Tips Esenciales Para Planificar Diseños Experimentales
Por Daniel Pérez
El Diseño Experimental es un conjunto de técnicas estadísticas avanzadas que permiten caracterizar, comprender y optimizar procesos. Como metodología transversal para la solución de problemas, vemos su aplicación en múltiples industrias, entre las que se pueden mencionar la industria farmacéutica, dispositivos médicos, agronomía y en cualquier otra área que exista un problema donde la variable a medir (variable respuesta) sea aleatoria y resulte del procesamiento de uno o más parámetros de entrada que influyen sobre dicha variable respuesta.
Aun siendo el Diseño Experimental tan útil y poderoso para la resolución de problemas, muchos de los experimentos que se realizan terminan en fracasos. Algunos de estos fracasos ocurren debido a errores (no estadísticos) que comete el experimentador que van desde la planificación del experimento hasta la ejecución de las corridas haciendo que el error experimental sea tan grande, que la variación observada por los modelos corresponda más a fallas en la aplicación de las pruebas experimentales, que a la variación per sé que experimenta el proceso.
Tomando como base lo expuesto en el párrafo anterior, se recomiendan tres “tips básicos” para quienes planean resolver un problema mediante técnicas de Diseños de Experimentos, de modo que puedan obtener mejores resultados en sus experimentos venideros.
1- No todos los problemas se resuelven mediante Diseño Experimental
Este es el primer inconveniente que se les presenta a algunos practicantes, ya que intentan resolver todos los problemas utilizando Diseños de Experimentos. Aunque el DoE (Design of Experiments) es la forma más eficaz de hacer pruebas, no todos los problemas se limitan a la aplicación de pruebas experimentales para ser resueltos. Es por esto por lo que se les invita a abordar el problema de manera reflexiva para identificar cuál herramienta de solución de problemas brindará una respuesta más oportuna.
Hay otras técnicas estadísticas más sencillas y directas que el DoE que nos pueden ayudar a comprender un proceso y tomar acciones para mejorarlo sin la necesidad de diseñar, planificar y ejecutar pruebas experimentales. Por lo que se recomienda poner especial énfasis en el problema para que puedas aplicar la técnica que más rápido te ayude a solucionar el problema.
Algunas técnicas estadísticas que en ocasiones nos pueden brindar una descripción del comportamiento de un proceso son: pruebas comparativas simples (una o dos muestras), gráficos de control, índices de capacidad de procesos, análisis de correlación y regresión, análisis multivariado, análisis de patrones en la variación y el uso de los análisis gráficos que también ayudan a visualizar de forma sencilla el comportamiento de los fenómenos.
2- En DoE el conocimiento práctico es igual de importante que el conocimiento estadístico
Este elemento es de los más importantes al momento de planificar un experimento y hará que ahorres tiempo y dinero al conducir las pruebas. Esto porque en la sesión de planificación del experimento siempre deben estar presentes los conocedores de los procesos (Conocimiento práctico) y esto evitará que se seleccionen factores que por conocimiento empírico se sabe que no influyen sobre la variable respuesta. Esto a su vez hará que la cantidad total de corridas se reduzca significativamente, reduciendo así el tiempo y el costo del experimento.
Lo mismo pasa con los niveles de los factores. Los conocedores de los procesos ayudarán a que se seleccionen niveles de factor que no sean muy cercanos tal que no se observe ningún cambio en la variable respuesta, esto ayudará a que se seleccionen la cantidad de niveles adecuados y que los mismos aseguren que entre ellos hay una distancia prudente para que se pueda identificar alguna diferencia en el proceso (en caso de que exista).
Ejemplo:
Si en la industria de dispositivos médicos se quiere hacer una validación de una máquina selladora y uno de los factores elegidos es la Temperatura de Sellado, el operador de la máquina será un ente valioso para indicar los valores aproximados a los que dicho material sella en esa máquina y cuáles serían los niveles de temperatura prudentes para iniciar los estudios de ingeniería. Con esto evitarás probar temperaturas excesivas o muy frías (gasto de material) para encontrar el rango de operación donde la variable respuesta (Hermeticidad o resistencia del sellado) presenta los valores esperados en dicho proceso.
3- Aleatorización
Aunque en algunos escenarios específicos la aleatorización no es tan fácil de conseguir, siempre es recomendable hacer todo lo posible para que las pruebas o corridas se realicen de forma aleatoria. ¿Por qué es esto tan importante? La razón para aleatorizar es asegurar que el error se distribuya de forma aleatoria, es decir, que afecte a todos los elementos por igual. De este modo se asegura que cualquier fuente sistémica de variación que exista en el proceso afecte todas las corridas de una forma similar
Esto vamos a explicarlo con un ejemplo:
Si en la misma máquina del ejemplo anterior, las corridas finales siempre se hicieron para un nivel de temperatura específico, todo el error que pudiera resultar en que la termocouple de la máquina sea más estable calentando después de cierto tiempo en operación beneficiaría de forma significativa estas corridas finales y se evidenciaría una mayor variabilidad del factor temperatura en las corridas iniciales (y, por ende, posiblemente de la variable respuesta). En este caso específico vemos la importancia de aleatorizar, ya que, si se aleatoriza, ese error se distribuiría para todas las corridas de forma aleatoria de manera que las afecte a todas de forma similar, garantizando que, si hay un error significativo en ese elemento, el mismo afecte a todas las corridas de forma similar.
En el campo de las pruebas experimentales controladas se presentan otros elementos adicionales, que sin duda pueden contribuir a tener mejores resultados en experimentos controlados, sin embargo los elementos detallados previamente son clasificados como críticos y de especial importancia al pensar en DoE para la solución de problema, ya que ayudarán a reducir el tiempo de los estudios de ingeniería previo a la ejecución del diseño experimental, reducirá costos en las pruebas (reducción de la cantidad de factores y niveles probados) y agilizará la velocidad con la que caracterizas, mejoras y optimizas el proceso.