JP2020135591A - 推定装置、推定方法、および、コンピュータプログラム - Google Patents
推定装置、推定方法、および、コンピュータプログラム Download PDFInfo
- Publication number
- JP2020135591A JP2020135591A JP2019030227A JP2019030227A JP2020135591A JP 2020135591 A JP2020135591 A JP 2020135591A JP 2019030227 A JP2019030227 A JP 2019030227A JP 2019030227 A JP2019030227 A JP 2019030227A JP 2020135591 A JP2020135591 A JP 2020135591A
- Authority
- JP
- Japan
- Prior art keywords
- variable
- explanatory
- correlation coefficient
- partial correlation
- objective
- 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.)
- Pending
Links
Images
Landscapes
- General Factory Administration (AREA)
- Complex Calculations (AREA)
Abstract
【課題】 説明変数の目的変数への影響量を推定する推定装置であって、説明変数の目的変数への影響量の推定精度の低下を抑制する技術を提供する。【解決手段】 推定装置は、複数の説明変数と目的変数との対応関係が示された対応データを取得するデータ取得部と、取得された対応データから説明変数と目的変数との偏相関係数を演算する偏相関係数演算部と、演算された偏相関係数に応じて、複数の説明変数の中から特定の説明変数を選択する変数選択部と、変数選択部で選択された説明変数に対して共分散構造分析を行い、分析結果を用いて因果ダイアグラムを作成するダイアグラム作成部と、作成された因果ダイアグラムを用いて、説明変数の目的変数への影響量を推定する影響量推定部と、を備える。【選択図】 図1
Description
本発明は、推定装置、推定方法、および、コンピュータプログラムに関する。
従来、製品の製造工程で得られる製造条件や中間段階での出来栄えなどを示す説明変数から、製品に関連する最終の出来栄えなどを示す目的変数を予測可能な予測モデルを作成するモデル作成装置が知られている。予測モデルでの目的変数の予測精度は、説明変数の目的変数への介入効果、すなわち、説明変数が目的変数に与える影響量によって左右される。例えば、非特許文献1には、固有技術的な知見と変数間の相関情報を用いて説明変数から目的変数に向かう因果関係を示す因果ダイアグラムを作成し、この因果ダイアグラムから説明変数の目的変数への介入効果を推定する技術が開示されている。
黒木学、外1名、「因果ダイアグラムにおける介入効果の推定と工程解析への応用」、品質、一般社団法人日本品質管理学会、平成11年4月、第29巻、第2号、p.79〜89
非特許文献1に記載の推定装置では、因果ダイアグラムの初期仮説に用いる変数の数は、最大20個程度となる。これは、変数が多すぎると適合する予測モデルを特定することが困難になるためと、複数の適合する予測モデルが想定されるため予測精度が高い予測モデルを特定することが難しくなるため、である。
一方、製造工程では、いわゆる、ビッグデータと呼ばれる、膨大な数の説明変数と目的変数との対応に関する情報が取得される。ビッグデータを利用すると、例えば、何らかの理由で目的変数が変化したとき、固有技術的な知見が少ない状況でも目的変数を正常に戻す方法が定量的に明らかにすることが可能である。しかしながら、非特許文献1に記載の技術では、上述したように、変数が多すぎると予測精度が高い予測モデルの特定が難しくなる。また、非特許文献1に記載の技術を用いて、予測モデルを作成することを目的として説明変数の一部を削除すると、削除された説明変数の目的変数への影響量によっては、予測モデルの予測精度が低下するおそれがある。
