特開 2024-5330 コンクリート強度推定装置、コンクリート強度推定モデル生成装置、コンクリート強度推定方法及びコンクリート強度推定モデル生成方法

(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】P2024005330

(43)【公開日】2024-01-17

(54)【発明の名称】コンクリート強度推定装置、コンクリート強度推定モデル生成装置、コンクリート強度推定方法及びコンクリート強度推定モデル生成方法

(51)【国際特許分類】

   G01N 33/38 20060101AFI20240110BHJP

   G06Q 50/08 20120101ALI20240110BHJP

【ＦＩ】

G01N33/38

G06Q50/08

【審査請求】未請求

【請求項の数】6

【出願形態】ＯＬ

(21)【出願番号】P 2022105468

(22)【出願日】2022-06-30

(71)【出願人】

【識別番号】000002299

【氏名又は名称】清水建設株式会社

(74)【代理人】

【識別番号】100149548

【弁理士】

【氏名又は名称】松沼 泰史

(74)【代理人】

【識別番号】100161506

【弁理士】

【氏名又は名称】川渕 健一

(74)【代理人】

【識別番号】100161207

【弁理士】

【氏名又は名称】西澤 和純

(72)【発明者】

【氏名】赤羽根 駿之介

(72)【発明者】

【氏名】古川 慧

(72)【発明者】

【氏名】宮下 裕貴

(72)【発明者】

【氏名】黒田 泰弘

(72)【発明者】

【氏名】辻埜 真人

【テーマコード（参考）】

5L049

【Ｆターム（参考）】

5L049CC07

(57)【要約】

【課題】生コンクリートの状態でコンクリートの圧縮強度を推定することを図る。
【解決手段】コンクリートの圧縮強度を推定する対象である生コンクリートが製造された時の製造工程で得られた生コンクリート製造データの入力を受付ける受付部と、受付部が受付けた生コンクリート製造データを使用して、コンクリートの圧縮強度を推定する推定部と、を備え、推定部は、学習用の生コンクリートが製造された時の製造工程で得られた学習用生コンクリート製造データとコンクリートの圧縮強度の正解値を示す教師データとを使用して生コンクリート製造データからコンクリートの圧縮強度の推定値を出力するように教師あり学習が行われた推定モデルを備える。
【選択図】図１

【特許請求の範囲】

【請求項1】

コンクリートの圧縮強度を推定する対象である生コンクリートが製造された時の製造工程で得られた生コンクリート製造データの入力を受付ける受付部と、
前記受付部が受付けた生コンクリート製造データを使用して、コンクリートの圧縮強度を推定する推定部と、を備え、
前記推定部は、学習用の生コンクリートが製造された時の製造工程で得られた学習用生コンクリート製造データとコンクリートの圧縮強度の正解値を示す教師データとを使用して所定の教師あり学習アルゴリズムにより生コンクリート製造データからコンクリートの圧縮強度の推定値を出力するように教師あり学習が行われた推定モデルを備える、
コンクリート強度推定装置。

【請求項2】

前記生コンクリート製造データは、コンクリート材料の単位量、製造記録及び試験記録を含む、
請求項１に記載のコンクリート強度推定装置。

【請求項3】

学習用の生コンクリートが製造された時の製造工程で得られた学習用生コンクリート製造データとコンクリートの圧縮強度の正解値を示す教師データとの入力を受付ける受付部と、
前記受付部が受付けた学習用生コンクリート製造データと教師データとを使用して、所定の教師あり学習アルゴリズムにより、生コンクリート製造データからコンクリートの圧縮強度の推定値を出力するように教師あり学習を行って推定モデルを生成するモデル生成部と、
を備えるコンクリート強度推定モデル生成装置。

【請求項4】

前記モデル生成部は、複数の異なる教師あり学習アルゴリズム毎に前記推定モデルを生成し、
前記コンクリート強度推定モデル生成装置は、前記モデル生成部が生成した複数の前記推定モデルに対してそれぞれにコンクリートの圧縮強度の推定精度を検証し、当該検証の結果に基づいて前記複数の前記推定モデルの中から最終的な推定モデルを決定する選定部をさらに備える、
請求項３に記載のコンクリート強度推定モデル生成装置。

