知財求人 - 知財ポータルサイト「IP Force」
(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】P2024062742
(43)【公開日】2024-05-10
(54)【発明の名称】システム、方法およびプログラム
(51)【国際特許分類】
G06N 20/00 20190101AFI20240501BHJP
G05B 23/02 20060101ALN20240501BHJP
【ＦＩ】
G06N20/00
G05B23/02 302Z
【審査請求】未請求
【請求項の数】9
【出願形態】ＯＬ
(21)【出願番号】P 2022170788
(22)【出願日】2022-10-25
(71)【出願人】
【識別番号】000002945
【氏名又は名称】オムロン株式会社
(74)【代理人】
【識別番号】110001195
【氏名又は名称】弁理士法人深見特許事務所
(72)【発明者】
【氏名】坂元 佑気
(72)【発明者】
【氏名】木村 克行
(72)【発明者】
【氏名】土川 健斗
【テーマコード（参考）】
3C223
【Ｆターム（参考）】
3C223AA11
3C223BA03
3C223BB08
3C223BB09
3C223EB02
3C223FF13
3C223FF22
3C223FF26
3C223GG01
3C223HH02
(57)【要約】
【課題】既知の環境で入手可能なデータを利用して新規の環境において使用する制御モデルのための学習データを生成する。
【解決手段】システムは、第１工場１００Ａにおける第１ドメインの実データ１０１と、第１工場１００Ａにおける第２ドメインの実データ１０２とを学習データとして、第１ドメインの実データから第２ドメインの疑似データを生成する学習済モデル１２０を生成する変換モデル生成部と、第２工場１００Ｂにおける第１ドメインの実データ１１１を学習済モデル１２０に入力し、第２工場１００Ｂにおける第２ドメインの疑似データ１１２を生成するデータ生成部と、第２工場１００Ｂにおける第２ドメインの疑似データ１１２を学習データとして、第２工場１００Ｂで使用される制御モデル１４０Ｂを生成する制御モデル生成部とを備える。
【選択図】図１
【解決手段】システムは、第１工場１００Ａにおける第１ドメインの実データ１０１と、第１工場１００Ａにおける第２ドメインの実データ１０２とを学習データとして、第１ドメインの実データから第２ドメインの疑似データを生成する学習済モデル１２０を生成する変換モデル生成部と、第２工場１００Ｂにおける第１ドメインの実データ１１１を学習済モデル１２０に入力し、第２工場１００Ｂにおける第２ドメインの疑似データ１１２を生成するデータ生成部と、第２工場１００Ｂにおける第２ドメインの疑似データ１１２を学習データとして、第２工場１００Ｂで使用される制御モデル１４０Ｂを生成する制御モデル生成部とを備える。
【選択図】図１
【特許請求の範囲】
【請求項1】
第１工場における第１ドメインの実データと、前記第１工場における第２ドメインの実データとを学習データとして、前記第１ドメインの実データから前記第２ドメインの疑似データを生成する学習済モデルを生成する変換モデル生成部と、
第２工場における前記第１ドメインの実データを前記学習済モデルに入力し、前記第２工場における前記第２ドメインの疑似データを生成するデータ生成部と、
前記第２工場における前記第２ドメインの疑似データを学習データとして、前記第２工場で使用される制御モデルを生成する制御モデル生成部とを備える、システム。
第２工場における前記第１ドメインの実データを前記学習済モデルに入力し、前記第２工場における前記第２ドメインの疑似データを生成するデータ生成部と、
前記第２工場における前記第２ドメインの疑似データを学習データとして、前記第２工場で使用される制御モデルを生成する制御モデル生成部とを備える、システム。
【請求項2】
第１工場における第１ドメインの実データと、第２工場における前記第１ドメインの実データとを学習データとして、前記第１工場におけるドメインの実データから、前記第２工場における前記ドメインと同一ドメインの疑似データを生成するように学習した学習済モデルを生成する変換モデル生成部と、
前記第１工場における第２ドメインの実データを前記学習済モデルに入力し、前記第２工場における前記第２ドメインの疑似データを生成するデータ生成部と、
前記第２工場における前記第２ドメインの疑似データを学習データとして、前記第２工場で使用される制御モデルを生成する制御モデル生成部とを備える、システム。
前記第１工場における第２ドメインの実データを前記学習済モデルに入力し、前記第２工場における前記第２ドメインの疑似データを生成するデータ生成部と、
前記第２工場における前記第２ドメインの疑似データを学習データとして、前記第２工場で使用される制御モデルを生成する制御モデル生成部とを備える、システム。
【請求項3】
前記第１工場にある第１制御装置から前記第１ドメインの実データおよび前記第２ドメインの実データを収集し、前記第２工場にある第２制御装置から前記第１ドメインの実データを収集する通信部をさらに備える、請求項１または２に記載のシステム。
【請求項4】
前記制御モデル生成部は、前記第２工場における前記第１ドメインの実データから、前記第２工場で使用される他の制御モデルを生成し、
前記通信部は、前記第２制御装置に、前記第２工場で使用される制御モデルと、前記第２工場で使用される他の制御モデルとを送信する、請求項３に記載のシステム。
前記通信部は、前記第２制御装置に、前記第２工場で使用される制御モデルと、前記第２工場で使用される他の制御モデルとを送信する、請求項３に記載のシステム。
【請求項5】
前記第１ドメインおよび前記第２ドメインは、季節、期間、時間帯、温度、湿度、日照時間の長さ、紫外線強度、明度、または、これらの組み合わせを含む、請求項１または２に記載のシステム。
【請求項6】
前記第１ドメインのデータおよび前記第２ドメインのデータは、センサの出力信号である、請求項１または２に記載のシステム。
【請求項7】
前記制御モデルは、設備の異常検知、製品の異常検知、製品の製造、製品のピッキング、製品の嵌合のいずれかを行うためのモデルである、請求項１または２に記載のシステム。
【請求項8】
コンピュータにより実行される方法であって、
第１工場における第１ドメインの実データと、前記第１工場における第２ドメインの実データとを学習データとして、前記第１ドメインの実データから前記第２ドメインの疑似データを生成する学習済モデルを生成するステップと、
第２工場における前記第１ドメインの実データを前記学習済モデルに入力し、前記第２工場における前記第２ドメインの疑似データを生成するステップと、
前記第２工場における前記第２ドメインの疑似データを学習データとして、前記第２工場で使用される制御モデルを生成するステップとを備える、方法。
第１工場における第１ドメインの実データと、前記第１工場における第２ドメインの実データとを学習データとして、前記第１ドメインの実データから前記第２ドメインの疑似データを生成する学習済モデルを生成するステップと、
第２工場における前記第１ドメインの実データを前記学習済モデルに入力し、前記第２工場における前記第２ドメインの疑似データを生成するステップと、
前記第２工場における前記第２ドメインの疑似データを学習データとして、前記第２工場で使用される制御モデルを生成するステップとを備える、方法。
【請求項9】
コンピュータにより実行されるプログラムであって、
第１工場における第１ドメインの実データと、前記第１工場における第２ドメインの実データとを学習データとして、前記第１ドメインの実データから前記第２ドメインの疑似データを生成する学習済モデルを生成するステップと、
第２工場における前記第１ドメインの実データを前記学習済モデルに入力し、前記第２工場における前記第２ドメインの疑似データを生成するステップと、
前記第２工場における前記第２ドメインの疑似データを学習データとして、前記第２工場で使用される制御モデルを生成するステップとを前記コンピュータに実行させる、プログラム。
第１工場における第１ドメインの実データと、前記第１工場における第２ドメインの実データとを学習データとして、前記第１ドメインの実データから前記第２ドメインの疑似データを生成する学習済モデルを生成するステップと、
第２工場における前記第１ドメインの実データを前記学習済モデルに入力し、前記第２工場における前記第２ドメインの疑似データを生成するステップと、
前記第２工場における前記第２ドメインの疑似データを学習データとして、前記第２工場で使用される制御モデルを生成するステップとを前記コンピュータに実行させる、プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、迅速な工場の立ち上げを支援するためのシステムに関し、より特定的には、制御モデルの学習用データの生成技術に関する。
【背景技術】
【0002】
工場の制御装置において、学習済モデルが使用されることがある。このような場合、新しい工場を立ち上げるときに、学習済モデルを生成するためのデータが必要となる。これに関して、機械学習には転移学習が存在する。転移学習は、元ドメインのデータもしくは学習済モデルを用いることにより、少量の目標ドメインのデータしか入手できない場合でも学習を可能にする。しかしながら、転移学習には目標ドメインのデータが少量とはいえ必要となる。工場の立ち上げ時には、新工場における目標データが必要となる。
