状態モニター

サンプル・プロジェクトには、いくつかのデータ・セットとモデラー・フローのサンプルが含まれています。 サンプル・プロジェクトをまだお持ちでない場合は、チュートリアル・トピックを参照してサンプル・プロジェクトを作成してください。 次に、以下の手順でサンプルプロジェクトを開きます：

1. Cloud Pak for Dataの ナビゲーションメニュー「」から、Projects > View all Projetsをc選択します。
2. SPSS ModelerProjectをクリックします。
3. アセット」タブをクリックすると、データセットとモデラーフローが表示されます。

進捗状況を確認する

以下の画像は、プロジェクトのAssetsタブを示しています。 これで、このチュートリアルに関連するサンプルモデラーフローで作業する準備ができました。

先頭に戻る

コンディション・モニタリングのモデラーフローには、いくつかのノードがあります。 以下の手順に従って、Data Assetノードを調べます：

1. アセットタブから、コンディション・モニタリングのモデラーフローを開き、キャンバスがロードされるのを待つ。
2. cond1n.csvノードをダブルクリックする。 このノードは、プロジェクト内のcond1n.csvファイルを指すData Assetノードである。
3. ファイル形式のプロパティを確認します。
4. パレットのRecord Operationsセクションから、Selectノードをキャンバス上にドラッグします。 ノードにカーソルを合わせて「タイトルを編集」をクリックし、名前を「Select (101)」に変更する。 cond1n.csvデータアセットノードに接続します。 Selectノードをダブルクリックし、Conditionに値'Outcome == 101を入力する。
5. 「保存」をクリックします。
6. 次に、パレットのグラフ・セクションから、プロット・ノードをキャンバス上にドラッグします。 ノードにカーソルを合わせ、Edit Titleボタンをクリックし、名前を'Time vに変更する。 Powervs. 温度 (101). そして、セレクト・ノードに接続する。
7. プロットノードをダブルクリックし、3-Dグラフボタンをクリックして、プロットに3番目の軸を追加します。 リストから、3Dグラフに表示するフィールドを選択する。 この場合、'Time、'Power、'Temperature。
8. プロットノードにカーソルを合わせ、実行アイコン「」をクリックする。
9. 出力とモデル」ペインから、「名前の出力結果をクリックします。 Powervs. 温度(101)で結果を表示する。

   

   このグラフは、時間の経過に伴う温度上昇と電力変動における101の誤差を示している。 他のエラー条件を選択し、他のプロットを表示する。

   これらのグラフに基づき、温度と電力両方の変化の有無と速度、そして変動の有無と程度が、故障の予測と区別に関連する。 これらの属性は、学習システムを適用する前にデータに追加することができる。

10. オプション：ユーザーが後でフローを実行したときにエラーが発生する可能性があるため、[選択]ノードと[プロット]ノードを削除します。

進捗状況を確認する

次の図は、このフローを示しています。 これでデータを準備する準備ができた。

先頭に戻る

以下のフローはデータの検討結果に基づいて、関連するデータを導出し、障害を予測するための学習を行います。

この例では、製品と共にインストールされたサンプルプロジェクトで利用可能なCondition Monitoringという名前のフローを使用します。 データ・ファイルは cond1n.csv および cond2n.csv です。

進捗状況を確認する

次の図は、Deriveノードを示しています。 これでモデルをトレーニングする準備ができた。

先頭に戻る

フローを実行すると、C5.0 ルールとニューラル・ネットワーク (ネット) の学習が行われます。 ネットワークの訓練には時間がかかるかもしれないが、早期に訓練を中断して、妥当な結果を出すネットを保存することができる。 学習が完了すると、モデルナゲットが生成される。1つはニューラルネットを表し、もう1つはルールを表す。

これらのモデル・ナゲットにより、システムをテストしたり、モデルの結果をエクスポートしたりすることができます。 この例では、モデルの結果をテストする。 以下の手順に従ってモデルをトレーニングする：

1. Run allをクリックし、C5.0とNeural networkの両方のモデルを生成する。
2. 各モデルを見る Outcome (C5.0)モデルをダブルクリックし、View modelをクリックして結果を確認します。 このステップをOutcome（ニューラルネット）モデルについて繰り返す。

進捗状況を確認する

次の画像はモデルの結果を示している。 これでモデルをテストする準備ができた。

先頭に戻る

以下の手順に従ってモデルをテストしてください：

1. Typeノードがニューラルネットナゲットに接続し、そのニューラルネットナゲットがC5.0ナゲットに接続するように、ナゲットを再配置する。
2. パレットのOutputsセクションから、Analysisノードをキャンバス上にドラッグし、C5.0ナゲットに接続する。
3. Data Assetノードをダブルクリックします。
   1. データ資産の変更をクリックします。
   2. データ資産＞cond2n.csvを選択する。
   3. 「選択」をクリックします。
   4. 保存 をクリックします。
4. 分析ノードにカーソルを合わせ、実行アイコン「」をクリックします。 そうすると、学習済みのネットワークとルールの精度を表す数値が生成されます。
5. Outputs and models（出力とモデル）ペインから、Analysis（分析）という名前の出力結果をクリックして、結果を表示します。
6. 結果を確認し、各モデルの分析結果を比較する。

   

進捗状況を確認する

次の図は、完成したフローを示している。

先頭に戻る