知財求人 - 知財ポータルサイト「IP Force」
▶ エヌ・ティ・ティ・コミュニケーションズ株式会社の特許一覧
(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】P2024063678
(43)【公開日】2024-05-13
(54)【発明の名称】情報処理装置、情報処理方法および情報処理プログラム
(51)【国際特許分類】
G06N 99/00 20190101AFI20240502BHJP
G05B 23/02 20060101ALI20240502BHJP
【ＦＩ】
G06N99/00 180
G05B23/02 Z
G05B23/02 X
G05B23/02 301N
G05B23/02 301V
【審査請求】有
【請求項の数】8
【出願形態】ＯＬ
(21)【出願番号】P 2022171829
(22)【出願日】2022-10-26
(11)【特許番号】
(45)【特許公報発行日】2024-01-18
(71)【出願人】
【識別番号】399035766
【氏名又は名称】エヌ・ティ・ティ・コミュニケーションズ株式会社
(74)【代理人】
【識別番号】110002147
【氏名又は名称】弁理士法人酒井国際特許事務所
(72)【発明者】
【氏名】伊藤 浩二
(72)【発明者】
【氏名】泉谷 知範
(72)【発明者】
【氏名】藤原 大悟
【テーマコード（参考）】
3C223
【Ｆターム（参考）】
3C223AA01
3C223BA03
3C223BB02
3C223BB11
3C223CC02
3C223DD03
3C223FF02
3C223FF03
3C223FF12
3C223FF13
3C223FF17
3C223FF22
3C223FF26
3C223FF33
3C223FF42
3C223FF52
3C223FF53
3C223HH02
3C223HH03
3C223HH05
3C223HH08
3C223HH17
3C223HH29
(57)【要約】
【課題】操作対象の自動運転の停止後における当該自動運転の再開のタイミングの判断を容易にする。
【解決手段】情報処理装置１００は、学習モデルに基づき推論される操作対象の自動運転に関する推奨値と、目的変数の間の誤差を算出し、誤差が所定の条件を満たす場合に、自動運転を停止した操作対象について自動運転の開始が可能であると判定を行い、判定結果に基づき、操作対象の自動運転に関する情報を出力する。
【選択図】図１
【解決手段】情報処理装置１００は、学習モデルに基づき推論される操作対象の自動運転に関する推奨値と、目的変数の間の誤差を算出し、誤差が所定の条件を満たす場合に、自動運転を停止した操作対象について自動運転の開始が可能であると判定を行い、判定結果に基づき、操作対象の自動運転に関する情報を出力する。
【選択図】図１
【特許請求の範囲】
【請求項1】
学習モデルに基づき推論される操作対象の自動運転に関する推奨値と、目的変数の間の誤差を算出する算出部と、
前記誤差が所定の条件を満たす場合に、自動運転を停止した前記操作対象について自動運転の開始が可能であると判定をする判定部と、
前記判定部の判定結果に基づき、前記操作対象の自動運転に関する情報を出力する出力部と、
を有することを特徴とする情報処理装置。
前記誤差が所定の条件を満たす場合に、自動運転を停止した前記操作対象について自動運転の開始が可能であると判定をする判定部と、
前記判定部の判定結果に基づき、前記操作対象の自動運転に関する情報を出力する出力部と、
を有することを特徴とする情報処理装置。
【請求項2】
前記判定部は、前記所定の条件として、前記操作対象の運転に関する履歴データを用いた学習モデルに基づき推論される前記推奨値と、前記操作対象の運転に関する実測値である前記目的変数の間の誤差について、該誤差が所定の回数を超えて所定の値を連続して下回る場合に、前記操作対象の自動運転の稼働についての判定として前記自動運転の開始が可能であると判定をする、
ことを特徴とする請求項１に記載の情報処理装置。
ことを特徴とする請求項１に記載の情報処理装置。
【請求項3】
前記判定部は、前記所定の条件として、前記操作対象の運転に関する履歴データを用いた学習モデルに基づき推論される前記推奨値と、前記操作対象の運転に関する実測値である前記目的変数の間の誤差について、所定の期間における該誤差の平均値が所定の値を下回る場合に、前記操作対象の自動運転の稼働についての判定として前記自動運転の開始が可能であると判定をする、
ことを特徴とする請求項１に記載の情報処理装置。
ことを特徴とする請求項１に記載の情報処理装置。
【請求項4】
前記出力部は、前記操作対象の自動運転に関する情報として、前記判定部の判定に基づいて前記自動運転の開始に関する情報を出力する、
ことを特徴とする請求項２に記載の情報処理装置。
ことを特徴とする請求項２に記載の情報処理装置。
【請求項5】
前記出力部は、前記操作対象の自動運転に関する情報として、前記判定部の判定に基づいて前記自動運転の開始の指示に関する情報を出力する、
ことを特徴とする請求項２に記載の情報処理装置。
ことを特徴とする請求項２に記載の情報処理装置。
【請求項6】
学習モデルに基づき推論される操作対象の自動運転に関する推奨値と、目的変数の間の誤差を算出する工程と、
前記誤差が所定の条件を満たす場合に、自動運転を停止した前記操作対象について自動運転の開始が可能であると判定をする工程と、
判定部の判定結果に基づき、前記操作対象の自動運転に関する情報を出力する工程と、
を含むことを特徴とする情報処理方法。
前記誤差が所定の条件を満たす場合に、自動運転を停止した前記操作対象について自動運転の開始が可能であると判定をする工程と、
判定部の判定結果に基づき、前記操作対象の自動運転に関する情報を出力する工程と、
を含むことを特徴とする情報処理方法。
【請求項7】
学習モデルに基づき推論される操作対象の自動運転に関する推奨値と、目的変数の間の誤差を算出するステップと、
前記誤差が所定の条件を満たす場合に、自動運転を停止した前記操作対象について自動運転の開始が可能であると判定をするステップと、
判定部の判定結果に基づき、前記操作対象の自動運転に関する情報を出力するステップと、
をコンピュータに実行させることを特徴とする情報処理プログラム。
前記誤差が所定の条件を満たす場合に、自動運転を停止した前記操作対象について自動運転の開始が可能であると判定をするステップと、
判定部の判定結果に基づき、前記操作対象の自動運転に関する情報を出力するステップと、
をコンピュータに実行させることを特徴とする情報処理プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、情報処理装置、情報処理方法および情報処理プログラムに関する。
【背景技術】
【0002】
人間の行動に関する情報を用いて、人間による行動を模倣する機械学習モデルを作る模倣学習という技術が知られている。そして、前述の模倣学習の実現方法として、例えば、教師あり学習が知られている。さらに、教師あり学習の１つの手法として、観測されたデータを大量に蓄積しておき、蓄積されたデータの中から要求点の近傍のデータを抽出し、当該抽出したデータを用いてモデルの逐次学習を行うJust-In-Time（ＪＩＴ）法という技術が知られている（例えば、非特許文献１を参照）。
【0003】
また、近年では運転データ等を入力とする学習モデルを用いて、操作対象となる設備や工場、プラント等の自動運転を行う技術が知られている。例えば、従来技術として、取得したデータを入力とする学習モデルを用いることで、機器の制御において実環境を対象とした最適制御を簡易かつ精度よく実行する技術が知られている（例えば、特許文献１を参照）。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２０１９－０６７２３８号公報
【非特許文献】
【0005】
【非特許文献1】山本 茂、「Just-In-Time予測制御：蓄積データに基づく予測制御」、計測と制御 第 52 巻 第 10 号 2013 年 10 月号（https://www.jstage.jst.go.jp/article/sicejl/52/10/52_878/_pdf/-char/ja）
【発明の概要】
【発明が解決しようとする課題】
【0006】
しかしながら、従来技術では、操作対象の自動運転の停止後における当該自動運転の再開のタイミングの判断が困難である、という問題があった。
【0007】
具体的には、従来技術では、操作対象の自動運転の精度低下等により自動運転を停止した場合に、運転精度の低下が解消されているかどうかや、自動運転の再開をしても問題が発生しないか、等といった判断をすることが難しい場合がある。そのため、適切なタイミングで自動運転の再開を判断することが難しい場合があった。
【課題を解決するための手段】
【0008】
