JP7276489B2 - 分析装置、制御方法、及びプログラム - Google Patents
分析装置、制御方法、及びプログラム Download PDFInfo
- Publication number
- JP7276489B2 JP7276489B2 JP2021553711A JP2021553711A JP7276489B2 JP 7276489 B2 JP7276489 B2 JP 7276489B2 JP 2021553711 A JP2021553711 A JP 2021553711A JP 2021553711 A JP2021553711 A JP 2021553711A JP 7276489 B2 JP7276489 B2 JP 7276489B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- target data
- test statistic
- test
- factor
- 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
- 238000004458 analytical method Methods 0.000 title claims description 61
- 238000000034 method Methods 0.000 title claims description 47
- 238000012360 testing method Methods 0.000 claims description 172
- 238000004364 calculation method Methods 0.000 claims description 36
- 230000007547 defect Effects 0.000 claims description 24
- 230000002950 deficient Effects 0.000 claims description 19
- 238000004519 manufacturing process Methods 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 21
- 238000012545 processing Methods 0.000 description 21
- 238000003860 storage Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 230000006872 improvement Effects 0.000 description 8
- 239000000463 material Substances 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 238000004040 coloring Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000000692 Student's t-test Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 238000012353 t test Methods 0.000 description 1
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
-
- 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
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Primary Health Care (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Medical Informatics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
Description
本発明はデータの分析に関する。
企業の業務内容の分析するためのシステムが開発されている。例えば特許文献１は、製品における異常の有無を検定によって判定する装置を開示している。より具体的には、特許文献１の装置は、製品の最終品質特性を表す変量について、目標値と実際の値とを比較する検定を行うことにより、異常の有無を判定する。そして、最終品質特性に異常がある場合、特許文献１の装置は、最終品質特性に関連するその他の変量についても、目標値と実際の値とを比較する検定を行うことにより、異常の有無を判定する。
特許文献１では、適切な変量の値を表す目標値が予め分かっていることが前提となっている。そのため、特許文献１の装置は、変量の目標値の特定には利用できない。
本発明は上記の課題に鑑みてなされたものであり、その目的の一つは、結果に影響を及ぼす要因について、その適切な値の把握を容易にする技術を提供することである。
本発明の分析装置は、１）要因に関する値である要因データと結果に関する値である結果データとのペアを示す対象データの集合と、要因データの数値範囲を分割する個数を示す分割個数情報を取得する取得部と、２）数値範囲を個数に分割する複数の境界値それぞれについて、対象データの集合に含まれる対象データをその境界値で２分割して得られる２つの標本における、結果データに関する差異を表す検定統計量を算出する算出部と、３）境界値ごとに算出された複数の検定統計量を示す検定統計量情報を生成する生成部と、を有する。
本発明の制御方法はコンピュータによって実行される。当該制御方法は、１）要因に関する値である要因データと結果に関する値である結果データとのペアを示す対象データの集合と、要因データの数値範囲を分割する個数を示す分割個数情報を取得する取得ステップと、２）数値範囲を個数に分割する複数の境界値それぞれについて、対象データの集合に含まれる対象データをその境界値で２分割して得られる２つの標本における、結果データに関する差異を表す検定統計量を算出する算出ステップと、３）境界値ごとに算出された複数の検定統計量を示す検定統計量情報を生成する生成ステップと、を有する。
本発明のプログラムは、コンピュータに、本発明の制御方法を実行させる。
結果に影響を及ぼす要因について、その適切な値の把握を容易にする技術が提供される。
以下、本発明の実施の形態について、図面を用いて説明する。尚、すべての図面において、同様な構成要素には同様の符号を付し、適宜説明を省略する。また各ブロック図において、特に説明がない限り、各ブロックは、ハードウエア単位の構成ではなく機能単位の構成を表している。
［実施形態１］
＜概要＞
図１は、本実施形態の分析装置２０００の概要を説明するための図である。なお、図１は、分析装置２０００に対する理解を容易にするための例示であり、分析装置２０００の機能は図１に表されているものに限定されない。
＜概要＞
図１は、本実施形態の分析装置２０００の概要を説明するための図である。なお、図１は、分析装置２０００に対する理解を容易にするための例示であり、分析装置２０００の機能は図１に表されているものに限定されない。
分析装置２０００は、複数の対象データ２０の集合である対象データ集合１０を取得する。対象データ２０は、要因の値（要因データ２２）と結果の値（結果データ２４）とを対応づけたデータである。例えば製品の製造では、特定の材料の含有量が製品の質に影響を及ぼしうる。そこで、要因データ２２としては特定の材料の含有量を示し、結果データ２４としては製品が不良品であるか否かを示すフラグ（以下、不良フラグ）を扱うことが考えられる。
分析装置２０００は、対象データ２０をそれぞれ異なる複数のパターンで２分割し、各パターンについて、２分割して得られる２つの集合（標本）の差異を表す検定統計量を算出する。そのために、分析装置２０００は、分割個数情報３０をさらに取得する。分割個数情報３０は、要因データ２２の数値範囲をいくつに分割するかを表す個数（以下、分割個数）を示す。
分析装置２０００は、分割個数情報３０によって示される分割個数で要因データ２２の数値範囲を分割する各境界の値を算出する。例えば、要因データ２２の数値範囲が０から１００であり、分割個数が４であるとする。この数値範囲を４等分する境界値は、２５、５０、及び７５である。そのため、これら３つの境界値が分析装置２０００によって特定される。
分析装置２０００は、特定した複数の境界値それぞれについて、以下の処理を行う。まず、分析装置２０００は、対象データ集合１０を、その境界値を境界として２つの集合（以下、第１標本と第２標本）に分割する。これにより、分割個数に等しい数の第１標本と第２標本のペア（以下、標本ペア）が得られる。
さらに、分析装置２０００は、境界値ごとに、その境界値に基づく分割で得られた標本ペアについて、結果データ２４に関する差異を表す検定統計量を算出する。例えば結果データ２４が不良フラグであるとする。この場合、例えば分析装置２０００は、第１標本における製品の不良率（製品の総数に対する不良品の割合）と、第２標本における製品の不良率との差を表す検定統計量を算出する。
図２は、標本ペアごとに検定統計量を算出する処理を概念的に例示する図である。図２のグラフは、横軸に要因データ２２の値を示し、縦軸に結果データ２４の値を示している。結果データ２４は不良率を示す。この例において、分割個数は４である。そのため、３つの境界値 b1, b2, 及び b3 が算出されている。なお、横軸における min と max はそれぞれ、要因データ２２の数値範囲の上限値と下限値である。
