JP2024060240A - 情報処理装置、情報処理方法およびプログラム - Google Patents

Abstract

【課題】データ分析の初動をサポートすることが可能な情報処理方法を提供する。【解決手段】情報処理方法は、複数のデータ要素を含む時系列データを取得するステップを備える。データ要素は、対応する時刻を示す第１サブ要素と、対応する時刻における複数の変数の値を示す第２サブ要素とを含む。情報処理方法は、第１サブ要素を複数の時間領域のいずれかに分類するステップと、第２サブ要素を複数の空間領域のいずれかに分類するステップと、複数の時間領域のうちの１つと複数の空間領域のうちの１つとの複数の組み合わせの各々について、当該組み合わせに属するデータ要素の度数を示す情報を出力するステップと、をさらに備える。【選択図】図１

Description

本開示は、情報処理装置、情報処理方法およびプログラムに関する。

近年、大量のデータを分析する様々な手法が開発されている。例えば、特開２０２１－７７０４６号公報（特許文献１）は、各クライアント装置から取得された属性データをクラスタリングし、クラスタリングの結果に基づいて、各クライアント装置を複数のグループのうちの少なくともいずれかに割り当てる技術を開示している。

特開２０２１－７７０４６号公報

一般に、データ分析の初動は、ユーザの経験およびデータに対する理解度に基づいて行なわれる。そのため、経験の浅いユーザは、大量のデータのどこから手を付けるべきか見当がつかない。そのため、データ分析の初動をサポートする技術が望まれている。

本開示は、上記の問題に鑑みてなされたものであり、その目的は、データ分析の初動をサポートすることが可能な情報処理装置、情報処理方法およびプログラムを実現することである。

本開示の一例によれば、情報処理装置は、互いに異なる時刻に対応する複数のデータ要素を含む時系列データを取得する取得部を備える。複数のデータ要素の各々は、対応する時刻を示す第１サブ要素と、対応する時刻における複数の変数の値を示す第２サブ要素とを含む。情報処理装置は、さらに、第１分類部と、第２分類部と、出力部と、を備える。第１分類部は、複数のデータ要素に含まれる第１サブ要素に対してクラスタリングを行なうことにより、第１サブ要素を複数の時間領域のいずれかに分類する。第２分類部は、複数のデータ要素に含まれる第２サブ要素に対してクラスタリングを行なうことにより、第２サブ要素を複数の空間領域のいずれかに分類する。出力部は、複数の時間領域のうちの１つと複数の空間領域のうちの１つとの複数の組み合わせの各々について、複数のデータ要素のうち当該組み合わせに属するデータ要素の度数を示す第１情報を出力する。

この開示によれば、ユーザは、第１情報を確認することにより、時間領域と空間領域との相関を大まかに把握できる。例えば、ユーザは、各組み合わせに属するデータ要素の度数の分布から、時間経過による複数の空間領域の度数変化を容易に把握できる。そのため、ユーザは、ある時間領域における各空間領域の度数分布が残りの時間領域における各空間領域の度数分布と異なる場合、当該ある時間領域においてシステムに何らかの状態変化が発生していると推定できる。その結果、ユーザは、当該ある時間領域に対応し、かつ、特異な度数を有する組み合わせに属するデータ要素から重点的に確認し始めることができる。このように、上記の開示によれば、情報処理装置は、データ分析の初動をサポートできる。

上述の開示において、第１情報は、複数の時間領域を表す第１軸と、複数の空間領域を表す第２軸とを有するグラフを示す。グラフは、度数の分布を示す。上記の開示によれば、ユーザは、グラフを確認することにより、組み合わせごとの度数の状況を即座に把握できる。グラフは例えば２次元ヒートマップである。

上述の開示において、出力部は、複数のデータ要素のうち複数の時間領域の各々に属する第１サブ要素を含むデータ要素の度数分布図を示す第２情報と、複数のデータ要素のうち複数の空間領域の各々に属する第２サブ要素を含むデータ要素の度数分布図を示す第３情報と、をさらに出力する。

上記の開示によれば、ユーザは、時間領域ごとの度数分布と空間領域ごとの度数分布とを容易に把握できる。

上述の開示において、情報処理装置は、複数の組み合わせのうちの１以上の組み合わせの選択を受け付ける受付部をさらに備える。出力部は、複数の変数のうちの少なくとも１つの変数の時系列散布図を示す第４情報と、複数の変数のうちの少なくとも２つの変数に対する多次元散布図を示す第５情報とを出力する。出力部は、時系列散布図および多次元散布図において、複数のデータ要素のうち１以上の組み合わせのいずれかに属するデータ要素に対応する点の表示形式を残りの点の表示形式と異ならせる。

上記の開示によれば、ユーザは、複数の組み合わせのうち注目する組み合わせを選択できる。そして、ユーザは、時系列散布図および多次元散布図における注目する組み合わせに属するデータ要素の位置を容易に特定できる。

上述の開示において、情報処理装置は、複数の組み合わせのうちの１つの組み合わせの選択を受け付ける受付部をさらに備える。出力部は、第２分類部による１つの組み合わせの空間領域への第２サブ要素の分類における複数の変数の各々の寄与度を示す第６情報をさらに出力する。

上記の開示によれば、ユーザは、注目する組み合わせの空間領域への分類に影響のある変数を容易に特定できる。

上述の開示において、出力部は、複数の時間領域の各々における、当該時間領域に属する第１サブ要素によって示される時刻の分布を示す第７情報をさらに出力する。

上記の開示によれば、ユーザは、各時間領域における第１サブ要素の粗密を容易に把握できる。

上述の開示において、第２分類部は、複数のデータ要素に含まれる第２サブ要素に対して階層クラスタリングを行なう。出力部は、複数の空間領域の樹形図を示す第８情報をさらに出力する。

上記の開示によれば、ユーザは、ある空間領域に属するデータ要素が別のどの空間領域に属するデータ要素に類似しているかを容易に把握できる。

本開示の別の例によれば、コンピュータによって実行される情報処理方法は、第１～第４のステップを備える。第１のステップは、コンピュータが、互いに異なる時刻に対応する複数のデータ要素を含む時系列データを取得するステップである。複数のデータ要素の各々は、対応する時刻を示す第１サブ要素と、対応する時刻における複数の変数の値を示す第２サブ要素とを含む。第２のステップは、コンピュータが、複数のデータ要素に含まれる第１サブ要素をクラスタリングすることにより、第１サブ要素を複数の時間領域のいずれかに分類するステップである。第３のステップは、コンピュータが、複数のデータ要素に含まれる第２サブ要素をクラスタリングすることにより、第２サブ要素を複数の空間領域のいずれかに分類するステップである。第４のステップは、コンピュータが、複数の時間領域のうちの１つと複数の空間領域のうちの１つとの複数の組み合わせの各々について、複数のデータ要素のうち当該組み合わせに属するデータ要素の度数を示す情報を出力するステップである。

本開示のさらに別の例によれば、プログラムは、上記の方法をコンピュータに実行させる。これらの開示によっても、データ分析の初動をサポートできる。

本開示によれば、データ分析の初動をサポートできる。

実施の形態に係る情報処理方法を示す概略図である。 実施の形態に係る生産システムの全体構成例を示す模式図である。 実施の形態に係る生産システムの応用例を示す模式図である。 実施の形態に係る生産システムによる制御系を説明する図である。 実施の形態に係る生産システムによる予測制御系の予測結果に基づく制御の一例を示す模式図である。 実施の形態に係る生産システム１を用いた予測モデル１４０の生成処理の処理手順を示すフローチャートである。 実施の形態に係る予測モデル１４０の学習方法について説明する図である。 実施の形態に係る生産システム１を構成する制御装置１００のハードウェア構成例を示すブロック図である。 実施の形態に係る生産システム１を構成するサポート装置２００のハードウェア構成例を示すブロック図である。 実施の形態に係る生産システム１を構成する制御装置１００およびサポート装置２００のソフトウェア構成例を示すブロック図である。 図１０に示す解析プログラム２２６に含まれる機能モジュールの概要を示すブロック図である。 実施の形態に係る前処理機能を実行する前処理部について説明する図である。 初動サポート画面の一例を示す図である。 初動サポート画面の別の例を示す図である。 ラベリング画面の第１例を示す図である。 ラベリング画面の第２例について説明する図である。 ラベリング画面の第３例について説明する図である。 ラベリング画面の第４例について説明する図である。 時系列データテーブルおよび特徴量データテーブルについて説明する図である。

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返さない。

§１ 適用例
図１を参照して、本発明が適用される場面の一例について説明する。図１は、実施の形態に係る情報処理方法を示す概略図である。図１には、生産システムに関するデータ分析の初動をサポートする方法が示される。

図１に示されるように、情報処理方法は、互いに異なる時刻に対応する複数のデータ要素８を含む時系列データ７を取得するステップＳ１００を備える。複数のデータ要素８の各々は、対応する時刻を示す第１サブ要素８ａと、対応する時刻における複数の変数の値を示す第２サブ要素８ｂとを含む。

情報処理方法は、複数のデータ要素８に含まれる第１サブ要素８ａに対してクラスタリングを行なうことにより、第１サブ要素８ａを複数の時間領域のいずれかに分類するステップＳ２００を備える。複数の時間領域の各々にはラベル（以下、「時間領域ラベル」と称する。）が付与される。図１に示す例では、第１サブ要素８ａは、時間領域ラベル「１」～「１４」の時間領域のいずれかに分類される。

さらに、情報処理方法は、複数のデータ要素８に含まれる第２サブ要素８ｂに対してクラスタリングを行なうことにより、第２サブ要素８ｂを複数の空間領域のいずれかに分類するステップＳ３００を備える。複数の空間領域の各々にはラベル（以下、「空間領域ラベル」と称する。）が付与される。図１に示す例では、第２サブ要素８ｂは、空間領域ラベル「１」～「１４」の空間領域のいずれかに分類される。

さらに、情報処理方法は、複数の時間領域のうちの１つと複数の空間領域のうちの１つとの複数の組み合わせの各々について、複数のデータ要素８のうち当該組み合わせに属するデータ要素８の度数を示す第１情報を出力する。図１に示す例では、第１情報は、１４×１４＝１９６通りの組み合わせの各々に属するデータ要素８の度数を色および濃度で表すグラフを示す。

特許文献１に開示のようなクラスタリングは、時刻を考慮することなく、時刻以外の変数を分類するために使用されている。すなわち、従来のクラスタリングの結果には、時刻情報が欠落している。そのため、クラスタリングの結果に時刻情報を追加することが考えられる。例えば、複数の変数に対する主成分分析によって得られる２つの主成分の散布図において、クラスタリングの結果を表す境界を表示するとともに、各点を時刻ごとに色分けすることが考えられる。しかしながら、この場合、情報過多であるために、わかりにくい散布図となり、データ分析の初動を十分にサポートできない。

これに対し、図１に示す情報処理方法によれば、ユーザは、各組み合わせに属するデータ要素８の度数の分布から、時間経過による複数の空間領域の度数変化を容易に把握できる。生産システムでは、何らかの異常が発生したタイミングにおいて、複数の変数のうちのいずれかが当該異常に影響され得る。そのため、ユーザは、ある時間領域における各空間領域の度数分布が残りの時間領域における各空間領域の度数分布と異なる場合、当該ある時間領域において生産システムに何らかの状態変化が発生していると推定できる。その結果、ユーザは、当該ある時間領域に対応し、かつ、特異な度数を有する組み合わせに属するデータ要素８から重点的に確認し始めることができる。このように、本実施の形態に係る情報処理方法によれば、データ分析の初動をサポートできる。

§２ 具体例
＜システム構成＞
上記の情報処理方法が適用される具体的なシステムについて説明する。以下、主として、予測機能を有する生産システムの主要な局面について説明する。なお、上記の情報処理方法は、以下に記す予測機能を有する生産システムに限定されず、他のシステム（例えば、異常検知機能を有する生産システムなど）にも適用され得る。

図２は、実施の形態に係る生産システムの全体構成例を示す模式図である。図２を参照して、実施の形態に係る生産システム１は、主たる構成要素として、制御対象を制御する制御装置１００と、制御装置１００に接続されるサポート装置２００とを含む。

制御装置１００は、ＰＬＣ（プログラマブルロジックコントローラ）などの、一種のコンピュータとして具現化されてもよい。制御装置１００は、フィールドバス２を介してフィールド装置群１０と接続されるとともに、フィールドバス４を介して１または複数の表示装置６００と接続されてもよい。さらに、制御装置１００は、上位ネットワーク６を介して上位サーバ３００に接続されてもよい。なお、上位サーバ３００および表示装置６００はオプショナルな構成であり、生産システム１の必須の構成ではない。

制御装置１００は、設備や機械を制御するための各種演算を実行する制御ロジック（以下、「ＰＬＣエンジン」とも称す。）を有している。ＰＬＣエンジンに加えて、制御装置１００は、フィールド装置群１０にて計測され、制御装置１００へ転送されるデータ（以下、「入力データ」とも称す。）を収集する収集機能を有している。さらに、制御装置１００は、収集した入力データに基づいて将来の時間変化を予測する予測機能も有している。

具体的には、制御装置１００に実装される時系列データベース（以下、「ＴＳＤＢ（Time Series Data Base）」とも記す。）１３０が収集機能を提供し、制御装置１００に実装される予測モデル１４０が監視機能を提供する。ＴＳＤＢ１３０および予測モデル１４０の詳細については後述する。

フィールドバス２およびフィールドバス４は、産業用の通信プロトコルを採用することが好ましい。このような通信プロトコルとしては、ＥｔｈｅｒＣＡＴ（登録商標）、ＥｔｈｅｒＮｅｔ／ＩＰ（登録商標）、ＤｅｖｉｃｅＮｅｔ（登録商標）、ＣｏｍｐｏＮｅｔ（登録商標）などが知られている。

フィールド装置群１０は、制御対象または制御に関連する製造装置や生産ラインなど（以下、「フィールド」とも総称する。）から入力データを収集する装置を含む。このような入力データを収集する装置としては、入力リレーや各種センサなどが想定される。フィールド装置群１０は、さらに、制御装置１００にて生成される指令（以下、「出力データ」とも称す。）に基づいて、フィールドに対して何らかの作用を与える装置を含む。このようなフィールドに対して何らかの作用を与える装置としては、出力リレー、コンタクタ、サーボドライバおよびサーボモータ、その他任意のアクチュエータが想定される。これらのフィールド装置群１０は、フィールドバス２を介して、制御装置１００との間で、入力データおよび出力データを含むデータを遣り取りする。

図２に示す構成例においては、フィールド装置群１０は、リモートＩ／Ｏ（Input/Output）装置１２と、リレー群１４と、画像センサ１８およびカメラ２０と、サーボドライバ２２およびサーボモータ２４とを含む。

リモートＩ／Ｏ装置１２は、フィールドバス２を介して通信を行う通信部と、入力データの収集および出力データの出力を行うための入出力部（以下、「Ｉ／Ｏユニット」とも称す。）とを含む。このようなＩ／Ｏユニットを介して、制御装置１００とフィールドとの間で入力データおよび出力データが遣り取りされる。図２には、リレー群１４を介して、入力データおよび出力データとして、デジタル信号が遣り取りされる例が示されている。

Ｉ／Ｏユニットは、フィールドバス２に直接接続されるようにしてもよい。図２には、フィールドバス２にＩ／Ｏユニット１６が直接接続されている例を示す。

画像センサ１８は、カメラ２０によって撮像された画像データに対して、パターンマッチングなどの画像計測処理を行って、その処理結果を制御装置１００へ送信する。

サーボドライバ２２は、制御装置１００からの出力データ（例えば、位置指令など）に従って、サーボモータ２４を駆動する。

上述のように、フィールドバス２を介して、制御装置１００とフィールド装置群１０との間でデータが遣り取りされることになるが、これらの遣り取りされるデータは、数百μｓｅｃオーダ～数十ｍｓｅｃオーダのごく短い周期で更新されることになる。なお、このような遣り取りされるデータの更新処理を、「Ｉ／Ｏリフレッシュ処理」と称することもある。

また、フィールドバス４を介して制御装置１００と接続される表示装置６００は、ユーザからの操作を受けて、制御装置１００に対してユーザ操作に応じたコマンドなどを送信するとともに、制御装置１００での演算結果などをグラフィカルに表示する。

上位サーバ３００は、制御装置１００と上位ネットワーク６を介して接続され、制御装置１００との間で必要なデータを遣り取りする。上位ネットワーク６には、イーサネット（登録商標）などの汎用プロトコルが実装されてもよい。

サポート装置２００は、制御装置１００が制御対象を制御するために必要な準備を支援する情報処理装置（コンピュータの一例）である。具体的には、サポート装置２００は、制御装置１００で実行されるユーザプログラムの開発環境（プログラム作成編集ツール、パーサ、コンパイラなど）、制御装置１００および制御装置１００に接続される各種デバイスのパラメータ（コンフィギュレーション）を設定するための設定環境、生成したユーザプログラムを制御装置１００へ送信する機能、制御装置１００上で実行されるユーザプログラムなどをオンラインで修正・変更する機能、などを提供する。

さらに、実施の形態に係るサポート装置２００は、制御装置１００に実装される予測モデル１４０の生成および最適化を支援するための機能を有している。すなわち、サポート装置２００は、予測モデル１４０を予め決定する予測モデル生成部を有している。これらの機能の詳細については後述する。

＜生産システムの応用例＞
図３は、実施の形態に係る生産システムの応用例を示す模式図である。図３には、プレス機３０を含む生産設備の例を示す。

図３を参照して、プレス機３０は、ワーク３１を受け入れ、ベース３３に設けられた支持台３４上に受け入れたワーク３１を配置する。そして、モータ３７で駆動される駆動軸３６の先端に設けられた押し込み板３５でワーク３１を圧縮して、中間製品３２を生成する。

プレス機３０においては、予期しない要因変動により中間製品３２に不良が発生し得るとする。そのため、プレス機３０の下流側に配置された検査機による検査、あるいは、検査員による目視検査または抜き取りによる検査によって、中間製品３２に不良が発生しているか否かを判断する。もし、不良が発生していると判断されると、目標値などを都度調整することになる。

このように、通常の製造工程においては、中間製品３２の良品率を維持および向上させるためには、目標値を都度調整する必要があるが、様々な観点から事前設計したとしても、すべての要因変動に対応することが難しい。

これに対して、実施の形態に係る予測モデル１４０を用いて、中間製品３２の状態（すなわち、加工後の品質）を予測することで、不良が実際に発生する前に、制御装置１００による制御を補正できる。このような事前の不良発生の予測を利用できることで、目標値などの都度調整に係る工数を削減するとともに、中間製品３２に不良が発生することを防止できる。

図４は、実施の形態に係る生産システムによる制御系を説明する図である。図４を参照して、本例における、制御対象は、プレス機３０である。既存制御系には、装置の設定値が入力されて目標値が生成される。プレス機３０の制御量と、目標値とに基づくフィードバック制御により制御対象に対する操作量が設定される。また、既存制御系に対して予測制御系が設けられる。具体的には、説明変数に対して目的変数を算出する予測器が設けられる。予測器の一例は、予測モデル１４０である。プレス機３０の品質特性の目標値と目的変数とに基づいて補正器で補正値が算出される。当該補正値が操作量に加えられる。

図５は、実施の形態に係る生産システムによる予測制御系の予測結果に基づく制御の一例を示す模式図である。

図５の（Ａ）には、ある時点におけるプレス機の押し込み位置の計画値（指令）と、実際のプレス機３０の押し込み位置（実績値）とを示す。目標値は、加工後の中間製品３２のあるべき厚みを示す。

図５の（Ｂ）を参照して、ある時点において、それまでの情報（実績値を含み得る）に基づいて、この先のプレス機３０の押し込み位置（予測値）を算出し、その算出された予測値に基づいて、プレス機３０に対する操作量を補正値により補正する。

図３～図５に示すプレス機３０においては、プレス機３０の押し込み位置を予測し、その予測結果に基づいて制御量を補正することで、例えば、ワーク３１の硬さのばらつきなどに応じて、作業者が目標値を都度調整するようなことは必要ない。その結果、予期しない要因変動による不良品の発生を抑制でき、ワーク３１に何らかのばらつきがあっても、品質を安定化できる。

予測に用いるデータ（実績値または観測値）と予測されるデータとは、一部または全部が同一であってもよいし、全く異なるものであってもよい。

実施の形態に係る生産システム１は、予測モデル１４０を適切に生成するための機能を提供する。予測モデル１４０を適切に生成するための機能は、典型的には、サポート装置２００に実装されてもよい。

＜予測モデルの生成および運用の概要＞
次に、実施の形態に係る生産システム１を用いた予測モデル１４０の生成および運用の概要について説明する。

図６は、実施の形態に係る生産システム１を用いた予測モデル１４０の生成処理の処理手順を示すフローチャートである。図５に示す各ステップは、典型的には、サポート装置２００のプロセッサ２０２がプログラム（解析プログラム２２６およびＯＳ２２８など）を実行することで実現される。

図６を参照して、サポート装置２００は、ＴＳＤＢ１３０に格納されている実績値の時系列データ７を取得する（ステップＳ１）。続いて、サポート装置２００は、取得した実績値の時系列データ７から予測対象区間の設定を受け付ける（ステップＳ２）。

サポート装置２００は、ステップＳ２において設定された予測対象区間の変化を予測するための予測モデルの生成に用いられる学習用サンプルを選択する（ステップＳ３）。ステップＳ３においては、複数種類のデータのうち、いずれのデータが学習に用いられるのかが選択される。

サポート装置２００は、選択した学習用サンプルに基づいて機械学習する（ステップＳ４）。

サポート装置２００は、機械学習により予測モデル１４０を生成する（ステップＳ６）。本例における予測モデル１４０は、決定木により構成される。決定木は、ある時点の特徴量に対して押し込み位置（予測値）を出力するように構成される。この決定木の学習方法には、ＣＬＳ（Concept Learning System）、ＩＤ３（Iterative Dichotomiser 3）、Ｃ４．５等が用いられてもよい。

本明細書において、「サンプル」は、予測モデル１４０から出力されるべき予測値の教師データとして用いられる所定時間長さのデータ列を意味する。「サンプル」は、基本的には、予測対象の時系列データ（生データ）が用いられるが、予測対象が時系列データから抽出される特徴量である場合には、特徴量を用いてもよい。「サンプル」という用語は、複数のデータを処理する際の処理単位に注目したものであり、それに含まれるデータの内容などについては、特に限定するようなものではない。

本明細書において、任意の予測値を算出または決定するために参照されるデータを「説明変数」とも称す。１または複数の「説明変数」を用いて、任意の予測値が算出または決定される。そのため、学習用サンプルは、「説明変数」の候補となり得るデータと何らかの方法で関連付けられることになる。

本明細書において、「特徴量」は、処理対象の時系列データに含まれる情報を包含する用語であり、例えば、対象の時系列データについての、最大値、最小値、中間値、平均値、標準偏差、分散などを含み得る。なお、「特徴量」は、対象の時系列データそのものも含み得る。

図７は、実施の形態に係る予測モデル１４０の学習方法について説明する図である。図７の（Ａ）に示されるように、ＴＳＤＢ１３０に格納されている時系列データ７が示されている。当該時系列データ７に対して、予測対象区間が設定され、予測対象区間の時刻ｔおよびｔ－１の２点の特徴量に対して予測対象の目的変数である予測値が推定される。図７の（Ｂ）に示されるように、当該時系列データ７を用いて、単位時刻分ずらして学習処理を実行する場合が示されている。

以上のような処理手順によって生成された予測モデル１４０を制御装置１００に設定することで、図３～図５に示すような運用が可能となる。

＜ハードウェア構成例＞
次に、実施の形態に係る生産システム１を構成する主要な装置のハードウェア構成例について説明する。

（制御装置１００のハードウェア構成例）
図８は、実施の形態に係る生産システム１を構成する制御装置１００のハードウェア構成例を示すブロック図である。図８を参照して、制御装置１００は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro-Processing Unit）などのプロセッサ１０２と、チップセット１０４と、主記憶装置１０６と、二次記憶装置１０８と、上位ネットワークコントローラ１１０と、ＵＳＢ（Universal Serial Bus）コントローラ１１２と、メモリカードインターフェイス１１４と、内部バスコントローラ１２２と、フィールドバスコントローラ１１８，１２０と、Ｉ／Ｏユニット１２４－１，１２４－２，…とを含む。

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、ＰＬＣエンジン１５０および予測モデル１４０を実現する。チップセット１０４は、プロセッサ１０２と各コンポーネントとの間のデータ伝送などを制御する。

二次記憶装置１０８には、ＰＬＣエンジン１５０を実現するためのシステムプログラムに加えて、ＰＬＣエンジン１５０を利用して実行されるユーザプログラムが格納される。さらに、二次記憶装置１０８には、予測モデル１４０を実現するためのプログラムも格納される。

上位ネットワークコントローラ１１０は、上位ネットワーク６を介した別の装置との間のデータの遣り取りを制御する。ＵＳＢコントローラ１１２は、ＵＳＢ接続を介してサポート装置２００との間のデータの遣り取りを制御する。

メモリカードインターフェイス１１４は、メモリカード１１６を着脱可能に構成されており、メモリカード１１６に対してデータを書き込み、メモリカード１１６から各種データ（ユーザプログラムやトレースデータなど）を読み出すことが可能になっている。

内部バスコントローラ１２２は、制御装置１００に搭載されるＩ／Ｏユニット１２４－１，１２４－２，…との間でデータを遣り取りするインターフェイスである。

フィールドバスコントローラ１１８は、フィールドバス２を介した別の装置との間のデータの遣り取りを制御する。同様に、フィールドバスコントローラ１２０は、フィールドバス４を介した別の装置との間のデータの遣り取りを制御する。

図８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。あるいは、制御装置１００の主要部を、汎用的なアーキテクチャに基づくハードウェア（例えば、汎用パソコンをベースとした産業用パソコン）を用いて実現してもよい。この場合には、仮想化技術を用いて、用途の異なる複数のＯＳ（Operating System）を並列的に実行させるとともに、各ＯＳ上で必要なアプリケーションを実行させるようにしてもよい。

（サポート装置２００のハードウェア構成例）
実施の形態に係るサポート装置２００は、一例として、汎用的なアーキテクチャに基づくハードウェア（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９は、実施の形態に係る生産システム１を構成するサポート装置２００のハードウェア構成例を示すブロック図である。図９を参照して、サポート装置２００は、ＣＰＵやＭＰＵなどのプロセッサ２０２と、光学ドライブ２０４と、主記憶装置２０６と、二次記憶装置２０８と、ＵＳＢコントローラ２１２と、上位ネットワークコントローラ２１４と、入力部２１６と、表示部２１８とを含む。これらのコンポーネントはバス２２０を介して接続される。

プロセッサ２０２は、二次記憶装置２０８に格納された各種プログラムを読み出して、主記憶装置２０６に展開して実行することで、後述するようなモデル生成処理を含む各種処理を実現する。

二次記憶装置２０８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２０８には、典型的には、サポート装置２００において実行されるユーザプログラムの作成、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２２２と、制御装置１００との間で予測機能に関するデータを遣り取りするためのＰＬＣインターフェイスプログラム２２４と、予測モデル１４０の生成などを実現するための解析プログラム２２６と、ＯＳ２２８とが格納される。二次記憶装置２０８には、図９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。

サポート装置２００は、光学ドライブ２０４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２０５（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２０８などにインストールされる。

サポート装置２００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２０５を介してインストールされてもよいが、ネットワーク上の任意のサーバ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、実施の形態に係るサポート装置２００が提供する機能は、ＯＳ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２１２は、ＵＳＢ接続を介して制御装置１００との間のデータの遣り取りを制御する。上位ネットワークコントローラ２１４は、任意のネットワークを介した別の装置との間のデータの遣り取りを制御する。

入力部２１６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２１８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２０２からの処理結果などを出力する。

図９には、プロセッサ２０２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またはＦＰＧＡなど）を用いて実装してもよい。

＜ソフトウェア構成例／機能構成例＞
次に、実施の形態に係る生産システム１を構成する制御装置１００およびサポート装置２００のソフトウェア構成例および機能構成例について説明する。

図１０は、実施の形態に係る生産システム１を構成する制御装置１００およびサポート装置２００のソフトウェア構成例を示すブロック図である。図１０を参照して、制御装置１００は、主要な機能構成として、ＰＬＣエンジン１５０に加えて、ＴＳＤＢ１３０および予測モデル１４０を含む。

ＰＬＣエンジン１５０は、ユーザプログラム１５４を逐次解釈して、指定された制御演算を実行する。ＰＬＣエンジン１５０は、フィールドから収集される状態値を変数１５２の形で管理しており、変数１５２は予め定められた周期で更新される。ＰＬＣエンジン１５０は、制御装置１００のプロセッサ１０２がシステムプログラムを実行することで実現されてもよい。

本明細書において、「状態値」は、フィールドから収集される入力値、フィールドへ出力される指令値、および、制御装置１００の内部で管理されるシステム状態値や内部値を含む。実施の形態に係る制御装置１００においては、「状態値」を「変数」の形で参照するので、以下の説明においては、便宜上、「変数」との用語を「状態値」を含む趣旨で用いる。なお、本開示の技術的範囲は、「状態値」を「変数」の形で参照する構成に限定されることはない。

ユーザプログラム１５４は、予測値取得コード１５６と、誤差評価コード１５８と、追加学習コード１６０と、ＴＳＤＢ書き込みコード１６２と、制御演算コード１６４とを含む。

予測値取得コード１５６は、制御演算コード１６４が参照可能な状態値のうち１または複数の状態値からなる実績値を予測モデル１４０に入力することで予測値を取得する予測値取得部を実現する。より具体的には、予測値取得コード１５６は、変数１５２として管理される必要な実績値を取得して、予測モデル１４０に入力することで、予測値を取得する命令を含む。

誤差評価コード１５８は、予測値取得コード１５６により取得された予測値と目標値との誤差を評価する命令を含む。

追加学習コード１６０は、誤差評価コード１５８により評価された誤差に応じて、必要に応じて、予測モデル１４０を追加学習する命令を含む。

ＴＳＤＢ書き込みコード１６２は、変数１５２として管理される変数のうち、予め定められた変数を取得して、ＴＳＤＢ１３０の記憶領域１３２に書き込む。

制御演算コード１６４は、制御対象を制御するための制御演算を実行する制御演算部を実現する。より具体的には、制御演算コード１６４は、制御対象を制御するための制御演算を実行するとともに、誤差評価コード１５８により評価された誤差に応じて、必要に応じて、制御演算に用いる目標値を補正する。

ＴＳＤＢ１３０は、記憶領域１３２に書き込まれたデータを必要に応じて、サポート装置２００などへエクスポートするエクスポートモジュール１３４を有している。

予測モデル１４０は、参照軌道１４４を有している。
一方、サポート装置２００は、開発プログラム２２２および解析プログラム２２６がインストールされている。

開発プログラム２２２は、ユーザ操作に従って、ユーザプログラム１５４を生成し、制御装置１００へ転送する。また、開発プログラム２２２は、制御演算コード１６４の内容を適宜修正する機能も有している。

解析プログラム２２６は、予測モデル１４０を予め決定する予測モデル生成部を実現するための情報処理プログラムに相当する。より具体的には、解析プログラム２２６は、予測モデル１４０の生成を支援するものであり、モデル生成モジュール２２６２と、前処理モジュール２２６４とを含む。

モデル生成モジュール２２６２は、予測モデル１４０を生成する処理に必要な機能を実現する。

前処理モジュール２２６４は、予測モデル１４０を生成するために用いられる学習用サンプルを選択するために用いられる。予測対象の時系列データ（生データ）の中から必要なデータを抽出するとともに、不要なデータを学習用サンプルから除外する処理を実行する。これにより、予測モデル１４０の精度を向上させることが可能となる。

図１１は、図１０に示す解析プログラム２２６に含まれる機能モジュールの概要を示すブロック図である。図１１を参照して、サポート装置２００の解析プログラム２２６は、主要な機能構成として、ユーザインターフェイス２３０と、入出力管理モジュール２３６と、画面表示モジュール２３８と、グラフライブラリ２４０と、解析モジュール２４２と、解析ライブラリ２４４とを含む。

ユーザインターフェイス２３０は、ユーザからの設定を受け付けるとともに、ユーザに対して各種情報を提供するための統括的な処理を実行する。具体的な実装形態として、ユーザインターフェイス２３０は、スクリプトエンジン２３２を有しており、必要な処理を記述したスクリプトを含む設定ファイル２３４を読み込んで、設定された処理を実行する。

入出力管理モジュール２３６は、指定されたファイルなどからデータを読み込むファイル入力機能と、データストリームを受信するストリーム入力機能と、生成したデータなどを含むファイルを出力するファイル出力機能とを含む。

画面表示モジュール２３８は、入力された予測モデルに基づいてモデル評価画面を生成する機能と、ユーザの操作を受けて評価結果を表示する機能とを含む。グラフライブラリ２４０を参照して必要な処理を実行するようにしてもよい。

解析モジュール２４２は、解析プログラム２２６の主要な処理を実現するモジュールであり、モデル生成機能および前処理機能を有している。解析モジュール２４２に含まれる各機能は、解析ライブラリ２４４を参照することで実現される。

解析ライブラリ２４４は、解析モジュール２４２に含まれる各機能が処理を実行するためのライブラリを含む。より具体的には、解析ライブラリ２４４は、統計量機能、決定木機能、時系列回帰機能、グリッドサーチ機能、クラスタリング機能、推論速度評価機能、精度評価機能、および、異常検知機能を有している。

＜前処理ツール＞
図１２は、実施の形態に係る前処理機能を実行する前処理部について説明する図である。図１２を参照して、前処理部２５０は、取得部２５１と、第１分類部２５２と、第２分類部２５３と、出力部２５４と、受付部２５５と、ラベリング部２５６とを含む。前処理部２５０は、一例として前処理モジュール２２６４により実現される。

図１のフローで説明したステップＳ１００～Ｓ４００および図６のフローで説明したステップＳ１～Ｓ３の部分については前処理部２５０によって実行される。

取得部２５１は、ＴＳＤＢ１３０に格納されている時系列データ７を取得する。時系列データ７は、互いに異なる時刻に対応する複数のデータ要素８を含む（図１参照）。複数のデータ要素８の各々は、対応する時刻を示す第１サブ要素８ａと、対応する時刻における複数の変数の値（実績値）を示す第２サブ要素８ｂとを含む。

第１分類部２５２は、複数のデータ要素８に含まれる第１サブ要素８ａに対してクラスタリングを行なうことにより、第１サブ要素８ａを複数の時間領域のいずれかに分類する。

第２分類部２５３は、複数のデータ要素８に含まれる第２サブ要素８ｂに対してクラスタリングを行なうことにより、第２サブ要素８ｂを複数の空間領域のいずれかに分類する。

第１分類部２５２および第２分類部２５３は、公知のクラスタリング手法を用いればよい。公知のクラスタリング手法として、非階層クラスタリングおよび階層クラスタリングが存在する。非階層クラスタリングとしてｋ－ｍｅａｎｓ法が挙げられる。階層クラスタリングとして、ウォード法、群平均法、最短距離法、最長距離法などが挙げられる。

時間領域の個数（クラスタ数）および空間領域の個数（クラスタ数）は、例えば、データ要素８の個数とスタージェスの公式とを用いて決定されてもよい。あるいは、時間領域の個数および空間領域の個数は、ユーザによって指定されてもよい。

第２分類部２５３は、複数の変数の各々に対して、第２サブ要素８ｂを複数の空間領域の各々に分類する際の寄与度を算出する。第２分類部２５３は、公知の因子分析手法等に基づいて複数の変数の寄与度を算出すればよい。

受付部２５５は、入力部２１６の操作に応じて、複数の組み合わせのうちの１以上の組み合わせの選択入力を受け付ける。

出力部２５４は、入力部２１６の操作に応じて、以下の第１～第８情報を出力する。具体的には、出力部２５４は、第１～第８情報のうちの少なくとも１つに基づいた画面を生成し、生成した画面を表示部２１８に表示させる。
（ａ）第１情報は、上述したように、複数の時間領域のうちの１つと複数の空間領域のうちの１つとの複数の組み合わせの各々について、複数のデータ要素８のうち当該組み合わせに属するデータ要素８の度数を示す。
（ｂ）第２情報は、複数のデータ要素８のうち複数の時間領域の各々に属する第１サブ要素８ａを含むデータ要素８の度数分布図を示す。
（ｃ）第３情報は、複数のデータ要素８のうち複数の空間領域の各々に属する第２サブ要素８ｂを含むデータ要素８の度数分布図を示す。
（ｄ）第４情報は、複数の変数のうちの少なくとも１つの変数の時系列散布図を示す。
（ｅ）第５情報は、複数の変数のうちの少なくとも２つの変数に対する多次元散布図を示す。
（ｆ）第６情報は、第２分類部２５３による、受付部２５５によって受け付けられた１つの組み合わせの空間領域への第２サブ要素８ｂの分類における複数の変数の各々の寄与度を示す。
（ｇ）第７情報は、複数の時間領域の各々における、当該時間領域に属する第１サブ要素８ａによって示される時刻の分布を示す。
（ｈ）第８情報は、複数の空間領域の樹形図を示す。なお、第８情報は、第２分類部２５３が複数のデータ要素８に含まれる第２サブ要素８ｂに対して階層クラスタリングを行なう場合にのみ生成される。

ラベリング部２５６は、入力部２１６の操作に応じて、予測モデル１４０を生成するために用いられる学習用サンプルを選択するための指標として、複数のデータ要素８にラベルを付与する。

図１３は、初動サポート画面の一例を示す図である。図１３に示す初動サポート画面４００は、出力部２５４によって生成され、表示部２１８に表示される。

図１３に示されるように、初動サポート画面４００は、第１情報に基づいて生成されるグラフ４１０を含む。グラフ４１０は、複数の時間領域を表す横軸（第１軸）と、複数の空間領域を表す縦軸（第２軸）とを有する。グラフ４１０は、例えば、複数の時間領域のうちの１つと複数の空間領域のうちの１つとの複数の組み合わせの各々について、当該組み合わせに属するデータ要素８の度数を色および濃度で表す２次元ヒートマップである。

さらに、初動サポート画面４００は、複数のデータ要素８のうち複数の時間領域の各々に属する第１サブ要素８ａを含むデータ要素８の度数分布図４２０と、複数のデータ要素８のうち複数の空間領域の各々に属する第２サブ要素８ｂを含むデータ要素８の度数分布図４３０とを含む。度数分布図４２０および度数分布図４３０は、第２情報および第３情報に基づいてそれぞれ生成される。

初動サポート画面４００は、複数の時間領域のうちの１つと複数の空間領域のうちの１つとの複数の組み合わせのうちの１以上の組み合わせを選択するためのカーソル４４０を含む。受付部２５５は、カーソル４４０に対する入力部２１６の操作に応じて、１以上の組み合わせの選択入力を受け付ける。

ユーザは、初動サポート画面４００のグラフ４１０を確認することにより、時間領域と空間領域との相関を大まかに把握できる。

例えば、ユーザは、時間経過による複数の空間領域の度数変化を容易に把握できる。ユーザは、ある時間領域における各空間領域の度数分布が残りの時間領域における各空間領域の度数分布と異なる場合、当該ある時間領域において生産システム１のフィールドに何らかの状態変化が発生していると推定できる。その結果、ユーザは、当該ある時間領域に対応し、かつ、特異が度数を有する組み合わせに属するデータ要素８から重点的に確認し始めることができる。

また、ユーザは、度数分布図４２０，４３０を確認することにより、各時間領域に属するデータ要素８の度数と、各空間領域に属するデータ要素８の度数とを容易に把握できる。そのため、ユーザは、例えば、特異な度数を有する時間領域または空間領域に属するデータ要素８から重点的に確認し始めることができる。

さらに、ユーザは、生産システム１において蓄積されるイベントデータ、生産管理データ等を適宜参照してもよい。イベントデータは、生産システム１において発生したイベントの種類とその発生時刻とを対応付けたデータである。生産管理データは、ロット番号と、当該ロット番号の製品が生産された期間とを対応づけたデータである。これにより、ユーザは、グラフ４１０上の注目する時間領域において発生したイベントを把握したり、当該時間領域において生産されたロット番号を特定したりできる。

図１４は、初動サポート画面の別の例を示す図である。図１４に示す初動サポート画面４００Ａは、出力部２５４によって生成され、表示部２１８に表示される。

図１４に示されるように、初動サポート画面４００Ａは、図１３に示す初動サポート画面４００と同様に、第１情報に基づいて生成されるグラフ４１０を含む。さらに、初動サポート画面４００Ａは、複数の時間領域の各々における、当該時間領域に属する第１サブ要素８ａによって示される時刻の分布を示す分布図４５０を含む。分布図４５０は、第７情報に基づいて生成される。

さらに、初動サポート画面４００Ａは、複数の空間領域の階層構造を示す樹形図４６０を含む。樹形図４６０は、第８情報に基づいて生成される。

ユーザは、初動サポート画面４００Ａの分布図４５０を確認することにより、各時間領域におけるデータ要素８の粗密を把握できる。

空間領域は、生産システム１のフィールドの状態を表していると言える。そのため、ユーザは、樹形図４６０を確認することにより、ある空間領域に属するデータ要素８によって示されるフィールドの状態が別のどの空間領域に属するデータ要素８によって示されるフィールドの状態に類似しているかを容易に把握できる。

なお、分布図４５０および樹形図４６０は、図１３に示す初動サポート画面４００に含まれていてもよい。

図１５は、ラベリング画面の第１例を示す図である。図１５に示すラベリング画面５００は、図１３に示す初動サポート画面４００（または図１４に示す初動サポート画面４００Ａ）において１以上の組み合わせが選択されたことに応じて出力部２５４によって生成され、表示部２１８に表示される。

図１５に示されるように、ラベリング画面５００は、時系列散布図５６０と、２次元散布図５３０とを含む。時系列散布図５６０および２次元散布図５３０は、第４情報および第５情報に基づいてそれぞれ生成される。さらに、ラベリング画面５００は、複数の変数のリスト５２０を含む。

ラベリング画面５００は、時系列データ７のファイルデータを特定するファイル入力欄５１０を含む。本例においては、一例として、「Ｃ：￥hoge.csv」のファイル名の時系列データ７が展開された場合が示されている。

図１５に示すラベリング画面５００において、時系列散布図５６０は、縦軸変数「TopSeal_Act_Trq」の時間変化を示す。時系列散布図５６０には、開始点選択ライン５６２と、終了点選択ライン５６４とが設けられる。開始点選択ライン５６２および終了点選択ライン５６４は、ユーザが例えばポイティングデバイスを用いて任意の位置に変更することが可能である。

開始点選択ライン５６２と終了点選択ライン５６４とで指定される範囲は、行ラベルの付与対象となるデータ範囲である。

２次元散布図５３０には、縦軸の変数を選択入力する縦軸入力欄５１２と、横軸の変数を選択入力する横軸入力欄５１４と、色を指定入力するための入力欄５１６とが設けられている。ユーザは、例えばポインティングデバイスを用いて複数の変数の中から選択入力することが可能である。複数の変数は、変数のリスト５２０の列名が用いられる。

例えば、縦軸入力欄５１２のドロップダウンボタンを選択すると選択可能な変数のリストが表示され、当該変数のリストの中から縦軸に指定する変数を選択することが可能である。同様に、横軸入力欄５１４のドロップダウンボタンを選択すると選択可能な変数のリストが表示され、当該変数のリストの中から横軸に指定する変数を選択することが可能である。入力欄５１６のドロップダウンボタンを選択すると選択可能な色のリストが表示され、当該色のリストの中から指定したい色を選択することが可能である。

なお、縦軸および横軸で選択する変数は異なるものが選択されるため、一方の軸に対して選択された変数は、他方の軸に対しては選択不能にしてもよい。

一例として、図１５に示すラベリング画面５００において、縦軸変数「TopSeal_Act_Trq」と横軸変数「TopSeal_Act_Pos」とが選択されているときの２次元散布図５３０が示されている。

また、ラベリング画面５００には、列ラベル入力欄５４０と、行ラベル入力欄５５０とが設けられている。ユーザは、例えばポインティングデバイスを用いて複数の変数の中からラベリングする変数を選択するとともに、列ラベル入力欄５４０にラベル名を入力して登録ボタンを押下することにより当該変数に対して列ラベルを付与することが可能である。また、ユーザは、例えばポインティングデバイスを用いて選択した範囲において行ラベル入力欄５５０にラベル名を入力して登録ボタンを押下することにより当該範囲に対して行ラベルを付与することが可能である。

図１５に示されるように、出力部２５４は、時系列散布図５６０および２次元散布図５３０において、受付部２５５によって受け付けられた１以上の組み合わせのいずれかに属するデータ要素８に対応する点の表示形式を残りの点の表示形式と異ならせる。これにより、ユーザは、時系列散布図５６０および２次元散布図５３０において、図１３に示す初動サポート画面４００において選択した組み合わせに属するデータ要素８を容易に特定できる。その結果、ユーザは、図１３に示す初動サポート画面４００において選択した組み合わせに属するデータ要素８の特徴を把握しやすくなる。

変数のリスト５２０には、変数名と、当該変数の特徴量とがリスト表示されている。一例として、特徴量「ユニーク数」、「無効値数」が示されている。また、列ラベルの欄も設けられており、列ラベル入力欄５４０で入力したラベル名が、選択した変数に対応する列ラベルとして表示される。また、リスト５２０の順序を所定の方式に従ってソートすることも可能に設けられている。

本例においては、初期状態において変数のリスト５２０の列名の最上位の変数が縦軸変数（一例として「TopSeal_Act_Trq」）として設定される。

これにより、時系列散布図５６０および２次元散布図５３０において共に同じ変数が縦軸の変数として設定されるため当該変数の推移について容易に把握することが可能である。ユーザは、当該変数の推移を容易に把握することにより列ラベルおよび行ラベルを簡易な仕方で付与することが可能となる。

なお、本例においては、２次元散布図５３０において、変数のリスト５２０の２番目の変数が横軸変数として設定される。

さらに、変数のリスト５２０には、受付部２５５によって受け付けられた１つの組み合わせの空間領域への第２サブ要素８ｂの分類における各変数の寄与度が含まれる。当該寄与度は、第６情報によって示される。

上記したように、縦軸入力欄５１２および横軸入力欄５１４は、ユーザ操作により任意の変数に設定することが可能である。当該変数に設定を変更した場合には、設定した変数に対応する散布図に変更される。例えば、縦軸入力欄５１２の縦軸変数「Chapter」に変更された場合には、縦軸変数「Chapter」の時系列散布図５６０が表示されるとともに、縦軸変数「Chapter」および横軸変数「TopSeal_Act_Pos」の２次元散布図５３０が表示される。他の場合についても同様である。

なお、本例においては、変数を選択する際に、ドロップダウンボタンを利用する場合について説明したが、特にドロップダウンボタンを用いた形式に限定されない。例えば、キーボードを用いて直接入力する形式でも良いし、あるいは、いわゆるドラッグアンドドロップにより変数を選択するようにしてもよい。例えば、ポインティングデバイスを用いて変数のリスト５２０において、変数を選択した状態でドラッグし、縦軸入力欄５１２あるいは横軸入力欄５１４の位置でドロップするような操作形式を採用してもよい。

次に列ラベルを付与する場合について説明する。
図１６は、ラベリング画面の第２例について説明する図である。図１６に示すラベリング画面５０４には、図１５に示すラベリング画面５００と同様に、第４情報によって示される時系列散布図５６０と、第５情報によって示さされる２次元散布図５３０と、変数のリスト５２０とが表示される。

図１６に示すラベリング画面５０４において、変数のリスト５２０は、ソート操作に応じて、ユニーク数が「１」の変数を示している。時系列散布図５６０は、縦軸の変数（「VirtualMaster.Act.Trq」）の経時変化を示す。２次元散布図５３０は、縦軸変数「VirtualMaster.Act.Trq」と横軸変数「VirtualMaster.Cmd.Trq」の散布図である。すなわち、２次元散布図５３０に用いられる変数として、変数のリスト５２０において上位および２番目の変数が選択されている。

また、ラベリング画面５０４には、列ラベル入力欄５４０と、行ラベル入力欄５５０とが設けられている。

本例においては、列ラベル入力欄５４０には、列ラベル（「parameter」）が入力されるとともに、登録ボタンを選択した場合が示されている。

これにより、変数のリスト５２０のユニーク数が「１」に対応する選択された変数に対して列ラベルを付与することが可能である。本例においては、列ラベル（<parameter>）が付与された場合が示されている。

例えば、当該方式によりユーザは、ユニーク数が「１」の変数に列ラベルを付与することにより予測モデルの学習用サンプルとして利用が適切でない変数を容易に選別することが可能である。なお、本例においては、複数の変数に対応して一括して列ラベルを付与する場合について説明したが、１つずつ変数に対応して列ラベルを付与することも可能である。

図１７は、ラベリング画面の第３例について説明する図である。図１７に示すラベリング画面５０６には、図１５に示すラベリング画面５００と同様に、第４情報によって示される時系列散布図５６０と、第５情報によって示さされる２次元散布図５３０と、変数のリスト５２０とが表示される。

本例においては、変数のリスト５２０において複数の変数のリストが選択されている場合が示されている。本例においては、一例として主要なモータに関する変数のリストが選択されている。

図１７に示すラベリング画面５０６において、時系列散布図５６０は、縦軸の変数（「FilmFeedMain.Act.Pos」）の経時変化を示す。２次元散布図５３０は、縦軸変数「FilmFeedMain.Act.Pos」と横軸変数「ProductFeed.Act.Pos」との散布図である。すなわち、２次元散布図５３０に用いられる変数として、変数のリスト５２０において上位および２番目の変数が選択されている。

また、ラベリング画面５０６には、列ラベル入力欄５４０と、行ラベル入力欄５５０とが設けられている。

本例においては、列ラベル入力欄５４０には、列ラベル（「4motor.act」）が入力されるとともに、登録ボタンを選択した場合が示されている。

これにより、変数のリスト５２０において、選択された複数の変数に対して列ラベルを付与することが可能である。本例においては、列ラベル（<4motor.act>）が付与された場合が示されている。

例えば、当該方式によりユーザは、複数の変数に列ラベルを付与することにより予測モデルの学習用サンプルとして特に利用する変数を容易に選別することが可能である。なお、本例においては、複数の変数に対応して一括して列ラベルを付与する場合について説明したが、１つずつ変数に対応して列ラベルを付与することも可能である。

図１８は、ラベリング画面の第４例について説明する図である。図１８に示すラベリング画面５０８には、図１５に示すラベリング画面５００と同様に、第４情報によって示される時系列散布図５６０と、第５情報によって示さされる２次元散布図５３０と、変数のリスト５２０とが表示される。

本例においては、変数のリスト５２０において複数の変数のリストが選択されている場合が示されている。

本例においては、行ラベル入力欄５５０には、行ラベル（「normal」）が入力されている場合が示されている。例えば、ポインティングデバイスを用いて開始点選択ライン５６２と終了点選択ライン５６４とで指定した範囲が、行ラベルの付与対象となるデータ範囲として選択される。

例えばポインティングデバイスを用いて選択した範囲において行ラベル入力欄５５０にラベル名を入力して登録ボタンを押下することにより当該範囲に対して行ラベルを付与することが可能である。

なお、本例においては、ポインティングデバイスを用いて開始点選択ライン５６２および終了点選択ライン５６４を用いて範囲を指定する場合について説明したが、これに限られず時刻を直接指定して範囲を選択するようにしてもよく、範囲の選択の仕方については何ら限定されない。

例えば、当該方式によりユーザは、データセットに対して行ラベルを付与することにより予測モデルの学習用サンプルとしてある特定の期間を容易に選別することが可能である。

なお、本例においては、時系列散布図５６０を用いて指定した範囲のデータに対して行ラベルを付与する場合について説明したが、これに限られず、例えば、２次元散布図５３０を用いて行ラベルを付与することも可能である。例えば、２次元散布図５３０においてデータを包含する範囲を指定することにより当該範囲に含まれるデータに対して行ラベルを付与することが可能である。

図１９は、時系列データテーブルおよび特徴量データテーブルについて説明する図である。

図１９の（Ａ）に示されるように、時系列データテーブルは、時刻に対応する複数の変数との対応関係を示す。本例においては、変数var1（「CenterHeaterDPC_MV」）、var2（「CenterHeaterTemp」）等が登録されている。また、行ラベルが登録された場合には、行ラベルの列が追加（更新）される。一例として、行ラベル（「normal」）が追加された場合が示されている。

時刻に対応して有効値（「True」）と、無効値（「False」）のいずれが登録される。例えば、開始点選択ライン５６２および終了点選択ライン５６４を用いて選択した範囲の時刻に対応する箇所について有効値（「True」）となり、非選択の範囲が無効値（「False」）に設定される。これにより、行ラベル（「normal」）として付与した範囲を特定することが可能となる。

図１９の（Ｂ）に示されるように、特徴量データテーブルは、複数の変数と、対応する変数の特徴量との関係を規定する。具体的には、特徴量データテーブルは、複数の変数と、対応する変数の特徴量との対応関係を示す。本例においては、特徴量feat1（「ユニーク数」）、feat2（「無効値数」）等が登録されている。特徴量は、各変数の時系列データに対して所定のアルゴリズムに基づいて算出されるものである。なお、本例においては、「ユニーク数」や「無効値数」について説明したが、これに限られるものではなく、例えば、「平均値」や「最大値」等の統計的特徴量であってもよい。

また行ラベルが登録された場合には、行ラベル（「normal」）の項目が追加（更新）される。また、列ラベルが登録された場合には、列ラベルの項目が追加される。

一例として、列ラベル（「parameter」、「4motor.act」）がそれぞれ追加された場合が示されている。

変数に対応して有効値（「True」）と、無効値（「False」）のいずれが登録される。例えば、列ラベルを割り当てた変数について有効値（「True」）となり、割り当てない変数について無効値（「False」）に設定される。

これにより、列ラベル（「parameter」、「4motor.act」）として割り当てた変数を容易に特定することが可能となる。

実施形態においては、ラベリング画面においてユーザの選択等により変数等に対してラベリングすることが可能となる。そして、前処理部２５０は、ラベリング画面への入力に応じて、行レベルが付与された時系列データテーブル（図１８の（Ａ）参照）、ならびに、行ラベルおよび列ラベルが付与された特徴量データテーブルを生成する。

そして、モデル生成モジュール２２６２は、生成された当該時系列データテーブルおよび特徴量データテーブルに基づいて予測モデルを生成する。

具体的には、予測モデルの生成に際して、データとして除外するために列ラベルとして登録した「parameter」を選択することにより不要なデータを除いた学習用サンプルを選択することが可能である。

また、予測モデルの生成に際して、主要なデータとして列ラベルとして登録した「4motor.act」を選択することにより、有用なデータを選択した学習用サンプルを選択することが可能である。

さらに、予測モデルの生成に際して、行ラベルとして登録した（「normal」）を選択することにより、指定した範囲の時系列データの学習用サンプルを選択することが可能である。

これにより、不要なデータを学習用サンプルから除外して、予測モデルの精度を向上させることが可能となる。

上記においては、主に決定木に代表される木構造の学習アルゴリズムに基づく予測モデルを生成する場合について説明したが、決定木に限られず、他の学習アルゴリズムを用いた予測モデルにも同様に適用することが可能である。

さらに、本例においては、予測モデルの生成のために前処理ツールを用いてラベリングを実行する場合について説明したが、予測モデルの生成に限られず、例えばデータ分析のためにラベリングする場合においても同様に適用可能である。

＜変形例＞
上記の説明では、サポート装置２００プロセッサ２０２は、サポート装置２００内の表示部２１８に初動サポート画面４００，４００Ａ，ラベリング画面５００，５０４，５０６，５０８を表示させる。しかしながら、プロセッサ２０２は、第１情報～第８情報を外部の装置に出力してもよい。そして、外部の装置が初動サポート画面４００，４００Ａ，ラベリング画面５００，５０４，５０６，５０８を表示してもよい。

§３ 付記
以上のように、本実施の形態は以下のような開示を含む。

（構成１）
情報処理装置（２００）であって、
互いに異なる時刻に対応する複数のデータ要素（８）を含む時系列データ（７）を取得する取得部（２０２，２５１）を備え、前記複数のデータ要素（８）の各々は、対応する時刻を示す第１サブ要素（８ａ）と、前記対応する時刻における複数の変数の値を示す第２サブ要素（８ｂ）とを含み、前記情報処理装置（２００）は、さらに、
前記複数のデータ要素（８）に含まれる前記第１サブ要素（８ａ）に対してクラスタリングを行なうことにより、前記第１サブ要素（８ａ）を複数の時間領域のいずれかに分類する第１分類部（２０２，２５２）と、
前記複数のデータ要素（８）に含まれる前記第２サブ要素（８ｂ）に対してクラスタリングを行なうことにより、前記第２サブ要素（８ｂ）を複数の空間領域のいずれかに分類する第２分類部（２０２，２５２）と、
前記複数の時間領域のうちの１つと前記複数の空間領域のうちの１つとの複数の組み合わせの各々について、前記複数のデータ要素（８）のうち当該組み合わせに属するデータ要素の度数を示す第１情報を出力する出力部（２０２，２５２）と、を備える、情報処理装置（２００）。

（構成２）
前記第１情報は、前記複数の時間領域を表す第１軸と、前記複数の空間領域を表す第２軸とを有するグラフ（４１０）を示し、
前記グラフ（４１０）は、前記度数の分布を示す、構成１に記載の情報処理装置（２００）。

（構成３）
前記グラフ（４１０）は２次元ヒートマップである、構成２に記載の情報処理装置（２００）。

（構成４）
前記出力部（２０２，２５２）は、
前記複数のデータ要素のうち前記複数の時間領域の各々に属する前記第１サブ要素を含むデータ要素の度数分布図（４２０）を示す第２情報と、
前記複数のデータ要素のうち前記複数の空間領域の各々に属する前記第２サブ要素を含むデータ要素の度数分布図（４３０）を示す第３情報と、をさらに出力する、構成１から３のいずれかに記載の情報処理装置（２００）。

（構成５）
前記複数の組み合わせのうちの１以上の組み合わせの選択を受け付ける受付部（２０２，２５５）をさらに備え、
前記出力部（２０２，２５４）は、
前記複数の変数のうちの少なくとも１つの変数の時系列散布図（５６０）を示す第４情報と、前記複数の変数のうちの少なくとも２つの変数に対する多次元散布図（５３０）を示す第５情報とを出力し、
前記時系列散布図（５６０）および前記多次元散布図（５３０）において、前記複数のデータ要素（８）のうち前記１以上の組み合わせのいずれかに属するデータ要素に対応する点の表示形式を残りの点の表示形式と異ならせる、構成１から３のいずれかに記載の情報処理装置（２００）。

（構成６）
前記複数の組み合わせのうちの１つの組み合わせの選択を受け付ける受付部（２０２，２５５）をさらに備え、
前記出力部（２０２，２５４）は、前記第２分類部（２０２，２５３）による前記１つの組み合わせの空間領域への前記第２サブ要素（８ｂ）の分類における前記複数の変数の各々の寄与度を示す第６情報をさらに出力する、構成１から３のいずれかに記載の情報処理装置（２００）。

（構成７）
前記出力部（２０２，２５４）は、前記複数の時間領域の各々における、当該時間領域に属する前記第１サブ要素（８ａ）によって示される時刻の分布（４５０）を示す第７情報をさらに出力する、構成１から３のいずれかに記載の情報処理装置（２００）。

（構成８）
前記第２分類部（２０２，２５３）は、前記複数のデータ要素（８）に含まれる前記第２サブ要素（８ｂ）に対して階層クラスタリングを行ない、
前記出力部（２０２，２５４）は、前記複数の空間領域の樹形図（４６０）を示す第８情報をさらに出力する、構成１から３のいずれかに記載の情報処理装置（２００）。

（構成９）
コンピュータ（２００）によって実行される情報処理方法であって、
前記コンピュータ（２００）が、互いに異なる時刻に対応する複数のデータ要素（８）を含む時系列データ（７）を取得するステップ（Ｓ１００）を備え、前記複数のデータ要素（８）の各々は、対応する時刻を示す第１サブ要素（８ａ）と、前記対応する時刻における複数の変数の値を示す第２サブ要素（８ｂ）とを含み、前記情報処理方法は、さらに、
前記コンピュータ（２００）が、前記複数のデータ要素（８）に含まれる前記第１サブ要素（８ａ）をクラスタリングすることにより、前記第１サブ要素（８ａ）を複数の時間領域のいずれかに分類するステップ（Ｓ２００）と、
前記コンピュータ（２００）が、前記複数のデータ要素（８）に含まれる前記第２サブ要素（８ｂ）をクラスタリングすることにより、前記第２サブ要素（８ｂ）を複数の空間領域のいずれかに分類するステップ（Ｓ３００）と、
前記コンピュータ（２００）が、前記複数の時間領域のうちの１つと前記複数の空間領域のうちの１つとの複数の組み合わせの各々について、前記複数のデータ要素（８）のうち当該組み合わせに属するデータ要素の度数を示す情報を出力するステップ（Ｓ４００）と、を備える、情報処理方法。

（構成１０）
コンピュータに情報処理方法を実行させるプログラムであって、
前記情報処理方法は、
互いに異なる時刻に対応する複数のデータ要素（８）を含む時系列データ（７）を取得するステップ（Ｓ１００）を備え、前記複数のデータ要素（８）の各々は、対応する時刻を示す第１サブ要素（８ａ）と、前記対応する時刻における複数の変数の値を示す第２サブ要素（８ｂ）とを含み、前記情報処理方法は、さらに、
前記複数のデータ要素（８）に含まれる前記第１サブ要素（８ａ）をクラスタリングすることにより、前記第１サブ要素（８ａ）を複数の時間領域のいずれかに分類するステップ（Ｓ２００）と、
前記複数のデータ要素（８）に含まれる前記第２サブ要素（８ｂ）をクラスタリングすることにより、前記第２サブ要素（８ｂ）を複数の空間領域のいずれかに分類するステップ（Ｓ３００）と、
前記複数の時間領域のうちの１つと前記複数の空間領域のうちの１つとの複数の組み合わせの各々について、前記複数のデータ要素（８）のうち当該組み合わせに属するデータ要素の度数を示す情報を出力するステップ（Ｓ４００）と、を含む、プログラム。

本発明の実施の形態について説明したが、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。

１ 生産システム、２，４ フィールドバス、６ 上位ネットワーク、７ 時系列データ、８ データ要素、８ａ 第１サブ要素、８ｂ 第２サブ要素、１０ フィールド装置群、１２ リモートＩ／Ｏ装置、１４ リレー群、１６，１２４ Ｉ／Ｏユニット、１８ 画像センサ、２０ カメラ、２２ サーボドライバ、２４ サーボモータ、３０ プレス機、３１ ワーク、３２ 中間製品、３３ ベース、３４ 支持台、３５ 押し込み板、３６ 駆動軸、３７ モータ、１００ 制御装置、１０２，２０２ プロセッサ、１０４ チップセット、１０６，２０６ 主記憶装置、１０８，２０８ 二次記憶装置、１１０，２１４ 上位ネットワークコントローラ、１１２，２１２ ＵＳＢコントローラ、１１４ メモリカードインターフェイス、１１６ メモリカード、１１８，１２０ フィールドバスコントローラ、１２２ 内部バスコントローラ、１３２ 記憶領域、１３４ エクスポートモジュール、１４０ 予測モデル、１４４ 参照軌道、１５０ エンジン、１５４ ユーザプログラム、２００ サポート装置、２０４ 光学ドライブ、２０５ 記録媒体、２１６ 入力部、２１８ 表示部、２２０ バス、２２２ 開発プログラム、２２４ インターフェイスプログラム、２２６ 解析プログラム、２３０ ユーザインターフェイス、２３２ スクリプトエンジン、２３４ 設定ファイル、２３６ 入出力管理モジュール、２３８ 画面表示モジュール、２４０ グラフライブラリ、２４２ 解析モジュール、２４４ 解析ライブラリ、２５０ 前処理部、２５１ 取得部、２５２ 第１分類部、２５３ 第２分類部、２５４ 出力部、２５５ 受付部、２５６ ラベリング部、３００ 上位サーバ、４００，４００Ａ 初動サポート画面、４１０ グラフ、４２０，４３０ 度数分布図、４４０ カーソル、４５０ 分布図、４６０ 樹形図、５００，５０４，５０６，５０８ ラベリング画面、５１０ ファイル入力欄、５１２ 縦軸入力欄、５１４ 横軸入力欄、５１６ 入力欄、５２０ リスト、５３０ ２次元散布図，５６０ 時系列散布図、５４０ 列ラベル入力欄、５５０ 行ラベル入力欄、５６２ 開始点選択ライン、５６４ 終了点選択ライン、６００ 表示装置、２２６２ モデル生成モジュール、２２６４ 前処理モジュール。

Claims (10)

1. 情報処理装置であって、
   互いに異なる時刻に対応する複数のデータ要素を含む時系列データを取得する取得部を備え、前記複数のデータ要素の各々は、対応する時刻を示す第１サブ要素と、前記対応する時刻における複数の変数の値を示す第２サブ要素とを含み、前記情報処理装置は、さらに、
   前記複数のデータ要素に含まれる前記第１サブ要素に対してクラスタリングを行なうことにより、前記第１サブ要素を複数の時間領域のいずれかに分類する第１分類部と、
   前記複数のデータ要素に含まれる前記第２サブ要素に対してクラスタリングを行なうことにより、前記第２サブ要素を複数の空間領域のいずれかに分類する第２分類部と、
   前記複数の時間領域のうちの１つと前記複数の空間領域のうちの１つとの複数の組み合わせの各々について、前記複数のデータ要素のうち当該組み合わせに属するデータ要素の度数を示す第１情報を出力する出力部と、を備える、情報処理装置。
2. 前記第１情報は、前記複数の時間領域を表す第１軸と、前記複数の空間領域を表す第２軸とを有するグラフを示し、
   前記グラフは、前記度数の分布を示す、請求項１に記載の情報処理装置。
3. 前記グラフは２次元ヒートマップである、請求項２に記載の情報処理装置。
4. 前記出力部は、
   前記複数のデータ要素のうち前記複数の時間領域の各々に属する前記第１サブ要素を含むデータ要素の度数分布図を示す第２情報と、
   前記複数のデータ要素のうち前記複数の空間領域の各々に属する前記第２サブ要素を含むデータ要素の度数分布図を示す第３情報と、をさらに出力する、請求項１から３のいずれか１項に記載の情報処理装置。
5. 前記複数の組み合わせのうちの１以上の組み合わせの選択を受け付ける受付部をさらに備え、
   前記出力部は、
   前記複数の変数のうちの少なくとも１つの変数の時系列散布図を示す第４情報と、前記複数の変数のうちの少なくとも２つの変数に対する多次元散布図を示す第５情報とを出力し、
   前記時系列散布図および前記多次元散布図において、前記複数のデータ要素のうち前記１以上の組み合わせのいずれかに属するデータ要素に対応する点の表示形式を残りの点の表示形式と異ならせる、請求項１から３のいずれか１項に記載の情報処理装置。
6. 前記複数の組み合わせのうちの１つの組み合わせの選択を受け付ける受付部をさらに備え、
   前記出力部は、前記第２分類部による前記１つの組み合わせの空間領域への前記第２サブ要素の分類における前記複数の変数の各々の寄与度を示す第６情報をさらに出力する、請求項１から３のいずれか１項に記載の情報処理装置。
7. 前記出力部は、前記複数の時間領域の各々における、当該時間領域に属する前記第１サブ要素によって示される時刻の分布を示す第７情報をさらに出力する、請求項１から３のいずれか１項に記載の情報処理装置。
8. 前記第２分類部は、前記複数のデータ要素に含まれる前記第２サブ要素に対して階層クラスタリングを行ない、
   前記出力部は、前記複数の空間領域の樹形図を示す第８情報をさらに出力する、請求項１から３のいずれか１項に記載の情報処理装置。
9. コンピュータによって実行される情報処理方法であって、
   前記コンピュータが、互いに異なる時刻に対応する複数のデータ要素を含む時系列データを取得するステップを備え、前記複数のデータ要素の各々は、対応する時刻を示す第１サブ要素と、前記対応する時刻における複数の変数の値を示す第２サブ要素とを含み、前記情報処理方法は、さらに、
   前記コンピュータが、前記複数のデータ要素に含まれる前記第１サブ要素をクラスタリングすることにより、前記第１サブ要素を複数の時間領域のいずれかに分類するステップと、
   前記コンピュータが、前記複数のデータ要素に含まれる前記第２サブ要素をクラスタリングすることにより、前記第２サブ要素を複数の空間領域のいずれかに分類するステップと、
   前記コンピュータが、前記複数の時間領域のうちの１つと前記複数の空間領域のうちの１つとの複数の組み合わせの各々について、前記複数のデータ要素のうち当該組み合わせに属するデータ要素の度数を示す情報を出力するステップと、を備える、情報処理方法。
10. コンピュータに情報処理方法を実行させるプログラムであって、
    前記情報処理方法は、
    互いに異なる時刻に対応する複数のデータ要素を含む時系列データを取得するステップを含み、前記複数のデータ要素の各々は、対応する時刻を示す第１サブ要素と、前記対応する時刻における複数の変数の値を示す第２サブ要素とを含み、前記情報処理方法は、さらに、
    前記複数のデータ要素に含まれる前記第１サブ要素をクラスタリングすることにより、前記第１サブ要素を複数の時間領域のいずれかに分類するステップと、
    前記複数のデータ要素に含まれる前記第２サブ要素をクラスタリングすることにより、前記第２サブ要素を複数の空間領域のいずれかに分類するステップと、
    前記複数の時間領域のうちの１つと前記複数の空間領域のうちの１つとの複数の組み合わせの各々について、前記複数のデータ要素のうち当該組み合わせに属するデータ要素の度数を示す情報を出力するステップと、を含む、プログラム。

Images