JP2003337934A - データベース作成プログラム、同プログラムを記録したコンピュータ読み取り可能な記録媒体、データベース作成装置、同方法及びデータベース作成システム - Google Patents

Abstract

(57)【要約】 【課題】 初心者であっても熟練者の有する知識を獲得
することができるデータベース作成プログラム、同プロ
グラムを記録したコンピュータ読み取り可能な記録媒
体、データベース作成装置、同方法及びデータベース作
成システムを提供する。 【解決手段】 知識ベース記憶部１４１は熟練者側クラ
イアントコンピュータ２から送信された配置情報を記憶
し、一般化知識獲得部１２１は知識ベース記憶部１４１
に記憶されている配置情報から属性値を抽出してクラス
分類部１２２に出力し、クラス分類部１２２は、出力さ
れた属性値をクラスタ分析することによって複数のクラ
スに分類して教師データとして教師ベース記憶部１４２
に記憶する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、事例に基づいてデ
ータベースを作成するためのデータベース作成プログラ
ム、同プログラムを記録したコンピュータ読み取り可能
な記録媒体、データベース作成装置、同方法及びデータ
ベース作成システムに関するものである。

【０００２】

【従来の技術】近年、生産現場の多くでは、熟練者の技
能の伝承に関する問題が生じている。経験を積んだ熟練
者の技能は、マニュアル化や口頭による伝承が困難であ
るため、従来は、ＯＪＴ（On the Job Training）に代
表されるように、初心者が熟練者の実践する作業を見習
い、共に従事することで技能が伝承されている。

【０００３】

【発明が解決しようとする課題】しかしながら、作業ロ
ーテーションの短縮、生産リードタイムの短縮及び扱う
品種の頻繁な変動等により、このようなＯＪＴによる熟
練者から初心者への技能の伝承が困難となってきてい
る。

【０００４】そこで、現在求められているのが、生産現
場での熟練者の技能の実践の過程を保存し、そこで用い
られている熟練の知識をＩＴ技術の導入等により獲得し
保存することである。ここで問題となるのが、熟練者の
有する知識を口述させたり、マニュアル化することであ
る。上述のように、多くの熟練者の技能は、実際にそれ
を活用して実践して見せることは可能であるが、そこで
活用している知識のみを抽出して口述させたり、マニュ
アル化することは困難である。

【０００５】本発明は、上記の問題を解決するためにな
されたもので、初心者であっても熟練者の有する知識を
獲得することができるデータベース作成プログラム、同
プログラムを記録したコンピュータ読み取り可能な記録
媒体、データベース作成装置、同方法及びデータベース
作成システムを提供することを目的とするものである。

【０００６】

【課題を解決するための手段】本発明に係るデータベー
ス作成プログラムは、事例に基づいてデータベースを作
成するためのデータベース作成プログラムであって、知
識データとして記憶される複数の第１の事例からＥＢＬ
学習モデルを用いて一般化知識を獲得する一般化知識獲
得手段と、獲得した一般化知識を基にＣＯＢＷＥＢ学習
モデルを用いて第１の事例をクラスタ分析することによ
り複数のクラスに分類し、教師データとしてデータベー
スを作成するデータベース作成手段としてコンピュータ
を機能させることを特徴とする。

【０００７】本発明に係るデータベース作成プログラム
においては、知識データとして記憶される複数の第１の
事例からＥＢＬ学習モデルを用いて一般化知識が獲得さ
れ、獲得された一般化知識を基にＣＯＢＷＥＢ学習モデ
ルを用いて第１の事例がクラスタ分析されることにより
複数のクラスに分類され、教師データとしてデータベー
スが作成される。したがって、第１の事例に基づいて教
師あり学習モデルに用いる教師データをデータベースと
して作成することができ、このデータベースを用いて新
たな事例を適切なクラスに分類することができ、初心者
であっても熟練者の有する知識を獲得することができ
る。

【０００８】知識データは、熟練者によって運輸媒体に
積載される物品の仮想的な配置状態を表す配置情報であ
り、一般化知識獲得手段は、配置情報に含まれる属性値
を抽出して一般化知識を獲得することが好ましい。

【０００９】この場合、熟練者によって運輸媒体に積載
される物品の仮想的な配置状態を表す配置情報に含まれ
る属性値を抽出することによって、当該第１の事例に関
する一般化知識を獲得することができる。

【００１０】データベース作成手段は、属性値から事例
を再構築してクラスを生成することが好ましい。

【００１１】この場合、第１の事例に含まれる属性値か
ら事例を再構築することで複数のクラスに分類すること
ができる。

【００１２】教師あり学習モデルを用いて新たな事例の
物品に関する物品情報が前記教師データのどのクラスに
属するかを認識する認識手段と、認識されたクラスに応
じた物品の配置状態を第２の事例として生成する生成手
段として前記コンピュータをさらに機能させることが好
ましい。

【００１３】この場合、教師あり学習モデルを用いて新
たな事例の物品に関する物品情報が前記教師データのど
のクラスに属するかが認識され、認識されたクラスに応
じた物品の配置状態が第２の事例として生成されるた
め、新たな事例の物品に関する物品情報から当該物品を
仮想的に積載した場合の適切な配置状態を得ることがで
きる。

【００１４】認識手段は、物品情報が複数のクラスのう
ちどのクラスにも属さないと認識した場合、当該物品情
報を出力し、一般化知識獲得手段は、認識手段によって
出力された物品情報に基づいて生成される新たな第１の
事例からＥＢＬ学習モデルを用いて一般化知識を獲得す
ることが好ましい。

【００１５】この場合、新たな事例の物品に関する物品
情報が教師データの複数のクラスのうちどのクラスにも
属さないと認識された場合、当該製品情報が出力され、
例えば、出力された物品情報を基に熟練者が新たに積載
して新たな第１の事例として生成される。そして、生成
された新たな第１の事例が知識データとして記憶され、
この新たな第１の事例からＥＢＬ学習モデルを用いて一
般化知識が獲得され、獲得された一般化知識を基にＣＯ
ＢＷＥＢ学習モデルを用いて新たな第１の事例がクラス
タ分析されることにより複数のクラスに分類されて教師
データとしてデータベースが作成され、データベースが
更新されるため、データベースにない新たな事例に関し
ても対処することができるとともにデータベースをさら
に進化させることができる。

【００１６】本発明に係る記録媒体は、事例に基づいて
データベースを作成するためのデータベース作成プログ
ラムを記録したコンピュータ読み取り可能な記録媒体で
あって、知識データとして記憶される複数の第１の事例
からＥＢＬ学習モデルを用いて一般化知識を獲得する一
般化知識獲得手段と、獲得した一般化知識を基にＣＯＢ
ＷＥＢ学習モデルを用いて第１の事例をクラスタ分析す
ることにより複数のクラスに分類し、教師データとして
データベースを作成するデータベース作成手段としてコ
ンピュータを機能させることを特徴とする。

【００１７】本発明に係る記録媒体においては、知識デ
ータとして記憶される複数の第１の事例からＥＢＬ学習
モデルを用いて一般化知識が獲得され、獲得された一般
化知識を基にＣＯＢＷＥＢ学習モデルを用いて第１の事
例がクラスタ分析されることにより複数のクラスに分類
され、教師データとしてデータベースが作成される。し
たがって、第１の事例に基づいて教師あり学習モデルに
用いる教師データをデータベースとして作成することが
でき、このデータベースを用いて新たな事例を適切なク
ラスに分類することができ、初心者であっても熟練者の
有する知識を獲得することができる。

【００１８】本発明に係るデータベース作成装置は、事
例に基づいてデータベースを作成するデータベース作成
装置であって、知識データとして記憶される複数の第１
の事例からＥＢＬ学習モデルを用いて一般化知識を獲得
する一般化知識獲得手段と、獲得した一般化知識を基に
ＣＯＢＷＥＢ学習モデルを用いて第１の事例をクラスタ
分析することにより複数のクラスに分類し、教師データ
としてデータベースを作成するデータベース作成手段と
を備えることを特徴とする。

【００１９】本発明に係るデータベース作成装置におい
ては、知識データとして記憶される複数の第１の事例か
らＥＢＬ学習モデルを用いて一般化知識が獲得され、獲
得された一般化知識を基にＣＯＢＷＥＢ学習モデルを用
いて第１の事例がクラスタ分析されることにより複数の
クラスに分類され、教師データとしてデータベースが作
成される。したがって、第１の事例に基づいて教師あり
学習モデルに用いる教師データをデータベースとして作
成することができ、このデータベースを用いて新たな事
例を適切なクラスに分類することができ、初心者であっ
ても熟練者の有する知識を獲得することができる。

【００２０】本発明に係るデータベース作成方法は、事
例に基づいてデータベースを作成するデータベース作成
方法であって、コンピュータが、知識データとして記憶
される複数の第１の事例からＥＢＬ学習モデルを用いて
一般化知識を獲得する一般化知識獲得手段と、コンピュ
ータが、獲得した一般化知識を基にＣＯＢＷＥＢ学習モ
デルを用いて第１の事例をクラスタ分析することにより
複数のクラスに分類し、教師データとしてデータベース
を作成するデータベース作成手段とを含むことを特徴と
する。

【００２１】本発明に係るデータベース作成方法におい
ては、知識データとして記憶される複数の第１の事例か
らＥＢＬ学習モデルを用いて一般化知識が獲得され、獲
得された一般化知識を基にＣＯＢＷＥＢ学習モデルを用
いて第１の事例がクラスタ分析されることにより複数の
クラスに分類され、教師データとしてデータベースが作
成される。したがって、第１の事例に基づいて教師あり
学習モデルに用いる教師データをデータベースとして作
成することができ、このデータベースを用いて新たな事
例を適切なクラスに分類することができ、初心者であっ
ても熟練者の有する知識を獲得することができる。

【００２２】本発明に係るデータベース作成システム
は、ユーザが使用するユーザ端末と、前記ユーザ端末と
ネットワークを介して情報の送受信が可能なサーバとを
含むデータベース作成システムであって、ユーザ端末
は、第１の事例に関する知識データを作成する作成手段
と、作成された知識データをサーバにネットワークを介
して送信する送信手段と、サーバは、受信した知識デー
タを記憶する知識データ記憶手段と、知識データとして
記憶される複数の第１の事例からＥＢＬ学習モデルを用
いて一般化知識を獲得する一般化知識獲得手段と、獲得
した一般化知識を基にＣＯＢＷＥＢ学習モデルを用いて
第１の事例をクラスタ分析することにより複数のクラス
に分類し、教師データとしてデータベースを作成するデ
ータベース作成手段とを備えることを特徴とする。

