你好， 每个人。 这 是 阿努德普 马里皮。
我是 a 高级的 过程 工程师 为了 光学 光刻 在 魔法飞跃。
今天， 我是 去 到 证明
过错 检测 经过 升级 控制 图表
和 改变 观点 检测 在 跳转，
和 展示 你 如何 这 改变 观点 检测 一体化
和 控制 图表
是 高度 有用 在 我们的 制造业 店铺 地面。
患病的 开始 这 推介会
和 a 简短的 介绍 关于 我们的 公司， Magic Leap，
和 这 光学 制造业，
这 二甲基异氰酸酯 问题- 解决 方法
和 这 跳转 工具 那 我们 使用 在 这 制造业，
我们的 挑战 那 我们 脸 在 这 控制 阶段 的 DMAIC，
升级 现存的 控制 图表 和 改变 观点，
和 经过 正在做 所以， 检测 和 诊断 这 故障 在 a 过程
一些 案件 研究 那 我们 经常 使用 在 Magic Leap 和 a 跳转 示范
在 如何 到 创造 a 改变 观点 仪表板
和 整合 改变 观点 进入 你的 控制 图表，
和 很少 外卖。
到 开始 和， 在 Magic Leap，
我们 设想 a 世界 和 身体的 和 数字的 是其中之一。
我们的 使命 是 到 放大 人类 潜在的
经过 交付 a 最多 沉浸式 AR可穿戴设备 平台，
所以 人们 能 直观地 看， 听到，
和 触碰 数字的 内容 在 这 身体的 世界。
我们的可穿戴设备 设备 变换 企业 生产率
经过 提供 和 解决方案。
为了 例子， 合作 和 共同 在场
之间 偏僻的 团队 到 工作 一起 作为 如果 他们 是 在 这 相同的 房间，
3D 可视化 到 优化 流程，
增强 劳动力 那 帮助 火车 和 提升技能 工人
使用 看- 什么- 我- 看 能力。
这些 是 仅有的 a 很少 例子。
这 设备 有 行业的 领导 光学 和 大的 场地 的 看法，
最好的 图像 质量，
高的 颜色 均匀性，
和 动态的 调光
哪个 帮助 展示 a 高的- 质量 虚拟的 内容
在 我们的 真实的 世界。
这 光学的 镜片 那 是 用过的 在 这 设备
是 a 小的 成分
但 a 非常 批判的 成分 的 魔法 飞跃 2、
启用 最好的- 在- 班级 图像 表现。
这 光学的 镜片 去 通过 二十五 加 复杂的
制造业 过程 和 计量学 车站
期间 这 制造业。
它 是 经过测试 超过 100 加 批判的- 到- 质量 参数。
每个 个人 过程 需求 到 抵达 高的 99% 屈服 目标
到 达到 90% 卷起 吞吐量 屈服 目標。
我们 不能 达到 这些 高的 收益率 和 过程 能力
没有 这 帮助 的 跳转 统计 工具。
一 的 这些 高的- 屈服 流程 是 印记 光刻
在哪里 我' m 负责任的 为了 质量 和 送货 工具。
这 过程 有 许多 步骤，
和 那 是 可视化 在 这 正确的- 手 边 的 你的…
第一个 步 是 在哪里 我们 对齐 这 面具 到 这 模板
和 然后 分配 r 抵抗，
降低 这 模板 和 EUV 治愈 到 复制 这 精确的 图案
从 这 面具 模板 到 这 晶圆。
这 印记 过程 独自的 有 22 批判的- 到- 质量 参数
那 运营 之间 紧的 控制 限制 这样的 作为 只是 20 纳米 电影 厚度
和 100 微米 降低 准确性。
作为 你 可以 看， 这些 公差 是 极其 小的。
为了 参考， 人类 头发 是 只是 20 微米 到 100 微米。
因此， 这 印记 光刻 需要 a 精确 放置 和 结盟
那 是 难以区分 到 这 人类 眼睛。
意义 我们 依靠 a 很多 之上 船上 计量学 和 想象 系统
那 产生 吨 的 数据 从 大的 数字 的 输入 参数。
