En GE Aerospace, desarrollamos modelos predictivos para optimizar el uso de los motores de aeronaves en relación con el coste de su mantenimiento. Estos modelos pueden aplicarse a numerosas familias de motores con múltiples combinaciones de configuración de hardware. Para complicar aún más las cosas, aplicamos una gran variedad de etiquetas a diversos grupos o flotas de motores (por ejemplo, aerolínea, región, etc.).
Los gráficos paralelos ofrecen una forma relativamente sencilla de visualizar y gestionar la aplicabilidad de estos modelos a números de serie de motores específicos, según su configuración y agrupación. Como métrica adicional del modelo, esta gestión visual ayuda a priorizar las actualizaciones y el ajuste de modelos individuales en función del impacto.
Muy bien. Hola. Bienvenidos a mi charla. Me llamo Lee Becker. Soy ingeniero principal de análisis en GE Aerospace. Trabajo en el departamento de ciencia de datos. Esta charla tratará sobre un hallazgo interesante que descubrí recientemente en JMP: una herramienta gráfica útil para la exploración de datos.
Puede leer mi resumen aquí. También está publicado en el sitio web. En GE Aerospace, desarrollamos modelos predictivos para optimizar el uso de los motores de aeronaves en relación con el coste de su mantenimiento. Estos modelos pueden aplicarse a muchas familias de motores con múltiples combinaciones de configuración de hardware. Para complicar aún más las cosas, aplicamos una gran variedad de etiquetas a diversos grupos o flotas de motores, como la región de la aerolínea, etc.
Los gráficos paralelos ofrecen una forma relativamente sencilla de visualizar y gestionar la aplicabilidad de estos modelos a números de serie de motores o activos específicos, según su configuración y agrupación. Como métrica adicional del modelo, esta gestión visual ayuda a priorizar las actualizaciones y el ajuste de dichos modelos según su impacto.
Dicho esto, empezaré. Mi primer punto aquí es mi experiencia: llevo 23 años en GE Aerospace desempeñando diversos roles de ingeniería. La mayoría relacionados con datos de vuelo, especialmente con el análisis de tendencias y la gestión de los datos que provienen de nuestros activos. Como ya he dicho, gestionar el tiempo en vuelo e intentar equilibrarlo con el coste de mantenimiento.
Actualmente, mi puesto es el de Ingeniero Principal de Análisis en una organización llamada Data Science & Analytics. Soy ingeniero. No me dedico a la ciencia de datos, así que siempre me hacen esa salvedad al explicar cuál es mi función. Soy un aprendiz visual. Me apasiona la visualización de datos. La última salvedad es que cuando doy charlas externas, tengo que inventar información. Todos los datos se han enmascarado para proteger a algunos de nuestros clientes, pero se basan en casos reales.
Como mencioné en el resumen, en GE Aerospace desarrollamos muchos modelos predictivos. Estos modelos suelen ser muy específicos para grupos de activos según su configuración. En este contexto, la configuración puede referirse a aspectos como la familia de motores. Tengo un avión regional pequeño o grandes vuelos internacionales intercontinentales que requieren el apoyo de motores mucho más grandes y potentes.
Módulo significa: tengo un ventilador, un compresor, una cámara de combustión, una turbina: aspirar, apretar, golpear, soplar. Esa es la configuración general de un motor de turbina. Pero estos componentes del motor pueden tener diferentes antigüedades o configuraciones de hardware. Los modelos que construimos necesitan saberlo.
Los clientes de las aerolíneas se comportan de forma diferente en sus prácticas de vuelo, pero también en sus lugares de operación. Hay diversos efectos regionales, estructuras de rutas y otras dimensiones que deben considerarse. Intentamos predecir la vida útil de las alas o los motores y gestionar esos grupos de activos. El gráfico que tengo, y otra advertencia que quiero mencionar, es que todos los gráficos que he creado aquí los he creado a través de varias plataformas en JMP.
Tal vez puedas hablar conmigo después, si estás interesado en intentar reproducir algunos de estos mapas o incluso volver al gráfico simple de... Es un mapa de calor de la sección transversal de un motor, muy caricaturesco, pero al menos la coloración y el bloqueo de estos elementos del mapa se hicieron en JMP.
Volviendo al tema. En resumen, la cosa se complica al intentar gestionar todas estas dimensiones. Al crear modelos predictivos, se tienen en cuenta todas estas consideraciones como posibles ejes para intentar separar las flotas y mantenerlas unidas. Pero la cuestión es que estos activos se actualizarán. Cambiarán de configuración con el tiempo.
La gestión de modelos se convierte en un elemento para comprender qué hardware se encuentra en cada activo en un momento dado. Al intentar gestionar, por ejemplo, "Esta flota en particular tenía 75 motores con esta configuración de compresor", el año pasado tuve 100 con la misma configuración, de los cuales 25 se han actualizado o cambiado a otra. Hablaré de algunos de esos gráficos más adelante.
Pero ahora abordaremos el ejemplo específico que he creado para esta charla. Imaginemos que estamos rastreando cinco aerolíneas, cada una con dos tipos de motor diferentes. Cada motor tiene cuatro componentes: ventilador, compresor, cámara de combustión y turbina. Cada uno de estos componentes puede tener múltiples modelos o configuraciones dentro de la flota que se intenta gestionar.
Realmente se vuelve muy complejo intentar comprender qué activos tienen qué configuraciones en un momento dado. Al empezar a explorar, ¿cómo se ven estas distribuciones? Creo que la primera idea es que probablemente solo empezaré a graficar. Entendamos cómo se ven realmente estas distribuciones. Si estoy empezando y busco una visión inicial de algunos histogramas, distribuciones muy básicas.
Probablemente, mi primera reacción sea utilizar los gráficos de encabezado aquí arriba. Si no sabías que esta función existía en las versiones más recientes de JMP, pruébala. Esto te dará histogramas muy simples. Todos mis datos son categóricos, así que no es difícil observar las distribuciones continuas y detectar un montón de valores atípicos. Pero es bastante fácil y directo analizar los datos categóricos de esta manera y empezar a analizar algunas de las relaciones.
Creo que el siguiente instinto probablemente sea: adelante... Aprovechemos la plataforma de distribuciones, que, repito, es bastante sencilla. Se obtienen estadísticas un poco más descriptivas para los casos en que se trabaja con datos continuos, por lo que se obtiene más información aquí en las frecuencias y las estadísticas. Las he ocultado aquí solo para simplificar.
Una tercera opción, quizás un poco arriesgada y algo en lo que quizás no hayas pensado, o ni siquiera hayas querido considerar, es construir un gráfico de contingencia para cada una de estas combinaciones de pares de entradas o pares de ejes. Lo he hecho aquí para ilustrarlo; sí, es difícil de ver. Conozco a gente a la que le gusta visualizar los datos de esta manera, pero al trabajar con múltiples dimensiones, suele ser difícil comprender lo que realmente ocurre.
Otro comentario que haré es que, incluso dentro de JMP, hay muchas maneras diferentes de explorar. Normalmente hay dos o tres maneras diferentes de hacer casi todo lo que intentas hacer dentro de un JMP. La interactividad es una gran ventaja, especialmente al explorar. Si selecciono una de las cinco aerolíneas en la distribución de mi aerolínea, puedo empezar a ver qué tipo de motor, qué configuración de ventilador y qué configuración de compresor.
Puedo ver cómo cambian esas distribuciones en el resaltado al seleccionar las diferentes barras dentro de ellas. En la tabla de datos subyacente, también puedo ver cómo cambian los registros como resultado de esas selecciones. Puedes usar estas herramientas visuales para facilitar la selección en cualquiera de las plataformas que tengas abiertas, incluida la tabla de datos. Hay muchísima interactividad. Pero, como mencioné antes, cuanto mayor sea la dimensionalidad, más difícil será comprenderlo.
Me ha interesado mucho encontrar nuevas formas creativas de visualizar estos datos. Me topé con este método: la gráfica paralela. Si doy un paso atrás, describo qué es una gráfica paralela e intento darles algunos antecedentes e introducción sobre cómo se puede usar. Ese será el objetivo de los próximos minutos de esta charla.
A un nivel muy alto, el gráfico paralelo es una herramienta de visualización para mostrar datos multivariados, como el que tenemos aquí, donde cada eje representa una variable diferente y los ejes se colocan paralelos entre sí en lugar de cruzarse. Los puntos de datos se representan como líneas que intersecan cada eje en el valor correspondiente a esa variable, lo que permite visualizar patrones, correlaciones y valores atípicos en múltiples dimensiones. Resulta especialmente útil para analizar datos de alta dimensión, ayudando a identificar relaciones, tendencias y conglomerados dentro del conjunto de datos.
Si genero mucho de eso aquí, podemos empezar a ver de nuevo cómo parte de esa interactividad dentro de JMP es muy eficaz para comprender dónde se encuentran algunas de esas relaciones. Ahora ya no tengo que depender de múltiples gráficos para ver cómo se relacionan entre sí dentro, por ejemplo, de la plataforma de distribuciones. Puedo ver todas esas relaciones a la vez a medida que fluyen por estas líneas de cinta.
Obtendrás diferentes vistas según si tus datos son continuos o categóricos, y mostraré algunos ejemplos más adelante. Pero esto es la idea general de lo que he descubierto, y he descubierto un valor muy significativo al graficar los datos de esta manera y utilizar gráficos paralelos para la exploración. Con esto, un tutorial rápido sobre cómo crear un gráfico paralelo de la forma que prefiero.
Si acceden al Constructor de Gráficos, volvamos a empezar con nuestra tabla de datos. Si accedo al Constructor de Gráficos (este icono), o pueden acceder desde Gráficos y Constructor de Gráficos. Paso 2: seleccionen todas las columnas que desean graficar a la vez. Arrástrenlas todas hacia el eje X. Luego, presionen el botón mágico para generar el gráfico paralelo [inaudible 00:13:00]. Aún no hemos terminado. Quiero... Primero, les presento otra técnica que quizás no conozcan de JMP.
Quiero que las cosas tengan prácticamente el mismo tamaño y forma siempre. Puedo usar esto: hacer clic derecho, copiar la configuración del marco y pegar aquí, editar, pegar, configuración del marco, y así todo se ve del mismo tamaño, rectangular, en el gráfico. Es solo una preferencia personal, pero quizás no sabías que existía.
El último comentario que hice en mis instrucciones es que coloreemos esto de alguna manera. En mi ejemplo anterior, coloreé la aerolínea. Simplemente arrastre el parámetro de la aerolínea aquí, a la zona de colocación de la aerolínea o a la zona de colocación de color, y listo, pero no del todo. Otra pequeña molestia mía es cuando la gente no dice que ha terminado, pero cuando lo ha hecho, ahí está.
Siempre haz clic en el botón Listo cuando estés en el Constructor de Gráficos, y listo. Así es como generé este gráfico para la charla de hoy. Me tomó… no sé, dos o tres minutos explicarlo, pero literalmente toma segundos crear una ayuda visual muy rápida para ayudarte a explorar tus datos de una manera muy diferente, probablemente muy distinta a la que conocías antes. Se trata simplemente de distribuciones simples y de intentar usar la interactividad de JMP para guiarte a través de todo eso.
También quería hablar brevemente sobre algunas funciones avanzadas de personalización. Ya les mostré la función de color. Es bastante útil en muchos casos, pero cuando uso el color solo para aerolíneas y esta ya está representada en el gráfico, quizá no sea tan útil. Puedo trazar algunas de estas cintas a través de los distintos ejes sin que el color me beneficie demasiado.
Pero algo que puedes intentar para simplificar la vista es usar la coloración en un parámetro que no estés representando en el gráfico. Tengo un ejemplo aquí, donde eliminé el tipo de motor del gráfico. Hay una X menos en la parte inferior. Pero he optado por usar esa coloración. He optado por usar ese parámetro como coloración para facilitar mi análisis.
Para hacerlo, si vuelvo a activar el panel de control, elimino el tipo de motor de la lista. Saco el color de la bandeja de colores (nuestra zona de colocación) y lo pongo en [inaudible 00:16:12]. Es básicamente lo mismo. Probablemente dejaré de explicarles cada ejemplo de ese modo. Simplemente les mostraré diferentes maneras de ver los datos y observar el gráfico paralelo usando la coloración para facilitar la exploración y la selección múltiple de los datos a medida que los exploran.
Volvamos a mi ejemplo 2. Aquí hay un ejemplo donde tengo... Solo he trazado tres ejes ahora, y he coloreado la configuración de mi ventilador, ya sea que tenga un aspa de ventilador 2D o un aspa de ventilador 3D, y puedo ver que todas mis aspas de ventilador 2D son azules, y todas esas aspas de ventilador 2D se asignan a mi configuración de turbina V1 heredada, donde puede que haya podido o no deducir eso con solo mirar el gráfico paralelo más amplio, entendiendo que, realmente, es una relación uno a uno.
