1

UNIVERSIDAD NACIONAL DE INGENIERÍA

FACULTAD DE INGENIERÍA QUÍMICA Y TEXTIL
Departamento Académico de Ingeniería Química

CINETICA QUIMICA Y DISEÑO DE REACTORES

TRABAJO 1&2
TITULO:
- DISEÑO EXPERIMENTAL
ALUMNO:
- ARGUMÉ SANDOVAL, JOSÉ BENJAMIN

DOCENTE:
- Ing. OSORIO CARRERA, CESAR JAVIER

LIMA – PERÚ,
2020
 2

1 DEFINICION ............................................................................................................ 3
2 ORIGEN .................................................................................................................... 4
3 DEFINICIONES BASICAS EN EL DISEÑO DE EXPERIMENTOS .................... 4
3.1 Experimento ....................................................................................................... 4
3.2 Unidad experimental .......................................................................................... 4
3.3 Variable respuesta .............................................................................................. 4
3.4 Factores controlables ......................................................................................... 4
3.5 Factores no controlables .................................................................................... 5
4 ETAPAS EN EL DISEÑO DE EXPERIMENTOS .................................................. 5
4.1 Planeación y realización .................................................................................... 5
4.2 Análisis .............................................................................................................. 5
4.3 Interpretación ..................................................................................................... 5
4.4 Control y conclusiones finales ........................................................................... 6
5 CLASIFICACIÓN Y SELECCIÓN DE LOS DISEÑOS EXPERIMENTALES .... 6
5.1 DISEÑO POR BLOQUES................................................................................. 7
5.1.1 Modelo estadístico ...................................................................................... 8
5.1.2 Hipótesis a probar ....................................................................................... 8
5.1.3 Análisis de varianza .................................................................................... 9
5.2 DISEÑO FACTORIAL ..................................................................................... 9
5.2.1 Efecto principal y efecto de interacción ................................................... 10
5.2.2 Experimentación factorial vs mover un factor a la vez ............................ 10
5.2.3 Ventajas de los diseños factoriales ........................................................... 11
5.3 DISEÑO ROBUSTO (TAGUCHI) ................................................................. 12
5.3.1 Filosofía Taguchi ...................................................................................... 12
5.3.2 Concepto de robustez................................................................................ 13
5.3.3 Factores de control, de ruido y de señal ................................................... 13
6 BIBLIOGRAFÍA ..................................................................................................... 14

INDICE DE ILUSTRACIONES
Ilustración 1 Clasificación de los diseños experimentales ............................................... 7
Ilustración 2 Arreglo de los datos en un diseño en bloques completos al azar ................ 8
Ilustración 3 Análisis de varianza para un DBCA ............................................................ 9
Ilustración 4 Ejemplo de experimentación empírica ...................................................... 11
Ilustración 5 Efecto de la temperatura vs la consistencia ............................................... 13
 3

1 DEFINICION
El diseño de experimentos es la manera más eficaz de realizar pruebas, pruebas

hechas con la finalidad de resolver un problema o corroborar ideas; por ejemplo,

realizar algunos cambios en los materiales, métodos o condiciones de una operación

de un proceso, probar diferentes valores de pH para un fluido hasta dar con el mejor

resultado, de qué manera se debe realizar la prueba, para obtener datos que serán

analizados estadísticamente proporcionando evidencias objetivas que permitirán

responder las interrogantes planteadas. Estos son algunos de los problemas típicos

que se puede resolver con el diseño y análisis de experimentos.

 Comparar dos o más materiales con el fin de elegir el mejor.

 Comparar vatios instrumentos de medición para verificar si trabajan con la

misma precisión y exactitud.

 Determinar los factores (las x vitales) de un proceso que tienen impacto

sobre una o más características del producto final.

 Encontrar las condiciones de operación (temperatura, velocidad, humedad,

etc.) en las que se reduzcan los defectos o se logre un mejor desempeño del

proceso.

 Reducir el tiempo de ciclo de proceso.

 Hacer el proceso insensible o robusto a oscilaciones de variables

ambientales.

 Apoyar el diseño o rediseño de nuevos productos o procesos.

(Gutierrez Pulido & de la Vara Salazar, 2012)

 4

2 ORIGEN

El diseño de experimentos tuvo su inicio teórico a partir de 1935 por Sir Ronald A.

