1
Diseño Estadís-co de Experimentos: De las Ideas a las Evidencias
Lourdes Pozueta, Cien2fica de Datos [email protected]
2
Diseño de Experimentos (DOE) 3 niveles: básico, medio y avanzado Nivel básico (15h): comienzo 13 Diciembre 2016 Nivel intermedio (20h): comienzo 12 de Enero 2017 Nivel avanzado (20h): comienzo 7 de Febrero 2017
Lean Six Sigma 21 Febrero-‐13 Junio 2017 15 sesiones los Martes
ENTRENAMIENTO en abierto en colaboración con Mondragon Unibertsitatea
hPp://cort.as/ovY5
hPp://www.mondragon.edu/cursos/es/temaUcas/gesUon-‐organizacion-‐industrial
Aumento del Conocimiento Ref: Koldo Lasala
è Nuevas Aplicaciones è Nuevos materiales è Nuevos productos y procesos ¡¡FRACASOS!!
El 90% de los inventores que han pisado alguna vez la -erra estas vivos CRECIMIENTO EXPONENCIAL DEL CONOCIMIENTO
è Muchos tecnólogos è Nuevas ideas è Nuevos escenarios:
experimentos
4.
¡¡ÉXITOS!! è Recursos è Conocimiento è TácUca-‐método è ….
17
© Todos los derechos reservados
Materializando la innovación en tecnologías médicas. El reto de la ejecución
Fuente: Forbes
El valle de la muerte en el camino al mercado
• Perseverancia • Presupuesto… • Adquirir nuevo Conocimiento • Aplicar Método cienOfico
Método cienOfico: ¿Evidencias? o ¿Azar? è OperaTva experimental è Procedimiento de decisión 5.
El futuro que emerge
6
• Desarrollo muy rápido de nuevas tecnologías • Necesidad de aprender rápido • Necesidad de entender-‐comprender-‐dominar la fabricación de productos
– Receta ópUma y robusta – Proceso ópUmo y robusto
¿Cómo Aprendo?
Hace falta PROTOTIPAR con Método CienOfico Atacar la variabilidad desde diseño de producto y proceso
7
Los planes de estudio de Universidades, Bachiller,…conUenen muy poca formación aplicada orientada a aplicar Diseño estadísTco de experimentos en las empresas Formación muy académica poco prácUca Las insUtuciones no potencian la formación de las empresas en analíTca de datos o método experimental Las empresas Uenen que APRENDER a APRENDER nuevos conocimientos mediante la experimentación
Reflexiones
4 buenos hábitos/recomendaciones
para amar el DEPORTE de EXPERIMENTAR
“Planes experimentales” recomendables
8
9
Preguntas Hta Idea general de la ruTna
1-‐Cu
esTo
nar
Métric
a
¿Es suficientemente preciso mi procedimiento de medir? ¿Repite? ¿Puedo dis-nguir recetas que el cliente ve diferentes (10-‐20% de variación sobre tolerancias)? Acciónè Estrategia para Medir mejor
R&R
ANOVA
Repe-r medidas de proto-pos diferentes y comparar con tolerancias
La medida repite en todos los acuarios, los peces son similares… la señal esperada por crecimiento del pez supera la repe-bilidad de acuarios=è no es necesario tantos recurso de peces y acuarios
Plan experimental y análisis
1-‐Antes de experimentar con factores EXPERIMENTA ….PARA cues-onar la métrica, valorar el ruido en que te mueves, la estabilidad del entorno, la necesidad de replicar
Ejemplo Proyecto pienso Tilapia
con Breen-‐Tknika
2-‐Cu
esTo
nar o
rigen
de
la Variabilid
ad
Si no logro repe-r los proto-pos, ¿Dónde se localiza la mayor contribución a la variabilidad? ¿Dónde percibo síntomas? ¿En el corto plazo al medir en zonas diferentes? ¿En el intento de repe-r un proto-po a con-nuación del otro? ¿a largo plazo? Acciónè Iden5ficar Causas raíz. Experimentar para op5mizar
MulUvari
ANOVA
Tomar muestras desde lo más próximo localmente a lo más lejano e iden-ficar fuente de mayor variabilidad.
