前処理（クレンジング）– category –

前回の記事では、FFTが使えない低周期データから波形の「性格」を炙り出す「Rolling Window（移動窓）」の強力な手法をご紹介しました。一定のスピードや負荷で稼働し続ける設備であれば、この方法でも十分に予兆を捉えることができます。 しかし、実際の...

機機械設備の予兆検知といえば、真っ先に「振動センサーを用いたFFT（周波数解析）」を思い浮かべる方が多いでしょう。ベアリングの傷などを高周波のピークとして捉える、非常に強力で王道の手法です。 しかし、実際の製造現場やデータ分析の現場では、理...

センサーデータやログデータなど、日々蓄積される大量の時系列データには、装置の異常兆候、環境の変化、ユーザー行動のパターンなど、重要な“傾向”が潜んでいます。しかし、何億・何十億行にも及ぶデータをそのまま可視化するのは現実的ではありません。...

深層学習（ディープラーニング）を用いた画像分類では、高精度なモデルを構築するために膨大な量の学習データが求められます。しかし、現実には十分な画像データを収集するのは難しく、多くのケースでデータ不足が課題となります。 そこで活用されるのが I...

本記事は「【成功の秘訣】現場で使えるデータ分析手順を体系的に解説」で紹介した前処理（クレンジング）の具体的な手順と、前処理（クレンジング）で良く用いられる手法のPythonサンプルコードを紹介しています。 前処理（クレンジング）の目的 前処理（...

工場で使用されるフォークリフトでは、稼働率の把握や経路の最適化を行うために、GPSなどの位置情報を利用することがあります。また、建設や農業で使用される特殊車両では、テレマティクスで収集した位置情報を活用し、顧客満足度の向上を図る試みが行われ...