JPH03500465A - 属性誘導データ解析 - Google Patents
属性誘導データ解析Info
- Publication number
- JPH03500465A JPH03500465A JP2502253A JP50225389A JPH03500465A JP H03500465 A JPH03500465 A JP H03500465A JP 2502253 A JP2502253 A JP 2502253A JP 50225389 A JP50225389 A JP 50225389A JP H03500465 A JPH03500465 A JP H03500465A
- Authority
- JP
- Japan
- Prior art keywords
- population
- response variable
- change
- data set
- test
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/14—Quality control systems
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
-
- 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]
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Automatic Analysis And Handling Materials Therefor (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるため要約のデータは記録されません。
Description
【発明の詳細な説明】
属性誘導データ解析
iす」1
本発明は、属性データによって表わされるデータ集合の解析に関し、より特定的
にはデータ集合上に限定されている応答変数の考え得る変化の源の識別に関する
。
データに関係のある応答変数の変化の源を探知するために、データ集合(または
データの収集)を解析する必要があり得る状況は広範に存在する0例えば、この
ようなデータ集合は製造工程に基くことができ、特定の機械、操作員、成分等の
ような属性から誘導されよう、このような製造工程によって生産される各製品は
、それに関係する複数の属性データを有していよう0例えば、異なる操作員によ
つて多くの機械が制御されている工程によって各成分が生産されるようなコンピ
ュータ成分の生産を考えると、これらのデータは1人または複数の操作員、及び
その成分を生産するために使用された1台または複数の機械のようなその成分の
生産に関係のあるデータの完全リストを含む各成分の“履歴”を限定しよう。
このような製造工程においては、若干の欠陥成分が生産されよう、従ってこの工
程は、それに関係付けられたある欠陥発生率、即ちある欠陥割合(合計製品数で
除した欠陥製品数として定義される)を有していよう、欠陥割合は、それが属性
(即ち、特定の機械、操作員等)に応答する、または属性に依存する変数である
ので、応答変数であろう。
このようなデータ集合を解析することによって、応答変数の変化の源を識別する
ことが可能である0例えば、もし特定の機械が動作不良であれば、その機械で生
産される製品は、他の機械で生産される製品よりも高い欠陥割合を有することに
なろう、従って、動作不良機械は応答変数(即ち欠陥割合)に変化を生じさせよ
う。
もしこの変化を分離することができれば動作不良機械が識別され、それによって
製造工程を改善し、生産される総合欠陥製品数を減少させる機会が与えられよう
。
欠陥を生じさせる個々の機械または操作員のような個々の属性に加えて、属性の
相互作用によって表わされる属性相互作用も応答変数の変化の源となり得る0例
えば、もし1人の特定の操作員が1台の機械の使用に熟練していなければ、その
機械及び操作員の相互作用によって生産された製品は高い欠陥割合を存し得る。
個々の属性、即ち操作員自身または機械自体は、これらの属性の相互作用はど高
い欠陥発生率は有していないであろう、多数の機械、操作員、成分等が含まれる
複雑な製造工程においては、欠陥製品を説明できる真人な数の異なる組合せ論的
確率が存在する。
もし製品の品質を改善するのであれば、応答変数の変化の重要度を最良最大化す
る個々の属性または属性相互作用を識別することが不可欠である。
伝統的に、品質制御技術者は特定の製造工程から誘導したデータを解析すること
によって変化の源を分離している。典型的には多くの異なる属性に関係付けられ
た欠陥の絶対数または欠陥割合(典型的には標準化されている)をプロットして
バーグラフ(例えばバレートス)を作成する。属性に関する種々の欠陥割合を評
価することによって、欠陥の尤もらしい原因(即ち個々の属性または属性の相互
作用の何れか)に関する仮定が作成される。これらの仮定は制御された実験を導
入することによって試験することができる。
2j廊υl!