本発明は、上述した課題を解決するためになされたものであり、製品の製造工程で得られる説明変数の、製品に関連する目的変数への影響量を推定する推定装置であって、説明変数の目的変数への影響量の推定精度の低下を抑制する技術を提供することを目的とする。
本発明は、上述の課題の少なくとも一部を解決するためになされたものであり、以下の形態として実現することが可能である。
(1)本発明の一形態によれば、製品の製造工程で得られる説明変数の、製品に関連する目的変数への影響量を推定する推定装置が提供される。この推定装置は、複数の前記説明変数と前記目的変数との対応関係が示された対応データを取得するデータ取得部と、取得された前記対応データから前記説明変数と前記目的変数との偏相関係数を演算する偏相関係数演算部と、演算された前記偏相関係数に応じて、前記複数の説明変数の中から特定の説明変数を選択する変数選択部と、前記変数選択部で選択された説明変数に対して共分散構造分析を行い、分析結果を用いて因果ダイアグラムを作成するダイアグラム作成部と、作成された前記因果ダイアグラムを用いて、前記説明変数の前記目的変数への影響量を推定する影響量推定部と、を備える。
この構成によれば、変数選択部は、偏相関係数に応じて、複数の説明変数の中から、目的変数への影響量が大きい特定の説明変数を選択する。これにより、複数の説明変数の中から影響量がない一部の説明変数が削除されても、目的変数に向かう因果関係に影響を与えない、または、影響を与えたとしても削除されずに選択された説明変数の影響として、処理することができる。したがって、影響量推定部で最終的に得られる説明変数の目的変数への影響量の大きさに影響を与えることなく説明変数を選択することができるため、説明変数の目的変数への影響量の推定精度の低下を抑制することができる。また、選択された説明変数を用いて予測モデルを作成する場合、説明変数の数は選択によって少なくなっているため予測モデルが特定しやすくなるだけでなく、選択された説明変数を用いて作成されるため予測精度が高い予測モデルを作成することができる。
(2)上記形態の推定装置において、前記変数選択部は、前記特定の説明変数を用いて連鎖独立グラフを作成し、前記連鎖独立グラフを用いて、前記特定の説明変数から、さらに、前記目的変数に向かう因果関係が認められる説明変数を選択してもよい。この構成によれば、変数選択部は、偏相関係数に応じて選択された説明変数を用いて連鎖独立グラフを作成することによって、説明変数と目的変数との相関だけでなく因果関係にも基づいて、説明変数の選択を行うことができる。これにより、さらに、説明変数の数を少なくしても、説明変数の目的変数への影響量の推定精度の低下を抑制することができる。また、予測モデルを作成する場合、予測精度が高い予測モデルをさらに容易に特定することができる。
(3)上記形態の推定装置において、前記偏相関係数演算部は、取得された前記対応データを用いたスパースモデリングによって、前記偏相関係数を演算してもよい。この構成によれば、偏相関係数演算部は、スパースモデリングによって対応データに潜在する特性を特定し、当該特性を表すものとして比較的少数の説明変数の偏相関係数を演算する。これにより、偏相関係数に応じて選択される特定の説明変数の数をさらに少なくしても、説明変数の目的変数への影響量の推定精度の低下を抑制することができる。
また、スパースモデリングによって演算された偏相関係数を用いて選択された説明変数は、対応データの特性への影響量が特別に大きい。これにより、選択された説明変数を用いて予測モデルを作成する場合、予測精度が高い予測モデルを特定することができる。
また、スパースモデリングによって演算された偏相関係数を用いて選択された説明変数は、対応データの特性への影響量が特別に大きい。これにより、選択された説明変数を用いて予測モデルを作成する場合、予測精度が高い予測モデルを特定することができる。
(4)上記形態の推定装置において、前記特定の説明変数は、前記目的変数との前記偏相関係数が0以外となる説明変数であってもよい。この構成によれば、変数選択部は、目的変数との偏相関係数が0以外となる説明変数を特定の説明変数として選択する。これにより、目的変数に影響を与えない説明変数を、ダイアグラム作成部に出力する説明変数から除くことができる。
