JP2020201527A - 管理システム及び管理方法、学習システム及び学習方法、並びにプログラム - Google Patents

Abstract

【課題】物品の所在を管理しやすくする管理システム及び管理方法、学習システム及び学習方法、並びにプログラムを提供する。【解決手段】管理システム１００は、取得部５と、推定部３１と、入力受付部３４と、を備える。取得部５は、物品情報を取得する。物品情報は、読取部１０２にて物品に付された物品タグ１１と電波を媒体とする無線通信を行うことにより物品タグ１１から読み取られる、物品に関する情報である。推定部３１は、取得部５にて物品情報を取得することで得られる読取情報に基づいて、所定のエリアにおける物品の運搬に関する運搬情報を推定する。入力受付部３４は、推定部３１の推定結果を評価する入力を受け付ける。【選択図】図１

Description

本開示は、一般に管理システム及び管理方法、学習システム及び学習方法、並びにプログラムに関する。より詳細には、本開示は、物品を管理する管理システム及び管理方法、学習システム及び学習方法、並びにプログラムに関する。

特許文献１には、物品管理システムが開示されている。この物品管理システムでは、ＩＣタグと、ＩＣタグリーダと、ＩＣタグリーダの位置を計測する測位手段と、位置管理サーバと、を備えている。ＩＣタグリーダは、ＩＣタグに対して読み出し信号を送信し、ＩＣタグからの応答信号を受信する。位置管理サーバは、応答信号の内容と自機に登録された内容が一致するときに、測位手段により得られる位置信号に基づいて、ＩＣタグが貼り付けられた管理対象物品の位置を管理する。

特開２００２−０４６８２１号公報

本開示は、物品の所在を管理しやすい管理システム及び管理方法を提供することを目的とする。

本開示の一態様に係る管理システムは、取得部と、推定部と、入力受付部と、を備える。前記取得部は、物品情報を取得する。前記物品情報は、読取部にて物品に付された物品タグと電波を媒体とする無線通信を行うことにより前記物品タグから読み取られる、前記物品に関する情報である。前記推定部は、前記取得部にて前記物品情報を取得することで得られる読取情報に基づいて、所定のエリアにおける前記物品の運搬に関する運搬情報を推定する。前記入力受付部は、前記推定部の推定結果を評価する入力を受け付ける。

本開示の一態様に係る管理方法は、取得ステップと、推定ステップと、入力受付ステップと、を有する。前記取得ステップは、物品情報を取得するステップである。前記物品情報は、読取部にて物品に付された物品タグと電波を媒体とする無線通信を行うことにより前記物品タグから読み取られる、前記物品に関する情報である。前記推定ステップは、前記取得ステップにて前記物品情報を取得することで得られる読取情報に基づいて、所定のエリアにおける前記物品の運搬に関する運搬情報を推定するステップである。前記入力受付ステップは、前記推定ステップの推定結果を評価する入力を受け付けるステップである。

本開示の一態様に係る学習システムは、取得部と、推定部と、入力受付部と、学習部と、を備える。前記取得部は、物品情報を取得する。前記物品情報は、読取部にて物品に付された物品タグと電波を媒体とする無線通信を行うことにより前記物品タグから読み取られる、前記物品に関する情報である。前記推定部は、前記取得部にて前記物品情報を取得することで得られる読取情報を入力として、分類器により所定のエリアにおける前記物品の運搬に関する運搬情報を推定する。前記入力受付部は、前記推定部の推定結果を評価する入力を受け付ける。前記学習部は、前記入力受付部にて入力された情報を教師データとして、前記分類器を機械学習させる。

本開示の一態様に係る学習方法は、取得ステップと、推定ステップと、入力受付ステップと、学習ステップと、を有する。前記取得ステップは、物品情報を取得するステップである。前記物品情報は、読取部にて物品に付された物品タグと電波を媒体とする無線通信を行うことにより前記物品タグから読み取られる、前記物品に関する情報である。前記推定ステップは、前記取得ステップにて前記物品情報を取得することで得られる読取情報を入力として、分類器により所定のエリアにおける前記物品の運搬に関する運搬情報を推定するステップである。前記入力受付ステップは、前記推定ステップの推定結果を評価する入力を受け付けるステップである。前記学習ステップは、前記入力受付ステップにて入力された情報を教師データとして、前記分類器を機械学習させるステップである。

本開示の一態様に係るプログラムは、１以上のプロセッサに、上記の管理方法、又は上記の学習方法を実行させる。

本開示は、物品の所在を管理しやすい、という利点がある。

図１は、本開示の一実施形態に係る管理システム及び読取システムの構成を示すブロック図である。 図２は、同上の管理システムが対象とするエリアの概要図である。 図３は、同上の管理システムにおける推定部の動作の説明図である。 図４は、同上の管理システムにおける表示部に表示される画面の概要図である。 図５は、同上の管理システムにおいて、端末の表示部に表示される画面の一例を示す概要図である。 図６は、同上の管理システムにおいて、端末の表示部に表示される画面の一例を示す概要図である。 図７は、同上の管理システムにおいて、端末の表示部に表示される画面の一例を示す概要図である。 図８は、同上の管理システムでの学習フェーズにおける動作を示すフローチャートである。 図９は、同上の管理システムでの推論フェーズにおける動作を示すフローチャートである。

（１）概要
本実施形態に係る管理システム１００は、図１及び図２に示すように、所定のエリアＡ１にある物品１の所在に関する情報を管理するために用いられるシステムである。以下、特に断りのない限り、「所定のエリアＡ１」を単に「エリアＡ１」という。本開示でいう「物品」とは、関係者２により運搬される対象となる物品１を意味する。ここで、物品１は、１つに限らず、複数個の場合もある。本開示でいう「関係者」とは、物品１をエリアＡ１外へ持ち出す、又は物品１をエリアＡ１内へ持ち込むことを許可された者であって、実際に物品１を運搬する者の他、物品１を運搬する者に付き添う者を含み得る。つまり、「関係者が運搬する」とは、実際に物品１を運搬することの他に、物品１を運搬する者に付き添うことも含み得る。ここで、関係者２は、１人に限らず、複数人の場合もある。

管理システム１００は、図１に示すように、取得部５と、推定部３１と、入力受付部３４と、を備えている。本実施形態では、後述する通信部５が取得部５を兼ねている。

取得部５は、物品情報を取得する。物品情報は、読取部１０２にて物品１に付された物品タグ１１と電波を媒体とする無線通信を行うことにより、物品タグ１１から読み取られる。ここで、読取部１０２は、エリアＡ１に設置されており、エリアＡ１内にある物品タグ１１と電波を媒体とする無線通信を行うことにより、物品１の物品情報を読み取る処理を実行する。つまり、読取部１０２は、物品１から直接的に物品情報を読み取るのではなく、物品１に付された物品タグ１１から非接触で物品情報を読み取ることになる。

本開示でいう「物品情報」は、物品１を識別するための情報であって、例えば、日本国で用いられているＪＡＮ（Japanese Article Number）コード等の識別コードである。この種の識別コードには、ＪＡＮコードの他、ＥＰＣ（Electronic Product Code）、欧州等で用いられているＥＡＮ（European Article Number）コード、及び米国等で用いられているＵＰＣ（Universal Product Code）等がある。ＥＰＣには、例えばＧＴＩＮ（Global Trade Item Number）等の物品１を個々に識別するための識別コードの他、ＧＲＡＩ（Global Returnable Asset Identifier）等の企業が所有する資産（物品１）を管理するための識別コードを含み得る。また、物品情報は、物品１の品種（種類）を識別する情報に限らず、同一品種の物品１を個別に識別するシリアル情報等の情報を含んでいてもよい。これにより、同一品種の物品１が複数ある場合にも、これら同一品種の複数の物品１の各々を物品情報にて特定可能である。

推定部３１は、取得部５にて物品情報を取得することで得られる読取情報に基づいて、エリアＡ１における物品１の運搬に関する運搬情報を推定する。本実施形態では、取得部５にて取得される関係者情報も加味して、運搬情報を推定する。推定部３１については、後述する「（２．２）管理システム」にて詳細に説明する。

本開示でいう「読取情報」は、一例として、物品タグ１１の読取部１０２での読取りの回数、時間間隔、頻度、受信した電波の強度、及び受信した電波の位相のうちの少なくとも１つを含み得る。また、本開示でいう「関係者情報」は、関係者２を識別するための情報であって、関係者２ごとに割り当てられた固有の識別コードを含み得る。関係者情報は、一例として、関係者タグ２１（後述する）の読取部１０２での読取りの回数、時間間隔、頻度、受信した電波の強度、及び受信した電波の位相のうちの少なくとも１つを含み得る。

本開示でいう「読取りの回数」は、ある期間内に、読取部１０２にて物品情報（又は関係者情報）の読取りが行われた回数を意味し、より詳細には、読取部１０２にて物品情報（又は関係者情報）の読取りに成功した回数である。本開示でいう「読取りの時間間隔」は、ある期間内に、読取部１０２にて物品情報（又は関係者情報）の読取りが行われた時間間隔を意味する。より詳細には、読取部１０２にて物品情報（又は関係者情報）の読取りに２回成功したときの、１回目の物品情報（又は関係者情報）の読取り時点から２回目の物品情報（又は関係者情報）の読取り時点までの時間である。本開示でいう「読取りの頻度」は、ある期間内に、読取部１０２にて物品情報（又は関係者情報）の読取りが行われた頻度を意味し、より詳細には、読取部１０２にて物品情報（又は関係者情報）の読取りに成功した頻度である。本開示でいう「受信した電波の強度」は、後述する読取システム１０のアンテナ１０１で受信した物品タグ１１又は後述する関係者タグ２１から送信される電波の強度であり、一例として、ＲＳＳＩ（Received Signal Strength Indication）値で表される。本開示でいう「受信した電波の位相」は、読取システム１０のアンテナ１０１で受信した物品タグ１１又は関係者タグ２１から送信される電波の位相である。

本開示でいう「運搬情報」は、物品１がエリアＡ１における搬入又は搬出の対象であるか否かを推定した推定情報を含み得る。言い換えれば、「運搬情報」は、物品１が関係者２によりエリアＡ１から持ち出される物品１であるか否か、又は物品１が関係者２によりエリアＡ１に持ち込まれる物品１であるか否か、を推定した推定情報を含み得る。その他、「運搬情報」は、エリアＡ１からの搬出及びエリアＡ１への搬入を問わず、読取部１０２にて読み取られた物品情報の数（つまり、物品１の数）を含み得る。

入力受付部３４は、推定部３１の推定結果を評価する入力を受け付ける。入力は、例えば関係者２が所持する端末６（例えば、パーソナルコンピュータ、又はスマートフォン等の携帯端末）、又は所定の場所に設置されたディスプレイ（例えば、タッチパネルディスプレイ）にて行われる。本開示でいう「推定結果を評価する入力」とは、推定部３１により推定された運搬情報が正しいか否かを評価する入力である。一例として、推定部３１により物品１がエリアＡ１から搬出されると推定された場合、関係者２は、物品１をエリアＡ１から搬出しようとしている場合は、推定結果が正しい、という入力を行う。一方、関係者２は、物品１をエリアＡ１から搬出しようとしていない、又は物品１をエリアＡ１に搬入しようとしている場合は、推定結果を修正する入力を行う。この場合、関係者２は、物品１が搬入及び搬出のいずれの対象でもない、又は物品１がエリアＡ１へ搬入される物品である、という入力を行う。

上述のように、本実施形態では、推定部３１により、物品１の運搬に関する運搬情報を推定する。そして、本実施形態では、入力受付部３４にて関係者２からの入力を受け付けることにより、推定部３１の推定結果を評価することができる。このため、本実施形態では、推定部３１による運搬情報の推定結果に誤りがあった場合でも修正することができ、結果として物品１の所在を管理しやすい、という利点がある。

（２）詳細
以下、本実施形態の管理システム１００、及び管理システム１００と共に用いられる読取システム１０について詳細に説明する。管理システム１００は、例えば、オフィス（シェアオフィスを含む）、工場、駅、学校、コンビニエンスストア及びスーパーマーケット等の小売店の店舗、福祉施設、病院又は体育館等の施設に導入される。また、管理システム１００は、屋内に限らず、屋外に導入されてもよい。管理システム１００は、上記のいずれかの施設において、施設全体、又は施設の一部（部屋等）を所定のエリアＡ１として、物品１の所在に関する情報を管理するために用いられる。本実施形態では、所定のエリアＡ１が１つである場合を想定しているが、所定のエリアＡ１は複数であってもよい。この場合、読取システム１０は、所定のエリアＡ１ごとに設置されることになる。

本実施形態では、一例として、管理システム１００がオフィスに導入される場合を想定する。また、本実施形態では、図２に示すように、オフィス内を所定のエリアＡ１、オフィス外をエリアＡ２、と仮定する。さらに、本実施形態では、エリアＡ１とエリアＡ２との境界にゲート（例えば、自動扉）Ｇ１が設置されている、と仮定する。

本実施形態では、読取システム１０は、管理システム１００の構成要素に含まれていないこととするが、読取システム１０は、管理システム１００の構成要素に含まれていてもよい。また、本実施形態では、物品タグ１１及び関係者タグ２１は、いずれも管理システム１００の構成要素に含まれていないこととするが、物品タグ１１及び関係者タグ２１は、いずれも管理システム１００の構成要素に含まれていてもよい。つまり、管理システム１００は、物品タグ１１と、関係者タグ２１と、読取システム１０（読取部１０２）と、を更に備えていてもよい。

本実施形態では、管理システム１００は、後述するように学習部３５を備えている。学習部３５は、管理システム１００の推定部３１が有する分類器３１０を機械学習させる場合に用いられる。つまり、学習部３５は、基本的に、分類器３１０の学習が完了する前に用いられる。したがって、以下では、分類器３１０の学習が完了する前の管理システム１００を「学習システム１００」という。つまり、学習システム１００は、取得部５と、推定部３１と、入力受付部３４と、学習部３５と、を備える。推定部３１は、取得部５にて物品情報を取得することで得られる読取情報を入力として、分類器３１０により所定のエリアＡ１における物品１の運搬に関する運搬情報を推定する。学習部３５は、入力受付部３４にて入力された情報を教師データとして、分類器３１０を機械学習させる。

（２．１）読取システム
まず、読取システム１０について、図１及び図２を用いて説明する。読取システム１０は、図１に示すように、アンテナ１０１と、読取部１０２と、通信部１０３と、を備えている。本実施形態では、読取システム１０は、アンテナ１０１、読取部１０２、及び通信部１０３を１つの筐体に収容して構成されている。そして、この筐体をエリアＡ１にある壁面に設置することで、読取システム１０をエリアＡ１に設置している。

アンテナ１０１は、電波（読取部１０２と物品タグ１１及び関係者タグ２１との無線通信に媒体として用いられる電波）を受信する。本実施形態では、アンテナ１０１は、電波の受信だけでなく、電波の送信にも用いられる。アンテナ１０１は、円偏波及び直線偏波のいずれであってもよいが、本実施形態では一例として、円偏波のアンテナにて構成される。アンテナ１０１は、一例として、プリント配線基板上に導電路が形成されたマイクロストリップアンテナ（パッチアンテナ）である。

読取部１０２は、物品１に付された物品タグ１１、及び関係者２が所持する関係者タグ２１と電波を媒体とする無線通信を行うことにより、物品情報及び関係者情報を読み取る読取処理を実行する装置である。読取部１０２は、アンテナ１０１を用いて、物品タグ１１及び関係者タグ２１と無線通信を行う。

本実施形態では、読取部１０２は、ＲＦＩＤ（Radio Frequency Identification）システムを構成するリーダである。すなわち、読取部１０２は、ＲＦＩＤシステムにおける物品タグ１１及び関係者タグ２１との間で、無線通信を行うことにより、物品タグ１１に記憶されている物品情報、及び関係者タグ２１に記憶されている関係者情報を取得する。

物品タグ１１及び関係者タグ２１の各々は、例えば、パッシブ型のＲＦ（Radio Frequency）タグである。物品タグ１１は、少なくとも物品情報を記憶するメモリを有している。また、関係者タグ２１は、少なくとも関係者情報を記憶するメモリを有している。ここにおいて、複数の物品１には複数の物品タグ１１が一対一で対応付けられている。物品タグ１１には、対応する物品１についての物品情報が記憶されており、物品タグ１１は、対応する物品１に付されている。また、複数の関係者２には複数の関係者タグ２１が一対一で対応付けられている。関係者タグ２１には、対応する関係者２についての関係者情報が記憶されており、関係者タグ２１は、対応する関係者２に所持される。

物品タグ１１は、物品１と一体に取り扱い可能な状態で物品１に付されていればよく、物品タグ１１が物品１に付される具体的な態様としては、様々な態様がある。本実施形態では一例として、物品タグ１１はシール状であって物品１に貼り付けられている。その他、物品タグ１１は、例えば、紐等で物品１につながっていてもよいし、物品１の梱包材に一体化されていてもよいし、物品１に埋め込まれていてもよいし、物品１に組み込まれていてもよい。さらに、例えば、塗布型半導体等の技術を用いることにより、物品タグ１１は、物品１自体、又は物品１の梱包材等の表面に、印刷にて直接的に形成されていてもよい。

