JMP Pro macht es einfach, viele Arten von Problemen zu lösen, die inhärent mit Daten verbunden sind funktionell in Form, wie zum Beispiel:
- Zeitreihendaten
- Sensorströme aus Fertigungsprozessen
- Messungen über einen Temperaturbereich hinweg
- Spektren: IR, Chromatographie, Massenspektrometer, Kernspinresonanz
Sehen Sie sich einen Überblick über die Grundlagen der funktionalen Datenanalyse an, mit Schwerpunkt auf der Analyse von Experimenten mit funktioneller Reaktion, wobei die Funktionalität hervorgehoben wird, die in JMP Pro 16 mit dem Functional Data Explorer verfügbar war.Der Functional Data Explorer nutzt Daten effizient und liefert Ergebnisse, die leicht zu interpretieren sind und bei denen die Formen der Kurven/Spektren im Vordergrund stehen
Anschließend erfahren Sie mehr über die in JMP Pro 17 hinzugefügten Funktionen zur Erleichterung der Analyse von Spektraldaten, die besonders zur Lösung von Problemen in der chemischen, pharmazeutischen und biotechnologischen Industrie nützlich sind.
Fragen, die Chris während des Live-Webinars beantwortet hat @chris_gotwalt1 und Ryan Parker @RyanParker :
F: Wenn Sie PCA ausführen, würde JMP Ihnen immer noch denselben Eigenwert liefern?
A: An den Modellkoeffizienten wird eine funktionale PCA durchgeführt, um die Formfunktionen zu rekonstruieren. Es handelt sich also um einen anderen Vorgang als bei der normalen PCA, bei dem die Reihenfolge des Eingaberaums berücksichtigt wird.
F: Sollte ich die Zeit freischalten, wenn ich versuche, die gesamte Kurve zu maximieren? Oder gibt es eine andere Methode, um die Kurve zu maximieren?
A: Möglicherweise müssen Sie mit der Erwünschtheitsfunktion kreativ werden oder zunächst einige ausgewählte Zeitpunkte ausprobieren, um festzustellen, ob ein Konsens besteht. Es ist auch möglich, dass Sie „Zusammenfassungen speichern“ verwenden und eine Zusammenfassung der Antwort erstellen müssen, um sie in einem Profiler zu maximieren.
F: Würden Sie bei der Modellierung von (NIR-)Spektren mit Konzentrationen dessen, was sich darin befindet, eher Wavelets oder Splines empfehlen?
A: Wir würden empfehlen, zuerst Wavelets auszuprobieren.
F: Ich weiß, dass Sie in Fit Curve ähnliche Funktionen für DOE-Faktoren erhalten können. Gibt es eine Vision, im Dropdown-Menü unter „Wavelets als nichtlineares Modell“ eine Option hinzuzufügen? Ist die Hinzufügung weiterer nichtlinearer Modelle geplant? Derzeit ist die Funktion in Fit Curve begrenzt und nicht im Fit enthalten.
A: Einverstanden. Glücklicherweise ist es für uns einfach, die Fit Curve-Plattform um neue Funktionen zu erweitern. Wenn Sie Vorschläge haben, senden Sie diese an support@jmp.com oder an die Wunschliste in der JMP-Benutzer-Community.
F: Wird die Zielfunktion bis zum Ende kopiert und eingefügt (mit der Bezeichnung „Ziel“)? Es wird also immer noch in der Analyse verwendet, aber auch als Ziel?
A: Nachdem Sie eine Zielfunktion geladen haben, wird diese als Validierungsdaten behandelt. Daher wird es bei der Anpassung der Modelle nicht mehr verwendet und stattdessen aus der Analyse herausgehalten.
F: Das alleinige Laden von Kurven/Spektren ohne Z-Informationen würde also nicht das volle Potenzial der FDE nutzen? Oder gibt es dafür Anwendungsfälle?
A: Angenommen, Sie betrachten Kurven aus einem Herstellungsprozess und möchten die Arten typischer Abweichungen identifizieren, um einen großen Multifunktionsdatensatz zu verstehen. In diesem Sinne würden Sie FDE auf die gleiche Weise verwenden, wie Hauptkomponenten für multivariate Vektordaten verwendet werden. Es gibt auch eine Art Analyse, über die wir heute hier nicht sprechen, bei der Sie möglicherweise die Funktionen als Eingaben haben und möglicherweise nicht versuchen, eine Funktion vorherzusagen, sondern stattdessen Funktionen verwenden, um ein wichtiges Qualitätsmerkmal vorherzusagen.In diesem Fall würden Sie diese als zusätzliche Variablen laden und am Ende eine maschinelle Lernübung durchführen, um das Schlüsselqualitätsattribut vorherzusagen, indem Sie die Funktionen als Eingaben verwenden.
F: Wird die Zielfunktion bis zum Ende kopiert und eingefügt (mit der Bezeichnung „Ziel“)? Wird es weiterhin in der Analyse verwendet, aber auch als Ziel verwendet?
A: Nachdem Sie eine Zielfunktion geladen haben, werden diese als Validierungsdaten behandelt und bei der Anpassung der Modelle nicht mehr verwendet.Stattdessen wird es aus der Analyse herausgehalten.
