JP2022135769A - 学習装置、評価装置、評価システム、学習方法、学習プログラム、評価方法、および評価プログラム - Google Patents

Abstract

【課題】工程を改善するために、下流生産物の品質を推測するモデルを学習し、工程を評価する装置を提供する。
【解決手段】対象とする対象工程の各生産物と、対象工程の各生産物を用いて下流工程で生産された各下流生産物の品質評価との対応関係を受信する対応関係受信部と、対象工程の各生産物の生産についての少なくとも１つの生産パラメータ、および対象工程の各生産物を用いて生産された各下流生産物の品質評価を用いて、少なくとも１つの生産パラメータから下流生産物の品質評価を推測する推測モデルを学習により生成する学習処理部と、推測モデルの確度または複雑度の少なくとも１つに基づくモデル評価を算出する算出部と、下流工程よりも上流の少なくとも１つの上流工程のそれぞれについてのモデル評価を用いて少なくとも１つの上流工程を評価する評価装置に対して、算出部が算出したモデル評価を送信するモデル評価送信部とを備える学習装置を提供する。
【選択図】図２

Description

本発明は、学習装置、評価装置、評価システム、学習方法、学習プログラム、評価方法、および評価プログラムに関する。

特許文献１には、「製品性能のばらつきを生じさせる阻害要因を特定し、製品性能を安定化させる製造プロセスの解析方法」が記載されている。
［先行技術文献］
［特許文献］
［特許文献１］ 特開２０１６－１７７７９４号公報

本発明の第１の態様においては、学習装置を提供する。学習装置は、対象とする対象工程の各生産物と、対象工程の各生産物を用いて下流工程で生産された各下流生産物の品質評価との対応関係を受信する対応関係受信部を備えてよい。学習装置は、対象工程の各生産物の生産についての少なくとも１つの生産パラメータ、および対象工程の各生産物を用いて生産された各下流生産物の品質評価を用いて、少なくとも１つの生産パラメータから下流生産物の品質評価を推測する推測モデルを学習により生成する学習処理部を備えてよい。学習装置は、推測モデルの確度または複雑度の少なくとも１つに基づくモデル評価を算出する算出部を備えてよい。学習装置は、下流工程よりも上流の少なくとも１つの上流工程のそれぞれについてのモデル評価を用いて少なくとも１つの上流工程を評価する評価装置に対して、算出部が算出したモデル評価を送信するモデル評価送信部を備えてよい。

学習装置は、評価装置が、少なくとも１つの上流工程のそれぞれについてのモデル評価に基づいて対象工程を改善すべきであると判断したことに応じて送信する、改善要求メッセージを受信する改善要求受信部を備えてよい。

学習装置は、改善要求メッセージが受信されたことに応じて、対象工程における少なくとも１つの生産パラメータの中から、調整すべき生産パラメータを選択するパラメータ選択部を備えてよい。

学習装置は、パラメータ選択部により選択された生産パラメータを調整した場合における、対象工程の各生産物を用いて下流工程で生産された下流生産物の品質評価を推測する品質評価推測部を備えてよい。

本発明の第２の態様においては、評価装置を提供する。評価装置は、少なくとも１つの上流工程のそれぞれについて、当該上流工程による各上流生産物の生産についての少なくとも１つの生産パラメータ、および当該上流工程の各上流生産物を用いて生産された各下流生産物の品質評価を用いて、少なくとも１つの生産パラメータから下流生産物の品質評価を推測する推測モデルを学習により生成する学習装置から、推測モデルの確度または複雑度の少なくとも１つに基づくモデル評価を受信するモデル評価受信部を備えてよい。評価装置は、少なくとも１つの上流工程のそれぞれについてのモデル評価に基づいて、少なくとも１つの上流工程を評価する工程評価部を備えてよい。

工程評価部は、少なくとも１つの上流工程のうち、推測モデルの確度が基準値よりも大きい、または複雑度が基準値よりも小さいモデル評価が与えられた上流工程を、改善すべきであると判断してよい。

評価装置は、改善すべきであると判断された上流工程の改善要求メッセージを出力するメッセージ出力部を備えてよい。

評価装置は、少なくとも１つの上流工程のそれぞれの工程について、上流側の工程から供給を受けた各生産物と、下流側へと供給した当該工程の各生産物との対応付けを取得する対応付取得部を備えてよい。評価装置は、対応付取得部が取得した各対応付けを用いて、少なくとも１つの上流工程の各生産物と各下流生産物の品質評価との対応関係を生成する対応関係生成部を備えてよい。評価装置は、対応関係を学習装置へと送信する対応関係送信部を備えてよい。

評価装置は、少なくとも１つの下流生産物の品質評価に基づいて、工程評価部による少なくとも１つの上流工程の評価を開始させるか否かを決定する開始決定部を備えてよい。

本発明の第３の態様においては、評価システムを提供する。評価システムは、少なくとも１つの上流工程のそれぞれを対象工程とする少なくとも１つの学習装置を備えてよい。評価システムは、評価装置を備えてよい。

本発明の第４の態様においては、学習方法を提供する。学習方法は、学習装置が、対象とする対象工程の各生産物と、対象工程の各生産物を用いて下流工程で生産された各下流生産物の品質評価との対応関係を受信することを含んでよい。学習方法は、学習装置が、対象工程の各生産物の生産についての少なくとも１つの生産パラメータ、および対象工程の各生産物を用いて生産された各下流生産物の品質評価を用いて、少なくとも１つの生産パラメータから下流生産物の評価を推測する推測モデルを学習により生成することを含んでよい。学習方法は、学習装置が、推測モデルの確度または複雑度の少なくとも１つに基づくモデル評価を算出することを含んでよい。学習方法は、学習装置が、下流工程よりも上流の少なくとも１つの上流工程のそれぞれについてのモデル評価を用いて少なくとも１つの上流工程を評価する評価装置に対して、算出されたモデル評価を送信することを含んでよい。

本発明の第５の態様においては、コンピュータにより実行される学習プログラムを提供する。学習プログラムは、コンピュータを、対象とする対象工程の各生産物と、対象工程の各生産物を用いて下流工程で生産された各下流生産物の品質評価との対応関係を受信する対応関係受信部として機能させてよい。学習プログラムは、コンピュータを、対象工程の各生産物の生産についての少なくとも１つの生産パラメータ、および対象工程の各生産物を用いて生産された各下流生産物の品質評価を用いて、少なくとも１つの生産パラメータから下流生産物の評価を推測する推測モデルを学習により生成する学習処理部として機能させてよい。学習プログラムは、コンピュータを、推測モデルの確度または複雑度の少なくとも１つに基づくモデル評価を算出する算出部として機能させてよい。学習プログラムは、コンピュータを、下流工程よりも上流の少なくとも１つの上流工程のそれぞれについてのモデル評価を用いて少なくとも１つの上流工程を評価する評価装置に対して、算出部が算出したモデル評価を送信するモデル評価送信部として機能させてよい。

本発明の第６の態様においては、評価方法を提供する。評価方法は、評価装置が、少なくとも１つの上流工程のそれぞれについて、当該上流工程による各上流生産物の生産についての少なくとも１つの生産パラメータ、および当該上流工程の各上流生産物を用いて生産された各下流生産物の品質評価を用いて、少なくとも１つの生産パラメータから下流生産物の品質評価を推測する推測モデルを学習により生成する学習装置から、推測モデルの確度または複雑度の少なくとも１つに基づくモデル評価を受信することを含んでよい。評価方法は、評価装置が、少なくとも１つの上流工程のそれぞれについてのモデル評価に基づいて、少なくとも１つの上流工程を評価することを含んでよい。

本発明の第７の態様においては、コンピュータにより実行される評価プログラムを提供する。評価プログラムは、コンピュータを、少なくとも１つの上流工程のそれぞれについて、当該上流工程による各上流生産物の生産についての少なくとも１つの生産パラメータ、および当該上流工程の各上流生産物を用いて生産された各下流生産物の品質評価を用いて、少なくとも１つの生産パラメータから下流生産物の品質評価を推測する推測モデルを学習により生成する学習装置から、推測モデルの確度または複雑度の少なくとも１つに基づくモデル評価を受信するモデル評価受信部として機能させてよい。評価プログラムは、コンピュータを、少なくとも１つの上流工程のそれぞれについてのモデル評価に基づいて、少なくとも１つの上流工程を評価する工程評価部として機能させてよい。

なお、上記の発明の概要は、本発明の特徴の全てを列挙したものではない。また、これらの特徴群のサブコンビネーションもまた、発明となりうる。

本実施形態に係る評価システム１０を、複数のメーカー２０ａ～ｌを含むサプライチェーンと共に示す。 本実施形態に係る学習装置１００の構成を示す。 本実施形態に係る生産データ記憶部２１５に格納される生産データの一例を示す。 本実施形態に係る学習装置１００の動作フローを示す。 本実施形態に係る評価装置１１０の構成を示す。 本実施形態に係る評価装置１１０の動作フローを示す。 各工程の生産物と最終生産物との対応関係の一例を示す。 本発明の複数の態様が全体的または部分的に具現化されてよいコンピュータ２２００の例を示す。

以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。

図１は、本実施形態に係る評価システム１０を、複数のメーカー２０ａ～ｌを含むサプライチェーンと共に示す。例えば、自動車、電化製品、産業用機器、衣服、および、食品等、実体のあるモノには生産から販売まで共通した流れ、すなわち、供給の連鎖が存在する。これをサプライチェーンという。サプライチェーンには、原材料から生産物を生産する複数の生産工程（「工程」とも示す。）が含まれる。一例として、本図に示したサプライチェーンには、原料メーカー２０ｊ～ｌ、素材メーカー２０ｇ～ｉ、部品メーカー２０ｄ～ｆ、および、製品メーカー２０ａ～ｃ（「メーカー２０」と総称する。）が含まれる。

原料メーカー２０ｊ～ｌは、例えば、原油や天然ガス等を出発原料として石油製品等の原料を生産し、これを素材メーカー２０ｇ～ｉへ供給する。本図の例においては、原料メーカー２０ｊは、素材メーカー２０ｇに原料を供給し、原料メーカー２０ｋは、素材メーカー２０ｇ～ｈに原料を供給し、原料メーカー２０ｌは、素材メーカー２０ｉに原料を供給する。

素材メーカー２０ｇ～ｉは、原料メーカー２０ｊ～ｌの生産物である石油製品等を原料として樹脂材料等の素材を生産し、これを部品メーカー２０ｄ～ｆへ供給する。本図の例においては、素材メーカー２０ｇは、部品メーカー２０ｅ～ｆに素材を供給し、素材メーカー２０ｈは、部品メーカー２０ｄに素材を供給し、素材メーカー２０ｉは、部品メーカー２０ｆに素材を供給する。

部品メーカー２０ｄ～ｆは、素材メーカー２０ｇ～ｉの生産物である樹脂材等を素材として電子部品等の部品を生産し、これを製品メーカー２０ａ～ｃへ供給する。本図の例においては、部品メーカー２０ｄは、製品メーカー２０ａに部品を供給し、部品メーカー２０ｅは、製品メーカー２０ａ～ｂに部品を供給し、部品メーカー２０ｆは、製品メーカー２０ａおよび製品メーカー２０ｃに部品を供給する。

製品メーカー２０ａ～ｃは、部品メーカー２０ｄ～ｆの生産物である電子部品等の部品を組み立てて完成品を生産する。このように、サプライチェーンにおいては、上流から下流に向けて、例えば、原料メーカー２０ｊ～ｌ、素材メーカー２０ｇ～ｉ、部品メーカー２０ｄ～ｆ、および、製品メーカー２０ａ～ｃ等の複数のメーカー２０がプレイヤーとなって、供給の連鎖を実現している。

ここで「生産工程（工程）」とは、その生産工程を担当するメーカー２０が、上流側から受け取る生産物を加工してメーカー２０の生産物を製造するまでの作業全体を示す。メーカー２０は、例えば工場に設置された製造ラインを用いて「生産工程」に相当する製造作業を行なってよく、このような製造ライン自体が更に細分化された複数の作業工程を含んでもよい。なお、本実施形態において１つの「生産工程」は、１つのメーカー２０が担当する製造作業全体を示すが、「生産工程」は、１つのメーカー２０が担当する製造作業の一部分のみに対応してもよく、２以上のメーカー２０が担当する一連の製造作業を含んでもよい。

このようなサプライチェーンにおいては、一般に、下流の生産工程における生産物の品質は、上流の生産工程における生産物の品質の影響を受けうる。すなわち例えば、製品メーカー２０ｂの生産物である完成品の品質は、供給元である部品メーカー２０ｅの生産物である部品の品質の影響を受けうる。同様に、部品メーカー２０ｅの生産物である部品の品質は、供給元である素材メーカー２０ｇの生産物である素材の品質の影響を受けうる。同様に、素材メーカー２０ｇの生産物である素材の品質は、供給元である原料メーカー２０ｊ～ｋの生産物である原料の品質の影響を受けうる。本実施形態においては、このような品質の連鎖が生じ得るサプライチェーンにおける生産を評価の対象としてよい。

近年サプライチェーンは複雑化しており、本図に例示するようにある部品メーカー２０ｅが競合関係にある製品メーカー２０ａおよび製品メーカー２０ｂに部品を供給することもしばしばである。したがって、製品メーカー２０ａは、最終生産物となる製品の品質を向上するため、または最終製品のコストを抑えるために、例えば部品メーカー２０ｅの部品の品質向上またはコスト削減についての詳しい技術情報を部品メーカー２０ｅに提供すると、そのような技術情報が競合の製品メーカー２０ｂに流出したり、そのような技術情報が競合の製品メーカー２０ｂの製品の品質向上またはコスト削減に寄与したりする可能性がある。したがって、製品メーカー２０ａとしては、部品メーカー２０ｅに提供する情報をなるべく抑えつつ、部品メーカー２０ｅが生産する部品の品質を向上させたりコストを削減することができるのが望ましい。

同様の関係は、サプライチェーンのより上流の、部品メーカー２０ｄ～ｆおよび素材メーカー２０ｇ～ｉの間、ならびに素材メーカー２０ｇ～ｉおよび原料メーカー２０ｊ～ｌの間にも発生する。この結果、上流のメーカー２０ｄ～ｌは、サプライチェーンの下流側からの少ない情報をもとに想像または仮説による工程の改善をやみくもに行なうこととなり、サプライチェーン全体で多くの無駄な工数が発生し、また改善の進捗が遅れてしまう。

そこで、本実施形態に係る評価システム１０は、各メーカー２０が提供すべき情報を抑えつつ、各メーカー２０における工程を改善するための評価環境を提供する。評価システム１０は、サプライチェーンにおける最終工程（最下流工程）に対応付けられた１または複数の製品評価装置１０５ａ～ｃ（「製品評価装置１０５」とも示す。）と、サプライチェーンにおける最終工程を除く各工程に対応付けられた１または複数の学習装置１００ｄ～ｌ（「学習装置１００」とも示す。）と、評価装置１１０とを備える。

複数の製品評価装置１０５のそれぞれは、最終生産物（最下流生産物）を製造する最終工程に対応付けて設けられる。すなわち、本実施形態において、複数の製品評価装置１０５のそれぞれは、最終生産物を製造する最終工程を有する製品メーカー２０のそれぞれに設けられる。

製品評価装置１０５は、最終生産物毎に品質を評価する。そして、製品評価装置１０５は、直接の上流側からの各生産物とこれらを用いて生産された各最終生産物の品質評価との対応付けを評価装置１１０へと供給する。なお、本実施形態に係る評価システム１０は、生産物の品質評価が得られる工程を便宜上「最終工程」とみなし、最終工程の生産物の品質評価を用いて最終工程よりも上流の各工程を評価するものであって、「最終工程」とはサプライチェーンにおける、評価システム１０による生産物の品質評価および工程の評価の対象となる範囲内での最下流の工程を示すものである。したがって、製品メーカー２０ａ～ｃによる最終生産物は、必ずしもユーザに譲渡されてユーザが使用できる状態の完成品でなくてもよく、評価システム１０による評価を行なうサプライチェーンの範囲よりも下流（すなわちメーカー２０ａ～ｃよりも下流）において、更に他の製品の部品等として用いられてもよい。

上記の意味においては、生産物の品質評価が得られる工程は、必ずしもサプライチェーン全体における最終工程または最下流工程とはならない。したがって、評価システム１０による生産物の品質評価および工程の評価の対象となる範囲内での最下流の工程であって、生産物の品質評価が得られる工程を、単に「下流工程」とも示し、「下流工程」の生産物を「下流生産物」とも示す。また、評価システム１０による生産物の品質評価および工程の評価の対象となる範囲内において、「下流工程」よりも上流側の工程を「上流工程」とも示し、「上流工程」の生産物を「上流生産物」とも示す。

ここで、「上流」とは、「直接の上流」等と示さない限りは、例えば部品メーカー２０ｄの工程に対する素材メーカー２０ｈの工程のような直接上流のものに限らず、部品メーカー２０ｄの工程に対する原料メーカー２０ｋの工程のように間に他の少なくとも１つの工程を挟んで上流に位置する工程も含むものとする。「ある工程の下流」という表現も同様に、「ある工程の直接の下流」等と示さない限りは、直接下流のものに限らず他の少なくとも１つの工程を挟んで下流に位置するものも含むものとする。

学習装置１００は、評価システム１０による工程評価の対象となる少なくとも１つの上流工程のそれぞれに対応して設けられる。本実施形態においては、説明の便宜上、評価システム１０は、複数のメーカー２０ｄ～ｌが有する複数の上流工程を工程評価の対象とする。したがって、本実施形態においては、複数の学習装置１００のそれぞれが、下流工程（最終工程）よりも上流側の各工程に対応付けて設けられる。すなわち、本実施形態において、複数の学習装置１００のそれぞれは、下流工程よりも上流側である上流工程を有するメーカー２０ｄ～ｌのそれぞれに設けられる。

また、評価システム１０は、１または複数の下流工程も工程評価の対象としてもよい。この場合、製品評価装置１０５は、下流工程についても工程評価の対象とするために、下流工程用の学習装置１００をその一部として有してもよい。

学習装置１００は、処理の対象とする対象工程について、対象工程の直接の上流工程から供給を受けた各生産物と対象工程の各生産物との対応付けを評価装置１１０へ供給する。また、学習装置１００は、対象工程の各生産物と各下流生産物の品質評価との対応関係を評価装置１１０から受け取る。学習装置１００は、対象工程の各生産物の生産に用いた１または複数の生産パラメータ、および対象工程の各生産物を用いて生産された各下流生産物の品質評価を用いて、１または複数の生産パラメータから下流生産物の品質評価を推測する推測モデルを学習により生成する。そして、学習装置１００は、学習した推測モデルのモデル評価を算出して、評価装置１１０へと送信する。

評価装置１１０は、複数の製品評価装置１０５のそれぞれおよび複数の学習装置１００のそれぞれに接続される。評価装置１１０は、下流工程の直接の上流側の各生産物と各下流生産物の品質評価との対応付けを各製品評価装置１０５から受信する。また、評価装置１１０は、メーカー２０ｄ～ｌにおける各工程（最上流の工程を除く各工程）について、上流側の工程から供給を受けた生産物と対象工程の生産物との対応付けを各学習装置１００から受信する。評価装置１１０は、これらの対応付けを用いて、各上流工程の各生産物と、各上流工程の各生産物を用いて生産された各下流生産物の品質評価との対応関係を生成する。そして、評価装置１１０は、各工程に対応付けられた学習装置１００に対して、その工程の各生産物と各下流生産物の品質評価との対応関係を送信する。

また、評価装置１１０は、工程評価の対象となる少なくとも１つの工程のそれぞれについてのモデル評価を用いて工程評価の対象となる少なくとも１つの工程を評価する。そして、評価装置１１０は、ある工程を改善すべきであると判断したことに応じて、その工程に対応付けられた学習装置１００に対して改善要求メッセージを送信する。

以上において、最終生産物の品質は、最上流から最下流までの各工程で用いられた各生産パラメータのうち、特定の生産パラメータによる影響を大きく受ける可能性がある。ある工程のある生産パラメータが下流生産物の品質に大きな影響を及ぼす場合には、その工程に対応付けられた学習装置１００は、その工程の生産パラメータから下流生産物の品質評価を推測する良好な推測モデルを生成することができる。これに対し、ある工程のいずれの生産パラメータも下流生産物の品質にほとんど影響を及ぼさない場合には、その工程に対応付けられた学習装置１００は、その工程の生産パラメータから下流生産物の品質評価を推測する推測モデルを生成しても、その工程の生産パラメータから下流生産物の品質を説明する良好な推測モデルにはならない。

評価システム１０は、この性質を用いて、各工程に対応付けられた学習装置１００が、各工程について少なくとも１つの生産パラメータから下流生産物の品質評価を推測する推測モデルを生成し、評価装置１１０が、良好な推測モデルを生成することができた学習装置１００に対応する工程の改善を要求する。これにより、評価システム１０は、下流生産物の品質に大きな影響を及ぼす生産パラメータを用いる工程に対して改善を要求することができる。

以上に示した評価システム１０によれば、各学習装置１００は、対象とする対象工程について上流側から供給を受けた各生産物と対象工程の各生産物との対応付けと、生成した推測モデルのモデル評価とを評価装置１１０へと送信するが、対象工程において用いられた生産パラメータを評価装置１１０へと送信する必要がない。評価装置１１０は、各学習装置１００において用いられた生産パラメータを受け取ることなく、各学習装置１００から受信したモデル評価を用いて各工程を評価することができる。したがって、評価システム１０は、各メーカー２０が生産パラメータを開示することなく最終生産物の品質に影響を及ぼす対象工程の改善を図ることができる環境を提供することができる。

図２は、本実施形態に係る学習装置１００の構成を示す。学習装置１００は、対応するメーカー２０に設置されたＰＣ（パーソナルコンピュータ）、ワークステーション、サーバコンピュータ、または汎用コンピュータ等のコンピュータであってよく、タブレット型コンピュータまたはスマートフォン等のような携帯可能なコンピュータであってもよく、複数のコンピュータが接続されたコンピュータシステムであってもよい。このようなコンピュータシステムもまた広義のコンピュータである。学習装置１００は、このようなコンピュータ上で学習プログラムを実行することにより実現されてよい。また、学習装置１００は、コンピュータ内で１または複数実行可能な仮想コンピュータ環境によって実装されてもよい。これに代えて、学習装置１００は、対象工程に関する各種処理の実行用に設計された専用コンピュータであってもよく、専用回路によって実現された専用ハードウェアであってもよい。

また、学習装置１００は、クラウドコンピューティングシステムにより実現されてもよい。この場合においても、学習装置１００は、対象工程で用いる１または複数の生産パラメータを、他の工程を担当する他のメーカー２０に対して非開示としてよい。

学習装置１００は、生産管理部２１０と、生産データ記憶部２１５と、対応付送信部２２０と、対応関係受信部２２５と、学習処理部２３５と、推測モデル記憶部２４０と、算出部２４５と、モデル評価送信部２５０と、改善要求受信部２５５と、パラメータ選択部２６０と、品質評価推測部２６５とを備える。

生産管理部２１０は、学習装置１００が対象とする対象工程における生産を担当する設備３０に接続され、設備３０による生産物の生産を管理する。設備３０は、例えば化学等の工業プラント、ガス田や油田等の井戸元やその周辺を管理制御するプラント、または工業製品等の製造プラント等に設けられる。例えば、設備３０は分散制御システム（ＤＣＳ：Ｄｉｓｔｒｉｂｕｔｅｄ Ｃｏｎｔｒｏｌ Ｓｙｓｔｅｍ）等の制御装置と、このような制御装置による制御を受けて生産物の生産を行なう１または複数のプロセス装置とを備えてよく、生産管理部２１０は、このような制御装置に接続されてよい。

生産管理部２１０は、対象工程の上流側から供給を受けた、対象工程の材料または部品等となる各生産物と、下流側へと供給した当該対象工程の各生産物との対応付けを設備３０から取得して、生産データ記憶部２１５に格納する。ここで、下流工程の学習装置１００は、対象工程の上流側から供給を受けた、対象工程の材料または部品等となる各生産物と、各生産物を用いて生産した下流生産物の品質評価との対応付けを設備３０から取得して、生産データ記憶部２１５に格納してよい。なお、生産管理部２１０は、設備３０からこれらの対応付けを取得するのに代えて、対象工程を管理等する作業者等からの入力を受け付けることにより、これらの対応付を取得してもよい。

また、生産管理部２１０は、当該対象工程による各生産物の生産についての１または複数の生産パラメータを設備３０から取得する。ここで「生産物」とは、１つの部品または製品のような個々の生産物であってよく、予め定められた量（例えば１立方メートル）または予め定められた個数（例えば１ロット）のような特定の管理単位分の生産物であってもよい。本実施形態においては、説明の便宜上、「生産物」は、１ロット分の生産物を示す。

生産データ記憶部２１５は、生産管理部２１０に接続される。生産データ記憶部２１５は、生産管理部２１０が取得した対応付けおよび１または複数の生産パラメータを格納する。

対応付送信部２２０は、生産データ記憶部２１５に接続される。対応付送信部２２０は、生産データ記憶部２１５に格納された、学習装置１００の対象工程についての対応付けを評価装置１１０へと送信する。

対応関係受信部２２５は、対象工程の各生産物と、対象工程の各生産物を用いて下流工程で生産された各下流生産物の品質評価との対応関係を評価装置１１０から受信する。なお、最終工程にも学習装置１００が設けられる場合には、最終工程の学習装置１００は、対応関係受信部２２５を有していなくてもよく、生産データ記憶部２１５に格納された、対象工程の材料又は部品等となる各生産物と、各下流生産物の品質評価との対応関係を生産データ記憶部２１５から取得してよい。

学習処理部２３５は、生産データ記憶部２１５、および対応関係受信部２２５に接続される。学習処理部２３５は、対象工程の各生産物と各下流生産物の品質評価との対応関係を用いて、生産データ記憶部２１５に格納された、対象工程の各生産物の生産についての１または複数の生産パラメータと、各下流生産物の品質評価とを対応付ける。そして、学習処理部２３５は、対象工程の各生産物の生産についての１または複数の生産パラメータ、および対象工程の各生産物を用いて生産された各下流生産物の品質評価を用いて、１又は複数の生産パラメータから下流生産物の品質評価を推測する推測モデルを学習により生成する。

推測モデル記憶部２４０は、学習処理部２３５に接続される。推測モデル記憶部２４０は、学習処理部２３５により生成された推測モデルを格納する。

算出部２４５は、推測モデル記憶部２４０に接続される。算出部２４５は、学習処理部２３５により生成され、推測モデル記憶部２４０に格納された推測モデルのモデル評価を算出する。モデル評価送信部２５０は、算出部２４５に接続される。モデル評価送信部２５０は、算出部２４５が算出したモデル評価を評価装置１１０に対して送信する。これを受けて、評価装置１１０は、生産物の品質評価を提供する下流工程よりも上流の少なくとも１つの上流工程のそれぞれについてのモデル評価を用いて少なくとも１つの上流工程を評価する。評価装置１１０は、少なくとも１つの上流工程のそれぞれについてのモデル評価に基づいて対象工程を改善すべきであると判断したことに応じて、その対象工程に対応する学習装置１００に対して改善要求メッセージを送信する。なお、評価装置１１０は、少なくとも１つの下流工程も工程評価の対象である場合には、工程評価の対象である少なくとも１つの上流工程および少なくとも１つの下流工程を含む各工程についてのモデル評価を用いて各上流工程を評価し、改善対象となる工程に対応する学習装置１００に対して改善要求メッセージを送信してよい。

改善要求受信部２５５は、対象工程に対する改善要求メッセージを評価装置１１０が送信した場合に、その改善要求メッセージを受信する。パラメータ選択部２６０は、推測モデル記憶部２４０および改善要求受信部２５５に接続される。パラメータ選択部２６０は、当該学習装置１００宛の改善要求メッセージが受信されたことに応じて、対象工程における１または複数の生産パラメータの中から、調整すべき生産パラメータを選択する。

品質評価推測部２６５は、推測モデル記憶部２４０およびパラメータ選択部２６０に接続される。品質評価推測部２６５は、パラメータ選択部２６０により選択された生産パラメータを調整した場合における、対象工程の各生産物を用いて下流工程で生産された下流生産物の品質評価を推測する。

図３は、本実施形態に係る生産データ記憶部２１５に格納される生産データの一例を示す。生産データは、対象工程の各生産物について、対象工程の生産物の生産に使用された、直近の上流工程の生産物との対応付けと、対象工程の生産物の生産についての１または複数の生産パラメータとを含む。

本実施形態において、生産データは、複数のエントリのそれぞれについて、対象工程の生産物（ロット）を識別する製品ロット識別情報（製品ロットＩＤ）と、対象工程に供給された直近の上流工程の１または複数の生産物のそれぞれを識別する供給元ロット識別情報（供給元ロットＩＤ）および供給元識別情報（供給元ＩＤ）と、対象工程の生産物の生産に用いた１または複数の生産パラメータとを格納する。

