Karena pembaruan penggunaan harian kami semakin meningkat dan menerima lebih banyak perhatian, kami merasa penting sebagai pengelola data untuk mengklarifikasi asumsi kami, sumber bias apa pun yang mungkin kami miliki, dan margin kesalahan kami agar organisasi dapat membuat keputusan yang paling tepat dari jumlah kami .
Seperti halnya kumpulan data apa pun, data kami mengandung bias, dan oleh karena itu kami melampirkan margin kesalahan ke salah satu metrik yang kami laporkan. Sebagai praktisi data, penting untuk bersikap transparan tentang sumber bias ini, asumsi kami tentang data, dan bagaimana kami mengatasi masalah ini dalam metodologi kami. Hal ini memungkinkan Anda, pengguna, untuk membuat penilaian sendiri tentang kebenaran klaim kami dan nilai data kami bagi organisasi Anda.
Jika kami melihat dataset kami dari perspektif jajak pendapat tradisional (seperti yang Anda lihat di TV untuk siapa yang unggul dalam pemilihan pendahuluan presiden), kami dapat menganggap setiap mesin kami sebagai "orang" yang kami "jajak pendapat" atau survei. Pertanyaan yang kami ajukan untuk jajak pendapat ini hanyalah:“Berapa rata-rata penggunaan Anda, tujuh hari terakhir ini?” Kami mengambil sampel ribuan "orang" (mesin) di seluruh Amerika Serikat setiap detik melalui armada perangkat Edge kami yang terhubung ke cloud, dan melaporkan angka ini untuk hari sebelumnya setelah semua "jawaban" sudah "masuk".
Di mana "orang" (mesin) yang kami sampel berada.
Seperti halnya jajak pendapat yang tidak menangkap seluruh populasi, sampel kami memiliki bias. Seperti yang dibahas dalam posting kami sebelumnya, bentuk bias tertentu tidak berlaku dalam metodologi kami - yaitu yang didorong oleh emosi seperti bias persepsi, bias konfirmasi, dan pelaporan jahat. Mesin secara otomatis disurvei melalui perangkat lunak setiap detik - mesin tidak dapat "berbohong" atau mengatakan yang tidak benar karena tidak ada peluang untuk melakukannya saat ditambatkan ke MachineMetrics. Gangguan teknologi juga bersifat nominal, karena pemanfaatan adalah metrik paling dasar yang kami jajaki dari mesin dan setiap anomali dideteksi secara algoritme dan dicabut dengan cepat. Namun, bentuk bias lain tetap ada bahkan ketika elemen manusia dihilangkan.
Pertama, sampel kami kemungkinan mewakili sampel manufaktur dengan produktivitas tinggi. Ini karena mereka yang mengadopsi teknologi Industri 4.0 adalah toko yang lebih berpikiran maju, dan karena itu mungkin sudah memiliki proses untuk merampingkan operasi dan meningkatkan throughput. Kami tidak sepenuhnya yakin berapa banyak poin persentase yang lebih produktif sampel kami daripada manufaktur diskrit "rata-rata", tetapi kami tidak percaya bahwa tren keseluruhan harus dipengaruhi oleh ini (yaitu, persentase perubahan dari hari ke hari harus serupa untuk sampel produktivitas tinggi vs. sampel produktivitas rata-rata). Ini karena faktor tingkat makro seperti hari libur, guncangan ekonomi, dan onshoring/offshoring seharusnya mempengaruhi toko dengan produktivitas tinggi dan rendah secara relatif sama. Ini penting karena meskipun tingkat pemanfaatan secara keseluruhan yang kami laporkan sedikit meningkat, kami masih dapat melihat tren yang sangat jelas seperti efek liburan, efek virus corona, dan efek permintaan konsumen yang terpendam pada manufaktur secara keseluruhan.
Selain itu, kami tidak menangkap Sensus penggunaan mesin tingkat populasi yang sempurna di seluruh Amerika Serikat, karena itu akan memerlukan pemasangan ke 3 juta+ peralatan mesin (angka 3 juta berasal dari The Association for Manufacturing Technology, yang memperkirakan bahwa ada 3,2 juta peralatan mesin CNC operasional yang memiliki nilai asli lebih dari $50k).
Sementara kami bercita-cita untuk mendapatkan 3 juta satu hari, sekarang kami harus puas dengan sebagian kecil dari ukuran total ini. Kami tidak mengungkapkan ukuran sampel persis kami karena fakta bahwa kami mengenakan harga standar per mesin, dan itu akan mengungkapkan pendapatan berulang tahunan kami, angka yang sebagian besar perusahaan rintisan seukuran kami tidak bersedia mengungkapkannya karena memainkan peran kunci dalam penilaian .
Namun, kami menyertakan margin kesalahan sebagai praktik terbaik, yang biasanya merupakan ukuran sampel yang coba didapatkan. Margin of error memperhitungkan ukuran sampel sebagai proporsi dari total ukuran populasi, serta persentase responden yang menanggapi survei dengan setuju. Dalam kasus kami, tidak ada tanggapan "afirmatif" terhadap survei - kami secara teoritis dapat mengambil pemanfaatan 100% berarti "semua orang mengatakan ya" dan 0% berarti "semua orang mengatakan tidak", tapi ini mencurigakan. Oleh karena itu, kami hanya menggunakan proporsi 50% untuk tanggapan afirmatif dalam perhitungan kami, yang memaksimalkan margin kesalahan untuk ukuran akurasi survei yang paling konservatif. Anda dapat yakin bahwa margin yang kami laporkan adalah untuk skenario terburuk mengingat ukuran sampel kami.
Rumus margin kesalahan untuk populasi hingga. Sumber:Bantuan Pekerjaan Rumah Chegg
Semakin besar margin kesalahan, semakin sedikit kepercayaan pengguna terhadap hasil survei. Margin kesalahan kami saat ini berkisar antara +-1,6% hingga +-1,8%. Artinya, kami 95% yakin bahwa, untuk 3 juta peralatan mesin di AS, angka penggunaan aktual adalah +- 1,6% hingga +- 1,8% dari yang kami laporkan. Angka utilisasi terakhir kami yang dilaporkan untuk 6 Maret 2021 adalah 29,41%, yang berarti kami percaya bahwa kemungkinan besar utilisasi aktual untuk seluruh populasi peralatan mesin adalah antara 27,60% dan 31,21%. Ini berarti bahwa perbandingan yang terjadi dalam margin of error, seperti hasil polling antara dua kandidat yang berada dalam margin of error, harus dipertimbangkan dengan sebutir garam, dan didekati dengan hati-hati. Saya rasa kita semua mempelajari ini secara langsung selama siklus pemilu 2016.
Misalnya, jika pemanfaatan berubah dari 29,0% menjadi 29,4%, ini masih dalam batas kesalahan kami dan harus dianggap lebih sebagai keingintahuan daripada fakta. Namun, jika perubahan ini berlangsung selama beberapa hari dan pemanfaatan berubah dari 29% menjadi 31% dalam rentang waktu seminggu, kami yakin 95% bahwa ini mencerminkan perubahan tingkat populasi. Dalam perwujudan lain, jika hari Jumat sebelum tanggal 4 Juli dan pemanfaatannya berubah dari 29% menjadi 25% setiap hari, itu juga lebih dari sekadar keingintahuan bahwa ini terjadi, tetapi lebih mencerminkan kenyataan di lantai toko di seluruh Amerika Serikat (orang-orang berangkat pada hari Jumat sebelum 4 Juli untuk memulai akhir pekan lebih awal).
Angka +-1,6% hingga 1,8% juga penting. Ini adalah penyangga yang harus Anda tetapkan sendiri jika Anda membandingkan pemanfaatan pabrik Anda sendiri dengan norma industri.
Dalam semangat klarifikasi kami tentang margin of error, kami ingin menyatakan pemanfaatan sebagai berikut:
Kami 95% yakin bahwa rata-rata penggunaan mingguan hingga kemarin adalah antara 27,60% dan 31,21%, dengan estimasi poin 29,41%.
Ini mencerminkan data ekonomi Fed yang menunjukkan bahwa permintaan pabrik di seluruh negeri melonjak karena permintaan yang terpendam. Kami melihat bahwa ini adalah pemanfaatan tertinggi 6 Maret selama empat tahun terakhir, wawasan yang cukup luar biasa.
Ini juga mewakili maksimum lokal yang belum pernah dilampaui sejak Oktober 2018 (tertinggi 41 bulan). Ini sejalan hampir sempurna dengan indeks manufaktur ISM, yang juga mencapai tertinggi 48 bulan di 60,8 setelah melonjak dari 58,7 pada Januari. Data tersebut dikuatkan oleh laporan anekdotal tentang kekurangan tenaga kerja yang parah di bidang manufaktur, karena pemilik pabrik berjuang untuk mempekerjakan pekerja di tengah meningkatnya persaingan dari Amazon et al. Manajer lantai toko menaikkan upah sebanyak 30% untuk bersaing memperebutkan bakat, karena pemain baru masuk untuk merekrut pekerja terampil.
Kami mengakhiri dengan merujuk podcast di Wall Street Journal yang menambahkan beberapa konteks manusia ke apa yang kami lihat di data kami:Di Mana Pekerjaan Booming.
Kesimpulannya, bisnis itu bagus, hampir terlalu bagus. Tetap disini untuk pembaruan lebih lanjut!
Teknologi Industri
Pendahuluan:Pembedahan Beberapa Bulan Sebelumnya Tidak ada yang bisa benar-benar memprediksi dampak virus corona pada masyarakat kita secara tertulis besar-besaran pada awal tahun ini. Hal ini dibuktikan dalam sejarah volatilitas pasar saham (biasanya menunjukkan tingkat ketidakpastian yang belum
Digitalisasi memengaruhi hampir semua bidang kehidupan kita, termasuk cara kita memproduksi produk. Perusahaan di industri mulai dari telekomunikasi dan pertanian hingga perhotelan dan militer/pertahanan memanfaatkan Industri 4.0 untuk mengubah dan mengoptimalkan proses manufaktur mereka. Apa Itu In
Jika Anda melihat lebih dekat pada inovasi yang keluar dari industri teratas saat ini — otomotif, medis, kedirgantaraan — kemungkinan besar Anda akan menemukan beberapa bentuk teknologi robotika. Kemajuan terbaru dalam komputasi dan teknologi sensorik telah mengilhami pertumbuhan eksplosif dalam man
Seperti yang terjadi di seluruh pandemi, tahun 2021 tentu bukan tahun yang paling mudah bagi banyak organisasi. Terlepas dari kenyataan bahwa vaksin saat ini sedang diluncurkan di seluruh dunia, kita semua masih mencari tahu secara real-time bagaimana menavigasi normal baru yang menjadi bagian kita
