스피커 | 성적 증명서 |
| 미아 스티븐스 | JMP Discovery Summit에 오신 것을 환영합니다. 저는 Mia Stephens이고 JMP 제품 관리자입니다. 저는 시스템 엔지니어 인 Jordan Hiller와 합류했습니다. 오늘은 데이터 큐 레이션 워크 플로우 자동화에 대해 이야기하겠습니다. |
| 그리고 이것은 단지 참고 용 초록입니다. 나는 그것에 대해 이야기하지 않을 것입니다. |
| 그리고 우리는이 이야기를 두 부분으로 나눌 것입니다. 시작하고 분석 워크 플로에 대해 이야기하겠습니다. |
| 데이터 생성, 데이터 큐 레이션에 대해 이야기합니다. 그리고 데이터에서 잠재적 인 데이터 품질 문제를 식별하는 방법을 살펴 보겠습니다. |
| 그리고 나서 저는 그것을 Jordan에게 넘길 것입니다. 그리고 Jordan은 재현성의 필요성에 대해 이야기 할 것입니다. |
| 그는 데이터 큐 레이션에 대한 치트 시트를 공유하고 JMP에서 데이터를 큐레이팅하는 방법을 보여줄 것입니다. |
| 액션 레코더와 향상된 로그. |
| 이제 분석 워크 플로우에 대해 이야기 해 봅시다. |
| 모든 것은 우리가 해결하려는 비즈니스 문제가있는 것으로 시작됩니다. |
| 물론 데이터를 컴파일해야합니다. 여러 소스에서 데이터를 컴파일하고 데이터를 JMP로 가져올 수 있습니다. |
| 그리고 결국 결과를 공유하고 우리의 결과를 다른 사람들과 소통 할 수 있어야합니다. 이제 때로는 이것은 일회성 프로젝트 일 수 있습니다. |
| 그러나 종종 우리는 반복 할 분석을 가지고 있습니다. 따라서이 강연에서 다루는 핵심 질문은 결과를 쉽게 재현 할 수 있습니까? |
| 다른 사람들이 당신의 결과를 재현 할 수 있습니까? 또는 새 데이터가 있거나 데이터를 업데이트 한 경우 분석, 특히 이러한 새 데이터에 대한 데이터 큐 레이션 단계를 쉽게 반복 할 수 있습니까? 그래서 이것이 우리가이 강연에서 다루고있는 것입니다. |
| 하지만 데이터 큐 레이션이란 정확히 무엇입니까? |
| 그리고 우리는 왜 그것에 대해 염려해야합니까? |
| 데이터 큐 레이션은 데이터가 분석적 발견을 유도하는 데 유용하다는 것을 확인하는 것입니다. 기본적으로 우리는 해결하려는 문제를 해결할 수 있어야합니다. |
| 그리고 그것은 주로 데이터 구성, 데이터 구조 및 데이터 정리에 관한 것입니다. |
| 데이터에서 발생할 수있는 문제에 대해 생각하면 일반적으로 네 가지 범주로 분류됩니다. |
| 잘못된 형식, 불완전한 데이터, 누락 된 데이터 또는 더럽거나 지저분한 데이터가있을 수 있습니다. |
| 그리고 이러한 문제에 대해 이야기하는 데 도움이되도록 STIPS에서 일부 콘텐츠를 빌릴 것입니다. STIPS에 익숙하지 않은 경우 STIPS는 무료 과정 인 산업 문제 해결을위한 통계적 사고입니다. |
| 그리고 이것은 7 개의 독립적 인 모듈을 기반으로하는 과정이고, 두 번째 모듈은 탐색 적 데이터 분석입니다. |
| 탐색 적 데이터 분석 및 데이터 큐 레이션의 반복적이고 상호 작용적인 특성으로 인해이 모델의 마지막 강의는 분석을위한 데이터 준비라고합니다. 따라서이 강의 전체에서이 강의에서 많은 내용을 차용하고 있습니다. |
| 이러한 문제를 하나씩 분석해 보겠습니다. 잘못된 형식입니다. 잘못된 형식이란 무엇을 의미합니까? 음, 이것은 데이터가 잘못된 형식이거나 분석을위한 잘못된 형식 일 때입니다. 이는 데이터 테이블 전체에 적용될 수 있습니다. 예를 들어, |
| 별도의 열에 저장된 데이터이지만 실제로는 한 열에 저장된 데이터가 필요합니다. |
| 또는 별도의 데이터 테이블에 데이터가 있고 데이터 테이블을 연결하거나 업데이트하거나 조인해야 할 수 있습니다. |
| 개별 변수와 관련 될 수 있습니다. 예를 들어 잘못된 모델링 유형이있을 수 있습니다. 또는 데이터 테이블에 날짜가있을 수 있으므로 날짜 열이 있고 날짜 형식이 지정되지 않았을 수 있으므로 분석에서 이것이 날짜 데이터라는 것을 인식하지 못할 수 있습니다. |
| 형식화는 외형 일 수도 있습니다. 예를 들어 큰 데이터 테이블을 처리하는 경우 많은 열이있을 수 있습니다. |
| 이름이있을 수 있습니다 ... 실제로 인식 할 수없는 열 이름으로 변경하고 싶을 수도 있습니다. |
| 좀 더 쉽게 관리 할 수 있도록 함께 그룹화 할 열이 많을 수 있습니다. |
| 응답 열은 데이터 테이블의 맨 끝에있을 수 있으며 위로 이동할 수 있습니다. 따라서 외관상의 문제가 반드시 분석에 방해가되는 것은 아니지만 이러한 문제 중 일부를 해결할 수 있다면 분석을 조금 더 쉽게 할 수 있습니다. |
| 불완전한 데이터는 데이터가 부족한 경우입니다. 중요한 변수에 대한 데이터가 부족할 수 있습니다. 예를 들어 문제 해결에 필수적인 변수에 대한 데이터를 캡처하지 않았을 수 있습니다. 변수 조합에 대한 데이터가 부족할 수도 있습니다. |
