Hoy nosotros 're yendo a hablar acerca de cómo a usar JMP a hacer delgado película desarrollo
usando plasma -mejorado químico vapor declaración .
Este es a poco diferente , I pensar ,
que alguno de el típico trabajar eso 's hecho en industria ,
dónde él 's a continuamente movido reactor y tú poder siempre mezcla cosas .
A pesar de todo de qué sucede , tú poder siempre medida salidas .
Pero en mejorado con plasma químico vapor declaración ,
él 's en realidad discreto bolsillos de estabilidad eso tú tener a trabajar con .
Incluso aunque nosotros poder colocar arriba un gran parámetro espacio ,
allá poder ser lugares dentro eso parámetro espacio
dónde tú puede no ser capaz a huelga el plasma
o él podría arco porque el fuerza densidad es también alto .
Desde nosotros tener a grande número de declaración parámetros ,
nosotros necesidad a usar a diseño de experimentos
a efectivamente explorar eso parámetro espacio .
Incluso si nosotros 're capaz a huelga el plasma ,
allá son aún asuntos con delgado película uniformidad .
Nosotros 're depositando nanómetro Película (s
con cerca de perfecto uniformidad al otro lado de a 12 -pulgada oblea .
Una vez nosotros conseguir eso , nosotros aún tener a golpear el dirigido película propiedades .
Nosotros 're yendo a hablar acerca de cómo a usar PEVD
a desarrollar nuevo delgado Película (s de nuevo precursores .
El primero cosa nosotros 're yendo a hacer es hablar acerca de Precursor 1 .
De qué I era capaz a leer de el JMP tutoriales ,
el Definitivo Poner en pantalla Diseño es a muy eficaz forma
a pantalla a grande número de principal efectos en el menos número de experimentos .
Eso 's llave a el trabajar eso nosotros hacer.
Nosotros desear a conseguir el bien respuesta en el más corto cantidad de tiempo
con a datos -impulsado acercarse .
Nosotros usado a Definitivo Poner en pantalla GAMA a explorar Siete factores en 26 carreras .
Qué nosotros lo haré hacer es justo abierto arriba eso inicial GAMA .
Este es el configuración nosotros vino para el Definitivo Poner en pantalla GAMA .
Aquí son el Siete diferente factores eran variar para el declaración,
y nuestro producción es yendo a ser este parámetro Y,
y nosotros 're intentando a maximizar él .
Si nosotros mirar en el rango de parámetros para este tipo de PEVD Procesando ,
este es a muy ancho rango de inicial parámetros .
De nuevo , nosotros 're intentando a pantalla para principal efectos ,
y nuestro salidas son rango de, decir , 9-34 , y nuestro base era 21 .
Nosotros hacer ver un mejora allá .
Uno de el cosas eso I siempre como a hacer cuando nosotros hacer a GAMA
es incluir a centro punto reproducir exactamente o a repetir correr
a ver cómo reproducible el instrumento es , como Bueno como a hacer seguro
eso el Estadísticas nosotros generar dentro el diseño son válido .
Estos son el dos centro -punto carreras ,
y tú poder ver nosotros conseguir excelente reproducibilidad .
El otro cosa eso 's en realidad lindo para a nosotros a hacer antes nosotros conseguir en adecuado el modelo
es justo a mirar en el producción variables
y intentar a identificar cualquier tendencias eso nosotros poder ver .
Es allá cualquier cosa nosotros poder identificar rápidamente eso nosotros poder atributo el principal factores a ?
Aquí, allá 's cuatro puntos con a Y valor de mayor que que 30 dentro el GAMA .
Si nosotros seleccionar aquellos puntos ,
él 's lindo a ver si nosotros poder ver cualquier tendencias asociado con estos datos .
Uno de el lo más rápido maneras I encontró a hacer eso es a rápidamente hacer a multivariado análisis ,
y nosotros poder hacer este gráficamente .
Qué nosotros 're yendo a hacer es llevar todo nuestro factores
y entonces nuestro producción variable ,
y nosotros 're yendo a generar a multivariado análisis .
Aquí en este grafico , este es nuestro Y valor .
Tú poder ver como nosotros ir de 10 a 30 ,
el cuatro valores eso son el más alto son resaltado ,
pero el filas son el varios factores .
Aquí nosotros poder ver para helio ,
nosotros tener el más alto valores en el alto y bajo se divide .
Para precursor , nosotros tener el alto y bajo se divide .
Pero para temperatura y presión ,
nosotros tener el más alto valores en el más bajo se divide .
Él 's en realidad , I pensar ,
a bien indicación inicialmente antes nosotros he hecho cualquier modelo adecuado ,
eso temperatura y presión podría ser importante variables para a nosotros a mirar en .
Si nosotros ir atrás a el mesa,
el otro lindo cosa acerca de JMP , él 's muy poderoso porque...
De nuevo , antes nosotros hacer el definitivo poner en pantalla ,
nosotros poder usar a vaticinador poner en pantalla
a identificar qué son el mayoría importante factores .
De nuevo , nosotros usar el estándar análisis , aporte nuestro factores , nuestro respuesta es Y ,
y tú poder ver qué el vaticinador poner en pantalla es narración a nosotros
es , Sí , presión y temperatura son muy importante .
Pero uno cosa eso nosotros lo hizo 't atrapar
en eso multivariado análisis es el precursor fluir .
Estos tres factores , presión , precursor fluir , y temperatura
aparecer a ser dominante en donación a nosotros el más alto valores de Y .
Ahora I buscado a adaptar el modelo porque I pensar
el real fuerza de el GAMA es no el carreras en el mesa ,
pero él 's el respuesta superficie modelo eso tú poder usar
a conseguir predicciones para mejora como Bueno como direcciones a más explorar .
Pero cuando I fue a analizar él , él haría 't trabajar .
Él vueltas afuera nosotros eran solo capaz a completo 25 de el 26 carreras ,
y I era no consciente eso el Definitivo Poner en pantalla GAMA ,
el por defecto análisis haría no trabajar si tú hizo no completo todo de el carreras .
En este punto , I contactado Jed en JMP a ayuda a mí entender
cómo I podría conseguir alguno modelos afuera de este datos
eso nosotros con cuidado recogido encima a período de tiempo .
I lo haré doblar él encima a Jed .
Cuando Factura llamado ,
como él dicho ,
cuando él golpear eso guion eso salvado a el datos mesa
de Adaptar Definitivo Poner en pantalla , nada sucede .
Si tú mirar encima aquí ,
el registro es dicho , allá son carreras eso son no doblar encima centro punto correr ,
y él 's correr 17 , cual es obviamente el correr eso era desaparecido
y podría 't ser terminado en el experimento .
Qué Factura buscado era a forma a aún adaptar eso Definitivo Poner en pantalla modelo .
Nosotros vino arriba con dos diferente enfoques
y tenía tres modelos eso vino acerca de de aquellos dos diferente enfoques .
El primero uno es relacionado a el Definitivo Poner en pantalla .
El diseños de estos tipos de modelos, de estos experimentos,
son siempre doblar -encima pares , dónde allá 's a par de opuestos .
Si nosotros poder encontrar eso doblar -encima par , o el mellizo , I adivinar , de este fila 17 ,
nosotros debería ser capaz a excluir ambos filas
y entonces adaptar el definitivo poner en pantalla diseño .
Nosotros justo necesario a simple forma a hacer eso .
Qué nosotros vino arriba con era básicamente a usar a pareja de atajos .
I 'metro yendo a primero estandarizar el atributos de estos columnas
y cambiar el modelado tipo a ordinal .
Como I hacer este , tú lo haré aviso eso mi capacidad a seleccionar tiene cambió .
Eso ayuda cuando I mirar en a datos filtrar .
Ahora I tener cajas bastante que histogramas , entonces él justo marcas él más rápido a seleccionar .
Qué nosotros necesidad a hacer es encontrar el opuesto fila de este .
I tener este fila 17 seleccionado , y tú ver eso él 's alto , alto , alto ,
bajo , bajo , bajo , y entonces I 'metro afuera de memoria espacio .
I 'metro recordando alto , alto , alto , bajo , bajo , bajo .
I necesidad a encontrar el opuesto de eso ,
cual es yendo a ser bajo , bajo , bajo , alto , alto , alto .
Si I justo venir encima aquí y comenzar laboral mi forma abajo , bajo , bajo , bajo , alto ,
por el tiempo I conseguir a justo cuatro de el carreras
entonces justo más que medio de el factores seleccionado ,
ahora I 'metro abajo a justo uno pareo fila .
Él justo entonces sucede eso el muy próximo correr era el doblar par en este experimento .
Nosotros poder seleccionar ambos de aquellos carreras , excluir a ellos ,
y entonces ir atrás en dentro el columna propiedades
y cambiar eso modelado tipo atrás a continuo .
Ahora cuando nosotros golpear eso Definitivo Poner en pantalla botón ,
él obras .
Nosotros poder correr eso modelo y ver eso él 's prediciendo equitativamente Bueno .
Nosotros poder ver el perfilador , pero nosotros también eran en realidad consciente
eso uno de el carreras afuera de 26 , eso 's casi 4 %.
Nosotros 're lanzamiento lejos apenas 4 % de el información por Excluyendo este .
Qué nosotros 'd en realidad como a hacer es no tirar eso información lejos ,
encontrar a forma a usar eso .
Nosotros usado el Proyección de modelos plataforma en JMP Pro a correr a racimo de modelos
y entonces seleccionar el mejor .
El dos eso vino afuera el mejor eran a Neural y Paso a paso modelo ,
y I poder caminar a través de aquellos en realidad rápidamente .
El Neural modelo era con nuestro respuesta y nuestro factores .
Desde este era a GAMA , nosotros 're yendo a hacer el mínimo aguantar ,
y I 'metro justo yendo a elegir a aleatorio semilla entonces este es repetible .
El Proyección de modelos plataforma generalmente sugiere acerca de 20 aumenta .
Si I golpear Ir aquí , I conseguir a bonito bien R Plaza al otro lado de este.
Tal vez I podría intentar a melodía este modelo por añadiendo alguno más parámetros ,
pero cuando I hacer , I poder ver eso R cuadrado es no en realidad cambiando .
I don 't pensar I desear a agregar más parámetros
y riesgo sobreajuste el modelo .
Eso era uno extra forma a hacer él .
Entonces el segundo modelo eso presentado arriba fácilmente para a nosotros
usando el Proyección de modelos plataforma era a hacer Paso a paso .
El forma nosotros hizo eso era nosotros poner nuestro producción aquí
y entonces usar el atajo a hacer a respuesta superficie .
Eso incluye todo principal factores ,
todo al cuadrado términos , y todo dos -forma interacciones .
Entonces si nosotros cambiar este a Paso a paso aquí , nosotros poder golpear el Correr botón y Ir .
Ahora JMP es yendo a ingresar y salida todo
hasta él encuentra el modelo eso encaja el mejor .
Nosotros poder ir adelante y correr eso .
Ahora nosotros tener tres modelos eso nosotros desear a comparar .
Qué I 'metro yendo a hacer es I 'metro yendo a llevar este primero modelo y ahorrar .
I 'metro yendo a publicar eso predicción fórmula
a el Fórmula deposito .
I 'metro yendo a dar él a en realidad rápido nombre , y nosotros voluntad llamar este DSD .
Lo que , I poder 't tipo .
Nosotros lo haré llamar él DSD , y entonces cerca él .
Nosotros lo haré hacer este con el Neural como Bueno .
Nosotros voluntad publicar eso predicción fórmula ,
dar él a nombre ,
y hacer el mismo con este final modelo
dónde nosotros voluntad publicar eso predicción fórmula .
Este último uno era , nosotros llamado él Paso a paso .
Ahora I tener estos tres modelos y I poder comparar a ellos .
Nosotros poder correr el Modelo Comparación plataforma para todo tres de a ellos
de dentro el Fórmula Deposito.
Nosotros poder conseguir a rango de el Rcuadrados de aquellos modelos .
Nosotros poder mirar en el actual versus predicho ,
y nosotros poder ver eso ellos 're todo prediciendo acerca de el mismo .
Nosotros poder también mirar en el predicho por fila ,
y nosotros poder ver este uno punto de el Definitivo Poner en pantalla Diseño
es el uno eso era izquierda afuera cuando nosotros adaptar el original Definitivo Poner en pantalla Diseño .
Él parece a ser importante , y probablemente mayoría en tono rimbombante ,
nosotros poder mirar en a perfilador para todo de estos contra cada otro .
Si I doblar apagado el atractivo , nosotros poder ver cómo estos modelos comparar a cada otro .
Para ejemplo , nosotros poder mirar en eso Definitivo Poner en pantalla Diseño
y ver eso él 's demostración alguno curvatura dónde el otro dos modelos son no .
Tal vez nosotros poder mirar y ver encima aquí
eso el curvatura es diferente para cada de aquellos .
Entonces el pregunta se convierte , cual modelo es mejor y cómo hacer I saber ?
Entonces eso trae a nosotros atrás a Factura .
Gracias , Jed .
Dejar a mí compartir mi pantalla .
Poder tú ver mi pantalla ?
Sí .
I 'metro yendo a justo ...
Jed salvado todo eso a el Fórmula Deposito, asique 'metro justo yendo a ejecutar el guion
eso voluntad llevar a nosotros a el Fórmula deposito eso él 's ya salvado .
De nuevo , nosotros lo haré entonces justo ir bien a el perfilador .
Nosotros 're yendo a adaptar todo tres de estos .
Entonces nosotros tener el perfilador .
Este es qué el real fuerza , I pensar , de el GAMA es,
porque el Perfilador de predicción , nosotros poder optimizar y maximizar el atractivo .
El respuesta superficie modelos voluntad decir a nosotros qué combinación de factores nosotros necesidad
a conseguir el más alto elástico o más alto valor de el producción parámetro .
Qué era en realidad ojo -apertura para a mí es si tú mirar en el valores eso nosotros conseguir
cuando nosotros hacer este mejoramiento , dos de el predicciones ,
el Neural neto y el Definitivo Poner en pantalla GAMA,
son donación a nosotros valores de el Y parámetro
eso son mayor que que cualquier cosa nosotros sierra en nuestro inicial datos mesa .
Nosotros tenía a máximo valor de 34 .
Dejar 's ver.
I 'metro Lo siento , I justo consiguió a conseguir eso pantalla atrás .
Típicamente , él 's muy inusual para a mí a ver este con el GAMA .
Típicamente , el modelo , si tú maximizar él ,
es generalmente cerca a qué tú ver como en el mesa .
Pero en este caso , él aspecto como nosotros en realidad tener alguno bajo -colgante fruta .
Nosotros necesario a prueba este combinación de parámetros
y en realidad ver si eso predicción era válido o no .
Si nosotros ir atrás a nuestro JMP diario...
I justo desear a espectáculo tú qué sucedió .
Nosotros tomó , I pensar este es el predicción de uno de el Neural red encaja .
De nuevo , el más alto valor en el Definitivo Poner en pantalla GAMA era 34 .
El modelo predicción era 42 , pero cuando nosotros de hecho corrió él ,
nosotros sierra alguno artefactos en el película eso eran no aceptable .
El plasma sí mismo era estable .
Allá era No forma a ver este hasta el oblea vino afuera de el reactor .
Pero tu poder ver allá 's a diana patrón ,
cual es pendiente a película no -uniformidad .
En este caso , él 's muy grueso en el medio y delgado en el borde ,
cual da a nosotros este diana patrón .
Entonces si tú mirar con cuidado ,
tú poder ver todo estos pequeño puntos encima el oblea ,
cual son de hecho el agujeros bajo el alcachofa de la ducha .
El alcachofa de la ducha tiene miles de pequeño agujeros dónde el gas llega afuera .