Fisher, quien sentó la base de la teoría del diseño experimental con su obra The Design

of Experiments (1935), influyo de manera decisiva en la investigación agrícola

aportando métodos para evaluar los resultados de experimentos con muestras pequeñas.

3 DEFINICIONES BASICAS EN EL DISEÑO DE EXPERIMENTOS

3.1 Experimento

Un experimento es un cambio en las condiciones de operación de un sistema o procesos

que se efectúa con la meta de medir el efecto del cambio sobre las propiedades del

producto o resultado. También permite aumentar los conocimientos cerca del sistema.

Ej.: en un procesos químico se pueden probar diferentes temperaturas y presiones, y

medir el cambio observado en el rendimiento (yield, ppm, defectivo) acerca del proceso.

3.2 Unidad experimental

Es la pieza o muestra utilizada para generar un valor que sea representativo del

resultado del experimento. En cada estudio es importante definirla de manera cautelosa,

ya que esta unidad puede ser una pieza o muestra de una sustancia o un conjunto de

piezas.

3.3 Variable respuesta

A través de esta variable se conoce el efecto y/o los resultados de cada prueba

experimental.

3.4 Factores controlables

Son variables de procesos y/o características de los materiales que se pueden fijar en un

nivel dado.
 5

3.5 Factores no controlables

Son variables que no se pueden controlar durante el experimento o la operación normal

del proceso.

4 ETAPAS EN EL DISEÑO DE EXPERIMENTOS

4.1 Planeación y realización

Es la etapa más importante y la que requiere más tiempo. Consta de los siguientes

puntos.

 Entender y delimitar el problema u objeto de estudio

 Elegir las variables de respuesta que será mediad en cada punto del diseño y

verificar que se mide de madera confiable

 Determinar cuáles factores deben estudiarse o investigar, de acuerdo con la

supuesta influencia que tienen sobre la respuesta.

 Seleccionar los niveles de cada factor, así como el diseño experimental adecuado

a los factores que se tienen y al objetivo del experimento.

 Planear y organizar el trabajo experimental

 Realizar el experimento

4.2 Análisis

No se debe perder la vista de los resultados experimentales. Se necesita recurrir a

métodos estadístico inferenciales para ver si las diferencias o efectos muestrales son lo

suficientemente grandes para garantizar las diferencias poblacionales.

4.3 Interpretación

Junto con el análisis estadístico formal, se analiza con detalle lo que ha pasado en el

experimento, contrastando las conjeturas con los resultados obtenidos.

 6

4.4 Control y conclusiones finales

Se recomienda decidir que mediadas implementar para generalizar el resultado del

estudio así garantizar que las mejores se mantengan.

5 CLASIFICACIÓN Y SELECCIÓN DE LOS DISEÑOS EXPERIMENTALES

Existen variados diseños para estudiar la gran diversidad de problemas que pasan en la

práctica. Esta cantidad de diseño hace necesario saber escoger el diseño más adecuado

para la situación dad, por ello es necesario saber cómo estos diseños se clasifican.

 Diseños para comparar dos o más tratamientos.

 Diseños para estudiar el efecto de varios factores sobre las respuestas.

 Diseños para determinar el punto óptimo de operación del proceso.

 Diseño para la optimización de una mezcla

 Diseños para hacer el producto o proceso insensible a factores no controlables.

A su vez estos también se dividen en más diseños, como se puede observar en la

siguiente imagen.
 7

Ilustración 1 Clasificación de los diseños experimentales

Fuente 1 (Gutierrez Pulido & de la Vara Salazar, 2012)

5.1 DISEÑO POR BLOQUES

Para entender mejor el uso de este diseño empecemos con un ejemplo. Una empresa

requiere comprar varias máquinas, si cada máquina es operada por un operador

diferente, pues este operador puede influir en el resultado final, porque ya el resultado

ya dependería de la eficiencia del operador, así que se requiere anular el factor operador.

Una manera es hacer que el operador opere todas las maquinas pero eso es desgastador,

toma tiempo y hace que la experimentación sea dependiente de un solo operador. La

otra forma de anular este efecto consiste en hacer que cada operador trabaje durante el

experimento con cada máquina. Esto forma de nulidad recibe el nombre de bloqueo.

