Lee Laim affirme que l'expertise du domaine et les approches statistiques se complètent chez Micron. Lee Laim a commencé sa carrière chez Micron Technology il y a plus de 14 ans. Commençant en tant qu'ingénieur de rendement des semi-conducteurs, il a travaillé pour surveiller la fiabilité et les rendements post-assemblage sur la production de produits de mémoire dynamique à accès aléatoire (DRAM), signaler les écarts de processus limitant le rendement et effectuer la caractérisation électrique et l'isolation des défauts. Adoptant très tôt les statistiques industrielles, Lee a rapidement gravi les échelons pour devenir responsable de l'innovation.
Aujourd'hui, il est responsable de la mise en œuvre de la vision analytique de l'entreprise via des initiatives Industrie 4.0 qui entraînent des améliorations de la qualité et des économies de coûts à chaque étape du workflow de fabrication .
Bien qu'il ait une formation en ingénierie des semi-conducteurs et en spectroscopie, Lee est devenu un adepte de l'analyse statistique, de l'exploration de données et de l'apprentissage automatique - qui, selon lui, complètent l'expertise du domaine chez Micron.
Je me suis assis pour parler avec @leelaim sur le rôle qu'il a joué chez Micron en préconisant le déploiement d'approches statistiques.
Meg : Vous avez d'abord rejoint Micron en tant qu'ingénieur de rendement, probablement avec peu d'expérience dans les statistiques industrielles – du moins en comparaison ! Mais 14 ans plus tard, vous occupez un poste entièrement consacré à la transformation de l'analytique et à l'Industrie 4.0. Comment diriez-vous que votre enthousiasme pour l'analyse a façonné votre cheminement de carrière jusqu'à présent ?
Li : La quantité de données que nous collectons nécessite une innovation constante dans le stockage, la récupération et l'analyse des données. J'ai l'impression que mon rôle actuel de responsable de l'innovation est le résultat direct de l'attention constante portée à la connexion des données aux besoins de l'entreprise dans mes rôles précédents. Savoir comment les données sont générées, collectées et stockées représente un tiers de la bataille ; un autre tiers est de savoir comment accéder, affiner et interpréter les données ; et le dernier tiers est de pouvoir partager les informations avec le réseau plus large.
Meg : Quel avantage de tracer une ligne directe entre les données et les besoins de l'entreprise. C'est vraiment l'essence même de la culture analytique : amener les gens à réfléchir à la manière dont ils peuvent utiliser les données pour résoudre les problèmes de l'entreprise. Quels types de succès vous ont aidé à maintenir l'élan de ce type de réflexion ?
Li : Les améliorations apportées à la simplification de l'accessibilité des données pour un plus grand nombre d'utilisateurs grâce aux API ont facilité le démarrage des idées et leur mise en production.
Meg : Quel est l'intérêt d'avoir une main-d'œuvre d'ingénieurs et de scientifiques qui, en plus d'être des experts du domaine, ont également des connaissances statistiques ? JMP a-t-il changé d'une manière ou d'une autre la manière dont les experts du domaine chez Micron appliquent leurs connaissances et leurs compétences ?
Li : L'expertise du domaine et les approches statistiques se complètent chez Micron. Les experts du domaine auront toujours le dessus dans la pensée abstraite, tandis que l'ordinateur est sans égal dans sa capacité à traiter d'énormes quantités de données. JMP est une plate-forme qui permet à nos experts du domaine de coder leurs idées pour les déployer sur de grands ensembles de données, ce qui permet d'avoir un impact plus important en moins de temps.
Meg : JMP offre de nombreuses ressources différentes pour apprendre et interagir avec d'autres utilisateurs. Je pense à des choses comme le programme Early Adopter et Sommet Découverte . D'après votre expérience, quelle valeur retirez-vous de votre participation à ces types de programmes ?
Li : Avec le Adopteur précoce programme, nous découvrons les nouvelles fonctionnalités des prochaines versions. Nous découvrons également différentes manières d'utiliser les plates-formes existantes. Par exemple, l'utilisation d'images comme marqueurs dans le générateur de graphiques fournit une dimension intuitive à l'analyse.
Meg : Quels conseils donneriez-vous à quelqu'un qui souhaite cultiver une culture analytique plus mature dans son organisation ?
Li : La vision analytique doit être pilotée par le haut. L'alignement des plates-formes, des méthodes et de la formation permet des cycles de développement plus rapides.
Meg : Que diriez-vous d'un conseil pour quelqu'un qui débute avec JMP ?
Li : Il faut un certain temps pour comprendre comment les différents types de données affectent les différentes plates-formes analytiques. Une fois les types de données compris, utilisez l'index de script et de statistiques pour apprendre et appliquer l'analyse à vos ensembles de données.
Développez l'excellence analytique dans votre organisation. Trouver comment: jmp.com/avocat
