特開 2024-129903 設計支援装置、推論装置、機械学習装置、設計支援方法、推論方法、及び、機械学習方法

(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】P2024129903

(43)【公開日】2024-09-30

(54)【発明の名称】設計支援装置、推論装置、機械学習装置、設計支援方法、推論方法、及び、機械学習方法

(51)【国際特許分類】

   G06F 30/18 20200101AFI20240920BHJP

   G06F 30/27 20200101ALI20240920BHJP

   G06T 7/00 20170101ALI20240920BHJP

   G06N 20/00 20190101ALI20240920BHJP

   G06F 113/16 20200101ALN20240920BHJP

【ＦＩ】

G06F30/18

G06F30/27

G06T7/00 350B

G06N20/00 130

G06F113:16

【審査請求】未請求

【請求項の数】9

【出願形態】ＯＬ

(21)【出願番号】P 2023039280

(22)【出願日】2023-03-14

(71)【出願人】

【識別番号】000000239

【氏名又は名称】株式会社荏原製作所

(74)【代理人】

【識別番号】100214248

【弁理士】

【氏名又は名称】青山 純

(74)【代理人】

【識別番号】100214260

【弁理士】

【氏名又は名称】相羽 昌孝

(72)【発明者】

【氏名】田中 優

(72)【発明者】

【氏名】梅村 堅一

(72)【発明者】

【氏名】遠藤 慎介

(72)【発明者】

【氏名】菊池 景介

(72)【発明者】

【氏名】伊藤 理

(72)【発明者】

【氏名】神子島 隆仁

(72)【発明者】

【氏名】竹澤 邦将

【テーマコード（参考）】

5B146

5L096

【Ｆターム（参考）】

5B146AA14

5B146AA21

5B146DA07

5B146DC03

5L096BA12

5L096HA11

5L096JA11

5L096KA04

5L096KA15

(57)【要約】

【課題】設計者のポンプ施設の電気配線に係る設計作業を支援する支援装置を提供する。
【解決手段】設計支援装置３は、ポンプ施設の電気配線に係る設計作業を支援する設計支援装置３であって、前記電気配線に関して複数の図面種類からなる設計図面群に含まれる図面データとして、イメージデータ形式で記録された図面データを取得する図面データ取得部３００と、前記図面データ取得部により取得された前記図面データに含まれる特徴形状に基づいて、当該図面データの前記図面種類が外部端子図であるか否かを判定する図面種類判定部３０１と、を備える。
【選択図】 図１１

【特許請求の範囲】

【請求項1】

電気配線に係る設計作業を支援する設計支援装置であって、
前記電気配線に関して複数の図面種類からなる設計図面群に含まれる図面データとして、イメージデータ形式で記録された図面データを取得する図面データ取得部と、
前記図面データ取得部により取得された前記図面データに含まれる特徴形状に基づいて、当該図面データの前記図面種類が外部端子図であるか否かを判定する図面種類判定部と、を備える、
設計支援装置。

【請求項2】

前記図面種類判定部は、
前記図面データに含まれる前記特徴形状と、前記図面種類との相関関係を機械学習させた学習モデルに、前記図面データ取得部により取得された前記図面データを入力することにより、当該図面データの前記図面種類が前記外部端子図であるか否かを判定する、
請求項１に記載の設計支援装置。

【請求項3】

前記図面種類判定部は、
前記図面データ取得部により取得された前記図面データに対して画像処理を行うことにより前記特徴形状を抽出し、当該特徴形状の抽出結果に基づいて、当該図面データの前記図面種類が前記外部端子図であるか否かを判定する、
請求項１に記載の設計支援装置。

【請求項4】

前記図面種類判定部は、
前記特徴形状として、
単一直線部と、単一直線部の両側端に接続された２つの分岐直線部とを有する第１の特徴形状、及び、
単一直線部と、単一直線部の片側端に接続された１つの分岐直線部とを有する第２の特徴形状のうち、少なくとも１つを抽出する、
請求項３に記載の設計支援装置。

【請求項5】

メモリと、プロセッサとを備える推論装置であって、
前記プロセッサは、
ポンプ施設の電気配線に関して複数の図面種類からなる設計図面群に含まれる図面データとして、イメージデータ形式で記録された前記図面データを取得する図面データ取得処理と、
前記図面データ取得処理にて前記図面データを取得すると、当該図面データに含まれる特徴形状に基づいて、当該図面データの前記図面種類が外部端子図であるか否かを判定する推論処理と、を実行する、
推論装置。

【請求項6】

電気配線に関して複数の図面種類からなる設計図面群に含まれる図面データとしてイメージデータ形式で記録された図面データと、当該図面データの前記図面種類が外部端子図であるか否かを示す図面種類情報とで構成される学習用データを複数組記憶する学習用データ記憶部と、
複数組の前記学習用データを学習モデルに入力することで、前記図面データと前記図面種類情報との相関関係を前記学習モデルに学習させる機械学習部と、
前記機械学習部により前記相関関係を学習させた前記学習モデルを記憶する学習済みモデル記憶部と、を備える、
機械学習装置。

【請求項7】

電気配線に係る設計作業を支援する設計支援方法であって、
前記電気配線に関して複数の図面種類からなる設計図面群に含まれる図面データとして、イメージデータ形式で記録された前記図面データを取得する図面データ取得工程と、
前記図面データ取得工程により取得された前記図面データに含まれる特徴形状に基づいて、当該図面データの前記図面種類が外部端子図であるか否かを判定する図面種類判定工程と、を備える、
設計支援方法。

【請求項8】

メモリと、プロセッサとを備える推論装置により実行される推論方法であって、
前記プロセッサは、
ポンプ施設の電気配線に関して複数の図面種類からなる設計図面群に含まれる図面データとして、イメージデータ形式で記録された前記図面データを取得する図面データ取得処理と、
前記図面データ取得処理にて前記図面データを取得すると、当該図面データに含まれる特徴形状に基づいて、当該図面データの前記図面種類が外部端子図であるか否かを推論する推論処理と、を実行する、
推論方法。

【請求項9】

電気配線に関して複数の図面種類からなる設計図面群に含まれる図面データとしてイメージデータ形式で記録された図面データと、当該図面データの前記図面種類が外部端子図であるか否かを示す図面種類情報とで構成される学習用データを学習用データ記憶部に複数組記憶する学習用データ記憶工程と、
複数組の前記学習用データを学習モデルに入力することで、前記図面データと前記図面種類情報との相関関係を前記学習モデルに学習させる機械学習工程と、
前記機械学習工程により前記相関関係を学習させた前記学習モデルを学習済みモデル記憶部に記憶する学習済みモデル記憶工程と、を備える、
機械学習方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、複数の図面の中から外部端子の設計図を抽出するための設計支援装置、推論装置、機械学習装置、設計支援方法、推論方法、及び、機械学習方法に関する。

【背景技術】

【0002】

ケーブルを布設するための設計を支援するために、コンピュータを使って支援する装置は従来から種々提案されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２００７－２００００６号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

特許文献１に開示されたケーブル布設設計支援システムは、ケーブルを布設するために、接続機器の仕様、電圧降下許容範囲から必要な事項を設計者がケーブル布設設計支援システムに手入力するものである。結線表を作成するためには、複数の図面から構成される設計図面群（盤図）の中から外部端子図を抽出し、さらに、外部端子図から必要な事項を抽出する必要がある。しかしながら、設計者により仕様書等の複数の図面から特定の種類の図面を抽出することは高いスキルが求められる作業であり、当該作業の遅延が原因で工事全体の遅延を招くものであった。

【0005】

本発明は、上記の課題に鑑み、設計者の作業効率を向上させることを可能とする設計支援装置、推論装置、機械学習装置、設計支援方法、推論方法、及び、機械学習方法を提供することを目的とする。

【課題を解決するための手段】

【0006】

本発明の設計支援装置は、電気配線に係る設計作業を支援する設計支援装置であって、前記電気配線に関して複数の図面種類からなる設計図面群に含まれる図面データとして、イメージデータ形式で記録された図面データを取得する図面データ取得部３００と、前記図面データ取得部により取得された前記図面データに含まれる特徴形状４２０に基づいて、当該図面データの前記図面種類が外部端子図であるか否かを判定する図面種類判定部３０１と、を備えた。
設計支援装置。

【発明の効果】

【0007】

本発明の一態様に係る設計支援装置によれば、複数の図面から構成されている設計図面群の中から外部端子図を速やかにかつ確実に抽出することができるため、設計者の作業効率を向上させることができ、かつその後の工事の遅延を回避することができる。

【0008】

上記以外の課題、構成及び効果は、後述する発明を実施するための形態にて明らかにされる。

【図面の簡単な説明】

【0009】

【図1】設計支援システム１の一例を示す全体構成図である。

【図2】設計支援システム１にて取り扱われる設計図面群１０及び設計支援装置３の一例を示す概略図である。

【図3】外部端子図４００の一例を示す図である。

【図4】機械学習装置２の一例を示すブロック図である。

【図5】学習モデル１２及び学習用データ１１に基づく学習フェーズの一例を示す図である。

【図6】設計支援装置３の一例を示すブロック図である。

【図7】設計支援装置３の機能の一例を説明する図である。

【図8】外部端子図４００に記載されている端子台ブロック４１１の一例を示す図である。

【図9】端子台ブロック４１１が有する特徴形状４２０の一例を示す図である。

【図10】コンピュータ９００のブロック図である。

【図11】機械学習装置２による機械学習方法の一例を示すフローチャートである。

【図12】設計支援装置３による設計支援方法の一例を示すフローチャートである。

【発明を実施するための形態】

【0010】

以下、図面を参照して本発明を実施するための実施形態について説明する。以下では、本発明の目的を達成するための説明に必要な範囲を模式的に示し、本発明の該当部分の説明に必要な範囲を主に説明することとし、説明を省略する箇所については公知技術によるものとする。

【0011】

図１は、設計支援システム１の一例を示す全体構成図である。設計支援システム１は、図２は、設計支援システム１にて取り扱われる設計図面群１０と、設計支援装置３との一例を示す概略図である。

【0012】

設計支援システム１は、外部端子図が必要である、典型的には負荷がモータであるような設備に係る設計作業において、設計者が、電気配線に関する盤図に含まれる外部端子図、複線接続図、配線色別表等に基づいて、主に結線表を作成する際の設計作業を支援する装置である。設計支援システム１の実施例として、モータが用いられるポンプ施設を記載するが、設計支援システム１がポンプ施設に限らず換気設備やブロア設備など、モータを負荷とするような外部端子図が必要とされる様々な設備の設計に適用することができることは、当業者にとって明らかである。

【0013】

ポンプ施設は、その構成要素として、大きく分けて、例えば、ポンプやコンプレッサ等の負荷と、ブレーカ、スイッチ等の電気回路と、負荷を駆動するための電源装置と、負荷や外部環境等の状態を検出するセンサ装置と、負荷や電気回路を制御する制御装置とを備える。負荷、電気回路、電源装置、センサ装置、制御装置等の構成要素は、ケーブルにより電気配線されるとともに、各ケーブルを中継するために、例えば、配電盤、分電盤、動力盤、制御盤等と呼ばれる各種の盤で電気的に接続される。ケーブルは、複数の芯線として、例えば、接地線と負荷接続線とで構成される多芯ケーブルを用いることを基本とする。

【0014】

電気配線に関する設計図面群１０は、例えば、盤図と呼ばれており、複数種類の図面、表からなる複数の図面データを含む。図面データは、例えば、イメージデータ形式で記録されている。イメージデータ形式としては、例えば、JPEG、GIF、PNG、TIFF、BMP、PDF等を採用することができ、文字認識が可能である形式であれば、これらに限られない。

【0015】

設計図面群１０に含まれる図面データ１００の図面種類としては、外部端子図、製作仕様書、外形図、内部器具配置図、部品表、予備品・付属品表、単線接続図、複線接続図、展開接続図、配線色別表等が挙げられる。

【0016】

図３は、外部端子図４００の一例を示す図である。外部端子図４００は、接続元となる盤の端子台と、接続先となる負荷との間の電気的な接続関係を端子単位で示す図面である。

【0017】

図３に示す外部端子図４００は、図面右下に配置された図面・図番４１０と、図面左側に４段、図面右側に１段で配置された５つの端子台ブロック４１１と、図面左下に配置された端子台詳細４１２とを有する。なお、図３は、外部端子図４００の一例を示すものであり、当該図面の構成に限定されるものではない。

【0018】

端子台ブロック４１１には、盤に設けられた端子台毎に、端子台と、その端子台にケーブルを介して接続される負荷（他の盤に設けられた端子台でもよい）との間の接続関係が記載される。端子台ブロック４１１では、端子台と、負荷との間の接続関係を、例えば、単一直線部と、単一直線部の両側端又は片側端に接続された分岐直線部とで表している。端子台詳細４１２には、盤に設けられた端子台毎に、端子台の型式、定格電流、適合電線太さ、端子サイズ等が記載される。

【0019】

設計支援システム１は、図１に示すように、機械学習の学習フェーズの主体として動作する機械学習装置２と、機械学習における推論フェーズの主体として動作し、設計者による設計作業を支援する設計支援装置３とを備える。機械学習装置２及び設計支援装置３は、有線又は無線のネットワーク４に接続されて、各種のデータを相互に送受信可能に構成される。なお、機械学習装置２及び設計支援装置３の数やネットワーク４の接続構成は、図１の例に限られず、適宜変更してもよい。

【0020】

機械学習装置２は、汎用又は専用のコンピュータ（後述の図１０参照）等で構成される。機械学習装置２は、図面データ１００（学習用画像）を含む学習用データ１１を用いて、学習モデル１２の機械学習を実施する。その際、学習用データ１１の準備、学習モデル１２の機械学習等を行うために、機械学習装置２は、入力画面を介して各種の入力操作を受け付けるとともに、アプリやブラウザ等の表示画面を介して各種の情報を表示する。また、機械学習装置２は、学習済みの学習モデル１２をネットワーク４や記録媒体等を介して設計支援装置３に提供する。機械学習装置２の詳細は後述する。

【0021】

設計支援装置３は、汎用又は専用のコンピュータ（後述の図１０参照）等で構成される。設計支援装置３は、機械学習装置２により学習済みの学習モデル１２を用いて、図面データ１００（判定用画像）から、当該図面データ１００の図面種類が外部端子図４００であるか否かを判定することにより、設計図面群１０から外部端子図４００を抽出する。その際、設計支援装置３は、図面データ１００の選択や図面種類の判定等を行うために、入力画面を介して各種の入力操作を受け付けるとともに、アプリやブラウザ等の表示画面を介して各種の情報を表示する。設計支援装置３の詳細は後述する。

【0022】

図４は、機械学習装置２の一例を示すブロック図である。機械学習装置２は、制御部２０、通信部２１、学習用データ記憶部２２、学習済みモデル記憶部２３、入力部２４、及び、出力部２５を備える。

【0023】

制御部２０は、学習用データ取得部２００、及び、機械学習部２０１として機能する。通信部２１は、ネットワーク４を介して外部装置（例えば、設計支援装置３等）と接続され、各種のデータを送受信する通信インターフェースとして機能する。入力部２４は、各種の入力操作を受け付けるとともに、出力部２５は、表示画面や音声を介して各種の情報を出力することで、ユーザインターフェースとして機能する。

【0024】

学習用データ取得部２００は、入力データしての図面データ１００と、出力データとし
ての図面種類情報１１０で構成される学習用データ１１を取得する。なお、図面種類情報１１０は、教師あり学習における正解ラベルとして用いられるデータである。学習用データ取得部２００は、例えば、通信部２１及びネットワーク４を介して接続される外部装置と連携して学習用データ１１を取得してもよいし、入力部２４及び出力部２５を介して入力操作を受け付けることにより学習用データ１１を取得してもよい。学習用データ１１は、教師あり学習における教師データ（トレーニングデータ）、検証データ及びテストデータとして用いられるデータである。

【0025】

学習用データ記憶部２２は、学習用データ取得部２００で取得した学習用データ１１を複数組記憶するデータベースである。なお、学習用データ記憶部２２を構成するデータベースの具体的な構成は適宜設計すればよい。

【0026】

機械学習部２０１は、学習用データ記憶部２２に記憶された複数組の学習用データ１１を用いて機械学習を実施する。すなわち、機械学習部２０１は、学習モデル１２に学習用データ１１を複数組入力し、学習用データ１１に含まれる入力データ（図面データ１００）と出力データ（図面種類情報１１０）との相関関係を学習モデル１２に学習させることで、学習済みの学習モデル１２を生成する。なお、機械学習部２０１は、図面データ１００を学習モデル１２に入力する際の前処理として、所定の画像調整（例えば、画像フォーマット、画像サイズ、画像フィルタ、画像マスク等）を図面データ１００に施してもよい。

【0027】

学習済みモデル記憶部２３は、機械学習部２０１により生成された学習済みの学習モデル１２（具体的には、調整済みの重みパラメータ群）を記憶するデータベースである。学習済みモデル記憶部２３に記憶された学習済みの学習モデル１２は、ネットワーク４や記録媒体等を介して実システム（例えば、設計支援装置３）に提供される。なお、学習モデル１２は、外部コンピュータ（例えば、サーバ型コンピュータやクラウド型コンピュータ）に提供されて、外部コンピュータの記憶部に記憶されてもよい。また、図４では、学習用データ記憶部２２と、学習済みモデル記憶部２３とが別々の記憶部として示されているが、これらは単一の記憶部で構成されてもよい。

【0028】

図５は、学習モデル１２及び学習用データ１１に基づく学習フェーズの一例を示す図である。学習モデル１２の機械学習に用いられる学習用データ１１は、図面データ１００と、図面種類情報１１０とで構成される。

【0029】

学習用データ１１を構成する図面データ１００は、設計図面群１０を構成する任意の図面データ１００である。

【0030】

学習用データ１１を構成する図面種類情報１１０は、学習用データ１１を構成する図面データ１００の図面種類を示す情報である。例えば、図面種類として、図５に示すように、「外部端子図４００」、「複線接続図」、「展開接続図」等のように分類する場合には、これらの分類（図面種類）にそれぞれ対応する複数のクラスを用意する。また、図面種類として、例えば、「外部端子図４００」と、「外部端子図４００以外の図面」とに分類する場合には、これらの分類に対応する２つのクラスを用意する。なお、図面種類情報１１０は、上記の分類（クラス）の定義や数に限られない。

【0031】

学習用データ取得部２００は、外部端子図４００、複線接続図、展開接続図製作仕様書、外形図、内部器具配置図、部品表、予備品・付属品表、単線接続図等の図面データ１００を取得するとともに、その図面データ１００の図面種類を示す図面種類情報１１０を取得する。そして、学習用データ取得部２００は、それらを対応付けることで、学習用データ１１を取得する。

【0032】

図５に示す学習モデル１２は、例えば、ニューラルネットワークの構造を採用したものであり、入力層１２０、中間層１２１、及び、出力層１２２を備える。各層の間には、各ニューロンをそれぞれ接続するシナプス（不図示）が張られており、各シナプスには、重みがそれぞれ対応付けられている。各シナプスの重みからなる重みパラメータ群が、機械学習により調整される。

【0033】

入力層１２０は、入力データとしての図面データ１００の各画素に対応する数のニューロンを有し、各画素の画素値が各ニューロンにそれぞれ入力される。出力層１２２は、出力データとしての図面種類情報１１０に対応する数のニューロンを有し、図面データ１００に対する図面種類情報１１０の予測結果（推論結果）が、出力データとして出力される。本実施形態では、外部端子図４００が「０．７」、複線接続図が「０．１」、展開接続図が「０．０５」との推論結果が出力された場合が図５に示されている。

【0034】

なお、学習済みモデル記憶部２３に記憶される学習モデル１２の数は１つに限定されず、例えば、機械学習の手法、設計図面群の作図方法の違い、図面種類情報１１０に含まれるデータの違い等のように、条件が異なる複数の学習モデルが記憶されてもよい。その場合には、学習用データ記憶部２２には、条件が異なる複数の学習モデルにそれぞれ対応するデータ構成を有する複数種類の学習用データが記憶されるようにすればよい。

【0035】

図６は、設計支援装置３の一例を示すブロック図である。図７は、設計支援装置３の一例を示す機能説明図である。設計支援装置３は、制御部３０、通信部３１、図面データ記憶部３２、学習済みモデル記憶部３３、入力部３４、及び、出力部３５を備える。

【0036】

制御部３０は、図面データ取得部３００、図面種類判定部３０１、及び、出力処理部３０２として機能する。通信部３１は、ネットワーク４を介して外部装置（例えば、機械学習装置２等）と接続され、各種のデータを送受信する通信インターフェースとして機能する。記憶部３２は、設計支援装置３の動作で使用される各種のプログラム（オペレーティングシステムやユーザ端末プログラム等）やデータ（設計図面群、学習済みの学習モデル１２）等を記憶する。入力部３４は、各種の入力操作を受け付けるとともに、出力部３５は、表示画面や音声を介して各種の情報を出力することで、ユーザインターフェースとして機能する。

【0037】

図面データ記憶部３２は、設計図面群を記憶するデータベースである。なお、図面データ記憶部３２は、外部コンピュータ（例えば、サーバ型コンピュータやクラウド型コンピュータ）の記憶部で代用されてもよく、その場合には、図面データ取得部３００は、当該外部コンピュータにアクセスすればよい。

【0038】

学習済みモデル記憶部３３は、図面種類判定部３０１にて用いられる学習済み（重みパラメータ群が調整済み）の学習モデル１２を記憶するデータベースである。なお、学習済みモデル記憶部３３に記憶される学習モデル１２の数は１つに限定されず、例えば、機械学習の手法、設計図面群の作図方法の違い、図面種類情報１１０に含まれるデータの違い等のように、条件が異なる複数の学習済みモデルが記憶され、選択的又は並列的に利用可能としてもよい。学習済みモデル記憶部３３は、外部コンピュータ（例えば、サーバ型コンピュータやクラウド型コンピュータ）の記憶部で代用されてもよく、その場合には、図面種類判定部３０１は、当該外部コンピュータにアクセスすればよい。

【0039】

図面データ取得部３００は、設計図面群１０に含まれる図面データ１００を取得する。本実施形態では、図面データ取得部３００は、例えば、図面データ記憶部３２を参照することにより、図面データ１００を取得する。

【0040】

図面種類判定部３０１は、図面データ取得部３００により取得された図面データ１００に含まれる特徴形状４２０に基づいて、当該図面データ１００の図面種類が外部端子図４００であるか否かを判定する。本実施形態では、図面種類判定部３０１は、図面データ１００と図面種類情報１１０との相関関係を機械学習させた学習モデル１２に、図面データ取得部３００により取得された図面データ１００を入力することにより、当該図面データ１００の図面種類が外部端子図４００であるか否かを判定する。

【0041】

例えば、図面種類情報１１０として、「外部端子図４００」、「複線接続図」、「展開接続図」等のように分類する複数のクラスを用いた場合には、図面種類情報１１０は、図７に示すように、クラス毎のスコアとして、「０．８」、「０．０５」、「０．０１」等のように出力される。スコアの利用方法は、任意の方法を採用すればよく、例えば、スコアが最も高いクラス（上記の例では、スコア「０．８」の外部端子図４００）に基づいて、図面データ１００が外部端子図４００であるか否かを判定すればよい。また、「外部端子図４００」のクラスのスコアが所定のスコア基準値を超えているか否かに応じて、図面データ１００が外部端子図４００であるか否かを判定してもよい。なお、図面種類情報１１０として、「外部端子図４００」と、「外部端子図４００以外の図面」とに分類する２つのクラスを用いた場合には、「外部端子図４００」のクラスのスコアが、「外部端子図４００以外の図面」のクラスのスコアよりも高いか否かに応じて、図面データ１００が外部端子図４００であるか否かを判定すればよい。また、「外部端子図４００」のクラスのスコアが所定のスコア基準値を超えているか否かに応じて、図面データ１００が外部端子図４００であるか否かを判定してもよい。

【0042】

図８は外部端子図４００に記載されている端子台ブロック４１１の一例を示す図である。図９は、端子台ブロック４１１が有する特徴形状４２０の一例を示す図である。

【0043】

外部端子図４００は、特徴形状４２０として、当該図面中に、多芯線が分岐している回路が図示されている。典型的な回路としては、図８に記載されているとおり、単一直線部４３０の両側端に二つの分岐直線部４４０を有している。ここで、直線部とは、電気回路の電線であることを示す範囲のものであり、湾曲部や円弧を含む場合がある。

【0044】

別の外部端子の特徴形状４２０としては、図９に示すように単一直線部４３０の両端の分岐直線部４４０がそれぞれ異なるものであったり、単一直線部４３０の片側にのみ一つの分岐直線部４４０を有しているものであったりする。また、外部端子の特徴形状４２０は、設計者や施工会社等により異なるので、当該実施形態に特定されず、設計者や施工会社等の回路の記載方法を取得して適宜外部端子の特徴形状４２０を特定し、予め学習させておくことが有効である。

【0045】

なお、図面データ１００に対する判定結果は、例えば、学習済みの学習モデル１２の推論精度の更なる向上のため、オンライン学習や再学習に用いられる学習用データ１１として利用してもよい。

【0046】

出力処理部３０２は、図面種類判定部３０１により判定された図面データ１００に対する図面種類の判定結果である図面種類情報１１０を出力するための出力処理を行う。判定結果を出力するための具体的な出力手段は、種々の手段を採用することが可能である。例えば、出力処理部３０２は、図面種類情報１１０を画面表示したり、図面種類情報１１０を図面データ記憶部３２に記憶したりする。その際、出力処理部３０２は、図面種類情報１１０を図面データ１００の属性データとして、図面データ１００に含ませるように記憶してもよい。

【0047】

上記実施形態では、図面種類判定部３０１が外部端子図を抽出しているが、他の図面、表においても、当該図面、表が他の図面、表と区別がつくような形状や記載があれば、その内容に基づいて当該図面、表を抽出するようにしてもよい。

【0048】

図１０は、コンピュータ９００の一例を示すハードウエア構成図である。機械学習装置２及び設計支援装置３は、汎用又は専用のコンピュータ９００により構成される。

【0049】

コンピュータ９００は、図１０に示すように、その主要な構成要素として、バス９１０、プロセッサ９１２、メモリ９１４、入力デバイス９１６、出力デバイス９１７、表示デバイス９１８、ストレージ装置９２０、通信Ｉ／Ｆ部９２２、外部機器Ｉ／Ｆ部９２４、Ｉ／Ｏ（入出力）デバイスＩ／Ｆ部９２６、及び、メディア入出力部９２８を備える。なお、上記の構成要素は、コンピュータ９００が使用される用途に応じて適宜省略されてもよい。

【0050】

プロセッサ９１２は、１つ又は複数の演算処理装置（ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＭＰＵ（Ｍｉｃｒｏ－Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＮＰＵ（Ｎｅｕｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等）で構成され、コンピュータ９００全体を統括する制御部として動作する。メモリ９１４は、各種のデータ及びプログラム９３０を記憶し、例えば、メインメモリとして機能する揮発性メモリ（ＤＲＡＭ、ＳＲＡＭ等）と、不揮発性メモリ（ＲＯＭ）、フラッシュメモリ等とで構成される。

【0051】

入力デバイス９１６は、例えば、キーボード、マウス、テンキー、電子ペン等で構成され、入力部として機能する。出力デバイス９１７は、例えば、音（音声）出力装置、バイブレーション装置等で構成され、出力部として機能する。表示デバイス９１８は、例えば、液晶ディスプレイ、有機ＥＬディスプレイ、電子ペーパー、プロジェクタ等で構成され、出力部として機能する。入力デバイス９１６及び表示デバイス９１８は、タッチパネルディスプレイのように、一体的に構成されていてもよい。ストレージ装置９２０は、例えば、ＨＤＤ、ＳＳＤ等で構成され、記憶部として機能する。ストレージ装置９２０は、オペレーティングシステムやプログラム９３０の実行に必要な各種のデータを記憶する。

【0052】

通信Ｉ／Ｆ部９２２は、インターネットやイントラネット等のネットワーク９４０（図１のネットワーク４と同じであってもよい）に有線又は無線により接続され、所定の通信規格に従って他のコンピュータとの間でデータの送受信を行う通信部として機能する。外部機器Ｉ／Ｆ部９２４は、カメラ、プリンタ、スキャナ、リーダライタ等の外部機器９５０に有線又は無線により接続され、所定の通信規格に従って外部機器９５０との間でデータの送受信を行う通信部として機能する。Ｉ／ＯデバイスＩ／Ｆ部９２６は、各種のセンサ、アクチュエータ等のＩ／Ｏデバイス９６０に接続され、Ｉ／Ｏデバイス９６０との間で、例えば、センサによる検出信号やアクチュエータへの制御信号等の各種の信号やデータの送受信を行う通信部として機能する。メディア入出力部９２８は、例えば、ＤＶＤドライブ、ＣＤドライブ等のドライブ装置、メモリカードスロット、ＵＳＢコネクタで構成され、ＤＶＤ、ＣＤ、メモリカード、ＵＳＢメモリ等のメディア（非一時的な記憶媒体）９７０に対してデータの読み書きを行う。

【0053】

上記構成を有するコンピュータ９００において、プロセッサ９１２は、ストレージ装置９２０に記憶されたプログラム９３０をメモリ９１４に呼び出して実行し、バス９１０を介してコンピュータ９００の各部を制御する。なお、プログラム９３０は、ストレージ装置９２０に代えて、メモリ９１４に記憶されていてもよい。プログラム９３０は、インストール可能なファイル形式又は実行可能なファイル形式でメディア９７０に記録され、メ
ディア入出力部９２８を介してコンピュータ９００に提供されてもよい。プログラム９３０は、通信Ｉ／Ｆ部９２２を介してネットワーク９４０経由でダウンロードすることによりコンピュータ９００に提供されてもよい。また、コンピュータ９００は、プロセッサ９１２がプログラム９３０を実行することで実現する各種の機能を、例えば、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）等のハードウエアで実現するものでもよい。

【0054】

コンピュータ９００は、例えば、据置型コンピュータや携帯型コンピュータで構成され、任意の形態の電子機器である。コンピュータ９００は、クライアント型コンピュータでもよいし、サーバ型コンピュータやクラウド型コンピュータでもよいし、例えば、制御盤、コントローラ（マイコン、プログラマブルロジックコントローラ、シーケンサを含む）等と呼ばれる組込型コンピュータでもよい。

【0055】

図１１は、機械学習装置２による機械学習方法の一例を示すフローチャートである。

【0056】

まず、ステップＳ１００において、学習用データ取得部２００は、機械学習を開始するための事前準備として、所望の数の学習用データ１１を取得し、その取得した学習用データ１１を学習用データ記憶部２２に記憶する。ここで準備する学習用データ１１の数については、最終的に得られる学習モデル１２に求められる推論精度を考慮して設定すればよい。

【0057】

次に、ステップＳ１１０において、機械学習部２０１は、機械学習を開始すべく、学習前の学習モデル１２を準備する。ここで準備する学習前の学習モデル１２は、ニューラルネットワークモデルで構成されており、各シナプスの重みが初期値に設定されている。

【0058】

次に、ステップＳ１２０において、機械学習部２０１は、学習用データ記憶部２２に記憶された複数組の学習用データ１１から、例えば、ランダムに１組の学習用データ１１を取得する。

【0059】

次に、ステップＳ１３０において、機械学習部２０１は、１組の学習用データ１１に含まれる入力データ（図面データ１００）を、準備された学習前（又は学習中）の学習モデル１２の入力層１２０に入力する。その結果、学習モデル１２の出力層１２２から推論結果として出力データ（図面種類情報１１０）が出力されるが、当該出力データは、学習前（又は学習中）の学習モデル１２によって生成されたものである。そのため、学習前（又は学習中）の状態では、推論結果として出力された出力データは、学習用データ１１に含まれる正解ラベル（図面種類情報１１０）とは異なる情報を示す。

【0060】

次に、ステップＳ１４０において、機械学習部２０１は、ステップＳ１２０において取得された１組の学習用データ１１に含まれる正解ラベルと、ステップＳ１３０において出力層１２２から推論結果として出力された出力データとを比較し、各シナプスの重みを調整する処理（バックプロパゲーション）を実施することで、機械学習を実施する。これにより、機械学習部２０１は、入力データと出力データとの相関関係を学習モデル１２に学習させる。

【0061】

次に、ステップＳ１５０において、機械学習部２０１は、所定の学習終了条件が満たされたか否かを、例えば、学習用データ１１に含まれる正解ラベルと、推論結果として出力された出力データとに基づく誤差関数の評価値や、学習用データ記憶部２２内に記憶された未学習の学習用データ１１の残数に基づいて判定する。

【0062】

ステップＳ１５０において、機械学習部２０１が、学習終了条件が満たされておらず、機械学習を継続すると判定した場合（ステップＳ１５０でＮｏ）、ステップＳ１２０に戻り、学習中の学習モデル１２に対してステップＳ１２０～Ｓ１４０の工程を未学習の学習用データ１１を用いて複数回実施する。一方、ステップＳ１５０において、機械学習部２０１が、学習終了条件が満たされて、機械学習を終了すると判定した場合（ステップＳ１５０でＹｅｓ）、ステップＳ１６０に進む。

【0063】

そして、ステップＳ１６０において、機械学習部２０１は、各シナプスに対応付けられた重みを調整することで生成された学習済みの学習モデル１２（調整済みの重みパラメータ群）を学習済みモデル記憶部２３に記憶し、図１１に示す一連の機械学習方法を終了する。機械学習方法において、ステップＳ１００が学習用データ記憶工程、ステップＳ１１０～Ｓ１５０が機械学習工程、ステップＳ１６０が学習済みモデル記憶工程に相当する。

【0064】

以上のように、本実施形態に係る機械学習装置２及び機械学習方法によれば、設計図面群１０を構成する図面データ１００から、その図面データ１００の図面種類が外部端子図４００であるか否を判定（推論）することが可能な学習モデル１２を提供することができる。

【0065】

図１２は、設計支援装置３及び設計支援方法の一例を示すフローチャートである。なお、図１２に示す一連の設計支援方法は、設計支援装置３が、例えば、設計者からの入力操作を受け付けたときに実行されるものとして説明するが、実行される条件はこれに限られない。

【0066】

まず、ステップＳ２００において、図面データ取得部３００は、例えば、図面データ記憶部３２に記憶された複数の設計図面群１０から処理対象の設計図面群１０を選択する選択操作を受け付けると、その選択操作に応じて設計図面群１０を参照する。そして、ステップＳ２１０において、図面データ取得部３００は、その処理対象の設計図面群１０に含まれる複数の図面データ１００から処理対象の図面データ１００を取得する。

【0067】

次に、ステップＳ２２０において、図面種類判定部３０１は、ステップＳ２１０にて取得された処理対象の図面データ１００に所定の前処理を施して学習済みの学習モデル１２の入力層に入力し、その学習モデル１２の出力層から推論結果として出力された図面種類の判定結果として、図面種類の各クラスに対するスコアを取得する。

【0068】

次に、ステップＳ２３０において、図面種類判定部３０１は、教師あり学習の後処理の一例として、例えば、図面種類の各クラスに対するスコアのうち、最もスコアが高いクラスの図面種類を特定する。

【0069】

次に、ステップＳ２４０において、図面種類判定部３０１は、その最もスコアが高いクラスの図面種類が、外部端子図４００であるか否かを判定する。そして、ステップＳ２４０において、出力処理部３０２は、図面種類判定部３０１による図面種類の判定結果が「外部端子図」である場合には、ステップＳ２５０に進み、「外部端子図」でない場合には、ステップＳ２６０に進む。

【0070】

そして、ステップＳ２５０において、出力処理部３０２は、ステップＳ２１０にて取得された処理対象の図面データ１００が、「外部端子図」であることを示す図面種類情報１１０を出力する。一方、ステップＳ２６０において、出力処理部３０２は、ステップＳ２１０にて取得された処理対象の図面データ１００が、「外部端子図」でないことを示す図面種類情報１１０を出力する。

【0071】

次に、ステップＳ２７０において、図面データ取得部３００は、処理対象の設計図面群１０に、未処理の図面データ１００が含まれているか否かを判定する。そして、ステップＳ２７０において、図面データ取得部３００が、未処理の図面データ１００が含まれていると判定した場合（ステップＳ２７０でＮｏ）、ステップＳ２１０に戻り、未処理の図面データ１００を次の処理対象の図面データ１００として、上記のステップＳ２１０～Ｓ２６０の工程を繰り返して実施する。一方、ステップＳ２７０において、図面データ取得部３００が、未処理の図面データ１００が含まれていないと判定した場合（ステップＳ２７０でＹｅｓ）、図１２に示す一連の設計支援方法を終了する。なお、設計支援方法において、ステップＳ２１０が図面データ取得工程、ステップＳ２２０～Ｓ２４０が図面種類判定工程、ステップＳ２５０～Ｓ２６０が出力処理工程に相当する。

【0072】

以上のように、本実施形態に係る設計支援装置３及び設計支援方法によれば、図面データ１００が学習モデル１２に入力されることで、当該図面データ１００が外部端子図４００であるか否かが推論されるので、設計図面群１０から外部端子図４００を容易に抽出することができる。

【0073】

（他の実施形態）
本発明は上述した実施形態に制約されるものではなく、本発明の主旨を逸脱しない範囲内で種々変更して実施することが可能である。例えば、設計支援システム１が負荷がモータであるような設備の設計、典型的には換気設備やブロア設備などの外部端子図が必要とされる様々な設備の設計に適用することができることは、当業者にとって明らかである。そして、それらはすべて、本発明の技術思想に含まれるものである。

【0074】

上記実施形態では、機械学習装置２及び設計支援装置３は、別々の装置で構成されたものとして説明したが、単一の装置で構成されていてもよい。

【0075】

上記実施形態では、機械学習部２０１による機械学習を実現する学習モデルとして、ニューラルネットワークを採用した場合について説明したが、他の機械学習のモデルを採用してもよい。他の機械学習のモデルとしては、例えば、決定木、回帰木等のツリー型、バギング、ブースティング等のアンサンブル学習、再帰型ニューラルネットワーク、畳み込みニューラルネットワーク、ＬＳＴＭ等のニューラルネット型(ディープラーニングを含
む)、階層型クラスタリング、非階層型クラスタリング、ｋ近傍法、ｋ平均法等のクラス
タリング型、主成分分析、因子分析、ロジスティク回帰等の多変量解析、サポートベクターマシン等が挙げられる。

【0076】

上記実施形態では、設計支援装置３の図面種類判定部３０１は、図面データ取得部３００により取得された図面データ１００に基づいて図面種類情報１１０を生成する際、学習済みの学習モデル１２を用いる場合について説明したが、他の手法を採用してもよい。他の手法としては、例えば、画像処理に基づくルールベースが挙げられる。すなわち、図面種類判定部３０１は、図面データ取得部３００により取得された図面データ１００に対して画像処理を行うことにより設計者の位置を示す設計者情報を取得し、その取得した設計者情報に基づいて、当該図面データ１００に対する図面種類情報１１０を生成するようにしてもよい。

【0077】

上記実施形態では、機械学習装置２が、図１１に示すフローチャートに従って動作する場合について説明したが、各ステップの実行順序を適宜変更してもよいし、一部のステップを省略してもよい。また、上記実施形態では、設計支援装置３が、図１２に示すフローチャートに従って動作する場合について説明したが、各ステップの実行順序を適宜変更してもよいし、一部のステップを省略してもよい。

【0078】

本発明は、機械学習装置２が備える各部としてコンピュータ９００を機能させるプログラム（機械学習プログラム）や、機械学習方法が備える各工程をコンピュータ９００に実行させるためのプログラム（機械学習プログラム）の態様で提供することもできる。また、本発明は、設計支援装置３が備える各部としてコンピュータ９００を機能させるためのプログラム（設計支援プログラム）が備える各工程をコンピュータ９００に実行させるためのプログラム（設計支援プログラム）の態様で提供することもできる。

【0079】

本発明は、上記実施形態に係る設計支援装置３（設計支援方法又は設計支援プログラム）の態様によるもののみならず、図面種類情報を推論するために用いられる推論装置（推論方法又は推論プログラム）の態様で提供することもできる。その場合、推論装置（推論方法又は推論プログラム）としては、メモリと、プロセッサとを含み、このうちのプロセッサが、一連の処理を実行するものとすることができる。当該一連の処理とは、図面データ１００を取得する図面データ処理（図面データ取得工程）と、図面データ取得処理にて図面データを取得すると、当該図面データに基づいて図面種類情報１１０を推論する推論処理（推論工程）とを含む。

【0080】

推論装置（推論方法又は推論プログラム）の態様で提供することで、設計支援装置を実装する場合に比して簡単に種々の装置への適用が可能となる。推論装置（推論方法又は推論プログラム）が図面種類情報を推論する際、上記実施形態に係る機械学習装置及び機械学習方法により生成された学習済みの学習モデルを用いて、図面種類判定部が実施する推論手法を適用してもよいことは、当業者にとって当然に理解され得るものである。

【符号の説明】

【0081】

１…設計支援システム、２…機械学習装置、３…設計支援装置、
１０…設計図面群、１１…学習用データ、１２…学習モデル、
２０…制御部、２１…通信部、２２…学習用データ記憶部、
２３…学習済みモデル記憶部、２４…入力部、２５…出力部、
３０…制御部、３１…通信部、３２…図面データ記憶部、３３…学習済みモデル記憶部、３４…入力部、３５…出力部、
１００…図面データ、１１０…図面種類情報、
２００…学習用データ取得部、２０１…機械学習部、
３００…図面データ取得部、３０１…図面種類判定部、３０２…出力処理部、
４００…外部端子図、４１１…端子台ブロック、４２０…特徴形状、
４３０…単一直線部（特徴形状の一部）、４４０…分岐直線部（特徴形状の一部）

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】