ひとつの製品に対して、３つの加工をしている時のデータです。
山のひとつひとつが、ひとつの加工を表しています。
例えば、下のグラフは、６個の製品の時のデータです。
３つで１セットが、６セット分入っています。
赤い時のデータが不良で、他の時と何が違うのかを調べたいです。 フーリエ変換で分析するのでしょうか？
やりたいことに対して、 フーリエ変換 して スペクトル解析 をするアプローチは合わないです。
合わない理由ですが、まず、周期が一定ではなさそうな点があります。 また、分析を進めて周波数成分の話をし始めても、起きている現象との考察が難しいです。 自分の中では、理解できたとしても、関係者に理解してもらって、その後の展開を進めることが、とても難しいと思います。
１セットの中の３回は、例えば、縦軸の１をしきい値にして、分解するようにコーディングすれば、分割して特徴量を作ることができます。 １回目の最大値、１回目の時間、１回目と２回目の間の時間、といった特徴量を作っていくと、 その特徴量を使って、現象を説明し、関係者に理解してもらうことができます。
機械学習 を勉強すると、このデータをそのまま、あるいは、商品１回分の３つの山があるデータを１サンプルとして、機械学習のモデルを適用した分析をしたくなることもあります。 ただ、そうした場合は、モデルが捉えることができるのは「３つの山がある」ということくらいで、３つの山の中の微妙な違いは捉えられないことがあります。 捉えられたとしても、フーリエ変換の時と同じで、その後の展開が難しいです。
Tweet
