Introducción al Diseño de Experimentos

En el campo de la industria es frecuente hacer experimentos o pruebas con la intención de resolver

un problema o comprobar una idea (conjetura, hipótesis); por ejemplo, hacer algunos cambios en los
materiales, métodos o condiciones de operación de un proceso, probar varias temperaturas en una
máquina hasta encontrar la que da el mejor resultado o crear un nuevo material con la intención de
lograr mejoras o eliminar algún problema.

Sin embargo, es común que estas pruebas o experimentos se hagan sobre la marcha, con base en el
ensayo y error, apelando a la experiencia y a la intuición, en lugar de seguir un plan experimental
adecuado que garantice una buena respuesta a las interrogantes planteadas. Algo similar ocurre con
el análisis de los datos experimentales, donde más que hacer un análisis riguroso de toda la
información obtenida y tomar en cuenta la variación, se realiza un análisis informal, “intuitivo”. Es tal
el poder de la experimentación que, en ocasiones, se logran mejoras a pesar de que el experimento
se hizo con base en el ensayo y error. Sin embargo, en situaciones de cierta complejidad no es
suficiente aplicar este tipo de experimentación, por lo que es mejor proceder siempre en una forma
eficaz que garantice la obtención de las respuestas a las interrogantes planteadas en un lapso corto
de tiempo y utilizando pocos recursos.

El diseño estadístico de experimentos es precisamente la forma más eficaz de hacer pruebas. El

diseño de experimentos consiste en determinar cuáles pruebas se deben realizar y de qué manera,
para obtener datos que, al ser analizados estadística- mente, proporcionen evidencias objetivas que
permitan responder las interrogantes planteadas, y de esa manera clarificar los aspectos inciertos de
un proceso, resolver un problema o lograr mejoras. Algunos problemas típicos que pueden resolverse
con el diseño y el análisis de experimentos son los siguientes:

1. Comparar a dos o más materiales con el fin de elegir al que mejor cumple los requerimientos. 


2. Comparar varios instrumentos de medición para verificar si trabajan con la misma precisión y
exactitud. 

3. Determinar los factores (las x vitales) de un proceso que tienen impacto sobre una o más
características del producto final. 

4. Encontrar las condiciones de operación (temperatura, velocidad, humedad, por ejemplo) donde se
reduzcan los defectos o se logre un mejor desempeño del proceso. 

5. Reducir el tiempo de ciclo del proceso. 

6. Hacerelprocesoinsensibleorobustoaoscilacionesdevariablesambientales. 

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

8. Ayudar a conocer y caracterizar nuevos materiales. 


En general, cuando se quiere mejorar un proceso existen dos maneras básicas de obtener la
información necesaria para ello: una es observar o monitorear vía herramientas estadísticas, hasta
obtener señales útiles que permitan mejorarlo; se dice que ésta es una estrategia pasiva. La otra
manera consiste en experimentar, es decir, hacer cambios estratégicos y deliberados al proceso para
provocar dichas señales útiles. Al analizar los resultados del experimento se obtienen las pautas a
seguir, que muchas veces se concretan en mejoras sustanciales del proceso. En este sentido,
experimentar es mejor que sentarse a esperar a que el proceso nos indique por sí solo cómo mejorarlo.
El diseño de experimentos (DDE) es un conjunto de técnicas activas, en el sentido de que no esperan
que el proceso mande las señales útiles, sino que éste se “manipula” para que proporcione la
información que se requiere para su mejoría.

El saber diseño de experimentos y otras técnicas estadísticas, en combinación con conocimientos del
proceso, sitúan al responsable del mismo como un observador perceptivo y proactivo que es capaz
de proponer mejoras y de observar algo interesante (oportunidades de mejora) en el proceso y en los
datos donde otra persona no ve nada.

