Evento: Martes de Innobasque. Innovación e Ingeniería. Febrero 2015 La importancia de entender las fuentes de variabilidad para incorporar este conocimiento desde el diseño de producto y proceso

1. “La Variabilidad en los procesos: clave para diseñar productos
competitivos“
Lourdes Pozueta Fernández
“Ingeniería e innovación”
Bilbao. 24/02/2015
PPrrooggrraammaa
12:30 APERTURA Y CONTEXTO
TXEMA VILLATE, DIRECTOR GENERAL DE INNOBASQUE
“Apertura e introducción”
ÁLVARO UBIERNA, DECANO DEL COLEGIO DE INGENIEROS DE TELECOMUNICACIÓN DEL PAÍS VASCO
“El uso de las TIC como motor de productos y servicios”
12:45 EUSKADI, TERRITORIO DE INGENIEROS
AMAIA BERNARAS, CONSULTORA SENIOR EN IDOM
“IDOM y la innovación en ingeniería y manufactura”
JOSÉ FÉLIX ROJAS, ASTROFÍSICO Y MIEMBRO DEL GRUPO DE CIENCIAS PLANETARIAS DE UPV/EHU
“Planetcam UPV/EHU: una cá mara co n fu t u ro”
LOURDES POZUETA, DIRECTORA DE AVANCEX+I
Explicación de la ponencia. https://www.youtube.com/watch?v=lqi-FCdUq-I

2. 2.
“Hay muchas cosas que pueden ir mal en el proceso de desarrollo de un producto.
Muchas startups no aguantan económicamente los fracasos.”
Ejemplo: Why Electric Cars Don’t Have Better Batteries | MIT Technology Review
http://www.technologyreview.com/review/534866/why-we-dont-have-battery-breakthroughs/
RETOS de la INGENIERÍA en la INNOVACiÓN
•INCORPORAR con éxito, en el desarrollo de Producto/Proceso,
CONOCIMIENTO (escaso) derivado de los AVANCES TECNOLÓGICOS
•REPRODUCIR, en fabricación, los RESULTADOS que surgen en etapas
iniciales de desarrollo de productos (prototipos)
•...etc.
Identificar Causas Raíz de la VARIABILIDAD
EXPERIMENTAR con método científico

3. APRENDIZAJE
LENTO / Por AZAR: ACELERADO / PROVOCADO:
Hecho relevante ocurre: OBSERVAR  Provocar que ocurran hechos: EXPERIMENTAR con método
científico
1 Observador Preparado   nº de personas preparadas: EQUIPO MULTIDISCIPLINAR
Capacitación para APRENDER en base a DATOS
Ingeniería de la Calidad: Estadística Industrial, ….
CONOCIMIENTOS:
Información+aprendizaje
tiempo 1500
Nuevas Tecnologías
Olas tecnológicas
(+Internet)
Necesidad de Aprender a “Aprender rápido”

4. ¿CUÁNDO y CÓMO podemos reducir la VARIABILIDAD final?
Ref.:Tabla 10.1, Cap. 10: Libro “Métodos estadísticos. Control y Mejora de la Calidad” Prat, Tort-Martorell, Grima, Pozueta y Solé. Ed. UPC
Hay que anticiparse en Fase de DISEÑO… Sin embargo….
Ley de Meskimen:
“Nunca hay tiempo para hacer las cosas bien pero siempre para repetirlas”
DOE
Producto robusto
DOE
proceso robusto
Metodologías/Herramientas de Ingeniería de la Calidad

5. • EXPERIMENTAR con método científico para APRENDER QUÉ y CÓMO afecta
5.
• CARACTERIZAR comportamiento de Procesos SIMILARES: DIAGNÓSTICO
Elementos diseño producto
Materias primas, Proveedores,
Parámetros máquina-proceso, localización,
Utillajes, Desgastes, condiciones ambientales,
Ergonomía, Experiencia en el usuario
…
Factores Clave que
afectan variabilidad
PROTOTIPO Y PROCESO ROBUSTO
Factores Clave
(Conocimiento adquirido)
Avances
Tecnológicos
Desarrollo
conceptual
Factor A
- +
FactorB
+
-
-
+
Metodología Experimentación
2 Competencias clave en Ingeniería de Calidad
Innovación

6. DIAGNOSTICAR para identificar Factores Clave
Los médicos utilizan htas (Rayos-X o Test de Sangre) para determinar por qué alguien tiene dolor.
La Ingeniería de Calidad utiliza herramientas para comprender lo que NO SE VE
6.
Heridas
escondidas
PREGUNTAS
Hipótesis
Escuchar con atención
Observación Consciente
Evidencias
¿Por
qué?Causa
Raíz
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%
RESPUESTAS
Herramientas
analíticas
Htas Recogida
DATOS: observar,
experimentar
Predecir ≠ Causalidad
Modelos predictivos o causales

7. Factor A
- +
16 ensayos: 1 factor
A
D
+
E
-
B
16 ensayos: 5 factores
Factor A
- +
FactorB
+
-
-
+
3 factores
Factor A
- +
FactorB
FactorB
Factor A
+
-
16 ensayos:
2 factores
A
B
A
B
- D +
4 factores
Ejemplo de Estrategia Experimental y
economía en los ensayos: 2k-p
Varios factores a la vez
Óptimo de conocimiento/Coste experimental
Modelos predictivos-Causales
Aprender Rápido
Aplicable a simuladores
✔ Mover TODOS los factores a la vez
✔ Analizar Media y Variabilidad
✖ Prueba-Error o Mover UN factor cada vez
Hay interacciones!!
Eficiencia!!

8. 8.
Fagor Ederlan
Producto: Caliper
Característica: Ruido (FRF)
A
B
A
B
- D +
+
Causa Raíz ES Cota X
Variación en Frecuencia3 según localización
Cavidades en molde idénticas pero Cota X en producto varía
Alta correlación entre FR3 y Cota X PUEDE SER la causa
(correlación no implica causalidad)
OBSERVAR PROCESO: Diagnóstico
EXPERIMENTAR (provocar escenarios independientes)
1) Compensar Utillaje
2) Diseño producto robusto
Prueba piloto

9. ENTRENAR a ser “Médicos de Procesos”
• ENTENDER la VARIABILIDAD de los PROCESOS ACTUALES,
– Observación consciente
– Cuestionarse, elaborar preguntas, recoger datos apropiados para responder las preguntas, …y con
ello a identificar factores clave que afectan a la variabilidad.
– Utilizar herramientas reconocidas internacionalmente: SPC, gráficos multi-vari, modelos de
regresión, series temporales, redes neuronales, …etc.
• EXPERIMENTAR con método científico y TRATAR el producto/proceso
– Abandonar tácticas de prueba/Error o mover 1 factor cada vez
– Habilidades para recoger conocimiento tácito de las personas
– Experimentar con varios factores a la vez para identificar interacciones
– Utilizar metodologías estadísticas reconocidas internacionalmente: Anova, Diseños 2k-p para
industria, Diseños para mezclas, Diseños experimentales para la salud, Diseños Shainin, …etc.
• Discernir AZAR de EVIDENCIAS estadísticas.
9.

10. 10.
lourdes.pozueta@avancex.com
lpozueta@ideas2value.net
• Experta en Estadística Industrial:
Estudios de análisis de fuentes de variabilidad
Diseño de Planes experimentales
Análisis e interpretación de datos Optimización de
productos y procesos
Modelos predictivos y causales
Metodologías de Mejora continua
Elaboración procedimientos estadísticos
• Consultoría a empresas
• Formación en herramientas
• Entrenamiento en competencias relacionadas con la
Mejora Continua y el Diseño de Experimentos
Socio fundador
LinkedIN
http://ideas2value.net/inicio/

11. 11.
Capacitación en abierto
SESIÓNDELANZAMIENTO
- METODOLOGÍAtesteadoconéxito
- PROFESORADO: Expertosenmateria
- SOPORTEWEB...
- APOYOTUTORES
- PLANENTRENAMIENTOFLEXIBLE:
- Materialadaptado
- Rutinasparapotenciarhábitos
- Casosprácticos
- Proyectoscompartidos
Campamentobaseparaaclimatar:puestaencomúnydebateconstructivo
HITO1
HITO2
• Importanciaeimpactoproyecto
• Clienteyrequisitos
• Alcance:procesosypersonas
DEFINIR
MEDIR
ANALIZAR
IMPROVE
CONTROL
• Conocerproceso
• Mediryvalorarlassalidasdelproceso(efectos)
• Diagnósticosituacióndepartida
• Idearsoluciones
• Verificarresultados
• Exportaraprendizaje
• Estandarizaryacreditarproceso
• Verificarresultados
• Explotaraprendizaje
• Determinarlasentradasclave(causasraiz)
• Decidiraccionesdecambio
DINÁMICASHERRAMIENTASENTO
- IDENTIFICARorganizacionesinteresadas
- PROYECTOSconretorno
- PROMOTORDEAPOYO(Champion)
- LÍDERmotivadoparaacudiralcurso
- ROLESclaros
- OPERATIVA/PREPARATIVOSprevios
UNA
TIDA
C
IÓN
Curso Avanzado en Programas de
Mejora Continua Lean-Six Sigma
Diseño de Experimentos
(3 módulos)
Control Estadístico de
Procesos (SPC)
Marzo-Junio Marzo 2015Diciembre-Febrero
Introducción
Diseño Robusto
Próximamente
Alumnos del último curso DOE:
Aplicación de DOE en la fabricación
de Chips en Fagor Electrónica

12. 12.
Referencias

13. 13.
Innovation testers:
Una vez logrado el diseño conceptual del producto, y antes de la realización de prototipos y series piloto, es
necesario establecer el modo en que se va a medir el éxito del prototipo, o del proceso de generación del
mismo, y las condiciones en que se van a elaborar los prototipos para poder evaluar con rigor científico los
diferentes aspectos que interesa a una organización.
Analizamos el comportamiento de prototipos ante variación de condiciones de diseño de producto y proceso,
identificando factores que afectan y optimizando diseño.
Establecemos pruebas piloto para evaluar la capacidad de los procesos de fabricación de lograr los requisitos
de producto y realizamos propuestas de diseño de producto o proceso robustos a esta variabilidad.
Innovation trainers
Ofrecemos servicios de entrenamiento en competencias relacionadas con la Mejora Continua y el Diseño de
Experimentos. Potenciamos desarrollar el “statistical thinking” en las organizaciones: el pensamiento que
persigue chequear/aceptar teorías en base a hechos/evidencias.
http://ideas2value.net/inicio/
Lourdes Pozueta Fernández
Coordina el área diseño de
experimentos y análisis estadístico de
Ideas2Value Network
Miembro fundador
Hub de innovación abierta

14. 14.
La experimentación
para logro producto
robusto…
Ayudamos en cualquier fase del Proceso de Innovación