Herzlich willkommen und vielen Dank für Ihr Interesse an unserem heutigen Vortrag. Mein Name ist Wendy Zhang, und ich werde heute gemeinsam mit meinem Kollegen Bill Worley präsentieren. Wir beide arbeiten mit Kunden zusammen, die die Wirkung von DOEs (Design for Experiments) in ihren Organisationen steigern möchten. Dieses Thema ist für uns von großem Interesse.
Viele von Ihnen sind Wissenschaftler und Ingenieure, die in ihren Organisationen geplante Experimente durchführen, um Innovationen voranzutreiben. Oder Sie arbeiten vielleicht mit Kollegen zusammen, die dies in Ihrer Organisation tun. Diese statistisch geplanten Experimente, kurz DOEs, sind wertvolle Lernquellen. Deshalb führen wir sie durch, um ein neues System oder einen neuen Prozess kennenzulernen und dieses Wissen für Verbesserungen und Innovationen zu nutzen. Wie stellen wir sicher, dass diese wertvollen DOEs mit unseren Kooperationspartnern und Stakeholdern geteilt werden, damit wir als Organisation optimal davon profitieren? Unsere Kooperationspartner müssen problemlos auf diese Experimente zugreifen, interagieren, Feedback geben und Entscheidungen auf deren Grundlage treffen können. In der heutigen Sitzung konzentrieren wir uns darauf, wie wir als Wissenschaftler und Ingenieure unsere Wirkung verstärken können, indem wir DOEs in JMP Live teilen, nutzen und gemeinsam bearbeiten.
JMP Live ist ein ergänzendes Tool zu JMP, das unternehmensweite Zusammenarbeit und Wissensaustausch ermöglicht. Wir stellen Ihnen zwei Fallbeispiele von Unternehmen vor, die JMP Live zur Skalierung der DOE-Zusammenarbeit einsetzen. Diese beiden Fallbeispiele werden anhand von Beispielen des Chemieunternehmens Aquapure erläutert. Aquapure produziert Rohstoffe für andere Unternehmen in seinem Industriebereich und Konsumgüter in seinem Konsumgüterbereich. Das erste Beispiel beschreibt die Zusammenarbeit der Produktentwicklung und der Verfahrenstechnik im Industriebereich von Aquapure mit JMP Live. Die Produktentwicklung ist für die Entwicklung von Prozessen zur Herstellung neuer und zur Verbesserung bestehender Produkte verantwortlich. Mithilfe von DOE identifizieren sie wichtige Prozessvariablen und verstehen deren Zusammenspiel, um spezifische Produkteigenschaften zu erzielen. Sobald die Prozessfaktoren und -bereiche für ein qualitativ hochwertiges Produkt identifiziert sind, geben sie dieses Wissen an die Verfahrenstechnik weiter, die den Prozess im Pilotmaßstab aufbaut. Betrachten wir nun genauer, wie die Produktentwicklung und die Verfahrenstechnik von Aquapure zusammengearbeitet haben, um das neue Lösungsmittel PureSolv auf den Markt zu bringen.
Die Produktentwicklungsleiter von PureSolv führten im Rahmen der Entwicklung des finalen Pilotprozesses mehrere Versuchsreihen (DOEs) in JMP durch. Falls Ihnen diese Würfeldiagramme nicht geläufig sind: Sie werden häufig zur Darstellung verschiedener Arten von Versuchsreihen verwendet. Der Würfel repräsentiert die zu evaluierende Prozessbasis, die Punkte die einzelnen Versuchsläufe. Bei der Entwicklung eines neuen Prozesses ist es üblich, mehrere Experimente durchzuführen. Im ersten Experiment, dem Screening, geht es darum, die wichtigsten Faktoren zu identifizieren. Dieses Experiment kann dann erweitert werden, um die Wechselwirkungen der Faktoren zu untersuchen. Ein abschließendes Experiment kann sich schließlich darauf konzentrieren, den Prozessraum einzugrenzen, der die beste Leistung erzielt. Die abschließende Versuchsreihe der Produktentwicklungsingenieure von Aquapure konzentrierte sich auf die Optimierung der Prozessvariablen, um konstant eine Ausbeute von über 90 % zu erreichen. Mithilfe dieser Versuchsreihe wurden Sollwerte und Bereiche für Volumen, Zeit, Temperatur und Katalysator entwickelt, um PureSolv-Chargen mit konstant über 90 % Ausbeute herzustellen. Sehen wir uns genauer an, wie die Produktentwicklungsingenieure dies erreicht haben.
Danke, Wendy, und ich teile jetzt meinen Bildschirm. Können alle meinen Bildschirm sehen?
Ja.
Wie Wendy bereits erwähnte, haben wir die Optimierung bzw. das Optimierungs-DOE durchgeführt. Anschließend wollten wir den nächsten Schritt gehen und entwickelten ein vielversprechendes Least-Squares-Modell für die Herstellung von Chargen mit einer Ausbeute von über 90 %. Wir öffneten einen Prediction Profiler, um zu zeigen, dass der Prozess unseren Erwartungen entsprechen könnte. Um jedoch ein optimales Prozessmodell zu ermitteln, mussten wir verschiedene Szenarien durchspielen. Zunächst wollten wir einige Punkte überprüfen und die Extrapolationsfunktion im Prediction Profiler nutzen. Dabei stellten wir fest, dass uns möglicherweise nicht genügend DOE-Läufe bei den niedrigeren Kombinationen von Volumen und Katalysator vorlagen, um die Auswirkungen einer Ausbeuteänderung bei diesen Einstellungen sicher abschätzen zu können. Die Produktentwicklung wollte dies im Zuge der Weiterentwicklung des Prozesses genauer untersuchen. Wir führten den Optimierungsschritt durch, und alles schien vielversprechend. Der Produktionsingenieur merkte jedoch an, dass es aufgrund der Prozessvariabilität praktisch unmöglich sei, die in der Optimierung vorhergesagten Einstellungen exakt umzusetzen.
Sie fragten, ob es eine Möglichkeit gäbe, die Einstellungen flexibler zu gestalten, um auf Nummer sicher zu gehen und einen robusteren Prozess zu gewährleisten. Daraufhin beschlossen wir, ein neueres Tool im Prediction Profiler, den Design Space Profiler, zu testen, um ihre Bedenken zu überprüfen. Zunächst stellten wir fest, dass der Prozess bei den Eingabebereichen des ursprünglichen Versuchsdesigns (DOE) nur in etwa 6,3 % der Fälle innerhalb der Spezifikationen (InSpec) lag. Wir wollten sicherstellen, dass alle Beteiligten darüber informiert waren und sprachen mit den Verfahrenstechnikern darüber. Wir wollten ihnen dies so gut wie möglich erklären. Im nächsten Schritt ermöglichte uns der Design Space Profiler, eine Monte-Carlo-Simulation mit 10.000 simulierten Punkten durchzuführen, um die Bereiche des Versuchsdesigns anzupassen. So konnten die Verfahrenstechniker mit bis zu 99 % Wahrscheinlichkeit eine Charge innerhalb der Spezifikationen (InSpec) erreichen.
Damit erhalten wir Prozesseinstellungen, die bei jedem Produktionslauf eine Ausbeute von mindestens 90 % erzielen. Hier sehen Sie, dass unsere untere Spezifikationsgrenze bei 90 % lag. Durch Anpassen des Design Space Profilers und Experimentieren mit den Einstellungen konnten wir diesen Wert auf etwa 99 % steigern und so die Wahrscheinlichkeit erhöhen, dass wir jedes Mal Chargen innerhalb der Spezifikation erhalten. Ich zeige Ihnen jetzt eine kurze Demo. Ich verlasse das Fenster kurz. Drücken Sie die Escape-Taste. Minimieren Sie das Fenster und ziehen Sie meine Datentabelle herein. Dies sind die Daten aus den Designexperimenten. Wir konnten mit diesen Daten praktisch alles Notwendige durchführen und sie dann bei Bedarf an die Prozessingenieure weitergeben. Ich wollte ein Modell erstellen, und zwar mit der Methode der kleinsten Quadrate. Alle Faktoren sind eingerichtet, und wir starten die Simulation. Das Ergebnis ist recht gut. Ich werde hier noch schnell ein paar Dinge aufräumen, um die Ausgangslage zu verbessern.
