Cuando me paro y pienso en racionalizar esta demon\u00edaca situaci\u00f3n me doy cuenta de varias cosas:<\/p>\n
- \n
- Corro todos los d\u00edas.<\/li>\n
- El registro est\u00e1 en mi senda.<\/li>\n
- Est\u00e1 enfrente de la puerta de entrada, y la llave la llevo en la mano. Como he acabado, ya estoy relajado y pensando en otra cosa, estoy en \u201cmis dominios\u201d, y tiendo a aflojar la palma.<\/li>\n
- Aunque la alcantarilla tiene una superficie peque\u00f1a y s\u00f3lo con un 50% de huecos (estr\u00edas), es significativa respecto al ancho del camino.<\/li>\n
- Como al caer, la llave rebota una distancia bastante precisa, y gira y tiende a ponerse vertical, puede entrar y se cae por las rendijas de la alcantarilla.<\/li>\n
- Etc\u2026<\/li>\n<\/ul>\n
Las tres veces es un ejemplo de ocurrencia reiterada de algo sumamente improbable. Pero \u00bfImprobable? \u2026 No tanto:<\/p>\n
- \n
- Se dan condiciones f\u00edsicas objetivas permanentes (mi ruta, la superficie, me relajo, el rebote, \u2026)<\/li>\n
- Hay repetici\u00f3n constante<\/li>\n
- Los factores anteriores no son tan independientes como pueden parecer; por ejemplo, si me aparto de la senda, me relajo, aflojo la mano, y es m\u00e1s f\u00e1cil que caiga. Y como la llave rebota en el suelo, acaba con bastante probabilidad en la alcantarilla.<\/li>\n<\/ul>\n
Esto me recuerda alguna frase genial sobre la incertidumbre y la aparici\u00f3n de lo improbable: \u201cun d\u00eda inusual es aquel en el que no hay nada inusual<\/em>\u201d (Persi Diaconis).<\/p>\n
O, \u201cpredecir es muy dif\u00edcil, especialmente el futuro<\/em>\u201d (N. Bohr).<\/p>\n
Lo que me lleva a pensar que tenemos que ir hacia 6-7 y m\u00e1s Sigma en la calidad de producci\u00f3n \u201ca la primera\u201d, por las razones que tanto he reiterado en otros art\u00edculos (ver en www.sisteplant.com:\u00a0 \u201c<\/em>Capacidad de fabricaci\u00f3n con 6Sigma en la f\u00e1brica del futuro\u201d<\/em> y \u201cMisi\u00f3n del mantenimiento avanzado en las operaciones de fractura hidr\u00e1ulica (\u201cfracking\u201d),<\/em>) y tambi\u00e9n recomiendo el libro de D.J. Hand de Scientific American titulado: \u201cThe principle of improbabilty\u201d.<\/p>\n
Tenemos un problema, pero que es gestionable hasta un cierto l\u00edmite. \u00bfC\u00f3mo lo vamos a hacer entonces?<\/p>\n
2. Las causas de todo<\/u><\/strong><\/p>\n
Lo primero es conocer al travieso demonio de la variaci\u00f3n; qu\u00e9 le gusta, de qu\u00e9 se alimenta y c\u00f3mo act\u00faa.<\/p>\n
B\u00e1sicamente, podemos suponer tres grupos de leyes que lo acogen:<\/p>\n
- \n
- Leyes de la naturaleza (algunas muy sutiles y contraintuitivas)<\/li>\n
- Leyes de la estad\u00edstica (algunas tambi\u00e9n muy sutiles y poco o nada intuitivas)<\/li>\n
- Leyes subjetivas, psicol\u00f3gicas, o no tanto.<\/li>\n<\/ul>\n
Lo que consideramos \u201cimprobable\u201d depende de la escala a la que me muevo:<\/p>\n
- \n
- Para una persona, algo improbable es del orden de 10-6<\/sup>.<\/li>\n
- En la tierra, es del orden de 10-15<\/sup><\/li>\n
- En el universo es de 10-50<\/sup><\/li>\n<\/ul>\n
L\u00f3gico, porque juega el tama\u00f1o del sistema y la cantidad consiguiente de sucesos que en \u00e9l ocurren. Y que son Megan\u00fameros excepcionales, por la explosi\u00f3n combinatoria.<\/p>\n
Veamos una a una estas leyes.<\/p>\n
a) Leyes de la naturaleza que afectan a la frecuencia de la improbabilidad<\/u><\/p>\n
Aunque parezca extra\u00f1o, el principio de incertidumbre de Heisenberg, y la mec\u00e1nica cu\u00e1ntica en general, generan caos, y \u201cafectan con min\u00fasculos y continuos cambios\u201d, cuya combinatoria, unida a la afinidad at\u00f3mica -por remota que \u00e9sta sea-, acaban dando una tendencia a que m\u00faltiples fen\u00f3menos improbables sucedan.<\/p>\n
Pensemos, por ejemplo, en los microfallos y microparadas en el funcionamiento de las m\u00e1quinas; lo que nos queda y es tan dif\u00edcil de eliminar una vez que hemos resuelto los problemas asignables. La dispersi\u00f3n remanente inevitable de cualquier proceso industrial; NO se pueden conseguir \u201c\u00a5 sigmas\u201d<\/p>\n
![\"1\"](\"https:\/\/www.sisteplant.com\/wp-content\/uploads\/2016\/03\/1.png\")
<\/p>\nEstos peque\u00f1os y continuos cambios acaban precipitando un fallo mayor, porque su combinatoria imperceptible para nosotros, hace al final mucho m\u00e1s probable de lo que intuimos que puedan sumarse.<\/p>\n
Esto nos dice que el presente condiciona el futuro, pero que el \u201cpresente aproximado\u201d no determina lo que ser\u00e1 un \u201cfuturo aproximado\u201d. Algo inquietante.
