Phil Kay non aveva idea che avrebbe ricevuto una risposta così grande quando ha iniziato un recente post su LinkedIn con le parole " OFAT non funziona ." In qualità di Learning Manager del team Global Enablement di JMP e sostenitore dell'analisi dei dati, Phil spesso condivide spunti di saggezza con i suoi follower su LinkedIn.
Ma questo post è stato diverso, raccogliendo più di 30.000 visualizzazioni, oltre 300 reazioni e oltre 60 commenti. Puoi leggerlo per intero qui sotto.
Ho colto l'occasione per porre a Phil alcune domande: cosa c'è di così sbagliato nella sperimentazione un fattore alla volta, cosa c'è di così buono nella progettazione degli esperimenti e cosa spera di ottenere con il suo coinvolgimento su LinkedIn nel argomento.
Quindi cosa c'è di male nello sperimentare un fattore alla volta?
Fil: Il problema con la sperimentazione di un fattore alla volta è che la natura non gioca secondo queste regole. Il mondo fisico/chimico/biologico è molto più complicato. L'effetto di un fattore dipenderà da come sono impostati gli altri fattori. L'aumento della temperatura potrebbe avere un effetto diverso a seconda del pH impostato, ad esempio. Non puoi conoscere questi comportamenti importanti e complessi se modifichi solo un fattore alla volta. Il risultato finale è che non trovi le soluzioni migliori e non impari molto su come controllare il tuo processo o sistema per ottenere costantemente risultati di alta qualità. È solo una tale perdita di tempo e fatica.
OK, allora perché le persone sperimentano ancora un fattore alla volta?
Fil: Alla maggior parte degli scienziati e degli ingegneri è stato detto fin dall'inizio della loro formazione che un fattore alla volta è l'unico modo per sperimentare. L'idea che tu possa, e dovresti, variare tutti i fattori allo stesso tempo è spaventosa.
Va bene. Ora dicci cosa c'è di così bello nella progettazione degli esperimenti, per favore.
Ti consente di trovare le migliori soluzioni esplorando a fondo le possibilità del tuo processo. E non si tratta solo di cercare l'optimum. È uno strumento di apprendimento: puoi catturare i comportamenti complessi e comprendere l'effetto di tutti i fattori. Usando la "magia" delle statistiche, garantisce anche l'efficienza perché si testano solo le poche impostazioni necessarie per darsi il modello dell'intero sistema di cui si ha bisogno.
Cosa è #DOEbyPhilKay su Linkedin?
Fil: È un hashtag che le persone possono seguire per vedere post settimanali con pensieri e suggerimenti su Design of Experiments (DOE). I post sono un mix di citazioni illuminanti sul DOE, introduzioni a concetti tecnici come l'analisi del potere e punti di discussione che mi vengono in mente mentre porto a spasso il cane.
Perché stai creando questi post #DOEbyPhilKay? Cosa speri di realizzare?
Fil: A parte la spudorata autopromozione, spero che i post forniscano incoraggiamento e supporto alle persone che stanno appena imparando a usare il DOE. Voglio anche sfruttare la passione di altri evangelisti DOE, così possiamo lavorare insieme verso una visione di ogni sperimentatore nel mondo che abbia le capacità per trarre vantaggio dal metodo. Forse più educatori là fuori saranno ispirati a insegnare DOE ai nostri futuri scienziati e ingegneri.
Qual è stata la risposta ai tuoi post su #DOEbyPhilKay?
Fil: È stato fantastico scoprire che non sono l'unico a essere fortemente interessato a questo argomento. Il post OFAT ha avuto oltre 30.000 visualizzazioni! Mi sono davvero piaciute le discussioni. E mi ha messo in contatto con un sacco di nuove persone in diversi settori in tutto il mondo. Qualcuno di recente mi ha detto che insegnano un modulo sul DOE per studenti universitari di chimica e iniziano il corso con una citazione da uno dei miei articoli, probabilmente uno dei momenti più orgogliosi della mia carriera.
Puoi seguire i post di Phil su LinkedIn facendo clic Qui e toccando il pulsante "Segui". (Nota: devi prima aver effettuato l'accesso a LinkedIn.) E ora goditi questa foto che Phil ha scattato al suo adorabile cane durante una delle loro passeggiate nella splendida campagna inglese.
CIAO @DirtyDataCoLLC ,
Sì, sono stato anche un po' sorpreso dal fatto che alcune persone difendano ancora OFAT. Penso che la maggior parte di loro stesse parlando di situazioni in cui c'è solo un fattore di interesse. Questo non è davvero OFAT. È "DI".
Totalmente d'accordo sul tagliare il grasso! Penso che potrei usarlo anch'io!
Sono rimasto sorpreso dal fatto che le persone approvassero un fattore alla volta nei commenti. Gestisco DOE da vent'anni e non ho mai sentito il termine OFAT prima del suo post su LinkedIn. Rianalizzo i DOE per le aziende biotecnologiche. Trovo spesso soluzioni a problemi a cui il DOE non è stato progettato per rispondere. OFAT è solo grasso che deve essere eliminato prima di comprendere l'argomento.
