Dra. Lourdes Pozueta lourdes.pozueta@avancex.com

Reducción de la variabilidad en un proceso de forja en ALCORTA FORGING GROUP

Jornada de Excelencia Operacional en la Industria y Servicios con Minitab

Barcelona 22 Octubre 2009

Pág. 2

Equipo de trabajo: •  Alcorta Forging Group:

–  Oskar Andrés, Jesús Mari Beitia, Juan Antonio Beneitez, Ruben de la Peña, Mikel Luque y operarios de proceso

•  Avancex+i –  Lourdes Pozueta –  Becario doctorando TECNUN: Martin Tanco

•  Centro Tecnológico INASMET-Tecnalia –  Félix Peñalba

Pág. 3

Índice

1.  Presentación empresa / productos

2.  Oportunidad detectada

3.  Objetivo proyecto

4.  Plan de trabajo por hitos

Hito 1: Modelo Mental del Equipo Hito 2: Caracterizar Variabilidad Producción/Chequeo H1 Hito 3: Diseño Plan Experimental (DOE) Hito 4: Ejecución e interpretación resultados/ comunicación Hito 5: Prueba piloto

5.  Conclusiones

Pág. 4

1- Presentación Empresa

•  www.alcortagroup.com

•  Fundada en 1911

•  Evolución accionariado: Local (Familiar) è Internacional (Brockhaus, Mahle) è Local (F.+trabajadores)

•  Evolución del producto: –  armas y herramientas de mano è Sector Automoción

•  Tecnología –  Automatización: alta tecnología de producción de forja con 7 líneas parcial o

totalmente automatizadas –  Tecnología Preforma (reducción peso bruto en pieza)

•  Trabajo en equipo (minicompañías,…)

Pág. 5

2- Oportunidad detectada

PROCESO ACTUAL

Critical To Quality •  Piezas homogéneas en espesor

OPORTUNIDAD: AUTOMATIZAR

Inicio: Parámetros proceso

Ajustes: Operario

mod

elos

co

nfor

mad

os

Tem

pera

tura

tiem

po

Ener

gía

Gol

peo

Posi

cion

es

Corte Horno ta

co MARTILLO+ Operario Rebabado

Control

Espesor ta

co c

alie

nte

Pie

za b

ruta

barr

a

Laminado

Pág. 6

3-Objetivo

Voz del CLIENTE •  El estado del arte de la tecnología de forja con martillo permite controlar de forma muy

precisa la energía que en cada golpe es aplicada. Esta capacidad abre posibilidades que eran impensables con las tecnologías antiguas. Una de las principales es la poder obtener un espesor en las piezas mucho más estable, es decir, un proceso más controlado que fabrique piezas con una mejor calidad.

•  Para obtener la estabilidad de espesores es necesario aplicar la energía de deformación necesaria en cada golpe y para cada barra de materia prima forjada. Un defecto de energía producirá sobreespesores de pieza y un exceso producirá desplazamientos en los utillajes, estos desplazamientos generarán paros para efectuar correcciones en el proceso productivo.

•  La pregunta es ¿cuánta energía se debe aplicar en cada golpe? Para responderla se hace necesario modelizar el proceso de forja de tal forma que en tiempo real el autómata del martillo pueda recalcularla y enviar la consigna.

OBJETIVO 1.  Modelizar el Proceso de Forja è Identificar X’s vitales y relación 2.  Establecer procedimiento ajuste automático “on line” mediante

peso

Pág. 7

Hito 1: Modelo Mental del Equipo è Recoger Hipótesis

Hito 2: Caracterizar Variabilidad Producción. Situación partida

èEstimar capacidad de proceso è Chequear relación espesor-peso è Identificar síntomas de Hipótesis è Seleccionar X’s para experimentar

Hito 3: Diseño Plan Experimental (DOE)

