Molti processi industriali coinvolgono parametri dinamici per almeno una parte della sequenza di produzione, ad esempio la temperatura o la pressione del reattore chimico a batch, la rampa del vuoto dell'autoclave. Per garantire la coerenza tra i lotti, è importante trovare un modo per confrontare queste fasi dinamiche di produzione o di configurazione, in modo simile all'uso di carte di controllo nel monitoraggio della produzione a regime stazionario.
JMP può essere utilizzato, con pochi passaggi relativamente semplici, per creare limiti di controllo dinamici da un certo numero di batch rappresentativi. I batch futuri possono quindi essere sovrapposti in Graph Builder per garantire che rientrino in questi limiti storici. Questa dimostrazione illustra i passaggi utilizzati per creare i limiti di controllo e l'utilizzo dei limiti per i confronti tra batch. Vengono discusse alcune delle sfide legate a questo tipo di dati.
Benvenuti al mio intervento sulla creazione di carte di controllo per processi dinamici. Il controllo statistico di processo (SPC) è utilizzato da molti anni per monitorare processi che variano attorno a un set point fisso. Il processo viene monitorato nel tempo e la variazione può essere suddivisa in due componenti: la variazione da causa comune, ovvero la variazione che si verifica costantemente durante il processo e che sarà sempre presente a meno che non vengano apportate modifiche fondamentali al processo, e la variazione da causa speciale, in cui un processo va fuori controllo perché qualcosa di esterno al processo ne ha aumentato l'entità.
Tuttavia, molti processi industriali non variano attorno a un punto di riferimento. Esistono molti processi batch in cui il lotto viene elaborato nel tempo secondo una ricetta con fasi predefinite in cui temperatura, pressione e vuoto possono essere aumentati nel tempo. Ad esempio, la conversione di monomeri in polimeri in un recipiente di reazione batch o l'aumento del vuoto o della pressione su un miscelatore per regolare il livello di solvente o il contenuto di umidità del materiale. Dobbiamo comunque trovare un modo per garantire risultati coerenti da un lotto all'altro e che il comportamento del processo sia costante nel tempo, e per identificare i lotti di materiale che non sono realizzati secondo il processo standard.
Questa presentazione dimostra un approccio visivo pragmatico per poter porre limiti nel tempo a tali processi, per poter monitorare le deviazioni nel processo, ma anche per osservare l'impostazione e il raffreddamento delle apparecchiature di produzione, il monitoraggio delle condizioni, per assicurarsi che tali fasi di avvio e raffreddamento siano coerenti nel tempo.
Alcuni esempi del settore in cui opero includono i miscelatori a lotti, in cui un monomero viene aggiunto a un miscelatore. Viene riscaldato, mantenuto a temperatura costante e poi raffreddato. In questo caso, la temperatura può essere monitorata nel tempo utilizzando questo approccio, ma anche altri parametri come la coppia del motore che potrebbero indicare il grado di polimerizzazione. Un altro esempio è un'autoclave in cui prendiamo materiali compositi in fibra di carbonio e applichiamo vuoto e temperatura, sempre a una velocità predefinita. Potremmo avere delle pause in cui manteniamo il materiale a una certa temperatura per un determinato periodo di tempo, per poi raffreddare i componenti.
Un esempio di utilizzo di questa tecnica per il monitoraggio delle condizioni è negli estrusori bivite, dove applichiamo il vuoto tramite diverse pompe per rimuovere la componente volatile dalla resina. Vogliamo garantire che queste pompe per vuoto funzionino al meglio. Osserviamo la fase di avvio di queste pompe per vuoto, durante la quale passano dalla pressione atmosferica al set point definito all'inizio del ciclo di produzione. Tutti questi tipi di processi, in cui i parametri di processo variano nel tempo, si prestano a questo tipo di approccio.
In questo caso, abbiamo alcuni dati provenienti dal nostro storico dati. Siamo fortunati che i dati siano acquisiti elettronicamente. Abbiamo più lotti impilati uno sopra l'altro, in questo caso etichettati come "produttore dati". Ho 21 lotti di materiale qui, ognuno con un numero di lotto diverso. Ho il mio parametro di processo, il vuoto, e poi ho i miei incrementi di tempo predefiniti. Ho acquisito i dati ogni 5 secondi e so che ogni lotto dovrebbe raggiungere i punti di regolazione di 210 millibar entro non più di 17 minuti. Questo mi dà 205 righe di dati per ogni lotto prodotto in questi intervalli di 5 secondi. Ecco i miei dati per 21 lotti.
Ora devo prendere questi dati e organizzarli in modo da poter calcolare quale sarebbe l'intervallo normale di valori a ogni incremento temporale. Dividerò la mia tabella dati e creerò una colonna per ogni incremento temporale, quindi 5, 10, 15 secondi, eccetera, fino al mio limite di 17 minuti. Avrò una riga di dati per ogni lotto prodotto. Poiché ho 21 lotti di dati, ne userò 15 per creare i limiti di controllo. Quindi esaminerò i miei successivi sei lotti rispetto a quei limiti di controllo per assicurarmi che il comportamento del processo continui a essere normale, stabile e prevedibile.
