JP2016099737A - データの分析方法およびデータの表示方法 - Google Patents

データの分析方法およびデータの表示方法 Download PDF

Info

Publication number
JP2016099737A
JP2016099737A JP2014234923A JP2014234923A JP2016099737A JP 2016099737 A JP2016099737 A JP 2016099737A JP 2014234923 A JP2014234923 A JP 2014234923A JP 2014234923 A JP2014234923 A JP 2014234923A JP 2016099737 A JP2016099737 A JP 2016099737A
Authority
JP
Japan
Prior art keywords
data
index
values
self
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2014234923A
Other languages
English (en)
Other versions
JP6561455B2 (ja
Inventor
直哉 古渡
Naoya Kowatari
直哉 古渡
正隆 小石
Masataka Koishi
正隆 小石
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yokohama Rubber Co Ltd
Original Assignee
Yokohama Rubber Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yokohama Rubber Co Ltd filed Critical Yokohama Rubber Co Ltd
Priority to JP2014234923A priority Critical patent/JP6561455B2/ja
Priority to EP15861504.7A priority patent/EP3208752A4/en
Priority to US15/528,481 priority patent/US20170255721A1/en
Priority to PCT/JP2015/082262 priority patent/WO2016080394A1/ja
Publication of JP2016099737A publication Critical patent/JP2016099737A/ja
Application granted granted Critical
Publication of JP6561455B2 publication Critical patent/JP6561455B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N99/00—Subject matter not provided for in other groups of this subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

【課題】設計変数と特性値との因果関係の理解を容易にするデータの分析方法およびデータの表示方法を提供する。【解決手段】データの分析方法は、所定の関係を有する複数の入力値と複数の出力値において、複数の入力値を表わす入力データと、複数の出力値を表わす出力データの２種類のデータを対象としている。複数の出力値を目的関数として、目的関数空間における第１の指標および第２の指標の少なくとも一方を求める工程を有する。第１の指標は、複数の目的関数の値のうち、少なくとも２つの目的関数の値の、予め設定された値に対する距離である。第２の指標は、複数の目的関数の値のうち、少なくとも２つの目的関数の値の比率で表されるものである。【選択図】図１

Description

本発明は、所定の関係を有する複数の入力値と複数の出力値において、複数の入力値を表わす入力データと、複数の出力値を表わす出力データの２種類のデータを対象として、コンピュータ等を用いたデータの分析方法およびデータの表示方法に関し、特に、複数の入力値と、複数の出力値との因果関係の理解を容易にするためのデータの分析方法およびデータの表示方法に関する。
構造体および構造体を構成する材料の設計変数を入力値とし、構造体および構造体を構成する材料のうち複数の特性値（目的関数）を出力値として、多目的最適化とデータマイニングを組合せて用いることで、設計変数と特性値との因果関係を見出すことができることが知られている。
複数の特性値（目的関数）を対象とする多目的最適化では、特性値の間にトレードオフ関係が存在することが少なくない。その場合、最適解はパレート解と呼ばれる解集合を形成する。そのパレート解と設計変数との因果関係を分析することで特定の特性値バランスを実現するための設計変数の方向性を知ることができ、その情報を設計に役立てることができる。パレート解のデータから、特性値と設計変数の因果関係を分析する従来の方法として、自己組織化マップが提案されている（非特許文献１参照）。
非特許文献１では、自己組織化マップを用い、この自己組織化マップ上に目的関数、設計変数を表示することができ、それらを並べて表示することで、視覚的に目的関数間の相関関係を把握できるだけでなく、目的関数と設計変数との因果関係も理解できることが記載されている。
日本ゴム協会誌、Vol.85、2012、289-295.
上述のように、非特許文献１に自己組織化マップを用いて特性値（出力値）と設計変数（入力値）の因果関係を分析することが記載されている。
ここで、多目的最適化問題において複数の特性値を向上させる設計値を探索することが重要である。同時に設計変数空間において、複数の特性値を向上させる設計変数が何かを判別することも重要である。しかしながら、通常の製品設計では設計変数、特性値の数はきわめて多く、どの設計変数の寄与が大きいか判別しづらい。また経験の浅い解析者では結果を図示しても因果関係が理解できないことがあるという問題点がある。
また、特性値と設計変数の因果関係を可視化した自己組織化マップでは、解析者が理解し易いようにデータをまとめてはいるが、経験の浅い解析者では、どの因子が特性値に影響を与えているか理解しにくいという問題点がある。
本発明の目的は、前述の従来技術に基づく問題点を解消し、入力値（設計変数）が複数あり、出力値（特性値）が複数ある場合において、入力値（設計変数）と出力値（特性値）との因果関係の理解を容易にするデータの分析方法およびデータの表示方法を提供することにある。
上記目的を達成するために、本発明は、所定の関係を有する複数の入力値と複数の出力値において、前記複数の入力値を表わす入力データと、前記複数の出力値を表わす出力データの２種類のデータを対象としたデータの分析方法であって、前記複数の出力値を目的関数として、目的関数空間における第１の指標および第２の指標の少なくとも一方を求める工程を有し、前記第１の指標は、複数の目的関数の値のうち、少なくとも２つの目的関数の値の、予め設定された値に対する距離であり、前記第２の指標は、複数の目的関数の値のうち、少なくとも２つの目的関数の値の比率で表されるものであることを特徴とするデータの分析方法を提供するものである。
さらに、前記入力データおよび前記出力データの前記２種類のデータを用いて、自己組織化マップを作成する工程と、前記第１の指標および前記第２の指標のうち、少なくとも一方を用いて閾値を設定する工程と、前記自己組織化マップ上での前記閾値に対応する領域を求める工程とを有することが好ましい。
さらに、前記自己組織化マップ上で前記閾値に対応する前記領域を用いて回帰分析をする工程とを有することが好ましい。
さらに、前記自己組織化マップ上で前記閾値に対応する前記領域を用いてクラスタリング処理をする工程と、前記クラスタリング処理により、前記領域がクラスタに分けられるかを判定する工程と、前記クラスタに分けられる場合、前記領域の数が多いクラスタについて回帰分析を用いて線を作成する工程とを有することが好ましい。
例えば、前記入力値を表わす前記入力データは、構造体および構造体を構成する材料の設計変数を表すものであり、前記出力値を表わす前記出力データは、構造体および構造体を構成する材料の特性値を表すものである。例えば、前記出力データは、パレート解を含む。
また、本発明は、所定の関係を有する複数の入力値と複数の出力値において、前記複数の入力値を表わす入力データと、前記複数の出力値を表わす出力データの２種類のデータを対象としたデータの表示方法であって、前記複数の出力値を目的関数として、目的関数空間における第１の指標および第２の指標の少なくとも一方を求める工程と、前記第１の指標および前記第２の指標の少なくとも一方を、前記入力データおよび前記出力データの前記２種類のデータと共に、表示する工程と、前記入力データおよび前記出力データの前記２種類のデータを用いて、自己組織化マップを作成する工程と、前記第１の指標および前記第２の指標のうち、少なくとも一方を用いて閾値を設定する工程と、前記自己組織化マップ上での前記閾値に対応する領域を求める工程と、前記自己組織化マップ上で前記閾値に対応する前記領域に印をつけて表示する工程とを有し、前記第１の指標は、複数の目的関数の値のうち、少なくとも２つの目的関数の値の、予め設定された値に対する距離であり、前記第２の指標は、複数の目的関数の値のうち、少なくとも２つの目的関数の値の比率で表されるものであることを特徴とするデータの表示方法を提供するものである。
さらに、前記入力データおよび前記出力データの前記２種類のデータを用いて、自己組織化マップを作成する工程と、前記第１の指標および前記第２の指標のうち、少なくとも一方を用いて閾値を設定する工程と、前記自己組織化マップ上での前記閾値に対応する領域を求める工程と、前記自己組織化マップ上で前記閾値に対応する前記領域に印をつけて表示する工程とを有することが好ましい。
さらに、前記自己組織化マップ上で前記閾値に対応する前記領域を用いて回帰分析をする工程と、前記回帰分析の結果を前記自己組織化マップ上に表示する工程とを有することが好ましい。
さらに、前記自己組織化マップ上で前記閾値に対応する前記領域を用いてクラスタリング処理をする工程と、前記クラスタリング処理により、前記領域がクラスタに分けられるかを判定する工程と、前記クラスタに分けられる場合、前記領域の数が多いクラスタについて回帰分析を用いて線を作成し、前記クラスタの近似式で表される前記線を、前記自己組織化マップ上に表示する工程とを有することが好ましい。
例えば、前記入力値を表わす前記入力データは、構造体および構造体を構成する材料の設計変数を表すものであり、前記出力値を表わす前記出力データは、構造体および構造体を構成する材料の特性値を表すものである。例えば、前記出力データは、パレート解を含む。
本発明のデータの分析方法によれば、入力値が複数あり、出力値が複数ある場合において、入力値と出力値との因果関係を、例えば、経験の浅い解析者であっても容易に理解できる。
また、本発明のデータの表示方法によれば、入力値が複数あり、出力値が複数ある場合において、入力値と出力値との因果関係を、例えば、経験の浅い解析者であっても視覚的に容易に理解することができる。
（ａ）は、２つの特性値の関係を示すグラフであり、（ｂ）は、２つの設計変数の関係を示すグラフである。 本発明の実施形態のデータの分析方法およびデータの表示方法に利用されるデータ処理装置の一例を示す模式図である。 （ａ）は、第１の指標を説明するためのグラフであり、（ｂ）は、第２の指標を説明するためのグラフであり、（ｃ）は、第２の指標の算出方法の一例を説明するための模式図であり、（ｄ）は、第２の指標の算出方法の他の例を説明するための模式図である。 （ａ）および（ｂ）は、特性値の自己組織化マップであり、（ｃ）〜（ｈ）は、設計変数の自己組織化マップである。 自己組織化マップへの描画方法を工程順に示すフローチャートである。 （ａ）は、自己組織化マップへの描画方法の一例を示す模式図であり、（ｂ）は、自己組織化マップへの描画方法の他の例を示す模式図である。 （ａ）および（ｂ）は、第１の指標に基づき描画された特性値の自己組織化マップであり、（ｃ）は、第１の指標が描画された自己組織化マップであり、（ｄ）は、第２の指標が描画された自己組織化マップである。 （ａ）〜（ｆ）は、第１の指標に基づき描画された設計変数の自己組織化マップである。 （ａ）、（ｂ）は、第１の指標が描画された自己組織化マップであり、（ｃ）〜（ｅ）は、第１の指標に基づき描画された設計変数の自己組織化マップであり、（ｆ）、（ｇ）は、第１の指標が矢線状に描画された特性値の自己組織化マップであり、（ｈ）〜（ｊ）は、第１の指標が矢線状に描画された設計変数の自己組織化マップである。 （ａ）、（ｂ）は、第２の指標が描画された特性値の自己組織化マップであり、（ｃ）〜（ｅ）は、第２の指標が描画された設計変数の自己組織化マップであり、（ｆ）、（ｇ）は、第２の指標が矢線状に描画された特性値の自己組織化マップであり、（ｈ）〜（ｊ）は、第２の指標が矢線状に描画された設計変数の自己組織化マップである。 （ａ）は、クラスタリング処理される前の自己組織化マップの一例を示す模式図であり、（ｂ）は、クラスタリング処理された自己組織化マップの一例を示す模式図であり、（ｃ）は、クラスタリング処理しない自己組織化マップの一例を示す模式図である。 （ａ）は、自己組織化マップのクラスタリング処理の一例を示し、（ｂ）は、自己組織化マップのクラスタリング処理の他の例を示す。 本発明の実施形態のデータの分析方法およびデータの表示方法に利用されるデータ処理装置の他の例を示す模式図である。 本発明の実施形態のデータの分析方法の一例を工程順に示すフローチャートである。 本発明の実施形態のデータの分析方法およびデータの表示方法に利用されるデータ処理装置の他の例を示す模式図である。 本発明の実施形態のデータの分析方法の移動平均処理を工程順に示すフローチャートである。 本発明の実施形態のデータの可視化方法の移動平均処理に用いられる重み関数の一例を示すグラフである。 マスター点の設定方法の一例を説明するための模式図である。 マスター点の設定方法の他の例を説明するための模式図である。 本発明の実施形態のデータの分析方法およびデータの表示方法に利用されるデータ処理装置の他の例を示す模式図である。
以下に、添付の図面に示す好適実施形態に基づいて、本発明のデータの分析方法およびデータの表示方法を詳細に説明する。
図１（ａ）は、２つの特性値の関係を示すグラフであり、（ｂ）は、２つの設計変数の関係を示すグラフである。
設計変数ｘ１、ｘ２の関数である２つの特性値ｆ１、ｆ２において、図１（ａ）に示すように、例えば、特性値ｆ１、ｆ２がいずれも値が小さくなることが好ましい場合、２つの特性値ｆ１、ｆ２は、図１（ａ）に示す符号Ｈ１、Ｈ２で示す設計値が望ましい。なお、設計変数ｘ１、ｘ２は、図１（ｂ）に示す関係を有する。
図１（ｂ）に示すように、望ましい設計値Ｈ１は、設計変数ｘ１および設計変数ｘ２が大きい値である。望ましい設計値Ｈ２は、設計変数ｘ１が小さい値であり、設計変数ｘ２が大きい値である。このように、特性値ｆ１、ｆ２が良好な特性となる設計値Ｈ１、設計値Ｈ２は設計変数ｘ１、ｘ２の値が異なる。しかし、設計変数ｘ２の値が大きいと特性値ｆ１、ｆ２は良好な特性となる。設計変数ｘ２の値が特性値ｆ１、ｆ２の良好な特性を得るに重要な設計変数である。例えば、特性値ｆ１、ｆ２は、タイヤの横ばね定数、タイヤの転がり抵抗であり、設計変数ｘ１、ｘ２は、タイヤの形状のパラメータである。
上述のように、多目的最適化問題において複数の特性値を向上させる設計値を探索することが重要である。同時に設計変数空間において、複数の特性値を向上させる設計変数が何かを判別することも重要である。しかしながら、通常の製品設計では設計変数、特性値の数はきわめて多く、どの設計変数の寄与が大きいか判別しづらい。また、経験の浅い解析者では結果を図示しても、図１（ａ）、（ｂ）から設計変数ｘ２の値が特性値ｆ１、ｆ２の良好な特性を得るに重要な設計変数であるという、因果関係が理解できないことがある。本発明は、このような因果関係の理解の困難さを解消するためになされたものである。
図２は、本発明の実施形態のデータの分析方法およびデータの表示方法に利用されるデータ処理装置の一例を示す模式図である。
本実施形態のデータの分析方法およびデータの表示方法には、図２に示すデータ処理装置１０が用いられるが、データの分析方法およびデータの表示方法をコンピュータ等のハードウェアおよびソフトウェアを用いて実行することができればデータ処理装置１０に限定されるものではない。
入力値を表わす入力データＸｉ（ｉ＝１，ｌ）と、出力値を表わす出力データＹｊ（ｊ＝１，ｍ）の２種類のデータを組としたデータセットを対象としており、出力値空間において分析し、その結果を表示する。なお、ｌは入力データの数、ｍは出力データの数を表わす。入力値および特性値は、それぞれ複数ある。入力値と出力値とは所定の関係を有する。この所定の関係とは、因果関係であり、例えば、入力値と出力値とが関数により表わされることをいう。
データセットにおいて、例えば、入力値を表わす入力データは構造体および構造体を構成する材料のうち、複数の設計変数を表す第１のデータであり、出力値を表わす出力データは構造体および構造体を構成する材料のうち、複数の特性値を表す第２のデータである。この場合、第１のデータが入力データＸｉ（ｉ＝１，ｌ）に相当し、第２のデータが出力データＹｊ（ｊ＝１，ｍ）に相当し、ｌは設計変数の数、ｍは特性値の数を表す。特性値空間が出力値空間に対応する。
データセットでは、例えば、ｌ＝６、ｍ＝２のとき、入力データＸ１〜Ｘ６と出力データＹ１〜Ｙ４の合計１０のデータを１組として扱い、この１０のデータの組（入力データＸ１〜Ｘ６、出力データＹ１〜Ｙ４）が複数組存在する。データセットにおいて、上記組の数をデータ数という。例えば、データ数が１００であれば、１０のデータで構成される組が１００存在する。なお、入力データと出力データの数は、複数であればよく、特に１０に限定されるものではない。
例えば、タイヤの設計に利用する場合、出力データ（特性値）は、タイヤの特性値、横ばね定数、ころがり抵抗であり、入力データ（設計変数）は、タイヤの形状、タイヤを構成する部材の弾性率等の物性値である。例えば、翼の設計に利用する場合、出力データ（特性値）は、翼の特性値、揚力、質量であり、入力データ（設計変数）は、翼の形状、翼を構成する部材の弾性率等の物性値である。
なお、データセットにおいては、入力値を表わす入力データ（設計変数）と出力値を表わす出力データ（特性値）のデータは、特に限定されるものではなく、シミュレーションまたは最適化のようなコンピュータ演算されたものでもよいし、各種試験の計測データでもよく、また、パレート解を含んでもよい。
データ処理装置１０は、処理部１２と、入力部１４と、表示部１６とを有する。処理部１２は、解析部２０、表示制御部２２、メモリ２４および制御部２６を有する。この他に図示はしないがＲＯＭ等を有する。
処理部１２は、制御部２６により制御される。また、処理部１２において解析部２０はメモリ２４に接続されており、解析部２０のデータがメモリ２４に記憶される。また、メモリ２４には、外部から入力される上述のデータセットが記憶される。
入力部１４は、マウスおよびキーボード等の各種情報をオペレータの指示により入力するための各種の入力デバイスである。表示部１６は、例えば、データセットを用いたグラフ、解析部２０で得られた結果等を表示するものであり、公知の各種のディスプレイが用いられる。また、表示部１６には各種情報を出力媒体に表示するためのプリンタ等のデバイスも含まれる。
データ処理装置１０は、ＲＯＭ等に記憶されたプログラム（コンピュータソフトウェア）を、制御部２６で実行することにより、解析部２０の各部を機能的に形成する。データ処理装置１０は、上述のように、プログラムが実行されることで各部位が機能するコンピュータによって構成されてもよいし、各部位が専用回路で構成された専用装置であってもよい。
解析部２０は、上述のデータセットについて、複数の出力値（特性値）を目的関数として、目的関数空間における第１の指標および第２の指標のうち、少なくとも一方を算出するものである。
また、解析部２０は、入力データおよび出力データの２種類のデータを用いて、自己組織化マップを作成する。第１の指標および第２の指標のうち、少なくとも一方に対して閾値を設定し、自己組織化マップ上での閾値に対応する領域を求め、その自己組織化マップ上での位置情報を得る。さらには、解析部２０は、閾値に対応する領域に印をつけるように画像データを作成する。
解析部２０は、自己組織化マップ上で閾値に対応する領域を用いて回帰分析をする。自己組織化マップ上で閾値に対応する領域を用いてクラスタリング処理をする。このクラスタリング処理により、領域がクラスタに分けられるかを判定する。判定の結果、クラスタに分けられる場合、領域の数が多いクラスタについて回帰分析を用いて線を作成する。
解析部２０で得られた結果は、例えば、メモリ２４に記憶される。
表示制御部２２は、解析部２０で解析して得られた結果、例えば、自己組織化マップ等を表示部１６に表示させるものである。それ以外にも、パレート解をメモリ２４から読み出し、表示部１６に表示させる。この場合、例えば、特性値を軸にとって、パレート解を散布図の形態で表示することもできる。すなわち、特性値空間に設計変数を表示する。散布図以外にも、レーダチャートの形態で表示することができる。
また、表示制御部２２は、例えば、得られたパレート解について、設計変数の値に応じて、設計変数の値を表すシンボルの色、種類および大きさのうち、少なくとも１つを変える。表示形態を変更したパレート解の情報はメモリ２４に記憶される。得られたパレート解は、表示制御部２２で表示形態が変えられて表示部１６で表示される。さらには、表示制御部２２では、設計変数の値毎に、そのパレート解を結んだ線を表示させる機能も有する。自己組織化マップについても、特性値の値毎に、設計変数の値毎に表示させる機能も有する。
次に、データ分析方法で計算する第１の指標および第２の指標について説明する。
図３（ａ）は、第１の指標を説明するためのグラフであり、（ｂ）は、第２の指標を説明するためのグラフである。
図３（ａ）に特性値ｆ１、ｆ２のパレート解を示す。符号Ｅはパレートフロントを示す。特性値は、要求される仕様等に応じて好ましい方向があり、値が大きくなる、値が小さくなる、または所定の値に近づく等がある。第１の指標Ａは、複数の特性値（目的関数）の値のうち、少なくとも２つの特性値（目的関数）の値の、予め設定された値に対する距離で表される。すなわち、特性値ｆ１、ｆ２の値に値して、予め設定された値に対する距離で表される。
例えば、第１の指標Ａは、パレートフロントＥからのパレート解Ｅ１迄の距離である。なお、第１の指標Ａは、パレートフロントＥからの距離に限定されるものではない。例えば、少なくとも２つの目的関数の値、この場合、特性値ｆ１、ｆ２について、予め値を設定しておき、この設定された値に対する距離を、第１の指標Ａとすることもできる。
図３（ｂ）に示すように、第２の指標Ｂは、複数の目的関数の値のうち、少なくとも２つの目的関数の値の比率、この場合、特性値ｆ１、ｆ２の値の比率で表されるものである。第２の指標Ｂは、パレート解Ｅ２と極限パレート解Ｅａとの距離Ｂ１と、パレート解Ｅ２と極限パレート解Ｂ２との比率で表される。
また、パレートフロントＥに沿って距離を算出し、これを第２の指標Ｂとしてもよい。以下、図３（ｃ）、（ｄ）を用いて、パレートフロントＥに沿って距離を算出して得る第２の指標Ｂについて説明する。なお、図３（ｃ）、（ｄ）において、図３（ａ）、（ｂ）と同一のものに同一符号を付して、その詳細な説明は省略する。
図３（ｃ）に示す点Ｐ１の第２の指標Ｂを求める場合を例にして説明する。
まず、点Ｐ１を通るパレートフロントＥとの垂線Ｌｖを求める。次に、垂線ＬｖとパレートフロントＥとの交点Ｅ３を求める。
ここで、２つの極限パレート解Ｅａ、Ｅｂがあるが、極限パレート解が複数ある場合、基準とする極限パレート解を１つ定める。図３（ｃ）に示す例では、Ｅｂを基準として定めた極限パレート解とする。基準として定めた極限パレート解Ｅｂと交点Ｅ３との距離ＲＢを求める。この距離ＲＢを第２の指標Ｂとする。
また、これ以外にも、例えば、図３（ｄ）に示すように、パレートフロントＥが直線近似可能な場合、近似直線Ｌ１からの距離を用いて第２の指標Ｂを算出することができる。
この場合、まず、パレートフロントＥを直線近似して、近似直線Ｌ１を求める。次に、近似直線Ｌ１と直交する垂線Ｌ２を求める。垂線Ｌ２を中心軸として符号を変える。具体的には、近似直線Ｌ１と垂線Ｌ２の交点Ｐｈを求める。交点Ｐｈを基準点、すなわち、ゼロとして、交点Ｐｈの極限パレート解Ｅａ側をマイナス、交点Ｐｈの極限パレート解Ｅｂ側をプラスとする。
例えば、点Ｐ２について第２の指標Ｂを求める場合、点Ｐ２を通り、かつ近似直線Ｌ１と直交する垂線Ｌｖを求める。そして、垂線Ｌｖと近似直線Ｌ１との交点Ｅ４を求める。次に、交点Ｐｈと交点Ｅ４との距離Ｒ４を求める。交点Ｅ４は、交点Ｐｈの極限パレート解Ｅｂ側であるため、プラスの符号がつく。この距離Ｒ４が、第２の指標Ｂである。
なお、垂線Ｌ２の位置は、近似直線Ｌ１上であれば、特に限定されるものではない。また、第２の指標Ｂを求める点は、垂線Ｌ２上にあってもよい。
解析部２０で、例えば、図４（ａ）〜（ｈ）に示す自己組織化マップを作成することができる。これにより、特性値と設計変数の因果関係を示すことができる。なお、自己組織化マップは、例えば、特許第４３３９８０８号公報に記載された方法を用いて作成することができる。このため、自己組織化マップの作成について、その詳細な説明は省略する。
例えば、図４（ａ）〜（ｈ）に示す自己組織化マップは、特性値Ｆ１〜Ｆ４、設計変数ｘ１〜ｘ６のデータセットのうち、特性値Ｆ１、Ｆ２について自己組織化マップを作成したものである。図４（ａ）は、特性値Ｆ１の自己組織化マップであり、図４（ｂ）は、特性値Ｆ２の自己組織化マップである。図４（ｃ）は、設計変数ｘ１の自己組織化マップであり、図４（ｄ）は、設計変数ｘ２の自己組織化マップであり、図４（ｅ）は、設計変数ｘ３の自己組織化マップであり、図４（ｆ）は、設計変数ｘ４の自己組織化マップであり、図４（ｇ）は、設計変数ｘ５の自己組織化マップであり、図４（ｈ）は、設計変数ｘ６の自己組織化マップである。なお、特性値Ｆ１、Ｆ２は、例えば、横ばね定数、ころがり抵抗であり、設計変数ｘ１〜ｘ６は、例えば、タイヤの形状に関するパラメータである。
図４（ａ）および（ｂ）に示す特性値Ｆ１、Ｆ２の自己組織化マップ、図４（ｃ）〜（ｈ）に示す設計変数ｘ１〜ｘ６の自己組織化マップを単に見ただけでは、設計変数ｘ１〜ｘ６のうち、いずれの設計変数が重要な因子であるかは、経験の浅い解析者では理解しにくい。
本実施形態では、第１の指標Ａまたは第２の指標Ｂを用いて、自己組織化マップ上に印をつけることで、経験の浅い解析者であっても、設計変数のうち、どの設計変数が重要な因子であるかを理解しやすくしている。また、第１の指標Ａまたは第２の指標Ｂを用いて、設計変数のうち、重要な因子をメモリ２４に記憶し、重要な因子の情報を外部に出力するようにしてもよい。これにより、重要な設計変数の情報を得ることができる。次に、本実施形態のデータ分析方法および表示方法について説明する。
図５は、自己組織化マップへの描画方法を工程順に示すフローチャートである。
例えば、上述のデータセットを用意し、予め用意しておいたデータセットを、入力部１４を介して解析部２０に直接入力するか、入力部１４を介してメモリ２４記憶させる。
次に、解析部２０において、データセットから、第１の指標Ａまたは第２の指標Ｂを計算する（ステップＳ１０）。
次に、解析部２０で、データセットを用いて自己組織化マップを作成する（ステップＳ１２）。これにより、例えば、上述のように図４（ａ）〜（ｈ）に示す自己組織化マップが得られる。
次に、解析部２０で、第１の指標Ａおよび第２の指標Ｂのうち、少なくとも一方を用いて、閾値を設定する（ステップＳ１４）。閾値は、第１の指標Ａの場合、第１の指標Ａの最大値の１／５〜１／７とすることが好ましい。第２の指標Ｂの場合、閾値は、中間値とすることが好ましい。
