1

1. INTRODUCCIÓN

Esta investigación se realizó, con la finalidad de solucionar el problema que se

presentó en el proceso de encapsulamiento de componentes electrónicos, para protegerlos

de la intrusión de humedad en una parte moldeada. El problema que se consideró fue el

defecto de curado en la resina utilizada para proteger la tablilla electrónica.

El producto es un sensor de aproximadamente 26 mm de diámetro por 50 mm de

altura. Este sensor está basado en el efecto Hall, tiene capacitores para protegerlos de los

ruidos de entrada y salida, montados en una tablilla, la cual se pone en una cubierta de

plástico que tiene tres terminales que hacen interfase con el arnés, se le agrega la resina

encima de la tablilla para protegerla de la humedad. El efecto Hall amplifica dos señales

sinusoidales ortogonales emitidas por los elementos del sensor magneto resistivo y los

convierte en dominio digital. El algoritmo calcula el ángulo de salida ya sea analógico o

digital, las características del diagnóstico las incluye el Hall asegurándose que la salida

sea en línea recta completa.

El problema se trabajó utilizando la metodología de Shainin™, metodología

utilizada como un medio para la solución de problemas en la compañía, al adentrarse el

lector en este trabajo se podrá dar cuenta de las herramientas que se utilizan en cada una

de las etapas de esta metodología.

La investigación sobre el problema se realizó en una empresa en Cd. Juárez, que

se denominó CASA. En la compañía se elaboran diferentes componentes automotrices,

donde la mayor parte de los componentes necesitan encapsulamiento para protección, y

mejorar la durabilidad del producto, exponiéndolo a diferentes ambientes. Al encontrarse

los parámetros óptimos para el control del proceso permitió eliminar el defecto en el

proceso de curado, y también eliminó los costos de los retornos de garantías. Estos

parámetros fueron implementados en el equipo de producción.

2

2. PLANTEAMIENTO DEL PROBLEMA

Desde mayo del 2007 se habían incrementado las quejas de los clientes acerca de

los sensores, donde la resina no está curada adecuadamente. Esto provocó un incremento

en defectos, desperdicio de componentes que han impactado en el costo de los materiales

de construcción en esta fase de prototipos; ya que los componentes a este nivel son

demasiado caros.

2.1 Definición del Problema

En la compañía CASA se diseñan componentes electrónicos encapsulados con

resinas. Una prueba de estos componentes es la prueba de durabilidad, relacionada con el

proceso de curado. Esta prueba tarda 100 minutos en promedio. Había un 25% de los

componentes que fallaban la prueba por defecto en el proceso de curado.

2.2 Objetivos

La investigación tenía como propósito, mediante el uso de la técnica de

Shainin™, resolver el problema del defecto de curado, gracias a esta técnica generar las

guías necesarias para evitar que el ingeniero siga teniendo este tipo de problemas.

a).-Desarrollar la técnica para resolver el problema, ayudar al ingeniero en la

toma de decisiones en los diseños que usan resinas.

b).-Proporcionar a la compañía CASA una guía que ayude a eliminar los costos de

desperdicio.

2.3 Preguntas de Investigación

Los objetivos anteriormente mencionados se alcanzaron cuando se formularon las

siguientes preguntas de investigación:

1. ¿Es posible encontrar las causas del problema de los defectos de curado mediante

la técnica de Shainin™?

3

2. ¿Se puede elaborar una guía que ayude al ingeniero, utilizando los resultados

obtenidos de esta metodología?

2.4 Hipótesis de Investigación

1. Mediante el uso de la técnica de Shainin™ es posible eliminar las causas de

los defectos de curado en la resina.

2. Mediante los resultados obtenidos en el presente trabajo se puede elaborar una

guía para ingeniería en el uso de las resinas a fin de proteger los componentes

electrónicos.

2.5 Justificación

Como se definió en el objetivo general, esta investigación se enfocó a encontrar

las causas de los defectos en el proceso de curado de las resinas, utilizando la

metodología de Shainin™, para la detección y reducción de la variación del proceso de

curado. La cantidad de rechazos que representa el 25% de defectos fue de 100 piezas, en

este nivel de prototipos se genera demasiado gasto de desperdicio. Esta investigación

benefició a la compañía en la capacitación de ingenieros en el proceso de curado,

reducción del tiempo en diseño de prueba y reducción de desperdicio. Al eliminar el

problema la compañía tuvo un ahorro de 45,000 dólares. Estos resultados obtenidos se

implementaron en el equipo de producción.

2.6 Delimitaciones y Supuestos

La investigación se llevó a cabo en el área de prototipos de la compañía, en el

área de negocios de sensores digitales, en Cd. Juárez, Chihuahua, México. Se asume que

la información proporcionada por las personas de la compañía a la que se le compra las

resinas llamada Dowcorning®, así como los resultados que se obtuvieron de los expertos

4

del área de laboratorio de materiales son confiables y ampliamente probados por el

tiempo de experiencia en diseño y pruebas de las resinas.

5

3. MARCO TEÓRICO

En este capítulo se presenta la revisión de la literatura sobre la investigación que

se ha hecho en relación a la metodología de Shainin.

3.1 Definición de la Metodología de Shainin

Steiner y Mackey (2006) mencionan que el Sistema Shainin (SS) es el nombre

dado a un sistema de resolución de problemas, con sus estrategias y herramientas

asociadas, desarrollado por Dorian Shainin, y ampliamente utilizado y promovido en el

sector manufacturero. Shainin, D. (2003) también llamó a este sistema Ingeniería

Estadística, lo que refleja su experiencia y educación en ingeniería. La empresa de

consultoría, Shainin LLC™, ofrece el sistema de marca registrada Estrategia de la X roja.

Sin embargo, muchas de las herramientas estadísticas y métodos que son promovidos

conjuntamente en el SS no son ni nuevos, ni necesariamente la mejor manera de

aplicarlos. Shainin Y → X ™ es una metodología desarrollada que se basa en diseño de

familia de contrastes. Ésto se basa en encontrar las piezas con mayor contraste entre ellas,

la peor de la peor, y la mejor de la mejor, para encontrar si la causa dominante de

variación (X roja) está en el diseño de la familia. Reproduce familias de contaste, si la X

roja que cae dentro de la categoría de posición a posición dentro del grupo, crea una

unión entre la mejor de la mejor (BOB, del idioma inglés Best of the Best), la peor de la

peor (WOW, del inglés Worst of the Worst) para cada paso de la metodología de Shainin

se puede reproducir el contraste de grupo a grupo, lote a lote, pieza a pieza, para

determinar en qué lugar se localiza la X roja.

El enfoque de Anthony, J. (1999) es demostrar el poder de las variables. Shainin

ha desarrollado y promovido las siete herramientas para el producto y la mejora de la

calidad del proceso multivariable incluyendo gráficos, búsqueda de componentes,

comparaciones por pares, búsqueda variables, factoriales completos y gráficos de

dispersión B vs. C, (Bhote, 1991). Shainin se opone enérgicamente a la aplicación de la

Diseños factoriales fraccionarias para la experimentación que son esencialmente de

Taguchi para el diseño ortogonal de la matriz (Shainin y Shainin, 1988).

6

El objetivo de Anthony, J. y de Ho, A. Y.C. (2003) es demostrar la potencia del

método de búsqueda variable como herramienta para resolver problemas relacionados

con la calidad del proceso. Shainin se refiere a la variable más importante que la "X roja ',

la segunda variable más importante como en la" X rosa " y así sucesivamente. Shainin

aboga por la reducción de las fuentes de variación de hasta un número manejable (en

general hasta cuatro), de la que lleva a cabo un experimento factorial completo. Thomas,

A.J. y Anthony, J. (2004), mencionan que tanto los clásicos y los enfoques de Taguchi

proporcionar un medio muy poderoso para comprender el comportamiento del proceso y

por lo tanto, los factores clave que influyen en el rendimiento de cualquier sistema de o

proceso.

Goodman, J. y Wyld D.C. (2001) documentan un caso de estudio en el uso de

Shainin en un diseño de experimentos. Donde el proceso Shainin se usa para reducir la

variabilidad del proceso mediante el aislamiento de los factores más influyentes como (la

X roja). Mediante el uso de varias técnicas estadísticas, la X Roja es identificada, las

medidas correctivas que deben adoptarse. Demuestra que el control de la metodología de

Shainin en calidad es muy práctica y fácilmente ejecutable en una variedad de ajustes,

por lo que es el más accesible esta técnica para soluciones de calidad disponible hoy en

día.

Thomas, A.J. Anthony J. (2005) describen inicialmente tanto la técnica de

Taguchi, diseño de experimentos y la clave de la técnica Shainin que se enfoca en la

búsqueda de variables, luego se va a comparar la precisión, validez y facilidad de uso de

ambos enfoques a través de la desarrollo de un caso de estudio. Su objetivo es

proporcionar una nueva perspectiva sobre la aplicación de las diferentes técnicas de DOE

a fin de estimular un mayor uso y desarrollo de estos métodos estadísticos en la industria.

Logothetis, N. (1990) evalúan las técnicas alternativas a la experimentación y en

particular al análisis de fracciones, las recomendadas por Dorian Shainin. Sus métodos

para la identificación de variables y la variación en la línea fuera del escenario de un

proceso de producción, se describen y evalúan, las relaciones con otros métodos para el

control de calidad fuera de línea y en la mejora de línea.

7

De Mast, J. (2003) menciona Seis Sigma donde sugiere que tiene una colección

de herramientas y técnicas para el descubrimiento de factores potenciales de influencia

(diagramas de flujo, intercambio de ideas, diagramas de causa y efecto, diagramas de

ejecución, gráficos de control, multi-vari gráficos, etc. Sin embargo, estas herramientas

no se colocan en una estrategia como lo hace Shainin, sin embargo se compara con la

metodología del Sistema de Shainin.

Shainin™ es una metodología para el área de manufactura, ya que es una

herramienta reactiva cuando ya existe un problema. Esta metodología define las piezas

WOW-BOB, una vez que se encuentra este contraste se trabaja en el, para encontrar X

roja. Se utilizan estas piezas de contraste, y a través de ellas arroja información con lo

cual tienen las familias de variación, esta metodología está definida como el FACTUAL.

Por sus siglas en ingles se define como Focus (enfoque), Approach (aproximación),

Converge (converger), Test (probar), Understand (entender), Apply (aplicar) y Leverage

(apalancamiento). Para Shainin, la mejora de calidad significa encontrar las causas más

importantes para la variación (X roja, X rosa). El profesional de la calidad tiene que

actuar como detective que busca pistas. Las pistas correctas se pueden encontrar en el

piso de la tienda, en las piezas. Deje que ocurra una charla con el proceso, deje que las

piezas hablen y con la ayuda de algunas técnicas simples usted solucionará el misterio.

Se siguen estrategias diferentes; La Y verde es el rendimiento de la distribución o

una declaración descriptiva, ya sea para un evento, una función, una propiedad, o un

defecto. También Y verde es el apalancamiento a ingeniería que revela la visión de la

falla de la física. Por último la Y verde no debe ser nunca contabilidad métrica.

Contabilizar cifras no proporciona una idea de la geometría o de la física. El término Y

Verde está directamente relacionado con la medición de la “salida” o la señal dada por el

producto que se está analizando el cual cuenta con determinadas características de trabajo

y especificaciones definidas en el diseño del mismo producto cuyos parámetros podrían

ser: voltaje, resistencia, presión, peso, tiempo de respuesta, inductancia, etc. Para el

problema que se analiza en esta tesis la Y Verde es la dureza de la resina al ser tratada

térmicamente.

8

De acuerdo a esta definición de la Y Verde, se siguió la estrategia para encontrar

la causa principal (X roja) del proceso defectuoso (Y verde) como se muestra en la figura

3.1 que describe una estrategia eficiente que va del efecto a la causa del problema. Esta

estrategia es considerada la filosofía de la X Roja.

Los principios en que está basada la estrategia de la metodología de Shainin™ (2004) son:

• La X roja es la relación de la causa-efecto, es la causa raíz del problema que está

proporcionando la mayor variación en el producto de interés, con el más grande

apalancamiento sobre la Y verde de BOB a WOW.

• Hay siempre una X roja.

• La ruta más rápida para llegar a la X roja es a través de una búsqueda progresiva

comenzando con una Y verde bien definida.

• Mantener un muestreo estadístico (K.I.S.S, del inglés Keep it Statistical Sample).

Fig. 3.1 Filosofía de la X Roja

Se considera la filosofía de la X roja como una estrategia que está basada en el

mundo de la física y el principio de Pareto. Cuando hablamos del mundo físico se refiere

Y V

erde

X Roja

Estrategia Eficiente

Efecto Causa

9

a: característica física, defecto, evento, y propiedad. Basado en estas características se

define la Y verde.

El principio de Pareto establece que unas cuantas causas, ∆Xs, generan la mayoría

de los incrementos en ∆Y. Se recomienda utilizar el principio de Pareto para determinar

los 5 problemas más altos. Sin el principio de Pareto no se pueden asignar los recursos

para la realización del proyecto, ya que por medio del diagrama de Pareto se presentan

los problemas a los que se les da continuidad para ser solucionados, y una vez aprobados

por la gerencia se les asignan los recursos necesarios para encontrar la solución del

problema. El principio de Pareto que se muestra en la figura 3.2 ayuda para cuantificar la

cantidad de variación en Y que es causada por el 100% de la variación en cada X.

0

10

20

30

40

50

60

70

80

90

100

Fig. 3.2 Principio de Pareto

3.2 Descripción del Producto

Este sensor es el que determina la posición del acelerador, (TPS, del inglés

Throttle Position Sensor). Este sensor es parte de un ensamble que se encarga de traducir

el movimiento mecánico de rotación en una señal eléctrica lineal. El voltaje de salida del

sensor es proporcional al desplazamiento de la válvula del eje. En la figura 3.3 se muestra

La variación en Y es causada por el 100% de la variación en cada X.

10

un diagrama de flujo del funcionamiento del TPS. Durante su construcción se especifica

el peso de resina que debe vertirse en la cavidad donde se localiza la tablilla electrónica

es de 5.7 ± 0.1 gramos. La resina se vierte con un dispensador de resina semi-automática

y se cura en un horno durante 15 minutos. El dispensador hace la mezcla de la resina en

la proporción de uno a uno, lo que significa que la misma cantidad de resina y

endurecedor son mezclados y aplicados en la cubierta del sensor, para la protección de la

tablilla que debe ser protegida de la humedad. Posteriormente, se debe usar una cámara

de temperatura para acelerar el proceso de curado de la resina.

Fig. 3.3 Diagrama de Flujo del Funcionamiento del Sensor

3.2.1 Aplicación Automotriz y Funcionamiento

En términos más sencillos, el ensamble del acelerador para la válvula de aire (en

AVA y los Sistemas Multipuertos de Inyección de Combustible) - regula el flujo de aire

en el motor y, por ende, contribuye al control de la velocidad del motor y la potencia. La

11

válvula de mariposa proporciona el caudal mínimo en el área del sistema de admisión,

excepto cerca de la mariposa totalmente abierta (WOT). En virtud de las condiciones

típicas, la mayoría de la pérdida total de presión se produce a través de la válvula de

mariposa. El masa del caudal de aire a través de la válvula mariposa se relaciona

directamente con la sección eficaz de algunas zonas definidas como "la placa" al abrir las

zonas de ambos lados de la válvula de mariposa. Los siguientes factores deberían ser

tomados en cuenta a la hora de analizar el flujo a través de la válvula de mariposa:

• La válvula mariposa establece con la presión del aire una posición

completamente cerrada por encima de la posición en el agujero para evitar

el agujero obligatorio en el acelerador. Esta posición se define como el

envío del aire. La magnitud de la posición de la rotación del acelerador de

cierre completo, es ajustado por el tornillo de ajuste en el acelerador.

• El diámetro de la flecha del acelerador es suficientemente grande para

tener el área del acelerador abierta completamente, especialmente en la

condición del paso del flujo a través de la válvula.

• Las mínimas fugas de aire que se espera debido a las tolerancias de diseño

y fabricación. En la figura 3.4 se observan la flechas que van de arriba

hacia abajo y la mínima de fugas de aire a través de las paredes donde la

placa debería de cerrar.

• La pérdida de presión a través de la válvula mariposa en el marco de

condiciones de flujo real puede ser menor que con arreglo a las

condiciones de flujo constante. Como resultado de ello, el flujo de aire

puede ser inferior al flujo calculado del aire.

• El coeficiente de descarga de la válvula varía con el ángulo del acelerador,

presión y número de Reynolds. Este coeficiente puede ser obtenido

experimentalmente.

12

Fig. 3.4 Mínima Velocidad de Aire

El diseño del sensor consiste en eliminar los componentes de contacto, y detectar

la abertura de la garganta para el paso del aire a través de un motor que hace la función

de girar la placa, y el sensor lineal detecta la posición de abertura, que permite el paso del

aire o limita la entrada del mismo. La tasa mínima del caudal de la masa del aire (g / s)

que pasa a través del orificio de la válvula cerrada, además de la purga de los puertos para

cualquier flujo de aire constante situados por debajo de la placa del acelerador. La tasa

mínima del aire se mide con el paso de la válvula de control de aire en un tubo de

desviación conectado, y el mínimo de aire de tornillo completamente retraído. El mínimo

caudal de aire no puede controlarse después del montaje. Aire mínimo = Placa de aire

cerrada + purga constante de aire, en la figura 3.5 se muestran las condiciones de las

placas.

13

Fig. 3.5 Tamaño del Cuerpo del Acelerador

3.2.2 Sensor Lineal

El sensor que se está analizando, es un dispositivo lineal programable el cual

detecta el flujo magnético del movimiento de la flecha del motor, para mostrar el ángulo

de abertura de la placa y la posición de la misma para dar paso al flujo de aire. Una vez

ensamblado se programa el sensor, dando una línea de voltaje lineal redundante la cual es

usada para el ajuste de la mezcla de aire, por medio del flujo magnético muestra la

posición de la placa. En la figura 3.6 se muestran los componentes que se ensamblan para

posteriormente programarse.

14

Fig. 3.6 Vista de un Sensor Lineal Mostrando sus Componentes Internos.

Una vez programado resulta en una línea recta de relación ángulo contra la salida

de voltaje, donde convierte el movimiento mecánico en una salida de voltaje para cada

posición angular del plato, en la figura 3.7 se muestra esta relación entre el ángulo y el

voltaje de salida del sensor.

Fig. 3.7 Relación del Angulo y la Salida de Voltaje

15

En la figura 3.8 se muestra el curado y la mezcla de la resina, ésta es la causa de

los problemas de garantía y se requiere determinar el proceso correcto con los parámetros

adecuados para el curado, así como determinar las mezclas de las resinas adecuadas.

Fig. 3.8 Resina Curado/Mezcla

3.3 Isoplot

Shainin D. (2004), el Isoplot es una herramienta que se utilizó para determinar si

el sistema de medición, es capaz de discriminar las partes buenas de las malas. Por medio

de éste se verificó la variación del producto (∆P) y el equipo de medición (∆M). Para este

análisis, la variable que se midió fue la profundidad de la resina medida en mm, que da

una relación de curado/dureza, por medio de un indicador de profundidad. Esta relación

se llama “Proporción de discriminación”. Para este análisis se tomaron 30 piezas las

cuales fueron medidas en dos ocasiones en orden aleatorio, total de datos 60, dos veces

por pieza, medidos con el indicador de profundidad. Posteriormente los datos fueron

procesados con el “Isoplot”, con el cual se calcula le discriminación del equipo de

medición. La distribución que se obtiene con los datos graficados formando una salchicha

16

a lo largo como se muestra en la figura 3.9 (unidades de medición) que representa la

variación del producto (∆P), y el espesor es la variación del equipo o sistema de medición

(∆M). El valor de la proporción de discriminación se obtiene de la relación ∆P/∆M y ésta

no deberá ser menor a 6. El estudio del Isoplot pasó la prueba de la proporción de

discriminación ≥6 en el cual se incluyen piezas buenas y malas para abarcar todo el rango

de variación.

Fig. 3.9 Resultados del Isoplot ∆P/∆M

3.4 Características de la Y Verde

La Y verde como se muestra en la figura 3.10 puede ser una característica de

producto. En el diagrama de flujo se muestran las diferentes estrategias para la Y verde

como son: característica, propiedad, evento que se subdivide en dos (como son control

deseable, y eliminar lo que no se desea). La Y verde es la distribución de desempeño para

un evento, una característica, una propiedad, o un defecto. Para un evento, la Y verde es

la energía necesaria para causar el evento, los eventos están en función de las

17

características y las propiedades cuando la energía se aplica. Para una característica, la Y

verde, es la distancia desde un punto de referencia a la función de superficie, tamaño y

forma no deben separarse. Para una propiedad, la Y verde es una interacción entre las

moléculas del cuerpo y la energía, en diferentes regiones del cuerpo. En la metodología

de Shainin®, defecto no significa que no cumpla, sino que puede ser que una parte que

no cumple con una característica, evento, propiedad o defecto. Se escogió la familia de

variación basado en la Y verde de una característica.

Fig. 3.10 Diferentes Estrategias para Diferentes Y Verdes

Control deseable

Y Verde

Característica Evento Propiedad

Eliminar las reacciones

18

4. METODOLOGÍA El propósito de este capítulo es el mostrar de forma detallada la serie de pasos

tomados dentro de la metodología Shainin® para llevar a cabo la realización del proyecto

de mejora del proceso de curado de las resinas para la reducción de los defectos de

calidad en los sensores tanto digitales como lineales. Para la aplicación del método de

Shainin para encontrar la X roja, se definió el problema como un problema de garantía

por un proceso de curado inadecuado. El costo de garantía por regreso es de $ 45,000

dólares, siendo esta empresa proveedores de la planta que la compañía tiene en Europa.

4.1 Pasos de la Metodología de Shainin Para la Solución del Problema

El primer paso para la solución del problema consistió en seleccionar el grupo que

se encargaría de dar el soporte para la solución del problema, así como el seguimiento de

todas las actividades a realizarse en el área de ensamble de prototipos para ser

implementados en el área de producción. El problema se ubicó en los sensores lineales

programables para el acelerador que determina la posición del plato que permite la

entrada de aire. Debido a que el problema puede aplicarse a todos los sensores tanto

digitales como lineales, se enfocó la investigación en uno de los sensores lineales que

utilizará el equipo para producción. Se siguieron los formatos con los que se presentó

ante el comité evaluador de los resultados donde se mostró la causa raíz del problema. Se

siguieron los formatos y guías de la metodología de Shainin®, en la figura 4.1 se muestra

la secuencia de la metodología. Esta secuencia describe los pasos que se siguen durante la

aplicación de la técnica y como debe documentarse. También se muestra en la figura 4.2

los miembros del equipo que conforman cada una de las aéreas que se verán involucradas

en la solución del problema y como parte importante del equipo está el patrocinador del

proyecto. Stainer y MacKay (2008) consideran los principios subyacentes del sistema de

Shainin™ en dos grupos. El primer grupo se desprende de la idea que existen causas de la

variación dominante. El segundo grupo de principios están incrustados en el algoritmo

del sistema de Shainin®, como se muestra en la figura 4.1.

19

Fig. 4.1 Metodología de Shainin

Definición del proyecto por la Gerencia

Árbol de Definición del problema

Árbol de Solución del problema

Establecer un Sistema de medición

Pistas y variables sospechosas

Diseño de experimentos

Encontrar la X roja

Interacción

Tolerancias Realistas

Acción correctiva irreversible

Control estadístico de proceso

Monitorear los resultados

¡Entusiasmo del cliente!

Optimizar

Diagnóstico

Solución

Definición

Si Si

No

Si

No

No

20

Fig. 4.2 Miembros del Equipo y Definición del Problema.

4.2 Definición del Proyecto

El alcance de la aplicación del árbol comienza con la declaración del problema

como se ve por el solucionador de problemas. Ésto se hace a través de la convergencia de

una serie de divisiones que se centra en el desarrollo de la Y verde para hacer frente al

problema de una X roja.

La Y verde es la respuesta de salida que puede ser medida, que ofrece a ingeniería

una base eficaz para encontrar la solución del problema. Para ser útil, la Y verde debe

estar relacionada con la física, las características o propiedades. La definición del

proyecto comienza con la declaración del problema y termina con la definición de la Y

verde.

4.2.1 Árbol de Definición del Problema

El árbol de definición del problema es un diagrama de flujo que describe la razón

fundamental de cada una de las actividades que se realizaron durante el análisis del

problema. La figura 4.3 muestra cada una de las ramas que sigue al producto. En este

paso la gerencia define el problema como es percibido por ellos, el ingeniero describe en

Sensor lineal TPS División B Calidad del proceso de curado de resinas. Miembros del equipo del Centro Técnico:

-Dimitís Angrotis Director del Centro Técnico -Arquímedes Godoy Supervisor de Ingeniería -Keith Fong Ingeniero de Estadístico -Martin Escobedo Ingeniero de Producto

Miembros del equipo en la planta de manufactura: -Cynthia Contreras Ingeniero de Manufactura Los problemas de calidad en el proceso de curado de las resinas han ocasionado costo de garantía por regreso de $ 45,000 dólares, en los primeros seis meses. Siendo esta compañía proveedores de la planta que la compañía tiene en Europa.

21

términos de ingeniería la preocupación de la gerencia y plantea su solución. La gerencia

lo percibe como un problema de calidad en los sensores lineales que se fabrican en el área

de sensores, en la división B, de las operaciones mexicanas.

Fig. 4.3 Diagrama de Flujo de Cómo Visualiza la Gerencia el Problema.

En la figura 4.3 se describen los pasos que se siguieron para la definición del

problema para cada una de las diferentes ramas que componen el producto. En este paso

se definió en cual planta está el problema, después se definió como un problema de

calidad, el cual nos llevó a que era el proceso de curado de la resina el que provocaba las

partes defectuosas, y que nos generaba los problemas de garantía.

Los pasos que siguen, describen como se llega a la definición del problema,

basándose en una estrategia del diagrama, enfocándose en la X roja. También se agrega la

definición del problema y al lado derecho se agrega la razón fundamental como se

muestra en la figura 4.4. A continuación se describen los pasos que se siguieron para

definir el proyecto.

Operaciones Mexicanas

División A División B División C División D División A

Sensores Actuadores Módulos

Digitales Análogos

Problema de Calidad

22

1. Comienza como la gerencia y/o el cliente perciben el problema, el ingeniero de

producto plasma en términos de ingeniería las inquietudes de la gerencia y plantea

la solución.

2. Se desglosa el problema basado en el diagrama de estrategia.

3. Se reduce el problema a la mínima expresión enfocada a la X Roja.

4. Se agrega la definición del problema y se enfoca en buscar lo que no se conoce

del problema.

5. Se definen las pistas y/o causas con las que debe trabajar y como deben tratarlas.

6. Siempre se debe poner la razón fundamental al lado derecho de cada nivel.

Fig. 4.4 Diagrama de Flujo del Árbol de Definición del Problema.

Declaración del Proyecto: Eliminar la X roja que está causando el curado inadecuado en la resina.

Razón fundamental

• El problema se presenta en el área de sensores.

• El problema es de calidad

• El problema es detectado en el área de calidad.

• El problema es en el curado de la resina que ha provocado los regresos de garantía, por el proceso inadecuado.

Division B

Otros Planta de Sensores

Otros Calidad

Calidad a la primera vez

Garantias

Eliminar la X roja, que causa el inadecuado curado de la resina

Definición del Proyecto

23

El problema se presenta durante el proceso de curado de la resina en el ensamble

del sensor, durante la construcción de las órdenes de venta, generando desperdicio. Pero

lo grave es que llegan hasta el cliente de la planta ensambladora en Europa. Las partes

son regresadas debido a los defectos que presentan al momento en que las van a

ensamblar. El problema que se analizó ocurrió en partes que fueron regresos de garantía

los cuales se analizaron para buscar la causa. Como contención a lo que se encontró

durante el análisis de las piezas de garantía, se implementaron medidas para evitar seguir

enviando piezas defectuosas, auditando las piezas antes de embarcarse para asegurarse en

la calidad de las piezas, esto sucedió durante el análisis de la causa raíz del problema de

curado.

4.2.2 Árbol de Solución del Problema

El árbol de solución del problema se realiza después de que el problema fue

definido. La solución se enfocó en las partes o componentes potenciales que

contribuyeron con la causa raíz que provocó el problema. El cual fue desarrollado por el

ingeniero de manufactura e ingeniero de producto, para definir las pistas que llevaron a

enfocase en la solución del problema.

A continuación se describen los pasos que se siguieron para la solución del

problema, siguiendo la secuencia de la figura 4.4.

1. Empieza con el problema tal y como se definió en el árbol de definición anterior.

2. Durante el primer paso se tiene que evaluar si la variación proviene del producto y

compararse con la variación del equipo de medición. Aplicando la metodología de

Shainin®, se utiliza el Isoplot para determinar la variación entre el producto y el

sistema de medición.

3. En el lado derecho para cada nivel del árbol se mostró la razón fundamental que

describe la estrategia seleccionada por medio de la metodología de Shainin ®, de

acuerdo a las pistas que son sospechosas de causar el problema.

24

Típicamente la definición del problema comienza como fue percibido por la gerencia,

para posteriormente centrarse en un proyecto para abordar el problema. El árbol de

solución del problema termina con la declaración del proyecto. En la figura 4.4 se

muestra la declaración del proyecto: Eliminar la X-roja que está causando el curado

inadecuado de la resina.

Las posibles pistas para encontrar la X-roja son las resinas, las mezclas de éstas, las

presiones para vaciarla en la cubierta, tiempo y temperatura. En la figura 4.5 se muestran

las dos resinas para la mezcla. La figura 4.6 muestra la punta para inyectar la resina que

cubre los componentes. La figura 4.7 muestra los controles de presión, y el ajuste de la

inyección de la resina. Una vez configurado estos parámetros se pone un candado para

evitar que se mueva.

Fig. 4.5 Componentes de la Mezcla.

25

Fig. 4.6 Aplicador de Silicón.

Fig. 4.7 Ajustes de la Presión de la Inyección.

Ajuste de la inyección del silicón

Presión

Candado

Mezclador o aplicador de silicón. MS-05-32

26

En la figura 4.8 se muestra cada paso que se siguió para determinar la causa o X

roja del problema. Al lado derecho del diagrama de flujo se muestran las razones de

cómo se llegó a las causas que ocasionaron el problema, se desglosó también paso a paso

solo que con fundamento para que el diagrama de flujo muestre lo que está escrito como

razón fundamental.

Primero, se descartaron las plantas y se seleccionó sólo la planta donde se tiene el

problema de calidad. Posteriormente dentro de la planta de sensores se tienen diferentes

líneas de productos, las cuales son identificadas por módulos, en este paso se eliminaron

los módulos de inyectores y transmisiones, para enfocarse únicamente en el módulo de

los sensores.

El siguiente paso consistió en definir en qué departamentos se encontraba el

problema, siendo el departamento 528 donde se construye el modelo 25376459 AA, el

cual es prototipo antes de su liberación a producción. Este número de parte contiene la

cubierta 28143288, resina 28096464 (partes A y B de la figura 4.5). Al sub-ensamble

28143288 se le agrega la mezcla de la resina 28096464, la cual es procesada en el horno

para acelerar su endurecimiento. En el paso siguiente se evaluó cual era el problema

mayor, si calidad a la primera vez o eran garantías, se escogieron las garantías ya que fue

lo que dio la alerta de los problemas con el cliente. Aquí se definió que la X roja es la

resina sin curar, siendo la Y verde la dureza de la resina.

En el diagrama de la figura 4.8, se muestran los elementos cruzados con las

líneas discontinuas (mezcla y presión) lo cual significa que todavía no están

completamente descartadas de la investigación. Mientras que los elementos que están

cruzados con líneas continuas significan que fueron descartadas. Los elementos que no

fueron cruzados están sometidos a investigación, ya que se tiene que demostrar primero

que no son parte del problema, para poderse descartar completamente.

27

Problema de calidad retorno de garantías.

La X roja es la resina sin curar, siendo la Y verde la dureza de la resina.

Fig. 4.8 Diagrama de Flujo del Árbol de Solución del Problema.

4.3 Establecer el Sistema de Medición Efectivo El Isoplot es un diagrama que se puede usar para determinar si el problema está

en las piezas o en el sistema de medición. Para el análisis se utilizó un indicador de

profundidad que mide la dureza de la resina en función de la penetración del indicador en

la resina de la mezcla. El Isoplot se utiliza para comparar el tamaño relativo del proceso y

Razón Fundamental Calidad del curado de la resina, en la planta de sensores. En el modulo de sensores. Departamento 528 con el número de parte 25376459 AA. Problema de garantía. Relación entre tiempo y temperatura.

Planta Sensores

Modulo I Inyectores

Modulo II Transmisiones

Modulo III Sensores

Departamento 556

Departamento 528 Numero de parte (25376459AA)

Calidad a la primera vez

(FTQ)

Garantias

Mezcla Tiempo Temperatura Presión

28

sistema de medición de la variación de las familias. En su forma más simple, se

seleccionan 30 unidades, y cada unidad es medida en dos ocasiones. Un Isoplot comienza

con un diagrama de dispersión de las dos mediciones en cada unidad. En la distribución

de los datos graficados, la variación de la horizontal es el proceso global, medido por la

variación de la primera lectura y la vertical variación es el proceso global, medido por la

variación de la segunda lectura. La variación en una dirección perpendicular a la línea de

45 grados representa la variación de la medición. Si todos los puntos se encuentran cerca

de los 45 grados de la línea, la variación del sistema de medición es pequeña.

El Isoplot es una herramienta que se utilizó para determinar que el sistema de

medición discrimina las partes buenas de las malas. Con esta herramienta se verificó la

variación del producto (∆P) y el equipo de medición (∆M). Para este análisis la variable

que se midió fue la profundidad de la resina medida en mm, que resulta en una relación

de curado/dureza, por medio de un indicador de profundidad. Esta relación se llama

“Proporción de discriminación”. Para el análisis se tomaron 30 piezas las cuales fueron

medidas en dos ocasiones en forma aleatoria, medidos con el indicador de profundidad.

Posteriormente, los datos fueron procesados con el “Isoplot”, con el cual se calcula la

discriminación del equipo de medición. La distribución que se obtuvo con los datos

graficados a lo largo de la distribución, se muestra en la figura 4.9 (unidades de

medición). ∆P representa la variación del producto en el eje de las X, y el espesor es la

variación del equipo o sistema de medición (∆M). El valor de la proporción de

discriminación se obtiene de la relación ∆P/∆M y ésta no deberá ser menor a 6. El

estudio del Isoplot pasó esta prueba de la proporción de discriminación en el cual se

incluyen piezas buenas y malas para abarcar todo el rango de variación.

Durante este análisis los datos fueron graficados y se obtuvo una buena relación

de discriminación lo que llevó a definir que el problema se encontraba en las partes que

se analizaron. En la figura 4.9 se pueden observar los resultados obtenidos, ahí se observa

cómo se distribuyen los datos en la gráfica, donde el valor de la relación ∆P/∆M es 10.2.

29

Fig. 4.9 Resultado del Isoplot Final ∆P/∆M igual a 10.2.

La generación de pistas de variables sospechosas, son para orientar la

investigación, para hacer el análisis donde se localiza la mayor variación de las familias

de variación.

Menciona Montgomery, (2006) que para seleccionar la variable de respuesta, el

experimentador deberá tener la certeza de esta variable que proporciona en realidad

información útil acerca del proceso bajo estudio. Shainin™ sigue esta manera de

seleccionar la característica para definir la respuesta que proporcione la causa, llamándola

filosofía de la X-roja que va del efecto a la causa.

Shainin™ usa varias herramientas estadísticas, entre éstas se apoya del diseño de

experimentos para encontrar la causa del problema, por medio de éste llega a encontrar la

30

X roja. Puede existir una interacción entre dos factores, a un segundo factor se le llama X

rosa, una vez encontrada la causa del problema se hace un análisis para calcular las

tolerancias realistas.

Los pasos para calcular las tolerancias realistas los menciona Bothe, A. K. (1991),

para determinar las tolerancias realistas, se selecciona la salida (Y) que debe cumplirse,

en la práctica se utiliza la X roja y la X rosa, a través de la utilización de los métodos de

diseño de experimentos, análisis multivariable, búsqueda de variables y/o factoriales

completos y se confirma con la prueba B vs. C. Hay varios métodos de comprobación

que utiliza Shainin™ en su metodología. Segundo se selecciona un rango de valores de la

variable X roja que sirve para ajustar la salida (Y). Se corren treinta muestras, se grafican,

no necesariamente los datos deben tener un ángulo de inclinación de 45º, porque los datos

dependen de la escala utilizada de la X roja. Tercero se gráfica una línea en la media que

se llama línea de regresión a través de los treinta puntos, se trazan dos líneas paralelas en

cada extremo de la media. La intersección vertical a través de este paralelogramo es la

variación en Y, debido a que todas las variables se suman, como la X roja. También si la

salida Y es el requerimiento del cliente, en términos de la especificación superior se

trazan dos líneas paralelas hacia el eje horizontal donde se muestra la tolerancia realista

de manufactura, estas líneas determinan la máxima tolerancia para la X roja para

asegurarse los requerimientos del cliente.

La implementación de las acciones correctivas, monitoreo de resultados se usaron

los documentos de control que se utilizan en la planta como son: el plan de control de

proceso, hojas de revisión para control de los parámetros, documentos de auditorias de

calidad.

En el capítulo 5 se describen los resultados obtenidos al aplicar los pasos de la

metodología de Shainin™ para encontrar la X roja, el establecimiento de las tolerancias

realistas, implementar la acción correctiva, lograr el control del proceso, monitorear el

proceso, y lograr el entusiasmo del cliente.

31

5. RESULTADOS

En este capítulo se presentan los resultados de la investigación que se llevó a cabo

siguiendo la metodología de Shainin™. Estos resultados incluyen desde la generación de

pistas para la eliminación de la X roja hasta la aplicación de las acciones correctivas.

5.1 Generación de Pistas y Variables Sospechosas

Para generar las pistas se hizo una lista de variables sospechosas que ya se

mencionaron en la sección 4.2.2 (mezcla de la resina y el catalizador, presión para

expulsar la resina a través del mezclador, tiempo en el horno y la temperatura). Estas

pistas identificaron a las familias de variación las cuales fueron graficadas en un análisis

multivariable para observar el comportamiento de cada una de las familias de variación

tales como: tiempo a tiempo, temperatura a temperatura, mezcla a mezcla, presión a

presión, pieza a pieza. También se hizo un diseño de experimentos, y a través de un

análisis multivariable se observó el comportamiento de cada una de las familias con

mayor variación donde se observó el mayor contraste. En la figura 5.2 se muestra un

análisis multivariable, donde se observó que la mayor familia de variación es de

temperatura a temperatura.

5.2 Diseño del Experimento

Una vez que se determinó que en el equipo de medición no había variación, se

prosiguió a analizar la variación del producto (∆P) seleccionando una estrategia adecuada

con el propósito de generar más pistas que lleven a la solución del problema. En la figura

5.1 se observan diferentes Y verdes, de aquí se seleccionó la característica de la cual se

desprenden una lista de variables sospechosas mencionadas anteriormente.

32

Fig. 5.1 Diferentes Estrategias para Diferentes Y Verdes

Como menciona Montgomery D. C. (2006). El diseño factorial de . Los

niveles de los factores pueden denominarse arbitrariamente “alto” o “bajo”. Para el

diseño de experimentos basado en las características del modo de falla se procedió a

utilizar los factores explicados previamente en la sección 4.2.4: temperatura, tiempo,

presión, mezcla y la variación existente entre las piezas como las probables causantes del

problema. Bothe K. R. (1991). En el análisis multivariable de la figura 5.2 se encontró

que la familia con mayor variación era de temperatura a temperatura. No existieron

variaciones de pieza a pieza, ni tampoco en la familia de tiempo a tiempo. De ahí se

procede a realizar un diseño de experimentos con los factores que causan el problema,

para encontrar la interacción existente entre ellos, causante del defecto de calidad.

Control deseable

Y Verde

Característica Evento Propiedad

Eliminar las reacciones

33

Fig. 5.2 Familia de Variación en el Multivariable

La tabla 5.1 muestra las corridas del diseño de experimentos. Se usaron 4 niveles

de temperatura a dos tiempos diferentes, en cada una de las condiciones se tomaron datos

de la dureza de la resina medida con un indicador de profundidad. Los datos se muestran

para cada combinación, donde conforme va aumentando la temperatura la resina se va

endureciendo más, y los tiempos no están teniendo un impacto significante como la

temperatura.

34

Tabla 5.1 Datos Obtenidos del Diseño de Experimentos.

Temp. (°C) 80°C 100°C 120°C 150°C

Tiempo (minutos)

Pieza

10 15 10 15 10 15 10 15

1 8.30 8.21 8.21 8.11 8.08 8.05 7.60 7.56

2 8.34 8.19 8.17 8.15 8.14 8.05 7.53 7.50

3 8.21 8.23 8.12 8.17 8.03 8.06 7.38 7.50

4 8.24 8.24 8.16 8.11 8.09 8.09 7.40 7.50

5 8.22 8.20 8.12 8.10 8.04 7.99 7.40 7.52

Avg= 8.26 8.21 8.16 8.13 8.08 8.05 7.46 7.52

5.3 Encontrar la X Roja

Durante el análisis para encontrar la X roja se graficaron los datos que se

muestran en la tabla 5.1, fueron graficados, la figura 5.3 muestra los datos graficados de

la dureza de la resina. Durante la corrida del experimento se tomaron los datos de la

dureza o la penetración del indicador en la resina después de que fue puesto en un horno

a las diferentes temperaturas y tiempos.

Tiempo (min)

Profundidad (mm)

1510

8.3

8.2

8.1

8.0

7.9

7.8

7.7

7.6

7.5

7.4

1510

1510

1510

80 100 120 150 pieza

5

1

2

3

4

Multi-Vari Chart for Profundidad (mm) by pieza - Temperatura (°C)

Panel variable: Temperatura (°C)

Fig. 5.3 La Datos graficados de la tabla 5.1

35

En la tabla 5.2 se muestra el análisis de varianza de profundidad. Los datos

obtenidos muestran un valor P de 0.000 para la temperatura, que indica el factor que más

contribuye al curado de la resina.

Tabla 5.2 Análisis de Varianza para la Profundidad.

Análisis de varianza para la profundidad, usando la prueba de ajuste SS Fuente DF Seq. SS Ajuste SS Ajuste MS F P Temp. (°C) 3 3.40583 3.40583 1.13528 469.36 0.000 Tiempo (min) 1 0.00156 0.00156 0.00156 0.65 0.427 Interacción 3 0.01541 0.01541 0.01541 2.12 0.117 Error 32 0.07740 0.07740 0.00242 Total 39 3.50020

En la figura 5.3 se puede observar un análisis multivariable de la temperatura y el

tiempo, a diferentes niveles. Aquí se puede ver que el mayor cambio está de temperatura

a temperatura, donde se puede ver que el tiempo tiene muy poco efecto comparado con la

temperatura. En el primer cuadro se observa que la temperatura de 80°C y los tiempos no

muestran un cambio significativo, este mismo comportamiento se muestra para las

temperaturas de 100°C y 120°C, pero con una tendencia hacia abajo. La temperatura de

150°C es la que tiene el mayor efecto sobre el curado de la resina, el tiempo tiene muy

poco efecto, aunque es necesario para acelerar el curado en este caso se puede usar el

tiempo de 10 o 15 minutos, sin embargo a los 10 minutos, la profundidad es menor, igual

a dureza, por cuestiones económicas se sugirió 10 minutos, como se observa en las

figuras 5.3 y 5.4.

En la figura 5.4 se puede observar que la interacción no es significante. El mayor

contribuyente es la temperatura los elementos involucrados en este análisis son el tiempo

y la temperatura. Aunque el tiempo no tiene un efecto fuerte se concluye que la

temperatura se debe controlar durante la implementación del proceso de curado.

36

Tiempo (min)

Mean

1510

8.3

8.2

8.1

8.0

7.9

7.8

7.7

7.6

7.5

7.4

Temperatura (°C)

120

150

80

100

Interaction Plot (fitted means) for Salida (mm)

Fig. 5.4 Gráfica de la Interacción.

En la figura 5.5 se puede observar la optimización de la temperatura y el tiempo

para estos dos factores realizada en Minitab®. La figura 5.6 presenta una gráfica normal

de los efectos más significativos, se puede observar que el efecto más significativo es la

temperatura, mayor contribuyente al problema de calidad. La X roja es la temperatura

como el efecto más significativo. El tiempo ayuda a acelerar el proceso de curado, y

puede ser considerada como un X rosa.

37

CurHigh

Low0.00000D

New

d = 0.00000

Minimum

Res Prof

y = 7.4641

0.00000

Desirability

Composite

10.0

15.0

80.0

150.0Time (miTemp (°C

[149.8205] [10.0]

Fig. 5.5 Gráfica de Optimización de la Temperatura.

0-5-10-15-20-25-30

99

95

90

80

70

60

50

40

30

20

10

5

1

Standardized Effect

Percent

A Temp (°C )

B Time (min)

Factor Name

Not Significant

Significant

Effect Type

A

Normal Plot of the Standardized Effects(response is Res Prof, Alpha = 0.05)

Fig. 5.6 Efecto más Significante, la Temperatura. 5.4 Optimización de la Cámara

38

Basado en el análisis multivariable de la figura 5.3, el primer paso fue optimizar

la cámara que se utilizó para curar la resina, para asegurarse que estaba controlando

correctamente la temperatura y los tiempos de residencia. Se instrumentó la cámara

poniendo termopares en diferentes aéreas de la cámara como se muestra en la figura 5.8

para verificar que los efectos de la temperatura se distribuyeran uniformemente. La figura

5.7 muestra la cámara que se utilizó para instalar los termopares. Es un equipo que se

llama Cincinnati SubZero®, nombre comercial, también muestra un controlador de

temperatura que se localiza en la parte frontal del equipo

Fig. 5.7 Horno Utilizado para Hacer el Análisis del Flujo de Aire.

39

La figura 5.8 muestra como se ubicaron los termopares dentro de la cámara a

diferentes niveles y algunos termopares están localizados sobre las paredes del horno.

Finalmente, la figura 5.9 muestra el efecto dentro del horno que se comprobó durante la

prueba de uniformidad de la temperatura donde se someten las piezas a diferentes

temperaturas, durante un tiempo determinado. En la cámara de la figura 5.8, también se

midió el comportamiento del aire con termopares colocados cada uno en cada una de las

ocho esquinas, fuera de dos pulgadas de cualquier pared frontera y un suspendido en el

aire en el centro de la cámara. El perfil térmico va desde 200°C a -70°C, con una

velocidad de 200°C/1 minuto, con 15 minutos en cada extremo de temperatura, teniendo

periodos de 32 minutos por ciclo.

Fig. 5.8 Ubicación de los Termopares Dentro del Horno.

40

Fig. 5.9 Efecto Vortex Dentro de la Cámara.

Las diferencias más significativas entre las mediciones de los termopares se

produjeron durante el más rápido calentamiento y enfriamiento debido a las rampas como

se muestra en la figura 5.10. Durante los períodos de estabilización la cámara tenía un

comportamiento térmico más uniforme en los lugares donde se colocaron los termopares.

Estos termopares se colocaron en las cuatro esquinas superiores; el espacio aéreo

próximo a la puerta de la cámara como se indica con las flechas en la figura 5.9. Con

estos análisis se asegura que se puede controlar el tiempo y la temperatura, para obtener

los parámetros controlados, con la optimización de la cámara se asegura que el equipo

está operando adecuadamente.

41

Fig. 5.10 La Uniformidad se Muestra en la Gráfica en Toda la Cámara.

5.5 Optimizar/Tolerancias Realistas

Una vez que se encontró la X roja se optimizó el proceso para los factores de

temperatura y el tiempo que son parámetros que ayudan a tener los resultados de dureza

de acuerdo a la especificación del producto, los cuales son graficados para encontrar las

tolerancias de manufactura. En la figura 5.11 se muestra el rango de aceptación del

cliente en el eje vertical, contra la especificación definida por la empresa en el eje

horizontal que debe ser más cerrada para evitar enviar material defectuoso al cliente. Se

pueden observar las tolerancias realistas de los resultados obtenidos. Para obtener los

resultados de calidad deseados se debe de tener una tolerancia de 7.4 mm a 7.92 mm en

eje vertical (dureza Y verde) para satisfacer a nuestro cliente con calidad a la primera vez,

siendo la tolerancia en la empresa de 7.4 mm a 9.9 mm en la dureza de la resina. Bothe

K. R (1991). Con estas tolerancias realistas especificadas por la empresa que se encuentra

en el eje horizontal se puede tener una excelente calidad del producto a través de un

-100

-50

0

50

100

150

200

250

1:04 P

M

1:06

PM

1:07 P

M

1:09 P

M

1:10

PM

1:12 P

M

1:13

PM

1:15 P

M

1:16 P

M

1:18

PM

1:19 P

M

1:21 P

M

1:22

PM

1:24 P

M

1:25 P

M

1:27

PM

1:28 P

M

1:30 P

M

1:31 P

M

1:33 P

M

1:34

PM

1:36 P

M

1:37 P

M

1:39

PM

1:40 P

M

1:42 P

M

1:43

PM

1:45 P

M

1:46 P

M

1:48

PM

1:49 P

M

1:51 P

M

1:52

PM

1:54 P

M

1:55 P

M

1:57

PM

Time (hh:mm)

De

g C

Estabilización

Estabilización

R a m p a

42

proceso bien controlado, monitoreando correctamente la temperatura y los tiempos de

residencia en la cámara.

Fig. 5.11 Paralelogramo de Tolerancias Realistas.

5.6 Acciones Correctivas

.Para el proceso de curado del horno se implementó los controles a través de la

retroalimentación con un control de la temperatura, así como el tiempo de respuesta para

tener los parámetros adecuados de temperatura. El tiempo de curado es regulado por el

controlador de temperatura de la cámara, el cual ajusta la temperatura cuando ésta se sale

de lo establecido, usualmente es ± 10°C del valor nominal determinado. La figura 5.12

muestra el encabezado del plan de control de proceso, el cual se sigue para controlar las

características deseadas del producto, este documento contiene los parámetros de proceso

de la cámara, así como la cantidad de la mezcla de los dos componentes de la resina, la

43

presión, y los parámetros de temperatura y tiempo. Incluye también las posibles

soluciones a algún problema de proceso. Estas acciones son verificadas por medio del

plan de control de proceso, en el cual se detallan todas las actividades en la línea de

producción, donde se monitorean tiempos, temperatura, presiones, cantidad de las

mezclas de resina, torques, etc. El plan de control de proceso define la secuencia de flujo,

y los controles para cada estación. Para el control del horno el plan de control contiene

los números de parte de las resinas, cantidad de las mezclas de los dos componentes A y

B, temperatura de pre-curado, temperatura de curado, y el tiempo de pre-calentamiento, y

el tiempo de enfriamiento del horno.

Fig. 5.12 Encabezado del Plan de Control de Proceso.

Las acciones son controladas a través del plan de control de proceso (PCP),

contiene los parámetros y las soluciones a las posibles causas de los problemas del

proceso. El PCP define la secuencia del proceso, si es característica de proceso o de

producto, especificación de proceso/producto, método de medición, tamaño de

muestra/frecuencia, método de control y plan de reacción.

En las figuras 5.13 y 5.14 se muestran los encabezados de las hojas de control de

proceso de aplicación de la resina, así como los controles de volumen y parámetros de la

cámara de curado. Estos dos documentos se utilizan para control y monitoreo de los

parámetros y volumen de resina que se aplican al componente. Estos controles son los

44

mecanismos de revisión del área de calidad para asegurarse que los parámetros son los

que están especificados. Durante el inicio de turno, el área de calidad es la responsable de

monitorear y asegurarse que se cumpla con lo que está especificado en el plan de control

de proceso. En la figura 5.14 se muestra el encabezado de la hoja de control, monitoreo

diario por turno del equipo, que se utiliza para curar la resina, para asegurarse que se

tiene el proceso controlado y dentro de especificación. En este formato se anotan los

valores de dureza que se están inspeccionando diariamente, el control es de dos veces por

turno; al inicio y a la mitad del turno.

Fig. 5.13 Encabezado del Proceso de Curado.