要約すれば本発明は、個々の属性または属性の相互作用によって表わされる母集
団として編成されるデータ集合の応答変数の変化の重要度が、属性で表わされた
データ集合内のどの母集団によって最良最大化されるかを決定するシステム及び
方法を特色とし、本システムは:応答変数に最重要な変化をもたらす母集団を識
別する手段;識別された母集団に関係付けられた応答変数の変化の効果を排除す
るようにデータ集合を改訂する手段;及び改訂されたデータ集合の中から応答変
数に最重要な変化をもたらす母集団を識別する手段を具備する。
好ましい実施例においては、各識別手段は:試験母集団として全てのデータ集合
からなるユニバース母集団を選択する手段;前記試験母集団の中から応答変数に
最大の変化をもたらす副母集団を識別する手段;及びもし識別された副母集団の
応答変数の変化があるしきい値よりも大きければ前記識別手段によって識別され
た副母集団を新しい試験母集団として選択する手段を具備する。
本システムは更に、試験母集団がユニバース母集団に等しいか否かを決定する手
段をも含む、データ集合は製造工程から誘導され、属性は特定の機械、操作員等
のような製造パラメタである。応答変数は欠陥割合であり、母集団の欠陥割合の
変化は母集団の補数の欠陥割合に対する変化である。
また要約すれば本発明は、個々の属性または属性の相互作用によって表わされる
母集団として編成されるデータ集合の応答変数の変化の重要度が、属性で表わさ
れたデータ集合内のどの母集団によって最良最大化されるかを決定するシステム
及び方法を特色とし、本システムは:試験母集団として全てのデータ集合からな
るユニバース母集団を選択する手段;前記試験母集団の中から応答変数に最重要
な変化をもたらす副母集団を識別する手段:及びもし識別された副母集団の応答
変数の変化があるしきい値よりも大きければ前記識別手段によって識別された副
母集団を新しい試験母集団として選択する手段を具備する。
また要約すれば本発明は、個々の属性または属性の相互作用によって表わされる
母集団として編成されるデータ集合の応答変数の変化の重要度が、属性で表わさ
れたデータ集合内のどの母集団によって最良最大化されるかを決定する方法を特
徴とし、本方法は= (a)試験母集団として全てのデータ集合からなるユニノ
<−入母集団を選択し; (b)試験母集団の中から応答変数に最大の変化をも
たらす副母集団を識別し; (C)段階すにおいて選択された副母集団の応答変
数の変化をあるしきい値と比較し、もしその変化カルきい値より大きければ選択
された副母集団を新しい試験母集団として選択して段階すに戻り; (d)この
試験母集団がユニバース母集団に等しいか否かを決定し、もし等しければ本方法
を完了し; (e)試験母集団に関係付けられた前記応答変数の変化の効果を排
除して段階aに戻る諸段階を具備する。
本発明のシステム及び本方法は、従来技術に対する重要な改善である。典型的な
従来技術の方法においては、技術者はデータを調べて尤もらしい欠陥の源を推測
する。本発明は、自動的にデータを母集団として編成し、データを再帰的に探索
して最も尤もらしい欠陥の源を識別する。データ集合は、製造工程の改善を促進
すべく可能な限り明確に欠陥の源を限定するプロセスにおいて探索される。更に
、欠陥の源が事実上識別されると、データ上のその欠陥の源の全ての効果を排除
するようにデータが改訂される。
このようにして複数の独立源を分離することができる。
−しい のr日
迩 (7) ft−呪
第1図は本発明の動作を理解するのに有用な図であって、例示データ集合に関係
付けられた考え得る全ての母集団を表わす。
第2図は好ましい実施例のプロセスを説明する流れ図である。
勤−作
本発明は新方法(属性誘導データ解析または“AIDA”と呼ぶ)を使用してデ
ータ集合を、データに関係付けられた応答変数の変化の源を識別すべく解析する
。AIDAが如何にして変化の源を識別するかを説明するために、例示データ集
合を考えよう。
表1は、4台の機械(M、 、Mよ、M、及びM、)を使用して2つの型の製品
、即ち製品1 (P+ )及び製品2(pz)を生産する製造工程例から誘導す
ることができる欠陥データをリストたものである。
に−L
P+ Pg 合計
Ml 1/25 2/75 3/100Mt 3/25 3/75 6/100
M、 4/25 11/75 15/100M、 1/25 1/75 2/1
00合計 9/100 17/300
各分数の分子は欠陥の数を表わし、分母は生産された製品の総数を表わす0例え
ば各機械は25の製品P、と75の製品P、を生産し、機械M、は4つの欠陥製
品P+ と11の欠陥製品P、を生産した。
AIDA法は、このデータ集合に適用して、応答変数(この場合には欠陥割合)
の変化の考え得る源を識別するために使用することができる。換言すれば、もし
製造工程が欠陥の源であれば、以下により詳細に説明するように、データ集合内
の母集団内への欠陥割合の分散によって明示されよう0例えば、もし機械Mlが
製品P2を生産するために適切に準備されていなければ、これは機械M、が生産
する製品P、により高い欠陥発生率をもたらし、一方性の機械によって生産され
る製品P2及び機械M、によって生産される他の製品は変化の源としての責を負
う筈がない。
本発明は先ずデータを、それぞれが単一の属性、またはO或はそれ以上の属性の
組合せの何れかによって決定される母集団として編成する(ユニバース母集団は
他の全ての母集団の組合せによって表わされるものとして定義され、従ってデー
タ集団全体を表わす)。上記製造工程例においては、属性値はMl 、Mz 、
Ms、M−、P +及びP2である。第1図は例示データ集合から誘導した全て
の考え得る母集団を示す、ユニバース母集団(“U”)は図の頂部に示され、単
一の属性によって定義される母集団はUの“副母集団”として示されている0例
えば、母集団M1.はMlによって生産された製品から誘導されたデータとして
定義される。
各単一属性母集団の副母集団は第1図の下部に示されている0例えば、PIF及
びM、アの組合せ(即ちP+rMsr)によって表わされる母集団はpar及び
M3.の両方の副母集団であり、M3によって生産された製品P、を表わす(即
ちPIFとM3pの相互作用である)。
母集団PIF及びM、PはP+pMsアの“親°母集団とも呼ばれる。多くの属
性を有する複雑な製造工程においては、母集団の合計数は真人となり、集合関係
は極めて複雑になるであろうことは容易に理解されよう。
システムは、ある試験母集団がユニバース母集団であると限定することによって
変化の源の探索を開始する(第2図の段階1)。
次に、試験母集団の各副母集団を評価して、(1)どの副母集団が最重要な変化
を有しているか、及び(2)選択された副母集団・は“重要な“母集団であるか
を決定する(第2図の段階2)、母集団の変化の重要度を決定するために、母集
団はその補数と比較される。母集団の補数は、その母集団がデータ集合から差引
かれた時、即ちデータ集合から除去された時に残されるデータ集合の部分である
。親母集団に対する副母集団の補数は、その副母集団を親から差引いた時に残さ
れる親内の全てのデータである。
母集団とその補数との比較(即ち段階2)は、その”Z¥N数′を計算すること
によって遂行される。Z補数は、2つの二項分布の確率の比較の統計的近似とし
て知られている。例えば1982年のアプライド・スタティステインクスの33
8頁のLothar 5achsの論文を参照されたい。本例においてはZ補数
は、特定の母集団がその補数よりも本質的に高い欠陥割合を有する確率の数値的
尺度として定義される。換言すれば、解析されるデータ集合は製造工程の代表に
しか過ぎないから、工程に固有の真の欠陥割合の正確な尺度ではない、しかし、
欠陥割合の変化が大きくなる程、変化がその補数よりも本質的に大きくなる確率
は高くなる。Z補数はこの確率の尺度であり、標準偏差の単位で表わされる6例
えば、1.0のZ補数は84.1%の確率に一致し、一方3.0のZ補数は99
.9%の確率に一致する。
M12のZ補数を計算するために、先ずM I Fの欠陥割合(“F”)が以下
のように計算される。
但し、Xは母集団内の欠陥の合計数に等しく、Nは関心母集団が欠陥を発生する
機会の合計数に等しい。例えば、母集団M 1 pが欠陥を発生する機会の合計
数はこの母集団に関係付けられた製品の合計数(即ち、MIによって生産される
製品の合計数)である。
前記表1から、M、の場合にはX−3及びN−100であることが分る。従って
MI、の場合Fは0.30に等しい、現試験母集団に対するM4の補数(Mxp
+Msp+Mayからなる補数)の欠陥割合と計算される。但し、F′は補数欠
陥割合であり、N′はこの補数の欠陥の合計数であり、N′は欠陥を発生する機
会の合計数である。再び表1から、N′は組合わされたM 2 p s M 3
F及びM a r(!l]ちM I pの補数)の欠陥の合計数、即ち23に
等しいことが分る。機会の合計数N′は300である。従ってF′は0.76に
等しい、Ml、のZ補数じZ″)は次のように計算できる。
但し、プールされた欠陥割合F7は
によって定義される。
M、Fに関係付けられたデータに関してこれらの計算を遂行すると、−1,64
というZ補数値が得られる。表2は、現試験母集団(ユニバー母集団)の各母集
団毎に計算した値をリストしたものである。
盗−2
欠及五金 L 欠及剋査 F’ Z
M、、 3/100 0.030 23/300 0.077 −1.64Mt
p 6/100 0.060 20/300 0.067 −0.23Mり、
15/100 0.150 11/300 0.037 3.98M、、 2/
100 0.020 24/300 0.080 −2.11P、、 9/10
0 0.090 17/300 0.057 1.17Pzp 17/300
0.056 9/100 0.090 −1.17次いでシステムは最高の2補
数と、あるしきい値とを比較してその副母集団が重要な母集団であるか否かを決
定する(第2図の段階3)、このしきい値は、識別された母集団が木質的により
高い欠陥割合を有しておらず従って真の分散の源ではないかも知れないというリ
スクの許容レベルを考慮して選択される0本例において、もしこのしきい値を4
.00に設定すれば、M 3 pが高いZ補数を有していても重要な母集団では
なく、この試験母集団には重要な副母集団は存在していないことになろう。現試
験母集団がユニバース母集団であるから、このプロセスは終了しく第2図の段階
5)、結論としてこのデータ集合には変化の重要な源は存在しないということに
なろう、換言すれば、しきい値によって決定される確実度をもって(このしきい
値は4.0であるから100%に近い確率で)何れか1つの母集団が異常に高い