関係者タグ２１は、関係者２に所持されていればよく、関係者タグ２１が関係者２に所持される具体的な態様としては、様々な態様がある。本実施形態では一例として、関係者タグ２１はシール状であって、関係者２の衣服に貼り付けられている。その他、関係者タグ２１は、例えば、紐等で関係者２の所持品（例えば、携帯端末又は鞄等）につながっていてもよいし、所持品に埋め込まれていてもよいし、所持品に組み込まれていてもよい。

読取部１０２は、アンテナ１０１から電波を送信し、この電波によって起動された物品タグ１１及び関係者タグ２１と、電波を通信媒体とする無線通信を行う。本実施形態では、読取部１０２は、物品タグ１１との無線通信の成立時に、少なくとも物品情報を含む情報を物品タグ１１から受信する。また、読取部１０２は、関係者タグ２１との無線通信の成立時に、少なくとも関係者情報を含む情報を関係者タグ２１から受信する。

通信部１０３は、例えば有線通信モジュールを含んでいる。通信部１０３は、有線通信モジュールにより、例えばＩ２Ｃ等の信号線を用いた有線通信にて通信路Ｎ１を介して管理システム１００の通信部５と通信する。

（２．２）管理システム
次に、本実施形態の管理システム１００について図１及び図２を用いて説明する。本実施形態では、管理システム１００は、メインコンピュータ３と、通信部（取得部）５と、表示部５１と、入力部５２と、を１つの筐体に収容して構成されている。そして、この筐体がエリアＡ１にある壁面に設置されることで、管理システム１００が読取システム１０と共にエリアＡ１に設置されている。管理システム１００は、図１に示すように、メインコンピュータ３と、通信部５と、表示部５１と、入力部５２と、を備えている。本実施形態では、表示部５１及び入力部５２は、いずれも管理システム１００の構成要素に含まれることとするが、いずれも管理システム１００の構成要素に含まれていなくてもよい。

また、管理システム１００には、第１記憶部４１と、第２記憶部４２と、第３記憶部４３と、第４記憶部４４と、が接続されている。本実施形態では、第１記憶部４１〜第４記憶部４４は、いずれも管理システム１００の構成要素に含まれないこととするが、いずれも管理システム１００の構成要素に含まれていてもよい。

本実施形態では、表示部５１は、タッチパネルディスプレイで構成されている。このため、本実施形態では、表示部５１は、関係者２による操作入力を受け付ける入力部５２としての機能も兼ねている。もちろん、表示部５１は、単なるディスプレイであってもよい。つまり、表示部５１は、入力部５２と別体であってもよい。

通信部（取得部）５は、例えば有線通信モジュールと、無線通信モジュールと、を含んでいる。通信部５は、有線通信モジュールにより、通信路Ｎ１を介して読取システム１０の通信部１０３と通信する。また、通信部５は、無線通信モジュールにより、例えば赤外線又は可視光等の光を媒体とする光無線通信、又は電波を媒体とする無線通信にて、インターネット等のネットワークＮ２を介して端末６と通信する。通信部５は、例えばルータ等の通信機器を介してネットワークＮ２に接続されてもよい。

既に述べたように、通信部（取得部）５は、物品情報を取得する。つまり、通信部５は、通信路Ｎ１を介して読取システム１０の通信部１０３と通信することにより、物品情報を取得する。また、本実施形態では、通信部（取得部）５は、関係者情報を取得する。関係者情報は、読取部１０２にて物品１の運搬に関わる関係者２が所持する関係者タグ２１と電波を媒体とする無線通信を行うことにより関係者タグ２１から読み取られる。つまり、通信部５は、通信路Ｎ１を介して読取システム１０の通信部１０３と通信することにより、関係者情報を取得する。

メインコンピュータ３は、ハードウェアとしての１以上のプロセッサ及びメモリを主構成とするコンピュータシステムである。このメインコンピュータ３では、メモリに記録されたプログラムを１以上のプロセッサで実行することによって、種々の機能が実現される。プログラムは、メインコンピュータ３のメモリに予め記録されてもよく、電気通信回線を通じて提供されてもよく、コンピュータシステムで読み取り可能な光学ディスク、ハードディスクドライブ等の非一時的記録媒体に記録されて提供されてもよい。

メインコンピュータ３は、推定部３１と、通知部３２と、表示制御部３３と、入力受付部３４と、学習部３５と、を有している。具体的には、メインコンピュータ３は、１以上のプロセッサにより所定のプログラムを実行することで、推定部３１、通知部３２、表示制御部３３、入力受付部３４、及び学習部３５の各々の機能を実現する。

推定部３１は、通信部（取得部）５にて物品情報を取得することで得られる読取情報に基づいて、エリアＡ１における物品１の運搬に関する運搬情報を推定する。本実施形態では、推定部３１は、読取情報を入力として、運搬情報を推定する機械学習された分類器３１０を含んでいる。分類器３１０は、読取情報を入力データとして機械学習することで得られる。分類器３１０は、例えばＳＶＭ（Support Vector Machine）等の線形分類器の他、ニューラルネットワークを用いた分類器、又は多層ニューラルネットワークを用いた深層学習（ディープラーニング）により生成される分類器を含み得る。

本実施形態では、分類器３１０は、学習済みのニューラルネットワークを用いた分類器である。学習済みのニューラルネットワークは、例えばＣＮＮ（Convolutional Neural Network：畳み込みニューラルネットワーク）、又はＢＮＮ（Bayesian Neural Network：ベイズニューラルネットワーク）等を含み得る。推定部３１は、ＡＳＩＣ（Application Specific Integrated Circuit）又はＦＰＧＡ（Field-Programmable Gate Array）等の集積回路に、学習済みのニューラルネットワークを実装することで実現されている。

推定部３１（分類器３１０）に入力される読取情報は、一例として、物品タグ１１の読取部１０２での読取りの回数の分散、受信した電波の強度（ＲＳＳＩ値）若しくは強度の分散、又は受信した電波の位相若しくは位相の分散を含み得る。読取情報が読取りの回数の分散、電波の強度の分散、又は電波の位相の分散を含む場合、推定部３１は、読取情報の変化を用いて、運搬情報を推定している、と言える。

本実施形態では、推定部３１（分類器３１０）は、読取情報及び関係者情報に基づいて、運搬情報を推定する。より具体的には、本実施形態では、推定部３１（分類器３１０）は、読取情報と関係者情報との相関を用いて、運搬情報を推定する。関係者情報は、一例として、関係者タグ２１の読取部１０２での読取りの回数の分散、受信した電波の強度（ＲＳＳＩ値）若しくは強度の分散、又は受信した電波の位相若しくは位相の分散を含み得る。そして、「読取情報と関係者情報との相関」とは、一例として、物品タグ１１の読取部１０２での読取りの回数と、関係者タグ２１の読取部１０２での読取りの回数との共分散又は相関係数を含み得る。本実施形態では、推定部３１には、読取情報及び関係者情報として、物品タグ１１から受信した電波の強度（ＲＳＳＩ値）と、相関係数と、の２つのデータ（説明変数）が入力される。

ここで、一例として、関係者２が物品１をエリアＡ１からエリアＡ２へと搬出しているか否かについての運搬情報を、推定部３１（分類器３１０）により推定する場合について、図３を用いて説明する。図３において、縦軸は相関係数を、横軸はＲＳＳＩ値を表している。また、図３においてプロットされた複数のドットは、それぞれ所定の期間において、通信部（取得部）５が取得した読取情報に基づくデータを表している。さらに、図３における線Ｂ１は、運搬情報（推定情報）を２つのパターンに分類する分離面を表している。線Ｂ１は、あらかじめ分類器３１０を機械学習させることにより求められる。

図３に示す例では、推定部３１（分類器３１０）は、線Ｂ１よりも上方の領域にドットが位置する場合、つまり相関係数及びＲＳＳＩ値が比較的大きい場合、物品１がエリアＡ１から搬出された、と推定する。一方、推定部３１（分類器３１０）は、線Ｂ１よりも下方の領域にドットが位置する場合、つまり相関係数及びＲＳＳＩ値が比較的小さい場合、物品１が搬入及び搬出のいずれの対象でもない、と推定する。後者の状況は、例えば、読取部１０２の周辺に物品１が存在するが、関係者２はこの物品１を運搬せずに移動している場合に生じ得る。

通知部３２は、推定部３１にて１以上の物品１が運搬されていると推定されると、所定の通知先に通知する。本実施形態では、通知部３２は、通知先として、管理システム１００自体、及び関係者タグ２１を所持する関係者２の端末６に向けて通知する。言い換えれば、通知部３２は、取得部５で取得された関係者情報に基づいて、関係者タグ２１に直接的に又は間接的に関連付けられている通知先に、少なくとも物品情報の通知を行う。

通知部３２は、管理システム１００自体に対しては、関係者情報を管理システム１００の表示部５１に表示させる指令を含む信号を送信する。つまり、通知部３２は、通知先（管理システム１００）の有する表示部５１に少なくとも関係者情報を表示させる信号を、通知先に送信する。これにより、表示部５１には、例えば図４に示すように、関係者２を含む氏名のリストが表示される（同図の一点鎖線５１０で示す領域を参照）。

このリストには、通知先の対象となり得る１以上の関係者タグ２１の所持者（つまり、関係者２）の氏名が表示される。すなわち、通信部（取得部）５は、実際に物品１を運搬している関係者２の関係者情報の他に、この関係者２と同様の動きをしている他の関係者タグ２１の所持者の関係者情報を取得する場合がある。この場合、表示部５１には、上記のように複数の関係者２の関係者情報が表示されることになる。そこで、実際に物品１を運搬している関係者２は、表示部５１に表示されている複数の関係者２の氏名のうち、自身の氏名を選択する操作を行う（ここでは、入力部５２として機能するタッチパネルディスプレイに触れる）。選択された関係者２の関係者情報は、通信路Ｎ１を介してメインコンピュータ３へ送信される。これにより、メインコンピュータ３は、物品１の物品情報と、実際に物品１を運搬している関係者２の関係者情報と、を紐付けて管理することが可能である。なお、実際に物品１を運搬している関係者２が複数人いる場合は、入力部５２にて、該当する複数の関係者２の氏名を選択する操作を行えばよい。

そして、通知部３２は、入力部５２にて選択された関係者２の所持する端末６に対して、ネットワークＮ２を介してメールを送信する。メールには、通信部（取得部）５にて取得された１以上の物品１の物品情報と、推定部３１により推定された１以上の物品１の運搬情報と、を確認するための専用のウェブサイトのＵＲＬ（Uniform Resource Locator）が含まれる。メールを受け取った関係者２は、メールに含まれるＵＲＬにアクセスすることで、実際に運搬している１以上の物品１に関する物品情報及び運搬情報を、表示部６０を見ることで確認することができる。表示部６０に表示される内容については、後述する表示制御部３３の説明にて、詳細に説明する。

表示制御部３３は、通信部（取得部）５で取得した物品情報と、推定部３１が推定する運搬情報と、の組み合わせを表示部６０に表示させる。本実施形態では、表示部６０は、関係者２が所持する端末６（ここでは、スマートフォン）の有するディスプレイである。表示制御部３３は、上記の専用のウェブサイトに関係者２がアクセスした際に、表示部６０に表示される物品情報及び運搬情報の組み合わせの情報を生成する。これにより、関係者２が端末６を操作して、メールに含まれる専用のウェブサイトのＵＲＬにアクセスすることにより、表示部６０に上記の組み合わせを表示させることが可能である。

具体的には、図５に示すように、表示部６０には、第１領域Ｃ１と、第２領域Ｃ２と、第３領域Ｃ３と、第４領域Ｃ４と、第５領域Ｃ５と、第６領域Ｃ６と、が表示される。なお、図５における破線は、第１領域Ｃ１〜第６領域Ｃ６の各々が占める範囲を明確にするために記載しているに過ぎず、実際には、表示部６０には表示されない。

第１領域Ｃ１には、「決定」という文字列を有するボタンＣ１１が表示される。ボタンＣ１１を関係者２が選択することにより、物品１ごとの物品情報及び運搬情報が確定され、確定した物品１ごとの物品情報及び運搬情報がネットワークＮ２を介してメインコンピュータ３に送信される。

第２領域Ｃ２には、物品１ごとの推定情報が表示される。ここでは、推定情報として、「対象外」、「持ち込み」、及び「持ち出し」のそれぞれに対応した３つのラジオボタンＣ２１〜Ｃ２３が、物品１ごとに第２領域Ｃ２に表示される。「対象外」は、物品１がエリアＡ１における搬入及び搬出のいずれの対象でもないことを表す。「持ち込み」は、物品１がエリアＡ１に搬入される対象であることを表す。「持ち出し」は、物品１がエリアＡ１から搬出される対象であることを表す。

関係者２がＵＲＬにアクセスした時点では、第２領域Ｃ２には、推定部３１により推定された物品１の状態に応じたラジオボタンＣ２１〜Ｃ２３が選択されている。そして、関係者２は、実際の物品１の状態に応じて、いずれかのラジオボタンＣ２１〜Ｃ２３を選択することにより、推定部３１による推定結果を修正することが可能である。

例えば、任意の物品１について、関係者２がＵＲＬにアクセスした時点では「持ち出し」のラジオボタンＣ２３が選択されていると仮定する。ここで、関係者２は、この物品１を持ち出していなければ（つまり、エリアＡ１から搬出していなければ）、「対象外」のラジオボタンＣ２１を選択することにより、推定部３１による推定結果を修正することが可能である。なお、推定部３１による推定結果が正しい場合、関係者２は、ラジオボタンＣ２１〜Ｃ２３を操作する必要はない。

第３領域Ｃ３には、物品１の名称と、物品１の品番と、が物品１ごとに表示される。物品１の名称及び品番は、物品タグ１１から取得される物品情報に含まれる。物品１の名称は、図５に示す「書籍１」のように簡略化された名称であってもよいし、より具体的な名称（例えば、物品１が書籍であれば、書籍の題名等）であってもよい。

第４領域Ｃ４には、物品１の移動場所、つまり物品１の搬入先又は搬出先が物品１ごとに表示される。図５に示す例では、第４領域Ｃ４には、あらかじめ設定された複数の移動場所を含むドロップダウンリストＣ４１が、物品１ごとに表示される。関係者２は、物品１ごとにドロップダウンリストＣ４１にて移動場所を選択することにより、実際の物品１の移動場所を入力することが可能である。

なお、表示制御部３３は、ドロップダウンリストＣ４１の代わりに、ドロップダウンリストとテキストボックスとを組み合わせたコンボボックスを、第４領域Ｃ４に表示させてもよい。この態様であれば、関係者２は、実際の物品１の移動場所を、規定の複数の移動場所から選択するだけでなく、直接入力することも可能である。

第５領域Ｃ５には、物品１の物品タグ１１に印字されているＥＰＣ−ＵＲＩ（Uniform Resource Identifier）を入力可能なテキストボックスＣ５１が、物品１ごとに表示される。例えば表示部６０に表示されていない物品１（つまり、取得部５が物品情報を取得していない物品１）が存在する場合、関係者２は、この物品１のＥＰＣ−ＵＲＩをテキストボックスＣ５１に入力することで、物品１を追加することが可能である。

第６領域Ｃ６には、推定部３１により推定された物品１の個数、言い換えれば、読取部１０２にて物品情報を読み取られた物品タグ１１の個数が表示される。図５に示す例では、第６領域Ｃ６には、エリアＡ１における搬入又は搬出の対象であるか否かを問わず、物品１の個数が表示されているが、搬入又は搬出の対象となる物品１の個数が表示されてもよい。

本実施形態では、表示制御部３３は、所定のエリアＡ１における搬入又は搬出の対象であると推定される推定確率の高低に応じて、複数の物品１の各々の物品情報及び推定情報を表示部６０に表示させてもよい。以下では、「ノートＰＣ」、「カメラ用レンズ」、「実験器具」、「台車」、「書籍１」、「書籍２」、及び「オフィスチェア」の順に、エリアＡ１における搬入又は搬出の対象であると推定される確率が低い、と仮定する。また、以下では、「ノートＰＣ」、「カメラ用レンズ」、「実験器具」、及び「台車」がエリアＡ１から搬出される物品１であると推定部３１により推定されている、と仮定する。また、以下では、「書籍１」、「書籍２」、及び「オフィスチェア」がエリアＡ１における搬入及び搬出のいずれの対象でもない物品１であると推定部３１により推定されている、と仮定する。

一例として、表示制御部３３は、推定確率の高低に応じて、複数の物品１の各々の物品情報及び推定情報を所定の位置関係で表示部６０に表示させてもよい。具体的には、図６に示すように、表示部６０には、横長の線分Ｃ７０を境界として上下に分けられた２つの領域Ｃ７１，Ｃ７２が表示される。上側の領域Ｃ７１には、推定部３１によりエリアＡ１から搬出されると推定された物品１が表示される。下側の領域Ｃ７２には、推定部３１によりエリアＡ１における搬入及び搬出のいずれの対象でもないと推定された物品１が表示される。また、２つの領域Ｃ７１，Ｃ７２のいずれにおいても、推定確率が高い物品１ほど上側に表示される。この態様では、上記の確率の高低に依らず複数の物品１がランダムに表示部６０に表示される場合と比較して、関係者２が推定部３１による推定結果が正しいか否かを把握しやすい、という利点がある。

なお、表示部６０において、２つの領域Ｃ７１，Ｃ７２は、縦長の線分Ｃ７０を境界として左右に分かれていてもよい。また、２つの領域Ｃ７１，Ｃ７２は、それぞれ２つのページに分かれていてもよい。さらに、表示部６０において、複数の物品１は、推定確率の高低に応じて３つ以上の領域に分かれて表示されてもよい。