なお、本発明は、種々の態様で実現することが可能であり、例えば、推定方法、推定システム、影響量の推定をコンピュータに実行させるコンピュータプログラム、コンピュータプログラムを配布するためのサーバ装置、コンピュータプログラムを記憶した一時的でない記憶媒体等などの形態で実現することができる。
<第1実施形態>
図1は、第1実施形態における推定装置1の概略構成を示した説明図である。推定装置1は、製品5の製造工程10で得られる説明変数の、製品5に関連する目的変数への影響量を推定する。ここで、製品5の製造工程10で得られる説明変数とは、製造工程10において取得される製品5の製造に関連する工程条件や製品5の状態を示す物理量である。
図1は、第1実施形態における推定装置1の概略構成を示した説明図である。推定装置1は、製品5の製造工程10で得られる説明変数の、製品5に関連する目的変数への影響量を推定する。ここで、製品5の製造工程10で得られる説明変数とは、製造工程10において取得される製品5の製造に関連する工程条件や製品5の状態を示す物理量である。
製品5の製造に関連する工程条件や製品5の状態を示す物理量とは、例えば、製品5の原材料6の加工工程において原材料6に加えられる圧力の大きさや加圧時間、原材料6の加熱工程における原材料6の加熱温度や加熱時間、原材料6自身の温度などの数値である。また、製品5に関連する目的変数とは、例えば、完成時の製品5の重さ、製品5の所定の部位の厚みや製品5の表面状態など、主に完成した製品を検査することによって得られる製品5の特性を表す数値である。推定装置1は、推定した説明変数の目的変数への影響量を用いて、製品5の出来栄えを定量的に制御するために必要な製造工程10の諸条件の制御方法を、定量的に明らかにすることができる。
なお、推定装置1によって推定される説明変数の目的変数への影響量は、説明変数から目的変数を予測する予測モデルの作成に用いることが可能である。
なお、推定装置1によって推定される説明変数の目的変数への影響量は、説明変数から目的変数を予測する予測モデルの作成に用いることが可能である。
推定装置1は、データ取得部11と、偏相関係数演算部12と、変数選択部13と、ダイアグラム作成部14と、影響量推定部15と、を備える。データ取得部11は、CPUとROM、RAMとから構成され、製造工程10を構成する図示しない製造装置の制御部に電気的に接続している。偏相関係数演算部12と、変数選択部13と、ダイアグラム作成部14と、影響量推定部15は、CPUがROMに格納されているコンピュータプログラムをRAMに展開し実現される。
データ取得部11は、製造工程10の制御部から、製品5の製造工程10で得られる複数の説明変数と、製品5に関連する目的変数と、を取得する。データ取得部11は、取得した複数の説明変数と目的変数とを、個々の製品5の説明変数と目的変数とが対応付けられた対応データを作成する。
偏相関係数演算部12は、データ取得部11と、変数選択部13とに電気的に接続している。偏相関係数演算部12は、データ取得部11が作成した対応データを用いて、目的変数と説明変数との偏相関係数を推定する。偏相関係数演算部12の作用の詳細は、後述する。
変数選択部13は、ダイアグラム作成部14に電気的に接続している。変数選択部13は、偏相関係数演算部12で推定された偏相関係数を用いて、複数の説明変数の中から特定の説明変数を選択する。変数選択部13の作用の詳細は、後述する。
ダイアグラム作成部14は、影響量推定部15に電気的に接続している。ダイアグラム作成部14は、変数選択部13によって選択された説明変数を用いて因果ダイアグラムを作成する。ダイアグラム作成部14の作用の詳細は、後述する。
影響量推定部15は、ダイアグラム作成部14が作成した因果ダイアグラムを用いて、説明変数の目的変数への影響量を推定する。影響量推定部15は、推定した影響量を推定装置1の外部に出力する。
次に、推定装置1における影響量推定処理の詳細を説明する。
図2は、推定装置1における影響量推定処理を示すフローチャートである。最初に、対応データを取得する(ステップS11)。具体的には、データ取得部11は、製造工程10の制御部から説明変数と目的変数とを取得し、複数の説明変数と目的変数との対応関係が示された対応データを作成する。また、データ取得部11は、対応データを作成するとき、例えば、外れ値が含まれる場合には一般的なデータクリーニングの手法を用いて、外れ値を除去するなど、対応データのクリーニングを行う。