En este caso , nosotros tener a ducha cabeza patrón y a diana .
I pensar el modelo es narración a nosotros qué dirección a ir .
Pero otra vez , plasmas son desafiante a usar .
Incluso aunque el modelo era narración a nosotros
este película debería tener el más alto valor de Y ,
el película sí mismo era inaceptable .
Entonces nosotros tener a confiar en nuestro proceso y teórico conocimiento de el proceso .
Nosotros saber eso argón tiene a más bajo energía de ionización,
y si nosotros sustituto argón para helio y el plasma ,
nosotros poder conseguir a más alto plasma densidad ,
cual puede ayuda a nosotros superar estos desafíos .
Qué nosotros hizo es cambiar a argón , y tú poder ver ,
a pesar de el película es no perfecto , él 's mucho más uniforme
y ciertamente bien suficiente para a nosotros a conseguir el físico propiedades
de el película eso nosotros poder usar .
En este caso , nosotros eran capaz a golpear a Y valor de 46 ,
cual de nuevo , es mucho mayor que que 34 .
Nosotros 're ciertamente tendencias en el bien dirección .
Qué nosotros en realidad buscado a hacer es ,
son allá cualquier oportunidades para a nosotros a más mejorar el película ?
De nuevo , eso 's dónde el Perfilador de predicción
o el respuesta superficie modelos son muy poderoso .
Si nosotros justo mirar en el tendencias eso nosotros ver aquí...
I 'metro justo yendo a explotar estos arriba
entonces nosotros poder ver a ellos a pequeño poco mejor para cada de estos casos .
El datos es en realidad narración a nosotros,
en cierto casos , allá 's cosas eso nosotros en realidad desear a investigar .
Más bajo temperaturas
mirar como él 's definitivamente favoreciendo el más alto valor de Y ,
presión aparece a ser a llave parámetro ,
y bajo -frecuencia fuerza para este inicial GAMA
aspecto como en dos casos ,
tú desear a ir a más alto bajo -frecuencia fuerza .
El Paso a paso es donación a nosotros el opuesto .
Pero tu poder ver eso este es en realidad a Plano
para a nosotros a hacer un adicional diseño a ver cómo lejos nosotros poder empujar él .
Poder nosotros ir a más bajo fluir tarifas, poder nosotros ir a más bajo temperaturas,
poder nosotros ir a más bajo presiones y más mejorar el película propiedades ?
Él 's en realidad secuencial aprendiendo ,
y eso para a mí , es el real fuerza de el GAMA .
Nosotros don 't en realidad tener tiempo a ir a través de todo de eso ,
pero qué I hizo es poner juntos a nuevo JMP mesa con el resultados
de nuestro secuencial aprendiendo para este colocar de experimentos .
Aquí es el mismo datos nosotros sierra en el Definitivo Poner en pantalla GAMA .
Aquí son nuestro Y valores , y nosotros 're rango de 9 a 34 .
El diferente colores son el diferente GAMA .
Aquí 's el próximo GAMA eso nosotros hizo .
Qué tú poder ver es basado en el tendencias en el Predicción perfilador
y el respuesta superficie modelos ,
nosotros fijado el bajo -frecuencia fuerza en el más alto configuración nosotros podría .
Él vueltas afuera físico limitaciones para este plasma química prevenido a nosotros
de añadiendo cualquier más que 20 % bajo -frecuencia fuerza .
Nosotros también fijado el temperatura .
Nosotros poder 't funcionar para este química abajo 200 .
Nosotros saber eso más bajo temperatura dio a nosotros el más alto valor ,
entonces nosotros fijado estos dos
y entonces hizo a cinco -factor GAMA enfoque en más bajo precursor fluye ,
varios espaciamientos , el más alto potestades , y ciertamente el más bajo presiones ,
cual era indicado como uno de el mayoría importante parámetros .
Si tú mirar en el Y valores aquí ,
tú poder ver nosotros 're definitivamente tendencias en el bien dirección .
Ahora nosotros 're yendo de medio 20 años arriba a 56 .
