Formation FDE17.08.2020 | Présentateurs : Peter Hersh et Mary Loveless
Regarder l'enregistrement | Voir PowerPoint | Répondez au questionnaire
Qu'est-ce que le FDE ?
FDE est un explorateur de données fonctionnelles et rend l'analyse des formes rapide et facile. Il transforme de grandes quantités de données en une forme plus gérable.
Quelle est la différence entre les données et les données fonctionnelles ?
Les données fonctionnelles sont des données utilisées pour décrire des courbes, des surfaces ou toute autre chose qui varie sur un continuum… Le continuum physique est souvent le temps, mais peut aussi être l'emplacement spatial, la longueur d'onde, la probabilité, etc. Parfois, le défi de travailler avec des données fonctionnelles est que souvent, les scientifiques ne veulent pas analyser directement les données fonctionnelles ; ils veulent plutôt travailler avec les fonctions sous-jacentes qui produisent les données observées.
Déclaration de valeur
FDE permet aux ingénieurs de procédés et aux statisticiens d'analyser une grande quantité de leurs données de flux ou de capteurs. Personne dans l'environnement GUI n'a FDE. R et Python offrent certaines de ces fonctionnalités, cependant, JMP est la seule solution prête à l'emploi qui offre des fonctionnalités FDE complètes.
Public idéal
Presque toutes les entreprises peuvent bénéficier du FDE.Le client doit avoir des connaissances statistiques. Ce sont les types de personnes que vous devez rechercher lors de la configuration d'un FDE JMP découvert.
Industries communes :
Rôles communs :
- Ingénieurs procédés
- Statisticiens/ingénieurs industriels
- R&D
Situations/données courantes :
- Avoir des données de capteur ou de streaming
- Données de mesure répétées
- Regarder des formes ou des motifs
Problèmes/points douloureux traités par FDE
- Meilleure compréhension des flux de données
- La forme des données est importante, la plupart des clients ne l'analysent pas
- Beaucoup de mesures pour un seul lot avec un manque de résumé
Termes/phrases à écouter
- diffusion
- capteur
- mesure répétée
- données collectées au fil du temps
- analyse les courbes
- analyse les formes
- spectral
- réduction dimensionnelle
- modèles mixtes
- composants principaux
- moindres carrés partiels
- des séries chronologiques
Questions de découverte à poser
- Si vous disposiez d'un outil capable d'analyser vos données de streaming/capteur pour vous, combien de temps cela vous ferait-il gagner ?
- Avez-vous l'impression de n'analyser qu'une partie de vos données plutôt que la totalité ?
- Comment utilisez-vous vos données de streaming chaque seconde/minute/heure, etc. ?
Éléments d'action de cette formation :
- En utilisant l'industrie/les rôles énumérés ci-dessus, y a-t-il des segments ou des comptes où vous pouvez/devriez positionner FDE ?
- Avez-vous des prospects dans votre territoire qui ont assisté à l'un des webcasts JMP de mastering ci-dessous ? Ce sont d'excellentes campagnes pour un suivi FDE.
- Existe-t-il un potentiel sur votre territoire pour faire un FDE JMP Discovered ?
Ressources associées:
Prière de se référer à cette page pour savoir quelles autres formations sont disponibles.
JMPProFormationObjet : Formation FDE@martindemel et @DonMcCormack grands points tous les deux.Le terme mesure répétée a une signification très spécifique pour de nombreuses personnes.j'ai entendu le terme trace d'outil données d'un client de semi-conducteurs et c'était un excellent cas de la FDA/FDE.
Objet : Formation FDE@martindemel dans le contexte de la FDA, je pense que les termes "données de mesure continue" ou "données mesurées en continu" sont de meilleurs descripteurs pour le type de données pour lesquelles FDE est bon. La suppression de la partie "mesure répétée" la rend moins ambiguë.
Objet : Formation FDE@DonMcCormack @Peter_Hersh
"avoir des données de mesure répétées" devrait probablement être remplacé par quelque chose comme ceci :
„mesurer de façon répétée des données sur un continuum (temps, fréquence, distance, …)”
cela peut empêcher de formuler de fausses hypothèses.
Objet : Formation FDE@Briana_Codd mis à jour ces liens ! Merci de me le faire savoir.
Objet : Formation FDE@saradoudt Je voulais juste vous faire savoir que les deux webinaires du milieu dans les éléments d'action de cette section de formation ne sont pas liés.
Objet : Formation FDE@saradoudt , j'ai vu une très belle infographie d'une page publiée sur LinkedIn, rédigée par Bernd Heinen @bernd_heinen . Le titre était "Linear is gone, Holistic Analysis and Optimization of Curves". Je suppose que cela provient d'une affiche / d'un article du Discovery Summit (j'ai utilisé le complément de recherche de papier, mais je ne l'ai pas vu). J'aimerais pouvoir le référencer dans un lien ou comme un atout. Il fait un excellent travail en réduisant le sujet à quelque chose qui peut être consommé rapidement par les utilisateurs et, ce qui est tout aussi important, les utilisateurs doivent le vendre en interne dans la chaîne alimentaire.
Si vous trouvez ceci dans un format partageable, faites-le moi savoir.
Salutations,
Tim
Objet : Formation FDE@DonMcCormack , Oui FDE ne remplace pas les modèles mixtes.Dans tous les cas, ils auront besoin de JMP Pro.
Objet : Formation FDE@Juliette_Plager - oui, je viens d'ajouter l'enregistrement, le ppt et le quiz en haut de cette page. Fait moi savoir si tu as besoin de quoique ce soit d'autre!
Objet : Formation FDESuper formation, merci ! @saradoudt est-ce la page où la présentation sera publiée ? Je recherche spécifiquement la diapositive "trop de données" (PCA) de Pete.
Objet : Formation FDEMesures répétées et modèles mixtes. Je ferais attention si j'entendais ces deux termes car ils peuvent signifier des approches statistiques spécifiques aux données qui ne sont pas liées à la FDA. Si l'accent est mis sur la signification statistique, alors ce n'est pas une situation pour FDE. D'après mon expérience, les modèles mixtes se concentrent sur des aspects complètement différents de l'analyse des données par rapport à la FDA. Cela dit, les capacités de modèle mixte dans Pro pourraient être intéressantes dans ces situations. Les mesures répétées sont un peu plus ambiguës. Les données prises à plusieurs reprises au fil du temps peuvent être un bon candidat pour FDE si l'analyse se concentre sur les formes des courbes et non sur leur différence statistique. Analyse de profil est un autre terme que j'ai entendu de la part de personnes qui cherchent à faire de la FDA.
Objet : Formation FDECertains mots déclencheurs supplémentaires suggérant que Functional Data Explorer peut être une solution sont "Landmark Analysis".J'ai entendu des clients l'utiliser pour désigner la prise d'une forme et l'isolation de caractéristiques clés telles que la hauteur des pics, la distance entre les pics, l'aire sous la courbe, les pentes des sections de la courbe, etc., puis la création de résumés statistiques de ces "points de repère".Les statistiques récapitulatives sont ensuite modélisées pour faire des prédictions sur le processus.Cette discussion est pertinente pour la diapositive. Pete a montré une distribution spectrale et identifié la hauteur maximale, minimale et moyenne du pic, ainsi que les hauteurs de courbe à des longueurs d'onde spécifiques.
Re : Formation FDE - à venir.Merci d'avoir rassemblé ça Sara. Il est particulièrement utile d'avoir des liens vers les ressources pertinentes. Nous avons beaucoup d'informations et d'histoires intéressantes à partager et le défi consiste souvent à les trouver.
Malcom
