INTRODUCCIN

El entendimiento del concepto de calidad como grado de satisfaccin de

especificaciones predeterminadas resulta vital para el ingeniero industrial,
considerando que es su responsabilidad el diseo y optimizacin de procesos
orientados a la obtencin de la mayor cantidad de beneficios posibles, siempre en
concordancia con las especificaciones fijadas. En este orden de ideas, la industria
se enfoca en la realizacin de pruebas que permitan corregir desviaciones o
probar teoras o hiptesis. Sin embargo, es comn que las mencionadas pruebas
se lleven a cabo de forma improvisada, con base en el ensayo y error, lo cual no
garantiza el hallazgo de las soluciones o afirmaciones buscadas.

En contraparte, el diseo de experimentos representa la opcin ms eficaz para

hacer pruebas ya que estudia cmo variar las condiciones normales de realizacin
de un proceso emprico a fin de aumentar la probabilidad de detectar cambios
importantes en la respuesta; esto deriva en una mayor comprensin del proceso
de inters.

Ronald Fisher, considerado el padre de la estadstica moderna y el diseo

experimental, fue el primer investigador en publicar un libro sobre esta tcnica, el
cual titul The Design of Experiments. Este texto discute detalladamente los
principios lgicos de la experimentacin, adems de distintos conceptos y tipos de
diseo aplicables al anlisis de experimentos. En este sentido, puede decirse que
fue Fisher fue el innovador quien sent las bases de aplicacin de mtodos
estadsticos en el diseo de experimentos, planeando una serie de pruebas
experimentales de manera que los datos generados puedan ser analizados desde
el punto de vista estadstico, obteniendo conclusiones totalmente vlidas y
objetivas.
1. Defina
1.1 Diseo experimental: Consiste en determinar cules pruebas
experimentales se deben realizar y de qu manera, para obtener datos que,
al ser analizados estadsticamente, proporcionen evidencias objetivas que
permitan clarificar los aspectos inciertos de un proceso, resolver un
problema o lograr mejoras.
1.1.1. Tratamientos: Son la combinacin de niveles de todos los factores
estudiados. Por ejemplo, si en un experimento se estudia la influencia de
la velocidad y la temperatura, y se decide probar cada una en dos
niveles, entonces cada combinacin de niveles (velocidad, temperatura)
es un tratamiento. En este caso habra cuatro tratamientos.
1.1.2. Niveles: Son los diferentes valores que se asignan a cada factor
estudiado en un diseo experimental.
1.1.3. Factores: En todo proceso intervienen diferentes variables y factores
como lo son:

Factores controlables: Son variables de proceso y/o caractersticas de

los materiales y los mtodos experimentales que se pueden fijar en un
nivel dado. Se distinguen porque, para cada uno de ellos, existe la
manera o el mecanismo para cambiar o manipular su nivel de operacin.
Algunos factores o caractersticas que generalmente se controlan son:
temperatura, tiempo de residencia, cantidad de cierto reactivo, tipo de
reactivo, mtodo de operacin, velocidad, presin, etc.
Factores no controlables: Son variables que no se pueden controlar
durante el experimento o la operacin normal del proceso. Por ejemplo,
las variables ambientales (luz, humedad, temperatura, partculas, ruido,
etc.), el nimo de los operadores, la calidad del material que se recibe
del proveedor (interno o externo). Un factor que ahora es no controlable
puede convertirse en controlable cuando se cuenta con el mecanismo o
la tecnologa para ello.
 Factores estudiados: Son las variables que se investigan en el
experimento para observar cmo afectan o influyen en la variable de
respuesta.
1.1.4. Bloques: Un bloque es el nivel particular del factor bloqueado donde las
condiciones experimentales del subconjunto de los datos provenientes
del bloqueo (proceso que consiste en nulificar o tomar en cuenta, en
forma adecuada, todos los factores que puedan afectar la respuesta
observada) son relativamente homogneas.
1.2. Tipos de diseos experimentales clasificacin

Existen muchos diseos experimentales para estudiar la gran diversidad de

problemas o situaciones que ocurren en la prctica. Esta cantidad de diseos hace
necesario saber cmo elegir el ms adecuado para una situacin dada y, por
ende, es preciso conocer cmo es que se clasifican los diseos de acuerdo con su
objetivo y su alcance.

Los cinco aspectos que ms influyen en la seleccin de un diseo experimental,

en el sentido de que cuando cambian por lo general nos llevan a cambiar de
diseo, son:

1. El objetivo del experimento.

2. El nmero de factores a estudiar.
3. El nmero de niveles que se prueban en cada factor.
4. Los efectos que interesa investigar (relacin factores-respuesta).
5. El costo del experimento, tiempo y precisin deseada.

Estos cinco puntos no son independientes entre s, pero es importante sealarlos

de manera separada, ya que al cambiar cualquiera de ellos generalmente cambia
el diseo experimental a utilizar.

El objetivo del experimento se utiliza como un criterio general de clasificacin de

los diseos experimentales, mientras que los otros cuatro puntos son tiles para
subclasificarlos. En este sentido, de acuerdo con su objetivo y sin pretender ser
exhaustivos, los diseos se pueden clasificar como:
 1. Diseos para comparar dos o ms tratamientos.
2. Diseos para estudiar el efecto de varios factores sobre la(s) respuesta(s).
3. Diseos para determinar el punto ptimo de operacin del proceso.
4. Diseos para la optimizacin de una mezcla.
5. Diseos para hacer el producto o proceso insensible a factores no
controlables.

A continuacin se muestra la clasificacin general de los diseos experimentales

de acuerdo con su objetivo. Dentro de cada rama se pueden clasificar de acuerdo
al nmero de factores, al tipo de efectos que se pretende estudiar y segn las
restricciones existentes.

En la misma figura se listan los diseos particulares ms representativos de cada

rama. Se puede notar que los diseos factoriales completos y fraccionados
ocupan ms de un lugar en la figura; la razn es que estos diseos son eficaces
en diversas situaciones prcticas.

1.3. Programas especializados en el desarrollo de diseos experimentales

Excel
Statgraphics
SPSS
Statistix
MINITAB
 Statistical Analysis Software, SAS/STAT
WinQSB
JMP de SAS
XLSTAT
NCSS
INFOSTAT
R Project for Statistical Computing
GENSTAT
GENES
SYSTAT
STATISTICA
1.4. Importancia de los diseos experimentales en la ingeniera industrial

Un experimento industrial es generalmente realizado para aumentar el

conocimiento de cierto proceso. Uno puede mejorar la ejecucin del proceso
despus de un profundo entendimiento de este mismo.

Por ejemplo, en cierto proceso de moldeo por inyeccin, la principal preocupacin

de los ingenieros fue el problema de encogimiento de las piezas. En dichas
circunstancias, un experimento ayudara a los ingenieros a determinar cules de
los factores (velocidad de la inyeccin, presin de la inyeccin, temperatura del
molde, tipo de resina, entre otros) afectan al proceso.

El diseo experimental es una tcnica poderosa para estudiar el efecto de estos

factores que perjudican a un proceso al igual que asistir a determinar la mejor
configuracin de estos factores para minimizar este problema, aportando una
perspectiva espontnea para posibles mejoras continuas de la calidad.

El diseo experimental les permite a los ingenieros industriales estudiar los efectos
de ciertas variables que afectan la respuesta o resultado de cierto proceso. Estos
mtodos tienen un alto potencial de aplicacin en el diseo de ingeniera y fases
de desarrollo. Los diseos experimentales se pueden aplicar en industrias para:

Reducir el tiempo de desarrollo de producto y diseo del proceso.

 Estudiar el comportamiento del proceso en una amplia gama de
condiciones de funcionamiento.
Aumentar la productividad del proceso al reducir desechos o productos
disconformes, mejorando el rendimiento del mismo.
Fabricar productos insensibles a variaciones ambientales como humedad
relativa, vibraciones, entre otras.
Minimizar de costos.

Este es un medio de importancia en la ingeniera para mejorar el rendimiento de

un proceso de manufactura, as como en el desarrollo de nuevos productos. El
xito de este depende de una serie de factores clave como habilidades
estadsticas, de ingeniera, de planificacin, de comunicacin, de trabajo en
equipo, entre otras; siendo estos conocimientos que todo ingeniero industrial debe
poseer.

2. Una compaa farmacutica desea evaluar el efecto que tiene la cantidad de

almidn en la dureza de las tabletas. Se decidi producir lotes con una
cantidad determinada de almidn, y que las cantidades de almidn a aprobar
fueran 2%, 5% y 10%. La variable de respuesta sera el promedio de la dureza
de 20 tabletas de cada lote. Se hicieron 4 rplicas por tratamiento y se
obtuvieron los siguientes resultados:
% de almidn Dureza
2 4,3 5,2 4,8 4,5
5 6,5 7,3 6,9 6,1
10 9,0 7,8 8,5 8,1

2.1. Existe suficiente evidencia de que el almidn influye en la dureza en las

tablas?

Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razn-F Valor-P
Entre grupos 26.7267 2 13.3633 58.10 0.0000
Intra grupos 2.07 9 0.23
Total (Corr.) 28.7967 11

La tabla ANOVA descompone la varianza de los datos en dos componentes: un

componente entre-grupos y un componente dentro-de-grupos. La razn-F, que en
este caso es igual a 58.1014, es el cociente entre el estimado entre-grupos y el
estimado dentro-de-grupos. Puesto que el valor-P de la prueba-F es menor que
0.05, existe una diferencia estadsticamente significativa entre las medias de las 3
variables con un nivel del 95.0% de confianza. Para determinar cules medias
son significativamente diferentes de otras.

Debido a que las medias son significativamente distintas se presume que el

porcentaje de almidn influye en la dureza con confianza del 95%.

2.2. Utilice el mtodo LSD y determine si existen pares diferentes.

Pruebas de Mltiple Rangos

Mtodo: 95.0 porcentaje LSD

Casos Media Grupos Homogneos
2% 4 4.7 X
5% 4 6.7 X
10% 4 8.35 X

Contraste Sig. Diferencia +/- Lmites

2% - 5% * -2.0 0.767137
2% - 10% * -3.65 0.767137
5% - 10% * -1.65 0.767137
* indica una diferencia significativa.
 Esta tabla aplica un procedimiento de comparacin mltiple para determinar
cules medias son significativamente diferentes de otras. La mitad inferior de la
salida muestra las diferencias estimadas entre cada par de medias. El asterisco
que se encuentra al lado de los 3 pares indica que estos pares muestran
diferencias estadsticamente significativas con un nivel del 95.0% de confianza.

Se confirma que hay diferencia entre cada par de medias con una confianza del
95%.

2.3. Elabore un diagrama de caja y bigote mltiple. Corresponde con la

respuesta anterior?

Grfico Caja y Bigotes

2%

5%

10%

4.3 5.3 6.3 7.3 8.3 9.3

respuesta

Lo mostrado por el diagrama de Caja y Bigotes se corresponde con la respuesta

anterior debido a que como se puede observar, las medias son distantes entre s.
 2.4. Utilice el mtodo Tukey y compare con el anterior. Cul es la diferencia
entre el mtodo LSD y mtodo Tukey?

Pruebas de Mltiple Rangos

Mtodo: 95.0 porcentaje Tukey HSD

Casos Media Grupos Homogneos
2% 4 4.7 X
5% 4 6.7 X
10% 4 8.35 X

Contraste Sig. Diferencia +/- Lmites

2% - 5% * -2.0 0.946707
2% - 10% * -3.65 0.946707
5% - 10% * -1.65 0.946707
* indica una diferencia significativa.

Esta tabla aplica un procedimiento de comparacin mltiple para determinar

cules medias son significativamente diferentes de otras. La mitad inferior de la
salida muestra las diferencias estimadas entre cada par de medias. El asterisco
que se encuentra al lado de los 3 pares indica que estos pares muestran
diferencias estadsticamente significativas con un nivel del 95.0% de confianza.

El mtodo LSD de Fisher se utiliza en el ANOVA para crear intervalos de

confianza para todas las diferencias en parejas entre las medias de los niveles de
los factores, controlando al mismo tiempo la tasa de error individual en un nivel
especificado; mientras que el mtodo Tukey crea intervalos de confianza
para todas las diferencias en parejas entre las medias de los niveles de los
factores mientras controla la tasa de error por familia en un nivel especificado.

El mtodo LSD no controla lo suficiente el error tipo I, considera la tasa de error

por familia al realizar comparaciones mltiples. Para contrarrestar esta tasa de
error ms elevada, el mtodo de Tukey ajusta el nivel de confianza de cada
intervalo individual para que el nivel de confianza simultneo resultante sea igual
al valor especificado.

A pesar de estas diferencias en el procedimiento de ambos, no hay diferencias

entre las conclusiones obtenidas de ambos mtodos.

2.5. Si se desea maximizar la dureza de las tabletas Qu recomendara al

fabricante?

Se debe utilizar el 10% de almidn para maximizar la dureza de las tabletas.

3. En un centro de investigacin se realiza un estudio para comparar varios

tratamientos, que al aplicarse previamente a los frijoles crudos, reducen su
tiempo de coccin. Estos tratamientos son a base de bicarbonato de sodio
(NaHCO3) y cloruro de sodio o sal comn (NaCl). El primer tratamiento es el
remojo en agua con bicarbonato de sodio, el segundo tratamiento es remojar
en agua con sal comn y el tercer tratamiento es remojar en agua con una
combinacin de ambos ingredientes en proporciones iguales. La variable de
respuesta es el tiempo de coccin en minutos. Los datos se muestran en la
siguiente
tabla: Tratamiento 1 Tratamiento 2 Tratamiento 3

76 57 84
85 67 82
74 55 85
78 64 92
 82 61 87
75 63 79
82 63 90

3.1. Existe algn tratamiento mejor? Cul es el tiempo de coccin esperado

para el mejor tratamiento?

Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razn-F Valor-P
Entre grupos 2174.0 2 1087.0 59.24 0.0000
Intra grupos 330.286 18 18.3492
Total (Corr.) 2504.29 20

La tabla ANOVA descompone la varianza de los datos en dos componentes: un

componente entre-grupos y un componente dentro-de-grupos. La razn-F, que en
este caso es igual a 59.2396, es el cociente entre el estimado entre-grupos y el
estimado dentro-de-grupos. Puesto que el valor-P de la prueba-F es menor que
0.05, existe una diferencia estadsticamente significativa entre las medias de las 3
variables con un nivel del 95.0% de confianza.

Primero se observa que hay diferencias significativas entre los tratamientos, por
tanto ahora se determina la media de los tres tratamientos.

Recuento Promedio Desviacin Coeficiente de Mnimo Mximo

Estndar Variacin
Tratamiento 1 7 78.8571 4.18045 5.3013% 74.0 85.0
Tratamiento 2 7 61.4286 4.15761 6.7682% 55.0 67.0
tratamiento 3 7 85.5714 4.50397 5.2634% 79.0 92.0

Se observa que el mejor tratamiento es el segundo que consiste es en remojar en

agua con sal comn, el tiempo de coccin esperado es de 61.4286 minutos.

3.2. Realice un diagrama de caja y bigote mltiple y mtodo LSD para detectar
p
a
Grfico Caja y Bigotes
r
e
s Tratamiento 1

d Tratamiento 2

i
s tratamiento 3

t
55 65 75 85 95
i respuesta

ntos.

Pruebas de Mltiple Rangos

Mtodo: 95.0 porcentaje LSD

Casos Media Grupos Homogneos
Tratamiento 2 7 61.4286 X
Tratamiento 1 7 78.8571 X
tratamiento 3 7 85.5714 X
 Contraste Sig. Diferencia +/- Lmites
Tratamiento 1 - Tratamiento 2 * 17.4286 4.81045
Tratamiento 1 - tratamiento 3 * -6.71429 4.81045
Tratamiento 2 - tratamiento 3 * -24.1429 4.81045
* indica una diferencia significativa.
Esta tabla aplica un procedimiento de comparacin mltiple para determinar
cules medias son significativamente diferentes de otras. La mitad inferior de la
salida muestra las diferencias estimadas entre cada par de medias. El asterisco
que se encuentra al lado de los 3 pares indica que estos pares muestran
diferencias estadsticamente significativas con un nivel del 95.0% de confianza.
Todos los pares de medias son distintos con un nivel de confianza del 95%.
 CONCLUSIONES

Una vez realizado el trabajo se concluy lo siguiente:

Los diseos experimentales son un conjunto de tcnicas que le permite a la

persona obtener datos significativos que la habilita a realizar un anlisis
estadstico correcto y lograr las conclusiones necesarias sobre la calidad
del proceso.
El mtodo LSD de Fisher es utilizado comnmente para crear intervalos de
confianza para todas las diferencias en parejas entre las medias de los
niveles de los factores, controlando la tasa de error individual en un nivel
especificado.
El mtodo Tukey crea intervalos de confianza para todas las diferencias en
parejas entre las medias de los niveles de los factores mientras controla la
tasa de error por familia en un nivel especificado.
El mtodo LSD no controla lo suficiente el error tipo I, considera la tasa de
error por familia al realizar comparaciones mltiples. Para contrarrestar esta
tasa de error ms elevada, el mtodo de Tukey ajusta el nivel de confianza
de cada intervalo individual para que el nivel de confianza simultneo
resultante sea igual al valor especificado.
Los diagramas de Caja-Bigotes (boxplots o box and whiskers) son una
presentacin visual que describe varias caractersticas importantes, al
mismo tiempo, tales como la dispersin y simetra. Para su realizacin se
representan los tres cuartiles y los valores mnimo y mximo de los datos,
sobre un rectngulo, alineado horizontal o verticalmente .
 BIBLIOGRAFA

Gutirrez, P., Humberto y De la Vara, S., Romn. (2008). Anlisis y diseos de

experimentos Segunda edicin.

Montgomery, D. Control estadstico de la calidad Tercera edicin.

Montgomery, D. Diseo y anlisis de experimentos Segunda edicin.

UDLAP. Teora de diseo de experimentos

http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/Disenno/IntroDE.pdf

http://www.mat.uson.mx/depto/publicaciones/apuntes/pdf/1-3-3-fisher.pdf