성숙한 제조 조직에서 통계적 공정 관리 구현에 대한 조언을 원하십니까?시나리오 : QC 테스트 데이터를 제조에서 데이터 웨어하우스로 푸시하는 LIMS가 있습니다. 우리에게는 소수의 JMP 사용자가 있습니다. 우리는 마침내 SPC에 대한 체계적인 접근 방식을 도입하고 이를 수행하는 다양한 전략을 논의하고 있습니다. 발생한 것 중 하나는 LIMS 시스템을 전체적으로 활용할 수는 없지만 데이터 웨어하우스에서 추세를 파악하기 위해 데이터를 가져와야 할 가능성이 높다는 실망감이었습니다. 오랫동안 LIMS를 사용하지 않았기 때문에 데이터 소스가 상대적으로 더러워졌고 정리가 많이 필요했습니다. 하지만 LIMS 시스템의 다양하고 지속적인 변화(새로운 QC 테스트가 필요한 신제품 출시, 단종된 제품 및 해당 QC 테스트가 더 이상 필요하지 않음, 테스트 이름 변경, 새로운 샘플 유형)로 인해 LIMS에서 들어오는 데이터라도 청소가 필요합니다. , 구성 변경 등). 내 생각에는 상황이 변하고, 데이터 활용 능력 수준이 다양하고, 데이터 규율이 엄격하게 시행되지 않고, LIMS 슈퍼 사용자가 데이터 웨어하우스 사용자가 아닌 경우가 많으며 일이 계획과 다르게 진행되는 경우가 많습니다.
팀원의 주요 의견 중 하나는 Big Pharma가 데이터 측면에서 훨씬 더 잘 구성되어 있다는 의심이었고 우리의 전략이 잠재적으로 너무 복잡하지 않은지에 대한 질문이었습니다(LIMS --> 데이터 웨어하우스 --> 데이터 웨어하우스를 활용하는 데이터 분석 도구). ).
질문:
- LIMS에서 데이터 웨어하우스로 데이터를 푸시하고 추세 분석을 위해 다시 검색하는 접근 방식이 흔하지 않습니까?
- 대형 제약회사의 데이터 소스는 다른 제조 분야보다 평균적으로 더 깨끗하고 잘 관리됩니까?
- 우리가 원하는 곳에 도달하기 위한 "모든 용도에 맞는" 표준 접근 방식이 있습니까?
- 데이터베이스 연결, 자동화, SPC 측면에서 JMP는 그야말로 보석이 아닐까요?
- JMP Live를 사용하지 않고 SPC 그래프를 가장 잘 게시하는 방법은 무엇입니까?
- 팀에 어떤 다른 중요한 정보를 피드백할 수 있나요?
미리 감사드립니다!
품질 및 프로세스 엔지니어링Re: 성숙한 제조 조직에서 통계적 공정 관리를 구현하는 데 대한 조언을 원합니다.여기 내 7센트가 있습니다(각 질문에 대해 하나씩 그리고 보너스 생각:
1. 아니요. JMP 수석 시스템 엔지니어로 재직하면서 대형 제약회사에서 많은 사용자를 확보하는 동안 이는 일반적인 데이터 경로였습니다.
2. 아니요. 항상 '더럽고' 데이터 정리 및 감시가 작업의 큰 부분을 차지합니다.
3. 아니요.
4. IMO, JMP는 세계 최고 수준입니다.
5. 읽기/쓰기 액세스 권한이 있는 사람을 내부적으로 제어하는 JMP Public 또는 대시보드 애플리케이션 생성이 항상 있습니다.
6. 최종 목표를 염두에 두고 시스템 설계를 시작하십시오. 그런 다음 데이터 수집, 정리, 보고 및 배포를 리버스 엔지니어링합니다.
보너스 생각: 영업팀의 JMP 시스템 엔지니어와 일하게 될 위험을 감수하고 그 사람에게 다음 질문을 던져 그들의 두뇌를 선택하도록 하십시오. 누가 알겠어요...아마도 여러분과 이야기를 나누고 싶어하는 JMP 고객이 있을 수도 있습니다.
Re: 성숙한 제조 조직에서 통계적 공정 관리를 구현하는 데 대한 조언을 원합니다.내 생각/질문은 다음과 같습니다.
SPC는 분석 도구입니다. 이를 올바르게 사용하려면 합리적인 하위 그룹화 및 샘플링 전략을 이해해야 합니다. 데이터를 얻는 방법은 매우 중요한 결정입니다.
