349204_ko-KR

liliconcom

Re : Dairygold의 데이터 착유 : 막대 차트에서 신경망까지 (2021-EU-30MP-735)

정말 환상적인 개요. Dairygold가이 접근 방식을 수용하고 분석 도구에 의존하기 위해 취한 여정에 대한 관점을 담은 후속 프레젠테이션에 관심이 있습니다. 이 프레젠테이션은 현재 비즈니스 운영 방식의 중심이되는 것처럼 보였습니다.

 

발표자는 또한 조직이 생성하는 모든 데이터가 분석을 위해 쉽게 액세스 할 수있는 것처럼 보이게했습니다. 이는 그 자체로 매우 인상적이며 해당 주제 만 다루는 전체 프레젠테이션이 될 수 있습니다. 잘 했어!

 

 

Re : Dairygold의 데이터 착유 : 막대 차트에서 신경망까지 (2021-EU-30MP-735)

안녕 키에 란,

 

이 프리젠 테이션에 사용할 저널이 있습니까? 제가 정말 좋아하고 다시 만드는 데 관심이있는 그래프는 거의 없습니다. 저널은 이러한 차트를 만드는 메커니즘을 이해하는 데 확실히 도움이 될 것입니다. 감사합니다.

Dairygold에서 데이터 착유 : 막대 차트에서 신경망까지 (2021-EU-30MP-735)

레벨 : 중급

 

Kieran O'Mahony, Dairygold 데이터 과학 및 분석 관리자

 

현대 사회에서 데이터 분석의 사용은 일반적으로 금융, 건강 관리, 제약, 의료 기기, 반도체, 전자 상거래 등과 같은 산업과 더 관련이 있습니다. 같은 문장에 농업과 분석이라는 단어가 거의 없습니다. 이 세션에서는 전통과 역사에 깊이 빠져있는 그러한 비즈니스가 더 이상 "데이터가 풍부하지만 정보가 부족한"비즈니스로 간주 될 수 없도록 데이터 분석의 사용을 수용하고 장려 한 방법에 대한 통찰력을 제공합니다. 이 세션에서는 JMP를 사용하여 Dairygold에서 더 많은 데이터 기반 의사 결정을 가능하게 한 방법에 대한 여러 예를 보여줍니다.

 

 

자동 생성 스크립트 ...

 

