REVISTA DISEÑADORES EXPERIMENTALES
O RG AN O D I VU LG ATI VO D E L P O S TG RAD O E N CI E N CI AS AM B I E N TALE S D EPage LA 1 U N I VE RS I D AD D E YACAM B U
Issue 1
Revista Los Diseñadores Experimentales Diseño Experimental
Editorial La revista Los Diseñadores Experimentales constituye una ventana informativa fundamental para todos los lectores que persistentemente están a la búsqueda de notas investigativas, por ende se ha pretendido agrupar la información disponible hacia el área de diseño cuantitativo de la investigación y todo lo que gira en torno a ella. Se viene observando en los últimos años un logro sorprendente en los avances de las herramientas holística de investigación y los diferentes cambios positivos en las exploración, formulación, elaboración, revisión, recolección y producción de conocimiento que nos faciliten el trabajo de
26. 06. 2013 VENEZUELA investigación. Por ello, en la presente revista digital se abordara la temática de los distintos diseños de investigación, en especial, del diseño experimental, como una herramienta de la investigación científica en la que es fundamental impulsar y promocionar los aportes e informaciones referidas al área de la investigación efectiva. Resulta elemental la convicción global y alentadora que la aplicación de la búsqueda de datos precisos y hallazgos de cualquier estudio sea, hoy por hoy, uno de los aspectos más imprescindibles para fomentar el desarrollo de la humanidad.
Contenido Diseño Experimental Historia del diseño experimental. Características. Etapas o Fases. Ventajas y Limitaciones. Técnicas de Recolección de Datos. Análisis de los resultados. Campo de aplicación del diseño.
Autores
•
C h a c ó n Iv á n
•
C ous o A na
•
S i e rra a l t a E l l u z
C o m e n t a ri o s Qué es un experimento? Una prueba donde se cambian controladamente algunas condiciones de operación de un sistema o proceso, con el objetivo de medir el efecto del cambio sobre una o varias variables del producto o salida de dicho proceso.
Qué es diseñar un experimento? Planear un conjunto de pruebas experimentales, de tal manera que los datos generados puedan analizarse estadísticamente para obtener conclusiones objetivas y válidas sobre el sistema o proceso. En un diseño experimental el investigador establece un Pagina 1
conjunto particular de circunstancias, bajo un protocolo específico para observar y evaluar las implicaciones de las observaciones resultantes.
Qué es unidad experimental? Cada elemento que será sometido a determinadas condiciones del experimento y que brindará una respuesta (medición o dato estadístico). Las características de este elemento deben ser claramente definidas por el investigador; según el caso unidad experimental puede ser: una persona, una caja, un camión, un turno de producción, un m³ de carbón, una hora, etc., etc. Lo que
debe quedar claro es que cada unidad experimental producirá una respuesta (un dato para ser analizado).
Historia del Diseño Experimental Ronald Fisher es considerado el padre del diseño experimental en sus estudios de agronomía en el primer tercio del siglo XX. A la lista de los pioneros de su uso hay que añadir los de Frank Yates, W.G. Cochran y G.E.P. Box. Muchas de las aplicaciones originarias del diseño experimental estuvieron relacionadas con la agricultura y la biología, disciplinas de las que
procede parte de la terminología propia de dicha técnica del pico y del coco. Sus experimentos fueron mejorados durante la segunda guerra mundial y aplicados a la industria militar en el desarrollo de armamento (Cordero, 2010).
El Padre del Diseño Experimental es Ronald Fisher.
Otros Argumentos Historicos Como ya se indicó, el diseño experimental tiene sus orígenes en los trabajos de Ronald Fisher (18901962), desarrollados en la Estación Agrícola Experimental de Rothamsted, en el Reino Unido, donde introdujo el concepto de aleatorización y el análisis de varianza. En la postguerra y con el surgimiento de las teorías de Calidad y la filosofía productiva Japonesa el
Diseño experimental presenta un gran crecimiento a través de la aplicación estratégica que se le da, tomando importancia en el control de calidad y la planeación organizacional. El Diseño Experimental, como técnica de investigación, toma importancia en los años 80 en donde se le da una aplicación estadística de los proyectos de Seis Sigma buscando el famoso número
de 3,4 defectos por millón de unidades producidas. A lo largo de varias décadas, la teoría del diseño de experimentos y sus aplicaciones se consolidaron y expandieron, y, en años recientes, recibieron un fuerte impulso por las contribuciones de Gen'ichi Taguchi, un estadístico japonés ampliamente conocido en Occidente (Yacuzzi, 2004). Pagina 2
Page 3
Newsletter Header
C a ra c t e ri s t i c a s d e l D i s e ñ o E x p e ri m e n t a l Reunión de sujetos en grupos equivalentes. Ninguna de las diferencias de los resultados se deberá a las diferencias que pueda haber entre los sujetos del grupo inicialmente. El método más habitual es la asignación al azar. Necesidad de que haya dos grupos como mínimo para establecer comparaciones. Por lo tanto, esta característica nos dice que no se puede llevar a cabo con un sólo grupo de sujetos y una única condición experimental. Este método implica comparar el efecto de una condición entre dos grupos o más. Manipulación de variables independientes.
El investigador decide los niveles que corresponderán a cada grupo de sujetos. La variable se manipula con diferentes niveles que asigna el investigador. Es muy importante que las asigne éste. La medición de variables dependientes. Los fenómenos que serán valores pueden ser consignados con variables numéricas. Es imprescindible que la variable sea en forma numérica. Utilización de estadística inferencial. Se toman decisiones en términos de probabilidad, lo que da lugar a poder realizar generalizaciones a partir de las muestras que se recojan. Control de
variables extrañas. Se utilizan estas variables, pero no influirán en la variable dependiente, aunque en algunas ocasiones ocurrirá de manera homogénea en todos los grupos.
independiente, para analizar las consecuencias que la manipulación tiene sobre una o más variable dependientes, dentro de una situación de control para el investigador. Es decir, que los diseños experimentales se utilizan cuando el investigador pretende establecer el posible efecto de una causa que se manipula. Se busca la manipulación intencional de una o más variables independientes. Es decir la variable independiente es la que se considera como supuesta
causa en una relación entre variables. Al efecto provocado por dicha causa se le denomina variable dependiente. La variable dependiente no se manipula sino se mide para ver los efectos que la manipulación de la variable independiente tiene en ella.
Importante Estas características se utilizan en muchas ocasiones en medicina y biología, aparte de la investigación experimental. Por otro lado, estas características se resumen, de acuerdo al estudia, en: el grupo control, la aleatorización (R), la medición basal (O), la intervención (X) y la medición del efecto (O). En términos científicos, experimento se puede mencionar que se refiere a un estudio en el que se manipula intencionalmente una o más variables
Issue 1
Page 4
Fases del Diseño Experimental Como ya se ha expresado, un experimento consiste en una situación simulada en la que se modifican voluntariamente las condiciones de una o diversas situaciones precedentes (variable independiente) para comprobar cómo afecta esta variable independiente otra situación consiguiente (variable dependiente) que se observa sistemáticamente. Esta situación se plantea en diversas etapas: * Planteamiento de un problema de conocimiento: se plantea cuando no hay una explicación para un fenómeno o tenemos una laguna de conocimiento. Esto está relacionado con la variable dependiente, es decir, con la situación consiguiente. Son
preguntas que se hace el investigador y que pueden ser resueltas mediante un experimento. * Formulación de hipótesis: son anticipaciones a un resultado posible. Esta anticipación es la hipótesis. Es una relación entre la variable independiente (causa) y la variable dependiente (efecto). Esta hipótesis deberá comprobarse empíricamente. * Realización de un diseño adecuado de la hipótesis: esto es su organización formal, que incluye diversos procesos como, por ejemplo, la definición de las variables independientes. * Recogida y análisis de datos: para recoger datos se pueden usar diferentes instrumentos y técnicas que pueden ser impresas (tests,
instrucciones escritas, etc.) o aparatos complejos (temporizador). Después para analizarlos se sigue un plan de análisis de datos, que deberá haber sido previsto con anterioridad. * Elaboración de conclusiones: se especifica hasta qué punto y con qué limitaciones queda confirmada la hipótesis experimental, y también el posible grado de generalización con relación al proceso que se ha seguido y con la muestra con la que se ha trabajado.
Otras posturas interesantes Por otro lado, es importante resaltar que autores reconocidos en esta temática plantean las etapas del diseño experimental como pautas básicas imprescindibles para lograr el éxito de la investigación científica. Tal es el caso de Montgomery que en su obra “Diseño y Análisis de Experimentos”, plantea las pautas generales que a continuación se indican: Pautas generales para
Issue 1
diseñar experimentos. (Montgomery, 2005). 1. Identificación y exposición del problema. 2. Elección de los factores, los niveles y los rangos. (*) 3. Selección de la variable de respuesta. (*) 4. Elección del diseño experimental. 5. Realización del experimento. 6. Análisis estadístico de los datos. 7. Conclusiones y recomendaciones. (*) En la práctica, los pasos 2y 3 suelen hacerse
simultáneamente o en el orden inverso y son parte de la planeación previa al experimento. Breve Explicación de cada Pauta: 1. Identificación y enunciación del problema. Este punto podría parecer muy obvio, pero es común que en la práctica no sea sencillo darse cuenta de que existe un problema que requiere experimentación, y tampoco es fácil desarrollar una enunciación clara, con la que todos estén de acuerdo, de este problema. Es necesario desarrollar todas las ideas acerca de los objetivos del experimento.
Page 5
2. E l e cci ón d e fa ctore s, n i ve l e s y ra n g os. Cu a n d o se con si d e ra n l os fa ctore s q u e pu ed en i n fl u i r e n el d e se m p e ñ o d e u n p roce so o si ste m a , e l e xp e ri m e n ta d or su e l e d e scu b ri r q u e e stos fa ctore s p u e d e n cl a si fi ca rse com o fa ctore s p ote n ci a l e s d e l d i se ñ o o b i e n com o fa ctore s p e rtu rb a d ore s.
re sp u e sta , e l e xp e ri m e n ta d or d e b e rá te n e r l a ce rte za d e q u e e sta va ri a b l e p rop orci on a e n re a l i d a d i n form a ci ón ú ti l a ce rca d e l p roce so b a j o e stu d i o. E n l a m a yoría d e l os ca sos, e l p rom e d i o o l a d e s v i a ci ó n e s tá n d a r ( o a m b os) d e l a ca ra cte rísti ca m e d i d a se rá l a va ri a b l e d e re sp u e sta .
3. S e l e cci ó n de la va ri a b l e d e re sp u e sta . P a ra se l e cci on a r l a va ri a b l e d e
4. E l e cci ó n e xp e ri m e n ta l . a c ti v i d a d e s d e
d el d i señ o Si l as p l a n e a ci ó n
p re vi a s a l e xp e ri m e n to se re a l i za n com o e s d e b i d o, e ste paso es re l a ti va m e n te s e n ci l l o . L a e l e cci ó n d e l d i señ o i m p l i ca la con si d e ra ci ón d e l ta m a ñ o d e l a m u e stra (n ú m e ro d e ré p l i ca s), l a se l e cci ón d e u n ord e n d e corri d a s a d e cu a d o p a ra l os e n s a yo s e xp e ri m e n ta l e s y la d e te rm i n a ci ón d e si e n tra n e n j u e g o o n o l a form a ci ón d e b l oq u e s u otra s re stri cci on e s sob re l a a l e a tori za ci ón .
Pautas del Diseño Experimental 5. Realización del experimento. Cuando se lleva a cabo el experimento es vital monitorear con atención el proceso a fin de asegurarse de que todo se esté haciendo conforme a la planeación. Los errores en el procedimiento experimental en esta etapa destruirán por lo general la validez experimental. Poner en un primer plano la planeación es crucial para el éxito. Es fácil subestimar
los aspectos de logística y planeación cuando se corre un experimento diseñado en un ambiente complejo de manufactura o de investigación y desarrollo.
Douglas Montgomery presentó en el año 2005, siete pautas para el diseño de experimentos.
Pasos para el fomento de un diseño 6. Análisis estadístico de los datos. Deberán usarse métodos estadísticos para analizar los datos a fin de los resultados y las conclusiones sean objetivos y no de carácter apreciativo. Si el experimento se ha diseñado correctamente y si se ha llevado a cabo de acuerdo con el diseño, los métodos estadísticos necesarios no deben ser complicados.
Page 6
Existen varios paquetes de software excelentes diseñados para auxiliar en el análisis de datos, y muchos de los programas usados para seleccionar el diseño cuentan con una interface directa para el análisis estadístico. 7. Conclusiones y recomendaciones. Una vez que se han analizado los datos, el experimentador debe sacar conclusiones
prácticas acerca de los resultados y recomendar un curso de acción. Los métodos gráficos suelen ser útiles en esta etapa, en particular para presentar los resultados. También deberán realizarse corridas de seguimiento o pruebas de confirmación para validar las conclusiones del experimento.
Newsletter Header
Ventajas del Diseño Experimental • Se elimina el 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. • Se requiere una estrecha colaboración entre los estadísticos y el investigador con las consiguientes ventajas en 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 de las conclusiones se conoce con una precisión matemáticamente definida. • La asignación aleatoria de las unidades de análisis a los grupos experimental y control permite controlar la validez interna del experimento. • Analizan la interacción entre las variables. • Analiza
simultáneamente dos o más variables independientes en un solo experimento. • Permite una mejor comprobación de hipótesis. • Provee una mejor estimación del error experimental. • Mejora la precisión. • Hace que el experimento sea más eficiente. • Controla dos fuentes de variación. • Flexibilidad, eficiencia, simetría y manipulación estadística.
Limitaciones del Diseño Experimental • Dificultad de elegibilidad y manejo de las variables de control. • Dificultad de disponer de muestras representativas. • Falta de realismo. • tales diseños y sus análisis, usualmente están acompañados de enunciados basados en el lenguaje técnico. Sería significativos a la generalidad de la gente, además, el estadístico no debería subestimar el valor de presentarnos los resultados en
Issue 1
forma gráfica. De hecho, siempre debería considerar a la representación gráfica como un paso preliminar de un procedimiento más analítico. • muchos diseños, especialmente cuando fueron formulados por primera vez, se han criticado como demasiado caros, complicados y que requieren mucho tiempo. Tales críticas, cuando son válidas, deben aceptarse de buena fe y debe hacerse un intento honesto para mejorar
la situación, siempre que no sea en detrimento de la solución del problema. • Cuando el número de tratamientos es grande, se puede presentar un problema potencial debido a que el requerimiento de que el número de filas y columnas debe ser igual al número de tratamientos es más difícil de obtener. También es más probable que el supuesto de interacción sea violado.
Page 7
Tecnicas de Recolección de Datos No existe una única forma de recolección de datos. Diversos tipos de investigación utilizan diversas técnicas de recolección. Hay, sin embargo, cuatro consideraciones importantes que se aplican a toda recolección de datos y que ayudan a asegurar la integridad del proceso y de la información recogida. Métodos apropiados. Los datos confiables dependen esencialmente de métodos confiables. Si se utiliza una prueba que puede detectar un efecto en 1 de cada 100 muestras, para encontrar un efecto que puede ocurrir con una frecuencia de 1 en cada 1.000 casos, el resultado no será confiable. En este caso, no hallar el efecto podría deberse al diseño experimental o a la
carencia del efecto, y no se sabrá cuál opción es la verdadera. El refrán, “si entra basura, sale basura” se aplica a la metodología de la investigación. Aunque la necesidad de utilizar métodos apropiados puede parecer obvia, algunos estudios han sugerido que los investigadores utilizan a veces pruebas estadísticas inadecuadas para evaluar sus resultados. Los métodos también pueden verse amenazados en su integridad por prácticas sesgadas, eligiéndose un método o un conjunto de condiciones experimentales intencionalmente para llegar a una conclusión específica. Otra forma de amenaza a los métodos es utilizar una técnica descuidada. Cualquiera sea
su origen, el uso de métodos inadecuados en la investigación compromete la integridad de los datos, y debe ser evitado. La investigación responsable es aquella conducida utilizando métodos apropiados y confiables.
Atención al detalle La investigación de calidad requiere que se le preste atención al detalle. Los experimentos se deben montar correctamente y los resultados deben registrarse, interpretarse, y publicarse con precisión. No prestar atención al detalle puede dar lugar a errores que luego tendrán que ser corregidos y divulgados. Corregir los protocolos toma tiempo y recursos que deberían estar destinados a
Page 8
la investigación. Obviamente, no es posible evitar todos los errores en la investigación. Sin embargo, es útil mirar la sección de fe erratas de cualquier diario científico y preguntarse a uno mism o cómo los errores divulgados hubieran podido evitarse. ¿Los autores se cercioraron de que cada figura
fuera etiquetada correctamente? ¿Fueron los cálculos comprobados con minuciosidad? ¿Alguien corroboró que se anotaran correctamente los autores? Puesto que otros confían en su trabajo, los investigadores tienen la responsabilidad de asegurarse que su trabajo sea realizado y divulgado cuidadosame nte. La investigación descuidada malgasta fondos y debe ser evitada.
Newsletter Header
A u t o ri z a c i ó n y R e g i s t ro d e D a t o s Muchos tipos de recolección de datos requieren autorización para ser utilizados. Generalmente se necesita permiso para utilizar: • seres humanos y animales en la investigación; • materiales peligrosos y agentes biológicos; • información contenida en algunas bibliotecas, bases de datos, y archivos; • información publicada en algunos sitios Web; • fotografías y otra información publicada; y • otros procesos o materiales patentados o con copyright. Los investigadores deben saber cuándo es necesario el permiso para recoger o utilizar datos específicos en
su investigación. Si no se está seguro si es necesario el permiso, debe comprobarse antes de proceder con la recolección de datos. Para los Registro de Datos se debe tomar en cuente que el paso final en la recolección de datos es el proceso físico de registrar los datos en algún tipo de cuaderno (copia dura), fichero electrónico (copia electrónica), u otro registro permanente del trabajo hecho. Los formatos físicos del registro de datos varían considerablemente, desde medidas u observaciones, a fotografías o cintas de entrevista. Es importante tener presente el propósito de cualquier registro: documentar qué fue hecho
realmente y qué resultados fueron alcanzados. En el registro de datos, hay que tener presente dos reglas simples para evitar problemas en el futuro, en el caso de que alguien cuestione o pregunte sobre el trabajo. Para ello se presentan mas abajo dichas reglas.
Reglas para los Registros de Datos • La “copiadura” debe asentarse en un cuaderno numerado, encuadernado de modo que no haya dudas sobre la fecha en que el experimento fue realizado, el orden en el cual los datos fueron recogidos, o los resultados alcanzados. No se debe utilizar cuadernos con hojas sueltas ni ir recogiendo las páginas sueltas en un archivo. No deben cambiarse los registros del cuaderno sin dejar asentada la fecha y las razones del cambio.
Issue 1
• La evidencia electrónica se debe validar de alguna manera para asegurar que fue registrada en una fecha particular y no cambiada en una fecha posterior. Es fácil cambiar fechas en las computadoras y alterar la fecha de un archivo particular. Si usted recoge sus datos electrónicamente, debe poder demostrar que ellos son válidos y no se han cambiado. Al registrar los
datos, puede ser provechoso pensar en ellos como el sustento legal de la investigación. Los datos son la moneda que usan los investigadores cuando solicitan subsidios, publicaciones, cuando son considerados para una promoción, y cuando emprenden negocios. Para que adquieran valor y lo mantengan, los datos de la investigación deben ser registrados correctamente.
Page 9
A ná l i s i s d e R e s ul t a d os Se trata de "dar sentido", ofrecer una explicación a los resultados, teniendo en cuenta el marco teórico y los objetivos fijados. En este apartado el autor, a la luz de su experiencia y conocimientos, interpreta los hallazgos y los compara con los datos de otros autores, si es posible. Debe considerarse también en qué medida los resultados avalan o no los objetivos o hipótesis planteadas. Hay que tener en cuenta que se debe ofrecer una interpretación para cada uno de los objetivos y/o hipótesis, sin embargo no deben extenderse las explicaciones porque pueden desvirtuar el carácter científico del estudio. Así mismo hemos de tener en cuenta que la etapa interpretativa es la
que mayor riesgo tiene de verse viciada a causa de la subjetividad del investigador. Deben emplearse métodos estadísticos para analizar los datos, de modo que los resultados y conclusiones sean objetivos más que apreciativos. Existen muchos excelentes paquetes de software para el análisis de datos, y varios métodos gráficos sencillos son importantes en la interpretación de tales datos. Hay que recordar que los métodos estadísticos sólo proporcionan directrices para la veracidad y validez de los resultados. Los métodos estadísticos, aplicados adecuadamente, no permiten probar algo experimentalmente, sólo hacen posible obtener el
probable error de una conclusión, o asignar un nivel de confiabilidad a los resultados. La principal ventaja de los métodos estadísticos es que agregan objetividad al proceso de toma de decisiones. Las técnicas estadísticas, aunadas aun buen conocimiento técnico o del proceso y al sentido común, suelen llevar a conclusiones razonables. Una vez que tenemos la información, es decir terminada la fase de recogida de datos, debemos realizar una serie de tareas para analizarlos. En primer lugar procederemos a codificarlos, o lo que es lo mismo, a asignarles códigos que faciliten el trabajar estadísticamente con ellos. Estos códigos pueden ser números o letras, si bien el
representar. Toda esta información debe servir a la finalidad de simplificar el manejo de los datos, posibilitarlo a nivel informático y controlarlo a nivel interpretativo. Esto va a implicar que debemos conocer perfectamente lo que significa cada código, a qué variable pertenece cada etiqueta y, en definitiva, se está requiriendo una planificación para la tarea de la codificación. Tras todo este proceso llegamos a lo que se denomina
matriz de datos. Una vez se dispone de los resultados experimentales se pueden calcular los efectos de los factores, así como sus interacciones. Los tests estadísticos permiten comprobar si los efectos calculados son significativos comparándolos con el error experimental. Si se construye un modelo de superficies de respuesta, se pueden calcular los coeficientes por el método de los mínimos cuadrados y se puede evaluar el modelo realizando réplicas de ciertos experimentos y aplicando el test ANOVA.
Implicaciones Una vez que tenemos la información, es decir terminada la fase de recogida de datos, debemos realizar una serie de tareas para analizarlos. En primer lugar procederemos a codificarlos, o lo que es lo mismo, a asignarles códigos que faciliten el trabajar estadísticamente con ellos. Estos códigos pueden ser números o letras, si bien el uso de números facilita el tratamiento informático de los datos. La asignación de los códigos dependerá de la naturaleza de las variables que queremos
Issue 1
Page
P ri n c i p i o s d e l A n á l i s i s d e R e s u l t a d o s Una vez que tenemos la matriz de datos se procede a su tratamiento estadístico. En él caben varias posibilidades, las cuales dependerán del tipo de diseño elegido, del número de la muestra, etc. En el mercado existen varios paquetes informáticos para el tratamiento estadístico de los datos. Una vez que previa aplicación de las técnicas de análisis estadístico- obtenemos los resultados de nuestra investigación, procederemos a su exposición. Esto puede hacerse mediante representación gráfica (por ejemplo sectoriales, curvas, diagramas de barras) o representación numérica. Esta exposición debe atenerse a una serie de
principios: 1. No debe ser interpretativa 2. No se exponen todas las "salidas" del ordenador, sólo las que sean más representativas del estudio; entre ellas las tablas. 3. Sí es recomendable la exposición de los gráficos de datos. La representación gráfica tiene por objetivo, además de resumir la información, producir un impacto visual, pero no debe sustituir la presentación de los datos en forma de tablas, ya que éste es un modo más serio de resumirlos a la vez que facilita una interpretación objetiva y cuidadosa.
Criterios a considerar Nuevamente es importante resaltar la importancia de utilizar los métodos estadísticos adecuados para el análisis, y estos deben estar totalmente acordes con el modelo o tipo de diseño seleccionado en la etapa de planeación; aquí nuevamente se recomienda el uso del paquete estadístico, el cual garantiza la consistencia entre el modelo planeado y el ANOVA, además estos paquetes cuentan con ayudas gráficas que facilitan enormemente el
Issue 1
análisis. En esta etapa se deben conjugar eficientemente el conocimiento del proceso y los métodos de análisis estadísticos, es importante resaltar que ninguna de las Conclusiones obtenidas tendrá 100% de confiabilidad, en razón a que estamos trabajando con modelos probabilísticos y que las pruebas de nuestro experimento constituyen solamente una
muestra aleatoria de la realidad que deseamos modelar. Se deben contrastar las hipótesis iniciales con los resultados del experimento, observar que nuevo conocimiento acerca del proceso nos dejó el experimento, validar los supuestos del modelo y seleccionar el tratamiento ganador.
Page
C a m p o d e A p l i ca ci ón Aunque el diseño de experimentos comenzó a aplicarse en el campo de la agricultura, hoy en día tiene muchas aplicaciones en otros campos, en el que se puede incluir la ingeniería en todas sus divisiones. Por ejemplo en control de calidad y en diseño de productos y procesos industriales y en todo tipo de ciencias experimentales. Se puede decir que el diseño de experimentos ocupa un papel crucial en la industria y en la investigación experimental en nuestros días. El Diseño Experimental tiene como objetivo averiguar si unos determinados factores influyen en la variable de interés y, si existe influencia de algún factor,
cuantificarla. Las situaciones en las que se puede aplicar el Diseño experimental son muy numerosas. De forma general, se aplica a sistemas, en los cuales se observan una o más variables experimentales dependientes o respuestas (y) cuyo valor depende de los valores de una o más variables independientes (x) controlables llamadas factores. Las respuestas además pueden estar influidas por otras variables que no son controladas por el experimentador. La relación entre x e y no porqué ser conocida. Ejemplos de sistemas experimentales son: - Una reacción química, cuyo rendimiento (y) puede ser función, entre otros, del
tiempo de reacción (x1), la temperatura de la reacción (x2) y el tipo de catalizador (x3) utilizado. Otras variables que pueden influir son, por ejemplo, la pureza de los reactivos, la limpieza del material, la velocidad de agitación. Una separación cromatográfica, donde el tiempo de la separación depende del pH y el porcentaje de modificador orgánico de la fase móvil.
Otros Ejemplos Otros ejemplos donde habría que utilizar este diseño son los siguientes: En el rendimiento de un determinado tipo de máquinas (unidades producidas por día) se desea estudiar la influencia del trabajador que la maneja y la marca de la máquina. Se quiere estudiar la influencia del tipo de pila eléctrica y de la marca en la duración de las pilas. Una compañía telefónica está interesada en conocer la influencia de varios factores en la variable de interés “la duración de una
Page 12
llamada telefónica”. Los factores que se consideran son los siguientes: hora a la que se produce la llamada; día de la semana en que se realiza la llamada; zona de la ciudad desde la que se hace la llamada; sexo del que realiza la llamada; tipo de teléfono (público o privado) desde el que se realiza la llamada. Una compañía de software está interesada en estudiar la variable “porcentaje que se comprime un fichero al utilizar un programa que comprime ficheros” teniendo en cuenta el tipo de programa utilizado y el tipo de fichero que se comprime. Se quiere estudiar el
rendimiento de los alumnos en una asignatura y, para ello, se desean controlar diferentes factores: profesor que imparte la asignatura; método de enseñanza; sexo del alumno. Estos son sólo algunos ejemplos del amplio campo de aplicación del Diseño experimental, que abarca, desde la industria, desde el laboratorio hasta proceso de producción. Al facilitar el desarrollo más rápido de productos, y a más bajo coste, el Diseño experimental juega un papel fundamental desde el punto de vista industrial y proporciona una ventaja competitiva importante para la empresa que lo usa.
Newsletter Header
A ná l i s i s d e R e s ul t a d os El diseño experimental ha tenido también una gran importancia en las ciencias naturales, en la agricultura, ya que, la experimentación forma parte natural de la mayoría de las investigaciones científicas e industriales, en muchas de las cuales, los resultados del proceso de interés se ven afectados por la presencia de distintos factores, cuya influencia puede estar oculta por la variabilidad de los resultados muestrales, sin embargo actualmente también es usada en las ciencias sociales . Es fundamental conocer los factores que influyen realmente y estimar esta influencia. Para conseguir ésto es necesario experimentar, variar las condiciones que afectan a
las unidades experimentales y observar la variable respuesta. La forma tradicional que se utilizaba en la experimentación, para el estudio de estos problemas, se basaba en estudiar los factores uno a uno, ésto es, variar los niveles de un factor permaneciendo fijos los demás. Actualmente las aplicaciones son múltiples, especialmente en la investigación de las ciencias naturales, ingeniería, laboratorios y casi todas las ramas de las ciencias sociales. En muchas ocasiones él termino experimento se considera asociado exclusivamente para cuestiones científicas y teóricas; sin embargo tienen varias aplicaciones prácticas.
Algunos ejemplos son: • Si la materia prima que es entregada por tres diferentes proveedores producen características diferentes en el producto • Si diferentes marcas de herramienta tienen o no vida diferente. • Si la temperatura de recocido afecta o no alguna propiedad mecánica del producto. • Cuál es el factor que más influye en la variabilidad de alguna característica de calidad.
En el mundo de la Ingenieria
En el caso de la Ingeniería, los métodos de diseño experimental tienen un cometido importante en el desarrollo de procesos y en la depuración de procesos para mejorar el rendimiento. El objetivo puede ser desarrollar un proceso consistente o robusto, es decir, afectado mínimamente por fuentes
Issue 1
de variabilidad externas (z). El diseño experimental es un medio de importancia crítica en el medio de la ingeniería para mejorar el rendimiento de un proceso de manufactura. También se plantea extensamente en el desarrollo de nuevos procesos. La aplicación de técnicas de diseño experimental en una fase temprana del desarrollo de un proceso puede dar por resultado:
1. mejora del rendimiento del proceso. 2. menor variabilidad y mayor proximidad a los objetivos. 3. menor tiempo de desarrollo. 4. menores costes globales.
Page
Aplicaciones del Diseño Experimental Los métodos de diseño experimental también tienen un cometido importante en las actividades de diseño técnico (o de ingeniería) en las que se desarrollan nuevos productos y se mejoran otros ya existentes. Algunas aplicaciones son: • evaluación y comparación de configuraciones de diseño básicas • evaluación de materiales alternativos • selección de parámetros de diseño de modo que el producto funcione bien en una amplia variedad de condiciones de campo El uso del diseño experimental en estas áreas puede dar por resultado productos con mayor confiabilidad y mejor funcionamiento en el campo, menores costes, y menor tiempo de diseño y desarrollo del producto.
Referencias Cordero, N. (2010). El Diseño Experimental. [Material en línea]. Disponible: http://ingenierias.usergioar boleda.edu.co/index.php?op tion=com_k2&view=item&id =205:el-dise%C3%B1oexperimental&Itemid=235. Consultado: [2013, Junio 21]. Gutiérrez Pulido, Humberto y otros. (2008). Análisis y diseño de experimentos. McGraw Hill. Segunda edición, México. Hinkelman. K. & Kempthorne. O.(1994): Design and analyisis of experiments volumen I. Jhonn Wiley. págs:1-52. Little, Thomas M. y Hill, F. J. (1976). Métodos estadísticos para la investigación en la agricultura. Editorial trillas. pags:13-20. Montgomery, Douglas C. (2005). Diseño y análisis de
experimentos. John Wiley & Sons. Segunda edición, México. Ostle, Bernard (1973). Estadística aplicada. Editorial Limusa-Wiley, S. A. págs: 275-309. Rios, S. (1967). Métodos estadísticos. Mcgraw-Hill. págs:411-412. Steel, R. G.D. and Torrie, J. H. (1996). Bioestadística: principios y procedimientos. McGraw-Hill. págs: 118-131. Susan M. J. (1987). Estadística para biología y ciencias de la salud. McGraw-HillInteramericana. págs:279337. Yacuzzi et al. (2004). El diseño experimental y los Métodos de Taguchi: Conceptos y aplicaciones en la Industria farmacéutica. [Material en línea]. Disponible: http://www.ucema.edu.ar/p
Los D i se ñ a d ore s
Company/Author E xp e ri m e n ta l e s
UNIVERSIDAD YACAMBÚ INSTITUTO DE INVESTIGACION Y POSGRADO Carrera 15 con Calle 44. Barquisimeto. Estado Lara. Venezuela Contacto: Chacón Iván, Couso Ana, Sierraalta Elluz Email: MCA-131-00037V@micorreo.uny.edu.ve MCA-131-00091V@micorreo.uny.edu.ve MCA-131-00009V@micorreo.uny.edu.ve web:www.uny.edu.ve
E s t a R e v i s t a Di g i t a l c o r r e s p o n d e a u n a a s i g n a c i ó n a c a d é m i c a d e l Po s t g r a d o : M a e s tr i a e n C i e n c i a s Am b i e n ta l e s , m e n c i ó n : E v a l u a c i ó n d e I m p a c to s Am b i e n ta l e s d e l a U n i v e r s i d a d d e Yacambú. A s i g n a t u r a Di s e ñ o s C u a n t i t a t i v o s d e I n v e s ti g a c i ó n . Do c e n t e d e l a a s i g n a t u r a : Prof. Leonardo Castillo