|
Conférencier
|
Transcription
|
| anujakhhairnar |
Bonjour à tous. |
| |
Il s'agit d'un projet que j'ai réalisé pendant mon master à l'université d'État de Caroline du Nord sous la direction du Dr Helgeth et du Dr Rothenberg. Et c'est un plaisir pour moi et le Dr Rothenberg de vous le présenter aujourd'hui. Le sujet de ce projet est la réduction des variations de coupe dans la fabrication des jeans en denim. |
| |
Voilà donc en gros le programme de la journée. Je vais vous donner le contexte de l'entreprise pour laquelle je travaille sur ce projet. |
| |
Et l'introduction couvrira ce qu'implique ce projet, quel est le processus de fabrication, quelle méthodologie nous avons utilisée pour parvenir à nos résultats d'expérience ou de conception d'expériences que nous avons réalisés, et enfin les recommandations et solutions que nous avions pour ce projet. |
| |
Donc, un petit détail à propos de VF, c'était qu'ils voulaient quelqu'un de |
| |
le programme d'études pour venir les aider et utiliser leur savoir-faire technique et notre savoir-faire académique pour travailler ensemble et trouver une solution sur ce projet. Mais juste un aperçu de VF lui-même. |
| |
C'est une entreprise de vêtements, de chaussures et de plein air d'une valeur de 12 milliards de dollars, et elle a été fondée en octobre 1899. |
| |
Elle compte près de 70...70 000 associés dans plus de 170 pays à travers le monde, et ce projet a été réalisé lorsque VF s'est adressé à une marque qui en faisait partie, et c'était un projet de jeanswear. |
| |
enfants, femmes, hommes, |
| |
les personnes âgées, tout le monde, peu importe qui c'est, tout le monde aime le denim. Et au fil des ans, il s'est amélioré, a changé de facette, passant d'un vêtement que l'on utilise pour un travail sale et dur à quelque chose de vraiment à la mode pour marcher sur une rampe. Et à cause de l'évolution |
| |
Pour répondre aux besoins du denim, des changements ont été apportés au traitement, mais ce traitement a eu un effet... qui a entraîné un problème appelé la variation d'ajustement du denim et c'est ce que nous allons examiner plus en détail. |
| |
L’objectif de cette recherche était donc d’étudier la variation d’ajustement du denim VF jeanswear. |
| |
d'évaluer à quel niveau de la fabrication interne la variation a été constatée, et de proposer des recommandations et des solutions pour réduire cette variation, et enfin la mettre en œuvre. |
| |
Le processus de fabrication des jeans en denim commence donc par la fibre. Et cette fibre passe par l'étape de filage, puis par l'étape de teinture du fil. Ce fil teint est ensuite tissé avec du fil non teint. |
| |
fibres et formées en un tissu denim. Ce tissu denim est fini soit par flambage (?) et |
| |
des trucs de base comme ça. Ensuite, il faut passer à la découpe du patron où la découpe ??? crée un patron pour le jean à fabriquer. |
| |
Ce modèle est ensuite cousu et ces jeans enfin cousus passent par le processus de traitement humide, qui comprend le lavage, le séchage et la finition, puis, enfin, ils sont mis sur le marché de détail. Cela... c'est juste pour la fabrication de denim. |
| |
Et le rétrécissement est une part importante de la fabrication du denim, car il contient du coton. En plus du coton, il a |
| |
un fil, ??? fil, qui rétrécit et c'est pourquoi le rétrécissement est un facteur important dans le denim. |
| |
Le problème initial était que les jeans en denim VF Jeanswear présentaient de grands écarts par rapport aux limites de spécification au niveau de la taille et de l'entrejambe. |
| |
L'équipe a estimé que cela avait contribué à la perte de ventes. L'objectif était d'étudier la raison de cette variation et de la réduire au niveau de la taille et de l'entrejambe. |
| |
Le travail de base pour cela, après avoir défini l'énoncé initial du problème, était d'observer la distribution des variations de taille parmi |
| |
la gamme de production...le denim de production, puis la comparaison de la gamme d'ajustement entre la couture...après le processus de couture et après le processus de finition...après la finition des données d'audit sur le denim 100 % coton et le denim extensible. |
| |
Nous avons ensuite dû élaborer le diagramme de cause à effet sur JMP, ce qui nous a aidé à comprendre sur quels facteurs nous concentrer. JMP nous a également aidé à créer le diagramme de flux de processus pour l'ensemble de la fabrication du denim. |
| |
Ce sont les données que j'ai téléchargées sur JMP pour comprendre quelle était la variation initiale de la taille que nous observions pour définir le problème. |
| |
de manière réaliste ou factuelle. Et ici nous avons les moyens... la gamme de denim pour les tailles masculines 32 à la taille et 32 à l'entrejambe. Et comme vous pouvez le voir, la gamme de coupes varie de |
| |
jusqu'à 3,24 pouces. C'est la quantité de variation que le denim présente dans les tailles 32 à 32. |
| |
Cela signifie qu'un jean, qui est censé mesurer 32 pouces au niveau de la taille, peut varier entre 29 et 35. |
| |
C'est ce que signifie la gamme d'ajustement. Et c'est pareil avec les tailles féminines. Nous avons simplement considéré les tailles 10 et 12 et lorsque nous avons mesuré la gamme d'ajustement parmi les tailles, nous voyons |
| |
une différence de trois pouces ici aussi. Cela nous a amené à penser qu'il y a certainement un problème d'ajustement que nous pouvons quantifier et nous avons défini notre énoncé du problème. |
| |
C'est à ce moment-là que nous avons comparé les données. Nous voulions aller plus en profondeur et découvrir où se situent les véritables variations. |
| |
Nous avons également recueilli des données d'audit après la couture du denim avant tout traitement par voie humide. Il existe également de nombreuses données d'acceptation, essentiellement avant que le denim ne quitte l'entrepôt pour la vente au détail. |
| |
Et comme vous pouvez le voir ici sur le graphique, la plage d’acceptation des lots est bien supérieure à la plage d’audit de l’usine. |
| |
Cela nous permet de savoir que quelque chose se passe pendant le traitement humide après que le denim soit cousu et avant qu'il ne soit réellement envoyé sur le marché de détail, quelque chose là-bas est à l'origine de cette variation. |
| |
Et nous constatons des résultats similaires avec le denim stretch. La seule chose est que nous constatons une plus grande variation, une gamme plus large dans le denim stretch, ce qui nous a conduit à prendre le denim stretch comme base, au lieu du 100% coton. |
| |
Ainsi, le problème et l'objectif redéfinis étaient les suivants : les jeans en denim VF Jeanswear présentaient une plage d'ajustement pour la taille des hommes de 3,24 pouces et une plage d'ajustement pour la taille des femmes de 3,12 pouces. |
| |
L'équipe a estimé que cela avait contribué à une perte de ventes. L'objectif de cette étude était de réduire la variation de la taille de 0,5 pouce d'ici avril 2019. |
| |
C'est le diagramme de cause à effet que nous avons réalisé dans JMP. Nous avons utilisé un certain |
| |
des identifiants, comme des personnes, des procédures qu'elles exécutent qui pourraient être erronées, ou il pourrait y avoir un problème dans la zone de mesure, ou simplement dans l'usine, ce qui provoque... ce qui conduit à une variation. |
| |
Il s'agissait du diagramme de flux de processus de l'ensemble de la fabrication |
| |
Et depuis la balle de tissu jusqu'à l'emballage, chaque petit détail est couvert dans ce diagramme de processus. |
| |
Et c'est ce que j'ai utilisé pour créer ce diagramme de cause à effet. Et je l'ai divisé en fonction de l'erreur humaine, des zones de forte variation, des zones sélectionnées pour mon projet de thèse et des zones d'erreurs de mesure. |
| |
Le plan d'attaque pour travailler sur la zone sélectionnée consistait donc à travailler sur le traitement rouge, qui consistait à laver et sécher le denim. Et pour cela, nous avons réalisé une étude Gage R&R et une conception d'expériences. |
| |
L'étude Gage R&R a été réalisée pour vérifier que les personnes qui allaient mesurer les tissus sur lesquels j'allais effectuer l'étude étaient cohérentes. Que ces personnes pouvaient répéter l'étude et reproduire des résultats similaires dans un intervalle de confiance très faible. |
| |
Voici donc ce que nous avons choisi. Nous avons choisi 12 échantillons de tissus différents et nous avons choisi trois opérateurs différents qui étaient les seuls à pouvoir mesurer tout cela tout au long du projet. |
| |
Nous avons demandé à chaque opérateur de mesurer chaque carré de tissu trois fois dans un ordre aléatoire. C'est à ce moment-là que nous avons mis ces données dans JMP pour obtenir les données de l'étude Gage R&R. |
| |
Voilà donc ce que JMP nous a renvoyé après que nous y ayons mis les données, c'est que la variation d'une partie à l'autre était d'environ... |
| |
La reproductibilité et la répétabilité d'une partie à l'autre étaient d'environ 99,98 %. C'est à ce point qu'ils ont mesuré les données, ce qui nous a conduit à croire que quelle que soit la procédure que nous... quelles que soient les expériences que nous allions faire ici, elles seraient calculées correctement à 99,98 %. |
| |
Et c'est... donc l'autre était pour les mesures de réalisation, et c'est pour les mesures de chaîne, mais c'étaient les mêmes données. |
| |
Voici les expériences que nous avons conçues, dans lesquelles nous avons pris trois niveaux de tissu différents, nous avons utilisé quatre types de lavage différents, nous avons utilisé deux types de lave-linge différents et deux types de sèche-linge différents. Cela a donné lieu à 96 exécutions sur JMP. |
| |
Et ce n'est que la division des codes de tissu que j'ai utilisés pour cette expérience, en termes de |
| |
quels étaient les différents tissus, quelles étaient les recettes, quels étaient les... quels étaient les noms de la laveuse que j'ai utilisée pour cette expérience, de la sécheuse, et quelles sont les différentes mesures totales, qui étaient après lavage et après séchage. |
| Lori Rothenberg |
Je vais parler des résultats des expériences et je vais aller sur JMP pour vous montrer un exemple d'une des expériences que nous avons analysées. |
| |
Laissez-moi passer à JMP et je vous montrerai d’où nous obtenons ces résultats. |
| |
Voici à quoi ressemblait notre tableau de données. Nous avions conçu une factorielle complète à l'aide de JMP et nous avions collecté des données sur le remplissage après lavage, la chaîne après lavage, le remplissage après séchage, la chaîne après séchage et je ne vais pas les passer en revue toutes. |
| |
Ce que je voudrais faire, c'est vous montrer un problème intéressant auquel nous sommes confrontés lorsque nous avons dû examiner le remplissage après lavage. Pour continuer et analyser ces données, nous allons analyser, ajuster le modèle. |
| |
Je vais aller de l'avant et prendre le remplissage après lavage, en faire mon Y. |
| |
Je vais prendre le type de tissu, le type de lavage, le type de laveuse et le type de sécheuse. Ce sont les quatre qui étaient sur la vidéo qui... ou sur la diapositive précédente qu'Anuja a mentionnée. Je vais passer aux macros et faire une factorielle au degré. |
| |
Cela inclura donc toutes nos interactions bidirectionnelles. Je vais modifier le filtrage des effets pour qu'il s'applique à l'effet de levier, afin que nous puissions examiner quelques-uns des tracés et appuyer maintenant sur Exécuter. |
| |
Nous y sommes. Lorsque nous examinons le résumé des effets, il se trouve juste en dessous du premier graphique, ce que vous pouvez voir, dans la dernière colonne sous les valeurs P, c'est que nous avons des éléments qui ne sont pas significatifs. |
| |
Ici, dans JMP, nous avons commencé par le bas avec nos interactions bidirectionnelles, puis nous avons continué et commencé à les supprimer. |
| |
Nous nous sommes débarrassés de cette première option, il y avait nos valeurs P les plus élevées suivantes, nous l'avons donc sélectionnée et supprimée. Nous avons conservé le type de sécheuse, car c'est un effet principal. Nous avons examiné notre deuxième option, qui était le type de tissu par type de sécheuse, et nous l'avons supprimée. |
| |
Et puis, si vous regardez ci-dessus, nous n'avons plus de sèche-linge dans quoi que ce soit, donc je peux continuer et nous avons cliqué dessus et l'avons supprimé. |
| |
À ce stade, nous avons vérifié nos résidus et nous avions... la variance était bonne, les données étaient normales, mais si vous regardez sous le manque d'ajustement, nous avions un manque d'ajustement et nous avons donc dû penser à autre chose à faire. |
| |
Je ne vais pas vous montrer cela maintenant, mais ce qui s'est passé, c'est que l'ajustement... le pire ajustement a un nombre négatif plus élevé. |
| |
Nous avons donc dû commencer à faire des transformations et les transformations ne fonctionnent pas sur les nombres négatifs, nous avons donc inversé l'échelle, juste pour celui-ci. Ainsi, un nombre plus élevé signifie un rétrécissement plus important. |
| |
Nous avons donc cette colonne ici, donc je peux aller de l'avant et vous montrer comment nous avons réalisé une transformation Box Cox dessus. Je vais revenir pour analyser. |
| |
Et je vais sélectionner le modèle qui convient. |
| |
Je vais aller de l'avant et rappeler ce que j'ai, parce que c'est très rapide. Je vais me débarrasser de l'après-lavage, supprimer celui-là et, à la place, j'ai les valeurs absolues, en fait, du remplissage après lavage ici. Je vais donc aller de l'avant et le mettre en place et maintenant je vais l'exécuter. |
| |
Et maintenant, je vais faire la même chose. Je vais continuer et abandonner ces interactions à double sens qui ne sont pas significatives. |
| |
Et vous verrez que le type de laveuse et de sécheuse n'était pas significatif. Encore une fois, je dois passer au type de tissu et au type de sécheuse. |
| |
Et puis finalement je reviens au type de sécheuse et vous pouvez voir que la sécheuse ne se produit pas ci-dessus, je peux donc continuer et la sélectionner et la supprimer. |
| |
Vous remarquerez que dans le manque d'ajustement, j'ai toujours un problème. |
| |
Et donc ce que nous avons fait, c'est que nous sommes allés plus loin et sommes allés au triangle rouge à côté de la réponse. Nous avons donc fait un profilage des facteurs et sommes allés à la transformation Box Cox. |
| |
En bas, nous avons vu la courbe de transformation Box Cox et, si vous la regardez, le meilleur lambda qu'elle affiche est de 0,329. |
| |
Eh bien, si vous regardez cela, je sais que c'est la meilleure ligne, mais nous avons en quelque sorte une petite marge de manœuvre pour aller de l'avant et travailler. |
| |
Et c'est ce que nous avons fait. Je ne vais pas vous ennuyer avec tout cela, mais nous avons découvert que le calibre .25 était le plus performant. |
| |
Et je vais aller sur le triangle rouge à côté de la transformation Box Cox et je vais réajuster avec la transformation. Et maintenant, le lambda que je vais continuer et utiliser ici va être 0,25 et je vais cliquer sur OK. |
| |
Regardons maintenant ce qui s'est passé. Nos résidus sont en bon état, et si vous regardez le manque d'ajustement, nous sommes maintenant en bonne forme. |
| |
Nous avons ensuite examiné les interactions qui étaient significatives et nous avons découvert des choses intéressantes. |
| |
Je vais recommencer avec... commençons par le type de tissu par type de lavage. |
| |
Nous sommes allés de l'avant et avons regardé les parcelles des moindres carrés et donc pour... |
| |
pour VF ils ont aimé regarder les intrigues et elles étaient assez, vous savez, compréhensibles. Je vais d'abord créer l'intrigue d'interaction et j'aurai le type de tissu. |
| |
Je clique sur OK, et ici vous pouvez voir le tracé habituel des moindres carrés lorsque vous avez une interaction. Le vert ici en bas est le coton. Vous pouvez voir que le coton |
| |
avait le moins de rétrécissement et ici en bleu, vous pouvez voir... c'est notre mélange tricolore et il avait le plus de rétrécissement et c'était sur tous les types de lavage et c'étaient ceux qui étaient |
| |
rinçage et pierre et eau de javel chaude et eau de javel froide. Et vous pouvez donc voir qu'il y a eu des occasions où nous avions des choses qui |
| |
Les différences ne sont pas significatives, mais parfois nous voulons savoir quelles sont ces différences. Très rapidement, avant de terminer, laissez-moi vous présenter un autre graphique des moindres carrés. |
| |
Je vais au triangle rouge à côté du tissu et je sélectionne le tracé des moindres carrés. Cette fois, je vais simplement laisser cette case décochée. C'est également une façon intéressante d'examiner les données. Et si vous comparez ces deux éléments, vous pouvez commencer à voir ici, si nous examinons notre |
| |
notre bi-mélange et puis vous regardez notre type de lavage là, vous pouvez commencer à voir les motifs. Donc ici, nous avions aussi |
| |
Dans notre rouge, nous avions notre bi-mélange et, si vous regardez ici, il prend également la même forme. C'est juste une autre façon de visualiser les données et nous l'utilisons également. Maintenant, nous avons également fait les statistiques sur cela. Nous avons continué et avons fait la moyenne des moindres carrés de Tukey. |
| |
Et nous obtenons une belle grande matrice, mais nous sommes descendus en dessous et nous avons pu voir sur le joli graphique qui contient toutes les lettres |
| |
sur ce point, lesquels étaient vraiment très différents les uns des autres et lesquels ne l'étaient pas. Et ce que nous voyons ici, en fait, c'est que le coton finit toujours par avoir le moins de rétrécissement, comme nous l'avons vu, mais nous avons aussi ce bi-mélange... |
| |
bi-mélange qui était également dans un rinçage qui n'était pas non plus significativement différent de l'un des cotons qui était également dans notre rinçage. |
| |
Nous avons répété cela. Nous avons fait cela également avec nos autres interactions afin de pouvoir aller de l'avant et voir ce qui se passait avec le type de tissu et le type de laveuse. Nous avons suivi les mêmes étapes. |
| |
Je vais juste vous montrer les diagrammes des moindres carrés ici. Vous en verrez d'autres sur les diapositives qui s'afficheront. |
| |
Nous pouvons donc constater ici encore que le coton, quel que soit le type de machine à laver, présente le rétrécissement le plus faible. Vous pouvez voir ici que le mélange tricolore présente le rétrécissement le plus important, puis, si je regarde ici le type de lavage et le type de machine à laver, |
| |
Et voilà. Si je vais dans le triangle rouge et que je sélectionne le graphique des moindres carrés moyens. |
| |
Ici, vous verrez qu'il y a également une interaction entre le type de lavage et le type de laveuse. Et donc, si vous regardez ici en bas, LB correspond au rinçage. C'est celui qui a eu le moins de rétrécissement. |
| |
Et puis, si vous commencez à regarder ici avec LT et ST, LT était l'eau de Javel à froid et ensuite ST était notre eau de Javel à chaud, donc vous pouvez en quelque sorte voir que notre point le plus élevé est juste là. Et puis de même ici, si vous regardez où |
| |
BT était un blanchiment à chaud, désolé, LT était notre blanchiment à froid et ST était notre lavage à la pierre. |
| |
Et je vais continuer à ce stade, je vais arrêter de démontrer JMP. |
| |
Et je vais continuer et vous ramener à nos diapositives de résultats et je vais laisser la parole à Anuja, qui pourra vous en dire plus. Je vais passer en revue... nous avons inclus ici des diapositives pour tout ce que nous avons fait, juste pour que vous en ayez une copie, |
| |
au cas où tu aimerais l'avoir. Voilà donc tout ce que je t'ai montré, puis nous sommes passés à l'après-séchage et à Anuja, je te le donne. |
| anujakhhairnar |
Ouais, donc même ici, nous pouvons voir que le type de tissu, le type de lavage et l’interaction sont significatifs. |
| |
Et voici les résultats, similaires à ceux que le Dr Rothenberg vient de réaliser sur JMP. Nous avons réalisé la même chose sur JMP et nous avons obtenu ces données, et ici nous pouvons voir que les bi-mélanges et 100% coton et les tri-mélanges, tous les trois ont montré des variations, mais plus particulièrement dans les tri-mélanges et les bi-mélanges. |
| |
Il s’agissait donc simplement d’une autre étude que nous avons menée, dans laquelle nous avons obtenu des lots de différentes usines, pour voir si c’était une cause de variation. |
| |
Et oui, nous l'avons certainement fait, car le numéro de bon de commande correspondait essentiellement à des lots différents et nous pouvons voir qu'il est sensiblement différent. |
| |
Et voici ce que nous avons obtenu, les résultats. Les bi-mélanges et les tri-mélanges, vous pouvez voir que ce n'est pas linéaire. Nous pouvons voir la variation de cela, ce qui nous a donné une bonne information |
| |
nous avions besoin que chaque fois qu'un lot différent arrive, nous devions... il devait être testé pour voir dans quel seau il tombe, en particulier dans quel seau de rétrécissement il tombe. |
| |
Et puis nous avons également fait différentes températures de sécheur, si cela causait une différence, si cela causait un effet, car il n'y avait pas autant de différence entre les sécheurs. |
| |
Et oui, on constate encore qu'il y avait une différence significative dans la température du sèche-linge. |
| |
Donc 180, si vous voyez les nombres sont inversés, mais 180 a provoqué le rétrécissement maximal, et 140 et 160 ont provoqué un rétrécissement presque similaire et également moindre. |
| |
Nous avons réalisé une autre étude, dans laquelle nous avons développé des produits pour les laveuses et les sécheuses industrielles. |
| |
Et nous avions deux types de tissus différents, trois types de lavage différents et des laveuses et sécheuses différentes. |
| |
Et ici, nous voyons que le type de laveuse, après lavage, nous avons vu une différence significative qui nous a indiqué qu'entre les différents types de laveuses, il y a une variation. |
| |
Et, de la même manière, nous avons mis les données dans JMP et nous avons trouvé le graphique des moyennes des moindres carrés... le graphique des moyennes pour le type de lavage et le type de laveuse. |
| |
Et ici, nous pouvons voir que dans le rinçage, le LB est la partie rinçage, nous pouvons voir d'après ce que nous avons conclu à partir de nos données plus anciennes que le rinçage a provoqué le moins de rétrécissement et que l'eau de Javel à froid et l'eau de Javel à chaud ont provoqué le plus de rétrécissement. |
| |
Et voici les résultats après lavage industriel. Et nous pouvons voir, même dans ces données, qu'il y a une différence entre le rinçage et l'eau de Javel à froid et à chaud, et que le type de tissu et le type de laveuse ne montrent pas de différence significative. |
| |
Et de la même manière, nous avons effectué le test sur les sèche-linge. |
| |
Et voici les résultats après séchage du développement du produit |
| |
séchoirs. |
| |
Et nous avons simplement mis toutes les données dont nous avions besoin plus tôt... |
| |
de plus tôt. |
| |
Et nous avons mis tout cela ensemble dans un tableau. Et nous pouvons voir ici le PW1, le PW2 et le laveur industriel 1 et le laveur industriel 2 avec après lavage et après séchage, nous avons vu jusqu'à 12 % de différence entre ces sécheuses et laveuses. |
| |
Et ce sont les améliorations que nous avons apportées |
| |
recommandé. Avant que cet essai ne soit réalisé, seulement 40 % des tissus entrant dans la production ont été testés pour le rétrécissement afin qu'ils puissent être placés dans différents seaux. |
| |
Et après cette amélioration, nous avons recommandé de tester toutes les balles qui arrivent, et cela devrait nous donner une différence significative. Et l'autre recommandation était que nous devions utiliser des PDL et des machines industrielles et... |
| |
nous devons utiliser des machines PDL plutôt que des machines industrielles et les machines industrielles doivent être surveillées et bénéficier de plus d'entretien. |
| |
Voilà donc comment nous leur avons présenté les changements qui devaient être effectués et qui étaient |
| |
mis en œuvre. De 40% à 100% de tests et passage de l'industriel au PDL. |
| |
Et voici nos résultats. Nous pouvons, si vous voyez le graphique, nous avons commencé cette étude en août et nous leur avons donné des résultats, nous avons continué à leur apporter des améliorations. Et si nous pouvons voir que février et mars... janvier était le moment où mon projet s'est terminé avec mon |
| |
Le projet de travail est terminé et j'ai donné les recommandations. Et vous pouvez voir qu'en février et mars, nous constatons une augmentation significative |
| |
baisse de la gamme. Et mon projet s'est terminé fin mars, c'est pourquoi je n'ai pas de données pour avril. |
| |
Et c'était la conclusion et la portée future. Donc, parce que JMP a aidé à obtenir tellement de détails, c'est que nous avions une portée de 3,24 pouces et |
| |
lorsque nous l'avons recalculé après les améliorations des derniers mois, nous l'avons réduit à 2,49 pouces, ce qui représente une diminution d'environ 23 % de la portée. |
| |
Notre idée était d'obtenir au moins 0,5 pouce, et nous y sommes parvenus. De même, pour la taille des femmes, nous avons réduit de 3,12 pouces à 2,73 pouces, ce qui représente une réduction d'environ 12,5 % et la |
| |
la réduction est moindre parce qu'ils ont... il y a plus d'élasticité dans le denim pour femme, c'est juste pour ça qu'il a... il a toujours une variation légèrement plus élevée. |
| |
Et nous aussi... parce que nous avons constaté une différence significative entre les lots qui sortaient des moulins, |
| |
L'autre amélioration les a amenés à contacter les usines et à leur demander d'améliorer leur assurance qualité et leur contrôle qualité, ce qui, à son tour, a abouti à de meilleurs résultats pour la production de jeans. |
| |
Ensuite, comme le PDL et les machines industrielles ont montré une différence de rétrécissement d'environ 12 % en moyenne, cela nous a donné plus |
| |
les détails, je crois que c'était le cas. Et les températures des sécheurs n'ont pas donné de données significatives dans tous les essais JMP que nous avons vus, la température des sécheurs n'a jamais eu de valeur P significative et c'est pourquoi nous n'avons pas eu besoin de changer. |
| |
Et les tri-blends devaient certainement être étudiés plus en profondeur, comme nous l'avons vu, ils nous ont toujours donné des données variées, donc voici nos futures recommandations. |
| |
Et il y avait beaucoup de limites dans cette expérience, parce que nous n'avions pas assez de temps pour la mener. Et nous n'avions pas assez de données parce que |
| |
L'usine était située au Mexique, donc chaque fois qu'il fallait faire quelque chose, il fallait se rendre là-bas pour récupérer les données, revenir et les lire. L'emplacement, le manque de données et l'absence d'accès constant aux informations, qui, espérons-le, seront... voilà les limites de ce projet. |
| |
Et voici ma reconnaissance envers tous mes conseillers et tous ceux qui m'ont aidé dans ce domaine. Des questions ? |
