Relatore | Trascrizione |
| Marco | Ben arrivato |
| a questa presentazione qui, utilizzando SAS JMP. |
| L'argomento di questa presentazione è come utilizzare le statistiche come linguaggio comune e come migliorare la qualità del processo in questo modo. |
| Lavoro come responsabile della qualità per un'azienda chiamata Envases. Envases è una grande azienda, a |
| azienda globale che produce lattine per l'industria alimentare. Puoi vedere alcuni dei prodotti qui nell'angolo sinistro. |
| Alcuni dei prodotti potrebbero esserti familiari. Sono lattine che puoi comprare nei supermercati, abbiamo carne, pesce, latte in polvere, abbiamo anche succhi di frutta e così via nelle lattine. |
| Abbiamo impianti di produzione in |
| Messico e in Europa e il |
| l'argomento che voglio discutere qui oggi è relativo ai nostri impianti di produzione in Danimarca. |
| Fondamentalmente quello che presenterò qui è un problema che è stato risolto utilizzando SAS JMP come uno degli strumenti. |
| E trascorrerò un po' di tempo in JMP per mostrare alcune delle funzionalità e per dare un'idea di come SAS JMP può essere utilizzato per lavorare con questo tipo di problemi, che sono abbastanza sicuro a cui è molto familiare molte delle persone, vedendo questa presentazione. |
| Bene, tornando all'anno scorso, |
| abbiamo avuto dei problemi nelle nostre linee di produzione e le persone nella produzione sono venute da me. Sono il responsabile della qualità e sto affrontando questo tipo di problemi che sono venuti alla mia scrivania dicendo, Marcus, abbiamo un po' di polvere di stagno nelle nostre linee di produzione. |
| Lo stagno è il materiale che usiamo per le lattine, quindi la polvere di stagno in quanto tale non lo è |
| non si tratta di cose da vedere nella nostra produzione, ma la gente si lamentava di poter vedere troppa polvere di stagno nelle nostre linee di produzione. |
| E, di conseguenza, hanno bisogno di pulire le linee tutto il tempo. |
| Quello era, come l'inizio del problema. Non avevamo dati per mostrarlo. Non avevamo carta da esaminare. Non avevamo fogli Excel. Non avevamo alcun file JMP da esaminare. Abbiamo appena ricevuto alcune opinioni dalle persone che dicono che abbiamo troppo |
| polvere di stagno sulla nostra linea di produzione e dobbiamo pulire tutto il tempo. |
| E per rimediare un po' |
| più confuso, ma la gente diceva che l'avevamo visto molte volte prima, e alcune persone dicevano che non l'avevamo mai visto prima. |
| Ho iniziato a parlare con le persone in linea, dicendo: è una novità per te? È successo questa settimana o è successo la scorsa settimana? O che dire dell'anno scorso? E ho avuto molte opinioni diverse e molte |
| input, e anche le persone non mi dicevano la stessa cosa, quindi ero un po' confuso su come avremmo potuto iniziare con questo progetto. |
| Ma comunque, dovevamo iniziare. |
| Quindi la prima cosa che ho fatto |
| era quello di impostare la squadra, dicendo, |
| le persone qui nell'organizzazione dovranno creare una squadra. Chi dovrebbe essere coinvolto nella squadra? E abbiamo individuato alcune persone nella produzione, alcune persone tecniche, alcune persone dell'operazione, alcune persone per il reparto di manutenzione e così via, persone rilevanti per il progetto. |
| E la struttura che abbiamo usato qui per risolvere il problema è ispirata al Six Sigma DMAIC, forse qualcuno di voi lo conosce già. |
| DMAIC riguarda la definizione del problema, la misurazione del problema, l'analisi del motivo del problema, il miglioramento e quindi il controllo, se si è effettivamente riusciti con la soluzione che si è trovata. |
| Una delle idee con questo, DMAIC, e una delle idee, anche per me, usando la struttura qui è definire e misurare il problema, perché a volte tu |
| potresti pensare di avere un problema, ma iniziando a misurare il problema potresti renderti conto che quello che ritieni fosse un problema in realtà non è affatto un problema. |
| Quindi non c'è bisogno di continuare a risolvere il problema che in realtà non esiste, ed è quello che ho detto alla gente dicendo: Va bene, prima di tutto, misuriamo il problema. Abbiamo anche un problema o è solo una sensazione di stomaco che stiamo avendo nella produzione? |
| Questo è stato il primo passo. |
| Quindi siamo andati alla linea di produzione ???, andando alla linea per vedere, |
| possiamo avere un'idea del processo, forse possiamo anche vedere dove si verifica il problema. |
| Il processo è piuttosto semplice. Ho cercato di semplificarlo qui in questo semplicissimo disegno, |
| giusto per darti un'idea. Abbiamo fogli di latta che arrivano a un nastro trasportatore e poi abbiamo un pistone |
| fare il coperchio per le lattine, quindi il processo è piuttosto semplice. |
| Come risultato di questo pistone e della realizzazione di questi coperchi, possiamo vedere che possiamo raccogliere un po' di polvere sul trasportatore, ed è qui che l'operatore deve pulire ogni tanto. |
| E potremmo vedere facendo il ??? che dopo 25.000 coperchi, potremmo raccogliere circa o più di due chilogrammi di polvere di stagno. |
| Ed è stato allora che abbiamo dovuto pulire la linea. Quindi era come la nostra linea di base, diciamo che quando abbiamo prodotto 25.000 coperchi pari a più di due chilogrammi, dobbiamo pulire la linea, ed è stato |
| non accettabile perché la pulizia richiede tempo di produzione e avendo tempi di produzione ridotti non possiamo produrre i coperchi che vogliamo produrre. Ciò significa che forse saremo in ritardo per la consegna, o forse non siamo in grado di consegnare affatto. |
| Quindi, tutti noi abbiamo avuto interesse a ridurre questa pulizia e abbiamo potuto vedere che possiamo ridurre la pulizia se riusciamo a ridurre la polvere di stagno prodotta sulla linea. |
| Quindi il problema era piuttosto semplice quando tu quando abbiamo raccolto il file |
| il |
| dati in chilogrammi qui. |
| Ricorda che puoi vedere il retro qui nella foto, questa è la polvere che potremmo raccogliere usando un aspirapolvere dopo 25.000 coperchi. All'inizio, quando le persone venivano da me non avevamo nemmeno un bagaglio con la polvere, era solo |
| è stato solo guardando, abbiamo potuto esprimere il problema che stavamo riscontrando. Ora almeno potremmo vedere che questo è il problema che stiamo avendo. Abbiamo troppa polvere e questa è troppa polvere, perché dobbiamo pulirla. Quindi dobbiamo ridurre il |
| chilogrammi dopo 25.000 coperchi prodotti, questo è stato il criterio di successo del progetto. |
| Raccogliendo le persone giuste, abbiamo preso come un laboratorio, abbiamo messo tutte le persone in una stanza dicendo che abbiamo un problema qui. Dopo 25.000 coperchi produciamo più di due chilogrammi di polvere. Qual è il motivo? |
| E poi abbiamo fatto un brainstorming, dicendo: guarda il processo, guarda cosa sta arrivando nel processo, cosa sta venendo fuori dal processo. Qualcuno di queste variabili può spiegare il recente per la polvere di stagno che vediamo? |
| Quindi il primo passo è stato definire le variabili. E puoi vedere, ho segnato qui in giallo quelle che la squadra si aspettava fossero alcune delle cause principali della polvere di stagno che abbiamo visto. |
| Abbiamo iniziato con l'input che dal momento che sta arrivando, sappiamo che il foglio di latta, lo spessore del foglio di latta può |
| può variare, quindi possiamo avere un foglio di latta più spesso in arrivo e un po' |
| foglio sottile non così sottile in arrivo. |
| E abbiamo anche potuto vedere che il rivestimento del pistone potrebbe essere una ragione per il rivestimento di stagno. |
| Abbiamo potuto vedere, rispetto ad altre linee che avevano qualche mantello, non presentava il problema nella stessa scala. |
| Abbiamo anche potuto vedere che le misurazioni del pistone, abbiamo quattro diverse misurazioni sul pistone che potrebbero spiegare il motivo della polvere di stagno. |
| Non l'abbiamo mai provato, quindi era solo sulla carta, quindi questo potrebbe essere il motivo, ma proviamo a scoprirlo. |
| L'anno scorso o due anni fa, quando abbiamo avuto un problema come questo, |
| l'approccio sarebbe normalmente che stavamo provando cose diverse, quindi potremmo provare a fare in modo che lo spessore potesse vedere se questo poteva cambiare qualcosa, il mantello. Ma qui vorremmo combinare tutte le variabili in un esperimento semplicemente per accelerare il processo. |
| Quindi abbiamo impostato un progetto di esperimenti, un DOE. |
| Nel tempo dobbiamo cambiare un po' questo aspetto, in modo che possa riflettere la realtà che abbiamo e anche i tempi di produzione assegnati che potremmo utilizzare per l'esperimento. |
| L'impostazione degli esperimenti e la definizione delle variabili non è stato un compito difficile. Ci sono volute forse un paio d'ore. Impostare il DOE non è stato difficile, lo abbiamo fatto in SAS JMP. Ma l'esecuzione del DOE è stata la parte difficile perché ha richiesto molto tempo; ci è voluta circa una settimana. |
| Quindi dobbiamo pianificare di togliere la macchina e poi abbiamo fatto la prova per circa cinque giorni. E semplicemente quello che abbiamo fatto, abbiamo prodotto 25.000 coperchi utilizzando un tipo di impostazione e poi 25.000 coperchi utilizzando un altro tipo di impostazione e così via. |
| E poi, dopo la settimana, abbiamo analizzato i risultati e poi abbiamo concluso sulla base di questi risultati. |
| Fammi provare a mostrartelo |
| cosa abbiamo fatto in SAS JMP. |
| Puoi vedere qui questo, solo guardando i numeri, abbiamo potuto vedere che questo è un enorme progresso dal nostro punto di partenza. Abbiamo iniziato con il fatto che la gente dicesse che abbiamo troppa polvere e che dobbiamo pulire tutto il tempo. Ora almeno abbiamo un numero un numero... numeri sulla scatola. |
| Puoi vedere qui, abbiamo la polvere di stagno. Questo è il |
| prodotto polvere di stagno dopo 25.000 coperchi e abbiamo anche diverse impostazioni dello spessore del materiale che entra nella linea. |
| E qui abbiamo le quattro diverse misure del pistone. E abbiamo una dichiarazione, è stata rivestita o non è stata rivestita. Quindi abbiamo diversi tipi di pistoni che stavamo provando. |
| Questo è piuttosto facile da capire per le persone. Potrebbero vedere quanta polvere di stagno abbiamo se lo spessore del materiale che entra è 5,74, se la misura è 1,47 e così via. |
| Quindi questo è un enorme passo dal semplice guardare per avere effettivamente dei numeri reali dietro il set di lavoro che stavamo avendo all'inizio. |
| Quindi solo raccogliere il numero qui è stato un enorme progresso dal nostro punto di partenza, ma l'idea era quella di usare il numero per vedere possiamo spiegare |
| il motivo della polvere di stagno in base allo spessore del materiale in entrata, alle quattro diverse misure del pistone e se il pistone è stato rivestito o meno. |
| Stiamo utilizzando alcuni degli strumenti in SAS JMP e uno degli strumenti che utilizziamo molto qui è il modello di adattamento. Il modello di adattamento spiega se ci saranno relazioni tra le tue risposte e le tue variabili. |
| E quassù abbiamo la risposta. |
| Questa è la nostra polvere di stagno. |
| Qui abbiamo il modello, quindi vorremmo vedere se lo spessore del materiale effetto |
| le 10 polveri, la misura del pistone, |
| e se il rivestimento del pistone avrebbe un impatto. |
| Esecuzione del modello qui |
| e dicendo, prova a combinare le diverse variabili e dimmi cosa avrà il maggiore impatto sulla nostra polvere di stagno. |
| E questo è fondamentalmente il risultato che ne abbiamo ricavato. |
| Potremmo vedere qui che abbiamo quello che stiamo usando il valore p per guidarci se questo ha senso per noi. Il mantello è basso e il valore p significa, beh, sembra che abbiamo un significato |
| rapporto tra il mantello e la nostra polvere di stagno. Riteniamo inoltre che lo spessore del materiale avrà a |
| relazione con la nostra polvere di stagno e crediamo che la Misurazione 3 avrà una sorta di relazione con la polvere di stagno. Questo significa anche che la Misura 1, 2 e 4 non sembra essere significativa quando si parla di polvere di stagno. |
| Ricorda che stavamo iniziando semplicemente lavorando senza alcun tipo di numero, quindi ora stavamo parlando dei valori P e di come questo può aiutarci. |
| E questo è stato in realtà abbastanza facile da interpretare per noi, e la gente ha capito, ok significativo significa che questa forse non è una coincidenza. |
| E utilizzando le persone giuste, potremmo verificare che questo abbia senso anche per loro, quindi sembra che il rivestimento possa avere un impatto sulla polvere di stagno. |
| E il tecnico... lo staff tecnico stava dicendo, sì, ha senso che il rivestimento abbia un impatto sulla polvere di stagno, perché l'abbiamo visto su altre linee. |
| E lo spessore potrebbe essere verificato ha senso e la Misurazione 3 potrebbe avere senso, quindi abbiamo iniziato a credere che lo sia |
| alcune buone linee guida per noi, ma dobbiamo vedere sì, possiamo vedere che il mantello sembra essere significativo, ma è con o senza rivestimento che è rilevante per noi? |
| Quindi abbiamo ampliato questo... |
| il modello in forma qui e |
| puoi vedere qui nel profiler come le diverse variabili influiranno sulla polvere di stagno. Puoi vedere la polvere di stagno qui a sinistra. |
| E puoi vedere lo spessore del foglio in arrivo qui, la Misura 3 e poi il cappotto. E poi potremmo provare a simulare se dobbiamo rivestire, se abbiamo la Misura 3 attiva. |
| quali sarebbero i chilogrammi previsti che escono dal processo? |
| Qui sta dicendo che possiamo aspettarci 0,0057. Abbiamo anche un intervallo di confidenza qui, ma possiamo aspettarci che questo sarà il numero di polvere di stagno che esce dal processo. |
| Quindi guarda e vedi cosa succede se abbiamo un pistone che non è rivestito. Vedo che cambierà significato e sarà più alto. |
| E sappiamo dall'inizio che circa 0,2 sarà come il punto di svolta se abbiamo più di 0,2 chilogrammi di polvere di stagno, dobbiamo pulire, quindi vogliamo essere inferiori a 0,2. |
| E quello che abbiamo fatto per andare ancora oltre qui, perché sappiamo che lo spessore del materiale era molto difficile da controllare per noi, questo è specificato e ci sarà qualche variazione all'interno dello spessore, che sarebbe molto difficile per noi cambiare. |
| Quindi dovevamo avere un processo molto robusto, dicendo che dovevamo mantenere lo spessore flessibile. |
| Ma ciò che possiamo controllare è la Misura 3 e il rivestimento. |
| Quindi abbiamo ampliato questo profiler a |
| il simulatore in modo da poter simulare cosa succede se lo spessore cambia |
| con qualche deviazione standard specificata. |
| Quindi stiamo dicendo che sappiamo che lo spessore può cambiare. |
| Sappiamo che abbiamo una media intorno a 5,595 e abbiamo una deviazione standard di questo materiale pari a 0,058. Potremmo cambiarlo in seguito. Vogliamo fissare la misura e vogliamo riparare il rivestimento, avendo |
| il rivestimento sul pistone. |
| Sappiamo anche che il nostro obiettivo non è superiore a 0,2, quindi potremmo aggiungere un obiettivo qui. |
| E poi potremmo simulare. |
| La Misura 3 sarà fissata, il manto sarà fissato, ma lo spessore cambierà nel tempo. |
| Quindi possiamo simulare se vogliamo 5.000 fogli nel processo, cosa possiamo aspettarci di vedere |
| nella polvere di stagno? E poi potremmo simulare. Puoi vedere se ce l'abbiamo |
| un foglio di latta in arrivo con uno spessore di circa 5,6, la Misura 3 a 1 e con una mano, ci si può aspettare un risultato molto buono. E puoi vedere, abbiamo la linea rossa qui alle 2... |
| scusa, 0,2, e possiamo anche vedere che il tasso di difetto, il che significa che il tasso di misurazioni superiore a 0,1 sarebbe 0, quindi questo è un bene per noi. |
| Puoi anche vedere che se poi lo cambiamo, la Misura 3, non a 1, |
| ma a 2,5. |
| E di nuovo con la simulazione. |
| Saremo a |
| un leggermente superiore |
| quantità di polvere di stagno. Se noi, per di più, |
| spiacente, |
| cambiarlo in un pistone senza rivestimento ed eseguire una lastra da 5.000 fogli, potremmo aspettarci una risposta molto scarsa. |
| E potremmo vederlo |
| la configurazione che avevamo nella nostra linea di produzione prima di iniziare queste modifiche era costituita da pistoni senza rivestimento. Quindi questo era molto nuovo per noi ed è stato molto eccitante per noi vedere che possiamo effettivamente vedere cosa potrebbe controllare la polvere di stagno e possiamo persino controllarlo noi stessi. |
| Quindi, sulla base delle simulazioni che abbiamo qui, abbiamo deciso di fare |
| un |
| Misura 3 su 2 e poi un pistone con rivestimento, |
| il che significa che avremo un processo molto robusto che ottiene ... in grado di gestire la variazione che abbiamo nello spessore dei fogli. |
| Quindi potremmo anche provare a simulare qualcosa, e se questa deviazione non fosse 0,058 ma lo fosse |
| 1.5. |
| Vedete, questo sarà troppo, quindi questi sono alcuni degli accordi che abbiamo con i nostri fornitori che devono mantenere la deviazione standard a un livello specifico perché così avremo |
| un processo robusto. |
| Quindi questo è stato come aprire gli occhi per tutti noi poiché questa è un'immagine molto, molto buona per noi e non ci è costata molto. L'unica cosa che ci è costata è stato l'esperimento che abbiamo impostato per cinque giorni. |
| Quindi questa è stata una buona notizia per noi. |
| E quindi qui al numero cinque, abbiamo concluso dicendo: Va bene, ora sappiamo cosa dovrebbe essere migliorato, dobbiamo rivestire gli strumenti o il pistone e dobbiamo regolare la misura a 2.0. |
| Proveniva da circa 3.0. Quindi questo era??? un miglioramento, e questa è un'immagine molto semplice del profiler, |
| mostrando la relazione tra il nostro mantello di latta e le diverse variabili che ci aspettavamo. E abbiamo fatto un controllo dicendo proviamo a cambiare |
| i nostri processi e quindi produrre altri 25.000 coperchi e quindi puoi vedere il confronto. Questa è stata la nostra linea di base. Puoi vedere la piccola polvere qui nel bagaglio prima di cambiare il processo e puoi vedere i 25.000 |
| della polvere di stagno dopo aver prodotto 25.000 coperchi dopo il cambio e non abbiamo visto polvere di stagno qui. |
| Quindi questo è stato come... è stato un'ottima prova del concetto per noi. È stato uno dei primi progetti che abbiamo realizzato utilizzando SAS JMP ed è stato un ottimo proof of concept e le persone hanno fatto davvero affidamento su questo modo di risolvere i problemi. |
| Quello che impariamo qui è l'uso dei dati, mostra dei benefici per noi, perché poi abbiamo qualcosa in comune, qualcosa che possiamo mettere in relazione con tutti, |
| invece di avere opinioni diverse è molto difficile per noi quantificare, quindi l'uso di questo è stato molto utile per tutti noi. |
| E usando le persone giuste, i tecnici, le persone |
| con una conoscenza dalla linea, anche le persone che possono utilizzare come un software statistico come JMP capiscono come impostare |
| un esperimento, capire come fare un modello di adattamento, modelli di regressione e così via. E poi l'uso di SAS JMP è davvero potente. Non avremmo potuto farlo, come in Excel perché non hanno gli strumenti. |
| E poi, usare un processo strutturato come se ci rendessero molto potenti per noi, quindi questo è stato un ottimo apprendimento per noi, e questo è qualcosa che abbiamo implementato in molti progetti in seguito con un'ottima risposta. |