次に、解析部２０で、自己組織化マップ上での閾値に対応する領域を求める。そして、自己組織化マップ上での閾値に対応する領域の位置情報を、例えば、メモリ２４に記憶させる。解析部２０で、領域の位置情報に基づいて、閾値に対応する領域の位置に印をつけるように画像データを作成する。
次に、表示制御部２２により、自己組織化マップと共に、閾値に対応する領域を表示部１６に表示させる（ステップＳ１６）。なお、自己組織化マップ上に付ける印は、特に限定されるものではなく、例えば、自己組織化マップのセルの色を変えたもの、セルの大きさを変えたもの、セルの形状を変えたもの等が挙げられる。
次に、自己組織化マップ上での閾値に対応する領域を求める方法について説明する。
図６（ａ）は、自己組織化マップへの描画方法の一例を示す模式図であり、（ｂ）は、自己組織化マップへの描画方法の他の例を示す模式図である。
図６（ａ）は自己組織化マップの一部を示しており、自己組織化マップを構成するセル５０が複数並んでいる。セル５０内に記載されている数値は、セル５０の値を示している。
閾値を９．５としたとき、解析部２０で、横方向Ｖに走査し、セル５０の数値を調べていき、セル５０の数値が１０から９に変わっていた場合、この数値が変わる前のセル５２を閾値に対応する領域とする。そして、セル５２の位置情報を、例えば、メモリ２４に記憶する。このようにして、図６（ａ）に示す例では、３つのセル５２が閾値に対応する領域として得られる。
これ以外にも、例えば、図６（ｂ）に示すように、複数のセル５０が並んでいる自己組織化マップにおいて、閾値を９．５としたとき、解析部２０で、横方向Ｖに走査し、セル５０の数値を調べていき、セル５０の数値が１０から９に変わっていた場合、数値が１０のセル５０と、数値が９のセル５０との間を閾値に対応する領域５４とする。そして、領域５４の位置情報を、例えば、メモリ２４に記憶する。このようにして、図６（ｂ）に示す例では、３つの領域５４が閾値に対応する領域として得られる。
図６（ａ）、（ｂ）のいずれも横方向Ｖに走査したが、これに限定されるものではなく、例えば、横方向Ｖと直交する方向であってもよく、走査方向は、特に限定されるものではない。
本実施形態のデータ分析方法および表示方法により得られた結果の一例を、図７（ａ）〜（ｄ）、図８（ａ）〜（ｆ）に示す。
図７（ａ）は、特性値Ｆ１の自己組織化マップに第１の指標が描画されたものであり、（ｂ）は、特性値Ｆ２の自己組織化マップに第１の指標が描画されたものである。図７（ｃ）は第１の指標の自己組織化マップに第１の指標が描画されたものであり、図７（ｄ）は第２の指標の自己組織化マップに第１の指標が描画されたものである。
図８（ａ）は、設計変数ｘ１の自己組織化マップに第１の指標が描画されたものであり、図８（ｂ）は、設計変数ｘ２の自己組織化マップに第１の指標が描画されたものであり、図８（ｃ）は、設計変数ｘ３の自己組織化マップに第１の指標が描画されたものであり、図８（ｄ）は、設計変数ｘ４の自己組織化マップに第１の指標が描画されたものであり、図８（ｅ）は、設計変数ｘ５の自己組織化マップに第１の指標が描画されたものであり、図８（ｆ）は、設計変数ｘ６の自己組織化マップに第１の指標が描画されたものである。
図８（ｅ）の設計変数ｘ５の自己組織化マップでは、第１の指標に沿って、自己組織化マップの値が変わっていることがわかる。設計変数ｘ５の値を変えることで、特性値Ｆ１と特性値Ｆ２との比率を変えることができることがわかる。
また、図８（ｆ）の設計変数ｘ６の自己組織化マップでは、設計変数ｘ６の値を変えることで、特性値Ｆ１と特性値Ｆ２を同時に変えることができる。このことから、設計変数ｘ６は、特性値Ｆ１、Ｆ２を両立させるに重要なパラメータであることが理解できる。
一方、図８（ａ）の設計変数ｘ１では、第１の指標に対して値が略変わらない。設計変数ｘ１は、値を変えても特性値Ｆ１、Ｆ２は変わらず影響が小さく、特性値Ｆ１、Ｆ２に対して重要なパラメータではないことがわかる。
このように、第１の指標を設計変数ｘ１〜ｘ６の自己組織化マップ上に表示することにより、特性値と設計変数との因果関係を容易に理解でき、設計変数のうち、重要な因子を、経験の浅い解析者であっても容易に理解することができる。
なお、第２の指標Ｂについても、図示はしないが、第１の指標Ａと同様にして自己組織化マップ上に表示することができる（図１０（ａ）〜（ｊ）参照）。
また、本実施形態においては、自己組織化マップ上に表示させているが、これに限定されるものではなく、解析部２０で分析されて得られた結果、例えば、閾値に対応する領域の位置情報を外部に出力するような構成でもよい。これにより、例えば、データ処理装置１０以外の装置を用いて、第１の指標または第２の指標が表示された自己組織化マップを見ることができる。
第１の指標を特性値Ｆ１，Ｆ２および設計変数ｘ１、ｘ５、ｘ６の自己組織化マップ（図９（ａ）〜（ｅ）参照）上に表示しているが、その表示方法は、特に限定されるものではない。例えば、図９（ｆ）〜（ｊ）に示すように、第１の指標を表す印の端部に矢印をつけた線６０としてもよい。この場合、例えば、解析部２０において、閾値に対応する領域を連結して線とする。なお、線６０を得る方法は、特に限定されるものではなく、回帰分析を用いて、閾値に対応する領域から回帰線を算出し、回帰線の両端に矢印を設けるようにしてもよい。線６０の矢印は、特性値Ｆ１、Ｆ２が両立する方向を示す。
閾値に対応する領域を点ではなく、線６０で表示することにより、特性値と設計変数の因果関係を、さらに容易に理解しやすくなる。
第２の指標についても、第１の指標と同様に、閾値に対応する領域を線を用いて表示することもできる。
ここで、図１０（ａ）、（ｂ）は、第２の指標が描画された特性値の自己組織化マップであり、（ｃ）〜（ｅ）は、第２の指標が描画された設計変数の自己組織化マップであり、（ｆ）、（ｇ）は、第２の指標が矢線状に描画された特性値の自己組織化マップであり、（ｈ）〜（ｊ）は、第２の指標が矢線状に描画された設計変数の自己組織化マップである。
第２の指標Ｂを特性値Ｆ１、Ｆ２および設計変数ｘ１、ｘ５、ｘ６の自己組織化マップ（図１０（ａ）〜（ｅ）参照）上に表示しているが、例えば、図１０（ｆ）〜（ｊ）に示すように、第２の指標を表す印の端部に矢印をつけた線６２としてもよい。この場合、例えば、解析部２０において、閾値に対応する領域を連結して線とし、線６２の一方の端に矢印を設けるようにしてもよい。なお、線６２を得る方法は、特に限定されるものではなく、上述の線６０と同様にして、回帰分析を用いて得ることができる。
線６２への矢印は、線６２の両端のうち、第１の指標Ａが小さくなる方の端に付ける。第１の指標Ａが小さくなると、パレート解との距離が縮まるため、線６２の矢印は、特性値Ｆ１、Ｆ２が両立する方向を示す。
第２の指標においても、閾値に対応する領域を点ではなく、線６２で表示することにより、特性値と設計変数の因果関係を、さらに容易に理解しやすくなる。
次に、線６２に矢印を設ける方法について説明する。まず、第２の指標Ｂに対応する第１の指標Ａの自己組織化マップにおいて値の小さい方向を決める。具体的には、図７（ｃ）に示す第１の指標Ａの自己組織化マップにおいて、端点Ｎ１と端点Ｎ２を求め、端点Ｎ１のセルの値と端点Ｎ２のセルの値を比較する。端点Ｎ１と端点Ｎ２のうち、セルの値の小さい方を定める。そして、設計変数の自己組織化マップの線６２において、第１の指標Ａの端点の値の小さい方の端点に対応する側に矢印をつける。このようにして、線６２に矢印を付けることができる。なお、第２の指標Ｂに対応する第１の指標Ａの端点を求め、端点のセルの値の大小から、線６２において、セルの値の小さい方の端点に対応する側に矢印を付けるため、解析部２０において上述のことを計算することで自動的にできる。
第２の指標Ｂでは、図１０（ｅ）に示すように、設計変数ｘ６の値が、印に沿って変わっていることがわかる。設計変数ｘ６の値を変えることで、特性値Ｆ１、Ｆ２の値を変えることができる。このことから、設計変数ｘ６が重要なパラメータであることを理解することができる。
さらに、上述のように、矢印のついた線６２を表示することで、図１０（ｊ）に示すように、より一層容易に理解しやすくなる。
また、図１０（ｃ）、（ｈ）に示すように設計変数ｘ１の値は、印に沿って略変わらない。このことから、設計変数ｘ１は特性値Ｆ１、Ｆ２の値を変えることに寄与しないパラメータであることが理解できる。
また、図１０（ｄ）、（ｉ）に示すように設計変数ｘ５の値も、印に沿って略変わらない。このことから、第１の指標Ａと第２の指標Ｂとでは、設計変数ｘ５の特性値Ｆ１、Ｆ２に対する寄与が異なることも理解できる。
解析部２０において、第１の指標または第２の指標の閾値に対応する領域を線６０、６２で表示する場合、高い精度で線６０、６２を得るためにクラスタリング処理することが好ましい。
ここで、図１１（ａ）は、クラスタリング処理される前の自己組織化マップの一例を示す模式図であり、（ｂ）は、クラスタリング処理された自己組織化マップの一例を示す模式図であり、（ｃ）は、クラスタリング処理しない自己組織化マップの一例を示す模式図である。
図１１（ａ）に示す自己組織化マップ７０において、第１の指標の閾値に対応する領域が第１の領域７２と第２の領域７４が２つある場合、解析部２０で、クラスタリング処理し、回帰分析を行うことにより、図１１（ｂ）に示す線７６が得られる。一方、クラスタリング処理をしない場合には、図１１（ｃ）に示す線７８が得られる。
クラスタリング処理には、例えば、単連結法、完全連結法、ｋ−ｍｅａｎｓ法、またはその他のクラスタリング手法を用いることができる。
図１２（ａ）は、自己組織化マップのクラスタリング処理の一例を示し、（ｂ）は、自己組織化マップのクラスタリング処理の他の例を示す。
図１１（ａ）に示す自己組織化マップ７０では、第１の領域７２と、第２の領域７４とがあるが、クラスタリング処理によっては図１１（ｂ）に示すような結果となる。解析部２０によるクラスタリング処理において、例えば、自己組織化マップ７０の幅Ｋに対して、例えば、Ｋ／５を閾値として、距離がＫ／５以上離れている場合、別のクラスタとする。この場合、図１１（ａ）に示す自己組織化マップ７０では、図１２（ａ）に示すように、第１の領域７２と、第２の領域７４とを別々のクラスタと判別される。領域が多い第１の領域７２について回帰分析を行い線を作成する。これにより、例えば、図１１（ｂ）に示す線７６を得ることができる。
一方、クラスタリング処理において、クラスタの判別の閾値が大きい場合、第１の領域７２と、第２の領域７４とが同じクラスタであると判定されて、図１２（ｂ）に示すクラスタリング処理結果となる。これにより、回帰分析した結果、例えば、図１１（ｃ）に示す線７８が得られることになる。
このように、クラスタリング処理の際のクラスタの判別の閾値を適切に設定することで、解析部２０において、適正なクラスタ分類ができ、自己組織化マップ上に、解析者等の理解を助けるための適正な線を描画することができる。
本実施形態においては、予め用意されたデータセットを用いたが、これに限定されるものではない。例えば、パレート解を算出し、このパレート解を用いて、自己組織化マップ等を作成するようにしてもよい。
図１３は、本発明の実施形態のデータの分析方法およびデータの表示方法に利用されるデータ処理装置の他の例を示す模式図である。
図１３に示すデータ処理装置１０ａは、図１に示すデータ処理装置１０に比して、データ処理部３０を有し、上述のデータセットを作成する点が異なり、それ以外の構成は、図１に示すデータ処理装置１０と同様の構成であるため、その詳細な説明は省略する。
図１３に示すデータ処理装置１０ａでは、データ処理部３０が解析部２０に接続されている。また、データ処理部３０にはメモリ２４と制御部２６が接続されており、データ処理部３０は制御部２６で制御される。
データ処理部３０は、条件設定部３２、モデル生成部３４、演算部３６、パレート解探索部３８およびデータ作成部４０を有する。
データ処理部３０は、入力値を表わす入力データと、出力値を表わす出力データの２種類のデータを組とし、この組を複数有するデータセットを作成するものである。
なお、データセットについては、データ処理部３０で作成することなく、上述のように、入力部１４を介して解析部２０に直接入力されるようにしてもよい。また、データセットについては、入力部１４を介してメモリ２４記憶させるようにしてもよい。いずれの場合も、データ処理部３０でデータセットを作成することなく処理がなされる。このため、データ処理部３０でデータセットを作成する必要は必ずしもない。
