JP7005255B2 - 評価システム、評価方法及びプログラム - Google Patents
評価システム、評価方法及びプログラム Download PDFInfo
- Publication number
- JP7005255B2 JP7005255B2 JP2017189590A JP2017189590A JP7005255B2 JP 7005255 B2 JP7005255 B2 JP 7005255B2 JP 2017189590 A JP2017189590 A JP 2017189590A JP 2017189590 A JP2017189590 A JP 2017189590A JP 7005255 B2 JP7005255 B2 JP 7005255B2
- Authority
- JP
- Japan
- Prior art keywords
- evaluation
- data
- information
- time point
- data sets
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims description 372
- 238000013210 evaluation model Methods 0.000 claims description 102
- 230000007704 transition Effects 0.000 claims description 61
- 238000003066 decision tree Methods 0.000 claims description 30
- 238000012544 monitoring process Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 description 25
- 238000000034 method Methods 0.000 description 18
- 238000004458 analytical method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000006872 improvement Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000002950 deficient Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
また、他の態様によれば、前記評価モデルを作成するステップでは、機器の操作とその操作の結果生じる状態に関する前記第1データセットに対して前記操作に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、前記評価するステップでは、前記機器に対する操作が行われたときに取得された前記第2データセットの各々を評価し、前記出力するステップでは、前記第2データセットに対する前記評価結果とともに、前記機器の操作をするうえで参考となる前記教師データに含まれる前記第1データセットに付加された前記評価情報を時系列に並べて出力する評価方法である。
また、他の態様によれば、前記評価モデルを作成するステップでは、機器の状態を示す前記第1データセットに対して前記機器の状態に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、前記評価するステップでは、前記機器の状態を示す前記第2データセットの各々を評価し、前記出力するステップでは、前記第2データセットの各々に対する前記評価結果とともに、前記機器の状態を監視するうえで参考となる前記教師データに含まれる前記第1データセットに対する前記評価情報を時系列に並べて出力する評価方法である。
また、他の態様によれば、前記評価モデルを作成する手段は、機器の操作とその操作の結果生じる状態に関する前記第1データセットに対して前記操作に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、前記評価する手段は、前記機器に対する操作が行われたときに取得された前記第2データセットの各々を評価し、前記出力する手段は、前記第2データセットに対する前記評価結果とともに、前記機器の操作をするうえで参考となる前記教師データに含まれる前記第1データセットに付加された前記評価情報を時系列に並べて出力するプログラムである。
また、他の態様によれば、前記評価モデルを作成する手段は、機器の状態を示す前記第1データセットに対して前記機器の状態に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、前記評価する手段は、前記機器の状態を示す前記第2データセットの各々を評価し、前記出力する手段は、前記第2データセットの各々に対する前記評価結果とともに、前記機器の状態を監視するうえで参考となる前記教師データに含まれる前記第1データセットに対する前記評価情報を時系列に並べて出力するプログラムである。
以下、本発明の一実施形態による評価システムを図1~図7を参照して説明する。
図1は、本発明の一実施形態における評価システムの一例を示す機能ブロック図である。
図1に示す評価システム10は、機器やプラント等の操作や監視を行う間に記録したパラメータを用いて、その機器やプラント等に対する操作のプロセスや機器等の状態の推移を評価する目的で使用される。例えば、原子力プラント等の運転員が専用の運転訓練シミュレータ等を用いて行った運転訓練や実際のプラント運転時に行った操作の評価、プラントの運用監視におけるプラントの運転状態の評価等に使用することができる。以下、プラントの運転訓練に対する評価に用いる場合を例に説明を行う。評価システム10は、1台または複数台のコンピュータで構成される。図示するように評価システム10は、データ取得部11と、評価モデル作成部12と、評価部13と、評価結果出力部14と、参考データ選択部15と、操作受付部16と、記憶部17とを備える。
評価部13は、評価モデル作成部12が作成した評価用モデルに基づいて、評価データの各データセットに対する評価を行う。
参考データ選択部15は、評価データの各時点のデータセットに対する評価結果の推移のうち少なくとも一部と類似する推移を示す操作が行われたときに記録された教師データを選択する。
記憶部17は、教師データ、評価データ、評価モデルなど、種々の情報を記憶する。
図2(a)に良好データの一例を、図2(b)に不良データの一例を示す。
図2に例示するテーブルの一行分のデータが、教師データにおける1つのデータセットである。図示するように教師データ(決定木作成用データセット)は、「時刻」、「圧力」、「温度」、「弁開度」、「評価情報」の各項目を有している。この教師データは、プラント停止の運転訓練に関するもので、この訓練では、ある場所の温度を所定の速度で所定の温度まで低下させることが要求される。「時刻」には、各パラメータ(圧力、温度、弁開度)の取得時刻が記録される。「圧力」、「温度」にはそれぞれ、運転訓練シミュレータが模擬した圧力、温度の値が記録されている。「弁開度」には、訓練生がプラント停止に係る温度制御のために行ったバルブの開閉操作の結果(例えば、弁開度指令値)が記録される。「評価情報」には、各時刻のデータセット(「評価情報」を除く)が示す値に対する評価情報が記録される。この評価情報は、例えば、プラント停止の指示が行われてから1分後には当該温度をX1~X2℃の範囲に低下させ、次の1分間ではX3~X4℃の範囲に低下させるなど、各時点での要求を定めたマニュアル等に基づいて評価される。あるいは、評価情報は、熟練した運転員が定めた条件によって評価しても良い。さらに要求値どおりの操作についても、より望ましい範囲に温度を制御できた場合には「Good4(非常に良い)」、許容範囲内ぎりぎりの温度を達成した場合には「Good1(改善の余地あり)」など、さらに詳細な評価基準によって分類した評価情報を付加してもよい。同様に許容範囲内に温度を制御できなかった場合についても、達成した温度が許容範囲を少し外れる程度であれば「Bad1(やや悪い)」、許容範囲を大きく外れるような場合には「Bad4(非常に悪い)」など、不良の程度に応じた評価情報を付加することができる。
評価モデル作成部12は、図2で例示した教師データを記憶部17から読み出して、決定木分析等の手法によって評価モデルを作成する。図3に評価モデル作成部12が作成した評価モデル(決定木)の一例を示す。ここで決定木分析とは、データ分析手法の一つであって、条件定義を繰り返し、定義された条件に沿ってデータを分類していく方法である。決定木分析によって作成された決定木は、木構造を有し、分岐条件となる節ノードと分類結果となる葉ノードを持つ。決定木分析には、一般的なツールを用いることができる。評価モデル作成部12は、教師データに含まれる各パラメータの値と評価情報に基づいて、各節ノードの条件を算出する。図3の決定木の「条件1」~「条件6」には、「Good1」~「Good4」および「Bad1」~「Bad4」を分類するための、評価モデル作成部12によって算出された条件(例えば、「操作開始からX分後か?」、「圧力がX以上か?」、「温度がX~Xの範囲か?」、「弁開度がX~Xの範囲か?」など)が含まれている。決定木は、次に説明する評価データをこの決定木に適用し、根ノードから順に辿ると、「Good1」~「Good4」および「Bad1」~「Bad4」の何れかの葉ノードに至るよう構成される。
従って、評価モデル作成部12が評価モデル作成に使用する手法は、決定木に限定されない。時系列データに含まれる各時点におけるデータセットについて、その時系列データが示す事象の経時的な推移を評価することができれば、他の機械学習や深層学習の手法、主成分分析などの各種分析手法を用いて評価モデルを作成することができる。
評価モデル作成部12によって作成された評価モデルは、記憶部17に格納される。
評価データとは、評価対象の訓練生が運転操作を行ったときに記録された時系列のデータである。評価データは、教師データから評価情報を除いた他の項目を備えている。評価システム10に入力された評価データは、記憶部17に格納される。
これに対し、本実施形態では、それぞれの時点のデータセットに対する評価が様々な評価値を遷移しながら推移する様子を可視化する。これにより、評価データの有する傾向を把握することができる。次に本実施形態の評価結果の表示例について説明する。
図5に評価結果出力部14による評価結果の出力例を示す。図5のグラフの縦軸は評価情報、横軸は時間を表している。グラフL1は、教師データ(良好データ)の各時点のデータセットに付加された評価情報を時系列に並べ、それらを結んでできるグラフである。グラフL1は、模範となる操作の例である。同様にグラフL2は、良好な評価データの各時点のデータセットに対する評価結果を時系列に並べ、それらを結んでできるグラフである。また、グラフL3は、不良な評価データの各時点のデータセットに対する評価結果を時系列に並べ、それらを結んでできるグラフである。各グラフが描く軌跡を比べることで、評価データの傾向を把握することができる。例えば、グラフL1とグラフL2を比べると、時刻0~t1、時刻t2~t4、時刻t6以降は、同じ軌跡を辿っている。一方、時刻t1~t2、時刻t4~t6ではグラフL2は、グラフL1が描く軌跡から逸脱している。このように模範となるグラフL1と比較することで、例えば時刻t1、t4に行った操作に改善の余地があることを把握することができる。どのように改善するかについては、グラフL1の教師データ内の時刻t1、t4付近の操作やパラメータ値を参考にすることができる。
図6は、本発明の一実施形態における評価方法の一例を示すフローチャートである。
まず、ユーザが、教師データを作成し、評価システムへ投入する(ステップS1)。例えば、ユーザは、原子力プラントの運転訓練シミュレータ等から運転訓練中に記録された様々なパラメータを含んだ時系列データを取得する。ユーザは、運転訓練の内容に応じて、様々なパラメータの中から適切なパラメータを選択し、各パラメータに対する判定条件を設定する。ユーザは、取得した時系列データの各時点のデータセットについて、選択したパラメータの値と設定した判定基準に基づいて評価情報を付加し、教師データを作成する。ユーザは、教師データを評価システム10に投入する。評価システム10では、データ取得部11が、教師データを取得し、記憶部17に記録する。
コンピュータ900は、CPU901、主記憶装置902、補助記憶装置903、入出力インタフェース904、通信インタフェース905を備える。
上述の評価システム10は、コンピュータ900に実装される。そして、上述したデータ取得部11、評価モデル作成部12、評価部13、評価結果出力部14、参考データ選択部15、操作受付部16の各機能は、プログラムの形式で補助記憶装置903に記憶されている。CPU901は、プログラムを補助記憶装置903から読み出して主記憶装置902に展開し、当該プログラムに従って上記処理を実行する。また、CPU901は、プログラムに従って、記憶領域を主記憶装置902に確保する。また、CPU901は、プログラムに従って、処理中のデータを記憶する記憶領域を補助記憶装置903に確保する。なお、主記憶装置902、補助記憶装置903は記憶部17に対応する。
なお、評価システム10は、複数のコンピュータ900によって構成されていても良い。また、記憶部17を、コンピュータ900とは別体の外部記憶装置として構成しても良い。
なお、プラント停止など運転訓練におけるプラント状態、機器やプラントの状態監視における監視対象の状態は所定の事象の一例である。
11・・・データ取得部
12・・・評価モデル作成部
13・・・評価部
14・・・評価結果出力部
15・・・参考データ選択部
16・・・操作受付部
17・・・記憶部
Claims (12)
- 所定の事象の推移に関して第1の時系列の各時点において取得した前記事象に関するパラメータの値とその時点の情報を有する第1データセットの各々に対して評価情報が付加された教師データに基づいて、前記第1データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成する評価モデル作成部と、
前記事象の推移に関して第2の時系列の各時点において取得した前記パラメータの値とその時点の情報を有する第2データセットについて、前記各時点の前記第2データセットの各々を前記評価モデルによって評価する評価部と、
前記第2データセットの各々に対する評価結果を、時系列に並べて出力する出力部と、 を備え、
前記出力部は、前記評価結果の推移を前記教師データに付加された前記評価情報の推移とともに出力する、
評価システム。 - 所定の事象の推移に関して第1の時系列の各時点において取得した前記事象に関するパラメータの値とその時点の情報を有する第1データセットの各々に対して評価情報が付加された教師データに基づいて、前記第1データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成する評価モデル作成部と、
前記事象の推移に関して第2の時系列の各時点において取得した前記パラメータの値とその時点の情報を有する第2データセットについて、前記各時点の前記第2データセットの各々を前記評価モデルによって評価する評価部と、
前記第2データセットの各々に対する評価結果を、時系列に並べて出力する出力部と、 を備え、
前記評価モデル作成部は、機器の操作とその操作の結果生じる状態に関する前記第1データセットに対して前記操作に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、
前記評価部は、前記機器に対する操作が行われたときに取得された前記第2データセットの各々を評価し、
前記出力部は、前記第2データセットに対する前記評価結果とともに、前記機器の操作をするうえで参考となる前記教師データに含まれる前記第1データセットに付加された前記評価情報を時系列に並べて出力する、
評価システム。 - 前記第2データセットに対する前記評価結果の推移の少なくとも一部と類似する推移を示す前記評価情報が付加された前記第1データセットを含む前記教師データを選択する参考データ選択部、
をさらに備え、
前記出力部は、前記参考データ選択部が選択した前記教師データの前記第1データセットに付加された前記評価情報を時系列に並べて出力する、
請求項2に記載の評価システム。 - 所定の事象の推移に関して第1の時系列の各時点において取得した前記事象に関するパラメータの値とその時点の情報を有する第1データセットの各々に対して評価情報が付加された教師データに基づいて、前記第1データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成する評価モデル作成部と、
前記事象の推移に関して第2の時系列の各時点において取得した前記パラメータの値とその時点の情報を有する第2データセットについて、前記各時点の前記第2データセットの各々を前記評価モデルによって評価する評価部と、
前記第2データセットの各々に対する評価結果を、時系列に並べて出力する出力部と、 を備え、
前記評価モデル作成部は、機器の状態を示す前記第1データセットに対して前記機器の状態に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、
前記評価部は、前記機器の状態を示す前記第2データセットの各々を評価し、
前記出力部は、前記第2データセットの各々に対する前記評価結果とともに、前記機器の状態を監視するうえで参考となる前記教師データに含まれる前記第1データセットに対する前記評価情報を時系列に並べて出力する、
評価システム。 - 前記評価モデル作成部は、各々の前記第1データセットに対する前記評価情報を葉ノードとする決定木を作成し、
前記評価部は、各々の前記第2データセットに前記決定木を適用することによって各々の前記第2データセットに対する前記葉ノードを評価し、
前記出力部は、各々の前記第2データセットに対して評価された葉ノードが示す評価情報を出力する、
請求項1から請求項4の何れか1項に記載の評価システム。 - プラントに発生する所定の事象の推移に関して第1の時系列の各時点において取得した前記事象に関する前記プラントの状態を示すパラメータの値および前記プラントに対して行われた操作を示すパラメータの値とその時点の情報を有する第1データセットの各々に対して前記各時点における前記プラントの状態に対する評価情報が付加された教師データに基づいて、前記第1データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成する評価モデル作成部と、
前記事象の推移に関して第2の時系列の各時点において取得した前記プラントの状態を示すパラメータの値および前記プラントに対して行われた操作を示すパラメータの値とその時点の情報を有する第2データセットについて、前記各時点の前記第2データセットの各々が示す前記プラントの状態を前記評価モデルによって評価する評価部と、
前記第2データセットの各々に対する評価結果を、時系列に並べて出力する出力部と、
を備える評価システム。 - 評価システムによって実行される評価方法であって、
所定の事象の推移に関して第1の時系列の各時点において取得した前記事象に関するパラメータの値とその時点の情報を有する第1データセットの各々に対して評価情報が付加された教師データに基づいて、前記第1データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成するステップと、
前記事象の推移に関して第2の時系列の各時点において取得した前記パラメータの値とその時点の情報を有する第2データセットについて、前記第2データセットの各々を前記評価モデルによって評価するステップと、
前記第2データセットの各々に対する評価結果を、時系列に並べて出力するステップと、
を有し、
前記出力するステップでは、前記評価結果の推移を前記教師データに付加された前記評価情報の推移とともに出力する、
評価方法。 - 評価システムによって実行される評価方法であって、
所定の事象の推移に関して第1の時系列の各時点において取得した前記事象に関するパラメータの値とその時点の情報を有する第1データセットの各々に対して評価情報が付加された教師データに基づいて、前記第1データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成するステップと、
前記事象の推移に関して第2の時系列の各時点において取得した前記パラメータの値とその時点の情報を有する第2データセットについて、前記第2データセットの各々を前記評価モデルによって評価するステップと、
前記第2データセットの各々に対する評価結果を、時系列に並べて出力するステップと、
を有し、
前記評価モデルを作成するステップでは、機器の操作とその操作の結果生じる状態に関する前記第1データセットに対して前記操作に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、
前記評価するステップでは、前記機器に対する操作が行われたときに取得された前記第2データセットの各々を評価し、
前記出力するステップでは、前記第2データセットに対する前記評価結果とともに、前記機器の操作をするうえで参考となる前記教師データに含まれる前記第1データセットに付加された前記評価情報を時系列に並べて出力する、
評価方法。 - 評価システムによって実行される評価方法であって、
所定の事象の推移に関して第1の時系列の各時点において取得した前記事象に関するパラメータの値とその時点の情報を有する第1データセットの各々に対して評価情報が付加された教師データに基づいて、前記第1データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成するステップと、
前記事象の推移に関して第2の時系列の各時点において取得した前記パラメータの値とその時点の情報を有する第2データセットについて、前記第2データセットの各々を前記評価モデルによって評価するステップと、
前記第2データセットの各々に対する評価結果を、時系列に並べて出力するステップと、
を有し、
前記評価モデルを作成するステップでは、機器の状態を示す前記第1データセットに対して前記機器の状態に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、
前記評価するステップでは、前記機器の状態を示す前記第2データセットの各々を評価し、
前記出力するステップでは、前記第2データセットの各々に対する前記評価結果とともに、前記機器の状態を監視するうえで参考となる前記教師データに含まれる前記第1データセットに対する前記評価情報を時系列に並べて出力する、
評価方法。 - 評価システムのコンピュータを、
所定の事象の推移に関して第1の時系列の各時点において取得した前記事象に関するパラメータの値とその時点の情報を有する第1データセットの各々に対して評価情報が付加された教師データに基づいて、前記第1データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成する手段、
前記事象の推移に関して第2の時系列の各時点において取得した前記パラメータの値とその時点の情報を有する第2データセットについて、前記第2データセットの各々を前記評価モデルによって評価する手段、
前記第2データセットの各々に対する評価結果を、時系列に並べて出力する手段、
として機能させ、
前記出力する手段は、前記評価結果の推移を前記教師データに付加された前記評価情報の推移とともに出力する、
プログラム。 - 評価システムのコンピュータを、
所定の事象の推移に関して第1の時系列の各時点において取得した前記事象に関するパラメータの値とその時点の情報を有する第1データセットの各々に対して評価情報が付加された教師データに基づいて、前記第1データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成する手段、
前記事象の推移に関して第2の時系列の各時点において取得した前記パラメータの値とその時点の情報を有する第2データセットについて、前記第2データセットの各々を前記評価モデルによって評価する手段、
前記第2データセットの各々に対する評価結果を、時系列に並べて出力する手段、
として機能させ、
前記評価モデルを作成する手段は、機器の操作とその操作の結果生じる状態に関する前記第1データセットに対して前記操作に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、
前記評価する手段は、前記機器に対する操作が行われたときに取得された前記第2データセットの各々を評価し、
前記出力する手段は、前記第2データセットに対する前記評価結果とともに、前記機器の操作をするうえで参考となる前記教師データに含まれる前記第1データセットに付加された前記評価情報を時系列に並べて出力する、
プログラム。 - 評価システムのコンピュータを、
所定の事象の推移に関して第1の時系列の各時点において取得した前記事象に関するパラメータの値とその時点の情報を有する第1データセットの各々に対して評価情報が付加された教師データに基づいて、前記第1データセットの各々を、各々に付加された前記評価情報が示す評価に分類する基準を定めた評価モデルを作成する手段、
前記事象の推移に関して第2の時系列の各時点において取得した前記パラメータの値とその時点の情報を有する第2データセットについて、前記第2データセットの各々を前記評価モデルによって評価する手段、
前記第2データセットの各々に対する評価結果を、時系列に並べて出力する手段、
として機能させ、
前記評価モデルを作成する手段は、機器の状態を示す前記第1データセットに対して前記機器の状態に対する評価を前記評価情報として付加した前記教師データに基づいて、前記評価モデルを作成し、
前記評価する手段は、前記機器の状態を示す前記第2データセットの各々を評価し、
前記出力する手段は、前記第2データセットの各々に対する前記評価結果とともに、前記機器の状態を監視するうえで参考となる前記教師データに含まれる前記第1データセットに対する前記評価情報を時系列に並べて出力する
プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017189590A JP7005255B2 (ja) | 2017-09-29 | 2017-09-29 | 評価システム、評価方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017189590A JP7005255B2 (ja) | 2017-09-29 | 2017-09-29 | 評価システム、評価方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019066989A JP2019066989A (ja) | 2019-04-25 |
JP7005255B2 true JP7005255B2 (ja) | 2022-01-21 |
Family
ID=66339746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017189590A Active JP7005255B2 (ja) | 2017-09-29 | 2017-09-29 | 評価システム、評価方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7005255B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7257262B2 (ja) * | 2019-06-06 | 2023-04-13 | 三菱重工業株式会社 | 評価システム、評価方法及びプログラム |
JP7244443B2 (ja) | 2020-01-06 | 2023-03-22 | 株式会社東芝 | 情報処理装置、情報処理方法及びコンピュータプログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090089227A1 (en) | 2007-09-28 | 2009-04-02 | Rockwell Automation Technologies, Inc. | Automated recommendations from simulation |
JP2009176288A (ja) | 2008-01-24 | 2009-08-06 | Nec Lab America Inc | 運転監視方法および運転監視装置 |
JP2013178294A (ja) | 2012-02-28 | 2013-09-09 | Mitsubishi Heavy Ind Ltd | 操作習熟度評価システム |
JP2017123088A (ja) | 2016-01-08 | 2017-07-13 | 安川情報システム株式会社 | 決定木学習アルゴリズムを用いた予測プログラム、装置及び方法 |
-
2017
- 2017-09-29 JP JP2017189590A patent/JP7005255B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090089227A1 (en) | 2007-09-28 | 2009-04-02 | Rockwell Automation Technologies, Inc. | Automated recommendations from simulation |
JP2009176288A (ja) | 2008-01-24 | 2009-08-06 | Nec Lab America Inc | 運転監視方法および運転監視装置 |
JP2013178294A (ja) | 2012-02-28 | 2013-09-09 | Mitsubishi Heavy Ind Ltd | 操作習熟度評価システム |
JP2017123088A (ja) | 2016-01-08 | 2017-07-13 | 安川情報システム株式会社 | 決定木学習アルゴリズムを用いた予測プログラム、装置及び方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2019066989A (ja) | 2019-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104123219B (zh) | 测试软件的方法和设备 | |
WO2016039219A1 (ja) | 異常検知手順開発装置および異常検知手順開発方法 | |
Kalinowski et al. | Evidence-based guidelines to defect causal analysis | |
CN110262279A (zh) | 控制***以及控制方法 | |
US20230112783A1 (en) | Subject matter expert knowledge mapping using dynamic clustering | |
US20190066377A1 (en) | Systems and/or methods for virtual reality based process optimization | |
NO20180628A1 (en) | Digital twin and decision support for low or unmanned facilities | |
US11954604B2 (en) | Maintenance operation assistance system | |
JP7005255B2 (ja) | 評価システム、評価方法及びプログラム | |
CN115237086A (zh) | 工业厂房中的决策支持 | |
WO2020099135A1 (de) | Verfahren und assistenzsystem zum generieren von trainingsdaten zum lernbasierten konfigurieren eines technischen systems | |
WO2021111936A1 (ja) | 予測システム、情報処理装置および情報処理プログラム | |
JP7283105B2 (ja) | 分析装置および分析方法 | |
JPH10124134A (ja) | 診断システム | |
JP6499938B2 (ja) | 稼働データ分類装置 | |
CN115660645A (zh) | 一种维修人员技能评估方法、装置、设备及存储介质 | |
Angelopoulou et al. | A framework for simulation-based task analysis-The development of a universal task analysis simulation model | |
JP6899475B1 (ja) | 機械学習モデル精度分析システム、機械学習モデル精度分析方法及びプログラム | |
JP7052914B1 (ja) | 異常診断システム、異常診断装置、異常診断方法、及びプログラム | |
Azevedo et al. | Web-based tool for predicting the Remaining Useful Lifetime of Aircraft Components | |
Ulrich et al. | Using microworlds to support dynamic human reliability analysis | |
JP6150553B2 (ja) | 運転操作評価装置、運転操作評価方法および運転操作評価プログラム | |
CN117271678B (zh) | 一种钢铁企业安全数据回溯展示方法和装置 | |
JP7502448B2 (ja) | 検査装置 | |
US20240037016A1 (en) | Computer readable storage medium, debugging support device, debugging support method, and machine learning device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200511 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210329 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210601 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210721 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20211214 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220105 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7005255 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |