CN115034533A - 学习装置和方法、评价装置、系统和方法、记录介质 - Google Patents

Abstract

本发明提供学习装置、评价装置、评价系统、学习方法、评价方法和记录介质，学习装置包括：对应关系接收部，接收作为对象的对象工序的各产品与使用对象工序的各产品在下游工序中生产的各下游产品的质量评价的对应关系；学习处理部，使用关于对象工序的各产品的生产的至少一个生产参数、以及使用对象工序的各产品生产的各下游产品的质量评价，通过学习生成根据至少一个生产参数推测下游产品的质量评价的推测模型；计算部，计算基于推测模型的准确度或复杂度中的至少一个的模型评价；以及模型评价发送部，向评价装置发送计算部计算出的模型评价，该评价装置使用针对比下游工序靠上游的至少一个上游工序的每一个的模型评价来评价至少一个上游工序。

Description

学习装置和方法、评价装置、系统和方法、记录介质

技术领域

本发明涉及学习装置、评价装置、评价系统、学习方法、评价方法和记录介质。

背景技术

在专利文献1中记载了“确定使产品性能产生偏差的阻碍要因从而使产品性能稳定化的制造工艺的分析方法”。

现有技术文献

专利文献1：日本专利公开公报特开2016-177794号

发明内容

在本发明的第一方式中提供一种学习装置。学习装置可以包括对应关系接收部，接收作为对象的对象工序的各产品与使用对象工序的各产品在下游工序中生产的各下游产品的质量评价的对应关系。学习装置可以包括学习处理部，使用关于对象工序的各产品的生产的至少一个生产参数、以及使用对象工序的各产品生产的各下游产品的质量评价，通过学习生成根据至少一个生产参数推测下游产品的质量评价的推测模型。学习装置可以包括计算部，计算基于推测模型的准确度或复杂度中的至少一个的模型评价。学习装置可以包括模型评价发送部，向评价装置发送计算部计算出的模型评价，该评价装置使用针对比下游工序靠上游的至少一个上游工序的每一个的模型评价来评价至少一个上游工序。

学习装置可以包括改善请求接收部，该改善请求接收部接收评价装置发送的改善请求信息，所述评价装置基于针对至少一个上游工序的每一个的模型评价将对象工序判断为应进行改善并据此发送改善请求信息。

学习装置可以包括参数选择部，该参数选择部根据接收到改善请求信息，从对象工序中的至少一个生产参数中选择应调整的生产参数。

学习装置可以包括质量评价推测部，该质量评价推测部推测在调整了由参数选择部选择的生产参数的情况下使用对象工序的各产品在下游工序中生产的下游产品的质量评价。

在本发明的第二方式中提供一种评价装置。评价装置可以包括模型评价接收部，对于至少一个上游工序的每一个，从使用关于该上游工序的各上游产品的生产的至少一个生产参数以及使用该上游工序的各上游产品生产的各下游产品的质量评价并通过学习生成根据至少一个生产参数推测下游产品的质量评价的推测模型的学习装置，接收基于推测模型的准确度或复杂度中的至少一个的模型评价。评价装置可以包括工序评价部，基于针对至少一个上游工序的每一个的模型评价，评价至少一个上游工序。

工序评价部可以将至少一个上游工序中的给出了推测模型的准确度比基准值大或复杂度比基准值小的模型评价的上游工序判断为应进行改善。

评价装置可以包括输出被判断为应进行改善的上游工序的改善请求信息的信息输出部。

评价装置可以包括对应取得部，对至少一个上游工序的各工序，取得从上游侧的工序接受了供给的各产品与向下游侧供给的该工序的各产品的对应。评价装置可以包括对应关系生成部，使用对应取得部取得的各对应，生成至少一个上游工序的各产品与各下游产品的质量评价的对应关系。评价装置可以包括对应关系发送部，向学习装置发送对应关系。

评价装置可以包括开始确定部，该开始确定部基于至少一个下游产品的质量评价，确定是否开始由工序评价部进行的至少一个上游工序的评价。

在本发明的第三方式中提供一种评价系统。评价系统可以包括将至少一个上游工序的每一个作为对象工序的至少一个的学习装置。评价系统可以包括评价装置。

在本发明的第四方式中提供一种学习方法。学习方法可以包括学习装置接收作为对象的对象工序的各产品与使用对象工序的各产品在下游工序中生产的各下游产品的质量评价的对应关系。学习方法可以包括学习装置使用关于对象工序的各产品的生产的至少一个生产参数、以及使用对象工序的各产品生产的各下游产品的质量评价，通过学习生成根据至少一个生产参数推测下游产品的质量评价的推测模型。学习方法可以包括学习装置计算基于推测模型的准确度或复杂度中的至少一个的模型评价。学习方法可以包括学习装置向评价装置发送计算出的模型评价，该评价装置使用针对比下游工序靠上游的至少一个上游工序的每一个的模型评价来评价至少一个上游工序。

在本发明的第五方式中提供一种记录有由计算机执行的学习程序的记录介质。计算机可以通过执行学习程序发挥作为对应关系接收部的功能，该对应关系接收部接收作为对象的对象工序的各产品与使用对象工序的各产品在下游工序中生产的各下游产品的质量评价的对应关系。计算机可以通过执行学习程序发挥作为学习处理部的功能，该学习处理部使用关于对象工序的各产品的生产的至少一个生产参数、以及使用对象工序的各产品生产的各下游产品的质量评价，通过学习生成根据至少一个生产参数推测下游产品的质量评价的推测模型。计算机可以通过执行学习程序发挥作为计算部的功能，该计算部计算基于推测模型的准确度或复杂度中的至少一个的模型评价。计算机可以通过执行学习程序发挥作为模型评价发送部的功能，该模型评价发送部向评价装置发送计算部计算出的模型评价，该评价装置使用针对比下游工序靠上游的至少一个上游工序的每一个的模型评价来评价至少一个上游工序。

在本发明的第六方式中提供一种评价方法。评价方法可以包括评价装置对于至少一个上游工序的每一个，从使用关于该上游工序的各上游产品的生产的至少一个生产参数以及使用该上游工序的各上游产品生产的各下游产品的质量评价并通过学习生成根据至少一个生产参数推测下游产品的质量评价的推测模型的学习装置，接收基于推测模型的准确度或复杂度中的至少一个的模型评价。评价方法可以包括评价装置基于针对至少一个上游工序的每一个的模型评价，评价至少一个上游工序。

在本发明的第七方式中提供一种存储有由计算机执行的评价程序的记录介质。计算机可以通过执行评价程序发挥作为模型评价接收部的功能，该模型评价接收部对于至少一个上游工序的每一个，从使用关于该上游工序的各上游产品的生产的至少一个生产参数以及使用该上游工序的各上游产品生产的各下游产品的质量评价并通过学习生成根据至少一个生产参数推测下游产品的质量评价的推测模型的学习装置，接收基于推测模型的准确度或复杂度中的至少一个的模型评价。计算机可以通过执行评价程序发挥作为工序评价部的功能，该工序评价部基于针对至少一个上游工序的每一个的模型评价，评价至少一个上游工序。

另外，上述发明的概要没有列举出本发明的所有特征。此外，这些特征组的子组合也可以成为发明。

附图说明

图1将本实施方式的评价系统10与包括多个制造商20a～l的供应链一起表示。

图2表示本实施方式的学习装置100的构成。

图3表示存储于本实施方式的生产数据存储部215的生产数据的一例。

图4表示本实施方式的学习装置100的动作流程。

图5表示本实施方式的评价装置110的构成。

图6表示本实施方式的评价装置110的动作流程。

图7表示各工序的产品与最终产品的对应关系的一例。

图8表示可以整体或局部实现本发明的多种方式的计算机2200的例子。

附图标记说明

10评价系统，20a～l制造商，30设备，100d～l学习装置，105a～c产品评价装置，110评价装置，210生产管理部，215生产数据存储部，220对应发送部，225对应关系接收部，235学习处理部，240推测模型存储部，245计算部，250模型评价发送部，255改善请求接收部，260参数选择部，265质量评价推测部，500对应取得部，510对应关系生成部，520对应关系数据存储部，530对应关系发送部，550开始确定部，560模型评价接收部，570工序评价部，580信息输出部，2200计算机，2201DVD-ROM，2210主控制器，2212CPU，2214RAM，2216图形控制器，2218显示装置，2220输入/输出控制器，2222通信接口，2224硬盘驱动器，2226DVD-ROM驱动器，2230ROM，2240输入/输出芯片，2242键盘。

具体实施方式

下面，通过发明的实施方式对本发明进行说明，但是以下的实施方式并不限定权利要求书所涉及的发明。此外，在实施方式中说明的特征的组合的全部并不是发明的解决手段所必须的。

图1将本实施方式的评价系统10与包括多个制造商20a～l的供应链一起表示。例如，汽车、电器、工业设备、衣服和食品等具有实体的物品从生产到销售存在共同的流程、即供给的链条。将其称为供应链。在供应链中包括从原材料生产出产品的多个生产工序(也表示为“工序”)。作为一例，在本图所示的供应链中包括原料制造商20j～l、原材料制造商20g～i、部件制造商20d～f和产品制造商20a～c(统称为“制造商20”)。

原料制造商20j～l例如以原油或天然气等为起始原料来生产石油产品等原料，并且将其供给到原材料制造商20g～i。在本图的例子中，原料制造商20j将原料供给到原材料制造商20g，原料制造商20k将原料供给到原材料制造商20g～h，原料制造商20l将原料供给到原材料制造商20i。

原材料制造商20g～i以作为原料制造商20j～l的产品的石油产品等为原料来生产树脂材料等原材料，并且将其供给到部件制造商20d～f。在本图的例子中，原材料制造商20g将原材料供给到部件制造商20e～f，原材料制造商20h将原材料供给到部件制造商20d，原材料制造商20i将原材料供给到部件制造商20f。

部件制造商20d～f以作为原材料制造商20g～i的产品的树脂材料等为原材料来生产电子元件等部件，并且将其供给到产品制造商20a～c。在本图的例子中，部件制造商20d将部件供给到产品制造商20a，部件制造商20e将部件供给到产品制造商20a～b，部件制造商20f将部件供给到产品制造商20a和产品制造商20c。

产品制造商20a～c组装作为部件制造商20d～f的产品的电子元件等部件来生产成品。由此，在供应链中，从上游向下游，例如原料制造商20j～l、原材料制造商20g～i、部件制造商20d～f和产品制造商20a～c等多个制造商20成为参与者，实现了供给链条。

在此“生产工序(工序)”表示负责该生产工序的制造商20对从上游侧接受的产品进行加工而制造出制造商20的产品为止的作业整体。制造商20例如可以使用设置于工厂的生产线进行相当于“生产工序”的制造作业，也可以包括将这种生产线自身进一步细分化的多个作业工序。另外，在本实施方式中，一个“生产工序”表示一个制造商20负责的制造作业整体，但是“生产工序”可以仅对应于一个制造商20负责的制造作业的一部分，也可以包括两个以上的制造商20负责的一系列制造作业。

在这种供应链中，一般来说，下游的生产工序中的产品质量可能受到上游的生产工序中的产品质量的影响。即，例如产品制造商20b的产品即成品的质量可能受到作为供给源的部件制造商20e的产品即部件的质量的影响。同样，部件制造商20e的产品即部件的质量可能受到作为供给源的原材料制造商20g的产品即原材料的质量的影响。同样，原材料制造商20g的产品即原材料的质量可能受到作为供给源的原料制造商20j～k的产品即原料的质量的影响。在本实施方式中，可以将可能产生这种质量的连锁的供应链中的生产作为评价对象。

近年来，供应链复杂化，如本图例示的那样的部件制造商20e经常向处于竞争关系的产品制造商20a和产品制造商20b供给部件。因此，如果产品制造商20a为了提高成为最终产品的产品的质量、或者为了抑制最终产品的成本，例如将针对部件制造商20e的部件的质量提高或成本削减的详细技术信息提供给部件制造商20e，则这种技术信息有可能流向处于竞争关系的产品制造商20b，或者这种技术信息有可能有助于处于竞争关系的产品制造商20b的产品质量提高或成本削减。因此，作为产品制造商20a，希望能够尽可能地抑制提供给部件制造商20e的信息，并且能够提高部件制造商20e生产的部件的质量或削减成本。

同样的关系在供应链的更上游的部件制造商20d～f与原材料制造商20g～i之间以及原材料制造商20g～i与原料制造商20j～l之间也发生。其结果，上游的制造商20d～l根据来自供应链的下游侧的较少的信息，随意地进行基于想象或假设的工序改善，因此在供应链整体上产生大量的无用的工时，并且改善的进展迟缓。

因此，本实施方式的评价系统10提供用于抑制各制造商20应提供的信息并改善各制造商20中的工序的评价环境。评价系统10包括：与供应链中的最终工序(最下游工序)对应的一个或多个产品评价装置105a～c(也表示为“产品评价装置105”)、与供应链中的除了最终工序以外的各工序对应的一个或多个学习装置100d～l(也表示为“学习装置100”)、以及评价装置110。

多个产品评价装置105的每一个与制造最终产品(最下游产品)的最终工序对应设置。即，在本实施方式中，多个产品评价装置105的每一个设置于具有制造最终产品的最终工序的产品制造商20的每一个。

产品评价装置105对每个最终产品质量进行评价。并且，产品评价装置105向评价装置110供给来自直接的上游侧的各产品与使用它们生产的各最终产品的质量评价的对应。另外，本实施方式的评价系统10为了方便将得到产品的质量评价的工序视为“最终工序”，使用最终工序的产品的质量评价来评价比最终工序靠上游的各工序，“最终工序”表示供应链中的成为基于评价系统10的产品的质量评价和工序的评价对象的范围内的最下游的工序。因此，产品制造商20a～c的最终产品也可以不一定是交付给用户而用户能够使用的状态的成品，也可以在比进行基于评价系统10的评价的供应链的范围靠下游(即比制造商20a～c靠下游)中进一步作为其他产品的部件等来使用。

在上述意义上，得到产品的质量评价的工序不一定是供应链整体中的最终工序或最下游工序。因此，将成为基于评价系统10的产品的质量评价以及工序的评价对象的范围内的最下游的工序、即得到产品的质量评价的工序也简单地表示为“下游工序”，将“下游工序”的产品也表示为“下游产品”。此外，在成为基于评价系统10的产品的质量评价和工序的评价对象的范围内，将比“下游工序”靠上游侧的工序也表示为“上游工序”，将“上游工序”的产品也表示为“上游产品”。

在此，“上游”只要不表示为“直接的上游”等，则例如不限于相对于部件制造商20d的工序的原材料制造商20h的工序那样的直接上游，也包括如相对于部件制造商20d的工序的原料制造商20k的工序那样在中间隔着其他至少一个工序而位于上游的工序。“某个工序的下游”这样的表现也同样，只要不表示为“某个工序的直接的下游”等，则不限于直接下游，也包括隔着其他至少一个工序而位于下游。

学习装置100与成为基于评价系统10的工序评价的对象的至少一个上游工序的每一个对应设置。在本实施方式中，为了便于说明，评价系统10将多个制造商20d～l所具有的多个上游工序作为工序评价的对象。因此，在本实施方式中，多个学习装置100的每一个与比下游工序(最终工序)靠上游侧的各工序对应设置。即，在本实施方式中，多个学习装置100的每一个设置于具有比下游工序靠上游侧的上游工序的制造商20d～l的每一个。

