• 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.

Para reducir la variabilidad detectada, el experto puede hacer uso de la metodología y herramientas de descripción, predicción e identificación de causas.

 

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, seguiremos la metodología Seis Sigma basada en búsqueda de evidencias que reduzcan las sospechas de partida. Nuestras herramientas serán histogramas, gráfico de cajas, series temporales, Multi-vari, Estudios de Capacidad.

CASO PRÁCTICO

Este tutorial se encuentra inspirado en un proceso de fundición de piezas en Automoción.

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.

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.

SOBRE FAGOR EDERLAN GROUP

Fagor Ederlan (FE) es un grupo empresarial perteneciente al Grupo Mondragon líder en componentes de automoción.
El grupo se caracteriza por una constante pro-actividad en incorporar en su cultura metodologías de Excelencia Operacional, buenas prácticas, etc. Como ejemplo, hace 10 años llevaron a cabo un notable esfuerzo para incorporar en su propio Programa de Excelencia Operacional, KALDA, partes de la metodología Seis Sigma con la colaboración de Mondragon Unibertsitatea y bajo la supervisión de la Dra. Lourdes Pozueta de Avancex+i. Uno de los frutos de esta magnífica experiencia fue la realización de la Tesis Doctoral "Desarrollo de un modelo para abordar proyectos de mejora continua de procesos productivos de forma eficaz y eficiente" que recoge buenas prácticas como la de esta sesión, en menor detalle.

• 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.

Para reducir la variabilidad detectada, el experto puede hacer uso de la metodología y herramientas de descripción, predicción e identificación de causas.

 

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, seguiremos 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. Nuestras herramientas serán gráficos de dispersión, matrices de correlación, dendrogramas, análisis de componentes principales, modelos de regresión múltiple, PLS y modelos de clasificación CART.

CASO PRÁCTICO

Este tutorial se encuentra inspirado en un proceso de fundición de piezas en Automoción.

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.

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.

SOBRE FAGOR EDERLAN GROUP

Fagor Ederlan (FE) es un grupo empresarial perteneciente al Grupo Mondragon líder en componentes de automoción.
El grupo se caracteriza por una constante pro-actividad en incorporar en su cultura metodologías de Excelencia Operacional, buenas prácticas, etc. Como ejemplo, hace 10 años llevaron a cabo un notable esfuerzo para incorporar en su propio Programa de Excelencia Operacional, KALDA, partes de la metodología Seis Sigma con la colaboración de Mondragon Unibertsitatea y bajo la supervisión de la Dra. Lourdes Pozueta de Avancex+i. Uno de los frutos de esta magnífica experiencia fue la realización de la Tesis Doctoral "Desarrollo de un modelo para abordar proyectos de mejora continua de procesos productivos de forma eficaz y eficiente" que recoge buenas prácticas como la de esta sesión, en menor detalle.

• 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.

Para reducir la variabilidad detectada, el experto puede hacer uso de la metodología y herramientas de descripción, predicción e identificación de causas.

 

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, seguiremos la metodología Seis Sigma basada en identificar entre las relaciones de correlación aquellas que son causales. Conducimos 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. Nuestras herramientas son diseños de experimentos simples y factoriales.

CASO PRÁCTICO

Este tutorial se encuentra inspirado en un proceso de fundición de piezas en Automoción.

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.

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.

SOBRE FAGOR EDERLAN GROUP

Fagor Ederlan (FE) es un grupo empresarial perteneciente al Grupo Mondragon líder en componentes de automoción.
El grupo se caracteriza por una constante pro-actividad en incorporar en su cultura metodologías de Excelencia Operacional, buenas prácticas, etc. Como ejemplo, hace 10 años llevaron a cabo un notable esfuerzo para incorporar en su propio Programa de Excelencia Operacional, KALDA, partes de la metodología Seis Sigma con la colaboración de Mondragon Unibertsitatea y bajo la supervisión de la Dra. Lourdes Pozueta de Avancex+i. Uno de los frutos de esta magnífica experiencia fue la realización de la Tesis Doctoral "Desarrollo de un modelo para abordar proyectos de mejora continua de procesos productivos de forma eficaz y eficiente" que recoge buenas prácticas como la de esta sesión, en menor detalle.

