JP2015043146A - 予測装置、方法及びプログラム - Google Patents

Abstract

【課題】 安定的かつ精度良く予測値を取得することのできる技術を提供する。
【解決手段】 設計品に関する項目である予測項目の予測値を算出するための予測装置であって、予測項目の実績値と、当該実績値を得た場合の複数の設計項目毎の設計値とを有する実績情報を、複数記憶する記憶部と、実績情報のうち一部を用いて、設計項目のうち少なくとも１つを説明変数として、予測項目の予測値を算出するための第１評価モデルを複数生成する第１評価モデル生成部と、第１評価モデルに最も高い頻度で用いられた設計項目を選択するパラメータ選択部と、選択された設計項目を説明変数として、予測項目の予測値を算出するための予測モデルを生成する予測モデル生成部と、予測モデルと、設計項目の値とから、予測値を算出する予測値算出部と、算出した予測値を出力する出力部と、を有する。
【選択図】 図１

Description

本発明は、予測装置、方法及びプログラムに関する。

特許文献１には、コストを絞り込む仕様条件パラメータを生成する条件生成機構を持つ原価シミュレーション装置における原価見積もりパラメータ最適化方法であって、データベースから類似コストおよび類似仕様の部品を検索するステップと、部品のどの仕様条件が価格の変動要素となっているかのファクタを判定し指示するステップと、価格の差異を各ファクタに重み付け配分し、条件パラメータとして登録するステップと、を有することが記載されている。

特開2009-187477号公報

しかし、特許文献１に記載の技術は、部品の仕様条件の件数が多い場合、原価見積もりパラメータと原価との間の関係式を表す予測モデルが一意に決まらない不安定なものとなる。したがって、安定的かつ精度良く予測値を取得することができない。

そこで、本発明は、安定的かつ精度良く予測値を取得することのできる技術を提供することを目的とする。

本願は、上記課題を解決するための手段を複数含んでいるが、その一例を挙げるならば、設計品に関する項目である予測項目の予測値を算出するための予測装置であって、前記予測項目の実績値と、当該実績値を得た場合の複数の設計項目毎の設計値とを有する実績情報を、複数記憶する記憶部と、前記実績情報のうち一部を用いて、前記設計項目のうち少なくとも１つを説明変数として、前記予測項目の予測値を算出するための第１評価モデルを複数生成する第１評価モデル生成部と、前記第１評価モデルに最も高い頻度で用いられた設計項目を選択するパラメータ選択部と、前記選択された設計項目を説明変数として、前記予測項目の予測値を算出するための予測モデルを生成する予測モデル生成部と、前記予測モデルと、前記設計項目の値とから、予測値を算出する予測値算出部と、前記算出した予測値を出力する出力部と、を有することを特徴とする。

本発明により、安定的かつ精度良く予測値を取得することのできる技術の提供が可能となる。上記以外の課題、構成および効果等は、以下の実施形態の説明により明らかにされる。

本発明の一実施形態に係る予測装置の構成図の例である。 実績テーブルの一例である。 本実施形態に係る予測システムの構成図の例である。 予測装置、及び、実績情報管理装置のハードウェア構成例である。 予測装置の動作例の概要を示す。 評価モデル生成部による第１評価モデル作成処理を示すフローチャートの例である。 評価モデルテーブルの一例である。 パラメータ選択部によるパラメータ選択処理を示すフローチャートの例である。 パラメータテーブルの一例である。 選択する設計項目の入力を受け付けるための画面例である。 予測モデル生成部による予測モデル作成処理を示すフローチャートの例である。 予測モデルテーブルの一例である。 予測モデル等を表示する画面例である。 予測値算出部による予測値算出処理を示すフローチャートの例である。 予測値等を表示する画面例である。 予測テーブルの一例である。 第２の実施形態の予測装置の構成例である。 評価モデル生成部及びパラメータ選択部による評価モデル生成/パラメータ選択処理を示すフローチャートの例である。 パラメータ選択部による精度算出処理を示すフローチャートの例である。 精度テーブルの一例である。

以下、本発明の一実施形態を、図面を参照して詳細に説明する。なお、以下では、同じ構成を有するものについては同じ符号を付与して説明を省略する。

以下で説明する実施形態は、過去の実績値を元に予測値を算出するものである。本実施の形態は、設計項目が多数である一方で実績値の総数が少ない場合、換言すれば、設計項目に対し実績値の総数が十分でない場合に、特に効果的である。

予測対象の値としては、具体的には、例えば、部品又は製品等に用いる材料の物量、製品やその製品を構成する各部品のコスト、製品やその製品を構成する各部品を生産するための作業時間、装置や施設等を設置及び建築等する土地の広さ、土地の整地費用、整地所要時間、建築費、建築所要時間等であるが、以下で説明する実施形態は、これらに限定しない。

＜第１の実施形態＞
まず、第１の実施形態を説明する。図１は、本発明の一実施形態に係る予測装置の構成図の例である。予測装置１０は、記憶部１００、制御部１１０、入力部１２０、出力部１３０、通信部１４０を有する。

記憶部１００は、実績テーブル１０１、評価モデルテーブル１０２、パラメータテーブル１０３、予測モデルテーブル１０４、予測テーブル１０５等を記憶する。また、制御部１１０は、評価モデル生成部１１１、パラメータ選択部１１２、予測モデル生成部１１３、予測値算出部１１４を有する。

実績テーブル１０１は、実績情報を複数含む。各実績情報は、実績値と、複数の設計項目毎の設計値とを含む。実績テーブル１０１の一例は後述する。

評価モデルテーブル１０２、パラメータテーブル１０３、予測モデルテーブル１０４、予測テーブル１０５の各々は、後述する処理により生成される。これらの詳細については後述する。

