스피커
|
성적 증명서
|
| 사이먼 스텔 지그 |
좋아요, 여러분 안녕하세요. 제 이름은 Simon Stelzig입니다. 저는 본딩 엔지니어 인 Lohmann에서 왔습니다. 저는 연구 개발 부서에서 왔으며 Functional Data Explorer에 대해 오늘 말씀 드리고이를 사용하여 데이터 과학자가 아닌 사람들에게 결과를 시각화하는 방법에 대해 말씀 드리고자합니다. |
| |
시작하기 전에 Lohmann이라는 회사에 대한 아주 짧은 소개가 있습니다. 당신은 그것에 대해 들어 보지 못했을 수도 있지만 매일 사용하거나 매일 같은 제품을 접했을 수 있습니다. |
| |
Lohmann에 대한 몇 가지 사실과 수치입니다. 그래서 Lohmann은 2019 년에 약 6 억 유로의 매출을 올렸습니다. 제가 작업하고있는 부분은 Lohmann Tape Group이고 우리는 접착 테이프 생산 업체입니다. 주로 양면 접착 테이프이고 우리는 순수한 B2C 회사입니다. |
| |
산업용 애플리케이션을 위해 ... 산업 인 경우에만 당사 제품을 구매할 수 있습니다. 우리는 꽤 늙어서 올해는 Lohmann이 설립 된 지 약 170 년이되었습니다. |
| |
우리는 기본적으로 두 부분으로 나뉘어져 있기 때문에 하나는 제가 작업중인 테이프 제품입니다. 그게 초점입니다 |
| |
산업용 접착 테이프는 우리의 위생 브랜드입니다. |
| |
그리고 우리는 전 세계적으로 활동하고 있습니다. 전 세계에 약 1,800 명의 직원이있는 25 개의 사이트가 있습니다. 매우 흥미로울 수도 있습니다. |
| |
당사 제품의 90 %는 맞춤형으로 제작되어 매우 복잡한 제품 포트폴리오를 보유하고 있으며, 많은 제품이 매우 적은 수의 고객 그룹을위한 매우 적은 양의 애플리케이션에 초점을 맞추고 있습니다. |
| |
그래서 우리는 접착 테이프 또는 많은 양면 접착 테이프의 최고 생산자이며 우리가 많은 응용 분야를 가지고 있다는 것을 알고 있으며, 이것이 우리가 속한 시장 부문입니다. |
| |
그래서 우리의 것 중 하나는 산업 응용입니다. 그것은 주로 창문과 문 또는 건물 및 건설 영역의 실내 및 실외 응용 프로그램에 사용됩니다. |
| |
또는 스마트 폰 뒷면 커버를 고정하기위한 접착 테이프와 같은 가전 제품 및 전자 장치에서 Lohmann 제품을 접할 수 있습니다. 또는 |
| |
주로 진단 애플리케이션, 상처 치료를위한 의료 부문. 운송 분야에서 ... 자동차의 경우 내부 또는 외부 용 |
| |
자동차에 엠블럼 부착. 예를 들어, 우리는 접착 테이프를 제공하는 유연한 인쇄 응용 프로그램을위한 그래픽 산업에도 종사하고 있습니다. |
| |
소매에 인쇄판을 고정합니다. Lohmann Tape Group의 ... 하나의 하위 부문 중 하나는 기저귀 용 마개 시스템을 제공하는 위생 브랜드입니다. |
| |
매우 광범위한 응용 분야와 방금 전에 언급 한 또 다른 요점은 제품의 약 90 %가 맞춤화된다는 것입니다. Lohmann에 대한 또 다른 사실은 |
| |
우리의 가치 사슬은 매우 깊은 가치 사슬이기 때문에 접착 테이프에 대해 생각한다면 접착층이 필요합니다. |
| |
당신이 붙이고 싶은 주제에 접착제를 붙이거나 붙입니다. |
| |
캐리어가 필요합니다. 선택적으로 접착층을 운반하는 캐리어가 필요합니다. 다른 한면은 우리가 다른면에있는 양면 접착 테이프를 생산하기 때문입니다. |
| |
접착층. 그리고 Lohmann의 가치 사슬은 기본적으로 맨 처음부터 시작됩니다. 그래서 우리는 우리 자신의 폴리머를 만들 수 있습니다. 접착제를위한베이스 폴리머입니다. |
| |
그런 다음 폴리머를 접착 성 제형으로 공식화해야합니다. 그런 다음 다음 단계에서 캐리어에 넣습니다. 이는 다음과 같은 형태의 접착 테이프 형태입니다. |
| |
꽤 크다 ??? 롤. 마지막에는 다음과 같은 형식으로 전달할 수 있습니다. |
| |
고객이 원합니다. 따라서 일부 다이 컷, 자동차 용 엠블럼이있는 경우 해당 접착 테이프에는 특정 양식이 필요하지 않습니다. 고객이 요구하는 특정 양식을 제공합니다. |
| |
그리고 R & D는 주로 처음 세 부분에 초점을 맞추고 있습니다. 그래서 중합을 위해, 코팅의 공식화를 얻기 위해, 제가 언급했듯이 우리 제품은 가능한 한 빨리 얻을 수 있도록 맞춤형입니다. 우리가 적용하는 고객 요구 사항을 충족하기위한 목표 |
| |
과정 전반에 걸친 실험 설계 |
| |
최종 제품에 도달하고 고객 요구 사항을 충족합니다. |
| |
그리고 많은 |
| |
실험을 설계하거나 전반적으로 많은 실험을 수행하는 것도 많은 데이터를 제공합니다. |
| |
그리고 이러한 실험을하거나 그 과정에서 실험을 설계하고 화학 회사이기 때문에 많은 데이터, 실험 결과에서 많은 데이터와 많은 스펙트럼을 얻습니다. |
| |
그래서, 대부분의 우리 실험은 당신에게 가치를주지 않고, 숫자를주지 않고, 스펙트럼을줍니다. |
| |
그리고 대부분의 경우, 제 경우와 같이 실험을하고 싶다면, 저는 그러한 실험을 계획하고 분석하는 서비스를 제공하는 데이터 과학자입니다. |
| |
데이터 과학자가 아닌 동료를 위해 실험하고 전체 데이터 분석을 수행합니다. |
| |
그들은 최종 제품의 개발자이며 모든 데이터 분석 시간을 수행하는 서비스로 나를 데려갑니다. 대부분의 경우 스펙트럼 데이터를 설명하는 주요 매개 변수 인 스펙트럼 데이터에서 데이터를 추출합니다. |
| |
즉, 중합의 경우 분자량 분포가 될 수 있습니다. |
| |
반응에서 나온 고분자는 측정이나 다른 방법으로 반응의 종류를 감지하는 반응의 시작일 수 있습니다. |
| |
따라서 데이터 분석에서 분석을 수행하는 경우 이러한 주요 매개 변수를 추출하고 분석을 수행합니다. 대부분의 경우 이러한 주요 매개 변수에 대한 고전적인 DOE 분석을 수행합니다. |
| |
그래서 |
| |
데이터 과학자로서 저는 제 동료 개발자를위한 서비스로서 이러한 주요 매개 변수에 대해이 분석을 수행합니다. |
| |
그들은 또한 나에게, 고객 요구 사항을 제공하고 이러한 고객 요구 사항을 충족하기를 원하며 귀하가 원하는 공식 또는 제품이 될 최적의 위치에 있습니다. |
| |
이 작업을 수행하고, 분석을 수행하고, 최적화를 수행 한 후 어느 시점에서 당신이 당신에게 가거나, 동료에게 가서 결과를 제시합니다. |
| |
주요 매개 변수에 대한 모든 분석을 수행 했으므로 해당 주요 매개 변수에 대한 결과도 제시합니다. |
| |
문제는 제 개발 동료 나 프로젝트 팀이 해당 분야의 전문가이지만 전문 분야의 전문가이지만 데이터 과학 전문가는 아니라는 것입니다. |
| |
그래서 여기서 문제는 제가 핵심 매개 변수에 대한 분석을하고 핵심 매개 변수의 언어로도 이야기하지만 그들이 전문 분야의 전문가로서 |
| |
그들은 여전히 스펙트럼을 생각하고 있습니다. 왜냐하면 그것이 실험이 끝났을 때 그들이 얻은 분석이기 때문입니다. 그들은 제가 숫자를 보는 곳에서 스펙트럼을 봅니다. |
| |
