特許ウォッチ

公開番号2024173318
公報種別公開特許公報(A)
公開日2024-12-12
出願番号2023091662
出願日2023-06-02
発明の名称品質予測システム及び予測プログラム
出願人株式会社カネカ
代理人個人,個人
主分類G06N 20/00 20190101AFI20241205BHJP(計算;計数)
要約【課題】本発明は、従来に比べて、高精度の学習モデルを生成でき、製造パラメータから品質パラメータを予測できる品質予測システムを提供する。
【解決手段】品質パラメータの中から抽出パラメータ群を抽出するパラメータ抽出部と、抽出パラメータ群から抽出パラメータ群の各品質パラメータの間の関係性を反映した少なくとも第1合成変数と第2合成変数を算出する第1変数変換部と、過去製品の製造パラメータと第1合成変数のデータセットを用いた教師あり学習によって生成される第1学習モデルと、過去製品の製造パラメータと第2合成変数のデータセットを用いた教師あり学習によって生成される第2学習モデルを生成する学習モデル生成部と、予測対象製品の製造パラメータから合成変数群を予測する予測部と、予測部が予測した合成変数群を抽出パラメータ群の各品質パラメータに変換する第2変数変換部を備える構成とする。
【選択図】図2
特許請求の範囲【請求項１】
予測対象製品の複数種類の製造パラメータを用いて前記予測対象製品の複数種類の品質パラメータを予測する品質予測システムであって、
前記複数種類の品質パラメータの中から少なくとも２種類の品質パラメータを含んだ抽出パラメータ群を抽出するパラメータ抽出部と、
前記抽出パラメータ群の各品質パラメータから前記抽出パラメータ群の各品質パラメータの間の関係性を反映した少なくとも第１合成変数と第２合成変数を含む合成変数群を算出する第１変数変換部と、
過去に製造された過去製品の複数種類の製造パラメータと当該過去製品の第１合成変数のデータセットを用いた教師あり学習によって生成される第１学習モデルと、前記過去製品の複数種類の製造パラメータと前記過去製品の第２合成変数のデータセットを用いた教師あり学習によって生成される第２学習モデルと、を含む学習モデル群を生成する学習モデル生成部と、
前記学習モデル群を用いて前記予測対象製品の複数種類の製造パラメータから合成変数群を予測する予測部と、
前記予測部が予測した前記合成変数群を前記抽出パラメータ群の各品質パラメータに変換する第２変数変換部を備える、品質予測システム。
続きを表示（約 1,600 文字）【請求項２】
前記第１変数変換部は、前記抽出パラメータ群における各品質パラメータを合成関数によって合成変数群を算出するものであり、
前記第２変数変換部は、前記合成関数の逆関数によって、前記第１合成変数及び前記第２合成変数を前記抽出パラメータ群の各品質パラメータに変換する、請求項１に記載の品質予測システム。
【請求項３】
前記第１変数変換部は、前記抽出パラメータ群における各品質パラメータを用いて主成分分析を行うものであり、
前記第１合成変数は、前記主成分分析における第１主成分であり、
前記第２合成変数は、前記主成分分析における第２主成分であり、
前記第２変数変換部は、前記第１変数変換部が行った前記主成分分析における第１主成分係数と第２主成分係数を用いて、前記第１合成変数及び前記第２合成変数を前記抽出パラメータ群の各品質パラメータに変換する、請求項２に記載の品質予測システム。
【請求項４】
前記抽出パラメータ群は、前記パラメータ抽出部によって前記複数種類の品質パラメータの中から無作為に抽出された品質パラメータで構成される、請求項１又は２に記載の品質予測システム。
【請求項５】
前記パラメータ抽出部は、複数種類の抽出パラメータ群を抽出するものであって、かつ前記複数種類の品質パラメータのそれぞれが前記複数種類の抽出パラメータ群のいずれかに属するように抽出するものであり、
前記第１変数変換部は、各抽出パラメータ群に対応する合成変数群をそれぞれ算出し、
前記学習モデル生成部は、過去製品の複数種類の製造パラメータと各合成変数群を用いて、各合成変数群に対応する学習モデル群をそれぞれ生成し、
前記予測部は、各学習モデル群を用いて、前記予測対象製品の複数種類の製造パラメータから各学習モデル群に対応する合成変数群をそれぞれ予測し、
前記第２変数変換部は、前記予測部が予測した各合成変数群を用いて前記予測対象製品の複数種類の品質パラメータのそれぞれに変換する、請求項１又は２に記載の品質予測システム。
【請求項６】
前記過去製品の中から所定の過去製品を抽出する製品抽出部を有し、
前記第１変数変換部は、前記製品抽出部が抽出した過去製品の前記抽出パラメータ群の各品質パラメータから、前記抽出パラメータ群の各品質パラメータの間の関係性を反映した合成変数群を生成する、請求項１又は２に記載の品質予測システム。
【請求項７】
前記第１変数変換部は、前記抽出パラメータ群の各品質パラメータから、前記第１合成変数と前記第２合成変数をそれぞれ個別に算出する、請求項１又は２に記載の品質予測システム。
【請求項８】
コンピュータに、予測対象製品の複数種類の製造パラメータを用いて前記予測対象製品の複数種類の品質パラメータを予測させる予測プログラムであって、
前記複数種類の品質パラメータの中から少なくとも２種類の品質パラメータを含んだ抽出パラメータ群を抽出する機能と、
