Unidad III.

Diseño de experimentos (DOE)

En el campo de la industria es frecuente hacer experimentos o pruebas con la intención de resolver un problema
idea (hipótesis); por ejemplo, hacer algunos cambios en los materiales, métodos o condiciones de operación de un
varias temperaturas en una máquina hasta encontrar la que da el mejor resultado, etc.
El diseño estadístico de experimentos es precisamente la forma más eficaz de hacer pruebas. El diseño de experim
determinar cuáles pruebas se deben realizar y de qué manera, para obtener datos que, al ser analizados
proporcionen evidencias objetivas que permitan responder las interrogantes planteadas, y de esa manera clari
inciertos de un proceso, resolver un problema o lograr mejoras. Algunos problemas típicos que pueden resolverse
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 produ
4. Encontrar las condiciones de operación (temperatura, velocidad, humedad, por ejemplo) donde se reduzcan
logre un mejor desempeño del proceso.
5. Reducir el tiempo de ciclo del proceso.
6. Hacer el proceso insensible o robusto a oscilaciones de variables ambientales.
7. Apoyar el diseño o rediseño de nuevos productos o procesos.
8. Ayudar a conocer y caracterizar nuevos materiales.

Definición
"Consiste en planear y realizar un conjunto de pruebas con el objetivo de generar datos que, al ser analizados esta
proporcionen evidencias objetivas que permitan responder las interrogantes planteadas por el experimentador so
situación" (Gutiérrez y Salazar, 2008) . Esta técnica fue desarrollada por Ronald A. Fisher en Inglaterra en la prime
siglo XX a través de su libro The Design of Experiments (1935).

Experimento
Un experimento es un cambio en las condiciones de operación de un sistema o proceso, que se hace con el objetivo
efecto del cambio sobre una o varias propiedades del producto o resultado.

Factores o variables
Variables de respuesta.
A través de estas variables se conoce el efecto o los resultados de cada prueba experimental, por lo que pueden s
de calidad de un producto y/o variables que miden el desempeño de un proceso.

Factores controlables o variables de proceso.

Variables de proceso o características de los materiales experimentales que se pueden fijar en un nivel dado.

Factores o variables no controlables o de ruido.

Variables o características de materiales y métodos que no se pueden controlar durante el experimento o la ope
proceso. Por ejemplo, variables ambientales como humedad, luz, temperatura, partículas, ruido, etc.

Factores estudiados.
Son las variables que se investigan en el experimento, respecto de como influyen o afectan a las variables de respue

Clasificacion de los diseños experimentales

Aspectos que influyen en la selección del DOE

1. El objetivo del experimento
2. El número de factores a estudiar
3. El número de niveles que se prueban en cada factor
4. Los efectos que interesa investigar
5. El costo del experimento, tiempo y precisión deseada.
ón de resolver un problema o comprobar una
ndiciones de operación de un proceso, probar

ruebas. El diseño de experimentos consiste en

tos que, al ser analizados estadísticamente,
adas, y de esa manera clarificar los aspectos
picos que pueden resolverse con el diseño y el

imientos.
recisión y exactitud.
más características del producto final.
jemplo) donde se reduzcan los defectos o se

os que, al ser analizados estadísticamente,

das por el experimentador sobre determinada
her en Inglaterra en la primera mitad del

o, que se hace con el objetivo de medir el

imental, por lo que pueden ser características

fijar en un nivel dado.

nte el experimento o la operación normal del

las, ruido, etc.

ctan a las variables de respuesta.

 Diseños de un solo factor
Se llama así, a los diseños cuyo objetivo es analizar una sola variable (variable de estudio) que incluye
dos o más niveles del factor llamados tratamientos o réplicas.

Diseño de un solo factor completamente aleatorizado

Es cuando las observaciones al interior de un tratamiento se toman en orden aleatorio o al azar

Modelo de efectos fijos

Es cuando se estudian todos los posibles tratamientos

Modelo de efectos aleatorios

Es cuando sólo se prueban una parte de los tratamientos existentes o posibles.