핵심 매개 변수로 결과와 분석을 제시해도 여전히 스펙트럼에서 생각한다는 문제는 항상 남습니다. |
| |
그래서 당신은 항상 다른 언어로 말하는 문제를 가지고 있습니다. 나는 숫자의 언어로 말하고 그들은 스펙트럼의 언어로 말하고 |
| |
그러면 그 숫자를 스펙트럼을 의미하는 전문 분야로 변환해야하는 문제가 발생합니다. |
| |
또는 이러한 주요 매개 변수를 스펙트럼을 의미하는 언어로 번역해야합니다. 다행히 Functional Data Explorer를 사용하면 이러한 종류의 문제를 해결하기위한 일종의 범용 변환기입니다. |
| |
오늘 제가하고 싶은 것은 세 가지 예입니다. Functional Data Explorer가 데이터 과학자와 숫자를 말하는 개발자와 스펙트럼에서 생각하고 말하는 사이의 언어 장벽을 극복하는 데 얼마나 큰 도움이되는지에 대한 것입니다. |
| |
하나의 예에서 제가 보여 드리고 싶은 첫 번째 예는 매우 간단하고 사소한 예입니다. 아마도 프랙탈 프린팅의 프린팅 품질을 설명하는 측정에 대한 것입니다. |
| |
실험. 두 번째는 일종의 화학 반응을 정의하는 측정을 설명합니다. 그리고 세 번째가 있습니다. 폴리머의 분자량을 측정하는 것입니다. |
| |
중합 반응 중. 이제 PowerPoint 사용을 중단하고 JMP로 이동합니다. 예, 있습니다. |
| |
제가 보여 드린 첫 번째 예는 ... 제가 말했듯이 인쇄 품질의 분석입니다. 따라서 측정을 수행하면 이상적이고 완벽한 스펙트럼은 |
| |
기울기가 1 인 원점을 통과하는 매우 직선입니다. 그래서 그것은 당신이 완벽하게 도달한다면 이상적 일 것입니다. 그래서 이것은 하나의 측정입니다. 이번에는 인쇄 품질입니다. |
| |
보통, 당신이 얻는 것은 ... 정상, 그것은 실제 생활 환경입니다. 우리는 실제로 직선이 아닌 것처럼 보이지만 더 높은 값으로 약간 이동했기 때문에 선이 아닙니다 ... 위쪽으로 구부러졌습니다. |
| |
그렇다면 그 정보로 무엇을 하시겠습니까? 우리는 어떤 매개 변수가 기본적으로 곡선을 위쪽으로 이동하거나 구부리는지 확인하거나 선별하여 이상적이지 않게 만듭니다. |
| |
그래서 저는 우리가 주요 매개 변수로 정의 할 것의 핵심 매개 변수로 이동합니다. 또는 그것은 기본적으로 직선과 여러분이 얻는 실제 직선의 차이입니다. 매우 간단합니다. |
| |
차이점 ...이 점과의 차이점 중 일부입니다. |
| |
따라서 분석을 수행하면 주요 매개 변수에 대해서도 ... 매우 간단한 분석입니다. 저는 의사 결정 트리를 사용하여 ... 여기에서 어떤 매개 변수가 가장 큰 영향을 미치는 화면을 얻습니다. 이상적인 스펙트럼에서 벗어나는 것은 매우 간단합니다. 약 22 개의 영향 요인이 있습니다. |
| |
기본적으로 일부에 영향을 미치거나 이상적인 상황에서 벗어나는 데 영향을 미치는 하나가 있습니다. |
| |
그리고 이것은 X 22라고 불립니다. 그것이 무엇이든 상관 없습니다. 그래서 한 지점에서 움직이면 ... |
| |
특정 값보다 크면 250이라는 숫자를 얻습니다. 특정 값 아래로 이동하면 196을 얻습니다. 문제는 개발팀에 이것을 말하면 ... 개발 분석, |
| |
그는 당신에게 물을 것입니다. 196은 좋은지, 254는 여전히 좋은지, 아니면 매우 나쁘거나, 그게 적절하고 그런 종류의 적당한 지. |
| |
문제는 순수한 숫자에 관한 것입니다. 당신은 그것을 실제로 보지 못합니다. 왜냐하면 그는 다른 종류의 ... 다른 언어로 다른 지역에서 말하고 있기 때문입니다. |
| |
기능 데이터 탐색기를 사용하면 질문에 대한 답을 얻을 수 있습니다. 기능 데이터 탐색기로 이동하여 기능의 데이터에서 동일한 분석을 수행하면 기능 데이터 탐색기를 사용하여 |
| |
당신은 이와 같은 것을 보여주는 것을 얻습니다. 그래서 그것은 당신에게 보여주고, 당신이 그에게 보여준 개발자 나 그에게 그래프를 보여줍니다. 그래프에 익숙한 그래프는 일반적으로 측정 값이나 실험, 그가하는 실험에서 얻습니다. |
| |
예를 들어 그가 곡선의 모양에 영향을주는 동일한 매개 변수를 가지고 있다면 지금도 똑같습니다.하지만 그것이 마음에 들지 않으면 250이있는 것을 보여줍니다. |
| |
주요 매개 변수에 대한 분석에서 250이되고 196이되고 그 차이를 알 수 있습니다. 그것은 실제로 직선이 아니라는 것을 의미합니다. |
| |
하지만 그 숫자가 더 낮은 숫자로 내려 가면 그 숫자는 196에서 |
| |
그렇게 나쁘게 보이지는 않습니다. 그래서 ... 정말, 제 말은, 일종의 완벽한 직선이지만, 그렇게 많지는 않습니다. |
| |
그 지점에서 이런 종류의 분석을 데이터 과학자가 아닌 개발자에게 보여 주면 |
| |
그게 이미 그에게 충분할 수도 있고, 아마도 당신이 괜찮다고 말하는 점은 직선이 아니라 완벽하지는 않지만 일에 좋다는 것입니다. |
| |
기본적으로 고객의 요구에 맞습니다. 그리고 그것은 당신이 그에게 보여준 순수한 숫자에서 그가 보지 못하는 것입니다. 이 경우에는 아주 사소한 예이고 아주 간단한 예입니다. |
| |
하지만 기능적 데이터 탐색기를 사용하면 전문가, 비 데이터 과학자, 아마도 자료 개발자의 언어로 대화 할 수 있다는 본질을 얻을 수 있기를 바랍니다. |
| |
그리고 당신은 그의 영역이나 그의 언어로 말하고 있습니다. 그가이 통찰력을 얻도록 도와줍니다. 그리고 그것은 그 숫자를 스펙트럼에 대한 통찰력으로 변환 할 필요가 없지만 그는 그것을보고 그가 필요한 대답을 얻을 수 있습니다. |
| |
다시 말하지만, 매우 사소하고 매우 간단한 예입니다.하지만 저는 이것이 여러분에게 데이터의 본질을 보여주기를 바랍니다. 함수 데이터 탐색기는 여러분이 달성하는 데 도움이됩니다. |
| |
그래서 두 번째 예로 넘어 가서 여러분이 감지하고 싶은 화학 반응의 시작입니다. |
| |
그리고 우리는 ??? 측정하고 특정 화학 공식을 가열하는 동안 모듈러스의 변화를보고 싶습니다. 일반적으로 두 가지 큰 스펙트럼이 있습니다. 스펙트럼은 이렇게 보일 것입니다. |
| |
특정 지점에서 모듈러스가 변하면 가파른 위쪽으로 이동합니다. 일반적으로 여기에서 화학 반응의 시작입니다. 따라서 스펙트럼에서 추출하는 핵심 매개 변수는 모듈러스가 급격히 올라 가기 시작하는 지점입니다. |
| |
그만큼 |
| |
좋은 추출의 핵심 매개 변수는 포인트를 찾는 포인트입니다. 이제 원래 원시 데이터에서 포인트를 계산하는 것이 조금 더 복잡 할 수 있지만 그럼에도 불구하고 그렇게 할 수 있으며 반응이 시작되는 지점을 확인한 다음 주요 매개 변수에 대한 분석을 수행 할 수 있습니다. |
| |
그렇게하면 |
| |
주요 매개 변수에 대한이 분석에서 얻은 것은이 예에서 5 개의 매개 변수를 기반으로 화학 반응의 종류를 예측할 수있는 모델입니다. 그래서, |
| |
나는 볼 것이다. 좋아요, 화학 반응이 시작될 때의 요점 또는 이러한 주요 매개 변수는 ...에 따라 달라질 수 있습니다 ...이 세 가지 매개 변수에 따라 달라집니다 |
