情報処理のWeb教科書―IPA情報処理試験対策のお供に!
トップ 情報処理の知識体系 ストラテジ系 企業と法務 OR・IE
抜取検査のOC曲線、浮動棒グラフや積上げ棒グラフなどのグラフの使い方、などOR・IEの知識をまとめています。
この記事の目次です。
1. 線形計画法
2. 在庫問題
4. ゲーム理論
6. 検査手法
7. 品質管理手法
8. 需要予測
9. 業務の把握
10. 業務分析・業務計画
11. データ利活用
12. 意思決定
13. 問題解決手法
線形計画法とは、“1次式で表現される制約条件の下にある資源を、どのように配分したら最大の効果が得られるか”という問題を解く手法です。
以下では線形計画法に関連したIPA情報処理試験の過去問とその解説をまとめています。
在庫問題について見ていきます。
ABC分析は別名でパレート分析といい在庫問題を考える上で有効な分析手法といわれます。パレート図のランク分けの基準などABC分析についてまとめています。
ゲーム理論について見ていきます。
マキシミン戦略とは、マクシミン戦略ともいい、ゲーム理論の用語です。選択されるパターンのそれぞれの場合について、最悪を選択する戦略です。
マクシマックス戦略は、マクシミン戦略と同様にゲーム理論の用語です。各選択肢から得られる利得を考え、最良の場合の利得が最も大きくなる選択肢を選ぶというマクシマックス原理を用いた戦略です。
検査手法について見ていきます。
OC曲線とは、抜き取り検査で、ロットの品質とその合格の確率との関係を示す曲線です。 OCはOperating Characteristicの略で、OC曲線は英語でOperating Characteristic Curveです。 検査特性曲線とも呼ばれます。
実験計画法とは、目標とする特性値に対して影響のありそうな因子をいくつか取り上げて、その主効果や交互作用効果を検定・推定するための統計的方法です。
品質管理手法について見ていきます。
パレート図は、QCの七つ道具の一つで、不良品や故障、クレームなどの件数を原因別や状況別に分類し、それを大きい順に並べた棒グラフと、 それらの累積和を折れ線グラフで表した図です。
連関図法は、新QC七つ道具の一つで複雑な要因の絡み合う事象について、その事象間の因果関係を明らかにする方法です。
因子分析法とは、多くの変数の相関関係を少数の潜在因子によって説明するための方法です。
以下では品質管理手法に関連したIPA情報処理試験の過去問とその解説をまとめています。
需要予測について見ていきます。
回帰分析法とは、2組の観測値の系列の間に、どのような関係があるかを調べて、予測を行う手法です。
業務内容を把握するための、情報収集及び業務フローなどのビジュアル表現について見ていきます。
アンケートは、人々の意見を調査するために、同じ質問を多数の人々に出して、回答を求める調査方法です。
インタビューは、二人かそれ以上の間での会話で、一方が他方に質問をして情報を得るために行われる調査方法です。
フィールドワークは、ある調査対象について学術研究をする際に、そのテーマに即した場所を実際に訪れ、その対象を直接観察し、関係者には聞き取り調査やアンケート調査を行い、 そして現地での史料・資料の採取を行うなど、学術的に客観的な成果を挙げるための調査方法です。
さまざまなグラフの使い方など、業務の分析、計画、効率的な意思決定のための手法(決定理論)を見ていきます。
代表的な業務分析手法について見ていきます。
パレート図は、QCの七つ道具の一つで、不良品や故障、クレームなどの件数を原因別や状況別に分類し、それを大きい順に並べた棒グラフと、 それらの累積和を折れ線グラフで表した図です。
ABC分析は別名でパレート分析といい在庫問題を考える上で有効な分析手法といわれます。 パレート図のランク分けの基準などABC分析についてまとめています。
特性要因図は、特性と要因の関係を系統的に線で結んで表した図です。
管理図は、時間ごとの状態をグラフ上に配置し、従来までの傾向と異なるデータや管理限界線を引いて、境界線内かどうかでデータの異常の有無を管理するための図です。
系統図は、概念を大きなものから徐々に小さなものへと枝別れさせながら展開し、課題解決へのいくつかの 方策を考案したり、ものごとの構成要素を整理して、要素の相互の関連や要素の抜け落ちを チェックするために用いる図法です。
PERT図(アローダイアグラム)は、作業の関連をネットワークで表した図です。 工程管理の手法の1つで使われる作業と作業のつながりと所要時間を表す図で、PERT図を用いて日程計画を立案します。
クリティカルパスは、作業開始点と終了点間で、作業日程に余裕がない経路のことです。 すなわち、その経路の作業が完了しないとすべての開発作業が完了しないという経路です。
PERT図からのクリティカルパスの求め方などプロジェクトタイムマネジメントについてまとめています。
最小二乗法は、誤差を伴う測定値の処理において、その誤差の二乗の和を最小にすることで、最も確からしい関係式を求める方法です。
