DIESE GESCHICHTE WARTET AUF DIE GENEHMIGUNG DES KUNDEN. BITTE BETRACHTEN SIE DAS UNTERNEHMEN VERTRAULICH. NICHT OFFENLEGEN.
Lean Engineering hat Pirelli auf der Pole Position
Die Konsolidierung von Daten-Workflows in einer einzigen, maßgeschneiderten Plattform bedeutet, dass Prozessinnovationen blitzschnell eingeführt werden
_____________________________________________________________________________________
Herausforderung: Angesichts der Tatsache, dass moderne Fertigungsprozesse immer größere Mengen an Echtzeitdaten erzeugen, versuchten die Ingenieure von Pirelli, sowohl die Datenkompetenzen des Unternehmens zu entwickeln als auch ein Tool zu erwerben, das es ihnen ermöglichen würde, einen einzigen Satz statistischer Best Practices im gesamten Unternehmen einzusetzen. „Wir stellten uns eine Möglichkeit vor, Analysen in einer standardisierten Software durchzuführen, Berichte auf die gleiche Weise [im gesamten Unternehmen] zu erstellen und Analysen auf die beste und effizienteste Weise durchzuführen“, erklärt Sara Sorrentino, Process Quality Engineer.
Lösung: Die Pirelli-Führung hat grünes Licht für einen Vorschlag gegeben, JMP Statistical Discovery Software als Unternehmensstandard für Datenmanagement, Zugriff, Analyse und Berichterstellung einzusetzen. Automatisierungs- und Skriptfunktionen sowie Python-Integrationsfunktionen haben es den Befürwortern ermöglicht, ausgefeilte benutzerdefinierte Dashboards zu entwickeln, die den Analyse-Workflow des Unternehmens erheblich konsolidiert haben. Öffentlichkeitsarbeit und interne Schulungen haben schnell Fachexperten an Bord geholt.
Ergebnisse : „Unser Workflow ist jetzt sehr, sehr schlank“, sagt Manufacturing Quality Engineer Massimo Pampurini, der zusammen mit Sorrentino die Bemühungen zur Entwicklung von Analysekapazitäten leitete. „Wir haben ein konsistentes System, das es uns ermöglicht, Daten direkt aus der Datenbank zu ziehen, Tabellen zu erstellen, Abfragen durchzuführen, die Daten zu bereinigen und zu filtern und unsere Analysen durchzuführen, alles intern in der Software.“ In Bezug auf das Potenzial dieses Systems, durch datengesteuerte Verbesserungen einen echten Mehrwert für das Unternehmen zu schaffen, fügt Sorrentino hinzu: „Es ist eine sehr starke Auswirkung auf das Unternehmen – die Auswirkung ist enorm.“
_____________________________________________________________________________________
Der 1872 in Mailand gegründete multinationale Reifenhersteller Pirelli ist heute nicht nur ein führender Hersteller von Reifen für den globalen Verbrauchermarkt; Es ist auch ein Kraftpaket des Elite-Motorsports. Die reiche Sportgeschichte des Unternehmens reicht mehr als ein halbes Jahrhundert zurück, in der Pirelli exklusive Partnerschaften mit der FIM Superbike-Weltmeisterschaft, der Rallye-Weltmeisterschaft, der GT World Challenge und – natürlich – der Spitze des globalen Motorsports unterhielt , Formel 1.
Die wesentlichen Innovationen, die Pirelli als exklusiver Reifenpartner der FIA-Formel-1-Weltmeisterschaft eingeführt hat – eine Position, die das Unternehmen seit 2011 innehat – bieten einen mikrokosmischen Einblick in Pirellis Engagement für Leistung. Die Slick- und Regenreifen aus fünf Mischungen, die Pirelli allein für die F1-Saison 2022 entwickelt hat, erforderten beispielsweise mehr als 15.000 Stunden in Indoor-Tests und -Simulationen, die Entwicklung von mehr als 30 Prototypen und über 20.000 Testkilometer fast jedes Team in der Startaufstellung.
Leistungs- und Qualitätstests sind ein Eckpfeiler der Marke Pirelli, eine Philosophie, die sich von der Forschung und Entwicklung bis zur Kommerzialisierung und Fertigung in großem Maßstab fortsetzt. Pirelli, ein früher Anwender von Industriestatistiken, hat die Industrie 4.0-Bewegung von Anfang an angenommen, um die Geschwindigkeit und Effizienz zu steigern, teilweise durch die Implementierung von IoT. Seitdem hat das Unternehmen umfangreiche Daten zu all seinen Produkten und Systemen gesammelt, gepflegt und genutzt. Mit dem Fortschritt der digitalen Technologie werden diese Systeme nun zunehmend integriert, und die Pirelli-Führung hat Change Agents aus ihren Reihen herausgehoben, die neue Lösungen für die Nutzung von Datenanalysen vorantreiben.
Sara Sorrentino, Process Quality Engineer, und Massimo Pampurini, Manufacturing Quality Engineer, sind zwei solcher Befürworter. Sorrentino und Pampurini haben ihren Sitz in der Pirelli-Zentrale in Mailand und arbeiten beide in der Halbfertigbearbeitung. Sorrentino und Pampurini bündeln ihre Kräfte, um die Analysekapazitäten an Pirelli-Standorten auf der ganzen Welt zu erweitern, indem sie Automatisierung entwickeln, Datenworkflows konsolidieren und standardisieren und Kollegen in moderner Industriestatistik ausbilden.
„Heutzutage erzeugen alle unsere Prozesse eine riesige Menge an Echtzeitdaten. Wir müssen die Kompetenzen – und auch die Werkzeuge – haben, um diese Datenmenge angemessen zu analysieren“, sagt Sorrentino. „Wir stellen uns eine Möglichkeit vor, Analysen in einer standardisierten Software durchzuführen, Berichte auf die gleiche Weise [im gesamten Unternehmen] zu erstellen und Analysen auf die beste und effizienteste Weise durchzuführen. Und wir drängen so weit wie möglich, dieses Wissen [an Pirelli] weltweit zu verbreiten.“
Eine einzige Softwarelösung für den gesamten Analytics-Workflow
In den frühen Tagen der digitalen Transformation wurden Datenzugriff und -integration bei Pirelli ausschließlich in Excel verwaltet, einem Tool, dem es letztendlich an ausreichender Kapazität und Ausgereiftheit mangelte, um mit den Anforderungen des Unternehmens Schritt zu halten. Selbst nachdem Pirelli sein System auf eine eigens entwickelte dedizierte Datenerfassungsanwendung umgestellt hatte, verliefen die Datenimportverfahren immer noch relativ langsam, sagt Pampurini. Die Verbindung der Datenbank mit Software, die sowohl Datenintegrations- als auch Analyseanforderungen erfüllen konnte, war daher eine transformative Innovation.
„Wir hatten schon oft von der Leistungsfähigkeit von Big-Data-Analysen gehört, aber wir brauchten die richtigen Tools, um Analysen erfolgreich zu implementieren“, erklärt Sorrentino. Aus diesem Grund entschied sich Pirelli schließlich für die Statistik-Discovery-Software von JMP als Standardtool für den Analyse-Workflow.
„Natürlich gab es andere Alternativen wie R oder Minitab, die aus statistischer Sicht leistungsfähig sein könnten. Aber mit JMP haben wir das plus Scripting, automatischer Datenimport, Integration und Generierung von Berichten und Journalen. Und wir haben die Möglichkeit, Dashboards in JMP zur Datenauswertung zu erstellen“, sagt Sorrentino. Es wird großer Wert auf die Konsolidierung von statistischer Leistung, Anpassung, Benutzerfreundlichkeit und vielfältigen Funktionen gelegt, die es ermöglichen, mehrere Schritte in jedem Datenworkflow in einer einzigen Softwarelösung zu konsolidieren, fügt sie hinzu.
Die Verwendung von JMP bei Pirelli hatte fast ein Jahrzehnt zuvor begonnen, als einzelne Ingenieure das Tool für die grundlegende Datenverwaltung und -exploration verwendeten. In den folgenden Jahren jedoch, als Pirellis Datenbedarf parallel zu den zunehmend integrierten Produktionssystemen wuchs, erkannte Pampurini, dass JMP weit mehr zu bieten hatte als nur eine Plattform für Analysen.
„Als mir die volle Leistungsfähigkeit von JMP bewusst wurde, änderte sich meine ganze Denkweise“, erinnert er sich. „Indem wir die Software zum Beispiel mit einer Datenbank verbinden, erschließen wir uns große Möglichkeiten. Und wir können unsere Daten jetzt aus so vielen verschiedenen Blickwinkeln betrachten; Mit JMP können wir mehr Informationen abrufen – und wertvollere Informationen.“ Die Konsolidierung aller Schritte eines traditionellen Daten-Workflows auf einer einzigen Plattform, fügt er hinzu, verkörpert die Prinzipien der schlanken Fertigung.
„Unser Workflow ist jetzt sehr, sehr schlank. Wir haben ein konsistentes System, das es uns ermöglicht, Daten direkt aus der Datenbank zu ziehen, Tabellen zu erstellen, Abfragen durchzuführen, die Daten zu bereinigen und zu filtern und unsere Analysen durchzuführen, alles innerhalb der Software. Außerdem haben wir jetzt einen höheren Fokus: Während wir uns früher in der Erkundung verlieren konnten, wird der Arbeitsablauf jetzt auf das ausgerichtet, was wir finden wollen.“
Datenvisualisierung, erklärt Sorrentino, ist ein kritischer Teil jedes Datenworkflows, und sie und Pampurini haben hart daran gearbeitet, sie in den statistischen Best Practices zu formalisieren, die sie Kollegen bereitstellen. Glücklicherweise ist dies ein weiterer Bereich, in dem sich JMP auszeichnet, sagt sie. „Das Betrachten von Diagrammen gibt uns sofort eine Vorstellung davon, wie sich ein Prozess verhält. Beispielsweise können wir die Screening-Plattform in JMP verwenden, um Ausreißer zu untersuchen.“
„Diese erste Erkundungsebene ist entscheidend, weil sie es uns ermöglicht zu verstehen, ob wir den richtigen Weg einschlagen, und wenn nicht, unseren Ansatz zu ändern“, fügt Pampurini hinzu. „Der JMP Graph Builder ist ein sehr leistungsfähiges First-Layer-Tool, nicht nur, weil es sich ideal zum Erkunden eignet, sondern auch, weil man viele Variablen gleichzeitig sehen kann. Dies ist in anderer Software nicht möglich.“
Dynamische, automatisierte Schnittstellen bieten eine 360-Grad-Sicht auf Systeme
Die Automatisierung von Datenintegrationsprozessen und die Erstellung von Dashboards, die sich in Echtzeit aktualisieren, haben die Datennutzung bei Pirelli weiter optimiert. Pampurini erklärt, wie er JMP-Skripte eingesetzt hat, um Daten-Workflows weiter zu rationalisieren, und sogar die Integration des Tools mit Python genutzt hat, um den vorhandenen Python-Datenabrufcode des Teams zu übertragen. „Die Integration von JMP mit Python ist wirklich interessant, weil Sie die Möglichkeit haben, Codes zu integrieren, die Sie bereits in Python strukturiert haben“, fügt er hinzu.
Dashboards bieten jetzt schnell Echtzeit-Einblicke in die Maschinenleistung und das Qualitätsniveau der Materialien. Die primären Ergebnisse dieser Art von Analyse, erklärt er, sind Geräteleistung und Einblicke in die Produktqualität, die dem Team helfen, strategische Verbesserungsbereiche zu identifizieren. Das sekundäre Ergebnis sind technische Informationen darüber, wie verschiedene Teile des Unternehmens funktionieren, die an die F&E- und Verarbeitungsabteilungen zurückgemeldet werden können.
„Die Fähigkeit, diese Informationen sehr schnell zu sammeln, bedeutet, dass wir einen 360-Grad-Blick auf unsere Systeme und Verbesserungsmöglichkeiten haben“, sagt Pampurini.
„Aus Qualitätssicht ist es sehr wichtig, den Aktionsplan zu verstehen und zu verstehen, welche Verbesserungen erforderlich sind“, fügt Sorrentino hinzu. „Diese Analysen stehen nie allein; Vielmehr bringen sie uns zu einem Verständnis der Maßnahmen, die ergriffen werden müssen, um unseren Prozess zu verbessern. Wir können zum Beispiel nachvollziehen, welche Punkte in einem Prozess Abfall oder Ausschuss beeinflussen.“
T
Das Potenzial, dem Unternehmen durch datengesteuerte Verbesserungen einen echten Mehrwert zu bringen, fügt sie hinzu, ist „eine sehr starke Auswirkung auf das Unternehmen – die Auswirkung ist enorm.“
In einem Beispiel ermöglicht ein einzelnes JMP-Skript Benutzern, bestimmte Segmente ihrer Operationen zu betrachten. Ein erster Datenbereinigungsschritt wird automatisch durchgeführt, indem einfach das Datendownloadskript ausgeführt wird, und eine zweite Runde der Datenbereinigung findet statt, wenn Benutzer die Auswahl treffen. Von dort aus ermöglichen Dashboard-Schaltflächen den Benutzern, Daten nach Zeitachse zu analysieren oder tiefer in verschiedene Ebenen der Untersuchung und Analyse einzudringen. „Die endgültige Ausgabe ist in diesem Fall ein Balkendiagramm mit den Fähigkeitsindizes nach Quartal, Werk und so weiter. Und nach dem Berechnen und Extrahieren verschiedener Tabellen gibt es auch eine Join-Operation, mit der Sie auf alle Informationen in einer einzigen Tabelle zugreifen können“, erklärt Pampurini.
Entwicklung von Analysefähigkeiten unter Domänenexperten im gesamten Unternehmen
Während sich Pirellis globale Zentrale inzwischen um JMP herum standardisiert hat, weiten Pampurini und Sorrentino schnell ihre Bemühungen aus, Standorte weltweit auf das Tool umzustellen. „Das Ändern der Denkweise ist von grundlegender Bedeutung, ebenso wie Schulungen und die Bereitstellung von Unterstützung mit allgemeinen Richtlinien für den Einstieg“, erklärt Sorrentino. Aus diesem Grund haben die beiden viel Zeit in die Entwicklung eines einheitlichen Satzes von Best Practices und Richtlinien für Unternehmen investiert, um die Einführung von JMP und JMP-Dashboards zu begleiten.
Eine interne Akademie, die sie organisieren, bietet Schulungen an, die mit Beiträgen von Mitarbeitern von Pirelli in Übereinstimmung mit den Unternehmensprioritäten entwickelt wurden. Es werden interne Projekte vorgeschlagen, und jede Gruppe innerhalb von Pirelli, die glaubt, dass sie von der Entwicklung eines Projekts in JMP profitieren könnte, kann daran teilnehmen. Auch an anderen Standorten wurden Schulungen organisiert – beispielsweise in Brasilien, wo viele Mitarbeiter nach JMP-Lizenzen gefragt haben.
„Wir bemühen uns, das Wissen über JMP zu verbreiten, um den Menschen bewusst zu machen, dass sie mit diesem Tool die gleichen Dinge tun können, die sie derzeit mit anderer Software tun, aber schneller und einfacher“, fügt Pampurini hinzu Sorrentino stimmt zu: „Wir müssen den Leuten bewusst machen, wie viel Zeit sie mit dieser Software sparen können.“
