QUESTA STORIA È STATA APPROVATA DAL CLIENTE PER LA PUBBLICAZIONE ESTERNA. PER FAVORE, SENTITI LIBERO DI CONDIVIDERE! >> Leggilo qui su JMP.com
Un nuovo approccio alla modellazione della capacità sposta una fabbrica TI dalla convalida reattiva al monitoraggio proattivo
Un'intervista con l'ingegnere industriale di Texas Instruments Michelle Beauchemin
Strumenti texani (TI) è un'azienda leader nel settore dei semiconduttori con sede negli Stati Uniti. Con oltre 80.000 prodotti di chip di elaborazione analogici e integrati, TI dispone di uno dei portafogli di semiconduttori più completi al mondo. La capacità produttiva interna dell'azienda ha supportato decenni di crescita.
L'ingegnere industriale Michelle Beauchemin è entrata in TI nel 2015 come ingegnere di processo. Dopo essere passata al suo attuale ruolo nell'ingegneria industriale, ha individuato l'opportunità di espandere l'uso di strumenti statistici e di automazione per promuovere miglioramenti significativi presso lo stabilimento TI di South Portland, nel Maine.
Michelle ha incontrato Meg Hermes, Customer Alliance Manager di JMP, durante il Discovery Summit Americas del 2023 a Palm Springs, California.
Meg: Hai detto che hai utilizzato JMP fin dal tuo primo giorno in Texas Instruments.
Michelle: In quel ruolo mi occupavo principalmente di esplorazione dei dati e di un po' di lavoro DOE, anche se all'epoca non avevo una conoscenza completa di JMP o di cosa potesse fare. È stato solo quando sono passato al ruolo di ingegnere industriale, circa un anno fa, che ho deciso di immergermi davvero e imparare.
C'era anche un progetto specifico su cui volevo lavorare: convalidare parte del nostro modello di capacità. All'inizio sembrava che le mie opzioni sarebbero state Excel o Spotfire, ma non avrebbe funzionato. JMP si adattava a ogni mia esigenza di rendere quel progetto personalizzabile.
Avendo la necessità e il caso d'uso di JMP, mi sono tuffato a capofitto. Sono passati molti giorni da quando non ho nemmeno aperto Excel, cosa che non avrei potuto immaginare se me lo avessi chiesto un anno fa! Adesso mi affido a JMP per quasi tutto.
Meg: Allora, parlami della convalida del modello. Come è iniziato tutto?
Michelle: Il nostro modello di capacità, che attualmente è un modello Excel, si basa sulla velocità di elaborazione di diversi strumenti. Ogni set di strumenti esegue una varietà di ricette e memorizziamo i dati di velocità e produttività (essenzialmente parti all'ora) per ciascuna ricetta per ciascun set di strumenti. Questi valori di throughput cambiano nel tempo, sia che sia il risultato del degrado dello strumento stesso o perché abbiamo apportato una modifica intenzionale e il modello non è più accurato se non lo manteniamo aggiornato man mano che i processi effettivi cambiano. E a volte aggiungiamo nuove ricette e quindi dobbiamo documentare anche quelle velocità.
In sostanza, è molto difficile documentare ogni cambiamento per tutto ciò che accade – e assicurarsi che il modello abbia sempre i valori giusti. Calcolare storicamente la produttività di ciascuna ricetta per le effettive esecuzioni del processo, quindi prendere tali informazioni e tracciare le distribuzioni per ricetta, mi consente di vedere le variazioni nel tempo e nell'intero set di dati.
È importante includere un volume elevato di dati di elaborazione storici durante il processo di convalida del throughput per essere sicuri di acquisire lo strumento alle migliori prestazioni possibili, non solo alle prestazioni medie. In altre parti del modello vengono modellate anche le inefficienze. Ma se si combina la velocità media del processo con le inefficienze note, si contano due volte le inefficienze. È sempre necessaria una certa quantità di revisione manuale per assicurarsi di non includere esecuzioni errate o non standard. E poi esaminare metodicamente ogni ricetta per scegliere dove tracciare la linea di ciò che vogliamo modellare. Lo scripting in JSL mi ha permesso di automatizzare il processo di gestione dei dati e di costruzione dei risultati in un dashboard interattivo e posso ripetere il processo per qualsiasi set di strumenti con solo pochi minuti di configurazione dello script.
Per prima cosa ho eseguito questa convalida per un set di strumenti e ha rivelato che avevamo molte più capacità di quanto pensassimo. Non avevamo bisogno di investire così tante risorse nel miglioramento della produttività come pensavamo. E potrei dimostrarlo ai team di ingegneria industriale e di processo con i dati.
Essere in grado di eseguire il backup dei dati di convalida del throughput con visualizzazioni convincenti è davvero di grande impatto perché aggiornare i numeri rappresenta un grande cambiamento. Devi convincere un sacco di gente.
Meg: Che impatto ha una scoperta del genere sull'azienda?
Michelle: Prima di aggiornare i numeri, stavamo pianificando di dedicare tempo e risorse per aumentare urgentemente la capacità di quel set di strumenti. E ottenere il consenso del nostro management per adattare la capacità modellata in base all'analisi della produttività ci ha permesso di allocare tali risorse verso progetti di miglioramento di maggiore impatto. Non dovevamo intraprendere quel percorso di cambiamento del processo che avrebbe potuto incidere sulla qualità.
Quindi è stata una decisione importante. Dovevo sentirmi sicuro di dire: "Sulla base di questa analisi, abbiamo capacità sufficiente per eseguire il mix di avvii pianificato senza apportare modifiche a questo processo".
Meg: Cosa hai fatto per assicurarti che anche il tuo management condividesse quella fiducia nella decisione?
Michelle: Ho iniziato condividendo la mia analisi con gli ingegneri di processo e il manager del gruppo con quel set di strumenti. È un grande sostenitore di JMP. È molto abile nello scripting, molto basato sui dati. Quindi era interessato a vedere cosa avevo presentato. Comprende il valore di costruire l'analisi a partire dai dati del processo storico, ed è il mio sostenitore in questo senso. Ha detto: “Questo ha molto senso. Questo è veramente buono. Dovresti continuare a farlo.
E mi sono fidato abbastanza di lui da adattare il mio approccio in base al suo feedback. Ad esempio, voleva esaminare un modello di carico diverso prima di prendere una decisione e quando sono tornato con quei dati abbiamo modificato i nostri numeri.
Avere il suo sostegno al progetto, sostenere che fosse mostrato a un pubblico più ampio e avere l'opportunità di presentarlo al management è stato davvero vantaggioso. Quel pubblico più ampio ha visto anche l’opportunità di espandere questo tipo di analisi ad altri set di strumenti e ad un utilizzo più ampio.
Meg: È così importante avere un sostenitore. Può fare la differenza, davvero.
Michelle: È stato davvero incoraggiante avere il supporto del management a tutti i livelli per dare ulteriore impulso al lavoro che stavo svolgendo. Hanno capito molto rapidamente il valore e lo hanno sostenuto.
Meg: Tutti noi vogliamo lavorare per un'azienda del genere! Sento persone dire continuamente "La nostra leadership è molto tradizionale" ed è stimolante sentire come TI abbia sostenitori dell'analisi a tutti i livelli dell'azienda. Questo è ciò che spinge avanti l'innovazione.
Michelle: Il sostegno e il supporto che ho ricevuto dai manager da quando ho condiviso per la prima volta la mia analisi mi hanno concesso il tempo e lo spazio per continuare a lavorare su questo progetto e continuare a progredire ed espanderlo.
Ho ricevuto richieste da diverse persone di ripetere l'analisi per altri set di strumenti quando arriva il momento di valutare la capacità. Adesso si chiedono: “Possiamo validare il modello?” È stato davvero bello ricevere fiducia quando sono tornato nel team con un'analisi che dice: "Il modello è corretto" o "Dobbiamo svolgere alcune attività per aumentare la capacità di questo set di strumenti".
Ho i dati per sostenere visivamente questa conclusione e anche la fiducia nel mio processo. Per non parlare del fatto che penso che le persone si fidino dell'analisi quando vedono i grafici JMP. La condivisione dei dati in quel formato guadagna fiducia.
Meg: Qual è l'obiettivo finale per la convalida del modello su larga scala e come ci si arriva?
Michelle: L'obiettivo finale è avere qualcosa che esegua il monitoraggio oltre alla convalida.
Devo creare uno strumento di convalida che qualcuno diverso da me possa utilizzare, perché in questo momento posso usarlo, ma potrebbero esserci alcune ipotesi che sto facendo o incertezze [di cui posso tenere conto] poiché so come è costruito. Voglio creare alcuni strumenti per aiutare altri utenti a identificare quali punti guardare, quali punti escludere e come comprendere la differenza tra i due.
Da quel momento in poi, si tratta di un monitoraggio continuo per rilevare i cambiamenti di throughput quando si verificano, piuttosto che di una convalida che esamina i dati storici.
Meg: Un cambiamento completo di mentalità, da reattiva a proattiva. È davvero emozionante.
Michelle: È. Mi sento davvero fortunato di aver avuto una buona quantità di tempo per costruire qualcosa da poter dimostrare per ottenere il consenso. Ora è come: “Okay, questo è il tuo progetto. Hai carta bianca per lavorare su questo quando ne hai bisogno.
Adoro lavorarci sopra! È strano lavorare su qualcosa nel mio lavoro e fermarmi a pensare “Non dovrei farlo. Lo adoro troppo! Qualcosa deve essere sbagliato. Ma poi ti rendi conto: “No, questo è esattamente quello che dovrei fare”.
Meg: Hai il lavoro dei tuoi sogni, tutto perché hai preso un'idea e l'hai portata avanti! Questa storia dovrebbe ispirare altre persone a migliorare le proprie competenze in materia di dati ed esplorare cosa è possibile fare quando si mette sul tavolo un po’ più di potere statistico.
Michelle: Questo è certamente l'obiettivo. Abbiamo organizzato un evento JMP Inspire presso la nostra fabbrica del Maine e mi è piaciuto molto poter aiutare a pianificare l'evento e portarlo nella mia fabbrica per mostrare a tutti: “Stai utilizzando JMP per piccole cose qua e là. Ma ti sei reso conto di tutte le altre cose che puoi farci?"
Desidero incoraggiare tutti coloro che lavorano nella mia sede a utilizzare JMP per scopi per cui non pensavano di utilizzarlo in precedenza. Prova a passare un paio di giorni senza aprire Excel! Porta tutto in JMP e provalo.
E devo dire che JMP rende semplicissimo iniziare con lo scripting. Una volta che rompi quella barriera di intimidazione e vedi quanto può fare una sceneggiatura, si aprono tantissime possibilità. Spero di poter incoraggiare altri ad avere la stessa realizzazione.
Meg: Hai menzionato l'evento JMP Inspire e sono sicura che TI offra anche altre opportunità di formazione JMP. Ma la formazione richiede un investimento di tempo significativo. Che argomentazione ritieni al management secondo cui la formazione vale il tempo degli ingegneri?
Michelle: Il nostro management è già molto favorevole a JMP e all'utilizzo delle statistiche, quindi non lo vedo come un "caso" ma piuttosto "ecco un'opportunità di cui le persone possono essere entusiaste".
Usiamo così tanto JMP, anche solo per la visualizzazione, che è quindi molto visibile al management. C'è molto supporto dall'alto verso il basso per imparare e diventare più esperti con JMP e per aggiornare i nuovi assunti.
Questa settimana al Discovery Summit ho sentito molto parlare di "creazione di una cultura di alfabetizzazione dei dati". Ma penso che Texas Instruments sia già lì. La sfida che abbiamo non è introdurre l’analisi, ma assicurarci di mantenere [l’equilibrio ottimale tra dominio e conoscenza statistica]. Quando le persone vanno in pensione, non vogliamo perdere le conoscenze tecniche che possiedono.
Quando sei appena agli inizi della tua carriera e senti la gente parlare di analisi, non ne capisci appieno l'applicazione tecnica. È facile ripetere le parole d'ordine senza capirne il nocciolo. Quindi penso che la sfida che abbiamo davanti sia reintrodurre la vera conoscenza tecnica come fondamento dell’alfabetizzazione dei dati. Ho molta strada da fare per sviluppare la mia conoscenza statistica e il Discovery Summit mi ha aiutato a evidenziare quanto sia importante continuare su questa strada.
Meg: Ognuno si trova in una posizione diversa nel percorso di maturità dell'analisi. Potresti essere più avanti e ciò non significa che non ci siano sfide: sono solo sfide diverse.
Michelle: Mi risulta anche che alcune aziende dispongono di statistici o analisti di dati che sono lì per consultare e aiutare a costruire esperimenti e analizzare i risultati. Non è in alcun modo ciò che facciamo. Tutti in TI sono responsabili della propria progettazione e analisi sperimentale. Dobbiamo tutti avere un livello di comprensione di base per poter svolgere le nostre attività quotidiane.
Questo non vuol dire che non abbiamo esperti: li abbiamo sicuramente. Disponiamo di esperti statistici che sono felici di consigliarti e aiutarti in caso di domande, ma non sono designati a questo ruolo. Si tratta di un ingegnere di processo o di un manager che ha anche molta esperienza in statistica.
Meg: Questa struttura consente di aumentare la capacità statistica dell'intera organizzazione.
Michelle: C'è moltissimo supporto da parte della direzione di TI per l'analisi nel nostro sito. E spero di poter contribuire a sostenere quella cultura dell'analisi, venendo al Discovery Summit e poi riportando ciò che ho imparato nella fabbrica, per supportare i miei colleghi e dare loro la fiducia necessaria per provare qualcosa di nuovo. Avevamo solo bisogno di motivare le persone ad approfondire JMP e penso che porterà molti risultati.
Meg: Puoi darmi un esempio di dove ritieni che ci sia un'opportunità per ottenere più valore da JMP?
Michelle: L’automazione è una cosa importante. Non ho ancora giocato molto con Workflow Builder, ma vedo molte opportunità per coloro che desiderano automatizzare le proprie attività ma non si sentono a proprio agio con gli script. Tutti noi facciamo analisi ripetitive e alcune persone semplicemente non sono consapevoli di quanto potrebbe essere facile automatizzare tali attività, a partire da Workflow Builder.
Una volta automatizzato un progetto, inizi a vedere ovunque potresti utilizzare l'automazione, e questo è davvero entusiasmante. Ho provato quella sensazione mentre automatizzavo la validazione del modello su cui sto lavorando ora. Non appena ho iniziato, ho pensato: "Oh mio Dio, non vedo l'ora di farlo per tutti gli altri progetti a cui sto lavorando!"
Meg: Da dove viene la tua passione? Cosa ti ispira ad affrontare il tuo lavoro con così tanta energia?
Michelle: Giorno per giorno, adoro davvero programmare. Ma al di fuori della quotidianità, mi sento davvero appassionato della fabbrica. Sono cresciuto mezz'ora a sud di [TI fab] e ogni volta che passavo in autostrada, vedevo il cartello. Quando ero alle medie, ho visitato la fabbrica come parte di un campo estivo e ho pensato: "Voglio lavorare qui". E ora lo faccio!
Quando ricopri un ruolo di ingegneria di processo, può essere difficile vedere il quadro più ampio perché sei così concentrato su ciò che sta accadendo in questo momento; "Devo far muovere tutto", "Devo far passare questa qualifica" o qualcosa del genere. Ma passando all'ingegneria industriale, ho ritrovato quella scintilla; "Adoro questa fabbrica."
Sentire di avere un ruolo nella fabbrica nel modo in cui lo faccio è incredibilmente emozionante. Adoro vedere il quadro più ampio del successo della fabbrica e sentirmi parte di una comunità più grande.
Meg: ho capito! La penso allo stesso modo nei confronti di JMP e della comunità che abbiamo qui, composta da persone appassionate nell'utilizzo dei dati per risolvere i problemi.
Michelle: Stavo parlando con il mio collega proprio la settimana scorsa, chiedendo: “Ti piace fare puzzle perché ti piace il risultato finale? Oppure ti piace fare i puzzle perché ti piace mettere insieme i pezzi?" E la sua risposta è stata: "Oh, mi piace vedere il risultato finale".
Ho pensato: per me non è necessariamente il risultato finale. Mi piace la ricerca e la ricompensa che ottieni quando trovi quel piccolo pezzo, e per me è molto simile alla programmazione. Hai un'idea di qualcosa che vuoi fare. Inizi con solo un paio di righe. Provalo e forse non funziona. Forse devi rivedere qualcosa e poi funziona. E poi questo è solo un passo nel processo.
Traggo gioia da ogni piccola scoperta e successo lungo il percorso. Il processo di creazione è altrettanto emozionante quanto la creazione che realizzi alla fine. Ho la fortuna di essere coinvolto sia nel processo che nel condividere il risultato e vedere cosa fa.
