JP2023116031A - 情報処理装置、情報処理方法および情報処理プログラム - Google Patents

Abstract

【課題】特性要因図をより効率的に作成する技術を提供する。【解決手段】情報処理装置は、AutomationMLに従って記述されたデータを取得する取得部と、入力されたキーワードに対応する要素をデータから検索する検索部と、検索された要素および当該検索された要素の下層に存在する要素を含むブロックを抽出する抽出部と、抽出したブロックに含まれる要素に基づいて特性要因図を作成する作成部とを含む。【選択図】図３

Description

本発明は、情報処理装置、情報処理方法および情報処理プログラムに関する。

様々な製造装置や生産ラインなどは、ＰＬＣ（プログラマブルロジックコントローラ）などの制御装置によって制御される。何らかの不具合が発生した場合には、当該不具合に関係する機械の中の因果関係を把握した上で、不具合の原因を特定するようなアプローチが採用される。

このような因果関係を把握するための先行技術として、例えば、特開２０１１－１５０４９６号公報（特許文献１）は、製造工程において多数の項目測定を経て製造される製造物について、製造物の知識がない場合でも測定項目間の関係を容易に把握できる要因分析装置を開示する。

特開２０１１－１５０４９６号公報

機械の中の因果関係を把握するためには、典型的には、特性(effect)と要因(factor)との関係を系統的に線で結んで表した特性要因図（あるいは、特性要因図に示される関係を別の手法で表現でしたもの）が用いられる。

特性要因図を作成するためには、対象の機械の使用、使い方、パラメータなどの情報が必要であるが、一般的には、これらの情報を決定した設計者と、特性要因図の作成者とは同一ではない。また、対象の機械に関する情報は膨大であり、把握が容易ではないことも多い。その結果、特性要因図を適切に作成できない場合がある。

そこで、本発明は、特性要因図をより効率的に作成する技術を提供することを一つの目的とする。

本発明の一例に従う情報処理装置は、AutomationMLに従って記述されたデータを取得する取得部と、入力されたキーワードに対応する要素をデータから検索する検索部と、検索された要素および当該検索された要素の下層に存在する要素を含むブロックを抽出する第１抽出部と、抽出したブロックに含まれる要素に基づいて特性要因図を作成する作成部とを含む。

この構成によれば、情報処理装置がAutomationMLに従って記述されたデータから特性要因図を作成するので、専門知識などが乏しいユーザであっても、特性要因図をより効率的に作成できる。

作成部は、ブロックに含まれる要素の属性を特定するとともに、５Ｍ(Man,Method,Machine,Material,Measure）のいずれに関連付けられるかを判断するようにしてもよい。この構成によれば、５Ｍ分析の観点から、特性要因図を作成できる。

特性要因図は、５Ｍにそれぞれ対応するエッジを含んでいてもよい。作成部は、ブロックに関連付けられるエッジに、当該ブロックの階層構造に従って、当該ブロックに含まれる要素をマッピングするようにしてもよい。この構成によれば、ブロックの階層構造を反映した特性要因図を作成できる。

作成部は、検索された要素とキーワードとの一致度が高いほど、当該検索された要素を含むブロックを特性要因図において特性に近い位置にマッピングするようにしてもよい。この構成によれば、キーワードとの一致度が高い要素ほど原因である可能性が高いので、不具合の原因をより効率的に特定できる。

作成部は、各エッジにマッピングされている要素の数およびキーワードとの一致度の少なくとも一方に基づいて、特性要因図における各エッジの位置を決定するようにしてもよい。この構成によれば、複数のエッジのうち、原因である可能性が高いエッジを特性要因図においてより容易に把握できる。

情報処理装置は、データに含まれるキーワードを抽出する第２抽出部と、抽出されたキーワードをユーザへ提示する提示部とをさらに含んでいてもよい。検索部は、ユーザへ提示されたキーワードに対する入力を受け付けるようにしてもよい。この構成によれば、データに含まれるキーワードを提示することで、ユーザは、目的の不具合に対応するキーワードをより容易に選択できる。

検索部は、入力されたキーワードの類義語も含めた範囲で対応する要素を検索するようにしてもよい。この構成によれば、データに含まれるキーワードではなく、ユーザは、自由にキーワードを入力できる。