此外，评价系统10也可以将一个或多个下游工序作为工序评价的对象。在这种情况下，产品评价装置105为了将下游工序也作为工序评价的对象，也可以具有下游工序用的学习装置100作为其一部分。

学习装置100对于作为处理对象的对象工序，向评价装置110供给从对象工序的直接的上游工序接受了供给的各产品与对象工序的各产品的对应。此外，学习装置100从评价装置110接受对象工序的各产品与各下游产品的质量评价的对应关系。学习装置100使用在对象工序的各产品的生产中使用的一个或多个生产参数、以及使用对象工序的各产品生产的各下游产品的质量评价，通过学习生成根据一个或多个生产参数推测下游产品的质量评价的推测模型。并且，学习装置100计算通过学习生成的推测模型的模型评价并向评价装置110发送。

评价装置110与多个产品评价装置105的每一个和多个学习装置100的每一个连接。评价装置110从各产品评价装置105接收下游工序的直接的上游侧的各产品与各下游产品的质量评价的对应。此外，评价装置110对于制造商20d～l中的各工序(除了最上游的工序以外的各工序)，从各学习装置100接收从上游侧的工序接受了供给的产品与对象工序的产品的对应。评价装置110使用这些对应，生成各上游工序的各产品与使用各上游工序的各产品生产的各下游产品的质量评价的对应关系。并且，评价装置110向与各工序对应的学习装置100发送该工序的各产品与各下游产品的质量评价的对应关系。

此外，评价装置110使用针对成为工序评价的对象的至少一个工序的每一个的模型评价，评价成为工序评价的对象的至少一个工序。并且，评价装置110根据判断为应改善某个工序，向与该工序对应的学习装置100发送改善请求信息。

以上，最终产品的质量有可能受到在从最上游到最下游的各工序中使用的各生产参数中的特定的生产参数的较大影响。在某个工序的某个生产参数对下游产品的质量产生较大影响的情况下，与该工序对应的学习装置100能够生成根据该工序的生产参数推测下游产品的质量评价的良好的推测模型。相对于此，在某个工序的任何生产参数都几乎不对下游产品的质量产生影响的情况下，与该工序对应的学习装置100即使生成根据该工序的生产参数推测下游产品的质量评价的推测模型，也不会成为根据该工序的生产参数说明下游产品的质量的良好的推测模型。

评价系统10利用该性质，与各工序对应的学习装置100针对各工序生成根据至少一个生产参数推测下游产品的质量评价的推测模型，评价装置110请求改善与能够生成良好的推测模型的学习装置100对应的工序。由此，评价系统10能够请求改善使用对下游产品的质量产生较大影响的生产参数的工序。

根据以上所示的评价系统10，各学习装置100向评价装置110发送对于成为对象的对象工序从上游侧接受了供给的各产品与对象工序的各产品的对应、以及生成的推测模型的模型评价，但是不需要向评价装置110发送在对象工序中使用的生产参数。评价装置110能够不接收在各学习装置100中使用的生产参数，而使用从各学习装置100接收到的模型评价来评价各工序。因此，评价系统10能够提供如下环境：各制造商20不公开生产参数，就能够实现对最终产品的质量产生影响的对象工序的改善。

图2表示本实施方式的学习装置100的构成。学习装置100可以是设置于对应的制造商20的PC(个人计算机)、工作站、服务器计算机或通用计算机等计算机、平板型计算机或智能手机等那样的可携带的计算机，也可以是连接有多个计算机的计算机系统。这种计算机系统也是广义的计算机。学习装置100可以通过在这种计算机上执行学习程序来实现。此外，学习装置100也可以通过在计算机内由一个或多个能够执行的虚拟计算机环境来实现。代替于此，学习装置100可以是设计为用于执行与对象工序相关的各种处理的专用计算机，也可以是由专用电路实现的专用硬件。

此外，学习装置100也可以通过云计算系统来实现。在这种情况下，学习装置100可以不向负责其他工序的其他制造商20公开在对象工序中使用的一个或多个生产参数。

学习装置100包括：生产管理部210、生产数据存储部215、对应发送部220、对应关系接收部225、学习处理部235、推测模型存储部240、计算部245、模型评价发送部250、改善请求接收部255、参数选择部260和质量评价推测部265。

生产管理部210与负责成为学习装置100的对象的对象工序中的生产的设备30连接，对设备30的产品的生产进行管理。设备30设置于例如化学等工业工厂、对气田或油田等井口及其周边进行管理控制的工厂、或工业产品等的制造工厂等。例如，设备30可以包括分布控制系统(DCS：Distributed Control System)等控制装置、以及接受这种控制装置的控制来进行产品生产的一个或多个处理装置，生产管理部210可以与这种控制装置连接。

生产管理部210从设备30取得从对象工序的上游侧接受了供给的成为对象工序的材料或部件等的各产品与向下游侧供给的该对象工序的各产品的对应，并且存储于生产数据存储部215。在此，下游工序的学习装置100可以从设备30取得从对象工序的上游侧接受了供给的成为对象工序的材料或部件等的各产品与使用各产品生产的下游产品的质量评价的对应，并且存储于生产数据存储部215。另外，生产管理部210也可以通过接受来自管理对象工序等的作业者等的输入来取得这些对应，以代替从设备30取得这些对应。

此外，生产管理部210从设备30取得关于该对象工序的各产品的生产的一个或多个生产参数。在此“产品”可以是一个部件或产品那样的单个产品，也可以是预先确定的数量(例如1立方米)或预先确定的个数(例如1批次)那样的特定的管理单位的产品。在本实施方式中，为了便于说明，“产品”表示1批次的产品。

生产数据存储部215与生产管理部210连接。生产数据存储部215存储生产管理部210取得的对应和一个或多个生产参数。

对应发送部220与生产数据存储部215连接。对应发送部220向评价装置110发送存储于生产数据存储部215的关于学习装置100的对象工序的对应。

对应关系接收部225从评价装置110接收对象工序的各产品与使用对象工序的各产品在下游工序中生产的各下游产品的质量评价的对应关系。另外，在最终工序中也设置有学习装置100的情况下，最终工序的学习装置100也可以不具有对应关系接收部225，可以从生产数据存储部215取得存储于生产数据存储部215的成为对象工序的材料或部件等的各产品与各下游产品的质量评价的对应关系。

学习处理部235与生产数据存储部215和对应关系接收部225连接。学习处理部235使用对象工序的各产品与各下游产品的质量评价的对应关系，将存储于生产数据存储部215的关于对象工序的各产品的生产的一个或多个生产参数与各下游产品的质量评价相对应。并且，学习处理部235使用关于对象工序的各产品的生产的一个或多个生产参数、以及使用对象工序的各产品生产的各下游产品的质量评价，通过学习生成根据一个或多个生产参数推测下游产品的质量评价的推测模型。

推测模型存储部240与学习处理部235连接。推测模型存储部240存储由学习处理部235生成的推测模型。

计算部245与推测模型存储部240连接。计算部245计算由学习处理部235生成并存储于推测模型存储部240的推测模型的模型评价。模型评价发送部250与计算部245连接。模型评价发送部250向评价装置110发送计算部245计算出的模型评价。评价装置110接受该模型评价，使用针对比提供产品的质量评价的下游工序靠上游的至少一个上游工序的每一个的模型评价来评价至少一个上游工序。评价装置110根据基于针对至少一个上游工序的每一个的模型评价而判断为应改善对象工序，向与该对象工序对应的学习装置100发送改善请求信息。另外，在至少一个下游工序也是工序评价的对象的情况下，评价装置110也可以使用针对包括作为工序评价的对象的至少一个上游工序以及至少一个下游工序的各工序的模型评价来评价各上游工序，并且向与成为改善对象的工序对应的学习装置100发送改善请求信息。

在评价装置110发送了对对象工序的改善请求信息的情况下，改善请求接收部255接收该改善请求信息。参数选择部260与推测模型存储部240和改善请求接收部255连接。参数选择部260根据接收到发送给该学习装置100的改善请求信息，从对象工序中的一个或多个生产参数中选择应调整的生产参数。

质量评价推测部265与推测模型存储部240和参数选择部260连接。质量评价推测部265推测在调整了由参数选择部260选择的生产参数的情况下使用对象工序的各产品在下游工序中生产的下游产品的质量评价。

图3表示存储于本实施方式的生产数据存储部215的生产数据的一例。生产数据包含对象工序的各产品与在对象工序的产品的生产中使用的最接近的上游工序的产品的对应、以及关于对象工序的产品的生产的一个或多个生产参数。

在本实施方式中，生产数据针对多个条目的每一个存储：识别对象工序的产品(批次)的产品批次识别信息(产品批次ID)；识别供给到对象工序的最接近的上游工序的一个或多个产品的每一个的供给源批次识别信息(供给源批次ID)和供给源识别信息(供给源ID)；以及在对象工序的产品的生产中使用的一个或多个生产参数。

本图的例子表示存储在设置于制造商20d的学习装置100d的生产数据存储部215中的生产数据。在本图的例子中，使用从供给源ID为“G”的直接上游的制造商20(例如制造商20g)供给的产品批次ID为“G0000001”的上游产品、从供给源ID为“H”的直接上游的制造商20(例如制造商20h)供给的产品批次ID为“H0000001”的上游产品、以及从供给源ID为“I”的直接上游的制造商20(例如制造商20i)供给的产品批次ID为“I0000001”的上游产品，通过基于存储于“生产参数”栏的生产参数的生产工序，生产对象工序中的产品批次ID为“D0000001”的产品。即，产品批次ID为“D0000001”的产品是使用由“G0000001”识别的来自制造商20g的原材料、由“H0000001”识别的来自制造商20h的原材料、以及由“I0000001”识别的来自制造商20i的原材料而生产的部件。

对象工序中的两个以上的产品可以使用上游工序中的相同产品(例如相同批次的产品)来生产，对象工序中的一个产品(例如一个批次的产品)可以使用上游工序中的不同产品来生产。在本图的例子中，在由“D0000001”表示的产品(批次)中，一部分使用由“G0000001”、“H0000001”和“I0000001”表示的上游产品(批次)的组来生产，剩余的部分使用由“G0000001”、“H0000001”和“I0000002”表示的上游产品(批次)的组来生产。

图4表示本实施方式的学习装置100的动作流程。在步骤S400(S400)中，生产管理部210根据学习装置100作为对象的对象工序中的各产品的生产，将生产数据记录于生产数据存储部215，该生产数据包含关于对象工序的各产品的生产的至少一个生产参数、以及从对象工序的上游侧接受了供给的成为对象工序的材料或部件等的各上游产品与对象工序的各产品的对应。在此，下游工序的学习装置100也可以将成为对象工序的材料或部件等的各上游产品与对象工序的各产品的质量评价的对应，记录于生产数据存储部215。

在S410中，对应发送部220向评价装置110发送存储于生产数据存储部215的关于学习装置100的对象工序的对应。在S420中，对应关系接收部225从评价装置110接收对象工序的各产品与下游工序中的各下游产品的质量评价的对应关系。

在S440中，学习处理部235使用关于对象工序的各产品的生产的至少一个生产参数、以及使用对象工序的各产品生产的各下游产品的质量评价，通过学习生成根据至少一个生产参数推测下游产品的质量评价的推测模型。在此，生产参数的至少一部分可以是原材料的分配、反应温度、反应时间和压力等在对象工序中使用的处理装置等设备30中能够设定的任意的控制参数，例如可以是由设置于工厂的压力计、流量计、温度传感器等传感器设备计测的计测数据。此外，生产参数不仅限于控制参数，也可以是与作为被称为“4M”的生产四要素的“原材料(Material)”、“设备(Machine)”、“方法(Method)”和“人(Man)”相关的任意参数。

学习处理部235可以将从对象工序直接得到的参数用作生产参数，也可以对从对象工序直接得到的参数进行加工而用作生产参数。例如，学习处理部235也可以将参数的一般的特征量(例如表示参数的变化的趋势的平均或方差等特征量)、对象工序所特有的特征量(例如工序开始时的参数变化或参数的波动)、或者负责对象工序的制造商20定义的影响对象工序的产品的质量的因素等用作生产参数。

下游产品的质量评价例如可以是以0～100分的分数的方式数值化的评价值。此外，下游产品的质量评价也可以是A、B或C那样的等级信息。

学习完成的推测模型在输入用于产品的生产的一个或多个生产参数时，输出使用这种生产参数生产的下游产品的质量评价的推测值。推测模型作为一例使用包括神经网络、支持向量机(SVM)、随机森林、梯度提升或逻辑回归等的各种机器学习算法，并且以对被提供的输入预测适当的输出的方式进行学习。

学习处理部235将学习用输入数据以及学习用标签的组合用作学习数据，所述学习用输入数据包含关于对象工序的各产品的生产的至少一个生产参数，所述学习用标签包含使用对象工序的各产品生产的各下游产品的质量评价。学习处理部235更新推测模型的学习对象参数，以降低质量评价的推测值与学习用标签之间的误差，该质量评价的推测值是将学习数据中的各样本中的学习用输入数据输入到推测模型时的推测模型的输出。例如在使用神经网络作为推测模型的情况下，学习处理部235使用根据输入了各样本而由神经网络输出的输出值与标签之间的误差，通过反向传播等方法来调整神经网络的各神经元之间的权重和各神经元的偏置等。

在此，下游产品的质量有可能受到在从最上游到最下游的各工序中使用的生产参数的影响。但是，学习处理部235生成推测模型，该推测模型不参照构成供应链的多个工序中的与对象工序以外相关的生产参数，而仅根据与对象工序相关的至少一个生产参数来推测下游产品的质量评价。

学习处理部235可以使用模拟建模(mimic modeling)等方法将以上述方式生成的推测模型变换为另一个推测模型，在以后的步骤中使用变换后的推测模型。模拟建模是使用更简单的机器学习将某个机器学习模型变换为更简单的机器学习模型的方法，在输入数据(本实施方式中的多个生产参数)复杂的情况下(在数量多时相互具有依赖关系的情况下)是有效的。

在S450中，计算部245计算由学习处理部235生成的推测模型的模型评价。计算部245计算的模型评价可以基于推测模型的准确度或复杂度中的至少一个。

在模型评价中使用推测模型的准确度的情况下，计算部245计算表示推测模型的准确度的指标，该指标表示推测模型相对于学习数据的正确回答率或输出误差等，推测模型能够以何种程度准确地推测质量评价或能够以何种程度的误差推测质量评价。计算部245可以将推测模型的准确度自身作为模型评价，也可以将推测模型的准确度作为模型评价的一个要素。

计算部245也可以通过交叉检测来计算推测模型的准确度。即，也可以是学习处理部235通过使用学习数据的一部分进行学习处理来生成推测模型，计算部245使用学习数据的另一部分来评价推测模型的准确度。另外，在本实施方式中，推测模型的准确度是值越大则推测模型的正确回答率越高或输出误差越小的值。代替于此，推测模型的准确度也可以是值越小则推测模型的正确回答率越高或输出误差越小的值。

计算部245也可以在模型评价中使用推测模型的复杂度。本申请的发明人发现了能够以比较简单的关系对各生产参数与最终产品的质量之间进行说明的经验法则。可知这是因为，如果某个生产参数对最终产品的质量产生影响，则下游产品的质量不依赖于与该生产参数独立的其他生产参数的值，而根据该生产参数来变化，推测模型被设想为能够简化为仅根据所有生产参数中的对下游产品的质量产生影响的生产参数来推测下游产品的质量的模型。

因此，计算部245也能够使用推测模型的复杂度来计算模型评价。计算部245可以使用拉德马赫复杂度、VC维或泛化误差极限等表示使用何种程度复杂的公式时能够说明输入和输出的关系的指标作为推测模型的复杂度。计算部245可以将推测模型的复杂度自身作为模型评价，也可以将推测模型的复杂度作为模型评价的一个要素。另外，在本实施方式中，推测模型的复杂度是值越大则推测模型越复杂且模型评价越低。代替于此，推测模型的复杂度也可以是值越小则推测模型越复杂。

在本实施方式中，计算部245在由于推测模型的正确回答率高等而推测模型的准确度高的情况、或推测模型的复杂度低而推测模型简单的情况中的至少一种情况下，提高模型评价，并且在由于推测模型的正确回答率低等而推测模型的准确度低的情况、或推测模型的复杂度高而推测模型复杂的情况中的至少一种情况下，降低模型评价的值。代替于此，计算部245也可以在推测模型的准确度高的情况下或推测模型简单的情况下生成较小值的模型评价。

以上述方式生成的模型评价是表示学习的推测模型自身的评价的指标，但是也能够用作表示对象工序的生产参数对最终产品的质量产生何种程度影响的指标。在S450中，模型评价发送部250向评价装置110发送计算部245计算出的这种模型评价。

在S460中，改善请求接收部255判定是否从评价装置110接收到改善请求信息。在未接收到改善请求信息的情况下，学习装置100使处理前进至S400，添加新生产的产品，进行S400至S450的处理。在接收到改善请求信息的情况下，学习装置100使处理前进至S470。

在S470中，参数选择部260从对象工序中的一个或多个生产参数中选择根据改善请求应调整的至少一个生产参数。在此，在能够从在S440中生成的推测模型中直接提取在一个或多个生产参数中成为质量变化的要因的要因参数的情况下，参数选择部260可以从推测模型中直接提取要因参数。例如在推测模型使用稀疏学习并在输入和输出的关系明确的情况下，在推测模型使用神经网络并在能够根据分配给从各输入层到各输出层的传播路径的权重按照对质量产生影响的顺序排列多个生产参数的情况下等，参数选择部260能够从推测模型直接提取要因参数。

在不能直接提取要因参数的情况下，参数选择部260使用推测模型来产生在映射多个生产参数的空间内大范围分布的伪数据。在此，参数选择部260也可以通过使用生成对抗网络(GAN：Generative Adversarial Network)来产生包含多个生产参数和质量评价的伪数据。接着，参数选择部260使用所生成的伪数据，通过学习生成能够进行稀疏学习等要因推定的机器学习模型，从多个生产参数中提取对质量产生影响的要因参数。

参数选择部260可以提取对质量的影响的大小超过预先确定的阈值的生产参数作为要因参数。代替于此，参数选择部260也可以从对质量的影响大小大的生产参数开始依次提取预先确定的个数的生产参数作为要因参数。

在S480中，在调整了作为要因参数而选择的生产参数的情况下，质量评价推测部265推测使用对象工序的各产品在下游工序中生产的下游产品的质量评价如何变化。质量评价推测部265可以生成一个或多个要因参数的散布图(一维或多维)，在散布图中表示下游产品的合格与否或下游产品的等级的边界。

此外，质量评价推测部265也可以为了提高下游产品的质量而确定使要因参数位移多少。例如，质量评价推测部265可以判定如何变更要因参数，能够使使用该要因参数生产的下游产品的质量评价超过散布图中的等级的边界而进一步提高等级。此外，质量评价推测部265也可以使用存储于推测模型存储部240的推测模型，推测使要因参数变化时的下游产品的质量评价。

质量评价推测部265可以生成上述散布图或包含用于提高质量的要因参数的位移量中的至少一个的报告书，并且提供给学习装置100的用户。由此，学习装置100能够输入来自参照了报告书的用户的指示，将向设备30供给的要因参数的值变更位移量。此外，质量评价推测部265也可以经由生产管理部210进行将设备30使用的要因参数的值变更上述位移量的处理。

另外，在S460中，在特定的下游产品成为改善请求的对象的情况下，改善请求接收部255也可以接收改善请求信息，该改善请求信息包含用于该特定的下游产品的对象工序的产品以及该下游产品的质量评价。在这种情况下，在S480中，参数选择部260也可以为了提高该特定的下游产品的质量而确定使要因参数位移多少。

根据以上所示的学习装置100，通过向评价装置110发送对于对象工序从上游侧接受了供给的各产品与对象工序的各产品的对应，各学习装置100能够接受对象工序的产品与下游产品的质量评价的对应关系。并且，各学习装置100能够独立于与其他工序对应的学习装置100而计算作为表示对象工序的生产参数对下游产品的质量产生何种程度影响的指标的模型评价。因此，各学习装置100能够实现不需要对其他学习装置100或评价装置110公开生产参数就能够评价工序的系统环境。

图5是表示本实施方式的评价装置110的构成。评价装置110可以是PC(个人计算机)、工作站、服务器计算机或通用计算机等计算机、平板型计算机或智能手机等那样的可携带的计算机，也可以是连接有多个计算机的计算机系统。这种计算机系统也是广义的计算机。评价装置110可以通过在这种计算机上执行评价程序来实现。此外，评价装置110可以通过在计算机内能够执行的一个或多个虚拟计算机环境来实现，也可以通过云计算系统来实现。代替于此，评价装置110可以是设计为用于评价各学习装置100的对象工序的专用计算机，也可以是由专用电路实现的专用硬件。

评价装置110包括：对应取得部500、对应关系生成部510、对应关系数据存储部520、对应关系发送部530、开始确定部550、模型评价接收部560、工序评价部570和信息输出部580。对应取得部500对于包含于供应链的一个或多个上游工序，从一个或多个学习装置100接收从直接的上游侧的工序接受了供给的各产品与向直接的下游侧供给的该工序的各产品的对应。此外，对应取得部500对于一个或多个下游工序，从一个或多个产品评价装置105接收从直接的上游侧的工序接受了供给的各产品与各下游产品的质量评价的对应。

对应关系生成部510与对应取得部500连接。对应关系生成部510使用对应取得部500取得的各对应，生成一个或多个上游工序的各产品与下游工序的各产品的质量评价的对应关系。对应关系数据存储部520与对应关系生成部510连接。对应关系数据存储部520存储由对应关系生成部510生成的对应关系的数据即对应关系数据。对应关系发送部530与对应关系数据存储部520连接。对应关系发送部530将由对应关系生成部510生成的对应关系中的关于各上游工序的产品的对应关系发送给与各上游工序对应的学习装置100。

开始确定部550与对应关系数据存储部520连接。开始确定部550从对应关系数据存储部520接受至少一个下游产品的质量评价，基于至少一个下游产品的质量评价，确定是否开始由工序评价部570进行的至少一个上游工序的评价。

模型评价接收部560对于至少一个上游工序的每一个，从学习装置100接收推测模型的模型评价，该学习装置100通过学习生成了根据该工序中的至少一个生产参数推测下游产品的质量评价的推测模型。在此，在下游工序的每一个中也设置有学习装置100的情况下，模型评价接收部560也可以从下游工序的学习装置100接收推测模型的模型评价。

工序评价部570与开始确定部550和模型评价接收部560连接。工序评价部570根据从开始确定部550接收到使至少一个上游工序的评价开始的指示，基于针对至少一个上游工序的每一个的模型评价，评价至少一个上游工序。在此，在也从最下游工序的学习装置100接收推测模型的模型评价的情况下，工序评价部570除了基于针对至少一个上游工序的每一个的模型评价以外，可以还基于针对下游工序的模型评价，评价至少一个上游工序和下游工序。

