Nuevo método reduce costos y errores en la experimentación industrial

El método, diseñado por el ingeniero administrador Romario Ademir Conto López, doctor en Ingeniería – Industria y Organizaciones de la Universidad Nacional de Colombia (UNAL) Sede Medellín, tiene un potencial amplio en procesos productivos y de servicios en los que se realizan experimentos de forma secuencial: desde la fabricación de empaques o alimentos hasta el control de calidad en materiales o dispositivos electrónicos.

“Por ejemplo, pensemos en una empresa que produce bolsas de cereal. Si el peso empieza a variar, el ingeniero necesita saber por qué. ¿Será la máquina, el operario o el proveedor del material? Para averiguarlo hace experimentos cambiando esas variables, pero cada cambio le cuesta tiempo y dinero. Con mi método puede definir el orden de esas pruebas para minimizar cambios innecesarios y obtener conclusiones más confiables”, explica el investigador.

Su propuesta representa una oportunidad para fortalecer la competitividad industrial del país, al ofrecer una herramienta que reduce barreras técnicas y económicas para innovar. No se trata solo de optimizar procesos o de probar nuevos materiales, sino de permitir que más sectores puedan hacerlo con rigor y bajo costo.

“El tejido industrial colombiano siempre ha sido criticado por su baja competitividad internacional. Aplicar resultados como los de este método mejora la eficiencia de la experimentación y permite tomar decisiones más acertadas para avanzar en la mejora continua de los procesos productivos del país”, anota el ingeniero administrador.

La aguja en el pajar

La experimentación industrial es el corazón de la mejora continua, ya que permite identificar qué variables influyen en la calidad o el desempeño de un producto, desde el tipo de materia prima hasta las condiciones del proceso. Sin embargo, aplicar el principio de aleatoriedad –central en estadística– para evitar sesgos choca con la realidad de la industria.

Encontrar la secuencia de experimentación que minimice tanto los cambios como los errores externos es un reto computacional gigantesco: “es como buscar una aguja en un pajar, pues hay tantas combinaciones posibles que ni siquiera un supercomputador puede probarlas todas”, explica el investigador, quien para afrontar ese desafío recurrió a herramientas de optimización matemática y programación lineal, y creó el método de asignación-expansión, que adapta procedimientos de la ingeniería al diseño experimental.

Su propuesta empieza con el método de asignación, el cual busca dentro de un conjunto restringido de posibilidades aquellas secuencias que garantizan buenos resultados. “Si lo comparamos con una pila de papeles de colores, y yo sé que el que necesito es amarillo, entonces no busco en todos, sino solo entre los amarillos. Aun así, si hay demasiados necesito una estrategia más eficiente, y ahí entra el método de expansión, que me permite llevar los buenos resultados obtenidos en experimentos pequeños a escenarios más grandes y complejos”, describe.

El modelo se desarrolló en dos lenguajes complementarios: Python y R. En la primera etapa, el algoritmo en Python permitió buscar ordenamientos óptimos para diseños pequeños, evaluando simultáneamente indicadores sobre la cantidad de cambios entre pruebas y la influencia de factores externos. En la segunda, implementó el método de expansión en R, con el que logró generalizar los resultados para experimentos con muchas variables.

En este tipo de ensayos cada variable —por ejemplo temperatura, presión o tipo de material— puede tomar varios valores, llamados niveles. Cambiar de un nivel a otro representa tiempo y dinero, por lo que el objetivo del modelo fue encontrar un orden que redujera al mínimo esos cambios sin afectar la validez estadística del resultado. Así, el investigador logró combinar el rigor matemático con una comprensión práctica de lo que ocurre en la planta o en el laboratorio.

Su aporte no se quedó en lo teórico, ya que programó una librería en R que le permite a cualquier persona ingresar su diseño experimental y obtener el orden recomendado de ejecución. Para quienes no dominan este software, creó además una aplicación web interactiva, en la que basta con escribir el número de experimentos para recibir una secuencia óptima.

“La idea era que cualquier ingeniero, incluso sin conocimientos en programación, pudiera aplicar el método. El sistema le dice literalmente ‘hágalo en este orden’, sin que tenga que entender todo lo que hay detrás. Es una herramienta práctica que se puede usar de inmediato en cualquier empresa”, explica.

El trabajo del doctor Conto amplía los límites del diseño experimental al combinar rigurosidad estadística, pensamiento ingenieril y herramientas digitales. Su método compite con modelos internacionales en escenarios pequeños, y además logra algo que antes no se había alcanzado: generalizar los resultados para experimentos grandes.

“Fue emocionante ver que funcionaba. Tardé semanas dejando el computador encendido, probando distintos algoritmos, hasta que logré que el modelo encontrara los mejores órdenes. No es un experimento de laboratorio, pero sí una investigación que puede cambiar la forma en que se hacen los experimentos en la industria”, destaca.

Aunque el método se puede aplicar en cualquier parte del mundo, su impacto resulta especialmente relevante para Colombia, en donde buena parte de las empresas —en especial las medianas y pequeñas— no realizan experimentación formal por los altos costos que eso implica. Cambiar una variable, detener una máquina o recalibrar un proceso puede representar pérdidas que muchas organizaciones no están en capacidad de asumir.

Con este desarrollo, la UNAL reafirma su papel como semillero de innovaciones que nacen en la academia y terminan impactando directamente en la productividad del país. Los resultados de este trabajo de investigación se presentaron en la reciente edición de Concurso Tesis en 3 Minutos (3MT), organizado por la Dirección Nacional de Programas de Posgrado.