错误日志文件和社交网络？乍一看，这似乎不属于一起，但让我们更深入地了解一下。要回答这个问题，我们首先需要了解什么是社交网络。

如SAP Predictive Analytics Automated Analytics User Guides中所定义："社交网络是一种以图形形式表示的社交结构，由节点和链接组成。

节点是网络中的参与者/项目（个人、客户、产品、，组织。链接是它们之间的关系或社会互动。

一个节点可以有几个与其相关联的变量（姓名、地址、职业、年龄……）。

以最简单的形式，社交网络是研究节点之间所有相关链接的地图。

社交网络可用于表示多种网络：信息（网络、博客）、通信（电话、电子邮件）、社交（社交网络、疾病）、技术（电网、道路、互联网路由器）、金融（交易）等定义意味着这种分析支持跨不同行业的预测用例，如保险、公共部门、零售、制造和银行业。然而，预测分析的链接分析主要用于零售领域的市场篮子分析。这个用例并没有显示这个强大分析的全部潜力。与此同时，制造业大多希望进行预测性维护或预测性质量，但没有必要的数据。事实上，他们非常积极地为机器配备必要的传感器并收集数据。有了这些，他们现在收集了大量的数据，个人如何建站，并有了希望，因为我们有如此多的数据，我们将找到模式来预测机器故障或不良生产质量。大多数制造商已经有了非常有效和优化的生产系统，这导致了从半年时间框架收集的数据只有一位数的故障或不良质量率的情况。对于制造业来说，数据呈现，这是可怕的，但从预测的角度来看，这是一个罕见的事件问题，很难找到模式。

一种方法是等待并收集更多的数据，或者我们可以查看错误日志文件。错误日志文件的一个好处是，它们是由机器编写的，并且具有明确指定的格式，这通常会导致良好的数据质量。现在可以在链接分析中使用此错误日志。而不是做预测质量或维护，我们正在分析哪些错误或警告往往出现在一起或在短时间间隔。通过这一分析，我们现在可以建议维修机器时，技师不仅要查看导致错误的零件，还要查看最有可能导致错误或不久后发出警告的零件。一些技术人员告诉我，根据他们多年的经验，他们对一些机器是这样做的，但即使他们说，当你负责很多机器，复杂性越来越高，他们也很难理解支持他们的算法的"中立观点"。有了哪些部件经常一起发生故障的信息，这些部件就可以一起维修，从而延长维修间隔，从而降低维修成本。你对如何实现这一目标感兴趣吗？让我来告诉你这样的分析是多么容易。

我们将使用一个数据集，其中说明生产周期ID、错误代码以及时间戳。我们不一定需要生产周期ID，我们也可以说具有相同时间戳的错误，或者出现在1分钟或5分钟内的错误是有意义的。这取决于制造过程。在这个例子中，我们使用ID。对于最简单的情况，两列ID和错误代码就足够做这个分析了。这个工具不仅有助于数据科学家，数据分析和大数据，也有助于数据分析师和商业用户高效地创建强大的预测模型，选择左侧的"社交"，然后选择"创建社交网络分析"。

在下一个屏幕上选择"从数据集构建社交图"。

然后加载数据集错误_日志.csv继续"下一步"。算法需要知道数据列的数据和值类型。按分析按钮分析数据。"KxIndex"列是由该工具自动添加的。对于此分析，我们将不需要它。

使用"查看数据"图标，我们可以查看数据。

使用"关闭"按钮，我们将返回主屏幕，我们可以按"确定"创建第一个图形。我们要构建的第一个图形应该向我们显示哪个生产周期中出现了哪些错误代码，这将导致以下设置：

图形名称：ErrorLogAnalysis

图形创建类型：Transactions

源节点：ProductionCycleID

目标节点：ErrorCode

如果您不确定该工具为您提供的数据使用哪种图形类型它在图形创建类型下面提供的信息几乎没有帮助。在这些情况下，它说"如果您的数据涉及不同性质的对象之间的链接，请使用事务模式"，这正是我们想要的。我们也可以指定一个权重来显示链接的强度，返利机器人是真的吗，但在我们的例子中，它是不需要的。

我们还没有完成，因为我们只指定了一个图表，告诉我们哪个生产周期出现了哪个错误代码，但我们也要分析哪些错误代码同时出现。

为此，人工智能软件下载，我们选择左上角的"添加图形"图标，然后选择"从二部图导出图形"。第二个图仅包含错误，并显示了它们在整个生产周期中的连接方式。如果在同一个生产周期内出现两个错误，则详细说明它们是连接在一起的。

我们所要做的就是将实体设置为错误代码。

然后单击"确定"和"下一步"，最后单击"生成"。

生成图形后，转到下一个屏幕，查看"节点显示"。

当"图形"选择第二个一个可以查看连接的错误代码。线条的粗细显示了错误一起出现的频率。每个连接显示一个可能的组合。