【００２３】本発明に係るデータベース作成システムに
おいては、ユーザ端末により、第１の事例に関する知識
データが作成され、作成された知識データがサーバにネ
ットワークを介して送信され、サーバにより、受信した
知識データが記憶され、知識データとして記憶される複
数の第１の事例からＥＢＬ学習モデルを用いて一般化知
識が獲得され、獲得された一般化知識を基にＣＯＢＷＥ
Ｂ学習モデルを用いて第１の事例がクラスタ分析される
ことにより複数のクラスに分類され、教師データとして
データベースが作成される。したがって、第１の事例に
基づいて教師あり学習モデルに用いる教師データをデー
タベースとして作成することができ、このデータベース
を用いて新たな事例を適切なクラスに分類することがで
き、初心者であっても熟練者の有する知識を獲得するこ
とができる。

【００２４】

【発明の実施の形態】以下、本発明の一実施の形態によ
るデータベース作成システムついて図面を参照しながら
説明する。図１は、本発明の一実施の形態によるデータ
ベース作成システムの全体構成を示す図である。

【００２５】なお、以下の説明では、物品をパレットの
適切な位置に配置する積載問題における熟練者の知識を
獲得するデータベース作成システムについて説明する
が、本発明は特にこれに限定されず、例えば、コンテナ
に物品を積載する場合、トラックの荷台に物品を積載す
る場合等の他の運輸媒体に物品を積載する場合にも適用
可能であり、他の最適化問題にも適用可能である。

【００２６】図１に示すデータベース作成システムは、
サーバ１、複数の熟練者側クライアントコンピュータ２
及び複数の初心者側クライアントコンピュータ３を備え
る。熟練者とは物品の積載に関して精通したユーザであ
り、初心者とは物品の積載に関して経験の浅いユーザで
ある。サーバ１、複数の熟練者側クライアントコンピュ
ータ２及び複数の初心者側クライアントコンピュータ３
は、ネットワーク４を介して相互に通信可能なように接
続されている。熟練者側クライアントコンピュータ２は
熟練者が使用するユーザ端末装置であり、初心者側クラ
イアントコンピュータ３は初心者が使用するユーザ端末
装置であり、サーバ１は、熟練者が熟練者側クライアン
トコンピュータ２を用いて入力する積載事例に基づいて
データベース作成処理等を実行するサーバ装置である。

【００２７】ネットワーク４としては、例えば、インタ
ーネットが使用され、ＴＣＰ／ＩＰ（Transmission Con
trol Protocol/Internet Protocol）に従いサーバ１、
熟練者側クライアントコンピュータ２及び初心者側クラ
イアントコンピュータ３間で相互に種々の情報等が送受
信される。なお、ネットワーク４としては、インターネ
ットに特に限定されず、イントラネット等の他のネット
ワーク、または、インターネット、イントラネット等の
種々のネットワークを組み合わせたネットワーク等を用
いてもよい。また、専用回線によってサーバ１、熟練者
側クライアントコンピュータ２及び初心者側クライアン
トコンピュータ３を相互に接続してもよい。

【００２８】また、ネットワーク４としてインターネッ
トを使用する場合、通常、各クライアントコンピュータ
２，３はモデム等を介して所定のプロバイダサーバに接
続され、当該プロバイダサーバを経由してネットワーク
４に接続される場合が多いが、説明を容易にするため、
プロバイダサーバの図示及び説明を省略している。

【００２９】次に、熟練者側クライアントコンピュータ
２について詳細に説明する。各熟練者側クライアントコ
ンピュータ２は、通常のパーソナルコンピュータ等から
構成され、ＲＯＭ（リードオンリメモリ）２１、ＣＰＵ
（中央演算処理装置）２２、ＲＡＭ（ランダムアクセス
メモリ）２３、外部記憶装置２４、入力部２５、通信部
２６、表示部２７及び記録媒体駆動装置２８を含む。

【００３０】熟練者側クライアントコンピュータ２内の
上記の各ブロックは内部のバスに接続され、このバスを
介して種々のデータ等が熟練者側クライアントコンピュ
ータ２内部で入出力され、ＣＰＵ２２の制御の下、種々
の処理が実行される。

【００３１】ＲＯＭ２１には、熟練者側クライアントコ
ンピュータ２を動作させるための基本プログラム等が予
め記憶されている。ＲＡＭ２３は、ＣＰＵ２２の作業領
域等として用いられる。記録媒体２９は、コンピュータ
読み出し可能な記録媒体であり、例えば、ＣＤ−ＲＯＭ
から構成される。このＣＤ−ＲＯＭは、熟練者が荷物の
積載を仮想的に行うためのクライアント側の積載プログ
ラム等が記憶されている。

【００３２】記録媒体駆動装置２８は、ＣＤ−ＲＯＭド
ライブ等から構成され、ＣＰＵ２２の制御の下、記録媒
体２９からクライアント側の積載プログラム等を読み出
し、必要に応じてクライアント側の積載プログラム等が
外部記憶装置２４にインストールされる。

【００３３】なお、記録媒体２９は、上記の例に特に限
定されず、ＤＶＤドライブ、フロッピー（登録商標）デ
ィスクドライブ等の他の記録媒体駆動装置が付加されて
いる場合、ＤＶＤ、フロッピーディスク等の他のコンピ
ュータ読み取り可能な記録媒体を用いてクライアント側
の積載プログラム等を外部記憶装置２４にインストール
するようにしてもよい。

【００３４】外部記憶装置２４は、ハードディスクドラ
イブ等の外部記憶装置から構成される。外部記憶装置２
４には、上記のようにしてクライアント側の積載プログ
ラムがインストールされる。

【００３５】ＣＰＵ２２は、ＲＯＭ２１から基本プログ
ラム等を読み出すとともに、外部記憶装置２４からクラ
イアント側の積載プログラム等を読み出し、荷物の積載
を仮想的に行うための積載処理等を実行し、必要なデー
タ等をサーバ１との間で通信部２６を用いて送受信す
る。

【００３６】入力部２５は、キーボード及びマウス等か
ら構成され、熟練者の操作に応じた種々の指令等が入力
される。通信部２６は、モデムまたはルータ等から構成
され、ネットワーク４を介したサーバ１との通信を制御
する。表示部２７は、ＣＲＴ（陰極線管）又は液晶表示
装置等から構成され、ＣＰＵ２２の制御の下、積載処理
において使用される種々の画面を静止画又は動画によっ
て表示する。

【００３７】次に、初心者側クライアントコンピュータ
３について詳細に説明する。各初心者側クライアントコ
ンピュータ３は、通常のパーソナルコンピュータ等から
構成され、ＲＯＭ３１、ＣＰＵ３２、ＲＡＭ３３、外部
記憶装置３４、入力部３５、通信部３６、表示部３７及
び記録媒体駆動装置３８を含む。

【００３８】初心者側クライアントコンピュータ３内の
上記の各ブロックは内部のバスに接続され、このバスを
介して種々のデータ等が初心者側クライアントコンピュ
ータ３内部で入出力され、ＣＰＵ３２の制御の下、種々
の処理が実行される。

【００３９】ＲＯＭ３１には、初心者側クライアントコ
ンピュータ３を動作させるための基本プログラム等が予
め記憶されている。ＲＡＭ３３は、ＣＰＵ３２の作業領
域等として用いられる。記録媒体３９は、コンピュータ
読み出し可能な記録媒体であり、例えば、ＣＤ−ＲＯＭ
から構成される。このＣＤ−ＲＯＭは、初心者が荷物の
積載を仮想的に行うためのクライアント側の積載プログ
ラム等が記憶されている。

【００４０】記録媒体駆動装置３８は、ＣＤ−ＲＯＭド
ライブ等から構成され、ＣＰＵ３２の制御の下、記録媒
体３９からクライアント側の積載プログラム等を読み出
し、必要に応じてクライアント側の積載プログラム等が
外部記憶装置３４にインストールされる。

【００４１】なお、記録媒体３９は、上記の例に特に限
定されず、ＤＶＤドライブ、フロッピーディスクドライ
ブ等の他の記録媒体駆動装置が付加されている場合、Ｄ
ＶＤ、フロッピーディスク等の他のコンピュータ読み取
り可能な記録媒体を用いてクライアント側の積載プログ
ラム等を外部記憶装置３４にインストールするようにし
てもよい。

【００４２】外部記憶装置３４は、ハードディスクドラ
イブ等の外部記憶装置から構成される。外部記憶装置３
４には、上記のようにしてクライアント側の積載プログ
ラムがインストールされる。

【００４３】ＣＰＵ３２は、ＲＯＭ３１から基本プログ
ラム等を読み出すとともに、外部記憶装置３４からクラ
イアント側の積載プログラム等を読み出し、荷物の積載
を仮想的に行うための積載処理等を実行し、必要なデー
タ等をサーバ１との間で通信部３６を用いて送受信す
る。

【００４４】入力部３５は、キーボード及びマウス等か
ら構成され、初心者の操作に応じた種々の指令等が入力
される。通信部３６は、モデムまたはルータ等から構成
され、ネットワーク４を介したサーバ１との通信を制御
する。表示部３７は、ＣＲＴ（陰極線管）又は液晶表示
装置等から構成され、ＣＰＵ３２の制御の下、積載処理
において使用される種々の画面を静止画又は動画によっ
て表示する。

【００４５】次に、サーバ１について詳細に説明する。
サーバ１は、データベース作成装置であり、通常のサー
バ装置等から構成され、ＲＯＭ１１、ＣＰＵ１２、ＲＡ
Ｍ１３、外部記憶装置１４、入力部１５、通信部１６、
表示部１７及び記録媒体駆動装置１８を含む。

【００４６】サーバ１内の上記の各ブロックは内部のバ
スに接続され、このバスを介して種々のデータ等がサー
バ１内部で入出力され、ＣＰＵ１２の制御の下、種々の
処理が実行される。

【００４７】ＲＯＭ１１には、サーバ１を動作させるた
めの基本プログラム等が予め記憶されている。ＲＡＭ１
３は、ＣＰＵ１２の作業領域等として用いられる。記録
媒体１９は、コンピュータ読み出し可能な記録媒体であ
り、例えば、ＣＤ−ＲＯＭから構成される。このＣＤ−
ＲＯＭは、事例に基づいてデータベースを作成するため
のデータベース作成プログラム等が記憶されている。

【００４８】記録媒体駆動装置１８は、ＣＤ−ＲＯＭド
ライブ等から構成され、ＣＰＵ１２の制御の下、記録媒
体１９からデータベース作成プログラム等を読み出し、
必要に応じてデータベース作成プログラム等が外部記憶
装置１４にインストールされる。

【００４９】なお、記録媒体１９は、上記の例に特に限
定されず、ＤＶＤドライブ、フロッピーディスクドライ
ブ等の他の記録媒体駆動装置が付加されている場合、Ｄ
ＶＤ、フロッピーディスク等の他のコンピュータ読み取
り可能な記録媒体を用いてデータベース作成プログラム
等を外部記憶装置１４にインストールするようにしても
よい。

【００５０】外部記憶装置１４は、ハードディスクドラ
イブ等の外部記憶装置から構成される。外部記憶装置１
４には、上記のようにしてデータベース作成プログラム
がインストールされる。

【００５１】ＣＰＵ１２は、ＲＯＭ１１から基本プログ
ラム等を読み出すとともに、外部記憶装置１４からデー
タベース作成プログラム等を読み出し、データベースの
作成処理等を実行し、必要なデータ等を熟練者側クライ
アントコンピュータ２及び初心者側クライアントコンピ
ュータ３との間で通信部１６を用いて送受信する。

【００５２】入力部１５は、キーボード及びマウス等か
ら構成され、サーバ１のメンテナンス等を行うオペレー
タの操作に応じた種々の指令等が入力される。通信部１
６は、モデムまたはルータ等から構成され、ネットワー
ク４を介した熟練者側クライアントコンピュータ２及び
初心者側クライアントコンピュータ３との通信を制御す
る。表示部１７は、ＣＲＴ（陰極線管）又は液晶表示装
置等から構成され、ＣＰＵ１２の制御の下、種々の画面
を表示する。

【００５３】なお、サーバ１の構成としては、上記入力
部１５、表示部１７及び記録媒体駆動装置１８を備えな
くてもよい。

【００５４】次に、データベース作成システムの主要な
機能について説明する。図２は、図１に示すデータベー
ス作成システムの主要機能ブロックである。

【００５５】図２に示すように、サーバ１のＣＰＵ１２
は、外部記憶装置１４に記録されている種々のプログラ
ムを実行することによって、一般化知識獲得部１２１、
クラス分類部１２２、認識部１２３及び配置情報生成部
１２４として機能する。外部記憶装置１４は、知識ベー
ス記憶部１４１及び教師ベース記憶部１４２として機能
する。熟練者側クライアントコンピュータ２のＣＰＵ２
２は、積載処理部２２１として機能する。初心者側クラ
イアントコンピュータ３のＣＰＵ３２は、製品データ入
力部３２１及び積載状態表示部３２２として機能する。

【００５６】積載処理部２２１は、表示部２７に積載処
理画面を表示し、熟練者が入力部２５のキーボード及び
マウスを操作することによって入力される積載状態（配
置状態）を配置情報（第１の事例）として通信部２６を
介してサーバ１に送信する。なお、この積載処理に関し
ては後述する。

【００５７】知識ベース記憶部１４１は、熟練者側クラ
イアントコンピュータ２から送信された配置情報を知識
データとして記憶する。

【００５８】一般化知識獲得部１２１は、知識データと
して知識ベース記憶部１４１に記憶される複数の第１の
事例からＥＢＬ（Explanation Based Learning）学習モ
デルを用いて配置情報に含まれる属性値を抽出して一般
化知識を獲得する。抽出された属性値はクラス分類部１
２２に出力される。なお、ＥＢＬ学習モデルについては
後述する。

【００５９】クラス分類部１２２は、一般化知識獲得部
１２１から出力される属性値に基づいて事例を再構築し
て複数のクラスに分類し、分類した複数のクラスに関す
るデータを教師ベースとして教師ベース記憶部１４２に
記憶する。

【００６０】教師ベース記憶部１４２は、クラス分類部
１２２によって複数のクラスに分類されたデータを教師
ベースとして記憶する。

【００６１】認識部１２３は、初心者側クライアントコ
ンピュータ３において入力される新たな事例の製品に関
する製品データ（物品情報）が教師ベース記憶部１４２
に記憶されている教師データに含まれる複数のクラスの
うちのどのクラスに属するかを公知である教師あり学習
モデルＩＤ３に基づいて認識する。なお、製品データに
ついては後述する。

【００６２】配置情報生成部１２４は、認識部１２３に
おいて認識された教師データのクラスに応じた製品の配
置状態を配置情報（第２の事例）として生成する。生成
された配置情報は、初心者側クライアントコンピュータ
３に通信部１６を介して送信される。

【００６３】また、認識部１２３は、初心者側クライア
ントコンピュータ３において入力される新たな事例の製
品に関する製品データ（物品情報）が教師ベース記憶部
１４２に記憶されている教師データに含まれる複数のク
ラスのうちのどのクラスにも属さないと認識された場
合、当該製品データを配置情報生成部１２４に出力す
る。

【００６４】また、配置情報生成部１２４は、初心者側
クライアントコンピュータ３において入力される新たな
事例の製品に関する製品データ（物品情報）が教師ベー
ス記憶部１４２に記憶されている教師データに含まれる
複数のクラスのうちのどのクラスにも属さないと認識さ
れた場合、製品を最適な状態に積み付ける最適化アルゴ
リズムに基づいて当該製品データから新たに配置情報
（第１の事例）を生成し、知識データとして知識ベース
記憶部１４１に出力する。

【００６５】製品データ入力部３２１は、表示部３７に
表示される製品データ入力画面において、初心者による
製品データの入力を受け付ける。入力された製品データ
は通信部３６を介してサーバ１に送信される。

【００６６】積載状態表示部３２２は、サーバ１から通
信部３６を介して受信した配置情報に基づいて積載状態
を作成し、積載状態表示画面として表示するように表示
部３７を制御する。

【００６７】なお、本実施の形態において、知識ベース
記憶部１４１及び一般化知識獲得部１２１は一般化知識
獲得手段に相当し、クラス分類部１２２及び教師ベース
記憶部１４２はデータベース作成手段に相当し、配置情
報生成部１２４は生成手段に相当し、認識部１２３は認
識手段に相当し、積載処理部２２１は作成手段に相当
し、通信部２６は送信手段に相当する。

【００６８】図３は、図１に示す熟練者側クライアント
コンピュータ２及びサーバ１によるデータベース作成処
理を説明するためのフローチャートである。なお、熟練
者側クライアントコンピュータ２におけるデータベース
作成処理は、ＣＰＵ２２が積載プログラムを実行するこ
とによって行われる処理であり、サーバ１におけるデー
タベース作成処理は、ＣＰＵ１２がデータベース作成プ
ログラムを実行することによって行われる処理である。

【００６９】ステップＳ１において、ＣＰＵ２２は、積
載処理を実行する。この積載処理は、積載処理画面を表
示部２７に表示し、熟練者が入力部２５を用いて入力し
た製品の積載状態を受け付ける。

【００７０】図４は、表示部２７に表示される積載処理
画面の一例を示す図である。ＣＰＵ２２が積載プログラ
ムを実行することによって、表示部２７に図４に示す積
載処理画面１００が表示される。積載処理画面１００に
は、積荷情報簡易入力ボタン１０１、最適化自動積付ボ
タン１０２、手動配置修正ボタン１０３、積付結果印刷
ボタン１０４、最適化積付パターン表示部１０５、設定
ボタン１０６及び終了ボタン１０７がそれぞれ表示され
る。

【００７１】積荷情報簡易入力ボタン１０１は、仮想的
に積載される製品の製品データを入力するためのもので
ある。ユーザである熟練者は、入力部２５のマウス等を
用いてポインタ（図示省略）を積荷情報簡易入力ボタン
１０１に合わせてクリックすることで製品データを入力
することが可能となる。製品データとは、積荷の荷姿、
大きさ、数量及び重量等である。この製品データは、熟
練者により入力部２５のキーボード等を用いてそれぞれ
入力される。

【００７２】最適化自動積付ボタン１０２は、入力され
た製品データに基づいて、最適となる積載状態を自動的
に最適化アルゴリズムによって計算するためのものであ
る。この最適化アルゴリズムは、例えば運輸媒体の形状
や種類毎に設けられており、まず、最適化積付パターン
表示部１０５に表示される運輸媒体の種類名（Ｃｏｎｔ
１．ｄｌｌ等）に対応付けられたチェックボックスをチ
ェックすることで、所望する運輸媒体の種類に対応する
最適化アルゴリズムが選択される。そして、熟練者は、
入力部２５のマウス等を用いてポインタ（図示省略）を
最適化自動積付ボタン１０２に合わせてクリックするこ
とで、チェックしたチェックボックスに対応する最適化
アルゴリズムを記憶したＤＬＬ（ダイナミックリンクラ
イブラリ）ファイルをＲＡＭ２３に読み出し、読み出さ
れた最適化アルゴリズムによって最適となる積載状態が
計算される。

【００７３】手動配置修正ボタン１０３は、熟練者が手
動で積載状態の配置を修正するものである。熟練者は、
入力部２５のマウス等を用いてポインタ（図示省略）を
手動配置修正ボタン１０３に合わせてクリックすること
で積載状態を修正することが可能となる。なお、上記最
適化アルゴリズムを用いずに、製品データを入力して直
接手動で配置を修正してもよい。

【００７４】積付結果印刷ボタン１０４は、積荷が配置
された結果を出力するものである。熟練者は、入力部２
５のマウス等を用いてポインタ（図示省略）を積付結果
印刷ボタン１０４に合わせてクリックすることで積荷が
配置された結果を熟練者側クライアントコンピュータ２
と接続されたプリンタ等から出力する。

【００７５】設定ボタン１０６は、最適化積付パターン
表示部１０５に表示される最適化積付パターン等を設定
するものである。熟練者は、入力部２５のマウス等を用
いてポインタ（図示省略）を設定ボタン１０６に合わせ
てクリックすることで最適化積付パターンの設定を受け
付けるためのパレット設定画面が表示され、最適化積付
パターンの設定が可能となる。

【００７６】図５は、パレットに対する熟練者による最
適化積付パターンの設定を受け付けるパレット設定画面
の一例を示す画面図である。図４に示す設定ボタン１０
６がクリックされることで図５に示すパレット設定画面
１１０が表示部２７に表示される。パレット設定画面１
１０には、許容重量オーバー入力部１１１、許容段差範
囲入力部１１２、許容耐重範囲入力部１１３、積付パタ
ーン設定入力部１１４、優先順位指定入力部１１５、リ
セットボタン１１６、適用ボタン１１７及び戻るボタン
１１８が表示される。

【００７７】許容重量オーバー入力部１１１は、最大積
載重量を超過してもよい許容範囲を指定するものであ
る。パレット、コンテナ及びトラックでは最大積載重量
が指定されるが、場合により最大積載重量を多少超過し
ても可能とする。熟練者は、入力部２５のキーボード等
を用いて許容重量オーバー入力部１１１に最大積載重量
を超過可能な範囲を入力する。

【００７８】許容段差範囲入力部１１２は、積載する高
さの許容範囲を指定するものである。例えば、パレット
に積み付ける製品の高さが異なる場合、積載効率が悪く
なる可能性がある。そこで、積載する高さの許容範囲を
平面として扱うことで積載効率をよくする。熟練者は、
入力部２５のキーボード等を用いて許容段差範囲入力部
１１２に許容段差範囲を入力する。

