<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />유니버설 R & D의 통계 학자 Peter van Bruggen
추상 :
Unilever에서는 제품을 시장에 출시하기 전에 수천 회의 실험을 수행합니다. 이 실험에서 세계적으로 관여하는 수백 명의 연구자, 엔지니어 및 기술자는 다양한 분야에서 교육을 받았으며 다양한 수준의 통계 지식을 갖추고 있습니다. 교육청 (DOE)을 적용하는 것은 일반적인 관행이 아니기 때문에 통계 학자가 항상 도움이되는 것은 아닙니다. 비 통계 전문가의 경우 DOE는 1) DOE의 수, 2) 필요한 정보를 채우기위한 세부 수준, 3) 통계 분석의 결과를 이해하는 어려움이 있습니다. 잘못된 디자인을 쉽게 선택하거나 결과를 잘못 해석 할 수 있습니다. 그것은 성공과 실패의 차이를 만듭니다. Unilever는 통계 및 DOE의 모든 과학자를 교육하는 대신 이러한 어려움을 극복하기위한 도구를 배포했습니다. Plyos라는이 도구는 자체 개발되었으며 JMP에서 실행됩니다. Plyos는 프로세스를 단순화하고 사용자가 확장 된 도움말을 사용하여 DOE를 설정하는 과정을 안내합니다. Plyos는 통계 분석 결과를 해석하기위한 자세한 설명을 제공합니다. 프레젠테이션에서는 도구로 작업하는 방법과 이점 및 제한 사항을 강조합니다.
발표자 텍스트 :
제시된 슬라이드에 대한 별도의 PDF를 참조하십시오.
1. 소개
"사고는 문제를 다룰 때 가장 중요한 무기 중 하나입니다."
만델라는 수년 전에 인터뷰에서 27 년형을 선고했다.
그러나 이러한 현명한 단어는 실험 설계에도 유효합니다. DoE 관련 강좌의 슬로건 중 일부가되었습니다.
유니레버 (Unilever)는 다양한 분야의 식품 및 가정 및 개인 위생 용품에서 "빠르게 움직이는 소비자 제품"을 생산하는 회사입니다. 전 세계의 여러 사이트를 알고 있습니다.
시장에서 제품을 출시하는 프로세스는 다음과 같이 세 단계로 나눌 수 있습니다. 연구 개발 부서에서는 제품을 제작하여 공장에서 시장을 위해 생산되기 전에 파일럿 플랜트에서 소규모로 테스트합니다.
공장에서의 실험과 관련된 비용은 값 비싼 장비, 종종 더 큰 배치 크기 및 결과물을 시장에서 판매 할 수 없기 때문에 상대적으로 높습니다.
R & D에서는 실험의 규모가 작아 샘플 당 비용이 훨씬 낮기 때문에 훨씬 많은 실험을 할 수 있습니다. 파일럿 공장은 말 그대로 중간에 있습니다.
DoE 기술에 대한 열망은 물론 당신이하는 실험의 수와 직접적으로 관련이 있습니다.
그러나 통계 및 DoE에 대한 일반적인 지식 - 그러나 통계적 지원 수준 -은 불행히도 파일럿 플랜트에서 R & D에 비해 훨씬 낮으며 공장에서는 더 낮습니다.
파일럿 플랜트에 DoE가 도입됨에 따라 우리는 몇 가지 어려움에 직면 해있었습니다.
이러한 도전 과제는 전 세계에 40 개가 넘는 파일럿 공장이 있으며, 500 명이 넘는 동료가 참여하고 있습니다. 교육 수준은 상당히 다르며 통계 지식도 다릅니다. 통계 기술을 사용하는 것은 항상 일상적인 관행이 아닙니다.
파일럿 플랜트에서 일하는 사람들은 매우 전문성이 뛰어나고 자신의 전문 분야에서 높은 평가를 받고 있지만 DoE 도구를 시작하면 다양한 옵션과 선택 사항에 직면합니다. 이러한 선택 중 일부는 "쉬운"것이지만 다른 것들은 "매우 어려움"일 수 있습니다. 그들이 직면하는 대부분의 문제는 디자인의 유형과 결과의 분석 및 해석을 다룹니다. 이 영역에 대한 지식 부족으로 DoE 사용이 중단 될 수 있습니다.
