JP6775740B1 - 設計支援装置、設計支援方法及び設計支援プログラム - Google Patents

Abstract

【課題】製品等の設計に関する知識の収集を効率的かつ低コストで行う。【解決手段】本発明の設計支援装置は、製品の設計に関する項目及び項目値を表現したグラフ構造をユーザが描画するのを受け付ける入力処理部と、受け付けたグラフ構造に含まれる項目の一部を説明変数とし項目の他を目的変数とする多次元モデルを学習する知識学習部と、を備えることを特徴とする。さらに、知識学習部は、受け付けたグラフ構造に含まれる項目及び項目値を実績情報から抽出し、抽出した項目の一部を説明変数とし項目の他を目的変数とする多次元モデルを学習することを特徴とする。【選択図】図１

Description

本発明は、設計支援装置、設計支援方法及び設計支援プログラムに関する。

製品又はサービスの開発において、顧客ニーズに応じた製品等の企画、試作、実験、シミュレーション等が行われる。これらは、一般に製品等の設計と呼ばれる。このような設計を短時間かつ低コストで行うためには、対象製品等に対する高度な専門知識、実験結果を統計処理するための知識、シミュレーション方法を適切に選択するための知識等が不可欠である。これらの知識をすべての設計者が共有していることが理想である。しかしながら、多くの場合、これらの知識は暗黙知であり、設計者間で共有されていない。なぜならば、知識を書類、データ等として残すコスト及び設計者間で直接伝達するコストが大きいからである。

このような課題を解決するために、例えば、予め準備されたルール又はテンプレートに基づき知識を提示する技術、大量のデータからルールそのものを学習・抽出する技術、知識を階層構造、グラフ構造等の一定の型式で表現する技術等が普及している。特許文献１の電気システム設計支援装置は、知識連想テーブル型式の知識ベースの入力を受け付けると、それを知識連想ネット型式の知識ベースに変換する。特許文献２の設計支援装置は、顧客のニーズが今までに設計実績のない製品に対するニーズである場合、過去実績に基づきそのニーズそのものを推定し、推定したニーズに基づき設計案を作成する。

特開平１１−３３８７０２号公報 特開２０１７−８４２２４号公報

特許文献１に開示されているように、知識連想ネット型式の知識ベースによって知識を表現できる程度に知識連想テーブル型式の知識ベースを収集するためには、手動で知識を収集する必要があり、また、知識連想テーブル型式の知識ベースが含む知識自身の間違い及び知識間の矛盾を修正する必要がある。特許文献２の設計支援装置は、過去実績が存在しない場合、又は、新たに過去実績を取得するコストが大きい場合、現実的ではない。
そこで、本発明は、製品等の設計に関する知識の収集を効率的かつ低コストで行うことを目的とする。

本発明の設計支援装置は、製品の設計に関する項目及び項目値を表現したグラフ構造をユーザが描画するのを受け付ける入力処理部と、受け付けたグラフ構造に含まれる項目の一部を説明変数とし項目の他を目的変数とする多次元モデルを学習する知識学習部と、を備えることを特徴とする。
その他の手段については、発明を実施するための形態のなかで説明する。

本発明によれば、製品等の設計に関する知識の収集を効率的かつ低コストで行うことができる。

グラフ情報及び実績情報の関係を説明する図である。 設計支援装置の構成を説明する図である。 多次元モデルを説明する図である。 知識の統合を説明する図である。 矛盾の解決を説明する図である。 実績情報を説明する図である。 処理手順のフローチャートである。 グラフ情報入力画面を説明する図である。 ニーズ入力画面を説明する図である。 知識推薦画面を説明する図である。

以降、本発明を実施するための形態（“本実施形態”という）を、図等を参照しながら詳細に説明する。本実施形態は、ユーザが化学製品の設計を行う例である。ここでの化学製品は、あくまで一例であり、本発明は、化学製品以外の製品の設計、又は、製品以外のサービスの設計にも適用可能である。

（知識の伝達型式）
図１は、グラフ情報３１及び実績情報３２の関係を説明する図である。本実施形態の設計支援装置の構成等を説明する前に、まず、製品等の設計に関する知識が、一般的にどのような型式で伝達され得るかを、図１に沿って説明する。いま、比較的経験の浅い未熟練ユーザは、ある化学製品に適した解析方法を決定しようとしている。未熟練ユーザは、いくつかの項目について検討を加え、それらの検討結果の組合せに基づいて解析方法を決定しようとしているが、それから先に考えが進まない。

〈実績情報３２〉
比較的経験の豊かな熟練ユーザが同じような検討を加えて解析方法を決定した結果は、例えば実績情報３２として、任意の装置に表型式で記憶・保管されている。実績情報３２は、項目Ａ、項目Ｂ、・・・、項目Ｆの欄（列）を有する。インデクス１、２、３、・・・で特定されるレコードが、行方向に多数記憶されている。レコードの各欄（項目Ａ〜Ｅ）は、その項目が取り得る項目値を記憶している場合もあるし、空欄である場合もある。項目Ａ〜Ｅのそれぞれは、加えるべき検討に相当し、項目Ｆは、解析方法に相当する。例えば、実績情報３２の１行目は、以下のことを示している。

