JP2023100158A - 調理スケジュール提案装置、調理スケジュール提案システム、調理スケジュール作成方法及びプログラム - Google Patents

Abstract

【課題】複数の料理を調理するための効率的な調理スケジュールを提案する。【解決手段】調理スケジュール提案装置において、献立情報取得部２１０は、ユーザにより選択された複数の料理を示す献立情報を取得する。作業時間予測部２３０は、献立情報取得部２１０により取得された献立情報に示される複数の料理のそれぞれをユーザが調理する際における作業工程毎の作業時間を、ユーザにより過去に行われた調理における作業内容と、該作業内容の作業に要した作業時間と、の間の関係を学習することにより生成された作業時間予測モデル１９０を用いて予測する。スケジュール作成部２４０は、作業時間予測部２３０により予測された作業時間に基づいて、ユーザが複数の料理を調理するための調理スケジュールを作成する。【選択図】図９

Description

本開示は、調理スケジュール提案装置、調理スケジュール提案システム、調理スケジュール作成方法及びプログラムに関する。

料理を調理するユーザを支援する技術が知られている。例えば、多くの料理本、レシピサイト等は、料理の調理工程として一品ずつの調理工程を提供している。しかしながら、一般的な献立は複数の料理を含む場合が多い。そして、複数の料理を調理する場合、一品ずつ調理すると時間がかかる。一方で、効率的に調理を進めようとするとユーザが考えながら調理する必要があるため、煩わしいという課題がある。

これに対して、特許文献１は、ユーザが複数の料理を並行して調理するための調理スケジュールを構成する手法を開示している。具体的に説明すると、特許文献１に開示された手法では、ユーザが重視する調理特性、使用する調理器具の数、ユーザの熟練度等の情報を利用して、ユーザにとって調理しやすい調理スケジュールを作成する。

特開２０１５－１６１９９４号公報

複数の料理を調理するための効率的な調理スケジュールを作成するためには、ユーザが各料理を調理するのに要する作業時間を高い精度で予測することが重要である。特許文献１に開示された手法では、ユーザの熟練度を「初心者」「中級者」及び「上級者」に分類し、熟練度に応じて作業時間を定めている。

しかしながら、ユーザの熟練度を正確に分類することは容易ではない。更には、ユーザの熟練度を正確に分類できたとしても、熟練度に対応する作業時間と実際の作業時間との誤差が大きい可能性がある。このような事情に鑑み、ユーザの作業時間を高い精度で予測して、ユーザが複数の料理を調理するためのより効率的な調理スケジュールを提案することが求められている。

本開示は、上記のような問題点を解決するためになされたものであり、複数の料理を調理するための効率的な調理スケジュールを提案することが可能な調理スケジュール提案装置等を提供することを目的とする。

上記目的を達成するために、本開示に係る調理スケジュール提案装置は、
ユーザにより選択された複数の料理を示す献立情報を取得する献立情報取得手段と、
前記献立情報取得手段により取得された前記献立情報に示される前記複数の料理のそれぞれを前記ユーザが調理する際における作業工程毎の作業時間を、前記ユーザにより過去に行われた調理における作業内容と、該作業内容の作業に要した作業時間と、の間の関係を学習することにより生成された作業時間予測モデルを用いて予測する作業時間予測手段と、
前記作業時間予測手段により予測された前記作業時間に基づいて、前記ユーザが前記複数の料理を調理するための調理スケジュールを作成するスケジュール作成手段と、を備える。

本開示では、複数の料理のそれぞれをユーザが調理する際における作業工程毎の作業時間を、ユーザにより過去に行われた調理における作業内容と、該作業内容の作業に要した作業時間と、の間の関係を学習することにより生成された作業時間予測モデルを用いて予測し、予測された作業時間に基づいて、ユーザが複数の料理を調理するための調理スケジュールを作成する。従って、本開示によれば、複数の料理を調理するための効率的な調理スケジュールを提案することができる。

実施の形態に係る調理スケジュール提案システムの全体構成を示す図 実施の形態に係るレシピ管理データベースに記憶されるレシピ情報の例を示す図 実施の形態に係る調理スケジュール提案装置の構成を示すブロック図 実施の形態に係る調理スケジュール提案装置の学習フェーズにおける機能的な構成を示すブロック図 実施の形態における作業内容特定モデルの入出力データを示す図 実施の形態における作業時間予測モデルの入出力データを示す図 実施の形態において作業時間予測モデルを生成するための教師データを示す図 実施の形態に係る調理スケジュール提案装置において実行される学習フェーズ処理の流れを示すフローチャート 実施の形態に係る調理スケジュール提案装置の活用フェーズにおける機能的な構成を示すブロック図 実施の形態において操作端末に献立を入力する例を示す図 実施の形態において各作業工程に作業時間を付与する例を示す図 実施の形態において調理スケジュールの作成手順を説明するための第１の図 実施の形態において調理スケジュールの作成手順を説明するための第２の図 実施の形態において調理スケジュールの作成手順を説明するための第３の図 実施の形態において調理スケジュールの作成手順を説明するための第４の図 実施の形態において操作端末における調理スケジュールの表示例を示す第１の図 実施の形態において操作端末における調理スケジュールの表示例を示す第２の図 実施の形態に係る調理スケジュール提案システムにおいて実行される提案処理の流れを示すシーケンス図 実施の形態に係る調理スケジュール提案装置において実行される調理スケジュール作成処理の流れを示すフローチャート

以下、実施の形態について、図面を参照しながら詳細に説明する。なお、図中同一又は相当部分には同一符号を付す。

図１に、実施の形態に係る調理スケジュール提案システム１の構成を示す。調理スケジュール提案システム１は、複数の料理を調理する調理スケジュールを提案することで、調理人であるユーザが複数の料理を効率的に調理することができるように支援するシステムである。ここで、調理スケジュールは、目的とする料理を作るために必要となる複数の作業工程とそれらの実行順序とを定めた情報である。

図１に示すように、調理スケジュール提案システム１は、操作端末１０と、調理機器２０と、センサ３０と、レシピ管理データベース４０と、調理スケジュール提案装置５０と、を備える。これら各構成要素は、有線又は無線によるネットワークを介して互いに通信可能に接続されている。

操作端末１０は、調理人であるユーザに操作される端末である。具体的には、操作端末１０は、パーソナルコンピュータ、タブレット端末、スマートフォン等である。操作端末１０は、図示を省略するが、ＣＰＵ、ＲＯＭ及びＲＡＭを含む制御部と、読み書き可能な不揮発性メモリと、液晶ディスプレイ、有機ＥＬ（Electro Luminescence）ディスプレイ等の表示部と、タッチパネル、キーボード等の操作部と、通信インタフェースと、を備える。

