DIESE GESCHICHTE WARTET AUF DIE GENEHMIGUNG DES KUNDEN. BETRACHTEN SIE DAS IT-UNTERNEHMEN VERTRAULICH. NICHT OFFENLEGEN.
Bei Hood haben Wissenschaftler eine neue Art des Experimentierens angenommen. Das Ergebnis ist köstlich.
Seit dem Übergang zu einer weit verbreiteten statistischen Aktivierung hat Hood die Forschung und Entwicklung beschleunigt und das Produktwissen vertieft.
_____________________________________________________________________________________
Herausforderung: Da der Markt für Milchprodukte immer kürzere Entwicklungszeiten erfordert, stehen Unternehmen wie Hood unter dem Druck, die Forschung und Entwicklung zu beschleunigen und gleichzeitig die Ausfallraten zu verbessern und die Kosten zu senken.
Lösung: Curtis Park, F&E-Manager bei Hood, arbeitete daran, die weit verbreitete Einführung statistischer Methoden wie Design of Experiments (DOE) zu fördern, die mehr Produkt- und Prozesswissen schneller und mit weniger Ressourcen generieren. Um es Wissenschaftlern zu ermöglichen, DOE und andere statistische Effizienzen zu implementieren, beschaffte Hood die statistische Erkennungssoftware JMP®.
Ergebnisse: Seit der weit verbreiteten Einführung von JMP für DOE hat die F&E-Gruppe von Hood die Experimentierzeit halbiert. Darüber hinaus sagt Park, dass dank der Query Builder-Plattform und der Skriptfunktionalität des Tools Datenzugriffsaufgaben und Wiederholungsanalysen in einigen Fällen von 1 Stunde auf 30 Sekunden verkürzt wurden. Sogar die grundlegende Automatisierung in JMP, sagt er, gibt Wissenschaftlern die Möglichkeit, sich auf die Wertschöpfung für das Unternehmen zu konzentrieren.
_____________________________________________________________________________________
Seit über 175 Jahren füllt die legendäre Molkereimarke Hood die Regale von Lebensmittelgeschäften mit Milch, Sahne, Eierlikör, Hüttenkäse, Eiscreme, Joghurt und anderen köstlichen Milchprodukten. Hood wurde 1846 in Massachusetts gegründet und setzt sein Engagement für Qualität und Nachhaltigkeit fort und führt Innovationen wie die LightBlock-Flasche ein, die dazu beigetragen haben, eine Branche zu modernisieren, die für ihre Traditionen bekannt ist.
Während die Milchindustrie ein etwas unwahrscheinlicher Ort für schnelle Innovationen sein mag, sagt der Hood-Lebensmittelwissenschaftler Curtis Park, verändert sich der Markt schnell in einer Weise, die bald eine Weiterentwicklung traditioneller Marken erfordern wird. „Unsere Entwicklungszeiten werden von Jahr zu Jahr kürzer, und jedes Jahr stehen wir unter Zeitdruck, was zu Problemen in den Fabriken führt“, erklärt er.
Park, der nach Abschluss seiner Promotion in Lebensmittelwissenschaften an der North Carolina State University zu Hood kam, erinnert sich, dass er das Gefühl hatte, dass statistische Methoden der Schlüssel zur Zukunft der Lebensmittelwissenschaft sein könnten, obwohl es mehrere Jahre dauerte, bis er sie in Aktion sah. „Ich wusste, wie mächtig Statistiken sein können – oder zumindest glaubte ich, dass sie wirklich mächtig sein könnten –, aber irgendwie war ich noch nicht ganz überzeugt“, erinnert er sich.
Als er bei Hood zur Tür hereinkam, sah er eine Kultur des stetigen – wenn auch langsamen – Fortschritts. Herkömmliche Einzelfaktor-Experimente waren effektiv, aber der für einen Entwicklungszyklus erforderliche Zeitrahmen war lang und Verbesserungen eher reaktiv als proaktiv. Angesichts wachsender Marktanforderungen sah Park das Potenzial, Daten auf neue Weise zu nutzen, um die wissenschaftliche Forschung zu beschleunigen. Als ein neuer F&E-Direktor das Ruder übernahm, ergriff Park die Gelegenheit, um zu untersuchen, wie Statistiken die Wissenschaft des Unternehmens weiter voranbringen könnten.
Zwei Jahre später und nicht zuletzt dank Parks Bemühungen hat Hood einen kulturellen Wandel in Richtung statistischer Befähigung durchgemacht. Park, jetzt F&E-Manager, hat eine Schlüsselrolle bei der Befürwortung der Einführung robuster statistischer Ansätze in der Lebensmittelwissenschaft gespielt – beispielsweise beim Übergang von Einzel- zu Multifaktor-Experimenten – eine Verschiebung, die er als Allheilmittel für die Tempo- und Qualitätsanforderungen des Marktes ansieht .