次に、データ処理部３０の各部について説明する。
条件設定部３２は、パレート解を特性値空間（目的関数空間）で散布図または自己組織化マップとして表示する際に必要な各種の条件、情報が入力され、設定される。各種の条件、情報は、入力部１４を介して入力される。条件設定部３２で設定する各種の条件、情報はメモリ２４に記憶される。
条件設定部３２には、データセットのデータが設定されるものであり、例えば、構造体および構造体を構成する材料を規定するパラメータのうち設計変数として定めた複数のパラメータが設定される。なお、設計変数には、荷重および境界条件等のばらつき因子を設定してもよい。
また、データセットのデータとして、例えば、構造体および構造体を構成する材料を規定するパラメータのうち特性値（目的関数）として定めた複数のパラメータが設定される。特性値には、コスト等の物理的および化学的な特性値以外の、構造体および構造体を構成する材料を評価する指標を用いてもよい。
構造体および構造体を構成する材料は、構造体単体ではなく、構造体を構成するパーツ、構造体のアッセンブリ形態等の構造体を含むシステム全体、またはその一部を対象としてもよい。
条件設定部３２に設定される特性値は、評価しようとする物理量である。目的関数は、評価しようとする物理量を求めるための関数である。
構造体がタイヤである場合、特性値はタイヤの特性値である。この場合、特性値としては、タイヤ性能として評価しようとする物理量であり、例えば、操縦安定性の指標となるスリップ角１度における横力であるＣＰ（コーナーリングパワー）、操縦安定性の指標となるコーナーリング特性、乗心地性の指標となるタイヤの１次固有振動数、転動抵抗の指標となる転がり抵抗、操縦安定性の指標となる横ばね定数、耐摩耗性の指標となるタイヤトレッド部材の摩耗エネルギ等が挙げられる。目的関数は、それらを求めるための関数である。目的関数は、性能として好ましい方向があり、値が大きくなる、小さくなる、または所定の値に近づく等がある。
設計変数は、構造体の形状、構造体の内部構造および材料特性等を規定するものである。タイヤの場合、設計変数は、タイヤの材料挙動、タイヤの形状、タイヤの断面形状およびタイヤの構造のうち、複数のパラメータである。設計変数としては、例えば、タイヤのトレッド部におけるクラウン形状を規定する曲率半径、タイヤ内部構造を規定するタイヤのベルト幅寸法等が挙げられる。これ以外にも、例えば、トレッド部における材料特性を規定するフィラー分散形状、フィラー体積率等が挙げられる。
制約条件は、目的関数の値を所定の範囲に制約したり、設計変数の値を所定の範囲に制約するための条件である。
また、構造体がタイヤである場合、タイヤの負荷荷重、タイヤの転動速度を初めとする走行条件、タイヤが走行する路面条件、例えば、凹凸形状、摩擦係数等、車両の走行シミュレーションに用いるための車両諸元の情報等が設定される。
また、条件設定部３２に、設計変数と特性値のパラメータとの間の非線形応答関係を定めるための情報が設定される。この非線形応答関係には、例えば、ＦＥＭ等の数値シミュレーション、理論式および近似式等が含まれる。
条件設定部３２では、非線形応答関係により生成するモデル、そのモデルの境界条件、ＦＥＭ等の数値シミュレーションする場合には、そのシミュレーション条件、シミュレーションにおける制約条件を設定する。さらには、パレート解を得るための最適化条件、例えば、パレート解探索のための条件等を設定する。
パレート解探索のための条件は、パレート解を探索するための手法、パレート解探索における各種条件である。例えば、パレート解を探索するための手法として、遺伝的アルゴリズムを用いることができる。一般に、目的関数の増大と共に、遺伝的アルゴリズムの探査能力が低下することが知られている。それを解決する方法の一つが、個体数を増加させる方法である。一方、個体数を増加させ、パレート解を探査すると、多くのパレート解が算出される。したがって、多くの特性値データと設計パラメータとの因果関係を視認性良く表示する方法が設計探査の一つの課題となっているが、本発明ではこれを解決することができる。
これ以外に、条件設定部３２で、設計変数の定義域を設定する。また、条件設定部３２では後述するようにパレート解を縮約する際に用いられる離散値を設定する。
モデル生成部３４は、設定された非線形応答関係に基づいて、各種の計算モデルを作成するものである。非線形応答関係は、上述のようにＦＥＭ等の数値シミュレーションが含まれており、この場合、モデル生成部３４で、設計変数を表わす設計パラメータ、特性値を表わす特性値パラメータに応じたメッシュモデルが生成される。また、理論式および近似式等の場合にも、設計パラメータ、特性値パラメータに応じた理論式および近似式等が作成される。なお、構造体がタイヤの場合には、タイヤモデルが作成される。演算部３６でタイヤモデルを用いてシミュレーション演算がなされる。
なお、モデル生成部３４で作成されるタイヤモデルは、条件設定部３２で設定された各種類の設計パラメータを用いて作成されるが、タイヤモデルの作成には公知の作成方法を用いることができる。なお、タイヤモデルは、少なくとも、このタイヤモデルを転動させる対象である路面モデルも併せて生成する。また、タイヤが装着されるリム、ホイール、およびタイヤ回転軸を再現するものをタイヤモデルとしてもよい。また、必要に応じて、タイヤが装着される車両を再現するモデルをタイヤモデルに組み込んでもよい。この際、タイヤモデル、リムモデル、ホイールモデル、およびタイヤ回転軸モデルを、予め設定された境界条件に基づいて一体化したモデルを作成することもできる。
これら各モデルは数値計算可能な離散化モデルであればよく、例えば、公知の有限要素法（ＦＥＭ）に用いるための有限要素モデル等であればよい。なお、タイヤモデルを用いて、例えば、タイヤウエット性能を初めとするタイヤ性能を最適化するタイヤ設計案を求める場合等、路面モデルとタイヤモデルの他に、路面上に存在する介在物を再現するモデルを生成しておけばよい。例えば、介在物モデルとして、路面上の水、雪、泥、砂、砂利または氷等を再現する各種モデルを、数値計算可能な離散化モデルで生成しておけばよい。なお、路面モデルも、表面が平坦な路面を再現するモデルに限らず、必要に応じて、表面に凹凸を有する路面形状を再現するモデルであってもよい。
演算部３６は、モデル生成部３４で作成された各種のモデルを用いて特性値を算出するものである。これにより、設定変数に対する特性値が得られる。この特性値の中に、パレート解が存在する。得られた特性値は、メモリ２４に記憶される。
演算部３６では、例えば、路面上を転動するタイヤの転動を再現するシミュレーション条件を、モデル生成部３４で生成したタイヤモデル、または路面モデル等に与えたときの、タイヤモデルの挙動、またはタイヤモデルに作用する力等の物理量を時系列に求める。演算部３６は、例えば、公知の有限要素ソルバーによるサブルーチンを実行することで機能するものである。
また、演算部３６では、モデル生成部３４で理論式および近似式等を作成した場合には、理論式および近似式等を解き、特性値を算出する。
パレート解探索部３８は、条件設定部３２で設定されたパレート解探索の条件に応じて、演算部３６で得られた特性値の中から、パレート解を探索し、パレート解を算出するものである。得られたパレート解は、メモリ２４に記憶される。
ここで、パレート解は、トレードオフの関係にある複数の目的関数において、他の任意の解よりも優位にあるとはいえないが、より優れた解が他に存在しない解をいう。一般にパレート解は集合として複数個存在する。
パレート解探索部３８は、例えば、遺伝的アルゴリズムを用いてパレート解を探索する。遺伝的アルゴリズムとしては、例えば、解集合を目的関数に沿って複数の領域に分割し、この分割した解集合毎に多目的ＧＡを行うＤＲＭＯＧＡ（Divided Range Multi-Objective GA）、ＮＣＧＡ（Neighborhood Cultivation GA），ＤＣＭＯＧＡ（Distributed Cooperation model of MOGA and SOGA）、ＮＳＧＡ（Non-dominated Sorting GA）、ＮＳＧＡ２（Non-dominated Sorting GA-II）、ＳＰＥＡII（Strength Pareto Evolutionary Algorithm-II）法等の公知の方法を用いることができる。その際、解集合が解空間に幅広く分布し、精度の高いパレート解の集合を求める必要がある。このため、パレート解探索部３８では、例えば、ベクトル評価遺伝的アルゴリズム（Vector Evaluated Generic Algorithms：ＶＥＧＡ）、パレートランキング法、またはトーナメント法を用いた選択が行われる。遺伝的アルゴリズム以外に、例えば、焼きなまし法（ＳＡ）または粒子群最適化（ＰＳＯ）を用いてもよい。
設計変数（入力値）と特性値（出力値）との間で定める非線形応答関係、すなわち、設計変数を用いて特性値を求める場合に利用されるものは、ＦＥＭ等のシミュレーションに限定されるものではなく、上述のように理論式および近似式等を用いることもできる。例えば、シミュレーションモデルを用いた演算ではなく、シミュレーション近似式を用いて目的関数の値を算出してもよい。この場合、実験計画法に基づいて得られる実験結果から設計変数と目的関数との間の近似式、例えば、シミュレーション近似式を用いてパレート解を得ることができる。このシミュレーション近似式としては、多項式またはニューラルネットワーク等により得られる公知の非線形関数を用いることができる。
データ作成部４０は、パレート解探索部３８で得られメモリ２４に記憶されたパレート解と、この目的関数データとをメモリ２４から読み出し、設計変数を表わすデータと特性値を表わすデータとの２種類のデータを組としたデータセットを作成するものである。
データ作成部４０で作成されたデータセットは、メモリ２４に記憶される。
次に、パレート解の算出方法の一例について説明する。
図１４は、本発明の実施形態のデータの分析方法の一例を工程順に示すフローチャートである。
まず、対象となる構造体について設計変数および特性値を設定する。本実施形態では、構造体を、例えば、タイヤとした。タイヤに対して、設計変数として、タイヤの形状パラメータを設定する。そして、特性値として、ころがり抵抗、横ばね定数の２つを設定する。本実施形態では、入力がタイヤの形状パラメータであり、出力がころがり抵抗と横ばね定数となる。タイヤの形状パラメータの値により、ころがり抵抗と横ばね定数がどのように変化するかを表示する。タイヤの形状パラメータ、ころがり抵抗と横ばね定数が条件設定部３２に設定される。
条件設定した後、まず、図１４に示すように、設計変数から特性値を求める際に用いる非線形応答を定める（ステップＳ２０）。すなわち、設計変数と特性値との関係を定める。この非線形応答の種類は、例えば、メモリ２４に記憶される。具体的には、タイヤの形状パラメータと、ころがり抵抗と横ばね定数との関係を設定する。タイヤの形状パラメータを入力とし、ころがり抵抗または横ばね定数を出力とした場合、設定する関係は、例えば、ころがり抵抗がタイヤの形状パラメータを変数とする二次多項式等の非線形関数を用いて表わされるものである。また、横ばね定数がタイヤの形状パラメータを変数とする二次多項式等の非線形関数を用いて表わされるものである。
次に、設計変数の定義域を設定する（ステップＳ２２）。この場合、設計変数のパラメータに対して、上限値と下限値を設定し、下限値〜上限値の間が連続であるとする。例えば、タイヤの形状パラメータであれば、サイズの上限と下限を、下限値〜上限値の間が連続であるとして、設計変数の定義域として設定する。また、タイヤのゴム組成であれば、弾性率の上限と下限を設計変数の定義域として設定する。この設計変数の定義域の設定は、条件設定部３２でなされ、例えば、メモリ２４に記憶される。本実施形態では、タイヤの形状パラメータについて上限値と下限値を設定する。
