Gegevens, welke kansen en risico’s verbergen ze voor u?

“Gegevensanalyse moet zo eenvoudig mogelijk zijn, maar niet eenvoudiger” *

Herkent u onderstaande methoden?

  • Tabellen met kengetallen, zoals gemiddelden, standaardafwijkingen, medianen
  • Diagrammen, zoals staaf, taart, lijn, spreiding, tijdreeks, amoebe
  • Verbanden tussen gegevens op de y-as en de x-as, correlatiematrices
  • Toetsen: t-toets, variantieanalyse

De complexe processen in uw bedrijf leveren een grote verscheidenheid aan gegevens op en vergen een meer geavanceerde analyse. De meeste experts in uw bedrijf zijn zeer bedreven met apparatuur en producten, maar niet met complexe gegevensanalyses. Meer tabellen en figuren leveren niet altijd meer informatie op.
Het kiezen en uitvoeren van de juiste, meerdimensionale analyse levert veel meer op.

Gegarandeerd dat uw bedrijfsgegevens onverwachte kansen verbergen voor productkwaliteit, kosten, welzijn van klanten en medewerkers, duurzaamheid. Die gegevens komen van grondstof tot en met product, van apparatuur en van mensen (klanten, medewerkers) en van automatische sensoren tot steekproefwaarnemingen, Misschien verbergen ze ook nog wel enkele onbekende, niet eenvoudig waarneembare risico’s. Samen kunnen we die kansen en risico’s vinden en vertalen naar een nog optimaler proces en product.

Aanpak
Op deze pagina kunt u de aanpak kiezen die het beste past bij uw situatie.

*Everything should be made as simple as possible, but not simpler“. De componist Roger Sessions parafraseerde met deze zin in 1950 (in The New York Times) zijn vriend Albert Einstein. ‘Everything’ kun je door alles vervangen, ook door gegevensanalyse.
Overigens formuleerde de Franciscaner filosoof William of Ockham al in de veertiende eeuw een vergelijkbare stelling (en Aristoteles al voor hem) die tijdens het bouwen van modellen als ‘spaarzaamheid’ (in het Engels: parsimony) wordt samengevat:
Gebruik een simpel model als het even goed voorspelt als een complex model.

Contact

Verborgen kansen

Flinke jaarlijkse besparingen (bijvoorbeeld productverlies ter waarde van jaarsalarissen) blijken mogelijk door de complexe structuur van verbanden tussen gegevens te ontrafelen, bijvoorbeeld met meervoudige regressieanalyse. Deze aanpak kwantificeert de invloeden van alle proces- en omgevingsvariabelen op de kwaliteit van een proces of product, verstopt in een multidimensionale matrix.
Er is een schitterende wereld aan informatie verborgen achter de diagrammen en tabellen op tweedimensionale schaal waartoe een eenvoudige analyse zich beperkt.

Wat levert het op?

  • Een berekening van de invloed van alle factoren op de kwaliteit van uw producten*, verborgen in een schijnbare onontwarbare kluwen van gegevens over grondstoffen, geautomatiseerde processen, handelingen van medewerkers, productieomgeving, logistiek en de waardering van uw klanten.
    *inclusief uw duurzaamheidsdoelen voor de hele keten (mens en natuur).
  • Kortom: Inzicht in de samenhang tussen kwaliteitsfactoren en stuurfactoren.
  • Een gevoeligheidsanalyse (welke factoren hebben de grootste invloed)
  • Een onzekerheidsanalyse (welke informatie ontbreek over belangrijke factoren)
  • Prioriteitstelling voor maatregelen om kosten (waar nodig risico’s) te beperken
  • Een overzicht van onnodige kosten (maatregelen die weinig of geen effect hebben)
  • Prioriteitstelling voor verzameling van ontbrekende kennis en informatie
  • Een prognose (verwachting) van de kwaliteit en kosten, met ‘onzekerheidspluim’ (voorspelinterval)

Aanpak
Op deze pagina kunt u de aanpak kiezen die het beste past bij uw situatie.

Contact

Verborgen risico’s

100% garantie op de kwaliteit van uw processen en producten.

U weet dat dit niet haalbaar en zelfs niet wenselijk is. U streeft naar een goede balans tussen de kwaliteit en de kosten van uw producten. Alleen een balans die gebaseerd is op berekeningen, zorgt voor de juiste weging van alle aspecten. Zonder die analyse maakt u waarschijnlijk kosten die niet nodig zijn en zijn er op andere plaatsen in uw proces verborgen risico’s.

Wat heeft u nodig?

De meeste bedrijven hebben niet de luxe om te investeren in een vaste medewerker met de kennis en vaardigheden om deze meerdimensionale berekeningen te maken. Het vergt een statistische analyse van de samenhang tussen alle relevante factoren, op basis van historische gegevens.