そこで、上記の課題を解決し目的を達成するために、本発明の情報処理装置は、学習モデルに基づき推論される操作対象の自動運転に関する推奨値と、目的変数の間の誤差を算出する算出部と、前記誤差が所定の条件を満たす場合に、自動運転を停止した前記操作対象について自動運転の開始が可能であると判定をする判定部と、前記判定部の判定結果に基づき、前記操作対象の自動運転に関する情報を出力する出力部と、を有することを特徴とする。
【発明の効果】
【0009】
本発明は、操作対象の自動運転の停止後における当該自動運転の再開のタイミングの判断を容易とする、という効果を奏する。
【図面の簡単な説明】
【0010】
【発明を実施するための形態】
【0011】
以下、図面を参照しながら、本実施形態を実施するための形態（以下、「実施形態」）について説明する。なお、本実施形態は、以下に記載する内容に限定されない。
【0012】
〔１．概要〕
まず、本実施形態における情報処理装置１００による情報処理の概要を、図１を用いて説明する。本実施形態において情報処理装置１００は、操作対象１０の運転データＤｂ（例えば、温度、圧力、流量、原料投入量、生成量等）と類似、または関係する過去の履歴データＤａ（例えば、温度、圧力、流量、原料投入量、生成量等、ユーザによる操作履歴等）を用いて学習モデル２０を学習する（図１の（１）を参照）。
まず、本実施形態における情報処理装置１００による情報処理の概要を、図１を用いて説明する。本実施形態において情報処理装置１００は、操作対象１０の運転データＤｂ（例えば、温度、圧力、流量、原料投入量、生成量等）と類似、または関係する過去の履歴データＤａ（例えば、温度、圧力、流量、原料投入量、生成量等、ユーザによる操作履歴等）を用いて学習モデル２０を学習する（図１の（１）を参照）。
【0013】
次に、ユーザＵ（操作対象１０を操作するオペレータ）は、情報処理装置１００に対して、自動運転の条件を入力する（図１の（２）を参照）。情報処理装置１００の自動運転制御部１３９は、ユーザＵが入力する自動運転の条件と、運転データＤｂを入力とする前述の学習モデル２０に基づき推論される推奨値ＲＤを用いて、操作対象１０に対して自動運転（以降は、操作対象１０に対する自動運転を単に「自動運転」と表記）を実施する（図１の（３）および（４）を参照）。
【0014】
そして、何らかの要因により自動運転を停止する必要が生じた場合（例えば、自動運転の精度低下等）、情報処理装置１００は、自動運転を停止する（図１の（５）を参照）。そして、情報処理装置１００は、ユーザＵによる手動運転が行われている間、操作対象１０の自動運転の精度に関するデータ（例えば、推奨値ＲＤ等）を取得し、自動運転の精度の変化を判定する。その結果、自動運転の精度が所定の条件を満たすと判定される場合、情報処理装置１００は、ユーザＵに対して、自動運転の再開が可能であることを通知するための表示を行う（図１の（６）を参照）。そして、ユーザＵは、情報処理装置１００の表示に基づき、自動運転の再開のための操作を行う（図１の（７）を参照）。
【0015】
〔１－１．学習モデルによる推奨値の推論〕
続いて、図１で説明した学習モデル２０について、更に説明を行う。図２に示すように、情報処理装置１００は、操作対象１０ａから運転データＤｂを受け付ける。次に、情報処理装置１００は、受け付けた運転データＤｂと類似する履歴データＤａを用いて推奨値ＲＤを推論するための学習モデル２０の学習（訓練）を行う。
続いて、図１で説明した学習モデル２０について、更に説明を行う。図２に示すように、情報処理装置１００は、操作対象１０ａから運転データＤｂを受け付ける。次に、情報処理装置１００は、受け付けた運転データＤｂと類似する履歴データＤａを用いて推奨値ＲＤを推論するための学習モデル２０の学習（訓練）を行う。
【0016】
そして、情報処理装置１００は、学習（訓練）済みの学習モデル２０に基づき推奨値ＲＤの推論を行う。具体的には、情報処理装置１００は、操作対象１０ａに対して実際にユーザＵが行った操作等の情報である履歴データＤａを用いて学習モデル２０を学習することで、模倣学習を行う。その結果、情報処理装置１００は、学習モデル２０に運転データＤｂを入力することにより推論される推奨値ＲＤを用いて、操作対象１０ｂに対しての自動運転を実現する。
【0017】
例えば、操作対象１０がプラントの場合、学習モデル２０は、特定の工程における過去にユーザＵが投入した原材料の投入量を学習する。そして、学習モデル２０は、現在の運転データから、推奨値ＲＤとして原材料の投入量を出力する。ユーザＵは、学習モデル２０に基づき推論される推奨値ＲＤに従って原材料の投入量を設定することで、過去のユーザ（例えば、ユーザＵやユーザＵ以外のオペレータ）の操作を模倣することができる。
【0018】
〔２．情報処理装置の構成〕
ここから、本実施形態に係る情報処理装置１００の構成について、図３を用いて説明する。図３に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０と、を有する。なお、図示していないが、情報処理装置１００は、各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、ディスプレイ等）を備えてもよい。続いて、以下に各部の詳細な機能について記載する。
ここから、本実施形態に係る情報処理装置１００の構成について、図３を用いて説明する。図３に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０と、を有する。なお、図示していないが、情報処理装置１００は、各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、ディスプレイ等）を備えてもよい。続いて、以下に各部の詳細な機能について記載する。
【0019】
（通信部１１０）
通信部１１０は、ＮＩＣ（Network Interface Card）等で実現され、ＬＡＮ（Local Area Network）やインターネット等の電気通信回線を介して通信を制御する。そして、通信部１１０は、必要に応じてネットワークと有線または無線で接続され、双方向に情報の送受信を行うことができる。なお、本実施形態においては、外部の装置等（例えば、操作対象１０等）との通信は、通信部１１０を介して実施される前提とする。
通信部１１０は、ＮＩＣ（Network Interface Card）等で実現され、ＬＡＮ（Local Area Network）やインターネット等の電気通信回線を介して通信を制御する。そして、通信部１１０は、必要に応じてネットワークと有線または無線で接続され、双方向に情報の送受信を行うことができる。なお、本実施形態においては、外部の装置等（例えば、操作対象１０等）との通信は、通信部１１０を介して実施される前提とする。
【0020】
（記憶部１２０）
記憶部１２０は、制御部１３０による各種処理に必要なデータおよびプログラムを格納する。また、記憶部１２０は、履歴データ記憶部１２１と、モデル記憶部１２２と、推奨値記憶部１２３と、誤差情報記憶部１２４と、を有する。そして、記憶部１２０は、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置等で実現する。
記憶部１２０は、制御部１３０による各種処理に必要なデータおよびプログラムを格納する。また、記憶部１２０は、履歴データ記憶部１２１と、モデル記憶部１２２と、推奨値記憶部１２３と、誤差情報記憶部１２４と、を有する。そして、記憶部１２０は、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置等で実現する。
【0021】
（履歴データ記憶部１２１）
履歴データ記憶部１２１は、操作対象１０の過去の運転に関する情報として、履歴データを記憶する。例えば、履歴データ記憶部１２１が記憶する履歴データには、操作対象１０の過去の説明変数（例えば、時刻、温度、圧力、二酸化炭素濃度等のセンサデータ）や、目的変数（例えば、ユーザによる操作履歴）を記憶し、運転データＤｂと説明変数が類似する履歴データＤａが含まれるまた、前述した情報はあくまで一例であり、履歴データ記憶部１２１は、履歴データの範疇であれば限定無く記憶できる。
履歴データ記憶部１２１は、操作対象１０の過去の運転に関する情報として、履歴データを記憶する。例えば、履歴データ記憶部１２１が記憶する履歴データには、操作対象１０の過去の説明変数（例えば、時刻、温度、圧力、二酸化炭素濃度等のセンサデータ）や、目的変数（例えば、ユーザによる操作履歴）を記憶し、運転データＤｂと説明変数が類似する履歴データＤａが含まれるまた、前述した情報はあくまで一例であり、履歴データ記憶部１２１は、履歴データの範疇であれば限定無く記憶できる。
【0022】
（モデル記憶部１２２）
モデル記憶部１２２は、操作対象１０の履歴データＤａを用いて学習させる学習モデル２０を記憶する。
モデル記憶部１２２は、操作対象１０の履歴データＤａを用いて学習させる学習モデル２０を記憶する。