分析装置２０００は、境界値 b1 を用い、対象データ集合１０を、要因データ２２が b1 以下である対象データ２０を含む第１標本と、要因データ２２が b1 より大きい対象データ２０を含む第２標本とに分割する。そして、分析装置２０００は、境界値 b1 に対応する検定統計量として、上記第１標本と第２標本における結果データ２４に関する差異を表す検定統計量を算出する。例えば結果データ２４が、製品が不良品であるか否かを示す場合、第１標本と第２標本それぞれについて不良率を算出し、算出した不良率の差異を表す検定統計量を算出することが考えられる。同様に、分析装置２０００は、境界値 b2 を用いて得られる第１標本と第２標本における結果データ２４に関する差異を表す検定統計量と、境界値 b3 を用いて得られる第１標本と第２標本における結果データ２４の差異を表す検定統計量も算出する。
分析装置２０００は、算出した複数の検定統計量を示す検定統計量情報を生成する。例えば検定統計量情報は、境界値とその境界値を基準とした分割によって得られた標本ペアとの対応付けを示す図表である。図１では、検定統計量情報４０として、横軸に境界値を示し、縦軸にその境界値について算出された検定統計量を示す折れ線グラフが生成されている。
＜作用効果の一例＞
本実施形態の分析装置２０００によれば、「要因データ２２の値に基づいて対象データ集合１０を２つの標本に分割し、これら２つの標本について、結果データ２４に関する差異を表す検定統計量を算出する」という処理が、それぞれ異なる境界値を用いる複数のパターンで行われる。そして、これら複数のパターンそれぞれについて得られた検定統計量を示す検定統計量情報４０が出力される。このような検定統計量情報４０を見たユーザは、「良い結果を得るためには要因データ２２の値をどのようにすることが適切か」ということを、容易に把握することができる。すなわち、分析装置２０００によれば、結果データ２４との関係において、要因データ２２をどのような値にすることが適切であるかということを、的確かつ容易に把握することができる。
本実施形態の分析装置２０００によれば、「要因データ２２の値に基づいて対象データ集合１０を２つの標本に分割し、これら２つの標本について、結果データ２４に関する差異を表す検定統計量を算出する」という処理が、それぞれ異なる境界値を用いる複数のパターンで行われる。そして、これら複数のパターンそれぞれについて得られた検定統計量を示す検定統計量情報４０が出力される。このような検定統計量情報４０を見たユーザは、「良い結果を得るためには要因データ２２の値をどのようにすることが適切か」ということを、容易に把握することができる。すなわち、分析装置２０００によれば、結果データ２４との関係において、要因データ２２をどのような値にすることが適切であるかということを、的確かつ容易に把握することができる。
ここで、データ分析を適切に行うためには、高度な統計知識が必要である。そのため、そのような知識を有するスペシャリスト以外がデータ分析を行おうとすると、多くの時間を要したり、分析に誤りが生じたりする恐れがある。この点、分析装置２０００では、データを複数のパターンで分割する処理や、パターンごとに検定統計量を算出するといった処理が自動で行われるため、高度な統計知識を持たない人（例えば、企業の業務担当者など）であっても、結果データ２４に影響を与える要因データ２２について、その適切な値を的確かつ容易に把握することができる。
以下、本実施形態についてさらに詳細を述べる。
＜機能構成の例＞
図３は、実施形態１の分析装置２０００の機能構成を例示する図である。分析装置２０００は、取得部２０２０、算出部２０４０、及び生成部２０６０を有する。取得部２０２０は、対象データ集合１０及び分割個数情報３０を取得する。算出部２０４０は、要因データ２２の数値範囲を分割個数情報３０が示す分割個数に分割する複数の境界値を算出する。また、算出部２０４０は、複数の境界値それぞれについて、その境界値で対象データ集合１０を２分割して得られる第１標本と第２標本における結果データ２４に関する差異を表す検定統計量を算出する。生成部２０６０は、算出された複数の検定統計量を示す検定統計量情報を生成する。
図３は、実施形態１の分析装置２０００の機能構成を例示する図である。分析装置２０００は、取得部２０２０、算出部２０４０、及び生成部２０６０を有する。取得部２０２０は、対象データ集合１０及び分割個数情報３０を取得する。算出部２０４０は、要因データ２２の数値範囲を分割個数情報３０が示す分割個数に分割する複数の境界値を算出する。また、算出部２０４０は、複数の境界値それぞれについて、その境界値で対象データ集合１０を２分割して得られる第１標本と第２標本における結果データ２４に関する差異を表す検定統計量を算出する。生成部２０６０は、算出された複数の検定統計量を示す検定統計量情報を生成する。
＜分析装置２０００のハードウエア構成の例＞
分析装置２０００の各機能構成部は、各機能構成部を実現するハードウエア（例：ハードワイヤードされた電子回路など）で実現されてもよいし、ハードウエアとソフトウエアとの組み合わせ（例：電子回路とそれを制御するプログラムの組み合わせなど）で実現されてもよい。以下、分析装置２０００の各機能構成部がハードウエアとソフトウエアとの組み合わせで実現される場合について、さらに説明する。
分析装置２０００の各機能構成部は、各機能構成部を実現するハードウエア（例：ハードワイヤードされた電子回路など）で実現されてもよいし、ハードウエアとソフトウエアとの組み合わせ（例：電子回路とそれを制御するプログラムの組み合わせなど）で実現されてもよい。以下、分析装置２０００の各機能構成部がハードウエアとソフトウエアとの組み合わせで実現される場合について、さらに説明する。
図４は、分析装置２０００を実現するための計算機１０００を例示する図である。計算機１０００は、任意の計算機である。例えば計算機１０００は、PC（Personal Computer）やサーバマシンなどといった、据え置き型の計算機である。その他にも例えば、計算機１０００は、スマートフォンやタブレット端末などといった可搬型の計算機である。
計算機１０００は、分析装置２０００を実現するために設計された専用の計算機であってもよいし、汎用の計算機であってもよい。後者の場合、例えば、計算機１０００に対して所定のアプリケーションをインストールすることにより、計算機１０００で、分析装置２０００の各機能が実現される。上記アプリケーションは、分析装置２０００の機能構成部を実現するためのプログラムで構成される。
計算機１０００は、バス１０２０、プロセッサ１０４０、メモリ１０６０、ストレージデバイス１０８０、入出力インタフェース１１００、及びネットワークインタフェース１１２０を有する。バス１０２０は、プロセッサ１０４０、メモリ１０６０、ストレージデバイス１０８０、入出力インタフェース１１００、及びネットワークインタフェース１１２０が、相互にデータを送受信するためのデータ伝送路である。ただし、プロセッサ１０４０などを互いに接続する方法は、バス接続に限定されない。
プロセッサ１０４０は、CPU（Central Processing Unit）、GPU（Graphics Processing Unit）、FPGA（Field－Programmable Gate Array）などの種々のプロセッサである。メモリ１０６０は、RAM（Random Access Memory）などを用いて実現される主記憶装置である。ストレージデバイス１０８０は、ハードディスク、SSD（Solid State Drive）、メモリカード、又は ROM（Read Only Memory）などを用いて実現される補助記憶装置である。
入出力インタフェース１１００は、計算機１０００と入出力デバイスとを接続するためのインタフェースである。例えば入出力インタフェース１１００には、キーボードなどの入力装置や、ディスプレイ装置などの出力装置が接続される。
ネットワークインタフェース１１２０は、計算機１０００を通信網に接続するためのインタフェースである。この通信網は、例えば LAN（Local Area Network）や WAN（Wide Area Network）である。
ストレージデバイス１０８０は、分析装置２０００の各機能構成部を実現するプログラム（前述したアプリケーションを実現するプログラム）を記憶している。プロセッサ１０４０は、このプログラムをメモリ１０６０に読み出して実行することで、分析装置２０００の各機能構成部を実現する。
＜分析装置２０００の利用環境の例＞
分析装置２０００の理解を容易にするため、分析装置２０００の利用環境の一例を説明する。図５は、分析装置２０００の利用環境を例示する図である。
分析装置２０００の理解を容易にするため、分析装置２０００の利用環境の一例を説明する。図５は、分析装置２０００の利用環境を例示する図である。
図５において、分析装置２０００は、ネットワークを介してユーザ端末６０と接続されている。ユーザは、ユーザ端末６０を操作して、対象データ集合１０について検定統計量情報４０を提供するように、分析装置２０００に対してリクエストを送信する。例えば当該リクエストには、対象データ集合１０に関する条件を表す情報及び分割個数情報３０が含まれている。分析装置２０００は、リクエストに示されている条件に該当する対象データ集合１０を取得し、その対象データ集合１０と分割個数情報３０を用いて、検定統計量情報４０の生成を行う。そして、分析装置２０００は、生成した検定統計量情報４０をユーザ端末６０へ送信する。
例えば、分析装置２０００は、検定統計量情報４０を含む画面データ（例えば Web ページ）をユーザ端末６０に対して提供する。この場合、ユーザ端末６０は、受信した Web ページをブラウザで表示する。こうすることで、ユーザは、検定統計量情報４０を閲覧することができる。
分析装置２０００の利用環境は、図５に示したものに限定されない。例えば、分析装置２０００は、ユーザ端末６０を介して利用されるのではなく、直接ユーザに操作されてもよい。
＜処理の流れ＞
図６は、実施形態１の分析装置２０００によって実行される処理の流れを例示するフローチャートである。取得部２０２０は、対象データ集合１０を取得する（Ｓ１０２）。取得部２０２０は、分割個数情報３０を取得する（Ｓ１０４）。算出部２０４０は、要因データ２２の数値範囲を分割個数情報３０に示されている分割個数に分割する複数の境界値を算出する（Ｓ１０６）。
