Proceso Conectado, Decisiones Inteligentes

Vivimos en la época del Big Data, en la que incluso se llega a decir que los datos son como el petróleo del siglo XXI. Pero nos parece tremendamente complicado, algo de los que nos sentimos alejados y que solo está al alcance de grandes expertos. Muchas personas creen que su empresa no está lista para entrar en este mundo, pero ¿lo está?

 

¿Os suena el caso de Google en el que mediante el análisis de 50 millones de términos de búsqueda fueron capaces de predecir con agilidad el brote de un nuevo virus en 2009? ¿O el caso de empresas del sector de automoción como Mercedes, que solucionaron la predicción del tiempo de testing en coches altamente personalizados mediante un concurso en Kaggle?

Estos ejemplos sí nos pueden parecer lejanos e inaccesibles, basados en un trabajo complejo de grandes equipos IT buscando soluciones innovadoras. Pero aplicando también el estudio del Big Data encontramos el caso de una cafetería en Edimburgo que, mediante un fácil análisis de datos de caja, es capaz de detectar las horas valle y los patrones de compra, reposicionando el producto y cambiando los horarios de apertura según los resultados, obteniendo un gran impacto positivo en la cuenta de resultados.

Entonces, ¿cómo podemos aprovecharlo nosotros en la calidad? ¿Podemos hacer como la cafetería y conseguir pequeñas grandes mejoras? La respuesta sin duda es SÍ, y sin necesidad de hacer nada muy diferente a lo que seguro que ya estamos haciendo. Simplemente se trata de aprovecharlo de la mejor manera posible.

Antes de nada, necesitamos hacernos preguntas. Tenemos que definir que queremos saber, para luego empezar a buscar las respuestas y tomar las decisiones correctas. Haciendo un breve análisis, vemos que ya hay muchos procesos y momentos en los que se recogen datos de calidad, incluso antes de que empiece la producción, y en diferentes departamentos.

Una vez sabemos qué datos tenemos y cómo conseguirlos, tan solo debemos implementar una solución digital como Kapture.io que nos permitirá digitalizar poco a poco aquellos procesos que consideramos clave y evaluar el retorno. Algunas aplicaciones que nos mostrarán resultados rápidamente:

  • Implementando el control cosmético en un EOL sabremos el valor de contestar en tiempo real preguntas como: qué zonas presentan más defectos, qué defectos ocurren frecuentemente, qué defectos son más severos, etc…
  • Creando pautas de control digital en algún proceso con algún ordenador reciclado que tengamos por la planta y/o midiendo mediante instrumentos bluetooth y subiendo los datos automáticamente a Kapture.io, conseguiremos que los operarios estén más informados, los datos sean más “correctos” y trazables, y además podremos hacer un análisis rápido de multidimensional de fecha, atributos, estado muestra, actividad diaria…
Informe Dinámico
Guia de control: Selección de atributos
Guia de control: Mediciones bluetooth

Y esto es solo el inicio de las múltiples ventajas que obtendremos usando una solución como Kaputre.io. Dejemos para otros capítulos aspectos como por ejemplo saber que digitalizando procesos como las auditorías, los instrumentos de control o la gestión de incidencias podemos observar un gran impacto económico positivo con muy poco esfuerzo.

¿Qué es una auditoría Run@Rate?

Auditorías Run at Rate

El objeto de una prueba de fabricación Run@Rate es comprobar que la línea de producción es capaz de producir correctamente, en condiciones de producción serie, con la cadencia requerida y cumpliendo los parámetros necesarios y previamente definidos, verificando que el proceso de fabricación cumple con los parámetros de calidad, y que el volumen de producción es el planeado para alcanzar la demanda contratada por el cliente.

Los principales beneficios de utilizar Run@Rate son:

  • Verificar la consistencia de la información contenida en el PPAP (Production Part Approval Process) presentado por la empresa al cliente.
  • Proveer al equipo con información y datos previos para prever la disponibilidad del producto.
  • Evaluar la capacidad de la empresa de alcanzar el volumen de producción requerido por el cliente.
  • Proporcionar un mecanismo consistente de verificación del proceso de producción real de una empresa, permitiendo la toma de acciones antes de la producción en serie, en caso de desvío de la calidad y la capacidad productiva.

«Kapture permite recoger los datos de las auditorías Run@Rate, y analizarlos de forma que los resultados puedan aplicarse inmediatamente en la optimización del proceso.

Para llevar a cabo una auditoría de Run@Rate, deben considerarse varias cuestiones previas esenciales:

  • En producción a alta cadencia, ¿qué cantidad de piezas correctas se pueden producir?
  • ¿Cuáles son los cuellos de botella dentro del proceso de producción, incluyendo almacenamiento y transporte interno?
  • ¿Cuál es el rendimiento total de la producción, y qué riesgos conllevaría para el cliente un rendimiento inferior?
  • ¿Qué capacidad tiene cada proceso?
  • ¿Qué capacidad tienen los controladores de funcionamiento? ¿Han sido evaluados mediante estudios Run at Rate?
  • Problemas generales relacionados con la calidad como plan de control, instrucciones, formación, trazabilidad, etc.
  • Es importante que estas medidas de control estén vinculadas a un AMFE

¿Cómo llevar a cabo una prueba Run@Rate?

  • Resulta muy útil realizar un ciclo productivo mínimo de 1000 unidades.
  • Antes de comenzar debería trazarse un plan en el que se indique el tiempo estimado necesario para cada etapa del proceso, así como el rendimiento esperado.
  • Cualquier posible perturbación que pueda aparecer dentro de la normalidad debe tenerse en cuenta en el tiempo de ejecución.
  • Hay que producir tan rápido como se pueda (dentro de un objetivo normal), adaptando los procesos al cuello de botella.
  • Apartar y conservar las piezas defectuosas o rechazadas que conlleven pérdidas de producción para que puedan ser analizadas.
  • Registrar los resultados y definir un Issue List si fuera necesario.
  • Realizar auditorías de calidad simultáneamente (audits Kapture)

¿Cómo interpretar los resultados?

  • Será necesario rellenar informes de los resultados y elaborar Action Plans (Issue List Kapture) en caso de pieza incompleta o fallida.
  • Es aconsejable contar con un representante de producción, fabricación y calidad para hablar de los resultados finales y determinar las acciones a llevar a cabo al respecto.

Kapture permite recoger los datos de las auditorías Run@Rate, y analizarlos de forma que los resultados puedan aplicarse inmediatamente en la optimización del proceso.

¿Big Data o Big Caos?

Planificar para evitar que el Big Data se transforme en Big Caos

Para simplificar, decimos que los sistemas inteligentes de control de calidad impactan en la optimización de tres dimensiones fundamentales: la captura, el análisis, y la compartición de los datos.

Sin embargo, y aunque no se mencione expresamente entre las ventajas, hay una fase preliminar que es la base del éxito de cualquier herramienta de explotación de datos: definir lo más certeramente posible qué datos son los que necesitamos, qué nos pueden aportar, y qué pretendemos obtener con ellos.

Efectivamente, la fase de definición y planificación es la base del éxito de un proyecto de tratamiento de datos. Antes de empezar a capturar datos, debemos contestar una serie de preguntas del tipo:

  • ¿Dónde se originan los datos? ¿Con qué frecuencia?
  • ¿Qué fuentes de datos tienen el potencial de proporcionar un valor añadido?
  • ¿Cómo garantizamos su fiabilidad/homogeneidad/veracidad?
  • ¿Cómo vamos a almacenarlos?
  • ¿Es necesario analizarlos en tiempo real?
  • ¿Podemos combinar nuestros datos con otros datos externos que nos ayuden a buscar correlaciones valiosas?
  • ¿Qué utilidad prevemos que tengan esos datos? ¿Para qué los queremos?

Dado que la respuesta a estas preguntas va a configurar el modelo a implementar, es muy importante ser capaces de responderlas adecuadamente, porque es en esta fase donde se gesta un buena parte del éxito o fracaso de un proyecto de gestión de datos. Tengamos en cuenta que el objetivo último es poder disponer de información adecuada para la toma de decisiones eficiente, así que si el modelo está mal definido, las decisiones serán cuando menos inciertas.

 

«Tengamos en cuenta que el objetivo último es poder disponer de información adecuada para la toma de decisiones eficiente, así que si el modelo está mal definido, las decisiones serán cuando menos inciertas.

 

Por ejemplo, si se prevé que los datos de control de calidad procedan tanto de procesos industriales como de ensayos de laboratorio, es muy importante definir cómo van a correlacionarse (a través del lote de fabricación, por ejemplo) para que el sistema pueda entrelazar la información y detectar posibles cambios en los patrones de comportamiento, decidiendo si es una anomalía o no; de este modo el sistema irá aprendiendo continuamente.

O si se trata de referencias que forman un subconjunto, habrá que prever la necesidad de disponer de una lista de componentes para mantener la trazabilidad y asegurar la integridad de la información.

Se trata de no perdernos en los datos, y evitar que un proyecto de Big Data se convierta en uno de Big Caos. Hay que pensar siempre en soluciones que aporten valor más que centrarse en amasar cifras y datos; como decía el eslogan de Pirelli, “la potencia sin control no sirve de nada”, y disponer de centenares de miles de millones de datos sin saber qué hacer con ellos o, lo que es peor, habiendo equivocado la estrategia de recogida y análisis, es realmente una pérdida de tiempo: tendremos un cementerio de datos en vez de información útil para la toma de decisiones.