Revista digital1

Reyna Higuera Dangelo Barrera

Freddy Laguna

Venezuela, 2013

Número 1.

En la Edición número 1 de la Revista Diseño Experimentales se hará un abordaje del tema desde la perspectiva de la historia de la humanidad teniéndose que a través de los anales de la historia el hombre ha impactado el entorno con sus descubrimientos y avances tecnológicos para mejorar su hábitat, para lograrlo ha emprendido el estudio de los fenómenos físicos y naturales que ocurren en el medio que los rodea, desarrollando las ciencias para comprender los fenómenos que le son familiares basados en diferentes método pero el más sobresaliente es el Método Científico, pero es con la aparición del diseño experimental que el estadístico o investigador ha sido dotado de un conjunto de herramientas que son necesarias conocer con sus particularidades y usos, para saberlos aplicar desde el planteamiento hasta la interpretación de los resultados, según las situaciones.

En esta Revista digital los “Constructores del Saber” hacen una recopilación bastante amplia de la información que existe acerca del Diseño Experimental siendo su máximo exponente Sir Ronald Fisher a principios del siglo XX.

Según Gutiérrez, H. y De la Vara R. (2003). En su texto “Análisis y diseño de experimentos”, señalan que el diseño estadístico de experimentos fue introducido por Ronald Fisher en la primera mitad del siglo XX en Inglaterra. El trabajo de Fisher publicado en su libro “The desing of Experimet (1935),” aportó métodos para evaluar los resultados de experimentos con muestras pequeñas. La clave de las aportaciones de Fisher radica en que este investigador se dio cuenta de que las fallas en la forma de realizar experimentos obstaculizaba el análisis de los resultados experimentales. Fisher también proporcionó métodos para diseñar experimentos destinados a investigar la influencia simultánea de varios factores.

Los desarrollos posteriores en diseño de experimentos fueron encabezados por George E. P. Box, quien desarrollo la metodología de superficie de respuesta, la cual incluye nuevas familias de diseños y una estrategia para la experimentación secuencial.

Entre 1950 y 1980 el diseño de experimentos se convirtió en una herramienta de aplicación frecuente, pero solo en las áreas de investigación y desarrollo. En la década de 1980 se dio un gran impulso al conocimiento y la aplicación del diseño de experimentos debido al éxito en calidad de la industria japonesa.

El movimiento por la calidad encabezado por Deming e Ishikawa, promovió el uso de la estadística en calidad, donde el diseño de experimentos demostró su utilidad, tanto para resolver problemas de fondo, como para diseñar mejor los productos y los procesos.

En Japón destaca el trabajo de Genishi Taguchi, cuyos conceptos sobre el diseño robusto tuvieron un impacto significativo en la academia en el mundo occidental. Como respuesta al movimiento por la calidad y la mejora de procesos, las industrias comenzaron a entrenar a sus ingenieros en la aplicación del diseño de experimentos. Esto continúa en la actualidad; incluso, en los últimos veinte años, las universidades han incorporado el diseño de experimentos como materia obligatoria u operativa en la mayoría de las ingenierías.

 Es un estudio de investigación en el que se manipulan una o más variables independientes para analizar las consecuencias que la manipulación tiene sobre una o más variables dependientes dentro de una situación de control para el investigador  El diseño experimental, sólo se utiliza en las ciencias humanas para algunos problemas de psicología social (por

ejemplo en

estudios

para

medir

actitudes,

influencia de la propaganda, tipos de liderazgo, etc.), de sociología del trabajo (cambio de condiciones de producción, tipos de organización laboral), de técnicas pedagógicas

(nuevas

modalidades

de

formas

aprendizaje)

de y

enseñanza en

otros

o

casos

semejantes, como el estudio de mercados, problemas clínicos de psicología. (Sabino, 1992).  En cualquier diseño de experimentos se presentan 3 tipos de variables: La independiente, la dependiente y las intervinientes (contaminadoras o extrañas).

