特開 2023-106917 装置、方法およびプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023106917

(43)【公開日】2023-08-02

(54)【発明の名称】装置、方法およびプログラム

(51)【国際特許分類】

   G05B 23/02 20060101AFI20230726BHJP

【ＦＩ】

G05B23/02 Z

【審査請求】有

【請求項の数】13

【出願形態】ＯＬ

(21)【出願番号】P 2022007927

(22)【出願日】2022-01-21

(71)【出願人】

【識別番号】000006507

【氏名又は名称】横河電機株式会社

(74)【代理人】

【識別番号】110000877

【氏名又は名称】弁理士法人ＲＹＵＫＡ国際特許事務所

(72)【発明者】

【氏名】藤井 英幸

(72)【発明者】

【氏名】片山 裕貴

【テーマコード（参考）】

3C223

【Ｆターム（参考）】

3C223AA01

3C223AA02

3C223AA03

3C223AA04

3C223AA05

3C223BA03

3C223CC01

3C223DD02

3C223EB01

3C223FF22

3C223FF24

3C223FF26

3C223GG02

3C223HH02

(57)【要約】

【解決手段】複数の学習アルゴリズムのそれぞれについて、利用権限を有するアカウントを記憶する記憶部と、各学習アルゴリズムの利用を、当該学習アルゴリズムについて利用権限を有するアカウントのユーザに制限する利用制御部と、前記複数の学習アルゴリズムのうち一の学習アルゴリズムについて利用権限を有するアカウントのユーザから供給される学習データを用いて当該一の学習アルゴリズムにより学習モデルの学習処理を行う学習処理部と、を備える装置が提供される。
【選択図】図１

【特許請求の範囲】

【請求項1】

複数の学習アルゴリズムのそれぞれについて、利用権限を有するアカウントを記憶する記憶部と、
各学習アルゴリズムの利用を、当該学習アルゴリズムについて利用権限を有するアカウントのユーザに制限する利用制御部と、
前記複数の学習アルゴリズムのうち一の学習アルゴリズムについて利用権限を有するアカウントのユーザから供給される学習データを用いて当該一の学習アルゴリズムにより学習モデルの学習処理を行う学習処理部と、
を備える装置。

【請求項2】

前記記憶部に新たな学習アルゴリズムを追加登録する登録部を備え、
前記登録部は、前記新たな学習アルゴリズムについて利用権限を有するアカウントに、当該新たな学習アルゴリズムの開発者のアカウントを含める、請求項１に記載の装置。

【請求項3】

前記記憶部は、利用権限の有効期限をさらに記憶する、請求項１または２に記載の装置。

【請求項4】

前記利用制御部は、前記複数の学習アルゴリズムのうち利用対象として選択された学習アルゴリズムについて利用権限を有しないアカウントのユーザに対し、前記複数の学習アルゴリズムのうち当該アカウントが利用権限を有する学習アルゴリズムの何れかを利用させる、請求項１から３の何れか一項に記載の装置。

【請求項5】

前記利用制御部は、各学習モデルの利用を、前記複数の学習アルゴリズムのうち、当該学習モデルの学習処理で用いられた学習アルゴリズムについて利用権限を有するアカウントのユーザに制限する、請求項１から４の何れか一項に記載の装置。

【請求項6】

前記記憶部は、各学習モデルについて利用権限を有するアカウントをさらに記憶し、
前記利用制御部は、各学習モデルの利用を、当該学習モデルについて利用権限を有するアカウントのユーザに制限する、請求項１から４の何れか一項に記載の装置。

【請求項7】

前記利用制御部は、複数の前記学習モデルのうち利用対象として選択された学習モデルについて利用権限を有しないアカウントのユーザに対し、前記複数の学習モデルのうち当該アカウントが利用権限を有する学習モデルの何れかを利用させる、請求項５または６に記載の装置。

【請求項8】

前記一の学習アルゴリズムにより学習処理が行われた一の学習モデルついて利用権限を有する一のアカウントのユーザから、または、当該一のアカウントのユーザにより設定されたセンサから、当該一の学習モデルに対する入力データを取得する入力データ取得部と、
前記入力データ取得部により取得された前記入力データを前記一の学習モデルに供給する供給部と、
前記入力データが入力された前記一の学習モデルから出力される出力データを前記一のアカウントのユーザに出力する出力部と、
をさらに備える、請求項５から７の何れか一項に記載の装置。

【請求項9】

前記一の学習モデルから出力される出力データの精度を取得する精度取得部と、
前記精度取得部により取得された精度が基準値よりも低いことに応じて、その旨を前記一のアカウントのユーザに報知する報知部と、
をさらに備える、請求項８に記載の装置。

【請求項10】

前記供給部は、前記入力データ取得部により取得された前記入力データを、他の学習モデルにさらに供給し、
前記精度取得部は、前記他の学習モデルから出力される出力データの精度をさらに取得し、
前記報知部は、前記一の学習モデルの出力データの精度よりも、前記他の学習モデルの出力データの精度の方が高いことに応じて、その旨を前記一のアカウントのユーザに報知する、請求項９に記載の装置。

【請求項11】

前記学習処理部は、前記一のアカウントのユーザからの指示に応じて、前記入力データを含む学習データを用いて、前記一の学習モデルの学習処理をさらに行う、請求項８から１０の何れか一項に記載の装置。

【請求項12】

複数の学習アルゴリズムのそれぞれについて、利用権限を有するアカウントを記憶する記憶段階と、
各学習アルゴリズムの利用を、当該学習アルゴリズムについて利用権限を有するアカウントのユーザに制限する利用制御段階と、
前記複数の学習アルゴリズムのうち一の学習アルゴリズムについて利用権限を有するアカウントのユーザから供給される学習データを用いて当該一の学習アルゴリズムにより学習モデルの学習処理を行う学習処理段階と、
を備える方法。

【請求項13】

コンピュータを、
複数の学習アルゴリズムのそれぞれについて、利用権限を有するアカウントを記憶する記憶部と、
各学習アルゴリズムの利用を、当該学習アルゴリズムについて利用権限を有するアカウントのユーザに制限する利用制御部と、
前記複数の学習アルゴリズムのうち一の学習アルゴリズムについて利用権限を有するアカウントのユーザから供給される学習データを用いて当該一の学習アルゴリズムにより学習モデルの学習処理を行う学習処理部
として機能させるプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、装置、方法およびプログラムに関する。

【背景技術】

【0002】

特許文献１には、「実地データ（in-the-field data）を使用して興味深い予測を生成できるトレーニング済み機械学習モデルを構築しようとする際に…研究者が必要とするデータにアクセスできない」と記載されている。
［先行技術文献］
［特許文献］
［特許文献１］ 特表２０１９-５２６８５１号公報

【発明の概要】

【0003】

本発明の第１の態様においては、装置が提供される。装置は、複数の学習アルゴリズムのそれぞれについて、利用権限を有するアカウントを記憶する記憶部を備えてよい。装置は、各学習アルゴリズムの利用を、当該学習アルゴリズムについて利用権限を有するアカウントのユーザに制限する利用制御部を備えてよい。装置は、複数の学習アルゴリズムのうち一の学習アルゴリズムについて利用権限を有するアカウントのユーザから供給される学習データを用いて当該一の学習アルゴリズムにより学習モデルの学習処理を行う学習処理部を備えてよい。

【0004】

装置は、記憶部に新たな学習アルゴリズムを追加登録する登録部を備えてよい。登録部は、新たな学習アルゴリズムについて利用権限を有するアカウントに、当該新たな学習アルゴリズムの開発者のアカウントを含めてよい。

【0005】

記憶部は、利用権限の有効期限をさらに記憶してよい。

【0006】

利用制御部は、複数の学習アルゴリズムのうち利用対象として選択された学習アルゴリズムについて利用権限を有しないアカウントのユーザに対し、複数の学習アルゴリズムのうち当該アカウントが利用権限を有する学習アルゴリズムの何れかを利用させてよい。

【0007】

利用制御部は、各学習モデルの利用を、複数の学習アルゴリズムのうち、当該学習モデルの学習処理で用いられた学習アルゴリズムについて利用権限を有するアカウントのユーザに制限してよい。

【0008】

記憶部は、各学習モデルについて利用権限を有するアカウントをさらに記憶してよい。利用制御部は、各学習モデルの利用を、当該学習モデルについて利用権限を有するアカウントのユーザに制限してよい。

【0009】

利用制御部は、複数の学習モデルのうち利用対象として選択された学習モデルについて利用権限を有しないアカウントのユーザに対し、複数の学習モデルのうち当該アカウントが利用権限を有する学習モデルの何れかを利用させてよい。

【0010】

装置は、一の学習アルゴリズムにより学習処理が行われた一の学習モデルついて利用権限を有する一のアカウントのユーザから、または、当該一のアカウントのユーザにより設定されたセンサから、当該一の学習モデルに対する入力データを取得する入力データ取得部を備えてよい。装置は、入力データ取得部により取得された入力データを一の学習モデルに供給する供給部を備えてよい。装置は、入力データが入力された一の学習モデルから出力される出力データを一のアカウントのユーザに出力する出力部を備えてよい。

【0011】

装置は、一の学習モデルから出力される出力データの精度を取得する精度取得部を備えてよい。装置は、精度取得部により取得された精度が基準値よりも低いことに応じて、その旨を一のアカウントのユーザに報知する報知部を備えてよい。

【0012】

供給部は、入力データ取得部により取得された入力データを、他の学習モデルにさらに供給してよい。精度取得部は、他の学習モデルから出力される出力データの精度をさらに取得してよい。報知部は、一の学習モデルの出力データの精度よりも、他の学習モデルの出力データの精度の方が高いことに応じて、その旨を一のアカウントのユーザに報知してよい。

【0013】

学習処理部は、一のアカウントのユーザからの指示に応じて、入力データを含む学習データを用いて、一の学習モデルの学習処理をさらに行ってよい。

【0014】

本発明の第２の態様においては、方法が提供される。方法は、複数の学習アルゴリズムのそれぞれについて、利用権限を有するアカウントを記憶する記憶段階を備えてよい。方法は、各学習アルゴリズムの利用を、当該学習アルゴリズムについて利用権限を有するアカウントのユーザに制限する利用制御段階を備えてよい。方法は、複数の学習アルゴリズムのうち一の学習アルゴリズムについて利用権限を有するアカウントのユーザから供給される学習データを用いて当該一の学習アルゴリズムにより学習モデルの学習処理を行う学習処理段階を備えてよい。

【0015】

本発明の第３の態様においては、プログラムが提供される。プログラムは、コンピュータを、複数の学習アルゴリズムのそれぞれについて、利用権限を有するアカウントを記憶する記憶部として機能させてよい。プログラムは、コンピュータを、各学習アルゴリズムの利用を、当該学習アルゴリズムについて利用権限を有するアカウントのユーザに制限する利用制御部として機能させてよい。プログラムは、コンピュータを、複数の学習アルゴリズムのうち一の学習アルゴリズムについて利用権限を有するアカウントのユーザから供給される学習データを用いて当該一の学習アルゴリズムにより学習モデルの学習処理を行う学習処理部として機能させてよい。

【0016】

なお、上記の発明の概要は、本発明の必要な特徴の全てを列挙したものではない。また、これらの特徴群のサブコンビネーションもまた、発明となりうる。

【図面の簡単な説明】

【0017】

【図1】実施形態に係るシステム１を示す。

【図2】新たな学習アルゴリズムを追加登録する場合に装置２によって表示される画面を示す。

【図3】ユーザ毎に利用権限を設定する場合に装置２によって表示される画面を示す。

【図4】装置２の動作を示す。

【図5】装置２の動作を示す。

【図6】変形例に係るシステム１Ｂを示す。

【図7】本発明の複数の態様が全体的または部分的に具現化されてよいコンピュータ２２００の例を示す。

【発明を実施するための形態】

【0018】

以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。

【0019】

［１．システム１］
図１は、本実施形態に係るシステム１を示す。システム１は、１または複数のユーザ端末１０と、設備１１と、装置２とを備える。

【0020】

［１．１．ユーザ端末１０］
各ユーザ端末１０は、ユーザにより操作される端末である。ユーザ端末１０は、一例としてＰＣであってよい。各ユーザ端末１０のユーザは、装置２によって提供されるサービスを利用するためのアカウントを有してよい。

【0021】

［１．２．設備１１］
各設備１１は、それぞれユーザにより操業される。各設備１１には、１または複数のセンサ１１１が設けられてよい。例えば設備１１は、複数の機器１１０が設けられたプラントでもよいし、複数の機器１１０を複合させた複合装置でもよい。プラントとしては、化学やバイオ等の工業プラントの他、ガス田や油田等の井戸元やその周辺を管理制御するプラント、水力・火力・原子力等の発電を管理制御するプラント、太陽光や風力等の環境発電を管理制御するプラント、上下水やダム等を管理制御するプラント等が挙げられる。

【0022】

［１．２．１．機器１１０］
各機器１１０は、器具、機械または装置であり、例えば、設備１１のプロセスにおける圧力、温度、ｐＨ、速度、流量などの少なくとも１つの物理量を制御するバルブ、ポンプ、ヒータ、ファン、モータ、スイッチ等のアクチュエータであってよい。各機器１１０は互いに異種でもよいし、少なくとも一部の２以上の機器１１０が同種でもよい。本実施形態では一例として、機器１１０は外部から有線または無線で制御されるが、手動で制御されてもよい。

【0023】

［１．２．２．センサ１１１］
各センサ１１１は、設備１１の状態の測定を行う。センサ１１１は、圧力、温度、ｐＨ、速度、流量などの少なくとも１つの物理量を測定してよい。また、センサ１１１は、設備１１の収量や、生産物の品質、混入する不純物の割合、各機器１１０の運転状況などの測定を行ってもよい。各センサ１１１は互いに異種でもよいし、少なくとも一部の２以上のセンサ１１１が同種でもよい。一例として、複数のセンサ１１１は、設備１１内の炉における別々の位置に設けられた温度センサであってよい。各センサ１１１は、測定データをユーザ端末１０に供給してよい。

【0024】

［１．３．装置２］
装置２は、学習モデル２１１０の生成及び運用を行う。装置２は、学習モデル２１１０の生成および運用のサービスを提供する事業者（ベンダとも称する）により設置されてよく、ベンダによって使用される部分（ベンダ領域２０とも称する）と、提供されるサービスを利用するユーザによって使用される部分（ユーザ領域２１とも称する）とを有してよい。ユーザ領域２１は、ユーザ毎に設けられてよい。

【0025】

装置２は、ベンダ領域２０にアルゴリズム記憶部２００と、管理データ記憶部２０１と、管理部２０２と、制御部２０３とを有してよい。また、装置２は、各ユーザ領域２１に操作取得部２１０と、記憶部２１１と、学習データ取得部２１２と、学習処理部２１３と、入力データ取得部２１４と、供給部２１５と、出力部２１６と、精度取得部２１７と、報知部２１８とを有してよい。なお、装置２は、１または複数のコンピュータであってよく、ＰＣなどで構成されてもよいし、クラウドコンピューティングにより実現されてもよい。

【0026】

［１．３．１．アルゴリズム記憶部２００］
アルゴリズム記憶部２００は、１または複数の学習アルゴリズムを記憶する。学習アルゴリズムは、機械学習を行うためのアルゴリズムであってよく、後述の学習処理部２１３によって学習処理に用いられてよい。例えば、学習アルゴリズムは、ランダムフォレストや、ニューラルネットワーク、サポートベクタマシン、ロジスティック回帰などであってよい。学習アルゴリズムは、ＰｈｙｔｈｏｎやＲ言語などのプログラミング言語で記述されたプログラムであってよい。

【0027】

アルゴリズム記憶部２００には、ベンダから供給される新たな学習アルゴリズムが追加記憶されてよい。新たな学習アルゴリズムとは、既にアルゴリズム記憶部２００に記憶されている既存の学習アルゴリズムに対して修正が加えられたものであってもよいし、既存の学習アルゴリズムとは異なる種類のもの（一例としてナイーブベイズやマルコフ連鎖など）であってもよい。

【0028】

［１．３．２．管理データ記憶部２０１］
管理データ記憶部２０１は、記憶部の一例であり、複数の学習アルゴリズムのそれぞれについて、利用権限を有するアカウントを記憶する。一例として、管理データ記憶部２０１は、リレーショナルデータベースであってよい。

【0029】

ここで、学習アルゴリズムの利用とは、当該学習アルゴリズムを用いて学習モデル２１１０の学習処理を行うことであってよい。これに加えて、または、これに代えて、学習アルゴリズムの利用は、当該学習アルゴリズムを用いて学習処理が行われた学習モデル２１１０を利用することであってもよいし、学習アルゴリズムをユーザ領域や、装置２に接続された外部機器へコピーすることであってもよい。管理データ記憶部２０１は、アルゴリズム記憶部２００に記憶された少なくとも一部の学習アルゴリズムについて、利用権限を有するアカウントを記憶してよい。管理データ記憶部２０１は、全ユーザに利用権限を付与すべき一部の学習アルゴリズムについては、利用権限を有するアカウントとして、全てのユーザのアカウントを記憶してよい。このような学習アルゴリズムは、一例として、アルゴリズム記憶部２００にデフォルトで記憶された学習アルゴリズムや、精度の低い学習モデル２１１０が生成される学習アルゴリズムであってよい。

【0030】

管理データ記憶部２０１は、利用権限の有効期限をさらに記憶してよい。有効期限が記憶される場合に、利用権限を有するアカウントとは、有効期限内の利用権限を有するアカウントであってよい。有効期限は、一部の学習アルゴリズムの利用権限についてのみ設定されてもよいし、一部のアカウントの利用権限についてのみ設定されてもよい。また、有効期限は、全ての利用権限について設定されてもよい。有効期限は利用権限ごとに異なってよく、一例として１月や１年などでもよいし、無期限でもよい。

【0031】

管理データ記憶部２０１は、学習処理により生成された各学習モデル２１１０について、利用権限を有するアカウントをさらに記憶してよい。本実施形態では一例として学習モデル２１１０について利用権限を有するアカウントは、当該学習モデル２１１０の学習処理に用いられた学習アルゴリズムについて利用権限を有するアカウントの少なくとも一部であるが、当該学習アルゴリズムについての利用権限を有しないアカウントであってもよい。管理データ記憶部２０１は、学習モデル２１１０の利用権限について有効期限をさらに記憶してもよい。学習モデル２１１０についての利用権限の有効期限は、学習アルゴリズムについての利用権限の有効期限と同様に、一部の学習モデル２１１０の利用権限についてのみ設定されてもよいし、一部のアカウントの利用権限についてのみ設定されてもよい。また、有効期限は、全ての利用権限について設定されてもよい。学習モデル２１１０についての利用権限の有効期限は利用権限ごとに異なってよく、一例として１月や１年などでもよいし、無期限でもよい。

【0032】

また、管理データ記憶部２０１は、各学習アルゴリズムに対応付けて、そのメタデータをさらに記憶してよい。学習アルゴリズムのメタデータは、その識別番号、名称、詳細情報、アイコン情報（一例としてアイコンの画像データや、その格納アドレス）、および、使用手順などの少なくとも１つを含んでよい。同様に、管理データ記憶部２０１は、各学習モデル２１１０に対応付けてメタデータをさらに記憶してよい。

【0033】

［１．３．３．管理部２０２］
管理部２０２は、アルゴリズム記憶部２００および管理データ記憶部２０１の記憶内容を管理する。

【0034】

管理部２０２は、ベンダのオペレータから供給される新たな学習アルゴリズムをアルゴリズム記憶部２００に記憶させてよい。また、管理部２０２は、ベンダのオペレータによる装置２の操作に応じて、アルゴリズム記憶部２００に記憶された学習アルゴリズムを編集してよい。

【0035】

また、管理部２０２は、登録部の一例であってよく、管理データ記憶部２０１に新たな学習アルゴリズムを追加登録してよい。管理部２０２は、ベンダのオペレータによる装置２の操作に応じ、新たな学習アルゴリズムを利用権限の設定対象として管理データ記憶部２０１に新たに記憶させることで、学習アルゴリズムの追加登録を行ってよい。

【0036】

管理部２０２は、追加登録される新たな学習アルゴリズムに対応付けて、そのメタデータを管理データ記憶部２０１に記憶させてよい。また、管理部２０２は、管理データ記憶部２０１に新たな学習アルゴリズムを追加登録する場合には、当該新たな学習アルゴリズムについて利用権限を有するアカウントを管理データ記憶部２０１に記憶させてよい。管理データ記憶部２０１は、新たな学習アルゴリズムの開発者のアカウントを、当該学習アルゴリズムについて利用権限を有するアカウントに含めてよい。管理部２０２は、ベンダのオペレータによる装置２の操作に応じて、管理データ記憶部２０１に記憶されたメタデータや、アカウントを編集してよい。

【0037】

なお、新たな学習アルゴリズムは、ベンダおよびユーザの少なくとも一方によって開発されてよく、利用権限が設定されるアカウントは、当該学習アルゴリズムの少なくとも一部を開発したユーザのアカウントであってよい。

【0038】

［１．３．４．制御部２０３］
制御部２０３は、装置２の各部を制御する。

【0039】

例えば、制御部２０３は、利用制御部の一例であってよく、各学習アルゴリズムの利用を、当該学習アルゴリズムについて利用権限を有するアカウントのユーザに制限してよい。制御部２０３は、後述の操作取得部２１０から供給されるユーザのアカウントと、利用される学習アルゴリズムについて管理データ記憶部２０１に記憶されたアカウントとを照合して、学習アルゴリズムの利用制限を行ってよい。

【0040】

一例として、制御部２０３は、一の学習アルゴリズムを用いた学習処理を、当該一の学習アルゴリズムについて利用権限を有するアカウントのユーザに制限してよい。制御部２０３は、一の学習アルゴリズムについて利用権限を有しないアカウントのユーザによって、当該一の学習アルゴリズムを用いた学習処理が後述の学習処理部２１３により行われる場合に、学習処理部２１３をディセーブルしてよい。

【0041】

また、制御部２０３は、各学習モデル２１１０の利用を、当該学習モデル２１１０について利用権限を有するアカウントのユーザに制限してよい。制御部２０３は、操作取得部２１０から供給されるユーザのアカウントと、利用される学習モデル２１１０について管理データ記憶部２０１に記憶されたアカウントとを照合して、学習モデル２１１０の利用制限を行ってよい。制御部２０３は、一の学習モデル２１１０について利用権限を有しないアカウントのユーザによって当該一の学習モデル２１１０の利用が行われる場合に、学習モデル２１１０をディセーブルしてよい。

【0042】

また、制御部２０３は、図示しない表示部に、学習アルゴリズムについてのメタデータや、その入力画面または編集画面を表示させてもよいし、学習アルゴリズムのリストを表示させてもよいし、ユーザ毎の利用権限の設定画面を表示させてもよい。

【0043】

［１．３．５．操作取得部２１０］
操作取得部２１０は、装置２により提供されるサービスのユーザから種々の操作を取得する。操作取得部２１０は、ユーザ端末１０から操作を取得してよい。操作取得部２１０は、取得した操作の内容から、ユーザによる入力内容や選択内容を取得してよい。例えば、操作取得部２１０は、ユーザのアカウントを取得してもよいし、利用する学習アルゴリズムや学習モデル２１１０の選択内容を取得してもよい。操作取得部２１０は、取得した内容を制御部２０３に供給してよい。

【0044】

［１．３．６．記憶部２１１］
記憶部２１１は、種々の情報を記憶する。本実施形態では一例として、記憶部２１１は、１または複数の学習モデル２１１０と、学習データ２１１１と、運用データ２１１２とを記憶してよい。なお、ユーザ領域２１の記憶部２１１に記憶される情報は、ベンダからアクセス可能であってよい。

【0045】

各学習モデル２１１０は、学習処理部２１３による学習処理によって生成される。各学習モデル２１１０は、入力データが入力されることに応じて、推定や判定、評価の結果を示す出力データを出力してよい。

【0046】

本実施形態では一例として、学習モデル２１１０は、センサ１１１による測定データが入力データとして入力されることに応じて、設備１１の状態や設備１１の異常原因、設備１１の生産物の状態などを示す出力データを出力してよい。

【0047】

これに加えて、または、これに代えて、学習モデル２１１０は、センサ１１１により取得されたデータが入力データとして入力されることに応じて、設備１１や生産物について目標の状態を実現するのに推奨される設備１１の制御内容を示す出力データを出力してよい。設備１１の制御内容は、設備１１のプロセスにおける圧力、温度、ｐＨ、速度、流量などの少なくとも１つの物理量を示してもよいし、設備１１に設けられた機器１１０に対する制御パラメータを示してもよい。

【0048】

学習データ２１１１は、学習モデル２１１０の学習処理に用いられる。学習データ２１１１は、学習処理後の学習モデル２１１０に対する入力データおよび出力データと同種のデータを含んでよい。一例として、学習データ２１１１は、設備１１が以前に操業されたときの測定データと、設備１１や生産物の実際の状態を示すデータとを含んでよい。また、学習データ２１１１は、設備１１が以前に操業されたときの測定データと、設備１１の制御内容とを含んでよい。

【0049】

運用データ２１１２は、学習処理後の学習モデル２１１０が利用された場合の、学習モデル２１１０に対する入力データと、学習モデル２１１０からの出力データとを有する。なお、学習データ２１１１に含まれる入力データと、運用データ２１１２に含まれる入力データとは、必ずしも同じ設備１１のセンサ１１１により測定されていなくてもよい。別言すれば、学習モデル２１１０は、学習段階においては、一の設備１１のセンサ１１１により測定された入力データを含む学習データで学習処理が行われてよく、学習後の運用段階においては、他の設備１１のセンサ１１１により測定された入力データが入力されてよい。

【0050】

［１．３．７．学習データ取得部２１２］
学習データ取得部２１２は、ユーザから学習データを取得する。本実施形態では一例として、学習データ取得部２１２は、ユーザ端末１０から学習データを取得してよい。学習データ取得部２１２は、取得した学習データを記憶部２１１に記憶させてよい。

【0051】

［１．３．８．学習処理部２１３］
学習処理部２１３は、アルゴリズム記憶部２００に記憶された何れかの学習アルゴリズムによって学習モデル２１１０の学習処理を行う。学習処理部２１３は、複数の学習アルゴリズムのうち、一の学習アルゴリズムについて利用権限を有するアカウントのユーザから供給される学習データを用いて、当該一の学習アルゴリズムにより学習モデル２１１０の学習処理を行ってよい。本実施形態では一例として、学習処理部２１３は、当該学習処理部２１３と同じユーザ領域内の記憶部２１１に記憶される学習データ２１１１を用いて学習処理を行ってよい。これにより、一の学習アルゴリズムによる学習処理に用いられる学習データは、当該一の学習アルゴリズムについて利用権限を有するアカウントのユーザから供給される学習データに制限されてよい。

【0052】

［１．３．９．入力データ取得部２１４］
入力データ取得部２１４は、学習モデル２１１０に対する入力データをユーザから取得する。入力データ取得部２１４は、一の学習アルゴリズムにより学習処理が行われた一の学習モデル２１１０ついて利用権限を有する一のアカウントのユーザから、または、当該一のアカウントのユーザにより設定されたセンサ１１１から、当該一の学習モデル２１１０に対する入力データを取得してよい。本実施形態では一例として入力データ取得部２１４は、ユーザ端末１０から入力データを取得してよい。また、入力データ取得部２１４は、ユーザ端末１０から供給されて予め記憶部２１１に記憶された学習データ２１１１から入力データを取得してもよい。入力データ取得部２１４は、取得した入力データを供給部２１５に供給してよい。

【0053】

［１．３．１０．供給部２１５］
供給部２１５は、入力データ取得部２１４により取得された、一の学習モデル２１１０に対する入力データを当該一の学習モデル２１１０に供給する。

【0054】

［１．３．１１．出力部２１６］
出力部２１６は、供給部２１５によって入力データが入力された一の学習モデル２１１０から出力される出力データを、上述の一のアカウントのユーザ、つまり、入力データの供給元のユーザに出力する。

【0055】

［１．３．１２．精度取得部２１７］
精度取得部２１７は、一の学習モデル２１１０から出力される出力データの精度を取得する。出力データの精度は、出力データの正確さの度合いであってよい。また、出力データの精度は、学習モデル２１１０による推定や判定、評価の正確さの度合いであってよい。

【0056】

例えば、出力データが設備１１や生産物の状態を２値や多値の状態パラメータで示す場合には、精度は、出力データで示される状態パラメータの値と、実際の設備や生産物の状態に応じた状態パラメータの値との近似度であってよい。これに代えて、出力データが設備１１や生産物について目標の状態を実現するのに推奨される設備１１の制御内容を２値や多値の制御パラメータで示す場合には、精度は、出力データで示される制御パラメータの値で設備１１を実際に制御した場合の状態を示す実際の状態パラメータの値と、目標の状態を示す状態パラメータの値との近似度であってよい。

【0057】

精度取得部２１７は、精度を算出してよい。精度取得部２１７は、取得した精度を報知部２１８に供給してよい。

【0058】

［１．３．１３．報知部２１８］
報知部２１８は、精度取得部２１７により取得された精度が基準値よりも低いことに応じて、学習モデル２１１０を使用した一のアカウントのユーザにその旨を報知する。基準値は任意に設定されてよい。報知を受けたアカウントのユーザは、利用する学習モデル２１１０を変更してもよいし、改めて学習モデル２１１０の学習処理を行ってもよいし、基準値を変更してもよい。

【0059】

以上の装置２によれば、ユーザから供給される学習データを用いて学習モデル２１１０の学習処理が行われるので、ユーザが有するデータ、ひいては当該データのドメインに固有のドメイン知識をベンダ側に集約することができる。従って、ドメインに適した学習アルゴリズムをベンダ側で開発することが可能となる。
また、各学習アルゴリズムの利用が当該学習アルゴリズムについて利用権限を有するアカウントのユーザに制限され、一の学習アルゴリズムについて利用権限を有するアカウントのユーザから供給される学習データを用いて、当該一の学習アルゴリズムにより学習モデル２１１０の学習処理が行われる。従って、利用権限を有しないアカウントのユーザによる学習アルゴリズムの利用を防止し、利用権限を有するアカウントのユーザによる学習アルゴリズムの利用を効率化することができる。また、ニーズに応じた学習アルゴリズムを各アカウントのユーザに利用させて所望の学習モデル２１１０を生成させることができる。また、学習アルゴリズムや、生成された学習モデル２１１０をアカウントのユーザに利用させることによる収益化を可能とすることができる。

【0060】

また、新たな学習アルゴリズムが追加登録され、当該新たな学習アルゴリズムについて利用権限を有するアカウントに、その開発者のアカウントが含まれる。従って、新たな学習アルゴリズムの開発者は、その利用を継続しつつ、当該学習アルゴリズムの管理をベンダに任せることができる。よって、学習アルゴリズムの開発者に対して新たな学習アルゴリズムの登録を促し、利用可能な学習アルゴリズムの数を増やすことができる。また、新たに開発された学習アルゴリズムについての情報をベンダ側に集約することができる。

【0061】

また、管理データ記憶部２０１には利用権限の有効期限がさらに記憶されるので、各学習アルゴリズムの利用が、当該学習アルゴリズムについて有効期限内の利用権限を有するアカウントのユーザに制限される。従って、学習アルゴリズムの利用者をさらに制限し、利用権限を有するアカウントのユーザによる学習アルゴリズムの利用をいっそう効率化することができる。

【0062】

また、各学習モデル２１１０の利用が、学習処理で用いられた学習アルゴリズムについて利用権限を有するアカウントのユーザに制限される。従って、学習アルゴリズムについて利用権限を有さないアカウントのユーザによる学習モデル２１１０の利用を防止し、学習モデル２１１０の利用を効率化することができる。また、学習モデル２１１０の利用を希望するアカウントのユーザに対し、利用権限の取得を促すことができる。

【0063】

また、一の学習モデル２１１０ついて利用権限を有する一のアカウントのユーザや、当該ユーザにより設定されたセンサ１１１から入力データが取得されて当該一の学習モデル２１１０に供給され、当該一の学習モデル２１１０から出力される出力データが一のアカウントのユーザに供給される。従って、利用権限を有するアカウントのユーザが装置２を介して学習モデル２１１０を利用し、学習モデル２１１０から入力データに応じた出力データを取得することができる。

【0064】

また、一の学習モデル２１１０から出力される出力データの精度が基準値よりも低いことに応じて、学習モデル２１１０を利用したアカウントのユーザにその旨が報知される。従って、精度の低い学習モデル２１１０を利用するアカウントのユーザに対し、当該学習モデル２１１０に対するさらなる学習処理や、利用する学習モデル２１１０の変更を促すことができる。

【0065】

［２．表示画面例］
図２は、新たな学習アルゴリズムを追加登録する場合に装置２によって表示される画面を示す。新たな学習アルゴリズムを追加登録する場合には、当該学習アルゴリズムのメタデータ（本実施形態では一例として、学習アルゴリズムの識別番号や名称、詳細情報、アイコン情報、使用手順など）の入力欄２０１１が表示画面に表示されてよく、入力内容に応じたメタデータが管理データ記憶部２０１に記憶されてよい。また、表示画面には、学習アルゴリズムをアルゴリズム記憶部２００に記憶させるためのアップロードボタン２０１２が表示されてよい。

【0066】

なお、管理データ記憶部２０１に登録された学習アルゴリズムを確認する場合には、登録された学習アルゴリズムのリストが表示画面に表示されてよい。学習アルゴリズムのリストには、各学習アルゴリズムのメタデータが一覧表示されてよい。この状態において管理部２０２は、ベンダのオペレータによる装置２の操作に応じて、メタデータの内容の編集や、学習アルゴリズムの追加登録、削除を行ってよい。

【0067】

図３は、ユーザ毎に利用権限を設定する場合に装置２によって表示される画面を示す。ユーザ毎に利用権限を設定する場合には、選択されたユーザのアカウントと、管理データ記憶部２０１に登録された各学習アルゴリズムの名称と、利用権限を設定するための学習アルゴリズムごとのチェックボックスとが表示画面に表示されてよい。また、何れかの学習アルゴリズムが選択された場合には、当該学習アルゴリズムによって学習処理が行われた学習モデル２１１０の名称と、利用権限を設定するための学習アルゴリズムごとのチェックボックスとが表示画面に示されてよい。利用権限が設定された学習アルゴリズムや学習モデル２１１０に対しては、その有効期限の入力欄２０１３が表示されてよい。

【0068】

［３．装置２の動作］
図４、図５は、装置２の動作を示す。装置２は、ステップＳ１～Ｓ５５の処理を実行することにより学習モデル２１１０の生成および運用を行ってよい。なお、この動作においては、予めアルゴリズム記憶部２００に学習アルゴリズムが記憶されてよく、管理データ記憶部２０１には各学習アルゴリズムについて、利用権限を有するアカウントが記憶されてよい。

【0069】

ステップＳ１において操作取得部２１０は、ユーザのアカウント（他のユーザのアカウントと区別して第１ユーザの第１アカウントとも称する）を取得する。操作取得部２１０は、装置２により提供されるサービスにログインする第１ユーザから第１アカウントを取得してよい。

【0070】

ステップＳ３において操作取得部２１０は、利用対象の学習アルゴリズムの選択操作を取得する。操作取得部２１０は、アルゴリズム記憶部２００に記憶された複数の学習アルゴリズムの何れかを利用対象とする選択操作を取得してよい。

【0071】

ステップＳ５において制御部２０３は、選択された学習アルゴリズムに対し、第１アカウントが利用権限を有するか否かを判定する。制御部２０３は、利用権限の有効期限が切れている場合には、第１アカウントが利用権限を有しないと判定してよい。ステップＳ５において第１アカウントが利用権限を有しないと判定された場合（ステップＳ５；Ｎｏ）には、ステップＳ７に処理が移行してよい。ステップＳ５において第１アカウントが利用権限を有すると判定された場合（ステップＳ５；Ｙｅｓ）にはステップＳ１３に処理が移行してよい。

【0072】

ステップＳ７において制御部２０３は、選択された学習アルゴリズムに対して利用権限を申請する操作が操作取得部２１０を介して行われるか否かを判定する。ステップＳ７において利用権限の申請操作が行われないと判定した場合（ステップＳ７；Ｎｏ）にはステップＳ９に処理が移行してよい。ステップＳ７において利用権限の申請操作が行われたと判定した場合（ステップＳ７；Ｙｅｓ）には、ステップＳ１１に処理が移行してよい。

【0073】

ステップＳ９において制御部２０３は、アルゴリズム記憶部２００内の他の学習アルゴリズムの利用を提案する旨のメッセージを第１ユーザに供給してよい。これにより、利用権限の無いユーザによる学習アルゴリズムの利用が防止され、各学習アルゴリズムの利用が、当該学習アルゴリズムについて利用権限を有するアカウントのユーザに制限される。また、選択された学習アルゴリズムについて利用権限を有しないアカウントのユーザは、当該アカウントが利用権限を有する学習アルゴリズムの何れかを利用することとなる。制御部２０３は、第１アカウントが利用権限を有する学習アルゴリズムの一覧を第１ユーザに供給し、何れかの学習アルゴリズムを第１ユーザに選択させてよい。ステップＳ９の処理が完了したら、上述のステップＳ３に処理が移行してよい。

【0074】

ステップＳ１１において制御部２０３は、選択された学習アルゴリズムについての利用権限を第１アカウントに設定する。制御部２０３は、第１アカウントを、選択された学習アルゴリズムについて利用権限を有するアカウントとして管理データ記憶部２０１に記憶させてよい。制御部２０３は、選択された学習アルゴリズムの利用料金が支払われることを条件として利用権限を設定してよい。

【0075】

ステップＳ１３において制御部２０３は、サービスの利用形態として、学習モデル２１１０の学習処理と、学習モデル２１１０の利用との何れが第１ユーザにより選択されるかを判定する。学習モデル２１１０の学習処理が選択されたと判定した場合（ステップＳ１３；モデルの学習）には、ステップＳ１５に処理が移行してよい。学習モデル２１１０の利用が選択されたと判定した場合（ステップＳ１３；モデルの利用）には、ステップＳ２１に処理が移行してよい。

【0076】

ステップＳ１５において学習処理部２１３は、選択された学習アルゴリズムによって学習モデル２１１０の学習処理を行う。学習処理部２１３は、第１ユーザから供給される学習データを用いて当該一の学習アルゴリズムにより学習モデル２１１０の学習処理を行ってよい。学習処理部２１３は、記憶部２１１に記憶された学習データ２１１１（一例として記憶部２１１に記憶された学習データ２１１１のうち第１ユーザにより選択された学習データ２１１１）を用いて学習処理を行ってよい。学習処理部２１３は、学習データ２１１１の一部を後述のステップＳ２１～Ｓ３１での精度確認用としておき、残りの学習データ２１１１を用いて学習処理を行ってよい。

【0077】

なお、学習処理部２１３は、第１ユーザからの指示に応じて、後述のステップＳ４１～Ｓ５５の処理で既に用いられた学習モデル２１１０の学習処理をさらに行ってよい。学習処理部２１３は、後述のステップＳ５３で当該学習モデル２１１０に入力された入力データを含む学習データを用いて学習処理を行ってよい。

【0078】

学習処理後には、生成された学習モデル２１１０（他の学習モデル２１１０と区別して学習モデル２１１０Ａとも称する）が第１ユーザのユーザ領域２１の記憶部２１１に記憶されてよい。また、管理データ記憶部２０１には、学習モデル２１１０Ａについて利用権限を有するアカウントとして、第１アカウントが記憶されてよい。この場合に、管理データ記憶部２０１には、利用権限の有効期限として、予め設定された基準期限が記憶されてよい。これに代えて、学習モデル２１１０Ａについての利用権限は、ベンダのオペレータの操作に応じて管理データ記憶部２０１に記憶されてもよい。

【0079】

ステップＳ２１において入力データ取得部２１４は、記憶部２１１に記憶された学習データ２１１１のうち、ステップＳ１５において精度確認用とされて学習処理に用いられなかった学習データから、学習モデル２１１０Ａに対する入力データを取得する。

【0080】

ステップＳ２３において供給部２１５は、取得された入力データを、学習モデル２１１０Ａに供給する。本実施形態では一例として、供給部２１５は、取得された入力データを、１または複数の他の学習モデル２１１０にもさらに供給してよい。他の学習モデル２１１０は、第１ユーザのユーザ領域２１における各学習モデル２１１０のうち、学習モデル２１１０Ａとは異なる学習モデル２１１０であってよい。これに代えて、他の学習モデル２１１０は、装置２内の他のユーザ領域２１における学習モデル２１１０であってもよい。

【0081】

ステップＳ３１において精度取得部２１７は、学習モデル２１１０Ａの出力データの精度を取得する。精度取得部２１７は、出力データで示される状態パラメータの値と、実際の状態パラメータの値との近似度を精度として取得する場合には、学習モデル２１１０Ａから出力データを取得すると共に、実際の状態パラメータの値を第１ユーザから取得して、精度を算出してよい。また、精度取得部２１７は、目標の状態を示す状態パラメータの値と、実際の状態パラメータの値との近似度を精度として取得する場合には、目標の状態を示す状態パラメータの値を学習モデル２１１０Ａから取得すると共に、実際の状態パラメータの値を第１ユーザから取得して、精度を算出してよい。

【0082】

精度取得部２１７は、上述のステップＳ２３で入力データが供給された他の学習モデル２１１０から出力される出力データの精度をさらに取得してもよい。精度取得部２１７は、学習モデル２１１０Ａの出力データの精度と同様にして、他の学習モデル２１１０の出力データの精度を取得してよい。

【0083】

ステップＳ３３において報知部２１８は、精度取得部２１７により取得された精度が基準値よりも低いか否かを判定する。本動作例では一例として、基準値は、他の学習モデル２１１０から出力される出力データの精度であってよい。ステップＳ３３において精度が基準値より低いと判定された場合（ステップＳ３３；Ｙｅｓ）には、ステップＳ３５に処理が移行してよい。精度が基準値より低い場合とは、学習モデル２１１０Ａの出力データの精度よりも、１または複数の他の学習モデル２１１０から出力される出力データの精度が高い場合であってよい。ステップＳ３３において精度が基準値以上であると判定された場合（ステップＳ３３；Ｎｏ）には、ステップＳ１３に処理が移行してよい。

【0084】

ステップＳ３５において報知部２１８は、学習モデル２１１０Ａの出力データの精度が基準値より低い旨を第１ユーザに報知する。本動作例においては一例として、報知部２１８は、学習モデル２１１０Ａの出力データの精度よりも、他の学習モデル２１１０の出力データの精度の方が高いことに応じて、その旨を第１ユーザに報知してよい。この場合には、報知部２１８は、学習モデル２１１０Ａよりも精度が高かった他の学習モデル２１１０や、その学習処理に用いられた学習アルゴリズムを示すメッセージを第１ユーザに供給してよい。

【0085】

ステップＳ３７において制御部２０３は、学習アルゴリズムを選択する旨の操作と、学習アルゴリズムの利用形態を選択する旨の操作との何れが第１ユーザにより操作取得部２１０を介して行われるかを判定する。ステップＳ３７において学習アルゴリズムを選択する旨の操作が行われたと判定した場合（ステップＳ３７；アルゴリズム選択）には、ステップＳ３に処理が移行してよい。これにより、報知を受けた第１ユーザは、学習モデル２１１０Ａの学習処理に用いた学習アルゴリズムを修正して新たな学習アルゴリズムを開発し、ベンダからアルゴリズム記憶部２００にアップロードさせてよい。これにより、ステップＳ３において新たな学習アルゴリズムの選択が可能となる。また、ステップＳ３７において利用形態を選択する旨の操作が行われたと判定した場合（ステップＳ３７；利用形態選択）には、ステップＳ１３に処理が移行してよい。これにより、報知を受けた第１ユーザは、出力データの精度が低かった学習モデル２１１０Ａの学習処理を改めて行ってもよいし、他の学習モデル２１１０を利用してもよい。

【0086】

ステップＳ４１において操作取得部２１０は、利用対象の学習モデル２１１０の選択操作を取得する。操作取得部２１０は、記憶部２１１に記憶された学習モデル２１１０の何れかを利用対象とする選択操作を取得してよい。なお、本実施形態では一例として、操作取得部２１０は、第１アカウントが利用権限を有する学習モデル２１１０を利用対象とする選択操作を取得してもよいし、利用権限を有しない学習モデル２１１０を利用対象とする選択操作を取得してもよい。第１アカウントが利用権限を有しない学習モデル２１１０は、一例として第１ユーザのユーザ領域２１の記憶部２１１に記憶された学習モデル２１１０のうち、有効期限が切れた学習モデル２１１０でもよいし、他のユーザ領域２１の記憶部２１１に記憶された学習モデル２１１０でもよい。

【0087】

ステップＳ４３において制御部２０３は、選択された学習モデル２１１０に対し、第１アカウントが利用権限を有するか否かを判定する。制御部２０３は、利用権限の有効期限が切れている場合には、第１アカウントが利用権限を有しないと判定してよい。ステップＳ４３において第１アカウントが利用権限を有しないと判定された場合（ステップＳ４３；Ｎｏ）には、ステップＳ４５に処理が移行してよい。ステップＳ４３において第１アカウントが利用権限を有すると判定された場合（ステップＳ４３；Ｙｅｓ）にはステップＳ５１に処理が移行してよい。

【0088】

ステップＳ４５において制御部２０３は、選択された学習モデル２１１０に対して利用権限を申請する操作が操作取得部２１０を介して行われるか否かを判定する。ステップＳ４５において利用権限の申請操作が行われないと判定した場合（ステップＳ４５；Ｎｏ）にはステップＳ４７に処理が移行してよい。ステップＳ４５において利用権限の申請操作が行われたと判定した場合（ステップＳ４５；Ｙｅｓ）には、ステップＳ４９に処理が移行してよい。

【0089】

ステップＳ４７において制御部２０３は、第１ユーザのユーザ領域２１における他の学習モデル２１１０の利用を提案する旨のメッセージを第１ユーザに供給してよい。これにより、各学習モデル２１１０の利用が、当該学習モデル２１１０について利用権限を有するアカウントのユーザに制限される。また、選択された学習モデル２１１０について利用権限を有しないアカウントのユーザは、当該アカウントが利用権限を有する学習モデル２１１０の何れかを利用することとなる。制御部２０３は、第１アカウントが利用権限を有する学習モデル２１１０の一覧を第１ユーザに供給し、何れかの学習モデル２１１０を第１ユーザに選択させてよい。ステップＳ４７の処理が完了したら、上述のステップＳ４１に処理が移行してよい。

【0090】

ステップＳ４９において制御部２０３は、選択された学習モデル２１１０についての利用権限を第１アカウントに設定する。制御部２０３は、第１アカウントを、選択された学習モデル２１１０について利用権限を有するアカウントとして管理データ記憶部２０１に記憶させてよい。制御部２０３は、選択された学習モデル２１１０の利用料金が支払われることを条件として利用権限を設定してよい。

【0091】

ステップＳ５１において入力データ取得部２１４は、第１ユーザから、または第１ユーザにより設定されたセンサ１１１から、入力データを取得する。

【0092】

ステップＳ５３において供給部２１５は、取得された入力データを、選択された学習モデル２１１０に供給する。

【0093】

ステップＳ５５において出力部２１６は、選択された学習モデル２１１０から出力された出力データを第１ユーザに出力する。出力データは、ステップＳ５１で取得された入力データと共に運用データ２１１２として記憶部２１１に記憶されてよい。ステップＳ５５の処理が完了したら、上述のステップＳ１３に処理が移行してよい。

【0094】

以上の動作によれば、利用対象とされた学習アルゴリズムについて利用権限を有しないアカウントのユーザに対し、当該アカウントが利用権限を有する学習アルゴリズムの何れかが利用対象として提供される。従って、利用対象として選択された学習アルゴリズムの利用権限を有しない場合であっても、他の学習アルゴリズムを利用することができる。

【0095】

同様に、利用対象とされた学習モデル２１１０について利用権限を有しないアカウントに対し、当該アカウントが利用権限を有する学習モデル２１１０の何れかが利用対象として提供される。従って、利用対象として選択された学習モデル２１１０の利用権限を有しない場合であっても、他の学習モデル２１１０を利用することができる。

【0096】

また、第１ユーザから取得された入力データが他の学習モデル２１１０に供給されて当該他の学習モデル２１１０から出力される出力データの精度がさらに取得され、利用された一の学習モデル２１１０の出力データの精度よりも他の学習モデル２１１０の出力データの精度の方が高いことに応じて、その旨が第１ユーザに報知される。従って、利用された一の学習モデル２１１０よりも精度の高い他の学習モデル２１１０の存在を第１ユーザに知らせ、利用する学習モデル２１１０の変更を促すことができる。

【0097】

また、第１ユーザからの指示に応じて、学習モデル２１１０に入力された入力データを含む学習データを用いて当該学習モデル２１１０の学習処理がさらに行われる。従って、学習モデル２１１０の利用時に用いた入力データを用いて当該学習モデル２１１０に対し追加の学習処理を行うことができる。

【0098】

［４．変形例］
図６は、変形例に係るシステム１Ｂを示す。システム１Ｂは、装置２と、１または複数の設備１１と、１または複数のエッジデバイス３とを備える。なお、本変形例に係るシステム１００において、図１に示された構成と略同一のものには同一の符号を付け、説明を省略する。

【0099】

エッジデバイス３は、装置２によって提供されるサービスを利用するユーザ（他のユーザと区別して第２ユーザとも称する）により設備１１および装置２と通信可能に設けられる。エッジデバイス３は、設備１１の近傍に設けられてもよいし、設備１１内に設けられてもよい。エッジデバイス３は、記憶部２１１Ｂと、入力データ取得部２１４Ｂと、供給部２１５Ｂと、出力部２１６Ｂとを有する。

【0100】

記憶部２１１Ｂは、有効期限データ２１１３と、学習モデル２１１０Ｂと、運用データ２１１２Ｂとを記憶する。有効期限データ２１１３は、学習モデル２１１０Ｂに対してユーザのアカウント（第２アカウントとも称する）が有する利用権限の有効期限を示してよい。第２ユーザは、上述の実施形態における第１ユーザと同一のユーザであってもよいし、異なるユーザであってもよい。

【0101】

学習モデル２１１０Ｂは、第２ユーザのユーザ領域２１に記憶される学習モデル２１１０の何れかと同一の学習モデルであってよい。学習モデル２１１０Ｂは、第２アカウントが利用権限を有する学習モデル２１１０であってよい。学習モデル２１１０Ｂは、有効期限データ２１１３で示される有効期限が切れた場合には、少なくとも出力データの出力を行わなくてよい。

【0102】

運用データ２１１２Ｂは、学習モデル２１１０Ｂが利用された場合での学習モデル２１１０Ｂに対する入力データと、学習モデル２１１０Ｂからの出力データとを有する。

【0103】

なお、記憶部２１１Ｂ内の学習モデル２１１０Ｂは、製造後のエッジデバイス３が装置２に接続された状態で、第２ユーザやベンダの操作に応じて装置２の記憶部２１１からエッジデバイス３の記憶部２１１Ｂにダウンロードされてもよい。また、有効期限データ２１１３は、学習モデル２１１０Ｂがエッジデバイス３にダウンロードされる場合に、制御部２０３によって管理データ記憶部２１１から読み出され、エッジデバイス３の記憶部２１１Ｂにダウンロードされてもよい。ただし、学習モデル２１１０Ｂおよび有効期限データは、エッジデバイス３の製造時に予め装置２から記憶部２１１Ｂにダウンロードされてもよい。

【0104】

入力データ取得部２１４Ｂは、第２ユーザにより設定されたセンサ１１１から、学習モデル２１１０Ｂに対する入力データを取得する。入力データ取得部２１４Ｂは、取得した入力データを供給部２１５Ｂに供給してよい。

【0105】

供給部２１５Ｂは、入力データ取得部２１４Ｂにより取得された入力データを学習モデル２１１０Ｂに供給する。

【0106】

出力部２１６Ｂは、供給部２１５Ｂによって入力データが入力された学習モデル２１１０Ｂから出力される出力データを第２ユーザに出力する。出力部２１６は、第２ユーザのユーザ端末１０に出力データを出力してよい。

【0107】

以上のエッジデバイス３は、有効期限が切れていない限りにおいて上述のステップＳ５１～Ｓ５５の処理を行い、センサ１１１からの入力データを学習モデル２１１０Ｂに供給して得られる出力データを第２ユーザのユーザ端末１０に出力してよい。

【0108】

以上の変形例によれば、センサ１１１による測定データをリアルタイムに学習モデル２１１０Ｂに供給し、学習モデル２１１０Ｂからの出力データを取得することができる。

【0109】

なお、上記の変形例においては、エッジデバイス３は記憶部２１１Ｂ、入力データ取得部２１４Ｂ、供給部２１５Ｂおよび出力部２１６Ｂを備えることとして説明したが、他の構成をさらに備えてもよい。例えば、エッジデバイス３は、上述の実施形態における精度取得部２１７および報知部２１８をさらに備えてもよい。

【0110】

［５．その他の変形例］
上記の実施形態や変形例においては、装置２はアルゴリズム記憶部２００と、管理部２０２と操作取得部２１０と、記憶部２１１と、学習データ取得部２１２と、入力データ取得部２１４と、供給部２１５と、出力部２１６と、精度取得部２１７と、報知部２１８とを有することとして説明したが、これらの何れかを有しなくてもよい。例えば、装置２がアルゴリズム記憶部２００を有しない場合には、装置２に外部接続された記憶装置に学習アルゴリズムが記憶されてもよい。同様に、装置２が記憶部２１１を有しない場合には、装置２に外部接続された記憶装置に学習モデル２１１０が記憶されてもよい。

【0111】

また、制御部２０３は各学習モデル２１１０，２１１０Ｂの利用を、当該学習モデル２１１０，２１１０Ｂについて利用権限を有するアカウントのユーザに制限することとして説明したが、他の利用権限を有するアカウントのユーザに制限してもよい。例えば、制御部２０３は、各学習モデル２１１０，２１１０Ｂの利用を、当該学習モデル２１１０，２１１０Ｂの学習処理で用いられた学習アルゴリズムについて利用権限を有するアカウントのユーザに制限してもよい。この場合に、管理データ記憶部２０１には、学習アルゴリズムについて利用権限が記憶され、学習モデル２１１０について利用権限が記憶されていなくてもよい。また、管理データ記憶部２０１は、学習アルゴリズム０の利用権限を、当該学習アルゴリズムで学習処理が行われた各学習モデル２１１０，２１１０Ｂについての利用権限としても記憶してよい。また、管理データ記憶部２０１は、学習アルゴリズムの利用権限の有効期限を、当該学習アルゴリズムで学習処理が行われた各学習モデル２１１０，２１１０Ｂについての利用権限の有効期限としても記憶してよい。

【0112】

また、精度取得部２１７はステップＳ１５での学習処理後に学習モデル２１１０から取得される出力データの精度を取得することとして説明したが、ステップＳ５１～Ｓ５５での学習モデル２１１０の利用により取得される出力データの精度を取得してもよい。この場合には、報知部２１８は、学習モデル２１１０の運用段階において出力データの精度が低いと判定される場合に報知を行ってよい。

【0113】

また、精度取得部２１７は他の学習モデル２１１０から出力される出力データの精度を基準値として用いることとして説明したが、予めベンダやユーザにより設定された固定値を基準値として用いてもよい。

【0114】

また、制御部２０３は利用権限の有効期限が切れている場合には、利用権限の申請が行われるか否かを判定することとして説明したが、有効期限までの時間が基準時間を下回ったことに応じて、該当の利用権限を有するアカウントのユーザに予め通知を行い、利用権限の更新を促してもよい。

【0115】

また、制御部２０３は利用権限の申請が行われない場合に、使用対象の学習アルゴリズムや学習モデル２１１０の変更を提案することとして説明したが、処理を終了してもよい。

【0116】

また、センサ１１１は圧力や温度などの物理量を測定することとして説明したが、画像センサとして画像データを取得してもよい。この場合には、学習モデル２１１０は、画像データが入力されることに応じて画像認識の結果を出力してもよい。一例として、センサ１１１は監視カメラ内の画像センサであってよく、学習モデル２１１０は、画像内で人物を検出してもよい。

【0117】

また、本発明の様々な実施形態は、フローチャートおよびブロック図を参照して記載されてよく、ここにおいてブロックは、（１）操作が実行されるプロセスの段階または（２）操作を実行する役割を持つ装置のセクションを表わしてよい。特定の段階およびセクションが、専用回路、コンピュータ可読媒体上に格納されるコンピュータ可読命令と共に供給されるプログラマブル回路、および／またはコンピュータ可読媒体上に格納されるコンピュータ可読命令と共に供給されるプロセッサによって実装されてよい。専用回路は、デジタルおよび／またはアナログハードウェア回路を含んでよく、集積回路（ＩＣ）および／またはディスクリート回路を含んでよい。プログラマブル回路は、論理ＡＮＤ、論理ＯＲ、論理ＸＯＲ、論理ＮＡＮＤ、論理ＮＯＲ、および他の論理操作、フリップフロップ、レジスタ、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、プログラマブルロジックアレイ（ＰＬＡ）等のようなメモリ要素等を含む、再構成可能なハードウェア回路を含んでよい。

【0118】

コンピュータ可読媒体は、適切なデバイスによって実行される命令を格納可能な任意の有形なデバイスを含んでよく、その結果、そこに格納される命令を有するコンピュータ可読媒体は、フローチャートまたはブロック図で指定された操作を実行するための手段を作成すべく実行され得る命令を含む、製品を備えることになる。コンピュータ可読媒体の例としては、電子記憶媒体、磁気記憶媒体、光記憶媒体、電磁記憶媒体、半導体記憶媒体等が含まれてよい。コンピュータ可読媒体のより具体的な例としては、フロッピー（登録商標）ディスク、ディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、消去可能プログラマブルリードオンリメモリ（ＥＰＲＯＭまたはフラッシュメモリ）、電気的消去可能プログラマブルリードオンリメモリ（ＥＥＰＲＯＭ）、静的ランダムアクセスメモリ（ＳＲＡＭ）、コンパクトディスクリードオンリメモリ（ＣＤ-ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、ブルーレイ（ＲＴＭ）ディスク、メモリスティック、集積回路カード等が含まれてよい。

【0119】

コンピュータ可読命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、またはＳｍａｌｌｔａｌｋ（登録商標）、ＪＡＶＡ（登録商標）、Ｃ＋＋等のようなオブジェクト指向プログラミング言語、および「Ｃ」プログラミング言語または同様のプログラミング言語のような従来の手続型プログラミング言語を含む、１または複数のプログラミング言語の任意の組み合わせで記述されたソースコードまたはオブジェクトコードのいずれかを含んでよい。

【0120】

コンピュータ可読命令は、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のプログラム可能なデータ処理装置のプロセッサまたはプログラマブル回路に対し、ローカルにまたはローカルエリアネットワーク（ＬＡＮ）、インターネット等のようなワイドエリアネットワーク（ＷＡＮ）を介して提供され、フローチャートまたはブロック図で指定された操作を実行するための手段を作成すべく、コンピュータ可読命令を実行してよい。プロセッサの例としては、コンピュータプロセッサ、処理ユニット、マイクロプロセッサ、デジタル信号プロセッサ、コントローラ、マイクロコントローラ等を含む。

【0121】

図７は、本発明の複数の態様が全体的または部分的に具現化されてよいコンピュータ２２００の例を示す。コンピュータ２２００にインストールされたプログラムは、コンピュータ２２００に、本発明の実施形態に係る装置に関連付けられる操作または当該装置の１または複数のセクションとして機能させることができ、または当該操作または当該１または複数のセクションを実行させることができ、および／またはコンピュータ２２００に、本発明の実施形態に係るプロセスまたは当該プロセスの段階を実行させることができる。そのようなプログラムは、コンピュータ２２００に、本明細書に記載のフローチャートおよびブロック図のブロックのうちのいくつかまたはすべてに関連付けられた特定の操作を実行させるべく、ＣＰＵ２２１２によって実行されてよい。

【0122】

本実施形態によるコンピュータ２２００は、ＣＰＵ２２１２、ＲＡＭ２２１４、グラフィックコントローラ２２１６、およびディスプレイデバイス２２１８を含み、それらはホストコントローラ２２１０によって相互に接続されている。コンピュータ２２００はまた、通信インタフェース２２２２、ハードディスクドライブ２２２４、ＤＶＤ－ＲＯＭドライブ２２２６、およびＩＣカードドライブのような入／出力ユニットを含み、それらは入／出力コントローラ２２２０を介してホストコントローラ２２１０に接続されている。コンピュータはまた、ＲＯＭ２２３０およびキーボード２２４２のようなレガシの入／出力ユニットを含み、それらは入／出力チップ２２４０を介して入／出力コントローラ２２２０に接続されている。

【0123】

ＣＰＵ２２１２は、ＲＯＭ２２３０およびＲＡＭ２２１４内に格納されたプログラムに従い動作し、それにより各ユニットを制御する。グラフィックコントローラ２２１６は、ＲＡＭ２２１４内に提供されるフレームバッファ等またはそれ自体の中にＣＰＵ２２１２によって生成されたイメージデータを取得し、イメージデータがディスプレイデバイス２２１８上に表示されるようにする。

【0124】

通信インタフェース２２２２は、ネットワークを介して他の電子デバイスと通信する。ハードディスクドライブ２２２４は、コンピュータ２２００内のＣＰＵ２２１２によって使用されるプログラムおよびデータを格納する。ＤＶＤ－ＲＯＭドライブ２２２６は、プログラムまたはデータをＤＶＤ－ＲＯＭ２２０１から読み取り、ハードディスクドライブ２２２４にＲＡＭ２２１４を介してプログラムまたはデータを提供する。ＩＣカードドライブは、プログラムおよびデータをＩＣカードから読み取り、および／またはプログラムおよびデータをＩＣカードに書き込む。

【0125】

ＲＯＭ２２３０はその中に、アクティブ化時にコンピュータ２２００によって実行されるブートプログラム等、および／またはコンピュータ２２００のハードウェアに依存するプログラムを格納する。入／出力チップ２２４０はまた、様々な入／出力ユニットをパラレルポート、シリアルポート、キーボードポート、マウスポート等を介して、入／出力コントローラ２２２０に接続してよい。

【0126】

プログラムが、ＤＶＤ－ＲＯＭ２２０１またはＩＣカードのようなコンピュータ可読媒体によって提供される。プログラムは、コンピュータ可読媒体から読み取られ、コンピュータ可読媒体の例でもあるハードディスクドライブ２２２４、ＲＡＭ２２１４、またはＲＯＭ２２３０にインストールされ、ＣＰＵ２２１２によって実行される。これらのプログラム内に記述される情報処理は、コンピュータ２２００に読み取られ、プログラムと、上記様々なタイプのハードウェアリソースとの間の連携をもたらす。装置または方法が、コンピュータ２２００の使用に従い情報の操作または処理を実現することによって構成されてよい。

【0127】

例えば、通信がコンピュータ２２００および外部デバイス間で実行される場合、ＣＰＵ２２１２は、ＲＡＭ２２１４にロードされた通信プログラムを実行し、通信プログラムに記述された処理に基づいて、通信インタフェース２２２２に対し、通信処理を命令してよい。通信インタフェース２２２２は、ＣＰＵ２２１２の制御下、ＲＡＭ２２１４、ハードディスクドライブ２２２４、ＤＶＤ－ＲＯＭ２２０１、またはＩＣカードのような記録媒体内に提供される送信バッファ処理領域に格納された送信データを読み取り、読み取られた送信データをネットワークに送信し、またはネットワークから受信された受信データを記録媒体上に提供される受信バッファ処理領域等に書き込む。

【0128】

また、ＣＰＵ２２１２は、ハードディスクドライブ２２２４、ＤＶＤ－ＲＯＭドライブ２２２６（ＤＶＤ－ＲＯＭ２２０１）、ＩＣカード等のような外部記録媒体に格納されたファイルまたはデータベースの全部または必要な部分がＲＡＭ２２１４に読み取られるようにし、ＲＡＭ２２１４上のデータに対し様々なタイプの処理を実行してよい。ＣＰＵ２２１２は次に、処理されたデータを外部記録媒体にライトバックする。

【0129】

様々なタイプのプログラム、データ、テーブル、およびデータベースのような様々なタイプの情報が記録媒体に格納され、情報処理を受けてよい。ＣＰＵ２２１２は、ＲＡＭ２２１４から読み取られたデータに対し、本開示の随所に記載され、プログラムの命令シーケンスによって指定される様々なタイプの操作、情報処理、条件判断、条件分岐、無条件分岐、情報の検索／置換等を含む、様々なタイプの処理を実行してよく、結果をＲＡＭ２２１４に対しライトバックする。また、ＣＰＵ２２１２は、記録媒体内のファイル、データベース等における情報を検索してよい。例えば、各々が第２の属性の属性値に関連付けられた第１の属性の属性値を有する複数のエントリが記録媒体内に格納される場合、ＣＰＵ２２１２は、第１の属性の属性値が指定される、条件に一致するエントリを当該複数のエントリの中から検索し、当該エントリ内に格納された第２の属性の属性値を読み取り、それにより予め定められた条件を満たす第１の属性に関連付けられた第２の属性の属性値を取得してよい。

【0130】

上で説明したプログラムまたはソフトウェアモジュールは、コンピュータ２２００上またはコンピュータ２２００近傍のコンピュータ可読媒体に格納されてよい。また、専用通信ネットワークまたはインターネットに接続されたサーバーシステム内に提供されるハードディスクまたはＲＡＭのような記録媒体が、コンピュータ可読媒体として使用可能であり、それによりプログラムを、ネットワークを介してコンピュータ２２００に提供する。

【0131】

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更または改良を加えることが可能であることが当業者に明らかである。その様な変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

【0132】

特許請求の範囲、明細書、および図面中において示した装置、システム、プログラム、および方法における動作、手順、ステップ、および段階等の各処理の実行順序は、特段「より前に」、「先立って」等と明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。特許請求の範囲、明細書、および図面中の動作フローに関して、便宜上「まず、」、「次に、」等を用いて説明したとしても、この順で実施することが必須であることを意味するものではない。

【符号の説明】

【0133】

１ システム
２ 装置
３ エッジデバイス
１０ ユーザ端末
１１ 設備
２０ ベンダ領域
２１ ユーザ領域
１１０ 機器
１１１ センサ
２００ アルゴリズム記憶部
２０１ 管理データ記憶部
２０２ 管理部
２０３ 制御部
２１０ 操作取得部
２１１ 記憶部
２１２ 学習データ取得部
２１３ 学習処理部
２１４ 入力データ取得部
２１５ 供給部
２１６ 出力部
２１７ 精度取得部
２１８ 報知部
２１１０ 学習モデル
２１１１ 学習データ
２１１２ 運用データ
２１１３ 有効期限データ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】