KR20180017167A - 다차원 데이터 분석 지원 장치 - Google Patents

다차원 데이터 분석 지원 장치 Download PDF

Info

Publication number
KR20180017167A
KR20180017167A KR1020187001133A KR20187001133A KR20180017167A KR 20180017167 A KR20180017167 A KR 20180017167A KR 1020187001133 A KR1020187001133 A KR 1020187001133A KR 20187001133 A KR20187001133 A KR 20187001133A KR 20180017167 A KR20180017167 A KR 20180017167A
Authority
KR
South Korea
Prior art keywords
axis
recommended
item
value
axis item
Prior art date
Application number
KR1020187001133A
Other languages
English (en)
Inventor
겐이치로 미즈타니
Original Assignee
미쓰비시 덴키 빌딩 테크노 서비스 가부시키 가이샤
미쓰비시덴키 가부시키가이샤
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 미쓰비시 덴키 빌딩 테크노 서비스 가부시키 가이샤, 미쓰비시덴키 가부시키가이샤 filed Critical 미쓰비시 덴키 빌딩 테크노 서비스 가부시키 가이샤
Publication of KR20180017167A publication Critical patent/KR20180017167A/ko

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
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • 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
    • G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
    • 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

Abstract

분석용 입력 데이터(2, 3)로부터, 설정된 비교 조건(4) 및 추천축 항목(5)에 따라서, x축 항목 및 추천축 항목(5)마다 y축 추천 집계치를 산출하고, 산출된 x축 항목 및 추천축 항목(5)마다의 y축 추천 집계치를 이용하여, x축 항목 및 y축 추천 집계치의 상관 관계를, 추천축 항목(5)마다 출력하도록 구성함으로써, 다수의 데이터 항목으로 이루어지는 다차원 데이터에 대한 비정형적인 분석의 용이화를 실현하는 다차원 데이터 분석 지원 장치를 얻는다.

