Capitulo 8

Diseo de experimentos :diseos con un solo factor

8.1 Generalidades
En 1964 las compaas americanas generaban alrededor de 6 mil millones de dlares en superavit comercial de exportacion:sin darse cuenta que estaban bajo el ataque de conpaias extranjeras. Ya por el ao de 1984 en los estados unidos se produca un dficit de la balanza comercial de 123mil millones de dlares . En este periodo de 20 aos la productividad de los estados unidos se incremento tan solo en un 35% comparado con un 60% de algunos pases europeos y con un sorprendente 120% en el japons mismo pas que tenia la reputacin de producir chatarra en los aos 50-60 ahora amenazaba la supervivencia de la industria americana al producir productos de alta calidad y bajos costos

 Como ocurri ? Es bien conocido que de este sorprendente cambio en la calidad de los productos japoneses se debi a controles de calidad de los productos introducidos mediante el uso de el diseo de experimentos ye el control de calidad durante la produccin de mediante tcnicas de estadsticas

Que es un diseo experimental?

Los investigadores e ingenieros realizan experimentos virtualmente en todos los campos del saber por lo general para descubrir algo acerca de un proceso o sistema en particular. Literalmente un experimento es una prueba o ensayo Un experimento diseado es una prueba o serie de pruebas en las cuales se inducen cambios deliberados en las variables de entrada de un proceso o sistema de manera que es posible identificar las causas en la optimizacin

MODELO GENERAL DE UN PROCESO O SISTEMA

ENTRTADA

PROCESO SALIDA

 en esencia un diseo experimental es un acercamiento cientfico que permite a un investigador entender mejor un proceso y a determinar la manera en que las variables de ingreso afectan una respuesta o variables de salida Supngase por ejemplo que un ingeniero esta interesado en estudiar el efecto que tiene sobre una aleacin de aluminio dos procesos diferentes de endurecimiento: a)templado de aceite y b)templado en agua salada

 En este caso el objetivo del investigador es determinar cual de las dos soluciones produce el mximo grado de dureza sobre la aleacin mencionada El ingeniero debe hacer una serie de pruebas de la aleacin Luego se determinara cual es la mas dura(mejor)

Algunas preguntas importantes

a) Son estas soluciones los nicos medios de templado? b) Existen otros factores que" puedan afectar la dureza de las muestras? Tipo do probeta por ejemplo c) Cuntas probetas de debe considerar para el estudio d) Que diferencia en los niveles promedio do dureza entre las dos soluciones debe considerarse importante. En cualquier experimento, los resultados y conclusiones que pueden obtenerse dependen en gran parte de la forma en que los datos fueron recopilados. por ejemplo, supngase que en las pruebas de templado se usan probetas de un tipo para templado en aceite, y de otro tipo para templado en agua. Luego al comparar los resultados, no ser posible decir cuanta de la diferencia observada se debe a la diferencia de los medios d templado )y cuanta al tipo de probeta. De este modo, el mtodo utilizado en la obtencin de los datos ha afectado las conclusiones que pueden deducirse del experimento.

8.3. Tipo de experimentacin.

Ahora bien. la manera como pueden ser llevados a cabo los experimentos pueden ser de dos formas: - Experimentacin pasiva, denominada tambin convencional o clsica. - Experimentacin activa, conocida como diseos experimentales.

8.3.1 Experimentacin pasiva

En este tipo de experimentacin los experimentos son llevados a cabo variando una variable a la vez. Esto es por ejemplo en el Caso do dos variables controlables. en una primera corrida experimental se hace variar la primera variable mientras que la segunda se mantiene constante, y despus variar la segunda variable mientras que la primera se mantiene constante. Consideremos el siguiente ejemplo: un jefe de planta conoce qua la temperatura y presin de produccin de ciertos artculos tienen efecto en la cantidad de artculos deficientes. Decide entonces disear unos experimentos para probar el efecto de temperatura y presin en la cantidad de productos defectuosos. El diseo consiste en (1)seleccionar dos niveles de temperatura ,T1 y T2 y dos niveles de presin ,P1 y P2;Y (2) Mantener la presin P1 fija y variar la temperatura en sus dos niveles ajados. Hecha la experimentacin se observan los registrados en la Tabla 8.1.

