Im Zentrum industrieller Prozesse werden immer mehr Daten erfasst und gespeichert. Diese Daten spiegeln das Prozessverhalten wider, und die Identifizierung ihres Inhalts in Echtzeit ist der Schlüssel zum Erfolg.
Anhand einer Fallstudie auf Basis meteorologischer Daten werden alle notwendigen Schritte behandelt, um die Wirkung industrieller Daten zu maximieren und Entscheidungen möglichst nah am Prozess zu treffen.
Die Verwendung einer REST-API oder eines Datenbankzugriffs zum Abrufen von Echtzeitinformationen ist daher unerlässlich. In diesem Fall wird die HTTP-Anfrage verwendet, um regelmäßig die nächste siebentägige Wettervorhersage für Manchester hochzuladen. Nach der automatischen Datenaufbereitung durch JSON-Parsing zur Definition der Spezifikationsgrenzen werden anschließend automatisch JMP Live-Berichte generiert. Diese Berichte können interaktive Grafiken oder statistische Überwachungstools wie Regelkarten enthalten. Diese SPC-Überwachung folgt einer Reihe von Einschränkungen, die mit dem Designraum der Wetterakzeptanz verknüpft sind, und beinhaltet Alarme bei Abweichungen. Diese Alarme benachrichtigen alle Beteiligten per E-Mail über Abweichungen, damit sie entsprechend reagieren können. Auf diese Weise ist die gesamte SPC-Kette aus Datenzugriff, Datenaufbereitung, Berichten, Regelkarten-Updates und Live-Kommunikation in JMP Live vollständig automatisiert.
Hallo zusammen und willkommen zu dieser Präsentation mit dem Titel „Sollte ich meinen Regenschirm nach Manchester mitnehmen? Analogie zur Prozessüberwachung“. Ich bin Florence Kussener. Ich bin Principal Systems Engineer bei JMP und bin vor 12 Jahren zu JMP in Frankreich gekommen.
Zu diesem Thema möchte ich eine Fallstudie erstellen, die alle Schritte der Prozessüberwachung, die Sie in Ihrer täglichen Arbeit durchführen, abbildet. Von der Problemdefinition über die Datenerfassung, die Analyse, den Informationsaustausch – der sehr wichtig ist und auf den ich ausführlich eingehen werde – bis hin zur Aktualisierung all dieser verschiedenen Schritte. Ein weiterer wichtiger Aspekt der Prozessüberwachung ist die Verbesserung. Darauf werde ich ausführlich eingehen. Das ist meine Agenda für diese Sitzung.
Anschließend wollte ich zugängliche und regelmäßig aktualisierte Daten haben. Dafür verwende ich Wetterdaten. Die Definition und die Daten zur Situationsbewertung, die mir für diese Sitzung zur Verfügung stehen, besagen, dass man bei der Reisevorbereitung alles einpacken muss. Die Frage ist: Brauche ich einen Regenschirm, einen Mantel oder etwas anderes? Um diese Frage zu beantworten, muss man das Wetter prüfen.
Heutzutage gibt es Anwendungen auf dem Smartphone oder Computer, mit denen wir Wettervorhersagen abrufen können. Genau das werde ich mit JMP machen: Kann ich alle diese Schritte in JMP reproduzieren?
Zuvor muss ich meinen Designraum definieren. In der täglichen Arbeit ist es normalerweise am besten, den Designraum mithilfe der Versuchsplanung zu definieren. Wie auch immer die Versuchsplanung aussieht. In manchen Situationen verfügen Sie möglicherweise über Daten. Vielleicht können Ihre historischen Daten Ihnen einen Einblick in Ihren Designraum geben. Sollten Ihre Daten nicht ausreichen, können Sie eine Kombination aus Ihren historischen Daten und Ihrem DOE erstellen.
Letztendlich ist es wichtig herauszufinden, wo Sie Ihre Eingaben variieren können, um die Qualität Ihres Produkts zu erreichen. In meiner Situation ist das etwas anders. Ich habe die Daten und diesen Prozess im Sommer erstellt, also keine Winterdaten. Ich kann keinen Designraum für Wetterdaten erstellen. Das ist unmöglich. Ich muss verschiedene Indikatoren untersuchen, also wähle ich je nach Situation Temperatur und Niederschlag.