| 예를 들어, 상호 작용을 추정하기에 충분한 정보가 없을 수 있습니다. |
| 또는 관심이있는 대상 변수가 불균형이므로 결함과 같은 것을 연구 할 수 있습니다. 당신이 관찰 한 것의 5 %에 불과할 수 있습니다. |
| 결함에 대한 것이며 데이터가 충분하지 않을 수 있습니다. 아시다시피 데이터의 일부만 가질 수 있습니다. |
| 결함이있는 곳. 결함의 잠재적 원인을 이해하는 데 충분한 데이터가 없을 수 있습니다. 표본 크기가 충분히 크지 않을 수도 있으므로 좋은 추정치를 얻을 수있는 데이터가 충분하지 않을 수 있습니다. |
| 누락 된 데이터는 변수에 대한 값이 누락 된 경우를 의미하며 여러 가지 다른 형태를 취할 수 있습니다. |
| 데이터가 누락되고 데이터가 ... 무작위가 아닌 경우 심각한 문제가 발생할 수 있으므로 추정치가 편향되었을 수 있습니다. |
| 데이터가 완전히 무작위로 누락 된 경우 몇 개의 관측치 만 누락 된 경우 문제가되지 않을 수 있지만 많은 데이터가 누락 된 경우 문제가 될 수 있습니다. |
| 더럽고 지저분한 데이터는 관찰이나 변수에 문제가있는 경우입니다. 따라서 잘못된 값을 가질 수 있으며 값은 단순히 잘못되었습니다. |
| 불일치가있을 수 있습니다. 예를 들어, 사람들이 다르게 입력 할 때 오타 나 오타가있을 수 있습니다. |
| 값이 정확하지 않을 수 있습니다. 예를 들어 측정 시스템에 문제가있을 수 있습니다. 오류가있을 수 있고 오타가있을 수 있으며 데이터가 쓸모 없을 수 있습니다. |
| 사용되지 않는 데이터는 예를 들어 더 이상 서비스되지 않는 시설 또는 기계에 대한 데이터가있는 경우입니다. |
| 데이터가 오래되었을 수 있으므로 데이터가 2 년 또는 3 년 전으로 거슬러 올라갈 수 있지만 프로세스가 해당 기간의 어딘가에 변경되었을 수 있습니다. |
| 이는 이러한 과거 데이터가 현재의 현재 프로세스와 관련이 없을 수 있음을 의미합니다. 데이터가 중도 절단되거나 잘릴 수 있습니다. |
| 기본적으로 동일한 정보를 포함하는 열인 중복 열을 가질 수 있습니다. 또는 중복 된 관찰이있을 수 있습니다. |
| 따라서 더럽거나 지저분한 데이터는 다양한 형태를 취할 수 있습니다. |
| 그렇다면 잠재적 인 문제를 어떻게 식별합니까? |
| 음, 좋은 출발점은 데이터를 탐색하는 것입니다. 사실 문제를 식별하면 데이터 탐색과 분석으로 이어집니다. 데이터 탐색을 시작하면 분석에서 문제를 일으킬 수있는 사항을 식별하기 시작합니다. |
| 따라서 좋은 시작점은 데이터 테이블에서 명백한 문제를 스캔하는 것입니다. |
| 그래서 우리는이 강연의 나머지 부분에서 Components라는 예제를 사용할 것입니다. 이것은 STIPS 과정의 예제입니다. |
| 회사가 작은 부품을 생산하고 있으며 수율에 문제가 있습니다. 그래서 데이터가 수집되었고 369 개의 배치가 있습니다. 캡처 된 15 가지 특성이 있으며 이러한 데이터를 사용하여 낮은 수율의 잠재적 인 근본 원인을 이해하는 데 도움을 드리고자합니다. |
| 따라서 데이터 테이블 자체를 살펴보면 어떤 종류의 데이터 품질 문제가있을 수 있는지에 대한 단서가 있습니다. 그리고 정말 좋은 시작점입니다. (그리고 이것은 JMP 15에 추가되었습니다) |
| 헤더 그래프입니다. 저는 헤더 그래프를 좋아합니다. 그들이하는 일은 히스토그램을 보여주는 연속 변수가있는 경우 분포의 중심과 모양 및 산포를 볼 수 있습니다. |
| 또한 값의 범위를 보여줍니다. 범주 형 데이터가있는 경우 가장 인구가 많은 막대에 대한 값이 포함 된 막대 차트가 표시됩니다. 그래서 이들 중 일부를 살펴 보겠습니다. 배치 번호부터 시작하겠습니다. 따라서 배치 번호는 히스토그램을 표시하고 실제로 모양이 균일합니다. |
| 식별자 일 가능성이있는 항목을 일괄 번호로 지정하므로 바로이 데이터가 잘못 코딩 된 것을 알 수 있습니다. |
| 이 분포가 매우 치우쳐 있고 가장 낮은 값이 -6임을 알 수 있으며, 이로 인해 스크랩 번호가 음수 일 가능성에 대해 질문 할 수 있습니다. |
| 프로세스는 또 다른 것입니다. 기본적으로 두 개의 막대가 있고 실제로 두 개의 값만있는 히스토그램을 보여줍니다. |
| 이 열 그래프, 헤더 그래프를 보면서 열 패널을 볼 수 있습니다. |
| 예를 들어 배치 번호, 부품 번호 및 프로세스가 모두 연속으로 코딩되어 있다는 것을 쉽게 알 수 있습니다. 데이터를 JMP로 가져올 때 JMP가 숫자를 확인하면 자동으로 이러한 열을 숫자 연속으로 코딩합니다. 그래서 이것들은 우리가 바꾸고 싶은 것들입니다. |
| 데이터 자체를 볼 수도 있습니다. 예를 들어 습도를 볼 때 (데이터를 볼 때 컨텍스트는 정말 중요합니다) 습도는 우리가 연속적인 데이터라고 생각할 수있는 것입니다. |