【0023】
（推奨値記憶部１２３）
推奨値記憶部１２３は、学習モデル２０によって推論される推奨値ＲＤを記憶する。
推奨値記憶部１２３は、学習モデル２０によって推論される推奨値ＲＤを記憶する。
【0024】
（誤差情報記憶部１２４）
誤差情報記憶部１２４は、算出部１３５が算出する操作対象１０の自動運転に関する推奨値ＲＤと、目的変数（実測値）の間の誤差に関する情報を記憶する。なお、誤差情報記憶部１２４は、判定部１３６が操作対象１０の自動運転の開始の可否を判定するために用いる誤差に関する情報の範疇であれば、限定無く記憶できる。例えば、誤差情報記憶部１２４は、後述の算出部１３５が算出する過去一定期間の推論値の分散や標準偏差を記憶してよい。
誤差情報記憶部１２４は、算出部１３５が算出する操作対象１０の自動運転に関する推奨値ＲＤと、目的変数（実測値）の間の誤差に関する情報を記憶する。なお、誤差情報記憶部１２４は、判定部１３６が操作対象１０の自動運転の開始の可否を判定するために用いる誤差に関する情報の範疇であれば、限定無く記憶できる。例えば、誤差情報記憶部１２４は、後述の算出部１３５が算出する過去一定期間の推論値の分散や標準偏差を記憶してよい。
【0025】
（制御部１３０）
制御部１３０は、取得部１３１と、学習部１３２と、更新部１３３と、推論部１３４と、算出部１３５と、判定部１３６と、出力部１３７と、表示部１３８と、自動運転制御部１３９を有する。そして、制御部１３０は、各種の処理手順等を規定したプログラムや処理データを一時的に格納するための内部メモリを有し、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等の電子回路、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路によって実現される。
制御部１３０は、取得部１３１と、学習部１３２と、更新部１３３と、推論部１３４と、算出部１３５と、判定部１３６と、出力部１３７と、表示部１３８と、自動運転制御部１３９を有する。そして、制御部１３０は、各種の処理手順等を規定したプログラムや処理データを一時的に格納するための内部メモリを有し、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等の電子回路、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路によって実現される。
【0026】
（取得部１３１）
取得部１３１は、操作対象１０の運転に関するデータを取得する。具体的には、取得部１３１は、操作対象１０の運転に関するデータとして、操作対象１０の運転データＤｂ（例えば、操作対象１０が収集するセンサデータのうち説明変数として用いているもの等）を取得する。
取得部１３１は、操作対象１０の運転に関するデータを取得する。具体的には、取得部１３１は、操作対象１０の運転に関するデータとして、操作対象１０の運転データＤｂ（例えば、操作対象１０が収集するセンサデータのうち説明変数として用いているもの等）を取得する。
【0027】
さらに、取得部１３１は、操作対象１０の運転に関するデータとして、履歴検索用キー（現在の操作対象１０のセンサデータで、以降は単に「履歴検索用キー」と記載）を用いて、操作対象１０の運転実施時点における運転データＤｂと類似の履歴データＤａ（類似するセンサデータおよびユーザによる操作履歴を含む）を、履歴データ記憶部１２１から取得する。なお、取得部１３１は、前述した情報以外にも、操作対象１０の運転に関するデータの範疇であれば、限定無く情報を取得できる。
【0028】
（学習部１３２）
学習部１３２は、取得部１３１が取得する操作対象１０の履歴データＤａを用いて、説明変数（センサデータ）および目的変数（ユーザによる操作履歴）学習データとして学習モデル２０の学習（訓練）を行う。例えば、学習部１３２は、操作対象１０がプラントである場合、特定の状況において過去にユーザＵが投入した原材料の投入量等を履歴データＤａとして用いて、学習モデル２０を学習できる。
学習部１３２は、取得部１３１が取得する操作対象１０の履歴データＤａを用いて、説明変数（センサデータ）および目的変数（ユーザによる操作履歴）学習データとして学習モデル２０の学習（訓練）を行う。例えば、学習部１３２は、操作対象１０がプラントである場合、特定の状況において過去にユーザＵが投入した原材料の投入量等を履歴データＤａとして用いて、学習モデル２０を学習できる。
【0029】
なお、学習モデル２０がアンサンブルモデルの場合は、学習部１３２は、バギングや、ブースティングや、スタッキング等の手法で学習を行ってよい。
【0030】
（更新部１３３）
更新部１３３は、学習部１３２の学習に基づき学習モデル２０を更新する。さらに、更新部１３３は学習モデル２０について、学習部１３２の学習に基づき更新を行う。なお、学習モデル２０はアンサンブルモデルである場合には、情報処理装置１００は複数の学習モデル２０を有していてよい。
更新部１３３は、学習部１３２の学習に基づき学習モデル２０を更新する。さらに、更新部１３３は学習モデル２０について、学習部１３２の学習に基づき更新を行う。なお、学習モデル２０はアンサンブルモデルである場合には、情報処理装置１００は複数の学習モデル２０を有していてよい。
【0031】
（推論部１３４）
推論部１３４は、取得部１３１が操作対象１０から取得する運転データＤｂ（例えば、説明変数等）を入力とする学習モデル２０に基づき、推奨値ＲＤを推論する。なお、学習モデル２０が複数存在するアンサンブルモデルの場合に、推論部１３４は、推論される推奨値ＲＤを複数の学習モデル２０の多数決や平均等によって推論してよい。
推論部１３４は、取得部１３１が操作対象１０から取得する運転データＤｂ（例えば、説明変数等）を入力とする学習モデル２０に基づき、推奨値ＲＤを推論する。なお、学習モデル２０が複数存在するアンサンブルモデルの場合に、推論部１３４は、推論される推奨値ＲＤを複数の学習モデル２０の多数決や平均等によって推論してよい。
【0032】
（算出部１３５）
算出部１３５は、学習モデル２０に基づき推論される操作対象１０の自動運転に関する推奨値ＲＤと、目的変数（実測値）の間の誤差を算出する。なお、算出部１３５が算出する誤差の具体例は、後述の実施形態１および実施形態２の項目で説明する。また、算出部１３５は、過去一定期間の推論値の分散や標準偏差を算出してよい。
算出部１３５は、学習モデル２０に基づき推論される操作対象１０の自動運転に関する推奨値ＲＤと、目的変数（実測値）の間の誤差を算出する。なお、算出部１３５が算出する誤差の具体例は、後述の実施形態１および実施形態２の項目で説明する。また、算出部１３５は、過去一定期間の推論値の分散や標準偏差を算出してよい。
【0033】
（判定部１３６）
判定部１３６は、誤差が所定の条件を満たす場合に、自動運転を停止した操作対象１０について自動運転の開始が可能であると判定をする。なお、算出部１３５が算出する誤差の具体例は、後述の実施形態１および実施形態２の項目で説明する。また、判定部１３６は、算出部１３５が算出する過去一定期間の推論値の分散や標準偏差に基づいて、推論値ＲＤが安定してきたと判定し、自動運転の開始が可能であると判定をしてよい。
判定部１３６は、誤差が所定の条件を満たす場合に、自動運転を停止した操作対象１０について自動運転の開始が可能であると判定をする。なお、算出部１３５が算出する誤差の具体例は、後述の実施形態１および実施形態２の項目で説明する。また、判定部１３６は、算出部１３５が算出する過去一定期間の推論値の分散や標準偏差に基づいて、推論値ＲＤが安定してきたと判定し、自動運転の開始が可能であると判定をしてよい。
【0034】
（出力部１３７）
出力部１３７は、判定部１３６の判定結果に基づき、操作対象１０の自動運転に関する情報を出力する。具体的には、出力部１３７は、操作対象１０の自動運転に関する情報として、判定部１３６の判定に基づいて自動運転の開始に関する情報を出力する。例えば、出力部１３７は、判定部１３６が自動運転の再開が可能であると判定する場合には、後述の図８の表示ＳＣ４の「自動運転利用可能」といった表示を、表示部１３８が行うための自動運転の開始または停止に関する情報を出力してよい。
出力部１３７は、判定部１３６の判定結果に基づき、操作対象１０の自動運転に関する情報を出力する。具体的には、出力部１３７は、操作対象１０の自動運転に関する情報として、判定部１３６の判定に基づいて自動運転の開始に関する情報を出力する。例えば、出力部１３７は、判定部１３６が自動運転の再開が可能であると判定する場合には、後述の図８の表示ＳＣ４の「自動運転利用可能」といった表示を、表示部１３８が行うための自動運転の開始または停止に関する情報を出力してよい。
【0035】
（表示部１３８）
