TECNICAS DE DISEO DE EXPERIMENTOS Y OPTIMIZACION

Se trata de un conjunto de tcnicas estadsticas con el que se pretende obtener la

mxima informacin de un proceso por unidad de esfuerzo experimental. Pueden utilizarse tanto
para estudiar la influencia en el proceso de las variables de inters, con propsitos descriptivos,
como para encontrar la combinacin de valores de esas variables que den lugar a resultados
ptimos en determinadas caractersticas del proceso.

TERMINOLOGIA

Factores: variables que influyen en el sistema y que pueden ser controladas por el investigador.
Niveles: son los valores que toman los factores
Unidad experimental: sistema o parte representativa del sistema (en el sentido estadstico
muestra-poblacin) que se somete a experimentacin.
Respuestas: resultados o cambios medibles que se observan en la unidad experimental como
consecuencia del acto experimental.
Errores experimentales: respuestas debidas a variables que, o bien son de influencia
desconocida para el investigador, o bien ste no puede controlar, y que tienden a
enmascarar los verdaderos efectos de los factores.

VENTAJAS DEL DISEO FACTORIAL DE EXPERIMENTOS

- Pueden estudiarse varios factores a la vez.

- Pueden determinarse interacciones entre factores.
- Con frecuencia, en comparacin con los enfoques tradicionales, se reduce el n de
experimentos necesarios para conseguir un objetivo.
- Cada efecto ha sido observado en una variedad de condiciones, dando validez ms general a
las conclusiones.
- Cada experimento da informacin sobre muchos factores, no slo uno.
- Estimacin de la fiabilidad de la informacin en base a la variacin de los datos experimentales.
- Puede procederse secuencialmente.

ELEMENTOS A CONSIDERAR EN UN DISEO EXPERIMENTAL

Definicin del problema

Aunque parezca trivial, es de la mayor importancia llegar a una clara definicin del
problema que se pretende estudiar, tanto en lo que respecta a los objetivos a conseguir como a
los medios que se pueden poner en juego para conseguirlos.

Confeccin de una lista de respuestas

 A veces pueden existir varias respuestas de inters, algunas de las cuales pueden entrar
en conflicto. Corresponde al investigador decidir cul o cules resulta ms conveniente
considerar para conseguir alcanzar los objetivos planteados en el punto anterior. En ocasiones
puede ser til usar RESPUESTAS COMBINADAS.

Confeccin de una lista de factores

Es importante, al principio de la investigacin, recopilar todos los factores que puedan
influir en el sistema. Despus de una etapa de seleccin quedarn normalmente reducidas a
unas pocas. Es preferible que sobren a que falten.

Formulacin de un modelo matemtico

Esto es posible cuando tanto las respuestas como los factores son CONTINUOS o sea,
representables por nmeros reales. La mayora de las veces disponemos de muy poca
informacin sobre el comportamiento del sistema a estudiar, por lo que no es posible formular un
MODELO TEORICO para el mismo y hemos de conformarnos con describir aproximadamente su
comportamiento mediante MODELOS EMPIRICOS.
Generalmente se usan polinomios de 1 y 2 grado con los que suele conseguirse una
visin inequvoca y econmica del problema. No suelen emplearse modelos de grado superior
porque el trabajo experimental aumenta considerablemente y no se obtienen, en general,
beneficios tangibles.

Eleccin de los niveles de los factores

Un diseo experimental consiste en un conjunto de experimentos elementales, cada uno
de ellos definido por una combinacin de niveles de los factores. El n de niveles a usar para
cada factor depende del modelo matemtico que estemos considerando.
Aparte del n de niveles de cada factor, es importante considerar los valores que deben
tomar stos. Deben escogerse lo suficientemente separados como para que se produzca un
cambio medible en la respuesta, pero teniendo siempre en cuenta que los modelos aproximados
slo son buenos en intervalos no excesivamente amplios, donde se pueda suponer
razonablemente un comportamiento "suave" de la respuesta.

Tamao del diseo

Se entiende por tal el nmero de experimentos elementales de que consta un diseo
experimental. Realizando repeticiones de dichos experimentos elementales se puede aumentar
la precisin con que se estiman los efectos y el error experimental, precisin tanto mayor cuanto
ms repeticiones se hagan.

Orden de experimentacin
Deben realizarse en orden aleatorio para evitar confundir efectos de los factores con
causas atribuibles al azar.