図６は、実施形態１の分析装置２０００によって実行される処理の流れを例示するフローチャートである。取得部２０２０は、対象データ集合１０を取得する（Ｓ１０２）。取得部２０２０は、分割個数情報３０を取得する（Ｓ１０４）。算出部２０４０は、要因データ２２の数値範囲を分割個数情報３０に示されている分割個数に分割する複数の境界値を算出する（Ｓ１０６）。
Ｓ１０８からＳ１１４は、各境界値について実行されるループ処理Ａである。Ｓ１０８において、算出部２０４０は、既に全ての境界値を対象としてループ処理Ａを実行したか否かを判定する。既に全ての境界値を対象としてループ処理Ａを実行した場合、図６の処理はＳ１１６に進む。一方、まだループ処理Ａの対象としていない境界値がある場合、算出部２０４０はその中の１つを選択する。そして、図６の処理はＳ１１０に進む。なお、ここで選択された境界値を境界値ｉと呼ぶ。
算出部２０４０は、境界値ｉで対象データ集合１０を２分割して、第１標本と第２標本を生成する（Ｓ１１０）。算出部２０４０は、第１標本と第２標本について、結果データ２４に関する検定統計量を算出する（Ｓ１１２）。Ｓ１１４はループ処理Ａの終端であるため、図６の処理はＳ１０８に進む。
ループ処理Ａの後、生成部２０６０は、算出された複数の検定統計量について検定統計量情報４０を生成する（Ｓ１１６）。生成部２０６０は、検定統計量情報４０を出力する（Ｓ１１８）。
＜対象データ集合１０について＞
対象データ集合１０は、要因データ２２と結果データ２４とのペアである対象データ２０を複数含む集合である。各対象データ２０は、例えば、同一の処理や作業をそれぞれ異なる時点で行った各ケースについてのデータを示す。例えば前述したように、対象データ２０が、要因データ２２と結果データ２４にそれぞれ、特定の材料の含有量と、その含有量の材料を用いて製造された製品が不良品であったか否かを示しているとする。この場合、例えば各対象データ２０は、それぞれ異なる時点に製造された製品について、その時点に製造した製品に使用した上記特性の材料の含有量と、その製品が不良品であるか否かとを示している。
対象データ集合１０は、要因データ２２と結果データ２４とのペアである対象データ２０を複数含む集合である。各対象データ２０は、例えば、同一の処理や作業をそれぞれ異なる時点で行った各ケースについてのデータを示す。例えば前述したように、対象データ２０が、要因データ２２と結果データ２４にそれぞれ、特定の材料の含有量と、その含有量の材料を用いて製造された製品が不良品であったか否かを示しているとする。この場合、例えば各対象データ２０は、それぞれ異なる時点に製造された製品について、その時点に製造した製品に使用した上記特性の材料の含有量と、その製品が不良品であるか否かとを示している。
ここで、対象データ２０として、複数の説明変数の値から目的変数の値を推定する推定モデルを学習するための学習データを利用してもよい。例えば、「製品の製造条件を表す１つ上の指標それぞれに基づいて、その製造条件下で生成される製品に関する指標を推定する」という推定モデルを生成するとする。この場合、製造条件を表す各指標が説明変数を表し、製造された製品に関する指標が目的変数を表す。製造条件を表す指標は、例えば、気温や湿度などの環境や、各材料の含有量などである。製品に関する指標は、例えば、製品が不良品であるか否かのフラグ、製品に関する特定の性能を表す指標などである。
上述した説明変数の値と目的変数の値はそれぞれ、要因データ２２と結果データ２４として捉えることができる。そこで例えば、このような推定モデルの生成に利用される学習データを、対象データ２０として利用することができる。
取得部２０２０は、対象データ集合１０を取得する（Ｓ１０２）。取得部２０２０が対象データ集合１０を取得する方法は様々である。例えば取得部２０２０は、対象データ集合１０が格納されている記憶装置から対象データ集合１０を取得する。その他にも例えば、取得部２０２０は、他の装置から送信された対象データ集合１０を受信することで、対象データ集合１０を取得してもよい。
ここで、記憶装置に複数の対象データ集合１０が格納されている場合、取得部２０２０は、検定統計量情報４０の生成対象とすべき対象データ集合１０を特定し、特定した対象データ集合１０を記憶装置から取得する。この場合、例えば取得部２０２０は、取得すべき対象データ集合１０についての条件を取得し、その条件に合致する対象データ集合１０を取得する。
対象データ集合１０についての条件は、例えば、対象データ集合１０の識別情報（名称など）、対象データ集合１０が得られた期間、対象データ集合１０に関連する場所（例えば、製品の製造場所など）などといった条件である。ここで、対象データ集合１０が推定モデルの生成に利用される場合、対象データ集合１０の識別情報として、対象データ集合１０を利用して生成された推定モデルの識別情報を利用してもよい。対象データ集合１０に関するこれらの条件を表す情報は、例えば、前述したユーザ端末６０から送信されるリクエストに含まれる。
なお、記憶装置に格納されている対象データ２０は、対象データ集合１０という単位で分けられていなくてもよい。この場合、例えば取得部２０２０は、対象データ集合１０に含める対象データ２０の条件を取得し、その条件に合致する対象データ２０を記憶装置から取得する。そして、取得部２０２０は、取得した対象データ２０のまとまりを対象データ集合１０として扱う。対象データ２０に関する条件は、例えば、対象データ２０が得られた期間や、対象データ２０に関連する場所（例えば、製品の製造場所）などである。
その他にも例えば、検定統計量情報４０の生成を行う前に既に対象データ集合１０を利用した何らかの処理が行われている場合、分析装置２０００は、そのような別の処理から対象データ集合１０を引き継ぐことで、対象データ集合１０を取得してもよい。対象データ集合１０を利用した別の処理としては、例えば、対象データ集合１０を利用して推定モデルを生成する処理や、グラフなどを用いて対象データ集合１０を可視化する処理などが考えられる。
例えば、これらの処理の結果を表す画面に、その処理で利用した対象データ集合１０について検定統計量情報４０の生成を要求するインタフェース（ボタンなど）を設けておく。分析装置２０００は、このインタフェースを利用した要求に応じて、検定統計量情報４０の生成を行って出力する。これにより、ユーザは、推定モデルの生成に利用した対象データ集合１０や、可視化した対象データ集合１０について、その対象データ集合１０を別の観点で分析した検定統計量情報４０という情報を容易に得ることができる。
なお、推定モデルの生成などの処理を行った装置が分析装置２０００とは異なる装置である場合、その装置からの要求に、対象データ集合１０の識別情報や対象データ集合１０そのものを含めておく。これにより、分析装置２０００が対象データ集合１０を取得することができる。
なお、対象データ２０の中に、複数種類の要因それぞれについてのデータが含まれる場合、どの要因に着目して対象データ集合１０を標本分割するか（すなわち、要因データ２２としてどの要因についてのデータを扱うか）を特定する必要がある。その特定方法は任意である。例えば取得部２０２０は、要因データ２２としてどの要因についてのデータを扱うか指定する入力を、ユーザから受け付ける。その他にも例えば、前述したように別の処理から対象データ集合１０を引き継ぐ場合、当該別の処理で着目していた要因についてのデータを、要因データ２２として扱うようにする。例えば、或る要因についてのデータを可視化する処理から対象データ集合１０を引き継いだ場合、可視化されていた要因についてのデータを要因データ２２として扱う。
＜分割個数情報３０の取得：Ｓ１０４＞
取得部２０２０は分割個数情報３０を取得する（Ｓ１０４）。取得部２０２０が分割個数情報３０を取得する方法は様々である。例えば取得部２０２０は、記憶装置に格納されている分割個数情報３０を取得する。その他にも例えば、取得部２０２０は、分割個数を入力するユーザ操作を受け付けることで、分割個数情報３０を取得してもよい。その他にも例えば、取得部２０２０は、他の装置から送信された分割個数情報３０を受信することで、分割個数情報３０を取得してもよい。この場合、例えば分割個数情報３０は、前述したユーザ端末６０から送信されるリクエストに含まれる。
取得部２０２０は分割個数情報３０を取得する（Ｓ１０４）。取得部２０２０が分割個数情報３０を取得する方法は様々である。例えば取得部２０２０は、記憶装置に格納されている分割個数情報３０を取得する。その他にも例えば、取得部２０２０は、分割個数を入力するユーザ操作を受け付けることで、分割個数情報３０を取得してもよい。その他にも例えば、取得部２０２０は、他の装置から送信された分割個数情報３０を受信することで、分割個数情報３０を取得してもよい。この場合、例えば分割個数情報３０は、前述したユーザ端末６０から送信されるリクエストに含まれる。
＜境界値の算出：Ｓ１０６＞
算出部２０４０は、分割個数情報３０に示されている分割個数で要因データ２２の数値範囲を分割する複数の境界値を算出する（Ｓ１０６）。そのため、算出部２０４０は、要因データ２２の数値範囲を特定する。例えば算出部２０４０は、対象データ集合１０に含まれる要因データ２２の中で最小のものを下限値とし、対象データ集合１０に含まれる要因データ２２の中で最大のものを上限値とする数値範囲を、要因データ２２の数値範囲として扱う。
算出部２０４０は、分割個数情報３０に示されている分割個数で要因データ２２の数値範囲を分割する複数の境界値を算出する（Ｓ１０６）。そのため、算出部２０４０は、要因データ２２の数値範囲を特定する。例えば算出部２０４０は、対象データ集合１０に含まれる要因データ２２の中で最小のものを下限値とし、対象データ集合１０に含まれる要因データ２２の中で最大のものを上限値とする数値範囲を、要因データ２２の数値範囲として扱う。
