toorPIA 分析パッケージ で
データサイエンティストの分析業務を効率化
▋ データ分析業務を効率化する強力なツール群
-
独自の MAP化技術による高次元ビッグデータの全体構造・特徴の把握、分析をサポート
-
インタラクティブなMAPデータの特徴量探査ツールを提供
-
PLCや計測器のデータや、振動/音など 幅広いデータタイプに対応
-
次元制限なくデータ分析でき、前処理効率UP
-
JupyterNotebook による操作・手順テンプレートを提供
▋ 高度な toorPIA の機能を JupyterNotebook から活用可能
-
ブラウザ上から JupyterNootbook を介して操作
-
汎用的な 解析テンプレート Notebook ライブラリ を提供
-
処理手順、説明、結果をノートブックで一元管理可能
-
ユーザ数制限なし。各ユーザは自分のホームディレクトリ以下でセキュアに解析作業可能
-
特定ユーザが所属する分析グループで作業を共有することも可能
▋ 独自のMAP化技術による高次元ビッグデータの構造・特徴の把握
-
SQC手法（多変量解析など）、AI（機械学習）に並ぶ新たなデータ解析手法
-
目的変数、評価軸が定まらず、解析手順が明確でない段階でも、データをありのままの状態で可視化（MAP化）可能
-
CSVの一行（レコード）が1点としてプロットされ、データの類似度によりデータ全体の構造が見えてくる
-
MAPから得られる俯瞰的情報（データの疎密、外れ値、全体形状など）により、大きな傾向や着目すべきエリアを顕在化
-
製造データや機器稼働データでは安定的なデータ（正常データ）が密集度の高いエリアを形成し、不安定な状態（いつもと違う状態）は、ばらつき疎なエリアを形成する事が多い
▋ インタラクティブなMAPデータの特徴量探査ツールを提供
▶︎ JupyterNotebook に統合された使いやすいツール
-
MAPから得られる俯瞰的情報（データの疎密、外れ値、全体形状）に基づくデータのインタラクティブな深掘りをサポート
-
着目するデータ群を簡単な操作で探査、特定の条件を満たすデータ特徴量の絞り込みが可能
-
MAP上のプロットの選択エリア（ピンポイントの選択も可）に含まれるデータの特徴（平均値、偏差値）を表示
-
二つの選択エリアの比較（差分）を表示
-
選択エリア内に含まれるデータの Export機能 により、データの仕分けやノイズ除去等のクレンジング用途に活用可能
-
MAP上で変数の範囲を指定し、対象となるデータが含まれるプロットを着色
-
最大６変数まで、And条件、Or条件で範囲指定可能
▋ 分析Toolkit操作例: 監視モデル&追加プロット
▶︎ 正常状態との比較を可能にする「追加プロット」機能
-
正常時のデータから生成したMapから正常・異常監視モデルとなるBase Mapを自動生成（モデルチューニングのためのパラメタはユーザが自由に変更可能）
-
新たに生成されるデータをBase Map上にリアルタイムプロット（追加プロット）することで、現在の状態の正常度（or 異常度）をシームレスに判定
-
分析ツールキットで生成・同定されたBase Mapをモニタリングパッケージで利用する事で、製造ラインの安定稼働のモニタリング、機器の異常（予兆）監視が可能
製品に関する資料は以下のページからダウンロードできます。
お試しプランや製品価格などの問い合わせは以下のフォームからお願いいたします