<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Peter van Bruggen, statistico, Unilever R & D
Astratto :
A Unilever, migliaia di esperimenti vengono fatti prima che i prodotti vengano (ri) lanciati sul mercato. Le centinaia di ricercatori, ingegneri e tecnici coinvolti a livello globale in questi esperimenti sono educati in diverse discipline e hanno un diverso livello di conoscenza statistica. L'applicazione del DOE spesso non è una pratica comune e gli statistici non sono sempre disponibili per il supporto. È un dato di fatto che, per gli esperti non statistici, il DOE pone alcune difficoltà: 1) il numero schiacciante di DOE, 2) il livello di dettaglio per inserire le informazioni necessarie e 3) la difficoltà di comprendere i risultati dell'analisi statistica. Un design errato potrebbe essere facilmente scelto, oi risultati potrebbero essere interpretati erroneamente. Fa la differenza tra successo e fallimento. Invece di formare tutti gli scienziati in statistica e DOE, Unilever ha implementato uno strumento per superare queste difficoltà. Questo strumento, chiamato Plyos, è stato sviluppato internamente e funziona in JMP. Plyos semplifica il processo e guida l'utente attraverso il processo di creazione di DOE con un aiuto esteso. Plyos fornisce anche spiegazioni dettagliate per interpretare i risultati dell'analisi statistica. La presentazione evidenzia i modi di lavorare con lo strumento, nonché i suoi vantaggi e limiti.
Testo dei presentatori :
Si prega di consultare un PDF separato per le diapositive presentate
1. Introduzione
"Pensare è una delle armi più importanti nell'affrontare i problemi"
Mandela ha detto questo molti anni fa in un'intervista riferendosi alla sua prigionia di 27 anni.
Tuttavia, queste sagge parole potrebbero essere valide anche per la progettazione di esperimenti. È diventato parte del nostro slogan per i corsi relativi a DoE.
Unilever è un'azienda che produce "beni di consumo in rapida evoluzione" in una vasta area di prodotti alimentari e prodotti per la cura della casa e della persona. Conosce molti siti in tutto il mondo.
Il processo di lancio dei prodotti sul mercato potrebbe essere, semplificato, suddiviso in tre fasi: Nei luoghi di Ricerca e Sviluppo i prodotti sono modellati, che vengono poi testati su piccola scala in impianti pilota prima che vengano prodotti per il mercato nei nostri stabilimenti.
Il costo relativo alla sperimentazione nelle fabbriche è relativamente alto a causa di attrezzature costose, spesso lotti di dimensioni maggiori e per il fatto che i prodotti risultanti non possono essere venduti sul mercato.
In R & S possiamo fare molti più esperimenti a causa della scala più piccola degli esperimenti, con costi molto più bassi per campione. L'impianto pilota è letteralmente nel mezzo.
Il desiderio delle tecniche DoE è, ovviamente, direttamente correlato al numero di esperimenti che fai.
La conoscenza comune delle statistiche e del DoE, tuttavia, ma anche il livello di supporto statistico, è purtroppo molto più bassa negli impianti pilota rispetto a quella in R & S ed è ancora più bassa nelle fabbriche.
Con l'introduzione del DoE nei nostri impianti pilota abbiamo dovuto affrontare diverse sfide.
Queste sfide partono dal fatto che abbiamo oltre 40 impianti pilota in tutto il mondo, con oltre 500 colleghi coinvolti. Il livello di istruzione differisce parecchio e con quello la loro conoscenza delle statistiche. L'utilizzo di tecniche statistiche non è sempre una pratica quotidiana.
Le persone che lavorano in impianti pilota sono altamente qualificate e apprezzate nella propria area di competenza, ma quando iniziano uno strumento DoE si trovano di fronte a molte opzioni e scelte. Alcune di queste scelte sono "facili", ma altre potrebbero essere "molto difficili". La maggior parte dei problemi affrontati riguarda il tipo di progettazione, l'analisi e l'interpretazione dei risultati. La mancanza di conoscenza in questo settore potrebbe impedire loro di utilizzare DoE.
