JP2020027319A - 評価装置、評価方法、および、コンピュータプログラム - Google Patents
評価装置、評価方法、および、コンピュータプログラム Download PDFInfo
- Publication number
- JP2020027319A JP2020027319A JP2018150148A JP2018150148A JP2020027319A JP 2020027319 A JP2020027319 A JP 2020027319A JP 2018150148 A JP2018150148 A JP 2018150148A JP 2018150148 A JP2018150148 A JP 2018150148A JP 2020027319 A JP2020027319 A JP 2020027319A
- Authority
- JP
- Japan
- Prior art keywords
- model
- maximum likelihood
- value
- variable
- data
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 82
- 238000004590 computer program Methods 0.000 title claims description 8
- 238000007476 Maximum Likelihood Methods 0.000 claims abstract description 55
- 238000009826 distribution Methods 0.000 claims abstract description 42
- 238000004519 manufacturing process Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 41
- 238000012360 testing method Methods 0.000 claims description 30
- 230000006870 function Effects 0.000 claims description 12
- 238000000034 method Methods 0.000 abstract description 31
- 239000011159 matrix material Substances 0.000 description 35
- 238000012545 processing Methods 0.000 description 34
- 238000003860 storage Methods 0.000 description 31
- 230000008569 process Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 238000013500 data storage Methods 0.000 description 10
- 230000004048 modification Effects 0.000 description 9
- 238000012986 modification Methods 0.000 description 9
- 238000002790 cross-validation Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000000052 comparative effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 101100297694 Arabidopsis thaliana PIP2-7 gene Proteins 0.000 description 2
- 101100456541 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) MEC3 gene Proteins 0.000 description 2
- 101100483663 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) UFD1 gene Proteins 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 101150037263 PIP2 gene Proteins 0.000 description 1
- 101100262439 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) UBA2 gene Proteins 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
図1は、第一実施形態における評価装置1の概略構成を示した説明図である。評価装置1は、製品の品質を表す品質変数と製品の製造工程で得られる製品に関連する工程変数との対応関係が示された対応データを用いて構造学習を行うとともに、当該構造学習によって作成される「構造モデル」としての精度行列を評価する。
目的変数とは、一つの変数データセットに含まれる品質変数の一つの変数を指す。具体的には、例えば、図3で用いた八つの変数a、b、c、d、e、f、g、hのうち品質変数を変数a、bとし、工程変数を変数c、d、e、f、g、hとしたとき、目的変数は変数aまたは変数bとなる。
また、説明変数とは、一つの変数データセットに含まれる複数の品質変数と複数の工程変数とのうち目的変数となった品質変数を除く残りの品質変数および工程変数を指す。具体的には、例えば、図3で用いた八つの変数a、b、c、d、e、f、g、hのうち品質変数を変数a、bとし、工程変数を変数c、d、e、f、g、hとしたとき、変数aを目的変数とすると、変数b、c、d、e、f、g、hが説明変数となる。また、変数bを目的変数とすると、変数a、c、d、e、f、g、hが説明変数となる。
