- Detalles
- Categoría: Maple
- Visto: 5066
DesafíoEn el campo de los bioprocesos industriales, los datos operativos se están convirtiendo en una herramienta cada vez más valiosa para optimizar y mejorar todos los aspectos de un proceso determinado. La gran cantidad de datos recopilados de estos procesos ayuda a las empresas a monitorizar, estimar y controlar sus procesos con una gran precisión. Sin embargo, para estas empresas, encontrar la tecnología adecuada para analizar estos datos a menudo puede representar un desafío. SoluciónPara comprender y analizar adecuadamente las grandes cantidades de datos en diferentes procesos biológicos, Consibio decidió utilizar Maple para su plataforma Monesco de Internet industrial de las cosas (IIoT). Como una empresa derivada de la Universidad de Aarhus, Consibio utilizó el entorno de gestión de cálculos de Maple para proporcionar a la plataforma Monesco capacidades analíticas que brindaran información a sus clientes. ResultadoLa plataforma Monesco IIoT resultante ahora proporciona información de más de 150 dispositivos implementados y utiliza el análisis de Maple para brindar información de alta calidad para cada implementación. El equipo de Consibio también utiliza Maple para documentar e informar sobre sus procesos, aprovechando las amplias funciones de formateo de documentación técnica que ofrece Maple. |
Consibio es una empresa "spinout" derivada de la Escuela de Ingeniería de la Universidad de Aarhus, que ha desarrollado una plataforma de Internet industrial de las cosas (IIoT) llamada Monesco. Como plataforma de hardware y software IIoT, esta plataforma se ha pensado para Monitorizar, estimar y controlar (Monesco) bioprocesos industriales.
Los clientes de Consibio trabajan en los campos de biogás, tratamiento de aguas residuales, producción de insectos y laboratorios de investigación. Todas estas industrias tienen en común la creciente necesidad de obtener conocimientos basados en datos, que pueden ser muy difíciles de obtener cuando se trata de sistemas biológicos complejos con fines de producción.
La plataforma Monesco proporciona una mayor accesibilidad y conocimiento de estos bioprocesos a través de la automatización y la monitorización clásica en tiempo real, y también a través de herramientas de análisis avanzadas, como la tecnología de sensores virtuales. Monesco proporciona estos conocimientos a sus clientes a través de una plataforma en línea basada en la web y a través de una aplicación para teléfonos inteligentes a través de Monesco Cloud.
Para lograr la complejidad del análisis de estos procesos biológicos, Consibio eligió Maple, la herramienta de gestión de cálculos de Maplesoft, para realizar y documentar sus cálculos. Maple proporciona a Consibio resolvedores matemáticos de clase mundial que puede dar cuenta de los múltiples flujos de datos que deben modelarse en procesos biológicos. Al aprovechar las capacidades de documentación de Maple, Consibio también puede rastrear, monitorizar y compartir fácilmente sus cálculos para su revisión, lo cual es una consideración clave al monitorizar la precisión de su trabajo.
Consibio proporciona Monesco a empresas que están involucradas en una amplia gama de procesos biológicos. Estos clientes utilizan Monesco para muchas tareas, desde el dimensionamiento de procesos hasta la incorporación de sensores virtuales.
Figura 1: La plataforma IIoT Monesco, desarrollada por Consibio, utiliza Maple para proporcionar información basada en datos sobre procesos biológicos industriales, como biogás, tratamiento de aguas residuales y más.
Dimensionamiento de diseños de procesos
Con la experiencia en química e ingeniería biotecnológica de Consibio, ellos proporcionan profundos conocimientos de ingeniería, específicos del dominio, además de los servicios asociados con la plataforma Monesco.
Con frecuencia, Consibio calcula y dimensiona equipos de proceso para las necesidades de sus clientes. Por ejemplo, podría ser para calcular el tamaño requerido de un orificio en un sistema de tubería de gas, donde el sistema Monesco se usa para medir tasas de flujo basadas en mediciones en tiempo real de la presión diferencial sobre el orificio. Aquí, Consibio usa hojas de trabajo de Maple como plantillas de cálculo, donde solo se cambian los parámetros específicos de una configuración a otra, lo que agiliza los flujos de trabajo tanto para Consibio como para sus clientes.
Figura 2: Consibio utiliza Maple para modelar varios procesos biológicos, aprovechando la interfaz de cálculo intuitiva de Maple.
