مسابقه علم داده

” در یکی از فایل ها متن زیر آورده شده: شرکت کنندگان محترم بایستی ابتدا داده های این جداول را پاکسازی کرده و بر اساس نمودار ERD و کلیدهای جداول اقدام به ساخت دیتاست نهایی خود نمایند. برچسب مربوط به عیوب تختال ها نیز مطابق با دو فیلد اطالعاتی از جدول Defect انتخاب شده اند. شما می توانید برای بدست آوردن رابطه بین عیوب احتمالی و فرآیند تولید تختالها از مدلهای مرسوم در تشخیص الگو استفاده نمایید. هدف یافتن الگوهای با بیشترین ضریب Confidence و Support است. دقت داشته باشید از آنجا که برخی از فرآیندهای مسیر تولید دارای برچسب زمانی می باشند، یافتن الگوهایی زمانی که منجر به تولید محصوالت معیوب شده است اهمیت دارد. “
سوال بنده این است: آیا پاسخ مورد تایید فقط مبتنی بر استفاده از قوانین انجمنی و کشف الگوهای رایج می باشد؟ یا سولوشن های دیگر نیز مورد تایید است و یا  امتیاز بیشتر دارد؟

پاسخ:

هدف نهایی کشف رابطه بین عیوب و فرایندهای تولید است. هر راهکاری که این رابطه را مورد بررسی قرار دهد مورد قبول است(فارغ از اینکه رابطه ای وجود دارد یا خیر).

در جدول PROCESS مقادیر فیلد PCDEF_PROCESS_DEFINITION_ID هرکدام به کدامیک از مراحل CCM. EAF , LF  اشاره میکند؟ 4 آیتم مجزا در برابر 3 مرحله

پاسخ:

در فیلدهای جدول process یک فیلد type وجود دارد، مقدار ۱۴ به جدول EAF اشاره دارد مقدار ۴ به جدول LF مقدار ۶ به جدول CCM از مقدار ۱۵۵ نیز صرف نظر شود.

 اگر بخواهیم جهت رفع ابهامات، مجموعه داده با طراحان مسئله صحبت کنیم امکانش هست؟

پاسخ:

در این خصوص ترجیح و نظر اعضای کمیته علمی بر این است که ارتباط و ارسال سوالات فقط از طریق ایمیل اعلام شده انجام شود. [email protected]

ممنون میشم توضیح بفرمایید مقادیر فیلد VAL_ITM_A_PRITM

به چه معناست و چطور تفسیر می شوند که تفاوت بین مقادری  0,1, YES, NO 

پاسخ:

مقادیر به کد آیتم مربوط هستند، تفسیر جداگانه مقادیر گمراه کننده است، مقادیر را با کد آیتم در نظر بگیرید.

در فایل EAF 

مقادیر هایلایت شده فیلد VAL_ITM_A_PRITM

به چه معناست؟ دیتای خراب هستند؟

پاسخ:

در کانورت اطلاعات یونیکد را در نظر بگیرید، این مقادیر حاوی متن فارسی هستند.

بنده قصد بکارگیری یادگیری ماشن و داده کاوی دارم
دوم اینکه آیا امکان اضافه نمودن(یا استفاده نمودن) ویژگی های دیگر که در دیتاست مسابقه وجود ندارد و می تواند در رسیدن به جواب کمک کند، وجود دارد؟

پاسخ:

ویژگی دیگری به دیتاست اضافه نخواهد شد، اما اگر یک ویژگی به عنوان عامل اثبات شود، برای تحلیل بیشتر، امکان ارائه اطلاعات تکمیلی مرتبط با آن عامل، با رعایت محرمانگی، وجود دارد. به عنوان نمونه اگر ثابت شود که پاتیل های مشخصی در بروز یک عیب تاثیر دارند، امکان تحلیل بیشتر بر روی اطلاعات تکمیلی پاتیل ها فراهم خواهد شد. البته در دامنه این مسابقه نیست و برای تحقیقات بعدی با همکاری تیم مربوطه استفاده خواهد شد.

در جداول CCM. EAF , LF ، فیلد  PRITM_N_ITM_V و VAL_ITM_A_PRITM اگر مقداری وجود نداشته باشد، یعنی هیچ مواد مصرفی به ذوب اضافه نشده است؟

پاسخ:

بله

 3- مقادیر فیلد VAL_ITM_A_PRITM را توضیح میدهید؟ مثلا YES, NO , … به چه معناست؟

پاسخ:

این فیلد برای مقادیر غیر عددی استفاده می شود و پیشنهاد می شود از طریق دسته بندی بر روی مقادیر یک آیتم خاص، استفاده نمایند. به کد آیتم و مقدار توجه داشته باشید، مقدار YES برای آیتم های مختلفی استفاده شده است.

روش آنکدینگ مقادیر فیلد NUM_GRP_SEQ_YEAR_PCRSL که شماره سکوئنس فرآیند در سال است را شرح میدهید که این مقادیر به چه صورت خوانده و تفسیر می شود؟

پاسخ:

چهار رقم اول نشانه سال و مابقی شماره سکوئنس آن نوع فرایند در آن سال است.

 در فیلد VAL_ITM_N_PRITM واحد مقادیر درج شده چیست؟ تفاوت مقدار خالی و صفر در این ویژگی چیست؟

پاسخ:

واحد مقادیر برای فیلدهای غیرعددی برای همه انواع آیتم ها وجود ندارد و عموما این مقادیر دسته بندی شده هستند یعنی لیست می شوند. برخی آیتم ها در فرآیند بایستی به صورت اجباری توسط اپراتور ثبت شوند برای این آیتم ها در صورت عدم استفاده آیتم اپراتور مقدار صفر وارد می کند، در صورتی که آیتم اجباری نباشد، اپراتور مقداری ثبت نمی کند و مقدار خالی درج می شود. در کل صفر و مقدار خالی به معنی عدم استفاده از آیتم مربوطه است.

برداشت من این هست که یک فرایند منجر به تولید چندین اسلب (مثلا 8 یا 10 اسلب)  میشود و از طرفی فرایندها به صورت سری نیستند و فرایند ccm و eaf و lf هر کدام منجر به تولید اسلب نهایی میشوند و دیگر اینکه با توجه به اینکه در مجموع پارامترهای فرایند را فقط برای ccm و eaf و lf داریم  (که از آن تعداد هم اطلاعات برخی اسلبها را نداریم)  از کل 112093 فرایند فقط روی 79710 فرایند میشه کارکرد. آیا برداشت من درست است؟  

همچنین برداشت من این هست که در نهایت باید به بررسی عیوب فرایند برسیم و از آنجایی که ما عیوب را به ازای هر اسلب داریم آیا منطقی هست که برای بدست آوردن عیوب فرایند،  عیوب کل اسلبهای تولید شده در یک فرایند را جمع بزنیم؟ با توجه به اینکه آشنایی با فرایند ندارم ممکن است با جمع عیوب برخی چند بار برای یک فرایند حساب شود. نمیدانم فرایند را درست متوجه شدم یا خیر.

پاسخ:

همه چیز از جدول ذوب شروع میشود، ابتدا یک رکورد در جدول ذوب ایجاد می شود، سپس به ازای هر ذوب، فرآیند eaf و سپس LF و در انتها CCM انجام می شود. فرایندهای انجام شده روی هر ذوب هم در جدول process نگهداری می شود که با ستون type به جداول هر فرآیند ارجاع انجام می شود، (رجوع شود به سوالات متداول)
هر ذوب چندین تختال تولید می کند که در جدول Slab وجود دارد.