また、一例として、表示制御部３３は、推定確率の高低に応じて、複数の物品１の各々の物品情報及び推定情報を視覚的に区別した態様で表示部６０に表示させてもよい。具体的には、図７に示すように、表示部６０には、複数の物品１が推定確率の高低に応じて色分けされて表示される。図７において、ドットで表された範囲は、その範囲の色が黒色以外の色（例えば、青色）であることを表している。推定部３１によりエリアＡ１から搬出されると推定された物品１については、黒色以外の色で表されている。また、推定部３１によりエリアＡ１における搬入及び搬出のいずれの対象でもないと推定された物品１については、黒色で表されている。さらに、推定確率が高いほど色が濃くなっている（図７では、ドットの密度が大きい程、色が濃いことを表している）。この態様では、上記の確率の高低に依らず複数の物品１がいずれも同じ態様で表示される場合と比較して、関係者２が推定部３１による推定結果が正しいか否かを把握しやすい、という利点がある。

入力受付部３４は、推定部３１の推定結果を評価する入力を受け付ける。本実施形態では、入力は、関係者２が所持する端末６（ここでは、スマートフォン）にて行われる。具体的には、入力は、表示部６０に表示されたボタンＣ１１を選択すること、ラジオボタンＣ２１〜Ｃ２３のいずれかを選択すること、ドロップダウンリストＣ４１にて移動場所を選択すること、及びテキストボックスＣ５１に文字列を入力すること等を含み得る。本実施形態では、入力は、関係者２が端末６の表示部６０（タッチパネルディスプレイ）に触れることにより行われる。端末６に入力された情報は、ネットワークＮ２を介してメインコンピュータ３へ送信され、入力受付部３４にて受け付けられる。

一例として、表示部６０に表示されている運搬情報（推定情報）が正しい場合、関係者２は、ボタンＣ１１を選択する。これにより、入力受付部３４には、推定部３１による推定結果が正しいという情報が入力されることになる。また、一例として、表示部６０に表示されている運搬情報（推定情報）の一部又は全部が間違っている場合、関係者２は、ラジオボタンＣ２１〜Ｃ２３のうち物品１の実際の状態を表すラジオボタンを選択した上で、ボタンＣ１１を選択する。これにより、入力受付部３４には、推定部３１による推定結果を修正した情報が入力されることになる。

学習部３５は、入力受付部３４にて入力された情報を教師データとして、分類器３１０を機械学習させる。本開示でいう「機械学習」は、学習済みの分類器３１０に対して実行される再学習を含み得る。学習部３５は、１以上のプロセッサにより構成される。ここでいう「プロセッサ」は、例えばＣＰＵ（Central Processing Unit）及びＧＰＵ（Graphics Processing Unit）等の汎用のプロセッサの他に、ニューラルネットワークでの演算に特化した専用のプロセッサを含み得る。

本実施形態では、学習部３５は、分類器３１０で用いられるニューラルネットワークの機械学習を行うことで、分類器３１０の機械学習を行う。機械学習は、学習用データセットを用いて行われる。本開示でいう「学習用データセット」は、ニューラルネットワークの入力層に入力される入力情報と、入力情報に対応する教師データとの組み合わせを１つの学習用データとした、複数の学習用データの集合である。本実施形態では、入力情報は、一例として、読取情報としての物品タグ１１から受信した電波の強度（ＲＳＳＩ値）と、関係者情報としての相関係数と、を含む。学習用データにおいて、教師データは、通信部（取得部）５にて物品情報を取得された物品１の実際の状態である。

学習部３５は、複数の学習用データの各々について、ニューラルネットワークの入力層に入力情報を入力して演算を実行する。そして、学習部３５は、ニューラルネットワークの出力層の複数のニューロンの出力値と、教師データとを用いて、バックプロパゲーション（誤差逆伝播法）処理を実行する。ここで、出力層の複数のニューロンは、それぞれ物品１のとり得る複数の状態に対応している。ここでいう「複数の状態」は、物品１がエリアＡ１における搬入及び搬出のいずれの対象でもない状態と、物品１がエリアＡ１に搬入される対象である状態と、物品１がエリアＡ１から搬出される対象である状態と、を含む。

バックプロパゲーション処理においては、学習部３５は、出力層の複数のニューロンのうち、教師データと対応するニューロンの出力値の最大化を図るように、ニューラルネットワークの重み付け係数を更新する。学習部３５は、全ての学習用データについてバックプロパゲーション処理を実行することにより、ニューラルネットワークの重み付け係数の最適化を図る。これにより、ニューラルネットワークの学習が完了する。

第１記憶部４１〜第４記憶部４４の各々は、一例として、ハードディスク等の非一時的記録媒体、及び書換可能な不揮発性の半導体メモリ等の非一時的記録媒体の少なくとも一方により構成される。

第１記憶部４１は、１以上の物品１の物品情報と、対応する物品１の所在に関する情報と、を紐付けて記憶する。本実施形態では、１以上の物品１の物品情報は、ＥＰＣに基づいている。本実施形態では、第１記憶部４１は、物品１の所在に関する情報として、物品１の移動先を更に記憶する。物品１の移動先は、例えば管理システム１００のオペレータ等が入力作業を行うことで、あらかじめ第１記憶部４１に記憶される。つまり、物品１が運搬される前において第１記憶部４１に記憶されている物品１の移動先は、将来、物品１が運搬されることが予定されている移動先である。

第２記憶部４２は、１以上の物品１の物品情報と、対応する物品１を取り扱う資格を有する関係者２の関係者情報と、を紐付けて記憶する。つまり、第２記憶部４２は、物品情報と関係者情報とをあらかじめ関連付けて記憶する。例えば、管理システム１００のオペレータ等が入力作業を行うことで、物品情報と関係者情報とが関連付けられる。

第３記憶部４３は、例えばＥＰＣＩＳ（EPC Information Service）の仕様に基づいて、物品タグ１１の物品情報を読み取った読取部１０２の識別情報と、読み取った物品情報と、物品情報を読み取った時刻と、を紐付けて記憶する。つまり、第３記憶部４３は、物品タグ１１から読み取った物品情報の履歴を記憶する。第３記憶部４３は、物品タグ１１から物品情報を読み取った時点での電波の受信信号強度、又は電波の位相を、物品情報に紐付けて記憶してもよい。

第４記憶部４４は、例えばＥＰＣＩＳの仕様に基づいて、関係者タグ２１の関係者情報を読み取った読取部１０２の識別情報と、読み取った関係者情報と、関係者情報を読み取った時刻と、を紐付けて記憶する。つまり、第４記憶部４４は、関係者タグ２１から読み取った関係者情報の履歴を記憶する。第４記憶部４４は、関係者タグ２１から関係者情報を読み取った時点での電波の受信信号強度、又は電波の位相を、関係者情報に紐付けて記憶してもよい。

（３）動作
以下、本実施形態の管理システム１００の動作の一例について説明する。本実施形態では、管理システム１００は、既に述べたように再学習の機能も有しているが、基本的に、分類器３１０の学習が完了した後に推論フェーズにて使用される。そして、管理システム１００は、分類器３１０の学習が完了するまでは、学習システム１００として学習フェーズにて使用される。

（３．１）学習フェーズ
まず、管理システム１００の使用前において、分類器３１０を機械学習させる学習フェーズについて説明する。つまり、学習システム１００の動作について説明する。学習フェーズにおける機械学習は、例えば学習用のセンターで実行される。学習用のセンターでは、学習部３５を用いて、分類器３１０で用いるニューラルネットワークの機械学習を行う。機械学習を行うに当たり、ニューラルネットワークの重み付け係数は、初期化されている。

まず、エリアＡ１に設置されている読取部１０２にて、物品１に付された物品タグ１１の物品情報が読み取られると、読み取られた物品情報が通信路Ｎ１を介してメインコンピュータ３へ送信される。これにより、メインコンピュータ３の通信部（取得部）５は、物品１の物品情報を取得する（Ｓ１）。通信部５は、読取部１０２にて物品１の物品情報が読み取られるごとに、物品１の物品情報を取得する。つまり、物品１が読取部１０２の読取り可能な範囲内にいる間は、通信部５は、物品１の物品情報を取得し続けることになる。

同様に、エリアＡ１に設置されている読取部１０２にて、関係者２が所持する関係者タグ２１の関係者情報が読み取られると、読み取られた関係者情報が通信路Ｎ１を介してメインコンピュータ３へと送信される。これにより、メインコンピュータ３の通信部（取得部）５は、関係者２の関係者情報を取得する（Ｓ２）。通信部５は、読取部１０２にて関係者２の関係者情報が読み取られるごとに、関係者２の関係者情報を取得する。つまり、関係者２が読取部１０２の読取り可能な範囲内にいる間は、通信部５は、関係者２の関係者情報を取得し続けることになる。

