岩田研究所 - トップページ
 HOME岩田研究所 > データモデルパターン > 実験
Data Model Patterns
実験
 


企業は、さまざまな理由から物質を分析するために実験を行います。例えば、食品加工企業では卵のサルモネラ菌について調査をしたり、化学工業企業では製造した石鹸の品質を検査したりします。ただし、企業の分析、検査、または調査の目的にかかわらず、実験に関するデータモデルには共通なパターンがあります。ここでは、それらのパターンについて見ていきます。

画像をクリックすると、別ウインドウが開いて拡大画像が表示されます。
青枠で表示されているモデルは、モデルをダウンロードできます。


  サンプル
  テスト
  導出観察(Derived Observation)
  期待観察(Expected Observation)
  サンプリング方法
  物質成分テスト
  器械使用度
  内部活動との統合
 

サンプル
  実験のプロセスは、サンプルを抽出する活動から始まります。サンプルは、ある物理的なサイト(場所)から、事前に定義されたサンプリング方法であるサンプリング方法ステップを使用して集められます。集められた物質は、事前に物質タイプとして定義されている場合と、どの物質タイプになるのかを調査する場合の2通りのパターンがあると考えられます。
例えば、製造した化学製品の品質を調査する場合は、既にどの物質が使用されているかを把握していますが、汚染された海水を調査する場合は、どの物質が含まれているかを改めて調査する必要があります。
このモデルでは、人がサンプリングを行うと仮定しますが、組織が行う場合はパーティに関連を引き直します。サンプリングを行う時の条件は複数あると考えられるので、「サンプル」から「条件」への関係は1対0以上となります。
条件は事前に条件タイプとして定義されています。例えば、温度や湿度などが条件タイプとなります。条件は「計測単位」を使用して設定されます。例えば、日本では温度の計測単位に摂氏を使用しますが、米国では華氏を使います。サンプルの物理的な観察結果を「物理観察」と定義します。例えば、サンプルの色や模様がこれにあたります。これらの色や模様は「変数」として事前に定義されます。サンプルをより細かいサンプルに分類する可能性があるので、「サンプル」エンティティには再帰関連が引かれます。
 
Describeモデル ER/Studioモデル
 
AllFusion ERwin Data Modeler モデル  

テスト
 

集めたサンプルを使ってテストを実施します。テストは、事前に定義してあるテストタイプのいずれかに分類されます。テストタイプは、テスト方法ステップによって構成されます。以前の「企業の活動」で説明した内部活動、実活動と実活動ステップのパターンがここでは応用されています。内部活動とテスト、実活動とテストタイプ、そして実活動ステップとテスト方法ステップがマッピングされています。テストは「テスト観察」のベースとなります。以前の「物理観察」でも説明したように、テスト観察にもベースとなる変数や計測単位が定義されます。変数には、テストで得られる粘度や硬度などが定義されます。パーティは、テストや物理的に観察した結果である「観察」を視聴します。例えば、食品加工企業の品質管理局は、観察結果を視聴して国の品質基準をクリアしているかどうかを確認します。

 
Describeモデル ER/Studioモデル
 
AllFusion ERwin Data Modeler モデル  

導出観察(Derived Observation)
  物理観察やテスト観察の結果を基に導出される観察を「導出観察」とします。例えば、3つのテスト観察合計値がこれにあたります。テスト観察や物理観察は複数の組み合わせで繰り返し使用される可能性があるので、導出観察とテスト観察の間に要約エンティティを追加します。例えば、テスト観察のA、B、およびCの合計値と、テスト観察のB、C、およびDの合計値がそれぞれ要約となります。要約エンティティ属性の演算子には、合計値の場合には+を、平均値の場合には÷を使います。集約した要約から導出観察を計算します。例えば、テスト観察で発見された質量と容積から比重を割り出すための導出観察属性の計算式は「比重=質量÷容積」となります。アドホックに計算式を使用するのではなく、要約ルールとして事前に定義します。さまざまな計測単位から構成される観察結果を分析するには、計測単位を換算する必要があります。そこで、計測単位換算エンティティを追加します。例えば、温度の計測単位である華氏から摂氏に換算する場合は、華氏温度を1.8で割って32を足します。この場合、計測単位換算エンティティの変換定数属性が1.8、演算子が÷、そして定数が32となります。
 
