Formación FDE17.8.2020 | Presentadores: Peter Hersh y Mary Loveless
Ver grabación | Ver PowerPoint | tomar prueba
¿Qué es FDE?
FDE es un explorador de datos funcionales y hace que el análisis de formas sea rápido y fácil. Convierte grandes cantidades de datos en una forma más manejable.
¿Cuál es la diferencia entre datos y datos funcionales?
Los datos funcionales son datos utilizados para describir curvas, superficies o cualquier otra cosa que varíe en un continuo... El continuo físico suele ser el tiempo, pero también puede ser la ubicación espacial, la longitud de onda, la probabilidad, etc. A veces, el desafío de trabajar con datos funcionales es que, a menudo, los científicos no quieren analizar los datos funcionales directamente; más bien, quieren trabajar con las funciones subyacentes que producen los datos observados.
Declaración de valor
FDE permite que los ingenieros de procesos y estadísticos puedan analizar una gran cantidad de sus datos de transmisión o sensores. Nadie en el entorno de la GUI tiene FDE. R y Python ofrecen parte de esta funcionalidad, sin embargo, JMP es la única solución lista para usar que ofrece capacidades completas de FDE.
Audiencia Ideal
Casi todas las empresas pueden beneficiarse de FDE.El cliente debe ser estadísticamente inteligente. Estos son los tipos de personas que debe buscar al configurar un FDE JMP Discovered.
Industrias comunes:
Funciones comunes:
- Ingenieros de Procesos
- Estadísticos Industriales/Ingenieros
- I+D
Situaciones/datos comunes:
- Tener datos de Sensor o Streaming
- Datos de medición repetidos
- Mirando formas o patrones
Problemas/puntos débiles abordados por FDE
- Mejor comprensión de la transmisión de datos
- La forma de los datos es importante, la mayoría de los clientes no están analizando esto
- Muchas medidas para un solo lote con falta de resumen
Términos/frases para escuchar
- transmisión
- sensor
- medida repetida
- datos recopilados a lo largo del tiempo
- analiza curvas
- analiza formas
- espectral
- reducción dimensional
- modelos mixtos
- componentes principales
- mínimos cuadrados parciales
- series de tiempo
Preguntas de descubrimiento para hacer
- Si tuviera una herramienta que pudiera analizar sus datos de transmisión/sensor por usted, ¿cuánto tiempo le ahorraría?
- ¿Siente que solo está analizando una parte de sus datos en lugar de todos?
- ¿Cómo está utilizando sus datos de transmisión cada segundo/minuto/hora, etc.?
Elementos de acción de esta capacitación:
- Usando la industria/roles enumerados anteriormente, ¿hay segmentos o cuentas donde puede/debe posicionar a FDE?
- ¿Tiene clientes potenciales en su territorio que asistieron a alguno de los siguientes webcasts de masterización de JMP? Estas son grandes campañas para un seguimiento de FDE.
- ¿Existe potencial en su territorio para hacer un FDE JMP Discovered?
Recursos Relacionados:
Por favor refiérase a esta página para averiguar qué otra formación está disponible.
Pro JMPCapacitaciónRe: Capacitación FDE@martindemel y @DonMcCormack grandes puntos de ustedes dos.El término medición repetida tiene un significado muy específico para muchas personas.he escuchado el término rastro de la herramienta datos de un cliente de semiconductores y fue un gran caso de FDA/FDE.
Re: Capacitación FDE@martindemel En el contexto de FDA, creo que los términos "datos de medición continua" o "datos medidos continuamente" son mejores descriptores del tipo de datos para los que FDE es bueno. Dejar caer la parte de "medición repetida" lo hace menos ambiguo.
Re: Capacitación FDE@DonMcCormack @Peter_Hersh
"tener datos de medición repetidos" probablemente debería cambiarse a algo como esto:
"medir datos repetidamente en un continuo (tiempo, frecuencia, distancia,...)"
esto puede evitar que surjan suposiciones erróneas.
Re: Capacitación FDE@briana_codd actualizado esos enlaces! gracias por hacérmelo saber.
Re: Capacitación FDE@saradoudt solo quería informarle que los dos seminarios web intermedios en los Elementos de acción de esta sección de Capacitación no están vinculados.
Re: Capacitación FDE@saradoudt , vi una muy buena infografía de una página publicada en LinkedIn, escrita por Bernd Heinen @bernd_heinen . El título era "Lineal se ha ido, análisis holístico y optimización de curvas". Supongo que esto es de un póster/documento de Discovery Summit (utilicé el complemento de búsqueda de documentos, pero no lo vi). Me encantaría poder hacer referencia a él en un enlace o como un activo. Hace un gran trabajo al reducir el tema a algo que los usuarios pueden consumir rápidamente y, lo que es igual de importante, los usuarios necesitan venderlo internamente en la cadena alimenticia.
Si encuentra esto en un formato para compartir, por favor hágamelo saber.
Salud,
Tim
Re: Capacitación FDE@DonMcCormack , Sí, FDE no reemplaza a los modelos mixtos.De cualquier manera, necesitarán JMP Pro.
Re: Capacitación FDE@Juliette_Plager - sí, acabo de agregar grabación, ppt y cuestionario en la parte superior de esta página. ¡Déjame saber si necesitas algo más!
Re: Capacitación FDEGran entrenamiento, gracias! @saradoudt ¿Es esta la página donde se publicará la presentación? Estoy buscando específicamente la diapositiva "demasiados datos" de Pete (PCA).
Re: Capacitación FDEMedidas repetidas y modelos mixtos. Tendría cuidado si escucho estos dos términos porque pueden referirse a enfoques estadísticos específicos de datos que no están relacionados con la FDA. Si el foco está en la significancia estadística, entonces no es una situación para FDE. En mi experiencia, los modelos mixtos se centran en aspectos completamente diferentes del análisis de datos que FDA. Dicho esto, las capacidades del modelo mixto en Pro pueden ser de interés en estas situaciones. Las medidas repetidas son un poco más ambiguas. Los datos tomados repetidamente a lo largo del tiempo pueden ser buenos candidatos para FDE si el análisis se enfoca en las formas de las curvas y no en su diferencia estadística. Análisis de perfil es otro término que escuché de personas que buscan hacer FDA.
Re: Capacitación FDEAlgunas palabras desencadenantes adicionales que sugieren que Functional Data Explorer puede ser una solución son "Análisis de puntos de referencia".Escuché que los clientes usan esto para referirse a tomar una forma y aislar características clave como la altura de los picos, la distancia entre los picos, el área bajo la curva, las pendientes de las secciones de la curva, etc. y luego crear resúmenes estadísticos de estos "puntos de referencia".Las estadísticas de resumen luego se modelan para hacer predicciones sobre el proceso.Esta discusión es relevante para la diapositiva que Pete mostró una distribución espectral e identificó la altura máxima, mínima y media del pico, así como las alturas de la curva en longitudes de onda específicas.
Re: Entrenamiento FDE - próximamente.Gracias por organizar esto, Sara. Es particularmente útil tener enlaces a los recursos relevantes. Tenemos mucha información excelente e historias para compartir y, a menudo, el desafío es encontrarlas.
Malcolm
