JP2017173993A - 情報処理装置、情報処理方法、及び、プログラム - Google Patents

情報処理装置、情報処理方法、及び、プログラム Download PDF

Info

Publication number
JP2017173993A
JP2017173993A JP2016057158A JP2016057158A JP2017173993A JP 2017173993 A JP2017173993 A JP 2017173993A JP 2016057158 A JP2016057158 A JP 2016057158A JP 2016057158 A JP2016057158 A JP 2016057158A JP 2017173993 A JP2017173993 A JP 2017173993A
Authority
JP
Japan
Prior art keywords
soundness
determination
inspected
inspector
estimated
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2016057158A
Other languages
English (en)
Other versions
JP6728830B2 (ja
Inventor
泰弘 十河
Yasuhiro Sogawa
泰弘 十河
三上　伸弘
Nobuhiro Mikami
伸弘 三上
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Priority to JP2016057158A priority Critical patent/JP6728830B2/ja
Priority to US15/456,727 priority patent/US20170276567A1/en
Publication of JP2017173993A publication Critical patent/JP2017173993A/ja
Application granted granted Critical
Publication of JP6728830B2 publication Critical patent/JP6728830B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0033—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by determining damage, crack or wear
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0008—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings of bridges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Software Systems (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

【課題】健全度の判定結果の再確認を効率的に行う。【解決手段】判定支援装置１００は、健全度推定部１１２、及び、誤判定提示部１１４を含む。健全度推定部１１２は、学習対象の構造物の点検結果と健全度とを用いて構築されたモデルに基づき、検査対象の構造物の点検結果から当該検査対象の構造物の健全度を推定する。誤判定提示部１１４は、検査対象の構造物の推定された健全度に基づき、当該検査対象の構造物の点検結果から判定された健全度が誤りである可能性を示す誤判定可能性を、認識可能な態様で提示する。【選択図】図１