![\"2\"](\"https:\/\/www.sisteplant.com\/wp-content\/uploads\/2016\/03\/2.png\")
<\/p>\nOtra causa f\u00edsica, aunque algo m\u00e1s accesible para su tratamiento, son las imperfecciones mec\u00e1nicas, frecuentemente microsc\u00f3picas.<\/p>\n
Como si, por ejemplo, una moneda no tuviera una planitud exacta, y entonces los momentos cin\u00e9ticos hacen que caiga con sesgo, dando a largo plazo m\u00e1s, digamos, caras que cruces.<\/p>\n
b) Leyes probabil\u00edsticas, no tan obvias<\/u><\/p>\n
Los modelos de probabilidad<\/u> son, como tales, imperfectos. Para empezar, la probabilidad es un l\u00edmite del cociente casos favorables\/casos posibles cuando el n\u00famero de experimentos tiende a infinito.<\/p>\n
Pero el infinito no es materializable por nosotros, y es contraintuitivo. Y aunque no fuera as\u00ed, las causas f\u00edsicas que acabamos de ver, acaban alterando las leyes de los modelos estad\u00edsticos que aplicamos. Sin que lo notemos, muy poco a poco. \u201cnunca te ba\u00f1ar\u00e1s dos veces en el mismo r\u00edo<\/em>\u201d, dijo Her\u00e1clito.<\/p>\n
En la industria, por razones de econom\u00eda, suponemos equivocadamente, en el control de calidad (a desterrar como propugnamos en el anteriormente citado art\u00edculo de 6 sigma (\u201cCapacidad de fabricaci\u00f3n con 6Sigma en la f\u00e1brica del futuro\u201d), que \u201cnuestras \u00f3ptimas\u201d son suficientes. La realidad es que, para empezar, no cumplen la ley de los grandes n\u00fameros, y para continuar, se ven afectadas por los factores vistos anteriormente. Entonces,\u00a0 las sorpresas llegan con frecuencia, y con suerte llego a un 3Sigma sostenido como resultado en el cliente, pero con un 2Sigma en la capacidad de producci\u00f3n interna \u201cbuena a la primera\u201d.<\/p>\n
Por eso, la \u00fanica forma sana de actuar\u00a0 es buscar la repetibilidad y alta capacidad de procesos en ellos mismos, que son la fuente, y hacerlo de una forma mucho m\u00e1s cient\u00edfica.<\/p>\n
Otro factor estad\u00edstico es la \u201cpalanca de probabilidad<\/u>\u201d, que significa que una ligera variaci\u00f3n en las tolerancias admisibles de los procesos, o en el modelo matem\u00e1tico real de la distribuci\u00f3n de frecuencias, implican sustanciales cambios en la probabilidad. En el primer caso, por la no linealidad de la curva m\u00e1s utilizada, la curva de Gauss, y en el segundo porque hay distribuciones estad\u00edsticas muy similares (como la exponencial pura o la de Cauchy) que dan resultados muy diferentes para la probabilidad de cada suceso (por ejemplo, el valor de una propiedad f\u00edsica, como medida, peso, dureza, etc.). Se puede apreciar esto en la siguiente figura.<\/p>\n
![\"3\"](\"https:\/\/www.sisteplant.com\/wp-content\/uploads\/2016\/03\/3.png\")
<\/p>\nPero, adem\u00e1s, frecuentemente las distribuciones no son totalmente sim\u00e9tricas, porque la realidad no es 100% aleatoria en los peque\u00f1os incrementos de valores alrededor de la media. Hay sesgos porque, por ejemplo, pueda ser m\u00e1s f\u00e1cil que algo se desv\u00ede a menos que a m\u00e1s debido a condiciones f\u00edsicas del proceso. Esto a\u00fan apalanca m\u00e1s, y lo improbable, se hace probable.<\/p>\n
![\"4\"](\"https:\/\/www.sisteplant.com\/wp-content\/uploads\/2016\/03\/4.png\")
<\/p>\nDiferencia de probabilidad unitaria no simult\u00e1nea<\/p>\n
Como resultado del apalancamiento, aparecen las siguientes probabilidades para distintos eventos:<\/p>\n
![\"5\"](\"https:\/\/www.sisteplant.com\/wp-content\/uploads\/2016\/03\/5.jpg\")
<\/p>\nLo que supone una diferencia abismal. Por eso, una modelizaci\u00f3n deficiente de la distribuci\u00f3n, desvi\u00e1ndose de la est\u00e1ndar de Gauss, origina que aparezca lo que pensamos es \u201cextremadamente improbable\u201d.<\/p>\n
La consecuencia de todo esto es que merece la pena un esfuerzo continuado en refinar esos modelos estad\u00edsticos. Y adaptarlos a mi caso<\/u>: yo tengo mis procesos y mi casu\u00edstica, que no son un est\u00e1ndar de la industria, sino los m\u00edos, que utilizo unas m\u00e1quinas, materiales, personas y pr\u00e1cticas de ingenier\u00eda y de producci\u00f3n que son propias y diferentes.<\/p>\n
Por \u00faltimo est\u00e1 el factor de c\u00f3mo medir las variables. Pongamos, por ejemplo, el conocido MTBF (tiempo medio entre fallos), que utilizamos mucho en fiabilidad de equipos y mantenimiento avanzado por RCM.<\/p>\n
Si superamos una cadena de fallos en el tiempo, y cojo una ventana de 1 mes<\/u> para medirlos.<\/p>\n
![\"6\"](\"https:\/\/www.sisteplant.com\/wp-content\/uploads\/2016\/03\/6.png\")
<\/p>\nBas\u00e1ndonos en la figura, si cojo, por ejemplo, una ventana de 1 mes, veo, y me alarmo, por 3 fallos concentrados \u201cque jam\u00e1s se dan\u201d. Pero si yo hago \u201crodar\u201d de forma continua esa ventana, veo que no es tan infrecuente (posici\u00f3n A).<\/p>\n
Los \u201cper\u00edodos fijos\u201d son peligrosos porque alteran los an\u00e1lisis y hacen que se dise\u00f1en modelos probabil\u00edsticos imperfectos que originan el apalancamiento de error que hemos visto antes.<\/p>\n
Recomiendo, por todo, utilizar con cuidado las pruebas de hip\u00f3tesis y normalidad de las distribuciones con la (Ji)2<\/sup> u otras herramientas, y apoyarse en el teorema de Bayes para comprobarlas.<\/p>\n
![\"7\"](\"https:\/\/www.sisteplant.com\/wp-content\/uploads\/2016\/03\/7.png\")
<\/p>\nc) Finamente, veamos las Leyes subjetivas.<\/u><\/p>\n
Tienen dos aspectos:<\/p>\n
- \n
- En el primero, la mente altera la interpretaci\u00f3n de resultados porque, al parecerle improbables en extremo, piensa, por ejemplo, que simplemente ha habido errores en la medida.<\/li>\n<\/ul>\n
Solo para evitar esto, y que se lleven a cabo acciones err\u00f3neas sobre los procesos, tiene sentido lo que en este art\u00edculo propugno.<\/p>\n
- \n
- En el segundo, pienso en que es probable que ocurra algo, por remoto que sea y, sin darme cuenta, aplico peque\u00f1as acciones inconscientes d\u00eda a d\u00eda que acaban precipit\u00e1ndolo.<\/li>\n<\/ul>\n
