Diseño de experimentos (DoE)
Author: Dr. Hannah Volk-Jesussek
Updated:
El Diseño de experimentos, o DoE, es un enfoque sistemático para planificar, llevar a cabo y analizar experimentos.
El objetivo del Diseño de experimentos es explorar cómo diversas variables de entrada, llamadas factores, afectan a una variable de salida, conocida como respuesta. En sistemas más complejos, también puede haber múltiples respuestas que analizar.
Dependiendo del campo de estudio, el sistema que se investiga puede ser un proceso, una máquina o un producto. Pero también puede ser un ser humano, por ejemplo, cuando se estudian los efectos de un medicamento.
Cada factor tiene varios niveles. Por ejemplo, el factor «lubricación» podría tener niveles como aceite y grasa, mientras que el factor «temperatura» podría tener niveles como baja, media y alta.
Factores
Son las variables de entrada o parámetros que se modifican o manipulan en el experimento. Cada factor puede tener diferentes niveles, que representan los distintos valores que puede tomar.
Ejemplos: temperatura, presión, tipo de material, velocidad de la máquina.
Niveles
Son los valores específicos que un factor puede tomar en un experimento.
Ejemplos: para el factor «temperatura», los niveles podrían ser 100 °C, 150 °C y 200 °C.
Respuesta (o salida)
Es el resultado medido que cambia en respuesta a los factores que se están manipulando.
Ejemplos: rendimiento, resistencia, tiempo hasta el fallo, satisfacción del cliente.
¿Cuándo se utiliza un DOE?
Hay dos aplicaciones principales del Diseño de Experimentos (DOE): la primera es identificar los factores clave que influyen, determinando cuáles tienen un impacto significativo en el resultado. La segunda es optimizar las variables de entrada, con el objetivo de minimizar o maximizar la respuesta, dependiendo del resultado deseado.
Se seleccionan diferentes diseños experimentales en función del objetivo: los diseños de cribado se utilizan para identificar factores significativos, mientras que los diseños de optimización se emplean para determinar las variables de entrada óptimas.
Diseños de cribado
Los diseños de cribado se utilizan al principio de un experimento para identificar los factores más importantes de entre un conjunto más amplio de variables potenciales. Estos diseños, como los diseños factoriales fraccionales o los diseños de Plackett-Burman, se centran en determinar qué factores tienen un efecto significativo en la respuesta, a menudo con un número reducido de ensayos.
Diseños de optimización
Los diseños de optimización, por otro lado, se usan una vez que se han identificado los factores importantes. Estos diseños se usan para refinar y optimizar los niveles de los factores significativos con el fin de lograr una respuesta ideal. Algunos ejemplos comunes son: diseños factoriales completos, diseños compuestos centrales (CCD) y diseños de Box-Behnken (BBD).
El proceso del DoE
Por supuesto, ambos pasos se pueden llevar a cabo de forma secuencial. Echemos un vistazo al proceso de un proyecto de DoE: planificación, selección, optimización y verificación.
El primer paso, la planificación, implica tres tareas clave:
- 1) Comprender claramente el problema o el sistema.
- 2) Identificar una o más respuestas.
- 3) Determinar los factores que podrían influir significativamente en la respuesta.
Identificar los posibles factores que influyen en la respuesta puede ser bastante complejo y llevar mucho tiempo. Para ello, el equipo puede crear un diagrama de Ishikawa.
Diseño de cribado
El segundo paso es la selección. Si hay muchos factores que podrían influir (normalmente más de 4-6 factores), se deben realizar experimentos de selección para reducir el número de factores.
¿Por qué es esto importante? El número de factores que se van a estudiar tiene un gran impacto en el número de experimentos necesarios.
En un diseño factorial completo, el número de experimentos viene determinado por n = 2 elevado a k, donde n es el número de experimentos y k es el número de factores. Aquí tienes un pequeño resumen: si tenemos tres factores, se necesitan al menos 8 experimentos; para 7 factores, se necesitan al menos 128 experimentos, y para 10 factores, se necesitan al menos 1024 experimentos.
Ten en cuenta que esta tabla se aplica a un diseño en el que cada factor tiene solo dos niveles; de lo contrario, se necesitarán más experimentos.
Dependiendo de lo complejo que sea cada experimento, puede merecer la pena elegir diseños de cribado cuando hay 4 o más factores. Los diseños de cribado incluyen los diseños factoriales fraccionarios y el diseño de Plackett-Burman.
Diseños de optimización
Una vez identificados los factores significativos mediante experimentos de cribado, y si se ha conseguido reducir el número de factores, se pueden realizar más experimentos.
Los datos obtenidos se pueden utilizar entonces para crear un modelo de regresión, que ayuda a determinar las variables de entrada que optimizan la respuesta.
Verificación
Tras la optimización, el paso final es la verificación. Aquí se comprueba una vez más si las variables de entrada óptimas calculadas tienen realmente el efecto deseado sobre la respuesta.
Pasos detallados para llevar a cabo un DOE
Definición del problema: Define claramente el objetivo del experimento. Identifica la variable de respuesta y los factores que pueden afectarla.
Selecciona los factores, los niveles y los rangos: Determina los factores que se van a estudiar y los niveles específicos en los que se establecerá cada factor. Ten en cuenta las limitaciones prácticas y los conocimientos previos.
Elige un diseño experimental: Selecciona un diseño adecuado en función del número de factores, la complejidad de las interacciones y la disponibilidad de recursos (tiempo, coste).
Realiza el experimento: lleva a cabo el experimento según el diseño. Es fundamental aleatorizar el orden de las repeticiones experimentales para evitar errores sistemáticos.
Recopila datos: Recopila datos sobre la variable de respuesta para cada ensayo experimental.
Analiza los datos: utiliza métodos estadísticos como el análisis de varianza (ANOVA), la regresión o software especializado en DOE para analizar los resultados. El objetivo es comprender los efectos de los factores y sus interacciones sobre la respuesta.
Sacar conclusiones y tomar decisiones: Basándote en el análisis, saca conclusiones sobre qué factores son significativos, cómo interactúan y cómo se puede optimizar el proceso o el producto.
Valida los resultados: confirma los hallazgos realizando experimentos adicionales o aplicando los resultados a situaciones del mundo real. La validación garantiza que las conclusiones sean generalizables.
Ejemplos de diseños experimentales
Existen varios diseños experimentales, y estos son algunos de los más comunes, que se pueden calcular fácilmente utilizando el software de DoE numiqo.
Diseños factoriales completos: Estos diseños prueban todas las combinaciones posibles de los factores y proporcionan información detallada sobre los efectos principales y las interacciones.
Diseños factoriales fraccionales: Estos diseños utilizan solo una fracción de las combinaciones posibles para aumentar la eficiencia sin dejar de obtener la información esencial.
Diseños de Plackett-Burman: Un diseño de cribado que tiene como objetivo identificar rápidamente qué factores tienen mayor efecto.
Diseños de superficie de respuesta: Estos incluyen, por ejemplo, los diseños compuestos centrales (CCD), que se utilizan para encontrar los ajustes óptimos, especialmente en casos en los que existen relaciones no lineales entre los factores y la respuesta.
Aspectos clave del diseño experimental
Eficiencia: El DoE ayuda a recopilar tanta información como sea posible con un número mínimo de experimentos. Esto es especialmente importante cuando los experimentos son caros o requieren mucho tiempo. En lugar de probar todas las combinaciones posibles de factores (como en los diseños factoriales completos), los métodos estadísticos pueden reducir significativamente el número de experimentos sin perder información esencial.
Efectos de los factores e interacciones: En un experimento, a menudo hay varios factores que influyen en el resultado al mismo tiempo. El diseño experimental permite analizar los efectos aislados de estos factores y sus interacciones. Las interacciones se producen cuando el cambio simultáneo de varios factores tiene un efecto mayor en el resultado que la suma de sus efectos individuales.
Crear un DoE con numiqo
Por supuesto, puedes crear un plan de pruebas con numiqo. Para ello, solo tienes que hacer clic aquí: Crear DoE online.
Si estás evaluando software para un proyecto Six Sigma, lee nuestra comparación específica: numiqo vs. Minitab para el diseño de experimentos.
Para obtener un resumen de los diseños disponibles y el flujo de trabajo de numiqo, lee nuestra guía de software DoE.
Puedes elegir entre una variedad de diseños y, a continuación, especificar el número de factores. A continuación, se muestra el plan experimental creado.
