JP2020047230A - リモデル支援装置、および、リモデル支援方法 - Google Patents

Abstract

【課題】モデルの再構築に役立つ情報を通知すること。【解決手段】リモデル支援装置１は、複数の説明変数データ２１から目的変数データ２２を計算する演算モデルを機械学習させるために、過去の各説明変数データ２１について、過去の目的変数データ２２との間の第１相関係数を計算する目的相関算出部３３と、計算された第１相関係数が高い順に説明変数を表示することにより、表示される第１相関係数が高い説明変数を新たに生成する演算モデルの説明変数データ２１に組み込むように促す目的相関出力部５３とを有する。【選択図】 図１

Description

本発明は、リモデル支援装置、および、リモデル支援方法に関する。

入力データから出力データを計算するモデルにおいて、過去の入力データと出力データとの組み合わせをもとに、モデルの計算内容を学習する（モデル化する）機械学習が行われている。
特許文献１には、プラントデータを収集し、プラントの状態を物理モデルにより演算して第１推定値データを出力する物理モデル演算部と、前記第１推定値データを説明変数として入力すると共に、前記プラントの性状分析データを目標変数として入力し、統計モデルにより演算して第２推定値データを出力する統計モデル演算部とを具備するプラントシミュレータが記載されている。

特許文献２には、モデル化の作業の自動化として、データ空間を分割して分割データ空間を生成し、モデルへの入力因子を決定し、分割データ空間内の多変量データを用いてモデル化を行い、モデル全体の精度評価が満足するまで、分割データ空間の補正およびその分割データ空間におけるモデル再構築を繰り返すことが記載されている。

特開２０１１−２５３２７５号公報 特開２００４−０８６８９７号公報

機械学習のしくみでは、学習に用いられるデータが変化しても、その変化に追従するようにモデルを更新するアルゴリズムが実装されている。これにより、少々のデータの変化が生じても、最新のモデルで変化に適応することができる。

一方、モデルに入力する監視データについての監視対象の設備の増減などにより、データの特徴が大きく変化してしまうこともある。例えば、ある河川に流れる水の濁度を監視していたとする。そして、その河川の近傍には濁度に大きく影響する化学工場からの排水が大量に存在していた。過去のデータは、その化学工場の稼働期間において、濁度が著しく上昇していたとする。その結果、過去のモデルは、化学工場の稼働期間に適合して、濁度を計算していた。

しかし、この化学工場の設備廃棄に伴い、今後は河川の濁度を計算するモデルにおいて、化学工場の影響は考慮しなくてもよいものとなる。このような状況下では、化学工場の影響を前提としていた過去のモデルを更新するよりも、過去のモデルを削除し、新たにモデルを再構築する（リモデル）するほうが、計算精度のよいモデルを構築できる。

このように、「化学工場の設備廃棄」という人間（分析者）が知る情報（イベント）も併せてモデルをどう更新し、どうリモデルするかを決定する必要があるため、分析者にとってモデルの構築に役立つ情報を適切に通知してくれる支援システムが望まれる。
しかし、特許文献１、特許文献２などの従来の技術では、過去のデータに対する演算により、モデルを自動的に評価したり、モデルを自動的に改良したりすることにとどまり、人間の判断に役立つ情報を通知する機能は備えられていない。

そこで、本発明は、モデルの再構築に役立つ情報を通知することを、主な課題とする。

前記課題を解決するために、本発明のリモデル支援装置は、以下の特徴を有する。
本発明は、複数の説明変数データから目的変数データを計算する演算モデルを機械学習させるために、過去の各前記説明変数データについて、過去の前記目的変数データとの間の第１相関係数を計算する第１相関算出部と、
計算された前記第１相関係数が高い順に説明変数を表示することにより、表示される前記第１相関係数が高い説明変数を新たに生成する演算モデルの説明変数データに組み込むように促す第１相関出力部とを有することを特徴とする。
その他の手段は、後記する。

本発明によれば、モデルの再構築に役立つ情報を通知することができる。

本発明の一実施形態に関するリモデル支援装置およびモデル実行装置の構成図である。 本発明の一実施形態に関する変動出力部の出力画面例を示す。 本発明の一実施形態に関する説明相関出力部の出力画面例を示す。 本発明の一実施形態に関する目的相関出力部の出力画面例を示す。 本発明の一実施形態に関するリモデル支援装置が表示するリモデル画面における変更前の状態を示す。 本発明の一実施形態に関する図５に続き、リモデル画面における第１変更中の状態を示す。 本発明の一実施形態に関する図６に続き、リモデル画面における第２変更中の状態を示す。

以下、本発明の一実施形態について、図面を参照して詳細に説明する。

図１は、リモデル支援装置１およびモデル実行装置１００の構成図である。
リモデル支援装置１およびモデル実行装置１００は、それぞれＣＰＵ（Central Processing Unit）と、メモリと、ハードディスクなどの記憶手段（記憶部）と、ネットワークインタフェースとを有するコンピュータとして構成される。
このコンピュータは、ＣＰＵが、メモリ上に読み込んだプログラム（アプリケーションや、その略のアプリとも呼ばれる）を実行することにより、各処理部により構成される制御部（制御手段）を動作させる。

モデル実行装置１００は、説明変数データ１２１を入力因子とし、目的変数データ１２２を出力因子とするモデル（線形回帰モデルなど）をモデル演算部１２３が構築する装置である。ここで、入力因子の候補となる変数群は、各種センサ（図示省略）によって様々なデータが機械的に取得できる。よって、どの変数を説明変数データ１２１としてモデルに組み込み、どの変数をモデルから除外するかを、分析者は決定する必要がある。
リモデル支援装置１は、分析者がモデル実行装置１００のモデル（説明変数データ１２１）を決定し、適宜モデルを機械学習により再構築（リモデル）することを有益な情報の画面表示により支援する装置である。以下、リモデル支援装置１の詳細を説明する。

リモデル支援装置１は、ラベル設定データ１１と、期間設定データ１２と、閾値設定データ１３と、複数の説明変数データ２１と、目的変数データ２２とを入力データとして受け付ける。
ラベル設定データ１１は、監視対象のデータ集合に対して識別子となるラベルである。なお、ラベル設定データ１１は、リモデル支援装置１内に複数用意することで、複数のデータ集合を並列に監視することができる。
期間設定データ１２は、監視対象のデータ集合において、監視する期間を設定するデータである。つまり、期間設定データ１２で設定された期間のデータについて、出力画面に表示される。
閾値設定データ１３は、監視対象のデータ値を正常値か警告値かに分類するための閾値を設定するデータである。
説明変数データ２１は、監視対象のデータ集合において、モデルの入力因子となる説明変数の時系列データである。
目的変数データ２２は、監視対象のデータ集合において、モデルの出力因子となる目的変数の時系列データである。

リモデル支援装置１は、処理部として、統計算出部（特徴量算出部）３１と、説明相関算出部（第２相関算出部）３２と、目的相関算出部（第１相関算出部）３３と、変動出力部５１と、説明相関出力部５２と、目的相関出力部５３とを有する。
統計算出部３１は、入力されたラベル設定データ１１と、入力された期間設定データ１２とに適合する各説明変数データ２１について、説明変数統計データ４１を作成する。説明変数統計データ４１は、説明変数データ２１の統計量を示すデータであり、例えば、最大値・最小値・平均値・標準偏差・歪度などである。
変動出力部５１は、説明変数統計データ４１と、閾値設定データ１３とを比較し、閾値を超過する説明変数統計データ４１をアラート（警告）として出力する（詳細は図２）。これにより、説明変数データ２１の変動が大きくなった期間を警告することで、分析者にリモデルの契機が発生したことを通知する。

説明相関算出部３２は、２つの説明変数データ２１の組み合わせごとに、説明変数間相関係数（第２相関係数）４２を計算する。説明変数間相関係数４２は、２つの説明変数データ２１間のデータ傾向が類似するほど高くなる相関係数（相関度）である。
説明相関出力部５２は、説明変数間相関係数４２が高い順に、その説明変数間相関係数４２を計算したときに用いた２つの説明変数データ２１の組み合わせを出力する（詳細は図３）。これにより、出力された２つの説明変数データ２１のうちのどちらか一方をモデルから除外するように、分析者にリモデルを促す。

