JP2020077327A - 推論装置、情報処理装置、推論方法及びプログラム - Google Patents

Abstract

【課題】コストをかけることなく、現象に対し適切な推論を行う推論装置を提供することを目的とする。【解決手段】現象に対し推論を行う推論装置であって、現象に関する質問を取得する質問取得手段と、質問が定性的な質問であるか定量的な質問であるかを判定する質問判定手段と、定量的な質問の場合に、センサデータの取得が可能か否かを判定するセンサ判定手段と、センサデータの取得が可能な場合に、センサデータを推論に用いるデータとして決定し、センサデータの取得が可能でない場合には、ユーザによる入力データを推論に用いるデータとして決定する決定手段と、決定手段が決定したデータを用いて、現象に応じた推論を行う推論手段と有する。【選択図】図９

Description

本発明は、入力された情報に従い推論を行う推論装置、情報処理装置、推論方法及びプログラムに関する。

従来、製造工程における不良の要因を推論したり、不良に応じた対応策を推論したりするエキスパートシステムが知られている。エキスパートシステムでは、ユーザに所定の質問を行い、それに対するユーザからの回答に基づいて、要因や対応策を推論する。

近年の技術進歩によりセンサから入力される数は膨大になっており、要因の推論においても、多くのセンサデータを用いることが可能である。特許文献１には、ユーザから入力されたデータと、センサデータのいずれを回答として用いるかを定めることで、適切な要因推定を行う装置が開示されている。

特開２００７−２７９８４０号公報

しかしながら、特許文献１の技術においては、監視対象の装置におけるセンサの有無を把握し、監視対象の装置に応じて、ユーザから入力された入力データと、センサデータのいずれを優先するかを予め設定しておく必要があり、手間かかるという問題があった。

本発明はこのような問題点に鑑みなされたもので、コストをかけることなく、現象に対し適切な推論を行う推論装置を提供することを目的とする。

そこで、本発明は、現象に対し推論を行う推論装置であって、前記現象に関する質問を取得する質問取得手段と、前記質問が定性的な質問であるか定量的な質問であるかを判定する質問判定手段と、前記定量的な質問の場合に、センサデータの取得が可能か否かを判定するセンサ判定手段と、前記センサデータの取得が可能な場合に、前記センサデータを推論に用いるデータとして決定し、前記センサデータの取得が可能でない場合には、ユーザによる入力データを推論に用いるデータとして決定する決定手段と、前記決定手段が決定したデータを用いて、現象に応じた推論を行う推論手段と有することを特徴とする。

本発明によれば、コストをかけることなく、現象に対し適切な推論を行う推論装置を提供することができる。

図１は、推論システムの全体構成図である。 図２は、推論装置のハードウェア構成図である。 図３は、推論装置の機能構成図である。 図４は、質問ＤＢのデータ構成例を示す図である。 図５は、リンクＤＢのデータ構成例を示す図である。 図６は、候補ＤＢのデータ構成図である。 図７は、知識データベースの概念図である。 図８は、単語ＤＢのデータ構成図である。 図９は、推論装置による推論処理を示すフローチャートである。 図１０は、推論装置による推論処理を示すフローチャートである。 図１１は、推論処理における表示例を示す図である。 図１２は、推論処理における表示例を示す図である。 図１３は、推論処理における表示例を示す図である。

以下、本発明の実施形態について図面に基づいて説明する。

図１は、推論システムの全体構成図である。推論システムは、現象に対し、その要因等を推論するシステムである。本実施形態においては、監視対象の機器における故障や異常といった現象が発生した場合に、推論システムが、その現象に対する対応策を推論する場合を例に説明する。なお、現象は、監視対象の機器における故障等に限定されるものではない。また、推論対象は対応策に限定されるものではなく、現象に対する要因であってもよい。

推論システムは、推論装置１００と、監視対象の機器１１０と、センサ群１２０と、スマートグラス１３０と、を有している。センサ群１２０は、監視対象の機器１１０の各種情報を検知する複数のセンサを有している。推論装置１００は、例えばサーバやクラウド型の情報処理装置として構成され、センサ群１２０及びスマートグラス１３０と、例えばネットワークを介して通信可能に接続されている。推論装置１００は、センサ群１２０から各種センサデータを取得する。スマートグラス１３０は、現実空間に画像を重畳して表示するウエアラブルデバイスである。スマートグラス１３０は、推論装置１００から推論結果等を受信し、これを表示する。スマートグラス１３０はまた、ユーザ入力された情報を推論装置１００に送信する。推論装置１００は、センサデータやスマートグラス１３０においてユーザにより入力された入力データを用いることで、機器１１０に対する対応策を推論する。機器１１０は、センサデータと、入力データと、の２つのデータを用いることで対応策の推論が可能な装置であればよく、その種類は特に限定されるものではない。機器１１０としては、ＤＣの冷却器等が挙げられる。なお、推論装置１００は単一の機器１１０とそのセンサ群１２０のみに接続されているとは限らず、複数の機器やセンサ群と通信可能に接続され、それらに関連する現象に対して推論を行う構成であってもよい。

図２は、推論装置１００のハードウェア構成図である。推論装置１００は、ＣＰＵ２０１と、ＲＯＭ２０２と、ＲＡＭ２０３と、ＨＤＤ２０４と、表示部２０５と、入力部２０６と、通信部２０７とを有している。ＣＰＵ２０１は、ＲＯＭ２０２に記憶された制御プログラムを読み出して各種処理を実行する。ＲＡＭ２０３は、ＣＰＵ２０１の主メモリ、ワークエリア等の一時記憶領域として用いられる。ＨＤＤ２０４は、各種データや各種プログラム等を記憶する。表示部２０５は、各種情報を表示する。入力部２０６は、キーボードやマウスを有し、ユーザによる各種操作を受け付ける。通信部２０７は、ネットワークを介してセンサ等の外部装置との通信処理を行う。

なお、後述する推論装置１００の機能や処理は、ＣＰＵ２０１がＲＯＭ２０２又はＨＤＤ２０４に格納されているプログラムを読み出し、このプログラムを実行することにより実現されるものである。また、他の例としては、ＣＰＵ２０１は、ＲＯＭ２０２等に替えて、ＳＤカード等の記録媒体に格納されているプログラムを読み出してもよい。

図３は、推論装置１００の機能構成図である。推論装置１００は、質問ＤＢ３０１と、リンクＤＢ３０２と、候補ＤＢ３０３と、単語ＤＢ３０４と、センサデータＤＢ３０５と、入力管理部３１１と、推論部３１２と、を有している。

図４は、質問ＤＢ３０１のデータ構成例を示す図である。質問ＤＢ３０１は、質問データと、コストと、リンクと、を対応付けて記憶している。ここで、質問データは、対応策を推論するために必要な質問データである。コストは、質問データに対する回答に伴う負担の大きさを示す指標値である。例えば、連像鋳造等のプロセスを一時的に停止しなければ回答できないような質問は回答に損失が伴う。このような質問データに対しては高いコストが設定される。コストデータは、質問データの選択時の判断要素として利用され、コストデータの大きな質問データは選択され難くなる。これにより、コストの増大を防止できる。リンクは、後述の候補データと質問データとを紐付ける情報である。

図５は、リンクＤＢ３０２のデータ構成例を示す図である。リンクＤＢ３０２は、リンクと、候補データと、影響度と、を対応付けて記憶している。ここで、候補データは、推論部３１２による推論結果の候補となるデータである。影響度は、質問データと候補データの関係に応じて割り当てられた正又は負のデータである。例えば、２つの候補データのうち１つを選択するために利用される質問の場合、一方の候補データには、その質問に対し正のデータが割り当てられ、他方の候補データには、その質問に対し負のデータが割り当てられる。

図６は、候補ＤＢ３０３のデータ構成図である。候補ＤＢ３０３は、候補データと、確信度と、を対応付けて記憶している。ここで、確信度は、候補データの推論結果としての確からしさを示す値である。確信度は、初期状態ではすべて５０％に設定されており、その後の推論プロセスの進行に従い随時更新される。

図７は、質問ＤＢ３０１、リンクＤＢ３０２及び候補ＤＢ３０３により実現される知識データベースの概念図である。このように、質問データ（Ｑ１、Ｑ２、…）は、リンク（Ｌ１、Ｌ２、…）により、候補データ（Ｎ１〜Ｎ２１）に紐付けられている。また、候補データは、図７に示すように、ツリー状に階層化されている。なお、各質問データは、候補データの階層とは無関係に対応付けられる。すなわち、１つの質問データに対し、階層の異なる複数の候補データが対応付けられることも可能である。