Description

다차원 데이터 분석 지원 장치
본 발명은 다수의 데이터 항목으로 이루어지는 다차원 데이터의 분석을 지원하는 다차원 데이터 분석 지원 장치에 관한 것이다.
종래부터, 품질 평가를 목적으로 하여, 컴퓨터를 이용하여 데이터를 분석하고, 그 분석 결과가 나타내진 장표(帳票) 형식의 리포트를 작성하고 있다. 이러한 리포트는, 각종 업무 개선을 향한 통일 지표로서 중요한 역할을 담당하지만, 리포트의 작성은, 다대한 시간을 필요로 한다. 이에, 이러한 리포트의 작성을 자동화하는 시도가 이루어지고 있다(예를 들면, 특허 문헌 1 참조).
구체적으로는, 특허 문헌 1에 기재된 종래 기술에서는, 관측된 데이터를 소정의 분석 절차에 의해서 분석하고, 그 분석 결과가 나타내진 표 및 도면이, 지정된 레이 아웃으로 배치되어 있는 리포트를 자동적으로 작성하도록 구성되어 있다.
특허 문헌 1: 일본 특허 제5556164호 공보
그렇지만, 종래 기술에는 이하와 같은 과제가 있다.
특허 문헌 1에 기재된 종래 기술에서는, 소정의 분석 절차에 의해서 정형적(定型的)으로 분석된 결과가 나타내진 리포트를 자동 작성하고 있으므로, 다차원 데이터를 분석할 때, 특허 문헌 1에 기재된 종래 기술을 적용한 경우더라도, 정형적인 분석 결과가 얻어지는 것에 지나지 않는다.
또, 다차원 데이터 중에서 경향 또는 문제점을 찾아내기 위해서, 상이한 시점에서의 분석 또는 특정의 조건하에서 심도 깊게 행한 분석 등과 같은 비정형적인 분석을 행하는 경우, 정형적인 분석 결과로부터, 추가 분석의 필요 여부 또는 추가 분석의 조건을, 사람이 경험적으로 판단할 필요가 있다. 그 때문에, 분석 경험이 적은 사람에게 있어서는, 비정형적인 분석을 행하는 것이 곤란하다고 하는 문제가 있다.
본 발명은 상기와 같은 과제를 해결하기 위해서 이루어진 것으로, 다차원 데이터에 대한 비정형적인 분석의 용이화를 실현하는 다차원 데이터 분석 지원 장치를 얻는 것을 목적으로 한다.
본 발명에 있어서의 다차원 데이터 분석 지원 장치는, 분석용 입력 데이터와, 추천축 항목과, x축 항목과, y축 항목과, 분석용 입력 데이터로부터 x축 항목 및 추천축 항목마다 y축 항목의 값을 산출하기 위한 y축 중간치 및 y축 집계식이 규정된 비교 조건이 입력되는 다차원 데이터 분석 지원 장치로서, 분석용 입력 데이터로부터, 비교 조건 및 추천축 항목에 따라서, x축 항목 및 추천축 항목마다 y축 중간치를 산출하는 추천축별 중간 집계부와, 추천축별 중간 집계부에 의해서 산출된 x축 항목 및 추천축 항목마다의 y축 중간치로부터, x축 항목 및 추천축 항목마다 y축 항목의 값을, y축 집계식을 이용하여 y축 추천 집계치로서 산출하는 추천 집계부와, 추천 집계부에 의해서 산출된 x축 항목 및 추천축 항목마다의 y축 추천 집계치로부터, x축 항목 및 y축 추천 집계치의 상관 관계를, 추천축 항목마다 출력하는 데이터 출력부를 구비한 것이다.
본 발명에 의하면, 분석용 입력 데이터로부터, 설정된 비교 조건 및 추천축 항목에 따라서, x축 항목 및 추천축 항목마다 y축 추천 집계치를 산출하고, 산출된 x축 항목 및 추천축 항목마다의 y축 추천 집계치를 이용하여, x축 항목 및 y축 추천 집계치의 상관 관계를, 추천축 항목마다 출력하도록 구성한다. 이것에 의해, 다차원 데이터에 대한 비정형적인 분석의 용이화를 실현하는 다차원 데이터 분석 지원 장치를 얻을 수 있다.
도 1은 본 발명의 실시 형태 1에 있어서의 다차원 데이터 분석 지원 장치의 구성을 나타내는 블록도이다.
도 2는 도 1의 고장 정보 DB의 테이블의 일례를 나타내는 설명도이다.
도 3은 도 1의 계약 정보 DB의 테이블의 일례를 나타내는 설명도이다.
도 4는 도 1의 비교 조건의 일례를 나타내는 설명도이다.
도 5는 도 1의 추천축 항목의 일례를 나타내는 설명도이다.
도 6은 도 1의 추천 방식의 일례를 나타내는 설명도이다.
도 7은 도 1의 중간 집계치 DB의 테이블의 일례를 나타내는 설명도이다.
도 8은 도 1의 통합 집계치 DB의 테이블의 일례를 나타내는 설명도이다.
도 9는 도 1의 추천 집계치 DB의 테이블의 일례를 나타내는 설명도이다.
도 10은 도 1의 추천 평가치 DB의 테이블의 일례를 나타내는 설명도이다.
도 11은 도 1의 메인 품질 리포트의 일례를 나타내는 설명도이다.
도 12는 도 1의 추천 품질 리포트의 일례를 나타내는 설명도이다.
도 13은 도 1의 추천 품질 리포트의 별례를 나타내는 설명도이다.
도 14는 본 발명의 실시 형태 1에 있어서의 다차원 데이터 분석 지원 장치의 일련의 동작예를 나타내는 순서도이다.
이하, 본 발명에 의한 다차원 데이터 분석 지원 장치를, 적합한 실시 형태에 따라서 도면을 이용하여 설명한다. 또한, 도면의 설명에 있어서는, 동일 부분 또는 상당 부분에는 동일 부호를 부여하고, 중복하는 설명을 생략한다. 또, 실시 형태에서는, 보수 대상 기기(예를 들면, 승강기)의 보수 업무에 관한 다차원 데이터에 대해서 본원 발명을 적용하는 경우를 예시한다.
실시 형태 1.
도 1은 본 발명의 실시 형태 1에 있어서의 다차원 데이터 분석 지원 장치(1)의 구성을 나타내는 블록도이다. 여기서, 본 실시 형태 1에 있어서의 다차원 데이터 분석 지원 장치(1)는, 입력된 분석용 입력 데이터에 대해서, 입력된 비교 조건(4), 추천축 항목(5) 및 추천 방식(6)에 따라서 분석을 행하고, 그 분석 결과를 출력한다.
또한, 다차원 데이터 분석 지원 장치(1)는, 예를 들면, 메모리에 기억된 프로그램을 실행하는 CPU와, 시스템 LSI 등의 처리 회로에 의해서 실현된다. 또, 각종 데이터가 격납되는 각 데이터 베이스(DB)는, 메모리에 기억되어 있다.
