Herramientas descriptivas, predictivas y causales de Minitab para entender los procesos en producción
- Detalles
- Categoría: Minitab
- Visto: 5999
A través de 3 vídeos, la Dra. Lourdes Pozueta expone cómo el estudio de la variabilidad presente en los procesos de fabricación puede representar una oportunidad para ser más competitivos. Cada uno de los vídeos recoge una de las fases de la metodología: descripción ⇒ predicción ⇒ identificación de causas. Este proceso se ilustra con un caso práctico inspirado en un proceso de fundición de piezas en automoción: la optimización de la frecuencia de vibración del caliper.
La competitividad de las empresas está vinculada a la detección de oportunidades de negocio. Estas oportunidades se pueden generar buscando reducir la variabilidad de sus procesos. Debemos fijarnos en:
- procesos que son inestables en sus resultados (características de calidad, parámetros logísticos, servicio a clientes, ...); o
- procesos que siendo estables en sus resultados son inestables en el modo en que se gobiernan sus parámetros.
Una vez detectado el proceso candidato, para reducir la variabilidad detectada, el experto puede hacer uso de la metodología y herramientas de descripción, predicción e identificación de causas.
Esta metodología de descripción ⇒ predicción ⇒ identificación de causas es común para los procesos de fabricación de diferentes sectores. Para ilustrarla, vamos a tomar un caso práctico inspirado en un proceso de fundición de piezas en automoción: la optimización de la frecuencia de vibración del caliper.
El reto
La empresa de fundición Fagor Ederlan tuvo un reto hace 10 años en relación con la fabricación de calipers para proveedores de grupos de freno.
Los clientes contemplaban añadir nuevos requerimientos a los estándares basados en geometría, estructura metalúrgica y comportamiento mecánicos. Eran nuevos requerimientos basados en tolerancias para las frecuencias de vibración de las piezas y la variabilidad se estimaba, en un principio, excesiva. El desconocimiento técnico del tema conllevaba un riesgo de pérdida de competitividad, ya que los clientes anunciaban la obligación de incorporar inspección 100% en proceso en 5 años.
El reto se abordó como un Proyecto Seis Sigma bajo la supervisión de la Dra. Lourdes Pozueta, formadora y coach principal en la metodología Seis Sigma en la Organización y con la participación de un equipo multidisciplinar de Calidad, Procesos, Ingeniería y Centro Tecnológico.
La Dra. Lourdes Pozueta, implicada en primera persona en el caso, desgrana en los siguientes vídeos el proceso que llevó a cabo y qué herramientas de Minitab forjaron sus "gafas especiales" para VER y entender el proceso y tomar decisiones sobre el diseño de soluciones para reducir la variabilidad.
Fase de descripción
En esta fase el objetivo es explicar el comportamiento de variables de interés a partir de información básica existente y detectar patrones que ayuden a orientar una recogida de datos más detallada. Para ello, se sigue la metodología Seis Sigma basada en búsqueda de evidencias que reduzcan las sospechas de partida y se utilizan herramientas como histogramas, gráfico de cajas, series temporales, multi-vari y estudios de capacidad.
Los resultados obtenidos en la etapa MEDIR (fase de descripción) ayudaron al Diagnóstico de la Situación de partida y a identificar que las fuentes de variación estaban en el corto plazo, dentro de las huellas del molde, y no en las posibles variaciones del largo plazo provenientes de materias primas, etc. VISUALIZAR LA GRABACIÓN ⇒
Fase de predicción
En esta fase el objetivo es explorar la información de grandes bases de datos multi-factorial tanto en la identificación de observaciones anómalas como en la identificación de factores que podrían explicar la variabilidad. Para ello, se sigue la metodología Seis Sigma basada en analizar la calidad del dato, llevar la sabiduría del proceso a la estructura de la base de datos, …, y contemplar los resultados con unas gafas especiales y se utilizan herramientas como gráficos de dispersión, matrices de correlación, dendrogramas, análisis de componentes principales, modelos de regresión múltiple, PLS y modelos de clasificación CART.
En la etapa ANALIZAR se profundizó en las causas raíz de esta variación descartando temas metalúrgicos, etc. y centrando el estudio en identificar geometrías que podrían explicar la variación en las frecuencias. Se utilizaron técnicas de modelización y clasificación de Minitab y se llegó a un conjunto de cotas explicativas que estaban correlacionadas con el parámetro de frecuencia de interés. VISUALIZAR LA GRABACIÓN ⇒
Fase de identificación de causas
En esta fase el objetivo es establecer una manera de proceder en la recogida de datos a partir de diseño de experimentos que den lugar a modelos predictivos y causales que permitan optimizar la función deseada. Para ello, se sigue la metodología Seis Sigma basada en identificar entre las relaciones de correlación aquellas que son causales. Utilizando diseños de experimentos simples y factoriales se realizan experimentos moviendo todos los factores a la vez según una propuesta de Minitab que permite estimar las relaciones y obtener máxima información con un número bajo de recursos en experimentación.
En la última etapa se identificó la causa raíz mediante la realización de Diseño de Experimentos con las variables que aparecían en los modelos predictivos para comprobar si eran causas de la variación y obtener un conjunto de parámetros que fueran elementos clave de diseño. VISUALIZAR LA GRABACIÓN ⇒