Tarea Práctica: Diseño en Cuadro Latino (DCL) en Sistemas de Secado

La presenta tarea tiene un enfoque dual (cálculo manual escrito a mano seguido de validación computacional) esto es una estrategia pedagógica fundamental. Obligar al estudiante a estructurar las Sumas de Cuadrados manualmente fortalece enormemente la neuroplasticidad y la comprensión profunda de la varianza, preparándolos mucho mejor para cuando ejecuten los scripts en sus cuadernos interactivos.

A continuación, tienen estructurada la tarea completa, con los datos diseñados matemáticamente para garantizar que tanto las filas, como las columnas y los tratamientos arrojen una alta significancia estadística. Esto justificará plenamente la elección del Diseño en Cuadro Latino (DCL) frente a un DBCA.

Objetivo General:

Evaluar el efecto de múltiples variables de operación en sistemas de secado Agrícola/Agroindustrial mediante la aplicación del Diseño en Cuadro Latino (DCL), integrando el desarrollo lógico-matemático manual con la validación computacional en R.

Objetivos Específicos:

  • Desarrollar el cálculo analítico: Estructurar a mano las Sumas de Cuadrados y la tabla ANOVA para un DCL, fomentando la neuroplasticidad, la retención de los procesos matemáticos y la comprensión profunda de la partición de la varianza.

  • Implementar soluciones computacionales: Desplegar el análisis de varianza utilizando el paquete easyanova en R dentro del entorno de cuadernos interactivos (Google Colab).

  • Interpretar resultados en un contexto de ingeniería: Justificar técnicamente la eficiencia del doble bloqueo (filas y columnas) y tomar decisiones sobre los tratamientos (materiales absorbentes y velocidad de flujo) basándose en la significancia estadística.

Competencias y Resultados de Aprendizaje

Competencias a Desarrollar:

  1. Competencia Disciplinar (Ingeniería y Estadística): Capacidad para diseñar, analizar y optimizar experimentos en bioprocesos o sistemas agroindustriales aislando fuentes de variabilidad externa.

  2. Competencia Digital y Tecnológica: Habilidad para codificar, ejecutar y documentar flujos de trabajo estadísticos utilizando lenguajes de programación (R) y entornos colaborativos en la nube.

  3. Pensamiento Crítico y Analítico: Capacidad para traducir salidas de software (valores P, estadísticos F) en conclusiones técnicas accionables para el diseño de equipos e instalaciones.

Resultados de Aprendizaje (RA):

  • RA1: El estudiante calcula con precisión los componentes del ANOVA para un Diseño en Cuadro Latino sin depender inicialmente de software.

  • RA2: El estudiante traduce la estructura de datos del experimento a un formato de bloque de datos (data frame) compatible con funciones específicas de R, ejecutando el modelo estadístico sin errores de sintaxis.

  • RA3: El estudiante diagnostica y argumenta, con base en los resultados de \(F_{calculado}\), por qué el bloqueo por filas y columnas evitó el enmascaramiento de los efectos de los tratamientos.

Ejercicio 1: Secador Solar de Convección Natural (Eficiencia Térmica)

Contexto:

Para optimizar el secado de granos, se evalúa la eficiencia térmica (porcentaje de energía solar aprovechada) de cuatro tipos de materiales absorbentes en la placa de un secador solar de convección natural. Dado que tanto el horario del día como la posición en la cámara de secado introducen variabilidad, se utiliza un Diseño en Cuadro Latino \(4\times4\).

Tratamientos (Materiales):

  1. A (Pintura negra mate),
  2. B (Óxido de cobre),
  3. C (Carbón vegetal),
  4. D (Aluminio corrugado).

Bloqueo 1 (Filas):

Horario de medición:

  1. F1: 8am-10am,
  2. F2: 10am-12pm,
  3. F3: 12pm-2pm,
  4. F4: 2pm-4pm.

Controla la radiación.

Bloqueo 2 (Columnas):

Posición en la cámara (C1 a C4). Controla los flujos internos de aire.

Datos Obtenidos (Eficiencia %):

Horario C1 C2 C3 C4
F1 25 (A) 37 (B) 42 (C) 33 (D)
F2 35 (B) 46 (C) 35 (D) 36 (A)
F3 48 (C) 37 (D) 39 (A) 48 (B)
F4 36 (D) 41 (A) 47 (B) 55 (C)

Ejercicio 2: Secador de Túnel de Convección Forzada (Pérdida de Humedad)

Contexto:

En un secador de túnel para cacao, un ingeniero agroindustrial busca la velocidad óptima de flujo de aire para maximizar la extracción de humedad. Se estructuró un DCL para controlar la variabilidad del lote de origen y la densidad de carga en las bandejas.

Tratamientos (Velocidades):

  1. V1 (1.0 m/s),
  2. V2 (1.5 m/s),
  3. V3 (2.0 m/s),
  4. V4 (2.5 m/s).

Bloqueo 1 (Filas): Densidad de carga (D1 a D4).

Bloqueo 2 (Columnas): Lote de cosecha (L1 a L4).

Datos de Pérdida de Humedad (% tras 6 horas):

Densidad L1 L2 L3 L4
D1 44 (V1) 51 (V2) 62 (V3) 63 (V4)
D2 45 (V2) 56 (V3) 59 (V4) 48 (V1)
D3 42 (V3) 53 (V4) 40 (V1) 48 (V2)
D4 49 (V4) 36 (V1) 47 (V2) 52 (V3)

Instrucciones para el Estudiante

  1. Fase Manual: Escriba a mano en su cuaderno el cálculo paso a paso para ambos ejercicios.
  • Calcule el Factor de Corrección,
  • las Sumas de Cuadrados Total, Filas, Columnas, Tratamientos y Error.
  • Construya la tabla ANOVA e
  • indique el valor \(F\) calculado.

  1. Fase Computacional: Transcriba el análisis en su entorno de trabajo utilizando el paquete easyanova en R.

  2. Análisis: Redacte la conclusión técnica, evaluando la hipótesis nula para los tratamientos y justificando estadísticamente por qué fue un acierto utilizar el doble bloqueo (DCL).

Plantilla de Validación Computacional en R (easyanova)

Para que los estudiantes lo desplieguen directamente en sus cuadernos interactivos o repositorios:

# Instalación y carga del paquete
# install.packages("easyanova")
library(easyanova)

# ==========================================
# EJERCICIO 1: Convección Natural
# ==========================================
# El orden estricto para design=3 es: Tratamiento, Fila, Columna, Respuesta
tratamiento_1 <- as.factor(c("A", "B", "C", "D", 
                             "B", "C", "D", "A", 
                             "C", "D", "A", "B", 
                             "D", "A", "B", "C"))
fila_1 <- as.factor(rep(c("F1", "F2", "F3", "F4"), each=4))
columna_1 <- as.factor(rep(c("C1", "C2", "C3", "C4"), times=4))
eficiencia <- c(25, 37, 42, 33, 
                35, 46, 35, 36, 
                48, 37, 39, 48, 
                36, 41, 47, 55)

datos_nat <- data.frame(tratamiento_1, fila_1, columna_1, eficiencia)

cat("\n--- ANOVA Secador Convección Natural ---\n")
anova_nat <- eal(datos_nat, design = 3)
print(anova_nat$`Analysis of variance`)

# ==========================================
# EJERCICIO 2: Convección Forzada
# ==========================================
tratamiento_2 <- as.factor(c("V1", "V2", "V3", "V4", 
                             "V2", "V3", "V4", "V1", 
                             "V3", "V4", "V1", "V2", 
                             "V4", "V1", "V2", "V3"))
fila_2 <- as.factor(rep(c("D1", "D2", "D3", "D4"), each=4))
columna_2 <- as.factor(rep(c("L1", "L2", "L3", "L4"), times=4))
humedad <- c(44, 51, 62, 63, 
             45, 56, 59, 48, 
             42, 53, 40, 48, 
             49, 36, 47, 52)

datos_forz <- data.frame(tratamiento_2, fila_2, columna_2, humedad)

cat("\n--- ANOVA Secador Convección Forzada ---\n")
anova_forz <- eal(datos_forz, design = 3)
print(anova_forz$`Analysis of variance`)

Guía de Interpretación Esperada

Los datos están intencionalmente diseñados para que el Cuadrado Medio del Error sea muy pequeño en comparación con las otras fuentes de variación. Las respuestas de los estudiantes deben orientarse de la siguiente manera:

Significancia de los Tratamientos (Rechazo de \(H_0\)):

En ambos ejercicios, el \(F_{calculado}\) para los tratamientos superará ampliamente el \(F_{critico}\) (aprox. 4.76 para \(\alpha = 0.05\) con \(3\) y \(6\) grados de libertad). El estudiante debe concluir (Compropbando) en el Ejercicio 1 que el Carbón Vegetal (C) maximiza la eficiencia, y en el Ejercicio 2 que la velocidad V4 (2.5 m/s) extrae la mayor cantidad de humedad en el tiempo establecido.

* Significancia de las Filas (Bloqueo 1):

El ANOVA mostrará un valor \(p\) menor a 0.05 para las filas. En la interpretación, el estudiante debe destacar que la radiación solar por horarios (Ej 1) y la densidad de carga (Ej 2) generaron un impacto real en los resultados.

  • Significancia de las Columnas (Bloqueo 2) y Justificación del DCL:

Las columnas también mostrarán alta significancia. El estudiante debe argumentar que:

“Como tanto las filas como las columnas resultaron significativas (valores de \(F_{calculado}\) altos), el uso del Diseño en Cuadro Latino fue la decisión metodológica correcta. Si se hubiera utilizado un DBCA o un DCA, toda la variabilidad absorbida por el doble bloqueo habría ido a parar al Error Experimental. Un error inflado habría ocultado el efecto real de los tratamientos, llevándonos posiblemente a un falso negativo (Error Tipo II).”

Rúbrica de Evaluación (Escala 0.0 - 5.0)

Criterio de Evaluación Excelente (4.5 - 5.0) Bueno (3.8 - 4.4) Aceptable (3.0 - 3.7) Insuficiente (< 3.0)
1. Desarrollo Manual y Esfuerzo Cognitivo (30%) Cálculos a mano claros, ordenados y sin errores. Demuestra paso a paso la obtención del Factor de Corrección, Sumas de Cuadrados y tabla ANOVA completa. Cálculos a mano presentes y estructurados, pero con errores numéricos menores que no alteran la lógica del proceso. Faltan algunos pasos intermedios. Se evidencian errores en el cálculo de las Sumas de Cuadrados de las fuentes de bloqueo. No presenta la parte manual, presenta solo el resultado final sin el procedimiento, o los errores conceptuales son graves.
2. Implementación en R y Google Colab (30%) Código en R estructurado de forma impecable. Uso correcto de easyanova (design = 3), variables definidas como factores adecuadamente. El código se ejecuta y llega al resultado, pero presenta desorden en la sintaxis o mala nomenclatura de las variables. El código presenta errores que requieren ajustes menores para compilar. Uso deficiente de las estructuras de datos en R. El script no se ejecuta, no utiliza el paquete indicado o no corresponde a la estructura de un Cuadro Latino.
3. Interpretación Técnica de Significancias (30%) Concluye acertadamente sobre los tratamientos y justifica magistralmente el uso del DCL demostrando la significancia de los dos bloqueos con argumentos de ingeniería. Interpreta correctamente qué tratamiento es mejor, pero la justificación sobre la importancia de bloquear filas y columnas es superficial. Menciona qué variables son significativas basándose en el p-valor, pero no conecta el resultado con el contexto de los secadores agroindustriales. No interpreta los resultados del ANOVA o la conclusión contradice la evidencia estadística obtenida.
4. Formato, Organización y Flujo de Trabajo (10%) Entrega un cuaderno interactivo bien documentado con celdas de texto explicativas, adjuntando la evidencia fotográfica/escaneada nítida de la parte manual. El documento es funcional y cumple los requisitos básicos, pero la presentación de las evidencias manuales carece de nitidez o la documentación es escasa. Entrega los componentes por separado y sin un flujo lógico. Faltan comentarios en el código que expliquen los pasos realizados. Entrega desorganizada, sin formato, o no utiliza el entorno de desarrollo solicitado para la materia.