Desideri consigli sull'implementazione del controllo statistico dei processi in un'organizzazione manifatturiera in fase di maturazioneLo scenario : disponiamo di un LIMS che invia i dati dei test QC dalla produzione a un data warehouse. Abbiamo una manciata di utenti JMP. Vogliamo finalmente introdurre un approccio sistematico all'SPC e stiamo discutendo diverse strategie su come farlo. Una delle cose che è emersa è stata la delusione per il fatto che non siamo in grado di attingere all'ingrosso al nostro sistema LIMS, ma molto probabilmente dovremo estrarre i dati per l'andamento dal data warehouse. Il fatto che non disponiamo di LIMS da molto tempo ha comportato origini dati relativamente sporche, che richiedono molta pulizia. Tuttavia, la pulizia è necessaria anche con i dati provenienti dal LIMS a causa dei vari e continui cambiamenti nel sistema LIMS (vengono introdotti nuovi prodotti che richiedono nuovi test QC, i prodotti fuori produzione e i relativi test QC non sono più necessari, il cambiamento dei nomi dei test, nuovi tipi di campioni , modifiche alla configurazione, ecc. ecc.). La mia impressione è che le cose stiano proprio così: le cose cambiano, i livelli di alfabetizzazione dei dati variano, la disciplina dei dati non è applicata rigidamente, i super utenti LIMS molto spesso non sono utenti di data warehouse e spesso le cose semplicemente funzionano in modo diverso da quanto previsto.
Un commento chiave di un membro del team è stato il sospetto che Big Pharma sia molto meglio organizzata in termini di dati e ci è stato chiesto se la nostra strategia sia potenzialmente troppo complessa (LIMS --> data warehouse --> strumenti di analisi dei dati che attingono al data warehouse ).
Domande:
- L'approccio di spingere i dati dal LIMS al data warehouse e recuperarli nuovamente da lì per l'analisi delle tendenze è raro?
- Le fonti di dati nelle Big Pharma sono in media più pulite e gestite meglio rispetto ad altri settori della produzione?
- Esistono approcci standard "one size fits all" per arrivare dove vogliamo arrivare?
- JMP non è semplicemente un gioiello quando si tratta di connessione a database, automazione e SPC?
- Come pubblicare al meglio i grafici SPC senza ricorrere a JMP Live?
- Quali altre informazioni importanti posso fornire al team?
Grazie mille in anticipo!
Ingegneria della qualità e dei processiRi: Desideri consigli sull'implementazione del controllo statistico dei processi in un'organizzazione manifatturiera in fase di maturazioneNessun problema, felice che abbia senso. Conosco molti statistici che non capiscono la metodologia.
Ri: Desideri consigli sull'implementazione del controllo statistico dei processi in un'organizzazione manifatturiera in fase di maturazioneQuesto ha perfettamente senso ed è estremamente utile saperlo. Avrai già concluso che non sono uno statistico. Grazie per il tuo prezioso aiuto!Ri: Desideri consigli sull'implementazione del controllo statistico dei processi in un'organizzazione manifatturiera in fase di maturazioneE ora hai scoperto la sfida più grande che potresti incontrare... l'indifferenza del management. Molto più spesso di quanto avrei voluto, ho lavorato con manager che accettano volentieri i costi di una scarsa qualità a costo di evitarla in primo luogo. Tutti gli argomenti e le questioni che sollevi nel tuo post originale impallidiscono al confronto. Buona fortuna.
Ri: Desideri consigli sull'implementazione del controllo statistico dei processi in un'organizzazione manifatturiera in fase di maturazioneLe mie risposte:
"Per "struttura causale", presumo che tu intenda l'identificazione di cause assegnabili o speciali."
Non esattamente (renditi conto che ci sono 2 modelli; il modello di Shewhart separa la variazione in assegnabile e casuale e il modello di Deming separa la variazione in causa speciale e causa comune. Sebbene siano sinonimi, non sono identici), intendo comprendere le relazioni tra le variabili di input ( X) e variabili di risposta (Y) rappresentate simbolicamente da Y=f(X). Il processo di comprensione della struttura causale inizia con ipotesi (probabilmente formulate da ingegneri e scienziati che hanno familiarità con il processo/prodotto). Queste sono ipotesi non fatti e sono spesso sviluppate come risultato di domande sul processo, osservazione, data mining, ecc. Dovrebbero esserci una moltitudine di ipotesi. Una volta che hai una serie di ipotesi, ottieni dati per fornire informazioni su tali ipotesi. Il modo in cui ottieni i dati è una decisione importante. Se sei basso nel continuum della conoscenza, le ipotesi potrebbero essere abbastanza generali. Questo di solito suggerisce il campionamento (componenti degli studi sulle variazioni) per ottenere indizi su dove concentrare i propri sforzi. Questo è l'intento dell'SPC. Sulla base delle poche informazioni fornite, il processo sembra essere un processo batch. Alcune domande che avrei incluso; Quanto è capace e coerente la componente di misurazione? È adeguato discriminare le fonti di variazione sia all’interno che tra i lotti? Quanta variazione c'è all'interno del lotto? La variazione all'interno del lotto è coerente? C'è qualche variazione sistematica all'interno del lotto (ad esempio, stratificazione)? Quanta variazione c'è tra i lotti? Questa variazione è coerente? Come si confrontano tra loro queste fonti di variazione (ad esempio, qual è l'ordine di classificazione di questi componenti)?
Sebbene i grafici dell'intervallo mobile possano fornire informazioni sulla coerenza, fanno ben poco per separare e assegnare le diverse componenti della variazione. Dopotutto, nel tempo, tutte le x cambiano all'interno del sottogruppo in un grafico a intervallo mobile. Se invece il campionamento è composto da più lotti, più campioni all'interno del lotto e più misure dello stesso campione, si hanno tre strati di componenti che possono essere separati. Ecco un esempio di un albero di campionamento nidificato:
Suggerisco di utilizzare ipotesi per determinare quanti strati vuoi nel tuo albero (ad esempio, quanti componenti vuoi separare). KISS, ovvero Keep It Simple and Sequential. Lo scopo del primo piano di campionamento è quello di aiutare a sviluppare un piano di campionamento migliore e più specifico diretto dai dati (come forse un esperimento).
Ti suggerisco di leggere quanto segue per avere un'idea migliore della metodologia:
Wheeler, Donald e Chambers, David (1992) " Capire il controllo statistico dei processi " SPC Press (ISBN 0-945320-13-2)
Wheeler, Donald (2015) “Campionamento razionale”, Quality Digest
Wheeler, Donald (2015) “Sottogruppi razionali”, Quality Digest
Shewhart, Walter A. (1931) “Controllo economico della qualità del prodotto fabbricato” , D. Van Nostrand Co., NY
Ri: Desideri consigli sull'implementazione del controllo statistico dei processi in un'organizzazione manifatturiera in fase di maturazioneAncora una volta, questo è molto apprezzato. Avevo pensato di menzionare Functional Data Explorer, poiché si adatta perfettamente al nostro scenario di lunghi tempi di produzione in lotti rispetto a una serie di diversi test di controllo qualità che caratterizzano l'intero lotto. Tuttavia, il costo di JMP Pro è sufficientemente elevato da attirare l'attenzione del management, rendendo difficile difendere l'investimento. Continueremo a provarci, ovviamente.
Ri: Desideri consigli sull'implementazione del controllo statistico dei processi in un'organizzazione manifatturiera in fase di maturazioneAncora qualche pensiero per te. Terrò i miei commenti limitati alle tue affermazioni: " Non è inoltre chiaro se conosciamo e comprendiamo appieno tutte le fonti di variazione. Presumibilmente, inizieremo intervistando gli ingegneri di processo su quali siano i loro pensieri sulle singole fonti di variazione. Successivo , Penso che dovremmo provare a controllare queste fonti di variazione individualmente per verificare se siamo in grado di ottenere un risultato del processo più coerente, vale a dire se i lotti prodotti in sequenza diventano più simili di quanto lo siano adesso."
Intervistare gli ingegneri di processo è un buon inizio... ma nulla può sostituire i dati. Lavorando per anni nella produzione di lotti di prodotti chimici, a volte prevalgono le leggende metropolitane perché qualcuno (di solito una persona anziana) "lo ha detto quando il lotto è andato a male qualche tempo fa". Nella mia azienda avevamo spesso sistemi di controllo dei processi delle macchine che potevano scaricare i dati di processo su SAS o JMP e quindi utilizzare metodi di modellazione per cercare di individuare la struttura causale. Utilizzeremmo molto PLS e PCA. Sono passati alcuni anni da quando ho lasciato l'industria e ora con le funzionalità Gen Reg e Functional Data Explorer di JMP Pro... ragazzi, mi viene quasi voglia di andare in pensione! Quindi suggerisco di utilizzare questi metodi se ne hai l'opportunità.
Ri: Desideri consigli sull'implementazione del controllo statistico dei processi in un'organizzazione manifatturiera in fase di maturazione@statman , grazie per le tue domande! Queste domande sono molto utili.
Per "struttura causale", presumo che tu intenda l'identificazione di cause assegnabili o speciali. Nel nostro caso, la produzione di un singolo lotto può richiedere molto tempo. Ogni lotto è soggetto a un programma di test completo, che produce una serie di risultati di misurazione che per ora presumiamo rappresentativi della reale qualità di ciascun lotto.
Personalmente, non penso che abbiamo ancora alcun motivo per raggruppare i dati di più lotti in sottogruppi razionali. Probabilmente vedremmo solo molte variazioni all'interno di ciascun sottogruppo e avremmo pochi dati da tracciare lungo l'asse orizzontale. Quindi per ora pensiamo solo ai grafici individuali e agli intervalli mobili, poiché ciò che stiamo cercando di capire o imparare è ciò che causa variazioni di qualità da un lotto a quello successivo.
Non è inoltre chiaro se conosciamo e comprendiamo appieno tutte le fonti di variazione. Presumibilmente, inizieremo intervistando gli ingegneri di processo su quali siano i loro pensieri sulle singole fonti di variazione. Successivamente, penso che dovremmo provare a controllare queste fonti di variazione individualmente per verificare se siamo in grado di ottenere un risultato del processo più coerente, cioè se i lotti prodotti in sequenza diventano più simili di quanto non lo siano ora. Di conseguenza, probabilmente sarà necessario definire diverse fasi in queste carte di controllo, associate alle diverse iniziative mirate al controllo delle singole fonti di variazione. Immagino che documentare queste fasi possa essere problematico: come chiamarle/è necessaria una nomenclatura specifica? Dove/come registrarli e documentarli per i posteri?
Allo stato attuale delle cose, non abbiamo altra scelta che guardare i dati dopo che si è verificato l'"evento causa speciale" e, come accennato in precedenza, abbiamo poca o nessuna comprensione di quali siano le cause speciali specifiche in ciascun caso.
Sono risposte adeguate alle tue domande o sto trascurando qualcosa?
Cos'altro suggerisci di pensare?
Ri: Desideri consigli sull'implementazione del controllo statistico dei processi in un'organizzazione manifatturiera in fase di maturazioneEcco i miei pensieri/domande:
L'SPC è uno strumento analitico. Per usarlo correttamente, è necessario comprendere le strategie di sottoraggruppamento e campionamento razionali. Il modo in cui ottieni i dati è una decisione molto importante.
“L’ingegnere che riesce inizialmente a dividere i suoi dati in sottogruppi razionali basati su teorie razionali si trova quindi intrinsecamente meglio a lungo termine. . .”
Shewhart
L'SPC e il metodo della carta di controllo sono stati inventati (Shewhart) per rispondere a 2 domande:
1. La variazione associata alle fonti di variazione all'interno del sottogruppo (la variazione delle x all'interno del sottogruppo) è stabile e coerente? Se no, perché no? Ciò è coerente con il modello Causa speciale/causa comune di Deming. Se stai guardando i dati dopo che si è verificato l'evento "causa speciale", stai perdendo l'opportunità di conoscere cosa è successo in tempo reale.
2. Quali fonti di variazione hanno maggiore influenza (sono dominanti), all'interno o nel mezzo? Il grafico X-bar è un grafico comparativo. Confronta la variazione dovuta alle fonti di variazione all'interno dei sottogruppi (i limiti di controllo) con le fonti di variazione tra i sottogruppi (le medie tracciate). Aiuta l'investigatore a capire dove concentrare il proprio lavoro.
Con questo in mente, non sono sicuro di cosa stai cercando di fare? Sembra che tu sia interessato a tracciare i dati e renderli visibili a molti. Questa non è una cattiva idea, ma è solo una parte dello scopo previsto da SPC. Ciò che SPC avrebbe dovuto fare era comprendere la struttura causale (analisi).
Ri: Desideri consigli sull'implementazione del controllo statistico dei processi in un'organizzazione manifatturiera in fase di maturazioneEcco i miei sette centesimi (uno per ogni domanda e un pensiero bonus:
1. No. Durante il mio mandato come ingegnere di sistema senior JMP con molti utenti in Big Pharma questo è un percorso dati comune.
2. No. È sempre "sporco" e la pulizia e la sorveglianza dei dati rappresentano una parte importante del lavoro.
3. No.
4. Secondo l'IMO, JMP è di livello mondiale.
5. C'è sempre JMP Public o la creazione di un'applicazione Dashboard in cui controlli internamente chi ha accesso in lettura/scrittura.
6. Inizia la progettazione del tuo sistema pensando alla fine. Quindi decodifica l'acquisizione, la pulizia, il reporting e la distribuzione dei dati.
Pensiero bonus: a rischio di dover lavorare per l'ingegnere di sistema JMP del tuo team di vendita, coinvolgi quella persona con queste domande per rispondere alle sue domande. Chissà... forse c'è anche un cliente JMP che sarebbe disposto a parlare anche con te.
