Georg Ørnskov Rønsch Fra BIG DATA til information Datakilder, Transformation, Visualisering og modellering

Transkript

1 Georg Ørnskov Rønsch Fra BIG DATA til information Datakilder, Transformation, Visualisering og modellering

2 Oversigt over præsentationen» Generel information om Fertin Pharma Fakta og historie» Motivation for arbejde med big data Vision og opbygning af dataplatform» Fra visualisering til modellering Når fortiden ikke er lige så interessant som fremtiden» Datatransformation og udnyttelse 2 eksempler Udnyttelse af data og øget procesforståelse

3 Oversigt over præsentationen» Generel information om Fertin Pharma Fakta og historie» Motivation for arbejde med big data Vision og opbygning af dataplatform» Fra visualisering til modellering Når fortiden ikke er lige så interessant som fremtiden» Datatransformation og udnyttelse 2 eksempler Udnyttelse af data og øget procesforståelse

4 Generel information» Fakta og historie Fakta om Fertin Pharma A/S» Største produktkategori er nikotintyggegummi (årlig kapacitet: over 2 milliarder stykker tyggegummi)» Privatejet af Bagger-Sørensen Gruppen» Fertin Pharma har fremstillet medicinsk tyggegummi siden 1991» Medicinsk tyggegummi produceres i henhold til cgmp i to fabrikker, hvoraf den ene er FDA-godkendt» Omsætning i 2014 var 694 mio. kr.» 600 medarbejdere» Ligger i Vejle, Danmark

5 Vores produkter» Medicinsk tyggegummi i verdensklasse Vores kunder tæller blandt andre: Global rækkevidde» Europa» Nordamerika» Japan» Australien» Indien

6 Oversigt over præsentationen» Generel information om Fertin Pharma Fakta og historie» Motivation for arbejde med big data Vision og opbygning af dataplatform» Fra visualisering til modellering Når fortiden ikke er lige så interessant som fremtiden» Datatransformation og udnyttelse 2 eksempler Udnyttelse af data og øget procesforståelse

7 Motivation» Manufacturing Intelligence skaber overblik

8 Opbygning af dataplatform» Forskellige datakilder Effekt Årsag Illustration af datastruktur LIMS Overblik over forskellige datapunkter Laboratorieanalyser: Råvarer Mellemprodukter Behov for produktionsserver til sammenstilling af data og håndtering af tidsseriedata Frigivelsesanalyser Valg af leverandør - Q2/Q Batch og lagerstyring: Råvarer batch ID Lagerbeholdning Logbøger Kassationer/spild

9 Opbygning af dataplatform» Fra databaser til Manufacturing Intelligence Illustration af datastruktur Effekt Årsag Axapta LIMS Behov for produktionsserver til sammenstilling af data og håndtering af tidsseriedata Sammenstilling af data Wonderware Intelligence Visualisering Tableau

10 Opbygning af dataplatform» Fra databaser til Manufacturing Intelligence Site ETL is short for Extract, Transform, Load Historian GB P1 P2 P3 Data Pakkeri LMIS Excel Axapta

11 Manufacturing Intelligence» Anvendelse og muligheder LCM Opfølgning på produkt og produktion i forhold til myndighedskrav MI Synliggørelse af variation Data information/viden Opfølgning på KPI er Proaktiv frem for Reaktiv MVDA Kortlægning af DNA et i TG-produktion Øget indsigt og procesforståelse

12 Proaktiv frem for Reaktiv» Kontinueret opfølgning på kommerciel produktion Afvigende trend udløser en PPS-aktion og opdatering af risikovurdering Practical Problem Solving (PPS) Platform i Manufacturing Intelligence til målrettet opfølgning på variation og kvalitet Kontinueret opfølgning på kvalitet/variation i forhold til defineret krav (inkl. LCM og kundekrav) Kommerciel produktion

13 Oversigt over præsentationen» Generel information om Fertin Pharma Fakta og historie» Motivation for arbejde med big data Vision og opbygning af dataplatform» Fra visualisering til modellering Når fortiden ikke er lige så interessant som fremtiden» Datatransformation og udnyttelse 2 eksempler Udnyttelse af data og øget procesforståelse

