Altavoz | Transcripción |
| marcus | Bienvenidos |
| a esta presentación aquí, usando SAS JMP. |
| El tema de esta presentación es cómo usar las estadísticas como un lenguaje común y cómo mejorar la calidad del proceso al hacerlo. |
| Estoy trabajando como gerente de calidad para una empresa llamada Envases. Envases es una gran empresa, una |
| empresa global que fabrica latas para la industria alimentaria. Puede ver algunos de los productos aquí en la esquina izquierda. |
| Algunos de los productos pueden resultarle familiares. Son latas que puedes comprar en los supermercados, tenemos carne, tenemos pescado, tenemos leche en polvo, también tenemos jugo y así sucesivamente en las latas. |
| Contamos con plantas de producción en |
| México y en Europa y el |
| El tema que quiero discutir aquí hoy está relacionado con nuestras instalaciones de producción en Dinamarca. |
| Básicamente lo que voy a presentar aquí es un problema que se ha resuelto usando SAS JMP como una de las herramientas. |
| Y voy a pasar un tiempo en el JMP para mostrar algunas de las funcionalidades y dar una idea de cómo se puede usar SAS JMP para trabajar con este tipo de problemas, que estoy seguro es muy familiar para muchas de las personas, al ver esta presentación. |
| Bueno, volviendo al año pasado, |
| tuvimos algunos problemas en nuestras líneas de producción y la gente de la producción acudió a mí. Soy el jefe de calidad y estoy lidiando con este tipo de problemas que llegaron a mi escritorio diciendo, Marcus, tenemos algo de polvo de estaño en nuestras líneas de producción. |
| El estaño es el material que usamos para las latas, así que el polvo de estaño como tal no es |
| no se trata de cosas que ver en nuestra producción, pero la gente se quejaba de que podían ver demasiado polvo de estaño en nuestras líneas de producción. |
| Y, como resultado de eso, necesitan limpiar las líneas todo el tiempo. |
| Eso fue, como el comienzo del problema. No teníamos ningún dato para mostrar esto. No teníamos ningún papel para revisar. No teníamos hojas de Excel. No teníamos ningún archivo JMP para investigar. Acabamos de recibir algunas opiniones de la gente que dice que tenemos demasiado |
| polvo de estaño en nuestra línea de producción, y necesitamos limpiar todo el tiempo. |
| Y para compensarlo un poco |
| más confuso, pero la gente decía que habíamos visto esto muchas veces antes, y algunas personas decían que nunca antes habíamos visto esto. |
| Empecé a hablar con las personas en la línea y les dije: ¿esto es nuevo para ustedes? ¿Ha sucedido esto esta semana o fue la semana pasada? ¿O qué hay del año pasado? Y obtuve muchas opiniones diferentes y muchas |
| entradas, y además la gente no me decía lo mismo, así que estaba un poco confundido acerca de cómo podíamos empezar con este proyecto. |
| Pero de todos modos, necesitábamos empezar. |
| Así que lo primero que hice |
| fue armar el equipo, diciendo, |
| las personas aquí en la organización necesitarán formar un equipo. ¿Quién debe participar en el equipo? Y señalamos a algunas personas en la producción, algunas personas técnicas, algunas personas de la operación, algunas personas para el departamento de mantenimiento, etc., personas relevantes para el proyecto. |
| Y la estructura que hemos usado aquí para resolver el problema está inspirada en Six Sigma DMAIC, tal vez algunos de ustedes ya lo conozcan. |
| DMAIC se trata de definir el problema, medir el problema, analizar el motivo del problema, mejorar y luego controlar, si realmente tuvo éxito con la solución que se le ocurrió. |
| Una de las ideas con esto, DMAIC, y una de las ideas, también para mí, usar la estructura aquí es definir y medir el problema, porque a veces |
| puede estar pensando que tiene un problema, pero al comenzar a medir el problema puede darse cuenta de que lo que cree que es un problema en realidad no es un problema en absoluto. |
| Así que no hay necesidad de continuar resolviendo el problema que en realidad no existe, y eso fue lo que le dije a la gente diciendo: Bien, primero que nada, midamos el problema. ¿Tenemos incluso un problema, o es solo un sentimiento estomacal que estamos teniendo en la producción? |
| Ese fue el primer paso. |
| Entonces fuimos a la línea de producción ???, yendo a la línea para ver, |
| podemos tener una idea del proceso, tal vez incluso podamos ver dónde ocurre el problema. |
| El proceso es bastante simple. He tratado de simplificarlo aquí en este dibujo muy simple, |
| solo para darte una idea. Tenemos hojas de estaño que llegan a un transportador y luego tenemos un pistón |
| haciendo la tapa de las latas, por lo que el proceso es bastante sencillo. |
| Como resultado de este pistón y de hacer estas tapas, podemos ver que podemos acumular algo de polvo en el transportador, y aquí es donde el operador debe limpiar de vez en cuando. |
| Y pudimos ver haciendo el ??? que después de 25.000 tapas, podríamos recolectar alrededor o más de dos kilogramos de polvo de estaño. |
| Y ahí fue cuando necesitábamos limpiar la línea. Eso fue como nuestra línea de base, digamos que cuando habíamos producido 25,000 tapas equivalentes a más de dos kilogramos, necesitamos limpiar la línea, y eso fue |
| no es aceptable porque la limpieza está ocupando tiempo de producción y al tener un tiempo de producción reducido, no podemos producir las tapas que queremos producir. Eso significa que tal vez lleguemos tarde a la entrega, o tal vez no podamos entregar nada. |
| Así que todos teníamos interés en reducir esta limpieza y pudimos ver que podemos reducir su limpieza si podemos reducir el polvo de estaño producido en la línea. |
| Así que el problema era bastante simple cuando habíamos recopilado el |
| la |
| datos en kilogramos aquí. |
| Recuerde que puede ver la parte de atrás aquí en la imagen, este es el polvo que podríamos recoger con una aspiradora después de 25,000 tapas. Al principio, cuando la gente venía a mí, ni siquiera teníamos un equipaje con el polvo, era solo |
| era solo mirando, podíamos expresar el problema que estábamos teniendo. Ahora al menos pudimos ver que este es el problema que estamos teniendo. Tenemos demasiado polvo y esto es demasiado polvo, porque necesitamos limpiarlo. Así que tenemos que reducir la |
| kilogramos después de 25.000 tapas producidas, ese fue el criterio de éxito del proyecto. |
| Al reunir a las personas adecuadas, tomamos una especie de taller, pusimos a todas las personas en una habitación diciendo que tenemos un problema aquí. Después de 25.000 tapas producimos más de dos kilogramos de polvo. ¿Cuál es la razón para eso? |
| Y luego hicimos una lluvia de ideas, diciendo mira el proceso, mira lo que viene en el proceso, lo que sale del proceso. ¿Puede alguna de estas variables explicar lo reciente del polvo de estaño que vemos? |
| Así que el primer paso fue definir las variables. Y pueden ver, he marcado aquí en amarillo lo que el equipo esperaba que fueran algunas de las causas fundamentales del polvo de estaño que vimos. |
| Comenzamos con la entrada de que desde que está entrando, sabemos que la hojalata, el grosor de la hojalata puede puede |
| puede variar, por lo que podemos tener una hoja de hojalata más gruesa entrando y |
| no tan delgada hoja delgada entrando. |
| Y también pudimos ver que el recubrimiento del pistón podría ser una razón para la capa de estaño. |
| Pudimos ver, en comparación con otras líneas que tenían algo de abrigo, no tenían el problema en la misma escala. |
| También pudimos ver que las medidas del pistón, tenemos cuatro medidas diferentes en el pistón que podrían explicar la razón del polvo de estaño. |
| Nunca hemos probado esto, por lo que esto solo estaba en el papel, por lo que esta podría ser la razón, pero intentemos averiguarlo. |
| El año pasado o hace dos años, cuando tenemos un problema como este, |
| el enfoque normalmente sería que estuviéramos probando cosas diferentes, por lo que podríamos probar y hacer que el grosor pudiera ver si esto podría cambiar algo, la capa. Pero aquí nos gustaría combinar todas las variables en un experimento simplemente para acelerar el proceso. |
| Así que armamos un diseño de experimentos, un DOE. |
| Con el tiempo tenemos que cambiar esto un poco, para que pueda reflejar la realidad que tenemos y también los tiempos de producción asignados que podríamos usar para el experimento. |
| Configurar los experimentos y definir las variables no fue una tarea difícil. Tomó tal vez un par de horas. Configurar el DOE no fue difícil, lo hicimos en SAS JMP. Pero ejecutar el DOE fue la parte complicada porque tomó mucho tiempo; tomó alrededor de una semana. |
| Así que tenemos que planear sacar la máquina y luego hicimos la prueba durante unos cinco días. Y simplemente lo que hicimos, producimos 25.000 tapas con un tipo de configuración y luego 25.000 tapas con otro tipo de configuración y así sucesivamente. |
| Y luego, después de la semana, analizamos los resultados, y luego concluimos en base a estos resultados. |
| Déjame tratar de mostrarte |
| lo que hicimos en SAS JMP. |
| Puede ver aquí esto, con solo mirar los números, pudimos ver que este es un gran progreso desde nuestro punto de partida. Empezamos porque la gente decía que teníamos demasiado polvo y que teníamos que limpiar todo el tiempo. Ahora al menos tenemos un número un número... números en la lata. |
| Puedes ver aquí, tenemos el polvo de estaño. Este es el |
| produjo polvo de estaño después de 25,000 tapas, y también tenemos diferentes configuraciones del grosor del material que ingresa a la línea. |
| Y aquí tenemos las cuatro medidas diferentes del pistón. Y tenemos un comunicado, ha sido recubierto o no ha sido recubierto. Así que tenemos diferentes tipos de pistones que estábamos probando. |
| Esto es bastante fácil de entender para la gente. Podrían ver cuánto polvo de estaño tenemos si el grosor del material que entra es 5,74, si la medida es 1,47 y así sucesivamente. |
| Así que este es un gran paso de solo observar a tener algunos números reales detrás del conjunto de trabajo que teníamos al principio. |
| Así que solo recopilar el número aquí fue un gran progreso desde nuestro punto de partida, pero la idea era usar el número para ver si podemos explicar |
| el motivo del polvo de estaño se basa en el grosor del material que ingresa, las cuatro medidas diferentes del pistón y si el pistón ha sido recubierto o no. |
| Estamos usando algunas de las herramientas en SAS JMP y una de las herramientas que estamos usando mucho aquí es el modelo de ajuste. El modelo de ajuste explica si habrá alguna relación entre sus respuestas y sus variables. |
| Y aquí arriba tenemos la respuesta. |
| Este es nuestro polvo de estaño. |
| Aquí tenemos el modelo, por lo que nos gustaría ver si el grosor del efecto del material |
| el 10 polvo, la medida del pistón, |
| y si el revestimiento del pistón tendría algún impacto. |
| Ejecutando el modelo aquí |
| y diciendo, trata de combinar las diferentes variables y dime cuál tendrá el mayor impacto en nuestro polvo de estaño. |
| Y estos son básicamente los resultados que obtuvimos. |
| Podríamos ver aquí que tenemos lo que estamos usando el valor p para que nos guíe si esto tiene sentido para nosotros. El pelaje es bajo y el valor p significa, bueno, parece que tenemos un significativo |
| relación entre la capa y nuestro polvo de estaño. También creemos que el espesor del material tendrá un |
| relación con nuestro polvo de estaño, y creemos que la Medida 3 tendrá algún tipo de relación con el polvo de estaño. Esto quiere decir también que las Medidas 1, 2 y 4 no parecen ser significativas cuando hablamos del polvo de estaño. |
| Recuerde que comenzamos trabajando sin ningún tipo de número, así que ahora estábamos hablando de los valores de P y cómo esto puede ayudarnos. |
| Y en realidad fue bastante fácil para nosotros interpretarlo, y la gente entendió, está bien, significativo significa que tal vez esto no sea una coincidencia. |
| Y al usar a las personas adecuadas, pudimos verificar que esto también tiene sentido para ellos, por lo que parece que el recubrimiento puede tener un impacto en el polvo de estaño. |
| Y el técnico... el personal técnico decía, sí, tiene sentido que el recubrimiento impacte en el polvo de estaño, porque lo hemos visto en otras líneas. |
| Y el grosor podría verificarse tiene sentido y la Medida 3 podría tener sentido, así que empezamos a creer que esto es |
| algunas buenas pautas para nosotros, pero necesitamos ver sí, podemos ver que el pelaje parece ser significativo, pero ¿es con o sin recubrimiento lo que es relevante para nosotros? |
| Así que ampliamos esto... |
| el modelo de ajuste aquí y |
| Puede ver aquí en el generador de perfiles cómo las diferentes variables afectarán el polvo de estaño. Puedes ver el polvo de estaño aquí a la izquierda. |
| Y pueden ver el grosor de la hoja que viene en el proceso aquí, la Medida 3 y luego la capa. Y luego podríamos intentar simular si tenemos que recubrir, si tenemos la Medida 3 activada. |
| ¿Cuáles serían los kilogramos esperados que saldrían del proceso? |
| Aquí está diciendo que podemos esperar 0.0057. Aquí también tenemos un intervalo de confianza, pero podemos esperar que este sea el número de polvo de estaño que sale del proceso. |
| Luego mire a ver qué pasa si tenemos un pistón que no está revestido. Puedo ver que cambiará de significado, y será mayor. |
| Y sabemos desde nuestro comienzo que alrededor de 0,2 será como el cambio de juego si tenemos más de 0,2 kilogramos en polvo de estaño, necesitamos limpiar, por lo que queremos estar por debajo de 0,2. |
| Y lo que hicimos para ir más allá aquí, porque sabemos que el grosor del material nos era muy difícil de controlar, esto se especifica y habrá alguna variación dentro del grosor, que sería muy difícil para nosotros cambiar. |
| Así que necesitábamos tener un proceso muy robusto, diciendo que necesitamos mantener el grosor flexible. |
| Pero lo que sí podemos controlar es la Medida 3 y el recubrimiento. |
| Así que ampliamos este generador de perfiles para |
| el simulador para que pudiéramos simular qué pasaría si el grosor cambiara |
| con alguna desviación estándar especificada. |
| Así que estamos diciendo que sabemos que el grosor puede cambiar. |
| Sabemos que tenemos una media alrededor de 5.595 y tenemos una desviación estándar de este material igual a 0.058. Podríamos cambiar esto más adelante. Queremos arreglar la medida y queremos arreglar el recubrimiento, teniendo |
| el revestimiento del pistón. |
| También sabemos que nuestro objetivo no es superior a 0,2, por lo que podríamos agregar un objetivo aquí. |
| Y luego podríamos simular. |
| Se fijará la Medida 3, se fijará la capa, pero el grosor cambiará con el tiempo. |
| Entonces podemos simular si queremos 5000 hojas en el proceso, ¿qué podemos esperar ver? |
| en el polvo de estaño? Y luego podríamos simular. Puedes ver si tenemos |
| entrando una hojalata con un espesor de unos 5,6, la Medida 3 en 1 y con una mano, podíamos esperar un muy buen resultado. Y pueden ver, tenemos la línea roja aquí a las 2... |
| lo siento, 0,2, y también podemos ver aquí que la tasa de defectos, lo que significa que la tasa de mediciones superior a 0,1 sería 0, así que esto es bueno para nosotros. |
| También puedes ver que si luego lo cambiamos, la Medida 3, no a la 1, |
| pero a 2.5. |
| Y con la simulación de nuevo. |
| estaremos en |
| un poco más alto |
| cantidad de polvo de estaño. Si nosotros, además de eso, |
| perdón, |
| cámbielo a un pistón sin revestimiento y ejecute 5000 placas de hoja, podríamos esperar una respuesta muy pobre. |
| Y pudimos ver que |
| la configuración que teníamos en nuestra línea de producción antes de comenzar estos cambios eran pistones sin ninguna capa. Así que esto era muy nuevo para nosotros, y fue muy emocionante para nosotros ver que realmente podemos ver lo que podría controlar el polvo de estaño e incluso podemos controlarlo nosotros mismos. |
| Entonces, basándonos en las simulaciones que tenemos aquí, decidimos tener |
| a |
| Medida 3 sobre 2 y luego un pistón con recubrimiento, |
| lo que significa que tendremos un proceso muy robusto que obtiene... que puede manejar la variación que tenemos en el grosor de las láminas. |
| Entonces también podríamos intentar simular algo, ¿y si esta desviación no fuera 0.058 pero fuera |
| 1.5. |
| Verá, esto será demasiado, así que estos son algunos de los acuerdos que tenemos con nuestros proveedores de que necesitan mantener la desviación estándar en un nivel específico porque entonces tendremos |
| un proceso robusto. |
| Así que esto fue como una revelación para todos nosotros, ya que esta es una imagen muy, muy buena para nosotros, y no nos ha costado mucho. Lo único que nos ha costado ha sido el experimento que nos propusimos durante cinco días. |
| Así que esto fue una buena noticia para nosotros. |
| Y entonces, aquí en el número cinco, concluimos diciendo: Bien, ahora sabemos qué se debe mejorar, necesitamos recubrir las herramientas o el pistón y debemos ajustar la medida a 2.0. |
| Venía de alrededor de 3.0. Entonces esto fue??? una mejora, y esta es una imagen muy simple del generador de perfiles, |
| mostrando la relación entre nuestra capa de estaño y las diferentes variables que esperábamos. E hicimos un control diciendo intentemos cambiar |
| nuestros procesos y luego producir 25,000 tapas más y luego pueden ver la comparación. Esta fue nuestra línea de base. Pueden ver el pequeño polvo aquí en el equipaje antes de que cambiemos el proceso, y pueden ver los 25,000 |
| del polvo de estaño después de producir 25.000 tapas después del cambio y no vimos ningún polvo de estaño aquí. |
| Así que esto fue como... fue una muy buena prueba de concepto para nosotros. Fue uno de los primeros proyectos que hicimos usando SAS JMP y fue una muy buena prueba de concepto y la gente realmente confió en esta forma de resolver problemas. |
| Lo que aprendemos aquí es el uso de datos, muestra beneficios para nosotros, porque entonces tenemos algo en común, algo que podemos relacionar con todos, |
| en lugar de tener opiniones diferentes que es muy difícil para nosotros cuantificar, por lo que el uso de esto fue muy útil para todos nosotros. |
| Y utilizando a las personas adecuadas, las personas técnicas, las personas |
| con un conocimiento de la línea, también las personas que pueden usar como un software estadístico como JMP entienden cómo configurar |
| un experimento, comprender cómo hacer un modelo de ajuste, modelos de regresión, etc. Y luego, el uso de SAS JMP es verdaderamente poderoso. No podríamos haber hecho esto, como en Excel porque no tienen las herramientas. |
| Y luego, usar un proceso estructurado como este nos hace muy poderosos para nosotros, así que este fue un muy buen aprendizaje para nosotros, y esto es algo que hemos implementado en muchos proyectos después con muy buena respuesta. |
