Ceci est le cinquième et dernier article d'une série qui montre comment nous avons mené une étude d'observation sur les températures dans les bureaux, de la conception à l'exécution, en passant par l'analyse et la visualisation. Voir Partie I , deuxieme PARTIE , Partie III et Partie IV .
Dans les articles précédents de cette série, nous avons discuté de la conception et de la réalisation d’une étude d’observation sur les facteurs qui influent sur la température du bureau. Dans les parties III et IV, nous avons vu les données affichées sous forme graphique et analytique tout en explorant les résultats. Aujourd'hui, nous utiliserons JMP pour déterminer les types d'espaces de cet étage susceptibles d'avoir une température plus élevée ou plus basse que d'autres.
Type d'espace L’un des facteurs de notre modèle a été jugé significatif. Voici la disposition de notre étage, colorée par type d’espace afin que vous puissiez voir de quel type de bureau il s’agit:
Commun - Les zones communes comprennent des éléments tels que les salles de repos et les salles de courrier utilisées par de nombreuses personnes.
Conférence - l'étage dispose de deux grandes salles de conférence.
Coin - Il y a quatre grands bureaux d'angle.
Extérieur - le type de bureau le plus courant; tous ces bureaux sont de la même taille et ont des fenêtres.
Intérieur - ces bureaux sont à l'intérieur du bâtiment et n'ont pas de fenêtres.
Plus grand - Les grands bureaux sont également des guichets mais ont leur propre classification en raison de leur taille différente.
Laboratoire - il y a une pièce à l'intérieur du bâtiment qui ne rentre dans aucune autre catégorie. Le laboratoire contient de nombreux ordinateurs et possède ses propres paramètres de température.
Comment ces types d'espaces diffèrent-ils les uns des autres? À l'aide de Oneway Analysis dans JMP, nous pouvons effectuer des comparaisons pour chaque groupe à l'aide de Student's t. Examinez le rapport des lettres de connexion ci-dessous, indiquant le niveau et la moyenne. Cela montre clairement que les espaces communs (lettre A) sont nettement plus chauds que tous les autres. Les espaces communs comprennent les salles de repos, la salle du courrier et d’autres espaces où plusieurs personnes se trouvent dans le même espace à la fois. Dans la salle de repos et la salle du courrier, les lumières sont toujours allumées et il peut y avoir plusieurs corps chauds dans la pièce en même temps. Cela pourrait certainement expliquer les températures plus élevées.
Les lettres B et C ci-dessous sont très proches les unes des autres. Moins d'un degré Fahrenheit sépare le plus haut B et le plus bas C.
La lettre D est le laboratoire, dans un groupe tout seul. Il est facile de deviner pourquoi: le laboratoire a son propre thermostat. Il y a beaucoup d'ordinateurs dans cette pièce et ils génèrent beaucoup de chaleur. Le thermostat est donc maintenu bas afin de réduire le risque de surchauffe.
L'analyse finale qui m'intéresse est mon propre bureau. C'est un bureau extérieur et j'aimerais savoir comment il se compare aux autres bureaux extérieurs de cet étage. Il fait souvent très froid l'après-midi et je me suis souvent demandé si le mien était l'un des bureaux les plus froids de cet étage. Avant de commencer cette analyse, nous utiliserons le filtre de données JMP pour exclure tous les autres types de bureaux, à l'exception de l'extérieur.
La prochaine étape est une analyse Oneway. Comme le filtre de données est actif, seuls les bureaux extérieurs sont analysés. J'ai sélectionné les lignes de la table de données correspondant à mon bureau. La liaison dynamique au sein de JMP met ensuite en évidence ces points sur le graphique. Comme vous pouvez le constater et à ma grande déception, la température dans mon bureau est tout à fait moyenne. Voilà pour ma théorie que le mien était le bureau le plus froid.
JMP nous a permis d'examiner ces données de multiples façons. Cette étude d'observation était une manière amusante d'explorer de nombreuses façons dont JMP peut aider à analyser et à résoudre des problèmes. Grâce à cette étude, nous avons de bonnes indications sur les facteurs importants pour la prévision de la température des bureaux dans notre immeuble. Les résultats de cette étude pourraient nous amener à concevoir une expérience plus robuste si nous nous intéressions davantage à la modélisation de la température au bureau. Un grand merci à tous les bénévoles qui ont participé à la collecte de données, que vous ayez pris des mesures ou simplement laissé pénétrer dans votre bureau. C'était vraiment un effort à l'échelle du sol.
Qu'avez-vous aimé ou pas aimé de cette série de messages sur la température dans les bureaux?
Ajay a écrit:
De superbes visualisations!
