業務プロセス改革とデータマイニング－2010年度LBIビジネス講演会

Linux Business Initiative 年度ビジネスビジネス講演会 2010 年度ビジネス講演会 2010/05/07 業務プロセス改革とデータマイニング濱田晃一 INCS INC. NEWS NIHONBASHI HORIDOMECHO 3F 1-9-11 Nihonbashi Horidome-Cho Chuo-Ku, Tokyo, JAPAN. Tel : +81-3-5651-0019 Fax: +81-3-5651-0120 www.incs.co.jp INC. ALL RIGHTS RESERVED. COPYRIGHT 2010 BY INCS

自己紹介：hamadakoichi 濱田晃一理論物理博士量子統計場の理論 Statistical Field Theory Spontaneously Time-Reversal Symmetry Breaking Anisotropic Massless Dirac Fermions COPYRIGHT 2010 BY INCS INC. ALL RIGHTS RESERVED. 博士論文(2004/03)： http://hosi.phys.s.u-tokyo.ac.jp/~koichi/PhD-thesis.pdf 6

自己紹介：hamadakoichi 濱田晃一毎週末３時間ダンスコーチをしています ■HIP HOP/House ダンス歴１３年ダンス開始後 1年半でL.A.でプロダンサーに褒められる ■東京と京都でダンス部を創設創設者、部長兼コーチ東京大学京都大学駒場物理ダンス部基礎物理学研究所ダンス部部長兼コーチ部長兼コーチ COPYRIGHT 2010 BY INCS INC. ALL RIGHTS RESERVED. Youtube Channel： http://www.youtube.com/hamadakoichi 7

数理解析手法の実ビジネスへの適用 2004年博士号取得後プロセス改革コンサルティングのベンチャー企業へ ※写真：会社紹介パンフレットより引用プロセス改革ベンチャー企業・ベンチャー・オブ・ザ・イヤー2002受賞・小泉首相工場見学・第１回ものづくり日本受賞-経済産業大臣賞受賞 COPYRIGHT 2010 BY INCS INC. ALL RIGHTS RESERVED. 15 INCS INC. : http://www.incs.co.jp

数理解析手法の実ビジネスへの適用数理解析手法を実ビジネス適用する方法論・システムを作り上げてきました ※画像：HPより引用 INCS INC.: http://www.incs.co.jp 開発・構築・業務の数理モデル化・解析手法・業務プロセス分析手法／再構築手法・業務プロセス制御システム・解析システム …など COPYRIGHT 2010 BY INCS INC. ALL RIGHTS RESERVED. 16 INCS INC. : http://www.incs.co.jp

会社概要名称株式会社インクス設立 1990年7月27日資本金 1,000万円代表者古河建規従業員 1,157名（連結） (株)インクス 369名 ◇関連会社 (株)インクスエンジニアリング 730名 (株)IPM 57名 INCS INC.USA 1名所在地東京都中央区日本橋使命既存の量産開発工程の情報工業化 ⇒ 日本発の情報工業産業の創出 ※）2009年12月現在 COPYRIGHT 2010 BY INCS INC. ALL RIGHTS RESERVED. 18

事業内容新しい方法論・仕組みを自社で実践プロセス改革ソリューションを提供設計試作金型・CADエンジニア派遣・光造形品製作・試作金型製作・製品設計者派遣・粉末造形品製作・量産金型製作・受託設計、解析・造形機販売・ホットランナー販売要素技術要素技術要素技術プロセスソリューション、コンサルティング業務分析、業務改革製品設計業務改革金型設計業務改革金型製造内製化 COPYRIGHT 2010 BY INCS INC. ALL RIGHTS RESERVED. 23

プロセス改革ソリューション効果実証・洗練されてきたプロセス改革手法でお客様の業務プロセスを革新する自社工場お客様改革前製品設計設計 CAM 段取り加工生産技術金型設計金型製造適用量産準備プロセス改革手法プロセス改革手法改革後 Value 実証製品設計生産技術手法洗練金型設計金型製造大幅な開発期間短縮量産準備製品開発効率アップ COPYRIGHT 2010 BY INCS INC. ALL RIGHTS RESERVED. 30

サーベイ＆アセスメント：現状工程分析人の“判断”の単位まで業務を詳細分析暗黙の課題・あるべき姿を導き出す “判断”の構造を解明し再構成。非熟練者でも業務実行できるようにする本当に熟練者しか“判断”できないプロセスは全業務の10%程度（※）判断 10％選択的 50％判断と作業作業混在作業 40％熟練者 ※弊社事例平均 COPYRIGHT 2010 BY INCS INC. ALL RIGHTS RESERVED. 39

新業務構築：リソース再構築最適プロセスにあわせた組織・人材改革を実施再構築したプロセス、組織に合わせて、再構築プロセススキル高必要な人材を育成。オフショア化中・カリキュラム策定アウトソース化低自動化・効率化ツール構築 … スキル項目人員再構築したプロセスをもとに目的に合わせ組織を最適化可視化、最適化されたプロセスがスキルアップあらゆる経営課題解決の基盤となる教育 COPYRIGHT 2010 BY INCS INC. ALL RIGHTS RESERVED. 45

IT化：システム構築新プロセスを確実・効率的に実行する ITシステムを構築 ITシステムはお客様に最も適したシステムを選定します。設計・製造業務では、弊社パッケージソフトも準備しております PLAN 1 PLAN 2 御社既存システムカスタマイズシステム PLAN 3 PLAN 4 弊社システム他社システム開発設計NAVI® SETOOL KATANAVI® 型連動 COPYRIGHT 2010 BY INCS INC. ALL RIGHTS RESERVED. 47

背景企業のシステム導入が行われ活動実績情報が蓄積されてきている ERPや生産管理ソフトで実績データを蓄積する企業が増加 ■トレーサビリティ確保のために ISOで業務履歴記録の義務化 (ISO9001: 2008 規格要求事項) ⇒約5万1000社 ■内部統制強化のために業務実績の記録が上場企業に義務化（JSOX法・2008年) ⇒約3800社 COPYRIGHT 2010 BY INCS INC. ALL RIGHTS RESERVED. 57

課題膨大な生産実績データが蓄積されているが継続的な活動進化・経営に活かしきれていない課題 ■スキル不足：１．統計解析・データマイニングのスキル２．経営視点３．全体プロセスの分析・再構築のスキルの全てを併せ持った人材が確保が難しい ⇒十分な解析ができていない。 ■分析が不十分： Business Intelligence までにとどまり、データマイニングや予測まで行えていない。 COPYRIGHT 2010 BY INCS INC. ALL RIGHTS RESERVED. 60

課題膨大な生産実績データが蓄積されているが継続的な活動進化・経営に活かしきれていない課題 ■スキル不足：１．統計解析・データマイニングのスキル２．経営視点３．全体プロセスの分析・再構築のスキルの全てを併せ持った人材が確保が難しい ⇒十分な解析ができていない。 ■分析が不十分： Business Intelligence までにとどまり、データマイニングや予測まで行えていない。 ⇒継続的な活動進化や経営判断にまで活かしきれていない。 COPYRIGHT 2010 BY INCS INC. ALL RIGHTS RESERVED. 61

蓄積データの有効活用独自のデータ解析方法を作り上げ実証してきました生産現場で洗練された解析・課題発見ノウハウ１月100型以上10年生産してきた工場でも効果を上げてきた各種統計分析のノウハウと手法を持ったエキスパートが解析。一品一様の業務に適した解析２一般的な手法では分析困難な一品一様の毎回異なる業務（金型製造、ソフトウェア開発、サービス業など）も解析。独自のプロセス・リソース統計解析モデル３理論的・学術的な裏づけのある独自の統計解析モデルでお客様の業務プロセス・リソースに適した統計解析。 COPYRIGHT 2010 BY INCS INC. ALL RIGHTS RESERVED. 62

一品一様の業務に適した解析一品一様の業務プロセスの変動性従来の多量生産一品一様の業務プロセス変動性なし大きな変動性を扱う必要があるプロダクト構成プロダクト構成毎回同じ毎回異なる毎回同じ毎回同じ毎回異なる毎回異なる作業時間業務プロセス作業時間業務プロセス組立ライン金型製造ソフトウェア開発サービス業 … COPYRIGHT 2010 BY INCS INC. ALL RIGHTS RESERVED. 65 ヘンリー・フォード：ベルトコンベアー方式

一品一様の業務に適した解析一品一様性・変動性は広範な業務の特徴従来の多量生産一品一様の業務プロセス変動性なし大きな変動性を扱う必要があるプロダクト構成プロダクト構成毎回同じ毎回異なる毎回同じ毎回同じ毎回異なる毎回異なる作業時間業務プロセス作業時間業務プロセス組立ライン金型製造ソフトウェア開発サービス業 … COPYRIGHT 2010 BY INCS INC. ALL RIGHTS RESERVED. 66 ヘンリー・フォード：ベルトコンベアー方式 …

一品一様の業務に適した解析一品一様の業務プロセスの動的な工程数理体系を構築変動性から生じる動的な課題・リソースの競合・滞留・納期遅延 … 一品一様な業務プロセスを含む統計解析・制御数理モデル・統計的な有効変数算出・統計数理モデル化－優先順位制御－実行タイミング制御－統計フィードバック－適正リソース量算出・予測数理体系論文（体系の一部） M.Nakao, N. Kobayashi, K.Hamada, T.Totsuka, S.Yamada, “Decoupling Executions in Navigating Manufacturing Processes for Shortening Lead Time and Its Implementation to an Unmanned Machine Shop”, COPYRIGHT 2010 BY INCS INC. ALL RIGHTS RESERVED. 67 CIRP Annals - Manufacturing Technology Volume 56, Issue 1, Pages 171-174 (2007)

一品一様の業務に適した解析一品一様の業務プロセスの動的な工程数理体系を構築効果実績例全体生産リードタイム中央値を 1/2.7に短縮設計開始～頭だし出荷リードタイム体系適用 500 適用後設計開始～頭だし出荷C T 360.4h(15.0日) 400 1/2.7 300 200 100 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 141.6h(5.9日) 00 00 9: 9: 9: 9: 9: 9: 9: 9: 9: 9: 9: 9: 9: 9: 0 7 4 1 8 5 1 8 5 2 9 6 3 0 /2 /2 /0 /1 /1 /2 /0 /0 /1 /2 /2 /0 /1 /2 / 09 / 09 / 10 / 10 / 10 / 10 / 11 / 11 / 11 / 11 / 11 / 12 / 12 / 12 04 04 04 04 04 04 04 04 04 04 04 04 04 04 20 20 20 20 20 20 20 20 20 20 20 20 20 20 週集計開始日時 COPYRIGHT 2010 BY INCS INC. ALL RIGHTS RESERVED. 68

独自のプロセス・リソース統計解析モデル活動の統一グラフモデルを構築 Unified graph representation of processes for scheduling with flexible resource assignment 青字：割付モデル属性 [ ] : Optional Node ・priority(優先度) Edge ・duration(予定時間) [・earliest(再早開始日時) ] Process Edge Process [・deadline(納期) ] [・or(条件集約数) ] 前プロセスの終了後に後プロセスがプロセスを表す開始できること表す・attributes（属性） preemptable(中断可否), successive(引継ぎ可否) Uses Edge workload(作業負荷) Processが使用する uses uses uses uses uses uses Assign Region を表す Assign Region Assigns from Edge 同一Resourceを割付け続ける Assign Regionに assigns from assigns from 指定Resourceの子Resource集合の範囲を表す assigns assigns 中から割付けることを示す工場01 [process] has has [startDate(開始日時)] [endDate(終了日時)] Assigns Edge 型01 仕上WG StartDateからEndDateまでの間 Resource has Assign RegionにResourceを割付対象要素を表す has has has has has has 割付けることを表す・capacity(容量) ・calender(カレンダー) CAVI01 CORE01 … 山田さん田中さん鈴木さん・attributes(属性) Has Edge 東さん Resourceの所有関係を表す COPYRIGHT 2010 BY INCS INC. ALL RIGHTS RESERVED. 70

※本項目は株式会社インクスとは一切関係ありません 72

思い 73

データマイニング+WEB 思い 74

データマイニング+WEB 思い蓄積データを活用し 75

データマイニング+WEB 思い蓄積データを活用し継続的に活動進化できる世界を作りたい 76

データマイニング+WEB ひとりでは世界は創れない 77

データマイニング+WEB みんなの協力が必要 78

データマイニング+WEB 蓄積データを有効活用したい人が 79

データマイニング+WEB 蓄積データを有効活用したい人がそれを実現できるようにしたい 80

データマイニング+WEB データマイニング+WEB勉強会＠東京 (#TokyoWebmining) 始めました 81

目的：データマイニング+WEB勉強会＠東京 82

目的：データマイニング+WEB勉強会＠東京データマイニングの方法論を用い蓄積されたデータを有効活用していく方法を学ぶ 83

目的：データマイニング+WEB勉強会＠東京データマイニングの方法論を用い蓄積されたデータを有効活用していく方法を学ぶ統計解析 Web API データマイニング最適解探索アルゴリズム 84

