NUEVOS MODELOS DE PRODUCCIN EN UN ENTORNO COMPETITIVO

Hacia un modelo de produccin robusta

Eva Prez Pulido

Dpto. Programas Internacionales INSTITUTO ANDALUZ DE TECNOLOGA

Dos Hermanas, 30 de septiembre de 2005

Creador: Genichi Taguchi Origen: Japn, tras la Segunda Guerra Mundial. Necesidad de ahorro de costes en fabricacin manteniendo la calidad de los productos Optimizacin de la produccin Objeto: reducir la sensibilidad de productos y procesos a variaciones no deseables con el objetivo ltimo de:
reducir costes mejorar la productividad y fiabilidad de los procesos aumentar la satisfaccin de los clientes.
2

Producto robusto Aquel capaz de desempear todas sus funciones an cuando se han producido variaciones aceptables durante periodos de vida razonables. Proceso robusto Aquel cuyas salidas presentan pequeas variaciones cuando algunas de las entradas del proceso presentaron variaciones significantes.

Falta de robustez
Generalmente los productos/procesos poco robustos dan lugar a: Bajo rendimiento Elevado nmero de operaciones de reprocesado Alto nivel de devoluciones por parte de los clientes Insatisfaccin de los clientes

Causas de la falta de robustez

Los productos/procesos pueden ser poco robustos por: Los ajustes de los procesos clave no son los ptimos Los materiales presentan excesivas variaciones No se han establecido los mtodos ptimos de procesado Los procesos estn afectados por el entorno En definitiva: Se desconoce informacin vital sobre el proceso/ producto
5

Proyecto europeo cofinanciado por la Unin Europea dentro del programa Crecimiento Competitivo y Sostenible del V Programa Marco de I+D+I.

Versin de la Metodologa de Diseo Robusto adaptada a las necesidades de la empresa europea. Aplicaciones en empresas.

www.eurobust.net
6

Desarrollar la versin europea de la Metodologa de Diseo Robusto, teniendo en cuenta las prcticas actuales de Desarrollo de Sistemas e Ingeniera de Diseo llevadas a cabo en empresas europeas de distintos sectores y tamaos. Revisin de mtodos y desarrollo de otros nuevos para la versin de la Metodologa de Diseo Robusto adaptada a las empresas europeas.

15 organizaciones europeas de Alemania, Espaa, Irlanda, Holanda, Reino Unido y Suecia. Entre ellas:
8 empresas: MEUPE, Volvo Trucks Corp., Carl Zeiss, Leslie Group, AJ Precision Components, Eurocad, Boston Scientific Ireland, SKF 5 centros tecnolgicos: IVF (Coordinador), IAT, FZK, AMT Ireland, CQM 2 Universidades: Universidad de Chalmers y Universidad de Stuttgart
8

Conjunto de herramientas EURobust para el Diseo Robusto

Diseo Robusto de un proceso
Para aquellas organizaciones que usen por primera vez tcnicas estadsticas y otras tcnicas de diseo robusto o para pequeas empresas que no llevan a cabo un gran desarrollo de nuevos productos

Diseo Robusto de un producto

Para empresas familiarizadas con el uso de tcnicas estadsticas y que cuentan con un programa de desarrollo de nuevos productos
9

Diseo de un Proceso Robusto

1. Seleccionar el proyecto y el objetivo 2. Seleccionar el equipo de trabajo y el coordinador 3. Elegir un software 4. Seleccionar las respuestas cuidadosamente 5. Asegurar que esas respuestas sean medibles 6. Seleccionar los factores, rangos y niveles 7. Elegir la seleccin ms apropiada 8. Numerar las rplicas o repeticiones 9. Establecer el orden de las pruebas 10. Planificar y ejecutar el experimento 11. Analizar el experimento 12. Completar las pruebas de confirmacin e integrar el aprendizaje
10

Enfoque del proceso

Factores de ruido

Diseo

X1 X2

Factores controlables
(Entradas)

Proceso

Y1 Y2

Respuesta
(Salidas)

11

Opciones de experimentacin No todos los experimentos se hacen igual ...

Un factor cada vez Experimentacin diseada

12

Experimentacin: Un factor cada vez

A2 B2 C 2 D 2 E4 Cmo maximizaramos la respuesta del proceso (Y) cambiando un factor cada vez ?

A B C D E 1 2 2 2 2 2 2 2 1 1 1 1 2 1 1 2 1 1 1 1 2 2 2 2 1 1 1 1 2 1 1 1 1 1 1 1 1 2 3 4

Y
1) Cmo sabemos que nuestros resultados son verdad absoluta?