| 하지만 여기에 N / A가있는 두 개의 필드가 있습니다. |
| 영숫자 데이터가있는 경우 숫자 열에 텍스트 데이터가있는 경우 데이터를 JMP로 가져올 때 해당 열이 명목상으로 코딩됩니다. 그래서 이것은 바로 우리가 고쳐야 할 것임을 알 수있는 바로 그 무언가입니다. |
| 그리고 다른 기둥을 살펴볼 수도 있습니다. 예를 들어 공급 업체의 경우 일부 값이 누락되었음을 알 수 있습니다. 데이터를 JMP로 가져올 때 |
| 범주 형 데이터에 대한 빈 셀이 있으면 값이 누락되었음을 알 수 있습니다. 데이터가 입력 된 방식과 일치하지 않는 일부 항목이 있음을 알 수 있습니다. |
| 그래서 저는 제 데이터의 잠재적 인 문제에 대한 몇 가지 심각한 단서를 얻고 있습니다. |
| 모든 점을 주목하십시오. 온도는 연속 변수이며 점이 보이는 곳은 값이 누락되었음을 나타냅니다. 그래서 온도는 제 분석에 정말 중요한 것입니다. 이것은 문제가 될 수 있습니다. |
| 이것의 자연스러운 확장은 한 번에 한 변수 씩 데이터를 탐색하는 것입니다. 데이터를 처음 볼 때 가장 좋아하는 도구 중 하나는 열 뷰어입니다. 열 뷰어는 선택한 변수에 대한 숫자 요약을 제공합니다. |
| 값이 누락 된 경우 N 개의 Missing 열이 있습니다. 그리고 여기 온도에 대한 369 개 값 중 265 개가 빠진 것을 볼 수 있습니다. 그래서 이것은 온도가 분석에서 중요 할 것이라고 생각한다면 여기에 심각한 차이입니다. |
| 이상한 값이 있는지도 알 수 있습니다. 따라서 스크랩 수와 스크랩 비율에 대한 Mins 및 Maxes와 같은 것을 보면 음수 값이 있습니다. 이것이 가능하지 않다면 데이터 나 데이터 수집 시스템에 문제가있는 것입니다. |
| 또한 변수의 잘못된 코딩을 쉽게 볼 수 있습니다. 예를 들어 공칭으로 코딩되어야하는 시설 및 배치 번호는 평균과 표준 편차를보고했습니다. |
| 그리고 이것에 대해 생각하는 좋은 방법은, 평균 배치 번호 나 (부품 번호가 다른 변수 였음) 또는 부품 번호를 물리적으로 가질 수없는 경우 연속이 아닌 명목 변수로 변경해야한다는 것입니다. |
| Distributions는 데이터에 처음 익숙해 질 때 다음으로가는 곳입니다. |
| 연속 데이터가있는 경우 분포를 통해 데이터의 모양, 중심화 및 산포를 이해할 수 있지만 비정상적인 값이 있는지도 확인할 수 있습니다. |
| 범주 형 데이터의 경우 보유한 수준의 수도 확인할 수 있습니다. 예를 들어 고객 번호입니다. 고객 번호가 중요한 변수이거나 잠재적으로 중요한 경우 |
| 고객 번호에 대한 수준이나 값이 많이 있습니다. 데이터를 준비 할 때 실제로 데이터가 많지 않은 고객을 위해이를 4 개 또는 5 개의 버킷과 다른 카테고리로 결합 할 수 있습니다. |
| 습기. 열에 N / A가있는 문제가 있습니다. 히스토그램 대신 막대 차트가 표시됩니다. |
| 우리는 공급자 데이터에서 우리가보고 있던 것을 쉽게 볼 수 있습니다. 예를 들어, Cox Inc와 Cox, Anderson은 세 가지 철자법을 사용하고 Hersh는 세 가지 방법으로 철자를 사용합니다. |
| 속도의 경우 약 60에서 140까지의 분산 분포가 있지만 맨 아래에는 값이 한두 개 있음을 알 수 있습니다. |
| 그것은 거의 0에 가깝고, 이것은 아마도 데이터 입력 오류 일 수도 있지만 확실히 우리가 조사하고 싶은 것입니다. |
| 이것의 확장은 데이터를 한 번에 두 개의 변수를 살펴 보는 것입니다. 예를 들어 그래프 빌더 또는 산점도를 사용합니다. |
| 그리고 한 번에 두 개의 변수를 보면 패턴을 볼 수 있으며 둘 이상의 변수를 교차하는 비정상적인 패턴을 더 쉽게 볼 수 있습니다. |
| 예를 들어, 스크랩 비율과 스크랩 수를 보면 밴드가 있다는 것을 알 수 있습니다. 데이터 테이블에이 패턴을 설명 할 수있는 무언가가있을 수 있습니다. |
| 이 경우 밴딩은 배치 크기가 다르기 때문에이 보라색 띠는 배치 크기가 5,000입니다. |
| 그리고 더 작은 배치 크기보다 더 큰 배치 크기의 스크랩에 대한 기회가 훨씬 더 많습니다. 그게 말이 되겠지만 말이 안되는 것도 봅니다. 이 두 값은 음의 범위에 있습니다. |
| 따라서 2 차원 데이터를 볼 때 쉽게 볼 수 있습니다. |
| 열 전환기와 데이터 필터를 사용하여 그래프에 차원을 추가 할 수 있습니다. |
| 이것은 또한 저를 잠재적 인 분석으로 이끌 기 때문에 스크랩 비율과 관련이있을 수있는 중요 할 수있는 x가 무엇인지 이해하는 데 관심이있을 수 있습니다. |
| 동시에 데이터 품질 문제 또는 잠재적 인 문제를 살펴보십시오. 따라서 폐기율의 경우 압력과 폐기율 사이에 긍정적 인 관계가있는 것처럼 보입니다. |
| 관계가 너무 많은 것 같지는 않습니다. 스크랩 속도 대 온도, 이것은 꽤 평평하기 때문에 여기에는 많은 일이 없습니다. |