図８は、単語ＤＢ３０４のデータ構成図である。単語ＤＢ３０４は、質問に含まれる単語と、質問の種類とを対応付けて記憶している。ここで、質問の種類としては、定性的な質問であるか、定量的な質問であるかの２つの種類がある。ここで、定量的な質問とは、例えば装置の温度は１０℃〜２０℃の範囲内か等、その回答がセンサデータとして取得可能な質問である。一方で、定性的な質問とは、装置が汚れているか等、その回答がセンタデータとして取得できない質問である。なお、質問の種類は、単語毎に予め設定されているものとする。さらに、定量的な質問に対しては、センサデータの種類を示す情報が対応付けられている。センサデータの種類とは、例えば、温度、湿度など値の種類である。なお、単語ＤＢ３０４は、対応テーブルの一例である。

図３に戻り、推論部３１２は、質問ＤＢ３０１、リンクＤＢ３０２、候補ＤＢ３０３を参照し、質問データを選択し、質問データに対して得られた回答データに基づいて、対応策を推論する。入力管理部３１１は、推論部３１２により選択された質問データに基づいて、推論に用いるデータを、ユーザから入力される入力データとするか、センサ群１２０から入力されるセンサデータとするか、を決定する。そして、入力管理部３１１は、決定したデータを、推論部３１２に渡す。入力管理部３１１は、質問データに基づいて、推論に用いるデータを決定する際に、単語ＤＢ３０４を参照する。センサデータＤＢ３０５は、センサ群１２０から入力されたセンサデータを格納する。

図９及び図１０は、推論装置１００による推論処理を示すフローチャートである。図１１〜図１３は、推論処理におけるスマートグラス１３０の表示例を示す図である。図１１に示すように、異常が発生すると、スマートグラス１３０には、表示例１１０１のように、異常の発生源を示す情報が表示される。表示例１１０１においては、冷却器と表示される。さらに、冷却器には、「１」と表示されており、ユーザが「１」と発話することで「１」を選択すると、表示例１１０２に示すように、冷却器に対する作業を示す情報が表示される。ここで、ユーザが「１」を選択すると、故障診断（推論処理）が開始される。なお、図１１〜図１３に示す表示例においては、説明の便宜上、適宜ユーザが視認し得る現実空間を省略し、重畳表示される画像のみを示している。ただし、実際には、スマートグラス１３０を装着したユーザは、現実空間に重畳した状態で、図１１〜図１３に表示される画像を見ることができる。

推論処理においては、まずＳ９０１において、推論部３１２は、質問ＤＢ３０１から、任意の質問データを１つ選択する。次に、Ｓ９０２において、推論部３１２は、選択中の質問データに対し、既に回答が得られているか否かを判定する。推論部３１２は、回答が得られている場合には（Ｓ９０２でＹＥＳ）、処理をＳ９０４へ進める。推論部３１２は、回答が得られていない場合には（Ｓ９０２でＮＯ）、処理をＳ９０３へ進める。

Ｓ９０３において、推論部３１２は、質問データの適正値を算出する。推論部３１２は、具体的には、（式１）により適正度を算出する。推論部３１２は、効果については、（式２）により求めるものとする。ここで、コストは、選択中の質問データに対するコストである。効果は、選択中の質問データの効果である。影響度及び確信度は、いずれも選択中の質問データに対し、リンクを介して対応付けられている候補データに対応する影響度及び確信度である。複数の候補データが対応付けられている場合には、（式２）において複数の候補データそれぞれに対応した影響度と確信度が用いられる。なお、影響度については、絶対値を用いるものとする。

適正値＝コスト×効果 …（式１）
効果＝（各影響度×各確信度）の総和 …（式２）

Ｓ９０４において、推論部３１２には、すべての質問データについて適正値を算出する処理が完了したか否かを判定する。推論部３１２は、すべての質問データに対して処理済みの場合には（Ｓ９０４でＹＥＳ）、処理をＳ９０５へ進める。推論部３１２は、未処理の質問データが存在する場合には（Ｓ９０４でＮＯ）、処理をＳ９０１へ進める。この場合、Ｓ９０１において、再度未処理の質問データを選択し、以降の処理を行う。

