Phil Kay hatte keine Ahnung, dass er eine so große Resonanz bekommen würde, als er kürzlich einen LinkedIn-Beitrag mit den Worten „ OFAT funktioniert nicht ." Als Learning Manager im Global Enablement-Team von JMP und Datenanalyse-Evangelist teilt Phil oft Wissenswertes mit seinen Followern auf LinkedIn.
Aber dieser Beitrag war anders und erhielt mehr als 30.000 Aufrufe, über 300 Reaktionen und über 60 Kommentare. Sie können es unten vollständig lesen.
Ich nutzte die Gelegenheit, um Phil ein paar Fragen zu stellen – darüber, was an One-Factor-at-a-Time-Experimenten so falsch ist, was so gut an der Versuchsplanung ist und was er mit seinem Engagement auf LinkedIn zu erreichen hofft Thema.
Was ist also so schlimm daran, mit einem Faktor nach dem anderen zu experimentieren?
Phil: Das Problem beim Experimentieren mit jeweils einem Faktor besteht darin, dass die Natur sich nicht an diese Regeln hält. Die physikalische/chemische/biologische Welt ist viel komplizierter. Die Auswirkung eines Faktors hängt davon ab, wie andere Faktoren eingestellt werden. Je nachdem, auf welchen pH-Wert Sie beispielsweise eingestellt sind, kann eine Erhöhung der Temperatur unterschiedliche Auswirkungen haben. Sie können diese wichtigen und komplexen Verhaltensweisen nicht lernen, wenn Sie jeweils nur einen Faktor variieren. Das Endergebnis ist, dass Sie nicht die besten Lösungen finden und nicht viel darüber lernen, wie Sie Ihren Prozess oder Ihr System steuern können, um durchgängig qualitativ hochwertige Ergebnisse zu erzielen. Es ist einfach so eine Verschwendung von Zeit und Mühe.
OK, warum experimentieren die Leute dann immer noch mit einem Faktor nach dem anderen?
Phil: Den meisten Wissenschaftlern und Ingenieuren wurde schon sehr früh in ihrer Ausbildung beigebracht, dass ein Faktor nach dem anderen die einzige Möglichkeit ist, zu experimentieren. Die Vorstellung, dass Sie alle Faktoren gleichzeitig variieren können und sollten, ist beängstigend.
Gut. Sagen Sie uns jetzt bitte, was so gut an der Versuchsplanung ist.
Es ermöglicht Ihnen, die besten Lösungen zu finden, indem Sie die Möglichkeiten Ihres Prozesses vollständig ausloten. Dabei geht es nicht nur um die Suche nach dem Optimum. Es ist ein Lernwerkzeug: Sie können die komplexen Verhaltensweisen erfassen und die Wirkung aller Faktoren verstehen. Mit der „Magie“ der Statistik sorgt es auch für Effizienz, da Sie nur die wenigen Einstellungen testen, die erforderlich sind, um das Modell des gesamten Systems zu erhalten, das Sie benötigen.
Was ist #DOEbyPhilKay Auf Linkedin?
Phil: Es ist ein Hashtag, dem die Leute folgen können, um wöchentliche Posts mit Gedanken und Top-Tipps zum Design of Experiments (DOE) zu sehen. Die Posts sind eine Mischung aus erhellenden Zitaten über DOE, Einführungen in technische Konzepte wie die Leistungsanalyse und Gesprächsthemen, die mir einfallen, während ich mit dem Hund spazieren gehe.
Warum erstellen Sie diese #DOEbyPhilKay-Beiträge? was hoffst du zu erreichen?
Phil: Abgesehen von schamloser Eigenwerbung hoffe ich, dass die Beiträge Menschen, die gerade lernen, DOE zu verwenden, Ermutigung und Unterstützung bieten. Ich möchte auch die Leidenschaft anderer DOE-Evangelisten nutzen, damit wir gemeinsam an der Vision arbeiten können, dass jeder Experimentator auf der Welt die Fähigkeiten hat, von der Methode zu profitieren. Vielleicht werden mehr Pädagogen da draußen inspiriert, DOE unseren zukünftigen Wissenschaftlern und Ingenieuren beizubringen.
Wie war die Reaktion auf Ihre #DOEbyPhilKay-Postings?
Phil: Es war großartig herauszufinden, dass ich nicht der einzige bin, der sich für dieses Thema stark fühlt. Der OFAT-Beitrag wurde über 30.000 Mal aufgerufen! Ich habe die Diskussionen sehr genossen. Und es hat mich mit vielen neuen Leuten in verschiedenen Branchen auf der ganzen Welt verbunden. Jemand hat mir kürzlich erzählt, dass sie ein Modul über DOE für Chemiestudenten unterrichten und den Kurs mit einem Zitat aus einem meiner Artikel beginnen – wahrscheinlich einer der stolzesten Momente meiner Karriere.
Sie können Phils Posts auf LinkedIn folgen, indem Sie auf klicken hier und tippen Sie auf die Schaltfläche "Folgen". (Hinweis: Sie müssen zuerst bei LinkedIn angemeldet sein.) Und jetzt genießen Sie bitte dieses Bild, das Phil von seinem entzückenden Hund bei einem ihrer Spaziergänge in der wunderschönen englischen Landschaft gemacht hat.
Ich war überrascht, dass die Leute in den Kommentaren einen Faktor nach dem anderen befürworteten. Ich leite DOEs seit zwanzig Jahren und habe den Begriff OFAT vor seinem LinkedIn-Beitrag noch nie gehört. Ich reanalysiere DOEs für Biotech-Unternehmen. Ich finde oft Lösungen für Probleme, für deren Beantwortung das DOE nicht entwickelt wurde. OFAT ist nur Fett, das herausgeschnitten werden muss, bevor das Thema verstanden wird.
HALLO @DirtyDataCoLLC ,
Ja, ich war auch ein bisschen überrascht, dass einige Leute immer noch für OFAT eintreten. Ich denke, die meisten von ihnen sprachen über Situationen, in denen es nur einen interessierenden Faktor gibt. Das ist nicht wirklich OFAT. Es ist "VON".
Völlig einverstanden mit dem Trimmen des Fettes! Ich denke, ich könnte das selbst verwenden!
