| Oratore |
Trascrizione |
| Marco |
Benvenuto |
| |
a questa presentazione qui, utilizzando SAS JMP. |
| |
L'argomento di questa presentazione è come utilizzare la statistica come linguaggio comune e come migliorare la qualità dei processi in questo modo. |
| |
Lavoro come responsabile della qualità per un'azienda chiamata Envases. Envases è un'azienda enorme, una |
| |
Azienda globale che produce lattine per l'industria alimentare. Potete vedere alcuni dei prodotti qui nell'angolo a sinistra. |
| |
Alcuni prodotti potrebbero esservi familiari. Sono in scatola, come quelli che si trovano nei supermercati: abbiamo carne, pesce, latte in polvere, anche succhi di frutta e così via. |
| |
Abbiamo stabilimenti di produzione in |
| |
Messico e in Europa e il |
| |
L'argomento di cui voglio discutere oggi è legato ai nostri stabilimenti produttivi in Danimarca. |
| |
Fondamentalmente quello che presenterò qui è un problema che è stato risolto utilizzando SAS JMP come uno degli strumenti. |
| |
Dedicherò un po' di tempo a JMP per mostrare alcune delle funzionalità e per dare un'idea di come SAS JMP può essere utilizzato per lavorare con questo tipo di problemi, che sono certo saranno molto familiari a molte delle persone che ascolteranno questa presentazione. |
| |
Bene, tornando all'anno scorso, |
| |
Abbiamo avuto dei problemi nelle nostre linee di produzione e il personale addetto alla produzione è venuto da me. Sono il responsabile della qualità e mi occupo di questo tipo di problemi che mi sono arrivati sulla scrivania dicendo: "Marcus, abbiamo della polvere di stagno nelle nostre linee di produzione". |
| |
Lo stagno è il materiale che usiamo per le lattine, quindi la polvere di stagno in quanto tale non è |
| |
Non si tratta di cose da vedere nella nostra produzione, ma la gente si lamentava perché vedeva troppa polvere di stagno nelle nostre linee di produzione. |
| |
Di conseguenza, devono pulire le linee continuamente. |
| |
Quello è stato, tipo, l'inizio del problema. Non avevamo dati per dimostrarlo. Non avevamo documenti da esaminare. Non avevamo fogli Excel. Non avevamo file JMP da analizzare. Avevamo solo opinioni di persone che dicevano che avevamo troppi dati. |
| |
polvere di stagno sulla nostra linea di produzione e dobbiamo pulire continuamente. |
| |
E per rendere il tutto un po' più equilibrato |
| |
più confuso, ma la gente diceva di averlo già visto molte volte prima, e alcuni dicevano di non averlo mai visto prima. |
| |
Ho iniziato a parlare con le persone in linea, chiedendo: è una novità per voi? È successo questa settimana o la settimana scorsa? O cosa è successo l'anno scorso? E ho ricevuto molte opinioni diverse e molte |
| |
input, e inoltre le persone non mi dicevano la stessa cosa, quindi ero un po' confuso su come avremmo potuto iniziare questo progetto. |
| |
Ma in ogni caso, dovevamo cominciare. |
| |
Quindi la prima cosa che ho fatto |
| |
era quello di impostare la squadra, dicendo, |
| |
Le persone qui nell'organizzazione dovranno creare un team. Chi dovrebbe essere coinvolto nel team? Abbiamo individuato alcune persone della produzione, alcuni tecnici, alcuni del reparto operativo, alcuni del reparto manutenzione e così via, persone rilevanti per il progetto. |
| |
La struttura che abbiamo utilizzato qui per risolvere il problema è ispirata al Six Sigma DMAIC, forse alcuni di voi la conoscono già. |
| |
Il DMAIC consiste nel definire il problema, misurarlo, analizzarne la causa, migliorarlo e quindi controllare se si è effettivamente riusciti a trovare la soluzione. |
| |
Una delle idee di questo, DMAIC, e una delle idee, anche per me, usando la struttura qui è definire e misurare il problema, perché a volte tu |
| |
Potresti pensare di avere un problema, ma iniziando a misurare il problema potresti renderti conto che ciò che pensavi fosse un problema in realtà non lo è affatto. |
| |
Quindi non c'è bisogno di continuare a risolvere un problema che in realtà non esiste, ed è quello che ho detto alla gente: "Ok, prima di tutto, misuriamo il problema". Abbiamo davvero un problema, o è solo un problema di stomaco che abbiamo in produzione? |
| |
Quello è stato il primo passo. |
| |
Quindi siamo andati alla linea di produzione ???, andando alla linea per vedere, |
| |
possiamo avere un'idea del processo, magari possiamo anche vedere dove si verifica il problema. |
| |
Il processo è piuttosto semplice. Ho cercato di semplificarlo qui in questo disegno molto semplice, |
| |
Giusto per darti un'idea. Abbiamo fogli di latta che arrivano su un trasportatore e poi abbiamo un pistone. |
| |
realizzare il coperchio per le lattine, quindi il procedimento è piuttosto semplice. |
| |
Grazie a questo pistone e alla realizzazione di questi coperchi, possiamo vedere che si accumula della polvere sul trasportatore, ed è qui che l'operatore deve effettuare la pulizia di tanto in tanto. |
| |
E abbiamo potuto vedere che facendo il ??? dopo 25.000 coperchi, avremmo potuto raccogliere circa o più di due chilogrammi di polvere di stagno. |
| |
Ed è stato allora che abbiamo dovuto pulire la linea. Quindi, questa era la nostra base di partenza: diciamo, quando avevamo prodotto 25.000 coperchi, pari a più di due chilogrammi, dovevamo pulire la linea, e questo è stato |
| |
Non è accettabile perché la pulizia sta occupando tempo di produzione e, avendo tempi di produzione ridotti, non possiamo produrre i coperchi che desideriamo. Ciò significa che potremmo arrivare in ritardo per la consegna o addirittura non essere in grado di consegnare affatto. |
| |
Quindi eravamo tutti interessati a ridurre questa pulizia e abbiamo visto che potevamo ridurre la pulizia se fossimo riusciti a ridurre la polvere di stagno prodotta sulla linea. |
| |
Quindi il problema era abbastanza semplice quando abbiamo raccolto il |
| |
IL |
| |
qui i dati sono espressi in chilogrammi. |
| |
Ricordate che potete vedere il retro qui nella foto: questa è la polvere che potevamo raccogliere con l'aspirapolvere dopo 25.000 coperchi. All'inizio, quando le persone venivano da me, non avevamo nemmeno un sacchetto con la polvere, era solo |
| |
Solo osservando, potevamo esprimere il problema che avevamo. Ora almeno potevamo vedere che questo è il problema che abbiamo. Abbiamo troppa polvere e questa è troppa polvere, perché dobbiamo pulirla. Quindi dobbiamo ridurre la |
| |
chilogrammi dopo 25.000 coperchi prodotti: questo è stato il criterio di successo del progetto. |
| |
Raccogliendo le persone giuste, abbiamo organizzato una specie di workshop, abbiamo riunito tutti in una stanza e abbiamo detto loro che avevamo un problema. Dopo 25.000 coperchi produciamo più di due chilogrammi di polvere. Qual è il motivo? |
| |
Poi abbiamo fatto un brainstorming, dicendo di osservare il processo, di osservare cosa sta succedendo e cosa sta uscendo dal processo. Qualcuna di queste variabili può spiegare la recente formazione della polvere di stagno che vediamo? |
| |
Quindi il primo passo è stato definire le variabili. E come potete vedere, ho evidenziato qui in giallo quelle che il team si aspettava fossero alcune delle cause profonde della polvere di stagno che abbiamo visto. |
| |
Abbiamo iniziato con l'input che, poiché sta arrivando, sappiamo che il foglio di latta, lo spessore del foglio di latta può può |
| |
può variare, quindi possiamo avere in arrivo fogli di latta più spessi e alcuni |
| |
non è un foglio così sottile e sottile in arrivo. |
| |
E inoltre, abbiamo potuto vedere che il rivestimento del pistone potrebbe essere la ragione del rivestimento in stagno. |
| |
Abbiamo potuto vedere che, rispetto ad altre linee che avevano un po' di rivestimento, non presentavano il problema nella stessa scala. |
| |
Abbiamo anche potuto vedere che le misure del pistone, abbiamo quattro misure diverse sul pistone che potrebbero spiegare il motivo della polvere di stagno. |
| |
