成熟した製造組織における統計的工程管理の導入についてアドバイスが欲しいシナリオ: QC テスト データを製造からデータ ウェアハウスにプッシュする LIMS があります。 JMP ユーザーは数名います。私たちは最終的に SPC への体系的なアプローチを導入したいと考えており、その方法についてさまざまな戦略を議論しています。浮上したことの 1 つは、LIMS システムを大規模に利用することができず、傾向を分析するデータをデータ ウェアハウスから取得する必要があることへの失望でした。長い間 LIMS を使用していなかったため、データ ソースが比較的汚れており、大量のクリーニングが必要でした。しかし、LIMS システムのさまざまな継続的な変更 (新しい QC テストが必要な新製品の導入、製造中止された製品とその QC テストの不要化、テスト名の変更、新しいサンプル タイプの変更) のため、LIMS から取得したデータであってもクリーニングが必要です。 、設定の変更など）。私の印象では、これがまさにその通りだということです。状況は変化し、データ リテラシー レベルは異なり、データ規律は厳格に適用されておらず、LIMS スーパー ユーザーはほとんどの場合データ ウェアハウス ユーザーではなく、物事が計画とは異なる形でうまくいくことがよくあります。
チームメンバーによる重要なコメントの 1 つは、大手製薬会社がデータに関してはるかによく組織化されているのではないかという疑念であり、私たちの戦略が潜在的に複雑すぎるのではないかという質問がされました (LIMS --> データ ウェアハウス --> データ ウェアハウスを活用したデータ分析ツール) ）。
質問:
- 傾向分析のために LIMS からデータ ウェアハウスにデータをプッシュし、そこから再度取得するというアプローチは一般的ですか?
- 大手製薬会社のデータ ソースは、平均して他の製造分野よりもクリーンで、適切に管理されていますか?
- 目的地に到達するための標準的な「フリーサイズ」のアプローチはありますか?
- データベース接続、自動化、SPC に関して言えば、JMP は単なる宝石ではないでしょうか?
- JMP Live に頼らずに SPC グラフを最適に公開するにはどうすればよいでしょうか?
- 他にどのような重要な情報をチームにフィードバックできますか?
事前にどうもありがとうございました！
品質およびプロセスエンジニアリングRe: 成熟した製造組織における統計的工程管理の導入についてアドバイスが欲しいこれが私の 7 セントです (各質問とボーナスの考えに対して 1 セント)。
1. いいえ。私が JMP シニア システム エンジニアとして大手製薬会社の多くのユーザーを担当していた間、これは一般的なデータ パスでした。
2. いいえ。データは常に「ダーティ」であり、データのクリーンアップと監視が仕事の大きな部分を占めています。
3. いいえ。
4. IMO、JMPは世界クラスです。
5. 常に JMP Public を使用するか、読み取り/書き込みアクセス権を持つユーザーを内部で制御するダッシュボード アプリケーションを作成します。
6. 最終的なことを念頭に置いてシステム設計を開始します。次に、データの取得、クリーンアップ、レポート、配布をリバース エンジニアリングします。
おまけの考え: 営業チームの JMP システム エンジニアの仕事を奪われる危険を承知で、その人に次の質問をして頭を悩ませてください。もしかしたら、あなたと話したいと思っている JMP の顧客もいるかもしれません。
Re: 成熟した製造組織における統計的工程管理の導入についてアドバイスが欲しい私の考え/質問は次のとおりです。
SPC は分析ツールです。これを正しく使用するには、合理的なサブグループ化とサンプリング戦略を理解する必要があります。データをどのように取得するかは非常に重要な決定です。
「したがって、最初に合理的な理論に基づいてデータを合理的なサブグループに分割することに成功したエンジニアは、長期的には本質的により良い成績を収めることができます。 。 」
シューハート
SPC と管理図メソッドは、次の 2 つの質問に答えるために発明されました (シューハート)。
1. サブグループ内の変動源に関連する変動 (x はサブグループ内で変動します) は安定していて一貫していますか?そうでない場合は、なぜそうではないのでしょうか?これは、デミングの特殊原因/共通原因モデルと一致しています。 「特別原因「イベント」」が発生した後にデータを見ている場合、何が起こったのかをリアルタイムで知る機会を逸していることになります。
2. 内部または中間のどちらの変動源が大きな影響力を持っていますか (支配的ですか)? X バー チャートは比較チャートです。これは、サブグループ内要因による変動 (管理限界) とサブグループ間の変動要因 (プロットされた平均) を比較します。これは、調査員がどこに焦点を当てて作業を行うべきかを理解するのに役立ちます。
このことを念頭に置いて、あなたが何をしようとしているのかわかりませんか？データをプロットして多くの人に見えるようにすることに興味があるようです。これは悪いアイデアではありませんが、SPC の意図された目的の一部にすぎません。 SPC が意図していたのは、因果構造を理解すること (分析) でした。
Re: 成熟した製造組織における統計的工程管理の導入についてアドバイスが欲しい@statman さん、ご質問ありがとうございます!これらの質問は非常に役立ちます。
「因果構造」とは、割り当て可能な原因または特殊な原因の特定を意味していると思います。私たちの場合、単一のバッチを製造するのに非常に長い時間がかかることがあります。各バッチは包括的なテスト プログラムの対象となり、その結果得られる多くの測定結果が各バッチの真の品質を表すものであると現時点では想定されています。
個人的には、複数のバッチのデータを合理的なサブグループにグループ化する理由はまだないと思います。おそらく、各サブグループ内で多くの変動が確認されるだけで、横軸に沿ってプロットするデータはほとんどないでしょう。したがって、私たちが理解しようとしている、または学ぼうとしているのは、バッチ間の品質の変動の原因であるため、今のところ実際には個別の変動範囲のグラフだけを考えています。
また、私たちが変動の原因をすべて知っており、完全に理解しているかどうかも不明です。おそらく、ばらつきの個々の原因についてどのような考えを持っているかについてプロセス エンジニアにインタビューすることから始めることになるでしょう。次に、これらの変動要因を個別に制御して、より一貫したプロセス出力が得られるかどうか、つまり、順番に製造されるバッチが現在よりも類似するかどうかをテストしようと考えています。その結果、個々の変動要因の制御を目的としたさまざまな取り組みに関連して、これらの管理図でさまざまなフェーズを定義する必要があるでしょう。これらのフェーズを文書化することには問題が生じる可能性があると思います。フェーズをどのように呼び出すか、特定の命名法は必要ですか?どこでどのように記録し、後世のために文書化するのでしょうか?
現状では、 「特殊原因「イベント」」が発生した後のデータを見るしかなく、前述したように、それぞれのケースにおける具体的な特殊原因が何なのかはほとんど理解できていません。
これらはあなたの質問に対する適切な答えですか、それとも私が何かを見落としているのでしょうか?
これ以上何を考えるべきですか?
