سلام! بهعنوان تامینکننده رباتهای خزنده سایبری، من از نزدیک دیدم که چگونه دادههایی که این ماشینهای هوشمند جمعآوری میکنند میتوانند معدن طلا باشند. اما مسئله اینجاست: فقط داشتن اطلاعات کافی نیست. شما باید آن را به گونهای تجسم کنید که منطقی باشد، بنابراین میتوانید از آن برای تصمیمگیری هوشمندانه استفاده کنید. در این وبلاگ، من شما را با برخی از بهترین گزینه های تجسم داده برای داده های جمع آوری شده توسط ربات های خزنده سایبری ما آشنا می کنم.
1. نمودارهای خطی
نمودارهای خطی کلاسیک هستند و دلیل خوبی هم دارند. درک آنها بسیار ساده است و میتوانند روندها را در طول زمان نشان دهند، مانند تجارت هیچکس. بیایید بگوییم ماربات خزندهنظارت بر شرایط محیطی در یک کارخانه است. می تواند اطلاعات دما، رطوبت و کیفیت هوا را در فواصل منظم جمع آوری کند. با رسم این داده ها بر روی نمودار خطی، می توانید به راحتی مشاهده کنید که این شرایط در طول ساعت ها، روزها یا حتی هفته ها چگونه تغییر می کنند.


به عنوان مثال، اگر خط دما در نمودار شروع به افزایش کند، می تواند نشان دهنده مشکل در سیستم خنک کننده کارخانه باشد. سپس می توانید قبل از اینکه همه چیز از کنترل خارج شود، اقدام کنید. نمودارهای خطی برای مقایسه چندین مجموعه داده نیز عالی هستند. شما می توانید خطوط جداگانه ای برای مناطق مختلف کارخانه یا انواع مختلف شرایط محیطی داشته باشید. به این ترتیب، می توانید به سرعت هر گونه تفاوت یا همبستگی را تشخیص دهید.
2. نمودار میله ای
نمودار میله ای یکی دیگر از گزینه های محبوب است. آنها برای مقایسه نقاط داده گسسته عالی هستند. بیایید بگوییم ماربات متحرک را ردیابی کنیدبرای مدیریت موجودی در یک انبار استفاده می شود. میتواند بارکد محصولات موجود در قفسهها را اسکن کند و اطلاعات مربوط به مقدار هر کالا را جمعآوری کند. سپس می توان از نمودار میله ای برای نشان دادن مقدار محصولات مختلف در کنار هم استفاده کرد.
طول هر نوار نشان دهنده مقدار یک محصول خاص است. این امر باعث میشود به راحتی متوجه شوید که کدام محصولات تقاضای زیادی دارند و کدام محصولات در قفسهها گرد و غبار را جمعآوری میکنند. همچنین میتوانید از رنگهای مختلف برای دستههای مختلف محصولات مانند لوازم الکترونیکی، پوشاک یا مواد غذایی استفاده کنید. این یک لایه اضافی از اطلاعات بصری اضافه می کند و نمودار را حتی آموزنده تر می کند.
3. نمودارهای پای
نمودارهای دایره ای برای نشان دادن نسبت قسمت های مختلف به کل ایده آل هستند. بیایید بگوییم ماخزنده ایمنی رباتیکبرای نظارت بر حوادث ایمنی در یک سایت ساخت و ساز استفاده می شود. می تواند داده هایی را در مورد انواع حوادث، مانند سقوط، شوک الکتریکی، یا خرابی تجهیزات جمع آوری کند. سپس می توان از نمودار دایره ای برای نشان دادن چند درصد از کل حوادث هر نوع استفاده کرد.
هر برش پای نشان دهنده نوع متفاوتی از حادثه است و اندازه برش با درصد آن مطابقت دارد. این به شما یک نمای کلی از بزرگترین خطرات ایمنی را می دهد. سپس می توانید تلاش خود را بر کاهش حوادث در بزرگترین برش های پای متمرکز کنید. با این حال، توجه به این نکته مهم است که نمودارهای دایره ای زمانی بهترین استفاده را دارند که تعداد نسبتاً کمی دسته بندی داشته باشید. اگر تعداد زیادی داشته باشید، نمودار ممکن است به هم ریخته و خواندن آن سخت شود.
4. Scatter Plots
نمودارهای پراکندگی برای نشان دادن رابطه بین دو متغیر عالی هستند. فرض کنید ربات خزنده سایبری ما در حال جمع آوری اطلاعات در مورد سرعت یک وسیله نقلیه و میزان سوخت مصرفی آن است. با رسم این دو متغیر در نمودار پراکنده، می توانید ببینید که آیا همبستگی بین آنها وجود دارد یا خیر.
هر نقطه در نمودار پراکندگی نشان دهنده یک نقطه داده واحد است که محور x نشان دهنده سرعت و محور y نشان دهنده مصرف سوخت است. اگر نقاط یک الگو مانند یک خط یا یک منحنی تشکیل دهند، نشان دهنده رابطه بین دو متغیر است. به عنوان مثال، اگر نقاط یک خط شیب دار به سمت بالا تشکیل دهند، به این معنی است که با افزایش سرعت، مصرف سوخت نیز افزایش می یابد. از این اطلاعات می توان برای بهینه سازی عملکرد خودرو و کاهش هزینه های سوخت استفاده کرد.
5. نقشه های حرارتی
نقشه های حرارتی روشی قدرتمند برای تجسم داده هایی هستند که دارای یک جزء مکانی یا جغرافیایی هستند. فرض کنید ربات خزنده سایبری ما برای ترسیم قدرت سیگنال Wi-Fi در یک ساختمان بزرگ استفاده می شود. می تواند داده ها را در مورد قدرت سیگنال در مکان های مختلف ساختمان جمع آوری کند. سپس می توان از نقشه حرارتی برای نشان دادن قدرت سیگنال در سراسر ساختمان استفاده کرد.
نقشه حرارتی از رنگها برای نشان دادن قدرت سیگنال استفاده میکند، رنگهای گرمتر (مانند قرمز) سیگنالهای قویتر و رنگهای سردتر (مانند آبی) سیگنالهای ضعیفتر را نشان میدهند. این به شما یک نمای کلی سریع از اینکه پوشش Wi-Fi خوب است و کجا نیاز به بهبود دارد، می دهد. همچنین میتوانید از نقشههای حرارتی برای تجسم انواع دیگر دادهها، مانند تراکم افراد در یک جمعیت یا توزیع دما در یک اتاق استفاده کنید.
6. داشبوردهای تعاملی
داشبوردهای تعاملی راه حل نهایی تجسم داده ها هستند. آنها به شما امکان می دهند چندین نوع تجسم را در یک رابط واحد ترکیب کنید و در زمان واقعی با داده ها تعامل کنید. میتوانید از لغزنده، دکمهها و فیلترها برای کاوش در دادهها از زوایای مختلف و بررسی جزئیات استفاده کنید.
برای مثال، میتوانید یک داشبورد تعاملی داشته باشید که دادههای جمعآوریشده توسط رباتهای خزنده سایبری ما در یک کارخانه تولیدی را نشان میدهد. این می تواند شامل نمودارهای خطی برای نشان دادن روند تولید در طول زمان، نمودارهای میله ای برای مقایسه عملکرد خطوط تولید مختلف و نقشه های حرارتی برای تجسم توزیع دما در کارخانه باشد. سپس می توانید از داشبورد برای نظارت بر عملکرد کارخانه، شناسایی مشکلات و تصمیم گیری مبتنی بر داده استفاده کنید.
چرا تجسم داده مهم است
تجسم داده ها فقط ایجاد تصاویر زیبا نیست. این در مورد تبدیل داده های خام به بینش عملی است. با تجسم داده های جمع آوری شده توسط ربات های خزنده سایبری ما، می توانید به سرعت روندها، الگوها و ناهنجاری ها را شناسایی کنید. این به شما امکان می دهد تصمیمات آگاهانه بگیرید و اقدامات پیشگیرانه برای بهبود عملیات خود انجام دهید.
به عنوان مثال، اگر می توانید ببینید که یک منطقه خاص از کارخانه شما دارای نرخ بالاتری از حوادث ایمنی است، می توانید تلاش های آموزشی ایمنی خود را بر روی آن منطقه متمرکز کنید. یا اگر متوجه شدید که یک محصول خاص بسیار بهتر از محصولات دیگر می فروشد، می توانید تولید آن را افزایش دهید. تجسم داده ها همچنین انتقال یافته های خود را به دیگران آسان تر می کند. به جای ارائه دسته ای از اعداد و جداول، می توانید یک نمایش تصویری واضح و قانع کننده از داده ها را نشان دهید.
تماس بگیرید
اگر مایلید در مورد اینکه چگونه ربات های خزنده سایبری ما می توانند داده های ارزشمندی را برای کسب و کار شما جمع آوری کنند و چگونه آن داده ها را به طور موثر تجسم کنید، بیشتر بدانید، مایلم از شما بشنوم. فرقی نمیکند در زمینه تولید، تدارکات یا هر صنعت دیگری فعالیت کنید، رباتهای ما میتوانند دادههایی را که برای جلوتر ماندن از رقبا نیاز دارید در اختیار شما قرار دهند. فقط کافی است با ما تماس بگیرید، و ما خوشحال خواهیم شد که در مورد نیازهای خاص شما و اینکه چگونه می توانیم به شما کمک کنیم از داده های خود حداکثر استفاده را ببرید، گپ بزنیم.
مراجع
- چند، اس (2009). اکنون می بینید: تکنیک های تجسم ساده برای تجزیه و تحلیل کمی. تجزیه و تحلیل مطبوعات.
- Tufte, ER (2001). نمایش بصری اطلاعات کمی چاپ گرافیک.
- ویکهام، اچ (2016). ggplot2: گرافیک زیبا برای تجزیه و تحلیل داده ها. اسپرینگر.











