Gian-Franco Pironti es un ingeniero de aplicaciones que trabaja en electrónica, materiales de rendimiento y soluciones de superficie para Merck KGaA en Darmstadt, Alemania. Tiene una amplia experiencia en el uso de detección y alcance de luz (LiDAR) y detección y alcance de radio (RADAR), así como microscopía con profundidad de campo extendida y lenguaje de modelado de realidad virtual. Habiendo comenzado su carrera en I+D de producción química para el Grupo Merck, Gian-Franco tiene más de 35 años de experiencia en productos químicos y recubrimientos electrónicos.
Meg: ¿Qué papel ha jugado la ciencia de datos en la configuración de su trayectoria profesional? ¿Hubo un punto de inflexión que le hizo darse cuenta de la importancia y el potencial de los datos?
Gian-Franco: En mi trabajo como ingeniero de aplicaciones, me di cuenta rápidamente de que la recopilación, el manejo y el análisis de datos son extremadamente importantes. Al principio, ese proceso requería un poco de tiempo, pero cuantos más datos tenía acceso, mejor era el resultado. Me di cuenta de que no debía perder el tiempo analizando datos sin verificarlos desde diferentes puntos de vista.
En el la industria de semiconductores , nuestro enfoque para analizar el proceso, el costo, la eficiencia y el impacto requiere una gran cantidad de datos. Y hoy en día, la investigación también requiere mucha información: se deben abordar los resultados técnicos y analíticos.
Meg: ¿Qué tipo de objeciones encuentra con más frecuencia cuando se trata de defender enfoques analíticos? ¿Cómo has superado este tipo de desafíos?
Gian-Franco: La mayoría de las objeciones se centran en tener demasiados datos o conjuntos de datos demasiado complicados y dispares. Este tipo de complejidad puede resultar en la pérdida de un poco de valor en conjunto si hace que se concentre en cosas con menos importancia mientras pasa por alto factores más relevantes o importantes. Hasta cierto límite, he cambiado la forma en que manejo los datos, así como mi opinión sobre el valor de los datos en general. Cuantos más datos tenga, incluso si parecen poco importantes al principio, más clara será la imagen o el resultado al final.
Mega: ¿Cuáles son algunos conceptos erróneos comunes que ha encontrado cuando se trata de estadísticas industriales y/o el valor de la habilitación de análisis?
Gian-Franco: La gente puede pensar que algunos datos no son tan importantes al principio, pero con una gran cantidad de datos, ¡tarde o temprano no puedes ver el bosque por todos los árboles! La recopilación de datos, de hecho, todo tipo de datos, es cada vez más imprescindible para desencadenar, rastrear y analizar todo tipo de actividades y procesos de valor agregado. En nuestra industria, los datos son cruciales para mejorar y estabilizar los procesos, obtener advertencias previas o tendencias predictivas antes de que surjan problemas, reducir costos y ganar tiempo.
Meg: ¿Cómo ha maximizado el valor que obtiene de JMP ? ¿Hay alguna característica o aspecto de la comunidad de JMP que crea que otras personas están infrautilizando?
Gian-Franco: En mi opinión personal, el poder de JMP aún no es visto por los técnicos que trabajan en el área de soporte, análisis de problemas y búsqueda de soluciones basadas en hechos y datos. Incluso para obtener una descripción general rápida y sucia, un enfoque gráfico le permitirá incluir o excluir parámetros que ha observado en su análisis. Luego puede saltar a una inmersión profunda, resolviendo problemas, por ejemplo, aplicando GAMA .
Mega: ¿Qué recursos de JMP, si los hay, ha aprovechado? ¿Algo que encuentres especialmente útil?
Gian-Franco: Para mí personalmente, lo más útil es la posibilidad de visualizar datos. Siempre empiezo a analizar mis datos con un histograma de distribución seguido de un análisis multivariante y un diagrama de dispersión 3D. Este proceso me da una muy buena idea de cómo abordar y/o resolver el problema. Más tarde, entro en el DOE.
Mega: ¿Tiene algún consejo para las personas que están tratando de aumentar la adopción de análisis dentro de su organización?
Gian-Franco: Echa un vistazo y luego distribuye Vídeos de YouTube sobre JMP para convencer a otros!
Mega: ¿Qué tal alguien que acaba de empezar con JMP?
Gian-Franco: Definitivamente recomendaría mirar el canal de software JMP en YouTube. Y simplemente pruébelo usted mismo, comenzando con una pequeña cantidad de datos claros y bien organizados.
Mega: ¿Hay algo que sepa ahora sobre análisis que desearía haber sabido hace años?
Gian-Franco: La mayoría de las personas comienzan con las hojas de datos de Excel: gráficos bidimensionales que se pueden organizar bien hasta cierto límite. Sin embargo, tarde o temprano, llegarán al límite de lo que se puede hacer en una hoja de Excel y comenzarán a aprender a usar una tabla dinámica en Excel. Eso podría ayudar por un tiempo, pero tarde o temprano terminarán nuevamente con limitaciones. Luego viene JMP, y pueden dar un gran paso adelante todos a la vez.