| |
그리고 기본적으로 화학 반응이 시작되는 70도에서 섭씨 100도까지의 범위를 얻습니다 (아, 죄송합니다. 틀 렸습니다.) |
| |
예, 약 100 도입니다. 다시, 총 스펙트럼을 하나의 숫자로 줄입니다. |
| |
이 화학 반응이 시작되는 위치에 대한 단서를 제공합니다. |
| |
동일한 분석과 데이터를 수행하면 이미 데이터가 있으므로 주요 매개 변수를 추출하려는 경우 원시 데이터도 필요하므로 원시 데이터도 사용할 수 있습니다. |
| |
따라서 실제로 더 많은 노력이 필요하지 않습니다. 주요 매개 변수에 대한 표준 회귀 방법을 사용하여 Functional Data Explorer 내에서 분석을 수행하는 데 더 많은 노력이 필요합니다. |
| |
그래서, |
| |
동일한 양 또는 동일한 데이터를 사용하고 기능 데이터 탐색기를 사용하여 |
| |
데이터를 분석하면 결과를 계산하는 데 몇 초 밖에 걸리지 않습니다. |
| |
거기는. |
| |
다시 말하지만, 이제 전체 스펙트럼을 모델링 할 수 있습니다.이 경우 특정 사례에서는 개발자에게 주요 매개 변수에 대한 분석을 보여주지 않았지만 먼저 Functional Data Explore를 보여주었습니다. 기능적 데이터 탐색기. |
| |
그리고 제가 방금 움직였을 때 ... 이리저리 움직이기 시작해서 이걸 보여주고 영향을주는 요인들을 돌아 다니기 시작했을 때 그들은 즉시 알아 차 렸습니다. |
| |
반응의 요점이 변합니다. 그래서 저는 그들이 분야의 전문가이기 때문에 포인트가 움직이기 시작했다고 말할 필요가 없었습니다. 스펙트럼 데이터의 전문가이기 때문입니다. |
| |
그들은 기본적으로 화학 반응의 시작이 이동한다는 것을 즉시 인식했습니다. 여기 보시다시피 이동하기 시작하는 것을 볼 수 있습니다. |
| |
다른 하나는 기본적으로 전체 스펙트럼을 모델링했기 때문에 핵심 매개 변수를 모델링 할뿐만 아니라 보이는 것을 |
| |
이동하면 스펙트럼의 모양이 완전히 바뀝니다. 예를 들어, 그들은 봉우리가 움직이기 시작했고 봉우리의 높이가 |
| |
변화. 이 분석을 본 직후에도 인식 된 것이 었습니다. |
| |
차이점은 핵심 매개 변수에 있다는 것입니다. 화학 반응을 의미하는 하나의 핵심 매개 변수에 대한 기회를 추출하면 다른 핵심 매개 변수를 사용할 수 있습니다. |
| |
여기에서 최적의 위치 또는 최대 피크의 위치 또는 최대 피크의 높이를 알려줍니다. |
| |
그런 다음 스펙트럼 데이터를 다른 종류의 주요 매개 변수에 사용하여 이러한 주요 매개 변수를 분석하고이를 보여주고 최적의 값을 계산할 수 있습니다. |
| |
하지만 좋은 점은 Functional Data Explorer를 사용하면이 모든 정보를 하나의 |
| |
분석. 그리고 앞서 언급했듯이 당신은 말을 그만두거나 ... 당신은 숫자로 말하는 것이 아니라 그들의 언어로 말하거나 스펙트럼 데이터의 언어로 이야기하고 이러한 주요 매개 변수를 번역 할 필요가 없습니다. 더 이상 스펙트럼의 세계로. |
| |
그렇기 때문에 Functional Data Explorer에서 이것들에 대한 더 많은 정보를 얻을 수 있으며 아마도 기본 프로세스에 대한 더 깊은 통찰력을 얻을 수 있습니다. |
| |
예, 이제 마지막이자 마지막 예입니다. 그건 |
| |
제가 말했던 중합 과정은 기본적으로 분자량 분포를 결정하는 것입니다. |
| |
중합 반응의 결과입니다. 다시 말씀 드렸듯이 분자 분포를 결정하는 것은 일반적으로 까다로운 작업입니다. |
| |
전체 분포를 특정 주요 매개 변수로 가져 오거나 줄입니다. 일반적으로 일반적인 스펙트럼은 어떻게 생겼습니까? 따라서 폴리머의 몰 질량을 보여주는 일반적인 스펙트럼을 입력하여 폴리머 사슬에있는 모든 반복 단위 수를 만드십시오. |
| |
이것이 바로 화학 반응과 측정에서 얻은 것입니다. 따라서 잘 알려진 핵심 매개 변수이거나 핵심 매개 변수입니다. |
| |
그것은 수 평균 몰 질량, 질량 평균 몰 질량, Z- 평균 몰 질량 및 다 분산도입니다. |
| |
이것은 질량 평균 몰 질량을 수 평균 몰 질량으로 나눈 값입니다. |
| |
이 매개 변수, PDI, 다 분산도는 분자량 분포의 넓이 또는 크기 또는 너비를 나타냅니다. |
| |
다시 말하지만, 원시 데이터 또는 스펙트럼 데이터에서 계산하는이 네 가지 주요 매개 변수를 가지고 있습니다. |
| |
주요 매개 변수를 계산하십시오. 표준 기술을 사용하여 분석을 다시 수행 할 수 있습니다. |
| |
그리고 나서 당신은 당신의 모델에 대한 모델을 얻습니다.이 경우, 그것은 당신의 4 개의 침해 매개 변수입니다.이 경우에는 3 개입니다. 저는 다분 산성을 넣지 않았습니다. |
| |
세 가지 주요 매개 변수에서. 그리고 보시다시피 ...이 네 가지 요소를 변경해도 수 평균 몰 질량이 실제로 많이 변하지 않는다는 것을 알 수 있습니다. 따라서 수 평균 몰 질량에 대한 네 가지 요소에 미치는 영향은 너무 적지 않습니다. 꽤 크고 상당히 중요합니다 |
| |
여기에서 볼 수 있듯이 질량 평균 몰 질량입니다. 그래서 당신은 그것을 주위로 꽤 움직일 수 있습니다. 그래서 그 차이는 상당히 큽니다. 그래서 그것은 약 150,000? 총 몰당, 최저 설정과 최고 설정의 차이. |
| |
그러나, 이것은이 숫자가 상당히 많이 변한다는 것을 의미합니다. 이것은 또한 당신의 분산도가 변해야한다는 것을 의미하지도 않습니다 ... 또는 상당히 많이 변해야한다는 의미도 아닙니다. |
| |
문제는이 숫자에서 볼 수없는 것은 분포가 어떻게 생겼는지라는 것입니다. 그래서 그것은 당신에게 모양을 제공하지 않습니다. 그리고 우리의 경우에는 모양을 갖는 것이 매우 중요합니다. |
| |
폴리머의 가공성에 상당히 큰 영향을 미칩니다. 그래서 |
| |
숫자가 세 개 뿐이고 다 분산도 일 수 있습니다. 모양이 ... 또는 |
| |
분포가 단 분자 분포라면, 이봉, 삼봉. |
| |
당신이 보거나 당신이 분산에 대해 이야기 할 수있는 것은 당신에게 분포의 폭을 나타내는 지표를 제공 할 수도 있지만, 당신이 하나의 피크, 두 개의 피크 또는 세 개의 피크를 가지고 있는지는 알려주지 않습니다. |
| |
그러나 우리가 얻는 최종 재료 특성에 상당히 큰 차이가 있습니다. |
| |
폴리머의 성능을 바꾸거나 개발중인 접착 테이프의 성능을 변경합니다. |
| |
이제 다시 말하지만, 이미 원시 데이터를 사용할 수 있었으므로 기능 데이터 탐색기를 다시 사용하여 이러한 통찰력을 얻거나 이러한 정보에서 훨씬 더 많은 정보를 얻을 수 있습니다. |
| |
다시 한 번 몇 초가 걸리지 만 완료됩니다. |
| |
그리고 다시 한 번, 분석에 대한 환상이 없으므로 처음에는 기능 데이터 탐색기를 작동하는 것이 환상적이지 않습니다. |
| |
일반적으로 Y로 내보내기를 가져오고 샘플 ID를 입력 한 다음 DOE의 요소를 입력합니다. |
| |
그것들을 넣고 시작 버튼을 누르면 기본적으로 그게 다입니다. 이제 기본적으로 할 수 있습니다. 모델 매개 변수에 맞출 수 있습니다. |
| |
그러나 이것은 매우 간단하고 매우 간단한 절차이며, 다시 한 번 모든 데이터를 일부 주요 매개 변수로 줄임으로써 관심의 기본 부분에 대해 훨씬 더 많은 통찰력을 얻을 수 있습니다. 이 경우 |
| |
제 말은 하나의 핵심 매개 변수가 실제로 많이 변경되지 않고 다른 매개 변수는 변경되지 않는다는 것을 보여 주 었음을 의미합니다. 그러나 그것은 당신에게 형태를 제공하지 않기 때문에 당신에게 분포에 대한 표시 나 느낌을 얻지 못합니다. |
| |
이 경우에이 도구를 다시 사용하면 통찰력을 얻을 수 있습니다. 왜냐하면 방법을 보면 ... 많이 변하는 점을보기 전에 다른 점은 그렇지 않았기 때문입니다. |
| |
예를 들어 그러한 경우에 변화의 종류를 알고 있다면. |
| |
그 봉우리는 어깨와 비슷하지만 실제로 봉우리는 아니지만 영향을 미치는 요인을 변경하면 실제로 봉우리를 얻는 지점에 도달합니다. |
| |
네, 두 번째 피크를 얻었습니다. 이것은 중합 메커니즘이나 기본 중합 메커니즘에 대해 알려줍니다. |
| |
이 세 개의 숫자 만 보면 주요 매개 변수에서 얻을 수 없습니다. |
| |
그러나 여기에서 그것은 당신에게 지시를 주거나 개발자가 그의 전문 분야이기 때문에 무언가를 유발할 수 있습니다. 그가 근본적인 메커니즘을 이해하는 데 도움이되는 무언가를 유발할 수 있습니다. |
| |
다음 단계를 수행하도록 돕거나 다음 단계를 더 잘 수행하여 이전보다 더 나은 다음 실험을 계획하도록 돕습니다. |
| |
맞습니다. 제 예제를 마지막으로 설명하고 있습니다. Functional Data Explorer가 실제로 데이터를 시각화 할 수 있다는 것을 보여 드릴 수 있기를 바랍니다. |
| |
전문 분야의 개발자에게 결과를 제공합니다. 제 말은, 대부분의 경우, 대부분의 개발자는 데이터 과학자가 아니기 때문에 |
| |
그들 |
| |
결과에 도달하는 방법에 대해 믿지 않거나 관심이 없지만 결과에 더 관심이 있습니다. |
| |
문제가있는 경우 ... 또는 Functional Data Explorer를 사용하여 해당 언어 또는 전문 분야로 대화 할 수 있습니다. 즉, 우리의 경우에는 화학 회사, 스펙트럼 데이터이며 ...에 |
| |
스펙트럼 데이터를 일부 주요 매개 변수로 줄이고 주요 매개 변수에 대한 분석을 수행하기 위해 귀중한 데이터를 버리십시오. |
| |
실제로 어떤 주요 매개 변수가 스펙트럼에 영향을 미치는지, 스펙트럼의 형태, 스펙트럼의 모양을 설명해야합니다.하지만 데이터를 사용한 다음 |
| |
스펙트럼의 형태와 모양, 그리고 스펙트럼이 어떻게 변하는 지에 대해 연구중인 요인에 대한 이러한 영향을 보여주기 시작할 것입니다. |
| |
그리고 많은 경우, 어떤 경우에는 동일한 통찰력을 얻을 수 있지만 많은 경우, FDE를 사용한 분석은 종종 훨씬 더 많은 통찰력을 제공하고 기본 메커니즘에 대한 더 깊은 통찰력을 제공합니다. |
| |
스펙트럼 데이터를 일부 주요 매개 변수로 줄이는 과정에서 귀중한 데이터를 많이 버릴 필요가 없습니다. |
| |
이를 통해 모든 실험 작업을 수행 한 R & D 부서의 동료 여러분 께 감사드립니다. 좋은 결과를 발표하기 위해 여기 서서 여러분 앞에 설 수 있습니다. 과 |
| |
프레젠테이션을 마쳤습니다. 관심을 가져 주셔서 감사합니다. 질문이 있으시면 부담없이 문의 해주십시오. 대단히 감사합니다. |