Ich entferne das. Vielleicht noch ein paar, dann sind wir startklar. Wir haben unser Modell eingerichtet, den Vorhersage-Profiler und auch die Zielvorgaben. Reduzieren wir die Anzeige etwas, um alles besser zu sehen. Als Erstes wollten wir uns die Extrapolationssteuerung ansehen. Die befindet sich im Vorhersage-Profiler. Das ist ein JMP Pro-Tool, aber wir wollten Ihnen kurz zeigen, worum es geht. Es ist ein wichtiges Tool, nicht nur ein Interaktionsprofiler. Das geht auf meine Kappe. Da haben wir es. Interaktions-Extrapolationssteuerung. Wir aktivieren die Warnung, um zu sehen, wo es Probleme geben könnte. Wenn wir uns das Volumen ansehen, ziehen wir es nach unten und die Temperatur ebenfalls. Dann sehen wir, wo es etwas problematisch aussieht, und auch den Katalysator, wenn wir ihn auf etwa fünf reduzieren.
Natürlich funktioniert es nicht. Da haben wir's. Es zeigt uns die Extrapolation. Wir haben eine mögliche Extrapolation auf den unteren Ebenen. Das sollten wir im weiteren Verlauf untersuchen. Schalten wir das ab. Gehen wir zurück zum Vorhersageprofiler und aktivieren den Design Space Profiler. Das könnte etwas dauern, wenn wir das manuell machen oder JMP das für uns erledigen lassen. Ich zeige Ihnen ein paar verschiedene Optionen, die Sie hier aktivieren können, und wir erstellen und verbinden eine Zufallstabelle. Wir verwenden 10.000 Punkte und betten ein Faktorraum-Streudiagramm ein. Jetzt sehen wir... Wir brauchen diese Tabelle nicht im Weg. Natürlich ist das lästig. So, jetzt haben wir das. Entschuldigung. Jetzt probieren wir diese Tools hier aus. Wir haben den Raum mit 10.000 Punkten.
Wir möchten sehen, wie wir den InSpec-Teil so optimieren können, dass wir in mindestens 99 % der Fälle eine Ausbeute von 90 % oder mehr erzielen. Probieren wir das mal aus. Wir könnten natürlich auch einfach die Werte eingeben, von denen wir wissen, dass sie funktionieren. Wir experimentieren aber ein bisschen, um es Ihnen zu zeigen. Wie Sie sehen, wird der Bereich im Streudiagramm und im Faktorraum immer kleiner. Je mehr wir die Werte anpassen, desto besser werden die Ergebnisse. Wir liegen bereits bei 58 %, fast 59 %. Wir können noch ein bisschen weiter experimentieren, um das Ganze besser zu verstehen. Machen wir das. Verschieben wir den Katalysator etwas nach hinten. Wir liegen bei 86 % und vielleicht sogar etwas darüber. Wir haben es geschafft, die Ausbeute auf 95 % oder höher, 99 %, zu steigern.
Mal sehen, ob wir noch etwas höher kommen und die versprochenen 99 % erreichen können. Nein. Wir liegen falsch. So, fast geschafft. Jetzt haben wir diese Werte, und sie sind deutlich genauer als vorher. Das sind die Werte, auf die wir umstellen oder die wir über JMP Live mit den Ingenieuren teilen würden. Damit übergebe ich wieder an Wendy.
Großartig. Darf ich Ihnen den Bildschirm abnehmen? Bills Demo zeigte, wie der Produktentwicklungsingenieur mit JMP die Prozessbereiche ermittelte. Nach Abschluss dieser Arbeit konnten die Produktentwicklungsleiter die Ergebnisse direkt aus JMP in JMP Live mit der Prozessentwicklung teilen. Neben den spezifischen Prozessfaktoren und empfohlenen Bereichen stellten sie den Prozessingenieuren die Ergebnisse der Versuchsplanung (DOE) in interaktiver Ausgabe zur Verfügung. Dieselbe interaktive Ausgabe, die Sie in JMP mit dem Vorhersageprofiler gesehen haben, wurde auch den Prozessingenieuren zur Verfügung gestellt. Diese konnten über einen Browser auf die interaktive Ausgabe und JMP Live zugreifen.
Als Aquapure noch nicht über JMP Live verfügte, erhielten die Verfahrenstechniker nur eingeschränkte Informationen statisch per E-Mail und PowerPoint-Präsentation. Sehen wir uns nun JMP Live genauer an, um zu verstehen, wie die Verfahrenstechnik die interaktiven DOE-Ergebnisse für datengestützte Entscheidungen nutzte. Wir greifen über einen Webbrowser auf das JMP Live-Portal von Aquapure zu. Betrachten wir die DOEs im Ordner „PureSolv“ innerhalb des Geschäftsbereichs Industrie. Dieser Ordner ist für alle an PureSolv arbeitenden Ingenieure zugänglich.
Betrachten wir nun die finale Versuchsplanung zur Ausbeuteoptimierung (DOE) aus der Sicht der Verfahrenstechniker. Der Design Space Profiler veranschaulicht, wie die Prozessbereiche ermittelt wurden und stärkt das Vertrauen in diese Bereiche. Beispielsweise lässt sich anhand des Design Space Profilers nachvollziehen, warum für das Volumen ein Bereich zwischen 2,5 und 5,2 empfohlen wird. Die Grafik zeigt das Volumen, und die vertikalen gestrichelten Linien markieren den empfohlenen Bereich von 2,5 bis 5,2. Hier wird der höchste Anteil an normgerechten Werten (InSpec) erreicht. In diesem Fall steht InSpec für das Ziel, ein Produkt mit einer konstant über 90 % Ausbeute herzustellen. Weiter oben sehen wir den Prediction Profiler. Dieser ermöglicht es der Verfahrenstechnik, den durch die Versuchsplanung (DOE) ermittelten Prozessraum zu erkunden. Für diejenigen, die den Prediction Profiler noch nicht kennen: Er stellt ein Modell dar. Sie hatten die Gelegenheit, Bill bei der Erstellung dieses Modells mithilfe von „Fit Model“ und der Methode der kleinsten Quadrate zu beobachten. In diesem Fall stellt das Modell die DOE-Ergebnisse dar und zeigt, wie Volumen, Zeit, Temperatur und Katalysator mit der Ausbeute zusammenhängen.
Dies ermöglicht es der Verfahrenstechnik, Fragen an das Versuchsdesign (DOE) zu stellen. So können die Auswirkungen von Änderungen der Prozessvariablen besser verstanden werden. Betrachten wir nun den Profiler und seine Erkenntnisse. Anhand der Steigungen lässt sich beispielsweise erkennen, dass Temperatur und Katalysator deutlich steiler verlaufen als Volumen und Zeit. Das bedeutet, dass die Ausbeute im Vergleich zu Volumen und Zeit sehr empfindlich auf Änderungen von Temperatur und Katalysator reagiert. Dies lässt sich nicht nur an den Steigungen erkennen, sondern auch, indem wir in diesem Fall den Temperaturwert mit der Maus verändern und beobachten, wie sich dies auf die vorhergesagte Ausbeute auswirkt. Nutzen wir nun den Profiler, wie es die Verfahrenstechnik getan hat, um zwei konkrete Herausforderungen zu lösen. Die erste Herausforderung ergab sich bei der Einrichtung des Pilotprozesses zur Herstellung von PureSolv. Die Verfahrenstechnik wollte das Startvolumen über den empfohlenen Grenzwert von 5,2 hinaus erhöhen, um in einem einzigen Durchlauf mehr Produkt zu erhalten. Mithilfe des Profilers verschiebe ich nun den Schieberegler, der den Volumenwert ändert.
Sie konnten feststellen, dass sie das Volumen auf etwa 6 erhöhen konnten, also über den empfohlenen Wert von 5,5, und trotzdem eine Ausbeute von über 90 % erzielen konnten. Die zweite Herausforderung ergab sich, als die Verfahrenstechnik den Prozess an die Produktion übergeben sollte. Der Preis des verwendeten Katalysators war deutlich gestiegen, daher beauftragte die Geschäftsleitung die Verfahrenstechnik, zu prüfen, ob die Katalysatormenge in der Reaktion reduziert werden konnte, ohne die Ausbeute wesentlich zu beeinträchtigen. Mithilfe des Profilers konnten sie erneut die Katalysatormenge verringern und die Auswirkungen auf die Ausbeute vorhersagen. Sie stellten fest, dass sie die Katalysatormenge unter den empfohlenen Wert von 8,5 senken und die Temperatur erhöhen konnten, um die Ausbeute bei nahezu 90 % zu halten.
Fassen wir zusammen, was die Verfahrenstechniker mit den DOE-Ergebnissen in JMP Live anfangen können. Mithilfe des Design Space Profilers können sie nachvollziehen, wie die Prozesseingabebereiche ermittelt wurden und wie diese mit den prozentualen Vorgaben der Spezifikation verknüpft sind. Sie können außerdem die Sensitivität der Ausbeute gegenüber inkrementellen Volumenänderungen verstehen und eigenständig und sicher Anpassungen vornehmen.
Sie konnten auch schnell datengestützte Entscheidungen zur Reduzierung des Katalysators treffen, da sie die Auswirkungen der Ausbeute pro Katalysatoränderungseinheit sowie die Temperaturabhängigkeit des Katalysators erkennen konnten. Bevor das Unternehmen JMP Live einführte, verlief die Prüfung von Alternativen und die Umsetzung von Änderungen schleppend, da die Verfahrenstechniker keinen Einblick in die DOE-Ergebnisse über die ihnen vorgegebenen Bereiche hinaus hatten. Jegliche Anpassungen mussten in hohem Maße per E-Mail mit der Produktentwicklung abgestimmt werden, wodurch sich die Verfahrenstechniker nicht befugt fühlten, Entscheidungen zu treffen. Kehren wir zu JMP Live zurück, um zu sehen, wie diese beiden Teams innerhalb von JMP Live kommunizierten. Wir befinden uns wieder in JMP Live und betrachten das finale Optimierungs-DOE. Wenn wir auf diese Kommentare klicken, können wir die Konversation zwischen Produktentwicklung und Verfahrenstechnik während der Einrichtung des Pilotprozesses einsehen.
Sie können Ihre Mitwirkenden hinzufügen, und diese erhalten E-Mail-Benachrichtigungen, sobald eine Frage gestellt wird. Fassen wir die erste Geschichte noch einmal zusammen.
In der ersten Fallstudie teilten Produktentwicklungsingenieure die Ergebnisse der Versuchsplanung (DOE) interaktiv mit der Verfahrenstechnik in JMP Live. Die Verfahrenstechniker analysierten die DOE-Ergebnisse und konnten so effizient und effektiv Entscheidungen treffen, da sie Was-wäre-wenn-Analysen durchführen und die jeweiligen Vor- und Nachteile selbstständig abwägen konnten. Die Zusammenarbeit zwischen Produktentwicklung und Verfahrenstechnik war in JMP Live für alle Teammitglieder transparent. Die zweite Fallstudie stammt von den F&E-Formulierern im Bereich Konsumgüter von Aquapure. Sie nutzen DOE, um neue Produkte zu entwickeln und bestehende Produkte zu optimieren. JMP Live dient dabei als Wissensquelle und Plattform für die Zusammenarbeit. Um die zweite Fallstudie anzuhören, folgen Sie dem QR-Code-Link zum On-Demand-Webinar. Damit ist unser Vortrag beendet.