評価モデル生成部１１１は、実績テーブル１０１のうち一部を抽出して複数の第１評価モデルを生成する。

パラメータ選択部１１２は、複数の第１評価モデルに基づいて、設計項目のうち少なくとも１つを、予測値を算出するためのパラメータとして選択する。

予測モデル生成部１１３は、パラメータ選択部１１２により選択された設計項目を説明変数として、予測値を算出するための予測モデルを生成する。

予測値算出部１１４は、予測モデル生成部１１３により生成された予測モデルを用いて予測値を算出する。

予測値算出部１１４により算出された予測値は、出力部１３０及び/又は通信部１４０に出力される。

実績テーブル１０１の一例を説明する。図２は、実績テーブル１０１の一例である。実績テーブル１０１は複数の実績情報を含む。各実績情報は、予測項目２０１及び実績値２０２の組みが少なくとも１つと、設計項目２０３及び設計値２０４の組みが複数とが含まれる。予測項目２０１は予測値の項目であり、実績値２０２は予測項目の実績値である。設計項目２０３は、実績値２０２の実績値を得た場合の設計項目であり、設計値２０４は、設計項目２０３の値である。

ここでいう予測項目及び設計項目とは、生産品や建築等の設計品に関する項目である。また、予測値及び設計値とは、生産品や建築等の設計品に関する項目の値である。予測項目及び設計項目の具体例としては、例えば、所定部位の寸法、重量、面積、所定加工の有無、所定工事の有無、所定仕様の有無、所定加工の加工時間、所定工程の作業時間、所定工事の所要時間、所定加工の加工費用、所定工事の工事費用等であるが、これらに限定しない。

なお、実績情報には、上記以外のデータが含まれていてもよい。例えば、図２の例では、各実績値を取得した案件の名称やコード等を特定する情報がさらに含まれている。

また、図２の例では、予測項目と設計項目とが別として設けられているが、同一に設けられていてもよい。即ち、ある１つの項目が、予測項目であると同時に設計項目であってもよい。

また、各実績情報は、予測項目が同一であっても、その設計項目の全てが必ずしも同じである必要はない。ただし、少なくとも一部の設計項目が同じであるほうが好ましい。

図３は、本実施形態に係る予測システムの構成図の例である。予測システムは、予測装置１０、実績情報管理装置２００等から構成される。予測装置１０と、実績情報管理装置２００とは通信ネットワーク２１０を介して相互に情報の送受信を行うことができる。

実績情報管理装置２００は、記憶部と、送信部等とを有する（いずれも図示略）。記憶部には、複数の実績情報が記憶されている。実績情報管理装置２００の送信部は、予め定められたタイミングや予測装置１０からの要求が入力された場合等に、複数の実績情報を予測装置１０に送信する。この実績情報の集合が、上記実績テーブル１０１である。

図４は、予測装置１０、及び、実績情報管理装置２００のハードウェア構成例である。予測装置１０、及び、実績情報管理装置２００の各々は、演算装置４０１、メモリ４０２、外部記憶装置４０３、入力装置４０４、出力装置４０５、通信装置４０６、記憶媒体駆動装置４０７等を有する。

演算装置４０１は例えばＣＰＵ（Central Processing Unit）等である。メモリ４０２は揮発性及び／又は不揮発性のメモリである。外部記憶装置４０３は、例えば、ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等である。記憶媒体駆動装置４０７は、例えばＣＤ（Compact Disk）やＤＶＤ（Digital Versatile Disk）、その他任意の可搬性を有する記憶媒体４０８に対して情報を読み書き可能である。入力装置４０４は、キーボードやマウス、マイクロフォン等である。出力装置４０５は、例えば、ディスプレイ装置、プリンタ、スピーカ等である。通信装置４０６は、例えば、通信ネットワーク２１０に接続するためのＮＩＣ（Network Interface Card）等である。

制御部１１０の各部は、所定のプログラムをメモリ４０２にロードして演算装置４０１が実行することにより実現可能である。

この所定のプログラムは、記憶媒体駆動装置４０７を介して記憶媒体４０８から、あるいは、通信装置４０６を介して通信ネットワーク２１０から、外部記憶装置４０３にダウンロードし、そして、メモリ４０２にロードし、演算装置４０１が実行するようにしてもよい。また、記憶媒体駆動装置４０７を介して記憶媒体４０８から、あるいは、通信装置４０６を介して通信ネットワーク２１０から、メモリ４０２に直接ロードして、演算装置４０１により実行するようにしてもよい。

また、記憶部１００は、メモリ４０２、外部記憶装置４０３、記憶媒体駆動装置４０７及び記憶媒体４０８等の全て又は一部により実現可能である。又は、演算装置４０１が上記プログラムの実行により、メモリ４０２、外部記憶装置４０３、記憶媒体駆動装置４０７及び記憶媒体４０８等の全て又は一部を制御することで実現してもよい。

また、入力部１２０は、入力装置４０４により実現可能である。又は、演算装置４０１が上記プログラムの実行により、入力装置４０４を制御することで実現してもよい。

また、出力部１３０は、出力装置４０５により実現可能である。又は、演算装置４０１が上記プログラムの実行により、出力装置４０５を制御することで実現してもよい。

また、通信部１４０は、通信装置４０６により実現可能である。又は、演算装置４０１が上記プログラムの実行により、通信装置４０６を制御することで実現してもよい。

また、実績情報管理装置２００の記憶部は、メモリ４０２、外部記憶装置４０３、記憶媒体駆動装置４０７及び記憶媒体４０８等の全て又は一部により実現可能である。

また、実績情報管理装置２００の送信部は、所定のプログラムをメモリ４０２にロードして演算装置４０１が実行することにより実現可能である。

なお、予測装置１０の各部及び実績情報管理装置２００の各部を実現するのは上記に限らない。各部の一部又は全てを、回路等のハードウェアにより実現してもよい。

また、予測装置１０の各部及び実績情報管理装置２００の各部は、１つの装置により実現してもよく、通信ネットワーク及び／又は任意の接続線等により接続された複数の装置に分散することで実現してもよい。

次に、予測装置１０の動作例を説明する。
図５は、予測装置１０の動作例の概要を示す。この動作は、例えば、予測要求等が入力部１２０又は通信部１４０等から入力された場合に起動するが、これに限定するわけではない。また、この動作の起動の際には、予測項目等が、入力部１２０及び/又は通信部１４０を介して入力される、或いは、予め記憶部１００に記憶等されているものとする。又は、実績テーブル１０１に格納されている全ての予測項目２０１を、予測項目としてもよい。

