756645_zh-CN

liliconcom

函数式数据探索器：向非数据科学家可视化结果 (2021-EU-30MP-765)

Simon Stelzig，Lohmann 数据驱动开发主管

在胶粘剂配方和胶带开发过程中，数据科学家会协助开发人员分析从实验设计、历史数据分析或初步试错过程中收集到的数据。因此，数据专家需要与非专业人士讨论结果，以便以更简单的方式呈现复杂的数据分析。尤其是在分析光谱数据时，数据通常会精简为几个特征值进行分析。然而，开发人员仍然以光谱而非数字来思考，这使得结果的可视化和解读变得困难。Functional Data Explorer 是一款出色的工具，可以执行此类分析，并以类似光谱的形式将结果可视化。例如，可以使用 Function Data Explorer 分析结构胶粘带的流变行为（即反应起始时间）对配方成分的依赖性。另一个例子是分析压敏胶合成过程中分子量分布对工艺参数的依赖性。在这两种情况下，预测的光谱结果都极大地帮助开发人员获得洞察力并加深对机理的理解。

自动生成的成绩单...

扬声器	抄本
西蒙·施特尔齐格	好的，大家好。我叫 Simon Stelzig，来自 Lohmann 公司，负责键合工程师的工作。我来自研发部门。今天我想跟大家介绍一下 Function Data Explorer，以及如何使用它来向非数据科学家展示结果可视化。
	所以，在我开始之前，我想先简单介绍一下Lohmann公司。你可能没听说过这家公司，但你每天都会用到它的产品，或者接触过它的产品。
	以上只是一些关于Lohmann的数据和事实。Lohmann在2019年的营业额约为6亿欧元，我负责的部分是Lohmann Tape Group，我们是一家胶带生产商。我们主要生产双面胶带，是一家纯B2C公司，所以你只需要
	如果您从事工业领域，并且需要用于工业应用，您只能购买我们的产品。我们历史悠久，今年是Lohmann公司成立170周年。
	我们基本上分为两个部分，其中一个部分是我正在做的磁带产品。重点是
	工业用途胶带，这是我们的卫生品牌。
	我们业务遍布全球。我们在全球拥有25个分支机构，约有1800名员工。也许很有意思的是，
	我们的 90% 产品都是定制的，因此我们的产品组合相当复杂，其中很多产品专注于极少数客户的极少量应用。
	因此，我们是胶带或许多双面胶带的顶级生产商，您知道我们有很多应用，这些就是我们所在的细分市场。
	我们的业务之一是工业应用，主要针对建筑施工领域的门窗或室内外应用。
	或者，您可能会在家用电器和电子设备中看到 Lohmann 的产品，例如用于固定智能手机后盖的胶带。或者在
	医疗领域主要用于诊断应用、伤口护理。在交通运输领域……汽车领域可能用于内饰或外饰
	汽车标志的粘贴。例如，我们还为柔性印刷应用的图形行业提供胶带。
	将印版固定在袖子上。Lohmann Tape Group 的一个分支部门是卫生用品品牌，我们为该品牌提供尿布封口系统。
	应用范围非常广泛，我之前提到过，我们大约90%的产品都是定制的。关于Lohmann，还有一点是
	我们的价值链是一个非常深的价值链，所以如果你想到胶带，你需要一个粘合层，
	粘贴或粘贴到您想要粘附的主题上。
	你需要一个载体，可选的载体，用于承载你的粘合剂层，在另一侧，因为我们是另一侧双面胶带的生产商，
	粘合层。Lohmann 的价值链基本上从零开始，所以我们可以生产自己的聚合物，也就是粘合剂的基础聚合物。
	然后，我们必须将聚合物配制成粘合剂配方，然后在下一步将其放在载体上，形成胶带形式
	相当大的???卷。最后，我们可以以
