Machinery Analytics

"Rendi sempre più efficiente il tuo business"

The data fabric is the next middleware.
Todd Papaioannou

Machinery Analytics è l’insieme delle metodologie di Data Intelligence WMRi a supporto dei processi di produzione e service dei prodotti manifatturieri, tra cui troviamo le tipiche metodologie Six-Sigma di controllo statistico di processo e monitoraggio della qualità al fine di:

  • Valutare l’affidabilità dei processi di misurazione e l’adeguatezza dei protocolli analitici nei propri laboratori di controllo qualità.
  • Separare e stimare le cause di variazione dei processi di misurazione in due macro-categorie quali la precisione e l’accuratezza.
  • Ridurre tempi e costi dei processi di controllo ed ispezione, controllando i due rischi di errata decisione, ovvero rifiutare un lotto idoneo o accettare un lotto non idoneo.
  • Confrontare la variabilità ideale di un processo vs. quella attuale/osservata
  • Ridurre tempi e costi di progettazione e realizzazione di un esperimento industriale.
  • Sviluppare un modello predittivo dell’output di un processo, al fine di identificare le condizioni ottimali.

L’obiettivo finale è garantire che il processo di produzione e i connessi servizi post-vendita funzionino in accordo con i target di qualità, ovvero in modo efficiente, producendo una elevata percentuale di prodotti conformi alle specifiche e riducendo nel contempo al minimo difettosità, rotture, scarti e rilavorazioni. Sul fronte dei servizi post-vendita, l’obiettivo è ridurre i costi e gli interventi di assistenza al fine di massimizzare la soddisfazione del cliente, accrescendone di conseguenza la fidelizzazione.

Ad alimentare le basi dati su cui si sviluppa il Machinery Analytics vi sono sistemi ERP e piattaforme IT dedicate ai processi manifatturieri. Queste risorse raccolgono usualmente informazioni da una ampia gamma di processi, tra cui gestione dei fornitori, controllo qualità, produzione, ricerca & sviluppo, vendite ed servizi post-vendita.

In funzione dello specifico modello strategico utilizzato, le visual dashboard WMRi dedicate al Machinery Analytics consentiranno ai manager di produzione e gestione dei processi industriali di ottenere una sintesi precisa e puntuale di tutti i “fondamentali” dei processi manifatturieri e di gestione delle relazioni con i clienti per i servizi post-vendita.

Per spingersi oltre, ovvero “scavare” nelle correlazioni latenti alle varie fasi del processo manifatturiero, le nostre smart dashboard saranno in grado di supportare le analisi predittive e di scenario. Nel primo caso, le dashboard predittive metteranno in evidenza le relazioni causa-effetto capaci di spiegare quali sono i driver tecnico-tecnologici correlati alle KPI qualitative dei prodotti. Nel secondo caso, le dashboard prescrittive simuleranno scenari alternativi what-if per poter identificare l’azione di miglioramento della qualità totale del prodotto (intrinseca e dei servizi connessi) con effetti attesi più favorevoli.

 

Vantaggi

La MSA – Measurement System Analysis presenta i seguenti vantaggi: 

  • Valutare l’affidabilità dei processi di misurazione e l’adeguatezza dei protocolli analitici nei propri laboratori di controllo qualità.
  • Separare e stimare le cause di variazione dei processi di misurazione in due macro-categorie quali la precisione e l’accuratezza.

Un’analisi dei sistemi di misurazione – MSA è una valutazione approfondita di un processo di misurazione e in generale include un esperimento appositamente progettato che cerca di identificare e stimare le componenti della variazione sottostanti ad un dato processo di misurazione.

Così come i processi di produzione di un prodotto possono variare, anche il processo di acquisizione delle misurazioni può variare a sua volta e produrre risultati distorti e non affidabili. Un’analisi dei sistemi di misurazione valuta il metodo di prova, gli strumenti di misurazione e l’intero processo di acquisizione delle misurazioni per garantire la coerenza dei dati, usualmente utilizzati per le analisi della qualità e comprendere le implicazioni dell’errore di misurazione per le decisioni prese su di un prodotto o processo. L’MSA è un elemento importante della metodologia Six Sigma e di altri tecnologie di gestione della qualità.

Vantaggi

Acceptance Sampling presenta i seguenti vantaggi: 

  • Stabilire in modo chiaro ed affidabile se un lotto, di materie prime/componenti o di unità di prodotto, è conforme ai requisiti dettati dalle specifiche tecniche desiderate.
  • Ridurre tempi e costi dei processi di controllo ed ispezione, controllando i due rischi di errata decisione, ovvero rifiutare un lotto idoneo o accettare un lotto non idoneo.

L’Acceptance Sampling, campionamento in accettazione, è una tecnica statistica finalizzata a determinare se accettare o rifiutare un lotto di materie prime/componenti/prodotti finiti. La decisione di accettare o rifiutare il lotto viene determinata in un campione del lotto, a partire da un conteggio delle unità difettose oppure da una misura qualitativa rilevata. Il lotto viene accettato se il numero di difetti o la misura qualitativa media scende al di sotto o sta nei range di specifica dettata da una predeterminata soglia di accettazione. In caso contrario il lotto viene giudicato non idoneo e quindi rifiutato.

Dal momento che l’ispezione al 100% del lotto è troppo dispendiosa in termini di tempi e costi, invece di valutare tutte le unità, viene prelevato, ispezionato o testato un campione specifico in base al quale viene presa una decisione sull’accettazione o il rifiuto dell’intero lotto. Il campionamento in accettazione viene espresso da un piano di campionamento sulla base della cosiddetta curva caratteristica operativa, che determinerà la regola decisionale di accettazione/rifiuto.

