Experimentos con arreglos Ortogonales

2.1 Planeación y Conducción de Experimentos.

EL DISEÑO DE EXPERIMENTOS EN LA INDUSTRIA

En el campo de la industria es una practica común hacer experimentos o pruebas con la intención de que al mover o hacer algunos cambios en los materiales, métodos o condiciones de operación de un proceso se puedan detectar, resolver o minimizar los problemas de calidad.

Por ejemplo, se prueban varias temperaturas en una maquina hasta encontrar la que da el mejor resultado, o se intenta un nuevo material con la intensión de eliminar los problemas que tiene el material actual, o bien, se prueban diferentes velocidades para determinar la que minimiza la vibración excesiva del equipo.

Sin embargo es común que estas pruebas o experimentos se hagan sobre la marcha, a prueba 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 puede decirse respecto al análisis de los datos experimentales, donde mas que un análisis riguroso de toda la información obtenida y que tome en cuenta la variación, se hace un análisis informal “intuitivo”.

Es tal el poder de la experimentación, que en ocasiones a pesar de que el experimento se hizo a prueba y error se logran mejoras. Sin embargo, en muchas situaciones no es suficiente aplicar experimentación a prueba y error, por lo que es mejor proceder siempre en una forma eficaz que garantice la obtención de las repuestas a las interrogantes planteadas, en un lapso corto de tiempo y utilizando pocos recursos.

El diseño estadístico de experimentos es precisamente la forma eficaz de hacer pruebas en los procesos, ya que proporciona la técnica y la estrategia necesarias para llevar de manera eficaz los procesos a mejores condiciones de operación. En su parte medular, el diseño de experimentos consiste en determinar cuales pruebas y como es que se deben realizar, para obtener datos que al analizarlos estadísticamente se obtengan conclusiones y decisiones que deriven en mejoras del desempeño del proceso.

Algunos problemas típicos de la industria que se pueden resolver con el diseño y análisis de experimentos son los siguientes:

1. Comparar dos o mas proveedores del mismo material 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. Proponer una nueva manera de operar el proceso, variar sus condiciones y hacer cambios con el objetivo de reducir el numero de defectos.

4. Determinar los factores o fuentes de variabilidad que tienen impacto en la capacidad del proceso para cumplir con sus requerimientos mas importantes.

5. Localizar las condiciones de operación (temperatura, velocidad, humedad) donde el proceso logra su desempeño optimo.

6. Proponer un nuevo método de muestreo igual de fectivo, pero mas económico que el actual.

7. Reducir el tiempo de ciclo del proceso.8. Hacer el proceso insensible o robusto a oscilaciones de variables ambientales.9. Apoyar en el diseño o rediseño del producto o proceso para mejorar su desempeño

En general, cuando se requiere 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 puede decir que esta es una estrategia pasiva.La otra manera es experimentar, es decir, hacer cambios estratégicos y deliberados al proceso para provocar dichas señales útiles. Al analizar los resultados del experimento se tienen de manera inmediata 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 si solo como 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 este se “manipula” para inducirlo a proporcionar esa información que se requiere para mejorarlo.

El control estadístico de procesos (CEP) sirve de base para dirigir mejor la búsqueda mediante DDE, ya que dependiendo del estado del proceso en cuanto a capacidad y estabilidad se debe orientar la estrategia de mejora del proceso y, por lo tanto, la aplicación del DDE.El saber diseño de experimentos y otras técnicas estadísticas, combinadas, con conocimiento del proceso, sitúan al responsable del mismo como observador perceptivo y proactivo, que es capaz de observar algo interesante (oportunidades de mejora) en el proceso y en los datos donde otra persona no ve nada. De aquí su mejor capacidad para proponer posibles soluciones a un problema determinado.

DEFINICION DE DISEÑO DE EXPERIMENTOS

• Conjunto de técnicas activas que manipulan el proceso para inducirlo a proporcionar la información que se requiere para mejorarlo.

• Técnicas estadísticas y de ingeniería que permiten lograr la máxima eficacia de los procesos de producción al menor costo.