調理機器２０は、ユーザにより調理に使用される機器である。具体的には、調理機器２０は、ＩＨ（Induction Heating）調理器、電子レンジ等である。調理機器２０は、図示を省略するが、ＣＰＵ、ＲＯＭ及びＲＡＭを含む制御部と、読み書き可能な不揮発性メモリと、通信インタフェースと、を備える。なお、調理機器２０は１つであることに限らず、複数の調理機器２０が存在しており、ユーザは複数の調理機器２０を使用して料理を調理しても良い。

センサ３０は、ユーザの調理環境に設置されており、調理環境で調理機器２０を使用して調理しているユーザの撮像画像を取得する。具体的には、センサ３０は、可視光によりユーザを撮像する可視光カメラ、赤外光によりユーザを撮像する熱画像センサ等である。センサ３０は、図示を省略するが、ＣＰＵ、ＲＯＭ及びＲＡＭを含む制御部と、読み書き可能な不揮発性メモリと、通信インタフェースと、を備える。

レシピ管理データベース４０は、様々な料理のレシピ情報を格納しているデータベースである。レシピ管理データベース４０は、例えば、クラウド上に設置されたデータベースである。ここで、レシピ情報は、料理のレシピ、すなわち料理の作り方を示す情報である。

図２に、一例として料理がハンバーグである場合におけるレシピ情報を示す。レシピ情報は、料理を作るのに必要な複数の作業工程における作業内容と、各作業工程における空き時間の有無と、を示している。１つの料理を作るためのレシピ情報は、通常は、複数の作業工程を含む。具体的に、図２に示すレシピ情報は、ハンバーグを作るためには工程１～工程５の５つの作業工程が必要であり、各作業工程においてユーザが行うべき作業内容を示している。

また、図２に示すレシピ情報は、工程２と工程５には空き時間が含まれることを示している。ここで、空き時間は、ユーザが手を動かす必要のない待機時間を意味する。レシピ管理データベース４０は、このようなレシピ情報を、予め用意された複数の料理のそれぞれについて格納している。

図１に戻って、調理スケジュール提案装置５０は、調理機器２０を使用して調理するユーザに対して、ユーザに応じた調理スケジュールを作成して提案する装置である。調理スケジュール提案装置５０は、例えば、クラウド上に設置されたサーバにより実現される。

図３に示すように、調理スケジュール提案装置５０は、制御部５１と、記憶部５２と、入出力Ｉ／Ｆ（インタフェース）５３と、を備える。

制御部５１は、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）を備える。ＣＰＵは、中央処理装置、中央演算装置、プロセッサ、マイクロプロセッサ、マイクロコンピュータ等とも呼び、調理スケジュール提案装置５０の制御に係る処理及び演算を実行する中央演算処理部として機能する。制御部５１において、ＣＰＵは、ＲＯＭに格納されているプログラム及びデータを読み出し、ＲＡＭをワークエリアとして用いて、調理スケジュール提案装置５０を統括制御する。

記憶部５２は、フラッシュメモリ、ＥＰＲＯＭ（Erasable Programmable ROM）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ROM）等の不揮発性の半導体メモリを備えており、いわゆる二次記憶装置又は補助記憶装置としての役割を担う。記憶部５２は、制御部５１が各種処理を行うために使用するプログラム及びデータを記憶する。また、制御部５１が各種処理を行うことにより生成又は取得するデータを記憶する。具体例として、記憶部５２は、操作端末１０、調理機器２０、センサ３０及びレシピ管理データベース４０から取得したデータを記憶する。

入出力Ｉ／Ｆ５３は、調理スケジュール提案装置５０が外部のモジュールとデータを送受信するためのインタフェースを備える。具体例として、入出力Ｉ／Ｆ５３は、ＬＡＮ（Local Area Network）、ＵＳＢ（Universal Serial Bus）等の通信モジュールと、外部記憶装置の読み取りモジュールと、を備える。

制御部５１は、機能的に、学習フェーズ処理部１００と、活用フェーズ処理部２００と、を備える。これらの各機能は、ソフトウェア、ファームウェア、又は、ソフトウェアとファームウェアとの組み合わせによって実現される。ソフトウェア及びファームウェアは、プログラムとして記述され、ＲＯＭ又は記憶部５２に格納される。そして、制御部５１において、ＣＰＵが、ＲＯＭ又は記憶部５２に記憶されたプログラムを実行することによって、これらの各機能を実現する。

学習フェーズ処理部１００は、学習フェーズにおける処理を実行する。学習フェーズは、調理における作業内容と、その作業内容をユーザが行うのに要する作業時間と、の関係を学習することにより、学習済みモデルを生成するフェーズである。これに対して、活用フェーズ処理部２００は、活用フェーズにおける処理を実行する。活用フェーズは、学習フェーズで生成された学習済みモデルを用いて作業時間を予測し、予測した作業時間に基づいて調理スケジュールを作成するフェーズである。以下では、学習フェーズと活用フェーズとに分けて、制御部５１の各機能を説明する。

＜学習フェーズ＞
まず、学習フェーズにおける処理について説明する。図４に示すように、学習フェーズ処理部１００は、調理情報取得部１１０と、作業内容特定部１２０と、作業時間計測部１３０と、モデル生成部１４０と、の各機能を含む。

調理情報取得部１１０は、ユーザによる調理に関する調理情報を取得する。調理情報は、ユーザが調理を行って何らかの料理を作っている際の調理機器２０、調理環境、ユーザ自身等を示す情報であって、作業時間予測モデル１９０を機械学習により生成するための教師データを生成するための情報である。

第１に、調理情報取得部１１０は、調理情報として、ユーザにより調理に使用された調理機器２０の動作情報を取得する。動作情報は、調理機器２０の動作に関する情報であって、調理機器２０の過去の動作履歴を示す情報である。具体的には、動作情報は、過去の様々な時刻における調理機器２０の運転状態と火力と動作モードとのうちの少なくとも１つを示す情報である。

ここで、運転状態は、調理機器２０が運転しているか否か、すなわちオンかオフかを示す情報である。火力は、強火、中火、弱火等のような、調理機器２０の運転中における強度レベルを示す情報である。動作モードは、揚げ物モード、保温モード等のような、調理機器２０の運転中におけるモードを示す情報である。

