Que é a análise da causa raíz? Unha guía para a mellora da fabricación e dos procesos

As aparencias poden enganar. Especialmente cando un fallo pode ser o resultado de varios factores que actúan de forma illada ou combinada. Precisamente por iso a Análise de Causa Raíz ou RCA adopta unha abordaxe matizada e dilixente para chegar ao fondo das cousas.

A análise da causa raíz raramente se menciona nunha descrición do posto de traballo. Non obstante, para ser xustos, todos os directivos realizan unha análise da causa raíz de forma rutineira para poder tomar decisións informadas. Cada acordo require unha investigación previa semellante á análise da causa raíz. A lectura de estudos de casos e metodoloxías para a análise da causa raíz só serve como guía teórica para a súa aplicación real. A análise da causa raíz baséase en boas observacións, unha boa comprensión dos conceptos básicos da estatística e unha capacidade inquebrantable para apegarse ao que se sabe sen facer suposicións nin sacar conclusións precipitadas.

As análises de risco aleatorio adoitan ser tediosas, xa que hai unha enorme lista de posibilidades e múltiples liñas de explicacións aparentemente racionais que levan ao mesmo problema. A maioría das explicacións plausibles non son ratificables ou levan a experimentación sen saída debido a unha abordaxe pouco razoable ou a un custo máis elevado.

A RCA adoita ser semellante a un proxecto con restricións de custo, tempo e risco de decisións incorrectas. Normalmente espérase que a RCA corrixa unha causa subxacente, que só se pode descubrir co tempo. Ás veces, as RCA están ligadas á asignación de penalizacións e poden ser moi difíciles de desentrañar, é dicir, correlacionar a causa e o efecto sen confundir un co outro.

Neste artigo, gustaríame compartir algúns matices da RCA, un xeito de romper o xeo cos lectores do blog. Baseándonos nos comentarios e respostas a este artigo, podemos compartir contido posterior que afonda no proceso exacto da RCA, o proceso creativo, así como o iterativo e definido.

Por que é importante a análise de causa raíz (RCA) na fabricación

Resolver un problema require atopar a súa causa correcta. Se non, os esforzos correctivos carecen de dirección e son inútiles. Orientar aos solucionadores de problemas na dirección correcta é RCA.

Os compoñentes clave dun RCA son:

• Conclusións inmediatas e medidas provisionais de contención: avaliación da ICA;
  
• Todos os achados posibles e reais que contribúen ao fracaso: avaliación e razoamento de todos os factores;
  
• Verificación da causa raíz;
  
• Acción correctiva permanente; e
  
• Notas sobre as probas e validacións realizadas, o nivel de confianza e a porcentaxe de contribución dos factores ao fallo.

Efficient Innovations traballou en numerosos proxectos RCA para os nosos estimados clientes en moldes de plástico, procesos de moldeo, máquinas, automatización de envases e máquinas de liñas de recheo.

Erros comúns en RCA: evitar o sesgo de correlación casual

A xente tende a pensar de certos xeitos que poden levar a desviacións sistemáticas da toma de xuízos racionais. O máis común e infame de todos os sesgos é o sesgo de correlación casual.

Calquera dato estatístico pode ser analizado para detectar unha correlación; se se atopa unha regresión nese dato, é unha tendencia humana común correlacionar os factores de xeito casual. Aínda que a regresión pode explicarse, non ten necesariamente unha causa. Este é o factor principal que considero de gran importancia para corrixir os problemas dun sistema ou para chegar a unha conclusión estatística.

En EIPL, durante o último ano, realizamos moitas análises RCA e baseadas en datos, que culminaron na corrección dun erro común: a correlación casual dos factores dependentes e independentes implicados na análise; onde unha regresión correctamente identificada se confundía cunha causa.

Exemplo de caso: RCA en liñas de moldeo por inxección e envasado

Déixame explicar cun exemplo da industria do moldeo por inxección. Cada vez que un compoñente falla na liña de montaxe ou na liña de envasado, comprobamos se hai valores atípicos nos resultados das medicións dos compoñentes e nos resultados das probas funcionais.

Por certo, poden producirse maiores fugas na liña de envasado xunto con maiores casos de forzas de retirada da tapa inferior no laboratorio. Aínda que os dous factores parecen estar perfectamente correlacionados e loxicamente compatibles, non poden estar correlacionados causalmente.

