光譜入門：從載入到看結果
先把光譜想成「某個量測位置記錄的一長串訊號」。一條線是一個位置；比較多個位置，就能觀察哪裡的訊號組合不同。M4 可做點、線與面掃描；這裡分析的是讀進來的數值。
第一輪照這樣做
- 「內建與本機資料」選合成 XRF · 144 個位置。若要試本機實測資料，可選
m4_tornado/minBcf.bcf，目前可讀出 9 個位置。
- 「BCF 偵測器」先用 0；「SPX 光譜索引」先用 0。按載入選取資料。
- 先確認右側名稱已換成光譜資料，樣本數為 144 或 9。如果出現載入失敗，舊畫面不代表新檔已讀取。
- 看「光譜輪廓」：橫軸是能量，縱軸是記錄到的訊號量。先觀察不同線的峰位置、形狀和高度。
- 「比較目標」改成不指定目標 · 看資料差異；分析方法選 GreyPCA + 特徵排序，PCA 方法選標準
pca。
- 保留主成分用 2；GRA 保留主成分先填 0；保留光譜總計數正規化與預設輸入特徵。
- 按執行分析。左圖看位置間的差異，右側找值得回頭檢查的能量區間。
- 先記下靠得近／離得遠的樣本，再看排序前幾個區間。不急著刪特徵；需要保存時先下載分析 JSON。
畫面上每一項的意思
| 操作／圖表 | 意思與第一輪設定 |
|---|
| 內建與本機資料 | 選資料來源；選完還要按載入。PVD／CVD 是製程數值表，不是光譜。 |
| BCF 偵測器 | 選同一次量測使用的哪個感測器。0 是第一個，不是關閉；不能把不同偵測器當成可直接相加。 |
| SPX 光譜索引 | 選 SPX 中的第幾組光譜，從 0 開始。可能含樣品或背景；載入 BCF 時不用這項。 |
| 載入選取資料 | 讀下拉清單中的檔案。右側資料名稱與筆數改變才算載入成功。 |
| 選擇 CSV／SPX／BCF | 從電腦挑另一個檔案，選完立即讀取；不是讀取上方下拉選單。SPX 常只有一筆，單筆可看光譜圖，無法做位置間 PCA。 |
| 比較目標 | 問「哪些特徵與這個已知數值較相關」。沒有濃度或品質實測值，先不指定。不要隨便選一個能量欄當品質目標；合成 Cu 混合權重也不是真實 Cu 濃度。 |
| 分析方法／PCA 方法 | 前者選整個分析流程，後者選其中的降維方式。第一輪都用標準 GreyPCA／pca，先看懂結果再換方法。 |
| 保留主成分 | 用幾個綜合數值描述原本很多欄的差異。先用 2，對應圖上的 PC1、PC2；它們不是兩種元素。 |
| GRA 保留前幾個主成分 | 依已知目標再篩主成分。第一輪填 0 表示不用；填正數時必須有目標。 |
| GRA 參數 | 控制與目標的比較方式。先保留 rho 0.5、zscore、either；這些不是儀器能量或偵測器設定。各參數見手冊「PCA 與 GRA 參數」。 |
| 光譜按總計數正規化 | 先讓每個樣本的總訊號量相同，再比較形狀；不會把數值轉成濃度。若要研究總強度差異，可取消後重新比較。上方光譜輪廓仍顯示載入的原始強度。 |
| 輸入特徵／全選／還原建議 | 決定哪些欄進入分析。光譜先以最多 64 個相鄰能量區間加總；每一欄是一段能量，不是自動辨識出的元素。第一輪保留預設勾選。 |
| 執行分析 | 按目前資料與設定重新計算；改參數後要再按一次。 |
| 光譜輪廓 | 橫軸能量是訊號的分類位置；縱軸 Counts 是記錄量，背景估計可能為小數。彩線顯示前 9 個位置，白線是全部位置的平均。峰高不直接等於元素百分比。 |
| 位置 y,x／總計數 | 位置座標與該點的總訊號。顏色只反映總量，不是某個元素的濃度圖。 |
| 樣本差異／PC1、PC2 | 每個點代表一個樣本或位置；靠近表示在保留的主成分中較相似。離得遠值得回頭檢查原光譜，但不能直接認定材質不同。 |
| 保留變異量 | 保留了原資料多少差異。高比例不代表元素辨識率或預測準確率。 |
| 特徵排序 | 未指定目標時看能量區間與主成分的相關程度；指定目標後看 GRA。它是檢查優先順序，不是元素濃度或因果證據。 |
| 保留前／套用至輸入特徵 | 只勾選排序前幾名，再重新執行。它會改變分析輸入；先保存完整分析，之後再做篩選。 |
| 資料預覽／下載分析 JSON | 預覽顯示部分資料列；JSON 保存這次的設定和結果。一般分析 JSON 不是「匯入 Python 結果」專用的 .result.json。 |
這次的 BCF 錯誤
unsupported or truncated SFS/BCF signature 表示讀取器沒有辨識出它支援的內部結構。副檔名是 BCF，不代表每種編碼都已支援；這則錯誤本身也不能判定檔案損毀。先用合成 XRF 練習，或由儀器軟體匯出 SPX 看單筆光譜。BCF 載入失敗後，先確認右側仍是哪一組舊資料。
要把能量峰解釋成元素、再估算濃度，還需譜線判讀、校正及適用的定量方法。本頁先協助找差異與值得檢查的區間。
開始與重整
用 python3 run.py workbench 開啟即時分析視窗。直接雙擊 HTML 只能查看內建預覽；新資料或新參數需要 Python 計算。
按右上角「重整頁面」會重新載入介面，回到預設 PVD 資料。已選檔案、參數及畫面上的結果會清除；需要保留時，先下載結果 JSON。重整不會重新啟動 Python；修改 Python 程式後請關閉視窗再啟動。
選擇資料檔
公開展示檔集中在專案根目錄的 data/demo/。CSV 在 doe/，筆跡來源在 handwriting/，已完成報告在 results/。上方「Demo 資料包」可查檔案與操作對照。
先用內建 PVD／CVD 熟悉流程：選資料，再按「載入選取資料」。自己的檔案用「選擇 CSV / SPX / BCF」載入。
- DOE CSV：UTF-8 編碼，第一列為欄名，每列一筆實驗。製程參數和量測結果分欄；單位可寫在欄名，例如
power_w、thickness_nm。可參考上方的 PVD／CVD CSV。 - 光譜 CSV：每列一個樣本，每欄一個依序排列的通道；這條匯入路徑視為一般數值表。需要光譜專用窗口或計數處理時，請使用支援的 SPX／BCF。
- SPX：選儀器匯出的
.spx。光譜索引從 0 開始；含多組光譜時可切換量測或背景。 - BCF：選光譜地圖
.bcf。偵測器從 0 開始，各偵測器分開分析；部分編碼尚不支援。
先設定偵測器／索引再選檔。若要切換上傳檔的偵測器／索引，修改數值後重新選取檔案；「載入選取資料」只載入下拉清單中的資料。
單檔上限 32 MiB；CSV 最多 5,000 列、256 個數值欄。非數值或含缺值的整欄會排除，請先確認資料預覽。光譜至少 3 筆才能做本頁分析；單筆 SPX 可先看光譜圖。
光譜／DOE：第一次分析
- 選內建 PVD，按「載入選取資料」。
- 「比較目標」選
thickness_nm；「分析方法」先用 GreyPCA + 特徵排序。 - PCA 選標準
pca，保留主成分先用 2；「GRA 保留前幾個主成分」先留 0。 - 輸入特徵只勾製程參數。分析膜厚時，不要把其他量測結果一併當成製程參數。
- 按「執行分析」。左圖看樣本差異，右側看與目標的 GRA 排序。
- 要減少欄位，填「保留前」並按「套用至輸入特徵」，再按一次「執行分析」。按「下載分析 JSON」保存結果。
沒有比較目標時，選「不指定目標」。PCA 路徑會依特徵與主成分的相關程度排序；這和有目標的 GRA 排序不同。修改設定後需要重新執行。
分析方法怎麼選
| 方法 | 何時用、需要填什麼 |
|---|
| GreyPCA + 特徵排序 | 先看樣本差異，再比較特徵；一般 DOE 從這個開始。 |
| GRA | 只比較特徵與目標，不做 PCA；必須選比較目標。 |
| GM(0,N)／GM(1,N) | 分析有先後順序的多變量資料；選目標並確認「資料列有合理的先後順序」。不要把無序 DOE 當成時間序列。 |
| 灰品質評分 | 排樣本的品質分數。勾要評分的指標，逐欄設定望大、望小或目標值，以及上下界和權重。預設上下界來自資料範圍，請改成適用的範圍；目標值需嚴格落在上下界內。權重不可全為 0。 |
| Grey 窗口 → GreyPCA | 適用由光譜讀取器載入的連續通道資料。設定窗口大小和位移；窗口不可超過可用通道數。 |
| PoissonPCA | 只用於非負原始光子計數。不要用背景扣除、濃度、已正規化或估計背景資料。 |
PCA 與 GRA 參數
- PCA：先選標準
pca、保留 2 個成分。Sparse 的 alpha 越大通常越稀疏；Kernel 先試 rbf，gamma 控制尺度；Robust 系列用於比較擾動的影響；Adv 的半徑先用 adaptive，manual 才需填 delta。 - 主成分 GRA 篩選：0 為關閉。啟用時必須選目標，且保留數不可超過已計算的主成分數。
- GRA：rho 先用 0.5；不同單位先用 zscore。direction 的 either 比較正反向關係，positive 只比較正向關係；不是品質望大／望小。
- 光譜總計數正規化：要比較光譜形狀時可保留勾選；要保留原始強度差異時取消。DOE 不用這個選項。
主成分正負與變異量都不是品質好壞。若要評品質，使用「灰品質評分」設定指標方向。
圖片比較：選哪些圖片
- 先按「試跑 AI 筆跡 demo」看輸出格式。
- 「待比較圖片」選 1 張筆跡；「參考圖片」選 3–30 張已分開存好的筆跡圖片。支援 PNG、JPEG、WebP、BMP、TIFF，每張最多 8 MiB。
- 先裁掉大面積空白、桌面或邊框。盡量選相同文字、相近範圍與拍攝條件；不要把整張拼貼圖當成多張參考。
- PCA 先用標準
pca，按「比較我的圖片」。 - 看參考圖片排序與距離；距離越小，表示本次擷取的數值特徵越接近。
更換圖片或 PCA 參數後，重新按比較。模型只用參考圖擬合；距離不是同一作者的機率。
應用實驗室：操作方式
選情境，先保留預設參數，按「執行情境」。看完結果後一次改一項參數，再執行比較；用相同 seed 可重現同一組合成資料。按「結果 JSON」保存。
除「改用自己的時間序列」外，這區使用內建合成資料，沒有配送、藝術品或軌跡檔案的上傳入口。自己的 DOE 請到「光譜 / DOE」，圖片請到「圖片比較」。下方下載的合成輸入 JSON 供程式使用，不是匯入結果檔。
配送路線
選配送點數 3–8，選路目標先用 grey。調整距離、時間、遲到權重後執行，至少一項權重要大於 0。圖上看拜訪順序，表格比較距離、時間及遲到。改用 distance 可比較最短距離路線；權重只對 grey 選路生效。這裡用模擬平面座標，不是真實道路導航。
司機與訂單媒合
設定司機人數、訂單數和三項權重後執行。表格列出配對與未媒合訂單；查看載重、技能或可用時間是否滿足。每名司機最多配一單；訂單較多或資格不符時可以沒有配對。調高接貨距離權重可觀察配對變化。
藝術品區域差異
先用標準 PCA、3 個成分及預設門檻執行。比較誤差圖、標記區與模擬真值；調低新增材料強度，觀察較細微差異。門檻分位越高，通常標記越少。這裡比較兩張合成光譜圖，不是上傳作品照片；標記區是查驗線索。
訂單量預測／Convolution
先選 gm11，預測 2–4 期後執行。看最後 4 期回測與未來預測；切到 convolution 時再設定窗口大小、位移。
自己的序列填在「改用自己的時間序列」：依時間先後輸入 12–120 個正數，用逗號或空白分隔，例如 80, 84, 82, 89, 91, 90, 96, 98, 100, 103, 102, 108。留白使用模擬訂單；此處不讀 CSV。Convolution 是兩層 GM11 窗口。
多維軌跡
選 2、3 或 4 維，先保留 32 個重採樣點與預設窗口，再執行。看 PCA 投影與距離比較；畫面只畫前兩維，分析會使用選定的全部維度。此區產生合成軌跡；真實軌跡需透過 Python API 載入。
光譜工具
選工具後只需填畫面顯示的參數，再按執行。NMF／MCR 用於混合成分分解；MNF／MLPCA 比較噪聲處理；baseline 調整基線平滑；peaks 比較擬峰；element_lines 輸入原子序查譜線。這區使用合成光譜及已知模擬噪聲，分解權重不是元素濃度。
半導體工具
選 PVD 或 CVD，再選製程工具。PLS 看保留資料預測；monitor 看 Q／T² 與門檻；suggest 比較降低均勻度誤差的候選；lhs 產生試驗點。先保留預設參數執行，再調主成分、門檻或候選數。這區使用每製程 15 筆合成 DOE；自己的 CSV 請到第一頁分析。
結果檔與離線交換
即時視窗：分析後按「下載分析 JSON」或「結果 JSON」。這些 JSON 保存結果，不是原始 CSV，也不是可匯入的新資料集。
直接開 HTML：需要新計算時，按「匯出運算請求」，執行 python3 run.py workbench --request greytheory-request.json，再用「匯入 Python 結果」選產生的 greytheory-request.result.json。請勿選原始請求或一般結果 JSON。
若按執行後沒有結果，先看頁面頂端的錯誤訊息；確認資料筆數、所選欄位和參數範圍。出現預覽提示時，改用即時視窗或檔案交換。