JP6766103B2 - 分析方法及び計算機 - Google Patents

分析方法及び計算機 Download PDF

Info

Publication number
JP6766103B2
JP6766103B2 JP2018144427A JP2018144427A JP6766103B2 JP 6766103 B2 JP6766103 B2 JP 6766103B2 JP 2018144427 A JP2018144427 A JP 2018144427A JP 2018144427 A JP2018144427 A JP 2018144427A JP 6766103 B2 JP6766103 B2 JP 6766103B2
Authority
JP
Japan
Prior art keywords
column
target
surjective
graph
analysis
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
Application number
JP2018144427A
Other languages
English (en)
Other versions
JP2020021278A (ja
Inventor
啓朗 室
室　　啓朗
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.)
Hitachi Ltd
Original Assignee
Hitachi 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 Hitachi Ltd filed Critical Hitachi Ltd
Priority to JP2018144427A priority Critical patent/JP6766103B2/ja
Priority to US16/356,697 priority patent/US11126948B2/en
Publication of JP2020021278A publication Critical patent/JP2020021278A/ja
Application granted granted Critical
Publication of JP6766103B2 publication Critical patent/JP6766103B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • 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
    • G06F16/285—Clustering or classification
    • G06F16/287—Visualization; Browsing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/18—Manufacturability analysis or optimisation for manufacturability
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/22—Yield analysis or yield optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)

Description

本発明は、製造業における歩留まり分析に関する。
半導体装置及び金属等の製品は、多数の製造工程を経て製造される。完成した製品の品質検査では不良品及び良品の判別が行われる。不良品の発生した原因、すなわち、品質に影響を与える要因を特定するために、歩留まり分析が実行される。歩留まり分析では、製造工程において計測された状態値及び製造工程において設定された制御値等のパラメータと、品質に関する値とを対応づけたデータを用いて処理が行われる。
歩留まり分析では、製品に対して、多数のパラメータの中から不良品の発生に関連するパラメータ又はパラメータの組合せを特定する必要がある。
製品は様々な条件の下で製造され、また、様々な状態値をとるため、分析するパラメータの組合せの数が非常に多い。したがって、パラメータの相関関係を効率的に分析する手法が必要となる。パラメータの相関関係を効率的に分析する手法として主成分分析が知られている。
特開２０１２−１０３８７９号公報
主成分分析は、パラメータの値が数値であることを前提にしている。したがって、文字列等の非数値がパラメータに設定されている場合、主成分分析に基づいてパラメータの相関を特定できない。また、パラメータのカーディナリティが低い場合、及び、パラメータ間が一対一に対応していない場合、主成分分析では有用な結果を得ることができない。
本発明は、歩留まり分析を効率的に行い、かつ、精度を向上させることを目的とする。
本願において開示される発明の代表的な一例を示せば以下の通りである。すなわち、製品を製造する複数の装置を有するシステムから取得された分析データを分析する計算機が実行する分析方法であって、前記計算機は、演算装置、前記演算装置に接続される記憶装置、及び前記演算装置に接続されるネットワークインタフェースを備え、前記分析データは、前記製品の製造に関するパラメータを格納する複数のフィールド、及び前記製品の品質を示す評価値を格納する少なくとも一つのフィールドから構成され、前記分析方法は、前記計算機が、前記分析データの各フィールドの値の集合をカラムとして管理する第１のステップと、前記計算機が、第一ターゲットカラムに属する値から第二ターゲットカラムに属する値への対応を分析し、前記対応が全射となる前記第一ターゲットカラム及び前記第二ターゲットカラムの組合せである全射カラムペアを特定する第２のステップと、前記計算機が、前記全射カラムペアの前記第一ターゲットカラム及び前記第二ターゲットカラムをノードとするグラフを接続することによって、前記カラムの接続関係を示す木構造の第一グラフを管理するためのグラフ情報を生成する第３のステップと、前記計算機が、前記グラフ情報を用いて、前記評価値に影響を与える前記パラメータを特定するための歩留まり分析を実行する第４のステップと、を含み、前記第２のステップは、前記計算機が、前記カラムに属する値を分類することによって一つ以上のカテゴリを生成する第５のステップと、前記計算機が、前記第一ターゲットカラムの前記カテゴリに属する値から前記第二ターゲットカラムの前記カテゴリに属する値への対応を分析する第６のステップと、を含み、前記第３のステップは、前記計算機が、第一ターゲット全射カラムペアを選択するステップと、前記計算機が、前記第一ターゲット全射カラムペアの前記第一ターゲットカラム及び前記第二ターゲットカラムをノードとするグラフを生成するステップと、前記計算機が、前記第一グラフの葉ノードに対応する末端カラムを選択するステップと、前記計算機が、前記第一ターゲット全射カラムペアの前記第一ターゲットカラムが前記末端カラムと一致するか否かを判定するステップと、前記計算機が、前記第一ターゲット全射カラムペアの前記第一ターゲットカラムが前記末端カラムと一致する場合、前記末端カラムに対応する葉ノードに前記第一ターゲット全射カラムペアの前記第二ターゲットカラムを接続するステップと、を含む。
本発明によれば、歩留まり分析を効率的に行い、かつ、精度を向上させることができる。上記した以外の課題、構成及び効果は、以下の実施例の説明により明らかにされる。
実施例１のシステムの構成例を示す図である。 実施例１のデータ管理装置の構成の一例を示す図である。 実施例１の分析装置の構成の一例を示す図である。 実施例１のシステム全体のモジュール及びデータの関係を説明する図である。 実施例１の全射グラフ生成部の詳細な構成を説明する図である。 実施例１の分析部の詳細な構成を説明する図である。 実施例１の可視化部の詳細な構成を説明する図である。 実施例１のデータ構造の表記規則を説明する図である。 実施例１の制御データ管理情報のデータ構造の一例を示す図である。 実施例１のセンサデータ管理情報のデータ構造の一例を示す図である。 実施例１の処理範囲データ管理情報のデータ構造の一例を示す図である。 実施例１の状態データ管理情報のデータ構造の一例を示す図である。 実施例１の品質データ管理情報のデータ構造の一例を示す図である。 実施例１の分析データ管理情報のデータ構造の一例を示す図である。 実施例１のカーディナリティ情報のデータ構造の一例を示す図である。 実施例１のカラム対応情報のデータ構造の一例を示す図である。 実施例１の全射カラムペア情報のデータ構造の一例を示す図である。 実施例１の全射グラフ情報のデータ構造の一例を示す図である。 実施例１の分析装置のラベル生成部が実行する処理の一例を説明するフローチャートである。 実施例１の分析装置が実行するカラム分析処理の一例を説明するフローチャートである。 実施例１の分析装置が実行する出現頻度算出処理の一例を説明するフローチャートである。 実施例１の分析装置が実行するカラム対応抽出処理の一例を説明するフローチャートである。 実施例１の分析装置が実行する写像判定処理の一例を説明するフローチャートである。 実施例１の分析装置が実行する全単射判定処理の一例を説明するフローチャートである。 実施例１の分析装置が実行する全射判定処理の一例を説明するフローチャートである。 実施例１の分析装置が実行するグラフ生成処理の一例を説明するフローチャートである。 実施例１のカラム分析処理において入力される分析データ管理情報の一例を示す図である。 実施例１のカラム分析処理において出力される全射カラムペア情報の一例を示す図である。 実施例１の全射カラムペア情報が表すカラム間の対応（写像）の一例を示す図である。 実施例１のカラム分析処理において出力される全射グラフ情報の一例を示す図である。 実施例１のカラム分析処理において出力される全射グラフ情報の一例を示す図である。 実施例１の全射グラフ情報が表すグラフ（木）の一例を示す図である。 実施例１の全射グラフ情報が表すグラフ（木）の一例を示す図である。 実施例１の分析装置が実行する分析データ分析処理の一例を説明するフローチャートである。 実施例１の分析部が実行する散布図生成処理の一例を説明するフローチャートである。 実施例１の分析部が実行するカラムスコア算出処理の一例を説明するフローチャートである。 実施例１のユーザインタフェースが表示するグラフ表示画面３５００の一例を示す図である。 実施例２の分析装置が実行するカラム削除処理の一例を説明するフローチャートである。
以下、本発明の実施例を、図面を用いて説明する。ただし、本発明は以下に示す実施例の記載内容に限定して解釈されるものではない。本発明の思想ないし趣旨から逸脱しない範囲で、その具体的構成を変更し得ることは当業者であれば容易に理解される。
以下に説明する発明の構成において、同一又は類似する構成又は機能には同一の符号を付し、重複する説明は省略する。
本明細書等における「第１」、「第２」、「第３」等の表記は、構成要素を識別するために付するものであり、必ずしも、数又は順序を限定するものではない。
図１は、実施例１のシステムの構成例を示す図である。
実施例１のシステムは、計画装置１００、複数のコントローラ１０１、複数の製造装置１０２、品質管理装置１０３、複数のセンサ１０４、品質センサ１０５、データ管理装置１０６、及び分析装置１０７から構成される。複数のコントローラ１０１はコントローラ１０１−１及びコントローラ１０１−２を含み、複数の製造装置１０２は製造装置１０２−１及び製造装置１０２−２を含み、複数のセンサ１０４はセンサ１０４−１及びセンサ１０４−２を含む。
計画装置１００は、ネットワーク１２０を介して複数のコントローラ１０１と接続し、また、ネットワーク１２０及びネットワーク１２１を介して、データ管理装置１０６と接続する。また、複数のコントローラ１０１、複数のセンサ１０４、及び品質センサ１０５は、ネットワーク１２１を介してデータ管理装置１０６と接続する。
ネットワーク１２０及びネットワーク１２１は、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）及びＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）等である。また、ネットワーク１２０及びネットワーク１２１の接続方式は、有線及び無線のいずれでもよい。
実施例１では、材料１１０から製品１１１を製造する工場にアクセス可能な計画装置１００及びデータ管理装置１０６が接続されるシステムを想定している。
計画装置１００は、製造装置１０２を制御するための制御データを生成し、制御データをコントローラ１０１に送信する。計画装置１００は、ＣＰＵ、メモリ、及びネットワークインタフェースを有する計算機である。なお、計画装置１００は、仮想計算機を用いて実現してもよい。
計画者１０は、計画装置１００を用いて、製品１１１の製造計画及び製造装置１０２の運用計画等を設定する。
コントローラ１０１は、製造装置１０２を制御する。例えば、コントローラ１０１は、製造装置１０２の動きを制御するためのパラメータを製造装置１０２に設定する。コントローラ１０１は、ＣＰＵ、メモリ、及びネットワークインタフェースを有する計算機である。また、コントローラ１０１は、製造装置１０２を制御する専用のハードウェアを用いて実現できる。なお、コントローラ１０１は、仮想計算機を用いて実現してもよい。
センサ１０４は、材料１１０の加工状態等を示す値及び製造装置１０２の状態等を示す値を計測する。また、センサ１０４は、計測された値をデータ管理装置１０６に送信する。
品質センサ１０５は、完成した製品１１１の品質を評価するための値である評価値を計測する。また、品質センサ１０５は、計測した評価値をデータ管理装置１０６に送信する。なお、中間製造物の品質に関する評価値を計測するために、複数の製造装置１０２の各々に品質センサ１０５を接続してもよい。
データ管理装置１０６は、製品１１１の製造に関するデータを管理する。データ管理装置１０６の構成については図２を用いて説明する。
分析装置１０７は、製品１１１の歩留まり分析を実行する。分析装置１０７の構成については図３を用いて説明する。分析者２０は、任意のタイミングで分析装置１０７を用いて製品１１１の歩留まり分析を実行する。
図２は、実施例１のデータ管理装置１０６の構成の一例を示す図である。
データ管理装置１０６は、ハードウェア構成として、ＣＰＵ２０１、メモリ２０２、記憶装置２０３、及びネットワークインタフェース２０４を有する。各ハードウェア構成は、内部バスを介して接続される。
ＣＰＵ２０１は、メモリ２０２に格納されるプログラムを実行する。ＣＰＵ２０１がプログラムにしたがって処理を実行することによって、特定の機能を実現する機能部（モジュール）として動作する。以下の説明では、機能部を主語に処理を説明する場合、ＣＰＵが当該機能部を実現するプログラムを実行していることを示す。
メモリ２０２は、ＣＰＵ２０１が実行するプログラム及びプログラムが使用するデータを格納する。メモリ２０２には、データを管理するための機能部（図示省略）を実現するプログラムが格納される。
記憶装置２０３は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）及びＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等であり、データを永続的に格納する。記憶装置２０３に格納されるデータについては後述する。メモリ２０２に格納されるプログラムは記憶装置２０３に格納されてもよい。プログラムを実行する場合、ＣＰＵ２０１は、記憶装置２０３からプログラムを読み出し、メモリ２０２にロードし、メモリ２０２にロードされたプログラムを実行する。また、記憶装置２０３に格納されるデータは、メモリ２０２に格納されてもよい。
ネットワークインタフェース２０４は、ネットワークを介して他の装置と通信するためのインタフェースである。
ここで、記憶装置２０３に格納されるデータについて説明する。記憶装置２０３は、制御データ管理情報２１０、センサデータ管理情報２１１、処理範囲データ管理情報２１２、状態データ管理情報２１３、及び品質データ管理情報２１４を格納する。
制御データ管理情報２１０は、製造装置１０２を制御するための制御データを格納する。制御データには、例えば、製造装置１０２に設定する温度及び圧力等のパラメータが含まれる。制御データ管理情報２１０のデータ構造については図９を用いて説明する。
センサデータ管理情報２１１は、センサ１０４によって計測された材料１１０の加工状態等を示す値を含むセンサデータを格納する。センサデータ管理情報２１１のデータ構造については図１０を用いて説明する。
処理範囲データ管理情報２１２は、処理範囲データを格納する。処理範囲データは、複数の種類の製品１１１を製造する製造装置１０２に接続するセンサ１０４から取得したセンサデータから、種類ごとに製品１１１に関連する時系列データを取得するための時間範囲を示すデータである。処理範囲データ管理情報２１２のデータ構造については図１１を用いて説明する。
状態データ管理情報２１３は、センサ１０４によって計測された製造装置１０２の状態等を示す値を含む状態データを格納する。状態データ管理情報２１３のデータ構造については図１２を用いて説明する。
品質データ管理情報２１４は、品質センサ１０５によって計測された製品１１１の品質を示す評価値を含む品質データを格納する。品質データ管理情報２１４のデータ構造については図１３を用いて説明する。
図３は、実施例１の分析装置１０７の構成の一例を示す図である。
分析装置１０７は、ＣＰＵ３０１、メモリ３０２、記憶装置３０３、ネットワークインタフェース３０４、入力装置３０５、及び出力装置３０６を有する。各ハードウェア構成は、内部バスを介して接続される。
