実験とデータ分析の失敗から学ぶ - パート 1: シナリオ
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.データ分析の間違いを避けるのに役立つことを願っています。私は長年エンジニアとして働いてきました。 その過程で、多くのテストが実行され、データを分析するさまざまな方法を見てきました。 認めたいと思うことの方が多いのですが、私は仕事で 1 つまたは複数のミスを犯したチームに所属してきました。 最終的な結果は、会社にとって時間とお金のコストでした。
私の過ちから学びたいと思う読者もいるだろうと思ったので、仕事で遭遇したさまざまな問題を具現化する架空のシナリオを思いつきました。
私のシナリオは機械工学の例ですが、単純で一般的なので、特定の分野に簡単に変換できます。 このシナリオについては、このブログ投稿と今後のブログ投稿で説明します。
シナリオ
製品強度の向上に努めています。 私たちは、強度を改善すると信じている治療「A」を特定しました。 私たちの経営陣は、生産の変更を実施する前にそれを証明することを望んでいます。
処理Aで3つのサンプルを作成し、それぞれの強度を測定します。 また、3 つの標準 (またはコントロール) サンプルを収集し、それぞれの強度を測定します。 データは次のとおりです。
での Fit Y by X プラットフォームの使用JMP (以下を参照)、処理 A のサンプルの平均強度は、コントロールよりもわずかに高いことがわかります。 ただし、t 検定では、治療 A の母集団平均が対照群の母集団平均と異なるとは (95% の信頼度で) 言えません。 テストを中止し、製品の強度を向上させる別の方法を探し始めます。
これは、結果が解釈しやすい単純なテストのように見えますが、上記のシナリオでは誤りがあり、完全に優れたソリューションを破棄している可能性があると私は主張します。
彼らは何だと思いますか？お楽しみに私の次の投稿のこのシリーズ、約1週間で到着！
したがって、統計とデータ分析は初めてです。 上司から、新しいプロセスが製品に役立つかどうかを判断するように求められました。 あなたは統計について少し知っており、t 検定を使用する必要があることを知っています。 しかし、データを収集して分析を実行するだけでは、必ずしも単純ではありません。 このブログ シリーズでは、私が 40 年近くのエンジニアリングで犯してきた過ちから学ぶことができます。
Re: 実験とデータ分析の失敗から学ぶ - パート 1: シナリオわかりました...もう 1 つ...私は新製品開発チームの統計学者であり、チームの作業に関連する DOE に関するすべてのことを担当していました。 通常、チーム ミーティングでの実験に関連するすべてのロジスティクスに関する議論を含めて、実験を設計します。 次に、チームのサブセットが自分で実験を実行するか、場合によっては実際に実験を実施するために、(計画には関与していない) 関係のないグループに設計 (通常は私の JMP データ テーブル) を渡します。
実際に実験を行っている人々は、無作為化などを無視することが 1 回ならずありました (うーん...私が実際にこの実験を行っているとき、一晩中 8 時間にわたって低温と高温を切り替えるのは苦痛です...すべての安値を一緒に実行してから、すべての高値を実行します...何が痛いのですか？ さらに、実行ごとに温度が平衡化するのを待つ必要がないため、生産性が向上します。)
または、特定の要因にレベルを使用しないように自分で決めてください。「まあ、私が実験を行うたびに、彼らはこれらのレベルを使用しています...彼らはスプレッドシートで間違いを犯したに違いない」.
または、何かがうまくいかない...サプライヤーからの原材料のバッグが使用できないと判断された場合...そのため、たまたま保管室にある別のサプライヤーの「同一の」ものに変更されます。 「彼らが知らないことは彼らを傷つけません。」
そして、あらゆる種類の「改善」を繰り返します。
私はあなたがいくつかの他のものを補うことができるに違いない？
したがって、この種の手続き上の失敗モードが発生しないようにする最善の方法は、実験の実施中に物理的にその場にいて観察することを主張することであることがすぐにわかりました...そしておそらく手を貸すことさえありました. 通常、私は技術者がこの種の関心を非常に歓迎し、彼らの仕事を手伝ってくれていることに気づきました。 さらに、実際に「現場に行く」ことで、彼らの仕事やプロセスについて多くのことを学ぶことができました。 大まかに翻訳すると、「作業が行われている場所を見に行く」という無駄のない概念です。 確かにそれは夜更かしすることを意味していました...墓地のシフトなどに関する実験を実行していました...しかし、一日の終わりに、これが私たちのプロジェクトを実行する最良の方法であると確信しました。
Re: 実験とデータ分析の失敗から学ぶ - パート 1: シナリオ素晴らしい@ピーター_バーテル!これはよくある間違いの 1 つです。これについては、今後の投稿で詳しく説明します。どんどんアイデアを出してください！
Re: 実験とデータ分析の失敗から学ぶ - パート 1: シナリオ測定システムの変動について私たちは何を知っていますか? おそらく、変動の多くは測定システムによるものであり、2 つの母集団の特性の違いではありません。それぞれの問題について、真の未知の母集団値を区別しています。
