マツダ技報2025

198/257

0）はは9がが，から％（）――マツダ技報No.41（2025）　　，7.3R2R2ら20からMAPE0.94％に変化した。比に示す。金型設計0.89から8.1に変化し，平均絶対誤差率（15.312.8％，％からCross-ValidationFig. 9　一般的に，項目の「貢献度」が正に大きいほどその項目は予測精度を上げる方向に働き，「影響度」の絶対値が大きいほどその項目は予測値への寄与が大きいと解釈できる。本取り組みでは予測精度を最大化することを重視し，貢献度が正かつ，影響度がとして抽出した（該当項目をクした）。重要項目以外を除外すると，「上型」の項目数27から，「下型」の項目数がれる。　絞り込んだ項目のみを用いて総合推定式による予測を行った結果をに示す。項目の絞り込み前と比較し，Fig. 7上下型それぞれの相関係数に改善し，平均絶対誤差率（0.9316.1％，％から7.3％以内に収まっているデータの割合もに増加した。Fig. 7Estimation of Signal Data after Refinement3.5　汎化性能評価　続いて，各金型データを未知データとして取り扱うことで，機械加工時間予測の汎化性能を評価した。データを最大限活用して汎化性能を評価するため，評価方法は3（）LOOCV一つ抜き交差検証（Fig. 8　評価結果をに示す。横軸は未知データとした各金型のデータ番号，縦軸は機械加工時間を示している。でないものを重要項目図中に赤下線でマーFig. 62811からに絞り込ま0.93からMAPE0.94）が12.8％に改善した。また，誤差率85％からを採用した。比較対象として，実加工時間及び項目絞り込み前後の信号データのみを用いた総合推定式による予測結果も同図にプロットした。未知データの予測結果は，おおむね項目絞り込み後の信号データのみを用いた予測結果に沿った傾向を示し，上下型それぞれの決定係数0.930.93％から較対象間に大幅な乖離は認められず，過学習の傾向は確認されなかった。0.899.0％か93Fig. 8Estimation of Unknown Data by Leave-One-Out 　更に，これまで使用したデータに含まれない新型車のプレス金型において，新手法を用いた機械加工時間予測トライアルを実施した。金型設計初期段階，金型設計完了段階それぞれの時点で得られる情報を用いて総合推定式による予測を実施した結果を初期段階から完了段階までの構造変更範囲内で予測結果に差は発生するものの，いずれの段階でも目標精度20％）以内で機械加工時間を予測できている。　以上の結果から，未知データに対しても一貫して高い予測精度を維持できることが確認された。189