Diagnos(car	
  y	
  Experimentar	
  en	
  la	
  Empresa	
  
	
  
“4	
  Habilidades	
  para	
  lograr	
  resultados	
  en	
...
Programa	
  
	
  
	
  
1-­‐	
  	
  	
  	
  Introducción.	
  	
  
2-­‐	
  	
  	
  	
  Lourdes	
  Pozueta	
  (Avancex+i,	
  ...
3.	
  
Ingeniería	
  de	
  la	
  
Calidad	
  
Herramientas	
  
Estadís(cas	
  
aplicadas	
  a	
  Mejora	
  de	
  
Producto...
4.	
  
Lo	
  que	
  comparHmos…..	
  
CLIENTE	
  
CALIDAD,	
  PLAZO,	
  
COSTE	
  
Organización	
  
Problemas	
  /	
  
Opo...
Evidencia	
  
No	
  Evidencia	
  
5.	
  
HÁBITOS:	
  ¿Cómo	
  ACTUAMOS?	
  
Qué	
  duele?	
  	
  	
  	
  	
  	
  	
  	
  	...
(The	
  “Factory	
  of	
  problems”:	
  Improvement	
  of	
  the	
  Quality	
  Improvement	
  Process.	
  L.	
  Pozueta,	
...
7.
*	
  La	
  falacia	
  narra(va	
  es	
  la	
  capacidad	
  (o	
  la	
  debilidad)	
  que	
  tenemos	
  
los	
  seres	
 ...
8.
Datos,	
  hechos,	
  
experiencias,…	
  
Hipótesis,	
  
conjeturas,	
  modelos,	
  
…	
  
INDUCCIÓN	
  
Habilidad	
  de...
9.
Observación	
  Consciente:	
  	
  
	
  
Tomar	
  consciencia	
  de	
  lo	
  que	
  se	
  observa,	
  de	
  lo	
  que	
 ...
XevaX:	
  Entrenamiento	
  en	
  empresa.	
  IdenHficar	
  experiencias	
  
Estuches	
  de	
  24	
  unidades	
  de	
  produ...
XevaX:	
  Observación	
  consciente	
  
7000600050004000300020001000
74
73
72
71
70
69
68
67
66
65
64
Index
pestuch
(2 h. ...
Tratamiento:	
  Cambio	
  Algoritmo/	
  Prueba	
  Piloto	
  
• 	
  Se	
  fabrican	
  700	
  unidades	
  según	
  condicion...
APRENDEMOS:	
  habilidades	
  y	
  conocimiento	
  
•  No	
  hay	
  máquina	
  loca:	
  
–  Proceso	
  con	
  variabilidad...
DiagnosHcar	
  variabilidad	
  frecuencias	
  pieza	
  fundida	
  
14.	
  
Variabilidad	
  en	
  frecuencias/lote	
  
Frec...
DiagnosHcar,	
  Visualizar,	
  comunicar	
  
15.	
  
0,00%
10,00%
20,00%
30,00%
40,00%
50,00%
60,00%
70,00%
80,00%
S2
S3
S...
FORMACIÓN	
  para	
  Adquirir	
  Habilidades	
  
16.	
  
Programas de Mejora Continua
LEAN-SIX SIGMA
Nivel Black Belt
CODI...
17.
OLOGÍAOLOGÍA testeado con éxito
SORADO:SORADO: Expertos en materia
TE WEB...TE WEB...
TUTORESTUTORES
- PLAN ENTRENAMIE...
Factor	
  A
-­‐ +
Factor	
  A
-­‐ +
Factor	
  B	
  
Factor	
  B	
  
	
  
Factor	
  A
+	
  
	
  
	
  
	
  
	
  
	
  
	
  
-...
ObjeHvos	
  Diferentes	
  requieren	
  estrategias	
  diferentes	
  
	
  
M1:	
  ESTADÍSTICA	
  Y	
  TOMA	
  DE	
  DECISIO...
DIAGNOSTICAR:	
  Variabilidad	
  en	
  espesor	
  a	
  través	
  de	
  peso	
  
20.	
  
540
525
510
495
480
3,9612E+103,96...
EXPERIMENTAR:	
  causas	
  ráiz.	
  OpHmización	
  proceso	
  
21.	
  
121086420
98
95
90
85
80
70
60
50
40
30
20
10
0
Abs...
Ejemplo	
  DOE	
  
22.	
  
PROTAGONiSTAS	
  
	
  	
  
SMN:	
  Semillas	
  de	
  microorganismos	
  de	
  
montaña.	
  Bact...
¿qué	
  ensayos	
  realizo	
  en	
  mi	
  plantel?	
  
23.	
  
