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 R&D 프로세스 전문가로 12년 동안 일했습니다. 이전과 현재의 역할 모두에서 Mauro는 엔지니어를 위한 새로운 교육 프로그램을 시험하고 통계적 사고의 민주화를 지원하는 소프트웨어를 조달하는 등 분석 지원을 노골적으로 옹호해 왔습니다.
그리고: 먼저, 생산 산업의 현재 통계 준비 상태에 대한 귀하의 생각을 공유해 주실 수 있는지 궁금합니다.
마우로: 통계적 이해도도 깊은 [도메인 전문가]의 아이디어를 파악하는 데 아직도 많은 기업이 어려움을 겪고 있는 것 같습니다. 저는 프로세스 엔지니어로 경력을 시작했으며 몇 년에 걸쳐 점점 더 많은 통계 분석과 모델링 작업을 수행했습니다. 15년 후 다른 조직에 합류하기로 결정했을 때에도 저는 결국 데이터 과학자가 아닌 프로세스 엔지니어로 채용되는 동일한 상황에 처하게 되었습니다.
[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 갇혀 있는 것을 봅니다. 그래서 분석을 수행하는 방법 뿐만 아니라 수행해야 하는 이유 에 대한 이해를 심화하기 위해 5일 과정을 마련했습니다. 그것.
그리고: 전통적인 통계 교육과 통계적 또는 분석적 사고의 주요 차이점은 무엇이라고 생각하시나요?
Mauro: 제가 보기에 고전 교육은 당신이 수행하는 모든 단계가 효과가 있고 원하는 결과로 이어지는 무대를 설정하는 것 같습니다. 그것은 자동차 운전 방법을 배우는 것과 같습니다. 물론, 조향, 가속, 제동 방법을 알고 모든 버튼의 기능을 이해하는 것도 중요합니다. 그러나 전방의 울퉁불퉁한 도로를 피하는 방법이나 좌회전 또는 우회전 시점을 아는 것도 중요합니다. 그러면 길을 잃을 수도 있습니다. 이 고전적인 접근 방식은 예제에 제공된 일련의 클릭을 따르는 경우에도 약속한 대로 작동하지 않았기 때문에 좌절감을 느끼거나 심지어 통계를 종료하게 만들 수도 있습니다.
메그: 엄격한 방법 대 비판적 사고의 차이입니다.
마우로: 그렇죠. 이는 일부 사람들의 분석 성공을 방해하거나 건설적인 교환 또는 계약을 중단시킬 수 있는 링크입니다. 프로세스가 매우 안정적이어서 변동을 측정하는 것이 매우 어려운 경우에도 사람들이 유일한 지표가 시스템의 성능을 결정한다는 개념을 고수하고 있었기 때문에 얼마나 많은 측정 시스템 분석(MSA)을 다시 실행해야 하는지 계산하는 것을 중단했습니다. 고객은 "불량" 부품을 혼합에 도입할 것을 제안했습니다. 그러나 프로세스 변형이 표시되지 않고 전체 MSA가 의미가 없게 됩니다. 왜냐하면 조각을 변경하여 얻을 수 있는 수치를 자유롭게 선택할 수 있기 때문입니다.
이 경우 누군가가 지수가 특정 값보다 낮으면 시스템이 작동하지 않지만 그 숫자가 어떻게 되고 그것이 무엇을 의미하는지 가르쳤을 것이라고 가정합니다.
그리고: 흥미로운. 당신만큼 분석에 깊이 관여하지 않은 사람들에게 차이점을 어떻게 설명할 수 있나요? Six Sigma에서 최신 분석으로의 사고 방식의 진화를 지원해야 한다는 비즈니스 사례를 경영진에게 어떻게 구축합니까?
Mauro: 일상 업무에 통계를 사용할 때 통계의 이점과 미래 잠재력을 전달하는 것이 개인적으로 어렵다는 것을 알았습니다. 반면에 수식, 그래픽을 제시할 때 통계가 복잡하고 압도적으로 보일 수 있습니다. , 숫자 및 데이터를 분석하는 끝없는 방법.
제가 시도하는 것 중 하나는 데이터베이스에서 데이터를 얻거나 파일에서 가져오고 테이블의 모양을 변경하는 스크립트를 작성하여 사용자에게 유용하게 만드는 것입니다. 이는 많은 시간을 절약함으로써 첫 번째 분석 단계에서 몇 가지 장애물을 피하는 데 도움이 됩니다. 더 깊이 파고들려는 호기심을 불러일으킬 수도 있습니다.
또 다른 접근 방식은 데이터를 나란히 조사하여 분석의 잠재력을 개발 및 보여주고 가능하다면 다른 사람의 지식과 아이디어를 포함시키는 것입니다. 나는 솔루션에 대한 도구와 경로를 제공할 수 있지만, 유용한 경우 통찰력과 피드백은 프로세스에 참여하는 사람들에게서 나옵니다.
이러한 접근 방식을 통해 더 많은 엔지니어가 스스로 분석을 수행하기를 원했기 때문에 경영진이 투자하도록 설득할 수 있었습니다. 소프트웨어 구매는 그 일부일뿐입니다.
그리고: 이것이 바로 귀하의 교육 프로그램이 시작되는 곳입니다.
Mauro: 네, 아직 장벽이 있긴 하지만요. 제가 엔지니어들에게 JMP 와 통계적 사고를 배울 수 있는 5일 과정을 처음 제안했을 때 경영진은 머뭇거렸습니다. 그들은 엔지니어들이 5일 동안 직장을 쉬게 할 여유가 없다고 말했습니다.
"도끼를 갈 시간이 없다. 나무를 베어야 한다"는 말이 있다. 심지어 부서당 한 사람만 보내면 그 사람이 다른 부서를 가르칠 수 있다는 제안도 있었습니다. 마치 내 아이 중 한 명만 학교에 보내고 그 아이들이 집에서 형제자매들을 가르치게 하는 것과 같습니다!
그리고: 상당히 보수적인 생각인 것 같습니다.
Mauro: 억지로 보수적이지는 않지만 MSA와 SPC가 필요하고 고객이 요청하기는 하지만 이는 대부분의 회사에서 일반적인 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.
그리고: JMP 학습과 이에 따른 통계적 사고 능력 학습에 관해 엔지니어들이 귀하의 교육 과정에 어떻게 반응했나요?
마우로: 아주 좋습니다. 예를 들어, 저는 6시그마 블랙 벨트를 갖고 있었는데, 처음에 "이봐, 나는 이미 통계 교육을 받았어요. 알려드리기 위해 약간의 내용을 배울 수도 있고 그냥 반복일 수도 있습니다."라고 말했습니다. 강좌를 진행하는 동안, 그가 다음과 같이 말했기 때문에 동전이 떨어지는 것을 볼 수 있었습니다. “아, 그래서 내가 이걸 해야 하는데, 이제 좀 이해가 되네요!” 또 다른 경우에는 동일한 교육 과정에서 현장의 생산, 품질 및 엔지니어링 직원이 있었는데 그들은 많은 불만과 비난을 놓고 토론을 벌였습니다. 그러나 과정을 진행하는 동안 그들은 다른 파트너가 필요로 하는 것이 무엇인지, 특정 수치를 요청한 이유를 이해하기 시작했으며 고객의 특정 요청과 엔지니어링 아이디어의 영향을 정량화했습니다.
그래서 나는 강사가 되는 것을 좋아한다.
메그: JMP를 통해 제공되는 리소스를 개인적으로 사용해 보셨나요? 아니면 강좌를 듣는 사람들과 함께 사용해 보셨나요?
Mauro: 저는 JMP Discovery Summit 에서 통계 모델링과 중요한 예측 변수 찾기에 관해 제공되는 고급 교육에 참여하게 되어 기뻤습니다. 지식이 풍부한 강사와 다양한 생각이 함께 모이는 의미 있는 시간이었으며 실제 사례를 통해 JMP의 모델링 측면에 더 깊이 빠져들 수 있었습니다.
제가 JMP 신규 사용자에게 추천하는 것은 Welcome Kit를 통해 작업한 다음 하루나 이틀 정도 시간을 내어 스스로 훈련하는 것입니다. 다음으로, 그들은 대개 나와 함께 간단한 대면 세션을 통해 질문을 하고, 그들이 해결하고 싶은 개인적인 사례를 살펴볼 수도 있습니다. 제가 추천하는 다음 단계는 STIPS(산업 문제 해결을 위한 통계적 사고) 과정을 수강하는 것입니다. 이 과정은 통계에 대한 풍부한 강좌이자 JMP의 가능성과 사용 방법을 더 깊이 이해할 수 있는 좋은 방법입니다.
그리고: 대학 시스템을 통해 산업계에 취업하는 젊은 세대의 엔지니어가 처음 시작할 때보다 데이터에 더 능숙하다고 생각하시나요?
마우로: 현재로서는 큰 변화가 없다고 말하고 싶습니다. 제가 젊은 엔지니어들과 이야기를 나누면 그들은 반학기를 여기저기서 보냈을지 모르지만 그게 전부입니다. 왜냐하면 교과 과정이 기계공학에 더 중점을 두기 때문입니다. 하지만 점점 발전하고 있는 것 같아요. 이제 통계 교육이 실제로 다가오고 있으며, 더 많은 대학이 컴퓨터 과학 커리큘럼을 다양화함에 따라 더욱 전문화되고 있습니다.
그리고: 대학에서 엔지니어링 트랙을 추구하는 데 관심이 있는 사람에게 어떤 조언을 해주고 싶나요?
Mauro: 통계는 산업계에서 점점 더 중요해지고 있다고 생각합니다.
이는 단순히 종이를 디지털 형식으로 대체하는 것이 아닙니다. 이는 통계 분석을 강화할 수 있는 기반을 구축하는 지구력 경주의 첫 번째 단계일 뿐입니다. 기업에서 전담 데이터 과학자를 추가하더라도 엔지니어가 좋은 데이터와 좋은 질문 또는 아이디어를 제공할 수 있도록 기본 사항을 이해하는 것은 여전히 중요합니다. 이는 프로젝트의 성공을 향상하고 보장하는 도메인 지식과 통계 방법을 결합하는 팀 노력입니다.
예를 들어, 엔지니어가 정규 분포를 정의하는 정확한 공식을 알 필요는 없지만 그것이 데이터를 나타내고 이 링크를 기반으로 프로세스를 예측하거나 설명할 수 있다는 점을 이해할 수 있어야 합니다.
그리고: 이상적인 세상에서 자신만의 데이터 분석 그룹을 구성할 수 있는 무료 이용권이 주어진다면 어떤 모습일까요?
Mauro: 저는 좀 더 어려운 통계적 질문을 처리하기 위해 중앙 부서를 설치하고 JMP 사용 및 스크립트 작성에 대해 질문이 있거나 분석 질문에 대한 도움이 필요한 동료를 위한 핫라인 역할도 하고 싶습니다.
이상적으로 분석 지원은 다양한 기술과 지식을 가진 사람들의 그룹이 있음을 의미합니다. 예를 들어, 탄탄한 통계적 이해를 갖춘 훌륭한 엔지니어와 보고 분석을 수행하는 전담 분석가가 모두 있을 수 있으며, 이들은 하위 그룹을 통해 연결되거나 보다 어려운 문제를 해결하는 데 도움을 줄 수 있는 고위 분석가 한 명에 의해 감독됩니다. 제가 말하고 싶은 교환은 실제로 많은 가치, 지식, 시간 절약 등을 가져올 수 있습니다.
그리고: 최종 생각이 있으신가요?
마우로: 단순히 "그래, 우리는 디지털화를 해"라고 하는 것이 아니라 좋은 분석과 데이터를 기반으로 한 올바른 결정의 가치에 대한 이해가 더 많았으면 좋겠습니다. 또는 “우리는 빅데이터를 처리합니다.” 이는 단지 캐치 프레이즈일 뿐이며 필요한 것이 무엇인지 이해하고 전체 그룹이 통계적 사고의 방향으로 나아갈 수 있도록 경영진에서 할당한 사람들이 필요합니다.
스마트 팩토리는 똑똑한 사람이 한두 명만 있는 것이 아닙니다! 이는 소프트웨어, 지식, 사람 및 프로세스 간의 상호 작용입니다. 학제 간 팀이 성공의 열쇠입니다. 이는 엔지니어링, 품질, 생산 간의 커뮤니케이션을 위한 기반이기도 합니다. 진정한 스마트 팩토리를 달성하는 것은 단거리 경주가 아닌 마라톤입니다.
