Ciao, tutti. Grazie per unirsi In. In Questo parlare, I Volere A parlare Di Come Noi fatto preparare Nostro lotto processo dati per modellazione con JMP Professionista E guadagnando prezioso approfondimenti con a squadra approccio. Mio presentazione È dettagliato In a Presa della corrente parte. Quello È IL Primo parte E IL dettagli Tutto Qui mostrato Volere seguire In JMP, Piace Come IL dati impostato sembra, Quale piattaforme I Avere usato Piace mancante dati, multi collinearità, funzionale dati esploratore, predittore screening, modellazione lotto dati con Albero potenziato E Profilatore.
Riassunto dati Volere Essere analizzato di Albero potenziato COME BENE, E Poi di a sceneggiatura con Albero potenziato all'indietro selezione. A Primo, Mio azienda, Siltronic, ha mondo- classe produzione siti Tutto Sopra IL mondo come mostrato Qui E Di 4.000 dipendenti. Qui Sono Alcuni chiave cifre. Se Voi immaginare Quello Noi Avere a complesso processo flussi Piace mostrato Qui con silicio muffa In a crogiolo. Silicio lingotto È creato Qui. Questo è Mio speciale compito. A Fare processi per crescente silicio lingotti. Poi IL lingotto È terra E affettato.
Bordo arrotondamento È Fatto per IL cialde, laser marcatura, lappatura, pulizia, incisione, lucidatura, E Forse epitassia per IL finale wafer A Essere creato. Nostro portfolio È Quello Noi Sono vendita 300 millimetro, 200 millimetro E più piccolo diametro cialde per diverso applicazioni Piace mostrato Qui, silicio cialde con parecchi specifiche.
Di Me, Mio istruzione È Io sono UN elettrico ingegnere E I fatto Alcuni Sei Sigma istruzione, E Mio principale compito È A sviluppare processi per crescente silicio cristalli Piace mostrato Qui, E Io sono COME BENE responsabile per in giro 500 utenti A Seltronic JMP utenti. Come fa IL compito Aspetto Piace? Che cosa Noi Vedere Qui È IL finale tavolo, Ma Esso ha stato creato E Questo prende a quantità Di sforzo COME BENE. COSÌ Là Sono Alcuni banca dati domande dietro A Ottenere Questo dati da banca dati.
Noi recuperato IL risultati in JMP dati tavoli E ingrandito IL dati impostato con archivi da prima data E arricchito Alcuni informazioni Piace dettagli Di esperimenti E dettagli SU materiali di consumo E ha scritto Alcuni sceneggiatura per grafici E valutazioni. T gallina Noi Avere Fatto IL modellazione compiti E Di corso, guardato per mancante dati correlazioni A Vedere Che cosa Sono IL maggior parte significativo effetti E A Fare caratteristica ingegneria A Vedere Quale caratteristiche Sono importante A generare UN ottimale risultato.
A Questo punto, I Volere interruttore in JMP Poi. Noi Potere Vedere Qui Mio diario Io sono lavorando con E IL JMP principale finestra E IL astratto È visto Qui. Noi Volere inizio con tecnico suggerimenti. IL utilizzo dati impostato I spettacolo Qui È completamente reso anonimo E standardizzato, E Tutto identificatori Sono generico per Meglio comprensione Che cosa Sono IL caratteristiche, Che cosa È IL risultato, E COSÌ SU. IL scopo Di Questo presentazione È A spettacolo Tutto IL passi Noi necessario per ottenere UN panoramica, ristrutturazione, E comprensione IL dati impostato, E Come A costruire IL modelli A Ottenere Alcuni approfondimenti Di IL contenuto Di IL dati impostato.
I Volere spettacolo Alcuni risultati Quello Noi Avere discusso In a squadra. IL squadra È molto importante Qui Perché IL squadra guidato a quantità Di discussione E lavoro COME BENE, Come A analizzare E Che cosa caratteristiche Maggio Essere interessante E Che cosa Dovrebbe non Essere, E Che cosa Maggio Essere IL fisica dietro. I Volere inizio con IL dati impostato Qui. Suo Anche a parte Di IL contributo In IL comunità. Qui Esso È aperto E I Volere modifica IL progetto a poco morso A Vedere Come Esso sembra Piace. Noi Avere in giro 80.000 righe In Questo dati impostato E suo a lotto dati impostato, COSÌ Noi Avere a lotto ID.