De nuevo, otra técnica que puedes intentar para simplificar la vista. El uso del color como herramienta para explorar las dimensiones de los datos es útil. Otra ventaja es que puedes ver estos casos donde tengo partes de la población claramente rojas o claramente azules más allá de uno de estos ejes, con tonos morados a la izquierda. A veces, si tu conjunto de datos es muy binario, con tendencia a uno u otro, es fácil de ver.
De nuevo, podría eliminar una de estas variables y la estratificación de azul versus rojo, y basarme en el tono de morado para definir qué tan lejos estoy de uno de esos extremos dentro de la población. Basándome solo en la pista visual de ese tono de morado, o soy muy azul o muy rojo, o generalmente estoy en un punto intermedio.
Otra técnica que podrías probar. Los filtros de datos locales también son muy útiles para explorar las diversas permutaciones del conjunto de datos y su configuración. Nuestro filtro de datos locales está aquí. Puedes configurar un filtro de datos locales para cualquiera de las variables de tu conjunto de datos, no solo para las que has graficado. Procedamos a ello. Esta vista es básicamente la misma que la que tenía antes.
Pero el objetivo de hacer las cosas de esta manera y usar el filtro de datos locales para explorar es que ahora puedo usarlo para seleccionar entre los diversos valores de subflota o subgrupos dentro del conjunto de datos. Si solo quiero ver Air America y ver cómo se representa en los otros ejes, puedo hacerlo fácilmente aquí en lugar de intentar solo mirar... Si selecciono esto e intento interpretar lo que está sucediendo en el contexto de todo lo demás. O puedo optar por mirar solo esa flota en particular. O podría hacer lo mismo para uno de mis otros ejes y solo mirar cierta configuración de ventilador y ver cómo se muestran.
Es simplemente otra forma de explorar y seleccionar con mayor precisión los datos que se intentan consultar. Último ejemplo de filtro de datos locales. Este fue... Bien, este es un ejemplo que preparé para complementar lo que mencioné antes, el elemento temporal del comportamiento de estos datos. Esta vista de 2024 debería ser exactamente igual al conjunto de datos que he mencionado hasta ahora. Anteriormente, tenía un historial con estas flotas de activos o motores, y todos han experimentado cambios en las permutaciones de configuración a lo largo del tiempo. Eso es lo que intento mostrar o describir aquí y visualizar esas permutaciones o cambios a lo largo del tiempo.
Tengo otra dimensión aquí que no he representado gráficamente hasta ahora. Pero esa dimensión es el elemento tiempo. Como ejemplo, me interesa saber cómo la subflota de CM5-5 ha disminuido potencialmente con el tiempo a medida que se producen los retiros. Puedo ampliar la imagen al máximo, ver el superconjunto completo de datos y seleccionar esa subflota o, en mi caso, ese grupo de motores.
Ahora puedo iterar a través de los años y decir: "Bien, en 2020, parece que cada cliente tenía al menos algunos. Luego, en 2021, un par de estos clientes se retiraron. En 2022, parece que solo tengo cuatro". Air America se deshizo de todos los suyos entre 2021 y 2022. Ahora, solo dos clientes tienen ese tipo de activos. En el último año, se puede ver cómo la flota está significativamente reducida hasta ese momento.
Otra técnica útil que intentaré ilustrar es este método de analizar las cosas a lo largo del tiempo. En algún momento, tuve una configuración de compresor muy antigua. Volviendo al superconjunto de todos los datos para usar como herramienta de selección, volviendo a la tabla de datos subyacente y hablando de esos activos en el pasado, la forma de hacerlo es seleccionar el número de activo, ir a la selección de filas y seleccionar Celdas coincidentes.
Esto selecciona los activos que alguna vez tuvieron una configuración muy antigua y su ubicación actual. Luego, nos guía a través de ese ejemplo. Ahora tengo, aunque aún no está del todo completo, la visualización. Tengo la selección de todos los activos que no solo están actualmente, sino que alguna vez tuvieron una configuración muy antigua.
