JP6181134B2 - 要因解析装置、要因解析方法、及びプログラム - Google Patents
要因解析装置、要因解析方法、及びプログラム Download PDFInfo
- Publication number
- JP6181134B2 JP6181134B2 JP2015216175A JP2015216175A JP6181134B2 JP 6181134 B2 JP6181134 B2 JP 6181134B2 JP 2015216175 A JP2015216175 A JP 2015216175A JP 2015216175 A JP2015216175 A JP 2015216175A JP 6181134 B2 JP6181134 B2 JP 6181134B2
- Authority
- JP
- Japan
- Prior art keywords
- combination
- event
- factor
- data
- combination 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.)
- Active
Links
- 238000000556 factor analysis Methods 0.000 title claims description 116
- 238000000034 method Methods 0.000 title claims description 64
- 238000000605 extraction Methods 0.000 claims description 107
- 238000004364 calculation method Methods 0.000 claims description 63
- 238000004220 aggregation Methods 0.000 claims description 20
- 230000002776 aggregation Effects 0.000 claims description 20
- 239000000284 extract Substances 0.000 claims description 10
- 238000013500 data storage Methods 0.000 description 47
- 238000003860 storage Methods 0.000 description 36
- 238000012545 processing Methods 0.000 description 32
- 238000004458 analytical method Methods 0.000 description 25
- 230000000875 corresponding effect Effects 0.000 description 25
- 238000010586 diagram Methods 0.000 description 15
- 238000013480 data collection Methods 0.000 description 13
- 101100522111 Oryza sativa subsp. japonica PHT1-11 gene Proteins 0.000 description 9
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 7
- 101100522114 Oryza sativa subsp. japonica PHT1-12 gene Proteins 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 108010074860 Factor Xa Proteins 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 101100522115 Oryza sativa subsp. japonica PHT1-13 gene Proteins 0.000 description 3
- 108010074864 Factor XI Proteins 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 102220492605 Numb-like protein_S17A_mutation Human genes 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 102200082907 rs33918131 Human genes 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0751—Error or fault detection not based on redundancy
- G06F11/0754—Error or fault detection not based on redundancy by exceeding limits
- G06F11/076—Error or fault detection not based on redundancy by exceeding limits by exceeding a count or rate limit, e.g. word- or bit count limit