跳转 帮助 我们 到 容易地 分析 这些 大的 数据 套
在 我们的 问题- 解决 流程。
我们 使用 二甲基异氰酸酯 方法 在 我们的 问题- 解决 过程。
下列的 是 这 跳转 工具
那 我们 使用 在 每一个 阶段 的 我们的 DMAIC 处理器， 分别。
喜欢 许多 制造业 团队，
我们 成立 出去 控制 阶段 作为 最多 具有挑战性的 和 被忽视 阶段，
因为 在 a 开始 向上 喜欢 魔法 飞跃， 我们 连续地 发展， 制作 改进，
和 迭代 一些 新的 设计 和 修訂。
这 控制 阶段 是 被忽视
因为 它 需要 更长 时间 为了 这 确认。
为了 例子，
我们 寻找 a 问题 或者 一个 问题， 说 喜欢 过程 超过 控制 限制
和 给予 低的 每次点击费用 价值观，
导致 在 低的 每次点击费用 期间 我们的 控制 阶段。
我们 定义 这 问题，
我们 措施 这 历史 数据，
分析 这 问题
经过 多变量 方法 和 相关性 矩阵，
提升 这 问题 经过 实施 这 矫正 行动，
经过 进行 做 和 回复 篩選。
但 一次 这 是 已解决，
我们 移动 在 到 我们的 下一个 严重 问题 和 移动 在 到 严重程度 3 问题
一次 你 解决 这 严重性，严重性 2 问题，
和 这 循环 继续，
俯瞰 这 最多 重要的 阶段 的 DMAIC，
哪个 是 这 控制 阶段。
这 曾是 这 原因 我们 来了 向上 和 这 改变 观点 检测 仪表板，
哪个 是 快速地 和 高效的。
它 精确定位 问题 快点， 更轻松 到 可视化 故障 和 變更。
甚至 运算符 WHO 是 不是 精通 和 这 统计数据
能 使用 这 仪表板 到 诊断 这 问题。
为了 例子， 前 介绍 这 改变 观点 仪表板
在 我们的 制造业 店铺 地面，
这 升级 进步 是 喜欢 这 左边 侧身，
在哪里 这 操作员 监视器 这 屈服 仪表板
和 识别 这 屈服 损失 和 故障。
操作员 报告 到 技术员 到 看 进入 这 故障。
如果 技术员 无法 到 解决 升级 这 工程师，
工程师 分析 这 控制 图表 数据 使用 控制 图表 警报 和 趋势，
和 然后 手动 加入 这些 输出 到 输入 和 做 这 相关性
和 寻找 出去 和 诊断 这 过错。
和 然后 工程师 工具 这 矫正 动作。
但 后 介绍 我们的 改变 观点 仪表板
在 这 制造业 地面，
这 操作员， 技术员， 和 工程师
监视器 这 改变 观点 仪表板 在 这 店铺 地面。
如果 改变 是 成立，
他们 看 进入 相关性 的 输入 前 这 改变 和 后 这 改变
和 容易地 诊断 这 问题，
和 然后 容易地 提升 这 矫正 动作。
这 帮助 我们 容易地 到 过渡 进入 我们的 可信平台模块 模型，
在哪里 运营商， 技术人员 和 工程师
是 全部 未来 一起 到 最小化 这 故障。
这 改变 观点 仪表板 使 我们的 控制 阶段 非常 高效的。
我是 去 到 证明 在 这 下列的 幻灯片
在 如何 这 是 高效的
作为 出色地 作为 如何 到 制作 这 改变 观点 仪表板。
前 显示 这 改变 观点 仪表板，
I 想 到 展示 你 我们的 旅行 从 传统的 控制 图表 监控
到 改变 观点 检测 仪表板。
尽管 这 传统的 控制 图表 是 非常 有帮助的 到 监视器 短途旅行
在 我们的 过程 使用 韦斯特加德 规则，
他们 展示 这 即时 出去 的 控制 点，
但 他们 经常 错过 这 微妙的 漂移 在 这 过程，
哪个 是 非常 渐进的 但 仍然 重要的。
这些 控制 图表 是 非常 有帮助的 到 监视器 这 时间 基于
