数据分析装置、数据分析方法以及程序与流程

1.本公开涉及对多个数据进行分析的数据分析装置、数据分析方法以及用于执行数据分析方法的程序。


背景技术：

2.以往，已知对多个数据进行分析的数据分析装置。作为该装置的一个例子，在专利文献1中，记载了针对多个时序数据进行重回归分析，并使用其分析结果来预测未来的值的数据分析装置。具体地，在专利文献1的数据分析装置中，针对赋予了时序等顺序信息的实绩数据的说明变量，将按照时间、顺序来对由时序等顺序信息引起的数据变动的特征进行1次、2次微分后的项作为新的说明变量进行追加，由此计算出赋予了时序等顺序信息的实绩数据的、目的变量的重回归模型，并预测任意的日期时间、顺序下的目的变量。
3.在先技术文献
4.专利文献
5.专利文献1：日本特开2016-031714号公报


技术实现要素：

6.本公开的一方式涉及的数据分析装置是对由一种以上的说明变量以及一种目的变量构成的多个数据进行分析的数据分析装置，具备：数据获取部，获取所述多个数据；差分值计算部，在以所述多个数据之中给定的日期时间下的第i(i为1以上的整数)数据为起点值，以比所述给定的日期时间靠后的日期时间下的第i 1数据为终点值的数据区间中，对所述第i数据所包括的所述说明变量的所述起点值与所述第i 1数据所包括的所述说明变量的所述终点值的差分即说明变量差分值、以及所述第i数据所包括的所述目的变量的所述起点值与所述第i 1数据所包括的所述目的变量的终点值的差分即目的变量差分值进行计算；和差分模型导出部，基于多个所述说明变量差分值以及所述目的变量差分值，导出表示所述说明变量差分值以及所述目的变量差分值的关系的差分模型。
7.本公开的一方式涉及的数据分析方法是对由一种以上的说明变量以及一种目的变量构成的多个数据进行分析的数据分析方法，包括以下工序：获取所述多个数据；在以所述多个数据之中给定的日期时间下的第i(i为1以上的整数)数据为起点值，以比所述给定的日期时间靠后的日期时间下的第i 1数据为终点值的数据区间中，对所述第i数据所包括的所述说明变量的所述起点值与所述第i 1数据所包括的所述说明变量的所述终点值的差分即说明变量差分值、以及所述第i数据所包括的所述目的变量的所述起点值与所述第i 1数据所包括的所述目的变量的终点值的差分即目的变量差分值进行计算；基于多个所述说明变量差分值以及所述目的变量差分值，导出表示所述说明变量差分值以及所述目的变量差分值的关系的差分模型；和使用所述差分模型，预测未来的所述数据中的所述说明变量的终点值以及所述目的变量的终点值中的至少一方。
8.另外，这些总括性的或具体的方式既可以通过系统、方法、集成电路、计算机程序
或计算机可读cd-rom等记录介质来实现，也可以通过系统、方法、集成电路、计算机程序以及记录介质的任意的组合来实现。
附图说明
9.图1是示出实施方式中的数据分析系统的一个例子的图。
10.图2是示出实施方式中的数据分析装置的结构的图。
11.图3是示出实施方式中的数据集的一个例子的图。
12.图4是示出从实施方式中的数据集选择的说明变量以及目的变量的一个例子的图。
13.图5是示出实施方式1涉及的数据分析装置的功能性的结构的框图。
14.图6是示出实施方式1涉及的数据分析装置获取的多个数据的一个例子的图。
15.图7是示出针对多个数据设定的多个数据区间的一个例子的图。
16.图8是示出各数据区间的说明变量差分值以及目的变量差分值的图。
17.图9是示出实施方式1的说明变量差分值以及目的变量差分值的关系的图。
18.图10是示意性地示出实施方式1涉及的数据分析装置的效果的图。
19.图11是示出实施方式1涉及的数据分析方法的一个例子的流程图。
20.图12是示出实施方式1涉及的数据分析方法的另一例的流程图。
21.图13是示出实施方式2涉及的数据分析装置的功能性的结构的框图。
22.图14是示出实施方式2涉及的数据分析装置所获取的多个数据的一个例子的图。
23.图15是示出针对多个数据设定的数据区间的一个例子的图。
24.图16是示出各数据区间的说明变量差分值以及目的变量差分值的图。
25.图17是示出实施方式2的说明变量差分值以及目的变量差分值的关系的图。
26.图18是示出实施方式2涉及的数据分析方法的一个例子的流程图。
27.图19是示出实施方式2涉及的数据分析方法的另一例的流程图。
28.图20是针对图3的数据集求出了说明变量差分值以及目的变量差分值的例子。
29.图21是针对图3的数据集使用标准值求出了说明变量差分值以及目的变量差分值的例子。
30.图22是示出针对多个数据设定的多个数据区间的另一例的图。
具体实施方式
31.在专利文献1所记载的分析装置中，例如在实绩数据中存在对目的变量产生影响的不确定性因素的情况下，难以高精度地分析多个数据。因此，难以高精度地预测未来的值。
32.本公开解决上述的课题，其目的在于，提供能够高精度地分析多个数据的数据分析装置等。
33.以下，参照附图并对实施方式等进行说明。以下说明的实施方式等均表示总括性的或具体的例子。由以下的实施方式等示出的数值、形状、材料、构成要素、构成要素的配置位置以及连接方式、步骤、步骤的顺序等是一个例子，其主旨不在于限定本公开。此外，对于以下的实施方式等的构成要素之中未记载于独立权利要求的构成要素，作为任意的构成要
素来进行说明。
34.此外，各图是示意图，未必严谨地进行了图示。此外，在各图中，对实质上相同的结构标注相同的符号，有时省略或简化重复的说明。此外，即便在各图中对相同的物体进行图示的情况下，为了方便起见，有时也会变更缩尺。
35.(实施方式1)
36.[硬件结构]
[0037]
图1是示出本实施方式的数据分析系统的一个例子的图。
[0038]
本实施方式的数据分析系统900包括数据分析装置1和制造管理装置500。
[0039]
制造管理装置500例如是设置在制造工场且对制造产品的制造系统进行管理的装置。该制造管理装置500将由该制造系统获得的数据集ds例如经由因特网等网络发送到数据分析装置1。另外，对于数据集ds的详细情况，使用图3以及图4在后面叙述。
[0040]
数据分析装置1由个人计算机等构成，从上述的制造管理装置500接收数据集ds。而且，本实施方式中的数据分析装置1基于该数据集ds，生成表示说明变量的数据与目的变量的数据的关系的多个模型。
[0041]
图2是示出本实施方式的数据分析装置1的结构的图。
[0042]
数据分析装置1具备输入部101、运算电路102、存储器103、输出部104、存储部105、数据库106以及通信部107。
[0043]
通信部107与处于数据分析装置1的外部的设备通信。该通信既可以是无线通信，也可以是有线通信。无线通信的方式可以是wi-fi(注册商标)、bluetooth(注册商标)、或zigbee(紫蜂)，也可以是其他方式。例如，通信部107与制造管理装置500通信，从该制造管理装置500接收数据集ds。
[0044]
输入部101具有作为受理由用户进行的输入操作的hmi(human machine interface，人机接口)的功能，例如具备键盘、鼠标、触摸传感器、触摸板等。
[0045]
输出部104具有显示图像或文字等的显示器，该显示器例如是液晶显示器、等离子体显示器、有机el(electro-luminescence)显示器等。另外，输出部104也可以具有印刷图像或文字等的打印机，也可以具有将从运算电路102输出的数据以文档形式保存在存储部105的功能。
[0046]
存储部105对记述有向运算电路102的各命令的程序(即计算机程序)105a进行保存。此外，也可以在存储部105保存由该运算电路102的处理暂时性地生成的各临时数据105b。另外，这样的存储部105是非易失性的记录介质，例如是硬盘等磁存储装置、光盘、半导体存储器等。另外，程序105a例如经由可移动介质或网络被提供给数据分析装置1，并被保存在存储部105。可移动介质例如是cd-rom(compact disc read only memory，光盘只读存储器)、闪速存储器等。因此，通信部107也可以具备读入可移动介质的程序105a的接口。
[0047]
在存储器103暂时性地保存由运算电路102读出并展开的程序105a。这样的存储器103例如是易失性的ram(random access memory，随机存取存储器)。
[0048]
运算电路102是执行在存储器103中展开的程序105a的电路，例如是cpu(central processing unit，中央处理单元)、gpu(graphics processing unit，图形处理单元)等。运算电路102也可以在执行程序105a时，使用保存在存储部105的各临时数据105b。
[0049]
数据库106与存储部105同样是非易失性的记录介质，例如是硬盘等磁存储装置、
光盘、半导体存储器等。例如，运算电路102从制造管理装置500经由网络以及通信部107获取数据集ds，并将该数据集ds保存在数据库106。
[0050]
另外，虽然在本实施方式中存储部105和数据库106是相互不同的记录介质，但存储部105以及数据库106也可以作为包括它们的1个记录介质而被构成。
[0051]
[数据集]
[0052]
图3是示出本实施方式的数据集ds的一个例子的图。
[0053]
数据集ds是从制造管理装置500发送的原始数据集，例如是由表示上述的制造系统的制造工艺中的物性、工艺条件以及由该制造工艺制造的产品的品质等的、多个制造数据构成的结构化的数据集。如图3所示，这样的数据集ds表示多个变量各自的变量名和这些变量的数据。另外，如果数据为表示文字以及数字之中的至少一方的数据，则可以是任何数据。在数据集ds的先头的行配置有多个变量各自的变量名，在数据集ds的第2行以后的各行配置有多个变量各自的数据。
[0054]
另外，在数据集ds的左端的列示出生产日。在此，对按照每个生产日设定制造工艺的例子、即制造工艺一旦被设定则1天内均以相同的制造工艺进行生产的例子进行说明。
[0055]
如图3所示，在数据集ds的先头的行配置有作为各个变量名的物性1、物性2、物性3、工艺条件1、检查1以及检查2。物性1、物性2、物性3例如从粘度、粒度、固形分比等之中适当选择。工艺条件1例如从流量、压力等中适当选择。检查1、检查2为以物性1、物性2、物性3以及工艺条件1进行制造时的产品或半成品的检查项目。检查1、检查2例如从涂敷重量、膜厚、涂敷面积等中适当选择。在数据集ds的第2行以后的行中包括通过这些变量名识别的变量的数据。
[0056]
在本实施方式中，图3所示的物性1、物性2、物性3以及工艺条件1为说明变量，检查1以及检查2为目的变量。在该例子中，示出了四种说明变量，并示出了两种目的变量。
[0057]
图4是示出从数据集ds选择的说明变量以及目的变量的一个例子的图。在图4中示出了从图3所示的数据集ds之中选择物性1以及检查1，按照每个生产日进行了排列的状态。此外，在图4中，按照生产日的日期依次对应地标注了数据编号。在该图中，选择物性1作为说明变量，选择检查1作为目的变量。
[0058]
另外，说明变量以及目的变量的选择的方式不限于此。例如，也可以从数据集ds之中选择物性2作为说明变量，选择检查2作为目的变量。此外，也可以选择物性1以及物性2作为说明变量，选择检查1作为目的变量。也可以选择物性1、物性2以及物性3作为说明变量，选择检查1作为目的变量。即，也可以分别选择两种以上的说明变量以及一种目的变量。
[0059]
此外，在图4中选择了每天的生产日，但生产日的选择的方式不限于此。例如，也可以从数据集ds的5/13～5/16之中每隔一天而选择5/13、5/15，从5/20～5/23之中每隔1天而选择5/20、5/22，从5/27～5/29之中每隔1天而选择5/27、5/29，从6/5～6/7之中每隔1天而选择6/5、6/7。
[0060]
本实施方式的数据分析装置对上述例示的那样的数据集ds进行数据分析。另外，以下为了使发明容易理解，将前述的说明变量以及目的变量进一步简化而进行说明。
[0061]
[数据分析装置的结构]
[0062]
对于实施方式1涉及的数据分析装置的结构，参照图5～图10并进行说明。
[0063]
图5是示出实施方式1涉及的数据分析装置1的功能性的结构的框图。
[0064]
如图5所示，数据分析装置1具备数据获取部10、数据区间设定部20、差分值计算部30和差分模型导出部40。此外，数据分析装置1具备终点值预测部50和输出部104。数据分析装置1的功能性的结构通过执行保存在存储部105的程序来实现。
[0065]
数据获取部10从外部获取多个数据。例如，数据获取部10通过由利用数据分析装置1的用户进行的操作输入、或由外部装置进行数据输入等来获取多个数据。
[0066]
多个数据分别由成为原因的数据即一种以上的说明变量x、以及成为结果的数据即一种目的变量y构成。说明变量x以及目的变量y分别例如由长度、质量、电流、温度、时间等si基本单位的物理量表示。另外，说明变量x中也可以包括人、夹具、场所等不能由上述的物理量表示的变量。此外，本实施方式的多个数据例如按照时分、日、周、月等时序来表示。按照时序表示的时序数据是物理量等表示时间变化的数据，对物理量和时间建立了对应。按照时序表示的多个数据既可以是按照相等的时间间隔排列的数据，也可以是按照不同的时间间隔排列的数据。
[0067]
图6是示出数据分析装置1获取的多个数据的一个例子的图。在图6的(a)中由表格示出了多个数据，在图6的(b)中由曲线图示出了多个数据。
[0068]
在图6中在按时序将各数据所包括的说明变量x以及目的变量y整理后的状态下进行了示出。在图6中示出了简化后的数据，但也可以是，图6中的说明变量x是在制造工序中输入的输入数据(例如制造条件数据)，目的变量y是在制造工序中基于制造的中间品或制造品等获得的输出数据(例如检查数据)。各数据中包括影响目的变量y的不确定的要素，即包括虽然对目的变量y产生影响但无法分离的要素。影响目的变量y的不确定的要素例如是噪声、干扰。
[0069]
以下，举出各数据由1个说明变量x以及1个目的变量y构成的情况为例来进行说明。由数据获取部10获取到的多个数据保存在数据分析装置1的存储器103，并且输出到数据区间设定部20。
[0070]
数据区间设定部20针对从数据获取部10输出的多个数据设定多个数据区间。数据区间是指将物理量和时间建立了对应的多个数据之中的日期时间不同的2个数据的区间，数据区间的单位例如是秒、分、时、天、周等。在各数据区间中存在数据区间的作为起始的数据的起点值以及作为终点数据的终点值。
[0071]
图7是示出针对多个数据设定的多个数据区间(i，i 1)的一个例子的图。另外，i是与按照时序对多个数据进行了排列时的各数据对应的编号(顺序号)。i为1以上的整数。
[0072]
如图7所示，在数据区间(i，i 1)中，给定的日期时间下的第i数据为起点值，比给定的日期时间靠后的日期时间下的第i 1数据为终点值。在第i数据以及第i 1数据各自中包括说明变量x以及目的变量y。例如，在图7中的第1个数据区间(1，2)中，说明变量x(1)＝6以及目的变量y(1)＝17分别为起点值，说明变量x(2)＝8以及目的变量y(2)＝22分别为终点值。
[0073]
此外，在图7所示的例子中，1个数据区间(i，i 1)中的终点值为接下来的数据区间(i，i 1)中的起点值。具体地，在数据区间(1，2)中，说明变量x(2)＝8为终点值，在数据区间(2，3)中，说明变量x(2)＝8为起点值。如此，数据区间设定部20设定各数据区间，使得时序上相邻的2个数据区间具有共同的数据。数据区间设定部20也可以设定各数据区间，使得多个数据区间整体上相连。
[0074]
另外，数据区间设定部20不需要一定针对按照时序排列的数据设定数据区间。例如，数据区间设定部20也可以针对按照时序排列的数据，不是依照顺序而是跳过间隔地设定数据区间。关于数据区间，优选考虑制造系统运转的期间等而将期间的宽度设定为一定。关于怎样设定数据区间，既可以默认地决定，也可以能够通过人的操作输入来变更。由数据区间设定部20设定的数据区间(i，i 1)保存在存储器103，并且与多个数据一起输出到差分值计算部30。
[0075]
差分值计算部30按照由数据区间设定部20设定的每个数据区间(i，i 1)，计算与说明变量x有关的差分值以及与目的变量y有关的差分值。具体地，差分值计算部30对第i数据所包括的说明变量x的起点值x(i)与第i 1数据所包括的说明变量x的终点值x(i 1)的差分即说明变量差分值δx进行计算(δx＝x(i 1)-x(i))。此外，差分值计算部30对第i数据所包括的目的变量y的起点值y(i)与第i 1数据所包括的目的变量y的终点值y(i 1)的差分即目的变量差分值δy进行计算(δy＝y(i 1)-y(i))。在此所说的差分是指终点值减去起点值所得到的值。
[0076]
图8是示出各数据区间(i，i 1)中的说明变量差分值δx以及目的变量差分值δy的图。例如，在图8中示出了，数据区间(1，2)中的说明变量差分值δx为2，目的变量差分值δy为5。由差分值计算部30计算出的多个说明变量差分值δx以及目的变量差分值δy被输出到差分模型导出部40。
[0077]
差分模型导出部40基于多个说明变量差分值δx以及目的变量差分值δy，导出表示说明变量差分值δx以及目的变量差分值δy的关系的差分模型m。
[0078]
图9是示出说明变量差分值δx以及目的变量差分值δy的关系的图。在图9中绘制了由差分值计算部30计算出的多个说明变量差分值δx以及目的变量差分值δy。此外，在图9中，由粗的虚线呈现表示多个说明变量差分值δx以及目的变量差分值δy的关系的差分模型m。图9所示的差分模型m例如由以下的(公式1)定义。另外，k是说明变量x的数值。
[0079]
[数学式1]
[0080][0081]
在(公式1)中，使用目的变量差分值δy和说明变量差分值δx来推定重回归系数β
10
、β
1k
，由此能够获针对目的变量差分值δy以及说明变量差分值δx的1个回归模型式(差分模型m的公式)。
[0082]
另外，上述中，作为差分模型m以说明变量差分值δx的线形式定义目的变量差分值δy，但也能够以说明变量差分值δx的积和项定义目的变量差分值δy，并采用以下的(公式2)定义差分模型m。
[0083]
[数学式2]
[0084][0085]
此外，还能够以说明变量差分值δx的任意的多项式定义目的变量差分值δy，采
用以下的(公式3)定义差分模型m。另外，多项式的次数r、p、q的关系为r＞p、q、
……
＞1。多项式代表包含对数、指数、三角函数等的通用的公式。
[0086]
[数学式3]
[0087][0088]
由差分模型导出部40导出的差分模型m保存在存储器103，并且输出到终点值预测部50。
[0089]
终点值预测部50使用差分模型m，来预测未来的数据中的说明变量x的终点值x(i 1)以及目的变量y的终点值y(i 1)的至少一方。
[0090]
首先，对终点值预测部50预测未来的数据中的说明变量x的终点值x(i 1)的例子进行说明。对作为输入的说明变量x的终点值x(i 1)进行预测，对于为了使基于在制造工序中制造的中间品或制造品等获得的输出数据接近作为本来想要获得的输出数据的目标值t(省略图示)是有用的。通过该预测，能够导出使中间品或制造品的检查数据成为目标值t(期望的值)那样的制造条件。
[0091]
例如，终点值预测部50将过去的数据所包括的说明变量x以及目的变量y各自的终点值x(i 1)、y(i 1)作为未来的数据中的说明变量x以及目的变量y各自的起点值x(i)、y(i)而输入到差分模型m。而且，终点值预测部50通过将未来的数据中的目的变量y的目标值t赋予给差分模型m，来求出未来的数据中的说明变量x的终点值x(i 1)。更具体地，终点值预测部50在差分模型m中求出未来的数据中的目的变量y的终点值y(i 1)成为最接近目标值t的值的情况下的、未来的数据中的说明变量x的终点值x(i 1)。
[0092]
在该情况下，在求出最接近目标值t的目的变量y的终点值y(i 1)之后，也可以对差分模型m进行反算，从而求出说明变量x的终点值x(i 1)。最接近目标值t的目的变量y的终点值y(i 1)能够通过对目标值t与目的变量y的终点值y(i 1)的距离进行计算来决定。此外，也可以在差分模型m中使说明变量x变动，并求出目的变量y的终点值y(i 1)最接近目标值t时的说明变量x的终点值x(i 1)。在目的变量y的终点值y(i 1)最接近目标值t时，能够通过计算出目标值t与目的变量y的终点值y(i 1)的距离来决定。另外，目标值t是由用户设定并保存在存储部105的值。
[0093]
接下来，对终点值预测部50预测未来的数据中的目的变量y的终点值y(i 1)的例子进行说明。预测作为输出的目的变量y的终点值y(i 1)，对于掌握针对输入的输出是有用的。
[0094]
例如，终点值预测部50将过去的数据所包括的说明变量x以及目的变量y各自的终点值x(i 1)、y(i 1)作为未来的数据中的说明变量x以及目的变量y各自的起点值x(i)、y(i)而输入到差分模型m。而且，终点值预测部50通过将未来的数据中的说明变量x的终点值x(i 1)输入差分模型m，来求出未来的数据中的目的变量y的终点值y(i 1)。
[0095]
由终点值预测部50预测的说明变量x的终点值x(i 1)或目的变量y的终点值y(i
1)保存在存储器103。此外，说明变量x的终点值x(i 1)或目的变量y的终点值y(i 1)也可以输出到输出部104并由输出部104显示。
[0096]
输出部104例如是液晶面板等显示装置，对从终点值预测部50输出的说明变量x的终点值x(i 1)或目的变量y的终点值y(i 1)进行显示。另外，输出部104也可以显示多个数据、数据区间、差分模型m以及目标值t。
[0097]
图10是示意性地示出数据分析装置1的效果的图。
[0098]
图10的(a)示出了多个数据所包括的不确定因素。在图10的(b)示出了由一般的重回归模型预测出的目的变量y的终点值与目标值t的差。在图10的(c)中示出了由专利文献1所示的方法预测出的目的变量y的终点值与目标值t的差。在图10的(d)中示出了由本实施方式预测出的目的变量y的终点值y(i 1)与目标值t的差。图10的(b)～(d)的横轴是与时序数据对应地按照时序顺序赋予的编号，纵轴是上述终点值与目标值t的差。
[0099]
如该图所示，若是本实施方式涉及的数据分析装置1，则相比于一般的重回归模型以及专利文献1所示的方法，目的变量y的终点值y(i 1)与目标值t的差变小。在该数据分析装置1中，与一般的重回归模型以及专利文献1所示的方法不同，基于说明变量x的起点值x(i)与终点值x(i 1)的差分以及目的变量y的起点值y(i)与终点值y(i 1)的差分，制作差分模型m。如此，通过基于起点值与终点值的差分来生成模型，能够消除数据所包括的不确定因素的至少一部分。因此，能够导出不确定因素的影响被抑制了的状态的差分模型m。由此，能够高精度地分析多个数据。
[0100]
此外，通过使用差分模型m，能够高精度地预测为了使目的变量y的终点值y(i 1)接近目标值t而最适合的说明变量x的终点值x(i 1)。此外，通过使用差分模型m，相对于输入了说明变量x的终点值x(i 1)的情况，能够高精度地预测作为输出的目的变量y的终点值y(i 1)。
[0101]
[数据分析方法的一个例子]
[0102]
对于实施方式1涉及的数据分析方法的一个例子，参照图11并进行说明。在这个例子中，对预测为了使目的变量y的终点值y(i 1)接近目标值t而最适合的说明变量x的终点值x(i 1)的例子进行说明。
[0103]
图11是示出实施方式1涉及的数据分析方法的一个例子的流程图。
[0104]
首先，数据分析装置1的数据获取部10获取如图6所示的那样的多个数据(步骤s11)。
[0105]
接下来，数据区间设定部20按照时序整理多个数据(步骤s12)。具体地，数据区间设定部20按照时间的升序对多个数据进行整列。例如，取代日期时间而对按照时序整理后的多个数据依次赋予数据编号。从多个数据抽出一部分的数据时，优选以日期时间的间隔成为等间隔的方式进行抽出。数据区间设定部20针对按照时序整理后的多个数据，设定如图7所示的那样的多个数据区间(i，i 1)(步骤s13)。
[0106]
另外，在按照时序整理的数据被预先输入到数据获取部10或数据区间设定部20的情况下，也可以省略步骤s12。此外，在接下来示出的差分值计算部30具备数据区间设定部20的功能的情况下，步骤s12以及s13也可以由差分值计算部30执行。
[0107]
差分值计算部30基于用户决定的设定条件，针对多个数据设定说明变量x以及目的变量y(步骤s14)。另外，说明变量x以及目的变量y既可以在输入到数据获取部10的多个
数据中被预先设定，也可以由数据区间设定部20设定。
[0108]
接下来，差分值计算部30计算在各数据区间(i，i 1)中第i数据所包括的说明变量x的起点值x(i)与第i 1数据所包括的说明变量x的终点值x(i 1)的差分即说明变量差分值δx。此外，差分值计算部30计算在各数据区间(i，i 1)中第i数据所包括的目的变量y的起点值y(i)与第i 1数据所包括的目的变量y的终点值y(i 1)的差分即目的变量差分值δy(步骤s15。参照图8)。
[0109]
接下来，差分模型导出部40基于多个说明变量差分值δx以及目的变量差分值δy，导出表示说明变量差分值δx以及目的变量差分值δy的关系的差分模型m(步骤s16)。对于差分模型m的定义，如参照图9说明的内容所示。
[0110]
接下来，终点值预测部50将过去的数据所包括的说明变量x以及目的变量y各自的终点值x(i 1)、y(i 1)作为未来的数据中的说明变量x以及目的变量y各自的起点值x(i)、y(i)而输入到差分模型m(步骤s17)。而且，终点值预测部50通过将未来的数据中的目的变量y的目标值t赋予给差分模型m，来求出未来的数据中的说明变量x的终点值x(i 1)(步骤s18)。更具体地，终点值预测部50在差分模型m中，求出未来的数据中的目的变量y的终点值y(i 1)成为最接近目标值t的值的情况下的、未来的数据中的说明变量x的终点值x(i 1)。
[0111]
输出部104显示由终点值预测部50预测出的说明变量x的终点值x(i 1)(步骤s19)。通过执行这些步骤s11～s19，能够高精度地分析多个数据。
[0112]
[数据分析方法的另一例]
[0113]
对于实施方式1涉及的数据分析方法的另一例，参照图12并进行说明。在该另一例中，对在输入了给定的说明变量x的终点值x(i 1)的情况下预测作为输出的目的变量y的终点值y(i 1)的例子进行说明。
[0114]
图12是示出实施方式1涉及的数据分析方法另一例的流程图。步骤s11～s16与图11的数据分析方法相同，省略说明。
[0115]
在该例子中，终点值预测部50将过去的数据所包括的说明变量x以及目的变量y各自的终点值x(i 1)、y(i 1)作为未来的数据中的说明变量x以及目的变量y各自的起点值x(i)、y(i)而输入到差分模型m(步骤s17)。而且，终点值预测部50通过将未来的数据中的说明变量x的终点值x(i 1)输入到差分模型m，来求出未来的数据中的目的变量y的终点值y(i 1)(步骤s1 8a)。
[0116]
输出部104显示由终点值预测部50预测出的目的变量y的终点值y(i 1)(步骤s19a)。通过执行这些步骤s11～s19，能够高精度地分析多个数据。
[0117]
[效果等]
[0118]
本实施方式涉及的数据分析装置1是对由一种以上的说明变量x以及一种目的变量y构成的多个数据进行分析的装置，具备数据获取部10、差分值计算部30和差分模型导出部40。数据获取部10获取多个数据。差分值计算部30在以多个数据之中给定的日期时间下的第i数据为起点值，以比给定的日期时间靠后的日期时间下的第i 1数据为终点值的数据区间(i，i 1)中，对第i数据所包括的说明变量x的起点值x(i)与第i 1数据所包括的说明变量x的终点值x(i 1)的差分即说明变量差分值δx、以及第i数据所包括的目的变量y的起点值y(i)与第i 1数据所包括的目的变量y的终点值y(i 1)的差分即目的变量差分值δy进行计算。差分模型导出部40基于多个说明变量差分值δx以及目的变量差分值δy，导出表示
说明变量差分值δx以及目的变量差分值δy的关系的差分模型m。
[0119]
如此，通过基于各数据区间(i，i 1)中的说明变量差分值δx以及目的变量差分值δy生成差分模型m，能够消除数据所包括的不确定因素的至少一部分。因此，能够导出不确定因素被抑制了的状态的差分模型m。由此，能够高精度地分析多个数据。
[0120]
此外，也可以是，数据分析装置1还具备对由数据获取部10获取到的多个数据设定数据区间(i，i 1)的数据区间设定部20，差分值计算部30按照由数据区间设定部20设定的每个数据区间(i，i 1)，计算说明变量差分值δx以及目的变量差分值δy。
[0121]
根据该结构，能够适当地设定数据区间(i，i 1)，并基于所设定的每个数据区间(i，i 1)的说明变量差分值δx以及目的变量差分值δy，导出适当的差分模型m。由此，能够高精度地分析多个数据。
[0122]
此外，数据分析装置1也可以还具备：终点值预测部50，使用差分模型m来预测未来的数据中的说明变量x的终点值x(i 1)以及目的变量y的终点值y(i 1)中的至少一方。
[0123]
根据该结构，能够使用不确定因素被抑制了的状态的差分模型m，来高精度地预测说明变量x的终点值x(i 1)或目的变量y的终点值y(i -1)。
[0124]
此外，终点值预测部50也可以将过去的数据所包括的说明变量x以及目的变量y各自的终点值x(i 1)、y(i 1)作为未来的数据中的说明变量x以及目的变量y各自的起点值x(i)、y(i)而输入到差分模型m，并且将未来的数据中的目的变量y的目标值t赋予给差分模型m，由此求出未来的数据中的说明变量x的终点值x(i 1)。
[0125]
据此，能够高精度地预测为了使目的变量y的终点值y(i 1)接近目标值t而适合的说明变量x的终点值x(i 1)。
[0126]
此外，终点值预测部50也可以在差分模型m中，求出未来的数据中的目的变量y的终点值y(i 1)成为最接近目标值t的值的情况下的、未来的数据中的说明变量x的终点值x(i 1)。
[0127]
据此，能够简易且高精度地预测说明变量x的终点值x(i 1)。
[0128]
此外，终点值预测部50也可以将过去的数据所包括的说明变量x以及目的变量y各自的终点值x(i 1)、y(i 1)作为未来的数据中的说明变量x以及目的变量y各自的起点值x(i)、y(i)而输入到差分模型m，并且将未来的数据中的说明变量x的终点值x(i 1)输入到差分模型m，由此求出未来的数据中的目的变量y的终点值y(i 1)。
[0129]
据此，能够高精度地预测与说明变量x的终点值x(i 1)对应的目的变量y的终点值y(i 1)。
[0130]
此外，数据分析装置1也可以还具备：输出部104，对未来的数据中的说明变量x的终点值x(i 1)以及目的变量y的终点值y(i 1)中的至少一方进行显示。
[0131]
据此，能够使用输出部104向用户通知与说明变量x的终点值x(i 1)或目的变量y的终点值y(i 1)有关的信息。
[0132]
本实施方式涉及的数据分析方法是对由一种以上的说明变量x以及一种目的变量y构成的多个数据进行分析的方法。该数据分析方法包括：获取多个数据的工序；在以多个数据之中给定的日期时间下的第i数据为起点值，以比给定的日期时间靠后的日期时间下的第i 1数据为终点值的数据区间(i，i 1)中，对第i数据所包括的说明变量x的起点值x(i)与第i 1数据所包括的说明变量x的终点值x(i 1)的差分即说明变量差分值δx、以及第i数
据所包括的目的变量y的起点值y(i)与第i 1数据所包括的目的变量y的终点值y(i 1)的差分即目的变量差分值δy进行计算的工序；基于多个说明变量差分值δx以及目的变量差分值δy，导出表示说明变量差分值δx以及目的变量差分值δy的关系的差分模型m的工序；和使用差分模型m，预测未来的数据中的说明变量x的终点值x(i 1)以及目的变量y的终点值y(i 1)中的至少一方的工序。
[0133]
如此，通过基于各数据区间(i，i 1)中的说明变量差分值δx以及目的变量差分值δy来生成差分模型m，能够消除数据所包括的不确定因素的至少一部分。因此，能够导出不确定因素被抑制了的状态的差分模型m。由此，能够高精度地分析多个数据。
[0134]
本实施方式涉及的程序是用于使计算机执行上述的数据分析方法的程序。
[0135]
通过执行该程序，能够高精度地分析多个数据。
[0136]
(实施方式2)
[0137]
[数据分析装置的结构]
[0138]
对于实施方式2涉及的数据分析装置1a的结构，参照图13～图17并进行说明。在实施方式2中，对将数据区间的起点值置换成给定的标准值并求出差分的例子进行说明。进一步地，在实施方式2中，对使用给定的标准值求出的终点值和在实施方式1中求出的终点值进行比较，并选择期望的终点值的例子进行说明。另外，对于与实施方式1相同的结构，省略或简化说明。
[0139]
图13是示出实施方式2涉及的数据分析装置1a的功能性的结构的框图。
[0140]
如图13所示，数据分析装置1a具备标准差分值计算部30a、标准差分模型导出部40a、标准终点值预测部50a和选择部60a。此外，数据分析装置1a具备实施方式1中示出的数据获取部10、数据区间设定部20、差分值计算部30、差分模型导出部40、终点值预测部50和输出部104。
[0141]
数据获取部10例如通过由利用数据分析装置1a的用户进行的操作输入、或由外部装置进行的数据输入等来获取多个数据。
[0142]
图14是示出数据分析装置1a获取的多个数据的一个例子的图。在图14中，各数据所包括的说明变量x以及目的变量y在按照时序整理后的状态下被示出。在各数据中包括影响目的变量y的不确定的要素，即包括虽然对目的变量y产生影响但无法测量的要素。
[0143]
数据区间设定部20针对从数据获取部10输出的多个数据设定多个数据区间。
[0144]
图15是示出针对多个数据设定的多个数据区间(i，i 1)的一个例子的图。如图15所示，在数据区间(i，i 1)中，给定的日期时间下的第i数据为起点值，比给定的日期时间靠后的日期时间下的第i 1数据为终点值。
[0145]
标准差分值计算部30a按照由数据区间设定部20设定的每个数据区间(i，i 1)，计算与说明变量x有关的差分值以及与目的变量y有关的差分值。在该实施方式2中，以数据区间(i，i 1)中的起点值为给定的标准值sx或sy来计算差分值。
[0146]
具体地，标准差分值计算部30a计算第i数据所包括的说明变量x的标准值sx与第i 1数据所包括的说明变量x的终点值x(i 1)的差分、即使用了标准值sx的情况下的说明变量差分值δx(δx＝x(i 1)-sx)。此外，标准差分值计算部30a计算第i数据所包括的目的变量y的标准值sy与第i 1数据所包括的目的变量y的终点值y(i 1)的差分、即使用了标准值sy的情况下的目的变量差分值δy(δy＝y(i 1)-sy)。说明变量x的标准值sx在各数据区间
(i，i 1)中相同，例如设定为7.5。目的变量y的标准值sy也在各数据区间(i，i 1)中相同，例如设定为27。
[0147]
图16是示出各数据区间(i，i 1)中的说明变量差分值δx以及目的变量差分值δy的图。例如，在图15中示出了，在数据区间(1，2)中，使用了标准值sx的情况下的说明变量差分值δx为0.5，使用了标准值sy的情况下的目的变量差分值δy为-5。由标准差分值计算部30a计算出的使用了标准值的情况下的多个说明变量差分值δx以及目的变量差分值δy被输出到标准差分模型导出部40a。
[0148]
标准差分模型导出部40a基于使用了标准值sx、sy的情况下的多个说明变量差分值δx以及目的变量差分值δy，导出表示说明变量差分值δx以及目的变量差分值δy的关系的标准差分模型ma。
[0149]
图17是示出实施方式2中的说明变量差分值δx以及目的变量差分值δy的关系的图。在图17中，绘制了使用了标准值sx、sy的情况下的多个说明变量差分值δx以及目的变量差分值δy。此外，在图17中，用粗的虚线呈现了表示使用了标准值sx、sy的情况下的多个说明变量差分值δx以及目的变量差分值δy的关系的标准差分模型ma。标准差分模型ma的定义与实施方式1中的差分模型m的定义同样。由标准差分模型导出部40a导出的标准差分模型ma保存在存储器103，并且输出到标准终点值预测部50a。
[0150]
标准终点值预测部50a使用标准差分模型ma，来预测未来的数据中的说明变量x的终点值x(i 1)以及目的变量y的终点值y(i4-1)中的至少一方。终点值x(i 1)以及目的变量y的终点值y(i 1)的求出方式与实施方式1同样。
[0151]
选择部60a对由终点值预测部50求出的目的变量y的终点值y(i4 1)与目的变量y的目标值t的差d(省略图示)、以及由标准终点值预测部50a求出的目的变量y的终点值y(i 1)与目的变量y的目标值t的差da(省略图示)进行比较。而且，选择部60a选择上述的差d以及da之中差较小的目的变量y的终点值y(i -1)。此外，选择部60a选择求出差较小的目的变量y的终点值y(i 1)的终点值预测部50或标准终点值预测部50a。
[0152]
由选择部60a选择的终点值预测部50或标准终点值预测部50a基于由选择部60a选择的目的变量y的终点值y(i 1)，预测说明变量x的终点值x(i 1)。由终点值预测部50或标准终点值预测部50a预测的说明变量x的终点值x(i 1)保存在存储器103，并输出到输出部104。
[0153]
输出部104对由终点值预测部50或标准终点值预测部50a预测的说明变量x的终点值x(i 1)进行显示。此外，输出部104对由终点值预测部50或标准终点值预测部50a预测的目的变量y的终点值y(i 1)进行显示。另外，输出部104也可以对多个数据、数据区间、标准值sx、sy、差分模型m、标准差分模型ma以及目标值t进行显示。
[0154]
在实施方式2的数据分析装置1a中，基于说明变量x的标准值sx与终点值x(i 1)的差分、以及目的变量y的标准值sy与终点值y(i 1)的差分，制作标准差分模型ma。如此，通过基于标准值与终点值的差分来生成模型，能够消除数据所包括的不确定因素的至少一部分。因此，能够导出不确定因素被抑制了的状态的标准差分模型ma。由此，能够高精度地分析多个数据，能够对未来的数据中的说明变量x的终点值x(i 1)以及目的变量y的终点值y(i 1)中的至少一方进行预测。
[0155]
[数据分析方法的一个例子]
[0156]
参照图18，对于实施方式2涉及的数据分析方法的一个例子进行说明。
[0157]
图18是示出实施方式2涉及的数据分析方法的一个例子的流程图。
[0158]
首先，数据分析装置1a所包括的数据分析装置1的数据获取部10获取如图6所示那样的多个数据(步骤s11)。
[0159]
接下来，数据区间设定部20按照时序对多个数据进行整理(步骤s12)。而且，数据区间设定部20针对按照时序进行了整理的多个数据，设定如图7所示那样的多个数据区间(i，i 1)(步骤s13)。
[0160]
接下来的步骤s14～s16与实施方式1同样。另外，步骤s14～s16既可以在以后示出的步骤s24～s26之后执行，也可以与步骤s24～s26同时执行。
[0161]
在步骤s24～s26中，首先，标准差分值计算部30a针对在步骤s12中整理得到的多个数据，设定说明变量x以及目的变量y(步骤s24)。接下来，标准差分值计算部30a计算在各数据区间(i，i 1)中，说明变量x的标准值sx与第i- -1数据所包括的说明变量x的终点值x(i- -1)的差分、即使用了标准值sx的情况下的说明变量差分值δx。此外，标准差分值计算部30a计算在各数据区间(i，i 1)中，目的变量y的标准值sy与第i- -1数据所包括的目的变量y的终点值y(i- -i)的差分、即使用了标准值sy的情况下的目的变量差分值δy(步骤s25。参照图16)。
[0162]
接下来，标准差分模型导出部40a基于使用了标准值sx、sy的多个说明变量差分值δx以及目的变量差分值δy，导出表示说明变量差分值δx以及目的变量差分值δy的关系的标准差分模型ma(步骤s26)。对于标准差分模型ma的定义，如参照图9而进行了说明的内容所示。
[0163]
通过这些步骤s11～s26来生成差分模型m以及标准差分模型ma。以后，对使用差分模型m以及标准差分模型ma来预测未来的数据中的说明变量x的终点值x(i 1)的例子进行说明。
[0164]
首先，终点值预测部50将过去的数据所包括的说明变量x以及目的变量y各自的终点值x(i 1)、y(i 1)作为未来的数据中的说明变量x以及目的变量y各自的起点值x(i)、y(i)而输入到差分模型m(步骤s37)。而且，终点值预测部50将未来的数据中的目的变量y的目标值t赋予给差分模型m，求出成为最接近目标值t的值的、未来的数据中的目的变量y的终点值y(i 1)(步骤s38)。
[0165]
另一方面，标准终点值预测部50a将过去的数据所包括的说明变量x以及目的变量y各自的终点值x(i 1)、y(i 1)作为未来的数据中的说明变量x以及目的变量y各自的起点值x(i)、y(i)而输入到标准差分模型ma(步骤s47)。而且，标准终点值预测部50a将未来的数据中的目的变量y的目标值t赋予给标准差分模型ma，求出成为最接近目标值t的值的、未来的数据中的目的变量y的终点值y(i 1)(步骤s48)。步骤s47、s48既可以在步骤s37、s38之前执行，也可以与步骤s37、s38同时执行。
[0166]
接下来，选择部60a对由终点值预测部50求出的目的变量y的终点值y(i 1)与目的变量y的目标值t的差d、以及由标准终点值预测部50a求出的目的变量y的终点值y(i 1)与目的变量y的目标值t的差da进行比较。具体地，判断差d是否小于差da(步骤s50)。
[0167]
在差d小于差da的情况下(步骤s50中的是)，选择部60a使用由终点值预测部50求出的目的变量y的终点值y(i 1)来求出说明变量x的终点值x(i 1)(步骤s51)。输出部104对
由终点值预测部50求出的说明变量x的终点值x(i 1)进行显示(步骤s52)。
[0168]
另一方面，在差d大于差da的情况下(步骤s50中的否)，选择部60a使用由标准终点值预测部50a求出的目的变量y的终点值y(i 1)来求出说明变量x的终点值x(i 1)(步骤s53)。输出部104对由标准终点值预测部50a求出的说明变量x的终点值x(i 1)进行显示(步骤s54)。通过执行这些步骤s11～s54，能够高精度地分析多个数据。
[0169]
[数据分析方法的另一例]
[0170]
对于实施方式2涉及的数据分析方法的另一例，参照图19进行说明。在该另一例中，对在输入了给定的说明变量x的终点值x(i 1)的情况下预测作为输出的目的变量y的终点值y(i 1)的例子进行说明。
[0171]
图19是示出实施方式2涉及的数据分析方法的另一例的流程图。步骤s11～s26与图18所示的数据分析方法相同，省略说明。
[0172]
在该例中，终点值预测部50将过去的数据所包括的说明变量x以及目的变量y各自的终点值x(i 1)、y(i 1)作为未来的数据中的说明变量x以及目的变量y各自的起点值x(i)、y(i)而输入到差分模型m(步骤s37)。而且，终点值预测部50通过将未来的数据中的说明变量x的终点值x(i 1)输入到差分模型m，来求出未来的数据中的目的变量y的终点值y(i 1)(步骤s38a)。
[0173]
另一方面，标准终点值预测部50a将过去的数据所包括的说明变量x以及目的变量y各自的终点值x(i 1)、y(i 1)作为未来的数据中的说明变量x以及目的变量y各自的起点值x(i)、y(i)而输入到标准差分模型ma(步骤s47)。而且，标准终点值预测部50a通过将未来的数据中的说明变量x的终点值x(i 1)输入到标准差分模型ma，来求出未来的数据中的目的变量y的终点值y(i 1)(步骤s48a)。
[0174]
输出部104对由终点值预测部50以及标准终点值预测部50a预测的两方的目的变量y的终点值y(i 1)进行显示(步骤s55)。通过执行这些步骤，能够高精度地分析多个数据。
[0175]
[效果等1
[0176]
本实施方式涉及的数据分析装置1a在数据分析装置1的基础上还具备标准差分值计算部30a、标准差分模型导出部40a和标准终点值预测部50a。标准差分值计算部30a将数据区间(i，i 1)中的起点值设为给定的标准值sx、sy，对第i数据所包括的说明变量x的标准值sx与第i 1数据所包括的说明变量x的终点值x(i 1)的差分、即使用了标准值sx的情况下的说明变量差分值δx、以及第i数据所包括的目的变量y的标准值sy与第i 1数据所包括的目的变量y的终点值y(i 1)的差分、即使用了标准值sy的情况下的目的变量差分值δy进行计算。标准差分模型导出部40a基于使用了标准值sx、sy的情况下的多个说明变量差分值δx以及目的变量差分值δy，导出表示使用了标准值sx、sy的情况下的说明变量差分值δx以及目的变量差分值δy的关系的标准差分模型ma。标准终点值预测部50a使用标准差分模型ma来对未来的数据中的说明变量x的终点值x(i 1)以及目的变量y的终点值y(i 1)中的至少一方进行预测。
[0177]
如此，通过基于标准值与终点值的差分来生成模型，能够消除数据所包括的不确定因素的至少一部分。因此，能够导出不确定因素被抑制了的状态的标准差分模型ma。由此，能够高精度地分析多个数据，并高精度地预测未来的数据中的说明变量x的终点值x(i 1)以及目的变量y的终点值y(i 1)中的至少一方。
[0178]
此外，数据分析装置1a也可以还具备：选择部60a，对由终点值预测部50求出的目的变量y的终点值y(i 1)与目的变量y的目标值t的差d、以及由标准终点值预测部50a求出的目的变量y的终点值y(i4-1)与目的变量y的目标值t的差da进行比较，选择该差较小的目的变量y的终点值y(i 1)。
[0179]
据此，能够进一步高精度地预测未来的数据中的目的变量y的终点值y(i 1)。
[0180]
此外，也可以是，选择部60a选择求出了上述差较小的目的变量y的终点值y(y 1)的终点值预测部50或标准终点值预测部50a，由选择部60a选择的终点值预测部50或标准终点值预测部50a基于由选择部60a选择的目的变量y的终点值y(i 1)来预测说明变量x的终点值x(i 1)。
[0181]
据此，能够进一步高精度地预测未来的数据中的说明变量x的终点值x(i 1)。
[0182]
(其他实施方式)
[0183]
以上，基于各实施方式对本公开涉及的数据分析装置等进行了说明，但本公开不限定于这些实施方式。只要不脱离本公开的主旨，对各实施方式实施本领域技术人员想到的各种变形而得到的方式、将各实施方式中的一部分的构成要素组合而构建的另外的方式也包括于本公开的范围内。
[0184]
图20是针对图3的数据集ds求出说明变量差分值以及目的变量差分值的例子。在图20中示出了生产日相差1天的同种的2个变量的差分值。作为实施方式的另一方式，如图20所示，也可以基于物性1～3以及工艺条件1各自的说明变量差分值、和检查1以及检查2各自的目的变量差分值来进行数据分析。
[0185]
图21是针对图3的数据集ds使用标准值求出说明变量差分值以及目的变量差分值的例子。在图21中示出了针对数据集ds之中生产开始或生产再次开始的数据，使用标准值求出差分值的例子。作为实施方式的其他方式，也可以将使用如图21那样的标准值计算出的说明变量差分值以及目的变量差分值包括在内而进行数据分析。
[0186]
例如，在实施方式1中，数据区间设定部20针对按照时序排列的数据而设定数据区间，但不限于此。数据区间设定部20也可以针对按照时序排列的数据，不按照顺序而跳过间隔地设定数据区间。图22是示出针对多个数据设定的多个数据区间的另一例的图。在图22中，示出了针对图2所示的数据，提取数据编号1、3、5、7而设定数据区间的例子。在该情况下，将数据编号1、3、5、7按照时序整列而更新为数据编号1、2、3、4，只要以时序上相邻的2个数据区间具有共同的数据的方式设定各数据区间即可。具体地，只要在整列后的数据区间(1，2)中将说明变量x的终点值x(i 1)设为6，在数据区间(2，3)中将说明变量x的起点值x(i)设为6即可。
[0187]
此外，数据区间设定部20也可以使用按照任意的区间将按照时序排列的数据平均化之后的平均化后的数据。此外，数据区间设定部20也可以使用对按照时序排列的数据进行了给定的运算处理之后的运算处理后的数据。
[0188]
此外，在实施方式1中，将上次数据的终点值设为接下来数据的起点值，但也可以不一定将上次数据的终点值设为接下来数据的起点值。例如，在最初的数据获取中不存在上次数据，因而在该情况下，也可以使用标准值作为数据的起点值。即，作为生成差分模型m时使用的数据，不需要将所有数据设为实际的输入输出数据，也可以在一部分中使用标准值来生成差分模型m。
[0189]
此外，在实施方式1中，示出了多个数据由一种说明变量x以及一种目的变量y构成的例子，但说明变量也可以是两种以上。例如，在说明变量为两种的情况下，也可以将说明变量设为说明变量x1以及说明变量x2来导出差分模型m。
[0190]
此外，在实施方式1中，示出了多个数据包括一种目的变量的例子，例如在多个数据具有两种以上的目的变量的情况下，只要针对两种以上的目的变量分别执行基于本实施方式的数据分析即可。
[0191]
例如，上述的数据分析装置具体地也可以由计算机系统构成，该计算机系统由微处理器、rom、ram、硬盘驱动器、显示器单元、键盘以及鼠标等构成。在ram或硬盘驱动器存储有数据分析程序。通过微处理器根据数据分析程序动作，从而数据分析装置达成其功能。在此，为了达成给定的功能，将多个表示针对计算机的指令的命令代码组合而构成数据分析程序。
[0192]
进一步地，构成上述的数据分析装置的构成要素的一部分或全部也可以由1个系统lsi(large scale integration：大规模集成电路)构成。系统lsi是将多个结构部集成在1个芯片上而制造的超多功能lsi，具体地，是包括微处理器、rom、ram等而被构成的计算机系统。在ram存储有计算机程序。通过微处理器根据计算机程序动作，从而系统lsi达成其功能。
[0193]
进一步地，此外，构成上述的数据分析装置的构成要素的一部分或全部也可以由能够相对于计算机拆装的ic卡或单体的模块构成。ic卡或模块是由微处理器、rom以及ram等构成的计算机系统。ic卡或模块也可以包括上述的超多功能lsi。通过微处理器根据计算机程序动作，从而ic卡或模块达成其功能。该ic卡或该模块也可以具有耐篡改性。
[0194]
此外，本公开也可以设为由上述的数据分析装置执行的数据分析方法。此外，该数据分析方法既可以通过计算机执行数据分析程序来实现，也可以通过由数据分析程序构成的数字信号来实现。
[0195]
进一步地，本公开也可以通过计算机可读非暂时性记录介质来构成数据分析程序或上述数字信号。作为记录介质，例如是软盘、硬盘、cd-rom、mo、dvd、dvd-rom、dvd-ram、bd(blu-ray(注册商标)disc，蓝光光盘)、半导体存储器等。此外，数据分析程序也可以由记录在非暂时性记录介质的上述数字信号构成。
[0196]
此外，本公开也可以通过经由以电气通信线路、无线或者有线通信线路、因特网为代表的网络、或数据广播等传输上述数据分析程序或上述数字信号来构成。
[0197]
此外，本公开也可以是具备微处理器和存储器的计算机系统，并设为上述存储器存储有数据分析程序，微处理器根据数据分析程序动作。
[0198]
此外，也可以通过记录在上述非暂时性记录介质而移送数据分析程序或上述数字信号、或通过经由上述网络等移送数据分析程序或上述数字信号，从而由独立的其他计算机系统实施。
[0199]
此外，数据分析系统也可以由服务器、和相对于服务器经由网络连接的用户所持有的终端构成。
[0200]
根据本公开的数据分析装置等，能够高精度地分析多个数据。
[0201]
产业上的可利用性
[0202]
本公开的数据分析装置能够应用于高精度地预测目的变量等的数据分析。此外，
由于能够高精度地对满足目的变量的目标值的条件进行预测计算，因而例如能够应用于灵活运用数据来计算最佳的制造条件并进行指示等的数据分析。此外，例如能够使用于制造作业的支援。
[0203]
符号说明
[0204]
1、1a数据分析装置
[0205]
10数据获取部
[0206]
20数据区间设定部
[0207]
30差分值计算部
[0208]
30a标准差分值计算部
[0209]
40差分模型导出部
[0210]
40a标准差分模型导出部
[0211]
50终点值预测部
[0212]
50a标准终点值预测部
[0213]
60a选择部
[0214]
101输入部
[0215]
102运算电路
[0216]
103存储器
[0217]
104输出部
[0218]
105存储部
[0219]
105a程序
[0220]
105b临时数据
[0221]
106数据库
[0222]
107通信部
[0223]
500制造管理装置
[0224]
900数据分析系统
[0225]
ds数据集
[0226]
d、da差
[0227]
m差分模型
[0228]
ma标准差分模型
[0229]
sx、sy标准值
[0230]
t目标值
[0231]
x(i)、y(i)起点值
[0232]
x(i 1)、y(i 1)终点值
[0233]
x说明变量
[0234]
y目的变量
[0235]
δx说明变量差分值
[0236]
δy目的变量差分值
[0237]
(i，i 1)数据区间。