Describeモデル ER/Studioモデル
※ こちらのモデルはダウンロードできます
AllFusion ERwin Data Modeler モデル  

期待観察(Expected Observation)
 

テストタイプを基に、期待される観察結果(ベースライン)を表現する「期待観察」を追加します。「変数」や「計測単位」と関連を持ち、実際の観察と整合性を取ります。例えば、期待観測属性の概要は物質の沸点となり、値は摂氏150度となります。企業では、実際の観察と期待観察を比較し、予測した期待値が正しかったのか、観察した物質が特殊だったのかなどを判断します。期待観測は、テストからではなく、テストタイプから定義される点に注目してください。

 
Describeモデル ER/Studioモデル
 
AllFusion ERwin Data Modeler モデル  

サンプリング方法
 

サンプリング方法と適合するテストを実施する必要があります。例えば、液体のサンプルには液体のテストタイプを使用します。このモデルでは、サンプリング方法に複数のテスト要求が定義され、それを基にテストタイプは定義されます。サンプリング方法とテストタイプには、液体と固体を識別する「形状」が定義されます。このモデルでは、サンプリング方法からテストタイプまで2通りのパスがありますが、どちらのパスを使用した場合でも整合性が保たれる必要があります。

 
Describeモデル ER/Studioモデル
 
AllFusion ERwin Data Modeler モデル  

物質成分テスト
  最初に説明した「サンプル」モデルでは、事前に把握している物質タイプを調査する場合と、その物質タイプが含まれているかを調査する場合の2通りを前提にしました。ここでは、3番目の調査項目である、事前に把握していない非標準物質タイプを識別するためのモデリングについて説明します。基本的には最初の「サンプル」モデルをベースにします。初めにパーティである企業が仕様を定義します。仕様には、変数や計測単位をベースとして、仕様範囲の上限値と下限値が設定されます。この仕様範囲内に観察結果の変数が当てはまれば、観察した物質は標準物質タイプと判断できます。
 
Describeモデル ER/Studioモデル
※ こちらのモデルはダウンロードできます
AllFusion ERwin Data Modeler モデル

器械使用度
  テストの実施には器械が使用されます。このモデルでは、テストに1つの器械が使用されると仮定します。生産管理では、使用頻度の高い器械がボトルネックにならないようモニタリングするために、器械の使用度を把握する必要があります。そのためには、テストタイプから事前に使用する器械の種類と使用量を算定しておく必要があります。テストでは必ず器械が使用されると仮定するので、「テストタイプ」と「器械使用度」の関係は1対1あるいは多となります。モデルを見やすくするために、「資産」から「資産タイプ」への関係などは省略します。
 
Describeモデル ER/Studioモデル
 
AllFusion ERwin Data Modeler モデル  
内部活動との統合
  ここではテストを内部活動と見なし、以前ご紹介した「企業の活動」パターンを適用します。内部活動には、テストを実施する上で必要な器械の使用コストと、テスト対象となる物質のコストが計上されます。このモデルでもテストは1つの器械で実施されると仮定します。モデルを見やすくするために、「テスト」から「器械タイプ」への関係などは省略します。一見モデルは複雑に見えるかもしれませんが、今回の「実験」のパターンと以前ご紹介した「企業のモノ」と「企業の活動」パターンを合成しただけです。「企業とその世界」で登場した人や組織を追加すれば、一層面白いモデルができあがっていくでしょう。
 
Describeモデル ER/Studioモデル
※ こちらのモデルはダウンロードできます
AllFusion ERwin Data Modeler モデル
 
 
Copyrightc2004 J-SYS Software Co., Ltd. All Rights Reserved.