Conférencier | Transcription |
| Marc | Accueillir |
| à cette présentation ici, en utilisant SAS JMP. |
| Le sujet de cette présentation est de savoir comment utiliser les statistiques comme langage commun et comment améliorer la qualité du processus en le faisant. |
| Je travaille comme responsable qualité pour une entreprise qui s'appelle Envases. Envases est une grande entreprise, une |
| entreprise mondiale fabriquant des boîtes de conserve pour l'industrie alimentaire. Vous pouvez voir certains des produits ici dans le coin gauche. |
| Certains produits vous sont peut-être familiers. Ce sont des boîtes que vous pouvez acheter dans les supermarchés, nous avons de la viande, du poisson, nous avons du lait en poudre, nous avons aussi du jus et ainsi de suite dans les boîtes. |
| Nous avons des installations de fabrication à |
| Mexique et en Europe et aux |
| sujet dont je veux discuter ici aujourd'hui est lié à nos installations de production au Danemark. |
| Fondamentalement, ce que je vais présenter ici est un problème qui a été résolu en utilisant SAS JMP comme l'un des outils. |
| Et je vais passer un peu de temps dans le JMP pour montrer certaines des fonctionnalités et donner une idée de la façon dont SAS JMP peut être utilisé pour travailler avec ce genre de problèmes, ce qui, j'en suis sûr, est très familier beaucoup de gens, voyant cette présentation. |
| Eh bien, pour revenir à l'année dernière, |
| nous avons eu des problèmes dans nos lignes de production et les gens de la production sont venus me voir. Je suis responsable de la qualité et je m'occupe de ce genre de problèmes qui sont arrivés à mon bureau en disant, Marcus, nous avons de la poussière d'étain dans nos lignes de production. |
| L'étain est le matériau que nous utilisons pour les canettes, donc la poussière d'étain en tant que telle n'est pas |
| il ne s'agit pas de choses à voir dans notre production, mais les gens se plaignaient de voir trop de poussière d'étain dans nos lignes de production. |
| Et, à la suite de cela, ils doivent nettoyer les lignes tout le temps. |
| C'était comme le début du problème. Nous n'avions aucune donnée pour le montrer. Nous n'avions pas de papier à parcourir. Nous n'avions pas de feuilles Excel. Nous n'avions pas de fichiers JMP à examiner. Nous venons d'avoir des opinions des gens disant que nous avons trop |
| poussière d'étain sur notre ligne de production, et nous devons nettoyer tout le temps. |
| Et pour compenser un peu |
| plus déroutant, mais les gens disaient que nous avions vu cela plusieurs fois auparavant, et certaines personnes disaient que nous n'avions jamais vu cela auparavant. |
| J'ai commencé à parler avec les gens au bout du fil, leur disant, est-ce nouveau pour vous ? Est-ce arrivé cette semaine ou était-ce la semaine dernière? Ou qu'en est-il de l'année dernière ? Et j'ai eu beaucoup d'opinions différentes et beaucoup de |
| intrants, et aussi les gens ne me disaient pas la même chose, donc j'étais un peu confus quant à la façon dont nous pouvions démarrer ce projet. |
| Mais de toute façon, nous devions commencer. |
| Alors la première chose que j'ai faite |
| était de mettre l'équipe, en disant, |
| les gens ici dans l'organisation devront constituer une équipe. Qui devrait être impliqué dans l'équipe ? Et nous avons identifié certaines personnes dans la production, certaines personnes techniques, certaines personnes de l'exploitation, certaines personnes pour le service de maintenance, etc., des personnes pertinentes pour le projet. |
| Et la structure que nous avons utilisée ici pour résoudre le problème est inspirée du DMAIC Six Sigma, peut-être que certains d'entre vous le savent déjà. |
| DMAIC consiste à définir le problème, à mesurer le problème, à analyser la raison du problème, à améliorer puis à contrôler si vous avez réellement réussi avec la solution que vous avez trouvée. |
| L'une des idées avec ceci, DMAIC, et l'une des idées, aussi pour moi, d'utiliser la structure ici est de définir et de mesurer le problème, parce que parfois vous |