表示部１３８は、判定部１３６が操作対象１０の自動運転の開始が可能であると判定した場合に、出力部１３７の出力する自動運転の開始に関する情報に基づき、ユーザＵに対して操作対象１０の自動運転が開始可能であることを表示する。なお、表示部１３８は、ユーザＵに当該情報を表示する方法として、例えば、テキストや音声等、ユーザＵが知覚できる方法を用いてよい。
表示部１３８は、判定部１３６が操作対象１０の自動運転の開始が可能であると判定した場合に、出力部１３７の出力する自動運転の開始に関する情報に基づき、ユーザＵに対して操作対象１０の自動運転が開始可能であることを表示する。なお、表示部１３８は、ユーザＵに当該情報を表示する方法として、例えば、テキストや音声等、ユーザＵが知覚できる方法を用いてよい。
【0036】
（自動運転制御部１３９）
自動運転制御部１３９は、運転データＤｂ（説明変数）を入力とする学習モデル２０に基づき推論する推奨値ＲＤを用いて、操作対象１０に対して自動運転を実施する。
自動運転制御部１３９は、運転データＤｂ（説明変数）を入力とする学習モデル２０に基づき推論する推奨値ＲＤを用いて、操作対象１０に対して自動運転を実施する。
【0037】
〔３．実施形態に係る情報処理の全体像〕
ここから、本実施形態における情報処理装置１００が行う情報処理の全体像について、図４を用いて説明する。図４では、情報処理装置１００が、後述する実施形態１および実施形態２の方法を用いて、自動運転の開始が可能かどうかを判定する手順を説明する。なお、情報処理装置１００は、実施形態１および実施形態２について、それぞれ単独で実施してもよいし、任意の実施形態を組み合わせて実施してもよい。
ここから、本実施形態における情報処理装置１００が行う情報処理の全体像について、図４を用いて説明する。図４では、情報処理装置１００が、後述する実施形態１および実施形態２の方法を用いて、自動運転の開始が可能かどうかを判定する手順を説明する。なお、情報処理装置１００は、実施形態１および実施形態２について、それぞれ単独で実施してもよいし、任意の実施形態を組み合わせて実施してもよい。
【0038】
まず、取得部１３１は、履歴検索用キーを用いて履歴データ記憶部１２１から、操作対象１０の運転データＤｂと類似または関係する過去の履歴データＤａを取得する（図４の（１）を参照）。続けて、学習部１３２は、取得した履歴データＤａを用いて、学習モデル２０を学習する（図４の（２）を参照）。
【0039】
【0040】
推論部１３４は、取得部１３１が取得する運転データＤｂ（説明変数）を入力として（図４の（４）を参照）、推奨値ＲＤを推論する（図４の（５）を参照）。なお、本実施形態においては、推論部１３４は、１つの学習モデル２０に基づき推奨値ＲＤを推論するが、複数の学習モデル２０に基づく推論を行い場合には、複数の学習モデル２０による多数決や平均によって算出してよい。
【0041】
算出部１３５は、操作対象１０が収集する目的変数（実測値）と推論部１３４が推論する推奨値ＲＤの間の誤差を算出する（図４の（６）を参照）。次に、判定部１３６は、算出部１３５が算出する誤差に関する情報に基づき、所定の誤差判定を行う（図４の（７）を参照）。
【0042】
ここから、判定部１３６による各種判定基準に基づく誤差の判定について説明する。判定部１３６は、所定の誤差判定として（図４の（７）を参照）、推奨値ＲＤと操作対象１０の運転に関する実測値である目的変数の間の誤差について、前述の誤差が所定の回数を超えて所定の値を下回る場合に、自動運転の開始が可能であると判定をする。なお、上述の誤差判定方法については、実施形態１として以降の項目で説明する。
【0043】
判定部１３６は、所定の誤差判定として（図４の（７）を参照）、推奨値ＲＤと操作対象１０の運転に関する実測値である目的変数の間の誤差について、所定の期間における前述の誤差の平均値が所定の値を下回る場合に、自動運転の開始が可能であると判定をする。なお、上述の誤差判定方法については、実施形態２として以降の項目で説明する。
【0044】
そして、表示部１３８は、判定部１３６が自動運転の開始が可能であるという判定する場合、ユーザＵに対して自動運転の開始が可能であることを表示する（図４の（８）を参照）。そして、ユーザＵは、操作対象１０に対して自動運転の開始の操作を実施する（図４の（９）を参照）。
【0045】
他方で、判定部１３６が自動運転の開始が不可であると判定する場合（図４の（１０）を参照）や、ユーザＵの操作により自動運転が終了した場合（図４の（１１）を参照）には、データ収集に戻り、誤差が解消されるまで処理を継続する（図４の（１２）および（１３）を参照）。
【0046】
ここから、図５から図１０を用いて、図４の（８）で前述したユーザＵに対して自動運転の開始が可能であることを表示する方法の一例を説明する。まず、図５を用いて、ユーザＵの操作する端末装置等に表示するシステム画面を説明する。なお、本項目で説明するシステム画面はあくまで一例であり、表示形式、表示内容、画面の配置、構成、組み合わせ等は限定されず、必要に応じて変更してよい。
【0047】
図５の画面ＳＡは、自動運転における運転に関するデータの変動について視覚化した情報を表している。画面ＳＡには、自動運転により逐次変動するデータを時系列方向に連続して表示される。一方で画面ＳＢには、自動運転における運転に関するデータの一覧が表示される。なお、画面ＳＡに表示される項目は、情報処理装置１００が自動的に選択してもよいし、ユーザＵが自身で選択してもよい。ユーザＵが自身で選択する場合は、画面ＳＢに表示されている項目に基づき画面ＳＡの表示が切り替えられてよい。
【0048】
図５の表示ＳＣ１には、自動運転の稼働状況に関する情報が表示される。例えば、図５の場合、表示部１３８は、自動運転が稼働中の場合、表示ＳＣ１に「自動運転稼働中」のテキストを表示する。そして、自動運転が停止した場合に、表示部１３８は、図６の表示ＳＣ２に「自動運転停止中」のテキストを表示する。なお、前述したテキスト内容についてはあくまで一例であり、表示部１３８は、ユーザＵに運転状況を表示するために必要に応じてその他のテキスト、画像、音声等のユーザが五感で知覚できる出力方法を用いることができる。
【0049】
また、情報処理装置１００は、前述した誤差判定に基づき、操作対象１０の自動運転の開始が不可である表示として、図７の表示ＳＣ３に「自動運転利用不可」といった表示をする。そして、情報処理装置１００は、操作対象１０の運転精度の低下が解消し、自動運転を開始できると判定する場合には、図８の表示ＳＣ４に「自動運転利用可能」といった表示をする。
【0050】
なお、ユーザＵは、図９の表示ＳＣ４および図１０の表示ＳＣ５に示す通り、表示部１３８が表示するテキスト付近に存在する「停止」と「稼働開始」のダイアログを操作して、自動運転の停止と再開を切り替えることができる。また、ユーザＵは、情報処理装置１００が連携する他システム（例えば、情報処理装置１００が他システムに自動運転の開始または停止に関する情報を出力し、他システムが前述の情報を受け付ける場合等）の表示する自動運転の開始または停止に関する情報に基づいて、自動運転の切り替えを実施してもよい。
【0051】
〔４．実施形態１：Ｃｏｕｎｔｅｒによる判定〕
ここから、前述してきた目的変数と推奨値ＲＤ間の誤差の判定方法について、実施形態１および実施形態２として、それぞれ「概要」と、「情報処理装置１００の構成」と、「処理手順」と、という順番で説明する。なお、情報処理装置１００は、実施形態１および実施形態２について、それぞれ単独で実施してもよいし、複数の実施形態を組み合わせて実施してもよい。まず、実施形態１として「Ｃｏｕｎｔｅｒによる判定」について説明する。
ここから、前述してきた目的変数と推奨値ＲＤ間の誤差の判定方法について、実施形態１および実施形態２として、それぞれ「概要」と、「情報処理装置１００の構成」と、「処理手順」と、という順番で説明する。なお、情報処理装置１００は、実施形態１および実施形態２について、それぞれ単独で実施してもよいし、複数の実施形態を組み合わせて実施してもよい。まず、実施形態１として「Ｃｏｕｎｔｅｒによる判定」について説明する。
【0052】
推論部１３４は、操作対象１０が収集する運転データＤｂ（説明変数）を入力とする学習モデル２０に基づき推論を行うことで、推奨値ＲＤを算出する。そして、自動運転制御部１３９は、推論された推奨値ＲＤを用いて、操作対象１０に対して自動運転を実施する。しかし、操作対象１０の運転状況は経時的に変化する場合があり、それに伴い自動運転精度（推奨値ＲＤの精度）が低下して自動運転の継続が困難になる場合がある。
【0053】
さらに、自動運転精度（推奨値ＲＤの精度）の低下により自動運転が終了する場合には、自動運転の精度低下の解消後でなければ自動運転を開始することが難しい。従って、情報処理装置１００は、自動運転の開始判断のために、前述の誤差を用いて開始可否の判定を行う。なお、前述した内容は実施形態１および実施形態２で共通であるため、以降の記載は省略する。
【0054】
