JP6203169B2 - プロセス評価装置およびプロセス評価プログラム - Google Patents
プロセス評価装置およびプロセス評価プログラム Download PDFInfo
- Publication number
- JP6203169B2 JP6203169B2 JP2014261993A JP2014261993A JP6203169B2 JP 6203169 B2 JP6203169 B2 JP 6203169B2 JP 2014261993 A JP2014261993 A JP 2014261993A JP 2014261993 A JP2014261993 A JP 2014261993A JP 6203169 B2 JP6203169 B2 JP 6203169B2
- Authority
- JP
- Japan
- Prior art keywords
- variables
- causal
- evaluation
- model
- causal model
- 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
Images
Landscapes
- Stored Programmes (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
プロセスは、業務や開発の作業タスク(工程)の流れを示したものであるが、本実施形態では、プロセスを特徴づける指標(定量的に計測できるもの)としての“変数”によって、プロセスを把握する。
対象とする変数(事象)を構成するそれぞれの変数(事象)を頂点であるノードで表し、ノード間の依存関係、すなわち多変数間の原因と結果の関係(因果関係)を、原因となる変数から結果となる変数への向きを持つ“有向辺”で図示するネットワーク構造(グラフ)で表現したものが、“因果モデル”である。あるノードを中心と考えるとき、そのノードに有向辺が向かっているノードを“親”と呼び、そのノードから有向辺が伸びているノードが“子”である。
“基準因果モデル”は、時間的な順序関係と変数間の関連性を考慮して、本実施形態に係るプロセス評価装置のユーザ(業務プロセスの評価者)が作成して定義するものである。基準因果モデルは、例えば、図3に示したようなネットワーク構造で表され、プログラム上では子ノード毎に接続された親ノードの集合を並べたリストによって表現することができる。
評価因果モデルは、プロセスの評価に際して計測された実データ、すなわち、評価データを基に、ベイジアンネットワークの構造学習部分(因果モデル構築アルゴリズム)を用いて、機械的に構築される因果モデルである。
ベイジアンネットワーク(Bayesian network)は、複数の確率変数(事象)間の定性的な依存関係をグラフ構造によって表し、個々の変数間の定量的な関係を条件付き確率で表した確率モデルである。対象とする現象を構成するそれぞれの変数(事象)をノードで表し、ノード間の依存関係、すなわち因果関係は、原因から結果となる変数の向きを持つ有向辺で図示する。評価因果モデルにおける有向辺の向きは、変数間の確率的依存関係を統計的に調べることによって引かれる。ベイジアンネットワークで用いるグラフ構造は、閉路を持たない有向グラフであり、各ノードは、ある変数(事象)が生起したかどうかを表すために、確率変数となっている。
統計ソフトRにおけるネットワーク構造の学習には、モデル探索アルゴリズムにGreedy Search AlgorithmとTree Selection Algorithmという全探索アルゴリズムが実装されている。ある現象を説明するモデルが複数個存在するとき、その中から最適なモデルを選択する際の評価基準とするのが、情報量基準であり、AIC(Akaike information criterion)、MDL(Minimum Description Length)などがある。AICは、期待対数尤度からの近似アプローチから情報量基準を導出するもので、推定されたモデル分布と真の分布との間の情報量を最小化することで最適なモデルとする。MDLは、漸近的に真のモデルもしくは予測精度を最大化するモデルを選択するものである。
本実施形態では、基準となる基準因果モデルにおける因果関係との相違に着目して、変数間の関連を(1)逆転、(2)消失、(3)発生(順方向)、(4)発生(逆方向)の4つのタイプに分類するものである。図6は、変数間の関連の分類を説明する図である。図6(a)は、基準となる因果モデルを示し、図6(b)は、4つのタイプの分類を示している。図6(a)に示す基準となる因果モデルは、変数Aを原因として変数Bが結果として起こり得ることを示している。また、変数Cは変数A、変数Bとは因果関係にはなく、独立している。
基準となる因果モデルと異なり、変数Bを原因として変数Aが結果として起ったもので、因果関係の矛盾が発生した場合である。例えば、変数「ステップ数」を“原因”として変数「不具合数」が“結果”として起こる関係が、変数「不具合数」を“原因”として変数「ステップ数」が“結果”として起こる関係となった場合である。“逆転”が起きた場合には、不具合の発生によって構造の見直しが発生しており、開発プロセスの後戻りが発生していると捉えることができる。
基準となる因果モデルと異なり、変数Aに対応して変数Bが変化しなくなって因果関係がなくなった場合である。例えば、変数「テスト」と変数「不具合件数」の間に関連がなくなった場合である。“消失”が起きた場合には、一生懸命にテストを行っても不具合の洗い出しに効果がなく、本来のテストが機能していないと捉えることができる。
基準となる因果モデルと異なり、因果関係にはなく独立していた無関係の変数同士に順方向の因果関係が発生した場合である。“発生”が起きた場合には、プロセスにスキップがあると捉えることができる。または、理想の開発の流れとは異なるプロセスになっていると捉えることができる。
基準となる因果モデルと異なり、因果関係にはなく独立していた無関係の変数同士に逆方向の因果関係が発生した場合である。“発生(逆方向)”が起きた場合には、順方向の発生が起きた場合と同等の解釈が成り立つ。
モデル採点部13は、基準因果モデルにおける変数間の因果関係および評価因果モデルにおける変数間の因果関係を比較し、評価因果モデルにおける変数間の因果関係の矛盾に対応するスコアを求める。本実施形態では、モデル採点部13は、基準因果モデルと評価因果モデルを比較し、逆転、消失、発生(順方向、逆方向)の有向辺の数をカウントし、評価因果モデルのスコア(点数)を算出する。
