Convencer y NO Vencer en base a EVIDENCIAS

457 visualizaciones

Publicado el

Buenos hábitos para volcar el conocimiento de partida e ir construyendo en base a evidencias nuevo conocimiento que CONVENCE e impulsa el CAMBIO, el APRENDIZAJE.
Lean-Six Sigma proporciona una hoja de ruta y unas herramientas que lo permiten

Publicado en: Ingeniería
0 comentarios
3 recomendaciones
Estadísticas
Notas
  • Sé el primero en comentar

Sin descargas
Visualizaciones
Visualizaciones totales
457
En SlideShare
0
De insertados
0
Número de insertados
10
Acciones
Compartido
0
Descargas
8
Comentarios
0
Recomendaciones
3
Insertados 0
No insertados

No hay notas en la diapositiva.
  • Narrar un relato con alto impacto en organización
    Mostrar situación de partida impactante
    Acuerdo en el modo de medir
    Recogida opinión de todas partes afectadas
    Estudio profundo de caracterización de comportamiento en base a datos
    que se vean los resultados (no cuentas)
    Estudio profundo para llegar a causa raíz
    Planificación pruebas rigurosas
    Soluciones diseñadas y probadas con rigor
    Monitorización de soluciones
  • Las personas necesitan habilidades nuevas, diferentes a por las que les han contratatdo
  • Entrenamiento (aspectos clave):
    Individuos, equipo y la organizción
    EL reto y lo que representa: Complejidad, modo de entender, modo de compartir conocimiento, modo de salir de la caja, convencer a equipo y a los demás
    Sistemática: DMAIC
    Aprender con los ojos, con las mentes de otros, con Datos
  • Este diagrama representa los dos procesos básicos del método científico:
    Inducción: Crear modelos, hacer hipótesis o conjeturas a partir de nuestras observaciones, de la realidad de los datos y el RAZONAMIENTO
    Deducción: Extraer consecuencias de nuestros modelos o conjeturas (si es cierto, entonces…) y comprobar si son ciertas a base de datos
    Es por tanto opuesto al: creo, opino, considero… Y la estadística, tanto para suministrar materia prima para el proceso inductivo, como para aconsejar el tipo de prueba, la cantidad de datos a recoger, etc para realizar las comprobaciones del proceso deductivo, es la herramienta básica.
  • Poner LOGOS
  • Convencer y NO Vencer en base a EVIDENCIAS

    1. 1.     Lean-­‐Six  Sigma:  La  ventaja  compe33va  de  las   organizaciones  que  aprenden     “La  importancia  de  los  DATOS  y  las  Herramientas  para  Convencer,  No   Vencer,  con  EVIDENCIAS”       Dra.  Lourdes  Pozueta    
    2. 2.         LinkedIn lourdes.pozueta@avancex.com     Licenciada  Matemá3cas            (Universidad  de  Zaragoza)   Master  in  Science              (University  of  Madison-­‐Wisconsin)   Doctor  por  la  UPC  en  Estadís3ca  Industrial    (ETSEIB-­‐UPC,  Barcelona)     Master  Black-­‐Belt  en  metodología  Six  Sigma     Profesor  en  excedencia  de  la  UPC.  2  años  Jefe  de  proyecto  en  TECNALIA.  Socio  fundador  de   Avancex+i,  miembro  fundador  Ideas2value.  Vocal  Comité  Seis  Sigma  de  la  AEC.  Colaboradora   formación  a  profesionales  en  la  Mondragon  Unibertsitatea.  
    3. 3.   Nuestro  lema  es  "EXperimentar  para  AVANzar”  a  través  de  comprender  y   aprender  sobre  lo  que  nos  rodea.       Trabajamos  con  personas  que  desean  aprender  rápido  del  comportamiento  de  sus   productos-­‐máquinas-­‐procesos-­‐tecnologías  (su  variabilidad,  las  condiciones   ópUmas  ...)  para  lograr  mejorarlas  o  innovar.     Fomentamos  la  sistemáUca  y  el  rigor,  la  observación  consciente,  el  diagnósUco  y  la   experimentación,  el  trabajo  comparUdo  con  un  equipo,  ...  y  tratamos  de  hablar  en  base   a  DATOS  y  EVIDENCIAS.    