| 그러나 속도에 주목하십시오. 부정적인 관계가 있지만 상단에는이 두 가지 값이 있습니다. 히스토그램에서 본 하나의 값이지만 눈에 띄는 두 번째 값이 있습니다. |
| 따라서 60 주변의이 값은 단순히 이상 치일 수 있지만 유효한 점일 수 있습니다. 나는 아마도 0 근처 의이 지점이 유효한지 여부에 대해 의문을 가질 것입니다. |
| 그래서 우리는 데이터 테이블을 보았습니다. 한 번에 한 변수 씩 데이터를 살펴 보았습니다. 우리는 한 번에 두 변수의 데이터를 살펴 봤는데,이 모든 것이 데이터 탐색에 적합하고 분석으로 이어집니다. |
| 이 과정 또는이 강의의 범위를 벗어나는 우리가 사용할 수있는 고급 도구 (예 : 이상치 탐색, 누락 탐색)가 있습니다. |
| 그리고 데이터 분석을 시작하면 추가 문제를 식별 할 수 있습니다. 예를 들어 범주 형 변수의 범주가 많은 경우 |
| 회귀 모델에 상호 작용을 맞추려고하면 JMP가 실제로 이것을 할 수 없다는 경고를 줄 것이라는 것을 알고 있습니다. 따라서 데이터 분석을 시작하면이 전체 프로세스가 반복되며 프로세스 전체에서 잠재적 인 문제를 식별하게됩니다. |
| 핵심은 데이터를 볼 때 발생하는 문제를 기록하는 것입니다. 그리고 이들 중 일부는 |
| 값을 숨기고 제외 할 수 있도록 수정하고, 진행하면서 데이터를 다시 정리할 수 있도록 모양을 변경할 수 있지만 새 데이터를 수집해야한다고 결정할 수 있습니다. 데이터 자체에 대한 확신을 갖기 위해 DOE를 수행 할 수 있습니다. |
| 이 분석을 반복하거나 다른 사람이이 분석을 반복하고 싶어한다는 것을 알고 있다면, |
| 그런 다음 재현성을 갖도록 수행중인 단계를 캡처했는지 확인해야합니다. 다른 사람이 귀하의 결과를 재현하거나 나중에 분석을 반복 할 수 있습니다. 그래서 여기가 제가 조던으로 넘길 것이고 조던은 |
| 재현 가능한 데이터 큐 레이션에 대해 이야기하십시오. |
| 조던 힐러 | 좋아요, 고마워요, 미아. |
| 안녕하세요, 조던 힐러입니다. 저는 JMP의 시스템 엔지니어입니다. 좀 더 자세히 살펴보고 재현성에 대해 좀 더 이야기 해 봅시다. |
| 데이터 큐 레이션을 위해. |
| Mia는이 아이디어를 아주 멋지게 소개했지만 몇 가지 더 자세히 설명하겠습니다. 여기서 아이디어는 우리가 쉽게 재수 행할 수 있기를 원한다는 것입니다. |
| 분석을 위해 데이터를 준비하는 데 사용하는 모든 큐 레이션 단계와이를 수행하는 데있어 세 가지 주요 이점이 있습니다. 첫 번째는 효율성입니다. 데이터가 변경되고 향후 새 데이터에 대해 이러한 큐 레이션 단계를 다시 수행해야하는 경우 |
| 모든 포인트 앤 클릭 활동을 반복하는 것보다 원 클릭 스크립트로 한 번 실행하는 것이 훨씬 더 효율적입니다. 정확도는 두 번째 이점입니다. 포인트 앤 클릭은 오류가 발생하기 쉬우 며 스크립트로 만들어 정확한 복제를 보장합니다. |
| 그리고 마지막으로 문서화입니다. 이것은 과소 평가 된 것일 수 있습니다. 스크립트가있는 경우 사용자가 |
| 했다. 이것은 불가피하게이 프로젝트를 다시 방문하고 기억해야 할 때 나중에 다시 방문 할 수있는 이동 경로의 흔적입니다.이 데이터를 준비하기 위해 제가 무엇을했는지 기억하세요. |
| 그 대본이 있으면 큰 도움이됩니다. 그래서 오늘 우리는 사례 연구를 진행할 것입니다. 재현 가능한 데이터 큐 레이션 스크립트 중 하나를 생성하는 방법을 보여 드리겠습니다. |
| 포인트 앤 클릭 만 사용합니다. 그리고 구현 기술은 JMP 16에서 새로운 것입니다. 향상된 로그에서 발견되는 것은 향상된 로그 및 작업 기록입니다. |
| 그래서 여기에 우리가 할 일이 있습니다. 우리는 평소와 같이 포인트 앤 클릭으로 데이터 큐 레이션 활동을 수행 할 것입니다. 이렇게하면 |
| 필요한 스크립트, 컴퓨터 코드 (JSL 코드, JMP 스크립팅 언어의 경우 JSL)가 자동으로 캡처됩니다. |
| 새로운 향상된 로그에서. 그런 다음 포인트 앤 클릭 큐 레이션이 완료되면 해당 코드를 가져와 저장하기 만하면됩니다. 조금 더 강하게 만들기 위해 약간의 조정, 약간의 수정을 원할 수도 있지만, 그 부분은 선택 사항입니다. |
| 좋습니다. 이것은 여러분이 사용할 수있는 치트 시트입니다. 이것은 가장 일반적인 데이터 정리 활동 중 일부입니다. |
| 향상된 로그에 JSL 스크립트를 남기는 방식으로 이동 경로의 흔적을 남기는 방식으로 JMP 16에서이를 수행하는 방법. 따라서 행에 대한 작업, 열에 대한 작업, |
| 데이터 테이블을 수정하는 방법, 모든 데이터 정리 작업 및 포인트 앤 클릭으로 수행하는 방법. |
| 따라서 데이터 정리를 위해 수행해야하는 모든 항목의 전체 목록이 아니며 향상된 로그에 캡처 된 모든 항목의 전체 목록도 아니지만 여기에서 가장 중요한 항목은 손끝에서 확인할 수 있습니다. |
