Optimizar el uso del tiempo es un reto. A menudo es necesario comprender el efecto del tiempo en la experimentación industrial y cómo este efecto varía en función de otros factores.
En un experimento diseñado, se establecen los factores de entrada al inicio de cada ejecución. De esta manera, resulta relativamente económico muestrear y medir la respuesta en varios puntos temporales durante la ejecución. Si se cuenta con registro automatizado, se dispondrá de muchos más datos sobre cómo varía la respuesta a lo largo del tiempo.
Parecería sencillo usar estos datos para crear un modelo que proporcione la información necesaria. Bastaría con un gráfico de perfil para la respuesta, con el tiempo como una de las variables en la parte inferior. Sin embargo, el tiempo no se comporta como las demás variables, ya que no se definió al inicio de cada ejecución. Esta diferencia, aparentemente sutil, plantea numerosas preguntas.
¿Se puede simplemente añadir el tiempo como efecto, como se haría con los demás factores del diseño de experimentos? ¿Debería preocuparme por incumplir los supuestos de la regresión por mínimos cuadrados ordinarios? ¿Sería más seguro crear un modelo independiente para cada punto temporal?
