Herzlich willkommen. Vielen Dank für Ihr Interesse. Ich zeige Ihnen heute, wie Sie Bilder in den JMP-Workflow integrieren. Ich werde dabei sowohl JMP- als auch JMP Pro-Funktionen verwenden und werde darauf hinweisen, wenn ich JMP Pro-Funktionen verwende. Der Workflow ist umfangreich und wir können Bilder praktisch überall darin verarbeiten – von der Verwendung als Datenquelle über die Analyse bis hin zur Integration in unsere Ergebnisse.
Vor diesem Hintergrund möchte ich heute eine kleine Fallstudie durchführen, aber zunächst einen kleinen Vorgeschmack geben und durchgehen, worüber wir sprechen werden. Ich zeige im Wesentlichen, wie JMP Bilder für uns erstellt und wie man Bilder beispielsweise in eine Datentabelle einfügt, wenn man sie aus einer anderen Quelle hat. Vielleicht müssen Sie Informationen aus einem statischen Bild in einen dynamischen JMP-Bericht extrahieren. Wir werden das anhand einiger Beispiele tun. Auch hier geht es darum, von statischen Bildern zu etwas zu gelangen, das ich tatsächlich manipulieren kann.
Dann wechseln wir den Gang und nutzen die Bilder, indem wir beispielsweise eine Heatmap erstellen und sie in eine Kurve umwandeln, die wir im Functional Data Explorer von JMP verwenden können. Außerdem verwenden wir Bilder, um ein Temperaturmodell zu erstellen. Wir werden viel tun und dieses Modell sogar live überwachen.
Damit möchte ich nun abschließen und direkt loslegen. Ich dachte, es wäre am besten, wenn wir es anhand einer Fallstudie betrachten. Es gibt da eine kleine Geschichte. Lesen Sie nicht zu viel hinein, denn das meiste davon habe ich mir ausgedacht. Es geht hauptsächlich um die Idee, eine Erzählung zu haben.
Wir tun so, als wären wir Casey Sparks und als Elektroingenieur für die Herstellung einer Maschine verantwortlich, die für unseren Widget-Herstellungsprozess in der Red Triangle Widgets-Fabrik von entscheidender Bedeutung ist. Wir haben Prototypen der Maschine hergestellt, und die Maschine überhitzt ständig. Wir konnten die Überhitzung auf eine bestimmte, hauseigene Platine der Maschine zurückführen. hauseigene Platine heißt, wir bauen diese Platine selbst. Das ist sehr praktisch, denn so können wir Änderungen vornehmen. Das Unternehmen braucht das wirklich schon gestern. Es muss produktionsbereit sein. Die Produktion hatte Mühe, mit der Nachfrage nach diesem neuen Produkt Schritt zu halten, und die Maschine wird es allen viel einfacher machen. Das wird sich auf die Moral aller auswirken. Natürlich leidet das Überstundenbudget unter der Behelfslösung.
Eine persönliche Anmerkung: Casey, diese Persona, arbeitet neu bei Red Triangle und möchte etwas bewirken. Wir alle wollen dort, wo wir arbeiten, etwas bewirken. Wir werden anhand von Bildern einen Prozess des Verstehens, Lösens und Überprüfens der Problemlösung durchlaufen. Wir werden diesen Verständnisprozess gemeinsam durchlaufen. Wir werden den Experimentierprozess gemeinsam durchlaufen und anschließend den Überprüfungsprozess gemeinsam. Im Grunde werden wir ihn einfach durchgehen.
Wir beginnen mit einer Datentabelle. Das passiert wahrscheinlich häufig, wenn man recherchiert und eine Reihe von Diagrammen erstellt. Es wäre wirklich schön, wenn man diese in eine Tabelle einfügen und damit etwas anfangen könnte. Das ist ganz einfach, aber im Bearbeitungsmenü versteckt.