SMN
no si
SMN
no si
Semilla	
  
	
  
	
  
	
  
	
  
	
  
	
...
Experiencia	
  Real	
  
24.	
  
SMN:	
  Semillas	
  de	
  microorganismos	
  
de	
  montaña	
  del	
  Maresme	
  
	
  
Obj...
PREPARACIÓN	
  
25.	
  
2	
  condiciones	
  
extremas	
  en	
  Bote-­‐
Nesquick	
  
Shrek	
  Hene	
  bacterias	
  
RESULTADOS:	
  15	
  días	
  
26.	
  
Tierra	
  A	
  de	
  tomatera	
  sin	
  
añadidos	
  en	
  recipiente	
  
nesquick.	...
45	
  días….no	
  hay	
  vida.	
  Excelente	
  experiencia	
  de	
  fracaso!!!	
  
27.	
  
NO	
  SALE	
  NINGUNA	
  ALUBIA...
Excelente	
  experiencia	
  de	
  fracaso!!!	
  APRENDEMOS	
  	
  
•  Podemos	
  estudiar	
  5	
  factores	
  con	
  16	
 ...
Referencias	
  de	
  éxito	
  aplicando	
  DOE	
  
•  ApplicaHon	
  of	
  Six	
  Sigma	
  Methodology	
  in	
  Gamesa	
  A...
Próxima SlideShare
Cargando en…5
×

Diagnosticar y Experimentar en la Empresa. Semana Europea de la Calidad 2014

249 visualizaciones

Publicado el

4 Habilidades para lograr resultados en las organizaciones: Observación consciente, Diagnóstico, Experimentación y comunicación visual”

Publicado en: Datos y análisis
0 comentarios
0 recomendaciones
Estadísticas
Notas
  • Sé el primero en comentar

  • Sé el primero en recomendar esto

Sin descargas
Visualizaciones
Visualizaciones totales
249
En SlideShare
0
De insertados
0
Número de insertados
9
Acciones
Compartido
0
Descargas
0
Comentarios
0
Recomendaciones
0
Insertados 0
No insertados

No hay notas en la diapositiva.
  • y
  • 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.
  • Diagnosticar y Experimentar en la Empresa. Semana Europea de la Calidad 2014

    1. 1. Diagnos(car  y  Experimentar  en  la  Empresa     “4  Habilidades  para  lograr  resultados  en  las  organizaciones:  Observación  consciente,   Diagnós(co,  Experimentación  y  comunicación  visual”       Dra.  Lourdes  Pozueta   lourdes.pozueta@avancex.com   1.  
    2. 2. Programa       1-­‐        Introducción.     2-­‐        Lourdes  Pozueta  (Avancex+i,  S.L.)  4  Habilidades  para  lograr  resultados  en  las   organizaciones:  Observación  consciente,  DiagnósHco,  Experimentación  y   comunicación  visual.     3-­‐      Pilar  Esteban  (Tubacex)  Título:  "El  análisis  de  datos,  clave  para  el  conocimiento  de   los  procesos  y  el  desarrollo  de  nuevos  productos”        4-­‐  Ibon  ZarrabeiHa  (Indar  Electric)  Título:  "FLUJO;  ObjeHvo  Común.  El  compromiso  y   la  comunicación,  vectores  de  mejora  compeHHva”     5-­‐        Javier  de  Rivas  (Fagor  Ederlan)  Título:  "Desarrollo  e  implantación  de  una   estrategia  transformadora  orientada  a  resultados  y  cliente.  Modelo  Kalda"     6-­‐        Preguntas    
    3. 3. 3.   Ingeniería  de  la   Calidad   Herramientas   Estadís(cas   aplicadas  a  Mejora  de   Producto/Proceso   Ru(nas  para  el  logro   de  habilidades  de   Diagnós(co,   Experimentación,   análisis,  ….     Despliegue  de  Metodologías  de   Mejora  Avanzada  en  Empresa.     Sistemá(ca  RP  basada  en  datos   Cursos-­‐Talleres   Consultoría  on-­‐line   Diseño  de  experimentos   Análisis  estadísHco  de  datos   OpHmización  de  productos  y  procesos   Mejora  conHnua   ESTUDIOS  CONCRETOS   Protocolos  Aceptación  líneas   Protocolos  de  aceptación  de  lotes   Op(mización  parámetros  de  Proceso   Diseño  de  recetas  de  mayonesas     Lean-­‐Six  Sigma  para  BB   Diseño  de  Experimentos   Control  estadís(co  de  procesos  (SPC)   Taller  Crea(vidad   Ges(ón  de  la  Innovación   Procesos  de  Crea(vidad   Diseño  Robusto   hap://ideas2value.net   Six  Sigma,  Calidad  Total…a  medida  
    4. 4. 4.   Lo  que  comparHmos…..   CLIENTE   CALIDAD,  PLAZO,   COSTE   Organización   Problemas  /   Oportunidades   CÓMO  hacemos  PARA  …  ser  eficaces  y  eficientes     En  Proceso  de  Mejora  ConHnua  en  las  Organizaciones  
    5. 5. Evidencia   No  Evidencia   5.   HÁBITOS:  ¿Cómo  ACTUAMOS?   Qué  duele?                            Causas                                          Ha  mejorado?   Problemas  /Oportunidades   ACCIÓN    Causas  Raíz                                Evaluar   Caracterizar                    Tratar   CLIENTE  espera         (Yo  me  quiero  quitar  el  “marrón”)   €   Eficacia/ eficiencia   Conocimiento  Técnico  +  método  
    6. 6. (The  “Factory  of  problems”:  Improvement  of  the  Quality  Improvement  Process.  L.  Pozueta,  J.A.  Eguren  and   U.  Elorza.  14  QMOD-­‐ICQSS  Conference.  DonosNa,  29-­‐31  August,  2011)   APRENDER  a  trabajar  en  entornos  no  evidentes   APRENDER  (la  ORGANIZACIÓN)     •  Habilidades  para  adquirir  Conocimientos   •  Habilidades  para  tratar  con  lo  no  evidente   è  APLICAR:  incorporar  conocimiento  al  día-­‐día,   para    hacer  las  cosas  de  manera  diferente,  para   CAMBIAR      Causas  Raíz                                Evaluar   Caracterizar                    Tratar   Hay  negocio  €   Eficacia/eficiencia  del  proceso   Si    causas  raíz  no  son  evidentes.     Lograr  procesos  eficientes  de   Mejora  ConHnua  para  temáHcas   de  alto  impacto  económico  en   problemas  complejos   ¿Por  qué  ocurren  los  “dolores”?  
