Los diseños experimentales de seguimiento son ampliamente utilizados en la industria. En la práctica, algunos factores importantes pueden ser descuidados por diversas razones en el experimento de la primera etapa y necesitan ser añadidos en la siguiente etapa. En este documento, proponemos un método para aumentar los diseños supersaturados con factores recién añadidos y niveles aumentados utilizando el criterio de optimalidad bayesiana. Además, sugerimos usar el diseño aumentado óptimo bayesiano integrado para planificar el experimento de seguimiento cuando se permite que los factores recién añadidos varíen en una región apropiada. Ejemplos y resultados de simulación muestran que los diseños aumentados funcionan bien para mejorar las tasas identificadas de los efectos de factores latentes.