WO2020095993A1 - 推論装置、情報処理装置、推論方法、プログラム及び記録媒体 - Google Patents

推論装置、情報処理装置、推論方法、プログラム及び記録媒体 Download PDF

Info

Publication number
WO2020095993A1
WO2020095993A1 PCT/JP2019/043670 JP2019043670W WO2020095993A1 WO 2020095993 A1 WO2020095993 A1 WO 2020095993A1 JP 2019043670 W JP2019043670 W JP 2019043670W WO 2020095993 A1 WO2020095993 A1 WO 2020095993A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
inference
question
sensor
sensor data
Prior art date
Application number
PCT/JP2019/043670
Other languages
English (en)
French (fr)
Inventor
正知 小宮山
稔 海老沢
利雄 長野
正太 山田
一輝 岩橋
Original Assignee
日鉄ソリューションズ株式会社
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 日鉄ソリューションズ株式会社 filed Critical 日鉄ソリューションズ株式会社
Priority to US17/290,057 priority Critical patent/US20210397992A1/en
Priority to CN201980070501.8A priority patent/CN112912903A/zh
Publication of WO2020095993A1 publication Critical patent/WO2020095993A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/046—Forward inferencing; Production systems
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0766—Error or fault reporting or storing
    • G06F11/0772—Means for error signaling, e.g. using interrupts, exception flags, dedicated error registers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2431—Multiple classes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Definitions

  • the present invention relates to an inference device, an information processing device, an inference method, a program, and a recording medium that make an inference according to input information.
  • expert systems that infer the cause of defects in the manufacturing process and infer countermeasures according to defects.
  • the expert system asks a predetermined question to the user and infers a factor or a countermeasure based on the answer from the user.
  • Patent Document 1 discloses a device that performs appropriate factor estimation by determining which of data input by a user and sensor data is used as a response.
  • Patent Document 1 which of the input data input by the user and the sensor data is prioritized according to the device to be monitored, by grasping the presence or absence of the sensor in the device to be monitored. Had to be set in advance, which was troublesome.
  • the present invention has been made in view of such a problem, and an object thereof is to provide an inference apparatus that appropriately infers a phenomenon without incurring costs.
  • the present invention is an inference device that infers a phenomenon, and determines whether the question is a qualitative question or a quantitative question, and a question acquisition unit that obtains a question regarding the phenomenon.
  • Question determination means sensor determination means for determining whether or not sensor data can be acquired in the case of the quantitative question, and data used for inference using the sensor data when the sensor data can be acquired. If the sensor data cannot be acquired, the inference according to the phenomenon is performed by using the determining unit that determines the input data by the user as the data used for the inference and the data determined by the determining unit. And inference means.
  • FIG. 1 is an overall configuration diagram of the inference system.
  • FIG. 2 is a hardware configuration diagram of the inference apparatus.
  • FIG. 3 is a functional configuration diagram of the inference apparatus.
  • FIG. 4 is a diagram showing a data configuration example of the question DB.
  • FIG. 5 is a diagram showing an example of the data structure of the link DB.
  • FIG. 6 is a data configuration diagram of the candidate DB.
  • FIG. 7 is a conceptual diagram of the knowledge database.
  • FIG. 8 is a data configuration diagram of the word DB.
  • FIG. 9 is a flowchart showing the inference processing by the inference apparatus.
  • FIG. 10 is a flowchart showing the inference processing by the inference apparatus.
  • FIG. 11 is a diagram showing a display example in the inference process.
  • FIG. 12 is a diagram showing a display example in the inference processing.
  • FIG. 13A is a diagram showing a display example in the inference process.
  • FIG. 13B is a diagram showing a display example in the inference process.
  • FIG. 13C is a diagram showing a display example in the inference process.
  • Figure 1 shows the overall configuration of the inference system.
  • An inference system is a system that infers factors and the like for a phenomenon.
  • an inference system infers a countermeasure against the phenomenon as an example.
  • the phenomenon is not limited to a failure or the like in the device to be monitored.
  • the inference target is not limited to the countermeasure, but may be a factor for the phenomenon.
  • the inference system includes an inference device 100, a device 110 to be monitored, a sensor group 120, and a smart glass 130.
  • the sensor group 120 has a plurality of sensors that detect various information of the device 110 to be monitored.
  • the inference apparatus 100 is configured as, for example, a server or a cloud type information processing apparatus, and is communicatively connected to the sensor group 120 and the smart glasses 130 via, for example, a network.
  • the inference apparatus 100 acquires various sensor data from the sensor group 120.
  • the smart glasses 130 are wearable devices that superimpose and display images in the physical space.
  • the smart glass 130 receives the inference result from the inference apparatus 100 and displays it.
  • the smart glasses 130 also transmit the information input by the user to the inference apparatus 100.
  • the inference apparatus 100 infers the countermeasure for the device 110 by using the sensor data and the input data input by the user in the smart glasses 130.
  • the device 110 may be any device as long as it can infer the countermeasure by using the two data of the sensor data and the input data, and the type thereof is not particularly limited. Examples of the device 110 include a DC cooler. It should be noted that the inference apparatus 100 is not necessarily connected to only a single device 110 and its sensor group 120, but is connected to a plurality of devices and sensor groups in a communicable manner, and makes inferences about phenomena related thereto. It may be configured to perform.
  • FIG. 2 is a hardware configuration diagram of the inference apparatus 100.
  • the inference apparatus 100 has a CPU 201, a ROM 202, a RAM 203, an HDD 204, a display unit 205, an input unit 206, and a communication unit 207.
  • the CPU 201 reads out the control program stored in the ROM 202 and executes various processes.
  • the RAM 203 is used as a main memory of the CPU 201 and a temporary storage area such as a work area.
  • the HDD 204 stores various data and various programs.
  • the display unit 205 displays various information.
  • the input unit 206 has a keyboard and a mouse and receives various operations by the user.
  • the communication unit 207 performs communication processing with an external device such as a sensor via the network.
  • the functions and processing of the inference apparatus 100 described below are realized by the CPU 201 reading a program stored in the ROM 202 or the HDD 204 and executing this program. Further, as another example, the CPU 201 may read a program stored in a recording medium such as an SD card in place of the ROM 202 or the like.
  • FIG. 3 is a functional configuration diagram of the inference apparatus 100.
  • the inference apparatus 100 has a question DB 301, a link DB 302, a candidate DB 303, a word DB 304, a sensor data DB 305, an input management unit 311, and an inference unit 312.
  • FIG. 4 is a diagram showing a data configuration example of the question DB 301.
  • the question DB 301 stores question data, costs, and links in association with each other.
  • the question data is question data necessary for inferring the countermeasure.
  • the cost is an index value indicating the amount of burden associated with answering the question data. For example, a question that cannot be answered without temporarily stopping the process such as continuous casting is accompanied by a loss in answer. A high cost is set for such question data.
  • the cost data is used as a judgment factor when selecting question data, and it becomes difficult to select question data having large cost data. This can prevent an increase in cost.
  • the link is information that links candidate data and question data described below.
  • FIG. 5 is a diagram showing a data configuration example of the link DB 302.
  • the link DB 302 stores links, candidate data, and impact levels in association with each other.
  • the candidate data is data that is a candidate for the inference result by the inference unit 312.
  • the degree of influence is positive or negative data assigned according to the relationship between the question data and the candidate data. For example, in the case of a question used to select one of two candidate data, one candidate data is assigned positive data for the question, and the other candidate data is assigned to the question. On the other hand, negative data is assigned.
  • FIG. 6 is a data configuration diagram of the candidate DB 303.
  • the candidate DB 303 stores candidate data and certainty factors in association with each other.
  • the certainty factor is a value indicating the certainty as the inference result of the candidate data.
  • the certainty factors are all set to 50% in the initial state, and are updated at any time as the inference process proceeds thereafter.
  • FIG. 7 is a conceptual diagram of a knowledge database realized by the question DB 301, the link DB 302, and the candidate DB 303.
  • the question data Q1, Q2, (7) Is linked to the candidate data (N1 to N21) by the links (L1, L2, ).
  • the candidate data is hierarchically arranged in a tree shape as shown in FIG.
  • the question data are associated with each other regardless of the hierarchy of the candidate data. That is, it is possible to associate one question data set with a plurality of candidate data sets having different hierarchies.
  • FIG. 8 is a data configuration diagram of the word DB 304.
  • the word DB 304 stores the words included in the question and the type of the question in association with each other.
  • the quantitative question is a question whose answer can be acquired as sensor data, such as whether the temperature of the device is in the range of 10 ° C to 20 ° C.
  • a qualitative question is a question whose answer cannot be acquired as center data, such as whether the device is dirty.
  • the type of question is set in advance for each word.
  • information indicating the type of sensor data is associated with a quantitative question.
  • the type of sensor data is, for example, the type of value such as temperature and humidity.
  • the word DB 304 is an example of a correspondence table.
  • the inference unit 312 refers to the question DB 301, the link DB 302, and the candidate DB 303, selects question data, and infers a countermeasure based on the answer data obtained for the question data.
  • the input management unit 311 determines whether the data used for inference is input data input by the user or sensor data input from the sensor group 120. decide. Then, the input management unit 311 passes the determined data to the inference unit 312.
  • the input management unit 311 refers to the word DB 304 when determining the data used for inference based on the question data.
  • the sensor data DB 305 stores the sensor data input from the sensor group 120.
  • FIGS. 9 and 10 are flowcharts showing the inference processing by the inference apparatus 100.
  • 11, 12, and 13A to 13C are diagrams showing display examples of the smart glasses 130 in the inference process.
  • FIG. 11 when an abnormality occurs, information indicating the source of the abnormality is displayed on the smart glass 130 as in the display example 1101. In the display example 1101, it is displayed as a cooler. Further, “1" is displayed on the cooler, and when the user selects "1" by speaking “1", as shown in display example 1102, information indicating work on the cooler is displayed. To be done.
  • failure diagnosis inference processing
  • step S901 the inference unit 312 selects one piece of question data from the question DB 301.
  • step S902 the inference unit 312 determines whether or not an answer has already been obtained for the selected question data. If the answer is obtained (YES in S902), the inference unit 312 advances the process to S904. If the answer is not obtained (NO in S902), the inference unit 312 advances the process to S903.
  • the inference unit 312 calculates the appropriate value of the question data.
  • the inference unit 312 specifically calculates an appropriate value by (Equation 1).
  • the inference unit 312 determines the effect according to (Equation 2).
  • the cost is the cost for the selected question data.
  • the effect is the effect of the selected question data.
  • the degree of influence and the degree of certainty are the degree of influence and the degree of certainty corresponding to the candidate data associated with the selected question data via the link.
  • the influence degree and the certainty factor corresponding to each of the plurality of candidate data are used in (Equation 2).
  • the absolute value is used for the degree of influence.
  • Appropriate value cost x effect (Equation 1)
  • Effect (sum of impact x confidence) ... (Equation 2)
  • the inference unit 312 determines whether or not the process of calculating appropriate values for all question data has been completed. When all the question data have been processed (YES in S904), the inference unit 312 advances the process to S905. If there is unprocessed question data (NO in S904), the inference unit 312 advances the process to S901. In this case, in S901, unprocessed question data is selected again, and the subsequent processing is performed.
  • the inference unit 312 selects the optimum question data based on the appropriate value. Specifically, the inference unit 312 selects question data having the maximum appropriate value. Then, the inference unit 312 passes the selected question data to the input management unit 311.
  • the input management unit 311 acquires the question data from the inference unit 312, and determines the type of the acquired question data. Specifically, the input management unit 311 extracts words included in the question data. Then, the input management unit 311 refers to the word DB 304 and identifies whether the type associated with the word included in the question data is qualitative or quantitative. In addition, when a plurality of word data is extracted from the question data, the input management unit 311 specifies the type of the question data from the plurality of words according to a predetermined condition. The input management unit 311 only needs to specify the type based on the question data, and the specific process for specifying the type is not limited to the embodiment.
  • the process of S906 is an example of the question acquisition process and the question determination process.
  • the input management unit 311 advances the process to S907.
  • the input management unit 311 advances the process to S910.
  • step S907 the input management unit 311 further refers to the word DB 304 to identify the type of sensor data to be acquired. This process is an example of the sensor identification process. Then, the input management unit 311 determines whether or not the specified type of sensor data can be acquired. The input management unit 311 determines the type of sensor data that can be acquired based on the sensor data input from the sensor group 120. The process of S907 is an example of the sensor determination process. If the specified type of sensor data can be acquired (YES in S907), the input management unit 311 advances the process to S908. When the input management unit 311 cannot acquire the specified type of sensor data (NO in S907), the process proceeds to S910.
  • step S908 the input management unit 311 acquires sensor data of the specified type. This process is an example of the sensor data acquisition process. Then, the input management unit 311 determines whether or not the sensor data is normal data. For example, in the temperature data, the range of the assumed detected temperature is 10 to 20 ° C., but when -10 ° C. is detected, it is considered that the correct value is not obtained due to the abnormality of the sensor. Be done.
  • the process of S908 is a process for excluding such an unexpected value.
  • the input management unit 311 determines whether or not the sensor data obtained from the sensor group 120 is normal data in accordance with a condition predetermined for each type of sensor data. For example, when the allowable range of 10 to 30 ° C. is set for the temperature data, the input management unit 311 determines that the obtained sensor data is normal data when the data is within the allowable range. If the data is out of the allowable range, it is determined that it is not normal data. Further, as another example, the input management unit 311 may determine whether the data is normal data based on the time-series change of the temperature data already detected at the time of processing. The input management unit 311 predicts the value of the next sensor data from, for example, a time series change. Then, it may be determined that the obtained sensor data is normal data when the value is within the predetermined range from the predicted value, and is not normal when the value is not within the predetermined range.
  • the process of S908 is an example of the data determination process.
  • the input management unit 311 advances the process to S909. If the data is not normal data (NO in S908), the input management unit 311 advances the process to S910.
  • step S909 the inference unit 312 generates reply data from the sensor data acquired in step S908.
  • the question data can be answered by YES, NO, or UNK (UNKNOWN).
  • the input management unit 311 generates YES, NO, or UNK as the response data from the sensor data.
  • the input management unit 311 advances the process to S912 after the process of S909.
  • the input management unit 311 controls the question data to be output to the smart glasses 130 via the communication unit 207.
  • the question data “The flow rate of steam is 1 L or more and 3 L or less per minute?” Is displayed.
  • the user inputs an answer to the question data.
  • the input management unit 311 receives the input data (response data) input by the user via the communication unit 207.
  • the answer data to be received here is either YES, NO, or UNK as described above.
  • the input management unit 311 advances the process to S912 after the process of S911.
  • the input management unit 311 updates the certainty factor for each of the plurality of candidate data associated with the question data being selected, based on the answer data obtained in S909 or S911. Specifically, when the answer data is YES, the input management unit 311 increases the certainty factors of all the candidate data associated with the question data by a predetermined amount. On the other hand, when the answer data is NO, the input management unit 311 reduces the certainty factors of all the candidate data associated with the question data by a predetermined amount. In the case of UNK, the certainty factor is not changed.
  • the process of S912 is an example of the inference process.
  • the input management unit 311 determines whether or not the certainty factor of the predetermined candidate data has decreased.
  • the processing of S901 to S915 is an iterative process, and the confidence factor of candidate data closer to the countermeasure is gradually increased by repeatedly updating the confidence factor according to the response data. Therefore, when the certainty factor increases to some extent and then the certainty factor decreases, there is a possibility that the response data has an error.
  • the process of S913 is a process of determining the possibility of such an error in the response data.
  • the input management unit 311 selects, as a processing target, candidate data that matches a predetermined condition, such as candidate data having a maximum certainty factor or candidate data having a certainty factor equal to or higher than a threshold value. Then, the input management unit 311 determines whether or not the certainty factor calculated in S912 immediately before the candidate data to be processed is lower than the certainty factor before calculation. If the certainty factor is lowered (YES in S913), the input management unit 311 advances the process to S914. If the certainty factor is not lowered (NO in S913), the input management unit 311 advances the process to S915.
  • the input management unit 311 records that the answer data may be erroneous in association with the selected question data. Further, the input management unit 311 controls the display unit 205 to display information indicating that the response data may be erroneous. If the confidence factor is updated in S912, that is, if the confidence factor is updated based on the sensor data, the sensor data may be abnormal. The input management unit 311 may record and display information so that it can be identified that there is a possibility of abnormality in the sensor data. The input management unit 311 advances the process to S915 after the process of S914. The process of displaying the information indicating that there is a possibility of error may be omitted.
  • the input management unit 311 determines whether the estimation is completed. The input management unit 311 determines that the estimation is completed when the maximum value of the certainty factor is equal to or larger than a preset threshold value. If the estimation is completed (YES in S915), the input management unit 311 advances the process to S916. If the estimation is not completed (NO in S915), the input management unit 311 advances the process to S901.
  • the input management unit 311 transmits the estimation result to the smart glasses 130 via the communication unit 207.
  • This process is an example of an output process for outputting the estimation result.
  • the input management unit 311 transmits candidate data having a certainty factor equal to or higher than a threshold value to the smart glasses 130 together with the certainty factor.
  • the input management unit 311 transmits a predetermined number of candidate data and the certainty factor corresponding thereto in order from the top to the smart glasses 130.
  • the smart glass 130 displays candidate data having a high certainty factor together with the certainty factor. In the display example 1202, the candidate data up to the third place are displayed.
  • the inference unit 312 determines whether or not a history display instruction has been received from the smart glass 130. For example, it is assumed that when the user utters “0” corresponding to “Confirm diagnosis history” shown in the display example 1202 of FIG. 12, the smart glass 130 transmits a history display instruction to the inference apparatus 100. ..
  • the history display instruction is information for instructing the display of the diagnosis history information.
  • the diagnosis history information is information that is shown in chronological order with the questions and their answers used in the process of estimating the diagnosis result.
  • FIG. 13A shows a display example 1301 of the diagnosis history information.
  • questions 1 to 6 and their answers are displayed.
  • questions 4 to 6 “(automatic answer completed)” is shown after the question text.
  • questions 4 to 6 “(automatic answer completed)” is shown after the question text.
  • the answer data in which the fact that the answer data may be incorrect is recorded is displayed in such a manner that the user can identify it. As a result, the user can confirm whether or not the answer data is correct.
  • the user can change this by user operation. For example, assume that the user determines that the humidity of 20% of the answer to question 6 is incorrect. In this case, speak "6".
  • the smart glasses 130 display a window 1303 for inputting the changed value, as shown in a display example 1302 of FIG. 13B.
  • the user inputs the changed value. For example, enter 60%.
  • the smart glasses 130 update the answer to the question 6 as shown in the display example 1304 of FIG. 13C.
  • the smart glasses 130 send a sensor data change instruction indicating that the answer to the question 6 should be changed to 60% to the inference apparatus 100.
  • the inference unit 312 determines in step S1003 whether or not a sensor data change instruction has been received.
  • the process proceeds to S1004. If the inference unit 312 does not accept the sensor data change instruction (NO in S1003), the inference unit 312 ends the inference process.
  • the inference unit 312 changes the sensor data according to the sensor data change instruction. For example, when a sensor data change instruction indicating that the answer to question 6 is changed to 60% is received, the sensor data as an answer to question 6 is changed from 20% to 60%.
  • the inference unit 312 updates the certainty factor for the candidate data associated with the corresponding question data, based on the response data changed in S1004. This process is the same as the process of updating the certainty factor in S912.
  • the inference unit 312 updates the estimation result according to the updated certainty factor.
  • the inference unit 312 transmits the updated estimation result to the smart glasses 130 via the communication unit 207. Upon receiving the estimation result, the smart glasses 130 update the display of the estimation result according to the received estimation result.
  • the inference apparatus 100 determines whether the answer data is the input data by the user or the sensor data according to the question data. Further, the inference apparatus 100 acquires the user input when the sensor data does not exist or when the sensor data indicates an abnormal value. As described above, the inference apparatus 100 according to the present embodiment determines whether the sensor data can be used as the answer data based on the question content. Therefore, it is not necessary to check the presence / absence of sensor data for each device to be monitored, and to construct a DB in which whether to use sensor data or input data for each question data is preset. In this way, the inference apparatus 100 can perform appropriate inference on a phenomenon without incurring costs.
  • the hardware configuration of the inference system is not limited to the embodiment.
  • the input management unit 311 and the inference unit 312 may be realized by different information processing devices.
  • the information processing device functioning as the input management unit 311 receives the question data from the information processing device functioning as the inference unit 312, generates answer data corresponding to the question data, and extracts the answer data from the inference unit 312. It may be transmitted to the information processing device that functions as.
  • at least a part of the functions and processes of the inference apparatus 100 may be realized by cooperating a plurality of CPUs, RAMs, ROMs, and storages.
  • the hardware for displaying the inference result and the like is not limited to the smart glasses 130, and as another example, it may be a display unit such as a PC used by the user.
  • the inference apparatus 100 may refer to one type of sensor data in inference. In this case, the process of specifying the sensor type is unnecessary, and the word DB 304 does not need the information indicating the sensor type.
  • the diagnosis history information is output after the inference is completed, but the output timing of the diagnosis history information is not limited to the embodiment. As another example, it may be appropriately output according to a user operation before the inference is completed. In this case, the inference apparatus 100 outputs the already-obtained question and its answer as the diagnosis history information. Further, when the inference apparatus 100 receives the sensor data change instruction, the inference apparatus 100 may update the already obtained answer and then proceed with the inference.
  • the present invention is also realized by executing the following processing. That is, the software (program) that realizes the functions of the above-described embodiments is supplied to the system or device via the network or various recording media. Then, the computer (or CPU, MPU, etc.) of the system or apparatus reads and executes the program.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Quality & Reliability (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Development Economics (AREA)
  • Automation & Control Theory (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

現象に対し推論を行う推論装置であって、現象に関する質問を取得する質問取得手段と、質問が定性的な質問であるか定量的な質問であるかを判定する質問判定手段と、定量的な質問の場合に、センサデータの取得が可能か否かを判定するセンサ判定手段と、センサデータの取得が可能な場合に、センサデータを推論に用いるデータとして決定し、センサデータの取得が可能でない場合には、ユーザによる入力データを推論に用いるデータとして決定する決定手段と、決定手段が決定したデータを用いて、現象に応じた推論を行う推論手段と有する。

Description

推論装置、情報処理装置、推論方法、プログラム及び記録媒体
　本発明は、入力された情報に従い推論を行う推論装置、情報処理装置、推論方法、プログラム及び記録媒体に関する。
　従来、製造工程における不良の要因を推論したり、不良に応じた対応策を推論したりするエキスパートシステムが知られている。エキスパートシステムでは、ユーザに所定の質問を行い、それに対するユーザからの回答に基づいて、要因や対応策を推論する。
　近年の技術進歩によりセンサから入力されるデータは膨大になっており、要因の推論においても、多くのセンサデータを用いることが可能である。特許文献１には、ユーザから入力されたデータと、センサデータのいずれを回答として用いるかを定めることで、適切な要因推定を行う装置が開示されている。
特開２００７－２７９８４０号公報
　しかしながら、特許文献１に開示された技術においては、監視対象の装置におけるセンサの有無を把握し、監視対象の装置に応じて、ユーザから入力された入力データと、センサデータのいずれを優先するかを予め設定しておく必要があり、手間かかるという問題があった。
　本発明は、このような問題点に鑑みなされたもので、コストをかけることなく、現象に対し適切な推論を行う推論装置を提供することを目的とする。
　そこで、本発明は、現象に対し推論を行う推論装置であって、前記現象に関する質問を取得する質問取得手段と、前記質問が定性的な質問であるか定量的な質問であるかを判定する質問判定手段と、前記定量的な質問の場合に、センサデータの取得が可能か否かを判定するセンサ判定手段と、前記センサデータの取得が可能な場合に、前記センサデータを推論に用いるデータとして決定し、前記センサデータの取得が可能でない場合には、ユーザによる入力データを推論に用いるデータとして決定する決定手段と、前記決定手段が決定したデータを用いて、現象に応じた推論を行う推論手段とを有することを特徴とする。
　本発明によれば、コストをかけることなく、現象に対し適切な推論を行う推論装置を提供することができる。
図１は、推論システムの全体構成図である。 図２は、推論装置のハードウェア構成図である。 図３は、推論装置の機能構成図である。 図４は、質問ＤＢのデータ構成例を示す図である。 図５は、リンクＤＢのデータ構成例を示す図である。 図６は、候補ＤＢのデータ構成図である。 図７は、知識データベースの概念図である。 図８は、単語ＤＢのデータ構成図である。 図９は、推論装置による推論処理を示すフローチャートである。 図１０は、推論装置による推論処理を示すフローチャートである。 図１１は、推論処理における表示例を示す図である。 図１２は、推論処理における表示例を示す図である。 図１３Ａは、推論処理における表示例を示す図である。 図１３Ｂは、推論処理における表示例を示す図である。 図１３Ｃは、推論処理における表示例を示す図である。
　以下、本発明の実施形態について図面に基づいて説明する。
　図１は、推論システムの全体構成図である。推論システムは、現象に対し、その要因等を推論するシステムである。本実施形態においては、監視対象の機器における故障や異常といった現象が発生した場合に、推論システムが、その現象に対する対応策を推論する場合を例に説明する。なお、現象は、監視対象の機器における故障等に限定されるものではない。また、推論対象は対応策に限定されるものではなく、現象に対する要因であってもよい。
　推論システムは、推論装置１００と、監視対象の機器１１０と、センサ群１２０と、スマートグラス１３０と、を有している。センサ群１２０は、監視対象の機器１１０の各種情報を検知する複数のセンサを有している。推論装置１００は、例えばサーバやクラウド型の情報処理装置として構成され、センサ群１２０及びスマートグラス１３０と、例えばネットワークを介して通信可能に接続されている。推論装置１００は、センサ群１２０から各種センサデータを取得する。スマートグラス１３０は、現実空間に画像を重畳して表示するウエアラブルデバイスである。スマートグラス１３０は、推論装置１００から推論結果等を受信し、これを表示する。スマートグラス１３０はまた、ユーザ入力された情報を推論装置１００に送信する。推論装置１００は、センサデータやスマートグラス１３０においてユーザにより入力された入力データを用いることで、機器１１０に対する対応策を推論する。機器１１０は、センサデータと、入力データと、の２つのデータを用いることで対応策の推論が可能な装置であればよく、その種類は特に限定されるものではない。機器１１０としては、ＤＣの冷却器等が挙げられる。なお、推論装置１００は単一の機器１１０とそのセンサ群１２０のみに接続されているとは限らず、複数の機器やセンサ群と通信可能に接続され、それらに関連する現象に対して推論を行う構成であってもよい。
　図２は、推論装置１００のハードウェア構成図である。推論装置１００は、ＣＰＵ２０１と、ＲＯＭ２０２と、ＲＡＭ２０３と、ＨＤＤ２０４と、表示部２０５と、入力部２０６と、通信部２０７とを有している。ＣＰＵ２０１は、ＲＯＭ２０２に記憶された制御プログラムを読み出して各種処理を実行する。ＲＡＭ２０３は、ＣＰＵ２０１の主メモリ、ワークエリア等の一時記憶領域として用いられる。ＨＤＤ２０４は、各種データや各種プログラム等を記憶する。表示部２０５は、各種情報を表示する。入力部２０６は、キーボードやマウスを有し、ユーザによる各種操作を受け付ける。通信部２０７は、ネットワークを介してセンサ等の外部装置との通信処理を行う。
　なお、後述する推論装置１００の機能や処理は、ＣＰＵ２０１がＲＯＭ２０２又はＨＤＤ２０４に格納されているプログラムを読み出し、このプログラムを実行することにより実現されるものである。また、他の例としては、ＣＰＵ２０１は、ＲＯＭ２０２等に替えて、ＳＤカード等の記録媒体に格納されているプログラムを読み出してもよい。
　図３は、推論装置１００の機能構成図である。推論装置１００は、質問ＤＢ３０１と、リンクＤＢ３０２と、候補ＤＢ３０３と、単語ＤＢ３０４と、センサデータＤＢ３０５と、入力管理部３１１と、推論部３１２と、を有している。
　図４は、質問ＤＢ３０１のデータ構成例を示す図である。質問ＤＢ３０１は、質問データと、コストと、リンクと、を対応付けて記憶している。ここで、質問データは、対応策を推論するために必要な質問データである。コストは、質問データに対する回答に伴う負担の大きさを示す指標値である。例えば、連続鋳造等のプロセスを一時的に停止しなければ回答できないような質問は回答に損失が伴う。このような質問データに対しては高いコストが設定される。コストデータは、質問データの選択時の判断要素として利用され、コストデータの大きな質問データは選択され難くなる。これにより、コストの増大を防止できる。リンクは、後述の候補データと質問データとを紐付ける情報である。
　図５は、リンクＤＢ３０２のデータ構成例を示す図である。リンクＤＢ３０２は、リンクと、候補データと、影響度と、を対応付けて記憶している。ここで、候補データは、推論部３１２による推論結果の候補となるデータである。影響度は、質問データと候補データの関係に応じて割り当てられた正又は負のデータである。例えば、２つの候補データのうち１つを選択するために利用される質問の場合、一方の候補データには、その質問に対し正のデータが割り当てられ、他方の候補データには、その質問に対し負のデータが割り当てられる。
　図６は、候補ＤＢ３０３のデータ構成図である。候補ＤＢ３０３は、候補データと、確信度と、を対応付けて記憶している。ここで、確信度は、候補データの推論結果としての確からしさを示す値である。確信度は、初期状態ではすべて５０％に設定されており、その後の推論プロセスの進行に従い随時更新される。
　図７は、質問ＤＢ３０１、リンクＤＢ３０２及び候補ＤＢ３０３により実現される知識データベースの概念図である。このように、質問データ（Ｑ１、Ｑ２、…）は、リンク（Ｌ１、Ｌ２、…）により、候補データ（Ｎ１～Ｎ２１）に紐付けられている。また、候補データは、図７に示すように、ツリー状に階層化されている。なお、各質問データは、候補データの階層とは無関係に対応付けられる。すなわち、１つの質問データに対し、階層の異なる複数の候補データが対応付けられることも可能である。
　図８は、単語ＤＢ３０４のデータ構成図である。単語ＤＢ３０４は、質問に含まれる単語と、質問の種類とを対応付けて記憶している。ここで、質問の種類としては、定性的な質問であるか、定量的な質問であるかの２つの種類がある。ここで、定量的な質問とは、例えば装置の温度は１０℃～２０℃の範囲内か等、その回答がセンサデータとして取得可能な質問である。一方で、定性的な質問とは、装置が汚れているか等、その回答がセンタデータとして取得できない質問である。なお、質問の種類は、単語毎に予め設定されているものとする。さらに、定量的な質問に対しては、センサデータの種類を示す情報が対応付けられている。センサデータの種類とは、例えば、温度、湿度など値の種類である。なお、単語ＤＢ３０４は、対応テーブルの一例である。
　図３に戻り、推論部３１２は、質問ＤＢ３０１、リンクＤＢ３０２、候補ＤＢ３０３を参照し、質問データを選択し、質問データに対して得られた回答データに基づいて、対応策を推論する。入力管理部３１１は、推論部３１２により選択された質問データに基づいて、推論に用いるデータを、ユーザから入力される入力データとするか、センサ群１２０から入力されるセンサデータとするか、を決定する。そして、入力管理部３１１は、決定したデータを、推論部３１２に渡す。入力管理部３１１は、質問データに基づいて、推論に用いるデータを決定する際に、単語ＤＢ３０４を参照する。センサデータＤＢ３０５は、センサ群１２０から入力されたセンサデータを格納する。
　図９及び図１０は、推論装置１００による推論処理を示すフローチャートである。図１１、図１２及び図１３Ａ～図１３Ｃは、推論処理におけるスマートグラス１３０の表示例を示す図である。図１１に示すように、異常が発生すると、スマートグラス１３０には、表示例１１０１のように、異常の発生源を示す情報が表示される。表示例１１０１においては、冷却器と表示される。さらに、冷却器には、「１」と表示されており、ユーザが「１」と発話することで「１」を選択すると、表示例１１０２に示すように、冷却器に対する作業を示す情報が表示される。ここで、ユーザが「１」を選択すると、故障診断（推論処理）が開始される。なお、図１１、図１２及び図１３Ａ～図１３Ｃに示す表示例においては、説明の便宜上、適宜ユーザが視認し得る現実空間を省略し、重畳表示される画像のみを示している。ただし、実際には、スマートグラス１３０を装着したユーザは、現実空間に重畳した状態で、図１１、図１２及び図１３Ａ～図１３Ｃに表示される画像を見ることができる。
　推論処理においては、まずＳ９０１において、推論部３１２は、質問ＤＢ３０１から、任意の質問データを１つ選択する。次に、Ｓ９０２において、推論部３１２は、選択中の質問データに対し、既に回答が得られているか否かを判定する。推論部３１２は、回答が得られている場合には（Ｓ９０２でＹＥＳ）、処理をＳ９０４へ進める。推論部３１２は、回答が得られていない場合には（Ｓ９０２でＮＯ）、処理をＳ９０３へ進める。
　Ｓ９０３において、推論部３１２は、質問データの適正値を算出する。推論部３１２は、具体的には、（式１）により適正値を算出する。推論部３１２は、効果については、（式２）により求めるものとする。ここで、コストは、選択中の質問データに対するコストである。効果は、選択中の質問データの効果である。影響度及び確信度は、いずれも選択中の質問データに対し、リンクを介して対応付けられている候補データに対応する影響度及び確信度である。複数の候補データが対応付けられている場合には、（式２）において複数の候補データそれぞれに対応した影響度と確信度が用いられる。なお、影響度については、絶対値を用いるものとする。
 
　適正値＝コスト×効果　　　…（式１）
　効果＝（各影響度×各確信度）の総和　　　…（式２）
 
　Ｓ９０４において、推論部３１２には、すべての質問データについて適正値を算出する処理が完了したか否かを判定する。推論部３１２は、すべての質問データに対して処理済みの場合には（Ｓ９０４でＹＥＳ）、処理をＳ９０５へ進める。推論部３１２は、未処理の質問データが存在する場合には（Ｓ９０４でＮＯ）、処理をＳ９０１へ進める。この場合、Ｓ９０１において、再度未処理の質問データを選択し、以降の処理を行う。
　Ｓ９０５において、推論部３１２は、適正値に基づいて、最適な質問データを選択する。具体的には、推論部３１２は、適正値が最大となる質問データを選択する。そして、推論部３１２は、選択した質問データを入力管理部３１１へ渡す。
　次に、Ｓ９０６において、入力管理部３１１は、推論部３１２から質問データを取得し、取得した質問データの種類を判定する。具体的には、入力管理部３１１は、質問データに含まれる単語を抽出する。そして、入力管理部３１１は、単語ＤＢ３０４を参照し、質問データに含まれる単語に対応付けられた種類として、定性的であるか定量的であるかを特定する。なお、質問データから複数の単語データが抽出された場合には、入力管理部３１１は、予め定められた条件に従い、複数の単語から質問データの種類を特定するものとする。なお、入力管理部３１１は、質問データに基づいて、その種類を特定すればよく、種類を特定するための具体的な処理は実施形態に限定されるものではない。なお、Ｓ９０６の処理は、質問取得処理及び質問判定処理の一例である。入力管理部３１１は、定量的な質問の場合には（Ｓ９０６で定量的）、処理をＳ９０７へ進める。入力管理部３１１は、定性的な質問の場合には（Ｓ９０６で定性的）、処理をＳ９１０へ進める。
　Ｓ９０７において、入力管理部３１１は、さらに単語ＤＢ３０４を参照し、取得すべきセンサデータの種類を特定する。本処理は、センサ特定処理の一例である。そして、入力管理部３１１は、特定した種類のセンサデータを取得できるか否かを判定する。なお、入力管理部３１１は、センサ群１２０から入力されるセンサデータに基づいて、取得可能なセンサデータの種類を判別する。なお、Ｓ９０７の処理は、センサ判定処理の一例である。入力管理部３１１は、特定した種類のセンサデータを取得できる場合には（Ｓ９０７でＹＥＳ）、処理をＳ９０８へ進める。入力管理部３１１は、特定した種類のセンサデータを取得できない場合には（Ｓ９０７でＮＯ）、処理をＳ９１０へ進める。
　Ｓ９０８において、入力管理部３１１は、特定した種類のセンサデータを取得する。本処理は、センサデータ取得処理の一例である。そして、入力管理部３１１は、センサデータが正常データであるか否かを判定する。例えば、温度データにおいて、想定される検知温度の範囲が１０～２０℃であるのに対し、マイナス１０℃が検出された場合には、センサの異常等により正しい値が得られていないことが考えられる。Ｓ９０８の処理は、このように想定されない値を除外するための処理である。
　具体的には、入力管理部３１１は、センサデータの種類毎に予め定められた条件に従い、センサ群１２０から得られたセンサデータが正常データであるか否かを判定する。例えば、温度データに対しては、１０～３０℃の許容範囲が定められている場合、入力管理部３１１は、得られたセンサデータが許容範囲内のデータである場合には、正常データであると判定し、許容範囲外のデータである場合には正常データではないと判定する。また、他の例としては、入力管理部３１１は、処理時点において既に検知された温度データの時系列変化に基づいて、正常データであるか否かを判定してもよい。入力管理部３１１は、例えば、時系列変化から次のセンサデータの値を予測する。そして、得られたセンサデータが予測値から所定範囲内の値の場合に正常データであると判定し、所定範囲内の値でない場合に正常データでないと判定してもよい。なお、Ｓ９０８の処理は、データ判定処理の一例である。
　入力管理部３１１は、正常データである場合には（Ｓ９０８でＹＥＳ）、処理をＳ９０９へ進める。入力管理部３１１は、正常データでない場合には（Ｓ９０８でＮＯ）、処理をＳ９１０へ進める。
　Ｓ９０９において、推論部３１２は、Ｓ９０８において取得したセンサデータから回答データを生成する。本実施形態においては、質問データは、ＹＥＳ、ＮＯ、ＵＮＫ（ＵＮＫＮＯＷＮ）、のいずれかで回答可能なものになっている。入力管理部３１１は、センサデータからＹＥＳ、ＮＯ、ＵＮＫのいずれかを回答データとして生成する。入力管理部３１１は、Ｓ９０９の処理の後、処理をＳ９１２へ進める。
　一方、Ｓ９１０においては、入力管理部３１１は、質問データを通信部２０７を介してスマートグラス１３０に出力するよう制御する。図１２に示す表示例１２０１においては、「蒸気の流量は毎分１Ｌ以上３Ｌ以下？」という質問データが表示されている。これに対し、ユーザは、質問データに対する回答を入力する。Ｓ９１１において、入力管理部３１１は、ユーザにより入力された入力データ（回答データ）を通信部２０７を介して受け付ける。なお、ここで、受け付ける回答データも前述の通り、ＹＥＳ、ＮＯ、ＵＮＫのいずれかである。入力管理部３１１は、Ｓ９１１の処理の後、処理をＳ９１２へ進める。
　Ｓ９１２において、入力管理部３１１は、Ｓ９０９又はＳ９１１において得られた回答データに基づいて、選択中の質問データに対応付けられている複数の候補データそれぞれに対する確信度を更新する。具体的には、入力管理部３１１は、回答データがＹＥＳの場合には、質問データに対応付けられているすべての候補データの確信度を所定量だけ増加する。一方で、入力管理部３１１は、回答データがＮＯの場合には、質問データに対応付けられているすべての候補データの確信度を所定量だけ減ずる。なお、ＵＮＫの場合には、確信度の変更はない。Ｓ９１２の処理は、推論処理の一例である。
　Ｓ９１３において、入力管理部３１１は、所定の候補データの確信度が低下したか否かを判定する。Ｓ９０１～Ｓ９１５の処理は、繰り返し処理であり、回答データに応じて確信度が繰り返し更新されることにより、対応策により近い候補データの確信度の値が徐々に高くなっていく。このため、ある程度確信度が増加した後で、確信度が低下した場合には、回答データに誤りがある可能性が考えられる。Ｓ９１３の処理は、このような回答データの誤りの可能性を判定する処理である。
　入力管理部３１１は、確信度が最大値を示す候補データや、確信度が閾値以上となった候補データなど、予め定められた条件に合致する候補データを処理対象として選択する。そして、入力管理部３１１は、処理対象の候補データに対し、直前のＳ９１２において算出された確信度が、算出前の確信度に比べて低下したか否かを判定する。入力管理部３１１は、確信度が低下している場合には（Ｓ９１３でＹＥＳ）、処理をＳ９１４へ進める。入力管理部３１１は、確信度が低下していない場合には（Ｓ９１３でＮＯ）、処理をＳ９１５へ進める。
　Ｓ９１４において、入力管理部３１１は、回答データが誤りの可能性がある旨を、選択中の質問データに対応付けて記録する。さらに、入力管理部３１１は、回答データが誤りの可能性がある旨の情報を表示部２０５に表示するよう制御する。なお、Ｓ９１２において確信度を低下させるように更新した場合、すなわちセンサデータに基づいて確信度を低下させるように更新した場合には、センサデータに異常の可能性があることになる。入力管理部３１１は、このようにセンサデータに異常の可能性があることを識別可能に、情報を記録し、また表示するようにしてもよい。入力管理部３１１は、Ｓ９１４の処理の後、処理をＳ９１５へ進める。なお、誤りの可能性がある旨の情報を表示する処理は省略してもよい。
　Ｓ９１５において、入力管理部３１１は、推定が完了したか否かを判定する。入力管理部３１１は、確信度の最大値が予め設定された閾値以上になった場合に推定が完了したと判定する。入力管理部３１１は、推定が完了した場合には（Ｓ９１５でＹＥＳ）、処理をＳ９１６へ進める。入力管理部３１１は、推定が完了していない場合には（Ｓ９１５でＮＯ）、処理をＳ９０１へ進める。
　Ｓ９１６において、入力管理部３１１は、推定結果を、通信部２０７を介してスマートグラス１３０へ送信する。本処理は、推定結果を出力する出力処理の一例である。スマートグラス１３０は、推定結果を受信すると、これを表示する。入力管理部３１１は、推定結果として、確信度が閾値以上の候補データを、確信度と共にスマートグラス１３０に送信する。確信度が閾値以上の候補データが多数存在する場合には、入力管理部３１１は、上位から順に所定数の候補データとこれに対応する確信度とをスマートグラス１３０に送信する。これに対応し、図１２の表示例１２０２のように、スマートグラス１３０には、確信度が高い候補データが、確信度と共に表示される。表示例１２０２においては、３位までの候補データが表示されている。
　次に、図１０に示すＳ１００１において、推論部３１２は、スマートグラス１３０から経緯表示指示を受け付けたか否かを判定する。例えば、図１２の表示例１２０２に示される「診断経緯を確認する」に対応した「０」をユーザが発話した場合に、スマートグラス１３０から経緯表示指示が推論装置１００に送信されるものとする。ここで、経緯表示指示とは、診断経緯情報の表示を指示する情報である。診断経緯情報とは、診断結果を推定する過程で用いられた質問とその回答と時系列に沿って示す情報である。推論部３１２は、経緯表示指示を受け付けた場合には（Ｓ１００１でＹＥＳ）、処理をＳ１００２へ進める。推論部３１２は、経緯表示指示を受け付けなかった場合には（Ｓ１００１でＮＯ）、推論処理を終了する。
　Ｓ１００２において、推論部３１２は、診断経緯情報を出力する。図１３Ａに診断経緯情報の表示例１３０１を示している。表示例１３０１においては、質問１～６とその回答が表示されている。このうち、質問４～６においては、質問文の後ろに「（自動回答済）」と示されている。これらは、ユーザに確認することなく、推論装置１００が回答としてセンサデータを自動的に取得したことを示している。このように、ユーザは、センサデータが用いられた質問とその回答について確認することができる。さらに、質問６においては、「＊異常値の可能性あり！」と示されている。図９を参照しつつ説明したＳ９１４の処理において、回答データが誤っている可能性がある旨が記録された回答データに対しては、このように、ユーザが識別可能に表示する。これにより、ユーザは、回答データが正しいか否かを確認することができる。
　ここで、ユーザは、質問６の回答を確認し、センサデータの入力に誤りがあると判断した場合には、ユーザ操作によりこれを変更することができる。例えば、ユーザが、質問６に対する回答の湿度２０％が正しくないと判断したとする。この場合には、「６」と発話する。これに対応し、スマートグラス１３０は、図１３Ｂの表示例１３０２に示すように、変更後の値を入力するためのウィンドウ１３０３を表示する。ここで、ユーザは、変更後の値を入力する。例えば、６０％と入力する。これに対応し、スマートグラス１３０は、図１３Ｃの表示例１３０４に示すように、質問６の回答を更新する。その後、ユーザが「再診断」と発話すると、スマートグラス１３０は、質問６に対する回答を６０％に変更することを示すセンサデータ変更指示を推論装置１００へ送信する。
　これに対応し、Ｓ１００３において、推論部３１２は、センサデータ変更指示を受け付けたか否かを判定する。推論部３１２は、センサデータ変更指示を受け付けた場合には（Ｓ１００３でＹＥＳ）、処理をＳ１００４へ進める。推論部３１２は、センサデータ変更指示を受け付けなかった場合には（Ｓ１００３でＮＯ）、推論処理を終了する。Ｓ１００４において、推論部３１２は、センサデータ変更指示に従い、センサデータを変更する。例えば、質問６に対する回答を６０％に変更することを示すセンサデータ変更指示を受け付けた場合には、質問６に対する回答としてのセンサデータを２０％から６０％に変更する。
　次に、Ｓ１００５において、推論部３１２は、Ｓ１００４において変更した後の回答データに基づいて、対応する質問データに対応付けられている候補データに対する確信度を更新する。本処理は、Ｓ９１２における確信度を更新する処理と同様である。次に、Ｓ１００６において、推論部３１２は、更新後の確信度に応じて、推定結果を更新する。次に、Ｓ１００７において、推論部３１２は、更新後の推定結果を、通信部２０７を介してスマートグラス１３０へ送信する。スマートグラス１３０は、推定結果を受信すると、受信した推定結果に従い、推定結果の表示を更新する。
　以上のように、本実施形態に係る推論システムにおいては、推論装置１００は、質問データに応じて、回答データをユーザによる入力データとするかセンサデータとするかを決定する。さらに、推論装置１００は、センサデータが存在しない場合や、センサデータが異常値を示す場合には、ユーザ入力を取得する。このように、本実施形態の推論装置１００は、質問内容から回答データとしてセンサデータを用いることができるか否かを判断する。したがって、監視対象の装置毎にセンサデータの有無を確認し、質問データ毎にセンサデータとするか入力データとするかを予め設定したＤＢを構築する必要がない。このように、推論装置１００は、コストをかけることなく、現象に対して適切な推論を行うことができる。
　実施形態の第１の変形例としては、推論システムのハードウェア構成は実施形態に限定されるものではない。他の例としては、入力管理部３１１と、推論部３１２は、異なる情報処理装置において実現されてもよい。この場合、入力管理部３１１として機能する情報処理装置は、推論部３１２として機能する情報処理装置から質問データを受信し、質問データに対応して、回答データを生成し、回答データを推論部３１２として機能する情報処理装置へ送信すればよい。このように、推論装置１００の機能や処理の少なくとも一部は、例えば複数のＣＰＵ、ＲＡＭ、ＲＯＭ、及びストレージを協働させることにより実現してもよい。また、他の例としては、推論装置１００の機能や処理の少なくとも一部は、ハードウェア回路を用いて実現してもよい。また、推論結果等を表示するハードウェアは、スマートグラス１３０に限定されるものではなく、他の例としては、ユーザが使用するＰＣ等の表示部であってもよい。
　第２の変形例としては、推論装置１００が推論において参照するセンサデータの種類は１つであってもよい。この場合には、センサの種類を特定する処理は不要であり、単語ＤＢ３０４においては、センサの種類を示す情報は不要である。
　第３の変形例としては、本実施形態においては、診断経緯情報は、推論が完了した後で出力されることとしたが、診断経緯情報の出力タイミングは実施形態に限定されるものではない。他の例としては、推論が完了する前において、ユーザ操作に応じて適宜出力されることとしてもよい。この場合、推論装置１００は、既に得られている質問とその回答とを診断経緯情報として出力する。さらに、推論装置１００は、センサデータ変更指示を受け付けた場合には、既に得られている回答を更新した上で、推論を進めればよい。
＜その他の実施形態＞
　また、本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア（プログラム）を、ネットワーク又は各種記録媒体を介してシステム或いは装置に供給する。そして、そのシステム或いは装置のコンピュータ（又はＣＰＵやＭＰＵ等）がプログラムを読み出して実行する処理である。
　以上、上述した各実施形態によれば、コストをかけることなく、現象に対し適切な推論を行う推論装置を提供することができる。
　以上、本発明の好ましい実施形態について詳述したが、本発明は係る特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。

Claims (14)

  1. 　現象に対し推論を行う推論装置であって、
    　前記現象に関する質問を取得する質問取得手段と、
    　前記質問が定性的な質問であるか定量的な質問であるかを判定する質問判定手段と、
    　前記定量的な質問の場合に、センサデータの取得が可能か否かを判定するセンサ判定手段と、
    　前記センサデータの取得が可能な場合に、前記センサデータを推論に用いるデータとして決定し、前記センサデータの取得が可能でない場合には、ユーザによる入力データを推論に用いるデータとして決定する決定手段と、
    　前記決定手段が決定したデータを用いて、現象に応じた推論を行う推論手段と
    を有することを特徴とする推論装置。
  2. 　前記センサデータの取得が可能な場合に、センサデータを取得するセンサデータ取得手段と、
    　前記センサデータ取得手段が取得した前記センサデータが正常データであるか否かを、予め定められた条件に基づいて判定するデータ判定手段と
    をさらに有し、
    　前記決定手段は、前記センサデータが前記正常データである場合に前記センサデータを推論に用いるデータとして決定し、前記センサデータが前記正常データでない場合に前記入力データを推論に用いるデータとして決定することを特徴とする請求項１に記載の推論装置。
  3. 　前記データ判定手段は、前記センサデータの値が予め定められた許容範囲内の値であるか否かに基づいて前記正常データであるか否かを判定することを特徴とする請求項２に記載の推論装置。
  4. 　前記データ判定手段は、処理時点よりも前に検出されたセンサデータの時系列変化に基づいて、前記正常データであるか否かを判定することを特徴とする請求項２に記載の推論装置。
  5. 　前記決定手段により決定された、推論に用いるデータを出力する第１の出力手段と、
    　前記推論に用いるデータの変更指示を受け付けた場合に、推論に用いるデータを変更する変更手段と
    を有し、
    　前記推論手段は、前記変更手段により推論に用いるデータが変更された場合に、変更後のデータを用いて推論を行うことを特徴とする請求項１乃至４の何れか１項に記載の推論装置。
  6. 　前記推論手段は、推論に用いるデータが決定される度に、推論に用いるデータを用いて推論を行い、推論結果の確信度を算出し、
    　推論結果に対し第１の確信度が算出された後で、前記センサデータを用いた推論により確信度が前記第１の確信度よりも小さい第２の確信度に変化した場合に、センサデータに対し誤りの可能性がある旨の情報を記憶手段に記録する記録手段をさらに有することを特徴とする請求項１乃至５の何れか１項に記載の推論装置。
  7. 　前記誤りの可能性がある旨の情報を出力する第２の出力手段をさらに有することを特徴とする請求項６に記載の推論装置。
  8. 　前記質問判定手段は、前記質問に含まれる単語に基づいて、前記質問が定性的な質問であるか定量的な質問であるかを判定することを特徴とする請求項１乃至７の何れか１項に記載の推論装置。
  9. 　前記質問判定手段は、単語と、定性的であるか定量的であるかを示す情報と、を対応付けた対応テーブルを参照し、前記質問に含まれる単語に基づいて、前記質問が定性的な質問であるか定量的な質問であるかを判定することを特徴とする請求項１乃至８の何れか１項に記載の推論装置。
  10. 　前記対応テーブルは、さらに前記定量的であることを示す情報に対応付けて、センサの種類を示す情報を記憶し、
    　前記対応テーブルを参照し、前記質問に含まれる単語に基づいて、センサの種類を特定するセンサ特定手段をさらに有し、
    　前記センサ判定手段は、前記センサ特定手段により特定された前記センサの種類に対応したセンサデータの取得が可能か否かを判定することを特徴とする請求項９に記載の推論装置。
  11. 　現象に関する質問を取得する質問取得手段と、
    　前記質問が定性的な質問であるか定量的な質問であるかを判定する質問判定手段と、
    　前記定量的な質問の場合に、センサデータの取得が可能か否かを判定するセンサ判定手段と、
    　前記センサデータの取得が可能な場合に、前記センサデータを推論に用いるデータとして決定し、前記センサデータの取得が可能でない場合には、ユーザによる入力データを推論に用いるデータとして決定する決定手段と
    を有することを特徴とする情報処理装置。
  12. 　現象に対し推論を行う推論方法であって、
    　前記現象に関する質問を取得する質問取得ステップと、
    　前記質問が定性的な質問であるか定量的な質問であるかを判定する質問判定ステップと、
    　前記定量的な質問の場合に、センサデータの取得が可能か否かを判定するセンサ判定ステップと、
    　前記センサデータの取得が可能な場合に、前記センサデータを推論に用いるデータとして決定し、前記センサデータの取得が可能でない場合には、ユーザによる入力データを推論に用いるデータとして決定する決定ステップと、
    　前記決定ステップにおいて決定したデータを用いて、現象に応じた推論を行う推論ステップと
    を含むことを特徴とする推論方法。
  13. 　コンピュータを、
    　現象に関する質問を取得する質問取得手段と、
    　前記質問が定性的な質問であるか定量的な質問であるかを判定する質問判定手段と、
    　前記定量的な質問の場合に、センサデータの取得が可能か否かを判定するセンサ判定手段と、
    　前記センサデータの取得が可能な場合に、前記センサデータを推論に用いるデータとして決定し、前記センサデータの取得が可能でない場合には、ユーザによる入力データを推論に用いるデータとして決定する決定手段と、
    　前記決定手段が決定したデータを用いて、現象に応じた推論を行う推論手段と
    して機能させるためのプログラム。
  14. 　コンピュータを、
    　現象に関する質問を取得する質問取得手段と、
    　前記質問が定性的な質問であるか定量的な質問であるかを判定する質問判定手段と、
    　前記定量的な質問の場合に、センサデータの取得が可能か否かを判定するセンサ判定手段と、
    　前記センサデータの取得が可能な場合に、前記センサデータを推論に用いるデータとして決定し、前記センサデータの取得が可能でない場合には、ユーザによる入力データを推論に用いるデータとして決定する決定手段と、
    　前記決定手段が決定したデータを用いて、現象に応じた推論を行う推論手段と
    して機能させるためのプログラムを記録したコンピュータにより読み取り可能な記録媒体。
PCT/JP2019/043670 2018-11-09 2019-11-07 推論装置、情報処理装置、推論方法、プログラム及び記録媒体 WO2020095993A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US17/290,057 US20210397992A1 (en) 2018-11-09 2019-11-07 Inference apparatus, information processing apparatus, inference method, program and recording medium
CN201980070501.8A CN112912903A (zh) 2018-11-09 2019-11-07 推论装置、信息处理装置、推论方法、程序以及记录介质

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018211503A JP7161379B2 (ja) 2018-11-09 2018-11-09 推論装置
JP2018-211503 2018-11-09

Publications (1)

Publication Number Publication Date
WO2020095993A1 true WO2020095993A1 (ja) 2020-05-14

Family

ID=70612051

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/043670 WO2020095993A1 (ja) 2018-11-09 2019-11-07 推論装置、情報処理装置、推論方法、プログラム及び記録媒体

Country Status (4)

Country Link
US (1) US20210397992A1 (ja)
JP (1) JP7161379B2 (ja)
CN (1) CN112912903A (ja)
WO (1) WO2020095993A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6990482B1 (ja) 2021-03-26 2022-01-12 株式会社オプティム 検査システム、方法及びプログラム

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004325110A (ja) * 2003-04-22 2004-11-18 Nec Lamilion Energy Ltd 温度センサの故障検出方法および装置
JP2007193456A (ja) * 2006-01-17 2007-08-02 Omron Corp 要因推定装置、要因推定プログラム、要因推定プログラムを記録した記録媒体、および要因推定方法
JP2007279840A (ja) * 2006-04-03 2007-10-25 Omron Corp 要因推定装置、要因推定方法、プログラムおよびコンピュータ読取可能記録媒体
JP2013087923A (ja) * 2011-10-21 2013-05-13 Toyota Motor Corp 車両用ベルト式無段変速機の油圧制御装置
JP2013190286A (ja) * 2012-03-13 2013-09-26 Azbil Corp センサ装置
JP2017166960A (ja) * 2016-03-16 2017-09-21 中国電力株式会社 計測診断装置、及び計測診断方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004325110A (ja) * 2003-04-22 2004-11-18 Nec Lamilion Energy Ltd 温度センサの故障検出方法および装置
JP2007193456A (ja) * 2006-01-17 2007-08-02 Omron Corp 要因推定装置、要因推定プログラム、要因推定プログラムを記録した記録媒体、および要因推定方法
JP2007279840A (ja) * 2006-04-03 2007-10-25 Omron Corp 要因推定装置、要因推定方法、プログラムおよびコンピュータ読取可能記録媒体
JP2013087923A (ja) * 2011-10-21 2013-05-13 Toyota Motor Corp 車両用ベルト式無段変速機の油圧制御装置
JP2013190286A (ja) * 2012-03-13 2013-09-26 Azbil Corp センサ装置
JP2017166960A (ja) * 2016-03-16 2017-09-21 中国電力株式会社 計測診断装置、及び計測診断方法

Also Published As

Publication number Publication date
JP7161379B2 (ja) 2022-10-26
JP2020077327A (ja) 2020-05-21
US20210397992A1 (en) 2021-12-23
CN112912903A (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
JP7106847B2 (ja) 診断装置、診断方法、プログラム、および記録媒体
US8612372B2 (en) Detection rule-generating facility
JP6585482B2 (ja) 機器診断装置及びシステム及び方法
JPH03263227A (ja) 知識データベース処理システムおよびエキスパートシステム
CN108681496A (zh) 磁盘故障的预测方法、装置及电子设备
US11526783B2 (en) Abnormality determination device, learning device, and abnormality determination method
KR20110091776A (ko) 검출 이벤트에 따른 액션 실행을 지원하는 시스템, 검출 이벤트에 다른 액션 실행을 지원하는 방법, 지원 장치 및 컴퓨터 프로그램
JPWO2020021587A1 (ja) 時系列データ診断装置、追加学習方法およびプログラム
JP7334801B2 (ja) 学習装置、学習方法および学習プログラム
US11892819B2 (en) Control device, control system, control method, and computer-readable storage medium
CN115033724B (zh) 基于多模态调制算法的电熔镁炉异常工况识别方法
CN112183326A (zh) 人脸年龄识别模型训练方法及相关装置
JP4383484B2 (ja) メッセージ解析装置、制御方法および制御プログラム
JPWO2020136859A1 (ja) 推定装置、推定方法、及びプログラム
WO2020095993A1 (ja) 推論装置、情報処理装置、推論方法、プログラム及び記録媒体
JP2021140400A (ja) 学習モデル作成システム及び学習モデル作成方法
CN116681967A (zh) 一种目标检测方法、装置、设备及介质
JP2007164346A (ja) 決定木変更方法、異常性判定方法およびプログラム
US20220147039A1 (en) Event analytics in modular industrial plants
JP2016167180A (ja) デバッグ支援装置、デバッグ支援システム、デバッグ支援方法、および、デバッグ支援プログラム
US20230021965A1 (en) Methods and systems for assessing printed circuit boards
CN116997867A (zh) 用于预测技术设施的运行的方法和系统
KR20210057194A (ko) 공격 검지 장치, 공격 검지 방법, 및 공격 검지 프로그램
CN111727108B (zh) 用于控制机器人的方法、装置及系统以及存储介质
JP2021185465A (ja) 音響認識システム、音響認識方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19881715

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19881715

Country of ref document: EP

Kind code of ref document: A1