EVOLUCION DEL CONTROL DE CALIDAD Y LOS EXPERIMENTOS EN JAPON

Uno de los elementos fundamentales de la evolución del control de calidad ha sido el enfocar mayores esfuerzos hacia la prevención, en detrimento de la detección (inspección). Lo anterior se puede apreciar gráficamente en la siguiente figura, donde se muestra una clara evolución con respecto a la calidad. En Japón como en los demás países, el control de calidad inicia con actividades de inspección después de la producción.

expedicion fabricacion diseño del proceso diseño del producto1910

1920

1930

1940

1950

1960

1970

1980

1990

1920

1950

1965

1980

EVOLUCION DEL CONTROL DE LA CALIDAD DE DETECCION A PREVENCION.

ENFASIS EN LA DETEC-CION

INSPECCION

SPC

ENFASIS EN LA PREVEN-CION

Off-LINE QUALITY CONTROL

Sin embargo las empresas Japonesas lideres fueron desplazando el control de calidad a detectar y prevenir oportunamente los problemas de calidad durante la fase de fabricación, par ello aplicaron control estadístico de calidad (SPC, Statical Process Control). Es a partir de los años ochenta que en Japón, en las empresas lideres, se llega a la conclusión de que los esfuerzos de control de calidad deben enfocarse principalmente hacia actividades fuera de la línea de producción (off -line) para prevenir los problemas de calidad desde las fases de diseño del producto y del diseño de su correspondiente proceso de producción. En estas etapas donde técnicas como QFD, AMEFF, Contabilidad, Diseño de Experimentos, etc., han tenido una amplia aplicación.

Como conclusión de lo anterior podemos decir que es necesario trabajar mas en actividades de control de calidad enfocadas a la prevención durante las fases de diseño del producto y del proceso; y para esto el diseño de experimentos es fundamental.

Esto se reconoce cada día mas en los medios industriales, y esta metodología cada día es utilizada en mayor medida en todo el mundo, por su relativa sencillez, utilidad y eficacia tanto en resolver problemas, buscar mejoras y buscar innovaciones (nuevos productos, materiales o procesos).

En particular en Japón se hacen millones de experimentos cada año y supera con mucho a cualquier otro país en este campo. Aproximadamente 80% de los experimentos exitosos, el resultado de esto es fácil de imaginar: cada año hay mas y mejor conocimiento vía la experimentación. De ninguna manera debe intimidar la palabra experimentación, y pensar que eso es posible solo en laboratorios de investigación y desarrollo. Nada mas alejado de la verdad.

Experimentar es hacer pruebas y se pueden hacer en todo tipo de procesos y productos. El reto es que estas pruebas se hagan en forma planeada y organizada; y de manera cotidiana a lo largo y ancho de los procesos industriales, en lugar de que se realicen sobre la marcha y forma aislada. Hemos visto en el lapso de los últimos años que cumplir con ese reto es muy posible en Latinoamérica; también como cada día mas en muchas empresas el diseño de experimentos se vuelve una herramienta cotidiana.

DEFINICIONES BASICAS EN EL DISEÑO DE EXPERIMENTOS

El diseño de estadístico de experimentos permite optimizar la información generada acerca del proceso, en relación a los objetivos planteados. En otras palabras, el diseño de experimentos es la aplicación del método científico para generar conocimiento acerca de un sistema o proceso. Esta herramienta se ha ido consolidando en la industria actual como un conjunto de técnicas estadística y de ingeniería., que permiten lograr la máxima eficacia de los procesos con el mínimo costo. El diseño de experimentos es especialmente útil para crear calidad desde la fase de diseño del producto y del proceso; pero también permite logar mejoras sustanciales en procesos ya establecidos.

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”. Dicho experimento permite aumentar el conocimiento acerca del sistema. Por ejemplo, en un proceso químico se pueden probar diferentes temperaturas y presiones, y se mide l cambio observado en el rendimiento (yield, ppm, defectivo) del proceso. Esta experimentación genera conocimiento acerca del proceso químico, lo que permite mejorar su desempeño.