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Debugging And Monitoring (AREA)
Description
要因解析装置1は、要因(因子)と結果(事象)との関連性を解析するための各種データを解析対象として、関係性を示す情報を出力する装置である。図1は、実施形態における要因解析装置1の構成の一例を示す図である。本実施形態における要因解析装置1は、通信インタフェース10と、CPU(Central Processing Unit)などのプロセッサ20と、RAM(Random Access Memory)30と、ROM(Read Only Memory)40と、ストレージ装置50と、表示インタフェース60と、入力装置インタフェース70とを含む。これらの構成要素は、要因解析装置1内のバス等を介して相互に通信可能に接続される。
上記は、一例を示すものであり、因子xの数、因子x同士の組み合わせの適否、因子xの組の数などは、上記の例に限定されるものではない。
た収集データを取得する。取得部110は、データ収集装置2から所得した収集データを収集データ記憶部210に書き込む。
要因解析装置1は、処理の負荷を軽減させることなどを目的として、収集データの一部を解析対象から除いて、所望の解析処理を実行してもよい。例えば、パターン抽出部112は、目的に応じて設定された一または複数種類の抽出条件情報を参照してパターン抽出処理を実施することにより、所望の組み合わせデータを要因解析処理の対象にするとともに、要因解析処理の実行に影響を与えるような組み合わせデータを要因解析処理の対象から削除する。制御部100の各機能部が上記のように要因解析処理の対象を調整することにより、要因解析装置1は、所望の解析処理を実行することができる。
以下、第2の実施形態について説明する。第2の実施形態は、指標値算出部116が指標値を算出する手法において、第1の実施形態と相違する。以下、この相違点を中心に説明する。
以下、第3の実施形態について説明する。第3の実施形態は、指標値算出部116が指標値を算出する手法において、第1の実施形態と相違する。以下、この相違点を中心に説明する。
図16は、実施形態における要因解析装置1の処理の一例を示すフローチャートである。以下、図8に示す処理と異なる点を中心に説明する。
S14の処理を終えた後、集計部114は、S12において抽出された抽出データ241に基づいて、互いに共通する因子xを含む組み合わせデータの発生数を、その共通する因子xに対応させて集計し(S14B)、組み合わせIDを付与して集計データ242として集計データ記憶部240に書き込む。
組み合わせデータPT31は、因子xcと因子xdの双方がそれぞれ発生し、その結果、事象yaが発生したパターンである。組み合わせデータPT32は、因子xbと因子xdの双方がそれぞれ発生し、その結果、事象yaが発生したパターンである。
図17の例では、集計部114により、組み合わせデータPT31の発生数n(PT31)が集計され、その結果が500であることを示している。
また、組み合わせデータPT32の発生数n(PT32)が100であることを示す。組み合わせデータPT32のデータの信頼度を、組み合わせデータPT31と同様に算出した結果、20%である。指標値算出部116は、上記の組み合わせデータの発生数100と信頼度20%を乗算して積(20)を得る。
クロステーブルの事象Yaと因子xdに対応する欄の値は上記のとおりであるが、指標値算出部116は、他の欄も同様の方法で値を決定する。
=(因子xと事象yの組み合わせデータの発生数)2/(因子xの組み合わせを含むパターンの発生数) …(2)
将来発生する事象が、過去に発生した事象と同様の要因に関連するものと仮定することにより、その事象と要因の関連性をモデル(予測モデル)として規定できる。パターン抽出部112が予測モデルを用いて所望の組み合わせデータを抽出することで、要因解析装置1は、組み合わせデータの個数を絞って要因を解析することができる。
解析の対象としない事象の発生数が、解析の対象の事象の発生数より多くなると、要因の解析が困難になる場合がある。このような場合にパターン抽出部112は、比較的発生数が多い特定の事象を、解析の対象から削除する。例えば、解析の対象か否かを決定する判定閾値が、解析の対象として設定する事象の発生数より大きな値に設定され、抽出条件記憶部220は、その判定閾値を上記の抽出処理を実施するための抽出条件として書き込まれる。
組み合わせデータとして検出されていても、因子の組み合わせが発生した回数に対して、事象が発生した回数が比較的少ない場合がある。組み合わせデータの発生率のことを、以下の説明では信頼度という。このような場合にパターン抽出部112は、信頼度が低い組み合わせデータを、解析の対象から削除する。信頼度の算出方法は後述する。
因子の発生数より発生数が著しく少ない事象は、その因子が事象の要因ではないと推定できる場合がある。このような場合にパターン抽出部112は、因子の発生数より発生数が著しく少ない事象の組み合わせを、解析の対象から削除する。
要因となり得る因子が発生した時刻が、事象に関連しない範囲で生じていると判定できる場合、パターン抽出部112は、当該組み合わせデータを解析の対象から削除する。
以下、第4の実施形態について説明する。第4の実施形態において、要因解析装置1Aが、抽出条件情報を生成する場合について説明する。例えば、第1〜3の実施形態において、要因解析装置1が抽出条件情報を取得する場合を示したが、これに代えて、第4の実施形態の要因解析装置1Aは、過去に取得した収集データに基づいて事象と因子の相関を分析し、その結果を抽出条件とする抽出条件情報を生成し、生成した抽出条件情報に基づいて要因分析処理を実行する。以下、この点を中心に説明する。
抽出条件生成部130は、信頼度データ243に対応するデータとして、履歴データ記憶部270に格納されたデータに基づいて、信頼度が最も高い組み合わせデータを選択する。抽出条件生成部130は、選択した組み合わせデータを抽出条件情報として、抽出条件記憶部220に書き込む(S30)。
抽出条件記憶部220において抽出条件情報として格納された組み合わせデータごとに集計処理を実施し、その結果を集計データ242として集計データ記憶部240Aに書き込む。集計部114Aは、上記の集計により、収集データ記憶部210Aに格納された収集データにおいて、抽出条件情報における各組み合わせデータに含まれる因子xの全てを含み、事象yについては考慮せずにカウントしたデータの個数を、組み合わせデータごとに集計した結果を得る。
第4の実施形態の第1の変形例について説明する。第1の変形例では、図22に示す処理、すなわちS40として実施する要因解析モードの処理に代えて、図8、図13、または、図16のS10からS20の処理を含めて実施してもよく、これに限定されない。
第4の実施形態の第2の変形例について説明する。S40の処理において、データ収集装置2は、因子xの組を示す組み合わせデータを形成するものと説明したが、これに代えて、第2の変形例では、因子xの組を示すデータを形成せずに、個々の因子xのデータを要因解析装置1Aに供給するものとしてもよい。この場合、例えば、要因解析装置1A(取得部10C)は、抽出条件記憶部220に格納された組み合わせデータに基づいて、データ収集装置2から取得したデータを、因子xの組を示すデータに変換して、取得データ記憶部210に書き込むようにしてもよい。
Claims (14)
- 事象と、前記事象の要因となる一または複数の因子とが対応付けられたデータから、前記事象の発生に応じて組み合わせデータの抽出を行う抽出部と、
前記組み合わせデータに含まれる前記事象と因子との組合せに基づいて、前記事象の発生数または前記複数の因子の組み合わせの発生数を集計する集計部と、
前記集計部による集計結果に基づいて、前記事象と前記因子との組み合わせに対応し、前記事象と前記因子との組み合わせの発生数に応じて変化する指標値を算出する算出部と、
前記事象と前記因子との組み合わせごとに前記算出部により算出された指標値を示す画像が、前記事象と前記因子との組み合わせに対応付けられた画像を生成する生成部と、
を備える要因解析装置。 - 前記算出部は、
前記事象と前記因子との組み合わせに対する指標値として、前記事象と前記因子との組み合わせの発生数を算出する、
請求項1記載の要因解析装置。 - 前記集計部は、
前記組み合わせデータを参照し、
互いに共通する因子の組み合わせをそれぞれ含む組み合わせデータの個数と、前記互いに共通する因子の組み合わせをそれぞれ含む組み合わせデータのうち、互いに共通する事象を含む組み合わせデータの個数とに基づいて、前記因子の組み合わせと前記事象の組み合わせの信頼度を算出し、
前記算出部は、
前記算出した信頼度に基づいて前記指標値を算出する、
請求項1記載の要因解析装置。 - 前記集計部は、
互いに共通する因子の組み合わせをそれぞれ含む組み合わせデータの個数と、前記互いに共通する因子の組み合わせをそれぞれ含む組み合わせデータのうち、互いに共通する事象を含む組み合わせデータの個数とに基づいて、前記因子の組み合わせと前記事象の組み合わせの信頼度を算出し、
前記算出部は、
少なくとも前記事象が共通する前記組み合わせデータから算出された複数の前記信頼度に基づいて算出した値を、前記事象と前記因子との組み合わせに対する指標値として算出する、
請求項1記載の要因解析装置。 - 前記集計部は、
互いに共通する因子の組み合わせをそれぞれ含む組み合わせデータの個数と、前記互いに共通する因子の組み合わせをそれぞれ含む組み合わせデータのうち、互いに共通する事象を含む組み合わせデータの個数とに基づいて、前記因子の組み合わせと前記事象の組み合わせの信頼度を算出し、
前記算出部は、
前記互いに共通する事象を含む組み合わせデータの個数に基づいて算出された信頼度と、前記互いに共通する事象を含む組み合わせデータの個数との積に基づく値を、前記事象と前記因子との組み合わせに対する指標値として算出する、
請求項1記載の要因解析装置。 - 前記算出部は、
前記組み合わせデータに基づいて、互いに共通する因子の組み合わせをそれぞれ含む組み合わせデータの個数と、前記因子の組み合わせをそれぞれ含む組み合わせデータであって、互いに共通する事象を含む組み合わせデータの個数のべき乗値とに基づいて、前記事象と前記因子との組み合わせに対する指標値を算出する、
請求項1記載の要因解析装置。 - 前記抽出部は、
共通する前記事象に対応する前記組み合わせデータの発生量に基づいて前記組み合わせデータを抽出する、
請求項1から請求項6の何れか1項に記載の要因解析装置。 - 前記抽出部は、
抽出の対象にする前記データに含まれる組み合わせデータのうち共通する事象に対応する前記組み合わせデータの個数と、前記データに含まれる前記組み合わせデータの総数との比に基づいて、前記集計部による集計の対象にする前記組み合わせデータを抽出する、
請求項1から請求項6の何れか1項に記載の要因解析装置。 - 前記抽出部は、
前記組み合わせた因子の順が異なる場合には、異なる組み合わせデータとして抽出する、
請求項1から請求項8の何れか1項に記載の要因解析装置。 - 前記集計部は、
前記組み合わせデータが抽出される前の組み合わせデータにおける事象の発生数、または、前記組み合わせデータが抽出される前の組み合わせデータにおける複数の因子の組み合わせの発生数を集計する、
請求項1から請求項9の何れか1項に記載の要因解析装置。 - 前記算出部は、
前記抽出部による抽出結果と前記集計部による集計結果に基づいて、前記事象と前記因子との組み合わせに対する指標値を算出する
請求項1から請求項10の何れか1項に記載の要因解析装置。 - 事象の要因となる一または複数の因子とが対応付けられたデータを組み合わせデータとして取得する取得部と、
前記組み合わせデータに含まれる前記事象と因子との組合せに基づいて、前記事象の発生数または前記複数の因子の組み合わせの発生数を集計する集計部と、
前記集計部による集計結果に基づいて、前記事象と前記因子との組み合わせに対応し、前記事象と前記因子との組み合わせの発生数に応じて変化する指標値を算出する算出部と、
前記事象と前記因子との組み合わせごとに前記算出部により算出された指標値を示す画像が、前記事象と前記因子との組み合わせに対応付けられた画像を生成する生成部と、
を備える要因解析装置。 - 事象と、前記事象の要因となる一または複数の因子が対応付けられた組み合わせデータから、組み合わせデータの発生に応じて抽出を行い、
前記組み合わせデータに含まれる因子の各組合せに基づいて、前記事象の発生数または前記複数の因子の組み合わせの発生数を集計し、
前記集計の結果に基づいて、前記事象と前記因子との組み合わせに対する指標値を算出し、
前記事象と前記因子との組み合せごとに前記算出された指標値を示す画像が、前記事象と前記因子との組み合せごとに対応付けられた画像を生成する、
要因解析方法。 - コンピュータに、
事象と、前記事象の要因となる一または複数の因子が対応付けられた組み合わせデータから、組み合わせデータの発生に応じて抽出させ、
前記組み合わせデータに含まれる因子の各組合せに基づいて、前記事象の発生数または前記複数の因子の組み合わせの発生数を集計させ、
前記集計の結果に基づいて、前記事象と前記因子との組み合せに対する指標値を算出させ、
前記事象と前記因子との組み合せごとに前記算出された指標値を示す画像が、前記事象と前記因子との組み合せごとに対応付けられた画像を生成させる、
プログラム。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015216175A JP6181134B2 (ja) | 2015-11-02 | 2015-11-02 | 要因解析装置、要因解析方法、及びプログラム |
PCT/JP2016/082601 WO2017078067A1 (ja) | 2015-11-02 | 2016-11-02 | 要因解析装置、要因解析方法、及びプログラム |
CN201680063585.9A CN108292380B (zh) | 2015-11-02 | 2016-11-02 | 要因分析装置、要因分析方法以及记录介质 |
US15/771,429 US10642818B2 (en) | 2015-11-02 | 2016-11-02 | Causal analysis device, causal analysis method, and non-transitory computer readable storage medium |
EP16862127.4A EP3373214A4 (en) | 2015-11-02 | 2016-11-02 | CAUSE ANALYSIS DEVICE, CAUSE ANALYSIS METHOD, AND PROGRAM |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015216175A JP6181134B2 (ja) | 2015-11-02 | 2015-11-02 | 要因解析装置、要因解析方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017090982A JP2017090982A (ja) | 2017-05-25 |
JP6181134B2 true JP6181134B2 (ja) | 2017-08-16 |
Family
ID=58662101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015216175A Active JP6181134B2 (ja) | 2015-11-02 | 2015-11-02 | 要因解析装置、要因解析方法、及びプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US10642818B2 (ja) |
EP (1) | EP3373214A4 (ja) |
JP (1) | JP6181134B2 (ja) |
CN (1) | CN108292380B (ja) |
WO (1) | WO2017078067A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020004081A (ja) * | 2018-06-28 | 2020-01-09 | アズビル株式会社 | イベント解析装置およびこれを用いた予告アラーム生成方法 |
JP6962888B2 (ja) * | 2018-09-05 | 2021-11-05 | 株式会社日立製作所 | 特徴抽出装置 |
US11354320B2 (en) * | 2018-10-11 | 2022-06-07 | International Business Machines Corporation | Determining causes of events in data |
EP4064151A4 (en) * | 2019-12-20 | 2023-11-29 | HORIBA, Ltd. | ANALYSIS DEVICE MANAGEMENT SYSTEM, MANAGEMENT METHOD, MANAGEMENT PROGRAM AND MANAGEMENT DEVICE |
JP7194132B2 (ja) * | 2020-02-18 | 2022-12-21 | 株式会社日立製作所 | 特徴抽出装置および特徴抽出方法 |
CN113113141A (zh) * | 2021-04-02 | 2021-07-13 | 北京果壳生物科技有限公司 | 一种基于孟德尔随机化评估微量营养素与精神类疾病因果关系的方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4017730A (en) * | 1974-05-01 | 1977-04-12 | Raytheon Company | Radiographic imaging system for high energy radiation |
US5778345A (en) * | 1996-01-16 | 1998-07-07 | Mccartney; Michael J. | Health data processing system |
EP1014287A3 (en) * | 1998-12-14 | 2002-04-24 | General Electric Company | Multi-source information fusion system for dynamic risk assessment |
US6917899B2 (en) * | 2001-09-21 | 2005-07-12 | Microsoft Corporation | System and methods for providing histogram computation in a high precision rasterization data pipeline |
JP4984580B2 (ja) * | 2006-03-10 | 2012-07-25 | 富士電機株式会社 | 不具合対策支援装置 |
JP4434265B2 (ja) * | 2007-11-14 | 2010-03-17 | 富士ゼロックス株式会社 | 画像読み取り装置、画像形成装置 |
JP5432867B2 (ja) * | 2010-09-09 | 2014-03-05 | 株式会社日立製作所 | 計算機システムの管理方法、及び管理システム |
US8819220B2 (en) * | 2010-09-09 | 2014-08-26 | Hitachi, Ltd. | Management method of computer system and management system |
CN102158879B (zh) * | 2011-02-24 | 2013-07-31 | 大唐移动通信设备有限公司 | 要因失分的数据处理方法及设备 |
JP5684946B2 (ja) * | 2012-03-23 | 2015-03-18 | 株式会社日立製作所 | イベントの根本原因の解析を支援する方法及びシステム |
US20140096146A1 (en) * | 2012-09-28 | 2014-04-03 | Hewlett-Packard Development Company, L.P. | Translating time-stamped events to performance indicators |
JP6003561B2 (ja) * | 2012-11-15 | 2016-10-05 | 富士通株式会社 | 抽出プログラム、抽出装置及び抽出方法 |
US9298525B2 (en) * | 2012-12-04 | 2016-03-29 | Accenture Global Services Limited | Adaptive fault diagnosis |
JP5833068B2 (ja) | 2013-09-03 | 2015-12-16 | 株式会社東芝 | 系列データ分析装置及プログラム |
US9755795B2 (en) * | 2013-12-18 | 2017-09-05 | Huawei Technologies Co., Ltd. | System and method for WLAN OFDMA design of subcarrier groups and frame format |
US9158811B1 (en) * | 2014-10-09 | 2015-10-13 | Splunk, Inc. | Incident review interface |
-
2015
- 2015-11-02 JP JP2015216175A patent/JP6181134B2/ja active Active
-
2016
- 2016-11-02 CN CN201680063585.9A patent/CN108292380B/zh active Active
