Переводные статьи
Популярное | Последнее
97
×
Кейс: преобразование системы измерений и инновационное управление данными
Сообщество Lean+6Sigma в России
Кейс: преобразование системы измерений и инновационное управление данными

Перевод статьи "MEASUREMENT SYSTEM REDESIGN AND INNOVATIVE DATA MANAGEMENT" автора Brad Craver  выполнил Вадим Сеничев

Многонациональная компания по производству бумаги хотела снизить затраты на качество своей продукции. Компания признала возможность использовать концепции Шесть Сигма для сокращения вариативности своих процессов.

Высшее руководство было взволновано идеей применения Разработки Экспериментов (Design of Experiments или DOE) для выявления математических отношений между входными и выходными переменными. Для менеджеров компании возможность иметь уравнение y = f (x) для автоматизированного оборудования означала возможность запуска производственной линии с гораздо более высоким выходным уровнем качества. Однако, как это обычно бывает, существовали и другие методы повышения качества, а также множество препятствий для надежного применения DOE.

Отсутствие стандартизации в измерительной системе компании внесло слишком много «помех» в истинные показатели оборудования. Кроме того, руководство не желало брать на себя ответственность за потери в объемах производства и прибылей, которые обычно возникают во время выполнения DOE. В довершение всего, как показало проведенное исследование чистоты данных, нестабильность входных параметров процесса была достаточно большой, чтобы искажать результаты любой попытки DOE.

Вместо получения математической модели процесса, выработанной на основе DOE - что некоторые считают окончательным решением в методологии Шесть Сигма, компания использовала ряд других инструментов Шесть Сигма, чтобы значительно улучшить производительность процесса с меньшими затратами и за меньшее время. В то время как типичный проект Шесть Сигма такой сложности может длиться более шести месяцев, в данном кейсе проект был полностью выполнен всего за шесть недель, закончившись планом по использованию результатов на других объектах компании.

Оценка системы измерения

Несмотря на то, что компания инвестировала значительные средства в систему мониторинга и контроля производственных процессов, ожидаемого повышения производительности достигнуть не удалось. Производственные и инженерные группы знали, что система управления была ограничена, потому что операторы продолжали вносить изменения в установки, основываясь на собственных догадках, а не на использовании системы управления для стабилизации процесса. Первоначально предполагалось, что это было результатом восприятия, что встроенные датчики не были должным образом откалиброваны или что показания манометров не соответствовали результатам визуального осмотра. Однако данных, подтверждающих эти предположения, не было, и из-за сложности процесса создание работающей краткосрочной системы измерения для сбора необходимых данных стало краеугольным камнем проекта.

Первым шагом в разработке этой системы измерения было получение отклика от заказчиков через инструмент Голос клиента. В данном случае заказчик был внутренним — им выступал следующий этап производства. Именно здесь определялось качество продукта, но не количество. Существовавшая практика заключалась в измерении качества продукции как в потоке, так и вручную на выходе первой единицы изделия из производственного оборудования. Но такие факторы, как температура и влажность окружающей среды, а также время выдержки считались достаточно значительными, чтобы изменить качество бумаги до того, как она попадет на следующий элемент оборудования. 

Чтобы эффективно связать фактическое качество продукта с данными поточного производственного оборудования, требовалось вести изменения качества продукта между производственными линиями. Для этой цели в качестве дополнительного шага в анализе были построены модели корреляции между тремя выходными переменными. Кроме того, в начале данные о браке агрегировались в течение одной или нескольких смен. Чтобы обеспечить возможность анализа на детальном уровне, возникла необходимость чаще собирать ненужную информацию.

Вторым шагом стала стандартизация системы измерения. В каждую смену различные сотрудники проводили визуальный осмотр каждой единицы оборудования, используя датчики типа «пропустить/остановить». Были быстро выявлены возможности калибровки датчиков по стандарту, определения главного инспектора и выполнения анализа воспроизводимости и повторяемости (reproducibility and repeatability, R&R). Результаты датчика R&R позволили улучшить обучение ответственных инспекторов и получить более точные данные инспекции как часть новой системы измерения.

Третьим шагом
в процессе была одна входная переменная (считающаяся критической), которая не измерялась электронным способом. Был введен стандартный метод измерения этой входной переменной с определенной периодичностью сбора ее параметров вручную.

Четвертым шагом в разработке системы измерения было обеспечение регистрации всех критических характеристик продукта. Это позволило бы рационально разделить на подгруппы любые отношения ввода и вывода, которые могут зависеть от типа продукта, времени, партии и т.д. Эти данные были собраны из записей производственной деятельности.

Пятый и последний шаг
был критическим - сведение к минимуму отклонений в измерениях приборов. По возможности калибровка проводилась до сбора каких-либо данных для статистического анализа.