è Plan de pruebas para estimar modelo Espesor = F(X’s) Hito 4: DOE Ejecución e interpretación resultados/ comunicación Hito 5: Prueba piloto ajuste Hito 6: Propuesta automatización

4-Plan trabajo

Pág. 8

4.1 Modelo Mental

espesor tacoVariabilidad

Martillo

Horno

Environment

Measurements

Methods

Material Personnel

C onocimiento

A justes

C olocación pieza

martilloEnergía absorbida

Prov eedor

Dureza

Espesor

Longitud taco

Proc. ajsutes desgaste

Proc. de A justes proceso

Proc. paros cortos

Proc. A rranque

medidaF recuencia

equipoV ariabilidad

seleccionadaC ota

Suciedad

Tª ambiente

Tiempo

Temperatura

Temperatura Utillaje

entrada de tacoTemperatura de

Estado prensa

Utillajes

en GolpesParámetros Energías

Diagrama Causa Efecto

"paciente"?observar alpermitenDatos que me¿Dónde hay

¿Qué factores pueden afectar la variabilidad en el espesor?

Pág. 9

Observar al Proceso a corto, medio plazo

–  Registrar estado de X’s principales –  Recoger datos de “espesor” y “peso”

Analizar

–  Síntomas de variación no natural –  Bondad de la relación “peso-espesor”

Plan de recogida de datos:

–  Periodo que cubra en torno el 80% de variación del

proceso (cambio de lotes, turnos,…). –  Intensificación en periodos corto, medio y largo plazo. –  Mínima intervención en el proceso

4.2 Caracterizar variabilidad

Pág. 10

332925211713951

15,2

15,0

14,8Sam

ple

Mea

n

__X=15,0359

UCL=15,2054

LCL=14,8664

332925211713951

0,4

0,2

0,0

Sam

ple

Ran

ge

_R=0,1657

UCL=0,4265

LCL=0

3530252015

15,3

15,0

14,7

Sample

Valu

es

15,4515,3015,1515,0014,8514,7014,55

LSL USL

LSL 14,5USL 15,1

Specifications

15,515,014,5

Within

O v erall

Specs

StDev 0,0978706C p 1,02C pk 0,22

WithinStDev 0,17389Pp 0,58Ppk 0,12C pm *

O v erall

111

11

11

11

1

1

Process Capability Sixpack of Espesor14,5+0,6Xbar Chart

R Chart

Last 25 Subgroups

Capability Histogram

Normal Prob PlotA D: 0,996, P: 0,012

Capability Plot

540

525

510

495

480

3,9612E+103,9612E+103,9611E+103,9611E+10

15,4

15,2

15,0

14,8

14,6

14,4

3,9612E+103,9612E+103,9611E+103,9611E+10

15,6

15,4

15,2

15,0

14,8

14,6

0,3

0,2

0,1

0,0

-0,1

Peso Espesor14,5+0,6

Espesor_Cazuela Desplazamiento72-71

Variación de Peso y Espesor de Piezas (y Desplazamiento) a largo Plazo

Frecuencia: 1 muestra/horaPeriodo 11 Junio 13:30-13 Junio 4:45.

CAPACIDAD A CORTO / NO CAPAZ a LARGO PLAZO (reproceso de conformado frío posterior)

520510500490480470

15,50

15,25

15,10

15,00

14,75

14,50

14,25

Peso_LARGO

Espe

sor1

4,5L

AR

GO

S 0,102955R-Sq 65,9%R-Sq(adj) 65,6%

Regression95% CI95% PI

Fitted Line PlotEspesor14,5LARGO = 7,316 + 0,01553 Peso_LARGO

MALAS MALASBUENAS

Buenas""Casi

Malas""Casi

Bondad Modelo Espesor=F(peso) R2 65%

s= 0,10 (tolerancia ± 0,30) Incertidumbre alta en predicción (similar a var. corto plazo espesor)

El peso lo utilizaré para detectar variabilidad en espesor y rechazar piezas pequeñas (más rápido), NO para dar medida de espesor para el resto.

