업데이트: 이 이야기는 외부 사용이 승인되었습니다.
외부 링크: HP 후드 | JMP
Hood에서 과학자들은 새로운 실험 방식을 받아들였습니다. 결과는 맛있습니다.
광범위한 통계 지원으로 이동한 이후 Hood는 R&D를 가속화하고 제품 지식을 심화했습니다.
_____________________________________________________________________________________
도전: 유제품 시장이 개발 일정을 점점 더 단축함에 따라 Hood와 같은 회사는 R&D를 가속화하는 동시에 실패율을 개선하고 비용을 절감해야 한다는 압박을 받고 있습니다.
해결책: Hood의 R&D 관리자인 Curtis Park는 더 많은 제품 및 프로세스 지식을 더 적은 리소스로 더 빠르게 생성하는 실험 계획(DOE)과 같은 통계적 방법의 광범위한 채택을 촉진하기 위해 노력했습니다. 과학자들이 DOE 및 기타 통계적 효율성을 구현할 수 있도록 Hood는 통계적 발견 소프트웨어 JMP®를 구입했습니다.
결과: DOE에 JMP가 널리 채택된 후 Hood의 R&D 그룹은 실험 시간을 절반으로 단축했습니다. 또한 Park은 도구의 Query Builder 플랫폼 및 스크립팅 기능 덕분에 데이터 액세스 작업 및 반복 분석이 경우에 따라 1시간에서 30초로 간소화되었다고 말합니다. JMP의 기본적인 자동화조차도 과학자들이 비즈니스에 가치를 제공하는 데 집중할 수 있도록 해줍니다.
_____________________________________________________________________________________
상징적인 유제품 브랜드인 Hood는 175년 이상 식료품점 선반에 우유, 크림, 에그노그, 코티지 치즈, 아이스크림, 요거트 및 기타 맛있는 유제품 필수품을 보관해 왔습니다. 1846년 매사추세츠에서 설립된 Hood는 유산 전통으로 알려진 산업을 현대화하는 데 도움이 된 LightBlock Bottle과 같은 혁신을 도입하면서 품질과 지속 가능성에 대한 약속을 계속 이행하고 있습니다.
후드(Hood) 식품 과학자 커티스 파크(Curtis Park)는 유제품 산업이 급변하는 혁신의 궤적일 가능성은 다소 낮지만, 시장은 곧 전통적인 브랜드의 진화를 요구하는 방식으로 빠르게 변화하고 있다고 말합니다. "우리의 개발 일정은 매년 짧아지고 있으며, 매년 더 많은 시간을 요구하여 공장에서 문제가 발생합니다."라고 그는 설명합니다.
North Carolina State University에서 식품 과학 박사 학위를 마친 후 Hood에 합류한 Park는 통계적 방법이 식품 과학의 미래에 대한 열쇠를 쥐고 있을 수 있다는 느낌을 받았지만 실제로 그것을 보기 몇 년 전이었습니다. "저는 통계가 얼마나 강력한지 알았습니다. 또는 적어도 정말 강력할 수 있다고 믿었지만 어떤 면에서는 아직 완전히 확신하지 못했습니다."라고 그는 회상합니다.
Hood에 들어서면서 그가 본 문화는 느리기는 해도 꾸준하고 진보하는 문화였습니다. 기존의 단일 요인 실험은 효과적이었지만 개발 주기에 필요한 일정이 길었고 개선 사항은 능동적이기보다는 사후 대응적이었습니다. 증가하는 시장 수요에 직면하여 Park는 과학 연구를 가속화하기 위해 새로운 방식으로 데이터를 사용할 가능성을 보았습니다. 그래서 새로운 R&D 이사가 지휘권을 잡았을 때 박씨는 통계가 어떻게 회사의 과학을 발전시키는 데 도움이 될 수 있는지 탐구할 기회에 뛰어들었습니다.
2년 후, 그리고 적지 않은 부분이 Park의 노력 덕분에 Hood는 통계적 지원을 향한 문화적 변화를 겪었습니다. 현재 R&D 관리자인 Park는 식품 과학에 대한 강력한 통계적 접근 방식의 채택을 옹호하는 데 중요한 역할을 했습니다. 예를 들어 단일 요소 실험에서 다중 요소 실험으로 이동하는 것입니다. .
DOE는 비용이 많이 드는 실패를 줄이고 실험 시간을 50% 단축하며 연구의 재현성을 높입니다.