Качественный анализ

По мере разработки этой новой системы измерения и сбора новых данных проводились другие мероприятия по улучшению, основанные на качественном опыте и знаниях о процессах, которые имелись у сотрудников. Составлены анализ режимов и последствий отказов, причинно-следственные диаграммы. С помощью только этих двух инструментов и последующих задач по улучшению команда смогла добиться более чем 10% сокращения брака.

Сбор количественных данных

После того, как система сбора данных была определена, компании потребовался метод для согласования различных источников данных и компиляции всех точек данных в структурированный массив наблюдений y = f (x) для анализа. Было выделено три разных источника данных:

  1. встроенные измерения процесса, которые хранились в электронном виде (с 20 различных инструментов);
  2. два набора вручную записанных результатов визуального контроля (один сразу после начального этапа производства и один непосредственно перед последующим этапом);
  3. исторические производственные записи, которые также хранились в электронном виде.
Необходимый для анализа период наблюдения, рассчитанный на основе исторических данных об объемах производства важнейших видов продукции, измерялся неделями. Изменчивость, наблюдаемая в небольших временных интервалах производства, диктовала относительно небольшие периоды наблюдения/ В данном случае - минуты. Если бы периоды наблюдения были сгруппированы в более крупные интервалы, ошибка, связанная с выборкой процесса или усреднением данных, могла бы затруднить изменчивость процесса.

Эти факторы обусловили наличие чрезвычайно большого набора данных, что привело к необходимости автоматизации процесса выравнивания точек данных между каждым из наборов во временных рядах. Например, запрос исторических данных производства генерировал одну запись на партию, представляющую десятки минут производства, тогда как запрос встроенных данных процесса генерировал одну запись в минуту. Компания разработала таблицу Excel с шаблонами рабочих листов для табулирования данных наблюдений из каждого из четырех источников и набор из шести отдельных макросов для согласования наблюдений в едином рабочем листе (который составил более 20 000 строк данных).

Эффективность макросов Excel была критически важна для сокращения времени между этапами наблюдения и анализа проекта. Эта способность создавать массив данных за считанные минуты (вместо дней) означала, что компания могла периодически проверять ход наблюдений, выполняя промежуточный анализ. Эти периодические обзоры побудили управленческую команду завершить длительную фазу наблюдения, поскольку они могли постоянно проверять эффективность подхода.

Анализ данных


По завершении периода наблюдения был составлен окончательный набор данных, и Excel и Minitab были использованы для сортировки и фильтрации данных по рациональным подгруппам для проверки гипотез. Команда смогла применить множество статистических инструментов, включая гистограммы, диаграммы прогонов, точечные графики, t-тесты и диаграммы Парето.

На детальном уровне были выявлены взаимосвязи между входами процесса и качеством конечного продукта. Это позволило команде проекта сделать на основе данных выводы о надежности встроенных устройств для прогнозирования качества продукции. Представление данных в визуальном статистическом формате оказало огромное влияние на изменение культуры управления процессами от искусства субъективного применения «природных» знаний к объективному научному подходу с применением статистических инструментов.

В процессе выполнения статистического анализа попытки регрессии продемонстрировали, что вариации по особым причинам в повседневных операциях были слишком значительными, а это означает, что выполнение надежного DOE потребует более контролируемой производственной среды. Таким образом, хотя подход, использованный в этом проекте, не позволил выявить математическое уравнение y = f (x) для работы производственного оборудования, были выявлены и реализованы значительные улучшения, которые привели к сокращению брака более чем на 20% - примерно 3-4 миллиона долларов в год.

Заключение

Совсем не редка ситуация, при которой плохо спроектированные методы сбора данных и предполагаемые ограничения при компиляции и анализе данных мешают использованию мощных статистических инструментов, таких как регрессионный анализ и проверка гипотез. Несмотря на большие капиталовложения в модернизацию средств управления, установку поточных измерительных устройств и автоматизацию производственных линий, результаты на практике оказываются меньше ожидаемых. Даже несмотря на то, что на предприятии может храниться множество данных о процессах, они не преобразуются в ценную, полезную информацию для постоянного улучшения.

Обеспечение возможности применения инструментов улучшения аналитического процесса в таких средах часто требует уникального подхода. Для компании, представленной в этом кейсе, раскрытие потенциала Шесть Сигма и непрерывного совершенствования, в первую очередь потребовало разработки надлежащей системы сбора данных. Ключом к успеху была разработка модели сбора и компиляции данных, минимизирующая снижение производственных мощностей, но при этом обеспечивающая необходимый набор данных для статистической оценки. Когда компании вооружены нужной информацией, сделать верный выбор инструмента для улучшения становится очень просто.
Войдите, чтобы оставить комментарий
E-Mail
Комментариев нет
Рекомендовано
Реклама
Поделиться