Ning\u00fan problema hay s\u00ed \u201clo que pienso es positivo\u201d, pero todos si es \u201cnegativo\u201d, y precipito el fallo catastr\u00f3fico. En este caso, la soluci\u00f3n es tambi\u00e9n modelizar con precisi\u00f3n.<\/p>\n
3. Ayuda por software inteligente<\/u><\/strong><\/p>\n
Hemos introducido c\u00f3mo la modelizaci\u00f3n precisa de los fen\u00f3menos es importante si quiero llegar a tener una robustez extrema en las propiedades y fiabilidad a largo plazo de productos y procesos.<\/p>\n
La modelizaci\u00f3n precisa no es tarea f\u00e1cil, y requiere tanto un buen nivel de ingenier\u00eda, como ayudas de software inteligente y amigable.<\/p>\n
Para ello, en Sisteplant hemos desarrollado y lanzado Promind, que contiene modelos de an\u00e1lisis estad\u00edsticodin\u00e1mico y profundo, simulaci\u00f3n, pruebas inteligentes de hip\u00f3tesis y, especialmente, modelizaci\u00f3n precisa de los fen\u00f3menos f\u00edsicos que est\u00e1n detr\u00e1s del fallo y sus probabilidades. La FIG. 4 muestra su concepto gen\u00e9rico.<\/p>\n
![\"8\"](\"https:\/\/www.sisteplant.com\/wp-content\/uploads\/2016\/03\/8.png\")
<\/p>\n4. Conclusi\u00f3n <\/u><\/strong><\/p>\n
La profundizaci\u00f3n en lograr capacidades de proceso \u201ca la primera\u201d, m\u00e1s all\u00e1 del 6Sigma, es necesaria para competir en el futuro, fabricando tolerancias muy estrechas con repetibilidad, y ofertando productos fiables a largo plazo y con calidad 100%. Pero esto requiere planteamientos cient\u00edficos y modelizaci\u00f3n precisa de los fen\u00f3menos detr\u00e1s de la variaci\u00f3n y de los fallos. Lo contrario arrastra al fatal empirismo del \u201cprueba-error\u201d, y de ah\u00ed a la \u201cmagia-brujer\u00eda\u201d hay solo un paso. El empirismo es necesario, claro, pero sin el esfuerzo paralelo de modelizaci\u00f3n es una ruina para progresar tecnol\u00f3gicamente.<\/p>\n
Hemos visto en este art\u00edculo los factores que determinan las imprecisiones que nos impiden recorrer el camino, y c\u00f3mo eliminarlos para poder utilizar con \u00e9xito una ayuda de software inteligente, al final necesaria absolutamente para afinar a esos extremos.<\/p>\n
\nAutor:<\/strong><\/p>\n
Javier Borda Elejabarrieta<\/strong>, Dr. I.I., Msc. y MBA; Presidente y C.E.O. de Sisteplant. Profesor de la ETSII de Bilbao (Aula Aeron\u00e1utica) y de la Universidad Juan Carlos I, (log\u00edstica para Defensa).<\/p>\n
\n\u00a0[:]<\/p>\n","protected":false},"featured_media":10367,"menu_order":20160329,"template":"","categories":[340,72],"tags":[99,20,107],"class_list":["post-11746","articulos_y_libros","type-articulos_y_libros","status-publish","has-post-thumbnail","hentry","category-articulos","category-sisteplant","tag-6sigma","tag-promind","tag-software-inteligente"],"acf":[],"yoast_head":"\n
\u00bfPor qu\u00e9 nos cuesta tanto alcanzar la calidad 6Sigma y m\u00e1s en la producci\u00f3n\u2026?: El principio de improbabilidad aplicado a la f\u00e1brica del futuro (FF) - Sisteplant. Dream\u200b Innovate Challenge<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/sisteplant.com\/en\/articulos_y_libros\/4908\/\" \/>\n<meta property=\"og:locale\" content=\"en_US\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"\u00bfPor qu\u00e9 nos cuesta tanto alcanzar la calidad 6Sigma y m\u00e1s en la producci\u00f3n\u2026?: El principio de improbabilidad aplicado a la f\u00e1brica del futuro (FF) - Sisteplant. Dream\u200b Innovate Challenge\" \/>\n<meta property=\"og:description\" content=\"Diariamente salgo a correr y al menos en tres ocasiones, al llegar a casa, se me ha ca\u00eddo la llave por una alcantarilla de pluviales. \u00bfFatalidad?... Pues he llegado a la conclusi\u00f3n de que NO! Por qu\u00e9?. 1.\u00a0\u00bfFatalidad? \u00bfCasualidad? Cuando me paro y pienso en racionalizar esta demon\u00edaca situaci\u00f3n me doy cuenta de varias cosas: Corro todos los d\u00edas. El registro est\u00e1 en mi senda. Est\u00e1 enfrente de la puerta de entrada, y la llave la llevo en la mano. Como he acabado, ya estoy relajado y pensando en otra cosa, estoy en \u201cmis dominios\u201d, y tiendo a aflojar la palma. Aunque la alcantarilla tiene una superficie peque\u00f1a y s\u00f3lo con un 50% de huecos (estr\u00edas), es significativa respecto al ancho del camino. Como al caer, la llave rebota una distancia bastante precisa, y gira y tiende a ponerse vertical, puede entrar y se cae por las rendijas de la alcantarilla. Etc\u2026 Las tres veces es un ejemplo de ocurrencia reiterada de algo sumamente improbable. Pero \u00bfImprobable? \u2026 No tanto: Se dan condiciones f\u00edsicas objetivas permanentes (mi ruta, la superficie, me relajo, el rebote, \u2026) Hay repetici\u00f3n constante Los factores anteriores no son tan independientes como pueden parecer; por ejemplo, si me aparto de la senda, me relajo, aflojo la mano, y es m\u00e1s f\u00e1cil que caiga. Y como la llave rebota en el suelo, acaba con bastante probabilidad en la alcantarilla. Esto me recuerda alguna frase genial sobre la incertidumbre y la aparici\u00f3n de lo improbable: \u201cun d\u00eda inusual es aquel en el que no hay nada inusual\u201d (Persi Diaconis). O, \u201cpredecir es muy dif\u00edcil, especialmente el futuro\u201d (N. Bohr). Lo que me lleva a pensar que tenemos que ir hacia 6-7 y m\u00e1s Sigma en la calidad de producci\u00f3n \u201ca la primera\u201d, por las razones que tanto he reiterado en otros art\u00edculos (ver en www.sisteplant.com:\u00a0 \u201cCapacidad de fabricaci\u00f3n con 6Sigma en la f\u00e1brica del futuro\u201d y \u201cMisi\u00f3n del mantenimiento avanzado en las operaciones de fractura hidr\u00e1ulica (\u201cfracking\u201d),) y tambi\u00e9n recomiendo el libro de D.J. Hand de Scientific American titulado: \u201cThe principle of improbabilty\u201d. Tenemos un problema, pero que es gestionable hasta un cierto l\u00edmite. \u00bfC\u00f3mo lo vamos a hacer entonces? 