T il suo dati impostato È abbastanza stimolante Perché Esso ha a miscela Di storico dati Piace Qui, DI lotti. Noi Potere Vedere Qui Quello Noi Avere… Maggior parte Di IL dati È storico dati, E Là Sono soltanto a pochi speciale esperimenti mostrato Qui. Noi Avere parecchi caratteristiche Poi, Piace uno categorico, è consumabile. Noi Avere IL lotto scadenza, suo IL tempo, Anche standardizzato. Poi Noi Avere parecchi caratteristiche. COSÌ questi X valori Qui, Noi Avere uno risultato colonna, E A ridurre IL rumore a poco morso, Noi Avere calcolato a nuovo in movimento media COME BENE.
Andiamo Avere a Aspetto A Come IL dati impostato sembra Di più In dettaglio. Noi Potere Vedere Qui, Se Noi Fare a riepilogo SU IL dati Piace Questo, Voi Potere Fare Questo da IL tavolo s menu COME BENE. Riepilogo. Noi Ottenere in giro 500 righe, 500 lotti. Questo È a riepilogo di lotto, E Noi Vedere Quello Là È NO variazione In IL parametri X 1 A X 4, Senso Quello Essi Sono costante per ogni lotto, E IL altri Sono cambiare A diverso tariffe. A Avere a Aspetto Come IL dati sembra A Tutto, Noi Potere Vedere Qui IL risultato parametro Piace prodotto, a lungo tempo per Tutto IL righe Di IL lotto dati impostato, E Questo levigatura È Fatto di JMP Grafico Costruttore piattaforma.
Noi implementato Questo COME a formula COME Esso È disponibile COME a funzione In JMP. Noi Potere Avere a Aspetto Qui A Alcuni speciale lotti COME BENE. Se Noi utilizzo IL locale dati filtro E Vedere Qui Come IL media opere E Che cosa rumore È In IL separare dati punti, IL blu quelli Sono IL originale dati Di prodotto, E IL arancia uno Sono IL in movimento media. I Volere vicino Questo Poi, E Prossimo punto Maggio Essere A Aspetto A Come tanto dati È mancante. COSÌ Noi Avere Questo In JMP COME BENE. Noi Potere segno Tutto IL colonne E Fare IL mancante dati modello piattaforma Piace Questo.
Esso Volere spettacolo noi Quello da Di 80.000 righe, Noi Avere 178 righe con Alcuni mancante dati In uno colonna. Questo Potere Anche Essere mostrato Qui COME a grafico. Questo È molto importante, A meno per IL dati fasi di creazione, Esso era importante A Vedere Dove È Alcuni dati mancante E A aggiustare Questo mancante dati Poi COME tanto COME possibile. Un altro fare un passo A Aspetto A IL dati, Forse Colonne Spettatore. Noi Potere Ottenere Qui, I Mettere Tutto IL colonne In, E Qui Noi Potere Vedere Ancora Piace Noi avevo Prima, Là È Alcuni righe mancante per parametro X2.
Noi Potere Vedere Che cosa IL minimo, massimo, Significare, standard deviazioni, E COSÌ Sono per Tutto IL parametri Noi Potere Vedere Qui. Qui Noi bene Vedere Quello qualunque cosa È standardizzato. Per IL prodotto, suo fra zero E 100. Noi Potere COME BENE inizio da Qui, distribuzione piattaforma. COSÌ Tutto IL colonne Sono segnato E Noi Ottenere di soltanto uno clic per Tutto IL dati, IL distribuzioni. Noi Potere Vedere Qui Che cosa materiali di consumo Sono usato Come Spesso Quello Noi Avere maggior parte dati da storico processi E soltanto Alcuni Di Alcuni esperimenti con speciale impostazioni.
IL tempo, Di corso, sembra bene distribuito, Ma IL altri non Aspetto Quello bene. COSÌ Là È a quantità Di camera fra Alcuni impostazioni, E suo scarsamente distribuito, non- normale distribuito per IL maggior parte parametri, E Quello fa Esso Anche Di più stimolante A analizzare Questo dati. Noi andare A IL Prossimo passi. I Volere vicino questi rapporti. Poi Noi Maggio Aspetto Anche Di più In dettaglio SU Alcuni cose Piace Come IL parametri Sono correlato. Noi Potere Vedere Questo In IL multivariato piattaforma. Esso esigenze Alcuni tempo A Essere calcolato.
Voi Volere Trovare Esso Qui Sotto IL analisi menu, multivariato. Esso prende IL numerico colonne E genera Questo correlazione rapporto, E Voi Volere Vedere Quello IL parametri Piace X6 E X5 Sono altamente correlato. Questo fa Esso difficile, Piace X10 E X9 COME BENE, fa Esso difficile A Fare caratteristica ingegneria. Che cosa Noi Volere A Sapere da IL analisi È Quale parametro cause Alcuni prodotto gocciolare. Se due parametri Sono correlato, suo non COSÌ facile A rilevare O A Trovare fuori Quale uno È IL responsabile uno.
Qui In IL spargere complotto matrice, Voi Potere Vedere COME BENE Quale parametri modifica con tempo, Piace X1, X2, su A X4 È costante Sopra tempo, E IL altri Sono cambiare E Come Essi Sono distribuito, E Voi Potere bene segno Alcuni righe Piace Qui. Essi Sono selezionato In IL dati tavolo Poi E Vedere Come IL curve Sono per ogni parametro Sopra tempo O Quale parametro Sopra Che cosa parametro combinazione sembra Piace. Prossimo, I Volere A utilizzo IL esploratore di dati funzionali.
IL esploratore di dati funzionali consente noi A adatto curve per ogni lotto E estratti IL caratteristiche Di ogni curva. Poi Noi Potere Avere a Aspetto A Quale lotti comportarsi simile O Forse estremo quelli. COSÌ IL inizio È Piace Questo. Noi Potere Avere a Aspetto A Come I iniziato IL analisi. Noi lancio analisi. I Mettere tempo COME UN X parametro, Prodotto COME IL produzione parametro E, E IL ID funzione È IL Lotto ID. Poi Noi Avere Qui Alcuni informale parti Piace Parte E Gruppo.
Questo piattaforma È disponibile In JMP Professionista soltanto, E Quando Noi inizio Esso, Noi Potere Fare Alcuni dati elaborazione Qui. Ma In Questo caso, suo non necessario. Noi Potere Avere a Aspetto A ogni lotto, Come Esso aspetto. COSÌ Là Sono a quantità Di grafici Qui Piace Questo. Noi Potere segno IL righe. Noi Potere vedi qui IL segnato righe E IL dati tavolo COME BENE. A andare SU con Questo piattaforma, Noi Bisogno A Fare Alcuni modelli Piace P-spline per ogni lotto E JMP fa Questo E definisce si Quale spline Sono usato E Come molti supporto funzioni Sono necessario, Piace IL nodi mostrato Qui.
COSÌ IL migliore risultato È dato con a cubo scanalatura con 20 nodi. Voi Potere Vedere Come ogni lotto È modellato Qui di IL rosso linea mostrato Qui E Come Esso aspetto. Noi Avere Qui IL forma funzioni. COSÌ ogni curva È aggiunto insieme di a combinazione Di forma funzioni, E Noi Ottenere per ogni lotto IL coefficiente per ogni forma funzione. Se Noi Sono guardare A Forma Funzione 1… Questo È IL principale comportamento Di Tutto lotti con a gocciolare Qui A in giro 0,7. Noi Potere Vedere Quello Qui Noi Avere Componente 1. Questo È a coefficiente per IL forma funzione uno.
Se Noi selezionare questi lotti, Noi Volere Vedere Quello Essi Avere a pronunciato forma Piace Forma Funzione 1. Noi Potere Vedere Esso Qui. Noi Potere COME BENE utilizzo IL Profilatore. COSÌ Questo È soprattutto per comprensione IL dati Ma Noi Avere non usato Esso per ulteriore analisi Perché Noi fatto non Veramente Bisogno IL informazioni Come IL Indietro lotto sembra COME a forma per ogni curva. Noi erano Di più interessato In media prodotto Di ogni lotto Perché Noi non può definire soltanto A utilizzo IL Primo parte Di IL lotto E dimenticare Di IL secondo parte. Questo volevo non lavoro In Nostro caso.
COME BENE A Vedere Ancora Come Questo opere insieme, Noi Potere Avere a Aspetto In Grafico Costruttore. IL grafico Di Alcuni lotti Noi Avere visto Appena Prima. Forse Voi Vedere Questo numero Qui. Noi Avere visto Esso Prima. Qui Esso È mostrato Ancora insieme con IL in movimento media Di prodotto. Prossimo fare un passo volevo Essere A inizio modellazione Di IL lotto dati.
Quando facendo modellazione, Esso Maggio Essere interessante A Vedere O Avere UN idea Quale parametri Sono maggior parte importante per IL variabilità Di IL produzione. Là Noi Avere IL predittore screening piattaforma. Voi Potere COME BENE inizio Esso da Qui. Analisi E predittore screening. I ha scritto Esso Qui COME a sceneggiatura semplicemente A inizio Esso di pressante a pulsante. Quando facendo COSÌ, Noi Volere Vedere Alcuni Bootstrap Foresta analisi andando SU, E Esso spettacoli noi IL importanza Di IL caratteristiche Noi Avere In Nostro dati impostato. Tempo È IL maggior parte importante, Ma Questo È inutile A IL FINE per noi Perché Noi Bisogno A utilizzo IL pieno lotto.
T gallina viene X1, Poi viene parte X8, X5, E COSÌ SU. COSÌ Qui Noi Potevo COME BENE selezionare a pochi righe, copia loro E Mettere loro in a modello. I Volere fermare Questo Qui, E A Vedere Quale modello opere migliore, I usato modello screening piattaforma. I Volere non correre Esso Qui Perché Esso prende parecchi minuti. Ma Noi Avere visto Quello Piattaforma Boosted Tree Maggio eseguire BENE. Là È Forse non COSÌ a grande differenza fra IL Prossimo quelli, Ma questo è IL motivo Perché I usato Piattaforma Boosted Tree.
Poi Noi Volere correre Albero potenziato Piace Questo SU IL lotto dati, E Esso opere abbastanza presto. Noi Volere Vedere IL risultato, E a Carino caratteristica Di IL Piattaforma Boosted Tree COME BENE È Quello Voi Avere colonna contributi COSÌ Quello Voi Potere bene Fare Alcuni caratteristica ingegneria. Noi Potere Vedere Qui Quello Noi Avere 71 % R piazza per formazione E 66 per convalida, Forse Va bene, E Noi Avere Ancora Tutto caratteristiche In. Ma Noi Sono interessato soprattutto In Quale caratteristiche Sono in modo affidabile IL maggior parte importante quelli.
Quando facendo Questo, Noi Potere salva Esso COME a colonna, salva previsione formula In IL dati tavolo. Noi Vedere In IL dati tavolo Noi Avere a formula Ora E Noi Potere utilizzo Esso. Noi Potere Forse Avere a Aspetto A Come IL modello esegue O A utilizzo Esso In Grafico Costruttore semplicemente A Vedere Come IL modello dati sembra Piace Sopra IL lotto scadenza. I Speranza IL Grafico Costruttore A spettacolo IL grafico IL grafico Presto, E Qui Esso arriva. SÌ. Noi Avere visto Quello Questo modellazione opere abbastanza BENE, COSÌ Noi Avere a formula Ora A ricostruire IL dati E Noi Potere Forse lavoro con Esso.
Ma particolarmente per IL lotto dati modellazione, Noi Avere a problema Qui Quello convalida Volere non lavoro Perché Noi Maggio Avere Qui per Alcuni lotto, questi righe In formazione impostato E IL righe Prossimo A Esso In convalida impostato. COSÌ Essi Sono non BENE separati per IL caratteristiche Quello controllare IL lotto Poi. Inoltre, IL modello È non molto stabile, COSÌ Noi Volere ottenere un diverso risultato. Per il nostro diverso corre Di IL modello, Questo È conosciuto da albero- basato metodi Quello Essi Maggio Dare diverso risultati per alto variabilità dati.
Se Noi Fare qualcosa Piace corsa Albero potenziato due volte, Noi Ottenere Anche diverso colonna contributi E Forse diverso ordine Piace Noi Potere Vedere Qui per IL parte E X 5 Sono commutato Qui per questi due corre, E I Volere spettacolo Esso Ancora Anche Qui. Se Noi correre Albero potenziato due volte. Non Sapere. SÌ, Qui I Dovrebbe Avere IL sceneggiatura. Esso viene Dopo. COSÌ A Questo punto, Noi Avere disse Quello Esso Maggio Essere Meglio A modello IL riassunto dati Perché Noi Bisogno A utilizzo IL pieno lotto. Qui I Avere a sceneggiatura Ora A riassumere IL dati In a modulo Quello Noi Avere soltanto uno riga per ogni lotto.
Là È a Carino caratteristica statistiche colonna nome formato Quello Noi Ottenere IL Stesso colonne per IL riassunto dati COME Noi Avere In IL originale tavolo Quello Noi Potere utilizzo IL Stesso script per Entrambi. Facendo COSÌ, Noi Ottenere Qui IL riepilogo dati tavolo- I Potere vicino IL sceneggiatura— con in giro 500 lotti. Suo a quantità Di Più facile A modello, E Qui I Avere riassunto IL dati per 0,6 A 0,8 tempo. COSÌ suo Dove IL prodotto gocciolare era, E Noi Potere Ancora Fare Qui Alcuni predittore screening Piace Questo E Vedere Quello I Ancora Avere tempo In Quello dati impostato A Vedere…
Suo Di più Piace A Vedere Che cosa livello rumore È, E suo in giro questi parametri Quello Sono probabile Anche rumore per IL modello Poi. Poi Noi Potere, Di corso, Fare Alcuni modello confronto. COSÌ I selezionato a pochi parametro Quello Noi trovato A Essere responsabile, maggior parte probabilmente, E Io sono facendo due Albero potenziato analisi E Poi Fare Alcuni modello confronto per Entrambi. Esso sembra Piace Questo. Noi Potere Vedere Qui Noi Ottenere a Profilatore E confrontare IL risultato per diverso impostazioni, Forse Piace Questo. Qui Noi Avere Ancora IL problema. Noi Vedere Alcuni caratteristiche Piace Questo Qui per X10 In Questo modello E non In Quello modello.
COSÌ Esso probabile sembra A Essere rumore. A IL inizio, Noi Avere discusso a quantità Di questi differenze. Noi Avere visto A volte E A volte non, E chiesto IL domanda, Che cosa È VERO, Che cosa È fisico, E Che cosa È non. Quello portato Me A IL fare un passo Poi Quello Noi Bisogno A continuare con caratteristica selezione, E questo è Perché Noi creato Questo sceneggiatura. Esso prende Questo riepilogo dati E ha stato Fatto per IL lotto dati COME BENE.
Per ogni fare un passo, Esso costruisce Aumento ed Albero modello per IL pieno parametro impostato, salva IL modello in IL formula deposito, E salva IL modello prestazione R piazza E COSÌ in a dati tavolo, E spettacoli noi IL colonna contributo. Qui Noi Potere Vedere qualcosa Quello Noi Avere visto Spesso Quello con IL più alto numero modello, Esso È IL modello con meno parametri Piace Noi Potere Vedere Qui con IL colonna contributi, Noi Avere IL migliore risultato. Esso sembra diverso per ogni correre, Ma IL tendenza Noi Vedere In maggior parte volte. COSÌ Qui Noi Potere Vedere per Di più O meno Sicuro Quello parte E X1 E X5 Sono IL maggior parte importante parametri.
Questo uno Maggio Essere Là qualche volta E Forse non, COSÌ Noi Volere messa a fuoco SU questi tre parametri. COME BENE, Noi Potere Avere a Aspetto In IL Formula Deposito. Là Noi Potere inizio modello confronto. Noi Forse Potere confrontare IL Primo modello. COSÌ Noi Fare Esso Piace Questo, modello confronto. Questo È Nostro dati tavolo. Prendere IL Primo numero. IL numeri Qui Sono spostato di uno, E Forse IL 5° Dovrebbe Essere Quello uno, E IL scorso uno. Questo Volere non lavoro. I pensare suo numero tre, E IL scorso uno.
IL quelli con IL più alto convalida punto E Forse confrontare loro Qui. Noi Vedere IL modello confronto dialogo. Noi Vedere Quello IL scorso modello È fra IL migliore modelli Noi Potevo adatto A Tutto, E Potere Vedere Qui IL Profilatore, per esempio, E COME BENE, Maggio utilizzo estrapolazione controllare. Noi Avere visto Quello Noi Avere sparso dati, COSÌ non dietro ogni punto. Là È Alcuni dati. Andiamo Aspetto Dove Esso È. Qui Esso È. Estrapolazione controllare avvertimento SU. COSÌ Esso spettacoli noi Quando Là È NO dati fra IL punti.
Qui Noi Potere Forse confrontare IL modelli E Noi Vedere Qui Quello Là È NO variabilità SU IL X fattori Quello non ho stato usato Qui. A somma su, andiamo vicino Alcuni tavoli Primo E Alcuni dialoghi. A somma su, Noi Avere preparato a flusso di lavoro per modellazione Questo dati E Avere Fatto parecchi passi E aggiuntivo sceneggiatura A migliorare comprensione E A guidare IL discussione Di cosa c'è importante E cosa c'è non.
I Avere a proposta per a modello E Alcuni compiti Noi Potere messa a fuoco SU A migliorare IL anno prodotto Di Nostro processo, E Voi Volere Trovare IL dati E IL presentazione In IL utente comunità. Se Voi Avere altro idee Come A esplorare Questo dati impostato E Come A Trovare IL finale migliore modello, Voi Potere contatto Me O inviare qualcosa SU Mio contributo In IL In IL comunità per Questo Scoperta Vertice. Grazie per tuo Attenzione E Ciao. Questo è Esso, Martino.