Nosotros 're ciertamente arriba el 46 nosotros sierra allá .
Entonces nosotros hizo el mismo aprendiendo .
De nuevo , el Perfilador de predicción indicado qué parámetros nosotros debería explorar .
Nosotros hizo otro GAMA .
En este caso , nosotros fijado diferente parámetros ,
pero tú poder ver eso el tendencia es el mismo .
Ahora nosotros 're golpeando arriba a 66 en términos de nuestro Y valor ,
y nosotros hizo uno final experimento ,
y en este caso tú poder ver básicamente el suma de todo el conocimiento
eso nosotros ganado .
Él transformado afuera cuando nosotros cambiado a argón , tú podría agregar más bajo -frecuencia fuerza .
Tú podría ir de cero a 40 %.
En nuestro final análisis , este GAMA presentado eso a diferencia de el primero GAMA ,
después nosotros afinado todo y cambiado gases ,
el bajo -frecuencia fuerza no tenía estadístico impacto en el Y valor .
Nosotros colocar eso a cero .
Nosotros encontró afuera el más bajo espaciado era el mayoría importante .
Nuestro dulce lugar para presión era 2 .3 torre ,
y nosotros hizo desear a funcionar en el más bajo temperatura .
En realidad nosotros tenía a tres -factor GAMA entre total fuerza , precursor fluir ,
y argón dilución a en realidad marcar en el Película (s ,
y nosotros podría golpear a máximo valor de 84 .
I resumido todo eso en a caja trama aquí , cual I pensar en realidad muestra
el capacidad de el GAMA y secuencial aprendiendo ,
dónde nosotros comenzó afuera con a Siete -factor Definitivo Poner en pantalla GAMA con 26 carreras
y terminó arriba con a tres -factor I -óptimo diseño con dieciséis carreras ,
pero tú poder ver nuestro continuado mejora .
Este era nuestro referencia objetivo , entonces nosotros aún tener más trabajar a hacer .
Pero esto es a muy poderoso forma para a nosotros a pantalla Siete factores
con tres -nivel diseños en a muy corto período de tiempo .
I hacer pensar él 's vale la pena justo a punto afuera
cómo eficiente estos nuevo moderno GAMA s son .
Si nosotros miró en qué nosotros 're en realidad haciendo ,
nosotros tener Siete factores eso nosotros comenzó con .
Todo de estos son tres -nivel diseños .
Para a tres -nivel , Siete -factor diseño , eso haría ser encima 2 ,100 carreras .
Nosotros podría correr 90 afuera de el experimental diseños
y lograr este aumentar en el Y valor .
I pensar estos moderno diseños ,
el óptimo diseños conjunto con el Definitivo Poner en pantalla GAMA s
son un muy poderoso herramienta para a nosotros a conseguir el mayoría valor
con el menos número de experimentos .
El final cosa I desear a tocar en
es cuando nosotros cambiado a a diferente precursor .
Este es en realidad a diferente desafío nosotros enfrentado .
El meta aquí era a evaluar diferente precursores
a comparar cómo él apilados arriba contra el inicial base película .
Qué nosotros intentó a hacer es usar todo de nuestro aprendiendo de aquellos cuatro Hace
y convertirse incluso más eficiente.
En cambio de 90 carreras, poder nosotros hacer este en 52 carreras ?
Con Jed 's ayuda , nosotros poner juntos un ocho -factor A -óptimo diseño ,
pero qué nosotros encontró es eso el química era espantosamente diferente .
Todo de el parámetro espacio eso nosotros podría funcionar fácilmente con Precursor 1
era no el caso aquí .
En hecho , I poner juntos a deslizar a espectáculo tú
cómo malo alguno de estos Película (s podría mirar , entonces nosotros podría conseguir perfecto Película (s .
Tú 'd ser duro -presionado a decir allá 's a película .
Este es a nanómetro -grueso película ,
borde a borde en a 12 -pulgada silicio oblea , perfectamente uniforme .
Entonces nosotros haría tener Película (s eso mirar como este .
Obviamente , eso 's no a diseño eso nosotros buscado .