和 还 给 我们 什么 部分 是 受到影响 经过 这。
但 作为 I 提及 前，
我们 有 22 批判的 参数 在 这 过程 独自的
和 那里 是 吨 的 输入 参数
那 影响 这些 22 批判的 参数，
哪个 方法 我们 需要 到 有 许多 控制 图表 监控，
在 这 相同的 时间， 到 有 a 稳定的 过程。
但 然后 我们 移动 在 到 模型- 驱动 多 各种各样的 控制 图表。
这些 控制 图表， 我们 监视器 两个都 输入 和 输出 一起，
和 我们 立即地 得到 a 相关性 之间 他们。
但 很遗憾， 这些 没有 有 任何 时间 系列 或者 端口 ID
到 帮助 和 部署 这 在 这 制造业 店铺 地面。
这 多变量 相关性 是 非常 重要的 为了 我们，
给予 这 关系
之间 我们的 输出 和 输入 在 这 过程。
和 这 再次 没有 有 这 时间 系列 数据
喜欢 这 控制 图表 到 确认 什么时候 这 问题 有 開始了。
这 改变 观点 检测， 然而 我们 成立 非常 有帮助的
到 容易地 探测 什么时候 那 过错 或者 改变
或者 重要的 突然 漂移 发生了 在 我们的 过程。
但 它 仅有的 给出 a 价值 什么时候 a 改变 观点 发生了，
它 没有 有 这 时间 系列 和 不是 非常 有价值的
作为 a 监控 工具 在 我们的 制造业 店铺 地面。
每个 一 有 它是 自己的 缺点 和 优点。
我们 结合 全部 的 这些 控制 图表 进入 一 仪表板
和 利用 这 控制 观点 检测 函数 价值观 进入 这些。
我们的 下一个 逻辑 步 是 回归 哪个 是 原因 和 影响 分析。
寻找 出去 这 原因 和 影响 和 联锁 这 工具 输入，
停止 这 失败 在 你的 关键品质因子 批判的- 到- 质量 参数
或者 在 你的 输出
和 还 移动 到 预言 分析。
这 是 一 例子 到 展示 你 如何 这 控制 图表 看起来 不同的
什么时候 你 整合 这 改变 观点 检测。
为了 例子， 在 这 左边， I 有 a 控制 图表
没有 这 改变 观点 检测。
你 能 看 那里 是 很少 UPS 和 起伏 之间 这 控制 限制。
但 什么时候 I 拿 这 价值 的 256，
哪个 这 改变 观点 检测 给出 你 什么时候 你 跑步 为了 这 相同的 数据，
和 拿 这 和 整合 进入 这 相同的 控制 图表，
你 可以 看 这 可视化 得到 更好的。
在 这 案件， 前 这 改变 观点， 你 有 a 演示 的 变化，
你 有 a 基线，
你 有 这 意思是 是 以下 你的 目标 线，
和 后 这 改变 观点， 你的 意思是 是 多于 这 目标 线 现在
和 你的 变化 有 减少。
在 这 方式， 你 可以 容易地 寻找 出去 和 可视化
什么 是 这 改变 在 你的 现存的 控制 图表。
一次 我们 成立 出去 如何 有价值的 这 改变 观点 是，
迅速地 告诉 我们 在哪里 这 改变 发生了
或者 在哪里 这 过错 发生了 在 你的 过程。
我们 开始 使用 一些 使用 案例。
我们 开始 和 一些 使用 案例 这样的 作为 这
在哪里 我们 介绍 a 改变 和 我们 想 到 证实 这 改变。
在 这 例子， 我们 有 a 过程 在哪里 它 是 给予 低的 钾通道 价值
因为 的 这 人口 是 大多 分布式 向 你的 积极的 边。
我们 已识别 它作为 a 意思是 转移。
它 需求 到 意思是 转移， 和 我们 介绍 这 已知 改变 意思是 转移。
什么时候 我们 介绍 这 均值漂移，
你 可以 看 这 过程 成为 更多的 有能力的，
关于 2.3 或者 1.5.
你 可以 看 什么时候 我们 部署 这 改变 观点 检测 功能
为了 这 相同的 数据，
这 改变 观点 给出 你 价值 和 这 方向
无论 你的 改变 有 采取 地方 或者 不是 在 你的 过程。
这 是 高度 视觉的 为了 我们
到 评价 无论 我的 已知 改变， 哪个 I 只是 介绍，
是 影响 我的 过程， 这 积极的 或负面。
这 第二 使用 案件， 作为 I 提及，
我们 有 很多 的 船上 计量学 工具 在 我们的 过程，
哪个 是 给予 a 很多 的 数据。
我们 做 期刊 测量 和 测试 在 这些 计量学 工具，
但 我们 总是 依靠 之上
这 重复性 和 可重复性 数据，
哪个 是 加塞 休息和放松 数据
从 这些 图表。
但 这 气体回收与再利用 数据 是 不是 发现 我们任何 故障 在 这 过程
或者 什么时候 这 计量学家 工具 开始 漂流
在 任何一个 积极的 或者 消极的。
但 为了 这 相同的 数据，
什么时候 我们 部署 这 改变 观点 功能，
它 立即地 告诉 我们 什么时候 这 微妙的 变化
和 突然 重要的 漂移 发生了 在 这 计量学， 也。
那 是 非常 高的 或者 高度 有帮助的 数据 到 确认
和 制作 当然 我们的 计量学家 工具 是 仍然 稳定的 和 不是 漂流 这 数据。
这 第三 和 最多 重要的 一
是 到 探测 和 诊断 这 故障 轻松。
这 是 a 仪表板 那 我们 工作 在 到 部署 在 我们的 制造业 店铺 地面。
我们的 工作流程 会 是， 我们 监视器 多种的 回复 参数
或者 批判的- 到- 质量 参数 作为 输出，
和 然后 我们 确认 如果 那里 是 任何 变化
使用 这 改变 观点 仪表板。
在 这 相同的 时间，
我们 还 看 进入 模型- 驱动 多变量 改变 观点 仪表板
在哪里 它 将要 告诉 我们 什么 是 这 短途旅行
和 容易地 相关 那 短途旅行 到 这 输入 参数。
但 这 真的 价值 来了 在
什么时候 我们 拿 这 改变 观点 价值观
和 整合 他们 进入 我们的 现存的 控制 图表。
在 这 例子， 我们 有 a 基线 数据 前 这 改变 和 后 这 改变，
哪个 方法 什么时候 这 过错 发生了， 你 可以 看 那里 是 a 轻微 意思是 转移
和 有 a 巨大的 变化 在 我们的 过程。
在 这 观点， 我们 去 到 我们的 相关性 矩阵。
它 是 关联 我们的 输出 参数 到 我们的 输入 参数 在 这 过程。
这 相关性 矩阵 将要 立即地 告诉 你
哪个 因素 有 a 强的 积极的 或者 a 消极的 相关性
期间 这 阶段 什么时候 比较的 到 期间 你的 普通的 阶段。
那 将要 立即地 告诉 你 什么 输入 范围 有 走了 错误的
或者 那 可能 有 贡献 a 很多 到 这个错误 区域。
那 是 如何 我们 是 有能力的 到 迅速地 寻找 这 故障 和 诊断 这 问题。
从 这里 在， 我是 去 到 证明 在 跳转
在 如何 到 创造 这些 种类 的 仪表板，
在 这 相同的 时间， 如何 到 创造 多种的 改变 點。
作为 你 可以 看 在 我们的 以前的 幻灯片，
这 改变 观点 功能 是 给予 仅有的 一 价值。
让 我 转动 在 到 跳转。
在 这 例子， 我是 使用 波士顿住房 数据 哪个 是 从 1978年。
这 是 一 好的 例子 作为 a 初学者 学习者
为了 相关性 和 回归。
许多 教程 使用 这 例子。
所以 I 想法 I 可以 使用 这 例子 哪个 是 容易 可用的。
每个人的 跳转 样本 数据 套 和 看 如何 这 相关性 是，
和 如果 那里 是 任何 多种的 改变 点 在 这 数据，
在 这 相同的 时间， 相关 到 这 实践。
这 样本 数据 桌子 看起来 喜欢 这。
在 我们的 案件，
I 想 到 看 这 中位数 市场 价值 或者 中位数 价格
的 这 自住 房屋 在 波士顿 和 看 如何 它 是 变化 和 时间。
在 这 相同的 时间， 那里 是 相应的 因素
喜欢 什么 是 这 犯罪 速度 在 这 镇 或者 什么是 这 污染 速度 在 这 镇
或者 这 年龄 的 其他 因素 这样的 作为 年龄 的 这 房屋
或者 迪斯 舞会 在 这些 地区。
你 能 读 这 数据 关于 这些 柱子 名字
在 这 柱子 笔记 那 是 呈现 超过 这里。
我是 去 到 跑步 这 脚本 哪个 给出 我们…
前 跑步 这 脚本， I 还 想 到 告诉 你
那 我是 附加 这 全部的 脚本 作为 部分 的 我的 推介会，
在哪里 你 可以 去 通过 这 脚本 或者 跑步 这 脚本
和 它 将要 给 你 a 好的 仪表板 关于 波士顿住房 价值观 变化
和 还 a 相关性。
你 可以 下载 这 脚本 和 看 进入 我的 分数
和 你 可以 使用 这 相同的 方法论 和 这 逻辑
在 如何 我是 有能力的 到 探测 多种的 改变 点
从 这 仪表板 使用 这 JS 下标。
什么时候 I 跑步 这 脚本，
运行 和 I 得到 a 好的 仪表板 喜欢 这。
作为 I 提及，
我们的 问题- 解决 框架 会 是 喜欢 看 在 这 改变 点
在 我们的 中位数 价值 的 这 房屋 在 波士顿。
你 可以 看 它 给了 我们 这 中位数 价值 那 那里 是 a 大的 改变 这里
和 它 告诉 你 这 改变 观点 出现 到 是 在 排 373，
和 还 那里 是 一些 第二个 小的 改变。
什么时候 你 看 在 这 模型- 驱动 控制 图表 数据，
你 可以 看 那里 是 高的 短途旅行
在 这 中等的 价值 的 这 住房 市场。
你 可以 容易地 告诉 什么 造成 这 短途旅行
经过 寻找 进入 你的 输入 范围， 那 是 犯罪 速度。
你 可以 徘徊 在 任何 的 这些 和 寻找 出去 什么 是 影响
这些 巨大的 短途旅行
在 你的 监控 多变的， 哪个 是 中位数 价值 的 这 房屋。
作为 I 提及， 这 真实的 价值 来 出去 什么时候 我们 拿 这些
和 整合 进入 我们的 控制 图表。
看 这 一， 这 控制 图表 将要 给 你
这些 融合的 改变 点 从 这里。
出色地 给 你 a 好的 视觉的。
你可以看到 现在 在 波士顿住房 市场 例子，
我们 有 a 基线 住房 中位数 价值 变化，
a 基线 价值 在 20 百万。
和 然后 什么时候 这 住房 繁荣 发生了， 或者 什么时候 这 改变 观点 1 发生了，
你 可以 看 那里 是 a 好的 数量 的 变化 在 这 住房 市场。
在 这 相同的 时间， 那里 是 a 意思是 转移， 也。
但 很快， 那里 是 其他 改变 发生 和 这 住房 市场 碰撞
导致 在 你的 中位数 价值 是 以下 你的 基线。
这 是 容易地 告诉 我们， 给予 我们 a 视觉的 进入 部分
在哪里 什么 是 这 基线 数据， 什么时候 这 第一的 改变 发生了，
什么是和 如何 很多 是 这 改变？
这 第二 改变 发生 和 如何 很多 是 这 改变 现在。
你 能 比较 和 你的 以前的 二 變更。
如果 你 作为 a 前景 给购房者 在 波士顿
和 你是 寻找 进入 这 种类 的 数据，
你 想 到 知道 什么 可能 有 发生了 那 有 受到影响 这些 种类 的 變更。
在 你的 数据 放， 你 有 一些 好的 因素
关于 这 犯罪 区，
这 犯罪 速度 在 那 相同的 区域 在 这 相同的 时期 的 时间，
和 这 污染 利率， 等等。
如果 你 看 在 我们的 前 改变
你 可以 看 这 市场 价值， 如何 它 是 关联 和 你的 因素。
在 这 案件， 你 能 看 有 a 好的 数量 的 消极的 相关性
和 这 犯罪
和 这 消极的 相关性 和 这 行业 区域 和 还 污染。
和 那里 是 a 强的 积极的 相关性 哪个 是 关于 0.8 和 这 阶段。
现在， 看 在 这 第二 改变 观点 1 阶段
在哪里 这 住房 繁荣 发生 [听不清 00:22:46] 均值偏移 向上。
你 可以 看 在 这 时间 框架
你的 犯罪 速度 是 低的 或者 不 相关性 和 这些 變更。
你的 污染 是 低的 再次，
但 你的 房间 仍然 相同的 强的 积极的 相关性 在 这些 二 阶段。
如果 你 问 我 什么 会 有 发生了 这 时间，
I 会 说 或许 这 犯罪 有 增加 在 这 区域
或者 这 污染 有 增加 在 这 区域，
这样的 种类 的 主导的 因素 那 是 可见的 ,
那 是 不是 有利 为了 a 预期 家。
那是 去 在 到 这 住房 碰撞 什么时候 它 發生了。
比较 之间 这 阶段 到了这个阶段，
变点 查看 如何 这 相关性 只是 變更。
你 能 立即地 告诉， “好的， 我的 比较
和 这 中位数 市场 价值 从 这 阶段，
我的 相关性 和 这 客户 是 漂亮的 低的，
我的 房间 有 非常 积极的 相关性，
和 那里 是 状态统计 和 其他 因素。”
但 如果 你 来 到 这 改变 要点 2 时间，
你 可以 看 这 犯罪 速度 有 增加 再次，
你的 污染 有 增加 再次，
哪个 导致 在 这 消极的 线性 相关性 的 这 改变。
什么时候 你 看 在 你的 房间，
哪个 有 到过 积极地 贡献 为了 你的 改变 有 下跌 向下 完全地。
在 这 方式， 这 是 告诉 你 a 很多 的 信息 数据 关于 这些 变化
那 发生 在 1978年。
还， 简单的 相关关系 数据 和 你的 因素
那 可能 有 受到影响 这些 變更。
患病的 重复。
我们的 框架 是 检测， 为了 任何 时间 系列 数据，
我们 第一的 探测 数字 的 变化，
如果 它 是 一 改变 或者 二 改变 或者 更多的 变化，
和 然后 整合 这些 改变 点
进入 我们的 控制 图表 到 得到 a 更好的 可视化 关于 这 變更。
是 它 a 意思是 转移 或者 变异转变， 或者 什么 是 發生了嗎？
和 然后 看 进入 你的 因素 那 可能 有 贡献 到 这些 变化
和 看 什么 因素 a 强的 贡献 为了 这 改变
或者 虚弱的 贡献 或者 不 贡献 或者 消极的 贡献。
现在 那 你 知道 这 犯罪 速度， 你的 市场 价值
-这 中位数 市场 价值 是 受到影响 经过 这 犯罪 速度，
污染， 和 这 房间——
让我们 看 在 a 简单的 可视化。
什么时候 你 去 这里， 你 能 看 这 是 a 简单的 图形 阴谋。
我是 服用 我的 改变 观点 和 可视化 它 在 a 更好的 方式。
我是 比较 我的 中位数 价值
和 这 氮氧化物， 这 污染 价值 在 这 相同的 城镇，
在 这 相同的 时间 时期 和 这 房间 和 这 犯罪 速度。
你 可以 看 什么时候 我的 住房 中位数 市场 价值观 增加
或者 这 住房 蓬勃发展 阶段，
你 可以 看 这 污染 是 非常 低的 和 这 房间 为了 住宅 有 增加
和 你的 犯罪 速度 是 在 至少 可能的 状态。
作为 a 预期 购房者，
这些 是 全部 有利 因素 为了 我，
不 污染 区域， 不 犯罪 区域或 安全的 区域，
和 然后 我是 得到 a 大 家 与 方便的 数字 的 房间。
但 让我们 看， 在 这 阶段， 什么时候 这 住房 市场 坠毁，
在 这 相同的 时间， 你的 污染 速度 有 增加。
这 数字 的 房间 为了 住宅 有 下降。
和 然后 有 一个 天文数字地 高的 犯罪 速度
哪个 是 影响 这 相同的 事物。
这 是 a 清除 视觉的，
但 你 登陆 向上 在 这 问题 或者 和 这 种类 的 结论
和 这 帮助 的 你的 相关性 矩阵。
相关性 矩阵 和 然后 a 改变 观点。
你的 相关性 矩阵 和 然后 这 改变 观点
和 然后 a 更好的 解决 喜欢 这。
让 我 去 和 展示 你
如何 这 JSL 脚本 是 池化 多种的 改变 點。
你 可以 寻找 这 改变 观点 数据
在 你的 控制 图表， 多变量 控制 图表。
和 再次， 这 是 a 多 各种各样的 控制 图表。
你 可以 使用 作为 许多 作为 变量
作为 你的 多变量 控制 图表 输入 参数。
但 在 我的 案件， 我是 使用 中位数 市场 价值，
和 I 得到 a 多变量 相关性 和 a 改变 观点。
清楚地， 看， 它 给出 我 373 作为 a 数字。
如何 I 是 服用 或者 提取 这 373 数字
是 使用 这 种类 的 跳转 或者 JSL 能 提炼 任何 的 这 文本 盒子 列
从 任何 的 你的 报告 和 然后 放 它 进入 你的 数据 桌子。
在 这 案件， I 集 这 数据 观点。
你 可以 看 这 方程 1 持有 这 短语 称呼 或者 这 文本 盒子 称呼。
这 改变 观点 出现 到 是 373.