Historia del Diseño de Experimentos

El diseño estadístico de experimentos, desde su introducción 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 través de su libro The Design of Experiments (1935),
influyó de manera decisiva en la investigación agrícola, ya que aportó métodos (ahora usados en todo
el mundo) para evaluar los resultados de experimentos con muestras pequeñas. La clave de las
aportaciones de Fisher radica en que este investigador se dio cuenta de que las fallas en la forma de
realizar experimentos obstaculizaba el análisis de los resultados experimentales. Fisher también
proporcionó métodos para diseñar experimentos destinados a investigar la influencia simultánea de
varios factores.

Los desarrollos posteriores en diseños de experimentos fueron encabezados por George E. P. Box,
quien trabajó como estadístico durante ocho años en la industria química en Inglaterra y desarrolló la
metodología de superficie de respuestas (véase Box y Wilson, 1951), la cual incluye nuevas familias
de diseños y una estrategia para la experimentación secuencial. Es posible afirmar que entre 1950 y
1980, el diseño de experimentos se convirtió en una herramienta de aplicación frecuente, pero sólo en
las áreas de investigación y desarrollo. Hasta la década de 1970, la aplicación a nivel planta o procesos
de manufactura no estaba generalizada, debido a la falta de recursos computacionales y a que los
ingenieros y especialistas en manufactura carecían de formación en el área de estadística.

En la década de 1980 se dio un gran impulso al conocimiento y la aplicación del diseño de

experimentos debido al éxito en calidad de la industria japonesa. El movimiento por la calidad,
encabezado por los gurúes Deming e Ishikawa, promovió el uso de la estadística en calidad, donde el
diseño de experimentos demostró su utilidad tanto para resolver problemas de fondo como para
diseñar mejor los productos y los procesos. En Japón destaca el trabajo de Genichi Taguchi, cuyos
conceptos sobre diseño robusto también tuvieron un impacto significativo en la academia en el mundo
occidental. Como respuesta al movimiento por la calidad y la mejora de procesos, las industrias
empezaron a entrenar a sus ingenieros en la aplicación del diseño de experimentos. Esto continúa en
la actualidad; incluso, en los últimos veinte años, las universidades han incorporado el diseño de
experimentos como materia obligatoria u operativa en la mayoría de las ingenierías.

Definiciones básicas en el diseño de experimentos

El diseño de experimento es la aplicación del método científico para generar conocimiento acerca de
un sistema o proceso, por medio de pruebas planeadas adecuadamente. Esta metodología se ha ido
consolidando como un consolidando como un conjunto de técnicas estadísticas y de ingeniería, que
permiten entender mejor situaciones complejas de relación causa-efecto.

Experimento
Un experimento es un cambio en las condiciones de operación de un sistema o proceso, 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 químico se pueden probar diferentes temperaturas y presiones, y medir el cambio observado
en el rendimiento del proceso. Al analizar los efectos (datos) se obtiene conocimiento acerca del
proceso químico, lo cual permite mejorar su desempeño.

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 diseño de experimentos es importante
definir de manera cuidadosa la unidad experimental, ya que ésta 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 investigar 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 sería muy con-
fiable que la unidad experimental fuera una sola pieza, en la cual se vea si en una condición
experimental estaba defectuosa o no. Aquí, la unidad experimental será cierta cantidad de piezas que
se producen en las mismas condiciones experimentales, y al final se analizará cuántas de ellas están
defectuosas y cuántas no.
Variables, factores y niveles

En todo proceso intervienen distintos tipos de variables o factores como los que se muestran en la
figura 1.3, donde también se aprecian algunas interrogantes al planear un experimento.

Variable(s) de Respuesta: A través de esta(s) variable(s) se conoce el efecto o los resultados de

cada prueba experimental (véase figura 1.3), por lo que pueden ser características de la calidad de un
producto y/o variables que miden el desempeño de un proceso. El objetivo de muchos estudios
experimentales es encontrar la forma de mejorar la(s) variable(s) de respuesta. Por lo general, estas
variables se denotan con la letra y.

Factores controlables. Son variables de proceso o características de los materiales experimentales

que se pueden fijar en un nivel dado. Algunos de éstos son los que usualmente se controlan durante
la operación normal del proceso (véase 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 operación. Esto último es lo
que hace posible que se pueda experimentar con ellos. Por ejemplo, si en el proceso se usa agua a
60°C entonces debe existir un mecanismo que permita fijar la temperatura del agua dentro de un rango
de operación. Algunos factores o características que generalmente se controlan son: temperatura,
tiempo de residencia, cantidad de cierto reactivo, tipo de reactivo, método de operación, velocidad,
presión, etc. A los factores controlables también se les llama variables de entrada, condiciones de
proceso, variables de di- seño, parámetros del proceso, las x de un proceso o simplemente factores.

Factores no Controlables o de Ruido. Son variables o características de materiales y métodos que

no se pueden controlar durante el experimento o la operación normal del proceso. Por ejemplo,
algunos factores que suelen ser no controlables son las variables ambientales (luz, humedad,
temperatura, partículas, ruido, etc.), el ánimo 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 cuan- do se cuenta con el mecanismo o la tecnología para ello.

Factores estudiados. Son las variables que se investigan en el experimento, res- pecto de cómo
influyen o afectan a la(s) variable(s) de respuesta. Los factores estudiados pueden ser controlables o
no controlables, a estos últimos quizá fue posible y de interés 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 niveles o condiciones.

En principio, cualquier factor, sea controlable o no, puede tener alguna influencia en la variable de
respuesta que se refleja en su media o en su variabilidad. Para fines de un diseño de experimentos
deben seleccionarse los factores que se considera, por conocimiento del objeto de estudio, que
pueden tener efecto sobre la respuesta de interés. Obviamente, si se decide o interesa estudiar el
efecto de un factor no controlable, parte de la problemática a superar durante el diseño es ver la
manera en que se controlará durante el experimento tal factor.

Niveles y Tratamientos. Los diferentes valores que se asignan a cada factor estudiado en un diseño
experimental se llaman niveles. Una combinación de niveles de todos los factores estudiados se llama
tratamiento o punto de diseño. 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 combinación
de niveles (velocidad, temperatura) es un tratamiento. En este caso habría cuatro tratamientos, como
se muestra en la tabla 1.1. Es necesario probar cada tratamiento y obtener el correspondiente valor
de y.
De acuerdo con estas definiciones, en el caso de experimentar con un solo factor, cada nivel es un
tratamiento.

Error aleatorio y error experimental. Siempre que se realiza un estudio experimental, parte de la
variabilidad observada en la respuesta no se podrá explicar por los factores estudiados. Esto es,
siempre habrá 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 ejemplo,
será parte de este error aleatorio el pequeño efecto que tienen los factores que no se estudiaron,
siempre y cuando se mantenga pequeño o despreciable, así como la variabilidad de las mediciones
hechas bajo las mismas condiciones. Sin embargo, el error aleatorio también absorberá todos los
errores que el experimentador comete durante los experimentos, y si éstos son graves, más que error
aleatorio hablaremos de error experimental. De predominar éste, la detección de cuáles de los factores
estudiados tienen un efecto real sobre la respuesta será difícil, si no es que imposible.

Cuando se corre un diseño experimental es importante que la variabilidad observada de la respuesta

se deba principalmente a los factores estudiados y en menor medida al error aleatorio, y además que
este error sea efectivamente aleatorio. Cuando la mayor parte de la variabilidad observada se debe a
factores no estudiados o a un error no aleatorio, no se podrá distinguir cuál es el verdadero efecto que
tienen los actores estudiados, con lo que el experimento no alcanzaría su objetivo principal. De aquí
la importancia de no dejar variar libremente a ningún factor que pueda influir de manera significativa
sobre el comportamiento de la respuesta (principio de bloqueo).