Existen 3 Tipos de Diseño experimental: 1. Experimentos verdaderos o puros: Es aquel en el cual se manipula una o varias variables independientes para observar sus efectos una o varias variables dependientes en una situación de control. Un experimento puro debe contener las siguientes condiciones: o Manipulación intencional de una o mas variables independientes o Se debe medir el efecto que la variable independiente tiene en la variable dependiente o Buen control o validez interna de la situación experimental.

2. Cuasi – experimentos: Existe una manipulación intencionada de una o varias variables independientes con el objeto de observar y analizar el efecto que produce sobre una variable independiente, la asignación de los grupos y de los sujetos a los grupos no se realiza al azar, siendo esta ultima la característica que los diferencia de los verdaderos diseños. La asignación de los grupos se hace por la situación real.

Es este tipo de

diseño el suceso que según la hipótesis causa las diferencias ya ocurrió.

Los grupos son “intactos”, ya en la realidad pertenecen a una categoría o variable, asi mismo tienen grupo control.

3. Pre – experimentos: Se caracterizan por el grado mínimo de control, es decir no tienen grupo control y la asignación de los grupos y sujetos no se hace al azar; por estas razones no son adecuados para el establecimiento de relaciones explicativas entre una variable independiente y otra dependiente.

Se usan en estudios exploratorios de experimentos

verdaderos y su interpretación es muy cautelosa debido a la invalidez tanto interna como externa que presentan.

La principal diferencia entre estos tipos de experimentos radica en el grado de control que se imponen a las variables que se están estudiando.

CARACTERÍSTICA Presencia de grupo control Selección aleatoria de sujetos Asignación aleatoria de los sujetos a los grupos Asignación aleatoria de tratamientos a grupos Grado de control sobre variables externas

PREEXPERIMENTOS

CUASIEXPERIMENTOS

EXPERIMENTOS

En algunos casos

Si

Si

No

Si pero restringido

Si

No

No

Si

No

Si es posible

Si

Bajo

Moderado

Alto

Para diseñar un experimento se deben seguir los siguientes pasos: 1. Reconocimiento y establecimiento del problema 2. Selección de los factores y niveles de cada uno de estos 3. Selección de la variable respuesta 4. Determinación del diseño experimental que debe llevarse a cabo 5. Realización del experimento para la obtención de los datos de la respuesta 6. Análisis de los datos 7. Conclusiones y recomendaciones 8. Estudio de confirmación

Para que un estudio de experimentos sea exitoso es necesario realizar, por etapas, diferentes actividades, en este sentido, la etapa más importante y a la que se le debe dedicar mayor tiempo es la planeación. A continuación se describen las etapas del diseño de experimentos.

1. PLANEACIÓN Y REALIZACIÓN: Según Gutiérrez, H. y De la Vara R. (2003). Son actividades encaminadas a entender y delimitar el problema u objeto de estudio y seleccionar variables de respuesta y factores, a continuación se describen las actividades propias de esta etapa.

1.1 Delimitación del problema u objeto de estudio: En esta etapa se deben hacer investigaciones preliminares que conduzcan a entender y delimitar el problema u objeto de estudio, de forma tal que quede claro que se va a estudiar, por qué es importante y, si es un problema, cual es la magnitud del mismo.

1.2 Elegir la(s) variable(s) de respuesta que será medida en cada punto del diseño y verificar que se mide de manera confiable: La elección de la(s) variable(s) es vital, en vista que en ella(s) se refleja el resultado de las pruebas. Por ello, se deben elegir aquellas que mejor reflejen el problema o que caractericen al objeto de estudio. Se debe garantizar que los instrumentos y/o métodos de medición son capaces de repetir y reproducir una medición, que tiene la precisión (error) y exactitud (calibración) necesaria.

1.3 Determinar cuáles factores deben estudiar/se o investigarse, de acuerdo a la supuesta influencia que tiene sobre la respuesta: No se trata de que el experimentador tenga que saber a priori cuales factores influyen, puesto que para eso es el experimento, pero sí de que utilice toda la información disponible para incluir aquellos que se considera que tienen un mayor efecto.

1.4 Seleccionar los niveles de cada factor, así como el diseño experimental adecuado a los factores que se tienen y al objeto del experimento: Este paso implica determinar cuántas repeticiones se harán para cada tratamiento, tomando en cuenta el tiempo, el costo y la precisión deseada.