メインコンピュータ３の推定部３１の分類器３１０は、取得した物品情報から得られる読取情報と、取得した関係者情報とに基づいて、物品１の運搬情報を推定する（Ｓ３）。本実施形態では、既に述べたように、読取情報は、物品タグ１１から受信した電波の強度（ＲＳＳＩ値）であり、関係者情報は、相関係数である。そして、メインコンピュータ３の通知部３２は、物品１の物品情報及び推定した運搬情報を確認するための専用のウェブサイトのＵＲＬを含むメールを、所定の通知先（ここでは、端末６）へ送信する（つまり、所定の通知先へ通知する）（Ｓ４）。

端末６を所持する関係者２は、受信したメールに含まれる専用のウェブサイトのＵＲＬにアクセスし、物品１の物品情報及び推定した運搬情報を確認する。そして、表示部６０に表示されている運搬情報が正しければ、関係者２は、ボタンＣ１１（図５参照）を選択する。また、表示部６０に表示されている運搬情報の一部又は全部が間違っている場合、関係者２は、ラジオボタンＣ２１〜Ｃ２３のうち物品１の実際の状態を表すラジオボタンを選択した上で、ボタンＣ１１を選択する。これにより、入力受付部３４には、推定部３１による推定結果を評価した情報が入力される（Ｓ５）。そして、メインコンピュータ３の学習部３５は、分類器３１０に入力される入力情報（読取情報及び関係者情報）と、入力受付部３４に入力された情報（つまり、教師データ）との組み合わせを、１つの学習用データとして取得する（Ｓ６）。

以下、メインコンピュータ３の学習部３５は、蓄積された学習用データのデータ数が所定数に達していなければ（Ｓ７：Ｎｏ）、上記の処理Ｓ１〜Ｓ６を繰り返すことで、学習用データを蓄積する。そして、メインコンピュータの学習部３５は、蓄積された学習用データのデータ数が所定数に達すると（Ｓ７：Ｙｅｓ）、蓄積された学習用データを用いて、分類器３１０で用いられるニューラルネットワークの機械学習を行う（Ｓ８）。そして、例えば分類器３１０による物品１の運搬情報の推定結果の正答率が所定値以上に達すれば、分類器３１０の機械学習が完了する。

（３．２）推論フェーズ
次に、分類器３１０の機械学習が完了した後の、管理システム１００を使用した推論フェーズについて説明する。なお、推論フェーズにおける処理Ｓ１０〜Ｓ１４は、それぞれ学習フェーズにおける処理Ｓ１〜Ｓ５と同じであるので、ここでは説明を省略する。

入力受付部３４に推定部３１による推定結果を評価した情報が入力されると、メインコンピュータ３は、入力された情報に基づいて、第１記憶部４１に記憶されている物品１の所在に関する情報を更新する（Ｓ１５）。具体的には、推定部３１による推定結果に対して修正がなければ、推定部３１による推定結果に基づいて更新する。一方、推定部３１による推定結果に対して修正があれば、修正された推定結果に基づいて更新する。

上述のように、本実施形態では、推定部３１により、物品１の運搬に関する運搬情報を推定する。そして、本実施形態では、入力受付部３４にて関係者２からの入力を受け付けることにより、推定部３１の推定結果を評価することができる。このため、本実施形態では、推定部３１による運搬情報の推定結果に誤りがあった場合でも修正することができ、結果として物品１の所在を管理しやすい、という利点がある。

つまり、入力受付部３４が存在しない場合、推定部３１による運搬情報の推定結果の是非に依らず、この推定結果に基づいて物品１の所在が管理されるため、物品１の所在を正しく管理できない可能性がある。一方、本実施形態では、入力受付部３４が存在するので、実際に物品１を運搬する関係者２が推定部３１による運搬情報の推定結果に対してフィードバックするため、物品１の所在を正しく管理しやすい、という利点がある。

また、本実施形態では、機械学習された分類器３１０を用いて、物品１の運搬情報を推定している。このため、本実施形態では、十分な数の学習用データを用いて機械学習させた分類器３１０を用いれば、分類器３１０を有さない推定部を用いる場合と比較して、運搬情報の推定精度が向上しやすい、という利点がある。また、本実施形態では、管理システム１００が管理している既存の物品１だけでなく、新たに追加された未知の物品１についても運搬情報を推定しやすい、という利点がある。

（４）変形例
上述の実施形態は、本開示の様々な実施形態の一つに過ぎない。上述の実施形態は、本開示の目的を達成できれば、設計等に応じて種々の変更が可能である。また、管理システム１００と同様の機能は、管理方法、（コンピュータ）プログラム、又はプログラムを記録した非一時的記録媒体等で具現化されてもよい。同様に、学習システム１００と同様の機能は、学習方法、（コンピュータ）プログラム、又はプログラムを記録した非一時的記録媒体等で具現化されてもよい。

一態様に係る管理方法は、取得ステップと、推定ステップと、入力受付ステップと、を有する。取得ステップは、物品情報を取得するステップである。物品情報は、読取部１０２にて物品１に付された物品タグ１１と電波を媒体とする無線通信を行うことにより物品タグ１１から読み取られる、物品１に関する情報である。推定ステップは、取得ステップにて物品情報を取得することで得られる読取情報に基づいて、所定のエリアＡ１における物品１の運搬に関する運搬情報を推定するステップである。入力受付ステップは、推定ステップの推定結果を評価する入力を受け付けるステップである。

一態様に係る学習方法は、取得ステップと、推定ステップと、入力受付ステップと、学習ステップと、を有する。取得ステップは、物品情報を取得するステップである。物品情報は、読取部１０２にて物品１に付された物品タグ１１と電波を媒体とする無線通信を行うことにより物品タグ１１から読み取られる、物品１に関する情報である。推定ステップは、取得ステップにて物品情報を取得することで得られる読取情報を入力として、分類器３１０により所定のエリアＡ１における物品１の運搬に関する運搬情報を推定するステップである。入力受付ステップは、推定ステップの推定結果を評価する入力を受け付けるステップである。学習ステップは、入力受付ステップにて入力された情報を教師データとして、分類器３１０を機械学習させるステップである。

一態様に係るプログラムは、１以上のプロセッサに、上記の管理方法、又は上記の学習方法を実行させる。

以下、上述の実施形態の変形例を列挙する。以下に説明する変形例は、適宜組み合わせて適用可能である。

本開示における管理システム１００（又は学習システム１００）は、例えば、メインコンピュータ３等に、コンピュータシステムを含んでいる。コンピュータシステムは、ハードウェアとしてのプロセッサ及びメモリを主構成とする。コンピュータシステムのメモリに記録されたプログラムをプロセッサが実行することによって、本開示における管理システム１００（又は学習システム１００）としての機能が実現される。プログラムは、コンピュータシステムのメモリに予め記録されてもよく、電気通信回線を通じて提供されてもよく、コンピュータシステムで読み取り可能なメモリカード、光学ディスク、ハードディスクドライブ等の非一時的記録媒体に記録されて提供されてもよい。コンピュータシステムのプロセッサは、半導体集積回路（ＩＣ）又は大規模集積回路（ＬＳＩ）を含む１ないし複数の電子回路で構成される。ここでいうＩＣ又はＬＳＩ等の集積回路は、集積の度合いによって呼び方が異なっており、システムＬＳＩ、ＶＬＳＩ（Very Large Scale Integration）、又はＵＬＳＩ（Ultra Large Scale Integration）と呼ばれる集積回路を含む。さらに、ＬＳＩの製造後にプログラムされる、ＦＰＧＡ（Field-Programmable Gate Array）、又はＬＳＩ内部の接合関係の再構成若しくはＬＳＩ内部の回路区画の再構成が可能な論理デバイスについても、プロセッサとして採用することができる。複数の電子回路は、１つのチップに集約されていてもよいし、複数のチップに分散して設けられていてもよい。複数のチップは、１つの装置に集約されていてもよいし、複数の装置に分散して設けられていてもよい。ここでいうコンピュータシステムは、１以上のプロセッサ及び１以上のメモリを有するマイクロコントローラを含む。したがって、マイクロコントローラについても、半導体集積回路又は大規模集積回路を含む１ないし複数の電子回路で構成される。

また、管理システム１００（又は学習システム１００）における複数の機能が、１つの筐体内に集約されていることは管理システム１００（又は学習システム１００）に必須の構成ではない。管理システム１００（又は学習システム１００）の構成要素は、複数の筐体に分散して設けられていてもよい。さらに、管理システム１００（又は学習システム１００）の少なくとも一部の機能は、例えば、サーバ装置及びクラウド（クラウドコンピューティング）等によって実現されてもよい。