Ｓ９０５において、推論部３１２は、適正値に基づいて、最適な質問データを選択する。具体的には、推論部３１２は、適正値が最大となる質問データを選択する。そして、推論部３１２は、選択した質問データを入力管理部３１１へ渡す。

次に、Ｓ９０６において、入力管理部３１１は、推論部３１２から質問データを取得し、取得した質問データの種類を判定する。具体的には、入力管理部３１１は、質問データに含まれる単語を抽出する。そして、入力管理部３１１は、単語ＤＢ３０４を参照し、質問データに含まれる単語に対応付けられた種類として、定性的であるか定量的であるかを特定する。なお、質問データから複数の単語データが抽出された場合には、入力管理部３１１は、予め定められた条件に従い、複数の単語から質問データの種類を特定するものとする。なお、入力管理部３１１は、質問データに基づいて、その種類を特定すればよく、種類を特定するための具体的な処理は実施形態に限定されるものではない。なお、Ｓ９０６の処理は、質問取得処理及び質問判定処理の一例である。入力管理部３１１は、定量的な質問の場合には（Ｓ９０６で定量的）、処理をＳ９０７へ進める。入力管理部３１１は、定性的な質問の場合には（Ｓ９０６で定性的）、処理をＳ９１０へ進める。

Ｓ９０７において、入力管理部３１１は、さらに単語ＤＢ３０４を参照し、取得すべきセンサデータの種類を特定する。本処理は、センサ特定処理の一例である。そして、入力管理部３１１は、特定した種類のセンサデータを取得できるか否かを判定する。なお、入力管理部３１１は、センサ群１２０から入力されるセンサデータに基づいて、取得可能なセンサデータの種類を判別する。なお、Ｓ９０７の処理は、センサ判定処理の一例である。入力管理部３１１は、特定した種類のセンサデータを取得できる場合には（Ｓ９０７でＹＥＳ）、処理をＳ９０８へ進める。入力管理部３１１は、特定した種類のセンサデータを取得できない場合には（Ｓ９０７でＮＯ）、処理をＳ９１０へ進める。

Ｓ９０８において、入力管理部３１１は、特定した種類のセンサデータを取得する。本処理は、センサデータ取得処理の一例である。そして、入力管理部３１１は、センサデータが正常データであるか否かを判定する。例えば、温度データにおいて、想定される検知温度の範囲が１０〜２０℃であるのに対し、マイナス１０℃が検出された場合には、センサの異常等により正しい値が得られていないことが考えられる。Ｓ９０８の処理は、このように想定されない値を除外するための処理である。

具体的には、入力管理部３１１は、センサデータの種類毎に予め定められた条件に従い、センサ群１２０から得られたセンサデータが正常データであるか否かを判定する。例えば、温度データに対しては、１０〜３０℃の許容範囲が定められている場合、入力管理部３１１は、得られたセンサデータが許容範囲内のデータである場合には、正常データであると判定し、許容範囲外のデータである場合には正常データではないと判定する。また、他の例としては、入力管理部３１１は、処理時点において既に検知された温度データの時系列変化に基づいて、正常データであるか否かを判定してもよい。入力管理部３１１は、例えば、時系列変化から次のセンサデータの値を予測する。そして、得られたセンサデータが予測値から所定範囲内の値の場合に正常データであると判定し、所定範囲内の値でない場合に正常データでないと判定してもよい。なお、Ｓ９０８の処理は、データ判定処理の一例である。

入力管理部３１１は、正常データである場合には（Ｓ９０８でＹＥＳ）、処理をＳ９０９へ進める。入力管理部３１１は、正常データでない場合には（Ｓ９０８でＮＯ）、処理をＳ９１０へ進める。

Ｓ９０９において、推論部３１２は、Ｓ９０８において取得したセンサデータから回答データを生成する。本実施形態においては、質問データは、ＹＥＳ、ＮＯ、ＵＮＫ（ＵＮＫＮＯＷＮ）、のいずれかで回答可能なものになっている。入力管理部３１１は、センサデータからＹＥＳ、ＮＯ、ＵＮＫのいずれかを回答データとして生成する。入力管理部３１１は、Ｓ９０９の処理の後、処理をＳ９１２へ進める。

