運用文本挖掘，提煉商業(yè)價值 

挑戰(zhàn)：分析生產(chǎn)績效數(shù)據(jù)，從而實現(xiàn)石油與天然氣采集設(shè)備設(shè)計與生產(chǎn)效率的提高、任務(wù)優(yōu)先級的劃分。采用靈活便捷的數(shù)據(jù)分析軟件，實現(xiàn)和公司職能需要用到的其它分析功能。 

解決方案：JMP軟件助力FMC科技分析文本和數(shù)值型數(shù)據(jù)，以構(gòu)建更加詳盡、細(xì)致的運營模式圖。JMP還可用于質(zhì)量控制培訓(xùn)、成本研究及其它領(lǐng)域。 

結(jié)果：定制化的JMP應(yīng)用程序支持個性化文本挖掘與JMP分析法的創(chuàng)造性結(jié)合，給予制造業(yè)客戶為與運營目標(biāo)保持一致而需要的信息。 

通常，制造工程師會花大把時間將數(shù)字吃透，以確保生產(chǎn)和效率水平始終處于高峰。而今，一家總部位于美國休斯頓的石油設(shè)備生產(chǎn)公司的管理者們發(fā)現(xiàn)，分析對象除了數(shù)字，還可以是文字。結(jié)合對這兩者的分析，可令制造工藝更加優(yōu)化。 

“我們始終期望改進運作模式，使其變得更好、更。”FMC科技的業(yè)務(wù)Dan Fortune如是說，“而我們發(fā)現(xiàn)，文本挖掘能幫助我們有效實現(xiàn)這一目標(biāo)。”文本挖掘需將單詞與詞組基于共性進行分類。在FMC科技，這些由制造報告中提取出的字詞，將由SAS公司的統(tǒng)計發(fā)現(xiàn)軟件JMP進行編碼及分析。 

FMC科技是石油與天然氣設(shè)備（包括海底采油、地面井頭、海洋裝卸作業(yè)等專業(yè)系統(tǒng)）工業(yè)，其生產(chǎn)的一些設(shè)備具備在海底近兩英里左右深處運行的性能。分析工程設(shè)計及產(chǎn)品性能，是制造商須長期具備的技能——因為原設(shè)計在安裝時需調(diào)整，所以常易成為可變因素。在FMC，遍布16個國家的30處生產(chǎn)設(shè)施需要持續(xù)分析與故障排除的服務(wù)。

 
運用JMP軟件分析生產(chǎn)報告中包含的字詞，幫助FMC掌握了其范圍內(nèi)生產(chǎn)設(shè)施的潛在質(zhì)量問題。

“制造商有很多，可我們是海底設(shè)備制造商中的*。”Fortune表示。Fortune表示，在過去幾年中，FMC科技運用JMP軟件的統(tǒng)計和圖形分析法，使生產(chǎn)工藝更加，并大幅節(jié)約了成本。 
“如果我想知道2013年的所有生產(chǎn)缺陷區(qū)域，兩個員工可能要奮斗整整一周，才能做好。但有了JMP，我15分鐘就可以搞定，還可以反復(fù)實驗、研究，或者以不同的視角來查看結(jié)果。”Fortune說。 

文本挖掘：額外優(yōu)勢 

對工程師們來說，研究數(shù)字是很自然的，但在分析中加入字詞能獲取額外信息，有助于改善優(yōu)先次序及問題解決型任務(wù)。FMC西部地區(qū)海底系統(tǒng)規(guī)劃Gokhan Sarpkaya如是說。 

“我們的目標(biāo)是減少或消除變異。”Sarpkaya表示，“文本數(shù)據(jù)在這方面具有優(yōu)勢。它能讓我們的分析更加深入，有助于決策者做出更優(yōu)決策。” 


為了對生產(chǎn)報告的內(nèi)容進行分類與分析，FMC將如圖所示的JMP定制腳本與開源代碼的統(tǒng)計與圖形分析軟件R配合，實現(xiàn)所需的文本挖掘功能，隨后將所得結(jié)果返回JMP，進行進一步分析與可視化（見圖）。

用于分析的文本是從公司數(shù)據(jù)庫內(nèi)的書面描述中取得，用以標(biāo)識生產(chǎn)流程中的問題、不規(guī)律性或其它情況。 “當(dāng)問題發(fā)生的時候，對于它的書面描述通常十分準(zhǔn)確。”Fortune說，“通過文本挖掘，我們可為相似問題分類，即使它們的書面表達(dá)方式不同。這樣我們就能找出未達(dá)到應(yīng)有水平的項目。這種方式有助實現(xiàn)重大轉(zhuǎn)變。” 

Fortune可運用JMP選取文本，并使用咨詢公司Adsurgo提供的JMP定制腳本，將數(shù)據(jù)發(fā)送至開源代碼的統(tǒng)計與圖形分析軟件R，實現(xiàn)所需的文本挖掘功能。所得結(jié)果將被返回JMP，以便進行進一步分析與可視化。該腳本允許用戶自定義JMP數(shù)據(jù)在R軟件中的處理方式，且無需編碼。 

為了對生產(chǎn)報告的內(nèi)容進行分類與分析，FMC將如圖所示的JMP定制腳本（前圖所示）與開源代碼的統(tǒng)計與圖解分析軟件R配合，實現(xiàn)所需的文本挖掘功能，隨后再將所得結(jié)果返回JMP，進行進一步分析與可視化（本圖所示）。

Fortune表示，文本挖掘功能解決了“詞干”和“停用詞”問題，使分析結(jié)果更加。為了解決詞干問題，每個單詞都被拆解到詞根，不論它們在特定句子中呈現(xiàn)何種形式。例如，“正在行走”“行走過”和“行走著”都可由詞干“行走”統(tǒng)一歸類。“同一詞干的詞，結(jié)尾雖不一樣，表達(dá)的意思卻是一致的。”Fortune這樣解釋。 

而停用詞，則會在分析開始前從文本中剔除，因為它們對文本內(nèi)容并不構(gòu)成實際意義。這類詞包括定冠詞、代詞、“在……上”等之類的介詞。“我們用R來降低文本數(shù)據(jù)的復(fù)雜度，并將其構(gòu)成一個數(shù)字矩陣，以便JMP的后續(xù)分析操作。這就是奇異值分解法。”Fortune表示，“R將數(shù)據(jù)返回到JMP，JMP則完成所有的分析工作。”一旦執(zhí)行以上操作，文本中出現(xiàn)的相似語句就會被分類、添加到JMP分析的數(shù)值型數(shù)據(jù)中。

 
JMP軟件分析生產(chǎn)報告，而后在文字云中展示出來，并突出高頻詞匯和關(guān)鍵活動描述用詞。這一過程可幫助分析師快速判別普遍性的問題。

文本分析能幫助解決數(shù)字系統(tǒng)中經(jīng)常彈出的錯誤。Fortune說：“編碼與文本不匹配的情況常常發(fā)生。”Fortune還表示，如數(shù)字編碼分類太寬泛，對某一問題的具體判斷無法獲準(zhǔn)取得編碼，就會出現(xiàn)錯誤。另外，如編碼過于具體，導(dǎo)致系統(tǒng)對條目的正確名稱決策混亂，也會出現(xiàn)錯誤。“編碼過多，將給數(shù)據(jù)錄入人員的工作帶來困難，使他們無法正確進入條目。”Fortune說。