ACTUALIZACIÓN: ESTA HISTORIA HA SIDO APROBADA PARA USO EXTERNO.
ENLACE EXTERNO: Campana HP | JMP
En Hood, los científicos adoptaron una nueva forma de experimentación. El resultado es delicioso.
Desde que se movió hacia la habilitación estadística generalizada, Hood ha acelerado la I+D y ha profundizado el conocimiento del producto.
______________________________________________________________________________________
Desafío: Dado que el mercado de productos lácteos impulsa plazos de desarrollo cada vez más cortos, las empresas como Hood están bajo presión para acelerar la I+D y, al mismo tiempo, mejorar las tasas de fallas y reducir los costos.
Solución: Curtis Park, gerente de I+D de Hood, trabajó para promover la adopción generalizada de métodos estadísticos como el diseño de experimentos (DOE) que generan más conocimiento sobre productos y procesos, más rápido y con menos recursos. Para permitir que los científicos implementen DOE y otras eficiencias estadísticas, Hood adquirió el software de descubrimiento estadístico JMP®.
Resultados: Desde la adopción generalizada de JMP para DOE, el grupo de I+D de Hood ha reducido el tiempo de experimentación a la mitad. Además, Park dice que gracias a la plataforma Query Builder de la herramienta y la funcionalidad de secuencias de comandos, las tareas de acceso a datos y los análisis repetidos se han simplificado en algunos casos de 1 hora a 30 segundos. Incluso la automatización básica en JMP, dice, libera a los científicos para que se concentren en brindar valor al negocio.
______________________________________________________________________________________
Durante más de 175 años, la icónica marca láctea Hood ha mantenido los estantes de las tiendas de comestibles abastecidos con leche, crema, ponche de huevo, requesón, helado, yogur y otros deliciosos productos lácteos básicos. Fundada en Massachusetts en 1846, Hood continúa cumpliendo su compromiso con la calidad y la sustentabilidad al tiempo que presenta innovaciones como la botella LightBlock que han ayudado a modernizar una industria conocida por sus tradiciones heredadas.
Si bien la industria láctea puede ser un lugar un tanto improbable de innovación vertiginosa, dice Curtis Park, científico de alimentos de Hood, el mercado está cambiando rápidamente en formas que pronto requerirán que evolucionen las marcas tradicionales. “Nuestros plazos de desarrollo se han acortado cada año, y cada año tenemos más tiempo, lo que genera problemas en las fábricas”, explica.
Park, quien se unió a Hood después de completar su doctorado en Ciencias de la Alimentación en la Universidad Estatal de Carolina del Norte, recuerda haber tenido la sensación de que los métodos estadísticos podrían ser la clave para el futuro de la ciencia de los alimentos, aunque pasaron varios años antes de que los viera en acción. “Sabía lo poderosas que podían ser las estadísticas, o al menos creía que podían ser realmente poderosas, pero en cierto modo, todavía no estaba del todo convencido”, recuerda.
Al cruzar la puerta de Hood, la cultura que vio fue una de progreso constante, aunque lento. La experimentación tradicional de un solo factor fue efectiva, pero el cronograma requerido para un ciclo de desarrollo fue largo y las mejoras fueron más reactivas que proactivas. Ante las crecientes demandas del mercado, Park vio el potencial de utilizar los datos de nuevas formas para acelerar la investigación científica. Entonces, cuando un nuevo director de I+D asumió el mando, Park aprovechó la oportunidad para explorar cómo las estadísticas podrían ayudar a que la ciencia de la empresa vaya más allá.
Dos años después, y en gran parte gracias a los esfuerzos de Park, Hood experimentó un cambio cultural hacia la habilitación estadística. Park, ahora Gerente de I+D, ha desempeñado un papel clave en la promoción de la adopción de enfoques estadísticos sólidos para la ciencia de los alimentos, pasando, por ejemplo, de la experimentación de un solo factor a la multifactorial, un cambio que él ve como una panacea para el ritmo y las demandas de calidad del mercado. .
DOE reduce fallas costosas, reduce el tiempo de experimentación en un 50 % y hace que la investigación sea más reproducible
Los científicos de I+D de Hood, explica Park, se enfrentan a factores de ingredientes y no ingredientes en el desarrollo de fórmulas. El sabor, la calidad, la vida útil, la estabilidad y el costo son factores que influyen en la fórmula óptima del producto y, sin métodos estadísticos, llegar a una receta final a veces puede parecer prueba y error. “Es como lanzar dardos al tablero con la esperanza de encontrar lo que buscas”, explica Park.
Como primer paso para mejorar ese enfoque, Park comenzó a trabajar con la consultora estadística Lynne Hare, a quien Hood había contratado recientemente para apoyar a los departamentos de calidad y operaciones de la empresa. En las primeras conversaciones, Hare insistió en que un enfoque estadístico conocido como diseño de experimentos (DOE) podría optimizar rápidamente los procesos de I+D de Hood.
“Lynne comenzó a hablarnos sobre el poder del DOE y yo estaba realmente interesado porque era algo que había estado buscando pero no sabía qué era hasta que lo encontré”, recuerda Park. “[Ver el DOE por primera vez] simplemente encendió un interruptor de luz. Me di cuenta de que esto era exactamente lo que había estado buscando: una forma mejor y más sistemática de hacer experimentos”.
Fundamentalmente, dice Park, era la confianza en Microsoft Excel lo que limitaba a los científicos a la experimentación de un factor a la vez. “Sabíamos que necesitábamos un software para comenzar [con DOE], y Lynne no dudó en decir que I+D necesitaba JMP®”, el software de descubrimiento estadístico estándar de la industria para la experimentación multifactorial.
Desde que obtuvo la licencia de JMP para todos los científicos del grupo de I+D de Hood, el equipo ha pasado de no tener DOE a DOE como una mejor práctica estándar, todo en poco más de un año y medio. “El dinero que pagamos por nuestras licencias JMP, lo recuperamos fácilmente en un DOE. Eso es todo lo que se necesita”, dice Park. “Puede ahorrar esa cantidad de dinero simplemente [reduciendo] los costos, teniendo una prueba exitosa. Si tiene una falla, eso podría ser $ 20 a 40K por el desagüe ".
La reducción de costos también se deriva de plazos de investigación significativamente más cortos. El DOE, dice, “reduce [el tiempo de experimentación] al menos a la mitad. Y eso se acumula con el tiempo y realmente reduce la línea de tiempo en general. En el pasado, vi que la gente tenía que hacer 70 [pruebas], mientras que ahora, con el DOE, estás haciendo 20 a la vez, pero eso es todo lo que estás haciendo”.
DOE también tiene implicaciones para el conocimiento del producto, dice Park. Los experimentos reproducibles y sistemáticamente documentados han creado un conjunto de datos históricos considerable al que los científicos de Hood ahora pueden regresar como una fuente de conocimiento profundo de productos y procesos que informará futuras iteraciones de productos. Además, la visibilidad en torno a I+D ha beneficiado a los socios de calidad y operaciones del equipo, donde Park dice que las comunicaciones han mejorado significativamente en torno a lo que se está haciendo en I+D y por qué.
Una combinación de éxitos iniciales y capacitación asegura una aceptación generalizada del DOE
No todos los científicos de Hood se convencieron de inmediato de que era necesaria una nueva dirección estratégica o, de hecho, de que el DOE era una solución adecuada. Entonces, junto con Hare, Park comenzó a desarrollar un estudio de caso inicial que pudiera demostrar de manera persuasiva el poder de las estadísticas a una audiencia escéptica.
“Decidí tomar uno de nuestros mayores problemas y resolverlo usando DOE en JMP”, dice Park. “Pensé que el mejor caso a utilizar sería algo que otras personas habían intentado resolver en el pasado sin éxito. De esa manera, podríamos mostrarles: 'Oye, no pudiste resolverlo de esta manera, pero si usas [DOE], ahora puedes'. Así lo hicimos, y resolvimos un problema que había estado ocurriendo durante años”.
Una vez que el estudio de caso se había socializado en todo el departamento y el liderazgo, Park recuerda: “Todos se sumaron al instante. No hubo dudas”. El siguiente obstáculo fue demostrarles a los científicos que el DOE trabajaría en su área, no solo en desafíos paralelos, y la introducción de un nuevo programa de capacitación estadística de I+D fue la última pieza para asegurar el apoyo.
El programa de capacitación estadística de Park ahora es la incorporación estándar para los nuevos empleados, y aquellos que buscan algo más, les indica Pensamiento estadístico para la resolución de problemas industriales (STIPS), un curso de capacitación en línea gratuito de JMP. STIPS, explica Park, permite a los usuarios adquirir nuevas habilidades y completar módulos a su propio ritmo. “Creo que soy un poco fanático de JMP. Y todo el mundo en I+D lo sabe”, se ríe.
Al descubrir JMP y DOE, Park reflexiona: “Realmente ha sido una experiencia que cambió mi carrera; creo firmemente que me ha cambiado como científico. Los problemas son mucho más fáciles de resolver ahora. Y sí, todavía uso mi conocimiento de la materia. Guía al DOE hacia donde puedo encontrar respuestas sólidas en las que puedo tener mucha confianza, y hacer que otras personas también tengan confianza”.
Query Builder agiliza los procesos de acceso a datos de 1 hora a 30 segundos
Otro proyecto que abordó el equipo en la fase inicial de la implementación de JMP fue la mejora de los procesos de desarrollo de especificaciones. Las barreras de acceso a los datos supusieron durante mucho tiempo un desafío para el grupo de I+D, con datos de calidad almacenados en silos entre bases de datos que no se comunicaban entre sí. Para aumentar las métricas de rendimiento, Park trabajó con el departamento de TI de Hood para conectar la base de datos de control de calidad de la empresa a JMP mediante la plataforma Query Builder de la herramienta.
Ahora, los científicos pueden acceder fácilmente a los datos de varias fuentes, ejecutar una consulta y observar la tendencia de los datos a lo largo del tiempo o el rendimiento del proceso según las especificaciones. El sistema también proporciona herramientas que Park ha utilizado para medir la capacidad del proceso y aumentar el desarrollo de especificaciones. “Query Builder ha sido enorme”, dice Park. “Lo que solía llevarnos probablemente al menos una hora, ahora puedo hacerlo en 30 segundos”.
En última instancia, explica, las eficiencias a pequeña escala en conjunto brindan grandes beneficios a la empresa al liberar a los científicos para que centren su tiempo en actividades de mayor valor agregado. “Queremos automatizar las cosas [como las tareas de acceso a datos] que no son valiosas para que un científico dedique su tiempo”, explica Park. “En cambio, queremos que pasen ese tiempo pensando críticamente sobre lo que significan los resultados y qué debemos hacer al respecto”.
Lo que Park describe como "un poco de secuencias de comandos" ha ayudado a automatizar procesos repetitivos que aumentan aún más el ahorro de tiempo. Por ejemplo, dice: "Si sabes que hay una manera de hacer algo que normalmente toma cinco minutos, toma 30 segundos; claro, es solo una diferencia de cuatro minutos y medio, pero cuando lo multiplicas por 350, es mucho". hora. Y ese tiempo podría ser una barrera para las personas”.
Los scripts de Park ahora permiten a los científicos presionar un solo botón que automáticamente extraerá y visualizará los datos correctos. Incluso a pequeña escala, la automatización ha traído ganancias descomunales. “La estandarización definitivamente ha sido un gran beneficio para nosotros”, dice Park. “Cuanto más estandarizados estemos [en I+D, operaciones y calidad], mejor nos irá como empresa a la hora de tomar decisiones”.
