Lautsprecher | Transkript |
| Shamgar McDowell | Maya Angelou sagte bekanntlich: „Gib dein Bestes, bis du es besser weißt.“ Wenn Sie es dann besser wissen, machen Sie es besser. Guten Morgen guten Nachmittag guten Abend. |
| Ich hoffe, dass Ihnen der JMP Discovery Summit Spaß macht und Sie lernen, wie Sie die Dinge, die Sie tun müssen, besser erledigen können. |
| Ich bin Shamgar McDowell, leitender Zuverlässigkeits- und Analyseingenieur bei GE Gas Power. Ich bin seit 15 Jahren bei GE und habe in den Bereichen Beschaffung, Qualität, Fertigung und Technik gearbeitet. |
| Heute werde ich ein wenig über den Weg unseres Teams zur Automatisierung der Zuverlässigkeitsmodellierung mit JMP berichten. |
| Vielleicht steht Ihre Organisation vor einer ähnlichen Herausforderung wie die, die ich gleich beschreiben werde. Während ich Ihnen erläutere, wie wir diese Herausforderung angehen, hoffe ich, dass unsere gemeinsame Zeit Ihnen einige Dinge zum Nachdenken liefert, wenn Sie versuchen, die Arbeitsabläufe in Ihrem eigenen Geschäftskontext zu verbessern. |
| Als Hintergrund möchte ich die nächsten paar Folien damit verbringen, ein wenig über das Geschäft von GE Gas Power zu erklären. Zunächst einmal unsere Produkte. |
| Wir stellen hochtechnologische, sehr große Motoren her, die vielfältig eingesetzt werden können, vor allem aber zur Stromerzeugung eingesetzt werden. |
| Und aus technologischer Sicht sind diese Maschinen tatsächlich unglaubliche Ingenieursleistungen mit Brenntemperaturen, die deutlich über dem Schmelzpunkt der im heißen Bereich verwendeten Legierungen liegen. |
| Eine einzige Gasturbine kann genug Strom erzeugen, um Hunderttausende Haushalte zuverlässig mit Strom zu versorgen. |
| Und um einen Eindruck von der Größe dieser Maschinen zu vermitteln: Auf dem Bild rechts sind vier erwachsene Menschen zu sehen, was irgendwie zeigt, wie groß diese Maschinen wirklich sind. |
| Deshalb musste ich hier ein paar unentgeltliche Beispiele für die Erstellung von JMP-Graphen hinzufügen. Aber das Blasendiagramm und die Baumkarte unterstreichen wirklich den globalen Charakter unseres Kundenstamms. |
| Wir stellen saubere, zugängliche Energie bereit, auf die Menschen auf der ganzen Welt angewiesen sind, und dazu gehören auch Entwicklungsländer, die in der Vergangenheit möglicherweise keinen Zugang zu Strom und den vielen lebensverändernden Auswirkungen hatten, die damit einhergehen. |
| Da ich den Einfluss, den unsere Arbeit auf das Alltagsleben so vieler Menschen auf der ganzen Welt hat, zu schätzen gelernt habe, ist sie sowohl demütigend als auch hilfreich, da sie einen Sinn für das gibt, was ich und der Rest unseres Teams jeden Tag tun. |
| Ich bin also Teil des Teams für Zuverlässigkeitsanalysen und Datentechnik. |
| Unser Team ist dafür verantwortlich, unserem Unternehmen empirische Risiko- und Zuverlässigkeitsmodelle zur Verfügung zu stellen, die von internen Teams auf unterschiedliche Weise verwendet werden. |
| In diesem Zusammenhang verlassen wir uns darauf, dass sich der Analyst in unserem Team auf technische Aufgaben konzentrieren kann, beispielsweise auf das Verständnis der Physik, die unsere Arbeit beeinflusst |
| Qualität der Komponenten und Anwendbarkeit der von uns verwendeten Daten sowie Kompromisse bei den Modellierungsansätzen und wie wir am besten Wert aus unseren Daten ziehen können. |
| Das sind alles Mehrwertaufgaben. |
| Zu unserem Prozess gehört auch, dass wir eine gründliche Prüfung mit den Chefingenieuren durchführen. Ein PowerPoint-Pitch mit den Modellen ist Teil dieses Prozesses. |
| Und die Erstellung dieser Präsentation erforderte bisher erhebliches Kopieren und Einfügen sowie eine Vielzahl von Werkzeugen, was sowohl zeitaufwändig als auch fehleranfälliger war. Das ist also kein Mehrwert. |
| Deshalb brauchten wir eine Lösung, die unseren Ingenieuren mehr Zeit gibt, sich auf die Mehrwertaufgaben zu konzentrieren. Aufgrund dieser beiden Dinge würde es den Prozess auch weiter standardisieren |
| höhere Produktivität und Konzentrationsfähigkeit auf das Wesentliche sowie weitere Standardisierung. Zu diesem Zweck verwenden wir das Mantra Automate the Boring Stuff. |
| Deshalb wollte ich Ihnen ein Gefühl für den Umfang der von uns verwendeten Datensätze vermitteln. Oft kann die Menge der Daten, mit denen Sie arbeiten, die Richtung vorgeben, in die Sie bei der Lösung gehen. |
| Und in unserem Fall gibt es einige Unterschiede, aber im Allgemeinen haben wir es mit Tausenden von Gasturbinen im Feld zu tun. |
| Hunderte von Gleiskomponenten in jeder Einheit, und dann gibt es Dutzende Inspektionen oder Überholungen pro Komponente. |
| Insgesamt haben wir es also mit Millionen von Datensätzen zu tun. Aber in der Regel sind unsere Modelle auf bestimmte Konfigurationen ausgerichtet und basieren daher auf begrenzteren Datensätzen mit 10.000 oder weniger Datensätzen, Zehntausenden oder weniger Datensätzen. |
| Das andere, worauf ich hier hinweisen wollte, ist, dass unser Datensatz oft über 100 Spalten enthält. Es gibt also Herausforderungen bei dieser Datengröße, die dazu führen, dass JMP viel besser geeignet ist als ein Excel-basierter Ansatz, um dieselben Aufgaben zu erledigen. |
| Daher arbeitete GE mit einem Drittanbieter zusammen, um die erste Version dieses Tools mithilfe der Skriptsprache JMP zu entwickeln. |
| Und der Name des Tools ist Computer Aided Reliability Modeling Application oder CARMA, mit einem c. Und der Aufwand, der damit verbunden ist, dies zu dem zu machen, was wir heute haben, ist nicht trivial. |
| Dies ist eine Darstellung davon. Sie können die Anzahl der Skripte und Codezeilen sehen, die den Umfang und die Größe des Tools in seiner heutigen Form bezeugen. Aber es hat sich auch für uns als sehr nützliches Werkzeug erwiesen. |
| Im Laufe der Zeit haben wir die Notwendigkeit erkannt, CARMA im Laufe der Zeit weiterzuentwickeln und zu verbessern. Und um dies zu erreichen, mussten wir einige intern vergrößern und fördern |
| Ich verfüge über umfassende Kenntnisse in der JSL-Codierung und beaufsichtige die Arbeit von Entwicklern, die sich auf dieses und einige verwandte Tools konzentrieren. |
| Die Botschaft an Sie ist, dass auch nach der Erstellung von CARMA eine fortlaufende Investition erforderlich ist, um die App zu warten und relevant zu halten und sie entsprechend Ihren Geschäftsanforderungen weiterzuentwickeln. |
| Aber es ist beides machbar und die Vorteile sind sehr real. Eine Umfrage unter unseren Nutzern in diesem Sommer hat tatsächlich darauf hingewiesen |
| ein Net Promoter Score von 100 % und eine Verkürzung der Zykluszeit für eine Modellaktualisierung um mindestens 25 %. Das ist also Echtzeit |
| das wird gespart. Und dann sehen wir anekdotisch auch, wo CARMA in unserem Prozess Probleme aufgedeckt hat, die wir angehen konnten, die andernfalls vielleicht verborgen geblieben wären und nicht angegangen werden könnten. |
| Und ich habe ein Zitat, es ist ziemlich lang. Aber ich möchte diesen Vorbehalt zur Automatisierung von Bill Gates einfach weitergeben, da er ein oder zwei Dinge über Softwareentwicklung weiß. |
| „Die erste Regel jeder in Unternehmen eingesetzten Technologie ist, dass die auf eine effiziente Automatisierung angewendete Automatisierung die Effizienz steigert. Zweitens führt die Automatisierung eines ineffizienten Betriebs zu einer Vergrößerung der Ineffizienz.“ |
