756645_zh-TW

liliconcom

函數式資料探索器：向非資料科學家視覺化結果 (2021-EU-30MP-765)

Simon Stelzig，Lohmann 數據驅動開發主管

在膠合劑配方和膠帶開發過程中，資料科學家會協助開發人員分析從實驗設計、歷史資料分析或初步試誤過程中收集到的資料。因此，數據專家需要與非專業人士討論結果，以便以更簡單的方式呈現複雜的數據分析。尤其是在分析光譜資料時，資料通常會精簡為幾個特徵值進行分析。然而，開發人員仍然以光譜而非數字來思考，這使得結果的可視化和解讀變得困難。 Functional Data Explorer 是一款出色的工具，可執行此類分析，並以類似光譜的形式將結果視覺化。例如，可以使用 Function Data Explorer 分析結構膠帶的流變行為（即反應起始時間）對配方成分的依賴性。另一個例子是分析壓敏膠合成過程中分子量分佈對製程參數的依賴性。在這兩種情況下，預測的光譜結果都極大地幫助開發人員獲得洞察力並加深對機制的理解。

自動產生的成績單...

揚聲器	抄本
西蒙·施特爾齊格	好的，大家好。我叫 Simon Stelzig，來自 Lohmann 公司，負責鍵結工程師的工作。我來自研發部門。今天我想跟大家介紹一下 Function Data Explorer，以及如何使用它來向非資料科學家展示結果視覺化。
	所以，在我開始之前，我想先簡單介紹一下Lohmann公司。你可能沒聽過這家公司，但你每天都會用到它的產品，或是接觸過它的產品。
	以上只是一些關於Lohmann的數據和事實。 Lohmann在2019年的營業額約為6億歐元，我負責的部分是Lohmann Tape Group，我們是一家膠帶生產商。我們主要生產雙面膠帶，是純B2C公司，所以你只需要
	如果您從事工業領域，並且需要用於工業應用，您只能購買我們的產品。我們歷史悠久，今年是Lohmann公司成立170週年。
	我們基本上分為兩個部分，其中一個部分是我正在做的磁帶產品。重點是
	工業用途膠帶，這是我們的衛生品牌。
	我們業務遍佈全球。我們在全球擁有25個分支機構，約有1800名員工。也許很意思的是，
	我們的 90% 產品都是客製化的，因此我們的產品組合相當複雜，其中許多產品專注於極少數客戶的極少量應用。
	因此，我們是膠帶或許多雙面膠帶的頂級生產商，您知道我們有很多應用，這些就是我們所在的細分市場。
	我們的業務之一是工業應用，主要針對建築施工領域的門窗或室內外應用。
	或者，您可能會在家用電器和電子設備中看到 Lohmann 的產品，例如用於固定智慧型手機背蓋的膠帶。或者在
	醫療領域主要用於診斷應用、傷口照護。在交通運輸領域…汽車領域可能用於內裝或外飾
	汽車標誌的貼圖。例如，我們也為柔性印刷應用的圖形產業提供膠帶。
	將印版固定在袖子上。 Lohmann Tape Group 的一個分店是衛生用品品牌，我們為該品牌提供尿布封口系統。
	應用範圍非常廣泛，我之前提到過，我們大約90%的產品都是客製化的。關於Lohmann，還有一點是
	我們的價值鍊是一個非常深的價值鏈，所以如果你想到膠帶，你需要一個黏合層，
	貼上或貼到您想要黏附的主題上。
	你需要一個載體，可選的載體，用於承載你的黏合劑層，在另一側，因為我們是另一側雙面膠帶的生產商，
	黏合層。 Lohmann 的價值鏈基本上從一開始就開始了，所以我們可以生產自己的聚合物，也就是黏合劑的基礎聚合物。
	然後，我們必須將聚合物配製成黏合劑配方，然後在下一步將其放在載體上，形成膠帶形式