2. Las causas de todo Lo primero es conocer al travieso demonio de la variaci\u00f3n; qu\u00e9 le gusta, de qu\u00e9 se alimenta y c\u00f3mo act\u00faa. B\u00e1sicamente, podemos suponer tres grupos de leyes que lo acogen: Leyes de la naturaleza (algunas muy sutiles y contraintuitivas) Leyes de la estad\u00edstica (algunas tambi\u00e9n muy sutiles y poco o nada intuitivas) Leyes subjetivas, psicol\u00f3gicas, o no tanto. Lo que consideramos \u201cimprobable\u201d depende de la escala a la que me muevo: Para una persona, algo improbable es del orden de 10-6. En la tierra, es del orden de 10-15 En el universo es de 10-50 L\u00f3gico, porque juega el tama\u00f1o del sistema y la cantidad consiguiente de sucesos que en \u00e9l ocurren. Y que son Megan\u00fameros excepcionales, por la explosi\u00f3n combinatoria. Veamos una a una estas leyes. a) Leyes de la naturaleza que afectan a la frecuencia de la improbabilidad Aunque parezca extra\u00f1o, el principio de incertidumbre de Heisenberg, y la mec\u00e1nica cu\u00e1ntica en general, generan caos, y \u201cafectan con min\u00fasculos y continuos cambios\u201d, cuya combinatoria, unida a la afinidad at\u00f3mica -por remota que \u00e9sta sea-, acaban dando una tendencia a que m\u00faltiples fen\u00f3menos improbables sucedan. Pensemos, por ejemplo, en los microfallos y microparadas en el funcionamiento de las m\u00e1quinas; lo que nos queda y es tan dif\u00edcil de eliminar una vez que hemos resuelto los problemas asignables. La dispersi\u00f3n remanente inevitable de cualquier proceso industrial; NO se pueden conseguir \u201c\u00a5 sigmas\u201d Estos peque\u00f1os y continuos cambios acaban precipitando un fallo mayor, porque su combinatoria imperceptible para nosotros, hace al final mucho m\u00e1s probable de lo que intuimos que puedan sumarse. Esto nos dice que el presente condiciona el futuro, pero que el \u201cpresente aproximado\u201d no determina lo que ser\u00e1 un \u201cfuturo aproximado\u201d. Algo inquietante. Otra causa f\u00edsica, aunque algo m\u00e1s accesible para su tratamiento, son las imperfecciones mec\u00e1nicas, frecuentemente microsc\u00f3picas. Como si, por ejemplo, una moneda no tuviera una planitud exacta, y entonces los momentos cin\u00e9ticos hacen que caiga con sesgo, dando a largo plazo m\u00e1s, digamos, caras que cruces. b) Leyes probabil\u00edsticas, no tan obvias Los modelos de probabilidad son, como tales, imperfectos. Para empezar, la probabilidad es un l\u00edmite del cociente casos favorables\/casos posibles cuando el n\u00famero de experimentos tiende a infinito. Pero el infinito no es materializable por nosotros, y es contraintuitivo. Y aunque no fuera as\u00ed, las causas f\u00edsicas que acabamos de ver, acaban alterando las leyes de los modelos estad\u00edsticos que aplicamos. Sin que lo notemos, muy poco a poco. \u201cnunca te ba\u00f1ar\u00e1s dos veces en el mismo r\u00edo\u201d, dijo Her\u00e1clito. En la industria, por razones de econom\u00eda, suponemos equivocadamente, en el control de calidad (a desterrar como propugnamos en el anteriormente citado art\u00edculo de 6 sigma (\u201cCapacidad de fabricaci\u00f3n con 6Sigma en la f\u00e1brica del futuro\u201d), que \u201cnuestras \u00f3ptimas\u201d son suficientes. La realidad es que, para empezar, no cumplen la ley de los grandes n\u00fameros, y para continuar, se ven afectadas por los factores vistos anteriormente. Entonces,\u00a0 las sorpresas llegan con frecuencia, y con suerte llego a un 3Sigma sostenido como resultado en el cliente, pero con un 2Sigma en la capacidad de producci\u00f3n interna \u201cbuena a la primera\u201d. Por eso, la \u00fanica forma sana de actuar\u00a0 es buscar la repetibilidad y alta capacidad de procesos en ellos mismos, que son la fuente, y hacerlo de una forma mucho m\u00e1s cient\u00edfica. Otro factor estad\u00edstico es la \u201cpalanca de probabilidad\u201d, que significa que una ligera variaci\u00f3n en las tolerancias admisibles de los procesos, o en el modelo matem\u00e1tico real de la distribuci\u00f3n de frecuencias, implican sustanciales cambios en la probabilidad. En el primer caso, por la no linealidad de la curva m\u00e1s utilizada, la curva de Gauss, y en el segundo porque hay distribuciones estad\u00edsticas muy similares (como la exponencial pura o la de Cauchy) que dan resultados muy diferentes para la probabilidad de cada suceso (por ejemplo, el valor de una propiedad f\u00edsica, como medida, peso, dureza, etc.). Se puede apreciar esto en la siguiente figura. Pero, adem\u00e1s, frecuentemente las distribuciones no son totalmente sim\u00e9tricas, porque la realidad no es 100% aleatoria en los peque\u00f1os incrementos de valores alrededor de la media. Hay sesgos porque, por ejemplo, pueda ser m\u00e1s f\u00e1cil que algo se desv\u00ede a menos que a m\u00e1s debido a condiciones f\u00edsicas del proceso. Esto a\u00fan apalanca m\u00e1s, y lo improbable, se hace probable. Diferencia de probabilidad unitaria no simult\u00e1nea Como resultado del apalancamiento, aparecen las siguientes probabilidades para distintos eventos: Lo que supone una diferencia abismal. Por eso, una modelizaci\u00f3n deficiente de la distribuci\u00f3n, desvi\u00e1ndose de la est\u00e1ndar de Gauss, origina que aparezca lo que pensamos es \u201cextremadamente improbable\u201d. La consecuencia de todo esto es que merece la pena un esfuerzo continuado en refinar esos modelos estad\u00edsticos. Y adaptarlos a mi caso: yo tengo mis procesos y mi casu\u00edstica, que no son un est\u00e1ndar de la industria, sino los m\u00edos, que utilizo unas m\u00e1quinas, materiales, personas y pr\u00e1cticas de ingenier\u00eda y de producci\u00f3n que son propias y diferentes. Por \u00faltimo est\u00e1 el factor de c\u00f3mo medir las variables. Pongamos, por ejemplo, el conocido MTBF (tiempo medio entre fallos), que utilizamos mucho en fiabilidad de equipos y mantenimiento avanzado por RCM. Si