Lee Laim afferma che l'esperienza nel settore e gli approcci statistici si completano a vicenda in Micron. Lee Laim ha iniziato la sua carriera in Micron Technology più di 14 anni fa. Iniziando come ingegnere della resa dei semiconduttori, ha lavorato per monitorare l'affidabilità e le rese post-assemblaggio sulla produzione di prodotti DRAM (Dynamic Random Access Memory), contrassegnare le deviazioni del processo di limitazione della resa ed eseguire la caratterizzazione elettrica e l'isolamento dei guasti. Abbracciando presto le statistiche industriali, Lee è rapidamente salito di grado fino a diventare Innovation Manager.
Oggi è responsabile dell'implementazione della visione analitica dell'azienda tramite iniziative Industry 4.0 che promuovono miglioramenti della qualità e risparmi sui costi in ogni fase del flusso di lavoro di produzione .
Sebbene il suo background sia nell'ingegneria dei semiconduttori e nella spettroscopia, Lee è diventato abile nell'analisi statistica, nel data mining e nell'apprendimento automatico, tutti elementi che, secondo lui, completano l'esperienza nel settore di Micron.
Mi sono seduto per parlare con @leelaim sul ruolo che ha svolto in Micron nel sostenere l'implementazione di approcci statistici.
Meg: Ti sei unito a Micron per la prima volta come ingegnere dei rendimenti, probabilmente con poca esperienza in statistica industriale, almeno comparativamente parlando! Ma avanzi rapidamente di 14 anni e ricoprirai un ruolo interamente dedicato alla trasformazione dell'analisi e all'Industria 4.0. Come diresti che il tuo entusiasmo per l'analisi ha plasmato il tuo percorso professionale finora?
Lee: La quantità di dati che raccogliamo richiede una costante innovazione nell'archiviazione, nel recupero e nell'analisi dei dati. Sento che il mio attuale ruolo di Innovation Manager è il risultato diretto dell'attenzione incessante sulla connessione dei dati alle esigenze aziendali nei miei ruoli precedenti. Sapere come vengono generati, raccolti e archiviati i dati è un terzo della battaglia; un altro terzo è sapere come accedere, raffinare e interpretare i dati; e l'ultimo terzo è la possibilità di condividere le informazioni con la rete più ampia.
Meg: Che grande vantaggio nel tracciare una linea diretta tra i dati e le esigenze aziendali: questa è davvero l'essenza della cultura dell'analisi: indurre le persone a pensare a come possono utilizzare i dati per risolvere le sfide aziendali. Quali tipi di successi ti hanno aiutato a mantenere lo slancio per questo tipo di pensiero?
Lee: I miglioramenti relativi alla semplificazione dell'accessibilità dei dati per più utenti tramite le API hanno reso più facile far partire le idee e metterle in produzione.
Meg: Qual è il valore di avere una forza lavoro di ingegneri e scienziati che, oltre ad essere esperti di dominio, sono anche statisticamente alfabetizzati? JMP ha in qualche modo cambiato il modo in cui gli esperti di dominio di Micron applicano le loro conoscenze e competenze?
Lee: Le competenze nel settore e gli approcci statistici si completano a vicenda in Micron. Gli esperti di dominio avranno sempre il sopravvento nel pensiero astratto, mentre il computer non ha rivali nella sua capacità di sfornare enormi quantità di dati. JMP è una piattaforma che consente ai nostri esperti di dominio di codificare le proprie informazioni per l'implementazione su set di dati di grandi dimensioni, ottenendo un maggiore impatto in meno tempo.
Meg: JMP offre risorse molto diverse per l'apprendimento e il coinvolgimento con altri utenti: sto pensando a cose come il programma Early Adopter e Vertice di scoperta . Nella tua esperienza, che valore ottieni dalla partecipazione a questo tipo di programmi?
Lee: Con il Primi adottanti programma, impariamo a conoscere le nuove funzionalità nelle prossime versioni. Possiamo anche vedere diversi modi di utilizzare le piattaforme esistenti. Ad esempio, l'utilizzo di immagini come indicatori nel Generatore di grafici fornisce una dimensione intuitiva all'analisi.
Meg: Che consiglio daresti a qualcuno che cerca di coltivare una cultura dell'analisi più matura nella propria organizzazione?
Lee: La visione analitica deve essere guidata dall'alto. L'allineamento di piattaforme, metodi e formazione consente cicli di sviluppo più rapidi.
Meg: Che ne dici di un consiglio per qualcuno che ha appena iniziato con JMP?
Lee: Ci vuole del tempo per capire in che modo i diversi tipi di dati influiscono sulle diverse piattaforme analitiche. Una volta compresi i tipi di dati, utilizza l'indice di script e statistiche per apprendere e applicare l'analisi ai tuoi set di dati.
Costruisci l'eccellenza analitica nella tua organizzazione. Scopri come: jmp.com/advocate
