756626_de-DE

liliconcom

Wie man Statistik als gemeinsame Sprache nutzt – und wie man dadurch die Prozessqualität verbessert (2021-EU-30MP-788)

Marcus Soerensen, Leiter Qualität & Six Sigma, Envases

Diese Fallstudie zeigt, wie die Qualität eines Prozesses durch den Einsatz von Statistiken als gemeinsame Sprache zwischen verschiedenen Abteilungen im Unternehmen verbessert wurde. Was als unübersichtliches Projekt mit einem sehr begrenzten Datensatz begann, entwickelte sich zu einem erfolgreichen Projekt, da das Team mithilfe von JMP strukturiert und datenorientiert vorging. Dieser Fall veranschaulicht, wie verschiedene Abteilungen zusammenarbeiten können, indem sie Daten und Statistiken als Grundlage für Prozessverbesserungen nutzen.

Automatisch generiertes Transkript ...

Lautsprecher	Transkript
Marcus	Willkommen
	zu dieser Präsentation hier, mit SAS JMP.
	Das Thema dieser Präsentation ist, wie Statistiken als gemeinsame Sprache verwendet werden können und wie dadurch die Prozessqualität verbessert werden kann.
	Ich arbeite als Qualitätsmanager für eine Firma namens Envases. Envases ist ein riesiges Unternehmen, ein
	Weltweit tätiges Unternehmen, das Dosen für die Lebensmittelindustrie herstellt. Einige der Produkte sehen Sie hier links.
	Einige der Produkte kommen Ihnen vielleicht bekannt vor. Es sind Dosen, die Sie im Supermarkt kaufen können. Wir haben Fleisch, wir haben Fisch, wir haben Milchpulver, wir haben auch Saft und so weiter in Dosen.
	Wir haben Produktionsstätten in
	Mexiko und in Europa und der
	Das Thema, das ich heute hier besprechen möchte, betrifft unsere Produktionsanlagen in Dänemark.
	Im Wesentlichen werde ich hier ein Problem vorstellen, das mit SAS JMP als einem der Tools gelöst wurde.
	Und ich werde einige Zeit mit JMP verbringen, um einige der Funktionen zu zeigen und eine Vorstellung davon zu vermitteln, wie SAS JMP verwendet werden kann, um mit dieser Art von Problemen zu arbeiten, was vielen Leuten, die diese Präsentation sehen, sicher sehr vertraut ist.
	Nun, zurück zum letzten Jahr,
	Wir hatten einige Probleme in unseren Produktionslinien und die Leute in der Produktion kamen zu mir. Ich bin der Qualitätsleiter und kümmere mich um diese Art von Problemen, die an meinen Schreibtisch kamen und sagten: „Marcus, wir haben etwas Zinnstaub in unseren Produktionslinien.“
	Zinn ist das Material, das wir für Dosen verwenden, also ist Zinnstaub als solcher nicht
	In unserer Produktion ist das nicht weiter auffällig, aber die Leute haben sich beschwert, dass in unseren Produktionslinien zu viel Zinnstaub zu sehen sei.
	Und deshalb müssen sie die Leitungen ständig reinigen.
	Das war sozusagen der Beginn des Problems. Wir hatten keine Daten, um das zu belegen. Wir hatten keine Unterlagen, die wir durchgehen konnten. Wir hatten keine Excel-Tabellen. Wir hatten keine JMP-Dateien, die wir untersuchen konnten. Wir hatten nur Meinungen von Leuten, die meinten, wir hätten zu viel
	In unserer Produktionslinie entsteht Zinnstaub, und wir müssen ständig sauber machen.
	Und um es ein bisschen auszugleichen
	verwirrender, aber die Leute sagten, wir hätten das schon oft gesehen, und einige Leute sagten, wir hätten das noch nie zuvor gesehen.
