349231_zh-TW

liliconcom

功能數據瀏覽器：將結果可視化給非數據科學家（2021-EU-30MP-765）

級別：中級

 

羅曼（Lohmann）數據驅動開發主管Simon Stelzig

 

在膠粘劑配方和膠帶開發過程中，數據科學家會支持開發人員處理從實驗設計，歷史數據分析或初步試驗和錯誤運行中收集的數據的分析。 因此，數據專家與非專家討論結果，面臨以非複雜方式呈現複雜數據分析的需求。 尤其是在分析光譜數據的情況下，通常會將數據縮減為幾個特徵數以進行分析。 但是，開發人員仍然考慮光譜而不是數字，這使得結果的可視化和解釋變得困難。 Functional Data Explorer是執行此類分析並以類似於光譜形式可視化結果的出色工具。 例如，使用Functional Data Explorer分析了結構膠帶的流變行為，即反應開始，對配料的依賴性。 另一個例子是在壓敏粘合劑合成過程中分子量分佈對工藝參數的依賴性分析。 在這兩種情況下，最終的預測光譜都將極大地幫助開發人員獲得洞察力並建立機械理解。

 

 

自動產生的筆錄...

 

揚聲器	成績單
西蒙·斯泰齊格（Simon Stelzig）	好的，大家好 我叫西蒙·斯泰齊格（Simon Stelzig）。 我來自粘合工程師Lohmann。 我來自研發部門，我想向您介紹一些有關Functional Data Explorer的信息，以及如何使用它對非數據科學家進行可視化顯示。
	因此，在我開始之前，先簡要介紹一下Lohmann公司。 您可能沒有聽說過它，但是您使用過，或者您可能每天都在瀏覽它的產品。
	因此，僅提供有關Lohmann的一些事實和數據。 因此Lohmann在2019年的營業額約為6億歐元，我正在研究的部分是Lohmann Tape Group，我們是膠帶的生產商。 主要是雙面膠帶，我們是一家純B2C公司，所以您只
	如果您是工業用戶，則只能在工業應用中購買我們的產品。 我們已經很老了，距Lohmann公司成立至今已有170年。
	我們基本上分為兩部分，所以我正在研究的是磁帶產品之一。 這是重點
	工業應用的膠帶，這就是我們的衛生品牌。
	而且我們在全球範圍內都很活躍。 我們在全球擁有25個站點，大約有1800名員工。 也許很有趣，
	我們90％的產品都是定制的，因此我們擁有非常複雜的產品組合，在這裡我們有很多產品專注於針對極少數客戶的極少數應用。
	因此，我們是膠帶或許多雙面膠帶的頂級生產商，並且您知道我們得到了很多應用，這些都是我們所處的市場領域。
	因此，我們的其中之一是工業應用。 主要用於建築和建築區域的門窗或室內和室外應用。
	或者，您可能會遇到家用電器和電子設備中的Lohmann產品，例如用於將後蓋固定在智能手機上的膠帶。 或在
	主要用於診斷應用，傷口護理的醫療領域。 在...的運輸領域中...用於汽車，可能用於內部或外部
	標誌在汽車上的附著力。 例如，在圖形行業中，我們還提供柔性膠帶，用於提供膠帶
	將印版固定在套筒上。 Lohmann Tape Group的一個細分部門之一是衛生品牌，在該品牌中我們為尿布提供封閉系統。
	如此廣泛的應用範圍以及我剛才提到的另一點是，我們約90％的產品都是定制的。 關於洛曼的另一個事實是
	我們的價值鍊是非常深的價值鏈，因此，如果您考慮使用膠帶，則需要一個膠粘劑層，
	粘貼或粘在您要堅持的主題上。
	您需要一種載體，也可以選擇一種載體來承載您的粘合劑層，而在另一側，這是因為我們又是另一側的雙面膠帶的生產商，
	粘合層。 Lohmann的價值鏈基本上從一開始就開始，因此我們可以製造自己的聚合物，因此可以用作粘合劑的基礎聚合物。
	然後，我們必須將該聚合物配製成膠粘劑配方，然後將其放在下一步中的載體上，即呈膠帶形式的膠粘劑，形式為
	很大???勞斯萊斯。 最後，我們可以以表格的形式交付
	客戶希望做到這一點。 因此，如果您有一些模切，也許還有一些汽車標誌，那麼您需要使那些膠帶不需要特定的形式，我們會根據客戶的要求提供特定的形式。
	研發主要集中在產品的前三個部分，因此對於聚合，塗料的配方以及如我所提到的要獲得的產品，我們定制了很多產品，以便盡可能快地獲得所需的產品。為了滿足客戶要求的目標，我們申請
	在整個課程中進行實驗設計
	獲得最終產品並滿足我們的客戶要求。
	而且有很多
	進行實驗設計或進行大量實驗也可以提供大量數據。
	並在該過程中進行這些實驗或實驗設計，並成為一家化學公司，因此，在實驗結果中，您將獲得大量數據，大量光譜。
	因此，我們的大多數實驗都給...沒有給您一個值，沒有給您一個數字，而是給您一個光譜。
	而且，在大多數情況下，如果您想進行實驗（例如我的案例），我就是數據科學家，他們提供計劃這些實驗和分析的服務
	為我的同事進行實驗並進行整個數據分析，在這種情況下，他們可能是非數據科學家。
	他們是最終產品的開發人員，他們將我作為一項服務來完成所有數據分析時間。 在大多數情況下，您將從那些光譜數據中的數據中提取描述光譜數據的關鍵參數。
	在聚合的情況下，可能是分子量分佈，這可能意味著您的尺寸
	我們從反應中得到的聚合物，可能是通過任何測量手段或其他方法檢測反應種類的反應的開始。
	因此，如果您在數據分析時進行分析，則需要提取那些關鍵參數並進行分析，通常在傳統的DOE分析中，大多數時候都是對那些關鍵參數進行分析。
	所以
	作為數據科學家，因此，作為對我的同事，開發人員的一種服務，我對這些關鍵參數進行了分析。
	他們還向我提供客戶需求，而您要滿足這些客戶需求，則它們是您想要成為或達到您的配方或產品的最佳選擇。
	完成此操作，完成分析，完成優化之後，您有時會去找您，或者我去找我的同事，然後介紹結果。
	而且，由於我對關鍵參數進行了所有分析，因此我也介紹了這些關鍵參數的結果。
	問題是，儘管我的開發同事或項目團隊是他們在該領域的專家……是他們的專業知識的專家，但不是數據科學的專家。
	因此，這裡的問題是，如果我對關鍵參數進行分析並以關鍵參數的語言進行交談，但是他們作為其專業領域的專家，
	他們仍在思考頻譜，因為那是實驗完成的時間，這就是他們得到的分析結果，他們看到的是我看到數字的頻譜。
	總是留下一個問題，如果我在關鍵參數中給出結果和分析，他們仍然會在光譜中思考。
	因此，您總是會遇到用不同語言進行交談的問題。 我用數字語言說話，他們用光譜語言說話，
	這就帶來了一個問題，即他們必須將這些數字轉換成他們的專業知識領域，這就是光譜。
	或者，我必須將這些關鍵參數翻譯成它們的語言，即頻譜。 幸運的是，對於Functional Data Explorer，這是一種通用轉換器，可以解決此類問題。
	我要做的就是今天要向您展示的三個示例，Functional Data Explorer如何極大地幫助您克服數據科學家在談論數字與開發人員在頻譜方面進行思考和交談之間的這種障礙或語言障礙。
	在一個示例中，我想向您展示第一個示例，這是一個非常簡單，非常瑣碎的示例，也許是在描述分形印刷質量的測量中
	實驗。第二個描述了一種測量，它定義了一種化學反應。 還有第三個。這是一種可以為您提供聚合物分子量的度量
	在聚合反應中。 我現在將停止使用PowerPoint，然後轉到JMP，是的。
	因此，正如我告訴您的那樣，第一個示例是對打印質量的分析。 因此，您進行測量，理想和完美的光譜將是
	非常直線穿過原點，斜率為1。 因此，如果您達到理想水平，那將是理想的選擇，因此這是一項測量，這一次是打印質量。
	通常，您得到的是...正常，這是一個真實的生活環境。 我們得到的東西看起來好像不是一條直線，但是有點向更高的值偏移，所以它不是一條直線……它向上彎曲。
	那麼您要如何處理這些信息？ 我們想要查看或想要篩選哪些參數基本上使曲線向上移動或彎曲，從而使其不理想。
	因此，我進入了關鍵參數，我們將其定義為關鍵參數，或者基本上是一條直線與所獲得的實際線之間的差異。 這很簡單，您只需使用
	區別...在這一點上有一些區別。
	因此，如果您進行分析，那麼就關鍵參數而言，它也是...這是一個非常簡單的分析。 我使用決策樹來獲取...以獲取此處的屏幕，該屏幕對參數的影響最大，這偏離了理想頻譜，這非常簡單。 我們得到了大約22個影響因素。
	在這裡，您可以看到一個基本上對某些人有影響的地方，或者影響這種偏離理想狀況的地方。
	不管它是什麼，它都稱為X 22，這並不重要。 所以在某一點上如果它移動了...
	如果大於某個特定值，則得到250個數字，如果移動至該特定值以下，則得到196，問題是，如果您將此告訴開發人員……如果您將其顯示給開發人員，發展分析，
	他會問你，是196好還是254好，還是很差，或者也許合適和那種合適。
	問題在於純數字，您真的看不到，所以因為他在不同地區用不同語言說話。
	而且，使用功能數據瀏覽器確實可以極大地幫助您回答這個問題，因為如果您移至功能數據瀏覽器並對功能中的數據進行相同的分析...使用功能數據瀏覽器，
	您會看到類似這樣的內容。 因此它向您顯示，向他顯示，或者向您顯示他的開發人員…向他顯示圖形。 他習慣於該圖的圖通常是從他的測量或實驗中獲得的，他所做的是這些實驗。
	例如，如果您現在擁有相同的參數（如果他具有影響曲線形狀的參數），但是如果您不喜歡該參數，則顯示250，
	根據分析得出的關鍵參數將是您的250，將是196，您會看到兩者之間的差異。 我的意思不是真正的直線。
	但是，如果它向下移動到較低的數字，該數字顯示了他們要保留的數字196，
	它看起來還不錯，所以...這不是真的，我的意思是說，不是一種完美的直線，但事實並非如此，不是那麼多...它離存在不遠
	一條直線，也許到那時，如果您向非數據科學家，開發人員展示這種分析，
	也許這對他來說已經足夠好了，也許那點你說好吧，這不是一條直線，它並不完美，但是這對工作很有益。
	基本上，它可以滿足客戶的需求。 從您顯示給他的純數字來看，他是看不到的。 因此，在這種情況下，這是一個非常瑣碎的示例，非常簡單的示例，
	但我希望它給您的實質是，使用功能數據瀏覽器可以使您以專家，非數據科學家或材料開發人員的語言進行交談。
	而且您正在用他的領域或他的語言進行交談，可以幫助他獲得洞察力，並且不必將數字轉化為洞察力，也可以將其轉化為頻譜，但是他看到了，並且也許可以得到他所需要的答案。
	同樣，這是一個非常瑣碎，非常簡單的示例，但是我得到了...我希望它向您展示了數據的本質... Function Data Explorer是或可以幫助您實現。
	因此，繼續第二個示例，這就是您要檢測的化學反應的開始。
	我們通過做???來做到這一點。如果您要加熱某種化學製劑，則希望在...期間觀察模量的變化。 通常有兩個大範圍；頻譜看起來像那樣
	在某一點向上，模數發生變化，然後陡峭地向上移動。 通常在這裡，這是化學反應的開始。 因此，您從該光譜中提取的關鍵參數是模量開始急劇上升的點。
	這
	正確提取的關鍵參數是找到該點的那個點。 現在從原始數據中計算一個點可能會有些複雜，但是，您仍然可以這樣做，檢查反應開始的點，然後對關鍵參數進行分析。
	那樣做
	通過分析得出的關鍵參數是一個模型，通過該模型，您可以在此示例中基於五個參數來預測化學反應的種類。 所以，
	我再看看吧。 好吧...化學反應開始時的那個點或這些關鍵參數是...可能取決於那些...取決於這三個參數
	基本上您會得到從70度左右開始化學反應的範圍到大約100攝氏度之間的範圍（哦，對不起，那是錯誤的。）
	是大約100度 同樣，您將總光譜減少為一個數，
	為開發提供了一個線索，說明該化學反應的開始位置。
	進行相同的分析以及數據...您已經有了數據，因此，如果要提取關鍵參數，則還需要原始數據，因此也要有可用的原始數據。
	因此，這實際上並不需要付出更多的努力，而需要在功能數據瀏覽器中使用關鍵參數的標準回歸方法進行分析。
	所以，
	使用相同數量或相同數據並使用功能數據瀏覽器
	分析數據僅需幾秒鐘即可計算出結果。
	在那裡。