本図の例は、メーカー２０ｄに設けられる学習装置１００ｄの生産データ記憶部２１５に格納される生産データを示す。本図の例において、対象工程における製品ロットＩＤが「Ｄ００００００１」の生産物は、供給元ＩＤが「Ｇ」である直接上流のメーカー２０（例えばメーカー２０ｇ）から供給された、製品ロットＩＤが「Ｇ００００００１」である上流生産物と、供給元ＩＤが「Ｈ」である直接上流のメーカー２０（例えばメーカー２０ｈ）から供給された、製品ロットＩＤが「Ｈ００００００１」である上流生産物と、供給元ＩＤが「Ｉ」である直接上流のメーカー２０（例えばメーカー２０ｉ）から供給された、製品ロットＩＤが「Ｉ００００００１」である上流生産物とを用いて、「生産パラメータ」欄に格納された生産パラメータによる生産工程によって生産される。すなわち、製品ロットＩＤが「Ｄ００００００１」の生産物は、「Ｇ００００００１」により識別されるメーカー２０ｇからの素材と、「Ｈ００００００１」により識別されるメーカー２０ｈからの素材と、「Ｉ００００００１」により識別されるメーカー２０ｉからの素材とを用いて生産された部品である。

対象工程における２以上の生産物が、上流工程における同じ生産物（例えば同じロットの生産物）を用いて生産されてもよく、対象工程における１つの生産物（例えば１ロットの生産物）が、上流工程における異なる生産物を用いて生産されてもよい。本図の例において、「Ｄ００００００１」で示される生産物（ロット）は、一部が「Ｇ００００００１」、「Ｈ００００００１」、および「Ｉ００００００１」で示される上流生産物（ロット）の組を用いて生産され、残りが「Ｇ００００００１」、「Ｈ００００００１」、および「Ｉ００００００２」で示される上流生産物（ロット）の組を用いて生産される。

図４は、本実施形態に係る学習装置１００の動作フローを示す。ステップＳ４００（Ｓ４００）において、生産管理部２１０は、学習装置１００が対象とする対象工程における各生産物の生産に応じて、対象工程の各生産物の生産についての少なくとも１つの生産パラメータと、対象工程の上流側から供給を受けた、対象工程の材料または部品等となる各上流生産物と対象工程の各生産物との対応付けとを含む生産データを生産データ記憶部２１５に記録する。ここで、下流工程の学習装置１００は、対象工程の材料または部品等となる各上流生産物と対象工程の各生産物の品質評価との対応付けを生産データ記憶部２１５に記録してよい。

Ｓ４１０において、対応付送信部２２０は、生産データ記憶部２１５に格納された、学習装置１００の対象工程についての対応付けを評価装置１１０へと送信する。Ｓ４２０において、対応関係受信部２２５は、対象工程の各生産物と下流工程における各下流生産物の品質評価との対応関係を評価装置１１０から受信する。

Ｓ４４０において、学習処理部２３５は、対象工程の各生産物の生産についての少なくとも１つの生産パラメータ、および対象工程の各生産物を用いて生産された各下流生産物の品質評価を用いて、少なくとも１つの生産パラメータから下流生産物の品質評価を推測する推測モデルを学習により生成する。ここで、生産パラメータの少なくとも一部は、原材料の配分、反応温度、反応時間、および圧力等のような、対象工程で用いるプロセス装置等の設備３０に設定可能な任意の制御パラメータであってよく、例えばプラントに設置された圧力計、流量計、温度センサ等のセンサ機器によって計測された計測データであってもよい。また、生産パラメータは、制御パラメータのみに限られず、「４Ｍ」と呼ばれている生産の４要素である「原材料（Ｍａｔｅｒｉａｌ）」、「設備（Ｍａｃｈｉｎｅ）」、「メソッド（Ｍｅｔｈｏｄ）」、および「人（Ｍａｎ）」に関する任意のパラメータであってもよい。

学習処理部２３５は、対象工程から直接得られるパラメータを生産パラメータとして用いてよく、対象工程から直接得られるパラメータを加工して生産パラメータとして用いてもよい。例えば、学習処理部２３５は、パラメータの一般的な特徴量（例えばパラメータの変化のトレンドを示す、平均または分散等の特徴量）、対象工程に特有の特徴量（例えば工程の立ち上がり時のパラメータ変化またはパラメータの揺らぎ）、または対象工程を担当するメーカー２０が定義した、対象工程の生産物の品質を左右するファクタ等を生産パラメータとして用いてもよい。

下流生産物の品質評価は、例えば０～１００点までの点数のように数値化された評価値であってよい。また、下流生産物の品質評価は、Ａ、Ｂ、またはＣのようなレーティング情報であってもよい。

学習済みの推測モデルは、生産物の生産に用いる１または複数の生産パラメータを入力すると、このような生産パラメータを用いて生産される下流生産物の品質評価の推測値を出力する。推測モデルは、一例としてニューラルネットワーク、サポートベクタマシン（ＳＶＭ）、ランダムフォレスト、勾配ブースティング、またはロジスティック回帰等を含む各種の機械学習アルゴリズムを用いたものであり、与えられた入力に対して適切な出力を予測するように学習される。

学習処理部２３５は、対象工程の各生産物の生産についての少なくとも１つの生産パラメータを含む学習用入力データと、および対象工程の各生産物を用いて生産された各下流生産物の品質評価を含む学習用ラベルとの組を学習データとして用いる。学習処理部２３５は、学習データ中の各サンプルにおける学習用入力データを推測モデルに入力した場合の推測モデルの出力である品質評価の推測値と、学習用ラベルとの誤差を低減させるように、推測モデルの学習対象パラメータを更新していく。例えば推測モデルとしてニューラルネットワークを用いる場合、学習処理部２３５は、各サンプルを入力したことに応じてニューラルネットワークが出力する出力値とラベルとの誤差を用いて、バックプロパゲーション等の手法により、ニューラルネットワークの各ニューロン間の重みおよび各ニューロンのバイアス等を調整する。

ここで、下流生産物の品質は、最上流から最下流に至るまでの各工程で用いられた生産パラメータの影響を受けうる。しかし、学習処理部２３５は、サプライチェーンを構成する複数の工程のうち、対象工程以外に関する生産パラメータを参照せずに対象工程のみに関する少なくとも１つの生産パラメータから下流生産物の品質評価を推測する推測モデルを生成する。

学習処理部２３５は、このようにして生成した推測モデルを、ミミックモデリング等の手法を用いて別の推測モデルに変換し、変換した推測モデルを以降のステップで使用してもよい。ミミックモデリングは、ある機械学習モデルを、より単純な機械学習を用いてより単純な機械学習モデルに変換する手法であり、入力データ（本実施形態における複数の生産パラメータ）が複雑である場合（数が多い場合、相互に依存関係がある場合）に効果的である。

Ｓ４５０において、算出部２４５は、学習処理部２３５により生成された推測モデルのモデル評価を算出する。算出部２４５が算出するモデル評価は、推測モデルの確度または複雑度の少なくとも１つに基づいてよい。

モデル評価に推測モデルの確度を用いる場合、算出部２４５は、学習データに対する推測モデルの正答率または出力誤差等の、推測モデルがどの程度正確に品質評価を推測することができるか、あるいはどの程度の誤差で品質評価を推測することができるかを示す、推測モデルの確度を表す指標を算出する。算出部２４５は、推測モデルの確度自体をモデル評価としてよく、推測モデルの確度をモデル評価の１要素としてもよい。

算出部２４５は、交叉検定により推測モデルの確度を算出してもよい。すなわち、学習処理部２３５は、学習データの一部を用いて学習処理を行なうことにより推測モデルを生成し、算出部２４５は、学習データの他の一部を用いて推測モデルの確度を評価してもよい。なお、本実施形態においては、推測モデルの確度は、大きな値であるほど推測モデルの正答率が高く、または出力誤差が小さいくなる値であるものとする。これに代えて、推測モデルの確度は、小さな値であるほど推測モデルの正答率が高く、または出力誤差が小さいものとすることもできる。

算出部２４５は、モデル評価に推測モデルの複雑度を用いてもよい。本願の発明者らは、各生産パラメータと最終生産物の品質との間は、比較的単純な関係で説明できるという経験則を見出している。このことは、ある生産パラメータが最終生産物の品質に影響を及ぼすとすれば、その生産パラメータとは独立な他の生産パラメータの値によらずにその生産パラメータに応じて下流生産物の品質が変化するのであって、推測モデルは、全生産パラメータのうち下流生産物の品質に影響を及ぼす生産パラメータのみから下流生産物の品質を推測するモデルに単純化できると想定されることからも分かる。

したがって、算出部２４５は、推測モデルの複雑度を用いてモデル評価を算出することもできる。算出部２４５は、推測モデルの複雑度として、ラデマッハ複雑度、ＶＣ次元、または汎化誤差限界等の、どの程度複雑な式を用いると入力および出力の関係を説明できるかを示す指標を用いてよい。算出部２４５は、推測モデルの複雑度自体をモデル評価としてよく、推測モデルの複雑度をモデル評価の１要素としてもよい。なお、本実施形態においては、推測モデルの複雑度は、大きな値であるほど推測モデルがより複雑であり、モデル評価が低くなるものとする。これに代えて、推測モデルの複雑度は、小さな値であるほど推測モデルがより複雑であるものとすることもできる。

本実施形態において、算出部２４５は、推測モデルの正答率が高い等により推測モデルの確度が高い場合、または、推測モデルの複雑度が低く推測モデルが単純な場合の少なくとも１つの場合にモデル評価を高くし、推測モデルの正答率が低い等により推測モデルの確度が低い場合、または、推測モデルの複雑度が高く推測モデルが複雑な場合の少なくとも１つの場合にモデル評価の値を低くする。これに代えて、算出部２４５は、推測モデルの確度が高い場合、または推測モデルが単純な場合に小さな値のモデル評価を生成してもよい。

このようにして生成されたモデル評価は、学習した推測モデル自体の評価を表す指標であるが、対象工程の生産パラメータが最終生産物の品質にどの程度影響を及ぼすかを表す指標として利用することができる。Ｓ４５０において、モデル評価送信部２５０は、算出部２４５が算出したこのようなモデル評価を、評価装置１１０へと送信する。

Ｓ４６０において、改善要求受信部２５５は、評価装置１１０から改善要求メッセージを受信したか否かを判定する。改善要求メッセージを受信しなかった場合、学習装置１００は、処理をＳ４００へと進めて新たに生産される生産物を加えてＳ４００からＳ４５０の処理を行なう。改善要求メッセージを受信した場合、学習装置１００は、処理をＳ４７０へと進める。

Ｓ４７０において、パラメータ選択部２６０は、対象工程における１または複数の生産パラメータの中から、改善要求に応じて調整すべき少なくとも１つの生産パラメータを選択する。ここで、Ｓ４４０において生成された推測モデルから、１または複数の生産パラメータの中で品質変化の要因となる要因パラメータを直接抽出することができる場合には、パラメータ選択部２６０は、推測モデルから直接要因パラメータを抽出してよい。パラメータ選択部２６０は、例えば推測モデルがスパース学習を用いたものであって入力および出力の関係が明確である場合、推測モデルがニューラルネットワークを用いたものであり各入力層から各出力層へと至る伝搬経路に割り当てられた重みから複数の生産パラメータを品質に影響を与える順に並べることができる場合等においては、推測モデルから直接要因パラメータを抽出することができる。

要因パラメータを直接抽出することができない場合、パラメータ選択部２６０は、推測モデルを用いて複数の生産パラメータがマッピングされる空間内に広範囲に分布する擬似データを発生する。ここで、パラメータ選択部２６０は、敵対的生成ネットワーク（ＧＡＮ：Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）を用いて複数の生産パラメータおよび品質評価を含む擬似データを発生してもよい。次に、パラメータ選択部２６０は、生成された擬似データを用いてスパース学習等の要因推定が可能な機械学習モデルを学習により生成し、複数の生産パラメータの中から品質に影響を与える要因パラメータを抽出する。

パラメータ選択部２６０は、品質に対する影響の大きさが予め定められた閾値を超える生産パラメータを要因パラメータとして抽出してよい。これに代えて、パラメータ選択部２６０は、品質に対する影響の大きさが大きい生産パラメータから順に予め定められた個数の生産パラメータを要因パラメータとして抽出してもよい。

Ｓ４８０において、品質評価推測部２６５は、要因パラメータとして選択された生産パラメータを調整した場合に、対象工程の各生産物を用いて下流工程で生産された下流生産物の品質評価がどう変化するかを推測する。品質評価推測部２６５は、１または複数の要因パラメータの散布図（１次元または複数次元）を生成し、下流生産物の良不良または下流生産物のレーティングの境界を散布図中に示してよい。

また、品質評価推測部２６５は、下流生産物の品質を向上するために、要因パラメータをどれだけ変位させればよいかを決定してよい。例えば、品質評価推測部２６５は、要因パラメータをどのように変更すれば、その要因パラメータを用いて生産された下流生産物の品質評価が、散布図中におけるレーティングの境界を超えてよりレーティングを高めることができるかを判定してよい。また、品質評価推測部２６５は、推測モデル記憶部２４０に格納された推測モデルを用いて、要因パラメータを変化させた場合における下流生産物の品質評価を推測してもよい。

品質評価推測部２６５は、上記の散布図、または品質向上のための要因パラメータの変位量の少なくとも１つを含む報告書を生成して、学習装置１００のユーザに提供してよい。これにより、学習装置１００は、報告書を参照したユーザからの指示を入力して、設備３０に供給する要因パラメータの値を変位量分変更することができる。また、品質評価推測部２６５は、生産管理部２１０を介して設備３０が用いる要因パラメータの値を上記の変位量分変更する処理を行なってもよい。

なお、改善要求受信部２５５は、Ｓ４６０において、特定の下流生産物が改善要求の対象となった場合には、その特定の下流生産物に用いられた対象工程の生産物と、その下流生産物の品質評価とを含む改善要求メッセージを受信してもよい。この場合、パラメータ選択部２６５は、Ｓ４８０において、この特定の下流生産物の品質を向上するために、要因パラメータをどれだけ変位させればよいかを決定してもよい。

以上に示した学習装置１００によれば、対象工程について上流側から供給を受けた各生産物と対象工程の各生産物との対応付けを評価装置１１０へと送信することによって、各学習装置１００が、対象工程の生産物と下流生産物の品質評価との対応関係を受け取ることができる。そして、各学習装置１００は、対象工程の生産パラメータが下流生産物の品質にどの程度影響を及ぼすかを示す指標としてのモデル評価を他の工程に対応付けられた学習装置１００とは独立して算出することができる。したがって、各学習装置１００は、他の学習装置１００または評価装置１１０に対して生産パラメータを開示することなく工程を評価可能なシステム環境を実現可能とすることができる。

図５は、本実施形態に係る評価装置１１０の構成を示す。評価装置１１０は、ＰＣ（パーソナルコンピュータ）、ワークステーション、サーバコンピュータ、または汎用コンピュータ等のコンピュータであってよく、タブレット型コンピュータまたはスマートフォン等のような携帯可能なコンピュータであってもよく、複数のコンピュータが接続されたコンピュータシステムであってもよい。このようなコンピュータシステムもまた広義のコンピュータである。評価装置１１０は、このようなコンピュータ上で評価プログラムを実行することにより実現されてよい。また、評価装置１１０は、コンピュータ内で１または複数実行可能な仮想コンピュータ環境によって実装されてもよく、クラウドコンピューティングシステムにより実現されてもよい。これに代えて、評価装置１１０は、各学習装置１００の対象工程の評価用に設計された専用コンピュータであってもよく、専用回路によって実現された専用ハードウェアであってもよい。

評価装置１１０は、対応付取得部５００と、対応関係生成部５１０と、対応関係データ記憶部５２０と、対応関係送信部５３０と、開始決定部５５０と、モデル評価受信部５６０と、工程評価部５７０と、メッセージ出力部５８０とを備える。対応付取得部５００は、サプライチェーンに含まれる１または複数の上流工程について、直接の上流側の工程から供給を受けた各生産物と、直接の下流側へと供給した当該工程の各生産物との対応付けを、１または複数の学習装置１００から受信する。また、対応付取得部５００は、１または複数の下流工程について、直接の上流側の工程から供給を受けた各生産物と、各下流生産物の品質評価との対応付けを、１または複数の製品評価装置１０５から受信する。

対応関係生成部５１０は、対応付取得部５００に接続される。対応関係生成部５１０は、対応付取得部５００が取得した各対応付けを用いて、１または複数の上流工程の各生産物と下流工程の各生産物の品質評価との対応関係を生成する。対応関係データ記憶部５２０は、対応関係生成部５１０に接続される。対応関係データ記憶部５２０は、対応関係生成部５１０により生成された対応関係のデータである対応関係データを格納する。対応関係送信部５３０は、対応関係データ記憶部５２０に接続される。対応関係送信部５３０は、対応関係生成部５１０により生成された対応関係のうち、各上流工程の生産物についての対応関係を、各上流工程に対応付けられた学習装置１００へと送信する。

開始決定部５５０は、対応関係データ記憶部５２０に接続される。開始決定部５５０は、少なくとも１つの下流生産物の品質評価を対応関係データ記憶部５２０から受取り、少なくとも１つの下流生産物の品質評価に基づいて、工程評価部５７０による少なくとも１つの上流工程の評価を開始させるか否かを決定する。

モデル評価受信部５６０は、少なくとも１つの上流工程のそれぞれについて、その工程における少なくとも１つの生産パラメータから下流生産物の品質評価を推測する推測モデルを学習により生成した学習装置１００から、推測モデルのモデル評価を受信する。ここで、モデル評価受信部５６０は、下流工程のそれぞれにも学習装置１００が設けられている場合には、下流工程の学習装置１００からも推測モデルのモデル評価を受信してよい。

工程評価部５７０は、開始決定部５５０およびモデル評価受信部５６０に接続される。工程評価部５７０は、少なくとも１つの上流工程の評価を開始させる旨の指示を開始決定部５５０から受けたことに応じて、少なくとも１つの上流工程のそれぞれについてのモデル評価に基づいて、少なくとも１つの上流工程を評価する。ここで、最下流工程の学習装置１００からも推測モデルのモデル評価を受信する場合には、工程評価部５７０は、少なくとも１つの上流工程のそれぞれについてのモデル評価に加えて下流工程についてのモデル評価に基づいて、少なくとも１つの上流工程および下流工程を評価してよい。

メッセージ出力部５８０は、工程評価部５７０に接続される。メッセージ出力部５８０は、改善すべきであると判断された上流工程または下流工程がある場合には、改善すべきであると判断された工程の改善要求メッセージを、改善すべきであると判断された工程に対応付けられた学習装置１００へと送信する。

図６は、本実施形態に係る評価装置１１０の動作フローを示す。Ｓ６００において、対応付取得部５００は、１または複数の学習装置１００から、それぞれの対象工程における、上流側の工程から供給を受けた各生産物と、下流側へと供給した当該工程の各生産物との対応付けを受信する。ここで、対応付取得部５００は、下流工程に対応付けられた学習装置１００からは、下流工程における、上流側の工程から供給を受けた各生産物と、各下流生産物の品質評価との対応付けを受信する。

Ｓ６１０において、対応関係生成部５１０は、対応付取得部５００が取得した各対応付けを用いて、１または複数の上流工程の各生産物と下流工程の各生産物の品質評価との対応関係を生成する。対応関係生成部５１０による対応関係の生成方法は、図７に関連して後述する。

Ｓ６２０において、対応関係送信部５３０は、対応関係生成部５１０により生成された対応関係を、各上流工程に対応付けられた学習装置１００へと送信する。ここで、対応関係送信部５３０は、各上流工程に対応付けられた学習装置１００に対して、全対応関係のうちその上流工程の生産物を用いて生産された下流生産物に関する対応関係を抽出して送信してよい。

Ｓ６４０において、開始決定部５５０は、工程評価を開始するか否かを決定する。本実施形態において、開始決定部５５０は、対応付取得部５００により取得されて対応関係データ記憶部５２０に記憶された少なくとも１つの下流生産物の品質評価に基づいて、工程評価を開始するか否かを決定する。開始決定部５５０は、メーカー２０ａ～ｃの下流工程毎に、直近の時刻に生産された下流生産物の品質評価、直近の予め定められた期間（１時間等）に生産された２以上の下流生産物の品質評価の平均値、直近生産された予め定められた数の下流生産物の品質評価の平均値、またはその他の下流生産物の品質評価に応じた指標値が閾値未満となったことに応じて、その下流工程に関連する工程評価を開始してもよい。

また、開始決定部５５０は、直近に生産された下流生産物の不良率が閾値を超えたことに応じて、工程評価を開始してもよい。なお、評価装置１１０に代えて、製品評価装置１０５が工程評価を開始するか否かを決定してもよく、製品評価装置１０５が工程評価の開始の指示入力を受けてもよい。

工程評価を開始しない場合、評価装置１１０は、処理をＳ６００へと進めて新たな対応付けの取得（Ｓ６００）等の情報収集を継続してよい。なお、評価装置１１０は、Ｓ６００～Ｓ６２０の処理を、工程評価の開始を決定した後（すなわちＳ６４０において「Ｙ」の場合）に行なってもよい。

工程評価を開始する場合、モデル評価受信部５６０は、工程評価の対象となる少なくとも１つの上流工程および下流工程のそれぞれについて、その工程における少なくとも１つの生産パラメータから下流生産物の品質評価を推測する推測モデルを学習により生成した学習装置１００から、推測モデルのモデル評価を受信する。Ｓ６６０において、工程評価部５７０は、工程評価の対象となる各工程についてのモデル評価に基づいて、工程評価の対象となる各工程を評価する。

ここで、工程評価部５７０は、工程評価の対象となる少なくとも１つの上流工程および下流工程のうち、モデル評価が基準値よりも大きい工程を改善すべきであると判断する。これにより、工程評価部５７０は、生産パラメータが最終生産物の品質により大きく影響を及ぼす工程を改善すべき工程であると判断することができる。工程を改善すべきか否かの判断基準となる基準値は、例えば「モデル評価＞１．０」の場合に改善要とするといった絶対的な値であってもよく、例えば「ある工程のモデル評価＞６番目に大きいモデル評価」の場合（すなわちモデル評価が上位５番目までの場合）に改善要とするといった相対的な値であってもよい。

推測モデルの確度に基づくモデル評価を用いる場合、工程評価部５７０は、推測モデルの確度が基準値よりも大きくなるようなモデル評価が与えられた上流工程または下流工程を改善すべきであると判断してよい。また、推測モデルの複雑度に基づくモデル評価を用いる場合、工程評価部５７０は、推測モデルの複雑度が基準値よりも小さくなるようなモデル評価が与えられた上流工程または下流工程を改善すべきであると判断してよい。

Ｓ６７０において、改善すべき工程がない場合（図中「Ｎ」）、評価装置１１０は、処理をＳ６００へと進めて新たな対応付けの取得（Ｓ６００）等の情報収集を継続する。Ｓ６７０において改善すべき工程がある場合（図中「Ｙ」）、メッセージ出力部５８０は、Ｓ６８０において、改善すべきであると判断された上流工程または下流工程の少なくとも１つの改善要求メッセージを、改善すべき工程に設けられた学習装置１００へと出力する。ここで、メッセージ出力部５８０は、特定の下流生産物が改善要求の対象となった場合には、その特定の下流生産物に用いられた対象工程の生産物と、その下流生産物の品質評価とを含む改善要求メッセージを送信してもよい。そして、評価装置１１０は、処理をＳ６００へと進める。

以上に示した評価装置１１０によれば、各学習装置１００から各工程について上流側から供給を受けた各生産物とその工程の各生産物との対応付けを受信して、下流工程に至るまでに１または複数の他の工程を経るような上流工程を含む各工程の生産物と下流生産物の品質評価との対応関係を生成することができる。これにより、評価装置１１０は、下流工程に対して直接上流の工程ではなくても、各工程の各生産物が、最終的にどのような品質評価を受けた下流生産物の生産に用いられたかを特定可能とすることができる。また、評価装置１１０は、各学習装置１００から受信したモデル評価を用いて、各工程の生産パラメータを取得することなしに、改善すべき工程を特定することができる。

図７は、各工程の生産物と最終生産物との対応関係の一例を示す。本図の例において、原料メーカー２０ｊは生産物Ｊ００００００１を生産する。これに応じて、学習装置１００ｊは、図３における「製品ロットＩＤ」欄を「Ｊ００００００１」、「供給元ロットＩＤ」欄および「供給元ＩＤ」欄を空欄、「生産パラメータ」欄を生産物Ｊ００００００１の生産に用いた生産パラメータの値とする生産データを生産データ記憶部２１５に格納する。同様に、原料メーカー２０ｋは生産物Ｋ００００００１を生産し、原料メーカー２０ｌは生産物Ｌ００００００１を生産する。

素材メーカー２０ｇは、生産物Ｊ００００００１、Ｋ００００００１、およびＬ０００００００１を原料として用いて生産物Ｇ００００００１を生産する。これに応じて、学習装置１００ｇは、図３における「製品ロットＩＤ」欄を「Ｇ００００００１」、「供給元ロットＩＤ」欄を「Ｊ００００００１，Ｋ００００００１，Ｌ００００００１」、「供給元ＩＤ」欄を「Ｊ，Ｋ，Ｌ」、「生産パラメータ」欄を生産物Ｇ００００００１の生産に用いた生産パラメータの値とする生産データを生産データ記憶部２１５に格納する。素材メーカー２０ｈおよび素材メーカー２０ｉも、各々必要な原料を用いて生産物Ｈ００００００１および生産物Ｉ００００００１を生産する。

部品メーカー２０ｄは、生産物Ｇ００００００１、Ｈ００００００１、およびＬ００００００１を素材として用いて生産物Ｄ００００００１を生産する。これに応じて、学習装置１００ｄは、図３における「製品ロットＩＤ」欄を「Ｄ００００００１」、「供給元ロットＩＤ」欄を「Ｇ００００００１，Ｈ００００００１，Ｉ００００００１」、「供給元ＩＤ」欄を「Ｇ，Ｈ，Ｉ」、「生産パラメータ」欄を生産物Ｄ００００００１の生産に用いた生産パラメータの値とする生産データを生産データ記憶部２１５に格納する。部品メーカー２０ｅおよび部品メーカー２０ｆも、各々必要な原料を用いて生産物Ｅ００００００１および生産物Ｆ００００００１を生産する。

製品メーカー２０ａは、生産物Ｄ００００００１、Ｅ００００００１、およびＦ００００００１を部品として用いて生産物Ａ００００００１を生産する。これに応じて、製品評価装置１０５ａは、図３における「製品ロットＩＤ」欄を「Ａ００００００１」、「供給元ロットＩＤ」欄を「Ｄ００００００１，Ｅ００００００１，Ｆ００００００１」、「供給元ＩＤ」欄を「Ｄ，Ｅ，Ｆ」、「生産パラメータ」欄を生産物Ａ００００００１の生産に用いた生産パラメータの値とする生産データを格納する。

本図の例において、学習装置１００ｇは、上流側からの生産物Ｊ００００００１、Ｋ００００００１、およびＬ００００００１と、下流側へと供給した生産物Ｇ００００００１との対応付けを評価装置１１０へと送信する。学習装置１００ｄは、上流側からの生産物Ｇ００００００１、Ｈ００００００１、およびＩ００００００１と、下流側へと供給した生産物Ｄ００００００１との対応付けを評価装置１１０へと送信する。製品評価装置１０５ａは、上流側からの生産物Ｄ００００００１、Ｅ００００００１、およびＦ００００００１と、生産物Ａ００００００１の品質評価との対応付けを評価装置１１０へと送信する。

学習装置１００ｄ～ｆおよび製品評価装置１０５ａから各工程における生産物の対応付けを受けて、評価装置１１０の対応関係生成部５１０は、各工程の生産物と下流工程の生産物の品質評価との対応関係を生成する。本図の例において、対応関係生成部５１０は、学習装置１００ａから受け取った対応付けに生産物Ａ００００００１の生産に生産物Ｄ００００００１が用いられたことが示されているので、生産物Ｄ００００００１と生産物Ａ００００００１の品質評価とが対応すると判断する。

また、対応関係生成部５１０は、学習装置１００ａから受け取った対応付けに、生産物Ａ００００００１の生産に生産物Ｄ００００００１が用いられたことが示されており、学習装置１００ｄから受け取った対応付けに、生産物Ｄ００００００１の生産に生産物Ｇ００００００１が用いられたことが示されているので、生産物Ｇ００００００１と生産物Ａ００００００１の品質評価とが対応すると判断する。

このように、対応関係生成部５１０は、最終生産物Ａ００００００１の生産に用いられた生産物Ｄ００００００１等について、更にその生産物Ｄ００００００１の生産に用いられたより上流の生産物Ｇ００００００１等を特定し、更に上流に遡っていくことにより、各上流工程における生産物Ｄ００００００１～Ｌ００００００１が最終生産物Ａ００００００１の生産に用いられたものであるという対応関係を生成することができる。

対応関係生成部５１０は、各工程における生産物同士の対応付けに含まれる各生産物をノードとし、生産物間の対応付けをエッジとする図７に示したようなグラフ構造を生成してもよい。そして、対応関係生成部５１０は、ある上流工程の生産物Ｘに対応するノードから１または複数のエッジを辿って最終生産物Ｙに対応するノードへと至る経路が存在する場合に、生産物Ｘが最終生産物Ｙの生産に用いられたという対応関係を生成することができる。

評価装置１１０は、以上に示した機能に加えて、改善要求メッセージを受けた学習装置１００が少なくとも１つの要因パラメータを改善したことに伴って、下流生産物の品質評価の増加有無、または品質評価の増加量を検出する機能を備えてもよい。例えば、評価装置１１０は、下流生産物の品質評価の平均または歩留まり等を用いて品質評価の増加有無等を検出してよい。更に、評価装置１１０は、下流生産物の品質評価が改善前よりも増加したこと、または品質評価の増加量が閾値を超えたことに応じて、要因パラメータの改善に伴う下流生産物の品質向上に対するインセンティブを、例えばポイントまたは暗号資産を付与する等により、要因パラメータの改善を行なった工程を担当するメーカー２０が使用するコンピュータのアカウント等に対して発行してもよい。

また、以上に示した評価システム１０は、最終生産物の品質改善のみならず、最終生産物の生産コスト削減にも利用することができる。最終生産物の生産コスト削減に利用する場合、評価装置１１０の工程評価部５７０は、モデル評価が基準値よりも小さい工程を改善すべきであると判断してよい。これにより、工程評価部５７０は、生産パラメータが最終生産物の品質に大きく影響を及ぼさない工程を、生産コスト低減のために変更しても問題ない工程であると判断することができる。

これに応じて、学習装置１００のパラメータ選択部２６０は、対象工程における１または複数の生産パラメータの中から、改善要求に応じて生産コスト低減のために変更してよい少なくとも１つの生産パラメータを選択する。パラメータ選択部２６０は、図４のＳ４７０に示した動作とは逆に、１または複数の生産パラメータの中で品質に対する影響が予め定められた閾値未満の生産パラメータを変更可能な生産パラメータとして選択する。品質評価推測部２６５は、変更可能として選択された生産パラメータを調整した場合に、対象工程の各生産物を用いて下流工程で生産された下流生産物の品質評価がどう変化するか、および対象工程の生産物の生産コストをどの程度削減できるかを推測する。品質評価推測部２６５は、下流生産物の品質評価の低下量を閾値未満に抑え、かつ生産コストの削減効果が閾値を超えるように、変更可能として選択された生産パラメータを変更してよい。

本発明の様々な実施形態は、フローチャートおよびブロック図を参照して記載されてよく、ここにおいてブロックは、（１）操作が実行されるプロセスの段階または（２）操作を実行する役割を持つ装置のセクションを表わしてよい。特定の段階およびセクションが、専用回路、コンピュータ可読媒体上に格納されるコンピュータ可読命令と共に供給されるプログラマブル回路、および／またはコンピュータ可読媒体上に格納されるコンピュータ可読命令と共に供給されるプロセッサによって実装されてよい。専用回路は、デジタルおよび／またはアナログハードウェア回路を含んでよく、集積回路（ＩＣ）および／またはディスクリート回路を含んでよい。プログラマブル回路は、論理ＡＮＤ、論理ＯＲ、論理ＸＯＲ、論理ＮＡＮＤ、論理ＮＯＲ、および他の論理操作、フリップフロップ、レジスタ、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、プログラマブルロジックアレイ（ＰＬＡ）等のようなメモリ要素等を含む、再構成可能なハードウェア回路を含んでよい。

コンピュータ可読媒体は、適切なデバイスによって実行される命令を格納可能な任意の有形なデバイスを含んでよく、その結果、そこに格納される命令を有するコンピュータ可読媒体は、フローチャートまたはブロック図で指定された操作を実行するための手段を作成すべく実行され得る命令を含む、製品を備えることになる。コンピュータ可読媒体の例としては、電子記憶媒体、磁気記憶媒体、光記憶媒体、電磁記憶媒体、半導体記憶媒体等が含まれてよい。コンピュータ可読媒体のより具体的な例としては、フロッピー（登録商標）ディスク、ディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、消去可能プログラマブルリードオンリメモリ（ＥＰＲＯＭまたはフラッシュメモリ）、電気的消去可能プログラマブルリードオンリメモリ（ＥＥＰＲＯＭ）、静的ランダムアクセスメモリ（ＳＲＡＭ）、コンパクトディスクリードオンリメモリ（ＣＤ-ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、ブルーレイ（登録商標）ディスク、メモリスティック、集積回路カード等が含まれてよい。

コンピュータ可読命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、またはＳｍａｌｌｔａｌｋ（登録商標）、ＪＡＶＡ（登録商標）、Ｃ＋＋等のようなオブジェクト指向プログラミング言語、および「Ｃ」プログラミング言語または同様のプログラミング言語のような従来の手続型プログラミング言語を含む、１または複数のプログラミング言語の任意の組み合わせで記述されたソースコードまたはオブジェクトコードのいずれかを含んでよい。

コンピュータ可読命令は、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のコンピュータ等のプログラム可能なデータ処理装置のプロセッサまたはプログラマブル回路に対し、ローカルにまたはローカルエリアネットワーク（ＬＡＮ）、インターネット等のようなワイドエリアネットワーク（ＷＡＮ）を介して提供され、フローチャートまたはブロック図で指定された操作を実行するための手段を作成すべく、コンピュータ可読命令を実行してよい。プロセッサの例としては、コンピュータプロセッサ、処理ユニット、マイクロプロセッサ、デジタル信号プロセッサ、コントローラ、マイクロコントローラ等を含む。

図８は、本発明の複数の態様が全体的または部分的に具現化されてよいコンピュータ２２００の例を示す。コンピュータ２２００にインストールされたプログラムは、コンピュータ２２００に、本発明の実施形態に係る装置に関連付けられる操作または当該装置の１または複数のセクションとして機能させることができ、または当該操作または当該１または複数のセクションを実行させることができ、および／またはコンピュータ２２００に、本発明の実施形態に係るプロセスまたは当該プロセスの段階を実行させることができる。そのようなプログラムは、コンピュータ２２００に、本明細書に記載のフローチャートおよびブロック図のブロックのうちのいくつかまたはすべてに関連付けられた特定の操作を実行させるべく、ＣＰＵ２２１２によって実行されてよい。

本実施形態によるコンピュータ２２００は、ＣＰＵ２２１２、ＲＡＭ２２１４、グラフィックコントローラ２２１６、およびディスプレイデバイス２２１８を含み、それらはホストコントローラ２２１０によって相互に接続されている。コンピュータ２２００はまた、通信インターフェイス２２２２、ハードディスクドライブ２２２４、ＤＶＤ－ＲＯＭドライブ２２２６、およびＩＣカードドライブのような入／出力ユニットを含み、それらは入／出力コントローラ２２２０を介してホストコントローラ２２１０に接続されている。コンピュータはまた、ＲＯＭ２２３０およびキーボード２２４２のようなレガシの入／出力ユニットを含み、それらは入／出力チップ２２４０を介して入／出力コントローラ２２２０に接続されている。

ＣＰＵ２２１２は、ＲＯＭ２２３０およびＲＡＭ２２１４内に格納されたプログラムに従い動作し、それにより各ユニットを制御する。グラフィックコントローラ２２１６は、ＲＡＭ２２１４内に提供されるフレームバッファ等またはそれ自体の中にＣＰＵ２２１２によって生成されたイメージデータを取得し、イメージデータがディスプレイデバイス２２１８上に表示されるようにする。

通信インターフェイス２２２２は、ネットワークを介して他の電子デバイスと通信する。ハードディスクドライブ２２２４は、コンピュータ２２００内のＣＰＵ２２１２によって使用されるプログラムおよびデータを格納する。ＤＶＤ－ＲＯＭドライブ２２２６は、プログラムまたはデータをＤＶＤ－ＲＯＭ２２０１から読み取り、ハードディスクドライブ２２２４にＲＡＭ２２１４を介してプログラムまたはデータを提供する。ＩＣカードドライブは、プログラムおよびデータをＩＣカードから読み取り、および／またはプログラムおよびデータをＩＣカードに書き込む。

ＲＯＭ２２３０はその中に、アクティブ化時にコンピュータ２２００によって実行されるブートプログラム等、および／またはコンピュータ２２００のハードウェアに依存するプログラムを格納する。入／出力チップ２２４０はまた、様々な入／出力ユニットをパラレルポート、シリアルポート、キーボードポート、マウスポート等を介して、入／出力コントローラ２２２０に接続してよい。

プログラムが、ＤＶＤ－ＲＯＭ２２０１またはＩＣカードのようなコンピュータ可読媒体によって提供される。プログラムは、コンピュータ可読媒体から読み取られ、コンピュータ可読媒体の例でもあるハードディスクドライブ２２２４、ＲＡＭ２２１４、またはＲＯＭ２２３０にインストールされ、ＣＰＵ２２１２によって実行される。これらのプログラム内に記述される情報処理は、コンピュータ２２００に読み取られ、プログラムと、上記様々なタイプのハードウェアリソースとの間の連携をもたらす。装置または方法が、コンピュータ２２００の使用に従い情報の操作または処理を実現することによって構成されてよい。

例えば、通信がコンピュータ２２００および外部デバイス間で実行される場合、ＣＰＵ２２１２は、ＲＡＭ２２１４にロードされた通信プログラムを実行し、通信プログラムに記述された処理に基づいて、通信インターフェイス２２２２に対し、通信処理を命令してよい。通信インターフェイス２２２２は、ＣＰＵ２２１２の制御下、ＲＡＭ２２１４、ハードディスクドライブ２２２４、ＤＶＤ－ＲＯＭ２２０１、またはＩＣカードのような記録媒体内に提供される送信バッファ処理領域に格納された送信データを読み取り、読み取られた送信データをネットワークに送信し、またはネットワークから受信された受信データを記録媒体上に提供される受信バッファ処理領域等に書き込む。

また、ＣＰＵ２２１２は、ハードディスクドライブ２２２４、ＤＶＤ－ＲＯＭドライブ２２２６（ＤＶＤ－ＲＯＭ２２０１）、ＩＣカード等のような外部記録媒体に格納されたファイルまたはデータベースの全部または必要な部分がＲＡＭ２２１４に読み取られるようにし、ＲＡＭ２２１４上のデータに対し様々なタイプの処理を実行してよい。ＣＰＵ２２１２は次に、処理されたデータを外部記録媒体にライトバックする。

様々なタイプのプログラム、データ、テーブル、およびデータベースのような様々なタイプの情報が記録媒体に格納され、情報処理を受けてよい。ＣＰＵ２２１２は、ＲＡＭ２２１４から読み取られたデータに対し、本開示の随所に記載され、プログラムの命令シーケンスによって指定される様々なタイプの操作、情報処理、条件判断、条件分岐、無条件分岐、情報の検索／置換等を含む、様々なタイプの処理を実行してよく、結果をＲＡＭ２２１４に対しライトバックする。また、ＣＰＵ２２１２は、記録媒体内のファイル、データベース等における情報を検索してよい。例えば、各々が第２の属性の属性値に関連付けられた第１の属性の属性値を有する複数のエントリが記録媒体内に格納される場合、ＣＰＵ２２１２は、第１の属性の属性値が指定される、条件に一致するエントリを当該複数のエントリの中から検索し、当該エントリ内に格納された第２の属性の属性値を読み取り、それにより予め定められた条件を満たす第１の属性に関連付けられた第２の属性の属性値を取得してよい。

上で説明したプログラムまたはソフトウェアモジュールは、コンピュータ２２００上またはコンピュータ２２００近傍のコンピュータ可読媒体に格納されてよい。また、専用通信ネットワークまたはインターネットに接続されたサーバーシステム内に提供されるハードディスクまたはＲＡＭのような記録媒体が、コンピュータ可読媒体として使用可能であり、それによりプログラムを、ネットワークを介してコンピュータ２２００に提供する。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更または改良を加えることが可能であることが当業者に明らかである。その様な変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

特許請求の範囲、明細書、および図面中において示した装置、システム、プログラム、および方法における動作、手順、ステップ、および段階等の各処理の実行順序は、特段「より前に」、「先立って」等と明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。特許請求の範囲、明細書、および図面中の動作フローに関して、便宜上「まず、」、「次に、」等を用いて説明したとしても、この順で実施することが必須であることを意味するものではない。

１０ 評価システム、２０ａ～ｌ メーカー、３０ 設備、１００ｄ～ｌ 学習装置、１０５ａ～ｃ 製品評価装置、１１０ 評価装置、２１０ 生産管理部、２１５ 生産データ記憶部、２２０ 対応付送信部、２２５ 対応関係受信部、２３５ 学習処理部、２４０ 推測モデル記憶部、２４５ 算出部、２５０ モデル評価送信部、２５５ 改善要求受信部、２６０ パラメータ選択部、２６５ 品質評価推測部、５００ 対応付取得部、５１０ 対応関係生成部、５２０ 対応関係データ記憶部、５３０ 対応関係送信部、５５０ 開始決定部、５６０ モデル評価受信部、５７０ 工程評価部、５８０ メッセージ出力部、２２００ コンピュータ、２２０１ ＤＶＤ－ＲＯＭ、２２１０ ホストコントローラ、２２１２ ＣＰＵ、２２１４ ＲＡＭ、２２１６ グラフィックコントローラ、２２１８ ディスプレイデバイス、２２２０ 入／出力コントローラ、２２２２ 通信インターフェイス、２２２４ ハードディスクドライブ、２２２６ ＤＶＤ－ＲＯＭドライブ、２２３０ ＲＯＭ、２２４０ 入／出力チップ、２２４２ キーボード

Claims (14)

1. 対象とする対象工程の各生産物と、前記対象工程の各生産物を用いて下流工程で生産された各下流生産物の品質評価との対応関係を受信する対応関係受信部と、
   前記対象工程の各生産物の生産についての少なくとも１つの生産パラメータ、および前記対象工程の各生産物を用いて生産された各下流生産物の品質評価を用いて、前記少なくとも１つの生産パラメータから下流生産物の品質評価を推測する推測モデルを学習により生成する学習処理部と、
   前記推測モデルの確度または複雑度の少なくとも１つに基づくモデル評価を算出する算出部と、
   前記下流工程よりも上流の少なくとも１つの上流工程のそれぞれについてのモデル評価を用いて前記少なくとも１つの上流工程を評価する評価装置に対して、前記算出部が算出したモデル評価を送信するモデル評価送信部と
   を備える学習装置。
2. 前記評価装置が、前記少なくとも１つの上流工程のそれぞれについてのモデル評価に基づいて前記対象工程を改善すべきであると判断したことに応じて送信する、改善要求メッセージを受信する改善要求受信部を更に備える請求項１に記載の学習装置。
3. 前記改善要求メッセージが受信されたことに応じて、前記対象工程における前記少なくとも１つの生産パラメータの中から、調整すべき生産パラメータを選択するパラメータ選択部を更に備える請求項２に記載の学習装置。
4. 前記パラメータ選択部により選択された生産パラメータを調整した場合における、前記対象工程の各生産物を用いて下流工程で生産された下流生産物の品質評価を推測する品質評価推測部を更に備える請求項３に記載の学習装置。
5. 少なくとも１つの上流工程のそれぞれについて、当該上流工程による各上流生産物の生産についての少なくとも１つの生産パラメータ、および当該上流工程の各上流生産物を用いて生産された各下流生産物の品質評価を用いて、前記少なくとも１つの生産パラメータから下流生産物の品質評価を推測する推測モデルを学習により生成する学習装置から、前記推測モデルの確度または複雑度の少なくとも１つに基づくモデル評価を受信するモデル評価受信部と、
   前記少なくとも１つの上流工程のそれぞれについての前記モデル評価に基づいて、前記少なくとも１つの上流工程を評価する工程評価部と
   を備える評価装置。
6. 前記工程評価部は、前記少なくとも１つの上流工程のうち、前記推測モデルの確度が基準値よりも大きい、または複雑度が基準値よりも小さいモデル評価が与えられた上流工程を、改善すべきであると判断する請求項５に記載の評価装置。
7. 改善すべきであると判断された上流工程の改善要求メッセージを出力するメッセージ出力部を更に備える請求項６に記載の評価装置。
8. 前記少なくとも１つの上流工程のそれぞれの工程について、上流側の工程から供給を受けた各生産物と、下流側へと供給した当該工程の各生産物との対応付けを取得する対応付取得部と、
   前記対応付取得部が取得した各対応付けを用いて、前記少なくとも１つの上流工程の各生産物と各下流生産物の品質評価との対応関係を生成する対応関係生成部と、
   前記対応関係を前記学習装置へと送信する対応関係送信部と
   を更に備える請求項５から７のいずれか一項に記載の評価装置。
9. 少なくとも１つの下流生産物の品質評価に基づいて、前記工程評価部による前記少なくとも１つの上流工程の評価を開始させるか否かを決定する開始決定部を更に備える請求項５から８のいずれか一項に記載の評価装置。
10. 少なくとも１つの上流工程のそれぞれを対象工程とする、請求項１から４のいずれか一項に記載の少なくとも１つの学習装置と、
    請求項５から９のいずれか一項に記載の評価装置と
    を備える評価システム。
11. 学習装置が、対象とする対象工程の各生産物と、前記対象工程の各生産物を用いて下流工程で生産された各下流生産物の品質評価との対応関係を受信し、
    前記学習装置が、前記対象工程の各生産物の生産についての少なくとも１つの生産パラメータ、および前記対象工程の各生産物を用いて生産された各下流生産物の品質評価を用いて、前記少なくとも１つの生産パラメータから下流生産物の評価を推測する推測モデルを学習により生成し、
    前記学習装置が、前記推測モデルの確度または複雑度の少なくとも１つに基づくモデル評価を算出し、
    前記学習装置が、前記下流工程よりも上流の少なくとも１つの上流工程のそれぞれについてのモデル評価を用いて前記少なくとも１つの上流工程を評価する評価装置に対して、算出されたモデル評価を送信する
    学習方法。
12. コンピュータにより実行され、前記コンピュータを、
    対象とする対象工程の各生産物と、前記対象工程の各生産物を用いて下流工程で生産された各下流生産物の品質評価との対応関係を受信する対応関係受信部と、
    前記対象工程の各生産物の生産についての少なくとも１つの生産パラメータ、および前記対象工程の各生産物を用いて生産された各下流生産物の品質評価を用いて、前記少なくとも１つの生産パラメータから下流生産物の評価を推測する推測モデルを学習により生成する学習処理部と、
    前記推測モデルの確度または複雑度の少なくとも１つに基づくモデル評価を算出する算出部と、
    前記下流工程よりも上流の少なくとも１つの上流工程のそれぞれについてのモデル評価を用いて前記少なくとも１つの上流工程を評価する評価装置に対して、前記算出部が算出したモデル評価を送信するモデル評価送信部と
    して機能させる学習プログラム。
13. 評価装置が、少なくとも１つの上流工程のそれぞれについて、当該上流工程による各上流生産物の生産についての少なくとも１つの生産パラメータ、および当該上流工程の各上流生産物を用いて生産された各下流生産物の品質評価を用いて、前記少なくとも１つの生産パラメータから下流生産物の品質評価を推測する推測モデルを学習により生成する学習装置から、前記推測モデルの確度または複雑度の少なくとも１つに基づくモデル評価を受信し、
    評価装置が、前記少なくとも１つの上流工程のそれぞれについての前記モデル評価に基づいて、前記少なくとも１つの上流工程を評価する
    評価方法。
14. コンピュータにより実行され、前記コンピュータを、
    少なくとも１つの上流工程のそれぞれについて、当該上流工程による各上流生産物の生産についての少なくとも１つの生産パラメータ、および当該上流工程の各上流生産物を用いて生産された各下流生産物の品質評価を用いて、前記少なくとも１つの生産パラメータから下流生産物の品質評価を推測する推測モデルを学習により生成する学習装置から、前記推測モデルの確度または複雑度の少なくとも１つに基づくモデル評価を受信するモデル評価受信部と、
    前記少なくとも１つの上流工程のそれぞれについての前記モデル評価に基づいて、前記少なくとも１つの上流工程を評価する工程評価部と
    して機能させる評価プログラム。

Images