	相當大的???卷。最後，我們可以以
	客戶想要什麼形狀就做什麼形狀。所以，如果你有一些模切件，例如汽車標誌，你需要那些膠帶，它們不需要特定的形狀，我們會根據客戶的要求提供特定的形狀。
	研發主要集中在前三個部分，即聚合、塗層配方，以及為了獲得，正如我所提到的，我們的許多產品都是客製化的，為了盡快達到滿足客戶要求的目標，我們應用
	整個課程的實驗設計
	獲得最終產品並滿足客戶要求。
	而且有很多
	進行實驗設計或進行大量實驗也會提供大量數據。
	作為一家化學公司，在進行這些實驗或設計課程的實驗時，您將從實驗結果中獲得大量數據和光譜。
	因此，我們大多數的實驗給出的不是值，不是數字，而是光譜。
	在大多數情況下，如果你想做實驗，就像我的情況一樣，我就是資料科學家，負責規劃這些實驗並進行分析
	實驗並為我的同事進行整個數據分析，在這種情況下，他們可能不是數據科學家。
	他們是最終產品的開發者，他們把我當作一項服務來負責所有的數據分析。在大多數情況下，你會從光譜資料中提取描述光譜資料的關鍵參數。
	在聚合的情況下，這可能是分子量分佈，也可能意味著你的
	我們從反應中獲得的聚合物可能是某種反應的開始，可以透過任何測量方法或其他方法來檢測這種反應。
	因此，如果您在資料分析中進行分析，您會提取那些關鍵參數並進行分析，大多數時候會對這些關鍵參數進行經典的 DOE 分析。
	所以
	身為資料科學家，為了向我的同事和開發人員提供服務，我會對這些關鍵參數進行分析。
	他們還向我提供了客戶要求，而您希望滿足這些客戶的要求，它們是您想要的配方或產品所達到的最佳狀態。
	完成這些、進行分析、進行最佳化後，在某個時候，您可以向您的同事，或者我會向我的同事展示結果。
	由於我對所有關鍵參數進行了分析，因此我也展示了這些關鍵參數的結果。
	問題是，雖然我的開發同事或專案團隊是該領域的專家...他們是專業領域的專家，但不是資料科學專家。
	所以這裡的問題是，如果我對關鍵參數進行分析，並且用關鍵參數的語言進行討論，但他們作為其專業領域的專家，
	他們仍在思考光譜，因為那是實驗完成的時候，那是他們得到的分析，他們看到光譜，而我看到的是數字。
	總是存在這樣的問題：如果我用關鍵參數來呈現結果和分析，他們仍然會用光譜來思考。
	所以你總是會遇到用不同語言溝通的問題。我用數位語言交流，他們用光譜語言交流。
	這就導致了一個問題，他們必須將這些數字轉換到他們的專業領域，也就是光譜。
	或者，我必須把這些關鍵參數翻譯成它們的語言，也就是光譜。幸運的是，有了函數資料瀏覽器（Functional Data Explorer），它就像一個通用的翻譯器，可以解決這類問題。
	我今天要做的，或者說想要向你們展示的，是透過三個例子，展示函數資料瀏覽器如何極大地幫助你們克服資料科學家談論數位和開發人員用光譜思考和談論之間的這種障礙或語言障礙。
	舉個例子，也就是我想給你們展示的第一個例子，這是一個非常簡單、非常瑣碎的例子，也許是關於描述分形印刷品質的測量
	實驗。第二個描述的是定義某種化學反應的測量方法。第三個是測量聚合物分子量的方法。
	在聚合反應過程中。我現在不再使用 PowerPoint，而是轉到 JMP，是的，它就在那裡。
	我展示的第一個例子……就像我之前說的，是分析印刷品質。所以你進行測量，理想完美的光譜應該是
	斜率為 1，通過原點的直線。如果能達到這個完美程度，那就是理想的，所以這是一個測量，這次是列印品質。
	通常情況下，你得到的是…正常的，這是一個真實的環境。我們得到的看起來不像是一條直線，而是稍微向高值方向偏移了一點，所以它不是一條線……而是向上彎曲了。
