特許 7595622 性能向上策提示システム及び性能向上策提示方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-11-28

(45)【発行日】2024-12-06

(54)【発明の名称】性能向上策提示システム及び性能向上策提示方法

(51)【国際特許分類】

   G06F 30/27 20200101AFI20241129BHJP

   G06F 119/20 20200101ALN20241129BHJP

【ＦＩ】

G06F30/27

G06F119:20

【請求項の数】 8

(21)【出願番号】P 2022151379

(22)【出願日】2022-09-22

(65)【公開番号】P2024046156

(43)【公開日】2024-04-03

【審査請求日】2024-01-26

(73)【特許権者】

【識別番号】000005108

【氏名又は名称】株式会社日立製作所

(74)【代理人】

【識別番号】110000925

【氏名又は名称】弁理士法人信友国際特許事務所

(72)【発明者】

【氏名】古川 拓夢

(72)【発明者】

【氏名】柳瀬 英男

(72)【発明者】

【氏名】仲田 充

(72)【発明者】

【氏名】戸崎 信幸

(72)【発明者】

【氏名】片岡 一朗

【審査官】合田 幸裕

(56)【参考文献】

【文献】特開平０４－３６７９６５（ＪＰ，Ａ）

【文献】特開２０２０－０９５３７７（ＪＰ，Ａ）

【文献】特開２０２１－１４４４８１（ＪＰ，Ａ）

【文献】特開２０１６－００６５８７（ＪＰ，Ａ）

【文献】中国特許出願公開第１０８５０９７２２（ＣＮ，Ａ）

【文献】中国特許出願公開第１０８８３０００５（ＣＮ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｆ ３０／００ － ３０／３９８

ＩＥＥＥ Ｘｐｌｏｒｅ

ＪＳＴＰｌｕｓ（ＪＤｒｅａｍＩＩＩ）

(57)【特許請求の範囲】

【請求項1】

構造設計の対象である対象物に対して過去に行われた構造設計の実績値を含む設計パラメータと、前記設計パラメータに基づいて構造解析が行われた前記対象物の構造性能の指標である解析値とを、機械学習の学習用データとして持つ学習用データ部と、
前記学習用データ部から読み出した前記設計パラメータ及び前記解析値を機械学習して得られる予測モデルを用いて、設計変更により入力された設計パラメータから前記対象物の構造性能の指標を予測し、前記予測モデルが予測した前記構造性能の指標に寄与する結果の説明性を表す解釈可能性を計算し、前記解釈可能性から求めた、前記対象物の性能を向上するための性能向上策を、前記予測モデルが予測した前記構造性能の指標と共に提示する計算部と、を備える
性能向上策提示システム。

【請求項2】

前記学習用データ部は、
過去に行われた対象物に対する構造設計の実績値である、前記設計パラメータ及び前記解析値を格納する設計・解析実績データベースと、
前記設計・解析実績データベースから前記対象物ごとに抽出された設計変更前の前記設計パラメータ及び前記解析値、並びに設計変更後の対象物に対する性能向上策を格納する性能向上策学習情報データベースと、を有する
請求項１に記載の性能向上策提示システム。

【請求項3】

前記計算部は、
前記設計・解析実績データベースから読み出した、設計変更前の前記設計パラメータ及び前記解析値に基づいて機械学習を行って第１予測モデルを作成し、前記第１予測モデルにより、前記構造性能の指標を予測する性能予測部と、
前記性能予測部により予測された前記構造性能の指標を予測結果として出力する予測結果出力部と、を有する
請求項２に記載の性能向上策提示システム。

【請求項4】

前記計算部は、
前記設計・解析実績データベースから読み出した、設計変更前の前記設計パラメータ及び前記解析値に基づいて機械学習を行って第２予測モデルを作成し、前記第２予測モデルにより、前記第１予測モデルの特徴量の重要性、前記予測結果に影響する前記第１予測モデルの説明性、及び前記解釈可能性を計算する解釈可能性計算部を有する
請求項３に記載の性能向上策提示システム。

【請求項5】

前記計算部は、
前記性能向上策学習情報データベースから読み出した、設計変更前の前記設計パラメータ、設計変更後の前記設計パラメータ、及び前記性能向上策に基づいて機械学習を行って第３予測モデルを作成し、設計変更前の前記設計パラメータ及び設計変更後の前記設計パラメータと、設計変更前の前記解析値に対する設計変更後の前記第１予測モデルが予測した前記構造性能の指標の偏差とを基にして、前記第３予測モデルにより前記性能向上策を計算する性能向上策計算部と、
前記解釈可能性、及び前記性能向上策を出力する性能向上策出力部と、を有する
請求項３に記載の性能向上策提示システム。

【請求項6】

前記対象物は、制御盤、又は前記制御盤に類似する構造物である
請求項５に記載の性能向上策提示システム。

【請求項7】

前記性能予測部が前記構造性能の予測対象とする前記構造性能の指標は、前記対象物の固有振動数、前記対象物の重量、又は前記対象物に実装される部品の実装部品密度のいずれかである
請求項５に記載の性能向上策提示システム。