여기에 가장 명백한 것이 무엇인지에 대한 지식 부족을 극복하는 몇 가지 방법이 있습니다. 그러나 "훈련"과 "증가하는 통계적 지원"은 많은 수의 사이트와 동료가 관련되어 매우 비쌉니다. 그리고 기술의 사용을 강요하는 것은 우리 모두가 알고있는 것처럼 작동하지 않을 것입니다.
2 파일럿 플랜트에서 DoE 소개
유니레버는 DoE를 적용하는 과정을 단순화하기위한 경로를 선택했습니다. 이는 비용을 절감 할 수있는 옵션 일뿐만 아니라 수 많은 동료와 사람들이 일자리를 수시로 변경하는 Unilever에게는 지속 가능한 옵션 일 수도 있습니다.
그렇게하기 위해 우리는 실험 설계 및 그 분석을 설정하는 과정을 단순화하기 위해 특정 요구 사항을 설정했습니다.
우리는 가능한 한 통계 언어의 사용을 피하려고 노력했다. 우리는 디자인의 유형과 분석 기법에 관한 용어를 건너 뛰었지 만, 재판 후에 수확해야하는 정보와 재판 전에 사용자가 알고있는 지식에 초점을 맞 춥니 다.
통계 언어를 피하는 것이 항상 가능하지는 않기 때문에 (특히 데이터를 분석 할 때) 프로세스의 모든 단계에서 도움을 제공하도록 선택되었습니다.
3 Plyos 도구
이러한 단순화 된 프로세스를 성공적으로 수행하려면 필연적으로 간단하고 유용하며 사용하기 쉬운 소프트웨어 도구가 필요합니다.
우리는 그러한 도구를 개발했습니다. 이 도구는 "Plyos"라고 불리며, 물론 Unilever 전역에서 사용할 수 있습니다.
이 도구는 JMP에서 실행되며 원하는 정보 만 샘플링합니다. 응답 및 요인은 무엇입니까? 그리고 엄격하게 필요한 경우 추가 정보 만 샘플링합니다. 예를 들어 상호 작용을 디자인에 포함시킬 필요가 있는지 여부는 디자인에 상호 작용이 포함될 수있을 때만 제기됩니다.
모든 단계가 설명되고 가능한 결정이 사용자에게 전달됩니다. Unilever 지식에 따라 입력을 확인하고 개선 사항을 제안합니다.
마지막으로이 도구는 상황에 따라 무작위로 또는 차단 된 하나의 효과적인 디자인을 제공합니다.
또한이 도구는 응답 유형 및 요인 수에 따라 최소 수의 통계 기법을 사용하여 응답을 분석하고 개별 기술과 조합의 모든 기술을 어떻게 해석해야하는지 설명합니다.
4 Plyos 프로그램 흐름
주어진 예제를 사용하면 일부 스크린 샷을 제외하고 프로그램의 흐름에 대한 대략적인 아이디어를 얻을 수 있습니다. 일부 하이라이트 만 표시됩니다.
시작시 Plyos는 데이터 저장을위한 기본 폴더를 변경하는 옵션을 제공합니다. 도움을 받거나보다 자세한 설명서를 열 수 있습니다. 예제 파일을 사용하여 응용 프로그램을 테스트하는 옵션도 있습니다.
더 중요한 것은 물론 새로운 실험 세트를 디자인하거나 응답 데이터를 추가하고 이러한 결과를 분석하기 위해 기존 디자인을 여는 것입니다.
사용자가 새로운 디자인을 만들기 시작하면 도구는 나중에 나중에 평가판을 식별 할 수있는 세부 정보를 묻습니다. 그런 다음 사용자는 응답의 세부 정보를 입력해야하며 그 중 예제 화면이 제공됩니다. 여기서 요청하는 정보의 세부 사항은 JMP에서 디자인을 설정할 때 기대하는 것 이상입니다. 이 추가 정보는 일반적인 단일 레버 정보이며 최종 결과 디자인을 최적화하기 위해 백그라운드에서 사용됩니다. 예를 들어 Plyos는 서수 또는 명목 응답을 연속 응답으로 대체 할 수 있는지 여부를 묻습니다. 지속적인 응답은 분석하기가 쉽고 그 결과는 통계가가 아닌 사람들의 해석에 덜 문제가됩니다.
서로 다른 필드와 그 영향을 설명하는 별도의 도움말 화면이 제공됩니다.
이 응답 화면을 닫은 후에 프로세스의 다음 단계는 조사해야 할 요인을 비슷한 방식으로 처리합니다.
Plyos 지식 시스템이 사용자가 상호 작용을 포함 시킬지 여부와 같은 선택을해야한다고 결정하면 시스템은 질문을하고이 질문을 명확히하기 위해 도움을 제공합니다.
다음 단계 인 "결정 및 결과"는 Plyos의 강제 결정을 나타냅니다.
Plyos가 결정을 강요 한 경우 - 예를 들어 요인 수준을 제한해야하는 경우 - 선택할 수있는 옵션이있는 설명이있는 별도의 창이 표시됩니다.
모든 것이 채워지고 대답되면 무작위로 준비된 디자인이 제공됩니다.
도움말로 다시 지원되는이 JMP 데이터 테이블은 파일럿 플랜트의 테스트를위한 레서피로 직접 사용될 수 있습니다. 응답 결과를 채울 수 있으며 물론 나중에 처리하기 위해 테이블을 저장할 수 있습니다.
이 표는 제공된 정보와 일치하며 표준 DoE 프로세스 이후의 표준 JMP 데이터 표보다 자세합니다. 예를 들어, JMP DoE는 입력시 모든 범주 적 요인에 대해서만 명목상의 요인을 생성하지만, Plyos는 입력에 따라 순서 또는 명목으로 만듭니다.
응답 데이터를 올바르게 분석하지 않으면 실험 설계가 유용하지 않습니다.
주어진 예제에서 왼쪽 모델은 조사중인 모델에 대해 선택된 미리 정의 된 통계 기법을 보여주는 JMP 보고서 창을 볼 수 있으며 오른쪽에서 같은 기법에 대한 설명을 볼 수 있습니다.
설명은 실제로 분석에 사용되는 기술만을 보여주고 그 반대의 경우도 마찬가지입니다.
모델에 대한 일반적인 설명과 가장 중요한 가정과 함께 분석 기술에 대한 자세한 설명 (개별적으로 또는 조합으로)은 대부분의 상황에서 사용자가 통계에 대한 지식이 제한적 일지라도 데이터에서 견고하고 건전한 결론을 이끌어 내기에 충분해야합니다 .
5 디자인 문제
툴을 디자인하는 과정에서 우리는 몇 가지 문제에 직면했습니다. 일부는 큰 영향을 주었고 다른 일부는 작았습니다.
첫 번째 요소는 특정 요소의 조합에 필요한 디자인 유형을 다루며 같은 프로세스를 처음부터 다시 시작할 때 같은 디자인이 선택되는 그런 흐름을 만들 수 있습니까?
운 좋게도 우리는 목표 집단과 그들의 특정한 필요에 대해 꽤 전문적인 지식을 가지고있었습니다. 다른 상황은 요인의 수, 요인의 유형, (카테고리) 요인 당 레벨 수, 상호 작용 및 / 또는 비선형 성 및 기타 제약 조건을 포함할지 여부로 정의됩니다.
모든 정보는 데이터를 분석하는 방법에 대한 정보를 포함하는 대형 데이터 테이블에 저장됩니다.
개발 초기에는 주로 고전적인 디자인을 사용하기로 결정되었습니다. 이들은 이해하기 쉽고 반복 될 수 있습니다. 그러나 이러한 디자인은 특히 사용자가 JMP의 표준 DoE 대화 화면에 나타나지 않도록하려는 경우 코드 작성이 쉽지 않습니다.
따라서 대부분의 설계는 루프를 통해 스크립트에 하드 코딩되어 있습니다. 다른 것들은 데이터 테이블에 저장되고 필요할 때마다 사용됩니다.
디자인 창작 과정의 여러 단계에서 도움을 필요로하는 다양한 유형의 도움이 필요했습니다. 유지 보수를 쉽게하기 위해 텍스트를 스크립트에 너무 깊게 저장해서는 안됩니다.
우리는 스크립트를 포함하여 다양한 소스에 텍스트를 넣습니다. 그러나 대다수는 데이터 테이블과 저널에 저장됩니다. 특히, 많은 텍스트를 일지에 저장하고 텍스트의 일부분을 유연한 방법으로 표현하는 방법은 우리에게 큰 만족감을주었습니다.
또한 몇 가지 작은 문제가 발생합니다.