まず、評価モデル生成部１１１は、実績テーブル１０１のうち一部を抽出して複数の第１評価モデルを生成する（Ｓ５０１）。そのために、評価モデル生成部１１１は、実績テーブル１０１から、少なくとも１つの実績情報を標本データとして抽出して、設計項目と予測項目との間の関係式を生成し、これを第１評価モデルとする。評価モデル生成部１１１は、この第１評価モデルの生成を、標本データとする実績情報の組みを変えて、標本データ毎に複数回行う。

次に、パラメータ選択部１１２は、設計項目のうち少なくとも１つを、予測値を算出するためのパラメータとして選択する（Ｓ５０２）。そのために、パラメータ選択部１１２は、評価モデル生成部１１１により生成された複数の第１評価モデルに説明変数として用いられている設計項目のうち、最も高い頻度で用いられるものを特定し、これを含む設計項目を少なくとも１つ選択する

予測モデル生成部１１３は、パラメータ選択部１１２により選択された設計項目を説明変数として、予測値を算出するための予測モデルを生成する（Ｓ５０３）。そのために、予測モデル生成部１１３は、実績テーブル１０１から、パラメータ選択部１１２が選択した設計項目の設計値と、予測項目の実績値とを抽出し、これらの値から、設計項目と予測項目との間の関係式を生成し、これを予測モデルとする。

次に、予測値算出部１１４は、予測モデル生成部１１３により生成された予測モデルを用いて予測値等を算出し、出力等する（Ｓ５０４）。

次に、上記各処理をより詳細に説明する。
図６は、評価モデル生成部１１１による第１評価モデル作成処理を示すフローチャートの例である。まず、評価モデル生成部１１１は、記憶部１００に格納されている実績テーブル１０１を読み込む（Ｓ６０１）。

次に、評価モデル生成部１１１は、実績テーブル１０１から、１つ以上の実績情報を抽出し、これを標本データとする（Ｓ６０２）。

評価モデル生成部１１１が標本データとして実績情報を抽出する技術は特に限定せず、公知の技術によるものでもよい。公知の技術として、例えば、実績テーブル１０１から１件の実績情報を除外した残りを標本データとする技術（Leave-one-out法）、実績テーブル１０１内の実績情報を同量の件数の複数グループに分け、そのうちの１グループを除外し、残りを標本データする技術（k-fold法）、実績テーブル１０１からあらかじめ決められた件数の実績情報を無作為に抽出し、標本データとする技術（ランダムサンプリング法）等があるが、これらに限定しない。

なお、ここで抽出する実績情報は、予測項目２０１が、予測項目と一致するものであることはいうまでもない。

次に、評価モデル生成部１１１は、標本データの設計項目と予測項目との関係式を第１評価モデルとして作成する（Ｓ６０３）。より具体的には、評価モデル生成部１１１は、例えば、標本データの設計項目を説明変数とする関係式の係数及び定数等を算出し、これらの係数及び定数等からなる関数を第１評価モデルとする。評価モデル生成部１１１は、この係数及び定数、設計項目、予測項目等を、評価モデルテーブル１０２に格納する。

評価モデル生成部１１１が関係式を生成する技術は特に限定せず、公知の技術によるものでもよい。公知の技術として、例えば、最小二乗法、ステップワイズ（Step-wise）法、リッジ（Ridge）回帰法、ＬＡＳＳＯ（Least Absolute Shrinkage and Selection Operator）等の任意の統計技術があるが、これらに限定しない。

関係式の一例を説明する。設計項目ｉを説明変数とすると、標本データｎにおける予測値Ｖ_ｎは、例えば以下で表すことができる。

なお、ａ_ｎは定数、ｂ_ｎｉは設計項目ｉの係数、ｘ_ｎｉは設計項目ｉの値である。

また、ここで生成する関係式で説明変数とする設計項目ｉの数は、１つ以上であればよく、特に限定しない。

次に、評価モデル生成部１１１は、実績テーブル１０１から、他の標本データが抽出可能か否か判定する（Ｓ６０４）。この判定は、特に限定しないが、Ｓ６０２で抽出した技術に応じて判定するとよい。

具体的には、例えば、Leave-one-out法やk-fold法であれば、適用可能な全ての組み合わせの標本データを抽出したか否かにより判定するとよい。また、例えば、ランダムサンプリング法や他の技術であれば、任意の閾値等以上の標本データを抽出したか否かにより判定するとよい。ただし、この判定条件は、複数の標本データの抽出が可能であり、標本データ毎に、上記第１評価モデルを生成可能な条件とする。

Ｓ６０４の判定の結果、他の標本データが抽出可能である場合、評価モデル生成部１１１は、再度、Ｓ６０２以降の処理を行う。

Ｓ６０４の判定の結果、他の標本データが抽出可能でない場合、評価モデル生成部１１１は、処理を終了する。

ここで、上記Ｓ６０２及びＳ６０３の具体的な処理例について説明する。ここでは、標本データの抽出をLeave-one-out法で行う場合の例を説明する。

例えば、評価モデル生成部１１１は、実績テーブル１０１の予測項目２０１が「ケーブル」であるものうち、１件目を除外した残りを標本データ（ｎ＝１）とし、この標本データから任意の統計技術により、関係式の係数及び定数等を算出する。関係式が上記数１である場合、評価モデル生成部１１１は、以下で予測値Ｖ_１を示すことができる。

評価モデル生成部１１１は、定数ａ_１、設計項目ｉ、係数ｂ_１ｉ等を評価モデルテーブル１０２に格納する。次に、他の標本データが抽出可能か否か判定する。ここでは、評価モデル生成部１１１は、他の標本データが抽出可能と判定する。

評価モデル生成部１１１は、実績テーブル１０１の予測項目２０１が「ケーブル」であるものうち、２件目を除外した残りを標本データ（ｎ＝２）とし、この標本データから任意の統計技術により、関係式の係数及び定数等を算出する。例えば、関係式が上記数１で示される場合、評価モデル生成部１１１は、以下で予測値Ｖ_２を示すことができる。