| pensez peut-être que vous avez un problème, mais en commençant à mesurer le problème, vous réaliserez peut-être que ce que vous pensez être un problème n'en est en fait pas du tout un. |
| Il n'est donc pas nécessaire de continuer à résoudre le problème qui n'existe pas réellement, et c'est ce que j'ai dit aux gens en disant : d'accord, tout d'abord, mesurons le problème. Avons-nous même un problème, ou est-ce juste un sentiment d'estomac que nous avons dans la production ? |
| Ce fut le premier pas. |
| Nous sommes donc allés à la chaîne de production ???, en allant à la chaîne pour voir, |
| pouvons-nous avoir une idée du processus, peut-être pouvons-nous même voir où le problème se produit. |
| Le processus est plutôt simple. J'ai essayé de le simplifier ici dans ce dessin très simple, |
| Juste pour vous donner une idée. Nous avons des feuilles d'étain qui arrivent sur un convoyeur, puis nous avons un piston |
| faire le couvercle pour les canettes, donc le processus est assez simple. |
| Grâce à ce piston et à la fabrication de ces couvercles, nous pouvons voir que nous pouvons collecter de la poussière sur le convoyeur, et c'est là que l'opérateur doit nettoyer de temps en temps. |
| Et on a pu voir en faisant le ??? qu'après 25 000 couvercles, nous pouvions recueillir environ ou plus de deux kilogrammes de poussière d'étain. |
| Et c'est à ce moment-là que nous avons dû nettoyer la ligne. C'était donc comme notre base de référence, disons que lorsque nous avions produit 25 000 couvercles équivalant à plus de deux kilogrammes, nous devions nettoyer la ligne, et c'était |
| pas acceptable car le nettoyage prend du temps de production et ayant un temps de production réduit nous ne pouvons pas produire les couvercles que nous voulons produire. Cela signifie que nous serons peut-être en retard pour la livraison, ou peut-être que nous ne pourrons pas livrer du tout. |
| Nous avions donc, nous tous, intérêt à réduire ce nettoyage et nous avons pu constater que nous pouvons réduire votre nettoyage si nous pouvons réduire la poussière d'étain produite sur la ligne. |
| Donc, le problème était assez simple lorsque vous lorsque nous avons collecté le |
| la |
| données en kilogrammes ici. |
| N'oubliez pas que vous pouvez voir le verso ici sur la photo, c'est la poussière que l'on pourrait récupérer à l'aide d'un aspirateur après 25 000 couvercles. Au début, quand les gens venaient me voir, nous n'avions même pas de bagage avec la poussière, c'était juste |
| c'était juste en regardant, nous pouvions exprimer le problème que nous avions. Maintenant, au moins, nous pourrions voir que c'est le problème que nous avons. Nous avons trop de poussière et c'est trop de poussière, car nous devons la nettoyer. Nous devons donc réduire le |
| kilogrammes après 25 000 couvercles produits, tel était le critère de réussite du projet. |
| En rassemblant les bonnes personnes, nous avons pris comme un atelier, mis toutes les personnes dans une pièce en disant que nous avons un problème ici. Après 25 000 couvercles, nous produisons plus de deux kilogrammes de poussière. Quelle est la raison de ceci? |
| Et puis nous avons fait un brainstorming, disant regardez le processus, regardez ce qui arrive dans le processus, ce qui sort du processus. L'une de ces variables peut-elle expliquer le récent pour la poussière d'étain que nous voyons ? |
| La première étape consistait donc à définir les variables. Et vous pouvez voir, j'ai marqué ici en jaune ce que l'équipe s'attendait à être certaines des causes profondes de la poussière d'étain que nous avons vue. |
| Nous avons commencé avec l'entrée que depuis qu'elle arrive, nous savons que la feuille d'étain, l'épaisseur de la feuille d'étain peut |
| peut varier, nous pouvons donc avoir une feuille d'étain plus épaisse et d'autres |
| feuille mince pas si mince entrant. |
| Et nous aussi, nous avons pu voir que le revêtement du piston pouvait être une raison de la couche d'étain. |
| Nous avons pu voir, par rapport à d'autres lignées qui avaient du pelage, qu'elles n'avaient pas le problème à la même échelle. |
| Nous avons également pu voir que les mesures du piston, nous avons quatre mesures différentes sur le piston qui pourraient expliquer la raison de la poussière d'étain. |
| Nous n'avons jamais essayé cela, donc c'était juste sur le papier, donc cela pourrait être la raison, mais essayons de le découvrir. |
| L'année dernière ou il y a deux ans, quand nous avons un problème comme celui-là, |
| l'approche serait normalement que nous essayions différentes choses, donc nous pourrions essayer de faire en sorte que l'épaisseur puisse voir si cela pouvait changer quelque chose, le manteau. Mais ici, nous aimerions combiner toutes les variables dans une expérience simplement pour accélérer le processus. |
| Nous avons donc mis en place un plan d'expériences, un DOE. |
| Au fil du temps, nous devons changer cela un peu, afin que cela puisse refléter la réalité que nous avons et aussi les temps de production alloués que nous pourrions utiliser pour l'expérience. |
| La mise en place des expériences et la définition des variables n'étaient pas une tâche difficile. Cela a pris peut-être quelques heures. La mise en place du DOE n'a pas été difficile, nous l'avons fait dans SAS JMP. Mais l'exécution du DOE était la partie délicate car cela prenait beaucoup de temps ; cela a pris environ une semaine. |
| Nous devons donc prévoir de sortir la machine, puis nous avons fait l'essai pendant environ cinq jours. Et simplement ce que nous avons fait, nous avons produit 25 000 couvercles en utilisant un type de réglage, puis 25 000 couvercles en utilisant un autre type de réglage et ainsi de suite. |
| Et puis, après la semaine, nous avons analysé les résultats, puis nous avons conclu sur la base de ces résultats. |
| Laissez-moi essayer de vous montrer |
| ce que nous avons fait dans SAS JMP. |
| Vous pouvez le voir ici, rien qu'en regardant les chiffres, nous avons pu voir qu'il s'agit d'un énorme progrès depuis notre point de départ. Nous avons commencé par faire dire aux gens que nous avions trop de poussière et que nous devions nettoyer tout le temps. Maintenant, au moins, nous avons un numéro un numéro... des numéros sur la boîte. |
| Vous pouvez voir ici, nous avons la poussière d'étain. C'est le |
| produit de la poussière d'étain après 25 000 couvercles, et nous avons également différents réglages de l'épaisseur du matériau entrant dans la ligne. |
| Et nous avons les quatre mesures différentes du piston ici. Et nous avons une déclaration, a-t-il été enduit ou n'a-t-il pas été enduit. Nous avons donc différents types de pistons que nous avons essayés. |
| C'est assez facile à comprendre pour les gens. Ils pourraient voir combien de poussière d'étain nous avons si l'épaisseur du matériau entrant est de 5,74, si la mesure est de 1,47 et ainsi de suite. |
| Il s'agit donc d'un pas énorme par rapport au simple fait de regarder pour avoir de vrais chiffres derrière l'ensemble de travail que nous avions au début. |
| Donc, le simple fait de collecter le nombre ici était un énorme progrès par rapport à notre point de départ, mais l'idée était d'utiliser le nombre pour voir pouvons-nous expliquer |
| la raison de la poussière d'étain basée sur l'épaisseur du matériau entrant, les quatre mesures différentes du piston et si le piston a été enduit ou non. |
| Nous utilisons certains des outils de SAS JMP et l'un des outils que nous utilisons le plus ici est le modèle d'ajustement. Le modèle d'ajustement explique s'il y aura des relations entre vos réponses et vos variables. |
| Et ici, nous avons la réponse. |
| C'est notre poussière d'étain. |
| Ici, nous avons le modèle, nous aimerions donc voir si l'épaisseur de l'effet de matière |
| les 10 poussières, la mesure du piston, |
| et si le revêtement du piston aurait un impact. |
| Exécution du modèle ici |
| et en disant, essayez de combiner les différentes variables et dites-moi ce qui aura le plus d'impact sur notre poussière d'étain. |
| Et ce sont essentiellement les résultats que nous en avons tirés. |
| Nous pourrions voir ici que nous avons ce que nous utilisons la valeur p pour nous guider si cela a du sens pour nous. Le pelage est bas et la valeur p signifie, eh bien, il semble que nous ayons un important |
| relation entre le manteau et notre poussière d'étain. Nous croyons également que l'épaisseur du matériau aura un |
| relation avec notre poussière d'étain, et nous pensons que la mesure 3 aura une sorte de relation avec la poussière d'étain. Cela signifie aussi que les mesures 1, 2 et 4 ne semblent pas significatives quand on parle de poussière d'étain. |
| Rappelez-vous que nous commencions simplement à travailler sans aucun type de nombre, alors nous parlions maintenant des valeurs P et de la façon dont cela peut nous aider. |
| Et c'était en fait assez facile pour nous de l'interpréter, et les gens ont compris, d'accord significatif signifie que ce n'est peut-être pas une coïncidence. |
| Et en utilisant les bonnes personnes, nous pourrions également vérifier que cela a du sens pour eux, il semble donc que le revêtement puisse avoir un impact sur la poussière d'étain. |
| Et le personnel technique... le personnel technique disait, oui, il est logique que le revêtement ait un impact sur la poussière d'étain, car nous avons vu cela sur d'autres lignes. |
| Et l'épaisseur pourrait être vérifiée a du sens et la mesure 3 pourrait avoir du sens, alors nous avons commencé à croire que c'était |
| quelques bonnes lignes directrices pour nous, mais il faut voir ouais, on voit bien que le pelage semble important, mais est-ce avec ou sans enduit qui est pertinent pour nous ? |
| Nous avons donc élargi ce... |
| le modèle en forme ici et |
| vous pouvez voir ici dans le profileur comment les différentes variables auront un impact sur la poussière d'étain. Vous pouvez voir la poussière d'étain ici à gauche. |
| Et vous pouvez voir l'épaisseur de la feuille entrant dans le processus ici, la mesure 3, puis le manteau. Et puis nous pourrions essayer de simuler si nous devons enduire, si nous avons la mesure 3 activée. |
| quels seraient les kilogrammes attendus à la sortie du processus ? |
| Ici, il est dit que nous pouvons nous attendre à 0,0057. Nous avons également un intervalle de confiance ici, mais nous pouvons nous attendre à ce que ce soit le nombre de poussière d'étain sortant du processus. |
| Ensuite, regardez et voyez si nous avons un piston qui n'est pas revêtu. Peut voir qui va changer de signification, et ce sera plus élevé. |
| Et nous savons depuis nos débuts qu'environ 0,2 changera la donne si nous avons plus de 0,2 kilogramme de poussière d'étain, nous devons nettoyer, nous voulons donc être inférieurs à 0,2. |
| Et ce que nous avons fait pour aller encore plus loin ici, car nous savons que l'épaisseur du matériau était très difficile à contrôler pour nous, cela est spécifié et il y aura une certaine variation dans l'épaisseur, ce qui serait très difficile pour nous de changer. |
| Nous avions donc besoin d'un processus très robuste, en disant que nous devons garder l'épaisseur flexible. |
| Mais ce que nous pouvons contrôler, c'est la mesure 3 et le revêtement. |
| Nous avons donc étendu ce profileur à |
| le simulateur afin que nous puissions simuler et si l'épaisseur changeait |
| avec un certain écart-type spécifié. |
| Nous disons donc que nous savons que l'épaisseur peut changer. |
| Nous savons que nous avons une moyenne autour de 5,595 et nous avons un écart-type de ce matériau égal à 0,058. Nous pourrions changer cela plus tard. Nous voulons fixer la mesure et nous voulons fixer le revêtement, ayant |
| le revêtement sur le piston. |
| Nous savons également que notre objectif n'est pas supérieur à 0,2, nous pourrions donc ajouter un objectif ici. |
| Et puis on pourrait simuler. |
| La mesure 3 sera fixe, la couche sera fixe, mais l'épaisseur changera avec le temps. |
| Ensuite, nous pouvons simuler si nous voulons 5 000 feuilles dans le processus, que pouvons-nous nous attendre à voir |
| dans la poussière d'étain ? Et puis on pourrait simuler. Vous pouvez voir si nous avons |
| une feuille d'étain entrant ayant une épaisseur d'environ 5,6, la Mesure 3 à 1 et avec un enduit, on pouvait s'attendre à un très bon résultat. Et vous pouvez voir, nous avons la ligne rouge ici à 2... |
| désolé, 0,2, et nous pouvons également voir ici que le taux de défaut, ce qui signifie que le taux de mesures supérieur à 0,1 serait de 0, donc c'est bon pour nous. |
| Vous pouvez également voir que si nous le modifions ensuite, la mesure 3, pas à 1, |
| mais à 2,5. |
| Et avec la simulation à nouveau. |
| Nous serons à |
| un peu plus haut |
| quantité de poussière d'étain. Si nous, en plus de cela, |
| Pardon, |
| changez-le pour un piston sans revêtement et exécutez une plaque de 5 000 feuilles, nous pourrions nous attendre à une très mauvaise réponse. |
| Et on a pu voir ça |
| la configuration que nous avions dans notre ligne de production avant de commencer ces changements était des pistons sans aucune couche. C'était donc très nouveau pour nous, et c'était très excitant pour nous de voir que nous pouvions réellement voir ce qui pouvait contrôler la poussière d'étain et nous pouvions même le contrôler nous-mêmes. |
| Donc, sur la base des simulations que nous avons ici, nous avons décidé d'avoir |
| un |
| Mesure 3 sur 2 puis un piston avec un revêtement, |
| ce qui signifie que nous aurons un processus très robuste qui obtient... qui peut gérer la variation que nous avons dans notre épaisseur des feuilles. |
| Ensuite, nous pourrions également essayer de simuler quelque chose, et si cet écart ne serait pas de 0,058 mais serait |
| 1.5. |
| Vous voyez, ce sera trop, donc c'est certains des accords que nous avons avec nos fournisseurs qu'ils doivent maintenir l'écart type à un niveau spécifique parce qu'alors nous aurons |
| un processus robuste. |
| Donc c'était comme une révélation pour nous tous car c'est une très, très bonne photo pour nous, et ça ne nous a pas coûté cher. La seule chose que cela nous a coûté, c'est l'expérience que nous avons fixée pendant cinq jours. |
| C'était donc une bonne nouvelle pour nous. |
| Et donc ici, au numéro cinq, nous avons conclu en disant, d'accord, maintenant nous savons ce qui doit être amélioré, nous devons enduire les outils ou le piston et nous devons ajuster la mesure à 2,0. |
| Cela venait d'environ 3.0. Alors c'était ??? une amélioration, et c'est une image très simple du profileur, |
| montrant la relation entre notre couche d'étain et les différentes variables que nous attendions. Et nous avons fait un contrôle en disant essayons de changer |
| nos processus et ensuite produire 25 000 couvercles supplémentaires et vous pourrez alors voir la comparaison. C'était notre comme notre ligne de base. Vous pouvez voir, la petite poussière ici dans les bagages avant de changer le processus, et vous pouvez voir les 25 000 |
| de la poussière d'étain après avoir produit 25 000 couvercles après le changement et nous n'avons pas vu de poussière d'étain ici. |
| Donc c'était comme... c'était une très bonne preuve de concept pour nous. C'était l'un des premiers projets que nous avons réalisés en utilisant SAS JMP et c'était une très bonne preuve de concept et les gens se sont vraiment appuyés sur cette façon de résoudre les problèmes. |
| Ce que nous apprenons ici, c'est l'utilisation des données, cela montre des avantages pour nous, car nous avons alors quelque chose en commun, quelque chose que nous pouvons associer à tout le monde, |
| au lieu d'avoir des opinions différentes qu'il est très difficile pour nous de quantifier, l'utilisation de cela a donc été très utile pour nous tous. |
| Et utiliser les bonnes personnes, les techniciens, les gens |
| avec une connaissance de la ligne, également les personnes qui peuvent utiliser comme un logiciel statistique comme JMP comprennent comment configurer |
| une expérience, comprendre comment faire un modèle d'ajustement, des modèles de régression, etc. Et puis l'utilisation de SAS JMP est vraiment puissante. Nous n'aurions pas pu faire cela, comme dans Excel, car ils n'ont pas les outils. |
| Et puis, utiliser un processus structuré comme ils nous rendent très puissants pour nous, donc ce fut un très bon apprentissage pour nous, et c'est quelque chose que nous avons mis en œuvre dans de nombreux projets par la suite avec une très bonne réponse. |
