特許ウォッチ

公開番号2025067052
公報種別公開特許公報(A)
公開日2025-04-24
出願番号2023176725
出願日2023-10-12
発明の名称情報処理装置
出願人トヨタ自動車株式会社
代理人個人,個人
主分類F16H 61/12 20100101AFI20250417BHJP(機械要素または単位;機械または装置の効果的機能を生じ維持するための一般的手段)
要約【課題】モデルデータの推定精度をより確実に向上する。
【解決手段】情報処理装置は、車両から取得された走行データが入力されることにより、動力伝達装置の故障原因の推定結果を出力する第1モデルデータを記憶している。第1モデルデータは、走行データ、及び当該走行データに紐づいた真の前記故障原因の組み合わせを教師データとして機械学習により予め生成された決定木を用いたモデルデータである。情報処理装置は、走行データ、及び当該走行データに紐づいた真の故障原因の組み合わせを教師データとした機械学習により、決定木を用いたモデルデータであって、且つ、第1モデルデータとは決定木の階層数が異なる第2モデルデータを生成する(S61)。情報処理装置は、第2モデルデータの推定精度が第1モデルデータの推定精度よりも高い場合、取得した走行データを、第1モデルデータに代えて、第2モデルデータに入力することにより推定結果を出力する。
【選択図】図3
特許請求の範囲【請求項１】
実行装置と、記憶装置とを備え、
前記記憶装置は、
車両に搭載されたセンサによって取得された各種のデータである走行データが入力されることにより、動力伝達装置の故障原因の推定結果を出力する第１モデルデータと、
前記第１モデルデータの推定精度である第１精度と、
を記憶しており、
前記第１モデルデータは、前記走行データ、及び当該走行データに紐づいた真の前記故障原因の組み合わせを教師データとして機械学習により予め生成された決定木を用いたモデルデータであり、
前記実行装置は、
前記走行データを取得することと、
取得した前記走行データを前記第１モデルデータに入力することにより前記推定結果を出力することと、
前記走行データ、及び当該走行データに紐づいた真の前記故障原因の組み合わせを教師データとした機械学習により、決定木を用いたモデルデータであって、且つ、前記第１モデルデータとは決定木の階層数が異なる第２モデルデータを生成することと、
生成した前記第２モデルデータの推定精度である第２精度を算出することと、
算出した前記第２精度が前記第１精度よりも高い場合に、取得した前記走行データを、前記第１モデルデータに代えて、前記第２モデルデータに入力することにより前記推定結果を出力することと、
を実行可能である
情報処理装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、情報処理装置に関する。
続きを表示（約 2,400 文字）【背景技術】
【０００２】
特許文献１のサーバ装置は、実行装置と、記憶装置とを備えている。記憶装置は、機械学習により予め生成されたモデルデータを記憶している。このモデルデータは、決定木を用いたモデルのデータである。すなわち、このモデルデータは、複数のノード及び複数のリーフノードから構成された木構造のモデルのデータである。モデルデータは、各ノードについて予め定められた分岐条件に応じた分岐を繰り返すことで末端のリーフノードに導く。リーフノードは、燃料パイプ内の燃料圧力の低下に関する故障原因を示している。実行装置は、車両に搭載されたセンサによって検出された各種の値を取得する。ここで、各種の値は、車両のメインスイッチがオンにされてからオフにされるまでの間における燃料パイプの燃料圧力の最低値、燃料ポンプの始動からの経過時間等である。実行装置は、取得した各種の値をモデルデータに入力することにより、燃料パイプ内の燃料圧力の低下に関する故障原因を推定する。
【先行技術文献】
【特許文献】
【０００３】
特開２０２１－１９５８７１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のような決定木を用いたモデルデータでは、決定木の階層数が適切でないと、モデルデータの学習を継続しても当該モデルデータの推定精度が十分に高くならないおそれがある。
【課題を解決するための手段】
【０００５】
上記課題を解決するための情報処理装置は、実行装置と、記憶装置とを備え、前記記憶装置は、車両に搭載されたセンサによって取得された各種のデータである走行データが入力されることにより、動力伝達装置の故障原因の推定結果を出力する第１モデルデータと、前記第１モデルデータの推定精度である第１精度と、を記憶しており、前記第１モデルデータは、前記走行データ、及び当該走行データに紐づいた真の前記故障原因の組み合わせを教師データとして機械学習により予め生成された決定木を用いたモデルデータであり、前記実行装置は、前記走行データを取得することと、取得した前記走行データを前記第１モデルデータに入力することにより前記推定結果を出力することと、前記走行データ、及び当該走行データに紐づいた真の前記故障原因の組み合わせを教師データとした機械学習により、決定木を用いたモデルデータであって、且つ、前記第１モデルデータとは決定木の階層数が異なる第２モデルデータを生成することと、生成した前記第２モデルデータの推定精度である第２精度を算出することと、算出した前記第２精度が前記第１精度よりも高い場合に、取得した前記走行データを、前記第１モデルデータに代えて、前記第２モデルデータに入力することにより前記推定結果を出力することと、を実行可能である。
【発明の効果】
【０００６】
上記構成によれば、第２モデルデータの推定精度が第１モデルデータの推定精度よりも高い場合には、第１モデルデータとは決定木の階層数が異なる第２モデルデータを用いて推定結果が出力される。換言すると、第２モデルデータについての決定木の階層数が第１モデルデータに比べて好ましい状況では、より適切な階層数が選択された第２モデルデータを用いて推定結果が出力される。これにより、モデルデータの推定精度をより確実に向上できる。
【図面の簡単な説明】
【０００７】
図１は、推定システムの概略構成図である。
図２は、モデルデータの説明図である。
図３は、生成制御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】
【０００８】
＜推定システムの概略構成＞
以下、本発明の一実施形態を図１～図３にしたがって説明する。先ず、推定システム１０の概略構成について説明する。
【０００９】
図１に示すように、推定システム１０は、情報処理装置２０、入力デバイス３０、及びディスプレイ４０を備えている。入力デバイス３０は、例えば、キーボード、及びポインティングデバイス等を含んでいる。ディスプレイ４０は、各種の情報を表示可能である。
【００１０】
情報処理装置２０は、実行装置２１、及び記憶装置２２を備えている。実行装置２１の一例は、ＣＰＵである。記憶装置２２は、読み出しのみが可能なＲＯＭと、読み出し及び書き込みが可能な揮発性のＲＡＭと、読み出し及び書き込みが可能な不揮発性のストレージとを含んでいる。記憶装置２２は、制御プログラム２２Ａ、及びモデルデータＤＭを予め記憶している。モデルデータＤＭは、所定の入力変数と、動力伝達装置の故障原因の推定結果を示す出力変数との関係性が、実行装置２１が認識可能な形式で記述されたものである。ここで、動力伝達装置は、車両のうち、当該車両が備えている駆動源から駆動輪までの動力の伝達経路上の装置である。動力伝達装置の一例は、いわゆるトランスアクスルである。また、モデルデータＤＭは、機械学習により予め生成されたものである。なお、モデルデータＤＭについての具体的な説明は後述する。また、記憶装置２２は、モデルデータＤＭに付随するデータとして、第１精度Ｚ１及びテストデータＤＴを予め記憶している。ここで、第１精度Ｚ１は、予め算出されたモデルデータＤＭの推定精度である。また、テストデータＤＴは、第１精度Ｚ１を算出する際に用いたテスト用のデータである。実行装置２１は、記憶装置２２に記憶された制御プログラム２２Ａを実行することにより、後述する各種の処理を実現する。情報処理装置２０の一例は、いわゆるパーソナルコンピュータである。
（【００１１】以降は省略されています）

関連特許