前述したように、操作対象１０の自動運転の再開可否の判断のための誤差判定として、実施形態１の判定部１３６は、算出部１３５により繰り返し算出される目的変数と推奨値ＲＤの誤差の値が所定の閾値を連続して下回る回数に基づいて、自動運転の開始の可否を判定する。
【0055】
〔４－１．実施形態１の情報処理装置の構成〕
実施形態１における情報処理装置１００の装置構成は、前述の情報処理装置１００と同様である。したがって、本項目では差異として判定部１３６の付加的機能のみ説明し、それ以外の詳細な説明は省略する。
実施形態１における情報処理装置１００の装置構成は、前述の情報処理装置１００と同様である。したがって、本項目では差異として判定部１３６の付加的機能のみ説明し、それ以外の詳細な説明は省略する。
【0056】
（判定部１３６）
実施形態１における判定部１３６は、所定の条件として、操作対象１０の運転に関する履歴データＤａを用いた学習モデル２０に基づき推論される推奨値ＲＤと、操作対象１０の運転に関する実測値である目的変数の間の誤差について、該誤差が所定の回数を超えて所定の値を連続して下回る場合に、操作対象１０の自動運転の稼働についての判定として自動運転の開始が可能であると判定をする。
実施形態１における判定部１３６は、所定の条件として、操作対象１０の運転に関する履歴データＤａを用いた学習モデル２０に基づき推論される推奨値ＲＤと、操作対象１０の運転に関する実測値である目的変数の間の誤差について、該誤差が所定の回数を超えて所定の値を連続して下回る場合に、操作対象１０の自動運転の稼働についての判定として自動運転の開始が可能であると判定をする。
【0057】
例えば、判定部１３６は、所定の条件の一例として、算出部１３５が繰り返し算出する前述の誤差の値が所定の閾値を超えた際に計数情報（誤差の値が所定の閾値以下の場合に順次減算する値で、以降は「Ｃｏｕｎｔｅｒ」と表記）を所定の値（例えば、「１０」等）に設定する。判定部１３６は、誤差の値が所定の閾値以下となった場合にＣｏｕｎｔｅｒの値を減算する。そして、判定部１３６は、Ｃｏｕｎｔｅｒの値が０になった場合に自動運転の開始が可能である、と判定する。
【0058】
なお、前述した条件はあくまで一例であり、判定部１３６は、Ｃｏｕｎｔｅｒに設定される値、前述の所定の閾値、Ｃｏｕｎｔｅｒの値から減算する値、等を必要に応じて変更して判定を行ってよい。また、実施形態１における誤差の算出方法は、誤差を判定できる手法であれば限定せず使用することができる。例えば、実施形態１の判定部１３６は、誤差の算出方法として、絶対誤差（ＡＥ：Absolute Error）等を用いることができる。
【0059】
〔４－２．実施形態１の処理手順〕
次に、実施形態１における情報処理装置１００の情報処理方法の手順について、図１１を用いて説明する。まず、操作対象１０は、運転データＤｂを収集する（ステップＳ１０１）。次に、取得部１３１は、履歴検索用キーを用いて、操作対象１０の運転実施時点における運転データＤｂと類似の履歴データＤａを履歴データ記憶部１２１から取得する（ステップＳ１０２）。
次に、実施形態１における情報処理装置１００の情報処理方法の手順について、図１１を用いて説明する。まず、操作対象１０は、運転データＤｂを収集する（ステップＳ１０１）。次に、取得部１３１は、履歴検索用キーを用いて、操作対象１０の運転実施時点における運転データＤｂと類似の履歴データＤａを履歴データ記憶部１２１から取得する（ステップＳ１０２）。
【0060】
学習部１３２は、取得部１３１が取得した類似の履歴データＤａを用いて学習モデル２０の学習を実施する（ステップＳ１０３）。続けて、更新部１３３は、学習モデル２０を更新する（ステップＳ１０４）。そして、推論部１３４は、運転データＤｂ（説明変数）を入力とする更新された学習モデル２０に基づき推奨値ＲＤを推論する（ステップＳ１０５）。
【0061】
算出部１３５は、目的変数と推奨値ＲＤの誤差を算出する（ステップＳ１０６）。そして、判定部１３６は、算出部１３５が算出する誤差が所定の閾値を超えると判定する（ステップ１０７のＹｅｓ）。その場合、判定部１３６は、Ｃｏｕｎｔｅｒを所定の値に設定し（ステップＳ１０８）、工程を最初から繰り返す。
【0062】
他方、判定部１３６は、算出部１３５が算出する誤差が所定の閾値を超えていないと判定し（ステップＳ１０７のＮｏ）、かつＣｏｕｎｔｅｒの値が０より大きいと判定する（ステップＳ１０９のＹｅｓ）。その場合は、判定部１３６は、Ｃｏｕｎｔｅｒの値を所定の数だけ減算する（ステップＳ１１０）。
【0063】
そして、判定部１３６は、算出部１３５が算出する誤差が所定の閾値を超えていないと判定し（ステップＳ１０７のＮｏ）、かつＣｏｕｎｔｅｒの値が０である判定する（ステップＳ１０９のＮｏ）か、減算の結果Ｃｏｕｎｔｅｒの値が０になったと判定する（ステップＳ１１１のＹｅｓ）場合には、更に自動運転の開始が可能であると判定する（ステップＳ１１２）。
【0064】
そして、出力部１３７は自動運転の開始可能に関する情報を出力する（ステップＳ１１３）。続けて、表示部１３８は、出力部１３７の出力する情報に基づき、ユーザＵに自動運転の開始が可能である表示を行い（ステップＳ１１４）、工程が終了する。
【0065】
一方で、判定部１３６は、Ｃｏｕｎｔｅｒの値を所定の数だけ減算するが、Ｃｏｕｎｔｅｒの値が０より大きいと判定する（ステップＳ１１１のＮｏ）場合には、工程を最初から繰り返す。
【0066】
〔５．実施形態２：誤差の平均値による判定〕
次に、実施形態２として「誤差の平均値による判定」について説明する。前述したように、操作対象１０の自動運転の再開可否の判断のための誤差判定として、実施形態２の判定部１３６は、算出部１３５により繰り返し算出される目的変数と推奨値ＲＤの誤差の所定の期間の平均値が、所定の値を下回るか否かに基づいて、自動運転の開始の可否を判定する。
次に、実施形態２として「誤差の平均値による判定」について説明する。前述したように、操作対象１０の自動運転の再開可否の判断のための誤差判定として、実施形態２の判定部１３６は、算出部１３５により繰り返し算出される目的変数と推奨値ＲＤの誤差の所定の期間の平均値が、所定の値を下回るか否かに基づいて、自動運転の開始の可否を判定する。
【0067】
〔５－１．実施形態２の情報処理装置の構成〕
実施形態２における情報処理装置１００の装置構成は、前述の情報処理装置１００と同様である。したがって、本項目では差異として、判定部１３６の付加的機能のみ説明し、それ以外の詳細な説明は省略する。
実施形態２における情報処理装置１００の装置構成は、前述の情報処理装置１００と同様である。したがって、本項目では差異として、判定部１３６の付加的機能のみ説明し、それ以外の詳細な説明は省略する。
【0068】
（判定部１３６）
実施形態２における判定部１３６は、所定の条件として、操作対象１０の運転に関する履歴データＤａを用いた学習モデル２０に基づき推論される推奨値ＲＤと、操作対象１０の運転に関する実測値である目的変数の間の誤差について、所定の期間における該誤差の平均値が所定の値を下回る場合に、操作対象１０の自動運転の稼働についての判定として自動運転の開始が可能であると判定をする。
実施形態２における判定部１３６は、所定の条件として、操作対象１０の運転に関する履歴データＤａを用いた学習モデル２０に基づき推論される推奨値ＲＤと、操作対象１０の運転に関する実測値である目的変数の間の誤差について、所定の期間における該誤差の平均値が所定の値を下回る場合に、操作対象１０の自動運転の稼働についての判定として自動運転の開始が可能であると判定をする。
【0069】
なお、前述した誤差の平均値の算出方法は特に限定されず、例えば、平均値の算出方法が平均絶対誤差の場合には、相加平均を用いて平均値の算出を行ってよい。なお、その場合、平均絶対誤差の計算時の幅については、所定の条件（例えば、過去３０分間、過去１時間等）を任意に設定することができる。
【0070】
〔５－２．実施形態２の処理手順〕
次に、実施形態２における情報処理装置１００の情報処理方法の手順について、図１２を用いて説明する。まず、操作対象１０は、運転データＤｂを収集する（ステップＳ２０１）。次に、取得部１３１は、履歴検索用キーを用いて、操作対象１０の運転実施時点における運転データＤｂと類似の履歴データＤａを履歴データ記憶部１２１から取得する（ステップＳ２０２）。
次に、実施形態２における情報処理装置１００の情報処理方法の手順について、図１２を用いて説明する。まず、操作対象１０は、運転データＤｂを収集する（ステップＳ２０１）。次に、取得部１３１は、履歴検索用キーを用いて、操作対象１０の運転実施時点における運転データＤｂと類似の履歴データＤａを履歴データ記憶部１２１から取得する（ステップＳ２０２）。
【0071】
学習部１３２は、取得部１３１が取得した類似の履歴データＤａを用いて学習モデル２０の学習を実施する（ステップＳ２０３）。続けて、更新部１３３は、学習モデル２０を更新する（ステップＳ２０４）。そして、推論部１３４は、運転データＤｂ（説明変数）を入力とする更新された学習モデル２０に基づき推奨値ＲＤを推論する（ステップＳ２０５）。