Eje
Diam
etro
321
0,2510
0,2505
0,2500
0,2495
321
321
321
321
8:00 9:00 10:00 11:00 12:00
MaxMin
Posicion
Multi-Vari Chart for Diametro by Posicion - Hora
Panel variable: Hora
Preguntas Hta Idea general de la ruTna
La mayor fuente de variabilidad ENTRE LOTES; también por localización dentro de cada individuo
Lote 1 lote 2 lote 3 lote 4 lote 5
Plan experimental y análisis
2-‐Antes de experimentar con factores, EXPERIMENTA PARA localizar las fuentes de variación: corto, medio, largo
10
Ejemplo Proyecto Colágneo con Ekolber-‐Tknika
3-‐Cu
esTo
nar sob
re
los factores c
lave Dada una lista de factores que podrían afectar, ¿Qué
factores son clave? ¿Cómo es la relación con la respuesta de interés? ¿qué recetas son óp-mas y por qué? ¿Es posible atacar la variabilidad que provoca el usuario? ¿puedo obtener una receta robusta? Acciónè Diseño óp5mo. Modelo explica5vo M
ulUtud
de Diseño
s: ,…
ANDO
E, Box-‐Beh
ken,
Cluster, Cuadrado LaUn
os,
Mod
elo Ge
neral Lineal.. Experimentar según un plan que
selecciona protoUpos de modo ordenado en el espacio teniendo en cuenta todos los factores a estudio
Preguntas Hta Idea general de la ruTna
Plan experimental y análisis
3-‐Antes de EXPERIMENTAR …reflexiona sobre la tác-ca mover un factor cada vez es poco eficaz, te dejarás interacciones y gastarás más recursos A par-r de 16 tratamientos introduce factores y no repliques
11
Factor A -‐ + 16 ensayos: 1 factor
A D
+ E -‐
B
16 ensayos: 5 factores!!
Factor A -‐ +
Factor B
+ -‐
-‐
+
3 factores
Factor A -‐ +
Factor B
Factor B
Factor A + -‐
16 ensayos: 2 factores
A
B
A
B
-‐ D +
4 factores
EFICIENCIA Selección ópTma de condiciones • Coste experimental êê • Conocimiento éé
OpTmizar Parámetros (protoTpo ópTmo) Diseños 2k-‐p: Sencillos y eficientes
13
Matriz de Diseño Condiciones de Proceso
Matriz de Diseño Recetas de Producto
Matriz de Diseño Proceso x Producto
Ejemplo pienso Tilapia+Ekonek
4-‐Diseño
s para redu
cir
varia
bilid
ad (R
obustos) Dada una lista de factores ruido y otro ruido de origen
desconocido ¿Es posible atacar el ruido por variación en materia prima, condiciones ambientales, variab. u-llaje, hábitos de usuario? ¿puedo obtener una receta robusta? Acciónè Diseño óp5mo lo más robusto
Diseño
s Rob
ustos; m
ezclar factores de
control y ru
ido.
Experimentar según un plan que selecciona protoUpos ordenado en el espacio y someUdos a diferentes condiciones de ruido
Preguntas Hta Idea general de la ruTna
4-‐Antes de dar el proto-po por acabado piensa en su fabricabilidad y hazlo robusto
Diseño Robusto
15
T: 0 - + - +Ha M hu t: 0 - - + + Media s Log s
1 - - - 2,7 1,1 5,7 6,5 1,3 3,46 2,50 0,92
2 + - - 2,8 3,8 4,3 4,3 2,1 3,46 0,98 -0,02
3 - + - 4,8 3,7 5,1 6,9 2,8 4,66 1,55 0,44
4 + + - 4,3 4,5 6,2 5,8 5,2 5,20 0,82 -0,20
5 - - + 6,5 4,2 6,8 6,5 3,3 5,46 1,60 0,47
6 + - + 6,8 4,9 6,8 5,8 5,6 5,98 0,82 -0,20
7 - + + 3,6 3,1 6,3 6,4 2,9 4,46 1,74 0,56
8 + + + 4,5 3,8 5,3 4,9 5,3 4,76 0,63 -0,46
Factores de ruidoReceta
Factores de control Resultados
Métrica para medir “Nivel”
Métricas para medir Variabilidad
8 tratamientos o protoUpos
5 escenarios de ruido para cada protoUpo
Harina
Que
raUn
a
Mantequilla
Puede u5lizarse en simulación!!
