特開2024-143608時系列データの要因分析支援システム及び時系列データの要因分析支援方法
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024143608
(43)【公開日】2024-10-11
(54)【発明の名称】時系列データの要因分析支援システム及び時系列データの要因分析支援方法
(51)【国際特許分類】
G06Q 50/04 20120101AFI20241003BHJP
G06Q 10/00 20230101ALI20241003BHJP
【ＦＩ】
G06Q50/04
G06Q10/00
【審査請求】未請求
【請求項の数】8
【出願形態】ＯＬ
(21)【出願番号】P 2023056372
(22)【出願日】2023-03-30
(71)【出願人】
【識別番号】000005108
【氏名又は名称】株式会社日立製作所
(74)【代理人】
【識別番号】110000925
【氏名又は名称】弁理士法人信友国際特許事務所
(72)【発明者】
【氏名】横井 直明
(72)【発明者】
【氏名】恵木 正史
【テーマコード（参考）】
5L010
5L049
5L050
【Ｆターム（参考）】
5L010AA20
5L049AA20
5L049CC03
5L050CC03
(57)【要約】
【課題】時系列データの要因分析を行う際に、解析した原因に対する対処を明確化して提示できるようにする。
【解決手段】時系列変数ごとに時系列因果モデルを保持する時系列因果モデル記憶部３１と、時系列因果モデル記憶部３１が記憶した時系列因果モデルと分析対象の時系列データを用いて、各時刻の各時系列変数の寄与度について、他の時刻の他の時系列変数の寄与度にどれだけ還元すべきかを評価した寄与度還元率を算出する寄与度算出部１５と、寄与度算出部が算出した寄与度還元率に基づいて、各時刻の各時系列変数の寄与度を他の時刻の他の時系列変数の寄与度に還元し、目的変数に対する根本要因による寄与度の推移を算出する寄与度還元部１７と、寄与度還元部１７が算出した目的変数に対する根本要因による寄与度を出力する出力部１８と、を有する。
【選択図】図１
【解決手段】時系列変数ごとに時系列因果モデルを保持する時系列因果モデル記憶部３１と、時系列因果モデル記憶部３１が記憶した時系列因果モデルと分析対象の時系列データを用いて、各時刻の各時系列変数の寄与度について、他の時刻の他の時系列変数の寄与度にどれだけ還元すべきかを評価した寄与度還元率を算出する寄与度算出部１５と、寄与度算出部が算出した寄与度還元率に基づいて、各時刻の各時系列変数の寄与度を他の時刻の他の時系列変数の寄与度に還元し、目的変数に対する根本要因による寄与度の推移を算出する寄与度還元部１７と、寄与度還元部１７が算出した目的変数に対する根本要因による寄与度を出力する出力部１８と、を有する。
【選択図】図１
【特許請求の範囲】
【請求項1】
時系列変数による目的変数への寄与度の推移を分析する時系列データの要因分析支援システムであって、
前記時系列変数ごとに時系列因果モデルを保持する時系列因果モデル記憶部と、
前記時系列因果モデル記憶部が記憶した時系列因果モデルと分析対象の時系列データを用いて、各時刻の各時系列変数の寄与度について、他の時刻の他の時系列変数の寄与度にどれだけ還元すべきかを評価した寄与度還元率を算出する寄与度算出部と、
前記寄与度算出部が算出した寄与度還元率に基づいて、各時刻の各時系列変数の寄与度を他の時刻の他の時系列変数の寄与度に還元し、前記目的変数に対する根本要因による寄与度の推移を算出する寄与度還元部と、
前記寄与度還元部が算出した、前記目的変数に対する根本要因による寄与度を出力する出力部と、を有する
時系列データの要因分析支援システム。
前記時系列変数ごとに時系列因果モデルを保持する時系列因果モデル記憶部と、
前記時系列因果モデル記憶部が記憶した時系列因果モデルと分析対象の時系列データを用いて、各時刻の各時系列変数の寄与度について、他の時刻の他の時系列変数の寄与度にどれだけ還元すべきかを評価した寄与度還元率を算出する寄与度算出部と、
前記寄与度算出部が算出した寄与度還元率に基づいて、各時刻の各時系列変数の寄与度を他の時刻の他の時系列変数の寄与度に還元し、前記目的変数に対する根本要因による寄与度の推移を算出する寄与度還元部と、
前記寄与度還元部が算出した、前記目的変数に対する根本要因による寄与度を出力する出力部と、を有する
時系列データの要因分析支援システム。
【請求項2】
前記時系列因果モデル記憶部が保持する時系列因果モデルは、実績時系列データから実績ラグ変数データと時系列目的変数群データとを生成し、特定の時刻から所定時刻前について、生成した前記実績ラグ変数データと前記時系列目的変数群データとの変数の値から予測したモデルである
請求項１に記載の時系列データの要因分析支援システム。
請求項１に記載の時系列データの要因分析支援システム。
【請求項3】
さらに、過去の実績時系列データ及び／又は実績非系列データと、分析目的とする状態との関係性を学習する予測器を備え、
前記寄与度算出部は、前記予測器が学習した結果を使って、前記寄与度還元率を算出する
請求項２に記載の時系列データの要因分析支援システム。
前記寄与度算出部は、前記予測器が学習した結果を使って、前記寄与度還元率を算出する
請求項２に記載の時系列データの要因分析支援システム。
【請求項4】
前記寄与度還元部で還元した寄与度に基づいて根本要因を特定したとき、その根本要因を変化させた場合の内容変更データについての変更後寄与度を算出する
請求項３に記載の時系列データの要因分析支援システム。
請求項３に記載の時系列データの要因分析支援システム。
【請求項5】
前記出力部は、対策検討画面を表示するものであり、
前記対策検討画面でのユーザによる根本要因の変更操作で、内容変更データを得るようにした
請求項４に記載の時系列データの要因分析支援システム。
前記対策検討画面でのユーザによる根本要因の変更操作で、内容変更データを得るようにした
請求項４に記載の時系列データの要因分析支援システム。
【請求項6】
前記出力部は、要因分析画面を表示するものであり、
前記要因分析画面は、時系列変数を可視化した分析対象データの時系列パターンのグラフと、還元済の寄与度を可視化した根本原因の寄与度の推移のグラフとを表示する
請求項１に記載の時系列データの要因分析支援システム。
前記要因分析画面は、時系列変数を可視化した分析対象データの時系列パターンのグラフと、還元済の寄与度を可視化した根本原因の寄与度の推移のグラフとを表示する
請求項１に記載の時系列データの要因分析支援システム。
【請求項7】
さらに前記要因分析画面は、還元済でない時系列変数別の寄与度データを可視化した寄与度推移のグラフを表示する
請求項６に記載の時系列データの要因分析支援システム。
請求項６に記載の時系列データの要因分析支援システム。
【請求項8】
時系列変数による目的変数への寄与度の推移を、コンピュータが分析する時系列データの要因分析支援方法であって、
前記コンピュータが、前記時系列変数ごとに時系列因果モデルを保持する時系列因果モデル記憶処理と、
前記コンピュータが、前記時系列因果モデル記憶処理により記憶された時系列因果モデルと分析対象の時系列データを用いて、各時刻の各時系列変数の寄与度について、他の時刻の他の時系列変数の寄与度にどれだけ還元すべきかを評価した寄与度還元率を算出する寄与度算出処理と、
前記コンピュータが、前記寄与度算出処理で算出した寄与度還元率に基づいて、各時刻の各時系列変数の寄与度を他の時刻の他の時系列変数の寄与度に還元し、前記目的変数に対する根本要因による寄与度の推移を算出する寄与度還元処理と、
前記コンピュータが、前記寄与度還元処理により算出した前記目的変数に対する根本要因による寄与度を出力する出力処理と、を含む
時系列データの要因分析支援方法。
前記コンピュータが、前記時系列変数ごとに時系列因果モデルを保持する時系列因果モデル記憶処理と、
前記コンピュータが、前記時系列因果モデル記憶処理により記憶された時系列因果モデルと分析対象の時系列データを用いて、各時刻の各時系列変数の寄与度について、他の時刻の他の時系列変数の寄与度にどれだけ還元すべきかを評価した寄与度還元率を算出する寄与度算出処理と、
前記コンピュータが、前記寄与度算出処理で算出した寄与度還元率に基づいて、各時刻の各時系列変数の寄与度を他の時刻の他の時系列変数の寄与度に還元し、前記目的変数に対する根本要因による寄与度の推移を算出する寄与度還元処理と、
前記コンピュータが、前記寄与度還元処理により算出した前記目的変数に対する根本要因による寄与度を出力する出力処理と、を含む
