Wissenschaftlicher Hintergrund
In bestimmten Branchen kann man beobachten, dass es – eigentlich branchenunabhängige - Standardwerkzeuge (Softwareprodukte) gibt, die eine hohe Verbreitung erfahren haben. Für Spotfire kann man diese Konzentration deutlich im Bereich der Halbleiter-Produktion und im Energiesektor sehen und das, obwohl es sich um ein branchenunabhängiges Standardwerkzeug handelt.
Für den Erfolg im Halbleiter-Sektor gibt es einige handfeste Gründe, die wir in diesem Artikel beschreiben wollen. Eine Ursache ist vermutlich, dass Spotfire ursprünglich im wissenschaftlichen Umfeld (genauer: an der University of Maryland) zur Verarbeitung von wissenschaftlichen Daten entwickelt wurde und genutzt wurde. In diesem Umfeld kann nicht nur mit aggregierten Daten gearbeitet werden, sondern es ist erforderlich, dass die Daten bis hinunter zu den Einzelfällen ausgewertet werden können.
Verarbeitung großer Datenmengen
Spotfire wurde immer für die Verarbeitung großer Datenmengen optimiert.
- Beim Laden der Daten kann je Datenquelle konfiguriert werden, ob In-Memory, In-Database oder bedarfsabhängig gearbeitet werden soll.
- Bei der Erstellung von Dashboards kann dem Paradigma gefolgt werde, dass nach und nach auf die interessantesten Aspekte der Daten hin gefiltert wird (Drilling). Dadurch werden Folgeschritte immer performanter, weil sich auf weniger Daten bezogen wird.
- Einzelne Plots können individuelle Beschränkungen bezüglich der Menge der dargestellten Daten enthalten.
- Daten können per Custom Query (SQL) über mehrere Datenquellen/ Datenbanken verbunden und eingelesen werden.
Wissenschaftliche Darstellungen
Spotfire kann naturwissenschaftliche Daten angemessen darstellen.
- Scatterplots und Map-Plots können über „Tiled Markers“ als Wafer Map konfiguriert werden. Damit lassen sich Testergebnisse in Form der Wafer darstellen.
- Map-Plots bieten zusätzlich die Darstellung von Daten in verschiedenen Ebenen (Layern) an.
- Mittels Trellis-Funktion können Plots nach Kategorien (bestimmt über X, Y und Seiten/Pages) aufgeteilt werden.
- Plots können weitere berechnete Anpassungen (wie Verteilungskurven) enthalten.
Spotfire bietet ansprechende, flexible und dynamische Visualisierungen mit einer exzellenten Interaktivität um Drilling, Filterung und allgemein Explorative Datenanalyse zu ermöglichen.
Einbindung von Advanced Analytics
Spotfire kann weitere Analytics-Anwendungen integrieren.
- Mit Python und R lassen sich Lösungen aus dem Open-Source Umfeld nutzen und integrieren.
- Mit der Spotfire® Enterprise Runtime for R (TERR) gibt es eine professionalisierte R Umgebung für hohe Performance und Zuverlässigkeit.
- Mit Statistica kann ein Tool zu integriert werden, dass sich wie Spotfire durch Point-and-Click bedienen lässt.
Falls Datenvisualisierung und Drill-Down nicht ausreichen eignen sich diese Plattformen, um hochwertige Statistik und Machine Learning einzubetten und verfügbar zu machen. Damit können individuelle und maßgeschneiderte Lösungen für SPC (Statistische Prozess Lenkung) und DOE (Design of Experiments / Versuchsplanung) entwickelt werden.
Darüber hinaus bietet Spotfire für Automatisierungen in der Oberfläche oder automatisiertes Einlesen von Daten IronPython Scripting.
Verteilung im Unternehmen
Spotfire ermöglicht die Partizipation aller Nutzergruppen.
- Data Scientists können ihre Aufgaben bearbeiten und lösen.
- Data Scientists können Lösungen für weitere Interessierte gestalten und verfügbar machen.
- Lösungen in Spotfire können über das Web bereitgestellt werden.
Lösungen in Spotfire müssen nicht im Experten-Silo bleiben, wo sie erstellt wurden. Sehr einfach können sie an verschiedene Nutzergruppen im Unternehmen und an unterschiedlichen Standorten verteilt werden. Spotfire Dashboards können auf dem Desktop geöffnet werden oder im Browser über den Spotfire Server. Ebenso ist es möglich, Lösungen für Kunden verfügbar zu machen.
Möchten Sie mehr über den Einsatz von Spotfire zur Qualitätssicherung erfahren?
