Состояние отрасли:обновление за март 2021 г.

Введение

По мере того, как наши ежедневные обновления об использовании набирают обороты и получают все больше внимания, мы считаем важным, как распорядители данных, прояснить наши предположения, любые источники предвзятости, которые у нас могут быть, и наши пределы погрешности, чтобы организации могли принимать наиболее обоснованные решения на основе наших данных. .

Как и в случае с любым набором данных, наши данные содержат систематическую ошибку, и поэтому мы присваиваем допустимую погрешность любой из сообщаемых нами метрик. Специалистам по данным важно быть прозрачными в отношении этих источников предвзятости, наших предположений относительно данных и того, как мы решаем эти проблемы в нашей методологии. Это позволяет вам, пользователю, делать собственные выводы о достоверности наших утверждений и ценности наших данных для вашей организации.

Аналог традиционных методов опроса

Если мы посмотрим на наш набор данных с точки зрения традиционного опроса (как вы видите по телевизору, кто лидирует на президентских праймериз), мы можем рассматривать каждую из наших машин как «человека», которого мы «опрашиваем» или опрашиваем. Вопрос, который мы задаем для этого опроса, звучит просто:«Какой была в среднем ваша загрузка за последние семь дней?» Мы каждую секунду опрашиваем тысячи «людей» (машин) в Соединенных Штатах с помощью нашего парка устройств Edge, подключенных к облаку, и сообщаем эту цифру за предыдущий день после того, как все «ответы» будут «введены».

Где находятся "люди" (машины), образцы которых мы выбираем.

Как и в случае любого опроса, который не охватывает все население, наша выборка подвержена систематической ошибке. Как уже упоминалось в наших предыдущих сообщениях, некоторые формы предвзятости неприменимы в нашей методологии, а именно обусловленные эмоциями, такие как предвзятость восприятия, предвзятость подтверждения и злонамеренные сообщения. Машины автоматически опрашиваются через программное обеспечение каждую секунду — они не могут «солгать» или сказать неправду, потому что нет возможности сделать это, когда они привязаны к MachineMetrics. Технологические сбои также являются номинальными, поскольку использование — это самая основная метрика, которую мы опрашиваем от машин, и любые аномалии обнаруживаются и быстро устраняются алгоритмически. Однако другие формы предвзятости все еще существуют, даже если исключить человеческий фактор.

Образец высокой производительности

Во-первых, наша выборка, вероятно, представляет собой образец высокопроизводительного производства. Это связано с тем, что те, кто внедряет технологии Индустрии 4.0, являются более дальновидными магазинами и, следовательно, вероятно, уже имеют процессы для оптимизации операций и увеличения пропускной способности. Мы не совсем уверены, на сколько процентов производительнее наша выборка, чем «среднее» дискретное производство, но мы не считаем, что это должно влиять на общие тенденции (то есть процентное изменение изо дня в день должно быть одинаковым для образец с высокой производительностью по сравнению с образцом со средней производительностью). Это связано с тем, что факторы макроуровня, такие как праздники, экономические потрясения и оншоринг/офшоринг, должны относительно одинаково влиять на магазины с высокой и низкой производительностью. Это важно, потому что, хотя общий уровень использования, о котором мы сообщаем, немного повышен, мы все еще можем видеть очень четкие тенденции, такие как влияние праздников, влияние коронавируса и влияние неудовлетворенного потребительского спроса на производство в целом.

Кроме того, мы не собираем совершенную перепись использования машин на уровне населения в Соединенных Штатах, поскольку это потребовало бы подключения ко всем 3 миллионам станков (цифра в 3 миллиона исходит от Ассоциации производственных технологий, которая оценивает, что существует 3,2 миллиона действующих станков с ЧПУ, первоначальная стоимость которых превышает 50 тысяч долларов).

Хотя мы и стремимся однажды достичь 3 миллионов, прямо сейчас нам приходится довольствоваться лишь частью этого общего размера. Мы не раскрываем точный размер нашей выборки из-за того, что мы взимаем стандартную цену за машину, и это раскрыло бы наш годовой регулярный доход, цифру, которую большинство стартапов нашего размера не хотят раскрывать, потому что она играет ключевую роль в оценках. .

Граница погрешности

Тем не менее, мы включаем допустимую погрешность в качестве наилучшей практики, которая, как правило, является тем размером выборки, который мы пытаемся получить в любом случае. Погрешность учитывает размер выборки как долю от общей численности населения, а также процент респондентов, давших утвердительный ответ на опрос. В нашем случае нет «утвердительного» ответа на опрос — теоретически мы могли бы принять 100%-е использование как «все сказали «да», а 0% — как «все сказали «нет», но это подозрительно. Поэтому в наших расчетах мы просто используем 50-процентную долю утвердительных ответов, что максимизирует погрешность для самых консервативных показателей точности опроса. Вы можете быть уверены, что приведенная нами маржа относится к наихудшему сценарию, учитывая размер нашей выборки.

Формула погрешности для конечных популяций. Источник:Справка по домашним заданиям Чегга

Чем больше погрешность, тем меньше доверия пользователей к результатам опроса. Наша текущая погрешность колеблется от +-1,6% до +-1,8%. То есть мы на 95% уверены, что для всех 3 миллионов станков в США фактические показатели использования составляют от +- 1,6% до +- 1,8% от того, что мы сообщаем. Наш последний отчетный показатель использования на 6 марта 2021 г. составлял 29,41%, что означает, что мы считаем, что, скорее всего, фактическое использование всего парка станков составляет от 27,60% до 31,21%. Это означает, что сравнения, которые происходят в пределах погрешности, так же как результаты опроса между двумя кандидатами, которые находятся в пределах погрешности, следует рассматривать с долей скептицизма и подходить к ним с осторожностью. Думаю, мы все узнали об этом из первых рук во время избирательного цикла 2016 года.

Например, если коэффициент использования изменится с 29,0% до 29,4%, это все еще находится в пределах нашей погрешности и должно рассматриваться скорее как любопытство, чем как факт. Если, однако, это изменение сохраняется в течение многих дней, а коэффициент использования изменяется с 29% до 31% в течение недели, мы на 95% уверены, что это отражает изменение на уровне популяции. В другом варианте, если это пятница перед 4 июля, и использование ежедневно меняется с 29% до 25%, это также больше, чем просто любопытство, но скорее то, что это отражает реальность на в торговых залах по всей территории Соединенных Штатов (люди уходят в пятницу до 4 июля, чтобы начать выходные пораньше).

Цифра от +-1,6% до 1,8% также важна сама по себе. Это буфер, который вы должны установить для себя, если вы сравниваете использование вашей собственной фабрики с отраслевыми нормами.

Обновление отраслевых условий

В духе нашего разъяснения относительно допустимой погрешности мы хотели бы заявить об использовании следующим образом:

Мы на 95 % уверены, что еженедельное скользящее среднее значение использования до вчерашнего дня составляет от 27,60 % до 31,21 % при точечной оценке 29,41 %.

Это отражает экономические данные ФРС, показывающие, что производственный спрос по всей стране растет из-за неудовлетворенного спроса. Мы видим, что это самый высокий уровень использования 6 марта за последние четыре года, довольно невероятное понимание.

Это также представляет собой локальный максимум, который не превышался с октября 2018 года (41-месячный максимум). Это почти идеально совпадает с индексом производства ISM, который также достиг 48-месячного максимума в 60,8 после скачка с 58,7 в январе. Данные подтверждаются неподтвержденными сообщениями об острой нехватке рабочей силы на производстве, поскольку владельцы фабрик изо всех сил пытаются нанять рабочих на фоне усиления конкуренции со стороны Amazon и др. Руководители цехов повышают заработную плату на целых 30%, чтобы конкурировать за таланты, поскольку новые игроки приходят, чтобы нанять квалифицированных рабочих.

Мы заканчиваем ссылкой на подкаст в Wall Street Journal, который добавляет некоторый человеческий контекст к тому, что мы видим в наших данных:Где рабочие места процветают.

В заключение, бизнес хорошо, почти слишком хорошо. Пожалуйста, следите за обновлениями!