３次データ（ラベル付きデータ）の解析

３次データは、センサーデータ、生産システムのデータ、言語情報、等、異なるデータベースのデータを紐付けて作ったデータです。この紐付けでは、センサーデータについては、２次データの形になっていると良いです。

良い３次データができると、散布図やヒストグラムが、見通しの良い解析手法になることがよくあります。

１対１の紐付けによる、３次データの作成

共通データを使った紐付けは、紐付けの基本になります。ちなみに、リレーショナルデータベースの紐付けと同じやり方です。

例えば、２次データ同士のそれぞれがバッチを最小単位にしているデータで、各行にバッチ番号が書いてあるのでしたら、 ExcelのVlookup関数を使ったりして、比較的簡単に紐付けできます。

共通データがない場合は、時刻のデータを頼りにして、つなげます。例えば、「製品の加工時刻と、検査時刻は、だいたい１時間ずれている」、といった、メタ知識を使います。

バッチのデータが１時間に１個しかないのでしたら、この方法で１対１の紐付けができます。

このページの例のような工場のデータの場合、加工した順番と、検査した順番が違っている事があります。それぞれに共通のデータや、時刻のデータもないと、紐付けはとても難しいです。

ただ、製品の流し方に決まりがあって、順番の変わり方が決まっている場合もあります。そのような場合は、そのルールに合わせて、検査のデータを加工のデータの順番に並べ替えてから、紐付けることができます。

３次データの作成は、１対１の紐付けが理想的です。

１対１の紐付けができなくても、工夫すれば３次データが作れる事もあります。

例えば、バッチ番号の項目がなくても、生産した「月」が共通な事がわかっている時があります。そうした場合は、月ごとに平均値を計算して、平均値同士を「月」で紐付けする方法もあります。

キーになる月が、１か月しかなければ、どうしようもないのですが、12か月分など、それなりに長い期間あるのでしたら、統計的な解析が可能になります。

「月」以外にも、「週」、「ロット」、等も紐付けに使える事があります。「月」と「週」の両方があるのでしたら、「週」の方が、元の情報を有効に使えるので良いです。

１つのバッチが、５個の製品で構成されていて、５個全部を検査していたとします。すると、１バッチに対して、検査工程のデータは、５個ありますので、１対１で紐付けができません。

このような場合の紐付けは、解析の内容によって違います。

まず、５個分の検査データの平均値や標準偏差、等の統計量を求めて、１対１で紐付けする方法があります。

もうひとつは、バッチのデータの同じものを５行ずつ作って、そこに紐付けます。バッチ全体の異常というより、バッチの中に異常値の製品ががあるようなケースは、こちらの方が良いです。

「センサーデータは２次データを紐付けると良い」、と書きましたが、センサーデータの１次データを「多」のデータとみなして、１対多の紐付けをする方法もあります。

ただし、この方法では、バッチの特徴の違いが、うまく抽出できないことがあります。また、解析結果が、考察につながりにくいこともあります。

「月」ごとに平均値を計算する時は、「月」の列があれば、Excelでしたら、ピボットテーブルを使ったりして、月ごとの平均値を計算できます。

「月」の項目がなければ、作る必要があります。例えば、各行に、「2012/3/4 5:06」のような形式で時刻のデータがあるのでしたら、「201303」の形式の項目を作る必要があります。筆者は、「=text(セル番号,"yyyymm")」という関数を使っています。

３次データの形では、数理モデルを使った解析としては、重回帰分析、決定木が活躍しやすくなります。

ただし、これらの手法では「時系列」の情報を入れにくいので、普通の折れ線グラフも使った方が良いです。

加工と検査で順番が異なる場合は、それぞれの順番にデータを並べて、それぞれを折れ線グラフ等で解析すると、問題の原因が、加工にあるのか検査にあるのかを推測できる事があります。問題になっている事象が連続して起きている工程の方が、原因の可能性が高いです。

３次データを解析すると、１次データの解析では、よくわからなかったデータの特徴がわかります。

３次データの解析結果を頭に入れながら、もう一度、１次データを見直すと、３次データでわかった事が、元のデータではどんな風に見えているのかがわかります。

準周期データの分析の最終的な結論は、３次データの解析だけでなく、１次データの再解析の結果も踏まえると、しっかりしたものになります。