本発明の別の一例に従えば、コンピュータが実行する情報処理方法が提供される。情報処理方法は、AutomationMLに従って記述されたデータを取得するステップと、入力されたキーワードに対応する要素をデータから検索するステップと、検索された要素および当該検索された要素の下層に存在する要素を含むブロックを抽出するステップと、抽出したブロックに含まれる要素に基づいて特性要因図を作成するステップとを含む。

本発明のさらに別の一例に従う情報処理プログラムは、コンピュータに、AutomationMLに従って記述されたデータを取得するステップと、入力されたキーワードに対応する要素をデータから検索するステップと、検索された要素および当該検索された要素の下層に存在する要素を含むブロックを抽出するステップと、抽出したブロックに含まれる要素に基づいて特性要因図を作成するステップとを実行させる。

本発明によれば、特性要因図をより効率的に作成できる。

本実施の形態に係る情報処理装置の処理概要を説明するための図である。 本実施の形態に係る情報処理装置のハードウェア構成例を示すブロック図である。 本実施の形態に係る情報処理装置が特性要因図を作成する処理手順を示すフローチャートである。 本実施の形態に係る情報処理装置が処理するAutomationMLに従って記述されたデータの一例を示す模式図である。 本実施の形態に係る入力されたキーワードに対応する要素の抽出処理の一例を示す模式図である。 本実施の形態に係る特性要因図の作成処理の一例を示す模式図である。 図３に示すステップＳ７の詳細な処理手順を示すフローチャートである。

本発明の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、図中の同一または相当部分については、同一符号を付してその説明は繰り返さない。

＜Ａ．適用例＞
まず、本発明が適用される場面の一例について説明する。

本明細書において説明する「AutomationML(Automation Markup Language)」は、プラントエンジニアリング情報に向けられた、XML(Extensible Markup Language)に基づくデータフォーマットを意味する。詳細については、IEC 62714-1:2018なども参照されたい。

図１は、本実施の形態に係る情報処理装置１００の処理概要を説明するための図である。図１を参照して、情報処理装置１００は、機能構成として、取得部１５０と、キーワード抽出部１５２と、提示部１５４と、検索部１５６と、ブロック抽出部１５８と、作成部１６０とを含む。

取得部１５０は、AutomationMLに従って記述されたデータ２００を取得する。キーワード抽出部１５２は、データ２００に含まれるキーワードを抽出する。提示部１５４は、抽出されたキーワードを含むキーワードリストをユーザへ提示する。

検索部１５６は、入力されたキーワードに対応する要素をデータ２００から検索する。なお、検索部１５６は、ユーザへ提示されたキーワードに対する入力を受け付けるようにしてもよい。

ブロック抽出部１５８は、検索された要素および当該検索された要素の下層に存在する要素を含むブロックを抽出する。作成部１６０は、抽出したブロックに含まれる要素に基づいて特性要因図２５０を作成する。

作成部１６０は、ブロックに含まれる要素の属性を特定するとともに、５Ｍ(Man,Method,Machine,Material,Measure）のいずれに関連付けられるかを判断するようにしてもよい。この場合には、特性要因図２５０は、５Ｍにそれぞれ対応するエッジを含んでいてもよい。

また、作成部１６０は、ブロックに関連付けられるエッジに、当該ブロックの階層構造に従って、当該ブロックに含まれる要素をマッピングするようにしてもよい。

また、作成部１６０は、検索された要素とキーワードとの一致度が高いほど、当該検索された要素を含むブロックを特性要因図２５０において特性に近い位置にマッピングするようにしてもよい。

また、作成部１６０は、各エッジにマッピングされている要素の数およびキーワードとの一致度の少なくとも一方に基づいて、特性要因図２５０における各エッジの位置を決定するようにしてもよい。

このように、本実施の形態に係る情報処理装置１００は、AutomationMLに従って記述されたデータ２００から特性要因図２５０を作成するので、経験などが少ないユーザであっても、不具合の原因を特定するために必要な特性要因図２５０を容易に作成できる。

＜Ｂ．ハードウェア構成例＞
次に、本実施の形態に係る情報処理装置１００のハードウェア構成例について説明する。本実施の形態に係る情報処理装置１００は、一例として、汎用的なアーキテクチャに従うハードウェア（例えば、汎用パソコン）を用いてプログラムを実行することで実現される。

図２は、本実施の形態に係る情報処理装置１００のハードウェア構成例を示すブロック図である。図２を参照して、情報処理装置１００は、ＣＰＵ(Central Processing Unit)やＭＰＵ(Micro-Processing Unit)などのプロセッサ１０２と、光学ドライブ１０４と、主記憶装置１０６と、二次記憶装置１０８と、ＵＳＢ(Universal Serial Bus)コントローラ１１２と、ネットワークコントローラ１１４と、入力部１１６と、表示部１１８とを含む。これらのコンポーネントはバス１２０を介して接続される。

プロセッサ１０２は、二次記憶装置１０８に格納された各種プログラムを読み出して、主記憶装置１０６に展開して実行することで、後述するような各種処理を実現する。

二次記憶装置１０８は、例えば、ＨＤＤ(Hard Disk Drive)やＳＳＤ(Flash Solid State Drive)などで構成される。二次記憶装置１０８には、典型的には、ＯＳ１２２と、ＰＬＣ（プログラマブルロジックコントローラ）との間で必要なデータをやり取りするためのＰＬＣインターフェイスプログラム１２４と、情報処理装置１００において実行されるユーザプログラム（ソースコード）の作成、作成したユーザプログラムのデバッグ、システム構成の定義、各種パラメータの設定などを行うための開発プログラム１２６と、後述するような特性要因図を作成するための特性要因図作成プログラム１２８とが格納される。これらのプログラムの全部または一部が情報処理プログラムに相当する。二次記憶装置１０８には、図２に示すプログラム以外の必要なプログラムが格納されてもよい。

情報処理装置１００は、光学ドライブ１０４を有しており、コンピュータ読取可能なプログラムを非一過的に格納する記録媒体１０５（例えば、ＤＶＤ(Digital Versatile Disc)などの光学記録媒体）から、その中に格納されたプログラムが読み取られて二次記憶装置１０８などにインストールされる。

情報処理装置１００で実行される各種プログラムは、コンピュータ読取可能な記録媒体１０５を介してインストールされてもよいが、ネットワーク上のサーバ装置などからダウンロードする形でインストールするようにしてもよい。また、本実施の形態に係る情報処理装置１００が提供する機能は、ＯＳ１２２が提供するモジュールの一部を利用する形で実現される場合もある。

ＵＳＢコントローラ１１２は、ＵＳＢ接続を介してＰＬＣとの間のデータのやり取りを制御する。ネットワークコントローラ１１４は、任意のネットワークを介した他の装置との間のデータのやり取りを制御する。

入力部１１６は、キーボードやマウスなどで構成され、ユーザ操作を受け付ける。表示部１１８は、ディスプレイ、各種インジケータ、プリンタなどで構成され、プロセッサ１０２からの処理結果などを出力する。

図２には、プロセッサ１０２がプログラムを実行することで必要な機能が提供される構成例を示したが、これらの提供される機能の一部または全部を、専用のハードウェア回路（例えば、ＡＳＩＣ(Application Specific Integrated Circuit)またはＦＰＧＡ(Field-Programmable Gate Array)など）を用いて実装してもよい。

＜Ｃ．特性要因図の作成処理＞
本実施の形態に係る情報処理装置１００は、AutomationMLに従って記述されたデータから特性要因図を作成する。特性要因図を作成する処理の詳細について説明する。

（ｃ１：全体処理手順）
AutomationMLに従って記述されたデータは、階層的に配置された、機械の構造(geometory)および制御ロジック(logic)を含む。

図３は、本実施の形態に係る情報処理装置１００が特性要因図を作成する処理手順を示すフローチャートである。図３に示す各ステップは、典型的には、情報処理装置１００のプロセッサ１０２が特性要因図作成プログラム１２８を実行することで実現される。すなわち、特性要因図作成プログラム１２８は、情報処理プログラムの一例である。

図３を参照して、情報処理装置１００は、対象のAutomationMLに従って記述されたデータを取得し（ステップＳ１）、取得したデータに含まれるキーワードを抽出し（ステップＳ２）、情報処理装置１００は、抽出されたキーワードをユーザへ提示する（ステップＳ３）。そして、情報処理装置１００は、ユーザからのキーワードの入力を受け付ける（ステップＳ４）。すなわち、情報処理装置１００は、ユーザへ提示されたキーワードに対する入力を受け付ける。

ユーザは、提示されたキーワードのうち、対象の不具合に関するキーワードを入力する。例えば、研磨機に関するデータが対象であり、研磨機のワークの受入部に不具合が生じているとすると、ユーザは、提示されたキーワードから「Entrance」などを選択する。

情報処理装置１００は、入力されたキーワードに対応する要素をデータから検索し（ステップＳ５）、検索された要素を含むブロックを抽出し（ステップＳ６）、抽出したブロックに含まれる要素に基づいて特性要因図を作成する（ステップＳ７）。最終的に、情報処理装置１００は、作成した特性要因図をユーザへ提示する（ステップＳ８）。

ユーザは、提示された特性要因図を参照しながら、対象の不具合に関連付けられている要因や部位を順次調査することで、当該不具合の原因を特定する。

（ｃ２：AutomationMLに従って記述されたデータ）
図４は、本実施の形態に係る情報処理装置１００が処理するAutomationMLに従って記述されたデータの一例を示す模式図である。図４を参照して、データ２００は、階層的な記述を有している。典型的には、AutomationMLに従って記述されたデータ２００は、ツリー構造を有している。

図４に例示するデータ２００は、研磨装置に向けられたものであり、受入部に対応する記述２０２と、研磨部に対応する記述２０４と、排出部に対応する記述２０６と、研磨装置の制御に対応する記述２０８と、ワークを受入部に搬送するロボットに対応する記述２１０と、排出部からワークを搬送するロボットに対応する記述２１２とを含む。

（ｃ３：キーワード抽出（ステップＳ２））
図３のステップＳ２において、情報処理装置１００は、データ２００に使用されている単語をキーワードとして抽出する。すなわち、情報処理装置１００は、データ２００を単語レベルまで分解した上で、使用されている単語のリスト（索引）を作成する。

（ｃ４：キーワードに対応する要素の検索およびブロックの抽出（ステップＳ６およびＳ７））
情報処理装置１００は、入力されたキーワードが含まれている要素（ノード）を検索するとともに、当該検索された要素（ノード）の子要素以下の部分（下層）を抽出する。すなわち、情報処理装置１００は、検索された要素および当該検索された要素の下層に存在する要素を含むブロックを抽出する。

AutomationMLに従って記述されたデータ２００は、機械の構造および制御ロジックなどを含むため、入力されたキーワードに対応する、１または複数の要素が抽出される。

図５は、本実施の形態に係る入力されたキーワードに対応する要素の抽出処理の一例を示す模式図である。図５には、図４に示すデータ２００からキーワードに対応する要素が抽出される例を示す。

図５を参照して、例えば、キーワードとして「Entrance」が入力されたとする。情報処理装置１００は、入力されたキーワード「Entrance」を含む要素を検索する。図５に示す例では、受入部に対応する記述２０２に「Entrance」と（完全）一致する要素２２０が存在しており、また、記述２１０に「Entrance」を含む「EntranceRobotController」という要素２３０が存在している。

情報処理装置１００は、入力されたキーワード「Entrance」を含む要素２２０および要素２３０に加えて、各要素の子要素以下の部分（下層）を抽出する。その結果、要素２２０を含むブロック２２２と、要素２３０を含むブロック２３２とが抽出される。

（ｃ５：特性要因図の作成（ステップＳ７））
情報処理装置１００は、AutomationMLに従って記述されたデータ２００から抽出した要素を用いて、各要素の属性、各要素とキーワードとの一致度、各要素の階層構造における位置などに基づいて、特性要因図を作成する。

図６は、本実施の形態に係る特性要因図の作成処理の一例を示す模式図である。図６には、一例として、生産の５Ｍ（Man,Method,Machine,Material,Measure）に対応する特性要因図２５０が示されている。特性要因図２５０は、５Ｍにそれぞれ対応するエッジを含む。

より具体的には、図６に示す特性要因図２５０は、入力されたキーワード（特性２５８）に繋がるメインストリーム２５６に対して、「Manに対応するエッジ２５１と、「Method」に対応するエッジ２５２と、「Machine」に対応するエッジ２５３と、「Material」に対応するエッジ２５４と、「Measure」に対応するエッジ２５５とを含む。入力されたキーワードからエッジ２５１～２５５の各々までの距離（エッジ２５１～２５５の間の順位）は、各エッジにマッピングされる要素の数および一致度などに依存して決定される。

図６を参照して、図５において抽出されたブロック２２２およびブロック２３２に含まれる要素が特性要因図２５０に割り当てられる。より具体的には、情報処理装置１００は、各要素について、生産の５Ｍのいずれに対応するのかを決定し、特性要因図２５０の対応する位置にマッピングする。

まず、各要素の属性に関して、例えば、機械の構造(geometory)の属性を有している要素は、「Machine」に関連付けられると判断できる。また、制御ロジック(logic)の属性を有している要素は、「Method」に関連付けられると判断できる。

なお、制御ロジックの属性は、明示的に記載されていない場合もある。このような場合であっても、「PLCopen」や「Control」などの用語を含む要素については、制御ロジックの属性を有していると推定でき、その結果、「Method」に関連付けられると判断できる。

技術用語の辞書を参照することで、要素の属性を決定してもよい。技術用語の辞書は、用語と意味とが対応付けられたリストを含む。例えば、要素に含まれている用語が機械の構造(geometory)に関する意味を有していれば、当該用語の意味から機械の構造に関する用語であると特定でき、当該特定した内容に基づいて、Machineに対応するエッジ２５３にマッピングできる。

次に、各要素とキーワードとの一致度に関して、例えば、キーワードと完全一致する要素については、一致度が高いので、特性２５８により近い位置にマッピングされる。一方、キーワードと部分一致する要素については、一致度が相対的に低いので、メインストリーム２５６により遠い位置にマッピングされる。

図６に示す例では、要素２２０は、入力されたキーワードである「Entrance」と完全一致しており、要素２２０の子要素である要素２２３～２２６は、「Man」に対応するエッジ２５１にマッピングされるとともに、これらの要素がマッピングされたエッジ２５１は、特性２５８に近い位置にマッピングされる。

このように、情報処理装置１００は、検索された要素と入力されたキーワードとの一致度が高いほど、検索された要素を含むブロックを、特性要因図２５０において特性２５８に近い位置にマッピングする。なお、完全一致／部分一致といった文字ベースの判断だけではなく、キーワードの意味ベースでの一致度を評価してもよい。

次に、各要素の階層構造における位置に関して、抽出されたブロックにおいて、より上位の層に存在する要素ほど特性２５８に近い位置にマッピングされる。すなわち、入力されたキーワードに対応する要素が最も特性２５８に近い位置にマッピングされ、さらに、当該入力されたキーワードに対応する要素からの距離が近い要素から順に、マッピングされる。

図６を参照して、ブロック２２２において、要素２２０の次の階層には要素２２３および要素２２６が関連付けられている。そのため、要素２２３および要素２２６は、特性２５８により近い位置にマッピングされる。さらに、要素２２３の次の階層には、要素２２４および要素２２５が関連付けられている。そのため、要素２２４および要素２２５は、要素２２３の次に特性２５８に近い位置にマッピングされている。

また、ブロック２２２の要素２２０は、入力されたキーワード「Entrance」と完全一致擦るのに対して、ブロック２３２の要素２３０は、入力されたキーワード「Entrance」と部分一致するにすぎないので、ブロック２２２に含まれる要素の方が、特性２５８により近い位置にマッピングされる。

ブロック２２２およびブロック２３２に含まれる要素の属性は、いずれも「Machine」に関連付けられると判断できる。そのため、ブロック２３２に含まれる要素２３０は、エッジ２５２に関連付けてマッピングされる。

さらに、ブロック２３２に含まれる要素は、「Method」の属性も有していると判断できる。そのため、ブロック２３２に含まれる要素２３０は、エッジ２５３にも関連付けてマッピングされる。

なお、エッジ２５１～２５５の位置については、各エッジにマッピングされた要素の数および一致度などに依存して決定される。図６に示す例においては、エッジ２５２に最も多くの要素がマッピングされており、次に、エッジ２５３に２番目に多くの要素がマッピングされている。その結果、エッジ２５２が最も特性２５８に近い位置にマッピングされ、続いて、エッジ２５３が２番目に特性２５８に近い位置にマッピングされる。なお、エッジ２５１，２５４，２５５については、要素がマッピングされていないので、特性２５８から遠い位置にマッピングされる。

以上のような処理手順によって、特性要因図が作成される。
図７は、図３に示すステップＳ７の詳細な処理手順を示すフローチャートである。図７を参照して、情報処理装置１００は、抽出されたブロック毎にキーワードとの一致度を算出し（ステップＳ７１）、ブロック間の優先順位を決定する（ステップＳ７２）。

続いて、情報処理装置１００は、抽出されたブロックのうち、未選択のブロックの中で最も優先順位の高い１つのブロックを選択する（ステップＳ７３）。情報処理装置１００は、選択されたブロックに含まれる要素の属性を特定し（ステップＳ７４）、特定した属性に基づいて、関連付けられるエッジを決定する（ステップＳ７５）。このように、情報処理装置１００は、ブロックに含まれる要素の属性を特定するとともに、５Ｍのいずれに関連付けられるかを判断する。

なお、複数の属性が抽出されることもあり、その場合には、１つのブロックが複数のエッジに関連付けられることになる。

そして、情報処理装置１００は、選択されたブロックに含まれる要素を決定されたエッジにマッピングする（ステップＳ７６）。情報処理装置１００は、要素をエッジへマッピングする際には、各ブロックにおける階層構造に対応させて、各要素のマッピング位置を決定する。すなわち、情報処理装置１００は、ブロックに関連付けられるエッジに、当該ブロックの階層構造に従って、当該ブロックに含まれる要素をマッピングする。

続いて、情報処理装置１００は、抽出されたブロックのすべてを選択したか否かを判断する（ステップＳ７７）。抽出されたブロックのうち選択されていないブロックが残っていれば（ステップＳ７７においてＮＯ）、ステップＳ７３以下の処理が繰り返される。

抽出されたブロックのすべてが選択されていれば（ステップＳ７７においてＹＥＳ）、情報処理装置１００は、エッジにマッピングされている要素の数および一致度などに基づいて、エッジ間の優先順位を決定する（ステップＳ７８）。そして、情報処理装置１００は、決定されたエッジ間の優先順位に基づいて、各エッジをメインストリームにマッピングする（ステップＳ７９）。すなわち、情報処理装置１００は、各エッジにマッピングされている要素の数およびキーワードとの一致度の少なくとも一方に基づいて、特性要因図における各エッジの位置を決定する。

以上の処理によって、特性要因図が作成される。
＜Ｄ．変形例＞
次に、本実施の形態に係る特性要因図の作成処理に関して、いくつかの変形例を説明する。

（１）類義語
上述の説明においては、AutomationMLに従って記述されたデータに含まれる単語を抽出してキーワードとして提示する例を説明した。データに含まれる単語だけではなく、任意の単語をキーワードとして提示および／または入力できるようにしてもよい。

より具体的には、データに含まれる単語を抽出し、当該抽出した単語の類義語を含めて、ユーザへ提示するキーワード群を構成してもよい。このとき、予め用意した類義語の辞書などを参照することで、抽出した単語に対応する類義語を決定できる。

また、ユーザから任意のキーワードの入力を受け付ける場合には、入力されたキーワードとデータに含まれる単語との間で、類義語も含めた検索を行うようにしてもよい。すなわち、情報処理装置１００は、入力されたキーワードの類義語も含めた範囲で対応する要素を検索するようにしてもよい。

このように、AutomationMLに従って記述されたデータに含まれる単語だけではなく、類義語の範囲で、キーワードの検索処理などを行えるようにすることで、ユーザが求めている特性要因図をより効率的に作成できる。

（２）特性要因図における一致度（優先度）の提示
AutomationMLに従って記述されたデータに含まれる要素（特性要因図を構成する要因）と、入力されたキーワード（特性要因図の特性）との一致度に基づいて、特性要因図を構成する要因毎の優先度をユーザへ提示してもよい。

要因毎の優先度は、要因毎に優先度を示す数値を表示してもよいし、優先度が高いほど、要因を特性に近い位置にマッピングするようにしてもよい。

通常、特性要因図の作成者は、特性要因図を作成した後、当該作成した特性要因図に基づいて、不具合の原因を調査することになるが、特性要因図に提示される優先度を参照することで、対象をより効率的に決定して調査完了までの時間を短縮できる。

（３）特性要因図の表現
上述の説明においては、グラフ形式の特性要因図を例示したが、どのような表現形式を採用してもよい。たとえば、グラフ形式に代えて、表形式や樹形図形式の特性要因図を採用してもよい。

特性要因図に含まれる要素が多くなると、特性要因図は巨大化して、全体の見通しが悪くなる場合がある。そのため、表現形式を適宜変更することで、より効率的に特性要因図を理解できるようになる。

（４）データ構造
上述の説明においては、標準化されたAutomationMLを一例に挙げたが、AutomationMLを将来的に発展させたデータフォーマットに対しても、本技術は適用可能である。また、基本的には、プラントエンジニアリング情報を階層構造（ツリー構造）で記述したデータフォーマットであれば、本技術は適用可能である。

＜Ｅ．付記＞
上述したような本実施の形態は、以下のような技術思想を含む。

［構成１］
AutomationMLに従って記述されたデータ（２００）を取得する取得部（１５０）と、
入力されたキーワードに対応する要素を前記データから検索する検索部（１５６）と、
前記検索された要素および当該検索された要素の下層に存在する要素を含むブロックを抽出する第１抽出部（１５８）と、
抽出したブロックに含まれる要素に基づいて特性要因図（２５０）を作成する作成部（１６０）とを備える、情報処理装置。

［構成２］
前記作成部は、前記ブロックに含まれる要素の属性を特定するとともに、５Ｍ(Man,Method,Machine,Material,Measure）のいずれに関連付けられるかを判断する、構成１に記載の情報処理装置。

［構成３］
前記特性要因図は、５Ｍにそれぞれ対応するエッジ（２５１～２５５）を含み、
前記作成部は、前記ブロックに関連付けられるエッジに、当該ブロックの階層構造に従って、当該ブロックに含まれる要素をマッピングする、構成２に記載の情報処理装置。

［構成４］
前記作成部は、前記検索された要素と前記キーワードとの一致度が高いほど、当該検索された要素を含むブロックを前記特性要因図において特性に近い位置にマッピングする、構成１～３のいずれか１項に記載の情報処理装置。

［構成５］
前記作成部は、各エッジにマッピングされている要素の数および前記キーワードとの一致度の少なくとも一方に基づいて、前記特性要因図における各エッジの位置を決定する、構成３または４に記載の情報処理装置。

［構成６］
前記データに含まれるキーワードを抽出する第２抽出部（１５２）と、
前記抽出されたキーワードをユーザへ提示する提示部（１５４）とをさらに備え、
前記検索部は、前記ユーザへ提示されたキーワードに対する入力を受け付ける、構成１～４のいずれか１項に記載の情報処理装置。

［構成７］
前記検索部は、前記入力されたキーワードの類義語も含めた範囲で対応する要素を検索する、構成１～６のいずれか１項に記載の情報処理装置。

［構成８］
コンピュータ（１００）が実行する情報処理方法であって、
AutomationMLに従って記述されたデータ（２００）を取得するステップ（Ｓ１）と、
入力されたキーワードに対応する要素を前記データから検索するステップ（Ｓ５）と、
前記検索された要素および当該検索された要素の下層に存在する要素を含むブロックを抽出するステップ（Ｓ６）と、
抽出したブロックに含まれる要素に基づいて特性要因図（２５０）を作成するステップ（Ｓ７）とを備える、情報処理方法。

［構成９］
コンピュータに、
AutomationMLに従って記述されたデータ（２００）を取得するステップ（Ｓ１）と、
入力されたキーワードに対応する要素を前記データから検索するステップ（Ｓ５）と、
前記検索された要素および当該検索された要素の下層に存在する要素を含むブロックを抽出するステップ（Ｓ６）と、
抽出したブロックに含まれる要素に基づいて特性要因図を作成するステップ（Ｓ７）とを実行させる、情報処理プログラム（１２８）。

＜Ｆ．利点＞
本実施の形態に係る情報処理装置は、不具合の原因を特定するために必要な特性要因図を、ユーザの解析作業などを介さずに、自動的に作成する。このような自動的な作成により、不具合の原因を特定するまでの時間を短縮でき、また、原因の特定精度を高めることができる。また、特性要因図を作成するのに要する時間をほぼゼロに短縮できる。さらに、ユーザが対象となる機械について、過去の経緯や詳細な仕様などを知らなくても、特性要因図を作成できる。

今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した説明ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

１００ 情報処理装置、１０２ プロセッサ、１０４ 光学ドライブ、１０５ 記録媒体、１０６ 主記憶装置、１０８ 二次記憶装置、１１２ ＵＳＢコントローラ、１１４ ネットワークコントローラ、１１６ 入力部、１１８ 表示部、１２０ バス、１２２ ＯＳ、１２４ インターフェイスプログラム、１２６ 開発プログラム、１２８ 特性要因図作成プログラム、１５０ 取得部、１５２ キーワード抽出部、１５４ 提示部、１５６ 検索部、１５８ ブロック抽出部、１６０ 作成部、２００ データ、２０２，２０４，２０６，２０８，２１０，２１２ 記述、２２０，２２３，２２４，２２５，２２６，２３０ 要素、２２２，２３２ ブロック、２５０ 特性要因図、２５１，２５２，２５３，２５４，２５５ エッジ、２５６ メインストリーム、２５８ 特性。

Claims (9)

1. AutomationMLに従って記述されたデータを取得する取得部と、
   入力されたキーワードに対応する要素を前記データから検索する検索部と、
   前記検索された要素および当該検索された要素の下層に存在する要素を含むブロックを抽出する第１抽出部と、
   抽出したブロックに含まれる要素に基づいて特性要因図を作成する作成部とを備える、情報処理装置。
2. 前記作成部は、前記ブロックに含まれる要素の属性を特定するとともに、５Ｍ(Man,Method,Machine,Material,Measure）のいずれに関連付けられるかを判断する、請求項１に記載の情報処理装置。
3. 前記特性要因図は、５Ｍにそれぞれ対応するエッジを含み、
   前記作成部は、前記ブロックに関連付けられるエッジに、当該ブロックの階層構造に従って、当該ブロックに含まれる要素をマッピングする、請求項２に記載の情報処理装置。
4. 前記作成部は、前記検索された要素と前記キーワードとの一致度が高いほど、当該検索された要素を含むブロックを前記特性要因図において特性に近い位置にマッピングする、請求項１～３のいずれか１項に記載の情報処理装置。
5. 前記作成部は、各エッジにマッピングされている要素の数および前記キーワードとの一致度の少なくとも一方に基づいて、前記特性要因図における各エッジの位置を決定する、請求項３または４に記載の情報処理装置。
6. 前記データに含まれるキーワードを抽出する第２抽出部と、
   前記抽出されたキーワードをユーザへ提示する提示部とをさらに備え、
   前記検索部は、前記ユーザへ提示されたキーワードに対する入力を受け付ける、請求項１～４のいずれか１項に記載の情報処理装置。
7. 前記検索部は、前記入力されたキーワードの類義語も含めた範囲で対応する要素を検索する、請求項１～６のいずれか１項に記載の情報処理装置。
8. コンピュータが実行する情報処理方法であって、
   AutomationMLに従って記述されたデータを取得するステップと、
   入力されたキーワードに対応する要素を前記データから検索するステップと、
   前記検索された要素および当該検索された要素の下層に存在する要素を含むブロックを抽出するステップと、
   抽出したブロックに含まれる要素に基づいて特性要因図を作成するステップとを備える、情報処理方法。
9. コンピュータに、
   AutomationMLに従って記述されたデータを取得するステップと、
   入力されたキーワードに対応する要素を前記データから検索するステップと、
   前記検索された要素および当該検索された要素の下層に存在する要素を含むブロックを抽出するステップと、
   抽出したブロックに含まれる要素に基づいて特性要因図を作成するステップとを実行させる、情報処理プログラム。

Images