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、このプレゼンテーションをここでご覧ください。 |
| 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 は巨大な企業です。 |
| 食品業界向けの缶を製造する世界的企業。 ここの左隅に製品の一部が表示されます。 |
| 製品の中には、あなたがよく知っているものもあるかもしれません。 スーパーで買える缶です、肉もあれば魚もあり、粉ミルクもあり、ジュースなども缶に入っています。 |
| 私たちは製造施設を持っています |
| メキシコでもヨーロッパでも、 |
| 今日私がここで議論したいトピックは、デンマークにある当社の生産施設に関連したものです。 |
| 基本的に、ここで紹介するのは、ツールの 1 つとして SAS JMP を使用して解決された問題です。 |
| そして、私は JMP に時間を費やして、機能のいくつかを示し、SAS JMP を使用してこの種の問題に対処する方法のアイデアを提供するつもりです。これはよく知られていると思い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、去年の話に戻りますが、 |
| 生産ラインに問題があり、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、「マーカス、生産ラインにブリキの粉が入っているよ」とデスクに来たこの種の問題に対処しています。 |
| ブリキは缶に使用している素材なので、ブリキの粉そのものではありません。 |
| 私たちの生産で見るべき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錫の粉が見えると苦情を言いました。 |
| その結果、ラインを常に清掃する必要があります。 |
| それは問題の始まりのようでした。 これを示すデータはありませんでした。 通過する書類がありませんでした。 Excel シートはありませんでした。 調査すべき JMP ファイルはありませんでした。 人々からは「多すぎる」という意見がいくつかありました |
| 生産ラインには錫の粉が付着しており、常に清掃する必要があります。 |
| そしてそれを少しでも補うために |
| さらにややこしいですが、これまで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言う人もいました。 |
| 私はオンラインの人々と「これは初めてですか?」と話し始めました。 これは今週起こったことですか、それとも先週ですか? それとも去年はどうだったのでしょうか？ そして、色々なご意見をいただきましたが、 |
| 意見も多く、また人々も同じことを言ってくれなかったので、どうやってこのプロジェクトを始めればよいのか少し戸惑いました。 |
| しかし、とにかく、始める必要がありました。 |
| それで私が最初にしたことは |
| チームを設定して次のように言うことでした。 |
| 組織内の人々はチームを結成する必要があります。 誰がチームに参加すべきですか? そして、生産部門の何人か、技術部門の何人か、運用部門の何人か、メンテナンス部門の何人かなど、プロジェクトに関連する人々を特定しました。 |
| 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 からインスピレーションを得たもので、おそらくすでにご存知の方もいるでしょう。 |
| DMAIC は、問題を定義し、問題を測定し、問題の理由を分析し、改善して、自分が考えた解決策で実際に成功したかどうかを制御することです。 |
| この DMAIC のアイデアの 1 つは、私にとっても、ここでの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。 |
| 問題があると思っ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がわかるかもしれません。 |
| したがって、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。それが私が人々に「分かった、まず問題を測定しましょう」と言いました。 何か問題があるのでしょうか、それとも制作中にお腹が張るだけなのでしょうか？ |
| それが最初のステップでした。 |
| それで私たちは生産ラインに行きました???、ラインを見に行きました、 |
| プロセスを把握できれば、問題がどこで発生しているかもわかるかもしれません。 |
| プロセスはかなり単純です。 この非常に単純な図で簡略化してみました。 |
| アイデアを与えるためだけに。 ブリキ板がコンベアに運ばれ、ピストンが来ます。 |
| 缶の蓋を作るだけなので、工程は比較的簡単です。 |
| このピストンとこれらの蓋の作成の結果、コンベア上に埃が溜まる可能性があることがわかります。オペレーターはここを時々掃除する必要があります。 |
| そして、???を実行するとわかります。 25,000 個の蓋をした後、約 2 キログラム以上の錫の粉を収集できることがわかりました。 |
| そしてそのとき、ラインをきれいにする必要がありました。 つまり、これは私たちのベースラインのようなもので、たとえば 2 キログラム以上に相当する 25,000 個の蓋を生産したら、ラインを洗浄する必要があります。 |
| 洗浄に生産時間がかかり、生産時間が短縮され、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、配達に遅れるか、まったく配達できない可能性があります。 |
| そのため、私たち全員がこの清掃を減らすことに関心を持っており、ラインで生成される錫粉塵を減らすことができれば、お客様の清掃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 |
| ここにキログラム単位のデータがあります。 |
| 写真の裏側が見えることを忘れないでください。これは、25,000 個の蓋を取り付けた後に掃除機を使用して収集できたほこりです。 最初、人々が私のところに来たとき、私たちは埃をかぶった荷物さえ持っていませんでした。 |
| 見ているだけで、私たちが抱えている問題を表現することができました。 これで、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るため、掃除する必要があります。 したがって、削減する必要があります |
| 25,000 個の蓋を製造した後の重量はキログラム、それがプロジェクトの成功基準でした。 |
| 適切な人材を集めて、ワークショップのようなものを開催し、全員を部屋に集めて、「ここに問題がある」と伝えました。 25,000 回蓋をすると、2 キログラム以上の粉塵が発生します。 その理由は何でしょうか？ |
| そして、私たちはブレーンストーミングを行い、プロセスを見てください、そのプロセスで何が起こるのか、そのプロセスから何が生まれるのかを見てくださいと言いました。 これらの変数のいずれかで、私たちが見ているブリキ粉の最近の状況を説明できるでしょうか? |
| 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、私たちが確認したスズ粉の根本原因の一部としてチームが予想したものをここに黄色でマークしました。 |
| 私たちは、ブリキ板が入ってくるので、ブリキ板の厚さは次のことができることを知っているというインプットから始めました。 |
| 変動する可能性があるため、より厚いブリキ板が入荷する可能性があります。 |
| それほど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錫メッキの原因である可能性があることもわかりました。 |
| ある程度のコートがある他のラインと比較して、同じスケールでは問題がないことがわかりました。 |
| また、ピストンの測定値から、錫粉の原因を説明できる 4 つの異なる測定結果が得られたこともわかりました。 |
| 私たちはこれを試したことはなく、これは紙に載っているだけなので、これが原因である可能性がありますが、調べてみましょう。 |
| 去年か一昨年、このような問題が起きたとき、 |
| 通常、アプローチは、さまざまなことを試して、厚さを試して、これによって何かが変わるかどうか、つまりコートを確認するというものです。 ただし、ここでは単に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思います。 |
| そこで私たちは実験計画法、つまり 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。そうすることで、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を反映できるようになります。 |
| 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。 おそらく数時間かかったでしょう。 DOE の設定は難しくありませんでした。SAS JMP で行いました。 しかし、DOE の実行には長い時間がかかるため、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 日間試用を行いました。 そして、単純に私たちがやったことは、ある種類の設定を使用して 25,000 個の蓋を生産し、次に別の種類の設定を使用して 25,000 個の蓋を生産するということを繰り返しました。 |
| そして 1 週間後に結果を分析し、その結果に基づいて結論を出しました。 |
| 見せてみましょう |
| SAS JMP で何をしたか。 |
| 数字を見るだけでも、これが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、ほこりが多すぎるので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。 これで、少なくともいくつかの数字ができました...缶の上に数字が書かれています。 |
| ご覧のとおり、ブリキの粉があります。 これは |
| 25,000 枚の蓋をした後に錫の粉が発生しました。また、ラインに入る材料の厚さの異なる設定も用意しています。 |
| 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のかについての声明があります。 そこで、さまざまな種類のピストンを試してみました。 |
| これは人々にとってむしろ理解しやすいものです。 入ってくる材料の厚さが 5.74 の場合、測定値が 1.47 の場合など、どのくらいの量の錫粉があるのかを確認できるでしょうか。 |
| したがって、これは、最初に持っていた作業セットの背後にある実際の数値を実際に観察するだけで得たものから大きな進歩です。 |
| ここで数字を集めただけでも出発点からは大きな進歩でしたが、その数字を使って説明できるかどうかを確認するという考えがありました。 |
| 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、錫粉の原因を特定します。 |
| SAS JMP のいくつかのツールを使用していますが、ここでよく使用しているツールの 1 つが適合モデルです。 適合モデルは、応答と変数の間に何らかの関係があるかどうかを説明します。 |
| そしてここまでが応答です。 |
| これが我が家のブリキ粉です。 |
| ここにはモデルがあるので、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、何がブリキ粉に最も大きな影響を与えるかを教えてください、と言いました。 |
| そして、これが基本的に私たちがそこから得た結果です。 |
| ここで、これが私たちにとって意味があるかどうかをガイドするために p 値を使用していることがわかります。 コートは低く、p 値はつまり、かなりの効果を持っているようです。 |
| コートと錫粉の関係。 また、材料の厚さにも影響があると考えています。 |
| 測定 3 は錫粉と何らかの関係があると考えられます。 これは、スズの粉について話すとき、測定 1、2、および 4 が重要ではないようにも見えることも意味します。 |
| 覚えておいてください、私たちは数値のようなものを使わずに単に作業を開始したので、今は P 値とそ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、私たちにとって解釈するのが非常に簡単で、人々は理解しました。なるほど、重要な意味は、これはおそらく偶然ではないということです。 |
| そして、適切な人材を採用することで、これが彼らにとっても意味があることを検証できたので、コーティングが錫粉に影響を与える可能性があるようです。 |
| そして技術...技術スタッフはこう言いました、そう、コーティングが錫粉に影響を与えるのは当然です、なぜなら他のラインでもこれを見てきたからです。 |
| そして、厚さを検証でき、測定 3 も意味があることがわかり、これが正しいと信じ始めました。 |
| 私たちにとって良いガイドラインがいくつかありますが、コートが重要であるように見えることはわかりますが、コーティングの有無は私たちにとって関係があるのでしょうか? |
| そこでこれを拡張しました... |
| ここの適合モデルと |
| ここのプロファイラーでは、さまざまな変数が錫粉にどのような影響を与えるかを確認できます。 ここの左側にブリキの粉が見えます。 |
| ここで、測定 3 とその後のコーティングのプロセスで得られるシートの厚さを確認できます。 そして、測定 3 をオンにしている場合に、コーティングが必要かどうかをシミュレーションしてみることができます。 |
| このプロセスで予想される体重は何kgですか? |
| ここでは 0.0057 が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錫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場合はどうなるかを見てください。 それによって重要性が変わり、より高くなることがわかります。 |
| そして、ブリキの粉が 0.2 キログラムを超えた場合、掃除する必要があり、0.2 あたりがゲームチェンジャーのようなものであることは最初から分かっているので、0.2 よりも低くしたいと考えています。 |
| そして、ここでさらに前進するために行ったのは、材料の厚さを制御するのが非常に難しいことがわかっているためです。これは指定されており、厚さ内にある程度の変動があり、これを変更するのは非常に困難です。 |
| したがって、厚さを柔軟に保つ必要があるということで、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ます。 |
| いくつかの指定された標準偏差を使用します。 |
| つまり、缶の厚さが変化する可能性があることはわかっていると言えます。 |
| 平均は約 5.595 であり、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。 これは後で変更することもできます。 測定値を修正し、コーティングを修正したいと考えています。 |
| ピストンのコーティングです。 |
| また、目標が 0.2 を超えないこともわかっているので、ここに目標を追加できます。 |
| そして、シミュレーションすることができました。 |
| 測定 3 は固定され、コートは固定されますが、時間の経過とともに厚さが変化します。 |
| 次に、プロセスで 5,000 枚のシートが必要な場合、どのような結果が得られるかをシミュレーションできます。 |
| ブリキの粉の中で？ そして、シミュレーションすることができました。 あるかどうかわかります |
| 厚さ約 5.6 のブリキ板が届き、測定値 3 が 1 で、コーティングが施されているため、非常に良い結果が期待できます。 ご覧のとおり、ここの 2 に赤い線があります... |
| 申し訳ありませんが、0.2 ですが、欠陥率もわかります。つまり、0.1 より高い測定率は 0 になるため、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 1 ではなく 3 になることもわかります。 |
| ただし2.5まで。 |
| そしてまたシミュレーションです。 |
| 私たちは次の場所にいます |
| わずかに高い |
| 錫粉の量。 その上で、 |
| ごめん、 |
| コーティングのないピストンに変更して 5,000 枚のプレートを実行すると、非常に悪い応答が予想されます。 |
| そしてそれがわかりました |
| これらの変更を開始する前に生産ラインで使用していたセットアップは、コーティングのないピストンでした。 したがって、これは私たちにとって非常に新鮮でした。そして、何がブリキ粉を制御できるのかを実際に見ることができ、さらには自分たちで制御することさえできるのを見るのは、私たちにとって非常に興奮しました。 |
| そこで、ここで得たシミュレーションに基づいて、次のように決定しました。 |
| ある |
| 測定 3 on 2、その後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に対応できる非常に堅牢なプロセスが得られることになります。 |
| 次に、この偏差が 0.058 ではなく、 |
| 1.5. |
| ご存知のとおり、これは多すぎるため、これは標準偏差を特定のレベルに保つ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。 |
| これは私たち全員にとって目からウロコのようなものでした。なぜなら、これは私たちにとって非常に素晴らしい写真であり、それほど費用もかからなかったからです。 費用がかかったのは、5 日間に設定した実験だけでした。 |
| したがって、これは私たちにとって良い知らせでした。 |
| そして、ここで 5 番目について、「わかりました。何を改善すべきかがわかりました。ツールまたはピストンをコーティングし、測定値を 2.0 に調整する必要があります。」と結論付けました。 |
| 3.0くらいから出てきました。 それでこれは？これは改善であり、これはプロファイラーからの非常に単純な図です。 |
| これは、私たちの錫コートと私たちが予想したさまざまな変数との関係を示しています。 そして変えてみようとコントロールをしました |
| 私たちのプロセスでさらに 25,000 個の蓋を生産すると、比較がわかります。 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荷物の中に小さな塵があり、25,000 |
| 変更後に 25,000 個の蓋を製造した後の錫の粉の量を調べましたが、ここでは錫の粉は見られませんでした。 |
| これは、私たちにとって非常に優れた概念実証でした。 これは私たちが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、人々は問題解決を行うこの方法に実際に依存していました。 |
| ここで私たちが学んだことはデータの使用であり、それは私たちにとって有益であることを示しています。なぜなら、私たちには何か共通点、つまり誰とでも関連付けることができるものがあるからです。 |
| 異なる意見を持つ代わりに、それを定量化するのは非常に難しいため、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、人材を活用する |
| 現場での知識があり、JMP などの統計ソフトウェアを使用できる人も設定方法を理解しています。 |
| 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。 Excel などではツールがないため、これを行うことはできませんでした。 |
| そして、彼らのような構造化されたプロセスを使用すると、私たちにとって非常に強力になるため、これは私たちにとって非常に良い学習となり、その後多くのプロジェクトでこれを実装し、非常に良い反応を得ました。 |