信息输出部580与工序评价部570连接。在具有被判断为应改善的上游工序或下游工序的情况下，信息输出部580将被判断为应改善的工序的改善请求信息发送给与被判断为应改善的工序对应的学习装置100。

图6表示本实施方式的评价装置110的动作流程。在S600中，对应取得部500从一个或多个学习装置100接收各对象工序中的从上游侧的工序接受了供给的各产品与向下游侧供给的该工序的各产品的对应。在此，对应取得部500从与下游工序对应的学习装置100接收下游工序中的从上游侧的工序接受了供给的各产品与各下游产品的质量评价的对应。

在S610中，对应关系生成部510使用对应取得部500取得的各对应，生成一个或多个上游工序的各产品与下游工序的各产品的质量评价的对应关系。在后面与图7相关联地说明对应关系生成部510的对应关系的生成方法。

在S620中，对应关系发送部530向与各上游工序对应的学习装置100发送由对应关系生成部510生成的对应关系。在此，对应关系发送部530也可以对与各上游工序对应的学习装置100，提取全部对应关系中的与使用该上游工序的产品生产的下游产品相关的对应关系并发送。

在S640中，开始确定部550确定是否开始工序评价。在本实施方式中，开始确定部550基于由对应取得部500取得并存储于对应关系数据存储部520的至少一个下游产品的质量评价，确定是否开始工序评价。开始确定部550可以针对每个制造商20a～c的下游工序，根据在最接近的时刻生产的下游产品的质量评价、在最接近的预先确定的期间(1小时等)生产的两个以上的下游产品的质量评价的平均值、最近生产的预先确定的数量的下游产品的质量评价的平均值、或与其他下游产品的质量评价对应的指标值小于阈值，开始与该下游工序相关联的工序评价。

此外，开始确定部550也可以根据最近生产的下游产品的不良率超过阈值而开始工序评价。另外，代替评价装置110，产品评价装置105也可以确定是否开始工序评价，产品评价装置105也可以接受开始工序评价的指示输入。

在不开始工序评价的情况下，评价装置110可以使处理前进至S600，继续进行新的对应的取得(S600)等信息收集。另外，评价装置110也可以在确定工序评价的开始之后(即在S640中为“是”的情况下)进行S600～S620的处理。

在开始工序评价的情况下，模型评价接收部560对于成为工序评价的对象的至少一个上游工序和下游工序的每一个，从学习装置100接收推测模型的模型评价，该学习装置100通过学习生成了根据该工序中的至少一个生产参数推测下游产品的质量评价的推测模型。在S660中，工序评价部570基于针对成为工序评价的对象的各工序的模型评价，评价成为工序评价的对象的各工序。

在此，工序评价部570将成为工序评价的对象的至少一个上游工序和下游工序中的模型评价比基准值大的工序判断为应进行改善。由此，工序评价部570能够将生产参数对最终产品的质量产生较大影响的工序判断为应改善的工序。作为是否应改善工序的判断基准的基准值，例如可以是在“模型评价>1.0”时需要改善的这种绝对的值，例如也可以是在“某个工序的模型评价>第六大的模型评价”时(即模型评价为到前第五个为止时)需要改善的这种相对的值。

在使用基于推测模型的准确度的模型评价的情况下，工序评价部570可以将给出了推测模型的准确度比基准值大的模型评价的上游工序或下游工序判断为应进行改善。此外，在使用基于推测模型的复杂度的模型评价的情况下，工序评价部570可以将给出了推测模型的复杂度比基准值小的模型评价的上游工序或下游工序判断为应进行改善。

在S670中，在没有应改善的工序的情况下(图中“否”)，评价装置110使处理前进至S600，继续进行新的对应的取得(S600)等信息收集。在S670中，在具有应改善的工序的情况下(图中“是”)，在S680中，信息输出部580将判断为应改善的上游工序或下游工序中的至少一个的改善请求信息向设置于应改善的工序的学习装置100输出。在此，在特定的下游产品成为改善请求的对象的情况下，信息输出部580也可以发送改善请求信息，该改善请求信息包含在该特定的下游产品中使用的对象工序的产品以及该下游产品的质量评价。并且，评价装置110使处理前进至S600。

根据以上所示的评价装置110，能够从各学习装置100接收对于各工序从上游侧接受了供给的各产品与该工序的各产品的对应，生成包括直到下游工序为止经过一个或多个其他工序的上游工序的各工序的产品与下游产品的质量评价的对应关系。由此，即使不是相对于下游工序的直接上游的工序，评价装置110也能够确定各工序的各产品最终在受到何种质量评价的下游产品的生产中被使用。此外，评价装置110能够使用从各学习装置100接收到的模型评价来确定应改善的工序，而无需取得各工序的生产参数。

图7表示各工序的产品与最终产品的对应关系的一例。在本图的例子中，原料制造商20j生产产品J0000001。与此对应，学习装置100j将生产数据存储于生产数据存储部215，该生产数据将图3中的“产品批次ID”栏作为“J0000001”、将“供给源批次ID”栏和“供给源ID”栏作为空栏、将“生产参数”栏作为在产品J0000001的生产中使用的生产参数的值。同样，原料制造商20k生产产品K0000001，原料制造商20l生产产品L0000001。

原材料制造商20g将产品J0000001、K0000001和L0000001用作原料来生产产品G0000001。与此对应，学习装置100g将生产数据存储于生产数据存储部215，该生产数据将图3中的“产品批次ID”栏作为“G0000001”、将“供给源批次ID”栏作为“J0000001、K0000001、L0000001”、将“供给源ID”栏作为“J、K、L”、将“生产参数”栏作为在产品G0000001的生产中使用的生产参数的值。原材料制造商20h和原材料制造商20i也分别使用必要的原料来生产产品H0000001和产品I0000001。

部件制造商20d将产品G0000001、H0000001和L0000001用作原材料来生产产品D0000001。与此对应，学习装置100d将生产数据存储于生产数据存储部215，该生产数据将图3中的“产品批次ID”栏作为“D0000001”、将“供给源批次ID”栏作为“G0000001、H0000001、I0000001”、将“供给源ID”栏作为“G、H、I”、将“生产参数”栏作为在产品D0000001的生产中使用的生产参数的值。部件制造商20e和部件制造商20f也分别使用必要的原料来生产产品E0000001和产品F0000001。

产品制造商20a将产品D0000001、E0000001和F0000001用作部件来生产产品A0000001。与此对应，产品评价装置105a存储生产数据，该生产数据将图3中的“产品批次ID”栏作为“A0000001”、将“供给源批次ID”栏作为“D0000001、E0000001、F0000001”、将“供给源ID”栏作为“D、E、F”、将“生产参数”栏作为在产品A0000001的生产中使用的生产参数的值。

在本图的例子中，学习装置100g向评价装置110发送来自上游侧的产品J0000001、K0000001和L0000001与向下游侧供给的产品G0000001的对应。学习装置100d向评价装置110发送来自上游侧的产品G0000001、H0000001和I0000001与向下游侧供给的产品D0000001的对应。产品评价装置105a向评价装置110发送来自上游侧的产品D0000001、E0000001和F0000001与产品A0000001的质量评价的对应。

从学习装置100d～f和产品评价装置105a接受各工序中的产品的对应，评价装置110的对应关系生成部510生成各工序的产品与下游工序的产品的质量评价的对应关系。在本图的例子中，从学习装置100a接收到的对应，表示了在产品A0000001的生产中使用了产品D0000001，因此对应关系生成部510判断为产品D0000001与产品A0000001的质量评价相对应。

此外，从学习装置100a接收到的对应，表示了在产品A0000001的生产中使用了产品D0000001，并且从学习装置100d接收到的对应，表示了在产品D0000001的生产中使用了产品G0000001，因此对应关系生成部510判断为产品G0000001与产品A0000001的质量评价相对应。

