JP7274434B2 - 流用設計支援システム及び流用設計支援方法 - Google Patents

Description

本発明は、過去に設計した案件を流用する流用設計支援システム及び流用設計支援方法の技術に関する。

プラント等の製造業の設計時において、実績のある過去の案件から類似の案件を選定し、その案件の仕様を基に、設計変更を行う流用設計が行われることがある。このような流用設計が行われることにより、０から設計するよりも開発リードタイムの短縮が可能となる。このような流用設計では、熟練した設計者が過去の経験に基づき、多くの設計仕様値や制約条件等を考慮して、最適な類似案件を選定することが行われている。その際、選定を行う設計者の熟練度や、考慮する事項の優先度の差異等により、選定される案件が異なってしまうという課題がある。

このような課題に対し、特許文献１～３に記載の技術が開示されている。
特許文献１には、「設計事例データベースの中から，要求仕様入力データに基づく仕様を満たす要求仕様実績データに対応する設計実績データを検索する一次検索を行い（Ｓ４），所定の選択規則に従って前記一次検索により得られた設計実績データの内容の中から代表値を設計案として選択し（Ｓ６），設計事例データベースの中から，選択された前記代表値と値が同じ他の設計実績データに対応する要求仕様実績データを検索し（Ｓ１１），各検索結果及び前記代表値を併せて出力する（Ｓ１４）」設計事例探索装置、設計事例探索プログラムが開示されている（要約参照）。

また、特許文献２には、「設計対象物に対する要求仕様を入力する要求仕様入力手段と、要求仕様から適用すべき設計仕様を判定する知識を格納した知識ベースと、要求仕様に基づいて知識ベースを用いて適用すべき設計仕様を判定する推論エンジンとを備えた設計仕様判定手段と、過去の設計事例を格納した設計事例ベースを記憶しておく設計事例記憶手段と、設計仕様判定手段が判定した設計仕様と実質的に同一の設計仕様を有する過去の設計事例を設計事例ベースから検索する類似事例検索手段と、類似事例検索手段が検索した過去の設計事例の内容を出力する検索結果出力手段とを備えた」類似設計事例検索装置が開示されている（要約参照）。

そして、特許文献３には、「過去の製品の設計事例の仕様値とその製品を生産するためのコスト・期間などの情報を管理する設計事例記憶部と、要求仕様項目毎の推奨重みを記憶する推奨重み記憶部と、要求仕様値を受け付ける要求仕様受付部と、要求仕様値に対して前記設計情報記憶部に記憶されている各設計事例の仕様値が満足している度合いである要求仕様満足度を算出する要求仕様満足度算出部と、検索された設計事例の推奨値を推奨重み記憶部に記憶されている推奨重みにより算出する推奨度算出部と、検索された製品を類似度と推奨度と合わせて表示し、類似度と推奨度により並べ替えができる検索結果表示部とを備える」類似設計事例検索装置が開示されている（要約参照）。

特開２０１０－０２０６１７号公報 特開平７-２１９９８９号公報 特開２０１２-１８５７５５号公報

特許文献１及び特許文献２に記載の手法では、類似案件を選定する設計者の経験的な抽出ルールがプログラムにより再現される。その際に優先する項目の重要度が重みづけされたり，必要な制約・干渉条件を考慮した類似案件が検索されたりするようになっている。しかしながら、実際に設計者によって異なる経験的な抽出ルールのうち、どの項目を重要視するかといった抽出ルールを妥当であるかを判断することは難しい。例えば、ある人物が用いている抽出ルールが、本当に妥当であるか否かはわからないことが多い。また、類似と判定された案件がどの程度の類似であるかを定量的に把握するのも困難である。また、特許文献３に記載の記載の技術も、さらなる改良が必要である。

このような背景に鑑みて本発明がなされたのであり、本発明は、効率的な流用設計を実現させることを課題とする。

前記した課題を解決するため、本発明は、過去に設計された複数の案件である過去設計案件のうち、これから設計する案件である設計案件と類似した前記過去設計案件を検索するための検索条件として、前記設計案件の値が情報として入力される検索条件入力部と、前記検索条件に含まれる値を基に乱数を生成する乱数生成部と、前記乱数生成部によって生成された前記乱数を基に評価値を設定し、複数の前記過去設計案件における値と、前記評価値とを比較し、前記過去設計案件を絞り込むことで、前記検索条件に類似している前記過去設計案件である第１類似案件を絞り込む第１類似案件抽出部と、前記乱数生成部及び前記第１類似案件抽出部が行う処理をＮ回（Ｎ＞１）行い、複数の前記過去設計案件のうち、それぞれの前記過去設計案件が、前記Ｎ回のうち、何回、前記第１類似案件として絞り込まれたかを数値化した類似スコアを算出する類似スコア算出部と、前記類似スコアに基づいて、所定の前記過去設計案件を第２類似案件として出力部に出力する第２類似案件出力部と、を有することを特徴とする。
その他の解決手段は実施形態中において適宜記載する。

本発明によれば、効率的な流用設計を実現することができる。

第１実施形態に係る類似案件抽出システムの構成を示す図である。 過去設計案件データベースの例を示す図である。 第１実施形態における類似設計案件抽出方法の手順を示すフローチャートである。 第１実施形態における入力画面の一例を示す図である。 第１実施形態で生成される乱数を示す図である。 第１実施形態における類似判定処理の詳細な手順を示すフローチャートである。 第１実施形態における出力画面の例を示す図である。 第２実施形態に係る類似案件抽出システムの機能ブロック図である。 第２実施形態における設計仕様案推定部の構成を示す図である。 第２実施形態における類似設計案件抽出方法の手順を示すフローチャートである。 第２実施形態における設計仕様案推定処理の詳細な手順を示すフローチャートである。 第２実施形態に係る類似案件抽出システムの機能ブロック図である。 第３実施形態における類似設計案件抽出方法の手順を示すフローチャートである。 第３実施形態における類似判定処理の詳細な手順を示すフローチャートである。 第２実施形態に係る類似案件抽出システムの機能ブロック図である。 第４実施形態における類似設計案件抽出方法の手順を示すフローチャートである。 第４実施形態における設計仕様チェック出力画面の例を示す図である。 類似案件抽出装置のハードウェア構成を示す図である。

次に、本発明を実施するための形態（「実施形態」という）について、適宜図面を参照しながら詳細に説明する。

［第1実施形態］
（システム）
図１は第１実施形態に係る類似案件抽出システム１の構成を示す図である。
図１に示す類似案件抽出システム１は、類似案件抽出装置１００、過去設計案件データベース２０１、抽出ルールデータベース２０２、入出力端末３００を有している。なお、類似案件抽出装置１００、過去設計案件データベース２０１、抽出ルールデータベース２０２、入出力端末３００のそれぞれは、互いにインターネットや、イントラネット等といったネットワークを介して接続されている。なお、本実施形態では、類似案件抽出装置１００、過去設計案件データベース２０１、抽出ルールデータベース２０２、入出力端末３００のそれぞれが別の装置として設置されているものとしているが、これに限らない。例えば、類似案件抽出装置１００、過去設計案件データベース２０１、抽出ルールデータベース２０２、入出力端末３００のうち、少なくとも２つが一体の装置となっていてもよい。

類似案件抽出装置１００は、検索条件入力部１１０、モンテカルロシミュレーション実行部１２０、類似スコア算出部１３０、類似案件出力部１４０を有している。
検索条件入力部１１０には、ユーザが入力部３０１を介して入力した、今回設計の対象となる検索条件等が入力される。
モンテカルロシミュレーション実行部１２０は、過去設計案件データベース２０１、抽出ルールデータベース２０２、及び、入力された検索条件を基に、第１類似案件を抽出する。第１類似案件については後記する。具体的には、モンテカルロシミュレーション実行部１２０は、入力された検索条件に類似の過去設計案件を、モンテカルロ法によりばらつきを持たせた抽出ルールにより何度も抽出する処理を繰り返す。ここで、乱数のばらつきは、例えば正規分布に従う。

また、モンテカルロシミュレーション実行部１２０は、乱数生成部１２１、類似判定部１２２を有する。
乱数生成部１２１は、モンテカルロ法で用いる乱数を生成させる。
類似判定部１２２は、乱数生成部１２１が生成した乱数を用いて、検索条件と類似する過去設計案件であるか否かを判定する。

類似スコア算出部１３０は、モンテカルロシミュレーションで抽出された回数を集計し、類似スコアを算出する。
類似案件出力部１４０は、算出された類似スコアの高い案件を出力する。類似スコアは後記する。
なお、各部１１０～１４０，１２１～１２２が行う処理については、後記して説明する。

過去設計案件データベース２０１は、過去に設計された案件（過去設計案件）の仕様情報が格納されているデータベースである。過去設計案件データベース２０１については後記する。
抽出ルールデータベース２０２は、熟練者の経験的な第１類似案件の抽出ルールをコンピュータが利用できるようにしたルール（抽出ルール）が格納されているデータベースである。抽出ルールについては後記する。第１類似案件については後記する。
なお、本実施形態では、過去設計案件データベース２０１及び抽出ルールデータベース２０２が、類似案件抽出システム１を構成しているものとしているが、これに限らない。例えば、図示しないクラウド上に設置されているなど、過去設計案件データベース２０１及び抽出ルールデータベース２０２が類似案件抽出システム１の外部に設置されていてもよい。この場合、類似案件抽出装置１００は、クラウド上に設置されている過去設計案件データベース２０１及び抽出ルールデータベース２０２から適宜データを取得する。

入出力端末３００は、入力部３０１、及び、出力部３０２を有する。
入力部３０１は、キーボード、マウス等の種々の入力装置であり、ユーザが類似案件抽出システム１に情報の入力をする際に用いられる。
出力部３０２は、ディスプレイ装置等の出力デバイスであり、類似案件抽出装置１００による処理の過程や、結果、類似案件抽出装置１００によるユーザのための対話的な処理のための画面を表示する。

本実施形態では、類似案件抽出装置１００を発電プラント（以降、単にプラントと称する）における処理に適用した例を示す。具体的には、新たなプラント（「プラントα」とする）を設計するにあたり、過去に設計したプラント（「プラントＡ」～「プラントＺ」とする）のうち、どのプラントの設計を参考にすればよいかを検索する例を示す。

（過去設計案件データベース２０１）
図２は、過去設計案件データベース２０１の例を示す図である。
過去設計案件データベース２０１には、過去に設計されたプラントである「プラントＡ」～「プラントＺ」に関する情報が格納されている。
そして、過去設計案件データベース２０１には、「出力」、「流体圧力」、「流体温度」、「ポンプ揚程」、「配管流速（配管Ａ）、「配管流速（配管Ｂ）」等の数値データが格納されている。さらに、過去設計案件データベース２０１には、「ボイラ型式」、「冷却方式」等のカテゴリデータが格納されている。図２に示されるように、各データ（数値データ、カテゴリデータ）は、各プラントに対応付けられて格納されている。また、「出力」、「流体圧力」、「流体温度」、「ポンプ揚程」、「配管流速（配管Ａ）、「配管流速（配管Ｂ）」、「ボイラ型式」、「冷却方式」等を項目（過去設計案件項目）と称することとする。ここでは、８つの項目が示されているが、実際には、過去設計案件データベース２０１は、何千、何万という項目が格納されている。

ここで、本実施形態で行われる処理の概要を記載する。
本実施形態では、検索条件として図２の「出力」、「流体圧力」、「流体温度」、「ボイラ型式」、「冷却方式」の値が入力される（検索項目）。そして、第１実施形態に示す例では、類似案件抽出装置１００は、「出力」、「流体圧力」、「流体温度」が似ており、かつ、「ボイラ型式」、「冷却方式」が同一の過去設計案件を「プラントα」の参考用（第２類似案件）として抽出する。ちなみに、検索条件として採用されなかった「ポンプ揚程」、「配管流速（配管Ａ）、「配管流速（配管Ｂ）」は、設計段階において設定される仕様値（設計仕様値）となる。