Como otro ejemplo, Consibio proporciona dimensionamiento de calentadores y actuadores para varios procesos de producción. Aquí, Maple permite a Consibio calcular y visualizar los flujos de energía y materiales relacionados con el dimensionamiento de equipos para nuestros clientes.
Como que Consibio es una empresa derivada de la Escuela de Ingeniería de la Universidad de Aarhus, se han acostumbrado a los flujos de trabajo dentro de Maple y pueden aprovechar su experiencia para ofrecer análisis de gran alcance a sus clientes. Los ingenieros de Consibio consideraron otras herramientas matemáticas para su plataforma Monesco, pero decidieron que Maple ofrecía la combinación ideal de capacidad de cálculo y funciones de documentación, las cuales son necesarias para desarrollar y comunicar sus conocimientos.
Sensores virtuales
Consibio también está utilizando Maple para obtener más información sobre los complejos sistemas de producción biológica mediante el uso de su tecnología de sensor virtual.
Un sensor virtual estima continuamente importantes indicadores clave de rendimiento (KPI) que no se pueden medir directamente, basándose en una combinación de parámetros de proceso medidos (por ejemplo, temperatura, emisión de CO2, pH, etc.) y modelos matemáticos que se resuelven en tiempo real para correlacionar estos parámetros.
Dado que los procesos biológicos de los clientes de Consibio son intrínsecamente complejos por naturaleza, también son notoriamente difíciles de modelar y predecir. Con la ayuda de su tecnología de sensores virtuales, Consibio puede presentar a sus clientes parámetros de proceso cruciales y KPI comerciales. Con esta información, los clientes pueden aumentar el rendimiento de sus productos, disminuir sus emisiones de gases de efecto invernadero o mejorar su producción.
Al desarrollar los modelos matemáticos utilizados como base para estos sensores virtuales, Consibio usa Maple para describir, derivar, visualizar y resolver las ecuaciones diferenciales acopladas que describen los procesos bioquímicos físicos involucrados en la producción. Consibio usa Maple para estos modelos, aprovechando las fortalezas analíticas y las herramientas de análisis preconstruidas de Maple. Al evaluar otras herramientas, Consibio no estaba seguro de que pudieran implementar soluciones de manera más rápida o sólida que con la utilización de Maple.
Figura 3: Ingenieros de Consibio demostrando su plataforma IIoT, Monesco.
Compartir conocimientos para clientes y socios
Un valor fundamental en Consibio es presentar datos y conocimientos a sus clientes y socios del proyecto en formatos simples que sean fáciles de entender por las partes interesadas. Maple permite a Consibio tener cálculos matemáticos avanzados y presentaciones fáciles de usar en el mismo entorno, creando un vínculo en vivo entre presentaciones y cálculos. Consibio utiliza primero Maple como herramienta de cálculo para resolver problemas matemáticos complejos para sus clientes, que requieren modelos precisos para su proceso biológico. Una vez que se completan estos cálculos, Consibio continúa utilizando Maple para presentar sus resultados a los clientes. Al utilizar Maple como plataforma de cálculo y presentación, Consibio puede acelerar su desarrollo y reducir sus posibilidades de errores de transcripción.
- Detalles
- Categoría: Comsol
- Visto: 5110
Las aplicaciones biomédicas suelen ser de naturaleza multifísica, desde los implantes de bombas mecánicas en el corazón, a dispositivos de almacenamiento de vacunas, hasta analizadores hematológicos. Por lo tanto la simulación multifísica puede ayudar a revolucionar la manera en el que los dispositivos y procesos biomédicos son diseñados y analizados.
En este artículo de Rachel Keatley del Blog de COMSOL podrán ver ocho ejemplos del mundo real en el que los ingenieros e investigadores de la industria biomédica han utilizado COMSOL Multiphysics para avanzar en sus innovaciones con diseños que salvan vidas.
Estos son los ocho ejemplos que se describen en el artículo:
1. Dispositivos de asistencia ventricular izquierda
2. Almacenamiento de vacunas
3. Tecnología de ablación
4. Presbicia
5. Linac-MR
6. Análisis hematológicos
7. Clasificador de células
8. Stents liberadores de fármacos
- Detalles
- Categoría: Minitab
- Visto: 5779
Por Joshua Zable.
Con la adición en Minitab de correlogramas a su arsenal de visualización como parte de la última versión de Minitab Statistical Software, quería explorar por qué esos gráficos son tan populares y herramientas útiles para la analítica avanzada.
Dicho de forma simple, un correlograma, a veces referido como un gráfico de correlación o una matriz de correlación, es una visualización de estadísticas de correlación. Se utiliza para calcular la aleatoriedad e identificar patrones sencillos en los datos identificando rápidamente variables que están fuertemente correladas con alguna otra. Como en el caso de cualquier análisis de datos, examinar y comprender la estructura de los datos es un primer paso importante en el proceso de análisis predictivo, y conocer cuándo las variables están altamente correladas con otras informará sobre los siguiente pasos.
Y, como se puede ver, el correlograma es una herramienta visual fantástica para ayudar en la jornada para impulsar mejor el análisis predictivo.
Utilizar un correlograma para identificar rápidamente correlaciones
Se puede estar pensando, "Pero yo utilizo las correlaciones con una gráfico de matriz para calcular las asociaciones y la aleatoriedad. ¿Cuál es la diferencia?" Bien, cuando solo se tienen unas pocas variables y un número relativamente pequeño de muestras, utilizar la correlación conjuntamente con un gráfico de matriz tiene mucho sentido.
Pero vamos a tomar un ejemplo de un ingeniero que está diseñando células de combustible para automóviles eléctricos para ilustrar porqué un correlograma puede ser una herramienta útil cuando están involucradas muchas variables y muchas muestras.
La temperatura de trabajo está entre los parámetros que afectan al rendimiento de las células de combustible, junto con la presión, las tasas de flujo y la humedad, y para cualquier diseño de célula de combustible debe de identificarse una temperatura de trabajo óptima. Para optimizar el diseño de la célula de combustible en rendimiento y eficiencia, el ingeniero necesita comprender la relación entre la cantidad de hidrógeno en la célula, la cantidad de oxígeno en la celda y la temperatura en la que el hidrógeno y el oxígeno son impulsados a la célula de combustible para crear energía.
El ingeniero planea evaluar si las reacciones químicas con un poco más o un poco menos de temperatura, entre el oxígeno y el hidrógeno pueden tener impacto en la potencia de la célula de combustible, utilizando 14 observacionea para cada una de estas medidas.
Tras correr los análisis de correlación en Minitab (es fácil como Estadísticas > Estadísticas básicas > Correlación), el ingeniero observa las correlaciones entre variables en este estudio tanto con la tabla de correlaciones como con un gráfico de matriz.
Según los resultados de la tabla, el coeficiente de correlación de Pearson entre el contenido de hidrógeno y los minutos de potencia es de −0.791 y un p-valor de 0.001. el p-valor es menos que el nivel de significancia de 0.05, lo que indica que la correlación es significativamente diferente a cero. La asociación implica que a medida que la cantidad de hidrógeno aumenta, los minutos de potencia generada tienden a decrecer. (Recuérdese que una correlación mide la fuerza de una asociación lineal entre dos variables, y que su rango va entre -1 [fuerte correlación negativa] y +1 [fuerte correlación positiva]. Las correlaciones cercanas a cero indican que no existe una asociación lineal fuerte entre las dos variables.)
Un gráfico de matriz visualiza las asociaciones individuales y es una herramienta útil para visualizar este análisis. En el ejemplo de abajo, nótese que el gráfico de minutos de potencia y contenido de hidrógeno está en la esquina inferior izquierda.
Un gráfico de matriz también es una herramienta útil para identificar potenciales valores atípicos (outliers), pero no está diseñada para identificar rápidamente las correlaciones más fuertes o más débiles. Por ejemplo, si se mira al gráfico de matriz anterior, ¿cuánto se podría tardar en decidir cuál de esas correlaciones está más cercana a -1 o +1?
Para responder a esa cuestión rápidamente, los correlogramas son una herramienta más útil, en particular cuando se presenta este tipo de análisis con otros que necesitan explorar y comprender la información de un vistazo.
Si consideramos estos mismo datos presentados en el correlograma de abajo (en Minitab Statistical Software: Gráfica > Correlograma):
es fácil ver lo rápido que el ojo se va a la profunda caja roja de la zona inferior con el gráfico de minutos de potencia por oxígeno. En los correlogramas, la intensidad del color es proporcionial al coeficiente de correlación, con las cajas más oscuras indicando las correlaciones más fuertes. Como resultado, el correlograma proporciona una representación de las correlaciones clara y fácil de examinar visualmente. Al correr el correlograma en este caso, el ingeniero es capaz de comprender las correlaciones de los datos con mucho menos esfuerzo.
