Diagnosticar y Experimentar en la Empresa. Semana Europea de la Calidad 2014

Diagnos(car y Experimentar en la Empresa

“4 Habilidades para lograr resultados en las organizaciones: Observación consciente, Diagnós(co, Experimentación y comunicación visual”

Dra. Lourdes Pozueta [email protected]

1.

Programa 1-‐ Introducción. 2-‐ Lourdes Pozueta (Avancex+i, S.L.) 4 Habilidades para lograr resultados en las organizaciones: Observación consciente, DiagnósHco, Experimentación y comunicación visual. 3-‐ Pilar Esteban (Tubacex) Título: "El análisis de datos, clave para el conocimiento de los procesos y el desarrollo de nuevos productos” 4-‐ Ibon ZarrabeiHa (Indar Electric) Título: "FLUJO; ObjeHvo Común. El compromiso y la comunicación, vectores de mejora compeHHva” 5-‐ Javier de Rivas (Fagor Ederlan) Título: "Desarrollo e implantación de una estrategia transformadora orientada a resultados y cliente. Modelo Kalda" 6-‐ Preguntas

3.

Ingeniería de la Calidad

Herramientas Estadís(cas

aplicadas a Mejora de Producto/Proceso

Ru(nas para el logro de habilidades de

Diagnós(co, Experimentación,

análisis, ….

Despliegue de Metodologías de Mejora Avanzada en Empresa. Sistemá(ca RP basada en datos

Cursos-‐Talleres

Consultoría on-‐line

Diseño de experimentos Análisis estadísHco de datos OpHmización de productos y procesos Mejora conHnua

ESTUDIOS CONCRETOS

Protocolos Aceptación líneas Protocolos de aceptación de lotes Op(mización parámetros de Proceso Diseño de recetas de mayonesas

Lean-‐Six Sigma para BB Diseño de Experimentos Control estadís(co de procesos (SPC) Taller Crea(vidad

Ges(ón de la Innovación Procesos de Crea(vidad

Diseño Robusto

hap://ideas2value.net

Six Sigma, Calidad Total…a medida

4.

Lo que comparHmos…..

CLIENTE CALIDAD, PLAZO, COSTE

Organización Problemas / Oportunidades

CÓMO hacemos PARA … ser eficaces y eficientes En Proceso de Mejora ConHnua en las Organizaciones

Evidencia

No Evidencia

5.

HÁBITOS: ¿Cómo ACTUAMOS?

Qué duele? Causas Ha mejorado?

Prob

lemas /O

portun

idades

ACCIÓN

Causas Raíz Evaluar

Caracterizar Tratar CLIENTE espera

(Yo me qu

iero quitar e

l “marrón”)

€ Eficacia/eficiencia

Cono

cimiento Técnico

+ métod

o

(The “Factory of problems”: Improvement of the Quality Improvement Process. L. Pozueta, J.A. Eguren and U. Elorza. 14 QMOD-‐ICQSS Conference. DonosNa, 29-‐31 August, 2011)

APRENDER a trabajar en entornos no evidentes

APRENDER (la ORGANIZACIÓN) •  Habilidades para adquirir Conocimientos •  Habilidades para tratar con lo no evidente

è APLICAR: incorporar conocimiento al día-‐día, para hacer las cosas de manera diferente, para CAMBIAR

Causas Raíz Evaluar

Caracterizar Tratar

Hay negocio €

Eficacia/eficiencia del proceso

Si causas raíz no son evidentes. Lograr procesos eficientes de Mejora ConHnua para temáHcas de alto impacto económico en problemas complejos

¿Por qué ocurren los “dolores”?

7.

* La falacia narra(va es la capacidad (o la debilidad) que tenemos los seres humanos por inventarnos historias que permitan conectar causalmente dos sucesos aunque esa conexión no exista.

* Si no desarrollamos ciertas habilidades del pensamiento, nuestra tendencia a creer cosas falsas puede salir muy costoso

* El cerebro busca almacenar la mayor can(dad de información * EL cerebro” no mide”, compara, busca asociaciones y ello implica creer cosas que son ciertas y creer cosas que no lo son basándose en errores o falacias

APRENDER teniendo en cuenta MODELOS MENTALES

¿me engañas?

Aceptar que podemos estar equivocados: estrategias para cuesHonar el entorno en base a EVIDENCIAS

8.