superamos una cadena de fallos en el tiempo, y cojo una ventana de 1 mes para medirlos. Bas\u00e1ndonos en la figura, si cojo, por ejemplo, una ventana de 1 mes, veo, y me alarmo, por 3 fallos concentrados \u201cque jam\u00e1s se dan\u201d. Pero si yo hago \u201crodar\u201d de forma continua esa ventana, veo que no es tan infrecuente (posici\u00f3n A). Los \u201cper\u00edodos fijos\u201d son peligrosos porque alteran los an\u00e1lisis y hacen que se dise\u00f1en modelos probabil\u00edsticos imperfectos que originan el apalancamiento de error que hemos visto antes. Recomiendo, por todo, utilizar con cuidado las pruebas de hip\u00f3tesis y normalidad de las distribuciones con la (Ji)2 u otras herramientas, y apoyarse en el teorema de Bayes para comprobarlas. c) Finamente, veamos las Leyes subjetivas. Tienen dos aspectos: En el primero, la mente altera la interpretaci\u00f3n de resultados porque, al parecerle improbables en extremo, piensa, por ejemplo, que simplemente ha habido errores en la medida. Solo para evitar esto, y que se lleven a cabo acciones err\u00f3neas sobre los procesos, tiene sentido lo que en este art\u00edculo propugno. En el segundo, pienso en que es probable que ocurra algo, por remoto que sea y, sin darme cuenta, aplico peque\u00f1as acciones inconscientes d\u00eda a d\u00eda que acaban precipit\u00e1ndolo. Ning\u00fan problema hay s\u00ed \u201clo que pienso es positivo\u201d, pero todos si es \u201cnegativo\u201d, y precipito el fallo catastr\u00f3fico. En este caso, la soluci\u00f3n es tambi\u00e9n modelizar con precisi\u00f3n. 3. Ayuda por software inteligente Hemos introducido c\u00f3mo la modelizaci\u00f3n precisa de los fen\u00f3menos es importante si quiero llegar a tener una robustez extrema en las propiedades y fiabilidad a largo plazo de productos y procesos. La modelizaci\u00f3n precisa no es tarea f\u00e1cil, y requiere tanto un buen nivel de ingenier\u00eda, como ayudas de software inteligente y amigable. Para ello, en Sisteplant hemos desarrollado y lanzado Promind, que contiene modelos de an\u00e1lisis estad\u00edsticodin\u00e1mico y profundo, simulaci\u00f3n, pruebas inteligentes de hip\u00f3tesis y, especialmente, modelizaci\u00f3n precisa de los fen\u00f3menos f\u00edsicos que est\u00e1n detr\u00e1s del fallo y sus probabilidades. La FIG. 4 muestra su concepto gen\u00e9rico. 4. Conclusi\u00f3n La profundizaci\u00f3n en lograr capacidades de proceso \u201ca la primera\u201d, m\u00e1s all\u00e1 del 6Sigma, es necesaria para competir en el futuro, fabricando tolerancias muy estrechas con repetibilidad, y ofertando productos fiables a largo plazo y con calidad 100%. Pero esto requiere planteamientos cient\u00edficos y modelizaci\u00f3n precisa de los fen\u00f3menos detr\u00e1s de la variaci\u00f3n y de los fallos. Lo contrario arrastra al fatal empirismo del \u201cprueba-error\u201d, y de ah\u00ed a la \u201cmagia-brujer\u00eda\u201d hay solo un paso. El empirismo es necesario, claro, pero sin el esfuerzo paralelo de modelizaci\u00f3n es una ruina para progresar tecnol\u00f3gicamente. Hemos visto en este art\u00edculo los factores que determinan las imprecisiones que nos impiden recorrer el camino, y c\u00f3mo eliminarlos para poder utilizar con \u00e9xito una ayuda de software inteligente, al final necesaria absolutamente para afinar a esos extremos. Autor: Javier Borda Elejabarrieta, Dr. I.I., Msc. y MBA; Presidente y C.E.O. de Sisteplant. Profesor de la ETSII de Bilbao (Aula Aeron\u00e1utica) y de la Universidad Juan Carlos I, (log\u00edstica para Defensa). \u00a0[:]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/sisteplant.com\/en\/articulos_y_libros\/4908\/\" \/>\n<meta property=\"og:site_name\" content=\"Sisteplant. Dream\u200b Innovate Challenge\" \/>\n<meta property=\"article:modified_time\" content=\"2023-02-08T16:28:02+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/sisteplant.com\/wp-content\/uploads\/2022\/05\/1-1.png\" \/>\n\t<meta property=\"og:image:width\" content=\"3828\" \/>\n\t<meta property=\"og:image:height\" content=\"2969\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Est. reading time\" \/>\n\t<meta name=\"twitter:data1\" content=\"9 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/sisteplant.com\/en\/articulos_y_libros\/4908\/\",\"url\":\"https:\/\/sisteplant.com\/en\/articulos_y_libros\/4908\/\",\"name\":\"\u00bfPor qu\u00e9 nos cuesta tanto alcanzar la calidad 6Sigma y m\u00e1s en la producci\u00f3n\u2026?: El principio de improbabilidad aplicado a la f\u00e1brica del futuro (FF) - Sisteplant. Dream\u200b Innovate Challenge\",\"isPartOf\":{\"@id\":\"https:\/\/sisteplant.com\/en\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/sisteplant.com\/en\/articulos_y_libros\/4908\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/sisteplant.com\/en\/articulos_y_libros\/4908\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/sisteplant.com\/wp-content\/uploads\/2022\/05\/1-1.png\",\"datePublished\":\"2016-03-29T07:00:38+00:00\",\"dateModified\":\"2023-02-08T16:28:02+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/sisteplant.com\/en\/articulos_y_libros\/4908\/#breadcrumb\"},\"inLanguage\":\"en-US\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/sisteplant.com\/en\/articulos_y_libros\/4908\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\/\/sisteplant.com\/en\/articulos_y_libros\/4908\/#primaryimage\",\"url\":\"https:\/\/sisteplant.com\/wp-content\/uploads\/2022\/05\/1-1.png\",\"contentUrl\":\"https:\/\/sisteplant.com\/wp-content\/uploads\/2022\/05\/1-1.png\",\"width\":3828,\"height\":2969},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/sisteplant.com\/en\/articulos_y_libros\/4908\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Inicio\",\"item\":\"https:\/\/sisteplant.com\/en\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"\u00bfPor qu\u00e9 nos cuesta tanto alcanzar la calidad 6Sigma y m\u00e1s en la producci\u00f3n\u2026?: El principio de improbabilidad