1.5 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 como se harán las cosas, entre otras.

1.6 Realizar el experimento: Seguir al pie de la letra el plan previsto en la etapa anterior, y en caso de algún imprevisto, determinar a qué persona se le reportaría y lo que se haría.

2. ANÁLISIS: Según Gutiérrez, H. y De la Vara R. (2003), En esta etapa, hay que tener en cuenta que los resultados experimentales son observaciones muéstrales, no poblacionales.

Por ello, se debe recurrir a métodos estadísticos inferenciales para ver si las diferencias o efectos experimentales son lo suficientemente grandes para que garanticen diferencias poblacionales. La técnica estadística central en el análisis de los

experimentos es el llamado análisis de varianza ANOVA (acrónimo en inglés).

3. INTERPRETACIÓN: Según Gutiérrez, H. y De la Vara R. (2003).

En esta etapa, 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 se lograron sobre el proceso, verificar supuestos y elegir tratamiento ganador, siempre con el apoyo de las pruebas estadísticas.

4. CONTROL Y CONCLUSIONES FINALES: Según Gutiérrez, H. y De la Vara R. (2003). Para concluir el estudio experimental se recomienda decidir qué medidas implementar para generalizar el resultado del estudio y para garantizar que las mejoras se mantengan. Además, es preciso organizar una presentación para difundir logros.

 Eliminación del efecto de las variables perturbadoras o extrañas, mediante el efecto de la aleatorización.  El control y manipulación de las variables predictorias clarifican la dirección y naturaleza de la causa.  Estrecha colaboración entre el estadístico y el investigador para el análisis e interpretación de las etapas del programa.  Se enfatiza respecto a las alternativas anticipadas y respecto a la pre-planeación sistemática, permitiendo aun la ejecución por etapas y la producción única de datos útiles para el análisis en combinaciones posteriores.  Debe enfocarse la atención a las interrelaciones y a la estimación y cuantificación de fuentes de variabilidad en los resultados.  El número de pruebas requerido puede determinarse con certeza y a menudo puede reducirse.  La comparación de los efectos de los cambios es más precisa debido a la agrupación de resultados.  La exactitud y precisión matemáticamente definida.

1.

En la mayoría de los casos los diseños y sus análisis están acompañados de enunciados basados en el lenguaje técnico del estadístico.

2.

Muchos diseños estadísticos, se han presentado como demasiado caros, complicados y que requieren mucho tiempo.

• Definir la forma idónea de recolectar los datos de acuerdo al contexto de la Investigación.

• Elaborar el instrumento de medición.

• Aplicar el instrumento de medición.

• Obtener los datos.

• Codificar los datos.

• Archivar los datos y prepararlos para el análisis.

Un instrumento de recolección de datos es cualquier recurso que se vale el investigador para acercarse a los fenómenos y extraer de ellos información.

Dentro de cada instrumento concreto pueden distinguirse dos aspectos diferentes: forma y contenido.

La

forma del instrumento se refiere al tipo de aproximación que establecemos con lo empírico, a las técnicas que utilizamos para esta tarea. En cuanto al contenido éste queda expresado en la especificación de los datos que necesitamos conseguir; se concreta, por lo tanto, en una serie de ítems que no son otra cosa que los mismos indicadores que permiten medir las variables, pero que asumen ahora la forma de preguntas, puntos a observar, elementos a registrar. el instrumento sintetiza en sí toda la labor previa de investigación: resume los aportes del marco teórico al seleccionar datos que corresponden a los indicadores y, por lo tanto, a las variables o conceptos utilizados; pero también expresa todo lo que tiene de

específicamente

empírico nuestro objeto de estudio pues sintetiza, a través de las técnicas de recolección que emplea, el diseño concreto escogido para el trabajo.

¿QUÉ IMPLICA LA ETAPA DE RECOLECCIÓN DE LOS DATOS? Una vez que seleccionamos el diseño de investigación apropiado y la muestra adecuada de acuerdo con nuestro problema de estudio e hipótesis, la siguiente etapa consiste en recolectar los datos pertinentes sobre las variables involucradas en la investigación.

