アラーティング技術

製品、サービスの品質管理への取り組みが重要視され、特に、問題の早期発見が必須課題とされる一方、「予測不可能な問題」をモニタリングするということは容易ではありません。このような課題に対し、コールセンターのコールログ等、顧客からのフィードバックが蓄積された大量なテキスト・データを利用するアラーティング技術の研究が進んでいます。

アラーティングは、テキスト等の非定型データを含むデータを分析し、問題の早期発見の手掛かりとなる情報を、原文データへの参照付きで抽出する技術です。

アラーティングによるテキストデータのモニタリング

相関分析では、製品の分類、部品の分類、不具合の分類など、問題の特徴となる要素を階層的なカテゴリとして予め用意しておくと、これらのカテゴリの組み合わせで表現される問題を網羅的に調べることができます。テキスト・データとカテゴリは自然言語処理を用いることにより、様々なルールによって対応付けることができます。

カテゴリを用いた「問題」の表現から問題の抽出まで

時系列解析では、数千～数万キーワードの頻度時系列から今後増加の可能性の高いもの数件～数十件を出力します。キーワードの時系列は頻度のスケールが異なるものや、定常的なノイズを含むものが混ざってますが、コールセンターのログデータにおける頻度時系列の特性を考慮して、定常的なノイズと「異常」な増加を高精度に判別します。

増加の可能性が高いと警告された時系列

頻度は変化しているが無視された時系列