Visualización de datos y toma de decisiones

Name: Visualización de datos y toma de decisiones
Author: Bill Hood

Utilice los resultados del trazado para tomar decisiones empresariales informadas utilizando gráficos de barras, de calor y de líneas

Preview the first lesson free — get full access to all 3 lessons.

Solicitar una demo Iniciar sesión

Curso: bajo demanda

Hola. En esta lección, lo reuniremos todo. Nuestro cliente nos ha descrito que tiene estos cinco máquinas llamadas ABCD y E. Está bien. Este fabricante no tiene representación visual del proceso o capacidades de producción. Nada en absoluto. Nuestro objetivo es crear imágenes del proceso. Está bien. Cada máquina tiene una tasa específica de piezas por hora, que También lo incluiremos en una lista de Python. Ahora observe que nuestra tasa necesita que haya cinco de estos y hay cinco de estos. Cada máquina opera esta cantidad de horas diariamente. Y nuevamente, todo esto es respectivo. Entonces, en otras palabras, estas 12 horas son con respecto a esto 14 horas de capacidad operativa por día con respecto a b y así sucesivamente. Cada máquina tiene un tiempo de conmutación en horas. Y eso significa que entre partes necesitan 2 horas en el caso. de la máquina A o 4 horas en el caso de la máquina E para realizar el cambio. Cada máquina tiene un horario. Una pieza para fabricar y un número para producir. Y lo que vamos a hacer es poner eso en una tupla. Tenemos cinco máquinas. Así que aquí está nuestro primer tipo de operación Python grande y agradable. Vamos a crear un horario para cada uno de nuestros máquinas, y lo veremos con una programación de productos. Entonces, en el caso de la máquina A, está programado que fabrique la parte A, B y C y volverían a ganar 500 856 cien, respectivamente. Entonces la parte A, 500. Parte B, 850. Parte C, 600. La máquina B fabricará las partes C, D y E. La máquina C fabricaría las piezas A, B y C. La máquina D produciría de. Y A, la máquina E haría B y C. Y aquí tenéis los respectivos conteos. Ahora. ¿Qué estamos haciendo aquí? En realidad, solo estamos tomando los requisitos del negocio. El negocio tiene estas cinco máquinas. La empresa necesita crear estas tres partes. Y todo lo que realmente estamos haciendo es tomar Python y moldearlo para el negocio. Ahora. Nos encantan los pandas. Nos encantan los marcos de datos. ¿Adivina que? Esto hace esto. Al usar una opción o control de marco de datos de Pandas, podemos simplemente simplemente apúntalo a nuestro horario A y empújalo en un marco de datos. Eso es muy útil para nosotros. Y eso es lo que queremos hacer en este comando de aquí, esta serie de comandos. Ahora bien, ¿qué implica eso también? Bueno, tenemos cinco de estos. Tenemos que hacer esto cinco veces. Entonces vamos a crear estos cinco marcos de datos. Cada uno de esos marcos de datos tendrá el cronograma. Así que estamos sembrando cada uno de ellos. Está bien. Ahora, lo que tenemos que hacer a continuación es poner la velocidad de la máquina ahí. Porque la máquina A produce 40 piezas por hora. La máquina B sólo puede producir 20 piezas por hora. Máquina C, pero a un ritmo diferente. Así que tenemos que tener esto en cuenta para poder Calcule adecuadamente cuánto tiempo tomará. Entonces, agreguemos una nueva columna para la tarifa de la máquina. Y tomemos eso de esta lista aquí mismo. Y puedes ver que simplemente lo modificamos y bombeamos esos datos en nuestro marco de datos. Y ahora lo que estamos haciendo también empezamos creando un tupla, lo empujó en un marco de datos. Ahora estamos dinamizando ese marco de datos agregando nuevas columnas. Agreguemos otra columna para cambiar y otra para horas de funcionamiento. Y nuevamente, la razón por la que haríamos esto es para tener en cuenta Considere cuánto tiempo funciona esa máquina por día para poder para calcular cuánto dura el tiempo transcurrido de esa ejecución va a ser. Muy bien, agreguemos un par de columnas más y comenzaremos. echando un vistazo a estos datos. Agreguemos una columna para el tiempo de producción. Y este es nuestro primer campo de cálculo. Entonces, lo que vamos a hacer aquí es volver a hacerlo. todo hecho multiplicado por cinco, porque tenemos estos cinco diferentes máquinas y tenemos este cronograma para cada una de estas máquinas. Y entonces lo que vamos a hacer aquí es insertar tiempo de producción como una proporción del recuento dividido por la tasa. Bueno, si tienes que producir 500 piezas y produce 500 partes por hora, entonces eso equivaldría a 1 hora de producción en cómo nos gustaría hacer los cálculos. Entonces hacemos eso para todas estas partes. Eso nos da la capacidad de calcular el tiempo de producción en bruto, cuál sería este cambio adicional. Entonces eso agrega este campo. Ahora, el último campo que podemos crear es una producción caducada. tiempo, que es una proporción de cuánto tiempo funciona esa máquina por día, o cuánto tiempo lleva producir eso en comparación con la proporción de cuánto de largo funciona en un día de 24 horas. Sigamos adelante e imprimamos el marco de datos. Y es sólo el primero, el marco de datos A. Y ejecutemos este código aquí mismo. Mira esto. Muy bien, aquí está nuestro marco de datos. Hurra. Y mira lo que tenemos. Hemos hecho todos estos cálculos. Empezamos, si recuerdas, empezamos con el horario. Está bien. Y eso fue todo. Comenzamos con la máquina A, que es lo que vamos a hacer. mire a, B y C para 500, 856 cien. Así que echemos un vistazo a lo que tenemos aquí. Sí, mira el recuento original. Producto A, 500. Producto b 850. Producto C, 600. Tarifa de la máquina, 40. Ahora bien, ¿eso tiene sentido? Bueno, veamos la velocidad de la máquina y lo descubriremos. Volvemos aquí al original. Sí, la tarifa de la máquina A es 40. Entonces eso tendría sentido. Muy bien, ha calculado el tiempo de producción, la materia prima. tiempo de producción, que sería el cambio más la producción tiempo, 14 horas y media. Eso es perfecto. Y entonces un lapso de tiempo sería tomar en consideración que esto sólo funciona 12 horas al día. Entonces, en este caso, tendrán que tener 30 horas de tiempo transcurrido para contabilizar la mitad del tiempo que no están correr. Y en este caso, el producto tardaría 29 horas en crearse. 46, seguido de este producto a las 46 horas, y este tercero producto a las 34 horas. Lo suficientemente cerca como para graficar esto. Vamos a ver. Y básicamente vamos a decir, oye, los datos están listos. Lo apuntaremos al marco de datos DFA y trazaremos esto. y ver lo que tenemos. Y me gusta. Mira este. Desde el principio, un par de líneas de código. Y podemos ver que tenemos nuestras variables. Los apiló porque se lo pedimos. Y este es realmente sólo un primer gráfico para asegurarnos Todo está funcionando y operativo y se ve genial. Pero necesitamos profundizar ahora, y tenemos un marco desde en el que podemos profundizar. Observemos que ahora nuestro marco de datos tiene básicamente todas estas respuestas. Nos permite hacer todo tipo de cosas interesantes como esta. Supongamos que quisiéramos hacer otro gráfico de este y un subconjunto. En otras palabras, ahora queremos que el eje X en esto sea producto y el tiempo de producción transcurrido. Así que ejecutemos eso y notaremos que obtenemos un gráfico de aspecto diferente que compara el tiempo de producción transcurrido por producto. Aquí están los productos A, B y C. Hagamos el siguiente aquí y echemos un vistazo a otra proporción en este donde ahora estamos tomando el producto y comparándolo con el tiempo de producción aquí. Y haz este aquí. Veamos el tiempo de producción en bruto por producto. Entonces lo ejecutaremos. Y básicamente lo que debes observar sobre esto es que ahora que tenemos estos datos configurados, podemos hacer todo tipo de diferentes gráficos para entender si nuestra producción El proceso está funcionando como debería. Muy bien, eso concluye esta lección. En la próxima lección veremos cómo tomar decisiones con mapas de calor. Gracias.

Intermedio Proveedor : Bill Hood 3 lecciones · 17m en Árabe, Alemán, Inglés, Español, Francés, Portugués, Chinese

Descripción del curso

En estas lecciones aprenderá a modelar un desafío empresarial utilizando Python. Comenzaremos aplicando las reglas básicas de la empresa a las listas y otras variables de Python, donde podemos incluirlas programáticamente en nuestro diseño y luego usarlas como reglas de negocio. En nuestro ejemplo, una organización de fabricación puede hacer una serie de productos diferentes en una serie de máquinas. Cada máquina tiene una serie de atributos, como el tiempo de preparación y la velocidad de la máquina en términos de piezas por hora, que afectan el tiempo total para fabricar el producto, que trazaremos como un histograma.

Luego consideraremos la introducción de una correlación matemática para trazar un mapa de calor que permita un nuevo tipo de visualización, la mejor correlación. Correlacionaremos varios atributos de los automóviles nuevos, como el peso, la potencia, el ahorro de combustible, el número de cilindros y la aceleración, y luego trazaremos la correlación en un mapa de calor. Finalmente, concluiremos con un ejercicio que explora la comparación utilizando gráficos de líneas simples.

Lo que aprenderás

Modelar un desafío comercial en Python utilizando listas, tuplas, matrices y otras variables para codificar reglas comerciales programáticamente
Trazar atributos de máquinas como tiempo de configuración y velocidad de piezas por hora como un histograma para evaluar el tiempo de producción
Construir un mapa de calor utilizando correlación matemática para identificar la mejor correlación entre atributos de datos
Correlacionar atributos de automóviles incluido peso, potencia, economía de combustible, número de cilindros y aceleración en un mapa de calor
Comparar datos utilizando gráficos de líneas simples
Evaluar cuándo un conjunto de datos se presta a un tipo de gráfico particular

Puntos clave

Las reglas comerciales básicas se pueden aplicar a listas de Python y otras variables para que se incluyan programáticamente en un diseño y se utilicen como reglas comerciales.
Los atributos de máquinas como tiempo de configuración y velocidad en piezas por hora afectan el tiempo total para producir un producto, que se puede trazar como un histograma.
Introducir una correlación matemática permite una visualización de mapa de calor que muestra la mejor correlación entre atributos.
Los datos del gráfico se pueden complementar con una lista o tupla de Python con datos.
La elección del tipo de gráfico depende de si un conjunto de datos determinado se presta a ese tipo de gráfico.

Preguntas frecuentes

¿Qué aprenderé a hacer en este curso?

Aprenderás a modelar un desafío comercial utilizando Python, aplicar reglas comerciales a listas y variables de Python, y trazar datos como histogramas (gráficos de barras), mapas de calor y gráficos de líneas para apoyar la toma de decisiones.

¿Qué tipos de gráficos cubre el curso?

El curso cubre decisiones de trazado con gráficos de barras (histogramas), mapas de calor y gráficos de líneas.

¿Qué estructuras de datos de Python se utilizan?

El curso cubre el uso de variables de Python incluidas listas, tuplas y matrices, y muestra cómo complementar datos de gráficos con una lista o tupla de Python.

¿En qué se basa el ejemplo del mapa de calor?

Correlaciona varios atributos de automóviles nuevos como peso, potencia, economía de combustible, número de cilindros y aceleración, luego traza la correlación en un mapa de calor.

¿Qué habilidades ayuda a desarrollar este curso?

Desarrolla habilidades en Diseño Automático de Negocios, Análisis Comercial, Modelado Comercial, Modelado de Procesos Comerciales, Simulación Comercial y Modelado de Procesos.