Mauro Gerber は、チューリッヒの光ファイバー ケーブル メーカー HUBER+SUHNER でデータ管理、電気試験、測定に携わるプロセス エンジニアおよび統計の専門家です。 HUBER+SUHNER に入社する前は、マウロはドイツの多国籍ガラス メーカー SCHOTT AG で R&D プロセスの専門家として 12 年間働いていました。マウロは以前の職務でも現在の職務でも、分析の有効化を率直に提唱し、エンジニア向けの新しいトレーニング プログラムを試験的に導入し、統計的思考の民主化をサポートするソフトウェアを調達してきました。
そして： まず初めに、生産業界における統計の整備状況についてご意見をお聞かせいただけますでしょうか。
マウロ:多くの企業は、統計についても深い理解を持つ [ドメインの専門家] の考えを理解するのにまだ苦労しているようです。私はプロセス エンジニアとしてキャリアをスタートし、数年かけて統計分析とモデリングをどんどん行っていきました。 15 年後、別の組織に参加することを決めたときも、結局同じ状況になり、データ サイエンティストではなくプロセス エンジニアとして採用されました。
[専門分野と統計の両方の専門知識を持つ] 私たちは、データ エンジニアリング、分析、プロセス エンジニアリング、高品質の生産に関する幅広い知識を持っています。モデリングだけじゃない！現在、私は HUBER+SUHNER のプロセス エンジニアリング グループに所属していますが、分析を増やすほど、他のエンジニアに提供できるサポートが増えます。時々、彼らが何をしているのか完全に理解しておらず、プロセスで行き詰まっているのを目にします。そのため、分析を実行する方法だけでなく、分析を実行する理由についての理解を深めるために 5 日間のコースを設定しました。それ。
そして： 従来の統計トレーニングと統計的または分析的思考の主な違いは何だと思いますか?
マウロ:私にとって、古典的な教育は、あなたが実行するすべてのステップが機能し、望ましい結果につながる舞台を設定しているように思えます。それは車の運転方法を学ぶようなものです。もちろん、ハンドル、加速、ブレーキの方法を知り、すべてのボタンの機能を理解することは重要ですが、前方のデコボコ道を避ける方法や、いつ右左折するか、道に迷う可能性があることを知ることも重要です。この古典的なアプローチでは、例に示されているクリックの連鎖に従っている場合でも、約束どおりに機能しなかったため、イライラが生じたり、統計を中止したりする可能性があります。
メグ：つまり、厳格な手法と批判的思考の問題ですね。
マウロ：はい。それが、一部の人々が分析でより成功することを妨げたり、建設的な意見交換や合意を妨げたりする可能性があります。プロセスが非常に安定していて変動の測定が非常に難しい場合でも、システムが機能するかどうかは唯一の指標によって決まるという考えに人々が固執していたので、やり直さなければならない測定システム分析 (MSA) の数を数えるのをやめました。お客様は、「不良」部品をミックスに導入することを提案しました。しかし、そうするとプロセスの変動が表現されなくなり、MSA 全体が無意味になってしまいます。なぜなら、部品を変更することで得られる数値を自由に選択できるからです。
この場合、インデックスが特定の値を下回るとシステムが機能しないことは誰かが教えたと思いますが、その数値がどのようにして得られるのか、それが何を意味するのかについては教えませんでした。
そして： 面白い。あなたほど分析に深く没頭していない人に、その違いをどのように説明しますか?シックス シグマから最新の分析への考え方の進化をサポートする必要があるというビジネス ケースを経営陣にどのように構築しますか?
マウロ:私個人としては、日常業務で統計を使用し、真っ先に統計に取り組むと、統計の利点や将来性を伝えるのが難しいと感じています。その一方で、統計が数式やグラフィックで示されると複雑で圧倒的に見える場合があります。 、数値、そしてデータを分析する無限の方法。
私が試みていることの 1 つは、データベースからデータを取得したり、ファイルからインポートしてテーブルを再形成したりするスクリプトを作成して、ユーザーにとって便利になるようにすることです。これにより、時間を大幅に節約でき、分析の最初のステップにおけるいくつかのハードルを回避できます。それはさらに深く掘り下げる好奇心を引き起こす可能性さえあります。
もう 1 つのアプローチは、データを並べて一緒に調査し、分析の可能性を開発して示し、可能であれば他の人の知識やアイデアを含めることです。私はツールや解決策への道筋を提供できますが、有益な洞察やフィードバックは、プロセスに携わる人々から得られます。
このアプローチにより、より多くのエンジニアが自分自身で分析を行いたいと考えたため、経営陣に投資を説得することができました。ソフトウェアの購入はその一部にすぎません。
そして： そこでトレーニング プログラムが登場します。
マウロ:はい、まだ障壁はありますが。私が最初にエンジニア向けにJMPと統計的思考を学ぶ 5 日間のコースを提案したとき、経営陣は躊躇しました。彼らはエンジニアを5日間仕事を休ませるわけにはいかないと述べた。
「斧を研ぐ時間がない。木を切り倒さなければならない。」という格言があります。各部門に 1 人だけ派遣して、その人が他の人を教えるようにするという提案さえありました。自分の子供のうち1人だけを学校に通わせて、家で兄弟たちに教えてもらうようなものです。
そして： かなり保守的な考え方のようです。
マウロ:強制的に保守的というわけではありませんが、MSA と SPC は必要であり、顧客から要求されているとはいえ、ほとんどの企業ではこれが通常の状況です。これらは、安定性を高め、品質を向上させるプロセスについての洞察を得るための企業の取り組みにおいて不可欠な部分である必要があります。しかし、どの組織にも、それをサポートするために統計的思考の訓練を受けた人材が必要です。
そして： JMP の学習とそれに伴う統計的思考スキルの学習の両方に関して、エンジニアはあなたのコースにどのような反応を示しましたか?
