スピーカー | 成績証明書 |
| マーカス | いらっしゃいませ |
| SAS JMP を使用して、こちらのプレゼンテーションにアクセスしてください。 |
| このプレゼンテーションのトピックは、統計を共通言語として使用する方法と、それによってプロセスの品質を向上させる方法です。 |
| 私は Envases という会社で品質マネージャーとして働いています。 Envases は巨大な会社です。 |
| 食品業界向けの缶を製造するグローバル企業。 ここの左隅に製品の一部が表示されます。 |
| おなじみの商品もあるかもしれません。 スーパーで買えるのは缶詰で、肉、魚、粉ミルク、ジュースなどが缶に入っています。 |
| に製造施設があります。 |
| メキシコとヨーロッパと |
| 今日ここでお話ししたいトピックは、デンマークの生産施設に関連しています。 |
| ここで紹介するのは基本的に、SAS JMP をツールの 1 つとして使用して解決した問題です。 |
| そして、JMP に時間を割いて、いくつかの機能を示し、SAS JMP を使用してこの種の問題を処理する方法について説明します。多くの人がこのプレゼンテーションを見ています。 |
| さて、昨年の話に戻りますが、 |
| 生産ラインでいくつかの問題が発生し、生産担当者が私のところに来ました。 私は品質部門の責任者で、このような問題に取り組んでいます。「マーカス、私たちの生産ラインにスズの粉が少しあります」とデスクに来ました。 |
| 缶の素材は錫なので、錫粉そのものではありません。 |
| それは私たちの生産で目にするものではありませんが、人々は私たちの生産ラインであまりにも多くのスズの粉を見ることができると不平を言っていました. |
| その結果、常にラインをきれいにする必要があります。 |
| それが、問題の始まりのようでした。 これを示すデータがありませんでした。 通過する紙がありませんでした。 Excelシートはありませんでした。 調査する JMP ファイルはありませんでした。 私たちは、私たちが多すぎるという人々からのいくつかの意見を持っていました |
| 私たちの生産ラインにはスズの粉塵があり、常に掃除する必要があります。 |
| そして、それを少しでも補うために |
| もっと紛らわしいですが、これまでに何度も見たことがあると言う人もいれば、これまで見たことがないという人もいました。 |
| 私は電話に出ている人々と話し始めました。これはあなたにとって新しいことですか? これは今週起こったのですか、それとも先週ですか? それとも昨年のこと？ そして、様々なご意見を頂き、 |
| また、人々は私に同じことを言わなかったので、どうすればこのプロジェクトを始めることができるかについて少し混乱しました. |
| とにかく、始める必要がありました。 |
| そこで私が最初にしたことは |
| と言って、チームを設定することでした。 |
| 組織内の人々はチームを設定する必要があります。 誰がチームに参加する必要がありますか? そして、私たちは何人かの生産関係者、何人かの技術者、何人かの運用担当者、何人かのメンテナンス部門の人など、プロジェクトの関係者を特定しました。 |
| そして、問題を解決するためにここで使用した構造は、シックス シグマ DMAIC から着想を得たものであり、すでにご存知の方もいらっしゃるかもしれません。 |
| DMAIC は、問題を定義し、問題を測定し、問題の理由を分析し、改善し、思いついたソリューションで実際に成功した場合に制御することです。 |
| この DMAIC のアイデアの 1 つは、私にとっても、ここで構造を使用するアイデアの 1 つは、問題を定義して測定することです。 |
| 問題があると考えているかもしれませんが、問題を測定し始めると、問題だと思っていたことが実際にはまったく問題ではないことに気付くかもしれません。 |
| ですから、実際には存在しない問題を解決し続ける必要はありません。私は人々に、まず問題を測定しましょうと言いました。 問題があるのでしょうか、それとも制作中にお腹がすいただけなのでしょうか? |
| それが最初のステップでした。 |
| で、生産ラインに行ってきました???、ラインを見に行って、 |
| プロセスのアイデアを得ることができますか? 問題が発生する場所を確認することさえできるかもしれません. |
| プロセスはかなり単純です。 ここでは、この非常に単純な図で単純化しようとしましたが、 |
| あなたにアイデアを与えるだけです。 ブリキ板がコンベヤに入ってきて、ピストンがあります |
| 缶のふたを作るので、工程はかなり簡単です。 |
| このピストンとこれらの蓋を作成した結果、コンベア上にほこりがたまることがわかりました。これは、オペレーターが時々清掃する必要がある場所です。 |
| そして、??? を実行することで確認できました。 25,000 回のふたの後、約 2 キログラム以上のスズの粉を集めることができました。 |
| そして、それは私たちがラインをきれいにする必要があったときでした. つまり、これが私たちのベースラインのようなものでした。たとえば、2 キログラム以上に相当する 25,000 個の蓋を生産したとき、ラインを洗浄する必要がありました。 |
| 洗浄が生産時間を奪い、生産時間を短縮すると、生産したい蓋を生産できないため、受け入れられません。 つまり、配達が遅れるか、まったく配達できない可能性があります。 |
| そのため、私たち全員がこの洗浄を減らすことに関心があり、ラインで発生するスズの粉塵を減らすことができれば、洗浄を減らすことができることがわかりました. |
| したがって、問題は非常に単純でした。 |
| の |
| キログラム単位のデータはこちら。 |
| 写真の裏側が見えることを思い出してください。これは、25,000 回蓋をした後に掃除機を使用して収集できたほこりです。 当初、人々が私のところに来たとき、私たちはほこりの入った荷物さえ持っていませんでした。 |
| 見るだけで、私たちが抱えている問題を表現できました。 少なくとも、これが私たちが抱えている問題であることがわかりました。 ほこりが多すぎますが、これはほこりが多すぎます。掃除する必要があるからです。 だから私たちは減らす必要があります |
| 25,000 個のふたを生産した後のキログラムは、プロジェクトの成功基準でした。 |
| 適切な人を集めることで、ワークショップのようなものを取り、すべての人を部屋に集めて、ここに問題があると言いました。 25,000 回のふたの後、2 キログラム以上の粉塵が発生します。 その理由は何ですか？ |
| そして、ブレーンストーミングを行い、プロセスを見て、そのプロセスで何が起こっているのか、何がプロセスから出てきているのかを調べました。 これらの変数のいずれかで、私たちが目にするスズ粉塵の最近の現象を説明できますか? |
| したがって、ステップ 1 は変数を定義することでした。 ご覧のとおり、私たちが目にしたスズの粉塵の根本原因の一部であるとチームが予想したものを黄色でマークしました. |
| 入ってきたので、ブリキ板、ブリキ板の厚さは |
| 変化する可能性があるため、より厚いブリキ板が入ってくる可能性があります。 |
| そんなに薄くない薄いシートが入ってきます。 |
| また、ピストンのコーティングがスズのコーティングの理由である可能性があることもわかりました。 |
| ある程度のコートを施した他のラインと比較して、同じスケールで問題が発生していないことがわかりました。 |
| また、ピストンの測定値から、スズの粉塵の理由を説明できるピストンの 4 つの異なる測定値があることもわかりました。 |
| 私たちはこれを試したことがないので、これは紙の上にあるだけなので、これが理由かもしれませんが、調べてみましょう. |
| 昨年か2年前、このような問題が発生したとき、 |
| アプローチは通常、さまざまなことを試していたので、厚さを試してみて、これが何かを変えることができるかどうか、コートを確認することができました. しかし、ここでは、プロセスを高速化するために、すべての変数を 1 つの実験で組み合わせたいと考えています。 |
| そこで、実験計画法、DOE を設定しました。 |
| 時間の経過とともに、これを少し変更する必要があります。これにより、現在の現実と、実験に使用できる割り当てられた生産時間も反映される可能性があります。 |
| 実験の設定と変数の定義は、難しい作業ではありませんでした。 たぶん数時間かかりました。 DOE の設定は難しくありません。SAS JMP で行いました。 しかし、DOE の実行は時間がかかるため、難しい部分でした。約1週間かかりました。 |
| そのため、マシンを取り出す計画を立てる必要があり、その後、約 5 日間トライアルを行いました。 簡単に言えば、ある種類の設定を使用して 25,000 個の蓋を製造し、別の種類の設定を使用して 25,000 個の蓋を製造したということです。 |
| そして、その週の後、結果を分析し、これらの結果に基づいて結論を下しました。 |
| 見せてみよう |
| SAS JMPで行ったこと。 |
| 数字を見るだけで、これが私たちの出発点からの大きな進歩であることがわかります。 私たちは、ほこりが多すぎて常に掃除する必要があると人々に言わせることから始めました。 今、少なくともいくつかの数字があります... 缶の上に数字があります。 |
| ご覧のとおり、スズ粉があります。 これは |
| 25,000回のふたの後にスズ粉が発生し、ラインに入る材料の厚さの設定も異なります。 |
| ここにはピストンの 4 つの異なる測定値があります。 そして、コーティングされているかコーティングされていないかという声明があります。 そのため、さまざまな種類のピストンを試しました。 |
| これは、人々が理解するのはかなり簡単です。 彼らは、入ってくる材料の厚さが 5.74 の場合、測定値が 1.47 の場合、どのくらいのスズの粉塵があるかを知ることができました。 |
| したがって、これは、私たちが最初に持っていたワーキングセットの背後にある実数を実際に見ることからの大きな一歩です. |
| ここで数を集めるだけでも 出発点から大きく進歩しました |
| 入ってくる材料の厚さ、ピストンの4つの異なる測定値、およびピストンがコーティングされているかどうかに基づいて、スズの粉塵の理由。 |
| SAS JMP のいくつかのツールを使用していますが、ここでよく使用するツールの 1 つが適合モデルです。 適合モデルは、応答と変数の間に関係があるかどうかを説明します。 |
| そして、ここに応答があります。 |
| これが私たちのすず粉です。 |
| ここにモデルがあるので、材料の厚さが影響するかどうかを確認したいと思います |
| 10個のダスト、ピストンの測定、 |
| ピストンのコーティングが影響を与えるかどうか。 |
| ここでモデルを実行します |
| そして、さまざまな変数を組み合わせてみて、私たちの錫粉に最も大きな影響を与えるものを教えてください. |
| そして、これは基本的に私たちが得た結果です。 |
| これが私たちにとって意味があるかどうかを導くために、p 値を使用しているものがあることがわかります。 被毛は低く、p 値は意味があります。 |
| コートとブリキ粉の関係。 また、材料の厚さには |
| 私たちの錫粉との関係があり、測定 3 は錫粉と何らかの関係があると信じています。 これはまた、スズ粉について話すとき、測定値 1、2、および 4 は重要ではないように見えることを意味します。 |
| 数字を一切使わずに作業を開始したことを思い出してください。そのため、P 値と、これがどのように役立つかについて話していました。 |
| そして、これは実際に私たちがそれを解釈するのは非常に簡単でした. |
| そして、適切な人を使うことで、これが彼らにとっても理にかなっていることを確認できたので、コーティングがスズの粉塵に影響を与える可能性があるようです. |
| そして、技術... 技術スタッフは、そうです、コーティングが錫粉に影響を与えることは理にかなっています。これは他のラインで見たからです。 |
| そして、厚さを検証できたことが理にかなっていて、測定 3 が理にかなっている可能性があるので、これは |
| 私たちにとっていくつかの良いガイドラインがありますが、そうです、コートが重要であるように見えることがわかりますが、私たちに関連するのはコーティングの有無ですか? |
| そこで、これを拡張しました... |
| ここにフィットモデルと |
| ここのプロファイラーで、さまざまな変数が錫粉にどのように影響するかを確認できます。 ここの左側に錫の粉が見えます。 |
| そして、シートの厚さがここでプロセスに入っているのがわかります。測定 3、そしてコートです。 そして、コーティングが必要かどうか、測定 3 がオンになっているかどうかをシミュレートすることができます。 |
| プロセスから得られると予想されるキログラムは? |
| ここでは、0.0057 を期待できると言っています。 ここにも信頼区間がありますが、これはプロセスから出てくるスズ粉の数になると予想できます。 |
| 次に、コーティングされていないピストンがあるとどうなるか見てみましょう。 重要性が変わり、より高くなることがわかります。 |
| そして、0.2 キログラム以上のスズの粉塵がある場合、約 0.2 がゲームチェンジャーのようなものになることを最初から知っています。きれいにする必要があるため、0.2 よりも低くしたいと考えています。 |
| さらにここで行ったことは、材料の厚さを制御するのが非常に難しいことを知っているためです。これは指定されており、厚さ内にいくつかの変動があり、それを変更するのは非常に困難です. |
| そのため、厚さを柔軟に保つ必要があると言って、非常に堅牢なプロセスが必要でした。 |
| しかし、私たちがコントロールできるのは、測定 3 とコーティングです。 |
| そこで、このプロファイラーを次のように拡張しました。 |
| シミュレーターを使用して、厚さが変化した場合にどうなるかをシミュレートできるようにします |
| いくつかの指定された標準偏差があります。 |
| つまり、厚さが変化する可能性があることを知っていると言っているのです。 |
| 平均は約 5.595 で、この材料の標準偏差は 0.058 であることがわかっています。 これは後で変更できます。 測定値を修正したいし、コーティングを修正したい。 |
| ピストンの塗装。 |
| また、ターゲットが 0.2 を超えないこともわかっているので、ここにターゲットを追加できます。 |
| そして、シミュレートできます。 |
| 寸法3は固定、コートは固定になりますが、厚みは経年変化します。 |
| 次に、プロセスで 5,000 枚のシートが必要かどうかをシミュレートできます。 |
| スズ粉の中に？ そして、シミュレートできます。 私たちが持っているかどうかを見ることができます |
| 厚さ約 5.6 のブリキ板、測定値 3 が 1 で、コーティングを施した場合、非常に良い結果が期待できます。 ご覧のとおり、2 の位置に赤い線があります... |
| 申し訳ありませんが、0.2 です。また、不良率、つまり 0.1 を超える測定値の率が 0 になることもわかります。これは私たちにとって良いことです。 |
| また、それを変更すると、測定値が 1 ではなく 3 になることもわかります。 |
| しかし2.5まで。 |
| そしてまたシミュレーション。 |
| 私たちはにいます |
| 少し高い |
| スズ粉の量。 その上で、 |
| ごめん、 |
| コーティングなしのピストンに変更し、5,000 枚のプレートを実行すると、非常に低い応答が予想されます。 |
| そして、私たちはそれを見ることができました |
| これらの変更を開始する前に生産ラインにあったセットアップは、コーティングのないピストンでした。 ですから、これは私たちにとって非常に新しいことでした。スズの粉塵を制御できるものを実際に見ることができ、それを自分で制御することさえできることを確認できたことは非常にエキサイティングでした。 |
| そこで、ここで行ったシミュレーションに基づいて、 |
| a |
| 3 on 2 を測定し、次にコーティングを施したピストン、 |
| つまり、シートの厚さの変動を処理できる非常に堅牢なプロセスが得られます。 |
| 次に、この偏差が 0.058 ではなく、 |
| 1.5。 |
| ご覧のとおり、これは多すぎるため、これは、標準偏差を特定のレベルに維持する必要があるというサプライヤーとの合意の一部です。 |
| 堅牢なプロセス。 |
| ですから、これは私たち全員にとって目を見張るものでした。なぜなら、これは私たちにとって非常に非常に良い写真であり、費用もそれほどかからなかったからです。 コストがかかったのは、5 日間設定した実験だけです。 |
| これは私たちにとって朗報でした。 |
| ここで 5 番目に、次のように結論付けました。よし、改善すべき点がわかりました。ツールまたはピストンをコーティングする必要があり、測定値を 2.0 に調整する必要があります。 |
| 3.0くらいからでした。 これは？これはプロファイラーからの非常に単純な画像です |
| ブリキ コートと予想されるさまざまな変数との関係を示しています。 そして、私たちは変化を試みましょうというコントロールを行いました |
| 私たちのプロセスを経て、さらに 25,000 個の蓋を製造すると、比較を見ることができます。 これが私たちのベースラインのようなものでした。 ご覧のとおり、プロセスを変更する前の手荷物に小さなほこりがあり、25,000 |
| 変更後に 25,000 個の蓋を製造した後の錫粉の量で、ここには錫粉は見られませんでした。 |
| これは...私たちにとって非常に良い概念実証でした。 これは SAS JMP を使用して行った最初のプロジェクトの 1 つであり、非常に優れた概念実証であり、人々はこの方法で問題を解決することに本当に依存していました。 |
| ここで学んだことは、データの使用です。データは私たちに利益をもたらします。 |
| 数値化するのが非常に難しいさまざまな意見を持つ代わりに、これを使用することは私たち全員にとって非常に役立ちました. |
| そして、適切な人材、技術者、人々を使用します |
| ラインの知識があれば、統計ソフトのようにJMPとして使える人も設定方法がわかる |
| 実験、適合モデル、回帰モデルなどの実行方法を理解します。 そして、SAS JMP の使用は本当に強力です。 ツールがないため、Excel のようにこれを行うことはできませんでした。 |
| そして、構造化されたプロセスを使用することで、私たちは非常に強力になります。これは私たちにとって非常に良い学習でした。これは、その後多くのプロジェクトで実装したもので、非常に良い反応がありました。 |