由此，对应关系生成部510对于在最终产品A0000001的生产中使用的产品D0000001等，进一步确定在该产品D0000001的生产中使用的更上游的产品G0000001等，通过进一步向上游追溯，能够生成各上游工序中的产品D0000001～L0000001是用于最终产品A0000001的生产的产品这样的对应关系。

对应关系生成部510也可以生成图7所示的图形结构，该图形结构将各工序中的产品彼此的对应所包含的各产品作为节点、将产品之间的对应作为边。并且，在存在从与某个上游工序的产品X对应的节点沿着一个或多个边到达与最终产品Y对应的节点的路径的情况下，对应关系生成部510能够生成产品X用于最终产品Y的生产的对应关系。

评价装置110除了以上所示的功能以外还可以包括：伴随接受了改善请求信息的学习装置100改善了至少一个要因参数，检测下游产品的质量评价有无增加或质量评价的增加量的功能。例如，评价装置110可以使用下游产品的质量评价的平均或成品率等来检测质量评价有无增加等。此外，评价装置110也可以根据下游产品的质量评价比改善前增加、或质量评价的增加量超过了阈值，例如通过赋予点数或加密资产等，对负责进行了要因参数改善的工序的制造商20所使用的计算机的账户等发行针对伴随要因参数改善的下游产品的质量提高的激励。

此外，以上所示的评价系统10不仅能够用于最终产品的质量改善，还能够用于最终产品的生产成本削减。在用于最终产品的生产成本削减的情况下，评价装置110的工序评价部570可以将模型评价比基准值小的工序判断为应改善。由此，工序评价部570可以将生产参数对最终产品的质量不会产生较大影响的工序判断为即使为了降低生产成本而变更也没有问题的工序。

与此对应，学习装置100的参数选择部260根据改善请求从对象工序中的一个或多个生产参数中选择为了降低生产成本而可以变更的至少一个生产参数。参数选择部260与图4的S470所示的动作相反，在一个或多个生产参数中，选择对质量的影响小于预先确定的阈值的生产参数作为可变更的生产参数。在调整了选择为可变更的生产参数的情况下，质量评价推测部265推测使用对象工序的各产品在下游工序中生产的下游产品的质量评价如何变化、以及能够将对象工序的产品的生产成本削减为何种程度。质量评价推测部265可以变更选择为可变更的生产参数，以将下游产品的质量评价的降低量抑制为小于阈值，并且使生产成本的削减效果超过阈值。

本发明的各种实施方式可以参照流程图和框图进行记载，在此模块可以表示(1)执行操作的过程的阶段或(2)具有执行操作的作用的装置的部分。特定的阶段和部分可以通过专用电路、与存储在计算机可读介质上的计算机可读指令一起供给的可编程电路和/或与存储在计算机可读介质上的计算机可读指令一起供给的处理器来实现。专用电路可以包括数字和/或模拟硬件电路，也可以包括集成电路(IC)和/或分立电路。可编程电路可以包括可重构硬件电路，该可重构硬件电路包括逻辑AND、逻辑OR、逻辑XOR、逻辑NAND、逻辑NOR和其他逻辑操作、触发器、寄存器、现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)等存储器元件等。

计算机可读介质可以包括能够存储由适当的设备执行的指令的任意的有形设备，其结果，具有存储在其中的指令的计算机可读介质包括包含为了制作用于执行由流程图或框图指定的操作的手段而能够执行的指令的产品。作为计算机可读介质的例子可以包括：电子存储介质、磁存储介质、光存储介质、电磁存储介质、半导体存储介质等。作为计算机可读介质的更具体的例子可以包括：软(注册商标)盘、磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存器)、电可擦除可编程只读存储器(EEPROM)、静态随机存取存储器(SRAM)、光盘只读存储器(CD-ROM)、数字多用途盘(DVD)、蓝光(注册商标)碟、存储棒、集成电路卡等。

计算机可读指令包括由包括汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微码、固件指令、状态设定数据、或Smalltalk(注册商标)、JAVA(注册商标)、C++等面向对象编程语言、和“C”编程语言或同样的编程语言那样的现有的过程型编程语言的一个或多个编程语言的任意组合描述的源代码和目标代码中的任意一个。

计算机可读指令可以经由本地或局域网(LAN)、互联网等广域网(WAN)提供给通用计算机、特殊目的的计算机或其他计算机等可编程的数据处理装置的处理器或可编程电路，并且为了制作用于执行由流程图或框图指定的操作的手段而执行计算机可读指令。作为处理器的例子包括：计算机处理器、处理单元、微处理器、数字信号处理器、控制器、微控制器等。

图8表示可以整体或局部实现本发明的多种方式的计算机2200的例子。通过安装于计算机2200的程序，计算机2200能够发挥作为与本发明的实施方式的装置相关联的操作或该装置的一个或多个部分的功能、或者执行该操作或该一个或多个部分、和/或计算机2200能够执行本发明的实施方式的过程或该过程的阶段。为了使计算机2200执行与本说明书记载的流程图和框图的模块中的几个或全部相关联的特定的操作，可以由CPU2212执行这种程序。

本实施方式的计算机2200包括CPU2212、RAM2214、图形控制器2216和显示装置2218，它们通过主控制器2210相互连接。计算机2200还包括通信接口2222、硬盘驱动器2224、DVD-ROM驱动器2226和IC卡驱动器那样的输入/输出单元，它们经由输入/输出控制器2220与主控制器2210连接。计算机还包括ROM2230和键盘2242那样的传统的输入/输出单元，它们经由输入/输出芯片2240与输入/输出控制器2220连接。

CPU2212按照存储在ROM2230和RAM2214内的程序而动作，由此控制各单元。图形控制器2216获取在RAM2214内提供的帧缓存器等或其自身中的由CPU2212生成的图像数据，并且在显示装置2218上显示图像数据。

通信接口2222能够经由网络与其他电子设备进行通信。硬盘驱动器2224存储由计算机2200内的CPU2212使用的程序和数据。DVD-ROM驱动器2226从DVD-ROM2201读取程序或数据，经由RAM2214向硬盘驱动器2224提供程序或数据。IC卡驱动器从IC卡读取程序和数据和/或将程序和数据写入IC卡。

ROM2230在其中存储激活时由计算机2200执行的引导程序等和/或依赖于计算机2200的硬件的程序。输入/输出芯片2240也可以经由并行端口、串行端口、键盘端口、鼠标端口等使各种输入/输出单元与输入/输出控制器2220连接。

由DVD-ROM2201或IC卡那样的计算机可读介质提供程序。程序从计算机可读介质读取，并且安装于也作为计算机可读介质的例子的硬盘驱动器2224、RAM2214或ROM2230，并由CPU2212执行。在这些程序内描述的信息处理被读取到计算机2200，从而带来程序与上述各种类型的硬件资源之间的协作。装置或方法可以通过伴随计算机2200的使用来实现信息的操作或处理而构成。

例如，在计算机2200和外部设备之间执行通信的情况下，CPU2212可以执行加载于RAM2214的通信程序，基于在通信程序中描述的处理对通信接口2222指示通信处理。通信接口2222在CPU2212的控制下，读取存储于在RAM2214、硬盘驱动器2224、DVD-ROM2201或IC卡那样的记录介质内提供的发送缓冲处理区域的发送数据，将读取到的发送数据发送到网络，或者将从网络接收到的接收数据写入到在记录介质上提供的接收缓冲处理区域等。

此外，CPU2212可以将存储于硬盘驱动器2224、DVD-ROM驱动器2226(DVD-ROM2201)、IC卡等那样的外部记录介质的文件或数据库的全部或必要的部分读取到RAM2214，并对RAM2214上的数据执行各种类型的处理。接着，CPU2212将处理后的数据写回到外部记录介质。

如各种类型的程序、数据、表和数据库那样的各种类型的信息可以存储于记录介质并接受信息处理。CPU2212对从RAM2214读取的数据执行本公开各处记载的各种类型的处理并将结果写回到RAM2214，该各种类型的处理包括由程序的指令序列指定的各种类型的操作、信息处理、条件判断、条件分支、无条件分支、信息的检索/置换等。此外，CPU2212可以检索记录介质内的文件、数据库等中的信息。例如，在分别具有与第二属性的属性值相关联的第一属性的属性值的多个条目存储在记录介质内的情况下，CPU2212可以从该多个条目中检索与指定第一属性的属性值的条件一致的条目，并且读取存储在该条目内的第二属性的属性值，由此获取与满足预先确定的条件的第一属性相关联的第二属性的属性值。

以上说明的程序或软件模块可以存储在计算机2200上或计算机2200附近的计算机可读介质中。此外，在与专用通信网络或互联网连接的服务器系统内提供的硬盘或RAM那样的记录介质能够用作计算机可读介质，由此，经由网络将程序提供给计算机2200。

以上，利用实施方式对本发明进行了说明，但是本发明的技术范围并不限定于上述实施方式记载的范围。对本领域技术人员而言能够对上述实施方式进行各种变更或改良是显而易见的。根据权利要求书的记载可知，进行了这种变更或改良的方式也可以包含于本发明的技术范围。

在权利要求书、说明书和附图中所示的装置、系统、程序和方法中的动作、过程、步骤和阶段等各处理的执行顺序没有特别明示为“更早”、“之前”等，此外，应注意的是只要在后一处理中没有使用前一处理的输出，则能够以任意的顺序实现。关于权利要求书、说明书和附图中的动作流程，即使为了便于说明而使用“首先，”、“接着，”等进行了说明，也不意味着必须按照该顺序实施。

Claims (14)

1.一种学习装置，其特征在于包括：

对应关系接收部，接收作为对象的对象工序的各产品与使用所述对象工序的各产品在下游工序中生产的各下游产品的质量评价的对应关系；

学习处理部，使用关于所述对象工序的各产品的生产的至少一个生产参数、以及使用所述对象工序的各产品生产的各下游产品的质量评价，通过学习生成根据所述至少一个生产参数推测下游产品的质量评价的推测模型；

计算部，计算基于所述推测模型的准确度或复杂度中的至少一个的模型评价；以及

模型评价发送部，向评价装置发送所述计算部计算出的模型评价，所述评价装置使用针对比所述下游工序靠上游的至少一个上游工序的每一个的模型评价来评价所述至少一个上游工序。

2.根据权利要求1所述的学习装置，其特征在于，还包括改善请求接收部，所述改善请求接收部接收所述评价装置发送的改善请求信息，所述评价装置基于针对所述至少一个上游工序的每一个的模型评价将所述对象工序判断为应进行改善并据此发送改善请求信息。

3.根据权利要求2所述的学习装置，其特征在于，还包括参数选择部，所述参数选择部根据接收到所述改善请求信息，从所述对象工序中的所述至少一个生产参数中选择应调整的生产参数。

4.根据权利要求3所述的学习装置，其特征在于，还包括质量评价推测部，所述质量评价推测部推测在调整了由所述参数选择部选择的生产参数的情况下使用所述对象工序的各产品在下游工序中生产的下游产品的质量评价。

5.一种评价装置，其特征在于包括：

模型评价接收部，对于至少一个上游工序的每一个，从使用关于该上游工序的各上游产品的生产的至少一个生产参数以及使用该上游工序的各上游产品生产的各下游产品的质量评价并通过学习生成根据所述至少一个生产参数推测下游产品的质量评价的推测模型的学习装置，接收基于所述推测模型的准确度或复杂度中的至少一个的模型评价；以及

工序评价部，基于针对所述至少一个上游工序的每一个的所述模型评价，评价所述至少一个上游工序。

6.根据权利要求5所述的评价装置，其特征在于，所述工序评价部将所述至少一个上游工序中的给出了所述推测模型的准确度比基准值大或复杂度比基准值小的模型评价的上游工序判断为应进行改善。

7.根据权利要求6所述的评价装置，其特征在于，还包括输出被判断为应进行改善的上游工序的改善请求信息的信息输出部。

8.根据权利要求5至7中任意一项所述的评价装置，其特征在于，还包括：

对应取得部，对所述至少一个上游工序的各工序，取得从上游侧的工序接受了供给的各产品与向下游侧供给的该工序的各产品的对应；

对应关系生成部，使用所述对应取得部取得的各对应，生成所述至少一个上游工序的各产品与各下游产品的质量评价的对应关系；以及

对应关系发送部，向所述学习装置发送所述对应关系。

9.根据权利要求5至8中任意一项所述的评价装置，其特征在于，还包括开始确定部，所述开始确定部基于至少一个下游产品的质量评价，确定是否开始由所述工序评价部进行的所述至少一个上游工序的评价。

10.一种评价系统，其特征在于包括：

将至少一个上游工序的每一个作为对象工序的如权利要求1至4中任意一项所述的至少一个学习装置；以及

如权利要求5至9中任意一项所述的评价装置。

11.一种学习方法，其特征在于，

学习装置接收作为对象的对象工序的各产品与使用所述对象工序的各产品在下游工序中生产的各下游产品的质量评价的对应关系，

所述学习装置使用关于所述对象工序的各产品的生产的至少一个生产参数、以及使用所述对象工序的各产品生产的各下游产品的质量评价，通过学习生成根据所述至少一个生产参数推测下游产品的质量评价的推测模型，

所述学习装置计算基于所述推测模型的准确度或复杂度中的至少一个的模型评价，

所述学习装置向评价装置发送计算出的模型评价，所述评价装置使用针对比所述下游工序靠上游的至少一个上游工序的每一个的模型评价来评价所述至少一个上游工序。

12.一种记录有学习程序的记录介质，其特征在于，

计算机通过执行所述学习程序发挥作为对应关系接收部、学习处理部、计算部和模型评价发送部的功能，

所述对应关系接收部接收作为对象的对象工序的各产品与使用所述对象工序的各产品在下游工序中生产的各下游产品的质量评价的对应关系，

所述学习处理部使用关于所述对象工序的各产品的生产的至少一个生产参数、以及使用所述对象工序的各产品生产的各下游产品的质量评价，通过学习生成根据所述至少一个生产参数推测下游产品的质量评价的推测模型，

所述计算部计算基于所述推测模型的准确度或复杂度中的至少一个的模型评价，

所述模型评价发送部向评价装置发送所述计算部计算出的模型评价，所述评价装置使用针对比所述下游工序靠上游的至少一个上游工序的每一个的模型评价来评价所述至少一个上游工序。

13.一种评价方法，其特征在于，

评价装置对于至少一个上游工序的每一个，从使用关于该上游工序的各上游产品的生产的至少一个生产参数以及使用该上游工序的各上游产品生产的各下游产品的质量评价并通过学习生成根据所述至少一个生产参数推测下游产品的质量评价的推测模型的学习装置，接收基于所述推测模型的准确度或复杂度中的至少一个的模型评价，

评价装置基于针对所述至少一个上游工序的每一个的所述模型评价，评价所述至少一个上游工序。

14.一种记录有评价程序的记录介质，其特征在于，

计算机通过执行所述评价程序发挥作为模型评价接收部和工序评价部的功能，

所述模型评价接收部对于至少一个上游工序的每一个，从使用关于该上游工序的各上游产品的生产的至少一个生产参数以及使用该上游工序的各上游产品生产的各下游产品的质量评价并通过学习生成根据所述至少一个生产参数推测下游产品的质量评价的推测模型的学习装置，接收基于所述推测模型的准确度或复杂度中的至少一个的模型评价，

所述工序评价部基于针对所述至少一个上游工序的每一个的所述模型评价，评价所述至少一个上游工序。

Images