ＣＰＵ３０１、メモリ３０２、記憶装置３０３、及びネットワークインタフェース３０４は、ＣＰＵ２０１、メモリ２０２、記憶装置２０３、及びネットワークインタフェース２０４と同様のハードウェアである。
入力装置３０５は、キーボード、マウス、タッチパネル等のデータを入力するための装置である。出力装置３０６は、ディスプレイ及びプリンタ等のデータを出力するための装置である。
ここで、記憶装置３０３に格納されるデータ及びメモリ３０２に格納されるプログラムについて説明する。
記憶装置３０３は、分析データ管理情報３２０、全射カラムペア情報３２１、及び全射グラフ情報３２２を格納する。
分析データ管理情報３２０は、製品１１１の製造に関連するデータを結合した分析データを格納する。分析データは、歩留まり分析に使用するデータであり、製品１１１の製造に関連する値を格納するフィールド群から構成される。分析データ管理情報３２０のデータ構造については図１４を用いて説明する。
全射カラムペア情報３２１は、分析データを構成する一つのフィールドの値の集合（カラム）から他のフィールドの値の集合（カラム）への対応（ｃｏｒｒｅｓｐｏｎｄｅｎｃｅ）が写像であり、かつ、当該写像が全射又は全単射となる集合（カラム）の組合せを管理するための情報である。全射カラムペア情報３２１のデータ構造については図１７を用いて説明する。
以下の説明では、カラム間の対応が全単射となるカラムの組合せを全単射カラムペアと記載し、カラム間の対応が全射となるカラムの組合せを全射カラムペアと記載する。なお、カラムペアと記載した場合、カラムの単なる組合せを表すものとする。
全射グラフ情報３２２は、全射カラムペア情報３２１に基づいてカラムを連結することによって生成される木構造のグラフを管理するための情報である。全射グラフ情報３２２のデータ構造については図１８を用いて説明する。なお、カラムのグラフは、カラムをノードと、カラム間の対応が全射となるカラム間を接続するエッジとから構成される。
メモリ３０２は、ラベル生成部３１０、データ結合部３１１、データ修正部３１２、全射グラフ生成部３１３、分析部３１４、可視化部３１５、及びユーザインタフェース３１６を実現するプログラムを格納する。
ラベル生成部３１０は、時系列データであるセンサデータから、状態データ等のデータと結合可能な形式のデータであるラベルセンサデータを生成する。
データ結合部３１１は、データ管理装置１０６が管理するデータを結合して、分析データを生成する。また、データ結合部３１１は、分析データを分析データ管理情報３２０に登録する。
データ修正部３１２は、各種処理において分析データを修正又は加工する。
全射グラフ生成部３１３は、全単射カラムペア及び全射カラムペアを検索することによって全射カラムペア情報３２１を生成し、また、全射カラムペア情報３２１に基づいて全射グラフ情報３２２を生成する。
分析部３１４は、全射グラフ情報３２２に基づいて歩留まり分析を実行する。
可視化部３１５は、ユーザに各種データを提示するための表示情報を生成する。
ユーザインタフェース３１６は、ユーザに情報を提示し、また、ユーザからの入力を受け付けるためのインタフェースを提供する。
なお、分析装置１０７が有する各機能部については、複数の機能部を一つの機能部にまとめてもよいし、一つの機能部を機能毎に複数の機能部に分けてもよい。
図４は、実施例１のシステム全体のモジュール及びデータの関係を説明する図である。
データ管理装置１０６は、センサ１０４からセンサデータ及び状態データを取得し、コントローラ１０１から処理範囲データ及び制御データを取得し、計画装置１００から制御データを取得し、また、品質センサ１０５から品質データを取得する。データ管理装置１０６は、取得したデータを記憶装置２０３に格納する。
分析装置１０７は、任意のタイミングで、データ管理装置１０６が管理する制御データ管理情報２１０、センサデータ管理情報２１１、処理範囲データ管理情報２１２、状態データ管理情報２１３、及び品質データ管理情報２１４を取得する。
分析装置１０７のラベル生成部３１０は、センサデータ及び処理範囲データに基づいてラベルセンサデータを生成し、データ結合部３１１に出力する。
データ結合部３１１は、制御データ、状態データ、ラベルセンサデータ、及び品質データを結合することによって分析データを生成する。また、データ結合部３１１は、生成された分析データを分析データ管理情報３２０に格納する。
全射グラフ生成部３１３は、分析データ管理情報３２０から分析データを取得し、分析データのカラム間の対応を抽出し、当該対応が全射又は全単射となるカラムペアを特定する。全射グラフ生成部３１３は、特定されたカラムペアに基づいて全射カラムペア情報３２１を生成する。さらに、全射グラフ生成部３１３は、全射カラムペア情報３２１に基づいて全射グラフ情報３２２を生成する。また、全射グラフ生成部３１３は、自ら又はユーザインタフェース３１６を介したユーザの指示に基づいて、分析データの修正指示をデータ修正部３１２に出力する。
データ修正部３１２は、分析データの修正指示を受け付けた場合、当該指示にしたがって、分析データを修正する。
分析部３１４は、分析データ管理情報３２０に基づいて、品質データを構成するフィールド（評価値）を軸とする特徴空間に分析データをプロットしたグラフ（散布図）の情報を散布図情報４００として生成する。分析部３１４は、任意のタイミングで散布図情報４００を可視化部３１５に出力する。また、分析部３１４は、分析データ管理情報３２０、全射グラフ情報３２２、及び散布図情報４００に基づいて、歩留まり分析を実行し、分析結果４０１を生成する。
可視化部３１５は、全射グラフ情報３２２及び散布図情報４００に基づいて、グラフ表示情報４０２を生成する。
ユーザインタフェース３１６は、グラフ表示情報４０２に基づいて画面を表示し、また、分析結果４０１に基づいた画面を表示する。また、ユーザインタフェース３１６は、分析データの修正指示、全射グラフ生成部３１３に設定するパラメータの修正指示等を受け付ける。
図５は、実施例１の全射グラフ生成部３１３の詳細な構成を説明する図である。
全射グラフ生成部３１３は、出現頻度算出部５００、カラム対応抽出部５０１、全単射判定部５０２、全射判定部５０３、グラフデータ生成部５０４、及びノイズ除去部５０５を含む。
出現頻度算出部５００は、カラムの値の出現頻度を算出する。出現頻度算出部５００は、演算結果をカーディナリティ情報１５００として出力する。カーディナリティ情報１５００のデータ構造については図１５を用いて説明する。
カラム対応抽出部５０１は、二つのカラムの間の対応を抽出する。カラム対応抽出部５０１は、対応の抽出結果をカラム対応情報１６００として出力する。カラム対応情報１６００のデータ構造については図１６を用いて説明する。
全単射判定部５０２は、カラム対応情報１６００に基づいて全単射カラムペアを検索する。全射判定部５０３は、カラム対応情報１６００に基づいて全射カラムペアを抽出する。全射グラフ生成部３１３は、全単射カラムペア及び全射カラムペアの抽出結果に基づいて全射カラムペア情報３２１を生成する。
グラフデータ生成部５０４は、全射カラムペア情報３２１に基づいて全射グラフ情報３２２を生成する。
ノイズ除去部５０５は、カラムペアを抽出する場合に、カラムの値の中からノイズとなる値を除去する。
図６は、実施例１の分析部３１４の詳細な構成を説明する図である。
分析部３１４は、相関関係分析部６００、分類精度評価部６０１、距離算出部６０２、及び分析順序決定部６０３を含む。
相関関係分析部６００は、評価値を軸とする特徴空間における分析データの位置を管理するための散布図情報４００を生成する。
分類精度評価部６０１は、全射カラムペア情報３２１及び散布図情報４００に基づいて、任意のカラムに着目して特徴空間における分析データを分類した場合の分類精度を示す値を算出する。
距離算出部６０２は、木構造のグラフにおけるカラム間の距離を算出する。
分析順序決定部６０３は、全射カラムペア情報３２１、分類精度を示す値、及び構造データにおけるカラムの距離に基づいて、歩留まり分析において、相関関係を分析するカラムの組合せの処理順番を決定する。
図７は、実施例１の可視化部３１５の詳細な構成を説明する図である。
可視化部３１５は表示データ生成部７００を含む。表示データ生成部７００は、散布図及び全射グラフ情報３２２に基づいて、グラフ表示情報４０２を生成する。
次に、システムで扱われるデータのデータ構造について説明する。まず、本明細書で使用するデータ構造の表記について説明する。
図８は、実施例１のデータ構造の表記規則を説明する図である。
実施例１では、ＪＳＯＮ形式のデータ構造を例に説明する。そこで、以下のような表記規則を適用する。
規則１は、配列の表記規則を表す。実施例１では集合の要素を値とする配列であるため、集合のラベルを用いて表記８００を表記８０１のように記載する。大文字は集合の記号を表し、小文字は集合の要素を表すものとする。なお、本明細書では部分集合を表す記号も集合と同じ文字を使用する。
規則２は、オブジェクトの表記規則を表す。オブジェクトの表記規則についても集合のラベルを用いて表記８１０を表記８１１のように記載する。
規則３及び規則４は、規則１及び規則２を組み合わせた表記規則を表す。
次に、図９から図１８を用いてデータ及び情報のデータ構造について説明する。
図９は、実施例１の制御データ管理情報２１０のデータ構造の一例を示す図である。
制御データ管理情報２１０は、ＦＩＤ９０１、ＰＩＤ９０２、温度９０３、及び圧力９０４から構成される制御データを格納する。
ＦＩＤ９０１は、製造装置１０２の識別情報を格納するフィールドである。ＰＩＤ９０２は、製品１１１の識別情報を格納するフィールドである。温度９０３及び圧力９０４は、製造装置１０２を制御するためのパラメータの値を格納するフィールドである。
図１０は、実施例１のセンサデータ管理情報２１１のデータ構造の一例を示す図である。
センサデータ管理情報２１１は、ＦＩＤ１００１、時刻１００２、センサ１（１００３）、及びセンサ２（１００４）から構成されるセンサデータを格納する。ＦＩＤ１００１は、ＦＩＤ９０１と同一のフィールドである。
時刻１００２は、センサデータに含まれる値が計測された時刻（タイムスタンプ）を格納するフィールドである。センサ１（１００３）は、センサ１０４−１が計測した値を格納するフィールドである。センサ２（１００４）は、センサ１０４−２が計測した値を格納するフィールドである。
なお、種類が異なる値をセンサ１０４が計測する場合、センサデータには、各値を格納するフィールドが含まれる。なお、各センサ１０４の計測間隔が異なる場合、センサ１０４ごとにセンサデータ管理情報２１１を保持してもよい。
図１１は、実施例１の処理範囲データ管理情報２１２のデータ構造の一例を示す図である。
処理範囲データ管理情報２１２は、ＦＩＤ１１０１、ＰＩＤ１１０２、Ｔ＿ＳＴＡＲＴ１１０３、及びＴ＿ＥＮＤ１１０４から構成される処理範囲データを格納する。ＦＩＤ１１０１及びＰＩＤ１１０２は、ＦＩＤ９０１及びＰＩＤ９０２と同一のフィールドである。
Ｔ＿ＳＴＡＲＴ１１０３は、ＦＩＤ１１０１に対応する製造装置１０２から取得したセンサデータから、ＰＩＤ１１０２に対応する製品１１１に関連する値を切り出す範囲の始点を示す時刻を格納するフィールドである。Ｔ＿ＥＮＤ１１０４は、ＦＩＤ１１０１に対応する製造装置１０２から取得したセンサデータから、ＰＩＤ１１０２に対応する製品１１１に関連する値を切り出す範囲の終点を示す時刻を格納するフィールドである。
図１２は、実施例１の状態データ管理情報２１３のデータ構造の一例を示す図である。
状態データ管理情報２１３は、ＦＩＤ１２０１、ＰＩＤ１２０２、温度１２０３、及び圧力１２０４から構成される状態データを格納する。ＦＩＤ１２０１及びＰＩＤ１２０２は、ＦＩＤ９０１及びＰＩＤ９０２と同一のフィールドである。
温度１２０３及び圧力１２０４は、製造装置１０２を制御するためのパラメータの計測値を格納するフィールドである。
図１３は、実施例１の品質データ管理情報２１４のデータ構造の一例を示す図である。
品質データ管理情報２１４は、ＰＩＤ１３０１、欠陥率１３０２、及び材料強度１３０３から構成される品質データを格納する。図１３に示す品質データ管理情報２１４には、製品単位の品質データが格納される。ＰＩＤ１３０１は、ＰＩＤ９０２と同一のフィールドである。
欠陥率１３０２及び材料強度１３０３は、製品１１１の評価値を格納するフィールドである。具体的には、欠陥率１３０２は、不良品と判定された製品１１１の割合を格納するフィールドである。材料強度１３０３は、製品１１１の強度を格納するフィールドである。
図１４は、実施例１の分析データ管理情報３２０のデータ構造の一例を示す図である。
分析データ管理情報３２０は、ＰＩＤ１４０１、制御データ１４０２、状態データ１４０３、及び品質データ１４０４から構成される分析データを格納する。図１４に示す分析データ管理情報３２０は、製品１１１単位の分析データを格納する。ＰＩＤ１４０１は、ＰＩＤ９０２と同一のフィールドである。
制御データ１４０２は、ＰＩＤ１４０１に対応する製品１１１に関連する制御データを格納するフィールドである。制御データ１４０２には、計画装置１００及び複数のコントローラ１０１から取得した制御データが格納される。
状態データ１４０３は、ＰＩＤ１４０１に対応する製品１１１に関連する状態データを格納するフィールドである。状態データ１４０３には、複数のセンサ１０４から取得した状態データが格納される。
品質データ１４０４は、ＰＩＤ１４０１に対応する製品１１１に関連する品質データを格納するフィールドである。
行１４１０は一つの分析データを示す。列１４１１は特定のフィールドの値の集合、すなわち、カラムである。カラムには、フィールドに格納される値の属性名がカラム名として設定される。一つのカラムからは一つ以上のカテゴリが構成される。
図１５は、実施例１のカーディナリティ情報１５００のデータ構造の一例を示す図である。
カーディナリティ情報１５００は、各カラムのカテゴリ、及びカテゴリに属する値の出現頻度を管理するための情報である。
例えば、カーディナリティ情報１５００のデータ構造は、スキーマ１５０１に示すように定義できる。スキーマ１５０１で定義されたカーディナリティ情報１５００は、カラムのカテゴリ及びカテゴリに属する値の出現頻度を対応づけたデータをカラム名ごとに含む。サンプル１５０２は、カーディナリティ情報１５００の具体例を示す。
図１６は、実施例１のカラム対応情報１６００のデータ構造の一例を示す図である。
カラム対応情報１６００は、カラムのカテゴリから他のカラムのカテゴリへの対応を管理するための情報である。
例えば、カラム対応情報１６００のデータ構造は、スキーマ１６０１に示すように定義できる。スキーマ１６０１で定義されたカラム対応情報１６００は、カラムＡの値がキーとなり、キーに対応するカラムＢの集合が参照値となるデータを含む。サンプル１６０２は、カラム対応情報１６００の具体例を示す。
図１７は、実施例１の全射カラムペア情報３２１のデータ構造の一例を示す図である。
全射カラムペア情報３２１は、全単射カラムペア及び全射カラムペアを管理するための情報である。例えば、全射カラムペア情報３２１のデータ構造は、スキーマ１７０１に示すように定義できる。
スキーマ１７０１で定義された全射カラムペア情報３２１は、カラム単位のデータ群を含む。カラム単位のデータ群は、カラムのカテゴリごとの値の出現頻度を示すデータ、カラムと全単射カラムペアを構成する他のカラムを示すデータ、及びカラムと全射カラムペアを構成する他のカラムを示すデータを含む。サンプル１７０２は、全射カラムペア情報３２１の具体例を示す。
図１８は、実施例１の全射グラフ情報３２２のデータ構造の一例を示す図である。
全射グラフ情報３２２は、カラムの全射又は全単射の関係を示す木構造のグラフを管理するための情報である。例えば、全射グラフ情報３２２のデータ構造は、スキーマ１８０１に示すように定義できる。
スキーマ１８０１で定義された全射グラフ情報３２２は、ｒｏｏｔノードを最上位とするカラムのグラフを示す。カラムのグラフを構成するノードにはカラムの名称が付される。サンプル１８０２は、全射グラフ情報３２２の具体例を示す。
次に、分析装置１０７が実行する処理について説明する。
まず、分析装置１０７が実行する分析データ管理情報３２０の更新処理を説明する。分析装置１０７は、分析者２０から指示を受け付けた場合、又は、周期的に、分析データ管理情報３２０の更新処理を実行する。
分析装置１０７は、データ管理装置１０６からセンサデータ管理情報２１１、処理範囲データ管理情報２１２、状態データ管理情報２１３、制御データ管理情報２１０、及び品質データ管理情報２１４を取得する。分析装置１０７のラベル生成部３１０は、各種情報を取得した場合、図１９に示す処理を実行する。これによって、センサデータを他のデータと結合可能な形式のラベルセンサデータに変換することができる。
分析装置１０７のデータ結合部３１１は、ＦＩＤ及びＰＩＤの組合せが一致する制御データ、状態データ及びラベルセンサデータを結合し、また、ＰＩＤ１３０１が結合されたデータのＰＩＤと一致する品質データを結合することによって、分析データを生成する。データ結合部３１１は、分析データ管理情報３２０に、生成された分析データを格納する。
図１９は、実施例１の分析装置１０７のラベル生成部３１０が実行する処理の一例を説明するフローチャートである。
ラベル生成部３１０は、センサデータ管理情報２１１及び処理範囲データ管理情報２１２を取得する（ステップＳ１０１）。
次に、ラベル生成部３１０は、処理範囲データ管理情報２１２から処理範囲データを一つ選択する（ステップＳ１０２）。例えば、ラベル生成部３１０は、処理範囲データ管理情報２１２の上から順に処理範囲データを選択する。
次に、ラベル生成部３１０は、選択した処理範囲データに基づいてセンサデータ管理情報２１１を参照して、処理するターゲットセンサデータを検索する（ステップＳ１０３）。
具体的には、ラベル生成部３１０は、ＦＩＤ１００１が、選択した処理範囲データのＦＩＤ１１０１と一致し、かつ、時刻１００２が、Ｔ＿ＳＴＡＲＴ１１０３及びＴ＿ＥＮＤ１１０４で指定された時間範囲に含まれるセンサデータを検索する。
次に、ラベル生成部３１０は、ターゲットセンサデータを集約することによってラベルセンサデータを生成する（ステップＳ１０４）。
例えば、以下のような処理が実行される。ラベル生成部３１０は、ターゲットセンサデータのセンサ１（１００３）及びセンサ２（１００４）のそれぞれの平均値を算出する。ラベル生成部３１０は、ＦＩＤ、ＰＩＤ、並びに、センサ１及びセンサ２のフィールドから構成されるラベルセンサデータを生成する。ラベル生成部３１０は、ＦＩＤにＦＩＤ１１０１を設定し、ＰＩＤにＰＩＤ１１０２を設定する。また、ラベル生成部３１０は、センサ１及びセンサ２のそれぞれのフィールドに平均値を設定する。
なお、センサデータの集約方法は前述したものに限定されない。例えば、最大値又は最小値をフィールドに設定してもよい。
次に、ラベル生成部３１０は、処理範囲データ管理情報２１２に登録された全ての処理範囲データの処理が完了したか否かを判定する（ステップＳ１０５）。
処理範囲データ管理情報２１２に登録された全ての処理範囲データの処理が完了していない場合、ラベル生成部３１０は、ステップＳ１０２に戻り、同様の処理を実行する。
処理範囲データ管理情報２１２に登録された全ての処理範囲データの処理が完了した場合、ラベル生成部３１０は、生成されたラベルセンサデータをデータ結合部３１１に出力する（ステップＳ１０６）。その後、ラベル生成部３１０は処理を終了する。なお、実施例１では、ラベルセンサデータは状態データとして出力される。
次に、分析装置１０７が実行する全射カラムペア情報３２１及び全射グラフ情報３２２を生成するために実行するカラム分析処理について説明する。
図２０は、実施例１の分析装置１０７が実行するカラム分析処理の一例を説明するフローチャートである。
分析装置１０７は、記憶装置３０３に格納される分析データ管理情報３２０を読み出す（ステップＳ２０１）。
次に、分析装置１０７は、カーディナリティ情報１５００を生成するための出現頻度算出処理を実行する（ステップＳ２０２）。出現頻度算出処理の詳細は、図２１を用いて説明する。
次に、分析装置１０７は、カラム対応情報１６００を生成するためのカラム対応抽出処理を実行する（ステップＳ２０３）。カラム対応抽出処理の詳細は、図２２を用いて説明する。
次に、分析装置１０７は、全射カラムペア情報３２１を生成するための写像判定処理を実行する（ステップＳ２０４）。写像判定処理の詳細は、図２３を用いて説明する。
次に、分析装置１０７は、全射グラフ情報３２２を生成するためのグラフ生成処理を実行する（ステップＳ２０５）。グラフ生成処理の詳細は、図２６を用いて説明する。
図２１は、実施例１の分析装置１０７が実行する出現頻度算出処理の一例を説明するフローチャートである。
全射グラフ生成部３１３は、分析データ管理情報３２０のカラムの中からターゲットカラムを選択する（ステップＳ３０１）。
次に、全射グラフ生成部３１３は、ターゲットカラムのカテゴリを生成する（ステップＳ３０２）。
具体的には、全射グラフ生成部３１３は、ターゲットカラムの値の種類を分析することによって、ターゲットカラムのカテゴリを生成する。例えば、カラムの値が「ａ１、ａ１、ａ２、ａ３、ａ３、ａ４、ａ４、ａ４」である場合、ターゲットカラムのカテゴリは「ａ１」、「ａ２」、「ａ３」、及び「ａ４」となる。
なお、ターゲットカラムに格納される値がアナログな値である場合、値の種類が非常に多くなる。そのため、ターゲットカラムに格納される値がアナログな値である場合、全射グラフ生成部３１３は、値の範囲を設定し、当該値の範囲に基づいてカテゴリを生成する。例えば、１０以上２０未満の範囲をカテゴリ「ａ１」と設定する。
次に、全射グラフ生成部３１３は、ターゲットカラムのカーディナリティを算出する（ステップＳ３０３）。
具体的には、全射グラフ生成部３１３は、カテゴリの数を、カーディナリティとして算出する。なお、カーディナリティは１以上の値である。
次に、全射グラフ生成部３１３は、カーディナリティが１であるか否かを判定する（ステップＳ３０４）。
カーディナリティが１であると判定された場合、全射グラフ生成部３１３は、データ修正部３１２を介して、分析データ管理情報３２０からターゲットカラムを削除する。その後、全射グラフ生成部３１３は、ステップＳ３１０に進む。カーディナリティが１であるカラムは、他のカラムとの関係を確認する必要がないため、分析データ管理情報３２０から削除される。
カーディナリティが１ではないと判定された場合、全射グラフ生成部３１３は、ターゲットカラムのカテゴリの中からターゲットカテゴリを選択する（ステップＳ３０６）。
次に、全射グラフ生成部３１３は、ターゲットカテゴリに属する値の数を出現頻度として算出する（ステップＳ３０７）。
ターゲットカラムの値が「ａ１、ａ１、ａ２、ａ３、ａ３、ａ４、ａ４、ａ４」、かつ、ターゲットカテゴリが「ａ４」の場合、出現頻度は「３」となる。
次に、全射グラフ生成部３１３は、ターゲットカラムの全てのカテゴリの処理が完了したか否かを判定する（ステップＳ３０８）。
ターゲットカラムの全てのカテゴリの処理が完了していないと判定された場合、全射グラフ生成部３１３は、ステップＳ３０６に戻る。
ターゲットカラムの全てのカテゴリの処理が完了したと判定された場合、全射グラフ生成部３１３は、カーディナリティ情報１５００を更新する（ステップＳ３０９）。
具体的には、全射グラフ生成部３１３は、カーディナリティ情報１５００に、ターゲットカラムの名称、並びに、カテゴリの名称及び出現頻度から構成されるデータを追加する。
ステップＳ３０５又はステップＳ３０９の処理が完了した後、全射グラフ生成部３１３は、分析データ管理情報３２０の全てのカラムの処理が完了したか否かを判定する（ステップＳ３１０）。
分析データ管理情報３２０の全てのカラムの処理が完了していないと判定された場合、全射グラフ生成部３１３はステップＳ３０１に戻る。
分析データ管理情報３２０の全てのカラムの処理が完了したと判定された場合、全射グラフ生成部３１３は、カーディナリティ情報１５００をメモリ３０２に出力し（ステップＳ３１１）、出現頻度算出処理を終了する。
図２２は、実施例１の分析装置１０７が実行するカラム対応抽出処理の一例を説明するフローチャートである。
全射グラフ生成部３１３は、分析データ管理情報３２０のカラムの組合せであるカラムペア（Ｐ，Ｃ）を生成する（ステップＳ４０１）。カラムＰは親カラムを表し、カラムＣは子カラムを表す。実施例１では、全射グラフ生成部３１３は、親カラムのカテゴリから子カラムのカテゴリへの対応を分析する。したがって、カラムペア（温度、圧力）とカラムペア（圧力、温度）は異なるカラムペアとして扱われる。
なお、カラムペアの情報は他の処理でも使用されるため、全射グラフ生成部３１３は、カラム対応抽出処理が終了した後もメモリ３０２から削除しないように制御する。
次に、全射グラフ生成部３１３は、カラムペアの中からターゲットカラムペアを選択する（ステップＳ４０２）。
次に、全射グラフ生成部３１３は、カーディナリティ情報１５００を参照して、親カラムのカテゴリの中からターゲットカテゴリを選択する（ステップＳ４０３）。
次に、全射グラフ生成部３１３は、親カラムのターゲットカテゴリに対して定まる子カラムのカテゴリを特定する（ステップＳ４０４）。
具体的には、全射グラフ生成部３１３は、行単位で、ターゲットカテゴリに属する値と子カラムの値との組を抽出する。全射グラフ生成部３１３は、カーディナリティ情報１５００を参照し、子カラムの値が属するカテゴリを特定する。以上の処理によって、親カラムのターゲットカテゴリに対して定まる子カラムのカテゴリが特定される。
次に、全射グラフ生成部３１３は、カラム対応情報１６００を更新する（ステップＳ４０５）。
具体的には、全射グラフ生成部３１３は、カラム対応情報１６００に、ターゲットカテゴリ及び特定された子カラムのカテゴリから構成されるデータを追加する。
次に、全射グラフ生成部３１３は、親カラムの全てのカテゴリの処理が完了したか否かを判定する（ステップＳ４０６）。
親カラムの全てのカテゴリの処理が完了していないと判定された場合、全射グラフ生成部３１３は、ステップＳ４０３に戻る。
親カラムの全てのカテゴリの処理が完了したと判定された場合、全射グラフ生成部３１３は、全てのカラムペアの処理が完了したか否かを判定する（ステップＳ４０７）。
全てのカラムペアの処理が完了していないと判定された場合、全射グラフ生成部３１３はステップＳ４０２に戻る。
全てのカラムペアの処理が完了したと判定された場合、全射グラフ生成部３１３は、カラム対応情報１６００をメモリ３０２に出力し（ステップＳ４０８）、カラム対応抽出処理を終了する。
図２３は、実施例１の分析装置１０７が実行する写像判定処理の一例を説明するフローチャートである。
全射グラフ生成部３１３は、ターゲットカラムペアを選択する（ステップＳ５０１）。ここでは、ステップＳ４０１の処理結果をそのまま使用するものとする。
全射グラフ生成部３１３は、ターゲットカラムペアに対して全単射判定処理を実行し（ステップＳ５０２）、また、全射判定処理を実行する（ステップＳ５０３）。全単射判定処理の詳細は図２４を用いて説明し、全射判定処理の詳細は図２５を用いて説明する。
次に、全射グラフ生成部３１３は、全てのカラムペアの処理が完了したか否かを判定する（ステップＳ５０４）。
全てのカラムペアの処理が完了していないと判定された場合、全射グラフ生成部３１３はステップＳ５０１に戻る。
全てのカラムペアの処理が完了したと判定された場合、全射グラフ生成部３１３は、全射カラムペア情報３２１を記憶装置３０３に出力し（ステップＳ５０５）、全射判定処理を終了する。
具体的には、全射グラフ生成部３１３は、後述するリストを参照し、全単射カラムペア及び全射カラムペアのデータを、ＪＳＯＮ形式のデータとして全射カラムペア情報３２１に登録する。
図２４は、実施例１の分析装置１０７が実行する全単射判定処理の一例を説明するフローチャートである。
全射グラフ生成部３１３は、カーディナリティ情報１５００を参照し、ターゲットカラムペアの親カラムのカーディナリティ及び子カラムのカーディナリティが同一であるか否かを判定する（ステップＳ６０１）。
親カラムのカーディナリティ及び子カラムのカーディナリティが同一でないと判定された場合、全射グラフ生成部３１３は全単射判定処理を終了する。
親カラムのカーディナリティ及び子カラムのカーディナリティが同一であると判定された場合、全射グラフ生成部３１３は、カラム対応情報１６００を参照し、親カラムの各カテゴリについて、親カラムの一つのカテゴリに対応する子カラムのカテゴリが一つであるか否かを判定する（ステップＳ６０２）。以下の説明では、親カラムの一つのカテゴリに対応する子カラムのカテゴリが一つである条件を第一条件と記載する。
第一条件は、親カラムのカテゴリに対して、子カラムのカテゴリが一意に定まるか否かを判定するための条件である。別の表現では、第一条件は、親カラムのカテゴリから子カラムのカテゴリへの対応が写像となるか否かを判定するための条件である。
親カラムの少なくとも一つのカテゴリが第一条件を満たさないと判定された場合、全射グラフ生成部３１３は全単射判定処理を終了する。
親カラムの全てのカテゴリが第一条件を満たすと判定された場合、全射グラフ生成部３１３は、カラム対応情報１６００を参照し、子カラムの各カテゴリについて、子カラムの一つのカテゴリに対応する親カラムのカテゴリが一つであるか否かを判定する（ステップＳ６０３）。以下の説明では、子カラムの一つのカテゴリに対応する親カラムのカテゴリが一つである条件を第二条件と記載する。
第二条件は、子カラムのカテゴリに対して、親カラムのカテゴリが一意に定まるか否かを判定するための条件である。
子カラムの少なくとも一つのカテゴリが第二条件を満たさないと判定された場合、全射グラフ生成部３１３は全単射判定処理を終了する。
子カラムの全てのカテゴリが第二条件を満たすと判定された場合、全射グラフ生成部３１３は、対応が全単射となるカラムペアのデータを格納するレコードをリストに追加し（ステップＳ６０４）、全単射判定処理を終了する。
具体的には、全射グラフ生成部３１３は、カラム対応情報１６００からカラムペアのカテゴリ間の対応を示すデータを取得する。ここでは、親カラムのカテゴリから子カラムのカテゴリへの対応を示すデータと、子カラムのカテゴリから親カラムのカテゴリへの対応を示すデータとが取得される。全射グラフ生成部３１３は、親カラム及び子カラムの名称、取得したカラムペアのカテゴリ間の対応を示すデータ、及び文字列「ｉｎｊｅｃｔｉｏｎ」から構成されるレコードをリストに追加する。
また、全射グラフ生成部３１３は、ターゲットカラムペアの親カラム及び子カラムが入れ替わったカラムペアを処理対象がから除外するように制御する。カラム間の対応が全単射の場合、ターゲットカラムペアの親カラム及び子カラムが入れ替わったカラムペアに対する処理は必要ないためである。
図２５は、実施例１の分析装置１０７が実行する全射判定処理の一例を説明するフローチャートである。
全射グラフ生成部３１３は、ターゲットカラムペアの対応が全単射となるか否かを判定する（ステップＳ７０１）。
具体的には、全射グラフ生成部３１３は、リストを参照し、当該ターゲットカラムペアが全単射カラムペアとして登録されているか否かを判定する。
ターゲットカラムペアの対応が全単射となると判定された場合、全射グラフ生成部３１３は全射判定処理を終了する。
ターゲットカラムペアの対応が全単射とならないと判定された場合、全射グラフ生成部３１３は、親カラムの各カテゴリが第一条件を満たすか否かを判定する（ステップＳ７０２）。
親カラムの少なくとも一つのカテゴリが第一条件を満たさないと判定された場合、全射グラフ生成部３１３は全射判定処理を終了する。
親カラムの全てのカテゴリが第一条件を満たすと判定された場合、全射グラフ生成部３１３は、対応が全射となるカラムペアのデータを格納するレコードをリストに追加し（ステップＳ７０３）、全射判定処理を終了する。
具体的には、全射グラフ生成部３１３は、カラム対応情報１６００からカラムペアのカテゴリ間の対応を示すデータを取得する。ここでは、親カラムのカテゴリから子カラムのカテゴリへの対応を示すデータが取得される。全射グラフ生成部３１３は、親カラム及び子カラムの名称、取得したカラムペアのカテゴリ間の対応を示すデータ、及び文字列「ｓｕｒｊｅｃｔｉｏｎ」から構成されるレコードをリストに追加する。
図２６は、実施例１の分析装置１０７が実行するグラフ生成処理の一例を説明するフローチャートである。
全射グラフ生成部３１３は、全射グラフ情報３２２を初期化する（ステップＳ８０１）。
次に、全射グラフ生成部３１３は、リストからターゲットレコードを選択する（ステップＳ８０２）。
次に、全射グラフ生成部３１３は、ターゲットレコードのグラフデータを生成する（ステップＳ８０３）。
具体的には、全射グラフ生成部３１３は、親カラム及び子カラムに対応するノードをエッジで接続したグラフのデータを生成する。
なお、カラム間の対応が全単射となる場合、カラムを接続するエッジの太さや色を他のエッジと異なるように設定してもよい。また、子カラムのカテゴリに対する親カラムのカテゴリの重複度に基づいてエッジの太さや色を設定してもよい。これによって、分析データにおいて注目すべきパラメータの組合せを分析者２０に提示できる。
次に、全射グラフ生成部３１３は、全射グラフ情報３２２を参照して、グラフの葉ノードに対応する末端カラムの中からターゲットカラムを選択する（ステップＳ８０４）。
次に、全射グラフ生成部３１３は、ターゲットカラムがターゲットレコードの親カラムに一致するか否かを判定する（ステップＳ８０５）。
ターゲットカラムがターゲットレコードの親カラムに一致すると判定された場合、全射グラフ生成部３１３は、全射グラフ情報３２２を更新する（ステップＳ８０６）。その後、全射グラフ生成部３１３はステップＳ８０８に進む。
具体的には、全射グラフ生成部３１３は、ターゲットレコードの親カラムが、ターゲットカラムの子カラムとして接続されるように、全射グラフ情報３２２にターゲットレコードのグラフデータを追加する。すなわち、ターゲットカラムにターゲットレコードの子カラムが接続される。
なお、ターゲットレコードが文字列「ｉｎｊｅｃｔｉｏｎ」を含む場合には、以下のような処理が実行される。
全射グラフ生成部３１３は、ターゲットカラムがターゲットレコードの親カラムに一致する場合、ターゲットカラムに直接接続されるカラムがターゲットレコードの子カラムと異なるか否かを判定する。
ターゲットカラムに直接接続されるカラムがターゲットレコードの子カラムと異なると判定された場合、全射グラフ生成部３１３は、ターゲットレコードの親カラムが、ターゲットカラムの子カラムとして接続されるように、全射グラフ情報３２２にターゲットレコードのグラフデータを追加する。すなわち、ターゲットカラムにターゲットレコードの子カラムが接続される。
前述の処理は、あるカラムの親カラムが、当該カラムの子カラムとして接続されるのを防止するための処理である。
なお、一つのカラムから他のカラムへの分岐の数に応じて、カラムの表示方法が異なるようにデータを設定してもよい。例えば、分岐の数が３以上のカラムをハイライトで表示することが考えられる。これによって、分析データにおいて重要なパラメータを分析者２０に提示できる。
ターゲットカラムがターゲットレコードの親カラムに一致しないと判定された場合、全射グラフ生成部３１３は、全射グラフ情報３２２を更新する（ステップＳ８０７）。その後、全射グラフ生成部３１３はステップＳ８０８に進む。
具体的には、全射グラフ生成部３１３は、ターゲットレコードの親カラムがルートノードに接続されるように、全射グラフ情報３２２にターゲットレコードのグラフデータを追加する。
ステップＳ８０８では、全射グラフ生成部３１３は、全ての末端カラムについて処理が完了したか否かを判定する（ステップＳ８０８）。
全ての末端カラムについて処理が完了していないと判定された場合、全射グラフ生成部３１３は、ステップＳ８０４に戻る。
全ての末端カラムについて処理が完了したと判定された場合、全射グラフ生成部３１３は、リストの全てのレコードについて処理が完了したか否かを判定する（ステップＳ８０９）。
リストの全てのレコードについて処理が完了していないと判定された場合、全射グラフ生成部３１３は、ステップＳ８０２に戻る。
リストの全てのレコードについて処理が完了したと判定された場合、全射グラフ生成部３１３は、全射グラフ情報３２２を記憶装置３０３に出力する（ステップＳ８１０）。以上の処理によって生成されるグラフのデータをフォワード木構造データと記載する。
なお、全射グラフ情報３２２が空である場合、全射グラフ生成部３１３は、ターゲットレコードのグラフデータを全射グラフ情報３２２に追加する。
なお、ステップＳ８０５の処理は以下のような処理に置き換えてもよい。すなわち、全射グラフ生成部３１３は、ターゲットカラムの親カラムが、ターゲットレコードの子カラムと一致するか否かを判定する。この場合、ステップＳ８０６では、全射グラフ生成部３１３は、ターゲットレコードの子カラムが、ターゲットカラムの親カラムとして接続されるように、全射グラフ情報３２２にターゲットレコードのグラフデータを追加する。前述の処理によって生成されるグラフのデータをバックワード木構造データと記載する。
ここで、具体例を用いてカラム分析処理について説明する。図２７は、実施例１のカラム分析処理において入力される分析データ管理情報３２０の一例を示す図である。図２８は、実施例１のカラム分析処理において出力される全射カラムペア情報３２１の一例を示す図である。図２９は、実施例１の全射カラムペア情報３２１が表すカラム間の対応（写像）の一例を示す図である。図３０Ａ及び図３０Ｂは、実施例１のカラム分析処理において出力される全射グラフ情報３２２の一例を示す図である。図３１Ａ及び図３１Ｂは、実施例１の全射グラフ情報３２２が表すグラフ（木）の一例を示す図である。
図２７に示す分析データ管理情報３２０は、カラムの名称が「Ａ」、「Ｂ」、「Ｃ」、「Ｄ」、及び「Ｅ」である六つの分析データを格納する。
図２７に示す分析データ管理情報３２０に対する出現頻度算出処理の結果は以下のようになる。カラム「Ａ」については、カテゴリ「ａ１」及び出現頻度「１」、カテゴリ「ａ２」及び出現頻度「１」、カテゴリ「ａ３」及び出現頻度「２」、カテゴリ「ａ４」及び出現頻度「２」という結果が得られる。カラム「Ｂ」については、カテゴリ「ｂ１」及び出現頻度「２」、カテゴリ「ｂ２」及び出現頻度「２」、カテゴリ「ｂ３」及び出現頻度「２」という結果が得られる。カラム「Ｃ」については、カテゴリ「ｃ１」及び出現頻度「２」、カテゴリ「ｃ２」及び出現頻度「４」という結果が得られる。カラム「Ｄ」については、カテゴリ「ｄ１」及び出現頻度「１」、カテゴリ「ｄ２」及び出現頻度「５」という結果が得られる。カラム「Ｅ」については、カテゴリ「ｅ１」及び出現頻度「３」、カテゴリ「ｅ２」及び出現頻度「３」という結果が得られる。
図２７に示す分析データ管理情報３２０に対してカラム対応抽出処理及び写像判定処理を実行した結果、図２８に示す全射カラムペア情報３２１が生成される。図２８に示す全射カラムペア情報３２１は、図２９に示すカラム間の対応（写像）を定義した情報である。
また、図２７に示す分析データ管理情報３２０に対してグラフ生成処理を実行した結果、図３０Ａに示すようなフォワード木構造データを表す全射グラフ情報３２２が生成される。なお、図３０Ａに示す全射グラフ情報３２２は、図３１Ａに示すグラフを定義した情報である。なお、バックワード木構造データを生成する処理が実行された場合、図３０Ｂに示すような全射グラフ情報３２２が生成される。図３０Ｂに示す全射グラフ情報３２２は、図３１Ｂに示すグラフを定義した情報である。
次に、分析装置１０７が実行する歩留まり分析について説明する。
図３２は、実施例１の分析装置１０７が実行する歩留まり分析の一例を説明するフローチャートである。
分析部３１４は、全射カラムペア情報３２１が出力された場合、分析者２０から指示を受け付けた場合、又は、周期的に歩留まり分析を実行する。
まず、分析部３１４は散布図生成処理を実行する（ステップＳ９０１）。散布図生成処理の詳細は図３３を用いて説明する。
次に、分析部３１４は、分析データ管理情報３２０を参照して、ターゲットカラムを選択する（ステップＳ９０２）。
次に、分析部３１４は、ターゲットカラム及び散布図を用いて、カラムスコア算出処理を実行する（ステップＳ９０３）。カラムスコア算出処理は、ターゲットカラムに基づく特徴空間での分析データの分類結果を評価するカラムスコアを算出するための処理である。カラムスコア算出処理の詳細は図３４を用いて説明する。
次に、分析部３１４は、分析データ管理情報３２０の全てのカラムの処理が完了したか否かを判定する（ステップＳ９０４）。
分析データ管理情報３２０の全てのカラムの処理が完了していないと判定された場合、分析部３１４はステップＳ９０２に戻る。
分析データ管理情報３２０の全てのカラムの処理が完了したと判定された場合、分析部３１４は、ターゲットカラムペアを選択する（ステップＳ９０５）。
次に、分析部３１４は、ターゲットカラムペアを構成するカラム間のカラムのグラフにおける距離を算出する（ステップＳ９０６）。
具体的には、分析部３１４は、ターゲットカラムペアの一つのカラムから他のカラムへの移動するときに経由するカラムの数を距離として算出する。例えば、図３１Ａに示すカラムのグラフの場合、カラムペア（Ａ，Ｃ）の距離は「２」と算出され、カラムペア（Ｃ，Ｄ）の距離は「３」と算出され、また、カラムペア（Ｂ，Ｅ）の距離は「３」と算出される。
次に、分析部３１４は、全てのカラムペアの処理が完了したか否かを判定する（ステップＳ９０７）。
全てのカラムペアの処理が完了していないと判定された場合、分析部３１４はステップＳ９０５に戻る。
全てのカラムペアの処理が完了したと判定された場合、分析部３１４は、改めてカラムペアのループ処理を開始する。すなわち、分析部３１４は、ターゲットカラムペアを選択する（ステップＳ９０８）。なお、分析部３１４は、カラムペアのループ処理を開始するために、各カラムペアの距離を正規化する。例えば、分析部３１４は、距離の最大値が「１」となるようにカラムペアの距離を正規化する。
次に、分析部３１４は、ターゲットカラムペアを構成する各カラムのカラムスコア、及び距離に基づいて総合スコアを算出する（ステップＳ９０９）。
分析部３１４は、例えば、下式（１）に基づいて総合スコアを算出する。ここで、Ｓｔは総合スコアを表し、Ｓ［Ｃｉ］はカラムＣｉのカラムスコアを表し、Ｄ［Ｃｉ，Ｃｊ］はカラムのグラフ上におけるカラムＣｉ及びカラムＣｊの距離を表す。また、Ｄｍａｘは距離の最大値を表し、ｋは任意の係数を表す。
Figure 0006766103
次に、分析部３１４は、全てのカラムペアの処理が完了したか否かを判定する（ステップＳ９１０）。
全てのカラムペアの処理が完了していないと判定された場合、分析部３１４はステップＳ９０８に戻る。
全てのカラムペアの処理が完了したと判定された場合、分析部３１４は、総合スコアに基づいてカラムペアの分析順序を決定し、歩留まり分析を実行する（ステップＳ９１１）。
具体的には、分析部３１４は、総合スコアが高いカラムペアが優先的に分析されるように、カラムペアの分析順序を決定する。歩留まり分析は、公知の技術を用いればよいため詳細な説明は省略する。
このように、分析するカラムペアの数が膨大となる歩留まり分析において、分析装置１０７は、分析対象のカラムペアを絞り込むことができる。また、分析装置１０７は、分析の順番に基づいて分析を実行することによって、有用な結果を高速に得ることができる。すなわち、実施例１によれば、歩留まり分析を効率的に行い、かつ、精度を向上させることができる。
図３３は、実施例１の分析部３１４が実行する散布図生成処理の一例を説明するフローチャートである。
まず、分析部３１４は、特徴空間を設定する（ステップＳ１００１）。
具体的には、分析部３１４は、品質を示す値を格納するフィールドを軸とする特徴空間を設定する。なお、全てのフィールドを用いなくてもよい。この場合、特徴空間を構成するフィールドが予め指定される。
次に、分析部３１４は、分析データ管理情報３２０からターゲット分析データを選択する（ステップＳ１００２）。
次に、分析部３１４は、特徴空間におけるターゲット分析データの座標を決定する（ステップＳ１００３）。
具体的には、分析部３１４は、特徴空間を構成する軸に対応するフィールドの値の組を、特徴空間のターゲット分析データの座標に決定する。
次に、分析部３１４は、ターゲット分析データの表示色を決定する（ステップＳ１００４）。具体的には、以下のような処理が実行される。
分析部３１４は、分析データを構成する制御データ及び状態データに対応するカラムの中からターゲットカラムを選択する。
分析部３１４は、ターゲットカラムに対応するフィールドの値からインデックスを算出する。例えば、分析部３１４はカテゴリをインデックスとして算出する。分析部３１４は、インデックスに割り当てる色を決定する。色は、例えば、ランダムに設定される。ただし、異なるインデックスに割り当てられている色と重複しないように決定される。分析部３１４は、各フィールドに対して同様の処理を実行する。
なお、特定のカラムについてのみ表示色を決定してもよい。この場合、表示色を決定するカラムが予め指定される。以上がステップＳ１００４の処理の説明である。
次に、分析部３１４は、散布図情報４００を更新する（ステップＳ１００５）。
具体的には、分析部３１４は、座標、表示色、及びインデックスから構成されるデータを散布図情報４００に追加する。なお、一つのカラムに対して一つの散布図情報４００を生成する場合、分析部３１４は、一つのカラムの散布図情報４００に、座標及び表示色から構成されるデータを追加する。
次に、分析部３１４は、全ての分析データの処理が完了したか否かを判定する（ステップＳ１００６）。
全ての分析データの処理が完了していないと判定された場合、分析部３１４は、ステップＳ１００２に戻る。
全ての分析データの処理が完了したと判定された場合、分析部３１４は、散布図情報４００を記憶装置３０３に出力し（ステップＳ１００７）、散布図生成処理を終了する。
図３４は、実施例１の分析部３１４が実行するカラムスコア算出処理の一例を説明するフローチャートである。
分析部３１４は、ターゲットカラムに対応する散布図情報４００を取得し、ターゲットカラムに基づいてクラスタリングを実行する（ステップＳ１１０１）。なお、本発明はクラスタリングの手法に限定されない。例えば、ｋ−ｍｅａｎｓを用いる。
次に、分析部３１４は、クラスタリングの結果を評価するクラスタリングスコアを算出する（ステップＳ１１０２）。
例えば、分析部３１４は、クラスタリングを複数回実行する場合、クラスタリングを実行するたびに、クラスタの分離度をスコアとして算出する。
次に、分析部３１４は、終了条件を満たすか否かを判定する（ステップＳ１１０３）。
例えば、分析部３１４は、クラスタリングの実行回数が閾値以上であるか否かを判定する。
終了条件を満たさないと判定された場合、分析部３１４はステップＳ１１０１に戻る。
終了条件を満たすと判定された場合、分析部３１４は、カラムスコアを算出する（ステップＳ１１０４）。
例えば、分析部３１４は、クラスタリングスコアの平均値をカラムスコアとして算出する。なお、クラスタリングを複数回実行しない場合、分析部３１４は、クラスタリングスコアをカラムスコアとして算出してもよい。
図３５は、実施例１のユーザインタフェース３１６が表示するグラフ表示画面３５００の一例を示す図である。
グラフ表示画面３５００は、カラムのグラフに、カラムのインデックスに基づいて色分けされた散布図を表示する画面である。
可視化部３１５は、全射グラフ情報３２２及び散布図情報４００に基づいて、グラフ表示画面３５００を表示するためのグラフ表示情報４０２を生成する。
可視化部３１５は、分析者２０の要求に応じて、カラムのグラフのみを表示してもよい。この場合、可視化部３１５は、全射グラフ情報３２２に基づいて図３１Ａ又は図３１Ｂに示すカラムのグラフを表示するためのグラフ表示情報４０２を生成する。
分析者２０は、図３１Ａ及び図３１Ｂに示すカラムのグラフを参照することによって、分析データのフィールド間の関係性等、データ構造を把握できる。例えば、カラムＡに対応するフィールドの値に対して、カラムＢ及びカラムＤに対応するフィールドの値が一意に決まることを視覚的に理解できる。また、品名が同一であるが制御データ等が異なる等、新たな知見を視覚的に発見し、理解することができる。
また、分析者２０は、図３５に示すグラフを参照することによって、品質のバラツキの要因となるパラメータを視覚的に把握することができる。また、グラフ上の距離が近いパラメータを用いてデータの違い等を理解できる。
以上で説明した処理では、全単射のカラムペア及び全射のカラムペアを区別して処理しているが、全射のカラムペアのみを用いた処理でもよい。この場合、全単射判定処理は実行されない。また、グラフ生成処理では、あるカラムの親カラムが子カラムとして接続されるのを防止するために、全射グラフ生成部３１３は、ターゲットカラムがターゲットレコードの親カラムに一致し、かつ、ターゲットカラムのターゲットカラムに直接接続されるカラムがターゲットレコードの子カラムと異なる場合にのみステップＳ８０６の処理を実行する。
以上で説明したように、実施例１によれば、歩留まり分析を効率的に行い、かつ、精度を向上できる。また、分析者２０が視覚的に分析データの特徴及び歩留まり分析において重要なパラメータを把握することができる。
実施例２では、全射カラムペア情報３２１の生成方法が一部異なる。以下、実施例１との差異を中心に実施例２について説明する。
カラムのカテゴリの数が多い場合、カラム間の対応が全射又は全単射となる可能性は低いため、カラムの接続が多段となるカラムのグラフが生成されない。したがって、分析者２０に有用な情報を提示できない。
そこで、実施例２では、カラム間の対応が全射又は全単射となるようにデータの加工処理を実行する。
実施例２のシステム構成及び装置構成は実施例１と同一である。実施例２の情報のデータ構造は、実施例１と同一である。
実施例２のラベル生成部３１０が実行する処理は、実施例１の処理と同一である。実施例２では、カラム分析処理が一部異なる。具体的には、分析装置１０７は、ステップＳ２０２の処理の後にカテゴリ削除処理を実行する。図３６は、実施例２の分析装置１０７が実行するカラム削除処理の一例を説明するフローチャートである。
全射グラフ生成部３１３は、カーディナリティ情報１５００を参照して、ターゲットカラムを選択する（ステップＳ１２０１）。
次に、全射グラフ生成部３１３は、ターゲットカラムの閾値を算出する（ステップＳ１２０２）。
具体的には、全射グラフ生成部３１３は、カーディナリティ情報１５００を参照して、ターゲットカラムの各カテゴリに属する値の出現確率を算出する。全射グラフ生成部３１３は、出現確率の中央値を用いてターゲットカラムの閾値を算出する。例えば、出現確率の中央値に０．１を乗算した値を閾値として算出する。前述した閾値は、出現確率が低い値が属するカテゴリをノイズとして除去するために使用される。
なお、前述した算出方法は一例であってこれに限定されない。例えば、出現頻度に基づいて閾値を算出してもよい。また、機械学習を実行して閾値を決定してもよい。
次に、全射グラフ生成部３１３は、ターゲットカラムのカテゴリの中からターゲットカテゴリを選択する（ステップＳ１２０３）。
次に、全射グラフ生成部３１３は、ターゲットカテゴリに属する値の出現確率が閾値より小さいか否かを判定する（ステップＳ１２０４）。
ターゲットカテゴリに属する値の出現確率が閾値以上であると判定された場合、全射グラフ生成部３１３はステップＳ１２０６に進む。
ターゲットカテゴリに属する値の出現確率が閾値より小さいと判定された場合、全射グラフ生成部３１３は、カーディナリティ情報１５００からターゲットカテゴリを削除する。
ステップＳ１２０６では、全射グラフ生成部３１３は、ターゲットカラムの全てのカテゴリの処理が完了したか否かを判定する（ステップＳ１２０６）。
ターゲットカラムの全てのカテゴリの処理が完了していないと判定された場合、全射グラフ生成部３１３はステップＳ１２０３に戻る。
ターゲットカラムの全てのカテゴリの処理が完了したと判定された場合、全射グラフ生成部３１３は、全てのカラムの処理が完了したか否かを判定する（ステップＳ１２０７）。
全てのカラムの処理が完了していないと判定された場合、全射グラフ生成部３１３はステップＳ１２０１に戻る。
全てのカラムの処理が完了したと判定された場合、全射グラフ生成部３１３はカテゴリ削除処理を終了する。
ノイズとなるカテゴリを削除することによって、全射カラムペア又は全単射カラムペアとして検索されるカラムペアの数を増やすことができる。
実施例２では、カラム対応抽出処理が一部異なる。具体的には、ステップＳ４０２の処理の後に、全射グラフ生成部３１３は、カラムペアのカテゴリの数を削減する。親カラム及び子カラムのカテゴリの数が非常に多い場合、カラム間の対応が全射又は全単射となる可能性は低い。そこで、全射グラフ生成部３１３は、ＩＲＭ（Ｉｎｆｉｎｉｔｅ Ｒｅｌａｔｉｏｎａｌ Ｍｏｄｅｌ）等を用いて各カラムのカテゴリのクラスタリングを実行し、カテゴリの数を削減する。ＩＲＭは公知の技術であるため詳細な説明は省略する。
実施例２によれば、全単射カラムペア及び全射カラムペアとなるカラムペアを増やすことができるため、カラムの接続が多段となるカラムのグラフを生成できる。これによって、分析者２０に有用な情報を提示できる。
なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。また、例えば、上記した実施例は本発明を分かりやすく説明するために構成を詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、各実施例の構成の一部について、他の構成に追加、削除、置換することが可能である。
また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、本発明は、実施例の機能を実現するソフトウェアのプログラムコードによっても実現できる。この場合、プログラムコードを記録した記憶媒体をコンピュータに提供し、そのコンピュータが備えるプロセッサが記憶媒体に格納されたプログラムコードを読み出す。この場合、記憶媒体から読み出されたプログラムコード自体が前述した実施例の機能を実現することになり、そのプログラムコード自体、及びそれを記憶した記憶媒体は本発明を構成することになる。このようなプログラムコードを供給するための記憶媒体としては、例えば、フレキシブルディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、光ディスク、光磁気ディスク、ＣＤ−Ｒ、磁気テープ、不揮発性のメモリカード、ＲＯＭなどが用いられる。
また、各実施例に記載の機能を実現するプログラムコードは、例えば、アセンブラ、Ｃ／Ｃ＋＋、ｐｅｒｌ、Ｓｈｅｌｌ、ＰＨＰ、Ｊａｖａ（登録商標）等の広範囲のプログラム又はスクリプト言語で実装できる。
さらに、実施例の機能を実現するソフトウェアのプログラムコードを、ネットワークを介して配信することによって、それをコンピュータのハードディスクやメモリ等の記憶手段又はＣＤ−ＲＷ、ＣＤ−Ｒ等の記憶媒体に格納し、コンピュータが備えるプロセッサが当該記憶手段や当該記憶媒体に格納されたプログラムコードを読み出して実行するようにしてもよい。
上述の実施例において、制御線や情報線は、説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。全ての構成が相互に接続されていてもよい。
１０ 計画者
２０ 分析者
１００ 計画装置
１０１ コントローラ
１０２ 製造装置
１０３ 品質管理装置
１０４ センサ
１０５ 品質センサ
１０６ データ管理装置
１０７ 分析装置
１１０ 材料
１１１ 製品
１２０、１２１ ネットワーク
２０１、３０１ ＣＰＵ
２０２、３０２ メモリ
２０３、３０３ 記憶装置
２０４、３０４ ネットワークインタフェース
３０５ 入力装置
３０６ 出力装置
２１０ 制御データ管理情報
２１１ センサデータ管理情報
２１２ 処理範囲データ管理情報
２１３ 状態データ管理情報
２１４ 品質データ管理情報
３１０ ラベル生成部
３１１ データ結合部
３１２ データ修正部
３１３ 全射グラフ生成部
３１４ 分析部
３１５ 可視化部
３１６ ユーザインタフェース
３２０ 分析データ管理情報
３２１ 全射カラムペア情報
３２２ 全射グラフ情報
４００ 散布図情報
４０１ 分析結果
４０２ グラフ表示情報
５００ 出現頻度算出部
５０１ カラム対応抽出部
５０２ 全単射判定部
５０３ 全射判定部
５０４ グラフデータ生成部
５０５ ノイズ除去部
６００ 相関関係分析部
６０１ 分類精度評価部
６０２ 距離算出部
６０３ 分析順序決定部
７００ 表示データ生成部
１５００ カーディナリティ情報
１６００ カラム対応情報
３５００ グラフ表示画面

Claims (10)

  1. 製品を製造する複数の装置を有するシステムから取得された分析データを分析する計算機が実行する分析方法であって、
    前記計算機は、演算装置、前記演算装置に接続される記憶装置、及び前記演算装置に接続されるネットワークインタフェースを備え、
    前記分析データは、前記製品の製造に関するパラメータを格納する複数のフィールド、及び前記製品の品質を示す評価値を格納する少なくとも一つのフィールドから構成され、
    前記分析方法は、
    前記計算機が、前記分析データの各フィールドの値の集合をカラムとして管理する第１のステップと、
    前記計算機が、第一ターゲットカラムに属する値から第二ターゲットカラムに属する値への対応を分析し、前記対応が全射となる前記第一ターゲットカラム及び前記第二ターゲットカラムの組合せである全射カラムペアを特定する第２のステップと、
    前記計算機が、前記全射カラムペアの前記第一ターゲットカラム及び前記第二ターゲットカラムをノードとするグラフを接続することによって、前記カラムの接続関係を示す木構造の第一グラフを管理するためのグラフ情報を生成する第３のステップと、
    前記計算機が、前記グラフ情報を用いて、前記評価値に影響を与える前記パラメータを特定するための歩留まり分析を実行する第４のステップと、を含み、
    前記第２のステップは、
    前記計算機が、前記カラムに属する値を分類することによって一つ以上のカテゴリを生成する第５のステップと、
    前記計算機が、前記第一ターゲットカラムの前記カテゴリに属する値から前記第二ターゲットカラムの前記カテゴリに属する値への対応を分析する第６のステップと、を含み、
    前記第３のステップは、
    前記計算機が、第一ターゲット全射カラムペアを選択するステップと、
    前記計算機が、前記第一ターゲット全射カラムペアの前記第一ターゲットカラム及び前記第二ターゲットカラムをノードとするグラフを生成するステップと、
    前記計算機が、前記第一グラフの葉ノードに対応する末端カラムを選択するステップと、
    前記計算機が、前記第一ターゲット全射カラムペアの前記第一ターゲットカラムが前記末端カラムと一致するか否かを判定するステップと、
    前記計算機が、前記第一ターゲット全射カラムペアの前記第一ターゲットカラムが前記末端カラムと一致する場合、前記末端カラムに対応する葉ノードに前記第一ターゲット全射カラムペアの前記第二ターゲットカラムを接続するステップと、を含むことを特徴とする分析方法。
  2. 請求項１に記載の分析方法であって、
    前記第２のステップは、
    前記計算機が、前記対応が全単射となる前記第一ターゲットカラム及び前記第二ターゲットカラムの組合せである全単射カラムペアを特定するステップと、
    前記計算機が、前記全単射カラムペアを除くカラムの組合せの中から前記全射カラムペアを特定するステップと、を含み、
    前記第３のステップは、
    前記計算機が、ターゲット全単射カラムペアを選択するステップと、
    前記計算機が、前記ターゲット全単射カラムペアの前記第一ターゲットカラム及び前記第二ターゲットカラムをノードとするグラフを生成するステップと、
    前記計算機が、前記末端カラムを選択するステップと、
    前記計算機が、前記ターゲット全単射カラムペアの前記第一ターゲットカラムが前記末端カラムと一致し、かつ、前記ターゲット全単射カラムペアの前記第二ターゲットカラムが前記末端カラムに対応するノードと接続するノードに対応するカラムと異なるか否かを判定するステップと、
    前記計算機が、前記ターゲット全単射カラムペアの前記第一ターゲットカラムが前記末端カラムと一致し、かつ、前記ターゲット全単射カラムペアの前記第二ターゲットカラムが前記末端カラムに対応するノードと接続するノードに対応するカラムと異なる場合、前記末端カラムに対応する葉ノードに前記ターゲット全単射カラムペアの前記第二ターゲットカラムに対応するノードを接続するステップと、を含むことを特徴とする分析方法。
  3. 請求項１に記載の分析方法であって、
    前記第５のステップは、
    前記計算機が、前記カラムに属する値がアナログな値である場合、値の範囲を設定するステップと、
    前記計算機が、前記値の範囲に基づいて前記カテゴリを生成するステップと、を含むことを特徴とする分析方法。
  4. 請求項１に記載の分析方法であって、
    前記第６のステップは、前記計算機が、前記第一ターゲットカラムの前記カテゴリ及び前記第二ターゲットカラムの前記カテゴリの数を削減した後に、前記第一ターゲットカラムの前記カテゴリに属する値から前記第二ターゲットカラムの前記カテゴリに属する値への対応を分析するステップを含むことを特徴とする分析方法。
  5. 請求項１に記載の分析方法であって、
    前記第４のステップは、
    前記計算機が、前記評価値を軸とする特徴空間における前記分析データの位置を示す第二グラフのデータを生成するステップと、
    前記計算機が、前記各カラムに対して、特定のカラムに着目した前記特徴空間における前記分析データのクラスタリングを実行するステップと、
    前記計算機が、前記クラスタリングの結果に基づいて、前記クラスタリングを評価する第一スコアを算出するステップと、
    前記計算機が、第二ターゲット全射カラムペアを選択するステップと、
    前記計算機が、前記第二グラフにおける、前記第二ターゲット全射カラムペアの前記第一ターゲットカラム及び前記第二ターゲットカラムの距離を算出するステップと、
    前記計算機が、前記距離、並びに、前記第二ターゲット全射カラムペアの前記第一ターゲットカラム及び前記第二ターゲットカラムの各々の前記第一スコアに基づいて、前記歩留まり分析における前記全射カラムペアの分析順序を決定するための第二スコアを算出するステップと、
    前記計算機が、前記第二スコアに基づいて、前記歩留まり分析における前記全射カラムペアの分析順序を決定するステップと、を含むことを特徴とする分析方法。
  6. 製品を製造する複数の装置を有するシステムから取得された分析データを分析する計算機であって、
    前記分析データは、前記製品の製造に関するパラメータを格納する複数のフィールド、及び前記製品の品質を示す評価値を格納する少なくとも一つのフィールドから構成され、
    前記計算機は、
    演算装置、前記演算装置に接続される記憶装置、及び前記演算装置に接続されるネットワークインタフェースを備え、
    前記分析データの各フィールドの値の集合であるカラム間の対応を分析し、分析の結果に基づいて、前記対応によって関連するカラムを接続したグラフを生成するグラフ生成部と、前記グラフ及び前記分析データに基づいて、前記評価値に影響を与える前記パラメータを特定するための歩留まり分析を実行する分析部と、を有し、
    前記グラフ生成部は、
    前記カラムに属する値を分類することによって一つ以上のカテゴリを生成して、第一ターゲットカラムの前記カテゴリに属する値から第二ターゲットカラムの前記カテゴリに属する値への対応を分析して、前記対応が全射となる前記第一ターゲットカラム及び前記第二ターゲットカラムの組合せである全射カラムペアを特定し、
    前記全射カラムペアの前記第一ターゲットカラム及び前記第二ターゲットカラムをノードとするグラフを接続することによって、前記カラムの接続関係を示す木構造の第一グラフを管理するためのグラフ情報を生成し、
    前記分析部は、前記グラフ情報を用いて、前記歩留まり分析を実行し、
    前記グラフ情報を生成する処理において、前記グラフ生成部は、
    第一ターゲット全射カラムペアを選択し、
    前記第一ターゲット全射カラムペアの前記第一ターゲットカラム及び前記第二ターゲットカラムをノードとするグラフを生成し、
    前記第一グラフの葉ノードに対応する末端カラムを選択し、
    前記第一ターゲット全射カラムペアの前記第一ターゲットカラムが前記末端カラムと一致するか否かを判定し、
    前記第一ターゲット全射カラムペアの前記第一ターゲットカラムが前記末端カラムと一致する場合、前記末端カラムに対応する葉ノードに前記第一ターゲット全射カラムペアの前記第二ターゲットカラムに対応するノードを接続することを特徴とする計算機。
  7. 請求項６に記載の計算機であって、
    前記第一ターゲットカラムの前記カテゴリに属する値から前記第二ターゲットカラムの前記カテゴリに属する値への対応を分析する処理において、前記グラフ生成部は、前記対応が全単射となる前記第一ターゲットカラム及び前記第二ターゲットカラムの組合せである全単射カラムペアを特定し、前記全単射カラムペアを除くカラムの組合せの中から前記全射カラムペアを特定し、
    前記グラフ情報を生成する処理において、前記グラフ生成部は、
    ターゲット全単射カラムペアを選択し、
    前記ターゲット全単射カラムペアの前記第一ターゲットカラム及び前記第二ターゲットカラムをノードとするグラフを生成し、
    前記末端カラムを選択し、
    前記ターゲット全単射カラムペアの前記第一ターゲットカラムが前記末端カラムと一致し、かつ、前記ターゲット全単射カラムペアの前記第二ターゲットカラムが前記末端カラムに対応するノードと接続するノードに対応するカラムと異なるか否かを判定し、
    前記ターゲット全単射カラムペアの前記第一ターゲットカラムが前記末端カラムと一致し、かつ、前記ターゲット全単射カラムペアの前記第二ターゲットカラムが前記末端カラムに対応するノードと接続するノードに対応するカラムと異なる場合、前記末端カラムに対応するノードに前記ターゲット全単射カラムペアの前記第二ターゲットカラムに対応するノードを接続することを特徴とする計算機。
  8. 請求項６に記載の計算機であって、
    前記グラフ生成部は、
    前記カテゴリの生成対象の前記カラムに属する値がアナログな値である場合、値の範囲を設定し、
    前記値の範囲に基づいて前記カテゴリを生成することを特徴とする計算機。
  9. 請求項６に記載の計算機であって、
    前記グラフ生成部は、
    前記第一ターゲットカラムの前記カテゴリ及び前記第二ターゲットカラムの前記カテゴリの数を削減し、
    前記第一ターゲットカラムの前記カテゴリに属する値から前記第二ターゲットカラムの前記カテゴリに属する値への対応を分析することを特徴とする計算機。
  10. 請求項６に記載の計算機であって、
    前記分析部は、
    前記評価値を軸とする特徴空間における前記分析データの位置を示す第二グラフのデータを生成し、
    前記各カラムに対して、特定のカラムに着目した前記特徴空間における前記分析データのクラスタリングを実行し、
    前記クラスタリングの結果に基づいて、前記クラスタリングを評価する第一スコアを算出し、
    第二ターゲット全射カラムペアを選択し、
    前記第二グラフにおける、前記第二ターゲット全射カラムペアの前記第一ターゲットカラム及び前記第二ターゲットカラムの距離を算出し、
    前記距離、並びに、前記第二ターゲット全射カラムペアの前記第一ターゲットカラム及び前記第二ターゲットカラムの各々の前記第一スコアに基づいて、前記歩留まり分析における前記全射カラムペアの分析順序を決定するための第二スコアを算出し、
    前記第二スコアに基づいて、前記歩留まり分析における前記全射カラムペアの分析順序を決定することを特徴とする計算機。
JP2018144427A 2018-07-31 2018-07-31 分析方法及び計算機 Active JP6766103B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2018144427A JP6766103B2 (ja) 2018-07-31 2018-07-31 分析方法及び計算機
US16/356,697 US11126948B2 (en) 2018-07-31 2019-03-18 Analysis method and computer

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018144427A JP6766103B2 (ja) 2018-07-31 2018-07-31 分析方法及び計算機

Publications (2)

Publication Number Publication Date
JP2020021278A JP2020021278A (ja) 2020-02-06
JP6766103B2 true JP6766103B2 (ja) 2020-10-07

Family

ID=69228873

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018144427A Active JP6766103B2 (ja) 2018-07-31 2018-07-31 分析方法及び計算機

Country Status (2)

Country Link
US (1) US11126948B2 (ja)
JP (1) JP6766103B2 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112286920B (zh) * 2020-10-27 2023-02-21 浙江中控技术股份有限公司 一种设备运行状态监控方法、装置及设备

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0934721A (ja) * 1995-07-21 1997-02-07 Hitachi Ltd データ分析装置
JP3489279B2 (ja) * 1995-07-21 2004-01-19 株式会社日立製作所 データ分析装置
JP3739201B2 (ja) * 1998-03-06 2006-01-25 富士通株式会社 半導体チップの相関解析方法及び装置、半導体チップ歩留まり調整方法並びに記憶媒体
US6766283B1 (en) * 2000-10-13 2004-07-20 Insyst Ltd. System and method for monitoring process quality control
JP2005235041A (ja) * 2004-02-23 2005-09-02 Nippon Telegr & Teleph Corp <Ntt> 検索画像表示方法および検索画像表示プログラム
US7363195B2 (en) * 2004-07-07 2008-04-22 Sensarray Corporation Methods of configuring a sensor network
DE102006001257A1 (de) * 2005-12-30 2007-07-12 Advanced Micro Devices, Inc., Sunnyvale Automatisiertes Zustandabschätzungssystem für Cluster-Anlagen und Verfahren zum Betreiben des Systems
US7494893B1 (en) * 2007-01-17 2009-02-24 Pdf Solutions, Inc. Identifying yield-relevant process parameters in integrated circuit device fabrication processes
US8271103B2 (en) * 2007-05-02 2012-09-18 Mks Instruments, Inc. Automated model building and model updating
WO2012127572A1 (ja) * 2011-03-18 2012-09-27 富士通株式会社 秘匿データ処理方法、プログラム及び装置
US9396443B2 (en) * 2013-12-05 2016-07-19 Tokyo Electron Limited System and method for learning and/or optimizing manufacturing processes
US10698390B2 (en) * 2015-05-05 2020-06-30 The Lake Companies, Inc. System and method for monitoring and controlling a manufacturing environment
EP3594749A1 (en) * 2018-07-10 2020-01-15 ASML Netherlands B.V. Method to label substrates based on process parameters

Also Published As

Publication number Publication date
US20200042926A1 (en) 2020-02-06
JP2020021278A (ja) 2020-02-06
US11126948B2 (en) 2021-09-21

Similar Documents

Publication Publication Date Title
JP6243080B1 (ja) プリプロセッサおよび異常予兆診断システム
US10366371B2 (en) Method and apparatus for processing service requests
JP6850806B2 (ja) 電子データ構造から属性を抽出するための注釈システム
WO2018052015A1 (ja) システムの分析支援装置、システムの分析支援方法及びプログラム
JP2017091178A (ja) イベント解析装置、イベント解析システム、イベント解析方法、およびイベント解析プログラム
KR20070117472A (ko) 정보처리장치 및 정보처리방법과 컴퓨터 프로그램
JP6691082B2 (ja) 指標選択装置及びその方法
JP7145059B2 (ja) モデルの予測根拠提示システム及びモデルの予測根拠提示方法
JP5588811B2 (ja) データ分析支援システム及び方法
CN108885628A (zh) 数据分析方法候选决定装置
Gitzel Data Quality in Time Series Data: An Experience Report.
Goossens et al. Effective steering of customer journey via order-aware recommendation
KR20210157303A (ko) 이종 언어로 구현된 워크플로우 기반의 자동 예측 모델링 방법 및 그를 위한 장치
JP2020135171A (ja) 機械学習プログラム検証装置および機械学習プログラム検証方法
JP6766103B2 (ja) 分析方法及び計算機
CN110544052A (zh) 关系网络图的展示方法及装置
WO2020223184A1 (en) Analytical model training method for customer experience estimation
JP2006277282A (ja) モデル評価解析システムおよびモデル評価解析プログラム
JP7292235B2 (ja) 分析支援装置及び分析支援方法
JP6775740B1 (ja) 設計支援装置、設計支援方法及び設計支援プログラム
JP4308113B2 (ja) データ分析装置及びその方法、プログラム
JP2019003333A (ja) バグ混入確率計算プログラム及びバグ混入確率計算方法
JP2016157173A (ja) 抽出方法、情報処理装置、及び抽出プログラム
JPWO2020183538A1 (ja) 計算機システム及びデータレイクに格納されるデータを用いた処理方法
Telli et al. Detecting Novel Behavior and Process Enhancement with Multimodal Process Mining

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190422

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200625

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200707

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200825

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: 20200908

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200916

R150 Certificate of patent or registration of utility model

Ref document number: 6766103

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150