調理機器２０は、調理に使用される毎に、その調理における運転状態、火力及び動作モードと時刻とが対応付けられた動作履歴を生成し、調理機器２０のメモリに保存する。そして、調理機器２０は、予め定められたタイミングで、或いは調理スケジュール提案装置５０からの要求に応じて、メモリに保存されている過去の動作履歴を示す動作情報を、調理スケジュール提案装置５０に送信する。

第２に、調理情報取得部１１０は、調理情報として、調理を行っているユーザの撮像情報を取得する。撮像情報は、センサ３０により調理を行っているユーザが撮像された撮像画像を示す情報である。センサ３０は調理環境に設置されているため、撮像画像は、調理環境におけるユーザの位置情報、調理中のユーザの動作、料理の材料、ユーザが使用している調理機器２０等の情報を含んでいる。

センサ３０は、調理環境で調理しているユーザを継続的に撮像し、得られた撮像画像をセンサ３０のメモリに保存する。そして、センサ３０は、予め定められたタイミングで、或いは調理スケジュール提案装置５０からの要求に応じて、メモリに保存されている撮像画像を示す撮像情報を調理スケジュール提案装置５０に送信する。

調理情報取得部１１０は、入出力Ｉ／Ｆ５３を介して調理機器２０及びセンサ３０と通信することにより、調理情報として、調理機器２０から送信された動作情報とセンサ３０から送信された撮像情報とを取得する。調理情報取得部１１０は、調理情報取得手段の一例である。

調理情報取得部１１０は、ユーザが調理を行う毎に、動作情報と撮像情報とを繰り返し取得する。或いは、調理機器２０及びセンサ３０は、それぞれ過去に行われた複数回の調理における動作情報及び撮像情報を蓄積しておき、調理情報取得部１１０は、蓄積された動作情報と撮像情報とを、予め定められたタイミングで一括して取得しても良い。

作業内容特定部１２０は、調理情報取得部１１０により取得された調理情報である動作情報と撮像情報とに基づいて、調理におけるユーザの作業内容を特定する。ここで、作業内容は、調理においてユーザが行う作業の内容を意味する。作業内容特定部１２０は、作業内容として、作業種別と、材料種別と、材料数と、の情報を特定する。

作業種別は、作業を分類するための区分情報である。例えば、肉を切る、野菜の皮をむく、油を加熱する等のような複数の作業種別が予め定められている。材料種別は、作業に使用される食材を分類するための区分情報である。例えば、米、肉、野菜、果物等のような複数の材料種別が予め定められている。材料数は、作業に使用される食材の数量である。

上述のように、動作情報は、調理機器２０の運転状態、火力及び動作モードを示している。そのため、動作情報は、例えば肉を焼いているのか、米を炊いているのか、野菜を茹でているのか等のような、調理機器２０を用いた調理における作業種別を特定するための情報を含んでいる。

また、撮像情報は、調理環境におけるユーザの位置情報、調理中のユーザの動作、ユーザが使用している調理機器２０等の情報を含んでいる。そのため、撮像情報は、例えばユーザが野菜の皮をむいているのか、肉を切っているのか等のような、調理における作業種別を特定するための情報を含んでいる。更に、撮像情報は、例えばユーザが調理において何の食材をどの程度の分量で使用しているかの情報を含んでいる。そのため、撮像情報は、調理における材料種別及び材料数を特定するための情報を含んでいる。

作業内容特定部１２０は、このような動作情報と撮像情報とに基づいて作業内容を特定するために、作業内容特定モデル１７０を用いる。作業内容特定モデル１７０は、図５に示すように、調理情報取得部１１０により取得された調理情報である動作情報及び撮像情報の入力に対して、その調理情報が取得された状況において推定されるユーザの作業内容である作業種別、材料種別及び材料数を出力するモデルである。

作業内容特定モデル１７０は、公知の機械学習、画像認識等の技術を用いて生成されて、予め記憶部５２に保存される。機械学習の学習アルゴリズムとして、ニューラルネットワーク、サポートベクタマシン、ランダムフォレスト、遺伝的アルゴリズム等のような公知の教師あり学習のアルゴリズムが用いられる。また、教師あり学習の教師データとして、作業内容が既知である調理に使用された調理機器の動作情報と、その調理をしているユーザの画像又は映像と、が用いられる。

このように、作業内容特定モデル１７０は、作業内容が既知である動作情報と撮像情報とを教師データとして用いて、動作情報及び撮像情報とそれらに対応する作業内容との関係を学習することにより生成され、予め記憶部５２に記憶される。作業内容特定部１２０は、調理情報取得部１１０により取得された動作情報と撮像情報とを作業内容特定モデル１７０に入力し、入力に対して作業内容特定モデル１７０から出力される作業内容を、その動作情報と撮像情報とが取得された際にユーザが行っている作業内容として特定する。作業内容特定部１２０は、作業内容特定手段の一例である。

なお、作業内容特定モデル１７０は、調理スケジュール提案装置５０において生成されても良いし、調理スケジュール提案装置５０とは別の装置により生成されても良い。作業内容特定モデル１７０は、調理人であるユーザが誰であるかに依存せずに適用可能であるため、様々なユーザが調理をしている際における動作情報と撮像情報とを教師データとして用いて生成することができる。

図４に戻って、作業時間計測部１３０は、作業内容特定部１２０により特定された作業内容の作業に要した作業時間を計測する。具体的に説明すると、作業時間計測部１３０は、対象とする作業が調理機器２０を使用する作業である場合、調理機器２０の動作情報に示される動作開始時刻と動作終了時刻とから、その作業の作業時間を計測する。

一方で、作業時間計測部１３０は、対象とする作業が調理機器２０を直接的には使用しない作業である場合、撮像情報に示されたユーザの位置情報及び動作から、その作業の作業時間を計測定する。例えば、対象とする作業が肉を切る作業である場合、作業時間計測部１３０は、撮像画像に撮像されたユーザが肉を切る動作を開始してからその動作を終了するまでの時間を、その作業の作業時間として計測する。或いは、作業時間計測部１３０は、対象とする作業の前後２つの作業の間隔から、対象とする作業の作業時間を計測しても良い。

このようにして、作業時間計測部１３０は、調理機器２０の動作情報とセンサ３０による撮像情報とに基づいて、調理における様々な作業をユーザが行うのに要した作業時間を計測する。作業時間計測部１３０は、作業時間計測手段の一例である。

より詳細には、作業時間計測部１３０は、予め決められた単位当たりの作業時間を計測する。ここで、予め決められた単位は、例えば、材料が肉ならグラム単位、材料が野菜なら表面積単位、作業が油の加熱なら１リットル及び１℃単位等のように、作業種別及び材料種別に応じて決められた単位である。作業時間計測部１３０は、特定された作業種別、材料種別及び材料数に基づいて、実時間として計測された作業時間から単位当たりの作業時間を計算する。

モデル生成部１４０は、作業内容特定部１２０により特定された作業内容と、作業時間計測部１３０により計測された作業時間と、の関係を学習することにより、作業時間予測モデル１９０を生成する。作業時間予測モデル１９０は、作業内容として作業種別、材料種別及び材料数から、その作業内容の作業に要する作業時間を予測するためのモデルであって、機械学習により得られる学習済みモデルである。具体的には図６に示すように、作業時間予測モデル１９０は、作業内容である作業種別、材料種別及び材料数の入力に対して、作業時間を出力する。

モデル生成部１４０は、機械学習の技術を用いて、作業時間予測モデル１９０を生成する。モデル生成部１４０は、機械学習の学習アルゴリズムとして、ニューラルネットワーク、サポートベクタマシン、ランダムフォレスト、遺伝的アルゴリズム等のような公知の教師あり学習のアルゴリズムを用いる。

作業時間予測モデル１９０を生成するため、モデル生成部１４０は、教師データ１８０を生成する。教師データ１８０は、訓練データとも呼ばれ、作業内容と作業時間との関係を学習して、作業時間予測モデル１９０を生成するための学習用データである。ここで、ある作業に要する作業時間の長さは、その作業の作業内容に依存し、更にはその作業を行うユーザの熟練度、性格等にも依存する。そのため、モデル生成部１４０は、ユーザにより過去に行われた調理における作業内容と、その作業内容の作業に要した作業時間と、を紐付けることにより、教師データ１８０を生成する。

具体的には図７に示すように、教師データ１８０は、作業内容特定部１２０により特定された作業内容である作業種別、材料種別及び材料数と、作業時間計測部１３０により計測された作業時間と、を紐付けたデータである。ここで、教師データ１８０に含まれるデータの数が多くなるほど、作業時間予測モデル１９０の予測精度が向上する。そのため、モデル生成部１４０は、多くのデータを有する教師データ１８０を生成するため、過去の様々な状況で得られたユーザの作業内容と対応する作業時間とのデータを蓄積し、作業内容と作業時間との組み合わせのデータを多数含む教師データ１８０を生成する。

教師データ１８０を生成すると、モデル生成部１４０は、生成した教師データ１８０に基づいて、予め定められた学習アルゴリズムに従って機械学習を実行することにより、学習済みモデルである作業時間予測モデル１９０を生成する。具体例として、学習アルゴリズムとしてニューラルネットワークを用いる場合、モデル生成部１４０は、入力層に作業種別と材料種別と材料数との各データを受け付けて、出力層から作業時間の予測値を出力するように、ニューラルネットワークを構築する。そして、モデル生成部１４０は、教師データ１８０に含まれる作業内容を入力層に入力した場合に、教師データ１８０において対応する作業時間が出力層から出力される確率が高くなるように、ニューラルネットワークを構成する入力層、中間層及び出力層の結合の重みを、誤差逆伝搬法を用いて調整する。

このようにして、モデル生成部１４０は、作業内容である作業種別、材料種別及び材料数の入力に対して作業時間を出力する作業時間予測モデル１９０を生成する。作業時間予測モデル１９０を生成すると、モデル生成部１４０は、生成した作業時間予測モデル１９０を、後述する活用フェーズで使用できるように、記憶部５２に保存する。モデル生成部１４０は、モデル生成手段の一例である。

なお、モデル生成部１４０は、調理人であるユーザが複数存在する場合、ユーザ毎に作業時間予測モデル１９０を生成する。その際、ユーザを識別するための識別情報は、ユーザが調理を行う際に操作端末１０にログインすることにより操作端末１０に入力され、操作端末１０から調理スケジュール提案装置５０に送信される。これにより、調理スケジュール提案装置５０は、作業時間予測モデル１９０を生成する対象となるユーザを識別するための識別情報を取得する。

次に、図８を参照して、学習フェーズにおいて調理スケジュール提案装置５０により実行される処理の流れについて説明する。図８に示す処理は、作業時間予測モデル１９０を生成又は更新する必要が生じた適宜のタイミングで実行される。

調理スケジュール提案装置５０において、制御部５１は、調理情報取得部１１０として機能し、調理機器２０の動作履歴を示す動作情報を、調理機器２０から取得する（ステップＳ１１）。続いて、制御部５１は、センサ３０による撮像画像を示す画像情報を、センサ３０から取得する（ステップＳ１２）。

動作情報と撮像情報とを取得すると、制御部５１は、作業内容特定部１２０として機能し、作業内容を特定する（ステップＳ１３）。具体的に説明すると、制御部５１は、予め生成された作業内容特定モデル１７０に動作情報と撮像情報とを入力する。そして、制御部５１は、この入力に対して作業内容特定モデル１７０から出力される作業内容を、取得した動作情報及び撮像情報に対応する作業内容であると特定する。

作業内容を特定すると、制御部５１は、作業時間計測部１３０として機能し、作業時間を計測する（ステップＳ１４）。具体的に説明すると、制御部５１は、調理機器２０の動作履歴、又は、センサ３０により撮像されたユーザの動作に基づいて、特定した作業内容の作業をユーザが行うのに要した時間を計測する。

作業内容と作業時間とを特定すると、制御部５１は、モデル生成部１４０として機能し、作業時間予測モデル１９０を生成する（ステップＳ１５）。具体的に説明すると、制御部５１は、ステップＳ１３で特定された作業内容とステップＳ１４で計測された作業時間とを対応付けて、図７に示した教師データ１８０を生成する。そして、制御部５１は、生成された教師データ１８０を用いた機械学習を実行することにより、作業内容から作業時間を予測するための作業時間予測モデル１９０を生成する。以上により、学習フェーズにおける処理は終了する。

＜活用フェーズ＞
次に、作業時間予測モデル１９０の活用フェーズにおける処理について説明する。図９に示すように、活用フェーズ処理部２００は、献立情報取得部２１０と、レシピ情報取得部２２０と、作業時間予測部２３０と、スケジュール作成部２４０と、出力部２５０と、の各機能を含む。

献立情報取得部２１０は、ユーザにより選択された複数の料理を示す献立情報を取得する。献立情報は、ユーザが調理の対象とする複数の料理の組み合わせを示す情報である。献立情報は、ユーザにより操作される操作端末１０において生成される。

