349204_ja-JP

liliconcom

Re：Dairygoldでのデータの搾乳：棒グラフからニューラルネットワークまで（2021-EU-30MP-735）

本当に素晴らしい概要。 Dairygoldがこのアプローチを採用し、分析ツールに依存するためにたどった道のりを展望したフォローアッププレゼンテーションに興味があります。 このプレゼンテーションは、それが現在ビジネスの運営方法の中心であるかのように思わせました。これは素晴らしいことです。

 

プレゼンターはまた、組織が生成するすべてのデータに分析のために簡単にアクセスできるように見せました。これは、それ自体が非常に印象的であり、そのトピックだけをカバーするプレゼンテーション全体になる可能性があります。 よくやった！

 

 

Re：Dairygoldでのデータの搾乳：棒グラフからニューラルネットワークまで（2021-EU-30MP-735）

こんにちはキエラン、

 

このプレゼンテーションに合うジャーナルはありますか？ 私が本当に好きで再作成に興味を持っているグラフはほとんどありません-ジャーナルは確かにこれらのチャートを作成するメカニズムを理解するのに役立ち、助けになります-ありがとう

Dairygoldでのデータの搾乳：棒グラフからニューラルネットワークまで（2021-EU-30MP-735）

レベル：中級

 

Kieran O'Mahony、データサイエンスおよび分析マネージャー、Dairygold

 

現代の世界では、データ分析の使用は通常、金融、ヘルスケア、製薬、医療機器、半導体、eコマースなどの業界に関連しています。 農業と分析という言葉が同じ文に含まれることはめったにありません。 このセッションでは、伝統と歴史が染み込んだそのようなビジネスが、データ分析の使用をどのように受け入れ、奨励して、「データは豊富だが情報は貧弱」と見なされないビジネスと見なされないようにするかについての洞察を提供します。このセッションでは、JMPを使用することで、Dairygold全体でよりデータ主導の意思決定が可能になった例を複数紹介します。

 

 

自動生成されたトランスクリプト...

 

スピーカー	トランスクリプト
キーラン・オマホニー	さて、どうもありがとうございました。私の名前はKieran O'Mahonyです。私は、アイルランドのDairygoldのデータサイエンスおよび分析マネージャーです。
	そして、私のプレゼンテーションのタイトルは、棒グラフからニューラルネットワークまでのDairygoldでのデータの搾乳です。
	したがって、データ分析の使用は通常、金融やヘルスケア、製薬、半導体などの業界に関連していると言っても過言ではなく、農業と分析という言葉が同じ文に含まれることはおそらくまれです。 。
	したがって、このセッションは、非常に伝統的なビジネスがビジネス全体で分析の使用をどのように受け入れ、奨励してきたかについての洞察を提供することを目的としています。
	したがって、このセッションは、ディスカバリーで表示される他のセッションとは異なる可能性があります。ここで私がやろうとしているのは、1つのプロジェクトに焦点を当てるのではなく、
	Dairygoldは、JMPを使用して、製造だけでなく、ビジネス全体でデータ主導の意思決定を可能にしました。これは重要だと思います。
	ですから、始める前に、ビジネスの背景、概要、そして私たちが何をしているのかを少し説明することが重要だと思います。
	つまり、Dairygoldは、ゴールデンバレーの中心部にある最先端のチーズおよび栄養粉末製造施設とのアイルランド有数の農民所有の協同組合です。
	さて、それを説明するために、協同組合として、私たちは基本的に...基本的に私たちが牛乳供給業者によって所有されていることを意味します。
	毎日2,800社のミルクサプライヤーがあり、その一人一人が株主であるため、原材料サプライヤーも事業のオーナーであるという意味で、ビジネスモデルは少し変わっています。
	つまり、昨年の売上高は12億ユーロで、従業員数は約1,200人、年間約14億リットルのミルクを処理しているため、毎日かなりの量のミルクが届きます。 実際には、
	ピーク時には、季節限定のビジネスがあるため、ピーク時の生産では、毎日600万リットル以上のミルクがサイトに到着します。
	ハンマーから家庭用電化製品、農機具、そしてその間のすべてのものを購入できる小売店もあります。 また、工場で動物飼料を生産する農業面もあります。
	そのため、Dairygoldは長い間存在しており、1908年にBallycloughとして始まり、1919年にMitchelstownになり、1990年にDairygoldになりました。
	そして、私たちはおそらく来たでしょう...おそらくそうではありません...私たちは馬と馬車によって牛乳が配達されてから非常に長い道のりを歩んできたと言っても過言ではありません。
	非常に伝統的な組織であり、多くの歴史がありますが、非常に進歩的な組織でもあります。
	そして、私たちが長い道のりを歩んできたと言うとき、あなたは私たちが現在タンカーの艦隊と各タンカーを備えた非常に大きなサプライチェーンを持っていることを知っています、
	ここに例があります。各タンカーは約26,000リットルのミルクを運搬し、2,800のサプライヤーから毎日ミルクを収集しています。 そして、それはその意味で非常に複雑なサプライチェーンです
	サプライヤーからミルクを収集するだけでなく、自動的に指示しない場合は、チーズ加工工場からホエーも収集します。
	別の場所へのパイプを介して。 そこでタンカーにも集めて他の場所に輸送しました。
	また、他のお客様に販売している脱脂乳濃縮物や脱塩ホエイ濃縮物についても同様です。また、販売している事業では、粉末部分とチーズ部分もあります。
	そのため、ヨーロッパで最大の乾燥機（？）もいくつかあります。特に、5階または6階にまたがる乾燥機をここで見ることができます。
	したがって、過去5〜6年間で、Dairygoldは工場全体に4億以上を投資したので、確実に...確実に...
	ミルクプール（？）の将来のボリューム拡張のニーズを満たすことができます。 私たちが作る製品に関しては、私たちは作ります
	粉乳とチーズは、ほとんどの場合、全粉乳から脱脂粉乳、タンパク質粉末、そしてさまざまな種類のチーズ、特にチーズとチェダーチーズまであります。
	また、菓子やピザからセイボリー、ヨーグルト、加工食品、さらには乳児用調製粉乳まで、さまざまな分野でベビーフードを提供しています。
	そして、あなたはおそらく...今日食べたことがあれば、最近は非常に普及しているので、スキムミルクパワーまたは全粉乳の一部も消費した可能性が非常に高いです。非常に多くの食材で。
	それがビジネスの背景です。 データに関しては、データは豊富だが情報は乏しいと思われる企業がたくさんあると言っても過言ではありません。
	また、データが多ければ多いほど、それに伴って何ができるかということも、さらに多くの混乱を招くと言っても過言ではありません。
	そして時々私はあなたがすべての情報を持っていてあなたが持っているときでさえ...あなたはこの人口を持っている、そしてあなたはあなたが知っている、正確に何の考えを持っていると言うのは公正だと思う
	ビジネスから有用な情報を取得するために抽出する必要があります。ビジネスがそのデータをどう処理するかを正確に知らない場合があります。
	そして、Dairygoldの観点から、私たちがやりたいのは、脳の右側からもっと離れようとすることです。そこでは、仮定と腸の感覚、推測と直感を使用することに焦点が当てられています。
	論理と数学、理性と科学の使用に重点を置いている脳の左側に向かって移動しますが、これは私たちがビジネスでより多く使用し、ビジネス全体でより多くのデータ主導の意思決定を使用したいものです。
	プレゼンテーションの前に一度、Dairygoldのデータ戦略の概要を1ページにまとめてほしいと頼まれましたが、当時は...
	当時、確かなデータ戦略がなかったのではないかと気付いたのはその時です。
	しかし、私が今ここでやろうとしていることは、私たちの実際のデータ戦略が何であるかを1つの図で示すことであり、それは本当に単純です。
	そのため、ビジネスに存在するデータを取得し、分析を使用して有用な情報に変換したいと考えています。
	そして、その情報から、私たちが持っていた重要な質問に対する答えを得ることができます。時には、私たちが持っていた質問に対する答えを得るだけでなく、時には
	実際には、さらに多くの質問があります。 しかし、これらは私たちが最初から尋ねることを知らなかった質問であるため、非常に重要で非常に強力です。
	そのため、場合によっては、戻ってデータをもう一度確認し、これらの質問に対する回答を得るのを手伝う必要があります。
	しかし、最終的には、すべての質問に対する回答が得られるようになると、私たちははるかに良い立場になり、プロセスについてより多くの洞察を得ることができます。
	そして、その洞察により、タイムリーなデータ主導の意思決定を行い、正しい方向に進むことができるようになります...正しい方向に送ってください。
	そして、私たちがプロセスを十分に理解し、十分な洞察を持っている場合、そのデータを使用して次のことができるようになるはずです。
	将来起こりうることを高い精度で理解します。 したがって、優れた洞察により、何が起こるかを予測できる優れた先見性も得られるはずです。
	したがって、冒頭で述べたように、このプレゼンテーションの目的は、Dairygold全体でデータが使用されているさまざまな方法の例をいくつか示すことです。
