不適合のパレート分析のためのテキストエクスプローラこんにちは、
顧客は、テキストエクスプローラを使用してQAデータベースを調べることに興味があります。彼らは、データベースの各エントリに関連するフリーテキストのコメントを見ることによって提起されたコンプライアンス違反の問題についての洞察を見つけることができるかどうかを見たがっています - これらはこの場合の文書です。 それはトラックデータのトピックを探すのに似ています。
彼らがしたい主なことは、トピック分析を使用して文書を分類することです。これにより、パレート分析を行い、改善活動を最も一般的な不適合タイプに集中させることができます。
私には今のところ良い答えがありません。
1。トピックの最も有用な数をどのように決めることができるかについてのガイダンスはありますか？これに役立つ診断はありますか？それともあなたが役に立つトピックを追加していないときにガイドするためにドメインの知識を使うケースですか？
2。トピックを特定したら、各トピックに関連付けられている文書の数を数える簡単な方法はありますか？
あなたのコメントを楽しみにしています。
よろしく、
フィル
再：パレート分析不適合のためのテキストエクスプローラありがとう、ピーター。素晴らしいアイデアです。
フィル
再：パレート分析不適合のためのテキストエクスプローラありがとう、ダン。本当に参考になりました。
フィル
再：パレート分析不適合のためのテキストエクスプローラPhil：
いくつか考えます。
1。トピック数これはコンプライアンスを重視しているように思われるので、過去の監査からの不適合の発見のリストはありますか（内部または外部、私は考えていると言います）。これは、その数を判断するためのガイドになります。さまざまな種類の違反が見つかったことはありますか。
2。多くの場合、これらの非準拠タイプには、FMEAタイプの分類が関連付けられています。そのため、検出する確率、発生の重大度、発生の可能性など これもまた、調査対象のシステムに影響を与える不適合の数を特定するのに役立ちます。些細なことを無視する。本格的なFMEAが存在する場合（うまくいけば、...）、是正措置の前にRPNリストを参照します。
3。最後に、データをカテゴリと話させてください...潜在クラス分析はここで助けになるでしょうか？
再：パレート分析不適合のためのテキストエクスプローラPhil -
＃1の場合、一般的には
十分な分離を得るのに十分なトピックが必要です。トピックが多すぎて重ならないようにします。LCAには便利なプロットがあります。これは、この数を決定する際の補助に役立ちます。それはMDSプロットです。トラックでは、3つのトピックで見ることができます、おそらく100で、あまりにも多くの重複があります。
具体的な質問については、トピック分析（SVDまたはLCA）を使用して、6Mに関連する原因としてクラスターを分類すること（メソッド、母なる自然、人手、測定、機械、材料）が良いワークフローであると思います。 これは、クラスタ1、クラスタ4などに対してより有用なラベルになります。それから、あなたは特定のカテゴリーに関連しているトップ用語を見ることができます。LCAはBICを報告し、さらにクラスタおよびクラスタ混合確率によるターム確率も報告します。クラスタ別に用語確率を並べ替えることも便利です。トラックの場合 LCAまたはSVDのトピック分析は、代替方法よりはるかに高速にビニングプロセスを支援するか（各個別のドキュメントを読むこと）、または問題を報告する時点でエンジニアが要求事項ごとにバケツに記入する必要があります。
ヒースラッシュは、のテキスト分析の記事でFDAの医療機器の不適合の別の例を通過します JMPフォーワード 。彼はまたそれをカバーしていますウェブキャストと技術的な話デモ 。データテーブルはここに 。
＃2では、LCAを使用して、最も可能性の高いクラスタをデータテーブルに保存できます。そしてそこから表を作成してください。または、コンテキストメニューからクラスタ混合確率の表のデータテーブルをデータテーブルに保存します。あなたは確率から総合的なドキュメントを得て、それからテーマで各クラスターにフラグを立てるためにドメインの専門知識を使うことができます。
繰り返しになりますが、FDAの検査引用の例では、数分で2万7千件のケースレコードからトップトピックに移動するのではなく、それぞれの長い説明とビニングを手作業で読むのに比べて大幅に時間を節約できます。5つまたは7つのトピックがありますか？それは、ドメインの専門知識に基づいて、そしてトピックごとのMDSプロット/クラスター確率/トップタームなどを見て判断することになるでしょう。
いずれにせよ、私が次に注意を向ける必要がある場所を見つけることが正しいことを直接私に指摘することになります。