| 자, 이제 Mia가 소개 한 Components 파일을 사용하여 사례 연구로 이동하고 향상된 로그를 사용하여 JMP 16에서 데이터 큐 레이션 스크립트를 작성하겠습니다. |
| 여기에 JMP 16이 있습니다. JMP 16 용 얼리 어답터 프로그램의 마지막 버전이므로 사전 릴리스입니다. 그러나 이것은 JMP 16의 실제 릴리스 버전과 매우 유사 할 것이라고 확신합니다. |
| 따라서 로그로 이동하려면 |
| 여기서 보여 드릴게요. 이전 버전의 JMP에서 로그에 익숙한 경우 다르게 보입니다. 이 두 개의 패널로 나누어 져 있습니다. |
| 좋습니다. 상단에는 메시지 패널이 있고 하단에는 코드 패널이 있습니다. 우리는 여기서 시간을 보낼 것입니다. 이것이 어떤 것인지 보여 드리지만, 파일 가져 오기 및이 열 삭제와 같은 빠른 작업을 수행하려면 빠른 미리보기를 제공하겠습니다. |
| 내가 한 두 단계 (데이터 가져 오기 및 열 삭제)가이 메시지 패널에 나열되어 있음을 알 수 있습니다. |
| 재현 가능한 데이터 큐 레이션 스크립트에 필요한 JSL 코드 인 코드는이 하단 패널에 있습니다. 좋아, 그래서 |
| 정말 흥미 롭습니다.이 코드를 가지고 필요할 때마다 가리키고 클릭하는 것만으로 잡을 수 있다는 것은 JMP 16의 엄청난 이점입니다. |
| 따라서 JMP 16에서는이 새로운 향상된 로그보기가 기본적으로 켜져 있습니다. 이전 버전의 로그 (간단한 텍스트 로그)로 돌아가려면 여기 JMP 기본 설정 섹션에서 수행 할 수 있습니다. 새로운 |
| 섹션을 선택하고 원하는 경우 로그의 이전 텍스트보기로 다시 전환 할 수 있습니다. JMP 16을 설치할 때의 기본값은 향상된 로그이며이 다른 기능 중 일부에 대해서는 나중에 사례 연구에서 자세히 설명하겠습니다. |
| 좋아, 그래서 내가 지울거야 |
| 지금은 빨간색 삼각형의 로그입니다. 로그를 지우고 사례 연구부터 시작하겠습니다. Mia가 공유 한 구성 요소 데이터를 가져 오겠습니다. 이 csv 파일부터 시작하겠습니다. |
| 그래서 |
| 드래그하기 만하면 가장 간단한 가져 오기를 수행 할 것입니다. 아, 나도 ... 벌써 버전이 열려있어. 미안 해요, 예전 버전을 닫고 시작하겠습니다 |
| 로그를 한 번 더 지 웁니다. |
| 알겠습니다. 간단한 가져 오기 |
| JMP 창으로 드래그하여 이제 369 개의 배치가 포함 된 구성 요소 A 파일이 있습니다. 이제 데이터 정리 작업을 진행하겠습니다. 켤 게요 |
| 헤더 그래프. 첫 번째로 볼 수있는 것은 시설 열에 하나의 항목, 하나의 값인 FabTech가 있습니다. 따라서 여기에는 변형이없고 흥미로운 것은 없습니다. 우클릭으로 삭제하고 열을 삭제하겠습니다. |
| 다시 말하지만 이는 향상된 로그로 이동하면서 캡처됩니다. |
| 좋아요, 또 뭐죠? 테이블 끝에있는이 스크랩 비율 열이 우리에게 정말 중요하다고 가정 해 봅시다. 테이블의 앞부분을보고 싶습니다. 네 번째 위치로 옮길 게요 |
| 열 패널에서 그것을 잡고 고객 번호 바로 다음으로 드래그합니다. 우리는 거기에 갈. |
| Mia는이 습도 열이 수입시 잘못 표시되며 주로 해당 사항 없음 |
| 문자 변수로 들어오는 알파벳 문자. 그래서 그것을 고쳐 봅시다. 여기를 마우스 오른쪽 버튼으로 클릭하여 열 정보로 이동합니다. |
| 데이터 유형을 문자에서 숫자로 변경하고 모델링 유형을 명목에서 연속으로 변경하십시오. 확인을 클릭하십시오. 여기 로그를 클릭 해 보시죠. 이제 4 단계가 캡처되었으며 계속 진행하겠습니다. |
| 좋아, 다음은 뭐야? 연속에서 명목으로 변경해야하는 몇 가지 변수가 있습니다. 그것들은 배치 번호, 부품 번호 및 프로세스입니다. 세 가지를 선택한 상태에서 마우스 오른쪽 버튼을 클릭하고 연속에서 명목으로 변경합니다. |
| 그리고 그것들은 모두 수정되었습니다. |
| 다시 한 번,이 세 단계가 여기 로그에 기록되어 있음을 알 수 있습니다. |
| 좋아요, 또 뭐죠? 이 칼럼, 압력. 내 엔지니어는 해당 열 이름을 PSI로보고 싶어하므로 해당 열을 선택하고 PSI를 입력하여 변경합니다. 다른 곳으로 가려면 거기에서 탭하세요. 그것은 로그에도 기록 될 것입니다. |
| 공급자. 미아는 일치하지 않는 철자가 있음을 보여주었습니다. 여기에 너무 많은 값이있을 것입니다. 문자 값을 수정해야합니다. 열에 올바르지 않고 일관되지 않은 문자 값이있는 경우 레코딩 도구를 생각해보십시오. |
| 레코딩 도구는이 문제를 해결하는 매우 효율적인 방법입니다. 따라서 공급자를 마우스 오른쪽 버튼으로 클릭하면 레코딩으로 이동합니다. |
| 그리고 이들을 적절하게 그룹화합시다. 빨간색 삼각형 옵션부터 시작하겠습니다. 모든 값을 제목 케이스로 변환 해 보겠습니다. |
