Diseo de experimentos en la investigacin

Lo que se ha dicho hasta el momento tambin es vlido en el campo de la

investiga-cin cientfica o aplicada, ya que a fin de cuentas, el objetivo es
generar nuevas ideas y mejores respuestas a las interrogantes del investigador
sobre el objeto de estudio. El objetivo de los mtodos estadsticos es lograr que
el proceso de generar conocimiento y aprendizaje sea lo ms eficiente posible.
En este proceso, que ha de-mostrado ser secuencial, interactan dos polos
(vase figura 1 . 1 ). Por un lado estn la teora, los modelos, las hiptesis, las
conjeturas y los supuestos: por el otro, estn la realidad, los hechos, los
fenmenos, la evidencia y los datos. As, como se comenta en Box et al.
(1978), una hiptesis inicial lleva a un proceso () de deduccin en el que las
consecuencias derivadas de la hiptesis pueden ser comparadas con los datos.
Cuando las consecuencias y los datos no corresponden. Entonces la
discrepancia puede llevar a un proceso de induccin, en el cual se modifica la
hiptesis original. De esta manera inicia un segundo ciclo de la interaccin de
teora y datos. En el cual las consecuencias de la hiptesis modificada son
comparadas con los datos (los viejos y los que se obtengan en este nuevo
ciclo): esto puede llegar a futuras modificaciones y a la obtencin de
conocimiento. Este proceso interactivo de aprendizaje puede visualizarse como
un ciclo de retroalimentacin (figura 1.2), en el cual las discrepancias entre los
datos y las con-secuencias de la hiptesis H1, llevan a una hiptesis modificada
h2 y de la criticacin de sta, adems de conocimiento, se produce una
modificacion de la modicacin (hiptesis H3) y as sucesivamente.
Breve historia del diseo de experimentos
El diseo estadstico de experimentos, desde su introduccin por Ronald A
Fisher en la primera mitad del siglo xx en Inglaterra, se ha utilizado para
conseguir un aprendizaje acelerado. El trabajo de Fisher a travs de su libro the
design of experiments (1935),
influvo de manera decisiva en la investigacin agrcola, ya que aporto los
mtodos ( ahora usados en todo el mundo) para evaluar los resultados de
experimentos con muestras pequeas . La clave de las aportaciones de Fisher
radica en que su investigacin se dio cuenta de que las fallas en la fallas en la
forma dedesaroallar experimentos obsraculizada el anlisis de los resultados
experimentales. Fisher tambin proporciono mtodos para disear
experimentos destinados a investigar la influencia simultanea de varios
factores.
Los desarrollos posteriores en diseo de experimentos ,fueron encabezados
(por George E. P. Box, quien trabajo como estadstico durante ocho aos en la
industria medica en inglaterra y desarrollo la metodologia ,superficie de
respuestas . (vease Box y Wilson, 1951), la cual incluye nuevas familias y tina
estra-tegia para la experimentacion secuencial Es posible afirmar que emu('
1950 y 1980, el disefio de experimentos se convirtiO en una herramienta de
aplicacion frecueme, pero solo en las areas de investigaciOn y desarrollo. liasta
(I6cada de 1970, la aplicacion a nivel planta o procesos de rnanufactura no

estaba general izada, debido a la falta de recursos computacionales y a que los

ingenieros y especia l istas en manufac-tura careclan de formacion en el area
de estathstica.
En la decada de 1980 se dio un gran impulso al conocimiento y Ia aplicaciOn
del diseo de experimentos debido al exito en calidad de la industria' a
japonesa. El movimiento por la calidad, encabezado por los gurues Deming e
Ishikaw, promovio el uso de la estadstica en la calidad, donde el diseo de
experimentos demostro su utilidad tanto para resolver problemas de fondo
coma para disenar mejor los productos y los procesos. En Japon destaca el
trabajo de Genichi Taguchi, cuyos conceptos sabre disefio robusto tambien
tuvieron un impacto significativo en la academia en el mundo occidental. Como
respuesta al movimiento por la calidad y la mejora de pro-cesos industrias
empezaron a entrenar a sus ingenieros en la aplicacion del discno de
experimentos. Esto continua en la actualidad; incluso, en los tiltimos veinte
alias, las universidades han incorporado el diseo de experimentos como
materia obligatoria u operativa en la mayoria de las ingenierias

Definiciones bsicas en el diseo de experimentos

El diseo de experimentos es la aplicacin del mtodo cientifico para generar
conocimiento acerca de un sistema o proceso, por medio de pruebas planeadas
adecuadamente. Esta metodologa se ha ido consolidando como un conjunto
de tcnicas estadsticas y de ingenieras que permiten entender mejor
situaciones complejas de relacin causa-efecto.
Experimento
Un experimento es un cambio en las condiciones de operacin de un sistema o
pro-ceso, que se hace con el objetivo de medir el efecto del cambio sobre una
o varias propiedades del producto o resultado. Asimismo, el experimento
permite aumentar el conocimiento acerca del sistema. Por ejemplo, en un
proceso qumico se pueden probar diferentes temperaturas y presiones, y
medir el cambio observado en el rendi-miento (yield, ppm, defectivo) del
proceso. Al analizar los efectos (datos) se obtiene conocimiento acerca del
proceso qumico, lo cual permite mejorar su desempeo.
Unidad experimental
La unidad experimental es la pieza(s) o muestra(s) que se utiliza para generar
un valor que sea representativo del resultado del experimento o prueba. En
cada diseo de experimentos es importante definir de manera cuidadosa la
unidad experimental, ya que sta puede ser una pieza o muestra de una
sustancia o un conjunto de piezas producidas, dependiendo del proceso que se
estudia. Por ejemplo, si se quiere inves-tigar alternativas para reducir el
porcentaje de piezas defectuosas, en un proceso que produce muchas piezas
en un lapso corto de tiempo, es claro que no sera muy con-fiable que la unidad

experimental fuera una sola pieza, en la cual se vea si en una condicin

experimental estaba defectuosa o no. Aqu, la unidad experimental ser cierta
cantidad de piezas que se producen en las mismas condiciones
experimentales, y al final se analizar cuntas de ellas estn defectuosas y
cuntas no.
Variables, factores y niveles
En todo proceso intervienen distintos tipos de variables o factores corno los
que se muestran en la figura 1.3, donde tambin se aprecian algunas
interrogantes al planear un experimento.
Variable(s) de respuesta.
A travs de esta(s) variables) se conoce el efecto o los resultados de cada
prueba experimental (vase figura 1.3), por lo que pueden ser caractersticas
de la calidad de unproducto y/o variables que miden el desempeo de
Un proceso. El objetivo de muchos estudios experimentales es encontrar la
forma de mejorar las variables de respuesta. Por lo general estas variable se
denotan con la letra y.
Factores controlables.
Son variables de proceso O caractersticas de los materiales everimentales que
se puck.km fijar en un nive1 dado. Algunos de stos son los que usualmente se
controlan durante la operacion normal del proceso (vase figura 1.3), y se
distinguen porque, para cada uno de ellos, existe la manera o el mecanismo
para cambiar o manipular su nivel de operacin. Esto ltimo es lo que hace
posible que se pueda experimentar con ellos. Por ejemplo, si en el proceso se
usa agua a 60C entonces debe existir un mecanismo que permita lijar la
temperatura del agua dentro de un rango do 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. A los factores controlables tambin se les llama
variables de entrada, condiciones de proceso, variables de diseo. Parmetros
del proceso, las x de un proceso o simplemente factores.
Factores no controlables o de ruido.
Son variables o caractersticas de materiales y mtodos que no se pueden
controlar durante el experimento o la operacin normal del proceso). Por
ejemplo, algunos factores que suelen ser no controlables son 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 nes 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, res-pecto de cmo
influyen o afectan a la(s) variable(s) de respuesta. Los factores estu-diados

pueden ser controlables o no controlables, a estos ltimos quiz fue posible y

de inters controlarlos durante el experimento. Para que un factor pueda ser
estudia-do es necesario que durante el experimento se haya probado en, al
menos, dos nive-les o condiciones. En principio, cualquier factor, sea
controlable o no, puede tener alguna influen-cia en la variable de respuesta
que se refleja en su media o en su variabilidad. Para fines de un diseo de
experimentos deben seleccionarse los factores que se conside-ra, por
conocimiento del objeto de estudio, que pueden tener efecto sobre la respuesta de inters. Obviamente, si se decide o interesa estudiar el efecto de un
factor no controlable, parte de la problemtica a superar durante el diseo es
ver la manera en que se controlar durante el experimento tal factor.
Niveles y tratamientos.
Los diferentes valores que se asignan a cada factor estu-diado en un diseo
experimental se llaman niveles. Una combinacin de niveles de todos los
factores estudiados se llama tratamiento o punto de diseo. Por ejemplo, si en
un experimento se estudia la influencia de la velocidad y la temperatura, y se
de-cide probar cada una en dos niveles, entonces cada combinacin de niveles
(veloci-dad, temperatura) es un tratamiento. En este caso habra cuatro
tratamientos, como se muestra en la tabla 1.1. Es necesario probar cada
tratamiento y obtener el correspondiente valor de y.
Error aleatorio y error experimental.
Siempre que se realiza un estudio experi-mental, parte de la variabilidad
observada en la respuesta no se podr explicar por los factores estudiados.
Esto es, siempre habr un remanente de variabilidad que se debe a causas
Comunes o aleatorias, que generan la variabilidad natural del proceso. Esta
variabilidad constituye el llamado error aleatorio. Por ejemplos ser parte de
este error aleatorio el pequeo efecto que tienen los factores que no se
estudiaron, siem-pre y cuando se mantenga pequeo o despreciable, as como
la variabilidad de las mediciones hechas bajo las mismas condiciones. Sin
embargo, el error aleatorio tambin absorber todos los errores que el
experimentador cornete durante los expe-rimentos, y si stos son graves, ms
que error aleatorio hablaremos de error experi-mental. De predominar ste, la
deteccin de cules de los factores estudiados tienen un efecto real sobre la
respuesta ser difcil, si no es que imposible. Cuando se corre un diseo
experimental es importante que la variabilidad ob-servada de la respuesta e
deba principalmente a los factores estudiados y en menor medida al error
aleatorio, y adems que este error sea efectivamente aleatorio. Cuan-do la
mayor parte de la variabilidad observada se debe a factores no estudiados o a
un error no aleatorio, no se podr distinguir cul es el verdadero efecto que
tienen los factores estudiados, con lo que el experimento no alcanzara su
objetivo principal. De aqu la importancia de no dejar variar libremente a
ningn factor que pueda influir de manera significativa sobre el
comportamiento de la respuesta (principio de bloqueo).
Etapas en el diseo de experimentos

un aspecto fundamental del diseo de experimentos es decidir cules prueba

tarnientos se van a realizar y cuntas repeticiones de cada uno se requieren.
De manera que se obtenga la mxima informacin al mnimo costo posible. El
Irrelk, formadopor los diferentes tratamientos que sern corridos, incluyendo
las repetick), nes, recibe el nombre de matriz de diseo o slo diseo. Para que
un estudio experimental sea exitoso es necesario realizar. por etaixth
diferentes actividades. En este sentido. la etapa ms importante y a la que se
le debe dedicar mayor tiempo es la planeacin (vase captulo 10). A
continuacin se describen de manera breve las etapas del diseo de
experimentos con objeto de dar url
Visin global de lo que implica su correcta aplicacin. Varios conceptos que se
iner}- cionan en estas etapas se definen con detalle en los siguientes captulos.
Planeacin y realizacin
1. Entender y delimitar el problema u objeto de estudio. Planeacin se deben
hacer in\ estigaciones preliminares qu-,_ entender y delimitar el problema u
objeto de estudio, de tal forma que -_:uede claro qu se va a estudiar. por qu
es importante y, si es un Cu es la magnitud del mismo.
2. Elegir la(s) variable(s) de respuesta que ser medida en cada pwalb del
diseo y verificar que se mide de manera confiable. /1 de ests) variable(es) es
vital, ya que en ella se refleja ei re,. itade 11( pruebas. Por ello, se deben elegir
aquellasque mejor reflejen e_ _ que caractericen al objeto de estudio. Adems,
se debe tener que las mediciones que se obtengan sobre esas variables sean
confiables. En otras palabras, se debe garantizar que los instrumentos y/o
mtodos de me-dicin son capaces de repetir y reproducir una medicin, que
tienen la pre-cisin(error) y exactitud (calibracin) necesaria. Recordemos que
los siste-mas de medicin son la forma en laque percibimos la realidad, por lo
que si stos son deficientes, las decisionesque se tomen con base en ellos
pueden ser inadecuadas. 3. Determinar cules factores deben estudiarse o
investigarse, de acuer-do a la supuesta influencia que tienen sobre la
respuesta. No se trata de que el experimentador tenga que saber a priori
cules factores influyen, puesto que precisamente para eso es el experimento,
pero s de que utilice toda la informacin disponible para incluir aquellos que se
considera que tienen un mayor efecto. 4. Seleccionar los niveles de cada
factor, as como el diseo experimen-tal adecuado a los factores que se tienen
y al objetivo del experi-mento. Este paso tambin implica determinar cuntas
repeticiones se ha-rn para cada tratamiento, tomando en cuenta el tiempo, el
costoy la precisin deseada. 5. Planear y organizar el trabajo experimental. Con
base en el diseo seleccionado, organizar y planear con detalle el trabajo
experimental, por ejemplo, las personas que van a intervenir, la forma
operativa en que se ha-rn las cosas, etc. (vase captulo 10). 6. Realizar el
experimento. Seguir al pie de la letra el plan previsto en la etapa anterior, y en
caso de algn imprevisto, determinar aqu persona se le reportara y lo que se
hara.

Anlisis
En esta etapa no se debe perder de vista que los resultados experimentales
son observaciones muestrales, no poblacionales. Por ello, se debe recurrir a
mtodos estadsticos inferenciales para ver si las diferencias o efectos
muestrales (experimentales) son lo suficientemente grandes para que
garanticen diferencias poblacionales (o a nivel proceso). La tcnica estadstica
central en el anlisis de los experimentos es el llamado anlisis de varianza
ANOVA (acrnimo en ingls).
Interpretacin
Aqu, con el respaldo del anlisis estadstico formal, se debe analizar con
detalle lo que ha pasado en el experimento, desde contrastar las conjeturas
iniciales con los resultados del experimento, hasta observar los nuevos
aprendizajes que sobre el pro-ceso se lograron, verificar supuestos y elegir el
tratamiento ganador, siempre con apoyo de las pruebas estadsticas.
Control y conclusiones finales
Para concluir el estudio experimental se recomienda decidir qu medidas
implementar para generalizar el resultado del estudio y para garantizar que las
mejoras se mantengan. Adems, es preciso organizar una presentacin para
difundir los logros.

Consideraciones prcticas sobre el uso de mtodos estadsticos

ic ion lo dicho en la seccin anterior, es importante tomar en cuenta que aun_
que el ti m) de metodologas estadsticas por lo general ayuda a hacer ms
eficiente el proceso de investigacin y de solucin de problemas, es necesario
reconocer que las metodologas estadsticas por s solas no garantizan
investigaciones exitosas, por ello es importante considerar los siguientes
puntos:
El conocimiento no estadstico es vital. Para utilizar los mtodos
estadsticos en general y los diseos de experimentos en particular, en primer
lugar se requiere que el experimentador tenga un buen nivel de conocimiento
tcnico y prctico sobre el fenmeno o procesoque estudia, de tal forma que
pueda vislumbrar con cierta facilidad cules son los aspectos clave del
fenmeno y sea capaz de plantear conjeturas precisas, vislumbrar el tipo de
relaciones entre las variables de respuesta y los posibles factores a estudiar.
Todo esto ayudar a seleccionar mejor los factores y sus niveles, as como el
diseo que es mejor aplicar. Adems, ese conocimiento permitir sacarle un
provecho real al anlisis estadstico de los resultados y obtener conclusio-nes
que generen aprendizaje y soluciones.
Reconocer la diferencia entre significancia estadstica e importancia
prctica. En ocasiones, un experimentador puede concluir que dos
tratamientos son di-ferentes estadsticamente, pero que tales diferencias,

aunque sean significativas, no necesariamente representan una diferencia que

en la prctica sea importante.
Apostarle ms a la experimentacin secuencia! que a un experimento
nico y definitivo. En ocasiones, los experimentadores novatos pretenden en
una sola fase de experimentacin contestar todas sus interrogantes sobre un
proceso o fen-meno en particular. Sin embargo, esto puede llevar a
experimentos muy extensos que consuman demasiados recursos y que
retarden la generacin de resultados. Por ello es importante considerar como
alternativas a diferentes fases de experimentacin en forma secuencial, en las
cuales se alcance paulatinamente una mayor precisin en los conocimientos y
soluciones. Es importante no confundir la experimentacin secuencial con la
experimenta-cin a prueba y error (vase seccin "Experimentacin factorial
frente a mover un factor a la vez" del captulo 5). La experimentacin
secuencial en cada fase sigue una estrategia bien definida y pensada; por lo
tanto, en cada fase se obtienen resultados y conclusiones importantes que
permiten generar solucionesy conocimiento ms refi-ado para plantear de
mejor manera la siguiente fase de experimentacin.

Principios bsicos
El diseo de experimentos trata de fenmenos que son observables y
repetibles. Por lo tanto, sin el pensamiento estadstico, los conceptos de
observabilidad y repetibili-dad son inherentemente contradictorios. Cualquier
cosa observada se aprecia con variabilidad; nada ocurre exactamente de la
misma forma dos veces, incluso las mediciones del mismo evento varan.
Entonces. qu se quiere decir cuando la ciencia demanda que una
observacin sea repetible?, qu repeticin es realmente una repe-ticin?,
cuando un resultado es el mismo o difiere, es confirmacin o contradiccin?
Estaspreguntas no pueden ser contestadas de manera coherente sin el
pensamiento estadstico;por ejemplo, alguien da una nueva receta de
chocolate, dice que no falla, pero se prueba y no sale, mientras que el segundo
y tercer intento s funcionan. La receta est comprobada completamente? (Los

chocolates tienen ms de 800 ingre-dientes individuales que pueden ser

separados.) De acuerdo con lo anterior, se debe ser muy cuidadoso en la
planeacin y el anlisis de un experimento. El punto de partida para una
correcta planeacin es apli-car los principios bsicos del diseo de
experimentos: aleatorizacin, repeticin y bloqueo, los cuales tienen que ver
directamente con que los datos obtenidos sean tiles para responder a las
preguntas planteadas, es decir, la validez del anlisis de los datos se apoya en
estos principios.
Aleatorizacin. Consiste en hacer las corridas experimentales en orden
aleatorio (al azar) y con material tambin seleccionado aleatoriamente. Este
principio aumen-ta la probabilidad de que el supuesto de independencia de los
errores se cumpla, lo cual es un requisito para la validez de las pruebas de
estadsticas que se realizan. Tambin es una manera de asegurar que las
pequeas diferencias provocadas por materiales, equipo y todos los factores no
controlados, se repartan de manera homo-gnea en todos los tratamientos. Por
ejemplo, una evidencia de incumplimiento o violacin de este principio se
manifiesta cuando el resultado obtenido en una prueba est muy influenciado
por la prueba inmediata anterior.
Repeticin. Es correr ms de una vez un tratamiento o una combinacin de
factores. Es preciso no confundir este principio con medir varias veces el
mismo resultado expe-rimental. Repetir es volver a realizar un tratamiento,
pero no inmediatamentedespus de haber corrido el mismo tratamiento, sino
cuando corresponda de acuerdo con la alea-torizacin. Las repeticiones
permiten distinguir mejor qu parte de la variabilidad total de los datos se debe
al error aleatorio y cul a los factores. Cuando no se hacen repeti-ciones no hay
manera de estimar la variabilidad natural o el error aleatorio, y esto difi-culta la
construccin de estadsticas realistas en el anlisis de los datos.

Bloqueo. ( Uh1tC en nuliricar o tomar en cuenta. en forma adecuada, todos los

fa:- tore que ruedan afectar la respuesta observada. Al bloquear, se supone
que el sub-conjunto de timo\ que w obtengan dentro de cada bloque (nivel
particular del factor hloqueddo). debe resultar in. homogneo que el conjunto
total de datos. Por ejem-plo. si k,% quieren comparar cuatro mquinas, es
importante tomar en cuenta al ope-rad(Yr de lak, mquinas. en especial i se
cree que la habilidad y los conocimientos del operador pueden influir en el
resultado. Una posible estrategia de bloqueo del fac-tor operador, (.-1"-,1 que
un miNino operador realizara toda,N 1-vuelva--; del experi-mento. Otra pn,.,itile
es-trateklia de bloqueo sera experimentar con cuati-k.) operadores (cuatro
bl(que). donde Ckidii uno de (.11 prueba leatorioLt cuatro m-quinas: en este
segundo cam). la comparacin de las 1-i-ntimas quizs c ms real. ue porque
se espera que las mediciones del misnw pe-scan ms parecidas entre s que
las mediciones de varios operadores.