Дипломная работа: Тематический анализ исследований в области Индустрии 4.0

Рисунок 8. Карта наиболее часто используемых ключевых слов

В таблице 8 представлены наиболее часто используемые ключевые слова в соответствии с цветом кластера. Всего выявлено 6 кластеров. В первом кластере объединены термины, определяющие технологии Индустрии 4.0, а также связанные с бережливым производством. Данная тема является наиболее объемной по количеству ключевых слов. Темой второго кластера является «Цифровая экономика». Здесь затрагиваются такие понятия как образование, рынок труда, безработица, малые и средние предприятия и т. д. Данный кластер содержит 75 ключевых слов. Третий кластер можно объединить под темой «Процессы». На основе полученных данных, можно предположить, что термины, упоминающиеся в этом кластере, описывают процессы организаций, которые хотят внедрять технологии цифрового производства. Данная тема содержит 45 ключевых слов. Ключевые слова четвертого кластера тесно связаны с понятиями искусственного интеллекта и машинного обучения. Здесь также затрагивается тема устойчивого развития и управления активами. Темой пятого кластера является «Взаимодействие человека и робота». Эта тема также включает в себя технологии дополненной и виртуальной реальности. Пятый кластер определяется темой «Беспроводные сети». Данный кластер содержит всего лишь 5 ключевых слов.

Таблица 8. Ключевые слова и темы кластеров

На основе ключевых слов публикаций, было выявлено 6 тем. Наиболее популярными и влиятельными темами являются «Технологии Индустрии 4.0» и «Цифровая экономика».

Таким образом, библиометрический инструмент VOSviewer позволяет визуализировать данные, находить ключевые слова и определять их по кластерам. Достоинствами этой программы являются возможность работы с различными типами данных, способность правильного определения словосочетаний в качестве ключевых слов. Недостатком данного инструмента является то, что так называемые стоп слова, необходимо удалять вручную, что занимает много времени. Также для объединения одинаковых по смыслу значений приходится создавать тезаурус.

3.3 Анализ данных с использованием инструмента Knime Analytics

На сегодняшний день наиболее популярным вероятностным методом тематического анализа является латентное размещение Дирихле LDA. Для реализации данного метода был использован инструмент анализа данных Knime Analytics Platform [37]. Данная программа позволяет реализовывать полный цикл анализа данных, включая чтение данных из различных источников, преобразование и фильтрацию, анализ, визуализацию и экспорт.

Для проведения тематического анализа был использован рабочий процесс, изображенный на Рисунке 9. Первым этапом является чтение исходных данных из файла. После загрузки файла требуется предварительно обработать исходные данные:

Удалить знаки препинания и цифры

Удалить общие термины, которые не имеют отношения к теме (стоп слова)

Лемматизация слов, то есть сведение слов к их базовой форме

Все эти этапы содержатся в обёрнутом метаузле «Предварительная обработка данных». Этот процесс предполагает предварительную маркировку данных, приведение слов к их базовой форме и удаление пунктуации и стоп слов.

Рисунок 9. Рабочий процесс извлечения тем

В рабочем процессе «Трансформация» осуществляется создание вектора документа, и удаляются термины, которые встречаются очень редко и они не оказывают большого влияния на пространство объектов. Также в этом процессе можно уменьшить размерность пространства объектов с сохранением важной информации.

Для реализации алгоритма LDA на платформе Knime необходимо использовать узел «Topic Extractor (Parallel LDA)». Однако этот узел требует от пользователя заранее определить количество тем, которые должны быть извлечены. Это было бы относительно легко, если бы пользователь уже знал, сколько тем он хочет извлечь из данных. Но часто, особенно в неструктурированных данных, таких как текст, бывает довольно трудно заранее оценить, сколько тем существует. Поэтому для выявления оптимального количества кластеров был использован метод «локтя».

Идея метода локтя состоит в основном в том, чтобы запустить кластеризацию k-средних по входным данным для диапазона значений числа кластеров k (например, от 1 до 20), а для каждого значения k впоследствии вычислить внутрикластерную сумму квадратов ошибок (SSE), которая представляет собой сумму расстояний всех точек данных до соответствующих центров кластеров. Затем значение SSE для каждого k выводится на диаграмму рассеяния. Лучшее число кластеров - это число, при котором происходит падение значения SSE, дающее угол на графике [38].

Для выявления оптимального количества тем с помощью метода «локтя» необходимо вычислить сумму квадратов ошибок для кластеризации. Подробный процесс вычисления значения SSE показан на рисунке 10.

Рисунок 10. Вычисление суммы квадратов ошибок для кластеризации с заданным k

Оптимальное количество кластеров определяется автоматически в рабочем процессе, принимая расстояния последующих значений SSE и сортируя шаг с наибольшим расстоянием сверху [38]. Оптимальное количество тем в данном случае равно 15, так как первое падение SSE происходит при k=14.

После определения оптимального количества тем, данные передаются в узел «Извлечение тем из документов». Далее подсчитывается количество упоминаний для каждого термина. На основе полученных данных было создано облако слов на Рисунке 11.

Рисунок 11. Облако слов

Размер термина в облаке слов определяет его популярность. Наиболее часто встречаемые слова имеют большой шрифт. Менее популярные слова имеют маленький шрифт. Цвета слов соответствуют определенному кластеру. Например, зеленым выделены слова из первого кластера. Как уже отмечалось ранее, при реализации метода LDA одни и те же слова могут встречаться в различных кластерах. Наиболее часто встречаемыми ключевыми словами являются: индустрия, технология, система, процесс, производство, промышленность, исследование.

В таблице 9 представлены наиболее часто используемые слова в соответствии с их кластером. Стоит отметить, что слово «industry» подразумевает Индустрию 4.0, так как цифры были предварительно удалены из данных.

Таблица 9. Ключевые слова и темы кластеров

Первая тема, связана с описанием целей, моделей, методов, процессов и результатов Индустрии 4.0. Вторая тема касается производства в целом. Третья тема связана с технологиями, системами и приложениями, которые используются в Индустрии 4.0. Четвертая тема определяет промышленность с точки зрения науки. Пятая тема посвящена исследованиям технологий Индустрии 4.0. Шестая тема связана с системами и технологиями в производственных процессах. Очевидно, что седьмая тема посвящена описанию процессов производственных компаний. Восьмая тема касается деятельности пищевой промышленности. Девятая тема связана с цифровизацией в образовании. Десятый кластер также связан с обучением и исследованиями, однако затрагивает и тему развития технологий. Одиннадцатый кластер опять же затрагивает тему обучения и исследования, однако здесь также упоминается бизнес-модель и цифровые технологии. Можно предположить, что двенадцатая тема связана с процессом создания «умных фабрик». Тринадцатая тема связана с системами и технологиями производства, однако здесь упоминается также понятие стоимости. Очевидно, что четырнадцатая тема связана со здравоохранением. Возможно, речь идет о цифровизации в сфере здравоохранения. Последняя тема посвящена технологии «Интернет вещей».

Таким образом, с использованием метода «Локтя» было выявлено 15 основных кластеров. Для выявления наиболее часто встречаемых слов был применен метод LDA, который предполагает повторение одних и тех же слов в различных кластерах. Поэтому для интерпретации темы использовались слова, которые более и менее отличаются от основного потока. Наиболее явно выраженными темами являются: «Общее описание Индустрии 4.0», «Цифровизация образования», «Индустрия 4.0 в пищевой промышленности», «Цифровизация в сфере здравоохранения» и «Технология Интернет вещей».

3.4 Оценка современного состояния исследований в области Индустрии 4.0

Индустрия 4.0 становится центром внимания в отношении будущих производственных систем в развитых странах. Данная концепция рассматривается как новый фундаментальный сдвиг парадигмы не только в промышленном производстве. Речь идет об общей трансформации с использованием цифровой интеграции и интеллектуального инжиниринга.

Интерес к данной теме подтверждается растущим количеством научных публикаций. В ходе проведения тематического анализа были выгружены 6684 публикации, связанные с Индустрией 4.0, начиная с 2011 по 2019 год. При проведении предварительного анализа были выявлены следующие характеристики исходных данных:

Наибольшее количество публикаций приходится на тип документа «статьи» и «труды конференций», что составляет 94%.

Наблюдается восходящий тренд публикаций. Самое большое количество публикаций приходится на 2019 год - 2062 статьи.

Наибольшее количество публикаций приходится на область инжиниринга и информатики.

Основной вклад в исследования вносят авторы из Германии, Китая, США и Испании.

В таблице 10 представлено сравнение тем, выявленных двумя способами.

Таблица 10. Сравнение выявленных тем

Для выявления основных тем и ключевых слов исследований был проведен тематический анализ публикаций двумя способами. В первом случае был использован инструмент визуализации данных VOSviewer. При проведении анализа первым способом было выявлено 6 основных кластеров и наиболее часто используемые ключевые слова. Второй подход подразумевает использование платформы Knime Analytics, который проводит полный анализ данных, используя метод LDA. С помощью этого инструмента были выявлены 15 основных тем и ключевые слова, которые связаны с этими кластерами.

Следует отметить, что некоторые темы пересекаются. Например, тема «Процессы производственных компаний» выявились в обоих подходах. Тема «Цифровая экономика» выявленная первым способом включает в себя темы «Цифровизация образования», «Цифровизация в сфере здравоохранения», которые представлены во втором столбце таблицы. Также тема «Технологии Индустрии 4.0» включает в себя следующие темы: «Технологии, системы и приложения Индустрии 4.0», «Исследования технологий Индустрии 4.0», «Системы и технологии в производственных процессах», «Влияние цифровых технологий на бизнес-модель компании», «Производственные системы, технологии и их стоимость» и «Технология интернет вещей».