| Lautsprecher |
Transkript |
| Shamgar McDowell |
Maya Angelou sagte einmal: „Gib dein Bestes, bis du es besser weißt. Und wenn du es besser weißt, mach es besser.“ Guten Morgen, guten Tag, guten Abend. |
| |
Ich hoffe, Ihnen gefällt der JMP Discovery Summit und Sie lernen einige bessere Möglichkeiten kennen, die Dinge zu tun, die Sie tun müssen. |
| |
Ich bin Shamgar McDowell, leitender Zuverlässigkeits- und Analyseingenieur bei GE Gas Power. Ich bin seit 15 Jahren bei GE und habe in den Bereichen Beschaffung, Qualität, Fertigung und Entwicklung gearbeitet. |
| |
Heute werde ich ein wenig über den Weg unseres Teams zur Automatisierung der Zuverlässigkeitsmodellierung mit JMP erzählen. |
| |
Vielleicht steht Ihr Unternehmen vor einer ähnlichen Herausforderung wie der, die ich Ihnen gleich beschreibe. Ich erkläre Ihnen, wie wir diese Herausforderung angehen, und hoffe, dass Ihnen unsere gemeinsame Zeit einige Denkanstöße liefert, die Sie bei der Verbesserung der Arbeitsabläufe in Ihrem eigenen Geschäftskontext berücksichtigen können. |
| |
Als Hintergrund möchte ich auf den nächsten Folien etwas über das Geschäft von GE Gas Power erzählen. Zunächst zu unseren Produkten. |
| |
Wir stellen hochtechnologische, sehr große Motoren her, die eine Vielzahl von Anwendungen haben, aber hauptsächlich zur Stromerzeugung eingesetzt werden. |
| |
Und aus technologischer Sicht sind diese Maschinen tatsächlich unglaubliche technische Meisterleistungen mit Brenntemperaturen, die weit über dem Schmelzpunkt der im Heißteil verwendeten Legierungen liegen. |
| |
Eine einzige Gasturbine kann genügend Strom erzeugen, um Hunderttausende Haushalte zuverlässig mit Strom zu versorgen. |
| |
Und um eine Vorstellung von der Größe dieser Maschinen zu geben: Auf dem Bild rechts sind vier erwachsene Menschen zu sehen, die verdeutlichen, wie groß diese Maschinen tatsächlich sind. |
| |
Daher musste ich hier ein paar unnötige Beispiele zum Erstellen von JMP-Diagrammen einfügen. Aber das Blasendiagramm und die Baumkarte unterstreichen wirklich die globale Natur unseres Kundenstamms. |
| |
Wir stellen sauberere, zugängliche Energie bereit, auf die die Menschen auf der ganzen Welt angewiesen sind, und dazu gehören auch Entwicklungsländer, die in der Vergangenheit möglicherweise keinen Zugang zu Energie und den vielen lebensverändernden Auswirkungen hatten, die damit einhergehen. |
| |
Da ich die Auswirkungen unserer Arbeit auf das tägliche Leben so vieler Menschen weltweit zu schätzen gelernt habe, hat es mich demütig gemacht und mir geholfen, der täglichen Arbeit von mir und dem Rest unseres Teams einen Sinn zu geben. |
| |
Ich bin also Teil des Teams für Zuverlässigkeitsanalyse und Datentechnik. |
| |
Unser Team ist dafür verantwortlich, unserem Unternehmen empirische Risiko- und Zuverlässigkeitsmodelle zur Verfügung zu stellen, die von internen Teams auf verschiedene Weise verwendet werden. |
| |
In diesem Zusammenhang verlassen wir uns darauf, dass sich der Analyst in unserem Team auf technische Aufgaben konzentrieren kann, wie zum Beispiel das Verständnis der Physik, die unsere |
| |
Qualität der Komponenten und Anwendbarkeit der von uns verwendeten Daten sowie Kompromisse bei den Modellierungsansätzen und der Frage, wie wir aus unseren Daten am besten einen Mehrwert ziehen können. |
| |
Dies sind alles Aufgaben mit Mehrwert. |
| |
Zu unserem Prozess gehört auch eine gründliche Prüfung durch die Chefingenieure. Ein PowerPoint-Pitch mit den Modellen ist Teil dieses Prozesses. |
| |
Und zuvor war für die Erstellung dieser Präsentation ein erheblicher Kopier- und Einfügen-Aufwand sowie die Verwendung einer Vielzahl von Tools erforderlich. Dies war sowohl zeitaufwändig als auch fehleranfälliger. Das stellt also keinen Mehrwert dar. |