【0003】
学習済モデルの作成技術に関し、例えば、特開２０２１－１４０４００号公報（特許文献１）は、「第１拠点（マザー拠点）における検査対象の状態をニューラルネットワークの第１のモデル（マザーモデル）を用いて診断する第１サーバ（マザーサーバ）と、複数の第２拠点（チャイルド拠点）の各拠点における検査対象の状態をニューラルネットワークの第２のモデル（チャイルドモデル）を用いて診断する複数の第２サーバ（チャイルドサーバ）と、を備える。この学習モデル作成システムにおいて、第１サーバは、複数の第２サーバの各々から学習済みの第２のモデルの特徴量を受信し、受信した複数の第２のモデルの特徴量と、学習済みの第１のモデルの特徴量とを融合し、融合した特徴量に基づいて、第１のモデルを再構築し学習する」学習モデル作成システムを開示している（［要約］参照）。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２０２１－１４０４００号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
特許文献１に開示された技術によると、第１拠点および第２拠点は共通のモデルを使用しており、拠点毎に適切な学習済モデルが提供できない可能性がある。したがって、既知の環境で入手可能なデータを利用して新規の環境において使用する制御モデルのための学習データを生成する技術が必要とされている。
【0006】
本開示は、上記のような背景に鑑みてなされたものであって、ある局面における目的は、既知の環境で入手可能なデータを利用して新規の環境において使用する制御モデルのための学習データを生成するための技術を提供することにある。
【課題を解決するための手段】
【0007】
ある実施の形態に従うと、システムが提供される。システムは、第１工場における第１ドメインの実データと、第１工場における第２ドメインの実データとを学習データとして、第１ドメインの実データから第２ドメインの疑似データを生成する学習済モデルを生成する変換モデル生成部と、第２工場における第１ドメインの実データを学習済モデルに入力し、第２工場における第２ドメインの疑似データを生成するデータ生成部と、第２工場における第２ドメインの疑似データを学習データとして、第２工場で使用される制御モデルを生成する制御モデル生成部とを備える。
【0008】
上記の開示によれば、システムは、第２工場における第２ドメインの実データを収集することなく、第２工場における第１ドメインの実データから第２工場における第２ドメインの疑似データを生成し得る。さらに、システムは、第２工場における第２ドメインの疑似データを学習データとして第２工場で使用される制御モデルを生成し得る。
【0009】
他の実施の形態に従うと、他のシステムが提供される。システムは、第１工場における第１ドメインの実データと、第２工場における第１ドメインの実データとを学習データとして、第１工場におけるドメインの実データから、第２工場におけるドメインと同一ドメインの疑似データを生成するように学習した学習済モデルを生成する変換モデル生成部と、第１工場における第２ドメインの実データを学習済モデルに入力し、第２工場における第２ドメインの疑似データを生成するデータ生成部と、第２工場における第２ドメインの疑似データを学習データとして、第２工場で使用される制御モデルを生成する制御モデル生成部とを備える。
【0010】
上記の開示によれば、システムは、第２工場における第２ドメインの実データを収集することなく、第１工場における第２ドメインの実データから第２工場における第２ドメインの疑似データを生成し得る。さらに、システムは、第２工場における第２ドメインの疑似データを学習データとして第２工場で使用される制御モデルを生成し得る。
【0011】
ある開示の一例によると、システムは、第１工場にある第１制御装置から第１ドメインの実データおよび第２ドメインの実データを収集し、第２工場にある第２制御装置から第１ドメインの実データを収集する通信部をさらに備える。
【0012】
上記の開示によれば、システムは、第１工場にある第１制御装置と、第２工場にある第２制御装置とから、必要な実データを収集し得る。
【0013】
ある開示の一例によると、制御モデル生成部は、第２工場における第１ドメインの実データから、第２工場で使用される他の制御モデルを生成する。通信部は、第２制御装置に、第２工場で使用される制御モデルと、第２工場で使用される他の制御モデルとを送信する。
【0014】
上記の開示によれば、システムは、第２工場において必要となる複数のドメインの各々に対応する制御モデルを生成し得る。
【0015】
ある開示のシステムの一例によると、第１ドメインおよび第２ドメインは、季節、期間、時間帯、温度、湿度、日照時間の長さ、紫外線強度、明度、または、これらの組み合わせを含む。
【0016】
上記の開示によれば、システムは、季節、期間、時間帯、温度、湿度、日照時間の長さ、紫外線強度、明度、または、これらの組み合わせからなるドメインごとに、制御モデルを生成し得る。
【0017】
ある開示のシステムの一例によると、第１ドメインのデータおよび第２ドメインのデータは、センサの出力信号である。
【0018】
上記の開示によれば、システムは、センサの出力信号を学習データとして使用し得る。
ある開示のシステムの一例によると、制御モデルは、設備の異常検知、製品の異常検知、製品の製造、製品のピッキング、製品の嵌合のいずれかを行うためのモデルである。
ある開示のシステムの一例によると、制御モデルは、設備の異常検知、製品の異常検知、製品の製造、製品のピッキング、製品の嵌合のいずれかを行うためのモデルである。
【0019】
上記の開示によれば、システムは、設備の異常検知、製品の異常検知、製品の製造、製品のピッキング、製品の嵌合のいずれかを行うための制御モデルを生成し得る。
【0020】
他の実施の形態に従うと、コンピュータにより実行される方法が提供される。方法は、第１工場における第１ドメインの実データと、第１工場における第２ドメインの実データとを学習データとして、第１ドメインの実データから第２ドメインの疑似データを生成する学習済モデルを生成するステップと、第２工場における第１ドメインの実データを学習済モデルに入力し、第２工場における第２ドメインの疑似データを生成するステップと、第２工場における第２ドメインの疑似データを学習データとして、第２工場で使用される制御モデルを生成するステップとを備える。
【0021】
上記の開示によれば、方法を実行するコンピュータは、第２工場における第２ドメインの実データを収集することなく、第２工場における第１ドメインの実データから第２工場における第２ドメインの疑似データを生成し得る。さらに、方法を実行するコンピュータは、第２工場における第２ドメインの疑似データを学習データとして第２工場で使用される制御モデルを生成し得る。
【0022】
さらに他の実施の形態に従うと、コンピュータにより実行されるプログラムが提供される。プログラムは、第１工場における第１ドメインの実データと、第１工場における第２ドメインの実データとを学習データとして、第１ドメインの実データから第２ドメインの疑似データを生成する学習済モデルを生成するステップと、第２工場における第１ドメインの実データを学習済モデルに入力し、第２工場における第２ドメインの疑似データを生成するステップと、第２工場における第２ドメインの疑似データを学習データとして、第２工場で使用される制御モデルを生成するステップとをコンピュータに実行させる。
【0023】
上記の開示によれば、プログラムを実行するコンピュータは、第２工場における第２ドメインの実データを収集することなく、第２工場における第１ドメインの実データから第２工場における第２ドメインの疑似データを生成し得る。さらに、プログラムを実行するコンピュータは、第２工場における第２ドメインの疑似データを学習データとして第２工場で使用される制御モデルを生成し得る。
【発明の効果】
【0024】
ある実施の形態に従うと、既知の環境で入手可能なデータを利用して新規の環境において使用する制御モデルのための学習データを生成することが可能である。
【0025】
この開示内容の上記および他の目的、特徴、局面および利点は、添付の図面と関連して理解される本開示に関する次の詳細な説明から明らかとなるであろう。
【図面の簡単な説明】
【0026】
【図1】システム４０の動作概要の一例を示す図である。
【図2】スタイル変換モデル１２０の生成手順の一例を示す図である。
【図3】第２工場１００Ｂにおける第２ドメインの疑似データ１１２を生成する手順の一例を示す図である。
【図4】本実施の形態に従うシステム４０の構成の一例を示す図である。
【図5】本実施の形態に従うシステム５０の構成の一例を示す図である。
【図6】本実施の形態に従うシステム６０の構成の一例を示す図である。
【図7】他のスタイル変換モデル７２０の生成手順の例を示す図である。
【図8】スタイル変換モデル１２０を生成する処理手順の一例を示す図である。
