Conclusions clau
- L’RCA consisteix a trobar la causa correcta d’un problema, sense ell, les accions correctives no tenen direcció i és probable que els defectes es tornin a produir.
- La correlació no és causalitat, l’error més comú en RCA és vincular casualment dos factors correlacionats sense validar una veritable relació causa-efecte.
- Sovint falten dades clau o són incompletes, fent que sigui essencial construir una comprensió causal a partir de l’evidència disponible mitjançant tècniques estructurades com l’anàlisi de camins, l’anàlisi per què-per què i el mapatge de processos.
- Múltiples causes arrels poden contribuir a un sol problema, i la causa arrel identificada pot variar depenent de qui investiga, l’operador, el fabricant d’eines o la direcció, cosa que fa que la intenció i l’abast de l’RCA siguin crítics.
- RCA és un procés restringit limitat pel cost, el temps i el risc de decisions equivocades, cosa que requereix un raonament disciplinat i resistència a suposicions o conclusions prematures.
- L’acció correctiva permanent requereix verificació, les troballes s’han de validar mitjançant proves, documentar-les amb nivells de confiança i recolzar-les amb mesures de contenció provisionals abans de tancar la investigació.
Les aparences poden enganyar. Especialment quan un error pot ser el resultat de diversos factors que actuen de manera aïllada o combinada. Precisament per això l’Anàlisi de la Causa Arrel o RCA adopta un enfocament matisat i diligent per arribar al fons de les coses.
L’anàlisi de la causa arrel rarament és una habilitat que s’esmenta en una descripció de lloc de treball. Tanmateix, per ser justos, tots els directius realitzen una RCA de manera rutinària per poder prendre decisions informades. Cada acord necessita una investigació prèvia similar a la RCA. La lectura d’estudis de casos i metodologies per a la RCA només és tan bona com l’orientació teòrica per a l’aplicació real. La RCA es basa principalment en bones observacions, una bona comprensió dels conceptes bàsics de l’estadística i una capacitat inflexible per cenyir-se al que es sap sense fer suposicions ni treure conclusions precipitades.
Els RCA sovint són tediosos, ja que hi ha una llista enorme de possibilitats i múltiples línies d’explicacions aparentment racionals que condueixen al mateix problema. La majoria de les explicacions plausibles no són ratificables o són un punt mort per a l’experimentació a causa d’un enfocament irracional o d’un cost més elevat.
L’RCA sovint s’assembla a un projecte amb restriccions de cost, temps i risc de decisions equivocades. Normalment s’espera que l’RCA corregeixi una causa subjacent, que només es pot descobrir amb el temps. De vegades, els RCA estan vinculats a l’assignació de penalitzacions i poden ser molt difícils de desentranyar, és a dir, correlacionar la causa i l’efecte sense confondre’ls.
En aquest article m’agradaria compartir alguns matisos de l’RCA, un trencagel amb els lectors del bloc. A partir dels comentaris i les respostes a aquest article, podem compartir contingut posterior que aprofundeix en el procés exacte de l’RCA, el procés creatiu, així com l’iteratiu i definit.
Per què l’anàlisi de la causa arrel (RCA) és important en la fabricació
Resoldre un problema requereix trobar-ne la causa correcta. Altrament, els esforços correctius no tenen sentit i són inútils. Orientar els solucionadors de problemes en la direcció correcta és RCA.
Els components clau d’un RCA són:
- Conclusions immediates i mesures de contenció provisionals: avaluació de l’ICA;
- Totes les troballes possibles i reals que contribueixen al fracàs: avaluació i raonament de tots els factors;
- Verificació de la causa arrel;
- Acció correctiva permanent; i
- Notes sobre les proves i validacions realitzades, el nivell de confiança i el percentatge de contribució dels factors a la fallada.
Efficient Innovations ha treballat en nombrosos RCA per als nostres estimats clients en motlles de plàstic, processos de modelat, màquines, automatització d’envasos i màquines de línia d’ompliment.
Errors comuns en RCA: evitar el biaix de correlació casual
La gent tendeix a pensar de certes maneres que poden conduir a desviacions sistemàtiques de la presa de decisions racionals. El més comú i infame de tots els biaixos és el biaix de correlació casual.
Totes les dades estadístiques es poden analitzar per detectar una correlació; si es troba una regressió en aquestes dades, és una tendència humana comuna correlacionar els factors de manera casual. Tot i que la regressió es pot explicar, no necessàriament té una causa. Aquest és el factor principal que he trobat de gran importància per corregir els problemes d’un sistema o per concloure una inferència estadística.
A EIPL, durant l’últim any, hem dut a terme moltes anàlisis RCA i basades en dades, totes culminant en la correcció d’un error comú: la correlació casual dels factors dependents i independents implicats en l’anàlisi; on una regressió correctament identificada es va confondre amb una causa.
Exemple de cas: RCA en línies de modelat per injecció i envasat
Permeteu-me que ho expliqui amb un exemple de la indústria del modelat per injecció. Cada vegada que un component falla a la línia de muntatge o a la línia d’envasament, comprovem si hi ha valors atípics en els resultats de les mesures dels components i en els resultats de les proves funcionals.
A més, es poden produir fuites més elevades a la línia d’envasament juntament amb un augment dels casos de forces de retirada de la tapa inferior al laboratori. Tot i que els dos factors semblen perfectament correlacionats i lògicament compatibles, no es poden correlacionar causalment.
Perquè la regressió sigui de causa i efecte, han d’estar prou separats per ser provats de manera aïllada o no han de violar les proves de falsos negatius.
Reptes clau en la realització d’RCA
Informació que falta i limitacions de dades
Com que és impossible tenir totes les dades i mantenir-les/monitoritzar-les durant molt de temps, les dades clau que es requereixen per a l’RCA sovint falten o són difícils d’obtenir. O impossibles tenint en compte la cronologia dels esdeveniments.
Així doncs, l’habilitat clau es redueix a la capacitat de detectar relacions causals a partir de la informació disponible. En l’RCA tècnica, el punt de vista estadístic sovint no es té en compte o no es coneix.
Hi ha enfocaments disponibles, com ara l’anàlisi de camins, l’estudi d’afinitat jeràrquica i el descompte de valors per a valors atípics, valors de significació que cal tenir en compte abans de determinar la ponderació dels possibles factors que hi contribueixen.
Recopilació d’evidències i processos de cartografia
Recopilació de dades i proves per establir la seqüència d’esdeveniments.
Pluja d’idees i mapatge de valors per a RCA.
Això pot ser exhaustiu, ja que diferents fabricants d’equips originals (OEM) i equips poden haver de fer una pluja d’idees conjuntament per determinar les possibles vies de recopilació d’informació. La clau per aconseguir aquest pas rau en la creació de diagrames detallats de mapes de processos, ja sigui en fulls de càlcul d’Excel o en paper, amb aportacions de les persones que millor coneixen el procés.
Comprensió de múltiples causes arrel i capes de perspectiva
Multiplicitat de causes arrel i capes de punts de vista: aquest és un punt molt interessant quan es tracta de l’anàlisi de les causes arrel.
És força probable que diferents factors contribueixin a la situació o ocurrència del problema que s’investiga. Tanmateix, un altre factor que hi contribueix paral·lelament és la multiplicitat d’aquests factors que succeeixen junts. Sempre succeeixen junts?
Quan diem que hem arribat a la causa arrel, pot ser així des del punt de vista d’aquell departament en particular.
Per exemple, l’anàlisi del per què-per què ha permès comprendre que problemes com les toleràncies de fabricació podrien ser el resultat de toleràncies a l’eina IM o a la inserció del nucli, a més de molts altres factors com ara les toleràncies d’apilament, els mètodes de muntatge, la mà d’obra o les pràctiques de manteniment.
Tant per al client com per al fabricant de motlles, aquestes podrien ser la “causa principal”.
Si aquesta causa arrel es va compartir amb el cap tècnic de l’empresa, aquest podria aprofundir en per què no es van complir les toleràncies de fabricació per a components individuals i descobrir que els elèctrodes utilitzats estaven desgastats, el mètode d’alineació era defectuós, la freqüència de les comprovacions amb l’eina de fresat era insuficient, la selecció de l’eina era incorrecta o una combinació d’alguns d’aquests factors.
Amb el coneixement de la mateixa causa arrel, el director general de l’empresa pot investigar per què el mètode no va ser correcte o per què la selecció de l’eina va ser incorrecta. El director general pot descobrir que no hi havia prou pressupost per mantenir les freses, que el personal estava sobrecarregat de feina, que l’eina es va comprar al comprador més barat, etc.
Per tant, qui demana la RCA i amb quina intenció esdevé molt important.
Metodologies RCA: de l’anàlisi per què-per què als enfocaments estadístics
La lectura d’estudis de casos i metodologies per a l’RCA només és tan bona com l’orientació teòrica per a l’aplicació real.
L’RCA es basa principalment en bones observacions, una bona comprensió dels conceptes bàsics de l’estadística i una capacitat inflexible de cenyir-se al que es sap sense fer suposicions ni treure conclusions precipitades.
Enfocaments com l’anàlisi del per què-per què, l’anàlisi de camins, l’estudi d’afinitat jeràrquica i les tècniques d’avaluació estadística ajuden a determinar el pes dels factors que hi contribueixen i a evitar la interpretació errònia de la regressió com a causalitat.
Millors pràctiques per dur a terme RCA de manera eficaç
L’RCA s’assembla a un projecte amb restriccions de cost, temps i risc de decisions equivocades.
Els RCA sovint són tediosos, ja que hi ha una llista enorme de possibilitats i múltiples línies d’explicacions aparentment racionals que condueixen al mateix problema. La majoria de les explicacions plausibles són o bé no ratificables o bé un atzucac per a l’experimentació a causa d’un enfocament irracional o d’un cost més elevat.
Normalment s’espera que l’RCA corregeixi una causa subjacent, que només es pot descobrir amb el temps. També pot implicar aspectes delicats com l’assignació de penalitzacions, cosa que fa que sigui crucial correlacionar acuradament causa i efecte sense confusió.
Conclusió: RCA com a eina per a accions correctives i millora contínua
Resoldre un problema requereix trobar-ne la causa correcta. Altrament, els esforços correctius no tenen sentit i són inútils. Orientar els solucionadors de problemes en la direcció correcta és RCA.
En el proper article explorarem el costat creatiu de les investigacions forenses en la indústria de la missatgeria instantània. Fins aleshores, esperem les vostres opinions i comentaris.
Us convidem a contactar amb nosaltres per obtenir més informació sobre com el nostre equip us pot ajudar a dur a terme una anàlisi exhaustiva de la causa arrel dels vostres problemes. Les vostres consultes són importants per a nosaltres i ens comprometem a proporcionar-vos l’orientació necessària per ajudar-vos a superar aquests reptes de manera eficaç.
Preguntes freqüents
- Què és l’anàlisi de la causa arrel (RCA) en el modelat per injecció?L’anàlisi de la causa arrel (RCA) en el modelat per injecció és un procés d’investigació estructurat que s’utilitza per identificar la causa fonamental dels defectes o fallades. En lloc d’abordar els símptomes superficials, l’RCA se centra en descobrir els factors subjacents que contribueixen a problemes de qualitat, rendiment o procés.
- Per què és important dur a terme una investigació i una anàlisi diagnòstica per resoldre problemes de motllura?
Una investigació exhaustiva garanteix que les accions correctives es dirigeixin a la causa real del problema, no només als seus símptomes. Sense un diagnòstic adequat, els esforços poden dirigir-se malament, cosa que pot provocar defectes recurrents, malbaratament de recursos i un augment del temps d’inactivitat de la producció. - Quins són els passos clau implicats en un procés d’investigació de la causa arrel en la fabricació?
Els passos clau inclouen la identificació de troballes immediates, la implementació d’accions de contenció provisionals, l’avaluació de tots els possibles factors contribuents, la verificació de la causa arrel mitjançant proves, la definició d’accions correctives permanents i la documentació dels resultats de validació i els nivells de confiança. - Com es distingeix entre la correlació i la causa real quan es diagnostiquen defectes?
La correlació indica que dos factors es mouen junts, però no confirma la causalitat. Per establir una causa real, les variables s’han d’aïllar i provar de manera independent, garantint que la relació es mantingui sense violar els criteris de validació estadística o lògica. - Quins errors comuns es produeixen durant l’RCA en el diagnòstic del modelat per injecció?
Un error freqüent és assumir que la correlació és igual a causalitat. Altres errors inclouen fer suposicions sense dades suficients, ignorar l’avaluació estadística, passar per alt els factors que hi contribueixen o concloure prematurament la investigació sense una verificació adequada. - Com afavoreixen la recopilació de dades i el mapatge de processos uns diagnòstics eficaços?
La recopilació precisa de dades i el mapatge detallat dels processos ajuden a reconstruir la seqüència d’esdeveniments que han portat al fracàs. La pluja d’idees col·laborativa i la documentació sistemàtica permeten als equips identificar possibles vies i avaluar els factors que hi contribueixen objectivament. - Quins reptes es troben normalment a l’hora de diagnosticar fallades en els processos de modelat?
Entre els reptes habituals hi ha dades que falten o que són incompletes, dificultat per establir cronologies, múltiples variables que interactuen i restriccions de cost o temps. Aquests factors fan que aïllar la veritable causa arrel sigui complex i requereixin enfocaments analítics disciplinats. - Poden diverses causes arrel contribuir a un únic problema de modelat per injecció?
Sí, diversos factors poden actuar simultàniament o seqüencialment per crear un defecte. Les causes fonamentals poden variar segons la perspectiva (operador, fabricant d’eines, enginyer de qualitat o direcció), cosa que destaca la importància de definir clarament l’abast de la investigació. - Com pot una investigació diagnòstica eficaç millorar la qualitat de la producció i reduir la recurrència dels problemes?
En identificar i abordar la veritable causa subjacent, l’RCA permet accions correctives específiques. Això redueix la recurrència de defectes, millora l’estabilitat del procés, augmenta la qualitat del producte i afavoreix la millora contínua de les operacions de fabricació.