マウロ:そうですね。たとえば、シックスシグマの黒帯を持っていた人は、最初にこう言いました。「ねえ、私はすでに統計のトレーニングを受けています。いくつかの部分を理解するかもしれません。あるいは、ただの繰り返しかもしれません。お知らせします。」コース中に、彼が「ああ、だからこれをやるべきだ、今はそのほうが合理的だ！」とコメントしたため、いくつかのコインが落ちているのがわかりました。別の機会に、私はあるサイトの生産、品質、エンジニアリングのスタッフを同じトレーニングコースに参加させましたが、彼らは多くの苦情や非難を交わしながら議論しました。しかし、コースの途中で、他のパートナーが何を必要としているのか、なぜ特定の数値を要求するのかを理解し始め、同時に顧客からの特定の要求やエンジニアリングからのアイデアの影響も定量化しました。
だからこそ、私はインストラクターという仕事が大好きです。
メグ: JMP を通じて利用できるリソースを個人的に、またはコースを受講している人々と一緒に使用したことがありますか?
マウロ: JMP Discovery Summit中に提供された、統計モデリングと重要な予測因子の発見に関する高度なトレーニングに参加できてうれしく思いました。それは、知識豊富なトレーナーとのさまざまな考え方の啓発的な集まりでした。また、JMP のモデリング面にさらに深く入り込むための実例でサポートされました。
JMP の新規ユーザーに私がお勧めするのは、 ウェルカム キットを使って作業し、その後 1 ～ 2 日かけて自分でトレーニングすることです。次に、通常、彼らは私との小規模な対面セッションを受けて質問し、彼らが解決したいと考えている個人的な例を確認することもあります。私がお勧めする次のステップは、 産業問題解決のための統計的思考 (STIPS)コースを受講することです。これは統計に関する内容が豊富なコースであり、JMP の可能性とその使用方法をより深く理解するのに最適な方法です。
そして： 若い世代のエンジニア、つまり大学制度を経て産業界に就職している人々は、あなたが駆け出しの頃よりもデータに精通していると感じますか?
マウロ：現時点では、あまり変化はないと思います。若いエンジニアと話すと、あちこちで半学期を過ごしているかもしれませんが、授業は機械学に重点を置いているため、それだけです。でも、進化していると思います。現在、統計教育が本格化しています。さらに多くの大学がコンピューター サイエンスのカリキュラムを多様化するにつれて、統計教育はより専門化しています。
そして： 大学でエンジニアリングの分野に進むことに興味がある人にアドバイスをしますか?
マウロ:業界において統計の重要性はますます高まっていると思います。
単に紙をデジタル形式に置き換えるだけではありません。これは、統計分析を強化するための基盤を確立する耐久レースの最初のステップにすぎません。企業が専任のデータサイエンティストを追加しても、エンジニアが優れたデータや優れた質問やアイデアを提供できるように、基本を理解することが依然として重要です。これは、プロジェクトの成功を向上させ、確実に成功させるための専門分野の知識と統計的手法を結集するチームの取り組みです。
例として、エンジニアは正規分布を定義する正確な式を知る必要はありませんが、正規分布がデータを表し、このリンクに基づいてプロセスを予測または説明できることは理解できるはずです。
そして： 理想的な世界では、独自のデータ分析グループを設立するためのフリーパスが与えられたとしたら、それはどのようなものになるでしょうか?
マウロ:より難しい統計の問題に取り組むための中央ユニットを設立したいと考えていますが、JMP の使用やスクリプトの作成について質問がある、または分析に関する質問でサポートが必要な同僚のためのホットラインとしても機能したいと考えています。
理想的には、分析の有効化とは、多様なスキルと知識を持つ人々のグループが存在することを意味します。たとえば、統計をしっかりと理解している非常に優秀なエンジニアとレポート分析を行う専任のアナリストの両方がいて、彼らはサブグループを通じてつながっているか、より困難な問題を支援できる 1 人の非常に上級のアナリストによって監督されているとします。まさにその交換こそが、多くの価値、知識、時間の節約などをもたらす可能性があると言えます。
そして： 最終的な考えはありますか？
マウロ: 「はい、デジタル化を行っています」というだけではなく、優れた分析の価値と、データに基づいて適切な意思決定を行うことの価値がもっと理解されるといいのにと思います。または、「私たちはビッグデータを扱っています。」これらは単なるキャッチフレーズであり、何が必要かを理解し、グループ全体が統計的思考の方向に進むことができるように経営陣によって任命される人材が必要です。
スマート工場とは、賢い人材が 1 人か 2 人だけいるという意味ではありません。それはソフトウェア、知識、人材、プロセス間の相互作用であり、学際的なチームが成功の鍵です。また、エンジニアリング、品質、生産間のコミュニケーションの拠点でもあります。真のスマートファクトリーの実現は短距離走ではなくマラソンです。
