Métodos para el Análisis de Fallos y el uso del Big Data en la Industria 4.0

Equation Chapter 1 Section 1 Trabajo Fin de Grado Grado en Ingeniería de las Tecnologías Industriales Métodos para el Análisis de Fallos y el uso del Big Data en la Industria 4.0 Escuela Técnica Superior de Ingeniería de Sevilla Autor: Ricardo Pérez Lozano Tutor: Jose María Gallardo Fuentes Sevilla, 2019 iii Trabajo Fin de Grado Ingeniería en Tecnologías Industriales. Escuela Técnica Superior de Ingeniería de Sevilla Autor: Ricardo Pérez Lozano Tutor: Jose María Gallardo Fuentes Catedrático Universidad de Sevilla Dpto. Ciencia de los Materiales e Ingeniería Metalúrgica. Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2019 Trabajo Fin de Grado: Escuela Técnica Superior de Ingeniería de Sevilla Autor: Ricardo Pérez Lozano Tutor: Jose María Gallardo Fuentes El tribunal nombrado para juzgar el Proyecto arriba indicado, compuesto por los siguientes miembros: Presidente: Vocales: Secretario: Acuerdan otorgarle la calificación de: Sevilla, 2019 El Secretario del Tribunal v A mis padres. Agradecimientos Agradecer a mis padres por todo el esfuerzo que han hecho para que pueda haber terminado esta carrera , por el apoyo , por los ánimos cuando no podía más y sobre todo por la ilusión y el amor con el que ellos han querido que yo consiga esta carrera , sin ellos no hubiera sido posible , cuando termine, ellos serán los verdaderos ingenieros. Y agradecer también como no podía ser de otra manera a Noelia , su apoyo también ha sido fundamental en estos últimos años. Ricardo Pérez lozano Sevilla, 2019 vii Resumen El principal objetivo de éste trabajo fin de grado ha sido recopilar una serie de métodos para el análisis de fallos que usan las industrias en la actualidad y analizarlos desde un punto de vista teórico, explicando como se desarrollan e implementan los diferentes métodos en la industria, a modo de guía hemos hecho especial énfasis en los métodos más usados, en el hecho de buscar antecedentes hemos recopilado información histórica de cada uno de los métodos y hemos situado los diferentes avances en la industria en el tiempo. En la actualidad, con el desarrollo de nuevas tecnologías y los avances en lo que viene siendo las 4ª revolución industrial están apareciendo nuevas formas de analizar y predecir fallos , con el uso del big data, sensores, robots… lo que conocemos como la industria 4.0 y en la que me ha gustado enfatizar en este trabajo por su importancia futura en la industria. Por último como todos estos métodos encaminan al control de calidad en una industria, he realizado una breve introducción al término de calidad, ya que me ha parecido de importancia tener apuntes sobre él. Abstract The main objective of this final degree project has been to compile a series of methods for the analysis of failures that industries currently use and analyze them from a theoretical point of view, explaining how the different methods are developed and implemented in the industry, as a guide we have placed special emphasis on the most used methods, in the fact of looking for a background we have collected historical information on each of the methods and we have located the different advances in the industry over time. At present, with the development of new technologies and the advances in what has been the 4th industrial revolution, new ways of analyzing and predicting failures are emerging, with the use of big data, sensors, robots ... what we know as industry 4.0 and in which I liked to emphasize this work for its future importance in the industry. Finally, as all these methods are aimed at quality control in an industry, I have made a introduction to the term of quality, since it seemed important to me to have notes on it. ix Índice Agradecimientos vi Resumen vii Abstract viii Índice ix Índice de figuras xi 1 Introducción al análisis de fallos 11 2 Principios para el trabajo de análisis de fallos 15 2.1. Investigación del fallo. 15 3 Análisis de causa raíz (ACR) 18 3.1.Herramientas para el análisis de causa raíz. 18 3.2 Tipos de causas raíces 19 3.3 Técnicas para obtener la causa raíz 20 4 Análisis modal de fallos y efectos 22 4.1 Reseña Histórica. 22 4.2 ¿Qué es un AMEF? 23 4.3 Necesidades del AMEF. 23 4.4 Beneficios Del Amef. 23 5 Análisis de árbol de fallos 24 5.1 Reseña histórica. 24 5.2 Pasos a seguir en el análisis de árbol. 24 5.3 ¿Qué es el análisis de Árbol de Fallos (A.A.F)? 25 5.4 Beneficios del Análisis del Árbol de Fallos 25 6 Método de las 8D 26 6.1 Reseña histórica 26 6.2 ¿Qué es el método de las 8D? 26 6.3 Las ocho disciplinas del 8D. 27 7 Diagrama ishiwaka o fishbone 28 7.1 Reseña histórica 28 7.2 ¿Qué es el diagrama de ishiwaka? 29 7.3 Metodología 29 7.4 Beneficios del diagrama de causa y efecto 31 8 Six sigma 32 8.1 Reseña histórica 32 8.2 ¿Qué es el six sigma? 32 8.3 Etapas del método six sigma (DMAIC) 33 9 Quick response quality control (qrqc) 34 9.1 ¿Qué es el QRQC? 34 9.2 ¿Cómo funciona el QRQC? 35 10 RCM (Mantenimiento centrado en la confiabilidad) 36 10.1 Reseña histórica 36 10.2 ¿Qué es el RCM? 37 Error! Use the Home tab to apply Título 1 to the text that you want to appear here. 14 14 Figura 2: Fallos aleatorios. Desgaste puro: Son los componentes o equipos que tienen una vida útil conocida y marcada y no excederán nunca de esa vida o tiempo de operación. Figura 3: Desgaste puro. 15 2 PRINCIPIOS PARA EL TRABAJO DE ANÁLISIS DE FALLOS 2.1. Investigación del fallo. El objetivo de una investigación del fallo es determinar la causa raíz, causa de la cual provienen todos los problemas que han existido en mi sistema. Existen una serie de pasos que a modo de método se siguen en una investigación de fallo. 2.1.1 Los nueve pasos de una investigación del fallo. 1. Entender y conocer los objetivos de la investigación. 2. Obtener un alto grado de conocimiento del fallo. 3. Identificar todas las posibles causas raíz. 4. Evaluar la probabilidad de cada causa raíz. 5. Acercarse a la causa más posible. 6. Identificar todas las posibles acciones que corrijan el problema. 7. Evaluar cada acción que corrija. 8. Seleccionar la corrección más óptima. 9. Evaluar la efectividad de esta acción de corrección. 1er paso: Entender y conocer los objetivos de la investigación. Prioridad de la investigación: Conocer, entender y buscar cual es mi prioridad en la investigación. Recursos válidos: Encontrar y usar los recursos que son válidos en nuestra investigación. Limitaciones impuestas: Recontar y conocer las limitaciones en nuestra búsqueda del fallo. Objetivos de la investigación. La etapa inicial es la más importante: consiste en solamente pensar, estudiar la evidencia, hacer preguntas detalladas acerca de las partes, el equipo, las circunstancias del fallo y tomar nota de las respuestas. No destruir evidencias. Inicialmente el analista se reúne con el personal involucrado (ingenieros de mantenimiento, de proceso, etc.) para discutir el problema. Es responsabilidad del analista realizar preguntas relevantes concernientes a la pieza: 1. Proceso involucrado. 2. Tipo de material, sus especificaciones forma, dimensiones y técnicas de proceso. 3. Parámetros de diseño. 4. Condiciones de servicio. 5. Registros de mantenimiento. 6. Frecuencia de fallo. 7. Secuencia de eventos que precedieron al fallo. Toda esta información permite definir correctamente el problema ("Un buen planteamiento del problema es parte de la solución"). Error! Use the Home tab to apply Título 1 to the text that you want to appear here. 16 16 2do paso: Obtener un alto grado de conocimiento del fallo. ¿Cuál es el problema? Ésta es la primera pregunta que me tengo que hacer cuando me enfrento a esta situación, siguiendo éstas cuatro preguntas: Existen unas cuatro preguntas que se usan en la investigación del fallo: 1. ¿Cuál es el problema? 2. ¿Cuál es la causa raíz del problema? 3. ¿Cuáles son las soluciones más factibles? 4. ¿Cuál en la mejor solución? Ahora presentamos un “kit de contenidos” que debemos de tener en cuanta a la hora de hacer una investigación de fallo: Tener una mente abierta y cuestionadora Estáte preparado, haz preguntas y está preparado para lo inesperado, porque muchas veces las causas de nuestros fallos son inesperadas y catastróficas. Buena actitud Tienes que tener actitud positiva para contagiar al resto de compañeros en los momentos difíciles. Conducta profesional Ser organizado y saber que hacer, la gente te considerará importante y tu presencia será importante para ofrecer ayuda. Objetos Tener una serie de objetos como una regla, un imán, una lupa, cinta de medir, permanente, linterna, medidor de conductividad, espejo, lápiz y bolígrafo, teléfono móvil y ordenador, te pueden ser de ayuda durante el proceso. 3er paso: Identificar todas las posibles causas raíz En esta etapa se suele hacer un árbol de fallo, de fácil elaboración, en el que se ramifican todas las posibles causas de mi fallo, otra posibilidad es la de hacer un “brainstorming” lluvia de ideas, para saber todas las causas posibles debemos preguntar varias veces ¿por qué? Para ello existe un método conocido como los 5 why´s. Lo que hacemos es preguntar ¿por qué ocurrió nuestro fallo? y escribimos la primera causa raíz en la copa de nuestro árbol y a partir de ahí vamos bajando por nuestro árbol , con preguntas consecutivas de ¿por qué? . 4º paso: Evaluar la probabilidad de cada causa raíz En este paso lo que vamos a hacer es comprender cual de las posibles causas raíces que tenemos es más probable, una buena herramienta para esto es el “FMA chart” Failure Mode Assessment. Es importante ya que es una imagen permanente de la probabilidad que tiene que ocurra cada causa raíz y la prioridad de ésta a la hora de ser la causante, esta tabla en la que tenemos en cuanta la causa y su probabilidad de ser la causante es generada para aprobar o desaprobar cada causa raíz. 5º paso: Acercarse a la causa más posible: Ahora es el momento de converger hasta la causa raíz mas probable. Para ello hacemos uso de las cuatro preguntas del paso dos, una buena herramienta para esto es un plan técnico de 17 resolución (TPR) , con el cual podemos crear una tabla similar al FMA, en la que tengamos las causas posibles junto con su probabilidad de ocurrir, normalmente es que FMA Y TPR vaya juntos, en dos tablas diferenciadas, pero en simbiosis. En este paso es una buena idea hacer tres cuestiones para rellenar mi TPR: 1. ¿Qué sabemos? 2. ¿Qué pensamos? 3. ¿Qué puedo comprobar? 6º paso: Identificar todas las posibles acciones de corrección: La investigación del fallo no ha sido aún completada, esta casi terminada, después de meses de trabajo se ha conseguido la causa raíz pero ahora el investigador tiene que determinar que medidas tomar para prevenir que ese fallo vuelva a ocurrir. 