Preguntas de entrevista Ingeniero de fabricación

Empiezo por definir el problema con precisión y en términos medibles antes de pensar en ninguna solución. Voy a planta, observo el proceso directamente y recojo datos de referencia: tiempo de ciclo, tasa de defectos, volumen de chatarra, lo que sea más relevante para el problema. Compruebo que el problema tal como se formula al inicio de un proyecto raramente es la causa raíz real, y la observación en campo casi siempre cambia el enfoque. Una vez que tengo una línea base clara y una causa raíz confirmada, diseño la mejora, la piloto en una línea o un turno, mido los resultados frente a la línea base, y solo entonces escalo. El paso piloto es innegociable para mí porque los procesos de fabricación tienen interacciones que es imposible predecir desde un despacho. También documento todo para que el cambio se convierta en un estándar sostenido en lugar de una corrección puntual. Tras la implementación, establezco un plan de seguimiento para confirmar que las ganancias se mantienen a los 30 y 90 días.

Los operarios son las personas que van a ejecutar el nuevo proceso, así que su implicación no es opcional: es parte del trabajo de ingeniería. Empiezo cada proyecto de cambio de proceso pasando tiempo con los operarios que actualmente hacen el trabajo, antes de tener ninguna solución en mente. Quiero entender qué encuentran difícil, dónde ven desperdicio y qué adaptaciones han desarrollado que podrían señalar un defecto de diseño. Cuando paso a diseñar la solución involucro al menos a uno o dos operarios experimentados en la revisión del método propuesto. Su feedback detecta problemas prácticos que tardarían semanas en aparecer tras el despliegue. Para la transición imparto la formación yo mismo siempre que es posible en lugar de delegarla, porque estar presente en planta durante los primeros turnos me permite detectar problemas en tiempo real. Tras el despliegue hago seguimiento con los operarios semanalmente durante al menos un mes.

Uso los datos para confirmar lo que creo estar viendo en planta y para priorizar dónde concentrar el esfuerzo de mejora. Mi punto de partida suele ser un análisis de Pareto: tomo los últimos tres a seis meses de datos de paradas, defectos o chatarra y los estratifico por máquina, producto, turno o etapa de proceso para encontrar dónde se concentra la mayor parte de la pérdida. Una vez identificadas las principales categorías, profundizo con gráficos de tendencia para entender si el problema es estable o está empeorando, y si tiene patrones específicos (hora del día, lote de material, equipo de operarios) que apunten hacia una causa. Tengo cuidado de no sobre-interpretar: un punto aislado es ruido, pero un patrón en múltiples ocurrencias es una señal. También controlo el ratio entre el tiempo que dedico a pérdidas crónicas versus pérdidas agudas, porque las pérdidas crónicas tienden a estar infratratadas porque se convierten en ruido de fondo.

El principal modo de fallo en la mejora de fabricación es la ganancia que desaparece tres meses después de cerrar el proyecto. Intento incorporar la sostenibilidad en el diseño del cambio desde el principio, en lugar de tratarla como algo a pensar después. Eso significa integrar el cambio en el procedimiento operativo estándar y los materiales de formación de operarios antes de cerrar el proyecto, no después. También establezco controles visuales donde es posible para que cualquier desviación del nuevo estándar sea inmediatamente visible para el operario y el supervisor sin que nadie tenga que consultar un informe. Para cambios que implican ajustes de equipos o utillaje, uso controles físicos y poka-yoke siempre que puedo para que el proceso no pueda revertir fácilmente. Por último, incluyo una medición de seguimiento a 90 días en mi plan de proyecto y reviso los datos con el supervisor en lugar de archivarlos internamente.

Teníamos un defecto superficial recurrente en un componente de aluminio mecanizado que llevaba ocho meses apareciendo de forma intermitente. Los intentos anteriores de resolución se habían centrado en el desgaste de herramienta, pero el defecto seguía reapareciendo. Decidí tratar el problema como no resuelto y empezar de cero. Recogí 120 piezas defectuosas a lo largo de tres semanas y etiqueté cada una con la máquina, el número de herramienta, el operario, el turno y el lote de material. Emergió un patrón: el 80% de los defectos provenían de una máquina en el turno de tarde y estaban correlacionados con un proveedor de lote de material específico. Realicé un experimento controlado con material del otro proveedor en la misma máquina y observé cero defectos en 200 piezas. Iniciamos una auditoría al proveedor y encontramos un tratamiento superficial fuera de especificación en su stock. El proveedor corrigió el proceso y no hemos tenido el defecto en 14 meses.

Estábamos lanzando un nuevo conjunto de carcasa y el diseño especificaba un acabado superficial tolerado que era alcanzable con nuestros equipos pero solo a un rendimiento muy bajo. Realicé un estudio de capacidad antes de plantear el problema, porque quería llevar datos, no opiniones, cuando fuera al equipo de diseño. El Cpk en esa cota era de 0,87, lo que significa aproximadamente un 10% de chatarra en volumen. Preparé un resumen de una página mostrando los datos de capacidad de proceso, el coste estimado de la chatarra al ritmo de producción, y dos opciones de tolerancia alternativas que llevarían el Cpk por encima de 1,33 sin comprometer la función del conjunto. El ingeniero de diseño inicialmente resistió porque la tolerancia original se había fijado por razones estéticas más que funcionales. Tras una revisión con el ingeniero de producto y el responsable de calidad, acordamos una tolerancia ligeramente más amplia con un tratamiento superficial que mantenía el requisito estético. El proceso revisado funcionó al 99,4% de rendimiento a primera pasada en el lanzamiento.

Nuestra línea de ensamblaje tenía un cuello de botella en el puesto de prueba que limitaba el throughput a 340 unidades por turno frente a una demanda de 420. El puesto de prueba tenía dos operarios pero el equipo solo podía ejecutar una prueba a la vez. Mapee en detalle las actividades de los operarios en el puesto y encontré que uno pasaba el 28% de su tiempo en la gestión de materiales entre la línea y el puesto, y el otro estaba inactivo el 35% del ciclo de prueba esperando al equipo. Propuse un cambio de layout: acercar el buffer de entrada al puesto (un cambio de instalaciones sin inversión de capital) y reequilibrar las tareas de los operarios para que uno gestionara dos bays de prueba en secuencia mientras el otro se encargaba de materiales y documentación. Piloté el nuevo layout en un turno durante una semana. El throughput en ese turno pasó de 340 a 398 unidades. Lo desplegamos en los tres turnos y eliminamos el cuello de botella sin ninguna inversión en equipos.

Un AMFEC de proceso es un análisis de riesgo estructurado sobre cómo puede fallar un proceso de fabricación y cuáles son las consecuencias. Lo planteo como un ejercicio multidisciplinar: quiero tener ingeniería de proceso, calidad, mantenimiento e idealmente uno o dos operarios experimentados en la sala. Recorremos cada etapa del proceso, identificamos los modos de fallo potenciales (qué podría salir mal), sus efectos (qué le pasa al producto o al proceso) y las causas (por qué ocurriría). Cada combinación se puntúa en gravedad, ocurrencia y detectabilidad en una escala de 1 a 10, y el producto da el Número de Prioridad de Riesgo. Concentro al equipo en los NPR más altos y me aseguro de que tenemos un control que previene el fallo o uno que lo detecta antes de que llegue al cliente. Trato el AMFEC como un documento vivo: lo actualizo cuando aparece un nuevo modo de fallo, y lo reviso como parte de cualquier cambio de proceso.

El DFM es más valioso cuando ocurre temprano, antes de que la intención de diseño esté fijada. El coste de un cambio DFM en la fase de concepto es aproximadamente 1x; en prototipo es 10x; en el lanzamiento a producción puede ser 100x. Intento involucrarme en las revisiones de diseño lo antes posible y aportar restricciones de fabricación específicas: tolerancias mínimas alcanzables en nuestros equipos, geometrías difíciles de sujetar en el utillaje, acabados superficiales que requieren operaciones secundarias, y secuencias de ensamblaje que generan riesgo ergonómico. Uso una lista de verificación DFM estándar como punto de partida pero siempre la adapto al proceso específico. Un ejemplo concreto: en un proyecto reciente de soporte, señalé que dos agujeros roscados estaban posicionados de forma que requerían una segunda operación de amarre en el centro de mecanizado. Desplazando un agujero 8 mm, la pieza podía completarse en una sola operación, ahorrando 2,5 minutos de tiempo de ciclo por pieza. A nuestro volumen de producción eso equivalía a unas 800 horas de capacidad al año.

El SPC es una herramienta para distinguir la variación de causa común (inherente al proceso) de la variación de causa especial (algo ha cambiado). Lo uso principalmente en dimensiones críticas para la calidad donde necesitamos alerta temprana antes de que aparezcan defectos, en lugar de depender de la inspección al final de línea para detectarlos. Configuro gráficos de control (gráficos X-barra y R para medidas continuas, gráficos p o c para datos de atributos) en las etapas clave del proceso y formo a los operarios para interpretarlos. La distinción que más enfatizo es entre un proceso que está bajo control y un proceso que es capaz: puedes tener un proceso estable con un Cpk de 0,8 (bajo control pero no capaz) o un proceso capaz con una señal fuera de control (capaz pero algo acaba de cambiar). Ambas situaciones requieren respuestas distintas. También uso los datos de SPC de forma retrospectiva: ejecutar un gráfico sobre tres meses de datos históricos puede revelar patrones como tendencias de desgaste de herramienta o variación entre turnos que no son visibles en los números de defectos agregados.