Lee Laim says domain expertise and statistical approaches complement each other at Micron. Lee Laim afferma che la competenza di 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 di rendimento dei semiconduttori, ha lavorato per monitorare l'affidabilità e i rendimenti post-assemblaggio nella produzione di prodotti di memoria ad accesso casuale dinamica (DRAM), contrassegnare le deviazioni di processo che limitano il rendimento ed eseguire la caratterizzazione elettrica e l'isolamento dei guasti. Abbracciando le statistiche industriali fin dall'inizio, Lee ha rapidamente scalato i ranghi fino a diventare Innovation Manager.
Oggi è responsabile dell'implementazione della visione analitica dell'azienda attraverso iniziative di Industria 4.0 che promuovono miglioramenti della qualità e risparmi sui costi in ogni fase del flusso di lavoro produttivo .
Sebbene il suo background sia in ingegneria dei semiconduttori e spettroscopia, Lee è diventato esperto in analisi statistica, data mining e apprendimento automatico, tutti ambiti che, a suo dire, completano le competenze specialistiche di Micron.
Mi sono seduto a parlare con @leelaim del ruolo che ha svolto in Micron nel sostenere l'implementazione di approcci statistici.
Meg: Inizialmente sei entrata in Micron come yield engineer, probabilmente senza molta esperienza in statistica industriale, almeno relativamente parlando! Ma dopo 14 anni, ti ritrovi in un ruolo interamente dedicato alla trasformazione dell'analisi e all'Industria 4.0. In che modo diresti che il tuo entusiasmo per l'analisi ha plasmato il tuo percorso di carriera finora?
Lee: La quantità di dati che raccogliamo richiede un'innovazione costante nell'archiviazione, nel recupero e nell'analisi dei dati. Ritengo che il mio attuale ruolo di Innovation Manager sia il risultato diretto di un'attenzione incessante nel collegare i dati alle esigenze aziendali nei miei ruoli precedenti. Sapere come i dati vengono generati, raccolti e archiviati è un terzo della battaglia; un altro terzo è sapere come accedere, perfezionare e interpretare i dati; e l'ultimo terzo è essere in grado di condividere le informazioni con la rete più ampia.
Meg: Che bel punto sul tracciare una linea diretta tra dati ed esigenze aziendali: è proprio questa l'essenza della cultura dell'analisi: far riflettere le persone su come possono usare i dati per risolvere le sfide aziendali. Che tipo di successi ti hanno aiutato a mantenere lo slancio per questo tipo di pensiero?
Lee: I miglioramenti volti a semplificare l'accessibilità dei dati per un maggior numero di utenti tramite API hanno semplificato l'avvio delle idee e la loro messa in produzione.
Meg: Qual è il valore di avere una forza lavoro di ingegneri e scienziati che, oltre a essere esperti di dominio, sono anche alfabetizzati in statistica? JMP ha in qualche modo cambiato il modo in cui gli esperti di dominio di Micron applicano le loro conoscenze e competenze?
Lee: Competenza di dominio e approcci statistici si completano a vicenda in Micron. Gli esperti di dominio avranno sempre la meglio nel pensiero astratto, mentre il computer non ha rivali nella sua capacità di elaborare enormi quantità di dati. JMP è una piattaforma che consente ai nostri esperti di dominio di codificare le proprie intuizioni per distribuirle su grandi set di dati, ottenendo un impatto maggiore in meno tempo.
Meg: JMP offre molte risorse diverse per imparare e interagire con altri utenti: sto pensando a cose come il programma Early Adopter e Discovery Summit . Nella tua esperienza, che valore ottieni dalla partecipazione a questo tipo di programmi?
Lee: Con il programma Early Adopter , impariamo a conoscere le nuove funzionalità delle prossime release. Vediamo anche diversi modi di usare le piattaforme esistenti. Ad esempio, usare le immagini come marcatori nel Graph Builder fornisce una dimensione intuitiva all'analisi.
Meg: Quale consiglio daresti a qualcuno che desidera coltivare una cultura analitica 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 consigli puoi dare a chi ha appena iniziato a usare JMP?
Lee: Ci vuole un po' di tempo per capire come i diversi tipi di dati influenzano le diverse piattaforme analitiche. Una volta compresi i tipi di dati, usa l'indice di scripting 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