Recolectar

los

datos

implica

tres

actividades

estrechamente

vinculadas entre sí: a) Seleccionar un instrumento de medición de los disponibles en el estudio del comportamiento o desarrollar uno (el instrumento de recolección de los datos). Este instrumento debe ser válido y confiable, -de lo contrario no podemos basamos en sus resultados. b) Aplicar ese instrumento de medición. Es decir, obtener las observaciones y mediciones de las variables que son de interés para nuestro estudio (medir variables). c) Preparar las mediciones obtenidas para que puedan analizarse correctamente (a esta actividad se le denomina codificación de los datos). ¿QUÉ SIGNIFICA MEDIR? Asignar números a objetos y eventos de acuerdo a reglas” (Stevens, 1951). Sin embargo, como señalan Carmines y Zeller (1979), esta definición es más apropiada para las ciencias físicas que para las ciencias sociales, ya que varios de los fenómenos que son medidos en éstas no pueden caracterizarse como objetos o eventos, puesto que son demasiado abstractos para ello. Citados por Hernández S, (1997).

En toda investigación aplicamos un instrumento para medir las variables contenidas en las hipótesis (y cuando no hay hipótesis, simplemente para medir las variables de interés). Esa medición es efectiva cuando el instrumento de recolección de los datos realmente representa a las variables que tenemos en mente. Si no es así nuestra medición es deficiente y por lo tanto la investigación no es digna de tomarse en cuenta.

Desde luego, no hay medición perfecta, es prácticamente imposible que representemos fielmente variables tales como la inteligencia, la motivación, el nivel socioeconómico, el liderazgo democrático, la actitud hacia el sexo y otras más; pero sí debemos de acercarnos lo más posible a la representación fiel de las variables a observar, mediante el instrumento de medición que desarrollemos.

¿QUÉ REQUISITOS DEBE CUBRIR UN INSTRUMENTO DE MEDICIÓN? Toda medición o instrumento de recolección de los datos debe reunir dos requisitos esenciales: confiabilidad y validez. La confiabilidad de un instrumento de medición se refiere al grado en que su aplicación repetida al mismo sujeto u objeto, produce iguales resultados. La confiabilidad de un instrumento de medición se determina mediante diversas técnicas.

La validez, en términos generales, se refiere al grado en que un instrumento realmente mide la variable que pretende medir. Por ejemplo, un instrumento para medir la inteligencia válido debe medir la inteligencia y no la memoria.

La validez es una cuestión más compleja que debe alcanzarse

en todo instrumento de

medición que se aplica. Kerlinger (1979, p. 138)

Citados por Hernández S, (1997),

plantea la siguiente pregunta respecto a

la validez: ¿Está usted midiendo lo que usted cree que está midiendo? Si es así, su medida es válida; si no, no lo es.

La validez es un concepto del cual pueden tenerse diferentes tipos de evidencia (Wiersma, 1986; Gronlund,

1985)

Citados por Hernández S,

(1997): 1) evidencia relacionada con el contenido: se refiere al grado en que un instrumento refleja un dominio específico de contenido de lo que se mide 2) evidencia relacionada con el criterio: La validez de criterio establece la validez de un instrumento de medición comparándola con algún criterio Externo

y 3) evidencia

relacionada con el constructo: la validez de

constructo es probablemente 35 la más importante sobre todo desde una perspectiva científica y se refiere al grado en que una medición se relaciona consistentemente con otras mediciones de acuerdo con hipótesis derivadas teóricamente y que conciernen a los conceptos (o constructos) que están siendo medidos.

FACTORES QUE PUEDEN AFECTAR LA CONFIABILIDAD Y VALIDEZ Hay diversos factores que pueden afectar la confiabilidad y la validez de los instrumentos de medición.

El primero de ellos es la improvisación.

El segundo factor es que a veces se utilizan instrumentos desarrollados en el extranjero que no han sido tiempo.

validados a nuestro contexto: cultura y

Un tercer factor es que en ocasiones el instrumento resulta

inadecuado para las personas a las que se les

aplica: no es empático.

Utilizar un lenguaje muy elevado para el respondiente, no tomar en cuenta diferencias bien cuanto a sexo, edad, conocimientos, capacidad de respuesta, memoria, nivel ocupacional y educativo,

motivación para

responder y otras diferencias en los respondientes; son errores que pueden afectar la validez y confiabilidad del instrumento de medición. Un cuarto factor que puede influir esté constituido por las condiciones en las que se aplica el instrumento de

medición. Si hay ruido, hace mucho frío (por

ejemplo en una encuesta de casa en casa), el instrumento es demasiado

largo o tedioso, son cuestiones que pueden afectar negativamente la validez y la confiabilidad.

Normalmente en los experimentos se puede contar con instrumentos de medición más largos y complejos que en los diseños no experimentales.

Por ejemplo, en una encuesta pública sería muy difícil poder aplicar una prueba larga o compleja. Por otra parte, aspectos mecánicos tales como que si el instrumento es escrito, no se lean bien las

instrucciones, falten

páginas, no haya espacio adecuado para contestar, no se comprendan las instrucciones, también pueden influir de manera negativa.

¿QUÉ

PROCEDIMIENTO

SE

SIGUE

PARA

CONSTRUIR

UN

INSTRUMENTO DE MEDICIÓN? Existen diversos tipos de instrumentos de medición, cada uno con características diferentes. Sin embargo,

procedimiento general para

construirlos es semejante. Antes de comentar este procedimiento, es necesario aclarar que en una investigación hay dos opciones respecto al instrumento de medición:

1) Elegir un instrumento ya desarrollado y disponible, el cual se adapta a los requerimientos del estudio en particular.

2) Construir un nuevo instrumento de medición de acuerdo con la técnica apropiada para ello.

En ambos casos es importante tener

evidencia sobre la confiabilidad y validez del instrumento de medición

PASOS:

a) LISTAR LAS VARIABLES que se pretende medir u observar.

b) REVISAR SU DEFINICIÓN CONCEPTUAL Y COMPRENDER SU SIGNIFICADO.

c) REVISAR CÓMO HAN SIDO DEFINIDAS OPERACIONALMENTE LAS VARIABLES, esto

es, cómo se ha medido cada variable. Ello

implica comparar los distintos instrumentos o maneras utilizadas para medir las variables.

d) ELEGIR

EL

INSTRUMENTO

O

LOS

INSTRUMENTOS

(YA

DESARROLLADOS) QUE HAYAN SIDO FAVORECIDOS POR LA COMPARACIÓN INVESTIGACIÓN.

Y

ADAPTARLOS

AL

CONTEXTO

DE

LA

En este caso sólo deben seleccionarse

instrumentos cuya confiabilidad y validez se reporte. No se puede uno fiar de una manera de medir que carezca de evidencia clara y precisa de confiabilidad y validez. Cualquier investigación seria reporta la confiabilidad y validez de su instrumento de medición, e no ser así no podemos asegurar que el instrumento sea el adecuado. Si se selecciona un instrumento desarrollado en otro país, deben hacerse pruebas piloto más extensas.

Consiste en explicar los resultados obtenidos y comparar estos con datos de otros investigadores, es una evaluación crítica de los resultados desde la perspectiva del autor tomando en cuenta los trabajos de otros investigadores y el propio.

Cabe señalar que el análisis de resultados se propone interpretar los resultados de la investigación de donde saldrán los elementos para plantear las conclusiones, teniendo cuidado de no caer en repeticiones de los resultados. Es una relación entre hechos y explicaciones, sin sintetizar todo lo que se ha dicho.

Este espacio en el trabajo está destinado de un cierto modo a respaldar la hipótesis general o de discutirla, y explicar y comparar los resultados obtenidos con la teoría para así hallar las conclusiones. Por supuesto, antes de discutirlos ya se ha hecho la descripción y por lo tanto se pueden ir mencionando un poco esos resultados a medida que se van discutiendo, pero no repetirlos en detalle.