次に、ステップS12において、罰則値の設定を行う。具体的には、偏相関係数演算部12は、後段のステップS13においてデータ取得部11が作成した対応データを用いたスパースモデリングを行うにあたって、例えば、交差検証を用いたグラフィカルLassoによって、適切な罰則値を設定する。
次に、ステップS13において、説明変数と目的変数との偏相関係数行列を作成する。具体的には、偏相関係数演算部12は、ステップS12において設定した罰則値を用いて対応データを用いたスパースモデリングを行い、説明変数と目的変数との偏相関係数行列を作成する。
図3は、推定装置1における影響量推定処理での偏相関係数行列の一例を示す説明図である。図4は、図3の偏相関係数行列に対応する無向グラフの説明図である。
ステップS13では、偏相関係数演算部12は、ステップS12において設定した罰則値を用いて、図3に示すようなスパースな偏相関係数行列を作成する。なお、図3では、説明が煩雑になることを避けるため、複数の説明変数のうちの一部である6つの説明変数をX1〜X6として示し、目的変数をYとして示す。なお、本実施形態では、説明変数X1〜X4は、製造工程10での同一工程で取得される説明変数とする。
ステップS13では、偏相関係数演算部12は、ステップS12において設定した罰則値を用いて、図3に示すようなスパースな偏相関係数行列を作成する。なお、図3では、説明が煩雑になることを避けるため、複数の説明変数のうちの一部である6つの説明変数をX1〜X6として示し、目的変数をYとして示す。なお、本実施形態では、説明変数X1〜X4は、製造工程10での同一工程で取得される説明変数とする。
次に、ステップS14において、偏相関係数行列を用いて説明変数の選択を行う。具体的には、変数選択部13は、ステップS13において作成された偏相関係数行列を用いて、目的変数Yとの偏相関係数が0以外となる説明変数を「特定の説明変数」として選択する。
図3に示す偏相関係数行列では、目的変数Yとの偏相関係数が0となっている説明変数は、説明変数X2のみである。そこで、変数選択部13は、ステップS14において、説明変数X2を除く説明変数X1、X3〜X6を選択する。この変数選択部13における説明変数X1、X3〜X6の選択を、図4を用いて説明すると、図4(a)に示す無向グラフから、説明変数X2を含む経路X1−X2−X3(図4(b)の点線L12、L23)を、説明変数X2とともに削除する。これにより、ステップS14で作成される無向グラフは、図4(c)となり、ステップS14で選択される説明変数は、X1、X3〜X6となる。
なお、図4(a)に示す無向グラフから経路X1−X2−X3と説明変数X2とを削除する場合、経路X1−X2−X3は、説明変数X1と説明変数X3との間の経路(図4(b)の実線L13で示されている経路)に含まれるため、説明変数X2を含む経路X1−X2−X3の削除は、後述する目的変数への影響量の誤差にはならない。
次に、ステップS15において、連鎖独立グラフを作成する。ステップS15では、変数選択部13は、ステップS14で無向グラフから選択された説明変数X1、X3〜X6を用いて、連鎖独立グラフを作成する。
図5は、ステップS15において作成される連鎖独立グラフの説明図である。ステップS15では、変数選択部13は、製造工程10に関する固有技術的な知見から想定される、変数間の因果関係を制約条件とした共分散選択を行う。具体的には、変数選択部13は、共分散選択により計算された偏相関係数が比較的小さい説明変数X6を、ステップS14で選択された説明変数X1、X3〜X6から除いた、残りの説明変数X1、X3〜X5を用いて、連鎖独立グラフを作成する。これにより、ステップS15で作成される連鎖独立グラフは、図5となる。
次に、ステップS16において、連鎖独立グラフを用いて説明変数の選択を行う。ステップS16では、変数選択部13は、ステップS15において作成された連鎖独立グラフから、目的変数に向かう因果関係がある説明変数を選択する。具体的には、図5に示す連鎖独立グラフから、目的変数Yと有向線によって結ばれている説明変数X1、X3、X4を選択する。変数選択部13は、選択した説明変数X1、X3、X4を、ダイアグラム作成部14に出力する。