7º paso: Evaluar cada acción tomada: En este paso evaluamos cada acción correctiva y su probabilidad de conseguir que ese fallo no se vuelva a repetir, es decir, lo que hacemos es ponderar la efectividad de las acciones que hemos tomado, con ello creamos una nueva tabla, conocida como CCA chart con el análisis de las medidas correctivas. 8º paso: Seleccionar la acción correctiva más óptima: En este paso lo que vamos a hacer es seleccionar de entre todas las acciones tomadas, la más efectiva y la que mas solución le pone a mi causa raíz, por lo que crearemos un plan técnico para determinar la mejor medida correctiva. 9º paso: Evaluar la efectividad de la acción seleccionada: Este es el último paso, lo que hacemos es recomendar y evaluar la acción correctiva seleccionada. 2.1.2 Beneficios. La detección analítica de Fallo, proporciona las habilidades para la solución y prevención de problemas y mejoramiento continuo en empresas y aporta los siguientes beneficios: Reducción del tiempo de reparación. Minimización de tiempo de preparación y arranque de equipos. Disminución de fallos repetitivas. Aumento en la disponibilidad de equipos. Reducción de desperdicio. Reducción en la frecuencia de fallos. Mejora del mantenimiento preventivo. Reducción de costes por fallos de calidad. Mayor eficiencia en el trabajo en equipo. Error! Use the Home tab to apply Título 1 to the text that you want to appear here. 18 18 2.1.3 El análisis de fallos está diseñado para. Identificar los modos de fallo (la forma de fallar del producto o pieza). Identificar el mecanismo de fallo (el fenómeno físico involucrado en el fallo). Determinar la causa raíz (el diseño, defecto, o cargas que llevaron al fallo) Recomendar métodos de prevención del fallo. En los siguientes capítulos desgranaremos la mayoría de métodos para el análisis de fallos que se usan habitualmente en la industria, para tener una memoria teórica de cada uno de ellos. 3 ANÁLISIS DE CAUSA RAÍZ (ACR) El Análisis de Causa Raíz (ACR) o Root Cause Analysis es una disciplina dentro de la Ingeniería del Mantenimiento que estudia y analiza siniestros, averías y no conformidades en instalaciones de todo tipo, especialmente industriales. El objetivo básico del ACR es determinar las causas que provocan las no conformidades analizadas, tanto las subyacentes, presentes normalmente durante largos espacios de tiempo sin provocar un daño inmediato, como las desencadenantes, que son las que provocan que las consecuencias aparezcan en un momento determinado y no en otros. La determinación de unas y otras, permite, por un lado establecer responsabilidades, cuando corresponde, y por otro, determinar medidas preventivas para que los hechos estudiados no vuelvan a producirse de nuevo. Tenemos la necesidad en la industria de realizar actividades o procesos de una mejor manera, a fin de disminuir repeticiones, errores, defectos o simplemente para ahorrar tiempo y costes. Por este motivo se toma tiempo para analizar detalladamente, por medio de diferentes herramientas, la causa que contribuye directamente a que un sistema falle. El Análisis de Causa Raz (ACR) es básicamente una serie de metodologas para establecer las causas que generan determinados fallos o no conformidades en la industria. Lo importante es usar un pensamiento objetivo para descifrar por qué algo salió mal. Con relación al nacimiento de las herramientas para realizar un análisis de causa raz (ACR) tenemos al Dr. Kaoru Ishikawa el cual afirmaba que la calidad deba ser llevada más allá del mismo trabajo, es decir, tena que ser llevada a la vida diaria. Del mismo modo Vilfredo Pareto, quien enunció por primera vez el principio de Pareto, el cual es conocido como la regla del 80-20, que nos enuncia que el 20 % de los defectos afectan en el 80 % de los procesos. También Alex Faickney Osborn ideó la herramienta denominada como lluvia de ideas (brainstorming), el objetivo principal de este método es producir una gran cantidad de ideas entre las que escoger y no encerrarnos en un pensamiento único. 3.1.Herramientas para el análisis de causa raíz. No todos los procesos de producción y provisión de servicios son perfectos, durante su ejecución se presentan eventos no conformes que los frenan. Es necesario identificar correctamente la causa que originan los fallos en cada proceso de manera individual, a fin de poder implementar acciones correctivas y preventivas que las disminuyan o las eliminen completamente. 19 ¿Por qué es necesario realizar el análisis de la causa raíz? Es necesario en la industria actual, ya que las empresas suelen responder a problemas con soluciones rápidas a medio término, sin embargo, depender de mejoras rápidas requiere que estas sean repetitivas. Para mejorar la eficiencia y rentabilidad, necesitamos observar más allá de la causa raz del problema, observando el efecto de un problema, y deduciendo qué lo ha podido causar. Se pueden crear soluciones preventivas que deberan poner fin al problema, por lo tanto, se tendra que desarrollar un análisis de causa raz. Existen una serie de pautas o pasos para realizar un análisis de causa raz, las cuales tienen el propósito de identificar la causa o las causas que inician las no conformidades que atacan a los procesos, estas pautas se enumeran a continuación: 1. Identificar el problema: Es el primer paso a llevar a cabo en el análisis de la causa raíz para ello es necesario poseer la información de las diferentes áreas problemáticas. 2. Definir el problema: Ahora nos ponemos manos a la obra en la defición del problema para ello usaremos el principio SMART (Especificos(s), Medibles(m), alcanzables(a), orientados a resultados(r), en un horizonte temporal concreto(t)) para localizar los objetivos de nuestra búsqueda de la causa raíz. 3. Entender el problema: Verificar la información, entender cuál es el asunto que tenemos que tratar, obtener información real relacionada con nuestro problema para consguir esto usaremos diferentes técnicas ; causa-efecto , lluvia de ideas … 4. Identificar la causa raz: En este paso mediante todas las herramientas y técnicas usadas habremos conseguido llegar a la causa raíz de nuestra no conformidad. 5. Realizar accin correctiva: Este paso consiste en llevar a cabo acciones que ayuden a corregir nuestro defecto en el sistema, en el equipo o en la pieza defectiva. Podemos: implementar una acción inmediata ; implementaríamos medidas temporales en el área defectiva para solucionar el problema temporalmente, o podemos implementar una acción correctiva que determina y soluciona o ayuda a solucionar la causa más problable de nuestro problema. 6. Monitorear el sistema: Una vez que hemos conseguido solucionar el problema monitorearemos nuestro sistema en la zona defectiva para realizarle un mantenimiento preventivo de aquí en adelante y evitar futuros fallos. 3.2 Tipos de causas raíces Las causas de los fallos pueden ser fsicas, humanas u organizacionales. En general, pueden ser derivadas de procesos de deterioro por razones fsicas o qumicas, defectos de diseo, malas prácticas o fallos en el mantenimiento, baja calidad de materiales u otras razones organizacionales, como presionarse mucho en los objetivos de producción, as como de ejecución de trabajos por personal no cualificado, que conducen a las no conformidades. Causas Races Fsicas: Es originado por el propio componente por tener un defecto físico, no es debido a ningún agente humano externo. Ejemplos de causas races fsicas son el material de la empaquetadura inadecuado y el recubrimiento defectuoso de nuestro equipo que podría producir corrosión. Causas Races Humanas: Son originados por acciones humanas ,errores humanos. Por ejemplo, la selección inadecuada de la empaquetadura, la instalación de sellos de forma inadecuada y la aplicación inapropiada del recubrimiento, en este caso aunque físicamente todo garantice que no existirá fallo , el fallo humano a la hora de la ejecución genera un fallo no deseado. Error! Use the Home tab to apply Título 1 to the text that you want to appear here. 20 20 Causa Races Latentes: Las causas latentes son las decisiones conscientes tomadas con respecto a si se debe o no hacer ciertas cosas. La mayoría de las veces, estas causas son trazables a las personas y las políticas de la organización. 3.3 Técnicas para obtener la causa raíz 3.3.1 Técnica de los cinco (5) porqués Los 5 porqués tpicamente se refieren a la práctica de preguntar 5 veces ¿por qué el fallo ha ocurrido? A fin de obtener la causa o las causas raz del problema. Ninguna técnica especial o formal es requerida, pero los resultados deben ser capturados en una hoja de trabajo. Los 5 porqués es una excelente técnica para abordar un simple análisis de causa raz. Figura 4: Técnica de los 5 por qués. 3.3.2 Analisis de Pareto El Análisis de Pareto es una técnica fácil que ayuda a elegir el cambio o mejora más efectiva a implementar. El principio de Pareto o la regla 80/20, utiliza la idea de que el 20 21 % de los defectos afectan en el 80 % de los procesos. Por lo tanto, si las soluciones se enfocan al 20% de los problemas más relevantes que afectan a los procesos, es seguro que el 80% de los procesos mejoraran considerablemente. 3.3.3 Diagrama de Causa-Efecto El diagrama de Causa-Efecto, también conocido como diagrama de espina de pescado o Ishikawa, es una técnica bastante til para realizar un análisis de causa raz más compleja, profunda y detallada. Este tipo de diagrama identifica todos los potenciales factores que contribuyen a la generación de un problema en el proceso. En este diagrama se analizan factores como son los enumerados a continuación: Mano de Obra Método Máquina Material Medio ambiente Medición 3.3.4 Lluvia de ideas/Entrevistas Muchas personas están familiarizadas con la técnica de lluvia de ideas y entrevistas, aqu se presentan algunas características : Recolecta tantas ideas como sea posible de parte de todos los participantes, sin criticar ni juzgar mientras las ideas son generadas. Todas las ideas son bienvenidas no importa lo inverosímiles o lejos que parezcan. Se creativo, mientras más ideas mejor, porque en este punto no sabes que podra funcionar. Ninguna discusión secundaria debera de tomar lugar durante la lluvia de ideas, ya que el momento de discutirlas será al final cuando se haya completado la actividad. No criticar ni juzgar. Ni siquiera quejarse ni fruncir el ceo o rerse, ya que todas las ideas son iguales en este punto. No construyas en las ideas de otros. Escribe todas las ideas en una pizarra para que el grupo completo pueda visualizarlas, puedes usar el diagrama de Causa-Efecto para ayudar a capturar la información. Establece una hora lmite para la lluvia de ideas, 30 minutos es casi suficiente. 3.3.5 Método de las 5 M´s El método de las “5M´s” es un sistema de análisis estructurado que se fija cinco pilares fundamentales alrededor de los cuales giran las posibles causas de un problema. Estas “5M´s” son las siguientes: 1. Máquina: Consiste en realizar un análisis de las entradas y salidas de cada máquina que interviene en el proceso, así como de su funcionamiento de principio a fin y los parámetros de configuración, permitirán saber si la causa raíz de un problema está en la máquina. A veces no es fácil, sobre todo cuando intervienen máquinas complejas y Error! Use the Home tab to apply Título 1 to the text that you want to appear here. 22 22 no se puede acceder fácilmente al interior de los equipos o no se tiene un conocimiento profundo de sus mecanismos. 2. Método: Nos cuestionaremos el método o la forma de hacer las cosas. Cuando se diseña un proceso, existen una serie de circunstancias (conocimiento, tecnología, materiales,…) que pueden variar a lo largo de la vida útil de nuestra maquinaria y no ser válidos a partir de un momento dado. Un sistema que antes funcionaba, puede que ahora no sea válido , por lo que tenemos que estar pendientes de los diferentes cambios e innovaciones en la industria. 3. Mano de obra: El personal puede ser el origen de un fallo. Existe el fallo humano, que todos conocemos. 4. Medio ambiente: Las condiciones ambientales pueden afectar al resultado obtenido y provocar problemas. Valorar las condiciones en las que se ha producido un fallo es bastante importante ya que diferentes fallos pueden aparecer debido a agentes exteriores ambientales determinados. 5. Materia prima: Los materiales empleados en nuestro sistema o equipo es otra de las cosas a tener muy en cuenta. Para ello las empresas deben de posser un buen sistema de trazabilidad a lo largo de toda la cadena de suministro y durante el proceso de almacenaje lo que permitirá tirar del hilo e identificar materias primas que pudieran no cumplir ciertas especificaciones o ser defectuosas y ser ellas la causa raíz de nuestro problema estudiado. 4 ANÁLISIS MODAL DE FALLOS Y EFECTOS 4.1 Reseña Histórica. La disciplina del AMEF fue desarrollada en el ejército de la Estados Unidos por los ingenieros de la National Agency of Space and Aeronautical (NASA), la primera aparición del AMFE es de noviembre de 1949, cuando el ejército de Estados Unidos desarrolló un procedimiento militar titulado “Procedures for Performing a Failure Mode, Effects and Criticality Analysis MIL-P- 1629” (Procedimientos para realización de análisis de modo de fallo, efectos y criticidad); era usado como técnica de evaluación de la confiabilidad para determinar el efecto de los fallos en equipos o sistemas. En este documento, los fallos se clasificaban utilizando como criterio su impacto en el éxito de una misión y la seguridad del personal y equipos. En la década de los 60 la aplicación del AMFE fue ganando terrreno en la industria aeropespacial, siendo la más importante el programa espacial Apollo, donde se utilizó con el objetivo de eliminar fallos en los equipos críticos que no podrían repararse después del lanzamiento y que influirían en la confiabilidad del sistema y en la seguridad de la tripulación Otras industrias aplicaron tempranamente el análisis AMFE fueron la aviación civil a través del “Design Analysis Procedure for Failure Mode, Effects and Criticality Analysis (FMECA) ARP4761”, publicado por la Society for Automotive Engineers SAE en 1967 y la industria automotriz iniciado por la Ford Company a mediados de los 70. Ya en 1980 AMFE es elevado a norma militar norteamericana a través del documento MILSTD-1629A. En 1993, la Automotive Industry Action Group AIAG publicó una norma para el uso del análisis AMFE en la industria automotriz; al año siguiente, la SAE prublicó la norma “Potential Failure Mode and Effects Analysis in Design, Potential Failure Mode and Effects 23 Analysis in Manufacturing and Assembly Processes, and Potential Failure Mode and Effects Analysis for Machinery SAE J-1739”. Actualmente, el AMEF se ha popularizado en todas las empresas automovilísticas americanas y ha empezado a ser utilizado en diversas áreas de una gran variedad en empresas a nivel mundial. 4.2 ¿Qué es un AMEF? El Análisis de modos y efectos de fallas, AMEF, consiste en un proceso para la identificación de los fallos potenciales del diseño de un producto antes de que éstas ocurran, con el propósito de erradicarlas o de minimizar el riesgo asociado a las mismas una vez que éstas ocurran. Por lo tanto, el AMEF es un método analítico estandarizado para detectar y eliminar problemas de forma sistemática y total, los objetivos principales son: Conocer y evaluar las formas de fallos potenciales y las causas asociadas con el diseño y la manufactura del producto. Determinar los efectos de los fallos potenciales en el sistema. Identificar las acciones que podrán eliminar o reducir la probabilidad de que ocurra el fallo potencial en nuestro sistema. Analizar la confiabilidad del sistema , para poder conocer mejor nuestro equipo. Documentar el proceso. 4.3 Necesidades del AMEF. Para hacer un AMEF se requiere los siguientes puntos: Un equipo de personas con el compromiso de mejorar la capacidad de diseño del producto para satisfacer las necesidades del cliente. Diagramas esquemáticos y de bloque de cada nivel del sistema, tener estos esquemas nos ayudaran en el conocimiento de nuestro sistema y podremos concretar las causas de fallos de forma mas fácil. Especificaciones de los componentes, lista de piezas y datos del diseño. Debemos tener un inventario o una guía con todos estos datos técnicos. Requerimientos de manufactura y detalles de los procesos que se van a utilizar. Formas de AMEF (en papel o electrónicas). 4.4 Beneficios Del Amef. La eliminación de los modos de fallos potenciales tiene beneficios tanto a corto como a largo plazo. A corto plazo, representa ahorros de los costes de reparaciones, las pruebas repetitivas y el tiempo de paro. El beneficio a largo plazo es mucho más difícil medir puesto que se relaciona con la satisfacción del cliente con el producto y con su percepción de la calidad; esta percepción afecta las futuras compras de los productos y es decisiva para crear una buena imagen de los mismos. El análisis AMFE presenta varias ventajas, entre las cuales se pueden anotar: Reducción de los fallos de los productos y procesos. Reducción de los costes de garantía. Error! Use the Home tab to apply Título 1 to the text that you want to appear here. 30 30 3a M: Método 4a M: Materiales 5a M: Medio (entorno de trabajo) Figura 8: Diagrama ishiwaka. 3. A continuación, el coordinador, con la colaboración de los integrantes del grupo, asigna cada una de las causas identificadas a uno de los ttulos de causas definidos, utilizando flechas paralelas a la espina central y escribiendo de nuevo la causa al lado de cada flecha. Durante el proceso, pueden aparecer causas que lo sean, a su vez, de otras causas. Cuando esto sucede, pueden aadirse flechas que entronquen estas “subcausas” con las correspondientes a las causas principales, y as sucesivamente. De esta forma, se ramifica el diagrama de forma directamente proporcional a la capacidad del grupo de encontrar causas para el problema planteado. Figura 9: Diagrama ishiwaka con subcausas. 31 4. Finalmente, se determina cuál es el orden de importancia de las causas identificadas. Para ello, se hace una votación entre los participantes el conjunto de causas identificadas. 5. Una vez hecha la votación, se rodean con un crculo las dos o tres causas más votadas. Estas serán las primeras contra las que se debemos actuar y sobre la que pondremos el foco para obtener las medidas correctoras que están fuera ya de este método. Figura 10: Ejemplo diagrama de ishiwaka. 7.4 Beneficios del diagrama de causa y efecto 1. Determinar las posibles causas de un problema. 2. Agrupar estas causas en diferentes categoras o grupos que me permiten ordenarlas. 3. Guiar las posteriores acciones correctoras hacia las causas identificadas (especialmente si se identifican las causas principales) esto lo hacemos con la votación en la parte final. 4. Proporcionar un nivel comn de comprensión. Al final de la reunión, el diagrama causaefecto es el mismo para todos, con independencia de las causas que cada uno, individualmente, fuese capaz de identificar ya que es un trabajo que se hace entre todos y cada uno de los analistas. 5. Reflejar la diversidad de las ideas del equipo. Cuanto más ramificado esté un diagrama causa-efecto, será seal de una mayor diversidad de causas identificadas. En definitiva, es una herramienta que fomenta el pensamiento creativo de los componentes de la empresa y el trabajo en equipo, aplicando estos principios al análisis de problemas en la empresa. Error! Use the Home tab to apply Título 1 to the text that you want to appear here. 32 32 Figura 11: Diagrama ishiwaka completo. 8 SIX SIGMA 8.1 Reseña histórica La historia de Six Sigma se inicia en Motorola cuando un ingeniero (Mikel Harry) comienza a influenciar a la organización para que se empezaran a estudiar las variaciones en los procesos , como una manera de mejorar los mismos. Estas variaciones son lo que estadsticamente se conoce como la desviación estándar (alrededor de la media), la cual se representa por la letra griega sigma. Esta iniciativa se convirtió en el punto central del esfuerzo para mejorar la calidad en Motorola, capturando la atención del entonces CEO de Motorola: Bob Galvin. Con el apoyo de Galvin, se hizo énfasis no sólo en el análisis de la variación sino también en la mejora continua, estableciendo como objetivo obtener 3,4 defectos (por millón de oportunidades) en los procesos; algo casi cercano a la perfección. Esta iniciativa llegó a odos de Lawrence Bossidy, quién en 1991 y después de una exitosa carrera en General Electric, toma las riendas de Allied Signal para transformarla de una empresa con problemas en una máquina exitosa. Durante la implantación de Seis Sigma en los aos 90, Allied Signal multiplicó sus ventas y sus ganancias de manera drástica. Este ejemplo fue seguido por Texas Instruments, logrando el mismo éxito. 8.2 ¿Qué es el six sigma? El Six Sigma es una forma muy inteligente de mejorar la calidad en una empresa. Six Sigma pone por delante al cliente y usa hechos objetivos y datos para impulsar mejores resultados. Los objetivos de Six Sigma se dirigen a tres áreas principales: 33 Mejorar la satisfacción del cliente Reducir el tiempo del ciclo Reducir los defectos Las mejoras en estas áreas representan importantes ahorros de costes, oportunidades para retener a los clientes, capturar nuevos mercados y construirse una reputación de empresa de excelencia. Podemos definir Six Sigma como: 1. Una medida estadstica del rendimiento de un proceso o producto. 2. Un objetivo de lograr casi la perfección mediante la mejora continua del rendimiento. 3. Un sistema de dirección para lograr un liderazgo duradero en el negocio y un desempeo de primer nivel en un ámbito global. La letra griega minscula sigma se usa como smbolo de la desviación estándar, siendo ésta una forma estadstica de describir cuánta variación existe en un conjunto de datos, es decir, obtener sólo x defectos por millón de oportunidades o actividades. La estrategia Six Sigma usa herramientas estadsticas dentro de un método ordenado el conocimiento necesario para lograr de una mejor manera, más rápido y al más bajo costo, productos y servicios que la competencia. Se caracteriza por la continua y disciplinada aplicación de una estrategia maestra "proyecto por proyecto" tal como lo recomienda Joseph Juran en su triloga de la calidad, donde los proyectos son seleccionados mediante estrategias clave de negocios, lo cual conduce a recuperar la inversión realizada y obtener mayores márgenes de utilidad. 8.3 Etapas del método six sigma (DMAIC) Se conoce como DMAIC por las iniciales del nombre de las etapas y son las siguientes: Etapas DMAIC: D (DEFINIR) 1. Se identifican los posibles proyectos. 2. Deben ser evaluados para evitar la inadecuada utilización de recursos. 3. Se prepara y se selecciona el equipo más adecuado para la realización. M (MEDIR) 1. Caracterización del proceso identificando los requisitos clave de los clientes, las características clave del producto y los parámetros que afectan al funcionamiento del proceso y a las características o variables clave. A (ANALIZAR) 1. Evaluación de los datos de resultados actuales e históricos. Error! Use the Home tab to apply Título 1 to the text that you want to appear here. 34 34 2. Se desarrollan y comprueban hipótesis sobre posibles relaciones causa-efecto. I (MEJORAR) 1. Determinación de la relación causa-efecto para predecir, mejorar y optimizar el funcionamiento del proceso. 2. Determinación del rango operacional de los parámetros o variables de entrada del proceso. C (CONTROLAR) o Diseñar y documentar los controles necesarios para asegurar que lo conseguido mediante Seis Sigma y que se mantenga una vez que se hayan implementado los cambios. Figura 12: Nivel sigma y el número de defectos por millón. 9 QUICK RESPONSE QUALITY CONTROL (QRQC) 9.1 ¿Qué es el QRQC? El Control de Calidad de Respuesta Rápida (QRQC – Quick Response Quality Control) es un método sencillo de mejora continua para el control de la calidad usado en empresas que necesitan gestionar sus procesos y resolver problemas de forma rápida. Su uso está muy extendido en empresas industriales. Este método se suele usar en industrias donde el tiempo es de vital importancia, en las que no podamos permitir tener paradas las líneas de producción mucho tiempo, o porque los costes derivados de fallos son muy elevados. 35 9.2 ¿Cómo funciona el QRQC? QRQC se basa en un ciclo similar al Ciclo PDCA (Planificar, Hacer, Controlar y Actuar), donde primeramente se detectan las no conformidades, se comunican y estudian, posteriormente se implantaran las medidas correctoras y finalmente se verificará que no vuelvan a suceder. 9.2.1 Detección de incidencias Cuando se detectan incidencias (fallos, problemas, no conformidades, desviaciones…) se debe comunicar y empezar a comprobar y decidir si es lo bastante grave como para tener que detener la industria de su producción, o bien si se puede continuar con la producción. En el caso de problemas que sean importantes o repetitivos, se debe obtener toda la información posible del problema para permitir posteriormente analizar y comprobar los datos y obtener soluciones. 9.2.2 Comunicar las incidencias Importante también es comunicar las incidencias a los que se dediquen al control de las mismas en la empresa. Esta comunicacióntiene que ser de forma inmediata si la incidencia es grave, o puede ser apuntada y comunicada posteriormente si es leve pero no se desea que se vuelva a repetir , la rapidez a la hora de ccomunicar la incidencia dependerá de lo crítico que sea ese problema para mi equipo. Se deben realizar reuniones cada cierto tiempo con los implicados en los procesos clave. A estas reuniones deben acudir los responsables de las actividades y el personal implicado que tenga conocimientos de los fallos e incidencias , y propuestas de mejora. De estas reuniones deben salir soluciones y propuestas, que serán apuntadas en fichas para poder controlarlas posteriormente. Las fichas deben incluir una descripción del problema, su nivel de importancia, los usuarios afectados y las acciones propuestas. 9.2.3 Analizar y decidir las acciones a tomar Cada vez que se detecta una incidencia relevante que pone en peligro el funcionamiento del equipo, se deben tomar acciones. Estas acciones pueden ser de 2 tipos: 1. Determinar qué hacer con los productos que han salido defectuosos y las no conformidades. 2. Determinar acciones para que el fallo no se vuelva a repetir “acción correctiva“. Una vez elegida ya la corrección o la acción correctiva, se deberá implantar y observar como esta medida esta mejorando nuestro equipo. Para que podamos diferenciar entre corrección y acción correctiva proponemos el siguiente ejemplo, si se da un fallo en el que en una linea de producción la máquina encargada de pintar una superficie metálica no ha funcionado bien un 5% de las veces durante la ltima semana, la “corrección” sería revisar todas las piezas producidas y volver a pintar las que estén defectuosas, y la acción correctiva sería hacerle un mantenimiento correctivo a la máquina de pintura para que no vuelva a darse el problema, o incluso sustituirla Error! Use the Home tab to apply Título 1 to the text that you want to appear here. 36 36 por otra o añadir un control de calidad después del pintado para comprobar que este ha sido correcto. 9.2.4 Verificar la eficacia Por último, hay que comprobar que la corrección ha cumplido su propósito. Del mismo modo, si se ha realizado una acción correctiva es recomendable esperar un tiempo prudencial y luego verificar su eficacia, comprobando que el problema no vuelve a suceder. Figura 13: Modelo de QRQC. 10 RCM (MANTENIMIENTO CENTRADO EN LA CONFIABILIDAD) 10.1 Reseña histórica En la II Guerra Mundial se produjo un cambio drástico en la economía y la industralización mundial ya que aumentó la necesidad de productos de toda clase y la mano de obra industrial disminuyó considerablemente. Esto provocó que hubiera un gran aumento de la mecanización, por lo que en esta etapa la producción comenzó a depender cada vez más de los equipos y las máquinas. La idea de que los fallos se podan y deban prevenir e intentar de corregir dio como resultado el concepto de mantenimiento preventivo, que en los aos 60 consista principalmente en revisiones completas de los equipos a intervalos programados, estas eran bastante lentas y retrasaban la producción pero evitaban las paradas por averías. El RCM es un proceso desarrollado durante los aos 60`s y 70’s con la finalidad de ayudar a las empresas a determinar las posibles consecuencias de fallos o como solucionarlos basándose en el mantenimiento. 37 Este proceso tuvo la primera aparición en la industria de la aviación comercial internacional de Estados Unidos, llevado a cabo por la necesidad de optimizar la fiabilidad, y ha ido evolucionando de forma continua desde sus inicios en 1960 hasta nuestros días. Fue un gran éxito la implantación del RCM en la industria aeronáutica. En un periodo corto de tiempo posterior a su puesta en marcha, las aerolneas comerciales no experimentaron incrementoen los costes en el mantenimiento, aun cuando el tamao y la complejidad de las aeronaves cada vez eran mayores, as como los costes de operación se incrementaron durante el mismo periodo y también se incrementaron los récords de seguridad de las aerolneas debido al uso del RCM. 10.2 ¿Qué es el RCM? El mantenimiento centrado en fiabilidad ,RCM (Reliability Centered Maintenance) es una de las técnicas organizativas actuales aplicadas al mantenimiento que mejora de forma más eficaz los resultados de la empresa. Es un proceso con el que podemos determinar cuáles son las operaciones que debemos hacer para que un equipo o sistema contine desempeando las funciones deseadas, siempre y cuando sean rentables para la empresa. El mantenimiento centrado en fiabilidad como hemos visto en el punto anterior ha sido desarrollado para y por la industria de la aviación civil hace más de 30 años. El proceso permite determinar cuáles son las tareas de mantenimiento adecuadas para mejorar las no conformidades que pudieran aparecer. El RCM es utilizado en miles de empresas alrededor de todo el mundo: desde grandes empresas petroquímicas hasta las principales fuerzas armadas del mundo utilizan RCM para determinar las tareas de mantenimiento de sus equipos. La norma SAE JA1011 especifica los requerimientos que debe cumplir un proceso para poder ser denominado un proceso RCM. La norma SAE JA1011, de AGO 2009, establece que para que un proceso sea reconocido como RCM debe seguir los siete pasos en el orden que se muestra a continuación: Delimitar el contexto operativo, las funciones y los estándares de desempeño deseados asociados al activo (contexto operacional y funciones). Determinar cómo un activo puede fallar en el cumplimiento de sus funciones (fallos funcionales). Definir las causas de cada fallo funcional (modos de fallos). Describir qué sucede cuando ocurre cada fallo (efectos de fallos). Clasificar los efectos de los fallos (consecuencias del fallo). Determinar qué se debe realizar para predecir o prevenir cada fallo (tareas e intervalos de tareas). Decidir si otras estrategias de gestión de fallos pueden ser más efectivas (cambios de una sola vez). Error! Use the Home tab to apply Título 1 to the text that you want to appear here. 38 38 Fallos Funcionales Un fallo funcional se define como “un estado en el cual un sistema no es capaz de ejercer una función especfica a un nivel de desempeo deseado”. Es fundamental tener una comprensión perfecta de las funciones de los activos y el nivel de rendimiento deseado. La norma SAE requiere que se identifiquen todos los estados de fallos asociados con cada función para que podamos identificar todas las causas relevantes. Modos de fallo Un modo de fallo es un evento único, que provoca un fallo funcional y cada modo de fallo normalmente tiene una o más causas. La norma recomienda no ser demasiado superficial en el nivel de causalidad de los modos de fallo. Cuando se enumeren los modos de fallo considerar: Efectos de Falla Los efectos de fallo cuantifican el “dao” que cada evento en particular puede causar a la empresa. Se recomienda describir “lo que ocurre cuando se produce el modo de fallo”. La norma recomienda varias consideraciones relevantes para ayudar a entender que tan grave pudiera ser cada causa del fallo particular. Los efectos de fallo ayudan a determinar hasta qué punto cada modo de fallo es relevante teniendo en cuenta lo siguiente: ¿Hay alguna evidencia de que ha ocurrido el fallo? ¿Cuál es el impacto potencial que tiene el fallo en la seguridad del personal? ¿Cuál es el impacto potencial que tiene el fallo en el medio ambiente? ¿Cómo se ve afectada la producción o las operaciones? ¿Hay algún daño físico causado por el fallo? ¿Hay algo que deba hacerse para restaurar la función del sistema después del fallo? Consecuencias del Fallo Los efectos de los fallos se clasifican en categorías basadas en la evidencia que se tiene de éstas, impacto en la seguridad, en el medio ambiente, en la capacidad operacional y los costos. Como cada paso dentro del proceso de RCM, la determinación de la consecuencia del fallo es fundamental. 10.3 Tipos de mantenimiento Podemos clasificar los tipos de mantenimiento asi: Mantenimiento predictivo, también llamado mantenimiento a condición. Mantenimiento preventivo, que puede ser de dos tipos: sustitución o reacondicionamiento cíclico. Mantenimiento correctivo, también llamado trabajo a la rotura. Mantenimiento detectivo o  de búsqueda de fallos. 39 El mantenimiento predictivo o a condición El mantenimiento predictivo o mantenimiento a condición consiste en la búsqueda de síntomas que permitan identificar un fallo antes de que tenga lugar. Ejemplos; la inspección visual , el monitoreo de vibraciones, ultrasonidos, chequeos periódicos. Tienen en común que la decisión de realizar o no una acción correctiva depende de la condición medida. El mantenimiento preventivo o de sustitución o reacondicionamiento cíclico El mantenimiento preventivo se refiere a aquellas tareas de recambio hechas a intervalos fijos independientemente del estado del elemento o componente, es decir no depende del desgaste del material sino que se hacen de forma preventiva y periódica. Estas tareas solo son válidas si existe un patrón de desgaste :es decir, si la probabilidad de fallo aumenta rápidamente después de superar la vida útil del elemento. El mantenimiento correctivo o trabajo a la rotura Si se decide que no se hará ninguna tarea predictiva o preventiva para mejorar una no conformidad, sino que se reparara  la misma una vez que ésta ocurre, entonces estamos hablando de mantenimiento correctivo. ¿Cuándo conviene este tipo de mantenimiento? Cuando el coste del fallo (directos e indirectos) es menor que el coste de la prevención, o cuando no puede hacerse ninguna tarea predictiva o preventiva y no se justifica realizar un rediseño del equipo. Esta opción sólo es válida en caso que la fallo no tenga consecuencias sobre la seguridad o el medio ambiente. El mantenimiento detectivo o de búsqueda de fallos El mantenimiento detectivo o de búsqueda de fallos consiste en el ensayo de dispositivos de protección bajo condiciones controladas , para asegurarse que estos dispositivos serán capaces de aportar la protección pedida cuando sean necesarios. La principal diferencia con los demás tipos de mantenimiento son las siguientes: En el mantenimiento detectivo no se está repararando un elemento que falló como en el mantenimiento correctivo, tampoco se está cambiando ni reacondicionando un elemento antes de su vida útil lo que hace el mantenimiento preventivo, ni tampoco se están buscando síntomas de que un fallo está a punto de ocurrir eso forma parte del mantenimiento predictivo. Por lo tanto, el mantenimiento detectivo es un cuarto tipo de mantenimiento. A este mantenimiento también se le llama búsqueda de fallos o prueba funcional. La implementación del RCM debe llevar a equipos más seguros y confiables, reducciones de costes (directos e indirectos), mejora en la calidad del producto, y mayor cumplimiento de las normas de seguridad y medio ambiente. El RCM también esta asociado a beneficios humanos, como mejora en la relación entre distintas áreas de la empresa, fundamentalmente un mejor entendimiento entre mantenimiento y operaciones. Error! Use the Home tab to apply Título 1 to the text that you want to appear here. 46 46 Figura 19: Primeras tres etapas de la revolución industrial. En la actual Cuarta Revolución Industrial, están tomando gran impotancia las nuevas tecnologías como el Big Data, la Inteligencia Artificial, el Internet de las cosas(IoT), la fabricación aditiva, la realidad aumentada, entre otras, que están difuminando las barreras entre lo físico y lo digital. La gran diferencia de la Cuarta Revolución del resto de ellas es que, ésta última no es causa del cambio sino consecuencia. El cambio en el consumo supone que ya no nos es suficiente con que el producto sea lo más barato posible, sino que además el producto debe adaptarse a todo lo que necesitamos como consumidores y lo que demandamos según nuestros gustos. Todo a un solo clic y con envío gratuito. Y es esto justamente el gran cambio que ha obligado a las empresas a buscar soluciones más ágiles y rápidas que den respuesta a sus clientes, ahora hiperconectados. Desde el punto de vista de la industria, el cambio no solo consiste en la eterna búsqueda de ahorrar costes de producción sino que ahora además deben responder de forma rápida y personalizada a sus consumidores. La solución la han encontrado en la digitalización de todo; desde el diseño a la manufactura. La digitalización trae consigo un hecho clave, y es que al estar todo conectado, se genera una cantidad infinita de datos que son de gran utilidad para conocer más y mejor tanto la cadena de producción como al cliente. Anteriormente, si se presentaba algún problema en pleno proceso de fabricación, todo la cadena debía detenerse, evaluar dónde estaba el fallo, arreglarlo, y ponerlo en marcha nuevamente. Esto suponía pérdidas económicas cuantiosas por cada minuto que la producción se detenía. Lo mismo ocurría cuando se debía hacer algún mantenimiento de las máquinas, siempre con fechas fijadas y sin tener en cuenta si realmente era necesario o no. Pues bien, la nueva industria conectada evitaría que los procesos se detuvieran. Si todo está comunicado, y se dispone de la información en tiempo real, somos capaces de modificar acciones y predecir fallos antes de que supongan un verdadero problema que cause que se detenga toda la producción. Gracias a las tecnologías Big Data somos capaces de llevar a cabo mantenimiento predictivo de las máquinas y de procesos, garantizando así mayor eficiencia dentro de la industria. 47 Figura 20: De la industria 1.0 a 4.0. 14 LA INDUSTRIA 4.0 La cuarta revolución industrial es lo que se conoce como fábrica conectada inteligente lo que llamaremos Industria 4.0. En definitiva se trata de una versión masivamente informatizada de la fábrica en la que todos sus procesos se encuentran conectados e interactan entre s. El principio de Industria 4.0 es que las máquinas se organicen por s solas. Las cadenas de suministro se enlazan de forma automática y los pedidos se convierten directamente en datos para la fabricación. Los equipos de fabricación negociarán en un mercado virtual. El empleo masivo de sensores, la expansión de las redes y comunicaciones inalámbricas, el desarrollo de robots y máquinas cada vez más inteligentes, as como el aumento de la potencia computacional a bajo coste y el desarrollo del análisis big data serán las tecnologas base que transformarán la forma de producir. Figura 21: Múltiples sensores en la industria 4.0. Error! Use the Home tab to apply Título 1 to the text that you want to appear here. 48 48 Sin embargo para alcanzar estos beneficios, las empresas necesitarán invertir en equipamiento, en tecnologas de la información y comunicaciones y análisis de datos. La dificultad de la industria 4.0 es generar un flujo continuo de información, que va a ser muy superior al empleado tradicionalmente. El intercambio de información se hace tanto a nivel interno como externo y en tiempo real. Las redes y los procesos se han limitado hasta ahora a una planta industrial. Pero en el escenario Industria 4.0 la comunicación es instantánea y se eliminan los lmites de la planta industrial individual para extender la interconexión a múltiples factoras e incluso regiones geográficas. Las necesidades particulares de los clientes pueden contemplarse a través de algn grado de personalización o de adaptación. Igual ocurre en el caso de proveedores y la logística de la empresa asegurando plazos de entrega y adaptándose a situaciones cambiantes. As se hace posible manejar una producción a gran escala, con productos fabricados segn necesidades particulares, y a la vez, sin mantener voluminosos stocks. Las tecnologas base en las que se apoyará la Industria 4.0 son: 1. Internet de las cosas (IoT) 2. Sistemas ciber-fsicos (CPS) 3. La Nube 4. Ciberseguridad 5. Big Data 6. Realidad Aumentada 7. Simulación 8. Fabricación Aditiva 9. Robots Figura 22: Tecnologías base de la industria 4.0. 49 Internet de las Cosas (IoT) En el estamento más bajo de la pirámide de la automatización estan los sensores y actuadores, y a continuación los PLC que comunican con un sistema de control de los procesos de fabricación de más alto nivel. Con este avance cada vez más dispositivos dispondrán de elementos de procesamiento empotrados y estarán interconectados de forma que podrán interaccionar entre ellos y con los controladores más centralizados si es necesario. El IoT tendrá un efecto enorme sobre el campo de la tecnologas de fabricación. El equipamiento de fabricación conectado, cadenas logsticas conectadas, sistemas ciber-fsicos, y la analtica big-data de procesos de producción ayudarán a mejorar la forma en que las piezas son producidas. Será de gran importancia para el análisis de fallos ya que con estos sensores que llevaran empotradas cada una de las piezas de una cadena de montaje , podremos conocer en que eslabon de la cadena comenzó a aparecer el fallo y así acotar el problema. Sistemas Ciber-fsicos (CPS) Los sistemas ciber-fsicos constituyen una nueva generación de Tecnologas Informáticas y de las Comunicaciones. Una generación que se caracteriza por el estrecho vnculo de los sistemas de procesamiento empotrados con los procesos fsicos que controlan. Los sistemas ciber-fisicos son similares a la arquitectura básica del internet de las cosas, sin embargo, éstos sistemas incluye una mayor vinculación y coordinación entre los elementos fsicos y de procesamiento. Se trata de ecosistemas integrados por dispositivos que interactan con el mundo fsico, pero interpretándolo y aprendiendo de las interacciones que se producen por lo que también se plantean de vital importancia en el análisis de fallos en la industria y de forma muy importantes en los departamentos de calidad de las empresas. La Nube Se utilizará cada vez más la nube para dar soporte a la multitud de sensores y dispositivos junto con las enormes cantidades de datos que generan ya que serán de una gran dimensión todos estos datos, para evitar que los sistemas se ralenticen se emigraran a la nube todos estos datos de forma que los tengamos siempre a mano y no nos ralenticen nuestros sistemas. Muchos sistemas de supervisión y de control ya trabajan en la nube. A medida que la tecnologa mejores y se alcancen tiempos de respuesta de milisegundos la mayora de los sistemas migrarán a la nube. Ciberseguridad La ciberseguridad en la Industria 4.0, con miles de millones de dispositivos conectados y canales de comunicación entrelazados, es crtica y de vital importancia , ya que la confidencialidad de los millones de datos que poseen las industrias dependen de la ciberseguridad. Con la llegada de Industria 4.0, basada en la interconexión, serán imprescindibles unas comunicaciones fiables y seguras as como sofisticados controles de acceso de los usuarios. Big Data El Big Data se ocupa de todas las actividades relacionadas con los sistemas que manipulan enormes conjuntos de datos: adquisición, almacenamiento, bsqueda, compartición, análisis, y visualización. No obstante Big Data a menudo se refiere simplemente a la utilización de métodos avanzados para extraer patrones repetitivos y estadisticos dentro de esos datos o algn tipo de información til para modelos predictivos , poder guardar toda la información del trabajo de una Error! Use the Home tab to apply Título 1 to the text that you want to appear here. 50 50 línea durante x tiempo es importante a la hora de saber por qué se produce el fallo en el sistema o los patrones de fallos que suelen seguir y también nos acerca a la causa del fallo. El Big Data ha empezado a incorporarse a la industria donde permite aumentar la calidad de la producción, ahorrar energa y mejorar el servicio de las máquinas y equipamiento. Algunos fabricantes, a través de sensores como pueden ser cámaras de vision artificial, han sido capaces de identificar patrones en las materias primas que sus proveedores mandan a sus fabricas y que pueden generar productos defectuosos, esto permite detectar la materia prima defectuosa antes de entrar en la línea por lo que también será un ahorro para la empresa tanto económico como temporal. Realidad Virtual Es la tecnologa que permite la creación de escenarios virtuales con los cuales puede interaccionar el usuario. Estos escenarios virtuales tienden a desarrollarse de la forma más realista posible con objeto de que el usuario no perciba diferencias con el mundo real. La realidad virtual posibilita un desarrollo mucho más rápido al permitir a los ingenieros visualizar modelos 3D en tamao real de los componentes o incluso del sistema al completo, mucho antes de que las piezas estén fsicamente disponibles. Esto permite que se puedan realizar ensayos y saber si va a servir este diseño en la realidad antes de gastarse un solo euro. Realidad Aumentada Es la integración de realidad virtual y la vida real. Se trata de aplicaciones que incorporan a la información del mundo real otra información en forma de gráficos, contenidos, sonidos,... que les llegan a los operarios a través de aplicaciones o de gafas de inteligencia artificial, precisa de sensores para integrar ambas informaciones. El usuario es capaz de distinguir la parte real de la virtual y gracias a tener toda la información posible ante él del sistema podrá ejecutar de forma más eficiente su trabajo e incluso poder participar en el análisis de fallos , al conocer la información tanto real como virtual de nuestro sistema. Simulacin Los datos adquiridos de los diferentes elementos de la cadena de producción, permiten generar un modelo virtual de la totalidad o de una parte de esa cadena, lo que también posibilita generar simulaciones de procedimientos. Estas simulaciones dispondrán de los datos adquiridos en la planta fsica en tiempo real y lo podrán usar sobre un modelo virtual que puede incluir máquinas, productos y humanos para ver como reacciona ante los cambios que se producirán, por lo que también es una forma de ampliar la gestión de la calidad en la industria. Esto posibilitará a los operadores mejorar las máquinas haciendo pruebas rápidamente y de forma muy barata en el mundo virtual. Esto permitirá no solo reducir los tiempos de parada e incrementar la calidad. Fabricacin Aditiva La fabricación aditiva se basa en la sucesiva fabricación de pequeas capas de material hasta lograr la pieza deseada. Existen diversas técnicas pero básicamente todas se basan en la creación de piezas a partir de un archivo CAD 3D, imprimiendo las sucesivas capas. Está vinculada a las TIC pues requiere del diseo digital de la pieza y de un sistema controlado para llevar a cabo la impresión. 51 Robots Los robots llevan ya muchos aos realizando tareas a nivel industrial. En la actualidad, los robots están evolucionando para volverse más autónomos, flexibles y cooperativos. El empleo masivo de sensores, la expansión de las redes y comunicaciones inalámbricas, el desarrollo de una nueva generación robots y máquinas cada vez más inteligentes, as como el aumento de la potencia computacional a bajo coste y el desarrollo del análisis big data serán las tecnologas base que transformarán la forma de producir en lo que es llamado la industria 4.0. 15 BIG DATA El Big Data consiste en realizar toda clase de técnicas de tratamiento de grandes volúmenes de datos, fuera de los análisis y herramientas clásicas. Este concepto engloba muchas ideas y aproximaciones, pero todas con un objetivo común: extraer información de valor de los datos, de forma que pueda ser de ayuda para las decisiones y procesos de negocio. El término Big Data hace referencia a la cantidad de datos que generamos con nuestras acciones o comportamientos o que genera una industria en su dia a dia, mediciones, horas punta de producción, fallos, paros del sistema... Debido a su gran volumen, complejidad y rápido crecimiento, nos encontramos con que su recopilación, gestión y análisis no es nada fácil ya que conforman una cantidad de datos muy pesada en la que es difícil decidir entre que datos debemos quedarnos para analizarlos mas en profundidad. Estos datos que generamos no tienen valor en sí mismos si no se procesan. Es su análisis y la gestión de estos datos lo que nos aporta valor. A través del Big Data, podemos predecir flujos de comportamiento. Lo que importa no son los datos, si no lo que las empresas hacen con estos datos, ahí reside la clave del Big Data. El big data al ser una herramienta de recolección y clasificación de datos es aplicable a diversos dectores no solo a la industria, el big data utiliza determinados algoritmos, combinándolos con variables y dispositivos que permiten detectar, por ejemplo, el rendimiento de las cosechas, problemas de salud pública, tendencias o flujos de mercado, número de personas que frecuentan una zona… 15.1 Las 5 V’s del Big Data. Volumen: La cantidad de datos a tratar importa con el big data se tratarán grandes volúmenes de datos hasta Petabytes los cuales incluso estarán no estructurados ya que vendrán de diferentes sensores instalados por toda la empresa, lo que hace que el volumen sea una de las 5V´s ya que forma un papel importante en el big data. Velocidad: La velocidad es al ritmo que se reciben los datos y al que se aplica una acción en el sistema gracias a la tecnología empleada podemos trabajar con todos esos datos de forma rápida, permitiendo obtener resultados en tiempo real, el tiempo forma un papel importante en la industria como sabemos por lo que la velocidad tendrá también una gran impotancia en el big data ya que es de vital importancia tener todos los datos e informaciones en tiempo real. Error! Use the Home tab to apply Título 1 to the text that you want to appear here. 52 52 Variedad: La variedad hace referencia a la gran cantidad de datos diferentes que vamos a recibir haciendo uso del big data gracias a algoritmos de machine learning podemos trabajar con datos de todo tipo (nmeros, textos, vdeos, imágenes…) lo que significa un gran avance respecto a la industria hasta ahora ya que con los videos e imágenes se requiere un procesamiento dicional y diferente al de números y textos ya que el ordenador deberá sacar información para nosotros de una imagen o video. Veracidad: La veracidad también es de vital importancia porque a la hora de trabajar con tantos datos y fijarnos en patrones repetitivos de los mismos para analizar estos datos, es importante que esos datos sean correctos. En caso contrario los resultados no serán válidos. Valor: El valor a los datos se los debemos dar nosotros el big data solo nos aporta millones de datos que nosotros mediante el conocimiento del sistema y la estadística tenemos que sacar rendimiento a esos datos, si no , no estamos hablando de Big Data, los datos tiene un valor intrínseco pero el verdadero valor se lo damos nosotros. Las soluciones basadas en Big Data tienen como objetivo extraer información de valor mediante el análisis de grandes conjuntos de datos. Estos análisis se fundamentan en técnicas matemáticas, generalmente basadas en la estadística, y que provienen de campos diversos como la minería de datos, el aprendizaje automático, el análisis de series temporales o la investigación operacional. 15.2 Clases de análitica con Big Data La obtención de una gran cantidad de datos en una industria forma un papel muy importante en el análisis de fallos, a la hora de conseguir la causa raíz de un problema, con el objetivo de servir de ayuda en el análisis de fallo podemos clasificar diferentes analíticas que presentamos a continuación. Figura 23: Diferentes tipos de analítica y su complejidad. 53 15.3 Analítica descriptiva/Diagnóstica ¿Qué ha pasado? /¿Por qué ha pasado? Es la pregunta que nos tenemos que hacer llegados a este punto, esta analítica consiste en almacenar y realizar agregaciones de datos históricos, visualizándolos de forma que puedan ayudar a la comprensión del estado actual y pasado de la industria. La analítica descriptiva nos cuenta cómo ha funcionado la empresa hasta la fecha y así tenemos el historial de fallos para poder usarlos y poder responder a la pregunta que nos hemos propuesto. 15.4 Analítica predictiva ¿Qué va a pasar? Se construye sobre la analítica descriptiva y usa modelos estadísticos avanzados para añadir a nuestra base de información datos que no conocemos. Esto se traduce en técnicas como la predicción de valores futuros, con ellos podemos saber cual va a ser el devenir de nuestr industria. De esta forma la analítica predictiva nos dice cómo va a funcionar nuestra empresa, por lo que nos podremos anteponer a futuros fallos y dificultades si ya las conocemos de antemano. Para estimar esa información desconocida, la analítica predictiva utiliza una serie de técnicas entre las que destacan: 15.4.1 Clasificación automática La clasificación automática se basa en la disciplina científica conocida como aprendizaje automático supervisado, que consiste en presentar diversos datos de clasificaciones pasadas, realizadas por expertos en el tema, a un sistema de clasificación. Dicho sistema analiza esos datos y, mediante algoritmos de aprendizaje estadístico, logra inferir el conocimiento del experto, imitando su labor. El resultado de todo este proceso de aprendizaje es un sistema de clasificación con la capacidad de procesar grandes volúmenes de datos, y dar tiempos de respuesta mucho más rápidos que al hacerlo de forma manual manipulando datos. Además, el sistema es un elemento vivo, que ira actializandose con nuevos datos para reajustar sus procesos de clasificación, garantizando así que se mantiene actualizado respecto a nuevas políticas de negocio o cambios de tendencia en los datos. 15.4.2 predicción La capacidad de anticiparse a futuros cambios en la industria es fundamental para garantizar el éxito. Las técnicas de predicción tienen como objetivo acotar estas incertidumbres y poder predecir los fallos o defectos futuros de forma razonable y eficaz. Con procedimientos semejantes a los de la clasificación automática, las técnicas de predicción se basan en el aprendizaje automático supervisado y el estudio de series temporales. Estas técnicas analizan históricos de las métricas que hay que predecir y, mediante técnicas estadísticas, las relacionan con factores externos que puedan influenciarlas en un futuro. De este modo se construye un modelo predictivo capaz de estimar los valores más probables que tendrán estas métricas en el futuro próximo. De forma similar a los sistemas de clasificación, un modelo de regresión es una solución viva, que puede realimentarse de forma continua con nuevos datos a medida que se van obteniendo, reajustándose así de manera automática a cambios en tendencias o fenómenos inesperados. Error! Use the Home tab to apply Título 1 to the text that you want to appear here. 54 54 15.4.3 Segmentación automática Debido a la gran cantidad de datos con los que vamos a trabajar en el big data de una industria va a ser muy frecuente no saber qué buscamos exactamente en los datos. Establecer unas categorías bien definidas o fijar unas métricas cerradas por las que clasificar y organizar los datos es una tarea muy complicada, aunque tengamos un objetivo claro en mente, pero hacerlo es de vital importancia a la hora de ordenar en nuestra mente que es lo que necesitamos de todos esos datos. Las técnicas de segmentación analizan grandes volúmenes de datos y detectan automáticamente grupos similares y los agrupan y de la misma forma se dan cuenta de todas las anomalías que pudiera tener el sistema. Son herramientas de utilidad para: Conseguir grupos afines conseguir grupos afines, que compartan características y patrones de fallos y poder irlos clasificando en grupos. Localizar actividades anmalas Localizar actividades anómalas, fallos anómalos , diferentes a los normales, los que nos pueden llevar en nuestra búsqueda del fallo a la causa raíz de la anomalía. Clasificar de forma automática Clasificar de manera automática las diferentes anomalías o grupos afines en conjuntos con temáticas similares. 15.5 Analítica prescriptiva ¿Qué hacer para que ocurra? Un sistema prescriptivo recopila información de la empresa, predice en base a dicha información qué impacto tendrán las diferentes acciones que se vayan a tomar, y escoge la acción que mayor cantidad de la inversión vaya a devolver como ganancias para la empresa mediante un proceso de optimización. Cada negocio es diferente y, por tanto, no existe una solución de analítica prescriptiva general aplicable a todos. Es por ello que en el diseño de todo sistema prescriptivo se realiza una labor de consultoría, que es diferente en cada industria y empresa, diseñando un sistema de optimización a medida. Figura 24: Tipos de mantenimiento. 55 15.6 Algunas aplicaciones del big data en empresas Como hemos vistos el big data tiene una aplicación muy importante en la analítica de la búsqueda del fallo en la industria por los que tiene un papel importante en los métodos de análisis de fallos actuales, además tiene diversas aplicaciones en distintos campo que detallaremos a continuación, pondremos algunos ejemplos de cómo y para qué usan el big data algunas empresas en la actualidad. Meteorologa La predicción del tiempo en base al análisis de todos los datos recogidos en las estaciones de meteorología mundial. Los motores de predicción nos dan la predicción del tiempo, luego el sistema recoge a través de las estaciones de meteorología los datos reales y de nuevo el sistema realiza nuevos ajustes para tratar de mejorar la predicción, datos predictivos y reales están en plena simbiosis. Predicción del tráfico Exiten apps como Google maps en la que puedes comprobar como la ruta para desplazarse entre dos puntos concretos puede variar según la hora o el día. A través del análisis del geoposicionamiento de todos los usuarios de Google Maps y otros servicios de Android así como del histórico se predice el tráfico en ese momento en las diferentes rutas, optimizando así el cálculo de tiempos entre diferentes opciones para recortar tiempos en el desplazamiento. Recomendación de pelculas o series En plataformas como Netflix o Amazon te recomiendan nuevas series o películas a tu gusto depediendo lo que hayas visto o búscado antes, usan todos los datos que aportas una vez estas dentro de la plataforma. Sistemas Anti-Fraude Detección de intentos de fraude por ejemplo en uso de tarjetas de crédito, identificando los patrones utilizados por los clientes en horarios, orígenes, tipología de compras, importes... pudiendo localizar anomalías. Existen diferentes plataformas ya en el mercado que se dedican a esto; iPrevent, esta plataforma es capaz de registrar y aprender los hábitos de comportamiento y consumo de los titulares de cada una de las tarjetas expedidas por una entidad bancaria. El objetivo: establecer líneas rojas que detecten posibles comportamientos anómalos en el uso de esas tarjetas, también iDetect es una herramienta capaz de detectar violaciones de datos personales o de seguridad relacionados con tarjetas de crédito. Predicción de valores en Bolsa Es uno de los campos más intensivos en utilización del Big Data, con múltiples estrategias y algoritmos orientados a la identificación de patrones que predicen subidas o bajadas de cotización y que nos diran qué invertir y dónde invertirlo. Diagnóstico de enfermedades Poseer datos a gran escala de salud permiten identificar patrones a través de variables de salud como son los síntomas, los hábitos e indicadores que actúan como señales de predicción de enfermedades y es de vital importancia a la hora del diagnóstico precoz de enfermedades e incluso tener una máquina virtual que dependiendo de los síntomas dictamine una solución al Error! Use the Home tab to apply Título 1 to the text that you want to appear here. 62 62 Figura 26: Significado de la calidad según el contexto. 17.3 Las ocho dimensiones de la calidad En 1987, David A. Garvin publicó en la Harvard Business Review su famoso artículo “Compitiendo en las Ocho Dimensiones de la Calidad” en donde propone detalladamente un nuevo modelo para la Calidad, convirtiéndose en el más reciente Gurú de la Calidad. Fue en esta publicación en la que él hizo la primera presentación de las Ocho Dimensiones, una estructura conceptual para la reflexión de lo que sería la Calidad de un producto. Las Ocho Dimensiones de la Calidad, según la definición inicial, son: Desempeño: Se trata de los atributos básicos de un producto, son las características funcionales primarias de un producto, es lo mínimo indispensable que un cliente espera del producto. Por ejemplo: Consideremos un reloj de pulsera, en donde el cliente espera la información de fecha y hora y tal vez la función de cronometraje. Características: Comprende aspectos secundarios, complementarios al funcionamiento básico del producto, agregan valor al producto pero no son exigencias del cliente. Por ejemplo: En el caso del reloj de pulsera, sería la existencia de funciones como la exhibición simultánea del horario en dos capitales mundiales, una luz que permita lectura en la oscuridad o la posibilidad de uso en profundidad hasta 100m 63 Conformidad: Refleja el grado en el que las características del producto responden a patrones formales. Por ejemplo: Para el reloj de pulsera, se espera que responda al patrón mundial de tiempo, que esa garantía de uso hasta 100m sea verificada según una norma industrial. Confiabilidad: Se trata de la probabilidad de mal funcionamiento del producto de la aparición de fallos o del nivel de interrupciones inesperadas. Por ejemplo: Para un reloj de pulsera, sería normal no esperar ninguna falla grave o detención en el funcionamiento en tres años. Durabilidad: expresa la vida útil de un producto o de la cantidad de uso posible de un producto. Por ejemplo para un reloj de pulsera, es una expectativa razonable que dure hasta 10 años sin problemas que impidan su uso y con pequeños arreglos. Atención: Comprende los factores que pueden afectar la percepción del cliente. Estética: Es la apariencia de un producto, el sentimiento o sensación que él provoca son los aspectos estéticos del producto. Calidad Percibida: Expectativa del cliente en relación a un producto. 17.3 Los Catorce puntos para la gestión de Deming Entre las numerosas aportaciones de Deming a la calidad, caben destacar dos: los catorce puntos de Deming, que se debe contemplar para la dirección dela empresa, y la divulgación del ciclo PDCA de Walter Shewhart, que consiste en un modelo metodológico básico para asegurar las actividades fundamentales de mejora y mantenimiento en la industria: Plan‐Do‐Check‐Act. En su libro Fuera de la Crisis, Deming propuso un conjunto de catorce principios que tenían como objetivo mejorar la administración y gestión de las empresas. Los catorce puntos de Deming: 1) Crear la firme determinación de mejorar el producto o servicio Deming sostiene que el objetivo de la mejora continua se debe reflejar en todos los aspectos de la estrategia de una empresa. Mejora continua significa literalmente lo que dicen las dos palabras. Para mantenerse competitivas, las empresas deben buscar constantemente formas de mejorar sus sistemas de producción y el atractivo que tienen para el cliente los productos que le ofrecen. Esta mejora ha de ser la finalidad. 2) Adoptar la nueva filosofa Desde el punto de vista de Deming, los defectos son caros e innecesarios. Son caros porque necesitan de toda una infraestructura para remediarlos. Por otro lado, este conjunto de costes evitables lo soportan, en ltimo término, los clientes. Por tanto, debemos abandonar la idea de que los defectos son inevitables. 3) Suprimir la dependencia de la inspección masiva Deming no sugiere que se elimine la inspección, sino que confiar en la inspección es incompatible con la calidad. La inspección no mejora un producto, tan solo evita que los defectos lleguen al cliente, y no siempre. Es imposible, dice Deming, incorporar la calidad a un producto basándose en inspecciones; la calidad se debe incorporar en el diseo. Disear en pro de la calidad abarca a todos los aspectos y productos de la empresa. El objetivo de la gestión de la calidad es asegurar que el sistema produzca lo Error! Use the Home tab to apply Título 1 to the text that you want to appear here. 64 64 que se pretende que produzca, y esto empieza por el diseo. Deming defiende el empleo de técnicas estadsticas a la hora de realizar las inspecciones. Además, defiende que no por aadir más inspectores se mejorará la calidad, ya que se taparán los errores entre ellos. 4) Acabar con la práctica de adjudicar los pedidos nicamente en función del precio. Deming defiende que presionar a un proveedor a que baje el precio despierta en él la tentación de atajar en su camino de mejora. Al final, somos nosotros los que saldremos perdiendo. También introduce el precio de vida til de un producto. Si una determinada máquina cuesta más que otra, pero es más barata de operar, puede ser conveniente comprarla aunque sea más cara, ya que su coste a lo largo de su vida til es menor. 5) Mejorar constantemente el sistema de producción, sin detenerse jamás Mejora continua significa que cada nuevo producto salga mejor que el anterior. Si no es posible mejorar el resultado de un producto o proceso, se redisea para hacerlo más fácil, más económico o más rápido, da igual, lo importante es que cada vez salga mejor. Dado que un producto no puede superar las limitaciones de su diseo, es fácil que los defectos sean irreparables. 6) Instituir la formación en el trabajo La mejora continua implica una inversión importante y constante en formación. Deming observa que las empresas hacen demasiadas suposiciones acerca de lo que sus empleados saben y pueden hacer. Sin que los empleados están seguros de sus conocimientos y capacidades, difcilmente podrán involucrarse en un proceso de mejora continua. 7) Instituir el liderazgo Los puestos de mando deben motivar a sus subordinados mediante su apoyo y motivación más que mediante su autoridad de mando. Los lderes, dice Deming, se deben centrar en mejorar el sistema, no en localizar los errores achacables a cada individuo. 8) Librarse del miedo Para Deming, miedo y fracaso son dos cosas que van de la mano. La inseguridad acaba produciendo una pérdida, porque obliga a ocuparse exclusivamente de cumplir las normas y seguir el sistema, no de hacer aportaciones al mismo. El directivo debe dar confianza y seguridad a sus subordinados. De este modo, su participación en la mejora continua será posible. El trabajador requiere de formación en su tarea para poder sentirse seguro de lo que hace. 9) Eliminar las barreras que separan los distintos departamentos Deming dice que es esencial que todo el personal de la empresa conozca los problemas de los demás. La colaboración y el trabajo en equipo son claves en la mejora continua. Sin duda, surgirán disconformidades entre los miembros de distintos departamentos, pero al menos, la decisión se tomará conociendo la postura de ambos. 65 10) Eliminar los eslóganes, exhortaciones y objetivos dirigidos a los trabajadores Deming ve en los eslóganes y exhortaciones una prueba del fracaso de la dirección. La razón es que si se establecen sistemas adecuados, incluyendo una dirección y formación adecuadas del personal, es innecesario pedir que trabajen con más ahnco y que se cometan menos fallos. Además, como el 80 % de los errores son culpa del sistema, poco puede hacer un operario ante ellos. En realidad es la dirección la responsable de los mismos. 11) Eliminar los estándares cuantitativos de trabajo Los estándares cuantitativos de trabajo no tienen en cuenta la calidad. Para asegurar el logro de los objetivos se debe cambiar el sistema. Es muy fácil decir tienes que producir 300 piezas al da, pero es difcil de cumplir si la máquina se para constantemente, si la materia prima es mala... y ante esto poco puede hacer el operario. Deming también se opone a la calificación por méritos, ya que considera que se basa en el corto plazo, y que destruye el trabajo en equipo al fomentar el egosmo. En un intento por alcanzar sus objetivos, el departamento A no se preocupa de los problemas que puedan causar sus soluciones en los departamentos B y C. 12) Eliminar las barreras que privan al personal del orgullo por el trabajo Deming dice que fomentar el orgullo por el trabajo induce automáticamente en los operarios el deseo de contribuir al perfeccionamiento del sistema. 13) Estimular la formación y el afán de superación personal Deming urge a las empresas a invertir cuanto puedan, no solo en la formación relacionada con el trabajo, sino también en educación general. 14) Tomar medidas para llevar a cabo la transformación Deming incita a las empresas a que adopten su filosofa con orgullo, y que la expliquen a todo el personal. Este cambio requiere tiempo, y la paciencia es esencial. Deming recomienda empezar la transformación por aquellas actividades que más fáciles sean de mejorar, para después pasar a temas más complejos. 17.4 El ciclo de Deming (ciclo PDCA). El ciclo de la calidad: Durante la segunda mitad del siglo XX, W. Edwards Deming popularizó el ciclo PDCA (Planificar, Desarrollar, Comprobar, Actuar), inicialmente desarrollado por Shewhart, que es utilizado extensamente en los ámbitos de la gestión de la calidad. Esta herramienta ayuda a establecer en la organización una metodologa de trabajo encaminada a la mejora continua. Error! Use the Home tab to apply Título 1 to the text that you want to appear here. 66 66 Figura 27: Ciclo PDCA. Planificar (P). La dirección de la organización define los problemas y realiza el análisis de datos, y marca una poltica, junto con una serie de directrices, metodologas, procesos de trabajo y objetivos que se desean alcanzar en un periodo determinado, incluyendo la asignación de recursos. Estas actividades que corresponden a la alta dirección se engloban bajo el término “Planificar” (“Plan”, en inglés). Hacer (D). A partir de las directrices que salen de la planificación, la organización efecta una serie de actividades encaminadas a la obtención de los productos o los servicios que proporciona a sus clientes (“Do” en inglés). En estos procesos, se deben tener en cuenta todos los requisitos del cliente, de forma que el producto o servicio obtenido se ajuste lo más posible a sus expectativas. Comprobar (C). Finalizado el proceso productivo, debemos evaluar su eficacia y eficiencia realizando un seguimiento y un control con una serie de parámetros que son indicativos de su funcionamiento. Se trata de comprobar (“Check” en inglés) objetivamente los resultados obtenidos por la organización mediante el análisis de sus procesos, comparándolos con los resultados previamente definidos en los requisitos, en la poltica y en los objetivos de la organización, para verificar si se han producido las mejoras esperadas, averiguar las causas de los errores y plantear posibles mejoras. Ajustar (A). Esta etapa marcará una serie de nuevas acciones correctoras para mejorar aquellos aspectos de los procesos en los que se han detectado debilidades o errores. En consecuencia, se tiene que “Actuar” (“Act” en inglés) para estandarizar las soluciones, mejorar la actividad de la empresa y la satisfacción del cliente. Para cerrar el ciclo, la dirección, haciendo un análisis global del ciclo completo, volverá a planificar una serie de objetivos aplicables a la siguiente iteración del bucle. 67 Error! Use the Home tab to apply Título 1 to the text that you want to appear here. 68 68 REFERENCIAS WEB [1] https://www.monografias.com/trabajos94/deteccion-modos-efectos-y-analisis- fallas/deteccion-modos-efectos-y-analisis-fallas.shtml [2] http://bibing.us.es/proyectos/ [3] https://www.gestiopolis.com/manejo-fallas-e-ingenieria-confiabilidad/ [4] http://www.reporteroindustrial.com/temas/El-analisis-de-causa-raiz+115643 [5] https://www.ipeaformacion.com/resolucion-de-problemas/la-metodologia-8d-las-ocho- disciplinas/ [6] https://www.nunsys.com/mantenimiento-predictivo/ [7] https://www.treelogic.com/es/Control_Calidad_Industria40.html [8] https://grupogaratu.com/que-es-y-que-aporta-la-industria-4-0/ [9] http://coddii.org/wp-content/uploads/2016/10/Informe-CODDII-Industria-4.0.pdf [10] http://www.emb.cl/electroindustria/articulo.mvc?xid=2391&tip=10&xit=manteni miento-predictivo-con-big-data-una-oportunidad-para-la-gestion [11] https://www.tableau.com/es-es/learn/articles/root-cause-analysis [12] https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero- industrial/lean-manufacturing/analisis-del-modo-y-efecto-de-fallas-amef/ [13] https://blogdelacalidad.com/diagrama-de-ishikawa/ [14] http://joseecarloss1120.blogspot.com/2016/05/diagrama-de-ishikawa-historia- dr.html [15] https://www.monografias.com/trabajos42/diagrama-causa-efecto/diagrama-causa- efecto.shtml [16] https://www.pdcahome.com/4563/qrqc-control-de-calidad-de-respuesta-rapida- quick-response-quality-control/ [17] http://www.mantenimientopetroquimica.com/index.php/10-que-es-rcm [18] https://www.mincotur.gob.es/Publicaciones/Publicacionesperiodicas/EconomiaIn dustrial/RevistaEconomiaIndustrial/395/F%20SEVILLANO%20PEREZ.pdf [19] http://ingenieriadelmantenimiento.com/index.php/26-articulos-destacados/17- plan-de-mantenimiento-basado-en-rcm [20] https://ocw.unican.es/pluginfile.php/2489/course/section/2495/Mantenimiento_8 %20%20%281%29.pdf [21] https://enciclopediadehistoria.com/revolucion-industrial/ [22] http://nuclear.fis.ucm.es/bigdata/documentos/14_L_Carro_etal_BigdataMeteorolo gia.pdf [23] http://mentalfloss.com/article/92958/how-does-google-maps-know-where-traffic [24] https://www.wired.co.uk/article/how-do-netflixs-algorithms-work-machine- learning-helps-to-predict-what-viewers-will-like [25] https://bbvaopen4u.com/es/actualidad/que-es-el-metodo-kanban-y-por-que- funciona-en-la-programacion-de-software [26] https://www.eleconomista.es/mercados-cotizaciones/noticias/7689008/07/16/Bigdata-el-nuevo-Santo-Grial-de-la-inversion.html [27] https://www.lavanguardia.com/ciencia/cuerpohumano/20180223/44950677766/inteligencia-artificial-machine-learning-diagnosticar- enfermedades-medicos-eficiencia.html [28] https://decidesoluciones.es/que-hay-detras-del-mantenimiento-predictivo/ [29] http://coddii.org/wp-content/uploads/2016/10/Informe-CODDII-Industria-4.0.pdf [30] 69 Error! Use the Home tab to apply Título 1 to the text that you want to appear here. 70 70 REFERENCIAS 1. Metals Handbook. Vol. 11: Failure Analysis and Prevention. ASM International, 2002. 2. How to organize and run a failure investigation / Daniel P. Dennies | ASM International | 2005 | 3. Proyecto Fin de Carrera Ingeniera de Telecomunicación , Marco para la evaluación en la implementación de la Industria 4.0. Autor: Maria Dolores Sánchez Pena 4. Trabajo Fin de Grado , Grado Ingeniera de Organización Industrial ,La Industria 4.0: Aplicaciones e Implicaciones. Autor: Teresa Barros Losada 5. Out of crisis(Fuera de la crisis) /Deming, W.Edwars / MIT Press [1986] 71