JP7274434B2 - 流用設計支援システム及び流用設計支援方法 - Google Patents
流用設計支援システム及び流用設計支援方法 Download PDFInfo
- Publication number
- JP7274434B2 JP7274434B2 JP2020029743A JP2020029743A JP7274434B2 JP 7274434 B2 JP7274434 B2 JP 7274434B2 JP 2020029743 A JP2020029743 A JP 2020029743A JP 2020029743 A JP2020029743 A JP 2020029743A JP 7274434 B2 JP7274434 B2 JP 7274434B2
- Authority
- JP
- Japan
- Prior art keywords
- design
- project
- similar
- past
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
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)。
その他の解決手段は実施形態中において適宜記載する。
(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。
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。
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。
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。
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。
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。
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。
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)。
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。
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。
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、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。
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。
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。
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。
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。
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。
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。
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。
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、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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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)。
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。
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。
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。
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)
- 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。 - 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。 - 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。 - 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。 - 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。 - 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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020029743A JP7274434B2 (ja) | 2020-02-25 | 2020-02-25 | 流用設計支援システム及び流用設計支援方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020029743A JP7274434B2 (ja) | 2020-02-25 | 2020-02-25 | 流用設計支援システム及び流用設計支援方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021135611A JP2021135611A (ja) | 2021-09-13 |
JP7274434B2 true JP7274434B2 (ja) | 2023-05-16 |
Family
ID=77661218
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020029743A Active JP7274434B2 (ja) | 2020-02-25 | 2020-02-25 | 流用設計支援システム及び流用設計支援方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7274434B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023190887A1 (ja) * | 2022-03-30 | 2023-10-05 | 凸版印刷株式会社 | 設計支援システム、および設計支援方法 |
JP7372697B1 (ja) | 2022-06-21 | 2023-11-01 | キャディ株式会社 | 類似図面検索装置、類似図面検索方法、および類似図面検索プログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007233670A (ja) | 2006-03-01 | 2007-09-13 | Fuji Xerox Co Ltd | データベース検索装置、データベース検索プログラムおよびデータベース検索方法 |
JP2009230427A (ja) | 2008-03-21 | 2009-10-08 | Ricoh Co Ltd | 電子文書属性検出推定方法、電子文書属性検出推定装置、電子文書属性検出推定プログラム及び記憶媒体 |
JP2012185755A (ja) | 2011-03-08 | 2012-09-27 | Hitachi Ltd | 類似設計事例検索装置 |
JP2015043146A (ja) | 2013-08-26 | 2015-03-05 | 株式会社日立製作所 | 予測装置、方法及びプログラム |
-
2020
- 2020-02-25 JP JP2020029743A patent/JP7274434B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007233670A (ja) | 2006-03-01 | 2007-09-13 | Fuji Xerox Co Ltd | データベース検索装置、データベース検索プログラムおよびデータベース検索方法 |
JP2009230427A (ja) | 2008-03-21 | 2009-10-08 | Ricoh Co Ltd | 電子文書属性検出推定方法、電子文書属性検出推定装置、電子文書属性検出推定プログラム及び記憶媒体 |
JP2012185755A (ja) | 2011-03-08 | 2012-09-27 | Hitachi Ltd | 類似設計事例検索装置 |
JP2015043146A (ja) | 2013-08-26 | 2015-03-05 | 株式会社日立製作所 | 予測装置、方法及びプログラム |
Non-Patent Citations (1)
Title |
---|
小西幹彦 外2名,ファジィ区間データによる回帰分析,知能と情報,日本知能情報ファジィ学会,2004年,Vol. 16, No. 1,pp. 18-25 |
Also Published As
Publication number | Publication date |
---|---|
JP2021135611A (ja) | 2021-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7606784B2 (en) | Uncertainty management in a decision-making system | |
JP6414363B2 (ja) | 予測システム、方法およびプログラム | |
JP4934058B2 (ja) | 共クラスタリング装置、共クラスタリング方法、共クラスタリングプログラム、および、そのプログラムを記録した記録媒体 | |
Danglade et al. | On the use of machine learning to defeature CAD models for simulation | |
WO2012045496A2 (en) | Probabilistic data mining model comparison engine | |
JP2008536218A (ja) | 確率モデル作成用のコンピュータシステム | |
JP6172317B2 (ja) | 混合モデル選択の方法及び装置 | |
JP7274434B2 (ja) | 流用設計支援システム及び流用設計支援方法 | |
US20200090058A1 (en) | Model variable candidate generation device and method | |
CN107392217B (zh) | 计算机实现的信息处理方法及装置 | |
Florescu et al. | Algorithmically generating new algebraic features of polynomial systems for machine learning | |
KR101625124B1 (ko) | 특허 정량분석을 이용한 기술평가 방법 | |
JP7207540B2 (ja) | 学習支援装置、学習支援方法、及びプログラム | |
de Nobel et al. | Explorative data analysis of time series based algorithm features of CMA-ES variants | |
Cohen et al. | Shapley-based explainable ai for clustering applications in fault diagnosis and prognosis | |
Gunawan et al. | C4. 5, K-Nearest Neighbor, Naïve Bayes, and Random Forest Algorithms Comparison to Predict Students' on TIME Graduation | |
Kharisma et al. | Comparison of Naïve Bayes Algorithm Model Combinations with Term Weighting Techniques in Sentiment Analysis | |
JP2008059106A (ja) | サンプリング生成装置、サンプリング生成プログラムが記録された媒体及びサンプリング生成方法 | |
CN110727867A (zh) | 一种基于模糊机制的语义实体推荐方法 | |
JP7292235B2 (ja) | 分析支援装置及び分析支援方法 | |
Bertrand et al. | A novel multi-perspective trace clustering technique for IoT-enhanced processes: a case study in smart manufacturing | |
Sangeetha et al. | Preprocessing using attribute selection in data stream mining | |
JP2020166443A (ja) | データ加工方法レコメンドシステム、データ加工方法レコメンド方法、及びデータ加工方法レコメンドプログラム | |
CN117539948B (zh) | 基于深度神经网络的业务数据检索方法及装置 | |
JP6999207B1 (ja) | データ解析方法、データ解析装置、及び、データ解析プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220301 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230324 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230404 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230501 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7274434 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |