|
Lautsprecher
|
Transkript
|
| anujakhairnar |
Hallo zusammen. |
| |
Dies war ein Projekt, das ich während meines Masterstudiums an der NC State unter der Leitung von Dr. Helgeth und Dr. Rothenberg durchgeführt habe. Und es ist mir und Dr. Rothenberg eine Freude, es Ihnen heute vorzustellen. Das Thema dieses Projekts ist die Reduzierung der Passformabweichungen bei der Herstellung von Jeans. |
| |
Das wäre im Wesentlichen die Tagesordnung für heute. Ich werde Ihnen den Hintergrund des Unternehmens erläutern, für das ich bei diesem Projekt arbeite. |
| |
In der Einleitung wird erläutert, was dieses Projekt beinhaltet, wie der Herstellungsprozess abläuft, welche Methodik wir verwendet haben, um zu den Ergebnissen unseres Experiments bzw. unseres Versuchsdesigns zu gelangen, und schließlich welche Empfehlungen und Lösungen wir für dieses Projekt hatten. |
| |
Ein kleiner Teil über VF war, dass sie jemanden von |
| |
der Lehrplan, um ihnen zu helfen und ihr technisches Know-how und unser akademisches Know-how zu nutzen, um zusammenzuarbeiten und eine Lösung für dieses Projekt zu finden. Aber nur ein Überblick über VF selbst. |
| |
Es handelt sich um ein 12 Milliarden Dollar schweres Bekleidungs-, Schuh- und Outdoor-Unternehmen, das im Oktober 1899 gegründet wurde. |
| |
Das Unternehmen verfügt über nahezu 70.000 bis 70.000 Mitarbeiter in über 170 Ländern auf der ganzen Welt. Bei diesem Projekt ging VF zu einer Marke, die das Unternehmen einschloss. Dabei handelte es sich um ein Jeanswear-Projekt. |
| |
Kinder, Frauen, Männer, |
| |
alte Leute, jeder, egal wer es ist, jeder liebt Denim. Und im Laufe der Jahre hat es sich verbessert, seine Facetten verändert, von etwas, das man für schmutzige, raue Arbeit verwendet, zu etwas wirklich Modischem, mit dem man über einen Laufsteg läuft. Und aufgrund der sich ändernden |
| |
Anforderungen an Denim: Es hat Änderungen in der Verarbeitung gegeben, aber diese Verarbeitung hat Auswirkungen … hat zu einem Problem geführt, das als Passformvariation bei Denim bezeichnet wird, und das werden wir uns genauer ansehen. |
| |
Der Zweck dieser Untersuchung bestand darin, die Passformunterschiede beim VF-Jeanswear-Denim zu untersuchen. |
| |
um zu beurteilen, wo in der internen Fertigung Abweichungen auftraten, und um Empfehlungen und Lösungen zur Reduzierung dieser Abweichungen auszuarbeiten und diese schließlich umzusetzen. |
| |
Der Herstellungsprozess von Jeans beginnt also mit der Faser. Und diese Faser geht in die Spinnphase, vom Spinnen geht sie in die Garnfärbephase. Diese Garnfärbung wird dann mit ungefärbtem gewebt. |
| |
Fasern und zu einem Denimstoff geformt. Dieser Denimstoff wird entweder mit Sengen(?) und |
| |
grundlegende Dinge wie diese. Dann geht es weiter mit dem Schnittmuster, wo beim Zuschneiden ein Schnittmuster für die Jeans erstellt wird, die dann hergestellt wird. |
| |
Dieses Muster wird später aufgenäht und diese fertig genähten Jeans werden nass verarbeitet, also gewaschen, getrocknet und veredelt und gelangen dann schließlich auf den Einzelhandelsmarkt. Das... das ist nur eine Frage der Denim-Herstellung. |
| |
Und das Schrumpfen ist ein großer Teil der Denim-Herstellung, da es Baumwolle enthält. Zusammen mit Baumwolle hat es |
