Questa presentazione si concentra sull'integrazione del software JMP nella metodologia Six Sigma DMAIC. Questa potente combinazione semplifica vari aspetti del toolbox Six Sigma, facilitando l'implementazione efficiente di miglioramenti basati sui dati da parte dei team.
JMP offre strumenti avanzati di analisi statistica e visualizzazione che migliorano le fasi DMAIC. I componenti chiave di JMP che verranno evidenziati includono l'analisi del sistema di misurazione per valutare l'accuratezza delle misurazioni, statistiche descrittive per riassumere le caratteristiche dei dati, grafici di Pareto per identificare i fattori più significativi e analisi di regressione per comprendere le relazioni tra le variabili. Inoltre, include Graph Builder, che consente una visualizzazione intuitiva dei dati, la funzionalità di progettazione ottimale degli esperimenti (DOE), che aiuta a pianificare esperimenti efficienti, e carte di controllo, essenziali per monitorare la stabilità del processo nel tempo. Utilizzando questi strumenti, i professionisti possono identificare rapidamente le variabili chiave, analizzare le tendenze dei dati e visualizzare i risultati, accelerando i processi decisionali.
La presentazione illustra anche come JMP semplifichi la raccolta e l'analisi dei dati, consentendo ai team di concentrarsi su informazioni preziose. Vengono presentati esempi concreti di utilizzo di JMP in progetti Six Sigma, evidenziandone l'impatto sui risultati.
Buongiorno. Sono Marjoleine Wevers di Robert Bosch. Oggi spiegherò l'applicazione di JMP nella metodologia Six Sigma con esempi pratici insieme a Elodie Delclaux.
Faccio parte del Gruppo Bosch. Il Gruppo Bosch lo conoscono tutti. Tutti conoscono le lavastoviglie, i trapani, le batterie, ma non tutti sanno che Bosch offre anche ricambi per la mobilità e sistemi di tergicristalli. Io faccio parte del settore dei tergicristalli. Lavoro a Tienen, in Belgio, e produciamo spazzole tergicristallo. Abbiamo quattro stabilimenti produttivi di spazzole tergicristallo in tutto il mondo. A Tienen siamo l'unico sito produttivo di profili in gomma. Produciamo profili in gomma per tutto il mondo e ne produciamo circa 120 milioni all'anno.
Faccio parte della Mini Factory Rubber, che in realtà è... Si chiama Mini Factory perché è una fabbrica a sé stante, e abbiamo quattro reparti. Iniziamo con lo sviluppo del prodotto, dove si realizzano le mescole e i profili. Poi c'è lo sviluppo del processo chimico, di cui faccio parte, dove apportiamo miglioramenti ai processi o ne creiamo di nuovi. Poi abbiamo due flussi di valore, due unità di produzione nel processo a lotti, dove si realizza la mescola, e poi, nella fase successiva, si realizzano i profili in gomma. Infine, l'ultimo reparto è il nostro laboratorio chimico.
Nell'applicazione di JMP alla metodologia Six Sigma, nello sviluppo dei processi, utilizziamo sia la metodologia Six Sigma che la metodologia A3 avanzata. La metodologia Six Sigma la utilizziamo quando dobbiamo concentrarci sull'analisi statistica delle cause profonde di problemi complessi, mentre la metodologia A3 avanzata la utilizziamo quando dobbiamo concentrarci sulla visualizzazione.
La metodologia Six Sigma si compone di cinque fasi. La prima è la fase di definizione. È una fase molto importante, spesso dimenticata. In questa fase è fondamentale definire il problema e l'obiettivo in modo molto specifico, perché spesso ognuno ha un'idea diversa su cosa raggiungere.
Nella fase di misurazione, raccogliamo dati rilevanti sul processo e sul problema, e nella fase di analisi, identifichiamo la relazione causa-effetto tra input e output. Nella fase di miglioramento, determiniamo i valori ottimali per gli input del processo. Quindi, nell'ultima fase, la fase di controllo, stabiliamo gli standard per sostenere i miglioramenti nel lungo periodo. Anche questa fase viene spesso dimenticata, ma se la si esegue e non la si esegue correttamente, il processo subirà nuovamente un rallentamento.
Hai anche la tua cassetta degli attrezzi, e qui puoi vedere la cassetta degli attrezzi DMAIC. Ogni fase ha strumenti e tecniche specifici associati, e questa è una panoramica degli strumenti più comuni. Non entrerò nei dettagli, ma solo per sapere cosa puoi fare con la metodologia Six Sigma. Elodie prenderà il controllo ora.
Ciao, sono Elodie. Sono un'ingegnere di sistema presso JMP e condividerò con voi il marketplace che abbiamo per i componenti aggiuntivi. Come ha detto Marjoleine, esiste una metodologia di procedura molto famosa in Six Sigma, ovvero la metodologia "Definisci, Misura, Analizza, Migliora e Controlla". Abbiamo un componente aggiuntivo in JMP che potete aggiungere al software se siete interessati a questa metodologia. Dove possiamo trovare i componenti aggiuntivi?
L'anno scorso abbiamo lanciato un marketplace. Questo è il marketplace JMP. Abbiamo una barra di ricerca dove possiamo cercare ciò di cui abbiamo bisogno. Abbiamo un componente aggiuntivo Six Sigma, chiamato Modern Six Sigma Add-in. Potete scaricarlo da lì e poi installarlo direttamente in JMP. Si presenta così. È un nuovo menu aggiunto al vostro software, quindi eccolo qui, con i cinque diversi passaggi. Avete uno strumento al suo interno e avete anche a disposizione alcuni webinar e supporto se volete esercitarvi con questo strumento. Poi passerò la parola a Marjoleine.
Ho appena detto che nella prima fase si trattava di una fase definita. La seconda fase è la fase di misurazione. La fase di misurazione è in realtà la fase in cui quantifichiamo le prestazioni attuali del processo e raccogliamo i dati rilevanti. Perché è importante? Perché spesso abbiamo la sensazione istintiva che si tratti di un problema, e non sempre siamo del tutto certi che questo problema esista davvero.
Ho qui i riquadri verdi. I riquadri verdi rappresentano in realtà la parte della metodologia Six Sigma, che si può applicare in JMP. Ci sono due cose che si possono fare lì. Innanzitutto, c'è un'analisi del sistema di misura, in cui è possibile valutare l'accuratezza e la precisione dei sistemi di misura. La seconda parte, che in realtà fa parte della fase di misurazione, è la statistica descrittiva, in cui è necessario riassumere i dati utilizzando la media, la mediana, la moda, qualsiasi cosa serva alla propria applicazione.
Ora fornirò un piccolo esempio di un test di equivalenza della media tra una vecchia e una nuova misurazione di circa TOST, approccio Two One-Sided Tests. Qui potete vedere i dati. Avevamo 329 campioni che abbiamo misurato in due modi diversi. Avevamo una vecchia applicazione e una nuova applicazione, e volevamo vedere se ci fosse una differenza significativa tra i due metodi.
In realtà, lo si fa analizzando e poi adattando Y a X, e poi si può passare al test di equivalenza. Bisogna specificare quale differenza della media è importante dal punto di vista pratico. In questo caso, era di 5 millimetri. Quello che potremmo vedere se eseguiamo il TOST, normalmente, se è equivalente, dobbiamo trovarci nell'area blu del grafico a foresta.
In questo caso, non eravamo nell'area blu, ma in quella rossa, e questo perché la differenza effettiva nella media era di 10 millimetri. Pertanto, dovevamo concludere che i dati del nostro vecchio sistema di misurazione annuale delle applicazioni non erano gli stessi e che era necessario apportare alcune modifiche.
Inoltre, le statistiche descrittive, la descrizione del processo attuale e la conferma dell'enunciato del problema. Posso mostrarvene uno. Questa è una serie zero che abbiamo realizzato. L'abbiamo fatto in giorni diversi e volevamo effettivamente sapere se la misurazione fosse effettivamente più alta di quella che avevamo precedentemente ottenuto durante la ricerca.
Se osserviamo la distribuzione qui, possiamo vedere che avevamo un valore medio di circa 97 millimetri, mentre nelle sessioni precedenti avevamo... 50 millimetri. In effetti, il nostro istinto era giusto: avevamo un problema.
Poi c'è la terza fase, quella di analisi, che consiste nell'identificare le cause profonde dei difetti o dei problemi di prestazioni. La prima cosa che facciamo sempre è identificare le cause profonde. Lo facciamo utilizzando il diagramma di Ishikawa, il diagramma dei 5 Perché o il diagramma a lisca di pesce, ma questa è sempre la base.
Nella seconda fase, creeremo un diagramma di Pareto per identificare i fattori più significativi nel set di dati, i tre fattori più importanti. Con questi tre fattori più importanti, condurremo poi un'analisi più approfondita. Infine, Elodie fornirà alcune spiegazioni sul diagramma di Pareto.
Parlerò del diagramma di Pareto. L'obiettivo di un diagramma di Pareto è analizzare la frequenza del problema o le cause per capire quali sono le cause più frequenti. Possiamo farlo grazie al componente aggiuntivo. In generale, il diagramma di Pareto è incluso nella fase di analisi. Qui nel nostro componente aggiuntivo, si trova nella fase di misurazione. Infatti, qui nel menu Modern Six Sigma. Nella fase di misurazione, abbiamo il diagramma di Pareto. Se si desidera creare un diagramma di Pareto, è possibile utilizzare quel menu.
Vi faccio un esempio. Ho qui una tabella dati con diversi tipi di difetti. Ho 10 tipi di difetti e il numero di conteggi per ogni difetto. In questo caso, il mio diagramma di Pareto potrebbe essere così. Ho le percentuali cumulative delle mie cause. Termina al 100%, tutti i problemi, e sono ordinati per frequenza dalla più alta alla più bassa.
Ad esempio, possiamo vedere che i tre tipi principali di problemi sono i ponti metallici, i graffi metallici e i difetti metallici. Sono le cause principali dei problemi. Li abbiamo identificati e ora possiamo lavorarci nelle altre fasi. Giro la diapositiva e passo la parola a Marjoleine.
Un'altra parte della fase di analisi è l'analisi di regressione, in cui vogliamo analizzare la relazione tra le diverse variabili, e anche il test delle ipotesi, in cui verifichiamo le ipotesi e le teorie utilizzando metodi statistici. Anche da questo punto di vista, ho un esempio.
Innanzitutto, abbiamo qui gli stessi dati dell'ultima volta, le misurazioni della serie zero, e avevamo la sensazione che ci fosse una variazione giornaliera nella misurazione. La prima cosa che abbiamo fatto è stata effettivamente andare al Generatore di Grafici e confrontare la nostra misurazione rispetto alla data. In un istogramma, potete scegliere nel Generatore di Grafici nel vostro pannello di controllo, quelli che desiderate, ma qui abbiamo preso i box plot.
Già dai box plot si vede chiaramente che c'è una differenza nelle diverse date. Volevamo esserne certi, quindi abbiamo eseguito un test di ipotesi. Per il test di ipotesi, abbiamo eseguito un'analisi unidirezionale con ANOVA, e lo si fa anche con l'adattamento Y per X, e poi si può scegliere tra medie/ANOVA e poi metodi di analisi delle medie.
Se si osservano già i dati, si possono vedere i rombi, e i rombi non si sovrappongono. Questa è già la principale indicazione che esiste effettivamente una varianza giornaliera. Possiamo osservarla anche nei valori della media: gli intervalli di confidenza inferiore e superiore al 95% dei diversi set non si sovrappongono, il che è altrettanto chiaro che esiste una varianza giornaliera. Lo si può osservare anche nell'analisi delle medie nel grafico ANOVA, dove si può vedere che non derivano dallo stesso comportamento. Non hanno lo stesso comportamento.
La quarta fase è quella di miglioramento, in cui sviluppiamo e implementiamo soluzioni per affrontare le cause profonde e migliorare il processo. Naturalmente, prima di tutto, si inizia con il brainstorming per raccogliere idee. Questo non è possibile in JMP, ma la seconda fase consisterà nella progettazione di esperimenti. Utilizziamo spesso la progettazione di esperimenti personalizzata e pianifichiamo e conduciamo esperimenti per identificare i fattori che influenzano i risultati.
Utilizziamo spesso la progettazione personalizzata, e questo è il motivo per cui lo vogliamo fare, perché con una progettazione personalizzata è possibile utilizzare anche fattori difficilmente modificabili. Per noi in produzione, questo è molto importante. Non appena riceviamo le informazioni sul DOE, procediamo all'implementazione sperimentale di una parte della soluzione proposta su scala ridotta per verificare se il nostro modello funziona correttamente. Qui di seguito troverete una spiegazione di uno studio di compounding che svolgiamo con il DOE.
In passato, prima del 2018, lo facevamo con un metodo basato su un fattore alla volta. Ci impiegavamo 20 settimane, 360 composti, con costi molto elevati e spesso senza successo. Dopo il 2018, abbiamo iniziato con un progetto ottimale, un progetto I-ottimale, con un modello di superficie di risposta. Possiamo farlo in 2 settimane. Ci costa 36 composti e il nostro modello è in grado di prevedere il composto ottimale. Abbiamo un consumo di manodopera e tempi di consegna ridotti del 10% rispetto a un approccio OFAT e disponiamo di più informazioni rispetto al passato.
Passiamo a questo modello. Qui potete vedere che abbiamo un modello con 10 fattori di output. Questi fattori di output sono in realtà proprietà fisiche che possono determinare il comportamento funzionale di questo tergicristallo. Abbiamo i cinque fattori di input, ovvero i cinque fattori di input sono in realtà i componenti del nostro composto. Poi potete vedere anche un fattore di blocco, che ha a che fare con il fatto che possiamo eseguire solo nove test al giorno.
Il modello che utilizziamo. Come ho detto, utilizziamo un design I-ottimale e un modello di superficie di risposta. In questo caso, il numero minimo di test necessari è, secondo JMP, 27. Diciamo sempre di prenderne quattro in più di 27, ma in questo caso, avendo comunque quattro giorni di test, 36 è una possibilità per noi. Di default, prenderemo i 36 in questo modo.
Se eseguiamo l'analisi, questo è il modello analizzato che utilizziamo. Lasciatemi spostare un po' questo. Qui avete il riepilogo degli effetti. Potete vedere che tutti i valori P sono ben al di sotto di 0,05. Questo è un output. Se osserviamo l'output, potete vedere che il grafico effettivo predetto è molto piccolo. È una linea retta come ci aspettiamo, ma anche qui potete vedere che le barre rosse sono molto, molto piccole.
Possiamo anche notare che nel riepilogo dell'adattamento, considereremo sempre l'R-quadrato corretto. Per noi, un modello superiore a 0,90 è un buon modello. In questo caso, abbiamo un modello pari a 0,99, il che significa che il 99% della variabilità può essere spiegato dal modello. Se analizziamo questo modello con 10 output e 5 input, per noi è molto importante poter inserire nel profiler di previsione le funzioni di desiderabilità in modo da poter massimizzare la desiderabilità e individuare il composto ottimale.
Per noi è importante sapere cosa decide il computer, ma daremo sempre un'occhiata manualmente per vedere quali sono le interazioni e così via. In questo caso, ad esempio, sappiamo che l'input 1 e l'input 2 interagiscono e, muovendo il profiler, possiamo vedere chiaramente qual è l'influenza dei diversi fattori. Anche negli output, come potete vedere, ci sono intervalli di confidenza molto piccoli per alcuni output che hanno un ottimo R-quadrato corretto. Abbiamo anche altri output che presentano una variabilità maggiore.
Poi passiamo all'ultima fase, quella del controllo. Qui, nella fase di controllo, dobbiamo garantire che i miglioramenti siano mantenuti nel tempo e che il processo rimanga stabile e controllato. Un piano di controllo è la prima cosa che dobbiamo verificare: se è corretto, modificarlo se necessario e documentare i metodi.
La seconda cosa che facciamo sempre è il controllo statistico di processo, dove utilizziamo carte di controllo per monitorare la stabilità del processo. In Bosch, utilizziamo un programma apposito per questo. Pertanto, Elodie spiegherà anche qualcosa sul controllo di processo in JMP.
Condividerò con voi come possiamo creare carte di controllo nel componente aggiuntivo. Come abbiamo detto, la fase di controllo è molto importante nell'ultima fase di questa metodologia Six Sigma. Dal menu, è disponibile la voce di controllo nell'ultima fase. Ci sono molte opzioni per creare carte di controllo. Potete usare il generatore di carte di controllo, uno strumento altamente personalizzabile con cui potete creare quasi ogni tipo di grafico. Altrimenti, se desiderate un tipo specifico di grafico, potete selezionare una delle altre opzioni. Vi presenterò un esempio sui dati e realizzeremo una carta di controllo.
Qui i dati sono un po' buffi e fittizi. Riguardano i sottaceti. Stiamo misurando l'acidità dei sottaceti. Le misurazioni sono state effettuate in date diverse su lotti diversi e l'obiettivo è verificare se la produzione è stabile.
Ecco la carta di controllo del generatore di carte di controllo. È divisa in due sottoparti, la prima delle quali è quella relativa all'acido. È il punto che è stato misurato. Sono tutti rappresentati graficamente. In rosso, sulle linee rosse, potete vedere i limiti di controllo. Se un punto è al di fuori dei limiti di controllo, come questo, è un avviso che il processo potrebbe non essere stabile, quindi è necessario verificare cosa sta succedendo.
È possibile ricevere anche altri avvisi sulla stabilità, su potenziali variazioni della media o su un potenziale problema imminente. Cercate di evitare in anticipo questo problema. Grazie ad altri avvisi. Da JMP, potete personalizzare i vostri avvisi o utilizzare quelli esistenti. Sono disponibili molti tipi diversi di avvisi.
Qui ne abbiamo due illuminati. Sono accesi, se così posso dire. Questo, ad esempio, è il numero 5. Puoi capirne il significato passando il mouse sul punto. Significa che due punti sopra gli ultimi tre sono oltre due sigma dopo la media. Questo potrebbe essere il segnale di un problema. Puoi essere avvisato e quindi verificare se si tratta di un problema o meno ed evitarlo.
Anche questo è un altro tipo di avviso, che indica che potrebbe esserci una variazione nel processo, quindi forse non è stabile, o almeno puoi controllare. C'è un'altra sottoparte che è anch'essa un grafico di controllo basato sull'intervallo mobile. Puoi vedere se c'è un intervallo troppo ampio o sospetto, se così posso dire, tra due punti.
È anche un modo per verificare la variabilità del processo e assicurarsi che rimanga stabile, perché abbiamo svolto tutti i passaggi con un unico obiettivo e ora vogliamo che il nostro processo sia stabile e rimanga tale. La nostra presentazione è giunta al termine, quindi se avete domande, non esitate a contattarci.
