756645_zh-CN

liliconcom

功能数据探索器：向非数据科学家可视化结果 (2021-EU-30MP-765)

Simon Stelzig，Lohmann 数据驱动开发主管

在胶粘剂配方和胶带开发过程中，数据科学家会协助开发人员处理实验设计、历史数据分析或初步试错运行所收集数据的分析。因此，数据专家与非专家讨论结果，需要以非复杂的方式呈现复杂的数据分析。特别是在光谱数据分析的情况下，数据通常会简化为几个特征数字进行分析。然而，开发人员仍然以光谱而不是数字来思考，这使得结果的可视化和解释变得困难。功能数据探索器是执行此类分析并以光谱形式可视化结果的绝佳工具。例如，使用功能数据探索器分析结构胶带的流变行为（即反应开始）对配方成分的依赖性。另一个例子是分析分子量分布对压敏胶合成过程中工艺参数的依赖性。在这两种情况下，得到的预测光谱都极大地帮助开发人员获得洞察力并形成机械理解。

自动生成的成绩单...

扬声器	脚本
西蒙·施特尔齐格	好的，大家好。我叫 Simon Stelzig。我来自 Lohmann，是粘合工程师。我来自研发部门，今天我想向大家介绍一下功能数据浏览器，以及如何使用它向非数据科学家展示结果。
	所以，在我开始之前，先简单介绍一下 Lohmann 公司。您可能没有听说过这家公司，但您每天都会使用或接触到它的产品。
	以上只是一些关于 Lohmann 的事实和数据。Lohmann 在 2019 年的营业额约为 6 亿欧元，我负责的部分是 Lohmann Tape Group，我们是一家胶带生产商。我们主要生产双面胶带，是一家纯 B2C 公司，因此您只需
	如果您从事工业...您只能购买我们的产品用于工业应用。我们历史悠久，今年是 Lohmann 公司成立 170 周年。
	我们基本上分为两个部分，其中一个部分是我正在研究的磁带产品。这是对
	工业用胶带，这是我们的卫生品牌。
	我们在全球开展业务。我们在全世界有 25 个站点，大约有 1,800 名员工。也许很有趣的是，
	我们的 90% 产品都是定制的，因此我们的产品组合相当复杂，其中很多产品专注于极少数客户的极少量应用。
	因此，我们是胶带或许多双面胶带的顶级生产商，并且您知道我们有很多应用，这就是我们所在的细分市场。
	我们的一个业务是工业应用，主要针对建筑和施工领域的门窗或室内外应用。
	或者，您可能会在家用电器和电子设备中看到 Lohmann 产品，例如用于固定智能手机后盖的胶带。或者在
	医疗领域主要用于诊断应用、伤口护理。在交通运输领域……汽车领域可能用于内饰或外饰
	汽车上的标志粘贴。例如，我们还在柔性印刷应用的图形行业提供胶带
	将印刷板固定在套管上。Lohmann Tape Group 的一个分支是卫生用品品牌，我们为该品牌提供尿布封口系统。
	因此应用范围非常广泛，我之前提到的另一点是，我们的产品约 90% 都是定制的。关于 Lohmann 的另一个事实是
	我们的价值链是一个非常深的价值链，所以如果你想想胶带，你需要一个粘合层，
	粘贴或粘贴到您想要粘附的物体上。
	你需要一个载体，可选的载体，它承载着你的胶粘层，在另一侧，因为我们是双面胶带的生产商，你在另一侧也有，
	粘合层。Lohmann 的价值链基本上从头开始，因此我们可以生产自己的聚合物，也就是粘合剂的基础聚合物。
	然后我们必须将聚合物配制成粘合剂配方，然后在下一步中将其放在载体上，即胶带的形式
	相当大的???卷。最后，我们可以以以下形式提供
	客户想要的就是这样。所以，如果你有一些模切，也许是一些汽车标志，你需要那些胶带，不需要特定的形式，我们会根据客户的要求提供特定的形式。
	研发主要集中在前三个部分，即聚合、涂层配方，以及为了获得，正如我提到的，我们的很多产品都是定制的，为了尽快达到满足客户要求的目标，我们应用
	整个课程的实验设计
	获得最终产品并满足客户要求。
	并且有很多
	进行实验设计或进行大量实验也会提供大量数据。
	作为一家化学公司，在进行这些实验或设计该课程的实验时，您会从实验结果中获得大量数据和光谱。
	所以，我们的大多数实验都不会给你一个值，也不会给你一个数字，而是给你一个光谱。
	在大多数情况下，如果你想做实验，就像我的情况一样，我就是数据科学家，负责规划这些实验并进行分析
	实验并为我的同事进行整个数据分析，在这种情况下，他们可能不是数据科学家。
	他们是最终产品的开发者，他们把我当作一项服务，负责所有的数据分析。在大多数情况下，你会从那些光谱数据中提取出描述光谱数据的关键参数。
	在聚合的情况下，这可能是分子量分布，也可能意味着你的
	我们从反应中获得的聚合物可能是某种反应的开始，可以通过任何测量或其他方式检测这种反应。
	因此，如果您在数据分析时进行分析，您会提取那些关键参数并进行分析，大多数时候您会对这些关键参数进行经典的 DOE 分析。
	所以
	作为一名数据科学家，为了向我的同事和开发人员提供服务，我对这些关键参数进行了分析。
	他们还向我传达了客户的要求以及您希望满足的这些客户的要求，它们是您希望您的配方或产品达到的最佳状态。
	完成这些、进行分析和优化后，在某个时候，您可以向同事或者我会向同事展示结果。
	由于我对所有关键参数进行了分析，因此我也展示了这些关键参数的结果。
	问题是，虽然我的开发同事或项目团队是该领域的专家……他们是专业领域的专家，但不是数据科学领域的专家。
	所以这里的问题是，如果我对关键参数进行分析，并且用关键参数的语言进行讨论，但他们作为其专业领域的专家，
	他们仍在思考光谱，因为实验是在那时完成的，这就是他们得到的分析，他们看到光谱，而我看到的是数字。
	但总是会出现这样的问题：如果我用关键参数来展示结果和分析，他们仍然会用光谱来思考。
	所以你总是会遇到用不同语言交流的问题。我用数字语言交流，他们用频谱语言交流，
	这就导致一个问题，他们必须将这些数字转换到他们的专业领域，也就是光谱。
	或者，我必须将这些关键参数翻译成它们的语言，也就是光谱。幸运的是，有了 Functional Data Explorer，这是一种通用的翻译器，可以解决这类问题。
	今天我要做的，或者说想要向你们展示的，是通过三个例子，展示功能数据浏览器如何极大地帮助你们克服数据科学家谈论数字和开发人员用光谱思考和谈论之间的这种障碍或语言障碍。
	举个例子，也就是我要展示的第一个例子，这是一个非常简单、非常琐碎的例子，也许是关于描述分形印刷质量的测量
	实验。第二个描述的是定义某种化学反应的测量。还有第三个；它是一种测量方法，可以让你知道聚合物的分子量
	在聚合反应过程中。现在我不再使用 PowerPoint，而是转到 JMP，是的，它就在那里。
	我展示的第一个例子是……我告诉过你，是印刷质量的分析。所以你进行测量，理想和完美的光谱将是
	一条通过原点的直线，斜率为 1。如果能达到这个完美程度，那将是理想的，所以这是一个测量值，这次是打印质量。
	通常情况下，你得到的是……正常的，这是一个真实的生活环境。我们得到的东西看起来并不是一条直线，但它稍微向更高的值偏移了一点，所以它不是一条线……它是向上弯曲的。
	那么你想用这些信息做什么？我们想看看或者你想筛选哪些参数基本上使曲线向上移动或弯曲，从而使其变得不理想。
	因此，我要介绍一下关键参数，我们将这些参数定义为关键参数，或者说，它们基本上就是直线和实际得到的直线之间的差异。所以这很简单，你只需使用
	区别...是这一点上的不同。
	因此，如果你进行分析，那么对于关键参数来说，这也是...这是一个非常简单的分析。我使用决策树来获得...来获得屏幕，哪个参数影响最大，这会偏离理想范围，这非常简单。我们得到了大约 22 个影响因素。
	你看，它基本上对某些事物有影响，或者影响偏离理想情况的转变。
	它被称为 X 22，无论它是什么，其实并不重要。所以在某一时刻，如果它移动……
	如果它大于某个值，你就会得到一个数字，比如说，250，如果它低于那个特定值，你就会得到 196，问题是，如果你把这个告诉开发人员...如果你把它展示给开发分析师，
	他会问你，196 好吗，还是 254 还好，或者很糟糕，或者可能合适，或者有点合适。
	问题在于纯数字，你实际上看不到这一点，因为他在用不同的方式...在不同的地区用不同的语言交谈。
	但是，使用功能数据探索器确实可以极大地帮助您回答这个问题，因为如果您转到功能数据探索器并对函数中的数据进行相同的分析...使用功能数据探索器，
	你得到的是这样的。所以它向你展示了，向他展示了，或者向你向他展示的开发人员展示了……你向他展示了图表。他习惯的图表通常是从他的测量或他的实验中获得的，他所做的实验。
	现在，如果你有一个相同的参数影响曲线的形状，但如果你不喜欢显示 250 的那个，
	从关键参数的分析来看，如果是 250，那么结果将是 196，你会看到差异。我的意思是，这实际上不是一条直线。
	但如果它下降到较低的数字，也就是他们想要保留的数字，196，
	它看起来还不错，所以……它并不是一条完美的直线，但也不是那么完美……它离完美并不远了
	一条直线，也许在那个时候，如果你把这种分析展示给非数据科学家、开发人员，
	也许这对他来说已经足够好了，也许你会说好吧这不是一条直线，它并不完美，但对于这份工作来说它已经很好了。
	基本上，它满足了客户的需求。而这是他从你向他展示的纯数字中看不到的。所以在这种情况下，这是一个非常简单的例子，非常简单的例子，
	但我希望它能让你明白，使用功能数据浏览器可以让你用专家、非数据科学家甚至材料开发人员的语言进行交流。
	而且你用他的领域或语言与他交谈，可以帮助他获得这种洞察力，而不必将数字转化为洞察力，转化为光谱，但他看到了这一点，也许得到了他需要的答案。
	再说一遍，这是一个非常琐碎、非常简单的例子，但是我明白了...我希望它能向您展示数据的本质...功能数据资源管理器是什么或者可以帮助您实现。
	那么，继续第二个例子，这就是您想要检测的化学反应的开始。
	我们通过进行???测量来做到这一点，并且您希望看到在加热某种化学配方时模量的变化。通常有两个大光谱；光谱看起来像这样，
	在某一点上，模量发生变化，急剧上升。这通常就在这里，这是化学反应的开始。因此，从光谱中提取的关键参数是模量开始急剧上升的点。
	这
	良好萃取的关键参数是找到该点。现在从原始数据计算出一个点可能有点复杂，但无论如何，你可以这样做，检查反应开始的点，然后对关键参数进行分析。
	这样做，
	通过对关键参数的分析，你得到的是一个模型，它允许你根据五个参数预测化学反应的类型。所以，
	我看看。好的，化学反应开始时的这些关键参数的要点是……可能取决于这些……取决于这三个参数
	基本上你可以得到从化学反应开始的温度范围从 70 度到大约 100 摄氏度（哦，对不起，错了。）
	大约 100 度，是的。所以，你再次将总光谱减少到一个数字，
	为这一化学反应的开始提供线索。
	进行相同的分析和数据...您已经有了数据，因此如果您想提取关键参数，您还需要原始数据，因此您也可以获得原始数据。
	所以它并不...它实际上并不需要付出太多的努力...需要付出更多的努力来在功能数据资源管理器中使用标准回归方法对关键参数进行分析。
	所以，
	使用相同数量或相同数据并使用函数数据探索器
	分析数据只需几秒钟即可计算结果。
	就在那儿。
	再说一次，现在您可以对整个频谱进行建模，并且...所以在那个特定情况下，我没有向开发人员展示关键参数的分析，但我首先向他们展示了功能数据探索，即来自功能数据探索的结果。
	当我开始四处走动并向他们展示这一点并开始移动影响因素时，他们立即注意到了
	反应点发生了变化。所以我不必告诉他们点开始移动，因为他们是该领域的专家……是光谱数据的专家，
	他们立即意识到，化学反应的开始基本上发生了变化，正如你在这里看到的，你看到它开始发生变化。
	另一个是你看到的，因为现在你基本上模拟了整个光谱，你不仅可以模拟关键参数，你看到的
	如果你移动它，光谱的样子就会完全改变。例如，他们会看到峰开始移动，峰的高度
	变化。这也是他们在看到这些分析后立即意识到的事情。
	区别在于关键参数，如果你将机会提取到一个关键参数（即某种化学反应），那么也许你可以使用另一个关键参数。
	告诉您最佳位置或最大峰值的位置或最大峰值的高度。
	然后，您可以将光谱数据用于不同类型的关键参数，随后分析这些关键参数并将其显示给他们，计算出最佳值。
	但好消息是，如果你使用功能数据探索器，你可以将这些信息集中到一个
	分析。正如我之前提到的，你停止说话，或者你……你不是在用数字说话，而是用他们的语言，或者用他们的光谱数据语言说话，你不必再将这些关键参数翻译成他们的光谱世界了。
	是的，因此您可以在功能数据资源管理器中获得有关这些内容的更多信息，并且也许他们可以更深入地了解底层流程。
	是的，现在我要讲最后一个例子。这是
	我刚才谈到的聚合过程基本上就是确定分子量分布，
	这是聚合反应的结果。正如我之前提到的，确定分子分布通常也很棘手
	得到或将整个分布简化为某些关键参数。那么通常情况下，典型的光谱是什么样子的呢？让我们将正常的典型光谱显示为聚合物的摩尔质量，这样就可以得到聚合物链中所有重复单元的数量。
	这就是你从化学反应和测量中得到的结果。所以关键参数是众所周知的，或者说是关键参数，你必须……
	这是数均摩尔质量、质量平均摩尔质量、Z 均摩尔质量和多分散性，
	即质量平均摩尔质量除以数均摩尔质量。
	该参数 PDI（多分散性）可以指示分子量分布的广度或大小……或宽度。
	再次强调，有了从原始数据或光谱数据计算出的这四个关键参数，我们就可以再次获得这些数据，以便
	计算关键参数。你可以使用标准技术再次进行分析，这没什么特别的。
	然后你得到一个模型，在这个例子中，有四个侵权参数，在这个例子中是三个，我没有把多分散性考虑进去，
	三个关键参数。你看...你会发现，如果你改变这四个因素，数均摩尔质量实际上不会发生很大变化，所以这四个因素对数均摩尔质量的影响不是太大。它相当大，相当显著
	就质量平均摩尔质量而言，如您在此处所见。因此，您可以完全改变它，因此差异相当大，因此最低设置和最高设置之间的差异总计约为每摩尔 150,000 ?。
	但是，这意味着这个数字变化相当大，但这并不意味着你的分散度应该变化或应该应该......或者应该变化很大。
	问题是你从这个数字中看不到分布的样子，所以它没有给你形状，在我们的例子中，形状非常重要，因为它
	会显著影响聚合物的加工性能。因此
	只有三个数字，也许还有多分散性，它不会给你或者不会告诉你，如果形状...或
	如果分布是单摩尔分布、双峰分布、三峰分布等。
	您所看到的或者仅仅谈论的分散性可能给您提供了分布广度的指示，但它并不能告诉您是否有一个峰，两个峰或三个峰。
	但最终得到的材料特性有很大的不同
	聚合物或改变我们正在开发的胶带的性能。
	现在，既然您已经拥有原始数据，您可以再次使用功能数据资源管理器来获取这些见解或从中获取更多信息......所有这些数据都来自那些关键参数。
	再一次，需要几秒钟，然后你就完成了。
	再次强调，分析过程并没有什么特别之处，因此，在开始操作函数数据探索器时，也没有什么特别之处，
	与众不同的是，你把你的出口拉成 Y，你输入你的样本 ID，然后输入来自 DOE 的因素。
	把它们放进去，按下开始按钮，基本上就完成了。现在你基本上可以...你可以用模型参数来安装它。
	但这是一个非常简单、直接的过程，而且，你只需将所有数据简化为一些关键参数，就能更深入地了解感兴趣的底层部分。在这种情况下，
	我的意思是，向您展示了一个关键参数实际上并没有发生很大变化，另一个参数发生了变化，但它并没有给您形式，因此它不会让您了解或感受到分布情况。
	在这种情况下，再次使用此工具可以让您获得这种洞察力，因为如果您看到……在您看到发生很大变化的那个点之前，另一个点并没有发生改变。
	但是，如果您知道某种变化，例如，在那种情况下。
	那个山峰更像是一个肩膀，它实际上并不是一个山峰，但如果你改变你的影响因素，你就会到达一个实际上真正的山峰。
	是的，所以它确实出现了第二个峰值，这也许能告诉你一些关于聚合机制或底层聚合机制的信息
	是的，仅凭看这三个数字你是无法从关键参数中得知这些的。
	但在这里，它可能会给你一个提示，或者你可能会在开发人员身上触发一些东西，因为这是他的专业领域。你可能会触发一些东西，帮助他理解底层机制，然后
	帮助他进行下一步，或者帮助他更好地进行下一步，以便比以前更好地计划下一步实验，只需看到这些数字。
	好的，我现在已经讲完了我的例子，所以我希望我可以向你们展示函数数据探索器确实能够实现
	开发人员在其专业领域内的结果。我的意思是，请记住，大多数开发人员都不是数据科学家，因此
	他们
	不相信或者可能不太关心如何得到结果，但他们更感兴趣的是结果和
	问题就在这里……或者如果 Functional Data Explorer 允许你用他们的语言或专业领域进行交流，那么在我们的例子中，作为一家化学公司，光谱数据，你就不必
	丢弃有价值的数据，将光谱数据精简为一些关键参数，再对关键参数进行分析。
	必须解释关键参数实际上是什么……它们如何影响光谱、光谱的形式、光谱的形状，但你可以只使用数据，然后
	你将开始向他们展示这些影响你正在研究的因素对光谱的形式和形状以及光谱如何变化的影响。
	很多情况下，在某些情况下，您可能会获得相同的见解，但很多情况下，使用 FDE 进行分析通常会给您带来更多的见解，让您更深入地了解底层机制。
	而且，你不必在将光谱数据简化为一些关键参数的过程中丢弃大量有价值的数据。
	最后，我要感谢研发部门的同事们，感谢你们做了这么多实验工作，让我能站在这里向大家展示这些出色的成果。
	我的演讲结束了。非常感谢大家的关注。如果您有任何问题，请随时提问。非常感谢。

高级统计建模基础数据分析与建模消费者和市场研究数据探索与可视化实验设计预测模型和机器学习质量与工艺工程可靠性分析分享和交流结果