図１０に、操作端末１０においてユーザが献立を構成する複数の料理を選択する例を示す。ユーザが操作端末１０の操作部を操作してログインすると、操作端末１０は、図１０に示すような献立選択画面を表示部に表示する。ユーザは、操作端末１０の操作部を操作して、調理の対象となる複数の料理を選択する。

具体的に説明すると、ユーザは、「主食」、「主菜」、「副菜」、「汁物」、「デザート」等の各項目について、選択可能な複数の料理のうちから１つの料理を選択する。ここで、操作端末１０においてユーザが選択可能な複数の料理は、レシピ管理データベース４０にレシピ情報が格納されている複数の料理に相当する。

ユーザは、このような「主食」、「主菜」等の各項目の料理を選択することにより、献立を構成する複数の料理を選択する。操作端末１０は、ユーザから選択された複数の料理を示す献立情報を生成し、生成した献立情報を、通信インタフェースを介して調理スケジュール提案装置５０に送信する。このとき、調理スケジュール提案装置５０において調理人であるユーザを識別可能なように、送信される献立情報には、操作端末１０にログインされたユーザの識別情報が含まれる。

調理スケジュール提案装置５０において、献立情報取得部２１０は、入出力Ｉ／Ｆ５３を介して操作端末１０と通信し、操作端末１０から送信された献立情報を取得する。献立情報取得部２１０は、献立情報取得手段の一例である。

図９に戻って、レシピ情報取得部２２０は、献立情報取得部２１０により取得された献立情報に示される複数の料理のそれぞれの調理に必要な作業内容を示すレシピ情報を取得する。レシピ情報は、図２に示したように、料理を作るのに必要な複数の作業工程の作業内容を示す情報である。

レシピ情報取得部２２０は、入出力Ｉ／Ｆ５３を介してレシピ管理データベース４０と通信し、レシピ管理データベース４０に格納されている様々な料理のレシピ情報のうちから、献立情報により示される各料理のレシピ情報を取得する。レシピ情報取得部２２０は、レシピ情報取得手段の一例である。

作業時間予測部２３０は、献立情報取得部２１０により取得された献立情報に示される複数の料理のそれぞれをユーザが調理する際における作業工程毎の作業時間を、作業時間予測モデル１９０を用いて予測する。ここで、作業工程は、料理を作るための作業の単位である。図２に示したように、レシピ情報は、料理を作るための作業内容を作業工程毎に示している。

作業時間予測部２３０は、レシピ情報取得部２２０により取得された、献立情報に示される複数の料理のそれぞれのレシピ情報を参照する。そして、作業時間予測部２３０は、献立情報に示される複数の料理のそれぞれについて、レシピ情報に示される作業工程毎の作業内容である作業種別と材料種別と材料数とを特定する。

次に、作業時間予測部２３０は、レシピ情報から特定された作業工程毎の作業内容である作業種別と材料種別と材料数とを、作業時間予測モデル１９０に入力データとして入力する。そして、作業時間予測部２３０は、このような入力に対して作業時間予測モデル１９０から出力される作業時間を、その作業内容の作業をユーザが行うのに要する作業時間として予測する。

なお、作業時間予測モデル１９０から出力される作業時間は、グラム単位、表面積単位、１℃単位等のように予め決められた単位で計測された時間である。そのため、作業時間予測部２３０は、作業内容から特定される肉のグラム数、野菜の表面積、加熱している油の温度等に応じて倍率を決定する。そして、作業時間予測モデル１９０から出力される作業時間に決定した倍率を乗じた値を、その作業内容の作業をユーザが行うのに要する作業時間として予測する。

作業時間予測部２３０は、このような作業時間予測モデル１９０を用いて作業時間を予測する処理を、献立情報に示される複数の料理のそれぞれについて、作業工程毎に実行する。このように、作業時間予測部２３０は、作業時間予測モデル１９０を用いて、レシピ情報取得部２２０により取得されたレシピ情報により示される作業内容から、作業工程毎の作業時間を予測する。

作業時間を予測すると、作業時間予測部２３０は、レシピ情報における各作業工程に、予測した作業時間を付与する。具体例として、図１１に、図２に示したハンバーグのレシピ情報における各作業工程に作業時間を付与する例を示す。このように、作業時間予測部２３０は、献立情報に示される複数の料理のそれぞれのレシピ情報における各作業工程に、予測した作業時間を付与する。作業時間予測部２３０は、作業時間予測手段の一例である。

図９に戻って、スケジュール作成部２４０は、作業時間予測部２３０により予測された作業時間に基づいて、ユーザが複数の料理を調理するための調理スケジュールを作成する。ここで、調理スケジュールは、１人のユーザが献立情報に示される複数の料理を並行して調理するための作業工程の順序を定めた情報である。スケジュール作成部２４０は、献立情報に示される複数の料理を調理するための各作業工程を順に選択し、各作業工程の作業をユーザが行うべき時間帯を、作業時間予測部２３０により予測された作業時間に応じて割り当てることにより、調理スケジュールを作成する。

一例として図１２から図１５を参照して、料理１～料理３の３つの料理の調理スケジュールを作成する手順を説明する。図１２は、全ての料理の全ての工程がまだ調理スケジュールに割り当てられていない初期状態を示している。この例では、料理１は、工程１～工程７により調理され、料理２は、工程１～工程４により調理され、料理３は、工程１～工程８により調理される。これら各工程には、作業時間予測部２３０により予測された作業時間が付与されている。また、料理１の工程４，６、料理２の工程２、及び、料理３の工程３，７は、ユーザの待機時間である空き時間を含んでいる。

第１に、スケジュール作成部２４０は、まだ並べていない工程のうち、各料理の最後の工程を選択する。具体的には、スケジュール作成部２４０は、料理１の工程７と、料理２の工程４と、料理３の工程８と、を選択する。

工程を選択すると、スケジュール作成部２４０は、選択した工程を、作業工程の短い順に、調理スケジュールの最後から並べる。具体的には、料理１の工程７と料理３の工程８の作業時間は３分であり、料理２の工程４の作業時間は５分であるため、スケジュール作成部２４０は、図１３に示すように、調理スケジュールの最後から、料理１の工程７、料理３の工程８、料理２の工程４の順に並べる。

このとき、スケジュール作成部２４０は、１人のユーザが作業できるようにするため、各工程の時間帯が互いに重複しないように、各工程を並べる。具体的に図１３の例では、スケジュール作成部２４０は、料理１の工程７の開始時間を料理３の工程８の終了時間と一致させ、料理３の工程８の開始時間を料理２の工程４の終了時間と一致させる。

このようにして各料理の工程を１つずつ並べると、第２に、スケジュール作成部２４０は、まだ並べていない工程のうち、各料理の最後の工程を選択する。具体的には、スケジュール作成部２４０は、料理１の工程６と、料理２の工程３と、料理３の工程７と、を選択する。

工程を選択すると、スケジュール作成部２４０は、選択した工程を調理スケジュールに並べる。ここで、料理１の工程６と料理３の工程７は、空き時間を含んでいる。このように選択した工程に空き時間が含まれる場合、スケジュール作成部２４０は、その工程を、並べ済みの工程のうちの、同じ料理の最初の工程の直前に並べる。

具体的には、図１４に示すように、スケジュール作成部２４０は、空き時間を含む料理１の工程６を、料理１の工程７の直前に並べ、空き時間を含む料理３の工程７を、料理３の工程８の直前に並べる。これにより、料理１の工程６と料理３の工程７の時間帯は、料理２の工程４の時間帯と重複する時間帯に割り当てられる。このように、選択した工程に空き時間が含まれる場合、ユーザはその空き時間に別の作業を行うことができるため、スケジュール作成部２４０は、その工程の時間帯と他の料理の工程の時間帯とを重複させる。

一方で、スケジュール作成部２４０は、空き時間を含まない料理２の工程３を、他の空き時間を含まない他の工程と重複しない時間帯であって、且つ、調理スケジュールにおける可能な限り後ろの時間帯に並べる。具体的には、スケジュール作成部２４０は、空き時間を含まない料理２の工程３を、料理２の工程４の直前に並べる。

このように、スケジュール作成部２４０は、各料理の最後の工程から１つずつ順に選択し、選択した工程をユーザが作業する時間帯を、調理スケジュールの最後から順に割り当てる。その際に、スケジュール作成部２４０は、複数の料理を調理するための複数の作業工程のうちの、空き時間を含む作業工程の時間帯に、該空き時間を含む作業工程により調理される料理とは別の料理の作業工程を割り当てる。一方で、スケジュール作成部２４０は、複数の料理を調理するための複数の作業工程のうちの、空き時間を含まない作業工程の時間帯には、該空き時間を含まない作業工程により調理される料理とは別の料理の作業工程を割り当てない。

スケジュール作成部２４０は、このような処理を、各料理の最初の工程の時間帯を割り当てるまで繰り返す。これにより、スケジュール作成部２４０は、図１５に示すように、料理１～料理３を１人のユーザが並行して調理するための調理スケジュールを作成する。スケジュール作成部２４０は、スケジュール作成手段の一例である。

出力部２５０は、スケジュール作成部２４０により作成された調理スケジュールを出力する。具体的に説明すると、出力部２５０は、入出力Ｉ／Ｆ５３を介して操作端末１０と通信し、スケジュール作成部２４０により作成された調理スケジュールを示す出力情報を操作端末１０に送信する。出力部２５０は、出力手段の一例である。

操作端末１０は、調理スケジュール提案装置５０から送信された出力情報を受信すると、受信した出力情報により示される調理スケジュールをユーザに通知する。具体的に説明すると、操作端末１０は、図１６に示すようなスケジュール画面を、表示部に表示する。図１６に示すスケジュール画面は、「ごはん」、「味噌汁」、「とんかつ」の各料理を並行して調理するための調理スケジュールを表示している。ユーザは、操作端末１０に表示されたこのようなスケジュール画面を見ながら、複数の料理を調理することができる。

より詳細には、操作端末１０は、画面上部において、全工程における現在位置を、太い線で示すバーで表示する。バーは、工程の進行に合わせて左右にスライドする。また、操作端末１０は、画面下部において、調理スケジュールに定められた複数の工程の作業内容を、時系列順に表示する。図１６の例では、複数の工程のうちの「味噌汁の具を切る」という工程の作業内容を表示している。ユーザは、時系列順に表示される作業内容の作業を完了すると、「できました（次工程へ）」というボタンをタップする。すると、操作端末１０は、次の工程の作業内容の画面を表示する。

更に、操作端末１０は、ユーザからの操作に応じて、各料理の工程をより詳細に表示する。具体的には図１７に示すように、ユーザにより「ごはん」の項目が選択された場合、操作端末１０は、「ごはん」を調理するための複数の工程を表示する。このとき、全ての工程を画面に１度に表示できない場合は、上下にスクロールさせて次の工程を表示することができる。

なお、操作端末１０における調理スケジュールの表示の仕方は、図１６及び図１７に示した例に限らない。例えば、音声操作、ハンズフリー等で各工程の画面を切り替えても良い。また、具体的な時刻を表示しなくても良い。

このように調理スケジュールが表示された後、学習フェーズ処理部１００は、ユーザが調理スケジュールを見ながら調理する際における調理情報を取得して教師データ１８０を更新し、更新後の教師データ１８０を用いて作業時間予測モデル１９０を更新する。このように、学習フェーズ処理部１００は、最新の情報を用いて作業時間予測モデル１９０を更新し続けることにより、作業時間予測モデル１９０の精度を向上させる。

次に、図１８を参照して、活用フェーズにおいて情報処理システム１により実行される処理の流れについて説明する。図１８に示す処理は、操作端末１０において、ユーザから調理開始の指示を受け付けたことに応答して、開始する。

操作端末１０は、ユーザから献立情報の入力を受け付ける（ステップＳ２１）。操作端末１０は、例えば図１０に示した献立入力画面を表示し、「主食」、「主菜」、「副菜」等の献立を構成する複数の料理の選択をユーザから受け付ける。

献立情報の入力を受け付けると、操作端末１０は、献立情報を調理スケジュール提案装置５０に送信する（ステップＳ２２）。調理スケジュール提案装置５０において、制御部５１は、献立情報取得部２１０として機能し、操作端末１０から献立情報を取得する。

献立情報を取得すると、調理スケジュール提案装置５０において、制御部５１は、レシピ情報取得部２２０として機能し、献立情報に示される複数の料理のそれぞれについて、作業工程毎の作業内容を示すレシピ情報を、レシピ管理データベース４０から取得する（ステップＳ２３）。

レシピ情報を取得すると、制御部５１は、作業時間予測部２３０として機能し、学習フェーズで生成された作業時間予測モデル１９０を用いて、作業時間を予測する（ステップＳ２４）。具体的に説明すると、制御部５１は、レシピ情報に示される作業工程毎の作業内容を入力データとして作業時間予測モデル１９０に入力する。そして、制御部５１は、この入力に対して作業時間予測モデルから出力される作業時間の予測値を、その作業内容の作業をユーザが行うのに要する作業時間として予測する。このような処理を献立情報に示される複数の料理のそれぞれについて作業工程毎に実行することにより、制御部５１は、複数の料理のそれぞれの作業工程毎の作業時間を予測する。

作業時間を予測すると、制御部５１は、スケジュール作成部２４０として機能し、調理スケジュールを作成する（ステップＳ２５）。調理スケジュールを作成する処理の詳細は、図１９に示すフローチャートを参照して説明する。

調理スケジュール作成処理を開始すると、制御部５１は、献立情報に示される複数の料理を作るための全ての工程を並べ済みであるか否かを判定する（ステップＳ２５１）。全ての工程を並べ済みでない場合（ステップＳ２５１；ＮＯ）、制御部５１は、まだ並べていない工程のうち、各料理の最後の工程を選択する（ステップＳ２５２）。

工程を選択すると、制御部５１は、選択した工程が「空き時間」を含むか否かを判定する（ステップＳ２５３）。選択した工程が「空き時間」を含む場合（ステップＳ２５３；ＹＥＳ）、制御部５１は、「空き時間」を、並べ済みの工程のうちの、同じ料理の最初の工程の直前に並べる（ステップＳ２５４）。

これに対して、選択した工程が「空き時間」を含まない場合（ステップＳ２５３；ＮＯ）、制御部５１は、ステップＳ２５４をスキップする。

次に、制御部５１は、選択した工程を、作業時間の短い順に、並べ済みの工程のうちの、「空き時間」を除いて最初の工程の直前に並べる（ステップＳ２５５）。

このようにして選択した工程を並べると、制御部５１は、処理をステップＳ２５１に戻す。そして、制御部５１は、献立情報に示される複数の料理を作るための全ての工程を並べ終えるまで、ステップＳ２５１～Ｓ２５５の処理を繰り返す。

最終的に、全ての工程を並べ終えると（ステップＳ２５１；ＹＥＳ）、制御部５１は、他の工程と重複していない「空き時間」があるか否かを判定する（ステップＳ２５６）。他の工程と重複していない「空き時間」がある場合（ステップＳ２５６；ＹＥＳ）、制御部５１は、重複していない「空き時間」の時間帯に重複可能な工程があれば移動させる（ステップＳ２５７）。

これに対して、他の工程と重複していない「空き時間」がない場合（ステップＳ２５６；ＮＯ）、制御部５１は、ステップＳ２５７をスキップする。以上により、図１９に示した調理スケジュール作成処理は終了する。

図１８に戻って、制御部５１は、出力部２５０として機能し、作成した調理スケジュールを操作端末１０に送信する（ステップＳ２６）。操作端末１０は、調理スケジュール提案装置５０から送信された調理スケジュールを受信する。

操作端末１０は、調理スケジュール提案装置５０から受信した調理スケジュールを表示する（ステップＳ２７）。操作端末１０は、例えば図１６及び図１７に示した画面を表示することにより、調理スケジュールをユーザに提供する。以上により、図１８に示した活用フェーズの処理は終了する。

以上説明したように、本実施の形態に係る調理スケジュール提案装置５０は、複数の料理のそれぞれをユーザが調理する際における作業工程毎の作業時間を、ユーザにより過去に行われた調理における作業内容と、該作業内容の作業に要した作業時間と、の間の関係を学習することにより生成された作業時間予測モデル１９０を用いて予測し、予測された作業時間に基づいて、ユーザが複数の料理を調理するための調理スケジュールを作成する。このように、本実施の形態に係る調理スケジュール提案装置５０は、ユーザに応じて作業時間を予測するため、ユーザの調理の熟練度、性格等の個人差に依存する作業時間をより適切に考慮して調理スケジュールを作成することができる。その結果、ユーザが複数の料理を調理するための効率的な調理スケジュールを提案することができる。

（変形例）
以上、実施の形態を説明したが、各実施の形態を組み合わせたり、各実施の形態を適宜、変形、省略したりすることが可能である。

例えば、上記実施の形態では、調理スケジュール提案装置５０は、学習フェーズ処理部１００と活用フェーズ処理部２００の機能を備えていた。しかしながら、調理スケジュール提案装置５０は、学習フェーズ処理部１００の機能を備えておらず、調理スケジュール提案装置５０とは別の装置が、学習フェーズ処理部１００の機能を備えていても良い。その場合、調理スケジュール提案装置５０は、別の装置で生成された作業時間予測モデル１９０を通信により取得し、活用フェーズで使用する。このように、学習フェーズの処理を実行する装置と、活用フェーズの処理を実行する装置とは、同じ装置であることに限らず、別の装置であっても良い。

上記実施の形態では、レシピ情報は、調理スケジュール提案装置５０の外部であるレシピ管理データベース４０に格納されていた。しかしながら、レシピ情報は、調理スケジュール提案装置５０の内部に格納されていても良い。その場合、調理スケジュール提案装置５０は、入出力Ｉ／Ｆ５３を介してレシピ情報を取得する必要がないため、レシピ情報取得部２２０を備えていなくても良い。

上記実施の形態では、作業内容特定モデル１７０は、調理情報の入力として、調理機器２０の動作情報とセンサ３０による撮像情報との入力を受け付け、作業内容を出力した。しかしながら、作業内容特定モデル１７０は、調理情報の入力として、動作情報と撮像情報とのどちらも受け付けることに限らず、作業内容を特定することができる情報であれば、動作情報と撮像情報とのうちのどちらか一方のみを受け付けても良いし、これら以外の情報の入力を受け付けても良い。

上記実施の形態では、作業時間予測モデル１９０は、作業内容の入力として、作業種別、材料種別及び材料数の入力を受け付け、作業時間を出力した。しかしながら、作業時間予測モデル１９０は、作業内容の入力として、作業種別、材料種別及び材料数の全てを受け付けることに限らず、ユーザに応じた作業時間を予測することができる情報であれば、いずれかのみを受け付けても良いし、これら以外の情報の入力を受け付けても良い。

上記実施の形態では、調理スケジュール提案装置５０の制御部５１において、ＣＰＵがＲＯＭ又は記憶部５２に記憶されたプログラムを実行することによって、学習フェーズ処理部１００と活用フェーズ処理部２００の各部として機能した。しかしながら、制御部５１は、専用のハードウェアであってもよい。専用のハードウェアとは、例えば単一回路、複合回路、プログラム化されたプロセッサ、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、又は、これらの組み合わせ等である。制御部５１が専用のハードウェアである場合、各部の機能それぞれを個別のハードウェアで実現してもよいし、各部の機能をまとめて単一のハードウェアで実現してもよい。

また、各部の機能のうち、一部を専用のハードウェアによって実現し、他の一部をソフトウェア又はファームウェアによって実現してもよい。このように、制御部５１は、ハードウェア、ソフトウェア、ファームウェア、又は、これらの組み合わせによって、上述の各機能を実現することができる。

調理スケジュール提案装置５０の動作を規定するプログラムを、パーソナルコンピュータ、情報端末装置等の既存のコンピュータに適用することで、当該コンピュータを、調理スケジュール提案装置５０として機能させることも可能である。

また、このようなプログラムの配布方法は任意であり、例えば、ＣＤ－ＲＯＭ（Compact Disk ROM）、ＤＶＤ（Digital Versatile Disk）、ＭＯ（Magneto Optical Disk）、メモリカード等のコンピュータ読み取り可能な記録媒体に格納して配布してもよいし、インターネット等の通信ネットワークを介して配布してもよい。

本開示は、本開示の広義の精神と範囲を逸脱することなく、様々な実施の形態及び変形が可能とされるものである。また、上述した実施の形態は、この開示を説明するためのものであり、本開示の範囲を限定するものではない。すなわち、本開示の範囲は、実施の形態ではなく、特許請求の範囲によって示される。そして特許請求の範囲内及びそれと同等の開示の意義の範囲内で施される様々な変形が、この開示の範囲内とみなされる。

１ 調理スケジュール提案システム、１０ 操作端末、２０ 調理機器、３０ センサ、４０ レシピ管理データベース、５０ 調理スケジュール提案装置、５１ 制御部、５２ 記憶部、５３ 入出力Ｉ／Ｆ、１００ 学習フェーズ処理部、１１０ 調理情報取得部、１２０ 作業内容特定部、１３０ 作業時間計測部、１４０ モデル生成部、１７０ 作業内容特定モデル、１８０ 教師データ、１９０ 作業時間予測モデル、２００ 活用フェーズ処理部、２１０ 献立情報取得部、２２０ レシピ情報取得部、２３０ 作業時間予測部、２４０ スケジュール作成部、２５０ 出力部

Claims (11)

1. ユーザにより選択された複数の料理を示す献立情報を取得する献立情報取得手段と、
   前記献立情報取得手段により取得された前記献立情報に示される前記複数の料理のそれぞれを前記ユーザが調理する際における作業工程毎の作業時間を、前記ユーザにより過去に行われた調理における作業内容と、該作業内容の作業に要した作業時間と、の間の関係を学習することにより生成された作業時間予測モデルを用いて予測する作業時間予測手段と、
   前記作業時間予測手段により予測された前記作業時間に基づいて、前記ユーザが前記複数の料理を調理するための調理スケジュールを作成するスケジュール作成手段と、を備える、
   調理スケジュール提案装置。
2. 前記献立情報取得手段により取得された前記献立情報に示される前記複数の料理のそれぞれの調理に必要な作業内容を示すレシピ情報を取得するレシピ情報取得手段と、
   前記作業時間予測手段は、前記作業時間予測モデルを用いて、前記レシピ情報取得手段により取得された前記レシピ情報により示される前記作業内容から前記作業時間を予測する、
   請求項１に記載の調理スケジュール提案装置。
3. 前記作業時間予測モデルは、前記作業内容として作業種別、材料種別及び材料数から、前記作業時間を予測するためのモデルである、
   請求項１又は２に記載の調理スケジュール提案装置。
4. 前記スケジュール作成手段は、前記調理スケジュールにおいて、前記複数の料理を調理するための複数の作業工程のうちの、空き時間を含む作業工程の時間帯に、該空き時間を含む作業工程により調理される料理とは別の料理の作業工程を割り当てる、
   請求項１から３のいずれか１項に記載の調理スケジュール提案装置。
5. 前記ユーザによる調理に関する調理情報を取得する調理情報取得手段と、
   前記調理情報取得手段により取得された前記調理情報に基づいて、前記調理における前記ユーザの作業内容と、前記調理における作業工程毎の作業時間と、を特定する作業内容特定手段と、
   前記作業内容特定手段により特定された前記作業内容の作業に要した作業時間を計測する作業時間計測手段と、
   前記作業内容特定手段により特定された前記作業内容と、前記作業時間計測手段により計測された前記作業時間と、の間の関係を学習することにより、前記作業時間予測モデルを生成するモデル生成手段と、を更に備える、
   請求項１から４のいずれか１項に記載の調理スケジュール提案装置。
6. 前記調理情報取得手段は、前記調理情報として、前記ユーザにより前記調理に使用された調理機器の動作情報を取得する、
   請求項５に記載の調理スケジュール提案装置。
7. 前記動作情報は、前記調理機器の運転状態と火力と動作モードとのうちの少なくとも１つを示す情報である、
   請求項６に記載の調理スケジュール提案装置。
8. 前記調理情報取得手段は、前記調理情報として、前記調理を行っている前記ユーザの撮像情報を取得する、
   請求項５から７のいずれか１項に記載の調理スケジュール提案装置。
9. 請求項１から８のいずれか１項に記載の調理スケジュール提案装置と、前記ユーザにより操作される操作端末と、を備える調理スケジュール提案システムであって、
   前記調理スケジュール提案装置は、
   前記スケジュール作成手段により作成された前記調理スケジュールを、前記操作端末に出力する出力手段、を更に備える、
   調理スケジュール提案システム。
10. ユーザにより選択された複数の料理のそれぞれを前記ユーザが調理する際における作業工程毎の作業時間を、前記ユーザにより過去に行われた調理における作業内容と、該作業内容の作業に要した作業時間と、の間の関係を学習することにより生成された作業時間予測モデルを用いて予測し、
    予測した前記作業時間に基づいて、前記ユーザが前記複数の料理を調理するための調理スケジュールを作成する、
    調理スケジュール作成方法。
11. コンピュータを、
    ユーザにより選択された複数の料理を示す献立情報を取得する献立情報取得手段、
    前記献立情報取得手段により取得された前記献立情報に示される前記複数の料理のそれぞれを前記ユーザが調理する際における作業工程毎の作業時間を、前記ユーザにより過去に行われた調理における作業内容と、該作業内容の作業に要した作業時間と、の間の関係を学習することにより生成された作業時間予測モデルを用いて予測する作業時間予測手段、
    前記作業時間予測手段により予測された前記作業時間に基づいて、前記ユーザが前記複数の料理を調理するための調理スケジュールを作成するスケジュール作成手段、として機能させる、
    プログラム。

Images