【請求項5】

コンクリートの圧縮強度を推定する対象である生コンクリートが製造された時の製造工程で得られた生コンクリート製造データの入力を受付ける受付ステップと、
前記受付ステップで受付けた生コンクリート製造データを使用して、コンクリートの圧縮強度を推定する推定ステップと、を含み、
前記推定ステップは、学習用の生コンクリートが製造された時の製造工程で得られた学習用生コンクリート製造データとコンクリートの圧縮強度の正解値を示す教師データとを使用して所定の教師あり学習アルゴリズムにより生コンクリート製造データからコンクリートの圧縮強度の推定値を出力するように教師あり学習が行われた推定モデルを使用する、
コンクリート強度推定方法。

【請求項6】

学習用の生コンクリートが製造された時の製造工程で得られた学習用生コンクリート製造データとコンクリートの圧縮強度の正解値を示す教師データとの入力を受付ける受付ステップと、
前記受付ステップで受付けた学習用生コンクリート製造データと教師データとを使用して、所定の教師あり学習アルゴリズムにより、生コンクリート製造データからコンクリートの圧縮強度の推定値を出力するように教師あり学習を行って推定モデルを生成するモデル生成ステップと、
を含むコンクリート強度推定モデル生成方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、コンクリート強度推定装置、コンクリート強度推定モデル生成装置、コンクリート強度推定方法及びコンクリート強度推定モデル生成方法に関する。

【背景技術】

【0002】

従来、コンクリートの圧縮強度を推定するコンクリート強度推定技術として例えば特許文献１が知られている。特許文献１には、建築物の鉄筋コンクリート躯体（コンクリート構造部）におけるコンクリートの圧縮強度を推定する際に、コンクリート構造部に孔を形成する削孔部における孔の深さ方向への移動速度の測定値に基づいてコンクリート構造部における圧縮強度を演算により求めるシステムが記載されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１９－０６０６８６号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかし、特許文献１に記載されたコンクリート強度推定技術は、既に打設されたコンクリートの圧縮強度を推定する技術である。一方、打設される前の生コンクリートの状態でコンクリートの圧縮強度を推定することができれば、製造されたコンクリート構造物に孔を形成することなく、コンクリート構造物の製造前にコンクリート構造物におけるコンクリートの圧縮強度を推定することが可能になるので好ましい。

【0005】

本発明は、このような事情を考慮してなされたものであり、その目的は、生コンクリートの状態でコンクリートの圧縮強度を推定することができるコンクリート強度推定装置、コンクリート強度推定モデル生成装置、コンクリート強度推定方法及びコンクリート強度推定モデル生成方法を提供することにある。

【課題を解決するための手段】

【0006】

本発明の一態様は、コンクリートの圧縮強度を推定する対象である生コンクリートが製造された時の製造工程で得られた生コンクリート製造データの入力を受付ける受付部と、前記受付部が受付けた生コンクリート製造データを使用して、コンクリートの圧縮強度を推定する推定部と、を備え、前記推定部は、学習用の生コンクリートが製造された時の製造工程で得られた学習用生コンクリート製造データとコンクリートの圧縮強度の正解値を示す教師データとを使用して所定の教師あり学習アルゴリズムにより生コンクリート製造データからコンクリートの圧縮強度の推定値を出力するように教師あり学習が行われた推定モデルを備える、コンクリート強度推定装置である。

【0007】

本発明の一態様は、上記のコンクリート強度推定装置において、前記生コンクリート製造データは、コンクリート材料の単位量、製造記録及び試験記録を含む。

【0008】

本発明の一態様は、学習用の生コンクリートが製造された時の製造工程で得られた学習用生コンクリート製造データとコンクリートの圧縮強度の正解値を示す教師データとの入力を受付ける受付部と、前記受付部が受付けた学習用生コンクリート製造データと教師データとを使用して、所定の教師あり学習アルゴリズムにより、生コンクリート製造データからコンクリートの圧縮強度の推定値を出力するように教師あり学習を行って推定モデルを生成するモデル生成部と、を備えるコンクリート強度推定モデル生成装置である。

【0009】

本発明の一態様は、上記のコンクリート強度推定モデル生成装置において、前記モデル生成部は、複数の異なる教師あり学習アルゴリズム毎に前記推定モデルを生成し、前記コンクリート強度推定モデル生成装置は、前記モデル生成部が生成した複数の前記推定モデルに対してそれぞれにコンクリートの圧縮強度の推定精度を検証し、当該検証の結果に基づいて前記複数の前記推定モデルの中から最終的な推定モデルを決定する選定部をさらに備える。