Para que a regresión sexa de causa e efecto, deben estar o suficientemente separados como para ser probados illadamente ou non deben violar as probas de falsos negativos.

Principais desafíos na realización de RCA

• Información faltante e limitacións de datos

Dado que é imposible ter todos os datos e mantelos/monitoralos durante moito tempo, os datos clave que se requiren para a RCA poden faltar ou ser difíciles de obter. Ou imposibles tendo en conta a cronoloxía dos eventos.

Polo tanto, a habilidade clave resúmese na capacidade de detectar relacións causais baseándose na información dispoñible. Na RCA técnica, o punto de vista estatístico a miúdo non se ten en conta ou non se coñece.

Existen enfoques dispoñibles, como a análise de rutas, o estudo de afinidade xerárquica e o desconto de valores para valores atípicos, valores de significancia que deben considerarse antes de determinar a ponderación dos posibles factores contribuíntes.

• Recompilación de probas e procesos de mapeo

Recompilación de datos e probas para establecer a secuencia de eventos.

Chuvia de ideas e mapeo de valores para RCA.

Isto pode ser exhaustivo, xa que diferentes fabricantes de equipos orixinais (OEM) e equipos poden ter que intercambiar ideas para determinar as posibles vías de recollida de información. A clave para conseguir este paso reside en elaborar diagramas detallados de mapeo de procesos, xa sexa en follas de cálculo de Excel ou en papel, con achegas das persoas que mellor coñecen o proceso.

Comprender as múltiples causas raíz e as capas de perspectiva

Multiplicidade de causas raíz e capas de puntos de vista: este é un punto moi interesante no que respecta á análise das causas raíz.

É bastante probable que diferentes factores contribúan á situación ou ocorrencia do problema que se investiga. Non obstante, outro factor que contribúe paralelamente é a multiplicidade deses factores que ocorren xuntos. Ocorren sempre xuntos?

Ao dicir que chegamos á causa raíz, pode ser así desde o punto de vista dese departamento en particular.

Por exemplo, a análise do porqué levou á comprensión de que problemas como as tolerancias de fabricación poderían ser o resultado das tolerancias na ferramenta IM ou no inserto do núcleo, ademais de moitos outros factores, como as tolerancias de apilamento, os métodos de montaxe, a man de obra ou as prácticas de mantemento.

Tanto para o cliente como para o fabricante de moldes, estas poderían ser a “causa raíz”.

Se esta causa raíz se compartiu co xefe técnico da empresa, este podería afondar en por que non se cumpriron as tolerancias de fabricación para os compoñentes individuais e descubrir que os eléctrodos utilizados estaban desgastados, que o método de aliñamento era defectuoso, que a frecuencia das comprobacións coa ferramenta de fresado era insuficiente, que a selección da ferramenta era incorrecta ou unha combinación dalgúns destes factores.

Coñecendo a mesma causa raíz, o director xeral da empresa pode investigar por que o método non foi o correcto ou por que a selección da ferramenta foi incorrecta. O director xeral pode descubrir que non había orzamento suficiente para manter as fresas, que o persoal estaba sobrecargado de traballo, que a ferramenta foi comprada ao postor máis barato, etc.

Polo tanto, quen solicita a RCA e con que intención se torna moi importante.

Metodoloxías RCA: da análise por que-por que ás abordaxes estatísticas

A ler estudos de caso e metodoloxías para a RCA só é tan boa como a orientación teórica para a aplicación real.

A RCA baséase en gran medida en boas observacións, unha boa comprensión dos conceptos básicos da estatística e unha capacidade inflexible para apegarse ao que se sabe sen facer suposicións nin sacar conclusións precipitadas.

Enfoques como a análise de porqué-porqué, a análise de rutas, o estudo de afinidade xerárquica e as técnicas de avaliación estatística axudan a determinar a ponderación dos factores contribúentes e a evitar a interpretación errónea da regresión como causalidade.

Boas prácticas para realizar RCA de forma eficaz

O RCA parécese a un proxecto con restricións de custo, tempo e risco de decisións erróneas.

As análises de risco aleatorio adoitan ser tediosas, xa que hai unha enorme lista de posibilidades e múltiples liñas de explicacións aparentemente racionais que levan ao mesmo problema. A maioría das explicacións plausibles son non ratificables ou un camiño sen saída para a experimentación debido a unha abordaxe pouco razoable ou a un custo máis elevado.

Normalmente espérase que a RCA corrixa unha causa subxacente, que só se pode descubrir co tempo. Tamén pode implicar aspectos delicados como a asignación de penalizacións, polo que é crucial correlacionar coidadosamente causa e efecto sen confusión.

Conclusión: RCA como ferramenta para accións correctivas e mellora continua

Resolver un problema require atopar a súa causa correcta. Se non, os esforzos correctivos carecen de dirección e son inútiles. Orientar aos solucionadores de problemas na dirección correcta é RCA.

No seguinte artigo exploraremos o lado creativo das investigacións forenses na industria da mensaxería instantánea. Ata entón, agardamos as vosas opinións e comentarios.

Invitámoste a contactar connosco para obter máis información sobre como o noso equipo pode axudarche a realizar unha análise exhaustiva das causas raíz dos teus problemas actuais. As túas consultas son importantes para nós e comprometémonos a proporcionarche a orientación necesaria para axudarche a superar estes desafíos de forma eficaz.

Preguntas frecuentes

1. Que é a análise da causa raíz (RCA) no moldeo por inxección?A análise da causa raíz (RCA) no moldeo por inxección é un proceso de investigación estruturado que se emprega para identificar a causa fundamental dos defectos ou fallos. En lugar de abordar os síntomas superficiais, a RCA céntrase en descubrir os factores subxacentes que contribúen aos problemas de calidade, rendemento ou proceso.
2. Por que é importante realizar unha investigación e unha análise diagnóstica para resolver problemas de moldeo?
   Unha investigación exhaustiva garante que as accións correctivas se dirixan á causa real do problema, non só aos seus síntomas. Sen un diagnóstico axeitado, os esforzos poden dirixirse mal, o que leva a defectos recorrentes, malgasto de recursos e un aumento do tempo de inactividade da produción.
3. Cales son os pasos clave implicados nun proceso de investigación da causa raíz na fabricación?
   Os pasos clave inclúen a identificación dos achados inmediatos, a implementación de medidas provisionais de contención, a avaliación de todos os posibles factores contribuíntes, a verificación da causa raíz mediante probas, a definición de accións correctivas permanentes e a documentación dos resultados da validación e os niveis de confianza.
4. Como se distingue entre a correlación e a causa real ao diagnosticar defectos?
   A correlación indica que dous factores se moven xuntos, pero non confirma a causalidade. Para establecer unha causa real, as variables deben illarse e probarse de forma independente, garantindo que a relación se manteña sen violar os criterios de validación estatística ou lóxica.
5. Que erros comúns se producen durante o RCA no diagnóstico de moldeo por inxección?
   Un erro frecuente é asumir que a correlación é igual á causalidade. Outros erros inclúen facer suposicións sen datos suficientes, ignorar a avaliación estatística, pasar por alto os factores que contribúen ou concluír prematuramente a investigación sen a verificación axeitada.
6. Como apoian a recompilación de datos e o mapeo de procesos uns diagnósticos eficaces?
   A recollida precisa de datos e o mapeo detallado dos procesos axudan a reconstruír a secuencia de eventos que levaron ao fracaso. A chuvia de ideas colaborativa e a documentación sistemática permiten aos equipos identificar posibles vías e avaliar os factores contribuíntes de forma obxectiva.
7. Que desafíos se atopan normalmente ao diagnosticar fallos nos procesos de moldeo?
   Entre os desafíos habituais inclúense datos ausentes ou incompletos, dificultades para establecer cronogramas, múltiples variables que interactúan e restricións de custo ou tempo. Estes factores fan que illar a verdadeira causa raíz sexa complexo e requiren enfoques analíticos disciplinados.
8. Poden varias causas raíz contribuír a un único problema de moldeo por inxección?
   Si, varios factores poden actuar simultaneamente ou secuencialmente para crear un defecto. As causas principais poden variar dependendo da perspectiva (operador, fabricante de ferramentas, enxeñeiro de calidade ou xerencia), o que destaca a importancia de definir claramente o alcance da investigación.
9. Como pode unha investigación diagnóstica eficaz mellorar a calidade da produción e reducir a recorrencia de problemas?
   Ao identificar e abordar a verdadeira causa subxacente, o RCA permite accións correctivas específicas. Isto reduce a recorrencia de defectos, mellora a estabilidade do proceso, aumenta a calidade do produto e apoia a mellora continua nas operacións de fabricación.