Por Oliver Franz.

Cualquiera que haya asistido a una revisión de proyecto después de una costosa prueba conoce el incómodo momento en que alguien pregunta: "¿Qué aprendimos realmente?".

El equipo estaba ocupado, la gente esperaba, el material se consumía y, sin embargo, la respuesta aún podría ser que se necesita otro experimento antes de que alguien pueda elegir con seguridad la configuración de un proceso.

Ese momento pone de manifiesto una deficiencia en la forma en que se suele evaluar la eficiencia experimental. Los equipos suelen contabilizar las ejecuciones porque son visibles, pero el coste real reside en las preguntas sin respuesta sobre las interacciones, el comportamiento no lineal y el rango de operación. Un diseño de cribado compacto puede parecer económico en la fase de planificación, pero luego convertirse en la opción más costosa cuando debe ir seguido de otro estudio antes de que el proceso pueda avanzar.

Un artículo de Peter Goos, José Núñez Ares, Mohammed Saif Ismail Hameed y Maria Lanzerath ofrece una alternativa convincente. Goos y Núñez Ares cofundaron Effex, cuyo software de diseño experimental ahora está disponible como Minitab DOE by Effex, y su estudio publicado muestra cómo se utilizó un diseño de superficie de respuesta ortogonal mínimamente con alias (OMARS) de 24 ensayos y niveles mixtos para estudiar ocho factores que afectan la producción de una resina para un adhesivo de stent vascular.

En esencia, demuestra cómo un experimento cuidadosamente planificado puede reemplazar dos rondas de pruebas separadas, revelando tanto lo que importa como qué configuraciones de proceso tienen más probabilidades de funcionar.

La magnitud del proyecto convirtió la eficiencia experimental en algo más que una mera cuestión estadística. En WL Gore & Associates, un lote experimental de resina ocupaba una unidad de producción a gran escala durante aproximadamente 40 horas y tenía un coste de cinco cifras. Dado que solo era posible realizar una prueba experimental por semana, la secuencia habitual de cribado inicial y optimización mediante superficies de respuesta posterior podía consumir meses antes de que el equipo lograra un rango de parámetros de proceso utilizable.

¿Puede un solo Diseño de Experimentos (DOE) analizar factores y optimizar un proceso?

Un diseño OMARS bien seleccionado puede identificar factores influyentes, a la vez que proporciona la información necesaria para estudiar las interacciones, la curvatura y los entornos operativos prometedores.

Los diseños OMARS ocupan un lugar útil entre los diseños de cribado tradicionales y los experimentos de superficie de respuesta a mayor escala. Su estructura mantiene los efectos principales ortogonales entre sí y a los efectos de segundo orden, lo que ayuda a los ingenieros a separar la influencia directa de un factor de las interacciones y curvas que también pueden afectar la respuesta. Los diseños OMARS de niveles mixtos aportan flexibilidad, ya que los factores pueden estudiarse en dos o tres niveles, según se considere plausible un comportamiento no lineal.

Para el experimento con adhesivo para stents, expertos en procesos y estadísticos seleccionaron ocho factores cuantitativos que abarcan la polimerización, la coagulación, el lavado y el secado. A cinco factores se les asignaron tres niveles, ya que el conocimiento previo sugería que la curvatura podría ser relevante, mientras que a los otros tres se les asignó dos niveles. El equipo también priorizó las posibles interacciones, utilizando años de experiencia en procesos para enfocar el diseño sin asumir que los efectos inesperados fueran imposibles.

Minitab DOE de Effex proporcionó 81 diseños OMARS de 24 ejecuciones con la estructura factorial requerida. Los investigadores los compararon utilizando propiedades de potencia, aliasing y proyección, y finalmente seleccionaron un diseño sin aliasing perfecto entre las interacciones de dos factores.

El diseño seleccionado también se comparó favorablemente con los diseños de cribado definitivo de 22 y 26 ensayos. Ofreció mayor potencia para cinco de las siete interacciones de alta o media prioridad, mientras que su potencia para cuatro efectos cuadráticos fue de 0,48, en comparación con 0,27 y 0,29 para los diseños de referencia.

La lección práctica es que el número de ejecuciones por sí solo no mide el valor experimental. Lo que importa es si las ejecuciones que aparecen en el diseño experimental pueden ayudar a los ingenieros a responder sus preguntas y contribuir significativamente a determinar la siguiente decisión del proceso.

¿Qué valor comercial aportó el diseño OMARS de 24 ejecuciones?

El diseño de OMARS proporcionó a los ingenieros una dirección operativa práctica y la suficiente confianza como para comenzar las pruebas de robustez sin necesidad de realizar primero un experimento de optimización por separado.

El experimento monitorizó el índice de fluidez de la masa fundida tras la polimerización y las impurezas residuales al finalizar el proceso. El análisis indicó que era necesario utilizar menores cantidades de dos reactivos de polimerización para mantener el índice de fluidez dentro de las especificaciones, además de reducir la cantidad de ácido, aumentar la de base, disminuir las temperaturas de coagulación y lavado, y aumentar el número de ciclos de lavado para reducir las impurezas. Los modelos seleccionados también sugirieron una menor temperatura de secado.

Leyendo de izquierda a derecha, el gráfico muestra que tres enfoques de modelado diferentes para la impureza residual pueden discrepar sobre la forma de los efectos individuales, pero aun así converger en configuraciones casi idénticas, que es el acuerdo que un equipo necesita antes de comprometerse con la siguiente fase.

La fila superior muestra el índice de fluidez de la masa fundida, mientras que las filas inferiores presentan las predicciones de impurezas residuales obtenidas mediante tres modelos diferentes. Las líneas discontinuas indican la configuración seleccionada.

Para llegar a esa conclusión, el equipo comparó numerosos modelos plausibles en lugar de confiar en una sola ecuación. Los ingenieros también descartaron una interacción estadísticamente significativa por carecer de sentido físico, ya que un resultado útil del diseño de experimentos debe superar tanto el análisis matemático como el conocimiento del proceso. La incertidumbre persistió, pero no impidió que el grupo actuara.

Se vislumbran mejores decisiones de proceso en el horizonte

Los ingenieros de procesos identificaron finalmente una configuración con alta probabilidad de cumplir con las especificaciones del cliente y los requisitos internos del proceso. Dicha configuración se sometió a un estudio de robustez que abarcó diferentes días, turnos y lotes de materia prima, lo que permitió obtener evidencia sobre la capacidad del proceso y planificar la liberación de futuros lotes.

Esta progresión es importante porque un experimento exitoso debe ir más allá de explicar los resultados históricos. Debe ayudar a un equipo multidisciplinario a ponerse de acuerdo sobre los próximos pasos y proporcionar una estrategia sólida para lograr una producción confiable.

Para los equipos que trabajan con costosos procesos por lotes, los diseños de OMARS ofrecen la clave para una experimentación exitosa y asequible. El valor de estos diseños reside en convertir un número limitado de oportunidades experimentales en una decisión operativa clara, lo que acorta el camino desde el desarrollo hasta un proceso que pueda ofrecer de forma consistente lo que los clientes requieren.