時系列データの要因分析支援方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、時系列データの要因分析支援システム及び時系列データの要因分析支援方法に関する。
【背景技術】
【0002】
製造業における品質改善では、製造工程における各種センサ値などの時系列データから、製品不良に対する要因分析や、その結果に基づく具体的な対策の検討と実施が不可欠である。製造工程における各種センサ値などの時系列データから要因分析を行う際に、ＡＩ（Artificial Intelligence：人工知能）を使うことが知られている。すなわち、製造データと製品の不良度との関係をＡＩに学習させ、ＸＡＩ（Explainable ＡＩ：説明可能なＡＩ）技術で不良度の増大に寄与した要因を機械的に抽出することが知られている。ここで、ＡＩへの入力を時間変数(因子×時刻)にすれば、各時刻と各因子による品質への影響の時系列的な推移を定量化し可視化することができる。
【0003】
特許文献１には、システムから得られた時系列の多変量データを用いて、次元間の非線形な因果関係を推定することを可能とする技術が記載されている。すなわち、特許文献１には、入力された時系列多次元数値ベクトルのデータを用いて、ある時刻のデータを過去の時刻のデータから予測する非線形回帰モデルを学習し、非線形回帰モデルを用いて、時系列多次元数値ベクトルのデータにおける各次元の因果の強さを計算する技術が記載されている。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２０１９－１４４７７９号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
特許文献１に記載されるように、ある状態が発生したときに、その状態の因果の強さを推定することは従来から行われている。これにより、例えば製造時に不良が発生した場合に、製造工程における各種センサ値などの時系列データのいずれが、不良に結びついているかを判断することができる。しかしながら、従来の解析手法では、各部の温度、圧力などの時系列データの内で、どんなデータが不良に結びつているかを判断できるだけであり、どのように制御すれば不良を防げるかを判定できない場合があった。
【0006】
例えば、温度センサによりＡ地点の温度、Ｂ地点の温度、圧力センサによりＣ地点の圧力などが時系列データとして計測されたとき、従来の解析手法で、Ｂ地点の温度情報が製造品質低下を引き起こしていると判断されたとする。このとき、Ｂ地点の温度は、製造ライン上で直接制御ができない温度であった場合、Ｂ地点の温度を抑えるために、どのような対策が必要であるか解析結果からは判断できない。したがって、結局、製造品質の低下に対する具体的な対策が立てられないという問題があった。
【0007】
また、上述したＢ地点の温度が直接制御できる場合であっても、品質悪化の影響が高まるタイミングで、どう制御すれば品質がどれくらい改善するかが事前に見積もれないと、実際に対策を実施することができないという問題もあった。
【0008】
本発明は、かかる点に鑑み、解析した原因に対する対処を明確化して提示することが可能な、時系列データの要因分析支援システム及び時系列データの要因分析支援方法を提供することを目的とする。
【課題を解決するための手段】
【0009】
上記課題を解決するために、例えば特許請求の範囲に記載の構成を採用する。
本願は、上記課題を解決する手段を複数含んでいるが、その一例を挙げるならば、本発明の時系列データの要因分析支援システムは、時系列変数による目的変数への寄与度の推移を分析する時系列データの要因分析支援システムであって、時系列変数ごとに時系列因果モデルを保持する時系列因果モデル記憶部と、時系列因果モデル記憶部が記憶した時系列因果モデルと分析対象の時系列データを用いて、各時刻の各時系列変数の寄与度について、他の時刻の他の時系列変数の寄与度にどれだけ還元すべきかを評価した寄与度還元率を算出する寄与度算出部と、寄与度算出部が算出した寄与度還元率に基づいて、各時刻の各時系列変数の寄与度を他の時刻の他の時系列変数の寄与度に還元し、目的変数に対する根本要因による寄与度の推移を算出する寄与度還元部と、寄与度還元部が算出した目的変数に対する根本要因による寄与度を出力する出力部と、を有する。
本願は、上記課題を解決する手段を複数含んでいるが、その一例を挙げるならば、本発明の時系列データの要因分析支援システムは、時系列変数による目的変数への寄与度の推移を分析する時系列データの要因分析支援システムであって、時系列変数ごとに時系列因果モデルを保持する時系列因果モデル記憶部と、時系列因果モデル記憶部が記憶した時系列因果モデルと分析対象の時系列データを用いて、各時刻の各時系列変数の寄与度について、他の時刻の他の時系列変数の寄与度にどれだけ還元すべきかを評価した寄与度還元率を算出する寄与度算出部と、寄与度算出部が算出した寄与度還元率に基づいて、各時刻の各時系列変数の寄与度を他の時刻の他の時系列変数の寄与度に還元し、目的変数に対する根本要因による寄与度の推移を算出する寄与度還元部と、寄与度還元部が算出した目的変数に対する根本要因による寄与度を出力する出力部と、を有する。
【発明の効果】
【0010】
本発明によれば、根本的な要因への寄与度の還元率を算出して出力することで、ユーザが対策を検討し易い要因に絞って、品質などを悪化させるプロセスをユーザに提示することができる。
上記した以外の課題、構成及び効果は、以下の実施の形態の説明により明らかにされる。
上記した以外の課題、構成及び効果は、以下の実施の形態の説明により明らかにされる。
【図面の簡単な説明】
【0011】
【図1】本発明の第１の実施の形態例に係る要因分析支援システムの例を示す構成図である。
【図2】本発明の第１の実施の形態例に係る要因分析支援システムのハードウェア例を示す構成図である。
【図3】本発明の第１の実施の形態例に係る要因分析支援システムによる実績時系列データテーブルの例を示す図である。
【図4】本発明の第１の実施の形態例に係る要因分析支援システムによる実績非時系列データテーブルの例を示す図である。
【図5】本発明の第１の実施の形態例に係る要因分析支援システムによる対象時系列データテーブルの例を示す図である。
【図6】本発明の第１の実施の形態例に係る要因分析支援システムによる対象非時系列データテーブルの例を示す図である。
【図7】本発明の第１の実施の形態例に係る要因分析支援システムによる予測器生成部の例を示す構成図である。
【図8】本発明の第１の実施の形態例に係る要因分析支援システムによる実績時間変数データの例を示す図である。
【図9】本発明の第１の実施の形態例に係る要因分析支援システムによる時間変数生成部の処理例を示すフローチャートである。
【図10】本発明の第１の実施の形態例に係る要因分析支援システムによる予測器生成部の処理例を示すフローチャートである。
【図11】本発明の第１の実施の形態例に係る要因分析支援システムによる時系列因果モデルの生成例を示す図である。
【図12】本発明の第１の実施の形態例に係る要因分析支援システムによるラグ変数データの例を示す図である。
【図13】本発明の第１の実施の形態例に係る要因分析支援システムによる時系列目的変数群データの例を示す図である。
【図14】本発明の第１の実施の形態例に係る要因分析支援システムによるラグ変数生成部の処理例を示すフローチャートである。
【図15】本発明の第１の実施の形態例に係る要因分析支援システムによる寄与度算出部の例を示す構成図である。
【図16】本発明の第１の実施の形態例に係る要因分析支援システムによる対象時間変数データの例を示す図である。
【図17】本発明の第１の実施の形態例に係る要因分析支援システムによる時間変数別寄与度の例を示す図である。
【図18】本発明の第１の実施の形態例に係る要因分析支援システムによる非時系列変数別寄与度の例を示す図である。
【図19】本発明の第１の実施の形態例に係る要因分析支援システムによる寄与度算出部の処理例を示すフローチャートである。
【図20】本発明の第１の実施の形態例に係る要因分析支援システムによる時間変数別寄与度の還元処理例を示す構成図である。
【図21】本発明の第１の実施の形態例に係る要因分析支援システムによる対象ラグ変数データの例を示す図である。
【図22】本発明の第１の実施の形態例に係る要因分析支援システムによる寄与度還元率データの例を示す図である。
【図23】本発明の第１の実施の形態例に係る要因分析支援システムによる時間変数別寄与度の還元処理例を示すフローチャートである。
