Text Explorer zur Pareto-Analyse von VerstößenHallo,
Ein Kunde ist daran interessiert, mit dem Text Explorer eine QS-Datenbank anzuzeigen. Sie möchten herausfinden, ob sie Einsicht in Probleme mit Verstößen haben, indem sie sich die Freitextkommentare ansehen, die mit jedem Eintrag in der Datenbank verknüpft sind. Dies sind in diesem Fall die Dokumente. Dies entspricht dem Suchen nach Themen in den LKW-Daten.
Das Wichtigste, was sie tun möchten, ist die Kategorisierung der Dokumente mithilfe der Themenanalyse. Dies würde es ihnen ermöglichen, eine Pareto-Analyse durchzuführen, um die Verbesserungsaktivitäten auf die häufigsten Arten von Verstößen zu konzentrieren.
Ein paar Fragen, auf die ich momentan keine guten Antworten habe:
1. Gibt es eine Anleitung, wie Sie sich für die nützlichste Anzahl von Themen entscheiden können? Irgendeine Diagnose, die dabei helfen würde? Oder geht es darum, das Wissen über die Domäne als Leitfaden zu verwenden, wenn Sie keine nützlichen Themen hinzufügen?
2. Gibt es nach der Identifizierung von Themen eine einfache Möglichkeit, die Anzahl der mit jedem Thema verknüpften Dokumente zu zählen?
Ich freue mich auf Eure Kommentare.
Grüße,
Phil
Betreff: Text Explorer zur Pareto-Analyse von VerstößenDanke, Peter. Tolle Ideen.
Phil
Betreff: Text Explorer zur Pareto-Analyse von VerstößenDanke, Dan. Wirklich hilfreich.
Phil
Betreff: Text Explorer zur Pareto-Analyse von VerstößenPhil:
Ein paar Gedanken:
1. Anzahl der Themen? Gibt es eine Liste von Verstößen gegen die Compliance-Richtlinien (ich denke, intern oder extern, sagen wir ISO'ish) aus früheren Audits? Dies kann hilfreich sein, um die Anzahl zu bestimmen ... Wie viele verschiedene Arten von Verstößen wurden festgestellt?
2. Häufig ist mit diesen Nichteinhaltungstypen eine FMEA-Typenkategorisierung verbunden. Also eine Wahrscheinlichkeit zu erkennen, Schwere des Auftretens, Wahrscheinlichkeit des Auftretens, etc. Auch dies kann Ihnen helfen, die Anzahl der Verstöße zu ermitteln, die sich auf das untersuchte System auswirken. Das Triviale ignorieren. Wenn es eine vollständige FMEA gibt (hoffentlich? ...), würde ich mich vor einer Abhilfemaßnahme an die RPN-Liste wenden.
3. Zuletzt lassen Sie die Daten zu den Kategorien sprechen ... könnte eine latente Klassenanalyse hier helfen?
Betreff: Text Explorer zur Pareto-Analyse von VerstößenPhil -
Für # 1 im Allgemeinen:
Sie benötigen genügend Themen, um eine ausreichende Trennung zu erreichen. Aber nicht zu viele, damit sich die Themen zu stark überschneiden. Die Ökobilanz enthält ein nützliches Diagramm, mit dessen Hilfe die Anzahl ermittelt werden kann. Es ist die MDS-Handlung. Bei LKWs kann man mit 3 Themen sehen, es gibt vielleicht zu viel Trennung, bei 100 gibt es zu viel Überlappung.
Für Ihre spezifische Frage denke ich, dass ein guter Workflow darin bestehen könnte, die Themenanalyse (SVD oder LCA) zu verwenden und dann die Cluster als Ursachen für die 6Ms (Methode, Mutter Natur, Arbeitskraft, Messung, Maschinen, Materialien) zu klassifizieren. Das wäre eine nützlichere Bezeichnung im Vergleich zu Cluster 1, Cluster 4 usw. Dann sehen Sie die wichtigsten Begriffe, die sich auf eine bestimmte Kategorie beziehen. Die Ökobilanz gibt den BIC und auch die Begriffswahrscheinlichkeiten nach Cluster- und Cluster-Mischungswahrscheinlichkeit an. Das Sortieren der Begriffswahrscheinlichkeiten nach Cluster ist ebenfalls hilfreich. Im Falle von Trucks. Entweder hilft die LCA- oder die SVD-Themenanalyse beim Binning-Prozess viel schneller als die Alternative (Durchlesen der einzelnen Dokumente), oder die Techniker müssen zum Zeitpunkt der Meldung des Problems ein Formular ausfüllen, um jeden Verstoß zu vermerken.
Heath Rushing geht auf ein weiteres Beispiel von Verstößen gegen die FDA-Bestimmungen für Medizinprodukte im Text Analytics-Artikel in der JMP vorwärts . Er deckt es auch in der Webcast und Technik sprechen Demo . Die Datentabelle ist Hier .
Für # 2 können Sie mithilfe der Ökobilanz den wahrscheinlichsten Cluster in der Datentabelle speichern. Und von dort tabellieren. Oder speichern Sie eine Datentabelle der Tabelle der Cluster-Mischungswahrscheinlichkeiten über das Kontextmenü> In Datentabelle umwandeln. Sie können Gesamtdokumente aus der Wahrscheinlichkeit abrufen und dann mithilfe von Domänenexpertise jeden Cluster mit einem Thema kennzeichnen.
Auch im Fall des FDA Inspection Citations-Beispiels ist es eine enorme Zeitersparnis, in wenigen Minuten von 27.000 Fallaufzeichnungen zu Top-Themen zu gelangen, verglichen mit dem manuellen Lesen jeder langen Beschreibung und Zusammenfassung. Sollte es 5 oder 7 Themen geben? Nun, das wird ein Urteilsspruch sein, der auf Domain-Expertise basiert und die MDS-Diagramme / Cluster-Wahrscheinlichkeiten / Top-Terms pro Thema usw. betrachtet.
In jedem Fall wird es mich direkt nach rechts lenken, um herauszufinden, wo ich meine Aufmerksamkeit als Nächstes konzentrieren muss, was meiner Meinung nach das ultimative Ziel ist.
