JP7228470B2 - 計画立案システム及びその方法 - Google Patents

Description

本発明は、計画立案システム及びその方法に関する。

本発明の背景技術として、特開２０１３－１４３８７号公報（特許文献１）に記載の技術がある。この公報には、「荷物とそれを搬送する前記車両とを結びつけて荷物の搬送を指図する配車計画を作成する自動配車計画作成装置と、作成された配車計画を評価項目値と評価項目毎に設定した重み係数との関数で評価する評価値を算出する評価装置と、前記自動配車計画作成装置で作成した配車計画に対する修正入力および修正された配車計画の評価値として見積もられた値を評価目標値として受け付ける入力装置と、自動配車計画作成装置が作成した自動配車計画および前記手動配車計画並びに前記自動配車計画の評価値および前記評価目標値を入力するとともに、入力した前記手動配車計画および自動配車計画の評価項目値を教師データの入力データとし、前記評価値および評価目標値を教師データの出力値として学習する評価パラメータ学習装置を備えた。」配車計画評価学習システムが記載されている（予約参照）。

特開２０１３－１４３８７号公報

前記特許文献１には、システムの自動計画とユーザの修正結果とを比較して、システムを調整することが記載されている。

機械学習にて計画を評価するに際して、修正を要する場合、ユーザの作業負担となる。

本発明の目的は、計画立案に伴う修正を不要とすることにある。

上記課題を解決するために、本発明は、計画の仕様を特定する複数の要素に関する仕様情報と前記複数の要素の各々についての制約条件を規定した制約条件情報とを基に前記計画の候補となる複数の計画候補を立案し、立案した前記複数の計画候補の各々の内容を計画データとして生成する計画立案装置と、前記各計画データを評価し、前記各計画データに対する評価結果を示す複数の評価データを生成する計画評価装置と、前記計画立案装置により生成された前記各計画データをユーザ用端末に送信し、前記ユーザ用端末から前記各計画データに対するユーザの評価結果を示すユーザデータをそれぞれ受信する評価入力装置と、少なくとも前記評価入力装置の受信による前記各ユーザデータを学習データとして学習し、学習結果から前記各計画候補に対する評価学習器を構築する評価学習装置と、を備えることを特徴とする。

本発明によれば、計画立案に伴う修正を不要とすることができる。

上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。

本発明に係る計画立案システムの実施例１を示すシステム構成図である。 実施例１における計画立案装置の構成を示す構成図である。 実施例１における計画評価装置の構成を示す構成図である。 実施例１における評価入力装置の構成を示す構成図である。 実施例１における評価学習装置の構成を示す構成図である。 実施例１におけるＰＣの構成を示す構成図である。 実施例１における注文情報ＤＢのデータ構造を示す構成図である。 実施例１における制約条件ＤＢのデータ構造を示す構成図である。 実施例１における自動計画ＤＢのデータ構造を示す構成図である。 実施例１における計画評価結果ＤＢのデータ構造を示す構成図である。 実施例１における評価学習器ＤＢの構造を示す構成図である。 実施例１におけるユーザ用端末の画面を示す構成図である。 実施例１における自動立案システムの処理を示すフローチャートである。 実施例１における評価学習装置の学習処理を説明するためのフローチャートである。 実施例１における計画立案装置の計画立案処理を説明するためのフローチャートである。 実施例１における計画評価装置の計画評価処理を説明するためのフローチャートである。 実施例２における評価学習装置の構成を示す構成図である。 実施例２における計画評価結果ＤＢのデータ構造を示す構成図である。 実施例２における評価学習装置の学習処理を説明するためのフローチャートである。

本発明を実施するための形態について、以下図面を用いて説明する。

まず、システムの構成について図１を用いて説明する。図１は、本発明に係る計画立案システムの実施例１を示すシステム構成図である。図１において、計画立案システムは、注文情報ＤＢ（データベース）１０１、制約条件ＤＢ１０２、自動立案システム１０３、ユーザ用端末１０６を備えている。

注文情報ＤＢ１０１は、計画の仕様を特定する複数の要素（製品の納期・品種・生産時間・コスト）に関する仕様情報、例えば、生産予定の製品の注文と過去の注文履歴に関する注文情報を格納するデータベースである。なお、本実施例では、ＤＢは、一般的なＰＣ（Personal Computer）と一般的なＤＢソフト（ソフトウェア）によって構成されており、ＤＢソフトによって検索や更新機能等が提供されている。注文情報には、顧客に依頼された製品の種類、数量、納期などの情報が含まれている。

制約条件ＤＢ１０２は、計画の仕様を特定する複数の要素の各々についての制約条件を規定した制約条件情報、例えば、複数の工程の生産能力、生産する製品の仕様、製造できる製品前後の製品の仕様の差などが記述された情報を格納するデータベースである。

自動立案システム１０３は、計画を自動で立案するシステムであり、計画立案装置１０４、自動計画ＤＢ１０５、評価入力装置１０７、計画評価結果ＤＢ１０８、評価学習装置１０９、評価学習器ＤＢ１１０を含んで構成され、注文情報ＤＢ１０１、制約条件ＤＢ１０２、およびユーザ用端末１０６に接続される。

計画立案装置１０４は、注文情報ＤＢ１０１から計画予定の注文情報、制約条件ＤＢ１０２から制約条件の情報を読み込み、読み込んだ情報を基に計画の候補となる複数の計画候補を立案し、立案した複数の計画候補の各々の内容を計画データとして生成する装置である。自動計画ＤＢ１０５は、計画立案装置１０４によって立案された自動計画（計画候補）に関する計画データを格納するデータベースである。

評価入力装置１０７は、自動計画ＤＢ１０５に格納された自動計画に関する計画データをユーザ用端末１０６に送信し、ユーザ用端末１０６から、ユーザの評価による評価結果（ユーザ評価結果）に関するユーザデータを受信する装置である。計画評価結果ＤＢ１０８は、計画評価装置２０２（図３参照）が、自動計画（計画データ）を評価して得られた評価データ（計画データの属性・評価項目の評価値）と、ユーザ用端末１０６から受信した、ユーザ評価結果（評価点数）に関するユーザデータ（ユーザ評価値）とを対応づけて、計画評価結果データとして格納するデータベースである。

評価学習装置１０９は、計画評価結果ＤＢ１０８に格納された計画評価結果データを基に、機械学習にて、自動計画とユーザ評価結果との関係を学習し、評価学習器を構築する装置である。評価学習器ＤＢ１１０は、評価学習装置１０９で構築した評価学習器に関するデータを格納するデータベースである。

ユーザ用端末１０６は、自動立案システム１０３を利用するユーザが操作する端末である。

図２は、実施例１における計画立案装置の構成を示す構成図である。図２において、計画立案装置１０４は、計画立案部２０１、計画評価装置２０２、計画結果出力部２０３を備える。

計画立案部２０１は、注文情報ＤＢ１０１から計画予定の注文情報、制約条件ＤＢ１０２から制約条件の情報を読み込み、読み込んだ情報を基に、確率的に複数の計画、例えば、複数の計画候補を作成し、各計画候補に関する計画データを自動的に生成する処理部（処理プログラム）である。計画評価装置２０２は、計画立案部２０１によって作成された複数の計画候補に対して、評価・選択の処理を実行する装置である。計画結果出力部２０３は、計画評価装置２０２の処理結果を基に、計画精度や処理時間などの計画の終了条件を判断し、判断結果を基に計画立案部２０１に対して再計画の処理を実行させるか、或いは計画処理を終了し、処理結果を出力する処理部（処理プログラム）である。なお、計画評価装置２０２を計画立案装置１０４の外部に配置することもできる。

図３は、実施例１における計画評価装置の構成を示す構成図である。図３において、計画評価装置２０２は、目的関数評価部３０１、評価学習器読込部３０２、評価予測部３０３、予測信頼度計算部３０４、計画評価部３０５を備える。

目的関数評価部３０１は、自動立案システム１０３の構築時に事前設定された、計画（計画候補）を目的関数で評価する処理部（処理プログラム）である。この際、目的関数評価部３０１は、計画立案装置１０４で自動的に生成された計画データを参照し、計画（計画候補）を目的関数で評価する。目的関数をｙとした場合、ｙは、例えば、以下の数１の総和演算で定義できる。

ここで、Ｘ_ｉは、計画のコストなどの評価項目である。Ｗ_ｉは、評価項目の優先順位を示す重みである。評価項目としては、例えば、計画が生産計画の場合、生産予定の製品のコスト・納期・生産時間を用いることができる。この際、例えば、評価項目を、製品の生産時間とした場合、製品の生産時間が短ければ短い程、ｙの値が小さくなり、良い計画となる。なお、評価項目によっては、ｙの値が大きい程、良い計画とすることもできる。

評価学習器読込部３０２は、評価学習器ＤＢ１１０から評価学習器のデータを読み込む処理部（処理プログラム）である。評価予測部３０３は、評価学習器読込部３０２が読み込んだ評価学習器のデータを基に計画の評価値を予測する処理部（処理プログラム）である。予測信頼度計算部３０４は、評価予測部３０３の予測値（評価の予測値）に対して、予測の信頼度を計算する処理部（処理プログラム）である。計画評価部３０５は、評価の予測値、予測信頼度、目的関数の評価値を用いて、計画を評価する処理部（処理プログラム）である。

図４は、実施例１における評価入力装置の構成を示す構成図である。この図４において、評価入力装置１０７は、計画結果読込部４０１、計画結果表示部４０２、評価結果保存部４０３を備える。計画結果読込部４０１は、自動計画ＤＢ１０５から自動計画に関する計画データを読み込む処理部（処理プログラム）である。計画結果表示部４０２は、計画結果読込部４０１により読み込まれた自動計画に関する計画データをユーザ用端末１０６に表示させる処理部（処理プログラム）である。評価結果保存部４０３は、ユーザ用端末１０６から受信した、ユーザの評価結果を示すユーザデータを計画評価結果ＤＢ１０８に保存する処理部（処理プログラム）である。

図５は、実施例１における評価学習装置の構成を示す構成図である。この図５において、評価学習装置１０９は、学習器選択部５０１、学習入力・出力部５０２、学習部５０３、学習器保存部５０４を備える。学習器選択部５０１は、商用やオープンソースの機械学習ライブラリと連携し、ユーザに学習器のタイプを選ばせる処理部（処理プログラム）である。学習入力・出力部５０２は、ユーザ用端末１０６により指定される学習入力・出力に関するデータを計画評価結果ＤＢ１０８から読み込む処理部（処理プログラム）である。学習部５０３は、学習器選択部５０１で選択された学習器のタイプが、例えば、ニューラルネットワークである場合、ニューラルネットワークの機械学習技術を用いて、学習入力と学習出力との関係を学習する処理部（処理プログラム）である。学習器保存部５０４は、学習した評価学習器に関するデータを評価学習器ＤＢ１１０に保存する処理部（処理プログラム）である。

本実施例では、端末を含む各装置は、以下のＰＣを用いて構成することができる。図６は、実施例１におけるＰＣの構成を示す構成図である。図６において、ＰＣは、ＣＰＵ６０１、メモリ６０２、インターフェース６０３、ネットワークインターフェース６０４、キーボード６０５、画面６０６、マウス６０７、ハードディスク６０８を備える。

ＣＰＵ６０１は、中央処理装置(Central Processing Unit)であり、メモリ６０２に記録されているプログラム、またはあらかじめハードディスク６０８からメモリ６０２に転送されたプログラムを実行することができる装置である。なお、プログラムは、必要に応じて、ＰＣが利用可能であり、着脱可能な記憶媒体によって導入されてもよい。この場合、記憶媒体の情報を読み取るための装置をインターフェース６０３に接続する。なお、このような記憶媒体及びそれを読み取るための装置としては、光ディスク（ＣＤ、ＤＶＤ、ブルーレイディスク等）を用いるものや、フラッシュメモリを用いるものが一般に知られており、これらを用いることができる。また、プログラムは、必要に応じて、ネットワークインターフェース６０４によって、通信媒体（通信回線又は通信回線上の搬送波）を介して、ＰＣに導入されてもよい。

メモリ６０２は、プログラムやデータを一時的に記録する記憶媒体である。インターフェース６０３は、ＰＣシステム内の各部を接続するためのものであり、ＰＣシステム内の各部がインターフェース６０３を介して接続される。ネットワークインターフェース６０４は、ＰＣシステム外のＰＣ等と通信をするための装置である。本実施例では、ネットワークインターフェース６０４は、通信ネットワーク（図示せず）と接続される。

キーボード６０５は、ＰＣシステムへの指令やデータ入力を行うために、ＰＣシステムの操作者が操作する装置である。画面６０６は、ＣＰＵ６０１の処理結果等を表示するための表示装置（図示せず）の表示画面である。マウス６０７は、ＰＣシステムの操作者が、画面６０６上に表示されるポインタを動かし、また任意の場所でオペレータにボタンを押し下げさせることで、画面上の位置を指定し、何らかのアクションをＣＰＵ６０１に伝える装置である。なお、画面６０６は、タッチパネルによって代替することもでき、その場合、通常、ポインタは不要となる。

ハードディスク６０８は、プログラム及びデータを格納する装置であり、例えば、磁気ディスクや不揮発性メモリ等によって構成することができる。この場合、ハードディスク６０８に格納されたプログラム及びデータは、ハードディスク６０８の電源がＯＦＦとなった後にＯＮになった場合でも、通常保持される。なお、ハードディスク６０８には、予めオペレーティングシステム（ＯＳ）が導入されていても良い。このようにすることで、ファイル名を用いてプログラムを指定することができるようになる。ここで、ＯＳとは、計算機の基本ソフトウェアのことであり、一般に広く知られたＯＳを用いることができる。本実施例では、ＯＳが導入されているとする。

次に、図７～図１１を用いて、注文情報ＤＢ１０１、制約条件ＤＢ１０２、自動計画ＤＢ１０５、計画評価結果ＤＢ１０８、評価学習器ＤＢ１１０のデータ構造について説明する。

図７は、実施例１における注文情報ＤＢのデータ構造を示す構成図である。注文情報ＤＢ１０１は、注文番号７０１、納期７０２、数量７０３、品種７０４を含んで構成される。注文番号７０１は、計画の対象に関する注文を一意に識別する識別番号である。注文番号７０１には、例えば、計画の対象が生産予定の製品である場合、生産予定の製品の識別番号として、「１」の情報が格納される。納期７０２は、生産予定の製品を納品する期限を表す。納期７０２には、例えば、生産予定の製品の出荷までの日数として、「４」の情報が格納される。数量７０３は、生産予定の製品の数を表す値である。数量７０３には、例えば、製品の数が「３」である場合、「３」の情報が格納される。品種７０４は、生産予定の製品の種類を一意に識別する識別情報である。品種７０４には、例えば、生産予定の製品の種類が、「Ａ」である場合、「Ａ」の情報が格納される。なお、上述の項目は、計画作成に必要なデータとして、注文に関する他のデータを含むとしても良い。

図８は、実施例１における制約条件ＤＢのデータ構造を示す構成図である。図８において、制約条件ＤＢ１０２は、設備番号８０１、決定変数８０２、制約条件８０３を含んで構成される。設備番号８０１は、生産予定の製品を各工程で生産するための設備を一意に識別する識別番号である。設備番号８０１には、例えば、生産予定の製品を各工程で生産するための設備が、「設備１」である場合、「設備１」の情報が格納される。決定変数８０２は、該当設備の制約条件に関わる属性を管理する変数であり、例えば、納期、数量、品種に関する属性で構成される。制約条件８０３は、各工程における納期や生産量などを示す条件である。制約条件８０３には、決定変数８０２の納期を規定する条件として、例えば、生産予定の製品の出荷までの日数が「５日」より短い場合、「納期＞５」の情報が格納され、決定変数８０２の数量を規定する条件として、例えば、生産予定の製品の「数量」が「２０」より少ない場合、「数量＜２０」の情報が格納され、決定変数８０２の品種を規定する条件として、例えば、生産予定の製品のうち「同一品種での連続製造量」が「１０」よりも少ない場合、「同品種の連続製造量＜１０」の情報が格納される。なお、上述の決定変数８０２や制約条件８０３は、計画作成に考慮すべき条件として、計画に影響する天気などの変数や条件を含むとしても良い。

図９は、実施例１における自動計画ＤＢのデータ構造を示す構成図である。図９において、自動計画ＤＢ１０５は、計画立案装置１０４で自動的に生成された計画データを管理するためのデータベースであって、ロット番号９０１、設備番号９０２、品種９０３、開始時刻９０４、終了時刻９０５を含んで構成される。ロット番号９０１は、製品を製造する際のロットを一意に識別する識別番号である。ロット番号９０１には、例えば、ある品種の製品を一定の数量で一緒に作る場合、その一緒に作る製品のロット番号として、「１」の情報が格納される。設備番号９０２は、制約条件ＤＢ１０２の設備番号８０１と同様であり、品種９０３は、注文情報ＤＢ１０１の品種７０４と同様である。開始時刻９０４は、製品を製造する際のロットにおいて、各設備での開始時刻を表す情報である。開始時刻９０４には、例えば、「０８：００」の情報が格納される。終了時刻９０５は、製品を製造する際のロットにおいて、各設備での終了時刻を表す情報である。終了時刻９０５には、例えば、「１０：００」の情報が格納される。開始時刻９０４に格納された情報と終了時刻９０５に格納された情報から、製品の生産時間を算出することができる。

図１０は、実施例１における計画評価結果ＤＢのデータ構造を示す構成図である。図１０において、計画評価結果ＤＢ１０８は、評価入力装置１０７で管理されるデータベースであって、計画ＩＤ１００１、計画データの属性１（１００２）、計画データの属性２（１００３）、評価項目１の評価値１００４、評価項目２の評価値１００５、ユーザ評価値１００６を含んで構成される。計画ＩＤ１００１は、学習対象計画の識別番号である。計画ＩＤ１００１には、例えば、「１」の情報が格納される。計画データの属性１（１００２）、属性２（１００３）は、計画データの属性であって、例えば、生産予定の製品の品種の数、計画データのレコード数などを示す情報である。計画データの属性１（１００２）には、例えば、生産予定の製品の品種の数が「２」である場合、「２」の情報が格納され、計画データの属性２（１００３）には、例えば、計画データのレコード数が「２１」である場合、「２１」の情報が格納される。

評価項目１の評価値１００４と評価項目２の評価値１００５は、計画評価装置２０２で評価された値であって、例えば、目的関数ｙを用いて計画を評価した値を表している。評価項目１の評価値１００４には、例えば、目的関数ｙの評価項目を「納期」として、計画を評価したときの評価値が「１５」である場合、「１５」の情報が格納される。評価項目２の評価値１００５には、例えば、目的関数ｙの評価項目を「生産時間」として、計画を評価したときの評価値が「１５」である場合、「１５」の情報が格納される。

ユーザ評価値１００６は、ユーザ用端末１０６に入力された値であって、対象計画（計画データ）に対するユーザの評価値（ユーザデータ）を表している。ユーザ評価値１００６には、例えば、ユーザによる３段階（高・中・低）の評価値を「○」、「△」、「×」とした場合、いずれか１つの評価値の情報が格納される。

ここで、評価項目１の評価値１００４には、計画データで特定される納期が、出荷までの日数である場合、評価値として小さい値が良い値として格納される。また、評価項目２の評価値１００５には、計画データで特定される時間が、製品の生産時間である場合、評価値として小さい値が良い値として格納される。このため、計画ＩＤ１００１が「１」の計画は、評価項目１、２の評価値１００３、１００４に記録される数値が、それぞれ他の計画よりも低いので、ユーザ評価値１００６として、「○」が選択されている。なお、評価項目１、２の評価値１００３、１００４に記録される数値が、それぞれ他の計画よりも低い場合でも、計画データの属性１（１００２）や計画データの属性２（１００３）の値が、それぞれ他の計画よりも大きい場合（品種の数や計画データのレコード数が大きい場合）、計画が複雑となる可能性があるので、ユーザ評価値１００６として、「×」が記録されることもある。なお、ユーザ評価値１００６に用いる情報としては、「○」、「△」、「×」などの段階評価の情報でもよいし、数値による情報でも良い。この場合、数値が大きい程、ユーザ評価値１００６が高いとしたり、逆に、数値が小さい程、ユーザ評価値１００６が高いとしたりすることもできる。

図１１は、実施例１における評価学習器ＤＢの構造を示す構成図である。図１１において、評価学習器ＤＢ１１０は、学習器ＩＤ１１０１、学習データの期間１１０２、学習器タイプ１１０３を含んで構成される。学習器ＩＤ１１０１は、評価学習装置１０９から出力された学習器を一意に識別する識別番号である。学習器ＩＤ１１０１には、例えば、「１」の情報が格納される。学習データ期間１１０２は、学習器構築用の学習データの期間を表している。学習データ期間１１０２には、例えば、「２０１８/０１/０１～２０１８/０６/３０」の情報が格納される。学習器タイプ１１０３は、評価学習装置１０９から出力された学習器のタイプ（学習器の構造）を表している。学習器タイプ１１０３には、例えば、「ニューラルネットワーク」、「決定木」の情報が格納される。

次に、ユーザ用端末の画面について説明する。図１２は、実施例１におけるユーザ用端末の画面を示す構成図である。図１２において、ユーザ用端末１０６の画面１２００は、自動計画の表示ボックス１２０１、計画評価入力ボタン１２０２、評価予測値と予測信頼度の表示ボックス１２０３、学習対象計画評価結果の表示ボックス１２０４、学習入力指定ボタン１２０５、学習出力指定ボタン１２０６、保存ボタン１２０７を含んで構成される。

自動計画の表示ボックス１２０１は、自動計画ＤＢ１０５に格納されたデータ（自動計画結果）を表示するための表示領域である。計画評価入力ボタン１２０２は、自動計画の表示ボックス１２０１に表示された自動計画結果に対して、ユーザに、「○」、「△」、「×」などの計画の良し悪しの評価値を入力させるボタンである。評価予測値と予測信頼度の表示ボックス１２０３は、計画評価装置２０２からの評価予測値と評価予測値の信頼度を表示する表示領域である。学習対象計画評価結果の表示ボックス１２０４は、学習対象計画評価結果を表示する表示領域である。学習入力指定ボタン１２０５は、ユーザに学習入力カラム、例えば、計画データの属性、評価項目などを指定させるボタンである。学習出力指定ボタン１２０６は、ユーザに学習出力、例えば、ユーザ評価値を指定させるボタンである。保存ボタン１２０７は、計画評価入力ボタン１２０２に入力された情報（計画評価入力の値）、学習入力指定ボタン１２０５に入力された情報（学習入力指定の値）、学習出力指定ボタン１２０６に入力された情報（学習出力指定の値）を、ユーザに計画評価結果ＤＢ１０８に保存させる為のボタンである。

図１３は、実施例１における自動立案システムの処理を示すフローチャートである。図１３において、ユーザ用端末１０６のＣＰＵは、注文情報ＤＢ１０１に格納された情報を、計画立案装置１０４を介して取り込み、注文情報ＤＢ１０１に格納された情報のうち計画対象の注文情報を画面１２００上に表示し、ユーザに注文情報を確認させる（ステップ１３０１）。ここで、注文情報ＤＢ１０１などのＤＢと装置間の通信は、一般的な通信やＲＰＣ(Remote Procedure Call)等によって実行可能であり、以下、このような方法によって装置間通信が行われているとする。

次に、計画立案装置１０４のＣＰＵは、注文情報ＤＢ１０１から注文情報を入力すると共に、制約条件ＤＢ１０２から制約条件に関する情報を入力し、注文情報および制約条件を基に、目的関数を最適化して、計画を立案し、立案した計画の内容（計画データ）を自動計画ＤＢ１０５に格納する（ステップ１３０２）。この際、計画評価装置２０２のＣＰＵにおいて、目的関数を用いて、自動計画の内容（計画データ）を評価し、計画データに対する評価結果を示す複数の評価データを生成する処理が実行される。

計画立案方法について、以下、具体例を挙げて説明する。本実施例では制約プログラミングを用いる。なお、これらの計算に関しては、一般に入手できる数理計画ソフトがあり、それを用いることもできる。本実施例での入力は、注文の納期、数量、品種、対象設備の制約条件である。出力は対象設備の制約条件を守った対象設備での開始終了時刻である。開始終了時刻の決め方については、例えば、バックトラッキング（Backtracking）という探索手法を用いる。

なお、バックトラッキングは一般的な解（計画候補）探索アルゴリズムの１つであり、ある解を求めるときに、可能性のある手順を順に試していく。その手順で解が求められた場合は解として保存し、解が求められないと判明した時点で１つ前の状態に戻って別の手順を試す。

バックトラッキング探索法では、複数の解（計画候補）を探索することができる。この際、探索で得られた複数の計画候補に対し、目的関数で評価し、複数の計画候補のうちポイント（評価値）の高い計画候補を採用し、採用した計画候補を自動立案による計画とする。目的関数は、例えば、数１に示したような数式で定義できる。なお、別方式で定義しても良い。計画立案装置１０４のＣＰＵが、探索アルゴリズムを実行して計画を立案する。

次に、評価入力装置１０７のＣＰＵが、自動計画ＤＢ１０５に格納されたデータ（自動計画を示す計画データ）をユーザ用端末１０６に転送すると、ユーザ用端末１０６のＣＰＵは、自動計画の内容（計画データ）を画面１２００上に表示し、ユーザに自動計画結果を評価させる（ステップ１３０３）。この際、ユーザ用端末１０６に、ユーザによる評価結果（ユーザ評価値）が入力された場合、評価入力装置１０７のＣＰＵは、ユーザ用端末１０６から、ユーザによる評価結果を示すユーザデータを受信する。また、評価入力装置１０７のＣＰＵは、計画評価装置２０２が、自動計画の内容（計画データ）を評価して得られた評価データ（計画データの属性・評価項目の評価値）を計画評価装置２０２から受信した場合、受信した評価データとユーザデータとを関連づけた計画評価結果データを生成し、生成した計画評価結果データを計画評価結果ＤＢ１０８に格納する。

次に、評価学習装置１０９のＣＰＵは、学習用の計画評価結果のデータ（計画評価結果データ）を基に評価学習器を構築し、構築した評価学習器に関するデータを評価学習器ＤＢ１１０に保存する（ステップ１３０４）。なお、学習方法については、図１４を用いて後述する。

次に、計画立案装置１０４のＣＰＵは、ステップ１３０４で構築された評価学習器のデータを評価学習器ＤＢ１１０から読み込み、新規計画インプットに対して、計画評価装置２０２にて計画を評価し、計画を立案し（ステップ１３０５）、その後、このルーチンでの処理を終了する。この際、計画立案装置１０４に属する計画評価装置２０２において、新規計画に対する評価が実行される。なお、計画を立案する処理は、図１５を用いて後述する。また、計画評価装置２０２での更新処理が必要となる場合は、ステップ１３０１～ステップ１３０５の処理を再実施する。処理を再実施する場合、ステップ１３０２では、計画評価装置２０２が、目的関数ではなく、主に評価学習器を用いて計画を評価する。

次に、図１４を用いて、図１３のステップ１３０４における学習処理について詳述する。図１４は、実施例１における評価学習装置の学習処理を説明するためのフローチャートである。図１４において、まず、評価学習装置１０９のＣＰＵは、学習器タイプの情報（評価学習器ＤＢ１１０の学習器タイプ１１０３に格納された情報）をユーザ用端末１０６の画面１２００に表示し、ユーザに学習器（学習器タイプ）を選ばせる（ステップ１４０１）。

次に、評価学習装置１０９のＣＰＵは、計画評価結果ＤＢ１０８から学習対象の評価結果データとして、評価データとユーザデータを含む計画評価結果データを読み込み（ステップ１４０２）、読み込んだ計画評価結果データのうち、評価データ（計画データの属性と評価項目の評価値とを含むデータ）を学習データの入力とし、ユーザデータ（ユーザ評価値を示すデータ）を学習データの出力とし、その関係を学習する（ステップ１４０３）。この際、評価学習装置１０９のＣＰＵは、学習データの入力と出力との関係から、どんな評価データが入力されたら、どんなユーザ評価値が出力されるかを学習することができる。

次に、評価学習装置１０９のＣＰＵは、ステップ１４０３で学習した結果を評価学習器ＤＢ１１０に格納し（ステップ１４０４）、その後、このルーチンでの処理を終了する。

次に、図１５を用いて、図１３のステップ１３０５の計画立案処理について詳述する。図１５は、実施例１における計画立案装置の計画立案処理を説明するためのフローチャートである。図１５において、ユーザ用端末１０６のＣＰＵは、注文情報ＤＢ１０１に格納された情報のうち計画対象の注文情報を画面１２００上に表示し、ユーザに注文情報を確認させる（ステップ１５０１）。

次に、計画立案装置１０４のＣＰＵは、注文情報ＤＢ１０１から注文情報を入力すると共に、制約条件ＤＢ１０２から制約条件に関する情報を入力し、入力した注文情報および制約条件を基に、計画評価装置２０２による評価値を最適化して計画を立案し、立案した計画（自動計画）の内容を示すデータ（計画データ）を自動計画ＤＢ１０５に格納し（ステップ１５０２）、その後、このルーチンでの処理を終了する。なお、計画評価装置２０２は、各計画候補に対する評価結果を基に各計画候補のうちいずれか１つの計画候補を立案対象の計画として選択する。また、計画評価装置２０２での評価方法は、図１６を用いて後述する。

次に、図１６を用いて、図１５のステップ１５０２の計画評価装置２０２での評価処理について詳述する。図１６は、実施例１における計画評価装置の計画評価処理を説明するためのフローチャートである。図１６において、計画評価装置２０２のＣＰＵは、評価学習器を用いて、複数の計画（計画候補）、例えば、計画Ａと計画Ｂの学習用入力データを基に、各計画に対する評価予測値を計算すると共に、予測値（評価予測値）に対する予測信頼度も計算する（ステップ１６０１）。

予測信頼度の計算方法としては、例えば、学習データに対し、評価学習器での予測値（学習済み評価学習器で得られるユーザ評価値の予測値）が良くて、ユーザも○と評価した計画集合は、予測値（評価予測値）が良く、予測信頼度も高い計画集合Ａとする。評価学習器での予測値が良くて、ユーザが×と評価した計画集合は、予測値（評価予測値）が良く、予測信頼度が低い計画集合Ｂとする。また、計画に対して予測値（評価予測値）が良い場合は、計画とそれぞれの計画集合との距離を計算する。例えば、計画集合Ａとの距離が短い場合は、計画に対する予測信頼度が高いとし、計画集合Ｂとの距離が短い場合は、計画に対する予測信頼度が低いとする。同様に学習データに対し、評価学習器での予測値が悪い場合は、予測信頼度も悪くなる。ここで、予測信頼度の定義の一例をあげたが、その他の定義でも良い。

次に、計画評価装置２０２のＣＰＵは、計画Ａと計画Ｂの評価予測値と、計画Ａと計画Ｂの予測信頼度のうちどちらの内容が条件に当てはまるかを判別する処理を実行する（ステップ１６０２）。この判別条件は、例えば、３種類設定される。例えば、条件１として、「Ａ（計画Ａ）の予測信頼度が高いａｎｄＢ（計画Ｂ）の予測信頼度が高い」に設定され、条件２として、「Ａ（計画Ａ）の予測信頼度が高いｏｒＢ（計画Ｂ）の予測信頼度が高い」に設定され、条件３として、「Ａ（計画Ａ）の予測信頼度が低いａｎｄＢ（計画Ｂ）の予測信頼度が低い」に設定される。ここで、評価予測値と予測信頼度の判別条件の設定は別設定方式でも良い。

次に、計画評価装置２０２のＣＰＵは、ステップ１６０２での判別に用いた条件に従って計画Ａと計画Ｂのうちどちらかの計画を選ぶ処理を実行し（ステップ１６０３）、その後、このルーチンでの処理を終了する。この際、計画を選ぶ処理としては、例えば、ステップ１６０２で条件１を選択した場合、評価予測値の高い方の計画を選ぶ。また、ステップ１６０２の処理で条件２を選択した場合、予測信頼度の高い計画は、評価予測値も良い場合は、該当計画を選ぶ。或いは、予測信頼度の高い計画は評価予測値が悪い場合は、相手計画（他方の計画）を選ぶ。さらに、ステップ１６０２の処理で条件３を選択した場合、目的関数で計画Ａ、Ｂを評価し、評価値の良い計画を選ぶ。

この際、計画評価装置２０２は、各計画データを目的関数又は評価学習装置１０９で構築された評価学習器で評価し、各評価結果を基に各計画候補の中から評価結果の良い計画候補を立案対象の計画として選択することになる。ここで、判別条件の処理の一例をあげているが、別の処理方式でも良い。

また、計画Ａ、Ｂの予測信頼度を評価するに際しては、計画評価装置２０２において以下の方法を採用することができる。数１の目的関数ｙに計画データを適用し、複数の計画候補のうち目的関数ｙの値が高い方の計画候補を計画集合Ａとし、目的関数ｙの値が低い方の計画候補を計画集合Ｂとし、各計画候補について、計画集合Ａの基準位置（中心）と、当該計画候補との間の距離である第１の距離と、計画集合Ｂの基準位置と、当該計画候補との間の距離である第２の距離とを比較する。

第１の距離と第２の距離との比較結果を基に、各計画候補が、計画集合Ａ又は計画集合Ｂのどちらに属するかに応じて、予測値（学習済み評価学習器で得られるユーザ評価値の予測値）の信頼度である予測信頼度を決定し、予測信頼度の高い予測値を基に計画候補を選択する。

第１の距離＜第２の距離又は第１の距離＝第２の距離、且つ計画候補が、計画集合Ａに属する場合、予測信頼度を高予測信頼度とする。すなわち、第１の距離が第２の距離よりも小さいということは、計画候補は計画集合Ａに属するべきであり、且つ、計画候補が計画集合Ａに属しているためである。

第１の距離＜第２の距離又は第１の距離＝第２の距離、しかし、計画候補が、計画集合Ｂに属する場合、予測信頼度を低予測信頼度とする。すなわち、第１の距離が第２の距離よりも小さいということは、計画候補は計画集合Ａに属するべきであるが、計画集合Ｂに属しているためである。

第１の距離＞第２の距離、且つ計画候補が、計画集合Ｂに属する場合、予測信頼度を高予測信頼度とする。すなわち、第２の距離が第１の距離よりも小さいということは、計画候補は計画集合Ｂに属するべきであり、且つ、計画候補が計画集合Ｂに属しているためである。

第１の距離＞第２の距離、しかし、計画候補が、計画集合Ａに属する場合、予測信頼度を低予測信頼度とする。すなわち、第２の距離が第１の距離よりも小さいということは、計画候補は計画集合Ｂに属するべきであるが、計画集合Ａに属しているためである。

本実施例によれば、ユーザは、ユーザ用端末１０６にユーザデータを入力するだけで良いので、計画立案に伴う修正を不要とすることができ、結果として、ユーザの作業負担を軽減することができる。また、本実施例によれば、目的関数又は評価学習器を用いて、各計画候補を評価しているので、評価学習器の誤評価による精度悪化を防止することができ、結果として、各計画候補の中から評価結果の良い計画候補を立案対象の計画として正確に選択することができる。

本実施例は、評価学習装置の機能が実施例１とは異なるが、他の構成は実施例１と同様である。図１７は、実施例２における評価学習装置の構成を示す構成図である。図１７において、評価学習装置１０９は、学習入力・出力部１７０１、パラメータ学習部１７０２、学習結果保存部１７０３を含んで構成される。

学習入力・出力部１７０１は、ユーザ用端末１０６で指定される学習入力・出力に関する情報を計画評価結果ＤＢ１０８から読み込む処理部（処理プログラム）である。パラメータ学習部１７０２は、例えば、最小二乗法などの技術を用いてパラメータの関係を学習する処理部（処理プログラム）である。最小二乗法の計算は、一般市販ソフトを利用してもよい。学習結果保存部１７０３は、パラメータ学習部１７０２が学習したパラメータ、例えば、評価パラメータに関する情報を評価学習器ＤＢ１１０に保存する処理部（処理プログラム）である。

図１８は、実施例２における計画評価結果ＤＢのデータ構造を示す構成図である。図１８において、計画評価結果ＤＢ１０８は、評価入力装置１０７によって管理されるデータベースであって、計画ＩＤ１８０１、評価項目１のユーザ評価値１８０２、評価項目２のユーザ評価値１８０３、ユーザ総合評価値１８０４を含んで構成される。この際、計画評価結果ＤＢ１０８は、ユーザが、目的関数の設定に用いられる評価項目について評価して得られたデータであって、ユーザ用端末１０６から受信した評価データ（評価項目１のユーザ評価値１８０２、評価項目２のユーザ評価値１８０３）と、ユーザ用端末１０６から受信した、ユーザ評価結果（評価点数）に関するユーザデータ（ユーザ総合評価値）とを対応づけて、計画評価結果データとして格納するデータベースとして構成される。

計画ＩＤ１８０１は、学習対象計画を一意に識別する識別番号である。計画ＩＤ１８０１には、例えば、「１」の情報が格納される。評価項目１のユーザ評価値１８０２および評価項目２のユーザ評価値１８０３は、目的関数の設定で用いた評価項目におけるユーザの評価値を表している。評価項目１のユーザ評価値１８０２には、例えば、目的関数ｙの評価項目を「納期」として、計画（計画データ）をユーザが評価したときの評価値が「１５」である場合、「１５」の情報が格納される。評価項目２の評価値１００５には、例えば、目的関数ｙの評価項目を「生産時間」として、計画（計画データ）をユーザが評価したときの評価値が「１５」である場合、「１５」の情報が格納される。

ユーザ総合評価値１８０４は、ユーザによりユーザ用端末１０６に入力された値であって、ユーザ用端末１０６から評価入力装置１０７に送信された値であり、対象計画に対する、ユーザによる総合評価値（ユーザ評価結果）を示すユーザデータを表している。ユーザ総合評価値１８０４には、例えば、対象計画に対する、ユーザによる総合評価値が高いとして、「８０」の情報が格納される。なお、ユーザによる総合評価値が、「高い」よりも低い場合には、「８０」より小さい数値の情報が、ユーザ総合評価値１８０４に格納される。

ここで、評価項目１のユーザ評価値１８０２には、計画データで特定される納期が、出荷までの日数である場合、評価値として小さい値が良い値として格納される。また、評価項目２のユーザ評価値１８０３には、計画データで特定される時間が、製品の生産時間である場合、評価値として小さい値が良い値として格納される。このため、計画ＩＤ１８０１が「１」の計画は、評価項目１のユーザ評価値１８０２に記録される数値が、計画ＩＤ１８０１が「２」の計画よりも大きいが、計画ＩＤ１８０１が「３」の計画よりも小さく、評価項目２のユーザ評価値１８０３に記録される数値が、他の計画よりも低いので、ユーザ総合評価値１８０４として、３つの計画の中で最も高い数値である「８０」が選択されている。なお、各計画のユーザ総合評価値１８０４を、計画データの複数の属性に関連づけて格納することもできる。また、ユーザ総合評価値１８０４に用いる情報としては、「○」、「△」、「×」などの段階評価の情報でも良い。

次に、図１９を用いて、実施例２における評価学習装置の学習処理について詳述する。図１９は、実施例２における評価学習装置の学習処理を説明するためのフローチャートである。なお、実施例２における評価学習装置の学習処理は、図１３のステップ１３０３の詳細な内容である。

図１９において、まず、評価学習装置１０９のＣＰＵは、図１８の計画評価結果ＤＢ１０８から学習対象の評価結果データとして、評価項目１のユーザ評価値１８０２と評価項目２のユーザ評価値１８０３に記録されたデータ（評価データ）及びユーザ総合評価値１８０４に記録されたデータ（ユーザデータ）を読み込む（ステップ１９０１）。

次に、評価学習装置１０９のＣＰＵは、自動評価値である評価データ（評価項目１のユーザ評価値１８０２と評価項目２のユーザ評価値１８０３に記録されたデータ）とユーザ総合評価値１８０４であるユーザデータとを学習データの入力とし、目的関数のパラメータを学習データの出力として、その関係を学習する（ステップ１９０２）。この際、評価学習装置１０９のＣＰＵは、学習データの入力と出力との関係から、どんな評価データが入力されたら、どんな目的関数のパラメータが出力されるかを学習することができる。

次に、評価学習装置１０９のＣＰＵは、ステップ１９０２で学習した結果を評価学習器ＤＢ１１０に格納し（ステップ１９０３）、その後、このルーチンでの処理を終了する。

なお、この後、計画立案装置１０４は、図１５のステップ１５０２の処理を実行し、計画評価装置２０２は、ステップ１９０３で評価学習器ＤＢ１１０に格納された学習結果を評価学習器の学習データとして、図１６のステップ１６０１～ステップ１６０３の処理を実行することができる。

本実施例によれば、実施例１と同様の効果を奏することができると共に、評価データ（評価項目のユーザ評価値）及びユーザデータ（ユーザ総合評価値）を学習データの入力とし、目的関数のパラメータを学習データの出力として、その関係を学習した評価学習器を用いて各計画候補を評価することができる。

各実施例では、計画を自動的に立案する例について説明した。なお、本発明は上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、注文情報ＤＢ１０１、制約条件ＤＢ１０２、及び自動立案システム１０３で計画立案システムを構成することもできる。また、注文情報ＤＢ１０１及び制約条件ＤＢ１０２を自動立案システム１０３内に配置して、計画立案システムを構成することもできる。上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全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、上記の各構成、機能等は、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ェアで実現してもよい。また、上記の各構成、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ェ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、または、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。

１０１ 注文情報ＤＢ、１０２ 制約条件ＤＢ、１０３ 自動立案システム、１０４ 計画立案装置、１０５ 自動計画ＤＢ、１０６ ユーザ用端末、１０７ 評価入力装置、１０８ 計画評価結果ＤＢ、１０９ 評価学習装置、１１０ 評価学習器ＤＢ、２０１ 計画立案部、２０２ 計画評価装置、２０３ 計画結果出力部、３０１ 目的関数評価部、３０２ 評価学習器読込部、３０３ 評価予測部、３０４ 予測信頼度計算部、３０５ 計画評価部、４０１ 計画結果読込部、４０２ 計画結果表示部、４０３ 評価結果保存部、５０１ 学習器選択部、５０２ 学習入力・出力部、５０３ 学習部、５０４ 学習器保存部、６０１ ＣＰＵ、６０２ メモリ、６０３ インターフェース、６０４ ネットワークインターフェース、６０５ キーボード、６０６ 画面、６０７ マウス、６０８ ハードディスク、１７０１ 学習入力・出力部、１７０２ パラメータ学習部、１７０３ 学習結果保存部

Claims (8)

1. 計画の仕様を特定する複数の要素に関する仕様情報と前記複数の要素の各々についての制約条件を規定した制約条件情報とを基に前記計画の候補となる複数の計画候補を立案し、立案した前記複数の計画候補の各々の内容を計画データとして生成する計画立案装置と、
   前記計画立案装置により生成された前記各計画データをユーザ用端末に送信し、前記ユーザ用端末から前記各計画データに対するユーザの評価結果を示すユーザデータをそれぞれ受信する評価入力装置と、
   少なくとも前記評価入力装置の受信による前記各ユーザデータを学習データとして学習し、学習結果から前記各計画候補に対する評価学習器を構築する評価学習装置と、
   前記各計画データを目的関数又は前記評価学習器で評価し、前記各計画データに対する評価結果を示す複数の評価データを生成する計画評価装置と、を備え、
   前記計画評価装置は、
   前記評価学習装置の構築による前記評価学習器を用いて、前記各計画候補の評価値を予測して評価予測値を生成する評価予測部と、
   前記評価予測部の生成による前記評価予測値に対する予測信頼度を前記各計画候補について計算する予測信頼度計算部と、
   前記評価予測部の生成による前記評価予測値と前記予測信頼度計算部の計算による前記予測信頼度とを基に前記各計画候補を評価する計画評価部と、を備え、
   前記計画評価部は、
   前記各計画候補に対する評価結果を基に前記各計画候補のうちいずれか１つの計画候補を立案対象の計画として選択することを特徴とする計画立案システム。
2. 請求項１に記載の計画立案システムであって、
   前記計画評価装置は、
   前記複数の評価データの各々を、前記計画データの属性を示す１以上の属性と前記計画データを評価するための評価項目の評価値を示す１以上の評価値に関するデータとして生成し、
   前記評価学習装置は、
   前記計画評価装置により生成された前記計画データの前記１以上の属性と前記評価項目の前記１以上の評価値を前記学習データの入力とし、前記評価入力装置の受信による前記ユーザデータに属するユーザ評価値を前記学習データの出力として、その関係を学習する学習器を前記評価学習器として構築することを特徴とする計画立案システム。
3. 請求項１に記載の計画立案システムであって、
   前記評価入力装置は、
   前記計画データを評価するための評価項目についてのユーザによる評価値を示す１以上のユーザ評価値に関するデータを前記ユーザ用端末から受信し、
   前記評価学習装置は、
   前記評価入力装置により受信された前記１以上のユーザ評価値と前記評価入力装置の受信による前記ユーザデータに属するユーザ総合評価値を前記学習データの入力とし、前記目的関数のパラメータを前記学習データの出力として、その関係を学習する学習器を前記評価学習器として構築することを特徴とする計画立案システム。
4. 請求項１に記載の計画立案システムであって、
   前記計画評価部は、
   前記各計画候補の予測信頼度がそれぞれ高い場合、前記各計画候補のうち前記各計画候補の評価予測値が高い方の計画候補を前記立案対象の計画として選択し、
   前記各計画候補のうち一方の計画候補の予測信頼度が高く、且つ前記一方の計画候補の評価予測値が良い場合、前記一方の計画候補を前記立案対象の計画として選択し、
   前記各計画候補のうち前記一方の計画候補の予測信頼度が高く、且つ前記一方の計画候補の評価予測値が悪い場合、他方の計画候補の予測信頼度が高いことを条件に、前記他方の計画候補を前記立案対象の計画として選択し、
   前記各計画候補の予測信頼度がそれぞれ低い場合、前記各計画候補を前記目的関数で評価し、当該評価による評価値の良い方の計画候補を前記立案対象の計画として選択することを特徴とする計画立案システム。
5. 計画の仕様を特定する複数の要素に関する仕様情報と前記複数の要素の各々についての制約条件を規定した制約条件情報とを基に前記計画の候補となる複数の計画候補を立案し、立案した前記複数の計画候補の各々の内容を計画データとして生成する計画立案ステップと、
   前記計画立案ステップにより生成された前記各計画データをユーザ用端末に送信し、前記ユーザ用端末から前記各計画データに対するユーザの評価結果を示すユーザデータをそれぞれ受信する評価入力ステップと、
   少なくとも前記評価入力ステップでの受信による前記各ユーザデータを学習データとして学習し、学習結果から前記各計画候補に対する評価学習器を構築する評価学習ステップと、
   前記計画立案ステップで生成された前記各計画データを目的関数又は前記評価学習器で評価し、前記各計画データに対する評価結果を示す複数の評価データを生成する計画評価ステップと、を備え、
   前記計画評価ステップは、
   前記評価学習ステップでの構築による前記評価学習器を用いて、前記各計画候補の評価値を予測して評価予測値を生成する評価予測ステップと、
   前記評価予測ステップでの生成による前記評価予測値に対する予測信頼度を前記各計画候補について計算する予測信頼度計算ステップと、
   前記評価予測ステップでの生成による前記評価予測値と前記予測信頼度計算ステップでの計算による前記予測信頼度とを基に前記各計画候補を評価する評価ステップと、を備え、
   前記評価ステップでは、
   前記各計画候補に対する評価結果を基に前記各計画候補のうちいずれか１つの計画候補を立案対象の計画として選択することを特徴とする計画立案方法。
6. 請求項５に記載の計画立案方法であって、
   前記計画評価ステップでは、
   前記複数の評価データの各々を、前記計画データの属性を示す１以上の属性と前記計画データを評価するための評価項目の評価値を示す１以上の評価値に関するデータとして生成し、
   前記評価学習ステップでは、
   前記計画評価ステップで生成された前記計画データの前記１以上の属性と前記評価項目の前記１以上の評価値を前記学習データの入力とし、前記評価入力ステップでの受信による前記ユーザデータに属するユーザ評価値を前記学習データの出力として、その関係を学習する学習器を前記評価学習器として構築することを特徴とする計画立案方法。
7. 請求項５に記載の計画立案方法であって、
   前記評価入力ステップでは、
   前記計画データを評価するための評価項目についてのユーザによる評価値を示す１以上のユーザ評価値に関するデータを前記ユーザ用端末から受信し、
   前記評価学習ステップでは、
   前記評価入力ステップにより受信された前記１以上のユーザ評価値と前記評価入力ステップでの受信による前記ユーザデータに属するユーザ総合評価値を前記学習データの入力とし、前記目的関数のパラメータを前記学習データの出力として、その関係を学習する学習器を前記評価学習器として構築することを特徴とする計画立案方法。
8. 請求項５に記載の計画立案方法であって、
   前記評価ステップでは、
   前記各計画候補の予測信頼度がそれぞれ高い場合、前記各計画候補のうち前記各計画候補の評価予測値が高い方の計画候補を前記立案対象の計画として選択し、
   前記各計画候補のうち一方の計画候補の予測信頼度が高く、且つ前記一方の計画候補の評価予測値が良い場合、前記一方の計画候補を前記立案対象の計画として選択し、
   前記各計画候補のうち前記一方の計画候補の予測信頼度が高く、且つ前記一方の計画候補の評価予測値が悪い場合、他方の計画候補の予測信頼度が高いことを条件に、前記他方の計画候補を前記立案対象の計画として選択し、
   前記各計画候補の予測信頼度がそれぞれ低い場合、前記各計画候補を前記目的関数で評価し、当該評価による評価値の良い方の計画候補を前記立案対象の計画として選択することを特徴とする計画立案方法。

Images