DISEÑO DE EXPERIMENTOSEl diseño de experimentos consiste en planear un conjunto de pruebas experimentales, de tal manera que los datos generados puedan analizarse estadísticamente para obtener conclusiones validas y objetivas acerca del sistema o proceso.

UNIDAD EXPERIMENTALLa unidad experimental es la muestra de artículos que es necesario producir en una condición de operación del proceso para obtener, a partir de ellos una medición o dato representativo de lo que allí ocurre. En cada diseño de experimentos es importante definir cuidadosamente la unidad experimental, ya que esta puede ser una pieza o un conjunto de piezas producidas, dependiendo del proceso que se estudia. Por ejemplo, si el problema es 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 seria muy confiable que la unidad experimental fuera una sola pieza, en la cual se vea si en una condición experimental fue defectuosa o no.

La unidad experimental seria cierta cantidad de piezas que se producen en las mismas condiciones experimentales, y que al final se analiza cuantas de ellas son defectuosas y cuantas no.

VARIABLES FACTORES Y NIVELESEn todo proceso intervienen distintos tipos de variables o factores como los que se definen a continuación:

VARIABLES DE RESPUESTAEs la característica, variable de salida o propiedad del producto, cuyo valor interesa mejorar mediante el diseño de experimentos.Por lo general el valor de dicha característica determina algún aspecto de la calidad del producto. La conjetura típica para utilizar diseño experimental es que existe otra manera de operar el proceso en la cual el comportamiento de una o varias variables de respuesta seria mejor que el actual.

FACTORES CONTROLABLESSon variables de proceso o variables de entrada que se pueden fijar en un punto o en un nivel de operación. Algunos de estos son los que usualmente se controlan durante la operación normal del proceso, y se distinguen porque para cada uno de ellos existe la manera o el mecanismo para cambiar o manipular su nivel de operación. Esto ultimo es lo que hace posible que se pueda experimentar con ellos.Por ejemplo, si en el proceso se usa agua a 60ºC entonces debe haber un mecanismo que permita fijar la temperatura del agua dentro de un rango de operación. Algunos factores que generalmente se controlan, son: temperatura, tiempo de residencia, cantidad de cierto reactivo, velocidad, presión, etc. A los factores controlables también se les llama variables de entrada, condiciones de proceso, variables de diseño, parámetros del proceso, o simplemente factores.

FACTORES NO CONTROLABLES O DE RUIDO

Son variables que no se pueden controlar durante 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 animo de los operadores, la calidad del material que se recibe del proveedor (interno o externo) y los diversos usos que el cliente pueda convertirse en controlable, cuando se tenga el mecanismo o tecnología para ello.

FACTORES ESTUDIADOSSon las variables que se investigan en el experimento, en cuanto a como influyen o afectan a la(s) variable(s) de respuesta. Los factores estudiados puede ser factores controlables o no controlables, donde estos últimos fue posible y de interés controlarlos durante el experimento. Para que un factor pueda ser estudiado 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 repuesta que se refleja en su media o en su variabilidad. Para fines de un diseño de experimentos deben seleccionarse los factores que considera, por conocimiento del proceso y conjeturas, que pueden tener efecto sobre la respuesta de interés. Y parte de la problemática a superar durante el diseño es ver la manera en que se controlara durante el experimento un factor que normalmente es no controlable.

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 se llama tratamiento o punto de diseño. Por ejemplo, si en un experimento se controlan la velocidad y la temperatura, y se decide probar cada uno en dos niveles, entonces en cada combinación de niveles (velocidad, temperatura) es un tratamiento. En este caso habría cuatro tratamientos, como se muestra en la siguiente tabla.De acuerdo con estas definiciones en el caso de experimentar con un solo factor, la combinación de niveles es a la vez un tratamiento.

NIVEL DE VELOCIDAD

NIVEL DE TEMPERATURA

TRATAMIENTO

1 1 1

2 1 2

1 2 3

2 2 4

ERROR ALEATORIO Y ERROR EXPERIMENTAL

Siempre que se realiza un estudio experimental, parte de la variabilidad observada 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, que no es error en el sentido de equivocación, sino variabilidad no explicada.