    4. 4. 4.   Ingeniería  de  la   Calidad   Herramientas   Estadís3cas   aplicadas  a  Mejora  de   Producto/Proceso   Ru3nas  para  el  logro   de  habilidades  de   Diagnós3co,   Experimentación,   análisis,  ….     Despliegue  de  Metodologías  de   Mejora  Avanzada  en  Empresa.     Sistemá3ca  RP  basada  en  datos   Cursos-­‐Talleres   Consultoría  on-­‐line   ESTUDIOS  CONCRETOS   Protocolos  Aceptación  líneas   Protocolos  de  aceptación  de  lotes   Op3mización  parámetros  de  Proceso   Diseño  de  recetas  de  mayonesas     Lean-­‐Six  Sigma  para  BB   Diseño  de  Experimentos   Control  estadís3co  de  procesos  (SPC)   Taller  Crea3vidad   Ges3ón  de  la  Innovación   Procesos  de  Crea3vidad   Diseño  Robusto   Six  Sigma,  Calidad  Total…a  medida   SERVICIOS   ASESORÍA  estadís3ca   Planes  recogida  de  Datos   Tratamiento  Datos   Visualización  información   Homologación  productos   Perito  estadís3co  en  juicios    
    5. 5.     La  importancia  de  los  DATOS  y  las  Herramientas  para   Convencer,  No  Vencer,  con  EVIDENCIAS     Dra.  Lourdes  Pozueta  (avancex+i)  
    6. 6. Movilicémonos  PARA  QUE  las  habilidades  para   APRENDER  a  contestar  preguntas  a  través  de  DATOS,  que  aumentan  la   compe33vidad,  lleguen  a  nuestras  organizaciones.   ¿Qué  ocurre  en  mi  proceso?  ¿cómo  podría  ahorrar,  mejorar  la  calidad,  fabricar  más,  lograr  más  visitas   en  mi  web,  reducir  despilfarro,  crear  algo  nuevo,  …?     ¿Qué  me  interesa?  ¿Qué  es  lo  que  verdaderamente  importante  MEDIR?     ¿Hay  algo  Importante  detrás  de  estos  DATOS?   ¿Cuáles  son  los  pocos  factores  clave  que  afectan  a  mi  rendimiento?      
    7. 7. 7. “La  cuentas  y  los  cuentos”…NO  convencen  en  la  toma  decisiones  …       èRelato riguroso con Evidencias que se VEAN No  avanzamos  si  no  superamos  el   obstáculo  mental  de  no  cambiar  
    8. 8. DATOS  para  APRENDER  eficientemente  en  entornos  no  evidentes     PARA  el  futuro  que  Emerge=è  ADAPTARNOS     •  Habilidades  para  adquirir  Conocimientos   •  Tratar  con  lo  no  evidente   •  Recoger  Modelos  mentales   •  Estructura  información   •  Recopilar  y  analizar  Datos   •  DiagnosUcar   •  Experimentar  con  método   •  Colaborar  con  otros     •  Habilidades  para  comunicar  y  Convencer   •  Contar  relatos  con  rigor   •  Proceso  de  conocimiento   •  Evidencias  visual   Aprender  Rápido  (con  Proyectos  de  Mejora  e  Innovación)   1.   Conocimiento:  para  cambiar  el  entorno   2.  Habilidades:  para    aprender  a  aprender  rápido                  
    9. 9. 9. Aprender  Haciendo  con  Proyectos:  Ciclo  DMAIC  de  Lean-­‐Six  Sigma   •  C:  Cambio  de  estándares.   Monitorización  Explotación  resultados   •  I:  Ideas  y  pruebas  piloto   monitorizadas.  Soluciones   consolidadas;  evidencias   •  A:  Causas  raíz  clave  que  afectan  con   evidencias  de  ello   •  M:  Qué  ac3vidades  hay?  Qué   sospechas?  Cómo  salen  los   resultados?  Variabilidad?  ¿qué  no  es?   ¿dónde  centrarse?   •  D:  Proyecto:  QUIÉN  cliente?  Qué  le   interesa  más?  Impacto?   Tengo   interés?   Tengo   proyecto?   Caracterizar   Expediciones  con  experiencias  diferentes  
    10. 10. 10. La  mejor  habilidad:  el  Método  cienkfico   Datos,  hechos,   experiencias,…   Hipótesis,   conjeturas,   modelos,  …   INDUCCIÓN   Mirar Imaginar Cuestionarse Plan recogida de datos orientada a encontar evidencias Mostrar  Nuevo   Conocimiento  de   modo  evidente   Ver   CONVENCER   DEDUCCIÓN   Especular   COLECTIVOAPRENDIZAJE INDIVIDUAL Oir   Modelo  mental   Almacenar  de  forma   peculiar   (innato)   ¿me  engaña  mi  cerebro?   ¿Evidencias esperadas?