目的：データマイニング+WEB勉強会＠東京データマイニングの方法論を用い蓄積されたデータを有効活用していく方法を学ぶ統計解析 Web API データマイニング対応分析時系列分析回帰分析クラスター分析判別分析主成分分析因子分析カーネル法樹木モデルニューラルネットワークサポートベクターマシン … 最適解探索アルゴリズム 85

目的：データマイニング+WEB勉強会＠東京データマイニングの方法論を用い蓄積されたデータを有効活用していく方法を学ぶ統計解析 Web API データマイニング Amazon Web Service 楽天 Web Service 対応分析時系列分析 Twitter API Recruit Web Service 回帰分析 Yahoo! Web Service クラスター分析はてな Web Service 判別分析主成分分析因子分析 (Bookmark/Graph/Keyword,…) カーネル法 Google Data API 樹木モデル (Calendar/Maps/BookSearch/ FinancePortfolioData,…) ニューラルネットワークサポートベクターマシン … … 最適解探索アルゴリズム 86

目的：データマイニング+WEB勉強会＠東京データマイニングの方法論を用い蓄積されたデータを有効活用していく方法を学ぶ統計解析 Web API データマイニング Amazon Web Service 楽天 Web Service 対応分析時系列分析 Twitter API Recruit Web Service 回帰分析 Yahoo! Web Service クラスター分析はてな Web Service 判別分析主成分分析因子分析 (Bookmark/Graph/Keyword,…) カーネル法 Google Data API 樹木モデル (Calendar/Maps/BookSearch/ FinancePortfolioData,…) ニューラルネットワークサポートベクターマシン … 免疫型最適化 Particle Swam … Memetic Ant Colony 遺伝的熱力学的シミュレーテドアニーリング力学モデルによる最適化タブーサーチグラフ … 最適解探索アルゴリズム 87

目的：データマイニング+WEB勉強会＠東京データマイニングの方法論を用い蓄積されたデータを有効活用していく方法を学ぶ統計解析 Web API データマイニング Amazon Web Service 楽天 Web Service 対応分析時系列分析 Twitter API Recruit Web Service 回帰分析 Yahoo! Web Service クラスター分析はてな Web Service 判別分析主成分分析因子分析 (Bookmark/Graph/Keyword,…) カーネル法 Google Data API 樹木モデル (Calendar/Maps/BookSearch/ FinancePortfolioData,…) ニューラルネットワークサポートベクターマシン … 免疫型最適化 Particle Swam … Memetic Ant Colony 遺伝的熱力学的シミュレーテドアニーリング力学モデルによる最適化タブーサーチグラフ … 最適解探索アルゴリズム 88

３つの進行方針 89

データマイニング+WEB勉強会＠東京を 90

データマイニング+WEB勉強会＠東京を発表者・参加者にとってより有意義な場にしたい 91

データマイニング+WEB勉強会＠東京を発表者・参加者にとってより有意義な場にしたい３つの進行方針 92

３つの進行方針充分な時間を充て理解・議論を優先する１．充分な時間：各テーマごとにしっかり時間を充てる（浅く多くではなく、少ないテーマでも深く）２．理解：進行を急がない。分からないところはすぐ質問。講師・各メンバーからの返答で、みなで理解を深めることを優先する。３．議論：議論時間をしっかりとる。各分野の意見の共有、皆での発想・創造を優先する。全員でのフラットな議論。講師にとっても有意義な場となるようにする。 93

次回開催 94

次回開催 5/16(日) 第４回データマイニング+WEB勉強会ＷＥＢ祭りです AGENDA 5/16(日) 12:00 - 21:00 -ソーシャルウェブとレコメンデーション (講師:@hamadakoichi) (60分) -レコメンデーション活用編-実開発者が語る：画像、広告、そして未来へ-(講師:@karubi)(60分) -はじめてでもわかるWEB行動マイニング (講師:@kur) (60分) -Hadoop！-入門とクラウドでの活用-(講師:@yanaoki)(60分) -はじめてでもわかるYahoo! Web API入門(講師:@yokkuns) (60分) -Wikipediaによるテキストマイニング入門(講師:@nokuno) (60分) -Webと物理的な世界をつなぐ－WebとGainerの連携－(講師:@oga_shin) (60分) -参加者の声・ディスカッション：WEBの未来へ」 (進行:@hamadakoichi) (30分) 参加登録 ATND ： http://atnd.org/events/4319 アナウンス Google Group： http://groups.google.com/group/webmining-tokyo Twitter ： http://twitter.com/hamadakoichi 95

次回開催 5/16(日) 第４回データマイニング+WEB勉強会ＷＥＢ祭りです AGENDA 5/16(日) 12:00 - 21:00 -ソーシャルウェブとレコメンデーション (講師:@hamadakoichi) (60分) -レコメンデーション活用編-実開発者が語る：画像、広告、そして未来へ-(講師:@karubi)(60分) -はじめてでもわかるWEB行動マイニング (講師:@kur) (60分) -Hadoop！-入門とクラウドでの活用-(講師:@yanaoki)(60分) -はじめてでもわかるYahoo! Web API入門(講師:@yokkuns) (60分) -Wikipediaによるテキストマイニング入門(講師:@nokuno) (60分) -Webと物理的な世界をつなぐ－WebとGainerの連携－(講師:@oga_shin) (60分) -参加者の声・ディスカッション：WEBの未来へ」 (進行:@hamadakoichi) (30分) 参加登録 ATND ： http://atnd.org/events/4319 アナウンス Google Group： http://groups.google.com/group/webmining-tokyo Twitter ： http://twitter.com/hamadakoichi 96

次回開催 5/16(日) 第４回データマイニング+WEB勉強会ＷＥＢ祭りです AGENDA 5/16(日) 12:00 - 21:00 -ソーシャルウェブとレコメンデーション (講師:@hamadakoichi) (60分) -レコメンデーション活用編-実開発者が語る：画像、広告、そして未来へ-(講師:@karubi)(60分) -はじめてでもわかるWEB行動マイニング (講師:@kur) (60分) -Hadoop！-入門とクラウドでの活用-(講師:@yanaoki)(60分) -はじめてでもわかるYahoo! Web API入門(講師:@yokkuns) (60分) -Wikipediaによるテキストマイニング入門(講師:@nokuno) (60分) -Webと物理的な世界をつなぐ－WebとGainerの連携－(講師:@oga_shin) (60分) -ディスカッション：WEBの未来へ (進行:@hamadakoichi) (30分) 参加登録 ATND ： http://atnd.org/events/4319 アナウンス Google Group： http://groups.google.com/group/webmining-tokyo Twitter ： http://twitter.com/hamadakoichi 97

次回開催 5/16(日) 第４回データマイニング+WEB勉強会ＷＥＢ祭りです参加登録 ATND ： http://atnd.org/events/4319 アナウンス Google Group： http://groups.google.com/group/webmining-tokyo Twitter ： http://twitter.com/hamadakoichi 98

次回開催 5/16(日) 第４回データマイニング+WEB勉強会満員御礼！広い会場探索中。ＵＳＴＲＥＡＭ配信も行います参加登録 ATND ： http://atnd.org/events/4319 アナウンス Google Group： http://groups.google.com/group/webmining-tokyo Twitter ： http://twitter.com/hamadakoichi 99

次回開催 5/16(日) 第４回データマイニング+WEB勉強会満員御礼！ＵＳＴＲＥＡＭ配信も行います参加登録 ATND ： http://atnd.org/events/4319 アナウンス Google Group： http://groups.google.com/group/webmining-tokyo Twitter ： http://twitter.com/hamadakoichi 100

内容紹介 R言語によるクラスター分析 -活用編- 理論から実行可能なR言語ソースコードまで 101

R言語によるクラスター分析クラスター分析が容易に行えますソースコード実行結果 102

位置づけデータマイニングの方法論を用い蓄積されたデータを有効活用していく方法を学ぶ統計解析 Web API データマイニング Amazon Web Service 楽天 Web Service 対応分析時系列分析 Twitter API Recruit Web Service 回帰分析 Yahoo! Web Service クラスター分析はてな Web Service 判別分析主成分分析因子分析 (Bookmark/Graph/Keyword,…) Bookmark/Graph/Keyword, カーネル法 Google Data API 樹木モデル (Calendar/Maps/BookSearch/ FinancePortfolioData,…) FinancePortfolioData, ニューラルネットワークサポートベクターマシン … 免疫型最適化 Particle Swam … Memetic Ant Colony 遺伝的熱力学的シミュレーテドアニーリング力学モデルによる最適化タブーサーチグラフ … 最適解探索アルゴリズム 103

位置づけクラスター分析統計解析 Web API データマイニング Amazon Web Service 楽天 Web Service 対応分析時系列分析 Twitter API Recruit Web Service 回帰分析 Yahoo! Web Service クラスター分析はてな Web Service 判別分析主成分分析因子分析 (Bookmark/Graph/Keyword,…) Bookmark/Graph/Keyword, カーネル法 Google Data API 樹木モデル (Calendar/Maps/BookSearch/ FinancePortfolioData,…) FinancePortfolioData, ニューラルネットワークサポートベクターマシン … 免疫型最適化 Particle Swam … Memetic Ant Colony 遺伝的熱力学的シミュレーテドアニーリング力学モデルによる最適化タブーサーチグラフ … 最適解探索アルゴリズム 104

位置づけ第３回データマイニング+WEB勉強会＠東京の開催内容です内容講師 Twitter Id Opening Talk (15分) @hamadakoichi 自己紹介 (25分) @hamadakoichi 理論 R言語によるクラスター分析 - 活用編 (90分) @hamadakoichi 休憩(10分) 市場細分化とクラスター分析 (30分) @bob3bob3 実践検診データへのクラスタリング適用例(30分) @dichika 休憩(10分) 理論機械学習入門 – SVMによる画像分類(60分) @yokkuns 休憩(10分) 参加者の声・発表者募集＋バファー (20分) @hamadakoichi 105

位置づけ第３回データマイニング+WEB勉強会＠東京の開催内容です内容講師 Twitter Id Opening Talk (15分) @hamadakoichi 自己紹介 (25分) @hamadakoichi 理論 R言語によるクラスター分析 - 活用編 (90分) @hamadakoichi 休憩(10分) 市場細分化とクラスター分析 (30分) @bob3bob3 実践検診データへのクラスタリング適用例(30分) @dichika 休憩(10分) 理論機械学習入門 – SVMによる画像分類(60分) @yokkuns 休憩(10分) 参加者の声・発表者募集＋バファー (20分) @hamadakoichi 106

内容抜粋紹介 107

クラスタリングとはデータを類似度に従いグループに分けること 108

クラスタリングとはデータを類似度に従いグループに分けることクラスタリングA 109

クラスタリングとはデータを類似度に従いグループに分けることクラスタリングA クラスタリングB 110

クラスタリングとはデータを類似度に従いグループに分けることクラスタリングA クラスタリングB 111

クラスタリング手法の種類手法と帰属度の分類軸がある分類種類内容手法階層的手法 ①各データそれぞれを一つのクラスタとする ②状態を初期状態とするクラスタの距離、類似度で２つのクラスタを逐次的に併合していく ③目的のクラスタ数まで併合が行われたときに処理を終了する非階層的手法 ①データの良さを表す評価関数を設定する（分割最適化） ②評価関数に対する最適解（最適分割）を探索する帰属度ハードクラスタリ各データは一つのクラスタのみに所属するングソフトクラスタリ各データが複数のクラスタリングに所属することを許すング（※最も帰属度が高いクラスタを抽出すると、ハードクラスタリングとなる） 112

クラスタリング手法の種類各クラスタリング手法種類ハードソフト階層的・群平均法・単連結法・完全連結法・ウォード法・重心法・メディアン法非階層的・k-means ・混合分布モデル・スペクトラルクラスタリング・次元縮約（LSI/pLSI/NMF) ・Fuzzy c-means ※LSI: Latent Semantic Indexing, pLSI: Probabilistic LSI, NMF: Non-Negative Matrix Factorization 113

クラスタリング手法の種類階層的手法分類種類内容手法階層的手法 ①各データそれぞれを一つのクラスタとする ②状態を初期状態とするクラスタの距離、類似度で２つのクラスタを逐次的に併合していく ③目的のクラスタ数まで併合が行われたときに処理を終了する非階層的手法 ①データの良さを表す評価関数を設定する（分割最適化） ②評価関数に対する最適解（最適分割）を探索する帰属度ハードクラスタリ各データは一つのクラスタのみに所属するングソフトクラスタリ各データが複数のクラスタリングに所属することを許すング（※最も帰属度が高いクラスタを抽出すると、ハードクラスタリングとなる） 114