Tabla 8.1: aproximacin uno-alavez(parte I)

presin temperatura Respuesta

P1

T1

0.030

P1

T2

0.015

 se concluye de esto que la combinacin P2-T2 proporciona mas bajo ndice de efectos.1% este tipo de experimentos se denomina uno a la vez Esta mtodo no es muy conveniente cuando se investiga dos o ms variables, ya que no considera la posible interaccin que ocurre entre las variables, teniendo adems la probabilidad de conducirnos a un falso optimo.

8.32 Experimentacin activa

Los experimentos son llevados a cabo mediante un diseo predeterminado (diseo do experimentos). El cual es un plan organizado do experimentos que permiten evaluar simultneamente todas las variables consideradas y adems, evaluar la fuerza do interaccin entre las variables y reducir el nmero de experimentos a llevarse a cabo.

 En el ejemplo anterior, supngase que combinacin no probada P2 - T1 produce una interaccin como se Observa En la Figura 8.2. La interaccin se interpreta del siguiente modo: cuando la temperatura cambia de T1 a T2 el cambio en los productos defectuosos es diferente, dependiendo de los valores de presin fijados. Es de observarse que el diseo apropiado deber probar todas las cuatro combinaciones de presin y temperatura y evaluar las interacciones tal como se hace en un diseo factorial completo.

En la optimizacin de los procesos, la utilizacin de los diseos experimentales junto con una estrategia adecuada de optimizacin, es e1 mejor mtodo para encontrar los valores ptimos de las variables de la manera ms rpida y eficiente posible.

8.4. Aplicaciones de los Diseos Experimentales

Los mtodos de diseo experimental tienen amplia aplicacin en muchas disciplinas. En efecto es posible considerar a la experimentacin parte del proceso de investigacin cientfica y una de las formas en que aprendemos acerca de la forma en que funcionan los sistemas o procesos. El diseo experimental es un medio de importancia crtica en el medio de la ingeniera para mejorar el rendimiento de un proceso. Tambin se emplea extensamente en el desarrollo de nuevos procesos. La aplicacin de tcnicas de diseo experimental en una fase temprana de un proceso:

 - Da la mayor informacin por experimentacin y reduce el tiempo de experimentacin y mejora su eficiencia cuando son muchas las variables Permite la coleccin y anlisis organizado de la informacin obtenida que conduce a conclusiones confiables mediante anlisis estadstico Gran confiabilidad de los resultados

 Permite evaluar las interacciones entre las variables experimentales y que conducen a predicciones mas confiables Mejora del rendimiento del proceso Menor variabilidad y mayor apego a los requerimientos u objetivos Menor tiempo de desarrollo Menores costos globales

 El uso de desarrollo experimental en el desarrollo de nuevos procesos y diseo de ingeniera da por resultado productos con mayor confiabilidad y mejor funcionamiento menores costos y menor tiempo de diseo y desarrollo del producto

8.5 principios bsicos

Para que un experimento se realice en forma mas eficiente es necesario emplear mtodos cientficos en su planeacin Puede ser analizado por mtodos estadsticos y producir conclusiones validas y objetivas Se establecen dos aspectos en cualquier problema experimental: El diseo del experimento El anlisis estadsticos de los datos

Principios bsicos en el diseo de experimentos son el de:

a) Obtencin de replicas b) Aleatorizacin c) Anlisis por bloques

La replica
Se refiere a la replicacin del experimento bsico. En este concepto tiene dos propiedades importantes Permite ver el error experimental El uso de replicas permite al experimentador calcular una estimacin mas precisa del efecto de un factor en el experimento

La aleatorizacin
Es la piedra angular que fundamenta el uso de mtodos estadsticos en el diseo de experimentos Se entiende por aleatorizacin el hecho de que tanto la asignacin del material experimental como el orden en que se realizan las pruebas individuales se determinan aleatoriamente

Anlisis por bloques

Es una tcnica que se usa para incrementar la precisin del experimento Un bloque de material experimental que sea mas homogneo Al realizar un anlisis por bloques se hacen las comparaciones entre los experimentos

8.6directrices para el diseo experimental

Para usar un enfoque estadstico al disear y analizar un experimento se requiere de todos los participantes que tengan clara una idea de que es exactamente lo que van a estudiar De como se recopilan los datos y como se va a analizar Procedimiento recomendado:

A. Comprensin y planeamiento del problema

En la practica no es sencillo darse cuenta de que problema existe que requiere experimentacin ni disear un planeamiento claro y aceptable es necesario desarrollar los objetivos del experimento Un planeamiento claro del problema contribuye a un mejor conocimiento del fenmeno y de la solucin final del problema

B. Eleccin de factores y niveles

La eleccin de factores o variables, intervalos y niveles especficos aros cuales se har el experimento son tareas que deben emprenderse desde el inicio Tambin la forma de controlar esos factores y los mtodos de medicin Es importante fijar todos los valores de inters y no depender de experiencias pasadas

C. Seleccin de la variable de respuesta

Al seleccionar la respuesta o variable dependiente, se debe estar seguro que la respuesta que se va a medir realmente promover informacin til acerca del proceso de estudio Usualmente la desviacin estndar sern la variable de respuesta La capacidad de medicin es un factor importante

D. Eleccin del diseo experimental

Para elegir el diseo que se va a emplear, es necesario considerar el tamao de muestra (nm. ero de repeticiones) Seleccionar el orden para ensayos experimentales

E. Realizacin del experimento

Es vital aqu verificar que el proceso de experimentacin se desarrolle de acuerdo a lo planificado. En esta fase los errores en el procedimiento suelen anular la validez experimental

F. Anlisis de datos
Se requiere un anlisis estadstico de datos Los cuales por lo general no son complicados Se debe tener en cuenta que el anlisis estadstico solo hace posible obtener el probable error de una conclusin y asignarle un nivel de confiabilidad a los resultados Cundos estos se hacen bien llevan a conclusiones razonables

H. Conclusiones y recomendaciones

Para esta etapa es muy til utilizar mtodos grficos Tambin es importante realizar corridas y seguimientos y pruebas de confirmacin para dar validez a las conclusiones del experimento

8.7clasificacion de los diseos experimentales

La gran variedad de aplicaciones de los diseos experimentales (caracterizacin de procesos, diseo de productos, optimizacin de procesos, aplicaciones en ingeniera de calidad) -no ha permitido una clasicacion bien denida de estos. Desde el punto de vista de la optimizacin se pueden clasicar teniendo en cuenta el orden del modelo matemtico a obtenerse (diseos de primer o segundo orden).

 Desde el punto de vista la manera en que es llevados los diseos experimentales pueden clasificarse en simultaneo y secuenciales . Desde el punto de vista del objetivo (caracterizacin de procesos, diseo de productos. etc.):se tiene diseos-por comparacin simple hasta diseos jerrquicos o anidados

8.7.1 Experimentos por comparacin simple

Se usan para comparar dos condiciones (a menudo tratamientos) El objetivo es analizar si dos formula diferentes de un producto producen resultados equivalentes. Este tratamiento requiere. la aplicacin de conceptos estadsticos tales como variables aleatorias, distribucin de probabilidades, distribuciones mustrales y prueba de hiptesis

8.7.2 Diseos experimentales de primer orden

Son experimentos que conducen a optimizacin adecuadamente los coeficientes de la ecuacin o modelo matematico emprico de la siguiente expresin Y=o+1X1+2X2+...+nXn Donde Y es la respuesta o variable de salida(variable dependiente) que es funcin de las variables de entrada X1,X2Xn. El mas simple caso con una sola variable de entrada, -k=1, proporciona un modelo como el siguiente: Y=o+1X1

Los diseos experimentales que permiten estimar modelos de primer orden son:
- -Diseos factoriales; ' - Diseos factoriales fraccionados; Diseos de Placckett y Burman; etc. La utilizacin de diseos de primer orden son de gran importancia en la etapa inicial de optimizacion

8.7.3 Diseos experimentales de segundo orden .

Se denomina as a aquellos que perrniten estimar los parmetros Bj. Buj , Bjj de la ecuacin general: = +
=1

=1

2 =1

Si consideramos el caso de una sola variable controlable, el modelo de segundo orden toma la forma = + 11 + 2

 . Esta ltima asuncin indica que la "precisin" de las observaciones es mima para cada grupo. Un con la, con K=3 distribuciones de tratamiento, se muestra en la Figura 8.4. Se asume que estas distribuciones obtenidas con muestras de diferentes grupos tratamiento son independientes entre s, lo cual es muy importante para el anlisis de datos

8.8 modelos matemticos

Un modelo matemtico es un sistema de ecuaciones algebraicas o diferenciales qua representan cuantitativamente l1 proceso o algunos aspectos del proceso Por ejemplo, se puede construir un modelo matemtico que defina el tiempo de solidificacin de un lingote de acero, la velocidad de enfriamiento para evitar rajaduras de piezas de colada continua, un modelo para optimizar la recuperacin de una planta concentradora, etc.

8.8.1 modelos matemticos tericos

son derivados fundamentalmente de las leyes sicas y se basan en la aplicacin de ecuaciones de balance de materia energa y en leyes de la termodinmica,cintica. etc

8.8.2 Modelos matemticos semiempiricos-

Tambin estn basados en las leyes sicas pero se incorporan Cierta cantidad de empirismo debido bsicamente a un modelo muy complejo o la falta de datos

8.8.3 Modelos matemticos empricos

Estos modelos no estn basados en las leyes sicas. Se usan estos modelos cuando el proceso presenta una relacin matemtica muy compleja o desconocida y depende de las variables de entrada y salida, ignorando la estructura interior o fenmeno del proceso. La manera de construir este tipo de modelos es a travs de las tcnicas de Diseos Experimentales

8.9 Experimentos con un solo factor

Frecuentemente en la experimentacin se quiere comparar ms de dos tratamientos. Por ejemplo se quiere estudiar la efectividad de varios inhibidores de corrosin el efecto de varios catalizadores en el rendimiento qumico En los experimentos con un solo factor se debe efectuar experimentos completamente aleatorizados y se extiende el anlisis de dos a k niveles (tratamiento) de un solo factor

8.9.1 experimentos de un solo factor completamente aleatorizados

Asmase que se tiene bajo estudio k tratamientos. Para el i-esimo tratamiento, la respuesta Y es una variable aleatoria que vara alrededor de un promedio de tratamiento desconocido ui=1, 2, k, se asume que para cada grupo de tratamiento

Figura 8.4: Graco de tres distribuciones normales con varianzas iguales.

8.9.2 Ejemplo de aplicacin

Un ingeniero desea comparar las propiedades de resistencia de tres tipos diferentes de vigas .La de tipo A esta hecha de acero y las de tipo B y C son hechas dc dos diferentes tipos de aleacin' ms caras

Tabla 8.3: Deflexin de tres tipos diferentes de vigas

Tipo A B C

ni 8 6 6

Observaciones 82,86,79,83,85,8 4,86,87 74,82,78,75,76,7 7 79,79,77,78,82,7 9

i 84 77 79

48 40 14

ij =1(

-)2

Una visualizacin de los resultados se muestra en el siguiente diagrama de puntos, Figura 8.5:

 El diagrama de puntos muestra dos aspectos muy importantes a) La variabilidad de las observaciones dentro del grupo o variabilidad dentro del tratamiento b) La variabilidad entre los grupos o variabilidad entre tratamientos Si la variabilidad entre tratamientos es ms grande de lo que es de esperar, la posibilidad de que los tratamientos sean iguales queda seriamente cuestionada

 error dentro del tratamiento o error de suma de cuadrados (Error sum Squares). Esta cantidad, dividida por el nmero de grades de libertad N-K se conoce como promedio del cuadrado del error (Mean Square Error) o promedio del cuadrado debido al error: =

2 : =

2 =1

TABLA DE ANALISIS DE VARIANZA

8.4 Tabla ANAVA para un diseo completamente aleatorizado.