こんにちは、みんな。 ありがとうのために接合で。 でこれ話す、私欲しいに話すについてどうやって私たちはした準備する私たちのバッチプロセスデータのためにモデリングとJMPプロそして得る貴重な洞察とあるチームアプローチ。 私のプレゼンテーションは詳しいであるパワーポイント一部。 それはの初め一部そしての詳細全てここ示されている意思フォローするでJMP、のようにどうやってのデータセット見た目、どれのプラットフォーム私持っている使用済みのようにないデータ、マルチ共線性、機能的なデータ冒険者、予測子ふるい分け、モデリングバッチデータとブーストされたツリーそしてプロファイラー。
要約したデータ意思なれ分析されたによるブーストされたツリーとして良い、そしてそれからによるあるスクリプトを使用してブーストされたツリー後ろ向き選択。 で初め、私の会社、シルトロニック、もっている世界-クラス生産サイト全て以上の世界示されているようにここそしてについて4,000従業員。 ここはいくつかの鍵数字。 もしあなた想像するそれ私たちは持っているある複雑なプロセス流れのように示されているこことケイ素型である坩堝。 ケイ素インゴットは作成したここ。 それは私の特別タスク。 に作るプロセスのために成長するケイ素インゴット。 それからのインゴットは地面そしてスライスされた。
角丸めるは終わりのためにのウエハース、レーザマーキング、ラッピング、クリーニング、エッチング、研磨、そして多分エピタキシーのためにの最後のウエハースになれ作成した。 私たちのポートフォリオはそれ私たちはは販売300ミリメートル、 200ミリメートルそして小さい直径ウエハースのために違うアプリケーションのように示されているここ、ケイ素ウエハースといくつかの仕様。
について自分、私の教育は私はの電気エンジニアそして私したいくつかの六シグマ教育、そして私の主要タスクはに開発するプロセスのために成長するケイ素結晶のように示されているここ、そして私はとして良い責任者のためにその周り500ユーザーでセルトロニックJMPユーザー。 どうやってするのタスク見てのように？ 何私たちは見るここはの最後のテーブル、しかしそれもっているされた作成したそしてこれかかりますある多くの努力として良い。 それでそこにははいくつかのデータベースクエリ後ろにに得るこれデータからデータベース。
私たちは取ってきたの結果の中へJMPデータテーブルそして拡大されたのデータセットとアーカイブから以前日付そして豊かないくつかの情報のように詳細の実験そして詳細の上消耗品そして書きましたいくつかの脚本のためにグラフそして評価。 T鶏私たちは持っている終わりのモデリングタスクそしてのコース、見たのためにないデータ相関関係に見る何はのほとんど重要な効果そしてにする特徴エンジニアリングに見るどれの特徴は重要に生成するの最適な結果。
でこれポイント、私意思スイッチの中へJMPそれから。 私たちはできる見るここ私のジャーナル私は働くとそしてのJMP主要窓そしての抽象的なは見たここ。 私たちは意思始めるとテクニカルヒント。の使用データセット私見せるここは完全に匿名化されたそして標準化された、そして全て識別子はジェネリックのためにより良い理解何はの特徴、何はの結果、そしてそれでの上。 の標的のこれプレゼンテーションはに見せる全てのステップ私たちは必要なのために取得の概要、リストラ、そして理解のデータセット、そしてどうやってに建てるのモデルに得るいくつかの洞察ののコンテンツののデータセット。
私意思見せるいくつかの結果それ私たちは持っている議論したであるチーム。 のチームはとても重要ここなぜならのチーム運転したある多くの議論そして仕事として良い、どうやってに分析するそして何特徴5月なれ面白いそして何すべきないなれ、そして何5月なれの物理後ろに。 私意思始めるとのデータセットここ。 そのまたある一部のの貢献でのコミュニティ。 ここそれは開かれたそして私意思変化のデザインある少し少しに見るどうやってそれ見た目のように。 私たちは持っているその周り80,000行でこれデータセットそしてそのあるバッチデータセット、それで私たちは持っているあるバッチID。