階層的手法：特徴古典的で直感的にも自然な手法最終的に一つのクラスタにまとまる 115

階層的手法：アルゴリズムアルゴリズム ①各データが自身をクラスターと考えデータ数のクラスターを作る ②クラスタ間の距離を測りクラスタ間の距離行列を作成する ③最も距離の近いクラスタを併合する ④クラスタ間の距離行列を作成する ⑤最も短い距離のクラスタを併合する ※ひとつのクラスタになるまで繰り返し 116

階層的手法：アルゴリズムアルゴリズム ①各データが自身をクラスターと考えデータ数のクラスターを作る ②クラスタ間の距離を測りクラスタ間の距離行列を作成する ③最も距離の近いクラスタを併合する ④クラスタ間の距離行列を作成する ⑤最も短い距離のクラスタを併合する ※ひとつのクラスタになるまで繰り返し 117

階層的手法：手法とクラスタ間距離クラスタ間距離の種類クラスタリング手法クラスタ間距離群平均法クラスタ間の全てのデータ組合せの距離の平均値 (Group Average method ) 単連結法クラスタ間の最小距離を与えるデータ対の距離 (Single Linkage Method ) 完全連結法クラスタの最大距離を与えるデータ対の距離 (Complete Linkage Method）ウォード法クラスタ内の平方和の増加分 (Ward Method) 重心法クラスタの重心間の距離の自乗 (Centroid Method) メディアン法重心法と同じ。クラスタ併合時に、新たな重心を元の (Median Method) 重心の中点にとる。 118

階層的手法： Rによる解析階層的クラスタリングの関数 Hierarchical Clustering hclust(d, method=“complete”, member =NULL, ...) d:距離行列 method: 階層的クラスタリング手法を指定 members: 通常は指定しない。 ※テンドログラムの途中からクラスタリングを行いたい場合に用いる 119

階層的手法：手法とクラスタ間距離クラスタ間距離の指定引数クラスタリング手法クラスタ間距離 method 群平均法クラスタ間の全てのデータ組合せの距離 “average“ (Group Average method ) の平均値単連結法クラスタ間の最小距離を与えるデータ対の “single” (Single Linkage Method ) 距離完全連結法クラスタの最大距離を与えるデータ対の距 “complete” (Complete Linkage 離 Method）（Default）ウォード法クラスタ内の平方和の増加分 “ward” (Ward Method) 重心法クラスタの重心間の距離の自乗 “centroid” (Centroid Method) メディアン法重心法と同じ。クラスタ併合時に、新たな “median” (Median Method) 重心を元の重心の中点にとる。 120

Rプログラム例：クラスター分析（階層的手法）各種クラスター分析が容易に行えますソースコード実行結果 121

Rプログラム例：クラスター分析（階層的手法）ソースコード 122

Rプログラム例：クラスター分析（階層的手法）実行結果 123

蓄積されたデータを有効活用してきたい 125

蓄積されたデータを有効活用してきたい連絡 Google Group： http://groups.google.com/group/webmining-tokyo 126

データマイニング+WEB勉強会発表者を募集しています連絡 Google Group： http://groups.google.com/group/webmining-tokyo Twitter ： http://twitter.com/hamadakoichi 127

ご清聴ありがとうございました世界中のプロセスをよりよい形にしていきたいインクスのプロセス改革に興味を持たれましたら下記までご連絡下さいお問合せ株式会社インクスプロセスソリューショングループ MAIL : marketing@incs.co.jp TEL ：03-5651-0019 HP ：http://www.incs.co.jp COPYRIGHT 2010 BY INCS INC. ALL RIGHTS RESERVED. 136

http://d.hatena.ne.jp	349
http://www.slideshare.net	22
http://paper.li	4
http://a0.twimg.com	3
http://b.hatena.ne.jp	1
http://webcache.googleusercontent.com	1

業務プロセス改革とデータマイニング－2010年度LBIビジネス講演会

by Koichi Hamada

Accessibility

Categories

Upload Details

Usage Rights

6 Embeds 380

Statistics