JP6647992B2 - 設計支援装置 - Google Patents

Description

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し、顧客の要望に応じた設計案を実現する設計パラメータを予測する設計支援装置に関する。

近年、製品やサービスの開発において、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顧客価値を最大化する上で求められている。顧客とコミュニケーションを円滑に進めるためには、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有効である。しかしながら、製品やサービスを構成する設計パラメータの数が増大な場合、顧客要望を勘案し設計者が決定する仕様案を設計ツールにて評価するのに時間を要してしまい、見積り検討の工数増大に繋がってしまう。そのため、見積り検討に要する時間を短縮して製品仕様案を提示可能な技術が有効となる。

製品やサービスの仕様を検討する時間を短縮して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短縮することが考えられる。計算リソースの増大、高性能コンピュータの使用、又はモデルの簡略化により、計算に要する時間を短縮できる。

しかしながら、既に使用されている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いった課題がある。また、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難しい。そのため設計ツールを用いて、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。

設計ツールを用いて設計空間を作成し最適化する方法が特許文献１、２で示されている。特許文献１には、実験計画法と遺伝的アルゴリズムを用いて、設計空間上に実験計画法サンプルを作成し、サンプル点を評価する構成が開示されている。

また、特許文献２には、設計・配合等の実験データの要因群と特性群の写像関係を学習し、要因条件から特性値を推定するとともに、任意の特性データに対して、それを作り出す要因データの最適値を求める方法が開示されている。

特開２０１０−００９５９５号公報 特開２００３-５８５８２号公報

顧客要求に対する仕様を高速に提示するために、機械学習を用いて製品設計のパラメータの最適値を予測する際に、学習させたサンプルの分布に偏りがあると予測の精度が低下してしまう。

特許文献１及び２では、サンプルの偏りについて考慮されていない。また、特許文献１は、シミュレーション結果を反映したサンプル点のみを評価対象としており、データ数が少ない。

そこで、本発明は計算時間の短縮化を可能とし、かつ予測精度の高い設計支援装置を提供することを目的とする。

上記課題を解決するために、本発明に係る設計支援装置は、入力データが入力される入力部と、学習用データを記憶する記憶部と、記憶部に記憶された学習用データに基づき、入力されたデータに対応する予測データを予測するデータ分析部と、データ分析部より予測された予測データについて、学習用データ及び予測データの分布から追加候補点を計算する追加候補点計算部と、追加候補点計算部により計算された追加候補点をシミュレーションにより補正する追加候補点補正部と、データ分析部より予測された予測データ、追加候補点計算部により計算された追加候補点、追加候補点補正部により補正された追加候補点、の少なくともいずれかについて、可視化し表示する出力部と、を備えることを特徴とする。

本発明によれば、計算時間の短縮化を可能とし、かつ予測精度の高い設計支援装置を提供することができる。

本発明の一実施形態に係る設計支援装置の構成図である。 実施例１に係る処理フローの一例である。 学習する設計パラメータを可視化した結果の一例である。 学習すべき設計パラメータを追加する方法の一例である。 学習用データの一例である。 学習する設計パラメータを可視化した画面の一例である。 学習する設計パラメータを可視化した画面の一例である。 学習する設計パラメータを可視化した画面の一例である。 学習する設計パラメータを可視化した画面の一例である。

本発明では入力された設計パラメータの変数範囲における予測誤差が所定値以下になるように、学習用データ及び予測データの分布から、新規サンプル点（追加候補点）を計算する。計算により算出された追加候補点をシミュレーションし、シミュレーション結果に基づき過去の実績データと製品の動作・環境条件により補正する装置を提案する。

機械学習により予測させるデータは、顧客が要求する項目に合致する製品やサービス等の仕様の設計パラメータである。機械学習の予測精度が高いと製品仕様案の再検討回数の低減につながる。一方、予測精度が低いと設計見積りの見直しが発生してしまい、検討工数が増大してしまう。このため、設計パラメータの予測精度を高めることが重要である。しかしながら、学習させるデータの分布に偏りがある場合、ある顧客要求項目に対して提示する仕様案のパターンが学習されていないと、予測精度が悪化してしまう。そのため、分布に偏りがないようにシミュレーションを実行し、学習用データを用意する必要がある。ただし、設計空間を網羅する学習用データを用意するためには、シミュレーションの実行回数を増やすことに繋がり計算時間を要することになる。そのため、予測精度を上げるべき箇所に学習用データを用意することが有効である。特に、製品を構成する設計パラメータのみでなく、サービスを構成するパラメータも機械学習の対象となる場合、網羅的な学習用データの作成により多くの時間を要してしまう。このため、予測精度を上げるべき箇所を過去の予測結果、実績データ、製品動作環境データから求めた後、学習すべきデータとして登録可能かどうかをシミュレーションで計算する。シミュレーションの結果により、学習すべきデータを補正して、ユーザに提示する。これにより、仕様設計案を短時間かつ高い精度で予測することが可能である。

以下、実施例を、図面を用いて説明する。

図１は、本発明の一実施形態に係る設計支援装置の構成図である。本システムは、顧客要求項目に対する製品仕様案を機械学習により提示するための学習用データを、シミュレーションによる計算結果、過去の予測結果、過去の実績データ、及び動作環境条件データから作成するものである。設計支援装置は、各種データが入力される入力部１０１と、各種データを記憶する記憶部１０４と、入力されたデータに対応する予測データを予測するデータ分析部１０２と、追加候補点を計算する追加候補点計算部１０３と、追加候補点を補正する追加候補点補正部１０５と、予測データ、追加候補点、及び補正された追加候補点の少なくともいずれかを可視化し表示する出力部１０８と、を備える。

入力部１０１には、顧客要求仕様である各種パラメータ（以下、入力データという。）が入力される。

データ分析部１０２は、記憶部に記憶されている学習用データから入力データに対応する予測データを予測する。ここで、学習用データとは、過去の実績データ又は計算結果に基づく顧客要求仕様と設計パラメータとの対応関係が分かるデータである。学習用データは、予め記憶部に記憶されているものを用いる。なお、入力部に、新たに学習用データを入力し、これを記憶部に記憶させておいてもよい。

データ分析部は、まず、記憶部に記憶されている学習用データの特徴を分析し、学習用データの分布を可視化する。可視化の手法としては、多次元のデータを２、３次元に圧縮する主成分分析や自己組織化マップの方法が利用可能である。本実施例では、主成分分析を例にとって説明する。データ分析部にて主成分分析した後、ｘ、ｙ軸から成る２次元グラフ上に学習用データの分布を表示する。学習用データの特徴分析の結果は記憶部に学習させる。学習されたデータを用いて、入力データに対応する出力データ（予測データ）を予測する。予測データについても主成分分析を用いて次元圧縮した結果を２次元グラフ上に予測点として表示することが可能である。

追加候補点計算部１０３は、学習の精度を高めるために、学習用データ及び予測データの分布から追加候補点を計算する。例えば、追加候補点は、学習用データの分布から幾何学的に求めることができる。追加候補点の入力と出力の関係は学習用データとして記憶部１０４に格納される。

追加候補点は、ある変数範囲における予測精度が所定値以下になるように求められることが好ましい。例えば、予め変数範囲及び所定値を設計支援装置に設計者が入力しておき、設計者が入力した変数範囲における予測精度が、設計者の入力値以下となるように追加候補点を算出することにより、設計者が製品の動作・環境条件を考慮して設定した条件にあうサンプル点を追加することができる。

また、追加候補点計算部は、追加候補点の要否を判断することが好ましい。追加候補点の要否を判断する場合は、シミュレーション実行部にて、予測データのシミュレーションを実行する。その後、追加候補点計算部にて予測データとシミュレーション結果の誤差を計算する。誤差が閾値以内であれば、追加候補点「不要」と判断し、追加候補点は追加しない。一方、誤差が閾値を超える場合は、追加候補点「要」と判断し、学習用データと予測データの分布から追加候補点を追加する。

追加候補点補正部は、シミュレーションにより追加候補点を補正する。追加候補点補正部は、主成分空間上の追加候補点の座標から逆変換を行い、追加候補点の学習用データを作成する。シミュレーション実行部１０６にて、追加候補点の学習用データについてシミュレーションを実行する。追加候補点補正部は、シミュレーション結果と一致するように追加候補点を補正する。

また、追加候補点補正部は、追加候補点が学習用データとして成立するかどうかを、評価することが好ましい。追加候補点は学習用データの分布から幾何的に求めたものであり、設計データとして有効かどうかの検証が必要である。例えば、追加候補点補正部は、追加候補点計算部により求められた追加候補点と、シミュレーション結果と、を比較し、追加候補点計算部の補正要否を判断することができる。補正「要」と判断した場合は、シミュレーション結果に基づき、追加候補点の補正を行えばよい。

出力部１０８は、補正された追加候補点を表示する。追加候補点は、ｘ、ｙ軸からなる２次元グラフ上に表示することが好ましい。出力部は、データ分析部より予測された予測データ、追加候補点計算部により計算された追加候補点を、表示しても良い。