【図9】第２工場１００Ｂにおいて使用する制御モデル１３０Ｂ，１４０Ｂを生成する処理手順の一例を示す図である。
【図10】新規環境における異常検知の処理手順の一例を示す図である。
【発明を実施するための形態】
【0027】
以下、図面を参照しつつ、本開示に係る技術思想の実施の形態について説明する。以下の説明では、同一の部品には同一の符号を付してある。それらの名称および機能も同じである。したがって、それらについての詳細な説明は繰り返さない。
【0028】
【0029】
図１は、システム４０の動作概要の一例を示す図である。図１を参照して、システム４０が、第１工場（既知環境）で得られるデータを利用して、第２工場（新規環境）で使用する学習済モデルを生成するまでの動作概要について説明する。
【0030】
（ａ．用語）
まず、本開示の技術を説明するために必要な用語について説明する。本明細書において、「システム」は、１または複数の装置からなる構成、サーバ、クラウド環境に構築された仮想マシンもしくはコンテナ、または、これらの少なくとも一部からなる構成を包含する。また、装置は、パーソナルコンピュータ、ワークステーション、サーバ装置、タブレット、スマートフォン等の情報処理装置と、ＰＬＣ（Programmable Logic Controller）等の制御装置とを含んでいてもよく、また、これらの組合せであってもよい。ある局面において、システム４０は、ディスプレイおよびキーボード等の入出力機器と接続されて、ユーザに使用されてもよい。他の局面において、システム４０は、ネットワークを介して、クラウドサービスまたはウェブアプリケーションとして、ユーザに各種機能を提供してもよい。この場合、ユーザは、自身の端末にインストールされたブラウザまたはクライアントソフトウェアを介して、システム４０の機能を使用し得る。
まず、本開示の技術を説明するために必要な用語について説明する。本明細書において、「システム」は、１または複数の装置からなる構成、サーバ、クラウド環境に構築された仮想マシンもしくはコンテナ、または、これらの少なくとも一部からなる構成を包含する。また、装置は、パーソナルコンピュータ、ワークステーション、サーバ装置、タブレット、スマートフォン等の情報処理装置と、ＰＬＣ（Programmable Logic Controller）等の制御装置とを含んでいてもよく、また、これらの組合せであってもよい。ある局面において、システム４０は、ディスプレイおよびキーボード等の入出力機器と接続されて、ユーザに使用されてもよい。他の局面において、システム４０は、ネットワークを介して、クラウドサービスまたはウェブアプリケーションとして、ユーザに各種機能を提供してもよい。この場合、ユーザは、自身の端末にインストールされたブラウザまたはクライアントソフトウェアを介して、システム４０の機能を使用し得る。
【0031】
本明細書において、「工場」は、任意の生産設備、検査設備等、もしくはこれらの組み合わせを含む建物、および、建造物の内外に設置される個別の生産設備、検査設備、もしくはこれらの組み合わせを包含する。例えば、ある製品を製造するための設備Ａ，Ｂ，Ｃを設置された建物Ｘは、工場である。また、建物Ｙの内部に、ある製品を製造するための設備Ｄ，Ｅ，Ｆが設置されており、さらに、建物Ｙの内部に、他の製品を製造するための設備Ｇ，Ｈ，Ｉが設置されているとする。この場合、建物Ｙの内部に２つの工場（設備Ｄ，Ｅ，Ｆからなる工場と、設備Ｇ，Ｈ，Ｉからなる工場）が存在するとも言える。また、建物Ｙ自体も工場であると言える。
【0032】
本明細書において、「ドメイン」は、機械学習のためのデータを収集するための領域または範囲を示す。一例として、ドメインは、季節、期間、時間帯、温度、湿度、日照時間の長さ、紫外線強度、明度、または、これらの組み合わせを包含する。
【0033】
本明細書において、「データ」は、アナログ信号またはデジタル信号により示される任意の情報を示す。特に説明がない場合、あるドメインのデータとは、あるドメインにおいて収集された機械学習用のデータを示す。また、データは、「実データ」および「疑似データ」を含む。「実データ」は、実際に取得されたデータである。例えば、センサの出力信号等は、実データである。「疑似データ」は、学習済モデルによって生成されたデータである。例えば、あるセンサ群の出力信号を使用して学習した学習済モデルが、あるセンサ群の出力信号を模して生成したデータは、疑似データである。
【0034】
本明細書において、「モデル」は、任意の機械学習によって得られた学習済モデルである。「制御モデル」は、ＰＬＣ等の制御装置によって使用されるモデルである。制御装置は、制御モデルを用いて、設備の異常検知、製品の異常検知、製品の製造、製品のピッキング、製品の嵌合等の任意の処理を実行し得る。
【0035】
（ｂ．工場を稼働させるために必要な制御モデル）
次に、工場を稼働させるために必要な制御モデルについて説明する。工場内の制御装置は、製品の製造または検査等において、制御モデルを使用することがある。この場合、制御装置は、ドメイン毎に異なる制御モデルを使用することがある。
次に、工場を稼働させるために必要な制御モデルについて説明する。工場内の制御装置は、製品の製造または検査等において、制御モデルを使用することがある。この場合、制御装置は、ドメイン毎に異なる制御モデルを使用することがある。
【0036】
例えば、ドメインは、季節であるとする。また、制御モデルは、製品の異常検知モデルであるとする。夏および冬では、温度、湿度、日照時間等の様々な外部要因が異なり、異常検知処理における閾値も変化する。そのため、工場内の制御装置は、ドメイン毎（季節毎）に、異なる制御モデルを使用することが望ましい。例えば、制御装置は、夏の間は、夏ドメインの制御モデルを使用し、冬の間は、冬ドメインの制御モデルを使用する。工場を稼働させるためには、最低限、各ドメインの制御モデルが必要となる。
【0037】
なお、夏および冬はドメインの分け方の一例であり、ドメインの分け方はこれに限られない。ある局面において、ドメインは、季節、期間、時間帯、温度、湿度、日照時間の長さ、紫外線強度、明度、または、これらの組み合わせに基づいて、任意に定められる。また、制御装置は、３つ以上のドメインの各々に割り当てられた３つ以上の制御モデルを使用してもよい。
【0038】
（ｃ．制御モデルの生成に必要なデータ）
次に、制御モデルの生成に必要なデータについて説明する。ドメインは、季節であり、第１ドメイン（夏ドメイン）および第２ドメイン（冬ドメイン）を含むとする。この場合、第１ドメイン（夏ドメイン）の第１制御モデルを生成するためには、第１ドメイン（夏ドメイン：夏の間）で得られた学習データが必要となる。例えば、第１制御モデルが異常検知モデルであるとする。この場合、第１制御モデルの生成のためには、第１ドメイン（夏ドメイン）で得られた、製品の異常検知用のセンサデータ、画像データ等が必要となる。同様に、第２ドメイン（冬ドメイン）の第２制御モデルの生成のためには、第２ドメイン（冬ドメイン：冬の間）で得られた、製品の異常検知用のセンサデータ、画像データ等が必要となる。
次に、制御モデルの生成に必要なデータについて説明する。ドメインは、季節であり、第１ドメイン（夏ドメイン）および第２ドメイン（冬ドメイン）を含むとする。この場合、第１ドメイン（夏ドメイン）の第１制御モデルを生成するためには、第１ドメイン（夏ドメイン：夏の間）で得られた学習データが必要となる。例えば、第１制御モデルが異常検知モデルであるとする。この場合、第１制御モデルの生成のためには、第１ドメイン（夏ドメイン）で得られた、製品の異常検知用のセンサデータ、画像データ等が必要となる。同様に、第２ドメイン（冬ドメイン）の第２制御モデルの生成のためには、第２ドメイン（冬ドメイン：冬の間）で得られた、製品の異常検知用のセンサデータ、画像データ等が必要となる。
【0039】
（ｄ．新規工場立ち上げ時の課題）
次に、新規工場立ち上げ時の課題について説明する。新規工場を稼働させる場合、ドメイン毎の制御モデルを予め用意しておく必要がある。すなわち、ドメイン毎の制御モデルを生成するために、ドメイン毎の学習用のデータを収集する必要がある。
次に、新規工場立ち上げ時の課題について説明する。新規工場を稼働させる場合、ドメイン毎の制御モデルを予め用意しておく必要がある。すなわち、ドメイン毎の制御モデルを生成するために、ドメイン毎の学習用のデータを収集する必要がある。
【0040】
ドメインは、季節であり、第１ドメイン（夏ドメイン）および第２ドメイン（冬ドメイン）を含むとする。この場合、新規工場を稼働させるために、第１ドメイン（夏ドメイン）の第１制御モデルと、第２ドメイン（冬ドメイン）の第２制御モデルとが必要となる。
【0041】
現在の季節が夏であるとする。この場合、新規工場がある場所における第１ドメイン（夏ドメイン）のデータは収集可能であるが、新規工場がある場所における第２ドメイン（冬ドメイン）のデータは収集できない。そのため、新規工場用の第２制御モデルが生成できない。そのため、冬になると一旦工場を停止させる必要が出てくる。このような自体を防止するために、新規工場立ち上げ時に、新規工場の場所における全てのドメインのデータを取得するための技術が必要とされている。
【0042】
（ｅ．システムの動作概要）
上記の課題を解決するために、本実施の形態に従うシステム４０は、既知の工場がある場所における各ドメインのデータを使用する。これ以降、区別のために、既に稼働している既知の工場を「第１工場」と呼ぶ。これから稼働する工場を「第２工場」と呼ぶ。
上記の課題を解決するために、本実施の形態に従うシステム４０は、既知の工場がある場所における各ドメインのデータを使用する。これ以降、区別のために、既に稼働している既知の工場を「第１工場」と呼ぶ。これから稼働する工場を「第２工場」と呼ぶ。
【0043】
一例として、ドメインは、季節であり、第１ドメイン（夏ドメイン）および第２ドメイン（冬ドメイン）を含むものとして、システム４０の動作について説明する。
【0044】
図１の例では、第１工場１００Ａがすでに稼働している。また、第１工場１００Ａに設置された制御装置１２０Ａには、第１ドメイン（夏ドメイン）用の制御モデル１３０Ａと、第２ドメイン（冬ドメイン）用の制御モデル１４０Ａとがインストールされている。
【0045】
システム４０は、第２工場の稼働前に、第１工場から第１ドメイン（夏ドメイン）の実データ１０１と、第２ドメイン（冬ドメイン）の実データ１０２とを収集しておく。次に、システム４０は、収集したこれらの実データ１０１，１０２を学習用データとして、第１ドメイン（夏ドメイン）のデータを第２ドメイン（冬ドメイン）のデータに変換するためのスタイル変換モデル（変換モデル）１２０を生成する。スタイル変換モデル１２０の生成には、一例として、ＧＡＮ（Generative Adversarial Networks）または、ＣｙｃｌｅＧＡＮが使用される。
【0046】
次に、システム４０は、現在の季節が第１ドメイン（夏ドメイン）の場合、第２工場１００Ｂにおける第１ドメイン（夏ドメイン）の実データ１１１を収集する。システム４０は、第２工場１００Ｂにおける第１ドメイン（夏ドメイン）の実データ１１１を、スタイル変換モデル１２０に入力する。スタイル変換モデル１２０は、第２工場１００Ｂにおける第１ドメイン（夏ドメイン）の実データ１１１から、第２工場１００Ｂにおける第２ドメイン（冬ドメイン）の疑似データ１１２を生成する。
【0047】
次に、システム４０は、第２工場１００Ｂにおける第１ドメイン（夏ドメイン）の実データから、第１ドメイン（夏ドメイン）用の制御モデル１３０Ｂを生成し、第２工場１００Ｂにおける第２ドメイン（冬ドメイン）の疑似データから、第２ドメイン（冬ドメイン）用の制御モデル１４０Ｂを生成する。
【0048】
第２工場の制御装置１２０Ｂは、システム４０から、制御モデル１３０Ｂ，１４０Ｂを取得する。これらの一連の処理により、第２工場の制御装置１２０Ｂは、必要となる各ドメインに対応する制御モデル１３０Ｂ，１４０Ｂを取得するため、生産ライン等が冬に一旦停止するという自体を防止し得る。
【0049】
上記のように、本実施の形態に従うシステム４０は、既知の環境（第１工場）から得られたデータから、スタイル変換モデル１２０を生成し、当該スタイル変換モデル１２０を使用することで、現在入手できない未知の環境（第２工場）のデータを生成する。これにより、システム４０は、未知の環境（第２工場）において必要な全てのデータ（学習データ）を用意し、第２工場を早期に稼働させることができる。
【0050】
図２は、スタイル変換モデル１２０の生成手順の一例を示す図である。システム４０は、第１工場１００Ａ内にある制御装置４０１Ａから、第１工場１００Ａにおける第１ドメインの実データ１０１と、第１工場１００Ａにおける第２ドメインの実データ１０２とを取得する。一例として、実データ１０１および実データ１０２は、制御装置４０１Ａがセンサ群４０３Ａから取得した出力信号であってもよい。
【0051】
システム４０は、実データ１０１および実データ１０２を用いて、例えば、ＣｙｃｌｅＧＡＮ等を用いた機械学習を実行する。システム４０は、当該機械学習により、波形生成部２１０Ａ，２１０Ｂと、波形識別部２１２Ａ，２１２Ｂとを生成する。
【0052】
システム４０内で行われる機械学習の手順の一例について簡単に説明する。まず、波形生成部２１０Ａは、実データ１０１を入力として、実データ１０２に類似する特徴を持ったデータを出力する。すなわち、波形生成部２１０Ａは、第１工場１００Ａにおける第１ドメインの実データ１０１から、第１工場１００Ａにおける第２ドメインの疑似データを生成する。
【0053】
次に、波形識別部２１２Ｂは、第１工場１００Ａにおける第２ドメインの実データ１０２と、波形生成部Ａ２１０が生成した第２ドメインの疑似データとを比較する。波形識別部２１２Ｂは、疑似データが本物であるか否か（疑似データが第１工場１００Ａにおける第２ドメインの実データ１０２であるか否か）を判定する。波形識別部２１２Ｂは、判別結果をフィードバックとして、波形生成部２１０Ａに出力する。
【0054】
上記の処理を繰り返すことにより、波形識別部２１２Ｂは、高精度に疑似データを偽物であると（疑似データが第１工場１００Ａにおける第２ドメインの実データ１０２ではないと）見破れるようになる。これに対抗するように、波形生成部２１０Ａは、より精巧な疑似データ（第１工場１００Ａにおける第２ドメインの実データ１０２に近い疑似データ）を生成できるようになる。
【0055】
同様に、波形生成部２１０Ｂは、実データ１０２を入力として、実データ１０１に類似する特徴を持った疑似データを出力する。すなわち、波形生成部２１０Ｂは、第１工場１００Ａにおける第２ドメインの実データ１０２から、第１工場１００Ａにおける第１ドメインの疑似データを生成する。
【0056】
次に、波形識別部２１２Ａは、第１工場１００Ａにおける第１ドメインの実データ１０１と、波形生成部２１０Ｂが生成した第１ドメインの疑似データとを比較する。波形識別部２１２Ａは、疑似データが本物であるか否か（疑似データが第１工場１００Ａにおける第１ドメインの実データ１０１であるか否か）を判定する。波形識別部２１２Ａは、判別結果をフィードバックとして、波形生成部２１０Ｂに出力する。
【0057】
上記の処理を繰り返すことにより、波形識別部２１２Ａは、高精度に疑似データを偽物であると（疑似データが第１工場１００Ａにおける第１ドメインの実データ１０１ではないと）見破れるようになる。これに対抗するように、波形生成部２１０Ｂは、より精巧な疑似データ（第１工場１００Ａにおける第１ドメインの実データ１０１に近い疑似データ）を生成できるようになる。
【0058】
システム４０は、学習が完了した波形生成部２１０Ａをスタイル変換モデル１２０として使用する。なお、図２の例では、システム４０は、ＣｙｃｌｅＧＡＮを使用しているため、波形生成部２１０Ａ，２１０Ｂが存在しているが、ＧＡＮ，ｐｉｘ２ｐｉｘ等を使用して波形生成部２１０Ａのみの学習を行ってもよい。
【0059】
図３は、第２工場１００Ｂにおける第２ドメインの疑似データ１１２を生成する手順の一例を示す図である。システム４０は、第２工場１００Ｂ内にある制御装置４０１Ｂから、第２工場１００Ｂにおける第１ドメインの実データ１１１を取得する。一例として、実データ１１１は、制御装置４０１Ｂがセンサ群４０３Ｂから取得した出力信号であってもよい。
【0060】
次に、システム４０は、第２工場１００Ｂにおける第１ドメインの実データ１１１を、波形生成部２１０Ａ（スタイル変換モデル１２０）に入力する。波形生成部２１０Ａ（スタイル変換モデル１２０）は、第２工場１００Ｂにおける第２ドメインの疑似データ１１２を生成する。
【0061】
上記の処理により、システム４０は、新規工場（第２工場１００Ｂ）の立ち上げ時に、必要となる各ドメインのデータをすぐに収集することができる。その結果、システム４０は、第２工場１００Ｂにおける第１ドメイン（夏ドメイン等）の実データから、第１ドメイン用の制御モデル１３０Ｂを生成し、第２工場１００Ｂにおける第２ドメイン（冬ドメイン等）の疑似データから、第２ドメイン用の制御モデル１４０Ｂを生成し得る。
【0062】
＜Ｂ．システム構成＞
次に、システム４０の構成およびそのバリエーションについて説明する。本明細書では、システム４０を例に本開示の技術について説明するが、システム５０，６０も、システム４０と同等の機能を備える。
次に、システム４０の構成およびそのバリエーションについて説明する。本明細書では、システム４０を例に本開示の技術について説明するが、システム５０，６０も、システム４０と同等の機能を備える。
【0063】
【0064】
（ａ．システム構成）
システム４０は、サーバ４３０と、第１工場１００Ａ内にある制御装置４０１Ａ、異常検知結果表示部４０２Ａ、センサ群４０３Ａと、第２工場１００Ｂ内にある制御装置４０１Ｂ、異常検知結果表示部４０２Ｂ、センサ群４０３Ｂとを含む。ある局面において、システム４０は、サーバ４３０と、制御装置４０１Ａと、制御装置４０１Ｂとを含み、図４中の他の構成を含まなくてもよい。他の局面において、システム４０は、サーバ４３０を含み、図４中の他の構成を含まなくてもよい。
システム４０は、サーバ４３０と、第１工場１００Ａ内にある制御装置４０１Ａ、異常検知結果表示部４０２Ａ、センサ群４０３Ａと、第２工場１００Ｂ内にある制御装置４０１Ｂ、異常検知結果表示部４０２Ｂ、センサ群４０３Ｂとを含む。ある局面において、システム４０は、サーバ４３０と、制御装置４０１Ａと、制御装置４０１Ｂとを含み、図４中の他の構成を含まなくてもよい。他の局面において、システム４０は、サーバ４３０を含み、図４中の他の構成を含まなくてもよい。
【0065】
第１工場１００Ａは、制御装置４０１Ａと、異常検知結果表示部４０２Ａと、センサ群４０３Ａとを備える。第２工場１００Ｂは、制御装置４０１Ｂと、異常検知結果表示部４０２Ｂと、センサ群４０３Ｂとを備える。制御装置４０１Ａは、制御プログラム４１０Ａと、センサデータＤＢ（Database）４１１Ａと、データ収集部４１２Ａと、異常検知部４１３Ａとを備える。制御装置４０１Ｂは、制御プログラム４１０Ｂと、センサデータＤＢ４１１Ｂと、データ収集部４１２Ｂと、異常検知部４１３Ｂとを備える。なお、第２工場１００Ｂ内の各構成は、第１工場１００Ａ内の各構成と同一であるため、これ以降、工場内の構成については、第１工場１００Ａの構成のみについて説明する。
【0066】
制御装置４０１Ａは、ＰＬＣ等であり、アクチュエータ、ロボット等を制御する。また、制御装置４０１Ａは、センサ群４０３Ａから出力信号を取得する。出力信号は、圧力センサ、光センサ、音センサ、接触センサ、ガスセンサ、その他任意のセンサの出力信号、カメラの画像信号、映像信号、その他の任意の信号を包含する。
【0067】
制御プログラム４１０Ａは、制御装置４０１Ａの各種機能を実現するためのプログラムである。制御装置４０１Ａは、ストレージ（図示せず）からメモリ（図示せず）に制御プログラム４１０Ａを読み出し、当該制御プログラム４１０Ａをプロセッサ（図示せず）により実行することで、各種機能を実現する。
【0068】
センサデータＤＢ４１１Ａは、センサ群４０３Ａからの出力信号を格納する。ある局面において、センサデータＤＢ４１１Ａは、リレーショナルデータベースとして実現されてもよい。他の局面において、センサデータＤＢ４１１Ａは、他の任意のフォーマットのデータとして実現されてもよい。
【0069】
データ収集部４１２Ａは、センサ群４０３Ａから出力信号を受信し、当該出力信号をセンサデータＤＢ４１１Ａに格納する。ある局面において、出力信号がアナログ信号の場合、データ収集部４１２Ａは、アナログ信号を数値等のデジタルデータに変換し、当該変換後のデータをセンサデータＤＢ４１１Ａに格納してもよい。
【0070】
異常検知部４１３Ａは、工場内の設備の異常、製造または検査している製品の異常、その他の任意の異常を検知する。異常検知部４１３Ａは、ドメイン毎に用意された異常検知モデル（制御モデル）を使用して、異常検知処理を行う。例えば、ドメインが２つの場合、異常検知部４１３Ａは、２つの異常検知モデルを使用する。他の例において、ドメインが４つの場合、異常検知部４１３Ａは、４つの異常検知モデルを使用する。
【0071】
なお、制御モデルは、異常検知以外の用途に使用されてもよい。一例として、制御装置４０１Ａは、制御モデルを用いて、製品の製造、製品のピッキング、製品の嵌合等を行い得る。この場合、制御装置４０１Ａは、各処理に対応する機能部を備える。例えば、制御装置４０１Ａは、制御モデルを用いて製品の嵌合を行う場合、嵌合処理部を備える。
【0072】
異常検知結果表示部４０２Ａは、制御装置４０１Ａと、無線または有線によって接続され、制御装置４０１Ａから受信したメッセージを表示する。当該メッセージは、例えば、工場内の設備の異常、製造または検査している製品の異常、その他の任意の異常を含み得る。ある局面において、異常検知結果表示部４０２Ａは、ディスプレイ、タブレット、スマートフォン等であってもよい。
【0073】
センサ群４０３Ａは、ラインの制御、検品、製品または設備の異常検出等に使用するための信号を出力する。ある局面において、センサ群４０３Ａは、圧力センサ、光センサ、音センサ、接触センサ、ガスセンサ、カメラ、その他任意のセンサを含み得る。
【0074】
サーバ４３０は、スタイル変換モデル生成部（変換モデル生成部）４３１と、データ生成部４３２と、異常検知モデル生成部４３３と、通信部４３４と、センサデータＤＢ４３５とを備える。ある局面において、サーバ４３０は、１つ以上の装置からなるサーバとして構成されてもよい。他の局面において、サーバ４３０は、クラウド環境上に構築された仮想サーバまたはインスタンスであってもよい。また、他の局面において、サーバ４３０は、分散環境上の各ノードが協業することによって実現されてもよい。
【0075】
スタイル変換モデル生成部４３１は、制御装置４０１Ａから取得した実データを用いて、スタイル変換モデル１２０を生成する。スタイル変換モデル生成部４３１の処理は、図２を参照して説明された機械学習の処理に相当する。スタイル変換モデル生成部４３１は、必要に応じて、センサデータＤＢ４３５から、各ドメインのセンサデータ（出力信号）を取得する。
【0076】
データ生成部４３２は、スタイル変換モデル生成部４３１によって生成されたスタイル変換モデル１２０を用いて、第２工場１００Ｂの第２ドメインの疑似データ１１２を生成する。より具体的には、データ生成部４３２は、制御装置４０１Ｂから取得した第１ドメインの実データ１１１を、スタイル変換モデル１２０に入力する。スタイル変換モデル１２０は、第２工場１００Ｂにおける第１ドメインの実データ１１１から、第２工場１００Ｂにおける第２ドメインの疑似データ１１２を生成する。データ生成部４３２の処理は、図３を参照して説明された、疑似データの生成処理に相当する。データ生成部４３２は、必要に応じて、センサデータＤＢ４３５から、各ドメインのセンサデータ（出力信号）を取得する。
【0077】
異常検知モデル生成部４３３は、制御装置４０１Ｂが使用するための制御モデル１３０Ｂ，１４０Ｂを生成する。より具体的には、異常検知モデル生成部４３３は、第２工場１００Ｂにおける第１ドメインの実データ１１１から、第１ドメインに対応する制御モデル１３０Ｂを生成する。また、異常検知モデル生成部４３３は、第２工場１００Ｂにおける第２ドメインの疑似データ１１２から、第２ドメインに対応する制御モデル１４０Ｂを生成する。ある局面において、異常検知モデル生成部４３３は、Ｉｓｏｌａｔｉｏｎ Ｆｏｒｅｓｔ、Ｏｎｅ Ｃｌａｓｓ ＳＶＭ、Ｌｏｃａｌ Ｏｕｔｌｉｅｒ Ｆａｃｔｏｒ（ＬＯＦ）、ＭＴ法等の教師なし学習アルゴリズムを用いて、各制御モデルを生成し得る。
【0078】
通信部４３４は、制御装置４０１Ａ，４０１Ｂと通信する。通信部４３４は、制御装置４０１Ａ，４０１Ｂから、各ドメインのデータを受信する。通信部４３４は、受信したデータ（センサデータまたはセンサの出力信号）をセンサデータＤＢ４３５に格納する。また、通信部４３４は、制御装置４０１Ａ，４０１Ｂに、制御モデルを送信する。ある局面において、通信部４３４は、有線ＬＡＮ（Local Area Network）ポートおよびＷｉ－Ｆｉ（登録商標）（Wireless Fidelity）モジュール等によって実現されてもよい。他の局面において、通信部４３４は、ＴＣＰ／ＩＰ（Transmission Control Protocol/Internet Protocol）、ＵＤＰ（User Datagram Protocol）等の通信プロトコルを用いてデータを送受信してもよい。
【0079】
センサデータＤＢ４３５は、各ドメインのデータを格納する。各ドメインのデータは、工場別に区別されてセンサデータＤＢ４３５に格納される。
【0080】
（ｂ．システムの動作）
制御装置４０１Ａ、制御装置４０１Ｂおよびサーバ４３０の動作の流れについて説明する。まず、サーバ４３０は、制御装置４０１Ａから、第１工場１００Ａにおける第１ドメインの実データ１０１を受信する。また、サーバ４３０は、制御装置４０１Ａから、第１工場１００Ａにおける第２ドメインの実データ１０２を受信する。
制御装置４０１Ａ、制御装置４０１Ｂおよびサーバ４３０の動作の流れについて説明する。まず、サーバ４３０は、制御装置４０１Ａから、第１工場１００Ａにおける第１ドメインの実データ１０１を受信する。また、サーバ４３０は、制御装置４０１Ａから、第１工場１００Ａにおける第２ドメインの実データ１０２を受信する。
【0081】
次に、サーバ４３０は、制御装置４０１Ａから受信した各ドメインのデータをセンサデータＤＢ４３５に格納する。また、サーバ４３０は、制御装置４０１Ａから受信した各ドメインのデータに基づいて、第１ドメインのデータを第２ドメインのデータに変換するためのスタイル変換モデル１２０を生成する。
【0082】
次に、サーバ４３０は、制御装置４０１Ｂから、第２工場１００Ｂにおける第１ドメインの実データ１１１を受信する。
【0083】
次に、サーバ４３０は、制御装置４０１Ｂから受信した第１ドメインのデータをセンサデータＤＢ４３５に格納する。また、サーバ４３０は、制御装置４０１Ｂから受信した第１ドメインの実データ１１１をスタイル変換モデル１２０に入力し、第２工場１００Ｂにおける第２ドメインの疑似データ１１２を生成する。
【0084】
次に、サーバ４３０は、制御装置４０１Ａが使用するための各制御モデルを生成する。より具体的には、サーバ４３０は、第１工場１００Ａにおける第１ドメインの実データ１０１に基づいて、第１ドメインに対応する制御モデル１３０Ａを生成する。サーバ４３０は、第１工場１００Ａにおける第２ドメインの実データ１０２に基づいて、第２ドメインに対応する制御モデル１４０Ａを生成する。
【0085】
次に、サーバ４３０は、制御装置４０１Ｂが使用するための各制御モデルを生成する。より具体的には、サーバ４３０は、第２工場１００Ｂにおける第１ドメインの実データ１１１に基づいて、第２ドメインに対応する制御モデル１３０Ｂを生成する。サーバ４３０は、第２工場１００Ｂにおける第２ドメインの疑似データ１１２に基づいて、第２ドメインに対応する制御モデル１４０Ｂを生成する。
【0086】
次に、サーバ４３０は、制御装置４０１Ａ，４０１Ｂに制御モデルを送信する。より具体的には、サーバ４３０は、制御装置４０１Ａに、制御モデル１３０Ａ，１４０Ａを送信する。制御装置４０１Ａ（異常検知部４１３Ａ）は、制御モデル１３０Ａ，１４０Ａを用いて異常検知を行う。同様に、サーバ４３０は、制御装置４０１Ｂに、制御モデル１３０Ｂ，１４０Ｂを送信する。制御装置４０１Ｂ（異常検知部４１３Ｂ）は、制御モデル１３０Ｂ，１４０Ｂを用いて異常検知を行う。
【0087】
なお、上記の動作は、一例であり、システム４０は、各処理の実行順序を任意に入れ替えてもよい。例えば、制御モデル１３０Ａ，１４０Ａの生成は、制御装置４０１Ａから各ドメインのデータを取得した段階で可能である。そのため、システム４０は、制御装置４０１Ａから各ドメインのデータを取得した時点で、制御モデル１３０Ａ，１４０Ａを生成してもよい。また、第１工場１００Ａおよび第２工場１００Ｂの稼働開始時期は異なるため、上記の一連の処理の一部は、第１工場１００Ａの稼働中に実行されて、上記の一連の処理の残りの一部は、第２工場１００Ｂの立ち上げ時に実行されてもよい。
【0088】
図５は、本実施の形態に従うシステム５０の構成の一例を示す図である。システム５０は、システム４０と異なり、制御装置５０１Ａ，５０１Ｂが、異常検知モデル生成部４３３を備える。
【0089】
システム５０は、サーバ４３０の代わりにサーバ５３０を、制御装置４０１Ａ，４０１Ｂの代わりに、制御装置５０１Ａ，５０１Ｂを備える。制御装置５０１Ａ，５０１Ｂは、異常検知モデル生成部４３３を備える。
【0090】
サーバ５３０は、制御モデルの代わりに、各ドメインのデータを各制御装置に送信し得る。少なくとも、サーバ５３０は、第２工場１００Ｂにおける第２ドメインの疑似データ１１２を制御装置５０１Ｂに送信する。
【0091】
制御装置５０１Ａ内の異常検知モデル生成部４３３は、センサデータＤＢ４１１Ａ内に格納された、第１ドメインの実データ１０１と、第２ドメインの実データ１０２とを用いて、制御モデル１３０Ａ，１４０Ａを生成する。ある局面において、制御装置５０１Ａは、センサデータを自装置に蓄えずに、サーバ５３０に送信してもよい。この場合、制御装置５０１Ａ内の異常検知モデル生成部４３３は、サーバ５３０から受信した第１ドメインの実データ１０１と、第２ドメインの実データ１０２とを用いて、制御モデル１３０Ａ，１４０Ａを生成し得る。
【0092】
制御装置５０１Ｂ内の異常検知モデル生成部４３３は、センサデータＤＢ４１１Ｂ内に格納された、第１ドメインの実データ１１１と、サーバ５３０から受信した第２ドメインの疑似データ１１２とを用いて、制御モデル１３０Ｂ，１４０Ｂを生成する。ある局面において、制御装置５０１Ｂは、センサデータを自装置に蓄えずに、サーバ５３０に送信してもよい。この場合、制御装置５０１Ｂ内の異常検知モデル生成部４３３は、サーバ５３０から受信した第１ドメインの実データ１１１と、第２ドメインの疑似データ１１２とを用いて、制御モデル１３０Ｂ，１４０Ｂを生成し得る。
【0093】
図６は、本実施の形態に従うシステム６０の構成の一例を示す図である。システム６０は、システム４０，５０と異なり、制御装置６０１Ａ，６０１Ｂが、データ生成部４３２と、異常検知モデル生成部４３３とを備える。
【0094】
システム６０は、サーバ４３０の代わりにサーバ６３０を、制御装置４０１Ａ，４０１Ｂの代わりに、制御装置６０１Ａ，６０１Ｂを備える。制御装置６０１Ａ，６０１Ｂは、データ生成部４３２と、異常検知モデル生成部４３３とを備える。
【0095】
サーバ５３０は、制御モデルおよび学習用データ（実データ１０１，１０２，１１１、および、疑似データ１１２）の代わりに、スタイル変換モデル１２０を各制御装置に送信し得る。より具体的には、少なくとも、サーバ５３０は、スタイル変換モデル１２０を制御装置５０１Ｂに送信する。
【0096】
制御装置５０１Ａ内の異常検知モデル生成部４３３は、センサデータＤＢ４１１Ａ内に格納された、第１ドメインの実データ１０１と、第２ドメインの実データ１０２とを用いて、制御モデル１３０Ａ，１４０Ａを生成する。ある局面において、制御装置５０１Ａは、センサデータを自装置に蓄えずに、サーバ５３０に送信してもよい。この場合、制御装置５０１Ａは、制御モデル生成のために、サーバ６３０から、第１ドメインの実データ１０１と、第２ドメインの実データ１０２とを受信する。
【0097】
制御装置５０１Ｂ内のデータ生成部４３２は、サーバ６３０から受信したスタイル変換モデル１２０を用いて、第１ドメインの実データ１１１から、第２ドメインの疑似データ１１２を生成する。制御装置５０１Ｂ内の異常検知モデル生成部４３３は、センサデータＤＢ４１１Ｂ内に格納された、第１ドメインの実データ１１１と、生成した第２ドメインの疑似データ１１２とを用いて、制御モデル１３０Ｂ，１４０Ｂを生成する。ある局面において、制御装置５０１Ｂは、センサデータを自装置に蓄えずに、サーバ５３０に送信してもよい。この場合、制御装置５０１Ｂは、制御モデル生成のために、サーバ６３０から、第１ドメインの実データ１１１を受信する。
【0098】
＜Ｃ．応用例＞
図７は、他のスタイル変換モデル７２０の生成手順の例を示す図である。スタイル変換モデル７２０は、スタイル変換モデル１２０と異なり、第１工場１００Ａにおけるあるドメインのデータを、第２工場１００Ｂにおける同一ドメインのデータに変換する。より具体的には、スタイル変換モデル７２０は、第１工場１００Ａにおける第１ドメインの実データの入力を受け付けると、第２工場１００Ｂにおける第１ドメインの疑似データを生成する。また、スタイル変換モデル７２０は、第１工場１００Ａにおける第２ドメインの実データの入力を受け付けると、第２工場１００Ｂにおける第２ドメインの疑似データを生成する。以下に、スタイル変換モデル７２０の生成手順および利用手順について説明する。
図７は、他のスタイル変換モデル７２０の生成手順の例を示す図である。スタイル変換モデル７２０は、スタイル変換モデル１２０と異なり、第１工場１００Ａにおけるあるドメインのデータを、第２工場１００Ｂにおける同一ドメインのデータに変換する。より具体的には、スタイル変換モデル７２０は、第１工場１００Ａにおける第１ドメインの実データの入力を受け付けると、第２工場１００Ｂにおける第１ドメインの疑似データを生成する。また、スタイル変換モデル７２０は、第１工場１００Ａにおける第２ドメインの実データの入力を受け付けると、第２工場１００Ｂにおける第２ドメインの疑似データを生成する。以下に、スタイル変換モデル７２０の生成手順および利用手順について説明する。
【0099】
システム４０は、制御装置４０１Ａから、第１工場１００Ａにおける第１ドメインの実データ１０１を収集する。また、システム４０は、制御装置４０１Ｂから、第２工場１００Ｂにおける第１ドメインの実データ１１１を収集する。次に、システム４０は、図２を参照して説明されたアルゴリズムを使用して、実データ１０１および実データ１１１による機械学習を行う。当該学習の結果、スタイル変換モデル７２０が生成される。
【0100】
次に、システム４０は、制御装置４０１Ａから、第１工場１００Ａにおける第２ドメインの実データ１０２を収集する。システム４０は、実データ１０２を、スタイル変換モデル７２０に入力する。スタイル変換モデル７２０は、第１工場１００Ａにおける第２ドメインの実データ１０２から、第２工場１００Ｂにおける第２ドメインの疑似データ７１２を生成する。システム４０は、疑似データ７１２から制御モデル１４０Ｂを生成し得る。
【0101】
上記のように、システム４０は、スタイル変換モデル７２０を用いることでも、即座に入手できない第２工場１００Ｂにおける第２ドメインのデータ（制御モデルの生成に必要な学習データ）を取得し得る。なお、システム５０，６０も、同様にスタイル変換モデル７２０を生成および利用し得る。
【0102】
＜Ｄ．フローチャート＞
次に、図８～図１０を参照して、システム４０の内部処理について説明する。なお、システム５０，６０も同様の処理を行い得る。ある局面において、サーバ４３０および制御装置４０１Ａ，４０１Ｂの各々は、図８～図１０の少なくとも一部の処理を行うためのプログラムをストレージからメモリに読み込んで、プロセッサにより当該プログラムを実行し得る。他の局面において、当該処理の一部または全部は、当該処理を実行するように構成された回路素子の組み合わせとしても実現され得る。
次に、図８～図１０を参照して、システム４０の内部処理について説明する。なお、システム５０，６０も同様の処理を行い得る。ある局面において、サーバ４３０および制御装置４０１Ａ，４０１Ｂの各々は、図８～図１０の少なくとも一部の処理を行うためのプログラムをストレージからメモリに読み込んで、プロセッサにより当該プログラムを実行し得る。他の局面において、当該処理の一部または全部は、当該処理を実行するように構成された回路素子の組み合わせとしても実現され得る。
【0103】
図８は、スタイル変換モデル１２０を生成する処理手順の一例を示す図である。図８を参照して、システム４０が、各ドメインのデータを収集して、スタイル変換モデル１２０を生成するまでの処理手順について説明する。
【0104】
ステップＳ８１０において、システム４０は、既知環境で元ドメインのデータと、目標ドメインのデータとを収集する。図１を例に説明すると、既知環境とは、既に稼働している第１工場１００Ａに相当する。元ドメインは、スタイル変換モデル１２０に入力されるデータのドメインであり、第１ドメインに相当する。目標ドメインは、スタイル変換モデル１２０が出力するデータのドメインであり、第２ドメインに相当する。すなわち、本ステップにおいて、システム４０は、第１工場１００Ａから、第１ドメインの実データ１０１と、第２ドメインの実データ１０２とを収集する。
【0105】
ステップＳ８２０において、システム４０は、データの前処理を行う。前処理は、機械学習エンジンに入力するデータを学習に適したデータに加工する処理である。システム４０は、既知の前処理技術を使用して、各ドメインのデータの前処理を行い得る。
【0106】
ステップＳ８３０において、システム４０は、スタイル変換モデル１２０の学習を行う。本ステップの処理は、図２を参照して説明された処理に相当する。
【0107】
図９は、第２工場１００Ｂにおいて使用する制御モデル１３０Ｂ，１４０Ｂを生成する処理手順の一例を示す図である。図９を参照して、システム４０が、新規環境（新しく立ち上げる工場）で使用する制御モデルを生成して、当該制御モデルの使用を開始するまでの処理手順について説明する。
【0108】
ステップＳ９１０において、システム４０は、新規環境で元ドメインのデータを収集する。図１を例に説明すると、新規環境とは、新しく立ち上げる第２工場１００Ｂに相当する。元ドメインは、スタイル変換モデル１２０に入力されるデータのドメインであり、新規環境の元ドメインは、第２工場１００Ｂにおける第１ドメインに相当する。すなわち、本ステップにおいて、システム４０は、第２工場１００Ｂから、第１ドメインの実データ１１１を収集する。
【0109】
ステップＳ９２０において、システム４０は、第２工場１００Ｂにおける第１ドメインの実データ１１１の前処理を行う。システム４０は、既知の前処理技術を使用して、第２工場１００Ｂにおける第１ドメインの実データ１１１の前処理を行い得る。
【0110】
ステップＳ９３０において、システム４０は、スタイル変換モデル１２０に、新規環境の元ドメインのデータ（第２工場１００Ｂにおける第１ドメインの実データ１１１）を入力する。
【0111】
ステップＳ９４０において、システム４０は、スタイル変換モデル１２０から、新規環境の目標ドメインのデータ（第２工場１００Ｂにおける第２ドメインの疑似データ１１２）を取得する。
【0112】
ステップＳ９５０において、システム４０は、生成した新規環境の目標ドメインのデータ（第２工場１００Ｂにおける第２ドメインの疑似データ１１２）から異常検知モデル（制御モデル１４０Ｂ）を生成する。ある局面において、システム４０は、異常検知モデルの代わりに、製品の製造、製品のピッキング、製品の嵌合等の制御モデルを生成してもよい。なお、システム４０は、新規環境の元ドメインのデータ（第２工場１００Ｂにおける第１ドメインの実データ１１１）から、もう一つの異常検知モデル（制御モデル１３０Ｂ）も生成し得る。
【0113】
ステップＳ９６０において、システム４０は、異常検知の閾値を設定する。ある局面において、本ステップの処理は、異常検知部４１３Ｂに制御モデル１４０Ｂをセットする処理であってもよい。この場合、制御モデル１３０Ｂ，１４０Ｂは、内包する閾値に基づく判定結果を出力し得る。他の局面において、本ステップの処理は、制御モデル１３０Ｂ，１４０Ｂの出力値が異常であるか否かの判定のための閾値を設定する処理であってもよい。この場合、システム４０は、当該閾値によって、制御モデル１３０Ｂ，１４０Ｂの出力値が異常であるか否かを判定し得る。異常検知部４１３Ｂは、制御モデル１４０Ｂを用いて異常検知処理を行い得る。異常検知処理は、例えば、工場内の設備の異常であってもよいし、工場内で製造または検品される製品の異常であってもよい。なお、システム４０は、異常検知部４１３Ｂに、制御モデル１３０Ｂもセットする。
【0114】
図１０は、新規環境における異常検知の処理手順の一例を示す図である。図１０を参照して、新規環境（第２工場１００Ｂ）において、第２工場１００Ｂにおける第２ドメインの疑似データ１１２から生成された制御モデル１４０Ｂを用いた異常検知を行う処理手順について説明する。
【0115】
ステップＳ１０１０において、システム４０は、新規環境の目標ドメインでデータを収集する。図４を例に説明すると、システム４０は、制御装置４０１Ｂから、第２ドメインの実データを収集する。本ステップの処理は、稼働中の第２工場１００Ｂにおいて実行される。
【0116】
ステップＳ１０２０において、システム４０は、取得したデータの前処理を行う。システム４０は、既知の前処理技術を使用して、第２工場１００Ｂにおける第２ドメインの実データの前処理を行い得る。
【0117】
ステップＳ１０３０において、システム４０は、生成した異常検知モデルを用いて、データが正常であるか否かを推論する。図４を例に説明すると、システム４０（異常検知部４１３Ｂ）は、制御モデル１４０Ｂを用いて、第２ドメインの実データが正常であるか否かを推論する。
【0118】
ステップＳ１０４０において、システム４０は、推論結果が閾値を超えているか否かを判定する。ある局面において、システム４０は、異常検知モデルが出力した推論結果（値）が予め定められた閾値を超えているか否かを判定してもよい。他の局面において、システム４０は、異常検知モデルから、推論結果が予め定められた閾値を超えているか否かを示す出力結果を受け取ってもよい。
【0119】
システム４０は、推論結果が閾値を超えていると判定した場合（ステップＳ１０４０にてＹＥＳ）、制御をステップＳ１０５０に移す。そうでない場合（ステップＳ１０４０にてＮＯ）、システム４０は、制御をステップＳ１０３０に移す。
【0120】
ステップＳ１０５０において、システム４０は、異常通知を行う。例えば、第２工場１００Ｂにおいて異常が検知された場合、システム４０は、異常検知結果表示部４０２Ｂに異常発生を示す通知を出力し得る。また、システム４０は、管理者の端末に異常発生を示す通知を送信してもよい。
【0121】
以上説明した通り、本実施の形態に従うシステム４０，５０，６０は、既知環境（既に稼働してる第１工場１００Ａ）における各ドメイン（夏ドメイン、冬ドメイン等）の実データに基づいて、スタイル変換モデル１２０を生成する。そして、システム４０，５０，６０は、スタイル変換モデル１２０に、新規環境（これから稼働を開始する第２工場１００Ｂ）における一部のドメイン（夏ドメイン等）の実データを入力することで、新規環境の一部のドメイン（冬ドメイン等）の疑似データを生成し得る。これらの一連の処理により、システム４０，５０，６０は、新規環境（第２工場１００Ｂ）の稼働開始に必要な各ドメインのデータを迅速に用意し得る。
【0122】
＜Ｅ．付記＞
以上のように、本実施の形態は以下のような開示を含む。
［構成１］
第１工場（１００Ａ）における第１ドメインの実データ（１０１）と、上記第１工場（１００Ａ）における第２ドメインの実データ（１０２）とを学習データとして、上記第１ドメインの実データから上記第２ドメインの疑似データを生成する学習済モデルを生成する変換モデル生成部（４３１）と、
第２工場（１００Ｂ）における上記第１ドメインの実データ（１１１）を上記学習済モデルに入力し、上記第２工場（１００Ｂ）における上記第２ドメインの疑似データ（１１２）を生成するデータ生成部（４３２）と、
上記第２工場（１００Ｂ）における上記第２ドメインの疑似データ（１１２）を学習データとして、上記第２工場（１００Ｂ）で使用される制御モデルを生成する制御モデル生成部（４３３）とを備える、システム（４０，５０，６０）。
［構成２］
第１工場（１００Ａ）における第１ドメインの実データ（１０１）と、第２工場（１００Ｂ）における上記第１ドメインの実データ（１１１）とを学習データとして、上記第１工場（１００Ａ）におけるドメインの実データから、上記第２工場（１００Ｂ）における上記ドメインと同一ドメインの疑似データを生成するように学習した学習済モデルを生成する変換モデル生成部（４３１）と、
上記第１工場（１００Ａ）における第２ドメインの実データ（１０２）を上記学習済モデルに入力し、上記第２工場（１００Ｂ）における上記第２ドメインの疑似データ（１１２）を生成するデータ生成部（４３２）と、
上記第２工場（１００Ｂ）における上記第２ドメインの疑似データ（１１２）を学習データとして、上記第２工場（１００Ｂ）で使用される制御モデルを生成する制御モデル生成部（４３３）とを備える、システム（４０，５０，６０）。
［構成３］
上記第１工場（１００Ａ）にある第１制御装置から上記第１ドメインの実データおよび上記第２ドメインの実データを収集し、上記第２工場（１００Ｂ）にある第２制御装置から上記第１ドメインの実データを収集する通信部（４３４）をさらに備える、構成１または２に記載のシステム（４０，５０，６０）。
［構成４］
上記制御モデル生成部（４３３）は、上記第２工場（１００Ｂ）における上記第１ドメインの実データ（１１１）から、上記第２工場（１００Ｂ）で使用される他の制御モデルを生成し、
上記通信部（４３４）は、上記第２制御装置に、上記第２工場（１００Ｂ）で使用される制御モデルと、上記第２工場（１００Ｂ）で使用される他の制御モデルとを送信する、構成３に記載のシステム（４０，５０，６０）。
［構成５］
上記第１ドメインおよび上記第２ドメインは、季節、期間、時間帯、温度、湿度、日照時間の長さ、紫外線強度、明度、または、これらの組み合わせを含む、構成１または２に記載のシステム（４０，５０，６０）。
［構成６］
上記第１ドメインのデータおよび上記第２ドメインのデータは、センサの出力信号である、構成１または２に記載のシステム（４０，５０，６０）。
［構成７］
上記制御モデルは、設備の異常検知、製品の異常検知、製品の製造、製品のピッキング、製品の嵌合のいずれかを行うためのモデルである、構成１または２に記載のシステム（４０，５０，６０）。
［構成８］
コンピュータにより実行される方法であって、
第１工場（１００Ａ）における第１ドメインの実データ（１０１）と、上記第１工場（１００Ａ）における第２ドメインの実データ（１０２）とを学習データとして、上記第１ドメインの実データから上記第２ドメインの疑似データを生成する学習済モデルを生成するステップと、
第２工場（１００Ｂ）における上記第１ドメインの実データ（１１１）を上記学習済モデルに入力し、上記第２工場（１００Ｂ）における上記第２ドメインの疑似データ（１１２）を生成するステップと、
上記第２工場（１００Ｂ）における上記第２ドメインの疑似データ（１１２）を学習データとして、上記第２工場（１００Ｂ）で使用される制御モデルを生成するステップとを備える、方法。
［構成９］
コンピュータにより実行されるプログラムであって、
第１工場（１００Ａ）における第１ドメインの実データ（１０１）と、第２工場（１００Ｂ）における上記第１ドメインの実データ（１１１）とを学習データとして、上記第１工場（１００Ａ）におけるドメインの実データから、上記第２工場（１００Ｂ）における上記ドメインと同一ドメインの疑似データを生成するように学習した学習済モデルを生成するステップと、
上記第１工場（１００Ａ）における第２ドメインの実データ（１０２）を上記学習済モデルに入力し、上記第２工場（１００Ｂ）における上記第２ドメインの疑似データ（１１２）を生成するステップと、
上記第２工場（１００Ｂ）における上記第２ドメインの疑似データ（１１２）を学習データとして、上記第２工場（１００Ｂ）で使用される制御モデルを生成するステップとを前記コンピュータに実行させる、プログラム。
以上のように、本実施の形態は以下のような開示を含む。
［構成１］
第１工場（１００Ａ）における第１ドメインの実データ（１０１）と、上記第１工場（１００Ａ）における第２ドメインの実データ（１０２）とを学習データとして、上記第１ドメインの実データから上記第２ドメインの疑似データを生成する学習済モデルを生成する変換モデル生成部（４３１）と、
第２工場（１００Ｂ）における上記第１ドメインの実データ（１１１）を上記学習済モデルに入力し、上記第２工場（１００Ｂ）における上記第２ドメインの疑似データ（１１２）を生成するデータ生成部（４３２）と、
上記第２工場（１００Ｂ）における上記第２ドメインの疑似データ（１１２）を学習データとして、上記第２工場（１００Ｂ）で使用される制御モデルを生成する制御モデル生成部（４３３）とを備える、システム（４０，５０，６０）。
［構成２］
第１工場（１００Ａ）における第１ドメインの実データ（１０１）と、第２工場（１００Ｂ）における上記第１ドメインの実データ（１１１）とを学習データとして、上記第１工場（１００Ａ）におけるドメインの実データから、上記第２工場（１００Ｂ）における上記ドメインと同一ドメインの疑似データを生成するように学習した学習済モデルを生成する変換モデル生成部（４３１）と、
上記第１工場（１００Ａ）における第２ドメインの実データ（１０２）を上記学習済モデルに入力し、上記第２工場（１００Ｂ）における上記第２ドメインの疑似データ（１１２）を生成するデータ生成部（４３２）と、
上記第２工場（１００Ｂ）における上記第２ドメインの疑似データ（１１２）を学習データとして、上記第２工場（１００Ｂ）で使用される制御モデルを生成する制御モデル生成部（４３３）とを備える、システム（４０，５０，６０）。
［構成３］
上記第１工場（１００Ａ）にある第１制御装置から上記第１ドメインの実データおよび上記第２ドメインの実データを収集し、上記第２工場（１００Ｂ）にある第２制御装置から上記第１ドメインの実データを収集する通信部（４３４）をさらに備える、構成１または２に記載のシステム（４０，５０，６０）。
［構成４］
上記制御モデル生成部（４３３）は、上記第２工場（１００Ｂ）における上記第１ドメインの実データ（１１１）から、上記第２工場（１００Ｂ）で使用される他の制御モデルを生成し、
上記通信部（４３４）は、上記第２制御装置に、上記第２工場（１００Ｂ）で使用される制御モデルと、上記第２工場（１００Ｂ）で使用される他の制御モデルとを送信する、構成３に記載のシステム（４０，５０，６０）。
［構成５］
上記第１ドメインおよび上記第２ドメインは、季節、期間、時間帯、温度、湿度、日照時間の長さ、紫外線強度、明度、または、これらの組み合わせを含む、構成１または２に記載のシステム（４０，５０，６０）。
［構成６］
上記第１ドメインのデータおよび上記第２ドメインのデータは、センサの出力信号である、構成１または２に記載のシステム（４０，５０，６０）。
［構成７］
上記制御モデルは、設備の異常検知、製品の異常検知、製品の製造、製品のピッキング、製品の嵌合のいずれかを行うためのモデルである、構成１または２に記載のシステム（４０，５０，６０）。
［構成８］
コンピュータにより実行される方法であって、
第１工場（１００Ａ）における第１ドメインの実データ（１０１）と、上記第１工場（１００Ａ）における第２ドメインの実データ（１０２）とを学習データとして、上記第１ドメインの実データから上記第２ドメインの疑似データを生成する学習済モデルを生成するステップと、
第２工場（１００Ｂ）における上記第１ドメインの実データ（１１１）を上記学習済モデルに入力し、上記第２工場（１００Ｂ）における上記第２ドメインの疑似データ（１１２）を生成するステップと、
上記第２工場（１００Ｂ）における上記第２ドメインの疑似データ（１１２）を学習データとして、上記第２工場（１００Ｂ）で使用される制御モデルを生成するステップとを備える、方法。
［構成９］
コンピュータにより実行されるプログラムであって、
第１工場（１００Ａ）における第１ドメインの実データ（１０１）と、第２工場（１００Ｂ）における上記第１ドメインの実データ（１１１）とを学習データとして、上記第１工場（１００Ａ）におけるドメインの実データから、上記第２工場（１００Ｂ）における上記ドメインと同一ドメインの疑似データを生成するように学習した学習済モデルを生成するステップと、
上記第１工場（１００Ａ）における第２ドメインの実データ（１０２）を上記学習済モデルに入力し、上記第２工場（１００Ｂ）における上記第２ドメインの疑似データ（１１２）を生成するステップと、
上記第２工場（１００Ｂ）における上記第２ドメインの疑似データ（１１２）を学習データとして、上記第２工場（１００Ｂ）で使用される制御モデルを生成するステップとを前記コンピュータに実行させる、プログラム。
【0123】
今回開示された実施の形態は全ての点で例示であって制限的なものではないと考えられるべきである。本開示の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内で全ての変更が含まれることが意図される。また、実施の形態および各変形例において説明された開示内容は、可能な限り、単独でも、組合わせても、実施することが意図される。
【符号の説明】
【0124】
４０，５０，６０ システム、１００Ａ 第１工場、１００Ｂ 第２工場、１０１，１０２，１１１ 実データ、１１２，７１２ 疑似データ、１２０，７２０ スタイル変換モデル、１２０Ａ，１２０Ｂ，４０１Ａ，４０１Ｂ，５０１Ａ，５０１Ｂ，６０１Ａ，６０１Ｂ 制御装置、１３０Ａ，１３０Ｂ，１４０Ａ，１４０Ｂ 制御モデル、２１０Ａ，２１０Ｂ，Ａ２１０ 波形生成部、２１２Ａ，２１２Ｂ 波形識別部、４０２Ａ，４０２Ｂ 異常検知結果表示部、４０３Ａ，４０３Ｂ センサ群、４１０Ａ，４１０Ｂ 制御プログラム、４１１Ａ，４１１Ｂ，４３５ センサデータＤＢ、４１２Ａ，４１２Ｂ データ収集部、４１３Ａ，４１３Ｂ 異常検知部、４３０，５３０，６３０ サーバ、４３１ スタイル変換モデル生成部、４３２ データ生成部、４３３ 異常検知モデル生成部、４３４ 通信部。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】