T彼のデータセットはとても挑戦的なぜならそれもっているある混合の歴史的なデータのようにここ、 PORバッチ。私たちはできる見るここそれ私たちは持っている… ほとんどののデータは歴史的なデータ、そしてそこにははのみある少し特別実験示されているここ。 私たちは持っているいくつかの特徴それから、のように1つカテゴリー的、それは消耗品です。 私たちは持っているのバッチ成熟、そのの時間、また標準化された。 それから私たちは持っているいくつかの特徴。 それでこれらバツ価値観ここ、私たちは持っている1つ結果カラム、そしてに減らすのノイズある少し少し、私たちは持っている計算されたある新しい移動中平均として良い。
しましょう持っているある見てでどうやってのデータセット見た目もっとで詳細。 私たちはできる見るここ、もし私たちはするあるまとめの上のデータのようにこれ、あなたできるするこれからのテーブルsメニューとして良い。 まとめ。 私たちは得るその周り500行、 500バッチ。 これはあるまとめによるバッチ、そして私たちは見るそれそこにははいいえ変化でのパラメーターバツ1にバツ4、意味それ彼らはは絶え間ないのためにそれぞれバッチ、そしてのその他は変化で違う料金。 に持っているある見てどうやってのデータ見た目で全て、私たちはできる見るここの結果パラメータのように収率、ある長さ時間のために全ての行ののバッチデータセット、そしてこれスムージングは終わりによるJMPグラフビルダープラットホーム。
私たちは実装されましたこれとしてある式としてそれは利用可能としてある関数でJMP。 私たちはできる持っているある見てここでいくつかの特別バッチとして良い。 もし私たちは使用の地元データフィルターそして見るここどうやっての平均作品そして何ノイズはでのシングルデータポイント、の青ものはのオリジナルデータの収率、そしてのオレンジ1つはの移動中平均。 私意思近いこれそれから、そして次ポイント5月なれに見てでどうやって多くのデータはない。 それで私たちは持っているこれでJMPとして良い。 私たちはできるマーク全ての列そしてするのないデータパターンプラットホームのようにこれ。
それ意思見せる私たちそれからについて80,000行、私たちは持っている178行といくつかのないデータで1つカラム。 これできるまたなれ示されているこことしてあるグラフ。 これはとても重要、で少しでものためにのデータ作成手順、それだった重要に見るどこはいくつかのデータないそしてに修理これないデータそれからとして多くのとして可能。 別のステップに見てでのデータ、多分コラム視聴者。 私たちはできる得るここ、私置く全ての列で、そしてここ私たちはできる見るまたのように私たちは持っていた前に、そこにははいくつかの行ないのためにパラメータ×2.
私たちはできる見る何の分、マックス、平均、標準偏差、そしてそれではのために全てのパラメーター私たちはできる見るここ。 ここ私たちはうまく見るそれすべては標準化された。 のためにの収率、その間ゼロそして100。 私たちはできるとして良い始めるからここ、分布プラットホーム。 それで全ての列はマークされたそして私たちは得るによるのみ1つクリックのために全てのデータ、の配布物。 私たちはできる見るここ何消耗品は使用済みどうやって頻繁それ私たちは持っているほとんどデータから歴史的なプロセスそしてのみいくつかののいくつかの実験と特別設定。
の時間、のコース、見た目うまく配布された、しかしのその他しないでください見てそれ素敵に。 それでそこにははある多くの部屋間いくつかの設定、そしてそのまばらに配布された、非普通配布されたのためにのほとんどパラメーター、そしてそれ作るそれ平もっと挑戦的に分析するこれデータ。 私たちは行くにの次ステップ。 私意思近いこれら報告します。 それから私たちは5月見て平もっとで詳細の上いくつかのもののようにどうやってのパラメーターは相関がある。 私たちはできる見るこれでの多変量プラットホーム。 それニーズいくつかの時間になれ計算された。
あなた意思探すそれここ下の分析メニュー、多変量。 それかかりますの数値列そして生成するこれ相関報告、そしてあなた意思見るそれのパラメーターのようにX6そしてX5は非常に相関がある。 これ作るそれ難しい、のようにX10そしてX9として良い、作るそれ難しいにする特徴エンジニアリング。 何私たちは欲しいに知るからの分析はどれのパラメータ原因いくつかの収率落とす。 もし二パラメーターは相関する、そのないそれで簡単に検出するまたはに探す外どれの1つはの責任者1つ。
ここでの散らばるプロットマトリックス、あなたできる見るとして良いどれのパラメーター変化と時間、のようにX1、 X2、上にX4は絶え間ない以上時間、そしてのその他は変化そしてどうやって彼らはは配布された、そしてあなたできるうまくマークいくつかの行のようにここ。 彼らはは選択されたでのデータテーブルそれからそして見るどうやっての曲線はのためにそれぞれパラメータ以上時間またはどれのパラメータ以上何パラメータ組み合わせ見た目のように。 次、私欲しいに使用の機能的なデータエクスプローラー。
の機能的データエクスプローラー許可します私たちにフィット曲線のためにそれぞれバッチそして抜粋の特徴のそれぞれ曲線。 それから私たちはできる持っているある見てでどれのバッチ振る舞う似ているまたは多分過激もの。 それでの始めるはのようにこれ。私たちはできる持っているある見てでどうやって私始めましたの分析。 私たちは打ち上げ分析。 私置く時間としてのバツパラメータ、収率としての出力パラメータYさんそしてのID関数はのバッチID。 それから私たちは持っているここいくつかの非公式部品のように一部そしてグループ。
これプラットホームは利用可能でJMPプロのみ、そしていつ私たちは始めるそれ、私たちはできるするいくつかのデータ処理ここ。 しかしでこれ場合、そのない必要。私たちはできる持っているある見てでそれぞれバッチ、どうやってそれ見た目。 それでそこにははある多くのグラフここのようにこれ。 私たちはできるマークの行。 私たちはできるここを参照してくださいのマークされた行そしてのデータテーブルとして良い。 に行くの上とこれプラットホーム、私たちは必要に作るいくつかのモデルのようにP スプラインのためにそれぞれバッチそしてJMPするこれそして定義する自体どれのスプラインは使用済みそしてどうやって多くのサポートする機能は必要な、のようにの結び目示されているここ。
それでの最高結果は与えられたとあるキュービックスプラインと20結び目。 あなたできる見るどうやってそれぞれバッチはモデル化されたここによるの赤ライン示されているここそしてどうやってそれ見た目。 私たちは持っているここの形機能。 それでそれぞれ曲線は追加した一緒にによるある組み合わせの形機能、そして私たちは得るのためにそれぞれバッチの係数のためにそれぞれ形関数。もし私たちはは探しているで形関数1… これはの主要行動の全てバッチとある落とすここでその周り0.7。 私たちはできる見るそれここ私たちは持っている成分1.これはある係数のためにの形関数1つ。
もし私たちは選択するこれらバッチ、私たちは意思見るそれ彼らは持っているある発音された形のように形関数1. 私たちはできる見るそれここ。 私たちはできるとして良い使用のプロファイラー。 それでこれはたいていのために理解のデータしかし私たちは持っているない使用済みそれのためにさらに遠く分析なぜなら私たちはしたない本当に必要の情報どうやっての戻るバッチ見た目としてある形のためにそれぞれ曲線。 私たちはだったもっと興味があるで平均収率のそれぞれバッチなぜなら私たちはできない定義するのみに使用の初め一部ののバッチそして忘れるについての2番一部。 これするだろうない仕事で私たちの場合。
として良いに見るまたどうやってこれ作品一緒に、私たちはできる持っているある見てでグラフビルダー。 のグラフのいくつかのバッチ私たちは持っている見たただ前に。 多分あなた見るこれ番号ここ。 私たちは持っている見たそれ前に。 ここそれは示されているまた一緒にとの移動中平均の収率。 次ステップするだろうなれに始めるモデリングののバッチデータ。