| Das ist also das Ende des Zitats, aber dies ist nur eine großartige Erinnerung daran, dass Automatisierung kein Allheilmittel ist, das einen fehlerhaften Prozess repariert. Wir brauchen auch heute noch Leute, die das tun. |
| Okay, also bevor wir eine Demonstration des Tools machen. Ich wollte nur einen allgemeinen Überblick über das Tool und die Ein- und Ausgaben in CARMA geben. |
| Und der Benutzer muss das Tool auf die Eingabedateien verweisen. Hier auf der linken Seite sehen Sie also, dass wir eine aktive Modelldatei haben, die im Wesentlichen die bereits genehmigten Modelle enthält. Und dann haben wir empirische Daten. |
| Und dann führt der Benutzer in der Benutzeroberfläche einige Modellierungsaktivitäten durch. |
| Und dann sind die Ausgaben laufende Modelle, also Aktualisierungen der Aktion von Modellen in einer PowerPoint-Präsentation. |
| Und das schauen wir uns auch an. |
| Als Hintergrund für die Daten verwende ich die Demo. |
| Ich wollte nur verraten, dass ich mit dem Lokdatensatz angefangen habe. Und wir werden sehen, dass JMP einige Beispieldaten bereitstellt. Das ist also dort der Fall |
| und das ergibt eine Population. Dann habe ich auch eine zusätzliche Modellpopulation hinzugefügt. |
| Und die große Botschaft, die ich hier weitergeben wollte, ist, dass es sich bei dem, was wir sehen werden, ausschließlich um erfundene Daten handelt. Es ist nicht real; es repräsentiert nicht die Funktionalität |
| oder das Verhalten eines unserer Teile im Feld, oder es ist alles nur erfunden. Denken Sie also daran, wenn wir die Ergebnisse durchgehen, aber es sollte uns trotzdem eine Möglichkeit geben, einen Blick auf das Tool zu werfen. |
| Deshalb werde ich für eine Sekunde auf JMP umsteigen und JMP 15.2 für die Demo verwenden. Und dieser Datensatz ist im Vergleich zu dem, was wir normalerweise sehen, vereinfacht. Aber wie gesagt, es sollte die Kernfunktionalität von CARMA ausüben. |
| Also gehe ich zunächst einfach zum Hilfemenü, Beispieldaten, und Sie werden das sehen |
| Zuverlässigkeits- und Überlebensmenü hier. Dahin gehen wir also. Das Schöne an JMP ist, dass es viele verschiedene Disziplinen und Funktionen sowie spezielle Tools dafür bietet. Und für meinen Fall mit Zuverlässigkeit gibt es hier einiges, was auch förderlich ist |
| Der Wert der Verwendung von JMP ist ein Zuhause für CARMA. |
| Aber ich wollte Sie auf den Lokomotivdatensatz hinweisen und Ihnen nur zeigen... |
| Dies stammt ursprünglich aus einem Lehrbuch. |
| Und spricht hier von angewandter Lebensdatenanalyse. Darin liegt also ein Problem, das Sie fragt, wie hoch das Risiko bei 80.000 Expositionen ist, und wir werden das heute in unserem Datensatz modellieren |
| in einem Oxidationsmodell haben wir es genannt, aber im Wesentlichen wird uns CARMA eine Antwort geben. Wieder eine wirklich einfache Antwort, aber ich wollte Ihnen nur zeigen, dass Sie dasselbe bekommen können |
| Weg durch Klicken |
| im Analysemenü. |
| Also gehen wir zu einer Analyse von Haftung und Überleben, Lebensverteilung über. |
| Platzieren Sie die Zeit und den Sensor dort, wo sie hin müssen. |
| Wir werden Weibull verwenden |
| und nur die beiden ... also entsteht eine Anpassung an diese Daten. |
| Zwei Parameter, auf die ich hinweisen wollte, sind das Beta 2,3, und hier wird es Weibull-Alpha genannt. In unserem Tool heißt es Ada, aber 183. |
| Okay, wir sehen hier, wie das geht. |
| Jetzt nur noch rüberspringen, |
| Ich möchte mir ein paar der anderen Dateien ansehen, also die Eingabedateien |
| Ich werde die hochziehen. |
| Okay, das ist die Modelldatei. |
| Ich habe erwähnt, dass ich drei Modelle gemacht habe. Das sind also die aktiven Modelle, mit denen wir die Daten vergleichen werden. |
| Sie werden sehen, dass Oxidation das erste ist, das habe ich erwähnt, und dann |
| Sie möchten ... zusätzlich zu den Modellparametern verfügt es auch über einige Konfigurationsinformationen. Das sind hier nur zwei einfache Dinge |
| (Verbrennungssystem, Kraftstoffkapazität) Ich verwende es als Beispiele, aber es gibt noch viel mehr ähnliche Spalten. Aber im Wesentlichen gefällt mir an CARMA, dass es einen großen Datensatz mit vielen unterschiedlichen Konfigurationen durchsuchen und finden kann |
| welche dieser Datensatzzeilen auf Ihr Modell zutrifft, und führen Sie die Sortierung in Echtzeit durch, und zwar für alle Modelle, die Sie im Datensatz durchführen müssen. Und das werden wir nutzen, um es zu demonstrieren. |
| Verzeihung. |
| Sehen Sie sich auch einmal die empirischen Daten an. |
| Und |
| Nur ein Highlight, wir haben einen Sensor, wir haben Belichtungen, wir haben |
| Die |
| Intervall, in dem wir diese Expositionen bewerten werden, |
| Modi, |
| Und dann sind dies die letzten beiden Spalten, über die ich gerade gesprochen habe: Verbrennungssystem und Kraftstoffkapazität. |
| Okay, also lasst uns CARMA starten. |
| Als Add-In, also werde ich es einfach in Gang bringen. |
| Und Sie werden sehen, dass es bereits auf den Standort zeigt |
| Ich möchte benutzen. |
| Und |
| In der heutigen Präsentation werde ich nicht die Zeit haben, auf die ganze Vielfalt der hier enthaltenen Funktionen einzugehen. Aber das sind alles Dinge, die Ihnen helfen können, Ihre Daten zu betrachten und zu entscheiden, wie Sie sie am besten modellieren und einige Überprüfungen durchführen können, bevor Sie Ihre Modelle fertigstellen. |
| Aus Zeitgründen werde ich das nicht alles erklären und demonstrieren, sondern ich wollte mir nur eine Minute Zeit nehmen, um die drei Modelle, über die wir gesprochen haben, zu bauen und eine Präsentation zu erstellen, damit Sie diesen Teil der Funktionalität sehen können. |
| Entschuldigung, meine Güte |
| Der Hals wird plötzlich trocken, sodass ich weiter trinken muss. Ich entschuldige mich dafür. |
| Wir haben also Oxidation. |
| Wir sehen die Anzahl der Ausfälle und Sperren. |
| Das ist das Gleiche, was Sie im Text sehen werden. |
| Fügen Sie das hinzu. |
| Und lasst uns einfach kurz nach unten scrollen. Das ist |
| erstes Modell hinzugefügt |
| Oxidation. Wir sehen, dass das alte Modell 30 Ausfälle und 50 Unterbrechungen hatte. Dieser hat 37 und 59. |
| Das Beta beträgt 2,33, wie wir äußerlich gesehen haben, und der ADA beträgt 183. |
| Und die Antwort auf die Lehrbuchfrage: Das Risiko von 80.000 Expositionen |
| beträgt bei Verwendung eines Weibull-Modells etwa 13,5 %. Das ist hier einfach eine Art und Weise auf hohem Niveau. |
| Schauen wir uns auch einfach die beiden anderen Modelle an. |
| Okay, wir haben es geschafft, ich füge noch Creep hinzu. |
| Und Sie werden es hier sehen |
| Es werden verschiedene Kästchen angezeigt, die beispielsweise das Verbrennungssystem oder die Kraftstoffkapazität darstellen, wobei dies für dieses bestimmte Modell in der LDM-Datei gefordert wird. |
| Aber wenn ich das ändern wollte, könnte ich hier andere Konfigurationen auswählen und das würde dazu führen, dass ich meine Zeilen für FNS dahingehend ändern würde, was einbezogen wird und was nicht. |
| Und dann kann ich neue Populationen erstellen und segmentieren |
| entsprechend. |
| Okay, wir haben also alle drei Modelle hinzugefügt |
| Und ich denke, wissen Sie, wir werden nicht mehr Zeit damit verbringen, nur mit den Modellen und den Optionen herumzuspielen, aber ich werde einen Bericht erstellen. |
| Und ich habe einige Optionen, was ich in den Bericht aufnehmen möchte. |
| Und ich habe eine Präsentation und diese LDM-Eingabe wird die aktiven Modelle sein, sorry, die laufenden Modelle |
| als Tisch herauskommen. |
| Also gut, ich muss es einfach tun |
| Wählen Sie den entsprechenden Ordner aus |
| wohin meine Präsentation gehen soll |
| Und jetzt wird es eine Minute dauern, diesen Bericht durchzugehen und zu erstellen. Das dauert eine Minute. Aber ich denke, was ich dem einfach gegenüberstellen würde, sind die Stunden, die man normalerweise dafür braucht, um dieselbe Aufgabe zu erledigen. |
| möglicherweise, wenn Sie außerhalb des Tools arbeiten. Und jetzt sind wir bereit, den Bericht fertigzustellen. |
| Speichern Sie es. |
| Und |
| Speichern Sie den Ordner und jetzt ist es fertig. Es ist da drin und wir können es überprüfen. |
| Das andere, worauf ich hinweisen möchte, ist, dass ich dies bereits generiert habe, wenn ich aufrufe |
| vorher, also werde ich einfach |
| hochziehen |
| die Datei, die ich bereits erstellt habe, und wir können sie durchsehen. Aber es gibt eine Vorlage. Es dient der Geschwindigkeit, kann aber nach der Erstellung noch weiter angepasst werden. Sie können auch Platzhalter belassen und die Folien nach der Erstellung ändern. |
| Es geht um mehr als nur die Lebensverteilungsmodellierung, die ich anfangs hervorgehoben habe. Es erledigt eine Menge zusammenfassender Arbeit und fasst die in jedem Modell enthaltenen Daten zusammen, wofür JMP natürlich sehr gut geeignet ist. |
| Es macht einige Arbeit, die Modelle zu vergleichen, damit Sie es können |
| Führen Sie verschiedene statistische Tests durch. Verwenden Sie JMP. Und auch hier ist JMP großartig. Das fügt also diese Funktionalität hinzu. |
| Einige der Dinge, die unsere Rezensenten gerne sehen und wie sich die Modelle von Jahr zu Jahr verändert haben: Sie haben mehr Daten, enthalten weniger. Wie wirkt es sich auf die Parameter aus? Wie verändert es Ihre Risikozahlen? |
| Diagramme Natürlich erhält man viele Daten aus Streudiagrammen und ähnlichen Dingen. |
| Es gibt eine Zusammenfassung, die einige der Konfigurationsinformationen enthält, über die wir gesprochen haben, sowie die endgültigen Parameter. |
| Und das gilt für jedes der drei Modelle, |
| sowie nur ein Risiko-Roll-up am Ende |
| für all das |
| kombiniert. |
| Das ging also schnell |
| Komplettlösung. Der |
| Demo. |
| Ich denke, wir haben alles abgedeckt, was ich tun wollte. |
| Wenn Sie weitere Fragen haben, können wir uns hoffentlich noch ein wenig in der Frage-und-Antwort-Runde unterhalten. Es ist schwer, alles vorherzusehen. |
| Aber ich wollte einfach noch einmal über einige der Vorteile sprechen. Ich habe das bereits erwähnt, aber wir haben durch CARMA Produktivitätssteigerungen erlebt, das ist also ein Vorteil. |
| Natürlich wird die Standardisierung unseres Modellierungsprozesses verbessert und das ermöglicht es auch Teammitgliedern, die neuer sind, sich mehr auf den Prozess und das Erlernen zu konzentrieren, anstatt mit Tools zu arbeiten. |
| was ihnen letzten Endes dabei hilft, schneller auf den neuesten Stand zu kommen. Und dann erhöht sich auch das Mitarbeiterengagement, indem Ingenieuren die Nutzung ermöglicht wird |
| in ihren Köpfen, wo sie die größte Wirkung erzielen können. |
| Deshalb möchte ich auch Melissa Seely, Brad Foulkes, Preston Kemp und Waldemar Zero für ihre Beiträge zu dieser Präsentation danken. Ich schulde ihnen großen Dank für alles, was sie zur Unterstützung geleistet haben. |
| Und ich möchte Ihnen für Ihre Zeit danken. Es hat mir Spaß gemacht, heute unseren Weg zur Verbesserung mit Ihnen allen zu teilen. Ich hoffe, dass wir in der Frage-und-Antwort-Runde Gelegenheit haben, miteinander in Kontakt zu kommen, aber wie auch immer, genießen Sie den Rest des Gipfels. |
