このプレゼンテーションでは、JMPソフトウェアとシックスシグマDMAIC手法の統合に焦点を当てています。この強力な組み合わせにより、シックスシグマツールボックスの様々な側面が合理化され、チームがデータ主導の改善を効率的に実施しやすくなります。
JMPは、DMAICフェーズを強化する高度な統計分析および可視化ツールを提供します。JMPの主要コンポーネントとして、測定精度を評価する測定システム分析、データ特性を要約する記述統計、最も重要な因子を特定するためのパレート図、変数間の関係を理解するための回帰分析などが挙げられます。さらに、直感的なデータ可視化を可能にするグラフビルダー、効率的な実験計画を支援する最適実験計画法（DOE）、そしてプロセスの経時的な安定性の監視に不可欠な管理図も含まれています。これらのツールを使用することで、実務者は主要な変数を迅速に特定し、データの傾向を分析し、結果を可視化することで、意思決定プロセスを迅速化できます。
このプレゼンテーションでは、JMPがどのようにデータ収集と分析を簡素化し、チームが貴重な洞察に集中できるようにするかについても解説します。シックスシグマプロジェクトでJMPが効果的に活用された実例を紹介し、プロジェクトの成果に及ぼした影響を強調します。
こんにちは。ロバート・ボッシュのマルジョレイン・ウェヴァースです。本日は、エロディ・デルクロー氏と共に、シックスシグマ手法におけるJMPの適用について、実例を交えながらご説明いたします。
私はボッシュグループの一員です。ボッシュグループは誰もが知っています。食器洗い機、ドリル、バッテリーパックは誰もが知っていますが、ボッシュがモビリティアフターマーケットとワイパーシステムも展開していることは、あまり知られていません。私はワイパーシステム部門に所属しています。ベルギーのティーネンでワイパーブレードを製造しています。世界中にワイパーブレードの生産拠点が4つあります。ティーネンはゴムプロファイルの唯一の生産拠点です。私たちは世界中に向けてゴムプロファイルを製造しており、年間約1億2000万個を生産しています。
私はミニファクトリー・ラバーに所属しています。ミニファクトリーという名前は、独立した工場という意味で、4つの部門があります。まず製品開発部門で、コンパウンドやプロファイルを製造しています。次に化学プロセス開発部門で、私もそこに所属しており、プロセスの改善や新しいプロセスの開発を行っています。さらに、2つのバリューストリーム、つまりバッチプロセスにおける2つの生産ユニットでコンパウンドを製造し、次の段階でゴムプロファイルを製造しています。そして最後の部門は化学研究所です。
シックスシグマ手法におけるJMPの適用、特にプロセス開発においては、シックスシグマ手法に加え、拡張A3手法も活用しています。シックスシグマ手法は、困難な問題における統計的な根本原因分析に重点を置く必要がある場合に使用し、拡張A3手法は、可視化に重点を置く必要がある場合に使用します。
シックスシグマ手法は5つのステップから構成されています。最初のステップは「定義」です。これは非常に重要なステップですが、忘れられがちです。ここでは、問題と目標を非常に具体的に定義することが重要です。なぜなら、達成すべき目標について、人によって考え方が異なることがよくあるからです。
測定フェーズでは、プロセスと問題に関する関連データを収集し、分析フェーズでは、入力と出力の因果関係を特定します。改善フェーズでは、プロセス入力の最適値を決定します。そして最後のフェーズである制御フェーズでは、長期的に改善を維持するための基準を確立します。このフェーズは忘れられがちですが、適切に実施しないと、プロセスは再び暴走してしまいます。
ツールボックスもご用意しております。DMAICツールボックスはこちらです。各フェーズにはそれぞれ固有のツールとテクニックが関連付けられており、ここでは一般的なツールの概要を説明しています。ここでは詳細は割愛しますが、シックスシグマ手法で何ができるのかを知っていただくために、簡単にご説明いたします。エロディが担当します。
こんにちは、エロディです。JMPのシステムエンジニアです。アドインのマーケットプレイスについてご紹介したいと思います。マルジョリーヌがおっしゃったように、シックスシグマでは非常に有名な手順手法があります。それは、定義、測定、分析、改善、そして管理という手法です。この手法にご興味があれば、JMPにアドインを追加できます。アドインはどこで入手できますか？
昨年、マーケットプレイスを立ち上げました。JMPマーケットプレイスです。検索バーがあり、必要なものを探すことができます。シックスシグマ用のアドイン「Modern Six Sigma Add-in」があります。ここからダウンロードして、JMPに直接インストールできます。画面はこんな感じです。ソフトウェアに新しく追加されるメニューで、5つのステップが表示されています。ツールも用意されており、このツールを実際に使いたい方のために、ウェビナーやヘルプもご用意しています。それでは、Marjoleineにバトンタッチしましょう。
最初のフェーズは定義フェーズだと先ほどお話ししました。2番目のフェーズは測定フェーズです。測定フェーズは、実際にはプロセスの現在のパフォーマンスを定量化し、関連データを収集するフェーズです。なぜこれが重要なのでしょうか？それは、問題だという直感はあるものの、実際に問題が存在するかどうかは必ずしも確信が持てないからです。
ここに緑色のボックスがあります。これはシックスシグマ手法の一部で、JMPで実行できます。ここでは2つのことが行えます。まず、測定システム分析では、測定システムの精度と精密度を評価できます。2つ目は、測定フェーズの一部である記述統計です。ここでは、平均値、中央値、最頻値など、アプリケーションに必要な統計値を用いてデータを要約する必要があります。
ここで、TOST（片側検定）アプローチについて、新旧の測定値の平均の同等性検定の簡単な例を挙げましょう。こちらにデータがあります。329個のサンプルを2つの異なる方法で測定しました。旧手法と新手法を用いて、両手法に大きな差があるかどうかを確認したかったのです。
実際には、YをXでフィッティングし、分析することでそれを行います。そして、同等性検定に進みます。平均値の差がどの程度であるかを実際に重要視する必要があります。この場合は5ミリメートルでした。TOST（等価性検定）を行うと、通常、同等であれば、フォレストプロットの青い領域に収まることがわかります。
この場合、青い領域ではなく赤い領域にありました。これは、平均値の実際の差が10ミリメートルだったためです。したがって、以前の年間散布量測定システムのデータは実際には同じではなく、追加の手順が必要であると結論付ける必要がありました。
また、記述統計、現在のプロセスの説明、そして問題提起の確認も必要です。一つお見せしましょう。これは私たちが作成したゼロ系列です。これは別の日に作成し、実際に以前の調査で得られた測定値よりも高い値になっているかどうかを知りたかったのです。
ここの分布を見ると、平均値は約97ミリメートルで、前回のセッションでは50ミリメートルでした。確かに、私たちの直感は正しく、問題が発生していました。
3つ目のフェーズは分析フェーズで、欠陥やパフォーマンス問題の根本原因を特定します。私たちが常に最初に行うことは、根本原因を特定することです。これには、なぜなぜ分析法や特性要因図などを用いますが、これらが常にベースとなります。
第二段階では、データセットの中で最も重要な要因、つまり最も重要な3つの要因を特定するためにパレート図を作成します。これらの最も重要な3つの要因を用いて、さらに分析を進めます。その後、エロディがパレート図について解説します。
パレート図についてお話します。パレート図の目的は、問題の発生頻度や原因を分析し、最も頻繁な原因を把握することです。アドインを使えば、それが可能になります。通常、パレート図は分析フェーズに含まれていますが、このアドインでは測定フェーズにあります。実際、Modern Six Sigmaメニューの測定フェーズにパレート図があります。パレート図を作成したい場合は、このメニューから作成できます。
例を挙げましょう。ここには、様々な種類の欠陥のデータテーブルがあります。10種類の欠陥と、それぞれの欠陥の個数が表示されています。この場合、パレート図は次のようになります。原因の累積割合が表示されています。すべての問題が100%で終わり、頻度の高い順に並べられています。
例えば、主な問題は3種類あり、金属ブリッジ、金属スクラッチ、金属欠陥です。これらが問題の主な原因です。これらを特定できたので、他のステップで対処することができます。スライドをめくって、Marjoleineさんにお話を伺います。
分析フェーズのもう一つの部分は回帰分析です。ここでは、様々な変数間の関係を分析します。また、仮説検定では、統計的手法を用いて仮定や理論を検証します。これもまた、例を挙げて説明します。
まず、前回と同じデータ、つまりゼロシリーズの測定値があります。測定値には日々の変動があるように感じました。まず最初に、グラフビルダーを開いて、測定値と日付の関係を確認しました。ヒストグラムは、コントロールパネルのグラフビルダーで好きなものを選択できますが、ここでは箱ひげ図を使用しています。
箱ひげ図から既に明らかなように、日付によって差があります。念のため、仮説検定を行いました。仮説検定では、一元配置分散分析を行いました。これはYとXの適合度でも行います。ここで「平均/分散分析」を選択し、平均値の分析法を選択できます。
データを見ると、ダイヤモンドが重なっていないのが分かります。これは、確かに日ごとの変動があることを示す最大の兆候です。平均値にもこのことが表れており、異なるセットの95%信頼区間の下限値と上限値が重なっていないことからも、日ごとの変動があることは明らかです。分散分析グラフの平均値分析でも、同じ行動から得られたものではないことがわかります。同じ行動ではないのです。
4番目のフェーズは改善フェーズです。ここでは、根本原因に対処し、プロセスを改善するためのソリューションを開発・実装します。もちろん、まずはアイデアを得るためにブレインストーミングを行います。これはJMPでは実行できませんが、次に実験計画法（DOT）を実施します。私たちはカスタム実験計画法（DOT）をよく使用し、結果に影響を与える要因を特定するために実験を計画・実施します。
私たちはカスタムデザインを頻繁に使用しています。これは、カスタムデザインを採用したいという理由からであり、カスタムデザインでは変更が難しい因子も使用できるからです。生産現場では、これは非常に重要です。DOEに関する情報が得られ次第、提案されたソリューションの一部を縮小規模で実際に試験的に導入し、モデルが正しく機能しているかどうかを確認します。ここでは、DOEを用いて行う複合研究についてご説明します。
2018年以前は、1因子ずつアプローチする手法を採用していました。20週間、360化合物を扱い、非常にコストが高く、成功しないことも多かったのです。2018年以降は、最適設計、I最適設計、応答曲面モデルを採用しました。今では2週間で完了します。36化合物を扱い、最適な化合物を予測できます。OFATアプローチと比較して、労働時間とリードタイムは10%削減され、以前よりも多くの情報が得られます。
このモデルを見てみましょう。10個の出力因子を持つモデルがあることがわかります。これらの出力因子は、実際にはこのワイパーの機能的挙動を決定する物理的特性です。5個の入力因子、つまり5個の入力因子は、実際には化合物の構成要素です。また、阻害因子も確認できます。これは、1日に9件のテストしか実施できないという事実に関係しています。
使用するモデルです。先ほども申し上げたように、I最適設計と応答曲面モデルを使用します。この場合、JMPによると、必要な最小テスト数は27です。私たちはいつも27より4日多く取ると言っていますが、今回の場合はテスト日が4日あるので、36日という選択肢もあります。デフォルト設定通り、36日とします。
分析を行うと、これが分析に使用したモデルです。少し動かしてみましょう。ここに効果の要約があります。すべてのP値が0.05を下回っていることがわかります。これは出力です。出力を見ると、実際の予測プロットが非常に小さいことがわかります。予想通り直線になっていますが、赤いバーが非常に小さいこともわかります。
また、適合度のサマリーでは、常に調整済みR-square（決定係数）を確認することがわかります。私たちにとって、0.90を超えるモデルは良好なモデルです。今回のモデルは0.99であり、これは変動の99%をモデルで説明できることを意味します。このモデルを10個の出力と5個の入力で分析する場合、予測プロファイラーに望ましさ関数を組み込むことが非常に重要です。これにより、望ましさを最大化し、最適な化合物を特定できるようになります。
私たちにとって、コンピューターがどのような判断を下したかを知ることは重要ですが、相互作用などについては必ず手動で確認します。例えば、このケースでは、入力1と入力2に相互作用があることが分かっており、プロファイラーを動かすことで、様々な要因の影響を明確に確認できます。ここでも出力を見ると、調整済みR2乗が非常に良好な特定の出力の信頼区間が非常に狭いことがわかります。一方、変動が大きい出力もいくつかあります。
最後のフェーズ、つまり管理フェーズに進みます。管理フェーズでは、改善が長期にわたって持続し、プロセスが安定し、管理されていることを確認する必要があります。まず最初に管理計画を確認し、それが正しいかどうかを確認し、必要に応じて調整し、方法を文書化します。
次に、私たちが常に行っているのが統計的工程管理です。ここでは管理図を用いて工程の安定性を監視します。ボッシュ社内では、このために専用のプログラムを使用しています。そこで、エロディがJMPを使った工程管理についても説明します。
アドインで管理図を作成する方法をご紹介します。先ほども述べたように、シックスシグマ手法の最終段階である管理フェーズは非常に重要です。メニューから、最終段階の管理を選択できます。管理図には多くの選択肢があります。管理図ビルダーはカスタマイズ性に優れており、ほぼあらゆる種類のチャートを作成できるツールです。特定の種類のチャートが必要な場合は、他のオプションから選択できます。データの例を示しながら、管理図を作成していきます。
ここで使用しているデータは少々奇妙で、架空のものです。ピクルスに関するもので、ピクルスの酸度を測定しています。測定は異なるバッチで異なる日付に行われており、生産が安定しているかどうかを確認することが目的です。
こちらは管理図ビルダーで作成した管理図です。2つのサブパートに分かれており、最初の部分は「酸」です。これは測定されたポイントで、すべてプロットされています。赤い線は管理限界を示しています。このように管理限界から外れたポイントがある場合は、工程が安定していない可能性があるという警告ですので、何が起きているのか確認する必要があります。
安定性や平均値の潜在的なシフト、あるいは潜在的な問題の発生に関するアラートも受信できます。これらのアラートを活用すれば、事前に問題を回避することができます。JMPでは、独自のアラートをカスタマイズすることも、既存のアラートを利用することもできます。さまざまな種類のアラートが用意されています。
ここには点灯しているものが2つあります。点灯していると言えるでしょうか。例えば、これは5番です。マウスをポイントに合わせると意味がわかります。最後の3つのポイントのうち2つが平均値から2シグマを超えていることを意味します。これは問題の兆候かもしれません。警告を受けて、それが問題かどうかを確認し、潜在的な問題を回避できます。
同じく、これは別の種類のアラートで、プロセスに変化が生じている可能性があることを示しています。つまり、プロセスが安定していないか、少なくとも確認できるということです。もう一つ、移動範囲に基づく管理図というサブパートがあります。2点間の範囲が大きすぎる、あるいは疑わしい範囲にあるかどうかを確認できます。
これは、プロセスの変動性をチェックし、プロセスが安定していることを確認する方法でもあります。すべてのステップを1つの目標で実行したので、プロセスが安定し、その状態を維持できるようにしたいのです。さて、プレゼンテーションはこれで終わりです。ご質問があればお気軽にどうぞ。