【0010】

本発明の一態様は、コンクリートの圧縮強度を推定する対象である生コンクリートが製造された時の製造工程で得られた生コンクリート製造データの入力を受付ける受付ステップと、前記受付ステップで受付けた生コンクリート製造データを使用して、コンクリートの圧縮強度を推定する推定ステップと、を含み、前記推定ステップは、学習用の生コンクリートが製造された時の製造工程で得られた学習用生コンクリート製造データとコンクリートの圧縮強度の正解値を示す教師データとを使用して所定の教師あり学習アルゴリズムにより生コンクリート製造データからコンクリートの圧縮強度の推定値を出力するように教師あり学習が行われた推定モデルを使用する、コンクリート強度推定方法である。

【0011】

本発明の一態様は、学習用の生コンクリートが製造された時の製造工程で得られた学習用生コンクリート製造データとコンクリートの圧縮強度の正解値を示す教師データとの入力を受付ける受付ステップと、前記受付ステップで受付けた学習用生コンクリート製造データと教師データとを使用して、所定の教師あり学習アルゴリズムにより、生コンクリート製造データからコンクリートの圧縮強度の推定値を出力するように教師あり学習を行って推定モデルを生成するモデル生成ステップと、を含むコンクリート強度推定モデル生成方法である。

【発明の効果】

【0012】

本発明によれば、生コンクリートの状態でコンクリートの圧縮強度を推定することができるという効果が得られる。

【図面の簡単な説明】

【0013】

【図1】第１実施形態に係るコンクリート強度推定システムの構成例を示すブロック図である。

【図2】第１実施形態に係るコンクリート強度推定モデル生成方法の手順の例を示すフローチャートである。

【図3】第１実施形態に係るコンクリート強度推定方法の手順の例を示すフローチャートである。

【図4】第２実施形態に係るコンクリート強度推定システムの構成例を示すブロック図である。

【図5】第２実施形態に係るコンクリート強度推定モデル生成方法の手順の例を示すフローチャートである。

【図6】実施形態によるコンクリートの圧縮強度の推定値とコンクリートの圧縮強度の実測値との関係を示すグラフ図である。

【発明を実施するための形態】

【0014】

以下、図面を参照し、本発明の実施形態について説明する。

【0015】

［第１実施形態］
図１は、第１実施形態に係るコンクリート強度推定システムの構成例を示すブロック図である。図１に示されるコンクリート強度推定システムは、コンクリート強度推定装置１０とコンクリート強度推定モデル生成装置２０とを備える。コンクリート強度推定装置１０とコンクリート強度推定モデル生成装置２０とは、通信によりオンラインでデータを送受してもよく、又はオフラインでデータを入出力してもよい。

【0016】

コンクリート強度推定装置１０には、生コンクリート製造データＡが入力される。生コンクリート製造データＡは、コンクリートの圧縮強度を推定する対象である生コンクリートが製造された時の製造工程で得られた生コンクリートの製造に関するデータである。コンクリート強度推定装置１０は、生コンクリート製造データＡからコンクリートの圧縮強度を推定する。

【0017】

コンクリート強度推定モデル生成装置２０には、学習用生コンクリート製造データＢと教師データＣとが入力される。学習用生コンクリート製造データＢは、学習用の生コンクリートが製造された時の製造工程で得られた生コンクリートの製造に関するデータである。教師データＣは、コンクリートの圧縮強度の正解値を示すデータである。コンクリート強度推定モデル生成装置２０は、学習用生コンクリート製造データＢと教師データＣとを使用して、所定の教師あり学習アルゴリズムにより、生コンクリート製造データからコンクリートの圧縮強度の推定値を出力するように教師あり学習を行って推定モデルＭＤを生成する。コンクリート強度推定モデル生成装置２０が生成した推定モデルＭＤは、生コンクリート製造データから生成されたモデル入力データが入力されると、コンクリートの圧縮強度の推定値を出力する。

【0018】

コンクリート強度推定モデル生成装置２０が生成した推定モデルＭＤは、コンクリート強度推定装置１０へ供給される。コンクリート強度推定装置１０は、生コンクリート製造データＡから、推定モデルＭＤを使用してコンクリートの圧縮強度の推定値を取得する。