这 一 简单的 代码 将要 抓住 或者 提炼 那 价值 从 这 报告。
和 然后 I 拿 那 进入 我的 列
在 这 改变 观点 1 柱子，
和 I 提炼 这 数值 价值 出去 的 它。
I 写道 这 JSL 作为 简单的 作为 可能的。
我是 非常 初学者 和 脚本 和 编码。
你 可以 看 I 用过的 简单的 公式 和 简单的 方法 到 得到这个。
你 能 看 这 改变 观点 报告 是 仅有的 给予 你
一 改变 观点 价值。
但 你 可以 看 在 你的 过程， 那里 是 其他 变化， 也，
那 你 可能 是 感兴趣的 在 和 我们 想 到 寻找 他们 出去。
什么 I 做 是 一次 你 得到 你的 第一的 价值，
你 隐藏 和 排除 一切 后 你的 改变 观点。
后 这 373， 你 排除 一切。
现在 你是 左边 和 这 阶段。
你 想 到 看 什么 是 我的 改变 在 这 阶段，
和 这 循环 继续。
为了 例子， 在 我的 方程 2 从 我的 报告 2、
我是 拉 这 文本 盒子 短语 称为 这 改变 观点。
对不起， 这 是 难的 到 展示。
什么时候 你 徘徊 在 这，
你 能 看 那 多变的 有 这 短语 [听不清 00:29:49]。
多变的 有 这 阶段 的 这 改变 观点 出现 在 排 157.
你 拿 这 价值 和 然后 放 它 在 你的 柱子 称呼，
CP 文本， 某物 喜欢 那，
在哪里 你 可以 提炼 你的 第二 改变 观点。
一次 你 得到 a 数据 喜欢 那，
它 是 非常 简单的 到 构造 a 仪表板 喜欢 这，
在哪里 你 创造 你的 控制 图表 仪表板，
每个 个人 成分， 模型- 驱动 多变量 控制 图表，
和 创造 这 仪表板 使用 这 新的 仪表板 应用。
一次 你 创造 a 好的 仪表板 喜欢 这，
你 只是 去 这里 和 你 只是 拿 一切 进入 这 脚本。
我是 交换 向下 到 我的 推介会。
I 希望 这 波士顿住房 数据 例子 是 非常 清除，
因为 如何 容易地 你 能 探测 变化 在 任何 时间 系列 数据
和 相关 那些 和 你的 输入 参数。
在 真实的 生活 或者 制造业 设想，
你 会 有 一些 输入 参数 喜欢 这。
在 这 案件， 在 我的 仪表板，
我们 看 进入 大约 50 输入 参数 比较 和 我们的 输出 参数。
我们 还 监视器 这 多变量 控制 收费。
你 可以 看 我是 监控 多种的 关键品质因子 一起
反而 的 每个 个人 传统的 控制 图表。
我是 出口 这些 价值观 进入 我的 现存的 控制 图表
和 然后 立即地 诊断 我的 故障。
这 仪表板， 作为 你 能 看， 它是 漂亮的 自己- 解释性的，
简单的 到 读， 简单的 到 部署 在 你的 制造业 地面。
技术人员 甚至 不是 舒服的 和 统计 分析，
和 正在做 这 种类 的 建筑 控制 图表 和 一切，
他们会 只是 看 在 这 过程 说 那，
“这 因为， I 有 二 变化 在 我的 过程，
和 让 我 看 什么 是 这 输入 参数
那 是 关联 这些 变化 和 看 如果 I 能 改变 他们
或者 操纵 他们 所以 那 我的 过程 后退 到 稳定的 像这样的状态。
再次， 这 相关性 系数 是 漂亮的 简单的 到 解释 到 任何人
在 这 制造业 车间。
为了 例子， a 强的 积极的 相关性 会 给 你 a 蓝色的 数字 更近 到 1、
或者 a 强的 消极的 相关性 会 是 某物 喜欢 -0.7，
但 这 变化 会 是 某物 喜欢 这
什么时候 你 增加 某物。
和 微妙的 少量 的 变化，
你 会 看 a 消极的 相关性 那里，
和 然后 a 虚弱的 消极的 相关性 会 是 某物 喜欢 这，
a 很多 的 变化 反而 的 a 直的 像这样。
和 然后 有 不 相关性。
这 数字 会 是 漂亮的 很多 关闭 到 0.
你 会 看，
甚至 如果 你 增加 一， 这 其他 可能 是 减少。
它 是 非常 简单的 到 解释。
它 是 非常 视觉的 在 这 制造业 店铺 地面
到 寻找 出去 这些 种类 的 数字，
寻找 到 看 什么 输入 有 改变 和 什么 输入 有 a 强的 相关性。
那里 是 一个 额外 奖金 和 这 改变 观点 一体化。
作为 你 能 看， 这些 是 全部 数值 数据，
哪个 是 得到 a 数值 相关性 喜欢 这。
但 这 改变 观点 是 告诉 你 什么时候 这 过错 有 发生
和 什么时候 你 知道 什么时候 这 过错 有 发生了，
你 只是 看 进入 你的 数据 这样的 作为 模板 改变 或者 你的 加载 港口 身份证件，
和 你 将要 得到 a 相关性 和 你的 非 数值 数据 [听不清 00:34:10] .
你 会 开始 a 讨论 在 你的 制造车间。
嘿， 什么时候 这 时间 发生了， I 做过 这 改变 超过 下午
或者 这 工具 是 环境 闲置的，
或者 I 做过 a 防止 天 到 维护 在 这 精确的 时间。
或许 那 防止 天 到 维护 时间，
一些 问题 有 發生。
这 是 给予 你 a 满的 图片。
你是 寻找 进入 吨 的 50 加 输入 参数
和 容易地 得到 a 相关性 和 你的 关键品质因子
和 容易地 检测 这 故障。
在 这 相同的 时间， 你 有 非 数值 数据 这样的 作为 喜欢 这，
和 你 寻找 出去 和 你 涉及 喜欢，
什么 曾是 I 正在做 什么时候 这 改变 或者 过错 有 发生 在 我的 过程？
这 最终的 外卖
是 经过 整合 改变 观点 功能 到 我们的 现存的 控制 图表。
是 迅速地 发现 故障 和 诊断 他们 快点，
保存 百万 的 美元 在 我们的 快速地- 节奏 制造业。
和 JSL 脚本，
是 有能力的 到 寻找 出去 那里 是 多种的 改变 点 在 我们的 过程
和 整合 他们 到 我们的 控制 图表 仪表板。
这 改变 观点 和 多变量 方法 能 是 用过的 在 任何 时间 系列，
作为 I 曾是 提及。
为了 例子， 什么时候 我是 准备 为了 这 推介会，
I 给了 a 小的 放 的 我们的 每月 储蓄 数据 放 到 我的 妻子
WHO 是 不是 熟悉的 和 统计数据 和 控制 图表。
之上 追踪 这 仪表板，
我的 妻子 容易地 成立 那里 是 改变 点 在 我们的 储蓄。
但 在 这 相同的 时间， 她 做过 不是 喜欢 这 事实
那 什么时候 这 仪表板 尖 出去 那 我们的 亚马逊 开支
是 出色地 关联 为了 我们的 低的 保存 个月。
作为 你 能 看， 喜欢 这 时间， 这 改变 观点，
你 可以 使用 它 在 任何 时间 系列 数据。
你 可以 寻找 出去 你的 变化 在 你的 时间 系列
和 什么时候 这 改变 有 发生
或者 什么时候 这 重要的 改变 有 发生了，
和 然后 你 能 相关 到 你的 输入 参数。
在 我们的 案件， 我们 是 只是 关联 你的 亚马逊 开支 或者 拿- 出去 晚餐
和 一些 其他 因素 [听不清 00:36:18] .
那是 漂亮的 很多， 和 I 希望 你 成立 这 推介会 非常 有用，
和 你 还 学到了 如何 你 能 容易地 寻找 多种的 改变 点
通过 JSL 脚本 和 创造 简单的 仪表板
到 在哪里 示威者
到 寻找 出去 故障 和 容易地 诊断 他们。
感谢 你。