- 2016-11-02 US US15/771,429 patent/US10642818B2/en active Active
- 2016-11-02 EP EP16862127.4A patent/EP3373214A4/en not_active Ceased
- 2016-11-02 WO PCT/JP2016/082601 patent/WO2017078067A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
EP3373214A4 (en) | 2019-04-10 |
US20180267964A1 (en) | 2018-09-20 |
WO2017078067A1 (ja) | 2017-05-11 |
CN108292380B (zh) | 2023-04-18 |
US10642818B2 (en) | 2020-05-05 |
EP3373214A1 (en) | 2018-09-12 |
JP2017090982A (ja) | 2017-05-25 |
CN108292380A (zh) | 2018-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6181134B2 (ja) | 要因解析装置、要因解析方法、及びプログラム | |
US11551818B2 (en) | Computer system and method of presenting information related to basis of predicted value output by predictor | |
JP2016004525A (ja) | データ分析システム及びデータ分析方法 | |
JP6521096B2 (ja) | 表示方法、表示装置、および、プログラム | |
JP2018180759A (ja) | システム分析装置、及びシステム分析方法 | |
KR101312446B1 (ko) | 사용자의 행위 로그를 이용한 모바일 어플리케이션의 사용성 분석 장치 및 방법 | |
JPWO2018025706A1 (ja) | テーブル意味推定システム、方法およびプログラム | |
US20190205361A1 (en) | Table-meaning estimating system, method, and program | |
US9736031B2 (en) | Information system construction assistance device, information system construction assistance method, and information system construction assistance program | |
JPWO2018073955A1 (ja) | システム分析方法、システム分析装置、および、プログラム | |
JP6631638B2 (ja) | 表示方法、表示プログラム及び表示制御装置 | |
US20210201184A1 (en) | Explainable process prediction | |
JP2018147280A (ja) | データ分析装置及びデータ分析方法 | |
JP2017146888A (ja) | 設計支援装置及び方法及びプログラム | |
JP2015162090A (ja) | 故障診断方法及び故障診断装置 | |
JP2020004113A (ja) | 情報表示装置、情報表示プログラム及び情報表示方法 | |
JPWO2017098618A1 (ja) | 表示方法、表示プログラム及び表示制御装置 | |
JPWO2015163322A1 (ja) | データ分析装置、データ分析方法およびプログラム | |
JP6973445B2 (ja) | 表示方法、表示装置、および、プログラム | |
US20230153491A1 (en) | System for estimating feature value of material | |
JP6861176B2 (ja) | プロジェクト見積り支援方法およびプロジェクト見積り支援装置 | |
JP6852004B2 (ja) | データ解析システム、データ解析方法、及びプログラム | |
JP2021185469A (ja) | 性能分析装置および性能分析方法 | |
JP2016139984A (ja) | ネットワーク評価システム及びネットワーク評価方法 | |
JP2016099688A (ja) | リスク評価方法およびリスク評価装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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: 20170620 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170719 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6181134 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 Free format text: JAPANESE INTERMEDIATE CODE: R313114 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |