UNIVERSIDAD DE PIURA

Maestra en Ingeniera Mecnico Elctrica

Con mencin en automtica y optimizacin

Estadistica Aplicada
DISEO DE EXPERIMENTOS EN INGENIERA MECNICA ELCTRICA

Alumno:
Ricardo Rodrguez Torres

Catedrtico:
Dr. Ing. Susana Vegas
Fecha:
25 agosto de 2014

2014

DISEO DE EXPERIMENTOS EN INGENIERA MECNICA ELCTRICA

Diseo de experimentos
El diseo de experimentos es una estrategia estadstica donde se plantea la formacin de
modelos estadsticos clsicos, cuya finalidad es averiguar si unos determinados factores influyen
en una variable de inters y, si existe influencia de algn factor, cuantificar dicha influencia.
Investigadores de todos los campos de estudio, llevan a cabo experimentos que por lo general
les sirve para descubrir algo acerca de un proceso o sistema particular, as pues en la ingeniera,
como bien es enseado desde los primeros aos de estudios, el mtodo cientfico presenta un
papel fundamental en la labor de cada ingeniero, especialmente el aspecto de la
experimentacin, dado que este paso es de donde se proceder a verificar si un proceso o
sistema cumple con lo establecido y esperado, abarcando desde la generacin de un nuevo
producto hasta procesos de manufactura aplicativos a la industria.
En el presente trabajo se plantea el uso del diseo de experimentos para aplicaciones de la
ingeniera mecnica elctrica, la cual abarca actividades de mantenimiento, minero,
metalrgico, petroleras, diseo, automatizacin, control, energticas, medio ambientales, etc.
Supngase el caso de un ingeniero en el rea de automatizacin que desea saber que mtodo
de control (PID o control predictivo) es el adecuado para mantener un nivel de temperatura
deseado en un evaporador, para lo cual se cuenta con una planta piloto (a escala) de control de
temperatura, donde van a realizarse las pruebas, para determinar el funcionamiento y elegir
que lazo de control ser el adecuado se efectuarn diversas pruebas y se tomar en cuenta el
error obtenido con cada uno, as pues el que presente un grfico de error constante menor ser
el mejor.
En este sencillo ejemplo pueden aparecer muchos cuestionamientos para el ingeniero, como
por ejemplo:
Es el mtodo de control el nico responsable de la temperatura?
Qu otros factores pueden afectar el funcionamiento?
Cuntas pruebas sern necesarias para verificar el mtodo adecuado?
Implica el alrededor al experimento?
El ingeniero lo primero que pens fue en la naturaleza del proceso, al tratarse de un proceso
trmico se espera que entonces sea un proceso bastante lento, para elevar la temperatura y an
ms lento para enfriar; para compensar esto decide utilizar dos plantas en lugar de una, es decir
trabajar las pruebas para cada lazo en paralelo, lo cual reducira probablemente el tiempo de
pruebas a la mitad, pero tambin implicara un mayor espacio, lo que resulta ser un problema
dado que el laboratorio donde se harn las pruebas no cuenta con el espacio necesario para dos
plantas de ese tamao, por lo que una de las plantas estar en la sala de trabajo y otro estar
provisionalmente en la sala de reuniones, la cual es totalmente cerrada, ya que cuenta con
sistema de aire acondicionado, mientras la primera est ubicada en un lugar normal con
ventilacin natural. Por otro lado al conseguirse la segunda planta se dio con la sorpresa que el
proveedor haba construido dicha planta piloto con todos los elementos iguales a los primeros
a excepcin del sensor con el que medir la temperatura, haciendo caso omiso de esto, dado
que en teora todos los sensores funcionan de igual manera, el ingeniero procede a hacer las
pruebas.
Influir en los experimentos que una sala sea cerrada y la otra no?
Ser importante para las pruebas tener dos sensores distintos?

Pues en casos como este hay que tener en cuenta primero todos los factores que perjudicaran
un resultado acertado, para empezar factores de entorno, en pruebas de este tipo son muy
influyentes, ya se va induciendo que para un proceso trmico un lugar aislado es mucho mejor
que un lugar abierto, pero El mtodo de control ser aplicado a un ambiente abierto o
cerrado?, para un ingeniero es muy importante no solo saber la problemtica o el planteamiento
adecuado, sino tambin en que ser aplicable lo que se est probando, as pues normalmente
estos procesos estn en una planta donde por motivos de seguridad es impensable tener un
ambiente cerrado, probablemente se pueda aislar cada contenedor pero eso ya depender del
compromiso costo beneficio que se quiera tomar. Por otro lado si bien el principio de
funcionamiento para un sensor es igual a otro, la configuracin y confiabilidad no ser el mismo
para dos sensores de distinta marca.
En general habrn muchos factores que se tienen que tener en cuenta en experimentos del rea
de la ingeniera mecnica elctrica y resultar de distintos niveles de complejidad y cantidad de
factores dependiendo de cada especialidad dentro de esta, as pues un experimento mecnico,
demandar probablemente mucho menos tiempo, pero mucho ms costo que un experimento
trmico, as tambin un experimento de diseo mecnico depender de la calidad de detalle del
diseador encargado.
En general, los experimentos se usan para estudiar el desempeo de procesos y sistemas1. Cada
proceso o sistema podra ser considerado conocido, parcialmente conocido o desconocido,
pasando as a hablarse de sistemas tipo caja blanca, caja gris o caja negra respectivamente,
donde en los primeros se tiene idea o se sabe exactamente el resultado que ha de esperarse y
el funcionamiento interno de este, mientras en los sistemas caja negra se desconoce el
funcionamiento interno y solo se sabe con exactitud las entradas y las salidas de cada uno de
ellos. Esto se esquematiza adecuadamente en la figura 1.

Fig. 1 Tipos de sistema.

Tambin se puede apreciar en la figura 1 que existen factores controlables y factores no
controlables, pues entonces habr que tener lo siguiente para el obtener el objetivo del
experimento:
1. Determinar cules son las variables que tienen mayor influencia en la respuesta.
2. Determinar cul es el ajuste de las entradas que tiene mayor influencia para que las
salidas estn siempre cerca del valor deseado.
3. Determinar cul es el ajuste de las entradas que generan una menor variabilidad a la
salida.
1

Montgomery, D.C., Design and Analysis of Experiments. 2005: John Wiley & Sons, Inc

4. Determinar cul es el ajuste de las entradas que minimizan el efecto de los factores no
controlables.
5. Determinar el tipo de sistema que se est estudiando.
La utilizacin de los modelos de diseo de experimentos se basa en la experimentacin y en el
anlisis de los resultados que se obtienen en un experimento bien planificado. En muy pocas
ocasiones es posible utilizar estos mtodos a partir de datos disponibles o datos histricos,
aunque tambin se puede aprender de los estudios realizados a partir de datos recogidos por
observacin, de forma aleatoria y no planificada. En el anlisis estadstico de datos histricos se
pueden cometer diferentes errores, los ms comunes son los siguientes:
1. Inconsistencia de los datos: Los procesos cambian con el tiempo, se producen cambios
en el personal (cambios de personas, mejoras del personal por procesos de aprendizaje,
motivacin, etc), cambios en las mquinas (reposiciones, reparaciones,
envejecimiento). Estos cambios tienen influencia en los datos recogidos, lo que hace
que los datos histricos sean poco fiables, sobre todo si se han recogido en un amplio
espacio de tiempo.
2. Variables con fuerte correlacin: Puede ocurrir que en el proceso existan dos o ms
variables altamente correlacionadas que pueden llevar a situaciones confusas. Por
ejemplo, en el proceso hay dos variables X1 y X2 fuertemente correlacionadas que
influyen en la respuesta, pero si en los datos que se tiene aumenta al mismo tiempo el
valor de las dos variables no es posible distinguir si la influencia es debida a una u otra
o a ambas variables (confusin de los efectos). Otra situacin problemtica se presenta
si solo se dispone de datos de una variable (porejemplodeX1ynodeX2), lo que puede
llevar a pensar que la variable influyente es la X1 cuando, en realidad, la variable
influyente es la X2 (variable oculta). Esto suele suceder por ejemplo en procesos MIMO,
donde no se sabe con exactitud si hay relacin fuerte o no entre las entradas y salidas,
hasta despus de realizar las pruebas.
3. El rango de las variables controladas es limitado: Si el rango de una de las variables
importantes e influyentes en el proceso es pequeo, no se puede saber su influencia
fuera de ese rango y puede quedar oculta su relacin con la variable de inters o lo
cambios que se producen en la relacin fuera del rango observado. Esto suele ocurrir
cuando se utilizan los datos recogidos al trabajar el proceso en condiciones normales y
no se experimenta (cambiando las condiciones de funcionamiento) para observar el
comportamiento del proceso en situaciones nuevas.
Tipos de variabilidad
Uno de los principales objetivos de los modelos estadsticos y, en particular, de los modelos de
diseo de experimentos, es controlar la variabilidad de un proceso aleatorio que puede tener
diferente origen. De hecho, los resultados de cualquier experimento estn sometidos a tres tipos
de variabilidad cuyas caractersticas son las siguientes:
1. Variabilidad sistemtica y planificada: Esta variabilidad viene originada por la posible
dispersin de los resultados debida a diferencias sistemticas entre las distintas
condiciones experimentales impuestas en el diseo por expreso deseo del
experimentador. Es el tipo de variabilidad que se intenta identificar con el diseo
estadstico.
Cuando este tipo de variabilidad est presente y tiene un tamao importante, se espera
que las respuestas tiendan a agruparse formando grupos (clusters). Es deseable que
exista esta variabilidad y que sea identificada y cuantificada por el modelo.

2. Variabilidad tpica de la naturaleza del problema y del experimento: Es la variabilidad

debida al ruido aleatorio. Este trmino incluye, entre otros, a la componente de
variabilidad no planificada denominada error de medida. Es una variabilidad
impredecible e inevitable.
Esta variabilidad es la causante de que si en un laboratorio se toman medidas repetidas
de un mismo objeto ocurra que, en muchos casos, la segunda medida no sea igual a la
primera y, ms an, no se puede predecir sin error el valor de la tercera. Sin embargo,
bajo el aparente caos, existe un patrn regular de comportamiento en esas medidas:
todas ellas tendern a fluctuar en torno a un valor central y siguiendo un modelo de
probabilidad que ser importante estimar.
Esta variabilidad es inevitable pero, si el experimento ha sido bien planificado, es posible
estimar (medir) su valor, lo que es de gran importancia para obtener conclusiones y
poder hacer predicciones. Es una variabilidad que va a estar siempre presente pero que
es tolerable.
3. Variabilidad sistemtica y no planificada: Esta variabilidad produce una variacin
sistemtica en los resultados y es debida a causas desconocidas y no planificadas. En
otras palabras, los resultados estn siendo sesgados sistemticamente por causas
desconocidas.
La presencia de esta variabilidad supone la principal causa de conclusiones errneas y
estudios incorrectos al ajustar un modelo estadstico.
Conceptos claves del diseo de experimentos
Unidades experimentales. Elementos (personas u objetos) sobre los que se va a experimentar
para obtener las medidas que se desean a comparar.
Diseo de experimentos. Plan para asignar a unidades experimentales bajo condiciones
controladas y as generar datos vlidos.
Aleatorizacin: Consiste en la asignacin al azar de los tratamientos en estudio a las unidades
experimentales con el propsito de asegurar que un determinado tratamiento no presente
sesgo. Por otro lado la aleatorizacin hace vlidos los procesos de inferencia y las pruebas
estadsticas.
Control Local (Control del error Experimental): Consiste en tomar medidas dentro del diseo
experimental para hacerlo ms eficiente, de tal manera que pueda permitir la reduccin del
error experimental y as hacerla ms sensible a cualquier prueba de significacin.
Error aleatorio o experimental: es la diferencia entre la medida obtenida del resultado de un
experimento y la obtenida promediando los resultados de varios experimentos.
Error no aleatorio: es la diferencia entre la medida obtenida promediando los resultados de
varios experimentos y la medida verdadera.
Hiptesis Estadstica
Es el supuesto que se hace sobre el valor de un parmetro (constante que caracteriza a una
poblacin) el cual puede ser validado mediante una prueba estadstica.

En la investigacin agraria al realizar un anlisis estadstico utilizando el ANOVA de un diseo

experimental, la hiptesis a probar es si los tratamientos tienen el mismo efecto sobre la variable
que se estudia, es as como se tienen las hiptesis planteada (Hp) e hiptesis alterna (Ha)
Hp: = 0 (Los i tratamientos tienen el mismo efecto sobre la variable en estudio)
Ha: 0 (No todos los tratamientos tienen el mismo efecto sobre la variable en estudio)
Al probar la hiptesis estadstica el investigador est propenso a cometer los siguientes tipos de
errores:
Error Tipo I: Se comete cuando se rechaza la hiptesis que se plantea, siendo esta hiptesis falsa;
la magnitud de este error es fijado por el investigador y constituye el nivel de significacin de
la prueba; usualmente los valores usados como nivel de significacin son
0.05 o 0.01.
Error tipo II: Se comete cuando se acepta la hiptesis que se plantea, siendo esta hiptesis falsa;
la magnitud de este error no se puede fijar, pero si es posible minimizar utilizando un tamao
adecuado de muestra.
Proyectos de la ingeniera mecnica elctrica.
En esta seccin del trabajo se explicar un poco ms sobre los proyectos o tipos de experimentos
y como puede ser aplicado el diseo de experimentos.

Medir el rendimiento de un determinado tipo de mquina, estudiando la influencia de

repuestos de diferente marca.
Medir el rendimiento de una planta para verificar que un sobre dimensionamiento
(dimensiones mayores a las estandarizadas) generarn una ganancia que compensar
el gasto extra en sobredimensionar algunas piezas.
Determinar el lazo de control adecuado para un proceso industrial.
Verificar que tipo de frenos es conveniente para un vehculo.
Analizar el tipo de paila utilizado para produccin de panela orgnica.
Verificar que tipo de antenas darn una mejor medicin y por tanto predicciones
climticas.
Comprobar la velocidad ptima de un motor para evitar vibraciones elevadas al
arranque, sin comprometer la productividad de este.
Comprobar que diseo genera un mayor empuje areo para especificar el perfil alar de
un avin.

Se han mencionado algunos de los muchos casos donde el diseo de experimentos puede
resultar beneficioso para esta rea de la ingeniera.
Hay que tener en cuenta que en la ingeniera existen tres factores muy importantes a tener en
cuenta: seguridad, tiempo y dinero, estos factores son fundamentales para cualquier producto
o sistema. Entonces lo que se busca con el diseo de experimentos es lo siguiente:
1) Menor tiempo de pruebas: al no desarrollar la metodologa del diseo de experimentos
se est tomando un tiempo innecesario para el desarrollo de todas las pruebas posibles,
por ello se realiza la mejor organizacin de las pruebas.
2) Menor uso de material y/o recursos: al reducir considerablemente el nmero de
pruebas, se reduce el material utilizado lo que evita prdida innecesaria de dinero.