	私たちは、データに基づいて意思決定を行うという点で、内部の観点から長い道のりを歩んでいます。この時点で、機械学習とAIの全領域に着手しています。
	ですから私は、シンプルも非常に強力であると信じています。
	そのため、このプレゼンテーションは棒グラフからニューラルネットワークに呼び出されます。
	そして、非常に単純な分析から多くの価値を引き出すことができることを強調することが非常に重要だと思います。 ここで共有したい最初の例は、単なる棒グラフです。
	しかし、プレゼンテーションに参加して、複数のページにまたがる棒グラフを作成できると思うこともあります。JMPを使用すると、すべての情報を1つにまとめるだけで簡単にできます。
	見る。 したがって、この場合、洗浄プロセスでの硝酸を調べています。ここでは、個々のデータポイントと、硝酸洗浄プロセスのすべての段階を確認できます。
	また、各ステップで使用された硝酸のレベルを確認できます。 私たちが見ている次のステップ...使用回数を見て、そのステップが繰り返された回数。
	そしてここでは、各ステップでの硝酸の平均使用量を調べています。 例として、次のことがわかります。
	ご存知のとおり、ここでは1週間あたり24リットルの平均が使用されていますが、そのステップの発生頻度は4倍にすぎませんでした。
	ここではこの外れ値によって明らかに偏っていたので、これは明らかに歪んでおり、おそらくもっと重要なのは、ここでやろうとしていることは理解しているからです。
	毎日、毎週、毎月使用される硝酸の量を減らすことは、各プロセスステップのプロセス全体で使用される硝酸の合計です。
	そして何が重要だったのか...ここで強調するのに何が重要だったのか、私は推測します、そして再びそれは単なる棒グラフですが、それは私たちに大きな方向性を与えました
	ビジネスで私たちを送り出しました...申し訳ありませんが、このすべてのデータを見ると、それを見ることができるので、接線で私たちを送り出すことは避けました
	3つの異なる領域が飛び出しました。 最終すすぎ、前すすぎ、そして別の最終すすぎステップもありました。 そしてデータは示していた
	その酸はこれらのすすぎステップ中に使用されていましたが、すすぎステップには水が含まれているだけなので不可能です。
	したがって、もう少し掘り下げてみると、最初はベンダーによってスキャナー（？）システムに誤ったデータタグが設定されていたことがわかりました。
	監視対象の流量について。 したがって、実際に硝酸の使用量を監視していると思っていたところ、実際には監視していませんでした。 私たちは間違って知らされていました。 そう
	私たちは本当に立ち去って深く掘り下げ、プロセスとそれを推進しているものを理解することができましたが、非常に単純な棒グラフはしばしば適切な方向を示し、ビジネスで実際に何が起こっているのかを正確に理解することができました。
	そして、ビジネスでの棒グラフの使用。正直なところ、これは非常に単純なため、おそらく私のお気に入りの棒グラフのビジネスでの使用の1つです。
	しかし、それは示しています...それはすべて1ページにダウンタイムの4つの異なる次元を示しており、非常にシンプルで非常にユーザーフレンドリーで直感的に使用および読み取ることもできると思います。
	つまり、ここにあるのは、チーズ工場で1か月に監視されているダウンタイムの量です。 つまり、ここではY軸のダウンタイムを数分見ています。
	チーズ工場内の6つの異なるエリアのそれぞれについて、4月、5月、6月、7月などの6か月ごとに、降順で、時間順に、本当に
	シフトA、B、C、Dのそれぞれについて。分数が非常に少ないため、データが作成されたと考えることは許されるかもしれませんが、
	工場が止まらないというチーズ製造の視点。 つまり、これらは実際の数値です。つまり、1か月あたりの分数でダウンタイムを監視しています。
	プロセスが停止すると、製品のpHが変化し、悪影響を与える可能性があります
	製品の最終的な販売価格と品質も同様ですので、私たちが止まらないことが重要です。
	つまり、これはメンテナンスの観点から見たレベルです。 数分で、BetaVacの問題はそれほど多くないことがはっきりとわかりますが、ブロックフォーマーの場合、シフトCとDの問題が発生しています。
	Blockmaster上のCについては、ここでさらに問題があります。 コンベヤーのこの領域では、再びCが飛び出し、ガセッターCとDが再び飛び出します。
	そして多分ここでCとDに関するより多くの問題。 したがって、この分析から抽出できるのは、シフトCとDがメンテナンスの観点から少し苦労しており、もう少しサポートが必要であるということでした。
	特にダイナミックリンクが好きです
	データ探索のためのJMPの要素。 そして、この場合、私は指摘する必要があります、私たちはビジネス内にたくさんのラボを持っているので、微生物学、化学、???ラボ、
	ミルク、チーズ、水、加工中、完成品をテストし、ビジネスの膨大な数の要素をテストします。
	そして、ここで見ることができるように、このインタラクティブなリンク機能はインタラクティブなHTMLになりました。
	は、ビジネス全体のさまざまな人々がリポジトリを構築し、それを表示して操作できるようにするために使用されました。
	ここで私たちがやろうとしているのは、ビジネス内に存在する問題があるリポジトリを作成することです。この場合、ブロックを強調表示しています...申し訳ありませんが、ブロックされたチューブと蒸発器のCIPと停電を示しています。
	また、停電をクリックすると、緑色のバーの影付きの領域が強調表示されます。 したがって、この場合、8月に1つ以上の停電が発生しました。
	それはここでこれらの処理段階に影響を及ぼし、特にこれらのプロセスで最も見られた微生物は連鎖球菌でした。
	したがって、ここでの価値は、ファクターの観点からこのリポジトリに問題を追加し続けると、次のことができるようになるということです。
	将来を見据えて、何かが起こったときのビジネスへのリスクを確認します。次に停電が発生したときに、連鎖球菌が発生するリスクが高いため、この段階またはプロセスでテストの量を増やす必要があることがわかります。
	時々あなたはあなたがあなたが季節性とより滑らかであることを知っているあなたが追加する必要があるほど多くのバーを持っているポイントに到達します
	より多くの可視性を追加するために同様に線。 これは私たちがビジネスで抱えている課題であり、後で触れますが、これはビジネスの季節性の要素です。
	そして、牛が草を食べ、草が使用され、最終的には明らかに牛乳を作るために、そしてアイルランドでは天候が非常に不安定であるため、私たちは非常にそうです。
	ある日は雨が降り、次の日は雪が降り、翌日は日差しが降り注ぐ可能性があるため、季節性の観点から、ここのバーの色はそれぞれ異なる年を表すために使用されます。2015、16、17、18。
	そして、それは週末だけでもあります、私は付け加えるべきです、そしてそれはグリーンのために真ん中の全体的な週末の注文を見ています。
	2016年と17年は、このm字型であるという点で多少似ていますが、2018年は非常に異なります。
	例として、私たち全員がお互いに雪玉を投げているところです。6週間後、水ホースが禁止された熱波がありました。