F: Bei der Dimensionierung eines regulären DOE verwende ich den Fraction of Design-Raum und schaue mir den 80 %-FDS-Wert an, um die Stichprobengröße zu bestimmen, die für ein bestimmtes Startmodell mit einem bestimmten Grad an Zufallsrauschen erforderlich ist. Muss ich bei der Durchführung funktionaler DOE die Tatsache berücksichtigen, dass meine Antwort eine Kurve statt eines Skalars ist? Mit anderen Worten: Benötige ich eine größere Stichprobengröße, um den zusätzlichen Schritt der Konvertierung der Daten in glatte Funktionen zu berücksichtigen? Ich versuche nur, ein Gefühl dafür zu bekommen, wie viele Kurven ich für Functional DOE benötige.
A: Hinter den Kulissen konvertieren wir die Funktionen in Skalare. Daher denke ich, dass die Designdiagnose, die ich verwenden würde, die gleiche sein würde wie zuvor. Wenn Sie also FDE-Diagramme verwenden, um die Qualität des vom benutzerdefinierten Designer vorgeschlagenen Entwurfs zu bewerten, können Sie dies meiner Meinung nach trotzdem verwenden, da wir die funktionale DOE-Analyse auf den verfügbaren Skalaranalysen aufbauen. Eigentlich sollte sich alles, was Sie über skalare DOEs gelernt haben, gut auf funktionale DOEs übertragen lassen.
F: Ist es möglich, die Rohdaten zu verwenden, ohne die Daten vorzuverarbeiten?
A: Ja, wenn Sie der Meinung sind, dass die Rohdaten nicht bereinigt, in Teilmengen unterteilt oder transformiert werden müssen, können Sie direkt mit dem Glättungsschritt fortfahren, ohne Änderungen an den Daten vorzunehmen.
F: Was ist ein reguläres Gitter?
A: Bei einem regelmäßigen Raster sind die Abstände zwischen aufeinanderfolgenden X gleich. Zum Beispiel {0, .5, 1, 1,5, 2, 2,5, 3}, da die Menge der X-Werte ein regelmäßiges Gitter ist. Ein unregelmäßiges Gitter könnte etwa {0, .2, .7, 1.1, 1.2, 1.3, 2.4, 2.9} sein.
F: Was ist der Unterschied zwischen beispielsweise Symlet6 und Symlet20?
A: Im Allgemeinen führt der Index, z. B. 6 gegenüber 20, zu einer zunehmenden Komplexität. Wenn du nach ... gehst https://wavelets.pybytes.com/wavelet/sym2/ Sie können verschiedene Bilder der verschiedenen Symlets sehen.
Insgesamt habe ich es nicht wirklich für notwendig gehalten, etwas über die verschiedenen Wavelet-Typen und -Ordnungen zu lernen. Sie können einfach die Daten entscheiden lassen, welches das Beste ist, und sich die Diagnosediagramme ansehen, um sicherzustellen, dass die Anpassung gut ist. Im Allgemeinen möchten Sie mehr Zeit damit verbringen, die Anzahl der Formfunktionen zu untersuchen, mit denen ich arbeiten möchte.
F: Ich glaube, dass sich alle gezeigten Wavelets über den gesamten Bereich zu Null integrieren, weil sie unter die Null-Basislinie fallen, wohingegen Peaks zu einem positiven Bereich unter einem Peak integriert werden. Wenn ich richtig liege, wie schließt man diese qualitative Lücke zwischen der modellierten Funktion und dem Modell?
A: Das geschieht durch die diskrete Wavelet-Transformation der Daten.
F: Müssen alle Kurven ähnliche Formen haben, um FDA in JMP durchzuführen? Was passiert, wenn ich verschiedene Arten von Formen (z. B. normal, exponentiell, bimodal, schief usw.) in einem Datensatz habe?
A: Nein.Sie müssen nicht ähnlich sein. Das Glättungsmodell passt die sehr unterschiedlichen Formen problemlos an, und die großen Unterschiede zwischen den sehr unterschiedlichen Formen werden in der Analyse der funktionalen Hauptkomponenten auftauchen.
F: Können wir die Formfunktionen und das Vorhersagemodell speichern, um sie mit neuen (zukünftigen) Daten (z. B. neuen Spektren) zu verwenden?
A: Ja. In der Wavelet-Modellanpassung gibt es einen Gliederungsknoten namens „Funktionszusammenfassungen“, mit dem Sie das vorhergesagte Modell speichern können. Sie können auch das funktionale DOE-Vorhersagemodell speichern, mit dem Sie direkt außerhalb des Funktions-DOE-Modells arbeiten können Plattform (z. B. im eigenständigen Graph->Profiler).
F: Können wir Konfidenzintervalle aus dem funktionalen DOE erhalten?
A: Diese Frage wurde mehrmals gestellt. Wir haben einige Ideen, wie wir dies erreichen können, aber wir müssen noch mehr Forschung betreiben, um Unsicherheitsanalysen wie Konfidenzintervalle zu ermöglichen.
F: Sind die Mischungsvariablen in den Spalteninformationen als solche eingestellt, mit Codierung und allem?
A: Die Spalteneigenschaft „Mischungscodierung“ ist vorhanden, weil das Design vom benutzerdefinierten Designer erstellt wurde, der sie automatisch für Sie erstellt.
Ressourcen:
