運用文本挖掘，提煉商業價值 

挑戰：分析生產績效數據，從而實現石油與天然氣采集設備設計與生產效率的提高、任務優先級的劃分。采用靈活便捷的數據分析軟件，實現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科技分析文本和數值型數據，以構建更加詳盡、細致的運營模式圖。JMP還可用于質量控制培訓、成本研究及其它領域。 

結果：定制化的JMP應用程序支持個性化文本挖掘與JMP分析法的創造性結合，給予制造業客戶為與運營目標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字吃透，以確保生產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備生產公司的管理者們發現，分析對象除了數字，還可以是文字。結合對這兩者的分析，可令制造工藝更加優化。 

“我們始終期望改進運作模式，使其變得更好、更。”FMC科技的業務Dan Fortune如是說，“而我們發現，文本挖掘能幫助我們有效實現這一目標。”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公司的統計發現軟件JMP進行編碼及分析。 

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

 
運用JMP軟件分析生產報告中包含的字詞，幫助FMC掌握了其范圍內生產設施的潛在質量問題。

“制造商有很多，可我們是海底設備制造商中的*。”Fortune表示。Fortune表示，在過去幾年中，FMC科技運用JMP軟件的統計和圖形分析法，使生產工藝更加，并大幅節約了成本。 
“如果我想知道2013年的所有生產缺陷區域，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，還可以反復實驗、研究，或者以不同的視角來查看結果。”Fortune說。 

文本挖掘：額外優勢 

對工程師們來說，研究數字是很自然的，但在分析中加入字詞能獲取額外信息，有助于改善優先次序及問題解決型任務。FMC西部地區海底系統規劃Gokhan Sarpkaya如是說。 

“我們的目標是減少或消除變異。”Sarpkaya表示，“文本數據在這方面具有優勢。它能讓我們的分析更加深入，有助于決策者做出更優決策。” 


為了對生產報告的內容進行分類與分析，FMC將如圖所示的JMP定制腳本與開源代碼的統計與圖形分析軟件R配合，實現所需的文本挖掘功能，隨后將所得結果返回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據庫內的書面描述中取得，用以標識生產流程中的問題、不規律性或其它情況。 “當問題發生的時候，對于它的書面描述通常十分準確。”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方式不同。這樣我們就能找出未達到應有水平的項目。這種方式有助實現重大轉變。” 

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，將數據發送至開源代碼的統計與圖形分析軟件R，實現所需的文本挖掘功能。所得結果將被返回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數據在R軟件中的處理方式，且無需編碼。 

為了對生產報告的內容進行分類與分析，FMC將如圖所示的JMP定制腳本（前圖所示）與開源代碼的統計與圖解分析軟件R配合，實現所需的文本挖掘功能，隨后再將所得結果返回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”統一歸類。“同一詞干的詞，結尾雖不一樣，表達的意思卻是一致的。”Fortune這樣解釋。 

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

 
JMP軟件分析生產報告，而后在文字云中展示出來，并突出高頻詞匯和關鍵活動描述用詞。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字系統中經常彈出的錯誤。Fortune說：“編碼與文本不匹配的情況常常發生。”Fortune還表示，如數字編碼分類太寬泛，對某一問題的具體判斷無法獲準取得編碼，就會出現錯誤。另外，如編碼過于具體，導致系統對條目的正確名稱決策混亂，也會出現錯誤。“編碼過多，將給數據錄入人員的工作帶來困難，使他們無法正確進入條目。”Fortune說。