La Variabilidad en los procesos: clave para diseñar
productos competitivos
Lourdes Pozueta Fernández
2.
“Hay muchas cosas que pueden ir mal en el proceso de desarrollo de un producto. Muchas startups no aguantan económicamente los fracasos.”
Ejemplo: Why Electric Cars Don’t Have Better Batteries | MIT Technology Review
http://www.technologyreview.com/review/534866/why-we-dont-have-battery-breakthroughs/
RETOS de la INGENIERÍA en la INNOVACiÓN •INCORPORAR con éxito, en el desarrollo de Producto/Proceso, CONOCIMIENTO (escaso) derivado de los AVANCES TECNOLÓGICOS
•REPRODUCIR, en fabricación, los RESULTADOS que surgen en etapas iniciales de desarrollo de productos (prototipos)
•...etc.
Identificar Causas Raíz de la VARIABILIDAD EXPERIMENTAR con método científico
APRENDIZAJE LENTO / Por AZAR: ACELERADO / PROVOCADO: Hecho relevante ocurre: OBSERVAR Provocar que ocurran hechos: EXPERIMENTAR con método científico 1 Observador Preparado nº de personas preparadas: EQUIPO MULTIDISCIPLINAR Capacitación para APRENDER en base a DATOS Ingeniería de la Calidad: Estadística Industrial, ….
CO
NO
CIM
IEN
TOS:
Info
rmac
ión
+ ap
rend
izaj
e
tiempo 1500
Nuevas Tecnologías
Olas tecnológicas
(+Internet)
Necesidad de Aprender a “Aprender rápido”
¿CUÁNDO y CÓMO podemos reducir la VARIABILIDAD final?
Ref.:Tabla 10.1, Cap. 10: Libro “Métodos estadísticos. Control y Mejora de la Calidad” Prat, Tort-Martorell, Grima, Pozueta y Solé. Ed. UPC
Hay que anticiparse en Fase de DISEÑO… Sin embargo….
Ley de Meskimen: “Nunca hay tiempo para hacer las cosas bien pero siempre para repetirlas”
DOE Producto robusto
DOE proceso robusto
Metodologías/Herramientas de Ingeniería de la Calidad
• EXPERIMENTAR con método científico para APRENDER QUÉ y CÓMO afecta
5.
• CARACTERIZAR comportamiento de Procesos SIMILARES: DIAGNÓSTICO
Elementos diseño producto Materias primas, Proveedores,
Parámetros máquina-proceso, localización, Utillajes, Desgastes, condiciones ambientales,
Ergonomía, Experiencia en el usuario …
Factores Clave que afectan variabilidad
PROTOTIPO Y PROCESO ROBUSTO
Factores Clave (Conocimiento adquirido)
Avances Tecnológicos
Desarrollo conceptual Factor A
- +
Fact
or B
+ -
-
+
Metodología Experimentación
2 Competencias clave en Ingeniería de Calidad
Innovación
DIAGNOSTICAR para identificar Factores Clave
Los médicos utilizan htas (Rayos-X o Test de Sangre) para determinar por qué alguien tiene dolor. La Ingeniería de Calidad utiliza herramientas para comprender lo que NO SE VE
6.
Heridas escondidas
PREGUNTAS
Hipótesis
Escuchar con atención Observación Consciente
Evidencias
¿Por qué?Causa
Raíz
0,00%10,00%20,00%30,00%40,00%50,00%60,00%70,00%80,00%
S2 S3 S4 S5 S6 S7 S8 S9 S10
S11
S12
S13
S14
S15
S16
S17
S18
S19
S20
S21
S22
S23
S24
S25
S26
S27
S28
S29
S30
S31
S32
S33
S34
S35
S36
S37
S38
S39
S40
S41
S42
S43
S44
S45
S46
S47
S48
S49
S50
S51
S52
%Def. TotalL. SuperiorMedia PeriodoL. Inferior
media: xx%
media: -media: zz
RESPUESTAS
Herramientas analíticas
Htas Recogida DATOS: observar,
experimentar
Predecir ≠ Causalidad
Modelos predictivos o causales
Factor A
- + 16 ensayos: 1 factor
A D
+ E -
B
16 ensayos: 5 factores
Factor A - +
Fact
or B
+ -
-
+
3 factores
Factor A - +
Fact
or B
Fact
or B
Factor A
+ -
16 ensayos: 2 factores
A
B
A
B
- D +
4 factores
Ejemplo de Estrategia Experimental y economía en los ensayos: 2k-p
Varios factores a la vez Óptimo de conocimiento/Coste experimental Modelos predictivos-Causales Aprender Rápido Aplicable a simuladores
✔ Mover TODOS los factores a la vez ✔ Analizar Media y Variabilidad
✖ Prueba-Error o Mover UN factor cada vez
Hay interacciones!!
Eficiencia!!
8.
Fagor Ederlan Producto: Caliper Característica: Ruido (FRF)
A
B
A
B
- D +
+
Causa Raíz ES Cota X
Variación en Frecuencia3 según localización Cavidades en molde idénticas pero Cota X en producto varía Alta correlación entre FR3 y Cota X PUEDE SER la causa
(correlación no implica causalidad)
OBSERVAR PROCESO: Diagnóstico
EXPERIMENTAR (provocar escenarios independientes)
1) Compensar Utillaje 2) Diseño producto robusto
Prueba piloto
ENTRENAR a ser “Médicos de Procesos”
• ENTENDER la VARIABILIDAD de los PROCESOS ACTUALES, – Observación consciente – Cuestionarse, elaborar preguntas, recoger datos apropiados para responder las preguntas, …y con
ello a identificar factores clave que afectan a la variabilidad. – Utilizar herramientas reconocidas internacionalmente: SPC, gráficos multi-vari, modelos de
regresión, series temporales, redes neuronales, …etc.
• EXPERIMENTAR con método científico y TRATAR el producto/proceso
– Abandonar tácticas de prueba/Error o mover 1 factor cada vez – Habilidades para recoger conocimiento tácito de las personas – Experimentar con varios factores a la vez para identificar interacciones – Utilizar metodologías estadísticas reconocidas internacionalmente: Anova, Diseños 2k-p para
industria, Diseños para mezclas, Diseños experimentales para la salud, Diseños Shainin, …etc.
• Discernir AZAR de EVIDENCIAS estadísticas.
9.
10.
[email protected] [email protected]
• Experta en Estadística Industrial: Estudios de análisis de fuentes de variabilidad Diseño de Planes experimentales Análisis e interpretación de datosOptimización de productos y procesos Modelos predictivos y causales Metodologías de Mejora continua Elaboración procedimientos estadísticos
• Consultoría a empresas • Formación en herramientas • Entrenamiento en competencias relacionadas con la
Mejora Continua y el Diseño de Experimentos
Socio fundador
11.
Capacitación en abierto
Curso Avanzado en Programas de Mejora Continua Lean-Six Sigma
Diseño de Experimentos (3 módulos)
Control Estadístico de Procesos (SPC)
Marzo-Junio 2015 Marzo 2015 Diciembre-Feb 2015
Introducción Diseño Robusto
Próximamente
Alumnos del último curso DOE: Aplicación de DOE en la fabricación de Chips en Fagor Electrónica
13.
Innovation testers: Una vez logrado el diseño conceptual del producto, y antes de la realización de prototipos y series piloto, es necesario establecer el modo en que se va a medir el éxito del prototipo, o del proceso de generación del mismo, y las condiciones en que se van a elaborar los prototipos para poder evaluar con rigor científico los diferentes aspectos que interesa a una organización. Analizamos el comportamiento de prototipos ante variación de condiciones de diseño de producto y proceso, identificando factores que afectan y optimizando 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. Innovation trainers Ofrecemos servicios de entrenamiento en competencias relacionadas con la Mejora Continua y el Diseño de Experimentos. Potenciamos desarrollar el “statistical thinking” en las organizaciones: el pensamiento que persigue chequear/aceptar teorías en base a hechos/evidencias.
http://ideas2value.net/inicio/
Lourdes Pozueta Fernández Coordina el área diseño de experimentos y análisis estadístico de Ideas2Value Network
Miembro fundador Hub de innovación abierta