數(shù)據(jù)分析

yueyueyue816421

如何深入學(xué)習(xí)數(shù)據(jù)分析？ 目前已經(jīng)學(xué)習(xí)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(xué)習(xí)呢？大神們有好的數(shù)據(jù)分析實(shí)例教程,，或者適用于自學(xué)者的數(shù)據(jù)分析網(wǎng)站或論壇推薦嗎,？51自學(xué)網(wǎng)！或是關(guān)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(cè)試設(shè)備,、三坐標(biāo)等數(shù)據(jù)提供了海量數(shù)據(jù)進(jìn)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(zhǎng)時(shí)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(jī)性和不確定性,。 此時(shí),，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(jìn)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(shí)間序列分析，顧名思義,，是以時(shí)間為軸進(jìn)行分析,，主要評(píng)價(jià)生產(chǎn)過程中的周期性變化；時(shí)間序列提供了很好的時(shí)間軸,，幫助用戶縮小問題范圍,；在具體使用時(shí)間分析時(shí)，有基于秒為單位進(jìn)行時(shí)間序列分析,，也有基于小時(shí)和天進(jìn)行時(shí)間序列分析,，這往往取決于要分析對(duì)象的變化周期或影響因素的變化周期，而天,，則是一個(gè)相對(duì)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(shí),，數(shù)據(jù)本身能夠具備映射關(guān)系,，便于分析。 上圖是作者在某具體項(xiàng)目時(shí),，確認(rèn)以天為時(shí)間軸,，進(jìn)行數(shù)據(jù)分析，該時(shí)間軸覆蓋了2013/01/12到2014/02/10這段時(shí)間軸范圍內(nèi)的數(shù)據(jù),，通過時(shí)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(shí)間為基準(zhǔn)因素的條件。注意,，選擇時(shí)間為基準(zhǔn)因素時(shí),，我們將借用謝林BOB 、WOW的概念在這里；同時(shí),，需要注意選取BOB,、WOW樣本時(shí)，樣本時(shí)間盡量間隔周期較短,，避免長(zhǎng)時(shí)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(fēng)險(xiǎn),。 通過時(shí)間序列圖和正態(tài)性時(shí)間匯總信息，本例中選定了兩組對(duì)應(yīng)的BOB和WOW,，樣本量各為5,。此時(shí)，通過時(shí)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(jì)上的α和β風(fēng)險(xiǎn),。而5對(duì)BOB和5對(duì)WOW對(duì)比,，也具備了99.4%的置信度（Man Whitny test）。 此時(shí)的5對(duì)5的檢驗(yàn),，目的是從連續(xù)性測(cè)試轉(zhuǎn)化到離散型測(cè)量上來,，用以規(guī)避傳統(tǒng)的連續(xù)性測(cè)試和離散型測(cè)量之間的非映射關(guān)系，此時(shí),，通過,，自動(dòng)調(diào)取三坐標(biāo)中的關(guān)鍵零件測(cè)量數(shù)據(jù)（MES+環(huán)境下的三坐標(biāo)數(shù)據(jù)管理與分析一文），進(jìn)行對(duì)比分析： 通過Y時(shí)間序列變化鎖定時(shí)間軸,，基于時(shí)間軸調(diào)出測(cè)量系統(tǒng)中關(guān)鍵數(shù)據(jù),，借用Man Whitney統(tǒng)計(jì)思想，快速找到關(guān)鍵零件中的關(guān)鍵尺寸差異,。 當(dāng)然,，現(xiàn)在需要進(jìn)一步確認(rèn)因子帶來的影響是否顯著，可以單獨(dú)設(shè)定實(shí)驗(yàn)進(jìn)行確認(rèn),，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(gè)場(chǎng)景下進(jìn)行應(yīng)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(jìn)行切換和對(duì)應(yīng)，除了在大數(shù)據(jù)維度下的插補(bǔ)技術(shù)、線性擬合技術(shù)等,，也需要對(duì)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(wù)，實(shí)現(xiàn)工業(yè)數(shù)據(jù)的互聯(lián)互通和智能分析,，助推中國(guó)進(jìn)入智慧型工廠制造時(shí)代,！
2 `2 x6 Q; K* S  w1 v3 Q+ W  m0 Q2 E