【００７９】許容耐重範囲入力部１１３は、上方に配置
される製品が下方に配置される製品より重くても許容す
る範囲を指定するものである。通常の制約では、重い製
品は下方に配置され、軽い製品は上方に配置される。そ
のため、小さく重い製品と大きく軽い製品とを配置した
場合、この制約により前者の製品が下方に配置され、後
者の製品が上方に配置される。この場合、小さい製品が
下方に配置され、大きい製品が上方に配置されるため、
積載効率が悪くなってしまう。そこで、この制約条件を
緩和させる。つまり、上方に配置される製品は下方に配
置される製品より多少重くても許容する。熟練者は、入
力部２５のキーボード等を用いて許容耐重範囲入力部１
１３に許容耐重範囲を入力する。

【００８０】積付パターン設定入力部１１４は、積付パ
ターンを設定するものであり、積付パターンには棒積と
層積とがある。棒積は同じ製品又は同じサイズの製品で
１つのブロックを形成して積み付けることであり、層積
は１段階づつ積み付けることであり、積付パターン設定
入力部１１４は棒積チェックボックス１１４ａと層積チ
ェックボックス１１４ｂとで構成される。熟練者は、入
力部２５のマウス等を用いてポインタ（図示省略）を棒
積チェックボックス１１４ａに合わせてクリックするこ
とで積付パターンを棒積に設定することができる。ま
た、熟練者は、入力部２５のマウス等を用いてポインタ
（図示省略）を層積チェックボックス１１４ｂに合わせ
てクリックすることで積付パターンを層積に設定するこ
とができる。図５では層積に設定されている状態を表示
している。

【００８１】優先順位指定入力部１１５は、製品を積み
付ける優先順位を指定するものであり、なしチェックボ
ックス１１５ａと正順チェックボックス１１５ｂと逆順
チェックボックス１１５ｃとで構成される。早急に配送
しなければならない製品がある場合、当該製品を優先し
て配置しなければならない。また、製品をパレットから
降ろす順番を考慮する場合、製品の優先順位を考慮しな
ければならない。そこで、製品を積み付ける優先順位を
指定する。優先順位の指定には、３つのケースがあり、
優先順位を考慮しない場合、製品を小さい順に配置する
正順を指定する場合、製品を大きい順に配置する逆順を
指定する場合がある。熟練者は、入力部２５のマウス等
を用いてポインタ（図示省略）をなしチェックボックス
１１５ａに合わせてクリックすることで優先順位を考慮
しない場合に設定することができる。また、熟練者は、
入力部２５のマウス等を用いてポインタ（図示省略）を
正順チェックボックス１１５ｂに合わせてクリックする
ことで優先順位を正順に設定することができる。また、
熟練者は、入力部２５のマウス等を用いてポインタ（図
示省略）を逆順チェックボックス１１５ｃに合わせてク
リックすることで優先順位を逆順に設定することができ
る。図５では優先順位を考慮しないに設定されている状
態を表示している。

【００８２】リセットボタン１１６は、上記の設定をリ
セットするものである。熟練者は、入力部２５のマウス
等を用いてポインタ（図示省略）をリセットボタン１１
６に合わせてクリックすることで入力前の状態に戻すこ
とができる。

【００８３】適用ボタン１１７は、熟練者によって入力
された設定を適用して新たに登録するものである。熟練
者は、入力部２５のマウス等を用いてポインタ（図示省
略）を適用ボタン１１７に合わせてクリックすることで
入力された設定を新たな制約条件として適用することが
できる。

【００８４】戻るボタン１１８は、設定を終了し、積載
処理画面１００にもどるためのものである。熟練者は、
入力部２５のマウス等を用いてポインタ（図示省略）を
戻るボタン１１８に合わせてクリックすることで図４に
示す積載処理画面１００に戻ることができる。

【００８５】図４に戻って、終了ボタン１０７は、積載
プログラムを終了するためのものである。熟練者は、入
力部２５のマウス等を用いてポインタ（図示省略）を終
了ボタン１０７に合わせてクリックすることで積載プロ
グラムが終了する。

【００８６】図６は、熟練者によって製品が仮想的に積
載された積載状態の一例を示す図である。図６（ａ）
は、事例１に関して熟練者によって仮想的に積載された
結果を表す積載状態を表示部２７に立体的に３次元表示
したものであり、図６（ｂ）は、事例２に関して熟練者
によって仮想的に積載された積載状態を表示部２７に立
体的に３次元表示したものである。このように、積載状
態は３次元で立体的に表示されるため、熟練者は表示さ
れる積載状態を確認することでさらに修正を加えること
ができる。

【００８７】図７は、パレット積み付けにおける事例１
に関する積荷の配置情報の一例を示す図であり、図８
は、パレット積み付けにおける事例２に関する積荷の配
置情報の一例を示す図である。熟練者による仮想的な製
品の積み付けが行われることによって、図７及び図８に
示すような配置情報（知識データ）が得られる。製品の
配置情報として、Plan No（製品を積載するプランの番
号）、Pallet Code（製品を積載するパレットの種
類）、Pallet No（パレットの番号）、Goods No（製品
の番号）、Goods Code（積載する製品の製品コード）、
Priority Order（製品の優先順位）、Length（製品の長
さ）、Width（製品の幅）、Height（製品の高さ）、Wei
ght（製品の重量）、Package Code（荷姿をあらわすコ
ード）、PositionCode（製品の位置を表すコード）、Ma
x Layer（段積数の最大値）、PosX，PosY，PosZ（３次
元空間内における製品の位置座標）、Allocate Order
（製品の配置順位）、Order Same、Layer No及びLayer
All等がある。PosX，PosY，PosZ、Allocate Order、Ord
er Same、Layer No及びLayer Allは熟練者による知識が
適用された結果を表す。また、Package Code、Position
Code及びMax Layerは制約条件を表す。なお、熟練者の
入力によって得られる配置情報としては上記に限らな
い。図７及び図８に示すように熟練者によって積載され
た結果である積載状態から配置情報が得られる。配置情
報は、個々の製品に対して３次元空間内においてどの位
置に配置されたかをｘ、ｙ、ｚの座標で数値化して表
す。例えば、Goods Noが１６でGoods CodeがP２１１２
である製品（図中最上段に示す）は、３次元空間内で
（ｘ，ｙ，ｚ）＝（０．０４，０．４６，０．６）の位
置にあることが、図中のPosX，PosY，PosZからわかる。

【００８８】図３に戻って、ステップＳ２において、通
信部２６は、ステップＳ１で入力された積載状態を配置
情報としてサーバ１に送信する。なお、この配置情報に
ついては後述する。

【００８９】ステップＳ３において、通信部１６は、熟
練者側クライアントコンピュータ２から送信された配置
情報を受信する。

【００９０】ステップＳ４において、ＣＰＵ１２は、受
信した配置情報を知識データとして知識ベース記憶部１
４１に記憶する。

【００９１】ステップＳ５において、ＣＰＵ１２は、知
識ベース記憶部１４１に記憶されている配置情報から公
知のＥＢＬ学習（説明に基づく学習）モデルを用いて属
性値を抽出することによって一般化知識を獲得し、抽出
した属性値をクラス分類部１２２に出力する。

【００９２】ここで、演繹学習の代表的手法の１つであ
るＥＢＬ学習モデルを用いた単一事例からの学習プロセ
スについて説明する。このＥＢＬ学習モデルは、訓練事
例として与えられる単一事例の内包する目標概念を、対
象領域固有の知識を用いることによって説明することに
より、目的指向的に一般化学習を進めるものである。

【００９３】図９は、ＥＢＬ学習モデルを概念的に説明
するための図である。訓練事例２０１は、与えられたサ
イズ及び耐荷重性を有するパレットに対して熟練者が積
載した事例を表し、訓練事例２０１は製品データ、配置
情報及び積載状態を含む。

【００９４】目標理論２０２は、良いパレット配置を表
す。ここでの良いパレット配置とは、安定性が高く、且
つ効率が良く、且つ積載の制約条件を満たすことであ
る。領域理論２０３は、パレットへの積載という作業領
域に固有の知識である。これは、システムの獲得目標と
は区別されるべきもので、すでにこのドメインにおいて
広く認められている教則本的な知識を論理表現したもの
である。積載問題における知識とは、生成される積荷が
どのような制約を充足しなければならないか、良いパレ
ット配置とはどのようなものであり、それを実現するた
めにはどのような要求を満たさなければならないのか等
である。これらの知識については、専門家とのインタビ
ュー及び既成のマニュアルや手順書等により容易に獲得
でき、準備可能なものである。

【００９５】図１０は、パレット積載問題における事例
１の領域理論の一例を説明するための図であり、図１１
は、パレット積載問題における事例２の領域理論の一例
を説明するための図である。ここで、図中の符号の説明
をする。ＰＯ（Priority Order）は製品の優先順位を表
し、ＰＯ＝ＮＰ∨ＳＬ∨ＬＳである。ＮＰ（１−１）は
製品の優先順位を考慮しないことを表し、ＳＬ（１−
２）は小さいオーダーから大きいオーダーまで配置する
ことを表し、ＬＳ（１−３）は大きいオーダーから小さ
いオーダーまで配置することを表す。

【００９６】ＰＩ（Packaging Intensity）は荷姿の強
度を表し、ＰＩ＝ＰＩ１∨ＰＩ２である。ＰＩ１（２−
１）は荷姿強度を考慮することを表し、ＰＩ２（２−
２）は全ての製品の荷姿が同じであるので、荷姿強度を
考慮しない、又は考慮する必要がないことを表す。

【００９７】ＰＳ（Position Setting）は配置場所を表
し、ＰＳ＝ＰＳ１∨ＰＳ２である。ＰＳ１（３−１）は
製品の配置場所を考慮することを表し、ＰＳ２（３−
２）は全ての製品の配置場所が同じであるので、配置場
所を考慮しない、又は考慮する必要がないことを表す。

【００９８】ＬＮ（Layer Number）は段積指定を表し、
ＬＮ＝ＬＮ１∨ＬＮ２である。段積数は同じ製品で積み
重ねることが可能である最大の段数を表し、ＬＮ１（４
−１）は段積数を考慮することを表し、ＬＮ２（４−
２）は製品の段積数が充分大きいので、段積数を考慮す
る必要がないことを表す。

【００９９】ＤＰ（Designate Pallet）はパレットの指
定状況を表し、ＤＰ＝ＤＰ１∨ＤＰ２である。ＤＰ１
（５−１）はパレットを指定することを表し、この場
合、指定したパレットに必ず配置しなければならない。
ＤＰ２（５−２）はパレットを指定しないことを表す。

【０１００】ＲＤ（Rotation Division）は回転区分を
表し、ＲＤ＝ＨＲ∨ＮＲ∨ＨＶである。ＨＲ（６−１）
は製品が水平回転のみ可能であることを表し、ＮＲ（６
−２）は製品が回転不可であることを表し、ＨＶ（６−
３）は製品が水平及び垂直回転が可能であることを表
す。