いつやってるモデリング、それ5月なれ面白いに見るまたは持っているのアイデアどれのパラメーターはほとんど重要のためにの変動性のの出力。 そこには私たちは持っているの予測子ふるい分けプラットホーム。 あなたできるとして良い始めるそれからここ。 分析そして予測子ふるい分け。 私書きましたそれこことしてある脚本単にに始めるそれによる押すあるボタン。 いつやってるそれで、私たちは意思見るいくつかのブートストラップ森分析行くの上、そしてそれショー私たちの重要性のの特徴私たちは持っているで私たちのデータセット。 時間はのほとんど重要、しかしこれは使い物にならないでの終わりのために私たちなぜなら私たちは必要に使用の満杯バッチ。
T鶏来るX1、それから来る一部X8、 X5、そしてそれでの上。 それでここ私たちはできたとして良い選択するある少し行、コピー彼らそして置く彼らの中へあるモデル。 私意思停止これここ、そしてに見るどれのモデル作品最高、私使用済みモデルふるい分けプラットホーム。 私意思ない走るそれここなぜならそれかかりますいくつかの分。 しかし私たちは持っている見たそれブーストツリープラットフォーム5月実行する良い。 そこにはは多分ないそれである大きい違い間の次もの、しかしそれはの理由なぜ私使用済みブーストツリープラットフォーム。
それから私たちは意思走るブーストされたツリーのようにこれの上のバッチデータ、そしてそれ作品とても素早い。 私たちは意思見るの結果、そしてあるニース特徴ののブーストツリープラットフォームとして良いはそれあなた持っているカラム貢献それでそれあなたできるうまくするいくつかの特徴エンジニアリング。 私たちはできる見るここそれ私たちは持っている71 % R四角のためにトレーニングそして66のために検証、多分わかった、そして私たちは持っているまだ全て特徴で。 しかし私たちはは興味があるたいていでどれの特徴は確実にのほとんど重要もの。
いつやってるこれ、私たちはできる保存それとしてあるカラム、保存予測式でのデータテーブル。私たちは見るでのデータテーブル私たちは持っているある式今そして私たちはできる使用それ。 私たちはできる多分持っているある見てでどうやってのモデル実行しますまたはに使用それでグラフビルダー単にに見るどうやってのモデルデータ見た目のように以上のバッチ成熟。 私希望のグラフビルダーに見せるのグラフのグラフすぐ、そしてここそれ来る。 はい。 私たちは持っている見たそれこれモデリング作品とても良い、それで私たちは持っているある式今に再構築するのデータそして私たちはできる多分仕事とそれ。
しかし特にのためにのバッチデータモデリング、私たちは持っているある問題ここそれ検証意思ない仕事なぜなら私たちは5月持っているここのためにいくつかのバッチ、これら行でトレーニングセットそしての行次にそれで検証セット。 それで彼らははない良い別れたのためにの特徴それコントロールのバッチそれから。 さらに、のモデルはないとても安定した、それで私たちは意思入手する違う結果。 私たちのために違う走るののモデル、これは知られているから木-ベースのメソッドそれ彼らは5月与える違う結果のために高い変動性データ。
もし私たちはする何かのようにランニングブーストされたツリー2回、私たちは得るまた違うカラム貢献そして多分違う注文のように私たちはできる見るここのためにの一部そしてバツ5は切り替えたここのためにこれら二走る、そして私意思見せるそれまたまたここ。 もし私たちは走るブーストされたツリー2回。 やめてください知る。 はい、ここ私すべき持っているの脚本。 それ来る後で。 それででこれポイント、私たちは持っている言ったそれそれ5月なれより良いにモデルの要約したデータなぜなら私たちは必要に使用の満杯バッチ。 ここ私持っているある脚本今に要約するのデータである形状それ私たちは持っているのみ1つ行のためにそれぞれバッチ。
そこにははあるニース特徴統計カラム名前フォーマットそれ私たちは得るの同じ列のためにの要約したデータとして私たちは持っているでのオリジナルテーブルそれ私たちはできる使用の同じスクリプトのために両方。 やってるそれで、私たちは得るここのまとめデータテーブル-私できる近いの脚本-とその周り500バッチ。 そのある多くのより簡単ににモデル、そしてここ私持っている要約したのデータのために0.6に0.8時間。 それでそのどこの収率落とすだった、そして私たちはできるまたするここいくつかの予測子ふるい分けのようにこれそして見るそれ私まだ持っている時間でそれデータセットに見る…
そのもっとのようにに見る何レベルノイズは、そしてそのその周りこれらパラメーターそれはおそらくまたノイズのためにのモデルそれから。 それから私たちはできる、のコース、するいくつかのモデル比較。 それで私選択されたある少しパラメータそれ私たちは見つかったになれ責任者、ほとんどおそらく、そして私はやってる二ブーストされたツリー分析そしてそれからするいくつかのモデル比較のために両方。 それ見た目のようにこれ。 私たちはできる見るここ私たちは得るあるプロファイラーそして比較するの結果のために違う設定、多分のようにこれ。 ここ私たちは持っているまだの問題。 私たちは見るいくつかの特徴のようにこれここのためにX10でこれモデルそしてないでそれモデル。
それでそれおそらくらしいになれノイズ。 での始まり、私たちは持っている議論したある多くについてこれら違い。 私たちは持っている見た時々そして時々ない、そして尋ねたの質問、何は真実、何は物理的な、そして何はない。それ持ってくる自分にのステップそれからそれ私たちは必要に続くと特徴選択、そしてそれはなぜ私たちは作成したこれ脚本。 それかかりますこれまとめデータそしてもっているされた終わりのためにのバッチデータとして良い。
のためにそれぞれステップ、それビルドしますブースト編木モデルのためにの満杯パラメータセット、節約しますのモデルの中への式デポ、そして節約しますのモデルパフォーマンスR四角そしてそれでの中へあるデータテーブル、そしてショー私たちのカラム貢献。 ここ私たちはできる見る何かそれ私たちは持っている見た頻繁それとのより高い番号モデル、それはのモデルと少ないパラメーターのように私たちはできる見るこことのカラム貢献、私たちは持っているの最高結果。 それ見た目違うのためにそれぞれ走る、しかしの傾向私たちは見るでほとんど回。 それでここ私たちはできる見るのためにもっとまたは少ないもちろんそれ一部そしてX1そしてX5はのほとんど重要パラメーター。
これ1つ5月なれそこにはいつかそして多分ない、それで私たちは意思集中の上これら三つパラメーター。 として良い、私たちはできる持っているある見てでの式デポ。 そこには私たちはできる始めるモデル比較。 私たちは多分できる比較するの初めモデル。 それで私たちはするそれのようにこれ、モデル比較。 これは私たちのデータテーブル。 取るの初め番号。 の数字ここはずれたによる1つ、そして多分の5位すべきなれそれ1つ、そしての最後1つ。 これ意思ない仕事。 私考えるその番号三つ、そしての最後1つ。
のものとの最高検証スコアそして多分比較する彼らここ。 私たちは見るのモデル比較ダイアログ。 私たちは見るそれの最後モデルは間の最高モデル私たちはできたフィットで全て、そしてできる見るここのプロファイラー、のために例、そしてとして良い、 5月使用外挿コントロール。 私たちは持っている見たそれ私たちは持っているまばらなデータ、それでない後ろに毎ポイント。 そこにははいくつかのデータ。 しましょう見てどこそれは。 ここそれは。 外挿コントロール警告の上。 それでそれショー私たちいつそこにははいいえデータ間のポイント。
ここ私たちはできる多分比較するのモデルそして私たちは見るここそれそこにははいいえ変動性の上のバツ要因それしていないされた使用済みここ。に和上、しましょう近いいくつかのテーブル初めそしていくつかのダイアログ。 に和上、私たちは持っている準備したあるワークフローのためにモデリングこれデータそして持っている終わりいくつかのステップそして追加脚本に強化する理解そしてにドライブの議論について何ですか重要そして何ですかない。
私持っているある提案のためにあるモデルそしていくつかのタスク私たちはできる集中の上に改善するの年収率の私たちのプロセス、そしてあなた意思探すのデータそしてのプレゼンテーションでのユーザーコミュニティ。 もしあなた持っている他のアイデアどうやってに探検するこれデータセットそしてどうやってに探すの最後の最高モデル、あなたできる接触自分または役職何かの上私の貢献でのでのコミュニティのためにこれ発見サミット。 ありがとうのためにあなたの注意そしてさよなら。 それはそれ、マーティン。
