"Diseño estadístico de Experimentos: de las Ideas a las Evidencias" (Lourdes Pozueta, CEO y socia...

Diseño Estadís-co de Experimentos: De las Ideas a las Evidencias

Lourdes Pozueta, Cien2fica de Datos [email protected]

2

Diseño de Experimentos (DOE) 3 niveles: básico, medio y avanzado Nivel básico (15h): comienzo 13 Diciembre 2016 Nivel intermedio (20h): comienzo 12 de Enero 2017 Nivel avanzado (20h): comienzo 7 de Febrero 2017

Lean Six Sigma 21 Febrero-‐13 Junio 2017 15 sesiones los Martes

ENTRENAMIENTO en abierto en colaboración con Mondragon Unibertsitatea

hPp://cort.as/ovY5

hPp://www.mondragon.edu/cursos/es/temaUcas/gesUon-‐organizacion-‐industrial

Aumento del Conocimiento Ref: Koldo Lasala

è  Nuevas Aplicaciones è  Nuevos materiales è  Nuevos productos y procesos ¡¡FRACASOS!!

El 90% de los inventores que han pisado alguna vez la -erra estas vivos CRECIMIENTO EXPONENCIAL DEL CONOCIMIENTO

è Muchos tecnólogos è  Nuevas ideas è Nuevos escenarios:

experimentos

4.

¡¡ÉXITOS!! è  Recursos è  Conocimiento è  TácUca-‐método è  ….

17

© Todos los derechos reservados

Materializando la innovación en tecnologías médicas. El reto de la ejecución

Fuente: Forbes

El valle de la muerte en el camino al mercado

•  Perseverancia •  Presupuesto… •  Adquirir nuevo Conocimiento •  Aplicar Método cienOfico

Método cienOfico: ¿Evidencias? o ¿Azar? è OperaTva experimental è Procedimiento de decisión 5.

El futuro que emerge

6

•  Desarrollo muy rápido de nuevas tecnologías •  Necesidad de aprender rápido •  Necesidad de entender-‐comprender-‐dominar la fabricación de productos

–  Receta ópUma y robusta –  Proceso ópUmo y robusto

¿Cómo Aprendo?

Hace falta PROTOTIPAR con Método CienOfico Atacar la variabilidad desde diseño de producto y proceso

7

Los planes de estudio de Universidades, Bachiller,…conUenen muy poca formación aplicada orientada a aplicar Diseño estadísTco de experimentos en las empresas Formación muy académica poco prácUca Las insUtuciones no potencian la formación de las empresas en analíTca de datos o método experimental Las empresas Uenen que APRENDER a APRENDER nuevos conocimientos mediante la experimentación

Reflexiones

4 buenos hábitos/recomendaciones

para amar el DEPORTE de EXPERIMENTAR

“Planes experimentales” recomendables

8

9

Preguntas Hta Idea general de la ruTna

1-‐Cu

esTo

nar

Métric

a

¿Es suficientemente preciso mi procedimiento de medir? ¿Repite? ¿Puedo dis-nguir recetas que el cliente ve diferentes (10-‐20% de variación sobre tolerancias)? Acciónè Estrategia para Medir mejor

R&R

ANOVA

Repe-r medidas de proto-pos diferentes y comparar con tolerancias

La medida repite en todos los acuarios, los peces son similares… la señal esperada por crecimiento del pez supera la repe-bilidad de acuarios=è no es necesario tantos recurso de peces y acuarios

Plan experimental y análisis

1-‐Antes de experimentar con factores EXPERIMENTA ….PARA cues-onar la métrica, valorar el ruido en que te mueves, la estabilidad del entorno, la necesidad de replicar

Ejemplo Proyecto pienso Tilapia

con Breen-‐Tknika

2-‐Cu

esTo

nar o

rigen

de

la Variabilid

ad

Si no logro repe-r los proto-pos, ¿Dónde se localiza la mayor contribución a la variabilidad? ¿Dónde percibo síntomas? ¿En el corto plazo al medir en zonas diferentes? ¿En el intento de repe-r un proto-po a con-nuación del otro? ¿a largo plazo? Acciónè Iden5ficar Causas raíz. Experimentar para op5mizar

MulUvari

ANOVA

Tomar muestras desde lo más próximo localmente a lo más lejano e iden-ficar fuente de mayor variabilidad.

Eje

Diam

etro

321

0,2510

0,2505

0,2500

0,2495

321

321

321

321

8:00 9:00 10:00 11:00 12:00

MaxMin

Posicion

Multi-Vari Chart for Diametro by Posicion - Hora

Panel variable: Hora


La mayor fuente de variabilidad ENTRE LOTES; también por localización dentro de cada individuo

Lote 1 lote 2 lote 3 lote 4 lote 5


2-‐Antes de experimentar con factores, EXPERIMENTA PARA localizar las fuentes de variación: corto, medio, largo

10

Ejemplo Proyecto Colágneo con Ekolber-‐Tknika

3-‐Cu

esTo

nar sob

re

los factores c

lave Dada una lista de factores que podrían afectar, ¿Qué

factores son clave? ¿Cómo es la relación con la respuesta de interés? ¿qué recetas son óp-mas y por qué? ¿Es posible atacar la variabilidad que provoca el usuario? ¿puedo obtener una receta robusta? Acciónè Diseño óp5mo. Modelo explica5vo M

ulUtud

de Diseño

s: ,…

ANDO

E, Box-‐Beh

ken,

Cluster, Cuadrado LaUn

os,

Mod

elo Ge

neral Lineal.. Experimentar según un plan que

selecciona protoUpos de modo ordenado en el espacio teniendo en cuenta todos los factores a estudio



3-‐Antes de EXPERIMENTAR …reflexiona sobre la tác-ca mover un factor cada vez es poco eficaz, te dejarás interacciones y gastarás más recursos A par-r de 16 tratamientos introduce factores y no repliques

11

Factor A -‐ + 16 ensayos: 1 factor

A D

+ E -‐

B

16 ensayos: 5 factores!!

Factor A -‐ +

Factor B

+ -‐

-‐

+

3 factores

Factor A -‐ +

Factor B

Factor B

Factor A + -‐

16 ensayos: 2 factores

A

B

A

B

-‐ D +

4 factores

EFICIENCIA Selección ópTma de condiciones •  Coste experimental êê •  Conocimiento éé

OpTmizar Parámetros (protoTpo ópTmo) Diseños 2k-‐p: Sencillos y eficientes

13

Matriz de Diseño Condiciones de Proceso

Matriz de Diseño Recetas de Producto

Matriz de Diseño Proceso x Producto

Ejemplo pienso Tilapia+Ekonek

4-‐Diseño

s para redu

cir

varia

bilid

ad (R

obustos) Dada una lista de factores ruido y otro ruido de origen

desconocido ¿Es posible atacar el ruido por variación en materia prima, condiciones ambientales, variab. u-llaje, hábitos de usuario? ¿puedo obtener una receta robusta? Acciónè Diseño óp5mo lo más robusto

Diseño

s Rob

ustos; m

ezclar factores de

control y ru

ido.

Experimentar según un plan que selecciona protoUpos ordenado en el espacio y someUdos a diferentes condiciones de ruido


4-‐Antes de dar el proto-po por acabado piensa en su fabricabilidad y hazlo robusto

Diseño Robusto

15

T: 0 - + - +Ha M hu t: 0 - - + + Media s Log s

1 - - - 2,7 1,1 5,7 6,5 1,3 3,46 2,50 0,92

2 + - - 2,8 3,8 4,3 4,3 2,1 3,46 0,98 -0,02

3 - + - 4,8 3,7 5,1 6,9 2,8 4,66 1,55 0,44

4 + + - 4,3 4,5 6,2 5,8 5,2 5,20 0,82 -0,20

5 - - + 6,5 4,2 6,8 6,5 3,3 5,46 1,60 0,47

6 + - + 6,8 4,9 6,8 5,8 5,6 5,98 0,82 -0,20

7 - + + 3,6 3,1 6,3 6,4 2,9 4,46 1,74 0,56

8 + + + 4,5 3,8 5,3 4,9 5,3 4,76 0,63 -0,46

Factores de ruidoReceta

Factores de control Resultados

Métrica para medir “Nivel”

Métricas para medir Variabilidad

8 tratamientos o protoUpos

5 escenarios de ruido para cada protoUpo

Harina

Que

raUn

a

Mantequilla

Puede u5lizarse en simulación!!

16

16

16

Harina

HUevo

Mantequilla

Receta Robusta

robustos

ProtoUpo ópUmo y robusto

Buenísima noUcia

•  Hay sopware comercial que facilita realizar análisis visual, diagnósUcos, DOE, SPC,… de una manera sencilla

•  Los más populares MINITAB y STATGRAPHICS

17

Saber dónde encontrar la información y cómo usarla, éste es el secreto del éxito. Albert Einstein

18

Las COMPETENCIAS experimentales son clave para empresas que invesUgan, innovan, aplican mejora conUnua… !!Las Universidades están muy atrasadas en dotar de estas competencias!! è Potenciar desde DENTRO de las EMPRESAS y las INSTITUCIONES

Sostenibilidad experimental

1.  Empresas-‐insUtuciones involucradas 2.  Personas con deseo de adquirir competencias 3.  Oportunidad de Proyectos con impacto 4.  Entrenamiento

–  Formación + prácUca –  Aprender en equipo –  ConUnuidad

5.  Sociabilizar el SABER y los métodos 6.  InverUr en mejorar proceso de aprendizaje

–  Sopware –  Tecnologías visualización

20

Clientes (orden inverso de anUgüedad): Técnicas de Control Metrológico (TCM), Fuchosa, Euskal Kataforesis, Vidrala, Tknika, Indar Electric, Bladex, COTY, Tubacex, Fagor Ederlan, Forjas de Iraeta, Edertek, ITP, Mondragon Unibertsitatea, Acciona, Copreci, TECNALIA, Tekniker, Volkswagen Navarra, Embega, Renolit, Alstom, Precicast, …. Hellmans, NISSAN NETC, DELPHI, …

21.

Ingeniería de la Calidad

Herramientas EstadísTcas

aplicadas a Mejora de Producto/Proceso

RuTnas para el logro de habilidades de

DiagnósTco, Experimentación,

análisis, ….

Despliegue de Metodologías de Mejora Avanzada en Empresa. SistemáTca RP basada en datos

Cursos-‐Talleres

Consultoría on-‐line

ESTUDIOS CONCRETOS

Protocolos Aceptación líneas Protocolos de aceptación de lotes OpTmización parámetros de Proceso Diseño de recetas de mayonesas

Lean-‐Six Sigma para BB Diseño de Experimentos Control estadísTco de procesos (SPC) Taller CreaTvidad

GesTón de la Innovación Procesos de CreaTvidad

Diseño Robusto

Six Sigma, Calidad Total…a medida

SERVICIOS

ASESORÍA estadísTca

Planes recogida de Datos Tratamiento Datos Visualización información Homologación productos Perito estadísTco en juicios

LinkedIn

22.

InnovaTon testers:

Una vez logrado el diseño conceptual del producto, y antes de la realización de protoUpos y series piloto, es necesario establecer el modo en que se va a medir el éxito del protoUpo, o del proceso de generación del mismo, y las condiciones en que se van a elaborar los protoTpos para poder evaluar con rigor cien2fico los diferentes aspectos que interesa a una organización.

Analizamos el comportamiento de protoUpos ante variación de condiciones de diseño de producto y proceso, idenTficando factores que afectan y opTmizando diseño.

Establecemos pruebas piloto para evaluar la capacidad de los procesos de fabricación de lograr los requisitos de producto y realizamos propuestas de diseño de producto o proceso robustos a esta variabilidad. InnovaTon trainers

Ofrecemos servicios de entrenamiento en competencias relacionadas con la Mejora ConTnua y el Diseño de Experimentos. Potenciamos desarrollar el “staUsUcal thinking” en las organizaciones: el pensamiento que persigue chequear/aceptar teorías en base a hechos/evidencias.

Lourdes Pozueta Fernández Socio fundador de Avancex+i, miembro fundador Ideas2value Coordina el área diseño de experimentos y análisis estadísUco de Ideas2Value Network

Servicios para Inno

vación,

Mejora, Aprendizaje

[email protected]

"Diseño estadístico de Experimentos: de las Ideas a las Evidencias" (Lourdes Pozueta, CEO y socia...

Engineering

Transcript of "Diseño estadístico de Experimentos: de las Ideas a las Evidencias" (Lourdes Pozueta, CEO y socia...