欠陥数に対して責任があるとは言い切れない程、欠陥がデータ集合全体に分布し
ているのである。
しかし、しきい値が例えば3.0(99,9%の確率に一致)であるとすれば、
M3.は重要な母集団であるとされ(段階3)、新しい試験母集団になるであろ
う(段階4)。
次いでシステムは新しい試験母集団の副母集団をlぺる(段階2)。第1図から
MIの副母集団はP+pMip及びPzpM2pであることが分る。これらの副
母集団に対して上述の数学的計算を遂行すると表3のデータが得られる。これら
の補数は常に現試験母集団に対して定義されることに注目されたい0例えば、M
S、に対するP、、M、、の補数はP2pMwpであり、一方PIGに対するP
+pMspの補数はPlpMlp、PlpMzp及びP 1 p M a pで
ある。従って、現試験母集団がM、2であるから、P+pM1.の適正な補数は
P、、Ms、であり、P!pM3pの補数はPlpMspである。
欠箪国査 ヱ 欠及五査 且′ 盈
P、、M3. 4/20 0.200 11/80 0.137 0.70P*
−Msp 11/80 0.137 4/20 0.200 0.70P1pM
spはP、、M、、よりも高いZ補数を有してはいるが、そのZ補数はしきい値
より大きくはない(段階3)。現試験母集団(即チM it)はユニバース母集
団ではないから(段階5)、システムはM3pを新しい“カバー゛ (カバーと
いう語の使用に関しては後述する)として加える。
データは、M、によって発生した欠陥があたかも発生しなかったの如く改訂され
る(段階6)、影響される母集団はM3.、及び共通部分を有する母集団(即ち
P +p + P zp + P lpMsp及びPzpMs−)の何れかであ
ろう。システムはデータ集合の分散の源を探知すると、その源を排除するように
データを改訂する(即ち欠陥データが“カバ〜″される)、これによって改訂さ
れたデータ集合は、カバーされた母集団に関係付けられた源には無関係に(即ち
M3゜には無関係に)欠陥割合内の他の変化の源の存在を決定するために評価す
ることができる。カバーは分離された変化の源であるから〜プロセス全体に亘っ
て決定された各カバーと同様に、このカバーは分離された変化の源のリストに付
加される(段階7)、改訂されたデータ集合を表4に示す。
M、 1/25 2/75 3/100Mz 3/25 3/75 6/100
M3 0/25 0/75 0/100M、 1/25 1/75 2/100
合計 5/100 6/300
これらの他の考え得る源を探知するために、システムは第2図の段階1に戻って
再び試験母集団をユニバース母集団に等しく設定する(今度はユニバース母集団
が改訂されたデータ集合に対して定義されていることに注意されたい)、全ての
Z補数が、前記式を使用して改訂されたデータ集合に基き計算される。表5はこ
れらの計算の結果を示す。
ス−5
り10士龜 且 グ10叱創 ヱ′ IM、、 3/100 0.030 8/
300 0.027 0.18Mt−6/100 0.060 5/300 0
.01? 2.29M、、 O/100 0.000 11/300 0.03
7 −1.94M、、 2/100 0.020 9/300 0.030 −
0.53P、、 5/100 0.050 6/300 0.020 159p
、、 6/300 0.020 5/100 0.050 −1.59M、9を
カバーすることによって得られるデータ集合の改善は表5から明白である。他の
機械母集団の個々の欠陥割合は同一のままであるが、補数データの影響を受け、
得られた2補数値は変化している。
上述のしきい値(即ち3.0)を使用すれば、最高の欠陥割合を有する副母集団
Mz、は重要な副母集団ではないとシステムは結論付け(段階3)、またこの試
験母集団はユニバース母集団であるから、プロセスは終了する(段!!#5)
。
以上の説明から、しきい値を低くすれば解析がより鋭敏になることは明白であろ
う。一般的に、しきい値を極めて低(すればより多くの変化の源が分離されるこ
とになろう。
AIDAシステムを要約すると、先ずユニバース母集団が試験母集団として選択
され、その各副母集団は、1つが他とは大巾に異っているか否かを見出すために
評価される。もしそのような副母集団が存在しなければ、欠陥はかなり均一にデ
ータ集合全体に分散しており、評価中の属性に関しては特定の変化の源は存在し
ない、しかし、もし副母集団が重要であれば、システムはその副母集団を新しい
試験母集団となし、変化の源をより詳しく限定できるか否かを見出す、即ち第1
図に示すように、システムは図の頂部から始動し、1つの母集団から別の母集団
へ下方に進んで変化の源を探知する。システムは源を探知するとその源を“カバ
ー”し、再び他の変化の源を探すべく始動する。このプロセスは新しい変化の源
が探知できなくなるまで続行される。
プロセスが完了した時に得られる情報(個々のカバー)は、製造工程自体におけ
る欠陥の根元を推断するのを援助するために使用することができる0例えば上剥
においてはM 3 、が唯一の変化の源であると決定されており(3,0のしき
い値を使用)、これはM、が正しく動作していないことを表わしている。他の3
台の機械はこの機械と同一の製品を生産しているのであるから、製品自体が欠陥
なのではなく、(例えば原料が不良のために)Mzが障害の因になっているもの
と推断することができる。
以上の説明では比較的単純なデータ集合を解析したが、他のデータ集合は多くの
属性を有し得る。更に説明したデータ集合は均一であった(例えば各機械は10
0製品を生産している)が、本システムは、たとえ若干の母集団が空白であると
しても、非均−データ集合を解析するために使用可能である。
本発明の他の実施例は請求の範囲内にある。
芥 2 に
国際調査報告 arT/lle。。7.、い7゜閏瞭調査報告
Claims (23)
- 1.個々の属性または属性の相互作用によって表わされる母集団として編成され るデータ集合の応答変数の変化の重要度が、属性で表わされたデータ集合内のど の母集団によって最良最大化されるかを決定する装置であって: 応答変数に再重要な変化をもたらす母集団を識別する手段;識別された母集団に 関係付けられた応答変数の変化の効果を排除するようにデータ集合を改訂する手 段;及び改訂されたデータ集合の中から応答変数に最大の変化をもたらす母集団 を識別する手段 を具備する装置。
- 2.各識別手段が; 試験母集団として全てのデータ集合からなるユニバース母集団を選択する手段; 試験母集団の中から応答変数に最重要な変化をもたらす副母集団を識別する手段 ;及び もし識別された副母集団の応答変数の変化があるしきい値よりも大きければその 副母集団を新しい試験母集団として選択する手段 を備える請求の範囲1記載の装置。
- 3.試験母集団がユニバース母集団に等しいか否かを決定する手段をも備える請 求の範囲2記載の装置。
- 4.データ集合を製造工程から誘導する請求の範囲1記載の装置。
- 5.属性が、特定の機械、操作員等のような製造パラメータである請求の範囲4 記載の装置。
- 6.応答変数が欠陥の割合である請求の範囲4記載の装置。
- 7.変化が、母集団の補数の欠陥の割合に対する母集団の欠陥の割合の変化であ る請求の範囲6記載の装置。
- 8.個々の属性または属性の相互作用によって表わされる母集団として編成され るデータ集合の応答変数の変化の重要度が、属性で表わされたデータ集合内のど の母集団によって最良最大化されるかを決定する装置であって: 試験母集団として全てのデータ集合からなるユニバース母集団を選択する手段; 試験母集団の中から応答変数に最重要な変化をもたらす副母集団を識別する手段 ;及び もし識別された副母集団の応答変数の変化があるしきい値よりも大きければその 副母集団を新しい試験母集団として選択する手段 を具備する装置。
- 9.試験母集団がユニバース母集団に等しいか否かを決定する手段をも備える請 求の範囲8記載の装置。
- 10.個々の属性または属性の相互作用によって表わされる母集団として編成さ れるデータ集合の応答変数の変化の重要度が、属性で表わされたデータ集合内の どの母集団によって最良最大化されるかを決定する方法であって: 応答変数に最重要な変化をもたらす母集団を識別し;識別された母集団に関係付 けられた応答変数の変化の効果を排除するようにデータ集合を改訂し; 改訂されたデータ集合の中から応答変数に最大の変化をもたらす母集団を識別す る 諸段階を具備する方法。
- 11.各識別段階が: 試験母集団として全てのデータ集合からなるユニバース母集団を選択し; 試験母集団の中から応答変数に最重要な変化をもたらす副母集団を識別し; もし識別された副母集団の応答変数の変化があるしきい値よりも大きければその 副母集団を新しい試験母集団として選択する 諸段階を備える請求の範囲10記載の方法。
- 12.試験母集団がユニバース母集団に等しいか否かを決定する段階をも備える 請求の範囲11記載の方法。
- 13.データ集合を製造工程から誘導する請求の範囲10記載の方法。
- 14.属性が、特定の機械、操作員等のような製造パラメータである請求の範囲 13記載の方法。
- 15.応答変数が欠陥の割合である請求の範囲13記載の方法。
- 16.変化が、母集団の補数の欠陥の割合に対する母集団の欠陥の割合の変化で ある請求の範囲15記載の方法。
- 17.個々の属性または属性の相互作用によって表わされる母集団として編成さ れるデータ集合の応答変数の変化の重要度が、属性で表わされたデータ集合内の どの母集団によって最良最大化されるかを決定する方法であって: (a)試験母集団として全てのデータ集合からなるユニバース母集団を選択し; (b)試験母集団の中から応答変数に最重要な変化をもたらす副母集団を識別し ; (c)もし識別された副母集団の応答変数の変化があるしきい値よりも大きけれ ばその副母集団を新しい試験母集団として選択して段階(b)に戻る 諸段階を具備する方法。
- 18.試験母集団がユニバース母集団に等しいか否かを決定する段階をも備える 請求の範囲17記載の方法。
- 19.個々の属性または属性の相互作用によって表わされる母集団として編成さ れるデータ集合の応答変数の変化の重要度が、属性で表わされたデータ集合内の どの母集団によって最良最大化されるかを決定する方法であって: (a)試験母集団として全てのデータ集合からなるユニバース母集団を選択し; (b)試験母集団の中から応答変数に長重要な変化をもたらす副母集団を識別し ; (c)段階(b)において識別された副母集団の応答変数の変化をあるしきい値 と比較し、もしその変化がしきい値より大きければ選択された副母集団を新しい 試験母集団として選択して段階(b)に戻り; (d)この試験母集団がユニバース母集団に等しいか否かを決定し、もし等しけ れば本方法を完了し; (e)試験母集団に関係付けられた応答変数の変化の効果を排除して段階(a) に戻る 諸段階を具備する方法。
- 20.データ集合を製造工程から誘導する請求の範囲19記載の方法。
- 21.属性が、特定の機械、操作員等のような製造パラメータである請求の範囲 20記載の方法。
- 22.応答変数が欠陥の割合である請求の範囲20記載の方法。
- 23.変化が、母集団の補数の欠陥の割合に対する母集団の欠陥の割合の変化で ある請求の範囲22記載の方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US28634688A | 1988-12-19 | 1988-12-19 | |
US286,346 | 1988-12-19 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH03500465A true JPH03500465A (ja) | 1991-01-31 |
Family
ID=23098193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2502253A Pending JPH03500465A (ja) | 1988-12-19 | 1989-12-19 | 属性誘導データ解析 |
Country Status (4)
Country | Link |
---|---|
US (1) | US5956692A (ja) |
JP (1) | JPH03500465A (ja) |
GB (1) | GB2242765B (ja) |
WO (1) | WO1990007163A1 (ja) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6108586A (en) * | 1997-03-31 | 2000-08-22 | Hitachi, Ltd. | Fraction defective estimating method, system for carrying out the same and recording medium |
DE19949954B4 (de) * | 1999-10-16 | 2007-12-06 | Basf Coatings Ag | Verfahren zur Analyse und Optimierung eines mehrstufigen Herstellungsprozesses |
US7024372B2 (en) * | 2001-03-09 | 2006-04-04 | Etna Corporation | Personnel valuation program |
US6643600B2 (en) | 2001-04-26 | 2003-11-04 | General Electric Company | Method and system for assessing adjustment factors in testing or monitoring process |
US20030120539A1 (en) * | 2001-12-24 | 2003-06-26 | Nicolas Kourim | System for monitoring and analyzing the performance of information systems and their impact on business processes |
US6859746B1 (en) * | 2003-05-01 | 2005-02-22 | Advanced Micro Devices, Inc. | Methods of using adaptive sampling techniques based upon categorization of process variations, and system for performing same |
US10728614B2 (en) | 2017-02-28 | 2020-07-28 | The Nielsen Company (Us), Llc | Methods and apparatus to replicate panelists using a local minimum solution of an integer least squares problem |
US10602224B2 (en) | 2017-02-28 | 2020-03-24 | The Nielsen Company (Us), Llc | Methods and apparatus to determine synthetic respondent level data |
US20180249211A1 (en) | 2017-02-28 | 2018-08-30 | The Nielsen Company (Us), Llc | Methods and apparatus to estimate population reach from marginal ratings |
US10681414B2 (en) * | 2017-02-28 | 2020-06-09 | The Nielsen Company (Us), Llc | Methods and apparatus to estimate population reach from different marginal rating unions |
US10382818B2 (en) | 2017-06-27 | 2019-08-13 | The Nielson Company (Us), Llc | Methods and apparatus to determine synthetic respondent level data using constrained Markov chains |
US10856027B2 (en) | 2019-03-15 | 2020-12-01 | The Nielsen Company (Us), Llc | Methods and apparatus to estimate population reach from different marginal rating unions |
US11216834B2 (en) | 2019-03-15 | 2022-01-04 | The Nielsen Company (Us), Llc | Methods and apparatus to estimate population reach from different marginal ratings and/or unions of marginal ratings based on impression data |
US11741485B2 (en) | 2019-11-06 | 2023-08-29 | The Nielsen Company (Us), Llc | Methods and apparatus to estimate de-duplicated unknown total audience sizes based on partial information of known audiences |
US11783354B2 (en) | 2020-08-21 | 2023-10-10 | The Nielsen Company (Us), Llc | Methods and apparatus to estimate census level audience sizes, impression counts, and duration data |
US11481802B2 (en) | 2020-08-31 | 2022-10-25 | The Nielsen Company (Us), Llc | Methods and apparatus for audience and impression deduplication |
US11941646B2 (en) | 2020-09-11 | 2024-03-26 | The Nielsen Company (Us), Llc | Methods and apparatus to estimate population reach from marginals |
US11553226B2 (en) | 2020-11-16 | 2023-01-10 | The Nielsen Company (Us), Llc | Methods and apparatus to estimate population reach from marginal ratings with missing information |
US11790397B2 (en) | 2021-02-08 | 2023-10-17 | The Nielsen Company (Us), Llc | Methods and apparatus to perform computer-based monitoring of audiences of network-based media by using information theory to estimate intermediate level unions |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3515860A (en) * | 1967-11-06 | 1970-06-02 | Industrial Nucleonics Corp | Process controller with dynamic set-point adjustment responsive to the statistical variance of the controlled property |
US3526836A (en) * | 1968-01-23 | 1970-09-01 | Rca Corp | Statistical method,under computer control,for the manufacture and test of mass produced articles |
JPS5628650B2 (ja) * | 1973-06-18 | 1981-07-03 | ||
US4320463A (en) * | 1980-02-25 | 1982-03-16 | S. Himmelstein And Company | Production control system |
US4390953A (en) * | 1980-11-10 | 1983-06-28 | Kearney & Trecker Corporation | Unmanned diagnostic communications system for computer controlled machine tools |
US4691317A (en) * | 1985-10-04 | 1987-09-01 | Xerox Corporation | Feature deselect control |
-
1989
- 1989-12-19 JP JP2502253A patent/JPH03500465A/ja active Pending
- 1989-12-19 GB GB9016593A patent/GB2242765B/en not_active Expired - Fee Related
- 1989-12-19 WO PCT/US1989/005774 patent/WO1990007163A1/en unknown
-
1991
- 1991-11-14 US US07/794,298 patent/US5956692A/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
GB2242765B (en) | 1993-04-28 |
GB9016593D0 (en) | 1991-01-09 |
US5956692A (en) | 1999-09-21 |
WO1990007163A1 (en) | 1990-06-28 |
GB2242765A (en) | 1991-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPH03500465A (ja) | 属性誘導データ解析 | |
JP4394728B2 (ja) | 影響要因特定装置 | |
US5351202A (en) | Evaluation and ranking of manufacturing line non-numeric information | |
US7058625B2 (en) | Customer feedback acquisition and processing system | |
DE102017220140A1 (de) | Abrufvorrichtung, Abrufverfahren und Abrufprogramm | |
US20190164101A1 (en) | Data Analysis System and Data Analysis Apparatus | |
GB2378534A (en) | SQL execution analysis | |
US5764824A (en) | Clustering mechanism for identifying and grouping of classes in manufacturing process behavior | |
CN116382647A (zh) | 一种基于大数据的软件开发管理系统及方法 | |
CN112346966B (zh) | 一种专用控制器测试数据自动分析方法 | |
CN116957813B (zh) | 风控策略测试方法、装置、电子设备及可读存储介质 | |
US20040010441A1 (en) | Metrics analyzer tool and method | |
US5590036A (en) | Failure-recovering sequential procedure teaching system and method thereof | |
CN115983468A (zh) | 一种基于大数据的信息预测分析方法及系统 | |
DE102023103743A1 (de) | Verfahren und system zum vorhersagen einer prozesssequenz für einen fahrzeugherstellungsprozess | |
US7203707B2 (en) | System and method for knowledge asset acquisition and management | |
US6192286B1 (en) | FA information managing method | |
CN107862126B (zh) | 一种部件级信息多样性条件下的系统可靠性评估方法 | |
CN112488410A (zh) | 基于设备综合效率的生产设备性能优化方法及装置 | |
JP2002241847A (ja) | 鋼材の製品品質管理装置 | |
CN109558466B (zh) | 一种制造业数据挖掘中的源数据配置管理方法 | |
Sand et al. | Holistic production analysis for actuator manufacturing using data mining | |
CN116680457A (zh) | 一种基于triz物理矛盾解决工业产品问题的方法 | |
CN117409896A (zh) | 一种高分子材料配方工艺逆设计方法及系统 | |
Tian et al. | Software reliability measurement and modeling for multiple releases of commercial software |