AGGIORNAMENTO: QUESTA STORIA È STATA APPROVATA PER USO ESTERNO.
LINK ESTERNO: Cappuccio HP | JMP
A Hood, gli scienziati hanno abbracciato un nuovo modo di sperimentare. Il risultato è delizioso.
Da quando si è spostata verso un'abilitazione statistica diffusa, Hood ha accelerato la ricerca e lo sviluppo e ha approfondito la conoscenza del prodotto.
_____________________________________________________________________________________
Sfida: Con il mercato dei prodotti lattiero-caseari che richiede tempi di sviluppo sempre più brevi, aziende come Hood sono sotto pressione per accelerare la ricerca e lo sviluppo, migliorando al contempo i tassi di fallimento e riducendo i costi.
Soluzione: Curtis Park, R&D Manager di Hood, ha lavorato per promuovere l'adozione diffusa di metodi statistici come la progettazione di esperimenti (DOE) che generano più conoscenza di prodotti e processi, più velocemente e con meno risorse. Per consentire agli scienziati di implementare DOE e altre efficienze statistiche, Hood ha acquistato il software di scoperta statistica JMP®.
Risultati: Dall'ampia adozione di JMP per DOE, il gruppo di ricerca e sviluppo di Hood ha dimezzato i tempi di sperimentazione. Inoltre, Park afferma che grazie alla piattaforma Query Builder e alla funzionalità di scripting dello strumento, le attività di accesso ai dati e le analisi ripetute sono state in alcuni casi semplificate da 1 ora a 30 secondi. Anche l'automazione di base in JMP, afferma, consente agli scienziati di concentrarsi sulla fornitura di valore all'azienda.
_____________________________________________________________________________________
Per oltre 175 anni, l'iconico marchio di prodotti lattiero-caseari Hood ha rifornito gli scaffali dei negozi di alimentari di latte, panna, zabaione, ricotta, gelato, yogurt e altri deliziosi prodotti caseari. Fondata nel Massachusetts nel 1846, Hood continua a mantenere il suo impegno per la qualità e la sostenibilità introducendo innovazioni come la bottiglia LightBlock che hanno contribuito a modernizzare un settore noto per le sue tradizioni storiche.
Sebbene l'industria lattiero-casearia possa essere un luogo in qualche modo improbabile di innovazione frenetica, afferma Curtis Park, scienziato alimentare di Hood, il mercato sta cambiando rapidamente in modi che presto richiederanno l'evoluzione dei marchi tradizionali. "Le nostre tempistiche di sviluppo si sono accorciate di anno in anno e ogni anno ci viene concesso più tempo, causando problemi negli stabilimenti", spiega.
Park, che è entrato a far parte di Hood dopo aver completato il suo dottorato di ricerca in scienze alimentari presso la North Carolina State University, ricorda di aver avuto la sensazione che i metodi statistici potessero essere la chiave del futuro della scienza alimentare, anche se sono passati diversi anni prima che lo vedesse in azione. “Sapevo quanto potenti potessero essere le statistiche – o almeno credevo che potessero essere davvero potenti – ma in un certo senso non ero ancora del tutto convinto”, ricorda.
Entrando dalla porta di Hood, la cultura che vide era quella del costante, anche se lento, progresso. La tradizionale sperimentazione a fattore singolo era efficace, ma la tempistica richiesta per un ciclo di sviluppo era lunga e i miglioramenti erano più reattivi che proattivi. Di fronte alle crescenti richieste del mercato, Park ha visto il potenziale dell'utilizzo dei dati in nuovi modi per accelerare la ricerca scientifica. Quindi, quando un nuovo direttore della ricerca e sviluppo ha preso il timone, Park ha colto al volo l'opportunità di esplorare come le statistiche potrebbero aiutare la scienza dell'azienda ad andare oltre.
Due anni dopo, e in gran parte grazie agli sforzi di Park, Hood ha subito un cambiamento culturale verso l'abilitazione statistica. Park, ora R&D Manager, ha svolto un ruolo chiave nel sostenere l'adozione di solidi approcci statistici alla scienza alimentare, passando, ad esempio, dalla sperimentazione a fattore singolo a quella multifattoriale, un cambiamento che vede come una panacea per il ritmo e le esigenze di qualità del mercato .
Il DOE riduce i costosi fallimenti, taglia i tempi di sperimentazione del 50% e rende la ricerca più riproducibile
Gli scienziati di ricerca e sviluppo di Hood, spiega Park, combattono con fattori sia ingredienti che non ingredienti nello sviluppo della formulazione. Gusto, qualità, durata di conservazione, stabilità e costo sono tutti fattori nella formula ottimale del prodotto e, senza metodi statistici, arrivare a una ricetta finale a volte può sembrare un tentativo ed errore. "È come lanciare freccette al tabellone, sperando di trovare quello che stai cercando", spiega Park.
Come primo passo verso il miglioramento di tale approccio, Park ha iniziato a lavorare con la consulente statistica Lynne Hare, che Hood aveva assunto di recente per supportare i reparti operativi e di qualità dell'azienda. Nelle prime conversazioni, Hare era irremovibile sul fatto che un approccio statistico noto come progettazione di esperimenti (DOE) potesse semplificare rapidamente i processi di ricerca e sviluppo di Hood.
“Lynne ha iniziato a parlarci del potere del DOE, e io ero davvero interessato perché era qualcosa che stavo cercando ma non sapevo cosa fosse finché non l'ho trovato”, ricorda Park. “[Vedendo DOE per la prima volta] ho appena acceso un interruttore della luce. Mi sono reso conto che questo è esattamente ciò che stavo cercando: un modo migliore e più sistematico di fare esperimenti".
Fondamentalmente, dice Park, era la dipendenza da Microsoft Excel che limitava gli scienziati alla sperimentazione un fattore alla volta. "Sapevamo di aver bisogno di un software per iniziare [con DOE], e Lynne non ha esitato a dire che R&S aveva bisogno di JMP®", il software di rilevamento statistico standard del settore per la sperimentazione multifattoriale.
Da quando ha concesso in licenza JMP a tutti gli scienziati del gruppo di ricerca e sviluppo di Hood, il team è passato dall'assenza di DOE a DOE come best practice standard, il tutto nell'arco di poco più di un anno e mezzo. “I soldi che paghiamo per le nostre licenze JMP li recuperiamo facilmente in un DOE. Questo è tutto ciò che serve”, dice Park. “Puoi risparmiare così tanti soldi solo [riducendo] i costi, avendo una prova di successo. Se hai un fallimento, potrebbero essere da $ 20 a 40.000 buttati via.
La riduzione dei costi deriva anche da tempi di ricerca significativamente più brevi. DOE, dice, “riduce [il tempo di sperimentazione] almeno della metà. E questo si accumula nel tempo e riduce davvero la sequenza temporale complessiva. In passato, ho visto persone che dovevano fare 70 [test] mentre ora con il DOE ne stai facendo 20 alla volta, ma è tutto ciò che stai facendo.
DOE ha anche implicazioni per la conoscenza del prodotto, dice Park. Esperimenti riproducibili e sistematicamente documentati hanno creato un considerevole set di dati storici a cui gli scienziati di Hood possono ora fare riferimento come fonte di profonda conoscenza del prodotto e del processo che informerà le future iterazioni del prodotto. Inoltre, la visibilità sulla ricerca e sviluppo è andata a vantaggio dei partner operativi e di qualità del team, dove Park afferma che le comunicazioni sono state notevolmente migliorate su ciò che viene fatto dalla ricerca e sviluppo e sul perché.
Una combinazione di successi iniziali e formazione assicura un consenso diffuso per il DOE
Non tutti gli scienziati di Hood furono immediatamente convinti che fosse necessaria una nuova direzione strategica, o addirittura che il DOE fosse una soluzione adeguata. Così, insieme a Hare, Park ha iniziato a costruire un caso di studio iniziale che potesse dimostrare in modo persuasivo il potere delle statistiche a un pubblico scettico.
