生産プロセスでのデータ分析と Low-Code ツールでのハンズオン
Download as PPTX, PDF1 like364 views
工場の生産プロセスを題材に、Low Code ツールを使ってのデータ分析を行っていきます。 ハンズオン用手順とデータ: https://github.com/dahatake/Azure-Workshops/tree/master/LowCode_DataAnalytics_Factory
生産プロセスでのデータ分析と Low-Code ツールでのハンズオン
- 2. アジェンダ
- 3. アジェンダ
- 4. 設計・開発 サプライ チェーン 計画 製造 営業 アフターサー ビス 需要予測 キャリブレー ション ソフトセン サー 品質予測 サポートBot 予兆保全 価格最適化 安全対策 在庫最適化 工数予測 マーケティン グ オートメー ション トレーサビリ ティ ワランティ分 析 ロボット自律 化 構造解析 レコメンデー ション 異常検知 マシン ティーチング リソース割り 当て 訪問回数 最適化
- 7. 工程データがサイロ化されているため、 工程全体を考慮した品質管理ができない状態に 工程1 工程2 工程3 工程N ・・ ・ 原材料 データ ソース ? ? どこの工程が原因か わからない... データがバラバラで 関係性がすぐにわからな い...
- 10. バッチ PCの ファイルシステ ム Power BI Azure Machine Learning File server Database 機械学習 での解析 データ加 工 可視化 設備 設備 ストレージ PC bronze -> silver -> gold ユーザーが自由に 工程データ 原材料 工程データ＋原材料 Azure Data Lake Storage Gen2
- 11. バッチ Azure Data Lake Storage Gen2 Azure Synapse Analytics Power BI Azure Machine Learning File server Database Self-Hosted Integration Runtime 統合DB+データ加工 機械学習 での解析 可視化 設備 設備 ストレージ Azure bronze -> silver -> gold ユーザーが自由に 工程データ 原材料 工程データ＋原材料
- 12. Azure Data Lake Storage Gen2 Azure Synapse Analytics Power BI Azure Machine Learning File server Database Self-Hosted Integration Runtime Self-Hosted Integration Runtime 統合DB+データ加工 解析 可視化 設備 設備 IoT Hub Azure Stream Analytics 設備 + ストリーム ストレージ Azure
- 13. データウェアハウスとビッグデータ分析システム全体のあらゆるデータから 驚異的なスピードでインサイトを提供する無制限の分析サービス 統合されたエクスペリエンス Azure Synapse Studio 統合 管理 監視 セキュリティ Analytics ランタイム SQL Azure Data Lake Storage Azure Machine Learning オンプレミス データ クラウド データ SaaS データ ストリーミング データ Power BI
- 14. 自社内のデータ クラウド上のデータ 多様なデバイスでアクセス Excel 蓄積されたデータ群 ビジネスデータを ダッシュボード形式 で 可視化し クラウド上で チームに共有 Power BI 誰もが容易にデータ活用を行い、必要に応じて共有することを目的としたツールと プラットフォーム
- 16. アジェンダ
- 17. Excel
- 21. Positive (right) skew データの傾きをチェック (ロングテール) Mean Median Tip: (Generally) If mean is right of median, data is right skewed. あなたのデータはどんな形状をしていますか? • よくあるパターンなのか、異なるのか? • 処理する価値があるのか? Mean (average) = 0 バイモーダル分布 = 2 m = 0 Mean (average) 凡そ Median 最頻値 (最も数が多い値) 正規分布(Gaussian or “Bell curve”)
- 25. • キャンペーン・広告に反応する優 良顧客の属性分析 • 品質不良に影響を与える 製造工程データの分析 ユースケース 機械学習を用いた KPI 要因探索を行うビジュアル 内部では統計解析のアルゴリズムが 複雑なデータの特徴を自動分析 • 主要なインフルエンサ • L-BFGS回帰、SDCA回帰 • 上位セグメント • FAST Tree
- 27. カテゴリ外れ値 (上/下) 時系列の変更点 相関関係 低差異 マジョリティ (主要因子) 時系列の全体的な傾向 時系列の周期性 安定した共有 時系列外れ値 ユーザーの特別な操作を必要とせず Power BI がデータから洞察を提 供
- 30. Responsible AI Industry leading MLOps Open & Interoperable For all skill levels あらゆるスキルレベルに対 応し、 ML の生産性・利便性を向 上 DevOps 連携による ML ライフサイクルの運用管 理 責任のある ML ソリューションの構 築 オープンテクノロジー の採用と相互運用性の 実現
- 31. • 直感的なマウス操作でパイプライン 構築 • 特徴量エンジニアリング • モデル学習 (回帰、分類、クラスタ リング) • 推論 (リアルタイム & バッチ) • カスタムモデル・スクリプト 機械学習のモデル構築、テスト、デプロイするためのビジュアルパ イプライン ※ 参考 : Azure Machine Learning デザイナー とは https://docs.microsoft.com/ja-jp/azure/machine-learning/concept-designer
- 32. データのインポー ト データの手動入力 データのエクスポ ート データのビン化 データ結合 データ正規化 パーティションとサ ンプル 重複行の削除 SMOTE 列変換 列の選択 データの分割 列の追加 行の追加 算術演算の適用 SQL 変換の適用 欠損値の除去 値の置換 CSA への変換 データセットへ変換 インジケーター値へ変換 メタデータの編集 フィルター特徴量選 択 Permutation 特徴量 デシジョンツリー ディジョンフォレスト 高速フォレスト分位点回帰 線形回帰 ロジスティック回帰 ニューラルネットワーク ポワソン回帰 ブーストデシジョンツリー サポートベクターマシン K-Means クラスタリング DenseNet ResNet SVD Recommender Wide Deep Recommender PCA 異常検知 LDA Python モデルの作成 Python スクリプトの 実行 R スクリプトの実行 画像データ変換処理 画像データの分割 テキスト前処理 Word2Vec Glove FastText クロスバリデーショ ン スコアリング パラメータチューニ ング
- 34. ユーザーの 入力 特徴量 エンジニアリン グ アルゴリズ ム の選択 ハイパーパラ メータ のチューニング モデルの リーダーボードと 解釈 データセット 設定と制約 76% 34% 82% 41% 88% 72% 81% 54% 73% 88% 90% 91% 95% 68% 56% 89% 89% 79% 順位 モデル スコア 1 95% 2 76% 3 53% … 自動機械学習は、与えられたデータに対して「最高のモデル」を探索す るために、 特徴量エンジニアリング、アルゴリズムとハイパーパラメータの選択を 自動実行します。