	ビジネス内で効果的に天候に依存する季節性データを使用することは非常に非常に困難ですが、それは私たちが試みて克服する課題の1つです。
	したがって、トレンドから...トレンドの観点を維持しながら、プロジェクト主導ではない探索にもJMPを使用します。 だからここに月平均2,800のミルクサプライヤーの例があります
	たんぱく質と脂肪の両方の結果が2年間でビジネスに登場します。 したがって、ここでのすべての目盛りは、この場合は2018年9月、2018年10月などを表します。
	つまり、サプライヤ内およびサプライヤ間で存在する変動の範囲を示しています。 そして、便利なのは、ゾーンインできることです。特にこの男については、例として、この男がとても高いのはなぜですか？
	そして、彼は脂肪とタンパク質の両方で一貫して高いです、そして私たちが他のサプライヤーに持って来ることができるかもしれないこのサプライヤーから学ぶことができる何かがありますか？
	または、逆に、下端に他のサプライヤがありますか
	彼らは一貫して彼らのミルクのタンパク質と脂肪レベルを得ることができないので、それは私たちのミルクアドバイザーからのいくつかのサポートといくつかの助けで行うことができます
	高い。これらは農民が支払われるパラメータ、タンパク質と脂肪のレベルであるため、これらは重要です。
	したがって、この場合、特にこの男は、1日1回だけミルクを飲むことを選択した数少ないミルクサプライヤーの1人であることが判明しました。
	つまり、彼の脂肪とタンパク質のレベルは実際には他の誰よりも高いのですが、デイリーゴールドに還元する量は少ないのですが、それが彼の選択です。
	並列プロット。
	そして、これらは私の現在のお気に入りです。なぜなら、非常に多くの異なるパラメーターについて、同時に1ページに非常に多くの情報が表示されると思うからです。
	これは現在実際に発生している問題であるため、これは文字通りマスコミから熱狂的であり、問題は実際にはまだ解決されていません。
	だから私たちがここで見ているのは...それは流動床乾燥機とサイクロンでの断続的な粉末閉塞に関連しています、
	これは基本的に、粉末が乾燥機とサイクロンを塞いでいることを意味します。 そして、私たちはこれらのチョークをOKと呼んでいるので、機器が詰まっていて、機器を停止して掃除する必要があります。
	だから私たちが実際にここで見ているのは
	30の異なるパラメータ、すべてが測定されます...すべてここでX軸に表示されます。
	そして、左から右に向かう各線は、これらの30個のパラメーターのそれぞれの設定の1分を表しています。 赤は
	チョークが発生する1時間前の分、つまり、これらは、必要に応じて60のレベル設定です。
	発生...チョークが発生する60分前。この赤いグループは、9つの異なるチョークの発生を表しています。
	さて、ここには540ストランド以外のものがあるので、これは事実上、チョークが発生する直前に発生したもののフィンガープリントです。
	そして...私たちがやろうとしているのは、マシンパラメータの観点からそれを典型的な通常の運用生産シナリオと比較することです。
	そして、それは本当に良いです。なぜなら、それらがどのように比較され、それらを互いに重ねることができるとさらに良くなるので、私は持っています...バックグラウンドでチョークがゴースト化されていません。 だから今面白いのは実際に見ることができるということです
	チョークシナリオがチョークなしとどのように異なり、何が起こっているのかを理解します。 例として、現在調査されている質問は、
	ご存知のように、これが何であれ、私たちはより低いレベルを持っているようです...差圧。
	そして、ほとんどの場合、私たちがチョークを受け取ったとき、これは私たちが注意しなければならない潜在的な要因ですか？ これが原因ですか？ 典型的な注文が動作しているため
	ここでも差圧に適したパラメータが高くなっています。 繰り返しになりますが、ほんの一例です。
	GPSデータを使用してサプライヤーの場所のパターンと傾向を視覚化するため、ここで調べているのは、12月とすべてのサプライヤーがいるミュンスターの全地域にわたるタンパク質レベルです。 そして、ここの各ドットは、ビジネス内のサプライヤーの場所を表しています。
	また、ドットのサイズは、サプライヤーがデイリーゴールドに提供するミルクの量を表しています。したがって、ドットが大きいほど、農場は実際に大きくなります。
	そして、ここには発散するスケールがあり、ボリュームが予想されます...タンパク質レベルが3.5になるはずなので、あまり興味がなく、灰色で網掛けされています。
	しかし、3.5より大きいものはすべて緑色で表示されているので、それは...彼らは本当にうまくやっている人たちであり、赤色で表示されているのはおそらく、
	すみません、タンパク質レベルを上げるのに少し苦労しているかもしれません。 ですから、ここで私たち自身のデータを使用して、ミルクアドバイザーからのサポートが必要なサプライヤーがいるかどうかを確認し、それらを支援することもできます。非常に便利です。
	地理的な要素にこだわって、私たちはいくつかの古くからの神話を寝かせることができました。 だからこれらは
	ウォータークーラーで行われる可能性のある議論により、誰かがこのこと、NPNは間違いなく地理的に影響を受けていると言うでしょう。
	NPNは説明するのが難しいので、ここでは1パイント、必要に応じて1パイントのビールの例えを使用します。 本当にガラスのようなものだと思います。
	そして、誰もが知っているように、ミルクにはタンパク質、脂肪、乳糖、ミネラル、ビタミンが含まれています。 さて、これらは良いことです。
	そして、他にもたくさんのものが含まれています。タンパク質全体を見ると、パイント全体が農家からのミルクに含まれるタンパク質であると見なすことができます。
	しかし、そのタンパク質は、基本的にここで飲み物の液体部分である真のタンパク質に分解することができます。
	そして、私たちが実際に製造プロセスで使用できるのはこのビットです。 パイントの頭、ここの泡状のビットは他のものであり、尿素や尿酸などです。
	サプライヤーにすべてのタンパク質の代金を支払っていますが、残念ながら、プロセスですべてのタンパク質を使用することはできません。そのため、ここでは、この部分、実際のビット、または本物のタンパク質のようにしか使用できません。
	したがって、プロセスによっては、1年の任意の時期にNPN、非タンパク質窒素のレベルが高いまたは低い場合、
	次に、その製品を特定のサイトに誘導するのが最善かもしれません
	今は別のサイトにいるので、おそらく戦略的になることができます。 そして、質問は常にありました、あなたが知っている、私はあなたが知っている、私はあなたが知っている、地理的な場所が全体の非タンパク質窒素レベルに影響を与えるであろうことをあなたに賭けます
	地理的な場所。 ここに表示されているのは、284,000のデータポイントからのデータです。つまり、284,000のNPNの測定値です。
	アイルランド南部のミュンスターの6つの異なる地域で、年間を通じて非タンパク質窒素。
	そして、ここでの線は、月ごとに存在する平均と平均の違いを表していますが、地域ごとに色の観点から異なる平均も表しています。
	ここの箱ひげ図は、各領域内および各領域間に存在する変動の量を表しているため、平均が次のようになっていることがはっきりとわかります。
	地域ごとに、また変動量が減少するときはいつでも、互いにうまく調和し、
	ここで7月に、ティペラリーのわずかな異常を除いて、すべての地域で減少しているように見えます。この場合は。
	しかし、ほとんどの場合、変動が地域でも増加すると、すべての地域で変動が増加します。
	だから私たちはもはやできません...私たちはもはやこれと他の可能性について話す必要はありません。 私たちのデータでも、理論を非常に迅速に証明および反証することができます。
	5年ごとに、正中線（？）の国勢調査をミックスサプライヤーに送信します。これは、サプライヤーが農場で持つ可能性のある将来の量の意図と課題を理解するのに役立ちます。
	また、ビジネスの方向性や投資の観点からも、メンバーからの感情を示しています。
	そこで最近、2,800のサプライヤーのそれぞれに100を超える質問を送信しました。この場合、私たちが尋ねた質問は、あなたの農場の成長を制限する要因は何ですか？
	そして、人々には9つの選択肢が与えられたので、この場合、1から9を因数分解します。 そのため、重要度が最も高い、または最も低い順にランク付けするように求められました。つまり、1から9まで、提示された要素です。 ご想像のとおり、2,800件の結果が返されます
	各サプライヤーからですが、各結果のスコアは1から9であり、必ずしも1から9のスコアであるとは限らないものもあります。トップ3しか行っていない場合もあれば、トップ5またはトップ7などを行っている場合もあります。
	したがって、問題は、必要に応じて、Dairygoldに報告している農業コミュニティ全体を表す1つの明確な画像でそれらの25,000のデータポイントのすべてのデータをどのように最もよく表すことができるかということです。
	そして結果は...だからここでの答えは単にモザイクプロットです。 ここで、うまくいけば、サプライヤの回答者の48.8％がファクター4を最も重要であるとランク付けしていることがはっきりとわかります。
	農場の拡大を制限する要因。 その後、ファクター5が続き、19％が最も重要なものとして投票し、23％が投票しました。
	2番目として。 左から右に進むにつれて、農家にとって最も重要な要素をもう一度見ることができます。
	したがって、ここでは色が非常に重要であり、ここでも、非常に異なる部分について、階層化されたヒートマップを使用してそのチームをフォローしています。
	小売注文。 したがって、この場合は、週末のみの時間帯ごとの注文数を調べています。
	私たちの店へのフィードのために。 つまり、これは2015年から2018年までの4つの異なる年のそれぞれの金曜日、土曜日、日曜日です。
	そして、注文が送信される時間帯。 これで、農家はアプリや...または
	彼らは順番に鳴ることができます。 しかし、あなたはここで金曜日にはっきりと見ることができます、あなたが知っている、最初のとき
	牛の搾乳が行われ、一部の農家は外出しており、午前5時に、大丈夫だと言って、もっと飼料が必要です。 ここでアプリ内で自動的に注文します。
	繰り返しになりますが、おそらく12時頃に再び発生する可能性があり、群れの搾乳時間などによって異なります。 しかし、ここでの価値は、私たちができることです
	週末の注文を受け取るのに最も忙しい時間帯と注文を処理する必要がある時期を理解し、それを理解することができます
	週末を通して効果的な人員配置を行うのに最適な方法です。したがって、日曜日に金曜日と同じ数の人員を配置しても意味がありません。 たぶんもっと
	Ttmeは集中して費やす必要があります...そして、より多くの人員を金曜日に、そしておそらく土曜日の朝早くに注文を取得することに集中する必要があります。 それで、それは私たちの店ではるかに効果的な人員配置でした。
	繰り返しになりますが、色のテーマと、ご存知のように、ファンシーな分析を維持しながら、すぐにそこに到達します。
	ただし、色のテーマを維持してください。ここで見ているのは、チーズの大きなベッドをグラフィカルに表現した出力です。
	ですから、私が大きいと言うとき、それはおそらく長さ25メートル、おそらく幅2メートルです。 したがって、この時点ですべてのカードからホエーが排出され、次にこのチーズのベッドが押しつぶされ、70のストリップにスライスされます。
	次に、ストリップを5つのブロックにカットし、左側、中央、右側のブロックの高さを測定しました。
	だから私たちがやろうとしているのは、この大きな巨大なチーズのスラブのチーズベッドの高さのゲージを取得することです。
	そして、それができるようになると、実際に何が起こっているのか、色をガイドとして使用し、チーズベッドの幅を正確に把握することができました。
	つまり、明らかに赤は高いことを意味し、緑は少し低いことを意味します。ここではミリメートルで測定しているため、120ミリメートルから155ミリメートルになります。
	明らかに、左上から行くと少し傾斜があることがわかります
	側、高さが左側に向かって高く、ベッドが実際に落ちている左下側にも高くなっています。
	ですから、これは私たちにとって非常に重要です。なぜなら、変動性の観点から、私たちが理解しようとしているのは、違いがあるのか...なぜブロックに違いがあるのか...
	私たちのプロセスに行くブロックの重量で？ これは、ほとんど理由の1つを示しています。 そして、その理由の1つは、ブロックの高さが異なる場合、
	その場合、論理は、チーズが同じ力で同じに圧縮された場合、ブロックの重量も異なることになることを指示します。
	したがって、特にビジネスの分析面にあまり精通していない場合は、写真でそれを理解しやすくなります。
	分析について詳しく説明すると、私たちは統計的プロセス制御をビジネス全体で多く使用してきました。
	あなたが知っている、機会を探すだけでなく、改善を確認します。 ここでは二酸化炭素の使用量を調べており、製品、特に粉末の現場で二酸化炭素を使用しています。
	製品の貯蔵寿命を延ばすために粉末を袋詰めするとき。これは業界の標準的な慣行です。
	ですから、空気を排出し、バッグに充填するときに二酸化炭素を追加します。これを確認してから、バッグを密封します。特に2017年。
	そして、私たちはそのプロセスを制御することができました、そして私たちは2018年までに人生が非常に、非常に異なっていて、
	ここで、二酸化炭素の平均使用量が大幅に削減されます。 まだいくつかの課題があり、調査が必要なパターンもここに出現している可能性がありますが、
	この種の利点にもノック（？）があります。なぜなら、プロセスを制御し、統計的に同じことを実証できている限り、いくつかを作成することもできるからです。
	二酸化炭素の粉末への吸収率を効果的に評価するための研究も行っています。
	ですから、これは非常に重要です。なぜなら、私たちの製品が二酸化炭素をどのように吸収しているかを理解できれば、それは他の利点につながるからです。
	脂肪がバッグ内の二酸化炭素を吸収すると、この密封されたバッグ内に真空が発生するため、真空が発生すると
	バッグは粉末の周りを密閉し始め、粉末のバッグをはるかに硬くします。
	だから今、サプライチェーンの観点から、それはリスクを減らし、輸送と輸送のためにこれらのバッグをパレットに積み重ねることができるときの生活を楽にします。
	今では、柔らかくてふわふわで柔軟性のある枕を積み重ねようとするのではなく、コンクリートのブロックを積み重ねているようなものです。 だから勝利があります、すべての周りに勝ちます。 我々は持っています
	使用され、私は間違いなくコーダーではありませんが、私たちは間違いなく連絡を取り、アイルランドのユーザーグループから多くの助けを得ました
	そしてJMPコミュニティへ... 実際、ご存知のとおり、特にIntelのTroy Hickeyは、アイルランドのユーザーグループから私たちを支援してくれました。
	JMPコミュニティでは、明確さを求めているかもしれない分野で、手を差し伸べて質問するのは素晴らしいことです。
	あるいは、あなたが何も知らない領域であり、聞いたことのない人々からの応答を取り戻すために、専門家の応答だけでなく優れたものもあります。
	したがって、この場合、JSLを使用してコードを作成し、これと管理図を作成することができました。
	必要に応じて、タブ形式の形式です。 したがって、この場合、スキムミルクパウダー、全粉ミルク、脱塩ホエイパウダー、およびタンパク質測定用のカゼインの場合
	私たちのラボでのテスト。 監視している現在、約30の異なるテストがあり、標準と湿式化学の間に存在する違いを監視しています。
	日常的に、また手動の方法と近赤外線の方法の間に存在する違い、つまり自動化された方法。
	そして、例として、ウェットケミストリーの基準を見ている場合、ゼロの目標を目指したいとしましょう。 ラボでテストした結果と、
	標準はそうあるべきだと言っています。 したがって、ゼロのターゲットが必要であり、これは、この場合、
	タンパク質、脱塩ホエイパウダーでは、わずかに出ています。私たちは.04であり、プロセスのプロファイルを追跡することができ、
	プロセスシフトが発生したことを通知するプロセス。 したがって、9つのデータ...この場合、平均より上の行に少なくとも9つのデータポイントがあります。
	そして、私たちはプロセスを停止し、それ以上続行しないことを知っています。なぜなら、私たちは調査し、修正するために何かを配置する必要があるからです...問題を修正します。この場合はプロセスシフトです。
	ですから、これは私たちにとって非常に前向きであり、私たちは今このセットアップを行い、毎日実行している段階にあります。
	ご存知のとおり、データポイントのこの時点でも、スクリプトは設定されているため、過去42のデータポイントのみが表示されます。これは、いつでも先週のデータです。管理限界は
	プロセスの以前のデータに基づいています。 ここでJMPコミュニティに連絡するのは本当に良いことです。 の面では
	トラックの到着時間はビジネスにあるため、この場合、深夜から深夜まで、54,000隻のタンカーが4つの異なるサイトに到着します。
	そして、納期からサイトへのさまざまな分布の感覚を私たちに与えることは本当に良いことです。 そして、これは私たちにとって重要です。なぜなら、私たちは望んでいないからです...私たちはタンカーを現場に来てもらいたいのです。
	牛乳を降ろし、できるだけ早く現場を離れます。 私たちが持っているケースを持ちたくない
	たくさんの束があり、おそらくサイトでは、ここのシナリオでは、トラックが他のトラックの後ろに並んでいる可能性があります。 プロセス全体を通して、それが素晴らしい流れになることを望んでいます。
	そして、ここでは、例として、朝の8時から9時までを見ることができます。
	それは、あなたが知っている、人々がおそらく朝食に行っているところです。 私たちのトラフィックはより多く、サイトへの配信はそれほど多くありません。ここでも同じですが、夕方のトラフィックはより多くなります。
	そして、トラックが停車するか、彼らは去っていきます....運転手は夕食のために去ります、等々。 ですから、それをもう少し深く掘り下げて、異なるサイトのそれぞれについて大丈夫と言うことができます。したがって、2つのサイト、この場合はClonmel RoadとCastlefarm、
	到着する道路の場合、これらのサイトは互いに非常に近く、北、南、東、西の境界に到着する道路の場合、
	それはどのように見えますか、そして私たちが望むデータ全体に明確な分布を持っていますか？
	例として、東から24時間にわたって配達されていない運送業者がいくつかありますか。 そして、私たちは何が起こっているのかを理解することができ、その情報も取得することができます、
	この場合、11個のポンプがオフロードされている2つのサイトがあるため、ポンプのオフロード率からわかります。
	1年に2つのサイトで5億リットル以上。
	そして、どのポンプが他のポンプよりも多かれ少なかれ効率的であるかを理解しようとしています。 そして、明らかに、オフロード率が高いポンプが4つあることがわかります。
	そのため、他のポンプよりも同じ時間でより速く、より多くのミルクを汲み上げることができます。 そして、あなたはここでそれを見ることができます
	サイト2では、ポンプ番号3が最も効率的なポンプですが、全体的なポンプ4とポンプ3は最も効率の低いポンプです。 したがって、メンテナンスのオーバーホールを行う場合は、これらが最初にオーバーホールする必要のあるポンプであることがわかります。
	私たちはJMPを使用して、卓越性と機会の両方について測定システムを評価します。これは、ご存知のとおり、
	何度も、私はもう追跡することさえできません。 この場合、オルトリン酸塩（？）を見ると、これは標準ゲージのR＆Rであり、非常に優れた結果です。 だからそこに
	19の異なるカテゴリ。 19は優れており、ゲージのR＆Rは.5なので、10未満が理想的であり、それは私たちが本当に良いことを知っていることを意味します
	一貫して信頼できる測定システムが設置されています。 そして、アナリストに渡す部分に関係なく、アナリストは戻ってきて同じ結果をもたらします。
	したがって、テストを実行する人は、テストの結果に影響を与えていません。これは、常に見たいものでした。
	主観的な測定システムを使用できる場合もあり、属性の一致分析も行う必要があります。
	したがって、この場合、パッケージ製品の視覚的評価を知っていることを確認しています。丸みや損傷したエッジ、エンボス加工などを探すことができます。
	読みやすさなど。 したがって、改善が行われた後、私たちが鑑定士内で90〜95％の合意を得ていることがわかります。
	全体として、一致し、合意された部品の数に関して、合意のレベルは82％であることがわかります。
	それぞれの内部...各オペレーター内および各オペレーター間ですが、おそらくもっと重要なのは、標準への整合である有効性です。
	そして、後でここで、標準への同意が現在96％であることがわかりますので、それは本当に良いことです。 繰り返しになりますが、主観的なものであっても、当社の製品が確実に評価されるようにすることができます。
	もちろん、さまざまな要因の影響を定量化するための実験計画法も可能です。 したがって、この場合、ホエイプロテイン窒素インデックスであるWPNIを調べているので、これはの測定値のレベルです。
	私たちの製品のタンパク質変性は、製品が受けた熱処理のレベルの指標であり、それは可能性があります、
	すみません、熱処理のレベルがアプリケーションに影響を与える可能性があるため、これは非常に重要です。
	顧客の観点から。 したがって、たとえば、間違ったレベルの熱処理が適用された場合、それは、おそらく、ヨーグルトを作るために私たちの製品を使用したいと思っているかもしれない顧客を意味するかもしれません。
	そうすると、ざらざらした感触や、ざらざらした口当たりなどが残る可能性があるため、ヨーグルトのような製品には適していません。
	そのため、ホエイプロテイン窒素インデックスの結果に一貫性がないという問題があり、手順にあいまいさがありました。
	それは解釈に開かれていたという点で。 だから、あなたは何かを振るのを知っていると言うかもしれません、
	このバイアルを振ってください、あなたが知っている、それはそれを振ると言うかもしれません、そして誰かが言うかもしれません、ええ、私はそれを5秒間振る、誰かが言うかもしれません、私はちょうど10回反転しました、そして誰かが言うかもしれません、ええ、私は激しく振る30秒間。
	ですから、誰もが最善の意図を持って手順に従っているのですが、手順があいまいな場合は、解釈の余地があり、それも矛盾につながる可能性があります。
	したがって、私たちがやろうとしているのは、プロセスの変動に影響を与える可能性のある要因を理解するための設計試験です。
	だからここであなたは塩化ナトリウム溶液を知っているので、開始バーで構成され、開始バーなしで構成された塩水だけです。
	暑い場所での所要時間は45分または60分で、そのソリューションをここで使用します。この小さなテスト計画では、水浴の温度は37度と40度で、これはここにある4つのソリューションの1つです。色分けされています。
	そして、水浴の振とう間隔があり、塩酸も使用されていたと思います。
	また、インタラクティブエクスプローラーを使用して、WPNIの結果が低い場合、プロセスで何が起こっているかを確認できます。 少し
	ここで何が起こっているのかを理解するのはより難しいので、明らかにもう少し進んで、いくつかのモデルを構築し、何が起こっているのかを理解する必要があります。
	ここで説明している強みの点では、モデルは非常に優れています。決定係数は約68％です。
	そして、ここでの主な効果は、水浴の温度であり、次に攪拌棒の持続時間とホットプレートの相互作用の効果が続くことがわかります。
	そして、効果も見ることができます、どのパラメーターが引っ張っているのか...どの効果が引っ張っているのか
	どの方向にもプロセス。 そして、ここの下部にも貴重な予測プロファイラーがあります。 何が起こっているのかを探ることができます。
	私が好きなこと、そしてあなたが出力を使用できること、そして時々、まあ、私は時々これらの実験のいくつかからの出力を...教育の観点から使用します。
	先ほどお話ししたように、ホットプレートの攪拌棒と持続時間は重要な要素であり、これは相互作用効果です。したがって、これは、ある要素の効果が別の要素のレベル設定に依存する場合です。
	しかし、あなたは、あなたが知っているように、あなたはページ上の誰かに相互作用効果を説明しようとすることができます。私たちは線を交差させました、そして交差した線はあることを意味します
	強い相互作用があり、線が平行であるが、交差するように見える場合、それは小さな相互作用です。 または、実際にデータを取得してプロットすることもできます。
	この場合、多くの人が実際に相互作用が2つの要因でどのように見えるかを見ていません。これは、相互作用がどのように見えるかであり、...として使用できます。
	教育ツールとしても。 したがって、ここでの場合、y軸にWPNIの結果があります。申し訳ありませんが、y軸にあります。
	ホットプレートでの持続時間は45分60分なので、攪拌バーがない45分に固執し、切り替えると... 45分のままで攪拌バーに切り替えると、次のことがわかります。このレベルからこのレベルにジャンプしたこと。
	60分で行くと... WPNIレベルがここにあり、攪拌バーがなく、攪拌バーにジャンプすると、それがジャンプダウンしているのがわかります。 そう
	ジャンプはここほどではありませんが、すぐに、これは、攪拌バーとホットプレートの持続時間に影響を与える相互作用が非常に大きいことを示しています。
	そして、それがこれがやって来ていることです。繰り返しになりますが、多くのプロセスの知識と理解があります。 いくつかの分類ツールも使用できるため、この場合は決定木を試して理解してください。
	つまり、これはチーズの褐変に関する研究開発からの質問であり、それは、それが聞こえるように、チーズの褐変に関連しているということです。
	ピザのように少し熱を加えたオーブンで。 ですから、チーズがすぐに燃えたくないので、ピザのチェダーチーズの場合は、すぐに燃えたくないのです。
	あなたはそれが少しの生命と調理されるレシピを持っていることを望みます。 繰り返しになりますが、これが分類の例です。申し訳ありませんが、決定木です。
	3つの異なるレベル、必要に応じて、木によって表される明るい、中程度、暗い茶色、色は緑、
	それぞれ琥珀色と赤。 そして、ここでは、特に実行時のpHが6.48より大きい場合、実行時のpHが最も重要な要素であることがわかります。
	そうすれば、私たちのプロセスの99.3％で、私たちが望んでいるのは、薄茶色になることがわかります。 緑は良いです、赤は悪いです。 同様に、pHが6.48未満の場合、リスクがあることがわかっています...
	サンプルを採取するので、ブロック内の、文字通り20 kgのブロック内のチーズは、角から採取されます。そうすると、31％の確率でチーズが得られることがわかります。
	暗褐色なので、良くないでしょう。 したがって、この観点から、サイズが
	オブジェクトの数であるカウントもそれを引き起こしており、ツリー上のリーフノードの終了に関しても同様です。 だからあなたは得ることができます
	この場合、褐変分類を最もよく分離する重要な要素の観点から、プロセスで何が起こっているかをよく理解してください。
	そして、ここで秘密のブートストラップフォレストと言います。これは、JMP内で十分に活用されていないツールだと思うので、決定木が何をし、どのように機能するかを理解すれば、非常に強力なツールであることがわかります。
	正直なところ、決定木に使用されているアルゴリズムが反復二分法であるか、それとも反復二分法であるかはわかりません。
	C 4.5または5.0などですが、私が知っているのは、予測子スクリーニングがバックグラウンドで決定木アルゴリズムを利用し、ブートストラップフォレストを使用していることです。
	これらの木の束を作成し、それらをすべて一緒に貼り付けてから、必要に応じて、木の平均結果を取得するために、置換を使用してサンプリングすることもできます。 したがって、この場合、それを指摘し、これは
	30の異なるマシンパラメータの前の並列プロットの例。この場合、実際には31が存在することに気付きます。
	チームに戻ったとき、このノズルの空気圧に何か違いがあると言ったのですが、それは重要な要素のようで、予測子のスクリーニングでそれがわかりました。
	部屋の後ろに手が上がって、彼らは実際に言った、
	すべてのパラメーターの中で、それは実際にはマシンパラメーターではないため、おそらくそこにあるべきものではありません。何かが飛び出すかどうかを確認するために、それを自分自身に貼り付けました。
	そして確かに、これはページから飛び出したものなので、別々に取り出して評価する必要がありました。
	プレゼンテーションの面では、そして私もほぼそこにいるので、それらの面では
	モデルを使用して将来のパフォーマンスを予測することで、洞察から先見性へと移行します。