	那你想用這些資訊做什麼呢？我們想看看，或者你想篩選一下，哪些參數基本上會導致曲線向上移動或彎曲，從而使其變得不理想。
	所以我來談談關鍵參數，也就是我們所說的關鍵參數，或者說，它基本上就是直線和實際得到的直線之間的差異。這很簡單，你只需要使用
	區別...是這一點上的一些區別。
	所以，如果你進行分析，那麼對關鍵參數來說，現在的分析也非常簡單。我使用決策樹來…來篩選哪個參數影響最大，從而偏離理想光譜，這非常簡單。我們得到了大約22個影響因素。
	您可以看到，它基本上對某些事物有影響，或影響偏離理想情況的現象。
	它叫X 22，不管它叫什麼，其實都無所謂。所以如果它移動了…
	如果它大於某個值，你會得到一個數字，比如說，250，如果它低於那個特定的值，你會得到196，問題是，如果你把這個告訴開發人員...如果你把它展示給開發分析師，
	他會問你，196 好嗎，還是 254 還好，還是很糟糕，或者可能合適，或者有點合適。
	問題在於純數字，你實際上看不到這一點，因為他在用不同的方式...在不同的地區用不同的語言說話。
	但是，使用函數資料探索器確實可以極大地幫助您回答這個問題，因為如果您轉到函數資料探索器並對函數中的資料進行相同的分析...使用函數資料探索器，
	你會得到類似這樣的結果。它向你展示，向他展示，或向你展示給他的開發人員展示…你向他展示圖表。他習慣使用的圖表通常是從他的測量結果或實驗中獲得的，他自己做的實驗。
	現在同樣的事情，例如，如果他有相同的參數影響曲線的形狀，但如果你不喜歡顯示 250 的那個，
	從關鍵參數的分析來看，你的250，實際上是196，你會看到差異。我的意思是，這其實不是一條直線。
	但如果它向下移動到較低的數字，也就是他們想要保留的數字，196，
	它看起來還不錯，所以……它不是真的，我的意思是，一種完美的直線，但它不是那麼，不是那麼多……它離
	一條直線，也許在那時，如果你向非資料科學家、開發人員展示這種分析，
	也許這對他來說已經足夠好了，也許你會說好吧這不是一條直線它並不完美，但它對這份工作來說已經很好了。
	基本上，它滿足了客戶的需求。而這一點，客戶從你展示的純數字上是看不到的。所以在這種情況下，這是一個非常簡單的例子，非常簡單的例子。
	但我希望它能讓你明白，使用功能數據瀏覽器可以讓你用專家、非數據科學家甚至材料開發者的語言來溝通。
	而且你用他的領域或語言與他交談，可以幫助他獲得這種洞察力，而不必將數字轉化為洞察力，轉化為光譜，但他看到了，也許得到了他需要的答案。
	所以再說一次，這是一個非常簡單的例子，但我明白了......我希望它能向你展示數據的本質......函數數據資源管理器是什麼或能幫助你實現什麼。
	那麼，繼續第二個例子，這就是您想要檢測的化學反應的開始。
	我們透過進行???測量來做到這一點，你希望看到在加熱某種化學配方的過程中模量的變化。通常有兩個大的光譜；光譜看起來像這樣，
	在某個點上，模量會發生變化，並且急劇上升。這通常就在這裡，是化學反應的開始。所以，你從光譜中提取的關鍵參數，就是模量開始急遽上升的點。
	這
	良好提取的關鍵參數是找到那個點。現在，從原始資料計算出一個點可能稍微複雜一些，但無論如何，你可以這樣做，檢查反應開始的點，然後對關鍵參數進行分析。
	這樣做，
	透過關鍵參數的分析，你得到的是一個模型，它能讓你根據（在這個例子中是五個）參數來預測化學反應的類型。所以，
	我去看看。好的，關鍵點…化學反應開始時的這些關鍵參數…可能取決於…取決於那三個參數
	基本上，你可以得到從化學反應開始的 70 攝氏度左右到 100 攝氏度左右的溫度範圍（哦，對不起，記錯了。）
	大約100度，是的。所以，你把總光譜簡化成一個數字，
	為這一化學反應的開始提供線索。
	進行相同的分析和數據...您已經有了數據，因此如果您想提取關鍵參數，您還需要原始數據，因此您也可以獲得原始數據。
	所以它並不...它實際上並不需要付出太多的努力...需要付出更多的努力來在功能資料資源管理器中使用標準回歸方法對關鍵參數進行分析。
	所以，
	使用相同數量或相同數據，並使用函數數據探索器
	分析數據只需幾秒鐘即可計算出結果。
	就在那裡。
	再次，現在您可以對整個頻譜進行建模，並且...因此在那個特定情況下，我沒有向開發人員展示關鍵參數的分析，但我首先向他們展示了功能資料探索，即來自功能資料探索的結果。
	當我開始四處走動並向他們展示這一點並開始移動影響因素時，他們立即註意到了
	反應點發生了變化。所以我不用告訴他們點開始移動了，因為他們是這個領域的專家…是光譜資料的專家，
	他們立即意識到，化學反應的開始基本上發生了變化，正如你在這裡看到的，你看到它開始發生變化。
	另一個是你看到的，因為現在你基本上模擬了整個光譜，你不僅模擬了關鍵參數，你所看到的
	如果你移動它，光譜的樣子就會完全改變。例如，他們會看到峰開始移動，峰的高度
	變化。這也是他們在看到這些分析後立即意識到的事情。
	差別在於關鍵參數，如果你將機會提取到一個關鍵參數（即某種化學反應），那麼你可能可以使用另一個關鍵參數。
	告訴您最佳位置或最大峰值的位置或最大峰值的高度。
	然後，您可以將光譜資料用於不同類型的關鍵參數，隨後分析這些關鍵參數並將其顯示給他們，計算出最佳值。
	但好消息是，如果您使用功能資料資源管理器，您可以將這些資訊集中到一個
	分析。正如我之前提到的，你停止說話，或者你……你不是在用數字說話，而是用他們的語言，或者用他們的光譜數據語言，你不需要再把這些關鍵參數翻譯成他們的光譜語言。
	是的，因此您可以在功能資料資源管理器中獲得有關這些的更多信息，並且也許可以更深入地了解底層流程。
	是的，現在我要來談談最後一個例子。這是
	我剛才談到的聚合過程，基本上就是要確定分子量分佈，
	這是聚合反應的結果。正如我之前提到的，確定分子分佈通常也很棘手
	得到或簡化整個分佈，使其包含某些關鍵參數。那麼，通常情況下，典型的光譜是什麼樣子的呢？讓我們把聚合物的摩爾質量當作典型的光譜，這樣就能得到聚合物鏈中所有重複單元的數量。
	這就是你從化學反應和測量中得到的結果。所以，關鍵參數，也就是眾所周知的或關鍵的參數，你必須…
	這是數均摩爾質量、質量平均摩爾質量、Z 均摩爾質量和多分散性，
	即質量平均摩爾質量除以數均摩爾質量。
	此參數 PDI（多分散性）可指示分子量分佈的廣度或大小...或寬度。
	再次強調，有了這四個關鍵參數，你可以根據原始數據或光譜數據計算出來，我們已經有了這些數據，可以
	計算關鍵參數。你可以使用標準技術再次進行分析，這沒什麼特別的。
	然後你得到一個關於你的模型...這個案例中，有四個侵權參數，在這個案例中是三個，我沒有把多分散性考慮進去，
	在三個關鍵參數下。你看…你會發現，即使改變這四個因素，數均摩爾質量實際上也不會有太大變化，所以這四個因素對數均摩爾質量的影響不是太大。它的影響相當大，而且相當顯著。
	就質量平均摩爾質量而言，正如你在這裡看到的。所以你可以把它調整得相當大，所以差異相當大，總共大約是每摩爾150,000?，這是最低設定和最高設定之間的差異。
	但是，這意味著這個數字變化相當顯著，但這並不意味著你的分散度應該變化或應該......或應該變化很大。
	問題是你從這個數字看不到分佈的樣子，所以它沒有給你形狀，在我們的例子中，形狀非常重要，因為它
	會顯著影響聚合物的加工性能。因此
	只有三個數字和多分散性，它不會告訴你，如果形狀...或
	若分佈是單摩爾分佈、雙峰分佈、三峰分佈等。
	您所看到的或您僅僅談論的分散性可能會給您一個分佈廣度的指示，但它並沒有告訴您是否有一個峰，兩個峰或三個峰。
	但最終得到的材料特性有很大差異
	聚合物或改變我們正在開發的膠帶的性能。
	現在，由於您已經擁有原始數據，您可以再次使用功能數據資源管理器來獲取這些見解或從中獲取更多資訊......所有這些數據僅來自那些關鍵參數。
	再次，需要幾秒鐘，然後就完成了。
	再次強調，分析過程並沒有什麼特別之處，因此，操作函數資料探索器也沒有什麼特別之處，
	與眾不同的是，您將出口拉入為 Y，輸入樣本 ID，然後輸入來自 DOE 的因素。
	把它們放進去，按下開始按鈕，基本上就完成了。現在你基本上可以…用模型參數來安裝它了。
	但這是一個非常簡單、非常直接的過程，而且，你只需將所有資料精簡到一些關鍵參數，就能更深入地了解感興趣的底層部分。在這種情況下，
	我的意思是，向您展示一個關鍵參數實際上並沒有發生很大的變化，另一個參數發生了很大的變化，但它並沒有給您形式，因此它不會讓您對分佈有任何指示或感覺。
	在這種情況下，再次使用此工具可以讓您獲得這種洞察力，因為如果您看到...在您看到一個點發生很大變化之前，另一個點卻沒有。
	但是，如果您知道某種變化，例如，在那種情況下。
	那個山峰更像是一個肩膀，它實際上並不是一個山峰，但如果你改變你的影響因素，你就會到達一個點，它實際上真的會達到一個山峰。
	是的，所以它確實出現了第二個峰值，這也許能告訴你一些關於聚合機製或底層聚合機制的信息
	是的，僅憑這三個數字你是無法從關鍵參數中得知這些的。
	但在這裡，它可能會給你一個提示，或者你可能會觸發開發人員的一些行為，因為這是他們的專業領域。你可能會觸發一些事情，幫助他理解底層機制，然後
	幫助他進行下一步，或幫助他更好地進行下一步，比以前更好地計劃下一步實驗，只需看到這些數字。
	好的，我的範例示範已經結束，我希望能夠向大家展示函數資料探索器確實能夠實現
	把結果提供給開發人員在其專業領域。我的意思是，請記住，大多數，比如說，在我們的情況下，大多數開發人員都不是資料科學家，所以
	他們
	不相信或可能不太關心如何獲得結果，但他們更感興趣的是結果和
	問題就在那裡……或者，如果功能數據探索者允許你用他們的語言或專業領域進行交流，那麼在我們這個例子中，作為一家化學公司，光譜數據，你就不必
	丟棄有價值的數據，將光譜數據精簡為一些關鍵參數，並對關鍵參數進行分析。
	必須解釋關鍵參數實際上…它們如何影響光譜、光譜的形式、光譜的形狀，但你可以只使用數據，然後
	你將開始向他們展示你正在研究的因素對光譜的形式和形狀以及光譜如何變化的影響。
	很多情況下，在某些情況下，您可能會獲得相同的見解，但許多情況下，使用 FDE 進行分析通常會為您帶來更多的見解，讓您更深入地了解底層機制。
	而且，在將光譜資料簡化為一些關鍵參數的過程中，您不必丟棄大量有價值的資料。
	最後，我要感謝研發部門的同事們，感謝你們完成了所有的實驗工作，讓我能夠站在這裡向大家展示這些優秀的成果。
	我的演講結束了。非常感謝大家的關注。如有任何問題，請隨時提問。非常感謝。

進階統計建模基礎資料分析與建模消費者與市場研究數據探索與視覺化實驗設計預測模型和機器學習品質與工藝工程可靠度分析分享和交流成果