스피커	성적 증명서
키에 란 오 마호니	감사합니다. 제 이름은 Kieran O'Mahony이고 아일랜드의 Dairygold의 데이터 과학 및 분석 관리자입니다.
	프레젠테이션 제목은 Bar Charts에서 Neural Networks까지 Dairygold의 데이터 착유입니다.
	따라서 데이터 분석의 사용은 일반적으로 금융 및 의료, 제약, 반도체 등과 같은 산업과 더 관련이 있으며, 같은 문장에서 단어, 농업 및 분석이 발견되는 경우는 드뭅니다. .
	따라서이 세션은 매우 전통적인 비즈니스가 비즈니스 전반에 걸쳐 분석 사용을 어떻게 수용하고 장려했는지에 대한 통찰력을 제공하기위한 것입니다.
	그래서이 세션은 아마도 디스커버리에서 볼 수있는 다른 세션과 다를 것입니다. 제가 여기서하려는 것은 하나의 프로젝트에 덜 집중하는 것이 아니라 그 방법에 대한 여러 가지 예를 보여주는 것입니다.
	Dairygold는 JMP를 사용하여 제조뿐만 아니라 비즈니스 전반에서 더 많은 데이터 기반 의사 결정을 가능하게했습니다. 이것이 중요하다고 생각합니다.
	그래서 시작하기 전에 사업에 대한 배경, 개요 및 우리가하는 일에 대해 약간 설명하는 것이 중요하다고 생각합니다.
	따라서 Dairygold는 Golden Valleys 중심부에 위치한 최첨단 치즈 및 영양 분말 제조 시설과 함께 아일랜드 최고의 농부 소유 협동 조합입니다.
	좋아요, 그냥 설명하자면, 협동 조합으로서 우리는 기본적으로 ... 기본적으로 우리가 우유 공급자가 소유하고 있다는 것을 의미합니다. 그래서 농부들이 소유하고 있습니다.
	그래서 우리는 매일 우리에게 우유를 공급하는 2,800 개의 우유 공급 업체를 보유하고 있고 이들 모두가 주주이기 때문에 원료 공급 업체가 사업의 소유자이기도하다는 점에서 비즈니스 모델이 조금 특이합니다.
	그래서 작년 매출은 12 억 유로 였고 우리는 약 1,200 명의 직원을두고 있고 우리는 1 년에 약 14 억 리터의 우유를 처리합니다. 그래서 매일 우리에게 들어오는 우유는 상당히 많습니다. 사실로,
	절정기에는 계절적 사업이 있기 때문에 생산량이 정점에 이르면 매일 현장에 6 백만 리터 이상의 우유가 공급됩니다.
	우리는 또한 망치에서 가정용 전기 및 농기구에 이르기까지 무엇이든 살 수있는 소매점을 가지고 있습니다. 또한 우리는 공장에서 동물 사료를 생산하는 농업 분야도 있습니다.
	그래서 Dairygold는 오랫동안 사용되어 왔으며 1908 년 Ballyclough로 시작하여 1919 년 Mitchelstown이되었고 1990 년 Dairygold가되었습니다.
	그리고 우리는 아마 왔을 것입니다 ... 아마도 ... 아마도 말과 마차로 우유를 배달하는 것에서 아주 먼 길을 왔다고 말하는 것은 공평합니다.
	그것은 매우 전통적인 조직이고 많은 역사를 가지고 있지만 매우 진보적 인 조직이기도합니다.
	그리고 우리가 먼 길을 왔다고 말할 때, 우리는 현재 유조선 함대와 각 유조선이있는 매우 큰 공급망을 가지고 있다는 것을 알고 있습니다.
	여기에서 예를 볼 수 있습니다. 각 유조선은 약 26,000 리터의 우유를 운반하고 2,800 개의 공급 업체로부터 매일 우유를 수집합니다. 그리고 이것은 매우 복잡한 공급망입니다.
	공급 업체로부터 우유를 수집 할뿐만 아니라 치즈 가공 공장에서 유청도 수집합니다 (자동으로 지시하지 않는 경우)
	파이프를 통해 다른 사이트로 이동합니다. 그래서 우리는 유조선에서도 그것을 수집하고 다른 장소로 운송합니다.
	그리고 우리는 다른 고객들에게 판매하는 탈지유 농축액과 탈염 유청 농축액에 대해서도 똑같이합니다. 그리고 우리가 유통하는 사업의 분말 부분과 치즈 부분도 있습니다.
	유럽에서 가장 큰 건조기 (?)도 있습니다. 여기에서 특히 5 ~ 6 층에 걸쳐있는 것을 볼 수 있습니다.
	따라서 지난 5 ~ 6 년 동안 Dairygold는 공장 전체에 4 억 개가 넘는 투자를했습니다. 따라서 우리는 ...
	우리는 우유 풀 (?)의 향후 볼륨 확장 요구를 충족 할 수 있습니다. 우리가 만드는 제품에 관해서는
	대부분의 경우 분말과 치즈는 전 분유에서 탈지 분유, 단백질 분말, 그리고 다양한 종류의 치즈, 특히 치즈와 체다 치즈에 이르기까지 다양합니다.
	그리고 우리는 제과, 피자에서 짭짤한 요거트, 가공 식품, 심지어 유아용 분유까지 다양한 부문을 공급합니다.
	그리고 아마도 ... 오늘 먹었다면 탈지 분유 나 전유 분유를 섭취했을 가능성이 매우 높습니다. 많은 음식 재료에.
	이것이 사업의 배경입니다. 데이터 측면에서 볼 때 데이터가 풍부하지만 정보가 부족한 것으로 간주되는 비즈니스가 많이 있다고 말하는 것이 타당하다고 생각합니다.
	또한 더 많은 데이터를 보유할수록 때로는 더 많은 혼란을 겪을 수 있습니다.
	그리고 때로는 모든 정보를 가지고 있고 ... 그래서 여러분은이 인구를 가지고 있고, 정확히 무엇인지에 대한 아이디어를 가지고 있다고 말하는 것이 공평하다고 생각합니다.
	비즈니스에서 유용한 정보를 얻으려면 추출해야합니다. 때때로 비즈니스는 해당 데이터로 무엇을해야할지 정확히 알지 못합니다.
	그리고 Dairygold의 관점에서, 우리가하고 싶은 것은, 가정과 직감, 추측과 직관을 사용하는 데 초점을 맞춘 뇌의 오른쪽에서 더 멀리 이동하는 것입니다.
	논리와 수학, 이성 및 과학을 사용하는 데 더 중점을 두는 두뇌의 왼쪽으로 더 이동합니다. 그러나 이것이 우리가 비즈니스에서 더 많이 사용하고 비즈니스 전반에 걸쳐 더 많은 데이터 기반 의사 결정을 사용하기를 원하는 것입니다.
	프레젠테이션을 시작하기 전에 Dairygold의 데이터 전략에 대한 요약을 제공하고 한 페이지에 요약 해 달라는 요청을 받았는데 그 당시에는 ...
	당시에는 우리가 탄탄한 데이터 전략이 없었을 것임을 깨달았습니다.
	하지만 지금 여기서하려는 것은 우리의 실제 데이터 전략이 무엇인지 하나의 그림으로 보여주는 것입니다. 정말 간단합니다.
	따라서 우리는 비즈니스에 존재하는 데이터를 가져와 분석을 사용하여 유용한 정보로 전환하고자합니다.
	그리고 그 정보로부터 우리는 우리가 가지고 있던 주요 질문에 대한 답을 얻습니다. 때로는 우리가 가지고있는 질문에 대한 답을 얻습니다.
	우리는 실제로 더 많은 질문으로 끝납니다. 그러나 이것은 우리가 처음부터 물어볼 것을 몰랐던 질문이기 때문에 정말 중요하고 정말 강력합니다.
	따라서 때때로 우리는 돌아가서 데이터를 다시보고 이러한 질문에 대한 답을 얻을 수 있도록 도와야합니다.
	그러나 궁극적으로 모든 질문에 대한 답을 얻을 수있는 시점에 도달하면 훨씬 더 나은 위치에있게되고 프로세스에 대한 더 많은 통찰력을 갖게됩니다.
	그리고 그 통찰력을 통해 우리는 적시에 데이터 중심의 결정을 내리고 우리에게 올바른 결정을 내릴 수있게되었습니다. 우리를 올바른 방향으로 보내 게합니다.
	그리고 우리가 우리의 프로세스를 충분히 이해하고 충분한 통찰력을 가지고 있다면 그 데이터를 사용하여
	높은 정확도로 미래에 일어날 수있는 일을 이해합니다. 그래서 좋은 통찰력은 우리가 앞으로 일어날 일을 예측할 수있는 좋은 예지력을 가질 수있게해주어야합니다.
	따라서 처음에 말씀 드렸듯이이 프레젠테이션의 목적은 Dairygold에서 데이터가 사용되는 다양한 방식에 대한 여러 가지 예를 제공하는 것입니다.
	우리는 데이터를 기반으로 결정을 내리는 측면에서 내부 관점에서 먼 길을 걷고 있으며,이 시점에서 머신 러닝과 AI의 전체 영역으로 시작하고 있습니다.
	그래서 저는 단순함도 매우 강력 할 수 있다고 믿습니다.
	이것이 바로이 프레젠테이션이 막대 차트에서 신경망으로 호출되는 이유입니다.
	그리고 매우 간단한 분석에서 많은 가치를 추출 할 수 있다는 점을 강조하는 것이 정말 중요하다고 생각합니다. 여기에서 공유하고 싶은 첫 번째 예는 막대 차트입니다.
	하지만 때로는 사람들이 프레젠테이션에 들어가 여러 페이지에 걸쳐 막대 차트를 표시 할 수 있다고 생각합니다. JMP를 사용하면 모든 정보를 하나의
	전망. 이 경우, 우리는 세척 과정에서 질산을보고 있습니다. 그리고 여기 위에는 각 개별 데이터 포인트와 질산 세척 과정의 모든 단계를 볼 수 있습니다.
	그리고 각 단계에서 사용 된 질산의 수준을 볼 수 있습니다. 우리가보고있는 다음 단계는 ... 사용 횟수를 살펴보고 그 단계가 순환 된 횟수입니다.
	그리고 여기서 우리는 각 단계에 대한 질산의 평균 사용을보고 있습니다. 예를 들어 볼 수 있습니다.
	아시다시피, 우리는 여기서 주당 24 리터의 더 높은 평균을 사용하고 있습니다.하지만 그 단계의 발생 빈도는 4 번에 불과했습니다.
	그리고 그것은 여기이 특이 치에 의해 분명히 편향되었습니다. 그래서 이것은 분명히 왜곡되었고 아마도 우리에게 더 중요한 것은 우리가 여기서하려는 것은 이해하는 것입니다.
	매일, 매주, 매월 사용되는 질산의 양을 줄이면 각 공정 단계에서 공정 전반에 걸쳐 사용되는 질산의 합계입니다.
	그리고 중요한 것은 ... 여기에서 강조해야 할 중요한 것은 바로 단순한 막대 차트 일뿐입니다.
	이 모든 데이터를 살펴보면 알 수 있기 때문에 미안합니다.
	tjree 다른 영역이 튀어 나왔습니다. 최종 헹굼, 사전 헹굼 및 또 다른 최종 헹굼 단계도있었습니다. 그리고 데이터는
	이러한 헹굼 단계에서 산이 사용되었습니다. 헹굼 단계에는 물만 포함되므로 불가능합니다.
	따라서 조금 더 자세히 살펴보면 스캐너 (?) 시스템에서 공급 업체가 처음에 잘못된 데이터 태그를 설정 한 것으로 나타났습니다.
	모니터링 된 유량에 대해 그래서 우리가 실제로 질산 사용량을 모니터링한다고 생각했던 곳에서는 실제로 그렇지 않았습니다. 우리는 잘못된 정보를 받았습니다. 그래서
	우리는 정말 깊이 파고들 수 있었고 우리의 프로세스와 그 원인을 이해할 수 있었지만 매우 단순한 막대 차트 센터는 종종 올바른 방향을 제시했으며 우리 비즈니스에서 실제로 일어나는 일을 정확하게 이해할 수있었습니다.
	그리고 비즈니스에서 막대 차트를 사용하고 솔직히 말하면 막대 차트를 비즈니스에서 가장 좋아하는 용도 중 하나 일 것입니다.
	그러나 그것은 보여줍니다 ... 그것은 한 페이지에 4 가지 다른 차원의 다운 타임을 모두 보여줍니다. 정말 간단하고 매우 사용자 친화적이며 직관적으로 사용하고 읽을 수 있습니다.
	여기에있는 것은 한 달에 치즈 공장에서 모니터링되는 다운 타임의 양입니다. 여기 Y 축에서 몇 분의 다운 타임을보고 있습니다.
	치즈 공장 내부의 6 개 지역 각각에 대해 4 월, 5 월, 6 월, 7 월 등 6 개월마다 9 월까지 시간 순서대로 내림차순으로
	각 교대 A, B, C 및 D에 대해. 이제 분 수가 너무 적기 때문에 데이터가 구성되었다고 생각하면 용서받을 수 있지만
	공장이 멈추지 않는 치즈 제조 관점. 따라서 이것은 실제 수치입니다. 즉, 다운 타임을 한 달에 몇 분 단위로 모니터링하고 있습니다.
	공정이 중지되면 제품의 pH가 변경되어 부정적인 영향을 미칠 수 있습니다.
	최종 판매 가격과 제품의 품질도 중요하므로 멈추지 않는 것이 중요합니다.
	그래서 이것은 우리가 유지 보수 관점에서 본 수준입니다. 우리는 몇 분 안에 이르렀고 여기서 분명히 볼 수있는 것은 BetaVac에 대한 문제가 너무 많지는 않지만 블록 포머에게는 교대 C와 D에 문제가 있다는 것입니다.
	Blockmaster의 C에 대한 더 많은 문제가 있습니다. 이 컨베이어 영역에서 다시 C가 다시 튀어 나오고 거세 터 C와 D가 다시 튀어 나옵니다.
	그리고 여기에서 C와 D에 대한 더 많은 문제가 있습니다. 그래서 우리가이 분석에서 추출 할 수있는 것은 C와 D 교대가 유지 보수 관점에서 약간 어려움을 겪고 있고 그들은 조금 더 많은 지원이 필요하다는 것입니다.
	우리는 특히 동적 연결을 좋아합니다.
	데이터 탐색을위한 JMP의 요소입니다. 그리고이 경우, 우리는 사업 내에 많은 실험실이 있으므로 미생물학, 화학, ??? 실험실,
	우유와 치즈, 물, 가공 중, 완제품을 테스트하고 수많은 비즈니스 요소를 테스트합니다.
	그리고이 대화 형 연결 기능은 여기에서 볼 수 있듯이 대화 형 HTML로 만들어졌습니다.
	비즈니스의 다양한 사람들이 저장소를 구축 한 다음보고 상호 작용할 수 있도록 사용되었습니다.
	그래서 여기서 우리가하려는 것은 비즈니스 내에 존재하는 문제가있는 저장소를 만드는 것입니다.이 경우에는 블록을 강조 표시하고 있습니다 ... 죄송합니다. 막힌 튜브와 증발기 CIP 및 정전을 보여주고 있습니다.
	전원 차단을 클릭하면 녹색 막대의 음영 영역이 강조 표시되는 것을 볼 수 있습니다. 이 경우 정전이 발생했습니다. 8 월에 한 번 이상이 발생했습니다.
	그것은 여기의 이러한 처리 단계에 영향을 미쳤으며 특히 그 과정에서 가장 많이 보인 미생물은 연쇄상 구균이었습니다.
	따라서 여기서 가치는 요소 관점에서이 저장소에 문제를 계속 추가 할 때
	미래를 내다보고 어떤 일이 발생했을 때 비즈니스에 대한 위험을 확인합니다. 따라서 다음에 정전이 발생할 때이 단계 또는 프로세스에서 패혈증 발생 위험이 더 높기 때문에 테스트 양을 늘려야 할 수도 있음을 알고 있습니다.
	때로는 추가해야 할 막대가 너무 많아 계절 성과 매끄러움을 알 수 있습니다.
	더 많은 가시성을 추가하기 위해 선. 이것은 비즈니스에서 우리가 가지고있는 도전이며 나중에 다루게 될 비즈니스의 계절적 요소입니다.
	그리고 우리는 소가 풀을 먹고 풀이 사용되기 때문에 궁극적으로 우유를 만드는 데 사용됩니다. 아일랜드에서는 날씨가 너무 불안정하기 때문입니다.
	어느 날 비가 내리고 다음 날 눈이 내리고 다음 날 햇살이 내릴 수 있으므로 계절성 관점에서 여기의 각 막대 색상은 다른 연도를 나타내는 데 사용되므로 2015, 16, 17, 18입니다.
	그리고 주말뿐입니다. 추가해야합니다. 전체 주말 주문을 그린 중간으로보고 있습니다.
	2016 년과 17 년은이 m 모양을 가지고 있다는 점에서 다소 비슷하지만 여기서 2018 년은 매우 다르다는 것을 알 수 있습니다.
	예를 들어 우리가 서로 눈덩이를 던지고 6 주 후에 물 호스 금지와 함께 폭염이 발생했습니다.
	비즈니스 내에서 효과적으로 날씨에 따라 달라지는 계절성 데이터를 사용하기가 매우 어렵지만 이는 우리가 시도하고 극복해야하는 과제 중 하나입니다.
	따라서 추세에서 ... 트렌드 관점을 유지하면서 프로젝트 중심이 아닌 탐색에도 JMP를 사용합니다. 여기에 월간 우유 공급 업체 2,800 명의 예가 있습니다.
	단백질과 지방 모두 2 년에 걸쳐 사업에 들어옵니다. 따라서 여기에있는 모든 눈금 표시는 2018 년 9 월, 2018 년 10 월 등을 나타냅니다.
	따라서 공급 업체 내부와 공급 업체간에 존재하는 변화의 범위를 보여줍니다. 그리고 유용한 것은 우리가 구역에 들어갈 수 있다는 것입니다. 그리고 우리는 특히이 사람에 대해 말할 수 있습니다. 예를 들어,이 사람이 왜 그렇게 높은가?
	그리고 그는 지방과 단백질 모두에 대해 일관되게 높으며 다른 공급자에게 가져올 수있는이 공급자로부터 배울 수있는 것이 있습니까?
	또는 반대로 하단에 다른 공급 업체가 있습니까?
	우유에서 단백질과 지방 수준을 지속적으로 얻을 수 없기 때문에 우유 상담사의 일부 지원과 도움을받을 수 있습니다.
	높은. 이것들은 농부들이 지불하는 매개 변수, 단백질 및 지방 수준이기 때문에 중요합니다.
	그래서이 경우에 특히이 사람은 하루에 한 번만 우유를 선택하는 소수의 우유 공급 업체 중 하나였습니다.
	그래서, 그것은 그의 지방과 단백질 수치가 실제로 다른 사람들보다 더 높지만 그가 Dairygold에게 돌려 줄 양이 적다는 것을 의미합니다.하지만 그것이 그의 선택입니다.
	평행 플롯.
	그리고 이것들은 제가 가장 좋아하는 것입니다. 왜냐하면 한 페이지에 너무 많은 다른 매개 변수에 대해 동시에 많은 정보를 보여주기 때문입니다.
	이것은 현재 실제로 발생하는 문제입니다. 그래서 이것은 말 그대로 언론에서 뜨겁고 문제는 실제로 아직 해결되지도 않았습니다.
	그래서 우리가 여기서보고있는 것은 ... 유동층 건조기와 사이클론의 간헐적 인 분말 막힘과 관련이 있습니다.
	이것은 기본적으로 분말이 건조기와 사이클론을 막고 있다는 것을 의미합니다. 그리고 우리는 이것을 초크라고 부릅니다. 그래서 장비는 질식하고 장비를 멈추고 청소해야합니다.
	그래서 우리가 실제로 여기서보고있는 것은
	30 개의 다른 매개 변수, 모두 측정 ... 모두 여기에 X 축에 표시됩니다.
	그리고 왼쪽에서 오른쪽으로 이어지는 각 선은 이러한 30 개 매개 변수 각각의 설정에 대해 1 분을 나타냅니다. 빨간색은
	1 시간 전 초크가 발생하는 분입니다.이게 60 분의 레벨 설정입니다.
	초크가 발생하기 60 분 전에이 빨간색 그룹은 9 개의 서로 다른 초크 발생을 나타냅니다.
	좋아요, 여기에 540 가닥이 아닌 것은 무엇이든지 있습니다. 그래서 이것은 효과적으로 질식이 일어나기 직전에 일어나는 일의 지문입니다.
	그리고 우리가하려는 것은 기계 매개 변수 관점에서 일반적인 정상 운영 생산 시나리오와 비교하는 것입니다.
	그리고 그것은 정말 좋습니다. 왜냐하면 그것들이 어떻게 비교되는지 볼 수 있고 그것들을 서로 겹칠 수있을 때 훨씬 더 좋기 때문입니다. 그리고 저는 ... 배경에 고스트가 생기지 않았습니다. 이제 흥미로운 것은 실제로 볼 수 있다는 것입니다.
	초크 시나리오가 초크 없음과 어떻게 다른지 그리고 무슨 일이 일어나고 있는지 이해합니다. 예를 들어, 현재 탐구되고있는 질문은
	아시다시피, 우리는 이것이 무엇이든간에 차등 압력의 수준이 낮은 것 같습니다.
	그리고 대부분의 경우 우리가 질식 할 때 이것이 우리가 찾아야 할 잠재적 인 기여 요인입니까? 이것이 원인이되는 것입니까? 일반적인 주문 운영 때문에
	차압에 좋을 때의 매개 변수도 여기에서 높습니다. 다시 한 번 한 가지 예입니다.
	GPS 데이터를 사용하여 공급 업체 위치의 패턴과 추세를 시각화하기 때문에 여기서 우리가보고있는 것은 12 월과 모든 공급 업체가있는 Munster 전체 지역의 단백질 수준입니다. 여기에있는 각 점은 비즈니스 내의 공급 업체 위치를 나타냅니다.
	그리고 점의 크기는 공급 업체가 Dairygold에 제공하는 우유의 양을 나타내므로 점이 클수록 농장이 실제로 더 커집니다.
	그리고 여기에 다양한 척도가 있습니다. 우리는 그 부피가 예상됩니다. 단백질 수준이 3.5가 돼서 미안합니다. 그래서 우리는 그것에 관심이 적고 회색 음영으로 표시됩니다.
	하지만 3.5보다 큰 것은 초록색이므로 ... 정말 잘하는 사람들이고 빨간색으로 표시된 공급 업체는
	실례합니다. 단백질 수준을 높이기 위해 약간의 어려움이있을 수 있습니다. 그래서 여기에서 우리는 우리 자신의 데이터를 사용하여 우리 우유 고문의 지원이 필요한 공급 업체가 있는지 확인하고 도움을 줄 수 있습니다. 매우 유용합니다.
	지리적 요소를 고수하면서 우리는 오래된 신화도 잠자리에 넣을 수있었습니다. 그래서 이것들은
	워터 쿨러에서 일어날 수있는 토론에 대해 누군가는이 NPN이 지리적으로 확실히 영향을 받았다고 말할 것입니다.
	NPN은 충분히 설명하기 어렵 기 때문에 여기에 맥주 한잔의 비유를 사용하겠습니다. 제 생각에는 정말 유리에 가깝습니다.
	모두가 알고 있듯이 우유에는 단백질, 지방, 유당, 미네랄, 비타민이 있습니다. 자, 이것들은 좋은 것입니다.
	하지만 그 안에는 다른 많은 것들이 있습니다. 우리가 단백질 전체를 살펴보면 파인트 전체를 농부로부터 얻은 우유로 생각할 수 있습니다.
	그러나 그 단백질은 기본적으로 음료의 액체 부분 인 진정한 단백질로 분해 될 수 있습니다.
	그리고 이것은 우리가 제조 공정에서 실제로 사용할 수있는 부분입니다. 파인트의 머리 부분, 여기 거품이있는 부분은 다른 것입니다. 요소와 요산 등이 있습니다.
	우리가 모든 단백질에 대해 공급자에게 비용을 지불하는 동안 불행히도 우리는 우리의 과정에서 모든 단백질을 사용할 수 없습니다. 그래서 우리는이 부분 만 사용할 수 있습니다.
	따라서 공정에 따라 연중 어느 때든 NPN (비 단백질 질소) 수치가 높거나 낮을 경우
	그런 다음 해당 제품을 특정 사이트로 연결하는 것이 가장 좋습니다.
	이제 다른 사이트를 통해 전략적이 될 수 있습니다. 그리고 질문은 항상, 아시다시피, 일년 중 특정 시간에 지리적 위치가 비 단백질 질소 수준에 영향을 미칠 것입니다.
	지리적 위치. 여기 보시는 것은 284,000 개의 데이터 포인트에서 나온 데이터입니다. 따라서 284,000 개의 NPN 측정 값,
	아일랜드 남부 먼 스터의 6 개 지역에 걸쳐 1 년 내내 비 단백질 질소.
	그리고 여기에있는 선은 월별로 존재하는 평균과 평균의 차이를 나타내며 또한 지역마다 색상 관점에서 다른 평균을 나타냅니다.
	여기에있는 상자 그림은 각 영역 내에서 그리고 각 영역 사이에 존재하는 변동의 양을 나타냅니다. 따라서 평균이 다음과 같음을 알 수 있습니다.
	각 지역에 대해 서로 잘 어울리고 변동의 양이 줄어들 때마다
	여기에서 7 월에 Tipperary에 대한 약간의 이상 현상을 제외하고 모든 지역에서 감소하는 것으로 보입니다.
	그러나 대부분의 경우 한 지역에서도 변동이 증가하면 모든 지역에서 증가합니다.
	그래서 우리는 더 이상 ... 이것과 다른 것의 잠재력에 대해 더 이상 이야기 할 필요가 없습니다. 우리는 데이터로도 이론을 매우 빠르게 증명하고 반증 할 수 있습니다.
	5 년마다 중간 선 (?) 센서스를 믹스 공급 업체에 보내며, 이는 공급 업체가 농장에서 가질 수있는 향후 볼륨 의도와 과제를 이해하는 데 도움이됩니다.
	그리고 그것은 비즈니스 방향과 투자 관점 에서뿐만 아니라 우리 회원들의 감정을 나타냅니다.
	그래서 최근에 우리는 2,800 개 공급 업체 각각에게 100 개가 넘는 질문을 보냈습니다.이 경우에 우리가 물었던 질문은 농장의 성장 제한 요인이 무엇입니까?
	그리고 사람들에게 9 가지 옵션이 주어 졌으니이 경우에는 1에서 9까지를 인수하십시오. 그래서 그들은 가장 중요하거나 가장 낮은 순서로 순위를 매기도록 요청 받았습니다. 그래서 그들에게 제시된 요소들은 1에서 9까지입니다. 상상할 수 있듯이 2,800 개의 결과를 얻습니다.
	각각의 결과는 1 ~ 9 점을 받았으며 일부는 항상 1 ~ 9 점을 얻지 않았고 상위 3 위만 완료했을 수도 있고, 다른 상위 5 위 또는 상위 7 위를 달성했을 수도 있습니다.
	그래서 질문은, 당신이 원한다면 Dairygold에보고하는 전체 농업 공동체를 나타내는 하나의 명확한 그림에서 25,000 개의 데이터 포인트를 모두 가장 잘 나타낼 수있는 방법입니다.
	그리고 결과는 ... 그래서 여기에 대한 답은 단순히 모자이크 플롯입니다. 여기에서 우리 공급 업체의 응답자의 48.8 %가 요인 4를 가장 중요하게 평가 한 것을 매우 분명하게 볼 수 있습니다.
	농장 확장을 제한하는 요인. 그다음에 Factor 5가 뒤를이었습니다. 19 %가 가장 중요한 1 위, 23 %가 투표했습니다.
	두 번째로. 왼쪽에서 오른쪽으로 갈수록 농부들에게 가장 중요한 요소를 다시 볼 수 있습니다.
	그래서 색상은 여기에서 정말 중요합니다. 여기에서 그 팀과 함께 계층화 된 히트 맵을 따라 가고 있습니다.
	소매 주문. 따라서이 경우에는 주말에만 시간별로 접수 된 주문 수를보고 있습니다.
	우리 가게에 공급하기 위해. 따라서 이것은 2015 년부터 2018 년까지 4 년 동안의 금요일, 토요일, 일요일입니다.
	그리고 주문이 발송 된 시간에 대해. 이제 농부가 앱에서 주문을 보낼 수 있습니다.
	순서대로 울릴 수 있습니다. 하지만 여기에서 금요일에 명확하게 볼 수 있습니다.
	젖소에서 착유가 일어나고, 일부 농부들은 아침 5시에 외출을해서 좋아요, 더 많은 사료가 필요하다고 말합니다. 여기 앱에서 자동으로 주문하겠습니다.
	그리고 다시, 그것은 아마도 12 시쯤에 다시 일어날 수 있고 그것은 무리의 착유 시간 등에 달려 있습니다. 하지만 여기서 가치는 우리가
	주말 중 주문을 받기 위해 가장 바쁜 시간과 주문 처리가 필요한 시간을 이해하고이를 통해
	주말에 효과적인 인력 수준을 유지하는 가장 좋은 방법입니다. 따라서 일요일에 금요일과 같은 수의 사람들이 참석하는 것은 의미가 없습니다. 더 많이
	Ttme는 집중해야합니다 ... 그리고 더 많은 인원이 금요일과 토요일 아침 일찍 주문을받는 데 집중해야합니다. 그래서 우리 매장에서 훨씬 더 효과적인 인력 수준이었습니다.
	다시 말하지만, 색상의 주제와 우리가 아는 바와 같이 멋진 분석을 유지하면서 곧 도착할 것입니다.
	그러나 색상의 주제를 유지하십시오. 여기에서보고있는 것은 큰 치즈 침대를 그래픽으로 표현한 출력입니다.
	그래서 내가 크다고 말하면 길이가 25 미터이고 너비가 2 미터 일 것입니다. 이 시점에서 모든 두부에서 유청을 빼낸 다음이 치즈 층을 으깨어 70 개의 조각으로 자릅니다.
	그런 다음 스트립을 다섯 블록으로 자르고 우리가 한 것은 왼쪽, 가운데, 오른쪽에있는 블록의 높이를 측정했습니다.
	그래서 우리가하려는 것은이 커다란 치즈 조각에 대한 치즈 베드의 높이를 측정하는 것입니다.
	그리고 일단 우리가 그것을 할 수있게되면, 우리는 실제로 무슨 일이 일어나고 있는지에 대한 좋은 그림을 얻을 수 있었고, 색상을 가이드로 사용하고, 치즈 베드의 너비도 얻을 수있었습니다.
	따라서 빨간색은 더 높음을 의미하고 녹색은 조금 더 낮음을 의미하며 여기에서 밀리미터 단위로 측정하고 있으므로 120mm에서 155mm입니다.
	분명히 왼쪽 상단에서 갈 때 약간의 경사가 있음을 알 수 있습니다.
	왼쪽으로 갈수록 높이가 더 높고 침대가 실제로 떨어지고있는 왼쪽 아래에도 있습니다.
	그래서 이것은 우리에게 정말 중요합니다. 왜냐하면 가변성 관점에서 우리가 이해하려고하는 것은 다른 것이 있는가 ... 왜 블록에 차이가 있는가 ...
	우리 프로세스에 들어가는 블록의 무게는? 이것은 그 이유 중 하나를 거의 가리키고 있습니다. 그 이유 중 하나는 블록의 높이가 달라지면
	그런 다음 논리는 치즈가 같은 힘으로 같은 힘으로 압축되면 블록의 무게도 다를 것이라고 지시합니다.
	다시 말하지만, 사람들이 사진에서 이해하기가 더 쉽습니다. 특히 비즈니스의 분석적인 측면에 정통하지 않은 경우 더욱 그렇습니다.
	분석에 대해 더 자세히 살펴보면 비즈니스 전반에 걸쳐 통계적 프로세스 제어를 많이 사용했으며
	기회를 찾고 개선 사항을 확인하십시오. 여기서는 이산화탄소 사용량을 살펴보고 제품의 현장에서 특히 분말에 이산화탄소를 사용합니다.
	제품의 유통 기한을 연장하기 위해 분말을 포장 할 때 이는 업계의 표준 관행입니다.
	그래서 우리는 공기를 배출하고 가방을 채울 때 이산화탄소를 추가합니다.하지만 여기에서 볼 수 있습니다. 그리고 우리는 가방을 밀봉합니다. 특히 2017 년.
	그리고 우리는 그 과정을 통제 할 수 있었고 2018 년까지 삶이 매우 다르고
	이산화탄소의 평균 사용량이 크게 감소합니다. 우리는 여전히 몇 가지 문제가 있으며 조사가 필요한 패턴이 나타날 수도 있지만
	이런 종류의 이점에도 노크 (?)가 있습니다. 왜냐하면 프로세스를 제어하고 통계적으로 동일하게 입증 할 수있는 한,
	우리 분말로의 이산화탄소 흡수율을 효과적으로 평가하기위한 연구.
	그래서 이것은 정말 중요합니다. 우리 제품이 이산화탄소를 어떻게 흡수하는지 이해할 수 있다면 다른 이점으로 이어집니다.
	지방이 봉지 속의 이산화탄소를 흡수하면이 봉인 된 봉지 내부에 진공이 생성되어 진공이 생성 될 때
	가방이 분말 주위를 밀봉하기 시작하고 분말 가방을 훨씬 더 단단하게 만듭니다.
	이제 공급망 관점에서 볼 때 운송 및 배송을 위해 이러한 가방을 팔레트에 쌓을 수있을 때 위험을 줄이고 삶을 더 쉽게 만듭니다.
	이제는 부드럽고 푹신하고 유연한 베개를 쌓는 것과는 대조적으로 콘크리트 블록을 쌓는 것과 같습니다. 그래서 승리가 있습니다. 우리는
	사용하고 나는 확실히 코더는 아니지만 우리는 확실히 아일랜드 사용자 그룹으로부터 많은 도움을 얻었습니다.
	그리고 JMP 커뮤니티에 ... 그리고 실제로 저는 Intel의 Troy Hickey를 지적하려고합니다. 특히 아일랜드 사용자 그룹에서 우리를 돕는 데 매우 유용했습니다.
	JMP 커뮤니티에서는 명확성을 찾고있는 영역에서 손을 뻗어 질문을하는 것은 훌륭합니다.
	또는 당신이 전혀 모르는 분야 일 수도 있고, 당신이 들어 본 적이없는 사람들로부터 응답을 받기 위해 전문가의 반응과 우수합니다.
	이 경우 여기에서는 JSL을 사용하여 코드를 생성 할 수 있었고이 차트와 제어 차트를 생성 할 수있었습니다.
	원하는 경우 탭 형식의 형식입니다. 그래서이 경우에는 탈지 분유, 전 분유, 탈염 유청 분말, 단백질 측정 용 카제인
	실험실에서 테스트합니다. 우리는 현재 약 30 개의 서로 다른 테스트를 모니터링하고 있으며 표준과 습식 화학 사이에 존재하는 차이를 모니터링하고 있습니다.
	일일 기준, 수동 방법과 근적외선 방법 사이에 존재하는 차이, 그래서 자동화 된 방법.
	그리고 우리는 예를 들어 습식 화학에 대한 표준을보고 있다면 목표 0을 목표로하고 싶다고합시다. 우리는 실험실에서 테스트 한 결과와
	표준은 그래야한다고 말합니다. 그래서 우리는 0의 목표를 원하고 이것은 우리에게 보여줍니다.
	단백질, 탈염 된 유청 분말에 약간의 차이가 있습니다. 우리는 .04이고 프로세스의 프로필을 추적 할 수 있습니다.
	프로세스 전환이 발생했음을 알려주는 프로세스입니다. 따라서 9 개의 데이터 ...이 경우에는 평균 위의 행에 최소 9 개의 데이터 포인트가 있습니다.
	그리고 우리는 프로세스를 중단하고 더 이상 계속하지 않는 것을 압니다. 왜냐하면 우리는 문제를 바로 잡기 위해 조사하고 제자리에 배치해야하기 때문입니다.이 경우에는 프로세스 변화입니다.
	그래서 이것은 우리에게 매우 긍정적이었고 우리는 지금이 설정을 가지고 있고 매일 실행되고있는 단계에 있습니다.
	아시다시피, 수백, 수백, 수천, 심지어이 데이터 지점에서도 스크립트가 설정되어 있습니다. 스크립트는 마지막 42 개의 데이터 지점 만 표시합니다. 관리 한계는
	프로세스의 이전 데이터를 기반으로합니다. 여기 JMP 커뮤니티에 연락하는 것이 정말 좋습니다. 측면에서
	트럭이 사업장에 도착하는 시간입니다.이 경우에는 자정부터 자정까지 4 개의 다른 사이트에 54,000 명의 유조선이 도착합니다.
	그리고 배달 시간부터 사이트까지 존재하는 다양한 분포에 대한 감각을 제공하는 것이 정말 좋습니다. 그리고 이것은 우리에게 중요합니다. 왜냐하면 우리는 탱커가 현장에 오는 것을 원하지 않기 때문입니다.
	우유를 내리고 최대한 빨리 현장을 떠납니다. 우리는 우리가 가진 사건을 원하지 않습니다
	뭉침이 많고 한 사이트에있을 수 있습니다. 여기 시나리오에서 다른 트럭 뒤에 트럭이 줄을 섭니다. 우리는 그것이 전체 과정에서 좋은 흐름이되기를 바랍니다.
	여기에서 예를 들어 아침 8 시부 터 9 시까 지,
	아마 사람들이 아침을 먹으러 갔을 것입니다. 우리의 트래픽은 더 무겁고 사이트로의 배달이 많지 않습니다. 여기에서도 마찬가지입니다. 저녁에는 트래픽이 더 많습니다.
	트럭이 멈춰 있거나 갔다가 .... 운전자들이 저녁을 먹으러 갔다. 그래서 우리는 그것에 대해 조금 더 깊이 파고 들어 각각의 다른 사이트에 대해 괜찮다고 말할 수 있습니다. 그래서 두 사이트,이 경우 Clonmel Road와 Castlefarm,
	도착하는 도로와이 사이트는 서로 매우 가깝습니다. 북쪽, 남쪽, 동쪽 및 서쪽 방향으로 도착하는 도로는
	그것은 어떻게 생겼으며 우리가 원하는 데이터에 명확한 분포를 가지고 있습니까?
	예를 들어 동쪽에서 24 시간 동안 배달하지 않는 일부 운송 업체가 있습니까? 그리고 우리는 무슨 일이 일어나고 있는지 이해할 수 있고 그 정보도 취할 수 있습니다.
	펌프 오프로드 속도에서 좋습니다.이 경우에는 오프 로딩중인 11 개의 펌프가있는 두 사이트가 있습니다.
	2 개 사이트에서 1 년에 5 억 리터가 넘습니다.
	그리고 우리는 어떤 펌프가 다른 펌프보다 더 많거나 덜 효율적인지 이해하려고합니다. 그리고 분명히 여기서 우리는 더 높은 오프로드 비율을 가진 4 개의 펌프가 있다는 것을 알 수 있습니다.
	그래서 그들은 같은 시간에 다른 펌프들보다 더 빠르고 더 많은 우유를 펌핑 할 수 있습니다. 그리고 여기에서
	사이트 2에서 펌프 번호 3은 가장 효율적인 펌프 인 반면 전체 펌프 4 및 펌프 3은 가장 효율적인 펌프입니다. 그래서 만약 우리가 유지 보수 점검을한다면, 이것이 먼저 점검이 필요한 펌프라는 것을 알게 될 것입니다.
	우리는 JMP를 사용하여 우수성과 기회 모두에 대한 측정 시스템을 평가합니다.
	너무 많이, 더 이상 추적조차 할 수 없습니다. 이 경우에는 orthophosphates (?)를 보면 알다시피 표준 Gauge R & R이고 결과는 정말 좋습니다. 그래서 거기
	19 개의 구별되는 카테고리; 19는 우수하고 Gauge R & R은 .5이므로 10 미만이 이상적입니다.
	일관되게 신뢰할 수있는 측정 시스템. 그리고 당신이 분석가에게 건네 줄 부분에 관계없이 그들은 돌아와서 당신에게 같은 결과를 줄 것입니다.
	따라서 테스트를 수행하는 사람은 테스트 결과에 영향을 미치지 않습니다.
	때로는 주관적인 측정 시스템을 가질 수 있으며 속성 일치 분석도 수행해야합니다.
	그래서이 경우 우리는 포장 된 제품의 시각적 평가를 알고 있으며, 둥글거나 손상된 모서리 또는 엠보싱과 같은 것을 찾을 수 있습니다.
	가독성 등. 따라서 개선이 이루어진 후 여기에서 우리는 평가자 내에서 90 ~ 95 %의 동의를 얻었습니다.
	전체적으로 볼 수 있듯이 일치하고 동의 한 부품 수 측면에서 동의 수준은 82 %입니다.
	각 오퍼레이터 내에서 그리고 각 오퍼레이터 사이에 있지만 아마도 더 중요한 것은 표준에 대한 조정 인 효율성입니다.
	그리고 나중에 여기에서 표준에 동의하는 것이 이제 96 %라는 것을 알 수 있습니다. 그래서 정말 좋습니다. 또한 제품이 주관적 일 때에도 안정적으로 등급이 매겨 짐을 확인할 수 있습니다.
	다양한 요인의 효과를 정량화하기 위해 실험을 설계 할 수도 있습니다. 따라서이 경우에는 유청 단백질 질소 지수 인 WPNI를 살펴보고 있습니다.이 수치는 측정 수준입니다.
	우리 제품의 단백질 변성은 제품의 열처리 수준을 나타내는 지표입니다.
	실례합니다. 열처리 수준이
	고객 관점에서. 따라서 잘못된 열처리 수준을 적용했다고 가정 해 보겠습니다. 이는 당사 제품을 사용하여 요구르트를 만들고자하는 고객을 의미 할 수 있습니다.
	그런 다음 제품이 적합하지 않을 것입니다. 거친 느낌, 거친 입 느낌 등을 남길 수 있기 때문에 요구르트와 같은 제품에는 적합하지 않습니다.
	그래서 우리는 일관되지 않은 유청 단백질 질소 지수 결과에 문제가 있었고, 절차에서 약간의 모호함이 발견되었습니다.
	해석에 개방적이라는 점에서. 그래서 이렇게 말할 수 있습니다.
	이 약병을 흔들면, 그냥 흔들린다 고 말할 수도 있고, 누군가는 이렇게 말할 수도 있습니다. 예, 저는 5 초 동안 흔들고, 다른 누군가는 말할 수도 있습니다. 저는 10 번을 거꾸로했습니다. 그리고 다른 누군가는 이렇게 말할 것입니다. 30 초 동안.
	그래서 모두가 최선의 의도로 절차를 따르고 있었지만 절차가 모호하면 해석의 여지가 있고 불일치로 이어질 수도 있습니다.
	그래서 우리가하려는 것은 공정의 변동에 영향을 미칠 수있는 요인을 이해하기위한 설계 시도입니다.
	여기에 염화나트륨 용액을 알고 있습니다. 소금물 용액으로 시작 막대가 있고 시작 막대가 없습니다.
	더운 곳에서의 시간은 45 분 또는 60 분이고 여기에이 용액을 사용하고 여기에있는이 작은 테스트 계획은 ... 수욕 온도가 37도 및 40 도입니다. 이것은 여기에있는 네 가지 솔루션 중 하나입니다. 색상 코드.
	그리고 수조를 흔드는 간격과 물방울의 수도 염산을 사용하고 있다고 생각합니다.
	또한 대화 형 탐색기를 사용하여 WPNI 결과가 낮을 때 프로세스에서 어떤 일이 일어나는지 확인할 수 있습니다. 약간
	여기서 무슨 일이 일어나고 있는지 이해하기가 더 어렵습니다. 그래서 분명히 우리는 조금 더 나아가서 몇 가지 모델을 만들고 무슨 일이 일어나고 있는지 이해해야합니다.
	모델은 우리가 말하는 강점 측면에서 꽤 훌륭합니다. R 제곱은 약 68 %에 불과합니다.
	그리고 우리는 여기서 주된 효과 인 가장 큰 주된 효과는 수조 온도이고 그다음에 교반 막대 지속 시간과 열판 상호 작용 효과가 있음을 알 수 있습니다.
	그리고 효과도 볼 수 있습니다. 어떤 매개 변수가 당기고 있는지 ... 어떤 효과가 당기는 지
	어느 방향으로가는 과정. 여기 하단에도 귀중한 예측 프로파일 러가 있습니다. 우리는 무슨 일이 일어나고 있는지 탐구 할 수 있습니다.
	내가 좋아하는 것, 그리고 당신이 결과물을 사용할 수 있다는 것, 때로는 글쎄요, 때로는 이러한 실험의 결과물을 교육적 관점에서 사용합니다.
	그래서 앞서 말씀 드렸는데, 교반 막대와 핫 플레이트의 지속 시간이 중요한 요소입니다. 이것은 상호 작용 효과이므로 한 요소의 효과가 다른 요소의 레벨 설정에 따라 달라지는 경우입니다.
	하지만 당신은 페이지의 누군가에게 상호 작용 효과를 설명 할 수 있습니다. 우리는 교차 선이 있고 교차 선은
	강한 상호 작용이고, 선이 평행하지만 교차 할 것 같으면 작은 상호 작용입니다. 또는 실제로 데이터를 가져 와서 플로팅 할 수 있습니다.
	그리고이 경우 많은 사람들이 실제로 두 가지 요인으로 상호 작용이 어떻게 생겼는지 보지 못했습니다. 이것은 상호 작용이 어떻게 생겼는지 ... 상호 작용이 생겼고 ...
	교육 도구로도 사용됩니다. 여기 우리의 경우에는 y 축에 WPNI 결과가 있습니다. 죄송합니다. 예, y 축에
	핫 플레이트에서 45 분 60 분을 유지합니다. 따라서 교반 막대가없는 45 분을 유지하고 전환하면 ... 45 분 동안 유지하고 교반 막대로 전환하면 이 레벨에서이 레벨로 점프했습니다.
	우리가 60 분으로 가면 우리는 ... WPNI 수준이 여기에 있고, 교반 막대가없고 교반 막대로 점프하면 아래로 점프하는 것을 볼 수 있습니다. 그래서
	점프는 여기만큼 여기에 있지는 않지만, 바로 이것은 교반 막대와 핫 플레이트의 지속 시간에 영향을 미치는 상호 작용이 상당히 크다는 것을 보여줍니다.
	이것이 바로 많은 프로세스 지식과 이해를 통해 이루어지고있는 것입니다. 일부 분류 도구도 사용할 수 있으므로이 경우 결정 트리를 시도하고 이해할 수 있습니다.
	그래서 이것은 치즈 브라우닝과 관련한 R & D의 질문입니다. 들리는 것처럼 치즈 브라우닝과 관련이 있습니다.
	피자처럼 열이 가해지면 오븐에서. 그래서 우리는 치즈가 너무 빨리 타는 것을 원하지 않습니다. 그래서 그것이 피자에있는 체다 치즈라면 너무 빨리 타는 것을 원하지 않습니다.
	약간의 삶과 조리법을 원합니다. 다시, 여기 분류의 예가 있습니다. 죄송합니다. 의사 결정 트리입니다.
	원하는 경우 세 가지 레벨, 나무로 표현되는 밝은 갈색, 중간 갈색 및 어두운 갈색, 색상은 녹색입니다.
	각각 호박색과 빨간색. 그리고 우리는 달리기에서의 pH가 여기서 가장 중요한 요소임을 알 수 있습니다. 특히 달리기에서의 pH가 6.48보다 크면,
	그러면 우리는 99.3 %가 우리가 원하는 옅은 갈색으로 변할 것임을 알 수 있습니다. 녹색은 좋고, 빨간색은 나쁩니다. 마찬가지로 pH가 6.48 미만이고 다음과 같은 경우 위험에 처해 있음을 알고 있습니다.
	그리고 우리는 샘플을 채취합니다. 그래서 우리 블록에있는 치즈는 말 그대로 20kg 블록에서 모퉁이에서 가져옵니다. 그러면 우리는 31 %의 확률로
	짙은 갈색이므로 좋지 않을 것입니다. 이 관점에서 볼 수 있습니다.
	객체의 수인 카운트도 그 원인이되며 트리의 리프 노드도 종료됩니다. 그래서 당신은 얻을 수 있습니다
	이 경우에는 갈변 분류를 가장 잘 분리하는 중요한 요소의 관점에서 공정에서 진행되는 일에 대한 좋은 감각.
	그리고 저는 여기서 비밀 부트 스트랩 포레스트라고 말합니다. 왜냐하면 이것이 JMP 내에서 잘 활용되지 않는 도구라고 생각하기 때문입니다. 의사 결정 트리가 무엇을하고 어떻게 작동하는지 이해한다면 그것이 매우 강력한 도구라는 것을 이해할 것입니다.
	그리고 정직하다면 결정 트리에 사용되는 알고리즘이 반복적 이분법인지
	C 4.5 또는 5.0 또는 무엇이든,하지만 제가 아는 것은 예측 자 스크리닝이 백그라운드에서 의사 결정 트리 알고리즘을 활용하고 부트 스트랩 포리스트를 사용한다는 것입니다.
	대체로 샘플링하여 이러한 나무의 무리를 만들고 모두 함께 붙인 다음 원하는 경우 나무의 평균 결과를 제공합니다. 그래서이 경우에 그것을 지적하고 이것은
	30 개의 다른 기계 매개 변수에 대한 이전의 병렬 플롯 예입니다.이 경우 실제로 31 개가 있습니다.
	왜냐하면 제가 팀으로 돌아 갔을 때이 노즐 공기압에 대해 뭔가 다른 점이 있다고 말했고 그것이 중요한 요소 인 것 같고 예측 자 스크리닝이 저에게 알려주기 때문입니다.
	손이 방 뒤쪽으로 올라 와서 실제로 말했습니다.
	모든 매개 변수 중 실제로는 기계 매개 변수가 아니기 때문에 거기에 있었어야 할 것이 아닐 것입니다. 우리는 무언가가 튀어 나올지 확인하기 위해 우리 자신을 붙였습니다.
	그리고 확실히 이것은 페이지에서 튀어 나온 것이므로 별도로 꺼내서 평가해야했습니다.
	프레젠테이션 측면에서도 거의 다 왔으니
	미래의 성과를 예측하기 위해 모델을 사용하는 것, 이것이 우리가 통찰력에서 예지력으로 이동하는 곳입니다.
	여기에서 1,438 개의 관찰을 기반으로 76 %의 모델 효과로 상당히 강력한 모델을 만들었습니다.
	문제는 연중 어느 요일이든 비즈니스에 들어오는 주문 수를 예측하는 데 도움이되는 도구를 구축 할 수 있는가였습니다.
	또한 우리가받을 주문 수를 예측합니다 ... 죄송합니다. 같은 날받을 주문 수량도 예측할 수 있습니까?
	따라서 모든 과거 데이터를 가져와 예측 프로파일 러를 사용하여 계절성 관점에서 예측하려는 항목에 가장 일반적인 연도를 선택할 수있었습니다.
	그런 다음 해당 월, 원하는 날짜 및 요일로 이동하여 공휴일인지 여부를 결정하십시오.
	보시다시피 여기에 두 가지 설정이 있습니다. 하나는 우리가 공휴일이있을 때이고, 하나가 없을 때를위한 것입니다.
	공휴일과 요일 간의 상호 작용 효과도 있습니다. 그래서 우리는 사업으로 돌아가서
	요일에 관계없이 2019 년 10 월 26 일 목요일이며 공휴일 주말이 아닌 목요일에 120 개의 주문이 들어올 것으로 예상되며 이는 1,100 미터 톤 미만의 제품이 들어오는 것과 같습니다. .
	그래서 우리는 실제로 이것을 두 주말 동안 실행했습니다. 주말에는 우리가 공휴일이 있고 공휴일이 없었습니다. 실제로 85 %였습니다. 정말 좋습니다. 그래서 모델이 76 % 였지만 실제로는 꽤 좋은 결과를 얻었습니다.
	그런 다음 통찰력에서 선견지명까지, 우리가 다시 찾고있는 곳 ... 시즌의 유효성을 설명하려고 노력하고 있습니다.
	우리는 여기에 다른 색으로 표현되는 다른 연도를 가지고 있습니다. 그래서 2015, 16, 17, 18 등등. 그리고 우리는 숫자를보고 있습니다.
	사업. 각 점은 주간 주문 수량을 나타내며 여기에서 과장 한 것은 실제 예측 모델을 겹쳐서 예측 한 값이
	그 주마다. 그리고 모델이 실제에 대한 정확도 측면에서 어떻게 실제 대 예측인지 볼 수 있습니다.
	그런 다음 사용할 수 있고 솔직히 기억할 수 없습니다. 계절 지수 예측 또는 계절 ARIMA였습니다.
	계절 ??? 메트릭 이동 평균을 사용하여 향후 6 개월이 어떻게 될지 결정합니다.
	또한 계절성이 어려운 비즈니스에 매우 가치가 있으며, 이러한 도구를 높은 수준의 확신을 가지고 사용하여 향후 비즈니스에서 기대할 수있는 주문 수준을 이해할 수 있습니다.
	그리고 마지막으로, 저는 우리에게 확장이 있다고 생각합니다. 왜냐하면 우리는 이전에 영역에 들어간 것이 아니라 신경망에 들어갔 기 때문입니다. 따라서이 경우 신경망을 사용하여 프로세스에서 퇴적물을 등급을 매길 수 있는지 이해하기위한 시험입니다. 따라서 ADPI 결과가있는 경우
	침전물 패드를 사용하여 건조 과정 등에서 발생했을 수있는 그을린 입자의 양을보고 있습니다. 우리는 어디에 있습니까? 레벨 A, B, C 또는 D입니까?
	여기서 체 결과는 체에 남아있는 입자 수를 나타내고 텀블러 결과 T1B1은 상단 및 하단을 나타냅니다.
	T1은 물 위에 떠있을 수있는 입자의 수를 나타내고 B는 바닥에있는 입자의 수를 나타내므로 바닥에 가라 앉은 퇴적물을 나타냅니다.
	그리고 다시 여기 신경망에서 사용하고 K 폴드 크로스 유효성 검사를 사용하므로 K가 10으로 설정되었다고 생각합니다. 우리는 9
	여기에서도 활성화 기능이 있다고 생각합니다. 네, 쌍곡선 .... 선형, 가우시안, 그리고 쌍곡 탄젠트도 생각합니다.
	그리고 우리는 이들 각각을 사용할 수 있습니다
	인렛 노드도 활성화 함수에 입력하고 여기에 출력 레이어가있어 최종 결과를 얻었습니다. 그래서 우리는 사용할 수 있습니다.
	이 경우 6,245의 결과는
	모델을 훈련시킨 다음 교차 검증을 사용하여 검증을 마치면 여기에 혼동 행렬을 만들 수 있습니다. A1 / A2에는 값이 많지 않습니다.
	A1과 마찬가지로 B 등급으로 내려가지만 A2 등급이있는 경우
	35 개가 진정한 2 개이고 2 개만 A1이 될 것이라고 예측했습니다. 그래서 약간의 오류가있을 수 있고 오류는 모델이 어땠는지에 따라 올 수 있습니다.
	아시다시피, 처음에는 채점자들이 수동으로 이러한 경우에 존재하는 차이를 평가하려고 시도한 채로
	결과에 약간의 모호성이 나타나고 최종 호출을 시도합니다. 그래서 여기서 질문은 우리가 최종 호출이 좋은 정확도로 무엇인지 예측하는 기계를 얻을 수 있습니까?
	그리고 다시, 우리는 여기에서 A1로 등급이 지정 될 확률이 Tumbler 결과가 T1B1이면 꽤 높을 것으로 예상 할 것입니다. 플로터 나 싱커는 거의 없습니다.
	체 결과가 입자의 양 측면에서도 매우 낮다면 여기에 A1에 대한 결과를 기대할 수 있습니다.
	여기에 A1이 표시된다는 사실은 모델 학습이 효과가 없었고 모델에 약간의 오류가있을 수 있음을 나타낼 수 있습니다.
	그리고 다시 여기에서 생성 된 매우 복잡한 모델을 볼 수 있습니다.
	하지만 우리 모두가 신경망 관점에서 알고 있다고 생각하는 것처럼 약간의 블랙 박스라는 것을 알고 있습니다. 그러나 다시 말하지만, 엄청난 양의 프로세스 지식과 개념 증명은 우리가 전체 머신 러닝 공간과 AI를 향해 나아 가기 시작할 때쯤입니다.
	그래서 저는 사람들에게 많이 해고했고 상당히 서두르고 모든 일과 사과에 대해 몇 시간 동안 말할 수 있었을 것입니다. 원근법,
	어떤 산업에 있든 일반적인 데이터 분석 환경에서 매우 멀리 떨어진 농업 산업이 있더라도 모든 산업에서 사용할 수 있다는 것이 입증되었다고 생각합니다.
	데이터 분석을 통해 비즈니스에 상당한 가치를 추가하고 비즈니스의 거의 모든 부분에 접근하여 도움을 줄 수 있습니다.
	또한 간단한 그래픽 분석의 가치를 과소 평가하지 마십시오. 이 프레젠테이션의 중간 쯤에 JMP에 포함 된보다 강력한 분석을 소개하기 시작했습니다.
	모든 멋진 도구를 사용하는 방법을 아는 것은 대단하다고 생각하고 시간과 장소가 있지만 알다시피 단순함도 정말 강력 할 수 있으며 그 가치를 과소 평가하지 마십시오.
	그 외에는 들어 주셔서 감사합니다. 정말 감사 드리며 질문이나 의견이 있으시면 지금 환영합니다. 감사합니다.

베스트 오브 더 서밋브레이크 아웃데이터 시각화Re : Dairygold의 데이터 착유 : 막대 차트에서 신경망까지 (2021-EU-30MP-735)

다양한 데이터 분석이 비즈니스에 가치를 제공하는 방법에 대한 개요를 제공하는 훌륭한 프레젠테이션입니다. 사용 사례와 이것이 Dairygold에 가치가있는 이유를 잘 설명했습니다!

Re : Dairygold의 데이터 착유 : 막대 차트에서 신경망까지 (2021-EU-30MP-735)

훌륭한 프레젠테이션 Kieran. 그리고 당신은 한 시간 동안 많은 것을 겪었습니다-인상적입니다!