| |
ein Garn, Garn, das einläuft, und deshalb ist das Einlaufen ein großer Faktor bei Denim. |
| |
Die anfängliche Problemstellung hierzu bestand darin, dass die Jeans von VF Jeanswear große Abweichungen von den Spezifikationsgrenzen für Taillenumfang und Innennaht aufweisen. |
| |
Das Team war der Ansicht, dass dies zu Umsatzeinbußen beitrug. Ziel war es, die Ursache für diese Abweichungen zu untersuchen und sie in der Taille und an der Innennaht zu reduzieren. |
| |
Die grundlegende Arbeit hierfür war, nachdem wir die anfängliche Problemstellung definiert hatten, die Verteilung der Taillenvariation unter |
| |
der Produktionsbereich … Produktions-Denim und anschließender Vergleich des Passformbereichs zwischen den Nähten … nach dem Nähvorgang und nach dem Fertigstellungsprozess … nach der Fertigstellung der Prüfdaten für 100 % Baumwoll-Denim und Stretch-Denim. |
| |
Dann mussten wir das Ursache-Wirkungs-Diagramm in JMP erstellen, das uns dabei half, zu verstehen, auf welche Faktoren wir uns konzentrieren sollten. Und JMP half auch dabei, das Prozessflussdiagramm für die gesamte Denim-Herstellung zu erstellen. |
| |
Dies waren die Daten, die ich in JMP hochgeladen habe, um zu verstehen, welche anfängliche Taillenabweichung wir sahen, um das Problem zu definieren |
| |
realistisch oder faktisch. Und hier haben wir die Mittel...die Auswahl an Denim für männliche Größen 32 Taille und 32 Schrittlänge. Und wie Sie sehen können, variiert die Auswahl an Passformen von |
| |
bis zu 3,24 Zoll. So groß ist die Variationsbreite des Denims in den Größen 32 bis 32. |
| |
Dies bedeutet, dass eine Jeans, die in der Taille 32 Zoll betragen sollte, eine beliebige Größe zwischen 29 und 35 haben kann. |
| |
Das ist es, was der Passformbereich bedeutet. Und dasselbe gilt für die Damengrößen. Wir haben nur die Größen 10 und 12 betrachtet und als wir den Passformbereich zwischen den Größen gemessen haben, sehen wir |
| |
auch hier ein Unterschied von drei Zoll. Dies führte uns zu der Annahme, dass es definitiv ein Passformproblem gibt, das wir quantifizieren können, und wir definierten unsere Problemstellung. |
| |
An diesem Punkt haben wir die Daten verglichen. Wir wollten tiefer vordringen und herausfinden, wo die tatsächlichen Unterschiede auftreten. |
| |
Und wir haben Prüfdaten vom Nähen des Denims vor der Nassverarbeitung gesammelt. Und dann gibt es jede Menge Akzeptanzdaten, also im Grunde bevor der Denim das Lager für den Einzelhandel verlässt. |
| |
Und wie Sie hier aus der Grafik ersehen können, liegt der Bereich der Chargenakzeptanz weit über dem Bereich der Werksprüfung. |
| |
Daraus können wir schließen, dass während der Nassverarbeitung nach dem Nähen des Denimstoffs und vor seiner tatsächlichen Auslieferung an den Einzelhandel etwas passiert, das diese Abweichungen verursacht. |
| |
Und wir sehen ähnliche Ergebnisse bei Stretch-Denim. Der einzige Unterschied ist, dass wir bei Stretch-Denim eine größere Variationsbreite und Bandbreite sehen, was uns dazu veranlasst hat, Stretch-Denim als Grundlage zu nehmen, statt 100 % Baumwolle. |
| |
Das neu definierte Problem und Ziel bestand also darin, dass die Passform der Jeans von VF Jeanswear für die Taillenweite von Männern 3,24 Zoll und für die Taillenweite von Frauen 3,12 Zoll betrug. |
| |
Das Team war der Ansicht, dass dies zu Umsatzeinbußen führte. Ziel dieser Studie war es, die Bandbreite der Taillenvariation bis April 2019 um 0,5 Zoll zu reduzieren. |
| |
Dies war das Ursache-Wirkungs-Diagramm, das wir in JMP erstellt haben. Wir haben eine bestimmte |
| |
Kennungen, wie Personen, welche Verfahren, die sie durchführen, möglicherweise falsch sind, oder es könnte ein Problem im Messbereich oder einfach in der Anlage vorliegen, das zu Abweichungen führt. |
| |
Dies war das Prozessablaufdiagramm der gesamten Fertigung |
| |
Boden. Und vom Stoffballen bis zur Verpackung wird in diesem Prozessablaufdiagramm jedes kleine Detail abgedeckt. |
| |
Und das habe ich verwendet, um das Ursache-Wirkungs-Diagramm zu erstellen. Und ich habe es nach menschlichem Versagen, Bereichen mit hohen Abweichungen, den ausgewählten Bereichen für mein Abschlussprojekt und den Bereichen mit Messfehlern unterteilt. |
| |
Der Plan für meinen ausgewählten Bereich bestand also darin, in der Rotverarbeitung zu arbeiten, also im Waschen und Trocknen des Denims. Und dafür haben wir eine Gage R&R-Studie und eine Versuchsplanung durchgeführt. |
| |
Die Gage R&R-Studie wurde durchgeführt, um zu sehen, ob die Leute, die die Stoffe, an denen ich die Studie durchführen wollte, messen würden, konsistent waren. Dass diese Leute die Studie wiederholen und innerhalb eines sehr kleinen Konfidenzintervalls ähnliche Ergebnisse reproduzieren konnten. |
| |
Hier ist also unsere Auswahl. Wir haben 12 verschiedene Stoffmuster ausgewählt und drei verschiedene Bediener ausgewählt, die als einzige dies während der gesamten Projektdauer messen würden. |
| |
Und wir haben jeden Bediener gebeten, jedes Stoffquadrat dreimal in zufälliger Reihenfolge zu messen. Und dann haben wir diese Daten in JMP eingegeben, um die Gage R&R-Studiendaten zu erhalten. |
| |
Das ist also die Antwort von JMP, nachdem wir die Daten eingegeben hatten: Die Abweichung von Teil zu Teil betrug ungefähr ... |
| |
Die Reproduzierbarkeit und Wiederholbarkeit von Teil zu Teil lag bei etwa 99,98 %. So genau waren sie bei der Datenmessung, was uns zu der Annahme veranlasste, dass jedes Verfahren, das wir hier durchführen würden, auf 99,98 % genau berechnet werden würde. |
| |
Und dies hier sind... also, das andere waren Erfüllungsmessungen, und dies hier sind die Kettmessungen, aber es waren dieselben Daten. |
| |
Dies waren die Experimente, die wir entworfen haben. Wir haben drei verschiedene Stoffqualitäten verwendet, vier verschiedene Wascharten, zwei verschiedene Waschmaschinenarten und zwei verschiedene Trocknerarten. Und das Ergebnis waren 96 Durchläufe auf JMP. |
| |
Und das ist nur die Aufteilung der Stoffcodes, die ich für dieses Experiment verwendet habe, in Bezug auf |
| |
was waren die unterschiedlichen Stoffe, was waren die Rezepte, was waren die... wie hießen die Waschmaschine und der Trockner, die ich für dieses Experiment verwendet habe, und es sind völlig unterschiedliche Maßeinheiten, nämlich die nach dem Waschen und die nach dem Trocknen. |
| Lori Rothenberg |
Ich werde über die Ergebnisse der Experimente sprechen und zu JMP gehen, um Ihnen ein Beispiel eines der von uns analysierten Experimente zu zeigen. |
| |
Lassen Sie mich zu JMP wechseln und Ihnen zeigen, woher wir diese Ergebnisse bekommen. |
| |
So sah unsere Datentabelle aus. Wir hatten mit JMP eine vollständige Fakultät erstellt und Daten zu den Themen „Nach dem Waschen, Füllen, Kettfaden, Kettfaden, Trockenfüllen, Trockenkettfaden“ gesammelt. Ich werde nicht alle diese Daten durchgehen. |
| |
Ich möchte Ihnen ein interessantes Problem zeigen, das wir hatten, als wir uns die Ergebnisse nach dem Waschen und Füllen ansehen mussten. Um diese Daten zu analysieren, gehen wir zu „Analysieren, Modell anpassen“. |
| |
Ich mache weiter und nehme „After Wash Fill“ und mache das zu meinem Y. |
| |
Ich nehme Stoffart, Waschart, Waschmaschinenart und Trocknerart. Das sind die vier, die im Video zu sehen waren... oder auf der vorherigen Folie, die Anuja erwähnt hat. Ich gehe runter zu Makros und mache eine Fakultät nach Grad. |
| |
Dies umfasst also alle unsere wechselseitigen Interaktionen. Ich werde die Effektüberprüfung in eine Effekthebelwirkung ändern, damit wir uns einige der Diagramme ansehen können und jetzt auf Ausführen drücken. |
| |
Hier sind wir. Wenn wir uns die Effektzusammenfassung ansehen, die sich direkt unter dem ersten Diagramm befindet, können Sie in der letzten Spalte unter den P-Werten sehen, dass wir einige Dinge haben, die nicht signifikant sind. |
| |
Hier in JMP haben wir ganz unten mit unseren wechselseitigen Interaktionen angefangen und dann damit begonnen, diese zu entfernen. |
| |
Das haben wir als Erstes entfernt. Hier waren unsere nächsthöheren P-Werte, also haben wir das ausgewählt und entfernt. Den Trocknertyp haben wir drin gelassen, weil er ein Haupteffekt ist. Wir haben uns unseren nächsten Zwei-Wege-Effekt angesehen, nämlich Stofftyp nach Trocknertyp, und das haben wir entfernt. |
| |
Und wenn Sie dann nach oben schauen, sehen Sie, dass wir nirgendwo mehr einen Trockner haben. Ich kann also weitermachen und darauf klicken und es entfernen. |
| |
An diesem Punkt überprüften wir unsere Residuen und wir hatten ... die Varianz war in Ordnung, die Daten waren normal, aber unter „mangelnde Anpassung“ sahen wir einen Mangel an Anpassung und mussten uns daher etwas anderes überlegen. |
| |
Ich werde es Ihnen jetzt nicht zeigen, aber was passiert ist, war eine Anpassung... eine schlechtere Anpassung hat eine höhere negative Zahl. |
| |
Also mussten wir Transformationen vornehmen, und Transformationen funktionieren bei negativen Zahlen nicht, also haben wir die Skala umgedreht, nur für dieses eine. Und eine höhere Zahl bedeutet eine stärkere Schrumpfung. |
| |
Wir haben also diese Spalte hier, also kann ich weitermachen und Ihnen zeigen, wie wir eine Box-Cox-Transformation darauf durchgeführt haben. Ich gehe zurück zur Analyse. |
| |
Und ich werde „Modell anpassen“ auswählen. |
| |
Ich werde jetzt einfach mal abrufen, was ich habe, weil das so schnell geht. Ich werde „After Wash“ entfernen und stattdessen die absoluten Werte der „After Wash Fill“-Füllung hier haben. Also werde ich das hier einfügen und es jetzt ausführen. |
| |
Und jetzt mache ich dasselbe. Ich werde die wechselseitigen Interaktionen, die nicht von Bedeutung sind, weglassen. |
| |
Und Sie werden sehen, dass Waschmaschinentyp und Trocknertyp nicht von Bedeutung waren. Wieder muss ich auf Stofftyp und Trocknertyp eingehen. |
| |
Und dann bin ich schließlich wieder beim Trocknertyp. Sie sehen, dass oben kein Trockner vorkommt. Ich kann also fortfahren, ihn auswählen und entfernen. |
| |
Sie werden es an der mangelnden Passform merken, ich habe immer noch ein Problem. |
| |
Und so machten wir Folgendes: Wir gingen weiter und gingen nach oben zum roten Dreieck neben der Antwort. Wir erstellten also ein Faktorprofil und gingen zur Box-Cox-Transformation. |
| |
Unten haben wir die Box-Cox-Transformationskurve gesehen. Wenn Sie einen Blick darauf werfen, sehen Sie, dass der beste angezeigte Lambda-Wert 0,329 ist. |
| |
Nun, wenn Sie sich das ansehen, weiß ich, dass das die beste Linie ist, aber wir haben gewissermaßen einen kleinen Spielraum, in dem wir weiterarbeiten können. |
| |
Und das haben wir getan. Ich will Sie nicht damit langweilen, aber wir haben festgestellt, dass 0,25 tatsächlich am besten funktioniert. |
| |
Und ich gehe zum roten Dreieck neben der Box-Cox-Transformation und passe sie mit der Transformation neu an. Und jetzt wird das Lambda, das ich hier verwenden werde, 0,25 sein und ich klicke auf „OK“. |
| |
Schauen Sie sich an, was passiert ist. Unsere Restbestände sind in einem guten Zustand, und wenn Sie sich die mangelnde Passung ansehen, sind wir jetzt in einem guten Zustand. |
| |
Anschließend haben wir uns die Interaktionen angesehen, die von Bedeutung waren. Und wir haben einige interessante Dinge herausgefunden. |
| |
Ich fange noch einmal an mit … beginnen wir mit der Stoffart nach Waschart. |
| |
Wir gingen weiter und schauten uns die Mittelwertdiagramme der kleinsten Quadrate usw. an ... |
| |
für VF haben sie sich die Plots gern angesehen und sie waren ziemlich, wissen Sie, verständlich. Ich werde zuerst weitermachen und den Interaktionsplot erstellen und ich werde den Stofftyp haben. |
| |
Ich klicke auf OK und hier sehen Sie das übliche Mittelwertdiagramm der kleinsten Quadrate, wenn Sie eine Interaktion haben. Grün hier unten ist Baumwolle. Sie können sehen, dass Baumwolle |
| |
hatte die geringste Schrumpfung und hier oben in blau können Sie sehen ... das ist unsere Tri-Blend und es hatte die größte Schrumpfung und das war über alle Wascharten hinweg und das waren die, die waren |
| |
Spülen und Stein und heißes Bleichmittel und kaltes Bleichmittel. Und so können Sie sehen, dass es Gelegenheiten gab, bei denen wir Dinge hatten, die |
| |
waren nicht signifikant unterschiedlich, aber manchmal wollen wir wissen, was das ist. Ganz schnell, bevor ich gehe, möchte ich noch ein Diagramm mit den kleinsten Quadraten als Mittelwert erstellen. |
| |
Ich gehe zum roten Dreieck neben Stoff und wähle „Kleinste Quadrate Mittelwertdiagramm“. Dieses Mal lasse ich das einfach deaktiviert. Dies ist auch eine interessante Möglichkeit, die Daten zu betrachten. Und wenn Sie diese beiden vergleichen, können Sie gleich hier sehen, wenn wir einen Blick auf unsere |
| |
unsere Bi-Mischung und dann sehen Sie sich unsere Waschart dort an, Sie können anfangen, die Muster zu sehen. Also hier oben hatten wir auch |
| |
In unserem Rot hatten wir unsere Bi-Blend-Funktion, und wenn Sie hier schauen, nimmt sie auch dieselbe Form an. Es ist nur eine andere Möglichkeit, die Daten zu visualisieren, und wir verwenden sie auch. Nun haben wir auch die Statistiken dazu erstellt. Wir haben weitergemacht und den kleinsten Mittelwert nach Tukey berechnet. |
| |
Und wir bekommen eine schöne große Matrix, aber wir gingen nach unten und konnten aus dem schönen Diagramm sehen, das alle Buchstaben enthält |
| |
darauf, welche sich wirklich deutlich voneinander unterschieden und welche nicht. Und was wir hier sehen, ist, dass Baumwolle tatsächlich am wenigsten einläuft, wie wir gesehen haben, aber wir haben auch diese Zweistoffmischung ... |
| |
Zweikomponentenmischung, die auch in einer Spülung enthalten war, die sich auch nicht wesentlich von einer der Baumwollmischungen unterschied, die auch in unserer Spülung enthalten waren. |
| |
Wir haben das wiederholt. Das haben wir auch bei unseren anderen Interaktionen gemacht, damit wir weitermachen und sehen konnten, was mit Stoffart und Waschmaschinenart passierte. Wir haben die gleichen Schritte ausgeführt. |
| |
Ich zeige Ihnen hier nur die Mittelwertdiagramme der kleinsten Quadrate. Auf den folgenden Folien sehen Sie noch mehr. |
| |
Hier sehen wir also wieder, dass Baumwolle, unabhängig von der Art der Waschmaschine, am wenigsten einläuft. Hier oben sehen Sie, dass die Dreifachmischung am meisten einläuft. Und wenn ich mir hier die Wasch- und Waschmaschinenart anschaue, |
| |
los geht’s. Wenn ich zum roten Dreieck gehe und das Mittelwertdiagramm der kleinsten Quadrate auswähle. |
| |
Hier sehen Sie, dass es auch eine Wechselwirkung zwischen der Waschart und der Waschmaschinenart gab. Wenn Sie also hier unten nachsehen, ist LB Spülen. Es hatte die geringste Schrumpfung. |
| |
Und wenn Sie dann hier LT und ST betrachten, war LT die Kaltbleiche und ST die Heißbleiche, Sie können also sehen, dass unser höchster Punkt genau dort ist. Und dann hier drüben, wenn Sie sich ansehen, wo |
| |
BT war Heißbleiche, entschuldigen Sie, LT war unsere Kaltbleiche und ST war unsere Steinwäsche. |
| |
Und an dieser Stelle mache ich weiter und beende die Demonstration von JMP. |
| |
Und ich bringe Sie jetzt zurück zu unseren Ergebnisfolien und übergebe diese an Anuja, die uns das noch genauer erklären kann. Ich blättere weiter... wir haben hier Folien für alles, was wir gemacht haben, eingefügt, damit Sie eine Kopie davon haben, |
| |
falls du das haben möchtest. Das waren also alle Dinge, die ich dir gezeigt habe, und dann kamen wir zum Nachtrocknen und Anuja, ich gebe dir das. |
| anujakhairnar |
Ja, also auch hier können wir sehen, dass die Wechselwirkung zwischen Stoffart, Waschart und Gewicht von Bedeutung ist. |
| |
Und das waren die Ergebnisse, ähnlich denen, die Dr. Rothenberg gerade mit JMP durchgeführt hat. Wir haben dasselbe mit JMP durchgeführt und diese Daten erhalten. Hier können wir sehen, dass die Bi-Mischungen und die 100 % Baumwolle und die Tri-Mischungen, alle drei, Unterschiede zeigten, aber mehr bei den Tri-Mischungen und den Bi-Mischungen. |
| |
Dies war nur eine weitere Studie, die wir durchgeführt haben. Wir haben Chargen aus verschiedenen Mühlen bezogen, um herauszufinden, ob dies die Ursache für die Abweichungen war. |
| |
Und ja, das haben wir ganz sicher, denn die Bestellnummern betrafen grundsätzlich unterschiedliche Chargen und wir können sehen, dass sie sich erheblich unterscheiden. |
| |
Und das sind die Ergebnisse. Die Bi-Blends und Tri-Blends, man kann sehen, dass es...es ist nicht linear. Wir können die Variation darin sehen, was uns eine gute Information gab, dass |
| |
wir mussten immer, wenn eine andere Charge eintrifft, prüfen, ob sie geprüft werden kann, in welchen Eimer sie fällt, insbesondere in welchen Schrumpfungseimer sie fällt. |
| |
Und dann haben wir auch unterschiedliche Trocknertemperaturen ausprobiert, ob das einen Unterschied gemacht hat, ob das einen Effekt hatte, denn zwischen den Trocknern gab es keinen so großen Unterschied. |
| |
Und ja, wir sehen erneut, dass es einen signifikanten Unterschied bei der Trocknertemperatur gab. |
| |
Sie sehen also, dass die Zahlen umgekehrt sind: 180 verursachte die maximale Schrumpfung, und 140 und 160 verursachten eine fast ähnliche und auch geringere Schrumpfung. |
| |
Wir haben noch eine weitere Studie durchgeführt, in deren Rahmen wir uns mit der Produktentwicklung von Waschmaschinen und industriellen Waschmaschinen und Trocknern beschäftigten. |
| |
Und wir hatten zwei verschiedene Stoffarten, drei verschiedene Wascharten und unterschiedliche Waschmaschinen und Trockner. |
| |
Und hier sehen wir, dass es je nach Waschgang einen erheblichen Unterschied im Waschmaschinentyp gibt. Das zeigt uns, dass es zwischen den verschiedenen Waschmaschinentypen Unterschiede gibt. |
| |
Und auf ähnliche Weise haben wir die Daten in JMP eingegeben und das Mittelwertdiagramm der kleinsten Quadrate ermittelt ... Mittelwertdiagramm für den Wäschetyp und den Waschmaschinentyp. |
| |
Und hier können wir beim Spülen sehen (LB ist der Spülteil). Aus unseren Schlussfolgerungen aus unseren älteren Daten können wir ersehen, dass das Spülen das geringste Einlaufen verursacht und die Kalt- und Heißbleiche das stärkste Einlaufen verursacht hat. |
| |
Und das waren die Ergebnisse nach dem industriellen Waschen. Und wir können sogar in diesen Daten sehen, dass es einen Unterschied zwischen Spülen und Kaltbleiche und Heißbleiche gab, und auch die Gewebeart und die Waschmaschinenart zeigen erhebliche Unterschiede. |
| |
Und ähnlich haben wir den Test mit den Trocknern durchgeführt. |
| |
Und das waren die Ergebnisse nach dem Trocknen der Produktentwicklung |
| |
Trockner. |
| |
Und wir geben einfach alle Daten ein, die wir von vorhin brauchten ... |
| |
von früher. |
| |
Und wir haben es in einem Diagramm zusammengestellt. Und wir können hier PW1, PW2 und die Industriewaschmaschine 1 und Industriewaschmaschine 2 mit Nachwaschen und Nachtrocknen sehen. Wir haben einen Unterschied von bis zu 12 % zwischen diesen Trocknern und Waschmaschinen festgestellt. |
| |
Und das waren die Verbesserungen, die wir |
| |
empfohlen. Vor diesem Versuch wurden nur 40 % der in die Produktion eingehenden Stoffe auf Einlaufen getestet, damit sie in verschiedene Eimer gegeben werden konnten. |
| |
Und nach dieser Verbesserung empfahlen wir, alle eingehenden Ballen zu testen, und das sollte einen deutlichen Unterschied ergeben. Und die andere Empfehlung war, dass wir PDL und Industriemaschinen verwenden sollten und ... |
| |
Wir mussten PDL-Maschinen anstelle von Industriemaschinen verwenden, und die Industriemaschinen müssen überwacht und besser gewartet werden. |
| |
So haben wir es ihnen erklärt: Die Änderungen, die vorgenommen werden mussten und die |
| |
implementiert. Von 40 % auf 100 % Tests und Umstellung von Industrie auf PDL. |
| |
Und das waren unsere Ergebnisse. Wir können, wie Sie in der Grafik sehen, diese Studie im August beginnen und ihnen Ergebnisse liefern, wir haben ihnen immer wieder Verbesserungen geliefert. Und wenn wir sehen, dass Februar und März...Jan war, wo mein Projekt endete mit meinem |
| |
Arbeitsprojekt beendet, und als ich die Empfehlungen gab. Und Sie können sehen, dass wir im Februar und März einen signifikanten |
| |
Rückgang im Bereich. Und mein Projekt endete Ende März, deshalb habe ich keine Daten für April. |
| |
Und das war die Schlussfolgerung und der zukünftige Umfang. Da JMP dabei half, so viele Details zu erhalten, hatten wir einen Bereich von 3,24 Zoll und |
| |
Als wir es nach den Verbesserungen in den späteren Monaten neu berechneten, reduzierten wir es auf 2,49 Zoll, was einer Verringerung der Reichweite um etwa 23 % entspricht. |
| |
Unser Ziel war es, mindestens 0,5 Zoll zu erreichen, und das ist uns gelungen. Und ähnlich verlief die Taillenweite der Frauen, die wir von 3,12 Zoll auf 2,73 Zoll reduzierten, was einer Reduzierung von etwa 12,5 % entspricht. |
| |
Die Reduzierung ist geringer, weil Damen-Jeansstoff mehr Stretch enthält, das ist einfach der Grund dafür, dass er immer noch eine etwas größere Variation aufweist. |
| |
Und wir haben auch... weil wir einen erheblichen Unterschied zwischen den Chargen gesehen haben, die aus den Mühlen kamen, |
| |
Die andere Verbesserung führte dazu, dass sie Kontakt zu den Fabriken aufnahmen und diese baten, ihre Qualitätssicherung und Qualitätskontrolle zu verbessern, was wiederum zu besseren Ergebnissen bei der Jeansproduktion führte. |
| |
Da die PDL- und Industriemaschinen im Durchschnitt einen Unterschied von etwa 12 % in der Schrumpfung zeigten, gab uns das mehr |
| |
Details, ich glaube, das waren die. Und die Trocknertemperaturen haben in allen JMP-Versuchen, die wir gesehen haben, keine signifikanten Daten geliefert, die Trocknertemperatur hatte nie einen signifikanten P-Wert und deshalb gab es für uns keinen Grund, umzustellen. |
| |
Und Dreifachmischungen mussten auf jeden Fall noch weiter untersucht werden, da wir, wie wir sahen, immer unterschiedliche Daten erhielten. Dies waren also unsere Empfehlungen für die Zukunft. |
| |
Und es gab viele Einschränkungen bei diesem Experiment, weil wir nicht so viel Zeit hatten, es durchzuführen. Und wir hatten nicht so viele Daten, weil |
| |
Die Fabrik befand sich in Mexiko. Jedes Mal, wenn man etwas ausführen wollte, musste man dorthin reisen, um die Daten abzuholen, zurückzukommen und sie zu lesen. Der Standort und der Mangel an Daten sowie auch kein ständiger Zugriff auf die Informationen, was hoffentlich … das sind die Einschränkungen für dieses Projekt. |
| |
Und hiermit möchte ich allen meinen Beratern und allen danken, die mir dabei geholfen haben. Noch Fragen? |