【図24】本発明の第１の実施の形態例に係る要因分析支援システムによる還元率算出部の処理例を示すフローチャートである。
【図25】本発明の第１の実施の形態例に係る要因分析支援システムによる寄与度還元部の処理例を示すフローチャートである。
【図26】本発明の第１の実施の形態例に係る要因分析支援システムによる結果出力部における要因分析画面の例を示す図である。
【図27】本発明の第２の実施の形態例に係る要因分析支援システムによる対策検討画面の例を示す図である。
【図28】本発明の第２の実施の形態例に係る要因分析支援システムによる対策検討を含む事前効果検証処理の例を示す構成図である。
【図29】本発明の第２の実施の形態例に係る要因分析支援システムによる変更内容データの例を示す図である。
【図30】本発明の第２の実施の形態例に係る要因分析支援システムによる変更内容抽出部の処理例を示すフローチャートである。
【図31】本発明の第２の実施の形態例に係る要因分析支援システムによる変更データ生成部の処理例を示すフローチャートである。
【発明を実施するための形態】
【0012】
【0013】
［要因分析支援システムの全体構成］
図１は、本実施の形態例の要因分析支援システムの全体構成を示す。
図１に示すように、要因分析支援システムは、複数の計算機１０、２０、３０と、各計算機１０～３０とネットワークＮＷで接続された端末４０とで構成される。但し、複数の計算機１０～３０と端末４０で構成するのは一例であり、例えば計算機１０～３０は１つの計算機として構成してもよいし、端末４０は、計算機とは別体で構成しなくてもよい。
図１は、本実施の形態例の要因分析支援システムの全体構成を示す。
図１に示すように、要因分析支援システムは、複数の計算機１０、２０、３０と、各計算機１０～３０とネットワークＮＷで接続された端末４０とで構成される。但し、複数の計算機１０～３０と端末４０で構成するのは一例であり、例えば計算機１０～３０は１つの計算機として構成してもよいし、端末４０は、計算機とは別体で構成しなくてもよい。
【0014】
計算機１０は、予測器生成部１１、時系列因果モデル生成部１２、時間変数生成部１３、ラグ変数生成部１４、寄与度算出部１５、還元率算出部１６、寄与度還元部１７、及び結果出力部１８を備える。
【0015】
計算機２０は、実績時系列データ記憶部２１、実績非時系列データ記憶部２２、対象時系列データ記憶部２３、及び対象非時系列データ記憶部２４を備える。
計算機３０は、時系列因果モデル記憶部３１を備える。
計算機３０は、時系列因果モデル記憶部３１を備える。
【0016】
図２は、各計算機１０、２０、３０のハードウェア構成例を示す。ここでは、計算機１０を例として説明するが、他の計算機２０、３０も同様の構成になる。さらに、端末４０も、基本的には計算機１０と同じ構成になる。
計算機１０は、プロセッサ１、主記憶装置２、副記憶装置３、入力装置４、出力装置５、及びネットワークインターフェース６を備える。
プロセッサ１は、主記憶装置２又は副記憶装置３に記憶されたプログラムの主記憶装置２における実行を制御する。そして、プロセッサ１は、プログラムを実行することで、主記憶装置２又は副記憶装置３に図１に示す各処理部や記憶部を構成する。
計算機１０は、プロセッサ１、主記憶装置２、副記憶装置３、入力装置４、出力装置５、及びネットワークインターフェース６を備える。
プロセッサ１は、主記憶装置２又は副記憶装置３に記憶されたプログラムの主記憶装置２における実行を制御する。そして、プロセッサ１は、プログラムを実行することで、主記憶装置２又は副記憶装置３に図１に示す各処理部や記憶部を構成する。
【0017】
入力装置４は、キーボードやマウスなどの入力機器で構成され、操作者による入力操作を受け付ける。出力装置５は、表示装置や音声出力装置などで構成され、処理結果などを表示すると共に、音声により処理結果を伝える。
ネットワークインターフェース６は、ネットワークＮＷを経由して他の計算機２０、３０及び端末４０とデータの送受信を行う。
ネットワークインターフェース６は、ネットワークＮＷを経由して他の計算機２０、３０及び端末４０とデータの送受信を行う。
【0018】
［各データの例］
次に、本例のシステムが扱うデータの例について説明する。
図３は、実績時系列データ記憶部２１に記憶される、本実施の形態例で扱う製造ラインに設置されたセンサで計測される温度Ａ、圧力Ｂ、・・・の実績時系列データを示す。
図３に示すように、実績時系列データは、製造ＩＤごとに、時刻０の温度Ａ、圧力Ｂ、・・・の実績値、時刻１の温度Ａ、圧力Ｂ、・・・の実績値、時刻２の温度Ａ、圧力Ｂ、・・・の実績値と時系列で順に実績時系列データ記憶部２１に記憶される。
次に、本例のシステムが扱うデータの例について説明する。
図３は、実績時系列データ記憶部２１に記憶される、本実施の形態例で扱う製造ラインに設置されたセンサで計測される温度Ａ、圧力Ｂ、・・・の実績時系列データを示す。
図３に示すように、実績時系列データは、製造ＩＤごとに、時刻０の温度Ａ、圧力Ｂ、・・・の実績値、時刻１の温度Ａ、圧力Ｂ、・・・の実績値、時刻２の温度Ａ、圧力Ｂ、・・・の実績値と時系列で順に実績時系列データ記憶部２１に記憶される。
【0019】
図４は、実績非時系列データ記憶部２２に記憶される、本実施の形態例で扱う製造ラインに設置されたセンサや製品の検査工程で計測された実績非時系列データを示す。ここでは、製造ラインで製造された製品の硬度、白濁度、製造に使用した物質の添加量、製造に要した反応時間、などが記憶される。
図４に示すように、実績非時系列データは、製造ＩＤごとに、硬度、白濁度、添加量、反応時間、などが１つのレコードとして記憶される。
図４に示すように、実績非時系列データは、製造ＩＤごとに、硬度、白濁度、添加量、反応時間、などが１つのレコードとして記憶される。
【0020】
図５は、対象時系列データ記憶部２３に記憶される、不良となった製品の要因分析対象となる温度Ａ、圧力Ｂ、・・・の時系列データを示す。
図５には、対象時系列データは、分析対象の製造ＩＤの、時刻０の温度Ａ、圧力Ｂ、・・・の実績値が示されている。
図５には、対象時系列データは、分析対象の製造ＩＤの、時刻０の温度Ａ、圧力Ｂ、・・・の実績値が示されている。
【0021】
図６は、対象非時系列データ記憶部２４に記憶される、不良となった製品の要因分析対象となる硬度、白濁度、添加量、反応時間、などの非時系列データを示す。
図６には、対象非時系列データは、分析対象の製造ＩＤの、硬度、白濁度、添加量、反応時間などが示されている。
ここでは、製品としてポリマー製品を対象とし、白濁しているほど不良であるとし、「白濁度」が不良度の指標として採用されている。
図６には、対象非時系列データは、分析対象の製造ＩＤの、硬度、白濁度、添加量、反応時間などが示されている。
ここでは、製品としてポリマー製品を対象とし、白濁しているほど不良であるとし、「白濁度」が不良度の指標として採用されている。
【0022】
[予測器生成部の処理]
次に、このような時系列データ及び非時系列データを使って、図１の構成にて時系列データの要因分析支援を行う処理を順に説明する。
図７は、予測器生成部１１の構成を示す。
予測器生成部１１は、実績時系列データ記憶部２１に記憶された実績時系列データ（図３）と、実績非時系列データ記憶部２２に記憶された実績非時系列データ（図４）とを使って、過去の実績データ（時系列データ及び非時系列データ）と不良度（白濁度）との関係を学習する予測処理を行う。ここでの学習としては、例えば機械学習モデルによる学習を適用するが、単純な回帰モデルによる学習でもよい。
次に、このような時系列データ及び非時系列データを使って、図１の構成にて時系列データの要因分析支援を行う処理を順に説明する。
図７は、予測器生成部１１の構成を示す。
予測器生成部１１は、実績時系列データ記憶部２１に記憶された実績時系列データ（図３）と、実績非時系列データ記憶部２２に記憶された実績非時系列データ（図４）とを使って、過去の実績データ（時系列データ及び非時系列データ）と不良度（白濁度）との関係を学習する予測処理を行う。ここでの学習としては、例えば機械学習モデルによる学習を適用するが、単純な回帰モデルによる学習でもよい。
【0023】
まず、時間変数生成部１３は、予測器生成のために、実績時系列データ記憶部２１に記憶された実績時系列データから実績時間変数データＤ１を生成する。
図８は、時間変数生成部１３で生成される実績時間変数データＤ１の例を示す。
実績時間変数データＤ１は、製造ＩＤごとに、時刻０（ｔ＝０）から時刻２３２（ｔ＝２３２：最後の時刻）までに取り出される温度Ａの値と圧力Ｂの値を示している。
実績時間変数データＤ１のレコード数は、製造ＩＤごとに１行のデータであり、［温度Ａなどの時系列変数の数×時刻数の分］の変数が生成されるため、かなり横長のデータになることが多い。
この図８に示す実績時間変数データＤ１と、実績非時系列データ（図４）とが、予測器生成部１１に供給される。
図８は、時間変数生成部１３で生成される実績時間変数データＤ１の例を示す。
実績時間変数データＤ１は、製造ＩＤごとに、時刻０（ｔ＝０）から時刻２３２（ｔ＝２３２：最後の時刻）までに取り出される温度Ａの値と圧力Ｂの値を示している。
実績時間変数データＤ１のレコード数は、製造ＩＤごとに１行のデータであり、［温度Ａなどの時系列変数の数×時刻数の分］の変数が生成されるため、かなり横長のデータになることが多い。
この図８に示す実績時間変数データＤ１と、実績非時系列データ（図４）とが、予測器生成部１１に供給される。
【0024】
図９は、時間変数生成部１３が行う処理の手順を示すフローチャートである。
まず、時間変数生成部１３は、実績時系列データ記憶部２１に記憶された実績時系列データを取得する（ステップＳ１１）。ここでの実績時系列データは、例えば図３に示すような製造ＩＤごとの温度Ａ、圧力Ｂなどのデータである。
そして、時間変数生成部１３は、取得した時系列データを同一製造ＩＤのデータごとに分割して、分割データを得る（ステップＳ１２）。
まず、時間変数生成部１３は、実績時系列データ記憶部２１に記憶された実績時系列データを取得する（ステップＳ１１）。ここでの実績時系列データは、例えば図３に示すような製造ＩＤごとの温度Ａ、圧力Ｂなどのデータである。
そして、時間変数生成部１３は、取得した時系列データを同一製造ＩＤのデータごとに分割して、分割データを得る（ステップＳ１２）。
【0025】
次に、時間変数生成部１３は、分割データのループ処理を開始する（ステップＳ１３ａ）。ループ処理を開始すると、時間変数生成部１３は、各時系列変化の全時刻データを１レコードにフラット化して、時間変数データに追加する（ステップＳ１４）。時間変数生成部１３は、分割データのループ処理を終了する（ステップＳ１３ｂ）。
このステップＳ１３ａでのループ開始とステップＳ１３ｂでのループ終了とを、データ数だけ繰り返すことで、時間変数生成部１３は、図８に示す実績時間変数データを取得する。
そして、時間変数生成部１３は、取得した実績時間変数データを出力する（ステップＳ１５）。
このステップＳ１３ａでのループ開始とステップＳ１３ｂでのループ終了とを、データ数だけ繰り返すことで、時間変数生成部１３は、図８に示す実績時間変数データを取得する。
そして、時間変数生成部１３は、取得した実績時間変数データを出力する（ステップＳ１５）。
【0026】
図１０は、予測器生成部１１が行う処理の手順を示すフローチャートである。
予測器生成部１１は、図８に示す実績時間変数データと、図４に示す実績非系列データとを取得する（ステップＳ２１）。
そして、予測器生成部１１は、取得した実績時間変数データと実績非系列データとを結合して、学習データを生成する（ステップＳ２２）。ここで、実績時間変数データは、図８に示すように製造ＩＤごとに１行になっている。このため、実績時間変数データをキーとして、このデータに実績非時系列データと製造ＩＤを結合して学習データを生成し、学習処理を行う。
そして、学習データから目的変数を指定して学習して、学習済の予測器１９を出力する（ステップＳ２３）。
予測器生成部１１は、図８に示す実績時間変数データと、図４に示す実績非系列データとを取得する（ステップＳ２１）。
そして、予測器生成部１１は、取得した実績時間変数データと実績非系列データとを結合して、学習データを生成する（ステップＳ２２）。ここで、実績時間変数データは、図８に示すように製造ＩＤごとに１行になっている。このため、実績時間変数データをキーとして、このデータに実績非時系列データと製造ＩＤを結合して学習データを生成し、学習処理を行う。
そして、学習データから目的変数を指定して学習して、学習済の予測器１９を出力する（ステップＳ２３）。
【0027】
［時系列因果モデル生成部の処理］
図１１は、時系列因果モデル生成部１２が行う処理を示す図である。
ラグ変数生成部１４は、実績時系列データ記憶部２１に記憶された実績時系列データから、実績ラグ変数データＤ２を生成する。
図１２は、実績ラグ変数データの例を示す。
ここでは、図１２に示すように、時間窓長Ｔ＝３として、３時刻前から１時刻前の期間のデータがそれぞれの変数となり、時刻ｔ（４，５，・・・・）に対するラグ変数が得られる。すなわち、時間窓長Ｔ＝３の場合、時刻ｔ＝３以下ではデータが存在しないマイナス時刻のデータが必要になるので、ｔ＝４から始まっている。
図１１は、時系列因果モデル生成部１２が行う処理を示す図である。
ラグ変数生成部１４は、実績時系列データ記憶部２１に記憶された実績時系列データから、実績ラグ変数データＤ２を生成する。
図１２は、実績ラグ変数データの例を示す。
ここでは、図１２に示すように、時間窓長Ｔ＝３として、３時刻前から１時刻前の期間のデータがそれぞれの変数となり、時刻ｔ（４，５，・・・・）に対するラグ変数が得られる。すなわち、時間窓長Ｔ＝３の場合、時刻ｔ＝３以下ではデータが存在しないマイナス時刻のデータが必要になるので、ｔ＝４から始まっている。
【0028】
図１１の説明に戻ると、ラグ変数生成部１４は、実績時系列データから、時系列目的変数群データＤ３を生成する。
図１３は、ラグ変数生成部１４で生成される時系列目的変数群データＤ３の例を示す。
図１３に示すように、時系列目的変数群データＤ３は、時刻ｔ（ｔ＝４以降の各時刻）における、各時系列変数の値になる。例えば、時系列目的変数群データＤ３には、時刻ｔ＝４の製造ＩＤ＝ｉｄ０１の温度Ａ、圧力Ｂなどの値が含まれる。
図１３は、ラグ変数生成部１４で生成される時系列目的変数群データＤ３の例を示す。
図１３に示すように、時系列目的変数群データＤ３は、時刻ｔ（ｔ＝４以降の各時刻）における、各時系列変数の値になる。例えば、時系列目的変数群データＤ３には、時刻ｔ＝４の製造ＩＤ＝ｉｄ０１の温度Ａ、圧力Ｂなどの値が含まれる。
【0029】
時系列因果モデル生成部１２は、実績ラグ変数データＤ２と時系列目的変数群データＤ３とから、時系列因果モデルを生成し、生成した時系列因果モデルが、時系列因果モデル記憶部３１に記憶される。この生成した時系列因果モデルを時系列因果モデル記憶部３１に記憶する処理を時系列因果モデル記憶処理とする。
時系列モデルは、時系列変数の数だけ生成され、ある時刻ｔの各変数の値が、その直前Ｔの期間の全変数の値から予測されるモデルとなる。何時刻前の期間から予測するかは、画面上の時間窓長Ｔをユーザが指定可能とすることで決定する例を示したが、時間窓長Ｔを様々変更して学習した時系列因果モデルの予測精度などを元にして、時系列変数ごとに自動的に決定してもよい。
時系列モデルは、時系列変数の数だけ生成され、ある時刻ｔの各変数の値が、その直前Ｔの期間の全変数の値から予測されるモデルとなる。何時刻前の期間から予測するかは、画面上の時間窓長Ｔをユーザが指定可能とすることで決定する例を示したが、時間窓長Ｔを様々変更して学習した時系列因果モデルの予測精度などを元にして、時系列変数ごとに自動的に決定してもよい。
【0030】
図１４は、ラグ変数生成部１４が行う処理の手順を示すフローチャートである。
ラグ変数生成部１４は、時系列データを取得する（ステップＳ３１）。そして、ラグ変数生成部１４は、取得した時系列データを、同一製造ＩＤのデータごとに分割する（ステップＳ３２）。
そして、ラグ変数生成部１４は、ループ処理を開始する（ステップＳ３３ａ）。
ループ処理を開始すると、ラグ変数生成部１４はｉを０に設定し（ステップＳ３４）、（Ｔ＋１＋ｉ）をｔにする（ステップＳ３５）。
ラグ変数生成部１４は、時系列データを取得する（ステップＳ３１）。そして、ラグ変数生成部１４は、取得した時系列データを、同一製造ＩＤのデータごとに分割する（ステップＳ３２）。
そして、ラグ変数生成部１４は、ループ処理を開始する（ステップＳ３３ａ）。
ループ処理を開始すると、ラグ変数生成部１４はｉを０に設定し（ステップＳ３４）、（Ｔ＋１＋ｉ）をｔにする（ステップＳ３５）。
【0031】
そして、ラグ変数生成部１４は、分割データのｔ行目のレコードを、時系列目的変数群データに追加する（ステップＳ３６）。さらに、ラグ変数生成部１４は、分割データのｔ－１からｔ－Ｔ行目の各時系列変数の値を、ラグ変数データに追加する（ステップＳ３７）。
【0032】
その後、ラグ変数生成部１４は、現在のｉの値が、分割データのレコード数であるか否かを判断する（ステップＳ３８）。ステップＳ３８で、ｉの値が分割データのレコード数でない場合（ステップＳ３８のＮｏ）、ラグ変数生成部１４はｉの値を１つ加算し（ステップＳ３９）、ステップＳ３５の処理に戻る。
【0033】
また、ステップＳ３８で、ｉの値が分割データのレコード数と判断した場合（ステップＳ３８のＹｅｓ）、ステップＳ３３ａからのループ処理を終了する（ステップＳ３３ｂ）。
そして、ラグ変数生成部１４は、ラグ変数データと時系列目的変数群データを出力する（ステップＳ４０）。
そして、ラグ変数生成部１４は、ラグ変数データと時系列目的変数群データを出力する（ステップＳ４０）。
【0034】
［寄与度算出部の処理］
図１５は、寄与度算出部１５が行う処理を示す図である。
時間変数生成部１３は、対象時系列データ記憶部２３に記憶された対象時系列データから、対象時間変数データＤ４を得る。寄与度算出部１５は、予測器１９の出力に対する各入力変数の寄与度を算出する寄与度算出処理を行う。寄与度は、時間変数別寄与度Ｄ５と、非時系列変数別寄与度Ｄ６との２種類に分けて得られる。
例えば、入力変数がＸ１，Ｘ２の２つある場合、Ｘ１の寄与度が＋１５０、Ｘ２の寄与度が－５０であれば、その合計が予測器１９の出力値の１００になる。
図１５は、寄与度算出部１５が行う処理を示す図である。
時間変数生成部１３は、対象時系列データ記憶部２３に記憶された対象時系列データから、対象時間変数データＤ４を得る。寄与度算出部１５は、予測器１９の出力に対する各入力変数の寄与度を算出する寄与度算出処理を行う。寄与度は、時間変数別寄与度Ｄ５と、非時系列変数別寄与度Ｄ６との２種類に分けて得られる。
例えば、入力変数がＸ１，Ｘ２の２つある場合、Ｘ１の寄与度が＋１５０、Ｘ２の寄与度が－５０であれば、その合計が予測器１９の出力値の１００になる。
【0035】
図１６は、対象時間変数データの例を示す。
対象時間変数データは、対象時系列データを予測器への入力形式である時間変数に変換したものである。
例えば、図１６に示すように、ある製造ＩＤ（ｉｄ９７）の温度Ａや圧力Ｂなどについて、時刻０（ｔ＝０）から時刻２３２（ｔ＝２３２）までのデータ（時間変数）に変換したものが対象時間変数データとして得られる。
対象時間変数データは、対象時系列データを予測器への入力形式である時間変数に変換したものである。
例えば、図１６に示すように、ある製造ＩＤ（ｉｄ９７）の温度Ａや圧力Ｂなどについて、時刻０（ｔ＝０）から時刻２３２（ｔ＝２３２）までのデータ（時間変数）に変換したものが対象時間変数データとして得られる。
【0036】
図１７は、寄与度算出部１５の出力の１つである時間変数別寄与度の例を示す。
時間変数別寄与度は、対象時間変数データの各変数について、予測器１９の出力に対する寄与度を算出した結果である。例えば、図１７に示すように、ある製造ＩＤ（ｉｄ９７）の温度Ａの時刻ｔ＝０の寄与度として＋０．０１、時刻ｔ＝１寄与度として－０．０３、のように、各時刻の温度Ａ、圧力Ｂなどの時間変数ごとに寄与度が算出される。
時間変数別寄与度は、対象時間変数データの各変数について、予測器１９の出力に対する寄与度を算出した結果である。例えば、図１７に示すように、ある製造ＩＤ（ｉｄ９７）の温度Ａの時刻ｔ＝０の寄与度として＋０．０１、時刻ｔ＝１寄与度として－０．０３、のように、各時刻の温度Ａ、圧力Ｂなどの時間変数ごとに寄与度が算出される。
【0037】
図１８は、寄与度算出部１５の出力の１つである非時系列変数別寄与度の例を示す。
非時系列変数別寄与度は、非時系列変数データの目的変数を除く各変数について、予測器の出力に対する寄与度を算出した結果である。例えば、ある製造ＩＤ（ｉｄ９７）の目的変数とした白濁度を除いた硬度、添加量、反応時間などのそれぞれについて、予測器１９の出力に対する寄与度が算出される。
非時系列変数別寄与度は、非時系列変数データの目的変数を除く各変数について、予測器の出力に対する寄与度を算出した結果である。例えば、ある製造ＩＤ（ｉｄ９７）の目的変数とした白濁度を除いた硬度、添加量、反応時間などのそれぞれについて、予測器１９の出力に対する寄与度が算出される。
【0038】
図１９は、寄与度算出部１５が行う処理の手順を示すフローチャートである。
まず、寄与度算出部１５は、予測器１９の出力と、対象時間変数データと、対象非時系列データを取得する（ステップＳ５１）。そして、寄与度算出部１５は、取得した対象非時系列データから目的変数を削除し、対象時間変数データと結合する（ステップＳ５２）。
次に、寄与度算出部１５は、結合したデータの各変数が予測器１９の出力値に与える寄与度を算出する（ステップＳ５３）。
まず、寄与度算出部１５は、予測器１９の出力と、対象時間変数データと、対象非時系列データを取得する（ステップＳ５１）。そして、寄与度算出部１５は、取得した対象非時系列データから目的変数を削除し、対象時間変数データと結合する（ステップＳ５２）。
次に、寄与度算出部１５は、結合したデータの各変数が予測器１９の出力値に与える寄与度を算出する（ステップＳ５３）。
【0039】
そして、寄与度算出部１５は、対象時間変数データ内の各変数の寄与度を、図１７に示すように、時間変数別寄与度として出力する（ステップＳ５４）。さらに、図１８に示すように、寄与度算出部１５は、対象非時系列データ内の各変数の寄与度を、対象非時系列変数別寄与度として出力する（ステップＳ５５）。
【0040】
［時間変数別寄与度の還元処理］
図２０は、時間変数別寄与度の還元処理を示す図である。この図２０に示す処理にて、各時間変数（時系列変数×時刻）について算出された寄与度を、根本原因に還元する処理が行われる。
すなわち、図２０に示すように、還元率算出部１６は、ラグ変数生成部１４で生成した対象ラグ変数データＤ７と、時系列因果モデル記憶部３１に記憶された時系列因果モデルを取得する。そして、還元率算出部１６は、どの時間変数、言い換えるとどの時刻のどの時系列変数の各寄与度をどれくらい還元するかを算出し、寄与度還元率データＤ８を得る。
そして、寄与度還元部１７は、還元率算出部１６が算出した寄与度還元率データＤ８と、時間変数別寄与度Ｄ９を取得する。還元率算出部１６は、還元率をもとに寄与度を実際に還元する処理を行い、還元済み寄与度データＤ１０を得る。
このようにして得られた還元済み寄与度データＤ１０は、結果出力部１８から出力される。
図２０は、時間変数別寄与度の還元処理を示す図である。この図２０に示す処理にて、各時間変数（時系列変数×時刻）について算出された寄与度を、根本原因に還元する処理が行われる。
すなわち、図２０に示すように、還元率算出部１６は、ラグ変数生成部１４で生成した対象ラグ変数データＤ７と、時系列因果モデル記憶部３１に記憶された時系列因果モデルを取得する。そして、還元率算出部１６は、どの時間変数、言い換えるとどの時刻のどの時系列変数の各寄与度をどれくらい還元するかを算出し、寄与度還元率データＤ８を得る。
そして、寄与度還元部１７は、還元率算出部１６が算出した寄与度還元率データＤ８と、時間変数別寄与度Ｄ９を取得する。還元率算出部１６は、還元率をもとに寄与度を実際に還元する処理を行い、還元済み寄与度データＤ１０を得る。
このようにして得られた還元済み寄与度データＤ１０は、結果出力部１８から出力される。
【0041】
図２１は、対象ラグ変数データの例を示し、図２２は、寄与度還元率データの例を示す。
図２１に示す対象ラグ変数データは、対象時系列データをラグ変数化したものである。例えば、時間窓長Ｔ＝３の場合、時刻ｔ＝４の製造ＩＤ＝ｉｄ９７について、温度Ａ、圧力Ｂなどについて、ｔ－３のデータ、ｔ－２のデータ、ｔ－１のデータを得る。同様に、時刻ｔ＝５、ｔ＝６、・・・と最後の時刻ｔ＝２３２までデータを得る。
図２１に示す対象ラグ変数データは、対象時系列データをラグ変数化したものである。例えば、時間窓長Ｔ＝３の場合、時刻ｔ＝４の製造ＩＤ＝ｉｄ９７について、温度Ａ、圧力Ｂなどについて、ｔ－３のデータ、ｔ－２のデータ、ｔ－１のデータを得る。同様に、時刻ｔ＝５、ｔ＝６、・・・と最後の時刻ｔ＝２３２までデータを得る。
【0042】
図２２に示す寄与度還元率データは、どの時刻のどの変数の寄与度（還元元）を、別のどの時刻のどの変数（還元先）にどれくらい還元するかを、還元率で示すデータである。
例えば、時刻ｔ＝２３２のＡ温度（還元元）の寄与度を、時刻ｔ＝２３０のＢ圧力（還元先）の寄与度に、還元率＋７５％で還元することが寄与度還元率データとして示される。
例えば、時刻ｔ＝２３２のＡ温度（還元元）の寄与度を、時刻ｔ＝２３０のＢ圧力（還元先）の寄与度に、還元率＋７５％で還元することが寄与度還元率データとして示される。
【0043】
図２３は、図２０に示す時間変数別寄与度の還元処理の手順を示すフローチャートである。
まず、ラグ変数生成部１４が対象時系列データを取得する（ステップＳ６１）。
そして、ラグ変数生成部１４がラグ変数の生成処理を行い、対象ラグ変数データを出力する（ステップＳ６２）。対象ラグ変数データは、図２１に示すようなデータである。
まず、ラグ変数生成部１４が対象時系列データを取得する（ステップＳ６１）。
そして、ラグ変数生成部１４がラグ変数の生成処理を行い、対象ラグ変数データを出力する（ステップＳ６２）。対象ラグ変数データは、図２１に示すようなデータである。
【0044】
次に、還元率算出部１６は、ラグ変数生成部１４で生成した対象ラグ変数データと時系列因果モデル記憶部３１が記憶した時系列因果モデルから還元率算出処理を行い、寄与度還元率データを出力する（ステップＳ６３）。還元率算出部１６における還元率算出処理の詳細は、図２４で説明する。
【0045】
そして、寄与度還元部１７は、還元率算出部１６が算出した寄与度還元率データと時間変数別寄与度とに基づいて寄与度還元処理を行い、還元済寄与度データを出力する（ステップＳ６４）。還元率算出部１６における寄与度還元処理の詳細は、図２５で説明する。
そして、寄与度還元部１７で得られた還元済寄与度データは、結果出力部１８から出力される（ステップＳ６５）。
そして、寄与度還元部１７で得られた還元済寄与度データは、結果出力部１８から出力される（ステップＳ６５）。
【0046】
図２４は、還元率算出部１６が行う処理の手順を示すフローチャートである。
まず、還元率算出部１６は、対象ラグ変数データを取得する（ステップＳ７１）。対象ラグ変数データは、図２１で説明したデータである。
対象ラグ変数データを取得した還元率算出部１６は、最初に対象ラグ変数データのレコード数をｊに設定する（ステップＳ７２）。その後、還元率算出部１６は、時系列変数を条件としたループ処理を開始する（ステップＳ７３ａ）。
まず、還元率算出部１６は、対象ラグ変数データを取得する（ステップＳ７１）。対象ラグ変数データは、図２１で説明したデータである。
対象ラグ変数データを取得した還元率算出部１６は、最初に対象ラグ変数データのレコード数をｊに設定する（ステップＳ７２）。その後、還元率算出部１６は、時系列変数を条件としたループ処理を開始する（ステップＳ７３ａ）。
【0047】
ループ処理が開始されると、還元率算出部１６は、各時系列変数の時系列因果モデルを取得する（ステップＳ７４）。そして、還元率算出部１６は、対象ラグ変数データのｊ行目の各変数が時系列因果モデルの出力値に与える寄与度を算出する（ステップＳ７５）。還元率算出部１６は、算出した寄与度をラグ変数別寄与度データに追加する（ステップＳ７６）。この寄与度をラグ変数別寄与度データに追加したデータは、図２４の右側の中段に示すようなデータであり、予測器による各時刻の各変数の予測値に、各ラグ変数がどれくらい寄与しているかを分析した結果である。
【0048】
ステップＳ７４～Ｓ７６の処理が行われると、時系列変数を条件としたループ処理を終了し（ステップＳ７３ｂ）、還元率算出部１６は、ｊの値が「１」か否かを判断する（ステップＳ７７）。
【0049】
ステップＳ７７でｊの値が「１」でない場合（ステップＳ７７のＮＯ）、還元率算出部１６は、ｊの値を１つ減算し（ステップＳ７８）、ステップＳ７３ａのループ処理に戻る。
また、ステップＳ７７でｊの値が「１」の場合（ステップＳ７７のＹＥＳ）、還元率算出部１６は、ラグ変数寄与度データから寄与度還元率データを生成し、寄与度還元部１７に出力する（ステップＳ７９）。寄与度還元率データは、図２２に示すようなデータである。
また、ステップＳ７７でｊの値が「１」の場合（ステップＳ７７のＹＥＳ）、還元率算出部１６は、ラグ変数寄与度データから寄与度還元率データを生成し、寄与度還元部１７に出力する（ステップＳ７９）。寄与度還元率データは、図２２に示すようなデータである。
【0050】
図２５は、寄与度還元部１７が行う処理の手順を示すフローチャートである。
まず、寄与度還元部１７は、対象時系列データに対する時間変数別寄与度データと、寄与度還元率データを取得する（ステップＳ８１）。対象時系列データに対する時間変数別寄与度データは図２５の右上に示すようなデータであり、寄与度還元率データは図２５の右下に示すようなデータである。
まず、寄与度還元部１７は、対象時系列データに対する時間変数別寄与度データと、寄与度還元率データを取得する（ステップＳ８１）。対象時系列データに対する時間変数別寄与度データは図２５の右上に示すようなデータであり、寄与度還元率データは図２５の右下に示すようなデータである。
【0051】
そして、寄与度還元部１７は、寄与度還元率データを条件としたループ処理を開始する（ステップＳ８２ａ）。
【0052】
ループ処理が開始されると、寄与度還元部１７は、寄与度還元率データに従って、時間変数別寄与度データの各寄与度を還元元から還元先に還元する（ステップＳ８３）。そして、寄与度還元部１７は、寄与度還元率データを条件としたループ処理を終了する（ステップＳ８２ｂ）。
ループ処理が終了すると、寄与度還元部１７は、還元済寄与度データを結果出力部１８に出力する（ステップＳ８４）。
ループ処理が終了すると、寄与度還元部１７は、還元済寄与度データを結果出力部１８に出力する（ステップＳ８４）。
【0053】
［要因分析画面の例］
図２６は、結果出力部１８としての表示部に表示される要因分析画面の例を示す。
この図２６の要因分析画面では、時系列の実績データ、非時系列の実績データ、時系列の分析対象データ、及び非時系列の分析対象データを、それぞれ選択する項目が用意されている。図２６の例では、ユーザは、それぞれのデータの保管場所（フォルダ）を指定して、要因分析対象のデータを指示するようにしている。
図２６は、結果出力部１８としての表示部に表示される要因分析画面の例を示す。
この図２６の要因分析画面では、時系列の実績データ、非時系列の実績データ、時系列の分析対象データ、及び非時系列の分析対象データを、それぞれ選択する項目が用意されている。図２６の例では、ユーザは、それぞれのデータの保管場所（フォルダ）を指定して、要因分析対象のデータを指示するようにしている。
【0054】
また、要因分析画面には、データ読み込みボタン、目的変数の選択箇所、時間窓長の選択箇所、及び分析開始ボタンが表示されている。
データ読み込みボタンは、指示された要因分析対象のデータのユーザによる読み込み開始操作を受け付けるボタンである。
目的変数の選択箇所は、寄与度を得る目的変数のユーザによる選択を受け付ける箇所である。図２６では、目的変数として「白濁度」を選んだ例が示されている。
時間窓長は、図１２などで説明した時間窓長Ｔのユーザによる選択を受け付ける箇所である。
分析開始ボタンは、分析開始の操作を受け付けるボタンである。
データ読み込みボタンは、指示された要因分析対象のデータのユーザによる読み込み開始操作を受け付けるボタンである。
目的変数の選択箇所は、寄与度を得る目的変数のユーザによる選択を受け付ける箇所である。図２６では、目的変数として「白濁度」を選んだ例が示されている。
時間窓長は、図１２などで説明した時間窓長Ｔのユーザによる選択を受け付ける箇所である。
分析開始ボタンは、分析開始の操作を受け付けるボタンである。
【0055】
そして、分析開始の操作があると、図２６に示すように、要因分析結果が表示される。
すなわち、図２６の下側に示すように、要因分析画面には、分析対象データの時系列パターンのグラフと、目的変数である「白濁度」への寄与度推移のグラフと、根本要因に絞った寄与度推移のグラフとが表示される。
分析対象データの時系列パターンのグラフは、対象時間変数データを可視化したものであり、Ａ温度、Ｐ圧力、・・・などの対象時間変数データの時間変化を示す。
目的変数である「白濁度」への寄与度推移のグラフは、還元済でない時系列変数別寄与度データを可視化したものであり、Ａ温度、Ｐ圧力、・・・などの対象時間変数データの寄与度の時間変化を示す。
根本要因に絞った寄与度推移のグラフは、還元済の時系列変数別寄与度データを可視化したものであり、「白濁度」の根本原因である、Ａ温度、Ｐ圧力、・・・などの寄与度の時間変化を示す。
すなわち、図２６の下側に示すように、要因分析画面には、分析対象データの時系列パターンのグラフと、目的変数である「白濁度」への寄与度推移のグラフと、根本要因に絞った寄与度推移のグラフとが表示される。
分析対象データの時系列パターンのグラフは、対象時間変数データを可視化したものであり、Ａ温度、Ｐ圧力、・・・などの対象時間変数データの時間変化を示す。