次に、非線形応答関係に基づいてモデル生成部３４でモデル作成を実施し、演算部３６にてステップＳ２０で設定した非線形応答関係に基づいて特性値を算出する（ステップＳ２４）。このとき、設定した設計変数の定義域がメモリ２４から読み出されて特性値が算出される。特性値の算出結果は、例えば、メモリ２４に記憶される。ＦＥＭ等のシミュレーションであれば、メッシュモデルがモデル生成部３４で作成され、演算部３６にて、ＦＥＭ等により入力に対する応答をシミュレーションが実施される。具体的には、タイヤの形状パラメータに対するころがり抵抗と横ばね定数が算出される。
次に、パレート解探索部３８にて特性値の演算結果に対して、特性値を目的関数とする最適化を実施し、パレート解を得る（ステップＳ２６）。このパレート解の算出には、例えば、遺伝的アルゴリズムが用いられる。得られたパレート解は、メモリ２４に記憶される。
このように、データ処理装置１０ａでは、パレート解を算出し、その後、データ作成部４０でデータセットを作成する。作成したデータセットを用いて解析部２０にて各種のデータ処理を行う。その後、必要に応じて表示制御部２２を介して表示部１６に、上述のように、自己組織化マップを表示することができる。データ処理装置１０ａは、パレート解を作成する点以外は、上述のデータ処理装置１０と同様にして、自己組織化マップに第１の指標または第２の指標に基づく領域を表示することができるため、その詳細な説明は省略する。この場合でも、経験の浅い解析者であっても、視覚的に入力値と出力値の因果関係、および重要な設計変数（入力値）等を理解しやすくすることができる。また、理解しやすくする情報を得ることができる。
本実施形態のデータ分析方法および表示方法では、予め用意されたデータセットをそのまま用いたが、これに限定されるものではない。例えば、データセットに対して、出力値空間において入力値の移動平均処理をしてもよい。
図１５は、本発明の実施形態のデータの分析方法およびデータの表示方法に利用されるデータ処理装置の他の例を示す模式図である。
図１５に示すデータ処理装置１０ｂは、図１に示すデータ処理装置１０に比して、移動平均処理部２８を有し、上述のデータセットに移動平均処理をする点が異なり、それ以外の構成は、図１に示すデータ処理装置１０と同様の構成であるため、その詳細な説明は省略する。
図１５に示すデータ処理装置１０ｂでは、移動平均処理部２８が解析部２０に接続されている。また、移動平均処理部２８にはメモリ２４と制御部２６が接続されており、移動平均処理部２８は制御部２６で制御される。
次に、移動平均処理部１７での移動平均処理方法について図１６〜図１９に基づいて説明する。図１６は、本発明の実施形態のデータの分析方法の移動平均処理を工程順に示すフローチャートである。
まず、出力値空間での平均区間の形状および大きさと重み関数を設定する（ステップＳ３０）。
平均区間は、移動平均処理を行う際に、後述するマスター点の平均値を求めるための設定領域である。この平均領域は、データセットの入力データのデータ種、例えば、入力パラメータ数と、出力データのデータ種、例えば、出力パラメータ数に応じて、適宜設定されるものであり、形状等は特に限定されるものではない。例えば、出力値空間が、例えば、出力データのうち、２つのデータ種で表わされる場合、すなわち、出力値空間が２次元である場合、平均区間は、例えば、四角形等の多角形、および円等の２次元形状である。
また、出力値空間が出力データのうち、３つのデータ種で表わされる場合、すなわち、出力値空間が３次元である場合、平均区間は、例えば、四角柱等の多角柱、および球等の３次元形状である。さらには、出力値空間が出力データのうち、４つのデータ種で表わされる場合、すなわち、出力値空間が４次元である場合、平均区間は、例えば、超立方体、および超球等である。
また、平均区間の大きさについても特に限定されるものではない。さらには、平均区間を設定する際に、出力値空間を正規化してもよい。すなわち、後述する特性値空間を正規化してもよい。
平均区間の重み関数には、例えば、以下に示す式（１）の関数ｗ（ｒ）を用いることができる。下記式（１）の関数ｗ（ｒ）は図示すれば図１７に示すとおりである。
下記式（１）の関数ｗ（ｒ）において、ｒ０は平均区間の大きさを表し、ｒはマスター点とスレーブ点との距離を表す。ｒ０は平均区間が円であれば円の半径、超球であれば超球の半径である。なお、下記式（１）の関数ｗ（ｒ）では、図１７に示すように、マスター点とスレーブ点との距離ｒ＝１．０が平均区間の大きさである。
重み関数は、上記式（１）の関数に限定されるものではなく、例えば、図１７に符号Ｃで示すように平均区間内で一定値でもよい。一定値の値は、特に限定されるものではないが、図１７に示す例では１．０である。
さらに、出力値空間内のデータの粗密に応じて平均区間および重み関数のうち、少なくとも一方を変えてもよい。
次に、例えば、設計変数で構成される入力データからマスター点を設定する（ステップＳ３２）。そして、設計変数で構成される入力データからスレーブ点を設定する（ステップＳ３４）。
具体的には、図１８に示すように、平均区間Ｐが設定された、特性値Ｇ１、特性値Ｇ２の特性値空間Ｑにおいて、平均区間Ｐ内で、既に存在する入力データの中からマスター点Ｍを設定する。これにより、特性値空間Ｑではマスター点Ｍ以外はスレーブ点ｓとなる。マスター点Ｍのデータがマスターデータであり、スレーブ点ｓのデータがスレーブデータである。
マスター点Ｍの設定方法は、例えば、図１９に示すように、特性値空間Ｑにグリッドｇを設定し、グリッドｇの交点ｎをマスター点Ｍとしてもよい。この場合、マスター点Ｍは必ずしも存在する入力データとは限らない。なお、グリッドｇの大きさは特に限定されるものではなく、データ数等に応じて適宜設定される。
次に、特性値空間Ｑ上でのマスター点とスレーブ点との距離ｒを算出する（ステップＳ３６）。距離ｒの算出には、公知の２つの座標間の距離計算方法を用いることができる。
ステップＳ３６において、算出した距離が平均区間Ｐ内にある場合、すなわち、ｒ≦ｒ０である場合、重み関数を用いて重みの値（ｗｖ）を計算し、この重みの値（ｗｖ）を、例えば、メモリ２４に記憶する。また、入力値の各入力データの値、例えば、設計変数の値（ｘ）に重みの値を乗じて、入力データの値と重みの値の積の値（ｗｖｘ）を算出する。そして、算出された入力データの値と重みの値の積の値（ｗｖｘ）を、例えば、メモリ２４に記憶する（ステップＳ３８）。この場合、入力データ毎に、入力データの値と重みの値の積の値（ｗｖｘ）が算出される。すなわち、設計変数毎に、設計変数の値（ｘ）と重みの値の積の値（ｗｖｘ）が算出される。
次に、ステップＳ３８で記憶した重みの値（ｗｖ）の和（ｗｖｔｏｔ）と入力データの値と重みの値の積の値（ｗｖｘ）の和（ｗｖｘｔｏｔ）とを、入力データ毎に計算する（ステップＳ４０）。これにより、１つのマスター点Ｍでの重みの値（ｗｖ）の和（ｗｖｔｏｔ）と入力データの値と重みの値の積の値（ｗｖｘ）の和（ｗｖｘｔｏｔ）とが設計変数毎に得られる。
次に、マスター点としたデータセットのデータを除くデータセットの組、全てをスレーブ点として計算処理したか否かを判定する（ステップＳ４２）。この場合、例えば、データセットのデータ数と、計算したスレーブデータの数とを比較することにより、ステップＳ４２の計算処理を判定することができる。
ステップＳ４２において、マスター点としたデータを除いたデータセットのデータをスレーブ点として計算処理した場合には、入力データ毎に、入力データの値と重みの値の積の値（ｗｖｘ）の和（ｗｖｘｔｏｔ）を重みの値（ｗｖ）の和（ｗｖｔｏｔ）で除して得られた値、すなわち、ｗｖｘｔｏｔ／ｗｖｔｏｔで得られた値を、入力データ毎のマスター点Ｍの入力データの平均値、例えば、設計変数毎のマスター点Ｍの設計変数の平均値とし、例えば、メモリ２４に記憶させる（ステップＳ４４）。
ステップＳ４４では、図１８、図１９に示す平均区間Ｐにおいて、マスター点Ｍを中心とした設計変数の平均値を設計変数毎に得ることができる。
一方、ステップＳ４２において、マスター点としたデータを除いたデータセットのデータをスレーブ点として計算処理していない場合、マスター点Ｍを中心とした設計変数の平均値を設計変数毎に得るために、マスター点としたデータを除いたデータセットのデータをスレーブ点として計算処理するまで、上述のステップＳ３４（スレーブ点の設定）からステップＳ４０（重み・設計変数の積の計算）を繰り返し行う。そして、上述のように、設計変数毎のマスター点Ｍの入力データの平均値、例えば、マスター点Ｍの設計変数の平均値を、例えば、メモリ２４に記憶させる。
次に、データセットの組、全てを、マスター点Ｍとして計算処理したか否かを判定する（ステップＳ４６）。ステップＳ４６において、データセットの組、全てを、マスター点Ｍとして計算処理した場合に移動平均処理は終了する。この場合、例えば、データセットのデータ数と、計算したマスター点Ｍの数とを比較することにより、ステップＳ４２の計算処理の判定をすることができる。
なお、マスター点Ｍをグリッドｇの交点ｎとした場合には、交点ｎの数と、計算したマスター点Ｍの数とを比較することにより、ステップＳ４２の計算処理の判定をすることができる。
一方、ステップＳ４６において、データセットの組、全てを、マスター点Ｍとして計算処理していない場合、データセットの組、全てをマスター点Ｍとするために、上述のステップＳ３２（マスター点の設定）からステップＳ４４（マスター点の平均値の算出）を繰り返し行う。ステップＳ４６において、データセットの組、全てをマスター点Ｍとして計算処理した場合、移動平均処理は終了する。
以上のようにして、出力値空間での入力データの移動平均処理、例えば、特性値空間内での設計変数の移動平均処理が終了する。
本実施形態において、出力値空間内で入力データの移動平均処理を行うことにより、入力データのばらつきおよびノイズを除去することができる。その後、解析部２０にて各種のデータ処理を行う。その後、必要に応じて表示制御部２２を介して表示部１６に、上述のように、自己組織化マップを表示することができる。データ処理装置１０ｂは、データセットに移動平均処理を施す点以外は、上述のデータ処理装置１０と同様にして、自己組織化マップに第１の指標または第２の指標に基づく領域を表示することができるため、その詳細な説明は省略する。上述のように、移動平均処理することにより、自己組織化マップに閾値に対応する領域を表示した場合において、出力値と入力データとの間の因果関係をより一層容易に見出すことができる。この場合でも、経験の浅い解析者であっても、視覚的に入力値と出力値の因果関係、および重要な設計変数（入力値）等を理解しやすくすることができる。また、理解しやすくする情報を得ることができる。
上述のデータ処理装置１０ｂにおいては、予め用意されたデータセットに対して、移動平均処理部２８で移動平均処理を施したが、これに限定されるものではない。例えば、図２０に示すように、データ処理部３０を設けて、データ処理部３０でパレート解を算出し、算出されたパレート解を含むデータセットに対して、移動平均処理部２８で移動平均処理を施す構成でもよい。
なお、データ処理部３０は、図１３にデータ処理装置１０ａと同じ構成であるため、その詳細な説明は省略する。
データ処理装置１０ｃでも、パレート解を作成する点および移動平均処理を施す点以外、データ処理装置１０と同様にして、自己組織化マップに第１の指標または第２の指標に基づく領域を表示することができるため、その詳細な説明は省略する。この場合でも、経験の浅い解析者であっても、視覚的に入力値と出力値の因果関係、および重要な設計変数（入力値）等を理解しやすくすることができる。また、理解しやすくする情報を得ることができる。
本発明は、基本的に以上のように構成されるものである。以上、本発明のデータの分析方法およびデータの表示方法について詳細に説明したが、本発明は上記実施形態に限定されず、本発明の主旨を逸脱しない範囲において、種々の改良または変更をしてもよいのはもちろんである。
１０、１０ａ、１０ｂ、１０ｃ データ処理装置
１２ 処理部
１４ 入力部
１６ 出力部
２０ 解析部
２２ 表示制御部
２４ メモリ
２６ 制御部
２８ 移動平均処理部
３０ データ処理部
３２ 条件設定部
３４ モデル生成部
３６ 演算部
３８ パレート解探索部
４０ データ作成部
５０、５２ セル
５４ 領域
６０、６２、７６、７８ 線
７０ 自己組織化マップ
７２ 第１の領域
７４ 第２の領域

Claims (11)

  1. 所定の関係を有する複数の入力値と複数の出力値において、前記複数の入力値を表わす入力データと、前記複数の出力値を表わす出力データの２種類のデータを対象としたデータの分析方法であって、
    前記複数の出力値を目的関数として、目的関数空間における第１の指標および第２の指標の少なくとも一方を求める工程を有し、
    前記第１の指標は、複数の目的関数の値のうち、少なくとも２つの目的関数の値の、予め設定された値に対する距離であり、
    前記第２の指標は、複数の目的関数の値のうち、少なくとも２つの目的関数の値の比率で表されるものであることを特徴とするデータの分析方法。
  2. さらに、前記入力データおよび前記出力データの前記２種類のデータを用いて、自己組織化マップを作成する工程と、
    前記第１の指標および前記第２の指標のうち、少なくとも一方を用いて閾値を設定する工程と、
    前記自己組織化マップ上での前記閾値に対応する領域を求める工程とを有する請求項１に記載のデータの分析方法。
  3. さらに、前記自己組織化マップ上で前記閾値に対応する前記領域を用いて回帰分析をする工程とを有する請求項２に記載のデータの分析方法。
  4. さらに、前記自己組織化マップ上で前記閾値に対応する前記領域を用いてクラスタリング処理をする工程と、
    前記クラスタリング処理により、前記領域がクラスタに分けられるかを判定する工程と、
    前記クラスタに分けられる場合、前記領域の数が多いクラスタについて回帰分析を用いて線を作成する工程とを有する請求項２に記載のデータの分析方法。
  5. 前記入力値を表わす前記入力データは、構造体および構造体を構成する材料の設計変数を表すものであり、前記出力値を表わす前記出力データは、構造体および構造体を構成する材料の特性値を表すものである請求項１〜４のいずれか１項に記載のデータの分析方法。
  6. 前記出力データは、パレート解を含む請求項１〜５のいずれか１項に記載のデータの分析方法。
  7. 所定の関係を有する複数の入力値と複数の出力値において、前記複数の入力値を表わす入力データと、前記複数の出力値を表わす出力データの２種類のデータを対象としたデータの表示方法であって、
    前記複数の出力値を目的関数として、目的関数空間における第１の指標および第２の指標の少なくとも一方を求める工程と、
    前記第１の指標および前記第２の指標の少なくとも一方を、前記入力データおよび前記出力データの前記２種類のデータと共に、表示する工程と、
    前記入力データおよび前記出力データの前記２種類のデータを用いて、自己組織化マップを作成する工程と、
    前記第１の指標および前記第２の指標のうち、少なくとも一方を用いて閾値を設定する工程と、
    前記自己組織化マップ上での前記閾値に対応する領域を求める工程と、
    前記自己組織化マップ上で前記閾値に対応する前記領域に印をつけて表示する工程とを有し、
    前記第１の指標は、複数の目的関数の値のうち、少なくとも２つの目的関数の値の、予め設定された値に対する距離であり、
    前記第２の指標は、複数の目的関数の値のうち、少なくとも２つの目的関数の値の比率で表されるものであることを特徴とするデータの表示方法。
  8. さらに、前記自己組織化マップ上で前記閾値に対応する前記領域を用いて回帰分析をする工程と、
    前記回帰分析の結果を前記自己組織化マップ上に表示する工程とを有する請求項７に記載のデータの表示方法。
  9. さらに、前記自己組織化マップ上で前記閾値に対応する前記領域を用いてクラスタリング処理をする工程と、
    前記クラスタリング処理により、前記領域がクラスタに分けられるかを判定する工程と、
    前記クラスタに分けられる場合、前記領域の数が多いクラスタについて回帰分析を用いて線を作成し、前記クラスタの近似式で表される前記線を、前記自己組織化マップ上に表示する工程とを有する請求項７に記載のデータの表示方法。
  10. 前記入力値を表わす前記入力データは、構造体および構造体を構成する材料の設計変数を表すものであり、前記出力値を表わす前記出力データは、構造体および構造体を構成する材料の特性値を表すものである請求項７〜９のいずれか１項に記載のデータの表示方法。
  11. 前記出力データは、パレート解を含む請求項７〜１０のいずれか１項に記載のデータの表示方法。
JP2014234923A 2014-11-19 2014-11-19 データの分析方法およびデータの表示方法 Active JP6561455B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2014234923A JP6561455B2 (ja) 2014-11-19 2014-11-19 データの分析方法およびデータの表示方法
EP15861504.7A EP3208752A4 (en) 2014-11-19 2015-11-17 Data analysis method and data display method
US15/528,481 US20170255721A1 (en) 2014-11-19 2015-11-17 Data Analysis Method and Data Display Method
PCT/JP2015/082262 WO2016080394A1 (ja) 2014-11-19 2015-11-17 データの分析方法およびデータの表示方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2014234923A JP6561455B2 (ja) 2014-11-19 2014-11-19 データの分析方法およびデータの表示方法

Publications (2)

Publication Number Publication Date
JP2016099737A true JP2016099737A (ja) 2016-05-30
JP6561455B2 JP6561455B2 (ja) 2019-08-21

Family

ID=56013929

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2014234923A Active JP6561455B2 (ja) 2014-11-19 2014-11-19 データの分析方法およびデータの表示方法

Country Status (4)

Country Link
US (1) US20170255721A1 (ja)
EP (1) EP3208752A4 (ja)
JP (1) JP6561455B2 (ja)
WO (1) WO2016080394A1 (ja)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016148988A (ja) * 2015-02-12 2016-08-18 横浜ゴム株式会社 データの分析方法およびデータの表示方法
JP2020030680A (ja) * 2018-08-23 2020-02-27 横浜ゴム株式会社 ゴム材料設計方法、ゴム材料設計装置、及びプログラム
JP6725928B1 (ja) * 2020-02-13 2020-07-22 東洋インキＳｃホールディングス株式会社 回帰モデル作成方法、回帰モデル作成装置、及び、回帰モデル作成プログラム
JP2022536545A (ja) * 2019-07-12 2022-08-17 ブリヂストン アメリカズ タイヤ オペレーションズ、 エルエルシー 接合部改善のための機械学習
WO2022196208A1 (ja) * 2021-03-18 2022-09-22 日本電気株式会社 特異材料検出装置、制御方法、及び非一時的なコンピュータ可読媒体
WO2022196206A1 (ja) * 2021-03-18 2022-09-22 日本電気株式会社 推奨データ生成装置、制御方法、及び非一時的なコンピュータ可読媒体
WO2023195152A1 (ja) * 2022-04-08 2023-10-12 日本電気株式会社 推奨データ生成装置、推奨データ生成方法、及び非一時的なコンピュータ可読媒体
WO2024147183A1 (ja) * 2023-01-05 2024-07-11 富士通株式会社 演算プログラム、演算方法、および情報処理装置

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10449090B2 (en) 2015-07-31 2019-10-22 Allotex, Inc. Corneal implant systems and methods
US10503846B2 (en) * 2018-04-22 2019-12-10 Sas Institute Inc. Constructing flexible space-filling designs for computer experiments
US11328106B2 (en) 2018-04-22 2022-05-10 Sas Institute Inc. Data set generation for performance evaluation
US10878345B2 (en) * 2018-04-22 2020-12-29 Sas Institute Inc. Tool for hyperparameter tuning
US11561690B2 (en) 2018-04-22 2023-01-24 Jmp Statistical Discovery Llc Interactive graphical user interface for customizable combinatorial test construction
US11074483B2 (en) 2018-04-22 2021-07-27 Sas Institute Inc. Tool for hyperparameter validation
JP7180520B2 (ja) * 2019-04-17 2022-11-30 富士通株式会社 更新プログラム、更新方法および情報処理装置
CN110502844B (zh) * 2019-08-27 2023-04-07 中车株洲电力机车有限公司 一种轨道交通车辆噪声数字样机的优化设计方法
JP2022067566A (ja) * 2020-10-20 2022-05-06 株式会社日立製作所 設計支援装置および設計支援方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006285381A (ja) * 2005-03-31 2006-10-19 Yokohama Rubber Co Ltd:The 構造体の設計方法
JP2014182605A (ja) * 2013-03-19 2014-09-29 Yokohama Rubber Co Ltd:The データの表示方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4888227B2 (ja) * 2007-05-25 2012-02-29 横浜ゴム株式会社 データ解析プログラム、データ解析装置、構造体の設計プログラム、および構造体の設計装置
US9104963B2 (en) * 2012-08-29 2015-08-11 International Business Machines Corporation Self organizing maps for visualizing an objective space

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006285381A (ja) * 2005-03-31 2006-10-19 Yokohama Rubber Co Ltd:The 構造体の設計方法
JP2014182605A (ja) * 2013-03-19 2014-09-29 Yokohama Rubber Co Ltd:The データの表示方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
平野博之，吉川大弘: "多数目的最適化における収束性向上のための多群移動型手法の検討", ２０１３年度 人工知能学会全国大会（第２７回）論文集［ＣＤ−ＲＯＭ］, JPN6016004615, 4 June 2013 (2013-06-04), pages 1 - 4 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016148988A (ja) * 2015-02-12 2016-08-18 横浜ゴム株式会社 データの分析方法およびデータの表示方法
JP7215017B2 (ja) 2018-08-23 2023-01-31 横浜ゴム株式会社 ゴム材料設計方法、ゴム材料設計装置、及びプログラム
JP2020030680A (ja) * 2018-08-23 2020-02-27 横浜ゴム株式会社 ゴム材料設計方法、ゴム材料設計装置、及びプログラム
US12090718B2 (en) 2019-07-12 2024-09-17 Bridgestone Americas Tire Operations, Llc Machine learning for splice improvement
JP7218475B2 (ja) 2019-07-12 2023-02-06 ブリヂストン アメリカズ タイヤ オペレーションズ、 エルエルシー 接合部改善のための機械学習
JP2022536545A (ja) * 2019-07-12 2022-08-17 ブリヂストン アメリカズ タイヤ オペレーションズ、 エルエルシー 接合部改善のための機械学習
WO2021162033A1 (ja) * 2020-02-13 2021-08-19 東洋インキＳｃホールディングス株式会社 回帰モデル作成方法、回帰モデル作成装置、及び、回帰モデル作成プログラム
JP2021128042A (ja) * 2020-02-13 2021-09-02 東洋インキＳｃホールディングス株式会社 回帰モデル作成方法、回帰モデル作成装置、及び、回帰モデル作成プログラム
JP6725928B1 (ja) * 2020-02-13 2020-07-22 東洋インキＳｃホールディングス株式会社 回帰モデル作成方法、回帰モデル作成装置、及び、回帰モデル作成プログラム
WO2022196206A1 (ja) * 2021-03-18 2022-09-22 日本電気株式会社 推奨データ生成装置、制御方法、及び非一時的なコンピュータ可読媒体
WO2022196208A1 (ja) * 2021-03-18 2022-09-22 日本電気株式会社 特異材料検出装置、制御方法、及び非一時的なコンピュータ可読媒体
JP7572664B2 (ja) 2021-03-18 2024-10-24 日本電気株式会社 特異材料検出装置、制御方法、及びプログラム
WO2023195152A1 (ja) * 2022-04-08 2023-10-12 日本電気株式会社 推奨データ生成装置、推奨データ生成方法、及び非一時的なコンピュータ可読媒体
WO2024147183A1 (ja) * 2023-01-05 2024-07-11 富士通株式会社 演算プログラム、演算方法、および情報処理装置

Also Published As

Publication number Publication date
WO2016080394A1 (ja) 2016-05-26
EP3208752A4 (en) 2018-06-13
JP6561455B2 (ja) 2019-08-21
US20170255721A1 (en) 2017-09-07
EP3208752A1 (en) 2017-08-23

Similar Documents

Publication Publication Date Title
JP6561455B2 (ja) データの分析方法およびデータの表示方法
JP6589285B2 (ja) データの分析方法およびデータの表示方法
JP4888227B2 (ja) データ解析プログラム、データ解析装置、構造体の設計プログラム、および構造体の設計装置
JP6263883B2 (ja) データ処理方法および構造体の設計方法
JP4339808B2 (ja) 構造体の設計方法
JP5018116B2 (ja) タイヤの設計方法およびタイヤの設計装置
JP5160147B2 (ja) タイヤの設計方法
JP5160146B2 (ja) タイヤの設計方法
JP7205160B2 (ja) タイヤの金型形状設計方法、タイヤの金型形状設計装置、およびプログラム
JP6586820B2 (ja) タイヤの金型形状設計方法、タイヤの金型形状設計装置、およびプログラム
JP6544005B2 (ja) 構造体の近似モデル作成方法、構造体の近似モデル作成装置、およびプログラム
JP2019096041A (ja) シミュレーション方法、その装置およびプログラム
JP2001050848A (ja) 空気入りタイヤの設計方法、最適化解析装置及びタイヤの最適化解析プログラムを記憶した記憶媒体
JP7328527B2 (ja) タイヤモデル作成方法、タイヤ形状最適化方法、タイヤモデル作成装置、タイヤ形状最適化装置、およびプログラム
JP6565285B2 (ja) 構造体の近似モデル作成方法、構造体の近似モデル作成装置、およびプログラム
JP6248402B2 (ja) データの表示方法
JP2008276469A (ja) タイヤの設計方法
JP5236301B2 (ja) タイヤの設計方法
JP6544006B2 (ja) 構造体の近似モデル作成方法、構造体の近似モデル作成装置、およびプログラム
JP6676928B2 (ja) タイヤモデル作成方法、タイヤ形状最適化方法、タイヤモデル作成装置、タイヤ形状最適化装置、およびプログラム
CN115320307B (zh) 一种车辆的减振方法、减振装置、电子设备及存储介质
JP6299089B2 (ja) データの可視化方法
JP2017182400A (ja) 不均質材料のシミュレーション方法、不均質材料のシミュレーション装置およびプログラム
Koishi et al. Multi-objective design problem of tire wear and visualization of its Pareto solutions
JP2020201736A (ja) タイヤの初期形状設計方法、タイヤの初期形状設計装置、およびプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20171113

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20181016

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20181210

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190416

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190607

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20190625

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190708

R150 Certificate of patent or registration of utility model

Ref document number: 6561455

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

S531 Written request for registration of change of domicile

Free format text: JAPANESE INTERMEDIATE CODE: R313531

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250