Digip T 08 Gui

Fakultät
Maschinenbau und Versorgungstechnik
Digitalisierung
industrieller Prozesse
Übungseinheit 8: GUI
Dr. Christian Menden

Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik
Copyright Dr. Christian Menden
- Darf nur im Rahmen der bestimmungsgemäßen Lehrveranstaltungen verwendet und vervielfältigt werden. Seite 1
Rückblick - Roter Faden durch die gesamte Veranstaltung
1 • Artificial Intelligence (AI)
• Machine Learning (ML)
Data Science Grundbegriffe • Deep Learning (DL)
• Data Science
• Analytics
6
Datensatz
1 Supervised
Datenimport Visualisierung Daten- Deskriptive Unsupervised Learning Optimierung GUI Deployment
bereinigung Analyse Learning
Regression
Datensatz
2
Klassifikation
…
Datensatz
n
2 3-4 5 7 8 9
Data Science Pipeline

10 - 11
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 2
Rückblick – Übungseinheit 7
Besprechung der Hausaufgabe
Lernziele
Lehreinheit 8: GUI
Ich kenne/verstehe heute …

• Den Aufbau und die Funktionsweise eines R-shiny
Skripts zur Erstellung einer graphischen
Benutzeroberfläche mit shinydashboard
• Wie ich Input und Output Objekte in der GUI
visualisiere
• Wie ich Input und Output im Server miteinander
verknüpfe
Agenda
Lehreinheit 8: GUI
• Aufbau einer R-shiny App
• User Interface
• Server
• Okjekte
• Architektur
• Dynamische Funktionen
Aufbau einer R-shiny App: User Interface
Header
• Im UI Teil wird die Auswahl der Objekte und deren

Anordnung in der App bestimmt
• Header: kann z.B. den Titel der Anwendung anzeigen Side

Body
bar
• Sidebar: kann als Register des Bodys dienen oder andere
Objekte enthalten
• Body: kann mehrere Tabs umfassen, die über die Sidebar ausgewählt
werden. Jeder Tab kann durch Boxen (Bootstrap Layout) gegliedert UI Teil
werden. Boxen können Tab spezifisch oder übergreifend sein. Tabs und
Boxen können Objekte beinhalten.
Header
• Das Tab Layout kann Zeilen- oder Spalten-basiert sein (oder gemischt) Sidebar
Body
• Durch Icons, zusätzliche Parameter (Farbe) und CSS Files (Schrift)
kann die UI individualisiert werden [4]
Aufbau einer R-shiny App: Server
• Im Server Teil werden die Funktionen und Interaktionen der Elemente der App bestimmt
• Nimmt Input Variablen aus dem UI Teil entgegen oder verwendet geladene Daten und erzeugt
Output Variablen (mittels render- Funktionen), die im UI Teil verwendet werden um eine
graphische Ausgabe zu erzeugen
Daten
Server Teil UI Teil
Input Variablen
Output Variablen
Aufbau einer R-shiny App: Objekte
• Objekte wie Plots, Texte, Tabellen, Graphiken (Output Elemente) und Buttons,
Ankreuzboxen, Schieberegler, Dropdown Auswahl, Felder für numerischen oder Text Input
(Input Elemente) können der App hinzugefügt werden
• Um ein Output Objekt einzubinden, muss ein Output-Befehl an der gewünschten Position
im UI Teil und ein entsprechender render-Befehl im Serverteil existieren, der die
zugehörigen Input- und Output-Variablen miteinander verknüpft
• Input Objekte werden mittels Input-Befehl im

UI Teil an der gewünschten Stelle erzeugt (z.B.
selectInput(), actionButton() ) UI Teil Serverteil
textOutput() renderText()
plotOutput() renderPlot()
tableOutput() renderTable()
Notwendige Funktionen um Output Objekte einzubinden
Architektur
Entwickler User
Prognose.R
Server Teil UI Teil
Input Variablen Header

Sidebar
Output Variablen Body
app.R
Reaktive Umgebungen
• Reaktive Umgebungen können verwendet werden um Output bedingt nach dem User Input in
Echtzeit zu aktualisieren
• Wichtig: Überprüfe, ob das neue laden von Daten in einer reaktiven Umgebung wirklich
notwendig ist, da die Anwendung sonst schnell ineffizient wird.
• Beispiel: observe(), reactive(), observeEvent() Action
Hausaufgabe shiny App zur Qualitätsprüfung
Anwendungsbeispiel - Qualitätsprüfung von Leiterplatten
Datensatz
1
Machine
Learning
Datensatz
2
…
Datensatz
n
• Lötpasteninspektion (SPI: Solder Paste Inspection) während der Fertigung, optionale Röntgenprüfung danach
• Ziel: Reduzierung der Röntgenendprüfung durch gute Vorhersagen aus SPI-Daten mittels ML
Dateneigenschaften
• Ein Datenpunkt = Ein Board
• Lötpasteninspektion Messungen:
• ID = Laufende Nummer
• QI = Qualitätsprüfung (1=nIO, 0 =iO)
• Machine = Maschinen-ID
• PreCheck = Erstes Prüfergebnis vor Löten (1 = nIO, 0 = iO)
• NumberPins = Anzahl der Pins pro Board
• BoardID = Board Nummer
• Price = Endpreis in Euro
• BoardCategory = Board Klassifikation (nicht näher bekannt…)
• MaterialOrigin = Herkunft der Lötpaste (S = Singapur, C = China, Q = Qatar)
• …
• Labels für diesen Datensatz aus Röntgeninspektion und

zusätzlicher Prüfung
• Erstellen Sie einen neuen Ordner für die App und legen Sie die benötigten Daten darin ab
• Benennen Sie das R File DIGIP-T-07_Aufgabe.R in app.R um und lassen Sie es durchlaufen
• Vollziehen Sie den Code im UI und Serverteil nach
• Ergänzen Sie eine zweite Box mit der Confusionmatrix und Accuracy der Methode des
Klassifikationsbaums (neben der für die logistische Regression)
Gestaltungsmöglichkeiten
• Für weitere graphische Objekte (z.B. Karte, Bestenliste) gibt es diverse große und kleine
Bausteine
• Apps für unterschiedliche Zwecke können von Vorlagen kopiert und modifiziert werden [2]
• Eine shiny Web-App kann auch für Demonstrationszwecke verwendet werden
Bilder: Restaurant Prognose Spiel, ausgestellt am Fraunhofer SCS an der Langen Nacht der Wissenschaften 2019 von Claudia Ehrig
Vielen Dank für
die Aufmerksamkeit
Literatur
(1) https://shiny.rstudio.com
(2) Shiny App Vorlagen: https://shiny.rstudio.com/gallery/
(3) https://learn.datacamp.com/courses/building-dashboards-with-shinydashboard
(4) Icons zur individuellen Gestaltung: https://fontawesome.com/icons?d=gallery&p=2

Digip T 08 Gui

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Digip T 08 Gui

Hochgeladen von

Copyright:

Verfügbare Formate

Fakultät

Maschinenbau und Versorgungstechnik

Dr. Christian Menden

Data Science Pipeline

Ich kenne/verstehe heute …

• Aufbau einer R-shiny App

• Im UI Teil wird die Auswahl der Objekte und deren

• Header: kann z.B. den Titel der Anwendung anzeigen Side

Server Teil UI Teil

• Input Objekte werden mittels Input-Befehl im

Notwendige Funktionen um Output Objekte einzubinden

Server Teil UI Teil

Input Variablen Header

• Beispiel: observe(), reactive(), observeEvent() Action

• Labels für diesen Datensatz aus Röntgeninspektion und

• Vollziehen Sie den Code im UI und Serverteil nach

• Eine shiny Web-App kann auch für Demonstrationszwecke verwendet werden

(2) Shiny App Vorlagen: https://shiny.rstudio.com/gallery/

(4) Icons zur individuellen Gestaltung: https://fontawesome.com/icons?d=gallery&p=2

Das könnte Ihnen auch gefallen