Wat levert het u op?

  • Een berekening van de risico’s (producten, processen, medewerkers, omgeving)
  • Inzicht in de complexe samenhang tussen kwaliteitsfactoren en stuurfactoren.
  • Een gevoeligheidsanalyse (welke factoren hebben de grootste invloed)
  • Een onzekerheidsanalyse (welke informatie ontbreek over belangrijke factoren)
  • Prioriteitstelling voor maatregelen om risico’s te beperken
  • Een overzicht van onnodige kosten (maatregelen die weinig of geen effect hebben)
  • Prioriteitstelling voor verzameling van kennis en informatie
  • Een prognose (verwachting) van de kwaliteit en kosten, met ‘onzekerheidspluim’ (voorspelinterval)

Aanpak
Op deze pagina kunt u de aanpak kiezen die het beste bij uw situatie past.

Contact

Aanpak

Wat kunt u van mij verwachten?
De volgende stappen worden gezet, bij voorkeur samen met u en uw medewerkers:

  • Verkenning: welke factoren beïnvloeden de kwaliteit van producten en processen?
  • Modelbouw: hoe groot is de invloed van elk van deze factoren?
  • Prognose: hoe zal de kwaliteit zich bij ongewijzigde omstandigheden ontwikkelen?
  • Optimalisatie: welke prioriteit krijgen invloedsfactoren in een verbetertraject?
  • Validatie: werkt het verbetertraject zoals verwacht?

Uiteraard kunt u desgewenst stappen overslaan of achterwege laten, zolang u tevreden blijft de resterende kwaliteit van de analyse. De stappen zijn aan het eind van deze pagina meer in detail weergegeven

Er zijn meerdere manieren van samenwerking mogelijk

1. Multidisciplinaire aanpak
De kennis en vaardigheden van uw medewerkers zijn daarbij cruciaal. Ik voeg daar mijn kennis en vaardigheden aan toe. Samen maken we de sturing van uw processen en de kwaliteit van uw producten nog beter, in het belang van uw klanten, medewerkers en de eigenaar(s), rekening houdend met de wereld waarin we leven. Deze benadering levert uw bedrijf geïmplementeerde kennis en inzicht op en kost mij minder tijd (lagere kosten voor u). De aanpak is projectmatig en vraagt tijd van uw specialisten, een investering voor de lange termijn. Desgewenst kan ik uw medewerkers de benodigde methoden voor gegevensanalyse leren.

2. Toevoegen van waarde met een minimale inspanning van uw medewerkers
In een ideale situatie werken we zoveel mogelijk samen om de resultaten (kennis en inzichten) te verankeren in de kennis en vaardigheden van uw medewerkers, in de processturing en in het ontwerp van uw producten. Als u daarvoor nu geen mensen vrij kunt maken, dan kan een gegevensanalyse toch veel opleveren. Ik verdiep me dan in uw bedrijf, overleg zo weinig mogelijk met uw medewerkers en zorg zelf voor de juiste ordening van uw gegevens, desgewenst verzamel ik deze zelf in uw bedrijf.
U krijgt het resultaat in de vorm die u wenst, een advies voor optimalisatie, met of zonder een uitgebreide rapportage ter onderbouwing.

Stappen in detail

  • Mobiliseer kennis, van procesoperator tot financiële specialisten;
  • Begin eenvoudig, inventariseer de huidige kennis op hoofdlijnen;
  • Maak keuzes: wat heeft prioriteit? (indien nodig zijn prioriteiten te berekenen);
  • Welke kwaliteitsvariabele(n) wilt u beter beheersen?
  • Welke stuurvariabelen hebben daar waarschijnlijk of mogelijk effect op (diagram)?
  • Een verkenning van de verbanden tussen kwaliteits- en stuurvariabelen.
    • Er is een breed scala aan technieken beschikbaar, een overzicht op deze pagina.
    • Indien de formules* van verbanden al bekend zijn, werken we uiteraard daarmee.
  • Verzameling van gegevens, desnoods schattingen (we beginnen eenvoudig …).
  • Bouw van het statistische model** dat de verbanden beschrijft.
  • Gevoeligheidsanalyse: welke stuurvariabelen hebben de grootste invloed?
  • Onzekerheidsanalyse: over welke invloedrijke stuurvariabelen is (te) weinig bekend?
    • Variabelen met voldoende zekerheid krijgen prioriteit in de procesoptimalisatie.
    • Variabelen met teveel onzekerheid krijgen prioriteit in gegevensverzameling.
  • Indien nodig: procesoptimalisatie (kwaliteit, kosten, medewerkers, omgeving).
  • Prognose met onzekerheidspluim, inclusief de effecten van procesoptimalisatie.
  • Validatie van het model: zijn de prognoses correct?
  • Indien nodig: gegevensverzameling voor verbetering van het model.

* proceskundig, productgebonden, klanten, fysisch, chemisch, (micro)biologisch etc.
** ‘model‘ klinkt heel complex, maar 1+1 =2 is een model. Het is dus een grote formule.

Procesautomatisering met machine learning en/of artificial intelligence

Machine learning (machinaal leren) en in toenemende mate artificial intelligence (AI, kunstmatige intelligentie) zijn technieken die toepasbaar zijn in procesautomatisering.
Deze technieken vergen grote hoeveelheden gegevens (‘big data’), afkomstig van sensoren, waarbij processturing via (complexe) terugkoppeling steeds beter wordt. Ik werk samen met partners die hier meer vanaf weten dan ik, ik breng u graag met hen in contact.

Veel gegevens (‘big data’) uit andere bronnen

Het is geweldig als u veel gegevens heeft! Hoe meer gegevens, hoe kleiner de onzekerheid. Het blijft zinvol (en met gegevens een enorme klus) om de gegevens goed te controleren, met kennis van zaken. Dat voorkomt bijvoorbeeld dat mannen zwanger worden in gegevensanalyses. Slechte gegevens leveren slechte conclusies op, dus ik werk niet met standaardsystemen die verbanden vinden tussen van alles en nog wat, zonder, liefst samen, na te denken over hóe en waarom er verbanden zijn, op basis van bestaande kennis.

Wat doe ik niet?

  • Engelse termen gebruiken, zoals als data (gegevens), Big Data (veel gegevens) en Data Science (gegevenswetenschap*). De termen zijn erg populair en ik gebruik liever de eenvoudige Nederlandse termen: gegevensanalyse en statistiek. Misschien ben ik ouderwets, maar ik houd van duidelijke communicatie.
  • Ook de term Design of Experiment (DOE, gebruikt tijdens Six Sigma) vermijd ik, want de term dekt de lading niet goed. De statistiek in de Six-Sigmabenadering is een mooie standaardbenadering (meerweg-variantieanalyse) die verder gaat dan een basisanalyse. Het kan echt nóg beter als je 20 jaar ervaring hebt met een grote verscheidenheid aan technieken voor analyse van proces- en productgegevens.
    Zeker doen, overigens, Six Sigma, het is een prima stap voorbij de basisanalyse.

*Data science
Dit betekent letterlijk: gegevenswetenschap. Dat zou kunnen betekenen:

  • Wetenschap met gebruik van gegevens (ik vraag me dan af: waarmee anders?)
  • Wetenschap van gegevensanalyse, wiskunde en statistiek dus.

De meeste gegevensanalisten die zich ‘data scientists’ noemen en met ‘big data’ bezig zijn, gebruiken technieken die door anderen ontwikkeld zijn en die zij van anderen geleerd hebben, net als ik.
We gebruiken prachtige technieken en de mogelijkheden in de gegevensverkenning en statistiek zijn mede dankzij computers en het werk van wiskundige en statistische wetenschappers groot. In mijn ogen mogen echter alleen zij die publiceren in wiskundige of statistische vakbladen zich een ‘data scientist’ noemen (zij noemen zichzelf echter, terecht, wiskundige of statisticus). Meer op deze pagina op de website Stackexchange en op deze Wikipedia-pagina.
Ik ben met meer dan 20 jaar ervaring analyse van bedrijfsprocessen handig met statistiek (zie mijn publicaties), maar zou mezelf geen statisticus durven noemen.
Het zou misschien goede marketing zijn, maar ik wil mezelf ook geen ‘data scientist’ noemen, hooguit ‘kwantitatief analist’ of ‘gegevensanalist’.

Contact

Contact

Ik maak graag een afspraak om te praten over

  • De kansen en/of risico’s die verborgen zijn in uw gegevens.
  • Statistische evaluaties (hoe gaat het nu?)
  • Statistische prognoses (hoe zal het naar verwachting gaan?)

U kunt mij bereiken door

  • te bellen: 06 24269886
  • te e-mailen: info@ gevolgd door viaeterna.nl
    (deze schrijfwijze beperkt de spamberichten)

Privacybeleid en cookiebeleid

Uw bedrijfsgegevens zijn bij Viaeterna veilig, op met encryptie beveiligde computers en backups. Uw persoonsgegevens heb ik van u ontvangen tijdens persoonlijk contact of heeft u openbaar gemaakt op uw website. Uw gegevens en de gegevens die u ontvangen heeft, worden nooit zonder uw uitdrukkelijke toestemming en de toestemming van de eigenaar van de door u ontvangen gegevens gedeeld met derden.
Meer kunt u lezen in het privacybeleid en het cookiebeleid.