Non l'abbiamo mai provato, quindi era solo sulla carta. Potrebbe essere questo il motivo, ma proviamo a scoprirlo. |
| |
L'anno scorso o due anni fa, quando abbiamo avuto un problema come questo, |
| |
Normalmente, l'approccio sarebbe stato quello di provare diverse cose, quindi potremmo provare a fare lo spessore per vedere se questo potesse cambiare qualcosa, il rivestimento. Ma qui vorremmo combinare tutte le variabili in un unico esperimento semplicemente per accelerare il processo. |
| |
Abbiamo quindi impostato un progetto di esperimenti, un DOE. |
| |
Nel tempo dovremo apportare qualche modifica affinché rifletta la realtà che abbiamo e anche i tempi di produzione assegnati che potremmo utilizzare per l'esperimento. |
| |
Impostare gli esperimenti e definire le variabili non è stato un compito difficile. Ci sono volute forse un paio d'ore. Impostare il DOE non è stato difficile, l'abbiamo fatto in SAS JMP. Ma eseguire il DOE è stata la parte più difficile, perché ha richiesto molto tempo: circa una settimana. |
| |
Quindi dovevamo pianificare di smontare la macchina e poi abbiamo fatto la prova per circa cinque giorni. In poche parole, abbiamo prodotto 25.000 coperchi usando un tipo di impostazione, poi altri 25.000 coperchi usando un altro tipo di impostazione e così via. |
| |
E poi, dopo la settimana, abbiamo analizzato i risultati e, in base a questi, abbiamo tratto delle conclusioni. |
| |
Lasciami provare a mostrarti |
| |
ciò che abbiamo fatto in SAS JMP. |
| |
Potete vedere qui, solo guardando i numeri, che abbiamo potuto vedere che questo è un enorme progresso rispetto al nostro punto di partenza. Abbiamo iniziato semplicemente sentendo la gente dire che avevamo troppa polvere e che dovevamo pulire di continuo. Ora almeno abbiamo un numero, un numero... numeri sulla scatola. |
| |
Potete vedere qui, abbiamo la polvere di latta. Questa è la |
| |
produce polvere di stagno dopo 25.000 coperchi e abbiamo anche diverse impostazioni dello spessore del materiale in ingresso nella linea. |
| |
E qui abbiamo le quattro diverse misure del pistone. E abbiamo anche una dichiarazione: è stato rivestito o no? Quindi abbiamo diversi tipi di pistoni che abbiamo provato. |
| |
Questo è piuttosto facile da capire per le persone. Potrebbero vedere quanta polvere di stagno abbiamo se lo spessore del materiale in entrata è 5,74, se la misurazione è 1,47 e così via. |
| |
Si tratta quindi di un enorme passo avanti rispetto al semplice osservare, per arrivare ad avere dei numeri reali a supporto del set di lavoro che avevamo all'inizio. |
| |
Quindi, il solo fatto di raccogliere il numero qui è stato un enorme progresso rispetto al nostro punto di partenza, ma l'idea era di usare il numero per vedere se possiamo spiegare |
| |
il motivo della polvere di stagno in base allo spessore del materiale in entrata, alle quattro diverse misure del pistone e se il pistone è stato rivestito o meno. |
| |
Stiamo utilizzando alcuni degli strumenti di SAS JMP e uno di quelli che usiamo più spesso qui è il modello di adattamento. Il modello di adattamento spiega se ci saranno relazioni tra le risposte e le variabili. |
| |
E qui sopra abbiamo la risposta. |
| |
Questa è la nostra polvere di latta. |
| |
Qui abbiamo il modello, quindi vorremmo vedere se lo spessore dell'effetto del materiale |
| |
la polvere 10, la misurazione del pistone, |
| |
e se il rivestimento del pistone avrebbe avuto qualche impatto. |
| |
Eseguendo il modello qui |
| |
e dicendo: prova a combinare le diverse variabili e dimmi quale avrà l'impatto maggiore sulla nostra polvere di stagno. |
| |
E questi sono fondamentalmente i risultati che abbiamo ottenuto. |
| |
Possiamo vedere qui che abbiamo quello che stiamo usando, il valore p, come guida, se questo ha senso per noi. Il cappotto è basso e il valore p significa, beh, sembra che abbiamo un significativo |
| |
rapporto tra il rivestimento e la nostra polvere di stagno. Crediamo anche che lo spessore del materiale avrà un |
| |
relazione con la nostra polvere di stagno, e crediamo che la Misurazione 3 abbia una qualche relazione con la polvere di stagno. Questo significa anche che le Misurazioni 1, 2 e 4 non sembrano essere significative quando si parla di polvere di stagno. |
| |
Ricordate che stavamo partendo dal presupposto che non avevamo a disposizione alcun tipo di numero, quindi stavamo parlando dei valori P e di come questi possono aiutarci. |
| |
E in realtà per noi è stato abbastanza facile interpretarlo, e la gente ha capito che "significativo" significa che forse non si tratta di una coincidenza. |
| |
Utilizzando le persone giuste, abbiamo potuto verificare che la cosa avesse senso anche per loro, quindi sembra che il rivestimento possa avere un impatto sulla polvere di stagno. |
| |
E il personale tecnico... diceva: sì, è logico che il rivestimento abbia un impatto sulla polvere di stagno, perché lo abbiamo già visto su altre linee. |
| |
E lo spessore potrebbe essere verificato ha senso e la Misurazione 3 potrebbe avere senso, quindi abbiamo iniziato a credere che questo sia |
| |
alcune buone linee guida per noi, ma dobbiamo vedere sì, possiamo vedere che il rivestimento sembra essere significativo, ma è rilevante per noi se è con o senza rivestimento? |
| |
Quindi abbiamo ampliato questo... |
| |
il modello adatto qui e |
| |
Qui nel profiler potete vedere come le diverse variabili influiscono sulla polvere di stagno. Potete vedere la polvere di stagno qui a sinistra. |
| |
E potete vedere lo spessore del foglio che si forma durante il processo, la Misura 3 e poi il rivestimento. E poi potremmo provare a simulare se dobbiamo rivestire, se abbiamo la Misura 3 attiva. |
| |
Quali sarebbero i chilogrammi previsti in uscita dal processo? |
| |
Qui dice che possiamo aspettarci 0,0057. Abbiamo anche un intervallo di confidenza, ma possiamo aspettarci che questo sia il numero di polvere di stagno che esce dal processo. |
| |
Poi guardiamo e vediamo cosa succede se abbiamo un pistone non rivestito. Possiamo vedere che la significatività cambia e il valore sarà più alto. |
| |
E sappiamo fin dall'inizio che un valore pari a circa 0,2 sarà decisivo: se abbiamo più di 0,2 chilogrammi di polvere di stagno, dobbiamo pulirla e quindi vogliamo arrivare a un valore inferiore a 0,2. |
| |
E quello che abbiamo fatto è andare ancora oltre, perché sappiamo che per noi era molto difficile controllare lo spessore del materiale; questo è specificato e ci saranno delle variazioni nello spessore che per noi sarebbero molto difficili da modificare. |
| |
Avevamo quindi bisogno di un processo molto solido, affermando che dovevamo mantenere flessibile lo spessore. |
| |
Ma ciò che possiamo controllare è la Misurazione 3 e il rivestimento. |
| |
Quindi abbiamo ampliato questo profiler per |
| |
il simulatore in modo da poter simulare cosa succederebbe se lo spessore cambiasse |
| |
con una deviazione standard specificata. |
| |
Quindi stiamo dicendo che sappiamo che lo spessore può cambiare. |
| |
Sappiamo di avere una media intorno a 5,595 e una deviazione standard di questo materiale pari a 0,058. Potremmo modificarla in seguito. Vogliamo correggere la misurazione e il rivestimento, avendo |
| |
il rivestimento del pistone. |
| |
Sappiamo anche che il nostro obiettivo non è superiore a 0,2, quindi potremmo aggiungere un obiettivo qui. |
| |
E poi potremmo effettuare una simulazione. |
| |
La Misura 3 sarà fissa, il rivestimento sarà fisso, ma lo spessore cambierà nel tempo. |
| |
Quindi possiamo simulare se vogliamo 5.000 fogli nel processo, cosa potremmo aspettarci di vedere |
| |
nella polvere di latta? E poi potremmo simulare. Puoi vedere se abbiamo |
| |
Con un foglio di latta di circa 5,6 mm di spessore, la misura 3 a 1, e con una mano di vernice, potremmo aspettarci un ottimo risultato. E come potete vedere, abbiamo la linea rossa qui a 2... |
| |
mi dispiace, 0,2, e possiamo anche vedere che il tasso di difetto, ovvero il tasso di misurazioni superiore a 0,1 sarebbe 0, quindi questo è un bene per noi. |
| |
Si può anche vedere che se poi lo cambiamo, la Misurazione 3, non a 1, |
| |
ma a 2,5. |
| |
E di nuovo con la simulazione. |
| |
Saremo a |
| |
leggermente più alto |
| |
quantità di polvere di stagno. Se noi, oltre a ciò, |
| |
Scusa, |
| |
Se lo si sostituisse con un pistone senza rivestimento e si facesse funzionare con 5.000 lamiere, potremmo aspettarci una risposta molto scarsa. |
| |
E abbiamo potuto vedere che |
| |
Prima di iniziare queste modifiche, la configurazione che avevamo nella nostra linea di produzione prevedeva pistoni senza rivestimento. Per noi era una novità assoluta, ed è stato entusiasmante scoprire che potevamo effettivamente controllare la polvere di stagno, e che potevamo persino controllarla noi stessi. |
| |
Quindi, sulla base delle simulazioni che abbiamo qui, abbiamo deciso di avere |
| |
a |
| |
Misurazione 3 su 2 e poi un pistone con rivestimento, |
| |
il che significa che avremo un processo molto robusto che riesce a gestire la variazione nello spessore dei fogli. |
| |
Quindi potremmo anche provare a simulare la cosa, cosa succederebbe se questa deviazione non fosse 0,058 ma fosse |
| |
1.5. |
| |
Vedete, questo sarà troppo, quindi questi sono alcuni degli accordi che abbiamo con i nostri fornitori, che devono mantenere la deviazione standard a un livello specifico perché allora avremo |
| |
un processo robusto. |
| |
Quindi è stata un'esperienza illuminante per tutti noi, perché è un'immagine davvero molto bella per noi, e non ci è costata molto. L'unica cosa che ci è costata è stato l'esperimento che abbiamo impostato per cinque giorni. |
| |
Quindi questa è stata una buona notizia per noi. |
| |
E così, al punto cinque, abbiamo concluso dicendo: Ok, ora sappiamo cosa dovrebbe essere migliorato, dobbiamo rivestire gli utensili o il pistone e dobbiamo regolare la misurazione a 2,0. |
| |
Era circa dalla versione 3.0. Quindi questo è stato un miglioramento, e questa è un'immagine molto semplice del profiler, |
| |
mostrando la relazione tra il nostro cappotto di latta e le diverse variabili che ci aspettavamo. E abbiamo fatto un controllo dicendo "proviamo a cambiare" |
| |
i nostri processi e poi produciamo altri 25.000 coperchi e poi potete vedere il confronto. Questa era la nostra base di partenza. Potete vedere la polvere sottile qui nei bagagli prima di modificare il processo, e potete vedere i 25.000 |
| |
della polvere di stagno dopo aver prodotto 25.000 coperchi dopo la modifica e qui non abbiamo visto alcuna polvere di stagno. |
| |
Quindi questo è stato... un'ottima dimostrazione di concetto per noi. È stato uno dei primi progetti che abbiamo realizzato utilizzando SAS JMP ed è stata un'ottima dimostrazione di concetto, e le persone si sono affidate davvero a questo modo di risolvere i problemi. |
| |
Ciò che impariamo qui è che l'uso dei dati ci porta dei benefici, perché allora abbiamo qualcosa in comune, qualcosa che possiamo mettere in relazione con tutti, |
| |
invece di avere opinioni diverse, cosa che per noi è molto difficile quantificare, l'uso di questo strumento è stato molto utile per tutti noi. |
| |
E usando le persone giuste, il personale tecnico, le persone |
| |
con una conoscenza del settore, anche le persone che sanno usare un software statistico come JMP sanno come impostarlo |
| |
Un esperimento, capire come realizzare un modello di adattamento, modelli di regressione e così via. E poi l'uso di SAS JMP è davvero potente. Non avremmo potuto farlo, come in Excel, perché non avevano gli strumenti necessari. |
| |
E poi, utilizzando un processo strutturato come questo, siamo diventati molto più potenti, quindi è stato un ottimo apprendimento per noi, ed è qualcosa che abbiamo poi implementato in molti progetti con ottimi riscontri. |