| |
Wir brauchten also eine Lösung, die unseren Ingenieuren mehr Zeit für die wertschöpfenden Aufgaben gibt. Sie würde den Prozess außerdem weiter standardisieren, da diese beiden Dinge |
| |
Höhere Produktivität und die Fähigkeit, sich auf das Wesentliche zu konzentrieren, sowie weitere Standardisierung. Und zu diesem Zweck verwenden wir das Mantra „Automatisieren Sie die langweiligen Dinge“. |
| |
Ich wollte Ihnen einen Eindruck vom Umfang der von uns verwendeten Datensätze vermitteln. Oftmals kann die Menge der Daten, mit denen Sie arbeiten, die Richtung Ihrer Lösungen bestimmen. |
| |
Und in unserem Fall gibt es einige Abweichungen, aber als allgemeine Regel gilt, dass wir es mit Tausenden von Gasturbinen im Feld zu tun haben, |
| |
Hunderte von Gleiskomponenten in jeder Einheit und dann gibt es Dutzende von Inspektionen oder Überholungsarbeiten pro Komponente. |
| |
Insgesamt verarbeiten wir Millionen von Datensätzen. Unsere Modelle sind jedoch in der Regel auf bestimmte Konfigurationen ausgerichtet und basieren daher auf begrenzteren Datensätzen mit höchstens 10.000 Datensätzen, Zehntausenden von Datensätzen oder weniger. |
| |
Der andere Punkt, auf den ich hier hinweisen wollte, ist, dass unser Datensatz oft über 100 Spalten enthält. Diese Datengröße bringt Herausforderungen mit sich, für die JMP für die gleichen Aufgaben deutlich besser geeignet ist als beispielsweise ein Excel-basierter Ansatz. |
| |
Daher arbeitete GE bei der Entwicklung der ersten Version dieses Tools mit einem Drittanbieter zusammen und verwendete dabei die Skriptsprache JMP. |
| |
Der Name des Tools lautet „Computer Aided Reliability Modeling Application“ oder CARMA, mit einem C. Und der Aufwand, dies zu dem zu machen, was wir heute haben, ist nicht unerheblich. |
| |
Dies ist eine Darstellung davon. Sie können die Anzahl der Skripte und Codezeilen sehen, die den Umfang und die Größe des Tools in seiner heutigen Form belegen. Es hat sich aber auch für uns als sehr nützliches Tool erwiesen. |
| |
Im Laufe der Zeit haben wir die Notwendigkeit erkannt, CARMA kontinuierlich weiterzuentwickeln und zu verbessern. Um dies zu erreichen, mussten wir einige interne |
| |
Ich verfüge über Fachwissen im Bereich JSL-Codierung und beaufsichtige die Arbeit von Entwicklern, die sich auf dieses und einige verwandte Tools konzentrieren. |
| |
Die Botschaft an Sie lautet, dass auch nach der Erstellung einer App wie CARMA fortlaufende Investitionen erforderlich sind, um die App zu pflegen, relevant zu halten und sie an die sich ändernden Anforderungen Ihres Unternehmens anzupassen. |
| |
Aber es ist machbar und die Vorteile sind sehr real. Eine Umfrage unter unseren Nutzern in diesem Sommer ergab tatsächlich |
| |
einen Net Promoter Score von 100% und mindestens 25% Verkürzung der Zykluszeit für ein Modell-Update. Das ist also Echtzeit |
| |
das wird gespeichert. Und dann sehen wir auch anekdotisch, wo CARMA Probleme in unserem Prozess ans Licht gebracht hat, die wir beheben konnten, die sonst vielleicht verborgen geblieben wären und nicht hätten behoben werden können. |
| |
Und ich habe ein Zitat, es ist ziemlich lang. Aber ich wollte nur diesen Vorbehalt zur Automatisierung von Bill Gates weitergeben, der sich mit Softwareentwicklung auskennt. |
| |
„Die erste Regel für jede Technologie, die in Unternehmen eingesetzt wird, lautet: Eine effiziente Automatisierung steigert deren Effizienz. Die zweite Regel lautet: Eine ineffiziente Automatisierung steigert deren Ineffizienz.“ |
| |
