En una l\u00ednea de mecanizado, cada cambio de serie, cada sustituci\u00f3n de herramienta o cada reanudaci\u00f3n tras una parada requiere un ajuste manual. El operario mecaniza una o varias piezas de prueba, mide las cotas, corrige los desplazamientos y vuelve a empezar hasta que se ajusta a la tolerancia. Este proceso consume tiempo de m\u00e1quina, genera desechos o retocados y depende en gran medida de la experiencia individual del ajustador. El ajuste autom\u00e1tico de la m\u00e1quina herramienta \u2014controlado por algoritmos de control de procesos\u2014 tiene como objetivo eliminar este ciclo manual calculando y aplicando la correcci\u00f3n \u00f3ptima desde la primera pieza.<\/p>\n
El ajuste manual da lugar a tres tipos de p\u00e9rdidas que, por lo dem\u00e1s, son dif\u00edciles de compensar.<\/p>\n
La variabilidad del operador<\/strong> : dos ajustadores con experiencia no llegar\u00e1n al mismo desplazamiento de la misma manera, ni en el mismo tiempo. Esta dispersi\u00f3n en la puesta en producci\u00f3n se refleja en los datos de capacidad (Cp, Cpk) y oculta el rendimiento real del proceso.<\/p>\n El tiempo perdido al principio de la serie<\/strong> : cada pieza de prueba paraliza la m\u00e1quina y consume material. En los centros de mecanizado de alto valor a\u00f1adido, este desperdicio se traduce r\u00e1pidamente en minutos perdidos por lote \u2014y en miles de euros a lo largo de un a\u00f1o\u2014.<\/p>\n El riesgo de incumplimiento<\/strong> : un ajustador que trabaja bajo presi\u00f3n puede dar por buena una pieza que est\u00e1 en el l\u00edmite o malinterpretar una desviaci\u00f3n durante la producci\u00f3n. Sin un m\u00e9todo estad\u00edstico, la decisi\u00f3n se basa en la intuici\u00f3n m\u00e1s que en una regla de decisi\u00f3n objetiva.<\/p>\n Estas p\u00e9rdidas no son insignificantes. Representan una fracci\u00f3n significativa de la OEE (Overall Equipment Effectiveness, \u00edndice de rendimiento global), que las herramientas Lean cl\u00e1sicas tienen dificultades para abordar, ya que no aparecen en los registros de aver\u00edas o de cambios de serie.<\/p>\n El APC (Automated Process Control) es el conjunto de m\u00e9todos que cierra autom\u00e1ticamente el bucle entre la medici\u00f3n y la acci\u00f3n correctiva en la m\u00e1quina. El principio es sencillo: en cada ciclo o en cada lote, un algoritmo compara el valor medido con el valor objetivo, calcula la desviaci\u00f3n y determina la correcci\u00f3n que debe aplicarse al desplazamiento de la m\u00e1quina antes de la siguiente pieza.<\/p>\n El algoritmo m\u00e1s utilizado en el mecanizado es el regulador EWMA<\/strong> (Media m\u00f3vil ponderada exponencialmente, Exponentially Weighted Moving Average). Atribuye un peso decreciente a las mediciones pasadas, lo que la hace resistente a los valores at\u00edpicos, al tiempo que sigue siendo sensible a las desviaciones lentas relacionadas con el desgaste de la herramienta. El par\u00e1metro de ponderaci\u00f3n (\u03bb) se ajusta en funci\u00f3n de la estabilidad del proceso: un valor bajo suaviza m\u00e1s la curva y resulta adecuado para procesos con ruido; un valor alto sigue con mayor fidelidad las variaciones r\u00e1pidas.<\/p>\n Existen otras estrategias \u2014reguladores PID adaptados al mecanizado, controladores de banda muerta que solo act\u00faan si la desviaci\u00f3n supera un umbral\u2014, pero el principio sigue siendo el mismo: sustituir el criterio puntual del operario por una regla de decisi\u00f3n estable, trazable e independiente de las personas.<\/p>\n La puesta en marcha se lleva a cabo en cuatro etapas concretas.<\/p>\n Un APC no corrige un proceso inestable: amplifica sus defectos. Antes de activar la correcci\u00f3n autom\u00e1tica, es imprescindible disponer de un estudio de R&R (Repetibilidad y Reproducibilidad) del sistema de medici\u00f3n y comprobar que la m\u00e1quina no presente causas especiales activas. Un Cpk inferior a 1,0 debido a la variabilidad aleatoria no se soluciona con un mejor offset.<\/p>\n El flujo de datos debe ser fiable y r\u00e1pido. Dependiendo de la configuraci\u00f3n, la medici\u00f3n procede de un sensor integrado en la m\u00e1quina, de una m\u00e1quina de medici\u00f3n tridimensional (MMT) en l\u00ednea o de un m\u00e9todo de control manual cuyos resultados se introducen en el software. La latencia entre la medici\u00f3n y el env\u00edo de la correcci\u00f3n determina la eficacia del sistema.<\/p>\n La elecci\u00f3n de \u03bb y del umbral de activaci\u00f3n se realiza, idealmente, a partir de datos hist\u00f3ricos, mediante simulaci\u00f3n. A continuaci\u00f3n, hay que validarla con una serie real comparando las distribuciones antes y despu\u00e9s de la activaci\u00f3n: reducci\u00f3n de la desviaci\u00f3n respecto al objetivo (centrado), reducci\u00f3n de la dispersi\u00f3n y n\u00famero de piezas fuera de tolerancia.<\/p>\n La automatizaci\u00f3n del ajuste no elimina la figura del operador: este pasa de desempe\u00f1ar una funci\u00f3n de ejecuci\u00f3n a una de supervisi\u00f3n. Debe saber cu\u00e1ndo el sistema funciona con normalidad, cu\u00e1ndo una alarma indica una desviaci\u00f3n que escapa a la capacidad de correcci\u00f3n autom\u00e1tica y c\u00f3mo intervenir manualmente si es necesario.<\/p>\n Las experiencias recopiladas coinciden en varios beneficios cuantificables. El tiempo de ajuste al inicio de la serie se reduce significativamente: mientras que antes se necesitaban entre tres y cinco piezas de prueba, la primera pieza mecanizada tras la correcci\u00f3n autom\u00e1tica suele ser correcta. La dispersi\u00f3n de las cotas durante la producci\u00f3n se reduce, ya que las desviaciones lentas se compensan antes de alcanzar los l\u00edmites de tolerancia. La trazabilidad mejora: cada correcci\u00f3n lleva una marca de fecha y hora y se justifica mediante una desviaci\u00f3n calculada, lo que facilita las auditor\u00edas de calidad.<\/p>\n El ajuste autom\u00e1tico de las m\u00e1quinas-herramienta no es garant\u00eda de perfecci\u00f3n: exige un proceso previamente dominado, datos de medici\u00f3n fiables y una organizaci\u00f3n preparada para actuar ante las alertas que genera el sistema. Sin embargo, para los equipos que cumplen estas condiciones, constituye una de las herramientas m\u00e1s directas para mejorar simult\u00e1neamente la calidad de la primera pieza, la productividad y la repetibilidad entre equipos.<\/p>","protected":false},"excerpt":{"rendered":" R\u00e9glage automatique machine-outil : gains et mise en \u0153uvre Sur une ligne d’usinage, chaque changement de s\u00e9rie, chaque remplacement d’outil ou chaque reprise apr\u00e8s un arr\u00eat impose un r\u00e9glage manuel. L’op\u00e9rateur usine une ou plusieurs pi\u00e8ces d’essai, mesure les cotes, corrige les offsets, et recommence jusqu’\u00e0 tomber dans la tol\u00e9rance. Ce processus absorbe du temps […]<\/p>\n","protected":false},"author":4,"featured_media":4459,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[5],"tags":[],"class_list":["post-4460","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-apc"],"acf":[],"yoast_head":"\nEl principio del control autom\u00e1tico de procesos (APC)<\/h2>\n
Implementar un sistema de ajuste autom\u00e1tico<\/h2>\n
1. Valorar el proceso antes de automatizarlo<\/h3>\n
2. Vincular la medici\u00f3n al algoritmo<\/h3>\n
3. Configurar y validar el algoritmo<\/h3>\n
4. Formar a los operarios para su nueva funci\u00f3n<\/h3>\n
Las mejoras observadas en la producci\u00f3n<\/h2>\n