図２は、学習用データを追加する際のプロセスを示したフローである。最初に、入力部にて、学習用データとして、過去の実績データやシミュレーションによる計算データ等の学習用データ、及び顧客要求仕様(以下、入力データという。)を読み込む（２０１）。読み込まれた学習用データは記憶部に記憶される。

続いて、データ分析部にて、主成分分析などによる方法で学習用データを多次元データから２次元データに圧縮する（２０２）。主成分分析を行うことにより、データの特徴を捉えた主成分軸が得られ、第一主成分軸、第二主成分軸から成る２次元グラフ上にデータをプロットできる。出力部１０８はデータ分析部による学習用データの分析結果を第一主成分軸、第二主成分軸から成る２次元グラフ上に表示する（２０３）。データ分析部による学習用データの特徴分析の結果を学習した後（２０４）、機械学習によって、入力データに対応する予測データ（出力データ）を予測する（２０５）。入力、出力の組合せに対して、２０２にて実行した特徴分析の結果から主成分得点（追加候補点）を計算する（２０６）。計算した主成分得点を主成分軸から成る２次元グラフ上にプロットする（２０７）。

入力データに対する予測結果が、シミュレーションによる結果とどの程度ずれているかを評価するため、シミュレーション実行部にてシミュレーションを行う（２０８）。追加候補点計算部にて、予測結果とシミュレーションによる結果との誤差を評価する（２０９）。予測結果とシミュレーション結果の誤差が閾値以内であれば、プロットした予測点の位置は動かさない（２１６）。誤差が閾値以上であれば、学習の精度を高める必要があるため、学習用データを新規点として追加する。以下、追加した新規点を追加候補点という。追加候補点は、主成分空間上で予測結果を含む三角形を構成できるように追加する（２１０）。

追加候補点補正部にて、得られた主成分空間上の追加候補点の座標を主成分結果の逆変換を行い、追加候補点に対応する学習用データを作成する（２１１）。作成された学習用データ（逆変換したデータ）に対して、シミュレーションを行い、追加候補点が学習用データとして利用可能かどうかを評価する。具体的には、逆変換したデータに含まれるシミュレーション入力値を使って、計算を実行する（２１２）。計算結果を再度主成分得点に変換し、２次元グラフ上にプロットする（２１３）。この時、シミュレーション結果の位置と追加候補点の位置が同じであれば、点の位置は変えない（２１４）。シミュレーション結果と追加候補点の位置がずれていれば、追加候補点の座標をシミュレーション結果の位置に修正する（２１５）。

補正された追加候補点について機械学習を実行し、入力した顧客要求項目に対応する出力データとして、設計パラメータを得ることができる。

図３は、主成分軸からなる２次元グラフを画面上に示したものである。２次元グラフは、横軸３０２が第一主成分軸、縦軸３０３が第二主成分軸であり、学習用データ３０４、予測データ３０５、追加候補点３０６がそれぞれ表示される構成となっている。図３では、データの種類によりプロットの形を変えているが、例えば色により表示を分けるなど、この他の強調表示も可能である。画面上には、学習用データと新規サンプル点を読込むボタン３０７、主成分分析した結果を表示するボタン３０８、新規サンプル点での予測結果を表示するボタン（３０９）、追加候補点を作成するボタン３１０、候補点の位置を修正するボタン３１１、追加候補点を含む学習用データを出力するボタン３１２が設けられている。

図４は、主成分得点の２次元グラフから追加候補点を求める方法を示したものである。（ａ）は、主成分軸からなる２次元グラフである。（ｂ）は、（ａ）の実線で囲まれた領域４０１の拡大図である。点ｐ１、点ｐ２は学習用データ、点ｐ３は予測データを示す。まず、データ分析部により予測された予測データｐ３の周りに学習用データが含まれるかどうかを検索する。例えば、ある半径ｒの中に点ｐ１、点ｐ２が含まれているとする。このとき（ｃ）に示すように、予測データである点ｐ３が内部に含まれ、点ｐ１、点ｐ２と三角形を構成するような点を追加候補点ｐ４として追加する。例えば、点ｐ１、ｐ２の外接円上（４０２）で、点ｐ３からの距離が最大となる位置に点ｐ４（４０６）を追加する。点ｐ１、ｐ２を通る外接円は下記（式１）で表される。

点ｐ３と点ｐ４の距離が最大となる位置は下記（式２）により求めることが可能である。

点ｐ１、ｐ２、ｐ４からなる三角形が点ｐ３を含んでいるかどうかを評価し、含んでいなければ点ｐ４の位置を移動して再度三角形内部に含まれるかどうかを評価する。これにより、追加候補点を新規に作成する。（ｄ）は追加候補点を追加した後の２次元グラフである。

図５は、対象製品を圧縮機とした際の、学習用データ（ａ）と予測データ（ｂ）の一例である。学習させる際の入力と出力の関係は、例えば、顧客要求項目５０１と設計パラメータ５０２で示すことができる。顧客要求項目、設計パラメータとして、例えば、流量、圧力、分子量、段数、回転数、インペラ径などのパラメータが存在している。このような学習用データを主成分分析により、主成分軸からなる２次元のデータに圧縮する。また、予測データについても、入力データ５０３と出力データ５０４が決まっている。出力データについては、機械学習による予測結果となる。

図６は、学習用データを主成分分析で圧縮した結果を２次元グラフで示す操作を説明する画面の一例である。学習用データと予測データを読込ボタン６０２で読込み、データ表示ボタン６０３を押すと、学習用データが表示される。また、予測結果表示ボタン６０４を押すと、新規サンプルデータの予測結果が３０５に示すような形で表示される。

図７は、予測結果表示ボタン７０２を押したときの予測結果を示した画面の一例である。予測結果を示した後、追加候補点作成ボタン７０３を押すと、学習用データ、予測結果に対して、追加すべき候補点を作成する。作成する方法は、図４で述べたような幾何的な特徴から求める方法が一例として挙げられる。

図８は、追加候補点を作成したときの画面の一例である。追加候補点作成ボタン８０１を押すと、追加候補点が作成され。続いて候補点修正ボタン８０３を押すと、幾何的特徴から得られた追加候補点が学習用データとして成立するかどうかを評価するため、シミュレーションを行って追加候補点の位置を修正して、２次元グラフ上に表示する。

図９は、追加候補点の位置を修正した結果を示した一例である。候補点修正ボタン９０２を押すと、追加した候補点の位置を修正し、データ出力ボタン９０３を押すと、追加した候補点の主成分得点を主成分分析の逆変換を行い、追加候補点の入力、出力データを含めた学習用データをテキストやｃｓｖ形式で出力する。

これまで示したように本発明では、機械学習で予測精度を上げるべき箇所を過去の予測結果、実績データ、製品動作環境データから求めた後、その箇所に作成したデータをシミュレーションし、学習すべきデータを補正してユーザに提示する。これにより、適切なデータを学習用データに追加できるため、機械学習の精度を向上でき、仕様案を短時間かつ高い精度で予測することが可能である。

１０１…入力部、１０２…データ分析部、１０３…追加候補点計算部、１０４…記憶部、１０５…追加候補点補正部、１０６…シミュレーション実行部、１０７…可視化部、１０８…出力部、６０１、７０１、８０１、９０１…表示画面、３０７、６０２…読込ボタン、３０８、６０３…データ表示ボタン、３０９、６０４、７０２…予測結果表示ボタン、３１０、７０３、８０２…追加候補点作成ボタン、３１１、８０３、９０２…候補点修正ボタン、３１２、９０３…データ出力ボタン

Claims (5)

1. データが入力される入力部と、
   学習用データを記憶する記憶部と、
   前記記憶部に記憶された学習用データに基づき、入力されたデータに対応する予測データを予測するデータ分析部と、
   前記データ分析部より予測された予測データについて、前記学習用データ及び前記予測データの分布から追加候補点を計算する追加候補点計算部と、
   前記追加候補点計算部により計算された追加候補点をシミュレーションにより補正する追加候補点補正部と、
   前記データ分析部より予測された予測データ、前記追加候補点計算部により計算された追加候補点、前記追加候補点補正部により補正された追加候補点、の少なくともいずれかについて、可視化し表示する出力部と、を備える設計支援装置。
2. 請求項１に記載の設計支援装置であって、
   前記追加候補点計算部は、入力された変数範囲における予測精度が所定値以下になるように前記学習用データ及び前記予測データの分布から追加候補点を計算することを特徴とする設計支援装置。
3. 請求項１又は請求項２に記載の設計支援装置であって、
   前記追加候補点計算部は、前記学習用データと前記予測データの分布から、前記予測データを網羅するように追加候補点を計算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であって、
   前記追加候補点補正部は、補正された前記追加候補点が、学習用データとして利用可能かどうかをシミュレーションにより評価することを特徴とする設計支援装置。
5. 請求項１乃至請求項４のいずれか一項に記載の設計支援装置であって、
   前記追加候補点計算部は、シミュレーション結果と、前記データ分析部により予測された予測データと、に基づき、追加候補点の作成要否を判断することを特徴とする設計支援装置。

Images