En este mismo orden de ideas, los resultados deben compararse con estudios que sean objetivamente comparables, con estudios que compartan la hipótesis, o que la contradicen. Pues sobre ellos es que se construye el análisis… ¿se parecen los resultados? ¿Por qué se considera que difieren los resultados? Vale la pena comparar los resultados con estudios que apoyan y comparten ideas importantes del trabajo que se están realizando.

Lo ideal es hacer una discusión puntual, no prolongar innecesaria del análisis de resultados de manera redundante, esto distrae al lector y perturba lo importante del análisis de resultados. De allí que el análisis de resultados sea apropiado para hacer cuestionamientos sobre el tema estudiado y proponer

nuevas corrientes y perspectivas para futuras investigaciones. No tiene necesidad de ser muy larga pero si lo suficientemente claro ya que estas lĂ­neas orientaran a futuros investigadores del mismo campo.

.

El diseño de experimentos tiene una gran variedad de aplicaciones y puede ser aplicado a un gran número de industrias, la optimización de recursos, la identificación de causas de variabilidad son algunos de los objetivos del diseño de experimentos aplicados en nivel industrial. A continuación se muestran algunos ejemplos de aplicaciones existentes según el tipo de industria.



Estudio de la composición para la elaboración de productos: Estudio de los valores más apropiados para la elaboración de compuestos químicos que requieran diversos componentes. Análisis del efecto de las condiciones del entorno en la elaboración del producto como la temperatura ambiente, humedad relativa, entre otras.



Medida de la variabilidad de los instrumentos de medida: Es posible aplicar el diseño de experimentos como herramienta para determinar y mejorar los índices de capacidad de un proceso concreto apoyándose en estudios de reproducibilidad y repetitividad.



Diseño de motores eléctricos: Estudio de las características constructivas del motor y su influencia en variables importantes como la pérdida de flujo y la constante de velocidad.



Diseño de electrodos: Estudio de los esfuerzos en los electrodos en función de la fuerza de aplicación y el tamaño del electrodo.



Diseño de elementos de sujeción: Análisis de la influencia de los parámetros geométricos en la resistencia de los remaches.



Estudios de corrosión: Estudios de la influencia del tiempo en la corrosión de aceros de construcción y metales en general.



Aplicaciones en el mecanizado: estudio de la variabilidad en los procesos de mecanizado, ayuda a la reducción de piezas defectuosas y aumento de la capacidad de producción.



Estudio de procesos de soldadura: estudio de un proceso de soldadura, para determinar las variables que influyen en la resistencia de la soldadura.



Optimización del proceso de anodizado y pintado: optimizar los procesos de anodizado y pintado para conseguir una buena protección anticorrosión.



Estudio del rendimiento de una red informática: Realizando simulaciones es posible cuantificar el rendimiento y las variables críticas que hacen que la transferencia de datos en la red sea económicamente rentable.



Mejora del rendimiento de un procesador: Se usa para determinar el impacto que tienen variables importantes como la temperatura y las horas de uso en el rendimiento del procesador.



Reducción del tiempo del CPU: El estudio se basa en la aplicación del diseño de experimentos para determinar la mejor combinación de factores que reduzcan el tiempo de CPU.



Optimización de materiales en semiconductores: Estudio de las propiedades eléctricas del arseniuro de galio dopado con sileno.



Diseño de filtros pasivos: se utiliza el diseño de experimentos para determinar los valores de las tolerancias de los componentes para optimizar los circuitos.



Operaciones en un sistema de fangos activos.



Se aplica en la investigación científica aunque con algunas diferencias.

El diseño de experimentos se puede aplicar el cualquier tipo de industrias. Dentro de la industria se puede aplicar en casi todas las áreas. Se utiliza mayormente en investigación, diseño y producción, produce máximos beneficios cuando se aplica al diseño de los productos, ya que las mejoras son casi ilimitadas. En algunas empresas se han obtenido los siguientes resultados, con la aplicación del diseño de experimentos: 

John Deere: Ahorro anual de 500K USD.



Kodak: Mejora en la confiabilidad de sus productos.



Crayola: Aumento 3,5 veces las visitas a su página web.



Chevron: Alcanzó ahorros en materia prima por 50 M USD.