【0019】

図１において、コンクリート強度推定装置１０は、受付部１１と、推定部１２と、出力部１３とを備える。

【0020】

コンクリート強度推定装置１０の各機能は、コンクリート強度推定装置１０がＣＰＵ（Central Processing Unit：中央演算処理装置）及びメモリ等のコンピュータハードウェアを備え、ＣＰＵがメモリに格納されたコンピュータプログラムを実行することにより実現される。なお、コンクリート強度推定装置１０として、汎用のコンピュータ装置を使用して構成してもよく、又は、専用のハードウェア装置として構成してもよい。例えば、コンクリート強度推定装置１０は、インターネット等の通信ネットワークに接続されるサーバコンピュータを使用して構成されてもよい。また、コンクリート強度推定装置１０の各機能はクラウドコンピューティングにより実現されてもよい。また、コンクリート強度推定装置１０は、単独のコンピュータにより実現するものであってもよく、又はコンクリート強度推定装置１０の機能を複数のコンピュータに分散させて実現するものであってもよい。また、コンクリート強度推定装置１０として、例えばＷＷＷシステム等を利用してウェブサイトを開設するように構成してもよい。

【0021】

受付部１１は、生コンクリート製造データＡの入力を受付ける。

【0022】

推定部１２は、受付部１１が受付けた生コンクリート製造データＡを使用して、コンクリートの圧縮強度を推定する。

【0023】

推定部１２は、前処理部３１と、コンクリート強度推定モデル生成装置２０が生成した推定モデルＭＤとを備える。推定部１２は、生コンクリート製造データＡから、推定モデルＭＤを使用してコンクリートの圧縮強度の推定値を取得する。より具体的には、前処理部３１は、生コンクリート製造データＡから、推定モデルＭＤへ入力するモデル入力データを生成する。推定部１２は、前処理部３１が生成したモデル入力データを推定モデルＭＤへ入力する。推定モデルＭＤは、モデル入力データが入力されると、コンクリートの圧縮強度の推定値を出力する。

【0024】

出力部１３は、推定部１２が取得したコンクリートの圧縮強度の推定値を出力する。コンクリートの圧縮強度の推定値の出力方法は、例えば、表示画面上への表示、印刷媒体への印刷、コンピュータ読み取り可能な記録媒体への書き込み、通信によるデータ送信などが挙げられる。なお、出力部１３は、推定部１２が取得したコンクリートの圧縮強度の推定値を、コンクリート強度推定装置１０の外部への出力を行わずに、コンクリート強度推定装置１０に内蔵のメモリや記録媒体に書き込むのみであってもよい。

【0025】

図１において、コンクリート強度推定モデル生成装置２０は、受付部２１と、モデル生成部２２と、出力部２３とを備える。

【0026】

コンクリート強度推定モデル生成装置２０の各機能は、コンクリート強度推定モデル生成装置２０がＣＰＵ及びメモリ等のコンピュータハードウェアを備え、ＣＰＵがメモリに格納されたコンピュータプログラムを実行することにより実現される。なお、コンクリート強度推定モデル生成装置２０として、汎用のコンピュータ装置を使用して構成してもよく、又は、専用のハードウェア装置として構成してもよい。例えば、コンクリート強度推定モデル生成装置２０は、インターネット等の通信ネットワークに接続されるサーバコンピュータを使用して構成されてもよい。また、コンクリート強度推定モデル生成装置２０の各機能はクラウドコンピューティングにより実現されてもよい。また、コンクリート強度推定モデル生成装置２０は、単独のコンピュータにより実現するものであってもよく、又はコンクリート強度推定モデル生成装置２０の機能を複数のコンピュータに分散させて実現するものであってもよい。また、コンクリート強度推定モデル生成装置２０として、例えばＷＷＷシステム等を利用してウェブサイトを開設するように構成してもよい。

【0027】

受付部２１は、学習用生コンクリート製造データＢと教師データＣとの入力を受付ける。

【0028】

モデル生成部２２は、受付部２１が受付けた学習用生コンクリート製造データＢと教師データＣとを使用して、所定の教師あり学習アルゴリズムにより、生コンクリート製造データからコンクリートの圧縮強度の推定値を出力するように教師あり学習を行って推定モデルＭＤを生成する。モデル生成部２２は、前処理部３２を備える。前処理部３２は、学習用生コンクリート製造データＢと教師データＣから、推定モデルＭＤの教師あり学習に使用される学習用モデル入力データを生成する。モデル生成部２２は、前処理部３２が生成した学習用モデル入力データを使用して推定モデルＭＤの教師あり学習を行う。

【0029】

出力部２３は、モデル生成部２２が生成した推定モデルＭＤを出力する。推定モデルＭＤは、例えば、コンピュータ読み取り可能な記録媒体への書き込み、通信によるデータ送信などが挙げられる。出力部２３が出力した推定モデルＭＤは、コンクリート強度推定装置１０へ供給される。

【0030】

上述した生コンクリート製造データＡ及び学習用生コンクリート製造データＢ（以下、両者を特に区別しないいときは単に「生コンクリート製造データ」と称する）は、生コンクリートが製造された時の製造工程で得られた生コンクリートの製造に関するデータである。具体的には、生コンクリート製造データは、コンクリート材料の単位量、製造記録及び試験記録を含むデータである。コンクリート材料の単位量は、セメント量、水量、細骨材量、粗骨材量、混和剤量および水セメント比である。製造記録は、練混ぜ時刻、設定表面水率、練混ぜ量、前回の練混ぜからの経過時間および気象条件である。試験記録は、スランプ・フロー、空気量、コンクリート温度、塩化物量および脱型時重量である。脱型時重量は、単位容積質量の代替である。

【0031】

したがって、生コンクリート製造データＡは、コンクリートの圧縮強度を推定する対象である生コンクリートが製造された時の製造工程で得られた生コンクリートの製造に関するデータであって、コンクリート材料の単位量、製造記録及び試験記録を含むデータである。学習用生コンクリート製造データＢは、学習用の生コンクリートが製造された時の製造工程で得られた生コンクリートの製造に関するデータであって、コンクリート材料の単位量、製造記録及び試験記録を含むデータである。

【0032】

上述した教師データＣは、コンクリートの圧縮強度の正解値を示すデータである。教師データＣの具体的な生成方法の一例は、学習用の生コンクリートと同一バッチで製造された生コンクリートから作製された３本の供試体に対してそれぞれに圧縮強度の測定を行い、その３本の供試体の圧縮強度の測定結果の平均値を教師データＣに用いる。

【0033】

学習用生コンクリート製造データＢと当該学習用生コンクリート製造データＢに対する教師データＣは、同一バッチで製造された生コンクリートに関するデータである。また、学習用生コンクリート製造データＢおよび教師データＣは、多次元データの形式であることが好ましい。

【0034】

上述した教師あり学習アルゴリズムとしては、例えば、重回帰分析、決定木、人工ニューラルネットワーク（Artificial Neural Network：ＡＮＮ）などを用いることができる。

【0035】

次に図２、図３を参照して本実施形態に係るコンクリート強度推定システムの動作を説明する。図２は、本実施形態に係るコンクリート強度推定モデル生成方法の手順の例を示すフローチャートである。図３は、本実施形態に係るコンクリート強度推定方法の手順の例を示すフローチャートである。

【0036】

＜モデル生成段階＞
図２を参照して、本実施形態に係るモデル生成段階Ｓ１００を説明する。モデル生成段階Ｓ１００は、図３を参照して後述する強度推定段階Ｓ２００で使用される推定モデルＭＤの教師あり学習を行う段階である。モデル生成段階Ｓ１００は、コンクリート強度推定モデル生成装置２０が実行する段階である。

【0037】

（ステップＳ１０１） 受付部２１は、学習用生コンクリート製造データＢ及び教師データＣの入力を受付ける。

【0038】

（ステップＳ１０２） 前処理部３２は、受付部２１が受付けた学習用生コンクリート製造データＢからコンクリート材料の単位量、製造記録及び試験記録を取得する。前処理部３２は、取得したコンクリート材料の単位量、製造記録及び試験記録に対して所定の前処理方法で前処理を行って、モデル入力データを生成する。所定の前処理方法は、例えば「Z-score normalization」である。

【0039】

（ステップＳ１０３） モデル生成部２２は、前処理部３２が生成したモデル入力データを、訓練用のデータ（訓練データ）とテスト用のデータ（テストデータ）とに分割する。この分割の比率は、予め任意に決定すればよい。分割の比率の一例は、訓練データが全体の８０％であり、テストデータが全体の２０％である。

【0040】

（ステップＳ１０４） モデル生成部２２は、訓練データを使用して、所定の教師あり学習アルゴリズムにより、生コンクリート製造データからコンクリートの圧縮強度の推定値を出力するように、推定モデルＭＤの教師あり学習を行う。

【0041】

（ステップＳ１０５） モデル生成部２２は、教師あり学習が行われた結果として生成された推定モデルＭＤに対して、テストデータを使用してコンクリートの圧縮強度の推定精度（コンクリート強度推定精度）を交差検証法により検証する。コンクリート強度推定精度の検証では、モデル生成部２２は、コンクリート強度推定精度の指標として、例えば二乗平均平方根誤差（ＲＭＳＥ）や決定係数（Ｒ２）などを算出する。

