Benvenuti e grazie per l'interesse dimostrato per il nostro intervento di oggi. Mi chiamo Wendy Zhang e oggi sarò co-presentatrice insieme al mio collega Bill Worley. Entrambi lavoriamo con clienti che si impegnano ad aumentare l'impatto dei DOE nelle loro organizzazioni. Questo argomento è di grande interesse per noi.
Molti di voi sono scienziati e ingegneri che conducono esperimenti progettati nelle loro organizzazioni per innovare. O forse lavorate con colleghi che lo fanno nella vostra organizzazione. Questi esperimenti statistici, comunemente noti come DOE, sono preziose fonti di apprendimento. Ecco perché li eseguiamo per apprendere di più su un nuovo sistema o processo e per utilizzare tale conoscenza per migliorare e innovare. Come possiamo garantire che questi preziosi DOE vengano condivisi con i nostri collaboratori e stakeholder in modo che, come organizzazione, ne traiamo il massimo vantaggio? I nostri collaboratori devono essere in grado di accedere facilmente, interagire, fornire input e prendere decisioni utilizzando questi esperimenti senza problemi. Nella sessione di oggi, l'attenzione sarà rivolta a come il nostro impatto come scienziati e ingegneri possa essere maggiore quando possiamo condividere, utilizzare e collaborare sui DOE in JMP Live.
JMP Live è uno strumento complementare a JMP che consente la collaborazione e la condivisione delle conoscenze a livello aziendale. Condivideremo due storie basate su organizzazioni che utilizzano JMP Live per ampliare la collaborazione DOE. Queste due storie verranno descritte utilizzando esempi tratti da un'azienda manifatturiera: Aquapure. Aquapure è un'azienda chimica che produce materie prime per altre aziende nella sua unità di business industriale e prodotti di consumo nella sua unità di business consumer. Questo primo esempio racconta la storia di come gli ingegneri di sviluppo prodotto e di processo di Aquapure nella sua unità di business industriale collaborano con JMP Live. Lo sviluppo prodotto è responsabile dello sviluppo di processi per realizzare nuovi prodotti e migliorare quelli esistenti. Utilizzano il DOE per identificare importanti variabili di processo e comprendere come interagiscono per ottenere specifiche caratteristiche di prodotto. Una volta identificati i fattori di processo e gli intervalli necessari per realizzare un prodotto di alta qualità, trasferiscono queste conoscenze all'ingegneria di processo che imposta il processo in fase pilota per realizzare il prodotto su scala pilota. Diamo un'occhiata più da vicino a come i gruppi di sviluppo prodotto e ingegneria di processo di Aquapure hanno collaborato per lanciare sul mercato un nuovo solvente, il solvente PureSolv.
I responsabili dello sviluppo prodotto di PureSolv hanno condotto diversi DOE in JMP durante lo sviluppo del processo pilota finale di PureSolv. Se non avete familiarità con questi diagrammi a cubo, vengono spesso utilizzati come rappresentazione per i diversi tipi di DOE. Il cubo rappresenta la base del processo in fase di valutazione, mentre i punti rappresentano le esecuzioni sperimentali. Quando si sviluppa un nuovo processo, è comune condurre diversi esperimenti. Il primo esperimento, lo screening, consiste nell'identificare i fattori importanti. Tale esperimento può quindi essere ampliato per studiare come i fattori interagiscono tra loro, per poi concentrarsi sull'individuazione dello spazio di processo che garantisce le migliori prestazioni. Il DOE finale degli ingegneri di sviluppo prodotto di Aquapure si è concentrato sull'ottimizzazione delle variabili di processo per ottenere una resa costantemente superiore al 90%. Lo sviluppo prodotto utilizza questo DOE per sviluppare set point e intervalli per volume, tempo, temperatura e catalizzatore, al fine di ottenere batch PureSolv con una resa costantemente superiore al 90%. Diamo un'occhiata più da vicino a come l'ingegnere di sviluppo prodotto ha raggiunto questo obiettivo.
Grazie, Wendy, ora condividerò il mio schermo. Tutti lo vedranno?
SÌ.
Come ha detto Wendy, abbiamo eseguito l'ottimizzazione o l'ottimizzazione DOE era stata completata. Da lì volevamo fare il passo successivo e abbiamo sviluppato un modello dei minimi quadrati che sembrava promettente per la produzione di lotti con una resa superiore al 90%. Abbiamo aperto un profiler di previsione per dimostrare che il processo poteva essere quello che ci aspettavamo, ma dovevamo fare alcuni scenari ipotetici per vedere come sarebbe potuto essere un processo ottimale. La prima cosa che volevamo fare era verificare un paio di cose e volevamo innanzitutto utilizzare qualcosa chiamato controllo di estrapolazione nel profiler di previsione. Siamo stati in grado di vedere rapidamente che potremmo non avere abbastanza esecuzioni DOE alle combinazioni più basse di volume e catalizzatore, per essere sicuri di cosa sarebbe successo se la resa fosse stata uguale a quella con quelle impostazioni. Questo è un aspetto che lo sviluppo prodotto voleva indagare con la maturazione del processo. Abbiamo eseguito la fase di ottimizzazione e tutto sembrava a posto, ma l'ingegnere di produzione ha affermato che sarebbe stato praticamente impossibile eseguire le impostazioni esatte previste nell'ottimizzazione a causa della variabilità del processo.
Ci hanno chiesto se ci fosse un modo per avere un certo margine di manovra nelle impostazioni per essere sicuri e avere un processo più robusto. A questo punto, abbiamo deciso di provare uno strumento più recente nel profiler di previsione, chiamato Design Space Profiler, per verificare le loro preoccupazioni. La prima cosa che abbiamo notato è che gli input si discostavano dal DOE originale e il processo sarebbe stato InSpec solo nel 6,3% circa dei casi. Volevamo assicurarci che tutti ne fossero a conoscenza e ne abbiamo parlato con gli ingegneri di processo. Avremmo condiviso con loro i dati nel miglior modo possibile. Il passo successivo nel processo per il Design Space Profiler è stato quello di consentirci di utilizzare una simulazione Monte Carlo con 10.000 punti simulati per regolare gli intervalli della progettazione degli esperimenti, in modo che gli ingegneri di processo potessero ottenere un batch InSpec con un livello di confidenza fino al 99%.
In questo modo, abbiamo ottenuto impostazioni di processo che avrebbero reso almeno il 90% per ogni ciclo di produzione. Potete vedere qui dove il nostro limite di specifica inferiore era 90, e poi, regolando il profiler dello spazio di progettazione o giocando con le impostazioni, siamo riusciti a portare quel valore fino a circa il 99% di certezza di ottenere batch InSpec ogni volta. Ora vi mostrerò una rapida demo. Esco da qui. Esco. Riduco a icona e apro la mia tabella dati. Questi sono i dati degli esperimenti di progettazione. Siamo stati in grado di fare praticamente tutto ciò che dovevamo fare con questi dati e poi comunicarli agli ingegneri di processo quando necessario. Volevo costruire un modello e stiamo parlando di minimi quadrati standard. Abbiamo impostato tutti i nostri fattori, lo faremo funzionare e otterremo una configurazione piuttosto buona. Chiarirò rapidamente alcune cose qui, giusto per arrivare a un punto migliore.
Me ne libero. Forse un altro paio, e poi dovremmo essere a posto. Abbiamo impostato il nostro modello, abbiamo il nostro profiler di previsione e anche la configurazione della desiderabilità. Analizziamolo un po' più in dettaglio, così possiamo vedere le cose un po' meglio. La prima cosa che volevamo fare era controllare il controllo di estrapolazione. Si trova nel profiler di previsione. È uno strumento JMP Pro, ma abbiamo pensato di volervi solo far vedere di cosa si tratta. È importante, non i profiler di interazione. Questo è compito mio. Ecco fatto. Controllo di estrapolazione dell'interazione. Attiveremo solo l'avviso per vedere dove le cose potrebbero essere un po' incerte. Se osserviamo il volume, lo trasciniamo verso il basso e trasciniamo la temperatura verso il basso. Quindi possiamo iniziare a vedere cose che sembrano un po' incerte e poi anche il catalizzatore, se lo abbassiamo a circa cinque.
Certo, non funziona. Ecco fatto. Ci mostra l'estrapolazione. Abbiamo una possibile estrapolazione ai livelli inferiori. È qualcosa che vorremmo approfondire man mano che andiamo avanti. Disattiviamolo. Torniamo al profiler di previsione e attiviamo il Design Space Profiler. Ora, questo potrebbe diventare un po' noioso se lo facessimo manualmente o se lasciassimo che JMP lo facesse per noi. Vi mostrerò un paio di cose diverse che potete attivare qui, e creeremo e collegheremo una tabella casuale. Useremo 10.000 punti e incorporeremo un diagramma di dispersione dello spazio fattoriale. Ora possiamo vedere... Non abbiamo bisogno di questa tabella d'intralcio. Certo, sarà una rottura di scatole. Ecco fatto. Scusate. Ce l'abbiamo fatta. Ora giocheremo con questi strumenti qui. Abbiamo lo spazio 10.000 punti.
Vogliamo vedere cosa possiamo fare per portare questa porzione InSpec al punto in cui siamo molto sicuri che, almeno nel 99% dei casi, otterremo una resa del 90% o superiore. Proviamo a sperimentare un po'. Regolare i parametri. Se volessimo davvero, potremmo semplicemente inserire i valori che sappiamo funzioneranno. Proveremo a sperimentare un po' per mostrarvelo. Come potete vedere, lo spazio si riduce sempre di più nel grafico a dispersione e nello spazio dei fattori. Man mano che li regoliamo ulteriormente, potete vedere che le cose migliorano sempre di più. Siamo già al 58%, quasi al 59%. Possiamo sperimentare ancora un po' per capire meglio. Proviamo. Spostiamo un po' il catalizzatore. Siamo all'86% e forse anche di più. Quello che abbiamo fatto è stato arrivare al 95% o più, il 99%.
Vediamo se riusciamo ad andare un po' più in alto e ottenere il valore del 99% che ho promesso. No. Stiamo andando nella direzione sbagliata. Ecco fatto. Ci siamo quasi. Ora abbiamo questi valori, e sono molto più precisi di prima. Ma questi sono i valori che vorremmo modificare o condividere tramite JMP Live con gli ingegneri. Con questo, passo la parola a Wendy.
Ottimo. Lascia che ti rubi lo schermo. La demo di Bill mostrava il dietro le quinte di come l'ingegnere di sviluppo prodotto ha utilizzato JMP per ricavare gli intervalli di processo. Una volta completato questo lavoro, i responsabili dello sviluppo prodotto hanno potuto condividere i risultati con l'ingegneria di processo in JMP Live direttamente da JMP. Oltre a condividere i fattori di processo specifici e gli intervalli consigliati, hanno fornito i risultati del DOE agli ingegneri di processo in un output interattivo. Lo stesso output interattivo che vedevi in JMP con il profiler di previsione è stato condiviso con gli ingegneri di processo, che potevano accedervi e a JMP Live tramite un browser.
Quando Aquapure non disponeva di JMP Live, gli ingegneri di processo ricevevano informazioni limitate in forma statica tramite e-mail e PowerPoint. Passiamo a JMP Live per esaminare più da vicino come l'ingegneria di processo ha utilizzato i risultati DOE interattivi per prendere decisioni basate sui dati. Utilizzando un browser web, accediamo al portale JMP Live di Aquapure. Diamo un'occhiata ai DOE nella cartella dedicata a PureSolv nella cartella della loro unità di business industriale. Questa cartella è riservata a tutti gli ingegneri che lavorano su PureSolv.
Diamo un'occhiata all'ottimizzazione della resa finale del DOE, così come hanno fatto gli ingegneri di processo. Il Design Space Profiler comunica come sono stati determinati gli intervalli di processo e contribuisce a creare fiducia negli intervalli stessi. Ad esempio, possiamo capire perché si raccomanda che gli intervalli per il volume siano compresi tra 2,5 e 5,2 osservando il Design Space Profiler. Ecco il grafico specifico per il volume, e possiamo vedere che le linee tratteggiate verticali rappresentano l'intervallo raccomandato di 2,5-5,2. Possiamo vedere che è qui che viene raggiunta la percentuale più alta di InSpec. In questo caso, InSpec si occupa davvero dell'obiettivo di produrre un prodotto costantemente superiore al 90% di resa. Scorrendo verso l'alto fino al profiler di previsione. Il profiler di previsione offre all'ingegneria di processo la possibilità di esplorare lo spazio di processo che era stato mappato dal DOE. Per chi non ha familiarità con il profiler di previsione, si tratta di una rappresentazione di un modello. Avete avuto la possibilità di vedere Bill costruire questo modello utilizzando il modello di adattamento e i minimi quadrati standard. In questo caso, il modello rappresenta i risultati del DOE e il modo in cui volume, tempo, temperatura e catalizzatore influenzano la resa.
