WO2022149448A1 - 製品提供システム、製品提供方法、及び製品提供プログラム - Google Patents

製品提供システム、製品提供方法、及び製品提供プログラム Download PDF

Info

Publication number
WO2022149448A1
WO2022149448A1 PCT/JP2021/046936 JP2021046936W WO2022149448A1 WO 2022149448 A1 WO2022149448 A1 WO 2022149448A1 JP 2021046936 W JP2021046936 W JP 2021046936W WO 2022149448 A1 WO2022149448 A1 WO 2022149448A1
Authority
WO
WIPO (PCT)
Prior art keywords
product
information
sensibility
user
derived
Prior art date
Application number
PCT/JP2021/046936
Other languages
English (en)
French (fr)
Inventor
大輔 田川
Original Assignee
Dic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 Dic株式会社 filed Critical Dic株式会社
Priority to EP21917668.2A priority Critical patent/EP4276730A4/en
Priority to JP2022552983A priority patent/JP7338798B2/ja
Priority to US18/260,500 priority patent/US20240054531A1/en
Priority to CN202180081500.0A priority patent/CN116547688A/zh
Publication of WO2022149448A1 publication Critical patent/WO2022149448A1/ja

Links

Images

Classifications

    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • 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
    • G06Q30/00—Commerce
    • G06Q30/01—Customer relationship services
    • G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0623—Item investigation
    • G06Q30/0625—Directed, with specific intent or strategy
    • G06Q30/0627—Directed, with specific intent or strategy using item specifications
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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

Definitions

  • the present invention relates to a product provision system, a product provision method, and a product provision program.
  • the evaluation criteria include the function that shows the original function of the product, the performance that shows the efficiency and efficiency of the work, and which of the five senses the product is. The user's impression of what it feels like and how the product appeals to the senses can be mentioned.
  • the user can feel the characteristics of the actual product by touching the tactile sample, which can be very useful when selecting the product.
  • the present invention has been made to solve the above problems, and an object of the present invention is to provide a product providing system capable of proposing a product that meets the sensibilities required by users.
  • the present invention is a product providing system that provides a product according to a user's desired sensibilities, and is used as a receiving means for receiving the sensual information desired by the user and a material of a product corresponding to the received sensual information. It is a product providing system including a prediction means for predicting derived characteristics, an extraction means for extracting a product based on the predicted characteristics, and an output means for outputting the extracted product.
  • the present invention is a product providing system that provides a product according to a user's desired sensibility.
  • the present invention is a receiving means for receiving the sensitivity information desired by the user, a predicting means for predicting the characteristics derived from the material of the product corresponding to the received sensitivity information, and extracting the product based on the predicted characteristics. It is a product providing system including an extraction means for outputting and an output means for outputting the extracted product.
  • FIG. 1 is a block diagram showing a configuration of a product providing system according to an embodiment of the present invention.
  • the product providing system 10 of this embodiment is, for example, an information processing device including a computer.
  • the product providing system 10 of this embodiment includes a receiving means 11, a predicting means 12, an extracting means 13, an output means 14, a predictor 15, and a database (DB) 16 of characteristics derived from the material of the product. Be prepared.
  • DB database
  • the product providing system 10 receives the sensibility information desired by the user, and predicts the characteristics of the material corresponding to the received sensibility information based on the correspondence between the sensibility information and the characteristics derived from the material of the product. , The product is extracted based on the predicted characteristic, and the extracted product is provided to the user.
  • a more preferred embodiment when extracting a product is to extract the product from the predicted characteristics by using at least the information on the characteristics derived from the product and the material of the product in the extraction means. In the extraction means, by comparing the predicted characteristics with the characteristics of the material of the product, the product corresponding to the predicted characteristics can be extracted.
  • the product providing system 10 extracts a product according to the sensitivity information desired by the user through the characteristics derived from the material of the product, and provides the extracted product to the user. be. In this way, when providing a product that meets the user's desired sensibilities, by extracting the product through the characteristics of the material, a product that matches the user's desired sensibilities can be obtained more accurately and. It can be provided in a more realistic way.
  • the reception means 11 receives the sensitivity information that is the impression of the user on the product.
  • Sensitivity information includes information on how the user feels with the five senses, for example, bright, warm, and glossy.
  • the sensibility information includes information on what kind of impression the user receives, such as a sense of luxury, a sense of security, and comfort.
  • the sensibility information may include, for example, information on how the user feels in the five senses cross modal generated by the interaction of a plurality of senses among the five senses.
  • the sensibility information may be information indicating the degree in an ambiguous expression, such as "a little warm”.
  • the sensitivity information may include information expressing the degree numerically.
  • the degree of "warmth” may be expressed numerically, such as “warmth” being 5 in 10 steps.
  • Kansei information may be a concept for a product such as "hospitality”, “satisfaction”, and "more than genuine”.
  • a product is extracted based on the correspondence between the sensitivity information and the characteristics derived from the material of the product, and at that time, by predicting the physical properties of the material that can be expected to express the desired sensitivity. Since the sensitivity information is associated with the characteristics derived from the material of the product, it is preferable that the sensitivity information is derived from the visual and tactile senses among the five senses from the viewpoint of the sensitivity effective for the association. A more detailed explanation of the Kansei information will be described in the column of ⁇ Prediction means 12> below.
  • the products provided by the product provision system 10 include all goods and services. Further, the product may be not only a finished product but also some members or parts of the finished product. Examples of the product provided by the product providing system 10 include an interior wall material (also referred to as an interior material), a sheet, synthetic leather, a film, and a fabric.
  • the prediction means 12 predicts the characteristics derived from the material of the product from the sensitivity information.
  • the correspondence between the Kansei information and the characteristics derived from the material of the product is performed by using, for example, artificial intelligence (AI) including rule base and machine learning.
  • AI artificial intelligence
  • typical methods of machine learning include statistical methods, random forests, support vector machines, neural networks such as deep learning, and methods such as data mining.
  • the property derived from the material is not particularly limited and can be appropriately selected as long as it is a property associated with the sensitivity information, and examples thereof include the physical properties of the material.
  • the physical properties of the material can be represented by, for example, evaluation values (physical property values) based on test results such as physical properties, mechanical properties, thermal properties, electrical properties, and chemical properties of the material.
  • Physical properties of the material include, for example, color composition (hue, lightness, saturation), luster, dynamic friction coefficient, heat permeability, thermal conductivity, heat flow velocity, surface roughness, tensile strength, bending strength, hardness, texture, temperature. It can be expressed by a feeling of coldness or the like.
  • the prediction means 12 will be described in detail.
  • the sensitivity information defined by the prediction means 12 is the user's sensitivity information to the interior material and the space to which the interior material is applied (for example, the atmosphere of the room).
  • the sensibility information is not particularly limited and may be appropriately selected depending on the purpose.
  • the sensibility information is effective for deriving the characteristics of the material of the product in consideration of the type of the target product. It is preferable to select an item.
  • the sensitivity information for the interior material used for the wall surface of the room the sensitivity items shown in Table 1 below, which are caused by the sense of sight and touch, can be mentioned.
  • the characteristics derived from the material of the interior material are, for example, the material characteristics derived from the fabric of the interior material, or when the fabric is painted, the characteristics thereof. It may be a material property derived from painting (paint).
  • the property derived from the material of the product considers not only the property derived from a single material but also the property derived from a plurality of materials when the product is composed of a plurality of materials. do.
  • the material properties derived from the fabric and the material properties derived from the paint applied to the fabric are considered together.
  • the material constituting the product is formed from a plurality of materials as in the case of the above-mentioned interior material
  • the material characteristics derived from the fabric and the material characteristics derived from the fabric are used. It is preferable to associate it with the sensitivity information in a state where both the material properties derived from the paint are taken into consideration.
  • FIG. 2 is a schematic diagram for explaining how the sensitivity information is associated with the characteristics (physical characteristics of the material) derived from the material of the product by using the predictor.
  • reference numeral 20 is a predictor.
  • Reference numeral 15 indicates a predictor, and reference numeral 22 indicates characteristic (physical property) information which is an output of the predictor.
  • Artificial intelligence including rule-based and machine learning, can be used to generate (output) predictors that associate sensitivity information with the material-derived properties of the product (for example, the physical properties of the material).
  • a predictor can be generated by describing how each evaluation item in the Kansei information corresponds to the characteristics of the material (physical characteristics of the material) based on a rule. For example, when the sensitivity information is "bright", it becomes a predetermined value when expressed by the value of the brightness L * of the L * a * b * color space, and when it is "dark”, it becomes L * a * b *. It can be described that it becomes a predetermined value when expressed by the value of the lightness L * in the color space.
  • the predictor can be generated by machine learning.
  • machine learning methods include statistical methods, random forests, support vector machines, neural networks such as deep learning, and methods such as data mining.
  • FIG. 3 is a schematic diagram for explaining how a predictor is generated by machine learning.
  • reference numeral 30 is learning (teacher) data
  • reference numeral 31 is machine learning processing
  • reference numeral 15 is reference numeral 15.
  • the predictor generated by machine learning is shown. Examples of the teacher data include the data shown in Table 2 below.
  • learning (teacher) consisting of sensitivity information (input data) and characteristics (correct answer data) derived from the material of the product associated with the sensitivity information.
  • the predictor 15 is generated by acquiring the data 30 in advance and performing machine learning 31 such as a statistical method or a neural network using the learning (teacher) data 30.
  • the learning (teacher) data to be acquired in advance can be created, for example, by presenting a product to a person who wants to acquire sensibility information and acquiring the sensibility information of the person corresponding to the product.
  • the person referred to here may be a single person or a plurality of people as long as he / she wants to acquire sensitivity information. From the viewpoint of generating a more accurate predictor, it is desirable to prepare a large amount of learning (teacher) data with a good balance of items in the input data and correct answer data.
  • the extraction means 13 extracts the product based on the characteristics of the material obtained by the prediction means 12. As a result, the product corresponding to the sensitivity information received by the reception means 11 can be extracted. As a more preferable embodiment of the extraction means 13, at least the information of the characteristics derived from the product and the material of the product is used to compare the characteristics of the material obtained by the prediction means 12 with the characteristics of the material of the product. Thereby, it is possible to extract a product corresponding to the predicted characteristic.
  • the information on the characteristics of the material is information related to the physical properties of the material
  • data on the evaluation result of the physical properties of the material used in the product as shown in Table 3 below is created. You just have to leave it.
  • the predicted properties (physical properties) of the material is compared with the properties (physical properties) of the material of the product as shown in Table 3, it is possible to extract the product according to the desired sensitivity information.
  • the colors L, C, and H are spectrophotometers (such as CM-26dd manufactured by Konica Minolta), the bending Young's modulus of hardness is a material tester (such as Autograph AGS-X manufactured by Shimadzu Corporation), and friction.
  • the dynamic friction coefficient is obtained by using a tribometer (Tribogear TYPE14 manufactured by Shinto Kagaku Co., Ltd.), and the maximum heat flow velocity is obtained by using a heat flux meter (KES-F7 manufactured by Kato Tech Co., Ltd.).
  • the extraction result in Table 3 may be one or a plurality.
  • the extraction results may be narrowed down by further adding sensitivity information and other conditions of products / services.
  • all of them can be output (presented), or the most appropriate product among the acquired data can be output (presented). can.
  • the material associated with the desired sensibility information and its characteristics (physical properties) should be output (presented). Therefore, it is possible to suggest a material capable of producing a more appropriate product, and it is possible to produce (provide) a more appropriate product.
  • the output means 14 outputs (presents) to the user the product which is the extraction result extracted by the extraction means 13.
  • Examples of the output method include a method of displaying information specifying the product such as the product name and composition in characters, a method of outputting information specifying the product by voice, and a method of displaying the product as a still image or a moving image.
  • FIG. 4 is a block diagram showing an example of the configuration of the information processing apparatus according to the first embodiment of the present invention.
  • the product providing system 10 of FIG. 1 is configured by the information processing apparatus 1 of FIG.
  • the information processing device 1 has a control unit 2 that controls the entire operation, an input / output unit 3 that performs various inputs and outputs, a storage unit 4 that stores various data, programs, and the like, and a communication unit that communicates with the outside. It has 5 and an internal bus 6 that connects the blocks so that they can communicate with each other.
  • the reception means 11 is realized by, for example, the input / output unit 3 and the control unit 2.
  • the predictive means 12 is realized by, for example, a storage unit 4 and a control unit 2.
  • the extraction means 13 is realized by, for example, a storage unit 4 and a control unit 2.
  • the output means 14 is realized by, for example, an input / output unit 3 and a control unit 2.
  • the information processing device 1 is, for example, a computer, and may be a device that can be carried by a subject, such as a smartphone, a PDA, a tablet, or a laptop computer, or a computer that is fixed to an installation position without being carried by the subject. good.
  • PDA is an abbreviation for Personal Digital Assistant.
  • the control unit 2 is, for example, a device called a CPU, an MCU or an MPU, and for example, a program stored in the storage unit 4 is executed.
  • CPU is an abbreviation for Central Processing Unit.
  • MCU is an abbreviation for Micro Controller Unit.
  • MPU is an abbreviation for Micro Processor Unit.
  • the input / output unit 3 is a device that performs input / output to a user who operates the information processing device 1.
  • the input / output unit 3 inputs / outputs information and signals by a display, a keyboard, a mouse, a button, a touch panel, a printer, a microphone, a speaker, and the like.
  • the input / output unit 3 plays a role of, for example, a keyboard, and the sensitivity information is input by the keyboard.
  • the input / output unit 3 plays at least a role of a display, and displays a product associated with the received sensitivity information on the display.
  • the control unit 2 has a voice recognition function, and the input / output unit 3 is composed of a microphone and a speaker.
  • the microphone inputs the sensitivity information by voice
  • the input / output unit 3 outputs the product associated with the sensitivity information received by the speaker. You may try to do it.
  • the storage unit 4 is a device such as a ROM, RAM, HDD, or flash memory, and stores a program to be executed by the control unit 2 and various data.
  • ROM is an abbreviation for Read Only Memory.
  • RAM is an abbreviation for Random Access Memory.
  • HDD is an abbreviation for Hard Disk Drive.
  • Communication unit 5 communicates with the outside.
  • the communication by the communication unit 5 may be a wired communication or a wireless communication.
  • the communication by the communication unit 5 may be any communication method.
  • the control unit 2 can transmit and receive various data such as character data, image data, and voice data by the communication unit 5.
  • the control unit 2 can use the communication unit 5 instead of the input / output unit 3.
  • FIG. 5 is a flowchart showing an example of processing executed by the information processing apparatus 1 according to the first embodiment of the present invention.
  • step S401 in the receiving means 11, the control unit 2 receives the input of the Kansei information by the input / output unit 3.
  • step S402 in the prediction means 12, the control unit 2 uses the predictor 15 stored in the storage unit 4 to obtain the characteristics (physical characteristics) derived from the material of the product corresponding to the sensitivity information received in step S401. Predict.
  • step S403 in the extraction means 13, the control unit 2 predicts in step S402 using the information (database) 16 of the characteristics (physical properties) derived from the product stored in the storage unit 4 and the material of the product. The product is extracted from the specified characteristics (physical characteristics).
  • step S404 in the output means 14, the control unit 2 provides (presents) the product extracted in step S403 to the user by the input / output unit 3.
  • a product that expresses what the user wants as an impression from the product is derived from the material of the product regardless of the sense of the operator who operates the product providing system 10. It is possible to output (present) by using the correspondence with the characteristic to be performed. That is, according to the product providing system 10 of this embodiment, it is possible to provide a product that meets the sensibilities required by the user.
  • FIG. 6 is a flowchart showing an example of a process of generating the predictor 15 used in the predictor 12 by machine learning using a learning device.
  • the learning device has the same configuration as the information processing device 1 shown in FIG. 4, and has, for example, a control unit 2, an input / output unit 3, a storage unit 4, a communication unit 5, and an internal bus 6. There is.
  • the information processing device used in the learning device is usually different from the information processing device of the product providing system, but the same information processing device may be used.
  • the control unit 2 acquires the learning (teacher) data 30 by the input / output unit 3.
  • the learning (teacher) data 30 is, for example, a characteristic derived from the material of the product associated with the sensibility information and the sensibility information.
  • the control unit 2 performs machine learning 31 using the learning (teacher) data 30 acquired in step S501. As a result, the predictor 15 is generated (output).
  • An object of the present invention is to supply a storage medium containing a program code (computer program) that realizes the functions of the above-described embodiment to a system or an apparatus, and a program in which the computer of the supplied system or the apparatus is stored in the storage medium. It is also achieved by reading and executing the code.
  • the program code itself read from the storage medium realizes the function of the above-described embodiment, and the storage medium storing the program code constitutes the present invention.
  • the computer functions as each processing unit by executing the program, but a part or all of the processing may be configured by a dedicated electronic circuit (hardware). I do not care.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)

Abstract

利用者の求める感性に沿った製品を提案できる製品提供システムを提供する。　利用者が所望する感性に沿った製品を提供する製品提供システムであって、利用者が所望する感性情報を受け付ける受付手段と、前記受け付けた感性情報に対応する製品の持つ材料に由来する特性を予測する予測手段と、前記予測された特性に基づき製品を抽出する抽出手段と、前記抽出した製品を出力する出力手段と、を備える製品提供システムである。

Description

製品提供システム、製品提供方法、及び製品提供プログラム
　本発明は、製品提供システム、製品提供方法、及び製品提供プログラムに関する。
　利用者が製品（物及びサービスを含む）を選ぶ際の評価基準としては、その製品の本来の働きを示す機能や、その働きの効率及び能率などを示す性能のほか、その製品が五感でどのように感じられるものであるか、また、その製品が感性にどのように訴えるものであるかといった利用者の印象が挙げられる。
　特許文献1に記載の発明では、製品のサンプルとしての触感見本において、製品を想定した見本の表面の凹凸感や質感のみならず、見本の３次元的な触感を評価出来るようにしている。
特開２０２０－９８３１５号公報
　特許文献１に記載の発明によれば、利用者が触感見本に触れることで実際の製品の特徴を感じ取ることが出来、製品を選ぶ際に大いに役立てることが出来る。
　しかしながら、従来の技術では、利用者が製品から受ける印象として求めるものを発現する製品を提示することは難しかった。すなわち従来は、利用者の求める感性に応じた製品を提示するには、例えば、利用者の話を聞いた担当者が製品を選ぶことになるが、その場合、その担当者のセンスに頼るところが大きく、利用者の求める感性に十分応えた製品の提案は難しかった。
　本発明は、以上のような課題を解決するためになされたものであり、利用者の求める感性に沿った製品を提案できる製品提供システムを提供することを目的とする。
　本発明は、利用者が所望する感性に沿った製品を提供する製品提供システムであって、利用者が所望する感性情報を受け付ける受付手段と、前記受け付けた感性情報に対応する製品の持つ材料に由来する特性を予測する予測手段と、前記予測された特性に基づき製品を抽出する抽出手段と、前記抽出した製品を出力する出力手段と、を備える製品提供システムである。
　本発明によれば、利用者の求める感性に沿った製品を提案できる製品提供システムを提供することが出来る。
本発明の実施例に係る製品提供システムの構成を示すブロック図である。 予測器を用いて、感性情報が製品の持つ材料に由来する特性（材料の物性）に対応付けられる様子を説明するための概略図である。 機械学習により予測器を生成する様子を説明するための概略図である。 本発明の実施例に係る情報処理装置の構成の一例を示すブロック図である。 本発明の実施例に係る情報処理装置によって実行される処理の一例を示すフローチャートである。 本発明の実施例に係る予測器を機械学習により生成する処理の一例を示すフローチャートである。
　本発明は、利用者が所望する感性に沿った製品を提供する製品提供システムである。
　本発明は、利用者が所望する感性情報を受け付ける受付手段と、前記受け付けた感性情報に対応する製品の持つ材料に由来する特性を予測する予測手段と、前記予測された特性に基づき製品を抽出する抽出手段と、前記抽出した製品を出力する出力手段と、を備える製品提供システムである。
　以下、本発明に係る製品提供システムについて、図面を参照しながら詳細に説明する。
（第１の実施例）
　以下、本発明の一実施例を説明するが、本発明は、この実施例に何ら限定されるものではない。
　図１は、本発明の一実施例に係る製品提供システムの構成を示すブロック図である。本実施例の製品提供システム１０は、例えば、コンピュータを含む情報処理装置である。
　本実施例の製品提供システム１０は、受付手段１１と、予測手段１２と、抽出手段１３と、出力手段１４と、予測器１５と、製品の持つ材料に由来する特性のデータベース（ＤＢ）１６を備える。
　製品提供システム１０は、利用者の所望とする感性情報を受け付け、感性情報と製品の持つ材料に由来する特性との対応付けに基づいて、受け付けた感性情報に対応する材料の該特性を予測し、予測された該特性に基づき製品を抽出し、該抽出した製品を利用者に提供する。
　製品を抽出する際のより好ましい実施態様としては、抽出手段において、少なくとも製品と該製品の持つ材料に由来する特性の情報を用いて、予測された特性から製品を抽出することが挙げられる。
　抽出手段において、予測された該特性と製品の持つ材料の特性とを比較することにより、予測された該特性に対応する製品を抽出することができる。
　本発明に係る製品提供システム１０は、利用者の所望とする感性情報に沿った製品を、製品の持つ材料に由来する特性を介して抽出し、該抽出した製品を利用者に提供するものである。このように利用者の所望とする感性情報に沿った製品を提供する際、材料の特性を介して製品を抽出することで、利用者が所望とする感性にマッチした製品をより的確に、かつより現実的な方法で提供することができる。
＜受付手段１１＞
　受付手段１１は、製品に対する利用者の印象である感性情報を受け付ける。
　感性情報は、利用者が五感でどのように感じるか、例えば、明るい、温かい、つやがある等の情報を含む。また、感性情報は、利用者がどのような印象を受けるか、例えば、高級感、安心感、快適さ等の情報を含む。
　また、感性情報は、例えば、五感のうち複数の感覚の相互作用によって生じる五感クロスモーダルにおいて利用者がどのように感じるかの情報を含んでもよい。
　感性情報は、「少し温かい」などのように、その程度をあいまいな表現で示す情報であってもよい。
　また、感性情報は、その程度を数値で表す情報を含んでもよい。例えば、「温かさ」を１０段階で５というように「温かさ」の程度を数値で表現する場合も含み得る。
　感性情報は、「おもてなし」、「満足感」、及び「本物以上」といった製品についてのコンセプトであってもよい。
　本発明では、感性情報と製品の持つ材料に由来する特性との対応付けに基づいて、製品が抽出されるが、その際、所望の感性の発現が期待できる材料の物性を予測することにより、感性情報と製品の持つ材料に由来する特性との対応付けが行われるため、係る対応付けに有効な感性という観点からは、五感の中でも視覚と触覚に起因した感性情報であることが好ましい。
　感性情報についてのより詳しい説明は、下記＜予測手段１２＞の欄で記載する。
　製品提供システム１０が提供する製品としては、あらゆる物及びサービスが該当する。
　また、製品は、完成品のみならず、完成品の一部の部材や部品であってもよい。
　製品提供システム１０が提供する製品としては、例えば、内装壁材（内装材ともいう）、シート、合皮、フィルム、生地等が挙げられる。
＜予測手段１２＞
　予測手段１２は、感性情報から製品の持つ材料に由来する特性を予測する。
　感性情報と製品の持つ材料に由来する特性との対応付けは、例えば、ルールベースや機械学習を含む人工知能（ＡＩ）を用いて行われる。
　ここで、機械学習の代表的な手法としては、統計学的手法、ランダムフォレスト、サポートベクターマシン、ディープラーニング等のニューラルネットワーク、データマイニングなどの手法が挙げられる。
　本発明において、材料に由来する特性とは、特に制限はなく、感性情報と対応付けられる特性であれば、適宜選択することができるが、例えば、材料の物性が挙げられる。
　材料の物性としては、例えば、材料の物理的性質、機械的性質、熱的性質、電気的性質、化学的性質等の試験結果による評価値（物性値）で表すことができる。材料の物性として、例えば、色構成（色相、明度、彩度）、光沢、動摩擦係数、熱浸透度、熱伝導率、熱流速、表面粗さ、引張強度、曲げ強度、硬さ、質感、温冷感等で表すことができる。
　以下、予測手段１２について詳しく説明する。
　ここで、利用者に提供する製品として、内装材を例に説明する。
　製品が内装材である場合、予測手段１２で規定する感性情報としては、該内装材や該内装材が適用される空間（例えば、部屋の雰囲気）に対する利用者の感性情報である。この感性情報としては、特に制限はなく、目的に応じて、適宜選択することができるが、例えば、目的とする製品の種類を考慮し、該製品の持つ材料の特性を導くのに有効な感性項目を選択することが好ましい。例えば、部屋の壁面に使用される内装材に対する感性情報としては、特に視覚や触覚に起因した下記表１に示される感性項目が挙げられる。
Figure JPOXMLDOC01-appb-T000001
　製品が、内装材である場合、内装材の持つ材料に由来する特性としては、例えば、内装材の生地に由来する材料特性であったり、該生地に塗装が施されている場合には、その塗装（塗料）に由来する材料特性であったりする。
　本発明において、製品の持つ材料に由来する特性とは、単一の材料に由来する特性だけでなく、製品が複数の材料で構成されている場合には、複数の材料に由来する特性を考慮する。例えば、上記内装材の場合には、生地に由来する材料特性とその生地に塗布される塗料に由来する材料特性とを合わせて考慮する。
　感性情報と製品の持つ材料に由来する特性との対応付けにおいて、上記内装材の場合のように、製品を構成する材料が複数の材料から形成されている場合は、生地に由来する材料特性及び塗料に由来する材料特性の両方を加味した状態で感性情報と対応付けることが好ましい。
　例えば、図２で示されるように、感性情報と製品の持つ材料に由来する特性（材料の物性）とを対応付ける、記憶部に格納されている予測器を用いることにより、利用者の感性情報に対応付けられた物性を示す材料を予測することができる。
　図２は、予測器を用いて、感性情報が製品の持つ材料に由来する特性（材料の物性）に対応付けられる様子を説明するための概略図であり、図２中、符号２０は予測器の入力である感性情報を、符号１５は予測器を、符号２２は予測器の出力である特性（物性）情報を示す。
＜＜予測器の生成＞＞
　感性情報と製品の持つ材料に由来する特性（例えば、材料の物性）とを対応付ける予測器を生成（出力）するには、ルールベースや機械学習を含む人工知能（ＡＩ）を用いて行うことができる。
　例えば、感性情報における各評価項目が材料の特性（材料の物性）でどう対応付けるか、その処理手順をルールベースで記述することにより予測器を生成することができる。
　例えば、感性情報が「明るい」の場合には、Ｌ*ａ*ｂ*色空間の明度Ｌ*の値で表すと所定の値になり、「暗い」の場合には、Ｌ*ａ*ｂ*色空間の明度Ｌ*の値で表すと所定の値になると記述することができる。
　予測器を上記ルールベースで生成する以外の方法としては、図３で示すように、機械学習により予測器を生成することができる。機械学習の手法としては、上述したように、統計学的手法、ランダムフォレスト、サポートベクターマシン、ディープラーニング等のニューラルネットワーク、データマイニングなどの手法が挙げられる。
　図３は、機械学習により予測器を生成する様子を説明するための概略図であり、図３中、符号３０は、学習（教師）データを、符号３１は機械学習の処理を、符号１５は機械学習により生成された予測器を示す。
　教師データとしては、例えば、下記表２で示すデータが挙げられる。
Figure JPOXMLDOC01-appb-T000002
　予測器を機械学習により生成する場合は、図３で示すように、感性情報（入力データ）と感性情報に対応付けられた製品の持つ材料に由来する特性（正解データ）からなる学習（教師）データ３０を事前に取得し、該学習（教師）データ３０を用いて、統計学的手法やニューラルネットワークなどの機械学習３１を行うことにより予測器１５を生成する。
　事前に取得する学習（教師）データは、例えば、感性情報を取得したい人に対して製品を提示し、その製品に対応するその人の感性情報を取得することにより作成することができる。尚、ここでいう人とは、感性情報を取得したい人であれば、単数、複数のいずれであっても構わない。
　より精度の高い予測器を生成するという観点からは、入力データや正解データにおける項目のバランスが良い大量の学習（教師）データを準備することが望ましい。
＜抽出手段１３＞
　抽出手段１３は、上記予測手段１２により得られた材料の特性に基づいて、製品を抽出する。これにより、受付手段１１で受け付けた感性情報に応じた製品が抽出できる。
　抽出手段１３のより好ましい実施態様として、少なくとも製品と該製品の持つ材料に由来する特性の情報を用いて、上記予測手段１２により得られた材料の特性と製品の持つ材料の特性とを比較することにより、予測された該特性に対応する製品を抽出することが挙げられる。
　例えば、上記材料の特性の情報が材料の物性に係る情報である場合には、下記表３で示すような、製品で使用される材料において、該材料が示す物性の評価結果のデータを作成しておけばよい。
　予測された材料の特性（物性）と表３で示されるような製品の材料が示す特性（物性）を比較することにより、所望の感性情報に沿った製品を抽出することができる。
Figure JPOXMLDOC01-appb-T000003
　表３に上げた特性（物性）はいずれも市販の装置を用いて測定することができる。たとえば、色のＬ、Ｃ、Ｈは分光測色計（コニカミノルタ社製ＣＭ－２６ｄdなど）、硬さの曲げヤング率は材料試験機（島津製作所社製オートグラフＡＧＳ－Ｘなど）、摩擦の動摩擦係数はトライボメーター（新東科学社製トライボギアＴＹＰＥ１４など）、最大熱流速は熱流束計（カトーテック社製ＫＥＳ－Ｆ７など）を用いて得られる。
　表３の抽出結果は１つでもよいし、複数でもよい。抽出結果が複数の場合は、感性情報やその他製品・サービス形態の条件などをさらに追加して、抽出結果の絞り込みを行ってもよい。
　所望の感性情報に応じた製品が複数該当する場合には、その全てを出力（提示）することもできれば、取得しているデータの中で最も適当と思われる製品を出力（提示）することもできる。
　尚、既成の製品の有無に関わらず、所望の感性情報に沿ったより適切な製品を提供したい場合には、所望の感性情報に対応付けられる材料とその特性（物性）を出力（提示）することにより、より適切な製品を作製できる材料を示唆することができ、より適切な製品を作製（提供）することができる。
＜出力手段１４＞
　出力手段１４は、抽出手段１３で抽出した抽出結果である製品を利用者に出力（提示）する。出力の方法は、製品の名称、組成などの製品を特定する情報を文字表示する方法、製品を特定する情報を音声出力する方法、及び製品を静止画や動画で表示する方法などが挙げられる。
　図４は、本発明の第１の実施例に係る情報処理装置の構成の一例を示すブロック図である。図１の製品提供システム１０は、図４の情報処理装置１によって構成される。
　情報処理装置１は、全体の動作を制御する制御部２と、各種の入出力を行う入出力部３と、各種データやプログラム等を記憶する記憶部４と、外部との通信を行う通信部５と、各ブロック同士が相互通信可能なように接続する内部バス６と、を有する。
　上記受付手段１１は、例えば、入出力部３及び制御部２によって実現される。上記予測手段１２は、例えば、記憶部４及び制御部２によって実現される。上記抽出手段１３は、例えば、記憶部４及び制御部２によって実現される。上記出力手段１４は、例えば、入出力部３及び制御部２によって実現される。
　情報処理装置１は、例えばコンピュータであり、スマートフォン、ＰＤＡ、タブレット、又はノートパソコンなどの、被験者が携帯可能な装置であってもよいし、被験者が携帯せずに設置位置に固定されたコンピュータでもよい。ＰＤＡは、Ｐｅｒｓｏｎａｌ　Ｄｉｇｉｔａｌ　Ａｓｓｉｓｔａｎｔの略称である。
　制御部２は、例えばＣＰＵ、ＭＣＵ又はＭＰＵと呼ばれる装置であり、例えば記憶部４に記憶されたプログラムが実行される。ＣＰＵはＣｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔの略称である。ＭＣＵはＭｉｃｒｏ　Ｃｏｎｔｒｏｌｌｅｒ　Ｕｎｉｔの略称である。ＭＰＵはＭｉｃｒｏ　Ｐｒｏｃｅｓｓｏｒ　Ｕｎｉｔの略称である。
　入出力部３は、情報処理装置１を操作する利用者に対する入出力を行う装置である。入出力部３は、ディスプレイ、キーボード、マウス、ボタン、タッチパネル、プリンタ、マイク、及びスピーカなどによる、情報や信号の入出力を行う。本実施例では、入出力部３は、例えばキーボードの役割を果たし、このキーボードによって感性情報を入力する。また、本実施例では、入出力部３は、少なくともディスプレイの役割を果たし、このディスプレイに、受け付けた感性情報に対応付けられた製品を表示する。なお、制御部２は、音声認識機能を備え、入出力部３は、マイク及びスピーカで構成し、マイクによって音声により感性情報を入力し、スピーカによって受け付けた感性情報に対応付けられた製品を出力するようにしてもよい。
　記憶部４は、例えば、ＲＯＭ、ＲＡＭ、ＨＤＤ、又はフラッシュメモリといった装置であり、制御部２で実行するプログラムや各種データを記憶する。ＲＯＭは、Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙの略称である。ＲＡＭは、Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙの略称である。ＨＤＤは、Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅの略称である。
　通信部５は、外部との通信を行う。通信部５による通信は、有線通信でもよいし、無線通信でもよい。通信部５による通信は、如何なる通信方式でもよい。制御部２は、通信部５によって、文字データ、画像データ及び音声データなどの各種データの送受信を行うことが出来る。制御部２は、入出力部３の代わりに通信部５を用いることが出来る。
　図５は、本発明の第１の実施例に係る情報処理装置１によって実行される処理の一例を示すフローチャートである。
　ステップＳ４０１では、受付手段１１において、制御部２は、入出力部３によって感性情報の入力を受け付ける。
　ステップＳ４０２では、予測手段１２において、制御部２は、記憶部４に記憶されている予測器１５を用いて、ステップＳ４０１で受け付けた感性情報に対応する製品の持つ材料に由来する特性（物性）を予測する。
　ステップＳ４０３では、抽出手段１３において、制御部２は、記憶部４に記憶されている製品と該製品の持つ材料に由来する特性（物性）の情報（データベース）１６を用いて、ステップＳ４０２で予測された特性（物性）から製品を抽出する。
　ステップＳ４０４では、出力手段１４において、制御部２は、入出力部３によって、ステップＳ４０３で抽出した製品を利用者に提供（提示）する。
　本実施例の製品提供システム１０によれば、製品提供システム１０を操作する操作担当者のセンスによらず、利用者が製品から受ける印象として求めるものを発現する製品を、製品の持つ材料に由来する特性との対応付けを利用することにより、出力（提示）することが出来る。すなわち、本実施例の製品提供システム１０によれば、利用者の求める感性に沿った製品を提供することが出来る。
　図６は、予測手段１２で使用する予測器１５を学習装置を用いて機械学習により生成する処理の一例を示すフローチャートである。
　尚、学習装置は、図４で示す情報処理装置１と同様の構成を有しており、例えば、制御部２、入出力部３、記憶部４、通信部５、内部バス６を有している。学習装置で用いる情報処理装置は、通常、製品提供システムの情報処理装置とは異なるものを用いるが、同一の情報処理装置を用いてもよい。
　図６のステップＳ５０１において、制御部２は、入出力部３によって学習（教師）データ３０を取得する。学習（教師）データ３０は、例えば、感性情報と感性情報に対応付けられた製品の持つ材料に由来する特性である。続くステップＳ５０２において、制御部２は、ステップＳ５０１で取得された学習（教師）データ３０を用いて、機械学習３１を行う。その結果、予測器１５が生成（出力）される。
　以上、本発明の好ましい実施例について説明したが、本発明は、これらの実施例に限定されるものではない。本発明の目的は、上述の実施例の機能を実現するプログラムコード（コンピュータプログラム）を格納した記憶媒体をシステムあるいは装置に供給し、供給されたシステムあるいは装置のコンピュータが記憶媒体に格納されたプログラムコードを読み出し実行することによっても達成される。この場合、記憶媒体から読み出されたプログラムコード自体が上述した実施例の機能を実現することになり、そのプログラムコードを記憶した記憶媒体は本発明を構成することになる。また、上述した実施形態では、コンピュータがプログラムを実行することにより、各処理部として機能するものとしたが、処理の一部または全部を専用の電子回路（ハードウェア）で構成するようにしても構わない。
　本発明は、説明された特定の実施例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趣旨の範囲内において、種々の変形・変更が可能である。実施例における構成要素は、適宜、既存の構成要素等との置き換えが可能であり、かつ、他の既存の構成要素との組み合わせを含む様々なバリエーションが可能である。
　１０　製品提供システム
　１１　受付手段
　１２　予測手段
　１３　抽出手段
　１４　出力手段