2) Podramos predecir Y para algunos valores de A, B ,C, D, E no testados aqu ?

3)Qu informacin tenemos sobre las interacciones entre los factores?

13

Ms all de Un factor cada vez

Una estrategia experimental mejorada nos dara: Modelo de prediccin. Resultado ptimo (mx., min., etc.) entre todas las combinaciones de factores. Informacin de las interacciones entre factores.

Diseo de Experimentos
Cambios organizados en variables independientes (factores) con el propsito de observar cambios relacionados con las variables dependientes (respuestas).
14

Usado para identificar los factores o pasos que ms contribuyen a la generacin de variaciones dentro de las especificaciones de un producto. Tres enfoques distintos: - Clsico. Fisher, agricultura - Taguchi. Japn - Shainin. Estados Unidos Uno de los usos ms importantes del DOE es el Diseo de Parmetros, es decir las tolerancias y los valores nominales que formarn parte de los objetivos de calidad.
15

Objetivos del DoE

Identificar el impacto de los factores en las respuestas Identificar las interacciones especficas entre factores

Optimizacin: ajuste de factores Mxima informacin

respuesta deseada

Mnimos recursos

Poder obtener respuestas pronosticadas

16

La Voz del Cliente

Define los Lmites de las Especificaciones y los Objetivos Informacin en Continuo
Voz del Consumidor

Lmite Inferior de Especificaciones LSL

Objetivo

Lmite Superior de Especificaciones USL

OK
Voz del proceso Frecuencia

Defectos

Medidas de Salidas del Proceso

Defectos

17

Objetivos del proceso de mejora

LSL

USL

LSL LSL

USL

USL

Ilustracin de 3 cosas que pueden hacerse para mejorar el rendimiento de este proceso
18

Mtodos
Existen distintos mtodos para el Diseo de experimentos, dependiendo del objeto de la experimentacin (diseo robusto, modelado del proceso, optimizacin, etc.), tales como:
- Factorial

Fraccional

- Factorial Completo - Plackett-Burman - D-ptimo - Diseos Taguchi - Diseos Clsicos con Factores de ruido incluidos - Central Composite - Box-Behnken (Redes Neuronales) - Etc.
19

P l a n

Clarificar objetivos Determinar respuestas Determinar factores . Rangos

. Niveles

Pasos del DOE

Check Anlisis . Adecuacin estadstica . Anlisis grfico . Ecuacin predictiva Do Llevar a cabo el experimento Confirmacin Prediccin Capacidad del DOE Modelo Act Integracin de los conocimientos

Combinacin de lneas de investigacin Determinar el orden de las lneas Determinar las necesidades de rplica

20

Mtodo de ingeniera basado en la estadstica, desarrollado para encontrar de forma sistemtica las reas del producto/proceso a las que se deberan dirigir los esfuerzos de mejora.

21

VARIACIN  Presente en todos los procesos.  Problemas de calidad y seguridad (variaciones no deseadas)
Gestin de la variacin no deseada en una etapa temprana (diseo) del producto/ proceso.

Eficiencia y efectividad
22

Objetivos del VMEA

 Identificar parmetros/caractersticas en procesos/productos,

para los que una variacin no deseada puede resultar perjudicial

 Identificar y valorar factores que pueden potencialmente

perjudicar un proceso/producto

 Documenta y clasifica los aspectos relacionados con

variaciones no deseadas en procesos/productos
23

KPC (Caracterstica Clave del Proceso/Producto)

Caracterstica del producto para la cul una variacin no deseada podra afectar de forma significativa a: - la seguridad del producto - la conformidad respecto a los estndares o regulaciones gubernamentales - la satisfaccin del cliente respecto al producto

24

Sub-KPC: elemento del proceso/producto a travs del cual la variacin es transmitida a la KPC. Factor de ruido (NF): fuente de variacin que afecta al producto/proceso. VRPN (Valor de la Prioridad del Riesgo de la Variacin): indica el orden en el que las actividades de reduccin de la variacin deberan ser llevadas a cabo.

25

Seleccin de la KPC Desglose de la KPC: Sub-KPC y NF Valoracin de las sensibilidades Valoracin de la variacin de los NF Clculo de los VRPN
26

Caracterstica Clave del producto (KPC)

27

Realizado por: Fecha: Sistema: Funcin: KPC Sub-KPC KPC Sens. a Sub-KPC NF Sub-KPC Sens. a NF NF Tamao de variac. VRPN (NF)
VRPN (SubKPC)

NF11 Sub-KPC1 NF12 NF13 NF14 NF21 Sub-KPC2 KPC NF22

..

NF2m
. . . . ..

NFn1 Sub-KPCn NFn2

.

NFnm

28

Criterio 1: Valoracin de la sensibilidad

  De KPC a sub-KPC De sub-KPC a factor de ruido

Criterio 2: Valoracin de la variacin

 De los factores de ruido (NF)
P u n tu a c i n

B a ja s e n s ib ilid a d. U n c a m b io e n u n p a r m e tro e s p o c o p ro b a b le q u e c a u s e c a m b io s s u s ta n c ia le s e n e l o tro . e n s ib ilid a d m o d e ra d a . Un c a m b io en un p a r m e tro e s b a s ta n te p ro b a b le q u e c a u s e c a m b io s s u s ta n c ia le s e n e l o tro . S e n s ib ilid a d a lta. U n c a m b io e n u n p a r m e tro e s p ro b a b le q u e c a u s e c a m b io s s u s ta n c ia le s e n e l o tro . S e n s ib ilid a d m u y a lta. U n c a m b io e n u n p a r m e tro e s m u y p ro b a b le q u e c a u s e c a m b io s s u s ta n c ia le s e n e l o tro .

3 -4

5 -6

7 -8

9- 0


29

M u y b a ja s e n s ib ilid a d . U n c m b i es m uy poco p ro b a b le que s u s ta n c ia le s e n e l o tro .

e n u n p a r m e tr cause c a m b io s

rit r i

rit r i

e e va l a c i

e la s e n s i i lid a d

Criterio 2: Criterio del evaluacin de la variacin del factor de ruido Muy poca variabilidad del factor de ruido en condiciones de operacin, es decir , a pesar de las condiciones de operacin la dispersin del factor de ruido continua siendo muy pequea. Poca variabilidad del factor de ruido en condiciones de operacin, es decir, a pesar de las condiciones de operacin la dispersin del factor de ruido continua siendo bastante pequea. Moderada variabilidad del factor de ruido en condiciones de operacin, es decir, a pesar de las condiciones de operacin, la dispersin del factor de ruido continua siendo pequea. Alta variabilidad del factor de ruido en condiciones de operacin, es decir, la dispersin del factor de ruido es grande. Gran variabilidad del factor de ruido en las condiciones de operacin, es decir, la dispersin del factor de ruido es muy grande.

Puntuacin

1-2

3-4

5-6

7-8

9-10

30

31

Hacia u a Pr
Fas Phase
7

ucci Robusta...
t i ontent M ode
9A9 !                               @ @ 7 98
Pl v l ific r, l gir fi ir gr r l s ctivi r y ct il t ; tr j y s l ific ci

Pilot Project

A r

32

FE D B F

st l c r C lt r v l r l s ctivi s

$ 1 % # $ # ( # # ( %( ) '0 ) ) # ( % ' '

% % %' % # % $' # # 0 % 6

j r ontinuous Improvement c ti

PUR RS P S H W

RQ U V

Diffusion if si

if ir l rt s l s s cci s l r s y v l r r l v t s l s ctivi s if si

l r st y i t gr ci

Integrationi I t gr c

FE D FBGB CG

$1 ' ( # ( # ( % ( % % % ' % # % # & 5 # % #( # $% # # #$) # % %( ) )& 423 # ($' 2

RQ PU P T

vvaluation l ci

r l x ri ci s t i s l r y ct il t ; visi ry s v l ci v l r r l s ctivi

$1 % ' % # # ( # ( % ( % % %)% % $) ) ) & ) # ) & # $# % ( $ # 0 ) % $ # # & # % #( # ( $ # &

S S I S H S

Pr y ct il t

)) & ) # ) & #( # ( ( % ( % % %' % # % $ # # # % $ ' % $ # #& # % # $ # "

Modelo i l t ci i t gr ci d Metodologas de Diseo Robusto

v l

r r x ri ci y r l s ctivi s il t

r f r ci ; l r y ct

Implementation I l t ci

FE D DCB

RQ P PIH

Preparation Pr r ci

9A

Pr r ci Preparation

Eva Prez Pulido Dpto. Programas Internacionales

evaperez@iat.es Tfno. 95 446 80 10 Fax: 95 446 04 07 http://www.iat.es C/ Gutenberg s/n Isla de La Cartuja 41092 Sevilla

33