JP7311373B2 - 計算機システム、計画の生成方法、及びプログラム - Google Patents

計算機システム、計画の生成方法、及びプログラム Download PDF

Info

Publication number
JP7311373B2
JP7311373B2 JP2019171969A JP2019171969A JP7311373B2 JP 7311373 B2 JP7311373 B2 JP 7311373B2 JP 2019171969 A JP2019171969 A JP 2019171969A JP 2019171969 A JP2019171969 A JP 2019171969A JP 7311373 B2 JP7311373 B2 JP 7311373B2
Authority
JP
Japan
Prior art keywords
plan
pair
transition probability
transition
process pair
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
Application number
JP2019171969A
Other languages
English (en)
Other versions
JP2021051342A5 (ja
JP2021051342A (ja
Inventor
瑞紀 宮永
理 竹内
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Priority to JP2019171969A priority Critical patent/JP7311373B2/ja
Priority to US16/801,658 priority patent/US11074518B2/en
Publication of JP2021051342A publication Critical patent/JP2021051342A/ja
Publication of JP2021051342A5 publication Critical patent/JP2021051342A5/ja
Application granted granted Critical
Publication of JP7311373B2 publication Critical patent/JP7311373B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00Computing arrangements based on specific mathematical models
    • G06N7/01Probabilistic graphical models, e.g. probabilistic networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/02Knowledge representation; Symbolic representation
    • G06N5/022Knowledge engineering; Knowledge acquisition
    • G06N5/025Extracting rules from data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Medical Informatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

本発明は、製品の生産計画等、工程の順番を定義した計画の生成技術に関する。
製品の製造並びに大規模システムの運営及び管理等、事前に製造順序又は作業順序を計画しておくような事象は数多い。このような事象の計画は、時間、空間、並びに、設備及び人等のリソース等、各種事項に関する制約条件を考慮して作成する必要がある。
計画作成を人手で行う場合、精度及び効率に限界があることから、近年では計算機を用いるケースも増えている。例えば、特許文献1に記載のような技術が知られている。
特許文献1には、「計画立案部は、過去に立案された各製品の生産計画に関する履歴情報に基づいて、各製品を生産する際の各制約条件を考慮しつつ各製品の生産順を含む計画パターンを算出し、この算出した計画パターンに従って各製品の生産順序を並べ替えて各製品の生産計画に関する複数の計画候補を作成する。計画評価部は、各制約条件に対する評価指標に基づいて複数の計画候補を評価し、複数の計画候補のうちから最良の生産計画を選出する。」ことが記載されている。
国際公開第2018/220744号
特許文献1に記載の技術では、モデル(計画パターン)は過去の計画に基づいて生成される。特殊な条件又は状況等、例外的なケースにおいて生成された計画は数が少ないため、例外的なケースにおいて生成された計画の情報はモデルに十分反映されない。そのため、モデルを用いても必ずしも最適な計画が生成されるわけではない。
本発明は、例外的なケースにおいても最適な計画を生成するための技術を提供することを目的とする。
本願において開示される発明の代表的な一例を示せば以下の通りである。すなわち、複数の工程の実行順を定義した計画を生成する計算機システムであって、演算装置及び記憶装置を有する少なくとも一つの計算機を備え、計画履歴から生成され、二つの工程から構成される工程ペアの特徴量に基づいて、前記工程ペアを構成する工程間の遷移確率を算出するモデルを管理するためのモデル管理情報を保持し、複数の対象工程を含む入力データを受信した場合、基準の前記対象工程及び遷移先の前記対象工程から構成される工程ペアの特徴量及び前記モデル管理情報を用いて、前記工程ペアの遷移確率を算出する遷移確率算出部と、評価基準に基づいて、前記工程ペアの遷移確率が信頼できるか否かを判定し、前記工程ペアの遷移確率が信頼できないと判定された前記工程ペアの遷移確率を、当該工程ペアを含む計画が生成される可能性が高まるように補正する遷移確率修正部と、を備え、前記遷移確率算出部は、前記工程ペアの遷移確率に基づいて、前記複数の対象工程の実行順を決定することによって新規計画を生成する。
本発明によれば、例外的なケースにおいても最適な計画を生成することができる。上記した以外の課題、構成及び効果は、以下の実施例の説明により明らかにされる。
実施例1の計算機のハードウェア構成及びソフトウェア構成を説明する図である。 実施例1の計画履歴データベースのデータ構造の一例を示す図である。 実施例1の制約条件データベースのデータ構造の一例を示す図である。 実施例1の学習結果データベースのデータ構造の一例を示す図である。 実施例1の学習結果データベースのデータ構造の一例を示す図である。 実施例1の学習部が実行する学習処理の一例を説明するフローチャートである。 実施例1の計画生成部の詳細な構成の一例を示す図である。 実施例1の計画生成部によって提示される画面の一例を示す図である。 実施例1の計算機が実行する計画生成処理の一例を説明するフローチャートである。 実施例1の計画候補生成部が実行する計画候補生成処理の一例を説明するフローチャートである。 実施例2の計画候補生成部によって提示される画面の一例を示す図である。 実施例3の計算機のハードウェア構成及びソフトウェア構成を説明する図である。
以下、本発明の実施例を、図面を用いて説明する。ただし、本発明は以下に示す実施例の記載内容に限定して解釈されるものではない。本発明の思想ないし趣旨から逸脱しない範囲で、その具体的構成を変更し得ることは当業者であれば容易に理解される。
以下に説明する発明の構成において、同一又は類似する構成又は機能には同一の符号を付し、重複する説明は省略する。
本明細書等における「第1」、「第2」、「第3」等の表記は、構成要素を識別するために付するものであり、必ずしも、数又は順序を限定するものではない。
図面等において示す各構成の位置、大きさ、形状、及び範囲等は、発明の理解を容易にするため、実際の位置、大きさ、形状、及び範囲等を表していない場合がある。したがって、本発明では、図面等に開示された位置、大きさ、形状、及び範囲等に限定されない。
図1は、実施例1の計算機100のハードウェア構成及びソフトウェア構成を説明する図である。
計算機100は、プロセッサ101、メモリ102、入力装置103、及び出力装置104を有する。各ハードウェアはバス等を介して互いに接続される。なお、計算機100は、HDD(Hard Disk Drive)及びSSD(Solid State Drive)等の記憶装置、並びにネットワークインタフェースを有してもよい。
プロセッサ101は、メモリ102に格納されるプログラムを実行する。プロセッサ101がプログラムにしたがって処理を実行することによって、特定の機能を実現する機能部(モジュール)として動作する。以下の説明では、機能部を主語に処理を説明する場合、プロセッサ101が当該機能部を実現するプログラムを実行していることを示す。
メモリ102は、プロセッサ101が実行するプログラム及びプログラムが使用するデータを格納する。また、メモリ102は、プログラムが一時的に使用するワークエリアを含む。メモリ102に格納されるプログラム及びデータについては後述する。
入力装置103は、計算機100にデータ及び指示を入力するための装置である。入力装置103は、例えば、キーボード、マウス、及びタッチパネル等である。出力装置104は、計算機100がデータを出力するための装置である。出力装置104は、例えば、ディスプレイ及びプリンタ等である。
ここで、メモリ102に格納されるプログラム及びデータについて説明する。メモリ102は、学習部110、計画生成部111、計画評価部112、及び計画出力部113を実現するプログラムを格納する。また、メモリ102は、計画履歴データベース120、制約条件データベース121、及び学習結果データベース122を格納する。
計画履歴データベース120は、過去の計画の履歴を管理するためのデータベースである。なお、計画履歴データベース120に格納される計画は、ユーザによって立案された計画でもよいし、計画生成部111によって生成された計画でもよい。計画履歴データベース120のデータ構造については図2を用いて説明する。
制約条件データベース121は、計画の生成において課される制約条件を管理するためのデータベースである。制約条件データベース121のデータ構造の詳細については図3を用いて説明する。
学習結果データベース122は、学習部110の処理結果を管理するためのデータベースである。学習結果データベース122のデータ構造の詳細については図4A及び図4Bを用いて説明する。
学習部110は、計画履歴データベース120を用いて一つの工程から他の工程への遷移確率を算出するためのモデルを生成する。また、学習部110は、計画履歴データベース120及び制約条件データベース121を用いて過去の計画の制約条件の違反の程度を評価する評価指標を算出する。学習部110は、学習結果データベース122にモデル及び評価指標を格納する。
計画生成部111は、学習結果データベース122に格納されるモデル及び計画履歴データベース120に基づいて計画候補を生成する。本明細書では、製品の製造に関する計画が生成されるものとする。
計画評価部112は、学習結果データベース122に格納される評価指標及び制約条件データベース121に基づいて計画候補の評価値を算出し、評価値に基づいて計画候補の中から出力する計画を選択する。
計画出力部113は、計画評価部112によって選択された計画を出力する。
なお、計算機が有する各機能部については、複数の機能部を一つの機能部にまとめてもよいし、一つの機能部を機能毎に複数の機能部に分けてもよい。例えば、計画生成部111に計画評価部112の機能を含めてもよい。
なお、複数の計算機100から構成される計算機システムを用いて同様の機能を実現してもよい。この場合、複数の計算機に機能部を分散配置してもよし、複数の機能部に情報を分散配置してもよい。
図2は、実施例1の計画履歴データベース120のデータ構造の一例を示す図である。
計画履歴データベース120は、計画ID201、順番202、工程ID203、幅204、長さ205、厚さ206、ユーザID207、及び予定時刻208から構成されるエントリを格納する。一つの計画に対して一つのエントリが存在する。また、一つのエントリには、計画に含まれる工程の数だけ行が存在する。
計画ID201は、計画の識別情報を格納するフィールドである。順番202は、計画における工程の順番を格納するフィールドである。工程ID203は、工程の識別情報を格納するフィールドである。
幅204、長さ205、及び厚さ206は、工程ID203に対応する工程において扱われる製品の寸法を格納するフィールドである。なお、幅204、長さ205、及び厚さ206は、工程において考慮するパラメータの一例であってこれに限定されない。
ユーザID207は、計画の立案者であるユーザの識別情報を格納するフィールドである。なお、計画生成部111によって生成された計画の場合、当該計画を使用したユーザの識別情報とともに、計画生成部111によって生成されたことを示す値が格納されてもよい。
予定時刻208は、工程を実行する予定時刻を格納するフィールドである。
図3は、実施例1の制約条件データベース121のデータ構造の一例を示す図である。
制約条件データベース121は、条件ID301、制約条件302、及び違反量303から構成されるエントリを格納する。一つの制約条件に対して一つのエントリが存在する。
条件ID301は、制約条件の識別情報を格納するフィールドである。
制約条件302は、具体的な制約条件の内容を格納するフィールドである。図3では、理解のために文書として制約条件を記載しているが、数式又はプログラムコード等が格納されてもよい。
違反量303は、エントリに対応する制約条件違反の程度を示す値の算出方法の定義を格納するフィールドである。図3では、理解のために文書として算出方法の定義を記載しているが、数式又はプログラムコード等が格納されてもよい。
図4A及び図4Bは、実施例1の学習結果データベース122のデータ構造の一例を示す図である。
学習結果データベース122は、モデル管理情報400及び評価指標管理情報410を格納する。
モデル管理情報400はモデルを管理するための情報である。モデル管理情報400は、モデルID401、ファイル名402、及び使用計画ID403から構成されるエントリを格納する。一つのモデルに対して一つのエントリが存在する。
モデルID401は、モデルの識別情報を格納するフィールドである。ファイル名402は、モデルの実態であるファイルの名称を格納するフィールドである。ファイル名402の代わりにファイルを格納するフィールドをもうけてもよい。
使用計画ID403は、モデルを生成するために使用した計画履歴の識別情報を格納するフィールドである。使用計画ID403に設定される識別情報は、計画ID201に設定される識別情報と同一である。ただし、使用計画ID403には、二つ以上の識別情報が格納される場合がある。
評価指標管理情報410は各モデルの評価指標を管理するための情報である。評価指標管理情報410は、モデルID411、条件ID412、最大違反量413、及び違反頻度414から構成されるエントリを格納する。モデル及び制約条件の一つの組合せに対して一つのエントリが存在する。
モデルID411はモデルID401と同一のフィールドであり、条件ID412は条件ID301と同一のフィールドである。
最大違反量413は、モデルの制約条件の違反の程度を示す値の最大値を格納するフィールドである。違反頻度414は、モデルの制約条件の違反の頻度を示す値を格納するフィールドである。なお、最大違反量413及び違反頻度414に格納する値は、特許文献1に記載の方法を用いて算出される。
次に、計算機100が実行する処理について説明する。まず、モデルを生成するための処理について説明する。
図5は、実施例1の学習部110が実行する学習処理の一例を説明するフローチャートである。
学習部110は、計画履歴のループ処理を開始する(ステップS101)。学習部110は、計画履歴データベース120に格納される計画履歴の中からターゲット計画履歴を取得する。ここでは、一つの計画履歴がターゲット計画履歴として取得されるものとする。なお、二つ以上の計画履歴が取得されてよいし、ユーザによって指定された計画履歴が取得されてもよい。
学習部110は、ターゲット計画履歴から学習データを生成する(ステップS102)。具体的には、以下のような処理が実行される。
(S102-1)学習部110は、ターゲット計画履歴に含まれる複数の工程から、基準工程及び遷移先工程から構成される工程ペアを生成する。工程ペアは基準工程から遷移先工程への遷移を表す。したがって、工程P1が基準工程及び工程P2が遷移先工程の工程ペアと、工程P2が基準工程及び工程P1が遷移先工程の工程ペアとは異なる工程ペアとして扱われる。
(S102-2)学習部110は、工程ペアの特徴量を算出する。例えば、学習部110は、工程において考慮するパラメータの差を特徴量として算出する。図2に示す例では、幅204、長さ205、厚さ206の差が特徴量として算出される。なお、学習部110は、現在から納品日までの間の日数(納期)を特徴量として算出してもよい。
(S102-3)学習部110は、工程ペアに対応する工程の並びがターゲット計画履歴に存在する場合にはラベル「1」を工程ペアに付与し、工程ペアに対応する工程の並びがターゲット計画履歴に存在しない場合にはラベル「0」を工程ペアに付与する。
(S102-4)学習部110は、工程ペア、特徴量、及びラベルから構成されるデータを学習データとして出力する。以上がステップS102の処理の説明である。
次に、学習部110は、ラベルを目的変数に設定し、特徴量を説明変数に設定して、勾配ブースト木等の既存のアルゴリズムを適用することによって、工程間の遷移確率を算出するためのモデルを生成する(ステップS103)。このとき、学習部110はモデルにファイル名を付与する。なお、本発明は、適用するアルゴリズムに限定されない。
次に、学習部110は、学習結果データベース122のモデル管理情報400にモデルを格納する(ステップS104)。
具体的には、学習部110は、モデル管理情報400にエントリを追加し、追加されたエントリのモデルID401に識別情報を設定する。また、学習部110は、追加されたエントリのファイル名402にモデルに付与されたファイル名を格納し、使用計画ID403にターゲット計画履歴の識別情報を格納する。
次に、学習部110は、ターゲット計画履歴における各制約条件の違反数を算出する(ステップS105)。
次に、学習部110は、制約条件のループ処理を開始する(ステップS106)。学習部110は、制約条件データベース121に設定される制約条件の中からターゲット制約条件を選択する。
学習部110は、ターゲット計画履歴におけるターゲット制約条件の違反の程度を評価するための評価指標を算出する(ステップS107)。具体的には、以下のような処理が実行される。
(S107-1)学習部110は、ターゲット制約条件の違反頻度を算出する。例えば、学習部110は、ターゲット制約条件の違反数を、各制約条件の違反数の合計値で除算した値を、ターゲット制約条件の違反頻度として算出する。
(S107-2)学習部110は、ターゲット制約条件の違反量を算出する。違反量は、ターゲット制約条件に対応するエントリの違反量303に基づいて算出される。さらに、学習部110は、ターゲット制約条件の違反量の最大値を求める。なお、ターゲット制約条件の違反頻度が0である場合、学習部110は、違反量の最大値を無限大に設定してもよい。
(S107-3)学習部110は、違反量の最大値及び違反頻度を、評価指標として出力する。以上がステップS107の処理の説明である。
次に、学習部110は、学習結果データベース122の評価指標管理情報410に評価指標を格納する(ステップS108)。
具体的には、学習部110は、評価指標管理情報410にエントリを追加し、追加されたエントリのモデルID411にモデルの識別情報を設定し、条件ID412にターゲット制約条件の識別情報を設定する。また、学習部110は、追加されたエントリの最大違反量413及び違反頻度414に、算出された違反量の最大値及び算出された違反頻度を設定する。
次に、学習部110は、全ての制約条件について処理が完了したか否かを判定する(ステップS109)。
全ての制約条件について処理が完了していないと判定された場合、学習部110はステップS106に戻り、同様の処理を実行する。全ての制約条件について処理が完了したと判定された場合、学習部110は、全ての計画履歴について処理が完了したか否かを判定する(ステップS110)。
全ての計画履歴について処理が完了していないと判定された場合、学習部110はステップS101に戻り、同様の処理を実行する。全ての計画履歴について処理が完了したと判定された場合、学習部110は処理を終了する。
次に、モデルを用いた新規計画の生成方法について説明する。まず、計画生成部111の詳細な構成について説明する。図6は、実施例1の計画生成部111の詳細な構成の一例を示す図である。図7は、実施例1の計画生成部111によって提示される画面の一例を示す図である。
計画生成部111は、エージェント起動部600、特徴量抽出部601、信頼性基準入力部602、計画候補生成部603を含む。
エージェント起動部600は、新規計画を生成するための入力データ620を受け付けた場合、計画候補生成部603を呼び出して、入力データ620を入力する。また、エージェント起動部600は、特徴量抽出部601に入力データ620を入力する。
入力データ620には複数の工程のデータが含まれる。一つの工程のデータには、少なくとも工程の識別情報及び工程のパラメータが含まれる。
本実施例では、一つの計画候補生成部603によって一つの計画候補623が生成されるものとする。したがって、生成する計画候補623の数だけ計画候補生成部603が呼び出される。なお、生成する計画候補623の数は予め設定されているものとする。
特徴量抽出部601は、計画履歴から生成される工程ペアの特徴量を抽出し、計画候補生成部603に工程ペアの特徴量を入力する。
信頼性基準入力部602は、工程ペアの遷移確率の信頼性、すなわち、モデルの信頼性を判定するための信頼性基準設定データ621の入力を受け付ける。信頼性基準入力部602は、例えば、図7に示すような入力画面700を提示する。
入力画面700は、領域設定欄701、信頼性基準設定欄702、及び設定ボタン703を含む。
領域設定欄701は、工程ペアの特徴量が構成する特徴量空間の領域を設定する欄である。領域設定欄701は、特徴量設定欄711及び閾値設定欄712を含む。
一つの特徴量に対して、特徴量設定欄711及び閾値設定欄712の組が一つ存在する。特徴量設定欄711は特徴量の種別を設定する欄である。閾値設定欄712は、工程ペア間の類似性を判定するために用いる閾値を設定する欄である。
なお、特徴量設定欄711及び閾値設定欄712の代わりに特徴量空間における距離を設定する欄を設けてもよい。
信頼性基準設定欄702は、工程ペアの遷移確率の信頼性を判定するための基準を設定する欄である。信頼性基準設定欄702は閾値設定欄721を含む。閾値設定欄721は、入力データ620から生成された工程ペアを中心とする領域内に存在する、計画履歴から生成された工程ペアの数の閾値を設定する欄である。
なお、信頼性基準設定欄702には、特徴量等に関する判定基準等、特定のルールを設定できるようにしてもよい。例えば、納期の絶対値が1の場合、信頼性がないと判定するようなルールが設定されてよい。
設定ボタン703は、領域設定欄701及び信頼性基準設定欄702に設定された値を含む信頼性基準設定データ621を設定するための操作ボタンである。
図7に示す入力画面700は一例であってこれに限定されない。計画履歴にあまり登場していない工程ペアを特定するための基準を設定できるものであればよい。このように、ユーザの要求に合わせて、信頼性の基準を設定することができる。図6の説明に戻る。
計画候補生成部603は計画候補623を生成する。計画候補生成部603は、遷移確率算出部610、信頼性判定部611、及び遷移確率修正部612を含む。
遷移確率算出部610は、モデルを用いて、入力データ620から生成された工程ペアの遷移確率を算出する。また、遷移確率算出部610は、工程ペアの遷移確率に基づいて計画候補623を生成し、出力する。本実施例では、一部の工程ペアの遷移確率は遷移確率修正部612によって修正されている。
信頼性判定部611は、領域設定欄701に設定された値に基づいて、工程ペアの遷移確率の信頼性を示す信頼度を算出する。
遷移確率修正部612は、信頼性基準設定欄702に設定された値及び工程ペアの信頼度に基づいて、工程ペアの遷移確率が信頼できるか否かを判定する。遷移確率修正部612は、工程ペアの遷移確率が信頼できないと判定された場合、工程ペアの遷移確率を修正する。
なお、遷移確率修正部612が信頼性判定部611及び特徴量抽出部601の機能を含んでもよい。
次に、新規計画を生成するための処理について説明する。図8は、実施例1の計算機100が実行する計画生成処理の一例を説明するフローチャートである。
計算機100は、入力データ620を受け付けた場合、計画生成処理を開始する。なお、計算機100には入力データ620とともに使用するモデルの情報が入力される。
まず、計算機100の計画生成部111は、指定されたモデルを生成するために用いた計画履歴を特定し、当該計画履歴から構成される工程ペアの特徴量を抽出する(ステップS201)。具体的には、以下のような処理が実行される。
(S201-1)特徴量抽出部601は、モデルの識別情報に基づいてモデル管理情報400を参照して計画履歴を特定し、計画履歴データベース120から特定された計画履歴を取得する。
(S201-2)特徴量抽出部601は、計画履歴に含まれる工程から工程ペアを生成し、工程ペアの特徴量を算出する。以上がステップS201の処理の説明である。
次に、計算機100の計画生成部111は、計画候補623を生成するために、計画候補生成処理を実行する(ステップS202)。計画候補生成処理の詳細は図9を用いて説明する。
次に、計算機100の計画評価部112は計画候補623の評価処理を実行する(ステップS203)。評価処理は特許文献1と同一であるため詳細な説明は省略するが、次のような処理が実行される。
(S203-1)計画評価部112は、制約条件データベース121及び学習結果データベース122に含まれる評価指標管理情報410に基づいて、一つの計画候補623について、各制約条件の違反点を算出する。一つの制約条件の違反点は、計画候補623の制約条件の違反量の合計値、並びに、評価指標管理情報410から取得された制約条件の最大違反量及び違反頻度に基づいて算出される。各計画候補623について同様の処理が実行される。
(S203-2)計画評価部112は、各制約条件の違反点の合計値を、計画候補623の評価値として算出する。
(S203-3)計画評価部112は、評価値が最も小さい計画候補623を新規計画として選択する。
次に、計算機100の計画出力部113は、計画評価部112によって選択された計画候補623を新規計画として出力する(ステップS204)。その後、計算機100は計画生成処理を終了する。
図9は、実施例1の計画候補生成部603が実行する計画候補生成処理の一例を説明するフローチャートである。なお、計画候補生成部603には、入力データ620、計画履歴から生成された工程ペアの特徴量、及び信頼性基準設定データ621が入力されているものとする。
遷移確率算出部610は、工程ペアグループを生成する(ステップS301)。
具体的には、遷移確率算出部610は、入力データ620に含まれる複数の工程から工程ペアを生成する。遷移確率算出部610は、同一の基準工程から構成される工程ペアを要素とする工程ペアグループを生成する。
次に、遷移確率算出部610は工程ペアグループのループ処理を開始する(ステップS302)。遷移確率算出部610は、工程ペアグループの中からターゲット工程ペアグループを選択する。
次に、遷移確率算出部610は工程ペアのループ処理を開始する(ステップS303)。遷移確率算出部610は、ターゲット工程ペアグループに含まれる工程ペアの中からターゲット工程ペアを選択する。
次に、遷移確率算出部610は、モデルにターゲット工程ペアの特徴量を入力することによって、ターゲット工程ペアの遷移確率を算出し(ステップS304)、その後、信頼性判定部611を呼び出す。
次に、信頼性判定部611は、ターゲット工程ペアの遷移確率の信頼性を示す信頼度を付与する(ステップS305)。具体的には以下のような処理が実行される。
(S305-1)信頼性判定部611は、特徴量空間に、ターゲット工程ペアの特徴量を中心とする、領域設定欄701で定義される大きさの領域を設定する。信頼性判定部611は、計画履歴から構成される工程ペアの特徴量を特徴量空間にプロットし、設定された領域に含まれる工程ペアの数をカウントする。
(S305-2)信頼性判定部611は、領域に含まれる工程ペアの数が信頼性基準設定欄702に設定された閾値より小さいか否かを判定する。すなわち、ターゲット工程ペアが計画履歴にあまり登場していない工程ペアであるか否かが判定される。領域に含まれる工程ペアの数が閾値より小さい場合、ターゲット工程ペアは計画履歴にあまり登場していない工程ペアであると判定される。
計画履歴にあまり登場していない工程ペアについては、モデルの学習が十分でないことが想定される。したがって、当該工程ペアの遷移確率の信頼性は低いと考えられる。
(S305-3)信頼性判定部611は、(S305-2)の判定結果に基づいて信頼度を付与する。具体的には、信頼性判定部611は、領域に含まれる工程ペアの数が閾値より小さい場合、「0」を信頼度として付与し、領域に含まれる工程ペアの数が閾値以上の場合、「1」を信頼度として付与する。信頼性判定部611は、ターゲット工程ペアに信頼度を紐づける。その後、信頼性判定部611は、信頼度の付与が完了した旨を遷移確率算出部610に通知する。
なお、ルールベースの判定の場合、信頼性判定部611は、ルールに基づいて、ターゲット工程ペアの遷移確率の信頼性を判定する。以上がステップS305の処理の説明である。
次に、遷移確率算出部610は、ターゲット工程ペアグループに含まれる全ての工程ペアについて処理が完了したか否かを判定する(ステップS306)。
ターゲット工程ペアグループに含まれる全ての工程ペアについて処理が完了していないと判定された場合、遷移確率算出部610はステップS303に戻り、同様の処理を実行する。ターゲット工程ペアグループに含まれる全ての工程ペアについて処理が完了したと判定された場合、遷移確率算出部610は遷移確率修正部612を呼び出す。
遷移確率修正部612は、ターゲット工程ペアグループに、信頼度が「0」である工程ペアが含まれるか否かを判定する(ステップS307)。
ターゲット工程ペアグループに、信頼度が「0」である工程ペアが含まれないと判定された場合、遷移確率修正部612は、遷移確率算出部610に処理の完了を通知する。ターゲット工程ペアグループに、信頼度が「0」である工程ペアが含まれると判定された場合、遷移確率修正部612は、ターゲット工程ペアグループに含まれる各工程ペアの遷移確率を修正し(ステップS308)、その後、遷移確率算出部610に処理の完了を通知する。
例えば、遷移確率算出部610は、ターゲット工程ペアグループの全ての工程ペアの遷移確率を同じ値に修正する。また、遷移確率算出部610は、工程ペアの遷移確率の最小値が基準値より大きくなるように、各工程ペアの遷移確率を修正する。なお、前述の工程ペアの遷移確率の修正方法は一例であってこれに限定されない。
このように、遷移確率算出部610は、工程ペアグループに遷移確率の信頼性が低い工程ペアが存在する場合、モデルに依存しないように各工程ペアの遷移確率を修正する。これによって、モデルからは選択されにくい工程ペアを含む計画を生成することができる。
遷移確率算出部610は、遷移確率修正部612からの通知を受け付けた場合、全ての工程ペアグループについて処理が完了したか否かを判定する(ステップS309)。
全ての工程ペアグループについて処理が完了していないと判定された場合、遷移確率算出部610はステップS302に戻り、同様の処理を実行する。全ての工程ペアグループについて処理が完了したと判定された場合、遷移確率算出部610は、全ての工程ペアグループに含まれる工程ペアの遷移確率に基づいて計画候補を生成する(ステップS310)。その後、計画候補生成部603は計画候補生成処理を終了する。
例えば、遷移確率算出部610は、遷移確率を重み付けとする乱数選択によって計画候補623を生成する。なお、生成される計画候補の数は二つ以上でもよい。
なお、計画候補生成部603は、工程ペアを生成した後に、ステップS303からステップS306の処理を実行し、工程ペアグループを生成し、工程ペアのループ処理を開始してもよい。この場合、工程ペアグループ毎に、ステップS307、ステップS308の処理が実行される。
実施例1によれば、計画候補生成部603は、工程ペアの遷移確率の信頼性が低い場合、モデルに依存しないように工程ペアの遷移確率を修正する。これによって、モデルからは選択されにくい工程ペアを含む計画候補の生成可能性を高めることができる。すなわち、例外的なケースにおいても最適な計画を生成することができる。
実施例2では、計画候補生成部603が工程ペアの遷移確率の修正案を提示し、ユーザが工程ペアの遷移確率の修正案を採用するか否かを判断する。以下、実施例1との差異を中心に実施例2について説明する。
実施例2の計算機100のハードウェア構成及びソフトウェア構成は実施例1と同一である。実施例2の学習部110が実行する学習処理は実施例1と同一である。実施例2の計画評価部112及び計画出力部113が実行する処理は実施例1と同一である。実施例2の計画生成部111が実行する計画生成処理は実施例1と同一である。
実施例2の計画候補生成部603が実行する計画候補生成処理は一部処理が異なる。具体的には、ステップS308において、遷移確率修正部612は、工程ペアグループに含まれる各工程ペアの遷移確率の修正案をユーザに提示する。
図10は、実施例2の計画候補生成部603によって提示される画面1000の一例を示す図である。
画面1000は、修正案情報1001、グラフ表示欄1002、適用ボタン1003、及び取消ボタン1004を含む。
修正案情報1001は、工程ペアグループに含まれる工程ペアの遷移確率の修正案を示す情報である。修正案情報1001は、遷移先工程1011、特徴量1012、遷移確率1013、信頼度1014、及び遷移確率1015から構成されるエントリを含む。一つの工程ペアに対して一つのエントリが存在する。
遷移先工程1011は、基準工程が遷移する工程(遷移先工程)の識別情報を格納するフィールドである。特徴量1012は、工程ペアの特徴量を格納するフィールドである。遷移確率1013は、修正前の遷移確率を格納するフィールドである。信頼度1014は、工程ペアの遷移確率の信頼度を格納するフィールドである。遷移確率1015は、修正後の遷移確率を格納するフィールドである。
グラフ表示欄1002は、計画履歴から構成される工程ペア及び工程ペアグループに含まれる工程ペアの特徴量を特徴量空間にプロットしたグラフを表示する欄である。
適用ボタン1003は、提示された修正案を適用するための操作ボタンである。取消ボタン1004は、提示された修正案を取り消すための操作ボタンである。
ステップS308において、適用ボタン1003が操作された場合、遷移確率修正部612は、工程ペアの遷移確率を修正し、遷移確率算出部610に処理の完了を通知する。取消ボタン1004が操作された場合、遷移確率修正部612は、工程ペアの遷移確率を修正せずに、遷移確率算出部610に処理の完了を通知する。
実施例2によれば、ユーザの意向を反映することによって、より効率的かつ高い精度で最適な計画を生成することができる。
実施例3では、遷移確率の信頼性が低い工程ペアの特徴量を用いて学習データが生成される。以下、実施例1との差異を中心に実施例3について説明する。
図11は、実施例3の計算機100のハードウェア構成及びソフトウェア構成を説明する図である。
実施例3の計算機100のハードウェア構成は実施例1と同一である。実施例3の計算機100のソフトウェア構成は実施例1と一部異なる。具体的には、学習データ生成部114を含む。
実施例3の学習部110が実行する学習処理は実施例1と同一である。実施例3の計画評価部112及び計画出力部113が実行する処理は実施例1と同一である。実施例3の計画生成部111が実行する計画生成処理は実施例1と同一である。
実施例の計画候補生成部603が実行する計画候補生成処理は一部処理が異なる。具体的には、ステップS305において、信頼性判定部611は、信頼度が「0」である場合、モデルの識別情報、ターゲット工程ペア、及びターゲット工程ペアの特徴量を含む学習データ生成要求を学習データ生成部114に出力する。
学習データ生成部114は、ターゲット工程ペアの特徴量を用いて学習データを生成する。例えば、ターゲット工程ペアの特徴量を摂動的に変化させることによって学習データを生成する。なお、ラベルの設定方法はステップS102で説明した方法と同一である。
学習データ生成部114は、モデルの識別情報及び学習データをメモリ102に格納する。
実施例3では、学習部110が再学習処理を実行する。再学習処理は学習処理とほぼ同一であるが、一部処理が異なる。具体的には、学習部110は、ステップS102において、再学習するモデルの識別情報が対応づけられる学習データを取得する。
実施例3によれば、出現頻度が低い工程ペアに関する学習データを追加し、再度学習することによって、モデルの精度を高めることができる。
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。また、例えば、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構成を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、各実施例の構成の一部について、他の構成に追加、削除、置換することが可能である。
また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、本発明は、実施例の機能を実現するソフトウェアのプログラムコードによっても実現できる。この場合、プログラムコードを記録した記憶媒体をコンピュータに提供し、そのコンピュータが備えるプロセッサが記憶媒体に格納されたプログラムコードを読み出す。この場合、記憶媒体から読み出されたプログラムコード自体が前述した実施例の機能を実現することになり、そのプログラムコード自体、及びそれを記憶した記憶媒体は本発明を構成することになる。このようなプログラムコードを供給するための記憶媒体としては、例えば、フレキシブルディスク、CD-ROM、DVD-ROM、ハードディスク、SSD(Solid State Drive)、光ディスク、光磁気ディスク、CD-R、磁気テープ、不揮発性のメモリカード、ROMなどが用いられる。
また、本実施例に記載の機能を実現するプログラムコードは、例えば、アセンブラ、C/C++、perl、Shell、PHP、Python、Java(登録商標)等の広範囲のプログラム又はスクリプト言語で実装できる。
さらに、実施例の機能を実現するソフトウェアのプログラムコードを、ネットワークを介して配信することによって、それをコンピュータのハードディスクやメモリ等の記憶手段又はCD-RW、CD-R等の記憶媒体に格納し、コンピュータが備えるプロセッサが当該記憶手段や当該記憶媒体に格納されたプログラムコードを読み出して実行するようにしてもよい。
上述の実施例において、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、製品上必ずしも全ての制御線や情報線を示しているとは限らない。全ての構成が相互に接続されていてもよい。
100 計算機
101 プロセッサ
102 メモリ
103 入力装置
104 出力装置
110 学習部
111 計画生成部
112 計画評価部
113 計画出力部
114 学習データ生成部
120 計画履歴データベース
121 制約条件データベース
122 学習結果データベース
400 モデル管理情報
410 評価指標管理情報
600 エージェント起動部
601 特徴量抽出部
602 信頼性基準入力部
603 計画候補生成部
610 遷移確率算出部
611 信頼性判定部
612 遷移確率修正部

Claims (15)

  1. 複数の工程の実行順を定義した計画を生成する計算機システムであって、
    演算装置及び記憶装置を有する少なくとも一つの計算機を備え、
    計画履歴から生成され、二つの工程から構成される工程ペアの特徴量に基づいて、前記工程ペアを構成する工程間の遷移確率を算出するモデルを管理するためのモデル管理情報を保持し、
    複数の対象工程を含む入力データを受信した場合、基準の前記対象工程及び遷移先の前記対象工程から構成される工程ペアの特徴量及び前記モデル管理情報を用いて、前記工程ペアの遷移確率を算出する遷移確率算出部と、
    評価基準に基づいて、前記工程ペアの遷移確率が信頼できるか否かを判定し、前記工程ペアの遷移確率が信頼できないと判定された前記工程ペアの遷移確率を、当該工程ペアを含む計画が生成される可能性が高まるように補正する遷移確率修正部と、を備え、
    前記遷移確率算出部は、前記工程ペアの遷移確率に基づいて、前記複数の対象工程の実行順を決定することによって新規計画を生成することを特徴とする計算機システム。
  2. 請求項1に記載の計算機システムであって、
    前記モデル管理情報を生成するために用いた前記計画履歴を保持し、
    前記遷移確率修正部は、
    前記計画履歴から履歴工程ペアを生成して、前記履歴工程ペアの特徴量を算出し、
    前記工程ペアの特徴量及び前記履歴工程ペアの特徴量に基づいて、特徴量空間における前記工程ペアの特徴量を中心とする所定の領域内に存在する前記履歴工程ペアの数を算出し、
    前記履歴工程ペアの数と閾値との比較結果に基づいて、前記工程ペアの遷移確率が信頼できるか否かを判定することを特徴とする計算機システム。
  3. 請求項1に記載の計算機システムであって、
    前記工程ペアの遷移確率が信頼できるか否かを判定するための基準を定義したルール情報を保持し、
    前記遷移確率修正部は、前記ルール情報に基づいて、前記工程ペアの遷移確率が信頼できるか否かを判定することを特徴とする計算機システム。
  4. 請求項2又は請求項3に記載の計算機システムであって、
    前記工程ペアの遷移確率が信頼できるか否かを判定するための判定基準を設定するための第1インタフェースを提供することを特徴とする計算機システム。
  5. 請求項1に記載の計算機システムであって、
    前記遷移確率修正部は、
    前記工程ペアの遷移確率の修正内容を示す第2インタフェースを提示し、
    前記第2インタフェースを介して、前記工程ペアの遷移確率の修正する旨の通知を受信した場合、前記工程ペアの遷移確率を補正することを特徴とする計算機システム。
  6. 請求項1に記載の計算機システムであって、
    前記遷移確率算出部は、
    基準の前記対象工程が同一である工程ペアから構成されるペアグループを生成し、
    前記ペアグループに前記工程ペアの遷移確率が信頼できないと判定された工程ペアが含まれる場合、前記ペアグループに含まれる前記工程ペアの遷移確率を全て同じ値に修正し、又は、前記ペアグループに含まれる前記工程ペアの遷移確率の最小値が所定の値より大きくなるように、前記ペアグループに含まれる前記工程ペアの遷移確率を修正することを特徴とする計算機システム。
  7. 請求項1に記載の計算機システムであって、
    遷移確率が信頼できないと判定された前記工程ペアの特徴量に基づいて、前記モデル管理情報を生成するための学習データを生成する学習データ生成部を備えることを特徴とする計算機システム。
  8. 計算機システムが実行する、複数の工程の実行順を定義した計画の生成方法であって、
    前記計算機システムは、
    演算装置及び記憶装置を有する少なくとも一つの計算機を含み、
    計画履歴から生成され、二つの工程から構成される工程ペアの特徴量に基づいて、前記工程ペアを構成する工程間の遷移確率を算出するモデルを管理するためのモデル管理情報を保持し、
    前記計画の生成方法は、
    前記演算装置が、複数の対象工程を含む入力データを受信した場合、基準の前記対象工程及び遷移先の前記対象工程から構成される工程ペアの特徴量及び前記モデル管理情報を用いて、前記工程ペアの遷移確率を算出する第1のステップと、
    前記演算装置が、評価基準に基づいて、前記工程ペアの遷移確率が信頼できるか否かを判定する第2のステップと、
    前記演算装置が、前記工程ペアの遷移確率が信頼できないと判定された前記工程ペアの遷移確率を、当該工程ペアを含む計画が生成される可能性が高まるように補正する第3のステップと、
    前記演算装置が、前記工程ペアの遷移確率に基づいて、前記複数の対象工程の実行順を決定することによって新規計画を生成する第4のステップと、を含むことを特徴とする計画の生成方法。
  9. 請求項8に記載の計画の生成方法であって、
    前記計算機システムは、前記モデル管理情報を生成するために用いた前記計画履歴を保持し、
    前記第2のステップは、
    前記演算装置が、前記計画履歴から履歴工程ペアを生成して、前記履歴工程ペアの特徴量を算出するステップと、
    前記演算装置が、前記工程ペアの特徴量及び前記履歴工程ペアの特徴量に基づいて、特徴量空間における前記工程ペアの特徴量を中心とする所定の領域内に存在する前記履歴工程ペアの数を算出するステップと、
    前記演算装置が、前記履歴工程ペアの数と閾値との比較結果に基づいて、前記工程ペアの遷移確率が信頼できるか否かを判定するステップと、を含むことを特徴とする計画の生成方法。
  10. 請求項8に記載の計画の生成方法であって、
    前記計算機システムは、前記工程ペアの遷移確率が信頼できるか否かを判定するための基準を定義したルール情報を保持し、
    前記第2のステップは、前記演算装置が、前記ルール情報に基づいて、前記工程ペアの遷移確率が信頼できるか否かを判定することを特徴とする計画の生成方法。
  11. 請求項9又は請求項10に記載の計画の生成方法であって、
    前記演算装置は、前記工程ペアの遷移確率が信頼できるか否かを判定するための判定基準を設定するための第1インタフェースを提供するステップを含むことを特徴とする計画の生成方法。
  12. 請求項8に記載の計画の生成方法であって、
    前記第3のステップは、
    前記演算装置が、前記工程ペアの遷移確率の修正内容を示す第2インタフェースを提示するステップと、
    前記演算装置が、前記第2インタフェースを介して、前記工程ペアの遷移確率の修正する旨の通知を受信した場合、前記工程ペアの遷移確率を補正するステップと、を含むことを特徴とする計画の生成方法。
  13. 請求項8に記載の計画の生成方法であって、
    前記第3のステップは、
    前記演算装置が、基準の前記対象工程が同一である工程ペアから構成されるペアグループを生成するステップと、
    前記演算装置が、前記ペアグループに前記工程ペアの遷移確率が信頼できないと判定された工程ペアが含まれる場合、前記ペアグループに含まれる前記工程ペアの遷移確率を全て同じ値に修正し、又は、前記ペアグループに含まれる前記工程ペアの遷移確率の最小値が所定の値より大きくなるように、前記ペアグループに含まれる前記工程ペアの遷移確率を修正するステップと、を含むことを特徴とする計画の生成方法。
  14. 請求項8に記載の計画の生成方法であって、
    前記演算装置が、遷移確率が信頼できないと判定された前記工程ペアの特徴量に基づいて、前記モデル管理情報を生成するための学習データを生成するステップを含むことを特徴とする計画の生成方法。
  15. 複数の工程の実行順を定義した計画を生成する計算機に実行させるためのプログラムであって、
    前記計算機は、
    演算装置及び記憶装置を有し、
    計画履歴から生成され、二つの工程から構成される工程ペアの特徴量に基づいて、前記工程ペアを構成する工程間の遷移確率を算出するモデルを管理するためのモデル管理情報を保持し、
    前記プログラムは、
    複数の対象工程を含む入力データを受信した場合、基準の前記対象工程及び遷移先の前記対象工程から構成される工程ペアの特徴量及び前記モデル管理情報を用いて、前記工程ペアの遷移確率を算出させる手順と、
    評価基準に基づいて、前記工程ペアの遷移確率が信頼できるか否かを判定させる手順と、
    前記工程ペアの遷移確率が信頼できないと判定された前記工程ペアの遷移確率を、当該工程ペアを含む計画が生成される可能性が高まるように補正させる手順と、
    前記工程ペアの遷移確率に基づいて、前記複数の対象工程の実行順を決定することによって新規計画を生成させる手順と、を前記計算機に実行させることを特徴とするプログラム。
JP2019171969A 2019-09-20 2019-09-20 計算機システム、計画の生成方法、及びプログラム Active JP7311373B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2019171969A JP7311373B2 (ja) 2019-09-20 2019-09-20 計算機システム、計画の生成方法、及びプログラム
US16/801,658 US11074518B2 (en) 2019-09-20 2020-02-26 Computer system, generation method of plan, and non-transitory computer readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019171969A JP7311373B2 (ja) 2019-09-20 2019-09-20 計算機システム、計画の生成方法、及びプログラム

Publications (3)

Publication Number Publication Date
JP2021051342A JP2021051342A (ja) 2021-04-01
JP2021051342A5 JP2021051342A5 (ja) 2022-02-28
JP7311373B2 true JP7311373B2 (ja) 2023-07-19

Family

ID=74881025

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019171969A Active JP7311373B2 (ja) 2019-09-20 2019-09-20 計算機システム、計画の生成方法、及びプログラム

Country Status (2)

Country Link
US (1) US11074518B2 (ja)
JP (1) JP7311373B2 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008299531A (ja) 2007-05-30 2008-12-11 Internatl Business Mach Corp <Ibm> 工程の処理順序を決定する技術
JP2010044751A (ja) 2008-07-10 2010-02-25 Palo Alto Research Center Inc 生産リソースの持続的失敗確率および間欠的失敗確率を継続的に推定するための方法およびシステム
WO2014188524A1 (ja) 2013-05-22 2014-11-27 株式会社日立製作所 作業時間推定装置
WO2018220885A1 (ja) 2017-05-31 2018-12-06 株式会社日立製作所 生産計画作成装置、生産計画作成方法及び生産計画作成プログラム
JP2019149154A (ja) 2018-02-27 2019-09-05 キヤノン株式会社 情報処理装置、情報処理方法及びプログラム

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140222487A1 (en) * 2013-02-04 2014-08-07 The Boeing Company Total-Ordering In Process Planning
US20200364728A1 (en) * 2019-05-13 2020-11-19 Samsung Electronics Co., Ltd. Method of comparison-based ranking

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008299531A (ja) 2007-05-30 2008-12-11 Internatl Business Mach Corp <Ibm> 工程の処理順序を決定する技術
JP2010044751A (ja) 2008-07-10 2010-02-25 Palo Alto Research Center Inc 生産リソースの持続的失敗確率および間欠的失敗確率を継続的に推定するための方法およびシステム
WO2014188524A1 (ja) 2013-05-22 2014-11-27 株式会社日立製作所 作業時間推定装置
WO2018220885A1 (ja) 2017-05-31 2018-12-06 株式会社日立製作所 生産計画作成装置、生産計画作成方法及び生産計画作成プログラム
JP2019149154A (ja) 2018-02-27 2019-09-05 キヤノン株式会社 情報処理装置、情報処理方法及びプログラム

Also Published As

Publication number Publication date
JP2021051342A (ja) 2021-04-01
US20210089950A1 (en) 2021-03-25
US11074518B2 (en) 2021-07-27

Similar Documents

Publication Publication Date Title
US20220171988A1 (en) Systems and methods for identifying processes for robotic automation and building models therefor
US10614266B2 (en) Recognition and population of form fields in an electronic document
US20210241859A1 (en) Trial design platform
US11093702B2 (en) Checking and/or completion for data grids
US8190537B1 (en) Feature selection for large scale models
US20220043978A1 (en) Automatic formulation of data science problem statements
US20120102417A1 (en) Context-Aware User Input Prediction
US10685062B2 (en) Relational database management
US11487972B2 (en) Reward function generation method and computer system
CN115298672A (zh) 试验设计平台
US11586436B1 (en) Systems and methods for version control in a computing device
KR102350745B1 (ko) UX-bit를 이용한 자동 디자인 생성 인공신경망 장치 및 방법
JP7311373B2 (ja) 計算機システム、計画の生成方法、及びプログラム
US11256748B2 (en) Complex modeling computational engine optimized to reduce redundant calculations
CN112084784A (zh) 预测语义角色标注的功能性标记
US11803575B2 (en) Apparatus, system, and method for classifying and neutralizing bias in an application
US20220284326A1 (en) Using functions to annotate a syntax tree with real data used to generate an answer to a question
US20220358407A1 (en) System and method for initiating a completed lading request
US20210374628A1 (en) Systems and methods for visual financial modeling
JP2020115292A (ja) 評価支援プログラム、評価支援方法および情報処理装置
US11481859B2 (en) Methods and systems for scheduling a user transport
JP7373384B2 (ja) 計算機システム及びスケジューリングシステムの検証方法
US11741651B2 (en) Apparatus, system, and method for generating a video avatar
US11750643B1 (en) Apparatus and method for determining a recommended cyber-attack risk remediation action
US12008409B1 (en) Apparatus and a method for determining resource distribution

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220217

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220217

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20221227

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230110

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230228

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: 20230620

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230706

R150 Certificate of patent or registration of utility model

Ref document number: 7311373

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150