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, asi como la variabilidad de las mediciones hechas bajo las mismas condiciones. Sin embargo, el error aleatorio también absorberá todos los errores (ahora si en el sentido de equivocación) que el experimentador comete durante los experimentos y si estos son graves, mas que error aleatorio hablaremos de error experimental, y de predominar éste, la detección de cuales 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 de la respuesta observada se deba principalmente a los factores estudiados y en menor medida al error aleatorio, y además que este error sea efectivamente aleatorio. Cuando la variabilidad observada se debe a factores no estudiados o a error no aleatorio, no se podrá distinguir cual es el verdadero efecto que tienen los factores estudiados, con lo que el experimento resultaría inútil.

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). Un proceso cualquiera y las variables que en el intervienen se representa en la figura, donde también se muestran algunas interrogantes que surgen al planear un diseño experimental.

En la figura se muestran las variables que intervienen en el proceso de fabricación de un envase de plástico. El problema general es encontrar las condiciones de operación de los factores controlables, que dan por resultado valores óptimos de las características de calidad allí listadas. También podría ser de interés investigar el efecto de factores no controlables, buscando lograr un proceso insensible (robusto) a su posible efecto.

Algunas preguntas que se pueden responder con un diseño experimental son: • ¿Cuáles factores afectan la dureza del plástico?• ¿Cómo es que los afectan?• ¿Qué relación hay entre los factores controlables y la dureza?• ¿Existen otras condiciones de operación, distintas a las actuales que mejoren la

dureza?

Estas preguntas se pueden responder probando diferentes combinaciones en los niveles de los factores controlables, seleccionadas de manera adecuada. Esto ultimo significa escoger el diseño experimental mas adecuado al problema, que en este caso parece ser un diseño factorial completo o fraccionado.

ETAPAS EN EL DISEÑO DE EXPERIMENTOS

Un aspecto fundamental del diseño de experimentos es decidir cuales pruebas o tratamientos se van a correr en el proceso, y cuantas repeticiones de cada uno, de manera que se obtenga la máxima información al mínimo costo sobre lo que se estudia. El arreglo formado por las diferentes condiciones de proceso que serán corridas, incluyendo las repeticiones, recibe el nombre de matriz de diseño, o solo diseño.Un diseño experimental es algo mas que un conjunto de condiciones de prueba; mas bien es una secuencia de etapas o actividades que deben realizarse para cumplir con éxito los objetivos que se persiguen. En este sentido, la actividad mas importante y a la que se le debe dedicar mas tiempo, es la planeación.

PLANEACION 1. Encontrar un problema de calidad que causa

perdidas importantes a la compañía o que es de interés para un investigador. No basta decir “me parece que es un problema importante”, sino que deben obtenerse datos que así lo demuestren y cuantificar el impacto de ese problema. Definir y medir el punto de partida (situación actual o inicial)es el primer paso en cualquier esfuerzo de mejora; por ello, aquí se puede utilizar el análisis de Pareto o estudios de la capacidad del proceso.

Es fundamental además tener un conocimiento inicial sobre el proceso donde se ubica el problema, por ejemplo saber algo o al menos tener buenas conjeturas acerca de como se relacionan las variables que allí intervienen; tener idea de cuales variables de respuesta son mas importantes y cuales factores de proceso o variables pueden influir en su desempeño.

2. Determinar cuales factores deben estudiarse o investigarse, de acuerdo a la supuesta influencia que tienen sobre la respuesta. No se trata de que el experimentador tenga que saber a priori cuales factores influyen, puesto que precisamente para eso es el experimento, pero si de que utilice toda la información disponible al respecto.

3. Elegir la(s) variable(s) de respuesta que serán medidas en cada punto del diseño y verificar que se mide de manera confiable. La elección de esta(s) variable es vital, ya que son el objetivo del experimento, y son las que se pretenden mejorar. Por ello se debe elegir aquellas que mejor reflejen el problema, ya que sea en términos de calidad o productividad. Además se debe tener la confianza que las mediciones que se obtengan sobre esas variables sean confiables.

