In der heutigen, sich rasant entwickelnden Datenanalyselandschaft sind effiziente Reporting-Tools der Schlüssel zu fundierten Entscheidungen. Diese Präsentation stellt die komplette JMP-Toolsuite vor, die entwickelt wurde, um Anwendern die Datenextraktion und -analyse für Manufacturing Execution Systems (MES) und die statistische Qualitätskontrolle (SQC) zu vereinfachen. Besonders hervorzuheben ist ein JMP-Add-in, das in Zusammenarbeit von Syensqo und Ippon Innovation entstanden ist und die Erstellung von SQC-PowerPoint-Berichten optimiert, die vollständig mit den etablierten Vorlagen des Unternehmens kompatibel sind.
Wir präsentieren die Leistungsfähigkeit unserer Tools im Kontext unseres Qualitätsmanagement-Prozessablaufs. Darüber hinaus teilen wir Erkenntnisse aus unserer Implementierungsphase und zeigen auf, wie die Automatisierung die Berichtspraxis verändert.
Hallo. Ich bin Nicola Brammer und arbeite für Syensqo. Wir sind ein Unternehmen, das Prepreg für die Luft- und Raumfahrtindustrie herstellt, und ich bin Global Six Sigma Lead und Expertin für Prozessentwicklung.
Hallo. Mein Name ist Sophie Cuvillier. Ich arbeite als Datenwissenschaftlerin und Statistikerin für das Unternehmen Ippon Innovation. Ippon Innovation ist ein Statistikberatungsunternehmen mit Sitz in Toulouse.
Ich möchte Ihnen unser Poster zur Datenerfassung aus verschiedenen Datenbanken und zur Automatisierung von Analyse und Berichterstellung vorstellen. Syensqo hat, wie viele andere Fertigungsunternehmen auch, in der Vergangenheit viel Zeit und Geld in die Datenerfassung und -speicherung investiert. Die Daten werden sowohl von Produktionsanlagen mittels Datenhistorien wie IP21, Wonderware und PI als auch von Testgeräten in Labormanagementsystemen wie LIMS erfasst. Bisher wurde wenig Wert darauf gelegt, wie diese Daten sinnvoll genutzt werden können, geschweige denn, wie sich die Eingangsdaten eines Prozesses – wie Rohstoffe, Prozesseinstellungen und die Gründe für die einzelnen Prozessschritte – verknüpfen lassen.
Syensqo arbeitet intensiv daran, den Nutzen dieser Datenquellen weiter auszubauen. Zunächst wurden Add-ins entwickelt, um die Daten mit minimalem Aufwand zu erfassen und aufzubereiten. Zusätzlich mussten Berichte für alle zwölf Produktionsstandorte unserer Verbundwerkstoffe automatisch erstellt werden können. Dabei kamen eine standardisierte Analysemethodik und ein einheitliches Format für die Kundenpräsentation zum Einsatz. Im Jahr 2023 beauftragte Syensqo den JMP-Integrator Ippon mit der Entwicklung von JMP-Add-ins für dieses Vorhaben.
Sophie wird nun über die Methoden sprechen, die sie zur Entwicklung der Add-Ins verwendet hat.
Wir verfolgen drei Hauptziele. Erstens möchten wir die Datenextraktion und -filterung optimieren, unabhängig davon, ob es sich um MES- oder SQC-Daten handelt. Wir haben eine Toolbox zur Datenmanipulation entwickelt, mit der selbst JMP-Einsteiger die gewünschten Daten problemlos bearbeiten können. Diese Toolbox stellen wir später vor. Drittens möchten wir die Generierung von SQC-Berichten weiterentwickeln und automatisieren.
Es zeigt den allgemeinen Workflow aller von uns entwickelten Add-ins, insbesondere des SQC-Berichts-Add-ins. Zunächst sehen Sie, dass in allen von uns entwickelten JMP-Admin-Anwendungen der Benutzer die gewünschten Daten einfach über die Benutzeroberfläche festlegen kann. Er kann beispielsweise den Zeitraum angeben oder bei Bedarf Filter hinzufügen. Die vom Benutzer gesendete Abfrage wird an die Datenbank gesendet, also LIMS oder MES, je nachdem. Sobald wir die Daten erhalten… Entschuldigung, Nicola. Es war gar nicht dieser Bericht. Nein. Könnten Sie vielleicht von vorne beginnen?
Ja.
Einen Moment bitte, Nicola. Oder du kannst dir die PowerPoint-Präsentation noch einmal ansehen, bevor wir neu anfangen. In der gesamten Präsentation zu Methode und Zielen zeige ich nichts.
Ich möchte [unverständlich 00:03:55]. Entschuldigung, das ist mein Fehler.
Kein Problem, wir können von vorne beginnen. Bei der Zielsetzung der einen Methode zeige ich nichts. Ich zeige lediglich das Diagramm rechts. Das ist alles. Ich werde die Tabelle nach dem Bericht auf Seite 3 zeigen.
Okay. Entschuldigung.
Kein Problem.
Florenz, wenn wir von vorne anfangen könnten. Entschuldigung.
Das ist okay. Ich verstehe das.
Werden wir auch mit der Einleitung beginnen?
Ja. Wir müssen alles tun.
Ja. Du musst von vorne anfangen. Es ist 4:12 Uhr, das ist in Ordnung.
Hoffentlich nicht allzu oft. Hallo. Mein Name ist Nicola Brammer und ich arbeite für Syensqo. Wir sind ein Hersteller von Carbonfaser-Prepregs für die Automobil- und Luftfahrtindustrie. Ich bin Global Six Sigma Lead und Global Process Engineering Expert.
Hallo. Mein Name ist Sophie Cuvillier. Ich bin Data Scientist und Statistikerin bei Ippon Innovation. Ippon Innovation ist ein Statistikberatungsunternehmen mit Sitz in [Ort fehlt]. Außerdem bin ich Six-Sigma-Black-Belt-zertifiziert.
Wir präsentieren unser Poster zur Datenextraktion aus SQC- und MES-Datenbanken. Syensqo hat, wie viele andere Fertigungsunternehmen, in der Vergangenheit viel Zeit und Geld in Methoden zur Datenerfassung und -speicherung investiert. Daten werden von Produktionsanlagen über Datenhistorien-Systeme wie IP21, Wonderware und PI erfasst, während Testdaten in Laborinformationsmanagementsystemen wie LIMS gesammelt und gespeichert werden.
Traditionell wurde der Frage, wie man auf diese Daten zugreifen und sie sinnvoll nutzen kann, wenig Beachtung geschenkt, geschweige denn der Möglichkeit, Informationen über die Inputfaktoren eines Prozesses wie Rohmaterialien, Eigenschaften und Prozesseinstellungen mit den Gründen dafür, den wichtigsten Kundenmerkmalen, zu verknüpfen.
Syensqo arbeitet intensiv daran, den Nutzen dieser Datenquellen zu maximieren. Zunächst wurden Add-ins entwickelt, die die Daten mit minimalem Aufwand zusammenführen und aufbereiten. Zusätzlich müssen Berichte von allen zwölf Produktionsstandorten für Verbundwerkstoffe automatisch erstellt werden können. Dabei kommen eine standardisierte Methodik zur Datenanalyse und ein einheitliches Format für die Kundenpräsentation zum Einsatz. 2023 beauftragte Syensqo den JMP-Integrator Ippon mit der Entwicklung von JMP-Add-ins zur Unterstützung dieses Vorhabens.
Sophie wird nun die Methoden erläutern, mit denen sie die Add-ins entwickelt hat.
Unser Hauptziel ist die Optimierung der Extraktion und Filterung von MES- und SQC-Daten. Wir haben außerdem eine Toolbox zur Datenmanipulation entwickelt, die es auch JMP-Einsteigern ermöglicht, Daten problemlos zu bearbeiten. Schließlich möchten wir die Erstellung statistischer Qualitätskontrollberichte automatisieren.
Im kleinen Diagramm rechts stellen wir Ihnen den Syensqo-Workflow vor, den wir für die Entwicklung unserer Add-ins verwenden, insbesondere für das letzte Add-in: die Generierung des SQC-Berichts. Wie Sie später in der Demonstration sehen werden, ermöglicht unsere Benutzeroberfläche dem Benutzer die einfache Auswahl der zu extrahierenden Daten, beispielsweise für welchen Zeitraum. Sie können auch ganz einfach Filter hinzufügen, um die Daten einer bestimmten Produktklasse, Charge oder anderer gewünschter Daten anzuzeigen.
Sobald das Add-in fertiggestellt ist, übersetzt es die Benutzerabfrage in eine echte SQL-Abfrage an die Datenbank. Dabei kann es sich um eine LIMS- oder NES-Datenbank handeln; wir unterstützen beide. Abschließend ruft das Add-in die Daten aus der Datenbank ab, und je nach Add-in und Bedarf können wir daraus unterschiedliche Ausgaben generieren.
Beispielsweise ist im Kontext des SQC-Berichtsgenerierungs-Add-Ins eine der wichtigsten Ausgaben die PowerPoint-Präsentation mit den SQC-Berichten. Darauf gehen wir später noch einmal ein. Das Problem dabei ist, dass die von JMP generierte PowerPoint-Präsentation zunächst nicht besonders ansprechend aussieht. Daher verwenden wir zusätzlich zu GSL weitere Skripte wie VBS oder Python, um die Präsentation zu formatieren. Wenn wir beispielsweise Bilder oder Tabellen ausrichten oder Texturen ändern möchten, ist dies ein Formatierungsschritt.
Der letzte und äußerst wichtige Schritt unseres Add-ins ist die Überprüfung, da der Benutzer alle Analyseergebnisse erhält. Sie können die Ergebnisse jederzeit in unserem Add-in einsehen. Wenn Sie beispielsweise Daten ändern oder einzelne Zeilen ausschließen möchten, können Sie dies ganz einfach per Knopfdruck erledigen. Der gesamte Bericht wird dann automatisch generiert, anstatt dass Sie alle Änderungen manuell vornehmen müssen. Dies ist ein entscheidender Vorteil.
Wir demonstrieren nun einige der Benutzeroberflächen. Ich zeige Ihnen kurz ein Beispiel. Die Benutzeroberflächen ermöglichen es dem Benutzer, die gewünschten Parameter auszuwählen und nur die benötigten Informationen abzurufen. Die Benutzeroberflächen für die verschiedenen Abfragen, ob Prozessdaten oder Daten des Laborinformationssystems, sehen alle sehr ähnlich aus. Dadurch wird die Schulung unserer verschiedenen Anwender erleichtert, insbesondere derjenigen, die JMP nicht häufig verwenden. Wir versuchen daher, die angezeigte Ausgabe zu standardisieren.
Sobald die gewünschten Einstellungen ausgewählt sind, können die Benutzer den Bericht mit allen Parametereinstellungen einfach speichern und später wieder laden. Diese Parametereinstellungen werden in einer Datentabelle gespeichert, die folgendermaßen aussieht. Sie sehen hier Tags, die sowohl kontinuierliche Daten wie Maschinengeschwindigkeiten und Temperaturen als auch Kontextdaten wie Chargen- und Rezeptnummern enthalten.
Die Ausgabetabelle des Skripts enthält außerdem eine Reihe von Indizes, die uns helfen, die Daten zu untersuchen oder zu einem späteren Zeitpunkt zusätzliche Tags oder Datenzeilen hinzuzufügen.
Sophie wird nun insbesondere über die automatisierte PowerPoint-Präsentation sprechen.
Dieses Add-In generiert Berichte. Dazu muss zunächst deren Inhalt definiert werden, sodass der Benutzer jederzeit weitere Informationen hinzufügen kann. Das Add-In verwendet eine Tabelle namens „Berichtskonfiguration“, die vom Add-In generiert wird, aber standardmäßig leer ist. In diese Tabelle gibt der Benutzer manuell die Informationen der verschiedenen Berichte ein, die er mit dem Add-In ausführen möchte. Diese Tabelle wird später vom Add-In eingelesen.
Hier sehen Sie beispielsweise eine Tabelle. Alle Spalten wurden bereits vom Add-in eingefügt. Der Benutzer muss lediglich die Spalteninformationen ausfüllen, beispielsweise den Standort. Dieser gibt an, von welchem Server die Daten abgerufen werden. Weiterhin gibt es drei Spalten: Produktklasse, Spezifikationsname und Materialbeschreibung. Diese Funktionen werden wir anwenden. In diesem Bericht extrahieren wir beispielsweise nur diese Produktklasse, diesen spezifischen Namen und diese Materialbeschreibung. Dies sind Filter, die wir der Abfrage hinzufügen. Selbstverständlich ist dies ein Beispiel, das Sie an die Gegebenheiten Ihres Unternehmens und Ihre individuellen Bedürfnisse anpassen können.
Dann gibt es zwei Spalten zum Pilotprojekt: den Pilotwert und die Piloteinheit. Hier legen Sie fest, wie viele Daten Sie in diesem Bericht extrahieren möchten. Typischerweise extrahieren wir in diesem Bericht Daten für 24 Monate. Weiterhin gibt es die Spalten „Frequenzwert“ und „Frequenzeinheit“. Wie Sie später sehen werden, gibt es eine neue Frequenz: Diese Berichte werden alle 13 Wochen erstellt, und Sie können die Frequenz anpassen. Wir verwenden weitere Spalten, die auf unsere Bedürfnisse zugeschnitten sind. Sie können also beliebige Daten für Ihr Unternehmen hinzufügen.
Sobald der Benutzer die gewünschten Berichte hinzugefügt oder geändert hat, kann er das Add-In ausführen. In der Benutzeroberfläche des Add-Ins wird dann die Berichtstabelle angezeigt. Der Benutzer sieht dieselbe Berichtstabelle und kann anschließend einen oder mehrere Berichte zur Ausführung auswählen. Für jeden Berichtslauf werden insgesamt sechs Ausgaben generiert, die hier angezeigt werden.
Zunächst einmal gibt es fünf Tabellen für jeden Bericht. Die wichtigste ist die Zeilentabelle. Wie bereits erwähnt, ähnelt sie den anderen Tabellen sehr, da wir die Ausgabe in verschiedenen Elementen standardisieren, damit sich die Benutzer in den verschiedenen Administrationsbereichen nicht verirren. Es handelt sich lediglich um zusätzliche Daten aus der Datenbank. In der linken Tabelle sehen Sie die Variablen, die wir als Berichtsinformationen bezeichnen, wie beispielsweise den Extraktionszeitraum und die Filter.
Sie sehen hier erneut das zusätzliche Tools-Skript, das sehr nützlich ist, wenn der Benutzer grundlegende Datenmanipulationen durchführen möchte, selbst wenn er JMP-Anfänger ist. Beispiele hierfür sind die Farbcodierung oder die einfache Anzeige von Grenzwerttabellen oder Kontrollkarten. Dies ist eine Zeilentabelle. Sie können selbstverständlich mit dieser Zeilentabelle interagieren.
Wir haben außerdem die Unstack-Tabelle. Im Grunde ist die Unstack-Tabelle identisch mit der Zeilentabelle, nur dass die Parameter nicht in Zeilen, sondern in Spalten angeordnet sind, was praktischer ist, wenn man Kontrollkarten verwenden möchte.
Eine weitere Tabelle, die wir zeigen könnten, ist die Grenzwerttabelle. Diese enthält die Spezifikations- und Kontrollgrenzwerte für jeden Parameter. Sie ist bereits vom IDC formatiert, sodass Sie nicht in der Tabelle nach diesem Grenzwert suchen müssen. Das wichtigste Ergebnis dieses IDC ist natürlich der SQC-Bericht. Es handelt sich dabei um eine PowerPoint-Präsentation. Wir zeigen hier den unveränderten Original-Assistenten des Administrators. Wir haben nichts an der PowerPoint-Präsentation geändert, weder angehängt noch freigegeben. Sie entspricht der Vorlage des Administrators.
Hier kommt natürlich die Syensqo-Vorlage zum Einsatz, die Sie aber anpassen und durch Ihre Firmenvorlage ersetzen können. Zunächst sehen Sie die Titelseite, deren Daten automatisch aus dem Bericht übernommen werden, sodass der Benutzer nichts weiter tun muss.
Auf Seite 3 finden Sie beispielsweise die Parameter. Wir nennen sie Parameter- und Grenzwerttabellen, wie Sie sie auch in der Ausgabetabelle verwenden könnten. Außerdem enthalten sie die Liste der Chargen und die Veröffentlichungsdaten der App. Wir führen auch die Teilenummer und die Beschreibung auf.
Für jeden Parameter haben wir die Kontrollkarten erstellt. Diese wurden anhand der Grenzwerte sowie der Spezifikations- und Kontrollgrenzen dargestellt. Abschließend bieten wir für jeden Parameter auch die Möglichkeit zur Szenarioanalyse.
An diesem Punkt muss der Benutzer nur noch die Seite mit den Schlussfolgerungen und Empfehlungen ausfüllen. Alles ist bereits vom Administrator automatisiert. Er muss nichts weiter tun. Wie bereits erwähnt, bietet das Add-in eine Vorschaufunktion. In der Tabelle, die ich Ihnen vorhin gezeigt habe, kann der Benutzer die Daten bearbeiten, und mit nur einem Klick generieren wir die PowerPoint-Präsentation unter Berücksichtigung der vorgenommenen Änderungen.
Das alles galt für den On-Demand-Modus. Nachdem wir gesehen hatten, wie stark dieser Modus genutzt wurde, haben wir versucht, ihn serverseitig zu automatisieren. Im unteren linken Bereich der Präsentation sehen wir Folgendes: Wir verwenden JAMScript. CM Square nutzt verschiedene Windows-Server weltweit mit unterschiedlichen Daten und Berichten, die generiert werden müssen.
Auf jedem dieser Server wird mithilfe eines geplanten Tasks täglich ein einfaches JavaScript-Skript ausgeführt. Dieses Skript prüft die Berichte auf jedem Server und ermittelt anhand der Aktualisierungshäufigkeit, welche Berichte generiert werden müssen. Wenn beispielsweise ein Bericht alle 13 Wochen erstellt werden soll und seit 14 Wochen nicht aktualisiert wurde, wird er generiert. So funktioniert es. Sobald die Berichte erstellt wurden, erhalten die Qualitätssicherungsingenieure eine E-Mail-Benachrichtigung, um sie darüber zu informieren. Sie können die Berichte dann bei Bedarf prüfen und überprüfen.
Zur Veranschaulichung sehen Sie hier die Ausgabe der E-Mail. Sie wird von einer Standard-E-Mail-Adresse gesendet. Der Inhalt dieser E-Mail gibt an, welcher Bericht generiert wurde und ob die Generierung erfolgreich war. Hier sehen wir beispielsweise, dass Bericht 5 generiert wurde, und den Speicherort der Ausgabe. Die Berichtsausgabe befindet sich auf einem Netzlaufwerk. Der Benutzer benötigt natürlich Zugriff auf die Schattenarbeit, um darauf zugreifen zu können. Dort finden Sie die fünf generierten Tabellen und die PowerPoint-Präsentation, die ich Ihnen bereits gezeigt habe. Außerdem ist das Protokoll angehängt, falls die Berichtsgenerierung fehlschlägt. Dies war die Grundidee des automatisierten Berichts-Add-ins von SQC.
Ziel dieser Add-ons war es, den Aufwand für die Datenerfassung und -bereinigung für unsere Qualitäts- und Produktionsingenieure zu reduzieren. So stellen wir sicher, dass wir eine standardisierte Methodik für die Datenprüfung haben und konsistente Kundenergebnisse von allen Standorten liefern. Gleichzeitig behalten wir den vollen Zugriff auf den Datensatz für weitere Problemlösungen oder tiefergehende explorative Datenanalysen. Das Feedback unserer Nutzer ist äußerst positiv. Viele Ingenieure berichten, dass sich ihr Zeitaufwand pro Abfrage um 30 Minuten bis 8 Stunden reduziert hat und dass sie die Tools täglich nutzen.
Je höher der Instrumentierungsgrad der Prozessanlagen und je mehr Rezepturinformationen verfügbar sind, desto größer ist der Nutzen, da sich Datentabellen für Eingangs- und Ausgangswerte so problemlos kombinieren lassen. Diese Arbeit baut auf den ursprünglichen Add-ons der Syensqo-Datenanalysegruppe zur Extraktion von Prozessdaten auf und wurde durch die Möglichkeit, kontinuierliche und kontextbezogene Informationen in derselben Datenbank zu kombinieren, deutlich verbessert. Die ursprünglichen Add-ons der Syensqo-Datenanalysegruppe sind auf der JMP-Community-Website verfügbar.
Vielen Dank, und wir hoffen, Ihnen hat unsere Präsentation gefallen.
Danke schön.