aplicado a la f\u00e1brica del futuro (FF)\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/sisteplant.com\/en\/#website\",\"url\":\"https:\/\/sisteplant.com\/en\/\",\"name\":\"Sisteplant. Dream\u200b Innovate Challenge\",\"description\":\"Creamos tecnolog\u00eda. Compartimos ilusiones. Materializamos retos\",\"publisher\":{\"@id\":\"https:\/\/sisteplant.com\/en\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/sisteplant.com\/en\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"en-US\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/sisteplant.com\/en\/#organization\",\"name\":\"Sisteplant\",\"url\":\"https:\/\/sisteplant.com\/en\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\/\/sisteplant.com\/en\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/sisteplant.com\/wp-content\/uploads\/2022\/02\/Sisteplant-Logo.png\",\"contentUrl\":\"https:\/\/sisteplant.com\/wp-content\/uploads\/2022\/02\/Sisteplant-Logo.png\",\"width\":612,\"height\":172,\"caption\":\"Sisteplant\"},\"image\":{\"@id\":\"https:\/\/sisteplant.com\/en\/#\/schema\/logo\/image\/\"}}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"\u00bfPor qu\u00e9 nos cuesta tanto alcanzar la calidad 6Sigma y m\u00e1s en la producci\u00f3n\u2026?: El principio de improbabilidad aplicado a la f\u00e1brica del futuro (FF) - Sisteplant. Dream\u200b Innovate Challenge","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/sisteplant.com\/en\/articulos_y_libros\/4908\/","og_locale":"en_US","og_type":"article","og_title":"\u00bfPor qu\u00e9 nos cuesta tanto alcanzar la calidad 6Sigma y m\u00e1s en la producci\u00f3n\u2026?: El principio de improbabilidad aplicado a la f\u00e1brica del futuro (FF) - Sisteplant. Dream\u200b Innovate Challenge","og_description":"Diariamente salgo a correr y al menos en tres ocasiones, al llegar a casa, se me ha ca\u00eddo la llave por una alcantarilla de pluviales. \u00bfFatalidad?... Pues he llegado a la conclusi\u00f3n de que NO! Por qu\u00e9?. 1.\u00a0\u00bfFatalidad? \u00bfCasualidad? Cuando me paro y pienso en racionalizar esta demon\u00edaca situaci\u00f3n me doy cuenta de varias cosas: Corro todos los d\u00edas. El registro est\u00e1 en mi senda. Est\u00e1 enfrente de la puerta de entrada, y la llave la llevo en la mano. Como he acabado, ya estoy relajado y pensando en otra cosa, estoy en \u201cmis dominios\u201d, y tiendo a aflojar la palma. Aunque la alcantarilla tiene una superficie peque\u00f1a y s\u00f3lo con un 50% de huecos (estr\u00edas), es significativa respecto al ancho del camino. Como al caer, la llave rebota una distancia bastante precisa, y gira y tiende a ponerse vertical, puede entrar y se cae por las rendijas de la alcantarilla. Etc\u2026 Las tres veces es un ejemplo de ocurrencia reiterada de algo sumamente improbable. Pero \u00bfImprobable? \u2026 No tanto: Se dan condiciones f\u00edsicas objetivas permanentes (mi ruta, la superficie, me relajo, el rebote, \u2026) Hay repetici\u00f3n constante Los factores anteriores no son tan independientes como pueden parecer; por ejemplo, si me aparto de la senda, me relajo, aflojo la mano, y es m\u00e1s f\u00e1cil que caiga. Y como la llave rebota en el suelo, acaba con bastante probabilidad en la alcantarilla. Esto me recuerda alguna frase genial sobre la incertidumbre y la aparici\u00f3n de lo improbable: \u201cun d\u00eda inusual es aquel en el que no hay nada inusual\u201d (Persi Diaconis). O, \u201cpredecir es muy dif\u00edcil, especialmente el futuro\u201d (N. Bohr). Lo que me lleva a pensar que tenemos que ir hacia 6-7 y m\u00e1s Sigma en la calidad de producci\u00f3n \u201ca la primera\u201d, por las razones que tanto he reiterado en otros art\u00edculos (ver en www.sisteplant.com:\u00a0 \u201cCapacidad de fabricaci\u00f3n con 6Sigma en la f\u00e1brica del futuro\u201d y \u201cMisi\u00f3n del mantenimiento avanzado en las operaciones de fractura hidr\u00e1ulica (\u201cfracking\u201d),) y tambi\u00e9n recomiendo el libro de D.J. Hand de Scientific American titulado: \u201cThe principle of improbabilty\u201d. Tenemos un problema, pero que es gestionable hasta un cierto l\u00edmite. \u00bfC\u00f3mo lo vamos a hacer entonces? 2. Las causas de todo Lo primero es conocer al travieso demonio de la variaci\u00f3n; qu\u00e9 le gusta, de qu\u00e9 se alimenta y c\u00f3mo act\u00faa. B\u00e1sicamente, podemos suponer tres grupos de leyes que lo acogen: Leyes de la naturaleza (algunas muy sutiles y contraintuitivas) Leyes de la estad\u00edstica (algunas tambi\u00e9n muy sutiles y poco o nada intuitivas) Leyes subjetivas, psicol\u00f3gicas, o no tanto. Lo que consideramos \u201cimprobable\u201d depende de la escala a la que me muevo: Para una persona, algo improbable es del orden de 10-6. En la tierra, es del orden de 10-15 En el universo es de 10-50 L\u00f3gico, porque juega el tama\u00f1o del sistema y la cantidad consiguiente de sucesos que en \u00e9l ocurren. Y que son Megan\u00fameros excepcionales, por la explosi\u00f3n combinatoria. Veamos una a una estas leyes. a) Leyes de la naturaleza que afectan a la frecuencia de la improbabilidad Aunque parezca extra\u00f1o, el principio de incertidumbre de Heisenberg, y la mec\u00e1nica cu\u00e1ntica en general, generan caos, y \u201cafectan con min\u00fasculos y continuos cambios\u201d, cuya combinatoria, unida a la afinidad at\u00f3mica -por remota que \u00e9sta sea-, acaban dando una tendencia a que m\u00faltiples fen\u00f3menos improbables sucedan. Pensemos, por ejemplo, en los microfallos y microparadas en el funcionamiento de las m\u00e1quinas; lo que nos queda y es tan dif\u00edcil de eliminar una vez que hemos resuelto los problemas asignables. La dispersi\u00f3n remanente inevitable de cualquier proceso industrial; NO se pueden conseguir \u201c\u00a5 sigmas\u201d Estos peque\u00f1os y continuos cambios acaban precipitando un fallo mayor, porque su combinatoria imperceptible para nosotros, hace al final mucho m\u00e1s probable de lo que intuimos que puedan sumarse. Esto nos dice que el presente condiciona el futuro, pero que el \u201cpresente aproximado\u201d no determina lo que ser\u00e1 un \u201cfuturo aproximado\u201d. Algo inquietante. Otra causa f\u00edsica, aunque algo m\u00e1s accesible para su tratamiento, son las imperfecciones mec\u00e1nicas, frecuentemente microsc\u00f3picas. Como si, por ejemplo, una moneda no tuviera una planitud exacta, y entonces los momentos cin\u00e9ticos hacen que caiga con sesgo, dando a largo plazo m\u00e1s, digamos, caras que cruces. b) Leyes probabil\u00edsticas, no tan obvias Los modelos de probabilidad son, como tales, imperfectos. Para empezar, la probabilidad es un l\u00edmite del cociente casos favorables\/casos posibles cuando el n\u00famero de experimentos tiende a infinito. Pero el infinito no es materializable por nosotros, y es contraintuitivo. Y aunque no fuera as\u00ed, las causas f\u00edsicas que acabamos de ver, acaban alterando las leyes de los modelos estad\u00edsticos que aplicamos. Sin que lo notemos, muy poco a poco. \u201cnunca te ba\u00f1ar\u00e1s dos veces en el mismo r\u00edo\u201d, dijo Her\u00e1clito. En la industria, por razones de econom\u00eda, suponemos equivocadamente, en el control de calidad (a desterrar como propugnamos en el anteriormente citado art\u00edculo de 6 sigma (\u201cCapacidad de fabricaci\u00f3n con 6Sigma en la f\u00e1brica del futuro\u201d), que \u201cnuestras \u00f3ptimas\u201d son suficientes. La realidad es que, para empezar, no cumplen la ley de los grandes n\u00fameros, y para continuar, se ven afectadas por los factores vistos anteriormente. Entonces,\u00a0 las sorpresas llegan con frecuencia, y con suerte llego a un 3Sigma sostenido como resultado en el cliente, pero con un 2Sigma en la capacidad de producci\u00f3n interna \u201cbuena a la primera\u201d. Por eso, la \u00fanica forma sana de actuar\u00a0 es buscar la repetibilidad y alta capacidad de procesos en ellos mismos, que son la fuente, y hacerlo de una forma mucho m\u00e1s cient\u00edfica. Otro factor estad\u00edstico es la \u201cpalanca de probabilidad\u201d, que significa que una ligera variaci\u00f3n en las tolerancias admisibles de los procesos, o en el modelo matem\u00e1tico real de la distribuci\u00f3n de frecuencias, implican sustanciales cambios en la probabilidad. En el primer caso, por la no linealidad de la curva m\u00e1s utilizada, la curva de Gauss, y en el segundo porque hay distribuciones estad\u00edsticas muy similares (como la exponencial pura o la de Cauchy) que dan resultados muy diferentes para la probabilidad de cada suceso (por ejemplo, el valor de una propiedad f\u00edsica, como medida, peso, dureza, etc.). Se puede apreciar esto en la siguiente figura. Pero, adem\u00e1s, frecuentemente las distribuciones no son totalmente sim\u00e9tricas, porque la realidad no es 100% aleatoria en los peque\u00f1os incrementos de valores alrededor de la media. Hay sesgos porque, por ejemplo, pueda ser m\u00e1s f\u00e1cil que algo se desv\u00ede a menos que a m\u00e1s debido a condiciones f\u00edsicas del proceso. Esto a\u00fan apalanca m\u00e1s, y lo improbable, se hace probable. Diferencia de probabilidad unitaria no simult\u00e1nea Como resultado del apalancamiento, aparecen las siguientes probabilidades para distintos eventos: Lo que supone una diferencia abismal. Por eso, una modelizaci\u00f3n deficiente de la distribuci\u00f3n, desvi\u00e1ndose de la est\u00e1ndar de Gauss, origina que aparezca lo que pensamos es \u201cextremadamente improbable\u201d. La consecuencia de todo esto es que merece la pena un esfuerzo continuado en refinar esos modelos estad\u00edsticos. Y adaptarlos a mi caso: yo tengo mis procesos y mi casu\u00edstica, que no son un est\u00e1ndar de la industria, sino los m\u00edos, que utilizo unas m\u00e1quinas, materiales, personas y pr\u00e1cticas de ingenier\u00eda y de producci\u00f3n que son propias y diferentes. Por \u00faltimo est\u00e1 el factor de c\u00f3mo medir las variables. Pongamos, por ejemplo, el conocido MTBF (tiempo medio entre fallos), que utilizamos mucho en fiabilidad de equipos y mantenimiento avanzado por RCM. Si superamos una cadena de fallos en el tiempo, y cojo una ventana de 1 mes para medirlos. Bas\u00e1ndonos en la figura, si cojo, por ejemplo, una ventana de 1 mes, veo, y me alarmo, por 3 fallos concentrados \u201cque jam\u00e1s se dan\u201d. Pero si yo hago \u201crodar\u201d de forma continua esa ventana, veo que no es tan infrecuente (posici\u00f3n A). Los \u201cper\u00edodos fijos\u201d son peligrosos porque alteran los an\u00e1lisis y hacen que se dise\u00f1en modelos probabil\u00edsticos imperfectos que originan el apalancamiento de error que hemos visto antes. Recomiendo, por todo, utilizar con cuidado las pruebas de hip\u00f3tesis y normalidad de las distribuciones con la (Ji)2 u otras herramientas, y apoyarse en el teorema de Bayes para comprobarlas. c) Finamente, veamos las Leyes subjetivas. Tienen dos aspectos: En el primero, la mente altera la interpretaci\u00f3n de resultados porque, al parecerle improbables en extremo, piensa, por ejemplo, que simplemente ha habido errores en la medida. Solo para evitar esto, y que se lleven a cabo acciones err\u00f3neas sobre los procesos, tiene sentido lo que en este art\u00edculo propugno. En el segundo, pienso en que es probable que ocurra algo, por remoto que sea y, sin darme cuenta, aplico peque\u00f1as acciones inconscientes d\u00eda a d\u00eda que acaban precipit\u00e1ndolo. Ning\u00fan problema hay s\u00ed \u201clo que pienso es positivo\u201d, pero todos si es \u201cnegativo\u201d, y precipito el fallo catastr\u00f3fico. En este caso, la soluci\u00f3n es tambi\u00e9n modelizar con precisi\u00f3n. 3. Ayuda por software inteligente Hemos introducido c\u00f3mo la modelizaci\u00f3n precisa de los fen\u00f3menos es importante si quiero llegar a tener una robustez extrema en las propiedades y fiabilidad a largo plazo de productos y procesos. La