(se apoya ppt con vídeos en Youtube)
Resolución de un Problema de Variabilidad de frecuencia de Vibración en Fundición aplicando Ingeniería Estadística (con metodología apoyada en Seis Sigma)
Experiencia real en empresa.
Permiso de la empresa para compartir.
Se muestra en 3 webinar un resumen de las etapas de resolución de problemas:
Webinar 1: Entender proceso y primeros pasos orientados a Descripción de comportamiento
Webinar 2: Recogida de datos al detalle para encontrar modelos de Predicción y variables correlacionadas que podrían explicar el comportamiento variable de la respuesta
Webinar 3: Enfocado a experimentar con factores correlacionados para identificar factores causa y desterrar factores correlacionados que no afectan
Se fomenta:
1) MÉTODO de PENSAR diferente
2) numerosas herramientas
Webinar 1de3. Htas DESCRIPTIVAS, predictivas y causales (1de3).pdf
1. Herramientas DESCRITIVAS, predictivas y causales de
MINITAB para entender los procesos (1 de 3)
Lourdes Pozueta Fernández
lourdes.pozueta@avancex.com
www.avancex.com
18 de Junio de 2021
Herramientas Webinar 1: estadísticas resumen, histogramas, gráfico de cajas, estudios de capacidad, matriz de
dispersión, gráfico cluster o de conglomerados, series temporales, análisis multivary, Análisis de Componente Principales
Vídeo en YOUTUBE
https://www.youtube.com/watch?v=y5RoHw4FCV0
2. 2
Lourdes Pozueta Fernández
Lic. Matemáticas (U. Zaragoza)
Master of Science (U. Madison-Wisconsin)
Doctor por la U. Politècnica de Catalunya
Master Black Belt en Six Sigma
11 años Prof. Titular de la UPC (excedencia)
2 años Jefe Proyecto TECNALIA
Socia AVANCEX desde 2007
https://avancex.com
Lourdes Pozueta
The 2020 Best Manager Award
Más de 30 años tratando “pacientes” en la industria
Más de 30 años aprendiendo y capacitando
Consultoría y Formación:
Mejora de Procesos
Diseño Productos
Diagnóstico Variabilidad
Monitorización
Diseño de Experimentos
Metodología Seis Sigma
Auditoría Eficiencia Máuinas
Digitalización con Valor
3. Oportunidad Negocios: Reducir variabilidad
3
Oportunidad de negocio: reducir la VARIABILIDAD
• Procesos inestables en sus resultados (%defectivo, %Rendimiento, características de calidad,
tiempos de servicio a clientes, ocupación de camiones,...) o
• Procesos estables en sus resultados pero inestables en el modo en que se gobiernan sus parámetros
Para reducir la Variabilidad MINITAB ayuda al experto del proceso aportando unas "gafas especiales”
que le permiten VER y entender el proceso y tomar decisiones para el diseño de soluciones
Exposición reforzando la importancia de desarrollar la HABILIDAD del
PENSAMIENTO estadístico en expertos de los procesos
4. Caso: Nuevos requerimientos de vibración al caliper
(año 2010)
4
Agradecimiento:
Inspirado en caso real.
Nuevo requerimiento: Ensayo de vibración
Las frecuencia de vibración de las piezas (del grupo de freno) no tienen que acoplarse para evitar ruido.
5. 5
Recordatorio.
• 18 Junio: Herramientas para descriptivas: estadísticas resumen,
histogramas, gráfico de cajas, estudios de capacidad, matriz de dispersión,
gráfico cluster o de conglomerados, series temporales, análisis multivary,
Análisis de Componente Principales
• 2 Julio: Herramientas predictivas. Modelos (Regresión, Árboles
clasificación, PLS,...)
• 9 Julio. Herramientas para Causalidad. Diseño de Experimentos
Modelo Mental:
Creencias
Esto “No es”
Esto “Puedes Ser”
Esto “ES”
DEFINIR
Problema de Impacto
MEDIR
Datos generales
Situación de partida
Reducción de hipótesis
PISTAS posibles causas
ANALIZAR
Datos al detalle
Modelos Predictivos
Modelos Causales
MEJORAR
IDEAS
Prueba pIloto
CONTROL
Estándares
Monitorizacion
6. CTQ’s de interés de
clientes: Tolerancias
para las Frecuencias
de vibración
Cada diseño =è “Huella dactilar” teórica o nominal de vibración
6
Requerimientos
11 Frecuencias de interés en rango 2000-12000 Hz
Tolerancias: Nominales +/- (2,5-3)% variación
Clientes anuncian implantar en 5 años 100% inspección en proceso
7. Situación de
partida
• REFERENCIA1 arroja malos resultados en un
muestreo. Piezas fuera de especificaciones.
7
¿Qué DATOS recoger que aporten valor?
Para descubrir causas raíz hay que
HABLAR/MIRAR con los procesos
entrando en el detalle
“Datos al detalle” NO es recoger masivamente datos
cuantos más datos basura recojamos, más complicado
ponemos al experto entender lo que ocurre y en más
costes incurrimos de gestión, limpieza, almacén,...
¿Cómo estamos? ¿es esto representativo?
Desconocimiento del tema
8. El proceso y las Creencias para elaborar Plan de recogida de DATOS (I)
8
“ EL proceso” de la fundición
Molino
ARENA
PLACA
MOLDES
de arena
LLENADO
de moldes
Enfriamiento Desmoldeo Control
Tratamiento
ARENA
materia
prima
se funden 6 piezas por molde
Datos, hechos,
realidad …
Hipótesis, conjeturas,
modelos, …
INDUCCIÓN
Mirar
Imaginar
Ver
Especular etapa MEDIR: buscar pistas
9. 9
El proceso y las Creencias para elaborar Plan de recogida de DATOS (II)
Herramienta que ayuda a
• Chequear creencias en la etapa de Diagnóstico
• Dar RESPUESTAS para aumentar conocimiento
• Encontrar VALOR para la toma de decisiones
Datos, hechos,
realidad …
Hipótesis, conjeturas,
modelos, …
Cuestionarse
Planificar recoger datos
DEDUCCIÓN
Imaginar
evidencias/síntomas
Las Creencias de los
Expertos
Habilidad de IMAGINAR
evidencias de las Creencias con
DATOS
Datos, hechos,
realidad …
Hipótesis, conjeturas,
modelos, …
INDUCCIÓN
Mirar
Imaginar
Ver
Especular etapa MEDIR: buscar pistas
Habilidad de CONTEMPLAR y
conversar con los Datos y extraer
VALOR
+
+
Visualizaciones y Modelos
10. Elemento clave: estrategia de recogida de Datos
10
Elemento
clave: strategia
de recogida de
Datos
• DATOS: frecuencias y Pesos
• Táctica: identificar FUENTES de variación: ¿Corto
plazo o largo plazo?
• No gastar recursos extras en datos de demasiado
detalle si son costosos
• 6 días de colada x 5 muestras cada 3 horas x 6
piezas, 1 por huella
días
horas
huellas
Datos, hechos,
realidad …
Hipótesis, conjeturas,
modelos, …
Cuestionarse
Planificar recoger datos
DEDUCCIÓN
Imaginar
evidencias/síntomas
se funden 6 piezas por molde
11. Análisis descriptivo: datos resumen
11
2 Frecuencias con muy alta variabilidad: Y3 e Y4
¿qué hacer para mejorar Y3 e Y4 sin afectar al resto?
Tolerancias: Nominales +/- (2,5-3)% variación
12. Análisis Descriptivo: Dependencia entre variables y detección de anomalías (I)
12
Gráfica è Gráfica de matriz Estadística è Análisis Multivariado è Conglomerado de variables
Los 11 requerimientos no son independientes: tenemos 2-3 grupos
Y3 e Y4 dependientes
è Se reduce la dimensión del problema inicial
è Tiene que ser compatible con los nominales
anomalía en Y10
13. Análisis descriptivo: Estudio de capacidad
13
Variabilidad inaceptable: Pp = 0,56 a largo plazo y corto plazo (muestra de 6 piezas en una hora)
PERO la forma del histograma revela una forma que llama la atención, signo de inestabilidad de proceso: Oportunidad de reducir variabilidad
15. Análisis descriptivo: Comportamiento por huella
15
“mirando” con la brocha y con gráfico de dispersión con Y4, los datos anómalos no parecen ser errores,
¿tal vez no adecuada clasificación de la pieza? (las huellas anómalas 2 y 3 son huellas 1? ¿y las 6 2 o 3?)
16. Análisis descriptivo: Fuente de variabilidad
16
La fuente de variabilidad está en el corto plazo
NO es: cambios materias primas , cambios arena,...
17. Chequeo CREENCIAS y nuevas CREENCIAS
17
Estructura metalúrgica
Placa irregular, desgastada
Sistema de llenado irregular
Laboratorio no reporta problemas
por cotas diferentes por huella
18. Nuevo Plan de recogida de datos: 19 características geométricas
¿Cómo mirar? ¿qué esperas ver?
18
20. Análisis descriptivo de geometría
20
¿son 19 características independientes?
¿Hay información? ¿hay patrones de
variación?
è hay patrones, podría haber VALOR
21. Análisis Exploratorio: Plasmar la información reduciendo la dimensión en X’s
21
Con 2 dimensiones se recoge 62% de la variabilidad en los datos
Alguna observaciones anómalas que por el momento no las tratamos
22. ACP: Dependencia entra las métricas obtenidas de las piezas
22
Ojo con la escala!!
Componente 1: Muchas variables contribuyen moderado
Componente 2: Unas pocas contribuyen mucho
Hay patrones de geometría diferente en las piezas según la huella
Tendremos que analizar si estas geometrías diferentes podrían explicar la
variabilidad en la variable Y3
23. Próximo Webinar: herramientas predictivas
23
• Regresión Lineal ordinaria mínimos cuadrados
(ajustes a polinomios)
• Se busca X’s que expliquen la máxima variación
en Y y modelos alternativos
• Regresión PLS (mínimos cuadrado parciales)
Se busca estructura latente que explica la variación en Y y se estudia
la asociación entre las X’s medidas en la estructura latente
è Cuando hay muchas X’s correlacionadas
è Vale una Y y varias Y’s
Modelos CART o árboles decisión para variables continuas o categorías
• Nota: herramientas como redes neuronales,....etc son buenas en predicción pero son “cajas negras” que “no ayudan” en la causalidad
24. Recursos
• https://www.minitab.com/es-mx/products/minitab/quick-start/
24
Manual de Minitab (v19).
https://www.minitab.com/content/dam/www/en/uploadedfiles/documents/getting-started/Minitab19GettingStarted_ESES.pdf
Guia de iniciación y casos:
ADDLINK: noticias relacionadas con Minitab.
https://www.addlink.es/noticias/minitab
ADDLINK: zona de Minitab con vídeos de otros seminarios, material,...
https://www.addlink.es/productos/minitab-statistical-software