Ci sono diversi modi per superare una possibile mancanza di conoscenza di cui i più ovvi sono elencati qui. Tuttavia, sia la "formazione" che "l'aumento del supporto statistico" sono molto costosi a causa dell'elevato numero di siti e colleghi coinvolti. E forzare l'uso di una tecnica non funzionerà come tutti potremmo sapere.
2 Presentazione del DoE negli impianti pilota
Unilever ha optato per il percorso per semplificare il processo di applicazione del DoE. Questa non è solo un'opzione per ridurre i costi, ma potrebbe anche essere un'opzione più sostenibile per Unilever con così tanti colleghi e dove le persone cambiano lavoro di volta in volta.
Per fare ciò abbiamo impostato alcune richieste volte a semplificare il processo di creazione di una progettazione di esperimenti e la sua analisi.
Abbiamo cercato di evitare il più possibile l'uso del linguaggio statistico. Abbiamo saltato i termini sul tipo di design e le tecniche di analisi, ma ci concentriamo invece sulle informazioni che devono essere raccolte dopo la sperimentazione e le conoscenze che l'utente ha prima del processo.
Dal momento che evitare il linguaggio statistico non è sempre possibile, specialmente quando si analizzano i dati, è stato scelto per fornire assistenza in ogni fase del processo.
Strumento di 3 plieni
Per rendere efficace tale processo semplificato, è necessario, inevitabilmente, uno strumento software semplice, utile e facile da usare.
Abbiamo sviluppato un tale strumento. Lo strumento è chiamato "Plyos" ed è, ovviamente, disponibile in tutta Unilever a livello globale.
Questo strumento funziona in JMP e campiona solo le informazioni desiderate. Quali sono le risposte e i fattori? E campiona solo informazioni aggiuntive quando è strettamente necessario. Ad esempio, la questione se le interazioni debbano essere incluse nel design o meno, viene sollevata solo quando le interazioni possono essere incluse nel progetto.
Tutti i passaggi sono spiegati e le decisioni possibili vengono comunicate all'utente. Controlla l'input e suggerisce miglioramenti in base alla conoscenza di Unilever.
Infine lo strumento fornisce un design efficace che viene presentato in modo casuale o bloccato se le circostanze lo desiderano.
Anche lo strumento analizza le risposte utilizzando un numero minimo di tecniche statistiche a seconda del tipo di risposta e del numero di fattori e spiega come ogni tecnica - individualmente e in combinazione - deve essere interpretata.
4 Flusso del programma Plyos
Con gli esempi forniti si ottiene un'idea approssimativa del flusso del programma, con alcune schermate a parte. Sono presentati solo alcuni punti salienti.
All'avvio, Plyos offre le opzioni per cambiare la cartella predefinita per la memorizzazione dei dati. Puoi leggere aiuto o aprire un manuale più dettagliato. Ci sono anche opzioni per testare l'applicazione usando i file di esempio.
Più importante è ovviamente la progettazione di una nuova serie di esperimenti o l'apertura di un progetto esistente per aggiungere dati di risposta e analizzare questi risultati.
Quando gli utenti iniziano a creare un nuovo design, lo strumento richiede prima i dettagli per identificare il processo in una fase successiva. Quindi l'utente deve compilare i dettagli delle risposte, di cui viene fornita una schermata di esempio. Il dettaglio delle informazioni richieste qui è più di quanto ci si aspetterebbe quando si configura un progetto in JMP. Questa informazione extra è tipica delle informazioni Unilever e viene utilizzata in background per ottimizzare il progetto finale risultante. Ad esempio, Plyos chiederà se le risposte ordinali o nominali potrebbero essere sostituite da risposte continue. Le risposte continue sono più facili da analizzare e i risultati daranno meno problemi nell'interpretazione da parte di non-statistici.
È disponibile una schermata di guida separata per spiegare i diversi campi e il loro impatto.
Dopo aver chiuso questa schermata di risposta, il passaggio successivo del processo riguarda, in modo simile, i fattori che devono essere esaminati.
