756626_fr-FR

liliconcom

Comment utiliser les statistiques comme langage commun et améliorer ainsi la qualité des processus (2021-EU-30MP-788)

Marcus Soerensen, Responsable Qualité et Six Sigma, Envases

Cette étude de cas illustre comment la qualité d'un processus a été améliorée grâce à l'utilisation des statistiques comme langage commun entre les différents services de l'entreprise. Ce qui était au départ un projet « confus » avec un ensemble de données très limité s'est avéré être un projet réussi grâce à une progression structurée et orientée données grâce à JMP. Ce cas illustre comment différents services peuvent collaborer en utilisant les données et les statistiques comme base pour l'amélioration des processus.

Transcription générée automatiquement...

Conférencier	Transcription
Marcus	Accueillir
	à cette présentation ici, en utilisant SAS JMP.
	Le sujet de cette présentation est de savoir comment utiliser les statistiques comme langage commun et comment améliorer ainsi la qualité des processus.
	Je travaille comme responsable qualité pour Envases, une entreprise de grande envergure.
	Entreprise mondiale fabriquant des boîtes de conserve pour l'industrie agroalimentaire. Vous pouvez voir quelques produits ici, dans le coin gauche.
	Certains produits vous sont peut-être familiers. On trouve des conserves en supermarché, de la viande, du poisson, du lait en poudre, des jus de fruits, etc.
	Nous avons des installations de fabrication à
	Au Mexique et en Europe et dans le
	Le sujet que je souhaite aborder aujourd'hui est lié à nos installations de production au Danemark.
	Fondamentalement, ce que je vais présenter ici est un problème qui a été résolu en utilisant SAS JMP comme l’un des outils.
	Et je vais passer un peu de temps dans le JMP pour montrer certaines des fonctionnalités et donner une idée de la façon dont SAS JMP peut être utilisé pour travailler avec ce genre de problèmes, ce qui, j'en suis sûr, est très familier à beaucoup de gens, en voyant cette présentation.
	Eh bien, pour revenir à l’année dernière,
	Nous avons rencontré des problèmes sur nos lignes de production et les équipes de production sont venues me voir. Je suis responsable qualité et je gère ce genre de problèmes. Ils sont arrivés sur mon bureau en me disant : « Marcus, nous avons de la poussière d'étain sur nos lignes de production. »
	L'étain est le matériau que nous utilisons pour les canettes, donc la poussière d'étain en tant que telle n'est pas
	il n'y a pas beaucoup de choses à voir dans notre production, mais les gens se plaignaient qu'ils pouvaient voir trop de poussière d'étain dans nos chaînes de production.
	Et, par conséquent, ils doivent nettoyer les lignes en permanence.
	C'était le début du problème. Nous n'avions aucune donnée pour le prouver. Nous n'avions aucun document à analyser. Nous n'avions pas de feuilles Excel. Nous n'avions pas de fichiers JMP à analyser. Nous avions juste quelques avis de personnes qui nous disaient que nous en avions trop.
	Il y a de la poussière d'étain sur notre chaîne de production, et nous devons nettoyer tout le temps.
	Et pour égaliser un peu
	c'est plus déroutant, mais les gens disaient que nous avions déjà vu cela plusieurs fois auparavant, et certains disaient que nous n'avions jamais vu cela auparavant.
	J'ai commencé à discuter avec mes interlocuteurs en leur demandant : « C'est nouveau pour vous ? Est-ce arrivé cette semaine, la semaine dernière ? Ou l'année dernière ? » Et j'ai reçu beaucoup d'avis différents et beaucoup de questions.
	les entrées, et les gens ne me disaient pas la même chose, donc j'étais un peu confus quant à la façon dont nous pouvions démarrer ce projet.
	Mais de toute façon, il fallait qu’on commence.
	Donc la première chose que j'ai faite
	était de constituer l'équipe, en disant,
	Au sein de l'organisation, les membres devront constituer une équipe. Qui doit y participer ? Nous avons identifié des personnes clés pour le projet : production, technique, exploitation, maintenance, etc.
	Et la structure que nous avons utilisée ici pour résoudre le problème est inspirée du Six Sigma DMAIC, peut-être que certains d'entre vous le connaissent déjà.
	DMAIC consiste à définir le problème, à le mesurer, à analyser la raison du problème, à l'améliorer puis à contrôler si vous avez réellement réussi avec la solution que vous avez trouvée.
	L'une des idées avec cela, DMAIC, et l'une des idées, également pour moi, en utilisant la structure ici est de définir et de mesurer le problème, car parfois vous
	Vous pensez peut-être avoir un problème, mais en commençant à mesurer le problème, vous réaliserez peut-être que ce que vous pensez être un problème n'en est en réalité pas un du tout.
	Il n'est donc pas nécessaire de continuer à résoudre un problème qui n'existe pas réellement. C'est ce que j'ai dit aux gens : « Bon, d'abord, mesurons le problème. Avons-nous vraiment un problème, ou s'agit-il simplement d'un sentiment d'inconfort ressenti pendant la production ? »
	C'était la première étape.
	Alors nous sommes allés à la chaîne de production ???, aller à la chaîne pour voir,
	pouvons-nous avoir une idée du processus, peut-être pouvons-nous même voir où le problème se produit.
	Le processus est assez simple. J'ai essayé de le simplifier ici, dans ce dessin très simple.
	Pour vous donner une idée, nous avons des tôles qui arrivent sur un convoyeur, puis un piston.
	je fabrique le couvercle des canettes, donc le processus est plutôt simple.
	Grâce à ce piston et à la fabrication de ces couvercles, nous pouvons constater que nous pouvons collecter de la poussière sur le convoyeur, et c'est là que l'opérateur doit nettoyer de temps en temps.
	Et nous avons pu constater en faisant le ??? qu'après 25 000 couvercles, nous pouvions collecter environ ou plus de deux kilogrammes de poussière d'étain.
	C'est à ce moment-là qu'il fallait nettoyer la ligne. C'était notre point de départ : après avoir produit 25 000 couvercles, soit plus de deux kilos, il fallait nettoyer la ligne.
	Ce n'est pas acceptable, car le nettoyage absorbe du temps de production et, avec un temps de production réduit, nous ne pouvons pas produire les couvercles souhaités. Cela signifie que nous pourrions être en retard, voire incapables de livrer.
	Nous avions donc tous intérêt à réduire ce nettoyage et nous avons pu constater que nous pouvions réduire votre nettoyage si nous pouvions réduire la poussière d'étain produite sur la ligne.
	Donc le problème était assez simple quand vous quand nous avons collecté les
	le
	données en kilogrammes ici.
	N'oubliez pas que vous pouvez voir le dos sur la photo : c'est la poussière que nous pouvions récupérer avec un aspirateur après 25 000 couvercles. Au début, quand les gens venaient me voir, nous n'avions même pas de bagages remplis de poussière, c'était juste
	C'est juste en observant que nous avons pu exprimer le problème que nous rencontrions. Au moins, nous avons pu voir que c'était bien le problème. Nous avions trop de poussière, et celle-ci était vraiment trop importante, car nous devions la nettoyer. Il fallait donc la réduire.
	kilos après 25 000 couvercles produits, tel était le critère de réussite du projet.
	En réunissant les bonnes personnes, nous avons organisé une sorte d'atelier et réuni toutes les personnes présentes dans une salle pour leur expliquer qu'il y avait un problème. Après 25 000 couvercles, nous produisons plus de deux kilogrammes de poussière. Quelle en est la raison ?
	Nous avons ensuite réfléchi au processus, à ses entrées et à ses sorties. Ces variables peuvent-elles expliquer la poussière d'étain observée récemment ?
	La première étape consistait donc à définir les variables. Vous pouvez voir que j'ai indiqué ici en jaune les causes profondes que l'équipe attendait de la poussière d'étain observée.
	Nous avons commencé avec l'idée que, depuis son arrivée, nous savons que la tôle d'étain, l'épaisseur de la tôle d'étain peut
	peut varier, nous pouvons donc avoir des tôles plus épaisses et d'autres
	pas si mince feuille mince qui arrive.
	Et nous avons également pu constater que le revêtement du piston pourrait être une raison de la couche d'étain.
	Nous avons pu constater que, comparé à d'autres lignes qui avaient du pelage, nous n'avions pas de problème à la même échelle.
	Nous avons également pu constater que les mesures du piston, nous avons quatre mesures différentes sur le piston qui pourraient expliquer la raison de la poussière d'étain.
	Nous n'avons jamais essayé cela, donc c'était juste sur le papier, donc cela pourrait être la raison, mais essayons de le découvrir.
	L’année dernière ou il y a deux ans, lorsque nous avons eu un problème comme celui-ci,
	Normalement, nous expérimenterions différentes méthodes pour ajuster l'épaisseur et voir si cela pouvait changer quelque chose, notamment au niveau du revêtement. Mais ici, nous souhaitons combiner toutes les variables dans une seule expérience, simplement pour accélérer le processus.
	Nous avons donc mis en place un plan d’expériences, un DOE.
	Au fil du temps, nous devons modifier un peu cela, afin que cela puisse refléter la réalité que nous avons et également les temps de production alloués que nous pourrions utiliser pour l'expérience.
	La mise en place des expériences et la définition des variables n'ont pas été difficiles. Cela a pris environ deux heures. La mise en place du plan d'expériences n'a pas été difficile, nous l'avons fait dans SAS JMP. En revanche, l'exécution du plan d'expériences a été la partie la plus délicate, car elle a pris beaucoup de temps ; elle a duré environ une semaine.
	Nous avons donc dû prévoir de sortir la machine et de la tester pendant environ cinq jours. Nous avons ainsi produit 25 000 couvercles avec un réglage, puis 25 000 avec un autre, et ainsi de suite.
	Et puis, après la semaine, nous avons analysé les résultats, et ensuite nous avons conclu en fonction de ces résultats.
	Laisse-moi essayer de te montrer
	ce que nous avons fait dans SAS JMP.
	Vous pouvez le constater ici : rien qu'en regardant les chiffres, on constate un énorme progrès depuis le début. Au début, on entendait simplement dire qu'il y avait trop de poussière et qu'il fallait nettoyer tout le temps. Maintenant, au moins, on a des chiffres… des chiffres sur la boîte.
	Vous pouvez voir ici, nous avons la poussière d'étain. C'est le
	nous avons produit de la poussière d'étain après 25 000 couvercles, et nous avons également différents réglages de l'épaisseur du matériau entrant dans la ligne.
	Nous avons ici les quatre dimensions différentes du piston. Nous avons également une indication : est-il revêtu ou non ? Nous avons donc testé différents types de pistons.
	C'est assez facile à comprendre. On pourrait voir la quantité de poussière d'étain si l'épaisseur du matériau entrant est de 5,74, si la mesure est de 1,47, etc.
	C’est donc un grand pas en avant depuis le simple fait de regarder jusqu’à avoir des chiffres réels derrière l’ensemble de travail que nous avions au début.
	Donc, le simple fait de collecter le numéro ici a été un énorme progrès par rapport à notre point de départ, mais l'idée était d'utiliser le numéro pour voir si nous pouvons expliquer
	la raison de la poussière d'étain est basée sur l'épaisseur du matériau entrant, les quatre mesures différentes du piston et si le piston a été revêtu ou non.
	Nous utilisons certains outils de SAS JMP, et l'un des plus utilisés ici est le modèle d'ajustement. Ce modèle explique s'il existe des relations entre vos réponses et vos variables.
	Et ici, nous avons la réponse.
	C'est notre poussière d'étain.
	Ici, nous avons le modèle, nous aimerions donc voir si l'épaisseur du matériau a un effet
	les 10 poussières, la mesure du piston,
	et si le revêtement du piston aurait un impact.
	Exécution du modèle ici
	et en disant, essayez de combiner les différentes variables et dites-moi ce qui aura le plus d'impact sur notre poussière d'étain.
	Et voici essentiellement les résultats que nous en avons tirés.
	Nous pouvons voir ici que nous utilisons la valeur p pour nous guider, si cela nous semble pertinent. La couche est faible et la valeur p signifie, eh bien, qu'il semble y avoir une corrélation significative.
	relation entre le revêtement et notre poussière d'étain. Nous pensons également que l'épaisseur du matériau aura une incidence
	Il existe une relation avec notre poussière d'étain, et nous pensons que la mesure 3 a une certaine corrélation avec la poussière d'étain. Cela signifie également que les mesures 1, 2 et 4 ne semblent pas significatives pour la poussière d'étain.
	N'oubliez pas que nous avons commencé à travailler sans aucun type de nombre, nous parlions donc maintenant des valeurs P et de la façon dont cela peut nous aider.
	Et c'était en fait assez facile pour nous de l'interpréter, et les gens ont compris, d'accord, significatif signifie que ce n'est peut-être pas une coïncidence.
	Et en faisant appel aux bonnes personnes, nous pourrions vérifier que cela a également du sens pour eux, il semble donc que le revêtement puisse avoir un impact sur la poussière d'étain.
	Et le personnel technique disait, oui, il est logique que le revêtement ait un impact sur la poussière d'étain, car nous avons vu cela sur d'autres lignes.
	Et l'épaisseur pourrait être vérifiée, elle a du sens et la mesure 3 pourrait avoir du sens, nous avons donc commencé à croire que c'est
	quelques bonnes lignes directrices pour nous, mais nous devons voir oui, nous pouvons voir que le manteau semble être important, mais est-ce avec ou sans revêtement qui est pertinent pour nous ?
	Nous avons donc élargi cela...
	le modèle d'ajustement ici et
	Vous pouvez voir ici, dans le profileur, l'impact des différentes variables sur la poussière d'étain. Vous pouvez voir la poussière d'étain ici, à gauche.
	Vous pouvez voir l'épaisseur de la feuille entrante ici, la mesure 3, puis le revêtement. Nous pourrions ensuite essayer de simuler si un revêtement est nécessaire, si la mesure 3 est activée.
	quels seraient les kilogrammes attendus à la sortie du processus ?
	Ici, on peut s'attendre à 0,0057. Nous avons également un intervalle de confiance, mais nous pouvons nous attendre à ce que ce soit le nombre de poussières d'étain produites par le processus.
	Ensuite, regardez si le piston n'est pas revêtu. Cela changera la signification et sera plus élevé.
	Et nous savons depuis le début qu'environ 0,2 sera comme le changement de donne si nous avons plus de 0,2 kilogramme de poussière d'étain, nous devons nettoyer, donc nous voulons être inférieurs à 0,2.
	Et ce que nous avons fait pour aller encore plus loin ici, parce que nous savons que l'épaisseur du matériau était très difficile à contrôler pour nous, c'est spécifié et il y aura une certaine variation dans l'épaisseur, ce qui serait très difficile pour nous de changer.
	Nous avions donc besoin d’un processus très robuste, en précisant que nous devions garder l’épaisseur flexible.
	Mais ce que nous pouvons contrôler, c'est la Mesure 3 et le revêtement.
	Nous avons donc étendu ce profileur à
	le simulateur pour que nous puissions simuler ce qui se passerait si l'épaisseur changeait
	avec un écart type spécifié.
	Nous disons donc que nous savons que l’épaisseur peut changer.
	Nous savons que la moyenne est d'environ 5,595 et que l'écart type de ce matériau est de 0,058. Nous pourrons modifier cela ultérieurement. Nous souhaitons corriger la mesure et le revêtement, en ayant
	le revêtement sur le piston.
	Nous savons également que notre objectif n’est pas supérieur à 0,2, nous pourrions donc ajouter un objectif ici.
	Et puis on pourrait simuler.
	La mesure 3 sera fixe, le manteau sera fixe, mais l'épaisseur changera au fil du temps.
	Ensuite, nous pouvons simuler si nous voulons 5 000 feuilles dans le processus, à quoi pouvons-nous nous attendre ?
	dans la poussière d'étain ? Et ensuite, on pourrait simuler. Vous pouvez voir si on a
	Une tôle d'étain d'une épaisseur d'environ 5,6, de dimension 3 à 1, et avec une couche, on peut espérer un très bon résultat. Et vous pouvez voir la ligne rouge ici à 2…
	désolé, 0,2, et nous pouvons également voir plus loin que le taux de défaut, ce qui signifie que le taux de mesures supérieures à 0,1 serait de 0, donc c'est bon pour nous.
	Vous pouvez également voir que si nous le changeons ensuite, la mesure 3, et non à 1,
	mais à 2,5.
	Et avec la simulation à nouveau.
	Nous serons à
	un peu plus élevé
	quantité de poussière d'étain. Si, en plus de cela,
	Désolé,
	si nous le changeons pour un piston sans revêtement et que nous utilisons une plaque de 5 000 feuilles, nous pourrions nous attendre à une très mauvaise réponse.
	Et nous avons pu voir que
	Avant ces modifications, notre chaîne de production était équipée de pistons sans revêtement. C'était donc une nouveauté pour nous, et c'était très stimulant de voir comment nous pouvions contrôler la poussière d'étain, et même la contrôler nous-mêmes.
	Donc, sur la base des simulations que nous avons ici, nous avons décidé d'avoir
	a
	Mesure 3 sur 2 puis un piston avec un revêtement,
	ce qui signifie que nous aurons un processus très robuste qui pourra gérer la variation de l'épaisseur des feuilles.
	Ensuite, nous pourrions également essayer de simuler une chose, et si cet écart n'était pas de 0,058 mais serait
	1.5.
	Vous voyez, ce sera trop, c'est pourquoi certains des accords que nous avons avec nos fournisseurs stipulent qu'ils doivent maintenir l'écart type à un niveau spécifique, car nous aurons alors
	un processus robuste.
	Ce fut une révélation pour nous tous, car c'était une très bonne photo, et cela ne nous a pas coûté grand-chose. Le seul coût, c'est l'expérience que nous avions programmée pendant cinq jours.
	C'était donc une bonne nouvelle pour nous.
	Et donc ici, au numéro cinq, nous avons conclu en disant : OK, maintenant nous savons ce qui doit être amélioré, nous devons revêtir les outils ou le piston et nous devons ajuster la mesure à 2,0.
	Cela venait de la version 3.0. C'était donc une amélioration, et voici une image très simple du profileur.
	montrant la relation entre notre couche d'étain et les différentes variables attendues. Nous avons ensuite effectué un contrôle en indiquant : « Essayons de modifier ».
	Nous avons ensuite produit 25 000 couvercles supplémentaires, et vous pouvez ensuite comparer. C'était notre point de référence. Vous pouvez voir la petite poussière ici dans les bagages avant que nous changions le processus, et vous pouvez voir les 25 000
	de la poussière d'étain après avoir produit 25 000 couvercles après le changement et nous n'avons vu aucune poussière d'étain ici.
	C'était donc une excellente preuve de concept pour nous. C'était l'un des premiers projets que nous avons réalisés avec SAS JMP, et c'était une excellente preuve de concept, et les gens se sont vraiment appuyés sur cette méthode pour résoudre les problèmes.
	Ce que nous apprenons ici, c'est l'utilisation des données, cela nous apporte des avantages, car nous avons alors quelque chose en commun, quelque chose que nous pouvons relier à tout le monde,
	au lieu d'avoir des opinions différentes qu'il est très difficile pour nous de quantifier, l'utilisation de cela a été très utile pour nous tous.
	Et en utilisant les bonnes personnes, les techniciens, les gens
	avec une connaissance de la ligne, même les personnes qui peuvent utiliser un logiciel statistique comme JMP comprennent comment le configurer
	Une expérience, comprendre comment créer un modèle d'ajustement, des modèles de régression, etc. L'utilisation de SAS JMP est vraiment puissante. Nous n'aurions pas pu faire cela, comme avec Excel, car ils ne disposaient pas des outils nécessaires.
	Et puis, en utilisant un processus structuré comme ils nous rendent très puissants pour nous, donc c'était un très bon apprentissage pour nous, et c'est quelque chose que nous avons mis en œuvre dans de nombreux projets par la suite avec une très bonne réponse.

Modélisation statistique avancéeAnalyse et modélisation des données de baseOrganisation du contenuIngénierie de la qualité et des procédésAnalyse de fiabilité