Ha habido cuatro eras del desarrollo moderno del diseño experimental estadístico. La era agrícola fue
encabezada por el trabajo pionero de Sir Ronald A. Fisher en los años 1920 y principios de la década de
1930. En este periodo, Fisher fue el responsable de las estadísticas y el análisis de datos en la Estación Agrícola
Experimental de Rothamsted en las cercanías de Londres, Inglaterra. Fisher se percató de que
las fallas en la forma en que se llevaba a cabo el experimento que generaba los datos obstaculizaban con
frecuencia el análisis de los datos de los sistemas (en este caso sistemas agrícolas). Mediante la interacción con múltiples
científicos e investigadores de diversos campos, Fisher desarrolló las ideas que llevaron a los tres principios básicos del
diseño experimental que se revisan en la sección 1-3: la aleatorización, la realización de réplicas y la formación de
bloques. Fisher incorporó de manera sistemática el pensamiento y los principios estadísticos en el diseño de las
investigaciones experimentales, incluyendo el concepto de diseño factorial y el análisis de varianza. Suslibros [44a, b]
tuvieron profunda influencia en el uso de la estadística, particularmente en la agricultura y las ciencias biológicas
relacionadas. Para una excelente biografía de Fisher, ver Box [21].

Si bien es cierto que la aplicación del diseño estadístico en ambientes industriales se inició en la década de 1930, el
catalizador de la segunda era, o era industrial, fue el desarrollo de la metodología de superficies de respuesta (MSR) por
parte de Box y Wilson [20]. Estos autores se percataron y explotaron el hecho de que muchos experimentos industriales
son fundamentalmente diferentes de sus contrapartes agrícolas en dos sentidos: 1) la variable de respuesta puede
observarse por lo general (casi) de inmediato, y 2) el experimentador puede obtener pronto información crucial de un
pequeño grupo de corridas que puede usarse para planear el siguiente experimento. Box [12f] denomina inmediatez y
secuencialidad a estas dos características de los experimentos industriales. En los 30 años siguientes, la MSR y otras
técnicas de diseño se generalizaron en las industrias química y de proceso, sobre todo en el trabajo de investigación y
desarrollo. George Box fue el líder intelectual de este movimiento. Sin embargo, la aplicación del diseño estadístico a nivel
de plantas o procesos de manufactura todavía no estaba muy generalizada. Algunas de las razones de ello incluyen la
capacitación inadecuada de ingenieros y otros especialistas en procesos en los conceptos y los métodos estadísticos
básicos, así como la falta de recursos de computación y software de estadística que fueran fáciles de usar para apoyar la
aplicación de experimentos diseñados estadísticamente.

El interés creciente de la industria occidental en el mejoramiento de calidad que empezó a fines de la
década de 1970 anunció la tercera era del diseño estadístico. El trabajo de Genichi Taguchi (Taguchi yWu
[109], Kackar [62] y Taguchi [108a, b]) tuvo un impacto significativo en el aumento del interés y el uso de
los experimentos diseñados. Taguchi propugnaba por el uso de experimentos diseñados para lo que denominó el diseño
paramétrico robusto, es decir,
   1. Hacer procesos insensibles a los factores ambientales o de otra índole que son difíciles de controlar.
   2. Fabricar productos insensibles a la variación transmitida por los componentes.
   3. Encontrar los niveles de las variables del proceso que obliguen a la media a un valor deseado
   mientras que al mismo tiempo se reduzca la variabilidad en torno a este valor.

Taguchi propuso diseños factoriales altamente fraccionados y otros arreglos ortogonales junto con algunos métodos
estadísticos nuevos para resolver estos problemas. La metodología resultante generó muchas discusiones y
controversias. Parte de la controversia surgió porque en Occidente la metodología de Taguchi fue defendida al principio (y
sobre todo) por empresarios, y no se había hecho la revisión escrutadora adecuada de la ciencia estadística fundamental.
Para fines de la década de 1980, los resultados de esta revisión indicaron que aun cuando los conceptos y los objetivos
enfocados en la ingeniería de Taguchi tenían bases sólidas, existían problemas sustanciales con su estrategia experimental
y sus métodos para el análisis de los datos. Para detalles específicos de estas cuestiones, ver Box [12d], Box, Bisgaard y
Fung [14], Hunter [59a, b], Myers y Montgomery [85a] y Pignatiello y Ramberg [94]. Gran parte de estas
preocupaciones se resumen también en el amplio panel de discusión del número de mayo de 1992 de TeehnomeDies
(ver Nair, et al. [86]).

Hubo al menos tres resultados positivos de la controversia desatada por Taguchi. Primero, el uso de
los experimentos diseñados se hizo más generalizado en las industrias con piezas discretas, incluyendo la
industria de manufacturas automotrices y aeroespaciales, de electrónica y semiconductores, y muchas
otras, que anteriormente hacían poco uso de esta técnica. Segundo, se inició la cuarta era del diseño estadístico. Esta era
ha incluido un renovado interés general tanto por parte de investigadores como de profesionales en ejercicio en el
diseño estadístico y el desarrollo de varios enfoques nuevos y útiles para los problemas experimentales en el mundo
industrial, incluyendo alternativas a los métodos técnicos de Thguchi que permiten que sus conceptos de ingeniería se
lleven a la práctica de manera eficaz y eficiente. Algunas de estas alternativas se revisarán e ilustrarán en capítulos
subsecuentes, en particular en el capítulo 11. Tercero, la educación formal en diseño experimental estadístico se está
haciendo parte de los programas de ingeniería en las universidades, tanto a nivel de licenciatura como de posgrado. La
integración exitosa de una buena práctica del diseño experimental en la ingeniería y las ciencias es un factor clave en

la competitividad industrial futura.

Última modificación: sábado, 25 de noviembre de 2023, 00:54