Mauro Gerber는 취리히에 있는 광섬유 케이블 제조업체 HUBER+SUHNER의 데이터 관리, 전기 테스트 및 측정 분야에서 일하는 프로세스 엔지니어이자 통계 전문가입니다. HUBER+SUHNER에 합류하기 전에 Mauro는 독일의 다국적 유리 제조업체인 SCHOTT AG에서 12년 동안 R&D 프로세스 전문가로 일했습니다. 이전 및 현재 역할 모두에서 Mauro는 통계적 사고의 민주화를 지원하기 위해 엔지니어를 위한 새로운 교육 프로그램을 시범 운영하고 소프트웨어를 조달하면서 분석 지원을 적극적으로 옹호했습니다.
메그: 시작하기 전에 생산 산업의 현재 통계 준비 상태에 대한 생각을 공유할 수 있는지 궁금합니다.
마우로: 많은 기업들이 통계적 이해도도 높은 [도메인 전문가]의 개념을 파악하기 위해 여전히 고군분투하고 있는 것 같습니다. 저는 프로세스 엔지니어로 경력을 시작했으며 몇 년 동안 점점 더 많은 통계 분석 및 모델링을 수행했습니다. 15년 후에 다른 조직에 합류하기로 결정했을 때에도 같은 상황에 처했습니다. 데이터 과학자가 아닌 프로세스 엔지니어로 고용되었습니다.
[도메인 및 통계 전문 지식을 모두 갖춘] 우리는 데이터 엔지니어링, 분석, 프로세스 엔지니어링, 품질 생산에 대한 광범위한 지식을 보유하고 있습니다. 단순한 모델링이 아닙니다! 현재 저는 HUBER+SUHNER의 프로세스 엔지니어링 그룹에 속해 있지만 더 많은 분석을 수행할수록 다른 엔지니어에게 더 많은 지원을 제공할 수 있습니다. 때때로 나는 그들이 하고 있는 일을 완전히 이해하지 못하고 그 과정에 갇히는 것을 봅니다. 그래서 5일 코스를 설정하여 단순히 어떻게 분석을 수행할 뿐만 아니라 왜 수행합니다.
메그: 전통적인 통계 교육과 통계적 또는 분석적 사고의 주요 차이점은 무엇이라고 생각하십니까?
마우로: 나에게 고전 교육은 수행하는 모든 단계가 작동하고 원하는 결과로 이어질 단계를 설정하는 것 같습니다. 자동차를 운전하는 법을 배우는 것과 같습니다. 물론, 조향, 가속, 제동 및 모든 버튼의 기능을 이해하는 방법을 아는 것도 중요하지만 전방의 울퉁불퉁한 길을 피하는 방법이나 좌회전 또는 우회전 시기를 아는 것도 중요합니다. 그러면 길을 잃을 수 있습니다. 이 고전적인 접근 방식은 예제에 제공된 일련의 클릭을 따랐음에도 불구하고 약속한 대로 작동하지 않아 좌절감을 일으키거나 통계를 종료하게 만들 수도 있습니다.
Meg: 엄격한 방법 대 비판적 사고입니다.
마우로: 예. 이는 일부 사람들이 분석에서 더 성공하는 것을 방해하거나 건설적인 교환 또는 합의를 중단할 수 있는 링크입니다. 프로세스가 매우 안정적이어서 변동을 측정하는 것이 매우 어려운 경우에도 시스템이 가능한지 여부를 결정하는 유일한 지표라는 개념을 사람들이 고수했기 때문에 몇 번이나 MSA(측정 시스템 분석)를 다시 수행해야 하는지 세는 것을 중단했습니다. 고객은 "불량" 부품을 혼합에 도입할 것을 제안했습니다. 그러나 그러면 프로세스 변동이 표시되지 않고 전체 MSA가 의미가 없게 됩니다. 그러면 조각을 변경하여 얻을 수 있는 수치를 자유롭게 선택할 수 있기 때문입니다.
그 경우 누군가가 지수가 특정 값보다 낮으면 시스템이 작동할 수 없지만 그 숫자가 어떻게 생성되고 의미가 무엇인지는 알 수 없다고 가르쳤을 것이라고 가정합니다.
메그: 흥미로운. 당신만큼 분석에 깊이 빠져 있지 않은 사람들에게 차이점을 어떻게 설명할 수 있습니까? 식스 시그마에서 현대적인 분석으로의 진화를 지원해야 한다는 비즈니스 사례를 경영진에게 어떻게 구축합니까?
마우로: 나는 개인적으로 일상 업무에서 통계를 사용할 때 통계의 이점과 미래 잠재력을 전달하는 것이 어렵다고 생각하지만 공식, 그래픽, 숫자가 제시될 때 복잡하고 압도적으로 보일 수 있을 때 처음으로 그것에 뛰어듭니다. 데이터를 분석하는 끝없는 방법.
내가 시도하는 한 가지는 데이터베이스에서 데이터를 가져오거나 파일에서 가져오고 테이블을 재구성하는 스크립트를 작성하여 사용자에게 유용하도록 하는 것입니다. 이는 많은 시간을 절약함으로써 첫 번째 분석 단계에서 몇 가지 장애물을 피하는 데 도움이 됩니다. 호기심을 불러일으킬 수도 있습니다.
또 다른 접근 방식은 데이터를 나란히 놓고 조사를 시작하여 분석의 잠재력을 개발 및 보여주고 가능한 경우 다른 사람의 지식과 아이디어를 포함하는 것입니다. 도구와 솔루션 경로를 제공할 수 있지만 유용한 경우 통찰력과 피드백은 프로세스와 함께 일하는 사람들에게서 나옵니다.
이 접근 방식을 통해 더 많은 엔지니어가 직접 분석을 수행하기를 원했기 때문에 경영진이 투자하도록 설득할 수 있었습니다. 소프트웨어 구매는 그 중 일부일 뿐입니다.
메그: 그리고 그것이 당신의 훈련 프로그램이 시작되는 곳입니다.
마우로: 예, 여전히 장벽이 있지만. 엔지니어가 배울 5일 코스를 처음 제안했을 때 JMP 그리고 통계적 사고, 경영진은 주저했습니다. 그들은 엔지니어들을 5일 동안 쉬게 할 여유가 없다고 말했습니다.
"우리는 도끼를 갈 시간이 없다. 우리는 나무를 베어야 합니다." 심지어 부서당 한 명만 보내면 다른 부서를 가르칠 수도 있다는 제안도 받았습니다. 내 아이 중 한 명만 학교에 보내고 집에서 형제 자매를 가르치게 하는 것과 같습니다!
메그: 상당히 보수적인 생각인 것 같습니다.
마우로: 강제적으로 보수적이지는 않지만 MSA와 SPC가 필요하고 고객이 요청하지만 대부분의 회사에서 이는 정상적인 상황입니다. 이는 안정성에 도움이 되고 품질을 향상시키는 프로세스에 대한 통찰력을 얻으려는 회사의 노력에서 필수적인 부분이어야 합니다. 그러나 모든 조직에는 이를 지원하기 위해 통계적 사고를 훈련받은 사람들이 필요합니다.
메그: JMP 학습 및 이에 수반되는 통계적 사고 기술 학습과 관련하여 엔지니어들이 귀하의 과정에 어떻게 반응했습니까?
마우로: 아주 잘, 나는 말할 것이다. 예를 들어, 6시그마 블랙벨트가 있었는데 처음에는 "이미 통계 교육을 받았어요. 내가 몇 가지를 집어들거나 단지 당신에게 알려주기 위해 반복할 수도 있습니다." 과정 중에 그는 다음과 같이 언급했기 때문에 일부 동전이 떨어지는 것을 볼 수 있었습니다. 다른 경우에는 동일한 교육 과정에 현장의 생산, 품질 및 엔지니어링 직원이 있었는데 그들은 앞뒤로 많은 불만과 손가락질을 하면서 토론을 했습니다. 그러나 이 과정에서 그들은 다른 파트너가 필요로 하는 것이 무엇인지, 특정 수치를 요청한 이유를 이해하기 시작했으며, 또한 고객의 특정 요청과 엔지니어링 아이디어의 영향을 정량화했습니다.
그래서 저는 강사가 되는 것을 좋아합니다.
Meg: JMP를 통해 사용할 수 있는 리소스를 개인적으로 또는 강의를 듣는 사람들과 함께 사용한 적이 있습니까?
마우로: 나는 기간 동안 제공되는 고급 교육에 참여할 수 있어 기뻤습니다. JMP 디스커버리 서밋 통계 모델링 및 중요한 예측 변수 찾기에 대해 설명합니다. 지식이 풍부한 트레이너와 함께 다양한 생각을 깨달을 수 있는 계기가 되었고 JMP의 모델링 측면에 더 많은 관심을 갖게 된 실제 사례를 통해 지원을 받았습니다.
JMP의 새로운 사용자에게 권장하는 것은 다음을 통해 작업하는 것입니다. 웰컴 키트 , 그런 다음 스스로 훈련하는 데 하루나 이틀이 걸립니다. 다음으로, 그들은 일반적으로 저와 작은 대면 세션을 통해 질문을 하고, 우리는 그들이 해결하고자 하는 개인적인 사례를 살펴볼 수 있습니다. 내가 추천하는 다음 단계는 산업 문제 해결을 위한 통계적 사고(STIPS) 강의. 통계에 대한 풍부한 과정이며 JMP의 가능성과 사용 방법에 대해 더 깊이 이해할 수 있는 좋은 방법입니다.
메그: 대학 시스템을 통해 올라오고 업계에 취직하는 젊은 세대의 엔지니어가 처음 시작할 때보다 데이터에 더 능숙하다고 느끼십니까?
마우로: 현재로서는 큰 변화가 없다고 말하고 싶습니다. 내가 젊은 엔지니어들과 이야기할 때, 그들은 여기저기서 반 학기를 보냈을 수도 있지만, 그 이유는 교과 과정이 기계에 더 집중되어 있기 때문입니다. 하지만 발전하고 있다고 생각합니다. 이제 통계 교육이 현실로 다가오고 있으며 더 많은 대학에서 컴퓨터 공학 커리큘럼을 다양화함에 따라 더욱 전문화되고 있습니다.
메그: 대학에서 엔지니어링 트랙을 추구하는 데 관심이 있는 사람에게 어떤 조언을 하시겠습니까?
마우로: 통계가 산업에서 점점 더 중요해지고 있다고 생각합니다.
단순히 종이를 디지털 형식으로 대체하는 것이 아닙니다. 이는 통계 분석을 강화하기 위한 기반을 구축하는 지구력 경쟁의 첫 번째 단계일 뿐입니다. 회사에서 전담 데이터 과학자를 추가하더라도 엔지니어가 좋은 데이터와 좋은 질문 또는 아이디어를 제공할 수 있도록 기본 사항을 이해하는 것이 여전히 중요합니다. 프로젝트의 성공을 개선하고 확보하는 것은 도메인 지식과 통계적 방법을 결합하는 팀 노력입니다.
예를 들어 엔지니어가 정규 분포를 정의하는 정확한 공식을 알 필요는 없지만 이것이 데이터를 나타내고 이 링크를 기반으로 프로세스를 예측하거나 설명할 수 있다는 점을 이해할 수 있어야 합니다.
메그: 이상적인 세계에서 자신의 데이터 분석 그룹을 설정할 수 있는 무료 패스가 주어진다면 어떻게 될까요?
마우로: 더 어려운 통계 문제를 해결하기 위해 중앙 장치를 설정하고 JMP 사용 및 스크립트 작성에 대한 질문이 있거나 분석 질문에 도움이 필요한 동료를 위한 핫라인 역할도 하고 싶습니다.
이상적으로 분석 지원은 다양한 기술과 지식을 가진 사람들의 그룹이 있음을 의미합니다. 예를 들어, 통계에 대한 확실한 이해를 갖춘 매우 우수한 엔지니어와 보고 분석을 수행하는 전담 분석가가 둘 다 있을 수 있으며, 이들은 하위 그룹을 통해 연결되거나 더 어려운 문제를 도울 수 있는 한 명의 선임 분석가가 감독합니다. 제가 말하는 교환은 많은 가치, 지식, 시간 절약 등을 가져올 수 있습니다.
메그: 최종 생각이 있으신가요?
마우로: "네, 우리는 디지털화를 합니다." 또는 "우리는 빅 데이터를 수행합니다." 그것들은 캐치프레이즈일 뿐이며, 무엇이 필요한지 이해하고 전체 그룹이 통계적 사고의 방향으로 갈 수 있도록 경영진에 의해 할당된 사람들이 필요합니다.
스마트 팩토리는 똑똑한 사람이 한두 명만 있는 것이 아닙니다! 소프트웨어, 지식, 사람 및 프로세스 간의 상호 작용입니다. 학제 간 팀이 성공의 열쇠입니다. 또한 엔지니어링, 품질 및 생산 간의 커뮤니케이션을 위한 기반이기도 합니다. 진정한 스마트 팩토리를 달성하는 것은 단거리 경주가 아니라 마라톤입니다.