	同樣，現在您可以對整個頻譜進行建模，並且...在這種特定情況下，我沒有向開發人員展示關鍵參數的分析，但我首先向他們展示了功能數據瀏覽，即功能數據瀏覽器。
	當我剛剛搬家...開始四處走走並向他們展示這些東西並開始四處走走影響因素時，他們立即註意到
	反應的要點改變了。 因此，我不必告訴他們點開始移動，因為它們是該領域的專家...成為光譜數據的專家，
	他們立即意識到，化學反應的開始基本上發生了變化，正如您在此處看到的那樣，您看到它開始發生變化。
	另一個是您看到的，因為現在您基本上已經對整個光譜建模了，您不僅在建模關鍵參數，而且還看到了
	如果移動光譜，光譜的外觀將完全改變。 因此，例如，他們將看到峰開始移動並且峰的高度
	變化。在他們看到這些分析之後，這一點也立即得到認可。
	只是關鍵參數不同，如果您將機會提取到一個關鍵參數中就意味著發生了化學反應，那麼也許可以使用另一個關鍵參數。
	告訴您最佳位置或此處最大峰的位置或最大峰的高度。
	然後，您可以將光譜數據用於不同種類的關鍵參數中，隨後分析這些關鍵參數並將其顯示給他們，從而計算出最優值。
	但好處是，如果您使用Functional Data Explorer，那麼您都可以將這些信息整合到一個
	分析。正如我之前提到的，您不再說話，或者……您不是在說數字，而是在說他們的話，或者您在說他們的頻譜數據語言，而不必翻譯這些關鍵參數進入他們的光譜世界了。
	是的，因此您可以在Functional Data Explorer中獲得有關這些的更多信息，也許它們可以對底層流程有更深入的了解。
	是的，現在我來談談最後一個也是最後一個例子。 這是
	我所說的聚合過程，基本上就是確定分子量分佈，
	這是聚合反應的結果。 再次，正如我已經提到的，確定分子分佈通常也很棘手
	以獲取或減少整個分佈到某些關鍵參數中。 因此，通常情況下，典型頻譜是什麼樣的？ 因此，讓我們用正常的典型光譜顯示聚合物的摩爾質量，以便計算出聚合物鏈中所有重複單元的數量。
	這就是您從化學反應和測量中得到的結果。 因此，關鍵參數是眾所周知的還是關鍵參數，您必須...
	這是數均摩爾質量，質均摩爾質量，Z平均摩爾質量和多分散性，
	它是質量平均摩爾質量除以數均摩爾質量。
	該參數PDI（多分散性）可以指示分子量分佈的寬度或大小，或者您的分子量分佈的寬度。
	同樣，有了您根據原始數據或光譜數據計算出的這四個關鍵參數，我們同樣已經可以使用這些數據，以便
	計算關鍵參數。 您可以使用什麼都沒有，沒有幻想的標準技術再次進行分析。
	然後您得到一個關於您的模型...在這種情況下，這是您的四個侵權參數，在這種情況下，我沒有輸入多分散性，
	根據三個關鍵參數。 然後您會看到...如果更改這四個因素，則數均摩爾質量實際上並不會發生太大變化，因此對數均摩爾質量對這四個因素的影響並不大。 它很大而且很重要
	您可以在此處看到有關質量平均摩爾質量的信息。 這樣您就可以圍繞它進行移動了，所以相差很大，所以大約是150,000嗎？每摩爾總和，最低設置和最高設置之間的差。
	但是，這意味著，這個數字發生了相當大的變化，這並不意味著您的分散性應該發生變化或應該發生變化，或者應該發生很大變化。
	問題是您從這個數字中看不到分佈的樣子，所以它不會給您形狀，可以說，在我們的例子中，形狀非常重要，因為它
	對聚合物的加工性能有很大的影響。 所以
	只有三個數字，也許是多分散性，它不會給您或不會告訴您形狀是...還是
	如果分佈是單峰分佈，則為雙峰，三峰。
	您所看到的結果或您可能只是在談論分散性，可能會為您提供分佈範圍的指示，但並不能告訴您是一個峰，兩個峰還是三個峰。
	但是，我們得到的最終材料特性還是有很大的不同。
	聚合物或改變我們正在開發的膠帶的性能。
	現在，再次，由於您已經有了原始數據，因此可以再次使用Functional Data Explorer來獲取這些見解或從中獲取更多信息...所有這些數據僅來自那些關鍵參數。
	再一次，需要花費幾秒鐘，但是您就完成了。
	而且，再一次地，分析沒有什麼花哨的，所以從一開始就...操作Functional Data Explorer沒什麼花哨的，什麼都沒有
	與眾不同的是，您將出口作為Y拉入，先輸入樣本ID，然後再從DOE中輸入因數。
	將它們放入，按開始按鈕，基本上就是這樣。 現在您基本上可以...可以將其與模型參數配合使用。
	但這是一個非常簡單，非常直接的過程，而且，您只需將所有這些數據簡化為一些關鍵參數，就可以深入了解感興趣的基礎部分。 在這種情況下，
	我的意思是告訴您，一個關鍵參數並沒有真正改變很多，而另一個則沒有，但是它沒有給出表格，因此沒有給您指示或感覺到分佈。
	在這種情況下，再次使用此工具可以使您獲得洞察力，因為如果您看到...如何看到一個變化很大的點，而另一個卻沒有變化。
	如果您知道某種變化，例如，在這種情況下。
	那個高峰更像是一個肩膀，它並不是真正的高峰，但是如果您改變影響因素，您會發現它實際上確實達到了高峰。
	是的，所以它確實達到了第二個高峰，這告訴了您有關聚合機理或潛在聚合機理的一些信息。
	僅通過查看這三個數字是無法從關鍵參數中獲得的。
	但是在這裡，它可能會給您一個指示，或者您可能會在開發人員中引發一些事情，因為那是他的專業領域。 您可能會觸發一些有助於他了解潛在機制的事情，然後
	看到這些數字，比以前更好地幫助他做下一步或幫助他做更好的下一步以計劃下一步的實驗。
	好的，現在我結束了...展示我的示例，所以我希望我可以向您展示Functional Data Explorer確實使可視化可視化成為可能。
	結果給開發人員在其專業領域。 我的意思是，請記住，就我們而言，大多數開發人員都是非數據科學家，因此
	他們
	不相信或可能不太感興趣如何獲得結果，但他們對結果和結果更感興趣
	問題存在……或者說，如果功能數據瀏覽器允許您用他們的語言或他們的專業知識來進行交談，那麼在我們的情況下，這意味著作為一家化學公司，光譜數據，而您沒有到
	丟棄有價值的數據，以將光譜數據簡化為一些關鍵參數，並對關鍵參數進行分析。
	必須解釋實際上哪些關鍵參數...它們如何影響光譜，光譜形式，光譜形狀，但是您可以只使用數據，然後
	您將開始向他們展示這些因素對您正在研究的因素的影響，這些因素涉及光譜的形式和形狀以及光譜如何變化。
	在很多情況下，在某些情況下，您可能會獲得相同的見解，但是在很多情況下，使用FDE進行分析通常會為您提供更多的見解，它使您可以更深入地了解底層機制。
	不用說，在將光譜數據簡化為一些關鍵參數的過程中，不必丟棄很多有價值的數據。
	因此，我要感謝研發部門的同事們所做的所有實驗性工作，因此我可以站在您面前展示出色的結果。 和
	我的演講結束了。 非常感謝您的關注。 如有任何疑問，請隨時提問。 非常感謝你。

最佳峰會爆發數據可視化美國能源部預測建模回复：Functional Data Explorer：向非數據科學家可視化結果（2021-EU-30MP-765）

我非常喜歡您關於如何通過通用語言進行協作的觀點@shs ，感謝您的演講。 這種有效的溝通是否會使您的同事對自己做一些數據科學感興趣？  

回复：Functional Data Explorer：向非數據科學家可視化結果（2021-EU-30MP-765）

@benfrancis ： 謝謝。 是的，它確實有所擴展。 它的確引起了人們對數據科學整個主題的興趣。

回复：Functional Data Explorer：向非數據科學家可視化結果（2021-EU-30MP-765）

聽起來很棒@shs ，希望將來有時間我們可以進一步談談！ 我為2022年的歐洲探索之旅而努力！

回复：Functional Data Explorer：向非數據科學家可視化結果（2021-EU-30MP-765）

我同意本斯的評論。 著眼於接收者的語言而不是數據科學的觀點會增加如此巨大的價值！ 感謝這個簡單易懂但又很有影響力的示例的演示文稿。