目的相関算出部３３は、目的変数データ２２と、各説明変数データ２１との組み合わせごとに、目的説明間相関係数（第１相関係数）４３を計算する。目的説明間相関係数４３は、目的変数データ２２と説明変数データ２１との間のデータ傾向が類似するほど高くなる相関係数である。
目的相関出力部５３は、目的説明間相関係数４３が高い順に（ランキング形式で）、その目的説明間相関係数４３を計算したときに用いた説明変数データ２１を出力する（詳細は図４）。これにより、出力された説明変数データ２１を新たにモデルに組み込むように、分析者にリモデルを促す。

なお、説明変数間相関係数４２および目的説明間相関係数４３の計算式は、例えば、以下の式が例示される。この式における右辺のデータ列xi,yi（iはデータ１つ１つの添字）は、説明変数間相関係数４２の場合は２つの説明変数データ２１となり、目的説明間相関係数４３の場合は、片方が説明変数データ２１でもう片方が目的変数データ２２となる。左辺の変数rが、求まる相関係数である。

図２は、変動出力部５１の出力画面例を示す。この出力画面は、ラベル設定データ１１のラベル名「化学薬品製造ラインのデータ」と、説明変数統計データ４１のテーブル２１１と、リモデル画面起動ボタン２１２と、了解ボタン２１３とを含めて構成される。
テーブル２１１は、期間設定データ１２で設定される期間に従って、比較する過去の月数（ここでは前月と前々月との２ヶ月）と、前年度の前後の月数（ここでは１ヶ月分）における説明変数統計データ４１を、最大値などの種別ごとに表示する。

変動出力部５１は、テーブル２１１の各セル値のうち、閾値設定データ１３の閾値を超過したセル値について、数値を囲むなどして強調表示することで、アラート（警告値）を分析者に知らせる。閾値設定データ１３の閾値は、例えば、前月から今月にかけて標準偏差に２倍の変化が発生したときに（閾値＝２）、今月の標準偏差を警告値とするなどの判断に用いられる。
なお、変動出力部５１は、各月の統計値そのものと閾値とを比較して警告値と判断してもよいし、各月の統計値とその前月の統計値との差分値（変動値）と閾値とを比較して警告値と判断してもよい。

分析者は、毎月データの特徴量を示す統計的な数値から、特徴量の変化が一目で分かる。そして、分析者は、過去のデータにより構築された線形回帰モデルが陳腐化するタイミングを、アラートの多さから知ることができる。分析者は、モデルの契機が発生したと判断したときは、リモデル画面起動ボタン２１２を押下することで、図５のリモデル画面に遷移させる。
一方、分析者は、リモデルが不要なら了解ボタン２１３を押下することで、図２の出力画面を終了させる。なお、アラートが発生しているにもかかわらず、リモデルが不要な場合とは、例えば、特徴量の変化が大きくなるような設備清掃などのイベントが発生する期間をあらかじめ分析者が把握しており、説明変数統計データ４１の変化が大きいことが想定内であるときである。

図３は、説明相関出力部５２の出力画面例を示す。この出力画面は、ラベル設定データ１１のラベル名「化学薬品製造ラインのデータ」と、説明変数間相関係数４２のテーブル２２１と、リモデル画面起動ボタン２２２と、了解ボタン２２３とを含めて構成される。
テーブル２２１は、２つの説明変数を役割が重複しているものとして１つに束ねるための重複ＩＤと、２つの説明変数間の相関係数と、２つの説明変数（第１説明変数、第２説明変数）とを対応付ける。そのため、説明相関算出部３２は、説明変数データ２１どうしの組み合わせ（総当たり）ごとに相関係数を計算し、その相関係数の大きさに応じて（例えば上位３位だけを抽出して）、説明変数間相関係数４２のテーブル２２１を作成する。なお、相関係数の値は、最高値＝１から最低値＝０までの範囲である。

例えば、重複ＩＤ「Ｂ１」となるタンク温度と排出温度とは、相関係数が０．９と高く、いずれか１つの説明変数だけをモデルに組み込めばよいことを、分析者は把握する。つまり、片方の説明変数は、削除対象の説明変数となる。
説明相関出力部５２は、テーブル２２１において相関係数が高い順に説明変数の組み合わせを表示することにより、説明変数の組み合わせを構成するいずれかの説明変数を新たに生成する演算モデルからは削除するように、分析者に促す。分析者は、説明変数の削除が必要と判断したときは、リモデル画面起動ボタン２２２を押下することで、図５のリモデル画面に遷移させる。一方、分析者は、リモデルが不要なら了解ボタン２２３を押下することで、図３の出力画面を終了させる。

図４は、目的相関出力部５３の出力画面例を示す。この出力画面は、ラベル設定データ１１のラベル名「化学薬品製造ラインのデータ」と、前回学習時の目的説明間相関係数４３のテーブル２３１と、今回の目的説明間相関係数４３のテーブル２３２と、リモデル画面起動ボタン２３３と、了解ボタン２３４とを含めて構成される。テーブル２３１，２３２は、説明変数ごとに、その説明変数と目的変数との間の相関係数が高い順に（目的変数に対して影響が大きい順に）ランキング形式で、リストアップする形式である。
なお、テーブル２３１，２３２には、説明をわかりやすくするために目的変数データ２２＝濁度を記載したが、目的変数が一種類であることが通常なので、テーブル２３１，２３２における目的変数の記載を省略してもよい。

テーブル２３１，２３２を比較すると、説明変数「配管温度」は、１位から２位になっているものの、説明変数「原料温度、原料流入速度」はテーブル２３２には登場しなくなり、説明変数「タンク温度、モーター電圧」はテーブル２３２に登場するなど、説明変数の構成が大きく変わっている。
目的相関出力部５３は、テーブル２３１，２３２において相関係数が高い順に説明変数を表示することにより、相関係数が高い説明変数を新たに生成する演算モデルの説明変数データ１２１に組み込むように分析者に促す。このテーブル２３１，２３２を参照した分析者は、説明変数の組み替えが必要と判断したときは、リモデル画面起動ボタン２３３を押下することで、図５のリモデル画面に遷移させる。
一方、分析者は、リモデルが不要なら了解ボタン２３４を押下することで、図４の出力画面を終了させる。

以上、図２〜図４を参照して、分析者にリモデルを促す各種の表示画面を説明した。以下、図５〜図７を参照して、リモデルを行うと判断した分析者による具体的なリモデル設定作業（説明変数の組み替え作業）を説明する。

図５は、リモデル支援装置１が表示するリモデル画面における変更前の状態を示す。このリモデル画面は、説明変数ごとに、「警告値」列と、「説明相関」列と、「目的相関」列と、「モデル選択」列とを対応付けるテーブル表示である。
・「警告値」列には、図２で変動出力部５１が警告値を出力した対象の説明変数が「あり」として示される。
・「説明相関」列には、図３で説明相関出力部５２が出力した重複ＩＤが示される。
・「目的相関」列には、図４で目的相関出力部５３が出力した今回のテーブル２３２の順位が示される。
・「モデル選択」列は、対応する説明変数がモデルに取り込むものとして選択されたか（黒丸＝●の印）、選択されずにモデルから削除されたか（空欄）を示す。
まず、図５の変更前の状態では、「タンク温度、配管温度、モーター電圧、原料温度、原料流入速度、排出温度、原料投入量」という合計７つの説明変数のうち、「配管温度、原料温度、原料流入速度、排出温度、原料投入量」という５つの説明変数が選択されている。

図６は、図５に続き、リモデル画面における第１変更中の状態を示す。
分析者は、「目的相関」列の上位１位〜３位の説明変数「タンク温度、配管温度、モーター電圧」を、説明変数への影響が大きい変数として、新たにモデルに取り込む。なお、配管温度はすでに図５の状態でモデルに取り込まれている。

図７は、図６に続き、リモデル画面における第２変更中の状態を示す。まず、図６の状態では、合計７つの説明変数すべてがモデルに取り込まれていることとなる。分析者は、余分な説明変数を削除することで、モデルを簡略化することを検討する。
分析者は、「説明相関」列を参照して、役割が重複するＢ１のうちの「目的相関」列の上位１位〜３位には含まれない「排出温度」を削除することで、「モデル選択」列を空欄に戻す。さらに、分析者は、役割が重複するＢ２のうちの「原料投入量」を削除する。
そして、分析者は、「警告値」列を参照して、警告値を出力した説明変数「原料温度」を、変動が大きく精度が低いデータであるとして、モデルから削除する。

これにより、残った４つの「タンク温度、配管温度、モーター電圧、原料流入速度」は、それぞれ目的関数「濁度」への影響度が高く、かつ、互いの役割が重複しないような説明変数の集合であることが期待される。
よって、分析者は、４つの説明変数データ２１「タンク温度、配管温度、モーター電圧、原料流入速度」を、モデル実行装置１００のモデル（説明変数データ１２１）に設定する。モデル実行装置１００は、新たに設定された説明変数データ１２１と、目的変数データ２２を読み込んだ目的変数データ１２２との組み合わせをもとに、モデル演算部１２３のモデルを機械学習により再構築（リモデル）する。
これにより、モデル実行装置１００のモデル演算部１２３は、新たなモデルを用いて目的変数データ１２２を高精度に計算できる。

なお、本発明は前記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、前記した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、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。
また、各実施例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、上記の各構成、機能、処理部、処理手段などは、それらの一部または全部を、例えば集積回路で設計するなどによりハードウェアで実現してもよい。
また、前記の各構成、機能などは、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。

各機能を実現するプログラム、テーブル、ファイルなどの情報は、メモリや、ハードディスク、ＳＳＤ（Solid State Drive）などの記録装置、または、ＩＣ（Integrated Circuit）カード、ＳＤカード、ＤＶＤ（Digital Versatile Disc）などの記録媒体に置くことができる。
また、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、製品上必ずしも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。

１ リモデル支援装置
１１ ラベル設定データ
１２ 期間設定データ
１３ 閾値設定データ
２１ 説明変数データ
２２ 目的変数データ
３１ 統計算出部（特徴量算出部）
３２ 説明相関算出部（第２相関算出部）
３３ 目的相関算出部（第１相関算出部）
４１ 説明変数統計データ
４２ 説明変数間相関係数（第２相関係数）
４３ 目的説明間相関係数（第１相関係数）
５１ 変動出力部
５２ 説明相関出力部
５３ 目的相関出力部
１００ モデル実行装置
１２１ 説明変数データ
１２２ 目的変数データ
１２３ モデル演算部

前記課題を解決するために、本発明のリモデル支援装置は、以下の特徴を有する。
本発明は、複数の説明変数データから目的変数データを計算する演算モデルを機械学習させるために、過去の各前記説明変数データについて、過去の前記目的変数データとの間の第１相関係数を計算する第１相関算出部と、
計算された前記第１相関係数が高い順に説明変数をリモデル画面に表示することにより、表示される前記第１相関係数が高い説明変数を新たに生成する演算モデルの説明変数データに組み込むように促す第１相関出力部と、
過去の前記説明変数データの組み合わせごとに、第２相関係数を計算する第２相関算出部と、
計算された前記第２相関係数が高い順に説明変数の組み合わせを前記リモデル画面に表示することにより、説明変数の組み合わせを構成するいずれかの説明変数を新たに生成する演算モデルの前記説明変数データからは削除するように促す第２相関出力部とを有し、
前記リモデル画面は、説明変数ごとに、前記第１相関出力部が出力する前記第１相関係数の順位と、前記第２相関出力部が出力する前記第２相関係数が高い説明変数の組み合わせを示すＩＤと、前記演算モデルに組み込むか否かを示す情報とを対応付けた画面であることを特徴とする。
その他の手段は、後記する。

１ リモデル支援装置
１１ ラベル設定データ
１２ 期間設定データ
１３ 閾値設定データ
２１ 説明変数データ
２２ 目的変数データ
３１ 統計算出部（特徴量算出部）
３２ 説明相関算出部（第２相関算出部）
３３ 目的相関算出部（第１相関算出部）
４１ 説明変数統計データ
４２ 説明変数間相関係数（第２相関係数）
４３ 目的説明間相関係数（第１相関係数）
５１ 変動出力部
５２ 説明相関出力部（第２相関出力部）
５３ 目的相関出力部（第１相関出力部）
１００ モデル実行装置
１２１ 説明変数データ
１２２ 目的変数データ
１２３ モデル演算部

前記課題を解決するために、本発明のリモデル支援装置は、以下の特徴を有する。
本発明は、複数の説明変数データから目的変数データを計算する演算モデルを機械学習させるために、過去の各前記説明変数データについて、過去の前記目的変数データとの間の第１相関係数を計算する第１相関算出部と、
計算された前記第１相関係数が高い順に説明変数をリモデル画面に表示することにより、表示される前記第１相関係数が高い説明変数を新たに生成する演算モデルの説明変数データに組み込むように促す第１相関出力部と、
過去の前記説明変数データの組み合わせごとに、第２相関係数を計算する第２相関算出部と、
計算された前記第２相関係数が高い順に説明変数の組み合わせを前記リモデル画面に表示することにより、説明変数の組み合わせを構成するいずれかの説明変数を新たに生成する演算モデルの前記説明変数データからは削除するように促す第２相関出力部と、
各前記説明変数データについての指定された期間ごとの特徴量を計算する特徴量算出部と、
計算した特徴量の時間経過による変化量が所定閾値を超過したときに、その特徴量を強調して前記リモデル画面に遷移させるための通知画面に表示することにより、演算モデルの再構築を促す変動出力部とを有し、
前記リモデル画面は、説明変数ごとに、前記第１相関出力部が出力する前記第１相関係数の順位と、前記第２相関出力部が出力する前記第２相関係数が高い説明変数の組み合わせを示すＩＤと、前記演算モデルに組み込むか否かを示す情報とを対応付けた画面であることを特徴とする。
その他の手段は、後記する。

Claims (6)

1. 複数の説明変数データから目的変数データを計算する演算モデルを機械学習させるために、過去の各前記説明変数データについて、過去の前記目的変数データとの間の第１相関係数を計算する第１相関算出部と、
   計算された前記第１相関係数が高い順に説明変数を表示することにより、表示される前記第１相関係数が高い説明変数を新たに生成する演算モデルの説明変数データに組み込むように促す第１相関出力部とを有することを特徴とする
   リモデル支援装置。
2. 前記リモデル支援装置は、さらに、過去の前記説明変数データの組み合わせごとに、第２相関係数を計算する第２相関算出部と、
   計算された前記第２相関係数が高い順に説明変数の組み合わせを表示することにより、説明変数の組み合わせを構成するいずれかの説明変数を新たに生成する演算モデルの前記説明変数データからは削除するように促す第２相関出力部とを有することを特徴とする
   請求項１に記載のリモデル支援装置。
3. 前記リモデル支援装置は、さらに、各前記説明変数データについての指定された期間ごとの特徴量を計算する特徴量算出部と、
   計算した特徴量の時間経過による変化量が所定閾値を超過したときに、その特徴量を強調して表示することにより、演算モデルの再構築を促す変動出力部とを有することを特徴とする
   請求項１または請求項２に記載のリモデル支援装置。
4. リモデル支援装置は、第１相関算出部と、第１相関出力部とを有しており、
   前記第１相関算出部は、複数の説明変数データから目的変数データを計算する演算モデルを機械学習させるために、過去の各前記説明変数データについて、過去の前記目的変数データとの間の第１相関係数を計算し、
   前記第１相関出力部は、計算された前記第１相関係数が高い順に説明変数を表示することにより、表示される前記第１相関係数が高い説明変数を新たに生成する演算モデルの説明変数データに組み込むように促すことを特徴とする
   リモデル支援方法。
5. 前記リモデル支援装置は、さらに、第２相関算出部と、第２相関出力部とを有しており、
   前記第２相関算出部は、過去の前記説明変数データの組み合わせごとに、第２相関係数を計算し、
   前記第２相関出力部は、計算された前記第２相関係数が高い順に説明変数の組み合わせを表示することにより、説明変数の組み合わせを構成するいずれかの説明変数を新たに生成する演算モデルの前記説明変数データからは削除するように促すことを特徴とする
   請求項４に記載のリモデル支援方法。
6. 前記リモデル支援装置は、さらに、特徴量算出部と、変動出力部とを有しており、
   前記特徴量算出部は、各前記説明変数データについての指定された期間ごとの特徴量を計算し、
   前記変動出力部は、計算した特徴量の時間経過による変化量が所定閾値を超過したときに、その特徴量を強調して表示することにより、演算モデルの再構築を促すことを特徴とする
   請求項４または請求項５に記載のリモデル支援方法。

Images