評価モデル生成部１１１は、取得した定数ａ_２、設計項目ｉ、係数ｂ_２ｉ等を評価モデルテーブル１０２に格納する。

実績情報の総数をｍ_ｍａｘとすると、上記処理を繰り返すことにより、評価モデル生成部１１１は、ｎ＝ｍ_ｍａｘまでの標本データを抽出することが可能である。

図７は、上記処理により得られる評価モデルテーブル１０２の一例である。評価モデルテーブル１０２は、標本データ毎に、予測項目７０１、設計項目７０２、係数７０３等を有する。予測項目７０１は、予想項目である。設計項目７０２は設計項目ｉを示し、係数７０３は係数ｂ_ｎｉを示す。

なお、評価モデルテーブル１０２に含まれる情報は特に限定せず、例えば、上記の他に、定数ａ_ｎや、標本データｎ等が含まれてもよく、図７に示す情報の全てが含まれなくてもよい。なお、図７では、モデルＮｏ．として標本データｎが含まれる例を示している。ただし、評価モデルテーブル１０２には、少なくとも、標本データ毎に、関係式に用いた設計項目ｉが含まれるものとする。

図８は、パラメータ選択部１１２によるパラメータ選択処理を示すフローチャートの例である。まず、パラメータ選択部１１２は、記憶部１００から、評価モデルテーブル１０２を読み込む（Ｓ８０１）。

次に、パラメータ選択部１１２は、評価モデルテーブル１０２に基づいて、設計項目毎に、第１評価モデルにその設計項目が説明変数として含まれる頻度を取得する（Ｓ８０２）。より具体的には、パラメータ選択部１１２は、設計項目毎に、評価モデルテーブル１０２の設計項目７０２が同値の標本データの数をカウントし、この数を、その設計項目７０２の頻度とする。パラメータ選択部１１２は、設計項目と、その頻度等とを、パラメータテーブル１０３に格納する。

なお、頻度は、上記に限るわけではない。Ｓ８０２で算出するものは、第１評価モデルに説明変数として含まれる頻繁さを示す指標であればよく、頻度を取得する技術は限定しない。

次に、パラメータ選択部１１２は、設計項目毎の選択率を算出する（Ｓ８０３）。より具体的には、パラメータ選択部１１２は、設計項目毎に、頻度を評価モデルテーブル１０２の実績情報の総数ｍ_ｍａｘで除算し、この値を、その設計項目の選択率とする。パラメータ選択部１１２は、選択率をパラメータテーブル１０３に追加格納する。

なお、選択率は、上記に限るわけではない。Ｓ８０３で算出するものは、第１評価モデルに説明変数として選択される確率を示す指標であればよく、選択率を取得する技術は限定しない。例えば、上記処理により算出した頻度を、そのまま選択率としてもよい。

次に、パラメータ選択部１１２は、予測モデル生成に用いる設計項目を選択する（Ｓ８０４）。より具体的には、例えば、パラメータ選択部１１２は、実績テーブル１０１の設計項目２０３のうち、Ｓ８０３で算出した選択率が最も高いものを選択する。ここで選択する設計項目の数は１つ以上であればよいが、少なくとも、選択率が最も高いものを含む。パラメータ選択部１１２は、選択した設計項目を予測モデルの説明変数とする旨をパラメータテーブル１０３に追加格納等する。

図９は、上記処理により得られるパラメータテーブル１０３の一例である。パラメータテーブル１０３は、設計項目９０１毎に、頻度９０２、選択率９０３、選択フラグ９０４等を有する。設計項目９０１は設計項目ｉを示す。頻度９０２はＳ８０２で取得した頻度である。選択率９０３はＳ８０３で算出した選択率である。選択フラグ９０４は、Ｓ８０４でその設計項目ｉを選択したか否かを示し、図９の例では、選択したことを「１」、選択していないことを「０」で示す。

なお、パラメータ選択部１１２は、上記のように、少なくとも、選択率が最も高い設計項目を選択し、これを予測モデル生成に用いる設計項目とする。この選択はパラメータ選択部１１２が必ずしも行う必要はなく、入力部１２０又は通信部１４０等から入力された値に従い、予測モデル生成に用いる設計項目を定めてもよい。この場合、パラメータ選択部１１２は、入力された値に従い、パラメータテーブル１０３に各情報を追加格納等してもよい。例えば、そのために、パラメータ選択部１１２は、選択する設計項目の入力を受け付けるための出力情報を生成し、出力部１３０又は通信部１４０等に出力する。

図１０は、選択する設計項目の入力を受け付けるための画面例である。画面１０００は、領域１００１を有する。領域１００１は、設計項目毎に、その設計項目を説明変数として選択するか否かを入力するための領域１００２を有する。

図１０の例では、領域１００２をチェックボックスで実現している。また、図１０の例では、設計項目毎に、Ｓ８０３で算出した選択率が表示されている。ユーザは、入力部１２０を用いて、領域１００２の各チェックボックスを活性又は不活性とすることで、いずれかの設計項目を選択する。

なお、パラメータ選択部１１２は、選択率が最も高い設計項目は標準で選択し、他の設計項目を選択可能としてもよい。

また、パラメータ選択部１１２は、設計項目の選択可能数に上限及び／又は下限を設け、上限以上の設計項目の同時選択や、下限以下の設計項目の同時選択を不可とするように制御してもよい。

また、パラメータ選択部１１２は、所定閾値以上の頻度又は選択率等の設計項目のみを選択可能とし、他の設計項目を選択不可としてもよい。

画面１０００を表示する場合、ユーザがボタン１００３を押下して指示を入力することで、以下で説明する予測モデル生成処理に移行する。

図１１は、予測モデル生成部１１３による予測モデル作成処理を示すフローチャートの例である。

予測モデル生成部１１３は、記憶部１００から、実績テーブル、パラメータテーブル１０３等を読み込む（Ｓ１１０１）。

次に、予測モデル生成部１１３は、パラメータ選択部１１２により選択された設計項目を用いて予測モデルを生成する（Ｓ１１０２）。そのために、例えば、予測モデル生成部１１３は、例えば、パラメータテーブル１０３を参照して、選択フラグ９０４が選択されたものであることを示す設計項目を特定し、特定した設計項目を用いて、予測モデルを生成する。

