Phil Kay no tenía idea de que recibiría una respuesta tan grande cuando comenzó una publicación reciente en LinkedIn con las palabras " OFAT no funciona ." Como Gerente de Aprendizaje en el equipo de Habilitación Global de JMP y evangelista de análisis de datos, Phil a menudo comparte pepitas de sabiduría con sus seguidores en LinkedIn.
Pero esta publicación fue diferente, obtuvo más de 30 000 visitas, más de 300 reacciones y más de 60 comentarios. Puedes leerlo completo a continuación.
Aproveché la oportunidad para hacerle algunas preguntas a Phil: qué tiene de malo la experimentación de un factor a la vez, qué tiene de bueno el diseño de experimentos y qué espera lograr con su alcance en LinkedIn en el tema.
Entonces, ¿qué tiene de malo experimentar un factor a la vez?
phil: El problema de experimentar un factor a la vez es que la naturaleza no sigue esas reglas. El mundo físico/químico/biológico es mucho más complicado. El efecto de un factor dependerá de cómo se establezcan otros factores. El aumento de la temperatura puede tener un efecto diferente dependiendo del pH al que esté configurado, por ejemplo. No puede aprender acerca de estos comportamientos importantes y complejos si solo varía un factor a la vez. El resultado final es que no encuentra las mejores soluciones y no aprende mucho sobre cómo controlar su proceso o sistema para lograr resultados de alta calidad de manera consistente. Es una pérdida de tiempo y esfuerzo.
OK, ¿por qué la gente todavía experimenta un factor a la vez entonces?
phil: A la mayoría de los científicos e ingenieros se les ha dicho desde muy temprano en su educación que un factor a la vez es la única forma de experimentar. La idea de que puedes y debes variar todos los factores al mismo tiempo da miedo.
Bien. Ahora díganos qué tiene de bueno el diseño de experimentos, por favor.
Le permite encontrar las mejores soluciones explorando completamente las posibilidades de su proceso. Y no se trata sólo de buscar lo óptimo. Es una herramienta de aprendizaje: puede capturar los comportamientos complejos y comprender el efecto de todos los factores. Usando la "magia" de las estadísticas, también asegura la eficiencia porque solo prueba las pocas configuraciones necesarias para obtener el modelo de todo el sistema que necesita.
Qué es #DOEbyPhilKay ¿en Linkedin?
phil: Es un hashtag que las personas pueden seguir para ver publicaciones semanales con pensamientos y consejos importantes sobre el diseño de experimentos (DOE). Las publicaciones son una combinación de citas esclarecedoras sobre el DOE, introducciones a conceptos técnicos como el análisis de potencia y puntos de conversación que se me ocurren mientras estoy paseando al perro.
¿Por qué estás creando estas publicaciones #DOEbyPhilKay? ¿Qué esperas lograr?
phil: Además de la autopromoción desvergonzada, espero que las publicaciones animen y apoyen a las personas que recién están aprendiendo a usar el DOE. También quiero aprovechar la pasión de otros evangelistas del DOE, para que podamos trabajar juntos hacia una visión de cada experimentador en el mundo que tenga las habilidades para beneficiarse del método. Tal vez más educadores se sientan inspirados para enseñar DOE a nuestros futuros científicos e ingenieros.
¿Cuál ha sido la respuesta a sus publicaciones #DOEbyPhilKay?
phil: Ha sido genial descubrir que no soy el único que se siente fuerte sobre este tema. ¡La publicación OFAT ha tenido más de 30,000 visitas! Realmente he disfrutado las discusiones. Y me ha conectado con mucha gente nueva en diferentes industrias alrededor del mundo. Alguien me dijo recientemente que enseñan un módulo sobre DOE para estudiantes de química y comienzan el curso con una cita de uno de mis artículos, probablemente uno de los momentos de mayor orgullo de mi carrera.
Puedes seguir las publicaciones de Phil en LinkedIn haciendo clic en aquí y tocando el botón "Seguir". (Nota: primero debe iniciar sesión en LinkedIn). Y ahora disfrute de esta foto que Phil tomó de su adorable perro en uno de sus paseos por la hermosa campiña inglesa.
Me sorprendió que la gente respaldara un factor a la vez en los comentarios. He estado dirigiendo DOE durante veinte años y nunca escuché el término OFAT antes de su publicación en LinkedIn. Vuelvo a analizar DOE para empresas de biotecnología. A menudo encuentro soluciones a problemas para los que el DOE no fue diseñado. OFAT es solo grasa que debe eliminarse antes de comprender el tema.
HOLA @DirtyDataCoLLC ,
Sí, también me sorprendió un poco que algunas personas todavía aboguen por OFAT. Creo que la mayoría de ellos estaban hablando de situaciones en las que solo hay un factor de interés. Eso no es realmente OFAT. es "DE".
¡Totalmente de acuerdo con quitar la grasa! ¡Creo que podría usar eso yo mismo!
