JP2023084567A - 可視化装置、可視化方法および可視化プログラム - Google Patents

Abstract

【課題】機械学習モデルの目的変数の変化の要因となる説明変数の変化を確認して、ユーザの知見やノウハウに基づいて最適な機械学習モデルを選択可能とする。【解決手段】取得部１５ａが、時系列データを取得する。生成部１５ｂが、取得された時系列データを用いて学習して、パラメータの値が異なる複数のモデルを生成する。提示部１５ｃが、生成された各モデルについて、各説明変数と目的変数との要因関係を時系列に提示する。【選択図】図１

Description

本発明は、可視化装置、可視化方法および可視化プログラムに関する。

近年、プラントをはじめとした都市空間の様々な場所において発生するセンサ等の時系列データの特徴を学習した機械学習モデルを活用する技術が期待されている。従来、実際に適用する機械学習モデルは、予測精度等の統計的な指標に基づいて選択されている。

特開２０１９－１８５１９４号公報

しかしながら、統計的な指標に基づいて選択された機械学習モデルが、最適な機械学習モデルであると現場で納得されるとは限らない。例えば、現場では、知見やノウハウに基づいて機械学習モデルの目的変数の変化の要因となる説明変数の変化を確認することにより、最適な機械学習モデルであると納得される傾向にある。

本発明は、上記に鑑みてなされたものであって、機械学習モデルの目的変数の変化の要因となる説明変数の変化を確認して、ユーザの知見やノウハウに基づいて最適な機械学習モデルを選択可能とすることを目的とする。

上述した課題を解決し、目的を達成するために、本発明に係る可視化装置は、時系列データを取得する取得部と、取得された前記時系列データを用いて学習して複数のモデルを生成する生成部と、生成された各モデルについて、各説明変数と目的変数との要因関係を時系列に提示する提示部と、を有することを特徴とする。

本発明によれば、機械学習モデルの目的変数の変化の要因となる説明変数の変化を確認して、ユーザの知見やノウハウに基づいて最適な機械学習モデルを選択することが可能となる。

図１は、可視化装置の概略構成を例示する模式図である。 図２は、提示部の処理を説明するための図である。 図３は、提示部の処理を説明するための図である。 図４は、可視化処理手順を例示するフローチャートである。 図５は、可視化プログラムを実行するコンピュータを例示する図である。

以下、図面を参照して、本発明の一実施形態を詳細に説明する。なお、この実施形態により本発明が限定されるものではない。また、図面の記載において、同一部分には同一の符号を付して示している。

［可視化装置の構成］
図１は、可視化装置の概略構成を例示する模式図である。図１に例示するように、可視化装置１０は、パソコン等の汎用コンピュータで実現され、入力部１１、出力部１２、通信制御部１３、記憶部１４、および制御部１５を備える。

入力部１１は、キーボードやマウス等の入力デバイスを用いて実現され、操作者による入力操作に対応して、制御部１５に対して処理開始などの各種指示情報を入力する。出力部１２は、液晶ディスプレイなどの表示装置、プリンター等の印刷装置等によって実現される。

通信制御部１３は、ＮＩＣ（Network Interface Card）等で実現され、ネットワークを介した外部の装置と制御部１５との通信を制御する。例えば、通信制御部１３は、後述する可視化処理の処理対象の時系列データを出力するセンサや時系列データを管理する管理装置等と制御部１５との通信を制御する。

記憶部１４は、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。記憶部１４には、可視化装置１０を動作させる処理プログラムや、処理プログラムの実行中に使用されるデータなどが予め記憶され、あるいは処理の都度一時的に記憶される。

本実施形態において、記憶部１４には、例えば、後述する可視化処理で生成されるモデルやモデルのパラメータ等が記憶される。なお、記憶部１４は、通信制御部１３を介して制御部１５と通信する構成でもよい。

制御部１５は、ＣＰＵ（Central Processing Unit）等を用いて実現され、メモリに記憶された処理プログラムを実行する。これにより、制御部１５は、図１に例示するように、取得部１５ａ、生成部１５ｂ、提示部１５ｃ、算出部１５ｄおよび特定部１５ｅとして機能する。なお、これらの機能部は、それぞれあるいは一部が、異なるハードウェアに実装されてもよい。例えば、生成部１５ｂは、他の機能部とは別の装置に実装されてもよい。また、制御部１５は、その他の機能部を備えてもよい。

取得部１５ａは、時系列データを取得する。例えば、取得部１５ａは、後述する可視化処理の対象とするセンサ値等の時系列データを、入力部１１を介して、あるいは、センサから、またはセンサ値を管理する管理装置等から、通信制御部１３を介して取得する。

生成部１５ｂは、取得された時系列データを用いて学習して、パラメータの値が異なる複数のモデルを生成する。具体的には、生成部１５ｂは、取得された時系列データを教師データとして用いて、複数の説明変数から目的変数を予測するモデルを、パラメータの値を変えて複数生成する。

提示部１５ｃは、生成された各モデルについて、各説明変数と目的変数との要因関係を時系列に提示する。ここで、図２および図３は、提示部１５ｃの処理を説明するための図である。例えば、提示部１５ｃは、図２に例示するように、各モデルの各説明変数の値と、モデルを用いて予測される目的変数の値との要因関係の時系列変化をユーザに提示する。なお、要因関係には、相関や、行為の因果関係を表すアトリビューション等を含む。

図２には、モデル１、モデル２、…、モデルＮの各モデルについて、説明変数の値として特徴量Ａ、Ｂ、…Ｉのそれぞれと、目的変数との要因関係の時系列変化が例示されている。図２に示す例では、要因関係が大きいほど濃い色で表示されている。提示部１５ｃは、各モデルの各説明変数と目的変数との要因関係を、出力部１２あるいは通信制御部１３を介してユーザ端末等に出力して、ユーザに提示する。

ユーザは、提示された結果を確認することにより、各モデルにおいて目的変数の変化の要因となっている説明変数を確認することが可能となる。したがって、ユーザが自身の知見やノウハウに則ったモデルを確認したり選択したりすることが可能となる。

また、提示部１５ｃは、各モデルについてのユーザによる評価値の入力を受け付けてもよい。例えば、ユーザは、自身の知見やノウハウに近いモデルほど高い評価値となるように、評価値を指定して入力する。これにより、知見やノウハウのあるユーザの納得感に応じて高い評価値が設定される。

提示部１５ｃは、各モデルについて、図３に例示するように、各説明変数の間の因果関係をさらに提示してもよい。図３に示す例では、各モデルの各説明変数と目的変数との要因関係に加え、各説明変数間の因果関係を表す因果グラフと、モデルの予測結果の時系列変化とが提示されている。これにより、ユーザはより詳細に各説明変数と目的変数との要因関係を確認して、ユーザが自身の知見やノウハウに則った最適なモデルを確認したり選択したりすることがより容易に可能となる。

図１の説明に戻る。算出部１５ｄは、提示された各説明変数と目的変数との要因関係の時系列方向の変化の滑らかさ表す評価値を算出する。

ここで、説明変数の目的変数との要因関係の時系列方向の変化が滑らかであるほど、目的変数の変化の要因として実感しやすく、知見のあるユーザの納得感が高くなるものと考えられる。したがって、目的変数との要因関係の時系列方向の変化が滑らかな説明変数を、目的変数の変化の大きな要因として評価することにより、ユーザの納得感が高い説明変数を高く評価できるものと考えられる。

そこで、算出部１５ｄは、各説明変数の目的変数との要因関係の時系列方向の変化の滑らかさを評価値として算出する。例えば、算出部１５ｄは、時系列データの隣接する時刻の要因関係の変化が小さいほど、変化の滑らかさを表す評価値が高くなるように、評価値を算出する。図２に示した例では、色の変化が滑らかなほど、評価値が高くなる。

これにより、目的変数との要因関係の時系列方向の変化が滑らかな説明変数を、目的変数の変化の大きな要因として評価することが可能となる。したがって、ユーザが知見やノウハウに基づいて納得感が高いモデルを客観的に評価することが可能となる。

特定部１５ｅは、評価値に基づいてモデルを選択する。具体的には、特定部１５ｅは、ユーザにより入力された評価値または算出された評価値に基づいて、例えば評価値が最大であるモデルを最適なモデルとして選択する。そして、特定部１５ｅは、選択したモデルを、出力部１２あるいは通信制御部１３を介してユーザ端末等に出力する。

なお、実環境では、必ずしも１つのモデルが特定されなくてもよく、複数のモデルが適用され並走してもよい。あるいは、状況に応じてモデルが切り替えられて適用されもよい。

［可視化処理手順］
次に、図４を参照して、本実施形態に係る可視化装置１０による可視化処理の一例について説明する。図４は、可視化処理手順を例示するフローチャートである。図４のフローチャートは、例えば、可視化処理の開始を指示する入力があったタイミングで開始される。

まず、取得部１５ａが、時系列データを取得する。例えば、取得部１５ａは、可視化処理の対象とするセンサ値等の時系列データを取得する（ステップＳ１）。

次に、生成部１５ｂが、取得された時系列データを用いて学習して、パラメータの値が異なる複数のモデルを生成する（ステップＳ２）。具体的には、生成部１５ｂは、取得された時系列データを教師データとして用いて、複数の説明変数から目的変数を予測するモデルを、パラメータの値を変えて複数生成する。

次に、提示部１５ｃが、生成された各モデルについて、各説明変数と目的変数との要因関係を時系列に提示する（ステップＳ３）。例えば、提示部１５ｃは、各モデルの各説明変数の値と、モデルを用いて予測される目的変数の値との要因関係の時系列変化をユーザに提示する。

そして、可視化装置１０は、各モデルを評価する（ステップＳ４）。例えば、提示部１５ｃが、ユーザによる評価値の入力を受け付ける。あるいは、算出部１５ｄが、変化の滑らかさを表す評価値を算出する。

また、特定部１５ｅが、評価値に基づいてモデルを選択する。例えば、評価値が最も高いものを最適なモデルとして選択する。これにより、一連の可視化処理が終了する。

［効果］
以上、説明したように、上記実施形態の可視化装置１０では、取得部１５ａが、時系列データを取得する。また、生成部１５ｂが、取得された時系列データを用いて学習して、パラメータの値が異なる複数のモデルを生成する。また、提示部１５ｃが、生成された各モデルについて、各説明変数と目的変数との要因関係を時系列に提示する。

これにより、例えば、プラント等の現場のユーザが、各モデルにおいて目的変数の変化の要因となっている説明変数を確認することが可能となる。したがって、ユーザが自身の知見やノウハウに基づいて最適なモデルを確認したり選択したりすることが可能となる。また、開発者が最適なモデルを選択してユーザに提示するより短期間のうちに、ユーザにモデルを提示して選択してもらうことが可能となる。

また、提示部１５ｃが、各モデルについてのユーザによる評価値の入力を受け付ける。これにより、ユーザの知見やノウハウを反映して各モデルを評価することが可能となる。

また、提示部１５ｃは、各モデルについて、各説明変数の間の因果関係をさらに提示する。これにより、これにより、ユーザが、より詳細に各説明変数と目的変数との要因関係を確認して、ユーザが自身の知見やノウハウに則った最適なモデルを確認したり選択したりすることがさらに容易に可能となる。

また、算出部１５ｄは、提示された各説明変数と目的変数との要因関係の時系列方向の変化の滑らかさ表す評価値を算出する。これにより、例えば、目的変数との要因関係の時系列方向の変化が滑らかな説明変数を、目的変数の変化の大きな要因として評価することができる。したがって、ユーザが知見やノウハウに基づいて納得できるモデルを最適なモデルとして客観的に評価することが可能となる。

［システム構成等］
図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。さらに、各装置にて行なわれる各処理機能は、その全部または任意の一部が、ＣＰＵやＧＰＵおよび当該ＣＰＵやＧＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。

また、本実施形態において説明した各処理のうち、自動的におこなわれるものとして説明した処理の全部または一部を手動的におこなうこともでき、あるいは、手動的におこなわれるものとして説明した処理の全部または一部を公知の方法で自動的におこなうこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。

［プログラム］
上記実施形態において説明した可視化装置が実行する処理をコンピュータが実行可能な言語で記述したプログラムを作成することもできる。例えば、実施形態に係る可視化装置１０が実行する処理をコンピュータが実行可能な言語で記述したプログラムを作成することもできる。この場合、コンピュータがプログラムを実行することにより、上記実施形態と同様の効果を得ることができる。さらに、かかるプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータに読み込ませて実行することにより上記実施形態と同様の処理を実現してもよい。

図５は、可視化プログラムを実行するコンピュータの一例を示す図である。コンピュータ１０００は、例えば、メモリ１０１０と、ＣＰＵ１０２０と、ハードディスクドライブインタフェース１０３０と、ディスクドライブインタフェース１０４０と、シリアルポートインタフェース１０５０と、ビデオアダプタ１０６０と、ネットワークインタフェース１０７０とを有する。これらの各部は、バス１０８０によって接続される。

メモリ１０１０は、ＲＯＭ（Read Only Memory）１０１１およびＲＡＭ１０１２を含む。ＲＯＭ１０１１は、例えば、ＢＩＯＳ（Basic Input Output System）等のブートプログラムを記憶する。ハードディスクドライブインタフェース１０３０は、ハードディスクドライブ１０３１に接続される。ディスクドライブインタフェース１０４０は、ディスクドライブ１０４１に接続される。ディスクドライブ１０４１には、例えば、磁気ディスクや光ディスク等の着脱可能な記憶媒体が挿入される。シリアルポートインタフェース１０５０には、例えば、マウス１０５１およびキーボード１０５２が接続される。ビデオアダプタ１０６０には、例えば、ディスプレイ１０６１が接続される。

ここで、ハードディスクドライブ１０３１は、例えば、ＯＳ１０９１、アプリケーションプログラム１０９２、プログラムモジュール１０９３およびプログラムデータ１０９４を記憶する。上記実施形態で説明した各情報は、例えばハードディスクドライブ１０３１やメモリ１０１０に記憶される。

また、可視化プログラムは、例えば、コンピュータ１０００によって実行される指令が記述されたプログラムモジュール１０９３として、ハードディスクドライブ１０３１に記憶される。具体的には、上記実施形態で説明した可視化装置１０が実行する各処理が記述されたプログラムモジュール１０９３が、ハードディスクドライブ１０３１に記憶される。

また、可視化プログラムによる情報処理に用いられるデータは、プログラムデータ１０９４として、例えば、ハードディスクドライブ１０３１に記憶される。そして、ＣＰＵ１０２０が、ハードディスクドライブ１０３１に記憶されたプログラムモジュール１０９３やプログラムデータ１０９４を必要に応じてＲＡＭ１０１２に読み出して、上述した各手順を実行する。

なお、可視化プログラムに係るプログラムモジュール１０９３やプログラムデータ１０９４は、ハードディスクドライブ１０３１に記憶される場合に限られず、例えば、着脱可能な記憶媒体に記憶されて、ディスクドライブ１０４１等を介してＣＰＵ１０２０によって読み出されてもよい。あるいは、可視化プログラムに係るプログラムモジュール１０９３やプログラムデータ１０９４は、ＬＡＮ（Local Area Network）やＷＡＮ（Wide Area Network）等のネットワークを介して接続された他のコンピュータに記憶され、ネットワークインタフェース１０７０を介してＣＰＵ１０２０によって読み出されてもよい。

以上、本発明者によってなされた発明を適用した実施形態について説明したが、本実施形態による本発明の開示の一部をなす記述および図面により本発明は限定されることはない。すなわち、本実施形態に基づいて当業者等によりなされる他の実施形態、実施例および運用技術等は全て本発明の範疇に含まれる。

１０ 可視化装置
１１ 入力部
１２ 出力部
１３ 通信制御部
１４ 記憶部
１５ 制御部
１５ａ 取得部
１５ｂ 生成部
１５ｃ 提示部
１５ｄ 算出部
１５ｅ 特定部

Claims (6)

1. 時系列データを取得する取得部と、
   取得された前記時系列データを用いて学習して、パラメータの値が異なる複数のモデルを生成する生成部と、
   生成された各モデルについて、各説明変数と目的変数との要因関係を時系列に提示する提示部と、
   を有することを特徴とする可視化装置。
2. 前記提示部は、各モデルについてのユーザによる評価値の入力を受け付けることを特徴とする請求項１に記載の可視化装置。
3. 前記提示部は、各モデルについて、各説明変数の間の因果関係をさらに提示することを特徴とする請求項１に記載の可視化装置。
4. 提示された各説明変数と目的変数との要因関係の時系列方向の変化の滑らかさ表す評価値を算出する算出部をさらに有することを特徴とする請求項１に記載の可視化装置。
5. 可視化装置が実行する可視化方法であって、
   時系列データを取得する取得工程と、
   取得された前記時系列データを用いて学習して、パラメータの値が異なる複数のモデルを生成する生成工程と、
   生成された各モデルについて、各説明変数と目的変数との要因関係を時系列に提示する提示工程と、
   を含んだことを特徴とする可視化方法。
6. 時系列データを取得する取得ステップと、
   取得された前記時系列データを用いて学習して、パラメータの値が異なる複数のモデルを生成する生成ステップと、
   生成された各モデルについて、各説明変数と目的変数との要因関係を時系列に提示する提示ステップと、
   をコンピュータに実行させるための可視化プログラム。

Images