Description

本発明は、情報処理装置、情報処理方法、及び、プログラムに関する。
橋梁やトンネル、道路等の構造物の保全では、点検者の目視、打音等による点検が定期的に行われている。その結果確認された構造物の損傷状況に応じて、知識に基づいた、構造物の健全度判定が行われている。多数の構造物に存在する全ての損傷を同時に補修することはコスト、及び、人的リソースの制約上困難であるため、構造物管理者は、点検結果から得られた健全度判定の結果に基づいて、構造物の補修計画を立案している。そのため、健全度判定は非常に重要である。例えば、このような点検者により判定された健全度を用いて、構造物の劣化予測を行うシステムが、特許文献１に記載されている。
さらに、健全度判定の信頼性を高め、補修対象の見逃しリスクを軽減するために、一般に、このような健全度判定の結果のダブルチェック、トリプルチェックといった、複数の専門家による多数回の再確認が行われる。この場合、熟練の専門家もしくは専門家集団が、点検者が点検結果から判定した健全度を受け取り、当該健全度と点検結果で示される損傷情報とを確認する。点検者の健全度が専門家の知見と大きく異なる場合、点検者による健全度判定は誤判定と見なされ、専門家により修正される。
特開２００６−３２３７４１号公報
上述のように、構造物の保全では、一般的に、特許文献１に記載されているような健全度判定の結果の再確認が行われている。しかしながら、膨大な数の構造物に対して、再確認を行う熟練の専門家の数は限られている。このため、再確認作業にかかる時間が莫大になるという課題があった。本発明の目的は、上述の課題を解決し、健全度判定の結果の再確認を効率的に行うことができる、情報処理装置、情報処理方法、及び、プログラムを提供することである。
本発明の一態様における情報処理装置は、学習対象の構造物の点検結果と健全度とを用いて構築されたモデルに基づき、検査対象の構造物の点検結果から当該検査対象の構造物の健全度を推定する、健全度推定手段と、前記検査対象の構造物の前記推定された健全度に基づき、当該検査対象の構造物の点検結果から判定された健全度が誤りである可能性を示す誤判定可能性を、認識可能な態様で提示する、誤判定提示手段とを備える。
本発明の一態様における情報処理方法は、学習対象の構造物の点検結果と健全度とを用いて構築されたモデルに基づき、検査対象の構造物の点検結果から当該検査対象の構造物の健全度を推定し、前記検査対象の構造物の前記推定された健全度に基づき、当該検査対象の構造物の点検結果から判定された健全度が誤りである可能性を示す誤判定可能性を、認識可能な態様で提示する。
本発明の一態様におけるプログラムは、コンピュータに、学習対象の構造物の点検結果と健全度とを用いて構築されたモデルに基づき、検査対象の構造物の点検結果から当該検査対象の構造物の健全度を推定し、前記検査対象の構造物の前記推定された健全度に基づき、当該検査対象の構造物の点検結果から判定された健全度が誤りである可能性を示す誤判定可能性を、認識可能な態様で提示する、処理を実行させる。
本発明の効果は、健全度判定の結果の再確認を効率的に行えることである。
本発明の第１の実施形態の特徴的な構成を示すブロック図である。 本発明の第１の実施形態における、判定支援装置１００の構成を示すブロック図である。 本発明の第１の実施の形態における、コンピュータにより実現された判定支援装置１００の構成を示すブロック図である。 本発明の第１の実施の形態における、判定支援装置１００の動作を示すフローチャートである。 本発明の第１の実施の形態における、学習データの例を示す図である。 本発明の第１の実施の形態における、検査データの例を示す図である。 本発明の第１の実施の形態における、推定健全度の例を示す図である。 本発明の第１の実施の形態における、判定誤差の例を示す図である。 本発明の第１の実施の形態における、誤判定候補の出力画面の例を示す図である。 本発明の第２の実施形態における、判定支援装置１００の構成を示すブロック図である。 本発明の第２の実施の形態における、判定支援装置１００の動作を示すフローチャートである。 本発明の第２の実施の形態における、閾値の算出例を示す図である。 本発明の第２の実施の形態における、検査対象の構造物の推定健全度に対する誤判定候補判定確率を示す図である。 本発明の第３の実施形態における、判定支援装置１００の構成を示すブロック図である。 本発明の第３の実施の形態における、判定支援装置１００の動作を示すフローチャートである。 本発明の第３の実施の形態における、検査データの例を示す図である。 本発明の第３の実施の形態における、誤判定候補検出結果の例を示す図である。 本発明の第３の実施の形態における、点検者の信頼度の例を示す図である。 本発明の第３の実施の形態における、誤判定候補の出力画面の例を示す図である。
発明を実施するための形態について図面を参照して詳細に説明する。なお、各図面、及び、明細書記載の各実施形態において、同様の構成要素には同一の符号を付与し、説明を適宜省略する。
（第１の実施の形態）
本発明の第１の実施形態について、説明する。
はじめに、本発明の第１の実施形態における判定支援装置１００の構成を説明する。
図２は、本発明の第１の実施形態における、判定支援装置１００の構成を示すブロック図である。判定支援装置１００は、本発明の情報処理装置の一実施形態である。
図２を参照すると、本発明の第１の実施形態における判定支援装置１００は、判定モデル生成部１１１、健全度推定部１１２、判定誤差算出部１１３、誤判定提示部１１４、学習データ記憶部１１５、及び、検査データ記憶部１１６を含む。
学習データ記憶部１１５は、学習データを記憶する。学習データは、学習対象の１以上の構造物の各々の点検記録と当該点検記録に対して判定された健全度を示す。学習データにおける健全度は、点検記録に対して、例えば、熟練の専門家や専門家集団等により判定された健全度である。図５は、本発明の第１の実施の形態における、学習データの例を示す図である。図５の例では、学習データとして、学習対象の構造物の識別子（構造物ＩＤ（Identifier））毎に、点検記録、及び、健全度が関連付けられている。点検記録としては、構造物の異なる損傷の大きさ（「損傷Ａ」、「損傷Ｂ」、…）、及び、当該構造物の築年数が設定されている。ここで、異なる損傷は、例えば、漏水や鉄筋の露出等、異なる種別の損傷でもよい。また、異なる損傷は、例えば、異なる部分の損傷でもよい。なお、本発明の実施の形態では、健全度の値が小さいほど、健全性が高い（より健全である）と仮定する。例えば、図５において、健全度が「４」の、構造物ＩＤが「２」である構造物（以下、構造物「２」のように記載する）は、健全度が「５」の構造物「１」より健全性が高い。学習データは、予めユーザ等により、学習データ記憶部１１５に保存される。