一方、Ｓ９１０においては、入力管理部３１１は、質問データを通信部２０７を介してスマートグラス１３０に出力するよう制御する。図１２に示す表示例１２０１においては、「蒸気の流量は毎分１Ｌ以上３Ｌ以下？」という質問データが表示されている。これに対し、ユーザは、質問データに対する回答を入力する。Ｓ９１１において、入力管理部３１１は、ユーザにより入力された入力データ（回答データ）を通信部２０７を介して受け付ける。なお、ここで、受け付ける回答データも前述の通り、ＹＥＳ、ＮＯ、ＵＮＫのいずれかである。入力管理部３１１は、Ｓ９１１の処理の後、処理をＳ９１２へ進める。

Ｓ９１２において、入力管理部３１１は、Ｓ９０９又はＳ９１１において得られた回答データに基づいて、選択中の質問データに対応付けられている複数の候補データそれぞれに対する確信度を更新する。具体的には、入力管理部３１１は、回答データがＹＥＳの場合には、質問データに対応付けられているすべての候補データの確信度を所定量だけ増加する。一方で、入力管理部３１１は、回答データがＮＯの場合には、質問データに対応付けられているすべての候補データの確信度を所定量だけ減ずる。なお、ＵＮＫの場合には、確信度の変更はない。Ｓ９１２の処理は、推論処理の一例である。

Ｓ９１３において、入力管理部３１１は、所定の候補データの確信度が低下したか否かを判定する。Ｓ９０１〜Ｓ９１５の処理は、繰り返し処理であり、回答データに応じて確信度が繰り返し更新されることにより、対応策により近い候補データの確信度の値が徐々に高くなっていく。このため、ある程度確信度が増加した後で、確信度が低下した場合には、回答データに誤りがある可能性が考えられる。Ｓ９１３の処理は、このような回答データの誤りの可能性を判定する処理である。

入力管理部３１１は、確信度が最大値を示す候補データや、確信度が閾値以上となった候補データなど、予め定められた条件に合致する候補データを処理対象として選択する。そして、入力管理部３１１は、処理対象の候補データに対し、直前のＳ９１２において算出された確信度が、算出前の確信度に比べて低下したか否かを判定する。入力管理部３１１は、確信度が低下している場合には（Ｓ９１３でＹＥＳ）、処理をＳ９１４へ進める。入力管理部３１１は、確信度が低下していない場合には（Ｓ９１３でＮＯ）、処理をＳ９１５へ進める。

Ｓ９１４において、入力管理部３１１は、回答データが誤りの可能性がある旨を、選択中の質問データに対応付けて記録する。さらに、入力管理部３１１は、回答データが誤りの可能性がある旨の情報を表示部２０５に表示するよう制御する。なお、Ｓ９１２において確信度を低下させるように更新した場合、すなわちセンサデータに基づいて確信度を低下させるように更新した場合には、センサデータに異常の可能性があることになる。入力管理部３１１は、このようにセンサデータに異常の可能性があることを識別可能に、情報を記録し、また表示するようにしてもよい。入力管理部３１１は、Ｓ９１４の処理の後、処理をＳ９１５へ進める。なお、誤りの可能性がある旨の情報を表示する処理は省略してもよい。

Ｓ９１５において、入力管理部３１１は、推定が完了したか否かを判定する。入力管理部３１１は、確信度の最大値が予め設定された閾値以上になった場合に推定が完了したと判定する。入力管理部３１１は、推定が完了した場合には（Ｓ９１５でＹＥＳ）、処理をＳ９１６へ進める。入力管理部３１１は、推定が完了していない場合には（Ｓ９１５でＮＯ）、処理をＳ９０１へ進める。

Ｓ９１６において、入力管理部３１１は、推定結果を、通信部２０７を介してスマートグラス１３０へ送信する。本処理は、推定結果を出力する出力処理の一例である。スマートグラス１３０は、推定結果を受信すると、これを表示する。入力管理部３１１は、推定結果として、確信度が閾値以上の候補データを、確信度と共にスマートグラス１３０に送信する。確信度が閾値以上の候補データが多数存在する場合には、入力管理部３１１は、上位から順に所定数の候補データとこれに対応する確信度とをスマートグラス１３０に送信する。これに対応し、図１２の表示例１２０２のように、スマートグラス１３０には、確信度が高い候補データが、確信度と共に表示される。表示例１２０２においては、３位までの候補データが表示されている。

次に、図１０に示すＳ１００１において、推論部３１２は、スマートグラス１３０から経緯表示指示を受け付けたか否かを判定する。例えば、図１２の表示例１２０２に示される「診断経緯を確認する」に対応した「０」をユーザが発話した場合に、スマートグラス１３０から経緯表示指示が推論装置１００に送信されるものとする。ここで、経緯表示指示とは、診断経緯情報の表示を指示する情報である。診断経緯情報とは、診断結果を推定する過程で用いられた質問とその回答と時系列に沿って示す情報である。推論部３１２は、経緯表示指示を受け付けた場合には（Ｓ１００１でＹＥＳ）、処理をＳ１００２へ進める。推論部３１２は、経緯表示指示を受け付けなかった場合には（Ｓ１００１でＮＯ）、推論処理を終了する。

Ｓ１００２において、推論部３１２は、診断経緯情報を出力する。図１３に診断経緯情報の表示例１３０１を示している。表示例１３０１においては、質問１〜６とその回答が表示されている。このうち、質問４〜６においては、質問文の後ろに「（自動回答済）」と示されている。これらは、ユーザに確認することなく、推論装置１００が回答としてセンサデータを自動的に取得したことを示している。このように、ユーザは、センサデータが用いられた質問とその回答について確認することができる。さらに、質問６においては、「＊異常値の可能性あり！」と示されている。図９を参照しつつ説明したＳ９１４の処理において、回答データが誤っている可能性がある旨が記録された回答データに対しては、このように、ユーザが識別可能に表示する。これにより、ユーザは、回答データが正しいか否かを確認することができる。

ここで、ユーザは、質問６の回答を確認し、センサデータの入力に誤りがあると判断した場合には、ユーザ操作によりこれを変更することができる。例えば、ユーザが、質問６に対する回答の湿度２０％が正しくないと判断したとする。この場合には、「６」と発話する。これに対応し、スマートグラス１３０は、表示例１３０２に示すように、変更後の値を入力するためのウィンドウ１３０３を表示する。ここで、ユーザは、変更後の値を入力する。例えば、６０％と入力する。これに対応し、スマートグラス１３０は、表示例１３０４に示すように、質問６の回答を更新する。その後、ユーザが「再診断」と発話すると、スマートグラス１３０は、質問６に対する回答を６０％に変更することを示すセンサデータ変更指示を推論装置１００へ送信する。

これに対応し、Ｓ１００３において、推論部３１２は、センサデータ変更指示を受け付けたか否かを判定する。推論部３１２は、センサデータ変更指示を受け付けた場合には（Ｓ１００３でＹＥＳ）、処理をＳ１００４へ進める。推論部３１２は、センサデータ変更指示を受け付けなかった場合には（Ｓ１００３でＮＯ）、推論処理を終了する。Ｓ１００４において、推論部３１２は、センサデータ変更指示に従い、センサデータを変更する。例えば、質問６に対する回答を６０％に変更することを示すセンサデータ変更指示を受け付けた場合には、質問６に対する回答としてのセンサデータを２０％から６０％に変更する。

次に、Ｓ１００５において、推論部３１２は、Ｓ１００４において変更した後の回答データに基づいて、対応する質問データに対応付けられている候補データに対する確信度を更新する。本処理は、Ｓ９１２における確信度を更新する処理と同様である。次に、Ｓ１００６において、推論部３１２は、更新後の確信度に応じて、推定結果を更新する。次に、Ｓ１００７において、推論部３１２は、更新後の推定結果を、通信部２０７を介してスマートグラス１３０へ送信する。スマートグラス１３０は、推定結果を受信すると、受信した推定結果に従い、推定結果の表示を更新する。

以上のように、本実施形態に係る推論システムにおいては、推論装置１００は、質問データに応じて、回答データをユーザによる入力データとするかセンサデータとするかを決定する。さらに、推論装置１００は、センサデータが存在しない場合や、センサデータが異常値を示す場合には、ユーザ入力を取得する。このように、本実施形態の推論装置１００は、質問内容から回答データとしてセンサデータを用いることができるか否かを判断する。したがって、監視対象の装置毎にセンサデータの有無を確認し、質問データ毎にセンサデータとするか入力データとするかを予め設定したＤＢを構築する必要がない。このように、推論装置１００は、コストをかけることなく、現象に対して適切な推論を行うことができる。

実施形態の第１の変形例としては、推論システムのハードウェア構成は実施形態に限定されるものではない。他の例としては、入力管理部３１１と、推論部３１２は、異なる情報処理装置において実現されてもよい。この場合、入力管理部３１１として機能する情報処理装置は、推論部３１２として機能する情報処理装置から質問データを受信し、質問データに対応して、回答データを生成し、回答データを推論部３１２として機能する情報処理装置へ送信すればよい。このように、推論装置１００の機能や処理の少なくとも一部は、例えば複数のＣＰＵ、ＲＡＭ、ＲＯＭ、及びストレージを協働させることにより実現してもよい。また、他の例としては、推論装置１００の機能や処理の少なくとも一部は、ハードウェア回路を用いて実現してもよい。また、推論結果等を表示するハードウェアは、スマートグラス１３０に限定されるものではなく、他の例としては、ユーザが使用するＰＣ等の表示部であってもよい。

第２の変形例としては、推論装置１００が推論において参照するセンサデータの種類は１つであってもよい。この場合には、センサの種類を特定する処理は不要であり、単語ＤＢ３０４においては、センサの種類を示す情報は不要である。

第３の変形例としては、本実施形態においては、診断経緯情報は、推論が完了した後で出力されることとしたが、診断経緯情報の出力タイミングは実施形態に限定されるものではない。他の例としては、推論が完了する前において、ユーザ操作に応じて適宜出力されることとしてもよい。この場合、推論装置１００は、既に得られている質問とその回答とを診断経緯情報として出力する。さらに、推論装置１００は、センサデータ変更指示を受け付けた場合には、既に得られている回答を更新した上で、推論を進めればよい。

＜その他の実施形態＞
また、本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア（プログラム）を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給する。そして、そのシステム或いは装置のコンピュータ（又はＣＰＵやＭＰＵ等）がプログラムを読み出して実行する処理である。

以上、上述した各実施形態によれば、コストをかけることなく、現象に対し適切な推論を行う推論装置を提供することができる。

以上、本発明の好ましい実施形態について詳述したが、本発明は係る特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。

１００ 推論装置
１１０ 機器
１２０ センサ群
１３０ スマートグラス

Claims (14)

1. 現象に対し推論を行う推論装置であって、
   前記現象に関する質問を取得する質問取得手段と、
   前記質問が定性的な質問であるか定量的な質問であるかを判定する質問判定手段と、
   前記定量的な質問の場合に、センサデータの取得が可能か否かを判定するセンサ判定手段と、
   前記センサデータの取得が可能な場合に、前記センサデータを推論に用いるデータとして決定し、前記センサデータの取得が可能でない場合には、ユーザによる入力データを推論に用いるデータとして決定する決定手段と、
   前記決定手段が決定したデータを用いて、現象に応じた推論を行う推論手段と
   を有することを特徴とする推論装置。
2. 前記センサデータの取得が可能な場合に、センサデータを取得するセンサデータ取得手段と、
   前記センサデータ取得手段が取得した前記センサデータが正常データであるか否かを、予め定められた条件に基づいて判定するデータ判定手段と
   をさらに有し、
   前記決定手段は、前記センサデータが前記正常データである場合に前記センサデータを推論に用いるデータとして決定し、前記センサデータが前記正常データでない場合に前記入力データを推論に用いるデータとして決定することを特徴とする請求項１に記載の推論装置。
3. 前記データ判定手段は、前記センサデータの値が予め定められた許容範囲内の値であるか否かに基づいて前記正常データであるか否かを判定することを特徴とする請求項２に記載の推論装置。
4. 前記データ判定手段は、処理時点よりも前に検出されたセンサデータの時系列変化に基づいて、前記正常データであるか否かを判定することを特徴とする請求項２に記載の推論装置。
5. 前記決定手段により決定された、推論に用いるデータを出力する第１の出力手段と、
   前記推論に用いるデータの変更指示を受け付けた場合に、推論に用いるデータを変更する変更手段と
   を有し、
   前記推論手段は、前記変更手段により推論に用いるデータが変更された場合に、変更後のデータを用いて推論を行うことを特徴とする請求項１乃至４の何れか１項に記載の推論装置。
6. 前記推論手段は、推論に用いるデータが決定される度に、推論に用いるデータを用いて推論を行い、推論結果の確信度を算出し、
   推論結果に対し第１の確信度が算出された後で、前記センサデータを用いた推論により確信度が前記第１の確信度よりも小さい第２の確信度に変化した場合に、センサデータに対し誤りの可能性がある旨の情報を記憶手段に記録する記録手段をさらに有することを特徴とする請求項１乃至５の何れか１項に記載の推論装置。
7. 前記誤りの可能性がある旨の情報を出力する第２の出力手段をさらに有することを特徴とする請求項６に記載の推論装置。
8. 前記質問判定手段は、前記質問に含まれる単語に基づいて、前記質問が定性的な質問であるか定量的な質問であるかを判定することを特徴とする請求項１乃至７の何れか１項に記載の推論装置。
9. 前記質問判定手段は、単語と、定性的であるか定量的であるかを示す情報と、を対応付けた対応テーブルを参照し、前記質問に含まれる単語に基づいて、前記質問が定性的な質問であるか定量的な質問であるかを判定することを特徴とする請求項１乃至８の何れか１項に記載の推論装置。
10. 前記対応テーブルは、さらに前記定量的であることを示す情報に対応付けて、センサの種類を示す情報を記憶し、
    前記対応テーブルを参照し、前記質問に含まれる単語に基づいて、センサの種類を特定するセンサ特定手段をさらに有し、
    前記センサ判定手段は、前記センサ特定手段により特定された前記センサの種類に対応したセンサデータの取得が可能か否かを判定することを特徴とする請求項９に記載の推論装置。
11. 現象に関する質問を取得する質問取得手段と、
    前記質問が定性的な質問であるか定量的な質問であるかを判定する質問判定手段と、
    前記定量的な質問の場合に、センサデータの取得が可能か否かを判定するセンサ判定手段と、
    前記センサデータの取得が可能な場合に、前記センサデータを推論に用いるデータとして決定し、前記センサデータの取得が可能でない場合には、ユーザによる入力データを推論に用いるデータとして決定する決定手段と
    を有することを特徴とする情報処理装置。
12. 現象に対し推論を行う推論方法であって、
    前記現象に関する質問を取得する質問取得ステップと、
    前記質問が定性的な質問であるか定量的な質問であるかを判定する質問判定ステップと、
    前記定量的な質問の場合に、センサデータの取得が可能か否かを判定するセンサ判定ステップと、
    前記センサデータの取得が可能な場合に、前記センサデータを推論に用いるデータとして決定し、前記センサデータの取得が可能でない場合には、ユーザによる入力データを推論に用いるデータとして決定する決定ステップと、
    前記決定ステップにおいて決定したデータを用いて、現象に応じた推論を行う推論ステップと
    を含むことを特徴とする推論方法。
13. コンピュータを、
    現象に関する質問を取得する質問取得手段と、
    前記質問が定性的な質問であるか定量的な質問であるかを判定する質問判定手段と、
    前記定量的な質問の場合に、センサデータの取得が可能か否かを判定するセンサ判定手段と、
    前記センサデータの取得が可能な場合に、前記センサデータを推論に用いるデータとして決定し、前記センサデータの取得が可能でない場合には、ユーザによる入力データを推論に用いるデータとして決定する決定手段と、
    前記決定手段が決定したデータを用いて、現象に応じた推論を行う推論手段と
    して機能させるためのプログラム。
14. コンピュータを、
    現象に関する質問を取得する質問取得手段と、
    前記質問が定性的な質問であるか定量的な質問であるかを判定する質問判定手段と、
    前記定量的な質問の場合に、センサデータの取得が可能か否かを判定するセンサ判定手段と、
    前記センサデータの取得が可能な場合に、前記センサデータを推論に用いるデータとして決定し、前記センサデータの取得が可能でない場合には、ユーザによる入力データを推論に用いるデータとして決定する決定手段と、
    前記決定手段が決定したデータを用いて、現象に応じた推論を行う推論手段と
    して機能させるためのプログラムを記録したコンピュータにより読み取り可能な記録媒体。

Images