上述の実施形態では、管理システム１００（学習システム１００）は所定のエリアＡ１に設置されているが、これに限らず、エリアＡ１を含む施設から離れた遠隔地にあるサーバにより実現されていてもよい。この場合、管理システム１００と読取システム１０との間の通信に用いる通信路Ｎ１は、一例として、インターネット等のネットワークである。つまり、この場合、読取システム１０の通信部１０３と、管理システム１００の通信部５とは、例えば赤外線又は可視光等の光を媒体とする光無線通信、又は電波を媒体とする無線通信にて、通信路Ｎ１を介して通信する。読取システム１０の通信部１０３と、管理システム１００の通信部５とは、例えばルータ等の通信機器を介して通信路Ｎ１に接続されてもよい。

上述の実施形態において、読取部１０２は、所定のエリアＡ１にある壁面に限らず、ゲートＧ１に設置されてもよい。

上述の実施形態において、推定部３１（分類器３１０）には、読取情報として、１つのデータ（説明変数）が入力されてもよいし、３つ以上のデータ（説明変数）が入力されてもよい。

上述の実施形態において、推定部３１は、学習済みのニューラルネットワークを用いた分類器３１０を用いて運搬情報を推定しているが、これに限定する趣旨ではない。例えば、推定部３１は、物品タグ１１の読取部１０２での読取りの回数の分散を閾値と比較することにより、運搬情報を推定してもよい。

上述の実施形態において、通知部３２は、メール以外の手段として、例えばＳＮＳ（Social Networking Service）のメッセージ、自動電話通報サービス、又はスマートスピーカ等を用いて通知先に通知してもよい。

上述の実施形態において、表示制御部３３による表示の態様は、例えば関係者２が端末６を操作することにより、適宜変更することが可能であってもよい。

上述の実施形態において、表示制御部３３は、エリアＡ１における搬入又は搬出の対象である確率が所定値（例えば、数％）よりも低いと推定された物品１については、表示部６０に表示させなくてもよい。この態様において、仮に表示部６０に表示されなかった物品１が、実際にはエリアＡ１における搬入又は搬出の対象であった場合には、関係者２がＥＰＣ−ＵＲＩを入力する等して追加することが可能である。

上述の実施形態において、入力受付部３４にて入力された情報は、機械学習における教師データとして用いられなくてもよい。例えば、入力受付部３４にて入力された情報は、単に推定部３１での推定結果を修正するためだけに用いられてもよい。

上述の実施形態において、入力受付部３４は、関係者２による端末６を用いた音声入力を受け付けてもよい。

上述の実施形態において、管理システム１００では、学習フェーズと同様に、推論フェーズにおいても学習部３５を用いて分類器３１０を機械学習（再学習）させてもよい。つまり、分類器３１０は、入力受付部３４に入力された情報を、分類器３１０の機械学習（再学習）における教師データとして用いてもよい。再学習する場合は、学習部３５は、例えば学習フェーズにおける処理Ｓ６〜Ｓ８を実行すればよい。すなわち、管理システム１００を使用するエリアＡ１によって、取り扱う物品１及び環境が異なることから、エリアＡ１によっては、学習フェーズにて機械学習した分類器３１０では十分な推定結果を得られない可能性がある。そこで、管理システム１００を使用しながら学習用データを蓄積し、蓄積した学習用データを用いて分類器３１０を再学習させることで、管理システム１００を使用するエリアＡ１ごとに、分類器３１０の最適化を図ることが可能である。

上述の実施形態において、管理システム１００は、小売業における商品（物品１）の管理のために用いることも可能である。例えば、管理システム１００は、顧客（関係者２）が購入した商品（物品１）がどのように転々流通するのか、追跡することが可能である。

（まとめ）
以上述べたように、第１の態様に係る管理システム（１００）は、取得部（５）と、推定部（３１）と、入力受付部（３４）と、を備える。取得部（５）は、物品情報を取得する。物品情報は、読取部（１０２）にて物品（１）に付された物品タグ（１１）と電波を媒体とする無線通信を行うことにより物品タグ（１１）から読み取られる、物品（１）に関する情報である。推定部（３１）は、取得部（５）にて物品情報を取得することで得られる読取情報に基づいて、所定のエリア（Ａ１）における物品（１）の運搬に関する運搬情報を推定する。入力受付部（３４）は、推定部（３１）の推定結果を評価する入力を受け付ける。

この態様によれば、物品（１）の所在を管理しやすい、という利点がある。

第２の態様に係る管理システム（１００）では、第１の態様において、運搬情報は、物品（１）が所定のエリア（Ａ１）における搬入又は搬出の対象であるか否かを推定した推定情報を含む。

この態様によれば、物品（１）が運搬されているか否かを推定するため、物品（１）の所在を管理しやすい、という利点がある。

第３の態様に係る管理システム（１００）では、第１又は第２の態様において、読取情報は、物品タグ（１１）の読取部（１０２）での読取りの回数、時間間隔、頻度、受信した電波の強度、及び受信した電波の位相のうちの少なくとも１つを含む。

この態様によれば、運搬情報の推定精度が向上しやすい、という利点がある。

第４の態様に係る管理システム（１００）では、第１〜第３のいずれかの態様において、推定部（３１）は、読取情報の変化を用いて、運搬情報を推定する。

この態様によれば、運搬情報の推定精度が向上しやすい、という利点がある。

第５の態様に係る管理システム（１００）では、第１〜第４のいずれかの態様において、推定部（３１）は、読取情報を入力として、運搬情報を推定する機械学習された分類器（３１０）を含む。

この態様によれば、管理システム（１００）が管理している既存の物品（１）だけでなく、新たに追加された未知の物品（１）についても運搬情報を推定しやすい、という利点がある。

第６の態様に係る管理システム（１００）では、第５の態様において、分類器（３１０）は、入力受付部（３４）に入力された情報を、分類器（３１０）の機械学習における教師データとして用いる。

この態様によれば、管理システム（１００）の使用中においても、分類器（３１０）を再学習することができ、分類器（３１０）による推定精度が向上しやすい、という利点がある。

第７の態様に係る管理システム（１００）は、第１〜第６の態様において、表示制御部（３３）を更に備える。表示制御部（３３）は、取得部（５）で取得した物品情報と、推定部（３１）が推定する運搬情報と、の組み合わせを表示部（６０）に表示させる。

この態様によれば、表示部（６０）を見た関係者（２）が、推定部（３１）による推定結果が正しいか否かを把握することができる、という利点がある。

第８の態様に係る管理システム（１００）では、第７の態様において、運搬情報は、物品（１）が所定のエリア（Ａ１）における搬入又は搬出の対象であるか否かを推定した推定情報を含む。物品（１）は、複数である。表示制御部（３３）は、所定のエリア（Ａ１）における搬入又は搬出の対象であると推定される推定確率の高低に応じて、複数の物品（１）の各々の物品情報及び推定情報を表示部（６０）に表示させる
この態様によれば、表示部（６０）を見た関係者（２）が、推定部（３１）による推定結果が正しいか否かを把握しやすい、という利点がある。

第９の態様に係る管理システム（１００）では、第８の態様において、表示制御部（３３）は、推定確率の高低に応じて、複数の物品（１）の各々の物品情報及び推定情報を所定の位置関係で表示部（６０）に表示させる。

この態様によれば、表示部（６０）を見た関係者（２）が、推定部（３１）による推定結果が正しいか否かを把握しやすい、という利点がある。

第１０の態様に係る管理システム（１００）では、第８又は第９の態様において、表示制御部（３３）は、推定確率の高低に応じて、複数の物品（１）の各々の物品情報及び推定情報を視覚的に区別した態様で表示部（６０）に表示させる。

この態様によれば、表示部（６０）を見た関係者（２）が、推定部（３１）による推定結果が正しいか否かを把握しやすい、という利点がある。

第１１の態様に係る管理システム（１００）では、第１〜第１０のいずれかの態様において、取得部（５）は、関係者情報を更に取得する。関係者情報は、読取部（１０２）にて物品（１）の運搬に関わる関係者（２）が所持する関係者タグ（２１）と電波を媒体とする無線通信を行うことにより関係者タグ（２１）から読み取られる、関係者（２）に関する情報である。管理システム（１００）は、通知部（３２）を更に備える。通知部（３２）は、取得部（５）で取得された関係者情報に基づいて、関係者タグ（２１）に直接的に又は間接的に関連付けられている通知先に、少なくとも物品情報の通知を行う。

この態様によれば、関係者（２）に物品（１）の所在の確認作業を促しやすい、という利点がある。

第１２の態様に係る管理システム（１００）では、第１〜第１１のいずれかの態様において、取得部（５）は、関係者情報を更に取得する。関係者情報は、読取部（１０２）にて物品（１）の運搬に関わる関係者（２）が所持する関係者タグ（２１）と電波を媒体とする無線通信を行うことにより関係者タグ（２１）から読み取られる、関係者（２）に関する情報である。推定部（３１）は、読取情報及び関係者情報に基づいて、運搬情報を推定する。

この態様によれば、読取情報のみを用いる場合と比較して、運搬情報の推定精度が向上しやすい、という利点がある。

第１３の態様に係る管理システム（１００）では、第１２の態様において、推定部（３１）は、読取情報と関係者情報との相関を用いて、運搬情報を推定する。

この態様によれば、読取情報のみを用いる場合と比較して、運搬情報の推定精度が向上しやすい、という利点がある。

第１４の態様に係る管理方法は、取得ステップと、推定ステップと、入力受付ステップと、を有する。取得ステップは、物品情報を取得するステップである。物品情報は、読取部（１０２）にて物品（１）に付された物品タグ（１１）と電波を媒体とする無線通信を行うことにより物品タグ（１１）から読み取られる、物品（１）に関する情報である。推定ステップは、取得ステップにて物品情報を取得することで得られる読取情報に基づいて、所定のエリア（Ａ１）における物品（１）の運搬に関する運搬情報を推定するステップである。入力受付ステップは、推定ステップの推定結果を評価する入力を受け付けるステップである。

この態様によれば、物品（１）の所在を管理しやすい、という利点がある。

第１５の態様に係る学習システム（１００）は、取得部（５）と、推定部（３１）と、入力受付部（３４）と、学習部（３５）と、を備える。取得部（５）は、物品情報を取得する。物品情報は、読取部（１０２）にて物品（１）に付された物品タグ（１１）と電波を媒体とする無線通信を行うことにより物品タグ（１１）から読み取られる、物品（１）に関する情報である。推定部（３１）は、取得部（５）にて物品情報を取得することで得られる読取情報を入力として、分類器（３１０）により所定のエリア（Ａ１）における物品（１）の運搬に関する運搬情報を推定する。入力受付部（３４）は、推定部（３１）の推定結果を評価する入力を受け付ける。学習部（３５）は、入力受付部（３４）にて入力された情報を教師データとして、分類器（３１０）を機械学習させる。

この態様によれば、物品（１）の所在を管理しやすい、という利点がある。

第１６の態様に係る学習方法は、取得ステップと、推定ステップと、入力受付ステップと、学習ステップと、を有する。取得ステップは、物品情報を取得するステップである。物品情報は、読取部（１０２）にて物品（１）に付された物品タグ（１１）と電波を媒体とする無線通信を行うことにより物品タグ（１１）から読み取られる、物品（１）に関する情報である。推定ステップは、取得ステップにて物品情報を取得することで得られる読取情報を入力として、分類器（３１０）により所定のエリア（Ａ１）における物品（１）の運搬に関する運搬情報を推定するステップである。入力受付ステップは、推定ステップの推定結果を評価する入力を受け付けるステップである。学習ステップは、入力受付ステップにて入力された情報を教師データとして、分類器（３１０）を機械学習させるステップである。

この態様によれば、物品（１）の所在を管理しやすい、という利点がある。

第１７の態様に係るプログラムは、１以上のプロセッサに、第１４の態様の管理方法、又は第１６の態様の学習方法を実行させる。

この態様によれば、物品（１）の所在を管理しやすい、という利点がある。

第２〜第１３の態様に係る構成については、管理システム（１００）に必須の構成ではなく、適宜省略可能である。

１ 物品
１１ 物品タグ
２ 関係者
２１ 関係者タグ
３１ 推定部
３１０ 分類器
３２ 通知部
３３ 表示制御部
３４ 入力受付部
３５ 学習部
５ 通信部（取得部）
６０ 表示部
１００ 管理システム（学習システム）
１０２ 読取部
Ａ１ 所定のエリア

Claims (17)

1. 読取部にて物品に付された物品タグと電波を媒体とする無線通信を行うことにより前記物品タグから読み取られる、前記物品に関する物品情報を取得する取得部と、
   前記取得部にて前記物品情報を取得することで得られる読取情報に基づいて、所定のエリアにおける前記物品の運搬に関する運搬情報を推定する推定部と、
   前記推定部の推定結果を評価する入力を受け付ける入力受付部と、を備える、
   管理システム。
2. 前記運搬情報は、前記物品が前記所定のエリアにおける搬入又は搬出の対象であるか否かを推定した推定情報を含む、
   請求項１記載の管理システム。
3. 前記読取情報は、前記物品タグの前記読取部での読取りの回数、時間間隔、頻度、受信した電波の強度、及び受信した電波の位相のうちの少なくとも１つを含む、
   請求項１又は２に記載の管理システム。
4. 前記推定部は、前記読取情報の変化を用いて、前記運搬情報を推定する、
   請求項１〜３のいずれか１項に記載の管理システム。
5. 前記推定部は、前記読取情報を入力として、前記運搬情報を推定する機械学習された分類器を含む、
   請求項１〜４のいずれか１項に記載の管理システム。
6. 前記分類器は、前記入力受付部に入力された情報を、前記分類器の機械学習における教師データとして用いる、
   請求項５記載の管理システム。
7. 前記取得部で取得した前記物品情報と、前記推定部が推定する前記運搬情報と、の組み合わせを表示部に表示させる表示制御部を更に備える、
   請求項１〜６のいずれか１項に記載の管理システム。
8. 前記運搬情報は、前記物品が前記所定のエリアにおける搬入又は搬出の対象であるか否かを推定した推定情報を含んでおり、
   前記物品は、複数であって、
   前記表示制御部は、前記所定のエリアにおける搬入又は搬出の対象であると推定される推定確率の高低に応じて、前記複数の物品の各々の前記物品情報及び前記推定情報を前記表示部に表示させる、
   請求項７記載の管理システム。
9. 前記表示制御部は、前記推定確率の高低に応じて、前記複数の物品の各々の前記物品情報及び前記推定情報を所定の位置関係で前記表示部に表示させる、
   請求項８記載の管理システム。
10. 前記表示制御部は、前記推定確率の高低に応じて、前記複数の物品の各々の前記物品情報及び前記推定情報を視覚的に区別した態様で前記表示部に表示させる、
    請求項８又は９に記載の管理システム。
11. 前記取得部は、前記読取部にて前記物品の運搬に関わる関係者が所持する関係者タグと電波を媒体とする無線通信を行うことにより前記関係者タグから読み取られる、前記関係者に関する関係者情報を更に取得し、
    前記取得部で取得された前記関係者情報に基づいて、前記関係者タグに直接的に又は間接的に関連付けられている通知先に、少なくとも前記物品情報の通知を行う通知部を更に備える、
    請求項１〜１０のいずれか１項に記載の管理システム。
12. 前記取得部は、前記読取部にて前記物品の運搬に関わる関係者が所持する関係者タグと電波を媒体とする無線通信を行うことにより前記関係者タグから読み取られる、前記関係者に関する関係者情報を更に取得し、
    前記推定部は、前記読取情報及び前記関係者情報に基づいて、前記運搬情報を推定する、
    請求項１〜１１のいずれか１項に記載の管理システム。
13. 前記推定部は、前記読取情報と前記関係者情報との相関を用いて、前記運搬情報を推定する、
    請求項１２記載の管理システム。
14. 読取部にて物品に付された物品タグと電波を媒体とする無線通信を行うことにより前記物品タグから読み取られる、前記物品に関する物品情報を取得する取得ステップと、
    前記取得ステップにて前記物品情報を取得することで得られる読取情報に基づいて、所定のエリアにおける前記物品の運搬に関する運搬情報を推定する推定ステップと、
    前記推定ステップの推定結果を評価する入力を受け付ける入力受付ステップと、を有する、
    管理方法。
15. 読取部にて物品に付された物品タグと電波を媒体とする無線通信を行うことにより前記物品タグから読み取られる、前記物品に関する物品情報を取得する取得部と、
    前記取得部にて前記物品情報を取得することで得られる読取情報を入力として、分類器により所定のエリアにおける前記物品の運搬に関する運搬情報を推定する推定部と、
    前記推定部の推定結果を評価する入力を受け付ける入力受付部と、
    前記入力受付部にて入力された情報を教師データとして、前記分類器を機械学習させる学習部と、を備える、
    学習システム。
16. 読取部にて物品に付された物品タグと電波を媒体とする無線通信を行うことにより前記物品タグから読み取られる、前記物品に関する物品情報を取得する取得ステップと、
    前記取得ステップにて前記物品情報を取得することで得られる読取情報を入力として、分類器により所定のエリアにおける前記物品の運搬に関する運搬情報を推定する推定ステップと、
    前記推定ステップの推定結果を評価する入力を受け付ける入力受付ステップと、
    前記入力受付ステップにて入力された情報を教師データとして、前記分類器を機械学習させる学習ステップと、を有する、
    学習方法。
17. １以上のプロセッサに、
    請求項１４記載の管理方法、又は請求項１６記載の学習方法を実行させる、
    プログラム。

Images