DE112016002709T5

DE112016002709T5 - Assistenzvorrichtung zur mehrdimensionalen Datenanalyse

Info

Publication number: DE112016002709T5
Application number: DE112016002709.5T
Authority: DE
Inventors: Kenichiro Mizutani
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2015-06-15
Filing date: 2016-06-13
Publication date: 2018-03-01
Also published as: WO2016204119A1; JP6552882B2; KR20180017167A; JP2017004407A; CN107636703A

Abstract

Eine Unterstützungsvorrichtung zur mehrdimensionalen Datenanalyse zum Erzielen einer Vereinfachung einer atypischen Analyse von mehrdimensionalen Daten, die aus seiner großen Anzahl von Datenelementen gebildet sind, erhält man, in dem sie ausgestaltet ist zum: Berechnen eines y-Achsen-Empfehlungssammelwerts für jedes x-Achsen-Element und jedes Empfehlungs-Achsen-Element (5) aus Eingangsdaten zur Analyse (2 und 3) basierend auf einer Vergleichsbedingung (4) und einem Empfehlungs-Achsen-Element (5), die eingestellt worden sind; und Ausgeben einer Korrelation zwischen dem x-Achsen-Element und dem y-Achsen-Empfehlungssammelwert für jedes Empfehlungs-Achsen-Element (5) durch Verwendung des berechneten y-Achsen-Empfehlungssammelwerts von jedem x-Achsen-Element und jedem Empfehlungs-Achsen-Element (5).

Description

Technisches Gebiet
Die vorliegende Erfindung betrifft eine Unterstützungsvorrichtung zur mehrdimensionalen Datenanalyse, die dafür ausgebildet ist, die Analyse von mehrdimensionalen Daten zu unterstützen, die aus einer großen Anzahl von Datenelementen gebildet sind.
Stand der Technik
Bisher gab es zum Zwecke einer Qualitätsbewertung Technologien zum Analysieren von Daten durch die Verwendung eines Computers und dem Erzeugen von Berichten, die Geschäftsdokumentformate haben, um so entsprechende Analyseergebnisse zu präsentieren. Solche Berichte spielen eine Hauptrolle als vereinheitlichte Indikatoren zum Verbessern von verschiedenen Dienstleistungen, doch es benötigt einen erheblichen Zeitaufwand, um diese Berichte zu erzeugen. Es hat daher Versuche gegeben, die Erzeugung dieser Berichte zu automatisieren (siehe, zum Beispiel PTL 1).
Insbesondere ist die entsprechende in PTL 1 beschriebene Technik dafür ausgebildet, beobachtete Daten basierend auf einer vorgegebenen Analyseprozedur zu analysieren, um automatisch einen Bericht zu erzeugen, bei dem eine Tabelle und ein Diagramm zum Präsentieren der Analyseergebnisse in einem vorgegebenen Layout angeordnet sind.
Liste der Zitierungen
Patentliteratur

[PTL 1] JP 5556164 B2

Zusammenfassende Darstellung der Erfindung
Technisches Problem
Bei dem entsprechenden Stand der Technik gibt es jedoch die folgenden Probleme. Bei der entsprechenden in PTL 1 beschriebenen Technik wird ein Bericht zum Präsentieren eines Ergebnisses eines Durchführens einer typischen Analyse basierend auf einer vorgegebenen Analyseprozedur automatisch erzeugt, so dass man nur ein typisches Analyseergebnis erhält, selbst wenn die entsprechende in PTL 1 beschriebene Technik auf eine Analyse von mehrdimensionalen Daten angewendet wird.
Ferner, wenn eine Analyse aus einer anderen Betrachtung, eine tiefe Analyse unter einer spezifischen Bedingung oder eine andere solche atypische Analyse durchgeführt wird, um einen Trend oder ein Problem in den mehrdimensionalen Daten zu finden, ist es notwendig, dass ein Mensch empirisch die Notwendigkeit einer zusätzlichen Analyse oder einer Bedingung für die zusätzliche Analyse aus dem typischen Analyseergebnis empirisch bewertet. Es gibt daher ein Problem, dass es für einen Menschen mit wenig Erfahrung in der Analyse schwierig ist, eine atypische Analyse durchzuführen.
Die vorliegende Erfindung wurde gemacht, um die oben genannten Probleme zu lösen und hat das Ziel, eine Unterstützungsvorrichtung zur mehrdimensionalen Datenanalyse zu erhalten, um eine Vereinfachung einer atypischen Analyse von mehrdimensionalen Daten zu erzielen.
Lösung des Problems
Gemäß einer Ausführungsform der vorliegenden Erfindung wird eine Unterstützungsvorrichtung zur mehrdimensionalen Datenanalyse aufgezeigt, die dafür ausgebildet ist, folgende Eingaben zu erhalten: Eingangsdaten zur Analyse; ein Empfehlungs-Achsen-Element; und eine Vergleichsbedingung in der definiert ist: ein x-Achsen-Element; ein y-Achsen-Element; und ein y-Achsen-Zwischenwert und ein y-Achsen-Sammelausdruck, die verwendet werden zum Berechnen eines Werts des y-Achsen-Elements für jedes x-Achsen-Element und jedes Empfehlungs-Achsen-Element aus den Eingangsdaten zur Analyse, die Unterstützungsvorrichtung zur mehrdimensionalen Datenanalyse aufweisend: eine empfehlungs-achsenspezifische Zwischensammeleinheit, die dafür ausgebildet ist, den y-Achsen-Zwischenwert für jedes x-Achsen-Element und jedes Empfehlungs-Achsen-Element aus den Eingangsdaten zur Analyse basierend auf der Vergleichsbedingung und dem Empfehlungs-Achsen-Element zu berechnen; eine Empfehlungs-Sammeleinheit, die dafür ausgebildet ist, den Wert des y-Achsen-Elements für jedes x-Achsen-Element und jedes Empfehlungs-Achsen-Element als einen y-Achsen-Empfehlungssammelwert aus dem y-Achsen-Zwischenwert von jedem x-Achsen-Element und jedem Empfehlungs-Achsen-Element zu berechnen, der von der empfehlungs-achsenspezifischen Zwischensammeleinheit berechnet wurde, durch die Verwendung des y-Achsen-Sammelausdrucks; und eine Datenausgabeeinheit, die dafür ausgebildet ist, eine Korrelation zwischen dem x-Achsen-Element und dem y-Achsen-Empfehlungssammelwert für jedes Empfehlungs-Achsen-Element auszugeben basierend auf dem y-Achsen-Empfehlungssammelwert von jedem x-Achsen-Element und jedem Empfehlungs-Achsen-Element, der von der Empfehlungs-Sammeleinheit berechnet wurde.
Vorteilhafte Effekte der Erfindung
Die Unterstützungsvorrichtung zur mehrdimensionalen Datenanalyse gemäß einer Ausführungsform der vorliegenden Erfindung ist dafür ausgebildet, einen y-Achsen-Empfehlungssammelwert für jedes x-Achsen-Element und jedes Empfehlungs-Achsen-Element aus Eingangsdaten zur Analyse basierend auf einer Vergleichsbedingung und einem Empfehlungs-Achsen-Element zu berechnen, die vorgegeben worden sind, und eine Korrelation zwischen dem x-Achsen-Element und dem y-Achsen-Empfehlungssammelwert für jedes Empfehlungs-Achsen-Element durch die Verwendung des y-Achsen-Empfehlungssammelwerts von jedem x-Achsen-Element und jedem Empfehlungs-Achsen-Element auszugeben. Damit ist es möglich, eine Unterstützungsvorrichtung zur mehrdimensionalen Datenanalyse zu erhalten, um eine atypische Analyse von mehrdimensionalen Daten zu erleichtern.
Kurze Beschreibung der Zeichnungen
1 ist ein Blockdiagramm zum Darstellen eines Aufbaus einer Unterstützungsvorrichtung zur mehrdimensionalen Datenanalyse gemäß einer ersten Ausführungsform der vorliegenden Erfindung.
2 ist ein erläuterndes Diagramm zum Darstellen eines Beispiels einer Tabelle einer Fehlerinformations-Datenbank aus 1.
3 ist ein erklärendes Diagramm zum Darstellen eines Beispiels einer Tabelle einer Vertragsinformations-Datenbank aus 1.
4 ist ein erläuterndes Diagramm zum Darstellen eines Beispiels einer Vergleichsbedingung aus 1.
5 ist ein erläuterndes Diagramm zum Darstellen eines Beispiels eines Empfehlungs-Achsen-Elements aus 1.
6 ist ein erläuterndes Diagramm zum Darstellen eines Beispiels eines Empfehlungsmodus aus 1.
7 ist ein erläuterndes Diagramm zum Darstellen eines Beispiels einer Tabelle einer Zwischensammelwert-Datenbank aus 1.
8 ist ein erläuterndes Diagramm zum Darstellen eines Beispiels einer Tabelle einer Integrations-Sammelwert-Datenbank aus 1.
9 ist ein erläuterndes Diagramm zum Darstellen eines Beispiels einer Tabelle einer Empfehlungs-Sammelwert-Datenbank aus 1.
10 ist ein erläuterndes Diagramm zum Darstellen eines Beispiels einer Tabelle einer Empfehlungs-Bewertungswert-Datenbank aus 1.
11 ist ein erläuterndes Diagramm zum Darstellen eines Beispiels eines Hauptqualitätsberichts aus 1.
12 ist ein erläuterndes Diagramm zum Darstellen eines Beispiels eines Empfehlungsqualitätsberichts aus 1.
13 ist ein erklärendes Diagramm zum Darstellen eines weiteren Beispiels des Empfehlungsqualitätsberichts aus 1.
14 ist ein Flussdiagramm zum Darstellen eines Beispiels einer Reihe von Vorgängen der Unterstützungsvorrichtung zur mehrdimensionalen Datenanalyse gemäß der ersten Ausführungsform der vorliegenden Erfindung.
Beschreibung der Ausführungsformen
Es wird nun eine Unterstützungsvorrichtung zur mehrdimensionalen Datenanalyse gemäß einer beispielhaften Ausführungsform der vorliegenden Erfindung unter Bezugnahme auf die beigefügten Zeichnungen beschrieben. Bei der Darstellung in den Zeichnungen sind dieselben Komponenten oder korrespondierende Komponenten mit denselben Bezugszeichen versehen und eine überlappende Beschreibung dieser wird hierbei weggelassen. Ferner wird die Ausführungsform anhand eines Beispielfalls beschrieben, bei dem man die vorliegende Erfindung auf mehrdimensionale Daten anwendet, die sich auf eine Wartungsdienstleistung für eine Einrichtung (zum Beispiel einen Aufzug) bezieht, die gewartet werden soll.
Erste Ausführungsform
1 ist ein Blockdiagramm zum Darstellen eines Aufbaus einer Unterstützungsvorrichtung 1 zur mehrdimensionalen Datenanalyse gemäß der ersten Ausführungsform der vorliegenden Erfindung. In 1 ist die Unterstützungsvorrichtung 1 der mehrdimensionalen Datenanalyse gemäß der ersten Ausführungsform dafür ausgebildet, die Eingangsdaten für eine Analyse zu analysieren, die eingegeben wurden, basierend auf einer Vergleichsbedingung 4, einem Empfehlungs-Achsen-Element 5 und einem Empfehlungsmodus 6, die eingegeben wurden, und ein Analyseergebnis davon auszugeben.
Die Unterstützungsvorrichtung 1 zur mehrdimensionalen Datenanalyse wird zum Beispiel durch eine CPU implementiert, die dafür ausgebildet ist, ein in einem Speicher gespeichertes Programm auszuführen, und einer System-LSI oder einer anderen solchen Verarbeitungsschaltung. Der Speicher speichert jede Datenbank (DB) zum Speichern von verschiedenen Arten von Daten.
Zunächst wird eine Beschreibung der Elemente gemacht, die in die Unterstützungsvorrichtung 1 zur mehrdimensionalen Datenanalyse eingegeben werden. Die Beschreibung richtet sich auf einen beispielhaften Fall, bei dem Daten, die in einer Fehlerinformations-Datenbank 2 und einer Vertragsinformations-Datenbank 3 in die Unterstützungsvorrichtung 1 zur mehrdimensionalen Datenanalyse als die Eingangsdaten für die Analyse eines Analysesubjekts eingegeben werden.
2 ist ein erläuterndes Diagramm zum Darstellen eines Beispiels einer Tabelle der Fehlerinformations-Datenbank 2 aus 1. Wie in 2 gezeigt ist, weist die Fehlerinformations-Datenbank 2 die Tabelle bezogen auf Fehlerinformation der zu wartenden Einrichtung auf. Insbesondere hat die Tabelle aus 2 Datenelemente aufweisend eine Fehler-ID, eine Vertrags-ID, eine Fehlerzeit und ein Klassifikationselement X, die einander zugeordnet sind.
In 2 repräsentiert die Fehler-ID eine Identifikation zum Identifizieren eines Fehlers. Die Vertrags-ID repräsentiert eine Identifikation zum Identifizieren von Details eines Wartungsvertrags, um die zu wartende Einrichtung zu warten, die von dem Fehler korrespondierend mit der Fehler-ID betroffen ist. Die Fehlerzeit repräsentiert ein Jahr/Monat/Tag, an dem der mit der Fehler-ID korrespondierende Fehler aufgetreten ist. Das Klassifikationselement X repräsentiert wie der Fehler zu klassifizieren ist, der mit der Fehler-ID korrespondiert.
In 2 zeigen z.B. die Daten in der ersten Reihe, dass die Fehler-ID ein Fehler 0001 ist, Die Details des Wartungsvertrags, die mit der Fehler-ID korrespondieren, Vertrag 0002 ist, die Fehlerzeit, die mit der Fehler-ID korrespondiert, der 21. August 2014 ist und der Fehlertyp, der mit der Fehler-ID korrespondiert, eine Klassifikation X01 hat.
3 ist ein erläuterndes Diagramm zum Darstellen eines Beispiels einer Tabelle einer Vertragsinformations-Datenbank 3 aus 1. Wie in 3 gezeigt ist, weist die Vertragsinformations-Datenbank 3 die Tabelle bezogen auf eine Wartungsvertragsinformation für die zu wartende Einrichtung auf. Insbesondere hat die Tabelle aus 3 Datenelemente aufweisend eine Vertrags-ID, eine Vertragszeit, ein Modell und ein Klassifikationselement Y, die einander zugeordnet sind.
In 3 repräsentiert die Vertrags-ID einen Identifikator zum Identifizieren von Details eines Wartungsvertrags, um die zu wartende Einrichtung zu warten. Die Vertragszeit repräsentiert ein Jahr/Monat/Tag, an dem der mit der Vertrags-ID korrespondierende Wartungsvertrag unterschrieben wurde. Das Modell repräsentiert ein Modell der zu wartenden Einrichtung, das mit der Vertrags-ID korrespondiert. Das Klassifikationselement Y repräsentiert wie die Art von Wartungsvertrag, die mit der Vertrags-ID korrespondiert, zu klassifizieren ist.
In 3 zeigen die Daten in der ersten Reihe z.B. an, dass die Vertrags-ID ein Vertrag 00001 ist, die Zeit, zu der der mit der Vertrags-ID korrespondierende Wartungsvertrag unterschrieben wurde, der 1. April 2010 ist, das Modell der zu wartenden Einrichtung, die mit der Vertrags-ID korrespondiert, Modell 1 ist und die Art des Wartungsvertrags, die mit der Vertrags-ID korrespondiert, eine Klassifikation Y02 hat.
Die Tabellen aus 2 und 3 weisen jeweils das Datenelement der Vertrags-ID auf, so dass die entsprechenden Tabellen einander zugeordnet sind.
Auf diese Weise werden solche mehrdimensionalen Daten, die sich auf die Wartungsdienstleistung für eine zu wartende Einrichtung beziehen, wie in 2 und 3 dargestellt, als die Eingangsdaten zur Analyse in die Unterstützungsvorrichtung 1 zur mehrdimensionalen Datenanalyse eingegeben.
4 ist ein erläuterndes Diagramm zum Darstellen eines Beispiels der Vergleichsbedingung 4 aus 1. Wie in 4 gezeigt ist, hat die Vergleichsbedingung 4 ein x-Achsen-Element, ein y-Achsen-Element, einen y-Achsen-Sammelausdruck, einen ersten y-Achsen-Zwischenwert, eine erste zusammengesetzte Funktion, einen zweiten y-Achsen-Zwischenwert, eine zweite zusammengesetzte Funktion und eine Eingrenzungs-Bedingung definiert. Jedes Element der Vergleichsbedingung 4 wird von einem Benutzer eingestellt.
In 4 werden Parameter, die zum Analysieren einer Korrelation zwischen zwei Parametern, die aus den Eingangsdaten zur Analyse abgeleitet werden können, in den entsprechenden Elementen von x-Achsen-Element und y-Achsen-Element eingestellt. In diesem Beispiel werden, um eine Korrelation zwischen dem Fehlerereignismonat und der Fehlerrate aus den Eingangsdaten zur Analyse zu analysieren, ein Fehlerereignismonat als das x-Achsen-Element und eine Fehlerrate als das y-Achsen-Element eingestellt.
Parameter, die benötigt werden, um einen Wert des y-Achsenwert für jedes x-Achsen-Element und jedes Empfehlungs-Achsen-Element 5, später erläutert, aus dem Eingangsdaten zur Analyse zu berechnen, werden in den Elementen des ersten y-Achsen-Zwischenwerts und des zweiten y-Achsen-Zwischenwerts eingestellt. In diesem Beispiel muss die Fehlerrate für jeden Fehlerereignismonat und jedes Modell aus den Daten berechnet, die in der Fehlerinformations-Datenbank 2 und der Vertragsinformations-Datenbank 3 enthalten sind.
Daher werden zwei Parameter für den ersten y-Achsen-Zwischenwert und den zweiten y-Achsen-Zwischenwert eingestellt für einen y-Achsen-Zwischenwert zum Berechnen des Werts für das y-Achsen-Element für jedes x-Achsen-Element und jedes Empfehlungs-Achsen-Element 5 aus den Eingangsdaten zur Analyse. Insbesondere ist ein Fall eines Einstellens der Anzahl von Fehlern aus der Fehlerinformations-Datenbank 2 als der erste y-Achsen-Zwischenwert und Einstellen der Anzahl von Wartungsverträgen aus der Vertragsinformations-Datenbank 3 als der zweite y-Achsen-Zwischenwert als ein Beispiel dargestellt.
Ein Funktion, die zum Berechnen des Werts des y-Achsen-Elements für jedes x-Achsen-Element und jedes Empfehlungs-Achsen-Element 5 aus den Eingangsdaten zur Analyse benötigt wird, wird in dem Element des y-Achsen-Sammelausdrucks eingestellt. In diesem Beispiel ist eine Funktion zum Berechnen des Werts des y-Achsen-Elements für jedes x-Achsen-Element und jedes Empfehlungs-Achsen-Elements 5 aus dem ersten y-Achsen-Zwischenwert und dem zweiten y-Achsen-Zwischenwert als der y-Achsen-Sammelausdruck eingestellt. Insbesondere ist ein Fall dargestellt, bei dem [erster y-Achsen-Zwischenwert]/[zweiter y-Achsen-Zwischenwert] als die Funktion des y-Achsen-Sammelausdrucks eingestellt ist, als Beispiel dargestellt.
Eine Funktion zum Zusammensetzen der ersten y-Achsen-Zwischenwerte, die für jedes x-Achsen-Element und jedes Empfehlungs-Achsen-Element 5 eingestellt worden sind, für jeden gleichen Wert des x-Achsen-Elements wird in dem Element der ersten zusammengesetzten Funktion eingestellt. Die Beschreibung ist auf einen beispielhaften Fall gerichtet, bei dem eine Additionsfunktion als die erste zusammengesetzte Funktion verwendet wird.
Eine Funktion zum Zusammensetzen der zweiten y-Achsen-Zwischenwerte, die für jedes x-Achsen-Element und jedes Empfehlungs-Achsen-Element 5 eingestellt worden sind, für jeden gleichen Wert des x-Achsen-Elements wird in dem Element der zweiten zusammengesetzten Funktion eingestellt. Die Beschreibung ist auf einen beispielhaften Fall gerichtet, bei dem eine Additionsfunktion als die zweite zusammengesetzte Funktion verwendet wird.
Eine Bedingung zum Eingrenzen einer Datenzahl der Eingangsdaten zur Analyse wird als die Eingrenzungs-Bedingung eingestellt. Bei diesem Beispiel wird eine Bedingung zum Durchführen einer Analyse durch die Verwendung von Daten, deren Klassifikationselement X zu der Klassifikation X01 in den Daten gehört, die in der Fehlerinformations-Datenbank 2 enthalten sind, als die Eingrenzungs-Bedingung eingestellt. In diesem Beispiel sollen Fehler, die zu der Klassifikation X01 gehören, analysiert werden.
5 ist ein erläuterndes Diagramm zum Darstellen eines Beispiels des Empfehlungs-Achsen-Elements 5 aus 1. 6 ist ein erläuterndes Diagramm zum Darstellen eines Beispiels des Empfehlungsmodus 6 aus 1. Die entsprechenden Elemente des Empfehlungs-Achsen-Elements 5 und des Empfehlungsmodus 6 werden vom Benutzer eingestellt.
In 5 und 6 sind Parameter zum weiteren Analysieren eines besonderen Trends in den entsprechenden Elementen des Empfehlungs-Achsen-Elements 5 und des Empfehlungsmodus 6 eingestellt, basierend auf einer Korrelation zwischen den zwei Parametern, die in den entsprechenden Elementen des x-Achsen-Elements und des y-Achsen-Elements der Vergleichsbedingung 4 eingestellt sind. Es kann nicht nur ein Parameter sondern auch eine Vielzahl von Parametern in dem Empfehlungs-Achsen-Element 5 eingestellt sein. Die Beschreibung ist auf einen beispielhaften Fall gerichtet, bei dem das Modell als das Empfehlungs-Achsen-Element 5 eingestellt ist und ein ansteigender Trend wird als der Empfehlungsmodus 6 eingestellt, annehmend, dass der Benutzer die Modelle wissen möchte, deren Fehler in einem ansteigenden Trend sind. In diesem Fall muss der ansteigende Trend der Fehlerrate in Hinblick auf den Fehlerereignismonat quantitativ für jedes Modell der zu wartenden Einrichtung analysiert werden.
Auf diese Weise werden die Vergleichsbedingung 4, das Empfehlungs-Achsen-Element 5, der Empfehlungsmodus 6, die in 4 und 6 dargestellt sind und mit den Bedingungen zum Analysieren der Eingangsdaten zur Analyse korrespondieren, auch in die Unterstützungsvorrichtung 1 zur mehrdimensionalen Datenanalyse zusammen mit den Eingangsdaten zur Analyse eingeben.
Verschiedene Parameter können in dem x-Achsen-Element, dem y-Achsen-Element, dem Empfehlungs-Achsen-Element 5 und dem Empfehlungsmodus 6 in Abhängigkeit von den Details der Eingangsdaten zur Analyse eingestellt werden.
Als das x-Achsen-Element kann zum Beispiel ein Fiskaljahr oder eine Zweigniederlassung eingestellt werden. Als das y-Achsen-Element kann zum Beispiel eine Reparaturarbeitszeitperiode, Reparaturkosten oder eine Fehlerstoppzeitperiode (MTTR) eingestellt werden. Als das Empfehlungs-Achsen-Element 5 kann zum Beispiel ein Vertragstyp, eine Fehlerstelle, ein Fehlerphänomen, ein Fehlergrund, ein Ausrüstungszweck, eine Installationsumgebung, eine Managementabteilung oder die Anzahl von Jahren seit der Installation eingestellt werden. Als Empfehlungsmodus 6 kann zum Beispiel ein abwärtiger Trend, ein Groß-oder-Klein-Trend eines Mittelwerts, ein steil aufwärtiger Trend, ein steil abwärtiger Trend oder ein saisonal variierender Trend eingestellt werden.
Bei der ersten Ausführungsform wird der Fall genommen, dass das Modell und der ansteigende Trend als ein Beispiel einer Kombination des Parameters genommen wird, der in dem Empfehlungs-Achsen-Element 5 eingestellt werden kann, und dem Parameter, der in dem Empfehlungsmodus 6 eingestellt werden kann, aber es sollte klar sein, dass verschiedene Kombinationen als die Kombination der Parameter eingestellt werden können, der in dem Empfehlungs-Achsen-Element 5 eingestellt werden kann, und dem Parameter, der in dem Empfehlungsmodus 6 eingestellt werden kann. Zum Beispiel, wenn der Vertragstyp als das Empfehlungs-Achsen-Element 5 eingestellt ist und der abwärtige Trend als der Empfehlungsmodus 6 eingestellt ist, soll der abwärtige Trend der Fehlerrate bezogen auf den Fehlerereignismonat quantitativ für jeden Vertragstyp der zu wartenden Einrichtung analysiert werden.
Es ist klar, dass die Einstellungsdetails des ersten y-Achsen-Zwischenwerts, des zweiten y-Achsen-Zwischenwerts, des y-Achsen-Sammelausdrucks, der ersten zusammengesetzte Funktion, der zweiten zusammengesetzten Funktion und der Eingrenzungs-Bedingung innerhalb der Vergleichsbedingung 4 entsprechend angepasst werden in Abhängigkeit von den Details der Eingangsdaten zur Analyse und den Details der Parameter, die im x-Achsen-Element, dem y-Achsen-Element und dem Empfehlungs-Achsen-Element 5 eingestellt sind.
Als Nächstes wird jede Komponente der Unterstützungsvorrichtung 1 zur mehrdimensionalen Datenanalyse beschrieben. In 1 weist die Unterstützungsvorrichtung 1 zur mehrdimensionalen Datenanalyse eine empfehlungs-achsenspezifische Zwischensammeleinheit 11, eine Zwischensammelwert-Datenbank 12, eine Integrationssammeleinheit 13, eine Empfehlungs-Sammeleinheit 14, eine Integrations-Sammelwert-Datenbank 15, eine Empfehlungs-Sammelwert-Datenbank 16, eine Empfehlungs-Bewertungswert-Datenbank 17 und eine Datenausgabeeinheit 18 auf.
Die empfehlungs-achsenspezifische Zwischensammeleinheit 11 ist dafür ausgebildet, den ersten y-Achsen-Zwischenwert und den zweiten y-Achsen-Zwischenwert für jedes x-Achsen-Element und jedes Empfehlungs-Achsen-Element 5 aus der Fehlerinformations-Datenbank 2 und der Vertragsinformations-Datenbank 3 zu berechnen, die als die Eingangsdaten zur Analyse eingegeben wurden, basierend auf der Vergleichsbedingung 4 und dem Empfehlungs-Achsen-Element 5, und ein Berechnungsergebnis davon in der Zwischensammelwert-Datenbank 12 zu speichern.
Insbesondere ist die empfehlungs-achsenspezifische Zwischensammeleinheit 11 dafür ausgebildet, die Fehlerinformations-Datenbank 2 und die Vertragsinformations-Datenbank 3 einander anhand der Vertrags-ID zuzuordnen und die Anzahl von Fehlern, die zur Klassifikation X01 gehören, einzustellen, die für jeden Fehlerereignismonat, der als das x-Achsen-Element eingestellt ist, und jedes Modell, das als das Empfehlungs-Achsen-Element 5 eingestellt ist, als der erste y-Achsen-Zwischenwert gezählt wurde. Die empfehlungs-achsenspezifische Zwischensammeleinheit 11 ist ferner dafür ausgebildet, die Anzahl von Wartungsverträgen einzustellen, die für jedes Modell aus der Vertragsinformations-Datenbank 3 gezählt wurde, als den zweiten y-Achsen-Zwischenwert.
Es wird nun die Zwischensammelwert-Datenbank 12 beschrieben. 7 ist ein erläuterndes Diagramm zum Darstellen eines Beispiels einer Tabelle der Zwischensammelwert-Datenbank 12 aus 1. Wie in 7 ist, weist die Zwischensammelwert-Datenbank 12 eine Tabelle auf, die sich auf das Berechnungsergebnis bezieht, das man mittels der empfehlungs-achsenspezifischen Zwischensammeleinheit 11 erhält. Insbesondere hat die Tabelle sieben Datenelemente, die das x-Achsen-Element, das Empfehlungs-Achsen-Element 5, den ersten y-Achsen-Zwischenwert und den zweiten y-Achsen-Zwischenwert aufweisen, die einander zugeordnet sind.
In 7 zeigen die Daten in der ersten Reihe zum Beispiel an, dass die Anzahl der Fehler, die das Modell 1 im Januar hervorgerufen hat, 35 beträgt und dass die Anzahl von Wartungsverträgen für das Modell 1 5001 beträgt.
Unter Rückgriff auf die Beschreibung von 1, ist die Integrationssammeleinheit 13 dafür ausgebildet, den Wert des y-Achsen-Elements für jedes x-Achsen-Element als einen y-Achsen-Integrationssammelwert aus dem ersten y-Achsen-Zwischenwert und dem zweiten y-Achsen-Zwischenwert für jedes x-Achsen-Element und jedes Empfehlungs-Achsen-Element 5 zu berechnen, die in der Zwischensammelwert-Datenbank 12 gespeichert sind, unter Verwendung der ersten zusammengesetzten Funktion, der zweiten zusammengesetzten Funktion und dem y-Achsen-Sammelausdruck, und ein Berechnungsergebnis davon in der Integrations-Sammelwert-Datenbank 15 zu speichern.
Insbesondere werden die ersten y-Achsen-Zwischenwerte von jedem Fehlerereignismonat und jedem Modell für jeden Fehlerereignismonat durch die Verwendung der Additionsfunktion addiert, um so einen ersten Additionswert zu berechnen. Ferner werden die zweiten y-Achsen-Zwischenwerte von jedem Fehlerereignismonat und jedem Modell für jeden Fehlerereignismonat durch die Verwendung der Additionsfunktion addiert, um so einen zweiten Additionswert zu berechnen. Zusätzlich wird ein Wert, den man durch Dividieren des ersten Additionswerts durch den zweiten Additionswert für jeden Fehlerereignismonat erhält, als der y-Achsen-Integrationssammelwert eingestellt.
Es wird nun die Integrations-Sammelwert-Datenbank 15 beschrieben. 8 ist ein erläuterndes Diagramm zum Darstellen eines Beispiels einer Tabelle der Integrations-Sammelwert-Datenbank 15 aus 1. Wie in 8 gezeigt ist, weist die Integrations-Sammelwert-Datenbank 15 eine Tabelle auf, die sich auf das Berechnungsergebnis bezieht, das man mittels der Integrationssammeleinheit 13 erhält. Insbesondere hat die Tabelle aus 8 Datenelemente, die das x-Achsen-Element und den y-Achsen-Integrationssammelwert aufweisen, die einander zugeordnet sind.
In 8 zeigen die Daten in der ersten Reihe zum Beispiel an, dass die Fehlerrate von Fehlern, die in allen Modellen aufgetreten ist, 0,0055 ist, wenn der Fehlerereignismonat Januar ist. Diesen numerischen Wert erhält man, indem man den ersten Additionswert (= 35 + 36 + 36 + 37) und den zweiten Additionswert (= 5001 + 6009 + 8082 + 7287) berechnet, die mit dem Januar aus der Zwischensammelwert-Datenbank 12, die in 7 gezeigt ist, korrespondieren, und den ersten Additionswert durch den zweiten Additionswert teilt.
Unter Rückgriff auf die Beschreibung in 1, ist die Empfehlungs-Sammeleinheit 14 dafür ausgebildet, den Wert des y-Achsen-Elements für jedes x-Achsen-Element und jedes Empfehlungs-Achsen-Element 5 als einen y-Achsen-Empfehlungssammelwert aus dem ersten y-Achsen-Zwischenwert und dem zweiten y-Achsen-Zwischenwert von jedem x-Achsen-Element und jedem Empfehlungs-Achsen-Element 5, die in der Zwischensammelwert-Datenbank 12 gespeichert sind, durch Verwendung des y-Achsen-Sammelausdrucks zu berechnen und ein Berechnungsergebnis davon in der Empfehlungs-Sammelwert-Datenbank 16 zu speichern. Insbesondere wird ein Wert, den man durch Dividieren des ersten y-Achsen-Zwischenwerts durch den zweiten y-Achsen-Zwischenwert für jeden Fehlerereignismonat und jedes Modell erhält, als der y-Achsen-Empfehlungssammelwert eingestellt.
Als Nächstes wird die Empfehlungs-Sammelwert-Datenbank 16 beschrieben. 9 ist ein erläuterndes Diagramm zum Darstellen eines Beispiels einer Tabelle der Empfehlungs-Sammelwert-Datenbank 16 aus 1. Wie in 9 gezeigt ist, weist die Empfehlungs-Sammelwert-Datenbank 16 eine Tabelle auf, die sich auf das Berechnungsergebnis des y-Achsen-Empfehlungssammelwerts bezieht, den man mittels der Empfehlungs-Sammeleinheit 14 erhält. Insbesondere hat die Tabelle aus 9 Datenelemente aufweisend das x-Achsen-Element, das Empfehlungs-Achsen-Element 5 und den y-Achsen-Empfehlungssammelwert, die einander zugeordnet sind.
In 9 zeigen die Daten in der ersten Reihe zum Beispiel an, dass die Fehlerrate der Fehler, die vom Modell 1 hervorgerufen wurden, 0,0070 beträgt, wenn der Fehlerereignismonat Januar ist. Dieser numerische Wert ist eine Wert, den man erhält, indem man den ersten y-Achsen-Zwischenwert (= 35) und den zweiten y-Achsen-Zwischenwert (= 5001) korrespondierend zu Januar und Modell 1 aus der Zwischensammelwert-Datenbank 12, die in 7 gezeigt ist, nimmt, um den ersten y-Achsen-Zwischenwert durch den zweiten y-Achsen-Zwischenwert zu teilen.
Unter Rückgriff auf die Beschreibung von 1, ist die Empfehlungs-Sammeleinheit 14 ferner dazu ausgebildet, einen Empfehlungs-Bewertungswert für jedes Empfehlungs-Achsen-Element 5 aus dem berechneten y-Achsen-Empfehlungssammelwert für jedes x-Achsen-Element und jedes Empfehlungs-Achsen-Element 5 basierend auf dem Empfehlungsmodus 6 zu berechnen und ein Berechnungsergebnis davon in der Empfehlungs-Bewertungswert-Datenbank 17 zu speichern. Insbesondere wird der Empfehlungs-Bewertungswert für jedes Modell durch die Verwendung des statistischen Ausdrucks berechnet, der mit dem Empfehlungsmodus 6 korrespondiert.