Automatización prácticamente en todas las empresas.



Ha permitido la creación de múltiples software y libros.



Se han reducido en un 97% los defectos en la soldadura.



Se han optimizado múltiples procesos con la aplicación del diseño de experimentos.

El diseño de experimentos se ha utilizado en la industria para: 

Mejorar los procesos, ya sea mejorando una eficiencia, su confiabilidad o su rendimiento.



Aprender de los procesos y sus fallos.



Establecer relaciones de causa-efecto entre las entradas y salidas



Lograr producciones que cumplan con las especificaciones que sean a su vez robustos a ruidos externos.



Establecer una región (o ventana) del proceso donde unos factores pueden operar.



Fijar especificaciones y tolerancias para los productos y procesos.



Obtener una ecuación polinómicas que modele el comportamiento de la respuesta de un proceso cuando se varían los factores.

Los “Constructores del Saber” editores de la Publicación No1 de la Revista Diseños Experimentales hemos llegado a la conclusión que la humanidad ha sido dotada por la creación de innumerables beneficios que le ha permitido crecer socialmente. Los Diseños experimentales desde su aparición con el investigador y científico Sir Ronald Fisher a principios del siglo XX, le ha permitido al hombre a trabajar de manera sistematizada y ordenada con el fin de ir avanzando paulatinamente en sus investigaciones, lo que ha proporcionado muchos avances en el área científico técnica .

El Diseño experimental está presente en muchas de las actividades que ejecuta el hombre pero desafortunadamente también en la guerra, que ha sido una de las plagas más grande que le ha caído a la humanidad.

No obstante la industria en todos sus campos ha sido beneficiada con esta técnica, ya que el diseño experimental busca a través de una serie de herramientas estadísticas aplicadas metodizar los ensayos de prueba y error para encontrar la mejor combinación de variables independientes que optimice una variable de respuesta en unas circunstancias determinadas.

El análisis experimental se basa en la comprensión de la variación que presentan los datos de salida de un problema. La variación siempre está presente en todos los procesos de la naturaleza y por ende en los procesos humanos, la planeación de un experimento permite identificar las fuentes de que la producen, clasificarlas y tomar decisiones con respecto a ellas.

Los diferentes modelos desarrollados para el análisis de la variación se clasifican de acuerdo con el número de variables involucradas y la naturaleza de estas. En ese orden de ideas se pueden referenciar los modelos de una variable independiente y una dependiente, 2 variables independientes y una dependiente y los modelos de múltiples variables.

El diseño experimental es una herramienta estratégica en las organizaciones modernas, permite a las empresas volver operativos los planes de estratégicos de calidad y establecer los puntos para la mejora continua. De aquí la importancia que tiene en el proceso formativo de los estudiantes de pregrado y postgrado de Ingeniería brindándoles modelos que les permitan ser más productivos en sus organizaciones y generando desarrollo en la industria nacional.



Quiroga, Mac, Víctor; Manual Práctico Para El Análisis de Experimentos de Campo, Editorial Instituto Interamericano de Ciencias Agrícolas.



http://simulacionunilibre.blogspot.com/p/diseno-experimental-definicionventajas.html



http://viref.udea.edu.co/contenido/menu_alterno/apuntes/ac37diseno_experiment.pdf



http://es.wikipedia.org/wiki/Dise%C3%B1o_experimental



http://www.rena.edu.ve/cuartaEtapa/metodologia/Tema17.html



http://www.rena.edu.ve/cuartaEtapa/metodologia/Tema5.html



http://viref.udea.edu.co/contenido/menu_alterno/apuntes/ac37diseno_experiment.pdf



http://www.uru.edu/fondoeditorial/libros/pdf/manualdestatistix/cap1.pdf



Fuente: http://www.rena.edu.ve/cuartaEtapa/metodologia/Tema17.html



Hernández, S,R. y Fernández C, C. (1997) Metodología de la Investigación. Mc Graw Hill. Impreso en Colombia.



Sabino, C. (1992) El Proceso de Investigación. Panapo Editores, Caracas, Venezuela

Dios concede la Victoria a la constancia… Simón Bolívar