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 ainsi la qualité des processus. |
| Je travaille en tant que responsable qualité pour une entreprise appelée Envases. Envases est une énorme entreprise, un |
| entreprise mondiale fabriquant des canettes pour l’industrie alimentaire. Vous pouvez voir certains produits ici dans le coin gauche. |
| Certains produits vous sont peut-être familiers. Ce sont des canettes que l'on peut acheter dans les supermarchés, nous avons de la viande, du poisson, du lait en poudre, nous avons aussi du jus et ainsi de suite dans les canettes. |
| Nous avons des installations de fabrication dans |
| au Mexique et en Europe et dans le |
| Le sujet que je souhaite aborder 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 JMP pour montrer certaines 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, si nous revenons 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 suis confronté à ce genre de problèmes qui arrivent 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'en est pas une. |
| 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 par conséquent, ils doivent constamment nettoyer les lignes. |
| C’était comme le début du problème. Nous n'avions aucune donnée pour le montrer. Nous n'avions aucun papier à parcourir. Nous n'avions pas de feuilles Excel. Nous n'avions aucun fichier JMP à examiner. Nous venons d'avoir des avis de personnes disant que nous en avons trop |
| poussière d'étain sur notre chaîne de production, et nous devons nettoyer tout le temps. |
| Et pour rattraper un peu ça |
| C'est plus déroutant, mais les gens disaient que nous avions déjà vu cela plusieurs fois auparavant, et certains disaient que nous n'avions jamais vu cela auparavant. |
| J'ai commencé à parler avec les gens en ligne, en leur disant : est-ce nouveau pour vous ? Est-ce arrivé cette semaine ou était-ce la semaine dernière ? Et qu'en est-il de l'année dernière ? Et j'ai eu beaucoup d'opinions différentes et beaucoup de |
| les contributions, et aussi les gens ne me disaient pas la même chose, donc j'étais un peu confus quant à la manière dont nous pourrions démarrer ce projet. |
| Quoi qu’il en soit, il fallait se lancer. |
| Donc la première chose que j'ai faite |
| était de constituer l'équipe en disant : |
| les gens ici dans l’organisation devront constituer une équipe. Qui doit être impliqué dans l’équipe ? Et nous avons identifié certaines personnes dans la production, certaines personnes techniques, certaines personnes de l'exploitation, certaines personnes du 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 Six Sigma DMAIC, peut-être que certains d'entre vous la connaissent déjà. |
| DMAIC consiste à définir le problème, à mesurer le problème, à analyser la raison du problème, à l'améliorer puis à contrôler si vous avez réellement réussi avec la solution que vous avez proposée. |
| L'une des idées de DMAIC, et une des idées, également pour moi, d'utiliser la structure ici est de définir et de mesurer le problème, car parfois vous |
| 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 ne l’est en réalité pas du tout. |
| Il n'est donc pas nécessaire de continuer à résoudre un problème qui n'existe pas en réalité, et c'est ce que j'ai dit aux gens en disant : « D'accord, tout d'abord, mesurons le problème. Avons-nous vraiment un problème, ou est-ce juste une sensation d'estomac que nous ressentons pendant la production ? |
| Ce fut le premier pas. |
| Alors nous sommes allés à la chaîne de production ???, nous sommes allés 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. |
| fabriquer le couvercle des canettes, le processus est donc plutôt simple. |
| Grâce à ce piston et à la fabrication de ces couvercles, nous pouvons constater 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 pourrait voir en faisant le ??? qu'après 25 000 couvercles, nous pourrions collecter 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 référence, disons que lorsque nous avions produit 25 000 couvercles équivalant à plus de deux kilogrammes, nous devions nettoyer la chaîne, et c'était |
| Ce n'est pas acceptable car le nettoyage prend du temps de production et, ayant réduit le temps de production, nous ne pouvons pas produire les couvercles que nous souhaitons produire. Cela signifie que nous serons peut-être en retard pour la livraison, ou peut-être que nous ne serons pas en mesure de livrer du tout. |
| Nous avions donc tous intérêt à réduire ce nettoyage et nous avons vu que nous pouvons réduire votre nettoyage si nous pouvons réduire la poussière d'étain produite sur la ligne. |
| Le problème était donc assez simple lorsque nous avons collecté les |
| le |
| données en kilogrammes ici. |
| N'oubliez pas que vous pouvez voir l'arrière ici sur la photo, il s'agit de 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 pouvons voir que c'est le problème que nous rencontrons. Nous avons trop de poussière et celle-ci est trop de poussière, car nous devons la nettoyer. Il faut donc réduire |
| kilogrammes après 25 000 couvercles produits, tel était le critère de réussite du projet. |
| En rassemblant les bonnes personnes, nous avons organisé une sorte d'atelier, réunissant toutes les personnes dans une pièce pour dire que nous avions 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, en disant de regarder le processus, de regarder ce qui arrive dans le processus, ce qui en ressort. L’une de ces variables peut-elle expliquer la récente présence de poussière d’étain que nous observons ? |
| 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 par dire que depuis son arrivée, nous savons que la feuille de fer blanc, l'épaisseur de la feuille de fer blanc peut |
| peut varier, nous pouvons donc avoir des feuilles d'étain plus épaisses et d'autres |
| Une feuille pas si fine qui entre. |
| Et nous aussi, nous avons pu voir que le revêtement du piston pourrait être une raison pour la couche d'étain. |
| Nous avons pu constater que, par rapport à d'autres lignées qui avaient un peu de poil, il n'y avait pas de problème à la même échelle. |
| On a pu aussi voir que les mesures du piston, on a 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, lorsque nous avons eu un problème comme celui-ci, |
| l'approche serait normalement d'essayer différentes choses, donc nous pourrions essayer de faire en sorte que l'épaisseur puisse voir si cela pourrait changer quelque chose, le pelage. Mais ici, nous aimerions combiner toutes les variables dans une seule 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 un peu cela, afin que cela reflète la réalité actuelle ainsi que les temps de production alloués que nous pourrions utiliser pour l'expérience. |
| Mettre en place les expériences et définir les variables n’a pas été 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 la plus délicate car elle prenait beaucoup de temps ; cela a pris environ une semaine. |
| Nous devons donc planifier le retrait de la machine, puis nous avons fait un 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 une semaine, nous avons analysé les résultats, puis nous avons conclu sur la base de ces résultats. |
| Laisse-moi essayer de te montrer |
| ce que nous avons fait dans SAS JMP. |
| Vous pouvez le voir ici, rien qu'en regardant les chiffres, nous avons pu constater qu'il s'agit d'un énorme progrès depuis notre point de départ. Nous avons commencé par demander aux gens de dire que nous avions trop de poussière et que nous devions nettoyer tout le temps. Maintenant, au moins, nous avons un numéro, un numéro… des chiffres 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 ici les quatre mesures différentes du piston. Et nous avons une déclaration, est-ce qu'il a été enduit ou n'a pas été enduit. Nous avons donc essayé différents types de pistons. |
| C’est plutôt facile à comprendre pour les gens. Ils pourraient voir quelle quantité 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. |
| C'est donc un grand pas en avant par rapport au simple fait d'observer et d'avoir des chiffres réels derrière l'ensemble de travail que nous avions au début. |
| Donc le simple fait de collecter le numéro ici représentait un énorme progrès par rapport à notre point de départ, mais l'idée était d'utiliser le numéro pour voir, pouvons-nous expliquer |
| la raison de la poussière d'étain en fonction de l'épaisseur du matériau entrant, des quatre mesures différentes du piston et si le piston a été revêtu ou non. |
| Nous utilisons certains des outils de SAS JMP et l'un des outils que nous utilisons beaucoup 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. |
| Nous avons ici le modèle, nous aimerions donc voir si l'épaisseur du matériau a un effet |
| les 10 poussières, la mesure du piston, |
| et si le revêtement du piston aurait un impact. |
| Exécuter le modèle ici |
| et en disant, essayez de combiner les différentes variables et dites-moi ce qui aura le plus grand impact sur notre poussière d'étain. |
| Et ce sont essentiellement les résultats que nous en avons tirés. |
| Nous pourrions voir ici que nous utilisons la valeur p pour nous guider si cela a du sens pour nous. Le pelage est faible et la valeur p signifie, eh bien, il semble que nous ayons un impact significatif |
| relation entre le manteau et notre poussière d'étain. Nous pensons 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 également que les mesures 1, 2 et 4 ne semblent pas significatives lorsqu'on parle de poussière d'étain. |
| N'oubliez pas que nous commencions par travailler sans aucun chiffre, alors maintenant nous parlions des valeurs P et de la manière dont cela peut nous aider. |
| Et c'était en fait assez facile pour nous de l'interpréter, et les gens ont compris, d'accord, cela signifie que ce n'est peut-être pas une coïncidence. |
| Et en faisant appel aux bonnes personnes, nous pourrions vérifier que cela a du sens pour eux également, il semble donc que le revêtement puisse avoir un impact sur la poussière d'étain. |
| Et le personnel technique disait : oui, il est logique que le revêtement ait un impact sur la poussière d'étain, car nous l'avons vu sur d'autres lignes. |
| Et l'épaisseur pouvant être vérifiée a du sens et la mesure 3 pourrait avoir du sens, alors nous avons commencé à croire que c'était le cas. |
| quelques bonnes lignes directrices pour nous, mais nous devons voir oui, nous pouvons voir que le manteau semble être important, mais est-ce avec ou sans revêtement qui est pertinent pour nous ? |
| Nous avons donc élargi cela... |
| le modèle ajusté 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 la couche. Et puis nous pourrions essayer de simuler si nous devons appliquer un revêtement, si nous avons la mesure 3 activée. |
| quels seraient les kilogrammes attendus 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 qu'il s'agisse de la quantité de poussière d'étain sortant du processus. |
| Ensuite, regardez et voyez si nous avons un piston qui n'est pas revêtu. Je peux voir que cela changera de signification, et ce sera plus élevé. |
| Et nous savons depuis le début 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 précisé et il y aura une certaine variation au sein de l'épaisseur, qu'il nous serait très difficile de modifier. |
| Nous avions donc besoin d'un processus très robuste, précisant que nous devions 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 pour que nous puissions simuler ce qui se passerait si l'épaisseur changeait |
| avec un certain écart type spécifié. |
| Nous disons donc que nous savons que l'épaisseur peut changer. |
| On sait que l'on a une moyenne autour de 5,595 et on a 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, en ayant |
| le revêtement du piston. |
| Nous savons également que notre objectif n'est pas supérieur à 0,2, nous pourrions donc ajouter un objectif ici. |
| Et puis nous pourrions simuler. |
| La Mesure 3 sera fixe, le revêtement sera fixe, mais l'épaisseur évoluera avec le temps. |
| Ensuite, nous pouvons simuler si nous voulons 5 000 feuilles dans le processus, à quoi pouvons-nous nous attendre ? |
| dans la poussière d'étain ? Et puis nous pourrions simuler. Vous pouvez voir si nous avons |
| une feuille d'étain arrivant ayant une épaisseur d'environ 5,6, la mesure 3 à 1 et avec une couche, on pouvait s'attendre à un très bon résultat. Et vous pouvez voir, nous avons la ligne rouge ici à 2 heures... |
| désolé, 0,2, et on peut aussi voir ici que le taux de défaut, c'est-à-dire que le taux de mesures supérieur à 0,1 serait de 0, donc c'est bon pour nous. |
| Vous pouvez aussi voir que si on la change ensuite, la Mesure 3, et non à 1, |
| mais à 2,5. |
| Et avec encore la simulation. |
| Nous serons à |
| un peu plus élevé |
| quantité de poussière d'étain. Si nous, en plus de cela, |
| Désolé, |
| remplacez-le par un piston sans revêtement et utilisez une plaque de 5 000 feuilles, nous pourrions nous attendre à une très mauvaise réponse. |
| Et nous avons pu voir ça |
| la configuration que nous avions dans notre chaîne de production avant de commencer ces changements était constituée de pistons sans aucun revêtement. C'était donc très nouveau pour nous, et c'était très excitant pour nous de voir que nous pouvons réellement voir ce qui pourrait contrôler la poussière d'étain et que nous pouvons même la contrôler nous-mêmes. |
| Ainsi, sur la base des simulations dont nous disposons 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 sera... capable de gérer la variation que nous avons dans l'épaisseur des feuilles. |
| Ensuite, nous pourrions également essayer de simuler une chose, et si cet écart n'était pas de 0,058 mais serait |
| 1.5. |
| Vous voyez, ce sera trop, c'est pourquoi nous avons conclu certains des accords avec nos fournisseurs selon lesquels ils doivent maintenir l'écart type à un niveau spécifique, car nous aurons alors |
| un processus robuste. |
| Cela a donc été une révélation pour nous tous, car c'est une très, très bonne image pour nous, et cela ne nous a pas coûté très cher. La seule chose que cela nous a coûté, c'est l'expérience que nous avions fixée sur 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 recouvrir 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 ceci est une image très simple du profileur, |
| montrant la relation entre notre couche d'étain et les différentes variables auxquelles nous nous attendions. Et nous avons fait un contrôle en disant essayons de changer |
| nos processus, puis produisons 25 000 couvercles supplémentaires et vous pourrez alors voir la comparaison. C’était notre ligne de base. Vous pouvez voir la petite poussière ici dans les bagages avant que nous changions 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 vu aucune poussière d'étain ici. |
| C'était donc comme... c'était une très bonne preuve de concept pour nous. C'était l'un des premiers projets que nous avons réalisés avec 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 s'avère bénéfique 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, ce qui est très difficile pour nous à quantifier, donc l'utilisation de cela a été très utile pour nous tous. |
| Et en utilisant les bonnes personnes, les techniciens, les gens |
| avec une connaissance de terrain, également les personnes qui peuvent utiliser un logiciel statistique comme JMP comprennent comment configurer |
| une expérience, comprendre comment créer 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 nécessaires. |
| Et puis, en utilisant un processus structuré, ils nous rendent très puissants, donc cela a été un très bon apprentissage pour nous, et c'est quelque chose que nous avons ensuite mis en œuvre dans de nombreux projets avec de très bons résultats. |