	客户想要什么形状就做什么形状。所以，如果你有一些模切件，比如汽车标志，你需要那些胶带，它们不需要特定的形状，我们会根据客户的要求提供特定的形状。
	研发主要集中在前三个部分，即聚合、涂层配方，以及为了获得，正如我提到的，我们的许多产品都是定制的，为了尽快达到满足客户要求的目标，我们应用
	整个课程的实验设计
	获得最终产品并满足客户要求。
	并且有很多
	进行实验设计或进行大量实验也会提供大量数据。
	作为一家化学公司，在进行这些实验或设计该课程的实验时，您会从实验结果中获得大量数据和光谱。
	因此，我们的大多数实验给出的不是值，不是数字，而是光谱。
	在大多数情况下，如果你想做实验，就像我的情况一样，我就是数据科学家，负责规划这些实验并进行分析
	实验并为我的同事进行整个数据分析，在这种情况下，他们可能不是数据科学家。
	他们是最终产品的开发者，他们把我当作一项服务来负责所有的数据分析。在大多数情况下，你会从光谱数据中提取描述光谱数据的关键参数。
	在聚合的情况下，这可能是分子量分布，也可能意味着你的
	我们从反应中获得的聚合物可能是某种反应的开始，可以通过任何测量或其他方式来检测这种反应。
	因此，如果您在数据分析时进行分析，您会提取那些关键参数并进行分析，大多数时候会对这些关键参数进行经典的 DOE 分析。
	所以
	作为一名数据科学家，为了向我的同事和开发人员提供服务，我会对这些关键参数进行分析。
	他们还向我提供了客户要求，而您希望满足这些客户的要求，它们是您想要的配方或产品所达到的最佳状态。
	完成这些、进行分析、进行优化后，在某个时候，您可以向您的同事，或者我会向我的同事展示结果。
	由于我对所有关键参数进行了分析，因此我也展示了这些关键参数的结果。
	问题是，虽然我的开发同事或项目团队是该领域的专家......他们是专业领域的专家，但不是数据科学专家。
	所以这里的问题是，如果我对关键参数进行分析，并且用关键参数的语言进行讨论，但他们作为其专业领域的专家，
	他们仍在思考光谱，因为那是实验完成的时候，那是他们得到的分析，他们看到光谱，而我看到的是数字。
	总是存在这样的问题：如果我用关键参数来呈现结果和分析，他们仍然会用光谱来思考。
	所以你总是会遇到用不同语言交流的问题。我用数字语言交流，他们用光谱语言交流。
	这就导致了一个问题，他们必须将这些数字转换到他们的专业领域，也就是光谱。
	或者，我必须把这些关键参数翻译成它们的语言，也就是光谱。幸运的是，有了函数数据浏览器（Functional Data Explorer），它就像一个通用的翻译器，可以解决这类问题。
	我今天要做的，或者说想要向你们展示的，是通过三个例子，展示函数数据浏览器如何极大地帮助你们克服数据科学家谈论数字和开发人员用光谱思考和谈论之间的这种障碍或语言障碍。
	举个例子，也就是我想给你们展示的第一个例子，这是一个非常简单、非常琐碎的例子，也许是关于描述分形印刷质量的测量
	实验。第二个描述的是定义某种化学反应的测量方法。第三个是测量聚合物分子量的方法。
	在聚合反应过程中。我现在不再使用 PowerPoint，而是转到 JMP，是的，它就在那里。
	我展示的第一个例子……就像我之前说的，是分析印刷质量。所以你进行测量，理想完美的光谱应该是
	斜率为 1，通过原点的直线。如果能达到这个完美程度，那就是理想的，所以这是一个测量，这次是打印质量。
	通常情况下，你得到的是……正常的，这是一个真实的环境。我们得到的看起来不像是一条直线，而是稍微向高值方向偏移了一点，所以它不是一条线……而是向上弯曲了。
	那么你想用这些信息做什么呢？我们想看看，或者你想筛选一下，哪些参数基本上会导致曲线向上移动或弯曲，从而使其变得不理想。
	所以我来谈谈关键参数，也就是我们所说的关键参数，或者说，它基本上就是直线和实际得到的直线之间的差异。这很简单，你只需要使用
	区别...是这一点上的一些区别。
	所以，如果你进行分析，那么对关键参数来说，现在的分析也非常简单。我使用决策树来……来筛选出哪个参数影响最大，从而偏离理想光谱，这非常简单。我们得到了大约22个影响因素。
	您可以看到，它基本上对某些事物有影响，或者影响偏离理想情况的现象。
	它叫X 22，不管它叫什么，其实都无所谓。所以如果它移动了……
	如果它大于某个值，你会得到一个数字，比如说，250，如果它低于那个特定的值，你会得到196，问题是，如果你把这个告诉开发人员...如果你把它展示给开发分析师，
	他会问你，196 好吗，还是 254 还好，还是很糟糕，或者可能合适，或者有点合适。
	问题在于纯数字，你实际上看不到这一点，因为他在用不同的方式...在不同的地区用不同的语言说话。
	但是，使用函数数据探索器确实可以极大地帮助您回答这个问题，因为如果您转到函数数据探索器并对函数中的数据进行相同的分析...使用函数数据探索器，
	你会得到类似这样的结果。它向你展示，向他展示，或者向你展示给他的开发人员展示……你向他展示图表。他习惯使用的图表通常是从他的测量结果或实验中获得的，他自己做的实验。
	现在同样的事情，例如，如果他有相同的参数影响曲线的形状，但如果你不喜欢显示 250 的那个，
	从关键参数的分析来看，你的250，实际是196，你会看到差异。我的意思是，这实际上不是一条直线。
	但如果它向下移动到较低的数字，也就是他们想要保留的数字，196，
	它看起来还不错，所以……它不是真的，我的意思是，一种完美的直线，但它不是那么，不是那么多……它离
	一条直线，也许在那时，如果你向非数据科学家、开发人员展示这种分析，
	也许这对他来说已经足够好了，也许你会说好吧这不是一条直线它并不完美，但它对这份工作来说很好。
	基本上，它满足了客户的需求。而这一点，客户从你展示的单纯数字上是看不到的。所以在这种情况下，这是一个非常简单的例子，非常简单的例子。
	但我希望它能让你明白，使用功能数据浏览器可以让你用专家、非数据科学家甚至材料开发者的语言进行交流。
	而且你用他的领域或语言与他交谈，可以帮助他获得这种洞察力，而不必将数字转化为洞察力，转化为光谱，但他看到了，也许得到了他需要的答案。
	所以再说一次，这是一个非常简单的例子，但我明白了......我希望它能向你展示数据的本质......函数数据资源管理器是什么或者能帮助你实现什么。
	那么，继续第二个例子，这就是您想要检测的化学反应的开始。
	我们通过进行???测量来做到这一点，你希望看到在加热某种化学配方的过程中模量的变化。通常有两个大的光谱；光谱看起来像这样，
	在某个点上，模量会发生变化，并急剧上升。这通常就在这里，是化学反应的开始。所以，你从光谱中提取的关键参数，就是模量开始急剧上升的点。
	这
	良好提取的关键参数是找到那个点。现在，从原始数据中计算出一个点可能稍微复杂一些，但无论如何，你可以这样做，检查反应开始的点，然后对关键参数进行分析。
	这样做，
	通过对关键参数的分析，你得到的是一个模型，它能让你根据（在这个例子中是五个）参数来预测化学反应的类型。所以，
	我去看看。好的，关键点……化学反应开始时的这些关键参数……可能取决于……取决于那三个参数
	基本上，你可以得到从化学反应开始的 70 摄氏度左右到 100 摄氏度左右的温度范围（哦，对不起，记错了。）
	大约100度，是的。所以，你把总光谱简化成一个数字，
	为这一化学反应的开始提供线索。
	进行相同的分析和数据...您已经有了数据，因此如果您想提取关键参数，您还需要原始数据，因此您也可以获得原始数据。
	所以它并不...它实际上并不需要付出太多的努力...需要付出更多的努力来在功能数据资源管理器中使用标准回归方法对关键参数进行分析。
	所以，
	使用相同数量或相同数据，并使用函数数据探索器
	分析数据只需几秒钟即可计算出结果。
	就在那里。
	再次，现在您可以对整个频谱进行建模，并且...因此在那个特定情况下，我没有向开发人员展示关键参数的分析，但我首先向他们展示了功能数据探索，即功能数据探索的结果。
	当我开始四处走动并向他们展示这一点并开始移动影响因素时，他们立即注意到了
	反应点发生了变化。所以我不用告诉他们点开始移动了，因为他们是这个领域的专家……是光谱数据的专家，
	他们立即意识到，化学反应的开始基本上发生了变化，正如你在这里看到的，你看到它开始发生变化。
	另一个是你看到的，因为现在你基本上模拟了整个光谱，你不仅模拟了关键参数，你所看到的
	如果你移动它，光谱的样子就会完全改变。例如，他们会看到峰开始移动，峰的高度
	变化。这也是他们在看到这些分析后立即意识到的事情。
	区别在于关键参数，如果你将机会提取到一个关键参数（即某种化学反应），那么你可能可以使用另一个关键参数。
	告诉您最佳位置或最大峰值的位置或最大峰值的高度。
	然后，您可以将光谱数据用于不同类型的关键参数，随后分析这些关键参数并将其显示给他们，计算出最佳值。
	但好消息是，如果您使用功能数据资源管理器，您可以将这些信息集中到一个
	分析。正如我之前提到的，你停止说话，或者你……你不是在用数字说话，而是用他们的语言，或者用他们的光谱数据语言，你不需要再把这些关键参数翻译成他们的光谱语言。
	是的，因此您可以在功能数据资源管理器中获得有关这些的更多信息，并且也许可以更深入地了解底层流程。
	是的，现在我来谈谈最后一个例子。这是
	我刚才谈到的聚合过程，基本上就是确定分子量分布，
	这是聚合反应的结果。正如我之前提到的，确定分子分布通常也很棘手
	得到或简化整个分布，使其包含某些关键参数。那么，通常情况下，典型的光谱是什么样子的呢？让我们把聚合物的摩尔质量作为典型的光谱，这样就能得到聚合物链中所有重复单元的数量。
	这就是你从化学反应和测量中得到的结果。所以，关键参数，也就是众所周知的或关键的参数，你必须……
	这是数均摩尔质量、质量平均摩尔质量、Z 均摩尔质量和多分散性，
	即质量平均摩尔质量除以数均摩尔质量。
	该参数 PDI（多分散性）可指示分子量分布的广度或大小...或宽度。
	再次强调，有了这四个关键参数，你可以根据原始数据或光谱数据计算出来，我们已经有了这些数据，可以
	计算关键参数。你可以使用标准技术再次进行分析，这没什么特别的。
	然后你得到一个关于你的模型...这个案例中，有四个侵权参数，在这个案例中是三个，我没有把多分散性考虑进去，
	在三个关键参数下。你看……你会发现，即使改变这四个因素，数均摩尔质量实际上也不会有太大变化，所以这四个因素对数均摩尔质量的影响不是太大。它的影响相当大，而且相当显著。
	就质量平均摩尔质量而言，正如你在这里看到的。所以你可以把它调整得相当大，所以差异相当大，总共大约是每摩尔150,000?，这是最低设置和最高设置之间的差异。
	但是，这意味着这个数字变化相当显著，但这并不意味着你的分散度应该变化或者应该......或者应该变化很大。
	问题是你从这个数字中看不到分布的样子，所以它没有给你形状，在我们的例子中，形状非常重要，因为它
	会显著影响聚合物的加工性能。因此
	只有三个数字和多分散性，它不会告诉你，如果形状...或
	如果分布是单摩尔分布、双峰分布、三峰分布等。
	您所看到的或者您仅仅谈论的分散性可能给您一个分布广度的指示，但它并没有告诉您是否有一个峰，两个峰或三个峰。
	但最终得到的材料特性有很大差异
	聚合物或改变我们正在开发的胶带的性能。
	现在，由于您已经拥有原始数据，您可以再次使用功能数据资源管理器来获取这些见解或从中获取更多信息......所有这些数据仅来自那些关键参数。
	再次，需要几秒钟，然后就完成了。
	再次强调，分析过程并没有什么特别之处，因此，操作函数数据探索器也没有什么特别之处，
	与众不同的是，您将出口拉入为 Y，输入样本 ID，然后输入来自 DOE 的因素。
	把它们放进去，按下开始按钮，基本上就完成了。现在你基本上可以……用模型参数来安装它了。
	但这是一个非常简单、非常直接的过程，而且，你只需将所有数据精简到一些关键参数，就能更深入地了解感兴趣的底层部分。在这种情况下，
	我的意思是，我已经向您展示了一个关键参数实际上并没有发生很大的变化，而另一个参数发生了很大的变化，但它并没有给您提供形式，因此它不会让您对分布有任何指示或感觉。
	在这种情况下，再次使用此工具可以让您获得这种洞察力，因为如果您看到...在您看到一个点发生很大变化之前，另一个点却没有。
	但是，如果您知道某种变化，例如，在那种情况下。
	那个山峰更像是一个肩膀，它实际上并不是一个山峰，但如果你改变你的影响因素，你就会到达一个点，它实际上真的会达到一个山峰。
	是的，所以它确实出现了第二个峰值，这也许能告诉你一些关于聚合机制或底层聚合机制的信息
	是的，仅凭这三个数字你是无法从关键参数中得知这些的。
	但在这里，它可能会给你一个提示，或者你可能会触发开发人员的一些行为，因为这是他们的专业领域。你可能会触发一些事情，帮助他理解底层机制，然后
	帮助他进行下一步，或者帮助他更好地进行下一步，比以前更好地计划下一步实验，只需看到这些数字。
	好的，我的示例演示已经结束，我希望能够向大家展示函数数据探索器确实能够实现
	把结果提供给开发人员在其专业领域。我的意思是，请记住，大多数，比如说，在我们的情况下，大多数开发人员都不是数据科学家，所以
	他们
	不相信或者可能不太关心如何获得结果，但他们更感兴趣的是结果和
	问题就在那里……或者，如果功能数据探索者允许你用他们的语言或专业领域进行交流，那么在我们这个例子中，作为一家化学公司，光谱数据，你就不必
	丢弃有价值的数据，将光谱数据精简为一些关键参数，并对关键参数进行分析。
	必须解释关键参数实际上……它们如何影响光谱、光谱的形式、光谱的形状，但你可以只使用数据，然后
	你将开始向他们展示你正在研究的因素对光谱的形式和形状以及光谱如何变化的影响。
	很多情况下，在某些情况下，您可能会获得相同的见解，但很多情况下，使用 FDE 进行分析通常会给您带来更多的见解，让您更深入地了解底层机制。
	而且，在将光谱数据简化为一些关键参数的过程中，您不必丢弃大量有价值的数据。
	最后，我要感谢研发部门的同事们，感谢你们完成了所有的实验工作，让我能够站在这里向大家展示这些出色的成果。
	我的演讲结束了。非常感谢大家的关注。如有任何问题，请随时提问。非常感谢。

高级统计建模基础数据分析与建模消费者和市场研究数据探索与可视化实验设计预测模型和机器学习质量与工艺工程可靠性分析分享和交流结果