환영합니다. 시청해 주셔서 감사합니다. 오늘은 JMP 워크플로에 이미지를 통합하는 기본적인 방법에 대해 설명드리겠습니다. 오늘은 JMP와 JMP Pro 기능을 함께 사용하여 설명할 예정이며, JMP Pro 기능을 사용하는 경우에도 자세히 설명하겠습니다. 하지만 JMP 워크플로에 이미지를 통합하는 것에 대해 이야기할 때, 워크플로는 매우 방대하며, 이미지를 데이터 소스로 사용하는 것부터 분석에 활용하는 것, 그리고 물론 결과물에 통합하는 것까지 이 워크플로의 거의 모든 부분에서 이미지 작업을 수행할 수 있습니다.
그래서 오늘은 사례 연구를 잠깐 살펴보고자 합니다. 먼저 간략하게 살펴보고 앞으로 다룰 내용을 간략하게 살펴보겠습니다. JMP에서 이미지를 생성하는 방법, 예를 들어 다른 출처에서 가져온 이미지를 데이터 테이블에 가져오는 방법을 보여드리겠습니다. 예를 들어 정적 이미지에서 동적 JMP 보고서로 정보를 추출해야 할 수도 있습니다. 몇 가지 예를 통해 살펴보겠습니다. 다시 한번 말씀드리지만, 정적 이미지부터 실제로 조작할 수 있는 이미지까지 다양하게 활용 가능합니다.
그런 다음 방향을 조금 바꿔서, 그 이미지들을 활용해 보겠습니다. 예를 들어, 어떤 물체의 열 지도를 JMP의 함수형 데이터 탐색기에서 사용할 수 있는 곡선으로 변환하는 것이죠. 또한, 이미지를 활용하여 온도 모델을 만들 것입니다. 다양한 작업을 할 예정이고, 심지어 그 모델을 실시간으로 모니터링할 것입니다.
자, 이제 마무리하고 바로 본론으로 들어가겠습니다. 사례 연구라는 관점에서 이야기하는 것이 가장 좋을 것 같았습니다. 이야기가 좀 진행 중이긴 하지만, 제가 대부분 지어낸 이야기니 너무 깊이 생각하지 마세요. 그냥 이야기를 만들어보자는 생각으로 쓴 겁니다.
우리는 케이시 스파크스라고 가정하고, 레드 트라이앵글 위젯 공장에서 위젯 제작 공정에 필수적인 기계를 만드는 전기 공정 엔지니어라고 가정해 보겠습니다. 기계의 프로토타입을 만들었지만, 기계가 계속 과열됩니다. 이 과열의 원인을 기계의 특정 사내 회로 기판에서 찾을 수 있었습니다. 사내에서 제작한다는 것은 이 회로 기판을 사내에서 직접 만든다는 뜻입니다. 이 회로 기판을 수정할 수 있다는 점에서 정말 좋습니다. 사실, 회사는 어제 이 작업을 마쳐야 합니다. 양산에 대비해야 합니다. 생산은 이 신제품에 대한 수요를 따라가기 위해 고군분투해 왔고, 이 기계는 모든 사람에게 훨씬 더 수월하게 만들어 줄 것입니다. 모두의 사기에 영향을 미칠 것입니다. 물론, 임시방편 때문에 초과 근무 예산이 줄어들고 있습니다.
개인적인 이야기지만, 케이시라는 페르소나는 레드 트라이앵글에서 일하는 신입인데, 뭔가 변화를 만들고 싶어 합니다. 우리 모두는 일하는 곳에서 변화를 만들고 싶어 합니다. 이미지를 활용하여 문제를 이해하고, 해결하고, 해결 여부를 확인하는 과정을 함께 살펴볼 것입니다. 함께 그 이해 과정을 거쳐보고, 실험 과정도 함께 진행하고, 검증 과정도 함께 거치게 될 것입니다. 이렇게 기본적인 과정들을 하나하나 살펴보겠습니다.
데이터 테이블부터 시작해 볼게요. 아마 조사를 하다가 그래프를 만들 때 자주 겪을 법한 상황일 거예요. 이 그래프들을 테이블로 가져와서 활용할 수 있다면 정말 좋을 것 같아요. 아주 간단하지만, 편집 메뉴에 숨겨져 있어요.
JMP에서 이미지를 마우스 오른쪽 버튼으로 클릭하고 '편집' 메뉴로 들어가면 "이런 그래프 표 만들기"라는 옵션이 있습니다. 이것만 있으면 됩니다. 이 보고서에는 동일한 그래프가 여러 개 있기 때문에 JMP에서 자동으로 표를 만들어 주었고, 그래프는 실제 크기와 해상도로 표시됩니다.
이 문제에 대해 이야기하면서 각 파일에 대한 메모를 시작할 수 있을 것 같습니다. 케이시는 네 가지 잠재적인 문제를 발견했습니다. 케이시는 이 문제에 대한 메모를 작성해서 프로젝트 폴더에 저장하려고 합니다. 그러면 나중에 다른 사람들이 이 문제를 살펴볼 때 이 메모와 그래프를 볼 수 있을 테니까요. 정말 멋진 아이디어네요.
다시 말씀드리지만, 그래프를 마우스 오른쪽 버튼으로 클릭하고 '편집' 메뉴로 가서 이런 그래프 표를 만들면 정말 쉽습니다. 정말 놀라운 기능 중 하나죠. 잠시 후에 직접 만든 이미지를 데이터 표에 아주, 아주 빠르게 추가하는 방법을 보여드리겠습니다. 정말 빠르게 작업할 수 있을 거예요.
방향을 조금 바꿔 볼까요? 초기 요인들을 그래프로 나타낸 게 이미 있습니다. 케이시가 실험해 볼 만한 잠재적 요인은 네 가지 정도입니다. 케이시는 데이터를 얻는 데 필요한 이미지 몇 장도 찾았습니다.
여기서 잠깐 다른 얘기를 해보겠습니다. 이 저널에 JMP 마켓플레이스에 있는 Image to Table이라는 확장 프로그램 링크가 있는데, 공유해 드리겠습니다. 솔직히 말씀드리면, 제가 애드인을 직접 개발했으니 당연히 정말 멋지다고 생각합니다. 하지만 무료로 다운로드하여 JMP에 설치하면 이미지를 가져올 수 있습니다. 여기에 몇 가지 예시를 보여드리겠습니다. 첫 번째 예시를 살펴보겠습니다.
케이시가... 회사의 이전 실험 자료를 샅샅이 뒤져 10년 전에 누군가가 만든 그래프를 발견했다고 가정해 봅시다. 어떤 임의의 단위가 다른 X 요인에 대해 거듭제곱을 나타낸 그래프죠. 정말 멋진 그래프입니다. 케이시는 이 그래프가 자신의 요인 중 하나를 이해하는 데 도움이 될 수 있다는 사실에 매우 기뻐합니다. 하지만 케이시는 추정값을 얻고, 값이 계속 증가하는지 확인하고 싶어 합니다. 특히 X가 7이 되는 지점이 케이시의 진짜 관심사입니다.
X가 7이 되는 지점까지 선을 긋고 어느 정도 통계적 엄밀성을 가지고 분석하는 것 이상으로 외삽할 수는 없는 걸까요? 물론, 답은 '예'입니다. 꽤 간단합니다. 해당 추가 기능을 설치하고 나면, 해당 추가 기능을 선택하기만 하면 "이미지 파일이 어디에 있습니까?"라는 메시지가 표시됩니다. 해당 파일을 가리키도록 설정하겠습니다. 죄송합니다.
이미지 이미지와 여기 아래에 작은 콘솔이 있습니다. 이걸 푸시하고 흰색 픽셀을 제거하면, 27만 개의 행을 가져오던 것이 5만 개의 행으로 줄어드는 것을 보실 수 있을 겁니다. 이미지를 표로 만들면 크기가 꽤 커지는 경향이 있는데, 시간을 절약할 수 있다면 정말 좋습니다.
그런데 그 버튼을 누르면 데이터 표와 몇 개의 그래프가 나타납니다. 흑백 그래프가 더 잘 작동하는 경우도 있고, 컬러 그래프가 더 잘 작동하는 경우도 있습니다. 이 경우에는 컬러 그래프가 더 잘 작동할 것 같습니다. 가져온 5만 픽셀이 포함된 데이터 표를 살펴보겠습니다. 이 표를 아래로 옮기고 다음에 어떤 작업을 해야 할지 생각해 보겠습니다. X가 7이 되는 지점까지 외삽하기 위해 몇 가지 단계를 거쳐야 합니다.
가장 먼저 해야 할 일은 X축과 Y축을 재조정하는 것입니다. 그러기 위해 선택만 할게요. 이건 그래프 빌더이기 때문에 대화형으로 항목을 선택하는 게 정말 쉽습니다. 그래프에서 영역을 선택했습니다. "X축과 Y축 재조정"을 클릭하겠습니다. 제가 선택한 것은 X축이 0에서 5까지, Y축이 0에서 1까지 이동한다는 것입니다. 이 값만 입력하면 됩니다. 0에서 5까지, 그리고 0에서 1까지.
확인을 눌렀더니, "자, 새로운 열을 만들었어요. 이 열을 써보시는 게 좋을 것 같아요."라는 메시지가 뜹니다. 네, 아이디어 좋네요. 할 때마다 정말 놀랍습니다. 얼마나 간단한지, 그리고 이미지를 발견했을 때 예전에 이런 기능이 있었으면 얼마나 좋았을까 하는 생각이 얼마나 많았는지. 이제 이 눈금들이 정렬되었네요. 정말, 정말 멋지네요.
하지만 다음 단계는 이 파란색 선만 가운데에 두는 것입니다. 다른 색상은 필요 없습니다. 이제 JMP에 데이터가 있으므로 이 작업은 간단합니다. 클러스터링 메뉴로 이동하면 K 평균 클러스터링이 이처럼 상당히 큰 데이터 세트에서 매우 빠르게 실행됩니다.
제가 해야 할 일은 JMP에 색상 클러스터를 만들어 달라고 하는 것뿐입니다. 이 클러스터를 여러 색상으로 나눠 주세요. 이제 그래프를 보고 손가락으로 셀 수 있을 정도입니다. 검은색, 회색 두 개, 그리고 파란색이 있으니까 네 가지 색상이 있죠. 여기에 네 가지 색상을 넣고 싶을 수도 있겠네요.
그런데 제가 발견한 건 컴퓨터가 이미지를 만들 때 색상을 혼합한다는 거예요. 보이는 색상의 수를 두 배로 늘리면 정말 좋은 결과가 나온다는 걸 알게 됐어요. "시작"을 눌러 봤어요. 다시 말하지만, 이 기능도 편리하고 인터랙티브해서 키보드의 아래쪽 화살표를 사용해서 바로 진행할 수 있어요.
클러스터 1이 아니네요. 아, 클릭 한 번으로 바로 들어갈 수 있네요. 클러스터 2입니다. 계속 진행할 수도 있겠네요. 제가 하고 싶은 건 클러스터 2를 제외한 모든 항목을 선택한 다음, 데이터 테이블로 가서 해당 행들을 삭제하는 겁니다. 자, 이제 파란색 추적선이 생겼고, 단위도 정확합니다. 이제 제가 보정한 단위로 곡선을 맞추는 게 정말 쉬워졌습니다.
이게 위아래로 움직이니까... Alt 키를 누른 채로 이걸 클릭할게요. 위아래로 움직이니까 아마 이중 지수 함수일 것 같은데, 4인지 5인지는 모르겠네요. 아마 외워두었어야 할 것 같아요. 위에 있는 게 이중 지수 함수 5 매개변수니까 이걸 삭제할게요.
자, 갑자기 여기서 외삽할 수 있게 됐네요. R-제곱값이 0.99로 정말 좋네요. 프로파일러를 보면 7에 도달한 걸 확인할 수 있고, 그 값을 구할 수 있습니다. 이미지에서 JMP로 데이터를 가져오는 건 정말 쉽습니다. 좀 더 정리해서 다른 예를 들어 보겠습니다. 이렇게 해 보겠습니다.
케이시는 X가 7인 곳까지 외삽할 수 있나요? 네, 꽤 쉽죠. 몇 단계만 거치면 됩니다. 케이시가 찾은 또 다른 그래프가 있습니다. 학술지에서 가져온 그래프라고 가정해 보겠습니다. 두 개의 다른 그룹으로 구성되어 있지만, 그냥 그래프일 뿐입니다. 아니, 그래프라고 해야 할까요? 그냥 그래프의 이미지일 뿐입니다.
그녀가 정말 하고 싶은 건 노란색 점과 초록색 점에 대한 적합선, 즉 두 개의 다른 적합선을 구하는 것입니다. 데이터는 없고, 인터넷에서 가져온 것뿐입니다. 각 그룹에 대한 적합선을 구할 수 있을까요? 물론, 답은 '예'입니다. 이 이미지를 표로 다시 추가 기능을 사용할 것입니다. 이 샘플 산점도를 선택하겠습니다.
그런데, 이 일기를 다운로드하면 모든 파일에 접근할 수 있다는 걸 말씀드리는 걸 깜빡했네요. 그 버튼을 누르면 필요한 모든 파일이 생성됩니다.
이전과 같은 작업을 하면 됩니다. 흰색 픽셀을 제거하는 것부터 시작하겠습니다. '가져오기' 버튼을 클릭합니다. 가져온 후에는 이전에 했던 것처럼 축을 재조정하는 작업을 합니다. 즉, 경계가 있는 영역을 선택하는 것입니다. X축은 50에서 70으로, Y축은 60에서 180으로 바뀌는 것 같습니다. '재조정'을 클릭하면 50에서 70으로, 그리고 60에서 180으로 조정됩니다. '확인'을 클릭합니다. 이제 새로운 축이 생겼습니다. 정말 멋지네요.
다음으로, 이 데이터 포인트들을 색상별로 분류해 보겠습니다. 그래프 빌더에서 중요한 것들만 선택하겠습니다. 그런 다음 여기로 와서 색상 보정을 해 보겠습니다. 여기에는 몇 가지 옵션이 있는데, 하나는 범주형 범례이고, 다른 하나는 텍스트 또는 문자입니다.
이걸 푸시하면 JMP가... 아마 그 데이터 테이블을 치워야 했을 것 같네요. 자, 이제 녹색으로 강조 표시되어 있네요. 텍스트와 연관된 텍스트를 입력하라고 하네요. 이게 A입니다. 다음은 B입니다. 앞서 말했듯이 컴퓨터가 혼합한다고 했듯이, 몇 가지 추가 색상을 찾는 경향이 있습니다. 다른 색상이 나타나면 건너뛰겠습니다. 자, 이제 배경에는 우리가 신경 쓰지 않았던 세 가지 추가 색상이 있었습니다.
그런데 정말 멋진 게 있어요. 데이터 테이블에서 A를 선택하면 초록색이고, B를 선택하면 노란색/주황색이죠. 그런데 어쩌면 더 중요한 건, 다른 모든 게 여기에 있다는 거예요. 다른 건 신경 안 쓰니까 삭제할 수 있어요. 그러면 바로 여기 범례의 잔여물이 있는데, 그걸 삭제할 수 있어요.
이제 데이터를 가져왔습니다. 하지만 아직 개별 포인트는 하나도 없습니다. 포인트가 46개입니다. 만약 이 적합선을 적용한다면, 각 데이터 그룹이 포인트 개수가 다르기 때문에 정확도가 떨어질 것 같습니다. 아직 준비가 안 된 것 같습니다. 대신 각 포인트의 중심을 구하는 방법을 생각해 보겠습니다. 이전과 같은 도구인 K 평균 군집화를 사용하겠습니다.
색상별로 클러스터링하는 대신 (이미 색상은 정해놨습니다. 네, 맞습니다.) X와 Y 그룹별로 클러스터링하겠습니다. 간단히 말해서, JMP에 "클러스터 수를 만들어 줘."라고 말하는 겁니다. 자, 이제 이런 상황에 직면하게 됩니다. 클러스터가 몇 개일까요? 잘 모르겠습니다. 30개에서 40개 사이인 것 같습니다. 셀 수도 있지만, 이 정도의 클러스터 범위를 입력하면 JMP에서 38개라고 알려줄 겁니다. 손으로 세는 것보다 훨씬 편합니다.
38에서 다시 한번 확인해 보겠습니다. 색상을 표에 저장하려고 합니다. 그러면 그래프 빌더의 색상이 변경됩니다. 데이터 포인트 중 하나가 반으로 잘리지 않는 한, 제가 올바른 숫자를 얻었다는 것을 알 수 있습니다. 이 클러스터들을 표에 저장할 수 있습니다. 이제 제 데이터 표에는 기본적으로 필요한 모든 것이 있습니다. 클러스터와 레이블이 있습니다.
이 모든 것을 아주 간단하게 요약하면, "어떤 그룹인지, 각 클러스터가 어떤 그룹인지, 그리고 X와 Y의 중간점이나 평균을 알고 싶습니다."입니다. 이를 데이터 표로 만들면 그래프 빌더에 가져와서 마침내 이 질문에 답할 수 있습니다. 마지막으로, 무슨 의미인지, 이 작업은 총 2분 정도 걸렸습니다. 정말 멋지네요.
이제 이걸 찾아서 저 방정식을 요청할 수 있습니다. 원래 질문으로 돌아가서, 케이시가 각 그룹의 적합선을 계산할 수 있을까요? 그녀는 정말 잘합니다. 이미지에서 정보를 꽤 쉽게 얻을 수 있고, 그 정보를 조작할 수도 있고, JMP 도구를 사용할 수도 있습니다. 정말, 정말 멋지죠. 이걸로 얼마나 많은 일을 할 수 있는지 정말 놀랍습니다.
여기를 정리하고 다음 단계로 넘어가겠습니다. 바로... 이 배경 정보에서 케이시는 이 모든 정보를 활용하여 실험에 필요한 여러 요소를 좁혔습니다. 다시 말하지만, 여기서는 부품의 온도를 낮추려고 합니다. 케이시는 여러 요소를 좁혀서 테스트 보드 20개를 만들었습니다.
그런 다음 그녀는 각 보드에 20분 스트레스 테스트를 실시했지만, 결과는 숫자가 아니었습니다. 출력은 열화상이었는데, 아마 이렇게 생겼을 겁니다. 그 이미지를 사용해서 전체 온도를 낮출 수 있을까요? 가장 뜨거운 지점뿐만 아니라 보드 전체 온도를 낮출 수 있을까요? 물론, 답은 '예'입니다. 이미지를 표로 정리하는 방법도 이미 사용해 봤으니, 여기서는 간단한 방법을 사용하겠습니다.
기본적으로, 그녀의 테스트를 위해 각 이미지의 데이터를 가지고 거쳐야 할 작은 과정이 있습니다. 잘 보이지는 않겠지만, 여기에 작은 밝은 회색 테두리가 있습니다. 이 테두리를 선택한 다음 삭제하고 가장 뜨거운 지점을 선택하면, 바로 여기 있습니다. 그리고 가장 뜨거운 지점과 동일한 Y축을 선택하고 다른 지점들을 제거합니다. 그러면 Y축을 해당 추적에서 온도 자체를 보는 것으로 변경할 수 있고, 그 추적을 활용할 수 있습니다.
복잡해 보일 수도 있지만, 워크플로도 만들어 봤습니다. JMP에서 제가 직접 한 번 녹화한 영상입니다. 약간의 속임수를 써서 간단한 스크립트를 만들었지만, 그건 선택 영역 설정용이었습니다. 워크플로는 "이게 몇 번 실행한 거지?"라고 묻습니다. 그러면 해당 데이터 테이블이 저장됩니다.
인생은 정말 좋아요. 이미지 20개로 이렇게 하는 건 큰일 아니에요. 같은 작업을 20번이나 하는 게 정말 싫다면, 스크립트를 작성해서 할 수도 있어요. 직접 보여드리지는 않겠지만, 혹시 궁금하실까 봐 포함시켜 뒀어요. 그 과정을 따라 할 수 있어요. 케이시는 그 과정을 이용해서 온도를 측정할 수 있어요... 각 X 위치에 대해 하나씩 살펴보겠습니다.
각 실행마다 DOE가 여러 번 반복된 것을 볼 수 있습니다. 이제 20회 실행 DOE를 만들고 이미지 정보를 통합했습니다. 즉, 함수 데이터 탐색기를 사용할 수 있다는 뜻입니다. 참고로, 함수 데이터 탐색기는 JMP Pro 기능이지만, 이 모든 추적에 사용할 수 있습니다. 죄송합니다. 여기서 한 단계를 건너뛰었습니다. 이 데이터 표가 좀 더 이해하기 쉬울 것 같습니다.
이 모든 테스트 보드의 모든 실행과 트레이스, 그리고 실행 0, 즉 이상적인 값도 가지고 있습니다. JMP Pro의 함수 데이터 탐색기에 "여기 모든 트레이스가 있습니다. 목표가 있습니다. 이 목표를 최적화해 주시겠습니까?"라고 말하면 됩니다. 탐색기는 목표 설정을 최적화하기 위해 필요한 인자 설정을 알려줍니다. 또한 이를 실험하여 온도 트레이스에 어떤 변화가 일어나는지 확인할 수도 있습니다.
회로 기판과 온도 이미지에서 DOE 설정과 인자 설정으로 전환하여 전체 표면의 온도를 최소화할 수 있다는 건 정말 멋진 일이죠. 다른 데이터 포인트들을 희생하면서까지 한 데이터 포인트만 개선하는 게 아니라요. 정말, 정말 멋진 일이죠.
케이시는 그 실험을 완료하고, 이상적인 최적 회로 기판을 제작하여 최종 기계를 생산에 투입할 준비를 마쳤습니다. 하지만 그녀는 기계를 모니터링하고 싶어 합니다. DOE를 실행하여 최적 회로 기판을 얻는 것과, 그 최적 회로 기판을 생산에 투입하여 실제로 제대로 작동하는지 검증하고 확인하는 것은 별개의 문제이기 때문입니다.
여기서 문제는 테스트 장비에 교정된 온도 센서와 열화상 카메라가 있다는 것입니다. 그녀는 두 장비 모두 사용할 수 있었지만, 생산 장비에는 열화상 카메라만 있고, 그 열화상 카메라는 이미 설치되어 있기 때문에 온도 측면에서 아무것도 바꾸고 싶지 않았습니다. 그녀는 여전히 최대 온도가 얼마인지 알고 싶어 합니다.
몇 가지 질문이 있습니다. 이미지를 온도계로 사용할 수 있나요? 좀 더 나아가서, 온도가 너무 높아지면 알림을 받을 수 있게 하는 건 어떨까요? 잘 모르겠네요. 온도가 궁금하면 휴대폰으로 확인할 수 있나요? 이 이미지들을 온도계로 사용해 볼까요? 다시 한번 말씀드리지만, 그 버튼을 누르면 이 폴더도 생성됩니다.
이미지를 포함한 이 모든 DOE 파일을 보면, 여기 실행 1이 실행 2보다 약간 더 밝고, 따라서 온도가 더 높은 것을 알 수 있습니다. 제가 하고 싶은 것은 이 모든 이미지를 JMP로 아주 빠르게 가져와서 데이터 세트를 만드는 것입니다. 정말 간단합니다. 여기 파일에서 "여러 파일 가져오기"를 선택하면 됩니다. 바로 거기에 있습니다. JMP에 이 작업을 수행할 위치만 지정하면 됩니다. 물론, 마지막으로 사용한 시간을 기억하고 있으므로 이미 존재합니다.
확장자로 파일을 선택하겠습니다. PNG 파일이 여러 개 있는데, JMP 파일도 가져오지 않고 이미지만 가져오고 싶기 때문입니다. "파일 이름 추가" 열을 클릭하면 JMP에서 자동으로 "이미지가 여러 개 있으신가요? 제가 처리 방법을 알고 있습니다. 데이터 테이블에 넣어 드리겠습니다."라고 알려줍니다.
복사해서 붙여넣을 필요도 없었어요. 클릭 세 번이면 됐죠. 정말 멋졌어요. 이미지가 바로 사용할 수 있도록 준비되어 있고요. 약간의 코딩만 하면 파일 이름을 실행 번호까지만 줄일 수 있어요.
사례 연구를 위해 케이시가 이 작업을 수행했다고 가정해 보겠습니다. 케이시는 실행 횟수와 실제 최대 온도를 얻었습니다. 다시 말하지만, 케이시의 기계에는 센서와 열화상 카메라가 있기 때문입니다. 케이시는 이 데이터를 사용하여 이미지를 기반으로 온도를 예측할 수 있는지 테스트하고 모델을 만들 것입니다. 이 작업은 다소 계산 집약적입니다. 이 기능 역시 JMP Pro의 기능입니다. JMP Pro의 추가 기능이지만, 기본적으로 이미지를 사용하고 그 이미지들을 사용하여 모델을 만드는 방식입니다. 정말 멋진 기능입니다.
\이 경우, 예측하는 모델이 있습니다... 모델에서 제외된 데이터에 대한 R-제곱이 약 0.8입니다. 케이시는 계속해서 해당 모델을 가져와서 Python 코드를 생성하고, 다시 그 Python 코드를 사용합니다. 물론, 운영 시스템에 모듈 몇 개를 설치해야 할 것 같습니다. 이 Python 코드를 운영 시스템에 설치합니다.
그러면 생산 기계는 JMP에서 생성된 모델을 사용할 수 있지만, Python 버전을 사용하게 됩니다. 전 세계 모든 기계에 JMP를 설치할 필요는 없습니다. JMP를 사용하여 모델을 만들고, 기계에서 해당 모델을 실행하면 됩니다. 정말, 정말 멋지죠. JMP에 코드를 추가하여 데이터베이스에 출력하고, JMP Live를 사용하여 자동으로 새로 고침하여 온도 변화를 확인합니다.
그녀는 모든 경고에 가입되어 있어요. 만약 통제 불능 상태가 되면 바로 알 수 있고, 아니면 휴대폰에서도 볼 수 있어요. 휴대폰에서 어떻게 보이는지 보여줘야 할 것 같아요. 휴대폰에서 볼 수 있거든요. 네, 다 괜찮아요. 질문에 대한 답은, 온도가 너무 높아지면 알림을 받을 수 있나요? 휴대폰에서 온도를 확인할 수 있나요? 네, 네, 네. 여기서 가장 멋진 점은 그녀가 데이터 표의 이미지를 사용해서 온도 모델을 만들었는데, 그 모델이 정말 예측을 잘한다는 거예요.
한 걸음 물러나서 오늘 우리가 뭘 했냐고요? 음, JMP에서 이미지를 몇 개 가져왔습니다. 잠깐요. JMP에서 이미지를 만들어 달라고 했습니다. 이미지를 표로 만들었죠. 그래프나 이미지만 포함된 정보를 JMP로 가져와서 조작하고 활용할 수 있었습니다.
그런 다음 이미지에서 외삽된 곡선을 사용하여 실험을 수행하고, 이미지 자체를 모델 구축의 요인으로 활용하는 데 이러한 것들을 활용할 수 있었습니다. 시청해 주셔서 감사합니다. 이미지로 앞으로 어떤 작업을 할 수 있을지 정말 기대됩니다. 감사합니다.