そして、モンテカルロシミュレーション実行部１２０は、入力された「出力」、「流体圧力」、「流体温度」のプラス側、マイナス側に閾値を設ける。そして、類似案件抽出装置１００は、「出力」、「流体圧力」、「流体温度」が、設けられた閾値の範囲に入っている過去設計案件を第１類似案件として抽出する。詳細は後記する。

（全体処理）
次に、第１実施形態における類似設計案件抽出方法の処理を説明する。
図３は、第１実施形態における類似設計案件抽出方法の手順を示すフローチャートである。
まず、検索条件入力部１１０を介して、ユーザが検索条件を入力する検索条件入力処理が行われる（Ｓ１０１）。前記したように、ここでは、過去設計案件データベース２０１に格納されている項目のうち、「出力」、「流体圧力」、「流体温度」の値、及び、「ボイラ型式」、「冷却方式」が検索条件として入力される例を示す。

図４は、第１実施形態における入力画面４００の一例を示す図である。
図４に示す入力画面４００は、図３のステップＳ１０１において、出力部３０２に表示される画面である。
第１実施形態では、プラントの「出力」、「流体圧力」、「流体温度」の値が検索条件として入力される。また、カテゴリデータである「ボイラ型式」、「冷却方式」も検索条件として入力される。

そして、図に示すように、「出力」、「流体圧力」、「流体温度」は、数値入力窓４０１によって入力され、「ボイラ型式」、「冷却方式」はプルダウンメニュー４０２によって選択入力される。

そして、ユーザが、検索実行ボタン４０３を選択入力することによって、図３のステップＳ１０２が実行される。なお、ユーザが終了ボタン４０４を選択入力すると、類似案件抽出装置１００は図３の処理を終了する。

図３の説明へ戻る。
ステップＳ１０１で検索条件が入力されると、乱数生成部３２１がモンテカルロ法に使用する乱数を生成する乱数生成処理を行う（Ｓ１０２）。

ここで、図３のステップＳ１０２について説明する。モンテカルロシミュレーション実行部１２０が生成する乱数は、検索条件の対象となっている「出力」、「流体圧力」、「流体温度」のそれぞれにおける閾値（評価値）である。
図５は、ステップＳ１０２で生成される乱数を示す図である。図５において、横軸は出力を示し、縦軸は頻度を示している。
ここでは、「出力」のｍに対して±ｍ１の範囲にある過去設計案件が抽出されるものとする。ここで、ｍはステップＳ１０１において、検索条件として入力される値であり、ｍに対するｍ１の値は予め設定されている値である。

乱数生成部１２１は、一例として、以下の式（１）で示す正規分布に基づく乱数を生成する。

ここで、ｘは生成される乱数の値、ｆ（ｘ）は生成頻度、μは生成する乱数の平均値、σは標準偏差である。当該平均値及び標準偏差は熟練者の経験等を基に予め設定される。

つまり、図５に示すように、乱数生成部１２１は、＋ｍ１を平均値とする正規分布４１１の範囲で＋側の閾値の乱数を生成させる。同様に、乱数生成部１２１は、－ｍ１を平均値とする正規分布４１２の範囲で－側の閾値の乱数を生成させる。なお、乱数生成部１２１は、ある乱数ｒを生成させると、＋ｒを＋側の閾値とし、－ｒを－側の閾値とする。あるいは、乱数生成部１２１は、＋側の閾値として乱数ｒ１を生成し、－側の閾値として乱数ｒ２を生成する等、＋側の閾値の乱数と、－側の閾値の乱数とを個別に生成してもよい。

本実施形態では、正規分布に基づく乱数を生成させているが、一様分布や、ガンマ分布、ベータ分布等、正規分布以外の確率分布に基づく乱数が生成されてもよい。また乱数の生成は、線形合同法、メルセンヌ・ツイスタ、カオス乱数等のアルゴリズムが用いられる。

図３の説明に戻る。
ステップＳ１０２が終了すると、類似判定部１２２が類似判定処理を行う（Ｓ１０３）。
ステップＳ１０３の処理を、図６を参照して説明する。
図６は、第１実施形態における類似判定処理の詳細な手順を示すフローチャートである。
まず、類似判定部１２２は、過去設計案件のうち、「出力」が±ｍ１以内の過去設計案件を絞り込む（Ｓ２０１）。
次に、類似判定部１２２は、過去設計案件のうち、「流体圧力」が±ｇ１以内の過去設計案件を絞り込む（Ｓ２０２）。
そして、類似判定部１２２は、過去設計案件のうち、「流体温度」が±ｈ１以内の過去設計案件を絞り込む（Ｓ２０３）。
ここで、ｇ１、ｈ１の各値は、ｍ１と同様であり、ステップＳ１０２において乱数生成部１２１により生成される乱数の平均値である。ちなみに、検索条件として、「出力」のｍに相当する、「流体圧力」のｇ、「流体温度」のｈが入力されているものとする。

続いて、類似判定部１２２は、過去設計案件のうち、「ボイラ形式」が図３のステップＳ１０１で入力された検索条件における「ボイラ型式」と同じ過去設計案件を絞り込む（Ｓ２０４）。
最後に、類似判定部１２２は、過去設計案件のうち、「冷却方式」が図３のステップＳ１０１で入力された検索条件における「冷却方式」と同じ過去設計案件を絞り込む（Ｓ２０５）。
ここで、ステップＳ２０４，Ｓ２０５において、ボイラ型式、冷却方式が同じプラントが存在しない場合、類似判定部１２２は、ステップＳ２０４，Ｓ２０５における絞り込み処理を実行しない。

そして、類似判定部１２２は、ステップＳ２０１～Ｓ２０５の処理の結果、最終的に残った過去設計案件を第１類似案件として出力する（Ｓ２０６）。
そして、モンテカルロシミュレーション実行部１２０は図３のステップＳ１０４へリターンする。
抽出ルールデータべース２０２には、このような熟練者の経験的な第１類似案件の抽出ルールを蓄積したものが格納されている。

図３の説明に戻る。
ステップＳ１０３の処理が終了すると、モンテカルロシミュレーション実行部１２０は、ステップＳ１０３，Ｓ１０４の処理をＮ回行ったか否かを判定する（Ｓ１０４）。Ｎは予め設定される値であり、例えば、Ｎ＝１０００や、Ｎ＝１００００等である。

ステップＳ１０３，Ｓ１０４の処理をＮ回行っていない場合（Ｓ１０４→Ｎｏ）、モンテカルロシミュレーション実行部１２０はステップＳ１０２へ処理を戻す。すなわち、乱数生成部１２１は、「出力」、「流体圧力」、「流体温度」の閾値それぞれについて、新たに乱数を生成する。そして、類似判定部１２２は、生成した、それぞれの乱数を「出力」、「流体圧力」、「流体温度」それぞれの閾値として、ステップＳ１０２の乱数生成処理を実行する。すなわち、モンテカルロシミュレーションが行われる。

ステップＳ１０３，Ｓ１０４の処理をＮ回行っている場合（Ｓ１０４→Ｙｅｓ）、類似スコア算出部１３０は、それぞれの過去設計案件について類似スコアを算出する類似算出処理を行う（Ｓ１０５）。具体的には、類似スコア算出部１３０は、例えば、式（２）を算出することで類似スコアを算出する。

Ｓ＝ｎ／Ｎ ・・・ （２）

ここで、Ｓは類似スコアである。また、ｎは、ある過去設計案件が類似判定部１２２で類似と判定された回数である。「プラントＡ」について例をあげると、ステップＳ１０４において、Ｎ＝１０００とした場合、ステップＳ１０２，Ｓ１０３を１０００回行ったうちで、「プラントＡ」が第１類似案件として残った回数である。前記したように、Ｎはモンテカルロシミュレーションの繰り返し回数である。すなわち、ＮはステップＳ１０４におけるＮである。例えば、ステップＳ１０２，Ｓ１０３を１０００回行ったうちで、「プラントＡ」が第１類似案件として残った回数が５４１であれば、類似スコアＳは０．５４１となる。類似スコア算出部１３０は、同様の手法で、「プラントＢ」～「プラントＺ」の各過去設計案件についても類似スコアを算出する。

最後に、類似案件出力部１４０が、類似スコアが上位の過去設計案件を第２類似案件として出力部３０２に出力する第２類似案件出力処理を行う（Ｓ１０６）。

（出力画面５００）
図７は、図３のステップＳ１０６で出力される出力画面５００の例を示す図である。
図７に示す出力画面４００の例では、類似スコアが上位５件の過去設計案件（第２類似案件）の案件名と、類似スコアを示す棒グラフとが対応付けられて出力されている。

なお、図７に示す出力画面５００は一例であり、図７に示す出力画面５００とは異なる構成を有していてもよい。例えば、過去設計案件の案件名と、類似スコアとがリスト形式で表示されてもよい。また、図７では、類似スコアが上位５件の過去設計案件が表示されているが、類似スコアがある閾値以上の過去設計案件が第２類似案件として表示されてもよい。また、類似スコアの他にも、検索条件の各項目の値がどの程度類似しているかを示すため、例えばレーダチャートで各項目の値の差異を示してもよい。なおレーダチャートが用いられる場合、表示される検索条件の各項目は、「出力」、「流体圧力」、「流体温度」といった数値データとなる。

ユーザは、この類似スコアが大きい過去設計案件（第２類似案件）を流用設計の流用元の候補として考えることができる。すなわち、図７の例では、これから設計する「プラントα」の参考として最適と考えられるのは「プラントＤ」ということになる。

また、第１実施形態では、類似判定部１２２が過去設計案件を絞り込む際の閾値に対して乱数を生成しているが、閾値以外の抽出ルールのパラメータに対して乱数を生成させるようにしてもよい。また、第１実施形態では、図５におけるｍの値が検索条件として入力され、乱数の平均値ｍ１の値は予め設定されているものとしているが、これに限らない。ｍ１の値も検索条件として入力されることで、ｍ１が適宜変更されるようにしてもよい（ｇ、ｈ、ｇ１、ｈ１も同様である）。

また、図６に示す処理は、類似判定処理の一例だが、絞り込む順番が異なっていてもよい。絞り込む順番が異なるとは、図６の例では、「出力」→「流体圧力」→「流体温度」→「ボイラ型式」→「冷却方式」の順に絞り込みが行われているが、必ずしも、この順に絞り込みが行われなくてもよいという意味である。

第１実施形態では、図６のステップＳ２０１～Ｓ２０５の処理が通しでＮ回実行されているが、これに限らない。例えば、類似判定部１２２は、ステップＳ２０１をＮ回実行した後に、ステップＳ２０２をＮ回実行し、さらに、ステップＳ２０３をＮ回実行するようにしてもよい。すなわち、ステップＳ２０１，Ｓ２０２，Ｓ２０３のそれぞれがＮ回ずつ実行されてもよい。この場合、乱数は、ステップＳ２０１，Ｓ２０２，Ｓ２０３のそれぞれがＮ回実行される毎に生成される。この手法が実行されると、類似スコアは、以下の式（３）で示される。

Ｓ＝（ｎ１＋ｎ２＋ｎ３）／３Ｎ ・・・ （３）

ここで、Ｓは類似スコアであり、ｎ１はステップＳ２０１をＮ回実行した結果、ある過去設計案件（例えば、「プラントＡ」）の「出力」が＋側の閾値と、－側の閾値との間に存在した回数である。また、ｎ２はステップＳ２０２をＮ回実行した結果、ある過去設計案件の「流体圧力」が＋側の閾値と、－側の閾値との間に存在した回数である。同様に、ｎ３はステップＳ２０３をＮ回実行した結果、ある過去設計案件の「流体温度」が＋側の閾値と、－側の閾値との間に存在した回数である。
抽出ルールデータべース２０１には、検索によって過去設計案件を抽出するためのルール（抽出ルール）が格納されている。抽出ルールとして、図６に示す処理における絞り込みの順番や、図６におけるｍ１，ｇ１，ｈ１等といった閾値の平均値、乱数を生成する際の正規分布の標準偏差σ等が格納されている。抽出ルールデータベース２０２に格納されている各値は、経験を基に設定される。

モンテカルロシミュレーションでは、シミュレーション対象の現象に対して、その入力に大量の乱数を与えて出力値を観測することで、その現象が確率的に解かれる。第１実施形態では、モンテカルロシミュレーションによる確率的評価指標（類似スコアＳ）が第２類似案件の判定に適用される。このようにすることで、これまでは妥当性が明らかでなかった類似判定基準に対して、より頑強な解を得ることができる。また、熟練者の経験を活かしつつ、未熟練者でも同じ案件を抽出することができる。また、類似スコアを算出することで定量的に類似度を把握することができる。このようにすることで、効率的な流用設計を実現することができる。

なお、第１実施形態において、検索条件における項目が「出力」、「流体圧力」、「流体温度」、「ボイラ型式」、「冷却方式」に限らないことは当然である。

［第２実施形態］
本実施形態では、第２類似案件の抽出後に、抽出された案件の設計データを用いて設計仕様値を推定する、類似設計案件抽出手法及びシステムを説明する。ここで、設計仕様値とは、図２で前記したように、過去設計案件データベース２０１において検索条件として設定された項目以外の項目であり設計段階において設定される仕様値である。図２の例では、「ポンプ揚程」、「配管流速（配管Ａ）」、「配管流速（配管Ｂ）」が設計仕様値となる。第２実施形態の類似案件抽出システム１ａは、これらの設計仕様値を、どのような値に設定すればよいかをユーザに提示するものである。

（システム）
図８は第２実施形態に係る類似案件抽出システム１ａの機能ブロック図である。図８において、図１と同様の構成については同一の符号を付して説明を省略する。
類似案件抽出システム１ａにおける類似案件抽出装置１００ａが設計仕様案推定部１５０及び設計仕様案出力部１６０を有している点が、図１に示す類似案件抽出装置１００と異なる点である。
設計仕様案推定部１５０は、学習等を用いて、これから設計する案件（設計案件）の設計仕様値が推定される。
設計仕様案出力部１６０は、設計仕様案推定部１５０が推定した設計仕様値を出力部３０２に出力する。

図９は、第２実施形態における設計仕様案推定部１５０の構成を示す図である。
設計仕様案推定部１５０は、学習データ入力部１５１、学習モデル生成部１５２、設計仕様推定処理部１５３を有する。
学習データ入力部１５１は、設計仕様値を推定する際に用いられる学習に使用されるデータが入力される。その上で、学習データ入力部１５１は、学習のための説明変数、目的変数を設定する。
学習モデル生成部１５２は、設定された説明変数、目的変数を用いて機械学習を行い、学習モデルを生成する。
設計仕様推定処理部１５３は、検索条件入力部１１０から入力された検索条件と、学習モデルとからこれから設計する設計案件の設計仕様値を推定する。

（全体処理）
図１０は、第２実施形態における類似設計案件抽出方法の手順を示すフローチャートである。図１０において、図３と同様の処理については、同一のステップ番号を付して説明を省略する。
第１実施形態の図３に対して、図１０の処理は、設計仕様案推定処理（Ｓ１１１）及び設計仕様案出力処理（Ｓ１１２）が追加されている。

ステップＳ１０６において第２類似案件が出力されると、設計仕様案推定部１５０は、第２類似案件における各値を過去設計案件データベース２０１から取得する。

次に、設計仕様推定処理部１５３は、これから設計する設計案件（ここでは、「プラントα」）の設計仕様値を機械学習等の手法を用いて推定する設計仕様推定処理を行う（Ｓ１１１）。

図１１は、図１０のステップＳ１１１における設計仕様案推定処理の詳細な手順を示すフローチャートである。
まず、学習データ入力部１５１に、学習データが入力され、学習のための説明変数、目的変数が設定される（Ｓ３０１）。ここで、学習データとして、第２類似案件について過去設計案件データベース２０１に記録されている項目のうち、検索条件の項目（検索項目と称する）の値を説明変数とし、それ以外の項目（設計仕様項目と称する）の値を目的変数とする。例えば、学習データ入力部１５１は、第２類似案件について、図２の過去設計案件データベース２０１の項目のうち、検索条件を構成する「出力」、「流体圧力」、「流体温度」を説明変数とする。そして、学習データ入力部１５１は、過去設計案件データベース２０１の項目のうち、検索条件の構成以外の項目である設計仕様項目を目的変数とする。設計仕様項目は、図２の例では、「ポンプの揚程」や、「配管流速（配管Ａ）」、「配管流速（配管Ｂ）」等である。

次に、学習モデル生成部１５２が、学習データを用いて説明変数と目的変数の関係から学習モデルを生成する（Ｓ３０２）。学習モデルとして、例えば、サポートベクターマシンや、ランダムフォレストといったモデルが用いられる。また、目的変数がカテゴリ型の場合、分類モデルが用いられ、数値型の場合、回帰モデルが用いられる。つまり、「出力」、「流体圧力」、「流体温度」等の数値データと、「ボイラ型式」、「冷却方式」等のカテゴリデータとは、別々に学習されるのがよい。

次に、検索条件入力部１１０で入力された検索条件の値（検索条件）が設計仕様案推定部１５０に入力される（Ｓ３０３）。ここで、入力される検索条件は、図３のステップＳ１０１で入力される検索条件の値と同じものである。さらに、ステップＳ３０３で入力される検索条件は、ステップＳ３０１で説明変数として入力された項目と同様の項目が入力される。

最後に、設計仕様推定処理部１５３は、学習モデル生成部１５２で生成された学習モデルを用いて、設計仕様値の推定を行う（Ｓ３０４）。具体的には、設計仕様案推定処理部１５３は、ステップＳ３０３で入力された検索条件の値が、ステップＳ３０２で生成された学習モデルに適用される。ステップＳ３０２で生成された学習モデルに適用されるとは、例えば、ステップＳ３０３で入力された検索条件の値が、学習モデルによって分類されるグループのうち、どのグループに属するかが判定されることである。