【０１０１】ＧＢ（Gravity Balance）は重心バランス
を表し、ＧＢ＝ＳＷ（Same Weight Layer）∨ＤＷ（Dif
ferent Weight Layer）である。ＳＷ（７−１）は同じ
重量の製品は同じ層で配置することを表し、ＤＷ（７−
２）は他の要素を考慮するために、異なる製品を同層に
配置することを表す。なお、製品全体の配置は、以下の
（１）式及び（２）式を満たさなければならない。 （１−α）×Ｌ_p／２≦Ｘｃ≦（１＋α）×Ｌ_p／２・・・・（１） （１−α）×Ｗ_p／２≦Ｙｃ≦（１＋α）×Ｗ_p／２・・・・（２） なお、上記（１）式及び（２）式におけるＬ_pはパレッ
トの長さを表し、Ｗ_pはパレットの幅を表し、Ｘｃ及び
Ｙｃは製品全体の重心座標を表し、αは熟練者によって
設定される値であり、α＝０．１〜０．２で設定され
る。

【０１０２】ＡＯ（Allocate Order）は製品の配置順位
を表し、ＡＯ＝ＰＩＪ（PackagingIntensity Job）∨Ｐ
ＳＪ（Position Setting Job）∨ＭＮＪ（More Number
Job）∨ＬＷＪ（Large Weight Job）∨ＬＳＪ（Large S
ize Job）∨ＬＨＪ（LargeHeight Job）である。ＰＩＪ
（８−１）はＰＩＪ＝ＰＩＪ１∨ＰＩＪ２であり、ＰＩ
Ｊ１（Ｙｅｓ）（８−１−１）は荷姿強度が優先的に考
慮されることを表し、ＰＩＪ２（Ｎｏ）（８−１−２）
は全ての製品の荷姿が同じであるため荷姿強度が考慮さ
れないことを表す。ＰＳＪ（８−２）はＰＳＪ＝ＰＳＪ
１∨ＰＳＪ２であり、ＰＳＪ１（Ｙｅｓ）（８−２−
１）は配置場所が優先的に考慮されることを表し、ＰＳ
Ｊ２（Ｎｏ）（８−２−２）は全ての製品の配置場所コ
ードが同じであるため配置場所が考慮されないことを表
す。ＭＮＪ（８−３）はＭＮＪ＝ＭＮＪ１∨ＭＮＪ２で
あり、ＭＮＪ１（Ｙｅｓ）（８−３−１）は数量の多い
製品が優先的に配置されることを表し、ＭＮＪ２（Ｎ
ｏ）（８−３−２）は安定性や効率により製品の数量が
配置場所に考慮されないことを表す。ＬＷＪ（８−４）
はＬＷＪ＝ＬＷＪ１∨ＬＷＪ２であり、ＬＷＪ１（Ｙｅ
ｓ）（８−４−１）は重い製品を下層に配置することを
表し、ＬＷＪ２（Ｎｏ）（８−４−２）は安定性や効率
により製品の重さが考慮されないことを表す。ただし、
以下の（３）式に示す緩和範囲を超えないものとする。
ｍａｘ[ｗｇ_i+1−３０ｋｇ，（１−α）×ｗｇ_i+1]≦ｗ
ｇ_i・・・・（３）なお、上記（３）式におけるｗｇは
製品の重さを表し、αは熟練者によって設定される値を
表す。

【０１０３】ＬＳＪ（８−５）はＬＳＪ＝ＬＳＪ１∨Ｌ
ＳＪ２であり、ＬＳＪ１（Ｙｅｓ）（８−５−１）は大
きい製品を下層に配置することを表し、ＬＳＪ２（Ｎ
ｏ）（８−５−２）は安定性や効率により製品の大きさ
が考慮されないことを表す。ただし、以下の（４）式及
び（５）式に示す緩和範囲を超えないものとする。 （１＋β）×ｌ_i+1≦ｌ_i・・・・（４） （１＋β）×ｗ_i+1≦ｗ_i・・・・（５） なお、上記（４）式及び（５）式におけるｌは製品の長
さを表し、ｗは製品の幅を表し、βは熟練者によって設
定される値を表す。

【０１０４】ＬＨＪ（８−６）はＬＨＪ＝ＬＨＪ１∨Ｌ
ＨＪ２であり、ＬＨＪ１（Ｙｅｓ）（８−６−１）は高
い製品を下層に配置することを表し、ＬＨＪ２（Ｎｏ）
（８−６−２）は安定性や効率により製品の高さが考慮
されないことを表す。

【０１０５】ＬＯ（Layer Order）は層の配置順位を表
し、ＬＯ＝ＰＩＬ（Packaging Intensity Layer）∨Ｐ
ＳＬ（Position Setting Layer）∨ＬＮＬ（Large Numb
er Layer）∨ＬＷＬ（Large Weight Layer）∨ＬＳＬ
（Large size Layer）∨ＬＨＬ（Large Height Layer）
∨ＯＴ（Others）である。ＰＩＬ（９−１）は荷姿強度
による層の優先順位を表すもので、ＰＩＬ＝ＰＩＬ１∨
ＰＩＬ２である。ＰＩＬ１（Ｙｅｓ）（９−１−１）は
荷姿強度により層の優先順位を決ることを表し、ＰＩＬ
２（Ｎｏ）（９−１−２）は荷姿強度により層の優先順
位を考慮する必要がないことを表す。ＰＳＬ（９−２）
は配置場所による層の優先順位を表すもので、ＰＳＬ＝
ＰＳＬ１∨ＰＳＬ２である。ＰＳＬ１（Ｙｅｓ）（９−
２−１）は配置場所により層の優先順位を決ることを表
し、ＰＳＬ２（Ｎｏ）（９−２−２）は配置場所により
層の優先順位を考慮する必要がないことを表す。ＬＮＬ
（９−３）は層の数による優先順位を表すもので、ＬＮ
Ｌ＝ＬＮＬ１∨ＬＮＬ２である。ＬＮＬ１（Ｙｅｓ）
（９−３−１）は層の数が多いものが優先的に配置され
ることを表し、ＬＮＬ２（Ｎｏ）（９−３−２）は層の
数による優先順位を考慮する必要がないことを表す。Ｌ
ＷＬ（９−４）は層の重さによる優先順位を表すもの
で、ＬＷＬ＝ＬＷＬ１∨ＬＷＬ２である。ＬＷＬ１（Ｙ
ｅｓ）（９−４−１）は重い層が下に配置されることを
表し、ＬＷＬ２（Ｎｏ）（９−４−２）は安定性や効率
により重い層が下に配置されないことを表す。ただし、
以下の（６）式に示す緩和範囲を超えないものとする。

【０１０６】

【数１】

【０１０７】なお、上記（６）式におけるｌａｙ_ｗｇ
は層における製品全体の重さを表し、ｗｇは製品の重さ
を表す。

【０１０８】ＬＳＬ（９−５）は層の大きさによる優先
順位を表すもので、ＬＳＬ＝ＬＳＬ１∨ＬＳＬ２であ
る。ＬＳＬ１（Ｙｅｓ）（９−５−１）は大きい層が下
に配置されることを表し、ＬＳＬ２（Ｎｏ）（９−５−
２）は安定性や効率により大きい層が下に配置されない
ことを表す。ただし、以下の（７）式及び（８）式に示
す緩和範囲を超えないものとする。 （１＋β）×ｌａｙ_ｌ_i+1≦ｌａｙ_ｌ_i・・・・（７） （１＋β）×ｌａｙ_ｗ_i+1≦ｌａｙ_ｗ_i・・・・（８） なお、上記（７）式及び（８）式におけるｌａｙ_ｌは
層における製品全体の長さを表し、ｌａｙ_ｗは層にお
ける製品全体の幅を表す。

【０１０９】ＬＨＬ（９−６）は層の高さによる優先順
位を表すもので、ＬＨＬ＝ＬＨＬ１∨ＬＨＬ２である。
ＬＨＬ１（Ｙｅｓ）（９−６−１）は高い層が下に配置
されることを表し、ＬＨＬ２（Ｎｏ）（９−６−２）は
他の条件と重なるため高い層が下に配置されないことを
表す。ＯＴ（９−７）は他の制約条件を表す。

【０１１０】ＳＡ（Same Arrange）は同じ製品を同一の
ブロックとして配置することを表し、ＳＡ＝ＳＡ１∨Ｓ
Ａ２である。ＳＡ１（Ｙｅｓ）（１０−１）は同じ製品
が同層に配置されることを表し、ＳＡ２（Ｎｏ）（１０
−２）は安定性や効率により同じ製品が分散して配置さ
れることを表す。

【０１１１】ＥＳ（Efficiency of Space）は容積率を
表し、ＥＳ＝ＭＡ（Maximum Area）∧ＭＨ（Maximum He
ight）∧ＳＳ（Same Size）である。ＭＡ（１１−１）
はパレットの底面積を最大限に利用するか否かを表し、
ＭＡ＝ＭＡ１∨ＭＡ２である。ＭＡ１（Ｙｅｓ）（１１
−１−１）はパレットの底面積を最大限に利用すること
を表し、ＭＡ２（Ｎｏ）（１１−１−２）はパレットの
底面積を最大限に利用しないことを表す。なお、下記の
（９）式に基づいてパレットの残り空間を最大限に利用
する。

【０１１２】

【数２】

【０１１３】なお、上記（９）式におけるＲｖは積載す
ることが可能な空間と全ての製品の体積との割合を表
し、ｌ_iは製品の長さを表し、ｗ_iは製品の幅を表し、ｈ
_iは製品の高さを表し、Ｌ_pはパレットの長さを表し、Ｗ
_pはパレットの幅を表し、Ｈ_pは積載することが可能な高
さを表す。

【０１１４】ＭＨ（１１−２）はパレットの高さを最大
限に利用するか否かを表し、ＭH＝ＭH１∨ＭH２であ
る。ＭH１（Ｙｅｓ）（１１−２−１）はパレットの高
さを最大限に利用することを表し、上記（９）式に基づ
いてパレットに積載することができる最大高さを利用す
る。ＭH２（Ｎｏ）（１１−２−２）はパレットの高さ
を最大限に利用しないことを表す。ＳＳ（１１−３）は
上下サイズが同じ層を同一パレットに配置するか否かを
表し、ＳＳ＝ＳＳ１∨ＳＳ２である。ＳＳ１（Ｙｅｓ）
（１１−３−１）は上下サイズが同じ層を同一パレット
に配置することを表し、ＳＳ２（Ｎｏ）（１１−３−
２）は上下サイズが異なる層を同一パレットに配置する
ことを表す。

【０１１５】ＥＷ（Efficiency of Weight）は重量積載
率を表し、ＥＷ＝ＥＷ１∨ＥＷ２である。ＥＷ１（Ｙｅ
ｓ）（１２−１）は下記の（１０）式で表される重量積
載率Ｒの値が最大となるように考慮することを表し、Ｅ
Ｗ２（Ｎｏ）（１２−２）は重量積載率を考慮しないこ
とを表す。

【０１１６】

【数３】

【０１１７】なお、上記（１０）式におけるＲは重量積
載率を表し、ＷＧ_pはパレットに積載された製品全体の
重量を表し、ｗｇ_ikは製品の重量を表す。

【０１１８】図９に戻って、説明２０４について説明す
る。訓練事例２０１では当然のことながら上記の目標概
念２０２が満足されていることになるが、訓練事例２０
１の各部がどのように具体的に目標概念２０２を実現し
ているのかについて、上述の領域理論２０３として用意
されている諸知識を訓練事例２０１の各部に対して演繹
的に適用させながら、論理的な証明を導出する。説明２
０４では、この証明の構造を説明木として表す。

【０１１９】訓練事例の説明構造２０５について説明す
る。説明２０４で導出された説明木は、当該訓練事例に
固有な構造体であるが、ここでの説明２０４に利用され
た訓練事例中の特徴は、それが良いパレット配置である
ことを必然づける本質的な特徴群であり、他の問題に対
する積載を考える際にも転用可能な一般性の高い知識と
なりうる可能性を示唆する。一方、同じ訓練事例中の特
徴でも、説明２０４に関与しなかった部分については良
いパレット配置とは無関連な特殊な特徴として排除され
ることになる。

【０１２０】図１０の丸のついた項目は図７に示す事例
１に含まれる項目である。これにより、生成された説明
木を図１２に示す。

【０１２１】図１２は事例１の説明木を示す図であり、
図１２に示すＰＯ，ＰＩ等の符号は図１０における符号
に対応している。図１２では、目標概念をルートとする
木構造で説明構造を表現しており、各ノードは説明で用
いられた領域理論２０３の知識を表している。図１２に
示す網掛け部分は説明木の終端ノードに当たるノード群
を表している。これらの網掛け部分の諸特徴が、当該訓
練事例中で一般化可能な本質的な部分特徴であることを
示している。つまり、図１２に示す事例１の説明構造か
ら下記の（１１）式に示すような一般化２０６（図９参
照）が得られる。 Gen1＝SL∧PI２∧PS２∧LN２∧DP１∧HR∧SW∧（PIJ２∧PSJ２∧MNJ２∧LWJ２ ∧LSJ２∧LHJ２）∧（PIL２∧PSL２∧LNL２∧LWL２∧LSL１∧LHL２）∧SA１∧MA １∧MH１∧SS２∧EW２・・・・（１１） なお、Gen1は訓練事例１の説明構造を表し、SL、PI２、
PS２等は図１０における符号に対応している。

【０１２２】また、図１１の丸のついた項目は図８に示
す事例２に含まれる項目である。これにより、生成され
た説明木を図１３に示す。

【０１２３】図１３は事例２の説明木を示す図であり、
図１３に示すＰＯ，ＰＩ等の符号は図１１における符号
に対応している。図１３では、目標概念をルートとする
木構造で説明構造を表現しており、各ノードは説明で用
いられた領域理論２０３の知識を表している。図１３に
示す網掛け部分は説明木の終端ノードに当たるノード群
を表している。これらの網掛け部分の諸特徴が、当該訓
練事例中で一般化可能な本質的な部分特徴であることを
示している。つまり、図１３に示す事例２の説明構造か
ら下記の（１２）式に示すような一般化２０６（図９参
照）が得られる。 Gen２＝NL∧PI１∧PS１∧LN１∧DP１∧HR∧DW∧（PIJ１∧PSJ１∧MNJ２∧LWJ １∧LSJ１∧LHJ１）∧（PIL１∧PSL１∧LNL２∧LWL１∧LSL１∧LHL１）∧SA１∧ MA１∧MH１∧SS２∧EW２・・・・（１２） なお、Gen２は訓練事例２の説明構造を表し、NL、PI
１、PS１等は図１１における符号に対応している。

【０１２４】図９に戻って、操作性規範２０７について
説明する。本システムで獲得を目指す知識は、当該訓練
事例以外の新規事例に対しても適用可能な一般化知識で
ある。そのためには、獲得される知識をどのような記述
で表現しておくことが要請されるかについての規範が必
要となる。例えば、上述の目標概念２０２である良いパ
レットの配置（安定性が高く、且つ効率が良く、且つ積
載の制約条件を満たす）は確かに一般性は高い知識では
あるもののこれを実際に適用するには抽象的過ぎる記述
でしかない。獲得される知識の記述レベル、訓練事例を
記述している具体的な諸特徴の表現のレベルに合わせる
必要があり、これが可能になって初めて他の事例への適
用が可能になる。このような獲得される知識の表現のレ
ベルの規範が操作性規範２０７と呼ばれる制約である。
本システムでは、このような操作性規範２０７として、
パレットへの積載が要請されている製品データを記述し
ている特徴群の表現をとる。

【０１２５】一般化知識２０８について説明する。一般
化知識２０８は最終的にシステムが学習した知識の内容
を表す。領域理論２０３としての背景知識が、当該訓練
事例２０１の中でどのように実践されて適用されていた
かに関する一般的なノウハウに相当する。また、上記の
操作性規範２０７を満たす表現形式で得られていること
から、この知識を新規事例の諸特徴との間で直接的な照
合操作をとることが可能となることから、直ちに利用可
能な知識としてシステム内に付加され、システムに今後
与えられる新規事例の説明生成のための知識として用い
られることとなる。

【０１２６】図１２に示す訓練事例１の説明木から最終
的に獲得された一般化知識２０８を以下に示す。（１
１）式に示す属性SL∧PI２∧PS２∧LN２∧DP１∧HR∧SW
から、１．製品の優先順位を考慮したこと、２．荷姿を
考慮しないこと、３．配置場所を考慮しないこと、４．
段積指定を考慮しないこと、５．Palt1のパレットを指
定すること、６．全製品は水平回転可能であること及び
７．同じ重さの製品を同じ層に配置することがわかる。
また、属性PIJ２∧PSJ２∧MNJ２∧LWJ２∧LSJ２∧LHJ２
から、全ての製品の荷姿と配置場所とが同じであるた
め、この２つの制約条件を無視して、数量の多い製品、
重たい製品、大きい製品及び高い製品が優先的に配置さ
れていないこと、安定性及び効率を考慮して、制約条件
が緩和されて軽くて小さい製品が下の層に配置されたこ
とがわかる。さらに、属性（PIL２∧PSL２∧LNL２∧LWL
２∧LSL１∧LHL２）∧SA１∧MA１∧MH１∧SS２∧EW２か
ら、各層の荷姿と配置場所とは同じであるため、この２
つの制約条件を無視して、重量が軽く、製品数が少な
く、サイズの大きい層が下に配置されることがわかる。
また、SA1から、同じ製品が同層に配置されることもわ
かる。MHによりパレットの高さが有効に利用されたこと
がわかる。

【０１２７】図３に戻って、ステップＳ６において、Ｃ
ＰＵ１２は、ステップＳ４で出力された属性値を公知の
Ｃｏｂｗｅｂ学習モデルを用いてクラスタ分析すること
によって複数のクラスに分類し、教師データとして教師
ベース記憶部１４２に記憶する。

【０１２８】Ｃｏｂｗｅｂ学習モデルは事例や特徴の出
現頻度により、事例の概念への包含性を確率的に表現し
たモデルである。Ｃｏｂｗｅｂによって構築される概念
階層は識別木ではなく、木の枝はｉｓ‐ａもしくはｓｕ
ｂｓｅｔ‐ｏｆの関係として定義され、終端ノードには
必ず事例が対応する。また、階層は相互に重複しないク
ラスに分割する。各クラス概念は、そのクラスに属する
事例集合の中での各属性値の確率分布として定義され
る。すなわち、クラス分けされた概念Ｃｋ（ｋ＝１，
２，・・・）があり、その特徴群（あるいは属性群）Ａｉ
（ＬＰ，ＰＯ，ＰＩ，・・・）が値としてＶｉｊ（ｊ＝
１，２，・・・）をもつとき各クラスには以下の２つの指
標が定義される。一つは、クラス内類似性を表すＰ（Ａ
ｉ＝Ｖｉｊ｜Ｃｋ）で、あるクラスＣｋの事例が特徴Ａ
ｉ＝Ｖｉｊをもつ条件付き確率であり、特徴値Ｖｉｊが
クラスＣｋの概念を代表するものとしての有効性を表す
指標である。もう一つは、クラス間非類似性を表すＰ
（Ｃｋ｜Ａｉ＝Ｖｉｊ）で、ある事例において特徴Ａｉ
＝Ｖｉｊが認められたときその事例がクラスＣｋに属す
る条件付き確率であり、特徴値ＶｉｊがクラスＣｋの概
念を示唆する手がかりとしての有効性を表す指標であ
る。また各クラスにはその親ノードにあたるクラスのメ
ンバ数に対する比率Ｐ（Ｃｋ）が保持される。

【０１２９】図１４は、データとなるｅ１〜ｅ９の９個
の事例を示す図である。例えば図１４に示すようなｅ１
〜ｅ９の９個の事例がそれぞれ３つ以上の属性変数（Ｌ
Ｐ，ＰＯ，ＰＩ，・・・）によって記述されたものを考え
る。それぞれの変数の定義域は２値（２種類）あるいは
３値（３種類）である。本実施の形態では、属性Ａｉは
Ａ１＝ＬＰ（積みパターン）、Ａ２＝ＰＯ（優先順位）
等のように表すことができる。ＶｉｊはＶ１１＝ＬＬ
（ＬＰの一つの値である層積み）、Ｖ１２＝ＢＬ（ＬＰ
の一つの値である棒積み）等のように表すことができ
る。

【０１３０】図１５は、図１４に示すｅ１〜ｅ８の８個
の事例からのＣｏｂｗｅｂ学習モデルの概念構想を示す
図である。なお、図１５では、４つの属性（積みパター
ン、優先順位、荷姿、配送場所）＝（ＬＰ，ＰＯ，Ｐ
Ｉ，ＰＳ）のみを考慮し、ＰＳ１＝ＰＳ１−１（必ず下
に配置）∨ＰＳ１−２（必ず上に配置）∨ＰＳ１−３
（単独配置）とする。

【０１３１】次に、概念階層の評価指標について述べ
る。事例集合を互いに重複しないｎ個のクラスに分割を
考えるとき、各々の概念クラスＣｋ（ｋ＝１，２，・・
・，ｎ）に定義される上述の指標を用いて、以下の（１
３）式が考えられる。

【０１３２】

【数４】

【０１３３】なお、上記（１３）式においてＰｄ＝Ｐ
（Ｃｋ｜Ａｉ＝Ｖｉｊ）でありクラス間非類似性を表
し、Ｐｓ＝Ｐ（Ａｉ＝Ｖｉｊ｜Ｃｋ）でありクラス内類
似性を表す。

【０１３４】上記（１３）式は属性Ａｉに注目したとき
のクラス内類似性Ｐｓ及びクラス間非類似性Ｐｄの積
に、Ａｉがとり得る個々の属性値の重要性の重みＰ（Ａ
ｉ＝Ｖｉｊ）を乗算したものを、全ての属性、値域、ク
ラスにわたって和をとったもので、よく現れる特徴（Ａ
ｉ＝Ｖｉｊ）ほど上記（１３）式のＵ_kiの評価は高くな
る。この（１３）式はＢａｙｅｓの法則によって下記の
（１４）式に変形することができる。

【０１３５】

【数５】

【０１３６】ここで、図１５に示すように、ｅ１~ｅ８
の８個の事例は集合をお互いに重複しない６個のクラス
にはっきりと分割された。例えば、ｋ＝１、ｉ＝２の場
合、Ｕ１２＝０．６２５×（０．８²＋０．２²）＝０．
４２５となる。Ｕ_kiの値が大きければこのクラスの事例
の類似性が高いといえる。そこで、カテゴリーの質の評
価指標であるカテゴリー有用度ＣＵとして下記の（１
５）式を定義する。

【０１３７】

【数６】

【０１３８】なお、上記（１５）式における分母のｎは
分割数の異なる２つの分割の仕方を比較するためにカテ
ゴリーの評価指数を平均化するものとして設けられてい
る。また、Ｐ（Ｃｋ）の項はカテゴリー形成がより大き
なカテゴリーへ誘導されるようにバイアスを与える役割
を果たす。

【０１３９】このカテゴリー有用度ＣＵの量を最大化す
るようなカテゴリーを生成することで情報の伝達や推論
が最も効率的に行われる。そのため、クラスを分割する
方法はたくさんあるが、カテゴリー有用度ＣＵの値が大
きい分割方法を求める。

【０１４０】概念形成は、教示例として与えられる観察
の系列から逐次的に最も的確な既存クラスへの割り当て
を決めながら実行される。このときの割り当てを決める
際に用いられるのが、上述のカテゴリー有用度ＣＵで、
付加された新たな事例（＝分類したい事例）をクラスＣ
ｋに仮に帰属させ、そのクラス内の属性値分布を更新し
た上でカテゴリー有用度ＣＵを算出する。クラス生成の
手順は単一の事例からなるクラスから開始して、これに
随時新たな事例が付加される度に、カテゴリーの再編を
以下の３つのクラス操作の適用を、上記（１５）式の評
価基準に基づいて決定し実行する。すなわち、既成クラ
スへの付加、新たな単一事例クラスの生成（新事例のみ
で新たにクラスを生成）、複数の既成クラスの統合及び
既成クラスの解体の４つの操作で、各々の操作を行った
場合のカテゴリー有用度ＣＵを算出し、これが最大とな
る操作が実行される。

【０１４１】例えば、図１５の概念階層に、新たに図１
４示す事例ｅ９が新規入力事例として組み入れられた場
合を図１６に示す。図１６に示すように、カテゴリー有
用度ＣＵを算出した結果としてのクラスへの付加が実行
され、属性値分布も変化している。

【０１４２】このように、知識データとして記憶される
複数の第１の事例からＥＢＬ学習モデルを用いて一般化
知識が獲得され、獲得された一般化知識を基にＣＯＢＷ
ＥＢ学習モデルを用いて第１の事例がクラスタ分析され
ることにより複数のクラスに分類され、教師データとし
てデータベースが作成されるため、第１の事例に基づい
て教師あり学習モデルに用いる教師データをデータベー
スとして作成することができ、このデータベースを用い
て新たな事例を適切なクラスに分類することができ、初
心者であっても熟練者の有する知識を獲得することがで
きる。

【０１４３】なお、一般化知識獲得手段は知識データが
所定の数に達した場合にＥＢＬ学習モデルを用いて一般
化知識を獲得してもよい。つまり、図３に示すステップ
Ｓ５において、ＣＰＵ１２は、知識ベース記憶部１４１
に記憶されている配置情報が所定の数に達した場合に、
当該配置情報から公知のＥＢＬ学習（説明に基づく学
習）モデルを用いて属性値を抽出することによって一般
化知識を獲得し、抽出した属性値をクラス分類部１２２
に出力する。この場合、初心者側クライアントコンピュ
ータ３から配置情報が送信される毎に一般化知識を獲得
するのではなく、一定量の知識データが得られた時点で
一般化知識が獲得されるため、効率的に処理することが
できる。

【０１４４】図１７は、図１に示す初心者側クライアン
トコンピュータ３及びサーバ１によるデータベース作成
処理を説明するためのフローチャートである。なお、初
心者側クライアントコンピュータ３におけるデータベー
ス作成処理は、ＣＰＵ２２が積載プログラムを実行する
ことによって行われる処理であり、サーバ１におけるデ
ータベース作成処理は、ＣＰＵ１２がデータベース作成
プログラムを実行することによって行われる処理であ
る。

【０１４５】ステップＳ１１において、ＣＰＵ３２は、
製品データの入力画面（図示省略）を表示部３７に表示
し、初心者が入力部３５のマウス及びキーボードを用い
て入力した新たな事例の製品データを受け付ける。

【０１４６】ステップＳ１２において、通信部３６は、
ステップＳ１１で入力された製品データをサーバ１に送
信する。

【０１４７】ステップＳ１３において、通信部１６は、
初心者側クライアントコンピュータ３から送信された製
品データを受信し、当該製品データを認識部１２３に出
力する。

【０１４８】ステップＳ１４において、ＣＰＵ１２は、
出力された製品データを基に教師あり学習モデルＩＤ３
を用いて教師ベース記憶部１４２に記憶されている教師
データに含まれるどのクラスに属するかを認識する。

【０１４９】図１８は新たな事例Ｘに関する製品データ
の一例を示す図であり、図１９は教師あり学習モデルＩ
Ｄ３による事例Ｘの決定木の一例を示す図である。例え
ば、サーバ１は、図１８に示すような製品データを初心
者用クライアントコンピュータ３から受信したとする。
なお、制約条件はＢＬ、ＮＰ、ＯＳ、ＰＩ１、ＰＳ２、
ＬＮ１、ＤＰ１及びＨＲである。この場合、属性は次の
ように定義する。 属性＝（ＬＰ、ＰＯ、ＰＩ、ＰＳ、ＬＮ、ＤＰ、ＲＤ、
Ａ_ＡＶ、Ａ_ＳＤ、Ｈ_ＡＶ、Ｈ_ＳＤ、Ｎ_ＡＶ、Ｎ_Ｓ
Ｄ、Ｗ_ＡＶ、Ｗ_ＳＤ）

【０１５０】なお、上記属性の値は、ＬＰ＝ＢＬ（棒積
み）、ＰＯ＝ＮＰ（製品の優先順位を考慮しない）、Ｐ
Ｉ＝ＰＩ１（荷姿強度を考慮する）、ＰＳ＝ＰＳ１（製
品の配置場所を考慮する）、ＬＮ＝ＬＮ１（製品の段積
数を考慮する）、ＤＰ＝ＤＰ１（パレットを指定しな
い）、ＲＤ＝ＨＲ（水平回転のみ考慮する）、Ａ_ＡＶ
（製品底面積の平均値）＝中、Ａ_ＳＤ（製品底面積の
標準偏差）＝中、Ｈ_ＡＶ（製品高さの平均値）＝小、
Ｈ_ＳＤ（製品高さの標準偏差）＝小、Ｎ_ＡＶ（製品数
の平均値）＝少、Ｎ_ＳＤ（製品数の標準偏差）＝少、
Ｗ_ＡＶ（製品重量の平均値）＝中、Ｗ_ＳＤ（製品重量
の標準偏差）＝小とする。

【０１５１】ここで、例えば、ＬＰ，ＰＯ，ＰＩ，ＰＳ
のみを考える場合、教師データは図１５に示すクラスＣ
３，Ｃ５，Ｃ７，Ｃ８，Ｃ９，Ｃ１０，Ｃ１１とする
と、事例Ｘは図１９に示すようにクラスＣ７に分類さ
れ、認識される。

【０１５２】図１７に戻って、ステップＳ１５におい
て、ＣＰＵ１２は、事例Ｘの製品データが教師データの
クラスに認識されたか否かを判断する。ここで、事例Ｘ
の製品データが教師データのクラスに認識されないデー
タである場合（ステップＳ１５でＮＯ）、ステップＳ２
０に進むこととなり、認識されたデータである場合（ス
テップＳ１５でＹＥＳ）、ステップＳ１６に移行する。

【０１５３】ステップＳ１６において、ＣＰＵ１２は、
ステップＳ１４で認識されたクラスのデータ（属性値）
に基づいて配置情報を生成する。

【０１５４】ステップＳ１７において、通信部１６は、
ステップＳ１６で生成された配置情報を初心者側クライ
アントコンピュータ３に送信する。

【０１５５】ステップＳ１８において、通信部３６は、
サーバ１から送信された配置情報を受信する。

【０１５６】ステップＳ１９において、ＣＰＵ３２は、
配置情報を基に積載状態を作成して表示部３７に表示す
る。図１６に示す事例Ｘの場合、積載状態は図６（ｂ）
と同じとなり、図６（ｂ）に示すように、熟練者の積載
に関する知識に基づいて作成されたデータベースを用い
ることにより、初心者でも安定性、効率及び制約条件を
満たす積載が可能となる。

【０１５７】ステップＳ２０において、ＣＰＵ２１は、
事例Ｘの製品データが教師データのクラスに認識されな
いデータであるため、新たに配置情報を生成する。これ
は、最適化アルゴリズムに基づいて事例Ｘの製品データ
から自動的に製品の積付処理を行い、配置情報を生成す
るものである。

【０１５８】ステップＳ２１からステップＳ２３におけ
る処理は、図３に示すステップＳ４からステップＳ６に
おける処理と同じであるので説明を省略する。

【０１５９】図２０は、教師あり学習モデルＩＤ３によ
る事例Ｘ’の決定木の一例を示す図である。なお、図２
０における事例Ｘ’は教師あり学習モデルＩＤ３で認識
できない事例である。事例Ｘ’におけるＬＰ，ＰＯ，Ｐ
Ｉ，ＰＳの属性値は、ＬＰ＝ＬＬ（層積み）、ＰＯ＝Ｓ
Ｌ（正順）、ＰＩ＝ＰＩ１（荷姿強度を考慮する）、Ｐ
Ｓ＝ＰＳ１（製品の配置場所を考慮する）とする。

【０１６０】ここで、図１９と同様に、ＬＰ，ＰＯ，Ｐ
Ｉ，ＰＳのみを考える場合、教師データは図１５に示す
クラスＣ３，Ｃ５，Ｃ７，Ｃ８，Ｃ９，Ｃ１０，Ｃ１１
とすると、事例Ｘ’は図２０に示すようにどのクラスに
も分類されず、認識されない。そこで、サーバ１は事例
Ｘ’の製品データに基づいて、自動的に積付処理を行
い、積付処理によって得られる配置状態を配置情報とし
て生成する。

【０１６１】このように、新たな事例Ｘの配置状態を配
置情報として知識ベース記憶部１４１にフィードバック
し、この新たな当該配置情報を基に上記ステップＳ２０
からステップＳ２２における処理が行われることによっ
て、さらに教師データ（データベース）が更新される。

【０１６２】このように、教師データをデータベースと
して利用することによって、新たな事例の製品に関する
製品データに基づいて適切な積載状態の配置情報を得る
ことができる。また、教師データにない新たな事例の製
品に関する製品データから新たな配置状態が生成され、
新たな第１の事例として知識データにフィードバック
し、この新たな第１の事例からＥＢＬ学習モデルを用い
て一般化知識が獲得され、獲得された一般化知識を基に
ＣＯＢＷＥＢ学習モデルを用いて新たな第１の事例がク
ラスタ分析されることにより複数のクラスに分類されて
教師データとしてデータベースが作成されることでさら
にデータベースを進化させることができる。

【０１６３】なお、図１７のステップＳ１５において、
事例Ｘの製品データが教師データのクラスに認識されな
いデータである場合、当該製品データを熟練者側クライ
アントコンピュータ２に送信し、受信した製品データに
基づいて熟練者が積載処理を行い、熟練者の積載処理に
よって生成された配置情報をサーバ１に送信して知識デ
ータとして記憶してもよい。この場合、事例Ｘの製品デ
ータが教師データのクラスに認識されないデータである
場合、通信部１６は当該製品データを熟練者側クライア
ントコンピュータ２に送信し、通信部２６はサーバ１か
ら送信された製品データを受信し、以下、図３のステッ
プＳ１〜Ｓ６の処理が行われる。

【０１６４】また、図１７のステップＳ１５において、
事例Ｘの製品データが教師データのクラスに認識されな
いデータである場合、当該製品データを熟練者側クライ
アントコンピュータ２に送信し、熟練者側クライアント
コンピュータ２のＣＰＵ２２は、受信した製品データを
最適化アルゴリズムに基づいて自動的に積載処理を行
い、積載処理によって生成された配置情報をサーバ１に
送信して知識データとして記憶してもよい。この場合、
事例Ｘの製品データが教師データのクラスに認識されな
いデータである場合、通信部１６は当該製品データを熟
練者側クライアントコンピュータ２に送信し、通信部２
６はサーバ１から送信された製品データを受信し、以
下、図３のステップＳ１〜Ｓ６の処理が行われる。

【０１６５】また、本実施の形態では、製品データを基
に教師あり学習モデルＩＤ３を用いて教師ベース記憶部
１４２に記憶されている教師データに含まれるどのクラ
スに属するかを認識するとしたが、本発明は特にこれに
限定されず、例えば他の教師あり学習モデルを用いて教
師ベース記憶部１４２に記憶されている教師データに含
まれるどのクラスに属するかを認識してもよい。

【０１６６】また、本実施の形態では、運輸媒体への積
載という事例に関するデータベースの作成について説明
したが、本発明は特にこれに限定されず、他の事例に関
するデータベースの作成にも適用可能である。

【０１６７】

【発明の効果】知識データとして記憶される第１の事例
からＥＢＬ学習モデルを用いて一般化知識が獲得され、
獲得された一般化知識を基にＣＯＢＷＥＢ学習モデルを
用いて第１の事例がクラスタ分析されることにより複数
のクラスに分類され、教師データとしてデータベースが
作成されるため、第１の事例に基づいて教師あり学習モ
デルに用いる教師データをデータベースとして作成する
ことができ、このデータベースを用いて新たな事例を適
切なクラスに分類することができ、初心者であっても熟
練者の有する知識を獲得することができる。

【図面の簡単な説明】

【図１】 本発明の一実施の形態によるデータベース作
成システムの全体構成を示す図である。

【図２】 図１に示すデータベース作成システムの主要
機能ブロックである。

【図３】 図１に示す熟練者側クライアントコンピュー
タ２及びサーバ１によるデータベース作成処理を説明す
るためのフローチャートである。

【図４】 表示部２７に表示される積載処理画面の一例
を示す図である。

【図５】 パレットに対する熟練者による最適化積付パ
ターンの設定を受け付けるパレット設定画面の一例を示
す画面図である。

【図６】 熟練者によって製品が仮想的に積載された積
載状態の一例を示す図である。

【図７】 パレット積み付けにおける事例１に関する積
荷の配置情報の一例を示す図である。

【図８】 パレット積み付けにおける事例２に関する積
荷の配置情報の一例を示す図である。

【図９】 ＥＢＬ学習モデルを概念的に説明するための
図である。

【図１０】 パレット積載問題における事例１の領域理
論の一例を説明するための図である。

【図１１】 パレット積載問題における事例２の領域理
論の一例を説明するための図である。

【図１２】 事例１の説明木を示す図である。

【図１３】 事例２の説明木を示す図である。

【図１４】 データとなるｅ１〜ｅ９の９個の事例を示
す図である。

【図１５】 図１４に示すｅ１〜ｅ８の８個の事例から
のＣｏｂｗｅｂ学習モデルの概念構想を示す図である。

【図１６】 図１５の概念構想に、新たに図１４に示す
事例ｅ９が新規入力事例として組み入れられた場合を示
す図である。

【図１７】 図１に示す初心者側クライアントコンピュ
ータ３及びサーバ１によるデータベース作成処理を説明
するためのフローチャートである。

【図１８】 新たな事例Ｘに関する製品データの一例を
示す図である。

【図１９】 教師あり学習モデルＩＤ３による事例Ｘの
決定木の一例を示す図である。

【図２０】 教師あり学習モデルＩＤ３による事例Ｘ’
の決定木の一例を示す図である。

【符号の説明】

１ サーバ ２ 熟練者側クライアントコンピュータ ３ 初心者側クライアントコンピュータ ４ ネットワーク １１，２１，３１ ＲＯＭ １２，２２，３２ ＣＰＵ １３，２３，３３ ＲＡＭ １４，２４，３４ 外部記憶装置 １５，２５，３５ 入力部 １６，２６，３６ 通信部 １７，２７，３７ 表示部 １８，２８，３８ 記録媒体駆動装置 １９，２９，３９ 記録媒体 １２１ 一般化知識獲得部 １２２ クラス分類部 １２３ 認識部 １２４ 配置情報生成部 １４１ 知識ベース記憶部 １４２ 教師ベース記憶部 ２２１ 積載処理部 ３２１ 製品データ入力部 ３２２ 積載状態表示部

Claims (9)

【特許請求の範囲】
1. 【請求項１】 事例に基づいてデータベースを作成する
   ためのデータベース作成プログラムであって、 知識データとして記憶される複数の第１の事例からＥＢ
   Ｌ学習モデルを用いて一般化知識を獲得する一般化知識
   獲得手段と、 獲得した一般化知識を基にＣＯＢＷＥＢ学習モデルを用
   いて前記第１の事例をクラスタ分析することにより複数
   のクラスに分類し、教師データとしてデータベースを作
   成するデータベース作成手段としてコンピュータを機能
   させることを特徴とするデータベース作成プログラム。
2. 【請求項２】 前記知識データは、熟練者によって運輸
   媒体に積載される物品の仮想的な配置状態を表す配置情
   報であり、 前記一般化知識獲得手段は、前記配置情報に含まれる属
   性値を抽出して一般化知識を獲得することを特徴とする
   請求項１記載のデータベース作成プログラム。
3. 【請求項３】 前記データベース作成手段は、前記属性
   値から事例を再構築して前記クラスを生成することを特
   徴とする請求項１又は２記載のデータベース作成プログ
   ラム。
4. 【請求項４】 教師あり学習モデルを用いて新たな事例
   の物品に関する物品情報が前記教師データのどのクラス
   に属するかを認識する認識手段と、 認識された前記クラスに応じた物品の配置状態を第２の
   事例として生成する生成手段として前記コンピュータを
   さらに機能させることを特徴とする請求項２又は３に記
   載のデータベース作成プログラム。
5. 【請求項５】 前記認識手段は、前記物品情報が複数の
   クラスのうちどのクラスにも属さないと認識した場合、
   当該物品情報を出力し、 前記一般化知識獲得手段は、前記認識手段によって出力
   された物品情報に基づいて生成される新たな第１の事例
   からＥＢＬ学習モデルを用いて一般化知識を獲得するこ
   とを特徴とする請求項４記載のデータベース作成プログ
   ラム。
6. 【請求項６】 事例に基づいてデータベースを作成する
   ためのデータベース作成プログラムを記録したコンピュ
   ータ読み取り可能な記録媒体であって、 知識データとして記憶される複数の第１の事例からＥＢ
   Ｌ学習モデルを用いて一般化知識を獲得する一般化知識
   獲得手段と、 獲得した一般化知識を基にＣＯＢＷＥＢ学習モデルを用
   いて前記第１の事例をクラスタ分析することにより複数
   のクラスに分類し、教師データとしてデータベースを作
   成するデータベース作成手段としてコンピュータを機能
   させることを特徴とするデータベース作成プログラムを
   記録したコンピュータ読み取り可能な記録媒体。
7. 【請求項７】 事例に基づいてデータベースを作成する
   データベース作成装置であって、 知識データとして記憶される複数の第１の事例からＥＢ
   Ｌ学習モデルを用いて一般化知識を獲得する一般化知識
   獲得手段と、 獲得した一般化知識を基にＣＯＢＷＥＢ学習モデルを用
   いて前記第１の事例をクラスタ分析することにより複数
   のクラスに分類し、教師データとしてデータベースを作
   成するデータベース作成手段とを備えることを特徴とす
   るデータベース作成装置。
8. 【請求項８】 事例に基づいてデータベースを作成する
   データベース作成方法であって、 コンピュータが、知識データとして記憶される複数の第
   １の事例からＥＢＬ学習モデルを用いて一般化知識を獲
   得する一般化知識獲得手段と、 コンピュータが、獲得した一般化知識を基にＣＯＢＷＥ
   Ｂ学習モデルを用いて前記第１の事例をクラスタ分析す
   ることにより複数のクラスに分類し、教師データとして
   データベースを作成するデータベース作成手段とを含む
   ことを特徴とするデータベース作成方法。
9. 【請求項９】 ユーザが使用するユーザ端末と、前記ユ
   ーザ端末とネットワークを介して情報の送受信が可能な
   サーバとを含むデータベース作成システムであって、 前記ユーザ端末は、第１の事例に関する知識データを作
   成する作成手段と、 作成された知識データを前記サーバにネットワークを介
   して送信する送信手段とを備え、 前記サーバは、受信した前記知識データを記憶する知識
   データ記憶手段と、 知識データとして記憶される複数の第１の事例からＥＢ
   Ｌ学習モデルを用いて一般化知識を獲得する一般化知識
   獲得手段と、 獲得した一般化知識を基にＣＯＢＷＥＢ学習モデルを用
   いて前記第１の事例をクラスタ分析することにより複数
   のクラスに分類し、教師データとしてデータベースを作
   成するデータベース作成手段とを備えることを特徴とす
   るデータベース作成システム。