Bifurcación secuencial / planes dicotómicos. Ante un fallo con numerosas causas posibles, no podemos permitirnos realizar un ensayo por factor. La investigación dicotómica elimina la mayoría de ellas en tan solo unos pocos ensayos, agrupando los factores en lugar de analizarlos uno por uno.
El principio: cada factor se ajusta a su nivel el más favorable a priori (BOB, Lo mejor de lo mejor) o el más desfavorable a priori (¡GUAU!, Lo peor de lo peor). Se construyen unas cuantas configuraciones en las que los factores sospechosos pasan de un grupo a otro, un poco como si se buscara un nombre en un diccionario dividiendo cada vez el montón de páginas por la mitad. Un factor activo se delata por el comportamiento del grupo al que pertenece; un factor inactivo se diluye en el grupo y desaparece de la investigación.
💡 Se trata de un método para buscar causas, del mismo tipo que «BOB vs WOW» y la «inversión de componentes»: no confirma un modelo, sino que reduce una larga lista de sospechosos a unos pocos culpables probables. A continuación, el diseño experimental clásico toma el relevo para cuantificar y confirmar.
1. ¿Cuántas pruebas y por qué?
Para N factores, Hay N columnas abiertas, pero solo k = ⌈log₂N⌉ Se necesitan ensayos: bastan 3 ensayos para cubrir hasta 8 factores, 4 ensayos hasta 16 y 5 hasta 24. A cada factor se le asigna un firma binaria propia —su posición BOB o WOW en cada una de las k pruebas— y dos factores nunca comparten la misma firma. Es esta firma la que permite, una vez realizadas las pruebas, saber cuál de los factores agrupados ha modificado la respuesta.
Antes de iniciar las pruebas, hay que elegir cómo se evaluará la variación observada en cada etapa. Se puede elegir entre tres modos en el panel de la izquierda:
| Modo | Principio | Cuándo utilizarlo |
| Diferencia (BOB − WOW) / 3 | La dispersión se deduce de la propia desviación, por lo que no es necesario realizar ninguna repetición. | Análisis preliminar rápido, no hay datos de dispersión disponibles. En este modo no es posible realizar ninguna prueba de significación: la conclusión sigue siendo cualitativa. |
| Pruebas repetidas | Cada configuración se mide varias veces; la desviación típica se calcula a partir de estas repeticiones. | Se desconoce la dispersión, pero las pruebas pueden repetirse a bajo coste. |
| Desviación típica conocida | Se introduce un valor sigma ya establecido: capacidad de la máquina, R&R del calibre, gráfico de control SPC. | El proceso ya se encuentra bajo control estadístico y su sigma residual está documentado. |
⚠️ En el modo «Pruebas repetidas», una sola repetición no permite calcular la desviación típica: se necesitan al menos dos pruebas por configuración.
💡 Los títulos «BOB» y «WOW» son genéricos. Las dos primeras líneas de la tabla de pruebas, así como el nombre de cada factor, se pueden modificar: cámbiales por los términos que utilices en tu taller (por ejemplo, «Nuevo» / «Usado», «Proveedor A» / «Proveedor B»). Una vez personalizados, serán estos títulos los que aparecerán en las celdas de la tabla, en lugar de las palabras BOB/WOW.
2. Pestaña «Runs»: desplegar las pruebas
La tabla central muestra, para cada ensayo, el ajuste de cada factor (con su título personalizado) y una columna Lectura donde introducir el valor medido. Junto a la tabla se muestra en todo momento un gráfico con las bandas BOB y WOW situadas a ± tu umbral de dispersión: si un valor se encuentra dentro de una de las bandas, la prueba se clasifica; si se encuentra entre ambas bandas, se considera indecisa (INC).
Tras cada lectura, una barra de estado resume el estado de la investigación y señala inmediatamente cualquier anomalía: desviación no significativa, bandas superpuestas o contradicciones en las eliminaciones.
- Un valor dentro del intervalo BOB confirma el grupo BOB de este ensayo; ;
- Un valor dentro del rango WOW confirma el grupo WOW; ;
- Un valor entre las dos bandas es indecisa : aunque todavía no permite eliminar los factores de este ensayo, tampoco es que esté perdida por ello (véase la estimación parcimoniosa de los efectos)
3. Pestaña «Diagnóstico»: el registro de eliminación
Es aquí donde la lógica del desbaste se puede comprobar. Para cada ensayo, Ellistat muestra qué factores han sido eliminados (considerados inactivos) y cuáles siguen sospechosos, junto con el motivo de cada decisión. Una matriz de firmas binarias recoge, factor por factor, su posición en cada prueba, lo que permite comprender a posteriori por qué un factor determinado ha sobrevivido y otro no.
4. Pestaña «Multi-Vari»: visualizar los supervivientes
Un gráfico multivariable anidado recoge todos los factores que han superado la prueba de supervivencia, ordenados por orden decreciente de magnitud del efecto. Permite ver de un solo vistazo si uno o dos factores predominan claramente sobre los demás, o si el efecto se distribuye entre varios factores de importancia comparable, lo cual es una información útil para valorar si la investigación ha concluido o si es necesario completar el diseño.
5. Completar el plan de confirmación
Cuando hay varios factores supervivientes (m ≥ 2), los k ensayos de cribado no bastan para distinguir sus efectos propios: estos siguen estando mezclados. Ellistat propone entonces los ensayos complementarios necesarios para obtener un diseño analizable L4/L8 de resolución III o IV, según el número de supervivientes. reutilizando las pruebas ya realizadas, sin volver nunca a empezar desde cero.
| Supervivientes (m) | Plan propuesto |
| 1 | No hay nada más que añadir: el factor está aislado, pasa directamente a la confirmación. |
| De 2 a 4 | Complemento para un plan factorial completo o una resolución IV, en función del número exacto de supervivientes. |
| De las 5 a las 7 | Complemento para obtener una titulación L8 de nivel III (como mínimo) o IV. |
| 8 | Se requiere un diseño factorial completo o fraccionario de resolución IV, en función de las interacciones que se deban tener en cuenta. |
6. Pestaña «Efectos»
El principio. Cada factor de la prueba dicotómica tiene solo dos niveles: BOB y WOW. Comprobar si un factor tiene un efecto significativo sobre la respuesta equivale, por tanto, a comprobar si el coeficiente de regresión asociado a este factor, en un modelo lineal, es distinto de cero.
Lee la tabla. Para cada factor seleccionado, la pestaña «Efectos» muestra:
| Columna | Significado |
| Efecto | El cartero (con su nombre personalizado). |
| Coeficiente | La mitad de la diferencia entre el nivel BOB y el nivel WOW en la respuesta: el efecto del factor. |
| Error estándar | La incertidumbre sobre este coeficiente, teniendo en cuenta el plano elaborado. |
| T | La relación coeficiente/error típico: es la estadística de la prueba de Student. |
| P | El valor p asociado —que debe interpretarse siguiendo los mismos criterios que en el apartado 2—: significativo por debajo de 0,05; límite entre 0,05 y 0,1. |
| Significado | El veredicto en pocas palabras: significativo o dudoso. |
| VIF | Factor de inflación de la varianza. Mide el grado de correlación de este factor con los demás en el diseño realizado. Un VIF elevado indica que el diseño no está lo suficientemente equilibrado como para aislar adecuadamente este factor; puede ser necesario realizar una prueba de confirmación adicional. |
En la parte inferior del cuadro: el R² y el R² ajustado (porcentaje de la variación de la respuesta explicada por el modelo), y la constante (el valor medio previsto cuando todos los factores se encuentran en su nivel de referencia).
⚠️ Los valores p de esta pestaña son optimistas. El modelo que se muestra no se ha fijado de antemano: los factores que aparecen en él son aquellos que han sobrevivido a la fase de filtrado preliminar tras un primer análisis de los datos. Esta elección, realizada a posteriori, inflan artificialmente la confianza que reflejan los siguientes valores p. Siguen siendo útiles para comparar los factores entre sí, pero no deben interpretarse como el valor p de una prueba planificada de antemano; por eso Ellistat recuerda esta advertencia directamente en la pestaña.
La pestaña permanece bloqueada mientras no se haya completado el plan de confirmación del apartado 8.5: con un único superviviente (m = 1), no hay nada que decidir y un mensaje específico lo indica.
7. Pestaña «Method»: indicar el método
Esta pestaña sitúa la investigación dicotómica en su contexto metodológico y distingue dos aportaciones históricas muy diferentes, aunque a menudo se confunden:
- la bifurcación secuencial (bifurcación secuencial), desarrollada por Bettonvil en su tesis de 1990 a partir de una idea de Jacoby y Harrison (1962), que agrupa los factores en bandas fijas en torno a una desviación típica de referencia; ;
- los planos dicotómicos, desarrollados específicamente para aprovechar las columnas impares de las tablas de Taguchi y validar cada umbral mediante una prueba estadística real, en lugar de un intervalo fijo — z, prueba de Dixon y, posteriormente, prueba t a medida que se acumulan los ensayos.
💡 El nombre «Búsqueda dicotómica» elegido para este módulo no es, por tanto, una mera simplificación terminológica: es el término que se utilizó en los trabajos franceses que dieron origen a los planes dicotómicos.