Wenn Sie in JMP mit der rechten Maustaste auf ein Bild klicken und dann das Menü „Bearbeiten“ öffnen, sehen Sie unten die Option „Tabelle mit Diagrammen wie dieser erstellen“. Das ist eigentlich alles, was Sie tun müssen. Da ich in diesem Bericht mehrere identische Diagramme habe, hat JMP diese Tabelle für mich erstellt, und die Diagramme werden tatsächlich in voller Größe und Auflösung angezeigt.
Wir könnten uns Notizen zu jeder dieser Dateien machen, während wir über dieses Problem sprechen. Casey hat diese vier potenziellen Probleme gefunden. Sie möchte sich Notizen dazu machen und die Datei in ihrem Projektordner speichern, damit zukünftige Benutzer, die sich damit befassen, diese Notizen und das Diagramm zur Hand haben. Das ist wirklich toll.
Auch das geht ganz einfach: Klicken Sie mit der rechten Maustaste auf ein Diagramm, öffnen Sie das Menü „Bearbeiten“ und erstellen Sie eine Diagrammtabelle wie diese. Das ist eine der beeindruckendsten Funktionen. Ich zeige Ihnen gleich, wie Sie Ihre eigenen Bilder ganz schnell in eine Datentabelle einfügen. Es geht ungefähr genauso schnell.
Vielleicht ändern wir die Richtung ein wenig. Wir haben bereits dieses Diagramm der Ausgangsfaktoren. Dies sind vielleicht vier potenzielle Faktoren, mit denen Casey experimentieren möchte. Sie hat auch ein paar Bilder gefunden, aus denen sie die Daten gewinnen muss.
Ein kleiner Umweg. In diesem Journal finden Sie einen Link zu einer Erweiterung im JMP-Marktplatz namens „Image to Table“. Ich möchte Sie darauf hinweisen, dass ich die Add-Ins geschrieben habe und sie daher großartig finde. Sie können sie kostenlos herunterladen und in JMP installieren. Anschließend können Sie Bilder importieren. Ich habe hier ein paar Beispiele, wie wir das machen. Nehmen wir das erste Beispiel.
Nehmen wir an, Casey hat herausgefunden... Beim Durchforsten der Bibliothek früherer Experimente ihrer Firma ist sie auf ein Diagramm von vor zehn Jahren gestoßen, das jemand mit der Potenz in einer beliebigen Einheit über einem anderen X-Faktor erstellt hat. Das ist wirklich cool. Sie ist begeistert davon, weil es ihr hilft, einen ihrer Faktoren zu verstehen. Aber sie hätte gerne eine Schätzung und würde sehen, ob der Wert weiter steigt. Besonders interessant ist für sie der Bereich, in dem X = 7 ist.
Kann sie nicht extrapolieren, wo X gleich 7 ist, anstatt einfach eine Linie zu zeichnen und sie mit einem gewissen Maß an statistischer Genauigkeit zu betrachten? Natürlich lautet die Antwort ja. Es ist ziemlich einfach. Sobald das Add-In installiert ist, wählen Sie es einfach aus und Sie werden gefragt, wo Ihre Bilddatei ist. Wir werden es dorthin verweisen. Entschuldigen Sie.
Wir erhalten ein Bild des Bildes und eine kleine Konsole hier unten. Ich drücke einfach darauf und entferne die weißen Pixel. Sie werden sehen, dass wir von potenziell 270.000 importierten Zeilen auf nur 50.000 Zeilen reduzieren. Bilder sind in der Regel recht groß, wenn man sie in eine Tabelle konvertiert. Jede Zeitersparnis ist großartig.
Wenn Sie diese Schaltfläche drücken, erhalten Sie eine Datentabelle und einige Diagramme. Manchmal ist ein Schwarzweißdiagramm besser, manchmal ein Farbdiagramm. In diesem Fall denke ich, dass das Farbdiagramm besser funktioniert. Sehen wir uns eine Datentabelle mit den importierten 50.000 Pixeln an. Ich verschiebe das einfach hier nach unten und überlege, was als Nächstes passieren muss. Wir müssen ein paar Schritte ausführen, um zu extrapolieren, wo X gleich 7 ist.
Als Erstes müssen wir unsere X- und Y-Achsen neu kalibrieren. Dazu treffe ich einfach eine Auswahl. Da es sich hier nur um den Graph Builder handelt, ist die interaktive Auswahl ganz einfach. Ich habe den Bereich in meinem Diagramm ausgewählt. Ich klicke auf „X- und Y-Achsen neu kalibrieren“. Meine X-Achse geht von null bis fünf und meine Y-Achse von null bis eins. Ich muss nur noch die Werte eingeben: Null bis fünf und Null bis eins.
Ich klicke auf „OK“, und dann erscheint die Meldung: „Hey, ich habe diese neuen Spalten für dich erstellt. Vielleicht möchtest du sie verwenden.“ Ja, die Idee gefällt mir. Ich bin jedes Mal wieder begeistert, wie einfach es war und wie oft ich mir wünsche, ich hätte das früher schon gehabt, nachdem ich ein Bild gefunden hatte. Jetzt sind die Skalen ausgerichtet. Das ist wirklich cool.
Als Nächstes muss ich nur noch die blaue Spur in der Mitte beibehalten. Ich brauche die anderen Farben nicht. Da ich die Daten nun in JMP habe, ist das ganz einfach. Ich gehe zum Clustering-Menü. K-Means-Clustering ist bei relativ großen Datensätzen wie diesem extrem schnell.
Ich muss JMP nur sagen, dass er Farbcluster erstellen soll. Er soll dies in mehrere Farben aufteilen. Jetzt kann ich mir das Diagramm ansehen und an meinen Fingern abzählen. Ich habe Schwarz, zwei Grautöne und Blau. Das sind also vier Farben. Ich könnte versucht sein, hier gleich 4 einzutragen.
Was ich jedoch festgestellt habe, ist, dass Computer beim Erstellen von Bildern die Farben miteinander vermischen. Ich habe festgestellt, dass die Verdoppelung der sichtbaren Farben wirklich gute Ergebnisse bringt. Ich habe auf „Los“ geklickt. Auch das ist schön und interaktiv, sodass ich mit der Abwärtspfeiltaste einfach durch die Bilder gehen kann.
Es ist nicht Cluster 1. Oh, ein Klick genügt, und ich bin da. Es ist Cluster 2. Ich könnte so weitermachen. Ich wähle einfach alles außer Cluster 2 aus und lösche dann in meiner Datentabelle diese Zeilen. So, das war's. Ich habe jetzt die blaue Kurve in den richtigen Einheiten. Jetzt kann ich die Kurve ganz einfach mit meinen kalibrierten Einheiten anpassen.
Ich weiß, da es rauf und runter geht ... Ich drücke Alt, während ich darauf klicke. Ich weiß, da es rauf und runter geht, ist es wahrscheinlich biexponentiell, aber ich weiß nicht, ob es 4 oder 5 ist. Das hätte ich mir wahrscheinlich merken sollen. Es ist ein biexponentieller 5-Parameter, weil das der oberste ist, also werde ich ihn eliminieren.
Jetzt kann ich plötzlich extrapolieren. Das ist ein wirklich gutes R-Quadrat, 0,99. Ich kann mir den Profiler ansehen. Ich sehe, wo wir bei 7 sind. Ich kann diesen Wert ermitteln. Es ist wirklich ganz einfach, Daten aus Bildern in JMP zu übertragen. Lassen Sie mich das noch einmal aufräumen und ein weiteres Beispiel betrachten. Lassen Sie mich Folgendes tun.
Kann Casey extrapolieren, wo X gleich 7 ist? Ja, ziemlich einfach. Es sind nur ein paar Schritte nötig. Hier ist ein weiteres Diagramm, das Casey gefunden hat. Wir tun so, als stamme es aus einer wissenschaftlichen Zeitschrift. Sie sehen, dass es sich um zwei verschiedene Gruppen handelt, aber es ist nur ein Diagramm, oder besser gesagt, es ist nur das Bild eines Diagramms.
Sie möchte vielleicht eine Anpassungslinie für die gelben und die grünen Punkte erhalten, also zwei verschiedene Anpassungslinien. Sie hat die Daten nicht, sie hat sie einfach aus dem Internet gefunden. Kann sie für jede Gruppe eine Anpassungslinie erhalten? Die Antwort lautet natürlich ja. Wir verwenden das Add-In erneut mit diesem Bild zur Tabelle. Wir wählen dieses Beispiel-Streudiagramm.
Übrigens, ich habe vergessen zu erwähnen, dass Sie beim Herunterladen dieses Journals Zugriff auf alle Dateien haben. Klicken Sie einfach auf die Schaltfläche, und alle benötigten Dateien werden erstellt.
Wir müssen einfach dasselbe tun wie zuvor. Wir beginnen wie zuvor mit dem Entfernen der weißen Pixel. Wir klicken auf „Importieren“. Nach dem Importieren kalibrieren wir unsere Achsen wie zuvor neu. Wir wählen den Bereich aus, von dem wir wissen, dass er begrenzt ist. Es sieht so aus, als ob der Bereich auf der X-Achse von 50 auf 70 und auf der Y-Achse von 60 auf 180 geht. Ich könnte auf „Neu kalibrieren“ klicken und von 50 auf 70 und dann von 60 auf 180 gehen. Ich klicke auf „OK“. Jetzt habe ich diese neuen Achsen. Das ist so cool.
Als Nächstes möchte ich diese Datenpunkte nach ihrer Farbe kategorisieren. Auch hier wähle ich im Graph Builder die für mich wichtigen Punkte aus. Dann gehe ich hierher und wähle „Ich möchte eine Farbkalibrierung durchführen“. Hier gibt es mehrere Optionen. Dies ist eine kategorische Legende mit Text oder Zeichen.
Ich drücke das und JMP wird... Ich hätte die Datentabelle wohl aus dem Weg räumen sollen. So, jetzt geht's. Die grünen sind hervorgehoben. Ich muss den zugehörigen Text eingeben. Das ist A. Als nächstes kommt B. Es findet tendenziell ein paar zusätzliche Farben, wie wir bereits erwähnt haben, da Computer diese Mischung durchführen. Alle anderen, die angezeigt werden, überspringe ich. So, jetzt geht's. Es gab drei zusätzliche Farben im Hintergrund, die uns nicht wirklich interessierten.
Aber hier ist etwas wirklich Cooles. Wenn ich jetzt zur Datentabelle gehe und die A-Werte auswähle, sind das die grünen, und die B-Werte, das sind die gelb-orangen. Aber vielleicht noch wichtiger: Hier ist alles andere. Da mich das alles nicht interessiert, kann ich es löschen. Dann gibt es nur noch diesen Rest der Legende hier, und den kann ich löschen.
Jetzt habe ich die Daten eingelesen. Was mir allerdings noch fehlt, ist ein einzelner Punkt. Ich habe 46 Punkte. Ich befürchte, dass die Anpassungsgerade nicht ganz genau ist, da jede dieser Datengruppen eine andere Anzahl von Punkten hat. Ich glaube, wir sind noch nicht ganz so weit. Stattdessen möchte ich den Mittelpunkt jedes dieser Punkte ermitteln. Wir verwenden dasselbe Tool wie zuvor, die K-Means-Clusterung.
Anstatt nach Farben zu clustern (die habe ich ja schon), clustere ich nach X- und Y-Gruppen. Im Grunde sage ich JMP, dass er eine Anzahl von Clustern erstellen soll. Nun stehen wir vor folgender Frage: Wie viele Cluster? Ich weiß es nicht. Es sieht so aus, als wären es irgendwo zwischen 30 und 40. Ich könnte sie zählen, aber wenn ich stattdessen einfach diese Cluster-Reihe eingebe, meldet JMP, dass es sich anscheinend um 38 Cluster handelt. Das gefällt mir viel besser, als von Hand zu zählen.
Ich gehe hier zu 38 und überprüfe es noch einmal. Ich möchte die Farben in der Tabelle speichern. Dadurch werden die Farben im Graph Builder geändert. Solange ich nicht sehe, dass einer dieser Datenpunkte direkt halbiert ist, weiß ich, dass ich die richtige Zahl habe. Ich kann diese Cluster in der Tabelle speichern. Jetzt enthält meine Datentabelle im Grunde alles, was ich brauche. Sie enthält die Cluster und die Beschriftungen.
Ich kann das alles ganz schnell zusammenfassen, indem ich sage: Ich möchte wissen, zu welcher Gruppe jeder meiner Cluster gehört, und dann möchte ich den Mittelpunkt oder den Mittelwert von X und Y wissen. Wenn ich das in eine Datentabelle umsetze, kann ich das in den Graph Builder ziehen und schließlich diese Frage beantworten. Das heißt, was? Das hat uns insgesamt etwa 2 Minuten gekostet. So cool.
Jetzt kann ich danach suchen und nach der Gleichung fragen. Zurück zu unserer ursprünglichen Frage: Kann Casey die Anpassungslinie für jede Gruppe berechnen? Das kann sie auf jeden Fall. Wir können ganz einfach Informationen aus Bildern gewinnen. Wir können diese Informationen manipulieren und dafür die JMP-Tools verwenden. Das ist wirklich cool. Ich finde es wirklich beeindruckend, wie viel man damit machen kann.
Hier wird aufgeräumt, und dann geht es weiter mit dem nächsten Schritt: Casey nutzte all diese Informationen, um eine Reihe von Faktoren für ihr Experiment einzugrenzen. Auch hier versuchen wir, die Temperatur eines Bauteils zu senken. Sie grenzte es auf eine Reihe von Faktoren ein und erstellte diese Testplatinen, 20 Stück.
Anschließend unterzog sie jede Platine einem 20-minütigen Stresstest. Das Ergebnis war jedoch keine Zahl. Es war ein Wärmebild, das in etwa so aussieht. Kann sie dieses Bild nutzen, um die Gesamttemperatur zu senken – nicht nur die der heißesten Stelle, sondern die Gesamttemperatur der Platine? Die Antwort lautet natürlich „Ja“. Wir haben das bereits gemacht, das Bild in die Tabelle übertragen, also nehme ich hier eine Abkürzung.
Im Grunde müssen wir für jedes Bild dieses Tests einen kleinen Prozess mit diesen Daten durchführen. Man kann es wahrscheinlich nicht gut erkennen, aber hier ist ein kleiner hellgrauer Rand. Wenn ich diesen auswähle und lösche, dann den heißesten Punkt auswähle, also genau hier, und dann die gleichen Y-Achsen wie der heißeste Punkt auswähle und die anderen Punkte entferne, kann ich die Y-Achse hier von nur dieser einen Spur auf die Anzeige der Temperatur selbst ändern und diese verwenden.
Das mag kompliziert erscheinen, aber ich habe auch dafür einen Workflow erstellt. Ich habe mich einfach einmal dabei aufgenommen, wie ich es in JMP gemacht habe. Ich habe ein bisschen geschummelt und ein kleines Skript erstellt, aber das war nur für die Auswahl. Der Workflow fragt mich: „Hey, welche Laufnummer war das?“ Die Datentabelle wird gespeichert.
Das Leben ist wirklich schön. Das mit 20 Bildern ist kein Problem. Wenn Sie es wirklich hassen, den gleichen Workflow 20 Mal zu durchlaufen, können Sie auch einfach ein Skript dafür schreiben. Ich werde es Ihnen nicht zeigen, aber falls Sie neugierig sind, habe ich es ebenfalls eingefügt. Dieser Prozess kann nachvollzogen werden. Casey kann diesen Prozess verwenden, um die Temperatur zu messen für... Wir sehen uns Lauf eins für jede X-Position an.
Sie sehen, wie das DOE für jeden unserer Durchläufe mehrfach repliziert wurde. Wir haben nun dieses DOE mit 20 Durchläufen erstellt und die Bildinformationen darin integriert. Das bedeutet, dass wir den Functional Data Explorer verwenden können. Der Functional Data Explorer ist übrigens eine JMP Pro-Funktion, aber wir können ihn für alle diese Traces verwenden. Entschuldigung, ich habe hier einen Schritt übersprungen. Diese Datentabelle ist vielleicht etwas aussagekräftiger.
Ich habe alle diese Läufe und alle Spuren von all diesen Testplatinen sowie einen Nulldurchgang, dieses Ideal. Ich kann dem Functional Data Explorer in JMP Pro sagen: „Hey, hier sind alle meine Spuren. Ich habe ein Ziel. Kannst du dieses Ziel optimieren?“ Er zeigt mir, wo meine Faktoreinstellungen liegen müssen, um das zu erreichen. Ich kann auch damit experimentieren und sehen, was mit der Temperaturspur passiert.
Es ist super, von Bildern einer Leiterplatte und ihrer Temperatur zu DOE-Einstellungen und Faktoreinstellungen wechseln zu können, die die Gesamttemperatur über die gesamte Oberfläche minimieren und nicht nur einen Datenpunkt verbessern, was möglicherweise auf Kosten anderer Datenpunkte geht. Das ist wirklich, wirklich cool.
Casey führt das Experiment durch und schließt es ab. Sie baut ihre ideale Sweet-Spot-Platine und ist bereit, die fertige Maschine in Produktion zu geben. Sie möchte das Ganze aber überwachen, denn es ist eine Sache, ein DOE durchzuführen und einen Sweet Spot zu erreichen. Eine andere Sache ist es, diesen Sweet Spot in die Produktion zu bringen und zu überprüfen und sicherzustellen, dass er wirklich gut funktioniert.
Das Problem besteht darin, dass das Testgerät über kalibrierte Temperatursensoren und eine Wärmebildkamera verfügt. Sie hatte Zugriff auf beides, aber die Produktionsmaschine verfügt nur über eine Wärmebildkamera, und diese ist bereits installiert. Daher möchte sie die Temperatur nicht austauschen. Sie möchte dennoch wissen, wie hoch die maximale Temperatur ist.
Ein paar Fragen. Kann sie ein Bild als Thermometer verwenden? Oder vielleicht noch einen Schritt weiter gehen? Kann sie benachrichtigt werden, wenn die Temperatur zu hoch wird? Ich weiß nicht. Wenn sie wissen möchte, wie hoch die Temperatur ist, kann sie sie auf ihrem Handy überprüfen? Beginnen wir mit diesen Bildern als Thermometer. Wenn Sie auf diese Schaltfläche klicken, wird auch dieser Ordner für Sie erstellt.
An all diesen DOE-Dateien, einschließlich der Bilder, sieht man, dass Lauf Nummer 1 hier etwas heller und damit etwas heißer ist als Lauf Nummer 2. Ich möchte all diese Bilder schnell in JMP importieren und daraus einen Datensatz erstellen. Das ist ganz einfach. Es befindet sich hier in der Datei „Mehrere Dateien importieren“. Es ist direkt da. Ich muss JMP nur noch mitteilen, wo es das tun soll. Natürlich merkt es sich, wann ich es zuletzt verwendet habe, also ist es bereits vorhanden.
Ich wähle die Dateien nach Erweiterung aus. Ich habe viele PNG-Dateien, da ich nicht zusätzlich die JMP-Dateien importieren möchte, sondern nur die Bilder. Wenn ich auf die Spalte „Dateinamen hinzufügen“ klicke, meldet JMP automatisch: „Oh, Sie haben viele Bilder? Ich weiß, wie man damit umgeht. Ich füge sie einfach für Sie in eine Datentabelle ein.“
Ich musste nichts kopieren und einfügen. Im Grunde waren es nur drei Klicks und wir hatten es. Es war wirklich cool. Die Bilder sind sofort einsatzbereit. Mit ein wenig Umcodierung kann ich den Dateinamen auf die Laufnummer reduzieren.
Für unsere Fallstudie gehen wir davon aus, dass Casey diese Arbeit selbst durchgeführt hat. Sie hat die Laufnummer und die tatsächliche Maximaltemperatur ermittelt, da ihre Maschine über Sensoren und eine Wärmebildkamera verfügt. Sie wird dies nur zum Testen verwenden und ein Modell erstellen, um zu sehen, ob sie die Temperatur anhand eines Bildes vorhersagen kann. Das ist etwas rechenintensiv. Dies ist ebenfalls eine JMP Pro-Funktion. Es ist ein Add-In für JMP Pro, aber im Grunde ist es eine Möglichkeit, Bilder zu verwenden und daraus ein Modell zu erstellen. Wirklich cool.
In diesem Fall haben wir ein Modell, das vorhersagt... Es hat ein R-Quadrat von etwa 0,8 für Daten, die dem Modell vorenthalten wurden. Casey nimmt dieses Modell und generiert den Python-Code dafür. Ich denke, sie muss dafür einige Module auf ihrer Produktionsmaschine installieren. Nimm diesen Python-Code und installiere ihn auf der Produktionsmaschine.
Anschließend kann die Produktionsmaschine das in JMP erstellte Modell verwenden, allerdings in der Python-Version. Sie muss JMP nicht auf jedem Rechner installiert haben. Sie erstellt das Modell einfach mit JMP, und die Maschine kann es dann ausführen. Wirklich, wirklich cool. Sie hat auch Code eingefügt, um das Modell in eine Datenbank auszugeben, und verwendet dann JMP Live, um die Daten automatisch zu aktualisieren und die Temperaturentwicklung zu verfolgen.
Sie hat alle Warnungen abonniert. Wenn die Temperatur außer Kontrolle gerät, erfährt sie es sofort oder kann es sich auch auf ihrem Handy ansehen. Ich sollte wohl zeigen, wie es auf einem Handy aussehen würde. Sie kann es auf ihrem Handy sehen. Ja, alles ist gut. Die Antwort auf die Frage lautet: Kann sie benachrichtigt werden, wenn die Temperatur zu hoch wird? Kann sie die Temperatur auf ihrem Handy überprüfen? Ja, ja, ja. Das Coolste daran ist, dass sie Bilder in einer Datentabelle verwendet hat, um ein Temperaturmodell zu erstellen, und dieses Modell sagt die Temperatur super, super gut voraus.
Wenn wir einen Schritt zurückgehen: Was haben wir heute gemacht? Nun, wir haben einige Bilder von JMP erhalten. Entschuldigung. Wir haben JMP einige Bilder für uns erstellen lassen. Wir haben die Bilder in eine Tabelle eingefügt. Wir haben die enthaltenen Informationen, Grafiken oder Bilder, in JMP importiert und konnten diese bearbeiten und nutzen.
Anschließend konnten wir diese Erkenntnisse nutzen, um ein Experiment mit der aus einem Bild extrapolierten Kurve durchzuführen und das Bild selbst als Faktor für die Modellbildung zu verwenden. Danke fürs Einschalten. Ich bin total gespannt, was wir als Nächstes mit Bildern machen können. Danke.