4.2 Caracterizar variabilidad: capacidad, espesor-peso,…

Pág. 11

15,5015,2515,0014,7514,50

530

520

510

500

490

480

470

15,5015,2515,0014,7514,50

Espesor14,5+0,6

Peso

Espesor_Cazuela717273

Huella

La huella también difieren más en cazuela14,5 que con espesor de CazuelaMás fuerte la relación Peso con espesor

Relación Peso con Espesor

Pág. 12

4.2 Caracterizar variabilidad:…, tendencias, asociación,..

3,9613E+103,9612E+103,9612E+103,9611E+10

1400

1350

1300

1250

1200

15,4

15,3

15,2

15,1

15,0

14,9

14,8

14,7

14,6

X-Data

Var

Val

ue-T

empe

ratu

ra

Espe

sor1

4,5+

0,6

VarValue-Temperatura * Time_msEspesor14,5+0,6 * time ms-piezaslargo

Variable

Temperatura y Espesor14,5 (hay decalaje en medida)

1 hora

3,9613E+103,9612E+103,9612E+103,9611E+103,9611E+103,9610E+103,9610E+103,9609E+10

1500

1400

1300

1200

1100

1000

900

800

700

600

Time_ms

Var

Val

ue

06:00-13:0010 Junio

22:00-24:1510 Junio

12 Junio 06:4011 Junio 12:00 -

08:00-15.3012 Junio

Junio 01.4612 Junio 15:30-13

08:45-13.3013 Junio

Temperatura vs Time_ms

3,961

2E+1

0

3,961

1E+10

3,961

0E+10

3,961

2E+10

3,961

1E+10

3,961

0E+10

550

500

450

400

350

3,961

2E+10

3,961

1E+10

3,961

0E+10

550

500

450

400

350

VarValue-Golpe1*Time_ms

450

VarValue-Golpe 2*Time_ms_2 VarValue-Golpe 3*Time_ms_3

VarValue-Golpe 4*Time_ms_4 VarValue-Golpe5*Time_ms_5

450

11 Junio 12:00 - 13 Junio 06:00Periodo Estable 10 Junio 05:00-12:00 22:00-24:00 Periodo Inestable.

ENERGÍA GOLPES DE MARTILLO

Se ha tocado: Temperatura Horno y las velocidades de Golpe 1, 4 y 5

Difícil establecer asociaciones en presencia de variabilidad cuando se tocan muchas cosas a la vez

Ante paradas, los primeros tacos salen “fríos” (se separan)

Pág. 13

3,961

2E+1

0

3,961

2E+1

0

3,961

2E+1

0

3,961

2E+1

0

3,961

2E+1

0

3,961

1E+1

0

3,961

1E+1

0

3,961

1E+1

0

3,961

1E+1

0

3,961

1E+1

0

550

500

450

400

350

300

15,4

15,3

15,2

15,1

15,0

14,9

14,8

14,7

14,6

14,5

14,4

X-Data

Ener

gía

de G

olpe

o

Espe

sor1

4,5+

0,6

32

4

5

1

Espesor

Energía de Golpeo (por Golpes) y Espesor

paradascomienzos buenos con

estabilidad

problemas, pocas piezascomienzos buenos con paradas

estabilidad

Lo intentamos explicar…

“Cuando la máquina comienza a trabajar el espesor está alto y va bajando con las consignas de Golpe estables hasta llegar a un nivel que coincide con máxima actividad de máquina. Baja la actividad y trabaja con Golpe 1 más bajo, el espesor con la máquina a medio rendimiento sube y para bajarlo se acaba subiendo el Golpe 4 y a continuación el Golpe 5. Además se había subido anteriormente la consigna de Temperatura en Horno”

¿Por qué se toca?

Para compensar efectos de contingencias en proceso (utillaje frío tras paradasèespesor alto, ….)

Porque se interpreta que algo está ocurriendo

Porque se cree que se va a mejorar con la “habilidad personal”

4.2 Caracterizar variabilidad:…,X’s candidatas

X’s candidatas:

X1: Temperatura Horno

X2 : Energía Golpe 4 (velocidad)

X1: Energía Golpe 5 (velocidad)

Pág. 14

•  Nº Ensayos: 10 23 + 2 réplicas (Duración prevista 6 horas) ensayo 1 (puesta pto) se repite al inicio, medio y fin del experimento

•  Nº piezas por ensayos: 6 piezas (1/5 minutos, 30’ total) huella 3

•  Datos: Y’s (Espesor, peso) y variables de proceso (X’s)

•  Personal durante experimentación: –  2 personas con experiencia en Martillo + Supervisor –  Consultor + Técnico Forja (Centro Tecnológico)

4.3 Diseño Plan Experimental (DOE)

B.  Procedimiento  para  experimentar    1. Puesta  a  punto  de  proceso  hasta  llevar  a  condición  1  (el  último  registro  de  la  última  producción).  

Determinar  cuando  el  proceso  está  estable:  al  comienzo  surgen  piezas  de  más  grosor  hasta  que  se  logra  estabilidad.    

2. Tomar  primera  muestra  de  6  piezas    de  la  marca  72  (extraídas  una  cada  5  minutos)  y  datos  de  las  variables  de  interés  (plantilla)  

3. Cambiar  las  consignas  de  proceso.  Contar  nº  de  piezas  que  se  tiran  hasta  comenzar.    Tomar  a  continuación  la  primera  pieza  de  muestra  y  seguir  cada  5  minutos,  hasta  obtener  las  6  piezas  

4. Repetir  pasos  3  hasta  acabar  con  las  10  condiciones  del  proceso.    Durante  todo  el  tiempo  que  dura  el  periodo  de  experimentación  los  únicos  cambios  que  se  realizarán  en  las  consignas  del  proceso  son  las  determinadas  por  el  plan  experimental.  En  caso  de  paro  de  máquina,  el  puesta  a  punto  se  realizará  en  las  consignas  que  toque  en  ese  momento.    C .  Características  de  la  plantilla  de  histórico      1.         Objetivo:  Se  utilizará  una  plantilla  para  registrar  todos  los  datos  de  interés   que  sucedan  en  el  

proceso  durante  el  tiempo  de  experimentación  2.       En  ella,  se  registrarán  en  primer  lugar,  todos  los  cambios  realizados  a  los  parámetros  de  

interés.    3.      También,  se  desea  registrar  cualquier  incidencia  que  ocurra  durante  la  experimentación  4.      Además,  se  prestará  atención  a  la  cantidad  de  piezas  necesarias  para  lograr  la  estabilidad  desde  

que  llega  la  primera  barra,  hasta  la  primera  aceptable.  5.    El  sistema  automático  de  M.  Luque  permite  recolectar  automáticamente  las  energías  de  golpeo  y  

la  temperatura  de  las  barras  a  la  salida  del  horno  durante  toda  la  experimentación.   D.  Características  de  la  plantilla  de  muestras  