その他にも例えば、算出部２０４０は、対象データ集合１０に含まれる対象データ２０のうちの一部を除外してから、要因データ２２の数値範囲を特定してもよい。この場合、例えば算出部２０４０は、当該除外後の対象データ集合１０に含まれる要因データ２２の最小値と最大値をそれぞれ下限値と上限値とする数値範囲を、要因データ２２の数値範囲として扱う。対象データ集合１０から除外される対象データ２０は、例えば、要因データ２２が外れ値を示すものである。なお、複数の数値から外れ値を特定する方法には、既存の種々の方法を利用できる。
その他にも例えば、算出部２０４０は、要因データ２２の数値範囲を定めた情報を取得してもよい。この場合、要因データ２２の数値範囲の下限値が、対象データ集合１０に含まれる要因データ２２の最小値よりも小さかったり、要因データ２２の数値範囲の上限値が、対象データ集合１０に含まれる要因データ２２の最大値よりも大きかったりしてもよい。
算出部２０４０は、特定した要因データ２２の数値範囲を分割個数情報３０が示す分割個数に等分する各境界値を算出する。このような境界値は、例えば以下の式（１）で算出することができる。
b_i=(max-min)/N*i (1)
ここで、bi は、最小のものから数えて i 番目の境界値を表す。max は要因データ２２の数値範囲の上限値を表し、min は要因データ２２の数値範囲の下限値を表す。N は分割個数を表す。なお、境界値の数は N-1 個となる。
b_i=(max-min)/N*i (1)
ここで、bi は、最小のものから数えて i 番目の境界値を表す。max は要因データ２２の数値範囲の上限値を表し、min は要因データ２２の数値範囲の下限値を表す。N は分割個数を表す。なお、境界値の数は N-1 個となる。
＜標本ペアの生成：Ｓ１１０＞
算出部２０４０は、各境界値について、対象データ集合１０をその境界値で２分割して、標本ペア（第１標本と第２標本）を生成する（Ｓ１１０）。例えば算出部２０４０は、対象データ集合１０を、境界値以下の要因データ２２を示す対象データ２０の集合と、境界値より大きい要因データ２２を示す対象データ２０の集合とに２分割する。前者が第１標本として扱われ、後者が第２標本として扱われる。ただし、算出部２０４０は、境界値より小さい要因データ２２を示す対象データ２０の集合を生成して第１標本とし、境界値以上の要因データ２２を示す対象データ２０の集合を生成して第２標本としてもよい。
算出部２０４０は、各境界値について、対象データ集合１０をその境界値で２分割して、標本ペア（第１標本と第２標本）を生成する（Ｓ１１０）。例えば算出部２０４０は、対象データ集合１０を、境界値以下の要因データ２２を示す対象データ２０の集合と、境界値より大きい要因データ２２を示す対象データ２０の集合とに２分割する。前者が第１標本として扱われ、後者が第２標本として扱われる。ただし、算出部２０４０は、境界値より小さい要因データ２２を示す対象データ２０の集合を生成して第１標本とし、境界値以上の要因データ２２を示す対象データ２０の集合を生成して第２標本としてもよい。
＜検定統計量の算出：Ｓ１１２＞
算出部２０４０は、各境界値について、その境界値を用いて生成された第１標本と第２標本における結果データ２４に関する差異を表す検定統計量を算出する（Ｓ１１２）。ここで、このように２つの標本を比較する検定としては、比率の差の検定や、平均値の差の検定などがある。算出部２０４０は、これらの検定に利用できる検定統計量を算出する。検定統計量の種類としては、２標本ｔ検定量などといった種々の種類を採用できる。
算出部２０４０は、各境界値について、その境界値を用いて生成された第１標本と第２標本における結果データ２４に関する差異を表す検定統計量を算出する（Ｓ１１２）。ここで、このように２つの標本を比較する検定としては、比率の差の検定や、平均値の差の検定などがある。算出部２０４０は、これらの検定に利用できる検定統計量を算出する。検定統計量の種類としては、２標本ｔ検定量などといった種々の種類を採用できる。
例えば、第１標本と第２標本について比率の差の検定を行うとする。この場合、算出部２０４０は、第１標本に含まれる結果データ２４に関する所定の種類の比率と、第２標本に含まれる結果データ２４に関する所定の種類の比率との差異を表す検定統計量を算出する。例えば、結果データ２４が不良フラグである場合、結果データ２４に関する所定の種類の比率として、不良率（標本に含まれる対象データ２０の総数に対する、要因データ２２が不良品であることを示している対象データ２０の数の割合）を利用できる。
なお、検定の種類や検定統計量の種類は、予め固定で定められていてもよいし、ユーザ入力等によって指定可能であってもよい。
＜検定統計量情報４０の生成：Ｓ１１６＞
生成部２０６０は、境界値ごとに算出された検定統計量を示す検定統計量情報４０を生成する（Ｓ１１６）。検定統計量情報４０は、境界値と、その境界値について算出された検定統計量とを対応づけて表す。このような情報には、図表などといった種々の形式の情報を採用できる。
生成部２０６０は、境界値ごとに算出された検定統計量を示す検定統計量情報４０を生成する（Ｓ１１６）。検定統計量情報４０は、境界値と、その境界値について算出された検定統計量とを対応づけて表す。このような情報には、図表などといった種々の形式の情報を採用できる。
例えば検定統計量情報４０は、境界値と検定統計量との対応付けを表すテーブルを含む。図７は、テーブルとして実現される検定統計量情報４０を例示する図である。図７のテーブルをテーブル５０と呼ぶ。テーブル５０は、境界値５２及び検定統計量５４を有する。図７において、テーブル５０の１つのレコードは、境界値と、その境界値で対象データ集合１０を分割して得た２つの標本について算出された検定統計量とを対応づけて示す。
検定統計量情報４０は、境界値と検定統計量との対応付けを表すグラフ（以下、検定統計量グラフ）であってもよい。図８は、検定統計量グラフ７０として実現される検定統計量情報４０を例示する図である。検定統計量グラフ７０において、X軸は境界値を表し、Y軸は検定統計量を表す。
検定統計量グラフ７０では、境界値と検定統計量との各対応付けがプロットされており、これらのプロットを連結した折れ線が表示されている。なお、グラフの種類は折れ線グラフに限定されず、棒グラフなどといった様々な種類のグラフを採用できる。
検定統計量グラフ７０には、さらに、検定統計量の閾値を表す閾値表示７４が含まれる。閾値表示７４は、有意水準に基づいて得られる検定統計量の閾値を表す。検定統計量グラフ７０において、閾値表示７４が表す閾値以上の検定統計量は、統計的に有意な値である。すなわち、検定統計量が閾値を超えている場合、その検定統計量に対応する境界値で分けられた２つの標本には、統計的に有意な差があるといえる。このように検定統計量グラフ７０に閾値表示７４を含めることで、各境界値に対応する検定統計量が統計的に有意な値であるか否かを、容易に把握することができる。
例えば図８において、結果データ２４は不良フラグであり、要因データ２２は成分Ａの含有量を表しているとする。また、標本間で不良率の差の検定が行われているとする。また、第２標本の方が第１標本よりも不良率が高い場合に、検定統計量が正の値になるとする。
検定統計量グラフ７０を見ると、境界値が b3 以下のケースでは、検定統計量が閾値より小さくなっている。一方、境界値が b4 以上のケースでは、検定統計量が閾値よりも大きくなっている。このことから、成分Ａの含有量が b4 以上である製品と、成分Ａの含有量が b4 未満である製品とを比較すると、製品の不良率に有意な差があることが分かる。そのため、図８の検定統計量グラフ７０を見ることで、ユーザは、「不良率を低くするためには、成分Ａの含有量を b4 未満にすることで好適である」ということを容易に把握することができる。
なお、図８では、閾値表示７４よりも上のエリアに色（図示の都合上、パターン）を付けることで、統計検定量が閾値以上である箇所とそれ以外をより容易に把握できるようにしている。色付けは、閾値表示７４よりも下のエリアに対してさらに行われてもよい。また、色づけは、閾値表示７４よりも上のエリアについては行わず、下のエリアのみに行うようにしてもよい。
また、生成部２０６０は、検定統計量グラフ７０において、閾値以上の検定統計量を表すプロットを強調表示してもよい。強調表示の方法としては、プロットのサイズを大きくする、プロットの形状を変える、プロットを点滅させるなどといった種々の方法を採用できる。
検定統計量の閾値は、有意水準を検定統計量に変換することで得ることができる。例えば有意水準が 5% であり、検定統計量の種類が t 値であるとする。この場合、5 % という有意水準を表す p 値＝0.05 を t 値に変換することで、t 値の閾値を得ることができる。なお、有意水準を表す値を検定統計量に変換する具体的な方法には、検定統計量の種類に応じた既存の手法を利用することができる。
有意水準は、予め固定で定められていてもよいし、ユーザによって指定されてもよい。例えば分析装置２０００は、分割個数、検定の種類、及び有意水準などといった情報を指定できる画面をユーザに提供する。
図９は、ユーザに提供される画面を例示する図である。図９の画面８０には、入力エリア８２、８４、及び８６が含まれている。これらはそれぞれ、検定の種類、有意水準、及び分割個数を指定できる入力エリアである。なお、分割個数は検定の粒度とも言えるため、図９では「検定粒度」と表記されている。ユーザは、これらの入力エリアに情報を入力した後、検定を実行するためのボタン８８を押下する。その結果、図８で説明した検定統計量グラフ７０が表示されている。なお、検定統計量グラフ７０は、画面８０内に表示されてもよいし、画面８０とは別の画面に表示されてもよい。なお、ボタン８８は必須ではなく、各入力エリアに入力が行われたら、その内容を反映した検定統計量グラフ７０が自動的に生成・表示されるようにしてもよい。
＜検定統計量情報４０の出力：１１８＞
生成部２０６０は、生成した検定統計量情報４０を出力する（Ｓ１１８）。検定統計量情報４０の出力先は任意である。例えば生成部２０６０は、分析装置２０００からアクセス可能なディスプレイ装置に、検定統計量情報４０を表示させる。その他にも例えば、生成部２０６０は、分析装置２０００からアクセス可能な記憶装置に検定統計量情報４０を格納する。その他にも例えば、生成部２０６０は、分析装置２０００からアクセス可能な他の装置（例えばユーザ端末６０）に検定統計量情報４０を送信する。
生成部２０６０は、生成した検定統計量情報４０を出力する（Ｓ１１８）。検定統計量情報４０の出力先は任意である。例えば生成部２０６０は、分析装置２０００からアクセス可能なディスプレイ装置に、検定統計量情報４０を表示させる。その他にも例えば、生成部２０６０は、分析装置２０００からアクセス可能な記憶装置に検定統計量情報４０を格納する。その他にも例えば、生成部２０６０は、分析装置２０００からアクセス可能な他の装置（例えばユーザ端末６０）に検定統計量情報４０を送信する。
＜ヒストグラムの表示＞
生成部２０６０は、対象データ集合１０に含まれる要因データ２２についてのヒストグラムを生成し、このヒストグラムと検定統計量情報４０を一緒に出力してもよい。例えばヒストグラムと検定統計量情報４０は、同一の画面に含めて出力される。図１０は、ヒストグラム９０と検定統計量情報４０とが含まれる画面を例示する図である。図１０において、ヒストグラム９０は、前述した検定統計量グラフ７０の中に含められている。なお、後述する図１１に示すように、検定統計量グラフ７０とヒストグラム９０は、分けて表示されてもよい。
生成部２０６０は、対象データ集合１０に含まれる要因データ２２についてのヒストグラムを生成し、このヒストグラムと検定統計量情報４０を一緒に出力してもよい。例えばヒストグラムと検定統計量情報４０は、同一の画面に含めて出力される。図１０は、ヒストグラム９０と検定統計量情報４０とが含まれる画面を例示する図である。図１０において、ヒストグラム９０は、前述した検定統計量グラフ７０の中に含められている。なお、後述する図１１に示すように、検定統計量グラフ７０とヒストグラム９０は、分けて表示されてもよい。
ヒストグラム９０は、例えば次のようにして生成される。まず生成部２０６０は、要因データ２２の数値範囲を各境界値で分割して、部分範囲を生成する。生成部２０６０は、各部分範囲について、要因データ２２がその部分範囲に属する対象データ２０の個数をカウントする。そして、生成部２０６０は、部分範囲と対象データ２０の個数との対応付けを表すヒストグラム９０を生成する。
このように、検定統計量情報４０に加えてヒストグラム９０を出力することにより、ユーザは、要因データ２２がどのように分布しているのかを把握しつつ、その要因データ２２をどのような値にすることで結果を良くすることができるのかを、的確かつ容易に把握することができる。
＜より具体的な出力の例＞
生成部２０６０は、前述した情報だけでなく、その他にも様々な情報を生成してもよい。図１１は、生成部２０６０によって生成される情報について、より具体的な例を示す図である。この例では、生成部２０６０によって、画面１３０が生成されている。画面１３０は、表示エリア１３１、表示エリア１３２、表示エリア１３３、表示エリア１３４、及び表示エリア１３５を含む。
生成部２０６０は、前述した情報だけでなく、その他にも様々な情報を生成してもよい。図１１は、生成部２０６０によって生成される情報について、より具体的な例を示す図である。この例では、生成部２０６０によって、画面１３０が生成されている。画面１３０は、表示エリア１３１、表示エリア１３２、表示エリア１３３、表示エリア１３４、及び表示エリア１３５を含む。
表示エリア１３１には、対象データ２０の時間変化を表す時系列グラフ１００が示されている。時系列グラフ１００において、折れ線１０２は、要因データ２２の時間変化を表している。この場合、例えば対象データ集合１０は、各対象データ２０が時間と対応づけられている時系列データである。ただし、特定の周期でデータを集計することにより、時系列データとみなして利用してもよい。
表示エリア１３２には、ヒストグラム９０が表示されている。表示エリア１３３には、検定方法と検定粒度（分割個数に相当）を指定する入力インタフェース、及び検定の実行を指示するためのボタンが表示されている。
表示エリア１３４には、有意水準を指定するための入力インタフェースと、検定統計量グラフ７０とが表示されている。図１１の検定統計量グラフ７０は、バー７２及び説明表示７６を含む。バー７２は、着目したい境界値を指定するためのインタフェースである。ユーザは、バー７２を左右に移動させることで、着目したい境界値を変更することができる。説明表示７６は、バー７２で指定されている境界値について、境界値と検定統計量を示す。
ヒストグラム９０は、バー７２で指定した境界値よりも小さいランクと大きいランクとで、表示態様が異なっている。具体的には、バー７２で指定した境界値 b3 よりも小さい各ランクのデータと、境界値 b3 よりも大きい各ランクのデータとで、異なる模様が付されている。なお、異ならせる表示態様はパターンには限定されず、色や枠線の種類などであってもよい。
また、表示エリア１３２には、ヒストグラム９０と重畳させて、ランクごとの不良率を示す折れ線１１０が示されている。さらに、各ランクにおける不良率の信頼区間が点線で示されている。
表示エリア１３５は、バー７２で指定した境界値に基づいて、結果データ２４に関する値の改善度合いのシミュレーションを示している。例えば、不良率について検定統計量が算出されているとする。また、要因データ２２の値をより小さくすることで、不良率が下がるとする。この場合、表示エリア１３５には、対象データ２０全体における不良率などを示す表示エリア１３６と、要因データ２２をバー７２で指定した境界値以下の値に制限した場合の不良率などを示す表示エリア１３７が含まれる。
表示エリア１３７に示される情報は、要因データ２２を指定された境界値以下とするように要因（この例では、成分Aの含有量）を調整することによってどの程度の改善が期待できるのかを表していると言える。よって、このような表示によれば、要因の調整によって期待できる効果（この例では不良率の改善）を容易に把握することができる。
ここで、前述したように、ユーザはバー７２を左右に動かすことで、指定する境界値を変更することができる。生成部２０６０は、表示エリア１３７の内容を、バー７２が動かされたこと（境界値の指定が変更されたこと）に応じて変更する。そのため、ユーザは、バー７２を動かしながら、要因の調整によって期待できる効果を確認することができる。
また、生成部２０６０は、バー７２が動かされたことに応じて、ヒストグラム９０におけるデータの表示態様も変更する。このようにすることで、ユーザは、改善のシミュレーションに利用されている標本を容易に確認することができる。
なお、図１１の例では、要因データ２２をより小さくすることで不良率が下がるため、表示エリア１３７において「b3 以下に調整」と表示されている。この点、要因データ２２をより大きくすることで不良率が下がる場合には、この表示は「b3 以上に調整」となる。
改善のために要因データ２２を小さくすべきかそれとも大きくすべきかを特定するための情報は、予め取得しておく。例えば前述したように、対象データ２０として、複数の説明変数の値から目的変数の値を推定する推定モデルを学習するための学習データを利用するとする。この場合、推定モデルにおいて或る説明変数が目的変数に対して正負どちらの影響を与えているかによって、改善のためにその説明変数に対応する要因データ２２を小さくすべきか又は大きくすべきかを特定することができる。
［変形例］
これまでに説明した例において、対象データ２０は、１つの要因データ２２と１つの結果データ２４を対応づけていた。しかしながら、対象データ２０は、２つの要因データ２２と１つの結果データ２４とを対応づけたものであってもよい。この場合、対象データ集合１０を２つの標本に分割する際に、２つの要因に着目して分割が行われる。以下、このような処理を行う分析装置２０００を、変形例の分析装置２０００と呼ぶ。
これまでに説明した例において、対象データ２０は、１つの要因データ２２と１つの結果データ２４を対応づけていた。しかしながら、対象データ２０は、２つの要因データ２２と１つの結果データ２４とを対応づけたものであってもよい。この場合、対象データ集合１０を２つの標本に分割する際に、２つの要因に着目して分割が行われる。以下、このような処理を行う分析装置２０００を、変形例の分析装置２０００と呼ぶ。
変形例の分析装置２０００において、取得部２０２０は、第１の要因データ２２（以下、要因データ２２－１）、第２の要因データ２２（以下、要因データ２２－２）、及び結果データ２４を対応づけた対象データ２０を複数含む対象データ集合１０を取得する。
算出部２０４０は、分割個数情報３０によって示される分割個数で、要因データ２２－１の数値範囲と要因データ２２－２の数値範囲のそれぞれを分割する。なお、分割個数情報３０は、要因データ２２－１と要因データ２２－２について共通の分割個数を示してもよいし、それぞれについて別の分割個数を示してもよい。例えば要因データ２２－１の分割個数が４であり、要因データ２２－２の分割個数が５であるとする。この場合、算出部２０４０は、要因データ２２－１の数値範囲を４等分し、要因データ２２－２の数値範囲を５等分する。すなわち、算出部２０４０は、要因データ２２－１について３つの境界値を特定し、要因データ２２－２について４つの境界値を特定する。
算出部２０４０は、要因データ２２－１についての境界値と要因データ２２－２についての境界値の複数通りのペアそれぞれについて、そのペアで定められた境界で対象データ集合１０を２分割して、第１標本と第２標本を生成する。そして、生成した第１標本と第２標本について、前述したように、検定統計量の算出を行う。
図１２は、変形例の分析装置２０００における第１標本と第２標本を例示する図である。この例では、要因データ２２－１の境界値 b2 と、要因データ２２－２についての境界値 c2 とのペアで定まる境界で、第１標本と第２標本が生成されている。具体的には、算出部２０４０は、「要因データ２２－１が b2 以下であり、かつ、要因データ２２－２が c2 以下である」という条件を満たす対象データ２０の集合を第１標本１２として生成し、「要因データ２２－１が b2 より大きい、又は、要因データ２２－２が c2 より大きい」という条件を満たす対象データ２０の集合を第２標本１４として生成している。
ただし、前述の様に２つの境界値のペアを利用して対象データ集合１０を２つの標本に分ける方法には、図１で例示した方法（以下、第１の方法）以外も採用しうる。図１３は、２つの境界値のペアを用いて対象データ集合１０を２つの標本に分けるその他の方法を例示する図である。図１３に示すように、前述した方法以外にも、「要因データ２２－１が境界値以下、かつ、要因データ２２－２が境界値以上」と「要因データ２２－１が境界値より大きい、又は、要因データ２２－２が境界値より小さい」に分ける第２の方法、「要因データ２２－１が境界値以上、かつ、要因データ２２－２が境界値以下」と「要因データ２２－１が境界値より小さい、又は、要因データ２２－２が境界値より大きい」に分ける第３の方法、及び「要因データ２２－１が境界値以上、かつ、要因データ２２－２が境界値以上」と「要因データ２２－１が境界値より小さい、又は、要因データ２２－２が境界値より小さい」に分ける第４の方法などがある。これらのうちのどの方法で対象データ集合１０を分割するのかは、予め定められていてもよいし、ユーザによって選択されてもよい。
図１４は、変形例の分析装置２０００によって出力される情報を例示する図である。図１４が示す画面１４０は、図１１の画面１３０で表した情報を、２つの要因を利用するケースに適用したものである。
画面１４０は、表示エリア１４１から１４５を有する。表示エリア１４１は、要因データ２２－１と要因データ２２－２それぞれについての時間変化を表す時系列グラフ１００を含む。表示エリア１４２は、要因データ２２－１についてのヒストグラム９０－１と、要因データ２２－２についてのヒストグラム９０－２を含む。
表示エリア１４３は、表示エリア１３３と同様に、検定方法と検定粒度を指定する入力インタフェース、及び検定の実行を指示するためのボタンを含む。さらに、表示エリア１４３は、第１標本と第２標本の分割方法を指定する入力インタフェース１４６を含む。ユーザは、入力インタフェース１４６は、４分割された長方形から成る４つのエリアを有し、４つのエリアのいずれか１つが指定できるようになっている。指定されたエリアには、色が付されるようになっている。
入力インタフェース１４６は、図１２や図１３で例示した、２つの要因データ２２の数値範囲から成る平面を模している。ユーザが４つのエリアのいずれか１つを指定すると、２つの要因データ２２の数値範囲から成る平面を、指定されたエリアとそれ以外のエリアに分けるように、対象データ集合１０が２つの標本に分割される。例えば図１４の例では、左上のエリアが指定されている。そのため、対象データ集合１０は、「要因データ２２－１が境界値以下、かつ、要因データ２２－２が境界値以下」とそれ以外という２つの標本に分割されている。
表示エリア１４４は、検定統計量グラフ１５０を表す。算出部２０４０は、要因データ２２－１の境界値と要因データ２２－２の境界値の複数のペアそれぞれについて、そのペアで得られた２つの標本についての検定統計量を算出し、それら複数の検定統計量を表す統計情報４０（ここでは検定統計量グラフ１５０）を生成する。検定統計量グラフ１５０の各セルは、そのセルに対応する境界値のペアについて得られた検定統計量を表す。例えば図１４の例において、各セルは、そのセルの右下端が表す境界値のペアについて得られた検定統計量の大きさを表す。
検定統計量グラフ１５０において、検定統計量の大きさは色や模様などで表される。例えば、検定統計量が大きいほど色を濃くしたり、模様を密にしたりする。図１４の例では、検定統計量が大きいセルほど、より大きなドットの模様が付されている。また、検定統計量が閾値 th 以上であるセルには、枠１５２が付されている。
ユーザは、着目したい境界値のペアを指定することができる。具体的には、ユーザは、着目したい境界値のペアに対応する１つのセルを指定する。生成部２０６０は、この指定に応じて、指定されたセル及び指定された標本分割の方法で生成される標本ペアについて、不良率の改善に関する情報を生成する。
図１４の例では、「成分Ａの境界値＝b2、成分Ｂの境界値＝c2」という境界値のペアを表すセルが指定されている。また、数値範囲の平面を左上とそれ以外に分割する方法が指定されている。そこで、「成分Ａの値≦b2、かつ、成分Ｂの値≦c2」の標本と、「成分Ａの値＞b2、又は、成分Ｂの値＞c2」の標本に分割されている。なお、この指定に応じて、ヒストグラム９０－１と９０－２の表示態様が変更される。具体的には、実施形態１で説明したように、指定された境界値以下のランクとそれ以外とで、色や模様が互いに異なるものに設定される。
生成部２０６０は、上述した分割について、不良率の改善のシミュレーションを示す情報を、表示エリア１４５に表示する。表示エリア１４５には、「成分Ａを b2 以下にし、かつ、成分Ｂを c2 以下にする」という条件を満たす対象データ２０と、全ての対象データ２０における不良率とについて、不良品の数、良品の数、及び不良率の比較が示されている。このような比較により、ユーザは、「成分Ａを b2 以下にし、かつ、成分Ｂを c2 以下にする」という製造条件で製品を製造することによって不良率をどの程度改善できるのかを、容易に把握することができる。
以上、図面を参照して本発明の実施形態について述べたが、これらは本発明の例示であり、上記各実施形態の組み合わせ、又は上記以外の様々な構成を採用することもできる。
上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
１． 要因に関する値である要因データと結果に関する値である結果データとのペアを示す対象データの集合と、前記要因データの数値範囲を分割する個数を示す分割個数情報を取得する取得部と、
前記数値範囲を前記個数に分割する複数の境界値それぞれについて、前記対象データの集合に含まれる対象データをその境界値で２分割して得られる２つの標本における、前記結果データに関する差異を表す検定統計量を算出する算出部と、
前記境界値ごとに算出された複数の検定統計量を示す検定統計量情報を生成する生成部と、を有する分析装置。
２． 前記結果データは不良の有無を示しており、
前記算出部は、境界値ごとに、２つの標本それぞれにおける不良率を算出し、算出した２つのエラー率の差を表す検定統計量を算出する、１．に記載の分析装置。
３． 前記要因データは、製品の製造条件を表す指標の値を示し、
前記結果データは、前記製品が不良品であるか否かを示す、２．に記載の分析装置。
４． 前記検定統計量情報は、前記境界値と前記検定統計量の組み合わせを示すグラフである、１．から３いずれか一つに記載の分析装置。
５． 前記生成部は、前記グラフに、有意水準を表す前記検定統計量の閾値を表す表示を含める、４．に記載の分析装置。
６． 前記生成部は、前記グラフと共に、前記要因データの分布を表すヒストグラムを出力する、４．又は５．に記載の分析装置。
７． 前記生成部は、
前記グラフに対して境界値を指定する入力を受け付け、
前記入力を受け付けたことに応じ、前記ヒストグラムにおいて、前記指定された境界値以下の各境界値に対応するランクのデータの表示態様と、前記指定された境界値より大きい各境界値に対応するランクのデータの表示態様とを異なるものにする、６．に記載の分析装置。
８． 前記対象データは、第１の前記要因データ、第２の前記要因データ、及び前記結果データの組みを示し、
前記算出部は、第１の前記要因データの数値範囲を前記個数に分割する複数の第１の境界値と、第２の前記要因データの数値範囲を前記個数に分割する複数の第２の境界値との各組みについて、前記対象データの集合に含まれる対象データをその境界値の組みに基づいて２分割して得られる２つの標本について前記検定統計量を算出する、１．から７．いずれか１つに記載の分析装置。
９． コンピュータによって実行される制御方法であって、
要因に関する値である要因データと結果に関する値である結果データとのペアを示す対象データの集合と、前記要因データの数値範囲を分割する個数を示す分割個数情報を取得する取得ステップと、
前記数値範囲を前記個数に分割する複数の境界値それぞれについて、前記対象データの集合に含まれる対象データをその境界値で２分割して得られる２つの標本における、前記結果データに関する差異を表す検定統計量を算出する算出ステップと、
前記境界値ごとに算出された複数の検定統計量を示す検定統計量情報を生成する生成ステップと、を有する制御方法。
１０． 前記結果データは不良の有無を示しており、
前記算出ステップにおいて、境界値ごとに、２つの標本それぞれにおける不良率を算出し、算出した２つのエラー率の差を表す検定統計量を算出する、９．に記載の制御方法。
１１． 前記要因データは、製品の製造条件を表す指標の値を示し、
前記結果データは、前記製品が不良品であるか否かを示す、１０．に記載の制御方法。
１２． 前記検定統計量情報は、前記境界値と前記検定統計量の組み合わせを示すグラフである、９．から１１．いずれか一つに記載の制御方法。
１３． 前記生成ステップにおいて、前記グラフに、有意水準を表す前記検定統計量の閾値を表す表示を含める、１２．に記載の制御方法。
