Design of Experiments -den moderne 128. beretning Gitte Nomanni Holm Arla Foods
Hvem er jeg og hvor i Arla sidder jeg Gitte Nomanni Holm Siden 2008 uddannet levnedsmiddelsingeniør med speciale i Proces Analytisk Teknologi Har arbejdet ved Umetrics(statistisk software firma) og Tetrapak inden mit job hos Arla Foods Siden 2013 arbejdet ved Arla Foods, Viby J. i GCO Supply Chain Development og arbejder med proces og produkt optimering 2
Design of Experiments (DOE) - den moderne128. beretning Den 128. beretning kan beskrives som et opslagsværk, der bruges til at finde sammenhænge mellem proces parametre og kvaliteten på produktet efterfølgende. Vi bruger statistiske redskaber til at skriver nye 128. beretninger, et af de redskaber hedder Design of Experiments, eller DOE. Vi bruger det til at forstå processen og til at optimere processerne, så vi ikke får produkter udenfor specifikation. 3
Hvad er Design of Experiments DoEhandler om at planlægge og udføre eksperimenter på en optimal måde, således at der udføres færrest mulige forsøg i forhold til mest mulig information. Ideen er at variere kendte faktorer systematisk og sammenholde forsøgene ved brug af matematiske modeller. Baseret på ens forsøg kan man bygge modeller, der kan forudsige hvordan processen vil opføre sig under givne forudsætninger et slags landkort over processen. Særligt når man har mange proces parametre og ikke kan overskue/kender interaktionerne mellem disse er DOE et kraftfuldt værktøj
Principperne bag Design of Experiments Grafen til venstre viser den reelle sammenhæng mellem ph, Temperatur og udbytte. Lad os forestille os at vi ikke kender sammenhængen. -Hvordan finder vi optimum?
Principperne bag Design of Experiments Den løsning vi oftest vælger test og fejl metoden. Hvor vi undersøger et område trinvist, mens vi holder andre parametre konstante. Hvad sker der hvis vi anvender denne metode? Lad os holde temperaturen konstant på 33 grader og ændre ph indtil vi har fundet temperaturens optimum og derefter ændre temperaturen på den givne ph. - Har vi fundet optimum? -Og har vi i øvrigt noget ide om sammenhænge? 7 forsøg anvendt
Principperne bag Design of Experiments Hvis vi i stedet placere en række forsøg på strategiske korrekte områder i det område vi ønsker at undersøge kan vi, ved hjælp at matematikken, regne os frem til hvordan forholdet er i mellem vores parametre. Det er nu muligt at tegne et landkort over processen og derved få en bedre proces forståelse. 5 forsøg anvendt og mulighed for at forstå sammenhæng
P 1 P 2 P 3 P 4 P 5 P 6 P 7 Arbejdsgang, når man sætter et DoE op Definer problemstillingen og målet Identificer hvilke proces parametre der skal undersøges Lav et screenings forsøg for at bekræfte at de rette parametre er valgt, samt sortere de parametre fra der ikke er relevante Baseret på de læringer, der er gjort I screenings fasen, opsættes evt. et optimerings design. Hvor man får finmasket sin model. 4,0 3,0 2,0 1,0 0,0-1,0-2,0 8
Et eksempelfraarla, hvordoe erbrugt Baggrund Et nyt produkt skal i produktion. Produktet påfyldes brik-kartoner med en fyldehastighed og - højde, der får produktet til at skumme i brikken. Skummet gør, at brikken ikke kan fyldes optimalt, samt at produktet brunfarves ved autoklavering Brunfarvning Opgave Det undersøges, om det er muligt at mindske mængden af skum i den lukkede brik og dermed brunfarvningen af produktet under fremstillingen af ostemælken. Altså en model, der kan fortælle hvad vores proces parametre skal stå på for at få mindst mulig brunfarvning. 9
Forsøgsdesign 4 proces parametre var identificeret til at kunne have en indflydelse på brunfarvningen. DOE ener designede således, at hver parameter varieres på to niveauer. Samt to centrum punkter. Total 18 eksperimenter. Dette kaldes et full factorial design ph varieres mellem 6,5 og 6,9 Teknisk varmebehandling varieres mellem 50 og 78ºC Homogeniseringstrykket mellem 10 og 150 bar. Kølingen testes på On/Off Exp No ph Teknisk varmeb. HomoTryk 1 6,7 65 80 Nej 2 6,7 65 80 Ja 3 6,6 50 10 Ja 4 6,6 50 10 Nej 5 6,6 50 150 Nej 6 6,6 50 150 Ja 7 6,6 78 150 Ja 8 6,6 78 150 Nej 9 6,6 78 10 Nej 10 6,6 78 10 Ja 11 6,9 50 10 Ja 12 6,9 50 10 Nej 13 6,9 50 150 Nej 14 6,9 50 150 Ja 15 6,9 78 150 Ja 16 6,9 78 150 Nej 17 6,9 78 10 Nej 18 6,9 78 10 Ja køling 10
Modellen Som udgangspunkt tester man alle de mulige sammenhænge, designet understøtter. I dette tilfælde de lineære og interaktionerne. Teknisk Bruning varmebehandling Bruning (Extended) (Extended) PastTemp Ph Pas Hom køl(ja) Pas køl(nej) Ph*Pas Ph*Hom Ph*køl(Ja) Ph*køl(Nej) Pas*Hom Hom Pas*køl(Ja) Pas*køl(Nej) Hom*køl(Ja) Hom*køl(Nej) De model termer, som er signifikante, viser sammenhængen for vores proces parametre og brungfarvningen. Modellen for systemet er fundet til at være: Brunfarvning = teknisk varmebehandling + Homotrykket ph og Køling har ingen effekt. Ønsker man så lille brunfarvning som muligt, skal man altså operere med et lavt homo tryk og en lav teknisk varmehandling. 11
Samspillet mellem mange kvalitetsparametre Ved at sætte mange modeller sammen, kan man optimere processen ud fra mange kvalitetsparametre Optimale settings inkl usikkerheden på settings Predikterede defekte oste Tekn. vb 12
Hvordan implementere man sine nye erfaringer i processen Når man kender sit optimale proces vindue, kan man bruge statistisk proces kontrol (SPC) til at monitorere processen med. Dette kan gøres meget lav praktisk med pen og papir eller man kan investere i et software der kan holde øje med processen for én. 13
Spørgsmål? - Tak for jeres opmærksomhed 14