Try

DN7を初めて使う方向けのチュートリアルです。様々な使い方が記載されていますので、中級者の方にも活用いただけるかもしれません。説明の中でAPと書いてあったらAnalysis Platformのことです。

事前にSetのページで設定のチュートリアルを終わらせてください。以降、選択項目などそれ前提で書かれています。
設定まだの方はこちら。(Titanicのデータでやってみる…)

中級以上の方は、この画面参考にしながらご自身のデータでいじっていただいても大丈夫かと思います。上級者は斜め読みしてください、何か新しい発見があるかも。

データを見てみましょう！

最初にしていただきたいことがあります。特に単発のCSVを見る場合。

多くのDN7の機能では、いつからいつまで表示して、とか、この期間のデータを使って、というものが多いです。

さて、このタイタニックのデータ、どこの期間にあるのか、「Excelを開いてCSVを見て、日時の最小値と最大値を調べて」、というのはデータドリブンっぽくないです。DX化を進めるために、まず「Excelで開く」という行為は、この際忘れ去りましょう(Excelで開いて保存すると特にBig Data の場合、データを破壊されることもあります。醜悪で、手が付けられなくなるので止めときましょう)。

一応、2022年4月の日時のデータが入っている、というところからスタートします。まず、CHM：カレンダヒートマップを使います。

全数プロットFPPで、全てのデータをガチで見る

全て設定したら、[グラフを表示]を押すと、FPPが表示されます

画面上部にあるのがラベルプロットになります。まとまったカテゴリを持つところが帯として表示されています。マウスカーソルを各ラベルに合わせると境界線が表示されます。

実際の工程においては、このラベルに、ロット番号・バッチ番号・処理号機番号・処理ステーション番号・機種などを表示することで、特性がどこで変化したのか、といったことを確認することができます。

トレーサビリティにも使えるPlot View　製品データを手軽に手中に

なお、各表の左上にあるコピーアイコンを押すと、その表をクリップボードにコピーすることができ、メモ帳やExcelに張り付けして活用することができます。

両者は同じTitanic_Mainのデータです。ヒストグラムを見ると同じ分布をしていますが、時系列データはだいぶ見た目が変わっています。プロットされる順番や間隔が変わっています。

工程のデータでは、ある特定のデータのプロセス処理時間を基準に他の工程のデータを並べ見比べることで、複数工程間の関係を見出し易くなります。この例のように、着目したい時間軸(のデータテーブル)を[起点]に選ぶことによって、その時間を基準に各変数をプロットすることができます。
※ [起点]が空欄の場合は、最初に設定されている変数の時間を参照します。

FPPで、カテゴリで並べる

今回はTitanic_Mainの時系列が細工されていたので、いい感じにカテゴリが並んでいましたが、実際のデータはTitanic_Resultの時系列のようにカテゴリが細切れに入れ代わり、頻度が高すぎてカテゴリの帯が見えないことも少なくないです(幅があまりにも短いラベルは省略されます)。
このような際でもカテゴリ依存性がないかを確認するのが、インデックス順のプロットです。

超便利　オンデマンドフィルタ機能

なお、このプロットの上辺に打点されている赤い点は外れ値と識別された点です。
(実際はもっとプロット領域の上方に打点されるものです。フィルタリングで、数値の大きい旅客クラス2や3のデータが除かれたため、旅客クラス1の一部のデータが外れ値とみなされるようになったようです。とんでもないお金持ちがいそうですね)

工程の必需品　層別プロットStPで、層別し、違いを知る

分割する要素であるファセットFacet設定を更に追加してみます。
性別⇒ Lv2

Firstクラスは、男性が年齢高めで、40代のみ男性が多く夫婦での乗船と業務渡航者が混ざっているといったところでしょうか。

工程では、旅客クラス⇒装置号機、性別⇒ステーション番号、というようなシチュエーションになります。装置間差やステーション間差がはっきり掴めていますね。
不良が多い(故障が多い/加工ばらつきが大きい…)ステーションとその他のステーションを比べてみる、といったことが可能になります。工程改善で、どのような機差があるか、何に着目すべきか、などの知見を得られる、非常に有効なツールです。

相関関係はまずは散布図　散布図行列MSPで低次元の相関関係を見る

相関関係を見てみます。
まずは、散布図と行きたいところですが、複数変数があるとそれらを網羅するには散布図行列、ということになります。

で、表示するとこちら、ですが、元のデータがよくないのですが特に離散値同士の一番左下の散布図、「旅客クラスと生存状態」の関係は6つの点に縮退してしまっています。　(当然といえば当然ですが…)

そこで使っていただきたいのが濃淡散布図機能。散布図行列の右上にあるスイッチを変えるとこちらのようになります。

点だったところがボヤっとしているのはカーネル密度推定という手法を使っているからです。さっきの左下の散布図でボヤっとしているところにデータが存在しているかというとそんなことはないです。少し気を付けましょう。

実は散布図はBig Dataに対応していないのですが、この濃淡散布図はBig Dataでも描けるように工夫されています。
さらに、外れ値のみは別途クローズアップして見れるように、濃淡散布図にオーバレイ(重ね書き)してプロットされるようになっています(白い点)。

パラレルコーディネートプロットPCPで原因を探る　散布図の限界を超える多次元相関関係の可視化

散布図行列では原理的にnC2の組み合わせの散布図が生成されます。2変数では1個ですが、5変数では10個、7変数では上記にあるように21個。10変数では45個。多変数になると使用するのは非現実的です。

パラレルコーディネートプロット(平行座標プロット)は、特に多次元において、相関行列に代わり、相関関係やクラスタリング、外れ値の確認を行えるツールです。

idは本来あまり意味がありませんが、多次元でもいけるということで、Titanic_MainとTitanic_Result両方[全部]を選択しましょう。

時間は、この例の場合最初の変数をTitanic_Mainにしているので、そのデータ区間でもいいですが、ざっくり入れても大丈夫です。
例：2022-04-13 00:00 – 2022-04-16 00:00　(Titanic_Mainのデータ区間は2022-04-13 11:00 – 2022-04-14 09:00)

目的変数(虹色の着色基準になる変数)は、本来「生存状態」と行きたいところですが、離散値なので連続値用の平行座標プロットに向きません。ので、ここでは実験的に実数Realである「年齢」を目的変数としてみましょう。

確かに「同乗」の2変数は少ないし、まあそうかもしれません。あと生存者(生存状態=1)は確かにidの先頭に集まっているようです。(名簿の)idの先頭には旅客クラスが高い人が登録されているので、高いクラスの高齢者は助かった、かもしれませんね。

この図ではピンクの選択領域を50代まで含めて、生存状況や旅客クラスを年齢の近くにもって来たものですが、50代以上の女性はFirstクラスの人中心に助かっている、といえそうです。

軸ラベルで右クリックし、[目的変数に選択]を選ぶと、その軸の変数が虹色の着色基準になります。

この機能は工程で役立つときがあります。ある値以上がNG(良品判定)になる製品があった場合、そこから上にピンクの選択領域を設定して、各変数で、上限もしくは下限側にそれらのデータが集中する変数(例えば制御圧力)があった場合、その制御圧力のばらつきを少し押さえたら不良が減る可能性があります。不良が発生した特性端部の特性ずれに対して、どの変数が重要か、を視覚的に捉え推定することができます。

ピンクの選択領域は、同じ軸の別の場所をクリックすると消えます。

また、特に離散値の軸は表示されている数字の周辺をクリックするとその数値の軸周辺を自動選択してくれます。

なお、このデータではそこまで明確ではないですが、運賃には、低い運賃グループと高い運賃グループの間に空白があるので、それぞれがクラスタ化しているかもしれません。
このように色がスプリットしている場合はクラスタ化している可能性を示唆してくれます。

パラレルカテゴリで高次元な層別を　不良の原因の機差を炙り出す

このPCPは容易にパラレルカテゴリへ表示を切り替えることができます。
パラレルカテゴリプロットは、連続値の測定値が少なく、カテゴリ記録しか残っていないような製品やラインなどでも効果を上げることができます。各変数の項目毎に構成比を示す色の帯を描画するプロットで、多次元での層別や間差分析を視覚的に行います。色の比率が異なるところが注目ポイントです。

工程ではパラレルカテゴリ(平行セット、Parallel Setsとも呼ばれます)は、不良の原因工程の特定に使われます。目的変数に不良のカテゴリ比率を用いた際に、例えばライン、加工ステーション、検査ステーション毎などでカテゴリ比率を見た場合、本来、どのステーションでも同じ比率にならないといけませんが、特定の不良を作り込む工程が特定の(例えば機差がある)ステーションに存在した場合、構成比率が目的変数と異なります。もしくは他のステーションとの比率構成がそのステーションだけ異なることもあります。このような場合、そのステーションが他とは割合の異なる不良カテゴリを作り込んでいる可能性(他よりよいケース、もしくは他より悪いケースどちらともあり得ます)があります。よいケースが見つかった場合は、そのステーションに他も合わせれば全体的によくなっていきますね。

偏りや間差がなければ、全てのグループが同じ色の比率となるはずなので、目的変数における色の比率と異なるグループを見つけるのが着目点となります。機種間差・ライン間差・号機間差・ステーション間差など幅広い間差についての洞察を得られます。また、連続値の記録が少ないラインは少なくなく、カテゴリ値しか残っていない工程でも十分活用できます。