후드의 R&D 과학자들은 제형 개발에서 성분 및 비성분 요인 모두와 씨름한다고 Park은 설명합니다. 맛, 품질, 저장 수명, 안정성 및 비용은 모두 최적의 제품 공식에 포함되며 통계적 방법 없이 최종 레시피에 도달하는 것은 때때로 시행착오처럼 느껴질 수 있습니다. “원하는 것을 찾을 수 있기를 바라며 보드에 다트를 던지는 것과 같습니다.”라고 Park는 설명합니다.
이러한 접근 방식을 개선하기 위한 첫 번째 단계로 Park는 Hood가 최근 회사의 품질 및 운영 부서를 지원하기 위해 영입한 통계 컨설턴트인 Lynne Hare와 협력하기 시작했습니다. 초기 대화에서 Hare는 DOE(실험 설계)로 알려진 통계적 접근 방식이 Hood의 R&D 프로세스를 신속하게 간소화할 수 있다고 단호하게 말했습니다.
"Lynne은 DOE의 힘에 대해 우리에게 이야기하기 시작했고, 제가 찾고 있었지만 그것을 발견하기 전까지는 그것이 무엇인지 몰랐기 때문에 정말 관심이 있었습니다."라고 Park는 회상합니다. “[DOE를 처음 보는] 방금 전등 스위치를 켰습니다. 나는 이것이 바로 내가 찾고 있던 것, 즉 실험을 수행하는 더 좋고 더 체계적인 방법이라는 것을 깨달았습니다.”
기본적으로 과학자들이 한 번에 한 요소씩 실험하도록 제한한 것은 Microsoft Excel에 의존했기 때문이라고 Park은 말합니다. "우리는 [DOE로] 시작하려면 소프트웨어가 필요하다는 것을 알고 있었고 Lynne은 주저 없이 R&D에 다단계 실험을 위한 업계 표준 통계 검색 소프트웨어인 JMP®가 필요하다고 말했습니다."
Hood의 R&D 그룹의 모든 과학자에게 JMP 라이선스를 부여한 이후 팀은 1년 반 만에 표준 모범 사례로 DOE를 사용하지 않는 상태에서 DOE로 전환했습니다. “JMP 라이선스에 지불하는 비용을 하나의 DOE에서 쉽게 벌 수 있습니다. 그게 전부입니다.”라고 박씨는 말합니다. “비용을 [감소]하고 성공적으로 시험을 치르면 그 정도의 비용을 절약할 수 있습니다. 고장이 나면 2만~4만 달러가 낭비될 수 있습니다.”
비용 절감은 또한 상당히 짧은 연구 일정에서 비롯됩니다. DOE는 “[실험 시간]을 최소한 절반으로 줄여줍니다. 그리고 그것은 시간이 지남에 따라 축적되고 실제로 전체 타임 라인을 줄입니다. 과거에는 사람들이 70개의 [테스트]를 수행해야 하는 것을 보았지만 지금은 DOE를 사용하면 한 번에 20개를 수행하지만 그게 전부입니다.”
DOE는 제품 지식에도 영향을 미친다고 Park은 말합니다. 재현 가능하고 체계적으로 문서화된 실험은 Hood의 과학자들이 향후 제품 반복에 대한 정보를 제공할 심도 있는 제품 및 프로세스 지식의 소스로 돌아갈 수 있는 상당량의 역사적 데이터 세트를 생성했습니다. 또한 R&D에 대한 가시성은 팀의 품질 및 운영 파트너에게 도움이 되었으며, Park은 R&D에서 수행하는 작업과 그 이유에 대한 커뮤니케이션이 크게 개선되었다고 말합니다.
초기 성공과 교육의 조합으로 DOE에 대한 광범위한 동의 확보
Hood의 과학자 모두가 새로운 전략적 방향이 필요하다고 즉각 설득된 것은 아니었습니다. 실제로 DOE가 적합한 솔루션이라고 확신한 것은 아닙니다. 그래서 Hare와 함께 Park는 회의적인 청중에게 통계의 힘을 설득력 있게 보여줄 수 있는 초기 사례 연구를 구축하기 시작했습니다.
"가장 큰 문제 중 하나를 JMP의 DOE를 사용하여 해결하기로 결정했습니다."라고 Park은 말합니다. “사용하기에 가장 좋은 사례는 다른 사람들이 과거에 해결하려고 시도했지만 성공하지 못한 것이 될 것이라고 생각했습니다. 그런 식으로 우리는 그들에게 다음과 같이 보여줄 수 있었습니다. '이런 식으로는 해결할 수 없었지만 [DOE]를 사용하면 이제 할 수 있습니다.' 그래서 우리는 그렇게 했고 몇 년 동안 지속되어 온 문제를 해결했습니다.”
사례 연구를 부서와 리더십에 공유하고 나면 박씨는 이렇게 회상합니다. “모든 사람이 즉시 참여했습니다. 두 번째 추측은 없었습니다.” 다음 장애물은 과학자들에게 DOE가 병렬 과제뿐만 아니라 자신의 영역에서 작동할 것임을 증명하는 것이었고 새로운 R&D 통계 교육 프로그램의 도입이 지원 확보의 마지막 부분이었습니다.
Park의 통계 교육 프로그램은 이제 신입 사원을 위한 표준 온보딩이며, 더 많은 것을 찾고 있는 사람들은 JMP의 무료 온라인 교육 과정인 산업 문제 해결을 위한 통계적 사고(STIPS)를 가리킵니다. 박씨는 STIPS를 통해 사용자가 자신의 속도에 맞춰 새로운 기술을 습득하고 모듈을 완료할 수 있다고 설명합니다. “저는 JMP에 대해 약간 광적인 것 같습니다. 그리고 R&D에 있는 모든 사람들이 그것을 알고 있습니다.”라고 그는 웃습니다.
JMP와 DOE를 발견한 Park는 이렇게 회고합니다. 이제 문제를 해결하기가 훨씬 쉬워졌습니다. 그리고 네, 저는 여전히 제 주제 지식을 사용합니다. 그것은 DOE를 제가 매우 확신할 수 있는 확실한 답변을 찾을 수 있는 곳으로 안내하고 다른 사람들도 확신할 수 있도록 합니다.”
Query Builder는 데이터 액세스 프로세스를 1시간에서 30초로 간소화합니다.
JMP 구현 초기 단계에서 팀이 해결한 또 다른 프로젝트는 사양 개발 프로세스의 개선이었습니다. 데이터 액세스 장벽은 서로 통신하지 않는 데이터베이스 사이에 격리된 고품질 데이터로 인해 R&D 그룹에 오랫동안 문제가 되었습니다. 성능 지표를 높이기 위해 Park는 Hood의 IT 부서와 협력하여 도구의 Query Builder 플랫폼을 사용하여 회사의 QA 데이터베이스를 JMP에 연결했습니다.
이제 과학자들은 다양한 소스의 데이터에 쉽게 액세스하고, 쿼리를 실행하고, 시간 경과에 따른 데이터 추세 또는 사양에 대한 프로세스 수행 방식을 확인할 수 있습니다. 이 시스템은 또한 Park가 프로세스 기능을 측정하고 사양 개발을 강화하는 데 사용한 도구를 제공합니다. "쿼리 빌더는 엄청났습니다."라고 Park은 말합니다. "예전에는 적어도 한 시간은 걸렸던 일을 이제는 30초 만에 할 수 있습니다."
궁극적으로 소규모 효율성은 과학자들이 더 많은 부가가치 활동에 시간을 집중할 수 있도록 함으로써 비즈니스에 엄청난 이점을 제공한다고 설명합니다. "우리는 과학자가 시간을 할애하는 데 가치가 없는 [데이터 액세스 작업과 같은] 일을 자동화하고 싶습니다."라고 Park는 설명합니다. "대신, 우리는 그들이 그 결과가 의미하는 것과 그것에 대해 우리가 해야 할 일에 대해 비판적으로 생각하는 시간을 보내기를 바랍니다."
Park가 "조금의 스크립팅"이라고 설명하는 것은 시간 절약을 더욱 강화하는 반복 프로세스를 자동화하는 데 도움이 되었습니다. 예를 들어, 그는 "보통 5분이 걸리는 일을 30초 만에 처리할 수 있는 방법이 있다는 것을 알고 있다면, 물론 4분 30초 차이일 뿐이지만 여기에 350을 곱하면 엄청난 차이가 납니다. 시각. 그리고 그 시간은 사람들에게 장벽이 될 수 있습니다.”
이제 Park의 스크립트를 통해 과학자들은 올바른 데이터를 자동으로 가져오고 시각화하는 단일 버튼을 누를 수 있습니다. 작은 규모에서도 자동화는 엄청난 이득을 가져왔습니다. "표준화는 분명히 우리에게 큰 이점이었습니다."라고 Park은 말합니다. "우리가 [R&D, 운영 및 품질 전반에 걸쳐] 표준화할수록 회사 전체가 의사 결정을 내리는 데 더 유리합니다."
