Vous souhaitez des conseils sur la mise en œuvre du contrôle statistique des processus dans une organisation de fabrication en pleine maturitéLe scénario : Nous avons un LIMS qui pousse les données de tests QC de la fabrication vers un entrepôt de données. Nous avons une poignée d'utilisateurs JMP. Nous souhaitons enfin introduire une approche systématique de la CPS et discutons de différentes stratégies pour y parvenir. L'une des choses qui sont apparues a été la déception de constater que nous ne sommes pas en mesure d'exploiter en gros notre système LIMS, mais que nous devrons très probablement extraire les données pour établir les tendances de l'entrepôt de données. Le fait que nous n'ayons pas eu de LIMS depuis longtemps a entraîné des sources de données relativement sales, nécessitant beaucoup de nettoyage. Pourtant, le nettoyage est nécessaire même avec les données provenant du LIMS en raison de changements divers et continus dans le système LIMS (de nouveaux produits nécessitant de nouveaux tests de contrôle de qualité sont introduits, des produits abandonnés et leurs tests de contrôle de qualité ne sont plus nécessaires, des noms de tests modifiés, de nouveaux types d'échantillons). , modifications de configuration, etc. etc.). Mon impression est que c'est exactement comme ça : les choses changent, les niveaux de maîtrise des données varient, la discipline des données n'est pas appliquée de manière rigide, les super utilisateurs du LIMS ne sont le plus souvent pas des utilisateurs d'entrepôts de données et souvent les choses se déroulent différemment que prévu.
L'un des commentaires clés d'un membre de l'équipe était le soupçon que les grandes sociétés pharmaceutiques sont bien mieux organisées en termes de données et la question a été posée de savoir si notre stratégie était potentiellement trop complexe (LIMS -> entrepôt de données -> outils d'analyse de données exploitant l'entrepôt de données). ).
Des questions:
- L'approche consistant à transférer les données du LIMS vers l'entrepôt de données et à les récupérer à nouveau à des fins d'analyse des tendances est-elle rare ?
- Les sources de données des grandes sociétés pharmaceutiques sont-elles en moyenne plus propres et mieux gérées que dans d’autres domaines de la fabrication ?
- Existe-t-il des approches standard « taille unique » pour arriver là où nous voulons arriver ?
- JMP n'est-il pas simplement un joyau en matière de connexion aux bases de données, d'automatisation et de SPC ?
- Comment publier au mieux des graphiques SPC sans recourir à JMP Live ?
- Quelles autres informations importantes puis-je transmettre à l’équipe ?
Merci beaucoup d'avance!
Ingénierie Qualité et ProcédésRe : Vous souhaitez des conseils sur la mise en œuvre du contrôle statistique des processus dans une organisation de fabrication en pleine maturitéPas de soucis, content que cela ait du sens. Je connais beaucoup de statisticiens qui ne comprennent pas la méthodologie.
Re : Vous souhaitez des conseils sur la mise en œuvre du contrôle statistique des processus dans une organisation de fabrication en pleine maturitéCela est parfaitement logique et extrêmement utile à savoir. Vous en aurez déjà conclu que je ne suis pas statisticien. Merci pour votre aide précieuse !Re : Vous souhaitez des conseils sur la mise en œuvre du contrôle statistique des processus dans une organisation de fabrication en pleine maturitéEt maintenant, vous avez découvert le plus grand défi que vous pourriez rencontrer… l’indifférence de la direction. Bien plus souvent que je ne l'aurais souhaité, j'ai travaillé avec des managers qui acceptaient volontiers les coûts d'une mauvaise qualité au détriment de l'éviter en premier lieu. Tous les sujets et problèmes que vous soulevez dans votre message d’origine ne sont rien en comparaison. Bonne chance.
Re : Vous souhaitez des conseils sur la mise en œuvre du contrôle statistique des processus dans une organisation de fabrication en pleine maturitéMes réponses :
"Par « structure causale », je suppose que vous entendez l’identification de causes attribuables ou spéciales. »
Pas exactement (sachez qu'il existe 2 modèles ; le modèle Shewhart sépare la variation en assignable et aléatoire et le modèle Deming sépare la variation en cause spéciale et cause commune. Bien qu'ils ne soient pas identiques), je veux dire comprendre les relations entre les variables d'entrée ( X) et les variables de réponse (Y) représentées symboliquement par Y=f(X). Le processus de compréhension de la structure causale commence par des hypothèses (celles-ci proviennent probablement d'ingénieurs et de scientifiques familiers avec le processus/produit). Ce sont des hypothèses et non des faits et sont souvent élaborées à la suite de remises en question du processus, d’observations, d’exploration de données, etc. Il devrait y avoir une multitude d’hypothèses. Une fois que vous avez un ensemble d’hypothèses, vous obtenez ensuite des données pour donner un aperçu de ces hypothèses. La manière dont vous obtenez les données est une décision importante. Si vous êtes en bas du continuum des connaissances, les hypothèses peuvent être assez générales. Cela suggère généralement un échantillonnage (composantes des études de variation) pour obtenir des indices sur où concentrer vos efforts. C'est l'intention de la CPS. Sur la base du peu d'informations fournies, votre processus semble être un processus par lots. Certaines questions que j'aurais incluses ; Dans quelle mesure le composant de mesure est-il performant et cohérent ? Est-il adéquat de distinguer les sources de variation à la fois au sein et entre les lots ? Quelle est la variation au sein du lot ? La variation au sein du lot est-elle cohérente ? Y a-t-il une variation systématique au sein du lot (par exemple, stratification) ? Quelle est la variation entre les lots ? Cette variation est-elle cohérente ? Comment ces sources de variation se comparent-elles les unes aux autres (par exemple, quel est l'ordre de classement de ces composantes) ?
Bien que les graphiques de plage mobile puissent donner un aperçu de la cohérence, ils ne font pas grand-chose pour séparer et attribuer les différentes composantes de la variation. Après tout, au fil du temps, tous les x changent au sein d'un sous-groupe dans un graphique à étendue mobile. Si, par contre, votre échantillonnage se compose de plusieurs lots, de plusieurs échantillons dans un lot et de plusieurs mesures du même échantillon, vous disposez de trois couches de composants qui peuvent être séparées. Voici un exemple d’arbre d’échantillonnage imbriqué :
Je suggère d'utiliser des hypothèses pour déterminer le nombre de couches que vous souhaitez dans votre arbre (par exemple, combien de composants souhaitez-vous séparer). KISS, c'est Keep It Simple and Sequential. Le but du premier plan d'échantillonnage est d'aider à développer un plan d'échantillonnage meilleur et plus spécifique dirigé par les données (comme peut-être une expérience).
Je vous suggère de lire ce qui suit pour avoir une meilleure idée de la méthodologie :
Wheeler, Donald et Chambers, David (1992) « Comprendre le contrôle statistique des processus » SPC Press (ISBN 0-945320-13-2)
Wheeler, Donald (2015) « Échantillonnage rationnel », Quality Digest
Wheeler, Donald (2015) « Sous-groupement rationnel », Quality Digest
Shewhart, Walter A. (1931) « Contrôle économique de la qualité des produits manufacturés » , D. Van Nostrand Co., NY
Re : Vous souhaitez des conseils sur la mise en œuvre du contrôle statistique des processus dans une organisation de fabrication en pleine maturitéEncore une fois, c'est très apprécié. J'avais pensé à mentionner Functional Data Explorer, car il correspond parfaitement à notre scénario de longs délais de fabrication par lots par rapport à un ensemble de tests de contrôle qualité différents caractérisant l'ensemble. Pourtant, le coût de JMP Pro est suffisamment élevé pour attirer l’attention de la direction, ce qui rend difficile la défense de l’investissement. Nous continuerons d’essayer, bien sûr.
Re : Vous souhaitez des conseils sur la mise en œuvre du contrôle statistique des processus dans une organisation de fabrication en pleine maturitéEncore quelques pensées pour vous. Je limiterai mes commentaires à vos déclarations : « Il n'est pas non plus clair si nous connaissons et comprenons pleinement toutes les sources de variation. Vraisemblablement, nous commencerons par interroger les ingénieurs de procédés pour connaître leurs opinions sur les sources individuelles de variation. , je pense que nous essaierions de contrôler ces sources de variation individuellement pour tester si nous sommes capables d'obtenir un résultat de processus plus cohérent, c'est-à-dire si les lots fabriqués en séquence deviennent plus similaires qu'ils ne le sont actuellement.
Interviewer des ingénieurs procédés est un bon début… mais rien ne peut remplacer les données. En travaillant dans la fabrication de lots de produits chimiques pendant des années, les mythes urbains prédominent parfois parce que quelqu'un (généralement un cadre supérieur) « l'a dit lorsque le lot s'est détérioré il y a quelque temps ». Dans mon entreprise, nous disposions souvent de systèmes de contrôle de processus machine avec lesquels nous pouvions télécharger les données de processus sur SAS ou JMP, puis utiliser des méthodes de modélisation pour essayer de découvrir la structure causale. Nous utiliserions beaucoup PLS et PCA. Cela fait quelques années que j'ai quitté l'industrie et maintenant, avec les fonctionnalités Gen Reg et Functional Data Explorer de JMP Pro... ça me donne presque envie de prendre ma retraite ! Je suggère donc d’utiliser ces méthodes si vous en avez l’occasion.
Re : Vous souhaitez des conseils sur la mise en œuvre du contrôle statistique des processus dans une organisation de fabrication en pleine maturité@statman , merci pour vos questions ! Ces questions sont très utiles.
Par « structure causale », je suppose que vous entendez l'identification de causes attribuables ou spéciales. Dans notre cas, la fabrication d’un seul lot peut prendre beaucoup de temps. Chaque lot est soumis à un programme de tests complet, aboutissant à un certain nombre de résultats de mesure que nous supposons pour l'instant représentatifs de la véritable qualité de chaque lot.
Personnellement, je ne pense pas que nous ayons encore de raison de regrouper les données de plusieurs lots en sous-groupes rationnels. Nous ne verrions probablement que beaucoup de variations au sein de chaque sous-groupe et n'aurions que peu de données à tracer le long de l'axe horizontal. Nous ne pensons donc pour l'instant qu'à des graphiques de plage individuels et mobiles, car ce que nous essayons de comprendre ou d'apprendre, c'est ce qui provoque les variations de qualité d'un lot à l'autre.
Il n’est pas non plus certain que nous connaissions et comprenions pleinement toutes les sources de variation. Vraisemblablement, nous commencerons par interroger les ingénieurs de procédés pour connaître leurs réflexions sur les sources individuelles de variation. Ensuite, je pense que nous essaierons de contrôler ces sources de variation individuellement pour tester si nous sommes capables d'obtenir un résultat de processus plus cohérent, c'est-à-dire si les lots fabriqués en séquence deviennent plus similaires qu'ils ne le sont actuellement. En conséquence, nous devrons probablement définir différentes phases dans ces cartes de contrôle, associées aux différentes initiatives visant à contrôler les différentes sources de variation. J'imagine que documenter ces phases peut être problématique : Comment les appeler / faut-il une nomenclature spécifique ? Où/comment les consigner et les documenter pour la postérité ?
Dans l’état actuel des choses, nous n’avons pas d’autre choix que d’examiner les données après que « l’événement de cause spéciale » s’est produit et – comme mentionné ci-dessus – nous avons peu ou pas de compréhension de ce que sont les causes spéciales spécifiques dans chaque cas.
Ces réponses sont-elles adéquates à vos questions ou est-ce que j'oublie quelque chose ?
À quoi d’autre suggérez-vous de penser ?
Re : Vous souhaitez des conseils sur la mise en œuvre du contrôle statistique des processus dans une organisation de fabrication en pleine maturitéVoici mes réflexions/questions :
SPC est un outil analytique. Afin de l’utiliser correctement, vous devez comprendre les stratégies rationnelles de sous-groupement et d’échantillonnage. La manière dont vous obtenez les données est une décision très importante.
« L’ingénieur qui réussit à diviser initialement ses données en sous-groupes rationnels basés sur des théories rationnelles s’en sort donc intrinsèquement mieux à long terme. . .»
Shewhart
Le SPC et la méthode des cartes de contrôle ont été inventés (Shewhart) pour répondre à 2 questions :
1. La variation associée aux sources de variation au sein du sous-groupe (les x variant au sein du sous-groupe) est-elle stable et cohérente ? Si non, pourquoi pas ? Ceci est cohérent avec le modèle de cause spéciale/cause commune de Deming. Si vous examinez des données après que « l’événement » de cause spéciale s’est produit, vous manquez l’occasion d’en savoir plus sur ce qui s’est passé en temps réel.
2. Quelles sources de variation ont le plus grand effet de levier (sont dominantes), l’intérieure ou l’entre-deux ? Le graphique à barres X est un graphique de comparaison. Il compare la variation due aux sources de variation au sein des sous-groupes (les limites de contrôle) aux sources de variation entre les sous-groupes (les moyennes tracées). Cela aide l’enquêteur à comprendre sur quoi concentrer son travail.
Dans cet esprit, je ne suis pas sûr de ce que vous essayez de faire ? Il semble que vous souhaitiez tracer des données et les rendre visibles au plus grand nombre. Ce n’est pas une mauvaise idée, mais cela ne constitue qu’une partie de l’objectif recherché du CPS. L'objectif du SPC était de comprendre la structure causale (analyse).
Re : Vous souhaitez des conseils sur la mise en œuvre du contrôle statistique des processus dans une organisation de fabrication en pleine maturitéVoici mes sept cents (un pour chaque question et une pensée bonus :
1. Non. Au cours de mon mandat d'ingénieur système senior chez JMP auprès de nombreux utilisateurs de grandes sociétés pharmaceutiques, il s'agit d'un chemin de données courant.
2. Non. C'est toujours « sale » et le nettoyage et la surveillance des données représentent une grande partie du travail.
3. Non.
4. OMI, JMP est de classe mondiale.
5. Il y a toujours JMP Public ou la création d'une application de tableau de bord dans laquelle vous contrôlez en interne qui a un accès en lecture/écriture.
6. Commencez la conception de votre système en gardant l’objectif final à l’esprit. Ensuite, faites de l'ingénierie inverse sur l'acquisition, le nettoyage, le reporting et la distribution des données.
Pensée bonus : au risque de faire travailler l'ingénieur système JMP de votre équipe commerciale, engagez cette personne avec ces questions pour choisir son cerveau. Qui sait... peut-être y aura-t-il même un client JMP qui serait également disposé à vous parler.