Las organizaciones que verdaderamente extraen VALOR de los DATOS son aquellas que poseen procesos variables y desean entender y comprender esta variabilidad para atacarla, reducirla y tener procesos más predecibles.

El primer paso es entender cómo aparece la variabilidad y para que la mente del interesado lo entienda y acepte hay que obtener una imagen apropiada donde se vea de forma evidente lo que ocurre, manteniéndonos por el momento al margen del “por qué”. Para ello hay que saber que “la imagen apropiada para cada proceso” acostumbra a ser diferente dependiendo del tipo de proceso que tratamos (fundición, mecanizado, pintado, vidrio, alimentación, llenado de depósitos, moldeo, soldadura, fabricación aditiva, calandra, fabricación de chips, hornos, etc.) y del tipo de métrica de interés (espesor, temperatura, frecuencia vibración, propiedades mecánicas, caducidad, composición química, duración, etc.).

En este tutorial vamos a profundizar en aspectos de variabilidad a corto y largo plazo analizando ejemplos de diferentes procesos. Plantearemos cómo recoger los datos para entender el proceso y descartar hipótesis de causas de variación. Para ello, nos serviremos de las herramientas visuales de Minitab que integran el modo de MIRAR los datos en las rutinas de trabajo de las empresas.

En primer lugar, introducimos estrategias de realización de experimentos para abordar los experimentos de forma sistemática. El VALOR de estas estrategias está en que abordando los experimentos de la manera propuesta se puede identificar qué factores afectan significativamente, se puede estimar la magnitud del efecto de cada factor en la respuesta y el modo en que se relacionan los factores. También permiten estimar los efectos de las interacciones entre factores, una de las causas que confunden al experimentador en estudios convencionales donde pretende explicar los resultados analizando los factores por separado. Con Minitab identificamos los resultados de las pruebas, mostramos las evidencias del efecto de los factores y obtenemos el modelo de relación.

A continuación, siguiendo las pautas básicas de la metodología 6Sigma adoptamos un esquema DMAIC (Define, Measure, Analyze, Improve and Control) para crear un proyecto de mejora de calidad. Desgranamos las herramientas que nos aporta Companion by Minitab para establecer cada uno de los pasos del proyecto y analizamos cómo todos los miembros de la empresa involucrados en el proyecto pueden colaborar en el mismo.

Las organizaciones que verdaderamente extraen VALOR de los DATOS son aquellas que poseen procesos variables y desean entender y comprender esta variabilidad para atacarla, reducirla y tener procesos más predecibles.

El primer paso es entender cómo aparece la variabilidad y para que la mente del interesado lo entienda y acepte hay que obtener una imagen apropiada donde se vea de forma evidente lo que ocurre, manteniéndonos por el momento al margen del “por qué”. Para ello hay que saber que “la imagen apropiada para cada proceso” acostumbra a ser diferente dependiendo del tipo de proceso que tratamos (fundición, mecanizado, pintado, vidrio, alimentación, llenado de depósitos, moldeo, soldadura, fabricación aditiva, calandra, fabricación de chips, hornos, etc.) y del tipo de métrica de interés (espesor, temperatura, frecuencia vibración, propiedades mecánicas, caducidad, composición química, duración, etc.).

En este vídeo se va a profundizar en aspectos de variabilidad a corto y largo plazo, analizando ejemplos de diferentes procesos. Plantearemos cómo recoger los datos para entender el proceso y descartar hipótesis de causas de variación.