【請求項8】

構造設計の対象である対象物に対して過去に行われた構造設計の実績値を含む設計パラメータと、前記設計パラメータに基づいて構造解析が行われた前記対象物の構造性能の指標である解析値とを、機械学習の学習用データとして持つ学習用データ部から読み出した前記設計パラメータ及び前記解析値を機械学習して予測モデルを得るステップと、
前記予測モデルを用いて、設計変更により入力された設計パラメータから前記対象物の構造性能の指標を予測するステップと、
前記予測モデルが予測した前記構造性能の指標に寄与する結果の説明性を表す解釈可能性を計算するステップと、前記解釈可能性から求めた、前記対象物の性能を向上するための性能向上策を、前記予測モデルが予測した前記構造性能の指標と共に提示するステップと、を含む
性能向上策提示方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、性能向上策提示システム及び性能向上策提示方法に関する。

【背景技術】

【0002】

近年、機械学習を活用した製品設計が研究されている。製品開発においては、製品に対する複数の目的変数（特性）が与えられた状況で、設計変数に応じて変化する複数の特性を向上させるために、複数の目的変数の最適化が行われる。製品等の設計プロセスにおいて、目的変数を構成する製品等の特性及び設計変数の最適化を低負荷で可能とするための特許文献１に記載の技術が知られている。

【0003】

この特許文献１には、「複数の設計パラメータからなる設計パラメータ群に基づいて作製される製品、仕掛品、半製品、部品又は試作品の設計において、設計パラメータの決定と決定された設計パラメータに基づく製品、仕掛品、半製品、部品又は試作品の作製との繰り返しにより設計パラメータの最適化を図る手法に適用するために、製品、仕掛品、半製品、部品又は試作品の特性を示す複数の特性項目のそれぞれについて設定された目標値を満たすような、複数の設計パラメータを求める設計支援装置」について記載されている。

【先行技術文献】

【特許文献】

【0004】

【文献】特開２０２２－９２３０８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に記載された技術を用いることで、製品等の任意の特性が目標値を満たすことを確認し、又は製品等の特性を目標値に近づけるために、設計者が設計パラメータと、実績とを繰り返し入力し、実験することで、望ましい設計パラメータが予測されていた。そのため、設計者は、製品が要件を満たすまでに複数回の試行検証をする必要があり、構造設計における作業工数の増加につながっていた。

【0006】

また、特許文献１に記載された技術では、設計パラメータ群の解としての好適の程度を示す指標値を出力するための獲得関数が計算されている。しかし、獲得関数を計算するだけでは、設計者に対して設計パラメータ群の解が示されるにとどまる。このため、従来の技術では、設計者に対して隠れた洞察を与えることができない上、設計のためのノウハウを蓄積することが困難であった。

【0007】

本発明はこのような状況に鑑みて成されたものであり、構造設計が行われる対象物の性能を予測し、性能向上策を提示することを目的とする。

【課題を解決するための手段】

【0008】

本発明に係る性能向上策提示システムは、構造設計の対象である対象物に対して過去に行われた構造設計の実績値を含む設計パラメータと、設計パラメータに基づいて構造解析が行われた対象物の構造性能の指標である解析値とを、機械学習の学習用データとして持つ学習用データ部と、学習用データ部から読み出した設計パラメータ及び解析値を機械学習して得られる予測モデルを用いて、設計変更により入力された設計パラメータから対象物の構造性能の指標を予測し、予測モデルが予測した構造性能の指標に寄与する結果の説明性を表す解釈可能性を計算し、解釈可能性から求めた、対象物の性能を向上するための性能向上策を、予測モデルが予測した構造性能の指標と共に提示する計算部と、を備える。

【発明の効果】

【0009】

本発明によれば、対象物の性能を向上するための性能向上策を、予測モデルが予測した構造性能の指標と共に提示することができる。
上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。

【図面の簡単な説明】

【0010】

【図1】本発明の一実施形態に係る、性能向上策の提示と、製品の設計変更が行われる場合における、性能向上策提示システムの全体構成例を示すブロック図である。

【図2】本発明の一実施形態に係る計算機のハードウェア構成例を示すブロック図である。

【図3】本発明の一実施形態に係る設計・解析実績ＤＢのテーブル構成例を示す図である。

【図4】本発明の一実施形態に係る性能向上策学習情報ＤＢのテーブル構成例を示す図である。

【図5】本発明の一実施形態に係る、設計者が性能向上策の提示を要求せずに、設計を終了した場合の性能向上策提示システムの全体構成例を示すブロック図である。

【図6】本発明の一実施形態に係る、設計者が提示された性能向上策を不採用とし、設計を終了した場合の性能向上策提示システムの全体構成例を示すブロック図である。

【図7】本発明の一実施形態に係る性能向上策提示システムで行われる性能向上策提示方法の一連の処理の例を示すフローチャートである。

【図8】本発明の一実施形態に係る性能予測プログラムの学習処理の例を示すフローチャートである。

【図9】本発明の一実施形態に係る性能予測プログラムの予測処理の例を示すフローチャートである。

【図10】本発明の一実施形態に係る解釈可能性計算プログラムの学習処理の例を示すフローチャートである。

【図11】本発明の一実施形態に係る解釈可能性計算プログラムの予測処理の例を示すフローチャートである。

【図12】本発明の一実施形態に係る性能向上策計算プログラムの学習処理の例を示すフローチャートである。

【図13】本発明の一実施形態に係る性能向上策計算プログラムの予測処理の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】

