特許ウォッチ

公開番号2024175630
公報種別公開特許公報(A)
公開日2024-12-18
出願番号2023119806
出願日2023-07-24
発明の名称情報処理方法、機械学習方法、情報処理装置、及び、機械学習装置
出願人東洋製罐グループホールディングス株式会社
代理人個人,個人
主分類G06N 20/00 20190101AFI20241211BHJP(計算;計数)
要約【課題】生成物の特性を予測する際の予測性能を向上させることを可能とする情報処理方法を提供する。
【解決手段】情報処理方法は、複数の原材料から生成物を製造するときの製造条件を定める1又は複数の製造条件パラメータからなる製造条件情報を取得する製造条件取得工程と、1又は複数の評価パラメータからなる評価情報を取得する評価取得工程と、1又は複数の製造条件パラメータ及び1又は複数の評価パラメータに対して重要度をそれぞれ受け付ける重要度受付工程と、学習モデルにおいて、製造条件パラメータ毎及び評価パラメータ毎の重要度にそれぞれ対応する確率に基づいて、1又は複数の製造条件パラメータ及び1又は複数の評価パラメータに対して説明変数及び準説明変数として使用する使用変数と、説明変数及び準説明変数として使用しない未使用変数とを設定し、使用変数及び未使用変数を設定した学習モデルに対して製造条件情報及び評価情報を入力することで特性パラメータを取得する特性取得工程と、を含む。
【選択図】図5
特許請求の範囲【請求項１】
コンピュータにより実行される情報処理方法であって、
複数の原材料から生成物を製造するときの製造条件を定める１又は複数の製造条件パラメータからなる製造条件情報を取得する製造条件取得工程と、
前記製造条件を１又は複数の評価方法に基づいてそれぞれ評価した１又は複数の評価パラメータからなる評価情報を取得する評価取得工程と、
１又は複数の前記製造条件パラメータと、１又は複数の前記評価パラメータとに対して前記製造条件パラメータ毎及び前記評価パラメータ毎にそれぞれ指定された重要度を受け付ける重要度受付工程と、
１又は複数の前記製造条件パラメータが１又は複数の説明変数として、１又は複数の前記評価パラメータが１又は複数の準説明変数としてそれぞれ入力されて、前記生成物の特性を定める特性パラメータを目的変数として出力する学習モデルにおいて、前記製造条件パラメータ毎及び前記評価パラメータ毎の前記重要度にそれぞれ対応する確率に基づいて、１又は複数の前記製造条件パラメータ及び１又は複数の前記評価パラメータに対して前記説明変数及び前記準説明変数として使用する使用変数と、前記説明変数及び前記準説明変数として使用しない未使用変数とを設定し、前記使用変数及び前記未使用変数を設定した前記学習モデルに対して前記製造条件情報及び前記評価情報を入力することで前記学習モデルから出力される前記特性パラメータを取得する特性取得工程と、を含む、
情報処理方法。
続きを表示（約 2,500 文字）【請求項２】
前記重要度受付工程は、
前記製造条件パラメータ毎の前記重要度が、前記評価パラメータ毎の前記重要度よりも高く指定されたとき、前記製造条件パラメータ毎及び前記評価パラメータ毎の前記重要度を受け付ける、
請求項１に記載の情報処理方法。
【請求項３】
１又は複数の前記製造条件パラメータは、
前記原材料に関する原材料条件を定める原材料条件パラメータと、前記原材料から前記生成物を製造する製造プロセスに関するプロセス条件を定めるプロセス条件パラメータとのうち、少なくとも一方を含む、
請求項１に記載の情報処理方法。
【請求項４】
前記評価取得工程は、
１又は複数の前記評価方法に応じた評価式を用いて、１又は複数の前記製造条件パラメータから１又は複数の前記評価パラメータをそれぞれ算出することで、前記評価情報を取得する、
請求項３に記載の情報処理方法。
【請求項５】
前記評価取得工程は、
１又は複数の前記評価方法に応じた評価式を用いて、１又は複数の前記製造条件パラメータと、前記原材料及び前記製造プロセスを評価するための参照情報とから１又は複数の前記評価パラメータをそれぞれ算出することで、前記評価情報を取得する、
請求項３に記載の情報処理方法。
【請求項６】
１又は複数の前記評価パラメータは、
前記原材料のコスト、前記原材料の供給安定性、前記製造プロセスに要するコスト、前記製造プロセスに要するエネルギー量、前記製造プロセスに要するプロセス時間、及び、前記製造プロセスに要する環境負荷のうち、少なくとも１つを含む、
請求項３に記載の情報処理方法。
【請求項７】
前記製造条件取得工程、前記評価取得工程及び前記特性取得工程を繰り返すことで、所定の特性要求を満たす前記特性パラメータが取得されたときの前記製造条件情報及び前記評価情報を候補変数として複数取得する候補変数取得工程と、
複数の前記候補変数に基づいて最適化処理を行うことにより、所定の評価基準を満たす前記評価情報に対応する前記製造条件情報を取得する最適化処理工程と、を含む、
請求項１乃至請求項６のいずれか一項に記載の情報処理方法。
【請求項８】
前記最適化処理工程は、
応答局面法、ベイズ最適化、モンテカルロ法、マルコフ連鎖モンテカルロ法、深層学習、強化学習のうち、少なくとも１つの最適化手法を用いて、前記最適化処理を行う、
請求項７に記載の情報処理方法。
【請求項９】
コンピュータにより実行される機械学習方法であって、
複数の原材料から生成物を製造するときの製造条件を定める１又は複数の製造条件パラメータと、前記製造条件を１又は複数の評価方法に基づいてそれぞれ評価した１又は複数の評価パラメータとに対して前記製造条件パラメータ毎及び前記評価パラメータ毎にそれぞれ指定された重要度を受け付ける重要度受付工程と、
１又は複数の前記製造条件パラメータからなる製造条件情報及び１又は複数の前記評価パラメータからなる評価情報と、前記生成物の特性を定める特性パラメータとで構成される学習用データを複数組取得する学習用データ取得工程と、
１又は複数の前記製造条件パラメータが１又は複数の説明変数として、１又は複数の前記評価パラメータが１又は複数の準説明変数としてそれぞれ入力されて、前記特性パラメータを目的変数として出力する学習モデルにおいて、前記製造条件パラメータ毎及び前記評価パラメータ毎の前記重要度にそれぞれ対応する確率に基づいて、１又は複数の前記製造条件パラメータ及び１又は複数の前記評価パラメータに対して前記説明変数及び前記準説明変数として使用する使用変数と、前記説明変数及び前記準説明変数として使用しない未使用変数とを設定し、前記使用変数及び前記未使用変数を設定した前記学習モデルに対して前記学習用データを入力することで、前記製造条件情報及び前記評価情報と前記特性パラメータとの相関関係を前記学習モデルに学習させる機械学習工程と、
前記機械学習工程により前記相関関係を学習させた前記学習モデルを学習済みモデル記憶部に記憶する学習済みモデル記憶工程と、を含む、
機械学習方法。
【請求項１０】
複数の原材料から生成物を製造するときの製造条件を定める１又は複数の製造条件パラメータからなる製造条件情報を取得する製造条件取得部と、
前記製造条件を１又は複数の評価方法に基づいてそれぞれ評価した１又は複数の評価パラメータからなる評価情報を取得する評価取得部と、
１又は複数の前記製造条件パラメータと、１又は複数の前記評価パラメータとに対して前記製造条件パラメータ毎及び前記評価パラメータ毎にそれぞれ指定された重要度を受け付ける重要度受付部と、
１又は複数の前記製造条件パラメータが１又は複数の説明変数として、１又は複数の前記評価パラメータが１又は複数の準説明変数としてそれぞれ入力されて、前記生成物の特性を定める特性パラメータを目的変数として出力する学習モデルにおいて、前記製造条件パラメータ毎及び前記評価パラメータ毎の前記重要度にそれぞれ対応する確率に基づいて、１又は複数の前記製造条件パラメータ及び１又は複数の前記評価パラメータに対して前記説明変数及び前記準説明変数として使用する使用変数と、前記説明変数及び前記準説明変数として使用しない未使用変数とを設定し、前記使用変数及び前記未使用変数を設定した前記学習モデルに対して前記製造条件情報及び前記評価情報を入力することで前記学習モデルから出力される前記特性パラメータを取得する特性取得部と、を備える、
情報処理装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、情報処理方法、機械学習方法、情報処理装置、及び、機械学習装置に関する。
続きを表示（約 2,100 文字）【背景技術】
【０００２】
複数の原材料から生成物を製造する場合、原材料の種類や使用量、製造プロセスの処理時間等の製造条件に関する製造条件パラメータは膨大な数の組み合わせが考えられる。そのため、所望の特性を有する生成物の製造条件を求めるために、特許文献１及び特許文献２には、複数の原材料から生成物を製造するときの製造条件パラメータ（説明変数）から、その製造条件に基づいて製造される生成物の特性を定める特性パラメータ（目的変数）を予測する学習モデルを用いることが開示されている。
【先行技術文献】
【特許文献】
【０００３】
特許第７１５７４０２号公報
特開２０１９－０８６８１７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
特許文献１及び特許文献２に開示された上記の学習モデルでは、生成物の製造条件と、生成物の特性との間に何らかの因果関係があることを仮定して作成されたものである。そして、特許文献１及び特許文献２には、上記の学習モデルを用いて、原材料のコスト等の評価パラメータを制約条件として、製造条件の最適化を行うことが開示されている。
【０００５】
ここで、原材料のコスト等の評価パラメータは、生成物を製造するときの原材料や製造プロセスに関連している。そのため、評価パラメータを上記の学習モデルに反映させることで、学習モデルの予測性能を向上させる見込みがある。一方で、生成物の製造条件パラメータに比べて、評価パラメータをどの程度重要なパラメータとして学習モデルに反映させるかは、ユーザや予測対象の生成物によって異なると推察される。
【０００６】
本発明は、上記の課題に鑑みてなされたものであり、生成物の特性を予測する際の予測性能を向上させることを可能とする情報処理方法、機械学習方法、情報処理装置、及び、機械学習装置を提供することを目的とする。
【課題を解決するための手段】
【０００７】
上記目的を達成するために、本発明の一態様に係る情報処理方法は、
コンピュータにより実行される情報処理方法であって、
複数の原材料から生成物を製造するときの製造条件を定める１又は複数の製造条件パラメータからなる製造条件情報を取得する製造条件取得工程と、
前記製造条件を１又は複数の評価方法に基づいてそれぞれ評価した１又は複数の評価パラメータからなる評価情報を取得する評価取得工程と、
１又は複数の前記製造条件パラメータと、１又は複数の前記評価パラメータとに対して前記製造条件パラメータ毎及び前記評価パラメータ毎にそれぞれ指定された重要度を受け付ける重要度受付工程と、
１又は複数の前記製造条件パラメータが１又は複数の説明変数として、１又は複数の前記評価パラメータが１又は複数の準説明変数としてそれぞれ入力されて、前記生成物の特性を定める特性パラメータを目的変数として出力する学習モデルにおいて、前記製造条件
パラメータ毎及び前記評価パラメータ毎の前記重要度にそれぞれ対応する確率に基づいて、１又は複数の前記製造条件パラメータ及び１又は複数の前記評価パラメータに対して前記説明変数及び前記準説明変数として使用する使用変数と、前記説明変数及び前記準説明変数として使用しない未使用変数とを設定し、前記使用変数及び前記未使用変数を設定した前記学習モデルに対して前記製造条件情報及び前記評価情報を入力することで前記学習モデルから出力される前記特性パラメータを取得する特性取得工程と、を含む。
【発明の効果】
【０００８】
本発明の一態様に係る情報処理方法によれば、生成物の特性を予測（取得）する際、生成物の製造条件に関する製造条件パラメータだけでなく、製造条件に対する評価を定める評価パラメータも反映されるので、予測性能を向上させることができる。また、評価パラメータは、重要度に応じて確率的に反映されるので、評価パラメータをどの程度学習モデルに反映させるかを設定することができる。
【０００９】
上記以外の課題、構成及び効果は、後述する発明を実施するための形態にて明らかにされる。
【図面の簡単な説明】
【００１０】
情報処理システム１の一例を示す全体図である。
情報処理装置２の一例を示すブロック図である。
製造条件データベース２１０の一例を示すデータ構成図である。
学習機能２０１の一例を示す機能説明図である。
情報処理機能２０２と、特性パラメータの予測処理の一例を示す機能説明図である。
情報処理機能２０２と、製造条件の最適化処理の一例を示す機能説明図である。
コンピュータ９００の一例を示すハードウエア構成図である。
学習機能２０１による機械学習方法の一例を示すフローチャートである。
情報処理機能２０２による情報処理方法の一例を示すフローチャートである。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許