Se il sistema di conoscenza Plyos decide che l'utente deve fare una scelta, ad esempio se le interazioni devono essere incluse o meno, il sistema pone la domanda e fornisce aiuto per chiarire questa domanda.
Il prossimo passo "Decisioni e conseguenze" si riferisce a una decisione forzata di Plyos.
Se Plyos ha forzato una decisione, ad esempio quando i livelli dei fattori devono essere limitati, viene visualizzata una finestra separata con le spiegazioni con, se applicabile, le opzioni da selezionare.
Quando tutto è stato compilato e risposto, viene fornito un design randomizzato e pronto all'uso.
Questa tabella di dati JMP, sempre supportata dall'aiuto, può essere utilizzata direttamente come ricetta per le prove nell'impianto pilota. I risultati della risposta possono essere riempiti e, naturalmente, la tabella può essere salvata per l'elaborazione successiva.
La tabella corrisponde alle informazioni fornite ed è più dettagliata della tabella di dati JMP standard dopo il loro processo DoE standard. Ad esempio, JMP DoE creerà fattori nominali solo per tutti i fattori categoriali in input, mentre i Plyos li renderanno ordinali o nominali a seconda dell'input.
Un buon progetto di esperimenti è inutile senza un'adeguata analisi dei dati di risposta.
Nell'esempio che viene mostrato, a sinistra, una finestra di report JMP presenta le tecniche statistiche predefinite che vengono scelte per il modello in esame e sul lato destro si vede la spiegazione delle stesse tecniche.
Le spiegazioni mostreranno solo quelle tecniche effettivamente utilizzate nell'analisi e viceversa.
Insieme alle descrizioni generali del modello e alle ipotesi più importanti, le spiegazioni dettagliate delle tecniche di analisi - singolarmente e in combinazione - dovrebbero essere sufficienti per la maggior parte delle situazioni per trarre conclusioni solide e affidabili dai dati anche quando l'utente ha solo una conoscenza limitata delle statistiche .
5 sfide di design
Durante la progettazione dello strumento abbiamo affrontato diverse sfide. Alcuni erano piuttosto di impatto, altri erano piccoli.
Il primo si occupa di quali tipi di design sarebbero necessari per specifiche combinazioni di fattori e saremmo in grado di creare un flusso tale che lo stesso design sia scelto quando si ricomincia da capo lo stesso processo?
Fortunatamente avevamo una conoscenza approfondita del gruppo target e delle loro esigenze specifiche. Le diverse situazioni sono state definite dal numero di fattori, dal tipo di fattori, dal numero di livelli per fattori (categoriali), da includere o meno interazioni e / o non-linearità e da altri vincoli.
Tutte le informazioni sono memorizzate in una grande tabella di dati che include anche informazioni su come i dati devono essere analizzati.
In una fase iniziale di sviluppo si è deciso di utilizzare principalmente disegni classici. Questi sono facili da capire e possono essere ripetuti. Tuttavia questi disegni non sono facili da codificare, specialmente quando si vuole evitare che gli utenti entrino negli schermi di dialogo DoE standard di JMP.
Pertanto la maggior parte dei progetti è codificata in modo rigido negli script tramite loop. Altri sono memorizzati in tabelle di dati e utilizzati su richiesta.
Sono stati necessari molti tipi di aiuto, chiamati in diverse fasi del processo di creazione del design. Per semplificare la manutenzione, il testo non deve essere archiviato troppo in profondità negli script.
Inseriamo il testo in diverse fonti, inclusi gli script. Tuttavia, la maggior parte è memorizzata in tabelle di dati e riviste. Soprattutto il modo in cui abbiamo trovato di memorizzare un sacco di testo in un diario e di presentare parti del testo in modo flessibile ci ha dato una grande soddisfazione.
Incontriamo anche diversi problemi minori:
Alcuni nomi di colonne creati sembravano dipendenti dalla lingua (ad esempio "Residui"). Abbiamo scelto la soluzione semplice e ora testiamo la lingua e chiediamo all'utente di cambiare se necessario.
Alcune "Preferenze piattaforma" modificano il modo in cui i dati vengono presentati durante l'analisi. Alcuni non possono essere superati con il duro codice. Non abbiamo trovato il modo di superare alcuni dei problemi, quindi abbiamo inserito avvertenze nel nostro testo.
Abbiamo iniziato lo sviluppo nel 2011 con JMP9. Più tardi è stato introdotto JMP11 causando alcuni problemi per alcune routine. Costruiamo subroutine dipendenti dalla versione da superare. Tuttavia JMP9 non è più disponibile.
6 Disponibilità degli strumenti e distribuzione
Lo strumento è implementato sull'intero mondo Unilever. Viene fornito tramite un'unità condivisa.
Sebbene l'uso dello strumento sia autoesplicativo tramite l'aiuto e il manuale incluso, lo strumento fa anche parte di un programma di allenamento.
Durante questa formazione l'attenzione non si concentra sullo sfondo della progettazione di esperimenti né sulle statistiche complicate, ma molto più sulla pratica dello strumento e sulla preparazione necessaria per creare un progetto. Il nostro motto durante l'allenamento è "Pensa bene prima di iniziare", ripetendo infatti le parole di Mister Mandela.
È la nostra esperienza che questo processo di pensiero è ancora più importante del vero processo di creazione di un DoE.
7 Utilizzo dello strumento
Plyos è disponibile dal 2012.
Vediamo l'utilizzo dello strumento diffuso nell'intera attività di Unilever con una copertura di oltre 20 paesi e oltre 500 utenti. Circa 100 utenti hanno creato diversi dei 600 casi rilevanti che abbiamo visto negli ultimi 2 o 3 anni. I plyos sembravano applicabili in circa il 95% di questi casi, risultando in un disegno valido e utile. Per circa il 5% di questi casi è stato necessario l'inserimento di uno statistico.
Un punto è tuttavia estremamente importante: tutti gli aspetti devono essere guidati e supportati dal senior management. Senza tale supporto c'è un alto rischio che l'uso dello strumento - e quindi l'applicazione del DoE - diminuirà. Siamo molto fortunati ad avere questo supporto.
8 Conclusione
Resta difficile trarre una conclusione solida, specialmente come progettista dello strumento.
Tuttavia, dalle statistiche che abbiamo appena visto e dai commenti e domande che abbiamo ricevuto e ancora ricevuto dagli utenti, penso che abbiamo avuto successo nella semplificazione del processo di creazione di progetti di esperimenti.
Ovviamente dobbiamo fare tutto il possibile per mantenere l'utente focalizzato sulla creazione di un progetto di esperimenti ogni volta che viene richiesto dal lavoro nell'impianto pilota. Lo facciamo in parte dal management, ma anche offrendo un aiuto dedicato da parte degli statistici su richiesta.
Anche lo strumento stesso deve essere aggiornato regolarmente per tenerlo in linea con le crescenti esigenze dell'utente.
È anche emerso che l'attenzione su "Think Hard Before You Start" è vantaggiosa. L'utente è molto più consapevole di ciò che vorrebbero indagare e vede Plyos come uno strumento utile per ottenere ciò senza l'aiuto di uno statistico.
9 Team e chiusura
Infine vorrei sottolineare che questo sviluppo non sarebbe stato possibile senza una grande squadra.
Winfried Theis ha lasciato Unilever molto prima che lo strumento venisse sceneggiato.
Gli altri due ragazzi - Frits Quadt di Quadt Consultancy per il supporto tecnico e Hans de Roos di Octoplus Information Solutions per lo scripting - sono ancora nella nostra squadra.
Naturalmente molti altri sono stati coinvolti in background rendendo possibile che Plyos possa essere implementato a livello globale. Il loro aiuto è stato ed è molto apprezzato.
Peter van Bruggen
esperto di statistica
Unilever Research & Development, Vlaardingen, Paesi Bassi
peter-van.bruggen@unilever.com
