選定理由
あまり有名な出どころではないが、製造業×因果推論が比較的新しい＆レアなので。
Paper: https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=9664533
Code: N/A
概要
[社会課題]製造業の生産プロセスは非常に多くの要因が複雑に絡み合い影響を与えるため、KPIとなりうる要因を根本原因分析(RCA:Root Cause Analysis)するには多くのデータ分析を必要とする。特に、オーバーラップは問題を複雑化させてしまう[Oliveira2021]。(図１)
オーバーラップという単語の意味の定義は[Oliveira2021]のアブストによると以下のようにしている。
Overlap, as we denominated, is a phenomenon where local synchronicities in the manufacturing process lead to data where it is impossible to discern the influence of each location in the quality of products, which impedes automated diagnosis, especially when using classifiers.
[技術課題]オーバーラップがある場合は異なる製造工程から生成されるデータに擬似相関が生まれ、正しく因果関係を捉えられない。
[提案]オーバーラップがある製造工程を因果推論でモデル化し、本来の因果関係を識別するのに必要な条件を定式化する。又、その結果として要因群の中から正しい根本原因(Root Cause)を推定する。
[効果]（因果推論に頼らない）PMIの手法と同等の結果を得ることができた。
因果推論でのオーバーラップのモデル化
オーバーラップ、製造工程、生産物の因果モデルは以下のようにした。
この因果モデルにおいてタプルXiがone-hotベクトルであることが因果モデルを識別可能であることの必要条件であることは以下の式10から導くことができる。
因果効果の定量化には様々なアプローチがあり、本研究では式13-15でこれらの因果効果を定式化した。
なお、先行研究として比較しているPMIは相互情報量に似た依存関係の算出法である。
実験
モックアップデータの作成
図6はモックアップデータの因果モデルを表す。εuはノイズ・干渉の影響を受ける確率を表し、この値が高いほど因果効果の伝搬が妨害されることを示す。又、εuは
実験結果
表５はモックアップデータでの実験を示す。εu が一定の値（1.00E-03）以上であれば、オーバーラップの影響力が減り、すべての因果効果値において要因を特定可能であることを示している。逆に小さい値であればオーバーラップの影響が強くなり因果効果を識別できていないことがわかる。
同様にεl に対する実験では表6のような結果である。εl は因果効果の識別に対してあまり影響力を持たないことがわかる。
Future Work
- 主要因が定義されない・不明なデータにおける要因分析
- より複雑な因果関係を持つ場合の要因分析：複数の主要因、主要因間が関連しあう
- ロジスティクスといった他の産業セクタやサプライチェーン分析への適用
Top comments (0)