Utilizar un correlograma con grandes cantidades de datos
Ahora vamos a considerar un análisis de 14 variables y 1000 filas de datos. Los detalles específicos no importan, podría tratarse de resultados de una encuesta de producto de consumidor o medidas en el proceso de placas de circuitos. Si se pidiera al equipo que escogiera visualmente las asociaciones más fuertes (cercanas a +1 o -1) en el gráfico de matriz inferior, ¿cuánto tardarían en identificar las correlaciones más fuertes?
Ahora miremos a los mismos datos presentados en un correlograma más abajo. Véase cómo las correlaciones más débiles se han minimizado visualmente, mientras que los ojos se van a áreas con alta correlación. ¡Uno se puede imaginar lo rápido que el equipo identificaría la información significativa!
Comprender relaciones, como correlaciones, entre variables es algo crítico para los análisis predictivos robustos. Mientras que es fácil identificar correlaciones cuando se analizan datos con relativamente pocas variables, a medida que el número de variables y el tamaño de los conjuntos de datos aumenta, del mismo modo aumenta el esfuerzo requerido para comprender la correlación. Al aprovechar la potencia de los correlogramas, el análisis estadístico con Minitab se hace incluso mejor, más rápido y más fácil, ¡en particular para los problemas más complejos!
- Detalles
- Categoría: Signals Notebook
- Visto: 23296
Mayo/Junio 2021
Inventario
Inventory es una nueva aplicación segura basada en la nube dentro del cuaderno de laboratorio electrónico que le permite administrar los productos químicos de su laboratorio. Usted y los miembros de su grupo de investigación pueden buscar compuestos instantáneamente por nombre, número de registro CAS, estructura o cualquier número de sus propios campos personalizados.
El inventario ayuda a los centros de investigación química y farmacéutica a mantener y gestionar sustancias. Además de almacenar las sustancias, garantiza que esta no se duplique y se almacene solamente una vez. Esto se logra asegurándose de que los campos únicos, como el nombre y la estructura química de la sustancia, no se dupliquen. La carpeta inteligente de inventario le permite activar, administrar y configurar el inventario.
El administrador del grupo tendrá el mando para otorgar acceso al inventario a un usuario o a un grupo de usuarios.
Las ubicaciones de inventario son los lugares físicos donde existirá su inventario. Pueden ser ubicaciones en el sitio, como oficinas centrales y almacenes, o pueden ser ubicaciones fuera del sitio, como su fabricante contratado o distribución de productos terminados.
También existe la posibilidad de crear entidades físicas donde almacenar las sustancias químicas. Se podrán crear diferentes tipos de contenedores en el Inventario, como tubos, botellas, cajas, viales, cilindros, etc. A diferencia de los contenedores físicos, puede asociar solo sustancias químicas primarias individuales con un contenedor de Inventario. Puede asociar sustancias químicas secundarias, como un disolvente, con el contenedor mediante los campos de contenedores adicionales.
Experimentos paralelos
A partir de ahora se podrán crear sub-experimentos a partir de un archivo importado que contiene información enumerada previamente.
Cada experimento paralelo puede contener una enumeración externa o un elemento de enumeración interno.
Para una misma síntesis podremos tener diversos experimentos, esto es útil por ejemplo si queremos probar varias condiciones experimentales o hemos obtenido varios productos. De esta manera no hace falta crear un nuevo experimento de cero, podemos almacenarnos en el mismo.
Integración de muestras con la librería de materiales
Podremos registrar las muestras obtenidas en nuestros experimentos en nuestras bibliotecas de materiales, además en caso de que la muestra se cambiará esta se actualizaría de forma automática en la biblioteca.
- Detalles
- Categoría: Maple
- Visto: 5278
Por Tom Spendlove.
Los ingenieros y programadores de Maplesoft anunciaron Maple Flow como una herramienta para "generar, desarrollar y documentar" proyectos y análisis. La nueva herramienta se basa en el software matemático Maple, pero el producto Maple Flow ofrece a los diseñadores una interfaz visual similar a una pizarra que retendrá información y realizará cálculos.
Maplesoft describe su software Maple Flow como un papel vivo, donde los elementos se pueden mover a cualquier parte del espacio de trabajo para su evaluación. Los "Contenedores" que contienen números, variables o texto simple se pueden arrastrar y mover por el espacio de trabajo. La evaluación ocurre en un orden específico, comenzando en la parte superior izquierda y moviéndose hacia la derecha, y luego hacia abajo fila por fila.
La hoja se recalcula automáticamente, por lo que si se resuelven algunas ecuaciones usando un valor de x y más tarde se cambia, todos los cálculos cambiarán. Personalmente, siempre he tenido más suerte haciendo otra variable y llamándola x2 o con un nombre diferente, de modo que se conserven tanto las variables originales así como las finales y sus resultados. El espacio de trabajo de Maple Flow está diseñado para ayudar a los usuarios a compartir sus ideas de forma limpia con una interfaz sencilla.
Maple Flow es el cálculo en una servilleta para el siglo XXI. (Imagen cortesía de Maplesoft.)
Aunque Maple Flow se factura como un bloc de notas que aprovecha el poder del motor matemático de Maplesoft en lugar de un lenguaje de programación, también permite documentar cálculos y escribir notas con la opción de hacerlos visibles u ocultos. Esta es una característica más que bienvenida cuando se muestran a la audiencia las entradas que se incorporan en un cálculo, pero también puede ayudar mucho cuando se vuelve a una hoja de trabajo con la que no se ha tratado durante un período de tiempo, digamos, meses o incluso años.
Una de las cosas que trato de inculcar en la mente de mis alumnos es que en el futuro ellos también serán un cliente de su propio trabajo. Todos estamos envejeciendo y nuestra memoria se vuelve más defectuosa con el tiempo, por lo que cualquier documentación que podamos incorporar en un informe ayudará a recordarnos en el futuro el proceso de pensamiento detrás de una decisión de diseño.
Más que nada, yo veo la herramienta Maple Flow como a Mathcad 2010, y esa comparación probablemente ya surgió en el pasado, porque Maplesoft tiene al menos un artículo escrito que analiza las similitudes entre los dos software y por qué Maple Flow es finalmente mejor.
Prueba de manejo del software
Cualquiera puede descargar una copia de evaluación de Maple Flow, aunque la herramienta requiere que primero se descargue el software básico para que funcione. Después de descargar e instalar el software, comencé a trabajar a través de un robusto sistema de tutoriales con encabezados, que incluía ingresar y evaluar matemáticas, funciones, matrices, unidades y gráficos.
Otra característica interesante del sistema Maple Flow es la página de inicio, donde los usuarios pueden elegir comenzar un nuevo lienzo (hoja de trabajo), trabajar con los tutoriales o ver algunos de los proyectos que los desarrolladores y clientes ya han creado. Cuando un usuario elige crear su propio lienzo nuevo, la familiar interfaz de cinta hace que la creación de hojas parezca simple. En el margen izquierdo hay varias paletas con herramientas preconstruidas para ayudar a los usuarios a construir sus proyectos.
La sección Expresión contiene plantillas fáciles para construir construcciones numéricas como:
- Fracciones
- Exponentes
- Radicales
- Funciones
- Funciones exponenciales
- Valores absolutos
- Sumas
- Derivados
- Integrales
La sección Matriz permite a los usuarios personalizar el número de filas y columnas mientras eligen la forma y el tipo de datos de su matriz. Esto crea una matriz en blanco del tamaño especificado donde los usuarios pueden hacer clic para introducir cada elemento de datos. También hay opciones para crear una matriz en la propia hoja de trabajo.
La sección Unidades tiene subtítulos de las unidades base, en diferentes sistemas y escalas, como:
- Longitud
- Tiempo
- Masa
Los subtítulos adicionales se vuelven más especializados y oscuros, desde fuerza, volumen y masa hasta capítulos como el flujo luminoso y los momentos dipolares eléctricos. Un beneficio de tener unidades integradas en un sistema es que existe una protección adicional al mostrar posibles errores en un cálculo. Si se esperan unidades de Newton, pero en cambio se encuentra un resultado de kilogramos al cuadrado por segundo, sabe que hay una parte fundamental de su cálculo que falta o está mal etiquetada.
Finalmente, la paleta griega tiene letras griegas en mayúsculas y minúsculas para brindar flexibilidad en la visualización de variables y resultados.
Ejemplos internos y estudios de casos de clientes
Existen hojas de trabajo de ejemplo en el software para diferentes disciplinas de ingeniería, química y procesado de señales.
Mi ejemplo favorito se titula "Diseño de pavimentos de carreteras con el método CALTRANS". Después de una breve explicación de algunos términos y variables de las carreteras de California, la hoja de trabajo muestra cómo pueden utilizarse los datos de uso del tráfico, las cargas de vehículos y los valores R de diferentes materiales, para calcular un espesor mínimo recomendado requerido para el pavimento flexible. Al igual que con todos los ejemplos del software, el flujo de información se presenta de forma clara y limpia.
En el sitio web de Maple Flow, se muestra un gran caso de estudio que gira en torno al análisis y diseño de tuberías. Las secciones muestran cómo se utiliza el software en el diseño de códigos para tuberías de presión, pérdidas de presión, tasas de flujo, cálculos económicos, dimensionamiento de medidores de orificio, termodinámica y deflexión de tuberías enterradas. Varias aplicaciones están disponibles para su descarga. Cada uno de estos ejemplos es una hoja de trabajo completamente desarrollada, que permite a los usuarios introducir variables y encontrar soluciones.
La compañía también ofrece Maple Player, por lo que los usuarios sin una licencia de Maple pueden ver e interactuar con las hojas de trabajo. Esta es una buena función para presentaciones en reuniones y videoconferencias, para que todos en una llamada puedan interactuar con una hoja de trabajo en tiempo real.
Maple Flow tiene una curva de aprendizaje como cualquier software, pero los tutoriales definitivamente ayudan. La mayor frustración al usar hojas de trabajo como esta es cuando accidentalmente arrastra un contenedor fuera de su orden de cálculo, ya no calcula; o cuando quita una variable de la pantalla y mezcla los resultados de su trabajo. Cuando esto sucedió durante mi evaluación de Maple Flow, un simple comando Deshacer solucionó la frustración, pero supongo que también podría haber algunas soluciones más elegantes.
La siguiente herramienta en la caja de herramientas
Maple Flow es una gran adición a la actual colección de productos de Maplesoft, y con su lanzamiento llega la nueva versión 2021 de Maple. Uno de los aspectos más sorprendentes de este software para mí es el fuerte compromiso de la compañía con la facilidad de uso, junto con hacer que los usuarios se sientan cómodos con el software rápidamente. La página de Recursos dirige a los usuarios a Soporte, funciones de Ayuda, centros de recursos para aplicaciones educativas o comerciales y comunidades de usuarios.
Además de estos recursos, la compañía ofrece formación en línea o en el sitio de un cliente, y una larga lista de seminarios web y videos de ayuda pueden guiar a los usuarios en aplicaciones específicas. La empresa también ofrece un complemento completo de ejemplos y estudios de casos.
Dado que Maplesoft es una empresa canadiense, supongo que el top local de todos estos ejemplos muestra cómo el software ayudó a los jugadores olímpicos de curling en silla de ruedas. Más allá de las mejoras realizadas para el equipo de Canadá, el estudio de caso muestra que todos los equipos olímpicos podrían asumir la nueva dinámica de modelado creada con el software Maple.
Cuando los ingenieros intercambian ideas sobre soluciones en una reunión y dibujan en una pizarra o pantalla, su trabajo a menudo se pierde o requiere recreación en un modelo matemático. Estas hojas de trabajo vivientes deberían ayudar a los ingenieros de diseño a ahorrar tiempo y, por extensión, dinero. Estas nuevas hojas de trabajo vivientes son una herramienta sólida para que los ingenieros de diseño cambien rápidamente variables como una hoja de cálculo. También ofrecen la flexibilidad de agregar imágenes y enlaces como un documento de presentación para comunicar el trabajo a otros. Maple Flow ya está disponible para su evaluación o compra.
- Detalles
- Categoría: Minitab
- Visto: 4995
Por Andrea Grgic
Imagine que está realizando un pedido en línea y ve un producto recomendado que complementa perfectamente el artículo que está comprando. Usted coloca el artículo en su carrito, se siente satisfecho con su experiencia en línea y cómo la marca pudo predecir los artículos relacionados que eran "justo lo que necesitaba" en función de su comportamiento en la web. ¿O qué pasa con la sensación desgarradora de completar su serie favorita de Netflix, solo para que se le presenten de inmediato excelentes recomendaciones nuevas de los programas que podría disfrutar a continuación, según el programa que acaba de terminar y los géneros que vio anteriormente en la plataforma? Ambos ejemplos demuestran el poder de la analítica predictiva, donde las empresas pueden analizar datos de clientes actuales e históricos para hacer predicciones sobre resultados futuros. Lo que podría ser menos obvio es que estos ejemplos también demuestran el poder de tener limpieza, datos cuidadosamente seleccionados que subyacen a sus análisis. ¿Hay alguna forma de hacer que un modelo predictivo sea aún más potente? Sí, con ingeniería de funciones.
La ingeniería de funciones no es en realidad un concepto nuevo, aunque recientemente ha resurgido como un "tema candente" en el mundo del análisis de datos, ya que es un proceso crítico que respalda el aprendizaje automático y el análisis predictivo exitosos. A medida que lea más sobre la ingeniería de funciones, también podrá reconocerla como procesos de datos fundamentales conocidos como manipulación, preprocesado o normalización de datos.
En esta publicación profundizamos en los conceptos básicos y la importancia de la ingeniería de funciones y destacaremos cómo pueden implementarse con éxito algunas de las técnicas de ingeniería de funciones más comunes para su organización en Minitab Statistical Software.
¿QUÉ ES LA INGENIERÍA DE FUNCIONES?
Para aprovechar al máximo sus datos y definir el modelo predictivo que mejor se ajuste, la ingeniería de funciones es el primer paso crucial. La ingeniería de funciones es la tarea de utilizar el conocimiento sobre un proceso y sus datos resultantes para extraer propiedades o características que hacen que los modelos predictivos funcionen. Una característica generalmente viene en forma de columnas estructuradas, o atributos, y se puede diseñar dividiendo funciones, combinando funciones o creando nuevas características (recodificación). Para obtener los mejores resultados posibles de su modelo predictivo, los datos limpios y de calidad son clave para el proceso de ingeniería de funciones adecuado y la precisión del rendimiento del modelo.
¿POR QUÉ ES IMPORTANTE LA INGENIERÍA DE FUNCIONES?
La ingeniería de funciones es un paso importante al explorar y preparar datos.
Beneficios de la ingeniería de funciones:
- Ayuda a estructurar con precisión los datos y garantizar que el conjunto de datos sea compatible con el algoritmo de aprendizaje automático.
- Mejora el rendimiento y la precisión del modelo de aprendizaje automático.
- Proporciona una comprensión más profunda de sus datos, lo que resulta en conocimientos adicionales.
Ejemplo de aplicación de la ingeniería de funciones a datos categóricos en Minitab Statistical Software
¿CUÁLES SON LAS MEJORES TÉCNICAS A IMPLEMENTAR PARA LA INGENIERÍA DE FUNCIONES?
Utilice las técnicas que mejor se adapten a las necesidades de su empresa y aproveche al máximo sus datos. Marilyn Wheatley, nuestra propia arquitecta de Minitab Solutions, ha destacado las siete técnicas de ingeniería de funciones que puede comenzar a utilizar hoy en Minitab Statistical Software. En el documento técnico, Marilyn nos guía a través del proceso para utilizar cada técnica y explica cómo aplicarlas con éxito en Minitab Statistical Software.
En Minitab, ayudamos a los diferentes profesionales: expertos en procesos, científicos de datos y analistas comerciales a aprovechar el conocimiento del proceso para encontrar soluciones basadas en datos para resolver sus desafíos comerciales más difíciles.
¿Listo para dominar las siete técnicas de ingeniería de funciones? Regístrese en nuestra web y bájese el artículo completo.
- Detalles
- Categoría: Minitab
- Visto: 4183
De acuerdo con la política de soporte técnico de Minitab, con fecha de 1 de junio de 2021 finaliza el soporte técnico de la edición de Minitab 19 para Mac. A partir de esta fecha, el equipo de soporte técnico no podrá proporcionar asistencia técnica para la reinstalación, transferencia o activación de licencias de Minitab 19 para Mac.
Del mismo modo, el soporte técnico será discontinuado para la edición Windows de Minitab 19 el próximo 21 de octubre de 2021.
Se recomienda a los actuales usuarios de licencias de Minitab 19 actualizar a la versión más reciente, Minitab 20.2, para evitar el impacto que puede suponer la imposibilidad de utilizar este software. Ponemos a su disposición unos atractivos y competitivos planes de actualización. ¡Póngase en contacto con nuestro departamento comercial!