micromejora_Diseño de Experimentos enriquecido con una técnica

DISEÑO DE EXPERIMENTOS ENRIQUECIDO CON UNA TÉCNICA DE CORRELACIÓN.
El diseño de experimentos ( DOE) al que nos referimos aquí se denomina diseño factorial ( 2k). El
coeficiente de correlación que utilizamos es el coeficiente de correlación por rangos de Spearman.
El diseño de experimentos mediante análisis factorial se utiliza habitualmente en las altas jerarquías de la
jerarquía financiera macro para simular que pasaría para distintas combinaciones de variables de control
que influyen sobre una variable objetivo sobre la que se quiere incidir: por ejemplo, si el Banco Central
Europeo tiene como objetivo reducir la inflación y existen dos variables ( el tipo de interés y las
regulaciones legales a la exportación ) que influyen sobre la tasa de inflación, hay que probar sobre el
papel distintas K-combinaciones para asociar cada Tratamiento ( cada combinación de variables ) a su
correspondiente respuesta.
De esta forma tenemos:
RESPUESTA
(INFLACIÓN)
DATO DE
INFLACIÓN
OBTENIDO
FACTOR
(TIPO DE
INTERÉS)
1%
NIVEL
(REGULACIÓN
LEGAL)
ESTRICTA
2%
MEDIA
TRATAMIENTO
(TIPO X,REG.Y)
(1%,REG.
ESTRICTA)
INVIERNO
…
RÉPLICA
(TIPO X, REG Y)
MOMENTO Z
(1%,REG.ESTRICTA)
VERANO
….
Así planteado, para evaluar un experimento con la inflación podríamos introducir en el ordenador
distintas combinaciones de tipos de interés entre el 1% y el 5%, e incluir 3 tipos de regulaciones sobre la
exportación ( estricta, media, laxa) y tomar muestras en cuatro trimestres.
Desde estos fundamentos tendríamos un diseño de experimentos que exigiría la adopción de 60
escenarios distintos que elaboraríamos sin abandonar el ordenador. Lo cual supondría un enorme ahorro
de lágrimas para los ciudadanos.
El coeficiente de correlación por rangos de Spearman permite razonar a priori que combinación de
variables ( factores, niveles) tiene más sentido, con el consiguiente ahorro de tiempos de análisis y de
preparación de escenarios conceptuales.
Existen múltiples usos combinados de estas herramientas que se pueden asimilar a procesos industriales
y de servicios, y que aportan un enorme potencial de mejora para diseñar:
procedimientos de transporte
( elección de rutas )
fabricación de medicamentos ( elección de principios activos )
movilización de personas dependientes ( elección de posturas y recursos )
que se pueden estructurar y optimizar sin causar intromisión ni daño en la realidad. Se calcula que el
diseño de experimentos en una organización industrial de entre 18 y 50 empleados puede suponer un
ahorro medio de hasta 240.000 € si se encuentra bien definido. *
*empresa de transporte de 40 empleados, en región altamente desarrollada, con 10 rutas diarias.