Testimonio de un cliente

Cómo obtener eficiencia en la formulación del caucho utilizando análisis estadísticos

Taku Yamamoto persuadió al Centro Técnico de Bridgestone para que ampliara el uso de JMP® en todo Japón a fin de acelerar considerablemente el proceso de desarrollo

Bridgestone

DesafíoCrear eficiencia en el desarrollo de productos utilizando datos nuevos e históricos; diseñar experimentos más funcionales para conjuntos de datos complejos.
SoluciónImplementar JMP en toda la organización, utilizando los datos para desarrollar nuevas formulaciones de caucho de alto rendimiento y optimizar los procesos de producción de los neumáticos Bridgestone.
ResultadosUna reducción del tiempo necesario para analizar y explorar los datos. Los nuevos productos que ahora se encuentran en fase de prueba obtienen mejores resultados en cuanto a tracción, longevidad, eficiencia en el consumo de combustible y robustez.

Desde su creación en la prefectura japonesa de Fukuoka en 1931, Bridgestone ha sido un modelo de tecnología e innovación japonesas. El fundador Shojiro Ishibashi se esforzó por fabricar sus neumáticos de caucho con ingenio propio y renunciar a la oportunidad de replicar la tecnología europea o norteamericana existente. Hoy en día, opera como una corporación multinacional con más de 180 instalaciones de producción e investigación y desarrollo distribuidas en 27 países.

Sin embargo, Bridgestone no se está durmiendo en los laureles. La innovación y el desarrollo de productos siguen estando a la vanguardia de su trabajo. Bridgestone no solo fabrica neumáticos convencionales para automóviles, sino que también crea una tecnología nueva y vanguardista de neumáticos para aviones, vehículos de minería a gran escala y motocicletas. Más allá de los neumáticos, Bridgestone ha diversificado sus operaciones para incluir componentes automotores, productos industriales, productos de espuma de poliuretano, materiales de construcción, piezas para equipos electrónicos, bicicletas y artículos deportivos.

Generando un diálogo entre departamentos internacionales

En general, las llantas modernas están hechas de una combinación de caucho sintético, caucho natural, tela y alambre, junto con negro de carbón y otros compuestos químicos. El tipo de carbones y compuestos químicos que se añaden al caucho varía de un producto a otro y afectará el rendimiento, el costo y la durabilidad. Bridgestone siempre está desarrollando nuevos compuestos de caucho, cada uno adaptado a las necesidades específicas del producto final; por ejemplo, un coche de carreras de alta velocidad requerirá un neumático ligero diseñado para durar menos que la duración de una sola carrera, mientras que un neumático para tractores de alta resistencia debe soportar una carga pesada y durar mucho más tiempo.

Un desafío común al que se enfrentan los fabricantes multinacionales con muchas sedes en todo el mundo es la unificación de los procedimientos y el establecimiento de un diálogo entre colegas internacionales. Diferentes instalaciones llevarán a cabo su investigación y desarrollo utilizando diferentes herramientas y software, y aunque esto no es un problema en sí mismo, puede significar que algunas instalaciones estén muy por delante cuando se trata de resultados. Eso es lo que Taku Yamamoto, de la Unidad de Desarrollo de Métodos de Evaluación y del Departamento de Desarrollo Avanzado de Materiales de Neumáticos del Centro Técnico de Bridgestone en Tokio, descubrió cuando aceptó una asignación temporal en una de las instalaciones de investigación y desarrollo de Bridgestone en los Estados Unidos.

Con formación en bioquímica y química de coordinación, Yamamoto ha trabajado para Bridgestone en Japón desde que se graduó en la universidad, desarrollando materiales para el caucho. Cuando llegó a los EE.UU. en 2014, su objetivo era observar cómo los investigadores del departamento de investigación y desarrollo estadounidense que estaba observando utilizaban el análisis estadístico para refinar la forma en que diseñaban los experimentos, así como comparar estos métodos con los de su propio departamento en Tokio. "Tuve mi primer encuentro con JMP en Estados Unidos", explica Yamamoto. "Lo estaban usando para el diseño de mezclas; qué y cuánto se necesita mezclar en la formulación del caucho. Y para hacerlo, estaban aplicando la función de Diseño de experimentos de JMP".

La experiencia con JMP en el extranjero lo ayudó a determinar los aspectos en los que podría mejorar la eficiencia en su país

Yamamoto no tenía experiencia previa en el uso de JMP, pero se encargó de aprender todo lo posible durante su prolongada visita a Norteamérica. "Necesitaba jugar primero con JMP yo mismo, y ese fue el primer desafío", dice. Mientras observaba cómo sus colegas estadounidenses eran capaces de optimizar sus procesos, Yamamoto vio de primera mano cómo JMP hacía que el procesamiento de datos fuera más fácil y accesible para personas que no eran estadísticas. "[Con JMP,] los resultados se pueden experimentar de forma dinámica", explica Yamamoto. "No solo transmitimos los resultados, sino que podemos hacer que la gente experimente cómo llegamos a los resultados en primer lugar".

