JP7700624B2 - 予測モデルの作成方法、操業プロセスの条件設定方法 - Google Patents

Description

本発明は、予測モデルの作成方法、操業プロセスの条件設定方法に関する。

製品の製造条件や製造環境の変化を考慮し、製品の品質を高精度に予測することは測定機器のＩｏＴ化などと相まって年々、重要性を増している。

例えば、特許文献１には、過去に製造プロセスにて製造された製品群のデータを用いて、品質予測モデルを作成する品質予測装置が記載されている。

また、特許文献２には製造上重要なパラメータである高炉荷下り速度を予測する、高炉荷下り速度予測モデルの学習方法が開示されている。

特開２０１９－０７４９６９号公報 特開２０２０－０２０００３号公報

ところで、工業製品等を製造するための操業プロセスにおいては通常、原料のデータ、操業プロセスのデータや中間物の評価値などがデータとして採取される。最終特性や重要特性を目的変数とした予測モデルを作成する場合、該予測モデルは、上記データをパラメータ、すなわち説明変数として構築されることになる。

そして、目的とする品質の製品を歩留まり良く製造する観点より、作成した予測モデルからフィードバックし、操業プロセスにおける上述のようなパラメータを算出し、設定できることが求められるようになっている。

しかしながら、フィードバックを行い、操業プロセスにおけるパラメータを算出できる予測モデルの作成方法は提案されていなかった。

そこで上記従来技術が有する問題に鑑み、本発明の一側面では、操業プロセスの説明変数にフィードバック可能な予測モデルを作成する予測モデルの作成方法を提供することを目的とする。

上記課題を解決するため本発明の一態様によれば、
操業プロセスに関する予め定めた目的変数を予測する予測モデルの作成方法であって、
前記目的変数についての複数の説明変数間の関係を、複数の前記説明変数間の相関係数を用いて可視化する可視化工程と、
前記可視化工程で可視化した前記説明変数間の関係を用いて、複数の前記説明変数を複数のクラスタに分割する分割工程と、
複数の前記クラスタから選択された１以上の前記クラスタにおいて、前記クラスタ毎に、前記クラスタに含まれる前記説明変数の中から、前記クラスタを代表する前記説明変数である、代表説明変数を選択する選択工程と、
前記選択工程で選択した前記代表説明変数を用いて、前記目的変数を予測する予測モデルを作成する予測モデル作成工程と、を有し、
前記選択工程において、予め定めた数の前記代表説明変数を、予め定めた条件により選択し、
前記条件が、前記目的変数との相関係数が高い前記説明変数を選択する、前記操業プロセスのうち上流側の工程に関する前記説明変数を選択する、前記操業プロセスにおいて制御が容易な前記説明変数を選択する、および前記クラスタに含まれる前記説明変数を用いて前記目的変数についての予測モデルを作成した場合に、前記目的変数に対する影響が高い前記説明変数を選択する、から選択された１種類以上である予測モデルの作成方法を提供する。

本発明の一態様によれば、操業プロセスの説明変数にフィードバック可能な予測モデルを作成する予測モデルの作成方法を提供することができる。

本開示の一態様に係る予測モデルの作成方法のフローである。 本開示の一態様に係るシミュレーション装置のハードウェア構成図である。 本開示の一態様に係るシミュレーション装置の機能を示すブロック図である。 実施例１の可視化工程で作成したデンドログラムである。 実測値と、同じ説明変数を用いて実施例１で求めた予測モデルにより求めた予測値との分布図である。

以下、本発明を実施するための形態について説明するが、本発明は、下記の実施形態に制限されることはなく、本発明の範囲を逸脱することなく、下記の実施形態に種々の変形および置換を加えることができる。
［予測モデルの作成方法］
本実施形態の予測モデルの作成方法について説明する。

本発明の発明者は、操業プロセスの説明変数にフィードバック可能な予測モデルを作成する予測モデルの作成方法について検討を行った。

近年では操業プロセスは多工程に渡るプロセスとなっており、操業プロセスのパラメータも多くなっている。このように多工程に渡る操業プロセスにおいては、通常、原料のパラメータ、操業プロセスの各種パラメータや中間物の評価値などが、予測モデルの説明変数となりうる。しかしながら、多工程の場合、必然的にパラメータの種類が非常に多くなり、該パラメータを説明変数として予測モデルを作成した場合、フィードバックして、各説明変数の適切な値を求めることは非常に難しくなる。

例えば最終特性や重要特性である目的変数に関係するパラメータのみを説明変数として選択し、予測モデルを作成することも考えられる。しかし、原料のパラメータと中間物の評価値が無相関であるということは稀である。また、操業プロセスのパラメータも、各種のパラメータが連動して変化することが多く、互いに相関を持って動く量である。このため、予測モデルを作成する際に用いる説明変数を選択することは困難であった。

そこで、本発明の発明者はさらに検討を行い、本発明の予測モデルの作成方法を完成させた。

本実施形態の予測モデルの作成方法は、操業プロセスに関する予め定めた目的変数を予測する予測モデルの作成方法であって、図１に示したフロー１０の様に、以下の可視化工程Ｓ１１、分割工程Ｓ１２、選択工程Ｓ１３、予測モデル作成工程Ｓ１４を有することができる。

なお、本実施形態の予測モデルの作成工程で作成する予測モデルの目的変数の種類は特に限定されず、例えば製造する製品について要求される最終特性や、特に重要な重要特性等が挙げられる。

可視化工程は、目的変数についての複数の説明変数間の関係を、複数の説明変数間の相関係数を用いて可視化できる。

分割工程は、可視化工程で可視化した説明変数間の関係を用いて、複数の説明変数を複数のクラスタに分割できる。

選択工程は、複数のクラスタから選択された１以上のクラスタにおいて、クラスタ毎に、クラスタに含まれる説明変数の中から、該クラスタを代表する説明変数である、代表説明変数を選択できる。

予測モデル作成工程は、選択工程で選択した代表説明変数を用いて、目的変数を予測する予測モデルを作成できる。
（１）各工程について
以下、各工程について説明する。
（１－１）可視化工程（Ｓ１１）
可視化工程では、目的変数についての複数の説明変数間の関係を、複数の説明変数間の相関係数を用いて可視化できる。

説明変数間の冗長性を削減する手法として、主成分分析などが一般的に用いられているが、フィードバック可能な予測モデルとするため、元の説明変数のまま扱うのが好ましい。

そこで、本実施形態の予測モデルの作成方法では、説明変数間の相関係数に基づいて、相関係数の関係性を図示、すなわち可視化できる。

可視化工程では、まず作成する予測モデルの目的変数についての、操業プロセス中の説明変数を列挙できる。そして、列挙した全ての説明変数間の相関係数を求めることができる。この際、あわせて目的変数と説明変数との間の相関係数も合わせて求めておくこともできる。

可視化に当たっては、相関係数をそのまま用いて図示することもできるが、例えば、説明変数間の相関係数をもとに距離を定義して、階層的クラスタリングを行う手法が好ましい。距離としては１－｜ｒ｜などを用いることができる。なお、ｒは各説明変数同士の相関係数を意味する。

作成する図は限定されず、説明変数と、該説明変数間の相関係数や、距離との関係が分かるような図とすることが好ましく、例えばデンドログラム（樹形図）等を作成できる。
（１－２）分割工程（Ｓ１２）
分割工程では、可視化工程で可視化した説明変数間の関係を用いて、複数の説明変数を複数のクラスタ、すなわちグループに分割できる。

この際、分割するクラスタの数や、分割する条件は特に限定されないが、例えば上記相関係数や、距離について予め定めた閾値に基づいて分割できる。また、物理的意味付けを確認しながら、複数のクラスタに分割してもよい。

なお、１つのクラスタに含まれる説明変数の数は特に限定されず、各クラスタは、任意の数の説明変数を含むことができる。また、クラスタ間で、含まれる説明変数の数が異なっていてもよい。
（１－３）選択工程（Ｓ１３）
選択工程では、複数のクラスタから選択された１以上のクラスタにおいて、クラスタ毎に、クラスタに含まれる説明変数の中から、該クラスタを代表する説明変数である、代表説明変数を選択できる。

既述のように、近年では操業プロセスが多工程化していることから、該操業プロセスに関する予測モデルを作成する場合、説明変数が非常に多くなる恐れがある。このため、該予測モデルについてフィードバックを行い、所望の目的変数を得るための説明変数を算出することが困難な場合があった。

そこで、本実施形態の予測モデルの作成方法では、上記可視化工程、および分割工程で、関連性の高い説明変数をクラスタに分類し、選択された１以上のクラスタにおいて、各クラスタから代表的な説明変数を代表説明変数として選択し、予測モデルを作成できる。すなわち、類似する説明変数の変動を代表説明変数に代表させる予測モデルとすることができる。

このように関連性の高い説明変数をクラスタとして、該クラスタから代表値である代表説明変数を選択し、説明変数の数を絞ることで、目的変数からフィードバックを行い、説明変数を求めることが容易に行えるようになる。また、関連性の高い説明変数をクラスタとし、該クラスタから代表説明変数を選択するため、適切に説明変数を選択できる。
（１－３－１）代表説明変数の選択条件について
選択工程において、代表説明変数を選択する基準は特に限定されない。選択工程においては、予め定めた数の代表説明変数を、予め定めた条件により選択できる。

該条件としては例えば、以下の条件１から条件４から選択された１種類以上とすることが好ましい。
（条件１）目的変数との相関係数が高い説明変数を選択する。
（条件２）操業プロセスのうち上流側の工程に関する説明変数を選択する。
（条件３）操業プロセスにおいて制御が容易な説明変数を選択する。
（条件４）クラスタに含まれる説明変数を用いて目的変数についての予測モデルを作成した場合に、目的変数に対する影響が高い説明変数を選択する。

なお、上記条件１～条件４は組み合わせて用いることもできる。また、例えばクラスタにより、条件を変更することもできる。
（条件１について）
目的変数との相関係数が高い説明変数を選択するとは、各クラスタを構成する説明変数と、目的変数との間の相関係数を求め、該相関係数が高い説明変数から順に、該クラスタから選択する説明変数の数にあわせて選択することを意味する。目的変数との間の相関係数が高い説明変数は、目的変数に大きな影響を与える変数であるから、上記条件で選択することで、特に適切な予測モデルとすることができる。
（条件２について）
操業プロセスのうち、上流側の工程に関する説明変数を選択するとは、クラスタを構成する説明変数を、関係する操業プロセスの上流側から順に並べ、該クラスタから選択する説明変数の数に応じて、該上流側から順に選択することを意味する。通常、変数間に相関がある場合、より操業プロセスの上流側を制御する方が妥当な場合が多いことから、上述の条件で選択することで、より適切な代表説明変数を選択できる。
（条件３について）
操業プロセスにおいて制御が容易な説明変数を選択するとは、例えば説明変数について、予め制御の容易さを数値化しておき、該クラスタから選択する説明変数の数に応じて、該数値に基づいて説明変数を選択することを意味する。予測モデルからフィードバックを行い、所望の目的物を得るための説明変数が得られた場合に、該説明変数が制御の容易なパラメータであれば、容易に操業プロセスを調整し、特に歩留まりを高められるからである。
（条件４について）
クラスタに含まれる説明変数を用いて目的変数についての予測モデルを作成した場合に、目的変数に対する影響が高い説明変数を選択する場合、まず代表説明変数の選択を行うクラスタに含まれる説明変数を用いて、目的変数についての予測モデルを作成する。そして、該予測モデルにおける、目的変数に対する影響度の高い説明変数を選択できる。具体的には例えば、説明変数について同じ変動幅とした場合に、目的変数の変動幅が大きい順に影響度の高い説明変数とすることができる。
（１－３－２）各クラスタから選択する代表説明変数の数について
選択工程において、各クラスタから選択する代表説明変数の数は特に限定されず、例えば各クラスタから選択する代表説明変数の数は１つであってもよく、複数であってもよい。また、クラスタ毎に選択する代表説明変数の数は異なっていてもよく、例えば重要度が低いと考えられるクラスタからは代表説明変数を１つも選択しなくてもよい。各クラスタから３つ以上の代表説明変数を選択することも可能であるが、フィードバックする際の手間が増加するため、各クラスタから選択される代表説明変数は２つ以下であることが好ましく、１つであることがより好ましい。

代表説明変数は、全てのクラスタにおいて選択することも可能であるが、上述のようにクラスタによっては、代表説明変数を選択しないこともできるため、複数のクラスタから選択された１以上のクラスタで代表説明変数を選択できる。ただし、予測モデルを作成する際、代表説明変数は複数個あることが好ましいため、２以上のクラスタで代表説明変数を選択することがより好ましい。
（１－４）予測モデル作成工程（Ｓ１４）
予測モデル作成工程では、選択工程で選択した代表説明変数を用いて、目的変数を予測する予測モデルを作成できる。

予測モデルは、線形回帰、ロジスティック回帰、ランダムフォレスト、ブースティング、ニューラルネットワーク等を用いて作成することができる。
（２）操業プロセスについて
本実施形態の予測モデルの作成方法を適用する操業プロセスは特に限定されず、任意の操業プロセスについて適用できる。

以上に説明した本実施形態の予測モデルの作成方法により得られる予測モデルは、該予測モデルに用いられている代表説明変数は各クラスタを代表する重要な特徴量であり、その数も絞られている。このため、予測モデルをもとにその特徴量へフィードバックすることが容易に実行できる。

すなわち、本実施形態の予測モデルの作成方法によれば、操業プロセスの説明変数にフィードバック可能な予測モデルを作成できる。
［操業プロセスの条件設定方法］
本実施形態の操業プロセスの条件設定方法は、例えば、既述の予測モデルの作成方法により得られた予測モデルを用いて、複数の説明変数を設定することができる。

具体的には、既述の予測モデルは目的変数と、該目的変数を予測するためのパラメータとして、代表説明変数を有している。このため、目的とする目的変数を定め、該予測モデルを逆算し、各代表説明変数を求めることができる。

そして、求めた代表説明変数により、操業プロセスの条件を設定できる。
［シミュレーション装置］
本実施形態のシミュレーション装置は、予測モデルを作成するためのシミュレーション装置である。このため、予測モデル作成装置ともいえ、以下の可視化部、分割部、選択部、予測モデル作成部を有することができる。

なお、本実施形態のシミュレーション装置によれば、既述の予測モデルの作成方法を実施できる。このため、既に説明した事項については説明を一部省略する。

可視化部は、目的変数についての複数の説明変数間の関係を、複数の説明変数間の相関係数を用いて可視化できる。

分割部は、可視化部で可視化した説明変数間の関係を用いて、複数の説明変数を複数のクラスタに分割できる。

選択部は、複数のクラスタから選択された１以上のクラスタにおいて、クラスタ毎に、クラスタに含まれる説明変数の中から、クラスタを代表する説明変数である、代表説明変数を選択できる。

予測モデル作成部は、選択部で選択した代表説明変数を用いて、目的変数を予測する予測モデルを作成できる。

図２に示したハードウェア構成図に示すように、本実施形態のシミュレーション装置２０は、例えば、情報処理装置（コンピュータ）で構成され、物理的には、演算処理部であるＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ：プロセッサ）２１と、主記憶装置であるＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）２２やＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）２３と、補助記憶装置２４と、入出力インタフェース２５と、出力装置である表示装置２６等を含むコンピューターシステムとして構成できる。これらは、バス２７で相互に接続されている。なお、補助記憶装置２４や表示装置２６は、外部に設けられていてもよい。

ＣＰＵ２１は、シミュレーション装置２０の全体の動作を制御し、各種の情報処理を行う。ＣＰＵ２１は、ＲＯＭ２３または補助記憶装置２４に格納された、例えば後述するプログラム（シュミレーションプログラム）を実行して、反射率等の算出を行うことができる。

ＲＡＭ２２は、ＣＰＵ２１のワークエリアとして用いられ、主要なパラメータや情報を記憶する不揮発ＲＡＭを含んでもよい。

ＲＯＭ２３は、プログラム（シュミレーションプログラム）等を記憶することができる。

補助記憶装置２４は、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）や、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等の記憶装置であり、シミュレーション装置の動作に必要な各種のデータ、ファイル等を格納できる。

入出力インタフェース２５は、タッチパネル、キーボード、表示画面、操作ボタン等のユーザインタフェースと、外部のデータ収録サーバ等からの情報を取り込み、他の電子機器に解析情報を出力する通信インタフェースとの双方を含む。

表示装置２６は、モニタディスプレイ等である。表示装置２６では、解析画面が表示され、入出力インタフェース２５を介した入出力操作に応じて画面が更新される。

図２に示したシミュレーション装置２０の各機能は、例えばＲＡＭ２２やＲＯＭ２３等の主記憶装置または補助記憶装置２４からプログラム（シミュレーションプログラム）等を読み込ませ、ＣＰＵ２１により実行することにより、ＲＡＭ２２等におけるデータの読み出しおよび書き込みを行うと共に、入出力インタフェース２５および表示装置２６を動作させることで実現できる。

図３に、本実施形態のシミュレーション装置２０の機能ブロック図を示す。

図３に示すように、シミュレーション装置２０は、受付部３１、処理装置３２、出力部３３を有することができる。これらの各部は、シミュレーション装置２０が有するＣＰＵ、記憶装置、各種インタフェース等を備えたパーソナルコンピュータ等の情報処理装置において、ＣＰＵが予め記憶されている例えば後述するプログラムを実行することでソフトウェアおよびハードウェアが協働して実現される。

各部の構成について以下に説明する。
（１）受付部
受付部３１は、処理装置３２で実行される処理に関係するユーザーからのコマンドやデータの入力を受け付ける。受付部３１としてはユーザーが操作を行い、コマンド等を入力するキーボードやマウス、ネットワークを介して入力を行う通信装置、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ等の各種記憶媒体から入力を行う読み取り装置などが挙げられる。

受付部３１は、例えば操業プロセスについての目的変数や、説明変数のリストや、相関係数を求めるための各説明変数のデータ等を受け付けることができる。
（２）処理装置
処理装置３２は、可視化部３２１、分割部３２２、選択部３２３、予測モデル作成部３２４を有することができる。
（２－１）可視化部
可視化部３２１は、目的変数についての複数の説明変数間の関係を、複数の説明変数間の相関係数を用いて可視化できる。具体的には、入力された説明変数間の相関係数を求めて、該相関係数や、既述の距離を用いて、説明変数に関する図、例えばデンドログラムを作成し、可視化できる。
（２－２）分割部
分割部３２２では、可視化部で可視化した説明変数間の関係を用いて、複数の説明変数を複数のクラスタに分割できる。既述のように、説明変数について、上記相関係数や、距離について予め定めた閾値に基づいて分割できる。また、物理的意味付けを確認しながら、複数のクラスタに分割してもよい。
（２－３）選択部
選択部３２３は、複数のクラスタから選択された１以上のクラスタにおいて、クラスタ毎に、クラスタに含まれる説明変数の中から、クラスタを代表する説明変数である、代表説明変数を選択できる。代表説明変数の選択条件等については既に説明したため、ここでは説明を省略する。
（２－４）予測モデル作成部
予測モデル作成部３２４では、選択部で選択した代表説明変数を用いて、目的変数を予測する予測モデルを作成できる。

予測モデルを作成する方法は特に限定されず、例えば線形回帰、ロジスティック回帰、ランダムフォレスト、ブースティング、ニューラルネットワークなどを用いて作成することができる。
（３）出力部
出力部３３は、ディスプレイ等を有することができる。予測モデル作成部３２４で得られた予測モデルを出力部３３に出力できる。

以上に説明した本実施形態のシミュレーション装置によれば、操業プロセスの説明変数にフィードバック可能な予測モデルを作成できる。
［プログラム］
次に、本実施形態のプログラムについて説明する。

本実施形態のプログラムは、予測モデルを作成するためのプログラムに関し、コンピュータを以下の可視化部、分割部、選択部、予測モデル作成部として機能させることができる。

可視化部は、目的変数についての複数の説明変数間の関係を、複数の説明変数間の相関係数を用いて可視化できる。

分割部は、可視化部で可視化した説明変数間の関係を用いて、複数の説明変数を複数のクラスタに分割できる。

選択部は、複数のクラスタから選択された１以上のクラスタにおいて、クラスタ毎に、クラスタに含まれる説明変数の中から、クラスタを代表する説明変数である、代表説明変数を選択できる。

予測モデル作成部は、選択部で選択した代表説明変数を用いて、目的変数を予測する予測モデルを作成できる。

本実施形態のプログラムは、例えば既述のシミュレーション装置のＲＡＭやＲＯＭ等の主記憶装置または補助記憶装置の各種記憶媒体に記憶させておくことができる。そして、係るプログラムを読み込ませ、ＣＰＵにより実行することにより、ＲＡＭ等におけるデータの読み出しおよび書き込みを行うと共に、入出力インタフェースおよび表示装置を動作させて実行できる。このため、シミュレーション装置で既に説明した事項については説明を省略する。

上述した本実施形態のプログラムによれば、操業プロセスの説明変数にフィードバック可能な予測モデルを作成できる。

以下、実施例を参照しながら本発明をより具体的に説明する。但し、本発明は以下の実施例に限定されるものではない。
［実施例１］
以下の手順により、操業プロセスに関する目的変数を予測する予測モデルの作成を行った。
（可視化工程）
可視化工程では、図４の縦軸に特徴量として示した説明変数、および目的変数に関して、説明変数間、および説明変数と目的変数との間の相関係数を求め、図４に示したデンドログラムを作成した。

デンドログラムを作成する際、相関係数をもとに定義した距離を用いた。距離は、１－｜ｒ｜で定義される。なお、ｒは各説明変数同士の相関係数を意味する。
（分割工程）
可視化工程で得られたデンドログラムをもとに、説明変数を複数のクラスタに分割した。

具体的には距離について、０．６５を閾値の目安として、クラスタ４１～クラスタ５０の１０個のクラスタに分割した。
（選択工程）
選択工程では、クラスタ毎に、クラスタに含まれる説明変数の中から、クラスタを代表する説明変数である代表説明変数Ｂ１～Ｂ８を選択した。選択する際、操業プロセスにおいて制御が容易な説明変数を選択した。なお、クラスタ４６、クラスタ４８、クラスタ５０からは代表説明変数を選択しなかった。
（予測モデル作成工程）
予測モデル作成工程では、選択工程で選択した代表説明変数Ｂ１～Ｂ８を用いて、目的変数の予測モデルを作成した。

予測モデルを作成した際に用いたデータであるフィッティングデータの実測値と、上記予測モデルを用いて算出した予測値とを図５に示す。

また、予測モデルを作成する際に用いていないデータであるテストデータの実測値と、上記予測モデルを用いて算出した予測値とについても図５に示す。

図５に示した結果によれば、テストデータ、フィッティングデータが、ほぼ同じ分布を示しており、適切な予測モデルを作成できたことを確認できる。

また、本実施例の予測モデルでは、図４に示した２８個の特徴量から８個の代表説明変数に絞り込んで用いている。すなわち、予測モデルで要するパラメータの数が少ないため、予測モデルから逆算してのフィードバックを容易に行えることが分かる。

Ｓ１１ 可視化工程
Ｓ１２ 分割工程
Ｓ１３ 選択工程
Ｓ１４ 予測モデル作成工程

Claims (2)

1. 操業プロセスに関する予め定めた目的変数を予測する予測モデルの作成方法であって、
   前記目的変数についての複数の説明変数間の関係を、複数の前記説明変数間の相関係数を用いて可視化する可視化工程と、
   前記可視化工程で可視化した前記説明変数間の関係を用いて、複数の前記説明変数を複数のクラスタに分割する分割工程と、
   複数の前記クラスタから選択された１以上の前記クラスタにおいて、前記クラスタ毎に、前記クラスタに含まれる前記説明変数の中から、前記クラスタを代表する前記説明変数である、代表説明変数を選択する選択工程と、
   前記選択工程で選択した前記代表説明変数を用いて、前記目的変数を予測する予測モデルを作成する予測モデル作成工程と、を有し、
   前記選択工程において、予め定めた数の前記代表説明変数を、予め定めた条件により選択し、
   前記条件が、前記目的変数との相関係数が高い前記説明変数を選択する、前記操業プロセスのうち上流側の工程に関する前記説明変数を選択する、前記操業プロセスにおいて制御が容易な前記説明変数を選択する、および前記クラスタに含まれる前記説明変数を用いて前記目的変数についての予測モデルを作成した場合に、前記目的変数に対する影響が高い前記説明変数を選択する、から選択された１種類以上である予測モデルの作成方法。
2. 請求項１に記載の予測モデルの作成方法により得られた予測モデルを用いて、複数の前記説明変数を設定する操業プロセスの条件設定方法。

Images