１４． 前記生成ステップにおいて、前記グラフと共に、前記要因データの分布を表すヒストグラムを出力する、１２．又は１３．に記載の制御方法。
１５． 前記生成ステップにおいて、
前記グラフに対して境界値を指定する入力を受け付け、
前記入力を受け付けたことに応じ、前記ヒストグラムにおいて、前記指定された境界値以下の各境界値に対応するランクのデータの表示態様と、前記指定された境界値より大きい各境界値に対応するランクのデータの表示態様とを異なるものにする、１４．に記載の制御方法。
１６． 前記対象データは、第１の前記要因データ、第２の前記要因データ、及び前記結果データの組みを示し、
前記算出ステップにおいて、第１の前記要因データの数値範囲を前記個数に分割する複数の第１の境界値と、第２の前記要因データの数値範囲を前記個数に分割する複数の第２の境界値との各組みについて、前記対象データの集合に含まれる対象データをその境界値の組みに基づいて２分割して得られる２つの標本について前記検定統計量を算出する、９．から１５．いずれか１つに記載の制御方法。
１７． ９．から１６．いずれか一つに記載の制御方法をコンピュータに実行させるプログラム。
１． 要因に関する値である要因データと結果に関する値である結果データとのペアを示す対象データの集合と、前記要因データの数値範囲を分割する個数を示す分割個数情報を取得する取得部と、
前記数値範囲を前記個数に分割する複数の境界値それぞれについて、前記対象データの集合に含まれる対象データをその境界値で２分割して得られる２つの標本における、前記結果データに関する差異を表す検定統計量を算出する算出部と、
前記境界値ごとに算出された複数の検定統計量を示す検定統計量情報を生成する生成部と、を有する分析装置。
２． 前記結果データは不良の有無を示しており、
前記算出部は、境界値ごとに、２つの標本それぞれにおける不良率を算出し、算出した２つのエラー率の差を表す検定統計量を算出する、１．に記載の分析装置。
３． 前記要因データは、製品の製造条件を表す指標の値を示し、
前記結果データは、前記製品が不良品であるか否かを示す、２．に記載の分析装置。
４． 前記検定統計量情報は、前記境界値と前記検定統計量の組み合わせを示すグラフである、１．から３いずれか一つに記載の分析装置。
５． 前記生成部は、前記グラフに、有意水準を表す前記検定統計量の閾値を表す表示を含める、４．に記載の分析装置。
６． 前記生成部は、前記グラフと共に、前記要因データの分布を表すヒストグラムを出力する、４．又は５．に記載の分析装置。
７． 前記生成部は、
前記グラフに対して境界値を指定する入力を受け付け、
前記入力を受け付けたことに応じ、前記ヒストグラムにおいて、前記指定された境界値以下の各境界値に対応するランクのデータの表示態様と、前記指定された境界値より大きい各境界値に対応するランクのデータの表示態様とを異なるものにする、６．に記載の分析装置。
８． 前記対象データは、第１の前記要因データ、第２の前記要因データ、及び前記結果データの組みを示し、
前記算出部は、第１の前記要因データの数値範囲を前記個数に分割する複数の第１の境界値と、第２の前記要因データの数値範囲を前記個数に分割する複数の第２の境界値との各組みについて、前記対象データの集合に含まれる対象データをその境界値の組みに基づいて２分割して得られる２つの標本について前記検定統計量を算出する、１．から７．いずれか１つに記載の分析装置。
９． コンピュータによって実行される制御方法であって、
要因に関する値である要因データと結果に関する値である結果データとのペアを示す対象データの集合と、前記要因データの数値範囲を分割する個数を示す分割個数情報を取得する取得ステップと、
前記数値範囲を前記個数に分割する複数の境界値それぞれについて、前記対象データの集合に含まれる対象データをその境界値で２分割して得られる２つの標本における、前記結果データに関する差異を表す検定統計量を算出する算出ステップと、
前記境界値ごとに算出された複数の検定統計量を示す検定統計量情報を生成する生成ステップと、を有する制御方法。
１０． 前記結果データは不良の有無を示しており、
前記算出ステップにおいて、境界値ごとに、２つの標本それぞれにおける不良率を算出し、算出した２つのエラー率の差を表す検定統計量を算出する、９．に記載の制御方法。
１１． 前記要因データは、製品の製造条件を表す指標の値を示し、
前記結果データは、前記製品が不良品であるか否かを示す、１０．に記載の制御方法。
１２． 前記検定統計量情報は、前記境界値と前記検定統計量の組み合わせを示すグラフである、９．から１１．いずれか一つに記載の制御方法。
１３． 前記生成ステップにおいて、前記グラフに、有意水準を表す前記検定統計量の閾値を表す表示を含める、１２．に記載の制御方法。
１４． 前記生成ステップにおいて、前記グラフと共に、前記要因データの分布を表すヒストグラムを出力する、１２．又は１３．に記載の制御方法。
１５． 前記生成ステップにおいて、
前記グラフに対して境界値を指定する入力を受け付け、
前記入力を受け付けたことに応じ、前記ヒストグラムにおいて、前記指定された境界値以下の各境界値に対応するランクのデータの表示態様と、前記指定された境界値より大きい各境界値に対応するランクのデータの表示態様とを異なるものにする、１４．に記載の制御方法。
１６． 前記対象データは、第１の前記要因データ、第２の前記要因データ、及び前記結果データの組みを示し、
前記算出ステップにおいて、第１の前記要因データの数値範囲を前記個数に分割する複数の第１の境界値と、第２の前記要因データの数値範囲を前記個数に分割する複数の第２の境界値との各組みについて、前記対象データの集合に含まれる対象データをその境界値の組みに基づいて２分割して得られる２つの標本について前記検定統計量を算出する、９．から１５．いずれか１つに記載の制御方法。
１７． ９．から１６．いずれか一つに記載の制御方法をコンピュータに実行させるプログラム。
この出願は、２０１９年１１月１日に出願された日本出願特願２０１９－１９９６１３号を基礎とする優先権を主張し、その開示の全てをここに取り込む。
１０ 対象データ集合
１２ 第１標本
１４ 第２標本
２０ 対象データ
２２ 要因データ
２４ 結果データ
３０ 分割個数情報
４０ 検定統計量情報
５０ テーブル
５２ 境界値
５４ 検定統計量
６０ ユーザ端末
７０ 検定統計量グラフ
７２ バー
７４ 閾値表示
７６ 説明表示
８０ 画面
８２、８４、８６ 入力エリア
８８ ボタン
９０ ヒストグラム
１００ 時系列グラフ
１０２ 折れ線
１１０ 折れ線
１３０ 画面
１３１、１３２、１３３、１３４、１３５、１３６、１３７ 表示エリア
１４０ 画面
１４１、１４２、１４３、１４４、１４５ 表示エリア
１４６ 入力インタフェース
１５０ 検定統計量グラフ
１５２ 枠
１０００ 計算機
１０２０ バス
１０４０ プロセッサ
１０６０ メモリ
１０８０ ストレージデバイス
１１００ 入出力インタフェース
１１２０ ネットワークインタフェース
２０００ 分析装置
２０２０ 取得部
２０４０ 算出部
２０６０ 生成部
１２ 第１標本
１４ 第２標本
２０ 対象データ
２２ 要因データ
２４ 結果データ
３０ 分割個数情報
４０ 検定統計量情報
５０ テーブル
５２ 境界値
５４ 検定統計量
６０ ユーザ端末
７０ 検定統計量グラフ
７２ バー
７４ 閾値表示
７６ 説明表示
８０ 画面
８２、８４、８６ 入力エリア
８８ ボタン
９０ ヒストグラム
１００ 時系列グラフ
１０２ 折れ線
１１０ 折れ線
１３０ 画面
１３１、１３２、１３３、１３４、１３５、１３６、１３７ 表示エリア
１４０ 画面
１４１、１４２、１４３、１４４、１４５ 表示エリア
１４６ 入力インタフェース
１５０ 検定統計量グラフ
１５２ 枠
１０００ 計算機
１０２０ バス
１０４０ プロセッサ
１０６０ メモリ
１０８０ ストレージデバイス
１１００ 入出力インタフェース
１１２０ ネットワークインタフェース
２０００ 分析装置
２０２０ 取得部
２０４０ 算出部
２０６０ 生成部
Claims (8)
- 要因に関する値である要因データと結果に関する値である結果データとのペアを示す対象データの集合と、前記要因データの数値範囲を分割する個数を示す分割個数情報を取得する取得部と、
前記数値範囲を前記個数に分割する複数の境界値それぞれについて、前記対象データの集合に含まれる対象データをその境界値で２分割して得られる２つの標本における、前記結果データに関する差異を表す検定統計量を算出する算出部と、
前記境界値ごとに算出された複数の検定統計量を示す検定統計量情報を生成する生成部と、を有する分析装置。 - 前記結果データは不良の有無を示しており、
前記算出部は、境界値ごとに、２つの標本それぞれにおける不良率を算出し、算出した２つのエラー率の差を表す検定統計量を算出する、請求項１に記載の分析装置。 - 前記要因データは、製品の製造条件を表す指標の値を示し、
前記結果データは、前記製品が不良品であるか否かを示す、請求項２に記載の分析装置。 - 前記検定統計量情報は、前記境界値と前記検定統計量の組み合わせを示すグラフである、請求項１から３いずれか一項に記載の分析装置。
- 前記生成部は、前記グラフに、有意水準を表す前記検定統計量の閾値を表す表示を含める、請求項４に記載の分析装置。
- 前記生成部は、前記グラフと共に、前記要因データの分布を表すヒストグラムを出力する、請求項４又は５に記載の分析装置。
- コンピュータによって実行される制御方法であって、
要因に関する値である要因データと結果に関する値である結果データとのペアを示す対象データの集合と、前記要因データの数値範囲を分割する個数を示す分割個数情報を取得する取得ステップと、
前記数値範囲を前記個数に分割する複数の境界値それぞれについて、前記対象データの集合に含まれる対象データをその境界値で２分割して得られる２つの標本における、前記結果データに関する差異を表す検定統計量を算出する算出ステップと、
