WO2020203561A1 - 情報提供システム - Google Patents
情報提供システム Download PDFInfo
- Publication number
- WO2020203561A1 WO2020203561A1 PCT/JP2020/013358 JP2020013358W WO2020203561A1 WO 2020203561 A1 WO2020203561 A1 WO 2020203561A1 JP 2020013358 W JP2020013358 W JP 2020013358W WO 2020203561 A1 WO2020203561 A1 WO 2020203561A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- information
- meta
- reference information
- scene
- database
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/01—Head-up displays
- G02B27/017—Head mounted
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/432—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/01—Head-up displays
- G02B27/0101—Head-up displays characterised by optical features
- G02B2027/0138—Head-up displays characterised by optical features comprising image capture systems, e.g. camera
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/01—Head-up displays
- G02B27/0101—Head-up displays characterised by optical features
- G02B2027/0141—Head-up displays characterised by optical features characterised by the informative content of the display
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06N5/022—Knowledge engineering; Knowledge acquisition
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)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Library & Information Science (AREA)
- Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Multimedia (AREA)
- Optics & Photonics (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【解決手段】本発明に係る情報提供システムは、装置に関する作業を行うユーザが作業を実施する上で適した参照情報を選択する情報提供システムであって、特定の装置及び前記特定の装置を識別するための特定の識別ラベル、を撮像した第1画像データを有する取得データを取得する取得手段と、画像データを有する評価対象情報、及び前記評価対象情報に紐づくメタID、を有する学習データを複数備えた機械学習用のデータ構造を用いて、機械学習により構築された第1データベースを備え、前記画像データは、前記装置と、前記装置を識別するための識別ラベルと、を示す画像を有することを特徴とする。
Description
本発明は、情報提供システムに関する。
近年、取得した画像から所定の情報をユーザに提供する技術が注目されている。例えば、特許文献1は、ウェアラブル端末から農作物の画像を取得し、予測した収穫時期をウェアラブル端末の表示板に拡張現実として表示される。
特許文献1のウェアラブル端末表示システムは、ウェアラブル端末の表示板に、農作物の収穫時期を表示するウェアラブル端末表示システムであって、 前記ウェアラブル端末の視界に入った農作物の画像を取得する画像取得手段と、前記画像を解析して、前記農作物の種類を特定する特定手段と、前記種類に応じて、判定基準を選択する選択手段と、前記判定基準に基づいて、前記画像を解析して色およびサイズを判定する判定手段と、前記判定の結果に基づいて、前記農作物の収穫時期を予測する予測手段と、前記ウェアラブル端末の表示板に、前記表示板を透過して見える前記農作物に対して、前記予測された収穫時期を拡張現実として表示する収穫時期表示手段と、を備える。
しかしながら、特許文献1に開示されたウェアラブル端末表示システムは、画像を解析して農作物の種類を特定する。このため、画像と農作物の関係を新たに取得した場合には、この関係を新たに機械学習により学習させる必要がある。このため、新たな関係を取得した場合にはその更新に時間が掛かるという問題点があった。
そこで本発明は、上述した問題に鑑みて案出されたものであり、その目的とするところは、作業を短時間に行うことができる情報提供システムを提供することにある。
本発明に係る機械学習用のデータ構造は、装置に関する作業を行うユーザが作業を実施する上で適した参照情報を選択するときに利用する第1データベースを構築するために用いられ、コンピュータの備える保存部に記憶される機械学習用のデータ構造であって、画像データを有する評価対象情報と、メタIDと、を有する学習データを複数備え、前記画像データは、前記装置と、前記装置を識別するための識別ラベルと、を示す画像を有し、前記メタIDは、前記参照情報に対応するコンテンツIDに紐づけられ、複数の前記学習データは、前記コンピュータの備える制御部が実行する機械学習により前記第1データベースを構築するために用いられることを特徴とする。
本発明に係る学習方法は、装置に関する作業を行うユーザが作業を実施する上で適した参照情報を選択するときに利用する第1データベースを構築するために用いられ、コンピュータの備える保存部に記憶される、本発明に係る機械学習用のデータ構造を用いて、機械学習することを特徴とする。
本発明に係る情報提供システムは、装置に関する作業を行うユーザが作業を実施する上で適した参照情報を選択する情報提供システムであって、本発明に係る機械学習用のデータ構造を用いて、機械学習により構築された第1データベースを備えることを特徴とする。
本発明に係る情報提供システムは、装置に関する作業を行うユーザが作業を実施する上で適した参照情報を選択する情報提供システムであって、特定の装置及び前記特定の装置を識別するための特定の識別ラベル、を撮像した第1画像データを有する取得データを取得する取得手段と、画像データを有する評価対象情報、及び前記評価対象情報に紐づくメタID、を有する学習データを複数備えた機械学習用のデータ構造を用いて、機械学習により構築された第1データベースと、前記第1データベースを参照し、前記取得データに基づいて、複数の前記メタIDのうち第1メタIDを選択するメタID選択手段と、前記メタIDに紐づくコンテンツIDと、前記コンテンツIDに対応する前記参照情報とが複数記憶された第2データベースと、前記第2データベースを参照し、前記第1メタIDに基づいて、複数の前記コンテンツIDのうち第1コンテンツIDを選択するコンテンツID選択手段と、前記第2データベースを参照し、前記第1コンテンツIDに基づいて、複数の前記参照情報のうち第1参照情報を選択する参照情報選択手段とを備え、前記画像データは、前記装置と、前記装置を識別するための識別ラベルと、を示す画像を有することを特徴とする。
本発明によれば、作業を短時間に行うことができる。
以下、本発明の実施形態における機械学習用のデータ構造、学習方法及び情報提供システムの一例について、図面を参照しながら説明する。
(情報提供システム100の構成)
図1~図7を参照して、本実施形態における情報提供システム100の構成の一例について説明する。図1は、本実施形態における情報提供システム100の全体の構成を示すブロック図である。
図1~図7を参照して、本実施形態における情報提供システム100の構成の一例について説明する。図1は、本実施形態における情報提供システム100の全体の構成を示すブロック図である。
情報提供システム100は、装置を使用するユーザに利用される。以下、装置が計装機器4である場合について説明する。情報提供システム100は、計装機器4を使用する技術者等のユーザに利用される。情報提供システム100は、主に技術者等が使用する計装機器4を対象として用いられる。情報提供システム100は、計装機器4の画像データを有する取得データから、計装機器4に関する作業を行うユーザが作業を実施する上で適した第1参照情報を選択する。情報提供システム100は、例えば計装機器4のマニュアルをユーザに提供できるほか、例えば計装機器4に関するインシデント情報をユーザに提供できる。これにより、ユーザは、計装機器4のマニュアルや計装機器4に関するインシデントを把握することができる。
図1に示すように、情報提供システム100は、情報提供装置1を備える。情報提供装置1は、例えば公衆通信網7を介してユーザ端末5及びサーバ6の少なくとも何れかと接続されてもよい。
図2は、本実施形態における情報提供システム100を使用した一例を示す模式図である。情報提供装置1は、第1画像データを有する取得データを取得する。情報提供装置1は、取得した取得データに基づいて、第1メタIDを選択し、ユーザ端末5に送信する。情報提供装置1は、ユーザ端末5から第1メタIDを取得する。情報提供装置1は、取得した第1メタIDに基づいて、第1参照情報を選択し、ユーザ端末5に送信する。これにより、ユーザは、計装機器4のマニュアル等の計装機器4に関する第1参照情報を把握することができる。
図3は、本実施形態におけるメタID推定処理用データベース及び参照用データベースの一例を示す模式図である。情報提供装置1は、メタID推定処理用データベース(第1データベース)を参照し、取得した取得データに基づいて、複数のメタIDのうち第1メタIDを選択する。情報提供装置1は、参照用データベース(第2データベース)を参照し、選択した第1メタIDに基づいて、複数のコンテンツIDのうち第1コンテンツIDを選択する。情報提供装置1は、参照用データベースを参照し、選択した第1コンテンツIDに基づいて、複数の参照情報のうち第1参照情報を選択する。
メタID推定処理用データベースは、本発明を適用した機械学習用のデータ構造を用いて、機械学習により構築される。本発明を適用した機械学習のデータ構造は、計装機器4に関する作業を行うユーザが作業を実施する上で適した参照情報を選択するときに利用するメタID推定処理用データベースを構築するために用いられ、情報提供装置1(コンピュータ)の備える保存部104に記憶される。
図4は、本実施形態における機械学習用データ構造の一例を示す模式図である。本発明を適用した機械学習用のデータ構造は、学習データを複数備える。複数の学習データは、情報提供装置1の備える制御部18が実行する機械学習によりメタID推定処理用データベースを構築するために用いられる。メタID推定処理用データベースは、機械学習用のデータ構造を用いて機械学習することで構築された学習済みモデルであってもよい。
学習データは、評価対象情報と、メタIDとを有する。メタID推定処理用データベースは、保存部104に記憶される。
評価対象情報は、画像データを有する。画像データは、計装機器4と、計装機器4を識別するための識別ラベルと、を示す画像を有する。画像は、静止画像であってもよいし、動画像であってもよい。識別ラベルは、タグナンバ、シリアルナンバ、形名、型名、ユーザ等が計装機器4を識別するために付与した管理番号等の文字列からなるものが用いられてもよいし、バーコード等の一次元コード、QRコード(登録商標)等の二次元コード等が用いられてもよい。評価対象情報は、更に、インシデント情報を有していてもよい。
インシデント情報は、計装機器4におけるヒヤリハットや、計装機器4の事故事例等を含む。インシデント情報は、事故や火災等の緊急災害時を示す情報を含む。インシデント情報は、計装機器4に発生した警報・アラーム等のアラーム情報を含む。インシデント情報は、計測機器4の非定常処理・制御等のイベントに関するイベント情報を含む。インシデント情報は、計装機器4の異常や故障を示す異常情報を含む。インシデント情報は、例えば、音声等のファイルであってもよく、日本語に対応する外国語等の翻訳された音声等のファイルであってもよい。例えば、ある1ヶ国の音声言語が登録されれば、それに合わせて対応する外国語の翻訳音声ファイルが記憶されてもよい。
メタIDは、文字列からなり、コンテンツIDに紐づけられる。メタIDは、参照情報よりも容量が小さいものとなる。メタIDは、画像データに示された計装機器4を分類する装置メタIDと、画像データに示された計装機器4の作業手順に関する作業手順メタIDと、を有する。
取得データは、第1画像データを有する。第1画像データは、特定の計装機器及び特定の計装機器を識別するための特定の識別ラベル、を撮像した画像である。第1画像データは、例えばユーザ端末5のカメラ等により撮影された画像データである。取得データは、更にインシデント情報を有していてもよい。メタIDは、取得データに示されたインシデント情報に関するインシデントメタIDを有していてもよい。
図3に示すように、メタID推定処理用データベースには、評価対象情報と、メタIDとの間におけるメタ連関度が記憶される。メタ連関度は、評価対象情報と、メタIDとが紐づく度合いを示しており、例えば百分率、10段階、又は5段階等の3段階以上で示される。例えば図3では、評価対象情報に含まれる「画像データA」は、メタID「IDaa」との間におけるメタ連関度「20%」を示し、メタID「IDab」との間におけるメタ連関度「50%」を示す。この場合、「IDab」は「IDaa」に比べて「画像データA」との繋がりが強いことを示す。
メタID推定処理用データベースは、例えばメタ連関度を算出できるアルゴリズムを有してもよい。メタID推定処理用データベースとして、例えば評価対象情報、メタID、及びメタ連関度に基づいて最適化された関数(分類器)が用いられてもよい。
メタID推定処理用データベースは、例えば機械学習を用いて構築される。機械学習の方法として、例えば深層学習が用いられる。メタID推定処理用データベースは、例えばニューラルネットワークで構成され、その場合、メタ連関度は隠れ層及び重み変数で示されてもよい。
参照用データベースは、コンテンツIDと、参照情報と、が複数記憶される。参照用データベースは、保存部104に記憶される。
コンテンツIDは、文字列からなり、1又は複数のメタIDに紐づけられる。コンテンツIDは、参照情報よりも容量が小さいものとなる。コンテンツIDは、参照情報に示された計装機器4を分類する装置IDと、参照情報に示された計装機器4の作業手順に関する作業手順IDと、を有する。コンテンツIDは、参照情報に示された計装機器4のインシデント情報に関するインシデントIDを更に有していてもよい。装置IDは、メタIDにおける装置メタIDに紐づけられ、作業手順IDは、メタIDにおける作業手順メタIDに紐づけられる。
参照情報は、コンテンツIDに対応する。1つの参照情報に対しては、1つのコンテンツIDが割り当てられている。参照情報は、計装機器4に関する情報を有する。参照情報は、計装機器4のマニュアル、分割マニュアル、インシデント情報、ドキュメント情報、履歴情報、プロセス情報等、を有する。参照情報は、意味のある情報がひとまとまりのデータの塊となったチャンク構造であってもよい。参照情報は、動画ファイルであってもよい。参照情報は、音声ファイルであってもよく、日本語に対応する外国語等の翻訳された音声等のファイルであってもよい。例えば、ある1ヶ国の音声言語が登録されれば、それに合わせて対応する外国語の翻訳音声ファイルが記憶されてもよい。
マニュアルは、装置情報と、作業手順情報とを有する。装置情報は、計装機器4を分類する情報であり、仕様(スペック)、操作保守マニュアル等を含む。作業手順情報は、計装機器4の作業手順に関する情報を有する。装置情報は、装置IDに紐づけられ、作業手順情報は、作業手順IDに紐づけられていてもよい。参照情報は、装置情報、作業手順情報を有していてもよい。
分割マニュアルは、マニュアルが所定の範囲で分割されたものである。分割マニュアルは、マニュアルが例えばページ毎、章毎、意味のある情報がひとまとまりのデータの塊となったチャンク構造毎に、分割されたものであってもよい。マニュアル、分割マニュアルは、動画であってもよいし、音声データであってもよい。
インシデント情報は、上記したように、計装機器4におけるヒヤリハットや、厚生労働省等の行政機関等が発行する計装機器4の事故事例等を含む。また、インシデント情報は、上記したように、計装機器4で生じるアラームに関するアラーム情報を含んでいてもよい。このとき、インシデント情報は、装置ID、作業手順IDの少なくとも何れかに紐づけられていてもよい。
ドキュメント情報は、計装機器4の仕様書、報告書、リポート、図面等を有する。
履歴情報は、計装機器4の点検、故障、修理等の履歴に関する情報である。
プロセス情報は、計装機器4により得られるデータであり、計装機器4の指示データ、操作出力データ、設定データ、警報状態、測定データ等を示す。
情報提供システム100は、計装機器4の画像データを有する評価対象情報と、メタIDと、を有する学習データが複数記憶された機械学習用のデータ構造を用いて、機械学習により構築されるメタID推定処理用データベース(第1データベース)を備え、メタIDは、コンテンツIDに紐づけられる。このため、新たに参照情報を更新する場合であっても、メタIDと、参照情報に対応するコンテンツIDと、の紐づけを変更すればよく、評価対象情報とメタIDとの関係を新たに更新する必要がない。これにより、参照情報の更新に伴うメタID推定処理用データベースの再構築が不要となる。よって、更新作業を短時間で行うことが可能となる。
また、情報提供システム100は、学習データは、メタIDを有する。このため、メタID推定処理用データベースを構築する際に、参照情報よりも容量の小さいメタIDを用いて、機械学習を行うことができる。これにより、参照情報を用いて機械学習を行うよりも、短時間でメタID推定処理用データベースを構築することが可能となる。
また、情報提供システム100は、参照情報を検索する際は画像データよりも容量の小さいメタIDを検索クエリとして用い、参照情報よりも容量の小さいコンテンツIDを検索クエリに一致又は部分一致した結果として返すことになるため、検索処理におけるデータ通信量と処理時間を少なくすることができる。
また、情報提供システム100は、機械学習用のデータ構造に基づいた機械学習を用いて参照情報を検索するシステムを作成する場合、検索キーワードに相当する取得データ(入力情報)として画像データを用いることが可能となる。このため、ユーザは検索したい情報や特定の計装機器を文字入力や音声等で言語化する必要がなく、概念や名前が分からなくても検索が可能となる。
実施形態における学習方法は、計装機器に関する作業を行うユーザが作業を実施する上で適した参照情報を選択するときに利用するメタID推定処理用データベースを構築するために用いられ、コンピュータの備える保存部に記憶される、実施形態における機械学習用のデータ構造を用いて、機械学習する。このため、新たに参照情報を更新する場合であっても、メタIDと、参照情報に対応するコンテンツIDと、の紐づけを変更すればよく、評価対象情報とメタIDとの関係を新たに更新する必要がない。これにより、参照情報の更新に伴うメタID推定処理用データベースの再構築が不要となる。よって、更新作業を短時間で行うことが可能となる。
<情報提供装置1>
図5は、情報提供装置1の構成の一例を示す模式図である。情報提供装置1として、パーソナルコンピュータ(PC)のほか、スマートフォンやタブレット端末等の電子機器が用いられてもよい。情報提供装置1は、筐体10と、CPU101と、ROM102と、RAM103と、保存部104と、I/F105~107とを備える。各構成101~107は、内部バス110により接続される。
図5は、情報提供装置1の構成の一例を示す模式図である。情報提供装置1として、パーソナルコンピュータ(PC)のほか、スマートフォンやタブレット端末等の電子機器が用いられてもよい。情報提供装置1は、筐体10と、CPU101と、ROM102と、RAM103と、保存部104と、I/F105~107とを備える。各構成101~107は、内部バス110により接続される。
CPU(Central Processing Unit)101は、情報提供装置1全体を制御する。ROM(Read Only Memory)102は、CPU101の動作コードを格納する。RAM(Random Access Memory)103は、CPU101の動作時に使用される作業領域である。保存部104は、機械学習用のデータ構造、取得データ、メタID推定処理用データベース、参照用データベース、後述するコンテンツデータベース、後述するシーンモデルデータベース等の各種情報が保存される。保存部104として、例えばHDD(Hard Disk Drive)のほか、SSD(solid state drive)等が用いられる。
I/F105は、公衆通信網7を介してユーザ端末5等との各種情報の送受信を行うためのインターフェースである。I/F106は、入力部分108との各種情報の送受信を行うためのインターフェースである。入力部分108として、例えばキーボードが用いられ、情報提供システム100を利用するユーザは、入力部分108を介して、各種情報又は情報提供装置1の制御コマンド等を入力又は選択する。I/F107は、出力部分109との各種情報の送受信を行うためのインターフェースである。出力部分109は、保存部104に保存された各種情報、又は情報提供装置1の処理状況等を出力する。出力部分109として、ディスプレイが用いられ、例えばタッチパネル式でもよい。この場合、出力部分109が入力部分108を含む構成としてもよい。
図5は、情報提供装置1の機能の一例を示す模式図である。情報提供装置1は、取得部11と、メタID選択部12と、コンテンツID選択部13と、参照情報選択部14と、入力部15と、出力部16と、記憶部17と、制御部18とを備える。なお、図5に示した各機能は、CPU101が、RAM103を作業領域として、保存部104等に記憶されたプログラムを実行することにより実現される。また、各機能は、例えば人工知能により制御されてもよい。ここで、「人工知能」は、いかなる周知の人工知能技術に基づくものであってもよい。
<取得部11>
取得部11は、取得データ等の各種情報を取得する。取得部11は、メタID推定処理用データベースを構築するための学習データを取得する。
取得部11は、取得データ等の各種情報を取得する。取得部11は、メタID推定処理用データベースを構築するための学習データを取得する。
<メタID選択部12>
メタID選択部12は、メタID推定処理用データベースを参照し、取得データに基づいて、複数のメタIDのうち第1メタIDを選択する。メタID選択部12は、例えば図3に示したメタID推定処理用データベースを用いた場合、取得データに含まれる「第1画像データ」と同一又は類似する評価対象情報(例えば「画像データA」)を選択する。また、メタID選択部12は、例えば図3に示したメタID推定処理用データベースを用いた場合、取得データに含まれる「第1画像データ」と「インシデント情報」と同一又は類似する評価対象情報(例えば「画像データB」と「インシデント情報A」)を選択する。
メタID選択部12は、メタID推定処理用データベースを参照し、取得データに基づいて、複数のメタIDのうち第1メタIDを選択する。メタID選択部12は、例えば図3に示したメタID推定処理用データベースを用いた場合、取得データに含まれる「第1画像データ」と同一又は類似する評価対象情報(例えば「画像データA」)を選択する。また、メタID選択部12は、例えば図3に示したメタID推定処理用データベースを用いた場合、取得データに含まれる「第1画像データ」と「インシデント情報」と同一又は類似する評価対象情報(例えば「画像データB」と「インシデント情報A」)を選択する。
評価対象情報として、取得データと一部一致又は完全一致する情報が選択されるほか、例えば類似(同一概念等を含む)する情報が用いられる。取得データ及び評価対象情報は、それぞれ等しい特徴の情報を含むことで、選択すべき評価対象情報の精度を向上させることができる。
メタID選択部12は、選択した評価対象情報に紐づく複数のメタIDのうち1以上の第1メタIDを選択する。例えばメタID選択部12は、例えば図3に示したメタID推定処理用データベースを用いた場合、選択した「画像データA」に紐づく複数のメタID「IDaa」、「IDab」、「IDac」、「IDba」、「IDca」のうち、メタID「IDaa」、「IDab」、「IDac」を第1メタIDとして選択する。
なお、メタID選択部12は、あらかじめメタ連関度に閾値を設定しておき、その閾値より高いメタ連関度を有するメタIDを第1メタIDとして選択するようにしてもよい。例えば、メタ連関度が50%以上を閾値としたとき、メタ連関度50%以上である「IDab」を第1メタIDとして選択するようにしてもよい。
<コンテンツID選択部13>
コンテンツID選択部13は、参照用データベースを参照し、第1メタIDに基づいて、複数のコンテンツIDのうち第1コンテンツIDを選択する。コンテンツID選択部13は、例えば図3に示した参照用データベースを用いた場合、選択した第1メタID「IDaa」「IDab」、「IDac」に紐づけられるコンテンツID(例えば「コンテンツID-A」「コンテンツID-B」)を第1コンテンツIDとして選択する。図3に示した参照用データベースでは、「コンテンツID-A」は、メタID「IDaa」「IDab」に紐づけられ、「コンテンツID-B」は、メタID「IDaa」「IDac」に紐づけられる。即ち、コンテンツID選択部13は、第1メタID「IDaa」「IDab」、「IDac」のうちの何れか及びこれらの組み合わせ、に紐づけられるコンテンツIDを第1コンテンツIDとして選択する。コンテンツID選択部13は、第1メタIDを検索クエリとして用い、この検索クエリに一致又は部分一致した結果を第1コンテンツIDとして選択する。
コンテンツID選択部13は、参照用データベースを参照し、第1メタIDに基づいて、複数のコンテンツIDのうち第1コンテンツIDを選択する。コンテンツID選択部13は、例えば図3に示した参照用データベースを用いた場合、選択した第1メタID「IDaa」「IDab」、「IDac」に紐づけられるコンテンツID(例えば「コンテンツID-A」「コンテンツID-B」)を第1コンテンツIDとして選択する。図3に示した参照用データベースでは、「コンテンツID-A」は、メタID「IDaa」「IDab」に紐づけられ、「コンテンツID-B」は、メタID「IDaa」「IDac」に紐づけられる。即ち、コンテンツID選択部13は、第1メタID「IDaa」「IDab」、「IDac」のうちの何れか及びこれらの組み合わせ、に紐づけられるコンテンツIDを第1コンテンツIDとして選択する。コンテンツID選択部13は、第1メタIDを検索クエリとして用い、この検索クエリに一致又は部分一致した結果を第1コンテンツIDとして選択する。
また、選択した第1メタIDのうち装置メタIDがコンテンツIDの装置IDに紐づけられ、作業手順メタIDがコンテンツIDの作業手順IDに紐づけられるとき、コンテンツID選択部13は、装置メタIDに紐づく装着IDを有するコンテンツIDを、又は、作業手順メタIDに紐づく作業手順IDを有するコンテンツIDを、第1コンテンツIDとして選択する。
<参照情報選択部14>
参照情報選択部14は、参照用データベースを参照し、第1コンテンツIDに基づいて、複数の参照情報のうち第1参照情報を選択する。参照情報選択部14は、例えば図3に示した参照用データベースを用いた場合、選択した第1コンテンツID「コンテンツID-A」に対応する参照情報(例えば「参照情報A」)を第1参照情報として選択する。
参照情報選択部14は、参照用データベースを参照し、第1コンテンツIDに基づいて、複数の参照情報のうち第1参照情報を選択する。参照情報選択部14は、例えば図3に示した参照用データベースを用いた場合、選択した第1コンテンツID「コンテンツID-A」に対応する参照情報(例えば「参照情報A」)を第1参照情報として選択する。
<入力部15>
入力部15は、情報提供装置1に各種情報を入力する。入力部15は、I/F105を介して学習データ、取得データ等の各種情報を入力するほか、例えばI/F106を介して入力部分108から各種情報を入力する。
入力部15は、情報提供装置1に各種情報を入力する。入力部15は、I/F105を介して学習データ、取得データ等の各種情報を入力するほか、例えばI/F106を介して入力部分108から各種情報を入力する。
<出力部16>
出力部16は、第1メタID、参照情報等を出力部分109等に出力する。出力部16は、例えば公衆通信網7を介して、ユーザ端末5等に第1メタID、参照情報等を送信する。
出力部16は、第1メタID、参照情報等を出力部分109等に出力する。出力部16は、例えば公衆通信網7を介して、ユーザ端末5等に第1メタID、参照情報等を送信する。
<記憶部17>
記憶部17は、機械学習用のデータ構造、取得データ等の各種情報を保存部104に記憶し、必要に応じて保存部104に記憶された各種情報を取出す。また、記憶部17は、メタID推定処理用データベース、参照用データベース、後述するコンテンツデータベース、後述するシーンモデルデータベース等の各種データベースを、保存部104に記憶し、必要に応じて保存部104に記憶された各種データベースを取出す。
記憶部17は、機械学習用のデータ構造、取得データ等の各種情報を保存部104に記憶し、必要に応じて保存部104に記憶された各種情報を取出す。また、記憶部17は、メタID推定処理用データベース、参照用データベース、後述するコンテンツデータベース、後述するシーンモデルデータベース等の各種データベースを、保存部104に記憶し、必要に応じて保存部104に記憶された各種データベースを取出す。
<制御部18>
制御部18は、本発明を適用した機械学習用のデータ構造を用いて、第1データベースを構築するための機械学習を実行する。制御部18は、線形回帰、ロジスティック回帰、サポートベクターマシーン、決定木、回帰木、ランダムフォレスト、勾配ブースティング木、ニューラルネットワーク、ベイズ、時系列、クラスタリング、アンサンブル学習等により機械学習を実行する。
制御部18は、本発明を適用した機械学習用のデータ構造を用いて、第1データベースを構築するための機械学習を実行する。制御部18は、線形回帰、ロジスティック回帰、サポートベクターマシーン、決定木、回帰木、ランダムフォレスト、勾配ブースティング木、ニューラルネットワーク、ベイズ、時系列、クラスタリング、アンサンブル学習等により機械学習を実行する。
<計装機器4>
計装機器4は、プラントやプロセスが使命を果たすように装備された測定装置や制御装置等の工業計器類(検出部、表示部、調整部、操作部)である。計装機器4は、ある調節計の出力が他の調節計の目標値(設定値)となるように制御するカスケード制御に用いられる計装機器であってもよい。計装機器4は、制御対象の制御出力を出している法の調節計である1次調節計であってもよいし、目標値を与えられる方の調節計である2次調節計であってもよい。計装機器4は、結果を見てから修正動作を行って制御するフィードバック制御に用いられる計装機器であってもよい。計装機器4は、外乱の影響を除去するように制御するフィードフォワード制御に用いられる計装機器であってもよい。計装機器4は、例えば、工場や製造ライン等に設置される機器である。計装機器4は、面積式流量計、タービン式流量計、容積式流量計、電磁流量計等の液体や気体の流量を測定する機器であってもよい。計装機器4は、オリフィス、ベンチュリ管、ノズル等であってもよい。計装機器4は、バルブ、アングル弁、三方弁、バタフライ弁、ダンパ、ルーパ、ボール弁等であってもよい。計装機器4は、伝送器であってもよい。計装機器4は、ダイアフラム式、電動式、電磁式、ピストン式のバルブであってもよい。計装機器4は、気圧計、真空計等の圧力を測定する機器であってもよい。計装機器4は、加速度計、慣性計測装置等の加速度を測定する機器であってもよい。計装機器4は、回路計、電流計、電圧計、抵抗計、検流計、周波数計、静電容量計、オシロスコープ、ネットワーク・アナライザ (高周波回路)、スペクトラムアナライザ、SWR計、パワー計、ディップメータ、アンテナ・アナライザ等の電気を測定する機器であってもよい。計装機器4は、温度計、体温計等の温度を測定する機器であってもよい。計装機器4は、時計、ストップウォッチ等の時間を計測する機器であってもよい。計装機器4は、分光光度計、蛍光光度計、天体望遠鏡等の光を計測する機器であってもよい。計装機器4は、電離箱、ガイガー=ミュラー計数管、シンチレーション検出器、半導体検出器流量計等の放射線を計測する機器であってもよい。計装機器4は、プラントやプロセスにおける各種計装機器を制御するための中央制御室にある、各種計装機器をモニタリングするモニタリング機器であってもよい。
計装機器4は、プラントやプロセスが使命を果たすように装備された測定装置や制御装置等の工業計器類(検出部、表示部、調整部、操作部)である。計装機器4は、ある調節計の出力が他の調節計の目標値(設定値)となるように制御するカスケード制御に用いられる計装機器であってもよい。計装機器4は、制御対象の制御出力を出している法の調節計である1次調節計であってもよいし、目標値を与えられる方の調節計である2次調節計であってもよい。計装機器4は、結果を見てから修正動作を行って制御するフィードバック制御に用いられる計装機器であってもよい。計装機器4は、外乱の影響を除去するように制御するフィードフォワード制御に用いられる計装機器であってもよい。計装機器4は、例えば、工場や製造ライン等に設置される機器である。計装機器4は、面積式流量計、タービン式流量計、容積式流量計、電磁流量計等の液体や気体の流量を測定する機器であってもよい。計装機器4は、オリフィス、ベンチュリ管、ノズル等であってもよい。計装機器4は、バルブ、アングル弁、三方弁、バタフライ弁、ダンパ、ルーパ、ボール弁等であってもよい。計装機器4は、伝送器であってもよい。計装機器4は、ダイアフラム式、電動式、電磁式、ピストン式のバルブであってもよい。計装機器4は、気圧計、真空計等の圧力を測定する機器であってもよい。計装機器4は、加速度計、慣性計測装置等の加速度を測定する機器であってもよい。計装機器4は、回路計、電流計、電圧計、抵抗計、検流計、周波数計、静電容量計、オシロスコープ、ネットワーク・アナライザ (高周波回路)、スペクトラムアナライザ、SWR計、パワー計、ディップメータ、アンテナ・アナライザ等の電気を測定する機器であってもよい。計装機器4は、温度計、体温計等の温度を測定する機器であってもよい。計装機器4は、時計、ストップウォッチ等の時間を計測する機器であってもよい。計装機器4は、分光光度計、蛍光光度計、天体望遠鏡等の光を計測する機器であってもよい。計装機器4は、電離箱、ガイガー=ミュラー計数管、シンチレーション検出器、半導体検出器流量計等の放射線を計測する機器であってもよい。計装機器4は、プラントやプロセスにおける各種計装機器を制御するための中央制御室にある、各種計装機器をモニタリングするモニタリング機器であってもよい。
<ユーザ端末5>
ユーザ端末5は、計装機器4を管理するユーザが保有する端末を示す。ユーザ端末5として、主にHMD(ヘッドマウントディスプレイ)の1種類であるホロレンズ(登録商標)であってもよい。ユーザは、ユーザ端末5の第1メタID、第1参照情報をヘッドマウントディスプレイ又はホロレンズ等の透過して表示する表示部を介して、作業エリアや特定の計装機器を透過して確認することができる。これによりユーザは、目の前の状況を確認しつつ、取得された取得データに基づいて、選択されるマニュアル等を合わせて確認することが可能となる。ユーザ端末5は、この他、携帯電話(携帯端末)、スマートフォン、タブレット型端末、ウェアラブル端末、パーソナルコンピュータ、IoT(Internet of Things)デバイス等の電子機器のほか、あらゆる電子機器で具現化されたものが用いられてもよい。ユーザ端末5は、例えば公衆通信網7を介して情報提供装置1と接続されるほか、例えば情報提供装置1と直接接続されてもよい。ユーザは、ユーザ端末5を用いて、情報提供装置1から第1参照情報を取得するほか、例えば情報提供装置1の制御を行ってもよい。
ユーザ端末5は、計装機器4を管理するユーザが保有する端末を示す。ユーザ端末5として、主にHMD(ヘッドマウントディスプレイ)の1種類であるホロレンズ(登録商標)であってもよい。ユーザは、ユーザ端末5の第1メタID、第1参照情報をヘッドマウントディスプレイ又はホロレンズ等の透過して表示する表示部を介して、作業エリアや特定の計装機器を透過して確認することができる。これによりユーザは、目の前の状況を確認しつつ、取得された取得データに基づいて、選択されるマニュアル等を合わせて確認することが可能となる。ユーザ端末5は、この他、携帯電話(携帯端末)、スマートフォン、タブレット型端末、ウェアラブル端末、パーソナルコンピュータ、IoT(Internet of Things)デバイス等の電子機器のほか、あらゆる電子機器で具現化されたものが用いられてもよい。ユーザ端末5は、例えば公衆通信網7を介して情報提供装置1と接続されるほか、例えば情報提供装置1と直接接続されてもよい。ユーザは、ユーザ端末5を用いて、情報提供装置1から第1参照情報を取得するほか、例えば情報提供装置1の制御を行ってもよい。
<サーバ6>
サーバ6には、上述した各種情報が記憶される。サーバ6には、例えば公衆通信網7を介して送られてきた各種情報が蓄積される。サーバ6には、例えば保存部104と同様の情報が記憶され、公衆通信網7を介して情報提供装置1と各種情報の送受信が行われてもよい。すなわち、情報提供装置1は、保存部104の代わりにサーバ6を用いてもよい。
サーバ6には、上述した各種情報が記憶される。サーバ6には、例えば公衆通信網7を介して送られてきた各種情報が蓄積される。サーバ6には、例えば保存部104と同様の情報が記憶され、公衆通信網7を介して情報提供装置1と各種情報の送受信が行われてもよい。すなわち、情報提供装置1は、保存部104の代わりにサーバ6を用いてもよい。
<公衆通信網7>
公衆通信網7は、情報提供装置1等が通信回路を介して接続されるインターネット網等である。公衆通信網7は、いわゆる光ファイバ通信網で構成されてもよい。また、公衆通信網7は、有線通信網には限定されず、無線通信網等の公知の通信網で実現してもよい。
公衆通信網7は、情報提供装置1等が通信回路を介して接続されるインターネット網等である。公衆通信網7は、いわゆる光ファイバ通信網で構成されてもよい。また、公衆通信網7は、有線通信網には限定されず、無線通信網等の公知の通信網で実現してもよい。
(情報提供システム100の動作の一例)
次に、本実施形態における情報提供システム100の動作の一例について説明する。図7は、本実施形態における情報提供システム100の動作の一例を示すフローチャートである。
次に、本実施形態における情報提供システム100の動作の一例について説明する。図7は、本実施形態における情報提供システム100の動作の一例を示すフローチャートである。
<取得ステップS11>
先ず、取得部11は、取得データを取得する(取得ステップS11)。取得部11は、入力部15を介して、取得データを取得する。取得部11は、ユーザ端末5により撮像された第1画像データと、サーバ6等に記憶されたインシデント情報と、を有する取得データを取得する。取得部11は、例えば記憶部17を介して取得データを保存部104に保存する。
先ず、取得部11は、取得データを取得する(取得ステップS11)。取得部11は、入力部15を介して、取得データを取得する。取得部11は、ユーザ端末5により撮像された第1画像データと、サーバ6等に記憶されたインシデント情報と、を有する取得データを取得する。取得部11は、例えば記憶部17を介して取得データを保存部104に保存する。
取得データは、ユーザ端末5により生成されてもよい。ユーザ端末5は、特定の計装機器及び特定の計装機器を識別するための特定の識別ラベル、を撮像した第1画像データを有する取得データを生成する。ユーザ端末5は、さらにインシデント情報を生成してもよいし、サーバ6等からインシデント情報を取得してもよい。ユーザ端末5は、第1画像データとインシデント情報とを有する取得データを生成してもよい。ユーザ端末5は、生成した取得データを情報提供装置1に送信する。入力部15は、取得データを受信し、取得部11は、取得データを取得する。
<メタID選択ステップS12>
次に、メタID選択部12は、メタID推定処理用データベースを参照し、取得データに基づいて、複数のメタIDのうち第1メタIDを選択する(メタID選択ステップS12)。メタID選択部12は、取得部11により取得された取得データを取得し、保存部104に保存されたメタID推定処理用データベースを取得する。メタID選択部12は、1つの取得データに対して1つの第1メタIDを選択するほか、例えば1つの取得データに対して複数の第1メタIDを選択してもよい。メタID選択部12は、例えば記憶部17を介して、選択した第1メタIDを保存部104に保存する。
次に、メタID選択部12は、メタID推定処理用データベースを参照し、取得データに基づいて、複数のメタIDのうち第1メタIDを選択する(メタID選択ステップS12)。メタID選択部12は、取得部11により取得された取得データを取得し、保存部104に保存されたメタID推定処理用データベースを取得する。メタID選択部12は、1つの取得データに対して1つの第1メタIDを選択するほか、例えば1つの取得データに対して複数の第1メタIDを選択してもよい。メタID選択部12は、例えば記憶部17を介して、選択した第1メタIDを保存部104に保存する。
メタID選択部12は、第1メタIDをユーザ端末5に送信し、ユーザ端末5の表示部に表示させる。これにより、ユーザは、選択された第1メタID等を確認することができる。なお、メタID選択部12は、第1メタIDを情報提供装置1の出力部分109に表示させてもよい。メタID選択部12は、第1メタIDをユーザ端末5に送信するのを省略してもよい。
<コンテンツID選択ステップS13>
次に、コンテンツID選択部13は、参照用データベースを参照し、第1メタIDに基づいて、複数のコンテンツIDのうち第1コンテンツIDを選択する(コンテンツID選択ステップS13)。コンテンツID選択部13は、メタID選択部12により選択された第1メタIDを取得し、保存部104に保存された参照用データベースを取得する。コンテンツID選択部13は、第1メタIDに対して1つの第1コンテンツIDを選択するほか、例えば1つの第1メタIDに対して複数の第1コンテンツIDを選択してもよい。つまり、コンテンツID選択部13は、第1メタIDを検索クエリとして用い、この検索クエリに一致又は部分一致した結果を第1コンテンツIDとして選択する。コンテンツID選択部13は、例えば記憶部17を介して、選択した第1コンテンツIDを保存部104に保存する。