【0072】
算出部１３５は、目的変数と推奨値ＲＤの誤差を算出する（ステップＳ２０６）。そして、判定部１３６は、算出部１３５が算出する誤差の所定の期間における平均値が所定の値を超えないと判定する（ステップ２０７のＮｏ）。その場合、判定部１３６は、操作対象１０の自動運転の開始が可能であると判定する（ステップＳ２０８）。そして、出力部１３７は操作対象１０の自動運転の開始可能に関する情報を出力する（ステップＳ２０９）。続けて、表示部１３８は、出力部１３７の出力する情報に基づき、ユーザＵに操作対象１０の自動運転の開始が可能である表示を行い（ステップＳ２１０）、工程が終了する。
【0073】
一方で、判定部１３６は、算出部１３５が算出する誤差の所定の期間における平均値が所定の値を超えると判定する（ステップ２０７のＹｅｓ）場合には、工程を最初から繰り返す。
【0074】
〔６．実施形態３：自動運転の開始指示〕
ここから、更に異なる実施形態３として、「自動運転の開始指示」について説明する。前述したように、実施形態１および実施形態２において、情報処理装置１００は、異なる方法で目的変数と推奨値ＲＤの誤差の発生を判定し、更に操作対象１０の運転の開始が可能であるか否かを判定し、ユーザＵに表示する。
ここから、更に異なる実施形態３として、「自動運転の開始指示」について説明する。前述したように、実施形態１および実施形態２において、情報処理装置１００は、異なる方法で目的変数と推奨値ＲＤの誤差の発生を判定し、更に操作対象１０の運転の開始が可能であるか否かを判定し、ユーザＵに表示する。
【0075】
他方で、実施形態３は、誤差の判定後にユーザＵに対する操作対象１０の自動運転の開始が可能であることの表示ではなく、操作対象１０に対して自動運転の開始を指示する実施形態である。なお、実施形態３における誤差の判定方法は、実施形態１または実施形態２のいずれか１つまたは両方を必要に応じて用いることが可能である。
【0076】
〔６－１．実施形態３の情報処理装置の構成〕
ここから、実施形態３に係る情報処理装置１００の構成について、図１３を用いて説明する。図１３に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０と、を有する。なお、実施形態３における情報処理装置１００の装置構成は、表示部１３８を含まないという点以外、実施形態１および実施形態２の情報処理装置１００と同様の構成である。したがって、本項目では差異として、出力部１３７および自動運転制御部１３９のみ説明し、それ以外の詳細な説明は省略する。
ここから、実施形態３に係る情報処理装置１００の構成について、図１３を用いて説明する。図１３に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０と、を有する。なお、実施形態３における情報処理装置１００の装置構成は、表示部１３８を含まないという点以外、実施形態１および実施形態２の情報処理装置１００と同様の構成である。したがって、本項目では差異として、出力部１３７および自動運転制御部１３９のみ説明し、それ以外の詳細な説明は省略する。
【0077】
（出力部１３７）
出力部１３７は、操作対象１０の自動運転に関する情報として、判定部１３６の判定に基づいて自動運転の開始の指示に関する情報を自動運転制御部１３９に出力する。
出力部１３７は、操作対象１０の自動運転に関する情報として、判定部１３６の判定に基づいて自動運転の開始の指示に関する情報を自動運転制御部１３９に出力する。
【0078】
（自動運転制御部１３９）
自動運転制御部１３９は、出力部１３７の出力する自動運転の開始の指示に関する情報に基づき、操作対象１０の自動運転を開始する。
自動運転制御部１３９は、出力部１３７の出力する自動運転の開始の指示に関する情報に基づき、操作対象１０の自動運転を開始する。
【0079】
〔６－２．実施形態３の処理手順〕
次に、実施形態３における情報処理装置１００の情報処理方法の手順について、図１４を用いて説明する。まず、操作対象１０は、運転データＤｂを収集する（ステップＳ３０１）。次に、取得部１３１は、履歴検索用キーを用いて、操作対象１０の運転実施時点における運転データＤｂと類似の履歴データＤａを履歴データ記憶部１２１から取得する（ステップＳ３０２）。
次に、実施形態３における情報処理装置１００の情報処理方法の手順について、図１４を用いて説明する。まず、操作対象１０は、運転データＤｂを収集する（ステップＳ３０１）。次に、取得部１３１は、履歴検索用キーを用いて、操作対象１０の運転実施時点における運転データＤｂと類似の履歴データＤａを履歴データ記憶部１２１から取得する（ステップＳ３０２）。
【0080】
学習部１３２は、取得部１３１が取得した類似の履歴データＤａを用いて学習モデル２０の学習を実施する（ステップＳ３０３）。続けて、更新部１３３は、学習モデル２０を更新する（ステップＳ３０４）。そして、推論部１３４は、運転データＤｂ（説明変数）を入力とする更新された学習モデル２０に基づき推奨値ＲＤを推論する（ステップＳ３０５）。
【0081】
算出部１３５は、目的変数と推奨値ＲＤを比較して、所定の誤差に関する情報を算出する（ステップＳ３０６）。そして、判定部１３６は、算出部１３５が算出する所定の誤差に関する情報が所定の基準を満たすと判定する（ステップ３０７のＹｅｓ）。その場合、判定部１３６は、自動運転の開始が可能であると判定する（ステップＳ３０８）。そして、出力部１３７は自動運転の開始の指示に関する情報を出力する（ステップＳ３０９）。続けて、自動運転制御部１３９は、出力部１３７の出力する情報に基づき、自動運転を開始し（ステップＳ３１０）、工程が終了する。
【0082】
一方で、判定部１３６は、算出部１３５が算出する所定の誤差に関する情報が所定の基準を満たさないと判定する（ステップ３０７のＮｏ）場合には、工程を最初から繰り返す。
【0083】
〔７．効果〕
従来技術では、ユーザＵは、運転データＤｂを入力とする学習モデル２０に基づき推論される推奨値ＲＤを用いて、操作対象１０を手動で操作する。ここで、図１５を用いて、従来技術による推奨値ＲＤの提示と、ユーザＵによる操作対象１０の手動操作について説明を行う。
従来技術では、ユーザＵは、運転データＤｂを入力とする学習モデル２０に基づき推論される推奨値ＲＤを用いて、操作対象１０を手動で操作する。ここで、図１５を用いて、従来技術による推奨値ＲＤの提示と、ユーザＵによる操作対象１０の手動操作について説明を行う。
【0084】
図１５では、従来技術における情報処理装置１は、操作対象１０の運転データＤｂ（例えば、温度、圧力、流量、原料投入量、生成量等）と類似、または関係する過去の履歴データＤａ（例えば、温度、圧力、流量、原料投入量、生成量等、ユーザによる操作履歴等）を用いて学習モデル２０を学習する（図１５の（１）を参照）。次に、情報処理装置１は、運転データＤｂを入力とする（図１５の（２）を参照）、前述の学習モデル２０に基づき推論される推奨値ＲＤをガイダンス画面３０に表示し、ユーザＵに対してレコメンドする（図１５の（３）を参照）。そして、ユーザＵは、情報処理装置１からの表示に基づき、手動で操作対象１０を操作する（図１５の（４）を参照）。
【0085】
前述したように、従来技術では、ユーザＵが提示される推奨値ＲＤに基づいて操作対象１０を手動操作するため、推奨値ＲＤの精度が変化している際でも、ユーザＵ自身が手動で操作を行うことで運転の継続や停止を行うことが可能であった。しかしながら、ユーザＵを介さない自動運転時には、推奨値ＲＤの精度低下等により、一度自動運転を停止した後に、適切なタイミングで再度自動運転への切り替えを判断することが難しい場合があった。
【0086】
前述してきたように、情報処理装置１００は、学習モデル２０に基づき推論される操作対象１０の自動運転に関する推奨値ＲＤと、目的変数の間の誤差を算出し、誤差が所定の条件を満たす場合に、自動運転を停止した操作対象１０について自動運転の開始が可能であると判定を行い、判定部１３６の判定結果に基づき、操作対象１０の自動運転に関する情報を出力する。そのため、本実施形態によれば、情報処理装置１００は、下記の効果を奏する。
【0087】
情報処理装置１００は、操作対象１０の自動運転の停止後における当該自動運転の再開のタイミングの判断を容易とする、という効果を奏する。
【0088】
さらに、情報処理装置１００は、操作対象１０の運転に関するデータに基づいて、動的に自動運転の開始可否を判定することにより、ユーザＵの経験や熟練度、スキル等に左右されずに、安全な自動運転の開始が可能となる、という効果を奏する。
【0089】
〔８．ハードウェア構成〕
