Escolar Documentos
Profissional Documentos
Cultura Documentos
jarabe
Estimación del modelo de estabilidad
Enfoque Características
Clásico Etapa 1 Aplicación de diseños
(1920) (Fisher) factoriales
Análisis de varianza
Diseños factoriales
fraccionados
Etapa 2 Metodología dela superficie de
(Box et Wilson) respuesta
Diseños compuestos centrales
Diseños de Box Behnken
Fuente: Autores
Etapa 3 (Taguchi y Diseño robusto de parámetros
Shainin) El autor de [1] plantea que las etapas 1, 2 y 3 del diseño de
Etapa 4 Seis sigma experimentos se conocen como planeación previa al
Software estadístico
Diseños óptimos
experimento y además que las etapas 2 y 3 generalmente se
Taguchi Ingeniería de la calidad Diseño del sistema hacen simultáneamente o en orden inverso, pero esto no afecta
(1980) Diseño de parámetros el desarrollo experimental.
Diseño de tolerancias
Shainin Combinación de Principio de Pareto
(1991) técnicas Diseños factoriales completos E. Principios básicos del diseño de experimentos
Fuente: Autores
De acuerdo con los autores de [2] para poder llevar a cabo un
C. Fundamentación teórica diseño de experimentos de forma efectiva es necesario tener en
cuenta los siguientes principios básicos:
Experimento
Aleatorización: Es realizar corridas en una prueba de
experimento de manera aleatoria (azar) y con material
Un experimento es la atribución de cambios voluntarios en las
también seleccionado aleatoriamente.
condiciones de operación de un producto, procesos o sistema y
que busca identificar y medir sus efectos [2].
Repetición: Se trata de correr más de una vez un aplicaban cada una al caso práctico de mejorar el alcance del tiro
tratamiento o una combinación de factores con el fin de de una catapulta.
distinguir mejor que parte de la variabilidad de los
datos se debe al error aleatorio y cal a los factores. F. Diseño factorial 2𝑘
Bloqueo: Consiste en considerar de manera adecuada Los autores de [2] establecen que un diseño factorial 2𝑘 es un
todos los factores que puedan afectar la respuesta modelo que considera k factores con dos niveles cada uno. Este
observada. De modo que al bloquear el subconjunto de diseño es una opción experimental que permite estudiar efectos
datos dentro de cada bloque debe resultar más de curvatura, efectos lineales y efectos de interacción.
homogéneo que el conjunto total de datos.
El modelo estadístico para el diseño 2𝑘 se puede escribir
Como apoyo de la presente investigación se realizó la búsqueda considerando el efecto individual de cada factor (A, B y C) y de
de material bibliográfico referente al diseño de experimentos, y la interacción entre los factores, y queda como sigue (ver
una de las referencias destacadas es la investigación realizada ecuación 1).
por M. Tanco y E. Viles denominada “Metodología para la
aplicación del Diseño de Experimentos (DoE) en la industria” 𝒀𝒊𝒋𝒌 = 𝒀𝟎 + 𝒀𝟏𝑿𝟏 + 𝒀𝟐𝑿𝟐 + 𝒀𝟑𝑿𝟑 + 𝒀𝟏𝟐𝑿𝟏𝑿𝟐 +
[3], cuyo objetivo fundamental fue desarrollar una metodología 𝒀𝟏𝟑𝑿𝟏𝑿𝟑 + 𝒀𝟐𝟑𝑿𝟐𝑿𝟑 + 𝒀𝟏𝟐𝟑𝑿𝟏𝑿𝟐𝑿𝟑+ 𝜺𝒊𝒋𝒌
que simplificara la implementación del diseño de experimentos (1)
en las industrias. Para la consecución de dicho objetivo se
propusieron las siguientes etapas: con 𝑖 = 1,2,3; 𝑗 = 1,2, 3; 𝑘 = 1, . . . , 𝑛 y donde 𝛾𝑖
es el efecto del factor A en su nivel 𝑖, 𝛿𝑖 representa el efecto del
Profundizar en las barreras existentes para la aplicación factor B en su nivel j, Ωi representa el efecto del factor C en su
del DoE. nivel k, 𝛾𝛿𝑖𝑗 es el efecto de interacción de ambos en los niveles
Desarrollar un modelo teórico útil para la metodología. 𝑖𝑗, 𝜀𝑖𝑗𝑘 es el error de la medición y 𝑛 es el número de
Desarrollar un conjunto de guías y plantillas para la repeticiones de cada tratamiento.
metodología como guía a lo largo de la
experimentación. Las hipótesis que se prueban mediante el análisis estadístico son:
Validar la metodología con la comunidad científicas y
con otras empresas del entorno. 𝑯𝟎 ∶ 𝜸𝒊 = 𝟎 (2)
Además, plantearon que los experimentadores deben apoyarse La ecuación (2) plantea que no hay efecto significativo del factor
en la aplicación informática para como guía durante el desarrollo A sobre la variable de respuesta.
de la metodología utilizada, se debe adoptar un software sencillo
que mejor se adapte a las características del experimento y se 𝑯𝟎 ∶ 𝜹𝒊 = 𝟎 (3)
deben realizar nuevas experiencias prácticas en otros ámbitos de
la industria. La ecuación (3) plantea que no hay efecto significativo del factor
B sobre la variable de respuesta.
Otra de las investigaciones referentes para el presente artículo
fue la realizada por J. Baldemar denominada “Aplicación de 𝑯𝟎 ∶ 𝜸𝜹𝒊𝒋 = 𝟎 (4)
diseño de experimentos para el análisis de secado de un
producto” [8], quien expuso un estudio realizado sobre el
La ecuación (4) plantea que no hay efecto significativo de
pintado de un producto para determinar los factores que
interacción de los factores A y B sobre la variable de respuesta.
minimizan el tiempo de espera para el secado total; para esto
efectuó un diseño factorial de tres factores con 2 niveles cada
Para probar las hipótesis planteadas en (2), (3) y (4) usualmente
uno y realizó tres réplicas. Este autor concluye que si se desea
se utiliza el análisis de varianza (ANOVA) (ver tabla 3) donde
disminuir el tiempo de secado, la mejor opción es la
las sumas cuadradas de los efectos incluidos en la ecuación (1)
combinación de un esmalte de secado rápido sin agua fría y solo
están dadas por:
una capa de pintura.
En las ecuaciones (5), (6), (7), (8), (9), (10), (11),(12), (13), SCA Una vez analizado los datos mediante el ANOVA, se emitieron
es la suma cuadrada del factor A, SCB es la suma cuadrada del las conclusiones prácticas acerca de los resultados y las
factor B, 𝑆𝐶𝐴𝐵 es la suma cuadrada de la interacción de los recomendaciones para la empresa objeto de estudio.
factores A y B, SCT es la suma cuadrada total, 𝑆𝐶𝐸 es la suma
cuadrada del error, 𝑛 es el número de réplicas, Y
A. Resultados y discución
∑𝟑𝒊=𝟏 ∑𝟑𝒋=𝟏 ∑𝒏𝒌=𝟏 𝒀𝟐 𝒊𝒋𝒌 es la suma de todas las observaciones al
cuadrado, 𝑌𝑖.. es el total en el nivel 𝑖 del factor A, 𝑌. 𝑗. es el total
en el nivel j del factor B, 𝑌𝑖𝑗.el total de la suma de las réplicas Para poder realizar el análisis de los efectos de los factores
volume, densidad y caducidad sobre la valoración de la
de cada tratamiento, 𝑌𝑖𝑗𝑘 es el valor individual de cada
Levoceterizina, se tomaron 3 replicas para cada combinación
observación.
del diseño factorial 23.
TABLE III. ANOVA PARA DISEÑO FACTORIAL 23
P- TABLE IV. MATRIZ DE DISEÑO
FV SC GL CM Fcalc
Valor
Factor A Ec.(5) 1 CMA CMA/CME Levoceterizina
Factor B Ec.(6) 1 CMB CMB/CME Combination Replica (1) Replica (2) Replica (3)
Factor C Ec.(7) 1 CMC CMAB/CME (1) 101,420 101,920 101,560
Interacción Ec.(8) 1 CMAB CMAB/CME a 101,200 101,160 101,800
AB b 101,430 101,390 101,390
Interacción Ec.(9) 1 CMAC CMAC/CME ab 100,100 100,090 100,060
AC c 98,050 98,900 98,010
Interacción Ec.(10) 1 CMBC CMBC/CME ac 101,200 101,160 101,080
BC bc 99,720 99,730 99,710
Interacción Ec.(11) 1 CMABC CMABC/CME abc 99,210 99,170 99,220
ABC Fuente: Autores
Error Ec.(13) 2K(n-1) CME
Total Ec.(12) 2Kn-1
TABLE V. NIVELES DE LOS FACTORES
Fuente: Autores
A Volumen 60,1 60,15
En la Tabla III, se tiene: FV es la fuente de variabilidad, SC es B Densidad 1,11 1,115
C Caducidad 3 24
la suma cuadrada, GL son los grados de libertad de cada fuente, Respuesta Valoración
CM es el cuadrado medio de cada fuente, Fcal es el estadístico Fuente: Autores
de prueba y Fcrít es el estadístico de comparación.
El valor de CM se determina al dividir la suma cuadrada de cada En la Tabla IV se evidencian los resultados obtenidos para la
fuente de variabilidad entre sus respectivos grados de libertad, el variable de respuesta luego de experimentar las 24 corridas del
valor de Fcal se determina al dividir el cuadrado medio de cada experimento. Los resultados se organizaron de acuerdo al factor
factor entre el cuadrado medio del error, y el valor de Fcrít se y nivel que correspondan.
obtiene para una significancia de α = 0,05 buscando en la tabla
A4 del apéndice A del libro de [2]; en esta tabla los grados de La normalidad de los datos se puede corroborar en la figura 2,
libertad en el numerador son los grados de libertad del puesto que los datos provenientes de resultados aleatorios caen
tratamiento de interés y los grados de libertad en el denominador aproximadamente en la línea recta. Por lo tanto los resultados
son los grados de libertad del error. obtenidos se totalizaron en la tabla IV para proceder con el
ANOVA.
Si P-valor es menor 0.05, para cada factor o sus interacciones,
entonces se debe rechazar la hipótesis nula planteada de que el
efecto del factor es cero, Ec(2). Figura 2. Probabilidad normal de la variable de respuesta
TABLE VI. ANOVA DEL EXPERIMENTO
Gráfica de Probabilidad Normal para Valoración FV Suma de Gl Cuadrado Razón- p-
Cuadrados Medio F valor
99,9 A:Volumen 0,20535 1 0,20535 3,62 0,0751
99 B:Densidad 1,6224 1 1,6224 28,63 0,0001
C:Caducidad 14,0454 1 14,0454 247,90 0,0000
95
AB 7,32615 1 7,32615 129,30 0,0000
porcentaje
101,4
El modelo completo SATURADO es:
101
Valoración
Densidad − 0,765 × caducidad − 0,5525 × Volumen ∗
100,2
Densidad + 0,484167 × Volumen ∗ Caducidad + 0,123333 ×
Densidad ∗ Caducidad − 0,284167 × Volumen ∗ Densidad ∗ 99,8
Caducidad
99,4
que tanto la densidad como la caducidad tenían incidencia en la Volumen Densidad Caducidad
ABC
B:Densidad
Diagrama de Pareto Estandarizada para Var_1
BC
A:Volumen
+
0 4 8 12 16 -
C:Factor_C+AB
Efecto estandarizado
B:Factor_B+AC
Adicionalmente, los resultados registrados en la Tabla X Al realizar el diseño fraccionado pudimos corroborar que el
permiten evidenciar que con la XXXXXXXXX se obtiene factor más significativo es el de la caducidad.
C. Conclusiones [11] Gilart, F. (2006). Pre-sowing magnetic treatments of tomato seeds
increase the growth and yield of plants. Bioelectromagnetics, 27(4 mayo),
247-275. Domínguez, H., Fong, A., Reguera, F.,
El diseño de experimento es una herramienta que permite a las [12] Castillo, J. (1996). Estimulador electromagnético para cultivos in vitro
industrias conocer un proceso, así como también averiguar la (BioNak-03). Patente de Invención. Centro Nacional de
manera en que diversos factores presentes influyen sobre los Electromagnetismo Aplicado. Santiago de Cuba.
resultados de este. [13] Dubois, A., Fung-Boix, Y., Isaac-Alemán, E. (2007). Efecto del campo
electroelectromagnético en la callogénesis del cafeto (Coffea arabica L.).
Centro Agrícola, 34(4 octubre-diciembre), 71-75.
La aplicación del diseño factorial en el proceso de elaboración [14] Ferrer Dubois, A., Galberto Martins Da Costa, J., Lopes Seeger, R.,
de levoceterizina de la empresa objeto del presente estudio, Augusti Boligon, A., Linde Athayde, M., Rolim Campos, A., Batista
permitió identificar que los factores B:Densidad y Teixeira Da Rocha, J. (2012). Antioxidant Effect of Stryphnodendron
rotundifolium Martius Extracts from Cariri-Ceará State (Brazil): Potential
C:Caducidad, y todas las interacciones, influyen Involvement in Its Therapeutic Use. Molecules, 17, 934-950.
significativamente en la valoración, y por lo tanto si se [15] Fung-Boix, Y., Pimentel Victório, C., Salgueiro Lage, L., Alfarge
modifican los niveles de estos, la valoración se afecta. Defaveri, A., Olivera Arruda, R. (2010). Efecto de la aplicación de un
campo electromagnético sobre la germinación in vitrode semillas de
La optimización obtenida en el modelo indica que utilizando un Rosmarinus officinalis L.. Biotecnología Vegetal, 10(2 abril – junio), 105
– 111.
volumen, con un XXXXXX de aproximadamente XXXX se
[16] Ghodbane, S., Lahbib, A., Sakly, M., Abdelmelek, H. (2013). Bioeffects
obtiene el máximo número XXXXXXX. of static magnetic fields: Oxidative Stress, genotoxic effects, and cancer
studies. BioMed Research International, 12 pp.,
Por lo tanto el modelo simplificado para optimizar la caducidad doi:10.1155/2013/602987.
de la levoceterizina está definida mediante: [17] Isaac-Alemán, E., Hernández, C., Domínguez, A., Cruz, A. (2011). Effect
Valoración= 100,362 + 0,0925 × Volumen − 0,26 × of pre-sowing electromagnetic treatment on seed germination and
seedling growth in maize (Zea mays L.). Agronomía Colombiana, 29(2
Densidad − 0,765 × caducidad − 0,5525 × Volumen ∗ mayo-agosto) 213-220.
Densidad + 0,484167 × Volumen ∗ Caducidad + 0,123333 × [18] Isaac-Alemán, E., Ferrer-Dubois, A., Fung-Boix, Y. (2010). Efecto de la
Densidad ∗ Caducidad − 0,284167 × Volumen ∗ Densidad ∗ aplicación de un campo electroelectromagnético sobre el contenido de
Caducidad proteínas solubles y carbohidratos de embriones cigóticos de Coffea
Arabica L. cultivados in vitro. Biotecnología Vegetal, 10(1 enero –
marzo), 53 – 56.
[19] Badii, M.H., Castillo, J., Landeros, J., Cortez, K. (2007). Papel de la
REFERENCES estadística en la investigación científica. Innovaciones de Negocios, 4(1),
107-145.
[20] Montgomery, D. (2004). Diseño y Análisis de Experimentos. Editorial
[1] D. Montgomery, Diseño y análisis de experimentos, USA: Editorial Limusa, S.A.
Limusa Wiley. 2004, p.p. 1-681. [21] Montoya Márquez, J., Sánchez-Estudillo L., Torres Hernández P. (2011).
[2] H. Gutiérrez Pulido, R. De la Vara, Análisis y diseño de experimento, Diseños experimentales ¿qué son y cómo se utilizan en las ciencias
México: Mcgraw Hill, 2008, p.p. 1-537. acuáticas? Ciencia y Mar, 15(43), 61-70.
[3] M. Tanco, E. Viles. Metodología para la aplicación del diseño de [22] Nimmi, V., Madhu, G. (2009). Effect of pre-sowing treatment with
experimentos (DoE) en la industria. Tesis para optar al grado de doctor. permanent magnetic field on germination and growth of chili (Capsicum
España, 2008. annun L.). Int. Agroph., 23,195-198.
[4] R. Launsby, Understanding industrial designed Experiments. Cuarta [23] Pietruszewski, S., Muszynski, S., Dziwulska, A. (2007). Electromagnetic
edición. field and electromagnetic radiation as non-invasive external stimulation
[5] G. Taguchi, System of Experimental Desing: Engineering Methods to for seeds (selected methods and responses). International Agrophysics,
optimize Que and Relia Bility Engineering Internacional, 1993, p.p. 185- 21, 95-100.
202. [24] Rochalska, M., Orzeszko Rywka, A. (2005). Magnetic field treatment
[6] Box, G.E.P. and K. B. Wilson, On the Experimental Attainment of improves seed performance. Seed Science and Technology, 33 (3 octubre)
Optium Conditions Journal of the Royal Statistical Society, 1951, p.p. 1- 669-674.
45. [25] Rout, G.R., Mohapatra, A., Jain, S.M. (2006). Tissue culture of
[7] Lye, L. M, Design of Experiments in Civil Engineering: Are we still in ornamental pot plant: A critical review on present scenario and future
the 1920s, Proceedings of the 30th Annual Conference of the Canadian prospects. Biotechnology Advances, 4(6): 531-560.
Society for Civil Engineering, Montreal, Quebec, June. 2002. [26] Vashisth, A., Nagajaran, S. (2008). Exposure of seed to static magnetic
[8] Juan Baldemar Garza Villegas Universidad de Monterrey, Av. Ignacio field anhance germination and early growth characteristic in chickpea
Morones Prieto 4500 Pte., 66238 San Pedro Garza García, N.L. México. (Cicer arietinum L.). Bioelectromagnetics, 29:571-578.
[9] L. Ilzarbe, M. Tanco, E. Viles, M. Álvarez. El diseño de experimentos
como herramienta para la mejora de los procesos. Aplicación de la
metodología al caso de una catapulta. Revista Tecnura, No. 20, 2007.
[10] Cakmak, T., Dumlupinar R., Erdal, S. (2010). Acceleration of
germination and early growth of wheat and bean seedlings grown under
various magnetic field and osmotic conditions. Bioelectromagnetics, 31,
120-129. De Souza, A., Garcia, D., Sueiro, L.,