Stand der Branche:Aktualisierung März 2021

Einführung

Da unsere täglichen Nutzungsaktualisierungen an Fahrt gewinnen und mehr Aufmerksamkeit erhalten, halten wir es für wichtig, dass wir als Datenverwalter unsere Annahmen, mögliche Quellen für Vorurteile und unsere Fehlermargen klären, damit Unternehmen anhand unserer Zahlen die fundiertesten Entscheidungen treffen können .

Wie bei jedem Datensatz enthalten unsere Daten Verzerrungen, und daher fügen wir jeder unserer gemeldeten Metriken eine Fehlermarge hinzu. Als Datenpraktiker ist es wichtig, diese Quellen von Verzerrungen, unsere Annahmen zu den Daten und die Art und Weise, wie wir diese Bedenken in unserer Methodik angehen, transparent zu machen. Auf diese Weise können Sie als Benutzer Ihre eigenen Urteile über die Richtigkeit unserer Behauptungen und den Wert unserer Daten für Ihr Unternehmen fällen.

Ein Analogon zu herkömmlichen Umfragemethoden

Wenn wir unseren Datensatz aus der Perspektive traditioneller Umfragen betrachten (wie Sie im Fernsehen sehen, wer bei den Präsidentschaftsvorwahlen vorne liegt), können wir jede unserer Maschinen als „Person“ betrachten, die wir „befragen“ oder befragen. Die Frage, die wir für diese Umfrage stellen, lautet einfach:„Wie war Ihre durchschnittliche Auslastung in den letzten sieben Tagen?“ Wir nehmen jede Sekunde Tausende von „Personen“ (Maschinen) in den Vereinigten Staaten über unsere Flotte von Cloud-verbundenen Edge-Geräten auf und melden diese Zahl für den Vortag, sobald alle „Antworten“ „in“ sind.

Wo sich die „Menschen“ (Maschinen) befinden, die wir abtasten.

Wie bei jeder Umfrage, die nicht die gesamte Bevölkerung erfasst, ist unsere Stichprobe verzerrt. Wie in unseren vorherigen Beiträgen angesprochen, sind bestimmte Formen von Voreingenommenheit in unserer Methodik nicht anwendbar – nämlich emotional getriebene wie Wahrnehmungsverzerrung, Bestätigungsverzerrung und böswillige Berichterstattung. Maschinen werden jede Sekunde automatisch per Software abgefragt – sie können nicht „lügen“ oder die Unwahrheit sagen, weil es dazu keine Möglichkeit gibt, wenn sie an MachineMetrics angebunden sind. Technologische Störungen sind ebenfalls nominell, da die Auslastung die grundlegendste Metrik ist, die wir von Maschinen abfragen, und alle Anomalien algorithmisch erkannt und schnell ausgerottet werden. Es gibt jedoch noch andere Formen von Voreingenommenheit, selbst wenn Sie das menschliche Element herausnehmen.

Probe mit hoher Produktivität

Erstens stellt unsere Stichprobe wahrscheinlich eine Fertigungsstichprobe mit hoher Produktivität dar. Dies liegt daran, dass diejenigen, die Industrie 4.0-Technologien übernehmen, die Werkstätten sind, die zukunftsorientierter sind und daher wahrscheinlich bereits über Prozesse verfügen, um den Betrieb zu rationalisieren und den Durchsatz zu erhöhen. Wir sind uns nicht ganz sicher, um wie viel Prozentpunkte produktiver unsere Stichprobe ist als die „durchschnittliche“ diskrete Fertigung, aber wir glauben nicht, dass die Gesamttrends davon beeinflusst werden sollten (d. h. die prozentuale Veränderung von Tag zu Tag sollte ähnlich sein für eine Stichprobe mit hoher Produktivität im Vergleich zu einer Stichprobe mit durchschnittlicher Produktivität). Dies liegt daran, dass Faktoren auf Makroebene wie Feiertage, wirtschaftliche Schocks und Onshoring/Offshoring Betriebe mit hoher und geringer Produktivität relativ gleichermaßen beeinflussen sollten. Dies ist wichtig, denn obwohl die von uns gemeldete Gesamtauslastung leicht erhöht ist, können wir immer noch sehr klare Trends wie die Auswirkungen von Feiertagen, die Auswirkungen des Coronavirus und die Auswirkungen der aufgestauten Verbrauchernachfrage auf die gesamte Produktion erkennen.

Darüber hinaus erfassen wir keine perfekte Zählung der Maschinennutzung auf Bevölkerungsebene in den Vereinigten Staaten, da dies erfordern würde, dass sie an alle über 3 Millionen Werkzeugmaschinen angeschlossen werden müssten (die 3-Millionen-Zahl stammt von The Association for Manufacturing Technology, die dies schätzt es gibt 3,2 Millionen betriebsbereite CNC-Werkzeugmaschinen mit einem ursprünglichen Wert von über 50.000 $).

Wir streben zwar danach, eines Tages auf 3 Millionen zu kommen, aber im Moment müssen wir uns mit einem Bruchteil dieser Gesamtgröße zufrieden geben. Wir geben unsere genaue Stichprobengröße nicht bekannt, da wir einen Standardpreis pro Maschine berechnen, und dies würde unseren jährlich wiederkehrenden Umsatz offenlegen, eine Zahl, die die meisten Startups unserer Größe nicht offenlegen möchten, da sie eine Schlüsselrolle bei Bewertungen spielt .

Fehlermarge

Wir berücksichtigen jedoch als Best Practice eine Fehlerspanne, die normalerweise ohnehin mit der Stichprobengröße erreicht werden soll. Eine Fehlermarge berücksichtigt die Stichprobengröße als Anteil an der Gesamtbevölkerungsgröße sowie den Prozentsatz der Befragten, die die Umfrage bejahend beantwortet haben. In unserem Fall gibt es keine „bejahende“ Antwort auf die Umfrage – wir könnten theoretisch annehmen, dass 100 % Auslastung „alle sagten ja“ und 0 % „alle sagten nein“ bedeutet, aber das ist verdächtig. Daher verwenden wir in unserer Berechnung einfach einen Anteil von 50 % für positive Antworten, wodurch die Fehlerquote für die konservativsten Messungen der Umfragegenauigkeit maximiert wird. Sie können sicher sein, dass die von uns angegebenen Margen angesichts unserer Stichprobengröße für das Worst-Case-Szenario gelten.

Fehlermargenformel für endliche Populationen. Quelle:Chegg Hausaufgabenhilfe

Je größer die Fehlerspanne ist, desto weniger Vertrauen sollten die Nutzer in die Ergebnisse der Umfrage haben. Unsere aktuelle Fehlerquote liegt bei +-1,6 % bis +-1,8 %. Das heißt, wir sind zu 95 % zuversichtlich, dass die tatsächlichen Auslastungszahlen für alle 3 Millionen Werkzeugmaschinen in den USA +- 1,6 % bis +- 1,8 % von dem betragen, was wir berichten. Unsere letzte gemeldete Auslastungszahl für den 6. März 2021 betrug 29,41 %, was bedeutet, dass wir glauben, dass die tatsächliche Auslastung für die gesamte Population von Werkzeugmaschinen sehr wahrscheinlich zwischen 27,60 % und 31,21 % liegt. Das bedeutet, dass Vergleiche, die innerhalb der Fehlergrenze liegen, genau wie Umfrageergebnisse zwischen zwei Kandidaten, die innerhalb der Fehlergrenze liegen, mit Vorsicht betrachtet und mit Vorsicht angegangen werden sollten. Ich denke, wir alle haben das während des Wahlzyklus 2016 aus erster Hand gelernt.

Wenn sich beispielsweise die Auslastung von 29,0 % auf 29,4 % ändert, liegt dies immer noch innerhalb unserer Fehlergrenze und sollte eher als Kuriosität denn als Tatsache betrachtet werden. Wenn diese Änderung jedoch viele Tage anhält und sich die Auslastung innerhalb einer Woche von 29 % auf 31 % ändert, sind wir zu 95 % zuversichtlich, dass dies die Änderung auf Bevölkerungsebene widerspiegelt. Wenn es in einer anderen Ausführungsform der Freitag vor dem 4. Juli ist und sich die Auslastung täglich von 29 % auf 25 % ändert, ist dies ebenfalls mehr als nur eine Kuriosität, sondern spiegelt vielmehr die Realität wider Verkaufsflächen in den Vereinigten Staaten (dass die Leute am Freitag vor dem 4. Juli frei nehmen, um das Wochenende früh zu beginnen).

Auch die Zahl von +-1,6 % bis 1,8 % ist an und für sich schon wichtig. Dies ist der Puffer, den Sie sich selbst setzen sollten, wenn Sie die Auslastung Ihrer eigenen Fabrik mit Industrienormen vergleichen.

Aktualisierung der Branchenbedingungen

Im Sinne unserer Klarstellung zur Fehlerquote möchten wir die Auslastung wie folgt angeben:

Wir sind zu 95 % zuversichtlich, dass der wöchentliche gleitende Durchschnitt der Auslastung bis gestern zwischen 27,60 % und 31,21 % liegt, mit einer Punktschätzung von 29,41 %.

Dies spiegelt die Wirtschaftsdaten der Fed wider, die zeigen, dass die Fabriknachfrage im ganzen Land aufgrund des Nachfragestaus stark ansteigt. Wir sehen, dass dies die höchste Auslastung am 6. März in den letzten vier Jahren ist, eine ziemlich unglaubliche Erkenntnis.

Auch dies stellt ein lokales Maximum dar, das seit Oktober 2018 (41-Monats-Hoch) nicht mehr überschritten wurde. Dies deckt sich fast perfekt mit dem ISM-Index für das verarbeitende Gewerbe, der ebenfalls ein 48-Monats-Hoch von 60,8 erreichte, nachdem er im Januar von 58,7 gestiegen war. Die Daten werden durch anekdotische Berichte über einen schwerwiegenden Arbeitskräftemangel in der Fertigung untermauert, da Fabrikbesitzer angesichts der zunehmenden Konkurrenz von Amazon und anderen darum kämpfen, Arbeitskräfte einzustellen. Betriebsleiter erhöhen die Löhne um bis zu 30 %, um um Talente zu konkurrieren, da neue Akteure eintreten, um qualifizierte Arbeitskräfte einzustellen.

Wir schließen mit einem Verweis auf einen Podcast im Wall Street Journal, der dem, was wir in unseren Daten sehen, einen menschlichen Kontext hinzufügt:Where Jobs are Booming.

Fazit:Das Geschäft läuft gut, fast zu gut. Bitte bleiben Sie dran für weitere Updates!