Ich habe ein einheitliches, raumfüllendes Design erstellt und die Daten mit einigen a priori-Informationen gefüllt. Sie sehen, dass ich meine Temperatur und Niederschlagsmenge angegeben habe und mein Gefühl zwischen 1 und 10 schreibe. Wir sehen, dass wir einen Akzeptanzbereich haben, der hier durch meine beiden Quadrate grün hervorgehoben ist.
Das erste ist dieses, und darauf werden wir uns heute konzentrieren. Es liegt bei einer nicht allzu hohen Niederschlagsrate und einer Temperatur zwischen 8 und 30 Grad. Klar, mir wird schnell kalt, wenn es unter 8 Grad ist. Über 30 Grad kann es okay sein, aber das hängt von der Situation ab und ist nicht immer akzeptabel.
Wir sehen, dass es in der anderen Region mehr Niederschläge gibt, wenn die Temperaturen um den Gefrierpunkt liegen und es viel regnet. Das liegt daran, dass ich gerne Ski und Snowboard fahre und mich daher sehr freue, wenn ich in dieser Situation bin. In Manchester ist das jedoch nicht der Fall. Wir sind nicht in den Alpen. Wir werden weder Ski noch Snowboard fahren. Ich konzentriere mich auf diese Region, also auf Niederschläge unter 1,5 Grad und Temperaturen zwischen 8 und 30 Grad.
Anschließend benötige ich einige Daten. Normalerweise verwendet man für regelmäßig datierte Daten eine Datenbank, z. B. die UDBC-Datenbank mit dem Monatsbefehl. Wir können aber auch andere Daten verwenden. Manche Leute verwenden Excel oder CSV als Datenbank.
In meinem Fall verwende ich etwas Spezifisches. Ich verwende eine API. Über diese API kann ich eine Verbindung zur Website von Visual Crossing herstellen und per HTTP-Anfrage Daten von dieser Website extrahieren.
Schaut euch einfach mal die Website an, um zu sehen, was sie bietet… Ich sollte meine Website öffnen. Keine Ahnung, warum sie heute so lang ist. Kurz gesagt: Diese Website ist während des Starts sehr gut, da sie verschiedene Parametrisierungen bietet, die ich innerhalb der Website vornehmen kann.
Wählen Sie zunächst die gesuchte Stadt aus. Für diese Sitzung suchen wir nach Manchester, aber Sie können Ihre Stadt selbst wählen. Sie können den Zeitraum wählen. Möchten Sie 15 Tage, einen Datumsbereich, dynamische Zeiträume, nur zwei Tage oder die letzten sieben Tage? Sie können die letzten sieben Tage oder die nächsten sieben Tage wählen. Sie können den Zeitraum und die Messgröße wählen. Ich bin Französin und verwende Celsius, aber das können Sie ändern.
Sie können auch sagen, was Ihnen wichtig ist. Möchten Sie tägliche oder stündliche Informationen? Welchen Indikator benötigen Sie? Ich habe einige Daten erfasst, nicht alle, aber Sie können sehen, dass Sie die Luftfeuchtigkeit, den Niederschlag, die Niederschlagswahrscheinlichkeit und ob es schneit oder nicht haben. Haben Sie ein Gefühl für die Temperatur, die von der tatsächlichen Temperatur abweichen kann? Sie haben Informationen zum Wind, zur Sonneneinstrahlung und alle weiteren Informationen dazu.
Hier sehen Sie die Datentabelle. Sie können die Datentabelle auch in anderen Formaten finden. Das ist für mich interessant, weil ich die Daten beispielsweise als JSON-Datei erhalten kann – das interessiert mich –, da ich bereits ein Diagramm habe. Besonders interessant ist für mich jedoch, dass diese Website die API für mich erstellt. Es handelt sich um eine URL, die mit der gesamten Parametrisierung verknüpft ist, die ich zuvor vorgenommen habe.
Hier habe ich diese URL und kann sie verwenden. Um sie zu verwenden, benötigen Sie, wie Sie in der URL sehen, den sogenannten API-Schlüssel. Sie müssen sich anmelden und einen API-Schlüssel erstellen. Genau das habe ich getan. Sie sehen, dass ich einen API-Schlüssel erstelle. Das ist der Name, den ich dort eingebe. Ich gebe auch eine Variable für die Stadt an, da sich mein Skript sehr leicht ändern kann. Wenn ich sehen möchte, was in Paris passiert, kann ich die Dinge ganz einfach ändern.
Hier sehen Sie die URL, die etwas komplexer ist als die vorherige. Sie sehen, dass ich die nächsten sieben Tage abfrage und daher Vorhersageinformationen sammle. Sie sehen auch, welche Parameter ich genau benötige. Ich habe nicht alle Parameter verwendet. Ich habe nur die einzelnen Parameter für Temperatur, Niederschlag, Wind und Sonneneinstrahlung verwendet.
Ich gebe an, dass ich die Tagesinformationen benötige, aber es gibt auch Stundeninformationen. Hier sehen Sie, dass mein API-Schlüssel dort hinterlegt ist. Am Ende möchte ich eine Ausgabe als JSON-Datei, da JMP gut mit JSON-Dateien zurechtkommt. Das ist also meine Anfrage.
Jetzt habe ich meine HTTP-Anfrage, in der ich die Informationen von der Website abrufe. Anschließend muss ich nur noch die JSON-Datei übergeben. Wir sehen, dass diese JSON-Datei zwei Ebenen hat, eine bezieht sich auf die Tage. Für jeden Tag habe ich Stundeninformationen. Deshalb habe ich dort eine zweite Ebene für das dritte Element. Wie Sie sehen, habe ich dort auch die Stundeninformationen.
Hier am Ende habe ich meine Datentabelle. Wie Sie sehen, wurde dieser Screenshot im Dezember erstellt. Sie sehen, dass ich die sieben Tage der Datenerfassung und den tatsächlichen Tag erfasst habe. Sie sehen, dass dies die Datenerfassung vom 5. Dezember ist. Sie sehen, dass ich vom 5. bis zum 12. Dezember habe, also sieben Tage. Aber ich erfasse auch die tatsächlichen Informationen, also die Ereignisse von gestern.
So kann ich am Ende einige Vergleiche anstellen. Wir sehen die Niederschlagsschwankungen, also einige Ausreißer bei den Niederschlägen und die Temperaturschwankungen. In dieser Dezemberwoche lag die Temperatur zwischen minus 2 und 12 Grad.
Für die Analyse habe ich verschiedene Tools erstellt. Einige davon kennen Sie wahrscheinlich schon. Ich habe gerade eine Grafik erstellt, in der ich die tatsächliche Temperatur und die Füllung (gelb) dargestellt habe. Wir können sehen, dass die tatsächliche Temperatur im Vergleich zur Füllung manchmal einen Ausreißer aufweist.
Hier habe ich auch eine Heatmap, die mir Informationen über Wetteränderungen liefert. Man sieht, dass die ersten drei Tage kälter sind als die darauffolgenden, an denen es wärmere Tage gibt. Diese dient der Temperatur. Ich habe hier einen Doppelpunkt-Umschalter, sodass ich wechseln kann, wenn ich andere Dinge überprüfen möchte. Das Äquivalent dazu habe ich als Kontrollkarte.
Wir sehen dasselbe. Die Temperaturen sinken zu Beginn der nächsten sieben Tage und in den darauffolgenden Tagen deutlich. Wir beobachten, dass ich meine Spezifikationsgrenze als Kontrollgrenze festgelegt habe. So kann ich schnell prüfen, ob ich außerhalb meiner Spezifikationsgrenze liege und Alarme ausgelöst werden. Sobald die Temperatur unter 8 Grad Celsius liegt, werden Alarme ausgelöst, und sobald die Temperatur darüber liegt, dann etwas unter 30 Grad Celsius, was aber zu dieser Winterzeit nicht relevant ist. Wir sehen jedoch, dass in diesem Bereich alles in Ordnung ist.
Ein weiterer Bericht, den ich bei SPC-Arbeiten sehr schätze, ist der Prozess-Screening-Bericht, der mir in einem Bericht Einblick in alle Parameter gleichzeitig gibt. Wir sehen, dass ich für die verschiedenen erfassten Elemente wie Temperatur, Windgeschwindigkeit, Niederschlagswahrscheinlichkeit, Windrichtung, Sonneneinstrahlung und Niederschlag pro Stunde einen Bericht erhalten kann, der mir die Stabilität, einige Alarme und die Häufigkeit der verschiedenen Alarme anzeigt. In meiner Situation ist Alarm 1 für mich wichtig.
Wir sehen, dass wir unsere Cpk- und Ppk-Werte haben. Offensichtlich haben wir einen negativen CPK-Wert für die Temperatur. Die Windgeschwindigkeit ist diese Woche gut, sehr schön. Ich habe hier keine Aussage zur Windrichtung in Manchester gemacht, da ich nicht weiß, welche Auswirkungen das Wetter und die Stimmung je nach Windrichtung in Manchester haben. Aber in dieser Situation kann es nützlich sein.
Ich denke, dass wir beispielsweise in Südfrankreich je nach Wind nicht dasselbe Wetter haben werden wie in den nächsten Stunden und Tagen. Ich habe ein anderes Tool für die Analyse und Nachverfolgung der Daten entwickelt.
Sobald die Analyse abgeschlossen ist, muss sie geteilt werden. In der Regel gibt es hierfür mit JMP zwei verschiedene Möglichkeiten. Die erste, komplexere Methode ist die Verwendung einer Datentabelle. Ich teile meine Datentabelle mit dem angehängten Skript mit den anderen, sodass sie sehen können, was passiert ist.
Alternativ können Sie JSL verwenden, um die Automatisierung zu verbessern und Ihr JSL auszuführen. Wenn Sie mit diesem JSL zufrieden sind, können Sie es in ein Add-In integrieren. Das ist ganz einfach, da Sie Ihre JMP-Umgebung mit Ihrem eigenen Tool erweitern und es mit anderen teilen können.
Die einzige Schwierigkeit dabei wäre meiner Meinung nach die schwierige Wartung in manchen Situationen. Wenn ich mein JSL oder mein Add-In aktualisiere, muss ich es erneut mit anderen teilen. Dazu benötigen Sie JMP. Manchmal müssen Kontrollkarten mit Personen geteilt werden, die keine Analysen durchführen. Sie müssen lediglich einen Überblick darüber erhalten, was passiert, wie hoch die Fehlerquote ist und welche Entscheidungen wir unter Berücksichtigung dieser Fehlerquote treffen müssen.
Wenn Sie in dieser Situation Daten mit Nicht-JMP-Benutzern teilen müssen, erstellen Sie statische Berichte, die sich leicht teilen lassen, haben aber nur eingeschränkten Zugriff auf die JMP-Funktionen. Die gesamte Interaktion geht verloren. Sie haben einen statischen Bericht und dessen Handhabung. Sie müssen eine entsprechende Handhabung einrichten.
Ich verwende in meiner Situation Webberichte über JMP Live. Der große Vorteil ist die einfache Weitergabe. Ich bleibe flexibel und interaktiv und kann sie mit JMP-Nutzern, aber auch mit Nicht-JMP-Nutzern teilen. Ich kann den Zugriff auf diesen Bericht einschränken. Sicherheitsaspekte sind dabei wichtig.
Der gesamte Workflow kann validiert werden. In diesem Fall, wenn Ihr Workflow wie GSL validiert ist, aber für Pharmaunternehmen, denke ich darüber nach, aber die Validierung aller Schritte ist wichtig. Es ist sehr praktisch, den gesamten Workflow auf dem Server validiert zu haben und alles zu teilen.
Sie sehen, dass Sie denselben Bericht haben wie ich zuvor. Sehen wir uns den Inhalt an. Hier öffne ich meine Webseite. Ich muss die Sicherheit prüfen. Habe ich das Recht, diesen Bericht zu prüfen? Mein Name ist bereits dort gespeichert. Ich erinnere mich. Es wird funktionieren. Sie sehen, ich bin Florence. Ich bin die Eigentümerin dieses Berichts. Ich habe dort einen anderen Bericht. Wir sehen das Gleiche.
Wir können sehen, wann dieser Bericht aktualisiert wurde. Heute ist der 19. Januar, aber Sie können sehen, dass mein Bericht am 15. Januar aktualisiert wurde. Ich werde später darauf zurückkommen. Sie können das beispielsweise sehen, wenn ich mir anschaue, was gerade passiert. Was die Temperatur betrifft, können wir sehen, dass diese Woche in Manchester diese Vorhersagedaten geplant waren.
Diese Woche sollte bis zum Wochenende ziemlich kalt werden, daher kommt es an diesem Wochenende zu einem Temperaturwechsel in Großbritannien. Wir können sehen, wie sich die Niederschläge entwickeln. Die Temperaturen sind zwar besser, aber wir können auch erwarten, dass es am 21. regnerisch wird, sehr regnerisch. Die Sonneneinstrahlung wird umgekehrt sein. Wenn es regnet, gibt es Wolken und damit weniger Sonneneinstrahlung. Und wir können sehen, wie sich die Windgeschwindigkeit entwickelt: Ja, der 21. wird regnerisch und windig.
Dies ist die erste Beratung, die ich durchführen kann. Wir haben natürlich auch den anderen Bericht, beispielsweise den Prozess-Screening-Bericht, der diese verschiedenen Aspekte hervorheben kann. Wie Sie sehen, habe ich für diesen Bericht am Ende die Windrichtung entfernt. Wir sehen also, dass wir mit dem Wind recht gut zurechtkommen, aber die Temperatur ist sehr, sehr niedrig. Unsere Ppk- und Cpk-Werte sind negativ, also ist das keine gute Situation. Bei einem realen Prozess wäre das eine sehr, sehr schlechte Situation.
Wenn ich mir die Kontrollkarte ansehe, sehe ich, dass sie etwas spezifisch ist. Sie ist durch die rote Flagge hervorgehoben, die Sie dort ebenfalls sehen können. Sie zeigt mir an, dass eine aktive Warnung vorliegt. Was bedeutet das? Es bedeutet, dass die Warnungen, die ich in meiner JMP-Umgebung aktiviert habe, auch dort angezeigt werden. Ja, ich habe dort einige Warnungen. Laut der Vorhersage für die ganze Woche werde ich nur wenige Stunden lang Temperaturen über 8 Grad Celsius haben.
Ich habe einige Warnungen, aber nicht nur hinsichtlich der Temperatur. Wir sehen, dass wir dieses Wochenende einen Regenschirm brauchen, da für das Wochenende Niederschlag erwartet wird. Wir sehen, dass wir dieses Wochenende keine Sonneneinstrahlung haben, und wir sehen, dass wir Wind haben.
Ich würde sagen, der analytische Teil meiner Heatmap, die vorherige Heatmap, aber hier mit mehr Analysen und meinem Kontrolldiagramm. Ich sehe dort wieder meine Warnungen. In dieser Zusammenfassung sehe ich den Anteil der Warnungen in jedem Kontrolldiagramm. Hier sehe ich, dass ich eine sehr hohe Anzahl an Warnungen habe. 94 % meiner Punkte liegen außerhalb meiner Kontrollgrenze. Es ist also, wie gesagt, eine schlechte Situation. Beim Niederschlag sehe ich, dass ich nur 3 habe, also 6. Bei der Windgeschwindigkeit habe ich 10 %.
Ich habe in diesem Beispiel nur Test 1 aktiviert, da dieser der einzig sinnvolle ist. Sie können aber auch die anderen Tests verwenden, z. B. um zu- oder absteigende Werte zu ermitteln. In meinem Fall erhalte ich zwar jeden Tag eine Warnung, wenn ich die Werte an- und absteigend verwende, aber das ergibt keinen Sinn. Da sich beispielsweise die Temperatur im Tagesverlauf ändert, habe ich sie nicht aktiviert. Sie können aber jede beliebige Warnung aktivieren.
Dies [unverständlich 00:20:45] ist kollaborativ. Das bedeutet, dass Sie, wenn Sie eine bestimmte Situation in Ihrem Kontrolldiagramm oder einem anderen Bericht haben und Kommentare abgeben möchten, Ihre Beobachtungen beschreiben und andere Benutzer zur Bearbeitung markieren können.
Alle Kommentare werden hier gespeichert. Sie können sie in JMP öffnen. JMP-Nutzer, die komplexere Aufgaben wie Ursachenanalysen durchführen müssen, können diese ebenfalls in JMP öffnen. Der Datensatz wird in JMP heruntergeladen, sodass Sie die Daten erkunden können. Bei Interesse an diesem Bericht können Sie ihn als Lesezeichen speichern. Hier habe ich eine Reihe von Lesezeichenberichten, darunter Berichte von Kollegen oder Benutzern, die sehr hilfreich sind und die ich dort als Lesezeichen gespeichert habe. Sie können diese gerne teilen.
Was ich Ihnen speziell für Kontrollkarten zeigen wollte: Sie können Abonnements erstellen. Ich werde später darauf zurückkommen. Wenn Sie ein Abonnement für Kontrollkarten erstellen, werden Sie per E-Mail informiert, wenn eine Warnung vorliegt. Aber dazu später mehr.
Hier sind meine vier Berichte, die ich mit jedem teilen kann, der sie möchte. Zurück zu meiner Folie. Sie haben gesehen, dass dieser Bericht der unternehmensweiten Freigabe und Zusammenarbeit dient. Besonders praktisch ist jedoch die Möglichkeit, die Veröffentlichung zu automatisieren. Wie ich gerade erwähnt habe, können Sie den Bericht abonnieren. Als Sie das getan haben, möchte ich Ihnen zeigen, was passiert ist.
Da ich Eigentümer des Berichts bin, erhalte ich bei jeder Aktualisierung des Berichts diese E-Mail. Sie bestätigt mir, dass der Datenbeitrag erfolgreich aktualisiert wurde. Das liegt daran, dass ich Eigentümer des Berichts bin; nicht jeder erhält diese E-Mail.
Abonnenten des Berichts erhalten die Kontrollkartenwarnung. Sie sehen, dass ich am Montag, nachdem die Daten aktualisiert wurden, diesen Bericht erhalte, der mich über eine Kontrollkartenwarnung informiert. Die Informationen sind genau dieselben wie in meinem Bericht. Ich sehe eine Warnrate von 94 %, genau wie zuvor, und wir können sehen, wann die Warnung eintrifft.
Ich weiß, dass es jetzt passieren wird. Wir befinden uns in einer sehr kalten Situation, also ist es jetzt so weit. Wenn ich zum Beispiel nachschaue, sehen wir den Niederschlag, den sie mir im Bericht schicken. Am 15. sagten sie mir, dass es Niederschlag geben wird, aber erst in ein paar Tagen.
Es kann Ihnen Aufschluss darüber geben, ob es sich um eine Krise handelt, die ich bereits behandelt habe, oder ob etwas Neues in meinem Kontrolldiagramm auftaucht. Wenn ich auf den Link klicke, gelange ich direkt auf die Webseite. Nicht ich öffne jetzt … Wir öffnen das Kontrolldiagramm und prüfen, ob etwas passiert. Jetzt meldet sich das Kontrolldiagramm und sagt mir: „Oh, da passiert etwas.“ Wenn nichts passiert ist, muss ich mich damit sicher nicht beschäftigen.
Wie funktioniert das? Wenn ich dorthin zurückgehe, öffnet sich die Regelkarte direkt. Dort sehen Sie eine andere Datei zu meinem… Ich habe meinen anderen Bericht und auch den Datensatz. Sie sehen, dass ich für diesen Datensatz eine Historie habe. Diese Historie ist dort zu sehen. Sie können meine Historie sehen: Anfang Dezember habe ich täglich Informationen gesammelt. Sie sehen, dass sie täglich aktualisiert wurde.
Ich habe mich entschieden, das zu ändern und wöchentlich einen Zeitplan einzurichten. Wie Sie sehen, erhalte ich jetzt wöchentlich eine Datenextraktion. Warum? Weil ich erkannt habe, dass ich über die Website Zugriff auf eine bestimmte Datenmenge habe. Momentan gehe ich dann in die Zahlungen, deshalb wollte ich das nicht. Ich habe mich entschieden, die Daten wöchentlich zu aktualisieren, da ich erst im März nach Manchester fahre und daher keine täglichen Informationen per E-Mail benötige.
Wie habe ich das gemacht? Hier in den Einstellungen sehen Sie, dass ich jeden Montag um 22:00 Uhr, also 22:00 Uhr britischer Zeit, eine E-Mail erhalten möchte. In meiner Zeitzone ist es 23:00 Uhr. Deshalb erhalte ich um 23:00 Uhr eine E-Mail. Ich kann das wiederholen. Wenn ich nicht täglich, sondern in Echtzeit möchte, kann ich Anpassungen vornehmen. Ich kann sogar alle fünf Minuten, jede Stunde oder alle 12 Stunden wählen. Ganz wie Sie möchten. Ich habe es einfach eingestellt.
Sie können stündlich festlegen, aber nur während der Arbeitszeit, um beispielsweise nachts keine Informationen zu erhalten. Sie können auch ein Ablaufdatum festlegen. Sie können mehrere Scheduler haben. Beispielsweise einen wöchentlichen und einen stündlichen Scheduler. Sie können eine Zuordnung für das Wochenende, den Urlaub oder die tägliche Arbeit einrichten.
Auf der linken Seite finden Sie ein Skript. Dieses Skript verwaltet den gesamten Datenzugriff und die Datenaufbereitung, die ich durchgeführt habe. Sie sehen, dass ich mit meinen API-Schlüsseln, der Stadt, meinem dort festgelegten Spezifikationslimit und der URL Zugriff habe. Sie sehen genau denselben Code, den ich Ihnen zuvor auf meiner Folie gezeigt habe, mit der gesamten Datenaufbereitung, einschließlich meines Spezifikationslimits in meiner Eigenschaft und allem.
Mein gesamter Datensatz und meine gesamte Datentabelle sind fertig. Zum Schluss muss ich JMP mitteilen, welche Datentabelle ich verwenden werde. Da ich verschiedene Datentabellen habe, müssen Sie Ihre aktuelle Datentabelle noch einmal aufrufen. Mein Refresh-Clip wird dort verwendet und für das Update verwendet. Hier können Sie das Quellskript einfügen, manchmal anders, manchmal anders. Sie können das Quellskript dort ablegen. Die zugewiesenen Anmeldeinformationen sind relevanter, wenn Sie mit einer realen Datenbank verbunden sind. Sie müssen möglicherweise Anmeldeinformationen für bestimmte Personen eingeben.
Hier sehen Sie, dass Sie die Daten anzeigen können. Es öffnet sich ein Datenraster. Ich wollte Ihnen aber zeigen, dass Sie die Daten aktualisieren können. Während ich das tue, sehen Sie, dass das Aktualisierungsskript gerade ausgeführt wird. Wenn ich jetzt zu meiner Datentabelle zurückkehre, sehen Sie, dass die verschiedenen Berichte neu erstellt werden. Ich kann jetzt beispielsweise zu meinem Kontrolldiagramm-Generator zurückkehren und sehen, dass ich jetzt die Informationen von heute bis zum nächsten Tag habe.
In meinem Postfach erhalte ich gerade eine E-Mail mit der Meldung, dass mein Datensatz aktualisiert wurde. Die andere E-Mail, die ich erhalten habe, weist auf eine Kontrollkartenwarnung hin, und wie Sie sehen, ist die Warnrate niedriger. Wir schreiben jetzt den 19. um 11:38 Uhr, und ich habe weniger Warnungen, und ja, die Temperatur scheint etwas höher zu sein. Diese Automatisierung durch JMP Live ist sehr praktisch, um je nach Datenlage schnell und nahezu in Echtzeit Entscheidungen treffen zu können.
Das Letzte, was ich vor dem Abschluss der Verbesserung ansprechen wollte: Bei der Prozessüberwachung kann es selbst bei sehr gut definiertem Designraum zu Krisen oder anderen Situationen kommen. In Krisensituationen befinden Sie sich im Feuerwehrmodus, möglicherweise aber auch in Richtung kontinuierlicher Prozessverbesserung.
Möglicherweise gibt es Änderungen, beispielsweise bei der Ausrüstung oder dem Rohmaterial. Sie müssen eine Analyse und ein Versuchsdesign durchführen, um zu prüfen, ob alles in Ordnung ist. Es können neue Einschränkungen auftreten. Viele Unternehmen sind beispielsweise von ökologischen Einschränkungen hinsichtlich des Sauerstoff- und Kohlenstoffverbrauchs im Herstellungsprozess betroffen.
In manchen Situationen müssen Sie möglicherweise definieren, welche Metrik kritisch ist, da die Datenerfassung Kosten verursacht. Manchmal haben Sie Daten, die stark korreliert sind oder die Sie erfassen, die nicht so wichtig sind. Möglicherweise müssen Sie auch definieren, welche Metrik kritisch ist. In meiner Situation, da ich über Vorhersagedaten verfüge, ist die Situation etwas anders. Ich kann keine Ursachenanalyse durchführen, aber bedenken Sie, dass die Kosten der Datenerfassung hoch sind, wenn ich zu viele Daten erfasse.
Ich begann darüber nachzudenken, ob ich wirklich jeden Tag Daten sammeln muss oder ob vielleicht jede Woche ausreichend ist. Wie gut ist die Vorhersagequalität? Ich sammle die Daten und prüfe, was passiert, worin der Unterschied zwischen den tatsächlichen Daten, der Realität und der Vorhersage besteht.
Je heller die Farbe, desto länger die Vorhersage. In dieser Situation konnte ich nicht viele Schlussfolgerungen ziehen, also habe ich eine Distanzvariation pro Tag erstellt. Das ist mein Ziel. Wenn ich mir den ersten Tag anschaue, also die Vorhersage für heute, habe ich dieses tiefe Rot. Wir sehen, dass die Temperatur mit zunehmender Anzahl von Tagen für die Vorhersage immer heller wird und die Distanz größer wird. Es scheint, dass wir uns vielleicht etwas Mühe mit dem Tag geben können, aber nicht zu viel, da es sonst, wie ich meine, einen großen Temperaturunterschied geben wird.
Hier sammle ich Daten, und zwar für einen ganzen Monat. Ich habe festgestellt, dass ich mich an dem Tag, an dem ich die Temperaturinformationen für den Tag habe, auf die Temperatur konzentriere. Ich sehe, dass mein Medianwert unter eins liegt, und das ist bis heute so. Danach steigt der Mittelwert an und liegt sechs Tage lang bei zwei.
Aber was mir wichtig ist, ist mein Gefühl. Der Mittelwert ist eine Sache, aber ich wollte mich auf die maximale Differenz konzentrieren. Wenn ich mir die maximale Differenz anschaue, sehen wir, dass der Tag davor, ein Tag davor oder zwei Tage davor ungefähr gleich ist, und danach gibt es einen Schritt. Hier sehen Sie das Maximum. Es ist eindeutig gleich, aber danach gibt es einen echten Schritt. Es scheint, dass ich an den ersten drei Tagen alle drei Tage eine Messung durchführen kann.
Bei genauerem Hinsehen sehen wir, dass wir an den ersten drei Tagen Ausreißer haben. Betrachtet man diese ersten drei Tage, sieht man, dass es einen Tag gibt, der einen Unterschied macht und der Ausreißer für die ersten beiden Tage ist. Es ist jeweils der 25. November. Ich habe alle Novembermonate erfasst, also den 30. November. Wir sehen, dass es einen weiteren Tag mit einem Unterschied gibt, den 21. November.
Wenn ich mir den 25. November anschaue, sehe ich deutlich, dass die Realität weit von der Prognose abweicht und deutlich kälter ist. Wenn ich mir die Daten aller Monate anschaue, sehe ich – es handelt sich also nur um die tatsächlichen Messwerte –, dass es am 25. tatsächlich eine sehr große Temperaturänderung gibt. Es passiert sogar, dass darüber in den Nachrichten berichtet wird. Wir sehen, dass das erste System in weiten Teilen Großbritanniens die Temperatur unter Null fallen ließ. Es ist der 25. November. Es scheint eine sehr große, nicht geplante Veränderung gegeben zu haben.
Um sicherzugehen, dass dieser Ausreißer keinen Fehler macht, entferne ich ihn. Dabei sehe ich, dass die Vorhersagen für heute und morgen recht ähnlich sind, aber ab einem Tag gibt es Unterschiede.
Ich habe mich für die zweitägige Datenerfassung entschieden. Wir sehen, dass sich der Mittelwert bei einem 2K-Test nicht unterscheidet, egal ob täglich oder alle zwei Tage. Letztendlich lässt sich das ändern. Ich habe Ihnen zuvor die Webseite gezeigt, auf der ich angeben kann: „Okay, ich möchte die Informationen alle zwei Tage erfassen, nicht jeden Tag.“ Momentan ist es wöchentlich, aber Sie können die Änderung ganz einfach vornehmen.
Abschließend zu diesem Wetterbeispiel konnte ich alle Schritte der Prozessüberwachung reproduzieren. Von der Definition des Designraums bis zur Aktualisierung. Alle diese Schritte wurden aktualisiert. Nach der Definition führe ich die Aktualisierung mit der Datenerfassung, Datenanalyse und dem Teilen durch, die täglich automatisiert erfolgt.
Ausgehend von der Verbesserung, also üblicherweise, wenn wir Verbesserungen vornehmen, arbeiten wir an der Definition des Designraums. In meiner Situation verwende ich einen Verbesserungsansatz, um die Daten zu untersuchen und die am besten geeignete Verbindung zur Datenbank zu prüfen.
Ich hoffe, Sie konnten einen Zusammenhang mit Ihrer täglichen Arbeit in der Fertigung und Ihrer gesamten Prozesssteuerung erkennen. Bei Fragen stehe ich Ihnen gerne zur Verfügung. Ich wünsche Ihnen einen schönen Tag.
