Diseño de Experimentos

1. Diseño de Experimentos Principios del Diseño de Experimentos.

2. Calidad: • en línea. • gráficas de control, aceptación, etc. • fuera de línea.

3. Buscamos • diseñar el proceso de modo que haya mayor calidad. • valores para los parámetros del proceso que mejoren el producto. • mejora de la calidad.

4. Diseños: • completamente al azar. • aleatorizado por bloques. • cuadro latino. • factorial.

5. Elementos de un experimento. • respuesta. • factores. • niveles de los factores. • cuantitativos / cualitativos. • tratamientos.

6. Elementos de un experimento. • unidad experimental. • unidad de muestreo. • error experimental. • interacciones.

7. Ventajas. • Permite conocer los factores clave que afectan a la calidad. • Da información para el desarrollo de nuevos procesos. • Muestra los factores importantes. • Muestra diseños del proceso robustos.

8. Herramientas del diseño de experimentos. • replicación. • aleatorización. • bloqueo.

9. Partes de un diseño experimental. • Tratamientos. • Unidades experimentales. • Forma de asignación. • Respuesta. • Forma de medición.

10. Inferencia de un experimento. • Efectos fijos. • Efectos al azar.

11. ejemplo: • tres adhesivos. • se va a medir su ‘adhesividad’ en papel. • se aplica cada adhesivo a 4 lotes de papel. • selección al azar. • ¿efectos fijos o al azar?

12. Haga su propio ejemplo. • júntese con otros dos compañeros y hagan un ejemplo. • tratamientos (factores). • unidades experimentales (réplicas). • respuesta. • forma de asignación (explícita).

13. Haga su propio ejemplo (cont.) • Anoten en un papel su descripción y • ¿efectos fijos o aleatorios? • Intercámbienlo con otro grupo. • Estudien el del otro grupo, para discutirlo.

14. Diseño totalmente al azar. La asignación de los tratamientos a las unidades experimentales se hace totalmente al azar. Como en los adhesivos.

15. ejemplo. Tres compañías se ofrecen a transportar nuestro producto. Para probarlas en cuanto a su oportunidad de entrega, medida por el porcentaje de retraso a tiempo estimado de entrega. ¿Qué experimento sugiere?

16. ejemplo. • Construya, con su equipo otro ejemplo de un experimento totalmente al azar. • Reporte: • Descripción del experimento. • De dónde viene lo aleatorio. • Cuál es la asignación y cómo se hizo.

17. Diseño en bloques al azar. Los bloques son grupos homogéneos de unidades experimentales. Todos los tratamientos se ponen en cada bloque. Dentro del bloque se reparten al azar.

18. ejemplo: Tres proveedores de materia prima. Nuestra maquinaria para procesarla es de dos tipos: A y B (en cuanto a su eficiencia). Queremos medir el rendimiento. Los dos tipos de maquinaria son ‘bloques’. ¿Cómo diseñaría el experimento?

19. ejemplo: Con su equipo construya un ejemplo de bloques. Anoten el diseño en un papel para intercambiarlo y discutirlo.

20. Diseño en cuadro latino. Son bloques en dos variables. El número de niveles de una variable es igual al de la otra y al número de tratamientos. (Es un cuadro)

21. Éste es un cuadro latino:

22. Todos los tratamientos en cada columna. • Todos los tratamientos en cada renglón.

23. Se puede aleatorizar: • Los renglones. • Las columnas. • Se aleatoriza la asignación de tratamientos.

24. Ejemplo; cuadros latinos de tres.

25. Ejemplo. Cinco días de la semana. Cinco empleados. Cinco tipos de descansos. Se desea ver el efecto sobre la productividad. (Se puede analizar sin réplicas.) Use el cuadro de cinco y aleatorice.

26. Diseños Factoriales. Cuando hay dos o más factores para formar un tratamiento. Cada tratamiento se define por la mezcla de cada factor a diferente nivel.

27. Por ejemplo: Factor 1: aditivo; niveles: con/sin Factor 2: temperatura; niveles: 100, 200, 300 Esto da 6 tratamientos. Con 4 réplicas tendremos: 24 corridas del experimento.

28. El diseño factorial se aplica con cualquiera de los tipos vistos antes: al azar, bloques, etc.

29. Ventajas del diseño factorial. • Permite conocer el efecto de cada factor. • Permite conocer las interacciones. • Más eficiente que estudiar cada factor solo.

30. Desventajas. • Requiere muchas corridas. • A veces los bloques “no alcanzan”. • Costosos. • Cuesta trabajo interpretar las interacciones de orden superior.

31. Experimentos 2k Se mantienen sólo dos niveles de cada factor. Si se desechan interacciones, se tienen los factoriales fraccionarios. Se obtiene un menor número de corridas.