前記抽出パラメータ群の各品質パラメータから前記抽出パラメータ群の各品質パラメータの間の関係性を反映した少なくとも第１合成変数と第２合成変数を含む合成変数群を算出する機能と、
過去に製造された過去製品の複数種類の製造パラメータと当該過去製品の第１合成変数のデータセットを用いた教師あり学習によって生成される第１学習モデルと、前記過去製品の複数種類の製造パラメータと前記過去製品の第２合成変数のデータセットを用いた教師あり学習によって生成される第２学習モデルと、を含む学習モデル群を生成する機能と、
前記学習モデル群を用いて前記予測対象製品の複数種類の製造パラメータから合成変数群を予測する機能と、
予測した前記合成変数群を前記抽出パラメータ群の各品質パラメータに変換する機能を備える、予測プログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、製造パラメータから品質パラメータを予測する品質予測システム及び予測プログラムに関する。
続きを表示（約 1,900 文字）【背景技術】
【０００２】
従来から複数の説明変数から複数の目的変数を予測する手法として、マルチターゲット回帰（Multi-Target Regression）が知られている（例えば、特許文献１、非特許文献１）。
【０００３】
例えば、非特許文献１では、既知の複数の説明変数と複数の目的変数のデータセットを用い、複数の目的変数の中からランダムに２種類の目的変数を抽出し、抽出した２種類の目的変数に対してランダム線形ターゲット結合（Random Linear Target Combinations）を行ってランダムに設定された重みによって合成変数を算出する。
これを複数回、繰り返して多様性を持った複数の合成変数を算出し、複数の説明変数と合成変数のデータセットを用いて教師あり学習し、複数の説明変数から合成変数を予測する学習モデルを合成変数ごとに作成する。
【０００４】
そして、非特許文献１では、説明変数を複数の学習モデルに入力することで、合成変数の予測値からなる行列を生成し、当該行列に対してランダム線形ターゲット結合で使用した重みで構成される係数行列の逆行列を掛けて複数の目的変数を同時に予測する。
【０００５】
非特許文献１によれば、勾配ブースティングを用いて複数の説明変数から複数の目的変数を直接予測する場合に比べて予測精度が向上するとされている。
【先行技術文献】
【特許文献】
【０００６】
特許第７１３７３０３号公報
Tsoumakas, G., Spyromitros-Xioufis, E., Vrekou, A., Vlahavas, I., 2014.
【発明の概要】
【発明が解決しようとする課題】
【０００７】
しかしながら、非特許文献１は、ランダムに設定された重みによって合成変数を算出するため、抽出した目的変数間で特徴が打ち消し合ったり、ノイズが協調されたりする場合があり、学習モデルの最適化の観点から改良の余地があった。
【０００８】
そこで、本発明は、従来に比べて、高精度の学習モデルを生成でき、当該学習モデルを用いて複数の製造パラメータから複数の品質パラメータを予測できる品質予測システム及び予測プログラムを提供することを課題とする。
【課題を解決するための手段】
【０００９】
上記した課題を解決するための一つの様相は、予測対象製品の複数種類の製造パラメータを用いて前記予測対象製品の複数種類の品質パラメータを予測する品質予測システムであって、前記複数種類の品質パラメータの中から少なくとも２種類の品質パラメータを含んだ抽出パラメータ群を抽出するパラメータ抽出部と、前記抽出パラメータ群の各品質パラメータから前記抽出パラメータ群の各品質パラメータの間の関係性を反映した少なくとも第１合成変数と第２合成変数を含む合成変数群を算出する第１変数変換部と、過去に製造された過去製品の複数種類の製造パラメータと当該過去製品の第１合成変数のデータセットを用いた教師あり学習によって生成される第１学習モデルと、前記過去製品の複数種類の製造パラメータと前記過去製品の第２合成変数のデータセットを用いた教師あり学習によって生成される第２学習モデルと、を含む学習モデル群を生成する学習モデル生成部と、前記学習モデル群を用いて前記予測対象製品の複数種類の製造パラメータから合成変数群を予測する予測部と、前記予測部が予測した前記合成変数群を前記抽出パラメータ群の各品質パラメータに変換する第２変数変換部を備える、品質予測システムである。
【００１０】
本様相によれば、１つの抽出パラメータ群から抽出パラメータ群を構成する各種の品質パラメータの間の関係性を反映した複数の合成変数に変換できるので、従来に比べて高精度の学習モデルが生成できる。
本様相によれば、各製造パラメータから各種の品質パラメータの間の関係性を反映した合成変数群を構成する各合成変数をそれぞれ予測し、予測した各合成変数から各品質パラメータを予測するので、既存のマルチターゲット回帰によって製造パラメータから直接品質パラメータを予測する場合に比べて精度良く品質パラメータを予測することができる。
このように、本様相によれば、品質パラメータ間の関係性を加味したより適切な合成変数を生成できることで、同じデータセットを用いた場合でも従来に比べて高精度の学習モデルを生成でき、当該学習モデルを用いて複数の製造パラメータから複数の品質パラメータを予測できる。
（【００１１】以降は省略されています）

関連特許