Necesitábamos crear y desarrollar una herramienta interna para estandarizar los análisis, desde la consulta de bases de datos hasta la evaluación final de la capacidad del proceso y la investigación de causas especiales.
El desarrollo comenzó con una base de datos de estructura simple (controles estadísticos de laboratorio) y se extendió gradualmente a bases de datos más grandes alimentadas con mediciones de procesos en línea.
El objetivo era contar con una herramienta interna sencilla y rápida que nos permitiera:
Hola a todos. Soy Massimo Pampurini. Trabajo como ingeniero de calidad de fabricación en Pirelli.
Hola a todos. Soy Sara Sorrentino y trabajo en Pirelli como ingeniera de calidad de procesos.
Presentaremos nuestro proyecto, una consolidación e integración de flujos de trabajo de datos que desarrollamos el año pasado en nuestra empresa. Partimos de un área específica: el área de semiacabado. Esta es una descripción general de nuestro proceso de fabricación. Comenzamos por el área más débil en términos de análisis de datos, es decir, el semiacabado.
¿Por qué nació el proyecto? La razón principal, en primer lugar, fue la necesidad de garantizar un método único para recopilar datos de laboratorio fiables. De esta manera, todas las plantas seguirían la misma metodología de recopilación de datos. Esto nos permite contar con bases de datos únicas de Pirelli a nivel mundial.
Los dos puntos clave. El primero son los fundamentos y facilitadores. El segundo, la descarga sencilla de datos directamente en JMP, que permitirá al usuario obtener datos de forma rápida y eficiente, incluso filtrando por intervalo de tiempo y por selección de planta. Esto conducirá, en última instancia, al análisis automático, tanto de la capacidad del proceso como de la evaluación de los gráficos de control sobre las principales características de calidad de interés.
Bien, veamos por dónde empezamos. Empezamos con la estandarización de los datos. Este es solo un ejemplo de nuestro punto de partida. Antes solo teníamos carpetas con archivos de Excel donde se recopilaban los planos de las plantas, datos que no podían considerarse una recopilación de datos estandarizada. Hasta ahora, en los últimos cuatro años, hemos desarrollado, más o menos, una aplicación de calidad dedicada a la visualización y elaboración de datos, una herramienta específica en JMP basada en la misma fuente de datos de la aplicación, y ahora estamos avanzando hacia la integración de Python en nuestras herramientas de JMP.
El objetivo del proyecto que desarrollamos en JMP se basó en tres puntos principales. En primer lugar, buscábamos crear un conjunto de datos estandarizado mediante una interfaz gráfica de usuario. En segundo lugar, queríamos lograr un análisis automático para obtener un informe estandarizado sobre el resultado de la capacidad del proceso, así como una herramienta para la detección rápida de anomalías mediante el uso adecuado de gráficos de control. Por último, pero no menos importante, contábamos con una herramienta que permitiera profundizar en la investigación de los parámetros del proceso, para comprender, a partir de los datos de producción en línea, las variables más significativas.
Ahora repasaremos rápidamente los tres puntos principales que Sara acaba de mostrar. La primera parte trata sobre cómo creamos nuestro conjunto de datos estandarizado. El primer paso es desarrollar una interfaz gráfica de usuario que permita al usuario seleccionar la planta y el período de tiempo para crear el conjunto de datos inicial. Esta es la salida directa para la descarga de datos. Los datos ya están estandarizados, es decir, ya han sido depurados con los mismos criterios.
Tras crear el primer conjunto de datos que sirve de base para el análisis, integramos otro script dedicado al análisis de capacidades específicas, donde podemos seleccionar la planta u otros parámetros principales, además de, por ejemplo, los materiales. Desarrollamos distintos botones para el análisis por mes o por material. Lo importante es que, con un solo clic, el usuario puede obtener este informe. Es el informe principal que utilizamos en nuestras plantas para comprender cuál es la capacidad real por material y por mes, por especificación y por característica, y para priorizar las intervenciones y lograr una mejora real en poco tiempo.
En cuanto a los dos últimos botones de la herramienta de análisis automático, hemos añadido uno específico para el análisis de la estabilidad del proceso. Seleccionamos el gráfico de control más adecuado. Activamos todos los tipos de alerta para identificar causas especiales y así encontrar áreas de mejora. También nos permite profundizar en la investigación de casos atípicos y realizar un seguimiento constante de la evaluación del gráfico de control mes a mes para detectar desviaciones o cambios en la media del proceso.
Luego se agregó otro botón importante relacionado con la distribución, como podemos ver, pero no solo con la distribución de las características en sí. Queríamos mantener siempre el enfoque en el resultado de la capacidad del proceso, tanto en términos de capacidad del proceso como de CP y CPK con respecto al informe sigma interno. Pero también queremos mantener una atención constante al informe de capacidad sigma general y, por lo tanto, a nuestros índices de capacidad de desempeño.
El último punto importante de la herramienta desarrollada fue la posibilidad de realizar una investigación exhaustiva. Partiendo de los datos de laboratorio, buscábamos la correlación directa con los datos de la producción en línea para obtener todos los parámetros del proceso disponibles y comprender cómo la capacidad del proceso influye en nuestras características de calidad, en función de la influencia de los parámetros más significativos. Para ello, profundizamos en herramientas como el perfilador predictivo. Además, en esta etapa, activamos el control de extrapolación cuando existe correlación entre nuestros factores X y las demás variables del proceso.
Esta es la última diapositiva, como decimos, porque estamos haciendo una primera visión general y queremos compartir con ustedes los próximos pasos. El siguiente paso es, primero, la integración con Python, y segundo, la extensión de todas estas herramientas a otras áreas que son prioritarias para nosotros. Gracias por su atención y nos vemos en la Cumbre Discovery.
Gracias por su atención. Hasta pronto.