次に、ステップS17において、共分散構造分析を用いて因果ダイアグラムを作成する。ステップS17では、ダイアグラム作成部14は、変数選択部13が選択した説明変数に対して共分散構造分析を行い、因果ダイアグラムを作成する。
図6は、ステップS17において作成される因果ダイアグラムの説明図である。図6(a)は、図5に示した連鎖独立グラフであって、図6(b)は、図6(a)に示した連鎖独立グラフから導出される因果ダイアグラムの一例である。ステップS17では、連鎖独立グラフ(図6(a))を用いて仮説をモデル化し、当該モデルにおけるパス係数や適合度指標を演算することによって仮説の妥当性を検証する。このような検証を踏まえて、妥当性が比較的高い仮説をモデル化した因果ダイアグラム(図6(b))を作成する。
次に、ステップS18において、因果ダイアグラムを用いて目的変数への影響量を推定する。具体的には、影響量推定部15は、ステップS17において作成された因果ダイアグラム(図6(b))を用いて、説明変数X1、X3、X4の目的変数Yへの影響量を推定する。影響量推定部15は、推定した影響量を、推定装置1の外部に出力する。
以上説明した、本実施形態の推定装置1によれば、変数選択部13は、偏相関係数に応じて、複数の説明変数の中から、目的変数への影響量が大きい、すなわち、目的変数への介入効果がある、特定の説明変数を選択する。これにより、複数の説明変数の中から影響量がない一部の説明変数が削除されても、目的変数に向かう因果関係に影響を与えない、または、影響を与えたとしても削除されずに選択された説明変数の影響として、処理することができる。したがって、影響量推定部15で最終的に得られる説明変数の目的変数への影響量の大きさに影響を与えることなく説明変数を選択することができるため、説明変数の目的変数への影響量の推定精度の低下を抑制することができる。また、選択された説明変数を用いて予測モデルを作成する場合、説明変数の数は選択によって少なくなっているため予測モデルが特定しやすくなるだけでなく、選択された説明変数を用いて作成されるため予測精度が高い予測モデルを作成することができる。
また、本実施形態の推定装置1によれば、製造工程10で得られるビッグデータから、製造工程10の工程条件や製品5の状態を示す物理量の中から、製品5の品質への影響量が比較的大きいものを選択することができる。これにより、製品5の品質を制御するための製造工程10の工程条件や製品5の物理量などの制御方法を定量的に明らかにできるため、何らかの理由で製品5の品質が悪化したとき、製品5の品質を正常に戻す方法をビッグデータから定量的に明らかにできる。したがって、製造工程10の停止時間が短くなり生産性が向上するとともに、製品5の品質を常に高いレベルで保つことができる。
また、本実施形態の推定装置1によれば、変数選択部13は、特定の説明変数を用いて連鎖独立グラフを作成し、連鎖独立グラフを用いて、特定の説明変数から、さらに、目的変数に向かう因果関係が認められる説明変数を選択する。この構成によれば、変数選択部13は、偏相関係数に応じて選択された説明変数を用いて連鎖独立グラフを作成することによって、説明変数と目的変数との相関だけでなく因果関係に基づいて説明変数の選択を行うことができる。これにより、さらに、説明変数の数を少なくしても説明変数の目的変数への影響量の推定精度の低下を抑制することができる。また、説明変数の数はさらに少なくなるため、予測モデルを作成する場合、予測精度が高い予測モデルをさらに容易に特定することができる。
また、本実施形態の推定装置1によれば、偏相関係数演算部12は、取得された対応データを用いたスパースモデリングによって、複数の説明変数と目的変数との偏相関係数を演算する。この構成によれば、偏相関係数演算部12は、スパースモデリングによって対応データに潜在する特性を特定し、当該特性を表すものとしての比較的少数の説明変数の偏相関係数を演算する。これにより、偏相関係数に応じて選択される特定の説明変数の数をさらに少なくしても、説明変数の目的変数への影響量の推定精度の低下を抑制することができる。
また、本実施形態の推定装置1によれば、対応データを用いたスパースモデリングによって演算された偏相関係数を用いて選択された説明変数は、スパース性に基づいて特定される対応データの特性への影響量が特別に大きい。これにより、選択された説明変数を用いて予測モデルを作成する場合、予測精度が高い予測モデルを特定することができる。