Ciò consente all'ingegneria di processo di porre domande al DOE. Permette loro di comprendere i compromessi derivanti dalle modifiche alle variabili di processo. Diamo un'occhiata al profiler e vediamo cosa possiamo imparare da esso. Ad esempio, possiamo vedere dalle pendenze che temperatura e catalizzatore sono molto più ripidi di volume e tempo. Ciò significa che la resa è molto sensibile alle variazioni di temperatura e catalizzatore rispetto a volume e tempo. Possiamo vederlo non solo dalle pendenze, ma anche usando il mouse per modificare, in questo caso particolare, il valore della temperatura e possiamo vedere come questo si riflette nel valore previsto della resa. Ora utilizziamo il profiler, come ha fatto l'ingegneria di processo, per risolvere due sfide specifiche che si sono presentate. La prima sfida si è presentata durante la configurazione iniziale del processo per realizzare PureSolv in fase pilota. L'ingegneria di processo era interessata ad aumentare il volume iniziale dal limite superiore raccomandato di 5,2 per produrre più prodotto in una singola analisi. Utilizzando il profiler, ora sposto il cursore che modifica il valore del volume.
Hanno potuto constatare che potevano aumentare il volume fino a circa 6, sempre al di sopra del valore raccomandato di 5,5, e comunque raggiungere una resa superiore al 90%. La seconda sfida si è presentata quando l'ingegneria di processo stava per trasferire il processo alla produzione. Si è verificato un aumento significativo del prezzo del catalizzatore utilizzato nel processo, quindi la dirigenza ha chiesto all'ingegneria di processo di verificare se fosse possibile ridurre la quantità di catalizzatore utilizzata nella reazione senza influire significativamente sulla resa. Anche in questo caso, con il profiler, è stato possibile ridurre la quantità di catalizzatore e fare una previsione di cosa sarebbe successo in termini di resa. Hanno potuto constatare che potevano ridurre il catalizzatore al di sotto del valore raccomandato di 8,5 e aumentare la temperatura, mantenendo la resa vicina al 90%.
Riassumiamo cosa gli ingegneri di processo hanno potuto fare con i risultati DOE in JMP Live. Con il Design Space Profiler, hanno potuto vedere come sono stati determinati gli intervalli di input del processo, collegandoli alla percentuale nelle specifiche. Hanno anche potuto comprendere la sensibilità della resa alle variazioni incrementali del volume e apportare modifiche in modo autonomo e sicuro.
Potevano anche prendere una decisione rapida, basata sui dati, per ridurre il catalizzatore, perché potevano vedere l'impatto della variazione di resa unitaria del catalizzatore e anche la dipendenza del catalizzatore dalla temperatura. Prima che l'organizzazione adottasse JMP Live, il processo di valutazione delle alternative e di attuazione delle modifiche era lento perché gli ingegneri di processo non avevano visibilità sui risultati DOE oltre gli intervalli forniti. Qualsiasi modifica volessero apportare doveva essere effettuata affidandosi in larga misura alla comunicazione via email con lo sviluppo prodotto e, di conseguenza, gli ingegneri di processo non si sentivano autorizzati a prendere decisioni. Torniamo a JMP Live per vedere come questi due team comunicavano all'interno di JMP Live. Siamo tornati a JMP Live e osserviamo l'ottimizzazione finale DOE. Cliccando su questi commenti, possiamo vedere la conversazione avvenuta tra lo sviluppo prodotto e l'ingegneria di processo durante la configurazione del processo pilota.
Puoi aggiungere la menzione ai tuoi collaboratori: riceveranno notifiche via email che indicano la presenza di una domanda. Riassumiamo la prima storia.
In questa prima storia, gli ingegneri di sviluppo prodotto hanno condiviso i risultati del DOE con l'ingegneria di processo in modo interattivo su JMP Live; gli ingegneri di processo hanno esplorato il DOE e sono stati in grado di prendere decisioni in modo efficiente ed efficace, poiché potevano condurre analisi ipotetiche e comprendere i compromessi in modo indipendente. Gli ingegneri di sviluppo prodotto e di processo hanno collaborato all'interno di JMP Live in modo trasparente per tutti i membri del team. La seconda storia proviene dai formulatori di R&S del settore prodotti di consumo di Aquapure. I formulatori di R&S utilizzano il DOE per sviluppare nuovi prodotti e riformulare quelli esistenti, e JMP Live è il modo in cui questi DOE diventano una fonte di conoscenza e un luogo di collaborazione. Per ascoltare la seconda storia, segui il link al codice QR per guardare il webinar on demand. Questo conclude il nostro intervento.
