數(shù)據(jù)分析

yueyueyue816421

如何深入學習數(shù)據(jù)分析,？ 目前已經(jīng)學習了numpy, pandas, matplotlib 的基本使用方法，但還停留在理論階段,，如何深入學習呢？大神們有好的數(shù)據(jù)分析實例教程,，或者適用于自學者的數(shù)據(jù)分析網(wǎng)站或論壇推薦嗎,？51自學網(wǎng)！或是關注我,，給你發(fā)資料,！MES環(huán)境下，CNC數(shù)控系統(tǒng),、PLC壓裝及測試設備,、三坐標等數(shù)據(jù)提供了海量數(shù)據(jù)進行分析，而工業(yè)過程中,，由于變化因子較多,，且往往是在短期內(nèi)變化因子數(shù)量較少、在較長時間內(nèi)之前變化的因子又重新發(fā)生了變化,，而之前穩(wěn)定的因子,，又發(fā)生了變化，故,，我們稱之為因子變化的隨機性和不確定性,。 此時，數(shù)據(jù)源不成為問題,，而如何根據(jù)MES框架下的數(shù)據(jù)進行分析,，快速查找到產(chǎn)品失效的根本原因，則成為了重中之重,。本文提供一種分析思路,，用于解決沒有頭緒情況下的問題分析,。 時間序列分析，顧名思義,，是以時間為軸進行分析,，主要評價生產(chǎn)過程中的周期性變化；時間序列提供了很好的時間軸,，幫助用戶縮小問題范圍,；在具體使用時間分析時，有基于秒為單位進行時間序列分析,，也有基于小時和天進行時間序列分析,，這往往取決于要分析對象的變化周期或影響因素的變化周期，而天,，則是一個相對比較常用的變化周期：一方面考慮到在很多行業(yè),，潛在因素變化的概率較小,；另一方面,，則要考慮到生產(chǎn)過程中的抽檢特性，以便在分析問題時,，數(shù)據(jù)本身能夠具備映射關系,，便于分析。 上圖是作者在某具體項目時,，確認以天為時間軸,，進行數(shù)據(jù)分析，該時間軸覆蓋了2013/01/12到2014/02/10這段時間軸范圍內(nèi)的數(shù)據(jù),，通過時間序列分析發(fā)現(xiàn)（每天的樣本量約2000多）,不同天之間的Y輸出變化較大，具備選取時間為基準因素的條件,。注意,，選擇時間為基準因素時，我們將借用謝林BOB ,、WOW的概念在這里,；同時，需要注意選取BOB,、WOW樣本時,，樣本時間盡量間隔周期較短，避免長時間階段下其他因素帶來的影響（混雜其他因子）,；BOB和WOW的狀態(tài)差別也要夠大,，以避免α和β風險。 通過時間序列圖和正態(tài)性時間匯總信息,，本例中選定了兩組對應的BOB和WOW,，樣本量各為5,。此時，通過時間序列分析方法,，借用謝林BOB 和WOW的思想,，成功取樣，用以避免統(tǒng)計上的α和β風險,。而5對BOB和5對WOW對比,，也具備了99.4%的置信度（Man Whitny test）。 此時的5對5的檢驗,，目的是從連續(xù)性測試轉化到離散型測量上來,，用以規(guī)避傳統(tǒng)的連續(xù)性測試和離散型測量之間的非映射關系，此時,，通過,，自動調(diào)取三坐標中的關鍵零件測量數(shù)據(jù)（MES+環(huán)境下的三坐標數(shù)據(jù)管理與分析一文），進行對比分析： 通過Y時間序列變化鎖定時間軸,，基于時間軸調(diào)出測量系統(tǒng)中關鍵數(shù)據(jù),，借用Man Whitney統(tǒng)計思想，快速找到關鍵零件中的關鍵尺寸差異,。 當然,，現(xiàn)在需要進一步確認因子帶來的影響是否顯著，可以單獨設定實驗進行確認,，而方法則可以多樣化,，線性分析、方差分析等方法,，都能夠在這個場景下進行應用,。 基于MES框架下，工業(yè)過程的數(shù)據(jù)采集將變得越來越容易,，而數(shù)據(jù)本身卻具備連續(xù)狀態(tài)和離散狀態(tài),，如何在不同狀態(tài)下進行切換和對應，除了在大數(shù)據(jù)維度下的插補技術,、線性擬合技術等,，也需要對工藝有著較深的理解，本文僅以此拋磚引玉,，期望得到更多討論,。 西格數(shù)據(jù)致力于通過工業(yè)數(shù)據(jù)采集、管理與分析服務,，實現(xiàn)工業(yè)數(shù)據(jù)的互聯(lián)互通和智能分析,，助推中國進入智慧型工廠制造時代！