Diseño de Experimentos (DOE) — Cuándo usarlo y cómo aplicarlo en Lean Six Sigma
El Diseño de Experimentos (DOE) es la herramienta estadística más poderosa del arsenal de un Black Belt Lean Six Sigma — y también la más sobreutilizada y mal aplicada. Muchos ingenieros aplican DOE cuando no lo necesitan, y muchos lo evitan cuando es exactamente lo que el proyecto requiere. En este artículo te explicamos qué es el diseño de experimentos, cuándo usarlo, cuándo no usarlo, y cómo aplicarlo correctamente en procesos industriales de México y Latinoamérica.
¿Qué es el Diseño de Experimentos?
El DOE (Design of Experiments) es una metodología estadística que permite estudiar de forma sistemática el efecto de múltiples factores sobre una respuesta del proceso — simultáneamente y de forma eficiente. En lugar de cambiar un factor a la vez — el enfoque intuitivo pero ineficiente — el DOE permite probar múltiples combinaciones de factores en un número mínimo de experimentos, identificando no solo el efecto de cada factor individualmente sino también las interacciones entre ellos. La American Society for Quality lo reconoce como una de las herramientas estadísticas más poderosas para la optimización de procesos.
¿Cuándo SÍ debes usar DOE?
Esta es la pregunta más importante — y la que más profesionales en México y Latinoamérica se hacen mal. El DOE es la herramienta correcta cuando:
1. Tienes múltiples factores y no sabes cuáles son los más importantes
Ejemplo: una línea de inyección de plástico tiene 6 parámetros ajustables — temperatura, presión, tiempo de enfriamiento, velocidad de inyección, temperatura del molde y tiempo de llenado. Los defectos de contracción aparecen de forma inconsistente y no está claro qué parámetro o combinación de parámetros los genera. Un DOE factorial fraccionado puede identificar los 2-3 factores que tienen el mayor efecto con solo 8-16 corridas de experimento.
2. Tienes interacciones entre factores que no puedes estudiar uno por uno
Ejemplo: la resistencia de una soldadura depende tanto de la temperatura como del tiempo de soldadura — pero la relación no es independiente. A temperatura alta, más tiempo puede mejorar la resistencia; a temperatura baja, más tiempo puede no hacer diferencia. Solo el DOE puede capturar esta interacción de forma eficiente.
3. Quieres optimizar los parámetros de un proceso — No solo identificar causas
Cuando el análisis DMAIC ya identificó los factores clave (en la fase Analizar) y ahora necesitas encontrar la combinación óptima de parámetros para maximizar la respuesta, el DOE de Superficie de Respuesta es la herramienta correcta.
4. El costo de experimentos es alto y necesitas hacerlos eficientemente
En procesos donde cada corrida experimental cuesta significativamente en tiempo, material o dinero, el DOE permite obtener la máxima información con el mínimo número de experimentos.
¿Cuándo NO debes usar DOE?
El DOE no es la respuesta para todo. Evítalo cuando:
- La causa raíz ya es obvia: si el análisis de Pareto muestra claramente que el 80% de los defectos vienen de un operador específico en el turno nocturno, no necesitas DOE — necesitas investigar qué pasa en ese turno
- No tienes un sistema de medición validado: hacer DOE con datos de un sistema de medición no validado genera resultados que confirman el ruido del sistema de medición, no los efectos reales de los factores
- El proceso no está bajo control estadístico: si el proceso tiene variaciones especiales no controladas, los resultados del DOE serán inconsistentes y confusos
- Tienes solo un factor que estudiar: para un solo factor, una simple prueba de hipótesis antes-después es suficiente — el DOE es excesivo
Tipos de diseño de experimentos DOE — Cuál usar en cada situación
DOE Factorial Completo (2k)
Estudia todos los factores a dos niveles (alto y bajo) en todas las combinaciones posibles. Ideal para 2-4 factores. Con 4 factores requiere 16 corridas; con 5 factores, 32. Útil cuando el número de corridas es manejable y quieres estudiar todas las interacciones posibles.
DOE Factorial Fraccionado (2k-p)
Estudia solo una fracción de todas las combinaciones posibles, asumiendo que las interacciones de orden alto son insignificantes. Permite estudiar 5-8 factores con solo 8-16 corridas. Es el DOE más usado en manufactura en México y Latinoamérica porque permite cribado eficiente de muchos factores.
Diseño de Plackett-Burman
Diseñado específicamente para cribado de muchos factores con el mínimo de corridas. Permite estudiar hasta 11 factores con solo 12 corridas. Ideal para identificar los 2-3 factores más importantes de entre muchos candidatos.
Superficie de Respuesta (RSM)
Se usa cuando ya se identificaron los factores importantes y se quiere encontrar la combinación óptima. Usa más niveles por factor para modelar la curvatura de la respuesta. Tipos: Central Composite Design (CCD) y Box-Behnken. Ideal para optimización de parámetros de proceso después de identificar los factores clave con un factorial fraccionado.
Los pasos del DOE en un proyecto Lean Six Sigma
Paso 1 — Definir la respuesta del experimento
¿Qué vas a medir? La respuesta debe ser continua (no atributo), medible con un sistema de medición validado (Gage R&R aprobado) y directamente relacionada con el problema que estás resolviendo.
Paso 2 — Identificar los factores y sus niveles
Los factores son las variables que vas a estudiar. Para un factorial 2k, define el nivel bajo y alto de cada factor — deben ser lo suficientemente diferentes para detectar el efecto, pero dentro del rango operativo seguro del proceso.
Paso 3 — Seleccionar el diseño apropiado
Basándote en el número de factores, el presupuesto de corridas y el tipo de información que necesitas, selecciona el diseño. Para cribado: factorial fraccionado o Plackett-Burman. Para optimización: Superficie de Respuesta.
Paso 4 — Aleatorizar y bloquear
La aleatorización del orden de las corridas elimina el efecto de variables no controladas. El bloqueo (blocking) controla el efecto de factores de ruido conocidos — como el operador, el turno o el lote de material.
Paso 5 — Ejecutar el experimento con rigor
El DOE no es una simulación — es un experimento real en el proceso productivo. Cualquier variación no controlada durante las corridas contamina los resultados. Documenta exactamente las condiciones de cada corrida.
Paso 6 — Analizar con software estadístico
Minitab, JMP, R o Python son las herramientas estándar para el análisis de DOE. Los gráficos de efectos principales y de interacciones son el punto de partida. El análisis de varianza (ANOVA) confirma qué factores e interacciones son estadísticamente significativos.
Paso 7 — Confirmar y optimizar
Antes de implementar los parámetros óptimos a escala completa, ejecuta corridas de confirmación para verificar que los resultados predichos por el modelo coinciden con los resultados reales del proceso.
El DOE en el contexto de DMAIC
El DOE se usa principalmente en la fase Mejorar del ciclo DMAIC — cuando las causas raíz ya fueron identificadas y confirmadas en la fase Analizar, y necesitas encontrar la combinación óptima de parámetros para maximizar la mejora. También puede usarse en la fase Analizar cuando se tiene múltiples factores candidatos y el análisis observacional no es suficiente para confirmar cuáles tienen efecto real.
¿Dónde aprender DOE en México y Latinoamérica?
El Diseño de Experimentos es una herramienta exclusiva del nivel Black Belt en Instituto Superant®. Se enseña con ejercicios prácticos usando Minitab, con casos reales de manufactura automotriz y aeroespacial en México.
¿Listo para certificarte?
Explora nuestros programas de certificación Lean Six Sigma:
¿Estás en México? Consulta nuestra página de certificación en San Luis Potosí, Querétaro, Monterrey y Guadalajara.
Ver Black Belt → | Contáctanos →
—