また、本実施形態の推定装置1によれば、変数選択部13は、特定の説明変数として、目的変数との偏相関係数が0以外となる説明変数を選択する。これにより、変数選択部13は、目的変数に影響を与えない説明変数を、ダイアグラム作成部14に出力する説明変数から除くことができる。
<本実施形態の変形例>
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。
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。
[変形例1]
上述の実施形態では、ステップS13において、偏相関係数演算部12は、ステップS12において設定した罰則値を用いて対応データを用いたスパースモデリングを行い、説明変数と目的変数との偏相関係数行列を作成するとした。しかしながら、偏相関係数行列を作成する方法は、これに限定されない。スパースモデリング以外の方法によって、偏相関係数行列を作成してもよい。
上述の実施形態では、ステップS13において、偏相関係数演算部12は、ステップS12において設定した罰則値を用いて対応データを用いたスパースモデリングを行い、説明変数と目的変数との偏相関係数行列を作成するとした。しかしながら、偏相関係数行列を作成する方法は、これに限定されない。スパースモデリング以外の方法によって、偏相関係数行列を作成してもよい。
[変形例2]
上述の実施形態では、ステップS14において、変数選択部13は、偏相関係数行列を用いて、目的変数Yとの偏相関係数が0以外となる説明変数を「特定の説明変数」として選択するとした。しかしながら、「特定の説明変数」は、これに限定されない。目的変数Yとの偏相関係数の絶対値が所定の値以上であってもよい。これにより、目的変数への影響量が比較的小さいとみなすことができる偏相関係数の絶対値が比較的小さい説明変数を、ステップS14において除くことができる。
上述の実施形態では、ステップS14において、変数選択部13は、偏相関係数行列を用いて、目的変数Yとの偏相関係数が0以外となる説明変数を「特定の説明変数」として選択するとした。しかしながら、「特定の説明変数」は、これに限定されない。目的変数Yとの偏相関係数の絶対値が所定の値以上であってもよい。これにより、目的変数への影響量が比較的小さいとみなすことができる偏相関係数の絶対値が比較的小さい説明変数を、ステップS14において除くことができる。
[変形例3]
上述の実施形態では、ステップS15において、変数選択部13は、ステップS14にで選択された説明変数X1、X3〜X6と、目的変数Yを用いて、連鎖独立グラフを作成するとした。しかしながら、連鎖独立グラフの作成はなくてもよい。すなわち、ステップS14で変数選択部13によって選択された説明変数X1、X3〜X6を用いて、目的変数Yへの影響量を推定してもよい。
上述の実施形態では、ステップS15において、変数選択部13は、ステップS14にで選択された説明変数X1、X3〜X6と、目的変数Yを用いて、連鎖独立グラフを作成するとした。しかしながら、連鎖独立グラフの作成はなくてもよい。すなわち、ステップS14で変数選択部13によって選択された説明変数X1、X3〜X6を用いて、目的変数Yへの影響量を推定してもよい。
[変形例4]
上述の実施形態では、罰則値は、交差検証を用いたグラフィカルLassoによって設定されるとした。しかしながら、罰則値の設定方法は、これに限定されない。
上述の実施形態では、罰則値は、交差検証を用いたグラフィカルLassoによって設定されるとした。しかしながら、罰則値の設定方法は、これに限定されない。
以上、実施形態、変形例に基づき本態様について説明してきたが、上記した態様の実施の形態は、本態様の理解を容易にするためのものであり、本態様を限定するものではない。本態様は、その趣旨並びに特許請求の範囲を逸脱することなく、変更、改良され得るとともに、本態様にはその等価物が含まれる。また、その技術的特徴が本明細書中に必須なものとして説明されていなければ、適宜、削除することができる。
1…推定装置
5…製品
6…原材料
10…製造工程
11…データ取得部
12…偏相関係数演算部
13…変数選択部
14…ダイアグラム作成部
15…影響量推定部
X1、X2、X3、X4、X5、X6…説明変数
Y…目的変数
5…製品
6…原材料
10…製造工程
11…データ取得部
12…偏相関係数演算部
13…変数選択部
14…ダイアグラム作成部
15…影響量推定部
X1、X2、X3、X4、X5、X6…説明変数
Y…目的変数
Claims (6)
- 製品の製造工程で得られる説明変数の、前記製品に関連する目的変数への影響量を推定する推定装置であって、
複数の前記説明変数と前記目的変数との対応関係が示された対応データを取得するデータ取得部と、
取得された前記対応データから前記説明変数と前記目的変数との偏相関係数を演算する偏相関係数演算部と、
演算された前記偏相関係数に応じて、前記複数の説明変数の中から特定の説明変数を選択する変数選択部と、
前記変数選択部で選択された説明変数に対して共分散構造分析を行い、分析結果を用いて因果ダイアグラムを作成するダイアグラム作成部と、
作成された前記因果ダイアグラムを用いて、前記説明変数の前記目的変数への影響量を推定する影響量推定部と、を備える、
推定装置。 - 請求項1に記載の推定装置であって、
前記変数選択部は、前記特定の説明変数を用いて連鎖独立グラフを作成し、前記連鎖独立グラフを用いて、前記特定の説明変数から、さらに、前記目的変数に向かう因果関係が認められる説明変数を選択する、
推定装置。 - 請求項1または請求項2に記載の推定装置であって、
前記偏相関係数演算部は、取得された前記対応データを用いたスパースモデリングによって、前記偏相関係数を演算する、
推定装置。 - 請求項1から請求項3のいずれか一項に記載の推定装置であって、
前記特定の説明変数は、前記目的変数との前記偏相関係数が0以外となる説明変数である、
推定装置。 - 製品の製造工程で得られる説明変数の、前記製品に関連する目的変数への影響量を推定する推定方法であって、
複数の前記説明変数と前記目的変数との対応関係が示された対応データを取得するデータ取得工程と、
取得された前記対応データから前記説明変数と前記目的変数との偏相関係数を演算する偏相関係数演算工程と、
演算された前記偏相関係数に応じて、前記複数の説明変数の中から特定の説明変数を選択する変数選択工程と、
前記変数選択工程で選択された説明変数に対して共分散構造分析を行い、分析結果を用いて因果ダイアグラムを作成するダイアグラム作成工程と、
作成された前記因果ダイアグラムを用いて、前記説明変数の前記目的変数への影響量を推定する影響量推定工程と、を備える、
推定方法。 - 製品の製造工程で得られる説明変数の、前記製品に関連する目的変数への影響量の推定をコンピュータに実行させるコンピュータプログラムであって、
複数の前記説明変数と前記目的変数との対応関係が示された対応データを取得するデータ取得機能と、
取得された前記対応データから前記説明変数と前記目的変数との偏相関係数を演算する偏相関係数演算機能と、
演算された前記偏相関係数に応じて、前記複数の説明変数の中から特定の説明変数を選択する変数選択機能と、
前記変数選択機能によって選択された説明変数に対して共分散構造分析を行い、分析結果を用いて因果ダイアグラムを作成するダイアグラム作成機能と、
作成された前記因果ダイアグラムを用いて、前記説明変数の前記目的変数への影響量を推定する影響量推定機能と、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 |
---|---|---|---|
JP2019030227A JP2020135591A (ja) | 2019-02-22 | 2019-02-22 | 推定装置、推定方法、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 |
---|---|---|---|
JP2019030227A JP2020135591A (ja) | 2019-02-22 | 2019-02-22 | 推定装置、推定方法、および、コンピュータプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2020135591A true JP2020135591A (ja) | 2020-08-31 |
Family
ID=72278797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019030227A Pending JP2020135591A (ja) | 2019-02-22 | 2019-02-22 | 推定装置、推定方法、および、コンピュータプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2020135591A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022051371A (ja) * | 2020-09-18 | 2022-03-31 | プライムアースEvエナジー株式会社 | 部材選択最適化装置、部材選択最適化方法及び部材選択最適化プログラム |
-
2019
- 2019-02-22 JP JP2019030227A patent/JP2020135591A/ja active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022051371A (ja) * | 2020-09-18 | 2022-03-31 | プライムアースEvエナジー株式会社 | 部材選択最適化装置、部材選択最適化方法及び部材選択最適化プログラム |
JP7287928B2 (ja) | 2020-09-18 | 2023-06-06 | プライムアースEvエナジー株式会社 | 部材選択最適化装置、部材選択最適化方法及び部材選択最適化プログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7082461B2 (ja) | 故障予知方法、故障予知装置および故障予知プログラム | |
JP2020500420A (ja) | マシンラーニング基盤の半導体製造の収率予測システム及び方法 | |
JP2020511003A5 (ja) | ||
JP2017097807A (ja) | 学習方法、学習プログラムおよび情報処理装置 | |
WO2018105104A1 (ja) | 故障リスク指標推定装置および故障リスク指標推定方法 | |
US20090271235A1 (en) | Apparatus and method for generating survival curve used to calculate failure probability | |
CN110058679B (zh) | 一种马达的激励信号搜索方法及电子设备 | |
JP2015087973A (ja) | 生成装置、生成方法、およびプログラム | |
KR101688412B1 (ko) | 종속 변수의 예측 모델링 방법 및 시스템 | |
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 | |
JP2020052714A5 (ja) | ||
JP2018528511A (ja) | 生産システムにおける出力効率の最適化 | |
JP7085486B2 (ja) | ユーザ挙動データの処理方法及び装置 | |
JP2022132895A (ja) | 合金材料の特性を予測する製造支援システム、予測モデルを生成する方法およびコンピュータプログラム | |
JP7393244B2 (ja) | 時系列データ予測装置及び時系列データ予測方法 | |
JP2020135591A (ja) | 推定装置、推定方法、および、コンピュータプログラム | |
US11424992B2 (en) | Mesh communication network provision | |
JP2016018230A (ja) | 制御パラメータ適合方法及び制御パラメータ適合支援装置 | |
JP7036128B2 (ja) | 制御装置、制御方法およびプログラム | |
JP4971074B2 (ja) | 工業製品の生産支援プログラム | |
JP2020071493A (ja) | 結果予測装置、結果予測方法、及びプログラム | |
CN105069214A (zh) | 一种基于非线性相关分析的工艺可靠性评估方法 | |
KR20190015415A (ko) | 동적 시스템에 의한 시스템 상태의 모델-기반 결정 | |
JP2011145905A (ja) | 予測関数生成装置、方法、及び、プログラム | |
JP6816629B2 (ja) | 製造プロセス学習制御装置 |