・ある熟練ユーザが項目Ａについて検討した結果は、項目値ａ１であった。
・当該熟練ユーザが項目Ｂについて検討した結果は、項目値ｂ１であった。
・当該熟練ユーザが項目Ｄについて検討した結果は、項目値ｄ１であった。
・当該熟練ユーザは、項目Ｃ及びＥについて検討する必要がなかった。
・当該熟練ユーザは、これらの検討の結果、解析方法として項目値ｆ１を決定した。

実績情報３２は、過去における大量の実例を蓄積したものであり、通常、コンピュータによって自動的に作成される。しかしながら、熟練ユーザ及び未熟練ユーザの双方にとって、実績情報３２は、必ずしも使い易いものではない。なぜならば、実績情報３２は、例えば以下のような弱点を有するからである。
〈弱点１〉そもそも、実績情報３２を作成するのに、手間及びコストがかかる。
〈弱点２〉実績情報３２は、入力ミスがそのまま反映されていることが多い。
〈弱点３〉実績情報３２の膨大なデータのうちから、真に未熟練ユーザに必要なものを抽出するのは難しい。
〈弱点４〉実績情報３２は、既に陳腐化したデータを含んでいる場合がある。

未熟練ユーザが、熟練ユーザに、解析方法の決定の仕方を質問したとする。熟練ユーザは、多くの場合、ホワイトボード等にグラフ情報３１を描画し始める。本実施形態では、このとき描画されるグラフ情報は、タイプ１のグラフ情報３１ａ又はタイプ２のグラフ情報３１ｂであるとする。

〈タイプ１のグラフ情報３１ａ〉
熟練ユーザは、ノード“項目Ａ”の下位の階層にノード“項目値ａ１”、ノード“項目値ａ２”及びノード“項目値ａ３”を並列的に描画する。ここでノードとは、長方形の枠を意味する。このとき、熟練ユーザは、例えば“まず対象製品分野を調べてください。対象製品分野は多く存在し、例えば薬品、樹脂、燃料等があります。”と、未熟練ユーザに説明する。グラフ情報３１ａの“項目Ａ”が“製品対象分野”に相当し、“項目値ａ１”、“項目値ａ２”及び“項目値ａ３”が、“薬品”、“樹脂”及び“燃料”に相当する。熟練ユーザは、項目Ｂ、項目Ｃ、・・・についても同様のグラフ情報３１ａを描画する（図示せず）。

〈タイプ２のグラフ情報３１ｂ〉
熟練ユーザは、タイプ１のグラフ情報３１ａに替えて、又はそれに加えて、タイプ２のグラフ情報３１ｂをホワイトボードに描画する。熟練ユーザは、ノード“項目Ａ”、ノード“項目Ｂ”、・・・、ノード“項目Ｆ”を描画する。熟練ユーザは、これらのノードを、向きを有するリンク（矢印）で連結し、リンクに関連付けて、項目値ａ１、項目値ａ２、・・・、項目値ｅ２を記載する。そのリンクを辿って行くと、最終的には、項目Ｆの項目値ｆ１、項目値ｆ２、・・・のいずれかに達する。

熟練ユーザは、例えば“まず対象製品分野を調べてください。対象製品分野は多く存在し、例えば薬品、樹脂等があります。薬品の場合は、次に目的を調べてください。樹脂の場合は、次に現象の種類を調べて下さい。・・・”と、未熟練ユーザに説明する。グラフ情報３１ｂの“項目Ａ”、“項目Ｂ”及び“項目Ｃ”が、それぞれ、“製品対象分野”、“目的”及び“現象の種類”に相当し、“項目値ａ１”及び“項目値ａ２”が、それぞれ、“薬品”及び“樹脂”に相当する。

前記で明らかなように、タイプ２のグラフ情報３１ｂは、本質的に実績情報３２と同じである。タイプ１のグラフ情報３１ａは、本質的に実績情報３２の各欄（列）と同じである。しかしながら、未熟練ユーザの立場からグラフ情報３１ａ及び３１ｂを実績情報３２と比較すると、グラフ情報３１ａ及び３１ｂは、前記した弱点１〜４を解消又は緩和している。その代わり、グラフ情報３１ａ及び３１ｂは、場合分けの考え落とし、複数の熟練ユーザ間での意見の相違等を含み易い（弱点５）。本実施形態は、弱点５の存在を前提にしたうえで、グラフ情報３１ａ及び３１ｂを積極的に活用する。弱点５を解消する方法は、後記する“知識の統合”及び“矛盾の解決”である。