回帰分析法とは、2組の観測値の系列の間に、どのような関係があるかを調べて、予測を行う手法です。
相関関係があるだけでは因果関係があるとは断定で来ません。 相関関係はあくまでも因果関係の前提に過ぎません。
擬似相関は、2つの事象に因果関係がないのに、見えない要因によって因果関係があるかのように推測されることをいいます。
クラスタ分析とは、観測データを類似性によって集団や群に分類し、その特徴となる要因を分析する手法です。
デルファイ法は現在の動向から未来を予測したり、システム分析に使用したりする手法です。 また専門的知識や経験を有する複数の人にアンケート調査を行い、その結果を互いに参照した上で調査を繰り返して、 集団としての意見を収束させる手法です。
以下ではデルファイ法に関連したIPA情報処理試験の過去問とその解説をまとめています。
業務分析や業務計画に欠かせない図表、グラフによるデータ可視化をテーマに、各種グラフについてまとめています。
データ利活用についてまとめています。
データを集める目的,集めるデータの種類及び特徴、データ利活用のための簡単な前処理についての知識です。
調査データは、調査のために収集したデータです。
実験データは、実験で得られたデータです。
人の行動ログデータは、パソコンや携帯端末などで取得・蓄積された活動記録などのデータです。
機械の稼働ログデータは、機械の稼働状況を記録したデータです。
GISデータは、位置に関する情報を持ったデータです。
量的データは、枚数、身長、金額など、数値で推し測ることができ、数字の大小に意味をもつデータです。
質的データは、好きなスポーツ、血液型、自動車のナンバーなど、単に分類や種類を区別するためだけのデータや、順位、学年など順序に意味があるデータです。
一次データは、調査目的のために新規に固有の方法で採取したデータです。 アンケートやインタビュー、実験や観察などが1次データに分類され、一般的に収集にコストや時間が掛かります。
2次データは、その調査目的のために固有の方法で採取したものではない、既に採取されていたデータです。 たとえば、官公庁による統計、研究機関のレポートなどです。 営業実績やオペレーションのデータなど自社の業務データも、2次データに分類されます。
メタデータは、本体であるデータに関する付帯情報が記載されたデータです。
構造化データは、データストレージに配置される前に事前定義され、ある定められた構造となるように整形されたデータです。
非構造化データは、ネイティブな形式のまま保存され、使用時まで処理されないデータです。
時系列データは、ある現象の時間的な変化を、連続的に観測して得られたデータです。
クロスセクションデータは、時間をある時点で固定して、場所やグループ別などに複数の項目を記録したデータです。
データのサンプリングは、大規模なデータの中から有意な情報を得るため、すべてのデータの一部を抽出することです。
データの名寄せは、複数のデータベースにある顧客データを、一つの顧客データとして統合する作業です。
データには、外れ値・異常値・欠損値があります。データ活用を行う際はそれらを考慮して処理する必要があります。
機械学習で、データに注釈を付けて教師データを作り出す作業を「アノテーション」といいます。
季節による違いの調整することを季節調整といいます。移動平均は季節調整を行う方法の1つです。
自然言語処理は、人間が日常的に使っている自然言語をコンピュータに処理させる一連の技術であり、人工知能と言語学の一分野です。
画像処理は、2次元・3次元の画像データを加工・合成したり、特性を読み取ったりする技術全般のことをいいます。
データ分析における統計情報の活用についてまとめていきます。
母集団は、調査や観察の対象とする集団全体のことをいいます。
標本は、母集団の全部を測定することができない場合に、母集団から観測のために抽出された少数の集まりのことをいいます。
国勢調査は、我が国に住んでいるすべての人と世帯を対象とする国の最も重要な統計調査です。
アンケート調査は、あらかじめ用意された質問について多数の人に回答してもらい、それを集計して調査する方法です。
全数調査は、母集団の全てを調べる方法です。
単純無作為抽出は、調査対象者を抽出する際、くじ引きやサイコロ、乱数表を使う抽出方法です。
層別抽出は、層化抽出ともいい、母集団をあらかじめいくつかの層(グループ)に分けておき、各層の中から必要な数の調査対象を無作為に抽出する方法です。
多段抽出は、標本の抽出を複数の段階で行う方法です。
仮説検定は、母集団分布の母数に関する仮説を標本から検証する統計学的方法のひとつです。
有意水準は、仮説検定において帰無仮説を設定したときにその帰無仮説を棄却する基準となる確率のことです。
第1種の誤りは、第1種の過誤ともいい、統計的仮説検定において、帰無仮説が真であるのにもかかわらず、帰無仮説を偽として棄却してしまう誤りのことをいいます。
第2種の誤りは、第2種の過誤ともいい、統計的仮説検定において、帰無仮説が偽であるのにもかかわらずそれを真として棄却しない誤りのことをいいます。
A/Bテストは、主にインターネットマーケティングで行われる、施策判断のための試験のことをいいます。
データサイエンスとビッグデータ分析に関連した知識をまとめていきます。
BIとは、Bussiness Intelligenceの略で、企業内に存在する膨大なデータや社外の有益なデータを蓄積・分類・検索・分析・加工して、 意思決定に役立つ戦略的な情報に変えるための手法やしくみのことをいいます。
BIによって専門家でない利用者でも容易に必要な情報や分析結果を利用することができるようになり、経営計画や企業戦略などで活用されています。
BIの活用事例は、たとえば、「業績の評価や経営戦略の策定を行うために、業務システムなどに蓄積された膨大なデータを分析する。」といった事例が挙げられます。
このようにBIを具体的いうと、DWH(データウェアハウス)、DSS(意思決定支援システム)、OLTP(オンライン分析処理)、クエリツール、レポーティングツール、データマイニングなどの 仕組みを実装して、データのクレンジング、高速検索、多次元解析などを行い、現場の業務や経営判断に役立つ知識や指標をタイムリーに活用していくアプローチとなります。
データウェアハウスは、略してDWH(Data Ware House)で、目的に応じて使えるように膨大な量のデータを格納するシステムのことをいいます。
データマイニングとは、英語でData mining、略してDM、統計学、パターン認識、人工知能等のデータ解析の技法を大量のデータに網羅的に適用することで知識を取り出す技術のことをいいます。 蓄積されたデータを分析し、単なる検索だけでは分からない隠れた規則や相関関係を見つけ出します。
マイニングとは、英語でminingといい、採掘を意味する言葉です。
ビッグデータは、意思決定に役立つ知見を得ることなどが期待されており、大量かつ多種多様な形式でリアルタイム性を有する情報などの意味で用いられる用語です。
テキストマイニングは、文字列を対象としたデータマイニングのことをいいます。
データサイエンスのサイクルは、データサイエンスを活用した業務を進めるにあたって繰り返すプロセスのサイクルです。 サイクルのプロセスには、①問題解決のための課題の設定、②調査方法の計画、③データ収集、④データの分析、⑤分析結果から知見を導出する、という5つのプロセスがあります。
データサイエンティストは、さまざまな意思決定の局面において、データにもとづいて合理的な判断を行えるように意思決定者をサポートする職務またはそれを行う人のことをいいます。
問題を解決するための効率的な意思決定をテーマに関連知識をまとめていきます。
ディシジョンツリーは、決定木とも呼ばれ、情報を整理・分析しながら作る樹形図で、意思決定に役立つツールです。
意思決定を行うにはモデル化が重要です。
確定モデルは、不規則な現象を含まず、方程式などで表せるモデルです。
確率モデルは、想定された確率的法則性のことをいいます。
シミュレーションは、現実世界をモデル化して行われます。 モデルと実世界には差が生じることがあり、実際の観測データとつきあわせ、シミュレーションの軌道を修正して確率を高めることをデータ同化です。
予測は、対象となる事象の将来の起こり得る事態について、データ分析により事前の推測を行うことです。
グルーピングは、一つのグループ集団としてまとめることです。
パターン発見は、どのようなパターンが出現しているかを考えることです。
最適化は、「制約条件がある中で複数の選択肢を組み合わせ何らかの成果を出すとき、その成果を最小または最大にすること」をいいます。
在庫管理とは、資材や商品など、必要な量を、必要な場所へ、必要なときに供給できるように企業にあった水準で維持するための活動をいいます。
与信管理は、倒産する可能性が低く安全な会社に対しては、与信を大きく行い取引を拡大していく一方で、倒産しそうな危ない会社に対しては、与信を絞って取引を小さくしていくよい管理し、与信リスクを回避・低減することをいいます。
発注方式は、製造業では部品や原材料を、小売業では商品を仕入れるために、いつ、どのように発注するかという発注の手法のことです。
問題を解決するための基本的な手法についてまとめていきます。
ブレーンストーミングとは、参加者のアイディアを批判することなく、アイディアを引き出す技法です。 そのアイディアから新たなアイディアを導き出そうとする創造的問題解決に適した技法です。 もし他のメンバの案に便乗した改善案が出ても、とがめずに進めます。
ブレーンライティングは、旧西ドイツ生まれの創造技法で、議論をせず紙にアイデアを書き出す手法です。
親和図法は、KJ方ともいわれ、まとまりのないバラバラな言語データを構造的にまとめる情報整理法です。
情報処理試験対策用のサイトオリジナル教科書をテーマにストラテジ系の知識をまとめています。
Copyright (C) 2010-2023 情報処理のWeb教科書. All Rights Reserved. Loarding…