 

Claims (11)

  1. 　利用者が所望する感性に沿った製品を提供する製品提供システムであって、
    　利用者が所望する感性情報を受け付ける受付手段と、
    　前記受け付けた感性情報に対応する製品の持つ材料に由来する特性を予測する予測手段と、
    　前記予測された特性に基づき製品を抽出する抽出手段と、
    　前記抽出した製品を出力する出力手段と、
    を備える製品提供システム。
  2. 　前記予測手段において、感性情報と製品の持つ材料に由来する特性との対応付けが、ルールベースや機械学習を含む人工知能（ＡＩ）を用いて行われる、請求項１に記載の製品提供システム。
  3. 　前記材料に由来する特性が材料の物性で示される、請求項１又は２に記載の製品提供システム。
  4. 　前記抽出手段において、少なくとも製品と前記製品の持つ材料に由来する特性の情報を用いて、前記予測された特性から製品を抽出する、請求項１～３のいずれか一項に記載の製品提供システム。
  5. 　前記感性情報は、五感又は五感クロスモーダルで得られる感性情報である、請求項１～４のいずれか一項に記載の製品提供システム。
  6. 　利用者が所望する感性に沿った製品を提供する製品提供方法であって、
    　利用者が所望する感性情報を受け付ける受付工程と、
    　前記受け付けた感性情報に対応する製品の持つ材料に由来する特性を予測する予測工程と、
    　前記予測された特性に基づき製品を抽出する抽出工程と、
    　前記抽出した製品を出力する出力工程と、
    を備える製品提供方法。
  7. 　前記予測工程において、感性情報と製品の持つ材料に由来する特性との対応付けが、ルールベースや機械学習を含む人工知能（ＡＩ）を用いて行われる、請求項６に記載の製品提供方法。
  8. 　前記材料に由来する特性が材料の物性で示される、請求項６又は７に記載の製品提供方法。
  9. 　前記抽出方法において、少なくとも製品と前記製品の持つ材料に由来する特性の情報を用いて、前記予測された特性から製品を抽出する、請求項６～８のいずれか一項に記載の製品提供方法。
  10. 　前記感性情報は、五感又は五感クロスモーダルで得られる感性情報である、請求項６～９のいずれか一項に記載の製品提供方法。
  11. 　コンピュータを、請求項１～５のいずれか一項に記載の各手段として機能させる、
    製品提供プログラム。

     
PCT/JP2021/046936 2021-01-08 2021-12-20 製品提供システム、製品提供方法、及び製品提供プログラム WO2022149448A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP21917668.2A EP4276730A4 (en) 2021-01-08 2021-12-20 PRODUCT DELIVERY SYSTEM, PRODUCT DELIVERY METHOD, AND PRODUCT DELIVERY PROGRAM
JP2022552983A JP7338798B2 (ja) 2021-01-08 2021-12-20 製品提供システム、製品提供方法、及び製品提供プログラム
US18/260,500 US20240054531A1 (en) 2021-01-08 2021-12-20 Product providing system, product providing method, and product providing program
CN202180081500.0A CN116547688A (zh) 2021-01-08 2021-12-20 产品提供系统、产品提供方法以及产品提供程序

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021-001932 2021-01-08
JP2021001932 2021-01-08

Publications (1)

Publication Number Publication Date
WO2022149448A1 true WO2022149448A1 (ja) 2022-07-14

Family

ID=82357302

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/046936 WO2022149448A1 (ja) 2021-01-08 2021-12-20 製品提供システム、製品提供方法、及び製品提供プログラム

Country Status (5)

Country Link
US (1) US20240054531A1 (ja)
EP (1) EP4276730A4 (ja)
JP (1) JP7338798B2 (ja)
CN (1) CN116547688A (ja)
WO (1) WO2022149448A1 (ja)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020098315A (ja) 2018-12-19 2020-06-25 Dic株式会社 触感見本及び触感見本システム
JP2020155038A (ja) * 2019-03-22 2020-09-24 トヨタ紡織株式会社 情報処理装置、および情報処理装置の制御方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4778591B2 (ja) * 2009-05-21 2011-09-21 パナソニック株式会社 触感処理装置
JP2011171807A (ja) * 2010-02-16 2011-09-01 Canon Inc 画像処理装置、およびプログラム
JP6114707B2 (ja) * 2014-02-28 2017-04-12 富士フイルム株式会社 商品検索装置、商品検索システム、サーバシステム及び商品検索方法
JP6208634B2 (ja) * 2014-07-31 2017-10-04 富士フイルム株式会社 コーディネートサーバ、コーディネートシステム、及びコーディネート方法
WO2018094164A2 (en) * 2016-11-18 2018-05-24 Stylyze Inc. Data attribution of items and contextual content creation of coordinating groups for the items
WO2020033180A1 (en) * 2018-08-05 2020-02-13 Syntouch Inc. Method and system for assisting the selection of materials or products according to haptic properties
KR102124844B1 (ko) * 2018-12-31 2020-06-22 재단법인 대구경북과학기술원 촉감인식장치, 시스템 및 방법
US20200311798A1 (en) * 2019-03-25 2020-10-01 Board Of Trustees Of The University Of Illinois Search engine use of neural network regressor for multi-modal item recommendations based on visual semantic embeddings

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020098315A (ja) 2018-12-19 2020-06-25 Dic株式会社 触感見本及び触感見本システム
JP2020155038A (ja) * 2019-03-22 2020-09-24 トヨタ紡織株式会社 情報処理装置、および情報処理装置の制御方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4276730A4

Also Published As

Publication number Publication date
US20240054531A1 (en) 2024-02-15
EP4276730A1 (en) 2023-11-15
JP7338798B2 (ja) 2023-09-05
EP4276730A4 (en) 2024-06-26
CN116547688A (zh) 2023-08-04
JPWO2022149448A1 (ja) 2022-07-14

Similar Documents

Publication Publication Date Title
Ziefle et al. How to overcome disorientation in mobile phone menus: A comparison of two different types of navigation aids
Fukuda Emotional engineering
US10984386B2 (en) Interview system
CN113255052B (zh) 一种基于虚拟现实的家装方案推荐方法、系统及存储介质
Kim et al. Identifying affect elements based on a conceptual model of affect: A case study on a smartphone
JP7026032B2 (ja) レコメンドシステム及びレコメンド方法
WO2022149448A1 (ja) 製品提供システム、製品提供方法、及び製品提供プログラム
JP4978043B2 (ja) イメージ情報評価方法
JP2023152039A (ja) 感情分析装置、感情分析方法、および、プログラム
WO2020170845A1 (ja) 情報処理装置、及び、プログラム
JP6975878B2 (ja) 空間プラン提案システム、空間プラン提案方法、空間プラン提案システムを実行させるプログラム及び空間プラン提案システムに用いられる表示端末
JP2022046314A (ja) 支援システム、分析装置、分析方法、支援装置、支援方法、分析プログラム、及び支援プログラム
JP6864920B2 (ja) 素材提案装置、素材提案方法および素材提案プログラム
JP6621051B2 (ja) デザイン評価装置およびプログラム
JP6882810B1 (ja) 情報処理装置、プログラム、及び方法
WO2022145041A1 (ja) ビデオミーティング評価端末、ビデオミーティング評価システム及びビデオミーティング評価プログラム
WO2022145040A1 (ja) ビデオミーティング評価端末、ビデオミーティング評価システム及びビデオミーティング評価プログラム
WO2022145042A1 (ja) ビデオミーティング評価端末、ビデオミーティング評価システム及びビデオミーティング評価プログラム
WO2022145038A1 (ja) ビデオミーティング評価端末、ビデオミーティング評価システム及びビデオミーティング評価プログラム
WO2022145043A1 (ja) ビデオミーティング評価端末、ビデオミーティング評価システム及びビデオミーティング評価プログラム
WO2022145039A1 (ja) ビデオミーティング評価端末、ビデオミーティング評価システム及びビデオミーティング評価プログラム
WO2022145044A1 (ja) 反応通知システム
Tabuena et al. Analyzing Contemporary Philippine Art Forms and Critiquing Available Local Materials and Appropriate Techniques Used in Creating Art
WO2022092246A1 (ja) プログラム、情報処理装置及び方法
WO2024071072A1 (ja) 材料推奨装置、材料推奨方法及びプログラム

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: 21917668

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022552983

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 202180081500.0

Country of ref document: CN

WWE Wipo information: entry into national phase

Ref document number: 18260500

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2021917668

Country of ref document: EP

Effective date: 20230808