Datos, hechos, experiencias,…

Hipótesis, conjeturas, modelos, …

INDUCCIÓN

Habilidad de APRENDER a APRENDER . HÁBITO: método cienhfico

Mirar Imaginar

Cuestionarse

Recogida deliberada de información para encontar evidencias Mostrar Nuevo

Conocimiento de modo evidente

Ver

CONVENCER

DEDUCCIÓN

Especular

COLECTIVO APRENDIZAJE INDIVIDUAL

Oir

Modelo mental

Almacenar de forma peculiar (innato)

¿me engaña mi cerebro?

¿Evidencias esperadas?

9.

Observación Consciente: Tomar consciencia de lo que se observa, de lo que puede estar presente, de lo que se busca, … estar vigilante ENCONTRAR PISTAS en las COSAS y en los DATOS è Generar Hipótesis

Hábitos a potenciar: Observación Consciente, Diagnos(car, Experimentar y Visualizar

DIAGNOSTICAR CuesHonar el modelo mental de uno, elaborar PREGUNTAS de interés, imaginar EVIDENCIAS, elaborar planes de recogida de información consensuadas con los involucrados, plasmar información de forma visual que permita idenHficar las evidencias que espero de forma clara….. =èEncontrar asociación entre Causas-‐Síntomas (Correlación, NO CAUSALIDAD) =è Provocar causas potenciales. EXPERIMENTAR con rigor

è IdenHficar las Causas Raíz

Imaginar cómo lo espero VER y qué datos/htas me lo permiten

XevaX: Entrenamiento en empresa. IdenHficar experiencias Estuches de 24 unidades de producto higiénico femenino. Línea automáHca “úlHma generación”

PERO: Hay clientas que se quejan de que las cajas no están completas. Tenemos báscula sofisHcada de control que de vez en cuando, se vuelve loca, y PARAMOS!!!

¿Qué está en el Modelo Mental de los expertos del proceso? ¿Por qué llega producto defectuoso a cliente? ¿Podemos prescindir de atender la locura de la máquina?

71

69

67

Control en báscula 1 caja ≅ 69gr

1 unidad ≅ 2gr

hipó

tesis

•  Es evidente que se escapan de la garra del robot o se caen en el camino

•  Podrían venir lotes de cajas de peso muy diferente y sobrepasar los límites

•  Al cliente llegan cajas mal pesadas o recuperadas entre las rechazadas

•  Podría haber variación entre lotes de proveedores

•  La báscula podría necesitar reseteo …“le ocurren a muchas máquinas”

•  El algoritmo Fene senFdo, aunque igual 2gr es demasiado

XevaX: Observación consciente

7000600050004000300020001000

74

73

72

71

70

69

68

67

66

65

64

Index

pest

uch

(2 h. continuas de trabajo)Peso estuche de 24 unidades

PREGUNTAS buscando evidencias: ¿Cuándo ocurren las cajas defectuosas: seguidas (asociado a lote) o aleatorias (asociado a errores)? ¿La máquina se vuelve loca en los cambios de materia prima o de cajas? ¿La serie temporal del peso es estable o dinámica?

DATOS: 2 horas de fabricación ininterrumpida con varios cambios de materias primas. Toma manual de 7000 pesos en papel.

Dotplot for C1

CORTO

PLAZO

LARGO PLAZO

71

69

67

Control en báscula

1 caja ≅ 69gr

1 unidad ≅ 2gr

Cajas defectuosas (0,6%): unas rechazadas otras no

Riesgo de volverse loca: cuando cambia lotes de materia prima

Cajas defectuosas a usuaria

¿cómo te IMAGINAS? MIRA y qué VES

Modelo de PESO es dinámico è Algoritmo erróneo

Tratamiento: Cambio Algoritmo/ Prueba Piloto •  Se fabrican 700 unidades según condiciones habituales (dar oportunidad de que salgan cajas defectuosas)

•  Se registra para cada caja: el peso y el n° de unidades en el interior

• Proponemos Algoritmo: “media móvil de 50 unidades” y límites en 3sigma

Rechazos: 17

26 unidades (+2): 2 cajas

25 unidades (+1): 1

24 unidades (ok): 14 falsos posi(vos

700600500400300200100

72

71

70

69

68

67

66

65

Index

Pes

o

Predicción: MA (n=2). Límites a +-1,14gr

700600500400300200100

72

71

70

69

68

67

66

65

64

Index

Pes

o

Predicción MA (n=2)Límites a 1,5 gr.

+2 u +2 u

+1 u

Rechazos: 5

26 unidades (+2): 2 cajas

25 unidades (+1): 1

24 unidades (ok): 2 falsos posi(vos

EsHmado: Media móvil ± 1,14 gr “+OperaHvo”: Media móvil ± 1,5 gr

Se vuelve loca por cambios puntuales

APRENDEMOS: habilidades y conocimiento

•  No hay máquina loca: –  Proceso con variabilidad que la tecnología no logra compensar –  Algoritmo no adecuado para gesHonar el proceso

•  Hay controles SPC basados en medias móviles que son muy úHles

•  Habrá rechazo en torno a 0,3% de producto OK por falsa alarma

•  Los defectos “falta 1-‐2 unidades” no llegarán a clientas –  RIESGO: Cuanto más grande es la caja o más variable proceso (salva-‐

slip con perlitas) más di|cil detectar defectos por pesaje.

13.

DiagnosHcar variabilidad frecuencias pieza fundida

14.

Variabilidad en frecuencias/lote

Frecuencia

DiagnósNco: Momento críFco cambio de placa: hay salto No variación entre fusiones Clara variabilidad por diseño de cavidad 1 Hip: Causas raíz están dentro de placa y uFllaje no en fusiones afectando a cotas A y Bè confirmar con DOE en simulación

Espe

sor cota A

Anchura cota B

salto

Cavidad 1

Frecuencia de cavidad 1 diferente porque dimensionalmente son diferentes en varias cotas (hipótesis de variación)

Qué cota Henen diferente?

Donde se encuentra en placa

DiagnosHcar, Visualizar, comunicar

15.

0,00%

10,00%

20,00%

30,00%

40,00%

50,00%

60,00%

70,00%

80,00% S

2 S

3 S

4 S5

S6

S7

S8

S9

S10

S

11

S12

S

13

S14

S

15

S16

S

17

S18

S

19

S20

S

21

S22

S

23

S24

S

25

S26

S

27

S28

S

29

S30

S

31

S32

S

33

S34

S

35

S36

S

37

S38

S

39

S40

S

41

S42

S

43

S44

S

45

S46

S

47

S48

S

49

S50

S

51

S52

%Def. Total L. Superior Media Periodo L. Inferior

media: xx%

media: -10%

media: zz 8%

FABRICADAS

100120140160180200220240260280

2 6 10 14 18 22 26 30 34 38 42 46 50

SEMANA

Tota

l pro

duci

das

0,00%

20,00%

40,00%

60,00%

80,00%

100,00%

S2 S7S12

S17S22

S27S32

S37S42

S47

Robot 1

Robot 2

Robot 3

Robot 4

Robot 5

Robot 6

Robot 7

Robot 8

Manual

LI-Robot

LS Robot

MediaRobot

ROBOT 3: muy variable

46

RAIZ

CUELLO

CARA

SEMANA

Soldador 5

2

00

Soldador 11 Soldador 26 Soldador 341

24

Soldador 35

3

00

Soldador 40 Soldador 42

31

1


3

0 Soldador 54 Soldador 850

1

0 Soldador 880

2

0

Soldador 890

3

0 Soldador 91 Soldador 92 Soldador 95 Soldador 990

4

0 Soldador 100 Soldador 108

3

00


1

00

Soldador 130

6

1 0Soldador 131

2

00

Soldador 137 Soldador 141 Soldador 145

Soldador 1630

1

0 Soldador 171

1

00

Soldador 173 00

1

Soldador 183

4

10


Equipo soldador-‐robot

Equipo soldador-‐robot

Piezas re

procesadas

Piezas re

procesadas

FORMACIÓN para Adquirir Habilidades

16.

Curso avanzado en Programas de Mejora Continua

LEAN-SIX SIGMA Nivel Black Belt

CODIRECCIÓN TÉCNICA

Certifi caciónHasta el momento no existe una certifi cación ofi cial del título de Black Belt, y por ello MU y Avancex+i deciden que aquellos alumnos que hayan asistido a toda la formación recibirán un certifi cado de Curso Avanzado.

Si además complementan la formación con el desarrollo de un proyecto real en la organización siguiendo el ciclo DMAIC y aplicando conocimientos del curso, el alumno recibirá un certifi cado Black Belt.

Precio4.500!

A las organizaciones que manden más de una persona comprometidas con el proyecto, se les aplicará descuentos importantes.

Las empresas pueden fi nanciar la Formación Continua principalmente a través de estas vías:Hobetuz: Convocatoria del Departamento de Educación, Universidades e Investigación gestionada por la Fundación Hobetuz. Fundación Tripartita: Sistema de Bonifi caciones de la Seguridad Social gestionado por la Fundación Tripartita para la Formación y el Empleo (FTFE).

Profesorado• Lourdes Pozueta. Doctora por la Universitat Politècnica de

Catalunya, Máster en Estadística industrial por la University of Wisconsin (EE. UU.), en excedencia como profesora de la UPC. Socia fundadora de Avancex+i, S.L. en el área de mejora continua e innovación. Es Master Black Belt y lleva más de 20 años asesorando a empresas sobre la mejora de productos o procesos.

• Aitor Orue. Ingeniero en Organización Industrial. Profesor del Dpto. de Mecánica y Organización Industrial de MONDRAGON UNIBERTSITATEA. Ha trabajado en diferentes puestos de responsabilidad en empresas como, Fagor Ederlan S. Coop, Fagor Arrasate S. Coop y Ulma Packaging S. Coop.

• Jose Alberto Eguren. Es doctor Ingeniero en Organización y profesor del departamento de Organización Industrial de MONDRAGON UNIBERTSITATEA. Amplia experiencia asesorando sobre la mejora de productos o procesos a empresas.

• Jaione Ganzarain. Doctorado en Ingeniería Industrial. Profesora de Innovación en el departamento de Organización Industrial de MONDRAGON UNIBERTSITATEA. Actividades de Dirección de proyectos y Formación Continua para distintas empresas industriales de la CAPV. Experiencia laboral previa en el CCTT Tekniker.

• Ivan Navarro. Ingeniero en Organización Industrial. Profesor del Dpto. de Mecánica y Organización Industrial de MONDRAGON UNIBERTSITATEA. Ha sido responsable de parte de la operativa logística de Exel Logistics, S.A en la factoría de Mercedes Benz España y Responsable de producción en Fagor Electrodomésticos S. Coop.

• OSCAR FERNÁNDEZ DE RETANA. Ingeniero Industrial y Máster en Administración de Empresas por la Universidad del País Vasco y Máster Black Belt certifi cado por General Electric. Cuenta con más de 20 años de experiencia en posiciones de Dirección General, Dirección de Operaciones, Dirección de Ingeniería y Mejora Continua en General Electric.

• Otros. Invitados de organizaciones donde se aplica Lean Six-Sigma.

MÁS INFORMACIÓN:

Isabel Mangana: [email protected]

http://www.mondragon.edu/cursos/lean-six-sigmaPROFESIONALENTZAKO PRESTAKUNTZA

FORMACIÓN PARA PROFESIONALESPROFESSIONAL LEARNING SPACE

PROFESIONALENTZAKO PRESTAKUNTZAFORMACIÓN PARA PROFESIONALES

PROFESSIONAL LEARNING SPACE

Desde que realicé el curso, en todos los proyectos de desarrollo e industrialización de nuevos productos se aplica la metodología de trabajo basada en el análisis riguroso de los datos de proceso y propiedades de producto.

Pilar EstebanDep. R&D, Tubacex Innovation

La metodología Six Sigma no sólo es de una utilidad enorme en la mejora de procesos, sino que una vez dominada y aplicada, se convierte en la manera de abordar cualquier problema en la empresa.

Denis GarmendiaAdjunto a Gerencia, Grupo Altube, Burgos

(España)






Precio4.500!











MÁS INFORMACIÓN:










(España)

M1: ESTADÍSTICA Y TOMA DE DECISIONES (10h) M2: DOE: ANOVA Y DISEÑOS FACTORIALES (20h) M3·∙:DOE Avanzado: MSR, DISEÑO ROBUSTO Y SHAININ (20)

3 Módulos optaHvos

17.

Introducción Metodología

Material y recursos formativos

Objetivos

Dirección y organiza-ción del programa

Si una organización ya tiene un producto o servicio que el mercado valora, y que por consiguiente está dispuesto a comprar, se ha de preguntar de forma permanente: ¿Dónde tengo inefi ciencias? ¿Por qué haciéndolo igual sale diferente, e incluso mal?, ¿Cómo lo puedo diseñar o producir de forma más robusta y efi ciente?.

Este curso ayuda a dar respuestas a las preguntas anteriores.

Los Programas de Mejora “Lean” y “Six Sigma” abarcan metodologías y herramientas que ayudan a lograr los conocimientos y las habilidades para llevar a cabo las actividades anteriores, enfocándose en proyectos de “adelgazar” procesos para reducir costes y en proyectos de identifi car causas raíz de la variabilidad de los procesos para reducirla o para aplicar el conocimiento en el diseño de productos y procesos robustos.

La observación consciente es fundamental en la mejora y parte de esta observación ha de dirigirse a la identifi cación de actividades de “despilfarro” que no aportan valor y a cuestionarse el modo de organizar los procesos.

El perfi l de los alumnos y de las organizaciones que han pasado por alguna de las ediciones del curso es muy variado. Estas experiencias nos han servido para replantearnos el modo de entrenar a las personas y adaptar continuamente los materiales y el método de enseñanza.

No hay mejor analogía a la de una “expedición de montaña” para refl ejar el modo que hemos diseñado este curso.

Partiendo de las experiencias de más de 20 años impartiendo formaciones similares, hemos identifi cado 5 factores clave para el logro del éxito del curso (o expedición):1. Seleccionar empresas-proyectos-líder con interés de participar

en la experiencia, con “Cimas-objetivos” alcanzables y recursos disponibles.

2. Marcar un ritmo de aprendizaje perseverante de 1 día/semana durante 5 meses. Lograr tono muscular poco a poco y sin abandonarlo.

3. Elaborar una Hoja de Ruta DMAIC para toda la expedición con soporte en herramientas, rutinas, casos,… que faciliten el aprendizaje y permitan sortear las difi cultades cada momento. Profesores expertos en conocimiento y en metodología. Lograr que la mochila se sepa utilizar.

4. Caracterizar los Proyectos que los alumnos traen al curso e identifi car el modo que cada equipo ha de llevar la expedición con recursos y herramientas adecuadas. Acuerdos previos al curso.

5. Emprender la expedición conjuntamente compartiendo las experiencias y aprendiendo tanto de los ejercicios como de los casos reales. Aclimatación conjunta. Presentaciones en hitos clave.

Con la fi nalidad de hacer las partes 3. y 4. más efi cientes, está previsto preparar con antelación el lanzamiento y para ello se captarán empresas interesadas en la experiencia y se llevarán a cabo sesiones preparatorias.

Es recomendable que durante el curso el alumno desarrolle un proyecto real de la metodología Six Sigma. Dispondrá de tutores como apoyo de forma puntual o intensiva.

- El material ha sido desarrollado y adaptado teniendo en cuenta las difi cultades que encuentran los alumnos en el aprendizaje y aplicación de herramientas.

- Además de los recursos “tradicionales”, los alumnos tendrán acceso a la plataforma virtual de MU para resolver dudas mediante foros, tutorizaciones Online,…

- MINITAB: Para el tratamiento estadístico de datos.

La adquisición de este software correrá por cuenta de la organización. MU dará la posibilidad de acceder a MINITAB durante el curso.

- Para la realización de la formación, será necesario que cada alumno asista con un ordenador portátil desde donde accederá a la plataforma online del curso, donde trabajará en los ejercicios y proyecto.

Al fi nalizar el curso los asistentes estarán más capacitados para:- Identifi car oportunidades de mejora con impacto y abordables

con la metodología.- Liderar y asesorar a equipos que trabajen en proyectos de

complejidad media.- Diagnosticar procesos e identifi car en qué situaciones es

conveniente aplicar cada una de las técnicas disponibles con éxito.

- Formar a otras personas en las habilidades y herramientas aprendidas durante el curso.

Lourdes PozuetaSocia Fundadora AVANCEX+I

Aitor OrueDepartamento de Mecánica

y Producción Industrial de MONDRAGON UNIBERTSITATEA

SESIÓN DE LANZAMIENTO

- METODOLOGÍA- METODOLOGÍA testeado con éxito

- PROFESORADO:- PROFESORADO: Expertos en materia

- SOPORTE WEB...- SOPORTE WEB...

- APOYO TUTORES- APOYO TUTORES

- PLAN ENTRENAMIENTO FLEXIBLE:- PLAN ENTRENAMIENTO FLEXIBLE:

- Material adaptado

- Rutinas para potenciar hábitos

- Casos prácticos

- Proyectos compartidos

Campamento base para aclimatar: puesta en común y debate constructivo

HITO 1

HITO 2

• Importancia e impacto proyecto• Cliente y requisitos• Alcance: procesos y personas

DEFINIR

MEDIR

ANALIZAR

IMPROVE

CONTROL

• Conocer proceso• Medir y valorar las salidas del proceso (efectos)• Diagnóstico situación de partida

• Idear soluciones• Verificar resultados• Exportar aprendizaje

• Estandarizar y acreditar proceso• Verificar resultados• Explotar aprendizaje

• Determinar las entradas clave (causas raiz)• Decidir acciones de cambio

DINÁMICASHERRAMIENTASENTRENAMIENTO APROPIADO1

- IDENTIFICAR- IDENTIFICAR organizaciones interesadas

- PROYECTOS- PROYECTOS con retorno

- PROMOTOR DE APOYO- PROMOTOR DE APOYO (Champion)

- LÍDER- LÍDER motivado para acudir al curso

- ROLES- ROLES claros

- OPERATIVA/PREPARATIVOS- OPERATIVA/PREPARATIVOS previos

PREPARAR UNA EXPEDICIÓN COMPROMETIDA3

HOJA DE RUTA DMAICDMAIC EN EXPEDICIÓN



Objetivos



































- Material adaptado


- Casos prácticos



HITO 1

HITO 2


DEFINIR

MEDIR

ANALIZAR

IMPROVE

CONTROL
















Objetivos



































- Material adaptado


- Casos prácticos



HITO 1

HITO 2


DEFINIR

MEDIR

ANALIZAR

IMPROVE

CONTROL
















Objetivos



































- Material adaptado


- Casos prácticos



HITO 1

HITO 2


DEFINIR

MEDIR

ANALIZAR

IMPROVE

CONTROL














FORMACIÓN: Curso Avanzado en Programa de Mejora ConHnua Lean-‐Six Sigma. Nivel BB






Precio4.500!











MÁS INFORMACIÓN:










(España)






Precio4.500!











MÁS INFORMACIÓN:










(España)



Objetivos



































- Material adaptado


- Casos prácticos



HITO 1

HITO 2


DEFINIR

MEDIR

ANALIZAR

IMPROVE

CONTROL














Estándares Soluciones Causas raíz Caracterizar Cliente y objeHvos

Factor A -‐ +

Factor A -‐ +

Factor B

Factor B

Factor A + -‐

Factor A -‐ +

Factor B

+ -‐

-‐

+

CURSO DISEÑO DE EXPERIMENTOS I: Estadís(ca y toma de decisiones II: DOE. Anova y diseños factoriales III: DOE Avanzado. Diseño robusto, MSR y Shainin

A

B

A

B

-‐ D +

A D

+ E -‐

B

Estrategia Experimental y economía en los ensayos: “A parHr de cierto nº de factores, mejor dedicar recursos para introducir nuevos factores que para replicar ya que te permiHrá esHmar relaciones más complejas.

16 ensayos: 1 factor

16 ensayos: 5 factores

3 factores

2 factores

4 factores

ObjeHvos Diferentes requieren estrategias diferentes

M1: ESTADÍSTICA Y TOMA DE DECISIONES M2: DOE: ANOVA Y DISEÑOS FACTORIALES M3·∙:DOE Avanzado: MSR, DISEÑO ROBUSTO Y SHAININ Fechas: Diciembre-‐Enero Matrícula :[email protected] Info: [email protected]

+ =

Experimentación Secuencial “si hay evidencias de modelos complejos se adapta las condiciones de las ruebas de forma sencilla”

Recetas robustas a variabilidad “La variabilidad es el principal enemigo y hay que tratarla desde el diseño buscando condiciones robustas”

Nº de ensayos apropiados en cada caso “El número de ensayos a realizar depende de las condiciones en que se experimenta y de las evidencias que se persigue encontrar”

0,500,450,400,350,300,250,200,150,100,050,00

1,0

0,8

0,6

0,4

0,2

0,0

% of Defects

Pote

ncia

1112152039

sizeSAMPLE

Selection of Sample size for DOE. Comparing proportions

Baseline: 50% defectsSituation 1

Direction to move with DOE

DIAGNOSTICAR: Variabilidad en espesor a través de peso

20.

540

525

510

495

480

3,9612E+103,9612E+103,9611E+103,9611E+10

15,4

15,2

15,0

14,8

14,6

14,4

3,9612E+103,9612E+103,9611E+103,9611E+10

15,6

15,4

15,2

15,0

14,8

14,6

0,3

0,2

0,1

0,0

-0,1

Peso Espesor14,5+0,6

Espesor_Cazuela Desplazamiento72-71

Variación de Peso y Espesor de Piezas (y Desplazamiento) a largo Plazo

Frecuencia: 1 muestra/horaPeriodo 11 Junio 13:30-13 Junio 4:45.

520510500490480470

15,50

15,25

15,10

15,00

14,75

14,50

14,25

Peso_LARGO

Espe

sor1

4,5L

AR

GO

S 0,102955R-Sq 65,9%R-Sq(adj) 65,6%

Regression95% CI95% PI

Fitted Line PlotEspesor14,5LARGO = 7,316 + 0,01553 Peso_LARGO

MALAS MALASBUENAS

Buenas""Casi

Malas""Casi

3,961

2E+1

0

3,961

2E+1

0

3,961

2E+1

0

3,961

2E+1

0

3,961

2E+1

0

3,961

1E+1

0

3,961

1E+1

0

3,961

1E+1

0

3,961

1E+1

0

3,961

1E+1

0

550

500

450

400

350

300

15,4

15,3

15,2

15,1

15,0

14,9

14,8

14,7

14,6

14,5

14,4

X-Data

Ener

gía

de G

olpe

o

Espe

sor1

4,5+

0,6

32

4

5

1

Espesor

Energía de Golpeo (por Golpes) y Espesor

paradascomienzos buenos con

estabilidad

problemas, pocas piezascomienzos buenos con paradas

estabilidad

“NO entramos en tolerancias de PESO porque tenemos variabilidad en ESPESOR porque la variación en Tª no la compensamos bien con las Energías de MarFllo”

EXPERIMENTAR: causas ráiz. OpHmización proceso

21.

121086420

98

95

90

85

80

70

60

50

403020100

Absolute Standardized Effect

Perc

ent

A TemperaturaB Golpe 4C Golpe 5

Factor Name

ABC

BC

AB

C

A

Half Normal Plot of the Standardized Effects(response is Espesor, Alpha = 0,05)

SignificativosEfectos

510

470

510

47013051275

Golpe 5

Golpe 4

Temperatura

0,48883

0,494500,50350

0,50117

0,50317

0,500170,51383

0,50917

Cube Plot (data means) for Peso

Exp: 1a, 1b, 1c

Exp. 2

Exp. 3

Exp. 4 Exp. 5

Exp. 6

Exp. 7

Exp. 8

estabilidad

510470

15,4

15,3

15,2

15,1

15,0

14,9

14,8

14,7510470

1275

Golpe 5

Espe

sor

1305

470510

Golpe 4

Multi-Vari Chart for Espesor by Golpe 4 - TemperaturaTemperatura

Exp. 1a, 1b, 1c

Exp. 2

Exp. 3

Exp. 4

Exp. 5

Exp. 6

Exp. 7

Exp. 8

Modelos (Unidades codificadas)

Espesor = 15,112 – 0,102 Temp. -0,085 Golpe 5

S = 0,073mm R2= 82,04

Peso = 0,501 – 0,0056 Temp. -0,0052 Golpe 5 S = 0,0051gr R2= 72,82%

(diseño de regulador automáHco)

Rigor, Comunicación VISUAL

Ejemplo DOE

22.

PROTAGONiSTAS SMN: Semillas de microorganismos de montaña. Bacterias que ayudan a asimilar nutrientes ……

Obje(vo 1: Encontrar experiencias para entrenar a personas en DOE

ObjeHvo 2: Estudio de influencia de SMN en crecimiento de planta

¿SMN en tierra?

-‐ +

NO SI EVIDENCIAS esperadas •  Plantas crecen antes ¿cuánto? •  Plantas crecen más (longitud,

más hojas, ..) •  Menos enfermedades (pulgón,

hongos,..)

ESTRATEGIA clásica Todo fijo y se mueve 1 factor

1 Factor y 16 pruebas

¿qué ensayos realizo en mi plantel?

23.

SMN no si

SMN no si Semilla -‐

SMN -‐ +

Semilla

-‐

Lent alub

¿1 factor?

¿2 factores?

¿3 factores?

Experiencia Real

24.

SMN: Semillas de microorganismos de montaña del Maresme

ObjeHvo 2: Estudio de influencia de factores en crecimiento de planta

Tratamientos: combinación de factores Diseño 2 5-‐1 alternando (erra A y C

Semilla Mineral

+ leonardita -‐

SMN

5 Factor y 16 pruebas

Ordenamiento para protegernos de lo que desconocemos y TEMEMOS

PREPARACIÓN

25.

2 condiciones extremas en Bote-‐Nesquick Shrek Hene bacterias

RESULTADOS: 15 días

26.

Tierra A de tomatera sin añadidos en recipiente nesquick. ÉXITO!!!

SHREK: Tierra A de tomatera con TODOS los añadidos NO SALE!!

Nota: Hay 3 condiciones iguales a esta en panel que no salen

RESULTADOS: 21 días

Evidencia esperada:

✔ ✖

Evidencia observadas:

✖ ✔

Únicas alubias que salieron

Escarbo en panel y VEO al menos 2 alubias germinando a los 15 días))

45 días….no hay vida. Excelente experiencia de fracaso!!!

27.

NO SALE NINGUNA ALUBIA Hay restos de semillas germinadas pero podridas

Revisión del proceso experimental Hipótesis •  No es el Hpo de semilla (alubia, lenteja,..) •  No es la orientación en panel •  No es SMN, ni mineral, mi miel, ni leonardita •  Hemos dado igual canHdad de agua

•  Puede ser (condiciones de proceso) •  Condiciones atmosféricas frío de inicio: moho •  Riego excesivo en Sep. con calor de Zumaia •  Riesgo se estanca •  No todas semillas necesitan igual agua •  Diferencia entre bote y panel: Presión de Herra •  …..

solo sale 1 lenteja

Excelente experiencia de fracaso!!! APRENDEMOS

•  Podemos estudiar 5 factores con 16 pruebas (RuHna de experimentación) •  ReparHmos ensayos en panel de modo que no afecte entorno (BLOQUEAR y

Aleatorizar) •  Hemos listado evidencias que esperamos encontrar y cómo medirlas •  Hemos grabado cada parte para que conste cómo lo hemos hecho

•  Las condiciones de proceso No las hemos controlado bien y han sido MALAS para TODOS (menos 1) •  Por haber sido rigurosos en planificación sabemos que el fracaso es externo a los

factores a estudio….factores que afectan a todo y que impiden ver “la señal” de los factores significaHvos

•  Hay una experiencia buena, Magnífica ¿por qué ? (está a estudio)

28.

Seguimos con esta y otras experiencias pedagógicas …. desarrollando RUTINAS para facilitar APRENDER a EXPERIMENTAR…. Porque EXPERIMENTAR facilita APRENDER otros CONOCIMIENTOS

Referencias de éxito aplicando DOE

•  ApplicaHon of Six Sigma Methodology in Gamesa AeronaúHca. L. Pozueta y J. M. Lario López. Third Annual mee(ng of ENBIS and ISIS3. Barcelona 2003

haps://www.dropbox.com/s/rkp9w36dsdflx8f/GAMESA-‐ENBIS-‐2003.pdf?dl=0

•  OpHmizaHon of a Car brake Prototype as a Consequence of Successful DOE Training. LL. Marco, X. Tort-‐ Martorell, J. A. Cuadrado and L. Pozueta. Quality and Reliability Engineering Internacional, 20, 469-‐480. (2004)

•  Reducción de la variabilidad en un proceso de forja en ALCORTA FORGING GROUP. L. Pozueta. Jornada de Excelencia Operacional en la Industria y Servicios con Minitab Barcelona 22 Octubre 2009 haps://www.dropbox.com/s/29avy51bl8oiacr/JornadaMINITAB_Alcorta.pdf?dl=0

29.

•  Tesis doctoral: ”Desarrollo de un modelo para abordar proyectos de mejora continua de procesos productivos de forma eficaz y eficiente”

Autor: José Alberto Eguren Egiguren Directores: Unai Elorza Iñurrategi (Mondragon Unibertsitatea) Lourdes Pozueta Fernández (Avancex+i, S.L.)

Diagnosticar y Experimentar en la Empresa. Semana Europea de la Calidad 2014

Data & Analytics

Transcript of Diagnosticar y Experimentar en la Empresa. Semana Europea de la Calidad 2014