756626_zh-TW

liliconcom

如何將統計數據用作通用語言——以及如何透過這樣做來提高流程品質 (2021-EU-30MP-788)

Envases 品質與六西格瑪主管 Marcus Soerensen

本案例研究將展示如何透過使用統計資料作為公司各部門之間的通用語言來提升流程品質。起初，專案數據非常有限，令人困惑，但隨著團隊開始使用 JMP 進行結構化和資料導向的改進，最終取得了成功。本案例展示了各部門如何利用數據和統計數據作為流程改善的基礎，攜手合作。

自動產生的成績單...

揚聲器	抄本
馬庫斯	歡迎
	到此處的演示，使用 SAS JMP。
	本次演講的主題是如何使用統計數據作為通用語言以及如何透過這樣做來提高流程品質。
	我在一家叫 Envases 的公司擔任品質經理。 Envases 是一家大型公司，
	為食品業生產罐頭的跨國公司。您可以在左上角看到部分產品。
	有些產品你可能很熟悉。它們是超市裡買的罐裝食品，裡面有肉、魚、奶粉、果汁等等。
	我們在以下地區設有生產基地
	墨西哥和歐洲以及
	我今天想在這裡討論的話題與我們在丹麥的生產設施有關。
	基本上，我在這裡要介紹的是一個使用 SAS JMP 作為工具之一來解決的問題。
	我將花一些時間在 JMP 上展示一些功能，並介紹如何使用 SAS JMP 解決這類問題，我相信許多看過這個演示的人對此都很熟悉。
	好吧，回到去年，
	我們的生產線出了點問題，生產部門的人來找我。我是品質主管，我負責處理這類問題，有人來找我，說：Marcus，我們的生產線上有一些錫灰。
	錫是我們用來製作罐頭的材料，所以錫粉本身不是
	這不是我們生產過程中可以看到的東西，但人們抱怨說他們在我們的生產線上看到了太多的錫塵。
	因此，他們需要經常清理管道。
	這就像問題的開始。我們沒有任何數據來證明這一點。我們沒有任何文件可供查閱。我們沒有任何Excel表格。我們沒有任何JMP檔案可供查閱。我們只是聽到一些人說我們有太多數據。
	我們的生產線上有很多錫塵，需要我們經常清理。
	讓它更均勻一點
	更令人困惑的是，有人說我們以前見過很多次這種情況，也有人說我們以前從未見過這種情況。
	我開始和電話裡的人交談，問他們：「這對你來說是新情況嗎？這週發生過，還是上週發生的？或者去年發生過什麼？」我聽到了很多不同的意見，也有很多
	輸入，而且人們也沒有告訴我同樣的事情，所以我有點困惑我們如何開始這個專案。
	但無論如何，我們需要開始。
	所以我做的第一件事
	是為了組成團隊，說，
	組織中的人員需要組成一個團隊。團隊裡應該有誰參與？我們確定了一些生產部門的人員、一些技術人員、一些營運部門的人員、一些維修部門的人員等等，這些都是專案相關的人員。
	我們在這裡用來解決問題的結構受到了六西格瑪 DMAIC 的啟發，也許你們中的一些人已經知道它了。
	DMAIC 是關於定義問題、衡量問題、分析問題的原因、改進然後控制，看看您是否真的成功地運用了您提出的解決方案。
	DMAIC 的其中一個想法，對我來說，使用這裡的結構是為了定義和衡量問題，因為有時你
	您可能認為自己遇到了問題，但是透過開始衡量問題，您可能會意識到，您認為的問題實際上根本不是問題。
	所以沒必要繼續解決實際上並不存在的問題，我之前也跟大家說過，好的，首先，讓我們來衡量一下這個問題。我們真的有問題嗎？還是這只是我們在生產過程中的一種感覺？
	這是第一步。
	所以我們去了生產線???，去生產線看看，
	我們能否了解這個過程，甚至可以看到問題發生在哪裡。
	這個過程相當簡單。我試著用這張簡單的圖來簡化它。
	給你大概的思路。錫板被送進傳送帶，然後我們有一個活塞
	製作罐頭的蓋子，所以過程相當簡單。
	由於這個活塞和這些蓋子的製作，我們可以看到我們可以在傳送帶上收集一些灰塵，這是操作員需要不時清潔的地方。
	透過做???我們可以看到，在 25,000 個蓋子之後，我們可以收集大約兩公斤或更多的錫塵。
	這時候我們就需要清理生產線了。所以這就像我們的基準線，比如說，當我們生產了25,000個相當於兩公斤以上的蓋子時，我們就需要清理生產線了。
	不可接受，因為清潔佔用了生產時間，而生產時間減少導致我們無法生產想要生產的蓋子。這意味著我們可能會延遲交貨，甚至根本無法交貨。
	因此，我們所有人都有興趣減少這種清潔工作，我們發現，如果我們可以減少生產線上產生的錫塵，我們就可以減少您的清潔工作。
	所以問題很簡單，當我們收集了
	這
	此處的數據以公斤為單位。
	記得，你們可以在圖片上看到背面，這是我們用吸塵器收集了25000個蓋子後能收集到的灰塵。一開始，有人來找我的時候，我們連裝灰塵的行李都沒有，只有
	只是透過觀察，我們就能表達出我們所遇到的問題。現在至少我們能看到這就是我們遇到的問題。灰塵太多了，這灰塵太多了，因為我們需要清理它。所以我們必須減少
	生產 25,000 個蓋子後重量減少 1 公斤，這就是該專案的成功標準。
	我們召集了合適的人員，就像開了個研討會一樣，把所有人都聚集在一個房間裡，說我們這裡出了問題。在生產了25000個蓋子後，我們產生了超過兩公斤的灰塵。這是什麼原因造成的？
	然後我們進行了腦力激盪，觀察這個過程，觀察過程中發生了什麼，以及過程中產生了什麼。這些變數能解釋我們最近看到的錫粉嗎？
	所以第一步是定義變數。你們可以看到，我用黃色標記了團隊預計導致錫塵的一些根本原因。
	我們從輸入開始，因為我們知道錫板，錫板的厚度可以
	可能會有所不同，所以我們可以得到一些更厚的錫板和一些
	薄片不會太薄。
	我們也發現，活塞的塗層可能是造成錫塗層的原因。
	我們可以看到，與其他有塗層的生產線相比，沒有出現同等規模的問題。
	我們也可以看到活塞的測量值，活塞上有四個不同的測量值，這可以解釋錫塵的原因。
	我們從來沒有嘗試過，所以這只是紙上談兵，所以這可能是原因，但讓我們試著找出答案。
	去年或兩年前，當我們遇到這樣的問題時，
	通常的做法是，我們會嘗試不同的方法，例如嘗試改變塗層的厚度，看看這是否會改變塗層。但在這裡，我們想將所有變數合併到一個實驗中，以加快這個過程。
	因此我們建立了一個實驗設計，即 DOE。
	隨著時間的推移，我們必須對此進行一些改變，以便它能夠反映我們的現實情況以及我們可以用於實驗的分配的生產時間。
	設定實驗和定義變數並不難，大概花了幾個小時。設定實驗設計 (DOE) 也不難，我們在 SAS JMP 中完成了。但執行實驗設計 (DOE) 比較棘手，因為它耗時很長，大約花了一週。
	所以我們需要計劃把機器取出來，然後進行大約五天的試用。簡單來說，我們用一種設定生產了25000個蓋子，然後用另一種設定又生產了25000個蓋子，以此類推。
	然後，一周後，我們分析了結果，並根據這些結果得出結論。
	讓我試著向你展示
	我們在 SAS JMP 中所做的。
	大家可以看到，光是看看這些數字，就能看出我們自起步以來取得了巨大的進步。一開始，人們只說我們灰塵太多，需要經常打掃。現在至少我們有了一些數字……一些顯而易見的數字。
	你可以看到，這裡有錫粉。這是
	生產25,000個蓋子後會產生錫粉，而且我們對進入生產線的材料厚度也有不同的設定。
	這裡有四種不同尺寸的活塞。我們還提供了一份聲明，標明它是否塗層。所以我們測試了不同類型的活塞。
	這很容易讓人理解。如果進來的材料厚度是5.74，測量值是1.47等等，他們就能知道有多少錫粉。
	因此，這是一個巨大的進步，從最初的觀察到現在我們真正掌握了工作集背後的一些真實數字。
	因此，僅僅收集這裡的數字就從我們的起點取得了巨大的進步，但我們的想法是利用這些數字來看看我們能否解釋
	錫粉產生的原因取決於進入的材料的厚度、活塞的四種不同測量值以及活塞是否已塗層。
	我們使用 SAS JMP 中的一些工具，其中最常用的工具之一是擬合模型。擬合模型可以解釋你的反應值和變數之間是否存在關係。
	我們在這裡得到了答复。
	這是我們的錫塵。
	這裡有模型，所以我們想看看材料厚度是否會影響
	10塵埃，活塞的測量，
	以及活塞塗層是否會產生任何影響。
	在這裡運行模型
	並說，試著結合不同的變量，告訴我什麼對我們的錫塵影響最大。
	這就是我們得到的基本結果。
	我們可以看到，我們用p值來判斷這是否合理。外套很低，p值意味著，嗯，看起來我們有一個顯著的
	塗層和錫粉之間的關係。我們也認為，材料的厚度將有一個
	與錫塵之間存在某種關係，我們相信測量值 3 也與錫塵有某種關係。這也意味著，當我們談論錫塵時，測量值 1、2 和 4 似乎並不重要。
	請記住，我們一開始沒有任何數字，所以現在我們討論的是 P 值以及它如何幫助我們。
	這對我們來說實際上相當容易解釋，人們也確實明白，好的「重要」意味著這可能不是巧合。
	透過使用合適的人員，我們可以驗證這對他們來說也是有意義的，因此看起來塗層可能會對錫塵產生影響。
	而技術......技術人員說，是的，塗層對錫塵有影響是有道理的，因為我們在其他生產線上也看到過這種情況。
	並且可以驗證厚度是有意義的，測量3也是有意義的，所以我們開始相信這是
	對我們來說有一些很好的指導方針，但我們需要看到，是的，我們可以看到塗層似乎很重要，但有無塗層對我們來說是否重要？
	所以我們擴展了這個...
	這裡的擬合模型和
	你可以在分析器中看到不同的變數對錫粉的影響。你可以在左邊看到錫粉。
	您可以看到板材在加工過程中的厚度，測量值 3，然後是塗層。然後，如果我們啟用了測量值 3，我們可以嘗試模擬是否需要塗層。
	預計過程會產生多少公斤？
	這裡說的是，我們可以預期0.0057。這裡也有一個置信區間，但我們可以預期，這將是過程中產生的錫塵數量。
	然後看看如果我們的活塞沒有塗層會怎麼樣。我們可以看到，顯著性會發生變化，而且會更高。
	我們從一開始就知道，如果錫塵超過 0.2 公斤，我們需要清理，0.2 左右就會改變遊戲規則，所以我們希望低於 0.2。
	我們在這裡所做的甚至更進一步，因為我們知道材料的厚度對我們來說很難控制，這是指定的，而且厚度會有一些變化，這對我們來說很難改變。
	因此，我們需要一個非常強大的流程，也就是說，我們需要保持厚度的彈性。
	但我們可以控制的是測量 3 和塗層。
	因此我們將此分析器擴展為
	模擬器，這樣我們就可以模擬厚度變化的情況
	具有一些指定的標準差。
	所以我們說我們知道厚度是可以改變的。
	我們知道平均值約為 5.595，該材料的標準差為 0.058。我們可以稍後再修改。我們想要修正測量值，也想要修正塗層，因此
	活塞上的塗層。
	我們也知道我們的目標不高於 0.2，所以我們可以在這裡新增一個目標。
	然後我們就可以模擬。
	測量 3 將是固定的，外套將是固定的，但厚度將隨著時間而改變。
	然後我們可以模擬一下，如果我們想要 5,000 張紙，我們期望看到什麼
	在錫塵裡？然後我們可以模擬。你可以看看我們是否有
	一塊厚度約5.6英吋的錫板，測量值3位於1英吋處，加上塗層，我們預期效果會非常好。您可以看到，我們在2英寸處畫了一條紅線…
	抱歉，是 0.2，我們還可以看到缺陷率，即高於 0.1 的測量率為 0，所以這對我們來說是件好事。
	您也可以看到，如果我們改變它，測量值 3，而不是 1，
	但達到 2.5。
	並再次進行模擬。
	我們將在
	略高一點
	錫粉量。如果我們除此之外，
	對不起，
	將其更換為沒有塗層的活塞並運行 5,000 片板，我們可能會得到非常差的回應。
	我們可以看到
	在我們開始這些改變之前，我們生產線上的設備是沒有任何塗層的活塞。所以這對我們來說非常新穎，我們很高興看到我們能夠真正控制錫粉，甚至可以自己控制它。
	因此，根據我們這裡的模擬，我們決定
	a
	測量 3 在 2 上，然後活塞與塗層，
	這意味著我們將擁有一個非常強大的流程，可以處理板材厚度的變化。
	然後我們也可以試著模擬一下，如果這個偏差不是 0.058，而是
	1.5.
	你看，這太多了，所以這是我們與供應商達成的一些協議，他們需要將標準差保持在特定水平，因為這樣我們就會有
	一個強大的過程。
	這對我們來說真是大開眼界，因為這對我們來說是一張非常非常好的照片，而且我們花費不多。唯一的花費就是我們設定的為期五天的實驗。
	這對我們來說是個好消息。
	因此，在第五點上，我們得出結論，好的，現在我們知道應該改進什麼，我們需要塗層工具或活塞，我們需要將測量值調整為 2.0。
	它大約來自 3.0 版本。所以這算是一個改進，這是一張來自分析器的非常簡單的圖片。
	展示我們的錫皮和我們預期的不同變數之間的關係。我們做了一個控制實驗，說讓我們試著改變
	我們改進了流程，然後又生產了25,000個蓋子，然後你就可以看到對比結果了。這是我們的基準。你可以看到，在我們改進流程之前，行李箱裡有一些小灰塵，你可以看到25,000個
	改變後，我們生產了 25,000 個蓋子，而這裡我們沒看到任何錫塵。
	所以這對我們來說就像…一個非常好的概念驗證。這是我們使用 SAS JMP 的首批專案之一，它是一個很好的概念驗證，人們確實非常依賴這種解決問題的方法。
	我們在這裡學到的是數據的使用，它為我們帶來了好處，因為我們有了一些共同點，一些我們可以與每個人聯繫起來的東西，
	而不是擁有我們難以量化的不同意見，因此這對我們所有人都非常有幫助。
	並使用合適的人才，技術人員，
	擁有來自生產線的知識，能夠使用 JMP 等統計軟體的人也了解如何設置
	進行實驗，了解如何建立擬合模型、迴歸模型等等。 SAS JMP 的使用非常強大。我們以前無法做到這一點，就像在 Excel 中一樣，因為他們沒有相應的工具。
	然後，使用像他們這樣的結構化流程讓我們變得非常強大，所以這對我們來說是一個非常好的學習，這是我們後來在許多專案中實施的東西，並得到了非常好的反響。

進階統計建模基礎資料分析與建模內容組織品質與工藝工程可靠度分析