MISE À JOUR : CETTE HISTOIRE A ÉTÉ APPROUVÉE POUR UNE UTILISATION EXTERNE.
LIEN EXTERNE: Capot HP | JMP
Chez Hood, les scientifiques ont adopté une nouvelle façon d'expérimenter. Le résultat est délicieux.
Depuis qu'il est passé à une activation statistique généralisée, Hood a accéléré la R&D et approfondi sa connaissance des produits.
_____________________________________________________________________________________
Challenge: Le marché des produits laitiers entraînant des délais de développement de plus en plus courts, des entreprises comme Hood sont sous pression pour accélérer la R&D tout en améliorant les taux d'échec et en réduisant les coûts.
Solution: Curtis Park, responsable R&D chez Hood, s'est efforcé de promouvoir l'adoption généralisée de méthodes statistiques telles que la conception d'expériences (DOE) qui génèrent plus de connaissances sur les produits et les processus, plus rapidement et avec moins de ressources. Pour permettre aux scientifiques de mettre en œuvre le DOE et d'autres efficacités statistiques, Hood s'est procuré le logiciel de découverte statistique JMP®.
Résultats: Depuis l'adoption généralisée de JMP pour le DOE, le groupe R&D de Hood a réduit de moitié le temps d'expérimentation. De plus, Park affirme que grâce à la plate-forme Query Builder et à la fonctionnalité de script de l'outil, les tâches d'accès aux données et les analyses répétées ont été rationalisées dans certains cas de 1 heure à 30 secondes. Selon lui, même l'automatisation de base dans JMP permet aux scientifiques de se concentrer sur la création de valeur pour l'entreprise.
_____________________________________________________________________________________
Depuis plus de 175 ans, la marque laitière emblématique Hood a rempli les étagères des épiceries de lait, de crème, de lait de poule, de fromage cottage, de crème glacée, de yaourt et d'autres délicieux produits laitiers de base. Fondée dans le Massachusetts en 1846, Hood continue de respecter son engagement envers la qualité et la durabilité tout en introduisant des innovations telles que la bouteille LightBlock qui ont contribué à moderniser une industrie connue pour ses traditions patrimoniales.
Bien que l'industrie laitière puisse être un lieu quelque peu improbable d'innovation rapide, déclare Curtis Park, scientifique alimentaire de Hood, le marché évolue rapidement d'une manière qui nécessitera bientôt l'évolution des marques traditionnelles. "Nos délais de développement se raccourcissent chaque année, et chaque année nous sommes pressés pendant plus de temps, ce qui entraîne des problèmes dans les usines", explique-t-il.
Park, qui a rejoint Hood après avoir terminé son doctorat en sciences alimentaires à la North Carolina State University, se souvient avoir eu le sentiment que les méthodes statistiques pourraient détenir la clé de l'avenir de la science alimentaire, même s'il a fallu plusieurs années avant de la voir en action. "Je savais à quel point les statistiques pouvaient être puissantes - ou du moins je croyais qu'elles pouvaient être vraiment puissantes - mais d'une certaine manière, je n'étais pas encore entièrement convaincu", se souvient-il.
En franchissant la porte de Hood, la culture qu'il a vue était celle d'un progrès constant, bien que lent. L'expérimentation traditionnelle à facteur unique était efficace, mais le calendrier requis pour un cycle de développement était long et les améliorations plus réactives que proactives. Face aux demandes croissantes du marché, Park a vu le potentiel d'utiliser les données de nouvelles façons pour accélérer la recherche scientifique. Ainsi, lorsqu'un nouveau directeur R&D a pris la barre, Park a sauté sur l'occasion pour explorer comment les statistiques pourraient aider la science de l'entreprise à aller plus loin.
Deux ans plus tard, et en grande partie grâce aux efforts de Park, Hood a subi un changement culturel vers l'activation statistique. Park, maintenant responsable R&D, a joué un rôle clé en préconisant l'adoption d'approches statistiques robustes en science alimentaire - passant, par exemple, de l'expérimentation à un seul facteur à une expérimentation multifactorielle - un changement qu'il considère comme une panacée pour le rythme et les exigences de qualité du marché .
Le DOE réduit les échecs coûteux, réduit le temps d'expérimentation de 50 % et rend la recherche plus reproductible
Les scientifiques de R&D de Hood, explique Park, sont confrontés à la fois à des facteurs d'ingrédients et de non-ingrédients dans le développement de la formulation. Le goût, la qualité, la durée de conservation, la stabilité et le coût sont tous des facteurs dans la formule optimale du produit, et sans méthodes statistiques, arriver à une recette finale peut parfois ressembler à des essais et des erreurs. "C'est comme lancer des fléchettes sur le tableau, en espérant que vous trouverez ce que vous cherchez", explique Park.
Comme première étape vers l'amélioration de cette approche, Park a commencé à travailler avec la consultante statistique Lynne Hare, que Hood avait récemment recrutée pour soutenir les départements de la qualité et des opérations de l'entreprise. Dans les premières conversations, Hare était catégorique sur le fait qu'une approche statistique connue sous le nom de conception d'expériences (DOE) pourrait rapidement rationaliser les processus de R&D de Hood.
"Lynne a commencé à nous parler de la puissance du DOE, et j'étais vraiment intéressé parce que c'était quelque chose que je cherchais mais que je ne savais pas ce que c'était jusqu'à ce que je le trouve", se souvient Park. "[Voir DOE pour la première fois] vient d'allumer un interrupteur. J'ai réalisé que c'était exactement ce que je recherchais : une meilleure façon, plus systématique, de faire des expériences.
Fondamentalement, dit Park, c'était une dépendance à Microsoft Excel qui limitait les scientifiques à l'expérimentation d'un facteur à la fois. "Nous savions que nous avions besoin d'un logiciel pour démarrer [avec DOE], et Lynne n'a pas hésité à dire que la R&D avait besoin de JMP®", le logiciel de découverte statistique standard de l'industrie pour l'expérimentation multifactorielle.
Depuis l'octroi de licences JMP à chaque scientifique du groupe R&D de Hood, l'équipe est passée d'aucun DOE à DOE en tant que meilleure pratique standard, le tout en l'espace d'un peu plus d'un an et demi. « L'argent que nous payons pour nos licences JMP, nous le récupérons facilement dans un seul DOE. C'est tout ce qu'il faut », dit Park. "Vous pouvez économiser autant d'argent simplement en [réduisant] les coûts, en ayant un essai réussi. Si vous avez un échec, cela pourrait coûter entre 20 000 et 40 000 $.
La réduction des coûts découle également de délais de recherche nettement plus courts. DOE, dit-il, "réduit [le temps d'expérimentation] au moins de moitié. Et cela s'accumule avec le temps et réduit vraiment la chronologie globale. Dans le passé, j'ai vu que les gens devaient faire 70 [tests] alors que maintenant avec le DOE, vous en faites 20 à la fois, mais c'est tout ce que vous faites.
DOE a également des implications pour la connaissance des produits, dit Park. Des expériences reproductibles et systématiquement documentées ont créé un ensemble de données historiques important auquel les scientifiques de Hood peuvent désormais revenir en tant que source de connaissances approfondies sur les produits et les processus qui éclaireront les futures itérations de produits. De plus, la visibilité autour de la R&D a profité aux partenaires de qualité et d'exploitation de l'équipe, où Park affirme que les communications ont été considérablement améliorées autour de ce qui est fait par la R&D et pourquoi.
Une combinaison de succès initiaux et de formation assure une large adhésion au DOE
Tous les scientifiques de Hood n'étaient pas immédiatement persuadés qu'une nouvelle direction stratégique était nécessaire - ou même que le DOE était une solution appropriée. Ainsi, avec Hare, Park a commencé à élaborer une première étude de cas qui pourrait démontrer de manière convaincante la puissance des statistiques à un public sceptique.
« J'ai décidé de prendre l'un de nos plus gros problèmes et de le résoudre en utilisant DOE dans JMP », explique Park. "J'ai pensé que le meilleur cas à utiliser serait quelque chose que d'autres personnes avaient essayé de résoudre dans le passé sans succès. De cette façon, nous pourrions leur montrer : "Hé, vous ne pourriez pas le résoudre de cette façon, mais si vous utilisez [DOE], maintenant vous pouvez." Alors nous l'avons fait, et nous avons résolu un problème qui durait depuis des années.
Une fois que l'étude de cas a été communiquée à l'ensemble du service et à la direction, Park se souvient : « Tout le monde s'est embarqué instantanément. Il n'y avait pas de doute. » Le prochain obstacle était de prouver aux scientifiques que le DOE travaillerait dans leur domaine, pas seulement sur des défis parallèles, et l'introduction d'un nouveau programme de formation statistique en R&D était le dernier élément pour obtenir un soutien.
Le programme de formation statistique de Park est désormais standard pour l'intégration des nouveaux employés, et ceux qui recherchent quelque chose de plus, il pointe vers la pensée statistique pour la résolution de problèmes industriels (STIPS), un cours de formation en ligne gratuit de JMP. STIPS, explique Park, permet aux utilisateurs d'acquérir de nouvelles compétences et de compléter des modules à leur propre rythme. « Je suis un peu fanatique, je pense, de JMP. Et tout le monde à la R&D le sait », s'amuse-t-il.
En découvrant JMP et DOE, Park se dit : « Cela a vraiment été une expérience qui a changé ma carrière – j'ai le sentiment très fort que cela m'a changé en tant que scientifique. Les problèmes sont beaucoup plus faciles à résoudre maintenant. Et oui, j'utilise toujours mes connaissances en la matière. Cela guide le DOE là où je peux trouver des réponses solides dans lesquelles je peux être très confiant – et amener d'autres personnes à avoir confiance également.
Query Builder rationalise les processus d'accès aux données de 1 heure à 30 secondes
Un autre projet auquel l'équipe s'est attaquée dans la première phase de la mise en œuvre de JMP était l'amélioration des processus de développement des spécifications. Les barrières d'accès aux données représentaient depuis longtemps un défi pour le groupe R&D, avec des données de qualité cloisonnées entre des bases de données qui ne se parlaient pas. Pour augmenter les mesures de performances, Park a travaillé avec le service informatique de Hood pour connecter la base de données QA de l'entreprise à JMP à l'aide de la plate-forme Query Builder de l'outil.
Désormais, les scientifiques peuvent facilement accéder aux données de diverses sources, exécuter une requête et observer l'évolution des données dans le temps ou la performance du processus par rapport aux spécifications. Le système fournit également des outils que Park a utilisés pour mesurer la capacité des processus et augmenter le développement des spécifications. "Query Builder a été énorme", déclare Park. "Ce qui nous prenait probablement au moins une heure, je peux maintenant le faire en 30 secondes."
En fin de compte, explique-t-il, les gains d'efficacité à petite échelle dans l'ensemble offrent des avantages démesurés à l'entreprise en permettant aux scientifiques de consacrer leur temps à des activités à plus forte valeur ajoutée. "Nous voulons automatiser les choses [comme les tâches d'accès aux données] qui ne sont pas utiles pour qu'un scientifique passe son temps à faire", explique Park. "Au lieu de cela, nous voulons qu'ils passent ce temps à réfléchir de manière critique à ce que signifient les résultats et à ce que nous devrions faire à ce sujet."
Ce que Park décrit comme « un peu de script » a permis d'automatiser les processus répétitifs, ce qui permet de gagner encore plus de temps. Par exemple, il dit : « Si vous savez qu'il existe un moyen de faire en sorte que quelque chose qui prend habituellement cinq minutes prenne 30 secondes à la place - bien sûr, ce n'est que quatre minutes et demie de différence, mais quand vous multipliez cela par 350, cela fait beaucoup de temps. Et ce temps pourrait être un obstacle pour les gens.
Les scripts de Park permettent désormais aux scientifiques d'appuyer sur un seul bouton qui extrait et visualise automatiquement les données correctes. Même à petite échelle, l'automatisation a apporté des gains démesurés. « La normalisation a certainement été un grand avantage pour nous », déclare Park. "Plus nous sommes standardisés [à travers la R&D, les opérations et la qualité], mieux nous sommes en tant qu'entreprise pour prendre des décisions."
