Una dichiarazione statistica imbarazzante: n. 2 di una serieGrazie ancora a tutti coloro che hanno partecipato al mio primo argomento di discussione "imbarazzante" . Discussione molto interessante.
punti sono stati contribuiti! Ho pubblicato un post sul blog sul perché mi sento a disagio quando sento questa prima affermazione.
Ecco un secondo scenario e una seconda affermazione che mi fanno rabbrividire:
Un'azienda ha riscontrato un problema di resa su una linea di produzione. L'ipotesi di lavoro era che il problema fosse dovuto a una differenza nei sottoassiemi ricevuti da due fornitori diversi. A un ingegnere viene chiesto di eseguire un t-test, il cui valore p risulta pari a 0,001. Il responsabile esclama immediatamente: "La significatività è superiore al 95%! Bisogna capire perché sono diversi. Dobbiamo convincere questi due fornitori a fornire gli stessi componenti!".
Cosa c'è di sbagliato nel modo di pensare del manager?
JMP #Imbarazzante
Modellazione statistica avanzataRicerca sui consumatori e di mercatoIngegneria della qualità e dei processiRi: Una dichiarazione statistica degna di nota: n. 2 di una serieGrazie per la risposta, @MarkDayton .Sì, il mio pensiero quando ho scritto questa affermazione è stato quello di sottolineare che le persone saltano a un risultato "Significativamente diverso" senza pensare a cosa significhi, se è importante, ecc.
Ri: Una dichiarazione statistica degna di nota: n. 2 di una serie
Forse mi manca qualcosa, sembra che il gestore stia equiparando rendimenti significativamente diversi con i sottoassiemi diversi. Come è stato sottolineato, ci sono molti fattori che influenzano la resa che non hanno nulla a che fare con la forma, l'adattamento o le differenze funzionali negli assemblaggi.
Ri: Una dichiarazione statistica degna di nota: n. 2 di una serieGrazie a tutti coloro che hanno risposto a questo thread di discussione.(E se lo stai vedendo solo ora, sentiti libero di continuare la discussione!)
Se sei interessato alla mia opinione sul perché rabbrividisco quando sento cose del genere, vedi il mio ultimo post sul blog .
E se ti è piaciuto questo, dai un'occhiata la mia terza discussione sulla dichiarazione "cringeworthy". !
Ri: Una dichiarazione statistica degna di nota: n. 2 di una serieOttimo punto, @markschwab !Grazie per la risposta!
Ri: Una dichiarazione statistica degna di nota: n. 2 di una serieDovrebbero cercare di escludere i fattori confondenti: se i prodotti elaborati nel Subassembly A di solito vengono elaborati tramite la Macchina X e i prodotti elaborati nel Subassembly B solitamente vengono elaborati tramite la Macchina Y, il driver effettivo potrebbe essere che la Macchina X e la Macchina Y non corrispondono.
Senza un campionamento adeguatamente controllato, che verifichi il sottoinsieme A e il sottoinsieme B con tutti gli altri fattori identici (o, in mancanza di ciò, almeno con eventuali differenze adeguatamente contabilizzate e sottratte) sarebbe prematuro concludere che i sottoassiemi sono i fattori trainanti.
Ri: Una dichiarazione statistica degna di nota: n. 2 di una serieRisposta premurosa, @ih !Grazie!
Ri: Una dichiarazione statistica degna di nota: n. 2 di una seriePenso che ci siano delle buone notizie qui: chiaramente il manager e il team sono interessati a lasciare che i dati li aiutino a prendere decisioni.Con un po' di coaching forse possono fare qualche domanda in più e avere un impatto positivo sul loro processo.Hanno stabilito che le parti sono diverse: chiedere al manager "a quale dovremmo standardizzare" potrebbe essere tutto ciò che serve per richiedere una valutazione più approfondita:
- La resa è migliore da un fornitore piuttosto che dall'altro?In tal caso, cosa c'è di diverso in modo da poter standardizzare sulla parte migliore.
- La resa migliora nelle campagne di un singolo fornitore? Ci sono processi o sistemi che devono essere adattati in base al fornitore?
- Le persone sulla linea di produzione possono distinguere tra le parti?Cosa pensano di diverso in loro e perché è importante?
Ri: Una dichiarazione statistica degna di nota: n. 2 di una serieSempre bello sentire il tuo punto di vista, @P_Bartell !Falli venire!
Ri: Una dichiarazione statistica degna di nota: n. 2 di una seriePunti eccellenti @statman !mi fa piacere leggere le tue risposte!
Ri: Una dichiarazione statistica degna di nota: n. 2 di una serieGrazie @Craige_Hales !Sono contento che ti piaccia la discussione.(Certo che lo sono!)
Ri: Una dichiarazione statistica degna di nota: n. 2 di una serieMi sto godendo questa discussione e sto imparando qualcosa. Grazie a tutti i contributori!
(Mi è piaciuto il post sul blog... la parte delle fiale... l'ho messo insieme per me.)
Ri: Una dichiarazione statistica degna di nota: n. 2 di una serieLascerò che il resto del gruppo discuta i problemi statistici associati alla dichiarazione del Direttore.
Simile al pensiero di Pete, ecco i miei pensieri:
1. Come viene misurata la resa? Il sistema di misurazione è adeguato? Cosa sta effettivamente fallendo? Qual è il rendimento? Il "problema" con la resa è costante, raro o modellato?
2. Il rendimento è una misura terribile se stai cercando di comprendere i meccanismi di fallimento o la struttura causale. Può essere troppo aggregato per arrivare alle questioni fondamentali.
3. Non vedo un'ipotesi? Non vi è alcuna spiegazione del PERCHÉ vi siano differenze nei sottoassiemi forniti, né del motivo per cui tali differenze influirebbero sul rendimento.
4. t-test di cosa? Quali confronti, in quale periodo di tempo, quali campioni... ecc.?
Una delle mie citazioni preferite del Dr. Deming:
“L'analisi della varianza, il t-test, gli intervalli di confidenza e altre tecniche statistiche insegnate nei libri, per quanto interessanti, sono inappropriate perché non forniscono alcuna base per la previsione e perché seppelliscono le informazioni contenute nell'ordine di produzione. La maggior parte, se non tutti i pacchetti informatici per l'analisi dei dati, come vengono chiamati, forniscono flagranti esempi di inefficienza.
Deming, W. Edwards (1975), Sulla probabilità come base per l'azione. Lo statistico americano , 29(4), 1975, pag. 146-152
Ma dirò, quando hai problemi, (parafraserò da Brian Joiner e aggiungerò l'ultimo punto), puoi:
1. Migliorare il sistema,
2. Distorcere il sistema,
3. Distorcere i dati, o
4. Incolpare qualcuno.
Ri: Una dichiarazione statistica degna di nota: n. 2 di una serieQuesto è così familiare. Il mio ultimo ballo alla Eastman Kodak Company è stato come responsabile della qualità dei fornitori. Ecco alcune riflessioni...
Se il problema è il rendimento, qual è la relazione funzionale pratica tra i sottoassiemi e il rendimento? Il materiale di un fornitore è più problematico rispetto alla resa? Quali sono le specifiche che sono state comunicate ai fornitori? Sono identici? Il fatto che i sottoassiemi POSSONO essere diversi rende uno o entrambi problematici rispetto alla resa? Al momento è una '...ipotesi di lavoro...'. Su quali basi è stata stabilita questa ipotesi di lavoro? Ho visto tutti questi:
UN. Leggenda manifatturiera urbana.
B. Perché lo dice Giovanni.
C. Abbiamo riscontrato questo problema di rendimento l'anno scorso... si è scoperto che era colpa del fornitore.
D. Abbiamo eseguito un esperimento progettato che è stato confermato attraverso uno studio successivo.
