JP2019082874A - 設計支援装置及び設計支援システム - Google Patents

Abstract

【課題】顧客の要求項目に対する精度の高い製品仕様案の予測を行うために必要な学習データの精度を向上でき、高精度のシミュレーションを実行可能とする設計支援装置及び設計支援システムを提供する。【解決手段】設計支援装置１は、複数の入力データを第１のシミュレーションモデルを用いてシミュレーションし、シミュレーション結果を学習用の教師データとして出力するシミュレーション実行部１０６、得られた複数の教師データに対して異常の有無を判定する異常判定部１０４、異常と判定された教師データが存在する場合に第２のシミュレーションモデルに変更するモデル変更部１０３、及び異常判定部１０４による判定結果を解析し解析結果を表示部１０８へ出力する解析部１０５を備え、シミュレーション実行部１０６は、変更された第２のシミュレーションモデルを用いた複数の入力データに対するシミュレーション結果を学習用の教師データとして出力する。【選択図】 図１

Description

本発明は、設計支援装置に係り、特に、製品やサービスを構成する設計パラメータに対して、設計パラメータで構成される設計空間を機械学習により学習するための、精度の高い学習データを作成する機能を有する設計支援装置及び設計支援システムに関する。

近年、製品やサービスの開発において、製品やサービスによって提供する顧客価値を最大化するために、顧客の要望に応じた製品やサービスを、顧客とコミュニケーションを行いながら開発していくことが求められている。その際、スムーズなコミュニケーションを行うためには、顧客の要望に対応した、製品やサービスの仕様案を短時間で見積り提示することが重要である。しかしながら、製品やサービスにおける設計パラメータの数が多い場合、仕様案を設計ツールにて評価するのに時間を要するため、短期間で見積り検討し、仕様案を提示可能な技術が望まれている。

製品やサービスに対して、短期間で見積り検討し、製品仕様案を提示するには、設計ツールでの性能評価など計算に要する時間を、計算リソースの増大や高性能コンピュータの使用、或いはモデルの簡略化により短縮することが考えられる。但し、既に使用されているシミュレータなどの設計ツールの改良を行うと、計算結果の精度の再検証が必要となる他、高性能なコンピュータを顧客とのやり取りの場へ、直に用意することは困難である。そのためシミュレーションにより、顧客の要望に対応する想定範囲内で、設計パラメータから成る設計空間を機械学習により学習し、顧客の要望に応じた製品仕様の設計パラメータを予測する方法が見積りを高速に行う上で有効である。ここで、設計パラメータとは、製品を構成する部品の寸法や性能を数値等で表したものであり、製品仕様案は、設計パラメータの寸法、性能値から決まる部品の形状・構造、例えば部品間の配置や必要部品数、使用すべき材質などの規定に相当する。
シミュレーションと最適化処理により、機械学習に用いるデータを作成する方法として、例えば特許文献１に記載される技術が提案されている。特許文献１には、情報処理装置が記憶部と演算部を有し、記憶部が最適化処理に用いる評価関数の情報を記憶し、演算部が被評価データを生成する旨開示されている。そして演算部は、評価関数を用いて被評価データに対して最適化処理を進め、最適化処理を進めた後の被評価データの状態に応じた評価値を算出し、演算部が被評価データ及び評価値に基づいて評価関数を更新する旨記載されている。

特開２０１５−１４８９２６号公報

しかしながら、特許文献１に記載される技術では、学習データ（被評価データ）自体に異常と思われる箇所が含まれる場合、予測精度が低下するという課題が生じ得る虞がある。更には、特許文献１に記載される構成では、学習データ（被評価データ）自体に異常と思われる箇所が含まれる場合であっても、最終結果が出力されることとなるため、ユーザは画面表示された最終結果（データ）に対し修正作業を行う必要があり、ユーザにとって作業負荷の増大を招きかねない。
そこで、本発明は、顧客の要求項目に対する精度の高い製品仕様案の予測を行うために必要な学習データの精度を向上でき、高精度のシミュレーションを実行可能とする設計支援装置及び設計支援システムを提供する。

上記課題を解決するため、本発明に係る設計支援装置は、複数の入力データを第１のシミュレーションモデルを用いてシミュレーションし、シミュレーション結果を学習用の教師データとして出力するシミュレーション実行部と、得られた複数の教師データに対して異常の有無を判定する異常判定部と、前記異常判定部により異常と判定された教師データが存在する場合、第１のシミュレーションモデルと異なる第２のシミュレーションモデルに変更するモデル変更部と、前記異常判定部による判定結果を解析し解析結果を表示部へ出力する解析部と、を備え、前記シミュレーション実行部は、前記モデル変更部により変更された第２のシミュレーションモデルを用いて複数の入力データをシミュレーションし、シミュレーション結果を学習用の教師データとして出力することを特徴とする。
また、本発明に係る設計支援システムは、少なくとも一つの電子端末とネットワークを介して接続される設計支援装置を有する設計支援システムであって、前記設計支援装置は、前記ネットワークを介して前記電子端末より入力される複数の入力データを第１のシミュレーションモデルを用いてシミュレーションし、シミュレーション結果を学習用の教師データとして出力するシミュレーション実行部と、得られた複数の教師データに対して異常の有無を判定する異常判定部と、前記異常判定部により異常と判定された教師データが存在する場合、第１のシミュレーションモデルと異なる第２のシミュレーションモデルに変更するモデル変更部と、前記異常判定部による判定結果を解析し解析結果を表示部へ出力する解析部と、を備え、前記シミュレーション実行部は、前記モデル変更部により変更された第２のシミュレーションモデルを用いて複数の入力データをシミュレーションし、シミュレーション結果を学習用の教師データとして前記ネットワークを介して前記電子端末へ出力することを特徴とする。

本発明によれば、顧客の要求項目に対する精度の高い製品仕様案の予測を行うために必要な学習データの精度を向上でき、高精度のシミュレーションを実行可能とする設計支援装置及び設計支援システムを提供することが可能となる。
上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。

本発明の一実施例に係る設計支援装置の外観図及び機能ブロック図である。 図１に示す設計支援装置の処理フローを示すフローチャートである。 学習する設計パラメータの表示例である。 学習すべき設計パラメータを分類する方法の一例を説明する図である。 図１に示す表示部に表示される、学習する設計パラメータの分布を示す表示画面例である。 図１に示す表示部に表示される、学習する設計パラメータを分類した状態を示す表示画面例である。 図１に示す表示部に表示される、学習する設計パラメータの新規点を追加した状態を示す表示画面例である。 図７に示す学習する設計パラメータを分類した状態を示す表示画面例である。 図８に示す分類後の学習データを学習データベースに格納する際の表示画面例である。 本発明の他の実施例に係る設計支援システムの全体概略構成図である。 図１０に示す設計支援装置の機能ブロック図である。

以下、図面を用いて本発明の実施例について説明する。

図１は、本発明の一実施例に係る設計支援装置の外観図及び機能ブロック図である。本実施例に係る設計支援装置１は、顧客の要求項目に対する製品仕様案を機械学習により表示部１０８の表示画面上に表示することで、顧客に提示するものである。設計支援装置１は、機械学習のための学習データ（教師データ）を、シミュレーションによる計算結果、更には過去の実績データに基づき作成し、学習データ（教師データ）の分布を分析して、新規に追加すべき学習データ（教師データ）の候補を計算する機能と、新規に追加した候補が学習データ（教師データ）として成立するか否かをシミュレーションにより計算し、学習データ（教師データ）の補正を行う機能とを備える。以下、これらの機能を実現する設計支援装置１の構成について説明する。

図１に示すように、設計支援装置１は、キーボードまたはマウス等であって、学習データ（教師データ）及び詳細後述する各種コマンド等をユーザにより入力可能とする入力部１０１、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）または有機ＥＬ（Ｏｒｇａｎｉｃ Ｅｌｅｃｔｒｏ−Ｌｕｍｉｎｅｓｃｅｎｃｅ：ＯＥＬ）ディスプレイ等の表示部１０８、及び情報処理部４から構成される。情報処理部４は、学習データベース１０２、モデル変更部１０３、異常判定部１０４、解析部１０５、シミュレーション実行部１０６、シミュレーションモデル記憶部１０７、入力処理部１０９、及び表示制御部１１０を有し、これらは内部バス１１１にて相互に接続されている。
なお、シミュレーションモデル記憶部１０７に格納される各シミュレーションモデル、及び、シミュレーション実行部１０６によりシミュレータが構成される。また、本実施例では、前提として、機械学習が既に終了している段階（状態）を想定している。
モデル変更部１０３、異常判定部１０４、解析部１０５、シミュレーション実行部１０６、及び入力処理部１０９は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等のプロセッサ、プログラムを格納するＲＯＭ、ＲＯＭより読み出されたプログラムをプロセッサが実行する過程のデータ等を一時的に格納するＲＡＭ等の記憶装置にて実現される。

入力処理部１０９は、例えば、入力部１０１を介してユーザにより入力される学習させるデータ（学習用の教師データ）を受け付け、内部バス１１１を介してシミュレーション実行部１０６へ転送する。なお、ここで入力される学習させるデータ（学習用の教師データ）は、設計パラメータである。
シミュレーションモデル記憶部１０７は、既に機械学習によりチューニングされた状態にある、複数のシミュレーションモデルを格納している。図１では、説明を分かり易くするため、シミュレーションモデルＡ及びシミュレーションモデルＢの２つの異なるシミュレーションモデルを示すが、格納されるシミュレーションモデルの数はこれに限らず、適宜、所望の数の異なるシミュレーションモデルを格納すれば良い。

シミュレーション実行部１０６は、入力処理部１０９より転送される学習させるデータ（学習用の教師データ）、または、学習データベース１０２に格納される教師データ、及び、シミュレーションモデル記憶部１０７に格納される、例えば、第１のシミュレーションモデルとしてのシミュレーションモデルＡを用いてシミュレーションを実行する。

解析部１０５は、シミュレーション実行部１０６によるシミュレーション実行結果である、入力データ（設計パラメータ）及び出力データ（設計パラメータ）の特徴を分析する。分析結果である、入力データ（設計パラメータ）及び出力データ（設計パラメータ）よりなる学習用の教師データ（学習データ）の分布を、表示制御部１１０を介して表示部１０８の表示画面上に表示する。学習用の教師データ（学習データ）の分布表示として、多次元のデータを２つの設計パラメータ、すなわち、上記学習用の教師データ（学習データ）を構成する入力データ（設計パラメータ）及び出力データ（設計パラメータ）の関係でグラフに表示する散布図、或は、２、３次元に圧縮する主成分分析などの方法が利用可能である。
本実施例では散布図を一例として説明する。解析部１０５は、多次元のデータのうち、２つの設計パラメータの関係で２次元グラフ上に表示した後、学習データ（学習用の教師データ）の分布をデータクラスタリングなどの手法により評価する。ここで、データクラスタリングの手法として、例えば、ｋ−平均法（ｋ−ｍｅａｎｓ）或いは適応共鳴理論(Ａｄａｐｔｉｖｅ Ｒｅｓｏｎａｎｃｅ Ｔｈｅｏｒｙ：ＡＲＴ)などが挙げられる。一例としてｋ−平均法（ｋ−ｍｅａｎｓ）を用いてクラスタリングする場合を以下に示す。解析部１０５は、学習データ（学習用の教師データ）を構成する点の距離を計算し、距離の遠近によりクラスタとして分ける（各クラスタに分類する）。

このように、解析部１０５は、シミュレーション結果のクラスタリングを実行する。また、解析部１０５は、異常データ或いは異常データが含まれるクラスタの周囲（クラスタの外周部よりも外側）に新規点を追加する処理（追加候補点として新規点を生成する処理）を行う。更に、シミュレーション結果から設計パラメータ間の相関分布を求める。

異常判定部１０４は、解析部１０５により得られたクラスタ毎に異常の有無を判定する。判定に際しては、クラスタ間の距離と所定の閾値とを比較し判定する。閾値の設定については、過去の実績データにおける正常クラスタ及び異常クラスタ間の距離を記憶部（図示せず）に格納し、当該記憶部に格納された距離を閾値として設定する。或いは、後述する設計パラメータ間の相関分布が表示される画面上において、ユーザが各クラスタを目視にて判断し閾値を設定しても良く、なお、上記予め設定された閾値が必ずしも最適でない場合には、当該各設計パラメータ間の相関分布を画面上に表示し、予め設定された閾値を変更する構成としても良い。これにより、学習データ（学習用の教師データ）を構成する点に異常と思われる箇所が含まれるか否かが評価できる。
なお、学習データ（学習用の教師データ）を構成する点に異常と思われる点、或いはクラスタが存在する場合に、上記解析部１０５が、異常データ或いは異常データが含まれる異常クラスタと正常クラスタの間であって、異常データ或いは異常データが含まれる異常クラスタの周囲（異常クラスタの外周部よりも外側）に、追加候補点として新規点を生成する処理を行う。

モデル変更部１０３は、解析部１０５により追加候補点として新規点が追加されると、例えば、学習データ作成時に用いられた第１のシミュレーションモデルとしてのシミュレーションモデルＡから、第２のシミュレーションモデルとしてのシミュレーションＢにシミュレーションモデルを変更する。なお、シミュレーションモデルが変更されると、シミュレーション実行部１０６が、変更されたシミュレーションモデルＢ及び追加候補点を用いてシミュレーションを実行する。シミュレーション実行結果は、解析部１０５により上述のクラスタリング処理が実行され、異常判定部１０４により追加候補点に対する異常の有無が判定される。ここでの異常の有無の判定は、例えば、追加候補点が異常と思われる点の範囲（異常クラスタの外周部）よりも外側にあるか否かに基づき行われる。そして、追加候補点のうち正常と判定された追加候補点は学習データ（学習用の教師データ）として利用可能であることから、当該追加候補点を解析部１０５が学習データベース１０２の所定の記憶領域に新たに追加し格納する。
このように、シミュレーションモデルを、学習データ作成時に用いられたシミュレーションモデルとは異なるシミュレーションモデルに変更し、追加候補点を学習データ（学習用の教師データ）として利用可能か否か判定する処理を行うのは次の理由に因る。製品仕様案によっては学習済みのシミュレーションモデルに含まれない学習データ（学習用の教師データ）としての設計パラメータ或いは、モデル化の際に定義される数式或いは関数（二次式或いは次式）に相違が生じ得るためである。

学習データベース１０２は、条件を変えた複数のデータ（設計パラメータ）を入力し、例えば、第１のシミュレーションモデルとしてのシミュレーションモデルＡを用いたシミュレーション実行部１０６によるシミュレーション実行結果としての出力データ（設計パラメータ）のペアを、学習用の教師データとしてそれぞれ対応付けて格納している。また、学習データベース１０２は、過去の実績データ（学習用の教師データ）も所定の記憶領域に格納している。

図２は、図１に示す設計支援装置１の処理フローを示すフローチャートである。
図２に示すように、ステップＳ１１では、シミュレーション実行部１０６が、入力処理部１０９より内部バス１１１を介して転送される学習させるデータ（学習用の教師データ）である設計パラメータ、または、学習データベース１０２に格納される教師データである設計パラメータ、及び、シミュレーションモデル記憶部１０７に格納される、例えば、第１のシミュレーションモデルとしてのシミュレーションモデルＡを用いてシミュレーションを実行する。シミュレーション実行部１０６は、シミュレーション実行結果である、入力データ（設計パラメータ）及び出力データ（設計パラメータ）のペアを解析部１０５へ内部バス１１１を介して転送することで、データ読込処理が実行される。

ステップＳ１２では、解析部１０５が、シミュレーション実行部１０６より転送された、シミュレーション実行結果である入力データ（設計パラメータ）及び出力データ（設計パラメータ）のペアに対しデータクラスタリング処理を実行する。解析部１０５は、データクラスタリング処理結果を異常判定部１０４へ内部バス１１１を介して転送する。

ステップＳ１３では、異常判定部１０４が、解析部１０５より転送されたデータクラスタリング処理結果に対し異常の有無を判定する。すなわち、異常判定部１０４は、クラスタ間の距離と上述の所定の閾値とを比較し、異常クラスタ或いは異常クラスタに含まれる異常データ（以下、異常点と称する場合もある）の有無を判定する。判定の結果、異常データがある場合にはステップＳ１４へ進む。一方、判定の結果、異常データが無い場合には処理を終了する。

ステップＳ１４では、解析部１０５が、異常データ或いは異常データが含まれる異常クラスタと正常クラスタの間であって、異常データ或いは異常データが含まれる異常クラスタの外周部よりも外側に、追加候補点として新規点を生成する処理を行う。
なお、これに代えて、解析部１０５により、異常データが含まれる異常クラスタ及び正常クラスタに分類された設計パラメータ間の相関分布が求められ、表示制御部１１０を介して表示部１０８の表示画面上に設計パラメータ間の相関分布を表示する。そして、異常データが含まれる異常クラスタの外周部よりも外側に、ユーザにより入力部１０１を介して新規点を追加する構成としても良い。

ステップＳ１５では、解析部１０５が、生成された追加候補点としての新規点を構成する入力データ（設計パラメータ）及び出力データ（設計パラメータ）の特徴を分析することで、解析を実行する。
ステップＳ１６では、解析部１０５が、解析された新規点を含め、ステップＳ１２にてクラスタリングされた正常クラスに含まれる正常データ（正常点）及び異常クラスタに含まれる異常データ（異常点）に対しデータクラスタリング処理を実行する。解析部１０５は、データクラスタリング処理結果を異常判定部１０４へ内部バス１１１を介して転送する。

ステップＳ１７では、異常判定部１０４が、解析部１０５より転送されたデータクラスタリング処理結果に対し異常の有無を判定する。すなわち、異常判定部１０４は、クラスタ間の距離と上述の所定の閾値とを比較し、異常クラスタ或いは異常クラスタに含まれる異常データ（異常点）の有無を判定する。判定の結果、異常データ（異常点）が無い場合にはステップＳ１８へ進む。一方、判定の結果、上記追加候補点としての新規点に異常データ（異常点）が含まれる場合にはステップＳ１９へ進む。

ステップＳ１８では、ステップＳ１７にて異常判定部１０４により異常データ（異常点）が無いと判定された上記追加候補点としての新規点を、解析部１０５が学習データ（学習用の教師データ）として学習データベース１０２の所定の記憶領域に追加格納し、処理を終了する。

ステップＳ１９では、モデル変更部１０３がシミュレーションモデル記憶部１０７へ内部バス１１１を介してアクセスし、第１のシミュレーションモデルとしてのシミュレーションモデルＡから、第２のシミュレーションモデルとしてのシミュレーションＢにシミュレーションモデルを変更する。モデル変更部１０３は、シミュレーションモデルＢへ変更した旨の情報をシミュレーション実行部１０６へ内部バス１１１を介して転送する。シミュレーション実行部１０６は、上記追加候補点としての新規点に対応する入力データ（設計パラメータ）、及び、上記第１のシミュレーションモデルとしてのシミュレーションモデルＡにて用いられた入力データ（設計パラメータ）を入力し、第２のシミュレーションモデルとしてのシミュレーションモデルＢを用いてシミュレーションを実行する。シミュレーション実行部１０６は、シミュレーション実行結果である、入力データ（設計パラメータ）及び出力データ（設計パラメータ）のペアを解析部１０５へ内部バス１１１を介して転送し、ステップＳ１４へ戻る。
その後、ステップＳ１４〜ステップＳ１７までの処理を繰り返し実行し、ステップＳ１８では、ステップＳ１７にて異常判定部１０４により異常データ（異常点）が無いと判定された上記追加候補点としての新規点を、解析部１０５が学習データ（学習用の教師データ）として学習データベース１０２の所定の記憶領域に追加格納し、処理を終了する。

このように、第１のシミュレーションモデルとしてのシミュレーションモデルＡを用いて作成された学習データ（学習用の教師データ）に異常点が存在する場合、追加候補点としての新規点を生成し、更に追加候補点に異常点が含まれる場合には、第２のシミュレーションモデルとしてのシミュレーションモデルＢに変更し、異常点の有無を判定する構成とすることで、顧客の要求項目に対する精度の高い製品仕様案の予測を行うために必要な学習データの精度を向上することが可能となる。

ここで図３を用いて学習する設計パラメータについて説明する。図３では、設計パラメータＡ（２０１）及び設計パラメータＣ（２０２）の関係を２次元グラフに表示している散布図の一例を示している。なお、図３では、説明を分かり易くするため、設計パラメータＡ及び設計パラメータＣについて説明するが、上述のように実際には、製品仕様案に対応する設計パラメータには、例えば、設計パラメータＡ及び設計パラメータＣの他に、設計パラメータＢなどの他の設計パラメータも含まれる。また、図示しないが、設計パラメータの中には、相互に相関を有する設計パラメータと、相互に相関を有さない設計パラメータが含まれる。
例えば、図３の学習データ分布表示２０３に示すように、設計パラメータＡ（２０１）及び設計パラメータＣ（２０２）の関係について２次元グラフにて表示されている。学習データ分布表示２０３において、設計パラメータＡの値が変化しても設計パラメータＣの値が変化しない領域２０４、及び、設計パラメータＡの値が変化すると一部の設計パラメータＣの値が変化する領域２０５が存在する。このような変化する領域２０５は異常と思われる箇所であり、異常か否かの判定が必要となる。

図４は、学習すべき設計パラメータを分類する方法の一例を説明する図である。図４では学習用の教師データ（学習データ）として、設計パラメータＡを入力データ、設計パラメータＣを出力データとする場合を想定している。また、設計パラメータＡ及び設計パラメータＣは、例えば、顧客の要求項目に対する製品仕様案がサーバに関するものである場合、サーバの寸法、材質、或いは強度などがのうち何れかが、それぞれの設計パラメータとして設定される。

図４の上図は、上述の第１のシミュレーションモデルとしてのシミュレーションモデルＡを用い、設計パラメータＡを入力し、シミュレーション実行部１０６（図１）が出力した設計パラメータＣとの関係を示している。すなわち、シミュレーション実行部１０６によるシミュレーション実行結果をプロットしたグラフである。また、図４の上図は、情報処理部４を構成する解析部１０５（図１）により、シミュレーション実行部１０６によるシミュレーション実行結果である入力データ（設計パラメータＡ）及び出力データ（設計パラメータＣ）のペアに対しデータクラスタリング処理を実行した状態を示している。図４の上図に示すように、入力データである設計パラメータＡが変化すると出力データである設計パラメータＣが徐々に増加する領域３０１と、一方で異常と思われる領域３０２とが存在する。徐々に増加する領域３０１は正常クラスタに分類され、異常と思われる領域３０２は異常クラスタに分類される。
正常クラスタに分類される徐々に増加する領域３０１は、設計パラメータＡ及び設計パラメータＣに相関を有すると思われる領域であり、この領域から外れている個所、すなわち、異常クラスタに分類される異常と思われる領域３０２は、シミュレーションモデルＡの精度などが要因となり発生していると思われる。例えば、シミュレーションでモデル化する際に、設計パラメータＡが取り得る範囲でモデル化している箇所と、モデル化できていない箇所が含まれる場合、設計パラメータＡ−設計パラメータＣの相関関係を抽出できるとは限らない。ここでのモデル化とは、設計パラメータＣが設計パラメータＡの二次式などで表現され、設計パラメータＡの取り得る値の最大−最小値を設定し、その範囲内で設計パラメータＣを求めるようなケースを想定している。ここでのモデル化が、設計パラメータＡの取り得る値の最大−最小値で常に二次式で表現されるとは限らず、一次式で表現される場合もある。そのため、モデル化により設計パラメータＡと設計パラメータＣの関係が変化する可能性があるため、適用したシミュレーションモデルによる当てはまり具合の確認が必要となる。なお、図４の上図では設計パラメータＡと設計パラメータＣとの相関を確認する図であり、例えば、表示部１０８（図１）の表示画面上に表示される。なお、図４の上図では、２つの設計パラメータである設計パラメータＡ及び設計パラメータＣとの相関関係を二次元的に示しているが、仮に３つの設計パラメータの相関関係を示す場合には、３次元的に表示される。すなわち、設計パラメータの数に応じて多次元的に表示される。

次に図４の下図では、相関が高い点、すなわち、正常クラスタに分類される徐々に増加する領域３０１と、異常クラスタに分類される異常と思われる領域３０２との間であって、異常クラスタに分類される異常と思われる領域３０２の外周部よりも外側に、解析部１０５が、追加候補点として新規追加点３０３を生成した状態を示している。この状態において、上述のように、モデル変更部１０３が、第１のシミュレーションモデルとしてのシミュレーションモデルＡから第２のシミュレーションモデルとしてのシミュレーションＢにシミュレーションモデルを変更し、シミュレーション実行部１０６が第２のシミュレーションモデルとしてのシミュレーションＢを用いてシミュレーションを実行する。シミュレーションモデル及びシミュレーション実行部１０６から成るシミュレータでは、新規追加点に対応する設計パラメータＡをシミュレータの入力として与えて、設計パラメータＣを出力値として得る。設計パラメータＡと設計パラメータＣの組合せが最初の新規追加点３０３から、正常クラスタに分類される徐々に増加する領域３０１に近づく場合、その点を学習データ（学習用の教師データ）として追加する。

図５は、図１に示す表示部１０８に表示される、学習する設計パラメータの分布を示す表示画面例である。図５に示すように、表示部１０８の表示画面４０１は、第１表示領域４０２及びコマンド入力領域としての第２表示領域４０３から構成される。コマンド入力領域としての第２表示領域４０３は、学習データを読み込むコマンドを入力するための「読込」ボタン４０４、２次元グラフに表示するコマンドを入力するための「２次元表示」ボタン４０５、学習データ（学習用の教師データ）に異常データが含まれているか否かを分類するクラスタリンを実行させるコマンドを入力するための「クラスタリング」ボタン４０６、新規点を追加するコマンドを入力するための「新規点追加」ボタン４０７、シミュレーションモデルを変更するコマンドを入力するための「モデル変更」ボタン４０８、シミュレーションを実行させるコマンドを入力するための「Ｓｉｍ実行」ボタン４０９、及び、最終的な学習データ（学習用の教師データ）を出力するコマンドを入力するための「データ出力」ボタン４１０を有する。
図５に示すように、ユーザによりマウス等の入力部１０１よりマウスポインタが「２次元表示」ボタン４０５上に移動され、クリックされると、「２次元表示」ボタン４０５がアクティブとなる。これに対応して、表示制御部１１０（図１）は、第１のシミュレーションモデルとしてのシミュレーションモデルＡを用いてシミュレーション実行部１０６によるシミュレーション結果である学習データとしての設計パラメータＡと設計パラメータＣとの関係を示す散布図を、第１表示領域４０２に表示する。

図６は、図１に示す表示部１０８に表示される、学習する設計パラメータを分類した状態を示す表示画面例である。図６では、図５に示した表示状態から、ユーザによりマウス等の入力部１０１よりマウスポインタが「クラスタリング」ボタン４０６上に移動され、クリックされることにより、「クラスタリング」ボタン４０６がアクティブとなった状態の表示画面例を示している。「クラスタリング」ボタン４０６がアクティブとなると、解析部１０５が、上述の図２におけるステップＳ１２に示したように、シミュレーション実行部１０６によるシミュレーション実行結果である入力データ（設計パラメータＡ）及び出力データ（設計パラメータＣ）のペアに対しデータクラスタリング処理を実行する。そして、異常判定部１０４が、上述図２におけるステップＳ１３に示したように、解析部１０５より転送されたデータクラスタリング処理結果に対し異常の有無を判定する。図６に示すように、表示制御部１１０は、異常判定部１０４による判定結果として、正常クラスタ５０１及び異常クラスタ５０２を第１表示領域４０２に表示する。

図７は、図１に示す表示部１０８に表示される、学習する設計パラメータの新規点を追加した状態を示す表示画面例である。図７では、図６に示した表示状態から、ユーザによりマウス等の入力部１０１よりマウスポインタが「新規点追加」ボタン４０７上に移動され、クリックされることにより、「新規点追加」ボタン４０７がアクティブとなった状態の表示画面例を示している。「新規点追加」ボタン４０７がアクティブとなると、解析部１０５が、上述の図２におけるステップＳ１４に示したように、異常データ或いは異常データが含まれる異常クラスタ５０２と正常クラスタ５０１の間であって、異常データ或いは異常データが含まれる異常クラスタ５０２の外周部よりも外側に、追加候補点として新規追加点５０３を、相互に距離が一定となるよう生成する。表示制御部１１０は、図７に示すように、解析部１０５により生成された追加候補点としての新規追加点５０３を第１表示領域４０２に表示する。ここで、新規追加点５０３間の距離は、例えば、ユーザにより、予め数値として入力部１０１を介して設定される、或は、異常クラスタ５０２と正常クラスタ５０１の間であって異常クラスタ５０２の外周部よりも外側に例えば新規追加点５０３を６個配する等、適宜設定される。このとき、解析部１０５は、上述の図２におけるステップＳ１５及びステップＳ１６を実行し、異常判定部１０４が、上述の図２におけるステップＳ１７を実行することにより、追加候補点としての新規追加点５０３が、第１のシミュレーションモデルとしてのシミュレーションモデルＡに適合するか否かを評価すると共に学習データ（学習用の教師データ）として学習データベース１０２に追加可能か否かを判定する。
なお、新規追加点５０３間の距離の設定については、上述の構成に限られるものではない。例えば、解析部１０５が、予め図示しない記憶部に関数を格納し、格納された関数を用いて、正常クラスタ５０１の外周部と異常クラスタ５０２の外周部の間に、ランダムに新規点を追加するよう構成しても良い。何れにしても、上述の構成とすることで、追加候補点としての新規追加点５０３の生成を自動化することが可能となる。

図８は、図７に示す学習する設計パラメータを分類した状態を示す表示画面例である。図８では、図７に示した表示状態から、ユーザによりマウス等の入力部１０１よりマウスポインタが「モデル変更」ボタン４０８上に移動され、クリックされることにより、「モデル変更」ボタン４０８がアクティブとなり、更に、「Ｓｉｍ実行」ボタン４０９がアクティブとなった状態の表示画面例を示している。「モデル変更」ボタン４０８がアクティブとなると、上述の図２におけるステップＳ１９に示したように、モデル変更部１０３が、第１のシミュレーションモデルとしてのシミュレーションモデルＡから、第２のシミュレーションモデルとしてのシミュレーションモデルＢにシミュレーションモデルを変更する。
そして、「Ｓｉｍ実行」ボタン４０９がアクティブとなると、シミュレーション実行部１０６が、追加候補点としての新規追加点５０３に対応する設計パラメータＡ、及び、正常クラスタ５０１に含まれる設計パラメータＡ並びに異常クラスタ５０２に含まれる設計パラメータＡを入力データとし、第２のシミュレーションモデルとしてのシミュレーションモデルＢを用いてシミュレーションを実行する。続いて、解析部１０５が、シミュレーション実行部１０６によるシミュレーション実行結果である入力データ（設計パラメータＡ）及び出力データ（設計パラメータＣ）のペアに対しデータクラスタリング処理を実行する。そして、異常判定部１０４が解析部１０５より転送されたデータクラスタリング処理結果に対し異常の有無を判定する。図８に示すように、表示制御部１１０は、異常判定部１０４による判定結果として、正常クラスタ５０１を第１表示領域４０２に表示する。図８に示されるように、シミュレーションモデルＢを用いたシミュレーションでは、追加候補点としての新規追加点５０３のうち一部の新規追加点が正常クラスタ５０１に含まれ、学習データの追加点５０４となっている。なお、シミュレーションモデルＢへの変更後に、シミュレーション実行結果に対しデータクラスタリング処理を実行するのは、シミュレーションモデルＢを用いたシミュレーション実行部１０６によるシミュレーション実行の結果、追加候補点としての新規追加点５０３の全てが必ずしも正常クラスタ５０１に含まれるとは限らないためである。

図９は、図８に示す分類後の学習データを学習データベースに格納する際の表示画面例である。図９では、図８に示した表示状態から、ユーザによりマウス等の入力部１０１よりマウスポインタが「データ出力」ボタン４１０上に移動され、クリックされることにより、「データ出力」ボタン４１０がアクティブとなった状態の表示画面例を示している。「データ出力」ボタン４１０がアクティブとなると、解析部１０５は、図８に示した学習データの追加点５０４に対応する設計パラメータＡ及び設計パラメータＣを、学習データ（学習用の教師データ）として学習データベース１０２の所定の記憶領域に追加格納する。表示制御部１１０は、学習データの追加点５０４を含む正常クラスタ５０１に含まれる設計パラメータＡと設計パラメータＣとの関係を示す散布図を第１表示領域４０２に表示する。

以上の通り、本実施例によれば、顧客の要求項目に対する精度の高い製品仕様案の予測を行うために必要な学習データの精度を向上でき、高精度のシミュレーションを実行可能とする設計支援装置を提供することが可能となる。
また、本実施例によれば、学習データの精度が向上されることから、製品仕様案を短時間且つ高精度で予測することが可能となる。

図１０は、本発明の他の実施例に係る設計支援システムの全体概略構成図である。本実施例では、設計支援装置がネットワークを介して少なくとも１つの電子端末と相互に通信可能に接続され設計支援システムを構成する点が実施例１と異なる。以下では、実施例１と同様の構成要素に同一符号を付している。

図１０に示すように、設計支援システム１０は、設計支援装置１ａ、複数の電子端末５ａ〜５ｃ、及びこれらを相互に通信可能に接続するネットワーク６から構成される。設計支援装置１ａは、例えば、サーバにて実現され、電子端末５ａ〜５ｃは、例えば、モバイルコンピュータ、デスクトップコンピュータ、スマートフォン、またはタブレット等により実現される。また、ネットワーク６は有線であるか無線であるかを問わない。なお、図１０では、電子端末として、電子端末５ａ、電子端末５ｂ、及び電子端末５ｃの３台示しているが、ネットワーク６を介して設計支援装置１ａに接続される電子端末の数はこれに限られるものではなく、少なくとも１台の電子端末がネットワーク６を介して設計支援装置１ａに接続される形態も含まれる。

図１１は、図１０に示す設計支援システム１０を構成する設計支援装置１ａの機能ブロック図である。図１１に示すように、設計支援装置１ａを構成する情報処理部４ａは、学習データベース１０２、モデル変更部１０３、異常判定部１０４、解析部１０５、シミュレーション実行部１０６、シミュレーションモデル記憶部１０７、及び通信Ｉ／Ｆ１１２を有し、これらは内部バス１１１にて相互に接続されている。モデル変更部１０３、異常判定部１０４、解析部１０５、及びシミュレーション実行部１０６は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等のプロセッサ、プログラムを格納するＲＯＭ、ＲＯＭより読み出されたプログラムをプロセッサが実行する過程のデータ等を一時的に格納するＲＡＭ等の記憶装置にて実現される。
なお、情報処理部４ａが、更に、実施例１に示した入力処理部１０９及び表示制御部１１０を備え、設計支援装置１ａが入力部１０１及び表示部１０８を有する構成としても良い。

例えば、電子端末５ａ〜５ｃのうち、電子端末５ａより、ネットワーク６を介して学習させるデータ（学習用の教師データ）として設計パラメータＡ及び設計パラメータＣが通信Ｉ／Ｆ１１２に受信されると、通信Ｉ／Ｆ１１２は、内部バス１１１を介してシミュレーション実行部１０６へ受信した設計パラメータＡ及び設計パラメータＣを転送する。
シミュレーション実行部１０６は、上述の実施例１にて説明したように、図２に示すステップＳ１１を実行し、通信Ｉ／Ｆ１１２より転送される学習させるデータ（学習用の教師データ）である設計パラメータＡ及び設計パラメータＣ、及び、シミュレーションモデル記憶部１０７に格納される、例えば、第１のシミュレーションモデルとしてのシミュレーションモデルＡを用いてシミュレーションを実行する。シミュレーション実行部１０６は、シミュレーション実行結果である、入力データ（設計パラメータＡ）及び出力データ（設計パラメータＣ）のペアを解析部１０５へ内部バス１１１を介して転送する。

解析部１０５は、シミュレーション実行結果である、入力データ（設計パラメータＡ）及び出力データ（設計パラメータＣ）のペアを通信Ｉ／Ｆ１１２及びネットワーク６を介して、電子端末５ａの表示画面上に上述の図５に示した第１表示領域４０２及びコマンド入力領域としての第２表示領域４０３を表示させ、第１表示領域４０２にシミュレーション結果である学習データとしての設計パラメータＡと設計パラメータＣとの関係を示す散布図を表示させる。
電子端末５ａよりネットワーク６を介してクラスタリングを実行させるためのコマンドが通信Ｉ／Ｆ１１２に受信されると、解析部１０５は、上述の実施例１にて説明したように、図２に示すステップＳ１２を実行し、シミュレーション実行結果である、入力データ（設計パラメータＡ）及び出力データ（設計パラメータＣ）のペアに対するデータクラスタリング処理結果を異常判定部１０４へ内部バス１１１を介して転送する。異常判定部１０４は、上述の図２に示すステップＳ１３を実行し、異常クラスタ或いは異常クラスタに含まれる異常データ（異常点）の有無を判定する。解析部１０５は、異常判定部１０４による判定結果である正常クラスタ及び異常クラスタを、通信Ｉ／Ｆ１１２及びネットワーク６を介して、電子端末５ａの表示画面上の第１表示領域４０２に図６に示すように表示させる。

電子端末５ａよりネットワーク６を介して新規点を追加するコマンドが通信Ｉ／Ｆ１１２に受信されると、解析部１０５は、上述の実施例１にて説明したように、図２におけるステップＳ１４を実行し、異常データ或いは異常データが含まれる異常クラスタ５０２と正常クラスタ５０１の間であって、異常データ或いは異常データが含まれる異常クラスタ５０２の外周部よりも外側に、追加候補点として新規追加点５０３を、相互に距離が一定となるよう生成する。このとき、解析部１０５は、上述の図２におけるステップＳ１５及びステップＳ１６を実行し、異常判定部１０４が、上述の図２におけるステップＳ１７を実行することにより、追加候補点としての新規追加点５０３が、第１のシミュレーションモデルとしてのシミュレーションモデルＡに適合するか否かを評価すると共に学習データ（学習用の教師データ）として学習データベース１０２に追加可能か否かを判定する。また、解析部１０５は、生成した追加候補点としての新規追加点５０３を通信Ｉ／Ｆ１１２及びネットワーク６を介して、電子端末５ａの表示画面上の第１表示領域４０２に図７に示すように表示させる。

電子端末５ａよりネットワーク６を介してシミュレーションモデルを変更するコマンド及びシミュレーションを実行させるコマンドが通信Ｉ／Ｆ１１２に受信されると、モデル変更部１０３が、上述の実施例１にて説明したように、図２におけるステップＳ１９を実行し、第１のシミュレーションモデルとしてのシミュレーションモデルＡから、第２のシミュレーションモデルとしてのシミュレーションモデルＢにシミュレーションモデルを変更する。そして、シミュレーション実行部１０６が、追加候補点としての新規追加点５０３に対応する設計パラメータＡ、及び、正常クラスタ５０１に含まれる設計パラメータＡ並びに異常クラスタ５０２に含まれる設計パラメータＡを入力データとし、第２のシミュレーションモデルとしてのシミュレーションモデルＢを用いてシミュレーションを実行する。続いて、解析部１０５が、シミュレーション実行部１０６によるシミュレーション実行結果である入力データ（設計パラメータＡ）及び出力データ（設計パラメータＣ）のペアに対しデータクラスタリング処理を実行する。そして、異常判定部１０４が解析部１０５より転送されたデータクラスタリング処理結果に対し異常の有無を判定する。解析部１０５は、異常判定部１０４による判定結果を通信Ｉ／Ｆ１１２及びネットワーク６を介して、電子端末５ａの表示画面上の第１表示領域４０２に図８に示すように表示させる。

電子端末５ａよりネットワーク６を介して最終的な学習データ（学習用の教師データ）を出力するコマンドが通信Ｉ／Ｆ１１２に受信されると、解析部１０５は、図８に示した学習データの追加点５０４に対応する設計パラメータＡ及び設計パラメータＣを、学習データ（学習用の教師データ）として学習データベース１０２の所定の記憶領域に追加格納する。更に、解析部１０５は、学習データの追加点５０４を含む正常クラスタ５０１に含まれる設計パラメータＡと設計パラメータＣとの関係を示す散布図を、通信Ｉ／Ｆ１１２及びネットワーク６を介して、電子端末５ａの表示画面上の第１表示領域４０２に図９に示すように表示させる。

本実施例によれば、顧客の要求項目に対する精度の高い製品仕様案の予測を行うために必要な学習データの精度を向上でき、高精度のシミュレーションを実行可能とする設計支援システムを提供することが可能となる。
また、本実施例によれば、複数のユーザが設計支援装置を共有することが可能となり、顧客とのやり取りの場へ電子端末を携帯することにより、顧客に対し直ちに製品仕様案の提示を行うことが可能となる。

なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。

１，１ａ…設計支援装置
４，４ａ…情報処理部
５ａ，５ｂ，５ｃ…電子端末
６…ネットワーク
１０…設計支援システム
１０１…入力部
１０２…学習データベース
１０３…モデル変更部１０３
１０４…異常判定部
１０５…解析部
１０６…シミュレーション実行部
１０７…シミュレーションモデル記憶部
１０８…表示部
１０９…入力処理部
１１０…表示制御部
１１１…内部バス
１１２…通信Ｉ／Ｆ
２０１…設計パラメータＡ
２０２…設計パラメータＣ
２０３…学習データ分布表示
２０４…変化しない領域
２０５…変化する領域
３０１…徐々に増加する領域
３０２…異常と思われる領域
３０３，５０３…新規追加点
４０１…表示画面
４０２…第１表示領域
４０３…第２表示領域
４０４…読込ボタン
４０５…２次元表示ボタン
４０６…クラスタリングボタン
４０７…新規点追加ボタン
４０８…モデル変更ボタン
４０９…Ｓｉｍ実行ボタン
４１０…データ出力ボタン
５０１…正常クラスタ
５０２…異常クラスタ
５０４…学習データの追加点

Claims (19)

1. 複数の入力データを第１のシミュレーションモデルを用いてシミュレーションし、シミュレーション結果を学習用の教師データとして出力するシミュレーション実行部と、
   得られた複数の教師データに対して異常の有無を判定する異常判定部と、
   前記異常判定部により異常と判定された教師データが存在する場合、第１のシミュレーションモデルと異なる第２のシミュレーションモデルに変更するモデル変更部と、
   前記異常判定部による判定結果を解析し解析結果を表示部へ出力する解析部と、を備え、
   前記シミュレーション実行部は、前記モデル変更部により変更された第２のシミュレーションモデルを用いて複数の入力データをシミュレーションし、シミュレーション結果を学習用の教師データとして出力することを特徴とする設計支援装置。
2. 請求項１に記載の設計支援装置において、
   前記学習用の教師データは、製品を構成する部品の相互に異なる設計パラメータであって、前記シミュレーション実行部に入力される設計パラメータ及び前記シミュレーション実行部より出力される設計パラメータは、少なくとも部品の寸法と、部品の材質と、部品強度のうち何れかであることを特徴とする設計支援装置。
3. 請求項２に記載の設計支援装置において、
   前記解析部は、前記シミュレーション実行部により前記第１のシミュレーションモデルを用いたシミュレーションにて得られる学習用の教師データを構成する入力データとしての設計パラメータと出力データとしての設計パラメータの複数のペアに対し、データクラスタリング処理を実行し、複数のクラスタに分類することを特徴とする設計支援装置。
4. 請求項３に記載の設計支援装置において、
   前記異常判定部は、前記解析部により分類されたクラスタ間の距離と所定の閾値とを比較し、クラスタ毎に正常クラスタ又は異常クラスタかを判定することを特徴とする設計支援装置。
5. 請求項４に記載の設計支援装置において、
   前記表示部の表示画面は、
   前記シミュレーション実行部により前記第１のシミュレーションモデルを用いたシミュレーションにて得られる学習用の教師データを構成する入力データとしての設計パラメータと出力データとしての設計パラメータの複数のペアを散布図にて表示すると共に、前記正常クラスタ及び異常クラスタを識別可能に表示する第１表示領域と、
   コマンド入力領域としての第２表示領域を有することを特徴とする設計支援装置。
6. 請求項５に記載の設計支援装置において、
   前記解析部は、前記正常クラスタと異常クラスタの間であって前記異常クラスタの外側に、追加候補点として新規追加点を相互に距離が一定となるよう生成することを特徴とする設計支援装置。
7. 請求項６に記載の設計支援装置において、
   前記解析部は、前記新規追加点に対応する入力データとしての設計パラメータ及び前記第１のシミュレーションモデルに基づく前記シミュレーション実行部によるシミュレーション結果に対し、データクラスタリング処理を実行し複数のクラスタに分類し、
   前記異常判定部は、前記解析部により分類されたクラスタ間の距離と所定の閾値とを比較し、クラスタ毎に正常クラスタ又は異常クラスタかを判定し、
   前記モデル変更部は、前記異常判定部により異常クラスタが存在すると判定された場合、前記第１のシミュレーションモデルとは異なる第２のシミュレーションモデルに変更することを特徴とする設計支援装置。
8. 請求項７に記載の設計支援装置において、
   学習用の教師データを格納する学習データベースを備え、
   前記解析部は、前記新規追加点に対応する入力データとしての設計パラメータ及び前記第２のシミュレーションモデルに基づく前記シミュレーション実行部によるシミュレーション結果に対し、データクラスタリング処理を実行し複数のクラスタに分類し、
   前記異常判定部は、前記解析部により分類されたクラスタ間の距離と所定の閾値とを比較し、クラスタ毎に正常クラスタ又は異常クラスタかを判定し、
   前記解析部は、正常クラタに含まれる新規追加点を前記学習データベースに追加格納することを特徴とする設計支援装置。
9. 請求項８に記載の設計支援装置において、
   記憶部に格納される過去の実績データにおける正常クラスタ及び異常クラスタ間の距離を、前記所定の閾値として設定することを特徴とする設計支援装置。
10. 請求項９に記載の設計支援装置において、
    前記第２表示領域は、読込ボタンと、２次元表示ボタンと、クラスタリングボタンと、新規点追加ボタンと、モデル変更ボタンと、シミュレーション実行ボタンと、データ出力ボタンと、を選択的に指定可能に表示することを特徴とする設計支援装置。
11. 少なくとも一つの電子端末とネットワークを介して接続される設計支援装置を有する設計支援システムであって、
    前記設計支援装置は、
    前記ネットワークを介して前記電子端末より入力される複数の入力データを第１のシミュレーションモデルを用いてシミュレーションし、シミュレーション結果を学習用の教師データとして出力するシミュレーション実行部と、
    得られた複数の教師データに対して異常の有無を判定する異常判定部と、
    前記異常判定部により異常と判定された教師データが存在する場合、第１のシミュレーションモデルと異なる第２のシミュレーションモデルに変更するモデル変更部と、
    前記異常判定部による判定結果を解析し解析結果を表示部へ出力する解析部と、を備え、
    前記シミュレーション実行部は、前記モデル変更部により変更された第２のシミュレーションモデルを用いて複数の入力データをシミュレーションし、シミュレーション結果を学習用の教師データとして前記ネットワークを介して前記電子端末へ出力することを特徴とする設計支援システム。
12. 請求項１１に記載の設計支援システムにおいて、
    前記学習用の教師データは、製品を構成する部品の相互に異なる設計パラメータであって、前記シミュレーション実行部に入力される設計パラメータ及び前記シミュレーション実行部より出力される設計パラメータは、少なくとも部品の寸法と、部品の材質と、部品強度のうち何れかであることを特徴とする設計支援システム。
13. 請求項１２に記載の設計支援システムにおいて、
    前記解析部は、前記シミュレーション実行部により前記第１のシミュレーションモデルを用いたシミュレーションにて得られる学習用の教師データを構成する入力データとしての設計パラメータと出力データとしての設計パラメータの複数のペアに対し、データクラスタリング処理を実行し、複数のクラスタに分類することを特徴とする設計支援システム。
14. 請求項１３に記載の設計支援システムにおいて、
    前記異常判定部は、前記解析部により分類されたクラスタ間の距離と所定の閾値とを比較し、クラスタ毎に正常クラスタ又は異常クラスタかを判定することを特徴とする設計支援システム。
15. 請求項１４に記載の設計支援システムにおいて、
    前記電子端末の表示画面は、
    前記シミュレーション実行部により前記第１のシミュレーションモデルを用いたシミュレーションにて得られる学習用の教師データを構成する入力データとしての設計パラメータと出力データとしての設計パラメータの複数のペアを散布図にて表示すると共に、前記正常クラスタ及び異常クラスタを識別可能に表示する第１表示領域と、
    コマンド入力領域としての第２表示領域を有することを特徴とする設計支援システム。
16. 請求項１５に記載の設計支援システムにおいて、
    前記解析部は、前記正常クラスタと異常クラスタの間であって前記異常クラスタの外側に、追加候補点として新規追加点を相互に距離が一定となるよう生成することを特徴とする設計支援システム。
17. 請求項１６に記載の設計支援システムにおいて、
    前記解析部は、前記新規追加点に対応する入力データとしての設計パラメータ及び前記第１のシミュレーションモデルに基づく前記シミュレーション実行部によるシミュレーション結果に対し、データクラスタリング処理を実行し複数のクラスタに分類し、
    前記異常判定部は、前記解析部により分類されたクラスタ間の距離と所定の閾値とを比較し、クラスタ毎に正常クラスタ又は異常クラスタかを判定し、
    前記モデル変更部は、前記異常判定部により異常クラスタが存在すると判定された場合、前記第１のシミュレーションモデルとは異なる第２のシミュレーションモデルに変更することを特徴とする設計支援システム。
18. 請求項１７に記載の設計支援システムにおいて、
    前記設計支援装置は、学習用の教師データを格納する学習データベースを備え、
    前記解析部は、前記新規追加点に対応する入力データとしての設計パラメータ及び前記第２のシミュレーションモデルに基づく前記シミュレーション実行部によるシミュレーション結果に対し、データクラスタリング処理を実行し複数のクラスタに分類し、
    前記異常判定部は、前記解析部により分類されたクラスタ間の距離と所定の閾値とを比較し、クラスタ毎に正常クラスタ又は異常クラスタかを判定し、
    前記解析部は、正常クラタに含まれる新規追加点を前記学習データベースに追加格納することを特徴とする設計支援システム。
19. 請求項１８に記載の設計支援システムにおいて、
    記憶部に格納される過去の実績データにおける正常クラスタ及び異常クラスタ間の距離を、前記所定の閾値として設定することを特徴とする設計支援システム。

Images