"Ho deciso di prendere uno dei nostri maggiori problemi e risolverlo utilizzando DOE in JMP", afferma Park. “Ho pensato che il miglior caso da usare sarebbe stato qualcosa che altre persone avevano cercato di risolvere in passato senza successo. In questo modo, potremmo mostrare loro: "Ehi, non potresti risolverlo in questo modo, ma se usi [DOE], ora puoi farlo". Così abbiamo fatto e abbiamo risolto un problema che andava avanti da anni”.
Una volta che il case study è stato condiviso con il dipartimento e con la dirigenza, Park ricorda: “Tutti hanno accettato all'istante. Non c'è stata una seconda ipotesi. L'ostacolo successivo era dimostrare agli scienziati che il DOE avrebbe funzionato nella loro area, non solo su sfide parallele, e l'introduzione di un nuovo programma di formazione statistica in R&S è stato l'ultimo tassello per garantire il supporto.
Il programma di formazione statistica di Park è ora l'onboarding standard per i nuovi dipendenti e coloro che cercano qualcosa di più indica Statistical Thinking for Industrial Problem Solving (STIPS), un corso di formazione online gratuito di JMP. STIPS, spiega Park, consente agli utenti di acquisire nuove competenze e completare i moduli al proprio ritmo. “Sono un po' fanatico, credo, di JMP. E tutti in Ricerca e Sviluppo lo sanno", ride.
Alla scoperta di JMP e DOE, Park riflette: “È stata davvero un'esperienza che ha cambiato la mia carriera – sento fortemente che mi ha cambiato come scienziato. I problemi sono molto più facili da risolvere ora. E sì, uso ancora la mia conoscenza della materia. Guida il DOE dove posso trovare risposte solide in cui posso essere molto fiducioso e convincere anche altre persone a essere fiduciose.
Query Builder semplifica i processi di accesso ai dati da 1 ora a 30 secondi
Un altro progetto che il team ha affrontato nella fase iniziale dell'implementazione di JMP è stato il miglioramento dei processi di sviluppo delle specifiche. Le barriere di accesso ai dati rappresentavano da tempo una sfida per il gruppo di ricerca e sviluppo, con dati di qualità isolati tra database che non comunicavano tra loro. Per aumentare i parametri delle prestazioni, Park ha collaborato con il reparto IT di Hood per connettere il database QA dell'azienda a JMP utilizzando la piattaforma Query Builder dello strumento.
Ora, gli scienziati possono accedere facilmente ai dati da varie fonti, eseguire una query e osservare l'andamento dei dati nel tempo o il rendimento del processo rispetto alle specifiche. Il sistema fornisce anche gli strumenti che Park ha utilizzato per misurare la capacità del processo e aumentare lo sviluppo delle specifiche. "Query Builder è stato enorme", afferma Park. "Ciò che prima richiedeva probabilmente almeno un'ora, ora posso farlo in 30 secondi."
In definitiva, spiega, le efficienze su piccola scala in aggregato offrono enormi vantaggi all'azienda, consentendo agli scienziati di concentrare il proprio tempo su attività a valore aggiunto. "Vogliamo automatizzare le cose [come le attività di accesso ai dati] che non sono utili per uno scienziato a cui dedicare il proprio tempo", spiega Park. "Invece, vogliamo che passino quel tempo a pensare in modo critico a cosa significano i risultati e cosa dovremmo fare al riguardo".
Ciò che Park descrive come "un po' di scripting" ha aiutato ad automatizzare i processi ripetuti che rafforzano ulteriormente il risparmio di tempo. Ad esempio, dice: "Se sai che c'è un modo per fare qualcosa che di solito richiede cinque minuti prendi invece 30 secondi - certo, sono solo quattro minuti e mezzo di differenza, ma quando lo moltiplichi per 350, è un sacco di tempo. E quel tempo potrebbe essere una barriera per le persone.
Gli script di Park ora consentono agli scienziati di premere un singolo pulsante che inserirà automaticamente e visualizzerà i dati corretti. Anche su piccola scala, l'automazione ha portato enormi guadagni. "La standardizzazione è stata sicuramente un grande vantaggio per noi", afferma Park. "Più siamo standardizzati [tra ricerca e sviluppo, operazioni e qualità], meglio siamo come azienda nel prendere decisioni".