En un diseño en bloques completos al azar (DBCA) se consideran tres fuentes de

variabilidad: el factor de tratamiento, el factor de bloque y el error aleatorio.

 8

Ej.: Supongamos un contexto con “k” tratamientos y “b” bloques

Ilustración 2 Arreglo de los datos en un diseño en bloques completos al azar

Fuente 2 (Gutierrez Pulido & de la Vara Salazar, 2012)

5.1.1 Modelo estadístico

Se piensa que la medición será resultado del efecto del tratamiento en el que se

encuentre, del efecto del bloque y de cierto error. El modelo está dado por:

Donde:

Yij: medición correspondiente al tratamiento i y al bloque j

u: Es la media global potencial

t: Efecto por el tratamiento

e: Error aleatorio.

5.1.2 Hipótesis a probar

Está representada por:

 9

Se tiene que probar que la respuesta media poblacional lograda con cada tratamiento es

la misma para los k tratamientos y por eso cada respuesta media es igual a la media

global.

5.1.3 Análisis de varianza

La hipótesis anterior se prueba con análisis de varianza con dos criterios de

clasificación, es decir el factor de tratamiento y el factor de bloque.

Ilustración 3 Análisis de varianza para un DBCA

Fuente 3 (Gutierrez Pulido & de la Vara Salazar, 2012)

Los cálculos pueden ser a mano o mediante software.

5.2 DISEÑO FACTORIAL

A diferencia del diseño en bloques en donde solo se tiene un factor de tratamiento y el

resto tienen una importancia secundaria, en este diseño se estudia el efecto de varios

factores sobre una o varias respuestas, cuando se tiene la misma importancia sobre todo

los factores.

Los factores pueden ser cualitativos (maquinas, tipo de material, operador, etc.) o de

tipo cuantitativo (temperatura, humedad, velocidad, etc.)

 10

La preparación básica de un diseño factorial consiste en que todos los niveles de cada

variable independiente son tomados en combinación con todos los niveles de las otras

variables independientes. (Hernandez Sampieri, 2014)

5.2.1 Efecto principal y efecto de interacción

El efecto de un factor se define como el cambio que se observa en la variable de

respuesta a causa de que se cambió el nivel del factor. Los efectos principales son los

cambios en la media de la variable de respuesta que se deben a la acción individual de

cada factor. Es decir, matemáticamente hablando el efecto principal de un factor con

dos niveles seria la diferencia entre la respuesta de la media observada cuando el factor

estuvo en su nivel máximo, y la respuesta cuando el factor estuvo en su nivel mínimo.

(Gutierrez Pulido & de la Vara Salazar, 2012)

5.2.2 Experimentación factorial vs mover un factor a la vez

Los diseños factoriales son más eficientes que mover un factor a la vez, el cual es usado

por personas con poco conocimiento en diseño de experimentos.

Para explicar la ineficacia de mover un factor a la vez se propone el siguiente ejemplo:

Se quiere estudiar los efectos sobre el rendimiento de un proceso que tienen tres

factores: A (temperatura), B (contenido de solidos) y C (Tiempo de residencia). Cada

factor se estudiara a dos niveles (-,+). Entonces se procede:

 Para estudiar el efecto de A se realizan cuatro pruebas con cada nivel de A,

mientras que los factores B y C se fijan en (-). Se obtiene A+ es mejor que A-.

 Se hace lo mismo para B, fijando A en (+) que fue el mejor, y a C en (-). Con las

cuatro pruebas en cada nivel se obtiene que con B se obtiene mejor rendimiento

que con B-.

 11

 De acuerdo con lo anterior se fija A+ y B+, de igual manera se estudia el efecto

de C. Se obtiene que C+ es mejor que C-.

 Conclusión: condición óptima es A+, B+ y C+.

Ilustración 4 Ejemplo de experimentación empírica

Fuente 4 (Gutierrez Pulido & de la Vara Salazar, 2012)

El problema es que la mejor condición que maximice el rendimiento puede que

cualquier de los cuatro tratamiento que no se probaron. Es decir que hay tratamiento

que sin saber se probaron en dos pasos y otros en ninguno. En consecuencia solo se

estudia un porcentaje de todos los posibles tratamientos.

5.2.3 Ventajas de los diseños factoriales

 Permiten estudiar el efecto individual y de interacción de los distintos

factores.

 Son diseños que se pueden aumentar para formar diseños compuestos en

caso de que se requiera una exploración más completa.

 12

 Se pueden correr fracciones de diseños factoriales, las cuales son de gran

utilidad en las primeras etapas de una investigación que involucra a muchos

factores, cunado interesa descartar de manera económica los que no son

importantes.

 Se utilizan en combinación con diseños de bloques en aquellas situaciones

donde no puede correrse todo el diseño factorial bajo las mismas

condiciones.

 La interpretación y el cálculo se puede hacer con aritmética elemental.

5.3 DISEÑO ROBUSTO (TAGUCHI)

Este diseño tiene su origen en las ideas del ingeniero japonés Genichi Taguchi, quien

desarrollo sus métodos de ingeniería de la calidad desde la década de 1950. Estos

métodos fueron introducidos en Estados unidos a partir de 1980 debido a sus resultados

de estos métodos en la industria automotriz y eléctrica.

5.3.1 Filosofía Taguchi

Se establece que la calidad de un producto debe ser medida en términos de abatir el

mínimo de las pérdidas que ese producto causa. Se plantea el enfoque de cliente y se

retoma el concepto de control de calidad fuera de línea.

Un proceso es robusto cuando su funcionamiento es consistente al exponerse a

condiciones volubles. El objetivo del diseño robusto es lograr productos y procesos

robustos, es decir que sean insensibles a las condiciones volubles. Para desarrollar este

producto, el diseño se centra en tres etapas.

 Diseño del sistema

 Diseño de parámetros

 Diseño de tolerancia
 13

5.3.2 Concepto de robustez

En el diseño experimental existen los llamados factores de ruido, es decir que no se

pueden controlar, cuyo efecto es el que se pretende minimizar, eligiendo la combinación

de niveles de los factores de proceso que si se pueden controlar. El significado de la

palabra robusto es en el sentido de hacer el producto o proceso resistente a los factores

de ruido. Ej.:

En una fábrica de mantequilla se tenía el problema que la consistencia de la mantequilla

era altamente dependiente de la temperatura ambiental, de manera que cuando se

introducía en las refrigeradoras, esta se volvía más denso y duro. Entonces el problema

era formular un dulce robusto a la temperatura ambiental. Se encontró, mediante un

experimento robusto, una nueva formulación de caramelo más resistente a los cambios

de temperatura.

Ilustración 5 Efecto de la temperatura vs la consistencia

Fuente 5 (Gutierrez Pulido & de la Vara

5.3.3 Factores de control, de ruido y de señal
Salazar, 2012)

A diferencia que los dos diseños explicados anteriormente, donde básicamente había

dos factores (controlables y no controlables), en este diseño se tiene una clasificación

 14

más detallada del tipo de factores controlables que puede influir en el proceso. Se

distinguen cuatro tipos de factores:

 Afecta la media y la variabilidad

 Afecta solo la variabilidad

 Afecta solo la media

 No afecta la media ni la variabilidad

Un factor señal es el dispositivo que permite cambiar el nivel de operación de acuerdo

con los deseos del usuario. Ej.: En un reactor el factor señal es el mecanismo que

permite selección de la temperatura a la cual se llevara a cabo la reacción.

Un factor de ruido se puede clasificar como ruido externo, ruido interno o de deterioro.

El factor externo se refiere al ambiente en el cual el proceso (o producto) se desempeña

y a la carga de trabajo que es sometido. Un ruido interno se refiere a la variación

generada por el proceso de unidad a unidad producida, y se debe a su propia naturaleza

o tecnología. El deterioro son los efectos que aparecer debido al pasar del tiempo que

genera degradación paulatina del proceso y componentes. Ej.: Corrosión en las piezas

de un reactor.

6 BIBLIOGRAFÍA

Gutierrez Pulido, H., & de la Vara Salazar, R. (2012). Analisis y diseño de

experimentos. Mexico D.F: McGRAW-HILL.

Hernandez Sampieri, R. (2014). Metodologia de la investigacion. Mexico D.F:

McGRAW-HILL.