【0042】

出力部２３は、モデル生成部２２によって生成された推定モデルＭＤと当該推定モデルＭＤのコンクリート強度推定精度の指標とを出力する。

【0043】

推定モデルＭＤのコンクリート強度推定精度の指標が所定の合格基準を満たす場合は、当該推定モデルＭＤがコンクリート強度推定装置１０へ供給される。一方、推定モデルＭＤのコンクリート強度推定精度の指標が所定の合格基準を満たさない場合は、再度、推定モデルＭＤの教師あり学習が行われる。推定モデルＭＤの教師あり学習の再実行では、学習用生コンクリート製造データＢ及び教師データＣの追加や変更が行われてもよい。

【0044】

＜強度推定段階＞
図３を参照して、本実施形態に係る強度推定段階Ｓ２００を説明する。強度推定段階Ｓ２００は、図２を参照して上述したモデル生成段階Ｓ１００によって生成された推定モデルＭＤを使用して実際にコンクリートの圧縮強度を推定する段階である。強度推定段階Ｓ２００は、コンクリート強度推定装置１０が実行する段階である。

【0045】

（ステップＳ２０１） 受付部１１は、生コンクリート製造データＡの入力を受付ける。生コンクリート製造データＡは、コンクリートの圧縮強度を推定する対象である生コンクリートが製造された時の製造工程で得られた生コンクリート製造データである。

【0046】

（ステップＳ２０２） 前処理部３１は、受付部１１が受付けた生コンクリート製造データＡからコンクリート材料の単位量、製造記録及び試験記録を取得する。前処理部３１は、取得したコンクリート材料の単位量、製造記録及び試験記録に対して所定の前処理方法で前処理を行って、モデル入力データを生成する。所定の前処理方法は、上述したモデル生成段階Ｓ１００と同じであって例えば「Z-score normalization」である。

【0047】

（ステップＳ２０３） 推定部１２は、前処理部３１が生成したモデル入力データを推定モデルＭＤに適用してコンクリートの圧縮強度の推定値を取得する。より具体的には、推定部１２は、前処理部３１が生成したモデル入力データを推定モデルＭＤへ入力する。推定モデルＭＤは、モデル入力データが入力されると、コンクリートの圧縮強度の推定値を出力する。出力部１３は、推定部１２が取得したコンクリートの圧縮強度の推定値を、コンクリートの圧縮強度を推定する対象である生コンクリートに関するコンクリートの圧縮強度の推定値として出力する。

【0048】

上述した第１実施形態によれば、コンクリートの圧縮強度を推定する対象である生コンクリートが製造された時の製造工程で得られた生コンクリート製造データから、当該生コンクリートに関するコンクリートの圧縮強度の推定値を得ることができる。これにより、生コンクリートの状態でコンクリートの圧縮強度を推定することができるという効果が得られる。

【0049】

また、生コンクリート製造データは、生コンクリートの製造工程で通常得られるコンクリート材料の単位量、製造記録及び試験記録を含むデータであればよいので、コンクリートの圧縮強度の推定のために特別に新たなデータを得る必要がなく、本実施形態の実施における負担を軽減することができるという効果が得られる。

【0050】

［第２実施形態］
図４は、第２実施形態に係るコンクリート強度推定システムの構成例を示すブロック図である。この図４において図１の各部に対応する部分には同一の符号を付け、その説明を省略する。

【0051】

第２実施形態において、コンクリート強度推定装置１０は上述した第１実施形態と同じである。第２実施形態においては、コンクリート強度推定モデル生成装置２０ａが、複数（ｎ個、ｎは２以上の整数）の異なる教師あり学習アルゴリズム毎に推定モデルＭＤ－１，・・・，ＭＤ－ｎを生成し、複数の推定モデルＭＤ－１，・・・，ＭＤ－ｎに対してそれぞれにコンクリートの圧縮強度の推定精度を検証し、当該検証の結果に基づいて複数の推定モデルＭＤ－１，・・・，ＭＤ－ｎの中から最終的な推定モデルＭＤを決定する点が上述した第１実施形態と異なる。

【0052】

以下、第２実施形態において上述した第１実施形態と異なる点を主に説明する。

【0053】

図４において、コンクリート強度推定モデル生成装置２０ａは、受付部２１と、モデル生成部２２ａと、出力部２３と、選定部３０とを備える。受付部２１及び出力部２３は、上述した第１実施形態と同じである。また、モデル生成部２２ａが備える前処理部３２は、上述した第１実施形態と同じである。

【0054】

モデル生成部２２ａは、受付部２１が受付けた学習用生コンクリート製造データＢと教師データＣとを使用して、複数（ｎ個）の異なる所定の教師あり学習アルゴリズム毎に、教師あり学習アルゴリズムにより、生コンクリート製造データからコンクリートの圧縮強度の推定値を出力するように教師あり学習を行って、推定モデルＭＤ－１，・・・，ＭＤ－ｎを生成する。推定モデルＭＤ－１は、第１の教師あり学習アルゴリズムにより生成された推定モデルである。推定モデルＭＤ－ｎは、第ｎの教師あり学習アルゴリズムにより生成された推定モデルである。

【0055】

例えば、モデル生成部２２ａは、３個の異なる教師あり学習アルゴリズムとして重回帰分析、決定木および人工ニューラルネットワークを使用して、第１の教師あり学習アルゴリズム「重回帰分析」により推定モデルＭＤ－１を生成し、第２の教師あり学習アルゴリズム「決定木」により推定モデルＭＤ－２を生成し、第３の教師あり学習アルゴリズム「人工ニューラルネットワーク」により推定モデルＭＤ－３を生成する。

【0056】

選定部３０は、モデル生成部２２ａが生成した複数（ｎ個）の推定モデルＭＤ－１，・・・，ＭＤ－ｎに対してそれぞれにコンクリートの圧縮強度の推定精度を検証し、当該検証の結果に基づいて複数（ｎ個）の推定モデルＭＤ－１，・・・，ＭＤ－ｎの中から最終的な推定モデルＭＤを決定する。

【0057】

出力部２３は、モデル生成部２２ａによって生成された最終的な推定モデルＭＤと当該推定モデルＭＤのコンクリート強度推定精度の指標とを出力する。

【0058】

次に図５を参照して第２実施形態に係るコンクリート強度推定モデル生成方法（モデル生成段階）を説明する。図５は、第２実施形態に係るコンクリート強度推定モデル生成方法（モデル生成段階）の手順の例を示すフローチャートである。なお、コンクリート強度推定方法（強度推定段階）は、図３を参照して上述した第１実施形態と同じである。

【0059】

（ステップＳ１０１） 受付部２１は、学習用生コンクリート製造データＢ及び教師データＣの入力を受付ける。

【0060】

（ステップＳ１０２） 前処理部３２は、受付部２１が受付けた学習用生コンクリート製造データＢからコンクリート材料の単位量、製造記録及び試験記録を取得する。前処理部３２は、取得したコンクリート材料の単位量、製造記録及び試験記録に対して所定の前処理方法で前処理を行って、モデル入力データを生成する。所定の前処理方法は、例えば「Z-score normalization」である。

【0061】

（ステップＳ１０３） モデル生成部２２ａは、前処理部３２が生成したモデル入力データを、訓練用のデータ（訓練データ）とテスト用のデータ（テストデータ）とに分割する。この分割の比率は、予め任意に決定すればよい。分割の比率の一例は、訓練データが全体の８０％であり、テストデータが全体の２０％である。

【0062】

（ステップＳ１０４ａ） モデル生成部２２ａは、訓練データを使用して、複数（ｎ個）の異なる所定の教師あり学習アルゴリズム毎に、教師あり学習アルゴリズムにより、生コンクリート製造データからコンクリートの圧縮強度の推定値を出力するように教師あり学習を行って、推定モデルＭＤ－１，・・・，ＭＤ－ｎを生成する。

【0063】

ここでの一例として、モデル生成部２２ａは、３個の異なる教師あり学習アルゴリズムとして重回帰分析、決定木および人工ニューラルネットワークを使用して、第１の教師あり学習アルゴリズム「重回帰分析」により推定モデルＭＤ－１を生成し、第２の教師あり学習アルゴリズム「決定木」により推定モデルＭＤ－２を生成し、第３の教師あり学習アルゴリズム「人工ニューラルネットワーク」により推定モデルＭＤ－３を生成する。

【0064】

（ステップＳ１０５ａ） 選定部３０は、モデル生成部２２ａが生成した複数（ｎ個）の推定モデルＭＤ－１，・・・，ＭＤ－ｎに対してそれぞれにコンクリートの圧縮強度の推定精度を検証し、当該検証の結果に基づいて複数（ｎ個）の推定モデルＭＤ－１，・・・，ＭＤ－ｎの中から最終的な推定モデルＭＤを決定する。

【0065】

ここでの一例として、選定部３０は、モデル生成部２２ａが生成した３個の推定モデルＭＤ－１（重回帰分析による推定モデル），ＭＤ－２（決定木による推定モデル），ＭＤ－３（人工ニューラルネットワークによる推定モデル）に対してそれぞれにコンクリートの圧縮強度の推定精度を交差検証法により検証する。この検証では、選定部３０は、各推定モデルＭＤ－１，ＭＤ－２，ＭＤ－３に対して、コンクリート強度推定精度の指標として、例えば二乗平均平方根誤差（ＲＭＳＥ）や決定係数（Ｒ２）などを算出する。選定部３０は、各推定モデルＭＤ－１，ＭＤ－２，ＭＤ－３のコンクリート強度推定精度の指標を比較し、推定モデルＭＤ－１，ＭＤ－２，ＭＤ－３の中から、コンクリート強度推定精度の指標が最良である推定モデルを最終的な推定モデルＭＤに決定する。

【0066】

出力部２３は、モデル生成部２２ａによって生成された最終的な推定モデルＭＤと当該推定モデルＭＤのコンクリート強度推定精度の指標とを出力する。

【0067】

最終的な推定モデルＭＤのコンクリート強度推定精度の指標が所定の合格基準を満たす場合は、当該推定モデルＭＤがコンクリート強度推定装置１０へ供給される。一方、最終的な推定モデルＭＤのコンクリート強度推定精度の指標が所定の合格基準を満たさない場合は、再度、複数（ｎ個）の異なる所定の教師あり学習アルゴリズム毎に、推定モデルＭＤ－１，・・・，ＭＤ－ｎの教師あり学習が行われる。推定モデルＭＤ－１，・・・，ＭＤ－ｎの教師あり学習の再実行では、学習用生コンクリート製造データＢ及び教師データＣの追加や変更が行われてもよい。

【0068】

上述した第２実施形態によれば、第１実施形態と同様に、コンクリートの圧縮強度を推定する対象である生コンクリートが製造された時の製造工程で得られた生コンクリート製造データから、当該生コンクリートに関するコンクリートの圧縮強度の推定値を得ることができる。これにより、生コンクリートの状態でコンクリートの圧縮強度を推定することができるという効果が得られる。

【0069】

また、第２実施形態によれば、複数の異なる所定の教師あり学習アルゴリズム毎に生成された推定モデルＭＤ－１，・・・，ＭＤ－ｎのうちコンクリート強度推定精度が最良の推定モデルＭＤを使用して、コンクリートの圧縮強度の推定値を得ることができる。これにより、生コンクリートの状態でコンクリートの圧縮強度を推定する際の推定精度の向上を図ることができるという効果が得られる。

【0070】

図６は、上述した実施形態によるコンクリートの圧縮強度の推定値と、コンクリートの圧縮強度の実測値との関係を示すグラフ図である。図６に示されるコンクリートの圧縮強度の推定値は、教師あり学習アルゴリズムとしてリッジ（Ridge）回帰により教師あり学習が行われた推定モデルＭＤを使用して得られたものである。

【0071】

図６に示されるコンクリートの圧縮強度の推定値とコンクリートの圧縮強度の実測値とにおいて、二乗平均平方根誤差（ＲＭＳＥ）が「２．９９８」であり、決定係数（Ｒ２）が「０．７９８」であって、コンクリート強度推定精度は良好である。

【0072】

以上説明したように、上述した実施形態によれば、生コンクリートの状態でコンクリートの圧縮強度を推定することができるという効果が得られる。これにより、打設される前の生コンクリートの状態でコンクリートの圧縮強度を推定することができるので、製造されたコンクリート構造物に孔を形成したり、製造されたコンクリート構造物からサンプルを採取したりする必要がなく、コンクリート構造物の製造前にコンクリート構造物におけるコンクリートの圧縮強度を推定することが可能になる。

【0073】

なお、コンクリート強度推定装置１０とコンクリート強度推定モデル生成装置２０，２０ａとは、同じ情報処理装置を使用して実現されてもよく、又はそれぞれ異なる情報処理装置を使用して実現されてもよい。

【0074】

また、上述した各装置の機能を実現するためのコンピュータプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行するようにしてもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものであってもよい。
また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＤＶＤ（Digital Versatile Disc）等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。

【0075】

さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Dynamic Random Access Memory））のように、一定時間プログラムを保持しているものも含むものとする。
また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。
また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。

【0076】

以上、本発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、本発明の要旨を逸脱しない範囲の設計変更等も含まれる。

【符号の説明】

【0077】

１０…コンクリート強度推定装置、１１，２１…受付部、１２…推定部、１３，２３…出力部、３１，３２…前処理部、２２，２２ａ…モデル生成部、３０…選定部、ＭＤ…推定モデル

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】