JP7201763B1 - 試作支援システム、及び、量産支援システム - Google Patents

Abstract

【課題】ユーザの要望に合う特性を持つ材料の提供を可能にする仮想製造システム、設計支援システム、試作支援システム、及び、量産支援システムを提供する。【解決手段】仮想製造システム２は、予測処理と決定処理と生成処理とを実行する。予測処理は、材料の設計条件の入力に対して材料の特性の予測値を出力する予測モデルＬＭ１に、候補材料の設計条件を入力することによって予測モデルＬＭ１から候補材料の特性の予測値を取得する。決定処理は、予測処理の結果に基づいて候補材料の特性の予測値が候補材料の特性の許容範囲内にある候補設計条件を決定する。生成処理は、候補設計条件に基づいて材料評価情報Ｄ１を生成する。材料評価情報Ｄ１は、候補設計条件に対応する候補材料の特性の予測値と、候補設計条件に基づいて製造される候補材料の試作品の特性の値が候補材料の特性の許容範囲内にある可能性を示す評価値とを含む。【選択図】図２

Description

本発明は、試作支援システム、及び、量産支援システムに関する。

特許文献１は、取引支援システムを開示する。特許文献１に開示された取引支援システムは、材料商品の特性を含む検索条件の設定を受け付ける手段と、材料商品の提供元から提供される材料商品の特性と材料商品の提供元とを含む材料商品情報を格納する材料特性データベースと、検索条件の少なくとも一部を充足する材料商品を材料特性データベースから検索する手段と、検索条件の少なくとも一部を充足する材料商品について、材料特性データベースに格納されている材料商品情報に追加される追加情報及び材料特性データベースに格納されている材料商品情報と照合される照合情報の少なくとも一方を取得する取得手段と、検索手段による検索結果と取得手段による取得結果とに基づき検索条件に対して推奨される推奨材料商品と推奨材料商品の提供元とを特定する手段を備える。

特許第６７６３５７９号公報

特許文献１は、提供元が提供可能な材料商品から、材料ユーザが指定した検索条件に対して推奨される推奨材料商品を特定する。そのため、提供元が提供可能な材料商品の種類によっては、材料ユーザの希望する特性を充足する材料商品を提供することができない可能性がある。

本発明は、ユーザの要望に合う材料の提供を可能にする試作支援システム、及び、量産支援システムを提供する。

本発明の一態様の仮想製造システムは、予測モデルを記憶する記憶装置と、記憶装置にアクセス可能な演算回路とを備える。予測モデルは、材料の設計条件の入力に対して材料の特性の予測値を出力するように構成される。演算回路は、予測処理と、決定処理と、生成処理とを実行するように構成される。予測処理は、候補材料の設計条件を予測モデルに入力することによって予測モデルから候補材料の特性の予測値を取得する。決定処理は、予測処理の結果に基づいて候補材料の特性の予測値が候補材料の特性の許容範囲内にある候補設計条件を決定する。生成処理は、候補設計条件に基づいて材料評価情報を生成する。材料評価情報は、候補設計条件に対応する候補材料の特性の予測値と、候補設計条件に基づいて製造される候補材料の試作品の特性の値が候補材料の特性の許容範囲内にある可能性を示す評価値とを含む。

本発明の一態様の設計支援システムは、上記態様の仮想製造システムと、仮想製造システムと通信可能な通信装置とを備える。通信装置は、候補材料の設計条件の制約条件と候補材料の特性の目標とを含む要求仕様情報を仮想製造システムに送信するように構成される。予測処理と、要求仕様情報に基づいて候補材料の設計条件を決定する。決定処理は、要求仕様情報に基づいて候補材料の特性の許容範囲を決定する。生成処理は、材料評価情報を通信装置に送信する。

本発明の一態様の試作支援システムは、上記態様の設計支援システムと、通信装置と通信可能な試作管理システムとを備える。通信装置は、候補材料の試作品の製造の指示を試作管理システムに送信するように構成される。試作管理システムは、候補設計条件に基づいて製造された候補材料の試作品の特性の測定の結果に基づいて候補材料の試作品の特性の測定値を含む試作品評価情報を生成して、通信装置に送信するように構成される。

本発明の一態様の量産支援システムは、上記態様の試作支援システムと、通信装置と通信可能な量産管理システムとを備える。通信装置は、候補材料の量産品の製造の指示を量産管理システムに送信するように構成される。量産管理システムは、候補設計条件に基づいて製造された候補材料の量産品の特性の測定の結果に基づいて候補材料の量産品の特性の測定値を含む量産品評価情報を生成して、通信装置に送信するように構成される。

本発明の別の態様の仮想製造システムは、予測モデルを記憶する記憶装置と、記憶装置にアクセス可能な演算回路とを備える。予測モデルは、材料の設計条件及び加工条件の入力に対して材料の加工品の特性の予測値を出力するように構成される。演算回路は、予測処理と、決定処理と、生成処理とを実行するように構成される。予測処理は、候補材料の設計条件及び加工条件を予測モデルに入力することによって予測モデルから候補材料の加工品の特性の予測値を取得する。決定処理は、予測処理の結果に基づいて候補材料の加工品の特性の予測値が候補材料の加工品の特性の許容範囲内にある候補設計条件及び候補加工条件を決定する。生成処理は、候補設計条件及び候補加工条件に基づいて加工品評価情報を生成する。加工品評価情報は、候補設計条件及び候補加工条件の組み合わせに対応する候補材料の加工品の特性の予測値を含む。加工品評価情報は、候補設計条件に基づいて製造される候補材料の試作品を候補加工条件に基づいて加工して得られる候補材料の試作品の加工品の特性の値が候補材料の加工品の特性の許容範囲内にある可能性を示す評価値を含む。

本発明の別の態様の設計支援システムは、上記別の態様の仮想製造システムと、仮想製造システムと通信可能な通信装置とを備える。通信装置は、候補材料の加工品の設計条件及び加工条件の制約条件と候補材料の加工品の特性の目標を含む要求仕様情報を仮想製造システムに送信するように構成される。予測処理は、要求仕様情報に基づいて候補材料の加工品の設計条件及び加工条件を決定する。決定処理は、要求仕様情報に基づいて候補材料の加工品の特性の許容範囲を決定する。生成処理は、加工品評価情報を通信装置に送信する。

本発明の別の態様の試作支援システムは、上記別の態様の設計支援システムと、通信装置と通信可能な試作管理システムとを備える。通信装置は、候補材料の試作品の製造の指示を試作管理システムに送信するように構成される。試作管理システムは、候補設計条件に基づいて製造された候補材料の試作品を候補加工条件に基づいて加工して得られる加工品の特性の測定の結果に基づいて候補材料の試作品の加工品の特性の測定値を含む試作品評価情報を生成して通信装置に送信するように構成される。

本発明の別の態様の量産支援システムは、上記別の態様の試作支援システムと、通信装置と通信可能な量産管理システムとを備える。通信装置は、候補材料の量産品の製造の指示を量産管理システムに送信するように構成される。量産管理システムは、候補設計条件に基づいて製造された候補材料の量産品の特性の測定の結果に基づいて候補材料の量産品の特性の測定値を含む量産品評価情報を生成するように構成される。量産管理システムは、候補材料の量産品の特性の測定値に基づいて候補材料の量産品のための量産品加工条件を示す加工情報を生成するように構成される。量産管理システムは、量産品評価情報と加工情報とを通信装置に送信するように構成される。

本発明の態様は、ユーザの要望に合う特性を持つ材料の提供を可能にする。

実施の形態１の量産支援システムの構成例のブロック図 図１の量産支援システムの仮想製造システムの構成例のブロック図 図２の仮想製造システムの設計方法の一例のフローチャート 図２の仮想製造システムの再設計方法の一例のフローチャート 図１の量産支援システムの動作の一例のシーケンス図 実施の形態２の量産支援システムの構成例のブロック図 図６の量産支援システムの仮想製造システムの構成例のブロック図 図７の仮想製造システムの設計方法の一例のフローチャート 図７の仮想製造システムの再設計方法の一例のフローチャート 図６の量産支援システムの動作の一例のシーケンス図

［１．実施の形態］
［１．１ 実施の形態１］
［１．１．１ 構成］
図１は、実施の形態１の量産支援システム１の構成例のブロック図である。図１の量産支援システム１は、有体物の製品の量産を計画しているユーザに、製品そのもの又は製品の部品の形成のための材料を提供するために利用される。特に、量産支援システム１は、予め用意された既存の材料からユーザの要望に近い特性を持つ材料を提供するというよりは、ユーザの要望に合う特性を持つ材料を新たに設計して提供する。材料としては、金属材料、樹脂材料、半導体材料、ガラス材料、セラミックス材料等の各種の材料が挙げられる。材料の特性は、例えば、比重、強度、伸び、熱伝導率、電気伝導率、透磁率、透過率等の各種の特性が挙げられる。

図１の量産支援システム１は、ユーザの要求仕様に基づいて材料の設計、試作、及び量産を実行することで、ユーザの要求仕様を満たす材料を提供する。そのため、図１に示すように、量産支援システム１は、仮想製造システム２と、試作管理システム３と、量産管理システム４と、通信装置５とを備える。図１の量産支援システム１では、仮想製造システム２、試作管理システム３、量産管理システム４、及び通信装置５は、通信ネットワーク６を介して通信可能に接続される。通信ネットワーク６は、インターネットを含み得る。通信ネットワーク６は、単一の通信プロトコルに準拠したネットワークだけではなく、異なる通信プロトコルに準拠した複数のネットワークで構成され得る。通信プロトコルは、周知の様々な有線及び無線通信規格から選択され得る。有線通信規格の例としては、イーサネット（登録商標）等の規格が挙げられる。無線通信規格の例としては、ＩＥＥＥ８０２．１１、４Ｇ、又は５Ｇ等の規格が挙げられる。通信ネットワーク６は、リピータハブ、スイッチングハブ、ブリッジ、ゲートウェイ、ルータ等のデータ通信機器を含み得る。

［１．１．１．１ 仮想製造システム］
仮想製造システム２は、ユーザの要望に合う特性を持つ材料の設計を行う。仮想製造システム２は、実空間では材料の製造を実施せず、コンピュータ内（電脳空間、サイバー空間）において材料の製造をして、材料の特性及び材料の実現可能性の評価を行う。つまり、仮想製造システム２では、設計条件に基づいて材料が実際に作製されることなく、コンピュータによる演算により、材料の特性及び材料の実現可能性が算出される。仮想製造システム２は、実空間の工場と対比すれば、サイバー空間の工場であるといえる。

図２は、仮想製造システム２の構成例のブロック図である。図２の仮想製造システム２は、入出力装置２１と、通信回路２２と、記憶装置２３と、演算回路２４とを備える。仮想製造システム２は、例えば、１又は複数のサーバで実現される。

入出力装置２１は、仮想製造システム２への情報の入力のための入力装置、及び、仮想製造システム２からの情報の出力のための出力装置としての機能を有する。入出力装置２１は、例えば、１以上のヒューマン・マシン・インタフェースを備える。ヒューマン・マシン・インタフェースの例としては、キーボード、ポインティングデバイス（マウス、トラックボール等）、タッチパッド等の入力装置、ディスプレイ、スピーカ等の出力装置、タッチパネル等の入出力装置が挙げられる。

通信回路２２は、外部装置又はシステムと通信可能に接続される。通信回路２２は、通信ネットワーク６を通じた試作管理システム３、量産管理システム４、及び通信装置５との通信に用いられる。通信回路２２は、１以上の通信インタフェースを備える。通信回路２２は、通信ネットワーク６に接続可能であり、通信ネットワーク６を通じた通信を行う機能を有する。通信回路２２は、所定の通信プロトコルに準拠している。所定の通信プロトコルは、周知の様々な有線及び無線通信規格から選択され得る。

記憶装置２３は、演算回路２４が利用する情報及び演算回路２４で生成される情報を記憶するために用いられる。記憶装置２３は、１以上のストレージ（非一時的な記憶媒体）を含む。ストレージは、例えば、ハードディスクドライブ、光学ドライブ、及びソリッドステートドライブ（ＳＳＤ）のいずれであってもよい。また、ストレージは、内蔵型、外付け型、及びＮＡＳ（network-attached storage）型のいずれであってもよい。なお、仮想製造システム２は、複数の記憶装置２３を備えてよい。複数の記憶装置２３には情報が分散されて記憶されてよい。

記憶装置２３に記憶される情報は、予測モデルＬＭ１と、材料評価情報Ｄ１と、材料データベースＤＢ１を含む。図２では、記憶装置２３が、予測モデルＬＭ１と、材料評価情報Ｄ１と、材料データベースＤＢ１との全てを記憶している状態を示している。予測モデルＬＭ１と、材料評価情報Ｄ１と、材料データベースＤＢ１とは常に記憶装置２３に記憶されている必要はなく、演算回路２４で必要とされるときに記憶装置２３に記憶されていればよい。

演算回路２４は、仮想製造システム２の動作を制御する。演算回路２４は、入出力装置２１及び通信回路２２に接続され、記憶装置２３にアクセス可能である。演算回路２４は、例えば、１以上のプロセッサ（マイクロプロセッサ）と１以上のメモリとを含むコンピュータシステムにより実現され得る。１以上のプロセッサが（１以上のメモリ又は記憶装置２３に記憶された）プログラムを実行することで、演算回路２４としての機能を実現する。プログラムは、ここでは記憶装置２３に予め記録されているが、インターネット等の電気通信回線を通じて、又はメモリカード等の非一時的な記録媒体に記録されて提供されてもよい。

演算回路２４は、材料の設計を行う機能を有する。演算回路２４は、例えば、図３に示す設計方法を実行する。図３は、仮想製造システム２が実行する設計方法の一例のフローチャートである。

図３の設計方法は、予測処理Ｓ１１と、決定処理Ｓ１２と、生成処理Ｓ１３とを含む。

予測処理Ｓ１１は、候補材料の設計条件を予測モデルＬＭ１に入力することによって予測モデルＬＭ１から候補材料の特性の予測値を取得する。候補材料は、量産支援システム１での量産の候補となる材料である。候補材料の成分及び特性の目標は、例えば、ユーザの要望に応じて決定される。

予測モデルＬＭ１は、材料の設計条件の入力に対して材料の特性の予測値を出力するように構成される。予測モデルＬＭ１は、材料の設計条件を説明変数、材料の特性の値を目的変数とするモデルである。材料の設計条件は、材料の構造及び組成に関するデータと、材料の製造方法に関するデータとの少なくとも一方を含む。材料の構造及び組成に関するデータは、材料に対する実験等から得られる。材料の構造及び組成に関するデータは、例えば、材料の化学式、及び材料に含まれる各成分の量を含む。材料の構造及び組成に関するデータは、必要に応じて、ＸＲＤ等のベクトルデータ、又はＳＥＭ等の画像データを含んでよい。材料の製造方法に関するデータは、例えば、材料の製造に用いるプロセス及びプロセスで用いるパラメータを含む。このようなプロセスの一例としては、熱処理があり、プロセスで用いるパラメータは、熱処理の温度である。

本実施の形態では、予測モデルＬＭ１は、材料の設計条件の入力に対して材料の特性の予測値を出力するように学習された学習済みモデルに基づいて生成される。予測モデルＬＭ１は、材料の設計条件の入力に対して材料の特性の予測値を出力するように学習された学習済みモデルそれ自体であってもよいし、当該学習済みモデルの再利用モデル又は蒸留モデルであってもよい。例えば、予測モデルＬＭ１は、材料の設計条件を入力、材料の特性の値を正解とする学習用データセットを用いた教師あり学習を実行することによって生成される学習済みモデルである。学習済みモデルは、学習済みパラメータが組み込まれた推論プログラムである。推論プログラムは、例えば、回帰モデルである。回帰モデルの例としては、決定木、線形回帰、ランダムフォレスト、サポートベクターマシン、ガウス過程回帰、ニューラルネットワーク等が挙げられる。線形回帰の例としては、多重線形回帰、リッジ（Ｒｉｄｇｅ）回帰、ラッソ（Ｌａｓｓｏ）回帰が挙げられる。学習済みパラメータは、学習用データセットを学習用プログラムに対して入力することで、一定の目的のために機械的に調整されることで生成される。

なお、予測モデルＬＭ１は、データ科学の技術を利用する学習済みモデルに限らず、理論科学、実験科学、及び計算科学（シミュレーション）の少なくとも一つに基づいて設計されるモデルから構築されてもよい。このようなモデルは、材料に応じて調整される調整パラメータを含む。調整パラメータは、文献等に記載される代表的な値でもよいし、過去の材料設計のデータに基づく合わせ込みで調整されてもよい。

予測処理Ｓ１１は、候補材料についての要求仕様情報に基づいて候補材料の設計条件を決定する。要求仕様情報は、通信装置５から仮想製造システム２に送信される。要求仕様情報は、候補材料の設計条件の制約条件と候補材料の特性の目標とを含む。候補材料の設計条件の制約条件は、材料の構造及び組成に関する制約と、材料の製造方法に関する制約との少なくとも一方を含む。材料の構造及び組成に関する制約は、例えば、候補材料に用いる成分の条件、及び、候補材料に用いてはいけない成分の条件を含み得る。一例として、材料の構造及び組成に関する制約は、候補材料における成分の含有量の範囲を含んでよい。材料の製造方法に関する制約は、例えば、材料の製造に用いる方法の条件、及び、材料の製造に用いてはいけない方法の条件を含み得る。一例として、材料の製造方法に関する制約は、加熱時の温度の許容範囲を含んでよい。予測処理Ｓ１１は、候補材料の設計条件の制約条件に基づいて、候補材料の設計条件を決定することができる。候補材料の特性の目標は、例えば、１以上の特性の目標値を含んでよい。

予測処理Ｓ１１は、候補材料の設計条件を予測モデルＬＭ１に入力することによって予測モデルＬＭ１から候補材料の特性の予測値を取得する。予測処理Ｓ１１の結果は、候補材料の設計条件と、設計条件に対応する候補材料の特性の予測値とを含む。

決定処理Ｓ１２は、予測処理Ｓ１１の結果に基づいて候補材料の特性の予測値が候補材料の特性の許容範囲内にある候補設計条件を決定する。決定処理Ｓ１２は、要求仕様情報に基づいて候補材料の特性の許容範囲を決定する。上述したように、要求仕様情報は、候補材料の設計条件の制約条件と候補材料の特性の目標とを含む。決定処理Ｓ１２は、候補材料の特性の目標に基づいて、候補材料の特性の許容範囲を決定することができる。

決定処理Ｓ１２は、候補設計条件を決定するにあたっては、予測処理Ｓ１１の結果から得られる候補材料の特性の予測値が候補材料の特性の許容範囲内にあるかどうかの判別を行う。一例として、予測処理Ｓ１１は、候補材料について予め複数の設計条件について予測モデルＬＭ１より候補材料の特性の予測値を求めてよい。決定処理Ｓ１２は、複数の設計条件のうち、候補材料の特性の予測値が候補材料の特性の許容範囲内にある設計条件を、候補設計条件として選択してよい。別例として、決定処理Ｓ１２は、最適化手法により、候補材料の特性の予測値が候補材料の特性の許容範囲内にある候補設計条件を決定してよい。つまり、決定処理Ｓ１２は、予測処理Ｓ１１を繰り返すことによって候補設計条件を決定してよい。決定処理Ｓ１２は、予測処理Ｓ１１の結果から、候補材料の特性の予測値が候補材料の特性の許容範囲内にない場合に、新たに設計条件を設定し、この設計条件に基づいて予測処理Ｓ１１を実行させる。決定処理Ｓ１２は、予測処理Ｓ１１を繰り返すことで、候補材料の特性の予測値が候補材料の特性の許容範囲内にある設計条件を探索する。これは、設計条件をＸ、予測値をｆ（Ｘ）、所定の材料の特性の許容範囲の目標値Ｙ０とすると、Ｘ＝argmin_Ｘ｜Ｙ０－ｆ（Ｘ）｜により設計条件Ｘを決定することができる。なお、予測処理Ｓ１１は、予測モデルＬＭ１から出力される候補材料の特性の予測値が候補材料の特性の許容範囲内になるまで繰り返されてもよいが、繰り返し回数の上限が定められていてもよい。つまり、繰り返し回数が上限に達した時点で、予測モデルＬＭ１から出力される候補材料の特性の予測値が候補材料の特性の許容範囲内になったとみなしてよい。

生成処理Ｓ１３は、候補設計条件に基づいて材料評価情報Ｄ１を生成する。材料評価情報Ｄ１は、候補設計条件に対応する候補材料の特性の予測値を含む。材料評価情報Ｄ１は、候補設計条件に基づいて製造される候補材料の試作品の特性の値が候補材料の特性の許容範囲内にある可能性（以下、必要に応じて「実現可能性」という）を示す評価値を含む。さらに、材料評価情報Ｄ１は、候補設計条件の情報を含んでよい。

候補設計条件に対応する候補材料の特性の予測値は、候補設計条件を予測モデルＬＭ１に入力することで得られる。予測処理Ｓ１１において、候補設計条件に対応する候補材料の特性の予測値が求められている場合には、予測処理Ｓ１１で求められた候補設計条件に対応する候補材料の特性の予測値を利用してよい。

実現可能性は、実際に候補設計条件に基づいて候補材料の試作品を作製した場合に、試作品の特性の値が候補材料の特性の許容範囲内に収まる可能性である。実現可能性は、予測モデルＬＭ１に入力される候補材料の設計条件（つまり、候補設計条件）と既存の材料の設計条件との差が小さいほど高く設定される。既存の材料の設計条件は、実際に製造可能であることが確認された材料の設計条件である。

実現可能性は、例えば、ガウス過程回帰のような確率付きの予測が可能な機械学習手法により構築された学習済みモデルを用いることで得られ得る。ガウス過程回帰によれば、予測値に対する確率分布が得られる。予測値に対する確率分布から、予測値が候補材料の特性の許容範囲に収まる確率を求めることができる。予測値が候補材料の特性の許容範囲に収まる確率を、実現可能性として利用することができる。例えば、予測モデルＬＭ１を、ガウス過程回帰に基づいて構築することで、候補材料の特性の予測値と、実現可能性の演算に必要な確率分布とが同時に得られる。

ガウス過程回帰を用いる場合の例について簡単に説明する。例えば、モデル（例えば、ｙ＝ｆ（ｘ）＋ε）に対して訓練データＤ＝（Ｘ，ｙ）が与えられる。Ｘは、ｎ個の訓練データｘ_ｉのまとまりであり、各訓練データｘ_ｉはｍ次元のベクトルである。この場合、Ｘは次式で与えられる。

ｙは、各訓練データｘ_ｉに対応する正解データであり、次式で表される。

ガウス過程回帰による予測は、訓練データＤ＝（Ｘ，ｙ）が既知であるときに、新しいデータＸ_＊＝［ｘ_１ ^＊，ｘ_２ ^＊，ｘ_３ ^＊，…，ｘ_ｌ ^＊］が追加された場合にそれと対になるｙ_＊＝（ｙ_１ ^＊，ｙ_２ ^＊，ｙ_３ ^＊，…，ｙ_ｌ ^＊）^Ｔの分布はどのようなものになるか、ということである。これは、新しいデータＸ_＊＝［ｘ_１ ^＊，ｘ_２ ^＊，ｘ_３ ^＊，…，ｘ_ｌ ^＊］に対応するｙ_＊＝（ｙ_１ ^＊，ｙ_２ ^＊，ｙ_３ ^＊，…，ｙ_ｌ ^＊）^Ｔの条件付き確率分布ｐ（ｙ_＊│Ｘ_＊，Ｘ，ｙ）を求めることに等しい。

条件付き確率分布ｐ（ｙ_＊│Ｘ_＊，Ｘ，ｙ）は、ガウス過程の定式によれば次のように与えられる。

μ_＊は、平均であり、μ_＊＝Ｋ（Ｘ_＊，Ｘ）^Ｔ（Ｋ（Ｘ，Ｘ）＋σ_ｙ ^２Ｉ）^－１ｙである。σ_＊ ^２は、分散であり、σ_＊ ^２＝Ｋ（Ｘ_＊，Ｘ_＊）－Ｋ（Ｘ_＊，Ｘ）^Ｔ（Ｋ（Ｘ，Ｘ）＋σ_ｙ ^２Ｉ）^－１Ｋ（Ｘ_＊，Ｘ）である。なお、式中のＫについてはカーネル関数ｋ（ｘ，ｘ’）を用いて以下の式で表す。

ガウス過程回帰による予測では、予測値の確率分布で得られる。予測値の確率分布は、ガウス分布に従う。そのため、予測値の確率分布の分散の値に基づいて、試作品の特性の値が候補材料の特性の許容範囲内に収まる可能性を決定できる。非常に簡単な例で示せば、予測値の確率分布において、予測値のガウス分布の平均値μ±σの範囲が候補材料の特性の許容範囲に収まる場合、実現可能性は６８．３％である。予測値のガウス分布の平均値μ±２σの範囲が候補材料の特性の許容範囲に収まる場合、実現可能性は９５．４％である。予測値のガウス分布の平均値μ±３σの範囲が候補材料の特性の許容範囲に収まる場合、実現可能性は９９．７％である。予測値のガウス分布における分散は、候補材料の設計条件が、予測モデルＬＭ１の学習に用いられた学習用データセットに含まれる設計条件、つまり、既存の設計条件に近いほど小さくなる。分散が小さいほど、予測値の確率分布が候補材料の特性の許容範囲に収まりやすくなるから、実現可能性が高くなる。このように、生成処理Ｓ１３は、予測モデルＬＭ１から得られる予測値の確率分布が候補材料の特性の許容範囲にどの程度収まるかに基づいて、実現可能性を求めてよい。

また、実現可能性は、材料データベースＤＢ１を用いて求めることができる。材料データベースＤＢ１に登録されている設計条件は、実際に製造可能であることが確認された材料の設計条件、つまり、既存の材料の設計条件である。材料データベースＤＢ１に登録される既存の材料の設計条件は、量産支援システム１での過去の製造実績、量産支援システム１の運用にあたっての材料の製造試験の結果、論文、及び、公共の材料データベース（例えば、ＭａｔＮａｖｉ、Ｍａｔｅｒｉａｌｓ Ｐｒｏｊｅｃｔ、Ａｆｌｏｗ等）から得られてよい。実現可能性は、予測モデルＬＭ１に入力される候補材料の設計条件（つまり、候補設計条件）と材料データベースＤＢ１に登録されている設計条件（既存の材料の設計条件）との類似度に基づいて算出されてよい。下表１は、材料データベースＤＢ１の一例を示す。

候補設計条件と材料データベースＤＢ１に登録されている設計条件との類似度の評価には、重み付きユークリッド距離が利用できる。類似度の評価には、従来周知の様々な手法を用いることができる。候補設計条件と材料データベースＤＢ１に登録されている設計条件との距離が近いほど、類似度が高い。類似度が高い場合には、候補設計条件に基づいて製造される候補材料の試作品の特性の値が候補材料の特性の許容範囲内にある可能性が高いと考えられる。材料データベースＤＢ１に複数の設計条件が登録されている場合、材料データベースＤＢ１に登録されている複数の設計条件それぞれについて、候補設計条件と材料データベースＤＢ１に登録されている設計条件との類似度が算出される。算出された類似度のうち最も小さい距離に基づいて、実現可能性が算出される。このように、生成処理Ｓ１３は、予測モデルＬＭ１に入力される候補材料の設計条件と材料データベースＤＢ１に登録される既存の材料の設計条件との類似度に基づいて実現可能性を求めてよい。

なお、評価値は、実現可能性自体を示す数値であってよいし、実現可能性の分類を示す値であってもよい。実現可能性の分類は、例えば、可能性の高低を示す分類であってよい。可能性の高低を示す分類としては、可能性大、可能性中、及び可能性小が挙げられる。

演算回路２４は、候補材料の再設計を行う機能を有する。より詳細には、演算回路２４は、所定の再設計条件が満たされた場合に、予測モデルＬＭ１の更新を行い、更新後の予測モデルＬＭ１を用いて、再度、予測処理Ｓ１１、決定処理Ｓ１２及び生成処理Ｓ１３を実行する。演算回路２４は、例えば、図４に示す再設計方法を実行する。図４は、仮想製造システム２が実行する再設計方法の一例のフローチャートである。

図４に示すように、演算回路２４は、取得処理Ｓ２１を実行する。取得処理Ｓ２１は、候補設計条件に基づいて製造された候補材料の試作品の特性の測定値を試作管理システム３から取得する。候補設計条件と、候補設計条件に基づいて製造された候補材料の試作品の特性の測定値との組み合わせは、例えば、記憶装置２３の材料データベースＤＢ１に蓄積されてよい。

演算回路２４は、取得処理Ｓ２１の後に、判定処理Ｓ２２を実行する。判定処理Ｓ２２は、候補設計条件に基づいて製造された候補材料の試作品の特性の測定値が、候補設計条件に対応する候補材料の特性の予測値から乖離しているかどうかの判定をする。試作品の特性の測定値が予測値から乖離しているかどうかの判定には、例えば、重み付きユークリッド距離を利用することができる。一例として、試作品の特性の測定値で表される点と試作品の特性の予測値で表される点との距離が閾値以下である場合には、試作品の特性の測定値が予測値から乖離していないと判定してよい。この場合、試作品の特性の測定値で表される点と試作品の特性の予測値で表される点との距離が閾値を超える場合には、試作品の特性の測定値が予測値から乖離していると判定される。

判定処理Ｓ２２の結果、試作品の特性の測定値が予測値から乖離していない場合には（Ｓ２２：ＮＯ）、予測モデルＬＭ１の更新の必要がなく、演算回路２４は、再設計することなく処理を終了する。

判定処理Ｓ２２の結果、試作品の特性の測定値が予測値から乖離している場合には（Ｓ２２：ＹＥＳ）、演算回路２４は、更新処理Ｓ２３を実行する。更新処理Ｓ２３は、候補設計条件と候補設計条件で製造された候補材料の試作品の特性の測定値との組み合わせに基づいて予測モデルＬＭ１を更新する。例えば、予測モデルＬＭ１が学習済みモデルである場合には、候補設計条件と候補設計条件で製造された候補材料の試作品の特性の測定値との組み合わせを学習用データセットとして、学習済みパラメータが調整されることで、予測モデルＬＭ１が更新される。例えば、予測モデルＬＭ１が、理論科学、実験科学、及び計算科学（シミュレーション）の少なくとも一つに基づいて設計されるモデルにより構築されている場合には、候補設計条件に対してモデルより得られる予測値と、候補設計条件で製造された候補材料の試作品の特性の測定値との合わせ込みによって、調整パラメータが調整される。これによって、予測モデルＬＭ１が更新される。

演算回路２４は、更新処理Ｓ２３の後に、図４の設計方法を実行することで材料の再設計を実行する。具体的には、演算回路２４は、更新処理Ｓ２３の後に、図３の予測処理Ｓ１１、決定処理Ｓ１２及び生成処理Ｓ１３を実行し、これによって、更新された予測モデルＬＭ１を用いて候補設計条件を新しく決定して、候補設計条件に基づいて材料評価情報Ｄ１を生成する。

このように、仮想製造システム２では、候補設計条件に基づいて製造された候補材料の試作品の特性の測定値が、候補設計条件に対して予測モデルＬＭ１で得られる予測値から乖離していた場合には、候補材料の試作品の特性の測定値を利用して予測モデルＬＭ１が更新されて、更新後の予測モデルＬＭ１に基づいて候補設計条件が再度決定される。予測モデルＬＭ１の更新は、判定処理Ｓ２２で試作品の特性の測定値が予測値から乖離していないと判定されるまで繰り返される。これによって、ユーザの要望に合うより良い材料を見つけることが可能となる。

図１の量産支援システム１では、仮想製造システム２と通信装置５とが、設計支援システム１０を構成する。設計支援システム１０では、ユーザは、通信装置５を利用して、材料についての要求仕様情報を入力する。通信装置５により入力された要求仕様情報は、通信装置５から仮想製造システム２に送信される。仮想製造システム２は、通信装置５からの要求仕様情報に基づいて材料評価情報Ｄ１を生成して、通信装置５に送信する。これによって、ユーザは、通信装置５を利用して、材料評価情報Ｄ１を確認することができる。

［１．１．１．２ 試作管理システム］
図１の試作管理システム３は、候補材料の試作品の管理をする。一例として、試作管理システム３は、試作施設３０に設置される。試作施設３０は、候補材料の試作品の製造のための設備及び試作品の評価のための設備を含む。試作品の製造の設備及び試作品の評価のための設備は、材料の製造方法及び評価しようとする材料の特性に応じて従来周知の設備から適宜選択される。

図１の試作管理システム３は、インタフェース（入出力装置及び通信回路）と、記憶装置と、演算回路とを備えるコンピュータシステムにより実現され得る。コンピュータシステムは、例えば、１又は複数の端末装置で実現される。端末装置としては、パーソナルコンピュータ（デスクトップコンピュータ、ラップトップコンピュータ）、携帯端末（スマートフォン、タブレット端末、ウェアラブル端末等）等が挙げられる。

図１の試作管理システム３は、試作品評価情報を生成する。試作品評価情報は、候補設計条件に基づいて製造された候補材料の試作品の特性の測定値を含む。試作品評価情報は、候補設計条件の情報を含んでよい。

本実施の形態では、試作管理システム３は、通信装置５から、候補材料の試作品の製造の指示を受け取ると、仮想製造システム２で決定された候補設計条件に基づいた候補材料の試作品の製造、及び、候補材料の試作品の特性の測定を、試作施設３０の作業者に指示する。試作施設３０の作業者は、仮想製造システム２で決定された候補設計条件に基づいて候補材料の試作品の製造をし、候補材料の試作品の特性の測定をする。作業者は、候補材料の試作品の特性の測定の結果を、試作管理システム３に入力する。これによって、試作管理システム３は、候補設計条件に基づいて製造された候補材料の試作品の特性の測定の結果に基づいて候補材料の試作品の特性の測定値を含む試作品評価情報を生成する。候補材料の試作品の特性の測定値は、複数製造された試作品からランダムに選択した一つの試作品の特性の測定値であってよい。また、候補材料の試作品の特性の測定値は、複数製造された試作品からランダムに選択された２以上の試作品の特性の測定値の代表値であってよい。代表値の例としては、平均値、中央値、及び最頻値が挙げられる。試作管理システム３は、試作品評価情報を、通信装置５に送信する。更に、試作管理システム３は、試作品評価情報を、仮想製造システム２及び量産管理システム４に送信する。

図１の量産支援システム１では、設計支援システム１０と試作管理システム３とが、試作支援システム１１を構成する。試作支援システム１１は、通信装置５から候補材料の試作品の製造の指示を受け取ると、候補材料の試作品の特性の測定値を含む試作品評価情報を生成して、通信装置５に送信する。これによって、ユーザは、通信装置５を利用して、試作品評価情報を確認することができる。

［１．１．１．３ 量産管理システム］
図１の量産管理システム４は、候補材料の量産品の管理をする。一例として、量産管理システム４は、量産施設４０に設置される。量産施設４０は、候補材料の量産品の製造及び評価のための設備を含む。量産品の製造の設備及び量産品の評価のための設備は、材料の製造方法及び評価しようとする材料の特性に応じて従来周知の設備から適宜選択される。

図１の量産管理システム４は、インタフェース（入出力装置及び通信回路）と、記憶装置と、演算回路とを備えるコンピュータシステムにより実現され得る。コンピュータシステムは、例えば、１又は複数の端末装置で実現される。端末装置としては、パーソナルコンピュータ（デスクトップコンピュータ、ラップトップコンピュータ）、携帯端末（スマートフォン、タブレット端末、ウェアラブル端末等）等が挙げられる。

図１の量産管理システム４は、量産品評価情報を生成する。量産品評価情報は、候補設計条件に基づいて製造された候補材料の量産品の特性の測定値を含む。本実施の形態では、量産管理システム４は、通信装置５から、候補材料の量産品の製造の指示を受け取ると、仮想製造システム２で決定された候補設計条件に基づいた候補材料の量産品の製造、及び、材料の量産品の特性の測定を、量産施設４０の作業者に指示する。量産施設４０の作業者は、仮想製造システム２で決定された候補設計条件に基づいて材料の量産品の製造をし、候補材料の量産品の特性の測定をする。作業者は、候補材料の量産品の特性の測定の結果を、量産管理システム４に入力する。これによって、量産管理システム４は、候補設計条件に基づいて製造された候補材料の量産品の特性の測定の結果に基づいて候補材料の量産品の特性の測定値を含む量産品評価情報を生成する。候補材料の量産品の特性の測定値は、複数製造された量産品からランダムに選択した一つの量産品の特性の測定値であってよい。また、候補材料の量産品の特性の測定値は、複数製造された量産品からランダムに選択された２以上の量産品の特性の測定値の代表値であってよい。代表値の例としては、平均値、中央値、及び最頻値が挙げられる。量産管理システム４は、量産品評価情報を、通信装置５に送信する。

図１の量産支援システム１は、試作支援システム１１と量産管理システム４とで構成される。量産支援システム１は、通信装置５から候補材料の量産品の製造の指示を受け取ると、候補材料の量産品の特性の測定値を含む量産品評価情報を生成して、通信装置５に送信する。これによって、ユーザは、通信装置５を利用して、量産品評価情報を確認することができる。また、量産施設４０で量産された候補材料の量産品は、ユーザのもとに配送される。

［１．１．１．４ 通信装置］
図１の通信装置５は、ユーザからの情報の入力及びユーザへの情報の出力のために用いられる。通信装置５は、通信ネットワーク６を通じて、仮想製造システム２、試作管理システム３、及び量産管理システム４に通信可能に接続される。

図１の通信装置５は、インタフェース（入出力装置及び通信回路）と、記憶装置と、演算回路とを備えるコンピュータシステムにより実現され得る。コンピュータシステムは、例えば、１又は複数の端末装置で実現される。端末装置としては、パーソナルコンピュータ（デスクトップコンピュータ、ラップトップコンピュータ）、携帯端末（スマートフォン、タブレット端末、ウェアラブル端末等）等が挙げられる。

図１の通信装置５は、例えば、仮想製造システム２、試作管理システム３、及び量産管理システム４との間の情報の授受のための画面を入出力装置により表示する機能を有する。図１の通信装置５は、量産支援システム１において、グラフィカルユーザインタフェース（ＧＵＩ）としての役割を果たす。図１の通信装置５は、ユーザからの入力に応じて要求仕様情報を仮想製造システム２に送信し、仮想製造システム２から要求仕様情報に基づく材料評価情報Ｄ１を受け取り、ユーザに提示する。図１の通信装置５は、ユーザからの入力に応じて候補材料の試作品の製造の指示を試作管理システム３に送信し、試作管理システム３から試作品評価情報を受け取り、ユーザに提示する。図１の通信装置５は、ユーザからの入力に応じて候補材料の量産品の製造の指示を量産管理システム４に送信し、量産管理システム４から量産品評価情報を受け取り、ユーザに提示する。

［１．１．２ 動作］
以上述べた量産支援システム１の動作の一例について図５を参照して説明する。図５は、量産支援システム１の動作の一例のシーケンス図である。

通信装置５は、例えば、候補材料についての要求仕様情報を入力するための入力画面を入出力装置により表示する（Ｐ１１）。ユーザは、入力画面により、候補材料についての要求仕様情報の入力が可能である。通信装置５は、入力された候補材料についての要求仕様情報を仮想製造システム２に送信する。

仮想製造システム２は、材料の要求仕様情報に基づいて、図３の予測処理Ｓ１１、決定処理Ｓ１２及び生成処理Ｓ１３を実行して、材料評価情報Ｄ１を生成し、通信装置５及び試作管理システム３に送信する（Ｐ１２）。

通信装置５は、例えば、材料評価情報Ｄ１を表示するとともに、候補材料の試作品の製造の指示をするかどうかを問い合わせるための試作指示画面を入出力装置により表示する（Ｐ１３）。試作指示画面は、例えば、「〇〇の特性の材料が××％の確率で作製できます。試作の発注をしますか？」というメッセージを表示することができる。ユーザは、試作指示画面により、材料評価情報Ｄ１を確認して、候補材料の試作をするかどうかを決定できる。

試作指示画面により候補材料の試作品の製造の指示が決定されると、通信装置５は、候補材料の試作品の製造の指示を試作管理システム３に送信する。試作管理システム３は、候補材料の試作品の製造の指示に基づいて、試作施設３０での試作を指示する。試作が終了すると、試作管理システム３は、試作品評価情報を生成して、通信装置５に送信する（Ｐ１４）。

通信装置５は、例えば、試作品評価情報を表示するとともに、候補材料の量産品の製造の指示をするかどうかを問い合わせるための量産指示画面を入出力装置により表示する（Ｐ１５）。量産指示画面は、例えば、「□□の特性の材料が試作で作製できました。正式に発注しますか？」というメッセージを表示することができる。ユーザは、量産指示画面により、試作評価情報を確認して、候補材料の量産をするかどうかを決定できる。この場合、ユーザは、材料の寸法と数又は重量等の量産の条件を指定することができる。

量産指示画面により候補材料の量産品の製造の指示が決定されると、通信装置５は、候補材料の量産品の製造の指示を量産管理システム４に送信する。量産管理システム４は、候補材料の量産品の製造の指示に基づいて、量産施設４０での量産を指示する。量産が終了すると、量産管理システム４は、量産品評価情報を生成して、通信装置５に送信する（Ｐ１６）。

通信装置５は、例えば、量産評価情報を表示する量産結果画面を入出力装置により表示する（Ｐ１７）。ユーザは、量産結果画面により、量産評価情報を確認することができる。

上記の特許文献１では、材料メーカが提供する商品ラインナップの中からユーザが希望する特性に近い商品を提示するだけである。これに対して量産支援システム１は、ユーザの希望する特性を満たす材料自体を材料の試作評価も行いながら提示することが可能である。これにより、ユーザが円滑に希望する材料を入手することを支援することができる。つまり、ユーザが希望する材料が商品としてラインナップされていなくても、オーダーメイドでユーザの要望に合う材料を提示できる。さらに、材料の設計段階及び試作段階の各々において、ユーザに材料の特性に関する情報を提示して、ユーザに材料の製作の続行の意思を確認するため、ユーザが納得した材料を提供することができる。また、通信装置５での処理Ｐ１１，Ｐ１３，Ｐ１５，Ｐ１７は、ウェブページにより実行することが可能である。つまり、量産支援システム１は、ウェブ上での手続きで、ユーザに材料を提供できる。よって、量産支援システム１は、材料の注文の手続きを簡略化できる。

［１．１．３ 効果等］
以上述べた仮想製造システム２は、予測モデルＬＭ１を記憶する記憶装置２３と、記憶装置２３にアクセス可能な演算回路２４とを備える。予測モデルＬＭ１は、材料の設計条件の入力に対して材料の特性の予測値を出力するように構成される。演算回路２４は、予測処理Ｓ１１と、決定処理Ｓ１２と、生成処理Ｓ１３とを実行するように構成される。予測処理Ｓ１１は、候補材料の設計条件を予測モデルＬＭ１に入力することによって予測モデルＬＭ１から候補材料の特性の予測値を取得する。決定処理Ｓ１２は、予測処理Ｓ１１の結果に基づいて候補材料の特性の予測値が候補材料の特性の許容範囲内にある候補設計条件を決定する。生成処理Ｓ１３は、候補設計条件に基づいて材料評価情報Ｄ１を生成する。材料評価情報Ｄ１は、候補設計条件に対応する候補材料の特性の予測値と、候補設計条件に基づいて製造される候補材料の試作品の特性の値が候補材料の特性の許容範囲内にある可能性を示す評価値とを含む。この構成は、ユーザの要望に合う特性を持つ材料の提供を可能にする。

また、仮想製造システム２において、可能性は、予測モデルＬＭ１に入力される候補材料の設計条件と既存の材料の設計条件との差が小さいほど高く設定される。この構成は、可能性の精度の向上を可能にする。

仮想製造システム２において、予測モデルＬＭ１は、材料の設計条件の入力に対して材料の特性の予測値及び予測値の確率分布を出力するように学習された学習済みモデルであってよい。生成処理Ｓ１３は、予測モデルＬＭ１から出力される予測値の確率分布が候補材料の特性の許容範囲にどの程度収まるかに基づいて、可能性を求めてよい。この構成は、可能性の精度の向上を可能にする。

仮想製造システム２において、記憶装置２３は、既存の材料の設計条件が登録される材料データベースＤＢ１を記憶してよい。生成処理Ｓ１３は、予測モデルＬＭ１に入力される候補材料の設計条件と材料データベースＤＢ１に登録される既存の材料の設計条件との類似度に基づいて可能性を求めてよい。この構成は、可能性の精度の向上を可能にする。

以上述べた設計支援システム１０は、仮想製造システム２と、仮想製造システム２と通信可能な通信装置５とを備える。通信装置５は、候補材料の設計条件の制約条件と候補材料の特性の目標とを含む要求仕様情報を仮想製造システム２に送信するように構成される。予測処理Ｓ１１は、要求仕様情報に基づいて候補材料の設計条件を決定する。決定処理Ｓ１２は、要求仕様情報に基づいて候補材料の特性の許容範囲とを決定する。生成処理Ｓ１３は、材料評価情報Ｄ１を通信装置５に送信する。この構成は、ユーザの要望に合う特性を持つ材料の提供を可能にする。

以上述べた試作支援システム１１は、設計支援システム１０と、通信装置５と通信可能な試作管理システム３とを備える。通信装置５は、候補材料の試作品の製造の指示を試作管理システム３に送信するように構成される。試作管理システム３は、候補設計条件に基づいて製造された候補材料の試作品の特性の測定の結果に基づいて候補材料の試作品の特性の測定値を含む試作品評価情報を生成して、通信装置５に送信するように構成される。この構成は、ユーザの要望に合う特性を持つ材料の提供を可能にする。

また、試作支援システム１１において、演算回路２４は、更新処理Ｓ２３を実行するように構成される。更新処理Ｓ２３は、候補設計条件と候補設計条件で製造された候補材料の試作品の特性の測定値との組み合わせに基づいて予測モデルＬＭ１を更新する。この構成は、ユーザの要望に合うより良い材料を見つけることを可能にする。

また、試作支援システム１１において、演算回路２４は、更新処理Ｓ２３の実行後に、予測処理Ｓ１１、決定処理Ｓ１２及び生成処理Ｓ１３を再度実行するように構成される。この構成は、ユーザの要望に合うより良い材料を見つけることを可能にする。

以上述べた量産支援システム１は、試作支援システム１１と、通信装置５と通信可能な量産管理システム４とを備える。通信装置５は、候補材料の量産品の製造の指示を量産管理システム４に送信するように構成される。量産管理システム４は、候補設計条件に基づいて製造された候補材料の量産品の特性の測定の結果に基づいて候補材料の量産品の特性の測定値を含む量産品評価情報を生成して、通信装置５に送信するように構成される。この構成は、ユーザの要望に合う特性を持つ材料の提供を可能にする。

［１．２ 実施の形態２］
［１．２．１ 構成］
実施の形態１では、材料を製造するメーカに対して、ユーザは材料自体の特性を要求し、メーカが材料を提示する。これに対して、実施の形態２では、材料自体の製造はメーカで、その後の加工を行うのはユーザである構図の中で、ユーザは加工後の材料の特性、つまり、加工品の特性をメーカに要求し、メーカは材料と加工条件とを合わせてユーザに提示する。これにより、要求される加工品の特性を達成するために、材料と加工条件を合わせて最適な設計を行うことができる。また実際に製造した材料に設計時に見込んでいた材料の特性からのズレが生じた場合でも、このようなズレに合わせて加工条件を修正して、それをユーザに提示することにより、量産時のバラツキにも対応した最適な加工をユーザが行えるようにする。

図６は、実施の形態２の量産支援システム１Ａの構成例のブロック図である。量産支援システム１では、ユーザから与えられる要求仕様情報は、候補材料の設計条件及び加工条件の制約条件と候補材料の特性の目標を含み、候補材料そのものに関する。これに対して、本実施の形態の量産支援システム１Ａでは、ユーザから与えられる要求仕様情報は、候補材料そのものではなく、候補材料の加工品に関する。ユーザから与えられる要求仕様情報は、例えば、候補材料の加工品の設計条件及び加工条件の制約条件と候補材料の加工品の特性の目標を含む。候補材料の加工品は、候補材料を所定の加工条件で加工して得られる物品である。加工の例としては、付加製造、除去製造、フォーマティブ（フォーミング）マニュファクチャリング（射出成形、押出成形等）、表面処理技術（コーティング、塗装、メッキ、研磨等）、熱処理技術（焼結、冷却等）、接合技術（超音波接合、熱溶着、機械的接合、接着等）、組立技術（部品の組み立て、微細転写（インプリント）、含浸（インプリグネーション）等）が挙げられる。付加製造の例としては、材料押出（material extrusion）、液槽光重合（vat photopolymerization）、材料噴射（material jetting）、結合剤噴射（binder jetting）、粉末床溶融結合（powder bed fusion）、シート積層（sheet lamination）、指向性エネルギ堆積（directed energy deposition）、及びこれらの組み合わせが挙げられる。除去製造の例としては、切削加工、研削加工、放電加工、鋳造加工、ダイキャスト加工、プレス加工、鍛造加工、板金加工が挙げられる。候補材料と加工品との組み合わせとしては、例えば、金属材料と金属部品が挙げられる。金属部品は、ねじ等の締結具、及び、蝶番等の金具が挙げられる。図６の量産支援システム１Ａは、材料そのものの情報というよりは材料の加工品についての情報に基づいて、材料の成分及び特性の許容範囲を決定して、材料の提案を行うことが可能である。

図６の量産支援システム１Ａは、仮想製造システム２Ａと、試作管理システム３Ａと、量産管理システム４Ａと、通信装置５Ａとを備える。図６の量産支援システム１Ａでは、仮想製造システム２Ａ、試作管理システム３Ａ、量産管理システム４Ａ、及び通信装置５Ａは、通信ネットワーク６を介して通信可能に接続される。

［１．２．１．１ 仮想製造システム］
図７は、仮想製造システム２Ａの構成例のブロック図である。図７の仮想製造システム２Ａは、入出力装置２１と、通信回路２２と、記憶装置２３Ａと、演算回路２４Ａとを備える。仮想製造システム２Ａは、例えば、１又は複数のサーバで実現される。

記憶装置２３Ａに記憶される情報は、予測モデルＬＭ２と、加工品評価情報Ｄ２と、材料データベースＤＢ１Ａを含む。図７では、記憶装置２３が、予測モデルＬＭ２と、加工品評価情報Ｄ２と、材料データベースＤＢ２との全てを記憶している状態を示している。予測モデルＬＭ２と、加工品評価情報Ｄ２と、材料データベースＤＢ２とは常に記憶装置２３Ａに記憶されている必要はなく、演算回路２４Ａで必要とされるときに記憶装置２３Ａに記憶されていればよい。

演算回路２４Ａは、材料の設計を行う機能を有する。演算回路２４Ａは、例えば、図８に示す設計方法を実行する。図８は、仮想製造システム２Ａが実行する設計方法の一例のフローチャートである。

図８の設計方法は、予測処理Ｓ３１と、決定処理Ｓ３２と、生成処理Ｓ３３とを含む。

予測処理Ｓ３１は、候補材料の設計条件及び加工条件を予測モデルＬＭ２に入力することによって予測モデルＬＭ２から候補材料の加工品の特性の予測値を取得する。

予測モデルＬＭ２は、材料の設計条件及び加工条件の入力に対して材料の加工品の特性の予測値を出力するように構成される。予測モデルＬＭ２は、材料の設計条件及び加工条件を説明変数、材料の加工品の特性の値を目的変数とするモデルである。材料の設計条件は、材料の構造及び組成に関するデータと、材料の製造方法に関するデータとの少なくとも一方を含む。材料の加工条件は、材料の加工後の形状、材料の加工に用いるプロセス、及びプロセスで用いるパラメータを含む。材料の加工後の形状は、例えば、加工品の形状に関するパラメータである。材料の加工に用いるプロセス及びプロセスで用いるパラメータは、例えば、熱処理及び熱処理の温度が挙げられる。

本実施の形態では、予測モデルＬＭ２は、材料の設計条件及び加工条件の入力に対して材料の加工品の特性の予測値を出力するように学習された学習済みモデルに基づいて生成される。予測モデルＬＭ２は、材料の設計条件及び加工条件の入力に対して材料の加工品の特性の予測値を出力するように学習された学習済みモデルそれ自体であってもよいし、当該学習済みモデルの再利用モデル又は蒸留モデルであってもよい。学習済みモデルは、学習済みパラメータが組み込まれた推論プログラムである。推論プログラムは、例えば、回帰モデルである。回帰モデルの例としては、決定木、線形回帰、ランダムフォレスト、サポートベクターマシン、ガウス過程回帰、ニューラルネットワーク等が挙げられる。線形回帰の例としては、多重線形回帰、リッジ回帰、ラッソ回帰が挙げられる。学習済みパラメータは、学習用データセットを学習用プログラムに対して入力することで、一定の目的のために機械的に調整されることで生成される。

例えば、予測モデルＬＭ２は、材料予測モデルと、加工予測モデルとを用いて構成される。材料予測モデルは、材料の設計条件の入力に対して材料の特性の予測値を出力するように学習された学習済みモデルに基づいて生成される。例えば、材料予測モデルは、材料の設計条件を入力、材料の特性の値を正解とする学習用データセットを用いた教師あり学習を実行することによって生成される学習済みモデルである。加工予測モデルは、材料の特性の値及び材料の加工条件の入力に対して材料の加工品の特性の予測値を出力するように学習された学習済みモデルに基づいて生成される。加工予測モデルは、材料の特性の値及び材料の加工条件を入力、材料の加工品の特性の値を正解とする学習用データセットを用いた教師あり学習を実行することによって生成される学習済みモデルである。材料予測モデルと、加工予測モデルとを組み合わせることで、予測モデルＬＭ２が得られる。例えば、材料予測モデルは、材料の設計条件の入力に対して材料の特性の予測値を出力するように学習された学習済みモデルであるから、Ｚ＝ｆ（Ｘ）というモデルで表すことができる。Ｘは、材料の設計条件、Ｚは、材料の特性の値（予測値）である。加工予測モデルは、材料の特性の値及び材料の加工条件の入力に対して材料の加工品の特性の予測値を出力するように学習された学習済みモデルであるから、Ｙ＝ｇ（Ｚ，Ｗ）というモデルで表すことができる。Ｗは、材料の加工条件を示し、Ｙは、材料の加工品の特性の値（予測値）を示す。そのため、材料予測モデル（Ｚ＝ｆ（Ｘ））と加工予測モデル（Ｙ＝ｇ（Ｚ，Ｗ））とから、予測モデルＬＭ２は、Ｙ＝ｇ（ｆ（Ｘ），Ｗ）で表すことができ、これは、材料の設計条件（Ｘ）及び加工条件（Ｗ）の入力に対して材料の加工品の特性の予測値（Ｙ）を出力することを示している。

なお、予測モデルＬＭ２は、データ科学の技術を利用する学習済みモデルに限らず、材料の理論（理論科学）、経験（実験科学）、及びシミュレーション（計算科学）の少なくとも一つに基づいて設計されるモデルから構築されてもよい。このようなモデルは、材料に応じて調整される調整パラメータを含む。調整パラメータは、文献等に記載される代表的な値でもよいし、過去の材料設計のデータに基づく合わせ込みで調整されてもよい。

予測処理Ｓ３１は、候補材料についての要求仕様情報に基づいて候補材料の設計条件及び加工条件を決定する。要求仕様情報は、通信装置５Ａから仮想製造システム２Ａに送信される。要求仕様情報は、候補材料の加工品の設計条件及び加工条件の制約条件と候補材料の加工品の特性の目標とを含む。候補材料の加工品の設計条件の制約条件は、材料の構造及び組成に関する制約と、材料の製造方法に関する制約との少なくとも一方を含む。材料の構造及び組成に関する制約は、例えば、候補材料の加工品に用いる成分の条件、及び、候補材料の加工品に用いてはいけない成分の条件を含み得る。一例として、材料の構造及び組成に関する制約は、候補材料の加工品における成分の含有量の範囲を含んでよい。材料の製造方法に関する制約は、例えば、材料の製造に用いる方法の条件、及び、材料の製造に用いてはいけない方法の条件を含み得る。一例として、材料の製造方法に関する制約は、加熱時の温度の許容範囲を含んでよい。候補材料の加工品の加工条件の制約条件は、例えば、材料の加工後の形状の許容範囲を含んでよい。候補材料の加工品の加工条件の制約条件は、例えば、加工に用いるプロセスの条件、及び、材料の製造に用いてはいけないプロセスの条件を含み得る。一例として、候補材料の加工品の加工条件の制約条件は、加工時の負荷の許容範囲を含んでよい。予測処理Ｓ３１は、候補材料の加工品の設計条件及び加工条件の制約条件に基づいて、候補材料の設計条件及び加工条件を決定することができる。候補材料の加工品の特性の目標は、例えば、１以上の特性の目標値を含んでよい。

予測処理Ｓ３１は、候補材料の設計条件及び加工条件を予測モデルＬＭ２に入力することによって予測モデルＬＭ２から候補材料の加工品の特性の予測値を取得する。予測処理Ｓ３１の結果は、候補材料の設計条件及び加工条件と、設計条件及び加工条件に対応する候補材料の加工品の特性の予測値とを含む。

決定処理Ｓ３２は、予測処理Ｓ３１の結果に基づいて候補材料の加工品の特性の予測値が候補材料の加工品の特性の許容範囲内にある候補設計条件及び候補加工条件を決定する。決定処理Ｓ３２は、候補材料の加工品についての要求仕様情報に基づいて候補材料の加工品の特性の許容範囲を決定する。上述したように、要求仕様情報は、候補材料の加工品の設計条件及び加工条件の制約条件と候補材料の加工品の特性の目標とを含む。決定処理Ｓ３２は、候補材料の加工品の特性の目標に基づいて、候補材料の加工品の特性の許容範囲を決定することができる。

決定処理Ｓ３２は、候補設計条件及び候補加工条件を決定するにあたっては、予測処理Ｓ３１の結果から得られる候補材料の加工品の特性の予測値が候補材料の加工品の特性の許容範囲内にあるかどうかの判別を行う。一例として、予測処理Ｓ３１は、候補材料について予め設計条件及び加工条件の複数の組み合わせについて予測モデルＬＭ２より候補材料の加工品の特性の予測値を求めてよい。決定処理Ｓ３２は、設計条件及び加工条件の複数の組み合わせのうち、候補材料の加工品の特性の予測値が候補材料の加工品の特性の許容範囲内にある設計条件及び加工条件の組み合わせを、候補設計条件及び候補加工条件の組み合わせとして選択してよい。別例として、決定処理Ｓ３２は、最適化手法により、候補材料の加工品の特性の予測値が候補材料の加工品の特性の許容範囲内にある候補設計条件及び候補加工条件の組み合わせを決定してよい。つまり、決定処理Ｓ３２は、予測処理Ｓ３１を繰り返すことによって候補設計条件及び候補加工条件を決定してよい。決定処理Ｓ３２は、予測処理Ｓ３１の結果から、候補材料の加工品の特性の予測値が候補材料の加工品の特性の許容範囲内にない場合に、新たに設計条件及び加工条件を設定し、この設計条件及び加工条件に基づいて予測処理Ｓ３１を実行させる。決定処理Ｓ３２は、予測処理Ｓ３１を繰り返すことで、候補材料の加工品の特性の予測値が候補材料の加工品の特性の許容範囲内にある設計条件及び加工条件を探索する。なお、決定処理Ｓ３２は、予測モデルＬＭ２から出力される候補材料の加工品の特性の予測値が候補材料の加工品の特性の許容範囲内になるまで繰り返されてもよいが、繰り返し回数の上限が定められていてもよい。つまり、繰り返し回数が上限に達した時点で、予測モデルＬＭ２から出力される候補材料の加工品の特性の予測値が候補材料の加工品の特性の許容範囲内になったとみなしてよい。

以上述べた決定処理Ｓ３２により、候補設計条件及び候補加工条件が決定される。

生成処理Ｓ３３は、候補設計条件及び候補加工条件に基づいて加工品評価情報Ｄ２を生成する。加工品評価情報Ｄ２は、候補設計条件及び候補加工条件の組み合わせに対応する候補材料の加工品の特性の予測値を含む。加工品評価情報Ｄ２は、候補設計条件に基づいて製造される候補材料の試作品を候補加工条件に基づいて加工して得られる候補材料の試作品の加工品の特性の値が候補材料の加工品の特性の許容範囲内にある可能性（以下、必要に応じて「実現可能性」という」）を示す評価値を含む。加工評価情報Ｄ２は、候補設計条件及び候補加工条件の情報を含んでよい。

候補材料の加工品の特性の予測値は、候補設計条件及び候補加工条件を予測モデルＬＭ２に入力することで得られる。予測処理Ｓ３１において、候補材料の加工品の特性の予測値が求められている場合には、予測処理Ｓ３１で求められた候補材料の加工品の特性の予測値を利用してよい。

実現可能性は、実際に候補設計条件に基づいて候補材料の試作品を作製し、候補加工条件に基づいて試作品を加工した場合に、加工品の特性の値が候補材料の加工品の特性の許容範囲内に収まる可能性である。実現可能性は、予測モデルＬＭ２に入力される候補材料の設計条件（つまり、候補設計条件）及び加工条件（つまり、候補加工条件）の組み合わせと既存の材料の設計条件及び加工条件の組み合わせとの差が小さいほど高く設定される。

実現可能性は、例えば、上記実施の形態１で述べたように、ガウス過程回帰のような確率付きの予測が可能な機械学習手法により構築された学習済みモデルを用いることで得られ得る。ガウス過程回帰によれば、予測値に対する確率分布が得られる。予測値に対する確率分布から、予測値が候補材料の加工品の特性の許容範囲に収まる確率を求めることができる。予測値が候補材料の加工品の特性の許容範囲に収まる確率を、実現可能性として利用することができる。例えば、予測モデルＬＭ２を、ガウス過程回帰に基づいて構築することで、候補材料の加工品の特性の予測値と、実現可能性の演算に必要な確率分布とが同時に得られる。このように、生成処理Ｓ３３は、予測モデルＬＭ２から得られる予測値の確率分布が候補材料の加工品の特性の許容範囲にどの程度収まるかに基づいて、可能性を求めてよい。

また、実現可能性は、材料データベースＤＢ２を用いて求めることができる。例えば、実現可能性は、予測モデルＬＭ２に入力される候補材料の設計条件（つまり、候補設計条件）及び加工条件（つまり、候補加工条件）の組み合わせと材料データベースＤＢ２に登録されている設計条件（既存の材料の設計条件）及び加工条件（既存の材料の加工条件）の組み合わせとの類似度である。類似度の評価には、重み付きユークリッド距離が利用できる。類似度の評価には、従来周知の様々な手法を用いることができる。候補設計条件及び候補加工条件の組み合わせと材料データベースＤＢ２に登録されている設計条件及び加工条件の組み合わせとの距離が近いほど、類似度が高い。類似度が高い場合には、候補設計条件に基づいて製造される候補材料の試作品を候補加工条件に基づいて加工して得られる加工品の特性の値が候補材料の加工品の特性の許容範囲内にある可能性が高いと考えられる。材料データベースＤＢ２に設計条件及び加工条件の複数の組み合わせが登録されている場合、材料データベースＤＢ２に登録されている設計条件及び加工条件の複数の組み合わせそれぞれについて、類似度が算出される。算出された類似度のうち最も小さい距離に基づいて、実現可能性が算出される。このように、生成処理Ｓ３３は、予測モデルＬＭ２に入力される候補材料の設計条件及び加工条件の組み合わせと材料データベースＤＢ２に登録される既存の材料の設計条件及び加工条件の組み合わせとの類似度に基づいて可能性を求めてよい。

なお、評価値は、実現可能性自体を示す数値であってよいし、実現可能性の分類を示す値であってもよい。実現可能性の分類は、例えば、可能性の高低を示す分類であってよい。可能性の高低を示す分類としては、可能性大、可能性中、及び可能性小が挙げられる。

演算回路２４Ａは、材料の再設計を行う機能を有する。より詳細には、演算回路２４Ａは、所定の再設計条件が満たされた場合に、予測モデルＬＭ２の更新を行い、更新後の予測モデルＬＭ２を用いて、再度、予測処理Ｓ３１、決定処理Ｓ３２及び生成処理Ｓ３３を実行する。演算回路２４Ａは、例えば、図９に示す再設計方法を実行する。図９は、仮想製造システム２Ａが実行する再設計方法の一例のフローチャートである。

図９に示すように、演算回路２４Ａは、取得処理Ｓ４１を実行する。取得処理Ｓ４１は、候補設計条件に基づいて製造された候補材料の試作品を候補加工条件に基づいて加工して得られる加工品の特性の測定値を試作管理システム３Ａから取得する。候補設計条件及び候補加工条件の組み合わせと、候補材料の加工品の特性の測定値とは、互いに関連付けられて、記憶装置２３Ａの材料データベースＤＢ２に蓄積される。

演算回路２４Ａは、取得処理Ｓ４１の後に、判定処理Ｓ４２を実行する。判定処理Ｓ４２は、候補設計条件に基づいて製造された候補材料の試作品を候補加工条件に基づいて加工して得られる加工品の特性の測定値が、候補設計条件及び候補加工条件の組み合わせに対応する候補材料の加工品の特性の予測値から乖離しているかどうかの判定をする。加工品の特性の測定値が予測値から乖離しているかどうかの判定には、例えば、重み付きユークリッド距離を利用することができる。一例として、加工品の特性の測定値で表される点と加工品の特性の予測値で表される点との距離が閾値以下である場合には、加工品の特性の測定値が予測値から乖離していないと判定してよい。加工品の特性の測定値で表される点と加工品の特性の予測値で表される点との距離が閾値を超える場合には、加工品の特性の測定値が予測値から乖離していると判定される。

判定処理Ｓ４２の結果、加工品の特性の測定値が予測値から乖離していない場合には（Ｓ４２：ＮＯ）、予測モデルＬＭ２の更新の必要がない。

判定処理Ｓ４２の結果、加工品の特性の測定値が予測値から乖離している場合には（Ｓ４２：ＹＥＳ）、演算回路２４Ａは、更新処理Ｓ４３を実行する。更新処理Ｓ４３は、候補設計条件及び候補加工条件の組み合わせと候補材料の加工品の特性の測定値とに基づいて予測モデルＬＭ２を更新する。例えば、予測モデルＬＭ２が学習済みモデルである場合には、候補設計条件及び候補加工条件の組み合わせと候補設計条件及び候補加工条件の組み合わせに対応する候補材料の試作品の特性の測定値との組を学習用データセットとして、学習済みパラメータが調整されることで、予測モデルＬＭ２が更新される。例えば、予測モデルＬＭ２が、材料の理論、経験、シミュレーションによるモデルにより構築されている場合には、候補設計条件及び候補加工条件の組み合わせに対してモデルより得られる予測値と、候補設計条件で製造された候補材料の試作品を候補加工条件に基づいて加工して得られる加工品の特性の測定値との合わせ込みによって、調整パラメータが調整される。これによって、予測モデルＬＭ２が更新される。

更新処理Ｓ４３の後、演算回路２４Ａは、図８の設計方法を実行することで材料の再設計を実行する。具体的には、演算回路２４Ａは、図８の予測処理Ｓ３１、決定処理Ｓ３２及び生成処理Ｓ３３を実行し、これによって、更新された予測モデルＬＭ２を用いて候補設計条件及び候補加工条件の組み合わせを新しく決定して、候補設計条件及び候補加工条件に基づいて加工品評価情報Ｄ２を生成する。

このように、仮想製造システム２Ａでは、候補設計条件及び候補加工条件の組み合わせに対応する候補材料の試作品の加工品の特性の測定値が、候補加工条件及び候補加工条件の組み合わせに対して予測モデルＬＭ２で得られる予測値から乖離していた場合には、候補材料の試作品の加工品の特性の測定値を利用して予測モデルＬＭ２が更新されて、更新後の予測モデルＬＭ２に基づいて候補設計条件及び候補加工条件が再度決定される。予測モデルＬＭ２の更新は、判定処理Ｓ４２で加工品の特性の測定値が予測値から乖離していないと判定されるまで繰り返される。これによって、ユーザの要求仕様に合致するより良い材料を見つけることが可能となる。

図６の量産支援システム１Ａでは、仮想製造システム２Ａと通信装置５Ａとが、設計支援システム１０Ａを構成する。設計支援システム１０Ａでは、ユーザは、通信装置５Ａを利用して、加工品についての要求仕様情報を入力する。通信装置５Ａにより入力された要求仕様情報は、通信装置５Ａから仮想製造システム２Ａに送信される。仮想製造システム２Ａは、通信装置５Ａからの要求仕様情報に基づいて加工品評価情報Ｄ２を生成して、通信装置５Ａに送信する。これによって、ユーザは、通信装置５Ａを利用して、加工品評価情報Ｄ２を確認することができる。

［１．２．１．２ 試作管理システム］
図６の試作管理システム３Ａは、試作品評価情報を生成する。試作品評価情報は、候補設計条件に基づいて製造された候補材料の試作品を候補加工条件に基づいて加工して得られる加工品の特性の測定の結果に基づいて生成される。試作品評価情報は、候補材料の試作品の加工品の特性の測定値を含む。試作品評価情報は、候補設計条件及び候補加工条件の情報を含んでよい。

本実施の形態では、試作管理システム３Ａは、通信装置５Ａから、候補材料の試作品の製造の指示を受け取ると、仮想製造システム２Ａで決定された候補設計条件及び候補加工条件に基づいた候補材料の試作品の加工品の製造、及び、候補材料の試作品の加工品の特性の測定を、試作施設３０の作業者に指示する。試作施設３０の作業者は、仮想製造システム２Ａで決定された候補設計条件及び候補加工条件に基づいて候補材料の試作品の加工品の製造をし、候補材料の試作品の加工品の特性の測定をする。作業者は、候補材料の試作品の加工品の特性の測定の結果を、試作管理システム３Ａに入力する。これによって、試作管理システム３Ａは、候補設計条件に基づいて製造された候補材料の試作品を候補加工条件に基づいて加工して得られる加工品の特性の測定の結果に基づいて候補材料の試作品の加工品の特性の測定値を含む試作品評価情報を生成する。試作管理システム３Ａは、試作品評価情報を、通信装置５Ａに送信する。更に、試作管理システム３Ａは、試作品評価情報を、仮想製造システム２Ａに送信する。

図６の量産支援システム１Ａでは、設計支援システム１０Ａと試作管理システム３Ａとが、試作支援システム１１Ａを構成する。試作支援システム１１Ａは、通信装置５Ａから候補材料の試作品の製造の指示を受け取ると、候補材料の試作品の加工品の特性の測定値を含む試作品評価情報を生成して、通信装置５Ａに送信する。これによって、ユーザは、通信装置５Ａを利用して、試作品評価情報を確認することができる。

［１．２．１．３ 量産管理システム］
図６の量産管理システム４Ａは、量産品評価情報を生成する。量産品評価情報は、候補設計条件に基づいて製造された候補材料の量産品の特性の測定値を含む。本実施の形態では、量産管理システム４Ａは、通信装置５Ａから、候補材料の量産品の製造の指示を受け取ると、仮想製造システム２Ａで決定された候補設計条件に基づいた候補材料の量産品の製造、及び、候補材料の量産品の特性の測定を、量産施設４０の作業者に指示する。量産施設４０の作業者は、仮想製造システム２Ａで決定された候補設計条件に基づいて候補材料の量産品の製造をし、候補材料の量産品の特性の測定をする。作業者は、候補材料の量産品の特性の測定の結果を、量産管理システム４Ａに入力する。これによって、量産管理システム４Ａは、候補設計条件に基づいて製造された候補材料の量産品の特性の測定の結果に基づいて候補材料の量産品の特性の測定値を含む量産品評価情報を生成する。量産管理システム４Ａは、量産品評価情報を、通信装置５に送信する。

図６の量産管理システム４Ａは、さらに、加工情報を生成する。加工情報は、候補材料の量産品のための量産品加工条件を示す。量産品加工条件は、量産品から、ユーザの要望に合った加工品を得るための加工条件である。量産品加工条件は、候補材料の量産品の特性の測定値に基づいて決定される。例えば、量産品加工条件は、予測モデルＬＭ２を利用して得られる。つまり、候補材料の量産品の特性の測定値に対して、候補材料の加工品の特性の予測値が許容範囲内にある加工条件が、量産品加工条件として用いられる。量産管理システム４Ａは、加工情報を、通信装置５Ａに送信する。

図６の量産支援システム１Ａは、試作支援システム１１Ａと量産管理システム４Ａとで構成される。量産支援システム１Ａは、通信装置５Ａから候補材料の量産品の製造の指示を受け取ると、候補材料の量産品の特性の測定値を含む量産品評価情報、及び、候補材料の量産品のための量産品加工条件を示す加工情報を生成して、通信装置５Ａに送信する。これによって、ユーザは、通信装置５Ａを利用して、量産品評価情報及び加工情報を確認することができる。また、量産施設４０で量産された候補材料の量産品は、ユーザのもとに配送される。

［１．２．１．４ 通信装置］
図６の通信装置５Ａは、例えば、仮想製造システム２Ａ、試作管理システム３Ａ、及び量産管理システム４Ａとの間の情報の授受のための画面を入出力装置により表示する機能を有する。図６の通信装置５Ａは、量産支援システム１Ａにおいて、グラフィカルユーザインタフェース（ＧＵＩ）としての役割を果たす。図６の通信装置５Ａは、ユーザからの入力に応じて要求仕様情報を仮想製造システム２Ａに送信し、仮想製造システム２Ａから要求仕様情報に基づく加工評価情報Ｄ２を受け取り、ユーザに提示する。図６の通信装置５Ａは、ユーザからの入力に応じて候補材料の試作品の製造の指示を試作管理システム３Ａに送信し、試作管理システム３Ａから試作品評価情報を受け取り、ユーザに提示する。図６の通信装置５Ａは、ユーザからの入力に応じて候補材料の量産品の製造の指示を量産管理システム４Ａに送信し、量産管理システム４Ａから量産品評価情報及び加工情報を受け取り、ユーザに提示する。

［１．２．２ 動作］
以上述べた量産支援システム１Ａの動作の一例について図１０を参照して説明する。図１０は、量産支援システム１Ａの動作の一例のシーケンス図である。

通信装置５Ａは、例えば、候補材料の加工品についての要求仕様情報を入力するための入力画面を入出力装置により表示する（Ｐ２１）。ユーザは、入力画面により、候補材料の加工品についての要求仕様情報の入力が可能である。通信装置５Ａは、入力された加工品についての要求仕様情報を仮想製造システム２Ａに送信する。

仮想製造システム２Ａは、加工品の要求仕様情報に基づいて、図８の予測処理Ｓ３１、決定処理Ｓ３２及び生成処理Ｓ３２を実行して、加工品評価情報Ｄ２を生成し、通信装置５Ａ及び試作管理システム３Ａに送信する（Ｐ２２）。

通信装置５Ａは、例えば、加工品評価情報Ｄ２を表示するとともに、候補材料の試作品の製造の指示をするかどうかを問い合わせるための試作指示画面を入出力装置により表示する（Ｐ２３）。試作指示画面は、例えば、「〇〇の特性の加工品が××％の確率で作製できます。試作の発注をしますか？」ユーザは、試作指示画面により、加工品評価情報Ｄ２を確認して、候補材料の試作をするかどうかを決定できる。

試作指示画面により候補材料の試作品の製造の指示が決定されると、通信装置５Ａは、候補材料の試作品の製造の指示を試作管理システム３Ａに送信する。試作管理システム３Ａは、候補材料の試作品の製造の指示に基づいて、試作施設３０での試作を指示する。試作が終了すると、試作管理システム３Ａは、試作品評価情報を生成して、通信装置５Ａに送信する（Ｐ２４）。

通信装置５Ａは、例えば、試作品評価情報を表示するとともに、候補材料の量産品の製造の指示をするかどうかを問い合わせるための量産指示画面を入出力装置により表示する（Ｐ２５）。量産指示画面は、例えば、「□□の特性の加工品が試作で作製できました。正式に発注しますか？」というメッセージを表示することができる。ユーザは、量産指示画面により、試作評価情報を確認して、候補材料の量産をするかどうかを決定できる。この場合、ユーザは、材料の寸法と数又は重量等の量産の条件を指定することができる。

量産指示画面により候補材料の量産品の製造の指示が決定されると、通信装置５Ａは、候補材料の量産品の製造の指示を量産管理システム４Ａに送信する。量産管理システム４Ａは、候補材料の量産品の製造の指示に基づいて、量産施設４０での量産を指示する。量産が終了すると、量産管理システム４Ａは、量産品評価情報及び加工情報を生成して、通信装置５Ａに送信する（Ｐ２６）。

通信装置５Ａは、例えば、量産評価情報及び加工情報を表示する量産結果画面を入出力装置により表示する（Ｐ２７）。ユーザは、量産結果画面により、量産評価情報及び加工情報を確認することができる。

上記の特許文献１では、ユーザが希望の材料を検索する際には、あくまで材料自体の特性で検索することになり、ユーザが材料を加工（成形、接合、組立等も含む）して部品や最終製品としての特性まで考慮されていない。これに対して、量産支援システム１Ａは、ユーザが希望する特性が加工した部品や最終製品としての特性であった場合には、その特性を満たすための材料自体の提示及び、その材料に適した加工条件を提示することができる。これにより、材料ユーザが円滑に希望する材料を入手することを支援する。つまり、ユーザが希望する材料が商品としてラインナップされていなくても、オーダーメイドでユーザの要望に合う材料を提示できる。さらに、材料の設計段階及び試作段階の各々において、ユーザに材料の特性に関する情報を提示して、ユーザに材料の製作の続行の意思を確認するため、ユーザが納得した材料を提供することができる。さらに、材料に適した加工条件も合わせてユーザに提示するから、よりユーザが納得した材料を提供することができる。また、通信装置５Ａでの処理Ｐ２１，Ｐ２３，Ｐ２５，Ｐ２７は、ウェブページ又はアプリケーションにより実行することが可能である。つまり、量産支援システム１Ａは、ウェブ又はアプリ上での手続きで、ユーザに材料を提供できる。よって、量産支援システム１Ａは、材料の注文の手続きを簡略化できる。

［１．２．３ 効果等］
以上述べた仮想製造システム２は、予測モデルＬＭ２を記憶する記憶装置２３Ａと、記憶装置２３Ａにアクセス可能な演算回路２４Ａとを備える。予測モデルＬＭ２は、材料の設計条件及び加工条件の入力に対して材料の加工品の特性の予測値を出力するように構成される。演算回路２４Ａは、予測処理Ｓ３１と、決定処理Ｓ３２と、生成処理Ｓ３３とを実行するように構成される。予測処理Ｓ３１は、候補材料の設計条件及び加工条件を予測モデルＬＭ２に入力することによって予測モデルＬＭ２から候補材料の加工品の特性の予測値を取得する。決定処理Ｓ３２は、予測処理Ｓ３１の結果に基づいて候補材料の加工品の特性の予測値が候補材料の加工品の特性の許容範囲内にある候補設計条件及び候補加工条件を決定する。生成処理Ｓ３３は、候補設計条件及び候補加工条件に基づいて加工品評価情報Ｄ２を生成する。加工品評価情報Ｄ２は、候補設計条件及び候補加工条件の組み合わせに対応する候補材料の加工品の特性の予測値を含む。加工品評価情報Ｄ２は、候補設計条件に基づいて製造される候補材料の試作品を候補加工条件に基づいて加工して得られる候補材料の試作品の加工品の特性の値が候補材料の加工品の特性の許容範囲内にある可能性を示す評価値を含む。この構成は、ユーザの要望に合う特性を持つ材料の提供を可能にする。

また、仮想製造システム２Ａにおいて、可能性は、予測モデルＬＭ２に入力される候補材料の設計条件及び加工条件の組み合わせと既存の材料の設計条件及び加工条件の組み合わせとの差が小さいほど高く設定される。この構成は、可能性の精度の向上を可能にする。

仮想製造システム２Ａにおいて、予測モデルＬＭ２は、材料の設計条件及び加工条件の入力に対して材料の加工品の特性の予測値及び予測値の確率分布を出力するように学習された学習済みモデルであってよい。生成処理Ｓ３３は、予測モデルＬＭ２から得られる予測値の確率分布が候補材料の加工品の特性の許容範囲にどの程度収まるかに基づいて、可能性を求めてよい。この構成は、可能性の精度の向上を可能にする。

仮想製造システム２Ａにおいて、記憶装置２３Ａは、既存の材料の設計条件及び加工条件の組み合わせが登録される材料データベースＤＢ２を記憶してよい。生成処理Ｓ３３は、予測モデルＬＭ２に入力される候補材料の設計条件及び加工条件の組み合わせと材料データベースＤＢ２に登録される既存の材料の設計条件及び加工条件の組み合わせとの類似度に基づいて可能性を求めてよい。この構成は、可能性の精度の向上を可能にする。

以上述べた設計支援システム１０Ａは、仮想製造システム２Ａと、仮想製造システム２Ａと通信可能な通信装置５Ａとを備える。通信装置５Ａは、候補材料の加工品の設計条件及び加工条件の制約条件と候補材料の加工品の特性の目標を含む要求仕様情報を仮想製造システム２Ａに送信するように構成される。予測処理Ｓ３１は、要求仕様情報に基づいて候補材料の加工品の設計条件及び加工条件を決定する。決定処理Ｓ３２は、要求仕様情報に基づいて候補材料の加工品の特性の許容範囲を決定する。生成処理Ｓ３３は、加工品評価情報Ｄ２を通信装置５Ａに送信するように構成される。この構成は、ユーザの要望に合う特性を持つ材料の提供を可能にする。

以上述べた試作支援システム１１Ａは、設計支援システム１０Ａと、通信装置５Ａと通信可能な試作管理システム３Ａとを備える。通信装置５Ａは、候補材料の試作品の製造の指示を試作管理システム３Ａに送信するように構成される。試作管理システム３Ａは、候補設計条件に基づいて製造された候補材料の試作品を候補加工条件に基づいて加工して得られる加工品の特性の測定の結果に基づいて候補材料の試作品の加工品の特性の測定値を含む試作品評価情報を生成して通信装置５Ａに送信するように構成される。この構成は、ユーザの要望に合う特性を持つ材料の提供を可能にする。

また、試作支援システム１１Ａにおいて、演算回路２４Ａは、第１更新処理Ｓ４３と第２更新処理Ｓ４５との少なくとも一方を実行するように構成される。第１更新処理Ｓ４３は、候補設計条件と試作品の特性の測定値との組み合わせに基づいて材料予測モデルＬＭ１を更新する。第２更新処理Ｓ４５は、候補加工条件と試作品の特性の測定値と加工品の特性の測定値との組み合わせに基づいて加工予測モデルＬＭ２を更新する。この構成は、ユーザの要望に合うより良い材料を見つけることを可能にする。

また、試作支援システム１１Ａにおいて、演算回路２４Ａは、更新処理Ｓ４３を実行するように構成される。演算回路２４Ａは、更新処理Ｓ４３の実行後に、予測処理Ｓ３１、決定処理Ｓ３２及び生成処理Ｓ３３を再度実行するように構成される。この構成は、ユーザの要望に合うより良い材料を見つけることを可能にする。

以上述べた量産支援システム１Ａは、試作支援システム１１Ａと、通信装置５Ａと通信可能な量産管理システム４Ａとを備える。通信装置５Ａは、候補材料の量産品の製造の指示を量産管理システム４Ａに送信するように構成される。量産管理システム４Ａは、候補設計条件に基づいて製造された候補材料の量産品の特性の測定の結果に基づいて候補材料の量産品の特性の測定値を含む量産品評価情報を生成するように構成される。量産管理システム４Ａは、候補材料の量産品の特性の測定値に基づいて候補材料の量産品のための量産品加工条件を示す加工情報を生成するように構成される。量産管理システム４Ａは、量産品評価情報と加工情報とを通信装置５Ａに送信するように構成される。この構成は、ユーザの要望に合う特性を持つ材料の提供を可能にする。

［２．変形例］
本発明の実施の形態は、上記実施の形態に限定されない。上記実施の形態は、本発明の課題を達成できれば、設計等に応じて種々の変更が可能である。以下に、上記実施の形態の変形例を列挙する。以下に説明する変形例は、適宜組み合わせて適用可能である。

一変形例において、仮想製造システム２は、必ずしも更新処理Ｓ２３を実行する必要はない。予測モデルＬＭ１は必要に応じて、外部のシステムによって修正又は更新されてよい。仮想製造システム２Ａは、必ずしも更新処理Ｓ４３及び第２更新処理Ｓ４４を実行する必要はない。予測モデルＬＭ２は必要に応じて、外部のシステムによって修正又は更新されてよい。

一変形例において、仮想製造システム２Ａでは、予測モデルＬＭ２の代わりに、材料予測モデルと、加工予測モデルとが記憶装置２３Ａに記憶されてよい。材料予測モデルは、材料の設計条件の入力に対して材料の特性の予測値を出力するように構成される。加工予測モデルは、材料の特性の値と材料の加工条件との入力に対して材料の加工品の特性の予測値を出力するように構成される。演算回路２４Ａは、第１予測処理と、第１決定処理と、第２予測処理と、第２決定処理と、生成処理とを実行するように構成されてよい。第１予測処理は、候補材料の設計条件を材料予測モデルに入力することによって材料予測モデルから候補材料の特性の予測値を取得する。第１決定処理は、第１予測処理の結果に基づいて候補材料の特性の予測値が候補材料の特性の許容範囲内にある候補設計条件を決定する。第２予測処理は、候補設計条件に対応する候補材料の特性の予測値及び候補材料の加工条件を加工予測モデルに入力することによって加工予測モデルから候補材料の加工品の特性の予測値を取得する。第２決定処理は、第２予測処理の結果に基づいて候補材料の加工品の特性の予測値が候補材料の加工品の特性の許容範囲内にある候補加工条件を決定する。生成処理は、候補設計条件及び候補加工条件に基づいて加工品評価情報を生成する。この場合の仮想製造システム２Ａであっても、ユーザの要望に合う特性を持つ材料の提供を可能にする。この場合、演算回路２４Ａは、所定の条件が満たされた場合に、材料予測モデルと加工予測モデルとの少なくとも一方の更新を行い、再度、候補材料の設計を行ってよい。具体的には、演算回路２４Ａは、試作品の特性の測定値が予測値から乖離している場合には、材料予測モデルの更新を実行して、第１予測処理、第１決定処理、第２予測処理、第２決定処理、及び生成処理を実行してよい。演算回路２４Ａは、加工品の特性の測定値が予測値から乖離している場合には、加工予測モデルの更新を実行して、第２予測処理、第２決定処理及び生成処理を実行してよい。なお、材料予測モデル及び加工予測モデルは必要に応じて、外部のシステムによって修正又は更新されてよい。

一変形例において、試作管理システム３は、候補設計条件をそのまま用いて候補材料の試作を行えない場合、試作が可能となるように候補設計条件を修正してよい。候補設計条件の修正は、試作管理システム３から仮想製造システム２に伝達され、仮想製造システム２においても、候補設計条件の修正が反映される。この点は試作管理システム３Ａにおいても同様である。

一変形例において、試作管理システム３Ａは、候補加工条件をそのまま用いて候補材料の加工を行えない場合、加工が可能となるように候補加工条件を修正してよい。候補加工条件の修正は、試作管理システム３Ａから仮想製造システム２Ａに伝達され、仮想製造システム２Ａにおいても、候補加工条件の修正が反映される。

一変形例において、量産管理システム４は、候補設計条件をそのまま用いて候補材料の量産を行えない場合、量産が可能となるように候補設計条件を修正してよい。候補設計条件の修正は、量産管理システム４から仮想製造システム２に伝達され、仮想製造システム２においても、候補設計条件の修正が反映される。この点は量産管理システム４Ａにおいても同様である。

一変形例では、量産支援システム１において、仮想製造システム２、試作管理システム３、及び量産管理システム４がそれぞれ異なるコンピュータシステムで実現されることは必須ではない。仮想製造システム２、試作管理システム３、及び量産管理システム４の少なくとも２つは単一のコンピュータシステムで実現されてもよい。この点は、量産支援システム１Ａにおいても同様である。

一変形例では、仮想製造システム２は、入出力装置２１と通信回路２２との両方を備える必要はない。この点は、仮想製造システム２Ａ、試作管理システム３，３Ａ及び量産管理システム４，４Ａにおいても同様である。

一変形例では、仮想製造システム２、試作管理システム３、及び量産管理システム４の各々は、複数のコンピュータシステムで実現されてもよい。つまり、仮想製造システム２、試作管理システム３、及び量産管理システム４の各々における複数の機能（構成要素）が、１つの筐体内に集約されていることは必須ではなく、仮想製造システム２、試作管理システム３、及び量産管理システム４の各々の構成要素は、複数の筐体に分散して設けられていてもよい。さらに、仮想製造システム２、試作管理システム３、及び量産管理システム４の各々の少なくとも一部の機能、例えば、仮想製造システム２の演算回路２４の一部の機能がクラウド（クラウドコンピューティング）等によって実現されてもよい。この点は、仮想製造システム２Ａ、試作管理システム３Ａ、及び量産管理システム４Ａにおいても同様である。

［３．態様］
上記実施の形態及び変形例から明らかなように、本発明は、下記の態様を含む。以下では、実施の形態との対応関係を明示するためだけに、符号を括弧付きで付している。

第１の態様は、仮想製造システム（２）であって、予測モデル（ＬＭ１）を記憶する記憶装置（２３）と、前記記憶装置（２３）にアクセス可能な演算回路（２４）とを備える。前記予測モデル（ＬＭ１）は、材料の設計条件の入力に対して前記材料の特性の予測値を出力するように構成される。前記演算回路（２４）は、予測処理（Ｓ１１）と、決定処理（Ｓ１２）と生成処理（Ｓ１３）とを実行するように構成される。前記予測処理（Ｓ１１）は、候補材料の設計条件を前記予測モデル（ＬＭ１）に入力することによって前記予測モデル（ＬＭ１）から前記候補材料の特性の予測値を取得する。前記決定処理（Ｓ１２）は、前記予測処理（Ｓ１１）の結果に基づいて前記候補材料の特性の予測値が前記候補材料の特性の許容範囲内にある候補設計条件を決定する。前記生成処理（Ｓ１３）は、前記候補設計条件に基づいて材料評価情報（Ｄ１）を生成する。前記材料評価情報（Ｄ１）は、前記候補設計条件に対応する前記候補材料の特性の予測値と、前記候補設計条件に基づいて製造される前記候補材料の試作品の特性の値が前記候補材料の特性の許容範囲内にある可能性を示す評価値とを含む。この態様は、ユーザの要望に合う特性を持つ材料の提供を可能にする。

第２の態様は、第１の態様に基づく仮想製造システム（２）である。第２の態様において、前記可能性は、前記予測モデル（ＬＭ１）に入力される前記候補材料の設計条件と既存の材料の設計条件との差が小さいほど高く設定される。この態様は、可能性の精度の向上を可能にする。

第３の態様は、第２の態様に基づく仮想製造システム（２）である。第３の態様において、前記予測モデル（ＬＭ１）は、前記材料の設計条件の入力に対して前記材料の特性の予測値及び前記予測値の確率分布を出力するように学習された学習済みモデルである。前記生成処理（Ｓ１３）は、前記予測モデル（ＬＭ１）から得られる予測値の確率分布が前記候補材料の特性の許容範囲にどの程度収まるかに基づいて、前記可能性を求める。この態様は、可能性の精度の向上を可能にする。

第４の態様は、第２の態様に基づく仮想製造システム（２）である。第４の態様において、前記記憶装置（２３）は、前記既存の材料の設計条件が登録される材料データベース（ＤＢ１）を記憶する。前記生成処理（Ｓ１３）は、前記予測モデル（ＬＭ１）に入力される前記候補材料の設計条件と前記材料データベース（ＤＢ１）に登録される前記既存の材料の設計条件との類似度に基づいて前記可能性を求める。この態様は、可能性の精度の向上を可能にする。

第５の態様は、設計支援システム（１０）であって、第１～第４の態様のいずれか一つに基づく仮想製造システム（２）と、前記仮想製造システム（２）と通信可能な通信装置（５）とを備える。前記通信装置（５）は、前記候補材料の設計条件の制約条件と前記候補材料の特性の目標とを含む要求仕様情報を前記仮想製造システム（２）に送信するように構成される。前記予測処理（Ｓ１１）は、前記要求仕様情報に基づいて前記候補材料の設計条件を決定する。前記決定処理（Ｓ１２）は、前記要求仕様情報に基づいて前記候補材料の特性の許容範囲を決定する。前記生成処理（Ｓ１３）は、前記材料評価情報（Ｄ１）を前記通信装置（５）に送信する。この態様は、ユーザの要望に合う特性を持つ材料の提供を可能にする。

第６の態様は、試作支援システム（１１）であって、第５の態様に基づく設計支援システム（１０）と、前記通信装置（５）と通信可能な試作管理システム（３）とを備える。前記通信装置（５）は、前記候補材料の試作品の製造の指示を前記試作管理システム（３）に送信するように構成される。前記試作管理システム（３）は、前記候補設計条件に基づいて製造された前記候補材料の試作品の特性の測定の結果に基づいて前記候補材料の試作品の特性の測定値を含む試作品評価情報を生成して、前記通信装置（５）に送信するように構成される。この態様は、ユーザの要望に合う特性を持つ材料の提供を可能にする。

第７の態様は、第６の態様に基づく試作支援システム（１１）である。第７の態様において、前記演算回路（２４）は、更新処理（Ｓ２３）を実行するように構成される。前記更新処理（Ｓ２３）は、前記候補設計条件と前記候補設計条件で製造された前記候補材料の試作品の特性の測定値との組み合わせに基づいて前記予測モデル（ＬＭ１）を更新する。この態様は、ユーザの要望に合うより良い材料を見つけることを可能にする。

第８の態様は、第７の態様に基づく試作支援システム（１１）である。第８の態様において、前記演算回路（２４）は、前記更新処理（Ｓ２３）の実行後に、前記予測処理（Ｓ１１）、前記決定処理（Ｓ１２）及び前記生成処理（Ｓ１３）を再度実行するように構成される。この態様は、ユーザの要望に合うより良い材料を見つけることを可能にする。

第９の態様は、量産支援システム（１）であって、第６～第８の態様のいずれか一つに記載の試作支援システム（１１）と、前記通信装置（５）と通信可能な量産管理システム（４）とを備える。前記通信装置（５）は、前記候補材料の量産品の製造の指示を前記量産管理システム（４）に送信するように構成される。前記量産管理システム（４）は、前記候補設計条件に基づいて製造された前記候補材料の量産品の特性の測定の結果に基づいて前記候補材料の量産品の特性の測定値を含む量産品評価情報を生成して、前記通信装置（５）に送信するように構成される。この態様は、ユーザの要望に合う特性を持つ材料の提供を可能にする。

第１０の態様は、仮想製造システム（２）であって、予測モデル（ＬＭ２）を記憶する記憶装置（２３Ａ）と、前記記憶装置（２３Ａ）にアクセス可能な演算回路（２４Ａ）とを備える。前記予測モデル（ＬＭ２）は、所定の材料の設計条件及び加工条件の入力に対して前記所定の材料の加工品の特性の予測値を出力するように構成される。前記演算回路（２４Ａ）は、予測処理（Ｓ３１）と、決定処理（Ｓ３２）と、生成処理（Ｓ３３）とを実行するように構成される。前記予測処理（Ｓ３１）は、候補材料の設計条件及び加工条件を前記予測モデル（ＬＭ２）に入力することによって前記予測モデル（ＬＭ２）から前記候補材料の加工品の特性の予測値を取得する。前記決定処理（Ｓ３２）は、前記予測処理（Ｓ３１）の結果に基づいて前記候補材料の加工品の特性の予測値が前記候補材料の加工品の特性の許容範囲内にある候補設計条件及び候補加工条件を決定する。前記生成処理（Ｓ３３）は、前記候補設計条件及び前記候補加工条件に基づいて加工品評価情報（Ｄ２）を生成する。前記加工品評価情報（Ｄ２）は、前記候補設計条件及び前記候補加工条件の組み合わせに対応する前記候補材料の加工品の特性の予測値を含む。前記加工品評価情報（Ｄ２）は、前記候補設計条件に基づいて製造される前記候補材料の試作品を前記候補加工条件に基づいて加工して得られる前記候補材料の試作品の加工品の特性の値が前記候補材料の加工品の特性の許容範囲内にある可能性を示す評価値を含む。この態様は、ユーザの要望に合う特性を持つ材料の提供を可能にする。

第１１の態様は、第１０の態様に基づく仮想製造システム（２Ａ）である。第１１の態様において、前記可能性は、前記予測モデル（ＬＭ２）に入力される前記候補材料の設計条件及び加工条件の組み合わせと既存の材料の設計条件及び加工条件の組み合わせとの差が小さいほど高く設定される。この態様は、可能性の精度の向上を可能にする。

第１２の態様は、第１１の態様に基づく仮想製造システム（２Ａ）である。第１２の態様において、前記予測モデル（ＬＭ２）は、前記材料の設計条件及び加工条件の入力に対して前記材料の加工品の特性の予測値及び前記予測値の確率分布を出力するように学習された学習済みモデルである。前記生成処理（Ｓ３３）は、前記予測モデル（ＬＭ２）から出力される予測値の確率分布が前記候補材料の加工品の特性の許容範囲にどの程度収まるかに基づいて、前記可能性を求める。この態様は、可能性の精度の向上を可能にする。

第１３の態様は、第１１の態様に基づく仮想製造システム（２Ａ）である。第１３の態様において、前記記憶装置（２３Ａ）は、前記既存の材料の設計条件及び加工条件の組み合わせが登録される材料データベース（ＤＢ２）を記憶する。前記生成処理（Ｓ３３）は、前記予測モデル（ＬＭ２）に入力される前記候補材料の設計条件及び加工条件の組み合わせと前記材料データベース（ＤＢ２）に登録される前記既存の材料の設計条件及び加工条件の組み合わせとの類似度に基づいて前記可能性を求める。この態様は、可能性の精度の向上を可能にする。

第１４の態様は、設計支援システム（１０Ａ）であって、第１０～第１３の態様のいずれか一つに基づく仮想製造システム（２Ａ）と、前記仮想製造システム（２Ａ）と通信可能な通信装置（５Ａ）とを備える。前記通信装置（５Ａ）は、前記候補材料の加工品の設計条件及び加工条件の制約条件と前記候補材料の加工品の特性の目標を含む要求仕様情報を前記仮想製造システム（２Ａ）に送信するように構成される。前記予測処理（Ｓ３１）は、前記要求仕様情報に基づいて前記候補材料の加工品の設計条件及び加工条件を決定する。前記決定処理（Ｓ３２）は、前記要求仕様情報に基づいて前記候補材料の加工品の特性の許容範囲を決定する。前記生成処理（Ｓ３３）は、前記加工品評価情報（Ｄ２）を前記通信装置（５Ａ）に送信する。この態様は、ユーザの要望に合う特性を持つ材料の提供を可能にする。

第１５の態様は、試作支援システム（１１Ａ）であって、第１４の態様に基づく設計支援システム（１０Ａ）と、前記通信装置（５Ａ）と通信可能な試作管理システム（３Ａ）とを備える。前記通信装置（５Ａ）は、前記候補材料の試作品の製造の指示を前記試作管理システム（３Ａ）に送信するように構成される。前記試作管理システム（３Ａ）は、前記候補設計条件に基づいて製造された前記候補材料の試作品を前記候補加工条件に基づいて加工して得られる加工品の特性の測定の結果に基づいて前記候補材料の試作品の加工品の特性の測定値を含む試作品評価情報を生成して前記通信装置（５Ａ）に送信するように構成される。この態様は、ユーザの要望に合う特性を持つ材料の提供を可能にする。

第１６の態様は、第１５の態様に基づく試作支援システム（１１Ａ）である。第１６の態様において、前記演算回路（２４Ａ）は、更新処理（Ｓ４３）を実行するように構成される。前記更新処理（Ｓ４３）は、前記候補設計条件及び前記候補加工条件との組み合わせと前記加工品の特性の測定値とに基づいて前記予測モデル（ＬＭ２）を更新する。この態様は、ユーザの要望に合うより良い材料を見つけることを可能にする。

第１７の態様は、第１６の態様に基づく試作支援システム（１１Ａ）である。第１７の態様において、前記演算回路（２４Ａ）は、前記更新処理（Ｓ４３）の実行後に、前記予測処理（Ｓ３１）、前記決定処理（Ｓ３２）及び前記生成処理（Ｓ３３）を再度実行するように構成される。この態様は、ユーザの要望に合うより良い材料を見つけることを可能にする。

第１８の態様は、量産支援システム（１Ａ）であって、第１５～第１７の態様のいずれか一つに基づく試作支援システム（１１Ａ）と、前記通信装置（５Ａ）と通信可能な量産管理システム（４Ａ）とを備える。前記通信装置（５Ａ）は、前記候補材料の量産品の製造の指示を前記量産管理システム（４Ａ）に送信するように構成される。前記量産管理システム（４Ａ）は、前記候補設計条件に基づいて製造された前記候補材料の量産品の特性の測定の結果に基づいて前記候補材料の量産品の特性の測定値を含む量産品評価情報を生成するように構成される。前記量産管理システム（４Ａ）は、前記候補材料の量産品の特性の測定値に基づいて前記候補材料の量産品のための量産品加工条件を示す加工情報を生成するように構成される。前記量産管理システム（４Ａ）は、前記量産品評価情報と前記加工情報とを前記通信装置（５Ａ）に送信するように構成される。この態様は、ユーザの要望に合う特性を持つ材料の提供を可能にする。

［４．用語］
本発明では、機械学習に関する用語を以下のように定義して用いる。

「学習済みモデル」とは「学習済みパラメータ」が組み込まれた「推論プログラム」をいう。

「学習済みパラメータ」とは、学習用データセットを用いた学習の結果、得られたパラメータ（係数）をいう。学習済みパラメータは、学習用データセットを学習用プログラムに対して入力することで、一定の目的のために機械的に調整されることで生成される。学習済みパラメータは、学習の目的にあわせて調整されているものの、単体では単なるパラメータ（数値等の情報）にすぎず、これを推論プログラムに組み込むことで初めて学習済みモデルとして機能する。例えば、ディープラーニングの場合には、学習済みパラメータの中で主要なものとしては、各ノード間のリンクの重み付けに用いられるパラメータ等がこれに該当する。

「推論プログラム」とは、組み込まれた学習済みパラメータを適用することで、入力に対して一定の結果を出力することを可能にするプログラムをいう。例えば、入力として与えられた画像に対して、学習の結果として取得された学習済みパラメータを適用し、当該画像に対する結果（認証や判定）を出力するための一連の演算手順を規定したプログラムである。

「学習用データセット」とは、訓練データセットともいい、生データに対して、欠測値や外れ値の除去等の前処理や、ラベル情報（正解データ）等の別個のデータの付加等、あるいはこれらを組み合わせて、変換・加工処理を施すことによって、対象とする学習の手法による解析を容易にするために生成された二次的な加工データをいう。学習用データセットには、生データに一定の変換を加えていわば「水増し」されたデータを含むこともある。

「生データ」とは、ユーザやベンダ、その他の事業者や研究機関等により一次的に取得されたデータであって、データベースに読み込むことができるよう変換・加工処理されたものをいう。

「学習用プログラム」とは、学習用データセットの中から一定の規則を見出し、その規則を表現するモデルを生成するためのアルゴリズムを実行するプログラムをいう。具体的には、採用する学習手法による学習を実現するために、コンピュータに実行させる手順を規定するプログラムがこれに該当する。

「追加学習」とは、既存の学習済みモデルに、異なる学習用データセットを適用して、更なる学習を行うことで、新たに学習済みパラメータを生成することを意味する。

「再利用モデル」とは、追加学習により新たに生成された学習済みパラメータが組み込まれた推論プログラムを意味する。

「蒸留」とは、既存の学習済みモデルへの入力および出力結果を、新たな学習済みモデルの学習用データセットとして利用して、新たな学習済みパラメータを生成することを意味する。

「蒸留モデル」とは、蒸留により新たに生成された学習済みパラメータが組み込まれた推論プログラムを意味する。

本発明は、仮想製造システム、設計支援システム、試作支援システム、及び、量産支援システムに適用される。より詳細には、所望の特性を持つ材料の設計のための仮想製造システム、設計支援システム、試作支援システム、及び、量産支援システムに、本発明は適用可能である。

１，１Ａ 量産支援システム
１０，１０Ａ 設計支援システム
１１，１１Ａ 試作支援システム
２，２Ａ 仮想製造システム
２３，２３Ａ 記憶装置
２４，２４Ａ 演算回路
３，３Ａ 試作管理システム
４，４Ａ 量産管理システム
５，５Ａ 通信装置
Ｓ１１ 予測処理
Ｓ１２ 決定処理
Ｓ１３ 生成処理
Ｓ２３ 更新処理
Ｓ３１ 予測処理
Ｓ３２ 決定処理
Ｓ３３ 生成処理
Ｓ４３ 更新処理
Ｄ１ 材料評価情報
Ｄ２ 加工品評価情報
ＬＭ１ 予測モデル
ＬＭ２ 予測モデル
ＤＢ１ 材料データベース
ＤＢ２ 材料データベース

Claims (14)

1. 仮想製造システムと、
   前記仮想製造システムと通信可能な通信装置と、
   前記通信装置と通信可能な試作管理システムと、
   を備え、
   前記仮想製造システムは、
   予測モデルを記憶する記憶装置と、
   前記記憶装置にアクセス可能な演算回路と、
   を備え、
   前記予測モデルは、材料の設計条件の入力に対して前記材料の特性の予測値を出力するように構成され、
   前記演算回路は、予測処理と、決定処理と、生成処理とを実行するように構成され、
   前記予測処理は、候補材料の設計条件を前記予測モデルに入力することによって前記予測モデルから前記候補材料の特性の予測値を取得し、
   前記決定処理は、前記予測処理の結果に基づいて前記候補材料の特性の予測値が前記候補材料の特性の許容範囲内にある候補設計条件を決定し、
   前記生成処理は、前記候補設計条件に基づいて材料評価情報を生成し、
   前記材料評価情報は、
   前記候補設計条件に対応する前記候補材料の特性の予測値と、
   前記候補設計条件に基づいて製造される前記候補材料の試作品の特性の値が前記候補材料の特性の許容範囲内にある可能性を示す評価値と、
   を含み、
   前記通信装置は、前記候補材料の設計条件の制約条件と前記候補材料の特性の目標とを含む要求仕様情報を前記仮想製造システムに送信するように構成され、
   前記予測処理は、前記要求仕様情報に基づいて前記候補材料の設計条件を決定し、
   前記決定処理は、前記要求仕様情報に基づいて前記候補材料の特性の許容範囲を決定し、
   前記生成処理は、前記材料評価情報を前記通信装置に送信し、
   前記通信装置は、前記候補材料の試作品の製造の指示を前記試作管理システムに送信するように構成され、
   前記試作管理システムは、前記候補設計条件に基づいて製造された前記候補材料の試作品の特性の測定の結果に基づいて前記候補材料の試作品の特性の測定値を含む試作品評価情報を生成して、前記通信装置に送信するように構成される、
   試作支援システム。
2. 前記可能性は、前記予測モデルに入力される前記候補材料の設計条件と既存の材料の設計条件との差が小さいほど高く設定される、
   請求項１に記載の試作支援システム。
3. 前記予測モデルは、前記材料の設計条件の入力に対して前記材料の特性の予測値及び前記予測値の確率分布を出力するように学習された学習済みモデルであり、
   前記生成処理は、前記予測モデルから出力される予測値の確率分布が前記候補材料の特性の許容範囲にどの程度収まるかに基づいて、前記可能性を求める、
   請求項２に記載の試作支援システム。
4. 前記記憶装置は、前記既存の材料の設計条件が登録される材料データベースを記憶し、
   前記生成処理は、前記予測モデルに入力される前記候補材料の設計条件と前記材料データベースに登録される前記既存の材料の設計条件との類似度に基づいて前記可能性を求める、
   請求項２に記載の試作支援システム。
5. 前記演算回路は、更新処理を実行するように構成され、
   前記更新処理は、前記候補設計条件と前記候補設計条件で製造された前記候補材料の試作品の特性の測定値との組み合わせに基づいて前記予測モデルを更新する、
   請求項１に記載の試作支援システム。
6. 前記演算回路は、前記更新処理の実行後に、前記予測処理、前記決定処理、及び前記生成処理を再度実行するように構成される、
   請求項５に記載の試作支援システム。
7. 請求項１～６のいずれか一つに記載の試作支援システムと、
   前記通信装置と通信可能な量産管理システムと、
   を備え、
   前記通信装置は、前記候補材料の量産品の製造の指示を前記量産管理システムに送信するように構成され、
   前記量産管理システムは、前記候補設計条件に基づいて製造された前記候補材料の量産品の特性の測定の結果に基づいて前記候補材料の量産品の特性の測定値を含む量産品評価情報を生成して、前記通信装置に送信するように構成される、
   量産支援システム。
8. 仮想製造システムと、
   前記仮想製造システムと通信可能な通信装置と、
   前記通信装置と通信可能な試作管理システムと、
   を備え、
   前記仮想製造システムは、
   予測モデルを記憶する記憶装置と、
   前記記憶装置にアクセス可能な演算回路と、
   を備え、
   前記予測モデルは、材料の設計条件及び加工条件の入力に対して前記材料の加工品の特性の予測値を出力するように構成され、
   前記演算回路は、予測処理と、決定処理と、生成処理とを実行するように構成され、
   前記予測処理は、候補材料の設計条件及び加工条件を前記予測モデルに入力することによって前記予測モデルから前記候補材料の加工品の特性の予測値を取得し、
   前記決定処理は、前記予測処理の結果に基づいて前記候補材料の加工品の特性の予測値が前記候補材料の加工品の特性の許容範囲内にある候補設計条件及び候補加工条件を決定し、
   前記生成処理は、前記候補設計条件及び前記候補加工条件に基づいて加工品評価情報を生成し、
   前記加工品評価情報は、
   前記候補設計条件及び前記候補加工条件の組み合わせに対応する前記候補材料の加工品の特性の予測値と、
   前記候補設計条件に基づいて製造される前記候補材料の試作品を前記候補加工条件に基づいて加工して得られる前記候補材料の試作品の加工品の特性の値が前記候補材料の加工品の特性の許容範囲内にある可能性を示す評価値と、
   を含み、
   前記通信装置は、前記候補材料の加工品の設計条件及び加工条件の制約条件と前記候補材料の加工品の特性の目標とを含む要求仕様情報を前記仮想製造システムに送信するように構成され、
   前記予測処理は、前記要求仕様情報に基づいて前記候補材料の加工品の設計条件及び加工条件を決定し、
   前記決定処理は、前記要求仕様情報に基づいて前記候補材料の加工品の特性の許容範囲を決定し、
   前記生成処理は、前記加工品評価情報を前記通信装置に送信し、
   前記通信装置は、前記候補材料の試作品の製造の指示を前記試作管理システムに送信するように構成され、
   前記試作管理システムは、前記候補設計条件に基づいて製造された前記候補材料の試作品を前記候補加工条件に基づいて加工して得られる加工品の特性の測定の結果に基づいて前記候補材料の試作品の加工品の特性の測定値を含む試作品評価情報を生成して前記通信装置に送信するように構成される、
   試作支援システム。
9. 前記可能性は、前記予測モデルに入力される前記候補材料の設計条件及び加工条件の組み合わせと既存の材料の設計条件及び加工条件の組み合わせとの差が小さいほど高く設定される、
   請求項８に記載の試作支援システム。
10. 前記予測モデルは、前記材料の設計条件及び加工条件の入力に対して前記材料の加工品の特性の予測値及び前記予測値の確率分布を出力するように学習された学習済みモデルであり、
    前記生成処理は、前記予測モデルから出力される予測値の確率分布が前記候補材料の加工品の特性の許容範囲にどの程度収まるかに基づいて、前記可能性を求める、
    請求項９に記載の試作支援システム。
11. 前記記憶装置は、前記既存の材料の設計条件及び加工条件の組み合わせが登録される材料データベースを記憶し、
    前記生成処理は、前記予測モデルに入力される前記候補材料の設計条件及び加工条件の組み合わせと前記材料データベースに登録される前記既存の材料の設計条件及び加工条件の組み合わせとの類似度に基づいて前記可能性を求める、
    請求項９に記載の試作支援システム。
12. 前記演算回路は、更新処理を実行するように構成され、
    前記更新処理は、前記候補設計条件及び前記候補加工条件の組み合わせと前記加工品の特性の測定値とに基づいて前記予測モデルを更新する、
    請求項８に記載の試作支援システム。
13. 前記演算回路は、前記更新処理の実行後に、前記予測処理、前記決定処理及び前記生成処理を再度実行するように構成される、
    請求項１２に記載の試作支援システム。
14. 請求項８～１３のいずれか一つに記載の試作支援システムと、
    前記通信装置と通信可能な量産管理システムと、
    を備え、
    前記通信装置は、前記候補材料の量産品の製造の指示を前記量産管理システムに送信するように構成され、
    前記量産管理システムは、
    前記候補設計条件に基づいて製造された前記候補材料の量産品の特性の測定の結果に基づいて前記候補材料の量産品の特性の測定値を含む量産品評価情報を生成し、
    前記候補材料の量産品の特性の測定値に基づいて前記候補材料の量産品のための量産品加工条件を示す加工情報を生成し、
    前記量産品評価情報と前記加工情報とを前記通信装置に送信する、
    ように構成される、
    量産支援システム。

Images