前記境界値ごとに算出された複数の検定統計量を示す検定統計量情報を生成する生成ステップと、を有する制御方法。 - 請求項７に記載の制御方法をコンピュータに実行させるプログラム。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019199613 | 2019-11-01 | ||
| JP2019199613 | 2019-11-01 | ||
| PCT/JP2020/040767 WO2021085585A1 (ja) | 2019-11-01 | 2020-10-30 | 分析装置、制御方法、及びプログラム |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JPWO2021085585A1 JPWO2021085585A1 (ja) | 2021-05-06 |
| JPWO2021085585A5 JPWO2021085585A5 (ja) | 2022-06-27 |
| JP7276489B2 true JP7276489B2 (ja) | 2023-05-18 |
Family
ID=75715215
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021553711A Active JP7276489B2 (ja) | 2019-11-01 | 2020-10-30 | 分析装置、制御方法、及びプログラム |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20240070590A1 (ja) |
| EP (1) | EP4053764A4 (ja) |
| JP (1) | JP7276489B2 (ja) |
| CN (1) | CN114600101A (ja) |
| WO (1) | WO2021085585A1 (ja) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009116842A (ja) | 2007-03-09 | 2009-05-28 | Omron Corp | 要因推定支援装置およびその制御方法、ならびに要因推定支援プログラム |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5429869B2 (ja) * | 2008-12-22 | 2014-02-26 | 株式会社 Ｎｇｒ | パターン検査装置および方法 |
| JP5615252B2 (ja) * | 2011-12-02 | 2014-10-29 | 株式会社トプコン | 外観検査装置 |
| US10109493B2 (en) | 2015-01-12 | 2018-10-23 | Versum Materials Us, Llc | Composite abrasive particles for chemical mechanical planarization composition and method of use thereof |
| JP6833642B2 (ja) | 2017-08-10 | 2021-02-24 | 株式会社東芝 | 要因分析装置、要因分析方法、およびプログラム |
-
2020
- 2020-10-30 CN CN202080075232.7A patent/CN114600101A/zh active Pending
- 2020-10-30 US US17/766,857 patent/US20240070590A1/en active Pending
- 2020-10-30 JP JP2021553711A patent/JP7276489B2/ja active Active
- 2020-10-30 WO PCT/JP2020/040767 patent/WO2021085585A1/ja active Application Filing
- 2020-10-30 EP EP20882076.1A patent/EP4053764A4/en active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009116842A (ja) | 2007-03-09 | 2009-05-28 | Omron Corp | 要因推定支援装置およびその制御方法、ならびに要因推定支援プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114600101A (zh) | 2022-06-07 |
| JPWO2021085585A1 (ja) | 2021-05-06 |
| WO2021085585A1 (ja) | 2021-05-06 |
| EP4053764A1 (en) | 2022-09-07 |
| EP4053764A4 (en) | 2022-12-21 |
| US20240070590A1 (en) | 2024-02-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7107187B1 (en) | Method for modeling system performance | |
| Hoßfeld et al. | Speed index: Relating the industrial standard for user perceived web performance to web qoe | |
| CN102955902B (zh) | 雷达模拟设备可信度的评估方法及评估系统 | |
| CN112884092B (zh) | Ai模型生成方法、电子设备及存储介质 | |
| CN107194430B (zh) | 一种样本筛选方法及装置，电子设备 | |
| CN109446812A (zh) | 一种嵌入式系统固件安全分析方法及系统 | |
| EP4120653A1 (en) | Communication network performance and fault analysis using learning models with model interpretation | |
| Menezes et al. | On the globalization of stock markets: an application of vector error correction model, mutual information and singular spectrum analysis to the G7 countries | |
| CN107944005B (zh) | 一种数据展示方法及装置 | |
| US20190012622A1 (en) | Computer-readable recording medium for visualization of manufacturing-process, method of visualizing manufacturing process, and manufacturing-process visualizing system | |
| CN110244185A (zh) | 一种多源谐波责任划分方法、终端设备及存储介质 | |
| CN110909005B (zh) | 一种模型特征分析方法、装置、设备及介质 | |
| KR20190060548A (ko) | 변수 구간별 불량 발생 지수를 도출하여 공정 불량 원인을 파악하고 시각화하는 방법 | |
| CN110189031A (zh) | 一种基于因子回归分析的配电网诊断指标分类方法 | |
| JP7276489B2 (ja) | 分析装置、制御方法、及びプログラム | |
| CN108509732A (zh) | 汽轮机故障严重程度的评估方法、终端设备及存储介质 | |
| CN116319255A (zh) | 一种基于kpi的根因定位方法、装置、设备及存储介质 | |
| CN110971483B (zh) | 一种压力测试的方法、装置及计算机系统 | |
| CN112860531B (zh) | 基于深度异构图神经网络的区块链广泛共识性能评测方法 | |
| US20220076049A1 (en) | Importance analysis apparatus, method, and non-transitory computer readable medium | |
| CN115270923A (zh) | 一种基于场景的可视化智能决策方法及系统 | |
| WO2021079966A1 (ja) | 分析装置、制御方法、及びプログラム | |
| CN106855840B (zh) | 一种系统cpu分析方法和装置 | |
| JP4893695B2 (ja) | カバレージ測定装置、カバレージ測定方法、カバレージ測定プログラム | |
| CN110688302B (zh) | 一种字段库自动化测试方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220421 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220421 |
|
| 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: 20230404 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230417 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 7276489 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |