FEM: ব্র্যান্ডগুলোর জন্য অস্বাভাবিকতা সনাক্তকরণ গাইড

সূচিপত্র

• Insights Hub বহির্ভূত মানসমূহ
• কী ধরনের স্বয়ংক্রিয় ডেটা গুণমান পরীক্ষাগুলো পাওয়া যায়?
• Higg FEM অস্বাভাবিকতা সনাক্তকরণ প্রণালী
• অস্বাভাবিকতা সনাক্তকরণে আমি কী আশা করতে পারি?
• কোনটি অস্বাভাবিকতা (Outlier) হিসেবে বিবেচিত হয়?
• FDM থেকে FEM অস্বাভাবিকতা সনাক্তকরণ
• প্রায়শই জিজ্ঞাসিত প্রশ্ন

উচ্চ-মানের ডেটা হলো Higg Index এবং Worldly প্ল্যাটফর্মের সবচেয়ে মূল্যবান উপাদান। উচ্চ-মানের ডেটা বজায় রাখতে, যেকোনো অস্বাভাবিকতা সনাক্ত ও সংশোধন করা গুরুত্বপূর্ণ। 

একটি Outlier হল এমন একটি ডেটা পয়েন্ট বা মান, যার মান আমাদের পূর্বের পর্যবেক্ষণ ও প্রত্যাশা থেকে উল্লেখযোগ্যভাবে ভিন্ন।

Insights Hub বহির্ভূত মানসমূহ

Insights Hub-এর বাম কলামে, আপনি দেখতে পারবেন কতটি ব্যতিক্রমী মান Insights Hub Dashboard থেকে বাদ দেওয়া হয়েছে। লাল X-এর পাশে, আপনি মোট কতটি ব্যতিক্রমী মান বাদ পড়েছে তা দেখতে পারবেন, সঙ্গে একটি "i" আইকন থাকবে।

আইকনে ক্লিক করে আরও একবার দেখার মতো ডেটা উইন্ডোতে যান।

১৪টি মূল্যায়নে অস্বাভাবিক মান সনাক্ত হয়েছে, যা স্বয়ংক্রিয়ভাবে Insights Hub ড্যাশবোর্ড থেকে বাদ দেওয়া হয়। Insights Hub ড্যাশবোর্ডে অস্বাভাবিক মান অন্তর্ভুক্ত করতে Include Outliers -এ ক্লিক করুন। এতে ড্যাশবোর্ড আপডেট হবে এবং অস্বাভাবিক মান সনাক্ত হওয়া এই ১৪টি মূল্যায়ন অন্তর্ভুক্ত হবে।

সনাক্তকৃত ব্যতিক্রমসহ মূল্যায়নগুলোর CSV ফাইল ডাউনলোড করতে Outliers CSV-এ ক্লিক করুন।

ফাইলের টেবিলে মূল্যায়ন সম্পর্কিত তথ্য রয়েছে, যার মধ্যে Worldly ID, কারখানা এবং মূল্যায়ন ID অন্তর্ভুক্ত।

টেবিলের অন্যান্য কলামগুলি অস্বাভাবিক মান পরীক্ষা করতে ব্যবহৃত হয়, যার মধ্যে রয়েছে:

1. total_energy_mj
2. total_ghg_kgco2e
3. total_finalProductAssembly_mj
4. total_hardComponentTrimProduction_mj
5. total_materialProduction_mj
6. total_printingProductDyeingAndLaundering_mj
7. total_rawMaterialProcessing_mj
8. total_rawMaterialCollection_mj
9. domestic_total_mj

কী ধরনের স্বয়ংক্রিয় ডেটা গুণমান পরীক্ষাগুলো পাওয়া যায়?

Worldly প্ল্যাটফর্ম কারখানার স্ব-মূল্যায়ন প্রক্রিয়ার সময় স্বয়ংক্রিয়ভাবে নিম্নলিখিত তথ্য যাচাই চালায়।

Higg FEM অস্বাভাবিকতা সনাক্তকরণ প্রণালী

অস্বাভাবিকতা সনাক্তকরণ সম্পর্কে আরও জানতে, Worldly-এর Higg FEM অস্বাভাবিকতা সনাক্তকরণ পদ্ধতি পড়ুন।

সারাংশ: অস্বাভাবিকতা সনাক্তকরণ কখন শুরু হয় এবং এর অর্থ কী, তার একটি উচ্চস্তরের সংক্ষিপ্ত বিবরণ।

ডেটা আউটলায়ার এর সংজ্ঞা: একটি ত্রুটিপূর্ণ আউটলায়ার এবং একটি প্রকৃত আউটলায়ার এর মধ্যে পার্থক্য কী?

প্রাথমিক ডেটা সেট: Cascale এবং Worldly FEM24 মূল্যায়নে ব্যবহারের জন্য আউটলাইয়ার থ্রেশহোল্ড নির্ধারণ করতে FEM23-এর সম্পূর্ণ মূল্যায়ন সেট ব্যবহার করেছে।

অসঙ্গত মান সনাক্ত করার পদ্ধতি: একটি মানক পরিসংখ্যানগত পদ্ধতি, ইন্টারকোয়ার্টাইল রেঞ্জ, কীভাবে অসঙ্গত মান সনাক্ত করতে ব্যবহার করা হয়, তা শিখুন।

একক বছর-ওপর-বছর (YoY) পরিবর্তন: YoY তুলনা কীভাবে অস্বাভাবিকভাবে বড় মানগুলো চিহ্নিত করে এবং এই ফিচারটি উন্নয়নে কী কী অন্তর্ভুক্ত ছিল, তা সম্পর্কে পড়ুন।

মোট শক্তি/পানি বহির্বিশিষ্ট থ্রেশহোল্ডসমূহ: শক্তি এবং পানির বহির্বিশিষ্ট মানগুলোর জন্য থ্রেশহোল্ড মানগুলি বোঝার জন্য এই দুটি টেবিল দেখুন।

অস্বাভাবিকতা সনাক্তকরণে আমি কী আশা করতে পারি?

অস্বাভাবিকতা সনাক্তকরণ ১৯ ফেব্রুয়ারি, ২০২৫-এ প্রকাশিত হয়েছে। যদি কোনো কারখানার Higg FEM মূল্যায়ন এই তারিখের আগে পোস্ট করা হয়ে থাকে, তাহলে ডেটা যাচাইয়ের সুবিধা নিতে কারখানাটিকে এই তারিখের পর পর্যন্ত অপেক্ষা করতে হবে। 

এছাড়াও, যতক্ষণ না তারা কোনো যাচাইকরণ সংস্থার সাথে ডেটা যাচাই শুরু করেছে এবং এটি ৩০ এপ্রিল, ২০২৫-এর আগ পর্যন্ত, কারখানাগুলো তাদের মূল্যায়ন আনপোস্ট করতে পারবে যাতে তারা ডেটা চেক ব্যবহার করে তাদের উত্তরে অস্বাভাবিকতা সনাক্তকরণ করতে পারে এবং পরে আবার মূল্যায়ন পোস্ট করতে পারে।

উদাহরণস্বরূপ, যদি কোনো কারখানা তাদের অ্যাসেসমেন্ট ৩১ জানুয়ারি, ২০২৫ তারিখে পোস্ট করে, তাহলে তাদের ১৯ ফেব্রুয়ারি থেকে ৩০ এপ্রিল, ২০২৫ এর মধ্যে নিম্নলিখিত কাজগুলো করতে হবে:

1. তাদের মূল্যায়ন আনপোস্ট করুন
2. তাদের মূল্যায়ন ডেটা যাচাই করতে অস্বাভাবিকতা সনাক্তকরণ ব্যবহার করুন
3. তাদের মূল্যায়ন পুনরায় পোস্ট করুন

বছর-ওভার-বছর অস্বাভাবিকতা সনাক্তকরণও মার্চের মাঝামাঝি সময়ে উপলব্ধ হবে।

কোনটি অস্বাভাবিকতা (Outlier) হিসেবে বিবেচিত হয়?

• ভুল অস্বাভাবিকতা হলো এমন ডেটা পয়েন্ট যা ডেটা সংগ্রহ, রেকর্ডিং, গণনা বা এন্ট্রির সময় ত্রুটির কারণে সৃষ্টি হয়। এগুলো অসত্যতা প্রকাশ করে এবং ডেটার প্রকৃত অন্তর্নিহিত ধারা প্রতিফলিত করে না। উদাহরণস্বরূপ, টাইপ করার ভুলে কোনো ব্যক্তির বয়স ২৫ বছরের পরিবর্তে ২৫০ বছর রেকর্ড করা হলে সেটি একটি ভুল অস্বাভাবিকতা হবে, কারণ এটি বাস্তবসম্মত মান নয়। একইভাবে, শক্তির মান ভুল ইউনিটে রেকর্ড করা (যেমন, এমজে (MJ) মানকে কেডাব্ল্যুএইচ (kWh) ইউনিটে নির্ধারণ করা) তেও ভুল অস্বাভাবিকতা তৈরি হয়। এ ধরনের “খারাপ ডেটা” চিহ্নিত ও সমাধান করতে হবে – সাধারণত অপসারণ বা সংশোধনের (যেমন, যাচাই বা অনুমানকৃত মান দ্বারা প্রতিস্থাপন) মাধ্যমে – বিশ্লেষণের সততা বজায় রাখতে।

• সত্যিকারের অস্বাভাবিকতা হলো বৈধ ডেটা পয়েন্ট, যা পরিসংখ্যানগতভাবে বিরল হলেও ভুল নয়। এগুলো ডেটাতে স্বাভাবিকভাবেই ঘটে এবং প্রকৃত ঘটনা বা পরিস্থিতিকে প্রতিফলিত করে। সত্যিকারের অস্বাভাবিকতা প্রায়ই অস্বাভাবিক কিন্তু বৈধ আচরণ বা ঘটনার বিষয়ে মূল্যবান তথ্য প্রদান করে। উদাহরণস্বরূপ, কারখানার শক্তি ব্যবহারে অস্বাভাবিক বৃদ্ধি একটি তাপপ্রবাহের সময় অতিরিক্ত কুলিং ব্যবহারের সাথে সম্পর্কিত হতে পারে। সত্যিকারের অস্বাভাবিকতা গুরুত্বপূর্ণ প্রবণতা, ঝুঁকি বা সুযোগ প্রকাশ করতে পারে এবং বিশ্লেষণ ছাড়া এগুলোকে উপেক্ষা করা উচিত নয়।

FDM থেকে FEM অস্বাভাবিকতা সনাক্তকরণ

FEM এবং FEM উভয়ের ক্ষেত্রেই পোস্ট করার আগে অস্বাভাবিকতা সনাক্তকরণ প্রয়োজন।

অনুগ্রহ করে মনে রাখুন, যদিও FEM-এ ইম্পোর্ট করা FDM ডেটা ট্রান্সফারের সময় পরীক্ষা করা হয় না, তবে অ্যাসেসমেন্ট পোস্ট করার আগে FEM ইম্পোর্ট করা ডেটার উপর অস্বাভাবিকতা সনাক্তকরণ চালায়।

প্রায়শই জিজ্ঞাসিত প্রশ্ন