Como robustecer su FMEA?

 
El análisis de efecto de modo de falla (failure mode effect analysis) es una excelente herramienta para prevenir una falla potencial y/o las posibles causas de este modo de falla. Apunta a una serie de acciones preventivas que constituyen su plan de prevención para mantener una alta calidad. Estas acciones eventualmente se ejecutan en el proceso que analizo el FMEA. Sin embargo a pesar de ser un tipo de análisis de riesgo, esta herramienta implica un riesgo alto en costo para la organización en caso de que las acciones preventivas descritas e implementadas no son eficaces.  

Para prevenir a su vez el derroche de dinero en la implementación de una acción que no resuelva la posible falla o sus causas, es necesario tomar en cuenta acompañar el FMEA de varias otras herramientas que robustecen su análisis y su toma de decisión. Se debe:

1- asegurarse de que las entradas analizadas en el FMEA sean realmente criticas y que no vienen de un juicio puramente subjetivo y emocional que resultaría en el desperdicio de recursos para prevenir algo que su grado de criticidad es dudosa o insignificante. 
2- confirmar la relación de causa y efecto como fueron descritas durante el análisis de riesgo para estar seguro que se trata de una real causa raíz o por lo menos una alta correlación de que la causa provoque este efecto. 
3- confirmar la eficacia de la acción de prevención en un área reducido como un piloto antes de desplegarla a grande escala y así evitar de un lado un gasto mayor innecesario en caso de que la acción no fuese buena y de otro la perdida de credibilidad en el equipo de trabajo y en la herramienta misma.

A-  Para realizar el punto 1 mencionado el FMEA se hace acompañar de la matriz de causa y efecto, donde todas la entradas se correlacionan con todas las salidas priorizadas previamente, resultando en un indicador porcentual por cada entrada. Este indicador significa el porcentaje de efecto contemplado en esta entrada. Así si una entrada tiene un porcentaje relativamente grande podemos concluir que es critica para el proceso, y validar nuestra apreciación de criticidad durante el mapa de proceso previo al FMEA. 

B-  para confirmar que la causa descrita tiene una alta relación con el modo de falla y por ende con el efecto, es necesario usar un diagrama de dispersión (scatter plot) en caso de tanto el efecto y la causa sean medibles y que los datos que se pueden recolectar en dicha medición son continuos. Si la data a recolectar de los efectos y de las causas no es continua pero discreta se usara entonces una prueba de hipótesis Chi cuadrado (chi square) para establecer la relación de independencia o dependencia entre las variables discretas de efecto y de causa. Todo aquello significa que se dede cuantificar los efectos y las causas lo que implicaría que en dicho momento dejan de ser potenciales para pasar al mundo real durante una corrida piloto reducida.  El diagrama de dispersión terminara en establecer una ecuación de regresión linear que nos permitirá ver el tamaño del efecto Y para diferentes grados de causa X. Esto es una predictibilidad deseada para futuras decisiones sobre el proceso. Pero todavía mas importante el diagrama de dispersión resultara en un valor de R-cuadrado que es el porcentaje de variación contemplaba en la ecuación de regresión linear mencionada. Este el es valor que realmente nos dice si la causa descrita en nuestro FMEA esta relacionada con el efecto descrito y hasta cuanto. El chi square de su lado a través del P- value establece si hay dependencia o no y por ende si se acepta o no la hipótesis nula. En este caso en particular se requiere rechazar la hipótesis nula para concluir que son dependientes es decir que el efecto descrito del modo de falla potencial depende realmente de la causa definida.

C- en este momento de su FMEA usted tiene claro que la entrada bajo análisis es en verdad critica para este proceso a través del uso de la matriz de causa y efecto; usted tiene claro que la causa del modo potencial de fallo es real ya estrechamente relacionada, pues entonces luego usted define la capacidad de detección y calcula el nivel de riesgo para establecer  las acciones preventivas a tomar. Es en este momento que usted debe implementar estas acciones en una corrida piloto recolectar la data resultante y analizarla nuevamente con otra prueba de hipótesis que podrían ser pruebas T, o ANOVA, etc. O también Mann Whitney o KrusKal Wallis, según si la data obtenida es parametrica o no. la idea de ejecutar dicho análisis es para concluir sobre si la muestra de los datos debido a que se trata de una corrida piloto solamente, es parte de la población la cual seria el universo de datos actuales es decir como corre el proceso antes del piloto. Si se puede en este caso determinar que la data no pertenece a dicha población, es decir que se rechaza la hipótesis nula y se acepta la alterna, pues la acción tomada implicaría un real cambio con la forma en que el proceso corre actualmente. Esto significa que su acción ha sido efectiva para la prevención de la falla. 

Al rodear su FMEA con estas tres medidas complementarias usted tendrá mucha mayor seguridad en la solución y una eficacia excepcional del plan de acción y control establecido para la mejora del proceso.