Time To Innovate: Making better data-driven decisions in Science and Engineering

[#1]

Nuestra conversación con Lilian Monahan de Fujifilm resultó ser muy popular. Muchas personas se sintonizaron para descubrir cómo usar sus datos de manera eficiente para permitir la mejora continua del proceso. La conversación ilustró cuán importante es el acceso eficiente a los datos para estas iniciativas y cómo el uso de la gama completa de datos disponibles, junto con las herramientas adecuadas, permite a los científicos e ingenieros mejorar la comprensión y la comunicación de sus hallazgos.

Como era de esperar, los espectadores hicieron muchas preguntas interesantes, pero debido a limitaciones de tiempo, no pudimos cubrirlas todas durante el evento. Después de la revisión, nos dimos cuenta de que estas preguntas se dividían en cuatro temas distintos que interesarían a la comunidad de JMP. Para mayor claridad, resumimos las respuestas a las preguntas en una breve descripción general de cada una.

Accesibilidad de datos

La mayoría de las preguntas sobre la accesibilidad de los datos se redujeron a tres cosas: cómo recopilar sus datos, cómo ponerlos a disposición de las personas adecuadas y, en última instancia, cómo procesar grandes volúmenes de datos una vez que los tenga.

Si se encuentra en una situación en la que los datos que necesita no están obviamente disponibles, a menudo es mejor comenzar con una conversación dentro de su organización. Si bien esto suena obvio y simple, estas pequeñas conversaciones a menudo ayudan a ubicar la mayoría de los datos que necesita para la tarea inmediata e iniciar una conversación más amplia sobre cómo y dónde se almacenan y utilizan los datos. Estas conversaciones más amplias y las historias de éxito internas se pueden utilizar para impulsar el análisis de datos en su organización.

Para muchas organizaciones, puede haber preocupaciones de que podría ser demasiado desafiante reunir todos sus datos o que solo algunos de los datos estén disponibles. Afortunadamente, JMP brinda a las organizaciones una plataforma para reunir los datos que tienen para una exploración rápida e interactiva. Esto revela respuestas en los datos de manera eficiente, lo que permite tomar decisiones críticas de manera oportuna.

Automatización simple con el generador de flujos de trabajo

En nuestra conversación, Lilian habló sobre cómo Fujifilm simplificó y estandarizó el acceso a los datos mediante un complemento y, naturalmente, muchos espectadores querían saber más. En su caso, implementaron una solución con secuencias de comandos usando JSL, pero como se ilustra en las demostraciones, la introducción de Workflow Builder en JMP 17 permite crear estas automatizaciones sin codificación. Como era de esperar, este fue un tema que generó mucho interés, ya que una ruta simple que reduce el tiempo que lleva llegar a una perspectiva siempre es bienvenida.

La plataforma Workflow Builder proporciona una ruta sin código hacia la automatización al registrar los pasos para realizar sus análisis. Esto significa que solo necesita realizar los pasos de importación, preparación y análisis de datos una vez para generar un flujo de trabajo que puede usarse para repetir este trabajo cuando sea necesario. Una vez que su proceso tiene un flujo de trabajo, es sencillo ampliar su utilidad registrando nuevos pasos y reordenando los existentes. Una vez que esté satisfecho con el proceso, puede compartirlo fácilmente con sus colegas como un flujo de trabajo o utilizarlo para generar el script JSL correspondiente para crear un complemento JMP. Todo esto le permite estandarizar y automatizar sus tareas rutinarias, sin necesidad de codificar.

Cambio organizacional

Después de la discusión, tuvimos algunas preguntas que se centraron en diferentes resultados, pero llegaron a la misma pregunta: "El análisis de datos es una buena idea en principio, pero ¿cómo convenzo a las personas de toda la organización para que utilicen el resultado de este trabajo?" Por lo general, es más efectivo usar sus propios datos para ilustrar el poder de estos enfoques a sus colegas, ya que estas serán las historias más convincentes.

Para el monitoreo de procesos, por ejemplo, es posible que desee pasar de solo monitorear eventos de especificación a monitorear problemas potenciales utilizando reglas de gráficos de control. En la superficie, esto puede parecer un cambio fundamental para alguien que no está acostumbrado a este enfoque. Sin embargo, si esa discusión se acompaña con un ejemplo que ilustre cómo estos enfoques de SPC pueden identificar problemas antes de que el proceso se salga de las especificaciones, le da credibilidad a su mensaje y crea un incentivo para el cambio.

Al ilustrar lo simple que puede ser usar sus datos con las herramientas interactivas en JMP para desarrollar procesos mejores y más consistentes, puede crear un caso convincente para el análisis de datos en su organización y el valor de comprender completamente lo que le dicen sus datos.

Formación y perfeccionamiento de científicos e ingenieros

Varias preguntas preguntaron cuál es la mejor manera de mejorar las habilidades de las personas para aprovechar el análisis de datos. Junto con preguntas más generales en esta área, varias se centraron en algunos de los métodos de control estadístico de procesos (SPC) que discutimos durante la sesión.

El mejor lugar para comenzar con ambas preguntas son los recursos que JMP pone a su disposición. Como discutimos durante el seminario web, el Curso de pensamiento estadístico para la resolución de problemas industriales (STIPS) es un recurso brillante que establece el por qué y, lo que es más importante, el cómo del análisis de datos en una variedad de temas, y cada uno de estos temas tiene más recursos disponibles en el Aprende JMP sección de la Comunidad de Usuarios de JMP. Para recursos más detallados sobre SPC, una curso e-learning sobre SPC por JMP Education está disponible.