SFI正式版への道＃２　AIの前に、まず「見たい」

機械学習まで回す機会は、実はそれほど多くない。一方で、日々の「ちょっとデータを確認したい」に、現場はずっと困っていた。SFI正式版で足した「機械学習の前の分析機能」を書きます。本記事は全6回の連載「SFI正式版への道」の第２回となります。

みなさん、こんにちは。Vertysの山本です。

今日は、機械学習の「手前」 の話です。

毎日AIを回す工場は、ほとんどない

---

AIでモデルを作るのは、新製品の立ち上げや品質問題の発生といった節目のときです。せいぜい数か月に１回でしょう。

一方で、毎日のように発生している仕事があります。

「昨日の夜勤から、温度の挙動がおかしい気がする」

「この品質スコア、どの項目と連動してるんだっけ」

こういう 「ちょっとデータを見たい」 です。そして、その多くはいまだにExcelで行われています。

AIの手前で毎日困っているのに、そこに道具がない。 ここは見過ごせない穴でした。正式版で足したのは、次の4つです。

追加機能	解決すること
相関クラスタの自動抽出	ヒートマップから、 連動する項目群を自動で拾う
目的変数ごとの相関ランキングと散布図	「どれから確かめるか」の順番を出す
全変数トレンドの一括作成	データ全体のふるまいを、まず眺める
グラフのリッチ化	描いたグラフを、そのまま報告に使う

①　相関行列は、人の目では「読めない」

相関行列ヒートマップは、データ解析の定番です。でも、項目が増えると、組み合わせは一気に膨らみます。

図：組み合わせ数

100項目で4,950通り。ここから「どの項目群が連動しているか」を人の目で拾うのは、ほぼ無理です。下記、見れませんよね？

そこで、相関の強いかたまりを自動でグループ化し、一覧にする機能を追加しました。

図：相関クラスタ一覧

たとえば上の例では、「積算電力量」と「累積稼動時間」の相関が0.998。ほぼ同じものを、2本のセンサで見ているということです。

連動する項目群から代表を1本選べば、見るべき本数が一気に減ります。後の機械学習で、似た項目が多すぎて結果が不安定になる問題も、手前で潰せます。

1本ずつ見るな、束で見よ。

②　目的変数が決まっているなら、順位をつける

現場のエンジニアさんの頭には、たいてい「見たい目的変数」が最初からあります。知りたいのは、「これに効いていそうな項目は、どれか」 です。

SFIでは、目的変数を選ぶと、

• 説明変数を、相関係数の順に自動でランキング
• 上位の項目について、散布図を一括表示（回帰線と相関係数つき）

までを自動でやります。

ただし、相関は答えではありません。一部の外れ点だけで相関が高く見えることもあるし、点のかたまりが2つに分かれていれば、装置や品種の混在を疑うサインです。だから、数字だけでなく散布図で形を確かめる。「次に確かめる順番」を最短で出す道具です。

③　全変数のトレンドを、一度に並べる

ベテランのエンジニアさんは、いきなり相関を計算しません。まず、全項目の時系列をざーっと眺めて、感覚をつかむ。段差がある、周期的に揺れている、同じタイミングで動いている──。

この工程を飛ばすと、データの癖に気づかないまま、もっともらしい結論を出してしまう。これが一番怖い。

そこで、全変数のトレンドを一括で作る機能を入れました。500項目×数千サンプルでも、数秒で描き切ります。

④　グラフは「描ける」だけでは足りない

5種類のグラフの設定を、大幅に増やしました。

図：グラフ4種のリッチ化

グラフ	何を見るか	正式版で加えた主な設定
トレンドグラフ	時間軸での変化	平均線と±1σ〜±3σの帯、移動平均と移動標準偏差の帯、層別の色分け
ヒストグラム	分布の形	規格値、ビンの自動設定、±1σ〜±3σの統計線
散布図	2項目の関係	規格値、層別（シフト別など）の色分け、回帰曲線と決定係数
箱ひげ図	層別のばらつき	装置別などの比較、観測点の重ね描き、規格値
棒グラフ	カテゴリ別の集計	装置ID別などの集計値の並列表示
全グラフ共通	―	凡例・グリッド・注釈、基本統計量の自動表示

なぜここまで作り込むのか。現場のグラフは、報告に使われるからです。

規格値の線が引けない、層別の色分けができない。そうなると結局、Excelで作り直すことになります。それでは、道具として半分しか役に立っていません。

今日のまとめ

---

• 機械学習まで回す機会は少ない。現場が毎日困っているのは、その手前の「ちょっと見たい」
• 相関クラスタで、読み切れないヒートマップから連動する項目群を一覧化
• 相関ランキングと散布図で、「次に確かめる順番」を最短で出す
• 全変数トレンドで、全体のふるまいを見通す
• グラフのリッチ化で、そのまま報告に使える

毎日使われる道具になれるかどうかは、こういう地味なところで決まります。

次回は、新規分析列とビニングの話です。回帰では精度が出なかったのに、区切った途端に傾向が見えた──PoCで何度も出てきた例を書きます。

それでは、また次回。