modelizaci\u00f3n precisa no es tarea f\u00e1cil, y requiere tanto un buen nivel de ingenier\u00eda, como ayudas de software inteligente y amigable. Para ello, en Sisteplant hemos desarrollado y lanzado Promind, que contiene modelos de an\u00e1lisis estad\u00edsticodin\u00e1mico y profundo, simulaci\u00f3n, pruebas inteligentes de hip\u00f3tesis y, especialmente, modelizaci\u00f3n precisa de los fen\u00f3menos f\u00edsicos que est\u00e1n detr\u00e1s del fallo y sus probabilidades. La FIG. 4 muestra su concepto gen\u00e9rico. 4. Conclusi\u00f3n La profundizaci\u00f3n en lograr capacidades de proceso \u201ca la primera\u201d, m\u00e1s all\u00e1 del 6Sigma, es necesaria para competir en el futuro, fabricando tolerancias muy estrechas con repetibilidad, y ofertando productos fiables a largo plazo y con calidad 100%. Pero esto requiere planteamientos cient\u00edficos y modelizaci\u00f3n precisa de los fen\u00f3menos detr\u00e1s de la variaci\u00f3n y de los fallos. Lo contrario arrastra al fatal empirismo del \u201cprueba-error\u201d, y de ah\u00ed a la \u201cmagia-brujer\u00eda\u201d hay solo un paso. El empirismo es necesario, claro, pero sin el esfuerzo paralelo de modelizaci\u00f3n es una ruina para progresar tecnol\u00f3gicamente. Hemos visto en este art\u00edculo los factores que determinan las imprecisiones que nos impiden recorrer el camino, y c\u00f3mo eliminarlos para poder utilizar con \u00e9xito una ayuda de software inteligente, al final necesaria absolutamente para afinar a esos extremos. Autor: Javier Borda Elejabarrieta, Dr. I.I., Msc. y MBA; Presidente y C.E.O. de Sisteplant. Profesor de la ETSII de Bilbao (Aula Aeron\u00e1utica) y de la Universidad Juan Carlos I, (log\u00edstica para Defensa). \u00a0[:]","og_url":"https:\/\/sisteplant.com\/en\/articulos_y_libros\/4908\/","og_site_name":"Sisteplant. Dream\u200b Innovate Challenge","article_modified_time":"2023-02-08T16:28:02+00:00","og_image":[{"width":3828,"height":2969,"url":"https:\/\/sisteplant.com\/wp-content\/uploads\/2022\/05\/1-1.png","type":"image\/png"}],"twitter_card":"summary_large_image","twitter_misc":{"Est. reading time":"9 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/sisteplant.com\/en\/articulos_y_libros\/4908\/","url":"https:\/\/sisteplant.com\/en\/articulos_y_libros\/4908\/","name":"\u00bfPor qu\u00e9 nos cuesta tanto alcanzar la calidad 6Sigma y m\u00e1s en la producci\u00f3n\u2026?: El principio de improbabilidad aplicado a la f\u00e1brica del futuro (FF) - Sisteplant. Dream\u200b Innovate Challenge","isPartOf":{"@id":"https:\/\/sisteplant.com\/en\/#website"},"primaryImageOfPage":{"@id":"https:\/\/sisteplant.com\/en\/articulos_y_libros\/4908\/#primaryimage"},"image":{"@id":"https:\/\/sisteplant.com\/en\/articulos_y_libros\/4908\/#primaryimage"},"thumbnailUrl":"https:\/\/sisteplant.com\/wp-content\/uploads\/2022\/05\/1-1.png","datePublished":"2016-03-29T07:00:38+00:00","dateModified":"2023-02-08T16:28:02+00:00","breadcrumb":{"@id":"https:\/\/sisteplant.com\/en\/articulos_y_libros\/4908\/#breadcrumb"},"inLanguage":"en-US","potentialAction":[{"@type":"ReadAction","target":["https:\/\/sisteplant.com\/en\/articulos_y_libros\/4908\/"]}]},{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/sisteplant.com\/en\/articulos_y_libros\/4908\/#primaryimage","url":"https:\/\/sisteplant.com\/wp-content\/uploads\/2022\/05\/1-1.png","contentUrl":"https:\/\/sisteplant.com\/wp-content\/uploads\/2022\/05\/1-1.png","width":3828,"height":2969},{"@type":"BreadcrumbList","@id":"https:\/\/sisteplant.com\/en\/articulos_y_libros\/4908\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Inicio","item":"https:\/\/sisteplant.com\/en\/"},{"@type":"ListItem","position":2,"name":"\u00bfPor qu\u00e9 nos cuesta tanto alcanzar la calidad 6Sigma y m\u00e1s en la producci\u00f3n\u2026?: El principio de improbabilidad aplicado a la f\u00e1brica del futuro (FF)"}]},{"@type":"WebSite","@id":"https:\/\/sisteplant.com\/en\/#website","url":"https:\/\/sisteplant.com\/en\/","name":"Sisteplant. Dream\u200b Innovate Challenge","description":"Creamos tecnolog\u00eda. Compartimos ilusiones. Materializamos retos","publisher":{"@id":"https:\/\/sisteplant.com\/en\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/sisteplant.com\/en\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"en-US"},{"@type":"Organization","@id":"https:\/\/sisteplant.com\/en\/#organization","name":"Sisteplant","url":"https:\/\/sisteplant.com\/en\/","logo":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/sisteplant.com\/en\/#\/schema\/logo\/image\/","url":"https:\/\/sisteplant.com\/wp-content\/uploads\/2022\/02\/Sisteplant-Logo.png","contentUrl":"https:\/\/sisteplant.com\/wp-content\/uploads\/2022\/02\/Sisteplant-Logo.png","width":612,"height":172,"caption":"Sisteplant"},"image":{"@id":"https:\/\/sisteplant.com\/en\/#\/schema\/logo\/image\/"}}]}},"_links":{"self":[{"href":"https:\/\/sisteplant.com\/en\/wp-json\/wp\/v2\/articulos_y_libros\/11746","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/sisteplant.com\/en\/wp-json\/wp\/v2\/articulos_y_libros"}],"about":[{"href":"https:\/\/sisteplant.com\/en\/wp-json\/wp\/v2\/types\/articulos_y_libros"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/sisteplant.com\/en\/wp-json\/wp\/v2\/media\/10367"}],"wp:attachment":[{"href":"https:\/\/sisteplant.com\/en\/wp-json\/wp\/v2\/media?parent=11746"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/sisteplant.com\/en\/wp-json\/wp\/v2\/categories?post=11746"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/sisteplant.com\/en\/wp-json\/wp\/v2\/tags?post=11746"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
- En el segundo, pienso en que es probable que ocurra algo, por remoto que sea y, sin darme cuenta, aplico peque\u00f1as acciones inconscientes d\u00eda a d\u00eda que acaban precipit\u00e1ndolo.<\/li>\n<\/ul>\n
- En la tierra, es del orden de 10-15<\/sup><\/li>\n
- Para una persona, algo improbable es del orden de 10-6<\/sup>.<\/li>\n