Prendo il mio set di dati sovrapposto. Vado su Tabelle e Dividi. Il parametro di processo è ciò in base al quale desidero suddividere, quindi il vuoto. Dividerò le mie colonne per vuoto. Le raggrupperò in base al numero di batch, quindi avrò una riga di dati per ogni numero di batch, ma voglio una colonna di dati per ogni incremento temporale, quindi dividerò per tempo. In questa tabella di anteprima possiamo verificare che i dati siano nel formato che ci aspettiamo. Abbiamo una riga per ogni batch e una colonna per ogni incremento temporale. Se siamo soddisfatti, possiamo fare clic su OK e verrà creata una tabella dati. Come ho detto, prenderemo i nostri primi 15 batch e li useremo per creare i limiti di controllo. Ciò significa che nasconderò ed escluderò gli ultimi sei batch. La mia tabella dati ora appare come quella nella diapositiva.
Ora, quello che devo fare è calcolare i limiti di controllo per ciascuno di questi incrementi di tempo. Quello che sto facendo qui è osservare quale livello di vuoto mi aspetterei di ottenere in ogni intervallo di tempo. Qual è la media di questo valore e quali sono i limiti di controllo attorno a quella media? Qual è la variabilità di pressione che mi aspetterei di avere all'incremento di tempo 5 e all'incremento di tempo 10, eccetera.
Creerò grafici a intervallo mobile individuali perché ognuno di questi è un'esecuzione indipendente, configurata separatamente. Vogliamo grafici a intervallo mobile individuali. Voglio crearne uno per ogni incremento temporale e voglio assicurarmi che siano ordinati in sequenza temporale, che sarà in base al produttore dei dati. Ci sono 205 carte di controllo da generare, quindi ci vogliono solo pochi secondi.
Ora, ho un grafico a intervallo mobile individuale per ogni periodo di tempo, e il periodo di tempo è identificato nella descrizione del grafico. Posso scorrerli e verificare di non aver inserito altro che variazioni di causa comune. Nessun punto dati dall'aspetto strano. Se sono soddisfatto di ciascuno di questi grafici, ora posso salvare questi limiti di controllo. Se consideriamo l'esempio di 5 secondi, a 5 secondi dal mio arresto dell'estrusore, mi aspetterei un livello di vuoto nell'estrusore di 914,6 millibar con un intervallo da 865 a 963 millibar.
Se vado sul triangolo rosso, posso salvare quei limiti. Verranno salvati i limiti per ciascuno di quei periodi di tempo e voglio salvarli in una tabella alta. Questo creerà una tabella in cui ogni periodo di tempo ha un valore medio e i valori in cui mi aspetterei che rientri la popolazione normale. Riordinerò tutto ed eliminerò le colonne che non mi servono solo per conservare la media e i limiti di controllo. Questo è tutto ciò di cui ho bisogno per le analisi future.
Poiché questa colonna ha preso un'etichetta dai grafici di controllo, potete vedere che il formato di questi dati non è numerico continuo. Devo solo ripristinarlo ora per assicurarmi che sia il tipo di dati corretto per il tempo, e posso anche rinominarlo "Tempo" per assicurarmi che in futuro sia chiaro esattamente a cosa si riferisce quella colonna di dati.
Ora ho una tabella dati contenente i miei limiti di controllo per ogni incremento temporale. Ora, devo riorganizzare i miei dati originali con il tempo e ogni batch nel tempo, modificandoli nel tempo, per poter produrre grafici. Torno ai miei dati sovrapposti. Li dividerò di nuovo, ma questa volta in modo leggermente diverso. Voglio ancora dividere in base al mio parametro di processo, il vuoto, ma in questo caso voglio raggruppare in base al tempo. Avrò una riga per ogni incremento temporale e voglio dividere in base al numero di batch, quindi avrò una colonna per ogni batch. Di nuovo, posso controllare l'anteprima, assicurarmi che i dati siano raggruppati nel modo in cui mi aspetto che siano raggruppati. Quando sono soddisfatto, posso premere OK. Ora, ho i dati della sequenza temporale per ogni batch come colonna separata e posso aggiungere batch a questa colonna man mano che diventano disponibili in futuro.
Potrei prendere i limiti di controllo che ho calcolato e aggiungerli a quella tabella di dati, oppure potrei creare un collegamento virtuale. Se creo un collegamento virtuale, i dati non sono allegati in modo permanente alla tabella dati, quindi possono essere utilizzati anche in altri set di dati, oppure possono essere ricalcolati e modificati nel tempo senza modificare i set di dati, ma sono comunque disponibili nei dati di processo per poterli utilizzare come limiti del processo. Posso comunque utilizzare i dati senza incorporarli effettivamente nella tabella dati. Ecco cosa farò. Creerò un collegamento virtuale tra le due tabelle dati.
Per fare ciò, ho bisogno di una colonna che sia la stessa in entrambi i set di dati. In questo caso, sarà l'ora. Faccio clic con il pulsante destro del mouse sulla colonna "Ora" e creo l'ora come ID collegamento. Questa è la colonna che include le informazioni di identificazione per collegarla alla tabella dati. Nella tabella dati, faccio di nuovo clic su "Ora", quindi clicco con il pulsante destro del mouse. Ora, questo è il riferimento del collegamento e lo collegherò alla tabella che contiene i limiti di controllo e la media.
Se guardo la selezione delle colonne sul lato sinistro, vedo ciascuno dei miei lotti di materiale, la colonna Tempo e, in basso, queste colonne con collegamento virtuale referenziato. Possiamo vedere che c'è un collegamento virtuale lì, questa piccola icona. Possiamo vedere che quelle colonne sono nascoste alla vista al momento e possiamo vedere che sono bloccate. Non sono in grado di modificare i dati in quelle colonne in questa tabella dati. Dovrei tornare alla tabella in cui i dati sono effettivamente presenti. Posso visualizzarli se voglio vederli. Posso vedere i dati lì, ma non è necessario che siano visualizzati per poterli utilizzare. Li nasconderò di nuovo per mantenere la situazione in ordine.
Ora, traccerò un grafico di questi limiti di controllo utilizzando Graph Builder, una piattaforma estremamente flessibile per la visualizzazione dei dati. Potrò quindi sovrapporre ciascuno dei miei batch, a turno, a quei limiti di controllo nel tempo e verificare se il comportamento di ciascun batch corrisponde a quello che mi aspetterei in base alla popolazione storica di 15 batch che ho utilizzato per creare quei limiti.
Se vado alla mia tabella dati, vado su Grafico, Generatore di Grafici. Ovviamente, il tempo sull'asse X. Poi aggiungo i miei limiti di controllo. Mi servono solo le linee, non i singoli punti dati. Poi, per vedere meglio i miei lotti di produzione, li renderò grigi e li trasformerò in linee tratteggiate, in modo che sia chiaro cosa sono i dati del lotto e cosa sono i limiti di controllo. Li renderò grigi, inserirò una linea tratteggiata per la media e una linea tratteggiata per i limiti di controllo. Ora possiamo vedere come apparirebbe un processo normale nel tempo. Ci aspetteremmo che ogni valore del comportamento dei processi stabili e costanti nel tempo rientri nelle linee tratteggiate e che in media sia vicino alla linea tratteggiata.
Ora posso sovrapporre uno dei miei nuovi batch che non è stato utilizzato per creare limiti di controllo. Ad esempio, questo batch del 06/09/2023 sopra i limiti di controllo e verificarne il comportamento nel tempo rispetto a quello che ci si aspetterebbe. Possiamo anche impostare un commutatore di colonne per poter visualizzare, scorrere i batch e confrontarli con i limiti di controllo. Se evidenzio il batch di produzione in alto e poi seleziono tutti gli altri batch come colonne di sostituzione, ora ho un elenco nel mio commutatore di colonne di ogni batch prodotto e posso scorrerli uno per uno e confrontare i miei sei nuovi batch con i limiti di controllo storici. Se aggiungo nuovi batch alla mia tabella dati, posso facilmente confrontarli con questi limiti di controllo. Se voglio poter inviare questi dati a qualcun altro che magari non ha JMP, posso anche animarli, registrarli, salvarli come GIF e allegarli a un'e-mail se voglio inviare queste informazioni a qualcun altro.
Un altro esempio, basato su alcuni dei nostri dati. Qui, abbiamo un processo di produzione di resina in cui riscaldiamo la resina. Dobbiamo mantenerla a un punto prestabilito per un certo periodo di tempo, e poi dobbiamo raffreddarla nuovamente per lo scarico. Anche in questo caso, abbiamo creato dati e grafici di controllo simili. Scorrendo i lotti, possiamo vedere che occasionalmente potremmo riscontrare un'anomalia nei dati. Questi sono casi in cui dovremmo indagare perché qualcosa è diverso in questo particolare lotto rispetto alla popolazione standard.
Abbiamo utilizzato ampiamente questa tecnica in diverse aree dei nostri processi di produzione e collaudo, e ci consente di identificare tempestivamente quando i processi stanno iniziando a perdere il controllo o quando le apparecchiature potrebbero richiedere manutenzione, consentendoci di individuare questi andamenti nei dati prima di rischiare un guasto del materiale o delle apparecchiature di produzione. Ciò che non vogliamo sono guasti imprevisti dovuti a manutenzione. Monitorando processi come questo, possiamo pianificare in anticipo il deterioramento delle apparecchiature. Grazie.
