¿Qué es el diseño de experimentos (DoE)?
El diseño de experimentos (DoE) es un método sistemático utilizado en estadística aplicada para evaluar las numerosas alternativas posibles en una o varias variables de diseño. Permite manipular varios factores de entrada para determinar qué efecto podrían tener para obtener el resultado deseado o mejorar el resultado.
¿Qué es un diseño de experimentos o diseño experimental?
En el diseño experimental o de experimentos, los experimentos se utilizan para encontrar un resultado o efecto desconocido, para probar una teoría o para demostrar un efecto ya conocido. Las realizan científicos e ingenieros, entre otros, para entender qué insumos tienen un mayor impacto en la producción y a qué niveles de insumos se debe apuntar para alcanzar un resultado deseado (producción). En pocas palabras, el DDE es una forma de recoger información durante el experimento y luego determinar qué factores o qué procesos podrían conducir al resultado deseado.
El término «Diseño de Experimentos», también conocido como diseño experimental, fue acuñado por Ronald Fisher en la década de 1920. Lo utilizó para describir un método de planificación de experimentos para encontrar la mejor combinación de factores que afectan a la respuesta o al resultado. Se utiliza para reducir los gastos de diseño porque el análisis de los parámetros o factores de entrada permite identificar los residuos y los procesos que pueden eliminarse. También ayuda a eliminar complejidades y agilizar el proceso de diseño para la gestión de costes en el proceso de fabricación.
El concepto clave de esta metodología es que existe una relación entre los factores que afectan a la respuesta. ISixSigma lo define como la determinación de las «relaciones de causa y efecto» de los factores. Por lo tanto, un plan experimental completo consiste en la combinación de factores utilizados para evaluar sus efectos en la respuesta. Esto explica lo que es el experimento de control, una metodología esencial en la investigación científica.
Componentes del diseño experimental
MoreSteam ofreció una sencilla ilustración para explicar los componentes del experimento -los tres aspectos que hay que analizar en los experimentos de diseño- y entender el significado de cada uno es crucial para definir la DDE.
- Factores o parámetros de entrada: pueden clasificarse como variables controlables o incontrolables.
- Variables controlables: se refiere a los factores que pueden modificarse o cambiarse en un experimento o un proceso. Por ejemplo, en el proceso de cocción de un pastel, estos factores pueden incluir lo que se utilizará en la cocción, como el horno, el azúcar, la harina y los huevos.
- Variables incontrolables: se refiere a los factores que no pueden modificarse. Por ejemplo, en el proceso de cocción de un pastel, puede ser la temperatura ambiente de la cocina. Hay que reconocerlos para entender cómo pueden afectar a la respuesta.
- Niveles o ajustes de cada factor: pertenecen a la cantidad o calidad que se utilizará en el experimento. En el ejemplo del proceso de cocción de pasteles, esto incluye el ajuste de la temperatura del horno y la cantidad de azúcar, harina y huevos.
- Respuestas: se refiere al resultado del proceso que mide el efecto deseado. En el ejemplo de la cocción de pasteles, el sabor, el aspecto y la consistencia del pastel son las respuestas. Están influenciados por los factores y sus niveles. Este es el propósito de la experimentación: analizar cada factor para determinar cuál de ellos proporciona el mejor resultado global o la misma calidad.
¿Para qué sirven los diseños experimentales?
El diseño experimental no sólo lo llevan a cabo científicos o ingenieros. Es un diseño experimental utilizado por diferentes industrias que quieren maximizar los resultados que están obteniendo. El DdE se lleva a cabo para:
- Comparar alternativasLlevar a cabo un diseño experimental le permite examinar diferentes alternativas. Ayuda a tomar una decisión informada sobre qué usar o qué cambiar. Esta metodología también puede utilizarse para descubrir la mejor combinación de alternativas en el experimento.
- Maximizar la respuesta del procesoCon el DdE, se comprueban los factores y sus niveles y se ve cuál de ellos cuando se utiliza está dando la calidad exacta en la respuesta.
- Reducir las variacionesLas variaciones excesivas en el proceso son la causa de los gastos adicionales. Afecta a la duración del ciclo que provoca diferencias de calidad. Con el DdE se identifican los factores, se interpretan las respuestas y se eliminan o modifican los residuos.
- Mejora de los procesosLa realización de un DdE puede descubrir problemas importantes que normalmente se pasan por alto al realizar un experimento. Estas áreas se corregirán, mejorando así el proceso.
- Evaluar el efecto de los cambiosCon el DdE, se pueden determinar los efectos de los cambios realizados con los factores y sus niveles que influyen en la respuesta.
- Control de calidadEl DDE también puede ayudar a mejorar la eficiencia de la fabricación identificando factores que reduzcan el uso de materiales y energía, los costes y el tiempo de espera. También se utiliza para probar un producto o sistema antes de lanzarlo al mercado.
Ejemplos de diseño experimental y aplicaciones
A continuación se exponen algunas aplicaciones prácticas o ejemplos en los que se aplica el DdE:
- Industria farmacéuticaEn la industria farmacéutica, el DDE se utiliza normalmente en las fases de formulación y fabricación de medicamentos. La calidad es fundamental para los productos farmacéuticos porque la salud y la seguridad de los consumidores están en riesgo cuando un producto no cumple las normas. El diseño de experimentos se utiliza en las pruebas de medicamentos, reduciendo las impurezas en el proceso de fabricación de los mismos, antes de ponerlos a disposición del consumidor.El diseño de experimentos se utiliza especialmente en los fármacos que se administran mejor a través de un programa de liberación prolongada,. Significa que tarda en disolverse lentamente en el organismo. Dado que uno de los componentes del diseño de experimentos es la configuración de los factores, la realización de una serie de experimentos es aplicable en este caso.
- Industria de bienes de consumo rápido (IBCR o FMCG en inglés)La industria de bienes de consumo forma parte de la industria de bienes de consumo que incluye todos los productos que se venden al público en general por cualquier medio, como tiendas minoristas, Internet o por teléfono. Los consumidores los utilizan sobre todo en su vida diaria y pueden incluir alimentos, bebidas, salud e higiene, cosméticos y electrodomésticos, entre otros. El diseño de experimentos ayuda a comparar alternativas u opciones para obtener la respuesta en la que el precio sea más barato pero sin comprometer la calidad.
- Diseño de productosEl diseño de experimentos es una herramienta útil para determinar los factores específicos que afectan a los niveles de defectos en un producto, que pueden utilizarse para mejorar el diseño del mismo.
6 pasos del diseño experimental
Los procesos estándar del diseño de experimentos suelen estar estructurados en torno a siete o menos pasos. Los pasos del diseño experimental le llevarán por el proceso de determinar cuál es la mejor respuesta que podría utilizar en su estudio, lugar de trabajo o procedimientos.
- Describir: esta es una parte crítica en la que se determina cuál es el objetivo o lo que se quiere conseguir, a lo que sigue la determinación de cuál es la respuesta deseada. El primer paso consiste en determinar el objetivo, la respuesta deseada y los factores.
- Especificar: esta es la parte en la que hay que especificar qué variables describen la situación física, o los factores.
- Diseño: esta es la parte en la que se genera un modelo de diseño experimental del que se extraerán las evaluaciones tras la/s ejecución/es o ensayo/s.
- Recoger: esta es la parte en la que se ejecuta el diseño, se recoge la información de la/s tirada/s y se registran las respuestas que se obtienen.
- Ajuste: esta es la parte en la que se revisan las respuestas si se ajustan al modelo de diseño experimental generado. En algunos casos, hay que repetir las ejecuciones para corregir la ambigüedad del modelo.
- Predicción: es el último paso en el que se predicen los resultados y se determina qué factor optimiza mejor la respuesta.