算出された条件付きガウス分布の対数尤度L(x)は、対数尤度記憶部44に記憶される。
また、比較例でのガウス分布の対数尤度の平均値の最大値に対応する罰則値は、図6に示すように、0.51となる(図6の点線Pv5)。この罰則値によって規定される構造モデルのグラフィカルモデルである図7(b)を見ると、各変数間のつながりがほとんど切断されているため、例えば、変数PKAとつながりのある変数を特定することは困難である。
本発明は上記の実施形態に限られるものではなく、その要旨を逸脱しない範囲において種々の態様において実施することが可能であり、例えば次のような変形も可能である。
上述の実施形態では、評価装置1の一例として、モデル作成部10は、標準化処理部11、分割処理部12、罰則値設定部13、構造学習処理部14、および、偏相関係数判定部15を備えるとした。また、最尤推定値演算部20は、対数尤度演算部21、尤度平均値演算部22、および、罰則値取得部23を備えるとした。しかしながら、モデル作成部10と、最尤推定値演算部20とは、これらの構成に限定されない。モデル作成部10は、対応データを用いて、構造学習によって精度行列を作成すればよい。最尤推定値演算部20は、対応データを用いて、目的変数を既知とした条件付きガウス分布の対数尤度の平均値を複数演算し、当該平均値の最大値を選択すればよい。また、評価装置1の構成は、種々の変形が可能である。例えば、評価装置は、ネットワーク上に配置された複数の装置が協働することによって構成されてもよい。
上述の実施形態では、目的変数と説明変数との共変関係を表す構造モデルを、精度行列であるとした。しかしながら、構造モデルは、精度行列に限定されない。目的変数と説明変数との共変関係を表すものであればよい。
上述の実施形態では、「最尤推定値」として、条件付きガウス分布の対数尤度の平均値であるとした。しかしながら、「最尤推定値」はこれに限定されない。条件付きガウス分布の対数尤度の最大値、対数尤度の標準偏差の最小値、あるいは、平均値と標準偏差とを組み合わせた指標であってもよいし、これら以外であってもよい。
上述の実施形態では、評価装置1による構造モデルの評価処理を、交差検証を適用して行うとした。しかしながら、評価装置1による構造モデルの評価処理は、これに限定されない。罰則値を変更して複数の構造モデルを作成してもよい。
上述の実施形態では、「特性値」を、構造モデルのスパース性を決定する罰則値であるとした。しかしながら、「特性値」は、これに限定されない。構造モデルの特性を決定する値であればよい。
上述の実施形態では、モデル作成部10は、偏相関係数判定部15が目的変数と説明変数との偏相関係数の全てが0であると判定すると、構造モデルの作成を中止するとした。しかしながら、偏相関係数判定部15はなくてもよい。また、モデル作成部10は、偏相関係数が0を除く所定の値となるまで、または、偏相関係数の減少率が所定の値以上となるまで構造モデルの作成をおこなってもよい。
上述の実施形態では、構造学習の方法としてグラフィカルラスーのアルゴリズムを用いた。しかしながら、構造学習の方法は、グラフィカルラスーに限定されない。例えば、共分散構造選択などの構造学習によって精度行列が得られればよい。
10…モデル作成部
11…標準化処理部
12…分割処理部
13…罰則値設定部
14…構造学習処理部
15…偏相関係数判定部
20…最尤推定値演算部
21…対数尤度演算部
22…尤度平均値演算部
23…罰則値取得部
30…モデル評価部
40…記憶部
41…分割データ記憶部
42…罰則値記憶部
43…精度行列記憶部
44…対数尤度記憶部
45…尤度平均値記憶部
Claims (8)
- 製品の品質を表す目的変数と、前記製品の製造工程で得られる前記製品に関連する説明変数との共変関係を表す構造モデルを評価する評価装置であって、
前記目的変数と前記説明変数との対応関係が示された対応データを用いて、構造学習によって前記構造モデルを作成するモデル作成部と、
前記対応データを用いて、前記目的変数を既知とした条件付きガウス分布の最尤推定値を算出する最尤推定値演算部と、
前記最尤推定値に基づいて前記構造モデルを評価するモデル評価部と、を備える、
評価装置。 - 請求項1に記載の評価装置であって、
前記モデル作成部は、前記構造モデルの特性に関連する特性値を変更することによって前記対応データから前記特性値の異なる複数の前記構造モデルを作成し、
前記最尤推定値演算部は、前記特性値の異なる前記複数の構造モデルのそれぞれについて、条件付きガウス分布の尤度推定値を算出するとともに、算出した複数の前記尤度推定値のうちの最大値を前記最尤推定値とし、
前記モデル評価部は、前記最尤推定値に対応する前記構造モデルを選択することによって前記構造モデルを評価する、
評価装置。 - 請求項2に記載の評価装置であって、
前記モデル作成部は、前記対応データのうち、前記最尤推定値演算部がテストデータとして用いる部分を除いた残りの前記対応データの一部を学習用データとして用いて前記構造モデルを作成し、
前記最尤推定値演算部は、前記テストデータを用いて、前記構造モデルにおける前記条件付きガウス分布の対数尤度を算出し、
前記モデル作成部は、前記対応データのうち、前記最尤推定値演算部がテストデータとして用いる部分が異なる複数パターンの学習用データによって、一つの前記特性値において複数の前記構造モデルを作成し、
前記最尤推定値演算部は、一つの前記特性値において前記複数の構造モデルのそれぞれに対応する対数尤度を算出し、算出した前記対数尤度の平均値を前記尤度推定値とする、
評価装置。 - 請求項2または請求項3に記載の評価装置であって、
前記特性値とは、前記構造モデルの特性としてのスパース性を決定する罰則値であり、
前記モデル作成部は、前記罰則値を変更することによって前記複数の構造モデルを作成する、
評価装置。 - 請求項1から請求項4のいずれか一項に記載の評価装置であって、
前記構造モデルには、前記目的変数と前記説明変数との偏相関係数が示されており、
