La biosorción se ha presenta como una alternativa viable como método de eliminación de metales en efluentes industriales. Una de las principales ventajas es la utilización de biosorbentes de bajo coste como los residuos agroalimentarios que representan por un lado la reutilización de un residuo y por otro un coste muy inferior frente a los adsorbentes tradicionales como carbón activo o resinas comerciales de intercambio iónico. Una de las metodologías usadas para determinar la viabilidad de los biosorbentes es la realización de experimentos en continuo donde el efluente circula de forma continua a través del biosorbente contenido en una columna. Generalmente esta experimentación no se diseña previamente y sigue una estrategia intuitiva, en la que se varía una única variable del sistema, lo que provoca sistematizar la influencia de los distintos parámetros de diseño sobre el proceso. En este proyecto se ha realizado una búsqueda bibliográfica exhaustiva de los 10 últimos años para averiguar si se usa alguna estrategia para diseñar la experimentación en los estudios de biosorción de metales con biosorbentes de bajo coste. Se han utilizado también todos estos estudios, para establecer la variación de los valores de las principales variables de diseño en futuros estudios de biosorción donde se pretenda hacer uso del diseño factorial. Los metales de estudio en esta búsqueda bibliográfica se centran en plomo, cobre y níquel, al ser los tres metales con los cuales el grupo SETRI ha trabajado en sus estudios Los resultados obtenidos en el presente proyecto indican que:  En los estudios realizados sobre biosorción en columna no se hace uso del diseño factorial de experimentos. Las variables principales a tener en cuenta en los estudios de biosorción en columna son: la concentración inicial, el caudal y la altura de la columna  El uso del diseño factorial de experimentos presenta múltiples ventajas frente a la experimentación factor a factor. La mayor ventaja consiste en poder determinar la interacción entre variables.  Se ha obtenido una tabla de valores de los distintos niveles de cada variable