CONFIDENTIEL DE L'ENTREPRISE. NE PAS DIVULGUER.
L'innovation basée sur les données augmente la valeur de la médecine de précision
Siemens Healthineers utilise une approche statistique de pointe pour augmenter la valeur pour ses clients en rationalisant la production, en transformant les processus de test et en tenant une promesse de qualité
_________________________________________________________________________________________
Défi : Gagnez en efficacité dans le dépannage pour optimiser le développement et développer le portefeuille de technologies de santé de l'entreprise.
Solution: Utilisez JMP pour traiter un grand volume de données et mettre en œuvre des expérimentations basées sur des statistiques, réduisant ainsi le temps de test et anticipant les problèmes potentiels.
Résultats: L'adoption de méthodes statistiques telles que la conception d'expériences (DOE) a accéléré le développement chez Siemens Healthineers. Dans un cas, les ingénieurs ont réduit les paramètres de test de 41 variables à 7, économisant du temps et des ressources de test précieux et identifiant rapidement les composants défectueux.
_________________________________________________________________________________________
L'analyse de données a révolutionné le domaine de la santé. Et bien que la recherche et le développement aient toujours été l'épine dorsale de la technologie médicale moderne, alors que l'industrie s'oriente vers la numérisation complète, le volume de données disponibles a conduit à une révolution numérique dans les processus de soins de santé. La technologie analytique – et les nouvelles méthodes statistiques en ingénierie – ont aidé les secteurs public et privé à faire face aux exigences croissantes des besoins de santé de la société. Cette tendance ne fera que croître dans un avenir proche, car de plus en plus d'organisations adoptent la puissance des mégadonnées.
Alors que l'analyse a un potentiel important pour révolutionner les opérations de soins de santé quotidiennes et lutter directement contre les maladies, à ce jour, les plus grands progrès dans la recherche en soins de santé ont été réalisés dans l'identification des gains d'efficacité et la réduction des coûts - des objectifs vitaux dans un domaine de plus en plus concurrentiel accablé par des normes réglementaires strictes. L'un des premiers utilisateurs les plus ardents de l'analyse de données, Siemens Healthcare Diagnostics, a utilisé les données pour garder une longueur d'avance en anticipant les besoins et les problèmes potentiels.
Recueillir quotidiennement les données de 5 millions de patients
Siemens Healthineers, une division de Siemens Healthcare Diagnostics, travaille avec les prestataires de soins de santé pour augmenter la valeur en développant la médecine de précision, en transformant la prestation des soins, en améliorant l'expérience du patient et en numérisant les services de santé. Le vaste portefeuille de la société comprend des technologies médicales de pointe et de haute qualité qui résolvent certains des défis les plus urgents des clients dans les systèmes hospitaliers du monde entier. De plus, on estime que les produits Siemens touchent près de cinq millions de patients dans le monde chaque jour.
Les données sont au centre de l'opération. Siemens Healthineers génère un vaste volume de données et d'informations, dérivé d'une base de plus de 600 000 systèmes numériques. Alors que des pans entiers de l'entreprise sont dédiés au développement de nouveaux produits, la réingénierie des solutions existantes est tout aussi vitale, et Siemens emploie des équipes de données qui examinent les entrées de R&D pour développer des tests pour un dépannage rapide et exploitable. La culture analytique tournée vers l'avenir de Siemens en fait l'une des plus innovantes au monde, et les exemples d'améliorations basées sur les données abondent. Comme beaucoup au sein de l'organisation, Harald Ackermann, directeur chez Siemens Healthcare Diagnostics, utilise quotidiennement une approche statistique de l'ingénierie ; un cas en particulier se démarque comme illustrant les avantages de cette stratégie.
Grands ensembles de données, nombreuses variables, temps de test limité
Lorsque l'équipe de production de Siemens Healthineers a remarqué une incohérence critique contrecarrant l'évolutivité des efforts de production, l'équipe d'Ackermann a été appelée pour aider à identifier la cause première. « Ils avaient un problème de production avec un composant qu'ils fabriquaient pour un test de diagnostic spécifique », se souvient Ackermann. Il y avait 40 à 45 composants différents utilisés dans différents sous-processus pour ce produit particulier et chaque composant avait entre 25 et 30 lots différents à étudier. « Nous avions beaucoup de données : des données de réaction, des matériaux sources et plus encore qui ont été examinés. Comme vous pouvez l'imaginer dans la production de technologie médicale, tout va bien, puis vous commencez à tester une nouvelle réaction et cela ne fonctionne plus.
Ackermann et son équipe se sont mis au travail pour trier les données - lorsque le volume de points d'entrée est si élevé et les sources si variées, le formatage des données avant l'analyse peut être un travail colossal en soi. « Au début, c'était difficile parce que les données n'étaient pas bien formatées », explique Ackermann. « Nous avons dû le mettre dans un certain format, ce qui a pris un certain temps. Mais JMP m'a aidé à vraiment comprendre où était la cause du problème.
Ackermann utilisait le logiciel JMP de SAS depuis plus de 25 ans au cours de sa carrière chez Siemens Healthcare Diagnostics. En tant que tel, il était idéalement placé pour aider l'équipe d'ingénieurs à utiliser au mieux une gamme de méthodes statistiques avancées rendues possibles par la suite dynamique d'applications de l'outil pour la conception d'expériences (DOE), l'ingénierie de la qualité et Six Sigma.
D'après l'estimation d'Ackermann, sans la capacité du DOE dans JMP, il aurait fallu une personne travaillant à temps plein pendant plus d'une semaine pour tester chaque composant nécessaire pour éliminer la source du problème de production. « Si vous examinez 41 composants, cela peut prendre six mois pour tout étudier », ajoute-t-il. « Moins d'expériences vous avez à faire, plus vous gagnez de temps. » En appliquant une approche de conception d'expériences pour gérer un environnement multivarié et identifier une conception optimale, Ackermann affirme que les tests ont été réalisés en seulement trois mois.
Un vieux JMP qu'il soit, Ackermann dit que l'apprentissage des nouvelles fonctions et utilitaires disponibles dans JMP 14 a été une révélation. « Pendant que j'étudiais ces données marketing, j'ai utilisé le module marketing de JMP », explique-t-il. « J'ai également trouvé une autre solution qui m'a en fait conduit très près de la cause première du problème. Pour moi, c'était complètement surprenant, je ne m'y attendais pas.
En fin de compte, Ackermann a pu retracer l'incohérence à un seul fournisseur de matières premières dont les problèmes de qualité n'ont été amplifiés que par l'incorporation du matériau dans la technologie finale de Siemens. « En raison de l'analyse dans JMP », explique Ackerman, « nous avons réduit le nombre d'études à effectuer des 41 que nous avons initialement étudiées à seulement 7. Nous avons gagné beaucoup de temps. »
Une utilisation croissante du DOE optimal et des méthodes d'ingénierie de qualité facilite un dépannage plus rapide
Il est vital pour les ingénieurs de pouvoir dépanner rapidement et efficacement, car ces solutions sont généralement livrées à des produits déjà sur le marché. Ackermann dit qu'en rendant les tests aussi ciblés que possible avec des solutions efficaces comme celles qu'il a fournies, les ingénieurs apportent des correctifs aux clients existants le plus rapidement possible. « Au lieu d'examiner toutes les différentes possibilités qui auraient pu causer le problème, vous voulez vous assurer au début que vous pouvez limiter le nombre de tests à ceux qui sont nécessaires, pas simplement à tout ce qui peut être fait », explique-t-il. .
Ce type d'approche collaborative et axée sur les données est l'épine dorsale de ce que font Ackermann et son équipe : « Si vous rencontrez un problème en production, vous voulez toujours avoir une solution rapide », explique-t-il. « Vous voulez identifier la cause très rapidement…. L'équipe de contrôle qualité est donc responsable de la résolution du problème, et elle a mon équipe comme support pendant qu'elle effectue les tests. Nous devons fabriquer les composants, et nous devons rechercher la cause. Plus nous utilisons JMP tôt, plus vite nous pourrons vraiment résoudre un problème.
Ackermann explique qu'il utilise ces solutions, natives de JMP, dans les réactifs, les coûts, les problèmes de processus et dans les produits eux-mêmes. « Le processus peut être facilement transféré à tout type de problème que nous avons en production, s'il est lié à une cause de réactif », explique-t-il. « Le système d'analyse catégorielle de JMP m'a aidé à réduire le nombre de tests requis. »
Ackermann est sur le point de passer à un nouveau projet au sein de Siemens Healthineers, impliquant des acides. « Nous utiliserons JMP pour pratiquement toutes les données que nous produisons. Et nous l'utiliserons pour concevoir des expériences, comme l'utilisation de l'urée pour chercher à optimiser les composants des réactifs. Il dit que la plupart des chefs de laboratoire chez Siemens Healthineers sont statistiquement compétents et utilisent JMP, mais que les techniciens de laboratoire n'en sont pas encore là, ce qu'il a l'intention de remettre en question : « Nous prévoyons toujours d'en faire plus, afin que nous puissions éduquer tout le monde dans l'organisation à utilisez JMP. Et ce faisant, explique-t-il, accélérer les cycles d'innovation et faire passer les nouvelles technologies les plus révolutionnaires de Siemens de l'établi aux mains des professionnels de la santé plus rapidement que jamais.