図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示のように構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。さらに、各装置にて行われる各処理機能は、その全部または任意の一部が、ＣＰＵおよび当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。
図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示のように構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。さらに、各装置にて行われる各処理機能は、その全部または任意の一部が、ＣＰＵおよび当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。
【0090】
また、本実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を公知の方法で手動的に行うこともできる。この他、図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
【0091】
［プログラム］
一実施形態として、情報処理装置１００は、パッケージソフトウェアやオンラインソフトウェアとして、前述した情報処理方法を実行する情報処理プログラムを、所望のコンピュータにインストールさせることによって実装できる。例えば、上記の情報処理プログラムを情報処理装置に実行させることにより、情報処理装置１００として機能させることができる。ここで言う情報処理装置には、デスクトップ型またはノート型のパーソナルコンピュータが含まれる。また、その他にも、情報処理装置にはスマートフォン、携帯電話機等の移動体通信端末、さらには、ＰＤＡ（Personal Digital Assistant）等のスレート端末等がその範疇に含まれる。
一実施形態として、情報処理装置１００は、パッケージソフトウェアやオンラインソフトウェアとして、前述した情報処理方法を実行する情報処理プログラムを、所望のコンピュータにインストールさせることによって実装できる。例えば、上記の情報処理プログラムを情報処理装置に実行させることにより、情報処理装置１００として機能させることができる。ここで言う情報処理装置には、デスクトップ型またはノート型のパーソナルコンピュータが含まれる。また、その他にも、情報処理装置にはスマートフォン、携帯電話機等の移動体通信端末、さらには、ＰＤＡ（Personal Digital Assistant）等のスレート端末等がその範疇に含まれる。
【0092】
図１６は、情報処理装置１００が実現されるコンピュータの一例を示す図である。コンピュータ１０００は、例えば、メモリ１０１０、ＣＰＵ１０２０を有する。また、コンピュータ１０００は、ハードディスクドライブインタフェース１０３０、ディスクドライブインタフェース１０４０、シリアルポートインタフェース１０５０、ビデオアダプタ１０６０、ネットワークインタフェース１０７０を有する。これらの各部は、バス１０８０によって接続される。
【0093】
メモリ１０１０は、ＲＯＭ（Read Only Memory）１０１１およびＲＡＭ１０１２を含む。ＲＯＭ１０１１は、例えば、ＢＩＯＳ（Basic Input Output System）等のブートプログラムを記憶する。ハードディスクドライブインタフェース１０３０は、ハードディスクドライブ１０９０に接続される。ディスクドライブインタフェース１０４０は、ディスクドライブ１１００に接続される。例えば磁気ディスクや光ディスク等の着脱可能な記憶媒体が、ディスクドライブ１１００に挿入される。シリアルポートインタフェース１０５０は、例えばマウス１１１０、キーボード１１２０に接続される。ビデオアダプタ１０６０は、例えばディスプレイ１１３０に接続される。
【0094】
ハードディスクドライブ１０９０は、例えば、ＯＳ１０９１、アプリケーションプログラム１０９２、プログラムモジュール１０９３、プログラムデータ１０９４を記憶する。すなわち、情報処理装置１００の各処理を規定するプログラムは、コンピュータにより実行可能なコードが記述されたプログラムモジュール１０９３として実装される。プログラムモジュール１０９３は、例えばハードディスクドライブ１０９０に記憶される。例えば、情報処理装置１００における機能構成と同様の処理を実行するためのプログラムモジュール１０９３が、ハードディスクドライブ１０９０に記憶される。なお、ハードディスクドライブ１０９０は、ＳＳＤ（Solid State Drive）により代替されてもよい。
【0095】
また、前述した実施形態の処理で用いられる設定データは、プログラムデータ１０９４として、例えばメモリ１０１０やハードディスクドライブ１０９０に記憶される。そして、ＣＰＵ１０２０は、メモリ１０１０やハードディスクドライブ１０９０に記憶されたプログラムモジュール１０９３やプログラムデータ１０９４を必要に応じてＲＡＭ１０１２に読み出して、前述した実施形態の処理を実行する。
【0096】
なお、プログラムモジュール１０９３やプログラムデータ１０９４は、ハードディスクドライブ１０９０に記憶される場合に限らず、例えば着脱可能な記憶媒体に記憶され、ディスクドライブ１１００等を介してＣＰＵ１０２０によって読み出されてもよい。あるいは、プログラムモジュール１０９３およびプログラムデータ１０９４は、ネットワーク（ＬＡＮ、ＷＡＮ（Wide Area Network）等）を介して接続された他のコンピュータに記憶されてもよい。そして、プログラムモジュール１０９３およびプログラムデータ１０９４は、他のコンピュータから、ネットワークインタフェース１０７０を介してＣＰＵ１０２０によって読み出されてもよい。
【0097】
〔９．その他〕
以上、本実施形態について説明したが、本実施形態は、開示の一部をなす記述および図面により限定されることはない。すなわち、本実施形態に基づいて当業者等によりなされる他の実施形態、実施例および運用技術等は全て本実施形態の範疇に含まれる。
以上、本実施形態について説明したが、本実施形態は、開示の一部をなす記述および図面により限定されることはない。すなわち、本実施形態に基づいて当業者等によりなされる他の実施形態、実施例および運用技術等は全て本実施形態の範疇に含まれる。
【符号の説明】
【0098】
１ 情報処理装置
１０ 操作対象
１０ａ 操作対象
１０ｂ 操作対象
２０ 学習モデル
３０ ガイダンス画面
１００ 情報処理装置
１１０ 通信部
１２０ 記憶部
１２１ 履歴データ記憶部
１２２ モデル記憶部
１２３ 推奨値記憶部
１３０ 制御部
１３１ 取得部
１３２ 学習部
１３３ 更新部
１３４ 推論部
１３５ 算出部
１３６ 判定部
１３７ 出力部
１３８ 表示部
１３９ 自動運転制御部
Ｕ ユーザ
Ｄａ 履歴データ
Ｄｂ 運転データ
ＲＤ 推奨値
ＳＡ 画面
ＳＢ 画面
ＳＣ１ 表示
ＳＣ２ 表示
ＳＣ３ 表示
ＳＣ４ 表示
ＳＣ５ 表示
１０００ コンピュータ
１０１０ メモリ
１０１１ ＲＯＭ
１０１２ ＲＡＭ
１０２０ ＣＰＵ
１０３０ ハードディスクドライブインタフェース
１０４０ ディスクドライブインタフェース
１０５０ シリアルポートインタフェース
１０６０ ビデオアダプタ
１０７０ ネットワークインタフェース
１０８０ バス
１０９０ ハードディスクドライブ
１０９１ ＯＳ
１０９２ アプリケーションプログラム
１０９３ プログラムモジュール
１０９４ プログラムデータ
１１００ ディスクドライブ
１１１０ マウス
１１２０ キーボード
１０ 操作対象
１０ａ 操作対象
１０ｂ 操作対象
２０ 学習モデル
３０ ガイダンス画面
１００ 情報処理装置
１１０ 通信部
１２０ 記憶部
１２１ 履歴データ記憶部
１２２ モデル記憶部
１２３ 推奨値記憶部
１３０ 制御部
１３１ 取得部
１３２ 学習部
１３３ 更新部
１３４ 推論部
１３５ 算出部
１３６ 判定部
１３７ 出力部
１３８ 表示部
１３９ 自動運転制御部
Ｕ ユーザ
Ｄａ 履歴データ
Ｄｂ 運転データ
ＲＤ 推奨値
ＳＡ 画面
ＳＢ 画面
ＳＣ１ 表示
ＳＣ２ 表示
ＳＣ３ 表示
ＳＣ４ 表示
ＳＣ５ 表示
１０００ コンピュータ
１０１０ メモリ
１０１１ ＲＯＭ
１０１２ ＲＡＭ
１０２０ ＣＰＵ
１０３０ ハードディスクドライブインタフェース
１０４０ ディスクドライブインタフェース
１０５０ シリアルポートインタフェース
１０６０ ビデオアダプタ
１０７０ ネットワークインタフェース
１０８０ バス
１０９０ ハードディスクドライブ
１０９１ ＯＳ
１０９２ アプリケーションプログラム
１０９３ プログラムモジュール
１０９４ プログラムデータ
１１００ ディスクドライブ
１１１０ マウス
１１２０ キーボード
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【手続補正書】
【提出日】2023-12-04
