Visualização de dados e tomada de decisão

Name: Visualização de dados e tomada de decisão
Author: Bill Hood

Usar resultados de plotagem para tomar decisões de negócios informadas usando gráficos de barras, calor e linhas

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

Curso: sob demanda

Olá. Nesta lição, vamos reunir tudo. Nosso cliente nos descreveu que possui esses cinco máquinas denominadas ABCD e E. Tudo bem. Este fabricante não possui representação visual do processo de produção ou capacidades. Simplesmente nenhum. Nosso objetivo é criar imagens do processo. Tudo bem. Cada máquina possui uma taxa específica de peças por hora, que também colocaremos em uma lista python. Agora observe que nossa taxa precisa que haja cinco de estes e há cinco deles. Cada máquina opera esse número de horas diariamente. E, novamente, tudo isso é respectivo. Então, em outras palavras, estas 12 horas são relativas a esta 14 horas de capacidade operacional por dia é com respeito a b e assim por diante. Cada máquina tem uma mudança ao longo do tempo em horas. E isso significa que entre as peças, elas precisam de 2 horas no caso da máquina A ou 4 horas no caso da máquina E para a troca. Cada máquina tem uma programação. Uma peça para fabricar e um número para produzir. E o que vamos fazer é colocar isso em uma tupla. Nós temos cinco máquinas. Então aqui está nosso primeiro tipo de grande operação Python. Vamos criar um cronograma para cada um de nossos máquinas, e veremos isso com uma programação de produtos. Então no caso da máquina A ela está programada para fazer a peça A, B e C e daria 500.856 centenas novamente, respectivamente. Então parte A, 500. Parte B, 850. Parte C, 600. A máquina B fará as peças C, D e E. A máquina C fabricaria as peças A, B e C. A máquina D faria de. E A, a máquina E faria um B e um C. E aqui estão as respectivas contagens. Agora. o que você está fazendo aqui? Na verdade, estamos apenas atendendo aos requisitos do negócio. A empresa possui essas cinco máquinas. A empresa precisa criar essas três partes. E tudo o que estamos fazendo é pegar python e moldá-lo para o negócio. Agora. Nós amamos Pandas. Amamos frames de dados. Então adivinhe? Isso faz isso. Usando uma opção ou controle de quadro de dados do Pandas, podemos apenas simplesmente aponte para o nosso cronograma A e coloque-o em um quadro de dados. Isso é muito útil para nós. E é isso que queremos fazer neste comando aqui, esta série de comandos. Agora, o que isso também implica? Bem, temos cinco destes. Temos que fazer isso cinco vezes. Então, vamos criar esses cinco quadros de dados. Cada um desses quadros de dados terá a programação. Então, estamos semeando cada um deles. Tudo bem. Agora, o que temos que fazer a seguir é colocar a taxa da máquina lá. Porque a máquina A produz 40 peças por hora. A máquina B pode produzir apenas 20 peças por hora. Máquina C, mas com uma taxa diferente. Portanto, temos que levar isso em consideração para calcule corretamente quanto tempo levará. Então, vamos adicionar uma nova coluna para a taxa da máquina. E vamos pegar isso desta lista aqui. E você pode ver que nós apenas alteramos e bombeamos esses dados em nosso quadro de dados. E agora o que estamos fazendo também, começamos criando um tupla, empurrou-o para um quadro de dados. Agora estamos energizando esse quadro de dados adicionando novas colunas. Vamos adicionar outra coluna para switch over e outra para horário operacional. E, novamente, a razão pela qual faríamos isso é para levar em conta consideração quanto tempo essa máquina funciona por dia para para descobrir quanto tempo é o tempo decorrido dessa execução será. Tudo bem, vamos adicionar mais algumas colunas e começaremos dando uma olhada nesses dados. Vamos adicionar uma coluna para o tempo de produção. E este é o nosso primeiro campo de cálculo. Então o que vamos fazer aqui é de novo, tudo feito vezes cinco, porque temos esses cinco máquinas diferentes e temos essa programação para cada uma dessas máquinas. E então o que vamos fazer aqui é inserir tempo de produção como uma proporção da contagem dividida pela taxa. Bem, se você tem que produzir 500 peças e isso produz 500 partes por hora, então isso equivaleria a 1 hora de produção em como gostaríamos de fazer as contas. Então fazemos isso para todas essas partes. Isso nos dá a capacidade de calcular o tempo bruto de produção, o que seria isso mais a mudança. Então isso adiciona este campo. Agora, o campo final que podemos criar é um campo de produção caducado tempo, que é uma proporção de quanto tempo essa máquina funciona por dia, ou quanto tempo leva para produzir isso em relação à proporção de quão quanto tempo ele funciona em um dia de 24 horas. Vamos em frente e imprimir o quadro de dados. E é apenas o primeiro, quadro de dados A. E vamos executar este código aqui. Dê uma olhada neste. Tudo bem, aqui está nosso quadro de dados. Yay. E veja o que temos. Fizemos todos esses cálculos. Começamos, se você lembra, começamos com o cronograma. Tudo bem. E foi isso. Começamos com a máquina A, que é o que vamos veja a, B e C por 500.856 centenas. Então, vamos dar uma olhada no que temos aqui. Sim, veja a contagem original. Produto A, 500. Produto b 850. Produto C, 600. Taxa da máquina, 40. Agora, isso faz sentido? Bem, vamos dar uma olhada na taxa da máquina e descobriremos. Voltamos ao original aqui. Sim, a taxa da máquina A é 40. Então isso faria sentido. Tudo bem, calculou o tempo de produção, a matéria-prima tempo de produção, que seria a mudança mais a produção horário, 14 horas e meia. Perfeito. E então um lapso de tempo levaria em consideração que isso funciona apenas 12 horas por dia. Então, neste caso, eles terão que ter 30 horas de tempo decorrido para contabilizar a metade do tempo em que não estão correndo. E neste caso, o produto levaria 29 horas para ser criado 46, seguido deste produto às 46 horas, e este terceiro produto em 34 horas. Tão perto o suficiente para representar graficamente isso. Vamos dar uma olhada. E basicamente vamos apenas dizer, ei, os dados estão prontos. Vamos apontar para o quadro de dados DFA e traçar isso e veja o que temos. E eu gosto. Veja isso. Então, logo de cara, algumas linhas de código. E podemos ver que temos nossas variáveis. Ele os empilhou porque pedimos para fazer isso. E este é realmente apenas um primeiro gráfico, só para ter certeza tudo está funcionando e operacional e parece ótimo. Mas precisamos aprofundar agora e temos uma estrutura de que podemos aprofundar. Então observe agora que nosso quadro de dados tem basicamente todas essas respostas. Isso nos permite fazer todo tipo de coisas legais como essa. Suponha que quiséssemos fazer outro gráfico disso e de um subconjunto. Em outras palavras, queremos fazer agora com que o eixo X seja produto e o Y como tempo de produção decorrido. Então vamos executar isso e notaremos que obtemos um gráfico de aparência diferente que compara o tempo de produção decorrido por produto. Então aqui estão os produtos A, B e C. Vamos fazer o próximo aqui e dar uma olhada em outra proporção em esse onde estamos agora pegando o produto e comparando-o com o tempo de produção aqui. E faça este aqui. Vejamos o tempo bruto de produção por produto. Então, vamos executar isso. E basicamente o que você deve observar sobre isso é que agora que temos esses dados configurados, podemos fazer todos os tipos de gráficos diferentes para entender se nossa produção processo está operando da maneira que deveria. Tudo bem, isso conclui esta lição. Na próxima lição, veremos como tomar decisões com mapas de calor. Obrigado.

Intermediário Fornecedor : Bill Hood 3 lições · 17m em Árabe, Alemão, Inglês, Espanhol, Francês, Português, Chinese

Descrição do curso

Nestas lições, aprenderá a modelar um desafio empresarial usando Python. Começaremos por aplicar as regras básicas do negócio a listas Python e outras variáveis, onde as podemos incluir programaticamente no nosso design e depois usá-las como regras de negócio. No nosso exemplo, uma organização de fabrico pode fabricar vários produtos diferentes numa série de máquinas. Cada máquina tem uma série de atributos, tais como o tempo de preparação e a velocidade da máquina em termos de peças por hora, que afectam o tempo total de produção do produto, que iremos representar num histograma.

Em seguida, consideraremos a introdução de uma correlação matemática para traçar um mapa de calor que permite um novo tipo de visualização, a melhor correlação. Correlacionará vários atributos de novos automóveis, tais como peso, potência, economia de combustível, número de cilindros e aceleração e, em seguida, representará a correlação num mapa de calor. Por fim, concluiremos com um exercício que explora a comparação utilizando gráficos de linhas simples.

O Que Você Vai Aprender

Modelar um desafio de negócio em Python usando listas, tuplas, arrays e outras variáveis para codificar regras de negócio programaticamente
Plotar atributos de máquina, como tempo de configuração e velocidade de peças por hora, como um histograma para avaliar o tempo de produção
Criar um mapa de calor usando correlação matemática para identificar a melhor correlação entre atributos de dados
Correlacionar atributos de automóvel, incluindo peso, potência, economia de combustível, número de cilindros e aceleração em um mapa de calor
Comparar dados usando gráficos de linhas simples
Avaliar quando um conjunto de dados se presta a um tipo de gráfico particular

Principais Conclusões

Regras de negócio básicas podem ser aplicadas a listas do Python e outras variáveis para que sejam incluídas programaticamente em um design e usadas como regras de negócio.
Atributos de máquina, como tempo de configuração e velocidade em peças por hora, afetam o tempo geral para produzir um produto, que pode ser plotado como um histograma.
Introduzir uma correlação matemática ativa a visualização de um mapa de calor que mostra a melhor correlação entre atributos.
Os dados do gráfico podem ser complementados com uma lista ou tupla de dados do Python.
Escolher um tipo de gráfico depende de se um determinado conjunto de dados se presta a esse tipo de gráfico.

Perguntas Frequentes

O que vou aprender a fazer neste curso?

Você aprenderá a modelar um desafio de negócio usando Python, aplicar regras de negócio a listas e variáveis do Python e plotar dados como histogramas (gráficos de barras), mapas de calor e gráficos de linhas para apoiar a tomada de decisão.

Quais tipos de gráfico o curso aborda?

O curso aborda decisões de plotagem com gráficos de barras (histogramas), mapas de calor e gráficos de linhas.

Quais estruturas de dados do Python são usadas?

O curso aborda o uso de variáveis do Python, incluindo listas, tuplas e arrays, e mostra como complementar dados do gráfico com uma lista ou tupla do Python.

Em que se baseia o exemplo do mapa de calor?

Ele correlaciona vários atributos de automóveis novos, como peso, potência, economia de combustível, número de cilindros e aceleração, e então plota a correlação em um mapa de calor.

Quais habilidades este curso ajuda a construir?

Ele desenvolve habilidades em Design Automatizado de Negócio, Análise de Negócio, Modelagem de Negócio, Modelagem de Processo de Negócio, Simulação de Negócio e Modelagem de Processo.