Formazione FDE17.8.2020 | Presentatori: Peter Hersh e Mary Loveless
Guarda la registrazione | Visualizza PowerPoint | Fai il quiz
Cos'è FDE?
FDE è un esploratore di dati funzionali e semplifica e velocizza l'analisi delle forme. Trasforma grandi quantità di dati in una forma più gestibile.
Qual è la differenza tra dati e dati funzionali?
I dati funzionali sono dati utilizzati per descrivere curve, superfici o qualsiasi altra cosa che varia lungo un continuum... Il continuum fisico è spesso il tempo, ma può anche essere la posizione spaziale, la lunghezza d'onda, la probabilità, ecc. A volte la sfida di lavorare con i dati funzionali è che spesso gli scienziati non vogliono analizzare direttamente i dati funzionali; piuttosto, vogliono lavorare con le funzioni sottostanti che producono i dati osservati.
Dichiarazione di valore
FDE consente agli ingegneri di processo e agli statistici di essere in grado di analizzare una grande quantità di dati di streaming o di sensori. Nessuno nell'ambiente GUI ha FDE. R e Python offrono alcune di queste funzionalità, tuttavia, JMP è l'unica soluzione pronta all'uso che offre funzionalità FDE complete.
Pubblico ideale
Quasi tutte le aziende possono beneficiare di FDE.Il cliente dovrebbe essere statisticamente esperto. Questi sono i tipi di persone che dovresti cercare quando imposti un FDE JMP Discovered.
Settori comuni:
Ruoli comuni:
- Ingegneri di processo
- Ingegneri/statistici industriali
- Ricerca e sviluppo
Situazioni/dati comuni:
- Avere dati di Sensor o Streaming
- Dati di misurazione ripetuti
- Osservando forme o motivi
Problemi/punti deboli affrontati da FDE
- Migliore comprensione dei dati in streaming
- La forma dei dati è importante, la maggior parte dei clienti non li analizza
- Molte misurazioni per un singolo lotto con una mancanza di riepilogo
Termini/frasi da ascoltare
- streaming
- sensore
- misura ripetuta
- dati raccolti nel tempo
- analizza le curve
- analizza le forme
- spettrale
- riduzione dimensionale
- modelli misti
- componenti principali
- minimi quadrati parziali
- serie temporali
Domande sulla scoperta da porre
- Se avessi uno strumento in grado di analizzare i tuoi dati di streaming/sensore per te, quanto tempo ti risparmieresti?
- Ti senti come se stessi analizzando solo una parte dei tuoi dati piuttosto che tutti?
- Come utilizzi i tuoi dati di streaming ogni secondo/minuto/ora, ecc.?
Elementi di azione di questa formazione:
- Utilizzando i settori/ruoli sopra elencati, ci sono segmenti o account in cui puoi/dovresti posizionare FDE?
- Hai contatti nel tuo territorio che hanno partecipato a uno dei seguenti webcast JMP di mastering? Queste sono grandi campagne per un follow-up FDE.
- C'è un potenziale nel tuo territorio per fare un FDE JMP Discovered?
Risorse correlate:
Per favore riferisci a questa pagina per scoprire quali altri corsi di formazione sono disponibili.
JMPProFormazioneRi: Formazione FDE@martindemel e @DonMcCormack ottimi punti entrambi.Il termine misurazione ripetuta ha un significato molto specifico per molte persone.Ho sentito il termine traccia utensile dati da un cliente di semiconduttori ed è stato un ottimo caso da FDA/FDE.
Ri: Formazione FDE@martindemel nel contesto della FDA, penso che i termini "dati di misurazione continua" o "dati di misurazione continua" siano descrittori migliori per il tipo di dati per cui FDE è utile. L'eliminazione della parte "misurazione ripetuta" la rende meno ambigua.
Ri: Formazione FDE@DonMcCormack @Peter_Hersh
"avere dati di misurazione ripetuti" dovrebbe probabilmente essere cambiato in qualcosa del genere:
„misurare ripetutamente i dati su un continuum (tempo, frequenza, distanza, …)”
questo può impedire di sollevare presupposti errati.
Ri: Formazione FDE@Briana_Codd aggiornato quei link! grazie per avermi fatto sapere.
Ri: Formazione FDE@saradoudt volevo solo farti sapere che i due webinar centrali negli elementi di azione di questa sezione di formazione non sono collegati.
Ri: Formazione FDE@saradoudt , ho visto una bella infografica di una pagina pubblicata su LinkedIn, creata da Bernd Heinen @bernd_heinen . Il titolo era "Linear is gone, analisi olistica e ottimizzazione delle curve". Immagino che provenga da un poster/documento del Discovery Summit (ho usato il componente aggiuntivo per la ricerca su carta, ma non l'ho visto). Mi piacerebbe poterlo citare in un link o come risorsa. Fa un ottimo lavoro nel ridurre l'argomento in qualcosa che può essere consumato rapidamente dagli utenti e, cosa altrettanto importante, gli utenti devono venderlo internamente alla catena alimentare.
Se lo trovi in un formato condivisibile, fammelo sapere.
Saluti,
Tim
Ri: Formazione FDE@DonMcCormack , Sì FDE non sostituisce i modelli misti.In ogni caso, avranno bisogno di JMP Pro.
Ri: Formazione FDE@Juliette_Plager - sì, ho appena aggiunto registrazione, ppt e quiz all'inizio di questa pagina. Fammi sapere se hai bisogno di qualcos'altro!
Ri: Formazione FDEOttimo allenamento, grazie! @saradoudt è questa la pagina in cui verrà pubblicata la presentazione? Sto specificamente cercando la diapositiva "troppi dati" di Pete (PCA).
Ri: Formazione FDEMisure ripetute e modelli misti. Starei attento se sentissi questi due termini perché possono significare approcci statistici specifici ai dati che non sono correlati alla FDA. Se l'attenzione è sulla significatività statistica, allora non è una situazione per FDE. Nella mia esperienza, i modelli misti si concentrano su aspetti completamente diversi dell'analisi dei dati rispetto alla FDA. Detto questo, le funzionalità del modello misto in Pro potrebbero essere interessanti in queste situazioni. Le misure ripetute sono un po' più ambigue. I dati presi ripetutamente nel tempo possono essere un buon candidato per FDE se l'analisi si concentra sulle forme delle curve e non sulla loro differenza statistica. Analisi del profilo è un altro termine che ho sentito da persone che stanno cercando di fare FDA.
Ri: Formazione FDEAlcune parole trigger aggiuntive che suggeriscono che Functional Data Explorer potrebbe essere una soluzione sono "Analisi dei punti di riferimento".Ho sentito che i clienti lo usano per riferirsi a prendere una forma e isolare le caratteristiche chiave come l'altezza del picco, la distanza tra i picchi, l'area sotto la curva, le pendenze delle sezioni della curva, ecc. e quindi creare riepiloghi statistici di questi "punti di riferimento".Le statistiche di riepilogo vengono quindi modellate per fare previsioni sul processo.Questa discussione è rilevante per la diapositiva Pete ha mostrato una distribuzione spettrale e ha identificato l'altezza massima, minima e media del picco, nonché le altezze della curva a specifiche lunghezze d'onda.
Ri: Formazione FDE - in arrivo.Grazie per averlo messo insieme Sara. È particolarmente utile disporre di collegamenti alle risorse pertinenti. Abbiamo molte fantastiche informazioni e storie da condividere e spesso la sfida è trovarle.
Malcolm