	ここで、1,438の観測に基づいて、76％のモデル有効性でかなり強力なモデルを作成しました。
	問題は、任意の曜日、任意の週にビジネスに入る注文の数と、
	また、私たちが得る注文の数を予測します...申し訳ありませんが、同じ日に私たちが得る注文の数量も予測しますか？
	そのため、すべての履歴データを取得し、予測プロファイラーを使用して、季節性の観点から、予測しようとしているものに最も一般的な年を選択することができました。
	次に、該当する月、希望する日付、曜日に移動して、それが銀行の休日かどうかを判断します。
	そして、あなたはここで見ることができます、私はここで2つの異なる設定を設定しています。 1つは銀行の休日があるとき、もう1つは休日がないときのためのものであり、重要なことがあります。
	ここでは、銀行の休日と曜日の間の交互作用効果もあります。 だから私たちはビジネスに戻ることができます
	曜日を問わず、2019年10月26日は木曜日であり、銀行の休日の週末ではありません。120件の注文があり、1,100メートルトン弱の商品が届くと予想されます。 。
	ですから、実際にはこれを2つの週末、つまり銀行の休日があり、銀行の休日がなかった週末に実行しました。実際には85％で、これは本当に良いことです。 そのため、モデルは76％でしたが、実際にはかなり良い結果になりました。
	次に、洞察から先見性まで、私たちが再び探しているところ...季節の検証可能性を説明しようとしています、
	ここでは、さまざまな年があり、さまざまな色で表されているため、2015、16、17、18などです。 そして、私たちはいくつかを見ています...入ってくる飼料量の注文のいくつか
	ビジネス。 各ドットは1週間の注文数量を表し、ここでやり過ぎたのは、実際の予測モデルをオーバーレイしたため、予測された値が
	それらの週のそれぞれ。 また、モデルが実際の精度、つまり実際と予測の精度の点でどのようになっているのかを確認できます。
	そして、使用できるようになりました。正直なところ、思い出せません...それは、季節指数予測または季節ARIMAのいずれかでした。
	季節???次の6か月を決定するためのメトリック移動平均、それはどのようになるか。
	また、季節性が課題である当社のビジネスにとって非常に価値があり、これらのツールを高い信頼度で使用して、今後のビジネスに期待できる注文のレベルを理解することができます。
	そして最後に、私たちにとっては、これまでゾーンに入ったことがなく、ニューラルネットワークに入ったことがないので、一気に伸びると思います。 したがって、この場合は、プロセスで堆積物を等級分けできるかどうかを理解するための試行としてニューラルネットワークを使用します。 したがって、ADPIの結果がある場合、これは
	堆積物パッドと私たちは、おそらく乾燥プロセスなどからの、おそらく焦げた粒子の量を調べています、そして私たちはどこにいますか？ レベルA、B、C、Dのどれですか？
	ここで、ふるいの結果はふるいに残された粒子の数を表し、タンブラーの結果T1B1は上部と下部を表します。
	T1は水の上に浮かんでいる可能性のある粒子の数を表し、Bは底の粒子の数を表す可能性があるため、底に沈んだ堆積物です。
	また、ここのニューラルネットワークとK分割交差検定で使用しているので、Kは10に設定されていると思います。 9つあります
	ここでも活性化関数があると思います。 ええ、双曲線....線形、ガウス、そして私は、双曲線正接もそうだと思います。
	そして、私たちはこれらのそれぞれを使用することができます
	活性化関数にフィードするためのインレットノードもあります。次に、ここにも出力レイヤーがあり、最終結果が得られます。 だから私たちは使うことができます、
	この場合、6,245の結果が
	モデルをトレーニングし、Cross検証も使用して検証したら、ここで混同行列を作成できます。これも非常に優れています。 つまり、A1 / A2にはそれほど多くの値がありません
	A1の場合と同様に、Bグレードまで下がっていますが、A2グレードがある場合は、そのことを示しています。
	35個が真の2個で、2個だけがA1になると予測しました。したがって、エラーが発生する可能性があり、エラーはモデルの状態に起因する可能性があります。
	ご存知のとおり、最初は、これらのそれぞれに存在する違いを手動で評価しようとした採点者によって作成されました。
	結果にあいまいさが生じ、最終的な呼び出しを行おうとします。 ですから、ここでの質問は、最終的な呼び出しがどのようになるかをかなり正確に予測するマシンを入手できるかということだと思います。
	繰り返しになりますが、ここでA1として割り当てられたグレードを取得する確率は、タンブラーの結果がT1B1である場合、フローターやシンカーがほとんどない場合、かなり高いと予想されます。
	また、粒子の量に関して、ふるいの結果も非常に低い場合は、A1の結果がここに表示されると予想されます。
	ここにA1が表示されているという事実は、モデルトレーニングが以前ほど効果的ではなく、モデルにエラーがあった可能性があることを示している可能性があります。
	繰り返しになりますが、ここで作成された非常に複雑なモデルであることがわかります。
	これについては、しかし、ニューラルネットワークの観点から私たち全員が知っていると思うので、それは少しブラックボックスであることを知っています。 しかし、繰り返しになりますが、私たちにとって膨大な量のプロセス知識と概念実証は、実際には、機械学習スペース全体とAIに向けてエッジングを開始していると思います。
	だから私は人にたくさん発砲したことを知っています、そしてそれはかなり急いでいました、そして私はおそらく全体と謝罪について何時間も話すことができました...それが急いでいると感じたら謝罪します、しかし私が言うことはただ結論の考えからです視点、
	どんな業界にいても、典型的なデータ分析環境からかけ離れた農業業界でも、どんな業界でも使えることが実証されていると思います。
	ビジネスに重要な価値を追加するためのデータ分析。ビジネスのほぼすべての部分に手を差し伸べ、支援することができます。
	また、単純なグラフィカル分析の価値を過小評価しないでください。 JMPに組み込まれているより強力な分析のいくつかを紹介し始めたのは、このプレゼンテーションの途中でした。
	すべての凝ったツールの使い方を知ることは素晴らしいことだと思います。時間と場所がありますが、シンプルも非常に強力であり、その価値を過小評価しないでください。
	それ以外は、よろしくお願いします。 本当に感謝しております。ご質問やご意見がございましたら、今すぐ大歓迎です。 ありがとうございました。

サミットのベスト起こるデータの視覚化Re：Dairygoldでのデータの搾乳：棒グラフからニューラルネットワークまで（2021-EU-30MP-735）

さまざまなデータ分析がビジネスにどのように価値をもたらすことができるかについての概要を提供する素晴らしいプレゼンテーション。 よく説明されたユースケースと、これがDairygoldにとって価値がある理由！

Re：Dairygoldでのデータの搾乳：棒グラフからニューラルネットワークまで（2021-EU-30MP-735）

素晴らしいプレゼンテーションキエラン。 そして、あなたは1時間で多くのことを乗り越えました-印象的です！