予測モデル生成部１１３が予測モデルを生成する技術は特に限定せず、公知の技術によるものでもよい。公知の技術としては、例えば、最小二乗法、ステップワイズ（Step-wise）法、リッジ（Ridge）回帰法、ＬＡＳＳＯ（Least Absolute Shrinkage and Selection Operator）等の統計技術があるが、これに限定しない。

Ｓ１１０２で生成する予測モデルの一例を説明する。設計項目ｉを説明変数とすると、予測値Ｖは、例えば以下で表すことができる。

なお、ａは定数、ｂ_ｉは設計項目ｉの係数、ｘ_ｉは設計項目ｉの値である。予測モデルの設計項目ｉが、上記パラメータ選択部１１２の処理により選択された設計項目であることはいうまでもない。

予測モデル生成部１１３は、予測項目と、パラメータ選択部１１２により選択された設計項目と、生成した予測モデル等とを評価モデルテーブル１０２に格納する。

次に、予測モデル生成部１１３は、予測モデルによる予測誤差を算出する（Ｓ１１０３）。そのために、予測モデル生成部１１３は、まず、実績テーブル１０１から、予測項目の実績値と、その実績値を得た場合の設計項目毎の設計値とを抽出する。次に、予測モデル生成部１１３は、設計項目毎の設計値と上記予測モデルとから、予測項目の予測値を算出する。予測モデル生成部１１３は、予測項目の実績値と、算出した予測値との差を算出し、これを予測誤差とする。

なお、予測誤差は、実績値と予測値との差に限るわけではない。例えば、平均絶対偏差、平均絶対誤差、平均二乗誤差、標準誤差等であってもよい。また、算出する予測誤差の数は１つに限らず、複数の実績情報の各々から予測値を算出して、これに基づいて、複数の予測誤差を算出してもよい。即ち、Ｓ１１０３で算出するものは、予測モデルによる予測値の誤差を示す指標であればよく、予測誤差を取得する技術は限定しない。

次に、予測モデル生成部１１３は、予測モデルの安定度を算出する（Ｓ１１０４）。そのために、予測モデル生成部１１３は、パラメータテーブル１０３に基づいて、予測モデルの生成に用いた設計項目の選択率を抽出する。次いで、予測モデル生成部１１３は、抽出した選択率の平均値を算出し、これを予測モデルの安定度とする。

なお、安定度は、選択率の平均値に限るわけではない。Ｓ１１０４で算出するものは、予測モデルの安定性を示す指標であればよく、安定度を取得する技術は限定しない。

図１２は、上記処理により得られる予測モデルテーブル１０４の一例である。予測モデルテーブル１０４は、予測項目１２０１毎に、定数１２０２、パラメータ１２０３、係数１２０４等を有する。定数１２０２は、予測モデルの定数ａを示す。パラメータ１２０３は設計項目ｉを示す。係数１２０４は設計項目ｉに対する係数ｂ_ｉを示す。

パラメータ１２０３及び係数１２０４の組みの数は限定せず、図１２に一例を示すように、複数であってもよく、単数であってもよい。なお、図１２の例では、予測項目において、パラメータ１２０３及び係数１２０４が無いことを「-」で示している。

また、予測モデル生成部１１３は、上記処理により生成した予測モデル等を、Ｓ１１０２以降の任意のタイミングで、出力部１３０又は通信部１４０等に出力してもよい。そのために、例えば、予測モデル生成部１１３は、上記処理により算出した定数ａ、係数ｂ_ｉ等を含む出力情報を生成し、出力部１３０又は通信部１４０等に出力する。

図１３は、予測モデル等を表示する画面例である。画面１３００は、領域１３０１、領域１３０２、領域１３０３、領域１３０４等を有する。

領域１３０１は、予測モデルの関係式を含む。領域１３０２は、予測モデルの生成に用いた定数ａと、設計項目ｉ毎の係数ｂ_ｉとを含む。図１３の例では、領域１３０２は、定数ａと係数ｂ_ｉとを比で示している。領域１３０３は、予測項目の実績値と予測値との関係を含む。図１３の例では、領域１３０３は、実績値と予測値との関係をグラフで示している。この予測値は、Ｓ１１０３で特定した実績値及び算出した予測値を用いるとよい。領域１３０４は、上記Ｓ１１０３で算出された予測誤差、及び、Ｓ１１０４で算出された安定度を含む。

画面１３００を表示する場合、ユーザがボタン１３０５を押下して指示を入力することで、以下で説明する予測値算出処理に移行してもよい。

図１４は、予測値算出部１１４による予測値算出処理を示すフローチャートの例である。

予測値算出部１１４は、記憶部１００から予測モデルテーブル１０４を読み込む（Ｓ１４０１）。次に、予測値算出部１１４は、予測モデルテーブル１０４から予測項目の予測モデルを特定する（Ｓ１４０２）。そのために、予測値算出部１１４は、例えば、予測モデルテーブル１０４から、予測項目１２０１の値が予測項目と一致する定数１２０２、パラメータ１２０３及び係数１２０４等を抽出する。ここで、該当する定数１２０２、パラメータ１２０３及び係数１２０４等の組みが含まれている場合、予測値算出部１１４は、全ての定数１２０２、パラメータ１２０３及び係数１２０４等の組みを抽出する。予測値算出部１１４は、この定数１２０２、パラメータ１２０３及び係数１２０４等から、予測モデルである関係式を特定する。

次に、予測値算出部１１４は、特定した予測モデルを用いて予測値を算出する（Ｓ１４０３）。そのために、予測値算出部１１４は、例えば、Ｓ１４０２で特定した関係式に、設計項目の値を代入等して予測値を算出する。

ここで関係式に代入等する設計項目の値は、予め記憶部１００等に記憶されていてもよく、また、後述のように、入力部１２０又は通信部１４０等から入力されるものを用いてもよい。

予測値算出部１１４は、算出した予測値、予測値の算出に用いた設計項目毎の値等を、予測テーブル１０５に格納等する。

次に、予測値算出部１１４は、Ｓ１４０３で算出した予測値等を出力する（Ｓ１４０４）。そのために、例えば、予測値算出部１１４は、上記処理により算出した予測値等を含む出力情報を生成し、出力部１３０又は通信部１４０等に出力する。

図１５は、予測値等を表示する画面例である。なお、図１５では、同画面で、設計項目の値を入力可能な場合の例を示している。

画面１５００は、領域１５０１、領域１５０２、領域１５０３、領域１５０４等を有する。領域１５０１は、予測モデルの関係式を含む。領域１５０２は、予測モデルの生成に用いた定数ａと、設計項目ｉ毎の係数ｂ_ｉとを含む。図１５の例では、領域１５０２は、定数ａと係数ｂ_ｉとを比で示している。領域１５０３は、設計項目ｉ毎の値の入力を受け付ける。領域１５０４は、予測モデルにより算出された予測値を含む。

画面１５００の場合、ユーザが入力部１２０等を用いて、領域１５０３に、設計項目ｉ毎の値を入力すると、予測値算出部１１４は、入力された設計項目毎の値を予測モデルの関係式に代入等して予測値を算出し、領域１５０４に表示する。ユーザがボタン１５０５を押下して指示を入力すると、予測値算出部１１４は、算出した予測値、入力された設計項目毎の値等を、予測テーブル１０５に格納等する。

又は、ユーザは、入力部１２０等を用いて、領域１５０３に、設計項目ｉ毎の値を入力する。ユーザがボタン１５０５を押下して指示を入力すると、予測値算出部１１４は、入力された設計項目毎の値を予測モデルの関係式に代入等して予測値を算出し、領域１５０４に表示してもよい。さらに、予測値算出部１１４は、算出した予測値、入力された設計項目毎の値等を、予測テーブル１０５に格納等してもよい。

図１６は、上記処理により得られる予測テーブル１０５の一例である。予測テーブル１０５は、案件１６０１毎及び予測項目１６０２毎に、予測値１６０３、定数１６０４、パラメータ１６０５、係数１６０６、パラメータ値１６０７等を有する。

案件１６０１は、予測値を算出する案件を示す。予測項目１６０２は、予測項目を示す。予測値１６０３は、予測項目の予測値を示す。定数１６０４は予測項目に対する係数ａを示す。パラメータ１６０５は設計項目ｉを示す。係数１６０６は設計項目ｉに対する係数ｂ_ｉを示す。パラメータ値１６０７は、予測値を算出した際の設計項目ｉの値を示す。

なお、予測値の出力は上記に限らない。例えば、図１６に一例を示す予測テーブル１０５をそのまま、又は、一部追加又は削除等して出力してもよい。

＜第２の実施形態＞
次に、第２の実施形態を説明する。第２の実施形態は、予測モデルに用いる設計項目の選択処理が、上記第１の実施形態と異なる。以下では、設計項目の選択について詳細に説明する。

図１７は、第２の実施形態の予測装置１７００の構成例である。予測装置１７００は、予測装置１０と比較して、精度テーブル１７０１をさらに有し、評価モデル生成部１１１、パラメータ選択部１１２の替わりに評価モデル生成部１７０２、パラメータ選択部１７０３を有する。

次に、予測装置１７００の動作例を説明する。
図１８は、評価モデル生成/パラメータ選択処理を示すフローチャートの例である。まず、評価モデル生成部１７０２は、記憶部１００に格納されている実績テーブル１０１を読み込む（Ｓ１８０１）。次に、評価モデル生成部１７０２は、実績テーブル１０１から、１つ以上の実績情報を抽出し、これを標本データとする（Ｓ１８０２）。 次に、評価モデル生成部１７０２は、標本データの設計項目と予測項目との関係式を第１評価モデルとして作成する（Ｓ１８０３）。Ｓ１８０１−Ｓ１８０３までの処理は、上記Ｓ６０１−Ｓ６０３までの処理と同じである。

次に、パラメータ選択部１７０３は、Ｓ１８０２で抽出された標本データの精度を算出する（Ｓ１８０４）。この処理の詳細は後述する。評価モデル生成部１７０２は、実績テーブル１０１から、他の標本データが抽出可能か否か判定する（Ｓ１８０５）。Ｓ１８０５の処理は、上記Ｓ６０４の処理と同じである。

Ｓ１８０５の判定の結果、他の標本データが抽出可能である場合、評価モデル生成部１７０２は、再度、Ｓ１８０２以降の処理を行う。

一方、Ｓ１８０５の判定の結果、他の標本データが抽出可能でない場合、パラメータ選択部１７０３は、Ｓ１８０４で算出した精度の平均値である平均精度を算出する（Ｓ１８０６）。パラメータ選択部１７０３は、平均精度に基づいてパラメータとする設計項目を選択する（Ｓ１８０７）。パラメータ選択部１１２は、選択した設計項目をパラメータテーブル１０３に追加格納等する。

図１９は、Ｓ１８０４の精度算出処理を示すフローチャートの例である。まず、パラメータ選択部１７０３は、記憶部１００から、評価モデルテーブル１０２を読み込む（Ｓ１９０１）。パラメータ選択部１７０３は、評価モデルテーブル１０２に基づいて、設計項目毎に、予測モデルにその設計項目が説明変数として含まれる頻度を取得する（Ｓ１９０２）。パラメータ選択部１７０３は、設計項目毎の選択率を算出する（Ｓ１９０３）。これらの処理は上記第１の実施形態のＳ８０１−Ｓ８０３と同じであるので説明は省略する。

次に、パラメータ選択部１７０３は、頻度が最も高い設計項目を特定し、これを候補項目とする（Ｓ１９０４）。パラメータ選択部１７０３は、頻度が最も高い設計項目を、パラメータテーブル１０３の選択率９０３の値等から特定するとよい。

パラメータ選択部１７０３は、候補項目を用いて第２評価モデルを生成する（Ｓ１９０５）。パラメータ選択部１７０３は、第２評価モデルの生成のために、上記第１の実施形態で説明した第１評価モデル又は予測モデルの生成等と同じ処理を行うとよい。

パラメータ選択部１７０３は、第２評価モデルによる予測誤差の精度を算出する（Ｓ１９０６）。予測誤差の精度の算出のために、パラメータ選択部１７０３は、例えば、記第１の実施形態で説明した予測モデルの予測誤差の算出と同じ処理により、実績値毎の予測誤差を算出し、実績値毎の予測誤差の平均値を、第２評価モデルによる予測誤差の精度としてもよい。

パラメータ選択部１７０３は、現段階での候補項目と、Ｓ１９０６の処理で算出した精度とを精度テーブル１７０１に格納する。

次に、パラメータ選択部１７０３は、候補項目として抽出可能な設計項目があるか否か判定する（Ｓ１９０７）。この判定は、特に限定しないが、例えば、Ｓ１９０７等の処理を所定閾値回数行ったか否かにより判定してもよい。この閾値は特に限定しない。例えば、予め定められていてもよく、設計項目の総数ｉ_ｍａｘに応じた値でもよく、また、第２評価モデルの生成技術に応じた値でもよい。

Ｓ１９０７の判定の結果、候補項目として抽出可能な設計項目がある場合、パラメータ選択部１７０３は、新たな候補項目を抽出する（Ｓ１９０８）。この後に、パラメータ選択部１７０３は、Ｓ１９０５の処理に移行し、新たな候補項目を用いて第２評価モデルを生成する。

新たな候補項目を抽出する技術は特に限定しない。各候補項目は、１つ以上の設計項目を含み、かつ、ある候補項目を構成する設計項目が、他の候補項目と異なっていればよい。ただし、ここでは、候補項目として、少なくとも、最も頻度が高い設計項目を含むものとする。

一方、Ｓ１９０７の判定の結果、候補項目として抽出可能な設計項目が無い場合、評価モデル生成部１７０２は、処理を終了する。

Ｓ１９０５−Ｓ１９０８の処理、及び、Ｓ１８０６の処理について説明する。ここでは、Ｓ１９０８の処理で、頻度が高い順から１つの設計項目を選択し、この設計項目を候補項目に追加したものを、新たな候補項目とする場合の例を説明する。また、Ｓ１９０７の処理については、候補項目として抽出可能なものがあればよいが、ここでは、Ｓ１９０５及びＳ１９０６の処理を、設計項目の総数以内の任意の閾値、即ちｉ_ｍａｘ≧ｌ（ただしｌは自然数）だけ行ったか否かにより判定するものとする。

具体的には、例えば、設計項目をｘ_ｉとし、予測モデルに説明変数として含まれる頻度の高い順がｘ_１、ｘ_２、ｘ_３、ｘ_４…とすると、パラメータ選択部１７０３は、Ｓ１９０５の処理で、候補項目として設計項目ｘ_１を選択する。この設計項目ｘ_１についてＳ１９０６で第２評価モデルを生成し、Ｓ１９０６の処理で精度を算出した後に、Ｓ１９０７の判定に移行する。この場合、候補項目として抽出可能なものがあるので、パラメータ選択部１７０３は、Ｓ１９０８の処理に移行する。ここでは、パラメータ選択部１７０３は、設計項目ｘ_２を選択し、設計項目ｘ_１と設計項目ｘ_２とを、新たな候補項目とする。

パラメータ選択部１７０３は、設計項目ｘ_１と設計項目ｘ_２とを用いて、Ｓ１９０５及びＳ１９０６の処理を行う。再度のＳ１９０７の判定で、候補項目として抽出可能なものがあると判定すると、パラメータ選択部１７０３は、Ｓ１９０８の処理で、設計項目ｘ_３を選択し、設計項目ｘ_１と設計項目ｘ_２と設計項目ｘ_３とを、新たな候補項目とする。

上記のように、頻度が高い順から設計項目を選択し、候補項目として順次追加することで、処理負荷の低減を図るとともに、より予測精度の高い予測モデルを生成することが可能となる。

ただし、候補項目の抽出は上記に限るわけではない。例えば、上記具体例であれば、設計項目ｘ_１と設計項目ｘ_３とを、新たな候補項目としてもよい。即ち、最も高い頻度の設計項目を少なくとも含む設計項目の組み毎に精度を算出し、最も平均精度の高い組みに含まれる設計項目を、パラメータとして選択するとよい。

図２０は、上記処理により得られる精度テーブル１７０１の一例である。精度テーブル１７０１は、標本データ２００１毎に、精度２００２等を有する。

精度２００２は、標本データ２００１における候補項目毎の精度を示す。さらに、精度テーブル１７０１は、平均精度２００３を含む。平均精度２００３は、Ｓ１８０６の処理で算出される、候補項目毎の精度の平均値である。

図２０の精度テーブル１７０１の場合、パラメータ選択部１７０３は、Ｓ１８０７の処理で、候補項目毎の平均精度２００３に基づいて、最も精度の高い候補項目を特定し、これに含まれる設計項目をパラメータとすると良い。

上記のように、第１の実施形態及び第２の実施形態では、予測値に最も影響の大きい設計項目を特定し、この設計項目を用いて予測モデルを生成し、予測値を算出することができる。これにより、例えば少量多品種生産のような、設計項目の数に対し実績値の数が十分でない場合でも、安定した予測値を取得することが可能となる。

設計項目の数に対し実績値の数が十分でない場合とは、具体的には、実績情報の総数をｍ_ｍａｘとし、設計項目の総数をｉ_ｍａｘとすると、ｍ_ｍａｘ＜ｉ_ｍａｘの場合である。

設計項目の数に対し実績値の数が十分でない場合には、従来技術のように類似するものを特定して予測モデルを生成しても、設計項目の値が特定範囲内等の場合にだけに特に予測精度が高くなり、その範囲から値が外れると、予測精度が急激に低下するという問題がある。設計項目の数に対し実績値の数が十分でない場合、上記従来の技術では予測モデルの安定性は低い。

上記実施の形態では、上記のように、予測値に最も影響の大きい設計項目を特定し、この設計項目を用いて予測値を算出することができるので、安定性と正確性とに優れた予測モデルを取得することが可能となる。

上記のように、上記実施の形態は、部品又は製品等に用いる材料の物量、製品やその製品を構成する各部品のコスト、製品やその製品を構成する各部品を生産するための作業時間、装置や施設等を設置及び建築等する土地の広さ、土地の整地費用、整地所要時間、建築費、建築所要時間等の予測値の取得に適用することが可能である。例えば１つの製品が複数の部品から構成されるように、１つの予測項目を複数の下位項目の集合とみなせる場合には、その各下位項目に対し、上記予測処理を行い、得られた複数の予測値を積み上げてもよい。また、複数の下位項目の集合を１つの予測項目として、上記予測処理を行ってもよい。

また、上記実施の形態では、パラメータとして、最も高い頻度で用いられた設計項目を少なくとも１つ含む。最も高い頻度で用いられた設計項目が複数である場合は、そのうち一部をパラメータとして含めてもよく、全てをパラメータとして含めてもよい。

以上、本発明者によってなされた発明を実施の形態に基づき具体的に説明したが、本発明は前記実施の形態に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能であることはいうまでもない。例えば、上記の実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施形態の構成の一部を他の実施形態の構成に置き換えることが可能であり、また、ある実施形態の構成に他の実施形態の構成を加えることも可能である。また、各実施形態の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

また、上記の各図において、制御線や情報線は説明上必要と考えられるものを示しており、必ずしも実装上の全ての制御線や情報線を示しているとは限らない。実際にはほとんど全ての構成が相互に接続されていると考えてもよい。

１０：予測装置、１００：記憶部、１１０：制御部、１０１：実績テーブル、１０２：評価モデルテーブル、１０３：パラメータテーブル、１０４：予測モデルテーブル、１０５：予測テーブル、１１１：評価モデル生成部、１１２：パラメータ選択部、１１３：予測モデル生成部、１１４：予測値算出部、１２０：入力部、１３０：出力部、１４０：通信部、１７００：予測装置、１７０１：精度テーブル、１７０２：パラメータ選択部、２００：実績情報管理装置、２１０：通信ネットワーク

Claims (9)

1. 設計品に関する項目である予測項目の予測値を算出するための予測装置であって、
   前記予測項目の実績値と、当該実績値を得た場合の複数の設計項目毎の設計値とを有する実績情報を、複数記憶する記憶部と、
   前記実績情報のうち一部を用いて、前記設計項目のうち少なくとも１つを説明変数として、前記予測項目の予測値を算出するための第１評価モデルを複数生成する第１評価モデル生成部と、
   前記第１評価モデルに最も高い頻度で用いられた設計項目を選択するパラメータ選択部と、
   前記選択された設計項目を説明変数として、前記予測項目の予測値を算出するための予測モデルを生成する予測モデル生成部と、
   前記予測モデルと、前記設計項目の値とから、予測値を算出する予測値算出部と、
   前記算出した予測値を出力する出力部と、
   を有することを特徴とする予測装置。
2. 請求項１に記載の予測装置であって、
   前記パラメータ選択部は、
   前記第１評価モデルに最も高い頻度で用いられた設計項目を少なくとも含む複数の設計項目を選択すること
   を特徴とする予測装置。
3. 請求項１に記載の予測装置であって、
   前記第１評価モデル生成部は、
   少なくとも１つの前記実績情報を含む標本データを用いて前記第１評価モデルを生成し、
   前記標本データに含まれる前記実績情報を変えて、前記第１評価モデルを複数生成すること
   を特徴とする予測装置。
4. 請求項１に記載の予測装置であって、
   前記パラメータ選択部は、
   前記最も高い頻度で用いられた設計項目を少なくとも含む候補項目を抽出し、当該候補項目に含まれる設計項目を説明変数として、前記予測項目の予測値を算出するための第２評価モデルを、前記候補項目に含まれる設計項目を変えて複数生成し、
   前記第２評価モデルと、前記実績情報とから、前記第２評価モデル毎の予測値算出の精度を算出し、
   前記精度に基づいて設計項目を選択すること
   を特徴とする予測装置。
5. 請求項４に記載の予測装置であって、
   前記パラメータ選択部は、
   前記頻度が高い順に設計項目を追加したものを前記候補項目とすること
   を特徴とする予測装置。
6. 請求項１に記載の予測装置であって、
   前記記憶部に記憶される前記実績情報は、前記設計項目の総数が、前記実績情報の総数より多いこと
   を特徴とする予測装置。
7. 請求項１に記載の予測装置であって、
   前記予測モデル生成部は、
   前記予測モデルに用いられている設計項目が前記複数の第１評価モデルに用いられている回数に基づいて、前記予測モデルの安定度を算出すること
   を特徴とする予測装置。
8. 設計品に関する項目である予測項目の予測値を算出するための方法であって、
   前記予測項目の実績値と、当該実績値を得た場合の複数の設計項目毎の設計値とを有する実績情報を、複数記憶する記憶部、を有する予測装置が、
   前記実績情報のうち一部を用いて、前記設計項目のうち少なくとも１つを説明変数として、前記予測項目の予測値を算出するための第１評価モデルを複数生成する第１評価モデル生成ステップと、
   前記第１評価モデルに最も高い頻度で用いられた設計項目を選択するパラメータ選択ステップと、
   前記選択された設計項目を説明変数として、前記予測項目の予測値を算出するための予測モデルを生成する予測モデル生成ステップと、
   前記予測モデルと、前記設計項目の値とから、予測値を算出する予測値算出ステップと、
   前記算出した予測値を出力部から出力する出力ステップと、
   を有することを特徴とする方法。
9. コンピュータにより実行されると、当該コンピュータを、設計品に関する項目である予測項目の予測値を算出する予測装置として機能させるプログラムであって、
   前記予測項目の実績値と、当該実績値を得た場合の複数の設計項目毎の設計値とを有する実績情報を、複数記憶する記憶部と、演算装置と、を有するコンピュータを、
   前記実績情報のうち一部を用いて、前記設計項目のうち少なくとも１つを説明変数として、前記予測項目の予測値を算出するための第１評価モデルを複数生成する第１評価モデル生成部と、
   前記第１評価モデルに最も高い頻度で用いられた設計項目を選択するパラメータ選択部と、
   前記選択された設計項目を説明変数として、前記予測項目の予測値を算出するための予測モデルを生成する予測モデル生成部と、
   前記予測モデルと、前記設計項目の値とから、予測値を算出する予測値算出部と、
   前記算出した予測値を出力する出力部として機能させること
   を特徴とするプログラム。

Images