Calidad 4.0 y las Tecnologías Emergentes para el Control de la Calidad

Varios estudios publicados abordan el tema de calidad 4.0 y las tecnologías emergentes para el control de la calidad. Hoy este tema es una novedad. Sin embargo, ¿Cómo se interpretaba la calidad anteriormente? Hasta los años 1970, calidad significaba para los productores tener conformidad con las especificaciones.

La esencia del control radica en que de “n” artículos producidos, se selecciona una muestra de “n” piezas. Los artículos seleccionados son inspeccionados. Los resultados se comparan con las normas establecidas y del resultado de esta comparación se hace el juicio sobre la calidad de todo un lote.

El departamento de control de calidad era el encargado de realizar esta tarea. De modo que los demás miembros de la organización no se consideraban directamente responsables de la calidad. Esta etapa de inspección está íntimamente ligada al desarrollo de las teorías de la administración. Tienen su fundamento en los aportes realizados por el americano Taylor, padre de la administración científica y el francés Fayol. Sus teorías tienen en común que separan la planeación, el control y el mejoramiento, de la ejecución del trabajo.

Esto explica por qué la primera etapa se caracteriza por la utilización de la inspección como herramienta de control para la detección de errores. Pero que se realizaba por alguien diferente al operario que aceptaba o rechazaba la calidad del producto. El resultado del control de la calidad era siempre el mismo: mayor incremento de los costos de operación por los artículos reprocesados o rechazados y menor capacidad de servicio de la empresa.

Del control al aseguramiento de la calidad

Posteriormente la administración empresarial se vio fuertemente influenciado por el enfoque de la teoría de los sistemas generales, postulada desde 1951 por Ludwig Von Bertalanffy. Se pasa de un proceso de análisis al concepto de síntesis, irrumpe en la sociedad, la teoría general de sistemas que encierra una concepción holística para el estudio del objeto en cuestión. La concepción cambia hacia un nuevo concepto: la calidad y su aseguramiento se desarrollan en un proceso integral. Pasando por cada una de las etapas del ciclo de vida del producto.

Se reconoce que el proceso de manufactura requiere de servicios de soporte de calidad entre las áreas de producción y diseño de producto, ingeniería de proceso, abastecimiento, laboratorio, etcétera. Pero la cultura de la empresa incorpora la idea de hacer las cosas bien a la primera. Se erige el principio de que prevenir los fallos es más barato que curarlos.

Hacia la orientación por procesos y la calidad total

Sin embargo, los cambios que irrumpen constantemente en la vida empresarial, tales como la globalización de la economía y el crecimiento precipitado de la competencia, mueven las concepciones originarias de gestionar la organización hacia la orientación por procesos y la calidad total.

Pero la calidad es una totalidad porque emerge de la interrelación de todos y cada uno de los procesos, involucra y compromete a todas y cada una de las personas de la organización.

Todo el mundo en la organización se convierte en cliente de alguien, se adquiere un carácter dual de ser cliente y proveedor a la vez. En definitiva la gestión total de la calidad establece las pautas. El método para la reducción de los ciclos, costos de procesos y el valor agregado. Para satisfacer el cliente, atributos que maximiza el enfoque de calidad 4.0.

Calidad 4.0

En esta era digital, gestionar la calidad mediante la habilitación de las tecnologías emergentes es una demanda de los clientes digitales que se precisa satisfacer para ser competitivos. Estas tecnologías favorecen que se detecten preventivamente las fallas en los procesos y en los equipos tecnológicos que intervienen en la cadena de valor de las organizaciones empresariales.

Por lo general, el método se sustenta en la recopilación de los datos que aportan diferentes sensores inteligentes a lo largo del ciclo productivo. ¿Para qué? Para que los actores involucrados, a partir de las mediciones instantáneas, puedan tomar decisiones efectivas.

Decisiones en función de evitar defectos, desperdicios, retrocesos, desconexiones e interrupciones costosas que atentan contra la eficiencia y agilidad organizacional e impactan en la satisfacción del cliente y en general en su competitividad. Este enfoque de calidad 4.0 transforma el control de la calidad. ¿Cómo? Mediante la aplicación de esas tecnologías emergentes para hacerlo más fiable y eficiente.

Transformación del control de calidad mediante las tecnologías emergentes aplicadas

Visión artificial: es un campo de la Inteligencia Artificial que, mediante la utilización de las técnicas adecuadas, permite la obtención, procesamiento y análisis de cualquier tipo de información obtenida a través de imágenes digitales.

Se utiliza para realizar inspecciones de objetos sin contacto físico, inspección del 100% de la producción (calidad total) a gran velocidad, inspecciones en procesos donde existe diversidad de piezas con cambios frecuentes de producción. Ejemplos: control de pernos, control de rosca, control de la calidad de soldadura, control de calidad superficial (brillo, textura, decoloraciones, defectos 3D, rugosidad, grietas, poros etc).

Internet de las Cosas: se trata de una red inteligente que permite el intercambio de información y comunicación entre dispositivos inteligentes. Se interpreta también como una plataforma capaz de conectar dispositivos para monitorear aspectos de la vida cotidiana. Ejemplos: control de diferentes variables de los procesos, tales como: uso de drogas en pacientes, monitoreo de los hábitos alimenticios, control de la velocidad del vehículo, otros ejemplos.

El impacto del machine learning

El machine learning (ML) o aprendizaje automático es un método de análisis de datos que automatiza la construcción de modelos analíticos. Es una rama de la inteligencia artificial basada en la idea de que los sistemas pueden aprender de los datos, identificar patrones no triviales en la información y tomar decisiones con una mínima intervención humana.

Los datos son su insumo principal. Por ejemplo un modelo de ML describe cómo se puede predecir el nivel de calidad a partir de ciertos valores de las variables del proceso. Se puede predecir con anticipación, cualquier variación de las variables del proceso. Se envía una alerta para que los operadores corrijan esa variable y asegurar que la calidad se mantenga en los parámetros establecidos.

Las técnicas de ML proporcionan además algoritmos que nos ayudan a comprender y simular el comportamiento de un fenómeno en relación a sus causas. El fenómeno se puede representar como el indicador de calidad que se necesita manipular para mejorar las utilidades de la empresa y las causas se representan como mediciones o parámetros de configuración de las máquinas en las líneas de producción.

El producto que se obtiene es un modelo matemático que relaciona las causas con el fenómeno que nos permite hacer predicciones y recomendaciones sobre las variables analizadas. Sin embargo, cada cierto tiempo hay que vigilar el modelo. Cuando se sospecha que cambia, se realizan pruebas para verificar si el patrón del modelo sigue siendo el mismo.

En resumen, las tecnologías emergentes están ayudando al sector industrial a transformar áreas de suma importancia como el control de la calidad. Se han convertido en una herramienta clave para revolucionar los sistemas de control de calidad de las empresas industriales.

Lea y investigue dentro de este tema con la ayuda de otro de los artículos Calidad 4.0: Satisfacer y anticiparse a las preferencias.