Puesto que los recursos son limitados, es muy importante obtener la mayor cantidad de información de cada uno de los experimentos que se realizan.
Los experimentos bien diseñados pueden producir significativamente más información y, por lo general, requieren menos corridas que los experimentos aleatorios o no planeados.
Además, un experimento bien diseñado garantizará que usted pueda evaluar los efectos que haya identificado como importantes.
Por ejemplo, si usted cree que existe una interacción entre dos variables, asegúrese de incluir ambas variables en el diseño. Las interacciones son imposibles de estimar con un experimento del tipo "un factor a la vez".
Una interacción se produce cuando el efecto de una variable se ve afectado por el nivel de otra variable.
La planeación cuidadosa puede ayudarle a evitar problemas que pueden presentarse durante la ejecución del plan experimental. Por ejemplo, personal, disponibilidad de equipos, financiamiento y los aspectos mecánicos del sistema pueden afectar su capacidad para realizar el experimento. Si el proyecto tiene baja prioridad, convendría hacer pequeños experimentos en secuencia. De esa manera, si tuviera que asignar recursos a un proyecto de mayor prioridad, no tendría que descartar los datos que ya haya recogido. Cuando tenga recursos de nuevo, puede continuar con la experimentación.
Minitab ofrece numerosas herramientas para evaluar el control del proceso y para analizar el sistema de medición.
En muchas aplicaciones de desarrollo de procesos y de manufactura, el número de variables potenciales (factores) es grande. El cribado (caracterización del proceso) se utiliza para reducir el número de factores mediante la identificación de los factores más importantes que afectan la calidad del producto. Esta reducción permite centrar los esfuerzos de mejora del proceso en los factores más importantes. Diferentes tipos de diseño de cribado pueden cribar diferentes tipos de términos y detectar o modelar curvatura. Si es necesario, se pueden realizar más experimentos de optimización para modelar interacciones más complejas o para definir con mayor más precisión la naturaleza de la superficie de respuesta.
Después de identificar los términos importantes utilizando el cribado, debe determinar los valores óptimos para los factores experimentales. Los valores óptimos de los factores dependen del objetivo del proceso. Por ejemplo, es probable que usted desee maximizar el rendimiento del proceso o reducir la variabilidad del producto.
La verificación implica realizar un experimento subsiguiente con las condiciones óptimas pronosticadas para confirmar los resultados de la optimización. Por ejemplo, usted puede ejecutar algunas corridas de verificación con la configuración óptima y luego obtener un intervalo de confianza para la respuesta media.