Das ist das Ende des Zitats, aber es ist nur eine gute Erinnerung daran, dass Automatisierung kein Allheilmittel ist, um einen fehlerhaften Prozess zu reparieren. Dafür brauchen wir auch heute noch Menschen. |
| |
Okay, bevor wir eine Demonstration des Tools durchführen, wollte ich nur einen allgemeinen Überblick über das Tool und die Ein- und Ausgaben in CARMA geben. |
| |
Der Benutzer muss das Tool auf die Eingabedateien verweisen. Hier links sehen Sie eine Datei mit aktiven Modellen, die im Wesentlichen die bereits genehmigten Modelle enthält. Und dann haben wir empirische Daten. |
| |
Und dann führt der Benutzer in der Benutzeroberfläche einige Modellierungsaktivitäten durch. |
| |
Und dann werden als Ausgabe die Modelle ausgeführt, also Aktualisierungen der Modelle in einer PowerPoint-Präsentation. |
| |
Und das werden wir uns auch ansehen. |
| |
Als Hintergrund für die Daten verwende ich die Demo. |
| |
Ich wollte nur darauf hinweisen, dass ich mit dem Lokomotiven-Datensatz begonnen habe. Und wir werden sehen, dass JMP einige Beispieldaten bereitstellt. Das ist also der Fall, es |
| |
und das ergibt eine Population. Dann habe ich auch eine zusätzliche Population von Modellen hinzugefügt. |
| |
Und die große Botschaft, die ich hier vermitteln wollte, ist, dass wir nur erfundene Daten sehen werden. Sie sind nicht real; sie repräsentieren nicht die Funktionalität |
| |
oder das Verhalten unserer Teile im Feld, oder es ist einfach alles konstruiert. Behalten Sie das im Hinterkopf, wenn wir die Ergebnisse durchgehen, aber es sollte uns dennoch eine Möglichkeit geben, das Tool zu betrachten. |
| |
Ich wechsle kurz zu JMP und verwende für die Demo JMP 15.2. Dieser Datensatz ist im Vergleich zu dem, was wir normalerweise sehen, vereinfacht. Aber wie gesagt, er soll die Kernfunktionalität von CARMA nutzen. |
| |
Ich gehe zunächst zum Hilfemenü und gehe zu den Beispieldaten. Dort sehen Sie die |
| |
Zuverlässigkeit und Überlebensmenü hier. Genau dorthin gehen wir. Einer der Vorteile von JMP ist, dass es viele verschiedene Disziplinen, Funktionen und spezielle Werkzeuge dafür bietet. Und für meinen Fall mit Zuverlässigkeit gibt es hier viel, was auch dazu beiträgt, |
| |
Der Nutzen der Verwendung von JMP liegt in der Verwendung von CARMA. |
| |
Aber ich wollte Sie auf den Lokomotivdatensatz hinweisen und Ihnen einfach zeigen ... |
| |
Dies stammt ursprünglich aus einem Lehrbuch. |
| |
Und wir sprechen hier über angewandte Lebensdatenanalyse. Darin gibt es ein Problem, bei dem wir gefragt werden, wie hoch das Risiko bei 80.000 Expositionen ist, und wir werden das heute in unserem Datensatz modellieren. |
| |
in einem Oxidationsmodell, so haben wir es genannt, aber im Wesentlichen wird CARMA uns eine Antwort geben. Auch hier eine wirklich einfache Antwort, aber ich wollte Ihnen nur zeigen, dass Sie dasselbe bekommen können |
| |
Klicken Sie dazu auf |
| |
im Analysemenü. |
| |
Wir gehen also zu einer Analyse der Haftung und des Überlebens über, der Lebensverteilung. |
| |
Platzieren Sie die Zeit und den Sensor dort, wo sie hin müssen. |
| |
Wir werden Weibull verwenden |
| |
und nur die beiden ... also wird eine Übereinstimmung für diese Daten erstellt. |
| |
Zwei Parameter, auf die ich hinweisen wollte, sind das Beta, 2,3, und dann wird es hier Weibull-Alpha genannt. In unserem Tool wird es Ada genannt, aber 183. |
| |
Okay, wir sehen hier, wie das geht. |
| |
Jetzt nur noch rüberspringen, |
| |
Ich möchte mir ein paar der anderen Dateien ansehen, die Eingabedateien, also |
| |
Ich werde sie hochziehen. |
| |
Okay, das ist die Modelldatei. |
| |
Ich habe erwähnt, dass ich drei Modelle erstellt habe. Dies sind die aktiven Modelle, mit denen wir die Daten vergleichen werden. |
| |
Sie werden sehen, dass die Oxidation die erste ist, das habe ich erwähnt, und dann |
| |
Sie möchten ... zusätzlich zu den Modellparametern enthält es einige Konfigurationsinformationen. Dies sind nur zwei einfache Dinge hier |
| |
(Verbrennungssystem, Kraftstoffkapazität) Ich verwende sie als Beispiele, aber es gibt noch viele weitere Spalten dieser Art. Was mir an CARMA besonders gefällt, ist, dass es große Datensätze mit vielen unterschiedlichen Konfigurationen durchsuchen und finden kann. |
| |
welche dieser Datensatzzeilen auf Ihr Modell zutrifft und die Sortierung in Echtzeit durchführen, und zwar für alle Modelle, die Sie im Datensatz durchführen müssen. Und genau das werden wir zur Demonstration verwenden. |
| |
Verzeihung. |
| |
Schauen Sie sich auch einfach mal kurz die empirischen Daten an. |
| |
Und |
| |
nur ein Highlight, wir haben einen Sensor, wir haben Belichtungen, wir haben |
| |
Die |
| |
Intervall, in dem wir diese Expositionen auswerten werden, |
| |
Modi, |
| |
und dann sind dies die letzten beiden Spalten, über die ich gerade gesprochen habe, Verbrennungssystem und Kraftstoffkapazität. |
| |
Okay, starten wir CARMA. |
| |
Als Add-In, also werde ich es einfach zum Laufen bringen. |
| |
Und Sie werden sehen, dass ich es bereits auf den Standort verweise |
| |
Ich möchte verwenden. |
| |
Und |
| |
In der heutigen Präsentation werde ich nicht die Zeit haben, auf alle Funktionen einzugehen. Aber all diese Dinge können Ihnen dabei helfen, Ihre Daten zu analysieren, die beste Modellierungsmethode zu finden und einige Überprüfungen durchzuführen, bevor Sie Ihre Modelle fertigstellen. |
| |
Aus Zeitgründen werde ich das nicht alles erklären und demonstrieren, aber ich wollte mir nur eine Minute Zeit nehmen, um die drei Modelle, über die wir gesprochen haben, zu erstellen und eine Präsentation zu erstellen, damit Sie diesen Teil der Funktionalität sehen können. |
| |
Entschuldigen Sie, mein |
| |
mein Hals wird plötzlich trocken, also muss ich weiter trinken; dafür entschuldige ich mich. |
| |
Wir haben also Oxidation. |
| |
Wir sehen die Anzahl der Ausfälle und Aussetzungen. |
| |
Das ist dasselbe, was Sie im Text sehen werden. |
| |
Fügen Sie das hinzu. |
| |
Und scrollen wir kurz nach unten. Das ist |
| |
erstes Modell hinzugefügt |
| |
Oxidation. Wir sehen, dass das alte Modell 30 Ausfälle und 50 Aussetzungen hatte. Dieses hier hat 37 und 59. |
| |
Der Betawert beträgt 2,33, wie wir extern gesehen haben, und der ADAwert beträgt 183. |
| |
Und die Antwort auf die Lehrbuchfrage: Das Risiko von 80.000 Expositionen |
| |
beträgt bei Verwendung eines Weibull-Modells etwa 13,5 %. Das ist also nur eine Art grobe Methode, dies hier zu tun. |
| |
Schauen wir uns auch einfach an, wie wir die anderen beiden Modelle hinzufügen. |
| |
Okay, wir haben Cracking, ich füge Creep hinzu. |
| |
Und Sie werden hier sehen |
| |
Es werden verschiedene Felder angezeigt, die beispielsweise das Verbrennungssystem oder die Kraftstoffkapazität darstellen, wobei dies für das jeweilige Modell in der LDM-Datei gefordert wird. |
| |
Wenn ich das jedoch ändern möchte, kann ich hier andere Konfigurationen auswählen und das würde dazu führen, dass sich meine Zeilen für FNS hinsichtlich dessen ändern, was eingeschlossen wird und was nicht. |
| |
Und dann kann ich neue Populationen erstellen und segmentieren |
| |
entsprechend. |
| |
Okay, wir haben alle drei Modelle hinzugefügt |
| |
und ich denke, wissen Sie, wir werden nicht mehr Zeit darauf verwenden, sondern nur mit den Modellen spielen, was die Optionen angeht, aber ich werde einen Bericht erstellen. |
| |
Und ich habe einige Optionen, was ich in den Bericht aufnehmen möchte. |
| |
Und ich habe eine Präsentation und dieser LDM-Eingang wird die aktiven Modelle sein, entschuldigen Sie, die laufenden Modelle, die |
| |
als Tabelle ausgegeben. |
| |
Also gut, ich muss nur |
| |
wählen Sie den entsprechenden Ordner |
| |
wohin meine Präsentation führen soll |
| |
Und jetzt dauert es eine Minute, diesen Bericht durchzugehen und zu erstellen. Das dauert tatsächlich eine Minute. Aber ich denke, ich vergleiche es mit den Stunden, die man normalerweise für dieselbe Aufgabe braucht. |
| |
möglicherweise, wenn Sie außerhalb des Tools gearbeitet haben. Und jetzt sind wir bereit, den Bericht fertigzustellen. |
| |
Speichern Sie es. |
| |
Und |
| |
Speichern Sie den Ordner und jetzt ist es erledigt. Es ist da und wir können es überprüfen. |
| |
Das andere, was ich hervorheben möchte, ist, dass ich dies bereits generiert hatte |
| |
vorher, also werde ich einfach |
| |
hochziehen |
| |
Die Datei, die ich bereits erstellt habe, können wir durchsehen. Es handelt sich um eine Vorlage. Sie dient der Geschwindigkeit, kann aber nachträglich noch weiter angepasst werden. Alternativ können Sie Platzhalter einfügen und die Folien nachträglich bearbeiten. |
| |
Es geht um mehr als nur die Modellierung der Lebensdauerverteilung, die ich anfangs hervorgehoben habe. Es umfasst auch eine Menge Zusammenfassungsarbeit, d. h. die Zusammenfassung der in jedem Modell enthaltenen Daten, wofür sich JMP natürlich sehr gut eignet. |
| |
Es vergleicht die Modelle, sodass Sie |
| |
Führen Sie verschiedene statistische Tests durch. Nutzen Sie JMP. Und auch hier ist JMP hervorragend geeignet. Das erweitert die Funktionalität. |
| |
Unsere Gutachter sehen gerne, wie sich die Modelle im Jahresvergleich verändert haben. Sie verfügen über mehr Daten, beziehen weniger ein. Wie wirkt sich das auf die Parameter aus? Wie verändert es Ihre Risikozahlen? |
| |
Diagramme: Natürlich erhalten Sie viele Daten aus Streudiagrammen und dergleichen. |
| |
Es gibt eine Zusammenfassung, die einige der besprochenen Konfigurationsinformationen sowie die endgültigen Parameter enthält. |
| |
Und das für jedes der drei Modelle, |
| |
sowie nur ein Risiko-Roll-up am Ende |
| |
für für alle diese |
| |
kombiniert. |
| |
Das war also eine schnelle |
| |
Komplettlösung. Die |
| |
Demo. |
| |
Ich denke, wir haben alles abgedeckt, was ich tun wollte. |
| |
Hoffentlich können wir in der Fragerunde noch etwas mehr darüber sprechen, falls Sie noch weitere Fragen haben. Es ist schwer, alles vorherzusehen. |
| |
Ich möchte aber noch einmal auf einige Vorteile eingehen. Ich habe das bereits erwähnt, aber wir konnten durch CARMA Produktivitätssteigerungen feststellen, das ist also ein Vorteil. |
| |
Natürlich wird die Standardisierung unseres Modellierungsprozesses erhöht und das ermöglicht auch neuen Teammitgliedern, sich mehr auf den Prozess und dessen Erlernen zu konzentrieren, anstatt mit Werkzeugen zu arbeiten. |
| |
Dies hilft ihnen letztendlich, schneller auf den neuesten Stand zu kommen. Und dann gibt es noch ein erhöhtes Engagement der Mitarbeiter, indem es den Ingenieuren ermöglicht wird, |
| |
in ihren Gedanken, wo sie die größte Wirkung erzielen können. |
| |
Ich möchte mich auch bei Melissa Seely, Brad Foulkes, Preston Kemp und Waldemar Zero für ihre Beiträge zu dieser Präsentation bedanken. Ich bin ihnen zu großem Dank verpflichtet für all ihre Unterstützung. |
| |
Und ich möchte Ihnen für Ihre Zeit danken. Es hat mir Freude gemacht, Sie heute an unserem Weg zur Verbesserung teilhaben zu lassen. Ich hoffe, wir haben in der Fragerunde Gelegenheit, uns auszutauschen. Wie dem auch sei, viel Spaß beim restlichen Gipfeltreffen! |