Ahora puedo guiarlos a través del tiempo y ver dónde estaban en 2020. Puedo verlos en 2021. Cómo están cambiando en 2022. Parece que algunos ya se han actualizado. Pero verán el gran cambio aquí entre dónde estaban en esta configuración tan antigua y 2024.
Todos se actualizaron a... Muchos se actualizaron a esta nueva configuración. La diferencia entre este gráfico y este podría no haber sido evidente en ese nivel de superconjunto. Pero, de nuevo, esa es otra técnica que puedes usar para explorar datos. Observar una dimensión o una X (una variable que no has representado en el eje X) usando color y un filtro de datos local te ayudará a explorar y seleccionar datos.
Creo que lo último que quería mencionar aquí era el aspecto de los datos continuos. Este es el conjunto de datos Iris. Lo encontré mientras exploraba y creaba esta presentación. Pero si van al gráfico y seleccionan "Gráfico Paralelo", esto es lo que verán en términos de ese resultado. Intenté analizarlo. Esta técnica es realmente buena para representar gráficamente los datos continuos. Pero no es tan buena para representar gráficamente los datos categóricos.
Si uso Gráficos y Diagramas Paralelos para mi conjunto de datos original y lo represento, no queda tan elegante ni ordenado. Probablemente haya otras opciones que pueda explorar para mejorarlo, pero cada persona tiene sus preferencias. De nuevo, es una forma de visualizar los datos que quizás sea un poco diferente a la que se ha podido encontrar históricamente por cuenta propia. Sin embargo, hay que reconocer que existen diferentes aplicaciones y maneras de explorar los datos.
Si regreso al conjunto de datos de Iris y elaboro el gráfico paralelo como lo haría normalmente, selecciono mi lista de posibles ejes, los coloco en la categoría X y selecciono mi gráfico paralelo. De esta manera, obtengo algo quizás un poco más informativo. Pero, de nuevo, son solo un conjunto de maneras diferentes de hacer lo mismo. Pero usar esos datos multidimensionales y esta técnica para explorarlos es la razón por la que estoy aquí hoy.
Eso básicamente resume lo que quería cubrir en esta charla. Además de quizás algunos consejos sobre cómo usar y visualizar datos. Obtuve un par de ellos de un seminario web a pedido que pueden encontrar en el sitio web de JMP y hablar con... Pueden ver su seminario web o contactarlo directamente. Tiene excelentes consejos sobre visualización de datos y cómo simplificar las cosas.
Me lo tomo muy en serio, porque tendrás que ser muy cuidadoso al elegir entre lo que yo llamo modo exploratorio y modo explicativo. Si exploro datos y visualizo cosas para mi propio beneficio, sé exactamente por qué hago clic en lo que hago y por qué intento hacer las cosas como las hago. Al usar esos mismos gráficos para explicar las cosas, puede que te resulte difícil explicarte.
Tenga cuidado y trate de simplificar al máximo el uso de algo tan complejo como esto para fines explicativos. Es una excelente herramienta para la visualización exploratoria, pero creo que podría necesitar retomar algunos de los métodos que mencioné aquí para intentar simplificar las perspectivas y llegar al meollo del asunto más rápidamente al intentar explicar las cosas a una audiencia o a sus líderes. Lo simple siempre es mejor.
Entonces, esto es una lección. Puede parecer de sentido común, pero nunca asumas que lo que es obvio para ti lo es para tu audiencia. Si has presentado algo en una gráfica de PowerPoint, has creado un diagrama que intenta explicar algo, explícalo y asegúrate de incluir viñetas descriptivas que expliquen cómo llegaste a esa conclusión en particular, y sé claro en la conclusión. ¿Qué intento deducir de esta perspectiva? Nunca asumas que lo que es obvio para ti lo es para tu audiencia.
Lo último que mencionaré, y sinceramente, me cuesta creerlo, es que existe un delicado equilibrio entre la visualización y el arte, así que no lo hagas bonito solo por hacerlo bonito. Asegúrate de que los gráficos que crees sean útiles y te ayuden a contar la historia, sin obstaculizarla.
Visualización por la visualización, arte por el arte. También he incluido aquí los enlaces a la ayuda de JMP sobre gráficos paralelos. Como mencioné, ese seminario web a pedido de Mike Anderson. Puede ser muy útil, así que lo recomiendo encarecidamente. Dicho esto, gracias por su atención, y eso es todo. Muchas gracias.
