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/2508.15692v2
• Date: Wed, 15 Oct 2025 14:40:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-16 17:53:16.251921
• 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: マルチルールシステムの各サブルールに対応するユニットのカットオフ効果を推定する際の「ファジィ」の検出・低減ツールを開発する。 特に,多次元カットオフ規則の下での単位行動の形式的定義と分類を提案する。 光電子半導体製造における生産データと実世界のデータに調整された半合成シミュレーションを用いて,本フレームワークの有効性を検証する。
• 参考スコア（独自算出の注目度）: 1.222470135856058
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: RDD (Regression discontinuity design) is a widely used framework for identifying and estimating causal effects at the cutoff of a single running variable. In practice, however, decision-making often involves multiple thresholds and criteria, especially in production systems. Standard MRD (multi-score RDD) methods address this complexity by reducing the problem to a one-dimensional design. This simplification allows existing approaches to be used to identify and estimate causal effects, but it can introduce non-compliance by misclassifying units relative to the original cutoff rules. We develop theoretical tools to detect and reduce "fuzziness" when estimating the cutoff effect for units that comply with individual subrules of a multi-rule system. In particular, we propose a formal definition and categorization of unit behavior types under multi-dimensional cutoff rules, extending standard classifications of compliers, alwaystakers, and nevertakers, and incorporating defiers and indecisive units. We further identify conditions under which cutoff effects for compliers can be estimated in multiple dimensions, and establish when identification remains valid after excluding nevertakers and alwaystakers. In addition, we examine how decomposing complex Boolean cutoff rules (such as AND- and OR-type rules) into simpler components affects the classification of units into behavioral types and improves estimation by making it possible to identify and remove non-compliant units more accurately. We validate our framework using both semi-synthetic simulations calibrated to production data and real-world data from opto-electronic semiconductor manufacturing. The empirical results demonstrate that our approach has practical value in refining production policies and reduces estimation variance. This underscores the usefulness of the MRD framework in manufacturing contexts.
• Abstract（参考訳）: RDD(Regression Discontinuity Design)は、単一の実行変数の切断時の因果効果を同定し、推定するための広く使われているフレームワークである。 しかし実際には、意思決定は、特に生産システムにおいて、複数のしきい値と基準を含むことが多い。 標準MDD(multi-score RDD)法は、この問題を1次元の設計に還元することで、この複雑さに対処する。 この単純化により、既存のアプローチを因果効果の特定と推定に使用することができるが、元のカットオフルールに対するユニットの誤分類によって、非準拠を導入することができる。 マルチルールシステムの個々のサブルールに対応する単位に対するカットオフ効果を推定する際の「ファジィ」の検出と低減のための理論的ツールを開発する。 特に,多次元カットオフ規則の下での単位行動の形式的定義と分類を提案し,コンバータ,常習者,常習者の標準分類を拡張し,デファイアと不決定単位を取り入れた。 さらに, コンパウンタに対するカットオフ効果を複数の次元で推定できる条件を特定し, 再帰者や常習者を除くと, 識別が有効であるかどうかを確認した。 さらに,複雑なブールカットオフルール(AND-やOR-typeルールなど)を単純なコンポーネントに分解することが,ユニットを行動型に分類する上でどう影響するかを検討するとともに,非準拠ユニットをより正確に識別・除去し,推定を改善するかを検討する。 光電子半導体製造における生産データと実世界のデータに調整された半合成シミュレーションを用いて,本フレームワークの有効性を検証する。 実験結果から,本手法は生産方針の精錬に実用的価値があり,予測分散を低減できることが示された。 このことは、製造コンテキストにおけるMDDフレームワークの有用性を浮き彫りにしている。

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。