設計仕様案出力部１６０は、推定された設計仕様値を設計仕様案として出力部３０２に出力する設計仕様案出力処理を行う（図１４のステップＳ１１２）。具体的には、設計仕様推定処理部１５３は、ステップＳ３０３で入力された検索条件の値が属する学習モデルのグループにおける各設計仕様値の平均値を算出する。そして、ステップＳ１１２において、設計仕様案出力部１６０は、設計仕様推定処理部１５３が算出した平均値を設計仕様案として出力部３０２に出力する。なお、ステップＳ１１２において、ステップＳ３０３で入力された検索条件の値が属する学習モデルのグループの平均値及び分散を基に、設計仕様案の信頼区間が算出されてもよい。この場合、設計仕様案とともに、算出された信頼区間が出力部３０２に出力されてもよい。

第２実施形態によれば、第１実施形態の効果に加えて、類似スコアが上位の過去設計案件（第２類似案件）を参考にした設計仕様値の推定値（設計仕様案）がユーザに提示される。これにより、ユーザは流用設計を効率的に進めることができる。

なお、第２実施形態では、図１０において第２類似案件の出力（Ｓ１０６）と、設計仕様案の出力（Ｓ１１２）を別々に行っているが、同時、あるいは、同一画面で行ってもよい。ただし、この場合、第２類似案件の決定は、ステップＳ１１１の前に行われる。

［第３実施形態］
次に、図１２～図１４を参照して、本発明の第３実施形態を説明する。第３実施形態では、抽出ルールとして各項目の多次元空間での距離を用いた方法を適用する手法を説明する。

（システム）
図１２は第２実施形態に係る類似案件抽出システム１ｂの機能ブロック図である。図１２において、図１と同様の構成については同一の符号を付して説明を省略する。
図１６に示す類似案件抽出システム１ｂにおける類似案件抽出装置１００ｂは、モンテカルロシミュレーション実行部１２０ｂが乱数生成部１２１ｂ及び類似判定部１２２ｂを有している点が図１に示す類似案件抽出システム１と異なる。
乱数生成部１２１ｂは、類似判定部１２２ｂで用いる乱数を生成する。
類似判定部１２２ｂは、乱数生成部１２１ｂが生成した乱数を重み付け係数として、各項目間の距離を算出する。類似判定部１２２ｂの処理については後記する。

（全体処理）
図１３は、第３実施形態における類似設計案件抽出方法の手順を示すフローチャートである。図１３において、図３と同様の処理については同一のステップ番号を付して説明を省略する。
ステップＳ１０１の後、乱数生成部１２１ｂは、図１４のステップＳ２１２で用いられる重み付け係数を乱数で生成する乱数生成処理を行う（Ｓ１０２ｂ）。生成される乱数は、第１実施形態と同様、正規化分布等に基づくものである。
そして、類似判定部１２２ｂは乱数生成部１２１ｂが生成した乱数を用いて、過去設計案件から検索条件の値に近い過去設計案件を判定する類似判定処理を行う（Ｓ１０３ｂ）。ステップＳ１０３ｂの処理は後記する。

（類似判定処理）
図１４は、図１３のステップＳ１０３ｂにおける類似判定処理の詳細な手順を示すフローチャートである。
まず、類似判定部１２２は、過去設計案件データベース２０１におけるすべての項目の数値データを標準化する標準化処理を行う（Ｓ２１１）。標準化（正規化）は式（４）によって行われる。

Ｚｉ＝（ｘｉ－μ）／σ ・・・ （４）

ここで、ｚ_ｉは標準化後のデータ、ｘ_ｉは標準化前のデータ、μは生成させる平均、σは標準偏差である。標準化することで、検索条件における各項目の重要度が一度均一になる。
次に、類似判定部１２２は、各項目の類似判定における重要度で重み付けを行う重み付け処理を行う（Ｓ２１２）。この重み付け時の重み付け係数は図１３のステップＳ１０２ｂで生成された乱数が用いられる。この乱数を生成する確率分布のパラメータ（平均値、標準偏差等）は熟練者の経験によって予め設定される値である。重み付けについては後記する。

次に、類似判定部１２２は、検索条件における項目を座標軸とする多次元座標空間でのデータ間の距離を算出する距離算出処理を行う（Ｓ２１３）。距離は、例えば、式（４）に示すようなユークリッド距離が用いられる。

ここで、ｄは距離、ｎは項目数（座標軸の数；次元数）、ｑ_ｉ、ｐ_ｉは対象の２点のデータを示す。２点のデータのうち、一方は過去設計案件データベース２０１の値であり、他方は検索条件の値である。ただし、これらのデータは、同一の項目に属しているものである。まあ、対象となる過去設計案件は、過去設計案件データベース２０１に格納されているすべての過去設計案件である。ここではユークリッド距離を用いたが、例えば、マハラノビス距離等、他の距離が用いられてもよい。
ここで、重み付けとは、重み付けされる項目に対応する座標軸の１目盛りを、重み付けの値に応じて伸ばすことである。つまり、重み付けされる項目の距離が、重み付けの値に応じて大きくなる。

次に、類似判定部１２２は、ステップＳ２１３で算出された距離の平均値が、予め設定されている閾値より小さい過去設計案件、又は、距離が小さい上位数件の過去設計案件を第１類似案件として出力する第１類似案件出力処理を行う（Ｓ２１４）。なお、ステップＳ２１４で用いられる閾値はステップＳ１０２ｂで生成される乱数ではなく、予め設定されているものとするが、これに限らない。つまり、ステップＳ２１４で用いられる閾値もステップＳ１０２ｂで生成される乱数としてもよい。

以降の処理は、第１実施形態と同様である。つまり、式（２）のｎがステップＳ２１４で第１類似案件として出力された回数となる。

つまり、第３実施形態では、重み付け係数に対して、第１実施形態と同様に、例えば、正規分布に従う乱数をＮ回生成する。そして、類似判定部１２２は、生成された乱数を重み係数として、図１４に示す類似判定処理を行う。
このようにすることで、第３実施形態では、重み付け係数に関するモンテカルロシミュレーションが実行される。

第３実施形態によれば、第１実施形態と同様の効果を有することができる。
なお、第１実施形態の類似判定と、第３実施形態の類似判定とが組み合わされた類似判定が行われてもよい。第１実施形態の類似判定と、第３実施形態の類似判定とは、異なる類似判定の手法がある場合、これら３つ以上の類似判定手法が組み合わされてもよい。

［第４実施形態］
次に、図１５～図１７を参照して、本発明の第４実施形態を説明する。第４実施形態では、プラントの設計後、抽出した第２類似案件を用いて、設計したプラントの設計仕様値をチェックするための設計仕様チェック画面６００（図１７参照）が出力される。

（システム構成）
図１５は第２実施形態に係る類似案件抽出システム１ｃの機能ブロック図である。図１５において、図１と同様の構成については同一の符号を付して説明を省略する。
類似案件抽出システム１ｃの類似案件抽出装置１００ｃが設計仕様チェック部１７０を有している点が図１に示す類似案件抽出システム１と異なっている。
設計仕様チェック部１７０は、第２類似案件を参考にして設計された設計案件の設計仕様値が、過去設計案件に対して、どの程度相違しているかをチェックするための比較し、出力する。

（フローチャート）
図１６は第４実施形態における類似設計案件抽出方法の手順を示すフローチャートである。図１６において、図３と同様の処理については同一のステップ番号を付して説明を省略する。
図１６に示す処理では、ステップＳ１０６で出力された第２類似案件を基に、ユーザが設計案件（ここでは、「プラントα」）を設計する（Ｓ１２１）。なお、ステップＳ１２１の処理はユーザによる作業であるので破線のボックスで示されている。
そして、設計仕様チェック部１７０は、設計仕様チェック画面６００（図１７参照）を生成するチェック画面生成処理を行う（Ｓ１２２）。設計仕様チェック画面６００は、類似スコア算出部１３０で算出された類似スコアが上位となった第２類似案件の設計仕様値と、設計された設計案件の設計仕様値が、どの程度相違しているかを比較するための画面である。
その後、設計仕様チェック部１７０は、生成したステップＳ５０２の比較結果を出力部３０２に出力する比較処理出力処理を行う（Ｓ１２３）。

（設計仕様チェック画面６００）
図１７は、図１６のステップＳ１２３で出力される設計仕様チェック出力画面６００の例を示す図である。
図１７では、設計仕様チェックの視覚的な出力の例として、箱ひげ図を示す。
ここでは、「配管Ａ」と、「配管Ｂ」との配管流速を設計済案件の設計仕様値（破線６０１）と、過去の案件の実績値と比較することで設計仕様値のエラーをチェックするものとする。ここでの設計済案件は、第１～第３実施形態における設計案件（すなわち、「プラントα」）のことである。

図１７に示す箱ひげ６１０は過去設計案件のデータの分布を示している。箱ひげ６１０において、符号６１１は、すべての過去設計案件における該当項目の最小値を示し、符号６１２は、すべての過去設計案件における該当項目の最大値を示している。また、符号６１３は、最小値から２５％の値を示し、符号６１４は、最大値から２５％の値を示している。また、線６１５は該当項目における平均値を示す。該当項目とは、図１７の例では、「配管流速（配管Ａ）」、「配管流速（配管Ｂ）」である。

図１７では、箱ひげ６１０の中に、第２類似案件（ここでは、類似スコアが上位５件の過去設計案件）の値を丸プロット６２０で示している。また、前記したように設計済案件の設計仕様値を破線６０１で示している。図１７の例では、「配管Ａ」の配管流速において、設計済案件の設計仕様値（破線６０１Ａ）は第２類似案件の設計仕様値（丸プロット６２０）とほぼ同じ値である。対して、「配管Ｂ」の配管流速について、設計済案件の設計仕様値（破線６０１Ｂ）は第２類似案件の設計仕様値（丸プロット６２０）と大きく値が離れている。そのため、「配管Ｂ」について、ユーザは、再チェックの必要があると判断することができる。

第４実施形態によれば、第２類似案件に基づいて設計したプラントの設計仕様値が妥当であるか否かをチェックすることができる。これにより、流用設計によって設計された設計済み案件の妥当性をチェックすることができる。

なお、第４実施形態では、図１６において第２類似案件の出力（Ｓ１０６）と、設計仕様チェック画面６００の出力（Ｓ１２３）を別々に行っているが、同時、あるいは、同一画面で行ってもよい。

［ハードウェア構成図］
図１８は、類似案件抽出装置１００，１００ａ～１００ｃのハードウェア構成を示す図である。
類似案件抽出装置１００，１００ａ～１００ｃは、メモリ１８１、ＣＰＵ（Central Processing Unit）１８２、ＨＤ（Hard Disk）等の記憶装置１８３、ＮＩＣ（Network Interface Card）等の通信装置１８４を有する。
記憶装置１８３に格納されているプログラムがメモリ１８１にロードされる。そして、ロードされたプログラムがＣＰＵ１８２によって実行されることで、各部１１０～１７０，１２１，１２１ｂ，１２２，１２２ｂ，１５１～１５３が具現化する。

本実施形態では、発電プラント等のプラントが適用対象となっているが、これに限らない。
また、本実施形態では、類似スコアが大きければ大きいほど、検索条件に近い過去設計案件であるとしているが、これに限らない。類似スコアが小さければ小さい、検索条件に近い過去設計案件となるよう、類似スコアが設定されてもよい。

本発明は前記した実施形態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、前記した実施形態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、必ずしも説明したすべての構成を有するものに限定されるものではない。また、ある実施形態の構成の一部を他の実施形態の構成に置き換えることが可能であり、ある実施形態の構成に他の実施形態の構成を加えることも可能である。また、各実施形態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、前記した各構成、機能、各部１１０～１７０，１２１，１２２，１５１～１５３、データベース２０１，２０２等は、それらの一部又はすべてを、例えば集積回路で設計すること等によりハードウェアで実現してもよい。また、図１８に示すように、前記した各構成、機能等は、ＣＰＵ１８２等の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、ＨＤ（Hard Disk）に格納すること以外に、メモリや、ＳＳＤ（Solid State Drive）等の記録装置、又は、ＩＣ（Integrated Circuit）カードや、ＳＤ（Secure Digital）カード、ＤＶＤ（Digital Versatile Disc）等の記録媒体に格納することができる。
また、各実施形態において、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、ほとんどすべての構成が相互に接続されていると考えてよい。

１，１ａ～１ｃ 類似案件抽出システム（流用設計支援システム）
１００，１００ａ～１００ｃ 類似案件抽出装置
１１０ 検索条件入力部（検索条件が入力）
１２０，１２０ｂ モンテカルロシミュレーション実行部
１２１，１２１ｂ 乱数生成部
１２２，１２２ｂ 類似判定部（第１類似案件抽出部）
１３０ 類似スコア算出部
１４０ 類似案件出力部（第２類似案件出力部）
１５２ 学習モデル生成部（学習部）
１５３ 設計仕様推定処理部（設計案件仕様推定処理部）
１７０ 設計仕様チェック部（比較表示部）
２０１ 過去設計案件データベース（過去設計案件の情報、過去設計案件項目、検索条件項目）
３０２ 出力部
Ｓ１０１ 検索条件入力処理（検索条件入力ステップ）
Ｓ１０２，Ｓ１０２ｂ 乱数生成処理（乱数生成ステップ）
Ｓ１０３，Ｓ１０３ｂ 類似判定処理（第１類似案件抽出ステップ）
Ｓ１０５ 類似スコア算出処理（類似スコア算出ステップ）
Ｓ１０６ 第２類似案件出力処理（第２類似案件出力ステップ）

Claims (6)

1. 過去に設計された複数の案件である過去設計案件のうち、これから設計する案件である設計案件と類似した前記過去設計案件を検索するための検索条件として、前記設計案件の値が情報として入力される検索条件入力部と、
   前記検索条件に含まれる値を基に乱数を生成する乱数生成部と、
   前記乱数生成部によって生成された前記乱数を基に評価値を設定し、複数の前記過去設計案件における値と、前記評価値とを比較し、前記過去設計案件を絞り込むことで、前記検索条件に類似している前記過去設計案件である第１類似案件を絞り込む第１類似案件抽出部と、
   前記乱数生成部及び前記第１類似案件抽出部が行う処理をＮ回（Ｎ＞１）行い、複数の前記過去設計案件のうち、それぞれの前記過去設計案件が、前記Ｎ回のうち、何回、前記第１類似案件として絞り込まれたかを数値化した類似スコアを算出する類似スコア算出部と、
   前記類似スコアに基づいて、所定の前記過去設計案件を第２類似案件として出力部に出力する第２類似案件出力部と、
   を有することを特徴とする流用設計支援システム。
2. 前記評価値は、前記過去設計案件を絞り込むための閾値である
   ことを特徴とする請求項１に記載の流用設計支援システム。
3. 前記過去設計案件の情報は、値が格納されている複数の過去設計案件項目を含んでおり、
   前記検索条件は、前記過去設計案件の情報における、少なくとも一部の前記過去設計案件項目を検索項目として含むとともに、それぞれの前記検索項目に、前記設計案件の値が格納されており、
   前記第２類似案件において、前記検索項目に該当する前記過去設計案件項目の値を説明変数とし、前記第２類似案件において、前記説明変数となった前記過去設計案件項目以外の前記過去設計案件項目の値である設計仕様値を目的変数とし、前記説明変数及び前記目的変数を基に学習モデルを生成する学習部と、
   前記学習モデルに、前記検索条件に含まれる値を適用することにより、前記設計案件における前記設計仕様値を推定する設計案件仕様推定処理部と、
   を有する請求項１に記載の流用設計支援システム。
4. 前記過去設計案件の情報は、値が格納されている複数の過去設計案件項目を含んでおり、
   前記検索条件は、前記過去設計案件の情報における、少なくとも一部の前記過去設計案件項目を検索項目として含むとともに、それぞれの前記検索項目に、前記設計案件の値が格納されており、
   前記第１類似案件抽出部は、
   前記検索項目を座標軸として、
   複数の前記過去設計案件のそれぞれにおいて、前記検索項目に対応する前記過去設計案件項目の値を前記座標軸による座標にプロットし、
   前記検索条件における値を前記座標にプロットし、
   前記座標にプロットされた前記検索条件における値と、前記座標にプロットされた前記過去設計案件の情報における値との、前記座標での距離が前記評価値として算出され、
   前記距離を基に、前記過去設計案件を絞り込み、
   前記乱数生成部が生成する前記乱数は、所定の前記座標軸における前記距離を大きくする重み付けの値である
   ことを特徴とする請求項１に記載の流用設計支援システム。
5. 絞り込まれた前記過去設計案件に基づいて設計された設計値と、前記第２類似案件における前記設計値に対応する値とを比較可能な態様で表示する比較表示部
   を有することを特徴とする請求項１に記載の流用設計支援システム。
6. 過去に設計された複数の案件である過去設計案件のうち、これから設計する案件である設計案件と類似した前記過去設計案件を検索するための検索条件として、前記設計案件の値が情報として入力される検索条件入力ステップと、
   前記検索条件に含まれる値を基に乱数を生成する乱数生成ステップと、
   前記乱数生成ステップによって生成された前記乱数を基に評価値を設定し、複数の前記過去設計案件における値と、前記評価値とを比較し、前記過去設計案件を絞り込むことで、前記検索条件に類似している前記過去設計案件である第１類似案件を絞り込む第１類似案件抽出ステップと、
   前記乱数生成ステップ及び前記第１類似案件抽出ステップをＮ回（Ｎ＞１）行い、複数の前記過去設計案件のうち、それぞれの前記過去設計案件が、前記Ｎ回のうち、何回、前記第１類似案件として絞り込まれたかを数値化した類似スコアを算出する類似スコア算出ステップと、
   前記類似スコアに基づいて、所定の前記過去設計案件を第２類似案件として出力部に出力する第２類似案件出力ステップと、
   が実行されることを特徴とする流用設計支援方法。

Images