La nostra discussione con Lilian Monahan di Fujifilm si è rivelata estremamente popolare. Molte persone si sono sintonizzate per scoprire come utilizzare in modo efficiente i propri dati per consentire il miglioramento continuo dei processi. La conversazione ha illustrato quanto sia importante un accesso efficiente ai dati per queste iniziative e come l'utilizzo dell'intera gamma di dati disponibili, insieme agli strumenti giusti, consenta a scienziati e ingegneri di migliorare la comprensione e la comunicazione delle loro scoperte.
Non sorprende che gli spettatori abbiano posto molte belle domande, ma a causa dei limiti di tempo non abbiamo potuto coprirle tutte durante l'evento. Dopo la revisione, ci siamo resi conto che queste domande rientravano in quattro argomenti distinti che avrebbero interessato la comunità di JMP. Per chiarezza, abbiamo riassunto le risposte alle domande in una breve panoramica per ciascuna.
Accessibilità dei dati
La maggior parte delle domande sull'accessibilità dei dati si riduceva a tre cose: come raccogliere i dati, come renderli disponibili alle persone giuste e infine come elaborare grandi volumi di dati una volta che li hai.
Se ti trovi in una situazione in cui i dati richiesti non sono ovviamente disponibili, spesso è meglio iniziare con una conversazione all'interno della tua organizzazione. Sebbene ciò sembri ovvio e semplice, queste piccole conversazioni spesso aiutano a individuare la maggior parte dei dati necessari per l'attività immediata e ad avviare una conversazione più ampia su come e dove i dati vengono archiviati e utilizzati. Queste conversazioni più ampie e storie di successo interne possono essere utilizzate per dare slancio all'analisi dei dati nella tua organizzazione.
Per molte organizzazioni, ci possono essere preoccupazioni che potrebbe essere troppo difficile riunire tutti i loro dati o che solo alcuni dei dati siano prontamente disponibili. Fortunatamente, JMP offre alle organizzazioni una piattaforma per riunire i dati in loro possesso per un'esplorazione rapida e interattiva. Ciò rivela le risposte nei dati in modo efficiente, consentendo di prendere decisioni critiche in modo tempestivo.
Automazione semplice utilizzando il generatore di flussi di lavoro
Nella nostra conversazione, Lilian ha discusso di come Fujifilm abbia semplificato e standardizzato l'accesso ai dati utilizzando un componente aggiuntivo e, naturalmente, molti spettatori volevano saperne di più. Nel loro caso, hanno implementato una soluzione basata su script utilizzando JSL, ma come illustrato nelle dimostrazioni, l'introduzione del Workflow Builder in JMP 17 consente di creare queste automazioni senza codifica. Non sorprende che questo sia stato un argomento che ha generato molto interesse poiché un percorso semplice che riduce il tempo necessario per arrivare a una visione approfondita è sempre il benvenuto.
La piattaforma Workflow Builder fornisce un percorso senza codice verso l'automazione registrando i passaggi per eseguire le tue analisi. Ciò significa che devi eseguire i passaggi di importazione, preparazione e analisi dei dati solo una volta per generare un flusso di lavoro che può essere utilizzato per ripetere questo lavoro quando necessario. Una volta che il tuo processo ha un flusso di lavoro, è semplice estenderne l'utilità registrando nuovi passaggi e riordinando quelli esistenti. Una volta che sei soddisfatto del processo, puoi condividerlo facilmente con i tuoi colleghi come flusso di lavoro o utilizzarlo per generare lo script JSL corrispondente per creare un componente aggiuntivo JMP. Tutto ciò ti consente di standardizzare e automatizzare le tue attività di routine, senza dover eseguire alcuna codifica.
Cambiamento organizzativo
Dopo la discussione, abbiamo avuto alcune domande incentrate su risultati diversi, ma siamo giunti alla stessa domanda: "L'analisi dei dati è una buona idea in linea di principio, ma come posso convincere le persone in tutta l'organizzazione a utilizzare l'output di questo lavoro?" Di solito, è più efficace utilizzare i propri dati per illustrare il potere di questi approcci ai colleghi, poiché queste saranno le storie più avvincenti.
Per il monitoraggio dei processi, ad esempio, potresti voler passare dal solo monitoraggio degli eventi di specifica al monitoraggio dei potenziali problemi utilizzando le regole del grafico di controllo. A prima vista, questo può sembrare un cambiamento fondamentale per chi non è abituato a questo approccio. Tuttavia, se tale discussione è accompagnata da un esempio che illustra come questi approcci SPC possono identificare i problemi prima che il processo sia andato oltre le specifiche, dà credibilità al tuo messaggio e crea un incentivo al cambiamento.
Illustrando quanto può essere semplice utilizzare i tuoi dati con gli strumenti interattivi di JMP per sviluppare processi migliori e più coerenti, puoi creare un caso convincente per l'analisi dei dati nella tua organizzazione e il valore di comprendere appieno ciò che i tuoi dati ti dicono.
Formazione e miglioramento delle competenze di scienziati e ingegneri
Diverse domande chiedevano come migliorare le competenze delle persone per trarre vantaggio dall'analisi dei dati. Accanto a domande più generali in quest'area, un numero si è concentrato su alcuni dei metodi di controllo statistico del processo (SPC) che abbiamo discusso durante la sessione.
Il miglior punto di partenza per entrambe le domande sono le risorse messe a disposizione da JMP. Come abbiamo discusso durante il webinar, il Corso Statistical Thinking for Industrial Problem Solving (STIPS). è una brillante risorsa che illustra sia il perché che, soprattutto, il come dell'analisi dei dati su una vasta gamma di argomenti, con ciascuno di questi argomenti che dispone di ulteriori risorse disponibili nel Impara JMP sezione della comunità degli utenti di JMP. Per risorse più dettagliate su SPC, un file gratuito corso e-learning su SPC di JMP Education è disponibile.
