Gian-Franco Pironti est un ingénieur d'application travaillant dans l'électronique, les matériaux de performance et les solutions de surface pour Merck KGaA à Darmstadt, en Allemagne. Il possède une vaste expérience de la détection et de la télémétrie de la lumière (LiDAR) et de la détection et de la télémétrie radio (RADAR), ainsi que de la microscopie avec une profondeur de champ étendue et un langage de modélisation de réalité virtuelle. Ayant commencé sa carrière dans la production chimique R&D pour le groupe Merck, Gian-Franco a plus de 35 ans d'expérience dans la chimie électronique et les revêtements.
Meg : Quel rôle la science des données a-t-elle joué dans l'élaboration de votre trajectoire de carrière ? Y a-t-il eu un tournant qui vous a fait prendre conscience de l'importance – et du potentiel – des données ?
Gian-Franco : Dans mon travail d'ingénieur d'application, j'ai réalisé assez rapidement que la collecte, la manipulation et l'analyse des données étaient extrêmement importantes. Au début, ce processus prenait un peu de temps, mais plus j'avais accès à des données, meilleur était le résultat. J'ai réalisé que je ne devais pas perdre de temps à analyser des données sans les vérifier de différents points de vue.
Dans le industrie des semi-conducteurs , notre approche d'analyse des processus, des coûts, de l'efficacité et de l'impact nécessite une sacrée quantité de données ! Et de nos jours, la recherche nécessite également beaucoup d'informations - les résultats techniques et analytiques doivent être pris en compte.
Meg : Quels types d'objections rencontrez-vous le plus fréquemment lorsqu'il s'agit de préconiser des approches analytiques ? Comment avez-vous surmonté ce genre de défis ?
Gian-Franco : La plupart des objections portent sur le fait d'avoir trop de données ou des ensembles de données trop compliqués et disparates. Ce type de complexité peut entraîner une perte de valeur dans l'ensemble s'il vous amène à vous concentrer sur des choses moins importantes tout en négligeant des facteurs plus pertinents ou importants. Jusqu'à une certaine limite, j'ai changé ma façon de traiter les données, ainsi que ma vision de la valeur des données en général. Plus vous avez de données - même si cela semble sans importance au début - plus l'image ou le résultat sera clair à la fin.
Még : Quelles sont les idées fausses courantes que vous avez rencontrées en matière de statistiques industrielles et/ou de la valeur de l'activation de l'analyse ?
Gian-Franco : Les gens peuvent penser que certaines données ne sont pas si importantes au début, mais avec une énorme quantité de données, tôt ou tard, vous ne pouvez pas voir la forêt pour tous les arbres ! La collecte de données – de toutes sortes en fait – devient chaque jour plus impérative pour déclencher, tracer et analyser tous types d'activités et de processus à valeur ajoutée. Dans notre secteur, les données sont essentielles pour améliorer et stabiliser les processus, obtenir des avertissements préalables ou des tendances prédictives avant que vous ne rencontriez des problèmes, réduire les coûts et gagner du temps.
Meg : Comment avez-vous maximisé la valeur que vous obtenez de JMP ? Selon vous, y a-t-il une fonctionnalité ou un aspect de la communauté JMP que d'autres personnes sous-utilisent ?
Gian-Franco : À mon avis, la puissance de JMP n'est pas encore perçue par les techniciens travaillant dans le domaine de l'assistance, de l'analyse des problèmes et de la recherche de solutions factuelles et basées sur des données. Même pour obtenir une vue d'ensemble rapide et grossière, une approche graphique vous permettra d'inclure ou d'exclure les paramètres que vous avez observés dans votre analyse. Ensuite, vous pouvez plonger dans une plongée profonde, résoudre des problèmes par exemple en appliquant BICHE .
Még : À quelles ressources JMP avez-vous fait appel, le cas échéant ? Quelque chose que vous trouvez particulièrement utile ?
Gian-Franco : Pour moi personnellement, le plus utile est la possibilité de visualiser les données. Je commence toujours à analyser mes données avec un histogramme de distribution suivi d'une analyse multivariée et d'un diagramme de dispersion 3D. Ce processus me donne une très bonne idée de la façon d'aborder et/ou de résoudre le problème. Plus tard, j'entre dans le DOE.
Még : Avez-vous des conseils pour les personnes qui essaient de augmenter l'adoption de l'analytique au sein de leur organisation ?
Gian-Franco : Vérifiez puis distribuez Vidéos YouTube sur JMP convaincre les autres !
Még : Que diriez-vous de quelqu'un qui débute avec JMP ?
Gian-Franco : Je recommanderais certainement de regarder la chaîne du logiciel JMP sur YouTube. Et essayez-le simplement par vous-même, en commençant par une petite quantité de données claires et bien organisées.
Még : Y a-t-il quelque chose que vous savez maintenant en matière d'analyse que vous auriez aimé savoir il y a des années ?
Gian-Franco : La plupart des gens commencent avec des feuilles de données Excel - des graphiques en deux dimensions qui peuvent être bien organisés jusqu'à un certain seuil. Tôt ou tard, cependant, ils atteindront la limite de ce qui peut être fait dans une feuille Excel et commenceront à apprendre à utiliser un tableau croisé dynamique dans Excel. Cela pourrait aider pendant un certain temps, mais tôt ou tard, ils se retrouveront avec des limitations. Vient ensuite JMP, et ils peuvent faire un grand pas en avant d'un seul coup.
