Visualisation des données et prise de décision

Name: Visualisation des données et prise de décision
Author: Bill Hood

Utilisez les résultats du traçage pour prendre des décisions commerciales éclairées à l'aide de diagrammes à barres, à chaleur et linéaires

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

Demander une démo Se connecter

Cours : à la demande

Bonjour. Dans cette leçon, nous allons tout rassembler. Notre client nous a décrit qu'il disposait de ces cinq machines nommées ABCD et E. D'accord. Ce fabricant n'a aucune représentation visuelle du processus ou capacités de production. Rien du tout. Notre objectif est de créer des visuels du processus. D'accord. Chaque machine a un rythme spécifique de pièces par heure, qui nous mettrons également dans une liste python. ceux-là et il y en a cinq. Chaque machine fonctionne quotidiennement pendant ce nombre d'heures. Et encore une fois, tout cela est respectif. Donc, en d'autres termes, ces 12 heures correspondent à ceci 14 heures de capacité opérationnelle par jour sont avec respect à b et ainsi de suite. Chaque machine a un temps de commutation en heures. Et ça veut dire qu'entre les pièces, il leur faut 2 heures dans le boitier de la machine A ou 4 heures dans le cas de la machine E pour basculer. Chaque machine a un planning. Une pièce à fabriquer et un numéro à produire. Et ce que nous allons faire, c'est mettre cela dans un tuple. Nous avons cinq machines. Voici donc notre premier type de grosse opération Python. Nous allons créer un planning pour chacun de nos machines, et nous allons voir cela avec un calendrier de produits. Donc dans le cas de la machine A, il est prévu de fabriquer la partie A, B et C et cela ferait encore 500 856 cents, respectivement. Donc partie A, 500. Partie B, 850. Partie C, 600. La machine B va fabriquer les pièces C, D et E. La machine C fabriquerait les pièces A, B et C. La machine D ferait de. Et A, la machine E ferait un B et un C. Et voici les décomptes respectifs. Maintenant. Que faisons-nous ici? En fait, nous prenons simplement en compte les exigences de l'entreprise. L'entreprise possède ces cinq machines. L'entreprise doit créer ces trois parties. Et tout ce que nous faisons, c'est prendre Python et le modeler pour les affaires. Maintenant. Nous aimons les Pandas. Nous aimons les trames de données. Alors devine quoi? Cela fait ceci. En utilisant une option ou un contrôle de trame de données Pandas, nous pouvons simplement pointez-le simplement vers notre programme A et placez-le dans un trame de données. C'est très pratique pour nous. Et c'est ce que nous voulons faire dans cette commande ici, cette série de commandes. Maintenant, qu’est-ce que cela implique également ? Eh bien, nous en avons cinq. Nous devons faire ça cinq fois. Nous allons donc créer ces cinq trames de données. Chacune de ces trames de données aura le calendrier. Nous ensemençons donc chacun d’entre eux. D'accord. Maintenant, ce que nous devons faire ensuite, c'est mettre le taux de la machine là-dedans. Parce que la machine A produit 40 pièces par heure. La machine B ne peut produire que 20 pièces par heure. Machine C, mais un tarif différent. Nous devons donc en tenir compte afin de calculer correctement combien de temps cela prendra. Ajoutons donc une nouvelle colonne pour le tarif machine. Et prenons simplement cela dans cette liste ici. Et vous pouvez voir qu'on le modifie et on pompe ces données dans notre bloc de données. Et maintenant, ce que nous faisons aussi, nous avons commencé par créer un tuple, je l'ai poussé dans un bloc de données. Nous dynamisons maintenant ce bloc de données en ajoutant de nouvelles colonnes. Ajoutons une autre colonne pour le basculement et une autre pour heures d'ouverture. Et encore une fois, la raison pour laquelle nous ferions cela est de prendre en compte en tenant compte de la durée de fonctionnement de cette machine par jour afin pour déterminer combien de temps dure cette course va être. Très bien, ajoutons quelques colonnes supplémentaires et nous commencerons jeter un oeil à ces données. Ajoutons une colonne pour le temps de production. Et c'est notre premier champ de calcul. Donc ce que nous allons faire ici, c'est que nous allons le faire à nouveau, tout est fait cinq fois, parce que nous avons ces cinq différentes machines et nous avons ce planning pour chacune d'elles Machines. Et donc ce que nous allons faire ici, c'est insérer temps de production sous forme de rapport entre le nombre divisé par le taux. Eh bien, si vous devez produire 500 pièces et que cela en produit 500 pièces par heure, cela équivaudrait à 1 heure de production en comment nous voudrions faire le calcul. Nous faisons donc cela pour toutes ces parties. Cela nous donne la possibilité de calculer le temps de production brut, ce qui serait ceci plus le basculement. Cela ajoute donc ce champ. Maintenant, le dernier champ que nous pouvons créer est une production périmée. le temps, qui est le rapport de la durée de fonctionnement de cette machine par jour, ou combien de temps il faut pour produire cela par rapport au rapport entre la façon dont longtemps, il fonctionne dans une journée de 24 heures. Allons-y et imprimons simplement le bloc de données. Et ce n'est que le premier, la trame de données A. Et exécutons ce code ici. Regarde ça. Très bien, voici notre bloc de données. Yay. Et regardez ce que nous avons. Nous avons fait tous ces calculs. Nous avons commencé, si vous vous en souvenez, nous avons commencé avec le planning. D'accord. Et c'était tout. Nous avons commencé avec la machine A, et c'est ce que nous allons faire regardez a, B et C pour 500, 856 cents. Jetons donc un coup d'œil à ce que nous avons ici. Oui, regardez le décompte original. Produit A, 500. Produit b 850. Produit C, 600. Tarif machine, 40. Maintenant, est-ce que cela a du sens ? Eh bien, regardons le tarif de la machine à ce sujet et nous le saurons. Nous revenons ici à l'original. Oui, le tarif machine pour la machine A est de 40. Cela aurait donc du sens. Très bien, il a calculé le temps de production, le brut temps de production, qui serait le basculement plus la production temps, 14 heures et demie. C'est parfait. Et puis un laps de temps prendrait en considération le fait que cela ne fonctionne que 12 heures par jour. Donc dans ce cas, ils vont devoir disposer de 30 heures de le temps écoulé pour tenir compte de la moitié du temps où ils ne le sont pas en cours d'exécution. Et dans ce cas, le produit prendrait 29 heures pour créer 46, suivi de ce produit à 46 heures, et de ce troisième produit à 34 heures. Donc assez proche pour représenter cela graphiquement. Nous allons jeter un coup d'oeil. Et en gros, nous allons simplement dire : « Hé, les données sont prêtes. Nous allons le pointer vers le bloc de données DFA et traçons cela et voyez ce que nous avons. Et j'aime ça. Regarde ça. Donc dès le départ, quelques lignes de code. Et nous pouvons voir que nous avons nos variables. Il les a empilés parce que nous le lui avons demandé. Et ce n'est en réalité qu'un premier tableau, juste pour être sûr tout fonctionne et opérationnel et a fière allure. Mais nous devons creuser maintenant, et nous disposons d'un cadre de dans lequel nous pouvons creuser. Alors remarquez maintenant que notre base de données contient essentiellement toutes ces réponses. Cela nous permet de faire toutes sortes de trucs sympas comme celui-ci. Supposons que nous voulions en faire un autre tracer à partir de ceci et d'un sous-ensemble. En d’autres termes, nous voulons maintenant que l’axe X soit produit et le Y doit être le temps de production écoulé. Alors exécutons ça et nous remarquerons que nous obtenons un graphique différent qui compare le temps de production écoulé par produit. Voici donc les produits A, B et C. Faisons le suivant ici et jetons un œil à un autre ratio sur ce où nous prenons maintenant le produit et le comparons au temps de production ici. Et faites celui-ci ici. Regardons le temps brut de production par produit. Nous allons donc exécuter cela. Et fondamentalement, ce que vous devriez observer à ce sujet, c'est que maintenant que nous avons ces données configurées, nous pouvons faire toutes sortes de cartographie différente pour comprendre si notre production le processus fonctionne comme il le devrait. Très bien, cela conclut cette leçon. Dans la prochaine leçon, nous allons examiner la prise de décisions avec cartes thermiques. Merci.

Intermédiaire Fournisseur : Bill Hood 3 leçons · 17m en Arabe, Allemand, Anglais, Espagnol, Français, Portugais, Chinese

Description du cours

Dans ces leçons, vous apprendrez à modéliser un défi commercial à l'aide de Python. Nous allons commencer par appliquer les règles de base de l'entreprise aux listes Python et à d'autres variables, où nous pouvons les inclure par programmation dans notre conception, puis les utiliser comme règles métier. Dans notre exemple, une organisation de fabrication peut fabriquer un certain nombre de produits différents sur une série de machines. Chaque machine a une série d'attributs, tels que le temps de configuration et la vitesse de la machine en termes de pièces par heure, qui affectent le temps global de production du produit, que nous allons tracer sous forme d'histogramme.

Nous examinerons ensuite l'introduction d'une corrélation mathématique pour tracer une carte thermique qui permet un nouveau type de visualisation, la meilleure corrélation. Vous allez corréler plusieurs attributs des nouvelles automobiles tels que le poids, la puissance, l'économie de carburant, le nombre de cylindres et l'accélération, puis tracer la corrélation sur une carte thermique. Enfin, nous conclurons par un exercice qui explore la comparaison à l'aide de graphiques linéaires simples.

Ce que vous allez apprendre

Modéliser un défi commercial en Python en utilisant des listes, des tuples, des tableaux et d'autres variables pour coder les règles métier de manière programmatique
Tracer les attributs d'une machine, tels que le temps de configuration et la vitesse (pièces par heure), sous forme d'histogramme pour évaluer le temps de production
Créer une carte thermique (heat map) en utilisant une corrélation mathématique pour identifier la meilleure corrélation parmi les attributs de données
Corréler les attributs d'une automobile, notamment le poids, la puissance, l'économie de carburant, le nombre de cylindres et l'accélération sur une carte thermique
Comparer des données à l'aide de simples graphiques linéaires (line charts)
Évaluer quand un ensemble de données se prête à un type de tracé (plot) particulier

Points clés à retenir

Les règles métier de base peuvent être appliquées aux listes Python et à d'autres variables afin qu'elles soient incluses par programmation dans une conception et utilisées comme règles métier.
Les attributs de la machine tels que le temps de configuration et la vitesse en pièces par heure affectent le temps global de fabrication d'un produit, qui peut être tracé sous forme d'histogramme.
L'introduction d'une corrélation mathématique permet une visualisation sous forme de carte thermique qui fait ressortir la meilleure corrélation entre les attributs.
Les données de tracé peuvent être complétées par une liste ou un tuple Python de données.
Le choix d'un type de graphique dépend de la mesure dans laquelle un ensemble de données donné se prête à ce type de tracé.

Foire aux questions

Que vais-je apprendre à faire dans ce cours ?

Vous apprendrez à modéliser un défi commercial à l'aide de Python, à appliquer des règles métier aux listes et variables Python, et à tracer des données sous forme d'histogrammes (diagrammes à barres), de cartes thermiques et de graphiques linéaires pour faciliter la prise de décision.

Quels types de graphiques (plots) le cours couvre-t-il ?

Le cours aborde les décisions de traçage avec des diagrammes à barres (histogrammes), des cartes thermiques et des graphiques linéaires.

Quelles structures de données Python sont utilisées ?

Le cours aborde l'utilisation de variables Python, notamment des listes, des tuples et des tableaux, et montre comment compléter les données de tracé par une liste ou un tuple Python.

Sur quoi se base l'exemple de la carte thermique (heat map) ?

Il met en corrélation plusieurs attributs de voitures neuves tels que le poids, la puissance, l'économie de carburant, le nombre de cylindres et l'accélération, puis trace cette corrélation sur une carte thermique.

Quelles compétences ce cours permet-il de développer ?

Il permet de développer des compétences en conception automatisée d'entreprise, analyse commerciale, modélisation d'entreprise, modélisation des processus métier, simulation d'entreprise et modélisation des processus.