14 Oversigt over præsentationen» Monitorering Klassisk statistisk proceskontrol (SPC og evt. MSPC)

15 Oversigt over præsentationen» Monitorering Klassisk statistisk proceskontrol (SPC og evt. MSPC)» Visualisering Muligheder når der anvendes prikker, streger og farver

16 Oversigt over præsentationen» Monitorering Klassisk statistisk proceskontrol (SPC og evt. MSPC)» Visualisering Muligheder når der anvendes prikker, streger og farver» Prædiktiv modellering/kontrol Mulighed for at påvirke fremtiden

17 Monitorering/Visualisering -Fremtiden set gennem bakspejlet

18 Prædiktiv Modellering -Fremtiden set gennem forruden

19 Oversigt over præsentationen» Generel information om Fertin Pharma Fakta og historie» Motivation for arbejde med big data Vision og opbygning af dataplatform» Fra visualisering til modellering Når fortiden ikke er lige så interessant som fremtiden» Datatransformation og udnyttelse 1. eksempel Udnyttelse af data og øget procesforståelse

20 Proces» Oversigt over fremstilling af tyggegummi Råvarer og afvejning Råvarer og afvejning Miksning af gummibase Pelletering gummibase Færdig miksning Valsning og udskæring Coating og polering Slutkontrol og pakning

21 Koncept» Tidsseriedata til information (effektforbrug) Effekt 100,0 90,0 80,0 70,0 60,0 50,0 40,0 Tid 1 30,0 20,0 10,0 0,

22 Datajagt» Tidsseriedata til information

23 Visualisering» Tidsseriedata til information

24 Visualisering» Tidsseriedata til information

25 Beskrivelse af variationen i viskositet - med eksisterende procesvariable Model med procesvariable: 50 % (20 % valideret) af variationen i viskositeten, hvilket er beskedent. Der opnås en model med en prædiktionsfejl på 2300 cp GEOR,

26 Beskrivelse af variationen i viskositet - med kombineret datasæt Model med kombineret data (råvare- og procesvariable): 70 % (60 % valideret) af variationen i viskositeten, hvilket gør applikationen anvendelig. Der opnås en model med en prædiktionsfejl på 1700 cp

27 PCA/PLS Råvarer og prædiktiv modellering» Indledende overvejelse i 2016 Inputdata til næste procestrin NIR Multivariate kontrolkort (t) Råvare ok? Råvarer og afvejning Vurderet ud fra MVDA-model for procesbarhed

28 Oversigt over præsentationen» Generel information om Fertin Pharma Fakta og historie» Motivation for arbejde med big data Vision og opbygning af dataplatform» Fra visualisering til modellering Når fortiden ikke er lige så interessant som fremtiden» Datatransformation og udnyttelse 2. eksempel Udnyttelse af data og øget procesforståelse

29 Proces» Oversigt over fremstilling af tyggegummi Råvarer og afvejning Råvarer og afvejning Miksning af gummibase Pelletering gummibase Færdig miksning Valsning og udskæring Coating og polering Slutkontrol og pakning

30 Valsning og udskæring» Tidsseriedata til information 50 variable målepunkter pr variabel Overblik.?

31 Valsning og udskæring» Tidsseriedata til information

32 Valsning og udskæring» Monitorering til prædiktiv modellering Inputdata Procesindstillinger PCA/PLS Valsning og udskæring Multivariate kontrolkort (t) Sheet vægt PCA/PLS Produkt ok?

33 Motivation» Manufacturing Intelligence skaber overblik

34 Motivation» Manufacturing Intelligence skaber overblik

35 Opsamling» Tanker og overvejelser» Definering af formål og mål (fælles i organisationen) Sikre at der satses på den rigtige løsning» Datatroværdighed er altafgørende Der skal kun findes én version af sandheden» Start i det små; få visualiseringer/modeller Succeser skaber efterspørgsel» Less is more En simpel visualisering er oftest den mest effektive» Monitorering vs. modellering Stor forskel i mængden af indledende arbejde og vedligehold

36 Tak for jeres opmærksomhed!