1
1. INTRODUCCIÓN
Esta investigación se realizó, con la finalidad de solucionar el problema que se
presentó en el proceso de encapsulamiento de componentes electrónicos, para protegerlos
de la intrusión de humedad en una parte moldeada. El problema que se consideró fue el
defecto de curado en la resina utilizada para proteger la tablilla electrónica.
El producto es un sensor de aproximadamente 26 mm de diámetro por 50 mm de
altura. Este sensor está basado en el efecto Hall, tiene capacitores para protegerlos de los
ruidos de entrada y salida, montados en una tablilla, la cual se pone en una cubierta de
plástico que tiene tres terminales que hacen interfase con el arnés, se le agrega la resina
encima de la tablilla para protegerla de la humedad. El efecto Hall amplifica dos señales
sinusoidales ortogonales emitidas por los elementos del sensor magneto resistivo y los
convierte en dominio digital. El algoritmo calcula el ángulo de salida ya sea analógico o
digital, las características del diagnóstico las incluye el Hall asegurándose que la salida
sea en línea recta completa.
El problema se trabajó utilizando la metodología de Shainin™, metodología
utilizada como un medio para la solución de problemas en la compañía, al adentrarse el
lector en este trabajo se podrá dar cuenta de las herramientas que se utilizan en cada una
de las etapas de esta metodología.
La investigación sobre el problema se realizó en una empresa en Cd. Juárez, que
se denominó CASA. En la compañía se elaboran diferentes componentes automotrices,
donde la mayor parte de los componentes necesitan encapsulamiento para protección, y
mejorar la durabilidad del producto, exponiéndolo a diferentes ambientes. Al encontrarse
los parámetros óptimos para el control del proceso permitió eliminar el defecto en el
proceso de curado, y también eliminó los costos de los retornos de garantías. Estos
parámetros fueron implementados en el equipo de producción.
2
2. PLANTEAMIENTO DEL PROBLEMA
Desde mayo del 2007 se habían incrementado las quejas de los clientes acerca de
los sensores, donde la resina no está curada adecuadamente. Esto provocó un incremento
en defectos, desperdicio de componentes que han impactado en el costo de los materiales
de construcción en esta fase de prototipos; ya que los componentes a este nivel son
demasiado caros.
2.1 Definición del Problema
En la compañía CASA se diseñan componentes electrónicos encapsulados con
resinas. Una prueba de estos componentes es la prueba de durabilidad, relacionada con el
proceso de curado. Esta prueba tarda 100 minutos en promedio. Había un 25% de los
componentes que fallaban la prueba por defecto en el proceso de curado.
2.2 Objetivos
La investigación tenía como propósito, mediante el uso de la técnica de
Shainin™, resolver el problema del defecto de curado, gracias a esta técnica generar las
guías necesarias para evitar que el ingeniero siga teniendo este tipo de problemas.
a).-Desarrollar la técnica para resolver el problema, ayudar al ingeniero en la
toma de decisiones en los diseños que usan resinas.
b).-Proporcionar a la compañía CASA una guía que ayude a eliminar los costos de
desperdicio.
2.3 Preguntas de Investigación
Los objetivos anteriormente mencionados se alcanzaron cuando se formularon las
siguientes preguntas de investigación:
1. ¿Es posible encontrar las causas del problema de los defectos de curado mediante
la técnica de Shainin™?
3
2. ¿Se puede elaborar una guía que ayude al ingeniero, utilizando los resultados
obtenidos de esta metodología?
2.4 Hipótesis de Investigación
1. Mediante el uso de la técnica de Shainin™ es posible eliminar las causas de
los defectos de curado en la resina.
2. Mediante los resultados obtenidos en el presente trabajo se puede elaborar una
guía para ingeniería en el uso de las resinas a fin de proteger los componentes
electrónicos.
2.5 Justificación
Como se definió en el objetivo general, esta investigación se enfocó a encontrar
las causas de los defectos en el proceso de curado de las resinas, utilizando la
metodología de Shainin™, para la detección y reducción de la variación del proceso de
curado. La cantidad de rechazos que representa el 25% de defectos fue de 100 piezas, en
este nivel de prototipos se genera demasiado gasto de desperdicio. Esta investigación
benefició a la compañía en la capacitación de ingenieros en el proceso de curado,
reducción del tiempo en diseño de prueba y reducción de desperdicio. Al eliminar el
problema la compañía tuvo un ahorro de 45,000 dólares. Estos resultados obtenidos se
implementaron en el equipo de producción.
2.6 Delimitaciones y Supuestos
La investigación se llevó a cabo en el área de prototipos de la compañía, en el
área de negocios de sensores digitales, en Cd. Juárez, Chihuahua, México. Se asume que
la información proporcionada por las personas de la compañía a la que se le compra las
resinas llamada Dowcorning®, así como los resultados que se obtuvieron de los expertos
4
del área de laboratorio de materiales son confiables y ampliamente probados por el
tiempo de experiencia en diseño y pruebas de las resinas.
5
3. MARCO TEÓRICO
En este capítulo se presenta la revisión de la literatura sobre la investigación que
se ha hecho en relación a la metodología de Shainin.
3.1 Definición de la Metodología de Shainin
Steiner y Mackey (2006) mencionan que el Sistema Shainin (SS) es el nombre
dado a un sistema de resolución de problemas, con sus estrategias y herramientas
asociadas, desarrollado por Dorian Shainin, y ampliamente utilizado y promovido en el
sector manufacturero. Shainin, D. (2003) también llamó a este sistema Ingeniería
Estadística, lo que refleja su experiencia y educación en ingeniería. La empresa de
consultoría, Shainin LLC™, ofrece el sistema de marca registrada Estrategia de la X roja.
Sin embargo, muchas de las herramientas estadísticas y métodos que son promovidos
conjuntamente en el SS no son ni nuevos, ni necesariamente la mejor manera de
aplicarlos. Shainin Y → X ™ es una metodología desarrollada que se basa en diseño de
familia de contrastes. Ésto se basa en encontrar las piezas con mayor contraste entre ellas,
la peor de la peor, y la mejor de la mejor, para encontrar si la causa dominante de
variación (X roja) está en el diseño de la familia. Reproduce familias de contaste, si la X
roja que cae dentro de la categoría de posición a posición dentro del grupo, crea una
unión entre la mejor de la mejor (BOB, del idioma inglés Best of the Best), la peor de la
peor (WOW, del inglés Worst of the Worst) para cada paso de la metodología de Shainin
se puede reproducir el contraste de grupo a grupo, lote a lote, pieza a pieza, para
determinar en qué lugar se localiza la X roja.
El enfoque de Anthony, J. (1999) es demostrar el poder de las variables. Shainin
ha desarrollado y promovido las siete herramientas para el producto y la mejora de la
calidad del proceso multivariable incluyendo gráficos, búsqueda de componentes,
comparaciones por pares, búsqueda variables, factoriales completos y gráficos de
dispersión B vs. C, (Bhote, 1991). Shainin se opone enérgicamente a la aplicación de la
Diseños factoriales fraccionarias para la experimentación que son esencialmente de
Taguchi para el diseño ortogonal de la matriz (Shainin y Shainin, 1988).
6
El objetivo de Anthony, J. y de Ho, A. Y.C. (2003) es demostrar la potencia del
método de búsqueda variable como herramienta para resolver problemas relacionados
con la calidad del proceso. Shainin se refiere a la variable más importante que la "X roja ',
la segunda variable más importante como en la" X rosa " y así sucesivamente. Shainin
aboga por la reducción de las fuentes de variación de hasta un número manejable (en
general hasta cuatro), de la que lleva a cabo un experimento factorial completo. Thomas,
A.J. y Anthony, J. (2004), mencionan que tanto los clásicos y los enfoques de Taguchi
proporcionar un medio muy poderoso para comprender el comportamiento del proceso y
por lo tanto, los factores clave que influyen en el rendimiento de cualquier sistema de o
proceso.
Goodman, J. y Wyld D.C. (2001) documentan un caso de estudio en el uso de
Shainin en un diseño de experimentos. Donde el proceso Shainin se usa para reducir la
variabilidad del proceso mediante el aislamiento de los factores más influyentes como (la
X roja). Mediante el uso de varias técnicas estadísticas, la X Roja es identificada, las
medidas correctivas que deben adoptarse. Demuestra que el control de la metodología de
Shainin en calidad es muy práctica y fácilmente ejecutable en una variedad de ajustes,
por lo que es el más accesible esta técnica para soluciones de calidad disponible hoy en
día.
Thomas, A.J. Anthony J. (2005) describen inicialmente tanto la técnica de
Taguchi, diseño de experimentos y la clave de la técnica Shainin que se enfoca en la
búsqueda de variables, luego se va a comparar la precisión, validez y facilidad de uso de
ambos enfoques a través de la desarrollo de un caso de estudio. Su objetivo es
proporcionar una nueva perspectiva sobre la aplicación de las diferentes técnicas de DOE
a fin de estimular un mayor uso y desarrollo de estos métodos estadísticos en la industria.
Logothetis, N. (1990) evalúan las técnicas alternativas a la experimentación y en
particular al análisis de fracciones, las recomendadas por Dorian Shainin. Sus métodos
para la identificación de variables y la variación en la línea fuera del escenario de un
proceso de producción, se describen y evalúan, las relaciones con otros métodos para el
control de calidad fuera de línea y en la mejora de línea.
7
De Mast, J. (2003) menciona Seis Sigma donde sugiere que tiene una colección
de herramientas y técnicas para el descubrimiento de factores potenciales de influencia
(diagramas de flujo, intercambio de ideas, diagramas de causa y efecto, diagramas de
ejecución, gráficos de control, multi-vari gráficos, etc. Sin embargo, estas herramientas
no se colocan en una estrategia como lo hace Shainin, sin embargo se compara con la
metodología del Sistema de Shainin.
Shainin™ es una metodología para el área de manufactura, ya que es una
herramienta reactiva cuando ya existe un problema. Esta metodología define las piezas
WOW-BOB, una vez que se encuentra este contraste se trabaja en el, para encontrar X
roja. Se utilizan estas piezas de contraste, y a través de ellas arroja información con lo
cual tienen las familias de variación, esta metodología está definida como el FACTUAL.
Por sus siglas en ingles se define como Focus (enfoque), Approach (aproximación),
Converge (converger), Test (probar), Understand (entender), Apply (aplicar) y Leverage
(apalancamiento). Para Shainin, la mejora de calidad significa encontrar las causas más
importantes para la variación (X roja, X rosa). El profesional de la calidad tiene que
actuar como detective que busca pistas. Las pistas correctas se pueden encontrar en el
piso de la tienda, en las piezas. Deje que ocurra una charla con el proceso, deje que las
piezas hablen y con la ayuda de algunas técnicas simples usted solucionará el misterio.
Se siguen estrategias diferentes; La Y verde es el rendimiento de la distribución o
una declaración descriptiva, ya sea para un evento, una función, una propiedad, o un
defecto. También Y verde es el apalancamiento a ingeniería que revela la visión de la
falla de la física. Por último la Y verde no debe ser nunca contabilidad métrica.
Contabilizar cifras no proporciona una idea de la geometría o de la física. El término Y
Verde está directamente relacionado con la medición de la “salida” o la señal dada por el
producto que se está analizando el cual cuenta con determinadas características de trabajo
y especificaciones definidas en el diseño del mismo producto cuyos parámetros podrían
ser: voltaje, resistencia, presión, peso, tiempo de respuesta, inductancia, etc. Para el
problema que se analiza en esta tesis la Y Verde es la dureza de la resina al ser tratada
térmicamente.
8
De acuerdo a esta definición de la Y Verde, se siguió la estrategia para encontrar
la causa principal (X roja) del proceso defectuoso (Y verde) como se muestra en la figura
3.1 que describe una estrategia eficiente que va del efecto a la causa del problema. Esta
estrategia es considerada la filosofía de la X Roja.
Los principios en que está basada la estrategia de la metodología de Shainin™ (2004) son:
• La X roja es la relación de la causa-efecto, es la causa raíz del problema que está
proporcionando la mayor variación en el producto de interés, con el más grande
apalancamiento sobre la Y verde de BOB a WOW.
• Hay siempre una X roja.
• La ruta más rápida para llegar a la X roja es a través de una búsqueda progresiva
comenzando con una Y verde bien definida.
• Mantener un muestreo estadístico (K.I.S.S, del inglés Keep it Statistical Sample).
Fig. 3.1 Filosofía de la X Roja
Se considera la filosofía de la X roja como una estrategia que está basada en el
mundo de la física y el principio de Pareto. Cuando hablamos del mundo físico se refiere
Y V
erde
X Roja
Estrategia Eficiente
Efecto Causa
9
a: característica física, defecto, evento, y propiedad. Basado en estas características se
define la Y verde.
El principio de Pareto establece que unas cuantas causas, ∆Xs, generan la mayoría
de los incrementos en ∆Y. Se recomienda utilizar el principio de Pareto para determinar
los 5 problemas más altos. Sin el principio de Pareto no se pueden asignar los recursos
para la realización del proyecto, ya que por medio del diagrama de Pareto se presentan
los problemas a los que se les da continuidad para ser solucionados, y una vez aprobados
por la gerencia se les asignan los recursos necesarios para encontrar la solución del
problema. El principio de Pareto que se muestra en la figura 3.2 ayuda para cuantificar la
cantidad de variación en Y que es causada por el 100% de la variación en cada X.
0
10
20
30
40
50
60
70
80
90
100
Fig. 3.2 Principio de Pareto
3.2 Descripción del Producto
Este sensor es el que determina la posición del acelerador, (TPS, del inglés
Throttle Position Sensor). Este sensor es parte de un ensamble que se encarga de traducir
el movimiento mecánico de rotación en una señal eléctrica lineal. El voltaje de salida del
sensor es proporcional al desplazamiento de la válvula del eje. En la figura 3.3 se muestra
La variación en Y es causada por el 100% de la variación en cada X.
10
un diagrama de flujo del funcionamiento del TPS. Durante su construcción se especifica
el peso de resina que debe vertirse en la cavidad donde se localiza la tablilla electrónica
es de 5.7 ± 0.1 gramos. La resina se vierte con un dispensador de resina semi-automática
y se cura en un horno durante 15 minutos. El dispensador hace la mezcla de la resina en
la proporción de uno a uno, lo que significa que la misma cantidad de resina y
endurecedor son mezclados y aplicados en la cubierta del sensor, para la protección de la
tablilla que debe ser protegida de la humedad. Posteriormente, se debe usar una cámara
de temperatura para acelerar el proceso de curado de la resina.
Fig. 3.3 Diagrama de Flujo del Funcionamiento del Sensor
3.2.1 Aplicación Automotriz y Funcionamiento
En términos más sencillos, el ensamble del acelerador para la válvula de aire (en
AVA y los Sistemas Multipuertos de Inyección de Combustible) - regula el flujo de aire
en el motor y, por ende, contribuye al control de la velocidad del motor y la potencia. La
11
válvula de mariposa proporciona el caudal mínimo en el área del sistema de admisión,
excepto cerca de la mariposa totalmente abierta (WOT). En virtud de las condiciones
típicas, la mayoría de la pérdida total de presión se produce a través de la válvula de
mariposa. El masa del caudal de aire a través de la válvula mariposa se relaciona
directamente con la sección eficaz de algunas zonas definidas como "la placa" al abrir las
zonas de ambos lados de la válvula de mariposa. Los siguientes factores deberían ser
tomados en cuenta a la hora de analizar el flujo a través de la válvula de mariposa:
• La válvula mariposa establece con la presión del aire una posición
completamente cerrada por encima de la posición en el agujero para evitar
el agujero obligatorio en el acelerador. Esta posición se define como el
envío del aire. La magnitud de la posición de la rotación del acelerador de
cierre completo, es ajustado por el tornillo de ajuste en el acelerador.
• El diámetro de la flecha del acelerador es suficientemente grande para
tener el área del acelerador abierta completamente, especialmente en la
condición del paso del flujo a través de la válvula.
• Las mínimas fugas de aire que se espera debido a las tolerancias de diseño
y fabricación. En la figura 3.4 se observan la flechas que van de arriba
hacia abajo y la mínima de fugas de aire a través de las paredes donde la
placa debería de cerrar.
• La pérdida de presión a través de la válvula mariposa en el marco de
condiciones de flujo real puede ser menor que con arreglo a las
condiciones de flujo constante. Como resultado de ello, el flujo de aire
puede ser inferior al flujo calculado del aire.
• El coeficiente de descarga de la válvula varía con el ángulo del acelerador,
presión y número de Reynolds. Este coeficiente puede ser obtenido
experimentalmente.
12
Fig. 3.4 Mínima Velocidad de Aire
El diseño del sensor consiste en eliminar los componentes de contacto, y detectar
la abertura de la garganta para el paso del aire a través de un motor que hace la función
de girar la placa, y el sensor lineal detecta la posición de abertura, que permite el paso del
aire o limita la entrada del mismo. La tasa mínima del caudal de la masa del aire (g / s)
que pasa a través del orificio de la válvula cerrada, además de la purga de los puertos para
cualquier flujo de aire constante situados por debajo de la placa del acelerador. La tasa
mínima del aire se mide con el paso de la válvula de control de aire en un tubo de
desviación conectado, y el mínimo de aire de tornillo completamente retraído. El mínimo
caudal de aire no puede controlarse después del montaje. Aire mínimo = Placa de aire
cerrada + purga constante de aire, en la figura 3.5 se muestran las condiciones de las
placas.
13
Fig. 3.5 Tamaño del Cuerpo del Acelerador
3.2.2 Sensor Lineal
El sensor que se está analizando, es un dispositivo lineal programable el cual
detecta el flujo magnético del movimiento de la flecha del motor, para mostrar el ángulo
de abertura de la placa y la posición de la misma para dar paso al flujo de aire. Una vez
ensamblado se programa el sensor, dando una línea de voltaje lineal redundante la cual es
usada para el ajuste de la mezcla de aire, por medio del flujo magnético muestra la
posición de la placa. En la figura 3.6 se muestran los componentes que se ensamblan para
posteriormente programarse.
14
Fig. 3.6 Vista de un Sensor Lineal Mostrando sus Componentes Internos.
Una vez programado resulta en una línea recta de relación ángulo contra la salida
de voltaje, donde convierte el movimiento mecánico en una salida de voltaje para cada
posición angular del plato, en la figura 3.7 se muestra esta relación entre el ángulo y el
voltaje de salida del sensor.
Fig. 3.7 Relación del Angulo y la Salida de Voltaje
15
En la figura 3.8 se muestra el curado y la mezcla de la resina, ésta es la causa de
los problemas de garantía y se requiere determinar el proceso correcto con los parámetros
adecuados para el curado, así como determinar las mezclas de las resinas adecuadas.
Fig. 3.8 Resina Curado/Mezcla
3.3 Isoplot
Shainin D. (2004), el Isoplot es una herramienta que se utilizó para determinar si
el sistema de medición, es capaz de discriminar las partes buenas de las malas. Por medio
de éste se verificó la variación del producto (∆P) y el equipo de medición (∆M). Para este
análisis, la variable que se midió fue la profundidad de la resina medida en mm, que da
una relación de curado/dureza, por medio de un indicador de profundidad. Esta relación
se llama “Proporción de discriminación”. Para este análisis se tomaron 30 piezas las
cuales fueron medidas en dos ocasiones en orden aleatorio, total de datos 60, dos veces
por pieza, medidos con el indicador de profundidad. Posteriormente los datos fueron
procesados con el “Isoplot”, con el cual se calcula le discriminación del equipo de
medición. La distribución que se obtiene con los datos graficados formando una salchicha
16
a lo largo como se muestra en la figura 3.9 (unidades de medición) que representa la
variación del producto (∆P), y el espesor es la variación del equipo o sistema de medición
(∆M). El valor de la proporción de discriminación se obtiene de la relación ∆P/∆M y ésta
no deberá ser menor a 6. El estudio del Isoplot pasó la prueba de la proporción de
discriminación ≥6 en el cual se incluyen piezas buenas y malas para abarcar todo el rango
de variación.
Fig. 3.9 Resultados del Isoplot ∆P/∆M
3.4 Características de la Y Verde
La Y verde como se muestra en la figura 3.10 puede ser una característica de
producto. En el diagrama de flujo se muestran las diferentes estrategias para la Y verde
como son: característica, propiedad, evento que se subdivide en dos (como son control
deseable, y eliminar lo que no se desea). La Y verde es la distribución de desempeño para
un evento, una característica, una propiedad, o un defecto. Para un evento, la Y verde es
la energía necesaria para causar el evento, los eventos están en función de las
17
características y las propiedades cuando la energía se aplica. Para una característica, la Y
verde, es la distancia desde un punto de referencia a la función de superficie, tamaño y
forma no deben separarse. Para una propiedad, la Y verde es una interacción entre las
moléculas del cuerpo y la energía, en diferentes regiones del cuerpo. En la metodología
de Shainin®, defecto no significa que no cumpla, sino que puede ser que una parte que
no cumple con una característica, evento, propiedad o defecto. Se escogió la familia de
variación basado en la Y verde de una característica.
Fig. 3.10 Diferentes Estrategias para Diferentes Y Verdes
Control deseable
Y Verde
Característica Evento Propiedad
Eliminar las reacciones
18
4. METODOLOGÍA El propósito de este capítulo es el mostrar de forma detallada la serie de pasos
tomados dentro de la metodología Shainin® para llevar a cabo la realización del proyecto
de mejora del proceso de curado de las resinas para la reducción de los defectos de
calidad en los sensores tanto digitales como lineales. Para la aplicación del método de
Shainin para encontrar la X roja, se definió el problema como un problema de garantía
por un proceso de curado inadecuado. El costo de garantía por regreso es de $ 45,000
dólares, siendo esta empresa proveedores de la planta que la compañía tiene en Europa.
4.1 Pasos de la Metodología de Shainin Para la Solución del Problema
El primer paso para la solución del problema consistió en seleccionar el grupo que
se encargaría de dar el soporte para la solución del problema, así como el seguimiento de
todas las actividades a realizarse en el área de ensamble de prototipos para ser
implementados en el área de producción. El problema se ubicó en los sensores lineales
programables para el acelerador que determina la posición del plato que permite la
entrada de aire. Debido a que el problema puede aplicarse a todos los sensores tanto
digitales como lineales, se enfocó la investigación en uno de los sensores lineales que
utilizará el equipo para producción. Se siguieron los formatos con los que se presentó
ante el comité evaluador de los resultados donde se mostró la causa raíz del problema. Se
siguieron los formatos y guías de la metodología de Shainin®, en la figura 4.1 se muestra
la secuencia de la metodología. Esta secuencia describe los pasos que se siguen durante la
aplicación de la técnica y como debe documentarse. También se muestra en la figura 4.2
los miembros del equipo que conforman cada una de las aéreas que se verán involucradas
en la solución del problema y como parte importante del equipo está el patrocinador del
proyecto. Stainer y MacKay (2008) consideran los principios subyacentes del sistema de
Shainin™ en dos grupos. El primer grupo se desprende de la idea que existen causas de la
variación dominante. El segundo grupo de principios están incrustados en el algoritmo
del sistema de Shainin®, como se muestra en la figura 4.1.
19
Fig. 4.1 Metodología de Shainin
Definición del proyecto por la Gerencia
Árbol de Definición del problema
Árbol de Solución del problema
Establecer un Sistema de medición
Pistas y variables sospechosas
Diseño de experimentos
Encontrar la X roja
Interacción
Tolerancias Realistas
Acción correctiva irreversible
Control estadístico de proceso
Monitorear los resultados
¡Entusiasmo del cliente!
Optimizar
Diagnóstico
Solución
Definición
Si Si
No
Si
No
No
20
Fig. 4.2 Miembros del Equipo y Definición del Problema.
4.2 Definición del Proyecto
El alcance de la aplicación del árbol comienza con la declaración del problema
como se ve por el solucionador de problemas. Ésto se hace a través de la convergencia de
una serie de divisiones que se centra en el desarrollo de la Y verde para hacer frente al
problema de una X roja.
La Y verde es la respuesta de salida que puede ser medida, que ofrece a ingeniería
una base eficaz para encontrar la solución del problema. Para ser útil, la Y verde debe
estar relacionada con la física, las características o propiedades. La definición del
proyecto comienza con la declaración del problema y termina con la definición de la Y
verde.
4.2.1 Árbol de Definición del Problema
El árbol de definición del problema es un diagrama de flujo que describe la razón
fundamental de cada una de las actividades que se realizaron durante el análisis del
problema. La figura 4.3 muestra cada una de las ramas que sigue al producto. En este
paso la gerencia define el problema como es percibido por ellos, el ingeniero describe en
Sensor lineal TPS División B Calidad del proceso de curado de resinas. Miembros del equipo del Centro Técnico:
-Dimitís Angrotis Director del Centro Técnico -Arquímedes Godoy Supervisor de Ingeniería -Keith Fong Ingeniero de Estadístico -Martin Escobedo Ingeniero de Producto
Miembros del equipo en la planta de manufactura: -Cynthia Contreras Ingeniero de Manufactura Los problemas de calidad en el proceso de curado de las resinas han ocasionado costo de garantía por regreso de $ 45,000 dólares, en los primeros seis meses. Siendo esta compañía proveedores de la planta que la compañía tiene en Europa.
21
términos de ingeniería la preocupación de la gerencia y plantea su solución. La gerencia
lo percibe como un problema de calidad en los sensores lineales que se fabrican en el área
de sensores, en la división B, de las operaciones mexicanas.
Fig. 4.3 Diagrama de Flujo de Cómo Visualiza la Gerencia el Problema.
En la figura 4.3 se describen los pasos que se siguieron para la definición del
problema para cada una de las diferentes ramas que componen el producto. En este paso
se definió en cual planta está el problema, después se definió como un problema de
calidad, el cual nos llevó a que era el proceso de curado de la resina el que provocaba las
partes defectuosas, y que nos generaba los problemas de garantía.
Los pasos que siguen, describen como se llega a la definición del problema,
basándose en una estrategia del diagrama, enfocándose en la X roja. También se agrega la
definición del problema y al lado derecho se agrega la razón fundamental como se
muestra en la figura 4.4. A continuación se describen los pasos que se siguieron para
definir el proyecto.
Operaciones Mexicanas
División A División B División C División D División A
Sensores Actuadores Módulos
Digitales Análogos
Problema de Calidad
22
1. Comienza como la gerencia y/o el cliente perciben el problema, el ingeniero de
producto plasma en términos de ingeniería las inquietudes de la gerencia y plantea
la solución.
2. Se desglosa el problema basado en el diagrama de estrategia.
3. Se reduce el problema a la mínima expresión enfocada a la X Roja.
4. Se agrega la definición del problema y se enfoca en buscar lo que no se conoce
del problema.
5. Se definen las pistas y/o causas con las que debe trabajar y como deben tratarlas.
6. Siempre se debe poner la razón fundamental al lado derecho de cada nivel.
Fig. 4.4 Diagrama de Flujo del Árbol de Definición del Problema.
Declaración del Proyecto: Eliminar la X roja que está causando el curado inadecuado en la resina.
Razón fundamental
• El problema se presenta en el área de sensores.
• El problema es de calidad
• El problema es detectado en el área de calidad.
• El problema es en el curado de la resina que ha provocado los regresos de garantía, por el proceso inadecuado.
Division B
Otros Planta de Sensores
Otros Calidad
Calidad a la primera vez
Garantias
Eliminar la X roja, que causa el inadecuado curado de la resina
Definición del Proyecto
23
El problema se presenta durante el proceso de curado de la resina en el ensamble
del sensor, durante la construcción de las órdenes de venta, generando desperdicio. Pero
lo grave es que llegan hasta el cliente de la planta ensambladora en Europa. Las partes
son regresadas debido a los defectos que presentan al momento en que las van a
ensamblar. El problema que se analizó ocurrió en partes que fueron regresos de garantía
los cuales se analizaron para buscar la causa. Como contención a lo que se encontró
durante el análisis de las piezas de garantía, se implementaron medidas para evitar seguir
enviando piezas defectuosas, auditando las piezas antes de embarcarse para asegurarse en
la calidad de las piezas, esto sucedió durante el análisis de la causa raíz del problema de
curado.
4.2.2 Árbol de Solución del Problema
El árbol de solución del problema se realiza después de que el problema fue
definido. La solución se enfocó en las partes o componentes potenciales que
contribuyeron con la causa raíz que provocó el problema. El cual fue desarrollado por el
ingeniero de manufactura e ingeniero de producto, para definir las pistas que llevaron a
enfocase en la solución del problema.
A continuación se describen los pasos que se siguieron para la solución del
problema, siguiendo la secuencia de la figura 4.4.
1. Empieza con el problema tal y como se definió en el árbol de definición anterior.
2. Durante el primer paso se tiene que evaluar si la variación proviene del producto y
compararse con la variación del equipo de medición. Aplicando la metodología de
Shainin®, se utiliza el Isoplot para determinar la variación entre el producto y el
sistema de medición.
3. En el lado derecho para cada nivel del árbol se mostró la razón fundamental que
describe la estrategia seleccionada por medio de la metodología de Shainin ®, de
acuerdo a las pistas que son sospechosas de causar el problema.
24
Típicamente la definición del problema comienza como fue percibido por la gerencia,
para posteriormente centrarse en un proyecto para abordar el problema. El árbol de
solución del problema termina con la declaración del proyecto. En la figura 4.4 se
muestra la declaración del proyecto: Eliminar la X-roja que está causando el curado
inadecuado de la resina.
Las posibles pistas para encontrar la X-roja son las resinas, las mezclas de éstas, las
presiones para vaciarla en la cubierta, tiempo y temperatura. En la figura 4.5 se muestran
las dos resinas para la mezcla. La figura 4.6 muestra la punta para inyectar la resina que
cubre los componentes. La figura 4.7 muestra los controles de presión, y el ajuste de la
inyección de la resina. Una vez configurado estos parámetros se pone un candado para
evitar que se mueva.
Fig. 4.5 Componentes de la Mezcla.
25
Fig. 4.6 Aplicador de Silicón.
Fig. 4.7 Ajustes de la Presión de la Inyección.
Ajuste de la inyección del silicón
Presión
Candado
Mezclador o aplicador de silicón. MS-05-32
26
En la figura 4.8 se muestra cada paso que se siguió para determinar la causa o X
roja del problema. Al lado derecho del diagrama de flujo se muestran las razones de
cómo se llegó a las causas que ocasionaron el problema, se desglosó también paso a paso
solo que con fundamento para que el diagrama de flujo muestre lo que está escrito como
razón fundamental.
Primero, se descartaron las plantas y se seleccionó sólo la planta donde se tiene el
problema de calidad. Posteriormente dentro de la planta de sensores se tienen diferentes
líneas de productos, las cuales son identificadas por módulos, en este paso se eliminaron
los módulos de inyectores y transmisiones, para enfocarse únicamente en el módulo de
los sensores.
El siguiente paso consistió en definir en qué departamentos se encontraba el
problema, siendo el departamento 528 donde se construye el modelo 25376459 AA, el
cual es prototipo antes de su liberación a producción. Este número de parte contiene la
cubierta 28143288, resina 28096464 (partes A y B de la figura 4.5). Al sub-ensamble
28143288 se le agrega la mezcla de la resina 28096464, la cual es procesada en el horno
para acelerar su endurecimiento. En el paso siguiente se evaluó cual era el problema
mayor, si calidad a la primera vez o eran garantías, se escogieron las garantías ya que fue
lo que dio la alerta de los problemas con el cliente. Aquí se definió que la X roja es la
resina sin curar, siendo la Y verde la dureza de la resina.
En el diagrama de la figura 4.8, se muestran los elementos cruzados con las
líneas discontinuas (mezcla y presión) lo cual significa que todavía no están
completamente descartadas de la investigación. Mientras que los elementos que están
cruzados con líneas continuas significan que fueron descartadas. Los elementos que no
fueron cruzados están sometidos a investigación, ya que se tiene que demostrar primero
que no son parte del problema, para poderse descartar completamente.
27
Problema de calidad retorno de garantías.
La X roja es la resina sin curar, siendo la Y verde la dureza de la resina.
Fig. 4.8 Diagrama de Flujo del Árbol de Solución del Problema.
4.3 Establecer el Sistema de Medición Efectivo El Isoplot es un diagrama que se puede usar para determinar si el problema está
en las piezas o en el sistema de medición. Para el análisis se utilizó un indicador de
profundidad que mide la dureza de la resina en función de la penetración del indicador en
la resina de la mezcla. El Isoplot se utiliza para comparar el tamaño relativo del proceso y
Razón Fundamental Calidad del curado de la resina, en la planta de sensores. En el modulo de sensores. Departamento 528 con el número de parte 25376459 AA. Problema de garantía. Relación entre tiempo y temperatura.
Planta Sensores
Modulo I Inyectores
Modulo II Transmisiones
Modulo III Sensores
Departamento 556
Departamento 528 Numero de parte (25376459AA)
Calidad a la primera vez
(FTQ)
Garantias
Mezcla Tiempo Temperatura Presión
28
sistema de medición de la variación de las familias. En su forma más simple, se
seleccionan 30 unidades, y cada unidad es medida en dos ocasiones. Un Isoplot comienza
con un diagrama de dispersión de las dos mediciones en cada unidad. En la distribución
de los datos graficados, la variación de la horizontal es el proceso global, medido por la
variación de la primera lectura y la vertical variación es el proceso global, medido por la
variación de la segunda lectura. La variación en una dirección perpendicular a la línea de
45 grados representa la variación de la medición. Si todos los puntos se encuentran cerca
de los 45 grados de la línea, la variación del sistema de medición es pequeña.
El Isoplot es una herramienta que se utilizó para determinar que el sistema de
medición discrimina las partes buenas de las malas. Con esta herramienta se verificó la
variación del producto (∆P) y el equipo de medición (∆M). Para este análisis la variable
que se midió fue la profundidad de la resina medida en mm, que resulta en una relación
de curado/dureza, por medio de un indicador de profundidad. Esta relación se llama
“Proporción de discriminación”. Para el análisis se tomaron 30 piezas las cuales fueron
medidas en dos ocasiones en forma aleatoria, medidos con el indicador de profundidad.
Posteriormente, los datos fueron procesados con el “Isoplot”, con el cual se calcula la
discriminación del equipo de medición. La distribución que se obtuvo con los datos
graficados a lo largo de la distribución, se muestra en la figura 4.9 (unidades de
medición). ∆P representa la variación del producto en el eje de las X, y el espesor es la
variación del equipo o sistema de medición (∆M). El valor de la proporción de
discriminación se obtiene de la relación ∆P/∆M y ésta no deberá ser menor a 6. El
estudio del Isoplot pasó esta prueba de la proporción de discriminación en el cual se
incluyen piezas buenas y malas para abarcar todo el rango de variación.
Durante este análisis los datos fueron graficados y se obtuvo una buena relación
de discriminación lo que llevó a definir que el problema se encontraba en las partes que
se analizaron. En la figura 4.9 se pueden observar los resultados obtenidos, ahí se observa
cómo se distribuyen los datos en la gráfica, donde el valor de la relación ∆P/∆M es 10.2.
29
Fig. 4.9 Resultado del Isoplot Final ∆P/∆M igual a 10.2.
La generación de pistas de variables sospechosas, son para orientar la
investigación, para hacer el análisis donde se localiza la mayor variación de las familias
de variación.
Menciona Montgomery, (2006) que para seleccionar la variable de respuesta, el
experimentador deberá tener la certeza de esta variable que proporciona en realidad
información útil acerca del proceso bajo estudio. Shainin™ sigue esta manera de
seleccionar la característica para definir la respuesta que proporcione la causa, llamándola
filosofía de la X-roja que va del efecto a la causa.
Shainin™ usa varias herramientas estadísticas, entre éstas se apoya del diseño de
experimentos para encontrar la causa del problema, por medio de éste llega a encontrar la
30
X roja. Puede existir una interacción entre dos factores, a un segundo factor se le llama X
rosa, una vez encontrada la causa del problema se hace un análisis para calcular las
tolerancias realistas.
Los pasos para calcular las tolerancias realistas los menciona Bothe, A. K. (1991),
para determinar las tolerancias realistas, se selecciona la salida (Y) que debe cumplirse,
en la práctica se utiliza la X roja y la X rosa, a través de la utilización de los métodos de
diseño de experimentos, análisis multivariable, búsqueda de variables y/o factoriales
completos y se confirma con la prueba B vs. C. Hay varios métodos de comprobación
que utiliza Shainin™ en su metodología. Segundo se selecciona un rango de valores de la
variable X roja que sirve para ajustar la salida (Y). Se corren treinta muestras, se grafican,
no necesariamente los datos deben tener un ángulo de inclinación de 45º, porque los datos
dependen de la escala utilizada de la X roja. Tercero se gráfica una línea en la media que
se llama línea de regresión a través de los treinta puntos, se trazan dos líneas paralelas en
cada extremo de la media. La intersección vertical a través de este paralelogramo es la
variación en Y, debido a que todas las variables se suman, como la X roja. También si la
salida Y es el requerimiento del cliente, en términos de la especificación superior se
trazan dos líneas paralelas hacia el eje horizontal donde se muestra la tolerancia realista
de manufactura, estas líneas determinan la máxima tolerancia para la X roja para
asegurarse los requerimientos del cliente.
La implementación de las acciones correctivas, monitoreo de resultados se usaron
los documentos de control que se utilizan en la planta como son: el plan de control de
proceso, hojas de revisión para control de los parámetros, documentos de auditorias de
calidad.
En el capítulo 5 se describen los resultados obtenidos al aplicar los pasos de la
metodología de Shainin™ para encontrar la X roja, el establecimiento de las tolerancias
realistas, implementar la acción correctiva, lograr el control del proceso, monitorear el
proceso, y lograr el entusiasmo del cliente.
31
5. RESULTADOS
En este capítulo se presentan los resultados de la investigación que se llevó a cabo
siguiendo la metodología de Shainin™. Estos resultados incluyen desde la generación de
pistas para la eliminación de la X roja hasta la aplicación de las acciones correctivas.
5.1 Generación de Pistas y Variables Sospechosas
Para generar las pistas se hizo una lista de variables sospechosas que ya se
mencionaron en la sección 4.2.2 (mezcla de la resina y el catalizador, presión para
expulsar la resina a través del mezclador, tiempo en el horno y la temperatura). Estas
pistas identificaron a las familias de variación las cuales fueron graficadas en un análisis
multivariable para observar el comportamiento de cada una de las familias de variación
tales como: tiempo a tiempo, temperatura a temperatura, mezcla a mezcla, presión a
presión, pieza a pieza. También se hizo un diseño de experimentos, y a través de un
análisis multivariable se observó el comportamiento de cada una de las familias con
mayor variación donde se observó el mayor contraste. En la figura 5.2 se muestra un
análisis multivariable, donde se observó que la mayor familia de variación es de
temperatura a temperatura.
5.2 Diseño del Experimento
Una vez que se determinó que en el equipo de medición no había variación, se
prosiguió a analizar la variación del producto (∆P) seleccionando una estrategia adecuada
con el propósito de generar más pistas que lleven a la solución del problema. En la figura
5.1 se observan diferentes Y verdes, de aquí se seleccionó la característica de la cual se
desprenden una lista de variables sospechosas mencionadas anteriormente.
32
Fig. 5.1 Diferentes Estrategias para Diferentes Y Verdes
Como menciona Montgomery D. C. (2006). El diseño factorial de . Los
niveles de los factores pueden denominarse arbitrariamente “alto” o “bajo”. Para el
diseño de experimentos basado en las características del modo de falla se procedió a
utilizar los factores explicados previamente en la sección 4.2.4: temperatura, tiempo,
presión, mezcla y la variación existente entre las piezas como las probables causantes del
problema. Bothe K. R. (1991). En el análisis multivariable de la figura 5.2 se encontró
que la familia con mayor variación era de temperatura a temperatura. No existieron
variaciones de pieza a pieza, ni tampoco en la familia de tiempo a tiempo. De ahí se
procede a realizar un diseño de experimentos con los factores que causan el problema,
para encontrar la interacción existente entre ellos, causante del defecto de calidad.
Control deseable
Y Verde
Característica Evento Propiedad
Eliminar las reacciones
33
Fig. 5.2 Familia de Variación en el Multivariable
La tabla 5.1 muestra las corridas del diseño de experimentos. Se usaron 4 niveles
de temperatura a dos tiempos diferentes, en cada una de las condiciones se tomaron datos
de la dureza de la resina medida con un indicador de profundidad. Los datos se muestran
para cada combinación, donde conforme va aumentando la temperatura la resina se va
endureciendo más, y los tiempos no están teniendo un impacto significante como la
temperatura.
34
Tabla 5.1 Datos Obtenidos del Diseño de Experimentos.
Temp. (°C) 80°C 100°C 120°C 150°C
Tiempo (minutos)
Pieza
10 15 10 15 10 15 10 15
1 8.30 8.21 8.21 8.11 8.08 8.05 7.60 7.56
2 8.34 8.19 8.17 8.15 8.14 8.05 7.53 7.50
3 8.21 8.23 8.12 8.17 8.03 8.06 7.38 7.50
4 8.24 8.24 8.16 8.11 8.09 8.09 7.40 7.50
5 8.22 8.20 8.12 8.10 8.04 7.99 7.40 7.52
Avg= 8.26 8.21 8.16 8.13 8.08 8.05 7.46 7.52
5.3 Encontrar la X Roja
Durante el análisis para encontrar la X roja se graficaron los datos que se
muestran en la tabla 5.1, fueron graficados, la figura 5.3 muestra los datos graficados de
la dureza de la resina. Durante la corrida del experimento se tomaron los datos de la
dureza o la penetración del indicador en la resina después de que fue puesto en un horno
a las diferentes temperaturas y tiempos.
Tiempo (min)
Profundidad (mm)
1510
8.3
8.2
8.1
8.0
7.9
7.8
7.7
7.6
7.5
7.4
1510
1510
1510
80 100 120 150 pieza
5
1
2
3
4
Multi-Vari Chart for Profundidad (mm) by pieza - Temperatura (°C)
Panel variable: Temperatura (°C)
Fig. 5.3 La Datos graficados de la tabla 5.1
35
En la tabla 5.2 se muestra el análisis de varianza de profundidad. Los datos
obtenidos muestran un valor P de 0.000 para la temperatura, que indica el factor que más
contribuye al curado de la resina.
Tabla 5.2 Análisis de Varianza para la Profundidad.
Análisis de varianza para la profundidad, usando la prueba de ajuste SS Fuente DF Seq. SS Ajuste SS Ajuste MS F P Temp. (°C) 3 3.40583 3.40583 1.13528 469.36 0.000 Tiempo (min) 1 0.00156 0.00156 0.00156 0.65 0.427 Interacción 3 0.01541 0.01541 0.01541 2.12 0.117 Error 32 0.07740 0.07740 0.00242 Total 39 3.50020
En la figura 5.3 se puede observar un análisis multivariable de la temperatura y el
tiempo, a diferentes niveles. Aquí se puede ver que el mayor cambio está de temperatura
a temperatura, donde se puede ver que el tiempo tiene muy poco efecto comparado con la
temperatura. En el primer cuadro se observa que la temperatura de 80°C y los tiempos no
muestran un cambio significativo, este mismo comportamiento se muestra para las
temperaturas de 100°C y 120°C, pero con una tendencia hacia abajo. La temperatura de
150°C es la que tiene el mayor efecto sobre el curado de la resina, el tiempo tiene muy
poco efecto, aunque es necesario para acelerar el curado en este caso se puede usar el
tiempo de 10 o 15 minutos, sin embargo a los 10 minutos, la profundidad es menor, igual
a dureza, por cuestiones económicas se sugirió 10 minutos, como se observa en las
figuras 5.3 y 5.4.
En la figura 5.4 se puede observar que la interacción no es significante. El mayor
contribuyente es la temperatura los elementos involucrados en este análisis son el tiempo
y la temperatura. Aunque el tiempo no tiene un efecto fuerte se concluye que la
temperatura se debe controlar durante la implementación del proceso de curado.
36
Tiempo (min)
Mean
1510
8.3
8.2
8.1
8.0
7.9
7.8
7.7
7.6
7.5
7.4
Temperatura (°C)
120
150
80
100
Interaction Plot (fitted means) for Salida (mm)
Fig. 5.4 Gráfica de la Interacción.
En la figura 5.5 se puede observar la optimización de la temperatura y el tiempo
para estos dos factores realizada en Minitab®. La figura 5.6 presenta una gráfica normal
de los efectos más significativos, se puede observar que el efecto más significativo es la
temperatura, mayor contribuyente al problema de calidad. La X roja es la temperatura
como el efecto más significativo. El tiempo ayuda a acelerar el proceso de curado, y
puede ser considerada como un X rosa.
37
CurHigh
Low0.00000D
New
d = 0.00000
Minimum
Res Prof
y = 7.4641
0.00000
Desirability
Composite
10.0
15.0
80.0
150.0Time (miTemp (°C
[149.8205] [10.0]
Fig. 5.5 Gráfica de Optimización de la Temperatura.
0-5-10-15-20-25-30
99
95
90
80
70
60
50
40
30
20
10
5
1
Standardized Effect
Percent
A Temp (°C )
B Time (min)
Factor Name
Not Significant
Significant
Effect Type
A
Normal Plot of the Standardized Effects(response is Res Prof, Alpha = 0.05)
Fig. 5.6 Efecto más Significante, la Temperatura. 5.4 Optimización de la Cámara
38
Basado en el análisis multivariable de la figura 5.3, el primer paso fue optimizar
la cámara que se utilizó para curar la resina, para asegurarse que estaba controlando
correctamente la temperatura y los tiempos de residencia. Se instrumentó la cámara
poniendo termopares en diferentes aéreas de la cámara como se muestra en la figura 5.8
para verificar que los efectos de la temperatura se distribuyeran uniformemente. La figura
5.7 muestra la cámara que se utilizó para instalar los termopares. Es un equipo que se
llama Cincinnati SubZero®, nombre comercial, también muestra un controlador de
temperatura que se localiza en la parte frontal del equipo
Fig. 5.7 Horno Utilizado para Hacer el Análisis del Flujo de Aire.
39
La figura 5.8 muestra como se ubicaron los termopares dentro de la cámara a
diferentes niveles y algunos termopares están localizados sobre las paredes del horno.
Finalmente, la figura 5.9 muestra el efecto dentro del horno que se comprobó durante la
prueba de uniformidad de la temperatura donde se someten las piezas a diferentes
temperaturas, durante un tiempo determinado. En la cámara de la figura 5.8, también se
midió el comportamiento del aire con termopares colocados cada uno en cada una de las
ocho esquinas, fuera de dos pulgadas de cualquier pared frontera y un suspendido en el
aire en el centro de la cámara. El perfil térmico va desde 200°C a -70°C, con una
velocidad de 200°C/1 minuto, con 15 minutos en cada extremo de temperatura, teniendo
periodos de 32 minutos por ciclo.
Fig. 5.8 Ubicación de los Termopares Dentro del Horno.
40
Fig. 5.9 Efecto Vortex Dentro de la Cámara.
Las diferencias más significativas entre las mediciones de los termopares se
produjeron durante el más rápido calentamiento y enfriamiento debido a las rampas como
se muestra en la figura 5.10. Durante los períodos de estabilización la cámara tenía un
comportamiento térmico más uniforme en los lugares donde se colocaron los termopares.
Estos termopares se colocaron en las cuatro esquinas superiores; el espacio aéreo
próximo a la puerta de la cámara como se indica con las flechas en la figura 5.9. Con
estos análisis se asegura que se puede controlar el tiempo y la temperatura, para obtener
los parámetros controlados, con la optimización de la cámara se asegura que el equipo
está operando adecuadamente.
41
Fig. 5.10 La Uniformidad se Muestra en la Gráfica en Toda la Cámara.
5.5 Optimizar/Tolerancias Realistas
Una vez que se encontró la X roja se optimizó el proceso para los factores de
temperatura y el tiempo que son parámetros que ayudan a tener los resultados de dureza
de acuerdo a la especificación del producto, los cuales son graficados para encontrar las
tolerancias de manufactura. En la figura 5.11 se muestra el rango de aceptación del
cliente en el eje vertical, contra la especificación definida por la empresa en el eje
horizontal que debe ser más cerrada para evitar enviar material defectuoso al cliente. Se
pueden observar las tolerancias realistas de los resultados obtenidos. Para obtener los
resultados de calidad deseados se debe de tener una tolerancia de 7.4 mm a 7.92 mm en
eje vertical (dureza Y verde) para satisfacer a nuestro cliente con calidad a la primera vez,
siendo la tolerancia en la empresa de 7.4 mm a 9.9 mm en la dureza de la resina. Bothe
K. R (1991). Con estas tolerancias realistas especificadas por la empresa que se encuentra
en el eje horizontal se puede tener una excelente calidad del producto a través de un
-100
-50
0
50
100
150
200
250
1:04 P
M
1:06
PM
1:07 P
M
1:09 P
M
1:10
PM
1:12 P
M
1:13
PM
1:15 P
M
1:16 P
M
1:18
PM
1:19 P
M
1:21 P
M
1:22
PM
1:24 P
M
1:25 P
M
1:27
PM
1:28 P
M
1:30 P
M
1:31 P
M
1:33 P
M
1:34
PM
1:36 P
M
1:37 P
M
1:39
PM
1:40 P
M
1:42 P
M
1:43
PM
1:45 P
M
1:46 P
M
1:48
PM
1:49 P
M
1:51 P
M
1:52
PM
1:54 P
M
1:55 P
M
1:57
PM
Time (hh:mm)
De
g C
Estabilización
Estabilización
R a m p a
42
proceso bien controlado, monitoreando correctamente la temperatura y los tiempos de
residencia en la cámara.
Fig. 5.11 Paralelogramo de Tolerancias Realistas.
5.6 Acciones Correctivas
.Para el proceso de curado del horno se implementó los controles a través de la
retroalimentación con un control de la temperatura, así como el tiempo de respuesta para
tener los parámetros adecuados de temperatura. El tiempo de curado es regulado por el
controlador de temperatura de la cámara, el cual ajusta la temperatura cuando ésta se sale
de lo establecido, usualmente es ± 10°C del valor nominal determinado. La figura 5.12
muestra el encabezado del plan de control de proceso, el cual se sigue para controlar las
características deseadas del producto, este documento contiene los parámetros de proceso
de la cámara, así como la cantidad de la mezcla de los dos componentes de la resina, la
43
presión, y los parámetros de temperatura y tiempo. Incluye también las posibles
soluciones a algún problema de proceso. Estas acciones son verificadas por medio del
plan de control de proceso, en el cual se detallan todas las actividades en la línea de
producción, donde se monitorean tiempos, temperatura, presiones, cantidad de las
mezclas de resina, torques, etc. El plan de control de proceso define la secuencia de flujo,
y los controles para cada estación. Para el control del horno el plan de control contiene
los números de parte de las resinas, cantidad de las mezclas de los dos componentes A y
B, temperatura de pre-curado, temperatura de curado, y el tiempo de pre-calentamiento, y
el tiempo de enfriamiento del horno.
Fig. 5.12 Encabezado del Plan de Control de Proceso.
Las acciones son controladas a través del plan de control de proceso (PCP),
contiene los parámetros y las soluciones a las posibles causas de los problemas del
proceso. El PCP define la secuencia del proceso, si es característica de proceso o de
producto, especificación de proceso/producto, método de medición, tamaño de
muestra/frecuencia, método de control y plan de reacción.
En las figuras 5.13 y 5.14 se muestran los encabezados de las hojas de control de
proceso de aplicación de la resina, así como los controles de volumen y parámetros de la
cámara de curado. Estos dos documentos se utilizan para control y monitoreo de los
parámetros y volumen de resina que se aplican al componente. Estos controles son los
44
mecanismos de revisión del área de calidad para asegurarse que los parámetros son los
que están especificados. Durante el inicio de turno, el área de calidad es la responsable de
monitorear y asegurarse que se cumpla con lo que está especificado en el plan de control
de proceso. En la figura 5.14 se muestra el encabezado de la hoja de control, monitoreo
diario por turno del equipo, que se utiliza para curar la resina, para asegurarse que se
tiene el proceso controlado y dentro de especificación. En este formato se anotan los
valores de dureza que se están inspeccionando diariamente, el control es de dos veces por
turno; al inicio y a la mitad del turno.
Fig. 5.13 Encabezado del Proceso de Curado.
45
Fig. 5.14 Hoja de Control de Parámetros por Turno
Al encontrarse los parámetros óptimos para el control del proceso permitió
eliminar el defecto en el proceso de curado, y también eliminó los costos de los retornos
de garantías. Estos parámetros fueron implementados en el equipo de producción, como
se muestra en la figura 5.15
46
Fig. 5.15 Parámetros de control del proceso
La ayuda visual muestra la inspección que se realiza después de que el material
pasado por el proceso de curado, en la figura 5.16 se muestra los puntos que se revisan
después del proceso de curado.
47
Fig. 5.16 Ayuda Visual
Los resultados obtenidos por medio de la metodología de Shainin™, ayudaron a
eliminar los defectos del proceso de curado en los componentes electrónicos,
disminuyendo los problemas de calidad, y como consecuencia los retornos de garantía a
cero. Una vez que se terminó el proyecto se subió en una base de datos de lecciones
aprendidas para que los ingenieros de proceso puedan consultar los resultados y
aplicarlos a los nuevos procesos donde se utilicen resinas. Las hipótesis planteadas se
cumplieron ya que el problema de calidad se eliminó y se pudo controlar el proceso.
También estas lecciones aprendidas se publicaron en la página WEB (
hpp://mexico.delphiauto.net/EC/SEC/downloads.asp?View=Document&doc=Mejoramie
nto_Continuo/LESSONS%20LEARNED) de la compañía, para que ingeniería tuviera
48
acceso a ellas para evitar repetir las pruebas y evitar errores de proceso. El proceso fue
optimizado para la disminución del tiempo de curado y la eliminación del problema de
calidad, resolviendo así el problema que se había planteado al inicio de esta
investigación. El monitoreo de los resultados fue a través de una hoja de control de
proceso, el cual contiene los parámetros de la cámara, donde se controla el tiempo,
temperatura, mezcla de la resina, el tiempo de precalentado y curado.
49
6. CONCLUSIONES Y RECOMENDACIONES
El propósito de este capítulo es el de presentar las conclusiones obtenidas después
de realizada la investigación y la mejora del proceso de curado, en el retorno de garantías
generado por el problema de calidad del curado de las resina, así como hacer las
recomendaciones pertinentes.
6.1 Conclusiones
La investigación se llevó a cabo siguiendo la metodología de Shainin®, donde los
pasos que se siguieron fueron: definición del proyecto, planteamiento del problema,
definir el sistema de medición, generación de pistas, listas de variables sospechosas,
optimizar, acción correctiva, monitorear los resultados y controlar.
La X roja fue encontrada al hacer el análisis de multivariable y el diseño de
experimentos una vez que se corrió en Minitab® el modelo lineal general. En el análisis
multivariable se observó la relación que existía entre la temperatura y el tiempo, siendo el
factor más significante la temperatura como se mostró en la figura 5.6. Una vez
encontrados los parámetros de optimización del proceso de curado del horno, se
calcularon las tolerancias realistas para el producto como se muestra en la figura 5.11. Se
mide la dureza la cual se refleja en el eje horizontal, tolerancia de la empresa, y en el eje
vertical se muestra el rango de aceptación del cliente, el cual se conoce como el
entusiasmo del cliente. Al controlar el tiempo y la temperatura de la cámara, se tiene un
proceso capaz que da como resultado el control de la dureza de la resina en el producto
obteniendo la tolerancia realista en el eje horizontal. Con el resultado obtenido se logró
eliminar los defectos de calidad en el proceso de curado de las resinas. Los parámetros
que se encontraron fueron implementados en el equipo de producción para control de la
calidad del producto.
Los retornos de garantía se eliminaron en un 100 %, debido a las condiciones de
control en los parámetros del proceso que fueron efectivas. Al ser automático el proceso,
se eliminó el problema de defectos de curado. Nuestro sistema de detección en la línea de
50
producción disminuyó la posibilidad de envío de piezas con problemas de calidad. El
problema de curado hasta el día de hoy son cero defectos encontrados durante la
producción. Al encontrar la X roja el impacto económico fue de 45,000 dólares de ahorró
en seis meses, que a lo largo del desarrollo del proyecto que duró 18 meses para su
implementación en producción arrojo un ahorro total de 135,000 dólares, hasta su
implementación.
El objetivo general propuesto en el planteamiento del problema se cumplió al
eliminar el problema de calidad en el proceso de curado de resinas en el encapsulado de
componentes electrónicos para los sensores lineales en la aplicación de los sensores
lineales, se lograron los objetivos específicos:
a. Mediante el uso de la técnica de Shainin fue posible eliminar las causas del
problema de curado de la resina y eliminar los defectos de calidad.
b. Con los resultados obtenidos en el presente trabajo se elaboró un
documento, que se publico en la WEB como lecciones aprendidas que sirvió
como guía para ingeniería en el uso de las resinas a fin de proteger los
componentes electrónicos.
(hpp://mexico.delphiauto.net/EC/SEC/downloads.asp?View=Document&doc
=Mejoramiento_Continuo/LESSONS%20LEARNED)
Se concluye que se logró el objetivo general de la investigación formulada al
inicio de esta, se pudo eliminar el problema de calidad del curado de la resina.
6.2 Recomendaciones
Se recomienda utilizar la técnica de Shainin™ para eliminar las burbujas de aire
que se quedan atrapadas entre la resina. Han sido pocas piezas encontradas donde la
burbuja llega hasta la tablilla, esto podría ocasionar un problema de garantía por fallas
eléctricas debido a la humedad que pueda entrar hasta el componente eléctrico, ya que
cuando se combina el voltaje con la humedad se puede tener dendritas. Las dendritas es la
51
migración de electrones del platinado del que están compuestas las pistas de la tablilla y
las terminales que se utilizan para tener el contacto eléctrico.
Una de las recomendaciones sería que se aplicaran las lecciones aprendidas en las
otras líneas de producción donde se han detectado problemas similares, en el área de los
sensores digitales, y de rotación principalmente. Aunque han aparecido otros problemas
como burbujas atrapadas, estos problemas son contenidos en la planta, que tiene una alta
incidencia de calidad a la primera vez, con la posibilidad de que lleguen al cliente. De
hecho ha sucedido con los sensores digitales en tres ocasiones, por lo que habrá que hacer
otro análisis para eliminar este defecto, que no fue investigado en este trabajo.
52
7. BIBLIOGRAFÍA
Anthony, J. (1999). Spotting the key variables using Shainin's Variables Search Design. Anthony, J. y de Ho, A. Y.C. (2003). Training for Shainin's approach to experimental
design using a catapult. Bhote K. R. (1991). World Class Quality, “Using Design of Experiment to Make It
Happen”.
De Mast, J. (2003). Quality Improvement from the Viewpoint of Statistical Method
Goodman, J. y Wyld D.C. (2001). The Hunt for the Red X: A Case Study in the use of
Shainin Design of Experiment (doe) in an Industrial Honing Operation. Logothetis, N. (1990). Alternatives to fractional experimentation: an assessment and
critique. Montgomery D. C. (2006). Design and Analysis of Experiments. Ed. Limusa
México, DF. Shainin D. (2003). Problem Solving for Manufacturing 102403. Red X® Strategies.
(2004). Advance Problem Solving for Manufacturing 121404. Red X®
Strategies.
(2004). Journeyman Principles. Red X® Strategies 122204.
Stainer S. H. and McKay R. J. (2006). “And Overview of the Shainin™ for Quality
Improvement”.
(2008). “And Overview of the Shainin™ for Quality Improvement”. Thomas, A.J. y Anthony, J. (2004). Applying Shainin’s variables search methodology in
aerospace applications Thomas, A.J. y Anthony, J. (2005). A comparative analysis of the Taguchi and Shainin
DOE techniques in an aerospace environment.