検査データ記憶部１１６は、検査データを記憶する。検査データは、検査対象（健全度の再確認対象）の１以上の構造物の各々の点検記録と当該点検記録に対して判定された健全度を示す。検査データにおける健全度は、点検記録に対して、例えば、点検記録を作成した点検者等により判定された健全度である。図６は、本発明の第１の実施の形態における、検査データの例を示す図である。図６の例では、検査データとして、検査対象の構造物ＩＤ毎に、学習データの点検記録と同様の点検記録、及び、点検者健全度が関連付けられている。検査データも、予めユーザ等により、検査データ記憶部１１６に保存される。
以下、学習データの健全度を単に「健全度」、検査データの健全度を「点検者健全度」と記載する。
ここで、学習データの健全度は、検査データの健全度より誤りである可能性が低い、すなわち、学習データの健全度の信頼性は、検査データの点検者健全度の信頼性より高いと仮定する。
なお、学習データの健全度の信頼性が検査データの健全度の信頼性より高ければ、学習データの健全度は、熟練の専門家や専門家集団以外により判定された健全度でもよい。同様に、検査データの健全度も、点検者以外により判定された健全度でよい。例えば、学習データの健全度は、専門家や点検者のあるグループにより判定された健全度であり、検査データの健全度は、他のグループにより判定された健全度でもよい。
判定モデル生成部１１１は、学習データ記憶部１１５から読み出した学習データを用いて、健全度判定を行うための判定モデルを生成する。
判定モデル生成部１１１は、判定モデルとして、例えば、学習データにおける点検記録の各項目を説明変数、健全度を目的変数として用いた重回帰分析法により、健全度と点検記録の各項目との関係を表す数式を生成する。また、判定モデル生成部１１１は、健全度と点検記録の各項目との関係を表すことができれば、重回帰分析法以外の他の方法により判定モデルを生成してもよい。例えば、判定モデル生成部１１１は、Support Vector RegressionやDeep Learningによって判定モデルを生成してもよい。また、判定モデル生成部１１１は、if-thenルールの形で説明変数と目的変数の関係を表すC4.5アルゴリズムによって判定モデルを生成してもよい。
健全度推定部１１２は、判定モデル生成部１１１により生成された判定モデルを用いて、検査データ記憶部１１６から読み出した検査データに含まれる、検査対象の構造物の健全度を推定する。以下、判定モデルを用いて推定された健全度を、推定健全度とも記載する。健全度推定部１１２は、例えば、検査データに含まれる構造物の点検記録を判定モデルに適用することで、健全度を推定する。例えば、判定モデルとして、「構造物の点検記録内に１ｍ２以上の大きさの損傷がある場合は、健全度は「３」」というルールが定義されていると仮定する。この場合、健全度推定部１１２は、検査データにおいて１ｍ２以上の大きさの損傷を有する構造物の健全度を「３」と推定する。ここで、学習データや検査データの健全度が整数で表される場合でも、推定健全度は整数に限定されない。
なお、健全度推定部１１２は、検査データ記憶部１１６の検査データについて健全度を推定する代わりに、後述する入出力デバイス１０３等を介してユーザ等から入力された検査データについて健全度を推定してもよい。
判定誤差算出部１１３は、検査対象の構造物について、健全度推定部１１２により推定された健全度と点検者健全度との差分ｄｔ＝Ｓｔ’−Ｓｔを判定誤差として算出する。ここで、Ｓｔ’、Ｓｔは、それぞれ、検査対象の構造物の推定健全度、点検者健全度である。
誤判定提示部１１４は、判定誤差算出部１１３により算出された判定誤差と所定の閾値とを比較することにより、誤判定候補の検出を行う。ここで、誤判定提示部１１４は、例えば、判定誤差が所定の閾値が表す範囲を超える場合、点検者健全度が誤りである可能性（誤判定可能性）があると判定し、当該構造物を誤判定候補として検出する。
構造物の健全性判定では、一般に、実際の健全性よりも高い健全性で誤判定してしまう場合の方が、実際の健全性よりも低い健全性で誤判定してしまう場合よりも、当該構造物の補修等の対応が実施されないことにより、第３者へ被害を与えるリスクが高まる。そのため、所定の閾値は、例えば、推定健全度が示す健全性よりも点検者健全度が示す健全性の方が高い場合に誤判定可能性ありと判定されるように設定されてもよい。例えば、健全度の値が小さいほど健全性が高い場合、判定誤差ｄｔ（＝Ｓｔ’−Ｓｔ）＞閾値であれば、誤判定可能性ありと判定される。
誤判定提示部１１４は、検出した誤判定候補を、入出力デバイス１０３等を介してユーザ等に提示する。
なお、判定支援装置１００は、ＣＰＵ（Central Processing Unit）とプログラムを記憶した記憶媒体を含み、プログラムに基づく制御によって動作するコンピュータであってもよい。
図３は、本発明の第１の実施の形態における、コンピュータにより実現された判定支援装置１００の構成を示すブロック図である。
この場合、判定支援装置１００は、ＣＰＵ１０１、ハードディスクやメモリ等の記憶デバイス１０２（記憶媒体）、キーボード、ディスプレイ等の入出力デバイス１０３、及び、他の装置等と通信を行う通信デバイス１０４を含む。ＣＰＵ１０１は、判定モデル生成部１１１、健全度推定部１１２、判定誤差算出部１１３、及び、誤判定提示部１１４を実現するためのプログラムを実行する。記憶デバイス１０２は、学習データ記憶部１１５、及び、検査データ記憶部１１６のデータを記憶する。入出力デバイス１０３は、ユーザ等からの学習データや検査データの入力、及び、ユーザへの誤判定候補の出力を行う。また、通信デバイス１０４が、他の装置等から学習データや検査データを受信する、或いは、他の装置等へ誤判定候補を送信してもよい。
また、図２における判定支援装置１００の各部は、電気回路（circuitry）により実現されていてもよい。ここで、電気回路（circuitry）とは、単一のデバイス（single device）、複数のデバイス（multiple devices）、チップセット（chipset）、または、クラウド（cloud）を概念的に含む。
また、図２における判定支援装置１００の各部は、１つの物理的な装置に配置されていてもよいし、２つ以上の物理的に分離した装置に配置され、これらの装置が有線または無線で接続されていてもよい。
次に、本発明の第１の実施の形態における判定支援装置１００の動作を説明する。図４は、本発明の第１の実施の形態における、判定支援装置１００の動作を示すフローチャートである。
はじめに、判定モデル生成部１１１は、学習データ記憶部１１５から学習データを読み出す（ステップＳ１０１）。