먼저, 다차원 데이터 분석 지원 장치(1)로의 각 입력 요소에 대해 설명한다. 또한, 여기에서는, 다차원 데이터 분석 지원 장치(1)에, 분석 대상의 분석용 입력 데이터로서, 고장 정보 DB(2) 및 계약 정보 DB(3)의 각각에 포함되는 데이터가 입력되는 경우를 예시한다.
도 2는 도 1의 고장 정보 DB(2)의 테이블의 일례를 나타내는 설명도이다. 도 2에 나타내는 것처럼, 고장 정보 DB(2)에는, 보수 대상 기기의 고장 정보에 관한 테이블이 포함되어 있다. 구체적으로는, 도 2의 테이블은, 데이터 항목으로서, 고장 ID와, 계약 ID와, 고장 시기와 ,분류 항목 X를 관련짓고 있다.
도 2에 있어서, 고장 ID는 고장을 식별하는 식별자를 나타낸다. 계약 ID는 그 고장 ID에 대응하는 고장이 발생한 보수 대상 기기를 보수할 때의 보수 계약의 내용을 식별하는 식별자를 나타낸다. 고장 시기는, 그 고장 ID에 대응하는 고장이 발생한 연월일을 나타낸다. 분류 항목 X는, 그 고장 ID에 대응하는 고장이 어떠한 종류로 분류되는지를 나타낸다.
도 2에 있어서, 예를 들면, 1행째의 데이터는, 고장 ID가 고장 0001이고, 그 고장 ID에 대응하는 보수 계약의 내용이 계약 00002이며, 그 고장 ID에 대응하는 고장 시기가 2014년 8월 21일이고, 그 고장 ID에 대응하는 고장의 종류가 분류 X01인 것을 나타내고 있다.
도 3은 도 1의 계약 정보 DB(3)의 테이블의 일례를 나타내는 설명도이다. 도 3에 나타내는 것처럼, 계약 정보 DB(3)에는, 보수 대상 기기의 보수 계약 정보에 관한 테이블이 포함되어 있다. 구체적으로는, 도 3의 테이블은, 데이터 항목으로서, 계약 ID와, 계약 시기와, 기종(機種)과, 분류 항목 Y를 관련짓고 있다.
도 3에 있어서, 계약 ID는 보수 대상 기기의 보수 계약의 내용을 식별하는 식별자를 나타낸다. 계약 시기는, 그 계약 ID에 대응하는 보수 계약이 체결된 연월일을 나타낸다. 기종은 그 계약 ID에 대응하는 보수 대상 기기의 기종을 나타낸다. 분류 항목 Y는 그 계약 ID에 대응하는 보수 계약이 어떠한 종류로 분류되는지를 나타낸다.
도 3에 있어서, 예를 들면, 1행째의 데이터는, 계약 ID가 계약 00001이고, 그 계약 ID에 대응하는 보수 계약의 체결 시기가 2010년 4월 1일이며, 그 계약 ID에 대응하는 보수 대상 기기의 기종이 기종 1이고, 그 계약 ID에 대응하는 보수 계약의 종류가 분류 Y02인 것을 나타내고 있다.
또, 도 2 및 도 3의 각 테이블에는, 계약 ID의 데이터 항목이 포함되어 있으므로, 각 테이블은 서로 관련지어진다.
이와 같이, 다차원 데이터 분석 지원 장치(1)에는, 도 2 및 도 3에 나타내는 것 같은 보수 대상 기기의 보수 업무에 관한 다차원 데이터가 분석용 입력 데이터로서 입력된다.
도 4는 도 1의 비교 조건(4)의 일례를 나타내는 설명도이다. 도 4에 나타내는 것처럼, 비교 조건(4)은 x축 항목, y축 항목, y축 집계식, 제1 y축 중간치, 제1 합성 함수, 제2 y축 중간치, 제2 합성 함수 및 범위 압축 조건이 규정된다. 비교 조건(4)의 각 항목은, 유저에 의해서 설정된다.
도 4에 있어서, x축 항목 및 y축 항목의 각 항목에는, 분석용 입력 데이터로부터 도출 가능한 2개의 파라미터의 상관 관계를 분석할 때의 파라미터가 설정된다. 여기에서는, 분석용 입력 데이터로부터, 고장 발생월과 고장율의 상관 관계를 분석하기 위해서, x축 항목으로서 고장 발생월이 설정되고, y축 항목으로서 고장율이 설정되는 경우를 예시하고 있다.
제1 y축 중간치 및 제2 y축 중간치의 항목에는, 분석용 입력 데이터로부터 x축 항목 및 후술하는 추천축 항목(5)마다 y축 항목의 값을 산출하기 위해서 필요한 파라미터가 설정된다. 여기에서는, 고장 정보 DB(2) 및 계약 정보 DB(3)의 각각에 포함되는 데이터로부터, 고장 발생월 및 기종마다 고장율을 산출할 필요가 있다.
따라서, 분석용 입력 데이터로부터 x축 항목 및 추천축 항목(5)마다 y축 항목의 값을 산출하기 위한 y축 중간치로서, 제1 y축 중간치 및 제2 y축 중간치의 2개의 파라미터를 설정하고 있다. 구체적으로는, 제1 y축 중간치로서 고장 정보 DB(2)의 건수가 설정되고, 제2 y축 중간치로서 계약 정보 DB(3)의 건수가 설정되는 경우를 예시하고 있다.
y축 집계식의 항목에는, 분석용 입력 데이터로부터 x축 항목 및 추천축 항목(5)마다 y축 항목의 값을 산출하기 위해서 필요한 함수가 설정된다. 여기에서는, 제1 y축 중간치 및 제2 y축 중간치로부터, x축 항목 및 추천축 항목(5)마다 y축 항목의 값을 산출하기 위한 함수가 y축 집계식으로서 설정된다. 구체적으로는, y축 집계식의 함수로서, ［제1 y축 중간치］/［제2 y축 중간치］가 설정되는 경우를 예시하고 있다.
제1 합성 함수의 항목에는, x축 항목 및 추천축 항목(5)마다의 제1 y축 중간치를, x축 항목이 같은 값마다 합성하기 위한 함수가 설정된다. 여기에서는, 제1 합성 함수로서, 가산(加算) 함수가 설정되는 경우를 예시한다.
제2 합성 함수의 항목에는, x축 항목 및 추천축 항목(5)마다의 제2 y축 중간치를, x축 항목이 같은 값마다 합성하기 위한 함수가 설정된다. 여기에서는, 제2 합성 함수로서, 가산 함수가 설정되는 경우를 예시한다.
범위 압축 조건에는, 분석용 입력 데이터의 데이터수를 줄이기 위한 조건이 설정된다. 여기에서는, 고장 정보 DB(2)에 포함되는 데이터에 있어서 분류 항목 X가 분류 X01에 속하는 데이터를 이용하여 분석하는 조건이 범위 압축 조건으로서 설정된다. 이 경우, 분류 X01에 속하는 고장에 대해 분석되게 된다.
도 5는 도 1의 추천축 항목(5)의 일례를 나타내는 설명도이다. 도 6은 도 1의 추천 방식(6)의 일례를 나타내는 설명도이다. 추천축 항목(5) 및 추천 방식(6)의 각 항목은, 유저에 의해서 설정된다.