DOE reduziert kostspielige Ausfälle, verkürzt die Experimentierzeit um 50 % und macht die Forschung reproduzierbarer
F&E-Wissenschaftler bei Hood, erklärt Park, kämpfen bei der Entwicklung von Formulierungen sowohl mit Inhaltsstoffen als auch mit Faktoren, die keine Inhaltsstoffe sind. Geschmack, Qualität, Haltbarkeit, Stabilität und Kosten fließen alle in die optimale Produktformel ein, und ohne statistische Methoden kann sich das Erreichen eines endgültigen Rezepts manchmal wie Versuch und Irrtum anfühlen. „Es ist, als würde man Dartpfeile auf die Tafel werfen, in der Hoffnung, dass man findet, wonach man sucht“, erklärt Park.
Als ersten Schritt zur Verbesserung dieses Ansatzes begann Park mit der Statistikberaterin Lynne Hare zusammenzuarbeiten, die Hood kürzlich eingestellt hatte, um die Qualitäts- und Betriebsabteilungen des Unternehmens zu unterstützen. In frühen Gesprächen bestand Hare darauf, dass ein statistischer Ansatz, bekannt als Design of Experiments (DOE), die F&E-Prozesse von Hood schnell rationalisieren könnte.
„Lynne fing an, mit uns über die Leistungsfähigkeit von DOE zu sprechen, und ich war wirklich interessiert, weil ich danach gesucht hatte, aber einfach nicht wusste, was es war, bis ich es fand“, erinnert sich Park. „[Doe zum ersten Mal sehen] hat gerade einen Lichtschalter umgelegt. Mir wurde klar, dass dies genau das ist, wonach ich gesucht habe – eine bessere, systematischere Art, Experimente durchzuführen.“
Im Grunde, sagt Park, war es die Abhängigkeit von Microsoft Excel, die die Wissenschaftler auf das Experimentieren mit jeweils einem Faktor beschränkte. „Wir wussten, dass wir eine Software brauchten, um [mit DOE] loszulegen, und Lynne zögerte nicht zu sagen, dass F&E JMP® brauchte“, die branchenübliche statistische Entdeckungssoftware für Multifaktor-Experimente.
Seit der Lizenzierung von JMP für jeden Wissenschaftler in der F&E-Gruppe von Hood hat sich das Team als Standard-Best-Practice von No DOE zu DOE entwickelt – und das alles im Zeitraum von etwas mehr als anderthalb Jahren. „Das Geld, das wir für unsere JMP-Lizenzen zahlen, machen wir problemlos in einem DOE wieder gut. Mehr braucht es nicht“, sagt Park. „Sie können so viel Geld sparen, wenn Sie nur die Kosten [reduzieren], wenn Sie eine erfolgreiche Studie durchführen. Wenn Sie einen Fehler haben, können das 20 bis 40.000 US-Dollar den Bach runtergehen.“
Die Kostensenkung ergibt sich auch aus deutlich kürzeren Forschungszeitplänen. DOE, sagt er, „kürzt [Experimentierzeit] mindestens um die Hälfte. Und das summiert sich im Laufe der Zeit und verkürzt die Zeitachse insgesamt wirklich. In der Vergangenheit habe ich gesehen, dass die Leute 70 [Tests] machen mussten, während Sie jetzt mit DOE 20 auf einmal machen, aber das ist alles, was Sie tun.
DOE hat auch Auswirkungen auf das Produktwissen, sagt Park. Reproduzierbare, systematisch dokumentierte Experimente haben einen beträchtlichen historischen Datensatz geschaffen, auf den die Wissenschaftler von Hood nun als Quelle für fundiertes Produkt- und Prozesswissen zurückgreifen können, das zukünftige Produktiterationen beeinflussen wird. Darüber hinaus hat die Transparenz rund um F&E den Qualitäts- und Betriebspartnern des Teams zugute gekommen, wo Park sagt, dass die Kommunikation darüber, was von F&E getan wird und warum, erheblich verbessert wurde.
Eine Kombination aus ersten Erfolgen und Training sichert DOE eine breite Zustimmung
Nicht alle Wissenschaftler von Hood waren sofort davon überzeugt, dass eine neue strategische Ausrichtung notwendig war – oder dass DOE tatsächlich eine passende Lösung war. Also begann Park zusammen mit Hare mit dem Aufbau einer ersten Fallstudie, die einem skeptischen Publikum die Macht der Statistik überzeugend demonstrieren konnte.
„Ich beschloss, eines unserer größten Probleme mit DOE in JMP zu lösen“, sagt Park. „Ich dachte, der beste Fall wäre etwas, das andere Leute in der Vergangenheit erfolglos versucht hatten zu lösen. Auf diese Weise konnten wir ihnen zeigen: „Hey, so konntest du es nicht lösen, aber wenn du [DOE] verwendest, kannst du es jetzt.“ Also taten wir es und lösten ein jahrelang bestehendes Problem.“
Nachdem die Fallstudie in der Abteilung und in der Führung sozialisiert worden war, erinnert sich Park: „Alle waren sofort an Bord. Es gab keine Zweifel.“ Die nächste Hürde bestand darin, den Wissenschaftlern zu beweisen, dass das DOE in ihrem Bereich arbeiten würde, nicht nur bei parallelen Herausforderungen, und die Einführung eines neuen statistischen Schulungsprogramms für Forschung und Entwicklung war der letzte Schritt zur Sicherung der Unterstützung.
Das Statistik-Schulungsprogramm von Park ist jetzt das Standard-Onboarding für neue Mitarbeiter, und diejenigen, die nach etwas mehr suchen, verweist er auf Statistical Thinking for Industrial Problem Solving (STIS), einen kostenlosen Online-Schulungskurs von JMP. STIPS, erklärt Park, ermöglicht es Benutzern, neue Fähigkeiten zu erwerben und Module in ihrem eigenen Tempo abzuschließen. „Ich bin ein bisschen fanatisch, glaube ich, was JMP angeht. Und jeder in der Forschung und Entwicklung weiß es“, lacht er.
Als Park JMP und DOE entdeckte, sagt Park: „Es war wirklich eine karriereverändernde Erfahrung – ich bin der festen Überzeugung, dass es mich als Wissenschaftler verändert hat. Probleme sind jetzt viel einfacher zu lösen. Und ja, ich nutze mein Fachwissen immer noch. Es führt das DOE dorthin, wo ich solide Antworten finden kann, auf die ich mich sehr verlassen kann – und andere Menschen dazu bringen kann, ebenfalls Vertrauen zu haben.“
Query Builder optimiert Datenzugriffsprozesse von 1 Stunde auf 30 Sekunden
Ein weiteres Projekt, das das Team in der frühen Phase der JMP-Implementierung in Angriff nahm, war die Verbesserung der Spezifikationsentwicklungsprozesse. Barrieren beim Datenzugriff stellten die F&E-Gruppe lange vor eine Herausforderung, da hochwertige Daten zwischen Datenbanken isoliert wurden, die nicht miteinander kommunizierten. Um die Leistungsmetriken zu verbessern, arbeitete Park mit der IT-Abteilung von Hood zusammen, um die QA-Datenbank des Unternehmens über die Query Builder-Plattform des Tools mit JMP zu verbinden.
Jetzt können Wissenschaftler problemlos auf Daten aus verschiedenen Quellen zugreifen, eine Abfrage ausführen und sich ansehen, wie sich die Daten im Laufe der Zeit entwickeln oder wie der Prozess gegenüber der Spezifikation abschneidet. Das System bietet auch Tools, die Park verwendet hat, um die Prozessfähigkeit zu messen und die Entwicklung von Spezifikationen zu verbessern. „Query Builder war enorm“, sagt Park. „Was früher wahrscheinlich mindestens eine Stunde gedauert hat, schaffe ich jetzt in 30 Sekunden.“
Letztendlich, erklärt er, bringen Effizienzsteigerungen im kleinen Maßstab insgesamt enorme Vorteile für das Unternehmen, indem sie Wissenschaftlern die Möglichkeit geben, ihre Zeit auf wertschöpfendere Aktivitäten zu konzentrieren. „Wir wollen die Dinge automatisieren [wie Datenzugriffsaufgaben], die für einen Wissenschaftler nicht wertvoll sind“, erklärt Park. „Stattdessen möchten wir, dass sie diese Zeit damit verbringen, kritisch darüber nachzudenken, was die Ergebnisse bedeuten und was wir dagegen tun sollten.“
Was Park als „ein bisschen Scripting“ beschreibt, hat dazu beigetragen, sich wiederholende Prozesse zu automatisieren, was die Zeitersparnis weiter erhöht. Zum Beispiel sagt er: „Wenn Sie wissen, dass es eine Möglichkeit gibt, etwas, das normalerweise fünf Minuten dauert, stattdessen 30 Sekunden dauern zu lassen – sicher, es sind nur viereinhalb Minuten Unterschied, aber wenn Sie das mit 350 multiplizieren, ist es eine Menge Zeit. Und diese Zeit könnte eine Barriere für die Menschen sein.“
Die Skripte von Park ermöglichen es Wissenschaftlern nun, einen einzigen Knopf zu drücken, der automatisch die richtigen Daten einliest und visualisiert. Selbst im kleinen Maßstab hat die Automatisierung übergroße Gewinne gebracht. „Die Standardisierung war definitiv ein großer Vorteil für uns“, sagt Park. „Je standardisierter wir werden [über F&E, Betrieb und Qualität], desto besser können wir als Unternehmen Entscheidungen treffen.“