	Ich begann mit den Leuten am Telefon zu sprechen und fragte: Ist das neu für Sie? Ist das diese Woche passiert oder letzte Woche? Oder letztes Jahr? Und ich bekam viele verschiedene Meinungen und viele
	Eingaben, und außerdem sagten mir die Leute nicht dasselbe, also war ich etwas verwirrt, wie wir mit diesem Projekt anfangen könnten.
	Aber wir mussten trotzdem anfangen.
	Das erste, was ich tat
	war, das Team aufzustellen und zu sagen:
	Die Mitarbeiter der Organisation müssen ein Team bilden. Wer sollte in das Team eingebunden werden? Wir haben einige Mitarbeiter aus der Produktion, einige Techniker, einige aus dem Betrieb, einige aus der Instandhaltung usw. ausgewählt – alle relevanten Personen für das Projekt.
	Und die Struktur, die wir hier zur Lösung des Problems verwendet haben, ist vom Six Sigma DMAIC inspiriert, vielleicht kennen einige von Ihnen es bereits.
	Bei DMAIC geht es darum, das Problem zu definieren, das Problem zu messen, die Ursache des Problems zu analysieren, Verbesserungen vorzunehmen und dann zu kontrollieren, ob Sie mit der Lösung, die Sie gefunden haben, tatsächlich Erfolg hatten.
	Eine der Ideen dabei, DMAIC, und eine der Ideen, auch für mich, die Struktur hier zu verwenden, ist, das Problem zu definieren und zu messen, denn manchmal
	Sie denken vielleicht, Sie hätten ein Problem, aber wenn Sie anfangen, das Problem einzuschätzen, stellen Sie möglicherweise fest, dass das, was Sie für ein Problem gehalten haben, in Wirklichkeit gar kein Problem ist.
	Es besteht also keine Notwendigkeit, das Problem weiter zu lösen, das eigentlich gar nicht existiert. Genau das habe ich den Leuten gesagt: „Okay, lasst uns zunächst das Problem messen. Haben wir überhaupt ein Problem oder ist es nur ein Bauchgefühl, das wir bei der Produktion haben?“
	Das war der erste Schritt.
	Also gingen wir zur Produktionslinie, um zu sehen,
	können wir uns ein Bild vom Ablauf machen, vielleicht können wir sogar erkennen, wo das Problem auftritt.
	Der Vorgang ist ziemlich einfach. Ich habe versucht, ihn hier in dieser sehr einfachen Zeichnung zu vereinfachen.
	nur um Ihnen eine Vorstellung zu geben. Wir haben Bleche, die auf ein Förderband kommen, und dann haben wir einen Kolben
	Herstellung des Deckels für die Dosen, der Vorgang ist also ziemlich einfach.
	Aufgrund dieses Kolbens und der Herstellung dieser Deckel kann sich auf dem Förderband etwas Staub ansammeln, und hier muss der Bediener von Zeit zu Zeit eine Reinigung durchführen.
	Und wir konnten durch die Durchführung des ??? feststellen, dass wir nach 25.000 Deckeln etwa zwei Kilogramm oder mehr Zinnstaub gesammelt hatten.
	Und dann mussten wir die Linie reinigen. Das war also unsere Ausgangssituation, sagen wir, als wir 25.000 Deckel produziert hatten, was mehr als zwei Kilogramm entspricht, mussten wir die Linie reinigen, und das war
	Dies ist nicht akzeptabel, da die Reinigung Produktionszeit in Anspruch nimmt und wir aufgrund der reduzierten Produktionszeit nicht die Deckel herstellen können, die wir produzieren möchten. Das bedeutet, dass wir möglicherweise zu spät liefern oder überhaupt nicht liefern können.
	Wir alle hatten also ein Interesse daran, diesen Reinigungsaufwand zu reduzieren, und wir haben erkannt, dass wir Ihren Reinigungsaufwand reduzieren können, wenn wir den an der Linie erzeugten Zinnstaub verringern können.
	Das Problem war also ziemlich einfach, als wir die
	Die
	Angaben hier in Kilogramm.
	Denken Sie daran, dass Sie hier auf dem Bild die Rückseite sehen können. Das ist der Staub, den wir nach 25.000 Deckeln mit einem Staubsauger einsammeln konnten. Am Anfang, als die Leute zu mir kamen, hatten wir nicht einmal einen Staubbeutel dabei, es war nur
	Durch bloßes Beobachten konnten wir das Problem, das wir hatten, benennen. Jetzt konnten wir zumindest erkennen, worum es ging. Wir haben zu viel Staub, und das ist zu viel Staub, weil wir ihn reinigen müssen. Also müssen wir die
	Kilogramm nach 25.000 produzierten Deckeln, das war das Erfolgskriterium des Projekts.
	Wir haben die richtigen Leute zusammengebracht und eine Art Workshop veranstaltet. Alle Teilnehmer wurden in einen Raum gesteckt und erklärt: „Wir haben hier ein Problem.“ Nach 25.000 Deckeln produzieren wir mehr als zwei Kilogramm Staub. Was ist der Grund dafür?
	Und dann haben wir ein Brainstorming durchgeführt und uns gefragt: „Schauen Sie sich den Prozess an, was hineinkommt und was herauskommt.“ Kann eine dieser Variablen die Entstehung des Zinnstaubs erklären, den wir sehen?
	Der erste Schritt bestand darin, die Variablen zu definieren. Wie Sie sehen, habe ich hier gelb markiert, was das Team als einige der Hauptursachen für den Zinnstaub vermutete, den wir gesehen haben.
	Wir begannen mit der Eingabe, dass wir, da es hereinkommt, wissen, dass das Blech, die Dicke des Blechs kann
	kann variieren, so dass wir einige dickere Bleche bekommen können und einige
	nicht so dünnes dünnes Blatt kommt rein.
	Und wir konnten auch sehen, dass die Beschichtung des Kolbens ein Grund für die Zinnschicht sein könnte.
	Wir konnten sehen, dass das Problem im Vergleich zu anderen Leinen mit einer Beschichtung nicht im gleichen Ausmaß auftrat.
	Wir konnten auch sehen, dass die Messungen des Kolbens, wir haben vier verschiedene Messungen am Kolben, die den Grund für den Zinnstaub erklären könnten.
	Wir haben das nie ausprobiert, es stand also nur auf dem Papier, also könnte das der Grund sein, aber versuchen wir, es herauszufinden.
	Letztes oder vor zwei Jahren, als wir ein Problem wie dieses hatten,
	Normalerweise würde man verschiedene Dinge ausprobieren, um die Dicke der Schicht zu verändern und zu sehen, ob sich dadurch etwas ändert. Hier möchten wir jedoch alle Variablen in einem Experiment kombinieren, um den Prozess zu beschleunigen.
	Also haben wir ein Versuchsdesign (DOE) erstellt.
	Mit der Zeit müssen wir dies ein wenig ändern, damit es unsere Realität widerspiegelt und auch die zugewiesenen Produktionszeiten, die wir für das Experiment verwenden könnten.
	Das Einrichten der Experimente und das Definieren der Variablen war keine schwierige Aufgabe. Es dauerte vielleicht ein paar Stunden. Das Einrichten des DOE war nicht schwierig, wir haben es in SAS JMP gemacht. Die Durchführung des DOE war jedoch der knifflige Teil, da sie lange dauerte; es dauerte etwa eine Woche.
	Wir mussten also planen, die Maschine herauszunehmen, und dann führten wir den Test etwa fünf Tage lang durch. Und wir haben einfach Folgendes gemacht: Wir haben 25.000 Deckel mit einer Einstellungsart produziert und dann 25.000 Deckel mit einer anderen Einstellungsart und so weiter.
	Und dann, nach einer Woche, haben wir die Ergebnisse analysiert und auf Grundlage dieser Ergebnisse unsere Schlussfolgerungen gezogen.
	Lassen Sie mich versuchen, es Ihnen zu zeigen
	was wir in SAS JMP gemacht haben.
	Sie sehen hier: Allein die Zahlen zeigen, dass dies seit unserem Start ein enormer Fortschritt ist. Am Anfang sagten die Leute nur, wir hätten zu viel Staub und müssten ständig putzen. Jetzt haben wir wenigstens ein paar Zahlen auf der Dose.
	Sie sehen hier den Zinnstaub. Das ist die
	produzierte Zinnstaub nach 25.000 Deckeln, und wir haben auch unterschiedliche Einstellungen für die Dicke des Materials, das in die Linie gelangt.
	Wir haben hier vier verschiedene Kolbenmaße. Außerdem haben wir eine Aussage darüber, ob der Kolben beschichtet ist oder nicht. Wir haben also verschiedene Kolbentypen getestet.
	Dies ist für die Leute ziemlich einfach zu verstehen. Sie könnten sehen, wie viel Zinnstaub wir haben, wenn die Dicke des eingehenden Materials 5,74 beträgt, wenn die Messung 1,47 beträgt und so weiter.
	Dies ist also ein gewaltiger Schritt vom bloßen Zuschauen hin zu echten Zahlen hinter dem Arbeitssatz, den wir am Anfang hatten.
	Das Sammeln der Zahlen war also schon ein großer Fortschritt von unserem Ausgangspunkt aus, aber die Idee war, die Zahlen zu verwenden, um zu sehen, ob wir erklären können,
	Der Grund für den Zinnstaub hängt von der Dicke des eingehenden Materials, den vier verschiedenen Abmessungen des Kolbens und davon ab, ob der Kolben beschichtet wurde oder nicht.
	Wir verwenden einige Tools aus SAS JMP. Besonders häufig kommt dabei das Anpassungsmodell zum Einsatz. Das Anpassungsmodell erklärt, ob zwischen Ihren Antworten und Ihren Variablen Beziehungen bestehen.
	Und hier oben haben wir die Antwort.
	Das ist unser Zinnstaub.
	Hier haben wir das Modell, also möchten wir sehen, ob die Dicke des Materials Einfluss hat
	die 10 Staub, die Messung des Kolbens,
	und ob die Beschichtung des Kolbens Auswirkungen hätte.
	Ausführen des Modells hier
	und sagen Sie: „Versuchen Sie, die verschiedenen Variablen zu kombinieren, und sagen Sie mir, was den größten Einfluss auf unseren Zinnstaub haben wird.“
	Und das sind im Wesentlichen die Ergebnisse, die wir daraus erzielt haben.
	Wir sehen hier, dass wir den P-Wert als Orientierungshilfe verwenden, falls das für uns Sinn ergibt. Die Beschichtung ist niedrig und der P-Wert bedeutet, dass wir anscheinend eine signifikante
	Verhältnis zwischen der Beschichtung und unserem Zinnstaub. Wir glauben auch, dass die Dicke des Materials einen
	Beziehung zu unserem Zinnstaub, und wir glauben, dass Messung 3 irgendeine Art von Beziehung zum Zinnstaub haben wird. Das bedeutet auch, dass die Messungen 1, 2 und 4 nicht signifikant zu sein scheinen, wenn wir über den Zinnstaub sprechen.
	Denken Sie daran, dass wir zunächst ohne Zahlen gearbeitet haben und jetzt über P-Werte und deren Hilfe sprechen.
	Und für uns war es eigentlich ganz einfach, das zu interpretieren, und die Leute haben verstanden, dass „okay, signifikant“ bedeutet, dass es sich vielleicht nicht um einen Zufall handelt.
	Und indem wir die richtigen Leute einsetzen, konnten wir sicherstellen, dass dies auch für sie sinnvoll ist. Es scheint also, dass die Beschichtung einen Einfluss auf den Zinnstaub haben kann.
	Und die Techniker sagten, ja, es sei logisch, dass die Beschichtung Auswirkungen auf den Zinnstaub habe, weil wir dies bei anderen Produktionslinien gesehen hätten.
	Und die Dicke konnte überprüft werden, macht Sinn und die Messung 3 könnte Sinn machen, also begannen wir zu glauben, dass dies
	einige gute Richtlinien für uns, aber wir müssen sehen, ja, wir können sehen, dass der Mantel wichtig zu sein scheint, aber ist es mit oder ohne Mantel, der für uns relevant ist?
	Also haben wir das erweitert …
	das passende Modell hier und
	Sie können hier im Profiler sehen, wie sich die verschiedenen Variablen auf den Zinnstaub auswirken. Sie können den Zinnstaub hier links sehen.
	Und Sie können hier die Dicke des Blechs sehen, die im Prozess entsteht, die Messung 3 und dann die Beschichtung. Und dann könnten wir versuchen zu simulieren, ob wir beschichten müssen, wenn wir Messung 3 aktiviert haben.
	wie viele Kilogramm werden voraussichtlich aus dem Prozess hervorgehen?
	Hier heißt es, wir können mit 0,0057 rechnen. Wir haben hier auch ein Konfidenzintervall, aber wir können davon ausgehen, dass dies die Menge an Zinnstaub ist, die aus dem Prozess austritt.
	Schauen Sie dann, was passiert, wenn wir einen Kolben haben, der nicht beschichtet ist. Sie sehen, dass sich die Bedeutung ändert und höher ausfällt.
	Und wir wissen von Anfang an, dass ein Wert von etwa 0,2 spielentscheidend sein wird. Wenn wir mehr als 0,2 Kilogramm Zinnstaub haben, müssen wir ihn reinigen. Deshalb wollen wir unter 0,2 bleiben.
	Und wir sind hier sogar noch einen Schritt weiter gegangen, weil wir wussten, dass es für uns sehr schwierig war, die Dicke des Materials zu kontrollieren. Dies ist vorgegeben und es wird gewisse Abweichungen innerhalb der Dicke geben, die für uns nur sehr schwer zu ändern wären.
	Wir brauchten also einen sehr robusten Prozess, der besagte, dass wir die Dicke flexibel halten müssen.
	Was wir jedoch kontrollieren können, ist die Messung 3 und die Beschichtung.
	Deshalb haben wir diesen Profiler erweitert, um
	den Simulator, damit wir simulieren können, was passiert, wenn sich die Dicke ändert
	mit einer bestimmten Standardabweichung.
	Wir sagen also, dass wir wissen, dass sich die Dicke ändern kann.
	Wir wissen, dass wir einen Mittelwert von etwa 5,595 und eine Standardabweichung von 0,058 haben. Wir könnten dies später ändern. Wir wollen die Messung und die Beschichtung korrigieren, indem wir
	die Beschichtung auf dem Kolben.
	Wir wissen auch, dass unser Ziel nicht höher als 0,2 ist, also könnten wir hier ein Ziel hinzufügen.
	Und dann könnten wir simulieren.
	Die Messung 3 bleibt unverändert, die Beschichtung bleibt unverändert, aber die Dicke ändert sich mit der Zeit.
	Dann können wir simulieren, was wir erwarten könnten, wenn wir 5.000 Blätter im Prozess haben möchten.
	im Zinnstaub? Und dann könnten wir simulieren. Sie können sehen, ob wir
	Bei einem Blech mit einer Dicke von etwa 5,6 mm, dem Maß 3 bei 1 und einer Beschichtung konnten wir ein sehr gutes Ergebnis erwarten. Und wie Sie sehen, haben wir hier die rote Linie bei 2...
	Entschuldigung, 0,2, und wir können auch sehen, dass die Fehlerrate, also die Rate der Messungen über 0,1, 0 wäre, also ist das gut für uns.
	Sie können auch sehen, dass, wenn wir es dann ändern, die Messung 3, nicht bei 1,
	sondern auf 2,5.
	Und nochmal mit der Simulation.
	Wir werden bei
	eine etwas höhere
	Zinnstaubmenge. Wenn wir zusätzlich
	Entschuldigung,
	Wenn wir ihn durch einen Kolben ohne Beschichtung ersetzen und 5.000 Bleche verwenden, können wir mit einer sehr schlechten Reaktion rechnen.
	Und wir konnten sehen, dass
	Vor Beginn dieser Änderungen hatten wir in unserer Produktionslinie Kolben ohne Beschichtung. Das war also völlig neu für uns, und es war sehr spannend zu sehen, dass wir tatsächlich etwas gegen den Zinnstaub tun und ihn sogar selbst kontrollieren können.
	Basierend auf den Simulationen, die wir hier haben, haben wir beschlossen,
	a
	Messung 3 auf 2 und dann ein Kolben mit einer Beschichtung,
	Das bedeutet, dass wir über einen sehr robusten Prozess verfügen, der mit den Schwankungen in der Dicke unserer Bleche zurechtkommt.
	Dann könnten wir auch versuchen, etwas zu simulieren, was wäre, wenn diese Abweichung nicht 0,058 wäre, sondern
	1.5.
	Sie sehen, das wäre zu viel. Deshalb haben wir mit unseren Lieferanten Vereinbarungen getroffen, die vorschreiben, dass sie die Standardabweichung auf einem bestimmten Niveau halten müssen, denn dann hätten wir
	ein robuster Prozess.
	Das war für uns alle eine Offenbarung, denn es ist ein sehr, sehr gutes Bild für uns und es hat uns nicht viel gekostet. Das Einzige, was es uns gekostet hat, war das Experiment, das wir auf fünf Tage angelegt haben.
	Das waren also gute Neuigkeiten für uns.
	Und hier bei Nummer fünf kamen wir zu dem Schluss, dass wir jetzt wissen, was verbessert werden muss. Wir müssen die Werkzeuge oder den Kolben beschichten und die Messung auf 2,0 anpassen.
	Es kam von etwa 3.0. Das war also eine Verbesserung, und dies ist ein sehr einfaches Bild vom Profiler,
	zeigt die Beziehung zwischen unserem Zinnmantel und den verschiedenen Variablen, die wir erwartet hatten. Und wir haben eine Kontrolle gemacht, in der wir sagten: „Versuchen wir,
	unsere Prozesse und produzieren dann 25.000 weitere Deckel. Dann sehen Sie den Vergleich. Das war unsere Ausgangsbasis. Sie sehen den kleinen Staub hier im Gepäck, bevor wir den Prozess geändert haben, und Sie sehen die 25.000
	des Zinnstaubs, nachdem wir nach der Umstellung 25.000 Deckel produziert hatten, und wir haben hier keinen Zinnstaub gesehen.
	Das war für uns ein sehr guter Proof of Concept. Es war eines der ersten Projekte, die wir mit SAS JMP durchgeführt haben. Es war ein sehr guter Proof of Concept, und die Leute haben sich wirklich auf diese Art der Problemlösung verlassen.
	Was wir hier lernen, ist die Verwendung von Daten, es zeigt Vorteile für uns, denn dann haben wir etwas gemeinsam, etwas, das wir mit allen in Verbindung bringen können,
	anstatt unterschiedliche Meinungen zu haben, die für uns nur sehr schwer quantifizierbar sind, war die Verwendung davon für uns alle sehr hilfreich.
	Und indem wir die richtigen Leute einsetzen, die technischen Leute, die Leute
	mit einem Wissen aus der Linie, auch Menschen, die wie eine statistische Software wie JMP verwenden können verstehen, wie man
	Ein Experiment, das Verständnis, wie man ein Anpassungsmodell, Regressionsmodelle usw. erstellt. Und dann ist der Einsatz von SAS JMP wirklich leistungsstark. Wir hätten das nicht wie in Excel tun können, weil ihnen die Tools fehlten.
	Und dann macht uns die Verwendung eines strukturierten Prozesses wie diesem sehr leistungsfähig. Das war für uns eine sehr wertvolle Erfahrung und etwas, das wir anschließend in vielen Projekten mit sehr guter Resonanz umgesetzt haben.

Erweiterte statistische ModellierungGrundlegende Datenanalyse und -modellierungInhaltsorganisationQualitäts- und ProzesstechnikZuverlässigkeitsanalyse