Jak se vyhnout stresu a experimentovat efektivněji

Známe to všichni, kdo zkoušíme nové věci. Netýká se to pouze výzkumných pracovníků nebo pracovníků ve vývoji, ale každého pracovníka, který chce zlepšit svůj produkt nebo proces. Zkoušet nové podmínky a jít do neznáma, může být dost stresující. O to víc, když se Vaši nadřízení ptají, jaké jste udělali pokroky a kdy budou hotové hmatatelné výsledky Vašeho úsilí. To byste samozřejmě také rádi věděli! A proto je dobré mít PLÁN. Jakýkoliv plán je lepší než žádný plán. A co takhle plán experimentů, slyšeli jste o něm? V angličtině je takový plán experimentování známý pod názvem Design of Experiments nebo Experimental Design - ve zkratce DOE. Není to žádný módní výstřelek poslední doby. Tato metoda experimentování je tu s námi již téměř devadesát let a tak měla dostatek času na prokázání svojí síly a schopnosti objevovat nové postupy a optimalizovat ty stávající.
DOE se používá všude tam, kde je potřeba zkoumat vliv několika parametrů (v DOE terminologii - faktorů) ovlivňujících produkt nebo proces a Vy přesně nevíte, který faktor nebo jejich kombinace má jaký vliv. Někdy se těmto procesům říká "černá skříňka" neboli Black Box. Také se používá tam, kde je naměření nebo provedení jednotlivého pokusu nákladné, je tedy potřeba provést pokusů co nejméně a zároveň získat co nejvíce informací (typicky v průmyslu).

V čem se DOE liší od rozšířenějších metod experimentování? Hlavní rozdíl je v tom, že se při jednom pokusu mění nastavení několika faktorů současně. To šetří čas (i náklady) potřebný k experimentování a zároveň umožňuje zjistit, jak se navzájem jednotlivé faktory ovlivňují (interagují). Tato schopnost odhalovat interakce mezi faktory je obrovskou výhodou oproti rozšířenějším metodám experimentování, jako třeba pokus/omyl nebo změny v nastavení pouze u jednoho faktoru v jednom pokusu tzv. metody OFAT z anglického One Factor at a Time - tyto starší a známější metody experimentování interakce zcela zanedbávají. Interakce mezi faktory často nejsou na první pohled patrné, a proto jejich odhalení může vést k tolik kýženým přelomovým objevům.
Teď si možná říkáte: "No to je fajn, ale jak určím, který faktor má jaký vliv, když je měním všechny najednou?" To je správný dotaz, a i když to jde trochu proti intuici, tak odpověď zní: JEDNODUŠE. Je to dané tím, že DOE je vždy určitá série pokusů s jasně daným uspořádáním a logickou strukturou kombinací změn v nastavení faktorů. Toto jasné uspořádání umožňuje spočítat a rozlišit vliv jednotlivých faktorů každému, kdo má tužku, papír a základní znalosti matematiky ze střední školy. V dnešní době je plánování experimentů o to jednodušší, že tuto základní matematiku (a později i těžší váhy) za Vás oddře počítač s příslušným softwarem (někdy postačí i MS Excel). Kromě matematického vyjádření Vašeho zkoumaného procesu Vám software výsledky graficky znázorní pomocí přehledných a intuitivních grafů. Pokud ani poté ještě nedostanete uspokojivý výsledek, tak minimálně víte, kterým směrem se v experimentování vydat dál.
DOE je forma aktivního učení o procesu nebo produktu. Není to pasivní pozorování, ale aktivní a promyšlená změna podmínek, díky které získáte přehled, jaký faktor má na co vliv. Neposlední výhodou statisticky navržených experimentů DOE je tzv. sekvenční plánování. To znamená postupné nabalování znalostí na sebe a využívání dřívějších experimentů při analýze výsledků těch následujících. Většinou se tedy nejedná o experiment "na jednu ránu," který může buď uspět nebo selhat, ale je to série pokusů, která zvyšuje šanci dostat se ke kýženým výsledkům. DOE můžete využívat pro identifikování klíčových faktorů mající největší vliv na Váš produkt nebo proces z jinak velkého množství všech ostatních faktorů. Pokud již znáte ty nejdůležitější faktory, tak v dalším kroku můžete provést tzv. charakterizaci, která Vám odhalí efekty faktorů na výsledek a zároveň jak mezi sebou tyto faktory interagují. Na tuto znalost se dá navázat další sérií pokusů, která slouží k optimalizaci produktu nebo procesu a Vy tak dosáhnete nejlepšího možného nastavení zkoumaných faktorů i pokud potřebujete optimalizovat několik měřených odezev, výstupů nebo veličin najednou.
V tomto článku jsem popsal několik výhod plánovaných experimentů DOE, které vedou k větší efektivitě při experimentování a objevování nových souvislostí. Tyto výhody poskytují jasnou strategii, díky které může být experimentování méně stresující i pro Vaše nadřízené a pro Vás více uspokojující.

Pokud Vás článek zaujal a chtěli jste se dozvědět více nebo se zeptat na nějakou konkrétní část, neváhejte mě kontaktovat přes tento formulář na hlavní stránce.

Autor článku: Marek Malý
Datum zveřejnění: 9.4.2022