도 5 및 도 6에 있어서, 추천축 항목(5) 및 추천 방식(6)의 각 항목에는, 비교 조건(4)의 x축 항목 및 y축 항목의 각 항목에 설정된 2개의 파라미터의 상관 관계를 기본으로, 특정한 경향을 추가로 분석하기 위한 파라미터가 설정된다. 또한, 추천축 항목(5)은 1개가 아니라 복수 개 설정할 수도 있다. 여기에서는, 고장이 증가 경향에 있는 기종을 알고 싶다고 유저가 생각하고 있다고 가정하고, 추천축 항목(5)으로서 기종이 설정되고, 추천 방식(6)으로서 증가 경향이 설정되는 경우를 예시하고 있다. 이 경우, 보수 대상 기기의 기종마다 고장 발생월에 대한 고장율의 증가 경향이 정량적으로 분석되게 된다.
이와 같이, 다차원 데이터 분석 지원 장치(1)에는, 도 4~도 6에 나타내는 것 같은, 분석용 입력 데이터를 분석하기 위한 조건에 상당하는, 비교 조건(4), 추천축 항목(5) 및 추천 방식(6)도 분석용 입력 데이터와 함께 입력된다.
또한, 분석용 입력 데이터의 내용에 의해서, x축 항목, y축 항목, 추천축 항목(5) 및 추천 방식(6)의 각각에 다양한 파라미터를 설정 가능하다.
x축 항목으로서는, 예를 들면, 연도, 또는 지사 등을 설정할 수 있다. y축 항목으로서는, 예를 들면, 수리 작업 시간, 수리 코스트, 또는 고장 정지 시간(MTTR) 등을 설정할 수 있다. 추천축 항목(5)으로서는, 예를 들면, 계약 형태, 고장 부위, 고장 현상, 고장 원인, 설비 용도, 설치 환경, 관리 부문, 또는 설치 년수 등을 설정할 수 있다. 추천 방식(6)으로서는, 예를 들면, 감소 경향, 평균치의 대소 경향, 급상승 경향, 급하강 경향, 또는 계절 변동 경향 등을 설정할 수 있다.
또한, 본 실시 형태 1에서는, 추천축 항목(5)에 설정 가능한 파라미터와 추천 방식(6)에 설정 가능한 파라미터의 조합의 일례로서, 기종과 증가 경향을 조합한 경우를 예시하고 있지만, 추천축 항목(5)에 설정 가능한 파라미터와, 추천 방식(6)에 설정 가능한 파라미터의 조합으로서 다양한 조합을 설정할 수 있는 것은 말할 필요도 없다. 예를 들면, 추천축 항목(5)에 계약 형태를 설정하고, 추천 방식(6)에 감소 경향을 설정했을 경우, 보수 대상 기기의 계약 형태마다 고장 발생월에 대한 고장율의 감소 경향이 정량적으로 분석되게 된다.
또한, 분석용 입력 데이터의 내용과, x축 항목, y축 항목 및 추천축 항목(5)에 설정되는 파라미터의 내용에 따라서, 비교 조건(4)에 있어서의 제1 y축 중간치, 제2 y축 중간치, y축 집계식, 제1 합성 함수, 제2 합성 함수 및 범위 압축 조건의 설정 내용이 적당 변경되는 것은 말할 필요도 없다.
다음에, 다차원 데이터 분석 지원 장치(1)의 각 구성요소에 대해 설명한다. 도 1에 있어서, 다차원 데이터 분석 지원 장치(1)는 추천축별 중간 집계부(11), 중간 집계치 DB(12), 통합 집계부(13), 추천 집계부(14), 통합 집계치 DB(15), 추천 집계치 DB(16), 추천 평가치 DB(17) 및 데이터 출력부(18)를 구비한다.
추천축별 중간 집계부(11)는 분석용 입력 데이터로서 입력된 고장 정보 DB(2) 및 계약 정보 DB(3)의 각각으로부터, 비교 조건(4) 및 추천축 항목(5)에 따라서, x축 항목 및 추천축 항목(5)마다 제1 y축 중간치 및 제2 y축 중간치를 산출하고, 산출 결과를 중간 집계치 DB(12)에 격납한다.
구체적으로는, 추천축별 중간 집계부(11)는 고장 정보 DB(2) 및 계약 정보 DB(3)의 각각을 계약 ID로 관련지어, x축 항목으로서 설정된 고장 발생월 및 추천축 항목(5)으로서 설정된 기종마다 카운트한 분류 X01에 속하는 고장의 건수를, 제1 y축 중간치로 한다. 또, 추천축별 중간 집계부(11)는 계약 정보 DB(3)로부터, 기종마다 카운트한 보수 계약의 건수를, 제2 y축 중간치로 한다.
여기서, 중간 집계치 DB(12)에 대해 설명한다. 도 7은 도 1의 중간 집계치 DB(12)의 테이블의 일례를 나타내는 설명도이다. 도 7에 나타내는 것처럼, 중간 집계치 DB(12)에는, 추천축별 중간 집계부(11)에 의한 산출 결과에 관한 테이블이 포함되어 있다. 구체적으로는, 도 7의 테이블은 데이터 항목으로서, x축 항목과, 추천축 항목(5)과, 제1 y축 중간치와, 제2 y축 중간치를 관련짓고 있다.
도 7에 있어서, 예를 들면, 1행째의 데이터는, 1월에 기종 1에서 발생한 고장의 건수가 35이고, 기종 1의 보수 계약의 건수가 5001인 것을 나타내고 있다.
도 1의 설명으로 돌아가, 통합 집계부(13)는 중간 집계치 DB(12)에 격납되어 있는 x축 항목 및 추천축 항목(5)마다의 제1 y축 중간치 및 제2 y축 중간치로부터, x축 항목마다 y축 항목의 값을, 제1 합성 함수, 제2 합성 함수 및 y축 집계식을 이용하여 y축 통합 집계치로서 산출하고, 산출 결과를 통합 집계치 DB(15)에 격납한다.
구체적으로는, 고장 발생월 및 기종마다의 제1 y축 중간치를, 고장 발생월마다 가산 함수를 이용하여 각각 가산함으로써, 제1 가산치를 산출한다. 또, 고장 발생월 및 기종마다의 제2 y축 중간치를, 고장 발생월마다 가산 함수를 이용하여 각각 가산함으로써, 제2 가산치를 산출한다. 또한, 고장 발생월마다, 제1 가산치를 제2 가산치로 나누었을 때의 값을, y축 통합 집계치라고 한다.
여기서, 통합 집계치 DB(15)에 대해 설명한다. 도 8은 도 1의 통합 집계치 DB(15)의 테이블의 일례를 나타내는 설명도이다. 도 8에 나타내는 것처럼, 통합 집계치 DB(15)에는, 통합 집계부(13)에 의한 산출 결과에 관한 테이블이 포함되어 있다. 구체적으로는, 도 8의 테이블은, 데이터 항목으로서, x축 항목과, y축 통합 집계치를 관련짓고 있다.
도 8에 있어서, 예를 들면, 1행째의 데이터는, 고장 발생월이 1월일 때의, 모든 기종에서 발생한 고장율이 0.0055인 것을 나타내고 있다. 또, 이 수치는, 도 7에 나타내는 중간 집계치 DB(12)로부터, 1월에 대응하는 제1 가산치(=35＋36＋36＋37) 및 제2 가산치(=5001＋6009＋8082＋7282)를 산출하고, 제1 가산치를 제2 가산치로 나눔으로써 얻어지는 값이다.
도 1의 설명으로 돌아가, 추천 집계부(14)는 중간 집계치 DB(12)에 격납되어 있는 x축 항목 및 추천축 항목(5)마다의 제1 y축 중간치 및 제2 y축 중간치로부터, x축 항목 및 추천축 항목(5)마다 y축 항목의 값을, y축 집계식을 이용하여 y축 추천 집계치로서 산출하고, 산출 결과를 추천 집계치 DB(16)에 격납한다. 구체적으로는, 고장 발생월 및 기종마다, 제1 y축 중간치를 제2 y축 중간치로 나누었을 때의 값을, y축 추천 집계치라고 한다.
여기서, 추천 집계치 DB(16)에 대해 설명한다. 도 9는 도 1의 추천 집계치 DB(16)의 테이블의 일례를 나타내는 설명도이다. 도 9에 나타내는 것처럼, 추천 집계치 DB(16)에는, 추천 집계부(14)에 의한 y축 추천 집계치의 산출 결과에 관한 테이블이 포함되어 있다. 구체적으로는, 도 9의 테이블은, 데이터 항목으로서, x축 항목과, 추천축 항목(5)과, y축 추천 집계치를 관련짓고 있다.
도 9에 있어서, 예를 들면, 1행째의 데이터는, 고장 발생월이 1월일 때의 기종 1에서 발생한 고장율이 0.0070인 것을 나타내고 있다. 또, 이 수치는, 도 7에 나타내는 중간 집계치 DB(12)로부터, 1월 및 기종 1에 대응하는 제1 y축 중간치(=35) 및 제2 y축 중간치(=5001)를 이용하여, 제1 y축 중간치를 제2 y축 중간치로 나눔으로써 얻어지는 값이다.
도 1의 설명으로 돌아가, 추천 집계부(14)는, 또한, 산출한 x축 항목 및 추천축 항목(5)마다의 y축 추천 집계치로부터, 추천 방식(6)에 따라서, 추천축 항목(5)마다 추천 평가치를 산출하고, 산출 결과를 추천 평가치 DB(17)에 격납한다. 구체적으로는, 추천 방식(6)에 대응한 통계식을 이용하여, 기종마다 추천 평가치를 산출한다.
또한, 여기에서는, 추천 방식(6)을 증가 경향으로 설정하고 있으므로, 기종마다의 고장율의 증가 경향을 수치화하기 위해서, 증가 경향에 대응한 통계식으로서, 예를 들면, 이하의 수학식 (1)을 이용할 수 있다.
[수학식 1]
Figure pct00001
단, 수학식 (1)에 있어서, Ai를 기종 N의 i월의 y축 추천 집계치, Bi를 정수 i(1씩 증가하는 계열)로 두고,｛Ai｝와｛Bi｝(양방 모두 길이 n=12)의 상관 계수 R을 추천 평가치로 하고 있다.
또, 추천 집계부(14)는, 또한, 산출한 추천축 항목(5)마다의 추천 평가치로부터, 추천축 항목의 추천 순위를 산출하고, 산출 결과를 추천 평가치 DB(17)에 격납한다. 또한, 추천 순위란, 추천 방식(6)으로 설정한 경향의 정도를 순위 부여한 것이며, 그 정도가 클수록 순위가 상위(上位)가 된다.
예를 들면, 상기에서 예시한 것처럼, 수학식 (1)을 이용하여, 기종마다 추천 평가치를 산출했을 경우, 추천 평가치가 클수록 고장율의 증가 경향이 높아진다. 이 경우, 기종마다의 추천 평가치의 대소 관계로부터, 순위 부여를 행하여, 가장 큰 추천 평가치를 받은 기종의 추천 순위를 1위로 한다.
여기서, 추천 평가치 DB(17)에 대해 설명한다. 도 10은 도 1의 추천 평가치 DB(17)의 테이블의 일례를 나타내는 설명도이다. 도 10에 나타내는 것처럼, 추천 평가치 DB(17)에는, 추천 집계부(14)에 의한 추천 평가치 및 추천 순위의 산출 결과에 관한 테이블이 포함되어 있다. 구체적으로는, 도 10의 테이블은, 데이터 항목으로서, 추천축 항목(5)과, 추천 평가치와, 추천 순위를 관련짓고 있다.
도 10에 있어서, 예를 들면, 1행째의 데이터는, 기종 1의 추천 평가치가 0.84이고, 추천 순위가 1위인 것을 나타내고 있다. 즉, 추천 순위가 1위인 기종 1은, 기종 1~4 중에서 고장율의 증가 경향이 가장 높은 것을 나타내고 있다. 또, 이 수치는, 도 9에 나타내는 추천 집계치 DB(16)로부터, 기종 1에 대응하는 1월부터 12월까지의 매월의 y축 추천 집계치를 이용하여, 수학식 (1)에 따라서 산출한 값이다.
데이터 출력부(18)는 통합 집계치 DB(15)에 격납되어 있는 x축 항목마다의 y축 통합 집계치를 이용하여, x축 항목 및 y축 통합 집계치의 상관 관계를, 메인 품질 리포트(7)로서 출력한다. 구체적으로는, 데이터 출력부(18)는 고장 발생월과, 모든 기종의 고장율의 상관 관계를, 메인 품질 리포트(7)로서 출력한다.
여기서, 메인 품질 리포트(7)에 대해 설명한다. 도 11은 도 1의 메인 품질 리포트(7)의 일례를 나타내는 설명도이다. 도 11에 나타내는 것처럼, 메인 품질 리포트(7)는 고장 발생월마다의 y축 통합 집계치를, 세로축을 고장율, 가로축을 고장 발생월로 한 그래프에 플롯한 형태로 출력된 것이다. 즉, 메인 품질 리포트(7)에서는, 고장 발생월과, 모든 기종의 고장율의 상관 관계가 그래프로 나타내져 있다.
또, 데이터 출력부(18)는 추천 집계치 DB(16)에 격납되어 있는 x축 항목 및 추천축 항목(5)마다의 y축 추천 집계치를 이용하여, x축 항목 및 y축 추천 집계치의 상관 관계를 기종마다 추천 품질 리포트(8)로서 출력한다. 구체적으로는, 데이터 출력부(18)는 고장 발생월과, 기종의 고장율의 상관 관계를, 기종마다 추천 품질 리포트(8)로서 출력한다.
또한, 데이터 출력부(18)는 추천 평가치 DB(17)에 격납되어 있는 추천축 항목(5)마다의 추천 순위를 함께 출력한다. 구체적으로는, 데이터 출력부(18)는 기종마다의 추천 순위를 함께 출력한다.
여기서, 추천 품질 리포트(8)에 대해 설명한다. 도 12는 도 1의 추천 품질 리포트(8)의 일례를 나타내는 설명도이다. 도 13은 도 1의 추천 품질 리포트(8)의 별례를 나타내는 설명도이다. 도 12 및 도 13에 나타내는 것처럼, 추천 품질 리포트(8)는 고장 발생월마다의 y축 추천 집계치를, 세로축을 고장율, 가로축을 고장 발생월로 한 그래프에 플롯한 형태로 기종마다 출력된 것이다. 즉, 추천 품질 리포트(8)에서는, 고장 발생월과, 기종의 고장율의 상관 관계가 그래프로 기종마다 나타내져 있다.
또, 도 12 및 도 13에 나타내는 것처럼, 각 기종의 그래프에는, 추천 순위도 함께 나타내져 있다. 즉, 도 12에 나타내는 기종 1에 대응하는 그래프에는, 추천 순위가 1위인 것이 나타내지고, 도 13에 나타내는 기종 3에 대응하는 그래프에는, 추천 순위가 2위인 것이 나타내져 있다.
이와 같이 구성함으로써, 유저는, 비교 조건(4)의 x축 항목 및 y축 항목에서 설정한 2개의 파라미터의 상관 관계를 확인할 수 있다. 또, x축 항목 및 y축 항목의 상관 관계를, 추천축 항목(5)에서 설정한 데이터 항목마다 확인할 수 있다. 또한, 추천 방식에서 설정한 내용에 따라서, 추천축 항목(5)마다 얻어진 x축 항목 및 y축 항목의 상관 관계가 나타내는 특정한 경향을 정량적으로 확인할 수 있다.
또한, 도 12 및 도 13에서는, 유저에 대해서 각 기종의 고장율의 증가 경향을 정량적으로 명시하기 위해서, 각 기종에 대응하는 추천 순위가 나타내지는 경우를 예시하고 있지만, 각 기종에 대응하는 추천 평가치가 나타내지도록 해도 된다.
또한, 여기에서는, 메인 품질 리포트(7) 및 추천 품질 리포트(8)에 있어서, 각 상관 관계가 그래프 형식으로 나타내지는 경우를 예시하고 있지만, 어떠한 형식으로 각 상관 관계가 나타내지고 있어도 된다. 또, 데이터 출력부(18)는, 유저가 메인 품질 리포트(7) 및 추천 품질 리포트(8)의 내용을 확인할 수 있으면, 이들을 어떻게 출력해도 되고, 예를 들면, 종이에 인쇄하는 형태로 출력하도록 구성해도 되고, 표시 장치의 화면에 표시하도록 구성해도 된다.
다음에, 다차원 데이터 분석 지원 장치(1)의 일련의 동작예에 대해서, 도 14를 참조하면서 설명한다. 도 14는 본 발명의 실시 형태 1에 있어서의 다차원 데이터 분석 지원 장치(1)의 일련의 동작예를 나타내는 순서도이다.
스텝 S101에 있어서, 추천축별 중간 집계부(11)는, 분석용 입력 데이터(여기에서는, 고장 정보 DB(2) 및 계약 정보 DB(3))로부터, 비교 조건(4) 및 추천축 항목(5)에 따라서, x축 항목 및 추천축 항목(5)마다 y축 중간치를 산출하여 중간 집계치 DB(12)에 격납한다.
스텝 S102에 있어서, 통합 집계부(13)는, 중간 집계치 DB(12)로부터, x축 항목마다 y축 항목의 값을, y축 집계식을 이용하여 y축 통합 집계치로서 산출하여 통합 집계치 DB(15)에 격납한다.
스텝 S103에 있어서, 추천 집계부(14)는, 중간 집계치 DB(12)로부터, x축 항목 및 추천축 항목(5)마다 y축 항목의 값을, y축 집계식을 이용하여 y축 추천 집계치로서 산출하여 추천 집계치 DB(16)에 격납한다.
스텝 S104에 있어서, 추천 집계부(14)는, 추천 집계치 DB(16)로부터, 추천 방식(6)에 따라서, 추천축 항목(5)마다 추천 평가치를 산출함과 아울러, 추천축 항목(5)마다의 추천 평가치로부터 추천축 항목(5)의 추천 순위를 산출하고, 이들 산출 결과를 추천 평가치 DB(17)에 격납한다.
스텝 S105에 있어서, 데이터 출력부(18)는, 통합 집계치 DB(15)로부터 메인 품질 리포트(7)를 작성하여 출력함과 아울러, 추천 집계치 DB(16) 및 추천 평가치 DB(17)로부터 추천 품질 리포트(8)를 작성하여 출력한다.
이와 같이, 다차원 데이터 분석 지원 장치(1)에 의해서 스텝 S101~스텝 S105의 각 처리가 실행됨으로써, 메인 품질 리포트(7) 및 추천 품질 리포트(8)가 출력되므로, 유저는 분석용 입력 데이터의 내용에 따라서, 비교 조건(4), 추천축 항목(5) 및 추천 방식(6)을 설정하는 것만으로, 분석용 입력 데이터에 대한 원하는 분석을 용이하게 행할 수 있다.
이상, 본 실시 형태 1에 의하면, 분석용 입력 데이터로부터, 비교 조건 및 추천축 항목에 따라서, x축 항목 및 추천축 항목마다 y축 중간치를 산출하는 추천축별 중간 집계부와, x축 항목 및 추천축 항목마다의 y축 중간치로부터, x축 항목 및 추천축 항목마다 y축 항목의 값을, y축 집계식을 이용하여 y축 추천 집계치로서 산출하는 추천 집계부와, x축 항목 및 추천축 항목마다의 y축 추천 집계치로부터, x축 항목 및 y축 추천 집계치의 상관 관계를, 추천축 항목마다 출력하는 데이터 출력부를 구비하여 구성한다.
이것에 의해, 다차원 데이터에 대한 비정형적인 분석의 용이화를 실현할 수 있다. 또, 유저의 분석 스킬에 의존하는 일 없이, 유저에 의한 입력에 따른 분석 결과가 출력되므로, 다차원 데이터에 관해서 유저에게 예상 외의 깨달음을 줌과 아울러, 분석 스킬이 적은 유저에 대해서도, 비정형적인 분석의 결과를 주지시킬 수 있다. 또한, 특징적인 분석 사례가 유저에게 제시됨으로써, 그러한 분석 사례가 보수 업무시의 예비 지식으로서 인지되므로, 그 결과, 보수 품질의 향상으로 이어진다.
또한, 본 실시 형태 1에서는, 보수 대상 기기(예를 들면, 승강기)의 보수 업무에 관한 다차원 데이터에 대해서 본원 발명을 적용하는 경우를 예시했지만, 이것으로 한정되지 않고, 어떠한 다차원 데이터에 대해서도 적용 가능하다는 것은 말할 필요도 없다.