Pero el desafío eso nosotros enfrentado era , nosotros 're haciendo un ocho -factor GAMA ,
y nosotros 're intentando a hacer este rápidamente y eficientemente ,
y 30 % de el carreras fallido .
I 'metro mirando en a mesa con ocho diferente factores .
Cómo hacer I elegir afuera el factores eso son contribuyendo a este ?
Qué nosotros hizo es nosotros creado a mesa para nuestro ocho aporte factores
y entonces identificado todo de el Película (s
eso tenía delaminación , arco , o otro asuntos ,
y entonces creado a métrico , justo a película métrico, aprobar o fallar .
Él vueltas afuera nosotros poder adaptar este categórico variable
y ver si nosotros poder conseguir a modelo eso voluntad ayuda a nosotros entender
qué es en realidad causando estos asuntos a través de todo estos Película (s .
El primero cosa nosotros poder hacer rápidamente
es de nuevo ir a nuestro Plataforma de detección de modelos,
Vaticinador Poner en pantalla ,
y conseguir a manejar en qué factor , si cualquier , es en realidad controlador película calidad .
Si nosotros mirar en este , él 's bonito claro y él 's impactante,
porque este era no el caso con Precursor 1 .
El fluir tasa de el precursor era por lejos y lejos
el mayoría dominante factor impactando película calidad .
Pero que nosotros necesario a correr estos experimentos
es no justo conocimiento este factor ,
pero qué valor poder nosotros sin peligro correr a generar calidad Película (s.
Eso 's dónde nosotros hizo el Neural neto .
De nuevo , nosotros lo haré ir en Profético Modelado, Neural neto,
nosotros lo haré llevar nuestro factores ,
y nosotros 're yendo a adaptar película calidad como a categórico variable .
I 'metro yendo a ir a impulsando de 20 , como Jed mencionado .
Eso 's típicamente qué el Proyección de modelos llega arriba con ,
y nosotros lo haré generar nuestro modelo ,
y tú poder ver nosotros conseguir excelente R Plaza valores .
Este es a categórico modelo .
I creer eso mirando en el República de China curva
proporciona conocimiento en cómo Bueno el modelo encaja .
Si el curva es a lo largo de este diagonal , él 's justo básicamente a adivinar .
Este aspecto como a medio cuadrado ola .
Estos son básicamente perfecto encaja en el República de China curva .
Entonces el pregunta es , cómo poder nosotros utilizar eso datos ?
El lindo cosa acerca de el Neural neto es eso tú tener a Perfilador categórico.
I poder ejecutar el Perfilador categórico ,
y ahora I colocar este arriba dónde sabemos nosotros desear a funcionar en más bajo presiones .
Nosotros saber de el anterior trabajar nosotros desear a funcionar en más bajo espaciamientos .
Nosotros desear a ir a el más bajo posible temperatura.
Nosotros lo haré justo colocar este en el medio .
Entonces básicamente nosotros tener este perfilador eso dice a nosotros
el primario factor conmovedor este es en realidad el argón fluir tasa .
Si nosotros poder mantener nuestro fluir tasa abajo 400 sccms ,
nosotros poder tener a 100 % éxito tasa
para el Película (s eso nosotros 're intentando a optimizar .
Con este , nosotros colocar arriba a nuevo GAMA ,
limitando el total fluir tasa a 400 sccms .
Nosotros lo haré ir atrás a nuestro JMP diario .
Nosotros eran capaz a venir arriba con a nuevo diseño
y completo 41 de el 42 carreras , y nosotros 're aún ejecutando eso estudiar .
Pero justo muestra cómo poderoso
el Neural red es para a categórico variable
dónde nosotros poder hacer este en un tarde,
dónde en uno oh 'reloj nosotros encontró estos Película (s estaban 't laboral .
Tres horas más tarde , nosotros tenía a modelo eso dijo a nosotros cómo a colocar arriba a nuevo diseño
y nosotros eran ejecutando eso más tarde eso día .
I pensar eso 's el material nosotros buscado a cubrir .
