論文の概要: Effect Identification and Unit Categorization in the Multi-Score Regression Discontinuity Design with Application to LED Manufacturing

• arxiv url: http://arxiv.org/abs/2508.15692v1
• Date: Thu, 21 Aug 2025 16:17:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-22 16:26:46.403877
• Title: Effect Identification and Unit Categorization in the Multi-Score Regression Discontinuity Design with Application to LED Manufacturing
• Title（参考訳）: マルチスコア回帰不連続設計におけるユニット分類とLED製造への応用
• Authors: Philipp Alexander Schwarz, Oliver Schacht, Sven Klaassen, Johannes Oberpriller, Martin Spindler,
• Abstract要約: サブルールの適合者に対するカットオフ効果を推定する際に,このような「ファジィ」のいくつかを識別・低減するツールを開発する。 光電子半導体製造におけるシミュレーションおよび実世界のデータに関する枠組みを検証した。
• 参考スコア（独自算出の注目度）: 0.5772546394254112
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The RDD (regression discontinuity design) is a widely used framework for identification and estimation of causal effects at a cutoff of a single running variable. Practical settings, in particular those encountered in production systems, often involve decision-making defined by multiple thresholds and criteria. Common MRD (multi-score RDD) approaches transform these to a one-dimensional design, to employ identification and estimation results. However, this practice can introduce non-compliant behavior. We develop theoretical tools to identify and reduce some of this "fuzziness" when estimating the cutoff-effect on compliers of sub-rules. We provide a sound definition and categorization of unit behavior types for multi-dimensional cutoff-rules, extending existing categorizations. We identify conditions for the existence and identification of the cutoff-effect on complier in multiple dimensions, and specify when identification remains stable after excluding nevertaker and alwaystaker. Further, we investigate how decomposing cutoff-rules into simpler parts alters the unit behavior. This allows identification and removal of non-compliant units potentially improving estimates. We validate our framework on simulated and real-world data from opto-electronic semiconductor manufacturing. Our empirical results demonstrate the usability for refining production policies. Particularly we show that our approach decreases the estimation variance, highlighting the practical value of the MRD framework in manufacturing.
• Abstract（参考訳）: RDD(Regression discontinuity design)は、単一動作変数のカットオフにおける因果効果の同定と推定に広く用いられているフレームワークである。 実運用システムで特に遭遇する実践的な設定は、複数のしきい値と基準によって定義される意思決定を伴うことが多い。 共通MDD(multi-score RDD)アプローチは、それらを1次元の設計に変換し、識別と推定結果を利用する。 しかし、この慣行は非従順な行動をもたらす可能性がある。 我々は,サブルールの遵守者に対するカットオフ効果を推定する際に,このような「ファジィ」のいくつかを特定し,低減するための理論的ツールを開発する。 我々は,多次元カットオフルールに対する音の定義と単位行動の分類を行い,既存の分類を拡張した。 我々は,複数次元のコンバータにおけるカットオフ効果の存在と識別条件を特定し,Nevertaker と alwaystaker を除いた識別が安定であるかどうかを特定する。 さらに, カットオフルールを単純な部分に分解することで, ユニットの挙動がどう変化するかを検討する。 これにより、予測を改善する可能性のある非準拠ユニットの識別と削除が可能になる。 光電子半導体製造におけるシミュレーションおよび実世界のデータに関する枠組みを検証した。 私たちの経験的結果は、生産ポリシーを精錬するためのユーザビリティを示しています。 特に本手法は, 製造におけるMDDフレームワークの実用的価値を強調し, 推定分散を減少させることを示す。

関連論文リスト

• PB-IAD: Utilizing multimodal foundation models for semantic industrial anomaly detection in dynamic manufacturing environments [0.0]
  本稿では, PB-IAD (Prompt-based Industrial Anomaly Detection) を提案する。 データ分散性、アジャイル適応性、ドメインユーザ中心性という、動的運用環境の3つの重要な要件に対処する。 PatchCoreのような異常検出のための最先端のメソッドにベンチマークされる。
  論文  参考訳（メタデータ） (2025-08-20T07:53:13Z)
• Bounding Causal Effects and Counterfactuals [0.0]
  この論文は、複数の因果シナリオにまたがる有界アルゴリズムを体系的に比較することで、課題に対処する。 我々は、共通の評価フレームワーク内で最先端のメソッドを実装し、拡張し、統一する。 我々の実証研究は、離散データ生成プロセスと連続データ生成プロセスの両方を含む何千ものランダム化シミュレーションにまたがる。
  論文  参考訳（メタデータ） (2025-08-19T08:13:34Z)
• Diagnosing and Rectifying Fake OOD Invariance: A Restructured Causal Approach [51.012396632595554]
  不変表現学習(IRL)は、不変因果的特徴から環境から切り離されたラベルへの予測を促進する。 最近の理論的結果は、IRLによって回復されたいくつかの因果的特徴は、訓練環境ではドメイン不変のふりをするが、目に見えない領域では失敗する。 本研究では,RS-SCMに関する条件付き相互情報に基づく手法を開発し,その効果を巧みに補正する。
  論文  参考訳（メタデータ） (2023-12-15T12:58:05Z)
• Threshold-Consistent Margin Loss for Open-World Deep Metric Learning [42.03620337000911]
  画像検索にDeep Metric Learning (DML) で使われている既存の損失は、しばしば非均一なクラス内およびクラス間表現構造に繋がる。 不整合はしばしば、商用画像検索システムを展開する際のしきい値選択過程を複雑にする。 クラス間の動作特性の分散を定量化するOPIS(Operating-Point-Inconsistency-Score)と呼ばれる,新しい分散に基づく尺度を提案する。
  論文  参考訳（メタデータ） (2023-07-08T21:16:41Z)
• Representation Disentaglement via Regularization by Causal Identification [3.9160947065896803]
  本稿では,不整合表現学習における基礎となるデータ生成過程の仮定を記述するために,因果コライダー構造モデルを提案する。 そこで本研究では,大規模生成モデルの挙動を因果同定によって課される絡み合った制約に整合させるモジュール型正規化エンジンReIを提案する。
  論文  参考訳（メタデータ） (2023-02-28T23:18:54Z)
• Toward Certified Robustness Against Real-World Distribution Shifts [65.66374339500025]
  我々は、データから摂動を学ぶために生成モデルを訓練し、学習したモデルの出力に関して仕様を定義する。 この設定から生じるユニークな挑戦は、既存の検証者がシグモイドの活性化を厳密に近似できないことである。 本稿では,古典的な反例誘導的抽象的洗練の概念を活用するシグモイドアクティベーションを扱うための一般的なメタアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-06-08T04:09:13Z)
• Reinforcement Learning with a Terminator [80.34572413850186]
  我々は, TerMDP のパラメータを学習し, 推定問題の構造を活用し, 状態ワイドな信頼境界を提供する。 我々はこれらを用いて証明可能な効率のよいアルゴリズムを構築し、終端を考慮し、その後悔を抑える。
  論文  参考訳（メタデータ） (2022-05-30T18:40:28Z)
• Estimating the Effects of Continuous-valued Interventions using Generative Adversarial Networks [103.14809802212535]
  我々は,連続的評価介入の効果を推定する問題に対処するため,GAN(Generative Adversarial Network)フレームワークを構築した。 我々のモデルであるSCIGANは柔軟であり、いくつかの異なる継続的な介入に対する対実的な結果の同時推定が可能である。 継続的な介入に移行することによって生じる課題に対処するために、差別者のための新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-02-27T18:46:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。