I 12 “peccati capitali” nell’utilizzo dei dati di processo

1. Fare come si è sempre fatto

Nel team persiste la cieca fede nelle vecchie abitudini sul comportamento dei processi, oppure grosse quantità di dati si sono trasformate in un forte spauracchio?

Come evitarlo: siate coraggiosi! Osate esplorare. Una mente curiosa è la pietra miliare di tutti i processi di miglioramento e di risoluzione dei problemi.

2. Dimostrare qualsiasi cosa con i fatti

Persino Homer Simpson sa che si può dimostrare qualsiasi cosa con i fatti. Lo stesso vale per l’analisi dei processi. Se il risultato è già deciso e servono solo dati che lo dimostrino, si troverà sicuramente il modo di farlo. Una massa di dati sufficientemente ampia è come un morbido pezzo di cera da modellare nella forma desiderata.

Come evitare questa trappola: siate onesti e aperti quando si elaborano i dati.

Spesso le analisi vengono affrontate con entusiasmo e buon umore, ma nelle prime fasi del processo si verificano subito delle battute d’arresto. La ragione è spesso fin troppo umana: colme di entusiasmo, le persone non considerano a fondo come affrontare il problema e con quali aspettative. Questo si traduce spesso in frustrazione.

3. Qual è esattamente il problema?

I dati vengono analizzati con foga senza prendersi il tempo necessario per pensare a un obiettivo chiaramente definito. In questo modo si imparano sicuramente nuove cose sul processo, ma i risultati tendono a rimanere scarsi.

Risolvere la problematica: porsi le domande giuste. Per massimizzare i benefici dei risultati, prima di iniziare a trattare i dati, fermatevi un attimo e pensate a quale domanda, più di tutte le altre, si vuole trovare risposta. Quanto meglio è delineata la domanda, tanto migliori saranno i prerequisiti per il successo.

4. Una forte convinzione crea ossessione

A differenza del punto n° 2, si stanno analizzando seriamente i dati e si è desiderosi di trovare risposte. Tuttavia, i taciti presupposti del team possono sottilmente indirizzare il processo di analisi verso una vecchia conclusione che si presume essere buona.

Come evitarlo: sperimentare nuovi metodi, incorporare nuove variabili nell’analisi e mantenere sufficientemente ampio l’insieme di misure da studiare. In questo modo, ci si assicurerà che rimanga spazio a nuove conclusioni.

5. Esiste una pallottola magica

Le cose complesse sono semplici solo nei discorsi superficiali. Non pensiamo che l’analisi dei dati sia un’eccezione! Anche la serie di dati più bella non darà una risposta diretta a tutto (o forse sì, ma la risposta sarà probabilmente inutile).

Come risolverlo: prendere il tempo necessario. Si Imparerà di più a ogni sessione di analisi e ci si avvicinerà alla soluzione passo dopo passo. Spesso la domanda iniziale verrà perfezionata lungo il percorso e alla fine si otterrà la risposta corretta alla domanda che è stata riformulata.

6. Se ne occupa qualcun altro

Occupatene tu! In questo modo ci si assumerà la piena responsabilità. Lo sappiamo, il mondo è pieno di consulenti, quindi si potrebbe pensare di lasciare i dati nelle loro mani. Questo sì che farebbe comodo… ma ai consulenti. In più, si otterrà un conto salato e un futuro da “vacca da mungere”.

Come evitarlo: Non vorrete di certo esternalizzare la comprensione del comportamento e della competenza dei processi. Quindi, non affidate a nessuno l’analisi dei dati di processo. È una parte importante delle vostre competenze di base.

7. Dal letame nascono i diamanti?

Se i dati analizzati non sono buoni, anche i risultati saranno inutili. I dati di processo in quanto tali sono quasi sempre inutili, ma sono comunque la migliore materia prima disponibile. Dopo tutto, anche i diamanti sono fatti di carbonio.

Come affrontare la questione: utilizzare gli strumenti giusti. La pre-elaborazione dei dati è una delle fasi più importanti dell’analisi. Ma come si fanno a ripulire i dati errati, a compensare i ritardi di processo e a concentrare l’analisi solo sul prodotto finale desiderato?

Uno strumento di analisi dei dati di processo come Wedge vi aiuterà in questo. Se si scende a compromessi su questo aspetto, si potrà dimenticare tutto il processo di analisi. Bisogna riconoscere la qualità della materia prima e agire in modo tale da ottenere un risultato finale simile a quello di un diamante.

8. Cercare di smussare gli angoli

In assenza di strumenti, si è tentati di “smussare” gli angoli. Le scadenze incalzano e il lavoro sembra richiedere molto più tempo di quello che si ha a disposizione. Magari si pensa di dover scegliere un set di dati limitato e ignorare completamente i dati di laboratorio?

In questo modo si puliscono i dati in modo superficiale, ignorando i ritardi. Inoltre si fanno analisi rapide e ristrette. Infine, si accetta che la comprensione delle relazioni causali rimanga molto debole. Spiacenti, ma un’analisi rapida e sporca non basta.

Cosa fare: investire in strumenti adeguati che consentano di effettuare analisi migliori e più versatili, e di farlo in modo semplice e veloce.

9. Morte per annegamento

I dati sono tantissimi. In una cartiera, ogni secondo vengono effettuate decine di migliaia di misurazioni. È facile farsi sopraffare dalla mole di dati. Tuttavia, non vorrete perdere nulla di rilevante, quindi ripulite accuratamente i dati e prendete in considerazione un insieme sufficientemente ampio di misure nell’analisi.

Si reitera, si aggiungono misure all’analisi, si perfeziona l’angolo di incidenza. E si suda. Tuttavia, le masse di dati iniziano a sommergerci e allo stesso tempo ci si accorge che i dati di misurazione non sono onnicomprensivi. Gli incubi inizieranno a invadere i sogni ad occhi aperti.

Come evitare questa trappola: utilizzare strumenti potenti utili a “scavare” i dati essenziali. Analizzare i fenomeni da più prospettive e cambiare rapidamente direzione, se necessario, per assicurarsi di rimanere sulla strada giusta per raggiungere l’obiettivo.

10. Strumenti semplici per affrontare problemi complessi

La misurazione della qualità del prodotto finale è volatile. L’occhio rileva le variazioni periodiche, ma non è possibile quantificare o individuare la causa principale. I dati del profilo 2D sembrano negativi, ma come si fa a confrontare i dati 2D con gli altri dati di processo? E se il fenomeno che si sta analizzando è davvero complesso?

Come risolverlo: investire in uno strumento in grado di gestire casi più impegnativi e di eseguire analisi e diagnosi avanzate, come ad esempio l’analisi e la diagnosi dei profili 2D rispetto ai dati di processo, l’analisi e la diagnosi dello spettro e l’analisi dei batch.

11. Mancanza di comprensione dei processi

Dati, dati, dati. Tuttavia, i dati non dicono tutto e nessuno sarà mai in grado di misurare tutto. Anche nel migliore dei casi, uno strumento può solo suggerire le cause o gli effetti principali. I sistemi di apprendimento automatico sono facili da commercializzare come onnipotenti, ma senza la competenza dei processi che può avere un ingegnere, tutte le analisi dei dati risulteranno inutili.

Come evitare questa trappola: fidarsi del cervello umano. La conoscenza, l’esperienza e il giudizio degli esperti di processo sono insostituibili. Il valore è nelle conclusioni, non nel processo di analisi.

12. Mancanza di competenza nell’analisi dei dati

Anche il miglior esperto di processi rimarrà perplesso se viene sollecitato ad analizzare i dati senza una sufficiente competenza nell’elaborazione e senza strumenti di facile utilizzo. Come affrontarlo: investire in strumenti facili da usare che non richiedano all’utente le competenze di un analista di dati per ottenere i risultati. Migliori sono gli strumenti, minori saranno i poteri magici necessari per avere successo nelle analisi.

Torna indietro