次に、コンテンツID選択部13は、参照用データベースを参照し、第1メタIDに基づいて、複数のコンテンツIDのうち第1コンテンツIDを選択する(コンテンツID選択ステップS13)。コンテンツID選択部13は、メタID選択部12により選択された第1メタIDを取得し、保存部104に保存された参照用データベースを取得する。コンテンツID選択部13は、第1メタIDに対して1つの第1コンテンツIDを選択するほか、例えば1つの第1メタIDに対して複数の第1コンテンツIDを選択してもよい。つまり、コンテンツID選択部13は、第1メタIDを検索クエリとして用い、この検索クエリに一致又は部分一致した結果を第1コンテンツIDとして選択する。コンテンツID選択部13は、例えば記憶部17を介して、選択した第1コンテンツIDを保存部104に保存する。
<参照情報選択ステップS14>
次に、参照情報選択部14は、参照用データベースを参照し、第1コンテンツIDに基づいて、複数の参照情報のうち第1参照情報を選択する(参照情報選択ステップS14)。参照情報選択部14は、コンテンツID選択部13により選択された第1コンテンツIDを取得し、保存部104に保存された参照用データベースを取得する。参照情報選択部14は、1つの第1コンテンツIDに対応する1つの第1参照情報を選択する。参照情報選択部14は、複数の第1コンテンツIDを選択したとき、それぞれの第1コンテンツIDに対応するそれぞれの第1参照情報を選択してもよい。これにより、複数の第1参照情報が選択される。参照情報選択部14は、例えば記憶部17を介して、選択した第1参照情報を保存部104に保存する。
次に、参照情報選択部14は、参照用データベースを参照し、第1コンテンツIDに基づいて、複数の参照情報のうち第1参照情報を選択する(参照情報選択ステップS14)。参照情報選択部14は、コンテンツID選択部13により選択された第1コンテンツIDを取得し、保存部104に保存された参照用データベースを取得する。参照情報選択部14は、1つの第1コンテンツIDに対応する1つの第1参照情報を選択する。参照情報選択部14は、複数の第1コンテンツIDを選択したとき、それぞれの第1コンテンツIDに対応するそれぞれの第1参照情報を選択してもよい。これにより、複数の第1参照情報が選択される。参照情報選択部14は、例えば記憶部17を介して、選択した第1参照情報を保存部104に保存する。
例えば出力部16が第1参照情報をユーザ端末5等に送信する。ユーザ端末5は、表示部に選択された1又は複数の第1参照情報を表示する。ユーザは、表示された1又は複数の第1参照情報から1又は複数の第1参照情報を選択することができる。これにより、ユーザは、マニュアル等を有する1又は複数の第1参照情報を把握することができる。即ち、計装機器4の画像データから、ユーザに適した第1参照情報の候補が1又は複数検索され、ユーザは検索された1又は複数の第1参照情報から選択することができるため、計装機器4を現場で使用するユーザに対するフィールドワークソリューションとして、大いに役立てることができる。
なお、情報提供装置1は、第1参照情報を出力部分109に表示させてもよい。以上により、本実施形態における情報提供システム100の動作が終了する。
本実施形態によれば、メタIDは、参照情報に対応するコンテンツIDに紐づけられる。これにより、参照情報を更新するとき、参照情報に対応するコンテンツIDと、メタIDと、の紐づけを更新するか、又は、更新した参照情報とコンテンツIDとの対応関係を変更すればよく、学習データを新たに更新する必要がない。このため、参照情報の更新に伴うメタID推定処理用データベースの再構築が不要となる。よって、参照情報の更新に伴うデータベースの構築を短時間に行うことができる。
また、本実施形態によれば、メタID推定処理用データベースを構築するとき、参照情報よりも容量の小さいメタIDを用いて機械学習を行うことができる。このため、参照情報を用いて機械学習を行うよりも、短時間でメタID推定処理用データベースを構築することができる。
また、本実施形態によれば、参照情報を検索する際は画像データよりも容量の小さいメタIDを検索クエリとして用い、参照情報よりも容量の小さいコンテンツIDを検索クエリに一致又は部分一致した結果として返すことになるため、検索処理におけるデータ通信量と処理時間を少なくすることができる。
また、本実施形態によれば、機械学習用のデータ構造に基づいた機械学習を用いて参照情報を検索するシステムを作成する場合、検索キーワードに相当する取得データ(入力情報)として画像データを用いることが可能となる。このため、ユーザは検索したい情報や特定の計装機器を文字入力や音声等で言語化する必要がなく、概念や名前が分からなくても検索が可能となる。
本実施形態によれば、装置メタIDは、装置IDに紐づけられ、作業手順メタIDは、作業手順IDに紐づけられる。これにより、メタIDに基づいてコンテンツIDを選択するとき、コンテンツIDの選択対象を狭めることができる。このため、コンテンツIDの選択精度を向上させることができる。
本実施形態によれば、メタIDは、参照情報とコンテンツIDとが複数記憶された、メタID推定処理用データベースとは異なる参照用データベースのコンテンツIDの少なくとも1つに紐づけられる。このため、メタID推定処理用データベースを更新する際に、参照用データベースを更新させる必要がない。また、参照用データベースを更新する際に、メタID推定処理用データベースを更新させる必要がない。これにより、メタID推定処理用データベース及び参照用データベースの更新作業を、短時間で行うことができる。
本実施形態によれば、参照情報は、計装機器4のマニュアルを有する。これにより、ユーザは、対象となる計装機器のマニュアルを即座に把握することができる。このため、マニュアルを探索する時間を短縮させることができる。
本実施形態によれば、参照情報は、計装機器4のマニュアルが所定の範囲で分割された分割マニュアルを有する。これにより、ユーザは、マニュアル中の該当箇所がより絞り込まれた状態のマニュアルを把握することができる。このため、マニュアル中から該当箇所を探索する時間を短縮させることができる。
本実施形態によれば、参照情報は、計装機器4のインシデント情報を更に有する。これにより、ユーザは、インシデント情報を把握することができる。このため、ユーザは、ヒヤリハットや事故に対して、即座に対応することができる。
本実施形態によれば、参照情報は、計装機器4により得られるプロセス情報を有する。これにより、ユーザは、計装機器4の状態を把握することができる。このため、ユーザは、計装機器4の点検作業等を短時間で行うことが可能となる。
本実施形態によれば、評価対象情報は、計装機器4のインシデント情報を更に有する。これにより、評価対象情報から第1メタIDを選択するとき、インシデント情報を考慮することができ、第1メタIDの選択対象を狭めることができる。このため、第1メタIDの選択精度を向上させることができる。
<情報提供装置1の第1変形例>
次に、情報提供装置1の第1変形例について、説明する。本変形例では、主に、第1取得部21、第1評価部22、第1生成部23、取得部11、メタID選択部12、コンテンツID選択部13が、上述した実施形態と相違する。以下では、これら相違する点について、主に説明をする。図8は、本実施形態における情報提供装置1の機能の第1変形例を示す模式図である。なお、図8に示した各機能は、CPU101が、RAM103を作業領域として、保存部104等に記憶されたプログラムを実行することにより実現される。また、各機能は、例えば人工知能により制御されてもよい。ここで、「人工知能」は、いかなる周知の人工知能技術に基づくものであってもよい。
次に、情報提供装置1の第1変形例について、説明する。本変形例では、主に、第1取得部21、第1評価部22、第1生成部23、取得部11、メタID選択部12、コンテンツID選択部13が、上述した実施形態と相違する。以下では、これら相違する点について、主に説明をする。図8は、本実施形態における情報提供装置1の機能の第1変形例を示す模式図である。なお、図8に示した各機能は、CPU101が、RAM103を作業領域として、保存部104等に記憶されたプログラムを実行することにより実現される。また、各機能は、例えば人工知能により制御されてもよい。ここで、「人工知能」は、いかなる周知の人工知能技術に基づくものであってもよい。
図9は、本実施形態における情報提供システム100を使用した第1変形例を示す模式図である。本変形例に係る情報提供装置1は、第1画像データと、第1シーンIDとを1組として有する取得データを取得する。情報提供装置1は、取得した取得データに基づいて、第1メタIDを選択し、ユーザ端末5に送信する。このため、本変形例に係る情報提供装置1は、第1メタIDの選択精度を更に向上させることができる。
<第1取得部21>
第1取得部21は、第1映像情報を取得する。第1取得部21は、ユーザ端末5から第1映像情報を取得する。第1映像情報は、作業者によって撮影された機器や部品等であり、例えば、HMD(ヘッドマウントディスプレイ)やホロレンズ等により撮影される。撮影された映像は、リアルタイムでサーバ6に送信されてもよい。また、撮影されている映像が、第1映像情報として取得されてもよい。第1映像情報は、例えば、フィールドのユーザが備えるユーザ端末5のカメラ等により撮影された映像である。第1映像情報は、例えば、静止画、動画、何れであっても良く、ユーザによる撮影、又はユーザ端末5の設定で、自動的に撮像されてもよい。さらに、ユーザ端末5のメモリ等に記録されている映像情報に読み込ませたり、公衆通信網7経由で取得する等してもよい。
第1取得部21は、第1映像情報を取得する。第1取得部21は、ユーザ端末5から第1映像情報を取得する。第1映像情報は、作業者によって撮影された機器や部品等であり、例えば、HMD(ヘッドマウントディスプレイ)やホロレンズ等により撮影される。撮影された映像は、リアルタイムでサーバ6に送信されてもよい。また、撮影されている映像が、第1映像情報として取得されてもよい。第1映像情報は、例えば、フィールドのユーザが備えるユーザ端末5のカメラ等により撮影された映像である。第1映像情報は、例えば、静止画、動画、何れであっても良く、ユーザによる撮影、又はユーザ端末5の設定で、自動的に撮像されてもよい。さらに、ユーザ端末5のメモリ等に記録されている映像情報に読み込ませたり、公衆通信網7経由で取得する等してもよい。
<第1評価部22>
第1評価部22は、シーンモデルデータベースを参照し、第1映像情報とシーンIDを含むシーン情報との間における第1シーン連関度を含むシーンIDリストを取得する。第1評価部22は、シーンモデルデータベースを参照し、取得した第1映像情報と一致、一部一致、又は類似する過去の第1映像情報を選択し、選択された過去の第1映像情報に紐づけられたシーンIDを含むシーン情報を選択し、選択された過去の第1映像情報とシーン情報との間におけるシーン連関度に基づいて第1シーン連関度を算出する。第1評価部22は、算出された第1シーン連関度を含むシーンIDを取得し、シーンIDリストに基づいて選択されたシーン名リストを、ユーザ端末5に表示する。
第1評価部22は、シーンモデルデータベースを参照し、第1映像情報とシーンIDを含むシーン情報との間における第1シーン連関度を含むシーンIDリストを取得する。第1評価部22は、シーンモデルデータベースを参照し、取得した第1映像情報と一致、一部一致、又は類似する過去の第1映像情報を選択し、選択された過去の第1映像情報に紐づけられたシーンIDを含むシーン情報を選択し、選択された過去の第1映像情報とシーン情報との間におけるシーン連関度に基づいて第1シーン連関度を算出する。第1評価部22は、算出された第1シーン連関度を含むシーンIDを取得し、シーンIDリストに基づいて選択されたシーン名リストを、ユーザ端末5に表示する。
図10は、本実施形態におけるシーンモデルデータベースの一例を示す模式図である。シーンモデルデータベースは、保存部104に記憶される。シーンモデルデータベースは、予め取得された過去の第1映像情報、過去の第1映像情報に紐づけられたシーンIDを含むシーン情報、及び、過去の第1映像情報とシーン情報との間における3段階以上のシーン連関度が記憶される。
シーンモデルデータベースは、例えばニューラルネットワーク等の任意のモデルが用いられ、機械学習により構築される。シーンモデルデータベースは、機械学習により取得された第1映像情報と過去の第1映像情報とシーンIDとの評価結果により構築され、例えば、各々の関係がシーン連関度として記憶される。シーン連関度は、過去の第1映像情報とシーン情報との繋がりの度合いを示しており、例えばシーン連関度が高いほど過去の第1映像情報とシーン情報との繋がりが強いと判断することができる。シーン連関度は、例えば百分率等の3値以上(3段階以上)で示されるほか、2値(2段階)で示されてもよい。例えば、過去の第1映像情報の『01』は、シーンID『A』とは70%のシーン連関度であり、シーンID『D』とは50%、シーンID『C』とは10%等として記憶される。ユーザ端末5から取得された第1映像情報は、機械学習により、例えば、予め取得された過去の第1映像情報と類似性等の評価結果が構築される。例えば、深層学習を行うことで、同一ではなく類似の情報に対しても対応可能となる。
シーンモデルデータベースは、シーンIDリストと、シーン名リストが記憶される。シーンIDリストは、例えば、算出された第1シーン連関度と、シーンIDとを示す。シーンモデルデータベースは、この評価された結果であるリスト化された内容を記憶する。リスト化された内容は、例えば、『シーンID A:70%』、『シーンID B:50%』等、シーン連関度の高い関係性を表すシーンIDである。
シーン名リストは、後述する第1生成部23により生成される。例えば、シーンIDリストには、第1評価部22によってシーンIDに対応するシーン名が取得され、それらをシーン名リストに記憶する。シーンモデルデータベースに記憶されたシーン名リストは、その後の処理でユーザ端末5に送信される。ユーザは、ユーザ端末5により受信されたシーン名リストを参照し、第1映像情報に対応するシーンを把握する。
なお、シーンモデルデータベースの更新や登録されているデータの修正や追加等のため、シーンモデルデータベースに第1映像情報に対応するシーン情報、及びシーンIDに対応するシーン名が存在しない場合は、別視野における第1映像情報の取得処理を行う、又は未対応時の代替対応として準備されているシーン情報又はシーンIDを新たに対応づけ、対応づけたれた代替シーンを加えたシーン名リストを生成し、ユーザ端末5に送信するようにしてもよい。
<第1生成部23>
第1生成部23は、第1評価部22により取得されたシーンIDリストに対応するシーン名リストを生成する。生成されるシーン名リストは、例えば、『シーンID』、『シーン連関度』等を有する。
第1生成部23は、第1評価部22により取得されたシーンIDリストに対応するシーン名リストを生成する。生成されるシーン名リストは、例えば、『シーンID』、『シーン連関度』等を有する。
シーンIDは、例えば、図11に示すシーンモデルテーブルと、図12に示すシーン用コンテンツモデルテーブル(OFE)と、に関連付けられる。シーンモデルテーブルには、例えば、シーンID、学習モデル等が記憶され、シーン用コンテンツモデルテーブルには、コンテンツID、学習モデル等が記憶される。第1生成部23は、これらの情報に基づいてシーン名リストを生成する。
図11に示すシーンモデルテーブルは、シーンモデルデータベースに記憶される。シーンモデルテーブルには、例えば、ユーザがフィールドで行う各作業を識別するシーンIDとそのシーンIDに対応する学習モデルが対応づけられて記憶される。シーンIDは、複数存在し、その各シーンIDに対応する映像情報の学習モデルが対応づけられて記憶される。
図12に示すシーン用コンテンツモデルテーブルは、各シーンIDにおけるコンテンツIDと学習モデルが対応づけられて記憶される。図12に示すシーン用コンテンツモデルテーブルでは、例えば、シーンIDが『OFE』の例であり、様々なシーンごとに対応するコンテンツIDが分かれて記憶される。コンテンツIDは、複数存在し、その各シーンに対応する映像情報の学習モデルが対応づけられて記憶される。なお、コンテンツIDは、シーン無指定のコンテンツを含んでもよい。この場合は、コンテンツIDには『NULL』が記憶される。
図13は、シーンテーブルの一例を示す模式図である。図13に示すシーンテーブルは、シーンモデルデータベースに記憶される。シーンテーブルには、例えば、ユーザがフィールドで行う各作業の映像情報の概略と、その概略の作業を識別するシーンIDが対応づけられて記憶される。シーンIDは複数存在し、その各シーンIDに対応するシーン名が対応づけられて記憶される。
<取得部11>
取得部11は、第1画像データと、シーン名リストから選択されたシーン名に対応する第1シーンIDと、を1組として有する取得データを取得する。
取得部11は、第1画像データと、シーン名リストから選択されたシーン名に対応する第1シーンIDと、を1組として有する取得データを取得する。
<メタID選択部12>
図14は、本実施形態における情報提供システムを使用した変形例を示す模式図である。メタID選択部12は、メタID推定処理用データベースを参照し、取得データに基づいて、複数のメタIDを抽出し、複数のメタIDを含むメタIDリストを生成する。メタIDリストは、複数のメタIDがリスト化されている。メタID選択部12は、メタIDリストに対応する参照サマリーリストを生成する。詳細には、メタID選択部12は、コンテンツデータベースを参照し、生成したメタIDリストに含まれるそれぞれのメタIDに紐づくコンテンツIDを取得する。
図14は、本実施形態における情報提供システムを使用した変形例を示す模式図である。メタID選択部12は、メタID推定処理用データベースを参照し、取得データに基づいて、複数のメタIDを抽出し、複数のメタIDを含むメタIDリストを生成する。メタIDリストは、複数のメタIDがリスト化されている。メタID選択部12は、メタIDリストに対応する参照サマリーリストを生成する。詳細には、メタID選択部12は、コンテンツデータベースを参照し、生成したメタIDリストに含まれるそれぞれのメタIDに紐づくコンテンツIDを取得する。
図15は、コンテンツデータベースの一例を示す模式図である。コンテンツデータベースには、メタIDと、コンテンツIDと、メタIDとコンテンツIDとの間におけるコンテンツ連関度が記憶されてもよい。コンテンツ連関度は、メタIDと、コンテンツIDとが紐づく度合いを示しており、例えば百分率、10段階、又は5段階等の3段階以上で示される。例えば図15では、メタIDに含まれる「IDaa」は、コンテンツIDに含まれる「コンテンツID-A」との間における連関度「60%」を示し、「コンテンツID-B」との間における連関度「40%」を示す。この場合、「IDaa」は「コンテンツID-B」に比べて「コンテンツID-A」との繋がりが強いことを示す。
コンテンツデータベースは、例えばコンテンツ連関度を算出できるアルゴリズムを有してもよい。コンテンツデータベースとして、例えばメタID、コンテンツID、及びコンテンツ連関度に基づいて最適化された関数(分類器)が用いられてもよい。
コンテンツデータベースは、例えば機械学習を用いて構築される。機械学習の方法として、例えば深層学習が用いられる。コンテンツデータベースは、例えばニューラルネットワークで構成され、その場合、連関度は隠れ層及び重み変数で示されてもよい。
メタID選択部12は、コンテンツ連関度を参照し、メタIDリストに含まれる複数のメタIDに紐づくコンテンツIDを取得してもよい。例えば、メタID選択部12は、メタIDからコンテンツ連関度の高いコンテンツIDを取得してもよい。
メタID選択部12は、サマリーテーブルを参照し、取得したコンテンツIDに対応する参照情報のサマリーを取得する。図16は、サマリーテーブルの一例を示す。サマリーテーブルは、コンテンツIDとコンテンツIDに対応する参照情報のサマリーとを複数含む。サマリーテーブルは、保存部104に記憶される。参照情報のサマリーは、参照情報を要約した内容等を示す。
メタID選択部12は、取得した参照情報のサマリーに基づいて、参照サマリーリストを生成する。図17は、参照サマリーリストの一例を示す。参照サマリーリストは、参照情報のサマリーと、参照情報のサマリーに対応するメタIDとを複数含む。メタID選択部12は、参照サマリーリストをユーザ端末5に送信する。ユーザ端末5は、送信された参照サマリーリストから参照情報のサマリーを選択し、選択した参照情報のサマリーからメタIDを選択し、選択したメタIDを情報提供装置1に送信する。そして、メタID選択部12は、ユーザ端末5により参照サマリーリストから選択されたメタIDを第1メタIDとして選択する。
<コンテンツID選択部13>
コンテンツID選択部13は、参照用データベースとコンテンツデータベースとを参照し、第1メタIDに基づいて、複数のコンテンツIDのうち第1コンテンツIDを選択する。コンテンツID選択部13は、例えば図14に示したコンテンツデータベースを用いた場合、第1メタID「IDaa」に紐づけられるコンテンツID(例えば「コンテンツID-A」「コンテンツID-B」等)を第1コンテンツIDとして選択する。このとき、コンテンツ連関度の高い(例えばコンテンツ連関度が60%である)「コンテンツID-A」を選択するようにしてもよい。コンテンツ連関度にあらかじめ閾値を設定しておき、その閾値より高いコンテンツ連関度を有するコンテンツIDを第1コンテンツIDとして選択するようにしてもよい。
コンテンツID選択部13は、参照用データベースとコンテンツデータベースとを参照し、第1メタIDに基づいて、複数のコンテンツIDのうち第1コンテンツIDを選択する。コンテンツID選択部13は、例えば図14に示したコンテンツデータベースを用いた場合、第1メタID「IDaa」に紐づけられるコンテンツID(例えば「コンテンツID-A」「コンテンツID-B」等)を第1コンテンツIDとして選択する。このとき、コンテンツ連関度の高い(例えばコンテンツ連関度が60%である)「コンテンツID-A」を選択するようにしてもよい。コンテンツ連関度にあらかじめ閾値を設定しておき、その閾値より高いコンテンツ連関度を有するコンテンツIDを第1コンテンツIDとして選択するようにしてもよい。
(情報提供システム100の動作の第1変形例)
次に、本実施形態における情報提供システム100の動作の第1変形例について説明する。図18は、本実施形態における情報提供システム100の動作の第1変形例を示すフローチャートである。
次に、本実施形態における情報提供システム100の動作の第1変形例について説明する。図18は、本実施形態における情報提供システム100の動作の第1変形例を示すフローチャートである。
<第1取得ステップS21>
まず、第1取得部21は、ユーザ端末5から第1映像情報を取得する(第1取得ステップS21)。第1取得部21は、ユーザ端末5により特定の計装機器4の映像情報が撮影された第1映像情報を取得する。
まず、第1取得部21は、ユーザ端末5から第1映像情報を取得する(第1取得ステップS21)。第1取得部21は、ユーザ端末5により特定の計装機器4の映像情報が撮影された第1映像情報を取得する。
<第1評価ステップS22>
次に、第1評価部22は、シーンモデルデータベースを参照し、取得した第1映像情報とシーン情報との間における第1シーン連関度を含むシーンIDリストを取得する(第1評価ステップS22)。
次に、第1評価部22は、シーンモデルデータベースを参照し、取得した第1映像情報とシーン情報との間における第1シーン連関度を含むシーンIDリストを取得する(第1評価ステップS22)。
<第1生成ステップS23>
次に、第1生成部23は、第1評価部22で取得されたシーンIDリストに対応するシーン名リストを生成する(第1生成ステップS23)。第1生成部23は、例えば、図13に示すシーンテーブルを参照し、取得したシーンIDリストに対応するシーン名リストを生成する。例えば、第1評価部22で取得されたシーンIDリストに含まれるシーンIDが『OFD』の場合、シーン名として『ABC-999装置の再起動』というシーン名が選択される。例えば、シーンIDが『OFE』の場合、シーン名として『ABC-999装置のメモリを取り外す』というシーン名が選択されることとなる。
次に、第1生成部23は、第1評価部22で取得されたシーンIDリストに対応するシーン名リストを生成する(第1生成ステップS23)。第1生成部23は、例えば、図13に示すシーンテーブルを参照し、取得したシーンIDリストに対応するシーン名リストを生成する。例えば、第1評価部22で取得されたシーンIDリストに含まれるシーンIDが『OFD』の場合、シーン名として『ABC-999装置の再起動』というシーン名が選択される。例えば、シーンIDが『OFE』の場合、シーン名として『ABC-999装置のメモリを取り外す』というシーン名が選択されることとなる。
<取得ステップS24>
次に、取得部11は、第1画像データと、シーン名リストから選択されたシーン名に対応する第1シーンIDと、を1組として有する取得データを取得する(取得ステップS24)。シーン名リストから選択されたシーン名に対応するシーンIDが第1シーンIDとなる。
次に、取得部11は、第1画像データと、シーン名リストから選択されたシーン名に対応する第1シーンIDと、を1組として有する取得データを取得する(取得ステップS24)。シーン名リストから選択されたシーン名に対応するシーンIDが第1シーンIDとなる。
<メタID選択ステップS25>
次に、メタID選択部12は、取得データに基づいて、複数のメタIDを抽出し、複数のメタIDを含むメタIDリストを生成する(メタID選択ステップS25)。メタID選択部12は、メタIDリストに対応する参照サマリーリストを生成する。メタID選択部12は、生成した参照サマリーリストをユーザ端末5に送信する。そして、ユーザ端末5は、送信された参照サマリーリストから1又は複数の参照情報のサマリーと、この参照情報のサマリーに対応するメタIDと、を選択する。ユーザ端末5は、選択した参照情報のサマリーと、メタIDと、を情報提供装置1に送信する。そして、メタID選択部12は、ユーザ端末5により参照サマリーリストから選択されたメタIDを第1メタIDとして選択する。
次に、メタID選択部12は、取得データに基づいて、複数のメタIDを抽出し、複数のメタIDを含むメタIDリストを生成する(メタID選択ステップS25)。メタID選択部12は、メタIDリストに対応する参照サマリーリストを生成する。メタID選択部12は、生成した参照サマリーリストをユーザ端末5に送信する。そして、ユーザ端末5は、送信された参照サマリーリストから1又は複数の参照情報のサマリーと、この参照情報のサマリーに対応するメタIDと、を選択する。ユーザ端末5は、選択した参照情報のサマリーと、メタIDと、を情報提供装置1に送信する。そして、メタID選択部12は、ユーザ端末5により参照サマリーリストから選択されたメタIDを第1メタIDとして選択する。
<コンテンツID選択ステップS26>
次に、コンテンツID選択部13は、参照用データベースとコンテンツデータベースとを参照し、第1メタIDに基づいて、複数のコンテンツIDのうち第1コンテンツIDを選択する(コンテンツID選択ステップS26)。コンテンツID選択部13は、メタID選択部12により選択された第1メタIDを取得し、保存部104に保存された参照用データベースとコンテンツデータベースとを取得する。コンテンツID選択部13は、第1メタIDに対して1つの第1コンテンツIDを選択するほか、例えば1つの第1メタIDに対して複数の第1コンテンツIDを選択してもよい。コンテンツID選択部13は、例えば記憶部17を介して、選択した第1コンテンツIDを保存部104に保存する。
次に、コンテンツID選択部13は、参照用データベースとコンテンツデータベースとを参照し、第1メタIDに基づいて、複数のコンテンツIDのうち第1コンテンツIDを選択する(コンテンツID選択ステップS26)。コンテンツID選択部13は、メタID選択部12により選択された第1メタIDを取得し、保存部104に保存された参照用データベースとコンテンツデータベースとを取得する。コンテンツID選択部13は、第1メタIDに対して1つの第1コンテンツIDを選択するほか、例えば1つの第1メタIDに対して複数の第1コンテンツIDを選択してもよい。コンテンツID選択部13は、例えば記憶部17を介して、選択した第1コンテンツIDを保存部104に保存する。
その後、上述した参照情報選択ステップS14を行い、完了する。
本変形例によれば、メタID選択部12は、複数のメタIDのうち、複数の第1メタIDを抽出し、複数の第1メタIDを含むメタIDリストを生成し、メタIDリストに対応する参照サマリーリストを生成し、参照サマリーリストから選択された第1メタIDを選択する。これにより、参照サマリーリストに基づいて、第1メタIDを選択することができる。このため、第1メタIDの選択精度を向上させることができる。
本変形例によれば、取得部11は、第1画像データと、シーン名リストから選択されたシーン名に対応する第1シーンIDと、を1組として有する取得データを取得する。これにより、第1シーンIDを考慮して、メタIDを選択することができる。このため、メタIDの選択精度を向上させることができる。
本変形例によれば、コンテンツID選択部13は、参照用データベースとコンテンツデータベースとを参照し、第1メタIDに基づいて、複数のコンテンツIDのうち第1コンテンツIDを選択する。これにより、メタIDに基づいてコンテンツIDを選択するとき、コンテンツ連関度を参照してコンテンツIDの選択対象を更に狭めることができる。このため、第1コンテンツIDの選択精度を更に向上させることができる。
図19は、本実施形態における情報提供システム100を使用した変形例を示す模式図である。計装機器41、42は、例えば、プラントや工場等に設置される計装機器であり、プロセスP内で互いに接続される。
情報提供装置1は、計装機器41の第1画像データを有する取得データを取得する。情報提供装置1は、取得した取得データに基づいて、第1メタIDを選択し、ユーザ端末5に送信する。情報提供装置1は、ユーザ端末5から第1メタIDを取得する。情報提供装置1は、取得した第1メタIDに基づいて、第1参照情報を選択し、ユーザ端末5に送信する。
このとき、参照情報は、計装機器41と同一のプロセスP内に接続された他の計装機器42に関する第2計装機器情報を有していてもよい。第2計装機器情報は、他の計装機器42のマニュアル、分割マニュアル、インシデント情報、ドキュメント情報、履歴情報、プロセス情報等、を有する。
本実施形態によれば、参照情報は、計装機器41と同一のプロセスP内に接続された他の計装機器42に関する第2計装機器情報を有する。これにより、ユーザは、計装機器41の同一のプロセスPにおける他の計装機器42の情報を把握できる。このため、ユーザは、プロセスPの点検作業等を短時間で行うことが可能となる。
本実施形態によれば、第2計装機器情報は、計装機器41と同一のプロセスP内に接続された他の計装機器42より得られるプロセス情報を有する。これにより、ユーザは、他の計装機器42の計測情報を把握することができる。このため、ユーザは、他の計装機器42の点検作業等を短時間で行うことが可能となる。
上述した実施形態では、装置の一例として、計装機器4を例示したが、装置は、例えば、医療機器、介護機器、建設機械、工作機械、農業機械、輸送機械、ロボット等であってもよい。
<医療機器>
装置が医療機器の場合、情報提供システム100は、医療機器を使用する臨床工学技士等の医療関係者等のユーザに利用される。情報提供システム100は、主に臨床工学技士等の医療関係者が使用する医療機器を対象として用いられる。情報提供システム100は、医療機器の画像データを有する取得データから、医療機器に関する作業を行うユーザが作業を実施する上で適した第1参照情報を選択する。情報提供システム100は、例えば医療機器のマニュアルをユーザに提供できるほか、例えば医療機器に関するインシデント情報をユーザに提供できる。これにより、ユーザは、医療機器のマニュアルや医療機器に関するインシデントを把握することができる。
装置が医療機器の場合、情報提供システム100は、医療機器を使用する臨床工学技士等の医療関係者等のユーザに利用される。情報提供システム100は、主に臨床工学技士等の医療関係者が使用する医療機器を対象として用いられる。情報提供システム100は、医療機器の画像データを有する取得データから、医療機器に関する作業を行うユーザが作業を実施する上で適した第1参照情報を選択する。情報提供システム100は、例えば医療機器のマニュアルをユーザに提供できるほか、例えば医療機器に関するインシデント情報をユーザに提供できる。これにより、ユーザは、医療機器のマニュアルや医療機器に関するインシデントを把握することができる。
医療機器は、例えばペースメーカ、冠動脈ステント、人工血管、PTCAカテーテル、中心静脈カテーテル、吸収性体内固定用ボルト、粒子線治療装置、人工透析器、硬膜外用カテーテル、輸液ポンプ、自動腹膜灌流用装置、人工骨、人工心肺装置、多人数用透析液供給装置、成分採血装置、人工呼吸器、プログラム等の高度管理医療機器(GHTF(Global Harmonization Task Force)のクラス分類「クラスIII」及び「クラスIV」に相当。)を含む。医療機器は、例えばX線撮影装置、心電計、超音波診断装置、注射針、採血針、真空採血管、輸液ポンプ用輸液セット、フォーリーカテーテル、吸引カテーテル、補聴器、家庭用マッサージ器、コンドーム、プログラム等の管理医療機器(GHTFのクラス分類「クラスII」に相当。)を含む。医療機器は、例えば経腸栄養注入セット、ネブライザ、X線フィルム、血液ガス分析装置、手術用不織布、プログラム等の一般医療機器(GHTFのクラス分類「クラスI」に相当。)を含む。医療機器は、法令で定められた医療機器だけでなく、見た目や構造等が医療機器と類似した法令で定められていない機械器具等(ベッド等)を含む。医療機器は、病院等の医療現場で用いられる機器であってもよく、患者のカルテや電子カルテが記憶された医療情報機器や、病院内のスタッフの情報等が記憶された情報機器を含む。
<介護機器>
装置が介護機器の場合、情報提供システム100は、介護機器を使用する介護士等の介護関係者等のユーザに利用される。情報提供システム100は、主に介護士等の介護関係者が使用する介護機器を対象として用いられる。情報提供システム100は、介護機器の画像データを有する取得データから、介護機器に関する作業を行うユーザが作業を実施する上で適した第1参照情報を選択する。情報提供システム100は、例えば介護機器のマニュアルをユーザに提供できるほか、例えば介護機器に関するインシデント情報をユーザに提供できる。これにより、ユーザは、介護機器のマニュアルや介護機器に関するインシデントを把握することができる。
装置が介護機器の場合、情報提供システム100は、介護機器を使用する介護士等の介護関係者等のユーザに利用される。情報提供システム100は、主に介護士等の介護関係者が使用する介護機器を対象として用いられる。情報提供システム100は、介護機器の画像データを有する取得データから、介護機器に関する作業を行うユーザが作業を実施する上で適した第1参照情報を選択する。情報提供システム100は、例えば介護機器のマニュアルをユーザに提供できるほか、例えば介護機器に関するインシデント情報をユーザに提供できる。これにより、ユーザは、介護機器のマニュアルや介護機器に関するインシデントを把握することができる。
介護機器は、例えば、車いす、杖、スロープ、手摺、歩行器、歩行補助杖、認知症老人徘徊感知機器、移動用リフト等の屋内外での移動に関するものを含む。介護機器は、浴室用リフト、入浴台、浴槽用手摺、浴槽内手摺、浴室内すのこ、浴槽内椅子、浴槽内すのこ、入浴用介助ベルト、簡易浴槽等の入浴に関するものを含む。介護機器は、紙おむつ、自動排泄処理装置、腰掛け便座等の排泄に関するものを含む。介護機器は、電動ベッド等の介護用ベッド、敷パッド、床ずれ防止マット、体位変換器等の寝具に関するものを含む。介護機器は、法令で定められた介護機器だけでなく、見た目や構造等が介護機器と類似した法令で定められていない機械器具等(ベッド等)を含む。介護機器は、福祉用具を含む。介護機器は、介護施設等の介護現場で用いられる機器であってもよく、介護対象者の情報や介護施設内のスタッフの情報等が記憶されたケア情報管理システムを含む。
<建設機械>
装置が建設機械の場合、情報提供システム100は、建設機械を使用する建設関係者等のユーザに利用される。情報提供システム100は、主に建設関係者が使用する建設機械を対象として用いられる。情報提供システム100は、建設機械の画像データを有する取得データから、建設機械に関する作業を行うユーザが作業を実施する上で適した第1参照情報を選択する。情報提供システム100は、例えば建設機械のマニュアルをユーザに提供できるほか、例えば建設機械に関するインシデント情報をユーザに提供できる。これにより、ユーザは、建設機械のマニュアルや建設機械に関するインシデントを把握することができる。
装置が建設機械の場合、情報提供システム100は、建設機械を使用する建設関係者等のユーザに利用される。情報提供システム100は、主に建設関係者が使用する建設機械を対象として用いられる。情報提供システム100は、建設機械の画像データを有する取得データから、建設機械に関する作業を行うユーザが作業を実施する上で適した第1参照情報を選択する。情報提供システム100は、例えば建設機械のマニュアルをユーザに提供できるほか、例えば建設機械に関するインシデント情報をユーザに提供できる。これにより、ユーザは、建設機械のマニュアルや建設機械に関するインシデントを把握することができる。
建設機械は、例えば、ブルドーザ、掘削機、クレーン、基礎工事用機械、トンネル工事用機械、モータグレーダ、締固め機械、コンクリート機械、舗装機械、道路維持用機械、空気圧縮機、ポンプ、ウインチ、仮設用仮設備機器等の一般建設機械であってもよい。建設機械は、作業船、クレーン船等の港湾河川海岸工事用の建設機械であってもよい。
<工作機械>
装置が工作機械の場合、情報提供システム100は、工作機械を使用するユーザに利用される。情報提供システム100は、主にユーザが使用する工作機械を対象として用いられる。情報提供システム100は、工作機械の画像データを有する取得データから、工作機械に関する作業を行うユーザが作業を実施する上で適した第1参照情報を選択する。情報提供システム100は、例えば工作機械のマニュアルをユーザに提供できるほか、例えば工作機械に関するインシデント情報をユーザに提供できる。これにより、ユーザは、工作機械のマニュアルや工作機械に関するインシデントを把握することができる。
装置が工作機械の場合、情報提供システム100は、工作機械を使用するユーザに利用される。情報提供システム100は、主にユーザが使用する工作機械を対象として用いられる。情報提供システム100は、工作機械の画像データを有する取得データから、工作機械に関する作業を行うユーザが作業を実施する上で適した第1参照情報を選択する。情報提供システム100は、例えば工作機械のマニュアルをユーザに提供できるほか、例えば工作機械に関するインシデント情報をユーザに提供できる。これにより、ユーザは、工作機械のマニュアルや工作機械に関するインシデントを把握することができる。
工作機械は、例えば、旋盤、フライス盤、形削り盤、平削り盤、ボール盤、中ぐり盤、放電加工機等であってもよい。
<農業機械>
装置が農業機械の場合、情報提供システム100は、農業機械を使用する農業関係者等のユーザに利用される。情報提供システム100は、主に農業関係者が使用する農業機械を対象として用いられる。情報提供システム100は、農業機械の画像データを有する取得データから、農業機械に関する作業を行うユーザが作業を実施する上で適した第1参照情報を選択する。情報提供システム100は、例えば農業機械のマニュアルをユーザに提供できるほか、例えば農業機械に関するインシデント情報をユーザに提供できる。これにより、ユーザは、農業機械のマニュアルや農業機械に関するインシデントを把握することができる。
装置が農業機械の場合、情報提供システム100は、農業機械を使用する農業関係者等のユーザに利用される。情報提供システム100は、主に農業関係者が使用する農業機械を対象として用いられる。情報提供システム100は、農業機械の画像データを有する取得データから、農業機械に関する作業を行うユーザが作業を実施する上で適した第1参照情報を選択する。情報提供システム100は、例えば農業機械のマニュアルをユーザに提供できるほか、例えば農業機械に関するインシデント情報をユーザに提供できる。これにより、ユーザは、農業機械のマニュアルや農業機械に関するインシデントを把握することができる。
農業機械は、例えば、乗用型トラクター、乗用型田植え機、乗用型コンバイン等の乗用型農業機械であってもよい。農業機械は、歩行型トラクター、歩行型管理機等の歩行型農業機械であってもよい。農業機械は、穀物乾燥機、籾すり機等の定置機械であってもよい。農業機械は、狩払機、動力摘採機、ヘッジトリマー、背負式動力噴霧機、背負式動力散粉機、チェーンソー等の携帯式農業機械であってもよい。
<輸送機械>
装置が輸送機械の場合、情報提供システム100は、輸送機械を使用するユーザに利用される。情報提供システム100は、主にユーザが使用する輸送機械を対象として用いられる。情報提供システム100は、輸送機械の画像データを有する取得データから、輸送機械に関する作業を行うユーザが作業を実施する上で適した第1参照情報を選択する。情報提供システム100は、例えば輸送機械のマニュアルをユーザに提供できるほか、例えば輸送機械に関するインシデント情報をユーザに提供できる。これにより、ユーザは、輸送機械のマニュアルや輸送機械に関するインシデントを把握することができる。
装置が輸送機械の場合、情報提供システム100は、輸送機械を使用するユーザに利用される。情報提供システム100は、主にユーザが使用する輸送機械を対象として用いられる。情報提供システム100は、輸送機械の画像データを有する取得データから、輸送機械に関する作業を行うユーザが作業を実施する上で適した第1参照情報を選択する。情報提供システム100は、例えば輸送機械のマニュアルをユーザに提供できるほか、例えば輸送機械に関するインシデント情報をユーザに提供できる。これにより、ユーザは、輸送機械のマニュアルや輸送機械に関するインシデントを把握することができる。
輸送機械は、例えば、自動車、船舶、航空機等であってもよい。また、情報提供システム100は、自動車等の自動運転の際に用いられてもよい。
<ロボット>
装置がロボットの場合、情報提供システム100は、ロボットを使用するユーザに利用される。情報提供システム100は、主にユーザが使用するロボットを対象として用いられる。情報提供システム100は、ロボットの画像データを有する取得データから、ロボットに関する作業を行うユーザが作業を実施する上で適した第1参照情報を選択する。情報提供システム100は、例えばロボットのマニュアルをユーザに提供できるほか、例えばロボットに関するインシデント情報をユーザに提供できる。これにより、ユーザは、ロボットのマニュアルやロボットに関するインシデントを把握することができる。
装置がロボットの場合、情報提供システム100は、ロボットを使用するユーザに利用される。情報提供システム100は、主にユーザが使用するロボットを対象として用いられる。情報提供システム100は、ロボットの画像データを有する取得データから、ロボットに関する作業を行うユーザが作業を実施する上で適した第1参照情報を選択する。情報提供システム100は、例えばロボットのマニュアルをユーザに提供できるほか、例えばロボットに関するインシデント情報をユーザに提供できる。これにより、ユーザは、ロボットのマニュアルやロボットに関するインシデントを把握することができる。
ロボットは、人型ロボット、動物型ロボットであってもよい。ロボットは、人の代わり作業を行う産業用ロボット等であってもよい。
<情報提供装置1の第2変形例>
次に、情報提供装置1の第2変形例について、説明する。本変形例では、主に、外部情報取得部31と、外部情報比較部32と、外部情報類似度算出部33と、チャンク参照情報抽出部34と、チャンク参照情報類似度算出部35と、を更に備える点で、上述した実施形態と相違する。また、保存部104に、更にコンテンツ関連性データベースと、外部情報類似度算出用データベースと、チャンク参照情報類似度推定処理用データベースとが、保存される点で、上述した実施形態と相違する。以下では、これら相違する点について、主に説明をする。図20は、本実施形態における情報提供装置1の機能の第2変形例を示す模式図である。なお、図20に示した各機能は、CPU101が、RAM103を作業領域として、保存部104等に記憶されたプログラムを実行することにより実現される。また、各機能は、例えば人工知能により制御されてもよい。ここで、「人工知能」は、いかなる周知の人工知能技術に基づくものであってもよい。
次に、情報提供装置1の第2変形例について、説明する。本変形例では、主に、外部情報取得部31と、外部情報比較部32と、外部情報類似度算出部33と、チャンク参照情報抽出部34と、チャンク参照情報類似度算出部35と、を更に備える点で、上述した実施形態と相違する。また、保存部104に、更にコンテンツ関連性データベースと、外部情報類似度算出用データベースと、チャンク参照情報類似度推定処理用データベースとが、保存される点で、上述した実施形態と相違する。以下では、これら相違する点について、主に説明をする。図20は、本実施形態における情報提供装置1の機能の第2変形例を示す模式図である。なお、図20に示した各機能は、CPU101が、RAM103を作業領域として、保存部104等に記憶されたプログラムを実行することにより実現される。また、各機能は、例えば人工知能により制御されてもよい。ここで、「人工知能」は、いかなる周知の人工知能技術に基づくものであってもよい。
図21は、本実施形態における情報提供システム100を使用した第2変形例を示す模式図である。本変形例に係る情報提供装置1は、特定の外部情報xを取得する。情報提供装置1は、取得した特定の外部情報xに対する外部情報類似度を算出する。情報提供装置1は、算出された外部情報類似度に基づいて、複数の外部情報から第1外部情報b1を選択する。情報提供装置1は、コンテンツ関連性データベースを参照し、選択された第1外部情報b1に対応するチャンク参照情報B1を第1チャンク参照情報B1として抽出する。これにより、取得した特定の外部情報xに類似する外部情報b1に対応するチャンク参照情報B1が、特定の外部情報xに基づく変更箇所であることを把握することができる。このため、参照情報を編集等の更新する際に、第1チャンク参照情報B1を更新するだけでよく、参照情報の更新作業を短時間で行うことができる。
また、情報提供装置1は、チャンク参照情報類似度推定処理用データベースを参照し、第1チャンク参照情報B1に対するチャンク参照情報類似度を算出する。情報提供装置1は、算出されたチャンク参照情報類似度に基づいて、第1チャンク参照情報B1とは異なる第2チャンク参照情報B2を抽出する。これにより、第1チャンク参照情報B1に類似する第2チャンク参照情報B2も、特定の外部情報xに基づく変更箇所であることを把握することができる。このため、参照情報を編集等の更新する際に、第1チャンク参照情報と第2チャンク参照情報とを更新するだけでよく、参照情報の更新作業を短時間で行うことができる。
<コンテンツ関連性データベース>
図22は、コンテンツ関連性データベースの一例を示す模式図である。コンテンツ関連性データベースは、参照情報をチャンク構造に分割した複数のチャンク参照情報と、チャンク参照情報の作成に用いられた外部情報とが記憶される。
図22は、コンテンツ関連性データベースの一例を示す模式図である。コンテンツ関連性データベースは、参照情報をチャンク構造に分割した複数のチャンク参照情報と、チャンク参照情報の作成に用いられた外部情報とが記憶される。
チャンク参照情報は、文章情報を含む。チャンク参照情報は、更に図表情報を含んでもよい。チャンク参照情報は、チャンク参照情報を識別するための文字列からなるチャンク参照情報ラベルを含んでいてもよい。チャンク参照情報は、例えば参照情報が計装機器等の装置のマニュアルである場合、このマニュアルが意味のある情報がひとまとまりのデータの塊となったチャンク構造に分割された情報である。チャンク参照情報は、例えばマニュアル等の文章毎、章毎、段落毎、ページ毎等のチャンク構造に分割された情報である。
外部情報は、文章情報を含む。外部情報は、更に図表情報を含んでもよい。外部情報は、外部情報を識別するための文字列からなる外部情報ラベルを含んでいてもよい。外部情報は、チャンク参照情報に1対1で対応して、コンテンツ関連性データベースに記憶される。外部情報は、例えば参照情報が計装機器等の装置のマニュアルである場合、このマニュアルの作成に用いられた仕様書等が、ひとまとまりのデータの塊となったチャンク構造に分割された情報である。外部情報は、例えば仕様書等の文章毎、章毎、段落毎、ページ毎等のチャンク構造に分割された情報である。外部情報は、参照情報の作成に用いられる情報として、仕様書がチャンク構造に分割されたもののほか、例えば、インシデント情報、各種論文、参照情報の原典となる情報等がチャンク構造に分割されたものであってもよい。また、チャンク参照情報が日本語等の第1言語で作成されている場合、外部情報は第1言語とは異なる英語等の第2言語で作成されるものであってもよい。
図23Aは、コンテンツ関連性データベースの一例を示す模式図である。図23Bは、外部情報類似度算出用データベースの一例を示す模式図である。図23Aにおける「A」は、図23Bにおける「A」に繋がる。図23Aにおける「B」は、図23Bにおける「B」に繋がる。図24Aは、コンテンツ関連性データベースの一例を示す模式図である。図24Bは、チャンク参照情報類似度算出用データベースの一例を示す模式図である。図24Aにおける「C」は、図24Bにおける「C」に繋がる。
<外部情報類似度算出用データベース>
外部情報類似度算出用データベースは、外部情報を用いて機械学習により構築される。機械学習の方法として、例えば外部情報をベクトル化した上で教師データとして学習させる。ベクトル化された外部情報は、外部情報における外部情報ラベルに対応させて、外部情報類似度算出用データベースに記憶される。ベクトル化された外部情報は、外部情報に対応させて、外部情報類似度算出用データベースに記憶されてもよい。
外部情報類似度算出用データベースは、外部情報を用いて機械学習により構築される。機械学習の方法として、例えば外部情報をベクトル化した上で教師データとして学習させる。ベクトル化された外部情報は、外部情報における外部情報ラベルに対応させて、外部情報類似度算出用データベースに記憶される。ベクトル化された外部情報は、外部情報に対応させて、外部情報類似度算出用データベースに記憶されてもよい。
<チャンク参照情報類似度推定処理用データベース>
チャンク参照情報類似度推定処理用データベースは、チャンク参照情報を用いて機械学習により構築される。機械学習の方法として、例えばチャンク参照情報をベクトル化した上で教師データとして学習させる。ベクトル化されたチャンク参照情報は、チャンク参照情報におけるチャンク参照情報ラベルに対応させて、チャンク参照情報類似度推定処理用データベースに記憶される。ベクトル化されたチャンク参照情報は、チャンク参照情報に対応させて、チャンク参照情報類似度推定処理用データベースに記憶されてもよい。
チャンク参照情報類似度推定処理用データベースは、チャンク参照情報を用いて機械学習により構築される。機械学習の方法として、例えばチャンク参照情報をベクトル化した上で教師データとして学習させる。ベクトル化されたチャンク参照情報は、チャンク参照情報におけるチャンク参照情報ラベルに対応させて、チャンク参照情報類似度推定処理用データベースに記憶される。ベクトル化されたチャンク参照情報は、チャンク参照情報に対応させて、チャンク参照情報類似度推定処理用データベースに記憶されてもよい。
<外部情報取得部31>
外部情報取得部31は、外部情報、特定の外部情報等の各種情報を取得する。特定の外部情報は、これから外部情報類似度を算出すべき対象となる外部情報である。
外部情報取得部31は、外部情報、特定の外部情報等の各種情報を取得する。特定の外部情報は、これから外部情報類似度を算出すべき対象となる外部情報である。
<外部情報比較部32>
外部情報比較部32は、コンテンツ関連性データベースに記憶された外部情報と、外部情報取得部31により取得した特定の外部情報と、を比較する。外部情報比較部32は、外部情報と、特定の外部情報と、が一致するか、一致しないか、を判定する。
外部情報比較部32は、コンテンツ関連性データベースに記憶された外部情報と、外部情報取得部31により取得した特定の外部情報と、を比較する。外部情報比較部32は、外部情報と、特定の外部情報と、が一致するか、一致しないか、を判定する。
図23A及び図23Bの例では、外部情報取得部31により取得した特定の外部情報が「外部情報x」、「外部情報a1」、「外部情報c1」を含むとする。そして、外部情報比較部32は、特定の外部情報に含まれる「外部情報x」、「外部情報a1」、「外部情報c1」と、コンテンツ関連性データベースに記憶された外部情報と、を比較する。コンテンツ関連性データベースには、「外部情報a1」「外部情報c1」が記憶され、「外部情報x」が記憶されていないとする。このとき、外部情報比較部32は、特定の外部情報に含まれる「外部情報a1」「外部情報c1」がコンテンツ関連性データベースに記憶された外部情報に一致すると判定する。また、外部情報比較部32は、「外部情報x」がコンテンツ関連性データベースに記憶された外部情報に一致しないと判定する。
<外部情報類似度算出部33>
外部情報類似度算出部33は、外部情報比較部32により外部情報と特定の外部情報とが一致しない場合、外部情報類似度算出用データベースを参照し、外部情報類似度算出用データベースに記憶された外部情報と、外部情報取得部31により取得された特定の外部情報と、の類似度を示す外部情報類似度を算出する。外部情報類似度算出部33は、外部情報の特徴量を用いて、外部情報類似度算出する。外部情報の特徴量として、例えば外部情報がベクトル化されて表現されてもよい。外部情報類似度算出部33は、特定の外部情報をベクトル化した上で、外部情報類似度算出用データベース内でベクトル化された外部情報とのベクトル演算により、特定の外部情報と外部情報との外部情報類似度を算出する。
外部情報類似度算出部33は、外部情報比較部32により外部情報と特定の外部情報とが一致しない場合、外部情報類似度算出用データベースを参照し、外部情報類似度算出用データベースに記憶された外部情報と、外部情報取得部31により取得された特定の外部情報と、の類似度を示す外部情報類似度を算出する。外部情報類似度算出部33は、外部情報の特徴量を用いて、外部情報類似度算出する。外部情報の特徴量として、例えば外部情報がベクトル化されて表現されてもよい。外部情報類似度算出部33は、特定の外部情報をベクトル化した上で、外部情報類似度算出用データベース内でベクトル化された外部情報とのベクトル演算により、特定の外部情報と外部情報との外部情報類似度を算出する。
なお、外部情報類似度算出部33は、外部情報比較部32により外部情報と特定の外部情報とが一致する場合、外部情報類似度の算出を行わない。
外部情報類似度は、特定の外部情報と、外部情報とが類似する度合いを示しており、例えば「0.97」等の0~1までの100段階の小数、百分率、10段階、又は5段階等の3段階以上で示される。
図23A及び図23Bの例では、外部情報比較部32により特定の外部情報に含まれる「外部情報x」とコンテンツ関連性データベースに記憶された外部情報と一致しない。かかる場合、外部情報類似度算出部33は、外部情報類似度算出用データベースを参照し、特定の外部情報に含まれる「外部情報x」と、外部情報類似度算出用データベースに記憶された「外部情報a1」、「外部情報b1」、「外部情報c1」、「外部情報b2」と、それぞれ外部情報類似度を算出する。「外部情報x」と、「外部情報a1」との外部情報類似度は、「外部情報xの特徴量q2」と「外部情報a1の特徴量p1」の内積を演算して、例えば「0.20」として算出される。同様に「外部情報x」と、「外部情報b1」との外部情報類似度は、「0.98」である。「外部情報x」と、「外部情報c1」との外部情報類似度は、「0.33」である。「外部情報x」と、「外部情報b2」との外部情報類似度は、「0.85」である。この場合、「外部情報x」は、例えば「外部情報a1」に比べて「外部情報b1」と類似していることを示す。
<チャンク参照情報抽出部34>
チャンク参照情報抽出部34は、算出された外部情報類似度に基づいて、複数の外部情報から第1外部情報を選択し、コンテンツ関連性データベースを参照し、選択した第1外部情報に対応するチャンク参照情報を第1チャンク参照情報として抽出する。チャンク参照情報抽出部34は、複数の外部情報から1つの第1外部情報を選択したとき、選択した1つの第1外部情報に対応する1つのチャンク参照情報を第1チャンク参照情報として抽出する。また、チャンク参照情報抽出部34は、複数の第1外部情報を選択したとき、選択したそれぞれの第1外部情報に対応するチャンク参照情報をそれぞれ第1チャンク参照情報として抽出してもよい。
チャンク参照情報抽出部34は、算出された外部情報類似度に基づいて、複数の外部情報から第1外部情報を選択し、コンテンツ関連性データベースを参照し、選択した第1外部情報に対応するチャンク参照情報を第1チャンク参照情報として抽出する。チャンク参照情報抽出部34は、複数の外部情報から1つの第1外部情報を選択したとき、選択した1つの第1外部情報に対応する1つのチャンク参照情報を第1チャンク参照情報として抽出する。また、チャンク参照情報抽出部34は、複数の第1外部情報を選択したとき、選択したそれぞれの第1外部情報に対応するチャンク参照情報をそれぞれ第1チャンク参照情報として抽出してもよい。
チャンク参照情報抽出部34は、算出された外部情報類似度に基づいて、複数の外部情報に含まれるそれぞれの外部情報ラベルから、第1外部情報として選択してもよい。チャンク参照情報抽出部34は、選択した外部情報ラベル(第1外部情報)から、コンテンツ関連性データベースに記憶された外部情報ラベルに対応するチャンク参照情報を第1チャンク参照情報として抽出してもよい。例えば、チャンク参照情報抽出部34は、外部情報ラベル21を選択し、選択した外部情報ラベル21から、コンテンツ関連性データベースに記憶された外部情報ラベル21に対応するチャンク参照情報B1を第1チャンク参照情報として抽出してもよい。外部情報ラベルは、文字列からなるため、文章情報を有する外部情報を記憶させるよりも、外部情報類似度算出用データベースの容量を低減することができる。
図23A及び図23Bの例では、チャンク参照情報抽出部34は、外部情報類似度を算出した結果、「外部情報a1」、「外部情報b1」、「外部情報c1」、「外部情報b2」のうち最も高い外部情報類似度を算出した「外部情報b1」を第1外部情報として選択する。第1外部情報として選択するとき、外部情報類似度に閾値を設定し、その閾値以上又は以下の外部情報類似度を算出した外部情報を選択してもよい。この閾値は、ユーザ側で適宜設定することができる。
そして、チャンク参照情報抽出部34は、コンテンツ関連性データベースを参照し、第1外部情報として選択した「外部情報b1」に対応する「チャンク参照情報B1」を第1チャンク参照情報として抽出する。
更に、チャンク参照情報抽出部34は、後述するチャンク参照情報類似度に基づいて、コンテンツ関連性データベースから、第1チャンク参照情報とは異なる第2チャンク参照情報を更に1又は複数抽出する。
チャンク参照情報抽出部34は、算出されたチャンク参照情報類似度に基づいて、複数のチャンク参照情報に含まれるチャンク参照情報ラベルから、1又は複数のチャンク参照情報ラベルを選択してもよい。チャンク参照情報抽出部34は、選択したチャンク参照情報ラベルから、コンテンツ関連性データベースに記憶されたチャンク参照情報ラベルに対応するチャンク参照情報を、第2チャンク参照情報として抽出してもよい。例えば、チャンク参照情報抽出部34は、チャンク参照情報ラベル122を選択し、選択した外部情報ラベル122から、コンテンツ関連性データベースに記憶されたチャンク参照情報ラベル122に対応するチャンク参照情報B2を第2チャンク参照情報として抽出してもよい。チャンク参照情報ラベルは、文字列からなるため、文章情報を有するチャンク参照情報を記憶させるよりも、チャンク参照情報類似度算出用データベースの容量を低減することができる。
<チャンク参照情報類似度算出部35>
チャンク参照情報類似度算出部35は、チャンク参照情報類似度推定処理用データベースを参照し、チャンク参照情報と、チャンク参照情報抽出部34により抽出された第1チャンク参照情報と、の類似度を示すチャンク参照情報類似度を算出する。チャンク参照情報類似度算出部35は、チャンク参照情報の特徴量を用いて、チャンク参照情報類似度を算出する。チャンク参照情報の特徴量として、例えばチャンク参照情報がベクトル化されて表現されてもよい。チャンク参照情報類似度算出部35は、特定のチャンク参照情報をベクトル化した上で、チャンク参照情報類似度推定処理用データベース内でベクトル化されたチャンク参照情報とのベクトル演算により、特定のチャンク参照情報とチャンク参照情報とのチャンク参照情報類似度を算出する。
チャンク参照情報類似度算出部35は、チャンク参照情報類似度推定処理用データベースを参照し、チャンク参照情報と、チャンク参照情報抽出部34により抽出された第1チャンク参照情報と、の類似度を示すチャンク参照情報類似度を算出する。チャンク参照情報類似度算出部35は、チャンク参照情報の特徴量を用いて、チャンク参照情報類似度を算出する。チャンク参照情報の特徴量として、例えばチャンク参照情報がベクトル化されて表現されてもよい。チャンク参照情報類似度算出部35は、特定のチャンク参照情報をベクトル化した上で、チャンク参照情報類似度推定処理用データベース内でベクトル化されたチャンク参照情報とのベクトル演算により、特定のチャンク参照情報とチャンク参照情報とのチャンク参照情報類似度を算出する。
チャンク参照情報類似度は、第1チャンク参照情報と、チャンク参照情報とが類似する度合いを示しており、例えば「0.97」等の0~1までの100段階の小数、百分率、10段階、又は5段階等の3段階以上で示される。
図24A及び図24Bの例では、チャンク参照情報類似度算出部35は、チャンク参照情報類似度算出用データベースを参照し、チャンク参照情報抽出部34により第1チャンク参照情報として抽出された「チャンク参照情報B1」と、チャンク参照情報類似度算出用データベースに記憶された「チャンク参照情報A1」、「チャンク参照情報B1」、「チャンク参照情報C1」、「チャンク参照情報B2」と、それぞれチャンク参照情報類似度を算出する。「チャンク参照情報B1」と、「チャンク参照情報A1」とのチャンク参照情報類似度は、「チャンク参照情報B1の特徴量Q1」と「チャンク参照情報A1の特徴量P1」の内積を演算して、例えば「0.30」と算出される。同様に、「チャンク参照情報B1」と、「チャンク参照情報B1」とのチャンク参照情報類似度は、「1.00」である。「チャンク参照情報B1」と、「チャンク参照情報C1」とのチャンク参照情報類似度は、「0.20」である。「チャンク参照情報B1」と、「チャンク参照情報B2」とのチャンク参照情報類似度は、「0.95」である。この場合、「チャンク参照情報B1」は、例えば「チャンク参照情報A1」に比べて「チャンク参照情報B2」と類似していることを示す。
上述したとおり、チャンク参照情報抽出部34は、チャンク参照情報類似度に基づいて、第1チャンク参照情報とは異なる第2チャンク参照情報を更に1又は複数抽出する。
図24A及び図24Bの例では、チャンク参照情報抽出部34は、チャンク参照情報類似度を算出した結果、「チャンク参照情報A1」、「チャンク参照情報B1」、「チャンク参照情報C1」、「チャンク参照情報B2」のうち所定のチャンク参照情報類似度を算出した「チャンク参照情報B2」を第2チャンク参照情報として抽出する。第2チャンク参照情報を選択するとき、チャンク参照情報類似度に閾値を設定し、その閾値以上又は以下の外部情報類似度を算出したチャンク参照情報を選択してもよい。この閾値は、ユーザ側で適宜設定することができる。なお、チャンク参照情報類似度「1.00」を算出したチャンク参照情報については、第1チャンク参照情報に一致することになるため、第2チャンク参照情報として選択されるのを除外してもよい。
(情報提供システム100の動作の第2変形例)
次に、本実施形態における情報提供システム100の動作の第2変形例について説明する。図25は、本実施形態における情報提供システム100の動作の第2変形例を示すフローチャートである。
次に、本実施形態における情報提供システム100の動作の第2変形例について説明する。図25は、本実施形態における情報提供システム100の動作の第2変形例を示すフローチャートである。
<外部情報取得ステップS31>
外部情報取得部31は、例えば仕様書等がチャンク構造に分割された外部情報を特定の外部情報として1又は複数取得する(外部情報取得ステップS31)。外部情報取得ステップS31は、参照情報選択ステップS14の後に行われる。
外部情報取得部31は、例えば仕様書等がチャンク構造に分割された外部情報を特定の外部情報として1又は複数取得する(外部情報取得ステップS31)。外部情報取得ステップS31は、参照情報選択ステップS14の後に行われる。
<外部情報比較ステップS32>
次に、外部情報比較部32は、コンテンツ関連性データベースに記憶された外部情報と、外部情報取得部31により取得した特定の外部情報と、を比較する(外部情報比較ステップS32)。外部情報比較部32は、外部情報と、特定の外部情報と、が一致するか、一致しないか、を判定する。
次に、外部情報比較部32は、コンテンツ関連性データベースに記憶された外部情報と、外部情報取得部31により取得した特定の外部情報と、を比較する(外部情報比較ステップS32)。外部情報比較部32は、外部情報と、特定の外部情報と、が一致するか、一致しないか、を判定する。
<外部情報類似度算出ステップS33>
次に、外部情報類似度算出部33は、外部情報比較部32により外部情報と特定の外部情報とが一致しない場合、外部情報類似度算出用データベースを参照し、外部情報類似度算出用データベースに記憶された外部情報と、外部情報取得部31により取得された特定の外部情報と、の類似度を示す外部情報類似度を算出する(外部情報類似度算出ステップS33)。
次に、外部情報類似度算出部33は、外部情報比較部32により外部情報と特定の外部情報とが一致しない場合、外部情報類似度算出用データベースを参照し、外部情報類似度算出用データベースに記憶された外部情報と、外部情報取得部31により取得された特定の外部情報と、の類似度を示す外部情報類似度を算出する(外部情報類似度算出ステップS33)。
<第1チャンク参照情報抽出ステップS34>
チャンク参照情報抽出部34は、算出された外部情報類似度に基づいて、複数の外部情報から第1外部情報を選択し、コンテンツ関連性データベースを参照し、選択した第1外部情報に対応するチャンク参照情報を第1チャンク参照情報として抽出する(第1チャンク参照情報抽出ステップS34)。
チャンク参照情報抽出部34は、算出された外部情報類似度に基づいて、複数の外部情報から第1外部情報を選択し、コンテンツ関連性データベースを参照し、選択した第1外部情報に対応するチャンク参照情報を第1チャンク参照情報として抽出する(第1チャンク参照情報抽出ステップS34)。
<チャンク参照情報類似度算出ステップS35>
次に、チャンク参照情報類似度算出部35は、チャンク参照情報類似度推定処理用データベースを参照し、チャンク参照情報類似度推定処理用データベースに記憶されたチャンク参照情報と、チャンク参照情報抽出部34により抽出された第1チャンク参照情報と、の類似度を示すチャンク参照情報類似度を算出する(チャンク参照情報類似度算出ステップS35)。
次に、チャンク参照情報類似度算出部35は、チャンク参照情報類似度推定処理用データベースを参照し、チャンク参照情報類似度推定処理用データベースに記憶されたチャンク参照情報と、チャンク参照情報抽出部34により抽出された第1チャンク参照情報と、の類似度を示すチャンク参照情報類似度を算出する(チャンク参照情報類似度算出ステップS35)。
<第2チャンク参照情報抽出ステップS36>
次に、チャンク参照情報抽出部34は、チャンク参照情報類似度に基づいて、第1チャンク参照情報とは異なる第2チャンク参照情報を更に1又は複数抽出する(第2チャンク参照情報抽出ステップS36)。
次に、チャンク参照情報抽出部34は、チャンク参照情報類似度に基づいて、第1チャンク参照情報とは異なる第2チャンク参照情報を更に1又は複数抽出する(第2チャンク参照情報抽出ステップS36)。
以上で、情報提供システム100の動作の第2変形例が完了する。
本実施形態によれば、参照情報がチャンク構造に分割された複数のチャンク参照情報と、各々のチャンク参照情報に対応するとともにチャンク参照情報の作成に用いられた外部情報と、が記憶されるコンテンツ関連性データベースと、複数の外部情報を用いて機械学習により構築される外部情報類似度算出用データベースと、特定の外部情報を取得する外部情報取得部31と、外部情報と、特定の外部情報とを比較する外部情報比較手段と、外部情報比較部32により外部情報と特定の外部情報とが一致しない場合、外部情報類似度算出用データベースを参照し、外部情報と、特定の外部情報と、の類似度を示す外部情報類似度を算出する外部情報類似度算出部33と、外部情報類似度に基づいて、複数の外部情報から第1外部情報を選択し、コンテンツ関連性データベースを参照し、第1外部情報に対応するチャンク参照情報を第1チャンク参照情報として抽出するチャンク参照情報抽出部34と、を備える。
本実施形態によれば、外部情報類似度算出部33は、外部情報比較部32によりコンテンツ関連性データベースに記憶された外部情報に一致しない特定の外部情報について、外部情報類似度の算出を行う。すなわち、外部情報比較部32によりコンテンツ関連性データベースに記憶された外部情報に一致する特定の外部情報については、外部情報類似度の算出を行う必要がない。このため、外部情報類似度の算出をより効率的に行うことができる。
特に、本実施形態によれば、外部情報類似度に基づいて、複数の外部情報から第1外部情報を選択し、コンテンツ関連性データベースを参照し、第1外部情報に対応するチャンク参照情報を第1チャンク参照情報として抽出する。これにより、定量的に評価された外部情報類似度に基づいて、特定の外部情報に類似する第1外部情報を選択することで、第1外部情報の選択の精度を向上させることができる。
特に、本実施形態によれば、コンテンツ関連性データベースを参照し、第1外部情報に対応するチャンク参照情報を第1チャンク参照情報として抽出する。このため、特定の外部情報に新しい情報が含まれる場合や変更があった場合には、参照情報が分割されたチャンク参照情報のどの部分に該当するかを、ユーザは即座に把握することができる。このため、参照情報を更新する際には、第1チャンク参照情報として抽出されたチャンク参照情報を更新するだけでよく、参照情報の更新作業を短時間で行うことができる。
すなわち、ある装置がバージョン1からバージョン2にバージョンアップして、過去の仕様書から一部が変更されて新しい仕様書となった場合には、過去の仕様書に基づいて作成した製品の過去のマニュアルも、新しいマニュアルに作成する必要がある。本実施形態によれば、新しい仕様書から、変更すべき候補となる過去の仕様書を選択し、この過去の仕様書に対応する過去のマニュアルが、新しい仕様書によって変更が必要であると把握することができる。このとき、新しい仕様書、過去の仕様書、過去のマニュアルがそれぞれチャンク構造に分割されている。このため、過去のマニュアルから、新しい仕様書によって変更が生じた部分のみ、を効率よく抽出することができる。このため、新しい仕様書に基づいて変更すべき過去のマニュアルの該当部分を、ユーザは容易に把握できる。よって、例えば新しいマニュアルを作成する際、仕様書で変更の無い部分については過去のマニュアルをそのまま流用し、仕様書で変更のあった部分についてのみ、新たに作成することができる。いわば、仕様書で変更のあった部分のみを差分編集すればよいこととなる。このため、マニュアルの編集作業を容易に行うことが可能となる。
また、本実施形態によれば、複数のチャンク参照情報を用いて機械学習により構築されたチャンク参照情報類似度推定処理用データベースと、チャンク参照情報類似度推定処理用データベースを参照し、チャンク参照情報と、第1チャンク参照情報と、の類似度を示すチャンク参照情報類似度を算出するチャンク参照情報類似度算出部35と、を備え、チャンク参照情報抽出部34は、チャンク参照情報類似度に基づいて、第1チャンク参照情報とは異なる第2チャンク参照情報を更に抽出する。
本実施形態によれば、チャンク参照情報類似度に基づいて、第1チャンク参照情報とは異なる第2チャンク参照情報を更に抽出する。これにより、定量的に評価されたチャンク参照情報類似度に基づいて、第1チャンク参照情報に類似する第2チャンク参照情報を選択することで、第2チャンク参照情報の選択の精度を向上させることができる。このため、特定の外部情報に新しい情報が含まれる場合や変更があった場合には、第1チャンク参照情報に類似する第2チャンク参照情報も抽出するため、参照情報が分割されたチャンク参照情報のどの部分に該当するかを、ユーザは即座に把握することができる。このため、参照情報を更新する際には、第1チャンク参照情報と第2チャンク参照情報として抽出されたチャンク参照情報を更新するだけでよく、参照情報の更新作業を短時間で行うことができる。
すなわち、ある装置が複数のバージョンを有しており、複数の過去の仕様書から一部が変更されて新しい仕様書となった場合には、複数の過去の仕様書に基づいて作成した製品のそれぞれの過去のマニュアルも、新しいマニュアルに作成する必要がある。本実施形態によれば、新しい仕様書から、変更すべき候補となる過去の仕様書を選択し、この過去の仕様書に対応する過去のマニュアルと、過去のマニュアルに類似する他の過去のマニュアルとが、新しい仕様書によって変更が必要であると把握することができる。このとき、新しい仕様書、過去の仕様書、過去のマニュアルがそれぞれチャンク構造に分割されている。このため、過去のマニュアルから、新しい仕様書によって変更が生じた部分のみ、を効率よく抽出することができる。このとき、類似する複数の過去のマニュアルを対象として抽出することができる。このため、新しい仕様書に基づいて変更すべき複数の過去のマニュアルの該当部分を、ユーザは容易に、かつ同時に把握できる。よって、例えば新しいマニュアルを作成する際、仕様書で変更の無い部分については過去のマニュアルをそのまま流用し、仕様書で変更のあった部分についてのみ、新たに作成することができる。いわば、仕様書で変更のあった部分のみを差分編集すればよいこととなる。このため、マニュアルの編集作業を容易に行うことが可能となる。
本実施形態によれば、参照情報選択ステップS14の後に、外部情報取得ステップS31を行う。これにより、ユーザは、参照情報選択部14により選択した第1参照情報、並びに、チャンク参照情報抽出部34により抽出した第1チャンク参照情報及び第2チャンク参照情報を比較することができる。このため、マニュアル等の第1参照情報において、変更すべき該当箇所を即座に把握することができる。
<情報提供装置1の第3変形例>
情報提供装置1の第3変形例では、外部情報取得部31と、外部情報比較部32と、外部情報類似度算出部33と、チャンク参照情報抽出部34と、チャンク参照情報類似度算出部35と、を備える。また、保存部104に、更にコンテンツ関連性データベースと、外部情報類似度算出用データベースと、チャンク参照情報類似度推定処理用データベースとが、保存される。
情報提供装置1の第3変形例では、外部情報取得部31と、外部情報比較部32と、外部情報類似度算出部33と、チャンク参照情報抽出部34と、チャンク参照情報類似度算出部35と、を備える。また、保存部104に、更にコンテンツ関連性データベースと、外部情報類似度算出用データベースと、チャンク参照情報類似度推定処理用データベースとが、保存される。
図26は、本実施形態における情報提供システム100の動作の第3変形例を示すフローチャートである。第2変形例では、外部情報取得ステップS31は、参照情報選択ステップS14の後に行われる例について説明した。第3変形例では、参照情報選択ステップS14を省略し、外部情報取得ステップS31、外部情報比較ステップS32、外部情報類似度算出ステップS33、第1チャンク参照情報抽出ステップS34、チャンク参照情報類似度算出ステップS35、第2チャンク参照情報抽出ステップS36を行ってもよい。
<情報提供装置1の第4変形例>
情報提供装置1の第4変形例では、更にアクセス制御部を備える点で、第2変形例及び第3変形例と相違する。アクセス制御部は、例えば、CPU101が、RAM103を作業領域として、保存部104等に記憶されたプログラムを実行することにより実現される。
情報提供装置1の第4変形例では、更にアクセス制御部を備える点で、第2変形例及び第3変形例と相違する。アクセス制御部は、例えば、CPU101が、RAM103を作業領域として、保存部104等に記憶されたプログラムを実行することにより実現される。
アクセス制御部は、チャンク参照情報に対するアクセスを制御する。アクセスは、完全アクセス、読み取りアクセス及び書き込みアクセス、校閲専用アクセス、コメント専用アクセス、読み取り専用アクセス、並びアクセス禁止を含む。アクセス制御部は、アクセス制御情報に基づいて行われる。アクセス制御情報は、ユーザ名と、各ユーザ名に割り当てられるアクセスと、を含む。アクセス制御情報は、例えば、保存部104に保存される。
ユーザが完全アクセスを割当てられると、そのユーザはチャンク参照情報に対して完全な読み取り及び書き込みアクセスを有し、さらにそのユーザは、ユーザインターフェースの任意の態様を使用できる。例えば、完全アクセスの場合、ユーザはチャンク参照情報の書式を変更できる。ユーザが読み取り及び書き込みアクセスを有している場合、ユーザは読み取り及び書き込みをチャンク参照情報に対して有するが、書式を変更できない。校閲専用アクセスの場合、ユーザは、追跡されているチャンク参照情報に変更を行うことができる。コメント専用アクセスの場合、ユーザはコメントをチャンク参照情報に挿入できるが、チャンク参照情報にある文章情報を変更できない。読み取り専用アクセスの場合、ユーザはチャンク参照情報を閲覧できるが、そのチャンク参照情報に変更を加えることはできず、またいかなるコメントも挿入できない。
例えば外部情報に基づいて新たなチャンク参照情報を生成し、生成した新たなチャンク参照情報を更新するとする。このとき、本実施形態によれば、アクセス制御部を更に備える。これにより、アクセス制御情報に基づいて、複数のユーザのうち特定の1又は複数のユーザが所定のアクセスを行うことができる。すなわち、チャンク参照情報を利用する複数のユーザに対して、読み取り専用、完全アクセスが可能等の編集種別のコントロールと、ユーザの属性に基づく権限とを結び付けて、チャンク参照情報毎に管理することができる。特に、閲覧のみは同時にアクセス可能としつつ、書き込み等の編集に関しては権限を有するユーザにのみ許可することによって、意図しない編集を防ぐことができる。
本発明の実施形態を説明したが、実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
1 :情報提供装置
4 :計装機器
5 :ユーザ端末
6 :サーバ
7 :公衆通信網
10 :筐体
11 :取得部
12 :メタID選択部
13 :コンテンツID選択部
14 :参照情報選択部
15 :入力部
16 :出力部
17 :記憶部
18 :制御部
21 :第1取得部
22 :第1評価部
23 :第1生成部
31 :外部情報取得部
32 :外部情報比較部
33 :外部情報類似度算出部
34 :チャンク参照情報抽出部
35 :チャンク参照情報類似度算出部
100 :情報提供システム
101 :CPU
102 :ROM
103 :RAM
104 :保存部
105 :I/F
106 :I/F
107 :I/F
108 :入力部分
109 :出力部分
110 :内部バス
S11 :取得ステップ
S12 :メタID選択ステップ
S13 :コンテンツID選択ステップ
S14 :参照情報選択ステップ
S21 :第1取得ステップ
S22 :第1評価ステップ
S23 :第1生成ステップ
S24 :取得ステップ
S25 :メタID選択ステップ
S26 :コンテンツID選択ステップ
S31 :外部情報取得ステップ
S32 :外部情報比較ステップ
S33 :外部情報類似度算出ステップ
S34 :第1チャンク参照情報抽出ステップ
S35 :チャンク参照情報類似度算出ステップ
S36 :第2チャンク参照情報抽出ステップ
4 :計装機器
5 :ユーザ端末
6 :サーバ
7 :公衆通信網
10 :筐体
11 :取得部
12 :メタID選択部
13 :コンテンツID選択部
14 :参照情報選択部
15 :入力部
16 :出力部
17 :記憶部
18 :制御部
21 :第1取得部
22 :第1評価部
23 :第1生成部
31 :外部情報取得部
32 :外部情報比較部
33 :外部情報類似度算出部
34 :チャンク参照情報抽出部
35 :チャンク参照情報類似度算出部
100 :情報提供システム
101 :CPU
102 :ROM
103 :RAM
104 :保存部
105 :I/F
106 :I/F
107 :I/F
108 :入力部分
109 :出力部分
110 :内部バス
S11 :取得ステップ
S12 :メタID選択ステップ
S13 :コンテンツID選択ステップ
S14 :参照情報選択ステップ
S21 :第1取得ステップ
S22 :第1評価ステップ
S23 :第1生成ステップ
S24 :取得ステップ
S25 :メタID選択ステップ
S26 :コンテンツID選択ステップ
S31 :外部情報取得ステップ
S32 :外部情報比較ステップ
S33 :外部情報類似度算出ステップ
S34 :第1チャンク参照情報抽出ステップ
S35 :チャンク参照情報類似度算出ステップ
S36 :第2チャンク参照情報抽出ステップ
Claims (3)
- 装置に関する作業を行うユーザが作業を実施する上で適した参照情報を選択する情報提供システムであって、
特定の装置及び前記特定の装置を識別するための特定の識別ラベル、を撮像した第1画像データを有する取得データを取得する取得手段と、
画像データを有する評価対象情報、及び前記評価対象情報に紐づくメタID、を有する学習データを複数備えた機械学習用のデータ構造を用いて、機械学習により構築された第1データベースと、
前記第1データベースを参照し、前記取得データに基づいて、複数の前記メタIDのうち第1メタIDを選択するメタID選択手段と、
前記メタIDに紐づくコンテンツIDと、前記コンテンツIDに対応する前記参照情報とが複数記憶された第2データベースと、
前記第2データベースを参照し、前記第1メタIDに基づいて、複数の前記コンテンツIDのうち第1コンテンツIDを選択するコンテンツID選択手段と、
前記第2データベースを参照し、前記第1コンテンツIDに基づいて、複数の前記参照情報のうち第1参照情報を選択する参照情報選択手段とを備え、
前記画像データは、
前記装置と、
前記装置を識別するための識別ラベルと、
を示す画像を有すること
を特徴とする情報提供システム。 - 前記メタID選択手段は、
複数の前記メタIDを含むメタIDリストを生成し、
前記メタIDリストに対応する参照サマリーリストを生成し、
前記参照サマリーリストから選択された前記第1メタIDを選択すること
を特徴とする請求項1記載の情報提供システム。 - 第1映像情報を取得する第1取得手段と、
予め取得された過去の第1映像情報、前記過去の第1映像情報に紐づけられたシーンIDを含むシーン情報、及び、前記過去の第1映像情報と前記シーン情報との間における3段階以上のシーン連関度が記憶されたシーンモデルデータベースと、
前記シーンモデルデータベースを参照し、前記第1映像情報と前記シーン情報との間における第1シーン連関度を含むシーンIDリストを取得する第1評価手段と、
前記シーンIDリストに対応するシーン名リストを生成する第1生成手段と、更に備え、
前記取得手段は、前記第1画像データと、前記シーン名リストから選択されたシーン名に対応する第1シーンIDと、を1組として有する前記取得データを取得すること
を特徴とする請求項1又は2記載の情報提供システム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/962,085 US11651023B2 (en) | 2019-03-29 | 2020-03-25 | Information providing system |
CN202080002402.9A CN112020711A (zh) | 2019-03-29 | 2020-03-25 | 信息提供系统 |
DE112020000012.5T DE112020000012T5 (de) | 2019-03-29 | 2020-03-25 | Informations-Bereitstellungssystem |
US17/029,980 US11934446B2 (en) | 2019-03-29 | 2020-09-23 | Information providing system |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019069367 | 2019-03-29 | ||
JP2019-069367 | 2019-03-29 | ||
JP2019127965A JP6651189B1 (ja) | 2019-03-29 | 2019-07-09 | 機械学習用のデータ構造、学習方法及び情報提供システム |
JP2019-127965 | 2019-07-09 |
Related Child Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
US16/962,085 A-371-Of-International US11651023B2 (en) | 2019-03-29 | 2020-03-25 | Information providing system |
US17/029,980 Division US11934446B2 (en) | 2019-03-29 | 2020-09-23 | Information providing system |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2020203561A1 true WO2020203561A1 (ja) | 2020-10-08 |
Family
ID=69568431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2020/013358 WO2020203561A1 (ja) | 2019-03-29 | 2020-03-25 | 情報提供システム |
Country Status (5)
Country | Link |
---|---|
US (2) | US11651023B2 (ja) |
JP (1) | JP6651189B1 (ja) |
CN (2) | CN112020711A (ja) |
DE (2) | DE112020000028A5 (ja) |
WO (1) | WO2020203561A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6703698B1 (ja) * | 2019-10-31 | 2020-06-03 | 株式会社 情報システムエンジニアリング | 情報提供システム |
JP6800453B1 (ja) * | 2020-05-07 | 2020-12-16 | 株式会社 情報システムエンジニアリング | 情報処理装置及び情報処理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010003190A (ja) * | 2008-06-23 | 2010-01-07 | Hitachi Ltd | 保守点検システム |
EP2775408A1 (en) * | 2013-03-07 | 2014-09-10 | ABB Technology AG | Mobile device for identifying devices for technical maintenance |
JP2014238680A (ja) * | 2013-06-07 | 2014-12-18 | 株式会社日立システムズ | 保守装置、保守プログラムおよび保守方法 |
US20160019212A1 (en) * | 2014-07-21 | 2016-01-21 | Airbus Operations (Sas) | Maintenance assistance for an aircraft by augmented reality |
JP2018194949A (ja) * | 2017-05-15 | 2018-12-06 | ダイキン工業株式会社 | 製品の情報生成システム |
Family Cites Families (118)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS56125691A (en) | 1980-03-07 | 1981-10-02 | Hitachi Ltd | Intermediate slab executing method of nuclear reactor base |
CA2096374C (en) | 1992-05-18 | 2006-08-08 | Michael A. Sandifer | Computer aided maintenance and repair information system for equipment subject to regulatory compliance |
US6959235B1 (en) | 1999-10-28 | 2005-10-25 | General Electric Company | Diagnosis and repair system and method |
US20030187751A1 (en) | 2001-10-31 | 2003-10-02 | Mike Watson | Interactive electronic reference systems and methods |
US7039625B2 (en) | 2002-11-22 | 2006-05-02 | International Business Machines Corporation | International information search and delivery system providing search results personalized to a particular natural language |
US20040183918A1 (en) | 2003-03-20 | 2004-09-23 | Eastman Kodak Company | Producing enhanced photographic products from images captured at known picture sites |
US20040230564A1 (en) | 2003-05-16 | 2004-11-18 | Horatiu Simon | Filtering algorithm for information retrieval systems |
US7296011B2 (en) * | 2003-06-20 | 2007-11-13 | Microsoft Corporation | Efficient fuzzy match for evaluating data records |
JP2005196540A (ja) | 2004-01-08 | 2005-07-21 | Sony Corp | メタデータ関連情報管理システム,メタデータ関連情報管理方法,関連メタデータ管理サーバ,メタデータ参照端末およびコンピュータプログラム |
US9799060B2 (en) | 2004-04-01 | 2017-10-24 | Google Inc. | Content access with handheld document data capture devices |
US8799401B1 (en) * | 2004-07-08 | 2014-08-05 | Amazon Technologies, Inc. | System and method for providing supplemental information relevant to selected content in media |
EP1669896A3 (en) | 2004-12-03 | 2007-03-28 | Panscient Pty Ltd. | A machine learning system for extracting structured records from web pages and other text sources |
US20060136362A1 (en) | 2004-12-22 | 2006-06-22 | Jones Michael P | Systems and methods for data conversion |
US20080052281A1 (en) | 2006-08-23 | 2008-02-28 | Lockheed Martin Corporation | Database insertion and retrieval system and method |
US7444216B2 (en) | 2005-01-14 | 2008-10-28 | Mobile Productivity, Inc. | User interface for display of task specific information |
JP4743390B2 (ja) | 2005-04-28 | 2011-08-10 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 情報提供装置、制御方法およびプログラム |
US8732025B2 (en) * | 2005-05-09 | 2014-05-20 | Google Inc. | System and method for enabling image recognition and searching of remote content on display |
US7627564B2 (en) | 2005-06-21 | 2009-12-01 | Microsoft Corporation | High scale adaptive search systems and methods |
WO2007122914A1 (ja) * | 2006-04-04 | 2007-11-01 | Panasonic Corporation | 個人情報管理装置 |
JP2008022103A (ja) * | 2006-07-11 | 2008-01-31 | Matsushita Electric Ind Co Ltd | テレビ番組動画像ハイライト抽出装置及び方法 |
JP5130732B2 (ja) | 2006-07-27 | 2013-01-30 | 富士通株式会社 | 振り返りデータ処理方法、振り返りデータ評価方法及び装置 |
US8442268B2 (en) | 2007-07-31 | 2013-05-14 | Panasonic Corporation | Video analysis apparatus and method for calculating interpersonal relationship evaluation value using video analysis |
JP2011090348A (ja) | 2007-12-25 | 2011-05-06 | J Magic Kk | 広告管理システム、広告管理サーバ、広告管理方法、プログラム、および閲覧クライアント |
US8041695B2 (en) | 2008-04-18 | 2011-10-18 | The Boeing Company | Automatically extracting data from semi-structured documents |
US10007882B2 (en) | 2008-06-24 | 2018-06-26 | Sharon Belenzon | System, method and apparatus to determine associations among digital documents |
CN101315652A (zh) * | 2008-07-17 | 2008-12-03 | 张小粤 | 医院内部的临床医学信息系统的构成及其信息查询方法 |
JP2011170690A (ja) | 2010-02-19 | 2011-09-01 | Sony Corp | 情報処理装置、情報処理方法、およびプログラム。 |
KR101180278B1 (ko) | 2010-02-25 | 2012-09-07 | 연세대학교 산학협력단 | 증강 현실을 이용한 사용자 설명서 제공 단말기, 서버 및 방법 |
JP5515890B2 (ja) | 2010-03-15 | 2014-06-11 | オムロン株式会社 | 画像処理装置、画像処理方法、画像処理システム、制御プログラムおよび記録媒体 |
JP2011198245A (ja) | 2010-03-23 | 2011-10-06 | Canon Inc | 文書管理システム |
WO2012006578A2 (en) * | 2010-07-08 | 2012-01-12 | The Regents Of The University Of California | End-to-end visual recognition system and methods |
US8860760B2 (en) | 2010-09-25 | 2014-10-14 | Teledyne Scientific & Imaging, Llc | Augmented reality (AR) system and method for tracking parts and visually cueing a user to identify and locate parts in a scene |
US20120086792A1 (en) | 2010-10-11 | 2012-04-12 | Microsoft Corporation | Image identification and sharing on mobile devices |
US8989950B2 (en) | 2011-02-15 | 2015-03-24 | Bosch Automotive Service Solutions Llc | Diagnostic tool with smart camera |
WO2012142250A1 (en) * | 2011-04-12 | 2012-10-18 | Radiation Monitoring Devices, Inc. | Augumented reality system |
US9367770B2 (en) * | 2011-08-30 | 2016-06-14 | Digimarc Corporation | Methods and arrangements for identifying objects |
RU2487403C1 (ru) | 2011-11-30 | 2013-07-10 | Федеральное государственное бюджетное учреждение науки Институт системного программирования Российской академии наук | Способ построения семантической модели документа |
CN103294693A (zh) * | 2012-02-27 | 2013-09-11 | 华为技术有限公司 | 搜索方法、服务器及系统 |
CN103365924B (zh) * | 2012-04-09 | 2016-04-06 | 北京大学 | 一种互联网信息搜索的方法、装置和终端 |
US20130266228A1 (en) * | 2012-04-10 | 2013-10-10 | Siemens Industry, Inc. | Automatic part identification and workflow generation |
US9854328B2 (en) | 2012-07-06 | 2017-12-26 | Arris Enterprises, Inc. | Augmentation of multimedia consumption |
US8757485B2 (en) * | 2012-09-05 | 2014-06-24 | Greatbatch Ltd. | System and method for using clinician programmer and clinician programming data for inventory and manufacturing prediction and control |
US9336541B2 (en) * | 2012-09-21 | 2016-05-10 | Paypal, Inc. | Augmented reality product instructions, tutorials and visualizations |
JP2014085730A (ja) | 2012-10-19 | 2014-05-12 | Mitsubishi Heavy Ind Ltd | 機器の損傷解析支援システム及び損傷解析支援方法 |
US20140111542A1 (en) * | 2012-10-20 | 2014-04-24 | James Yoong-Siang Wan | Platform for recognising text using mobile devices with a built-in device video camera and automatically retrieving associated content based on the recognised text |
CN103064936B (zh) * | 2012-12-24 | 2018-03-30 | 北京百度网讯科技有限公司 | 一种基于语音输入的图像信息提取分析方法及装置 |
CN105027162B (zh) | 2013-02-27 | 2018-02-02 | 株式会社日立制作所 | 图像解析装置、图像解析系统、图像解析方法 |
JP6188400B2 (ja) | 2013-04-26 | 2017-08-30 | オリンパス株式会社 | 画像処理装置、プログラム及び画像処理方法 |
US20140320677A1 (en) | 2013-04-26 | 2014-10-30 | iStoc Oy | Portable electrical device, external entity, and system comprising them |
JP2014224877A (ja) | 2013-05-15 | 2014-12-04 | 株式会社ベネッセコーポレーション | 学習支援システム、表示制御方法、プログラム及び情報記憶媒体 |
US9129161B2 (en) * | 2013-05-31 | 2015-09-08 | Toyota Jidosha Kabushiki Kaisha | Computationally efficient scene classification |
US10096003B2 (en) * | 2013-05-31 | 2018-10-09 | Javid Vahid | Apparatus, methods and systems for knowledge based maintenance |
US20160049010A1 (en) * | 2013-06-05 | 2016-02-18 | Top Image Systems Ltd. | Document information retrieval for augmented reality display |
JP2015106862A (ja) | 2013-12-02 | 2015-06-08 | 日本放送協会 | コンテンツ情報取得装置およびそのプログラム、ならびに、コンテンツ配信装置 |
CN103699625B (zh) * | 2013-12-20 | 2017-05-10 | 北京百度网讯科技有限公司 | 基于关键词进行检索的方法及装置 |
KR20150105149A (ko) | 2014-03-07 | 2015-09-16 | 삼성메디슨 주식회사 | 도움말 정보를 제공하는 의료 영상 장치 및 그 도움말 정보 제공 방법 |
CN103886063B (zh) * | 2014-03-18 | 2017-03-08 | 国家电网公司 | 一种文本检索方法和装置 |
CN107577247B (zh) | 2014-07-30 | 2021-06-25 | 深圳市大疆创新科技有限公司 | 目标追踪系统及方法 |
US9697432B2 (en) * | 2014-12-09 | 2017-07-04 | International Business Machines Corporation | Generating support instructions by leveraging augmented reality |
DE102014226554A1 (de) * | 2014-12-19 | 2016-06-23 | Robert Bosch Gmbh | Identifikations- und Reparaturunterstützungs-Vorrichtung und -Verfahren |
US9348920B1 (en) | 2014-12-22 | 2016-05-24 | Palantir Technologies Inc. | Concept indexing among database of documents using machine learning techniques |
JP6693704B2 (ja) | 2015-03-30 | 2020-05-13 | 株式会社バンダイナムコエンターテインメント | サーバシステム |
WO2016170786A1 (ja) | 2015-04-21 | 2016-10-27 | パナソニックIpマネジメント株式会社 | 情報処理システム、情報処理方法、およびプログラム |
CN106294358A (zh) * | 2015-05-14 | 2017-01-04 | 北京大学 | 一种信息的检索方法及系统 |
US10600015B2 (en) | 2015-06-24 | 2020-03-24 | Karl Storz Se & Co. Kg | Context-aware user interface for integrated operating room |
US10354182B2 (en) | 2015-10-29 | 2019-07-16 | Microsoft Technology Licensing, Llc | Identifying relevant content items using a deep-structured neural network |
CN106815252B (zh) * | 2015-12-01 | 2020-08-25 | 阿里巴巴集团控股有限公司 | 一种搜索方法和设备 |
WO2017169907A1 (ja) | 2016-03-29 | 2017-10-05 | 日本電気株式会社 | 作業支援装置、作業支援方法および記録媒体 |
US11210777B2 (en) * | 2016-04-28 | 2021-12-28 | Blancco Technology Group IP Oy | System and method for detection of mobile device fault conditions |
JP6452168B2 (ja) | 2016-06-15 | 2019-01-16 | Necフィールディング株式会社 | 保守作業手順データ管理装置、システム、方法及びプログラム |
JP6718964B2 (ja) | 2016-06-16 | 2020-07-08 | 株式会社オプティム | 医療機器情報提供システム、医療機器情報提供方法及びプログラム |
JP6521923B2 (ja) | 2016-09-21 | 2019-05-29 | 株式会社 日立産業制御ソリューションズ | 作業支援装置及び作業支援方法 |
US10783451B2 (en) | 2016-10-12 | 2020-09-22 | Accenture Global Solutions Limited | Ensemble machine learning for structured and unstructured data |
CN107958007B (zh) * | 2016-10-18 | 2022-03-29 | 浙江格林蓝德信息技术有限公司 | 病例信息检索方法及装置 |
JP2018092227A (ja) | 2016-11-30 | 2018-06-14 | ソニー株式会社 | 提示制御装置、提示制御方法およびプログラム |
US20180150598A1 (en) * | 2016-11-30 | 2018-05-31 | General Electric Company | Methods and systems for compliance accreditation for medical diagnostic imaging |
JP2018097437A (ja) | 2016-12-08 | 2018-06-21 | 株式会社テレパシージャパン | ウェアラブル情報表示端末及びこれを備えるシステム |
JP6883195B2 (ja) | 2016-12-13 | 2021-06-09 | 富士フイルムビジネスイノベーション株式会社 | 情報処理装置およびプログラム |
JP6719373B2 (ja) | 2016-12-21 | 2020-07-08 | ヤフー株式会社 | 判定システム、判定方法、及び判定プログラム |
CN106920071B (zh) | 2017-02-23 | 2018-03-27 | 广东电网有限责任公司教育培训评价中心 | 变电站现场作业辅助方法和系统 |
WO2018198319A1 (ja) | 2017-04-28 | 2018-11-01 | 株式会社オプティム | ウェアラブル端末表示システム、ウェアラブル端末表示方法およびプログラム |
EP3401918A1 (en) | 2017-05-12 | 2018-11-14 | Samsung Electronics Co., Ltd. | Method of providing scan protocol information to medical devices and electronic devices |
US11664114B2 (en) | 2017-05-25 | 2023-05-30 | Enlitic, Inc. | Medical scan assisted review system |
JP6260979B1 (ja) | 2017-06-05 | 2018-01-17 | クリスタルメソッド株式会社 | 事象評価支援システム、事象評価支援装置、及び事象評価支援プログラム |
JP6582328B2 (ja) * | 2017-06-20 | 2019-10-02 | 本田技研工業株式会社 | 情報出力システム、情報出力方法、及びプログラム |
JP2019021150A (ja) | 2017-07-20 | 2019-02-07 | オリンパス株式会社 | 工事支援装置 |
CN107403194B (zh) | 2017-07-26 | 2020-12-18 | 广州慧扬健康科技有限公司 | 基于t-SNE的皮肤癌图像识别可视化系统 |
JP2019032593A (ja) | 2017-08-04 | 2019-02-28 | オリンパス株式会社 | 撮影システム、撮影装置、および撮影方法 |
CN107491518B (zh) * | 2017-08-15 | 2020-08-04 | 北京百度网讯科技有限公司 | 一种搜索召回方法和装置、服务器、存储介质 |
CN109658455B (zh) | 2017-10-11 | 2023-04-18 | 阿里巴巴集团控股有限公司 | 图像处理方法和处理设备 |
JP7265543B2 (ja) | 2017-10-17 | 2023-04-26 | ヴェリリー ライフ サイエンシズ エルエルシー | 外科用ビデオをセグメント化するためのシステムおよび方法 |
US20190122124A1 (en) | 2017-10-23 | 2019-04-25 | Honeywell International Inc. | System and method for cognitive troubleshooting assistance |
JP6936957B2 (ja) | 2017-11-07 | 2021-09-22 | オムロン株式会社 | 検査装置、データ生成装置、データ生成方法及びデータ生成プログラム |
JP2018206341A (ja) | 2017-11-16 | 2018-12-27 | クリスタルメソッド株式会社 | 事象評価支援システム、事象評価支援装置、及び事象評価支援プログラム |
US11222081B2 (en) * | 2017-11-27 | 2022-01-11 | Evoqua Water Technologies Llc | Off-line electronic documentation solutions |
US10528816B2 (en) * | 2017-11-30 | 2020-01-07 | Salesforce.Com, Inc. | System and method for retrieving and displaying supplemental information and pertinent data using augmented reality |
US10417501B2 (en) * | 2017-12-06 | 2019-09-17 | International Business Machines Corporation | Object recognition in video |
JP6321879B1 (ja) | 2017-12-20 | 2018-05-09 | グレイステクノロジー株式会社 | 作業支援システム及び作業支援プログラム |
JP6924413B2 (ja) | 2017-12-25 | 2021-08-25 | オムロン株式会社 | データ生成装置、データ生成方法及びデータ生成プログラム |
US20190236489A1 (en) | 2018-01-30 | 2019-08-01 | General Electric Company | Method and system for industrial parts search, harmonization, and rationalization through digital twin technology |
US10592726B2 (en) * | 2018-02-08 | 2020-03-17 | Ford Motor Company | Manufacturing part identification using computer vision and machine learning |
US10517681B2 (en) | 2018-02-27 | 2019-12-31 | NavLab, Inc. | Artificial intelligence guidance system for robotic surgery |
US10796153B2 (en) * | 2018-03-12 | 2020-10-06 | International Business Machines Corporation | System for maintenance and repair using augmented reality |
US10922585B2 (en) * | 2018-03-13 | 2021-02-16 | Recogni Inc. | Deterministic labeled data generation and artificial intelligence training pipeline |
US11093747B2 (en) | 2018-04-16 | 2021-08-17 | Peerwell, Inc. | Hazard recognition |
US10956817B2 (en) | 2018-04-18 | 2021-03-23 | Element Ai Inc. | Unsupervised domain adaptation with similarity learning for images |
US10768605B2 (en) | 2018-07-23 | 2020-09-08 | Accenture Global Solutions Limited | Augmented reality (AR) based fault detection and maintenance |
US10810543B2 (en) * | 2018-07-30 | 2020-10-20 | Maplebear, Inc. | Populating catalog data with item properties based on segmentation and classification models |
US10482675B1 (en) * | 2018-09-28 | 2019-11-19 | The Toronto-Dominion Bank | System and method for presenting placards in augmented reality |
WO2020120180A1 (en) | 2018-12-10 | 2020-06-18 | Koninklijke Philips N.V. | Systems and methods for augmented reality-enhanced field services support |
CN109782902A (zh) | 2018-12-17 | 2019-05-21 | 中国科学院深圳先进技术研究院 | 一种操作提示方法及眼镜 |
US10755128B2 (en) | 2018-12-18 | 2020-08-25 | Slyce Acquisition Inc. | Scene and user-input context aided visual search |
US11531901B2 (en) * | 2018-12-26 | 2022-12-20 | General Electric Company | Imaging modality smart find maintenance systems and methods |
JP6651190B1 (ja) | 2019-03-29 | 2020-02-19 | 株式会社 情報システムエンジニアリング | 機械学習用のデータ構造、学習方法及び情報提供システム |
US11429809B2 (en) | 2019-09-24 | 2022-08-30 | Beijing Sensetime Technology Development Co., Ltd | Image processing method, image processing device, and storage medium |
JP6800453B1 (ja) | 2020-05-07 | 2020-12-16 | 株式会社 情報システムエンジニアリング | 情報処理装置及び情報処理方法 |
JP6933345B1 (ja) | 2020-07-20 | 2021-09-08 | 株式会社 情報システムエンジニアリング | 情報処理装置及び情報処理方法 |
KR102419018B1 (ko) * | 2021-08-05 | 2022-07-08 | 한화시스템 주식회사 | 항공기 정보 관리 시스템 및 항공기 정비방법 |
-
2019
- 2019-07-09 JP JP2019127965A patent/JP6651189B1/ja active Active
-
2020
- 2020-03-25 WO PCT/JP2020/013358 patent/WO2020203561A1/ja active Application Filing
- 2020-03-25 CN CN202080002402.9A patent/CN112020711A/zh active Pending
- 2020-03-25 DE DE112020000028T patent/DE112020000028A5/de active Pending
- 2020-03-25 DE DE112020000012.5T patent/DE112020000012T5/de active Pending
- 2020-03-25 CN CN202011308857.1A patent/CN112287148A/zh active Pending
- 2020-03-25 US US16/962,085 patent/US11651023B2/en active Active
- 2020-09-23 US US17/029,980 patent/US11934446B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010003190A (ja) * | 2008-06-23 | 2010-01-07 | Hitachi Ltd | 保守点検システム |
EP2775408A1 (en) * | 2013-03-07 | 2014-09-10 | ABB Technology AG | Mobile device for identifying devices for technical maintenance |
JP2014238680A (ja) * | 2013-06-07 | 2014-12-18 | 株式会社日立システムズ | 保守装置、保守プログラムおよび保守方法 |
US20160019212A1 (en) * | 2014-07-21 | 2016-01-21 | Airbus Operations (Sas) | Maintenance assistance for an aircraft by augmented reality |
JP2018194949A (ja) * | 2017-05-15 | 2018-12-06 | ダイキン工業株式会社 | 製品の情報生成システム |
Also Published As
Publication number | Publication date |
---|---|
DE112020000012T5 (de) | 2020-12-17 |
CN112020711A (zh) | 2020-12-01 |
US11934446B2 (en) | 2024-03-19 |
US11651023B2 (en) | 2023-05-16 |
US20220019614A1 (en) | 2022-01-20 |
DE112020000028A5 (de) | 2021-03-04 |
JP6651189B1 (ja) | 2020-02-19 |
JP2020166803A (ja) | 2020-10-08 |
CN112287148A (zh) | 2021-01-29 |
US20210011944A1 (en) | 2021-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110415831A (zh) | 一种医疗大数据云服务分析平台 | |
CN109805898B (zh) | 基于注意力机制时序卷积网络算法的危重症死亡预测方法 | |
WO2021084822A1 (ja) | 情報提供システム | |
WO2020203561A1 (ja) | 情報提供システム | |
CN111613291B (zh) | 一种药物管理、分类、医护人员与患者关联系统 | |
Neloy et al. | Machine learning based health prediction system using IBM cloud as PaaS | |
Borisagar et al. | Chronic kidney disease prediction using back propagation neural network algorithm | |
WO2020203558A1 (ja) | 学習方法及び情報提供システム | |
US20190051383A1 (en) | Intelligent sepsis alert | |
Paulauskaite-Taraseviciene et al. | Geriatric care management system powered by the IoT and computer vision techniques | |
Mansouri et al. | Predicting hospital length of stay of neonates admitted to the NICU using data mining techniques | |
US20230379659A1 (en) | Systems and methods for localized information provision using wireless communication | |
WO2020203560A1 (ja) | 学習方法及び情報提供システム | |
Permanasari et al. | A web-based decision support system of patient time prediction using iterative dichotomiser 3 algorithm | |
Kanakarajan et al. | Saama research at mediqa 2019: Pre-trained biobert with attention visualisation for medical natural language inference | |
DE112020000028A1 (de) | Informations-Bereitstellungssystem | |
Razek | Pertinence of Predictive Models as Regards the Behavior of Observed Biological and Artificial Phenomena | |
Zhang et al. | Revolutionizing healthcare mapping with quantum remote sensing based data analysis using deep learning model | |
Kumar et al. | Role of Artificial Intelligence in e-Health ATM for Rural Health Care | |
Rajendran et al. | A review on patient monitoring and diagnosis assistance by artificial intelligence tools | |
Wu et al. | iT2DMS: a standard-based diabetic disease data repository and its pilot experiment on diabetic retinopathy phenotyping and examination results integration | |
WO2022195906A1 (ja) | 情報処理装置及び情報処理方法 | |
Sushma et al. | A Hybrid Approach on Smart Health Prediction using Data Mining | |
Senthilkumar et al. | A unified approach to detect the record duplication using bat algorithm and fuzzy classifier for health informatics | |
Ma | Knowledge-enriched schema mapping: A preliminary case study of e-MedSolution system |
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: 20783038 Country of ref document: EP Kind code of ref document: A1 |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 20783038 Country of ref document: EP Kind code of ref document: A1 |