En otras palabras, se debe garantizar que los instrumentos y/o métodos de medición son capaces de repetir y reproducir una medición, que tienen la precisión (error) y exactitud (calibración) necesaria. Recordemos que los sistemas de medición son la forma en la que percibimos la realidad, por lo que si estos sistemas son deficientes, las decisiones que se tomen con base en ellas pueden ser inadecuadas. En ocasiones si se piensa que el sistema de medición genera mucho error, una forma de reducirlo es repetir la medición y reportar el promedio.

4. Seleccionar el diseño experimental adecuado a los factores que se tienen y al objetivo del experimento. Este paso también implica determinar cuantas repeticiones se harán para cada tratamiento, tomando en cuenta el tiempo, costo y la precisión deseada.

5. Planear y organizar el trabajo experimental. Con base en el diseño seleccionado, organizar y planear con detalle el trabajo experimental, por ejemplo las personas que van a intervenir, la forma operativa en que se harán las cosas, etc.

6. Realizar el experimento. Seguir al pie de la letra el plan previsto en la etapa anterior, y en caso de algún imprevisto no contemplado, señalar la persona a la que se le reportaría y lo que se haría.

ANALISISSe debe determinar el modelo de análisis de varianza Anova (es su acrónimo en ingles) o la técnica estadística que mejor describa el comportamiento de los datos. En algunos experimentos el análisis de varianza que arrojan directamente los sistemas computacionales no es el mas adecuado y el experimentador debe refinarlo, para lo cual se recomienda utilizar técnicas graficas de apoyo.

INTERPRETACIONAquí se debe ir mas allá del análisis estadístico formal, y 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 proceso se lograron, verificar supuestos y elegir el tratamiento ganador.

CONCLUSIONES FINALESPara concluir el proyecto se recomienda decidir que medidas implementar para generalizar el resultado del estudio y para garantizar que las mejoras se mantengan. Además organizar una presentación para difundir los logros.Estas 5 etapas implican tener conocimientos del proceso que se estudia, aunque no se requiere ser un experto. Sin embargo, en la medida que se conoce el proceso objeto de estudio se esta en posición de llegar mas rápido a la solución del problema, debido a una mejor planeación.

CONSIDERACIONES PRACTICAS SOBRE EL USO DE METODOS ESTADISTICOS

Es importante tomar en cuenta que aunque el uso de metodologías estadísticas por lo general ayuda hacer mas eficiente el proceso de investigación y de solución de problemas, es necesario reconocer que las metodologías estadísticas por si solas no garantizan investigaciones exitosas, por ello es importante considerar los siguientes puntos.

• El conocimiento no estadístico es vital. Para utilizar los métodos estadísticos en general y los diseños de experimentos en particular, antes que todo se requiere que el experimentador tenga un buen nivel de conocimiento técnico y practico sobre el fenómeno o proceso que estudia, de tal forma que pueda vislumbrar con cierta facilidad cuales son los aspectos clave del fenómeno y pueda plantear conjeturas precisas, vislumbrar el tipoi de relaciones entre las variables de respuesta y los factores de proceso. Todo esto ayudara a seleccionar mejor los factores y sus niveles, así como el diseño que es mejor aplicar. Además ese conocimiento permitirá sacarle un provecho real al análisis estadístico de los resultados y sacar conclusiones, generando aprendizaje y soluciones.

• Reconocer la diferencia entre significancia estadística e importancia practica. En ocasiones un experimentador puede concluir que dos tratamientos son diferentes estadísticamente. Pero que tales diferencias, aunque sean significativas, no representan una diferencia que en la practica sea digna de consideración.

En otras palabras, nunca perder de vista el objetivo ultimo de un experimento, en el análisis estadístico, para en función de eso y los resultados estadísticos, poder tomar decisiones.

• Apostarle a la experimentación secuencial que a un experimento único y definitivo. En ocasiones los experimentadores novatos pretenden en una sola fase de experimentación contestar todas sus interrogantes sobre un proceso o fenómeno en particular. Sin embargo, esto puede llevar a experimentos demasiado extensos que consuman demasiados recursos y que retarde la generación de resultados.