Regular data analysis methods

Abstract

Data analysis project was assigned by windmill gear constructing company Moventas Gears Oy. The purpose was to find new information from windmill gear data, which Moventas Gears Oy provided. Energy price is decreasing constantly on the wind energy field, so the project was an attempt to find new cost savings for Moventas Gears Oy.

The data analysis was conducted by using regular tools, methods and formulas from common data science field. All used methods and how they work with mathematical formulas is explained. The data was viewed in multiple different perspectives to get a result that would be the most reliable. Variable name anonymization was made for the data provided, because the naming was considered as confidential information.

All results of the different data analysis method supported the same conclusion: single data variables were unable to give new supporting information against different variables under the scope. When looking at multiple variable affecting at interesting variables, no linear relationship was found. Non-linear multiple variable relationship against single variables under the scope research would have taken so long time, that was not done.

This data analysis project was instructive research for real data, even though a new relationship between the data points was not found. There are some methods left to use for this case, however, the time limits were exceeded. The data analysis methods that are left could be used on a new research on same data.

Data-analytiikkaprojekti on toteutettu tuulimyllyjen vaihteita valmistavalle Moventas Gears Oy:lle. Tarkoitus oli etsiä uutta tietoa tuulimyllyjen vaihdedatasta, jonka Moventas Gears Oy toimitti. Energian hinta putoaa koko ajan tuulienergian tuotantoalalla, joten projektin tarkoitus oli etsiä säästöjä tuotannossa Moventas Gears Oy:lle.

Data-analytiikka toteutettiin käyttäen perinteisiä työkaluja, menetelmiä ja kaavoja yleisesti käytössä olevilla menetelmillä. Kaikki menetelmät on selitetty, kuinka ne toimivat matemaattisten kaavojen kera. Dataa on katseltu monesta eri perspektiivistä, jotta tulokset olisivat mahdollisimman luotettavia. Muuttujien nimet on anonymisoitu datalle, koska nimeäminen niille oli luottamuksellista tietoa.

Kaikki eri data-analytiikan menetelmät johtivat samaan lopputulokseen, että yksittäiset muuttujat datassa eivät voi selittää uutta tietoa eri muuttujista, jotka olivat tarkastelussa. Kun monen eri muuttujan vaikutusta tutkittiin kiinnostaviin muuttujiin, ei lineaarista suhdetta löytynyt. Monen muuttujan ei-lineaaristen vaikutusten tutkiminen kiinnostaviin muuttujiin olisi vienyt liikaa aikaa, joten sitä ei tehty.

Data-analytiikkaprojekti oli opettavainen tutkimus oikealle datalle, vaikka uutta tietoa datapisteiden vaikutuksista toisiinsa ei löytynyt. Muutamia menetelmiä jäi käyttämättä, mutta aikaraja tuli vastaan. Data-analytiikkamenetelmät jotka jäivät jäljelle voisi toteuttaa uuteen tutkimukseen samaan dataan.