showery さん プロフィール

  •  
showeryさん: showeryのBlog
ハンドル名showery さん
ブログタイトルshoweryのBlog
ブログURLhttp://hxn.blog.jp/
サイト紹介文システム開発時のメモ
参加カテゴリー
更新頻度(1年)情報提供118回 / 365日(平均2.3回/週) - 参加 2017/08/24 13:22

showery さんのブログ記事

  • TPM ー 稼働率
  • TPMの稼働率の定義時間稼働率TPMの定義では、「時間稼働率=稼働時間/負荷時間」です。負荷時間は、電気設備の点検など会社都合で操業できない時間や、休憩時間や朝礼などで製造ラインが止まる時間を操業時間から引いたものです。時間稼働率における停止ロスは、SMTラインで言えばほとんどが段取り替えの時間だと言えるでしょう。その他、設備故障なども含まれます。ただしこの時の故障は本格的に修理をしなければならない停止を指 [続きを読む]
  • 原価管理の基礎
  • 原価管理と生産管理製品をつくるのにどれだけの金額がかかったのかが明らかになると、会社の業績をより良くするために、原価の目標を設定してそれを実績と比較することにより、現状がうまくいっているかどうかを判断したり、さらに原価を引き下げるために実施すべき取組みを立案・実行するといった活動が行われる。これが原価管理である。  原価管理が効果を発揮するためには、生産現場の効率の善し悪しや、加工に要する手間の違 [続きを読む]
  • ??自由
  • ?基百科??自由是指你无需?生活??而努力??工作的状?。 ??地?,你的???生的被?收入必?至少要等于或超?你的日常?支。 ?是我?大多数人最?望达到的状?,如果?入??状?,我?就可以称之?退休或其他各?名称。是一?状??是心???准?是感??食利??,混吃等死的新瓶装旧酒? [続きを読む]
  • トヨタ生産方式(TPS)ー 標準作業
  • 標準作業標準作業とは、人の動き、モノ、設備の、最も効率の良い組合せを考え、良い品物を、 より早く、安全に、ムダ無く造るための作業方法のことです。標準を定めることでその標準と現実の差が異常と認識され、その異常を改善するニーズが生まれます。標準作業を構築・運用する目的標準作業を構築し、運用する目的は、大きく分けて2つあります。1つ目は、モノの造り方のルールの明確化です。 標準作業が存在することで、モノの [続きを読む]
  • トヨタ生産方式(TPS)ー 7つのムダ
  • 7つのムダトヨタ生産方式では、ムダを「付加価値を高めない各種現象や結果」と定義している。 このムダを無くすことが重要な取り組みとされる。 ムダとは、代表的なものとして以下の7つがあり、それを「7つのムダ」と表現している。作り過ぎのムダ手待ちのムダ運搬のムダ加工そのもののムダ在庫のムダ動作のムダ不良をつくるムダ「加工」の「か」、「在庫」の「ざ」、「作りすぎ」の「っ」、「手待ち」の「て」、 「動作」の「と [続きを読む]
  • トヨタ生産方式(TPS)ー 稼働率と可動率
  • 稼働率と可動率稼働率(カドウリツ)utilization rate (ratio)定義稼働率は、「定時での設備フル操業能力に対して、必要生産量を造る為に必要な時間の割合」を指します。需要からくる負荷の割合を表すと言ってもよいでしょう。計算式受注台数 / 定時フル操業で生産可能な台数必要生産量(受注台数)を造る為に必要な時間 / 定時フル操業時間指標意味・目的稼働率は、売れ行きによって決まります。日々現場で扱う指標としては [続きを読む]
  • 空DataFrameの作成パターン
  • 空のデータフレームを作って、レコードを追加していくパターンIn [1]:import pandas as pdcols = ['col
    1', 'col2']df = pd.DataFrame(index=[], columns=cols)record = pd.Series(['hoge', 'fuga'], index=
    df.columns)for _ in range(5): df = df.append(record, ignore_index=True) print(df) col1 col20 hoge fuga1 hoge fuga2 hoge
    fuga3 hoge fuga4 hoge fuga行だけ確保した空のDataFrameを作って、後からカラ [続きを読む]
  • データディスカバリの4ツール
  • 【DOMO】DomoはManagement by exception(例外管理)をビルトインしている企業であれば、 トップマネジメントでもマネージャーでも活用できるSaaSだが、 トップマネジメントがすべてを把握するタイプの企業ではトップマネジメント向きのSaaS。 Domoの特徴を「ひとこと」で表すと、「アジャイル経営のためのデータディスカバリサービス(SaaS)」 と表現できるのではないだろうか。特徴接続APIが自社のニーズにフィットするか接続 [続きを読む]
  • Conda コマンド
  • Anaconda には conda コマンドがインストールされており、パッケージのインストールや、実行環境の作成・切り替えなどを行えます。conda コマンドでは、continuum社で稼働確認したパッケージをインストールできます。それとは別に、PyPIのように、anacondaに特化したコミュニティパッケージサイトがあります。それが、anaconda cloudです。このサイトの先人たちの用意してくれたパッケージを使うと、通常だと苦労するインストール [続きを読む]
  • Plotly 基本チャート
  • 散布図散布図とは、2種類の項目を縦軸と横軸にとり、プロット(打点)により作成される図のことである。 品質管理における「QC7つ道具」の1つとして数えられている。 散布図を作成することで、2種類の項目の間に相関関係があるかどうかを調べることが可能である。 また、散布図に回帰直線を描くことで、予測値を求めることも可能である。日本工業規格では、「二つの特性を横軸と縦軸とし,観測値を打点して作るグラフ表示」と定義 [続きを読む]
  • Plotly 基本チャートーテーブル(Tabbles)
  • テーブル(Tabbles)Basic Tablego.Tableheader=dict(values=['A Scores', 'B Scores']),cells=dict(values=[[100, 90, 80, 90], [95, 85, 75, 95]]))Styled Tablego.Tableheadervalues=['A Scores', 'B Scores'],line = dict(color='#7D7F80'),fill = dict(color='#a1c3d1'),align = ['left'] * 5cellsgo.Layoutwidth=500,height=300Use a Panda's Dataframego.Tableheadervalues=list(df.columns)cellsvalues=[df.Rank, df.State [続きを読む]
  • Python(Anaconda)でのProxy設定
  • Anacondaにプロキシ設定をするAnacondaのルートフォルダに.condarcファイルを作成します。ルートフォルダ環境によって異なるが、下記のいずれになります。C:Users[ユーザー名]Anaconda3C:Program FilesAnaconda3C:Users[ユーザー名]AppDataLocalContinuumanaconda3エクスプローラーから直接「.condarc」ファイルを作成できないので、 先に「condarc」を作成し、コマンドラインでファイル名を.condarc変更します。ren condarc .cond [続きを読む]
  • パンフレットとリーフレットの違いとは
  • パンフレットとリーフレットの違い枚数(ページ数)の違い最も大きな違いとしては、パンフレットとリーフレットそれぞれに用いられる紙の枚数が挙げられるでしょう。一般的にリーフレットは1枚の用紙から作られており、2つ折りや3つ折りにして配布されています。これに対してパンフレットは1枚の紙とは限らず、複数枚の紙を綴じることで制作されたものも指します。リーフレットはパンフレットと比較すると、コンパクトな印象もあり [続きを読む]
  • Plotly 基本チャートー円グラフ(Pie Charts)
  • 円グラフ(Pie Charts)円グラフ(えんグラフ、英: pie chartまたはcircle chart)とは、丸い図形を扇形に分割し、何らかの構成比率を表したグラフ。 円グラフでは、扇形の円弧の長さ(および中心角と面積)は、その扇形で表される量と比例する。Basic Pie Chartgo.Pielabels=['Oxygen','Hydrogen','Carbon_Dioxide','Nitrogen'],values=[4500,2500,1053,500]Styled Pie Chartgo.Piehoverinfo='label+percent',Any combination of [続きを読む]
  • Plotly ヒストグラム(Histogram)
  • ヒストグラム(Histogram)Basic Histogramgo.Histogramx=xNormalized Histogramgo.Histogram - histnorm="" | "
    percent" | "probability" | "density" | "probability density"Horizontal Histogramgo.Histogramy=y
    Overlaid Histgramgo.Layoutbarmode='overlay'Stacked Histograms(積み重ねヒストグラム)go.Layoutbarmode='
    stack'Styled Histogramgo.Histogramname='control',xbins=dict(start=-4.0, end=3.0, size=0.5),marke [続きを読む]
  • Plotly 基本チャートードットプロット(Dot Plots)
  • ドットプロット(Dot Plots)ドットプロット(Dot plot)とは、統計用グラフの一種。 横軸に名義尺度(カテゴリ、番号など)を取り、1標本を1個の点(ドット)で表現する。 分布の様子を直感的に捉えやすい。 縦軸に表現する数値により2種類に分けられる。ドットプロットの主要な結果を解釈する主要特性ピークと広がり点が集中する瓶であるピークを判別します。ピークは、サンプルで最も一般的な値を示します。データがどれだけ異 [続きを読む]
  • Plotly 基本チャートーバブルチャート(Bubble Charts)
  • バブルチャート(Bubble Charts)「バブルチャート」とはある事象を表す円(バブル)を2つの軸を持つ図上に配置した図のことを指す。 バブルの大きさと2つの軸、合計3つの情報をもってチャート上に載せた事象を評価する。 「 バブルチャート」はポートフォリオの評価にしばしば利用される。Simple Bubble Chartgo.Scattermode='markers',marker=dict(size=[40, 60, 80, 100], )Setting Marker Size and Colorgo.Scattermarker=dict [続きを読む]
  • Plotly サブプロット(Subplots)<2>
  • サブプロット(Subplots)シンプルなサブプロット(Simple Subplot)fig = tools.make_subplots(rows=1, cols=2)fig.
    append_trace(trace1, 1, 1)fig['layout'].update(height=600, width=800, title='i 複数のサブプロット(Multip
    le Subplots)go.Layoutxaxis=dict( domain=[0, 0.45] ),xaxis2=dict( domain=[0.55, 1] ),yaxis2=dict( anchor='x
    2' ),タイトル付きの複数サブプロット(Multiple Subplots with T [続きを読む]
  • Python datetimeのフォーマット
  • Python datetimeのフォーマットディレクティブ意味使用例注釈%aロケールの曜日名を短縮形で表示します。Sun, Mon, …, Sat (en_US);So, Mo, …, Sa (de_DE)(1)%Aロケールの曜日名を表示します。Sunday, Monday, …, Saturday (en_US);Sonntag, Montag, …, Samstag (de_DE)(1)%w曜日を10進表記した文字列を表示します。0 が日曜日で、6 が土曜日を表します。0, 1, …, 6 %d0埋めした10進数で表記した月中の日にち。01, 02, …, 31 [続きを読む]
  • Plotly サブプロット(Subplots)<1>
  • サブプロット(Subplots)シンプルなサブプロット(Simple Subplot)fig = tools.make_subplots(rows=1, cols=2)fig.
    append_trace(trace1, 1, 1)fig['layout'].update(height=600, width=800, title='i 複数のサブプロット(Multip
    le Subplots)go.Layoutxaxis=dict( domain=[0, 0.45] ),xaxis2=dict( domain=[0.55, 1] ),yaxis2=dict( anchor='x
    2' ),タイトル付きの複数サブプロット(Multiple Subplots with T [続きを読む]
  • DataFrame 要約統計量結果(MultiIndex)から任意の行・列を選択、抽出
  • 要約統計量結果DataFramepandas.DataFrame, pandas.Seriesのgroupby()メソッドでデータをグルーピングし、 pandas.DataFrameおよびpandas.Seriesのメソッドdescribe()を使うと、 グループごとにデータを集約して、それぞれの平均、最小値、最大値、 合計などの統計量を算出したり、任意の関数で処理したりすることが可能。これで得た要約統計量結果DataFrameは、グループ指定によって、 MultiIndexになる場合が多い。(列もMultiIn [続きを読む]
  • 共分散と相関係数
  • 共分散(きょうぶんさん、英: covariance)共分散とは、2 種類のデータの関係を示す指標です。共分散を求めるには、2 つの変数の偏差の積の平均を計算します。共分散を求める公式sxy=1n?i=1n(xi−x¯)(yi−y¯)" tabindex="0" id="MathJax-Element-1-Frame" class="MathJax">sxy=1n?i=1n(xi−x¯¯¯)(yi−y¯¯¯)sxy=1n?i=1n(xi−x¯)(yi−y¯)共分散の意味正の相関共分散が正であるときは、一方の値が増加するともう一方の値 [続きを読む]