Un experimento diseñado es una serie de ejecuciones o pruebas, donde se hacen cambios intencionales en las variables de entrada al mismo tiempo y se observa las respuestas.

En la industria, los experimentos diseñados se pueden utilizar para investigar sistemáticamente las variables de proceso o de producto que afectan la calidad del producto. Después de identificar las condiciones del proceso y los componentes del producto que afectan su calidad es posible dirigir los esfuerzos de mejora para optimizar la manufacturabilidad, la confiabilidad, la calidad y el rendimiento del producto.

Para agregar resultados de un DOE, vaya a Agregar y completar un formulario.

DOE factorial 2k

Utilice un diseño factorial de 2 niveles para crear un experimento diseñado para estudiar los efectos de 2 a 15 factores. Con un diseño factorial de 2 niveles, puede identificar factores importantes en los cuales enfocarse en experimentación adicional.

Por ejemplo, un grupo de ingenieros planea un experimento para investigar los efectos de tres factores en la deformación que ocurre en una lámina de cobre. Crean un diseño factorial de 2 niveles especificando la información del diseño, incluyendo bloques y puntos centrales. Para ver un ejemplo consulte la Ayuda de Minitab: Ejemplo de la opción Crear diseño factorial de 2 niveles.

Un DOE factorial 2k puede ser de los siguientes tipos:
Diseño factorial completo 2k
El experimento utiliza todas las combinaciones posibles de configuraciones de factores con 8 ejecuciones para 3 factores, 16 ejecuciones para 4 factores, 32 ejecuciones para 5 factores, y así sucesivamente.
Diseños factoriales fraccionados 2k
El experimento utiliza una fracción (la mitad, un cuarto, etc.) de todas las combinaciones posibles de configuraciones de factores, con un número menor de ejecuciones que el diseño factorial completo 2k .
Nota

Utilice este formulario para registrar el análisis de datos de su experimento. Utilice el formulario planificación del DOE para ayudarle a diseñar el experimento.

Para obtener más información acerca de los diseños disponibles, vaya a la Ayuda de Minitab: Diseños factoriales y factoriales fraccionados.

Consideraciones acerca de los datos

Decida si desea ejecutar un DOE factorial completo o factorial fraccionado.
  • Si el número de factores es inferior a 5, ejecute el diseño factorial completo 2k para permitir el modelado de todas las interacciones de 2 factores con solo 8 ejecuciones (3 factores) o 16 ejecuciones (4 factores).
  • Si el número de factores es de 5 o más, ejecute el diseño factorial fraccionado 2k con resolución V o superior para reducir el número de ejecuciones mientras sigue modelando todas las interacciones de 2 factores.

DOE factorial completo general

Utilice un diseño factorial completo general para crear un experimento diseñado para estudiar los factores que pueden tener cualquier número de niveles. Puede utilizar un diseño factorial completo general para crear diseños de 2 niveles de resolución completa para 8 o más factores.

Por ejemplo, un gerente de mercadotecnia quiere estudiar la influencia que tres factores categóricos tienen en la capacidad de los sujetos de prueba para recuperar un anuncio en línea. Debido a que el experimento incluye factores que tienen 3 niveles, el gerente utiliza un diseño factorial completo general. Para ver un ejemplo consulte la Ayuda de Minitab: Ejemplo de Crear diseño factorial completo general.

Nota

Utilice este formulario para registrar el análisis de datos de su experimento. Utilice el formulario planificación del DOE para ayudarle a diseñar el experimento.

Para obtener más información acerca de los diseños disponibles, vaya a la Ayuda de Minitab: Elegir un diseño factorial.

Consideraciones acerca de los datos

No se recomienda utilizar diseños factoriales completos generales (GFF) para seleccionar o reducir el número de entradas potencialmente importantes. El tamaño del experimento puede ser grande y, por lo tanto, costoso. Además, para fines de selección, los diseños GFF proporcionan mucha más información de la que necesita. Debe seleccionar todas las entradas posibles utilizando dos niveles, luego agregar entradas que necesiten más de dos niveles al diseño seleccionado.

Mezcla de DOE

La mezcla de experimentos son una clase especial de experimentos de superficie de respuesta donde el producto objeto de investigación se compone de varios componentes o ingredientes.

Los diseños para estos experimentos resultan útiles, porque muchas actividades de diseño y desarrollo de productos en situaciones industriales implican fórmulas o mezclas. En estas situaciones, la respuesta depende de las proporciones de los diferentes ingredientes incluidos en la mezcla. Por ejemplo, usted podría estar desarrollando una mezcla para hot cakes hecha de harina, polvo para hornear, leche, huevos y aceite. También podría estar desarrollando un insecticida que combina cuatro ingredientes químicos. Para ver un ejemplo consulte la Ayuda de Minitab: Ejemplo para Crear diseño de mezcla (Centroide simplex).

Consideraciones acerca de los datos

Antes de crear un diseño de mezcla, primero determine qué diseño es el más apropiado para su experimento. Minitab provee diseños centroide simplex, reticular simplex y de vértices extremos. Tome en cuenta los siguientes pasos:
  1. Identifique los componentes, variables de proceso y cantidades de la mezcla que sean de interés.
  2. Determine el modelo que desea ajustar.
  3. Asegure una cobertura adecuada de la región experimental de interés.
  4. Determine el impacto que otras consideraciones tienen en su elección de un diseño. Otros puntos que deben considerarse son el costo, el tiempo, la disponibilidad de las instalaciones y las restricciones de los límites inferior y superior.

Para obtener más información acerca de los diseños disponibles, vaya a la Ayuda de Minitab: Elegir un diseño de mezcla.

Optimización de múltiples respuestas

Utilice la optimización de respuestas múltiples para determinar la configuración óptima en un experimento con una sola salida o con múltiples salidas contrapuestas.

Un diseño óptimo utiliza el "mejor" grupo de puntos de diseño, seleccionado al reducir o aumentar el número de ejecuciones experimentales en el diseño original. Las capacidades de diseño óptimo pueden utilizarse con diseños factoriales completos generales, diseños de superficie de respuesta y diseño de mezcla. Para ver un ejemplo consulte la Ayuda de Minitab: Ejemplo de selección de un diseño de superficie de respuesta óptima D.

Consideraciones acerca de los datos

Los puntos candidatos deben ser un diseño factorial completo general, un diseño de superficie de respuesta o diseño de mezcla. El tamaño de la muestra y la potencia deben ser deseables para un tamaño de efecto importante desde el punto de vista práctico. En general se utilizan diseños óptimos para disminuir el número de ejecuciones experimentales, pero es posible que los tamaños más pequeños de las muestras no provean un diseño que pueda detectar efectos pequeños con suficiente potencia. Para conocer más detalles consulte la Ayuda de Minitab: Consideraciones de datos para seleccionar el diseño óptimo.

DOE de superficie de respuesta

Un diseño de superficie de respuesta es un conjunto de técnicas avanzadas de diseño de experimentos (DOE) que le ayudan a entender mejor y optimizar la respuesta.

La metodología del diseño de superficie de respuesta se utiliza con frecuencia para refinar los modelos después de haber determinado los factores importantes utilizando diseños de selección o diseños factoriales, en especial si se sospecha que existe curvatura en la superficie de respuesta.

Por ejemplo, un ingeniero desea analizar el proceso de moldeado por inyección de una pieza plástica. Primero, el ingeniero realiza un diseño factorial fraccionado e identifica los factores importantes (temperatura, presión, tasa de enfriamiento) y determina qué curvatura está presente en los datos. Después, el ingeniero crea un diseño central compuesto para analizar la curvatura y encontrar el mejor valor de configuración del factor. Para ver un ejemplo consulte la Ayuda de Minitab: Ejemplo de la opción Crear un diseño de superficie de respuesta (central compuesto).

Consideraciones acerca de los datos

Hay dos tipos principales de diseños de superficie de respuesta:
Diseños centrales compuestos
Los diseños centrales compuestos pueden ajustarse a un modelo cuadrático completo. Suelen utilizarse cuando el plan del diseño requiere de un experimento secuencial, porque estos diseños pueden incluir información de un experimento factorial planificado correctamente.
Diseños de Box-Behnken
Los diseños de Box-Behnken por lo general tienen menos puntos de diseño que los diseños centrales compuestos y, por consiguiente, resulta menos costoso ejecutarlos con el mismo número de factores. Pueden estimar de manera eficiente los coeficientes de primer y segundo orden; sin embargo, no pueden incluir ejecuciones de un experimento factorial. Los diseños de Box-Behnken siempre tienen 3 niveles por factor, a diferencia de los diseños compuestos centrales, que pueden tener hasta 5. Además, a diferencia de los diseños compuestos centrales, los diseños de Box-Behnken nunca incluyen ejecuciones donde todos los factores se encuentran en su configuración extrema, como todas las configuraciones bajas.

Para obtener más información acerca de los diseños disponibles, vaya a la Ayuda de Minitab: ¿Qué son diseños de superficie de respuesta, los diseños centrales compuestos y los diseños de Box-Behnken?.

Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política