“따라서 처음에 자신의 데이터를 합리적 이론을 기반으로 한 합리적인 하위 그룹으로 성공적으로 나누는 엔지니어는 장기적으로 본질적으로 더 나은 결과를 얻습니다. . .”
쉬와트
SPC와 관리도 방법은 두 가지 질문에 답하기 위해 고안되었습니다 (Shewhart).
1. 부분군 내 변동 원인(부분군 내 x의 변동)과 관련된 변동이 안정적이고 일관됩니까? 그렇지 않다면 왜 안 됩니까? 이는 데밍의 특수 원인/공통 원인 모델과 일치합니다. "특수 원인" 사건이 발생한 이후의 데이터를 보고 있다면 무슨 일이 일어났는지 실시간으로 알 수 있는 기회를 놓치게 됩니다.
2. 내부 또는 중간 중 어떤 변형 소스가 더 큰 영향력(지배적)을 가지고 있습니까? X-bar 차트는 비교 차트입니다. 부분군 내 원인(관리 한계)으로 인한 변동을 부분군 간 변동 원인(표시된 평균)과 비교합니다. 이는 조사관이 작업에 집중할 위치를 이해하는 데 도움이 됩니다.
이를 염두에 두고 무엇을 하려는지 잘 모르겠습니다. 귀하는 데이터를 구성하고 이를 많은 사람들에게 공개하는 데 관심이 있는 것 같습니다. 이는 나쁜 생각은 아니지만 SPC가 의도한 목적의 일부일 뿐입니다. SPC가 의도한 것은 인과구조(분석)를 이해하는 것이었습니다.
Re: 성숙한 제조 조직에서 통계적 공정 관리를 구현하는 데 대한 조언을 원합니다.@statman님 , 질문해주셔서 감사합니다! 이러한 질문은 매우 유용합니다.
"인과 구조"란 할당 가능한 원인이나 특수 원인의 식별을 의미한다고 가정합니다. 우리의 경우 단일 배치를 제조하는 데 매우 오랜 시간이 걸릴 수 있습니다. 각 배치는 포괄적인 테스트 프로그램의 적용을 받으며 현재로서는 각 배치의 실제 품질을 대표한다고 가정하는 다양한 측정 결과가 도출됩니다.
개인적으로 저는 아직 여러 배치의 데이터를 합리적인 하위 그룹으로 그룹화할 이유가 없다고 생각합니다. 아마도 각 하위 그룹 내에서 많은 변동만 볼 수 있으며 가로 축을 따라 표시할 데이터가 거의 없을 것입니다. 따라서 우리는 지금은 개별 및 이동 범위 차트만 생각하고 있습니다. 왜냐하면 우리가 이해하거나 배우려고 노력하는 것은 한 배치에서 다음 배치로 품질의 변화를 일으키는 원인이기 때문입니다.
우리가 변화의 모든 원인을 알고 완전히 이해하고 있는지도 불분명합니다. 아마도 우리는 개별 변동 원인에 대한 그들의 생각이 무엇인지 공정 엔지니어와 인터뷰하는 것부터 시작할 것입니다. 다음으로, 저는 우리가 보다 일관된 프로세스 결과를 얻을 수 있는지, 즉 순차적으로 제조된 배치가 지금보다 더 유사해지는지 여부를 테스트하기 위해 이러한 변동 원인을 개별적으로 제어하려고 노력할 것이라고 생각합니다. 결과적으로, 개별 변동 원인을 제어하는 것을 목표로 하는 다양한 계획과 관련된 이러한 제어 차트의 다양한 단계를 정의해야 할 것입니다. 나는 이러한 단계를 문서화하는 것이 문제가 될 수 있다고 생각합니다. 이를 어떻게 호출합니까/특정 명명법이 필요합니까? 후손을 위해 어디서/어떻게 기록하고 문서화합니까?
지금의 상황 에서는 "특수 원인" 사건이 발생한 후 데이터를 살펴볼 수밖에 없으며, 위에서 언급한 것처럼 각 사례의 구체적인 특수 원인이 무엇인지 거의 또는 전혀 이해하지 못합니다.
귀하의 질문에 대한 적절한 답변입니까, 아니면 제가 간과하고 있는 것이 있습니까?
무엇을 더 생각해 보라고 제안하시나요?
