Lee Laim says domain expertise and statistical approaches complement each other at Micron. Lee Laim affirme que l'expertise du domaine et les approches statistiques se complètent chez Micron. Lee Laim a débuté sa carrière chez Micron Technology il y a plus de 14 ans. En tant qu'ingénieur de rendement des semi-conducteurs, il a travaillé à la surveillance de la fiabilité et des rendements post-assemblage lors de la production de produits de mémoire vive dynamique (DRAM), à la signalisation des écarts de processus limitant le rendement et à la caractérisation électrique et à l'isolation des défauts. Ayant adopté 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 de l'Industrie 4.0 qui génèrent des améliorations de la qualité et des économies de coûts à chaque étape du flux de fabrication .
Bien qu'il ait une formation en ingénierie des semi-conducteurs et en spectroscopie, Lee est devenu un expert en analyse statistique, en exploration de données et en apprentissage automatique, autant de domaines qui, selon lui, complètent l'expertise du domaine chez Micron.
Je me suis assis pour discuter avec @leelaim du rôle qu'il a joué chez Micron dans la promotion du déploiement d'approches statistiques.
Meg : Vous avez rejoint Micron en tant qu'ingénieure de rendement, sans avoir beaucoup d'expérience en 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'analytique a façonné votre parcours professionnel jusqu'à présent ?
Lee : 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 incessante que j’ai portée à la connexion des données aux besoins de l’entreprise dans mes fonctions précédentes. Savoir comment les données sont générées, collectées et stockées représente un tiers de la bataille ; un autre tiers consiste à savoir comment accéder aux données, les affiner et les interpréter ; et le dernier tiers consiste à pouvoir partager les informations avec le réseau plus large.
Meg : Quelle bonne idée d’établir un lien direct entre les données et les besoins de l’entreprise. C’est 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 réussites vous ont aidé à maintenir l’élan pour ce type de réflexion ?
Lee : Les améliorations visant à simplifier l’accessibilité des données pour un plus grand nombre d’utilisateurs via les API ont facilité la concrétisation des idées et leur mise en production.
Meg : Quel est l'intérêt d'avoir une équipe d'ingénieurs et de scientifiques qui, en plus d'être des experts du domaine, sont également compétents en statistique ? JMP a-t-il changé d'une manière ou d'une autre la façon dont les experts du domaine chez Micron appliquent leurs connaissances et leurs compétences ?
Lee : L’expertise du domaine et les approches statistiques se complètent chez Micron. Les experts du domaine auront toujours l’avantage dans la pensée abstraite, tandis que l’ordinateur est sans égal dans sa capacité à traiter des quantités massives de données. JMP est une plateforme qui permet à nos experts du domaine de coder leurs connaissances pour les déployer sur de grands ensembles de données, ce qui conduit à un impact plus important en moins de temps.
Meg : JMP propose de nombreuses ressources différentes pour apprendre et interagir avec d’autres utilisateurs. Je pense notamment au programme Early Adopter et au Discovery Summit . D’après votre expérience, quelle valeur retirez-vous de votre participation à ce type de programmes ?
Lee : Avec le programme Early Adopter , nous découvrons les nouvelles fonctionnalités des prochaines versions. Nous découvrons également différentes façons d'utiliser les plateformes existantes. Par exemple, l'utilisation d'images comme marqueurs dans Graph Builder apporte une dimension intuitive aux analyses.
Meg : Quels conseils donneriez-vous à quelqu’un qui cherche à cultiver une culture d’analyse plus mature au sein de son organisation ?
Lee : La vision analytique doit être impulsée par le haut. L'alignement des plateformes, des méthodes et de la formation permet des cycles de développement plus rapides.
Meg : Que dirais-tu de conseils pour quelqu'un qui débute avec JMP ?
Lee : Il faut un certain temps pour comprendre comment les différents types de données affectent les différentes plateformes d'analyse. Une fois les types de données compris, utilisez l'index de scripts et de statistiques pour apprendre et appliquer des analyses à vos ensembles de données.
Développez l'excellence analytique dans votre organisation. Découvrez comment : jmp.com/advocate