Bei diesem Beispiel ist der Empfehlungsmodus 6 auf den ansteigenden Trend eingestellt und so kann zum Beispiel die unten beschriebene Gleichung (1) als der statistische Ausdruck korrespondierend mit dem ansteigenden Trend verwendet werden, um den ansteigenden Trend der Fehlerrate für jedes Modell in einen numerischen Wert zu wandeln.
In Gleichung (1), wo A_i den y-Achsen-Empfehlungssammelwert von Modell N des i-ten Monats repräsentiert und B_i eine ganze Zahl i repräsentiert (eine Sequenz, die sich stets um eins erhöht), wird ein Korrelationskoeffizient R zwischen {A_i} und {B_i} (beide haben eine Länge n von 12) als der Empfehlungs-Bewertungswert eingestellt.
Die Empfehlungs-Sammeleinheit 14 ist ferner dafür ausgebildet, einen Empfehlungsrang des Empfehlungs-Achsen-Elements aus dem berechneten Empfehlungs-Bewertungswert für jedes Empfehlungs-Achsen-Element 5 zu berechnen und ein Berechnungsergebnis davon in der Empfehlungs-Bewertungswert-Datenbank 17 zu speichern. Den Empfehlungsrang erhält man, indem man einen Grad des Trends ordnet, der in dem Empfehlungsmodus 6 eingestellt ist, und der Rang wird höher, wenn der Grad größer wird.
Zum Beispiel wird der ansteigende Trend der Fehlerrate höher, wenn der Empfehlungs-Bewertungswert größer wird, wenn der Empfehlungs-Bewertungswert für jedes Modell durch die Verwendung der Gleichung (1) berechnet wird, wie oben beispielhaft dargestellt. In diesem Fall werden Ränge, basierend auf einem Größenverhältnis im Hinblick auf den Empfehlungs-Bewertungswert für jedes Modell zugeordnet, und der Empfehlungsrang des Modells bezüglich des größten Empfehlungs-Bewertungswerts wird als der erste Rang eingestellt.
Es wird nun die Empfehlungs-Bewertungswert-Datenbank 17 beschreiben. 10 ist ein erläuterndes Diagramm zum Darstellen eines Beispiels einer Tabelle der Empfehlungs-Bewertungswert-Datenbank 17 aus 1. Wie in 10 gezeigt ist, weist die Empfehlungs-Bewertungswert-Datenbank 17 eine Tabelle auf, die sich auf das Berechnungsergebnis des Empfehlungs-Bewertungswerts und des Empfehlungsrangs bezieht, den man mittels der Empfehlungs-Sammeleinheit 14 erhält. Insbesondere hat die Tabelle aus 10 Datenelemente aufweisend das Empfehlungs-Achsen-Element 5, den Empfehlungs-Bewertungswert und den Empfehlungsrang, die einander zugeordnet sind.
In 10 zeigen zum Beispiel die Daten in der ersten Reihe an, dass der Empfehlungs-Bewertungswert von Modell 1 0,84 beträgt und dass der Empfehlungsrang von Modell 1 der erste Rang ist. D.h., dass Modell 1 den ersten Rang als Empfehlungsrang hat, zeigt an, dass es den höchsten ansteigenden Trend der Fehlerrate von den Modellen 1 bis 4 hat. Dieser numerische Wert ist ein Wert, der basierend auf Gleichung (1) durch Verwendung der y-Achsen-Empfehlungssammelwerte korrespondierend mit Modell 1 für die entsprechenden Monate von Januar bis Dezember aus der Empfehlungs-Sammelwert-Datenbank 16 berechnet wird, die in 9 gezeigt ist.
Die Datenausgabeeinheit 18 ist dafür ausgebildet, eine Korrelation zwischen dem x-Achsen-Element und dem y-Achsen-Integrationssammelwert als einen Hauptqualitätsbericht 7 unter Verwendung des y-Achsen-Integrationssammelwerts von jedem x-Achsen-Element auszugeben, gespeichert in der Integrations-Sammelwert-Datenbank 15. Insbesondere ist die Datenausgabeeinheit 18 dafür ausgebildet, eine Korrelation zwischen den Fehlerereignismonaten und den Fehlerraten von allen Modellen als den Hauptqualitätsbericht 7 auszugeben.
Es wird nun der Hauptqualitätsbericht 7 beschrieben. 11 ist ein erläuterndes Diagramm zum Darstellen eines Beispiels des Hauptqualitätsberichts 7 aus 1. Wie in 11 gezeigt ist, wird der Hauptqualitätsbericht 7 in einer Form ausgegeben, die man erhält, indem man die y-Achsen-Integrationssammelwerte der entsprechenden Fehlerereignismonate in einem Graphen zeichnet, bei dem die vertikale Achse auf die Fehlerrate eingestellt ist und die horizontale Achse auf den Fehlerereignismonat eingestellt ist. D.h., im Hauptqualitätsbericht 7 wird die Korrelation zwischen den Fehlerereignismonaten und den Fehlerraten von allen Modellen durch einen Graphen gezeigt.
Die Datenausgabeeinheit 18 ist ferner dafür ausgebildet, eine Korrelation zwischen dem x-Achsen-Element und dem y-Achsen-Empfehlungssammelwert als einen Empfehlungsqualitätsbericht 8 für jedes Modell auszugeben, indem der y-Achsen-Empfehlungssammelwert für jedes x-Achsen-Element und jedes Empfehlungs-Achsen-Element 5 verwendet wird, der in der Empfehlungs-Sammelwert-Datenbank 16 gespeichert ist. Insbesondere ist die Datenausgabeeinheit 18 dafür ausgebildet, die Korrelation zwischen dem Fehlerereignismonat und der Fehlerrate des Modells als den Empfehlungsqualitätsbericht 8 für jedes Modell auszugeben.
Die Datenausgabeeinheit 18 ist ferner dafür ausgebildet, den Empfehlungsrang für jedes Empfehlungs-Achsen-Element 5, welches in der Empfehlungs-Bewertungswert-Datenbank 17 gespeichert ist, gemeinsam auszugeben. Insbesondere ist die Datenausgabeeinheit 18 dafür ausgebildet, den Empfehlungsrang für jedes Modell gemeinsam auszugeben.
Es wird nun der Empfehlungsqualitätsbericht 8 beschrieben. 12 ist ein erläuterndes Diagramm zum Darstellen eines Beispiels des Empfehlungsqualitätsberichts 8 aus 1. 13 ist ein erläuterndes Diagramm zum Darstellen eines weiteren Beispiels des Empfehlungsqualitätsberichts 8 aus 1. Wie in 12 und 13 gezeigt ist, wird der Empfehlungsqualitätsbericht 8 für jedes Modell in einer Form ausgegeben, die man erhält, indem man die y-Achsen-Empfehlungssammelwerte der entsprechenden Fehlerereignismonate in einem Graph zeichnet, bei dem die vertikale Achse als die Fehlerrate eingestellt ist und die horizontale Achse als der Fehlerereignismonat eingestellt ist. D.h., bei dem Empfehlungsqualitätsbericht 8 ist die Korrelation zwischen den Fehlerereignismonaten und den Fehlerraten des Modells mittels eines Graphen für jedes Modell gezeigt.
Wie in den 12 und 13 gezeigt ist, wird der Empfehlungsrang ebenfalls zusammen mit dem Graphen von jedem Modell dargestellt. D.h., bei dem mit Modell 1 korrespondierenden Graph, der in 12 gezeigt ist, ist der Empfehlungsrang als der erste Rang angezeigt, und bei dem mit Modell 3 korrespondierenden Graphen, der in 13 gezeigt ist, ist der Empfehlungsrang als der zweite Rang angezeigt.
Eine solche Konfiguration erlaubt es dem Benutzer die Korrelation zwischen den zwei Parametern zu betrachten, die in dem x-Achsen-Element und dem y-Achsen-Element der Vergleichsbedingung 4 eingestellt sind. Es ist einem Benutzer ferner möglich, die Korrelation zwischen dem x-Achsen-Element und dem y-Achsen-Element für jedes Datenelement zu betrachten, das in dem Empfehlungs-Achsen-Element 5 eingestellt ist. Dem Benutzer ist es ferner möglich, einen spezifischen Trend quantitativ zu betrachten, der durch die Korrelation zwischen dem x-Achsen-Element und dem y-Achsen-Element angezeigt ist, erhalten für jedes Empfehlungs-Achsen-Element 5 basierend auf den Details, die in dem Empfehlungsmodus eingestellt sind.
In 12 und 13 ist der Fall, bei dem der Empfehlungsrang, der mit jedem Modell korrespondiert, dargestellt ist, um quantitativ den ansteigenden Trend der Fehlerrate für jedes Modell explizit dem Benutzer zu zeigen, als ein Beispiel gezeigt, aber der Empfehlungs-Bewertungswert, der mit jedem Modell korrespondiert, kann dargestellt werden.
Bei diesem Beispiel ist der Fall gezeigt, bei dem jede Korrelation in der Form eines Graphen sowohl in dem Hauptqualitätsbericht 7 als auch in dem Empfehlungsqualitätsbericht 8 dargestellt ist, doch kann die Korrelation in einer beliebigen Form ausgedrückt werden. Ferner kann die Datenausgabeeinheit 18 den Hauptqualitätsbericht 7 und den Empfehlungsqualitätsbericht 8 in einer beliebigen Weise ausgeben, sofern der Benutzer in der Lage ist, die darin enthaltenen Details zu betrachten. Zum Beispiel kann die Datenausgabeeinheit 18 dafür ausgebildet sein, den Hauptqualitätsbericht 7 und den Empfehlungsqualitätsbericht 8 in einer Form auszugeben, um auf ein Blatt Papier gedruckt zu werden, oder kann dafür ausgebildet sein, den Hauptqualitätsbericht 7 und den Empfehlungsqualitätsbericht 8 auf einem Bildschirm einer Anzeigevorrichtung anzuzeigen.
Als Nächstes wird ein Beispiel einer Abfolge von Operationen der Unterstützungsvorrichtung 1 zur multidimensionalen Datenanalyse unter Bezug auf 14 beschrieben. 14 ist ein Flussdiagramm zum Illustrieren eines Beispiels einer Reihe von Operationen der Unterstützungsvorrichtung 1 zur mehrdimensionalen Datenanalyse gemäß der ersten Ausführungsform der vorliegenden Erfindung.
Im Schritt S101 berechnet die empfehlungs-achsenspezifische Zwischensammeleinheit 11 den y-Achsen-Zwischenwert für jedes x-Achsen-Element und jedes Empfehlungs-Achsen-Element 5 aus den Eingangsdaten zur Analyse (in diesem Fall die Fehlerinformations-Datenbank 2 und die Vertragsinformations-Datenbank 3) basierend auf der Vergleichsbedingung 4 und dem Empfehlungs-Achsen-Element 5 und speichert den y-Achsen-Zwischenwert in der Zwischensammelwert-Datenbank 12.
Im Schritt S102 berechnet die Integrationssammeleinheit 13 den Wert des y-Achsen-Elements für jedes x-Achsen-Element als den y-Achsen-Integrationssammelwert aus der Zwischensammelwert-Datenbank 12 unter Verwendung des y-Achsen-Sammelausdrucks und speichert den y-Achsen-Integrationssammelwert in der Integrations-Sammelwert-Datenbank 15.
Im Schritt S103 berechnet die Integrationssammeleinheit 14 den Wert des y-Achsen-Elements für jedes x-Achsen-Element und jedes Empfehlungs-Achsen-Element 5 als den y-Achsen-Empfehlungssammelwert aus der Zwischensammelwert-Datenbank 12 unter Verwendung des y-Achsen-Sammelausdrucks und speichert den y-Achsen-Empfehlungssammelwert in der Empfehlungs-Sammelwert-Datenbank 16.
Im Schritt S104 berechnet die Empfehlungs-Sammeleinheit 14 den Empfehlungs-Bewertungswert für jedes Empfehlungs-Achsen-Element 5 aus der Empfehlungs-Sammelwert-Datenbank 16 basierend auf dem Empfehlungsmodus 6, berechnet den Empfehlungsrang des Empfehlungs-Achsen-Elements 5 aus dem Empfehlungs-Bewertungswert von jedem Empfehlungs-Achsen-Element 5 und speichert Berechnungsergebnisse davon in der Empfehlungs-Bewertungswert-Datenbank 17.
Im Schritt S105 wird von der Datenausgabeeinheit 18 der Hauptqualitätsbericht 7 aus der Integrations-Sammelwert-Datenbank 15 erzeugt und ausgegeben und der Empfehlungsqualitätsbericht 8 aus der Empfehlungs-Sammelwert-Datenbank 16 und der Empfehlungs-Bewertungswert-Datenbank 17 wird von ihr erzeugt und ausgegeben.
Auf diese Weise werden die entsprechenden Verarbeitungsschritte S101 bis S105 von der Unterstützungsvorrichtung 1 zur mehrdimensionalen Datenanalyse ausgeführt, um dadurch den Hauptqualitätsbericht 7 und den Empfehlungsqualitätsbericht 8 auszugeben. Daher kann der Benutzer einfach eine gewünschte Analyse der Eingangsdaten zur Analyse durchführen, indem nur die Vergleichsbedingung 4, das Empfehlungs-Achsen-Element 5 und der Empfehlungsmodus 6 basierend auf den Details der Eingangsdaten zur Analyse eingestellt werden.
Wie oben beschrieben, weist die Unterstützungsvorrichtung zur mehrdimensionalen Datenanalyse gemäß der ersten Ausführungsform auf: eine empfehlungs-achsenspezifische Zwischensammeleinheit, die dafür ausgebildet ist, den y-Achsen-Zwischenwert für jedes x-Achsen-Element und jedes Empfehlungs-Achsen-Element aus den Eingangsdaten zur Analyse basierend auf der Vergleichsbedingung und dem Empfehlungs-Achsen-Element zu berechnen; eine Empfehlungs-Sammeleinheit, die dafür ausgebildet ist, den Wert des y-Achsen-Elements für jedes x-Achsen-Element und jedes Empfehlungs-Achsen-Element als den y-Achsen-Empfehlungssammelwert aus dem y-Achsen-Zwischenwert und jedem x-Achsen-Element und jedem Empfehlungs-Achsen-Element zu berechnen, durch die Verwendung des y-Achsen-Sammelausdrucks; und eine Datenausgabeeinheit, die dafür ausgebildet ist, eine Korrelation zwischen dem x-Achsen-Element und dem y-Achsen-Empfehlungssammelwert für jedes Empfehlungs-Achsen-Element basierend auf dem y-Achsen-Empfehlungssammelwert von jedem x-Achsen-Element und jedem Empfehlungs-Achsen-Element auszugeben.
Mit diesem Aufbau ist es möglich, eine atypische Analyse der mehrdimensionalen Daten zu erleichtern. Ferner wird das Analyseergebnis, das mit der vom Benutzer vorgenommenen Eingabe korrespondiert, unabhängig von den Analysefähigkeiten des Benutzers ausgegeben und es daher möglich, dass selbst ein Benutzer mit geringen Analysefähigkeiten in der Lage ist, ein Ergebnis einer atypischen Analyse zu verstehen, während dem Benutzer ein unerwartetes Verständnis der mehrdimensionalen Daten gegeben wird. Zusätzlich wird eine charakteristische Analyse dem Benutzer dargestellt, um so dafür zu sorgen, dass ein Analysefall als vorläufiges Wissen für die Wartungsdienstleistung erkannt wird, was zu einer Verbesserung der Wartungsqualität führt.
Die erste Ausführungsform wurde beschrieben, indem der beispielhafte Fall verwendet wurde, dass die vorliegende Erfindung auf die mehrdimensionalen Daten angewandt wurde, die sich auf die Wartungsdienstleistung für die zu wartende Einrichtung (zum Beispiel einen Aufzug) bezieht, doch ist die vorliegende Erfindung nicht darauf beschränkt, und es sollte klar sein, dass die vorliegende Erfindung auf eine beliebige Art von mehrdimensionalen Daten angewendet werden kann.

Claims

Unterstützungsvorrichtung zur mehrdimensionalen Datenanalyse, die dafür ausgebildet ist, folgende Eingaben zu erhalten: Eingangsdaten zur Analyse; ein Empfehlungs-Achsen-Element; und eine Vergleichsbedingung in der definiert ist: ein x-Achsen-Element; ein y-Achsen-Element; und ein y-Achsen-Zwischenwert und ein y-Achsen-Sammelausdruck, die verwendet werden zum Berechnen eines Werts des y-Achsen-Elements für jedes x-Achsen-Element und jedes Empfehlungs-Achsen-Element aus den Eingangsdaten zur Analyse, die Unterstützungsvorrichtung zur mehrdimensionalen Datenanalyse aufweisend: eine empfehlungs-achsenspezifische Zwischensammeleinheit, die dafür ausgebildet ist, den y-Achsen-Zwischenwert für jedes x-Achsen-Element und jedes Empfehlungs-Achsen-Element aus den Eingangsdaten zur Analyse basierend auf der Vergleichsbedingung und dem Empfehlungs-Achsen-Element zu berechnen; eine Empfehlungs-Sammeleinheit, die dafür ausgebildet ist, den Wert des y-Achsen-Elements für jedes x-Achsen-Element und jedes Empfehlungs-Achsen-Element als einen y-Achsen-Empfehlungssammelwert aus dem y-Achsen-Zwischenwert und jedem x-Achsen-Element und jedem Empfehlungs-Achsen-Element zu berechnen, der von der empfehlungs-achsenspezifischen Zwischensammeleinheit berechnet wurde, durch die Verwendung des y-Achsen-Sammelausdrucks; und eine Datenausgabeeinheit, die dafür ausgebildet ist, eine Korrelation zwischen dem x-Achsen-Element und dem y-Achsen-Empfehlungssammelwert für jedes Empfehlungs-Achsen-Element auszugeben basierend auf dem y-Achsen-Empfehlungssammelwert von jedem x-Achsen-Element und jedem Empfehlungs-Achsen-Element, der von der Empfehlungs-Sammeleinheit berechnet wurde.
Unterstützungsvorrichtung zur mehrdimensionalen Datenanalyse nach Anspruch 1, wobei: in der Vergleichsbedingung ferner ein Empfehlungsmodus definiert ist; die Empfehlungs-Sammeleinheit ferner dafür ausgebildet ist, einen Empfehlungs-Bewertungswert für jedes Empfehlungs-Achsen-Element aus dem berechneten y-Achsen-Empfehlungssammelwert von jedem x-Achsen-Element und jedem Empfehlungs-Achsen-Element basierend auf den Empfehlungsmodus zu berechnen; und die Datenausgabeeinheit ferner dafür ausgebildet ist, den Empfehlungs-Bewertungswert von jedem Empfehlungs-Achsen-Element auszugeben, der von der Empfehlungs-Sammeleinheit berechnet wurde.
Unterstützungsvorrichtung zur mehrdimensionalen Datenanalyse nach Anspruch 2, wobei: die Empfehlungs-Sammeleinheit dafür ausgebildet ist, einen Empfehlungsrang des Empfehlungs-Achsen-Elements aus einem Größenverhältnis im Hinblick auf den berechneten Empfehlungs-Bewertungswert von jedem Empfehlungs-Achsen-Element zu berechnen; und die Datenausgabeeinheit ferner dafür ausgebildet ist, den Empfehlungsrang des Empfehlungs-Achsen-Elements auszugeben, der von der Empfehlungs-Sammeleinheit berechnet wurde, an der Stelle des Empfehlungs-Bewertungswerts von jedem Empfehlungs-Achsen-Element.
Unterstützungsvorrichtung zur mehrdimensionalen Datenanalyse nach einem der Ansprüche 1 bis 3, ferner aufweisend eine Integrationssammeleinheit, die dafür ausgebildet ist, den Wert des y-Achsen-Elements für jedes x-Achsen-Element als einen y-Achsen-Integrationssammelwert aus dem y-Achsen-Zwischenwert von jedem x-Achsen-Element und jedem Empfehlungs-Achsen-Element zu berechnen, der von der empfehlungs-achsenspezifischen Zwischensammeleinheit berechnet wurde unter Verwendung des y-Achsen-Sammelausdrucks, wobei die Datenausgabeeinheit ferner dafür ausgebildet ist, eine Korrelation zwischen dem x-Achsen-Element und dem y-Achsen-Integrationssammelwert auszugeben basierend auf dem y-Achsen-Integrationssammelwert von jedem x-Achsen-Element, der von der Integrationssammeleinheit berechnet wurde.