Imparare dai miei errori negli esperimenti e nell'analisi dei dati - Parte 1: Lo scenario
I hope to help you avoid some mistakes in data analysis.I hope to help you avoid some mistakes in data analysis.I hope to help you avoid some mistakes in data analysis.I hope to help you avoid some mistakes in data analysis.Spero di aiutarti a evitare alcuni errori nell'analisi dei dati. Sono un ingegnere praticante ormai da molti anni. Lungo il percorso, ho visto eseguire molti test e molti modi diversi di analizzare i dati. Più spesso di quanto mi preme ammettere, ho fatto parte di team che hanno commesso uno o più errori sul lavoro. Il risultato finale è stato un costo per l’azienda in tempo e denaro.
Ho pensato che ad alcuni lettori sarebbe piaciuto imparare dai miei errori, quindi ho ideato uno scenario fittizio che incarna i vari problemi che ho incontrato nel mio lavoro.
Sebbene il mio scenario sia un esempio di ingegneria meccanica, è allo stesso tempo semplice e abbastanza generico da poter essere facilmente tradotto nella tua particolare disciplina. Esploreremo questo scenario in questo e nei prossimi post del blog.
Lo scenario
Stiamo cercando di migliorare la forza di un prodotto. Abbiamo identificato un trattamento “A” che riteniamo migliorerà la forza. Il nostro management vuole che lo dimostriamo prima di implementare il cambiamento nella produzione.
Creiamo tre campioni con il trattamento A e misuriamo la forza di ciascuno. Raccogliamo anche tre campioni standard (o controllo) e misuriamo la forza di ciascuno. Ecco i dati:
Utilizzando la piattaforma Adatta Y per X in JMP (vedi sotto), troviamo che la forza media del campione del Trattamento A è leggermente superiore a quella del Controllo. Tuttavia, il test t dice che non possiamo dire (con una confidenza del 95%) che la media della popolazione del Trattamento A sarà diversa dalla media della popolazione del Controllo. Interrompiamo il test e iniziamo a cercare un altro modo per migliorare la resistenza del prodotto.
Sembra un test semplice con risultati semplici da interpretare, ma sostengo che nello scenario sopra riportato vengono commessi degli errori e che potremmo buttare via una soluzione perfettamente valida.
Cosa pensi che potrebbero essere?Resta sintonizzato per il mio prossimo post In questa serie , in arrivo tra circa una settimana!
Quindi sei nuovo nel campo delle statistiche e dell'analisi dei dati. Il capo ti chiede di determinare se un nuovo processo aiuterà il tuo prodotto. Conosci qualcosa di statistica e sai che dovrebbe essere utilizzato un test t. Ma non è sempre così semplice raccogliere i dati ed eseguire l'analisi! In questa serie di blog potrai imparare da alcuni degli errori che ho visto commessi nei miei quasi 40 anni di ingegneria.
Re: Imparare dai miei errori negli esperimenti e nell'analisi dei dati - Parte 1: Lo scenarioOK... ancora uno... Spesso ero lo statistico di un team di sviluppo di nuovi prodotti ed ero la risorsa "vai anche io" per tutte le cose relative al DOE relative al lavoro del team. Di solito progettiamo i nostri esperimenti includendo una discussione di tutte le questioni logistiche associate all'esperimento nelle riunioni del team. Quindi un sottoinsieme del team avrebbe il compito di eseguire l'esperimento da solo, o talvolta di consegnare il progetto (la mia tabella di dati JMP di solito su un pezzo di carta) a un gruppo di persone non coinvolte (nella pianificazione) per condurre effettivamente l'esperimento.
In più di un'occasione le persone che stavano effettivamente conducendo l'esperimento avrebbero ignorato cose come la randomizzazione (Accidenti... è una seccatura passare dalla temperatura bassa a quella alta per le prossime 8 ore durante la notte mentre sto effettivamente eseguendo questo esperimento... Io' Correrò tutti i bassi insieme, poi tutti gli alti... Cosa può far male? Inoltre sarò più produttivo perché non devo aspettare che le temperature si equilibrino da una corsa all'altra.)
Oppure assumersi la responsabilità di NON utilizzare i livelli per un fattore specifico perché, "Beh, ogni volta che eseguo un esperimento per queste persone, usano questi livelli... devono aver commesso un errore sul foglio di calcolo".
Oppure qualcosa va storto... ad esempio un sacchetto di materie prime di un fornitore viene ritenuto non utilizzabile... quindi viene sostituito con materiale "identico" di un fornitore diverso che si trova nel magazzino. "Ciò che non sanno non li farà male."
E così via con tutti i tipi di "miglioramenti".
Scommetto che puoi inventarne altri?
Quindi ho imparato abbastanza rapidamente che il modo migliore per assicurarsi che questo tipo di modalità di fallimento procedurale non si verificassero era insistere per essere fisicamente presenti durante lo svolgimento dell'esperimento per osservare... e magari anche dare una mano. Di solito ho trovato i tecnici molto accoglienti verso questo tipo di interesse e di aiuto nel loro lavoro. Inoltre ho imparato molto sul loro lavoro e sui nostri processi andando effettivamente a Gemba. Un concetto snello che, tradotto in modo approssimativo, significa 'vai a vedere dove viene svolto il lavoro'. Certo, ciò significava fare tardi la sera... fare esperimenti durante il turno di notte e tutto il resto... ma alla fine eravamo convinti che questo fosse il modo migliore per portare avanti i nostri progetti.
Re: Imparare dai miei errori negli esperimenti e nell'analisi dei dati - Parte 1: Lo scenarioEccellente @Peter_Bartell !Questo è uno degli errori comunemente commessi.Ne parlerò meglio in un prossimo post.Continua ad arrivare con le idee!
Re: Imparare dai miei errori negli esperimenti e nell'analisi dei dati - Parte 1: Lo scenarioCosa sappiamo della variazione del sistema di misura? Forse gran parte della variazione è dovuta al sistema di misurazione e NON a una differenza nelle proprietà delle due popolazioni... rendendo problematico distinguere i valori reali ma sconosciuti della popolazione per ciascuna.