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
学習モデルに基づき推論される推奨値である操作対象の自動運転に関する推奨値と、目的変数の間の誤差を算出する算出部と、
前記誤差が所定の条件として、前記操作対象の運転に関する履歴データを用いた学習モデルに基づき推論される前記推奨値と、前記操作対象の運転に関する実測値である前記目的変数の間の誤差について、該誤差が所定の回数を超えて所定の値を連続して下回る場合に、前記操作対象の自動運転の稼働についての判定として自動運転を停止した前記操作対象について自動運転の開始が可能であると判定をする判定部と、
前記判定部の判定結果に基づき、前記操作対象の自動運転に関する情報を出力する出力部と、
を有することを特徴とする情報処理装置。
前記誤差が所定の条件として、前記操作対象の運転に関する履歴データを用いた学習モデルに基づき推論される前記推奨値と、前記操作対象の運転に関する実測値である前記目的変数の間の誤差について、該誤差が所定の回数を超えて所定の値を連続して下回る場合に、前記操作対象の自動運転の稼働についての判定として自動運転を停止した前記操作対象について自動運転の開始が可能であると判定をする判定部と、
前記判定部の判定結果に基づき、前記操作対象の自動運転に関する情報を出力する出力部と、
を有することを特徴とする情報処理装置。
【請求項2】
学習モデルに基づき推論される推奨値である操作対象の自動運転に関する推奨値と、目的変数の間の誤差を算出する算出部と、
前記誤差が所定の条件として、前記操作対象の運転に関する履歴データを用いた学習モデルに基づき推論される前記推奨値と、前記操作対象の運転に関する実測値である前記目的変数の間の誤差について、所定の期間における該誤差の平均値が所定の値を下回る場合に、前記操作対象の自動運転の稼働についての判定として自動運転を停止した前記操作対象について自動運転の開始が可能であると判定をする判定部と、
前記判定部の判定結果に基づき、前記操作対象の自動運転に関する情報を出力する出力部と、
を有することを特徴とする情報処理装置。
前記誤差が所定の条件として、前記操作対象の運転に関する履歴データを用いた学習モデルに基づき推論される前記推奨値と、前記操作対象の運転に関する実測値である前記目的変数の間の誤差について、所定の期間における該誤差の平均値が所定の値を下回る場合に、前記操作対象の自動運転の稼働についての判定として自動運転を停止した前記操作対象について自動運転の開始が可能であると判定をする判定部と、
前記判定部の判定結果に基づき、前記操作対象の自動運転に関する情報を出力する出力部と、
を有することを特徴とする情報処理装置。
【請求項3】
前記出力部は、前記操作対象の自動運転に関する情報として、前記判定部の判定に基づいて前記自動運転の開始に関する情報を出力する、
ことを特徴とする請求項１に記載の情報処理装置。
ことを特徴とする請求項１に記載の情報処理装置。
【請求項4】
前記出力部は、前記操作対象の自動運転に関する情報として、前記判定部の判定に基づいて前記自動運転の開始の指示に関する情報を出力する、
ことを特徴とする請求項１に記載の情報処理装置。
ことを特徴とする請求項１に記載の情報処理装置。
【請求項5】
情報処理装置により実行される情報処理方法であって、
学習モデルに基づき推論される推奨値である操作対象の自動運転に関する推奨値と、目的変数の間の誤差を算出する工程と、
前記誤差が所定の条件として、前記操作対象の運転に関する履歴データを用いた学習モデルに基づき推論される前記推奨値と、前記操作対象の運転に関する実測値である前記目的変数の間の誤差について、該誤差が所定の回数を超えて所定の値を連続して下回る場合に、前記操作対象の自動運転の稼働についての判定として自動運転を停止した前記操作対象について自動運転の開始が可能であると判定をする工程と、
判定工程の判定結果に基づき、前記操作対象の自動運転に関する情報を出力する工程と、
を含むことを特徴とする情報処理方法。
学習モデルに基づき推論される推奨値である操作対象の自動運転に関する推奨値と、目的変数の間の誤差を算出する工程と、
前記誤差が所定の条件として、前記操作対象の運転に関する履歴データを用いた学習モデルに基づき推論される前記推奨値と、前記操作対象の運転に関する実測値である前記目的変数の間の誤差について、該誤差が所定の回数を超えて所定の値を連続して下回る場合に、前記操作対象の自動運転の稼働についての判定として自動運転を停止した前記操作対象について自動運転の開始が可能であると判定をする工程と、
判定工程の判定結果に基づき、前記操作対象の自動運転に関する情報を出力する工程と、
を含むことを特徴とする情報処理方法。
【請求項6】
学習モデルに基づき推論される推奨値である操作対象の自動運転に関する推奨値と、目的変数の間の誤差を算出するステップと、
前記誤差が所定の条件として、前記操作対象の運転に関する履歴データを用いた学習モデルに基づき推論される前記推奨値と、前記操作対象の運転に関する実測値である前記目的変数の間の誤差について、該誤差が所定の回数を超えて所定の値を連続して下回る場合に、前記操作対象の自動運転の稼働についての判定として自動運転を停止した前記操作対象について自動運転の開始が可能であると判定をするステップと、
判定ステップの判定結果に基づき、前記操作対象の自動運転に関する情報を出力するステップと、
をコンピュータに実行させることを特徴とする情報処理プログラム。
前記誤差が所定の条件として、前記操作対象の運転に関する履歴データを用いた学習モデルに基づき推論される前記推奨値と、前記操作対象の運転に関する実測値である前記目的変数の間の誤差について、該誤差が所定の回数を超えて所定の値を連続して下回る場合に、前記操作対象の自動運転の稼働についての判定として自動運転を停止した前記操作対象について自動運転の開始が可能であると判定をするステップと、
判定ステップの判定結果に基づき、前記操作対象の自動運転に関する情報を出力するステップと、
をコンピュータに実行させることを特徴とする情報処理プログラム。
【請求項7】
情報処理装置により実行される情報処理方法であって、
学習モデルに基づき推論される推奨値である操作対象の自動運転に関する推奨値と、目的変数の間の誤差を算出する工程と、
前記誤差が所定の条件として、前記操作対象の運転に関する履歴データを用いた学習モデルに基づき推論される前記推奨値と、前記操作対象の運転に関する実測値である前記目的変数の間の誤差について、所定の期間における該誤差の平均値が所定の値を下回る場合に、前記操作対象の自動運転の稼働についての判定として自動運転を停止した前記操作対象について自動運転の開始が可能であると判定をする工程と、
判定工程の判定結果に基づき、前記操作対象の自動運転に関する情報を出力する工程と、
を含むことを特徴とする情報処理方法。
学習モデルに基づき推論される推奨値である操作対象の自動運転に関する推奨値と、目的変数の間の誤差を算出する工程と、
前記誤差が所定の条件として、前記操作対象の運転に関する履歴データを用いた学習モデルに基づき推論される前記推奨値と、前記操作対象の運転に関する実測値である前記目的変数の間の誤差について、所定の期間における該誤差の平均値が所定の値を下回る場合に、前記操作対象の自動運転の稼働についての判定として自動運転を停止した前記操作対象について自動運転の開始が可能であると判定をする工程と、
判定工程の判定結果に基づき、前記操作対象の自動運転に関する情報を出力する工程と、
を含むことを特徴とする情報処理方法。
【請求項8】
学習モデルに基づき推論される推奨値である操作対象の自動運転に関する推奨値と、目的変数の間の誤差を算出するステップと、
前記誤差が所定の条件として、前記操作対象の運転に関する履歴データを用いた学習モデルに基づき推論される前記推奨値と、前記操作対象の運転に関する実測値である前記目的変数の間の誤差について、所定の期間における該誤差の平均値が所定の値を下回る場合に、前記操作対象の自動運転の稼働についての判定として自動運転を停止した前記操作対象について自動運転の開始が可能であると判定をするステップと、
判定ステップの判定結果に基づき、前記操作対象の自動運転に関する情報を出力するステップと、
をコンピュータに実行させることを特徴とする情報処理プログラム。
前記誤差が所定の条件として、前記操作対象の運転に関する履歴データを用いた学習モデルに基づき推論される前記推奨値と、前記操作対象の運転に関する実測値である前記目的変数の間の誤差について、所定の期間における該誤差の平均値が所定の値を下回る場合に、前記操作対象の自動運転の稼働についての判定として自動運転を停止した前記操作対象について自動運転の開始が可能であると判定をするステップと、
判定ステップの判定結果に基づき、前記操作対象の自動運転に関する情報を出力するステップと、
をコンピュータに実行させることを特徴とする情報処理プログラム。