Claims (4)

  1. 분석용 입력 데이터와,
    추천축 항목과,
    x축 항목과, y축 항목과, 상기 분석용 입력 데이터로부터 상기 x축 항목 및 상기 추천축 항목마다 상기 y축 항목의 값을 산출하기 위한 y축 중간치 및 y축 집계식이 규정된 비교 조건이 입력되는 다차원 데이터 분석 지원 장치로서,
    상기 분석용 입력 데이터로부터, 상기 비교 조건 및 상기 추천축 항목에 따라서, 상기 x축 항목 및 상기 추천축 항목마다 상기 y축 중간치를 산출하는 추천축별 중간 집계부와,
    상기 추천축별 중간 집계부에 의해서 산출된 상기 x축 항목 및 상기 추천축 항목마다의 상기 y축 중간치로부터, 상기 x축 항목 및 상기 추천축 항목마다 상기 y축 항목의 값을, 상기 y축 집계식을 이용하여 y축 추천 집계치로서 산출하는 추천 집계부와,
    상기 추천 집계부에 의해서 산출된 상기 x축 항목 및 상기 추천축 항목마다의 상기 y축 추천 집계치로부터, 상기 x축 항목 및 상기 y축 추천 집계치의 상관 관계를, 상기 추천축 항목마다 출력하는 데이터 출력부를 구비한 다차원 데이터 분석 지원 장치.
  2. 청구항 1에 있어서,
    상기 비교 조건은, 추천 방식이 추가로 규정되고,
    상기 추천 집계부는,
    산출된 상기 x축 항목 및 상기 추천축 항목마다의 상기 y축 추천 집계치로부터, 상기 추천 방식에 따라서, 상기 추천축 항목마다 추천 평가치를 추가로 산출하고,
    상기 데이터 출력부는,
    상기 추천 집계부에 의해서 산출된 상기 추천축 항목마다의 상기 추천 평가치를 추가로 출력하는 다차원 데이터 분석 지원 장치.
  3. 청구항 2에 있어서,
    상기 추천 집계부는,
    산출된 상기 추천축 항목마다의 상기 추천 평가치의 대소 관계로부터, 상기 추천축 항목의 추천 순위를 산출하고,
    상기 데이터 출력부는,
    상기 추천축 항목마다의 상기 추천 평가치를 대신하여, 상기 추천 집계부에 의해서 산출된 상기 추천축 항목의 추천 순위를 추가로 출력하는 다차원 데이터 분석 지원 장치.
  4. 청구항 1 내지 청구항 3 중 어느 한 항에 있어서,
    상기 추천축별 중간 집계부에 의해서 산출된 상기 x축 항목 및 상기 추천축 항목마다의 상기 y축 중간치로부터, 상기 x축 항목마다 상기 y축 항목의 값을, 상기 y축 집계식을 이용하여 y축 통합 집계치로서 산출하는 통합 집계부를 추가로 구비하고,
    상기 데이터 출력부는,
    상기 통합 집계부에 의해서 산출된 상기 x축 항목마다의 상기 y축 통합 집계치로부터, 상기 x축 항목 및 상기 y축 통합 집계치의 상관 관계를 추가로 출력하는 다차원 데이터 분석 지원 장치.
KR1020187001133A 2015-06-15 2016-06-13 다차원 데이터 분석 지원 장치 KR20180017167A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2015120044A JP6552882B2 (ja) 2015-06-15 2015-06-15 多次元データ分析支援装置
JPJP-P-2015-120044 2015-06-15
PCT/JP2016/067564 WO2016204119A1 (ja) 2015-06-15 2016-06-13 多次元データ分析支援装置

Publications (1)

Publication Number Publication Date
KR20180017167A true KR20180017167A (ko) 2018-02-20

Family

ID=57545415

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020187001133A KR20180017167A (ko) 2015-06-15 2016-06-13 다차원 데이터 분석 지원 장치

Country Status (5)

Country Link
JP (1) JP6552882B2 (ko)
KR (1) KR20180017167A (ko)
CN (1) CN107636703A (ko)
DE (1) DE112016002709T5 (ko)
WO (1) WO2016204119A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI742549B (zh) * 2020-03-02 2021-10-11 如如研創股份有限公司 多維度模板之報告書產出方法與系統

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0765068A (ja) * 1993-08-30 1995-03-10 Fujitsu Ltd 品質データ分析装置
JP2003233686A (ja) * 2002-02-12 2003-08-22 Hitachi Ltd 障害分析システム
CN102810112B (zh) * 2012-06-04 2016-08-17 上海交通大学 一种实现fmea数据多维处理系统及处理方法
JP5642228B2 (ja) * 2013-04-26 2014-12-17 エヌ・ティ・ティ・コミュニケーションズ株式会社 相関値算出システム、判定システム、相関値算出方法、判定方法及びコンピュータプログラム
CN103488475B (zh) * 2013-09-02 2017-04-26 用友网络科技股份有限公司 多维数据分析系统和多维数据分析方法

Also Published As

Publication number Publication date
DE112016002709T5 (de) 2018-03-01
JP2017004407A (ja) 2017-01-05
CN107636703A (zh) 2018-01-26
JP6552882B2 (ja) 2019-07-31
WO2016204119A1 (ja) 2016-12-22

Similar Documents

Publication Publication Date Title
JP4207915B2 (ja) 品質変動表示装置、品質変動表示方法、品質変動表示プログラム及び該プログラムを記録した記録媒体
US11245586B2 (en) Data insight scoring for performance analytics
US7596727B2 (en) System and method for analyzing an MTBF of an electronic product
US10705515B2 (en) System and method for performing manufacturing quality control with the aid of a digital computer
US20110252394A1 (en) Method and system for software developer guidance based on analyzing project events
JP2006277153A (ja) バグ管理システム
US20180189741A1 (en) Inspection management system and inspection management method
JP4281842B2 (ja) 品質変動表示装置、品質変動表示方法、品質変動表示プログラム及び該プログラムを記録した記録媒体
JP2018205948A (ja) トレーサビリティシステムおよびトレーサビリティの方法
KR101998972B1 (ko) 변수 구간별 불량 발생 지수를 도출하여 공정 불량 원인을 파악하고 시각화하는 방법
JP2015141444A (ja) エネルギー効率評価支援装置、コンピュータプログラムおよびエネルギー効率評価支援方法
CN116187650A (zh) 针对产品零部件的自主机器学习需求预测方法及系统
JP5696027B2 (ja) 作業時間算出装置および作業時間算出方法
KR20180017167A (ko) 다차원 데이터 분석 지원 장치
JP2017072910A (ja) 計画生成装置および計画生成方法
JP6715705B2 (ja) 不良原因探索システム、及び不良要因探索方法
JP6247777B2 (ja) 異常診断装置および異常診断方法
JP2021197026A (ja) 稼働ロス分析システム、および稼働ロス分析方法
JP6116052B2 (ja) 組込みシステムのテスト方法
Carcano et al. Integrating inspection-policy design in assembly-line balancing
JP2011103042A (ja) 環境情報の集計方法および環境情報集計装置
WO2021182245A1 (ja) 技能評価装置及び技能評価方法
JP2004118698A (ja) 故障保全管理システムおよび故障保全管理方法
CN110619406A (zh) 一种确定业务异常的方法及装置
US20160379147A1 (en) Energy intensity variability analysis

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application