一种利用文本挖掘技术调查多品种、小批量生产线质量问题的方法_细岛彰 (2021-JA-25MP-03)级别：中级
值得一提的是，文本挖掘技术在工程部门也有着广泛的应用，例如通过对维护记录进行文本挖掘，分析质量趋势并报告优化维护方案。本报告将介绍一个案例，该案例通过对生产绩效数据的文本挖掘，发现了质量和生产力问题，并确定了其原因。
生产绩效数据包含数十个变量，例如机器和操作员编号、加工条件、物料条件以及特殊备注。特殊备注是操作员在发生异常事件时手动输入的文本数据，由于其中包含与异常事件无关的词语，因此这些词语被标记为停用词并从分析中排除。接下来，通过重新编码，将“错误、错误、错误”等同义词替换为单个词。经过此预处理后，将频繁出现的异常词语的有无记录在一列中。通过分析这些异常词语的有无与生产条件等两个变量之间的关系，可以清晰地了解机器、操作员、加工条件和物料条件等异常情况与异常事件之间的相关性，从而确定异常的原因。
高级统计建模自动化和脚本编写基础数据分析与建模消费者和市场研究内容组织数据融合与清理数据探索与可视化大规模定制预测建模和机器学习质量与工艺工程可靠性分析