| 공백도 트리밍하여 일관성없는 간격을 수정합니다. 이미 몇 가지 문제가 수정되었습니다. 나머지는 모두 수동으로 수정하겠습니다. 나는 Andersons를 함께 모을 것입니다. Coxes를 그룹으로 묶을 것입니다. |
| Hershes를 그룹화하십시오. Trutna와 Worley는 이미 단일 범주로 정확합니다. 그리고 제가 마지막으로 정정 할 것은 비어 있거나 빠진 것으로 나열된 것들입니다. |
| 여기에 라벨이 없습니다. |
| 좋습니다. 레코딩을 클릭하면 |
| 이러한 수정 사항을 공급 업체 2라는 새 열에 추가했습니다. |
| 1, 2, 3, 4, 5, 6 개의 범주가 수정되고 축소되었습니다. |
| 좋은. |
| 좋아요 계산을 해봅시다. 여기서는 배치 크기와 폐기 된 수를 사용하여 수율을 계산합니다. |
| 권리. 그리고 네, 이것이 약간 중복된다는 것을 압니다. 이미 스크랩 률이 있고 수율은 1에서 스크랩 률을 뺀 값입니다. |
| 계산. 따라서 해당 수익 열이 스크랩 된 번호 바로 삽입되기를 원하므로 스크랩 된 번호를 강조 표시 한 다음 열 메뉴로 이동하여 새 열을 선택합니다. |
| 우리는 이것을 yield라고 부를 것입니다. |
| 그리고 우리는 선택한 열 뒤에, 스크랩 한 번호 뒤에 새 열을 삽입하고 수익률을 계산하는 공식을 제공하겠습니다. |
| 좋은 유닛의 수가 필요합니다. 그것은 배치 크기에서 폐기 된 수를 뺀 것입니다. |
| 그래서 그것은 좋은 단위의 수이고 우리는 그 전체를 다음으로 나눌 것입니다. |
| 배치 크기. |
| 좋은 단위의 수를 배치 크기로 나눈 것이 수율 계산입니다. |
| 그리고 확인을 클릭합니다. |
| 우리의 새로운 |
| 수익 열. 1에서 스크랩 비율을 뺀 것을 알 수 있습니다. 그건 ... 좋습니다. 지금은 100 % 이상의 수익률이 있다는 사실을 무시합시다. |
| 좋습니다. 거의 완료되었습니다. 몇 가지만 더 변경합니다. 두 개의 프로세스가 있으며 현재로서는 프로세스 1과 프로세스 2로 레이블이 지정되어 있습니다. |
| 그다지 설명 적이지도 않고 도움이되지도 않습니다. 더 설명적인 레이블을 지정하겠습니다. 프로세스 1, 우리는 생산 프로세스라고 부를 것입니다. 프로세스 2를 실험이라고합니다. 따라서이를 레코딩하는 대신 값 레이블을 사용하여 수행합니다. 열 정보로 이동합니다. |
| 값 레이블을 1과 2에 할당합니다. |
| 이 열의 하나는 생산을 나타냅니다. |
| 그것을 추가하십시오. |
| 그리고 두 개는 실험을 나타냅니다. |
| 그것을 추가하십시오. |
| 확인을 클릭하십시오. 좋은. 헤더 그래프에는 1 개와 2 개가 표시되지만 데이터 테이블에는 생산 및 실험 중입니다. |
| 좋습니다. 스크립트를 저장하기 전에 마지막 단계입니다. 논쟁을 위해 데이터에만 관심이 있다고 가정 해 보겠습니다. 진공이 꺼져있을 때만 분석을 진행하고 싶습니다. |
| 맞습니다. 데이터를 부분 집합하고 vacuum이 꺼진 행만있는 새 데이터 테이블을 만들겠습니다. 진공이 꺼진 셀 중 하나를 마우스 오른쪽 버튼으로 클릭하여 |
| 및 일치하는 셀 선택. |
| 진공이 꺼진 313 개의 행을 선택합니다. 이제 테이블 하위 집합으로 이동합니다. |
| vac_off라는 새 데이터 테이블을 만듭니다. |
| 확인을 클릭하십시오. |
| 좋습니다. 그리고 그것은 진공이 꺼진 데이터 만 보여주는 313 개의 행이있는 새로운 데이터 테이블입니다. |
| 그게 끝입니다. 우리는 모든 데이터 큐 레이션을 완료했으며 이제 돌아가서 로그를 다시 방문하여 우리가 가지고있는 것에 대해 조금 더 알아 보겠습니다. |
| 좋습니다. 모든 단계와 제가 의도하지 않은 몇 가지 단계가 여기 로그에 기록되었습니다. |
| 여기를보세요. 모든 라인은 우리가 수행하는 단계 중 하나입니다. |
| 한 번에 행 선택을 지운 것과 같은 외부 항목도 있습니다. 그럴 필요가 없었어요 ... 제 대본에서 그 부분을 만들 필요가 없었어요. |
| 선택한 행을 지우므로 제거하겠습니다. 마우스 오른쪽 버튼으로 클릭하고 해당 항목을 지워 제거합니다. 좋습니다. |
| 좋아요, 여기에 메시지가 있고 여기에 JSL 코드가 있습니다. 기원과 결과에 대해주의를 환기시키고 싶습니다. 이것은 꽤 멋집니다. |
| 단계를 수행 할 때마다 포인트 앤 클릭으로 작업을 수행 할 때마다 해당 작업을 수행하는 작업이 있고 결과가 나타나는 작업이 있습니다. 그것이 기원과 결과입니다. 예를 들어 시설 열을 삭제했을 때 ... |
| 음, 아마도 그것은 나쁜 예일 것입니다. 대신 습도에 대한 열 정보를 변경하도록 선택하겠습니다. 기원, 우리가 한 일 |
| 구성 요소 A 테이블이었고 여기에 데이터 테이블이 나열되어 있습니다. 마우스를 가져 가면 구성 요소 A를 맨 앞으로 가져 오기가 표시됩니다. 클릭하면 구성 요소 A 테이블이 표시됩니다. 아주 좋아. |
| 결과는 우리가 습도 칼럼에 한 일입니다. 습도를 변경했습니다. 데이터 유형 숫자 및 모델링 유형 연속으로 변경했습니다. 여기 아래를보세요. |
| 여기를 클릭하고 습도 열로 이동하면 강조 표시되고 선택됩니다. JMP는 습도 열을 선택합니다. |
| 이 마지막 결과를 제외하고는 모든 곳에서 녹색입니다. 다른 데이터 테이블에서 우리의 활동을 추적하는 데 도움이됩니다. 이러한 모든 활동을 구성 요소 A 데이터 테이블에서 수행했습니다. |
| 마지막 활동으로 구성 요소 A 데이터 테이블에서 하위 집합을 수행 한 결과 vac_off라는 새 데이터 테이블이 생성되었습니다. 따라서 vac_off는 파란색입니다. 맞습니다.이 색상을 사용하여 사물을 추적 할 수 있습니다. |
| 좋습니다. 여기 로그에서 보여 드리고 싶은 마지막 기능은 ... |
| 매우 긴 일련의 단계가 있고 하나만 찾아야하는 경우이 필터 상자를 통해 찾을 수 있습니다. 하위 집합을 찾고 싶다고 가정 해 보겠습니다. 거기는. 하위 집합 데이터 테이블을 찾았고 필요한 코드로 바로 이동할 수 있습니다. |
| 좋아요,이게 ... 우리가 필요한 모든 것입니다. 데이터 큐 레이션 단계가 캡처되었습니다. 재현 가능한 데이터 큐 레이션 스크립트를 만들기 위해해야 할 일은 빨간색 삼각형으로 이동하고 스크립트를 새 스크립트 창에 저장하는 것입니다. |
| 가져 오기 단계, 열 삭제 단계, 스크랩 비율 이동 단계. 이 모든 단계는 스크립트에 있습니다. |
| 스크립트를 읽는 데 도움이되는 구문 색상이 있습니다. 각 단계에서 정확히 무엇을했는지 알려주는 유용한 의견이 모두 있습니다. |
| 그래,이게 전부입니다. 이것이 우리에게 필요한 전부이며 저는 이것을 저장하겠습니다. 가져 오기 및 정리로 내 데스크톱에 저장하겠습니다. 구성 요소 가져 오기 및 큐 레이트라고하겠습니다. |
| 맞습니다. 재현 가능한 데이터 큐 레이션 스크립트입니다. 따라서 JMP 홈 창으로 돌아가서 새 스크립트를 제외한 모든 항목을 닫으면 |
| 이러한 데이터 큐 레이션 단계를 재생해야하는 경우 수행 할 작업은 다음과 같습니다. 방금 스크립트 파일을 열고 스크립트 실행 버튼을 클릭하여 실행할 수 있습니다. 데이터를 열고, 모든 정리를 수행하고, 부분 집합을 수행하고, 313 개의 행이있는 새 데이터 파일을 만듭니다. |
| 이제 새로운 데이터에서 이것을 재생해야한다고 상상해 봅시다. |
| 다른 버전의 구성 요소 파일이 있습니다. 컴포넌트 B라고합니다. 여기에는 50 개의 행이 더 있으므로 369 개의 행 대신 419 개의 행이 있습니다. 아시다시피 50 개의 배치에 대해 프로세스를 실행했고 더 많은 데이터가 있다고 상상해보십시오. |
| 구성 요소 B라고하며 구성 요소 B에서이 스크립트를 실행하겠습니다. 그러나 스크립트 전체에서 구성 요소 A를 여러 번 호출하고 있음을 알 수 있습니다. 따라서 구성 요소 A를 검색 및 교체하고 구성 요소 B로 변경하면됩니다. 편집하다. |
| 검색. |
| 구성 요소 A를 찾고 구성 요소 B로 교체합니다. 모두 교체합니다. 15 개의 발생이 대체되었습니다. |
| 여기와 여기에서 볼 수 있습니다. |
| 이제 스크립트를 다시 실행하면 새 버전의 데이터에 있습니다. 실제로 더 많은 행이 있음을 알 수 있습니다. 전에는 313이었고 지금은 358입니다. |
| 좋습니다. 새 데이터에 대해 실행할 수있는 재현 가능한 데이터 큐 레이션 스크립트입니다. |
| 좋아요, 여기 다시 한번 그 치트 시트가 있습니다. 이것은 우리가 강연과 함께 저장하는 자료에있을 것입니다. 그래서 여러분은 이것에 접근하여 그것을 찾을 수 있습니다. 그리고 이것은 데이터 큐 레이션을 통해 자신의 길을 가리키고 클릭하는 방법을 알려주고 재생 가능하고 재현 가능한 데이터 큐 레이션 스크립트를 남겨 둡니다. |
| 우리가 만든 스크립트는 코딩을 전혀 할 필요가 없었지만 몇 가지 팁, 사용할 수있는 네 가지 팁을 제공 할 것입니다. |
| 스크립트를 약간 향상시킬 수 있습니다. 첫 번째 팁은 스크립트 시작 부분에이 줄을 삽입하는 것입니다. 모든 스크립팅에 대해 좋은 일입니다. 여기에 기본 라인 이름을 입력하십시오. |
| 이는 스크립트가 다른 스크립트와 상호 작용하는 것을 방지하기위한 것입니다. 이것을 네임 스페이스 충돌이라고하며, 그것이 무엇을하는지 정말로 이해할 필요가 없습니다. 그냥하세요. 할 수있는 좋은 일입니다. 좋은 프로그래밍 관행입니다. |
| 두 번째 팁은 JSL 표현식 사이에 세미콜론이 있는지 확인하는 것입니다. |
| 향상된 로그는이 작업을 자동으로 수행합니다. 모든 단계 사이에 필요한 세미콜론을 배치합니다. 그러나 직접 수정하는 경우 해당 세미콜론이 올바르게 배치되었는지 확인해야합니다. 그래서 현명한 사람에게 한마디. |
| 주석을 추가하십시오. |
| 댓글은 프로그램에 메모를 남기고 프로그램을 엉망으로 만들지 않도록 남겨 두는 방법입니다. 그것은 방법입니다 |
| JSL 인터프리터가 해석하지 않을 프로그램에 무언가를 남겨 두십시오. 그리고 개선 된 로그가 남았다는 메모가 있습니다 ... 향상 로그의 작업 기록이 남겨졌지만 원하는 경우 수정하고 추가 할 수 있습니다. 여기에 댓글에 대한 요점이 있습니다. |
| 일반적인 형식은 두 개의 슬래시이며 슬래시 뒤에 오는 모든 것은 주석입니다. 그래서 당신은 줄의 시작 부분이나 줄 끝에서 할 수 있습니다. 따라서 인터프리터는이 X = 9 JSL 표현식을 실행하지만 슬래시 뒤의 모든 것을 무시합니다. |
| 또한 더 긴 주석이있는 경우이 형식을 사용할 수 있습니다.이 형식은 처음에는 / *, 끝에는 * /입니다. 주석을 포함합니다. 따라서 주석은 메모를 남기는 데 유용하지만 JSL 스크립트를 디버깅하는데도 유용합니다. |
| 한 줄의 코드를 제거하고 실행되지 않도록하려면 해당 두 개의 슬래시를 앞에 붙이고 더 큰 코드 청크에 대해 수행하려는 경우이 형식을 사용할 수 있습니다. 댓글을 사용하는 방법에 대해 알아두면 좋습니다. |
| 마지막으로 남겨 드릴 팁은 데이터 테이블 참조를 일반화하는 것입니다. 새 파일 이름 인 구성 요소 B에서 해당 스크립트를 실행하기 위해 검색하고 교체해야했던 방법을 기억하십니까? |
| 스크립트의 데이터 테이블에서 15 개의 인스턴스를 변경해야했습니다. 15 번이 아닌 한 번에 변경하면 좋지 않을까요? 따라서 스크립트를 더욱 강력하게 만들 수 있습니다. |
| 데이터 테이블 참조를 일반화합니다. 이름을 사용하는 대신 JSL 변수를 사용하여 해당 테이블 이름을 보유합니다. 여기에 제가 말하는 것이 있습니다. 예를 하나 보여 드리겠습니다. |
| 왼쪽에는 향상된 로그에 작업 기록으로 생성 된 일부 코드가 있습니다. |
| Big Class 데이터 테이블을 엽니 다. 연령 열에서 작업하고이를 연속 모델링 유형으로 변경 한 다음 새 계산 열을 만듭니다. |
| 열 때, 우리는 그것을 사용하여 연령 열에 대한 변경을 수행하고 여기에서 사용합니다. |
| 매우 간단합니다.이를보다 강력하고 일반화하기 위해 수행해야하는 작업입니다. |
| 세 가지 사항을 변경해야합니다. |
| 이 첫 번째 변경 사항은 이름을 지정합니다. 저는 BC를 선택했습니다. 원하는 것을 선택할 수 있습니다. DT를 많이 보게 될 것입니다. |
| 따라서 BC는 나머지 스크립트에서 해당 Big Class 데이터 테이블을 참조 할 이름입니다. 그래서 우리가 나이를 바꾸고 싶을 때 |
| age는 BC 데이터 테이블과 해당 데이터 테이블의 age 열을 의미합니다. |
| 여기 아래에서 Big Class 데이터 테이블에 메시지를 보내고 있으며 이것이 이중 화살표 구문이 의미하는 것입니다. 그래서 우리는 그것을 일반화하고, 우리는 그 메시지를 보낼 때 새 이름을 사용하도록 일반화하고 있습니다. |
| 데이터 테이블에. 이제 Big Class가 아닌 다른 이름의 새 데이터 테이블에서이 스크립트를 실행해야하는 경우 변경해야 할 유일한 사항은 다음과 같습니다. 스크립트에서 한 곳만 변경하면됩니다. 검색과 교체를 할 필요가 없습니다. |
| 네, 네 가지 팁을 마친 후 큐 레이션 스크립트를 다음 단계로 끌어 올릴 준비가 되었다면 다음 단계를 따르세요. 파일 선택기를 추가 할 수 있습니다. 많은 코딩이 필요하지 않습니다 |
| 누군가이 스크립트를 실행할 때 스크립트를 수동으로 편집 할 필요없이 실행하려는 파일을 탐색 할 수 있도록 변경합니다. |
| 좋은 생각입니다. 스크립트를 조직의 다른 사용자에게 배포하려는 경우 JMP 추가 기능으로 래핑하면 사용자가 JMP 내부 메뉴에서 스크립트를 선택하여 스크립트를 실행할 수 있습니다. |
| 정말 편리합니다. 마지막으로 네트워크 어딘가에 보관하는 마스터 JMP 데이터 테이블을 업데이트하기 위해이 큐 레이션 스크립트를 일정에 따라 실행해야하는 경우 Windows에서 작업 스케줄러를 사용하거나 Mac OS에서 자동화기를 사용하여 수행 할 수 있습니다. 일정에. |
| 요약하면 Mia는 데이터를 탐색하고 문제를 식별하기 위해 반복하여 데이터 큐 레이션을 수행하는 방법에 대해 이야기했습니다. |
| 이러한 단계를 자동화하면 재현성의 이점을 얻을 수 있으며 효율성, 정확성 및 작업 문서화라는 이점이 있습니다. |
| JMP 16에서이를 수행하려면 평소와 같이 가리키고 클릭하기 만하면 데이터 큐 레이션 단계가 향상된 로그에서 발생하는 작업 기록에 의해 캡처됩니다. |
| 마지막으로, 재현 가능한 데이터 큐 레이션 스크립트를 만들기 위해 향상된 로그에서 해당 JSL 코드를 내보내고 수정할 수 있습니다. 이것으로 강연을 마칩니다. 시간과 관심에 감사드립니다. |