45

Fig. 5.14 Hoja de Control de Parámetros por Turno

Al encontrarse los parámetros óptimos para el control del proceso permitió

eliminar el defecto en el proceso de curado, y también eliminó los costos de los retornos

de garantías. Estos parámetros fueron implementados en el equipo de producción, como

se muestra en la figura 5.15

46

Fig. 5.15 Parámetros de control del proceso

La ayuda visual muestra la inspección que se realiza después de que el material

pasado por el proceso de curado, en la figura 5.16 se muestra los puntos que se revisan

después del proceso de curado.

47

Fig. 5.16 Ayuda Visual

Los resultados obtenidos por medio de la metodología de Shainin™, ayudaron a

eliminar los defectos del proceso de curado en los componentes electrónicos,

disminuyendo los problemas de calidad, y como consecuencia los retornos de garantía a

cero. Una vez que se terminó el proyecto se subió en una base de datos de lecciones

aprendidas para que los ingenieros de proceso puedan consultar los resultados y

aplicarlos a los nuevos procesos donde se utilicen resinas. Las hipótesis planteadas se

cumplieron ya que el problema de calidad se eliminó y se pudo controlar el proceso.

También estas lecciones aprendidas se publicaron en la página WEB (

hpp://mexico.delphiauto.net/EC/SEC/downloads.asp?View=Document&doc=Mejoramie

nto_Continuo/LESSONS%20LEARNED) de la compañía, para que ingeniería tuviera

48

acceso a ellas para evitar repetir las pruebas y evitar errores de proceso. El proceso fue

optimizado para la disminución del tiempo de curado y la eliminación del problema de

calidad, resolviendo así el problema que se había planteado al inicio de esta

investigación. El monitoreo de los resultados fue a través de una hoja de control de

proceso, el cual contiene los parámetros de la cámara, donde se controla el tiempo,

temperatura, mezcla de la resina, el tiempo de precalentado y curado.

49

6. CONCLUSIONES Y RECOMENDACIONES

El propósito de este capítulo es el de presentar las conclusiones obtenidas después

de realizada la investigación y la mejora del proceso de curado, en el retorno de garantías

generado por el problema de calidad del curado de las resina, así como hacer las

recomendaciones pertinentes.

6.1 Conclusiones

La investigación se llevó a cabo siguiendo la metodología de Shainin®, donde los

pasos que se siguieron fueron: definición del proyecto, planteamiento del problema,

definir el sistema de medición, generación de pistas, listas de variables sospechosas,

optimizar, acción correctiva, monitorear los resultados y controlar.

La X roja fue encontrada al hacer el análisis de multivariable y el diseño de

experimentos una vez que se corrió en Minitab® el modelo lineal general. En el análisis

multivariable se observó la relación que existía entre la temperatura y el tiempo, siendo el

factor más significante la temperatura como se mostró en la figura 5.6. Una vez

encontrados los parámetros de optimización del proceso de curado del horno, se

calcularon las tolerancias realistas para el producto como se muestra en la figura 5.11. Se

mide la dureza la cual se refleja en el eje horizontal, tolerancia de la empresa, y en el eje

vertical se muestra el rango de aceptación del cliente, el cual se conoce como el

entusiasmo del cliente. Al controlar el tiempo y la temperatura de la cámara, se tiene un

proceso capaz que da como resultado el control de la dureza de la resina en el producto

obteniendo la tolerancia realista en el eje horizontal. Con el resultado obtenido se logró

eliminar los defectos de calidad en el proceso de curado de las resinas. Los parámetros

que se encontraron fueron implementados en el equipo de producción para control de la

calidad del producto.

Los retornos de garantía se eliminaron en un 100 %, debido a las condiciones de

control en los parámetros del proceso que fueron efectivas. Al ser automático el proceso,

se eliminó el problema de defectos de curado. Nuestro sistema de detección en la línea de

50

producción disminuyó la posibilidad de envío de piezas con problemas de calidad. El

problema de curado hasta el día de hoy son cero defectos encontrados durante la

producción. Al encontrar la X roja el impacto económico fue de 45,000 dólares de ahorró

en seis meses, que a lo largo del desarrollo del proyecto que duró 18 meses para su

implementación en producción arrojo un ahorro total de 135,000 dólares, hasta su

implementación.

El objetivo general propuesto en el planteamiento del problema se cumplió al

eliminar el problema de calidad en el proceso de curado de resinas en el encapsulado de

componentes electrónicos para los sensores lineales en la aplicación de los sensores

lineales, se lograron los objetivos específicos:

a. Mediante el uso de la técnica de Shainin fue posible eliminar las causas del

problema de curado de la resina y eliminar los defectos de calidad.

b. Con los resultados obtenidos en el presente trabajo se elaboró un

documento, que se publico en la WEB como lecciones aprendidas que sirvió

como guía para ingeniería en el uso de las resinas a fin de proteger los

componentes electrónicos.

(hpp://mexico.delphiauto.net/EC/SEC/downloads.asp?View=Document&doc

=Mejoramiento_Continuo/LESSONS%20LEARNED)

Se concluye que se logró el objetivo general de la investigación formulada al

inicio de esta, se pudo eliminar el problema de calidad del curado de la resina.

6.2 Recomendaciones

Se recomienda utilizar la técnica de Shainin™ para eliminar las burbujas de aire

que se quedan atrapadas entre la resina. Han sido pocas piezas encontradas donde la

burbuja llega hasta la tablilla, esto podría ocasionar un problema de garantía por fallas

eléctricas debido a la humedad que pueda entrar hasta el componente eléctrico, ya que

cuando se combina el voltaje con la humedad se puede tener dendritas. Las dendritas es la

51

migración de electrones del platinado del que están compuestas las pistas de la tablilla y

las terminales que se utilizan para tener el contacto eléctrico.

Una de las recomendaciones sería que se aplicaran las lecciones aprendidas en las

otras líneas de producción donde se han detectado problemas similares, en el área de los

sensores digitales, y de rotación principalmente. Aunque han aparecido otros problemas

como burbujas atrapadas, estos problemas son contenidos en la planta, que tiene una alta

incidencia de calidad a la primera vez, con la posibilidad de que lleguen al cliente. De

hecho ha sucedido con los sensores digitales en tres ocasiones, por lo que habrá que hacer

otro análisis para eliminar este defecto, que no fue investigado en este trabajo.

52

7. BIBLIOGRAFÍA

Anthony, J. (1999). Spotting the key variables using Shainin's Variables Search Design. Anthony, J. y de Ho, A. Y.C. (2003). Training for Shainin's approach to experimental

design using a catapult. Bhote K. R. (1991). World Class Quality, “Using Design of Experiment to Make It

Happen”.

De Mast, J. (2003). Quality Improvement from the Viewpoint of Statistical Method

Goodman, J. y Wyld D.C. (2001). The Hunt for the Red X: A Case Study in the use of

Shainin Design of Experiment (doe) in an Industrial Honing Operation. Logothetis, N. (1990). Alternatives to fractional experimentation: an assessment and

critique. Montgomery D. C. (2006). Design and Analysis of Experiments. Ed. Limusa

México, DF. Shainin D. (2003). Problem Solving for Manufacturing 102403. Red X® Strategies.

(2004). Advance Problem Solving for Manufacturing 121404. Red X®

Strategies.

(2004). Journeyman Principles. Red X® Strategies 122204.

Stainer S. H. and McKay R. J. (2006). “And Overview of the Shainin™ for Quality

Improvement”.

(2008). “And Overview of the Shainin™ for Quality Improvement”. Thomas, A.J. y Anthony, J. (2004). Applying Shainin’s variables search methodology in

aerospace applications Thomas, A.J. y Anthony, J. (2005). A comparative analysis of the Taguchi and Shainin

DOE techniques in an aerospace environment.