判定モデル生成部１１１は、読み出した学習データを用いて判定モデルを生成する（ステップＳ１０２）。
健全度推定部１１２は、検査データ記憶部１１６から検査データを読み出す（ステップＳ１０３）。
健全度推定部１１２は、判定モデルを用いて、検査データに含まれる、検査対象の構造物の健全度を推定する（ステップＳ１０４）。
判定誤差算出部１１３は、検査対象の構造物について、推定健全度と検査データの点検者健全度との差分から、判定誤差を算出する（ステップＳ１０５）。
誤判定提示部１１４は、判定誤差と所定の閾値とを比較することにより、誤判定候補を検出する（ステップＳ１０６）。
誤判定提示部１１４は、誤判定候補の構造物ＩＤを提示（出力）する（ステップＳ１０７）。
次に、本発明の第１の実施の形態における判定支援装置１００の動作の具体例を説明する。ここでは、学習データ記憶部１１５に、図５に示すような学習データが保存されていると仮定する。また、検査データ記憶部１１６に、図６に示すような検査データが保存されており、当該検査データに含まれる構造物「１０１」〜「１０４」を検査対象として、健全度の再確認を行うと仮定する。また、誤判定候補を検出するための閾値として、「１．５」が、予めユーザ等により設定されていると仮定する。
判定モデル生成部１１１は、図５の学習データに含まれる構造物「１」〜「１００」の点検記録、及び、健全度を用いて、線形回帰分析を実行する。例えば、判定モデル生成部１１１は、健全度を目的変数、点検記録の各項目を説明変数として用い、数式ｙ＝ａｘ＿Ａ＋ｂｘ＿Ｂ＋ｃｘ＿Ｃ＋ｄで表される判定モデルを生成する。ここで、ｙは健全度、ｘ＿Ａは損傷Ａの大きさ、ｘ＿Ｂは損傷Ｂの大きさ、ｘ＿Ｃは築年数を表す。また、ａ、ｂ、ｃは回帰係数、ｄは定数項を表す。判定モデル生成部１１１は、回帰係数ａ、ｂ、ｃ、及び、定数項ｄを、例えば、ａ＝０．５、ｂ＝１．５、ｃ＝０．０５、ｄ＝１．０と算出する。
図７は、本発明の第１の実施の形態における、推定健全度の例を示す図である。また、図８は、本発明の第１の実施の形態における、判定誤差の例を示す図である。
健全度推定部１１２は、判定モデルを用いて、図６の検査データに含まれる構造物「１０１」〜「１０４」の各々について、図７のように、推定健全度を算出する。
判定誤差算出部１１３は、構造物「１０１」〜「１０４」の各々について、図７の推定健全度と図６の検査データにおける点検者健全度を用いて、図８のように、判定誤差を算出する。
誤判定提示部１１４は、構造物「１０１」〜「１０４」について、図８の判定誤差と閾値「１．５」とを比較し、判定誤差が閾値を超えている構造物「１０３」を誤判定候補として検出する。
図９は、本発明の第１の実施の形態における、誤判定候補の出力画面の例を示す図である。図９の出力画面では、誤判定候補として検出された構造物「１０３」が誤判定候補以外の構造物「１０１」、「１０２」、「１０４」と区別して示されている。また、構造物「１０１」〜「１０４」の各々に関連付けて、当該構造物の点検者健全度が示されている。さらに、誤判定候補として検出された構造物「１０３」については、推定健全度も示されている。
誤判定提示部１１４は、図９の出力画面を、ユーザ等に提示（出力）する。
ユーザ等は、図９の出力画面をもとに、健全度判定の結果の再確認を、誤判定候補である構造物に絞り込んで、効率的に行うことができる。
なお、誤判定提示部１１４は、図９の出力画面に限らず、誤判定候補を認識できれば、例えば、誤判定候補の構造物ＩＤのリストを示した画面を提示してもよい。また、誤判定提示部１１４は、誤判定候補の構造物ＩＤのリストを示すファイルを出力する等、画面以外の他の方法により、誤判定候補を提示してもよい。
以上により、本発明の第１の実施の形態の動作が完了する。
次に、本発明の第１の実施の形態の特徴的な構成を説明する。
図１は、本発明の第１の実施の形態の特徴的な構成を示すブロック図である。図１を参照すると、判定支援装置１００は、健全度推定部１１２、及び、誤判定提示部１１４を含む。健全度推定部１１２は、学習対象の構造物の点検結果と健全度とを用いて構築されたモデルに基づき、検査対象の構造物の点検結果から当該検査対象の構造物の健全度を推定する。誤判定提示部１１４は、検査対象の構造物の推定された健全度に基づき、当該検査対象の構造物の点検結果から判定された健全度が誤りである可能性を示す誤判定可能性を、認識可能な態様で提示する。
次に、本発明の第１の実施の形態の効果を説明する。
本発明の第１の実施の形態によれば、健全度判定の結果の再確認を効率的に行うことができる。その理由は、健全度推定部１１２が、判定モデルに基づき、検査対象の構造物の点検結果から推定健全度を算出し、誤判定提示部１１４が、推定健全度に基づき、検査対象の構造物の点検者健全度が誤りである可能性を示す誤判定可能性を提示するためである。これにより、ユーザ等は、健全度判定の結果の再確認を、誤判定可能性が提示された（点検者健全度の信頼性が低い）構造物に絞り込んで、効率的に行うことができる。
（第２の実施の形態）
次に、本発明の第２の実施形態について説明する。本発明の第２の実施形態では、誤判定候補を検出するための閾値を設定する点において、本発明の第１の実施の形態と異なる。
はじめに、本発明の第２の実施形態における判定支援装置１００の構成を説明する。
図１０は、本発明の第２の実施形態における、判定支援装置１００の構成を示すブロック図である。
図１０を参照すると、本発明の第２の実施形態における判定支援装置１００は、本発明の第１の実施形態の構成（図２）に加えて、さらに、判定誤差記憶部１２１、及び、閾値設定部１２２を含む。
健全度推定部１１２は、検査対象の構造物の健全度推定に加えて、学習データに含まれる、学習対象の構造物に対する健全度を推定する。
判定誤差算出部１１３は、検査対象の構造物の判定誤差に加えて、学習対象の構造物の判定誤差を算出する。判定誤差算出部１１３は、学習対象の構造物の判定誤差と検査対象の構造物の判定誤差を、判定誤差記憶部１２１に保存する。
判定誤差記憶部１２１は、判定誤差算出部１１３により算出された、学習対象の構造物の判定誤差と検査対象の構造物の判定誤差を記憶する。
閾値設定部１２２は、誤判定候補を検出するための閾値を設定する。ここで、判定誤差は一般に正規分布に従うと考えられるため、閾値設定部１２２は、例えば、判定誤差記憶部１２１から読み出した、学習対象の構造物の判定誤差の平均値μと標準偏差σに基づき、閾値を設定する。この場合、閾値設定部１２２は、例えば、一般的な統計的外れ値の基準であるμ±３σの値を閾値に設定する。閾値設定部１２２は、さらに、検査対象の構造物の推定健全度が大きいほど（推定健全度が示す健全性が低いほど）、当該構造物が誤判定候補として検出、提示される確率が高くなる（より誤判定可能性ありと判定される）ように、当該閾値を設定してもよい。この場合、閾値設定部１２２は、標準偏差σを検査対象の構造物の推定健全度Ｓｔ’で除した値を用いたμ±３σ／Ｓｔ’を閾値に設定してもよい。これにより、誤判定の潜在的なリスクが高いほど、当該構造物が誤判定候補として検出、提示される確率が高くなる。
誤判定提示部１１４は、検査対象の構造物に対する判定誤差と閾値設定部１２２により算出された閾値とを比較することにより、誤判定候補の検出を行う。
次に、本発明の第２の実施の形態における判定支援装置１００の動作を説明する。図１１は、本発明の第２の実施の形態における、判定支援装置１００の動作を示すフローチャートである。
はじめに、判定モデル生成部１１１は、本発明の第１の実施の形態のステップＳ１０１、Ｓ１０２と同様に、学習データを用いて判定モデルを生成する（ステップＳ２０１、Ｓ２０２）。
健全度推定部１１２は、学習データ記憶部１１５から学習データを、検査データ記憶部１１６から検査データを読み出す（ステップＳ２０３）。
健全度推定部１１２は、判定モデルを用いて、学習対象の構造物の健全度と、検査対象の構造物の健全度を推定する（ステップＳ２０４）。
判定誤差算出部１１３は、学習対象の構造物についての判定誤差と、検査対象の構造物についての判定誤差を算出する（ステップＳ２０５）。ここで、判定誤差算出部１１３は、学習対象の構造物については、推定健全度と学習データにおける健全度との差分から判定誤差を算出し、検査対象の構造物については、推定健全度と検査データにおける点検者健全度との差分から判定誤差を算出する。
判定誤差算出部１１３は、学習対象の構造物についての判定誤差と、検査対象の構造物についての判定誤差を、判定誤差記憶部１２１に保存する（ステップＳ２０６）。
閾値設定部１２２は、判定誤差記憶部１２１から読み出した学習対象の構造物に対する判定誤差に基づき、誤判定候補を検出するための閾値を設定する（ステップＳ２０７）。
誤判定提示部１１４は、判定誤差記憶部１２１から読み出した検査対象の構造物に対する判定誤差とステップＳ２０７で設定した閾値とを比較することにより、誤判定候補を検出する（ステップＳ２０８）。
誤判定提示部１１４は、本発明の第１の実施の形態のステップＳ１０７と同様に、誤判定候補の構造物ＩＤを提示（出力）する（ステップＳ２０９）。
次に、本発明の第２の実施の形態における判定支援装置１００の動作の具体例を説明する。ここでは、学習データ記憶部１１５に、図５に示すような学習データ、検査データ記憶部１１６に、図６に示すような検査データが記憶されていると仮定する。また、閾値設定部１２２は、誤判定候補を検出するための閾値として、閾値μ＋３σ／Ｓｔ’を用いると仮定する。
判定モデル生成部１１１は、本発明の第１の実施の形態における具体例と同様に、学習データに含まれる学習対象の構造物「１」〜「１００」の点検記録、及び、健全度を用いて、判定モデルを生成する。
健全度推定部１１２は、判定モデルを用いて、学習対象の構造物「１」〜「１００」の各々について、推定健全度を算出する。また、健全度推定部１１２は、判定モデルを用いて、検査データに含まれる検査対象の構造物「１０１」〜「１０４」の各々について、図７のように、推定健全度を算出する。
判定誤差算出部１１３は、構造物「１」〜「１００」の各々について、推定健全度と学習データにおける健全度とを用いて、判定誤差を算出する。また、判定誤差算出部１１３は、構造物「１０１」〜「１０４」の各々について、推定健全度と検査データにおける点検者健全度とを用いて、図８のように、判定誤差を算出する。
図１２は、本発明の第２の実施の形態における、閾値の算出例を示す図である。
閾値設定部１２２は、学習対象の構造物「１」〜「１００」の判定誤差の平均値、標準偏差として、μ＝０、σ＝０．２を算出する。閾値設定部１２２は、検査対象の構造物「１０１」〜「１０４」の各々について、図７の推定健全度を用いて、閾値μ＋３σ／Ｓｔ’を、図１２のように算出する。
誤判定提示部１１４は、構造物「１０１」〜「１０４」の各々について、図８の判定誤差と図１２の閾値とを比較し、判定誤差が閾値を超えている構造物「１０２」、「１０３」を誤判定候補として検出し、提示する。
以上により、本発明の第２の実施の形態の動作が完了する。
次に、本発明の第２の実施の形態の効果を説明する。
本発明の第２の実施の形態によれば、誤判定候補を検出するための閾値を容易に設定できる。その理由は、閾値設定部１２２が、学習対象の構造物に対する判定誤差に基づき、閾値を算出するためである。これにより、ユーザ等が閾値を設定することなく、判定モデルに応じた閾値が設定される。
また、本発明の第２の実施の形態によれば、誤判定のリスクに応じて閾値を調整できる。その理由は、閾値設定部１２２が、検査対象の構造物の推定健全度が示す健全性が低いほど、当該構造物がより誤判定可能性ありと判定されるように、当該閾値を算出するためである。
図１３は、本発明の第２の実施の形態における、検査対象の構造物の推定健全度に対する誤判定候補判定確率を示す図である。図１３では、学習対象の構造物の判定誤差が、平均μ＝０、標準偏差σ＝０．２の正規分布に従うと仮定した場合に、検査対象の構造物が誤判定候補として判定される確率（検査対象の構造物の判定誤差が閾値μ＋３σ／Ｓｔ’を超える確率）を示している。図１３に示すように、検査対象の構造物の推定健全度Ｓｔ’が大きいほど閾値は小さくなるため、当該構造物が誤判定候補として判定される可能性が高くなる。
このように、本発明の第２の実施の形態では、閾値を容易に設定し、リスクに応じて調整できるため、本発明の第１の実施の形態に比べて、健全度判定の結果の再確認をより効率的に行うことができる。
（第３の実施の形態）
次に、本発明の第３の実施形態について説明する。本発明の第３の実施形態では、低信頼度の点検者の識別子を出力する点において、本発明の第１の実施の形態と異なる。
はじめに、本発明の第３の実施形態における判定支援装置１００の構成を説明する。
図１４は、本発明の第３の実施形態における、判定支援装置１００の構成を示すブロック図である。
図１４を参照すると、本発明の第３の実施形態における判定支援装置１００は、本発明の第１の実施形態の構成（図２）に加えて、さらに、検出結果記憶部１３１、及び、点検者抽出部１３２を含む。
本発明の第３の実施の形態の検査データは、検査対象の構造物の点検記録と当該点検記録に対する点検者健全度に加えて、点検者を示す。図１６は、本発明の第３の実施の形態における、検査データの例を示す図である。図１６の例では、検査データとして、検査対象の構造物ＩＤ毎に、点検記録、及び、当該構造物の健全度を判定した点検者の識別子（点検者ＩＤ）が関連付けられている。点検者ＩＤは、点検者を一意に識別できれば、点検者の名前でもよい。また、点検者ＩＤは、点検者が所属する会社や事業所等の組織の識別子や名前でもよい。また、点検者ＩＤは、点検者を、例えば、年齢や経験年数等、所定の属性で分類したグループの識別子や名前でもよい。
検出結果記憶部１３１は、判定誤差算出部１１３による誤判定候補の検出結果（誤判定候補検出結果）を記憶する。図１７は、本発明の第３の実施の形態における、誤判定候補検出結果の例を示す図である。図１７の例では、誤判定候補検出結果として、検査対象の構造物ＩＤ毎に、当該構造物が誤判定候補として検出された（検出結果：「誤」）か、されていない（検出結果：「正」）か、が示されている。
点検者抽出部１３２は、検出結果記憶部１３１から読み出した各構造物の誤判定候補検出結果と、検査データ記憶部１１６から読み出した検査データに含まれる各構造物の点検者ＩＤとに基づき、健全度判定の信頼度が低い点検者（低信頼度点検者）を抽出する。点検者抽出部１３２は、例えば、各点検者が健全度判定を行った構造物の数Ｎと、その内の誤判定候補として検出された構造物の数Ｎｅとを用いて、（Ｎ―Ｎｅ）／Ｎを、当該点検者の信頼度として算出する。なお、誤判定候補検出結果に基づき健全度判定の信頼度が算出できれば、点検者抽出部１３２は、他の式により信頼度を算出してもよい。点検者抽出部１３２は、信頼度が所定の信頼度閾値以下の点検者を、低信頼度点検者として抽出する。点検者抽出部１３２は、抽出した低信頼度点検者の点検者ＩＤを、入出力デバイス１０３等を介してユーザ等に提示する。ここで、誤判定提示部１１４は、誤判定候補とともに、点検者抽出部１３２により抽出された低信頼度点検者の点検者ＩＤを提示してもよい。
次に、本発明の第３の実施の形態における判定支援装置１００の動作を説明する。図１５は、本発明の第３の実施の形態における、判定支援装置１００の動作を示すフローチャートである。
ここで、判定モデル生成部１１１が判定モデルを生成してから誤判定候補を検出するまでの処理（ステップＳ３０１〜Ｓ３０６）は、本発明の第１の実施形態（ステップＳ１０１〜Ｓ１０６）と同様である。
誤判定提示部１１４は、誤判定候補検出結果を、判定誤差記憶部１２１に保存する（ステップＳ３０７）。
点検者抽出部１３２は、判定誤差記憶部１２１から誤判定候補検出結果を読み出し、検査データ記憶部１１６から検査データを読み出す（ステップＳ３０８）。
点検者抽出部１３２は、誤判定候補検出結果と検査データに含まれる点検者ＩＤとに基づき、低信頼度点検者を抽出する（ステップＳ３０９）。
誤判定提示部１１４は、誤判定候補の構造物ＩＤとともに、低信頼度点検者の点検者ＩＤを提示（出力）する（ステップＳ３１０）。
次に、本発明の第３の実施の形態における判定支援装置１００の動作の具体例を説明する。ここでは、学習データ記憶部１１５に、図５に示すような学習データ、検査データ記憶部１１６に、図１６に示すような検査データが記憶されていると仮定する。また、点検者抽出部１３２は、点検者の信頼度として、（Ｎ―Ｎｅ）／Ｎを用いると仮定する。また、低信頼度点検者を検出するための信頼度閾値として、「０．５」が、予めユーザ等により設定されていると仮定する。
誤判定提示部１１４は、本発明の第１の実施の形態における具体例と同様に、図１６の検査データに含まれる構造物「１０３」を誤判定候補として検出し、図１７のような誤判定候補検出結果を生成する。
図１８は、本発明の第３の実施の形態における、点検者の信頼度の例を示す図である。
点検者抽出部１３２は、図１７の誤判定候補検出結果に含まれる構造物「１０１」〜「１０４」の各々に対する検出結果と、図１６の検査データに含まれる構造物の点検者ＩＤを用いて、点検者「Ａ」、「Ｂ」に対して、図１８のように信頼度を算出する。そして、点検者抽出部１３２は、信頼度が信頼度閾値「０．５」以下である、点検者「Ｂ」を低信頼度点検者として抽出する。
図１９は、本発明の第３の実施の形態における、誤判定候補の出力画面の例を示す図である。図１９の出力画面では、低信頼度点検者として抽出された点検者の点検者ＩＤ「Ｂ」と当該点検者の信頼度「０．５」が示されている。また、構造物「１０１」〜「１０４」の各々に関連付けて、当該構造物の点検者健全度、及び、当該健全度を判定した点検者の点検者ＩＤが示されている。誤判定候補として検出された構造物「１０３」については、推定健全度も示されている。
誤判定提示部１１４は、図１９の出力画面を、ユーザ等に提示（出力）する。
ユーザ等は、図１９の出力画面をもとに、健全度判定の結果の再確認を、低信頼度点検者により健全度が判定された構造物に対して、重点的に行うことができる。
また、低信頼度点検者の抽出結果に基づき、点検者のトレーニングが行われてもよい。この場合、誤判定提示部１１４が、抽出された低信頼度点検者に対して、図１９の出力画面のように、当該点検者により判定された点検者健全度と推定健全度とを提示する。これにより、低信頼度点検者は、自身により判定された健全度と、熟練の専門家による判定結果と同等の推定健全度と、を比較し、差異を認識することができる。
以上により、本発明の第３の実施の形態の動作が完了する。
次に、本発明の第３の実施の形態の効果を説明する。
本発明の第３の実施の形態によれば、ユーザは、誤判定を頻出させるような、信頼度の低い点検者（人や組織）を把握できる。その理由は、点検者抽出部１３２が、各構造物の誤判定候補検出結果と、各構造物の点検者ＩＤに基づき、健全度判定の低信頼度点検者を抽出するためである。これにより、ユーザは、健全度判定の結果の再確認を、低信頼度点検者により健全度が判定された構造物に絞り込んで、より効率的に行うことができる。また、ユーザは、低信頼度点検者に対して、重点的に、健全度判定の教育等を行うことにより、健全度判定の信頼度を改善することができる。
なお、本発明の第３の実施の形態では、信頼度と信頼度閾値を比較し、信頼度が信頼度閾値以下の点検者（信頼度が低い点検者）を抽出したが、信頼度が信頼度閾値以上の点検者（信頼度が高い点検者）を抽出してもよい。
以上、実施形態を参照して本願発明を説明したが、本願発明は上記実施形態に限定されるものではない。本願発明の構成や詳細に対しては、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
１００ 判定支援装置
１０１ ＣＰＵ
１０２ 記憶デバイス
１０３ 入出力デバイス
１０４ 通信デバイス
１１１ 判定モデル生成部
１１２ 健全度推定部
１１３ 判定誤差算出部
１１４ 誤判定提示部
１１５ 学習データ記憶部
１１６ 検査データ記憶部
１２１ 判定誤差記憶部
１２２ 閾値設定部
１３１ 検出結果記憶部
１３２ 点検者抽出部

Claims (8)

  1. 学習対象の構造物の点検結果と健全度とを用いて構築されたモデルに基づき、検査対象の構造物の点検結果から当該検査対象の構造物の健全度を推定する、健全度推定手段と、
    前記検査対象の構造物の前記推定された健全度に基づき、当該検査対象の構造物の点検結果から判定された健全度が誤りである可能性を示す誤判定可能性を、認識可能な態様で提示する、誤判定提示手段と
    を備える情報処理装置。
  2. さらに、前記検査対象の構造物の前記推定された健全度に基づき、当該検査対象の構造物の前記判定された健全度の判定誤差を算出する判定誤差算出手段を備え、
    前記誤判定提示手段は、前記算出された判定誤差と所定の閾値との比較結果に基づき、前記誤判定可能性を提示する、
    請求項１に記載の情報処理装置。
  3. さらに、前記学習対象の構造物の前記モデルに基づき推定された健全度と当該学習対象の構造物の点検結果から判定された健全度との差分に基づき、前記閾値を設定する、閾値設定手段
    を備える請求項２に記載の情報処理装置。
  4. 前記閾値設定手段は、前記検査対象の構造物の前記推定された健全度が示す健全性が低いほど、前記誤判定可能性が提示される確率が高くなるように、前記閾値を設定する、
    請求項３に記載の情報処理装置。
  5. 前記閾値設定手段は、前記検査対象の構造物の前記判定された健全度が示す健全性が、当該検査対象の構造物の前記推定された健全度が示す健全性より高い場合に、前記誤判定可能性が提示されるように、前記閾値を設定する、
    請求項３または４に記載の情報処理装置。
  6. さらに、前記誤判定可能性を用いて算出した、前記検査対象の構造物の健全度を判定した点検者の信頼度に基づき、点検者を抽出し、認識可能な態様で提示する、点検者抽出手段
    を備える、請求項１乃至５のいずれかに記載の情報処理装置。
  7. 学習対象の構造物の点検結果と健全度とを用いて構築されたモデルに基づき、検査対象の構造物の点検結果から当該検査対象の構造物の健全度を推定し、
    前記検査対象の構造物の前記推定された健全度に基づき、当該検査対象の構造物の点検結果から判定された健全度が誤りである可能性を示す誤判定可能性を、認識可能な態様で提示する、
    情報処理方法。
  8. コンピュータに、
    学習対象の構造物の点検結果と健全度とを用いて構築されたモデルに基づき、検査対象の構造物の点検結果から当該検査対象の構造物の健全度を推定し、
    前記検査対象の構造物の前記推定された健全度に基づき、当該検査対象の構造物の点検結果から判定された健全度が誤りである可能性を示す誤判定可能性を、認識可能な態様で提示する、
    処理を実行させるプログラム。
JP2016057158A 2016-03-22 2016-03-22 情報処理装置、情報処理方法、及び、プログラム Active JP6728830B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2016057158A JP6728830B2 (ja) 2016-03-22 2016-03-22 情報処理装置、情報処理方法、及び、プログラム
US15/456,727 US20170276567A1 (en) 2016-03-22 2017-03-13 Information processing apparatus, information processing method, and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2016057158A JP6728830B2 (ja) 2016-03-22 2016-03-22 情報処理装置、情報処理方法、及び、プログラム