    7. 7. 7. *  La  falacia  narra(va  es  la  capacidad  (o  la  debilidad)  que  tenemos   los  seres  humanos  por  inventarnos  historias  que  permitan   conectar  causalmente  dos  sucesos  aunque  esa  conexión  no   exista.   *  Si  no  desarrollamos  ciertas  habilidades  del  pensamiento,   nuestra  tendencia  a  creer  cosas  falsas  puede  salir  muy  costoso   *  El  cerebro  busca  almacenar  la  mayor  can(dad  de  información     *  EL  cerebro”  no  mide”,  compara,  busca  asociaciones   y  ello  implica  creer  cosas  que  son  ciertas  y  creer  cosas  que  no  lo   son  basándose  en  errores  o  falacias   APRENDER  teniendo  en  cuenta  MODELOS  MENTALES   ¿me   engañas?   Aceptar  que  podemos  estar  equivocados:     estrategias  para  cuesHonar  el  entorno  en  base  a  EVIDENCIAS    
    8. 8. 8. Datos,  hechos,   experiencias,…   Hipótesis,   conjeturas,  modelos,   …   INDUCCIÓN   Habilidad  de  APRENDER  a  APRENDER  .  HÁBITO:  método  cienhfico   Mirar Imaginar Cuestionarse Recogida deliberada de información para 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?
    9. 9. 9. Observación  Consciente:       Tomar  consciencia  de  lo  que  se  observa,  de  lo  que  puede  estar  presente,   de  lo  que  se  busca,  …  estar  vigilante     ENCONTRAR  PISTAS  en  las  COSAS  y  en  los  DATOS  è  Generar  Hipótesis     Hábitos  a  potenciar:  Observación  Consciente,  Diagnos(car,  Experimentar  y  Visualizar   DIAGNOSTICAR     CuesHonar  el  modelo  mental  de  uno,  elaborar  PREGUNTAS  de   interés,  imaginar  EVIDENCIAS,    elaborar  planes  de  recogida  de   información  consensuadas  con  los  involucrados,  plasmar   información  de  forma  visual  que  permita  idenHficar  las  evidencias   que  espero  de  forma  clara…..     =èEncontrar  asociación  entre  Causas-­‐Síntomas                                                          (Correlación,  NO  CAUSALIDAD)     =è  Provocar  causas  potenciales.  EXPERIMENTAR  con  rigor      è  IdenHficar  las  Causas  Raíz   Imaginar  cómo  lo   espero  VER  y  qué   datos/htas  me  lo   permiten  
    10. 10. XevaX:  Entrenamiento  en  empresa.  IdenHficar  experiencias   Estuches  de  24  unidades  de  producto  higiénico  femenino.  Línea  automáHca  “úlHma  generación”   PERO:  Hay  clientas  que  se  quejan  de  que  las  cajas  no  están  completas.  Tenemos  báscula   sofisHcada  de  control  que  de  vez  en  cuando,  se  vuelve  loca,  y  PARAMOS!!!   ¿Qué  está  en  el  Modelo  Mental  de  los  expertos  del  proceso?  ¿Por  qué  llega  producto   defectuoso  a  cliente?  ¿Podemos  prescindir  de  atender  la  locura  de  la  máquina?   71   69   67   Control  en  báscula   1  caja  ≅  69gr   1  unidad  ≅  2gr   hipótesis   •  Es  evidente  que  se  escapan  de  la  garra  del  robot  o  se  caen  en  el  camino   •  Podrían  venir  lotes  de  cajas  de  peso  muy  diferente  y  sobrepasar  los  límites   •  Al  cliente  llegan  cajas  mal  pesadas  o  recuperadas  entre  las  rechazadas     •  Podría  haber  variación  entre  lotes  de  proveedores   •  La  báscula  podría  necesitar  reseteo  …“le  ocurren  a  muchas  máquinas”   •  El  algoritmo  Fene  senFdo,  aunque  igual  2gr  es  demasiado  
    11. 11. XevaX:  Observación  consciente   7000600050004000300020001000 74 73 72 71 70 69 68 67 66 65 64 Index pestuch (2 h. continuas de trabajo) Peso estuche de 24 unidades PREGUNTAS  buscando  evidencias:  ¿Cuándo  ocurren  las  cajas  defectuosas:  seguidas  (asociado  a   lote)  o  aleatorias  (asociado  a  errores)?  ¿La  máquina  se  vuelve  loca  en  los  cambios  de  materia   prima  o  de  cajas?  ¿La  serie  temporal  del  peso  es  estable  o  dinámica?   DATOS:  2  horas  de  fabricación  ininterrumpida  con  varios  cambios  de  materias  primas.  Toma   manual  de  7000  pesos  en  papel.   DotplotforC1 CORTO  PLAZO   LARGO  PLAZO   71   69   67   Control  en  báscula   1  caja  ≅  69gr   1  unidad  ≅  2gr   Cajas  defectuosas  (0,6%):  unas  rechazadas  otras  no   Riesgo  de  volverse  loca:   cuando  cambia  lotes  de   materia  prima   Cajas  defectuosas  a   usuaria   ¿cómo  te   IMAGINAS?   MIRA  y  qué  VES   Modelo  de  PESO  es  dinámico  è  Algoritmo  erróneo  
    12. 12. Tratamiento:  Cambio  Algoritmo/  Prueba  Piloto   •   Se  fabrican  700  unidades  según  condiciones  habituales  (dar  oportunidad  de  que  salgan  cajas   defectuosas)   •   Se  registra  para  cada  caja:  el  peso  y  el  n°  de  unidades  en  el  interior     • Proponemos  Algoritmo:  “media  móvil  de  50  unidades”  y  límites  en  3sigma   Rechazos:  17   26  unidades  (+2):  2  cajas   25  unidades  (+1):  1   24  unidades  (ok):  14  falsos  posi(vos   700600500400300200100 72 71 70 69 68 67 66 65 Index Peso Predicción: MA (n=2). Límites a +-1,14gr 700600500400300200100 72 71 70 69 68 67 66 65 64 Index Peso Predicción MA (n=2) Límites a 1,5 gr. +2  u   +2  u   +1  u   Rechazos:  5   26  unidades  (+2):  2  cajas   25  unidades  (+1):  1   24  unidades  (ok):  2  falsos  posi(vos   EsHmado:  Media  móvil  ±  1,14  gr   “+OperaHvo”:  Media  móvil  ±  1,5  gr   Se  vuelve  loca  por   cambios  puntuales  
    13. 13. APRENDEMOS:  habilidades  y  conocimiento   •  No  hay  máquina  loca:   –  Proceso  con  variabilidad  que  la  tecnología  no  logra  compensar   –  Algoritmo  no  adecuado  para  gesHonar  el  proceso   •  Hay  controles  SPC  basados  en  medias  móviles  que  son  muy   úHles   •  Habrá  rechazo  en  torno  a  0,3%  de  producto  OK  por  falsa   alarma   •  Los  defectos  “falta  1-­‐2  unidades”  no  llegarán  a  clientas   –  RIESGO:  Cuanto  más  grande  es  la  caja  o  más  variable  proceso  (salva-­‐ slip  con  perlitas)  más  di|cil  detectar  defectos  por  pesaje.   13.  
    14. 14. DiagnosHcar  variabilidad  frecuencias  pieza  fundida   14.   Variabilidad  en  frecuencias/lote   Frecuencia   DiagnósNco:     Momento  críFco  cambio  de  placa:   hay  salto   No  variación  entre  fusiones   Clara  variabilidad  por  diseño  de   cavidad  1     Hip:  Causas  raíz  están  dentro  de   placa  y  uFllaje  no  en  fusiones   afectando  a  cotas  A  y  Bè   confirmar  con  DOE  en  simulación   Espesor  cota  A   Anchura  cota  B   salto   Cavidad  1   Frecuencia  de  cavidad  1  diferente  porque   dimensionalmente  son  diferentes  en  varias   cotas  (hipótesis  de  variación)   Qué  cota   Henen   diferente?   Donde  se   encuentra   en  placa  
    15. 15. DiagnosHcar,  Visualizar,  comunicar   15.   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. Total L. Superior Media Periodo L. Inferior media: xx% media: -10% media: zz 8% FABRICADAS 100 120 140 160 180 200 220 240 260 280 2 6 10 14 18 22 26 30 34 38 42 46 50 SEMANA Totalproducidas 0,00% 20,00% 40,00% 60,00% 80,00% 100,00% S 2 S 7 S 12 S 17 S 22 S 27 S 32 S 37 S 42 S 47 Robot 1 Robot 2 Robot 3 Robot 4 Robot 5 Robot 6 Robot 7 Robot 8 Manual LI-Robot LS Robot Media Robot ROBOT 3: muy variable 46 RAIZ CUELLO CARA SEMANA Soldador 5 2 0 0 Soldador 11 Soldador 26 Soldador 34 1 24 Soldador 35 3 0 0 Soldador 40 Soldador 42 31 1 Soldador 46 Soldador 49 0 3 0 Soldador 54 Soldador 85 0 1 0 Soldador 88 0 2 0 Soldador 89 0 3 0 Soldador 91 Soldador 92 Soldador 95 Soldador 99 0 4 0 Soldador 100 Soldador 108 3 0 0 Soldador 118 Soldador 123 1 0 0 Soldador 130 6 1 0 Soldador 131 2 0 0 Soldador 137 Soldador 141 Soldador 145 Soldador 163 0 1 0 Soldador 171 1 0 0 Soldador 173 0 0 1 Soldador 183 4 1 0 Soldador 63 Soldador 83 Equipo  soldador-­‐robot   Equipo  soldador-­‐robot   Piezas  reprocesadas  Piezas  reprocesadas  
    16. 16. FORMACIÓN  para  Adquirir  Habilidades   16.   Programas de Mejora Continua LEAN-SIX SIGMA Nivel Black Belt CODIRECCIÓN TÉCNICA PROFESIONALENTZAKO PRESTAKUNTZA FORMACIÓN PARA PROFESIONALES PROFESSIONAL LEARNING SPACE CODIRECCIÓN TÉCNICA esorado Pozueta. Doctora por la Universitat Politècnica de a, Máster en Estadística industrial por la University onsin (EE. UU.), en excedencia como profesora de la cia fundadora de Avancex+i, S.L. en el área de mejora e innovación. Es Master Black Belt y lleva más de 20 esorando a empresas sobre la mejora de productos o . rue. Ingeniero en Organización Industrial. Profesor del Mecánica y Organización Industrial de MONDRAGON SITATEA. Ha trabajado en diferentes puestos de bilidad en empresas como, Fagor Ederlan S. Coop, rasate S. Coop y Ulma Packaging S. Coop. berto Eguren. Es doctor Ingeniero en Organización or del departamento de Organización Industrial de AGON UNIBERTSITATEA. Amplia experiencia asesorando mejora de productos o procesos a empresas. Ganzarain. Doctorado en Ingeniería Industrial. Profesora vación en el departamento de Organización Industrial NDRAGON UNIBERTSITATEA. Actividades de Dirección ectos y Formación Continua para distintas empresas les de la CAPV. Experiencia laboral previa en el CCTT varro. Ingeniero en Organización Industrial. Profesor del Mecánica y Organización Industrial de MONDRAGON SITATEA. Ha sido responsable de parte de la operativa de Exel Logistics, S.A en la factoría de Mercedes Benz Responsable de producción en Fagor Electrodomésticos FERNÁNDEZ DE RETANA. Ingeniero Industrial y Máster nistración de Empresas por la Universidad del País Vasco r Black Belt certificado por General Electric. Cuenta de 20 años de experiencia en posiciones de Dirección Dirección de Operaciones, Dirección de Ingeniería y Continua en General Electric. nvitados de organizaciones donde se aplica Lean Six- MÁS INFORMACIÓN: Isabel Mangana: imangana@mondragon.edu http://www.mondragon.edu/cursos/lean-six-sigma PROFESION FORMAC PROFES PROFESIONALENTZAKO PRESTAKUNTZA FORMACIÓN PARA PROFESIONALES PROFESSIONAL LEARNING SPACE que realicé el curso, en todos los os de desarrollo e industrialización de productos se aplica la metodología de basada en el análisis riguroso de los e proceso y propiedades de producto. steban &D, Tubacex Innovation M1:  ESTADÍSTICA  Y  TOMA  DE  DECISIONES  (10h)   M2:  DOE:  ANOVA  Y  DISEÑOS  FACTORIALES  (20h)   M3·∙:DOE  Avanzado:  MSR,  DISEÑO  ROBUSTO  Y  SHAININ  (20)   3    Módulos  optaHvos  
    17. 17. 17. OLOGÍAOLOGÍA testeado con éxito SORADO:SORADO: Expertos en materia TE WEB...TE WEB... TUTORESTUTORES - PLAN ENTRENAMIENTO FLEXIBLE:- PLAN ENTRENAMIENTO FLEXIBLE: - Material adaptado - Rutinas para potenciar hábitos - Casos prácticos - Proyectos compartidos 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 DINÁMICASHERRAMIENTAS - 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 HITO 1 HITO 2 • Importancia e impacto proyecto MEDIR ANALIZAR IMPROVE CONTROL • Conocer proceso • Medir y valorar las salidas d • Diagnóstico situación de par • Idear s • Verifica • Exporta • Determinar las en • Decidir acciones ENTRENAMIENTO APROPIADO 1 HOJA DE RUTA DMAICDMAIC EN EXPEDICIÓN 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 - 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 HITO 1 HITO 2 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 DINÁMICASHERRAMIENTAS FORMACIÓN:  Curso  Avanzado  en  Programa  de  Mejora  ConHnua  Lean-­‐Six  Sigma.  Nivel  BB  Curso avanzado en Programas de Mejora Continua LEAN-SIX SIGMA Nivel Black Belt CODIRECCIÓN TÉCNICA PROFESSIONAL LEARNING SPACE PROFESIONALENTZAKO PRESTAKUNTZA FORMACIÓN PARA PROFESIONALES PROFESSIONAL LEARNING SPACE CODIRECCIÓN TÉCNICA 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 Estándares     Soluciones       Causas  raíz     Caracterizar   Cliente  y   objeHvos  
    18. 18. Factor  A -­‐ + Factor  A -­‐ + Factor  B   Factor  B     Factor  A +               -­‐ Factor  A -­‐ + Factor  B   +               -­‐ -­‐ + CURSO   DISEÑO  DE  EXPERIMENTOS   I:  Estadís(ca  y  toma  de  decisiones   II:  DOE.  Anova  y  diseños  factoriales   III:  DOE  Avanzado.  Diseño  robusto,  MSR  y  Shainin   A B   A B   -­‐                                D                                  +   A D   +     E     -­‐   B   Estrategia  Experimental  y  economía  en  los   ensayos:     “A  parHr  de  cierto  nº  de  factores,  mejor  dedicar   recursos  para  introducir  nuevos  factores  que   para  replicar  ya  que  te  permiHrá  esHmar   relaciones  más  complejas.       16  ensayos:  1  factor   16  ensayos:  5  factores   3  factores   2  factores   4    factores  
    19. 19. ObjeHvos  Diferentes  requieren  estrategias  diferentes     M1:  ESTADÍSTICA  Y  TOMA  DE  DECISIONES   M2:  DOE:  ANOVA  Y  DISEÑOS  FACTORIALES   M3·∙:DOE  Avanzado:  MSR,  DISEÑO  ROBUSTO   Y  SHAININ     Fechas:  Diciembre-­‐Enero     Matrícula    :imangana@mondragon.edu     Info:  lourdes.pozueta@avancex.com   + = Experimentación  Secuencial   “si  hay  evidencias  de  modelos  complejos  se   adapta  las  condiciones  de  las  ruebas  de   forma  sencilla”   Recetas  robustas  a  variabilidad   “La  variabilidad  es  el  principal  enemigo   y  hay  que  tratarla  desde  el  diseño   buscando  condiciones  robustas”   Nº  de  ensayos  apropiados  en  cada  caso   “El  número  de  ensayos  a  realizar  depende  de   las  condiciones  en  que  se  experimenta  y  de   las  evidencias  que  se  persigue  encontrar”   0,500,450,400,350,300,250,200,150,100,050,00 1,0 0,8 0,6 0,4 0,2 0,0 % of Defects Potencia 11 12 15 20 39 size SAMPLE Selection of Sample size for DOE. Comparing proportions Baseline: 50% defects Situation 1 Direction to move with DOE
    20. 20. DIAGNOSTICAR:  Variabilidad  en  espesor  a  través  de  peso   20.   540 525 510 495 480 3,9612E+103,9612E+103,9611E+103,9611E+10 15,4 15,2 15,0 14,8 14,6 14,4 3,9612E+103,9612E+103,9611E+103,9611E+10 15,6 15,4 15,2 15,0 14,8 14,6 0,3 0,2 0,1 0,0 -0,1 Peso Espesor14,5+0,6 Espesor_Cazuela Desplazamiento72-71 Variación de Peso y Espesor de Piezas (y Desplazamiento) a largo Plazo Frecuencia: 1 muestra/hora Periodo 11 Junio 13:30-13 Junio 4:45. 520510500490480470 15,50 15,25 15,10 15,00 14,75 14,50 14,25 Peso_LARGO Espesor14,5LARGO S 0,102955 R-Sq 65,9% R-Sq(adj) 65,6% Regression 95% CI 95% PI Fitted Line Plot Espesor14,5LARGO = 7,316 + 0,01553 Peso_LARGO MALAS MALASBUENAS Buenas" "Casi Malas" "Casi 3,9612E+10 3,9612E+10 3,9612E+10 3,9612E+10 3,9612E+10 3,9611E+10 3,9611E+10 3,9611E+10 3,9611E+10 3,9611E+10 550 500 450 400 350 300 15,4 15,3 15,2 15,1 15,0 14,9 14,8 14,7 14,6 14,5 14,4 X-Data EnergíadeGolpeo Espesor14,5+0,6 3 2 4 5 1 Espesor Energía de Golpeo (por Golpes) y Espesor paradas comienzos buenos con estabilidad problemas, pocas piezas comienzos buenos con paradas estabilidad “NO  entramos  en  tolerancias  de  PESO   porque  tenemos  variabilidad  en  ESPESOR   porque    la  variación  en  Tª  no  la   compensamos  bien  con  las  Energías  de   MarFllo”  
    21. 21. EXPERIMENTAR:  causas  ráiz.  OpHmización  proceso   21.   121086420 98 95 90 85 80 70 60 50 40 30 20 10 0 Absolute Standardized Effect Percent A Temperatura B Golpe 4 C Golpe 5 F actor Name ABC BC AB C A Half Normal Plot of the Standardized Effects (response is Espesor, Alpha = 0,05) Significativos Efectos 510 470 510 470 13051275 Golpe 5 Golpe 4 Temperatura 0,48883 0,494500,50350 0,50117 0,50317 0,500170,51383 0,50917 Cube Plot (data means) for Peso Exp: 1a, 1b, 1c Exp. 2 Exp. 3 Exp. 4 Exp. 5 Exp. 6 Exp. 7 Exp. 8 estabilidad 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 Modelos (Unidades codificadas)   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% (diseño  de  regulador  automáHco)   Rigor,  Comunicación  VISUAL  
    22. 22. Ejemplo  DOE   22.   PROTAGONiSTAS       SMN:  Semillas  de  microorganismos  de   montaña.  Bacterias  que  ayudan  a  asimilar   nutrientes  ……   Obje(vo  1:  Encontrar  experiencias  para  entrenar  a  personas  en  DOE   ObjeHvo  2:  Estudio  de  influencia  de   SMN  en  crecimiento  de  planta   ¿SMN  en  tierra? -­‐ + NO   SI   EVIDENCIAS  esperadas     •  Plantas  crecen  antes  ¿cuánto?   •  Plantas  crecen  más  (longitud,   más  hojas,  ..)   •  Menos  enfermedades  (pulgón,   hongos,..)   ESTRATEGIA  clásica   Todo  fijo  y  se  mueve  1  factor   1  Factor  y  16  pruebas  
    23. 23. ¿qué  ensayos  realizo  en  mi  plantel?   23.   SMN no si SMN no si Semilla                 -­‐ SMN -­‐ + Semilla   -­‐ Lent         alub   ¿1  factor?   ¿2  factores?   ¿3  factores?  
    24. 24. Experiencia  Real   24.   SMN:  Semillas  de  microorganismos   de  montaña  del  Maresme     ObjeHvo  2:  Estudio  de  influencia  de  factores  en  crecimiento  de  planta   Tratamientos:  combinación  de  factores   Diseño  2  5-­‐1  alternando  (erra  A  y  C   Semilla Mineral   +     leonardita     -­‐   SMN   5  Factor  y  16  pruebas   Ordenamiento  para   protegernos  de  lo   que  desconocemos  y   TEMEMOS  
    25. 25. PREPARACIÓN   25.   2  condiciones   extremas  en  Bote-­‐ Nesquick   Shrek  Hene  bacterias  
    26. 26. RESULTADOS:  15  días   26.   Tierra  A  de  tomatera  sin   añadidos  en  recipiente   nesquick.  ÉXITO!!!   SHREK:  Tierra  A  de   tomatera  con   TODOS  los  añadidos   NO  SALE!!   Nota:  Hay  3  condiciones   iguales  a  esta  en  panel   que  no  salen   RESULTADOS:  21  días   Evidencia  esperada:   ✔ ✖   Evidencia  observadas:   ✖ ✔   Únicas  alubias  que  salieron   Escarbo  en  panel  y  VEO  al  menos  2  alubias  germinando  a  los  15  días))  
    27. 27. 45  días….no  hay  vida.  Excelente  experiencia  de  fracaso!!!   27.   NO  SALE  NINGUNA  ALUBIA   Hay  restos  de  semillas   germinadas  pero  podridas     Revisión  del  proceso  experimental   Hipótesis     •  No  es  el  Hpo  de  semilla  (alubia,  lenteja,..)   •  No  es  la  orientación  en  panel   •  No  es  SMN,  ni  mineral,  mi  miel,  ni  leonardita   •  Hemos  dado  igual  canHdad  de  agua   •  Puede  ser  (condiciones  de  proceso)   •  Condiciones  atmosféricas  frío  de  inicio:  moho     •  Riego  excesivo  en  Sep.  con  calor  de  Zumaia   •  Riesgo  se  estanca   •  No  todas  semillas  necesitan  igual  agua   •  Diferencia  entre  bote  y  panel:  Presión  de  Herra   •  …..   solo  sale  1   lenteja  
    28. 28. Excelente  experiencia  de  fracaso!!!  APRENDEMOS     •  Podemos  estudiar  5  factores  con  16  pruebas  (RuHna  de  experimentación)   •  ReparHmos  ensayos  en  panel  de  modo  que  no  afecte  entorno  (BLOQUEAR  y   Aleatorizar)   •  Hemos  listado  evidencias  que  esperamos  encontrar  y  cómo  medirlas   •  Hemos  grabado  cada  parte  para  que  conste  cómo  lo  hemos  hecho   •  Las  condiciones  de  proceso  No  las  hemos  controlado  bien  y  han  sido  MALAS  para   TODOS  (menos  1)   •  Por  haber  sido  rigurosos  en  planificación  sabemos  que  el  fracaso  es  externo  a  los   factores  a  estudio….factores  que  afectan  a  todo  y  que  impiden  ver  “la  señal”  de  los   factores  significaHvos   •  Hay  una  experiencia  buena,  Magnífica  ¿por  qué  ?  (está  a  estudio)         28.   Seguimos  con  esta  y  otras  experiencias  pedagógicas  ….     desarrollando  RUTINAS  para  facilitar  APRENDER  a  EXPERIMENTAR….     Porque  EXPERIMENTAR  facilita  APRENDER  otros  CONOCIMIENTOS  
    29. 29. Referencias  de  éxito  aplicando  DOE   •  ApplicaHon  of  Six  Sigma  Methodology  in  Gamesa  AeronaúHca.  L.  Pozueta  y  J.  M.  Lario  López.  Third  Annual   mee(ng  of  ENBIS  and  ISIS3.  Barcelona  2003                  haps://www.dropbox.com/s/rkp9w36dsdflx8f/GAMESA-­‐ENBIS-­‐2003.pdf?dl=0   •  OpHmizaHon  of  a  Car  brake  Prototype  as  a  Consequence  of  Successful  DOE  Training.  LL.  Marco,  X.  Tort-­‐   Martorell,  J.  A.  Cuadrado  and  L.  Pozueta.  Quality  and  Reliability  Engineering  Internacional,  20,  469-­‐480.   (2004)     •  Reducción  de  la  variabilidad  en  un  proceso  de  forja  en  ALCORTA  FORGING  GROUP.  L.  Pozueta.  Jornada   de  Excelencia  Operacional  en  la  Industria  y  Servicios  con  Minitab  Barcelona  22  Octubre  2009      haps://www.dropbox.com/s/29avy51bl8oiacr/JornadaMINITAB_Alcorta.pdf?dl=0     29.   •  Tesis doctoral: ”Desarrollo de un modelo para abordar proyectos de mejora continua de procesos productivos de forma eficaz y eficiente” Autor: José Alberto Eguren Egiguren Directores: Unai Elorza Iñurrategi (Mondragon Unibertsitatea) Lourdes Pozueta Fernández (Avancex+i, S.L.)

    ×