Diseño de un solo factor de efectos fijos completamente aleatorizado

µ = media global o media por todos los tratamientos

τi = parámetro que mide el efecto del tratamiento i
εij = error atribuible a la medición yij
Este modelo implica que en el diseño completamente al azar actuarían a los más dos fuentes de
variabilidad: los tratamientos y el error aleatorio

Matriz de Diseño para experimentos de un solo factor de efectos fijos completamente aleatorizado DCA

Tratamiento Totales Promedios

(Yi) Observaciones (Yij) (∑yi.) (Ӯi.)
1 y11 y12 . . . y1n y 1. Ӯ 1.
2 y21 y22 . . . y2n y 2. Ӯ 2.
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
a ya1 ya2 . . . yan y a. Ӯ a.
y.. Ӯ..

Simbología por puntos

ANOVA como herramienta en DOE
El objetivo en el ANOVA en el DCA es probar la hipótesis de igualdad de los tratamientos con respecto
a la media de la correspondiente variable de respuesta:

donde τi es el efecto del tratamiento i sobre la variables de respuesta. Si se acepta Ho se confirma que
los efectos sobre la respuesta de los "k" ó "a" tratamientos son estadísticamente nulos (iguales a
cero), y en caso de rechazar se estaría concluyendo que al menos un efecto es diferente de cero.

Suma de cuadrados total

Suma de cuadrados de los tratamientos

Suma de cuadrados del error

Ejemplo: pag. 564, Montgomery
Un fabricante de papel para hacer bolsas para comestibles, se encuentra interesado en mejorar la resistencia a
la tensión del producto. El departamento de ingeniería del producto piensa que la resistencia a la tensión es una
función de la concentración de madera dura en la pulpa y que el rango de las concentraciones de madera dura
de interés práctico está entre 5% y 20%. El equipo de ingenieros responsable del estudio decide investigar
cuatro niveles de concentración de madera dura: 5, 10, 15 y 20%. Deciden hacer seis ejemplares de prueba con
cada nivel de concentración, utilizando una planta piloto. Las 24 muestras se prueban, en orden aleatorio, con
una máquina de laboratorio para probar la resistencia. En la tabla se muestran los datos de este experimento.
Considere un α = 0.01

Tratamientos
kóa Resistencia a la tensión del papel (psi, lb/in2)
[ ] madera Observaciones
dura (%)
yi 1 2 3 4 5
y1 5 7 8 15 11 9
y2 10 12 17 13 18 19
y3 15 14 18 19 17 16
y4 20 19 25 22 23 18
 SC T = (7)2+(8)2+(15)2+…+(20)2 - (383)2/24
6625 6112.041667

SC Trat = 6494.833333 6112.04167

SCE = 130.1666667

Fuente SC GL CM Fo Valor p
Tratamientos 382.7916667 3 127.597222 19.605207 3.599599E-06 Dist.F.CD(19.605207,3,20)
Error 130.1666667 20 6.50833333
Total 512.9583333 23
Por tabla: F=4.94
Por excel 4.93819338 inv.F(0.99,3,20)
Conclusión

Dado que:
Ho: µ5 = µ10 = µ15 = µ20 ó Ho: τ5 = τ10 = τ15 = τ20
HA: µi ≠ 0 para la menos una i ó τi ≠ 0 para al menos una i
y también que:
Fo > F Con base en los datos del muestra no es factible aceptar la Ho
19.6 >4.94
y además:
p-value < α Se confirma el no aceptar Ho, lo que implica que el porcentaje de madera dura en la pulpa s
3.5925783E-06 < 0.01
e estudio) que incluye

eatorio o al azar

tratamientos
ratamiento i

s dos fuentes de

tamente aleatorizado DCA

mientos con respecto

ta Ho se confirma que
e nulos (iguales a
iferente de cero.

N = total de observaciones
n = tamaño de muestras u observaciones por tratamiento
K = número de tratamientos

3.5996E-06
 ado en mejorar la resistencia a
la resistencia a la tensión es una
ncentraciones de madera dura
l estudio decide investigar
seis ejemplares de prueba con
ueban, en orden aleatorio, con
os datos de este experimento.

papel (psi, lb/in2)

Total Promedio
6 (∑yi.) (Ӯi.) Residuales (yi-Ӯi)
10 60 10 -3 -2 5 1 -1
15 94 15.66667 -3.66666667 1.33333333 -2.66666667 2.33333333 3.33333333
18 102 17 -3 1 2 0 -1
20 127 21.16667 -2.16666667 3.83333333 0.83333333 1.83333333 -3.16666667
383 15.95833
 Y.. Ӯ..

…+(20)2 - (383)2/24
512.958333 1. Identificar los factores o variables
2. Niveles del factor o tratamientos
3. Ver si el modelo es balanceado

n=6
N=24
k ó a= 4
382.791667

st.F.CD(19.605207,3,20)

entaje de madera dura en la pulpa si influye en la resistencia de las bolsas

 0
-0.66666667
1
-1.16666667
 Gráficas de residuos para 5%, 10%, ...
Gráfica de probabilidad normal vs. ajustes
99
4
90
Porcentaje

Residuo
50
0

10 -2

1 -4
-5.0 -2.5 0.0 2.5 5.0 10.0 12.5 15.0 17.5 20.0
Residuo Valor ajustado

Histograma
4.8

3.6
Frecuencia

2.4

1.2

0.0
-4 -2 0 2 4
Residuo
7.5 20.0
o
Ejercicio 12.1 Montgomery pag. 577

La resistencia a la tensión de una fibra sintética es importante para el fabricante deuna empresa textil. Se
piensa que la resistencia está relacionada con el porcentaje de algodón de la fibra. Se diseña un experimeto
y se usan cinco niveles del porcentaje de algodón, y se hacen cinco réplicas en orden aleatorio,
obteniéndose los siguientes datos como resultado:

Observaciones
% algodón 1 2 3 4 5
15 7 7 15 11 9
20 12 17 12 18 18
25 14 18 18 19 19
30 19 25 22 19 23
35 7 10 11 15 11

a) ¿El porcentaje de algodón afecta la resistencia a la ruptura? Trace diagramas de caja comparativos y haga
un análisis de varianza. Use α = 0.05

b) Grafique la resistencia a la tensión promedio contra el porcentaje de algodón e interprete los resultados.
c) Encuentre los residuales y examínelos en cuanto a la ecuación del modelo
 empresa textil. Se
diseña un experimeto
aleatorio,

comparativos y haga

rprete los resultados.

Ejercicio 3.1 Gutiérrez Pulido, pag. 63

Un equipo de mejora investiga el efecto de cuatro métodos de ensamble A, B, C y D, sobre el tiempo de

ensamble en minutos. En primera instancia, la estrategia experimental es aplicar cuatro veces los cuatro
métodos de ensamble en orden completamente aleatorio (las 16 pruebas). Los tiempos de ensamble
obtenidos se muestran en la tabla. Use un α = 0.05

Método Tiempo de ensamble en minutos

ensamble 1 2 3 4
A 6 8 7 8
B 7 9 10 8
C 11 16 11 13
D 10 12 11 9

a) ¿Qué tipo de DOE se debe aplicar?

b) ¿Hay diferencias en los métodos de ensamble con respecto a los tiempos promedio?
c) ¿Cuál es valor p de la prueba sobre los métodos de ensamble?
d) Aplique la prueba de normalidad a los residuales e interprete
obre el tiempo de
o veces los cuatro
s de ensamble
Ejercicio 12.5 Montgomery, pag. 579
Un ingeniero electrónico está interesado en el efecto que tienen cinco diferentes tipos de recubrimiento de
una pantalla, sobre la conductividad del mismo en un dispositivo de visualización de un sistema de
telecomunicaciones. Se obtuvieron los siguientes datos para la conductividad:

Tipo de Conductividad
recubrimiento
1 2 3 4
1 143 141 150 146
2 152 149 137 143
3 134 133 132 127
4 129 127 132 129
5 147 148 144 142

a)¿Hay alguna diferencia en la conductividad causada por el tipo de recubrimiento?Use α = 0.01

b) Analice los residuales del experimento
c) Construya una estimación de un intervalo de 99% para la diferencia entre las medias de los recubrimientos 1 y 4.
e recubrimiento de
stema de

ubrimientos 1 y 4.