TIPOS DE DISEOS EXPERIMENTALES

Cuando pretendemos adquirir conocimiento sobre un sistema o proceso nos

enfrentamos, por orden lgico, a las siguientes etapas:
1. Seleccin de variables. Entre el nmero, probablemente elevado, de variables que
pueden influir en nuestro sistema o proceso, pretendemos descubrir aqullas que tienen
influencia real sobre el mismo. (diseos tipo Plackett-Burman, factoriales tipo screening)
 2. Efecto de las variables. Se trata ahora de cuantificar el efecto de cada variable que
influye en el sistema. Esta etapa puede conducir a la formulacin de un modelo empirico.
(diseos factoriales tipo screening, 2k )

3. Optimizacin. Se pretende encontrar la mejor combinacin posible de valores de las

variables influyentes para obtener el mejor resultado en el sistema o proceso (mayor rendimiento,
menor costo, etc...). Tambin esta etapa puede conducir a la formulacin de un modelo empirico.
(diseos de superficie de respuesta)

Existen muchos tipos de diseos experimentales, no todos adecuados para todas las
etapas. Las etapas 1 y 2 suelen abordarse por medio de los diseos FACTORIALES. La etapa 3
se cubre utilizando, en primer lugar, un mtodo para la APROXIMACIN al entorno del ptimo y
despus realizando un estudio ms detallado de esa zona mediante mtodos de SUPERFICIE
DE RESPUESTA, que utilizan modelos de 2 orden. Lo habitual es utilizar cada uno de estos
diseos de un modo secuencial para as recorrer las tres etapas en el orden indicado; sin
embargo, hay ocasiones en que no se precisa pasar de una etapa determinada o se puede
saltar alguna anterior, si hay informacin previa, aplicando directamente el diseo adecuado.

Un aspecto importante a tener en cuenta es la escala a la que se va a llevar a cabo la

experimentacin. A escala de laboratorio el coste de la experimentacin es moderado y pueden
asumirse ciertos riesgos para obtener una informacin ms completa o ms rpida. A escala
industrial debe asegurarse la fabricacin aun a costa de progresos mucho ms lentos y menos
detallados en la informacin obtenida del proceso. Las tcnicas EVOP (EVolutionary OPeration)
se han desarrollado para su aplicacin en planta industrial.

Diseos factoriales. Los ms habituales usan slo 2 valores (2 niveles) para cada factor a
estudiar, por lo que resultan muy econmicos, y experimentan a todas las posibles
combinaciones de factores (o un subconjunto seleccionado de ellos). Pueden estudiarse con
ellos todas las respuestas que se desee puesto que la experimentacin queda fijada de
antemano, con independencia de los resultados.

Mtodos de aproximacin al ptimo. El mtodo Simplex es uno de los ms utilizados. Para k

factores hace experimentos en k+1 puntos igualmente espaciados en un espacio de k
dimensiones (tringulo equiltero en dos dimensiones, tetraedro regular en tres e hiperpoliedro
regular -simplex- en k dimensiones). Evaluada la respuesta de inters en cada uno de esos
puntos se sustituye el de peor respuesta por el simtrico respecto a los dems, con lo que se
obtiene un nuevo simplex. As sucesivamente, rechazando el peor punto y sustituyndolo por el
simtrico, a travs de una serie de smplices sucesivos se aproxima a la zona de ptimo. Puesto
que hay que ir decidiendo qu punto se rechaza en cada paso en funcin de la respuesta, slo
puede estudiarse una respuesta cada vez.

Mtodos de superficie de respuesta. Aadiendo nuevos puntos (debido a la inclusin de mas

niveles a los factores ) a un diseo factorial previamente realizado se puede obtener un diseo
con ms de dos niveles por factor, con el que se pueden establecer modelos que estimen
curvatura para la descripcin ms detallada de las proximidades del ptimo y la localizacin ms
precisa de ste. De nuevo se trata de una experimentacin fijada de antemano, por lo que
pueden estudiarse tantas respuestas como se quiera.

Mtodo EVOP. Trata de optimizar la produccin a escala industrial garantizando al mismo tiempo
la calidad del producto. Para ello introduce muy pequeas variaciones en los factores a estudiar
que, aunque producirn efectos tambin pequeos en la respuesta, podrn ser detectados si se
repiten suficientemente los experimentos. Tiene aspectos comunes con los factoriales y el
Simplex. Usa diseos de tipo factorial, que repite en ciclos sucesivos hasta que se detectan
diferencias que sugieren el punto al que conviene desplazarse para iniciar all un nuevo ciclo.
Cada uno de estos ciclos supone una experimentacin fijada de antemano pero el paso de un
ciclo a otro hay que realizarlo en funcin de los resultados obtenidos, por lo que no puede
estudiarse cualquier nmero de respuestas.

BIBLIOGRAFIA

Box, G.E.P.; Hunter, W.G. y Hunter, J.S. Estadstica para investigadores. Introduccin al diseo
de experimentos, anlisis de datos y construccin de modelos Ed. Revert, Barcelona, 1988.

Bayne, Ch. K. and Rubin, I.B. Practical Experimental Designs and Optimization Methods for
Chemists VCH Publishers, Inc. Deerfield Beach, Florida, 1986.

Box, G.E.P. and Draper, N.R. Empirical Model-Building and Response Surfaces John Wiley and
Sons Inc., New York, 1987.