    11. 11. 11. Ru3nas  a  potenciar:  “método  cienkfico”   PASOS 1.  De qué sospechas: hipótesis 2.  Qué te IMAGINAS VER cuando MIRES: deducción 3.  Qué utilizarás para analizar y mostrar evidencias: herramientas 4.  Qué datos necesitas: Plan •  ¿Es completo o alguien lo pondrá en juicio? •  Seguimiento plan y recogida de datos del entorno 5.  Qué VEN tus ojos: Pistas •  ¿Es suficiente evidencia o puede ser azar? ¿Pasa test estadístico? 6.  Qué has aprendido: ¿Qué tienes que hacer diferente? ¿Cómo lo mostraráa al resto de la organización? 1 2 3 4 5 67 Hay  muchos   pseudociengfico  con   “falacia  narraUva”  OJO!!!  
    12. 12.         ¿Qué  ocurre  en  mi  proceso?  ¿cómo  podría  ahorrar,  mejorar  la  calidad,  fabricar   más,  lograr  más  visitas  en  mi  web,  reducir  despilfarro,  crear  algo  nuevo,  …?     ¿Qué  me  interesa?  ¿Qué  es  lo  que  verdaderamente  importante  MEDIR?     ¿Hay  algo  Importante  detrás  de  estos  DATOS?   ¿Dónde  poco  el  foco?   Allí  donde  puedas  y  que   haya  impacto!!   (No  podemos  trabajar  con   LSS  en  proyectos  raros  o   solución  conocida  o  Kpo   “resolver  el  hambre  en  el   mundo”)  
    13. 13. 13. Algunos  ejemplos   •  Reducción del defectivo en piezas por falta de llenado •  Reducción defectivo soldadura por ola •  Aseguramiento control de fuga en válvula •  Aumento disponibilidad de máquina •  Reducción costes transporte •  Reducción defectivo aletas de condensador •  Aumento productividad calandrado •  Optimización embalaje y sistema envío •  Identificación de factores afectan al FRF (vibración piezas) •  Diseño de utillajes robustos •  Reducción ppm en Cliente •  Ahorro en materias primas caracterizando relación materias primas y propiedades mecánicas •  Reducción defectivo en mecanizado •  Caracterización propiedades mecánicas en tubos •  Reducción coste de Hornos por control de parámetros de Horno •  Reducción coste de compras de materias primas modificando estándares de trabajo en proceso •  Optimización parámetros de forja •  Reducción tiempo de respuesta en líneas de crédito •  Reducción errores en trámites burocráticos •  Reducir coste aseguradora médica (por medio de diseño de protocolos de visitas y comunicación) •  Reducción % de líneas de crédito rechazadas •  Reducción despilfarro: informes excesivos, controles sin valor, exceso movimientos Aumentar  compeUUvidad     Aumentar  habilidades  
    14. 14. 14. Lean-­‐Six  Sigma  implica  dedicar  Uempo  a  hacer   otras  ac3vidades  diferentes  al  día-­‐día     (idenUficar  quién  las  Uene  que  hacer,  especialistas  con  apUtudes)                   Que  harán  más  compeUUva  la  Organización   Reflexionar   Imaginar  evidencias   Explicitar  ideas   Construir   modelos   mentales   Preguntar   estratégicamente   Planificar  recoger  datos   Realizar   gráficos   VER  pistas   en  los   gráficos   Construir  modelos   predicKvos   EsKmar   capacidad   Validar   equipos   medida   Monitorizar   procesos   experimentar   IdenKficar  desperdicios   Hacer  mapas   Visualizar   información   Flujo   Prueba  piloto   AMFE   estandarizar   Panel   kanban  