前記モデル作成部は、前記特性値を変化させることによって、前記構造モデルを作成するとともに、作成した前記構造モデルの前記偏相関係数が、全て0であるか否かを判定し、
前記最尤推定値演算部は、前記モデル作成部が前記目的変数と前記説明変数との偏相関係数が全て0であると判定すると、前記最尤推定値の算出を開始する、
評価装置。 - 請求項1から請求項5のいずれか一項に記載の評価装置であって、
前記目的変数を既知とした条件付きガウス分布は、多変量正規分布の確率密度関数を既知の前記目的変数で積分して得られる周辺分布の密度関数によって多変量正規分布の確率密度関数を除したものである、
評価装置。 - 製品の品質を表す目的変数と、前記製品の製造工程で得られる前記製品に関連する説明変数との共変関係を表す構造モデルを評価する評価方法であって、
前記目的変数と前記説明変数との対応関係が示された対応データを用いて、構造学習によって前記構造モデルを作成するモデル作成工程と、
前記対応データを用いて、前記目的変数を既知とした条件付きガウス分布の最尤推定値を算出する最尤推定値演算工程と、
前記最尤推定値に基づいて前記構造モデルを評価するモデル評価工程と、を備える、
評価方法。 - 製品の品質を表す目的変数と、前記製品の製造工程で得られる前記製品に関連する説明変数との共変関係を表す構造モデルをコンピュータに評価させるコンピュータプログラムであって、
前記目的変数と前記説明変数との対応関係が示された対応データを用いて、構造学習によって前記構造モデルを作成するモデル作成機能と、
前記対応データを用いて、前記目的変数を既知とした条件付きガウス分布の最尤推定値を算出する最尤推定値演算機能と、
前記最尤推定値に基づいて前記構造モデルを評価するモデル評価機能と、を前記コンピュータに実行させる、
コンピュータプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018150148A JP6927171B2 (ja) | 2018-08-09 | 2018-08-09 | 評価装置、評価方法、および、コンピュータプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018150148A JP6927171B2 (ja) | 2018-08-09 | 2018-08-09 | 評価装置、評価方法、および、コンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020027319A true JP2020027319A (ja) | 2020-02-20 |
JP6927171B2 JP6927171B2 (ja) | 2021-08-25 |
Family
ID=69620093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018150148A Active JP6927171B2 (ja) | 2018-08-09 | 2018-08-09 | 評価装置、評価方法、および、コンピュータプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6927171B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022002029A (ja) * | 2020-06-22 | 2022-01-06 | Tdk株式会社 | データ解析システム、データ解析方法及びデータ解析プログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010218187A (ja) * | 2009-03-17 | 2010-09-30 | Fuji Electric Holdings Co Ltd | 製造条件調整装置 |
WO2017122340A1 (ja) * | 2016-01-15 | 2017-07-20 | 三菱電機株式会社 | 計画生成装置、計画生成方法及び計画生成プログラム |
JP2017130025A (ja) * | 2016-01-20 | 2017-07-27 | 日本電気株式会社 | 要因分析装置、方法およびプログラム |
JP2017228068A (ja) * | 2016-06-22 | 2017-12-28 | 富士通株式会社 | 機械学習管理プログラム、機械学習管理方法および機械学習管理装置 |
-
2018
- 2018-08-09 JP JP2018150148A patent/JP6927171B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010218187A (ja) * | 2009-03-17 | 2010-09-30 | Fuji Electric Holdings Co Ltd | 製造条件調整装置 |
WO2017122340A1 (ja) * | 2016-01-15 | 2017-07-20 | 三菱電機株式会社 | 計画生成装置、計画生成方法及び計画生成プログラム |
JP2017130025A (ja) * | 2016-01-20 | 2017-07-27 | 日本電気株式会社 | 要因分析装置、方法およびプログラム |
JP2017228068A (ja) * | 2016-06-22 | 2017-12-28 | 富士通株式会社 | 機械学習管理プログラム、機械学習管理方法および機械学習管理装置 |
Non-Patent Citations (1)
Title |
---|
島村徹平 ほか: "L1正則化法に基づくグラフィカルガウシアンモデリングについて", 人工知能学会研究会資料, vol. SIG-DMSM-A701-01, JPN6020046651, 25 July 2007 (2007-07-25), JP, pages 1 - 4, ISSN: 0004477963 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022002029A (ja) * | 2020-06-22 | 2022-01-06 | Tdk株式会社 | データ解析システム、データ解析方法及びデータ解析プログラム |
JP7396213B2 (ja) | 2020-06-22 | 2023-12-12 | Tdk株式会社 | データ解析システム、データ解析方法及びデータ解析プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP6927171B2 (ja) | 2021-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI698807B (zh) | 以類別為基礎修剪之人工類神經網路 | |
Dieker et al. | Exact simulation of Brown-Resnick random fields at a finite number of locations | |
CN112149757A (zh) | 一种异常检测方法、装置、电子设备及存储介质 | |
CN110874502B (zh) | 基于多阶段试验数据折合的航天产品可靠性评估方法 | |
US20210133378A1 (en) | Methods and systems for the estimation of the computational cost of simulation | |
Wang et al. | Quantized kernel maximum correntropy and its mean square convergence analysis | |
JP2013504133A (ja) | 反復線形部分空間計算による時変、パラメータ変動、及び非線形システムの経験的モデル化のための方法及びシステム | |
JP6707716B2 (ja) | 異常情報推定装置、異常情報推定方法及びプログラム | |
KR102031843B1 (ko) | 가상의 센서 데이터를 생성하는 방법 및 장치 | |
JP2012226511A (ja) | 歩留まり予測システムおよび歩留まり予測プログラム | |
JP7283065B2 (ja) | 推定装置、最適化装置、推定方法、最適化方法、及びプログラム | |
WO2018001123A1 (en) | Sample size estimator | |
Acar | Simultaneous optimization of shape parameters and weight factors in ensemble of radial basis functions | |
CN107292323B (zh) | 用于训练混合模型的方法和设备 | |
CN114239840A (zh) | 量子信道噪声系数估计方法及装置、电子设备和介质 | |
TW202123098A (zh) | 深度神經網路超參數選擇方法及電子裝置 | |
Iturbide et al. | A comparison between LARS and LASSO for initialising the time-series forecasting auto-regressive equations | |
JP6927171B2 (ja) | 評価装置、評価方法、および、コンピュータプログラム | |
CN110398942B (zh) | 一种用于工业生产过程控制的参数辨识方法 | |
Darkhovsky et al. | New approach to the segmentation problem for time series of arbitrary nature | |
CN114169460A (zh) | 样本筛选方法、装置、计算机设备和存储介质 | |
CN110941542B (zh) | 基于弹性网络的序列集成高维数据异常检测系统及方法 | |
CN117370913A (zh) | 光伏系统中异常数据的检测方法、装置以及设备 | |
JP6398991B2 (ja) | モデル推定装置、方法およびプログラム | |
JP7477859B2 (ja) | 計算機、計算方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191211 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201125 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201208 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210125 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20210406 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210614 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20210614 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20210621 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20210622 |
|
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: 20210706 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210719 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6927171 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |