Dra. Lourdes Pozueta
lourdes.pozueta@avancex.com
Reducción de la variabilidad en un proceso
de forja en ALCORTA FORGING GR...
Pág. 2
Equipo de trabajo:
•  Alcorta Forging Group:
–  Oskar Andrés, Jesús Mari Beitia, Juan Antonio Beneitez,
Ruben de la...
Pág. 3
Índice
1.  Presentación empresa / productos
2.  Oportunidad detectada
3.  Objetivo proyecto
4.  Plan de trabajo por...
Pág. 4
1- Presentación Empresa
•  www.alcortagroup.com
•  Fundada en 1911
•  Evolución accionariado:
Local (Familiar) è I...
Pág. 5
2- Oportunidad detectada
PROCESO ACTUAL
Critical To Quality • Piezas homogéneas en espesor
OPORTUNIDAD: AUTOMATIZAR...
Pág. 6
3-Objetivo
Voz del CLIENTE
•  El estado del arte de la tecnología de forja con martillo permite controlar de forma ...
Pág. 7
Hito 1: Modelo Mental del Equipo
è Recoger Hipótesis
Hito 2: Caracterizar Variabilidad Producción. Situación parti...
Pág. 8
4.1 Modelo Mental
espesor taco
Variabilidad
Martillo
Horno
Environment
Measurements
Methods
Material Personnel
C on...
Pág. 9
Observar al Proceso a corto, medio plazo
–  Registrar estado de X’s principales
–  Recoger datos de “espesor” y “pe...
Pág. 10
332925211713951
15,2
15,0
14,8
SampleMean
__
X=15,0359
UCL=15,2054
LCL=14,8664
332925211713951
0,4
0,2
0,0
SampleR...
Pág. 11
15,5015,2515,0014,7514,50
530
520
510
500
490
480
470
15,5015,2515,0014,7514,50
Espesor14,5+0,6
Peso
Espesor_Cazue...
Pág. 12
4.2 Caracterizar variabilidad:…, tendencias, asociación,..
3,9613E+103,9612E+103,9612E+103,9611E+10
1400
1350
1300...
Pág. 13
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
...
Pág. 14
•  Nº Ensayos: 10 23 + 2 réplicas (Duración prevista 6 horas)
ensayo 1 (puesta pto) se repite al inicio, medio y f...
Pág. 15
02/10/2008
18:37
02/10/2008
17:43
02/10/2008
16:36
02/10/2008
15:04
02/10/2008
14:23
02/10/2008
13:43
02/10/2008
1...
Pág. 16
4.4 DOE:…, Análisis,…
15,4
15,2
15,0
19:1518:0315:2514:1512:3009:40
15,4
15,2
15,0
14,8
19:1518:0315:2514:1512:300...
Pág. 17
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 f...
Pág. 18
0,520,510,500,490,48
15,4
15,3
15,2
15,1
15,0
14,9
14,8
14,7
14,6
14,5
Peso
Espesor
14,5
15,1
8
1a
1b
1c
2
3
4
5
6...
Pág. 19
4.4 DOE: …política de control variabilidad..
Modo de detectar el aumento en peso. Operativa:
• Puesta a punto de m...
Pág. 20
•  Prueba Piloto:
•  Resultados Ok.
•  Menor ajustes de lo habitual
•  Estado actual:
–  Línea Nueva con pesado in...
Pág. 21
5. Conclusiones
•  Cambio Modelo Mental
–  Los sobreajustes aumentan la variabilidad
–  Golpe 4 poco efizaz
•  Con...
Pág. 22
Equipo de trabajo:
•  Alcorta Forging Group:
–  Oskar Andrés, Jesús Mari Beitia, Juan Antonio Beneitez,
Ruben de l...
Próxima SlideShare
Cargando en…5
×

Reducción de la Variabilidad en forja en Alcorta Forging Group

222 visualizaciones

Publicado el

Los problemas de paradas …hace que el proceso de forja sea variable en cotas. Para ello se toma contramedidas con energías de golpe y Temperatura…En la actualizad es manual control de cotas y acciones. Se investiga en definir un proceso automático que gestiona a partir del peso y actúa en parámetros clave.
Se identifica patrone de variabilidad típicas de forja y mediante Diseño de Experimentos se identifica efectos de parámetros de proceso y modelo matemático para utilizar para contrarrestar variabilidad

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
222
En SlideShare
0
De insertados
0
Número de insertados
13
Acciones
Compartido
0
Descargas
0
Comentarios
0
Recomendaciones
0
Insertados 0
No insertados

No hay notas en la diapositiva.

Reducción de la Variabilidad en forja en Alcorta Forging Group

  1. 1. Dra. Lourdes Pozueta lourdes.pozueta@avancex.com Reducción de la variabilidad en un proceso de forja en ALCORTA FORGING GROUP Jornada de Excelencia Operacional en la Industria y Servicios con Minitab Barcelona 22 Octubre 2009
  2. 2. Pág. 2 Equipo de trabajo: •  Alcorta Forging Group: –  Oskar Andrés, Jesús Mari Beitia, Juan Antonio Beneitez, Ruben de la Peña, Mikel Luque y operarios de proceso •  Avancex+i –  Lourdes Pozueta –  Becario doctorando TECNUN: Martin Tanco •  Centro Tecnológico INASMET-Tecnalia –  Félix Peñalba
  3. 3. Pág. 3 Índice 1.  Presentación empresa / productos 2.  Oportunidad detectada 3.  Objetivo proyecto 4.  Plan de trabajo por hitos Hito 1: Modelo Mental del Equipo Hito 2: Caracterizar Variabilidad Producción/Chequeo H1 Hito 3: Diseño Plan Experimental (DOE) Hito 4: Ejecución e interpretación resultados/ comunicación Hito 5: Prueba piloto 5.  Conclusiones
  4. 4. Pág. 4 1- Presentación Empresa •  www.alcortagroup.com •  Fundada en 1911 •  Evolución accionariado: Local (Familiar) è Internacional (Brockhaus, Mahle) è Local (F.+trabajadores) •  Evolución del producto: –  armas y herramientas de mano è Sector Automoción •  Tecnología –  Automatización: alta tecnología de producción de forja con 7 líneas parcial o totalmente automatizadas –  Tecnología Preforma (reducción peso bruto en pieza) •  Trabajo en equipo (minicompañías,…)
  5. 5. Pág. 5 2- Oportunidad detectada PROCESO ACTUAL Critical To Quality • Piezas homogéneas en espesor OPORTUNIDAD: AUTOMATIZAR Inicio: Parámetros proceso Ajustes: Operario modelos conformados Temperatura tiempo EnergíaGolpeo Posiciones Corte Horno taco MARTILLO + Operario Rebabado Control Espesor tacocaliente Piezabruta barra Laminado
  6. 6. Pág. 6 3-Objetivo Voz del CLIENTE •  El estado del arte de la tecnología de forja con martillo permite controlar de forma muy precisa la energía que en cada golpe es aplicada. Esta capacidad abre posibilidades que eran impensables con las tecnologías antiguas. Una de las principales es la poder obtener un espesor en las piezas mucho más estable, es decir, un proceso más controlado que fabrique piezas con una mejor calidad. •  Para obtener la estabilidad de espesores es necesario aplicar la energía de deformación necesaria en cada golpe y para cada barra de materia prima forjada. Un defecto de energía producirá sobreespesores de pieza y un exceso producirá desplazamientos en los utillajes, estos desplazamientos generarán paros para efectuar correcciones en el proceso productivo. •  La pregunta es ¿cuánta energía se debe aplicar en cada golpe? Para responderla se hace necesario modelizar el proceso de forja de tal forma que en tiempo real el autómata del martillo pueda recalcularla y enviar la consigna. OBJETIVO 1.  Modelizar el Proceso de Forja è Identificar X’s vitales y relación 2.  Establecer procedimiento ajuste automático “on line” mediante peso
  7. 7. Pág. 7 Hito 1: Modelo Mental del Equipo è Recoger Hipótesis Hito 2: Caracterizar Variabilidad Producción. Situación partida èEstimar capacidad de proceso è Chequear relación espesor-peso è Identificar síntomas de Hipótesis è Seleccionar X’s para experimentar Hito 3: Diseño Plan Experimental (DOE) è Plan de pruebas para estimar modelo Espesor = F(X’s) Hito 4: DOE Ejecución e interpretación resultados/ comunicación Hito 5: Prueba piloto ajuste Hito 6: Propuesta automatización 4-Plan trabajo
  8. 8. Pág. 8 4.1 Modelo Mental espesor taco Variabilidad Martillo Horno Environment Measurements Methods Material Personnel C onocimiento A justes C olocación pieza martillo Energía absorbida Prov eedor Dureza Espesor Longitud taco Proc. ajsutes desgaste Proc. de A justes proceso Proc. paros cortos Proc. A rranque medida Frecuencia equipo V ariabilidad seleccionada C ota Suciedad Tª ambiente Tiempo Temperatura Temperatura Utillaje entrada de taco Temperatura de Estado prensa Utillajes en Golpes Parámetros Energías Diagrama Causa Efecto "paciente"? observar al permiten Datos que me ¿Dónde hay ¿Qué factores pueden afectar la variabilidad en el espesor?
  9. 9. Pág. 9 Observar al Proceso a corto, medio plazo –  Registrar estado de X’s principales –  Recoger datos de “espesor” y “peso” Analizar –  Síntomas de variación no natural –  Bondad de la relación “peso-espesor” Plan de recogida de datos: –  Periodo que cubra en torno el 80% de variación del proceso (cambio de lotes, turnos,…). –  Intensificación en periodos corto, medio y largo plazo. –  Mínima intervención en el proceso 4.2 Caracterizar variabilidad
  10. 10. Pág. 10 332925211713951 15,2 15,0 14,8 SampleMean __ X=15,0359 UCL=15,2054 LCL=14,8664 332925211713951 0,4 0,2 0,0 SampleRange _ R=0,1657 UCL=0,4265 LCL=0 3530252015 15,3 15,0 14,7 Sample Values 15,4515,3015,1515,0014,8514,7014,55 LSL USL LSL 14,5 USL 15,1 Specifications 15,515,014,5 Within O v erall Specs StDev 0,0978706 C p 1,02 C pk 0,22 Within StDev 0,17389 Pp 0,58 Ppk 0,12 C pm * O v erall 1 11 11 11 11 1 1 Process Capability Sixpack of Espesor14,5+0,6 Xbar Chart R Chart Last 25 Subgroups Capability Histogram Normal Prob Plot A D: 0,996, P: 0,012 Capability Plot 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. CAPACIDAD A CORTO / NO CAPAZ a LARGO PLAZO (reproceso de conformado frío posterior) 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 Bondad Modelo Espesor=F(peso) R2 65% s= 0,10 (tolerancia ± 0,30) Incertidumbre alta en predicción (similar a var. corto plazo espesor) El peso lo utilizaré para detectar variabilidad en espesor y rechazar piezas pequeñas (más rápido), NO para dar medida de espesor para el resto. 4.2 Caracterizar variabilidad: capacidad, espesor-peso,…
  11. 11. Pág. 11 15,5015,2515,0014,7514,50 530 520 510 500 490 480 470 15,5015,2515,0014,7514,50 Espesor14,5+0,6 Peso Espesor_Cazuela 71 72 73 Huella La huella también difieren más en cazuela 14,5 que con espesor de Cazuela Más fuerte la relación Peso con espesor Relación Peso con Espesor
  12. 12. Pág. 12 4.2 Caracterizar variabilidad:…, tendencias, asociación,.. 3,9613E+103,9612E+103,9612E+103,9611E+10 1400 1350 1300 1250 1200 15,4 15,3 15,2 15,1 15,0 14,9 14,8 14,7 14,6 X-Data VarValue-Temperatura Espesor14,5+0,6 VarValue-Temperatura * Time_ms Espesor14,5+0,6 * time ms-piezaslargo Variable Temperatura y Espesor14,5 (hay decalaje en medida) 1 hora 3,9613E+103,9612E+103,9612E+103,9611E+103,9611E+103,9610E+103,9610E+103,9609E+10 1500 1400 1300 1200 1100 1000 900 800 700 600 Time_ms VarValue 06:00-13:00 10 Junio 22:00-24:15 10 Junio 12 Junio 06:40 11 Junio 12:00 - 08:00-15.30 12 Junio Junio 01.46 12 Junio 15:30-13 08:45-13.30 13 Junio Temperatura vs Time_ms 3,9612E +10 3,9611E +10 3,9610E +10 3,9612E+ 10 3,9611E+ 10 3,9610E+ 10 550 500 450 400 350 3,9612E+10 3,9611E+10 3,9610E+10 550 500 450 400 350 VarValue-Golpe1*Time_ms 450 VarValue-Golpe 2*Time_ms_2 VarValue-Golpe 3*Time_ms_3 VarValue-Golpe 4*Time_ms_4 VarValue-Golpe5*Time_ms_5 450 11 Junio 12:00 - 13 Junio 06:00 Periodo Estable 10 Junio 05:00-12:00 22:00-24:00 Periodo Inestable. ENERGÍA GOLPES DE MARTILLO Se ha tocado: Temperatura Horno y las velocidades de Golpe 1, 4 y 5 Difícil establecer asociaciones en presencia de variabilidad cuando se tocan muchas cosas a la vez Ante paradas, los primeros tacos salen “fríos” (se separan)
  13. 13. Pág. 13 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 Lo intentamos explicar… “Cuando la máquina comienza a trabajar el espesor está alto y va bajando con las consignas de Golpe estables hasta llegar a un nivel que coincide con máxima actividad de máquina. Baja la actividad y trabaja con Golpe 1 más bajo, el espesor con la máquina a medio rendimiento sube y para bajarlo se acaba subiendo el Golpe 4 y a continuación el Golpe 5. Además se había subido anteriormente la consigna de Temperatura en Horno” ¿Por qué se toca? Para compensar efectos de contingencias en proceso (utillaje frío tras paradasèespesor alto, ….) Porque se interpreta que algo está ocurriendo Porque se cree que se va a mejorar con la “habilidad personal” 4.2 Caracterizar variabilidad:…,X’s candidatas X’s candidatas: X1: Temperatura Horno X2 : Energía Golpe 4 (velocidad) X1: Energía Golpe 5 (velocidad)
  14. 14. Pág. 14 •  Nº Ensayos: 10 23 + 2 réplicas (Duración prevista 6 horas) ensayo 1 (puesta pto) se repite al inicio, medio y fin del experimento •  Nº piezas por ensayos: 6 piezas (1/5 minutos, 30’ total) huella 3 •  Datos: Y’s (Espesor, peso) y variables de proceso (X’s) •  Personal durante experimentación: –  2 personas con experiencia en Martillo + Supervisor –  Consultor + Técnico Forja (Centro Tecnológico) 4.3 Diseño Plan Experimental (DOE) B.  Procedimiento  para  experimentar     1. Puesta  a  punto  de  proceso  hasta  llevar  a  condición  1  (el  último  registro  de  la  última  producción).   Determinar  cuando  el  proceso  está  estable:  al  comienzo  surgen  piezas  de  más  grosor  hasta  que   se  logra  estabilidad.     2. Tomar  primera  muestra  de  6  piezas    de  la  marca  72  (extraídas  una  cada  5  minutos)  y  datos  de   las  variables  de  interés  (plantilla)   3. Cambiar  las  consignas  de  proceso.  Contar  nº  de  piezas  que  se  tiran  hasta  comenzar.    Tomar  a   continuación  la  primera  pieza  de  muestra  y  seguir  cada  5  minutos,  hasta  obtener  las  6  piezas   4. Repetir  pasos  3  hasta  acabar  con  las  10  condiciones  del  proceso.     Durante  todo  el  tiempo  que  dura  el  periodo  de  experimentación  los  únicos  cambios  que  se  realizarán  en  las   consignas  del  proceso  son  las  determinadas  por  el  plan  experimental.  En  caso  de  paro  de  máquina,  el  puesta  a   punto  se  realizará  en  las  consignas  que  toque  en  ese  momento.     C.  Características  de  la  plantilla  de  histórico       1.         O bjetivo:  Se  utilizará  una  plantilla  para  registrar  todos  los  datos  de  interés  que  sucedan  en  el   proceso  durante  el  tiempo  de  experimentación   2.       En  ella,  se  registrarán  en  primer  lugar,  todos  los  cambios  realizados  a  los  parámetros  de   interés.     3.      También,  se  desea  registrar  cualquier  incidencia  que  ocurra  durante  la  experimentación   4.      Además,  se  prestará  atención  a  la  cantidad  de  piezas  necesarias  para  lograr  la  estabilidad  desde   que  llega  la  primera  barra,  hasta  la  primera  aceptable.   5.    El  sistema  automático  de  M.  Luque  permite  recolectar  automáticamente  las  energías  de  golpeo  y   la  temperatura  de  las  barras  a  la  salida  del  horno  durante  toda  la  experimentación.   D.  Características  de  la  plantilla  de  muestras  
  15. 15. Pág. 15 02/10/2008 18:37 02/10/2008 17:43 02/10/2008 16:36 02/10/2008 15:04 02/10/2008 14:23 02/10/2008 13:43 02/10/2008 12:45 02/10/2008 10:18 02/10/2008 09:43 02/10/2008 09:00 530 520 510 500 490 480 470 460 450 440 TiempoGolpe4 470 510 Time Series Plot of Golpe4 1 2 3 4 1b 5 6 7 8 1c 02/10/2008 19:13 02/10/2008 18:33 02/10/2008 17:40 02/10/2008 16:35 02/10/2008 15:01 02/10/2008 14:23 02/10/2008 13:46 02/10/2008 12:46 02/10/2008 10:17 02/10/2008 09:43 02/10/2008 09:00 530 520 510 500 490 480 470 460 450 Time Series Plot of Golpe5 1 2 3 4 1b 6 5 7 8 1c 02/10/2008 19:13 02/10/2008 18:29 02/10/2008 17:34 02/10/2008 16:27 02/10/2008 14:55 02/10/2008 14:14 02/10/2008 13:31 02/10/2008 12:31 02/10/2008 10:24 02/10/2008 09:42 02/10/2008 09:00 1330 1320 1310 1300 1290 1280 1270 1260 1250 TimeString VarValue 1305 1275 Time Series Plot of Temperatura 1a 2 3 4 1b 5 6 7 8 1c 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 4.4 DOE: Ejecución, … No hay evidencia de que no se haya seguido bien el plan….
  16. 16. Pág. 16 4.4 DOE:…, Análisis,… 15,4 15,2 15,0 19:1518:0315:2514:1512:3009:40 15,4 15,2 15,0 14,8 19:1518:0315:2514:1512:3009:40 0,52 0,51 0,50 0,49 0,48 Espesor Caz. Hora Espesor Peso 8 1a 1b 1c 2 3 4 5 6 7 Referencia Time Series Plot of Espesor Caz.; Espesor; Peso No se detectan grandes anomalías ambiar en el proceso?) n última réplica a tener en cuenta en análisis (¿qué ha podido xtrema (1305ºC, 510, 510) y se observa una pequeña diferencia Las referencias 1a, 1b y 1c son réplicas de la condición más e la variabilidad. Claramente el proceso responde a cambios de consigna a pesar Claramente la Señal supera al Ruido Estabilidad entre 1a y 1b; algo + alta 1c 30’ presenta variabilidad bien 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 Factor Name ABC BC AB C A Half Normal Plot of the Standardized Effects (response is Espesor, Alpha = 0,05) Significativos Efectos 876543210 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 Factor Name ABC C A Half Normal Plot of the Standardized Effects (response is Peso, Alpha = 0,05) Efectos Significativos ¿Qué factores hacen mover?: Temperatura Golpe 5
  17. 17. Pág. 17 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 4.4 DOE:…, Análisis,… 13051275 15,20 15,15 15,10 15,05 15,00 510470 Temperatura Mean Golpe 5 Main Effects Plot for Espesor Fitted Means 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%
  18. 18. Pág. 18 0,520,510,500,490,48 15,4 15,3 15,2 15,1 15,0 14,9 14,8 14,7 14,6 14,5 Peso Espesor 14,5 15,1 8 1a 1b 1c 2 3 4 5 6 7 Referencia Espesor = 7,218 + 15,74 Peso s=0,041 R-sq= 93,3% algo menos espesor) 1c?(Tienen más peso que 1a y 1b pero ¿qué factor ha desplazado a las piezas Se mantiene la tendencia de aumento en 0,015 por cada gramo de peso Mejora la predicción tomando siempre la misma huella !!!!! 4.4 DOE:…, Análisis,…
  19. 19. Pág. 19 4.4 DOE: …política de control variabilidad.. Modo de detectar el aumento en peso. Operativa: • Puesta a punto de máquina. o Producir hasta que se consigue estabilidad o Registrar pesos a partir de ese punto (media hora por ejemplo). o Calcular el peso promedio del periodo estable. MEDIA REFERENCIA o No activar el ajuste en este periodo o • Activar control/ajuste o Tomar medias móviles de n unidades (a determinar). MEDIA MOVIL o Si |MEDIA MÓVIL- MEDIA |> 2 *0,04/raiz(n) ajustar el proceso o Ajuste [(MEDIA MÓVIL- MEDIA)*0,015 /( 0,102/15) ] grados [(MEDIA MÓVIL- MEDIA)*0,015 /( 0,085/20) ] Energía de Golpeo 5 • Ejemplo: Si el cambio en peso es de 10 gramos (MEDIA MÓVIL- MEDIA) = 10 El ajuste sería de 10 * 0,015 / (0,102/15) = 0,15 / 0,068 = 22ºC ó 10 * 0,015 / (0,085/20) = 0,15 / 0,068 = 35 unidades de Golpe 5 1019181716151413121111 15,4 15,3 15,2 15,1 15,0 14,9 14,8 14,7 Sample MovingAverage __ X=15,07 UCL=15,2255 LCL=14,9145 Moving Average Chart of Espesor14,5+0,6_2 0,08 Ajuste CONTROL / AJUSTE: • CONTROL: Moving Average del PESO de huella 3 • AJUSTE: por TEMPERATURA o por Velocidad de Golpe 5 [(MEDIA MÓVIL- Nominal)*0,015 /( 0,102/15) ] grados [(MEDIA MÓVIL- Nominal)*0,015 /( 0,085/20) ] Energía de Golpeo 5
  20. 20. Pág. 20 •  Prueba Piloto: •  Resultados Ok. •  Menor ajustes de lo habitual •  Estado actual: –  Línea Nueva con pesado incorporado –  Fase piloto de incorporación del software para unir peso al control del Martillo y Horno •  Control por Golpe 5 antes que Temperatura •  No tocar Golpe 4 si no necesario 4.5 Prueba Piloto / Automatización
  21. 21. Pág. 21 5. Conclusiones •  Cambio Modelo Mental –  Los sobreajustes aumentan la variabilidad –  Golpe 4 poco efizaz •  Conocimiento de qué afecta y cómo afecta •  Incorporación de conocimiento a nuevas tecnologías è Aumento Competitividad (+productividad + calidad +imagen cliente) •  Participación minicompañía: Ayuda a Gestión del cambio
  22. 22. Pág. 22 Equipo de trabajo: •  Alcorta Forging Group: –  Oskar Andrés, Jesús Mari Beitia, Juan Antonio Beneitez, Ruben de la Peña, Mikel Luque y operarios de proceso •  Avancex+i –  Lourdes Pozueta –  Becario doctorando TECNUN: Martin Tanco •  Centro Tecnológico INASMET-Tecnalia –  Félix Peñalba

×