16
16
16
Harina
HUevo
Mantequilla
Receta Robusta
robustos
ProtoUpo ópUmo y robusto
Buenísima noUcia
• Hay sopware comercial que facilita realizar análisis visual, diagnósUcos, DOE, SPC,… de una manera sencilla
• Los más populares MINITAB y STATGRAPHICS
17
Saber dónde encontrar la información y cómo usarla, éste es el secreto del éxito. Albert Einstein
18
Las COMPETENCIAS experimentales son clave para empresas que invesUgan, innovan, aplican mejora conUnua… !!Las Universidades están muy atrasadas en dotar de estas competencias!! è Potenciar desde DENTRO de las EMPRESAS y las INSTITUCIONES
Sostenibilidad experimental
1. Empresas-‐insUtuciones involucradas 2. Personas con deseo de adquirir competencias 3. Oportunidad de Proyectos con impacto 4. Entrenamiento
– Formación + prácUca – Aprender en equipo – ConUnuidad
5. Sociabilizar el SABER y los métodos 6. InverUr en mejorar proceso de aprendizaje
– Sopware – Tecnologías visualización
20
Clientes (orden inverso de anUgüedad): Técnicas de Control Metrológico (TCM), Fuchosa, Euskal Kataforesis, Vidrala, Tknika, Indar Electric, Bladex, COTY, Tubacex, Fagor Ederlan, Forjas de Iraeta, Edertek, ITP, Mondragon Unibertsitatea, Acciona, Copreci, TECNALIA, Tekniker, Volkswagen Navarra, Embega, Renolit, Alstom, Precicast, …. Hellmans, NISSAN NETC, DELPHI, …
21.
Ingeniería de la Calidad
Herramientas EstadísTcas
aplicadas a Mejora de Producto/Proceso
RuTnas para el logro de habilidades de
DiagnósTco, Experimentación,
análisis, ….
Despliegue de Metodologías de Mejora Avanzada en Empresa. SistemáTca RP basada en datos
Cursos-‐Talleres
Consultoría on-‐line
ESTUDIOS CONCRETOS
Protocolos Aceptación líneas Protocolos de aceptación de lotes OpTmización parámetros de Proceso Diseño de recetas de mayonesas
Lean-‐Six Sigma para BB Diseño de Experimentos Control estadísTco de procesos (SPC) Taller CreaTvidad
GesTón de la Innovación Procesos de CreaTvidad
Diseño Robusto
Six Sigma, Calidad Total…a medida
SERVICIOS
ASESORÍA estadísTca
Planes recogida de Datos Tratamiento Datos Visualización información Homologación productos Perito estadísTco en juicios
22.
InnovaTon testers:
Una vez logrado el diseño conceptual del producto, y antes de la realización de protoUpos y series piloto, es necesario establecer el modo en que se va a medir el éxito del protoUpo, o del proceso de generación del mismo, y las condiciones en que se van a elaborar los protoTpos para poder evaluar con rigor cien2fico los diferentes aspectos que interesa a una organización.
Analizamos el comportamiento de protoUpos ante variación de condiciones de diseño de producto y proceso, idenTficando factores que afectan y opTmizando diseño.
Establecemos pruebas piloto para evaluar la capacidad de los procesos de fabricación de lograr los requisitos de producto y realizamos propuestas de diseño de producto o proceso robustos a esta variabilidad. InnovaTon trainers
Ofrecemos servicios de entrenamiento en competencias relacionadas con la Mejora ConTnua y el Diseño de Experimentos. Potenciamos desarrollar el “staUsUcal thinking” en las organizaciones: el pensamiento que persigue chequear/aceptar teorías en base a hechos/evidencias.
Lourdes Pozueta Fernández Socio fundador de Avancex+i, miembro fundador Ideas2value Coordina el área diseño de experimentos y análisis estadísUco de Ideas2Value Network
Servicios para Inno
vación,
Mejora, Aprendizaje