스피커 | 성적 증명서 |
| 마커스 | 환영 |
| 이 프리젠테이션은 SAS JMP를 사용하여 진행됩니다. |
| 이 프레젠테이션의 주제는 통계를 공통 언어로 사용하는 방법과 이를 통해 프로세스 품질을 향상하는 방법입니다. |
| 저는 Envases라는 회사에서 품질 관리자로 일하고 있습니다. Envases는 거대한 회사입니다. |
| 식품산업용 캔을 생산하는 글로벌 기업입니다. 여기 왼쪽 모서리에서 일부 제품을 볼 수 있습니다. |
| 일부 제품은 귀하에게 친숙할 수 있습니다. 슈퍼마켓에서 살 수 있는 캔, 고기, 생선, 분유, 주스 등이 캔에 들어 있습니다. |
| 우리는 제조 시설을 보유하고 있습니다. |
| 멕시코와 유럽 그리고 |
| 오늘 제가 여기서 논의하고 싶은 주제는 덴마크의 생산 시설과 관련이 있습니다. |
| 기본적으로 제가 여기서 제시할 내용은 SAS JMP를 도구 중 하나로 사용하여 해결한 문제입니다. |
| 그리고 JMP에서 시간을 보내서 몇 가지 기능을 보여주고 SAS JMP를 사용하여 이러한 종류의 문제를 해결하는 방법에 대한 아이디어를 제공할 것입니다. 많은 사람들이 이 프레젠테이션을 보고 있습니다. |
| 자, 작년으로 돌아가서, |
| 생산 라인에 몇 가지 문제가 있었는데 생산 담당자가 저에게 왔습니다. 나는 품질 책임자이고 마커스, 우리 생산 라인에 주석 가루가 좀 있다고 말하면서 내 책상에 온 이런 종류의 문제를 처리하고 있습니다. |
| 주석은 우리가 캔에 사용하는 재료이므로 주석 가루 자체는 아닙니다. |
| 우리 생산에서는 눈에 띄는 것이 아니지만 사람들은 우리 생산 라인에서 주석 먼지가 너무 많이 보인다고 불평했습니다. |
| 그리고 그 결과 항상 라인을 청소해야 합니다. |
| 그것은 문제의 시작과 같았습니다. 이를 보여줄 데이터가 없습니다. 우리는 검토할 서류가 없었습니다. 우리는 Excel 시트가 없었습니다. 조사할 JMP 파일이 없었습니다. 우리가 너무 많다는 사람들의 의견이 있었어요. |
| 생산 라인에 주석 먼지가 있어서 항상 청소해야 합니다. |
| 그리고 조금이라도 정리하려면 |
| 더 혼란스럽긴 했지만 사람들은 우리가 이것을 이전에 여러 번 본 적이 있다고 말했고 어떤 사람들은 우리가 이것을 전에 본 적이 없다고 말했습니다. |
| 나는 전화상의 사람들과 대화하기 시작했습니다. "이것이 당신에게 새로운가요?" 이번 주에 이런 일이 일어났나요, 아니면 지난 주에 일어났나요? 아니면 작년은 어땠나요? 그리고 저는 다양한 의견과 많은 것을 얻었습니다. |
| 사람들이 나에게 같은 말을 하지 않았기 때문에 이 프로젝트를 어떻게 시작할 수 있을지 약간 혼란스러웠습니다. |
| 하지만 어쨌든 우리는 시작해야 했습니다. |
| 그래서 내가 가장 먼저 한 일은 |
| 팀을 꾸려 이렇게 말했다. |
| 여기 조직의 사람들은 팀을 구성해야 합니다. 팀에는 누가 참여해야 하나요? 그리고 우리는 생산 인력, 기술 인력, 운영 인력, 유지 관리 부서 인력 등 프로젝트 관련 인력을 특정했습니다. |
| 문제를 해결하기 위해 여기에서 사용한 구조는 Six Sigma DMAIC에서 영감을 얻었습니다. 아마도 여러분 중 일부는 이미 알고 있을 것입니다. |
| DMAIC는 문제를 정의하고, 문제를 측정하고, 문제의 원인을 분석하고, 개선하고, 자신이 생각해낸 솔루션으로 실제로 성공한 경우 제어하는 것입니다. |
| 이것에 대한 아이디어 중 하나인 DMAIC와 저에게도 아이디어 중 하나는 여기서 구조를 사용하여 문제를 정의하고 측정하는 것입니다. |
| 자신에게 문제가 있다고 생각할 수도 있지만, 문제를 측정하기 시작하면 문제라고 생각했던 것이 실제로는 전혀 문제가 아니라는 것을 깨닫게 될 수도 있습니다. |
| 그러니까 실제로 존재하지 않는 문제를 계속해서 해결하려고 할 필요는 없고, 그래서 사람들에게 '좋아, 우선 문제를 측정해보자'고 말했죠. 문제가 있는 걸까요, 아니면 그냥 제작 과정에서 느끼는 속쓰림일까요? |
| 그것이 첫 번째 단계였습니다. |
| 그래서 우리는 생산라인으로 ???, 라인으로 가서 구경하고, |
| 프로세스에 대한 아이디어를 얻을 수 있습니까? 어쩌면 문제가 발생한 위치를 확인할 수도 있습니다. |
| 프로세스는 다소 간단합니다. 저는 이것을 아주 간단한 그림으로 단순화하려고 노력했습니다. |
| 단지 당신에게 아이디어를 주기 위해서입니다. 컨베이어로 들어오는 주석 시트가 있고 그 다음에는 피스톤이 있습니다. |
| 캔뚜껑만 만들면 되기 때문에 과정은 비교적 간단합니다. |
| 이 피스톤과 뚜껑을 만든 결과, 컨베이어에 약간의 먼지가 쌓일 수 있다는 것을 알 수 있으며, 이곳은 작업자가 가끔 청소해야 하는 곳입니다. |
| 그리고 우리는 ???를 해보면 알 수 있습니다. 25,000개의 뚜껑을 닫으면 약 2kg 이상의 주석 먼지를 수집할 수 있습니다. |
| 그리고 바로 그때 우리는 라인을 청소해야 했습니다. 이것이 우리의 기준과 같았습니다. 예를 들어 2kg 이상에 해당하는 25,000개의 뚜껑을 생산했을 때 라인을 청소해야 했습니다. |
| 세척에는 생산 시간이 걸리고 생산 시간이 단축되어 우리가 생산하려는 뚜껑을 생산할 수 없기 때문에 허용되지 않습니다. 즉, 배송이 늦어지거나 배송이 전혀 불가능할 수도 있습니다. |
| 그래서 우리 모두는 이러한 청소를 줄이는 데 관심을 갖고 있었고, 라인에서 발생하는 주석 먼지를 줄일 수 있다면 청소 작업도 줄일 수 있다는 것을 알 수 있었습니다. |
| 따라서 우리가 데이터를 수집했을 때 문제는 매우 간단했습니다. |
| 그만큼 |
| 킬로그램 단위의 데이터입니다. |
| 여기 사진에서 뒷면을 볼 수 있다는 점을 기억하세요. 이것은 뚜껑을 25,000번 닫은 후 진공청소기를 사용하여 모을 수 있는 먼지입니다. 처음에 사람들이 나한테 왔을 땐 먼지 쌓인 짐도 하나도 없이 그냥 왔어. |
| 보는 것만으로도 우리가 겪고 있는 문제를 표현할 수 있었습니다. 이제 적어도 우리는 이것이 우리가 겪고 있는 문제라는 것을 알 수 있었습니다. 우리는 먼지가 너무 많고 먼지가 너무 많습니다. 청소해야 하기 때문입니다. 그래서 우리는 그 양을 줄여야 합니다. |
| 25,000개의 뚜껑을 생산한 후의 킬로그램이 프로젝트의 성공 기준이었습니다. |
| 적절한 사람들을 모아서 우리는 마치 워크숍처럼 모든 사람들을 한 방에 모아 여기에 문제가 있다고 말했습니다. 25,000번의 뚜껑을 닫으면 2kg 이상의 먼지가 발생합니다. 그 이유는 무엇입니까? |
| 그런 다음 우리는 프로세스를 살펴보고, 프로세스에서 무엇이 나오는지, 프로세스에서 무엇이 나오는지 살펴보며 브레인스토밍을 했습니다. 이러한 변수 중 어떤 것이 우리가 보는 주석 먼지의 최근 현상을 설명할 수 있습니까? |
| 그래서 첫 번째 단계는 변수를 정의하는 것이었습니다. 보시다시피 저는 팀이 우리가 본 주석 먼지의 근본 원인 중 일부일 것으로 예상하는 것을 노란색으로 표시했습니다. |
| 우리는 그것이 들어오기 때문에 주석 시트, 주석 시트의 두께가 |
| 다를 수 있으므로 더 두꺼운 주석 시트가 들어오고 일부는 |
| 그렇게 얇은 얇은 시트가 들어오지 않아요. |
| 그리고 우리는 또한 피스톤 코팅이 주석 코팅의 원인이 될 수 있음을 알 수 있었습니다. |
| 약간의 코팅이 적용된 다른 라인과 비교했을 때 같은 규모에서는 문제가 없다는 것을 알 수 있었습니다. |
| 우리는 또한 피스톤의 측정값을 볼 수 있었습니다. 주석 먼지의 원인을 설명할 수 있는 피스톤에 대한 네 가지 다른 측정값이 있습니다. |
| 우리는 이것을 시도해 본 적이 없기 때문에 이것은 단지 종이에 있었기 때문에 이것이 이유일 수 있지만 알아내도록 노력해 보겠습니다. |
| 작년, 2년 전에 이런 문제가 생겼을 때, |
| 접근 방식은 일반적으로 우리가 다양한 것을 시도하는 것이므로 두께가 코트에 변화를 줄 수 있는지 확인할 수 있도록 노력할 수 있습니다. 그러나 여기서는 프로세스 속도를 높이기 위해 모든 변수를 하나의 실험에 결합하고 싶습니다. |
| 그래서 우리는 DOE라는 실험 설계를 설정했습니다. |
| 시간이 지남에 따라 이것을 약간 변경해야 합니다. 그래야 우리가 가지고 있는 현실과 실험에 사용할 수 있는 할당된 생산 시간을 반영할 수 있습니다. |
| 실험을 설정하고 변수를 정의하는 것은 어려운 작업이 아니었습니다. 아마 몇 시간 정도 걸렸을 거예요. DOE 설정은 어렵지 않았으며 SAS JMP에서 수행했습니다. 하지만 DOE를 실행하는 데 시간이 오래 걸리기 때문에 까다로운 부분이었습니다. 일주일 정도 걸렸어요. |
| 그래서 우리는 기계를 꺼낼 계획을 세우고 약 5일 동안 시험을 했습니다. 간단히 말해서 우리가 한 일은 한 종류의 설정을 사용하여 25,000개의 뚜껑을 생산한 다음 다른 종류의 설정을 사용하여 25,000개의 뚜껑을 생산한 것입니다. |
| 그리고 일주일이 지나서 결과를 분석했고, 그 결과를 바탕으로 결론을 내렸습니다. |
| 보여드리도록 할게요 |
| SAS JMP에서 우리가 한 일. |
| 여기에서 볼 수 있듯이 숫자만 봐도 이것이 출발점 이후 엄청난 진전이라는 것을 알 수 있습니다. 우리는 사람들이 먼지가 너무 많아서 항상 청소해야 한다고 말하도록 하는 것부터 시작했습니다. 이제 최소한 우리는 숫자를 가지고 있습니다...깡통에 숫자가 있습니다. |
| 여기 보시면 주석 가루가 있습니다. 이것이 |
| 25,000개의 뚜껑 이후에 주석 가루가 생성되었으며 라인에 들어오는 재료의 두께에 대한 설정도 다릅니다. |
| 여기에는 피스톤에 대한 네 가지 측정값이 있습니다. 그리고 우리는 그것이 코팅되었는지 아니면 코팅되지 않았는지에 대한 진술을 가지고 있습니다. 그래서 우리는 시험해 본 다양한 종류의 피스톤을 가지고 있습니다. |
| 이것은 사람들이 이해하기가 다소 쉽습니다. 그들은 들어오는 재료의 두께가 5.74이고 측정값이 1.47이면 얼마나 많은 주석 먼지가 있는지 확인할 수 있었습니다. |
| 따라서 이는 단순히 관찰하는 것에서 시작하여 실제로 작업 세트 뒤에 있는 실제 숫자를 파악하는 것에서 큰 진전입니다. |
| 따라서 여기서 숫자를 수집하는 것만으로도 시작점에서 큰 진전이 있었지만 숫자를 사용하여 설명할 수 있는지 확인하는 것이 아이디어였습니다. |
| 들어오는 재료의 두께, 피스톤의 4가지 측정값, 피스톤 코팅 여부에 따라 주석 가루가 발생하는 이유. |
| 우리는 SAS JMP의 도구 중 일부를 사용하고 있으며 여기서 많이 사용하는 도구 중 하나는 적합 모델입니다. 적합 모델은 반응과 변수 사이에 관계가 있는지 설명합니다. |
| 그리고 여기에 응답이 있습니다. |
| 이것이 우리의 주석 가루입니다. |
| 여기에 모델이 있으므로 재료의 두께가 효과가 있는지 확인하고 싶습니다. |
| 10 먼지, 피스톤의 측정, |
| 피스톤 코팅이 어떤 영향을 미칠지 여부. |
| 여기에서 모델을 실행합니다. |
| 그리고 다양한 변수를 결합해 보고 주석 가루에 가장 큰 영향을 미치는 것이 무엇인지 말해 보세요. |
| 그리고 이것은 기본적으로 우리가 얻은 결과입니다. |
| 이것이 우리에게 의미가 있다면 우리를 안내하기 위해 p 값을 사용하고 있는 것을 여기에서 볼 수 있습니다. 코트가 낮고 p 값이 의미하는 바는 음, 우리가 상당한 |
| 코트와 주석 가루 사이의 관계. 우리는 또한 재료의 두께가 |
| 우리는 측정 3이 주석 가루와 어떤 관계가 있을 것이라고 믿습니다. 이는 또한 주석 먼지에 대해 이야기할 때 측정 1, 2, 4가 중요하지 않은 것 같다는 것을 의미합니다. |
| 우리는 어떤 종류의 숫자도 없이 작업을 시작했다는 점을 기억하세요. 이제 우리는 P 값과 이것이 우리에게 어떻게 도움이 될 수 있는지에 대해 이야기하고 있었습니다. |
| 그리고 이것은 실제로 우리가 해석하기가 매우 쉬웠고 사람들은 이것이 우연이 아닐 수도 있다는 것을 의미한다는 것을 이해했습니다. |
| 그리고 적절한 인력을 활용함으로써 우리는 이것이 그들에게도 타당하다는 것을 확인할 수 있었습니다. 따라서 코팅이 주석 먼지에 영향을 미칠 수 있는 것처럼 보입니다. |
| 그리고 기술진은 "예, 코팅이 주석 먼지에 영향을 미치는 것이 타당하다"고 말했습니다. 왜냐하면 우리가 다른 라인에서 이것을 보았기 때문입니다. |
| 그리고 두께를 검증할 수 있었고 측정 3도 의미가 있었습니다. 그래서 우리는 이것이 옳다고 믿기 시작했습니다. |
| 우리를 위한 몇 가지 좋은 지침이 있지만 살펴봐야 합니다. 예, 코트가 중요해 보인다는 것을 알 수 있습니다. 하지만 코팅이 있든 없든 우리와 관련이 있습니까? |
| 그래서 우리는 이것을 확장했습니다 ... |
| 여기에 맞는 모델과 |
| 여기 프로파일러에서 다양한 변수가 주석 먼지에 어떤 영향을 미치는지 확인할 수 있습니다. 여기 왼쪽에 주석 가루가 보입니다. |
| 여기 공정에서 나오는 시트의 두께, 즉 측정 3과 코팅을 볼 수 있습니다. 그런 다음 측정 3이 켜져 있으면 코팅을 해야 하는지 시뮬레이션해 볼 수 있습니다. |
| 이 과정에서 예상되는 킬로그램은 얼마나 될까요? |
| 여기서는 0.0057을 기대할 수 있다고 말합니다. 여기에도 신뢰 구간이 있지만 이것이 공정에서 나오는 주석 먼지의 수일 것으로 예상할 수 있습니다. |
| 그런 다음 코팅되지 않은 피스톤이 있으면 어떻게 되는지 살펴보십시오. 그 의미가 바뀌고 더 높아질 것임을 알 수 있습니다. |
| 그리고 우리는 주석 먼지가 0.2kg 이상 있으면 청소가 필요하므로 0.2 정도가 게임 체인저가 될 것이라는 것을 처음부터 알고 있으므로 0.2보다 낮기를 원합니다. |
| 그리고 여기에서 더 나아가서 우리가 한 일은 재료의 두께가 우리가 제어하기가 매우 어렵다는 것을 알고 있기 때문에 이것이 지정되고 두께 내에 약간의 변화가 있을 것이므로 변경하기가 매우 어려울 것입니다. |
| 그래서 우리는 두께를 유연하게 유지해야 한다는 매우 견고한 프로세스가 필요했습니다. |
| 하지만 우리가 제어할 수 있는 것은 측정 3과 코팅입니다. |
| 그래서 우리는 이 프로파일러를 다음으로 확장했습니다. |
| 두께가 변하면 어떻게 되는지 시뮬레이션할 수 있는 시뮬레이터 |
| 일부 지정된 표준 편차가 있습니다. |
| 따라서 우리는 두께가 바뀔 수 있다는 것을 알고 있다고 말하고 있습니다. |
| 우리는 평균이 약 5.595이고 이 재료의 표준 편차가 0.058이라는 것을 알고 있습니다. 나중에 변경할 수 있습니다. 우리는 측정값을 수정하고 코팅을 수정하고 싶습니다. |
| 피스톤의 코팅. |
| 또한 목표가 0.2보다 높지 않다는 것을 알고 있으므로 여기에 목표를 추가할 수 있습니다. |
| 그런 다음 시뮬레이션을 할 수 있었습니다. |
| 측정 3은 고정되고 코팅은 고정되지만 두께는 시간이 지남에 따라 변경됩니다. |
| 그런 다음 프로세스에 5,000장의 시트가 필요한지 시뮬레이션할 수 있으며, 무엇을 기대할 수 있습니까? |
| 주석 먼지 속에? 그런 다음 시뮬레이션을 할 수 있었습니다. 우리가 가지고 있는지 볼 수 있습니다 |
| 두께가 약 5.6인 주석 시트가 나오는데 측정값은 3이고 코팅이 되어 있으면 매우 좋은 결과를 기대할 수 있습니다. 보시다시피 여기 2시에 빨간색 선이 있습니다. |
| 죄송합니다. 0.2이며 결함률도 알 수 있습니다. 즉, 0.1보다 높은 측정률은 0이 되므로 이는 우리에게 좋습니다. |
| 또한 이를 변경하면 1이 아닌 측정 3이 |
| 하지만 2.5로. |
| 그리고 다시 시뮬레이션을 통해. |
| 우리는에 있을 것이다 |
| 약간 더 높음 |
| 주석가루량. 게다가 우리가 |
| 죄송합니다, |
| 코팅이 없는 피스톤으로 바꿔서 5,000장을 구동하면 반응이 매우 좋지 않을 것으로 예상됩니다. |
| 그리고 우리는 그것을 볼 수 있었습니다 |
| 이러한 변경을 시작하기 전에 생산 라인에 있었던 설정은 코팅이 없는 피스톤이었습니다. 그래서 이것은 우리에게 매우 새로운 일이었고 주석 먼지를 제어할 수 있는 것이 무엇인지 실제로 볼 수 있고 심지어 우리 스스로 제어할 수도 있다는 것을 보는 것은 매우 흥미로웠습니다. |
| 그래서 여기에 있는 시뮬레이션을 기반으로 우리는 다음과 같이 결정했습니다. |
| ㅏ |
| 2에서 3을 측정한 다음 코팅이 된 피스톤, |
| 이는 우리가 시트 두께의 변화를 처리할 수 있는 매우 견고한 프로세스를 갖게 된다는 것을 의미합니다. |
| 그런 다음 우리는 또한 시뮬레이션을 시도할 수 있습니다. 이 편차가 0.058이 아니라 |
| 1.5. |
| 보시다시피, 이것은 너무 많을 것입니다. 따라서 이것은 공급업체와 표준 편차를 특정 수준으로 유지해야 하는 합의 중 일부입니다. |
| 견고한 프로세스. |
| 그래서 이것은 우리 모두에게 눈을 뜨게 만드는 것과 같았습니다. 왜냐하면 이것은 우리에게 매우 좋은 그림이고 비용도 많이 들지 않았기 때문입니다. 우리가 겪은 유일한 비용은 5일 동안 설정한 실험이었습니다. |
| 그래서 이것은 우리에게 좋은 소식이었습니다. |
| 그래서 다섯 번째에서 우리는 다음과 같이 결론을 내렸습니다. 이제 개선해야 할 점을 알았습니다. 도구나 피스톤을 코팅하고 측정값을 2.0으로 조정해야 합니다. |
| 3.0쯤부터 나오더군요. 그래서 이것은 ??? 개선 사항입니다. 이것은 프로파일러의 매우 간단한 사진입니다. |
| 주석 코팅과 우리가 예상했던 다양한 변수 사이의 관계를 보여줍니다. 그리고 우리는 변화를 시도하자고 제어했습니다. |
| 우리의 공정을 거쳐 25,000개의 뚜껑을 더 생산하면 비교를 볼 수 있습니다. 이것이 우리의 기준선과 같았습니다. 보시다시피 프로세스를 변경하기 전 여기 수하물에 있는 작은 먼지가 25,000개입니다. |
| 변경 후 25,000개의 뚜껑을 생산한 후 주석 먼지가 발생했지만 여기서는 주석 먼지가 전혀 보이지 않았습니다. |
| 그래서 이것은...우리에게 아주 좋은 개념 증명이었습니다. 이는 SAS JMP를 사용하여 수행한 첫 번째 프로젝트 중 하나였으며 매우 훌륭한 개념 증명이었으며 사람들은 문제 해결을 위해 이러한 방식에 크게 의존했습니다. |
| 여기서 우리가 배우는 것은 데이터의 사용에 관한 것입니다. 이는 우리에게 이익이 된다는 것을 보여줍니다. 왜냐하면 우리에게는 공통점이 있고 모든 사람과 관련될 수 있는 것이 있기 때문입니다. |
| 우리가 정량화하기 매우 어려운 서로 다른 의견을 갖는 대신 이것을 사용하는 것이 우리 모두에게 매우 도움이 되었습니다. |
| 그리고 적합한 사람, 기술적인 사람, 사람을 활용합니다. |
| 현장 지식을 바탕으로 JMP처럼 통계 소프트웨어처럼 사용할 수 있는 사람도 설정 방법을 이해할 수 있습니다. |
| 실험을 통해 적합 모델, 회귀 모델 등을 수행하는 방법을 이해합니다. 그리고 SAS JMP의 사용은 정말 강력합니다. 도구가 없기 때문에 Excel처럼 이 작업을 수행할 수 없었습니다. |
| 그런 다음 구조화된 프로세스를 사용하면 우리가 매우 강력해지기 때문에 이는 우리에게 매우 좋은 학습이었으며 이후 많은 프로젝트에서 구현하여 매우 좋은 반응을 얻었습니다. |