Publications (2)

Publication Number Publication Date
JP2017173993A true JP2017173993A (ja) 2017-09-28
JP6728830B2 JP6728830B2 (ja) 2020-07-22

Family

ID=59896923

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016057158A Active JP6728830B2 (ja) 2016-03-22 2016-03-22 情報処理装置、情報処理方法、及び、プログラム

Country Status (2)

Country Link
US (1) US20170276567A1 (ja)
JP (1) JP6728830B2 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109637145A (zh) * 2019-02-13 2019-04-16 何世全 一种道路管理方法及装置
JP2020087013A (ja) * 2018-11-27 2020-06-04 株式会社日立製作所 機器保全支援システム
WO2022071255A1 (ja) 2020-09-29 2022-04-07 キヤノン株式会社 情報処理装置、情報処理方法及びプログラム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5774376A (en) * 1995-08-07 1998-06-30 Manning; Raymund A. Structural health monitoring using active members and neural networks
EP3349173A1 (en) * 2015-09-10 2018-07-18 FUJIFILM Corporation Soundness determination device, soundness determination method and soundness determination program
US10521961B2 (en) * 2017-12-10 2019-12-31 International Business Machines Corporation Establishing a region of interest for a graphical user interface for finding and depicting individuals

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020087013A (ja) * 2018-11-27 2020-06-04 株式会社日立製作所 機器保全支援システム
JP7153542B2 (ja) 2018-11-27 2022-10-14 株式会社日立製作所 機器保全支援システム
CN109637145A (zh) * 2019-02-13 2019-04-16 何世全 一种道路管理方法及装置
WO2022071255A1 (ja) 2020-09-29 2022-04-07 キヤノン株式会社 情報処理装置、情報処理方法及びプログラム

Also Published As

Publication number Publication date
US20170276567A1 (en) 2017-09-28
JP6728830B2 (ja) 2020-07-22

Similar Documents

Publication Publication Date Title
CN107610770B (zh) 用于自动化诊断的问题生成系统和方法
US20180059628A1 (en) Information processing apparatus, information processing method, and, recording medium
US10228994B2 (en) Information processing system, information processing method, and program
US10346758B2 (en) System analysis device and system analysis method
US20160369777A1 (en) System and method for detecting anomaly conditions of sensor attached devices
US20210116331A1 (en) Anomaly analysis method, program, and system
EP3364157A1 (en) Method and system of outlier detection in energy metering data
JPWO2016136198A1 (ja) システム監視装置、システム監視方法、及び、システム監視プログラム
JP6728830B2 (ja) 情報処理装置、情報処理方法、及び、プログラム
US20150378806A1 (en) System analysis device and system analysis method
Wang An imperfect software debugging model considering irregular fluctuation of fault introduction rate
JPWO2016084326A1 (ja) 情報処理システム、情報処理方法、及び、プログラム
Lee et al. Intelligent-based structural damage detection model
US20150363250A1 (en) System analysis device and system analysis method
US10402289B2 (en) Fine-grained causal anomaly inference for complex system fault diagnosis
JP2013210759A (ja) 特異データ検出方法、特異データ検出プログラムおよび特異データ検出装置
JP2019179400A (ja) 監視装置、監視方法および監視プログラム
US10157113B2 (en) Information processing device, analysis method, and recording medium
US10372849B2 (en) Performing and communicating sheet metal simulations employing a combination of factors
WO2021024297A1 (ja) 敵対的事例検知システム、方法およびプログラム
WO2021046723A1 (zh) 传感器模型的生成方法和系统、传感器测量方法和系统
JP2016099688A (ja) リスク評価方法およびリスク評価装置
US7933853B2 (en) Computer-readable recording medium, apparatus and method for calculating scale-parameter
JP2019101712A (ja) 異常推定装置、異常推定方法及びプログラム
US10083275B2 (en) Stable genes in comparative transcriptomics

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190215

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20191209

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200107

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200305

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200317

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200511

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20200602

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200615

R150 Certificate of patent or registration of utility model

Ref document number: 6728830

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150