Para ello, nos serviremos de las herramientas visuales de Minitab que integran el modo de MIRAR los datos en las rutinas de trabajo de las empresas. Abordaremos, entre otras herramientas: series temporales con y sin estratificación, gráficos multi-vari, gráficos de contornos, gráficos de contornos temporales, gráficos bivariantes y matriz de dispersión, y clúster.

El diseño de experimentos (DOE) ayuda a investigar los efectos de las variables de entrada (factores) sobre una variable de salida (respuesta) al mismo tiempo. Estos experimentos consisten en una serie pruebas, en las que se realizan cambios intencionados en las variables de entrada. Con el DOE identificamos las condiciones del proceso y los componentes del producto que afectan la calidad, para luego determinar la configuración de factores que optimiza los resultados.

Minitab ofrece cinco tipos de diseños: diseños de cribado, diseños factoriales, diseños de superficie de respuesta, diseños de mezcla y diseños de Taguchi (matrices ortogonales). Los pasos que deben realizarse para crear, analizar y visualizar un experimento son similares para todos los tipos. Una vez realizado el experimento y obtenidos los resultados, Minitab proporciona varias herramientas analíticas y gráficas para interpretar los resultados.

En este tutorial se presentan estrategias de realización de experimentos que rompen los esquemas tradicionales que se practican en entornos poco informados (de mover un factor cada vez dejando fijos al resto) y plantean una batería de plantillas de experimentación sencillas de entender (que se utiliza en entornos científicos) para abordar los experimentos de forma sistemática.

El VALOR de estas estrategias está en que abordando los experimentos de la manera propuesta se puede identificar qué factores afectan significativamente, se puede estimar la magnitud del efecto de cada factor en la respuesta y el modo en que se relacionan los factores.

Ejecutando la plantilla propuesta se pueden estimar los efectos de las interacciones entre factores, que es una de las causas que confunden al experimentador en estudios convencionales donde pretende explicar los resultados analizando los factores por separado.

Llevaremos a cabo estas estrategias utilizando las herramientas de Minitab con las que identificaremos los resultados de las pruebas, mostraremos las evidencias del efecto de factores y obtendremos el modelo de relación.

El diseño de experimentos (DOE) ayuda a investigar los efectos de las variables de entrada (factores) sobre una variable de salida (respuesta) al mismo tiempo. Estos experimentos consisten en una serie pruebas, en las que se realizan cambios intencionados en las variables de entrada. Con el DOE identificamos las condiciones del proceso y los componentes del producto que afectan la calidad, para luego determinar la configuración de factores que optimiza los resultados.

Minitab ofrece cinco tipos de diseños: diseños de cribado, diseños factoriales, diseños de superficie de respuesta, diseños de mezcla y diseños de Taguchi (matrices ortogonales). Los pasos que deben realizarse para crear, analizar y visualizar un experimento son similares para todos los tipos. Una vez realizado el experimento y obtenidos los resultados, Minitab proporciona varias herramientas analíticas y gráficas para interpretar los resultados.

En este tutorial se presentan estrategias de realización de experimentos que rompen los esquemas tradicionales que se practican en entornos poco informados (de mover un factor cada vez dejando fijos al resto) y plantean una batería de plantillas de experimentación sencillas de entender (que se utiliza en entornos científicos) para abordar los experimentos de forma sistemática.

El VALOR de estas estrategias está en que abordando los experimentos de la manera propuesta se puede identificar qué factores afectan significativamente, se puede estimar la magnitud del efecto de cada factor en la respuesta y el modo en que se relacionan los factores.

Ejecutando la plantilla propuesta se pueden estimar los efectos de las interacciones entre factores, que es una de las causas que confunden al experimentador en estudios convencionales donde pretende explicar los resultados analizando los factores por separado.

Llevaremos a cabo estas estrategias utilizando las herramientas de Minitab con las que identificaremos los resultados de las pruebas, mostraremos las evidencias del efecto de factores y obtendremos el modelo de relación.