Tras su regreso a Japón, Yamamoto estaba seguro de que necesitaba persuadir a la gerencia de Tokio para que adoptara un enfoque similar en materia de investigación y desarrollo, pero conseguir la aceptación no era tan sencillo. Su gerente estaba preocupado por los costos y, al no haber utilizado nunca JMP, tampoco estaba seguro de cómo el análisis estadístico ayudaría a aumentar la eficiencia en la experimentación. Pero Yamamoto estaba listo. Pudo demostrar que los datos que Bridgestone ya tenía de experimentos anteriores podían ayudarle a transformar futuros procesos experimentales de forma que les permitiera ahorrar tiempo y dinero. "Incluso si no hace el experimento uno mismo, se pueden usar los datos del pasado para aprender cosas importantes", dice. "Sin siquiera hacer un experimento físico, se puede llegar a una conclusión. JMP obtiene resultados cuantitativos procesables [de cualquier conjunto de datos]".


"Se trata de conectar la investigación y el desarrollo con la producción, y crear procesos mediante los cuales podamos lograr la misma receta en todo momento".

Taku Yamamoto, Unidad de Desarrollo de Métodos de Evaluación

Ampliación del uso del análisis estadístico para crear formulaciones de caucho más eficientes

"La mezcla de formulaciones es bastante complicada. Hemos aprendido que podemos lograr un mejor rendimiento con mezclas más complejas. Utilizamos más de 10 tipos de materiales para los compuestos de los neumáticos, y hemos desarrollado con solo unos pocos componentes enfocados de un determinado grupo químico varios tipos y también complicados". Yamamoto explica. "Si una mezcla solo tiene tres componentes, es fácil imaginar qué cantidad de cada ingrediente debe añadirse y cuándo. Pero si se tienen seis o más compuestos, no es posible imaginarse cuál será el resultado final. Se necesita un equipo para simular los resultados".

Finalmente, el gerente de Yamamoto se convenció cuando reconoció el valor de ampliar el uso de una herramienta versátil como JMP. "En primer lugar, le gustaron las estadísticas y la programación", dice Yamamoto, "y quizás aún más importante, la perspectiva de la eficiencia que el equipo de EE.UU. estaba experimentando".

Inicialmente, el uso de JMP para el diseño de mezclas se probó en las propias instalaciones de Yamamoto (durante unos seis meses, fue el único titular de la licencia) y, finalmente, se extendió por toda la organización. "Incluso empezamos a utilizar el producto con fines de desarrollo", añade. "De hecho, ya hemos desarrollado un nuevo e interesante prototipo de neumático utilizando métodos analíticos en JMP. Diseñé la formulación de la mezcla, y ahora ya estamos haciendo pruebas de carretera con el neumático".

Expandiendo el uso del software estadístico en todo el sector de investigación y desarrollo, hasta en las plantas de fabricación

Tras los éxitos iniciales, el enfoque estadístico ha cobrado mayor impulso. "En el departamento de Materias Primas y Diseño de Compuestos, tenemos ahora casi 40 usuarios de JMP", dice Yamamoto. Utilizan principalmente aplicaciones para DOE, Constructor de gráficos y funciones de regresión múltiple, y Yamamoto ha observado mejoras cuantificables en el tiempo de procesamiento y otros tipos de eficiencia similares a los que se obtuvieron en las instalaciones de investigación y desarrollo de EE.UU. que visitó. ¿El siguiente paso? Yamamoto dice que "se trata de conectar la investigación y el desarrollo con la producción, y crear procesos mediante los cuales podamos lograr la misma receta en todo momento".

Mientras tanto, Yamamoto está disfrutando con la eficiencia que ha sido capaz de introducir. Y con el apoyo de su equipo y de la gerencia, continuará explorando todas las facetas que JMP tiene para ofrecer y utilizará esas soluciones para optimizar aún más los procesos de Bridgestone.

Pruebe JMP gratis durante 30 días

Los resultados ilustrados en este artículo son específicos para situaciones, modelos de negocio, captura de datos y entornos informáticos particulares descritos aquí. La experiencia de cada cliente de SAS es única de acuerdo con las variables de negocio y técnicas y todas las declaraciones deben considerarse atípicas. Los ahorros, resultados y características del desempeño reales pueden variar dependiendo de las configuraciones y condiciones individuales de los clientes. SAS no garantiza o representa que cada cliente obtendrá resultados similares. Las únicas garantías para los productos y servicios de SAS son aquellas que se establecen en las garantías expresas del contrato escrito para dichos productos y servicios. Nada de lo descrito aquí debe ser interpretado como una garantía adicional. Los clientes han compartido sus éxitos con SAS como parte de un intercambio contractual acordado o de un resumen del éxito de un proyecto después de una implementación exitosa del software de SAS.