    15. 15. 15. Reflexionar,  Escucha  de  alto  nivel,  Imaginar,  explicitar  modelos  mentales   ¿Quién  es  el  Cliente  principal  de  mi  Proyecto  y   cómo  le  puedo  hacer  su  trabajo  más  fácil?     ¿Quiénes  son  las  partes  interesadas  y  cómo  me   tengo  que  relacionar?     ¿Qué  métricas  son  de  interés  y  cómo  las   mediremos?      ¿Qué  acOvidades  se  hacen  realmente?     ¿Posibles  causas  del  problema?     VACIAR  lo  que  se  sabe  y   ABRIRSE  a  lo  que  saben  OTROS   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 DINÁMICASHERRAMIENTASAMIENTO ADO - 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 AR UNA CIÓN OMETIDA E MAICMAIC EDICIÓN D-­‐M  
    16. 16. PREGUNTAS “con sospecha”: Si hago un Pareto para Porta-electrodos, ¿Se observa efecto Pareto concentrado en la misma localización, el mismo motivo, la misma planta-horno,…? Cómo ha evolucionado en el tiempo? Más concentrado en unas fechas? ¿Relacionado con “edad” o Tn producidas? DATOS necesarios (¿los tengo?) ✔Para cada rotura, fecha, lugar rotura, motivo, horno…. ✖ Edad del electrodo, tn fabricadas por el horno entre cambios ✖ èrecoger Revisar MODELO MENTAL   IMAGINAR síntomas al MIRAR   HERRAMIENTAS RESPUESTAS / CONCLUSIONES   Buscar Pistas: EVIDENCIAS “NO ES” “PUEDE SER”   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 DINÁMICASHERRAMIENTASAMIENTO DO - 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 AR UNA ÓN METIDA MAICMAIC DICIÓN M-­‐A   Entender  Proceso,  Cues3onar,  Reducir  alcance,  Caracterizar  
    17. 17. Herramientas  para  Visualizar  y  Diagnos3car     con  MINITAB  a  par3r  de  Datos   Cuándo  van  a  dominarlas  los  ingenieros,  químicos,   msicos,  informáUcos,  médicos,  economistas,  ….  al  salir   de  la  Universidad???   Cuándo  las  van  a  dominar  gerentes,  managers,   comunicadores,  ….??  
    18. 18. 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 DINÁMICASHERRAMIENTASAMIENTO DO - 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 AR UNA ÓN METIDA MAICMAIC DICIÓN M-­‐A   61,958 61,946 61,934 61,922 61,910 61,898 61,886 LSL USL LSL 61,903 Target * USL 61,935 Sample Mean 61,9177 Sample N 28370 StDev (Within) 0,0066973 StDev (O v erall) 0,00870023 Process Data C p 0,80 C PL 0,73 C PU 0,86 C pk 0,73 Pp 0,61 PPL 0,56 PPU 0,66 Ppk 0,56 C pm * O v erall C apability Potential (Within) C apability % < LSL 1,99 % > USL 0,65 % Total 2,64 O bserv ed Performance % < LSL 1,42 % > USL 0,49 % Total 1,90 Exp. Within Performance % < LSL 4,57 % > USL 2,33 % Total 6,90 Exp. O v erall Performance Within Overall Process Capability of ROD 1 LARGO PLAZO => NO es CAPAZ Cp=0,61 6,90 % Defectuoso CORTO PLAZO => NO es CAPAZ Cp=0,8; 1,90% defectuoso CAPACIDAD 2,64% malas 9080706050403020101 400 380 360 340 320 300 Index Data TP9_REAL TP9 Variable Time Series Plot of TP9_REAL; TP9 Part-to-PartReprodRepeatGage R&R 300 150 0 Percent % Contribution % Study Var % Tolerance 300 150 0 SampleRange _ R=120,4 UC L=254,6 LC L=0 1 2 3100 3000 2900 SampleMean __ X=3018,2 UC L=3087,7 LC L=2948,8 1 2 54321 3200 3100 3000 Pieza 21 3200 3100 3000 operator 54321 3100 3000 2900 Pieza Average 1 2 operator Gage name: Date of study: Reported by: Tolerance: Misc: Components of Variation R Chart by operator Xbar Chart by operator frecuencia-4 by Pieza frecuencia-4 by operator operator * Pieza Interaction Gage R&R (Xbar/R) for frecuencia-4 1130 1120 1110 430 425 420 1610 1600 1590 1120 1100 1080 80 75 70 488 484 480 0,304 0,296 0,288 0,20 0,15 0,10 0,20 0,15 0,10 80,0 77,5 75,0 H TB4 Fecha 1125 1120 H Extracción H TG4 1610 1600 H Kwh/t gas H Kwh/t elect H Ev Fe2O3_1 CR2O3_1 T1000_1 Redox_1 Gráfica de series de tiempo de H TB4; H Extracción; H TG4; ... Caracterizar  situación  par3da   1211109876543210 200 150 100 50 0 1211109876543210 nºbloq_Prf_Rz Frecuencia nºbloq_Prf_Cara Histograma de nºbloq_Prf_Rz; nºbloq_Prf_Cara varios bloques? de falta de fusión de ¿problemas en pared parte resanada? pasada Problemas en una de fusión de varios bloques? ¿problemas en pared de falta SUELDA!!! MIENTRAS SE SE VE SUELDA!!! SE MIENTRAS SE VE Ancho Largo 3,02,52,01,51,0 12 10 8 6 4 2 > – – – – – < 750 750 775 775 800 800 825 825 850 850 875 875 Tª 1ero Gráfica de contorno de Tª 1ero vs. Largo; Ancho Desigualdad  Tª   de  horno   700 600 500 400 300 200 100 72 71 70 69 68 67 66 65 64 Index Peso Predicción MA (n=2) Límites a 1,5 gr. 0,3040,2960,288 9,59,08,5 80,077,575,0 430425420 161016001590 112011001080 807570 488484480 1130 1120 1110 0,304 0,296 0,288 9,5 9,0 8,5 80,0 77,5 75,0 430 425 420 1610 1600 1590 1120 1100 1080 80 75 70 H TB4 Fe2O3 T1000 Redox H Extracción H TG4 H Kwh/t gas H Kwh/t elect H Ev resto de parámetros de vidrio u horno Parece ser aberrante, no relacionado con el UN dato de T1000 anómalo (el último día) Relación parámetros Horno y Vidrio SIN desfase
    19. 19. 19.                                                Iden3ficar  Evidencias   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 DINÁMICASHERRAMIENTASNTRENAMIENTO PROPIADO - 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 REPARAR UNA PEDICIÓN OMPROMETIDA OJA DE UTA DMAICDMAIC N EXPEDICIÓN M-­‐A   Posición ALTURA AAAAAAAAAAVVVVVVVVVVAAAAAAAAAAVVVVVVVVVV 10987654321109876543211098765432110987654321 10 5 0 -5 -10 -15 -20 Datos 0 Diámetro 0 Diámetro 20 Diámetro 90 Diámetro 340 Variable Cambio en Diámetro por efecto Tratamiento OF 1663 Zona 1 Zona 2 Zona 3 Zona 4 7,5 mm 510470 15,4 15,3 15,2 15,1 15,0 14,9 14,8 14,7 510470 1275 Golpe 5 Espesor 1305 470 510 Golpe 4 Multi-Vari Chart for Espesor by Golpe 4 - Temperatura Temperatura Exp. 1a, 1b, 1c Exp. 2 Exp. 3 Exp. 4 Exp. 5 Exp. 6 Exp. 7 Exp. 8 9080706050403020100 250 200 150 100 50 0 Salto Tª max Saltot-1ºmin. Incremento en Tiempo de Precalentamiento por cada grado de diferencia/ARO Salto t-1º min. = 2,35 Salto Tª max Por  cada  Grado  de  diferenc del  úl3mo  Termopar  respec 1º  aumenta  en  2,5  minutos paroximadamente  el  3emp de  Pre-­‐calentamiento   98654321 100 0 -100 -200 -300 98654321 7 Termopar Rango 8 0 -20 20 Close Eject Open Spy1 Spy2 Proceso Fases del Multi-Vari Chart for Rango by Fases del Proceso - Simulación Panel variable: Simulación
    20. 20. 20. Experimentar  con  rigor:  diseño  de  pruebas  que  permita   tomar  decisiones   Entrenamiento  a  Experimentar   Entrenamiento.  PrácUca  curso  DOE  en  empresa   “Homogeneidad  de  Chips  (Fagor  Electrónica)”   “Reducción  defecKvo  (Polsa.VelaKa”   DOE  en  Horno  para  evaluar  procedimiento  colocación  y   parámetros  Horno-­‐carga  en  coste  y  deformación   A B   A B   -­‐                                D                                  +   Diseñar  pruebas  experimentales  para  SIMULADOR   è  Iden3ficación  cotas  clave.  Modelo  predic3vo   SESIÓN DE LANZAMIENTO 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 - 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 AR UNA ÓN METIDA MAICMAIC DICIÓN A-­‐I  
    21. 21. 21. Predecir  comportamientos  “estables”   Modelo para Forja   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% Modelo  para  controlar  espesor  a  través  de   báscula  de  peso  mediante  DOE  y  Regresión   Modelo  para  caracterizar  influencia  de   materiales  en  las  propiedades  mecánicas   685 3 4 Porosidad Temperatura 695 705 Temperatura 685 695 5 820 810 715 870 860 850 840 Presión830 820 880 870 Presión Surface Plot of Porosidad 2,87862 3,22419 3,56976 3,91533 4,26090 4,60647 4,95204 5,29761 5,64318 5,98875 6,33432 6,67989 7,02546 7,37103 7,71660 725715705695685675 900 890 880 870 860 850 840 830 820 810 800 Temperatura Presión Contour Plot of Porosidad Estimated Regression Coefficients for Porosida Term Coef SE Coef T P Constant 6,1017 0,04508 135,345 0,000 temperat -0,2950 0,05521 -5,343 0,013 Presion 0,3300 0,05521 5,977 0,009 S = 0,1104 R-Sq = 95,5% R-Sq(adj) = 92,6% Analysis of Variance for Porosida Source DF Seq SS Adj SS Adj MS F P Regression 2 0,78370 0,78370 0,391850 32,13 0,009 Linear 2 0,78370 0,78370 0,391850 32,13 0,009 Residual Error 3 0,03658 0,03658 0,012194 Lack-of-Fit 2 0,01853 0,01853 0,009267 0,51 0,702 Pure Error 1 0,01805 0,01805 0,018050 Total 5 0,82028
    22. 22. 22. Otros  ejemplos:   •  Ver:    hrp://www.slideshare.net/lpozueta/reduccin-­‐de-­‐la-­‐variabilidad-­‐en-­‐forja-­‐en-­‐alcorta-­‐ forging-­‐group  
    23. 23. 23. Comunicar  y  Convencer   UUlizar  estándares  de  Informes  Visualizar  trabajo/avance  en  Panel   ComparUendo  hábitos  de  trabajo.     Alumnos  del  Curso  Lean-­‐Seis  Sigma   en  MU  conociendo  la  experiencia   Lean  Seis  Sigma  de  Indar  
    24. 24. 24. Comunicación  conocimiento   Un  poster  puede  ser  una  manera   de  divulgar  conocimiento,  hábitos   ciengficos,  uUlización  de   herramientas,  reconocer  el  trabajo   de  equipos,  dar  imagen  a  clientes, …     Experiencia  en  FAGOR  EDERLAN   desplegando  el  modelo  de  mejora   conUnua  KALDA  apoyada  en  Lean-­‐ Seis  SIgma  
    25. 25. FORMACIÓN  para  Adquirir  Habilidades   25.   Curso avanzado en Programas de Mejora Continua LEAN-SIX SIGMA Nivel Black Belt CODIRECCIÓN TÉCNICA at Politècnica de por la University profesora de la el área de mejora lleva más de 20 de productos o trial. Profesor del e MONDRAGON tes puestos de Ederlan S. Coop, oop. en Organización ón Industrial de encia asesorando presas. dustrial. Profesora ización Industrial des de Dirección stintas empresas revia en el CCTT strial. Profesor del e MONDRAGON e de la operativa e Mercedes Benz Electrodomésticos ndustrial y Máster dad del País Vasco Electric. Cuenta ones de Dirección n de Ingeniería y aplica Lean Six- MÁS INFORMACIÓN: Isabel Mangana: imangana@mondragon.edu http://www.mondragon.edu/cursos/lean-six-sigma PROFESIONALENTZAKO PRESTAKUNTZA FORMACIÓN PARA PROFESIONALES PROFESSIONAL LEARNING SPACE PROFESIONALENTZAKO PRESTAKUNTZA FORMACIÓN PARA PROFESIONALES PROFESSIONAL LEARNING SPACE todos los lización de odología de roso de los producto. M1:  ESTADÍSTICA  Y  TOMA  DE  DECISIONES  (15h)   M2:  DOE:  ANOVA  Y  DISEÑOS  FACTORIALES  (20h)   M3·∙:DOE  Avanzado:  MSR,  DISEÑO  ROBUSTO  Y  SHAININ  (20)   En  colaboración  con  MU   Febrero-­‐Julio  2016   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 APROPIADO 1 - 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 COMPROMETIDA 3 HOJA DE RUTA DMAICDMAIC EN EXPEDICIÓN Curso  Avanzado  en  Programas  de   Mejora  ConUnua  Lean-­‐Six  Sigma   Diseño  de  Experimentos    (3  módulos)   Alumno  aplicando    DOE  en  Fagor  Electrónica   Diciembre  2015-­‐Feb  2016  
    26. 26. Otras  htas  para  Visualizar     hvps://youtu.be/rizqbX6l8Sg    

    ×