目的変数である「白濁度」への寄与度推移のグラフは、還元済でない時系列変数別寄与度データを可視化したものであり、Ａ温度、Ｐ圧力、・・・などの対象時間変数データの寄与度の時間変化を示す。
根本要因に絞った寄与度推移のグラフは、還元済の時系列変数別寄与度データを可視化したものであり、「白濁度」の根本原因である、Ａ温度、Ｐ圧力、・・・などの寄与度の時間変化を示す。
【0056】
図２６に示すような要因分析結果の表示が行われることで、還元済の寄与度である、「白濁度」の変化の根本原因に絞った寄与度の推移を表示することができる。したがって、元を辿ると、どの時点で、どの因子を、どうように制御したことが原因なのか、その根本因子に中間因子の影響を還元してユーザに提示することができる。
これにより、直接制御できない中間因子の影響を単純に非表示にするものとは異なり、要因分析時の根本原因の寄与度を提示できるようになる。
また、実施可能な対策検討を効率よく行うことが可能になる。さらに、特定した根本因子が人で制御できない因子である場合でも、設計変更などの対策検討にも活用できるようになる。
なお、白濁度への寄与度推移の表示として、図２６に示すように根本原因の寄与度の推移のグラフを表示するだけでなく、還元済でない時系列変数別の寄与度データを可視化した寄与度推移のグラフを同時に表示してもよい。これにより、該当する根本原因が本当に原因であることが、表示から簡単にわかるようになる。この場合、根本原因であることがわかった後は、根本原因に絞った寄与度推移に切り替えることで、以後の検討が適切に行えるようになる。
これにより、直接制御できない中間因子の影響を単純に非表示にするものとは異なり、要因分析時の根本原因の寄与度を提示できるようになる。
また、実施可能な対策検討を効率よく行うことが可能になる。さらに、特定した根本因子が人で制御できない因子である場合でも、設計変更などの対策検討にも活用できるようになる。
なお、白濁度への寄与度推移の表示として、図２６に示すように根本原因の寄与度の推移のグラフを表示するだけでなく、還元済でない時系列変数別の寄与度データを可視化した寄与度推移のグラフを同時に表示してもよい。これにより、該当する根本原因が本当に原因であることが、表示から簡単にわかるようになる。この場合、根本原因であることがわかった後は、根本原因に絞った寄与度推移に切り替えることで、以後の検討が適切に行えるようになる。
【0057】
＜第２の実施の形態例＞
次に、本発明の第２の実施の形態例による時系列データの要因分析支援システム及び時系列データの要因分析支援方法を、図２７～図３１を参照して説明する。
第２の実施の形態例は、第１の実施の形態例で説明した要因分析支援システムを適用して、その要因分析支援システムの結果出力部１８で得られた結果に基づいて対策を検討し、その効果をシミュレーションするものである。要因分析支援システムが行う要因分析処理そのものは、図１～図２６で説明した構成及び処理と同じである。
次に、本発明の第２の実施の形態例による時系列データの要因分析支援システム及び時系列データの要因分析支援方法を、図２７～図３１を参照して説明する。
第２の実施の形態例は、第１の実施の形態例で説明した要因分析支援システムを適用して、その要因分析支援システムの結果出力部１８で得られた結果に基づいて対策を検討し、その効果をシミュレーションするものである。要因分析支援システムが行う要因分析処理そのものは、図１～図２６で説明した構成及び処理と同じである。
【0058】
［対策検討画面の例］
図２７は、表示部としての結果出力部１８が、対策検討画面を表示した例を示す。
図２７に示す対策検討画面では、「Ｔ温度」の推移詳細のグラフと、変更効果検証結果のグラフと、「白濁度」への寄与度推移のグラグとが表示されている。
「Ｔ温度」の推移詳細のグラフは、Ｔ温度の時間変化を示す特性Ｔｘと、その寄与度の変化αとを表示している。この図２７の例では、寄与度αが、１００時間を過ぎたあたりから高くなっている。
また、「Ｔ温度」の推移詳細のグラフは、Ｔ温度の基準値（破線）を表示している。
さらに、「Ｔ温度」の推移詳細のグラフの近傍には、データ変更ボタン、変更リセットボタン、及び効果検証実行ボタンが表示されている。
図２７は、表示部としての結果出力部１８が、対策検討画面を表示した例を示す。
図２７に示す対策検討画面では、「Ｔ温度」の推移詳細のグラフと、変更効果検証結果のグラフと、「白濁度」への寄与度推移のグラグとが表示されている。
「Ｔ温度」の推移詳細のグラフは、Ｔ温度の時間変化を示す特性Ｔｘと、その寄与度の変化αとを表示している。この図２７の例では、寄与度αが、１００時間を過ぎたあたりから高くなっている。
また、「Ｔ温度」の推移詳細のグラフは、Ｔ温度の基準値（破線）を表示している。
さらに、「Ｔ温度」の推移詳細のグラフの近傍には、データ変更ボタン、変更リセットボタン、及び効果検証実行ボタンが表示されている。
【0059】
ここで、ユーザの操作でデータ変更ボタンによりデータの変更が指示され、寄与度が高い区間で、Ｔ温度の変更後の変化Ｔｙ（太線）が指示されたとする。
これにより、変更効果検証結果のグラフに、変更後の効果が表示される。
すなわち、変更効果検証結果のグラフは、変更前のＴ温度の時間変化を示す特性Ｔｘと、その寄与度の変化αとを表示すると共に、変更後のＴ温度の時間変化を示す特性Ｔｙと、その寄与度の変化βとを表示する。
また、変更効果検証結果のグラフの表示箇所には、寄与度の合計値と、表示変数の選択欄が表示される。図２７は、表示変数の選択欄で「Ｔ温度」を選択した例を示す。
これにより、変更効果検証結果のグラフに、変更後の効果が表示される。
すなわち、変更効果検証結果のグラフは、変更前のＴ温度の時間変化を示す特性Ｔｘと、その寄与度の変化αとを表示すると共に、変更後のＴ温度の時間変化を示す特性Ｔｙと、その寄与度の変化βとを表示する。
また、変更効果検証結果のグラフの表示箇所には、寄与度の合計値と、表示変数の選択欄が表示される。図２７は、表示変数の選択欄で「Ｔ温度」を選択した例を示す。
【0060】
本実施の形態例の要因分析支援システムは、推移詳細のグラフでデータが変更されたＴｙの内容（ここではＴ温度）を反映した時系列データを生成して、寄与度を算出し、予測器による白濁度の予測値などを実行した結果を可視化して表示する。
【0061】
また、「白濁度」への寄与度推移のグラフとして、Ａ温度、Ｂ圧力、・・・などの「白濁度」への寄与度推移を表示する。この寄与度推移のグラフの表示箇所には、根本原因に絞った寄与度への切替えボタンが表示される。
この根本原因に絞った寄与度への切替えボタンのユーザ操作があるとき、寄与度推移のグラフは、白濁度の根本原因に寄与度を還元した結果のグラフに切り替わる。
この根本原因に絞った寄与度への切替えボタンのユーザ操作があるとき、寄与度推移のグラフは、白濁度の根本原因に寄与度を還元した結果のグラフに切り替わる。
【0062】
［対策検討内容を反映した事前効果検証の処理］
図２８は、時系列データの要因分析支援システムが、図２７で説明した対策検討内容を反映した事前効果検証の処理を行うための構成を示す。
まず、変更内容抽出部４１は、結果出力部１８における表示に伴った操作（図２７の表示に伴った操作）を抽出し、変更内容データＤ１１を得る。
この変更内容データＤ１１は、変更データ生成部４２に供給される。
図２８は、時系列データの要因分析支援システムが、図２７で説明した対策検討内容を反映した事前効果検証の処理を行うための構成を示す。
まず、変更内容抽出部４１は、結果出力部１８における表示に伴った操作（図２７の表示に伴った操作）を抽出し、変更内容データＤ１１を得る。
この変更内容データＤ１１は、変更データ生成部４２に供給される。
【0063】
変更データ生成部４２は、時系列因果モデル記憶部３１から時系列因果モデルを取得すると共に、対象時系列データ記憶部２３から対象時系列データについても取得する。
そして、変更データ生成部４２は、変更内容データＤ１１に基づいて変更後時系列データＤ１２を生成し、生成した変更後時系列データＤ１２を時間変数生成部１３に供給する。
時間変数生成部１３は、変更後時間変数データＤ１３を生成し、寄与度算出部１５に供給する。
寄与度算出部１５は、変更後時間変数データＤ１３についての寄与度を算出し、変更後時間変数別寄与度データＤ１４を得る。この変更後時間変数別寄与度データＤ１４は、結果出力部１８により出力される。
そして、変更データ生成部４２は、変更内容データＤ１１に基づいて変更後時系列データＤ１２を生成し、生成した変更後時系列データＤ１２を時間変数生成部１３に供給する。
時間変数生成部１３は、変更後時間変数データＤ１３を生成し、寄与度算出部１５に供給する。
寄与度算出部１５は、変更後時間変数データＤ１３についての寄与度を算出し、変更後時間変数別寄与度データＤ１４を得る。この変更後時間変数別寄与度データＤ１４は、結果出力部１８により出力される。
【0064】
図２９は、変更内容データＤ１１の例を示す。
この変更内容データＤ１１は、図２７に示す画面上で、ユーザが特定の変数（ここでは温度Ｔ）について、指定した範囲（時刻１０２～２３２）の値を変更したデータの詳細である。
図３０は、変更内容抽出部４１における処理の手順を示すフローチャートである。
変更内容抽出部４１は、対策検討画面（図２７の画面）の推移詳細部で、ユーザが変更したデータの内容を変更内容データとして抽出する（ステップＳ９１）。
次に、変更内容抽出部４１は、ステップＳ９１で抽出した変更内容データを変更データ生成部４２に供給する（ステップＳ９２）。
この変更内容データＤ１１は、図２７に示す画面上で、ユーザが特定の変数（ここでは温度Ｔ）について、指定した範囲（時刻１０２～２３２）の値を変更したデータの詳細である。
図３０は、変更内容抽出部４１における処理の手順を示すフローチャートである。
変更内容抽出部４１は、対策検討画面（図２７の画面）の推移詳細部で、ユーザが変更したデータの内容を変更内容データとして抽出する（ステップＳ９１）。
次に、変更内容抽出部４１は、ステップＳ９１で抽出した変更内容データを変更データ生成部４２に供給する（ステップＳ９２）。
【0065】
図３１は、変更データ生成部４２の処理例を示すフローチャートである。
この変更データ生成部４２は、変更内容データを基に、それに伴って変化する他の時系列変数の値を時系列因果モデルで推定し、変更後の対象時系列データ（変更後時系列データ）を生成する処理を行う。
すなわち、変更データ生成部４２は、最初に変更内容データと対象時系列データを取得する（ステップＳ１０１）。
そして、変更データ生成部４２は、変更内容データに基づき、対象時系列データの変更箇所を更新する（ステップＳ１０２）。
この変更データ生成部４２は、変更内容データを基に、それに伴って変化する他の時系列変数の値を時系列因果モデルで推定し、変更後の対象時系列データ（変更後時系列データ）を生成する処理を行う。
すなわち、変更データ生成部４２は、最初に変更内容データと対象時系列データを取得する（ステップＳ１０１）。
そして、変更データ生成部４２は、変更内容データに基づき、対象時系列データの変更箇所を更新する（ステップＳ１０２）。
【0066】
次に、変更データ生成部４２は、ｔを変更開始時刻＋１の時刻とする（ステップＳ１０３）。その後、変更データ生成部４２は、対象時系列データから時刻ｔに対するラグ変数を生成する（ステップＳ１０４）。そして、変更データ生成部４２は、変更対象変数を除く時系列変数を条件としたループ処理を開始する（ステップＳ１０５ａ）。
ループ処理を開始すると、変更データ生成部４２は、時系列因果モデル記憶部３１から各時系列変数の因果モデルを取得する（ステップＳ１０６）。
ループ処理を開始すると、変更データ生成部４２は、時系列因果モデル記憶部３１から各時系列変数の因果モデルを取得する（ステップＳ１０６）。
【0067】
そして、変更データ生成部４２は、時刻ｔに対するラグ変数を入力に、各時系列因果モデルで時刻ｔの各時系列変数の値を推定する（ステップＳ１０７）。推定値を取得すると、変更データ生成部４２は、その推定値で対象時系列データにおける時刻ｔの各時系列変数の値を更新し（ステップＳ１０８）、ループ処理を終了する（ステップＳ１０５ｂ）。
【0068】
その後、変更データ生成部４２は、現在の時刻ｔの値が、対象時系列データの最終時刻か否かを判断する（ステップＳ１０９）。ステップＳ１０９で、現在の時刻ｔの値が対象時系列データの最終時刻でない場合（ステップＳ１０９のＮＯ）、変更データ生成部４２は、時刻ｔの値を１つ加算して、ステップＳ１０４の処理に戻る。
【0069】
また、ステップＳ１０９で、現在の時刻ｔの値が対象時系列データの最終時刻の場合（ステップＳ１０９のＹＥＳ）、変更データ生成部４２は、更新済の対象時系列データを変更後時系列データとして時間変数生成部１３に出力する（ステップＳ１１１）。
【0070】
このように処理が行われることで、図２７に示すような対策検討内容を反映した事前効果検証を行うことができる。また、対策検討内容を反映した事前効果検証ができることで、ユーザが簡単に対策案の効果を事前検証できるようになり、根本原因への適切な対処を見つけることが可能になる。
すなわち、対策検討時には、ノイズになる因子による影響を排除した上で、人が直接制御可能な因子のみに集約して品質悪化プロセスを提示することができ、対策検討時に解釈しなければならない要因を大幅に削減でき、実際に制御できる因子で対策が検討できるようになる。
すなわち、対策検討時には、ノイズになる因子による影響を排除した上で、人が直接制御可能な因子のみに集約して品質悪化プロセスを提示することができ、対策検討時に解釈しなければならない要因を大幅に削減でき、実際に制御できる因子で対策が検討できるようになる。
【0071】
＜変形例＞
なお、ここまで説明した各実施の形態例は、本発明を分かりやすく説明するために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、上述した各実施の形態例で説明した構成や処理は、各種変形や変更が可能である。
例えば、上述した各実施の形態例では、製造ラインにおいて、白濁度を改善するための根本原因として、温度などを制御する例を示したが、このような製造ライン以外に本発明を適用してもよい。
なお、ここまで説明した各実施の形態例は、本発明を分かりやすく説明するために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、上述した各実施の形態例で説明した構成や処理は、各種変形や変更が可能である。
例えば、上述した各実施の形態例では、製造ラインにおいて、白濁度を改善するための根本原因として、温度などを制御する例を示したが、このような製造ライン以外に本発明を適用してもよい。
【0072】
また、図１に示す時系列データの要因分析支援システムは、３つの計算機１０，２０，３０で構成した例を示すが、３つの計算機で構成するのは１つの例であり、この図１の構成に限定されない。
また、各計算機としては、例えば汎用のコンピュータに、各実施の形態例で説明した処理を実行するプログラムを実装して、時系列データの要因分析支援システムを構成してもよい。
この場合にコンピュータに実装するプログラムについては、外部のメモリ、ＩＣカード、ＳＤカード、光ディスク等の記録媒体に置いて、コンピュータに転送してもよい。
また、各計算機としては、例えば汎用のコンピュータに、各実施の形態例で説明した処理を実行するプログラムを実装して、時系列データの要因分析支援システムを構成してもよい。
この場合にコンピュータに実装するプログラムについては、外部のメモリ、ＩＣカード、ＳＤカード、光ディスク等の記録媒体に置いて、コンピュータに転送してもよい。
【0073】
また、図１などの構成図では、制御線や情報線は説明上必要と考えられるものだけを示しており、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。実際には殆ど全ての構成が相互に接続されていると考えてもよい。
【符号の説明】
【0074】
１…プロセッサ、２…主記憶装置、３…副記憶装置、４…入力装置、５…出力装置、６…ネットワークインターフェース、１０，２０，３０…計算機、１１…予測器生成部、１２…時系列因果モデル生成部、１３…時間変数生成部、１４…ラグ変数生成部、１５…寄与度算出部、１６…還元率算出部、１７…寄与度還元部、１８…結果出力部、１９…予測器、２１…実績時系列データ記憶部、２２…実績非時系列データ記憶部、２３…対象時系列データ記憶部、２４…対象非時系列データ記憶部、３１…時系列因果モデル記憶部、４０…端末、４１…変更内容抽出部、４２…変更データ生成部、Ｄ１…実績時間変数データ、Ｄ２…実績ラグ変数データ、Ｄ３…時系列目的変数群データ、Ｄ４…対象時間変数データ、Ｄ５…時間変数別寄与度、Ｄ６…非時系列変数別寄与度、Ｄ７…対象ラグ変数データ、Ｄ８…寄与度還元率データ、Ｄ９…時間変数別寄与度、Ｄ１０…還元済み寄与度データ、Ｄ１１…変更内容データ、Ｄ１２…変更後時系列データ、Ｄ１３…変更後時間変数データ、Ｄ１４…変更後時間変数別寄与度データ
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【図24】
【図25】
【図26】
【図27】
【図28】
【図29】
【図30】
【図31】