Estado de la industria:actualización de marzo de 2021

Introducción

A medida que nuestras actualizaciones diarias de utilización ganan fuerza y ​​reciben más atención, creemos que es importante como administradores de datos aclarar nuestras suposiciones, cualquier fuente de sesgo que podamos tener y nuestros márgenes de error para que las organizaciones tomen las decisiones más informadas a partir de nuestros números. .

Al igual que con cualquier conjunto de datos, nuestros datos contienen sesgos y, por lo tanto, adjuntamos un margen de error a cualquiera de nuestras métricas informadas. Es importante, como profesionales de los datos, ser transparentes sobre estas fuentes de sesgo, nuestras suposiciones sobre los datos y cómo abordamos estas preocupaciones en nuestra metodología. Esto le permite a usted, el usuario, hacer sus propios juicios sobre la veracidad de nuestras afirmaciones y el valor de nuestros datos para su organización.

Análogo a los métodos de sondeo tradicionales

Si vemos nuestro conjunto de datos desde la perspectiva de las encuestas tradicionales (como las que se ven en la televisión para ver quién va adelante en las primarias presidenciales), podemos considerar cada una de nuestras máquinas como una "persona" a la que "sondeamos" o sondeamos. La pregunta que hacemos para esta encuesta es simplemente:"¿Cuál ha sido su utilización en promedio, estos últimos siete días?" Tomamos muestras de miles de "personas" (máquinas) en los Estados Unidos cada segundo a través de nuestra flota de dispositivos Edge conectados a la nube, e informamos esta cifra del día anterior una vez que todas las "respuestas" están "en".

Dónde residen las "personas" (máquinas) que muestreamos.

Como ocurre con cualquier encuesta que no capta a toda la población, nuestra muestra está sujeta a sesgos. Como se abordó en nuestras publicaciones anteriores, ciertas formas de sesgo no son aplicables en nuestra metodología, a saber, las que se basan en emociones, como el sesgo de percepción, el sesgo de confirmación y los informes maliciosos. Las máquinas se sondean automáticamente a través del software cada segundo:no pueden "mentir" o decir mentiras porque no hay oportunidad de hacerlo cuando están conectadas a MachineMetrics. Las fallas tecnológicas también son nominales, ya que la utilización es la métrica más básica que sondeamos de las máquinas y cualquier anomalía se detecta algorítmicamente y se elimina rápidamente. Sin embargo, todavía existen otras formas de sesgo incluso cuando se elimina el elemento humano.

Muestra de alta productividad

Primero, nuestra muestra probablemente representa una muestra de manufactura de alta productividad. Esto se debe a que aquellos que adoptan las tecnologías de la Industria 4.0 son los talleres que tienen más visión de futuro y, por lo tanto, probablemente ya tengan procesos implementados para optimizar las operaciones y aumentar el rendimiento. No estamos completamente seguros de cuántos puntos porcentuales más productiva es nuestra muestra que la fabricación discreta “promedio”, pero no creemos que las tendencias generales deban verse afectadas por esto (es decir, el cambio porcentual de un día a otro debería ser similar para una muestra de alta productividad frente a una muestra de productividad media). Esto se debe a que los factores de nivel macro como las vacaciones, las crisis económicas y la deslocalización/deslocalización deberían afectar a los talleres de alta y baja productividad de forma relativamente equitativa. Esto es importante porque, si bien el nivel general de utilización que informamos es ligeramente elevado, aún podemos ver tendencias muy claras como el efecto de las vacaciones, el efecto del coronavirus y el efecto de la demanda reprimida del consumidor en la fabricación en general.

Además, no capturamos un Censo de uso de máquinas a nivel de población perfecto en los Estados Unidos, ya que eso requeriría estar conectado a las más de 3 millones de máquinas herramienta (el número de 3 millones proviene de la Asociación para la Tecnología de Fabricación, que estima que hay 3,2 millones de máquinas herramienta CNC operativas que tienen un valor original de más de $50k).

Si bien aspiramos a llegar a los 3 millones algún día, en este momento tenemos que conformarnos con una fracción de este tamaño total. No revelamos el tamaño exacto de nuestra muestra debido al hecho de que cobramos un precio estándar por máquina, y eso revelaría nuestros ingresos recurrentes anuales, una cifra que la mayoría de las empresas emergentes de nuestro tamaño no están dispuestas a revelar porque juega un papel clave en las valoraciones. .

Margen de error

Sin embargo, incluimos un margen de error como mejor práctica, que es típicamente a lo que el tamaño de la muestra intenta llegar de todos modos. Un margen de error tiene en cuenta el tamaño de la muestra como proporción del tamaño total de la población, así como el porcentaje de encuestados que responden afirmativamente a la encuesta. En nuestro caso, no hay una respuesta "afirmativa" a la encuesta; en teoría, podríamos tomar el 100 % de utilización como "todos dijeron que sí" y el 0 % como "todos dijeron que no", pero esto es sospechoso. Por lo tanto, simplemente usamos una proporción del 50 % para las respuestas afirmativas en nuestro cálculo, lo que maximiza el margen de error para las medidas más conservadoras de la precisión de la encuesta. Puede estar seguro de que los márgenes que informamos son para el peor de los casos dado el tamaño de nuestra muestra.

Fórmula de margen de error para poblaciones finitas. Fuente:Ayuda con la tarea de Chegg

Cuanto mayor sea el margen de error, menos confianza deberían tener los usuarios en los resultados de la encuesta. Nuestro margen de error actual oscila entre +-1,6 % y +-1,8 %. Es decir, estamos seguros en un 95 % de que, para los 3 millones de máquinas herramienta en los EE. UU., las cifras de utilización real son +- 1,6 % a +- 1,8 % de lo que informamos. Nuestra última cifra de utilización informada para el 6 de marzo de 2021 fue del 29,41 %, lo que significa que creemos que es muy probable que la utilización real para toda la población de máquinas-herramienta esté entre el 27,60 % y el 31,21 %. Esto significa que las comparaciones que ocurren dentro del margen de error, al igual que los resultados de las encuestas entre dos candidatos que están dentro del margen de error, deben considerarse con precaución y abordarse con precaución. Creo que todos aprendimos esto de primera mano durante el ciclo electoral de 2016.

Por ejemplo, si la utilización cambia del 29,0 % al 29,4 %, esto todavía está dentro de nuestro margen de error y debe considerarse más una curiosidad que un hecho. Sin embargo, si este cambio persiste durante muchos días y la utilización cambia del 29 % al 31 % en el lapso de una semana, estamos 95 % seguros de que esto refleja el cambio en el nivel de la población. En otra realización, si es el viernes anterior al 4 de julio y la utilización cambia del 29 % al 25 % día a día, también es más que una simple curiosidad que esto haya sucedido, sino que está reflejando la realidad en pisos de tiendas en los Estados Unidos (que la gente se quita el viernes antes del 4 de julio para comenzar el fin de semana temprano).

La cifra de +-1,6% a 1,8% también es importante en sí misma. Este es el margen que debe establecer para usted mismo si está comparando la utilización de su propia fábrica con las normas de la industria.

Actualización sobre las condiciones de la industria

En el espíritu de nuestra aclaración sobre el margen de error, nos gustaría indicar la utilización de la siguiente manera:

Estamos seguros en un 95 % de que el promedio móvil semanal de utilización hasta ayer está entre el 27,60 % y el 31,21 %, con una estimación puntual del 29,41 %.

Esto refleja los datos económicos de la Reserva Federal que muestran que la demanda de las fábricas en todo el país está aumentando debido a la demanda acumulada. Vemos que esta es la utilización más alta del 6 de marzo en los últimos cuatro años, una idea bastante increíble.

Esto también representa un máximo local que no se supera desde octubre de 2018 (máximo de 41 meses). Esto se alinea casi perfectamente con el índice de manufactura del ISM, que también alcanzó un máximo de 48 meses de 60,8 después de saltar desde 58,7 en enero. Los datos son corroborados por informes anecdóticos de una grave escasez de mano de obra en la fabricación, ya que los propietarios de las fábricas luchan por contratar trabajadores en medio de una mayor competencia de Amazon et al. Los gerentes de planta están aumentando los salarios hasta en un 30 % para competir por el talento, a medida que nuevos jugadores ingresan para contratar trabajadores calificados.

Terminamos haciendo referencia a un podcast en el Wall Street Journal que agrega algo de contexto humano a lo que estamos viendo en nuestros datos:Donde los empleos están en auge.

En conclusión, el negocio es bueno, casi demasiado bueno. ¡Estén atentos para más actualizaciones!