Pág. 15

02/10

/200

8 18:3

7

02/10

/200

8 17:4

3

02/10

/200

8 16:3

6

02/10

/200

8 15:0

4

02/10

/200

8 14:2

3

02/10

/200

8 13:4

3

02/10

/200

8 12:4

5

02/10

/200

8 10:1

8

02/10

/200

8 09:4

3

02/10

/200

8 09:0

0

530

520

510

500

490

480

470

460

450

440

TiempoGolpe4

470

510

Time Series Plot of Golpe4

1

2 3

4 1b 5

67

8 1c

02/10

/200

8 19:1

3

02/10

/200

8 18:3

3

02/10

/200

8 17:4

0

02/10

/200

8 16:3

5

02/10

/200

8 15:0

1

02/10

/200

8 14:2

3

02/10

/200

8 13:4

6

02/10

/200

8 12:4

6

02/10

/200

8 10:1

7

02/10

/200

8 09:4

3

02/10

/200

8 09:0

0

530

520

510

500

490

480

470

460

450

Time Series Plot of Golpe5

1 2

3 4

1b 6

5 7

8 1c

02/10

/200

8 19:13

02/10

/200

8 18:29

02/10

/200

8 17:34

02/10

/200

8 16:27

02/10

/200

8 14:55

02/10

/200

8 14:14

02/10

/200

8 13:31

02/10

/200

8 12:31

02/10

/200

8 10:24

02/10

/200

8 09:42

02/10

/200

8 09:00

1330

1320

1310

1300

1290

1280

1270

1260

1250

TimeString

Var

Val

ue

1305

1275

Time Series Plot of Temperatura

1a

2

3

4

1b 5 6

7 8

1c

510

470

510

47013051275

Golpe 5

Golpe 4

Temperatura

0,48883

0,494500,50350

0,50117

0,50317

0,500170,51383

0,50917

Cube Plot (data means) for Peso

Exp: 1a, 1b, 1c

Exp. 2

Exp. 3

Exp. 4 Exp. 5

Exp. 6

Exp. 7

Exp. 8

estabilidad

4.4 DOE: Ejecución, …

No hay evidencia de que no se haya seguido bien el plan….

Pág. 16

4.4 DOE:…, Análisis,…

15,4

15,2

15,0

19:1518:0315:2514:1512:3009:40

15,4

15,2

15,0

14,8

19:1518:0315:2514:1512:3009:40

0,52

0,51

0,50

0,49

0,48

Espesor Caz.

Hora

Espesor

Peso 8

1a1b1c234567

Referencia

Time Series Plot of Espesor Caz.; Espesor; Peso

No se detectan grandes anomalías

ambiar en el proceso?)n última réplica a tener en cuenta en análisis (¿qué ha podidoxtrema (1305ºC, 510, 510) y se observa una pequeña diferenciaLas referencias 1a, 1b y 1c son réplicas de la condición más

e la variabilidad. Claramente el proceso responde a cambios de consigna a pesar

Claramente la Señal supera al Ruido

Estabilidad entre 1a y 1b; algo + alta 1c

30’ presenta variabilidad bien

121086420

98

95

90

85

80

70

60

50

403020100

Absolute Standardized Effect

Perc

ent

A TemperaturaB Golpe 4C Golpe 5

Factor Name

ABC

BC

AB

C

A

Half Normal Plot of the Standardized Effects(response is Espesor, Alpha = 0,05)

SignificativosEfectos

876543210

98

95

90

85

80

70

60

50

403020100

Absolute Standardized Effect

Perc

ent

A TemperaturaB Golpe 4C Golpe 5

Factor Name

ABC

C

A

Half Normal Plot of the Standardized Effects(response is Peso, Alpha = 0,05)

Efectos Significativos

¿Qué factores hacen mover?:

Temperatura

Golpe 5

Pág. 17

510470

15,4

15,3

15,2

15,1

15,0

14,9

14,8

14,7510470

1275

Golpe 5

Espe

sor

1305

470510

Golpe 4

Multi-Vari Chart for Espesor by Golpe 4 - TemperaturaTemperatura

Exp. 1a, 1b, 1c

Exp. 2

Exp. 3

Exp. 4

Exp. 5

Exp. 6

Exp. 7

Exp. 8

4.4 DOE:…, Análisis,…

13051275

15,20

15,15

15,10

15,05

15,00510470

Temperatura

Mea

n

Golpe 5

Main Effects Plot for EspesorFitted Means

Modelos (Unidades codificadas)

Espesor = 15,112 – 0,102 Temp. -0,085 Golpe 5 S = 0,073mm R2= 82,04

Peso = 0,501 – 0,0056 Temp. -0,0052 Golpe 5 S = 0,0051gr R2= 72,82%

Pág. 18

0,520,510,500,490,48

15,4

15,3

15,2

15,1

15,0

14,9

14,8

14,7

14,6

14,5

Peso

Espe

sor

14,5

15,1

8

1a1b1c234567

Referencia

Espesor = 7,218 + 15,74 Pesos=0,041 R-sq= 93,3%

algo menos espesor)1c?(Tienen más peso que 1a y 1b pero¿qué factor ha desplazado a las piezas

Se mantiene la tendencia de aumento en 0,015 por cada gramo de peso

Mejora la predicción tomando siempre la misma huella !!!!!

4.4 DOE:…, Análisis,…

Pág. 19

4.4 DOE: …política de control variabilidad..

Modo de detectar el aumento en peso. Operativa:

• Puesta a punto de máquina. o Producir hasta que se consigue estabilidad o Registrar pesos a partir de ese punto (media hora por ejemplo). o Calcular el peso promedio del periodo estable. MEDIA REFERENCIA o No activar el ajuste en este periodo o

• Activar control/ajuste o Tomar medias móviles de n unidades (a determinar). MEDIA MOVIL o Si |MEDIA MÓVIL- MEDIA |> 2 *0,04/raiz(n) ajustar el proceso o Ajuste

[(MEDIA MÓVIL- MEDIA)*0,015 /( 0,102/15) ] grados [(MEDIA MÓVIL- MEDIA)*0,015 /( 0,085/20) ] Energía de Golpeo 5

• Ejemplo:

Si el cambio en peso es de 10 gramos (MEDIA MÓVIL- MEDIA) = 10 El ajuste sería de 10 * 0,015 / (0,102/15) = 0,15 / 0,068 = 22ºC ó 10 * 0,015 / (0,085/20) = 0,15 / 0,068 = 35 unidades de Golpe 5

1019181716151413121111

15,4

15,3

15,2

15,1

15,0

14,9

14,8

14,7

Sample

Mov

ing

Ave

rage

__X=15,07

UCL=15,2255

LCL=14,9145

Moving Average Chart of Espesor14,5+0,6_2

0,08Ajuste

CONTROL / AJUSTE:

• CONTROL: Moving Average del PESO de huella 3 • AJUSTE: por TEMPERATURA o por Velocidad de Golpe 5 [(MEDIA MÓVIL- Nominal)*0,015 /( 0,102/15) ] grados [(MEDIA MÓVIL- Nominal)*0,015 /( 0,085/20) ] Energía de Golpeo 5

Pág. 20

•  Prueba Piloto: • Resultados Ok. • Menor ajustes de lo habitual

•  Estado actual: –  Línea Nueva con pesado incorporado –  Fase piloto de incorporación del software para unir peso al

control del Martillo y Horno • Control por Golpe 5 antes que Temperatura • No tocar Golpe 4 si no necesario

4.5 Prueba Piloto / Automatización

Pág. 21

5. Conclusiones

•  Cambio Modelo Mental –  Los sobreajustes aumentan la variabilidad –  Golpe 4 poco efizaz

•  Conocimiento de qué afecta y cómo afecta

•  Incorporación de conocimiento a nuevas tecnologías è Aumento Competitividad (+productividad + calidad +imagen cliente)

•  Participación minicompañía: Ayuda a Gestión del cambio

Pág. 22

Equipo de trabajo: •  Alcorta Forging Group:

–  Oskar Andrés, Jesús Mari Beitia, Juan Antonio Beneitez, Ruben de la Peña, Mikel Luque y operarios de proceso

•  Avancex+i –  Lourdes Pozueta –  Becario doctorando TECNUN: Martin Tanco

•  Centro Tecnológico INASMET-Tecnalia –  Félix Peñalba