使ってみましたシリーズ 第6弾 SASとは何か【SAS Viya】で品質管理受講編

SAS Viyaで何ができる？

SAS Viyaは、クラウドネイティブな統合分析プラットフォームであり、その多様な機能を通じて、ビジネスにおけるデータ活用を強力にサポートします。まず、SAS Viyaはデータ準備プロセスを簡素化し、大規模なデータセットを迅速に処理する能力を備えています。これにより、データのクレンジングや整形が効率的になり、分析の準備時間を大幅に短縮できます。

次に、SAS Viyaは高度な分析機能を提供し、機械学習やAIモデルの構築、評価、デプロイメントを容易にします。これにより、複雑なデータパターンの識別や予測モデルの精度向上が可能となり、企業の意思決定を強化します。また、可視化ツールを活用して、分析結果を直感的に理解しやすい形で提供することができ、ビジネスユーザーが洞察を得るための助けとなります。

さらに、SAS Viyaは、協働機能を強化し、多様なチームが一つのプラットフォーム上でデータを共有しながら、プロジェクトを進行することができます。これにより、部門間の連携が強化され、データに基づく戦略的な意思決定が促進されます。また、SAS Viyaは、オープンソースとの互換性を持ち、PythonやRなどのスクリプトを統合して使用することが可能で、既存のワークフローに柔軟に組み込むことができます。これにより、データサイエンティストやアナリストが自身のスキルを最大限に活用し、より洗練された分析を実施することが可能となります。

• あらゆる種類のデータと連携できる

• データインポート後の型変換、テーブルの結合、ビジュアライズされた可視化ができる

• データマイニング、マシーンラーニング機能を使って、モデルの作成、探索、学習、評価など機械学習ができる

• AI（人工知能）を使って分析結果を表示してくれる

などが、GUI でドラッグ＆ドロップだけで実現できてしまう非常にお手軽なツールです。
また、web インターフェースを通して安全にアクセスできます。

以下画面イメージです。

●ビジュアルアナリティクスによるデータ探索や分析イメージ画像

●SASスタジオによるデータ準備や解析に必要なデータの加工処理イメージ画像

●モデルマネージャによるモデル管理イメージ画像

●データマイニング、マシーンラーニングによる機械学習モデルの開発や評価のイメージ画像

SAS Viyaデータインポート

今回使用するデータについて

これからデータをインポートし、ビジュアルを作成します。

インポート手順

①SASにログイン後、探索とビジュアル化画面を開きます。

②CSVファイルを保存します。

③SASビジュアルアナリティクス画面に移ります。

SAS Viyaビジュアル作成手順

ここで押さえておく分析ポイント！

早速ひとつビジュアルを作成してみたいと思います。
カテゴリから「検査結果」を選択し、ページ１にドラッグ＆ドロップすると検査結果の「OK」と「NG」の棒グラフが表示されます。

ビジュアルを変えるには、…をクリックし各種グラフ一覧が表示されるので選択します。
今回は棒グラフから円グラフに変更してみます。

非常にスムーズにビジュアルをチェンジできました。

用意されているビジュアライゼーションは様々です。
代表的な種類をご紹介します。

ビジュアライゼーションの種類

▶ドーナツグラフ、ツリーマップ、数値系列、バブルチャート、散布図など

分析ビジュアライゼーションの種類

▶ヒートマップ、箱ひげ図、平行座標プロット、アニメーションバブルチャート、相関行列、予測、決定木、ネットワーク図など

次に品質解析のビジュアルを作成してみます。
新しくビジュアルを追加します。
オブジェクトの「折れ線グラフ」を画面下にドラッグアンドドロップします。

データの割り当てで下方企画限界、検査計測値、上方企画限界にチェックをすると管理図が完成します。

このように、項目のチェックだけで管理ビジュアルにより、生産工程の中で検査測定値から、上方規格限界を超え「NG」を表している値を見つけることができます。

先ほどのドーナツグラフでは、項目を一つだけ選択しドラッグアンドドロップしてビジュアルを完成しましたが、今度は大量の項目をドラッグアンドドロップした場合、どのような違いがあるか見てみます。

必要な項目を複数選択しドラッグアンドドロップすると、先ほど選んだ項目同士の関係の強さを、色の強弱で表現する「相関行列」が生成されます。
右下に散布図がありますが、これらも項目を複数選んでドラッグアンドドロップするだけで自動生成されます。

SAS Viya AIアプローチ

SAS Viya AIは、AI技術を利用してデータから洞察を引き出します。機械学習やディープラーニングを統合し、企業が迅速な意思決定を行えるよう支援し、ユーザーは直感的なインターフェースとAPIを活用して、データの準備やモデルのトレーニング、評価を効率化できます。自動機械学習（AutoML）機能により、複雑な予測モデルの構築が容易で、PythonやRとの互換性も高いです。リアルタイム分析機能を備え、ストリーミングデータを即座に解析し、ビジネスアクションに結びつけます。SAS Viyaは、企業の競争力を高めるための重要なプラットフォームなのです。

さてそのAI による自動説明機能を使い原因分析を行い結果を確認します。
自動分析機能とは、品質試験の結果を表すデータとその因子と考えられるデータを選択するだけで、説明文含めてAIが自動生成してくれます。

①分析グループから自動説明をドラッグ＆ドロップします。

②データの割り当てをクリックし、データアイテムの追加から必要な項目にチェックを入れます。

③応答に「検査結果」を選択します。

すると自動で検査結果をビジュアル化してくれます。
そればかりか検査結果に関連する要因を項目別にリスト化し、各項目に対して検査結果で異常が見られなかった場合の、最小値と最大値と平均値と範囲を明記してくれます。

下のビジュアルをご覧ください。
左側の横棒グラフは、品質に影響がある因子をランキング形式で表した項目が与える影響度グラフです。製造現場において、複数の要因が関係し事象が発生するため、関係する要因をまとめてみていく事で原因を特定しやすくなります。これは検査結果に強く影響を及ぼしているとAIが判断した検査結果のうち「NG」が高い値を上から順番に表示しています。
右側の棒グラフは、ランキングで表した因子がどのタイミングで発生しているのか確認できるヒストグラムです。これにより因子ごとに、グレーの棒が検査 「OK」 となった計測値、緑の棒が検査NGとなった計測値など、高速に発見することができるようになります。
更に、上段と下段右には総括とコメントも自動生成してくれます！！

ここで左の検査結果の中から「DPT01_Avg」をクリックしてみると、右側の分布図から数値が大きい程「NG」は発生しにくいことが分かります。このように AI による予測により不良要因をランキング形式で把握し、品質に対する影響度を直観的に表すことができます。精度の高い分析が短時間で簡単に行えるようになりました！