La interactividad siempre ha sido una característica clave de JMP que permite el descubrimiento a través de la exploración de datos y la generación de informes. Transformar columnas mantenerlo "en el flujo" durante la exploración inicial. Las características interactivas de los informes, como el cepillado y la selección de vínculos entre tablas e informes, le permiten continuar haciendo preguntas durante todo el análisis. los Filtro de datos local y Columna de conmutación agilice este proceso, permitiéndole subcontratar interactivamente o cambiar las variables de análisis sin tener que volver a crear un informe. JMP 12 introduce el Filtro de selección, que mejora aún más el proceso de generación de informes interactivos mediante el filtrado de un conjunto de gráficos o informes basados en la selección realizada en otro conjunto de gráficos.
Filtros de datos
Figura 1: un filtro de datos local controla el subconjunto de un solo informe
Los filtros de datos se usan comúnmente para explorar subconjuntos de datos basados en criterios específicos. Como se muestra en la Figura 1, el Filtro de datos locales en JMP proporciona interfaces para filtrar datos según los valores de una o más columnas. El uso de un filtro de datos locales le permite explorar subconjuntos de datos dentro de un informe determinado sin afectar la tabla de datos de origen u otros informes que dependen de la misma tabla. Los escenarios de flujo de trabajo comunes a menudo implican múltiples análisis vinculados entre sí. Por ejemplo, es posible que desee ver una distribución de valores en una columna antes de decidir qué subconjunto analizar. En versiones anteriores de JMP, este proceso podría realizarse manualmente mediante la creación de tablas de subconjuntos y múltiples informes. El enfoque manual puede llevar a una gran cantidad de ventanas que se crean para tablas de datos e informes, lo que requiere más contabilidad mental para comprender el análisis. Con las secuencias de comandos JSL, sería posible simplificar el proceso y proporcionar una presentación de flujo de trabajo más cohesiva. Al utilizar los filtros de selección en JMP 12, este tipo de flujo de trabajo se puede configurar de manera interactiva dentro de JMP y se puede guardar para su uso futuro y compartir con colegas.
Filtros de selección
Figura 2: La selección en el mapa de ruta determina los datos que se analizarán en el informe de Oneway
Los filtros de selección son similares a los filtros de datos locales, pero utilizan uno o más gráficos en lugar de la interfaz de filtro tradicional. En lugar de utilizar el enlace de selección para compartir el estado de selección con la tabla de datos y otros informes, un Filtro de selección utiliza un estado de selección privada que es independiente de la tabla de datos y otros informes. Esta selección privada se usa para determinar qué filas incluir en el gráfico filtrado. La Figura 2 muestra el uso de un treemap como un filtro para un análisis de Oneway. El mapa de ruta muestra todos los datos, mientras que el informe de Oneway se filtra para mostrar solo las filas que están seleccionadas en el mapa de ruta. Como en el caso del filtro de datos tradicional, si no se selecciona nada en el filtro, todos los datos se mostrarán en la plataforma filtrada.
Figura 3: Dos gráficos de filtro proporcionan múltiples formas de seleccionar y visualizar el subconjunto de interés.
Los filtros de selección no se limitan a usar un solo gráfico dentro del filtro o un solo informe que se está filtrando. La Figura 3 ilustra el uso de dos plataformas dentro del mismo Filtro de selección. El mapa proporciona una forma de seleccionar estados individuales, mientras que el histograma de la región proporciona una forma de seleccionar estados por grupo. En este ejemplo, los dos informes están vinculados a la misma selección, de modo que la selección en cualquiera de los gráficos se refleja en la otra, mientras que el generador de gráficos filtrado muestra solo los datos seleccionados. También es posible vincular los filtros de selección jerárquicamente, creando un filtro que, de forma sucesiva, reduce el subconjunto de intereses en función de la selección en múltiples gráficos.
Unir múltiples plataformas mediante un filtro de selección proporciona un flujo de análisis optimizado: usted elige cómo seleccionar los datos de interés y cómo ver o analizar el subconjunto. La combinación realza el poder de cada plataforma. Considere la posibilidad de utilizar una plataforma de agrupación jerárquica como un Filtro de selección. Al vincular otra plataforma con la selección en la jerarquía de clústeres, puede crear interactivamente una aplicación personalizada que muestre diagnósticos de clústeres significativos.
En una futura publicación del blog, demostraré el proceso para crear un Filtro de selección en JMP 12. Comente las combinaciones de gráficos o análisis que usa con frecuencia o que le gustaría ver explorados. Las combinaciones y aplicaciones son vastas. Espero escuchar sus ideas!
Nota del editor: Este post es parte de un Serie de avances de JMP 12. Escrito por las personas que desarrollan el software.
Michael Clayton escribió:
Mi gráfico favorito es el gráfico de variabilidad (denominado gráfico multivari en Minitab y otros sistemas). El uso de la estratificación para obtener los componentes de la varianza solo se puede hacer en este gráfico para estudios de factores multinivel anidados o cruzados ... visualmente. Pero se clasifica como herramienta de estudio de instrumentos, cuando en realidad lo usamos para ver rápidamente todos los DOE cuando se completan, antes del modelado complejo, así como en estudios de SPC donde las mismas parcelas a menudo incluyen múltiples herramientas, instrumentos y recetas para algunos parámetros del producto. resultado.
Cualquier cosa que nos ayude a Pareto, las múltiples causas posibles de variación, ayudará en cualquier plataforma gráfica.
También para EDA en datos de pruebas complejas (más o menos 500 parámetros de pruebas eléctricas por matriz dentro de 25 obleas por lote en cientos de lotes, a lo largo del tiempo) las ideas más nuevas sobre la búsqueda de parámetros críticos para asignar a esfuerzos de mejora, aparte de las Pruebas de hipótesis más antiguas, serían muy útil. Los riesgos alfa y beta son problemas complicados con "big data" en las operaciones de manufactura de precisión que a menudo llevan al esfuerzo perdido en el DOE.
Estoy lidiando con un problema de filtro de selección jerárquica en este momento y, siendo relativamente nuevo en el mundo de las capacidades más avanzadas de JMP, estoy usando este foro para aprender todo lo que pueda. Este artículo fue excelente. Hacia el final de este artículo, hizo una declaración
" También es posible vincular los filtros de selección jerárquicamente, creando un filtro que reduce sucesivamente el subconjunto de interés en función de la selección en varios gráficos ".
Realmente me gustaría ver un ejemplo de esto.