変数間の関連が変化した組み合わせについては、変数間の因果関係の矛盾の度合い(程度)に応じて、ユーザは重み付けを設定することが好適である。重み付けは、例えば、逆転:10点、発生(逆方向):7点、消失:5点、発生(順方向):3点が好適である。
以上のようにして構成されたプロセス評価装置1における評価処理の流れについて説明する。図9は、プロセス評価装置1における評価因果モデルの評価処理の流れを説明するフローチャートである。
次に、本実施形態の実施例について説明する。
11・・・基準因果モデル定義部
12・・・評価因果モデル構築部
13・・・モデル採点部
14・・・改善箇所推薦部
Claims (12)
- 業務や開発の作業タスクの流れを示し、定量的に計測可能な変数によって特徴づけられたプロセスに関し、該プロセスの評価を行うユーザによって定義された基準因果モデルを取り込む基準因果モデル定義部と、
前記プロセスの複数の前記変数を評価データとして取り込み、ベイジアンネットワークの因果モデル構築アルゴリズムを使用して、評価因果モデルを構築する評価因果モデル構築部と、
前記基準因果モデルにおける変数間の因果関係および前記評価因果モデルにおける変数間の因果関係を比較し、前記評価因果モデルにおける前記変数間の因果関係の矛盾に対応するスコアを求めるモデル採点部とを、
備えるプロセス評価装置。 - 前記基準因果モデルは、評価する前記プロセスの前記変数に対して、前記変数間の時間的な順序関係や関連性を考慮して定義される請求項1に記載のプロセス評価装置。
- 前記基準因果モデルは、ネットワーク構造で表され、子ノード毎に接続された親ノードの集合を並べたプログラムリストによって表現する請求項1または請求項2に記載のプロセス評価装置。
- 前記因果関係の矛盾の有無は、原因となる前記変数から結果となる前記変数への向きを持つ有向辺の状態で判定する請求項1乃至請求項3のいずれか1項に記載のプロセス評価装置。
- 前記ベイジアンネットワークの因果モデル構築アルゴリズムでは、モデル探索アルゴリズムにGreedy Search Algorithm を実装し、AIC(Akaike information criterion)を情報量基準として最適なモデルを選択する請求項1乃至請求項4のいずれか1項に記載のプロセス評価装置。
- 前記モデル採点部は、前記基準因果モデルにおける前記変数間の因果関係の矛盾を、前記変数間の因果関係が逆となった逆転、前記変数間の因果関係がなくなった消失、独立していた無関係の前記変数同士に順方向の因果関係が生じた順方向の発生、独立していた無関係の前記変数同士に逆方向の因果関係が生じた逆方向の発生に分類する請求項1乃至請求項5のいずれか1項に記載のプロセス評価装置。
- 前記モデル採点部は、前記変数間の因果関係の矛盾の度合いに応じ、前記分類の逆転、逆方向の発生、消失、順方向の発生の順に重み付けを設定可能である請求項6に記載のプロセス評価装置。
- 前記モデル採点部は、前記変数間の因果関係に矛盾のある有向辺の数をカウントし、前記重み付けを反映させて、前記評価因果モデルのスコアを算出する請求項7に記載のプロセス評価装置。
- 前記プロセスの改善箇所の候補を、前記変数間の因果関係に矛盾のある有向辺毎にランク付けする改善箇所推薦部を備える請求項8に記載のプロセス評価装置。
- 前記改善箇所推薦部における前記ランク付けは、前記変数間の因果関係の矛盾の度合いに応じた重みが大きい順にソートする請求項9に記載のプロセス評価装置。
- 前記改善箇所推薦部は、前記変数間の因果関係の矛盾毎に、該2つの前記変数間の相関係数を算出し、前記重みが同じ場合には、前記相関係数の大きい順にソートする請求項10に記載のプロセス評価装置。
- プロセスを評価するプロセス評価装置に、
業務や開発の作業タスクの流れを示し、定量的に計測可能な変数によって特徴づけられたプロセスに関し、該プロセスの評価を行うユーザによって定義された基準因果モデルを取り込む機能と、
前記プロセスの複数の前記変数を評価データとして取り込み、ベイジアンネットワークの因果モデル構築アルゴリズムを使用して、評価因果モデルを構築する機能と、
前記基準因果モデルにおける変数間の因果関係および前記評価因果モデルにおける変数間の因果関係を比較し、前記評価因果モデルにおける前記変数間の因果関係の矛盾に対応するスコアを求める機能とを、
実現させるためのプロセス評価プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014261993A JP6203169B2 (ja) | 2014-12-25 | 2014-12-25 | プロセス評価装置およびプロセス評価プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014261993A JP6203169B2 (ja) | 2014-12-25 | 2014-12-25 | プロセス評価装置およびプロセス評価プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016122332A JP2016122332A (ja) | 2016-07-07 |
JP6203169B2 true JP6203169B2 (ja) | 2017-09-27 |
Family
ID=56327422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014261993A Active JP6203169B2 (ja) | 2014-12-25 | 2014-12-25 | プロセス評価装置およびプロセス評価プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6203169B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7056132B2 (ja) * | 2017-12-18 | 2022-04-19 | 富士通株式会社 | 設計書評価プログラム、設計書評価方法および設計書評価装置 |
JP7476770B2 (ja) | 2020-11-18 | 2024-05-01 | オムロン株式会社 | 工程解析装置、工程解析方法、及び工程解析プログラム |
WO2023176464A1 (ja) * | 2022-03-16 | 2023-09-21 | Jfeスチール株式会社 | 要因推論装置、要因推論方法、要因推論システムおよび端末装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010231524A (ja) * | 2009-03-27 | 2010-10-14 | Renesas Electronics Corp | データ分析方法及びデータ分析プログラム |
-
2014
- 2014-12-25 JP JP2014261993A patent/JP6203169B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2016122332A (ja) | 2016-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230351182A1 (en) | Systems and processes for bias removal in a predictive performance model | |
Bihani et al. | A comparative study of data analysis techniques | |
Koru et al. | Building effective defect-prediction models in practice | |
CA2959340A1 (en) | Customizable machine learning models | |
Coolen et al. | Predictive inference for system reliability after common-cause component failures | |
JP2014235654A (ja) | リスク評価装置 | |
JP6203169B2 (ja) | プロセス評価装置およびプロセス評価プログラム | |
Gao et al. | Impact of data sampling on stability of feature selection for software measurement data | |
JP7212292B2 (ja) | 学習装置、学習方法および学習プログラム | |
JP6070337B2 (ja) | 物理故障解析プログラム、物理故障解析方法および物理故障解析装置 | |
Khan et al. | An attribute selection process for software defect prediction | |
Abraham et al. | Rebuilding trust in active learning with actionable metrics | |
Guo et al. | Pre-silicon bug forecast | |
Schaffhausen et al. | Assessing quality of user-submitted need statements from large-scale needfinding: effects of expertise and group size | |
Patil et al. | Framework for performance comparison of classifiers | |
US20110313800A1 (en) | Systems and Methods for Impact Analysis in a Computer Network | |
CN115904920A (zh) | 一种测试用例推荐方法、装置、终端及存储介质 | |
Romeu | On operations research and statistics techniques: Keys to quantitative data mining | |
Mittas et al. | Benchmarking effort estimation models using archetypal analysis | |
JP4419814B2 (ja) | サービス品質評価支援装置 | |
Sharifnia et al. | Exponential random graph modeling for diagnosis of out‐of‐control signals in social network surveillance: Signal interpretation in social networks with ERG modeling | |
Chun | Improving product quality by multiple inspections: Prior and posterior planning of serial inspection procedures | |
Gata et al. | The Feasibility of Credit Using C4. 5 Algorithm Based on Particle Swarm Optimization Prediction | |
WO2023153140A1 (ja) | プロジェクト成否予測装置、予測モデルの機械学習方法、およびプロジェクト成否予測方法 | |
Shahid et al. | Machine learning-based false positive software vulnerability analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160929 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170719 |
|
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: 20170801 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170829 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6203169 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |