1T232）2が，3の――マツダ技報No.41（2025） （法数16.1（ 項目の評価は既報時間には，工作機械の稼働計から得られる実加工時間を採用した（ただし，加工前の段取りや，加工後の切粉清掃作業等の実際の機械加工以外の時間は除外した）。 データの基準化に必要な単位空間については，両側1）法の拡張手法であるTaタの平均値とした。この理由としては，重要項目診断精度向上の他，開発する機械加工時間予測手法の実務適用を見据えた際に，単位空間選定の恣意性の排除や管理の簡便性が求められることが挙げられる。3.3 信号データによる総合推定 各金型データを信号データとして，総合推定式から予測加工時間を算出した。実加工時間と予測加工時間の関に示す。上下型それぞれ信号データの決定係Fig. 5係をR20.930.89，平均絶対誤差率（20％であり，目標精度（る。また，全データのうち，内に収まっており，広範な種類の金型における機械加工時間予測に適用可能であることが期待される。Fig. 5Estimation of Signal Data3.4 特徴項目の評価と絞り込み 続いて，選定した各特徴項目の重要性評価と絞り込みを実施した。項目の評価・絞り込みが必要な理由は以下点にある。の考え方を採用し，全デーMAPE）が％）以内の予測ができてい85％以上が誤差率）予測に必要な項目数が多いと，それだけ必要情報の準備に工数を要する。定常的な業務プロセスに織り込む際は，項目数を最小限に抑えて可能な限り簡便かつ迅速に計画を策定できる必要がある。）選定した項目の中には，予測の精度を下げる影響を与えるものや，予測に影響を与えないものが含まれる可能性があり，有意な予測手法開発のためにこれらを除外する必要がある。）従来，人が暗黙知としてもっていた，または潜在的に見落としていた重要項目を可視化・定量化できる。した項目使用の利得合推定式の各項目の係数を抽出し，標準偏差により基準化した「影響度」の9.0％，下型それぞれについて，特徴項目ごとに「貢献度」，「影Fig. 6響度」を評価した結果を20％以Fig. 6188を参考に，比で定義される「貢献度」と，総SN種の指標を利用して実施した。上に示す。Evaluation Results of Degree of Contribution and Influence for Each Itemの直交表を利用Paley
元のページ ../index.html#197