En el mundo de la ciencia y la tecnología, en constante evolución, la capacidad de pensar de forma crítica y resolver problemas es más importante que nunca. El método científico es circular e iterativo, guiando el diseño experimental como un proceso sistemático. Este proceso consta de cuatro etapas fundamentales: la observación del fenómeno, la formulación de una teoría lógica, la predicción de eventos futuros y, por último, la toma de decisiones basada en pruebas. Los resultados de la decisión modifican nuestras conjeturas originales y nos obligan a reiniciar el proceso.
Un experimento no es solo una observación, sino una prueba controlada en la que introducimos cambios deliberados para revelar verdades ocultas. Sin un diseño robusto, los números son solo ruido; con uno, se convierten en una herramienta de predicción capaz de silenciar la incertidumbre. El diseño experimental es el núcleo de la investigación científica, ya que proporciona un enfoque estructurado para explorar preguntas, probar hipótesis y extraer conclusiones significativas. Es, en última instancia, el cálculo del grado de incertidumbre, permitiendo que la estadística trascienda la mera descripción de lo ocurrido y se convierta en una brújula predictiva.
Fundamentos del Diseño Experimental
La técnica del 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. Se utiliza para determinar estadísticamente las formas de mejorar un proceso existente, limitando al mismo tiempo el riesgo de un esfuerzo inútil. El Diseño Experimental, como también se le llama, analiza la relación entre los factores del proceso y sus resultados.
Uno de los conceptos más sutiles y cruciales en el diseño de experimentos es la distinción entre factores de tratamiento y factores de clasificación. Los factores de tratamiento son variables de interés para el experimentador cuyo posible efecto sobre la respuesta se quiere estudiar; por ejemplo, un fármaco es un tratamiento porque el investigador decide quién lo recibe. En cambio, el género, el tipo de suelo o la especie de una madera son propiedades intrínsecas, denominadas factores de clasificación, ya que no se puede "asignar" el género a un sujeto. Esta distinción es vital, ya que los factores de clasificación suelen actuar como fuentes extrañas de variación que, si no se identifican, pueden sesgar los resultados.
Existe un "espejismo estadístico" muy común: creer que medir muchas veces lo mismo aumenta la validez de un experimento. El riesgo técnico consiste en confundir el error experimental (la variación entre distintas unidades experimentales) con el error de muestreo (la variación dentro de una misma unidad experimental). Si se miden 50 plantas en una sola parcela, solo se está reduciendo el error de muestreo. Para validar realmente un tratamiento y reducir el error experimental, se necesitan más parcelas independientes, no más plantas en la misma parcela.
Lea también: Definición Detallada del Proceso Contable
A menudo se piensa que el tratamiento de control o de testigo es solo un requisito burocrático, pero es esencial. Imagine que intenta escuchar un susurro (el efecto de un nuevo fertilizante) en una habitación donde alguien está gritando (la alta fertilidad natural del suelo). Sin un testigo -una zona sin fertilizante-, se atribuiría el crecimiento de las plantas al producto, cuando en realidad sería el suelo quien haría todo el trabajo.
Componentes del Diseño Experimental
Los experimentos de diseño se basan en tres aspectos clave, cuyo entendimiento es crucial para definir el DoE:
- 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.
- Variables incontrolables: Se refiere a los factores que no pueden modificarse, pero 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.
- Respuestas: Se refiere al resultado del proceso que mide el efecto deseado. Están influenciados por los factores y sus niveles.
Tipos de Experimentos
No toda la ciencia busca lo mismo, por lo que saber qué tipo de experimento tiene delante cambiará su criterio.
- Experimentos absolutos: Buscan determinar propiedades físicas constantes, como la velocidad de la luz.
- Experimentos comparativos: Son el corazón de las ciencias aplicadas y de la ingeniería. En estos casos, los valores absolutos pueden variar según el entorno, pero la relación entre los tratamientos permanece estable. En el mundo de la gestión, casi siempre estamos ante experimentos comparativos.
Etapas del Diseño de Experimentos
El "Diseño de Experimentos" es una técnica estadística sistemática cuyo objetivo es realizar una serie de pruebas en las que se inducen cambios deliberados para averiguar si determinados factores influyen en la variable de interés o de estudio y, si existe influencia de algún factor en el proceso o producto, cuantificarla. Los procesos estándar del diseño de experimentos suelen estar estructurados en torno a siete o menos pasos:
-
Identificación del problema y definición de los objetivos
Es fundamental determinar el objetivo o lo que se quiere conseguir. Es importante solicitar aportaciones de todas las áreas involucradas: ingeniería, calidad, manufactura, mercadotecnia, administración, el cliente y el personal de operación. En la mayoría de los casos es conveniente hacer una lista de los problemas o preguntas específicas que van a abordarse en el experimento.
Lea también: Proceso de Auditoría Interna
-
Elección de los factores y los niveles
Una fuente de variación es cualquier "cosa" que pueda generar variabilidad en la respuesta u objeto de estudio. Se recomienda hacer una lista de todas las posibles fuentes de variación del problema. Se denomina factor tratamiento a cualquier variable de interés para el experimentador cuyo posible efecto sobre la respuesta se quiere estudiar. Los niveles de un factor tratamiento son los tipos o grados específicos del factor que se tendrán en cuenta en la realización del experimento. Se recomienda tener en cuenta las interacciones de los factores en juego.
-
Selección de la variable respuesta
Para seleccionar la variable de respuesta, el experimentador deberá tener la certeza de que esta variable proporciona en realidad información útil acerca del proceso bajo estudio. Los datos que se recogen en un experimento son medidas de una variable denominada variable respuesta o variable de interés y es importante precisar en qué unidades se mide. En la mayoría de los casos, el promedio o la desviación estándar (o ambos) de la característica medida será la variable respuesta.
-
Elección del diseño experimental
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. La elección del diseño implica la consideración del tamaño de la muestra (número de réplicas). En muchos experimentos de ingeniería se sabe que algunos de los niveles de los factores (variables) producirán valores diferentes de la respuesta. En consecuencia, el interés se centra en identificar "qué" factores causan esta diferencia y en estimar la magnitud del cambio de la respuesta; en otras palabras, es determinar el "cómo" se van a realizar los experimentos (especificar qué unidades experimentales se observarán bajo cada tratamiento).
-
Realización del experimento
Se debe asegurar que todos los recursos necesarios para la experimentación estén disponibles. En esta fase suele ser conveniente no apresurarse a realizar los experimentos, sin antes analizar la realización de algunas actividades previas debido a que se suelen subestimar los aspectos logísticos y de planificación del DoE. Se debe tener especial cuidado e intentar adelantarse a los problemas. Luego, se ejecuta el diseño, se recoge la información de la/s tirada/s y se registran las respuestas que se obtienen, de forma cuantitativa y estadística.
-
Análisis estadístico de los datos
En esta fase, se deberán usar métodos estadísticos para analizar los datos a fin de que los resultados y las conclusiones sean objetivos y no de carácter apreciativo. Si el experimento se ha diseñado correctamente y se ha llevado a cabo de acuerdo al diseño, los métodos estadísticos necesarios no deben ser complicados. Con frecuencia se encuentra que los métodos gráficos simples desempeñan un papel importante en el análisis e interpretación de datos. Se recomienda utilizar un software estadístico.
Lea también: Más sobre el Proceso de Auditoría
-
Mejoras, control y conclusiones prácticas
Todo el trabajo de las fases anteriores tiene que dar sus resultados en esta etapa. Por lo que se intentará maximizar los beneficios. Una vez implementadas las mejoras se debe realizar el seguimiento y verificar la estabilidad de las mejoras obtenidas. El experimentador debe sacar conclusiones prácticas acerca de los resultados y recomendar un curso de acción. Se recomienda evaluar la necesidad de experimentos confirmatorios.
Técnicas Estadísticas Clave en el Diseño Experimental
El diseño de experimentos utiliza diversas técnicas estadísticas para analizar y validar los resultados:
-
Análisis de Varianza (ANOVA)
El análisis de varianza sirve para verificar si hay diferencias estadísticamente significativas entre medias cuando tenemos más de dos muestras o grupos en el mismo planteamiento. El procedimiento para comparar estos valores está basado en la varianza global observada en los grupos de datos numéricos a comparar. El objetivo del análisis de la varianza (ANOVA) se basa en la descomposición de la variabilidad total en dos partes, una parte debida a la variabilidad entre las distintas poblaciones o tratamientos y otra parte que puede considerarse como la variabilidad intrínseca de las observaciones. Por ejemplo, un ingeniero de desarrollo de productos desea maximizar la resistencia a la tensión de una nueva fibra sintética. Ante esta situación, el ingeniero decide tomar cinco ejemplares muestras para cinco diferentes niveles de % de algodón y medir la fortaleza de las fibras así producidas. El análisis de la varianza nos ayudará a responder si influye el % de algodón en la fortaleza de la fibra fabricada.
-
Diseño de Bloques Completos
En cualquier experimento, la variabilidad que surge de un factor perturbador puede afectar a los resultados. Cuando el factor perturbador es conocido y controlable puede utilizarse la técnica "diseño de bloques completos". En este tipo de diseño de experimentos se consideran tres fuentes de variabilidad: el factor de tratamientos, el factor de bloques y el error aleatorio. El uso de bloques estratifica las unidades experimentales en grupos homogéneos o unidades parecidas. Por ejemplo, un ingeniero de producción investiga el efecto de cuatro métodos de producción A, B, C y D, sobre el tiempo de producción en minutos. El objetivo es tener comparaciones precisas entre los tratamientos de los estudios de investigación, controlando posibles factores perturbadores mediante bloques.
-
Diseños Factoriales
En muchos experimentos interviene el estudio de los efectos de dos o más factores. En general, los diseños factoriales son lo más eficientes para este tipo de experimentos. Por diseño factorial se entiende que en cada ensayo o réplica completa del experimento se investigan todas las combinaciones posibles de los niveles de los factores. La necesidad de estudiar conjuntamente varios factores obedece a la posibilidad de que el efecto de un factor cambie según los niveles de otros factores, esto es, que los factores interactúen o exista interacción. El efecto de un factor se define como el cambio en la respuesta producido por un cambio del nivel de un factor. Los diseños factoriales se usan ampliamente en experimentos que incluyen varios factores cuando es necesario estudiar el efecto conjunto de los factores sobre una respuesta.
-
Diseño 2k
El más importante de los casos especiales de diseños factoriales es el de k factores, cada uno con sólo dos niveles. Estos niveles pueden ser cuantitativos o cualitativos. Este diseño proporciona el menor número de recorridas con las que pueden estudiarse k factores en un diseño factorial completo. El diseño 2k es de particular utilidad en las etapas iniciales del trabajo experimental, cuando probablemente se estén investigando muchos factores. Considérese una investigación llevada a cabo para estudiar el efecto que tiene la concentración de un reactivo y la presencia de un catalizador sobre el tiempo de reacción de un proceso químico.
-
Factores Anidados
En algunos experimentos con factores múltiples, los niveles de uno de los factores (por ejemplo el factor B) son similares pero no idénticos a los diferentes niveles de otro factor (por ejemplo A). Se dice que un factor B está anidado en otro factor A (o que sus niveles están anidados en los de A) cuando cada nivel del factor B aparece asociado a un único nivel del factor A. Se denota como B ⊂ A. Por ejemplo, en una licenciatura de una universidad se estudia el porcentaje de aprobados en una materia, en los grupos de mañana y de tarde. Por la mañana imparten la asignatura dos personas y por la tarde tres.
-
Método de Superficie de Respuesta (MSR)
En la mayoría de los problemas del método de superficie de respuesta, la forma de relación entre la respuesta y las variables independientes es desconocida. Por lo tanto, el primer paso es encontrar una proximidad adecuada de la verdadera relación funcional entre y y el conjunto de variables independientes. Por lo general se emplea un polinomio de orden inferior en alguna región de las variables independientes.
Aplicaciones del Diseño de Experimentos
El Diseño Experimental es una herramienta de importancia fundamental en el ámbito industrial (ingeniería) e incluso en las empresas de servicio para mejorar el desempeño de un proceso de manufactura o servicio. También tiene múltiples aplicaciones en el desarrollo de nuevos productos y procesos. En la industria, el diseño de experimentos suele aplicarse básicamente en dos áreas: el diseño y la mejora de procesos y productos.
- Industria farmacéutica: El DoE se utiliza en las fases de formulación y fabricación de medicamentos, reduciendo las impurezas y asegurando la calidad. Es especialmente útil en fármacos de liberación prolongada.
- Industria de bienes de consumo rápido (IBCR o FMCG): Ayuda a comparar alternativas para obtener la respuesta en la que el precio sea más barato pero sin comprometer la calidad de productos de consumo diario.
- Diseño de productos: Es una herramienta útil para determinar los factores específicos que afectan a los niveles de defectos en un producto, que pueden utilizarse para mejorar su diseño.
- Mejora de procesos: La realización de un DoE puede descubrir problemas importantes que normalmente se pasan por alto al realizar un experimento, lo que permite corregir y mejorar los procesos.
- Control de calidad: Identifica factores que reduzcan el uso de materiales y energía, los costes y el tiempo de espera, y se utiliza para probar un producto o sistema antes de lanzarlo al mercado.