（設計支援装置）
図２は、設計支援装置１の構成を説明する図である。設計支援装置１は、一般的なコンピュータであり、中央制御装置１１、マウス、キーボード等の入力装置１２、ディスプレイ、スピーカ等の出力装置１３、主記憶装置１４及び補助記憶装置１５を備える。これらは、バスで相互に接続されている。補助記憶装置１５は、グラフ情報３１（３１ａ及び３１ｂ）、実績情報３２及び多次元モデル３３を格納している。グラフ情報３１及び実績情報３２は、図１で前記したものである。多次元モデル３３については、詳細を後記する。

主記憶装置１４における入力処理部２１、知識学習部２２、知識推薦部２３及びフィードバック部２４は、プログラムである。中央制御装置１１は、これらのプログラムを補助記憶装置１５から読み出し主記憶装置１４にロードすることによって、それぞれのプログラムの機能（詳細後記）を実現する。補助記憶装置１５は、設計支援装置１から独立した構成となっていてもよい。

（多次元モデル）
図３は、多次元モデル３３を説明する図である。多次元モデル３３が“モデル”と命名されているのは、多次元モデル３３の本質が、複数の変数間の関係を規定する数式（関数）であるからである。いま、説明の単純化のために、関数の説明変数は、図１の“項目Ａ”、“項目Ｂ”及び“項目Ｃ”の３種類であり、関数の目的変数は、図１の“項目Ｆ”であるとする。

多次元モデル３３の各軸は、図１のグラフ情報３１及び実績情報３２における項目Ａ、項目Ｂ及び項目Ｃに相当する。図１のグラフ情報３１及び実績情報３２における各項目値は、多次元モデル３３の各軸の値に相当する。多次元モデル３３の空間は、複数の領域４１ａ、４１ｂ、４１ｃ、・・・に分割されており、それらの領域のそれぞれに項目Ｆの項目値が関連付けられている。結局、項目Ａの項目値、項目Ｂの項目値及び項目Ｃの項目値が決まれば、項目Ｆの項目値も決まることになる。具体的には、“製品対象分野”、“目的”及び“現象の種類”が決まれば、“解析方法”が決まることになる。

（項目値の数量化）
前記したように、項目値自身は、もともと“薬品”、“樹脂”、“燃料”等の文字列である場合が多い。設計支援装置１は、これらの文字列を任意の方法で数量化し、多次元モデル３３におけるその項目に対応する軸上に写像する。

（多次元モデルの学習）
図３における各領域４１ａ、４１ｂ及び４１ｃの空間内における位置（各軸の値の範囲）は、固定されているわけではない。各領域と項目Ｆの項目値との関連付けもまた、固定的されているわけではない。詳細は後記するが、これらは、グラフ情報３１及び実績情報３２の内容によって変化し得る。設計支援装置１は、グラフ情報３１及び実績情報３２の内容を学習データとして、各領域の位置、及び、領域と項目Ｆの項目値との関連付けを決定し、見直すことができる。

（知識の統合）
図４は、知識の統合を説明する図である。設計支援装置１は、複数の熟練ユーザから、タイプ２のグラフ情報３１ｂを受け付ける。いま、これらのグラフ情報は、Ａ氏から受け付けた知識１、及び、Ｂ氏から受け付けた知識２であるとする。知識１及び知識２は、いずれも項目Ａから始まり、項目Ｆに達するものである。

しかしながら、知識１は有するが知識２は有さない項目、項目値及びリンクが存在する。同様に、知識２は有するが知識１は有さない項目、項目値及びリンクが存在する。知識１及び知識２の両者が共通して有する項目、項目値及びリンクも存在する。設計支援装置１は、知識１及び知識２を足し合わせ重複分を削除した“和集合”を作成することができる。この処理は、知識１及び知識２の“統合”と呼ばれる。図４において知識１及び知識２を統合したものが、知識３である。

（矛盾の解決）
図５は、矛盾の解決を説明する図である。設計支援装置１が熟練ユーザＡ氏、Ｂ氏及びＣ氏から、タイプ２のグラフ情報３１ｂを受け付けたところ、例えばグラフ情報の末尾において、矛盾が生じたとする。Ａ氏から受け付けた知識１１によれば、項目“表面粗さはわかるか？”の項目値が“Ｎｏ”である場合、末尾の項目“解析方法”の項目値は、“解析不可”となる。項目“表面粗さはわかるか？”の項目値が“Ｙｅｓ”である場合、末尾の項目“解析方法”の項目値は、“分子動力学法”となる。Ｂ氏から受け付けた知識１２についても、同様である。

Ｃ氏から受け付けた知識１３によれば、項目“表面粗さはわかるか？”の項目値が“Ｙｅｓ”である場合、末尾の項目“解析方法”の項目値は、“解析不可”となる。項目“表面粗さはわかるか？”の項目値が“Ｎｏ”である場合、末尾の項目“解析方法”の項目値は、“分子動力学法”となる。

知識１１及び１２と知識１３との間で、“解析方法”の項目値が正反対になっている。いずれかが間違いである場合もあるし、そうとも言い切れない（例えば、ある別の項目が省略されているために見かけ上矛盾しているように見える）場合もある。設計支援装置１は、知識１１、知識１２及び知識１３の平均（発生確率）を求めることにより矛盾を解決する。解決後の知識１４によれば、項目“表面粗さはわかるか？”の項目値が“Ｎｏ”である場合、末尾の項目“解析方法”の項目値は、“３３.３％解析不可”となる。項目“表面粗さはわかるか？”の項目値が“Ｙｅｓ”である場合、末尾の項目“解析方法”の項目値は、“６６.７％分子動力学法”となる。

（実績情報）
図６は、実績情報３２を説明する図である。図６の実績情報３２は、図１の実績情報３２と同じである。しかしながら、図６では、項目及び項目値が具体的な文字列になっている。図６の実績情報３２においては、インデックス欄１０１に記憶されたインデックスに関連付けて、対象製品分野欄１０２には項目“対象製品分野”の項目値が、目的欄１０３には項目“目的”の項目値が、現象の種類欄１０４には項目“現象の種類”の項目値が、解析方法欄１０５には項目“解析方法”の項目値が記憶されている。

インデックス欄１０１のインデックスは、実績情報３２のレコードを一意に特定する識別子である。
対象製品分野欄１０２の項目“対象製品分野”の項目値は、“製品分野Ａ”又は“製品分野Ｂ”のいずれかである。他の項目値が記憶されていてもよい。
目的欄１０３の項目“目的”の項目値は、“現象解明”又は“スクリーニング”のいずれかである。他の項目値が記憶されていてもよい。

現象の種類欄１０４の項目“現象の種類”の項目値は、“硬化”又は“振動”のいずれかである。他の項目値が記憶されていてもよい。
解析方法欄１０５の項目“解析方法”の項目値は、“データ解析”又は“有限要素法”のいずれかである。他の項目値が記憶されていてもよい。

実績情報３２は、多くのユーザが、対象製品分野を始めとする多くの項目について検討した結果、最終的な解析方法を決定した実例の集合である。図６には表現し切れていないが、実績情報３２は、数百〜数千本のレコードを有する場合もある。また、図６に記載された４つの項目（列）以外にも、多くの項目を有する場合もある。詳細は後記するが、このような膨大な情報量を有する実績情報３２のなかから、当面の解析方法の決定に必要な部分を抽出するのも、グラフ情報３１の役割である。

（処理手順）
図７は、処理手順のフローチャートである。図７の説明の途中で適宜図８〜図１０を参照する。なお、以下の処理手順のステップＳ２０５以前における“ユーザ”は、主として熟練ユーザであり、ステップＳ２０７以降における“ユーザ”は、主として未熟練ユーザである。

ステップＳ２０１において、設計支援装置１の入力処理部２１は、実績情報３２を受け付ける。具体的には、入力処理部２１は、実績情報３２（図６）を、入力装置１２を介して受け付ける。入力処理部２１は、実績情報３２の表を構成する文字列等をコンマ区切りのデータとして受け付ける（必ずしも手入力である必要はない）。なお、ステップＳ２０１を省略する変形例について後記する。

ステップＳ２０２において、入力処理部２１は、グラフ情報３１を受け付ける。具体的には、第１に、入力処理部２１は、グラフ情報入力画面５１（図８）を出力装置１３に表示する。

第２に、入力処理部２１は、ユーザがタイプ１欄５２に、項目及び項目値を示す文字列を入力するのを受け付ける。このとき、入力処理部２１は、ユーザが、階層関係を示す線又は“has a”のような符号を、項目及び項目値を示す文字列の間に入力するのを受け付けてもよい。入力処理部２１は、入力された項目の文字列を検索キーとして実績情報３２を検索し、その項目の項目値となり得る文字列の候補を表示してもよい。ユーザが任意の階層の文字列を指定したうえで追加ボタン５４を押下すると、入力処理部２１は、その文字列についての付加情報（属性情報、階層の意味、関連画像等）を入力するための別ウインドウを開いてもよい。この場合、入力処理部２１は、入力された付加情報を、その文字列（項目又は項目値）に関連付けて補助記憶装置１５に記憶する。

第３に、入力処理部２１は、ユーザがタイプ２欄５３に、項目を示すノード、ノード間のリンク、項目値を示す文字列を入力するのを受け付ける。ユーザが任意のリンクを指定したうえでノード追加ボタン５５を押下すると、入力処理部２１は、タイプ１欄５２において入力した項目の文字列を、新たなノードとしてそのリンクの先に表示してもよい。このとき、入力処理部２１は、例えば“ノードの追加に起因してグラフ情報が循環しないこと”等の制約を設けることができる。

ユーザが任意のノードを指定したうえでリンク追加ボタン５６を押下すると、入力処理部２１は、タイプ１欄５２において入力した項目値の文字列を付した新たなリンクを、そのノードを起点として表示する。ユーザが付加情報追加ボタン５７を押下すると、入力処理部２１は、タイプ２欄５３に入力（描画）されたグラフ情報３１ｂについての付加情報（作成者名、作成日時、関連画像、手順書、プログラム等）を入力するための別ウインドウを開いてもよい。この場合、入力処理部２１は、入力された付加情報を、グラフ情報に関連付けて補助記憶装置１５に記憶する。

ユーザが登録ボタン５８を押下すると、入力処理部２１は、ユーザがタイプ２欄５３に入力（描画）したグラフ情報３１ｂを補助記憶装置１５に記憶する。ユーザは、同種のグラフ情報が存在しない状態で、新たにグラフ情報を入力することも可能であり、過去に作成されたグラフ情報を補助記憶装置１５から読み出したうえで、そのグラフ情報を基にしてグラフ情報を入力（編集）することも可能である。

さらに共同関係にある複数のユーザが、同時にグラフ情報入力画面５１を開きグラフ情報を入力することが可能である。この場合、入力装置１２及び出力装置１３は、複数存在するものとする。入力処理部２１は、同時に入力しているユーザの氏名を編集中ユーザ欄５９に表示し、あるユーザが入力したノード、リンク等を、直ちに他のユーザの画面上に反映させる。

ステップＳ２０３において、設計支援装置１の知識学習部２２は、知識を統合する。具体的には、知識学習部２２は、複数のユーザが同時にグラフ情報を入力した結果、同時に入力された複数のグラフ情報が、図４における知識１及び知識２の関係になった場合、それらを統合し、統合したグラフ情報を出力装置１３に表示する。

ステップＳ２０４において、知識学習部２２は、知識の矛盾を解決する。具体的には、知識学習部２２は、複数のユーザが同時にグラフ情報を入力した結果、同時に入力された複数のグラフ情報が、図５における知識１１〜１３の関係になった場合、それらの矛盾を解決する。この段階で、複数のユーザが作成したグラフ情報は、重複分が削除され、かつ、矛盾が解消された和集合としての１つのグラフ情報となっている。このグラフ情報は、“完成グラフ情報”と呼ばれる。完成グラフ情報は、１本のツリーのように見えるが、その情報量は、実績情報３２（図６）のレコード数十本分、多次元モデル３３の点数十個分に相当する。知識学習部２２は、完成グラフ情報（和集合）を出力装置１３に表示してもよい。

ステップＳ２０５において、知識学習部２２は、学習データを抽出する。具体的には、第１に、知識学習部２２は、実績情報３２から、完成グラフ情報に含まれる項目の文字列、及び、その項目の項目値の文字列を抽出する。その結果、知識学習部２２は、例えば、“（対象製品分野，目的，現象の種類，解析方法）＝（製品分野Ｂ，現象解明，硬化，データ解析）”のようなデータを多数取得することになる。このようなデータは、“文字列学習データ”と呼ばれる。なお、ステップＳ２０５の“第１”を省略する変形例について後記する。

第２に、知識学習部２２は、文字列学習データを数値化する。数値化された後の文字列学習データは、例えば、“（対象製品分野，目的，現象の種類，解析方法）＝（＃，＃，＃，♭）”のようなデータである。このデータは、“数値学習データ”と呼ばれる。“＃”及び“♭”は、異なる数値を省略的に表現している。“＃”及び“♭”の区別は、それが多次元モデル３３の説明変数であるか、それとも目的変数であるかの違いである。

知識学習部２２は、任意の方法を使用して、文字列を数値化する。例えば、知識学習部２２は、その項目値の発生確率を“＃”としてもよい。また、知識学習部２２は、性質の近似する項目値同士（距離が小さい者同士）が近い値になるように“＃”の数値を予めユーザが設定するのを受け付けてもよい。

例えば、製品分野Ａ（化学繊維）、製品分野Ｂ（樹脂）及び製品分野Ｃ（金属材料）が存在するとする。そして、ＡとＢとの距離は、ＡとＣとの距離より小さく、ＢとＡとの距離は、ＢとＣとの距離よりも小さく、ＣとＡとの距離は、ＣとＢとの距離よりも大きいとユーザが判断しているとする。この場合、知識学習部２２は、“Ａ＝１.０，Ｂ＝１.３，Ｃ＝２.０”と設定してもよい。他の項目についても同様である。

ステップＳ２０６において、知識学習部２２は、多次元モデル３３を学習する。具体的には、第１に、知識学習部２２は、例えば、項目“対象製品分野”、項目“目的”及び項目“現象の種類”を３本の軸として有する空間に、多数の数値学習データ“（＃，＃，＃，♭）”を描画する。より具体的には、知識学習部２２は、座標値“（＃，＃，＃）”の位置に点を描画し、“♭”の値は、点の態様（“○”、“●”、“◎”等）で区別する。いま、説明を単純化するために、“♭”の値は、３つの解析方法に対応する離散的な３つの値（“○”、“●”、“◎”等）を取るものとする。

第２に、知識学習部２２は、多次元空間において、“♭”の値が同じもの同士で複数の領域を作成する。その結果は、例えば図３に示す通りである。図３では、○のみを含む領域４１ａ、●のみを含む領域４１ｂ及び◎のみを含む領域４１ｃが、互いに重なることがないように配置されている。“♭”の値は３つの値であるが、領域の数はそれより多くてもよい。１つの領域に複数の“♭”の値が混在していてもよい。しかしながら、ある１つの領域に、“♭”の特定の値を示す点が、所定の比率（例えば８０％）以上存在することが望ましい。知識学習部２２は、各領域４１ａ、４１ｂ及び４１ｃに、“♭”の３つの値を１ずつ関連付ける。

前記では、多次元モデル３３は、４次元のデータを有するモデルとして説明した。これはあくまでも一例である。知識学習部２２は、任意の技術を使用して、ｎ次元のデータ（項目）をｍ（ｍ＜ｎ）次元のデータに削減することができる。

ステップＳ２０７において、設計支援装置１の入力処理部２１は、定型入力でユーザニーズを受け付ける。具体的には、第１に、入力処理部２１は、ニーズ入力画面６１（図９）を出力装置１３に表示する。
第２に、入力処理部２１は、定型入力を受け付ける。つまり、入力処理部２１は、対象製品分野欄６２及び目的欄６３のそれぞれにおいて、ユーザが、項目値を入力するのを受け付ける。最初にユーザが項目値を入力するべき項目（対象製品分野、目的等）は、予め指定されているものとする。入力処理部２１は、文字列学習データを参照することによって、その項目の項目値の候補を取得し、対象製品分野欄６２及び目的欄６３のそれぞれに表示し、ユーザが選択するのを受け付けてもよい。

ステップＳ２０８において、入力処理部２１は、対話入力で不足分のユーザニーズを受け付ける。具体的には、入力処理部２１は、対話入力を受け付ける。つまり、ステップＳ２０７の“第２”において受け付けた項目及び／又は項目値に応じて、ユーザニーズを最も効率的に絞り込めるような質問６４を作成し、表示する。ステップＳ２０７の“第２”において受け付けた項目及び／又は項目値が異なれば、この質問６４も変化する。

入力処理部２１は、学習した多次元モデル３３の軸のうち、定型入力において項目値が入力されていない残りの軸の項目に関する質問６４を作成してもよい。入力処理部２１は、残りの軸の項目のうち、文字列学習データにおける項目値（選択肢）の種類の数が最大であるものに関する質問６４を作成してもよい。入力処理部２１は、最大エントロピー法等の適応的サンプリング法を使用して、質問６４を作成してもよい。説明の便宜上、ここで入力処理部２１は、図９に示すように、質問６４として“現象の種類はなんですか？”を作成し表示したとする。

入力処理部２１は、文字列学習データを参照することにより、項目“現象の種類”に対応する項目値の候補６５ａ、６５ｂ及び６５ｃ（硬化、振動、・・・）を取得し、表示する。ユーザは、これらのうちから１つを選択し、又は、その他欄６５ｄに他の項目値を入力した後、“次の質問へ”ボタン６６を押下する。すると、入力処理部２１は、対話入力によってユーザニーズが充分絞り込めたと判断した場合、ステップＳ２０９に進む。それ以外の場合、入力処理部２１は、質問を繰り返す。

ステップＳ２０８を終了した段階で、入力処理部２１は、“（対象製品分野，目的，現象の種類）＝（製品分野Ａ，現象解明，硬化）”のようなデータを取得していることになる。このデータは、“文字列ニーズデータ”と呼ばれる。

ステップＳ２０９において、設計支援装置１の知識推薦部２３は、多次元モデル３３にユーザニーズを入力する。具体的には、知識推薦部２３は、文字列ニーズデータを数値化する。数値化された後の文字列ニーズデータは、例えば、“（対象製品分野，目的，現象の種類）＝（＃，＃，＃）”のようなデータである。このようなデータは、“数値ニーズデータ”と呼ばれる。“＃”は、異なる数値を省略的に表現している。

ステップＳ２１０において、知識推薦部２３は、推薦知識を取得する。具体的には、知識推薦部２３は、多次元モデル３３（図３）に対して、数値ニーズデータを説明変数として入力し、多次元モデル３３の出力としての目的変数を取得する。目的変数の値は、領域に関連付けられた“♭”の値である。この値は、３種類の解析方法のいずれかを示している。説明の便宜のため、多次元モデル３３の出力は“有限要素法”であったとする。なお、“大きな外れ”とまではいえない次点の出力として、多次元モデル３３は、“分子シミュレーション”も出力しているとする（詳細後記）。

ステップＳ２１１において、知識推薦部２３は、推薦知識を表示する。具体的には、第１に、知識推薦部２３は、知識推薦画面７１（図１０）を出力装置１３に表示する。
第２に、知識推薦部２３は、推薦知識１欄７２ａの解析方法欄７３ａに、“有限要素法”を表示する。知識推薦部２３は、ユーザに対し推薦する知識“有限要素法”の確実性を示す値として推薦スコアを算出し、推薦スコア欄７４ａに表示する。知識推薦部２３は、多次元モデル３３から得られるソフトマックス値、予測分散値等に基づき推薦スコアを算出してもよい。より簡便には、知識推薦部２３は、領域４１が含む点が“有限要素法”を示している比率、数値ニーズデータと領域の重心との間の距離、ステップＳ２０４において知識の矛盾を解決した際のパーセンテージ等に基づき推薦スコアを算出してもよい。

知識推薦部２３は、定型入力した項目値、対話入力した項目値及び解析方法としての“有限解析法”のすべてを含むグラフ情報を作成したユーザ（Ａ氏）を推薦根拠欄７５ａに表示する。ユーザがグラフ情報表示ボタン７６ａを押下すると、知識推薦部２３は、そのグラフ情報を表示する。ユーザが実行ボタン７７ａを押下すると、知識推薦部２３は、Ａ氏が作成したグラフ情報に関連付けて記憶されている付加情報を表示する。“フィードバック”ボタン７８ａについては後記する。

第３に、知識推薦部２３は、推薦知識２欄７２ｂの解析方法欄７３ｂに、“分子シミュレーション”を表示する。知識推薦部２３は、ユーザに対して推薦する知識“分子シミュレーション”の確実性を示す値として推薦スコアを算出し、推薦スコア欄７４ｂに表示する。推薦スコアの算出方法は、前記した通りである。

知識推薦部２３は、定型入力した項目値、対話入力した項目値及び解析方法としての“分子シミュレーション”のすべてを含むグラフ情報がなく、かつ、それらのすべてを含む実績情報３２のレコードがある場合、その旨を推薦根拠欄７５ｂに表示する。ユーザが実績情報表示ボタン７６ｂを押下すると、知識推薦部２３は、そのレコードを表示する。ユーザが実行ボタン７７ｂを押下すると、知識推薦部２３は、そのレコードに関連付けて補助記憶装置１５に記憶されている付加情報を表示する。

ステップＳ２１２において、設計支援装置１の入力処理部２１は、推薦知識に対する評価を受け付ける。具体的には、第１に、入力処理部２１は、推薦知識１及び推薦知識２に対する評価をユーザが入力装置１２（キーボード等）を介して入力するのを受け付ける。この評価は、例えば、“推薦知識は役に立った＝１”又は“推薦知識は役に立たなかった＝０”のような２値のデータである。

第２に、入力処理部２１は、ユーザがグラフ情報表示ボタン７６ａを押下することによって表示させたグラフ情報に対して補足又は修正を入力するのを受け付ける。又は、入力処理部２１は、表示させたグラフ情報とは別にグラフ情報入力画面５１（図８）を開き、新たなグラフ情報をユーザが入力（描画）するのを受け付ける。これらのグラフ情報は、“フィードバック用グラフ情報”と呼ばれる。

ステップＳ２１３において、設計支援装置１のフィードバック部２４は、推薦知識に対する評価をフィードバックする。具体的には、フィードバック部２４は、ユーザがフィードバックボタン７８ａ及び／又は７８ｂを押下するのを受け付ける。すると、フィードバック部２４は、ユーザの評価（２値のデータ）を推薦知識に関連付けて補助記憶装置１５に記憶し、フィードバック用グラフ情報を補助記憶装置１５に記憶する。ここでの推薦知識とは、例えば“（対象製品分野，目的，現象の種類，解析方法）＝（製品分野Ａ，現象解明，硬化，有限要素法）”である。

ここで記憶されたデータの使途は様々であるが、例えば、フィードバック部２４は、ここで記憶された推薦知識等を、多次元モデル３３の学習に使用する。例えば、フィードバック部２４は、評価を推薦知識に関連付けて蓄積しておき、蓄積された評価が大きい推薦知識を文字列学習データとしてもよい。フィードバック部２４は、蓄積された評価が大きい推薦知識に対し、評価の大きさに応じた重みを反映したうえで文字列学習データとして再度使用してもよい。さらに、フィードバック部２４は、評価が大きい推薦知識を、実績情報３２のレコードに追加してもよい。

例えば、フィードバック部２４は、フィードバック用グラフ情報を実績情報３２に追加してもよい。フィードバック部２４は、フィードバック用グラフ情報を文字列学習データとして再度使用してもよい。

（変形例）
ステップＳ２０５の“第１”において、知識学習部２２は、実績情報３２から、完成グラフ情報に含まれる項目の文字列、及び、その項目の項目値の文字列を抽出する。つまり、知識学習部２２は、膨大な実績情報３２のレコードのうち、最近の熟練ユーザの知識に一致するものを抽出することにより、前記した弱点２〜４を解消している。実績情報３２のレコードが充分多い場合、こうすることによって、多次元モデル３３は、統計学的により有意なものとなる。

しかしながら、知識学習部２２は、このようにして実績情報３２（過去の実績）を使用することなく、完成グラフ情報をそのまま “文字列学習データ”としてもよい。なぜなら、１つの完成グラフ情報が、実績情報３２の数本分のレコードに相当する場合もあり、実績情報３２が存在しない場合もあるからである。知識学習部２２が実績情報３２を使用しない場合は、入力処理部２１は、ステップＳ２０１の処理を省略することになる。

（本実施形態の効果）
本実施形態の設計支援装置１の効果は以下の通りである。
（１）設計支援装置１は、ユーザが入力したグラフ構造を使用して、多次元モデルを学習することができる。
（２）設計支援装置１は、ユーザが入力したグラフ構造を使用して、実績情報を絞り込むことができる。

（３）設計支援装置１は、ユーザが入力したニーズを多次元モデルに適用することによって、知識を取得することができる。
（４）設計支援装置１は、ユーザが評価した知識を使用して多次元モデルを学習することができる。
（５）設計支援装置１は、複数のユーザによるグラフ構造を統合することができる。
（６）設計支援装置１は、推薦知識を絞り込むような項目の入力をユーザに促すことができる。
（７）設計支援装置１は、推薦知識に関連付けられている情報を表示できる。

なお、本発明は前記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、前記した実施例は、本発明を分かり易く説明するために詳細に説明したものであり、必ずしも説明したすべての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

また、前記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウエアで実現してもよい。また、前記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウエアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Solid State Drive）等の記録装置、又は、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。
また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしもすべての制御線や情報線を示しているとは限らない。実際には殆どすべての構成が相互に接続されていると考えてもよい。

１ 設計支援装置
１１ 中央制御装置
１２ 入力装置
１３ 出力装置
１４ 主記憶装置
１５ 補助記憶装置
２１ 入力処理部
２２ 知識学習部
２３ 知識推薦部
２４ フィードバック部
３１ グラフ情報
３２ 実績情報
３３ 多次元モデル

Claims (9)

1. 製品の設計に関する項目及び項目値を表現したグラフ構造をユーザが描画するのを受け付ける入力処理部と、
   前記受け付けたグラフ構造に含まれる項目の一部を説明変数とし前記項目の他を目的変数とする多次元モデルを学習する知識学習部と、
   を備えることを特徴とする設計支援装置。
2. 前記入力処理部は、
   実績としての前記項目の項目値を相互に関連付けた実績情報を受け付け、
   前記知識学習部は、
   前記受け付けたグラフ構造に含まれる項目及び項目値を前記実績情報から抽出し、前記抽出した項目の一部を説明変数とし前記項目の他を目的変数とする多次元モデルを学習すること、
   を特徴とする請求項１に記載の設計支援装置。
3. 前記抽出した項目の項目値をユーザの入力として前記入力処理部を介して受け付けた場合において、
   前記受け付けた項目の項目値を前記多次元モデルに説明変数として入力することによって、ユーザが要求する他の項目の項目値を前記多次元モデルから目的変数として取得し、前記取得した他の項目の項目値を出力装置に表示する知識推薦部を備えること、
   を特徴とする請求項２に記載の設計支援装置。
4. 前記受け付けた項目の項目値及び前記取得した他の項目の項目値の組合せのうちユーザが評価したものを使用して、前記多次元モデルを学習するフィードバック部を備えること、
   を特徴とする請求項３に記載の設計支援装置。
5. 前記入力処理部は、
   前記グラフ構造を同時に複数のユーザが描画するのを受け付け、
   前記知識学習部は、
   当該受け付けたグラフ構造から重複分を削除した和集合に含まれる項目及び項目値を、前記実績情報から抽出し、
   前記和集合のグラフ構造を出力装置に表示すること、
   を特徴とする請求項４に記載の設計支援装置。
6. 前記入力処理部は、
   前記抽出した項目のうちの所定の項目の項目値をユーザが入力するのを受け付け、
   前記所定の項目以外の項目のうち前記ユーザが要求する他の項目の項目値を絞り込み得る項目、及び、当該項目の項目値の候補を出力装置に表示すること、
   を特徴とする請求項５に記載の設計支援装置。
7. 前記知識推薦部は、
   前記取得した他の項目の項目値を含む前記グラフ構造を入力したユーザを特定する情報、当該グラフ構造に関連付けられた付加情報、及び、前記取得した他の項目の項目値を所定の方法で評価したスコアを出力装置に表示すること、
   を特徴とする請求項６に記載の設計支援装置。
8. 設計支援装置の入力処理部は、
   製品の設計に関する項目及び項目値を表現したグラフ構造をユーザが描画するのを受け付け、
   前記設計支援装置の知識学習部は、
   前記受け付けたグラフ構造に含まれる項目の一部を説明変数とし前記項目の他を目的変数とする多次元モデルを学習すること、
   を特徴とする設計支援装置の設計支援方法。
9. 設計支援装置の入力処理部に対し、
   製品の設計に関する項目及び項目値を表現したグラフ構造をユーザが描画するのを受け付ける処理を実行させ、
   前記設計支援装置の知識学習部に対し、
   前記受け付けたグラフ構造に含まれる項目の一部を説明変数とし前記項目の他を目的変数とする多次元モデルを学習する処理を実行させること、
   を特徴とする設計支援装置を機能させるための設計支援プログラム。

Images