Vantaggi

Process Capability Analysis presenta i seguenti vantaggi:

  • Prevedere quanta parte della produzione sarà al di fuori dei limiti di specifica.
  • Confrontare la variabilità ideale di un processo vs. quella attuale/osservata.

Un processo manifatturiero può essere visto come è una combinazione di strumentazione, materiali, metodologie e personale al fine di ottenere delle unità di prodotto. Tutti i processi hanno una variabilità statistica intrinseca, non eliminabile, ma che può essere opportunamente valutata con i metodi di Data Analytics.

La capacità di un processo si riferisce alla sua attitudine a rispondere alle specifiche a cui dovrebbe essere soggetto e può essere espressa attraverso degli indici di capacità del processo (es. Cpk o Cpm) o di prestazione del processo (es. Ppk o Ppm). L’output di questa misura è solitamente illustrato da un istogramma e da calcoli che predicono quante parti saranno prodotte fuori specifica.

Nella Process Capability Analysis vi sono due obiettivi principali:

1) misurare la variabilità dell’output di un processo 

2) confrontare tale variabilità con una specifica o tolleranza predefinita.

Vantaggi

SPC Analysis presenta i seguenti vantaggi:

  • Determinare una regola chiara ed oggettiva per stabilire se il processo produttivo è o meno in linea con le specifiche tecnico-produttive desiderate.
  • Impostare dei criteri di valutazione dell’efficacia degli sforzi volti a ridurre la variabilità del processo, al fine di renderlo sempre più stabile e ripetibile nel tempo.

L’SPC – controllo statistico di processo è un set di metodi per il controllo della qualità che utilizza metodi statistici per orientare il processo verso un funzionamento più efficiente, cioè capace di produrre la gran parte delle unità di prodotto in modo conforme alle specifiche, garantendo una quota molto ridotta di rilavorazioni o scarti. Gli strumenti chiave dell’SPC sono DoE (approccio off-line) e Control Charts – carte di controllo (approccio on-line).

Le carte di controllo sono lo strumento più importante del controllo statistico on-line del processo. Esse vengono impiegate per monitorare nel tempo se un processo produttivo si trova in uno «stato di controllo», ovvero risponde alle specifiche tecnico-produttive desiderate. Se la carta di controllo indica che il processo è sotto controllo (ovvero è stabile, ripetibile, soggetto alle sole variazioni «naturali» del processo), non saranno necessarie azioni correttive dei parametri di processo. In caso contrario, saranno attivate tutte le necessarie correzioni e/o interventi al fine di riportare il processo nel solco del suo comportamento desiderato.

Vantaggi

Il DoE presenta i seguenti vantaggi:

  • Ridurre tempi e costi di progettazione e realizzazione di un esperimento industriale.
  • Massimizzare l’informazione che è possibile dedurre circa i veri fattori di input responsabili delle variazioni significative dell’output del processo/prodotto.
  • Sviluppare un modello predittivo dell’output di un processo, al fine di identificare le condizioni ottimali (quelle che massimizzano le KPI).

La progettazione degli esperimenti – DoE è un insieme di tecniche statistiche atte ad organizzare in modo efficiente ed ottimale le modalità di esecuzione di una serie di prove finalizzate ad interpretare le variazioni di un output di interesse al variare delle condizioni di input ritenuti più importanti. I risultati dell’esperimento vengono in seguito analizzati mediante opportune tecniche statistiche inferenziali sia per poter identificare quali sono i fattori di input significativi, sia per sviluppare un modello predittivo della risposta.

La progettazione degli esperimenti coinvolge non solo il processo di selezione delle variabili indipendenti (fattori in input), dipendenti (risposte in output) e di controllo (blocchi e covariate), ma anche la pianificazione del protocollo di esecuzione dell’esperimento sotto le condizioni statisticamente ottimali, dunque rispettando i vincoli delle risorse disponibili. La pianificazione comprende sia la definizione dei trattamenti/condizioni da realizzare, sia l’ordine di esecuzione delle prove, sia infine l’assegnazione del materiale sperimentale alle unità oggetto della prova (provini, prototipi, ecc.).

Vantaggi

Reliability-Survival Analysis presenta i seguenti vantaggi:

  • Modellare il ciclo di vita di un prodotto ed identificare i driver che possono spiegare i rischi di rottura o al contrario i fattori di protezione dagli eventi di fallimento.
  • Dimensionare in modo corretto il periodo di copertura della garanzia.

L’analisi dell’affidabilità/sopravvivenza enfatizza lo studio del ciclo di vita di un prodotto e descrive la capacità di un sistema o componente di funzionare, in condizioni di esercizio, per un determinato periodo di tempo. L’affidabilità è teoricamente definita come la probabilità di sopravvivenza al guasto (affidabilità=1rottura/guasto). L’affidabilità gioca un ruolo chiave nella qualità di un prodotto/processo e nei servizi post-vendita, in particolare nella corretta definizione del periodo di copertura della garanzia.

L’analisi dell’affidabilità mira a rispondere a domande quali “qual è la proporzione di unità di prodotto che sopravvivrà senza rotture oltre un certo tempo? Di quelle che sopravvivono, con che velocità tenderanno a fallire? Quali sono le molteplici cause sottostanti al fallimento? In che modo particolari circostanze o caratteristiche di esercizio aumentano o diminuiscono la probabilità di sopravvivenza alla rottura?”

Più in generale, l’analisi di affidabilità/sopravvivenza sottende la modellizzazione dei dati time-event, dove il fallimento è considerato l’evento di rottura/fallimento di interesse.