Altoparlante | Trascrizione |
| Marco | Benvenuto |
| a questa presentazione qui, utilizzando SAS JMP. |
| L'argomento di questa presentazione è come utilizzare la statistica come linguaggio comune e come migliorare la qualità del processo in tal 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 prodotti potrebbero esserti familiari. Sono lattine che si possono comprare nei supermercati, abbiamo carne, pesce, latte in polvere, succhi e così via in lattina. |
| Abbiamo impianti di produzione in |
| Messico e in Europa e il |
| L'argomento di cui voglio discutere qui oggi è legato 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 possa essere utilizzato per lavorare con questo tipo di problemi, che sono abbastanza sicuro sia molto familiare a molte persone, vedendo questa presentazione. |
| Beh, tornando all'anno scorso, |
| abbiamo avuto alcuni problemi nelle nostre linee di produzione e gli addetti alla produzione sono venuti da me. Sono il responsabile della qualità e mi occupo di questo tipo di problemi che si presentavano alla mia scrivania dicendo: Marcus, abbiamo della 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 vedere troppa polvere di stagno nelle nostre linee di produzione. |
| E, di conseguenza, hanno bisogno di pulire continuamente le linee. |
| Quello fu, come l'inizio del problema. Non avevamo dati per dimostrarlo. Non avevamo documenti da esaminare. Non avevamo fogli Excel. Non avevamo 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 continuamente. |
| E per rimediare un po' |
| più confusa, ma la gente diceva che l'avevamo già vista molte volte, e altre dicevano che non l'avevamo mai vista prima. |
| Ho iniziato a parlare con le persone in linea, dicendo: è una novità per te? È successo questa settimana o è successo la settimana scorsa? O che dire dell'anno scorso? E ho ricevuto 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 utilizzato qui per risolvere il problema è ispirata al Six Sigma DMAIC, forse alcuni di voi lo conoscono già. |
| DMAIC riguarda la definizione del problema, la misurazione del problema, l'analisi del motivo del problema, il miglioramento e quindi il controllo, se sei effettivamente riuscito con la soluzione che hai trovato. |
| Un'idea alla base di questo, DMAIC, e un'idea, anche per me, usare la struttura qui è quella di 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 pensi fosse un problema in realtà non lo è affatto. |
| 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: Ok, prima di tutto, misuriamo il problema. Abbiamo qualche problema o è solo una sensazione allo stomaco che stiamo provando durante la produzione? |
| Questo è stato il primo passo. |
| Quindi siamo andati alla linea di produzione ???, siamo andati 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 provato a semplificarlo qui in questo disegno molto semplice, |
| solo per darti un'idea. Abbiamo fogli di stagno che entrano in un trasportatore e poi abbiamo un pistone |
| realizzando 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 di tanto in tanto. |
| E potremmo vedere facendo il ??? che dopo 25.000 coperchi potremmo raccogliere circa o più chilogrammi di polvere di stagno. |
| Ed è stato allora che abbiamo dovuto pulire la linea. Questo era come il nostro riferimento, diciamo che quando abbiamo prodotto 25.000 coperchi pari a più di due chilogrammi, abbiamo bisogno di pulire la linea, e così è stato |
| non è accettabile perché la pulizia richiede tempo di produzione e avendo ridotto i tempi di produzione non possiamo produrre i coperchi che vogliamo produrre. Ciò significa che forse arriveremo in ritardo per la consegna, o forse non saremo in grado di consegnare affatto. |
| Quindi tutti noi avevamo interesse a ridurre questa pulizia e abbiamo potuto vedere che possiamo ridurre la vostra pulizia se riusciamo a ridurre la polvere di stagno prodotta sulla linea. |
| Quindi il problema è stato piuttosto semplice quando hai raccolto il file |
| IL |
| dati in chilogrammi qui. |
| Ricordatevi che qui in foto potete vedere il retro, questa è la polvere che potremmo raccogliere con l'aspirapolvere dopo 25.000 coperchi. All'inizio, quando la gente veniva da me, non avevamo nemmeno il bagaglio con la polvere, era semplicemente |
| era solo guardando che potevamo esprimere il problema che stavamo avendo. Ora almeno potremmo vedere che questo è il problema che stiamo riscontrando. Abbiamo troppa polvere e questa è troppa polvere, perché dobbiamo pulirla. Quindi dobbiamo ridurre il |
| chilogrammi dopo la produzione di 25.000 coperchi: questo era il criterio di successo del progetto. |
| Raccogliendo le persone giuste, abbiamo organizzato una specie di seminario, mettendo tutte le persone in una stanza dicendo che qui abbiamo un problema. Dopo 25.000 coperchi produciamo più di due chilogrammi di polvere. Qual è la ragione di ciò? |
| E poi abbiamo fatto un brainstorming, dicendo guarda il processo, guardando cosa sta arrivando nel processo, cosa sta emergendo dal processo. Può qualcuna di queste variabili spiegare la recente comparsa della polvere di stagno che vediamo? |
| Quindi il primo passo è stato definire le variabili. E potete vedere, ho segnato qui in giallo quelle che il team si aspettava fossero alcune delle cause principali della polvere di stagno che abbiamo visto. |
| Abbiamo iniziato con l'input che da quando è in arrivo, sappiamo che il foglio di stagno, lo spessore del foglio di stagno può essere |
| può variare, quindi possiamo ricevere fogli di stagno più spessi e alcuni |
| foglio sottile non così sottile in arrivo. |
| E abbiamo anche potuto vedere che il rivestimento del pistone potrebbe essere la ragione del rivestimento di stagno. |
| Abbiamo potuto vedere che, rispetto ad altre linee che avevano un rivestimento, non avevano il problema nella stessa scala. |
| Abbiamo anche potuto vedere che le misure del pistone, abbiamo quattro diverse misure 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, |
| normalmente l'approccio sarebbe quello di provare cose diverse, quindi potremmo provare a fare lo spessore per vedere se questo potrebbe cambiare qualcosa, il rivestimento. Ma qui vorremmo combinare tutte le variabili in un unico esperimento semplicemente per accelerare il processo. |
| Quindi abbiamo impostato un progetto di esperimenti, un DOE. |
| Nel corso del tempo dovremo cambiarlo un po', in modo che possa riflettere la realtà che abbiamo e anche i tempi di produzione assegnati che potremmo utilizzare per l'esperimento. |
| Impostare gli esperimenti e definire le variabili non è stato un compito difficile. Ci sono volute forse un paio d'ore. Configurare il DOE non è stato difficile, lo abbiamo fatto in SAS JMP. Ma eseguire il DOE era la parte difficile perché richiedeva molto tempo; ci è voluta circa una settimana. |
| Dobbiamo quindi pianificare la rimozione della macchina e poi abbiamo effettuato 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 una settimana, abbiamo analizzato i risultati e poi abbiamo concluso sulla base di questi risultati. |
| Lasciami provare a mostrartelo |
| cosa abbiamo fatto in SAS JMP. |
| Potete vederlo qui, semplicemente guardando i numeri, possiamo vedere che si tratta di un enorme progresso rispetto al nostro punto di partenza. Abbiamo iniziato semplicemente facendo dire alle persone che abbiamo troppa polvere e che dobbiamo pulire continuamente. Ora almeno abbiamo un numero, un numero... numeri sulla scatola. |
| Potete vedere qui, abbiamo la polvere di stagno. Questo è il |
| ha prodotto polvere di stagno dopo 25.000 coperchi e abbiamo anche impostazioni diverse dello spessore del materiale in ingresso alla linea. |
| E qui abbiamo le quattro diverse misure del pistone. E abbiamo una dichiarazione, è stato rivestito o non è stato rivestito. 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 in entrata è 5,74, se la misura è 1,47 e così via. |
| Quindi questo è un enorme passo dal passare dal semplice guardare all'avere effettivamente dei numeri reali dietro il set di lavoro che avevamo all'inizio. |
| Quindi anche solo raccogliere il numero qui è stato un enorme progresso rispetto al nostro punto di partenza, ma l'idea era di usare il numero per vedere se 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 di SAS JMP e uno degli strumenti che utilizziamo molto in questo caso 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 dell'effetto materico |
| le 10 polveri, la misura del pistone, |
| e se il rivestimento del pistone potrebbe avere qualche impatto. |
| Eseguendo il modello qui |
| e dicendo: prova a combinare le diverse variabili e dimmi quale avrà l'impatto maggiore sulla nostra polvere di stagno. |
| E questi sono fondamentalmente i risultati che ne abbiamo ottenuto. |
| 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 significato del valore p, beh, sembra che abbiamo un significato significativo |
| 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 Misura 3 avrà qualche tipo di relazione con la polvere di stagno. Ciò significa anche che le Misure 1, 2 e 4 non sembrano essere significative 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 in realtà è stato abbastanza facile per noi interpretarlo, e la gente ha capito, okay, significativo significa che forse non è una coincidenza. |
| E utilizzando le persone giuste, abbiamo potuto verificare che questo ha senso anche per loro, quindi sembra che il rivestimento possa avere un impatto sulla polvere di stagno. |
| E il tecnico... lo staff tecnico diceva, sì, è logico che il rivestimento abbia un impatto sulla polvere di stagno, perché lo abbiamo visto su altre linee. |
| E lo spessore potrebbe essere verificato e la Misura 3 potrebbe avere senso, quindi abbiamo iniziato a credere che fosse così |
| alcune buone linee guida per noi, ma dobbiamo vedere sì, possiamo vedere che il mantello sembra essere significativo, ma è rilevante per noi con o senza rivestimento? |
| Quindi abbiamo ampliato questo... |
| il modello adatto qui e |
| puoi vedere qui nel profiler come le diverse variabili influenzeranno la polvere di stagno. Puoi vedere la polvere di stagno qui a sinistra. |
| E potete vedere lo spessore del foglio che arriva durante il processo qui, la Misura 3 e poi il rivestimento. E poi potremmo provare a simulare se dobbiamo rivestire, se abbiamo attivato la Misura 3. |
| quali sarebbero i chilogrammi previsti in uscita dal processo? |
| Qui sta dicendo che possiamo aspettarci 0,0057. Anche qui abbiamo un intervallo di confidenza, ma possiamo aspettarci che questo sarà il numero di polvere di stagno che esce dal processo. |
| Quindi guarda e vedi cosa succederebbe se avessimo un pistone non rivestito. Posso vedere che il significato cambierà e sarà più alto. |
| E sappiamo fin 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 è andare ancora oltre, perché sappiamo che lo spessore del materiale era molto difficile da controllare per noi, questo è specificato e ci saranno alcune variazioni 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 succederebbe se lo spessore cambiasse |
| con una certa 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. Potremo cambiarlo più tardi. Vogliamo fissare la misura e vogliamo fissare 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 fissa, il manto sarà fisso, ma lo spessore cambierà nel tempo. |
| Quindi possiamo simulare, se vogliamo 5.000 fogli nel processo, cosa potremmo aspettarci di vedere |
| nella polvere di stagno? E poi potremmo simulare. Puoi vedere se l'abbiamo fatto |
| in arrivo una lamiera di stagno dello spessore di circa 5,6, la Misura 3 in 1 e con una mano ci si poteva aspettare un ottimo risultato. E come puoi vedere, abbiamo la linea rossa qui a 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 positivo per noi. |
| Puoi anche vedere che se poi la cambiamo, la Misura 3, non a 1, |
| ma a 2,5. |
| E di nuovo con la simulazione. |
| Saremo a |
| un po' più alto |
| quantità di polvere di stagno. Se noi, oltre a ciò, |
| Scusa, |
| cambiandolo in un pistone senza rivestimento e facendo funzionare una piastra da 5.000 fogli, potremmo aspettarci una risposta molto scarsa. |
| E abbiamo potuto vederlo |
| la configurazione che avevamo nella nostra linea di produzione prima di iniziare queste modifiche prevedeva pistoni senza rivestimento. Quindi questo era molto nuovo per noi, ed è stato molto emozionante per noi vedere che possiamo effettivamente vedere cosa può controllare la polvere di stagno e possiamo persino controllarla da soli. |
| Quindi, sulla base delle simulazioni che abbiamo qui, abbiamo deciso di avere |
| UN |
| Misura 3 su 2 e poi un pistone con rivestimento, |
| il che significa che avremo un processo molto robusto che diventa... in grado di gestire la variazione che abbiamo nello spessore dei fogli. |
| Quindi potremmo anche provare a simulare una cosa, 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 secondo cui devono mantenere la deviazione standard a un livello specifico perché in tal caso avremo |
| un processo robusto. |
| Quindi è stato come aprire gli occhi a 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 programmato per cinque giorni. |
| Quindi questa è stata una buona notizia per noi. |
| E quindi qui al numero cinque, abbiamo concluso dicendo: Ok, ora sappiamo cosa dovrebbe essere migliorato, dobbiamo rivestire gli strumenti o il pistone e dobbiamo regolare la misurazione su 2,0. |
| Veniva da circa 3.0. Quindi questo era??? un miglioramento, e questa è un'immagine molto semplice dal profiler, |
| mostrando la relazione tra il nostro rivestimento di stagno e le diverse variabili che ci aspettavamo. E abbiamo fatto un controllo dicendo proviamo a cambiare |
| i nostri processi e poi produciamo altri 25.000 coperchi e poi potrete vedere il confronto. Questa era la nostra linea di base. Potete vedere la piccola polvere qui nel bagaglio prima che cambiamo il processo, e potete vedere i 25.000 |
| della polvere di stagno dopo la produzione di 25.000 coperchi dopo la modifica e qui non abbiamo visto polvere di stagno. |
| Quindi è stato come... per noi è stata un'ottima prova di concetto. È stato uno dei primi progetti che abbiamo realizzato utilizzando SAS JMP ed è stata un'ottima prova di concetto e le persone hanno fatto davvero affidamento su questo modo di risolvere i problemi. |
| Ciò che impariamo qui è l'uso dei dati, questo è vantaggioso per noi, perché abbiamo qualcosa in comune, qualcosa che possiamo mettere in relazione con tutti, |
| invece di avere opinioni diverse che è molto difficile per noi quantificare, quindi l'uso di questo è stato molto utile per tutti noi. |
| E utilizzando le persone giuste, i tecnici, le persone |
| con una conoscenza approfondita, anche le persone che sanno usare un software statistico come JMP capiscono come impostarlo |
| un esperimento, capire come realizzare un modello di adattamento, modelli di regressione e così via. E poi l'utilizzo di SAS JMP è davvero potente. Non avremmo potuto farlo, come in Excel perché non hanno gli strumenti. |
| E poi, l'utilizzo di un processo strutturato come quello che ci rende molto potenti per noi, quindi questo è stato un ottimo apprendimento per noi, ed è qualcosa che abbiamo implementato in seguito in molti progetti con un'ottima risposta. |