생성 된 특정 열 이름이 언어에 따라 달라졌습니다 (예 : "잔차"). 우리는 언어에 대한 간단한 솔루션과 테스트를 선택하고 필요한 경우 사용자에게 변경을 요청합니다.
일부 "플랫폼 기본 설정"은 분석 중에 데이터가 표시되는 방식을 변경합니다. 하드 코딩으로 극복 할 수없는 것도 있습니다. 일부 문제를 극복 할 방법을 찾지 못했기 때문에 경고문을 작성했습니다.
우리는 JMP9에서 2011 년에 개발을 시작했습니다. 나중에 JMP11이 소개되어 특정 루틴에 몇 가지 문제가 발생했습니다. 우리는 극복 할 버전 종속적 인 서브 루틴을 빌드합니다. 그러나 JMP9는 더 이상 사용할 수 없습니다.
6 공구 가용성 및 롤아웃
이 도구는 전체 유니레버 세계에 적용됩니다. 공유 드라이브를 통해 전달됩니다.
도구 사용은 도움말 및 포함 된 설명서를 통해 자명하지만 도구는 교육 프로그램의 일부이기도합니다.
이 교육 과정에서는 실험 디자인이나 복잡한 통계의 배경이 아니라 도구를 연습하고 디자인을 설정하는 데 필요한 사항에 중점을 둡니다. 훈련 도중 우리의 모토는 "시작하기 전에 열심히 생각하십시오."실제로 만델라 미스터의 말을 되풀이합니다.
이 사고 과정은 DoE 설정의 실제 프로세스보다 훨씬 중요합니다.
7 공구 사용법
Plyos는 2012 년부터 제공됩니다.
유니레버 전체 사업에이 도구를 사용하는 것은 20 개국 이상의 사용자와 500 명이 넘는 사용자를 대상으로합니다. 약 100 명의 사용자가 지난 2 ~ 3 년 동안 600 건의 관련 사례 중 몇 가지를 작성했습니다. Plyos는 유효하고 유용한 디자인을 가져 오는이 경우의 약 95 %에서 적용되는 것으로 보입니다. 이 경우 약 5 %의 통계 학자 입력이 필요했습니다.
그러나 한 가지 중요한 점은 모든 측면을 고위 경영진이 주도하고 지원해야한다는 것입니다. 이러한 지원이 없으면 도구의 사용 - 따라서 DoE의 적용 -이 감소 할 위험이 높습니다. 우리는이 지원을받는 것이 매우 행운입니다.
8 결론
특히 도구의 설계자로서 견고한 결론을 내리기는 어렵습니다.
그러나 우리가 방금 본 통계와 우리가받은 의견과 질문을 여전히 사용자로부터 받으면서 나는 우리가 실험 설계를 설정하는 과정을 단순화하는데 성공했다고 생각합니다.
물론 파일럿 플랜트에서 작업 할 때마다 사용자가 실험 설계를 작성하는 데 집중할 수 있도록 최선을 다해야합니다. 우리는 부분적으로 경영진의 도움을 받지만 필요에 따라 통계 전문가의 헌신적 인 도움을 제공합니다.
또한 도구 자체는 증가하는 사용자 요구에 맞추기 위해 정기적으로 업데이트해야합니다.
또한 "시작하기 전에 생각하기"에 중점을 두는 것이 유익한 것으로 나타났습니다. 사용자는 조사하고 싶은 것을 더 잘 알고 있으며 통계 학자의 도움없이 Plyos를 유용한 도구로 간주합니다.
9 팀 및 폐쇄
마침내 저는이 개발이 훌륭한 팀 없이는 불가능했을 것이라고 강조하고 싶습니다.
Winfried Theis는 Unilever가 도구가 작성되기 훨씬 전에 불행하게도 떠났습니다.
기술 지원을위한 Quadt Consultancy의 Frits Quadt와 스크립팅을위한 Octoplus Information Solutions의 Hans de Roos와 같은 다른 두 사람은 여전히 우리 팀에 있습니다.
물론 많은 사람들이 Plyos가 전 세계적으로 퍼져 나갈 수있는 배경에 관련되어 왔습니다. 그들의 도움이 있었고 크게 감사합니다.
피터 반 브루 겐
통계 학자
Unilever Research & Development, Vlaardingen, 네덜란드
peter-van.bruggen@unilever.com