【0011】

以下、本発明を実施するための形態について、添付図面を参照して説明する。本明細書及び図面において、実質的に同一の機能又は構成を有する構成要素については、同一の符号を付することにより重複する説明を省略する。

【0012】

［一実施形態］
＜性能向上策提示システムの構成例＞
図１は、製品の構造設計における性能向上策提示システム１００の全体構成例を示すブロック図である。
図１には、設計者１３０が性能の予測値を確認した上で、プログラム部１２０に性能向上策の提示を要求し、プログラム部１２０から提示された性能向上策を採用し、製品を設計変更する場合における性能向上策提示システム１００の構成例及び動作例が示される。

【0013】

構造設計の対象である構造物（対象物）を製品と呼ぶ。また、構造物の性能の一つを強度性能と呼ぶ。強度性能は、例えば、地震に耐えうる製品の耐震性能であり、強度性能が高い製品であれば地震発生時に破損が生じにくくなる。また、性能向上策は、プログラム部１２０によって予測され、設計者１３０に提示される情報であり、性能向上策を構造設計に反映することで、構造物の性能が高まることが期待される。ただし、設計者１３０が性能向上策を取り入れて、再び製品の構造設計を行うかどうかは、設計者１３０の判断に委ねられる。

【0014】

性能向上策提示システム１００は、プログラム部１２０が機械学習を行うための学習用データを蓄積する学習用データ部１１０と、実際の処理を行うプログラム部１２０と、設計者ＰＣ（Personal Computer）１４０とを備える。プログラム部１２０は、各種のプログラムを実行することで所定の計算を行う機能を有しており、計算部の一例として用いられる。プログラム部１２０の構成については後述する。

【0015】

プログラム部１２０に対する操作入力、プログラム部１２０から出力される画面等は、設計者１３０が利用する設計者ＰＣ１４０に対して行われる。図１と、後述する図５及び図６に示す設計者１３０は、設計者ＰＣ１４０の表示装置５５（後述する図２を参照）に表示される画面を通じて、プログラム部１２０の処理内容を確認し、設計者ＰＣ１４０の入力装置を通じてプログラム部１２０に指示を入力したり、設計変更に関する意思決定を行ったりすることが可能である。

【0016】

＜学習用データ部の構成例＞
学習用データ部１１０は、構造設計の対象である対象物に対して過去に行われた構造設計の実績値を含む設計パラメータと、設計パラメータに基づいて構造解析が行われた対象物の構造性能の指標である解析値とを、機械学習の学習用データとして持つ。この学習用データ部１１０は、設計・解析実績データベース（ＤＢ：Data Base）１１と、性能向上策学習情報データベース１２とを有する。なお、以下の説明では、設計・解析実績ＤＢ１１、性能向上策学習情報ＤＢ１２と略記する。

【0017】

設計・解析実績ＤＢ１１は、過去に行われた構造設計及び構造解析値の実績を格納する。つまり、設計・解析実績ＤＢ１１は、過去の設計実績を格納している。過去の設計実績とは、例えば、製品を識別するための製品ＩＤ、製品の外寸や質量、製品のベースに対する締結方法などの設計パラメータと、製品の固有振動数などの性能指標の解析値とが紐づいたデータである。本実施の形態では、構造物の強度を評価する性能指標が求められる。そして、地震等の影響により固有振動数で製品が共振しないようにするため、本実施形態では、製品の固有振動数が性能指標として採用されている。

【0018】

本実施形態において、設計者１３０による構造設計の対象物として、例えば制御盤が想定される。制御盤は、例えば、社会インフラストラクチャーの設備（発電所、鉄工所、上下水道等）、発電システム、上下水道システム等において、各設備、各システムの動作を制御するために用いられる。また、発電所等におけるタービンの動作を制御する制御盤もある。

【0019】

通常、製品の構造設計を行う設計者１３０と、構造解析を行う解析者とは、別の者である。設計者１３０は構造設計を行うと、不図示の解析者に対して構造設計の情報（ＣＡＤ（Computer Aided Design）データ等）を渡す。解析者は、設計者１３０から受け取った構造設計の情報に基づいて構造解析を行う。構造解析の結果は、構造解析値として設計・解析実績ＤＢ１１に格納される。このように構造設計と構造解析は別の者によって行われるため、設計者１３０はわずかな構造設計の修正であっても、解析結果を得るまでに時間を要することがある。そこで、設計者１３０は、本実施の形態に係る性能向上策提示システム１００を用いることで、構造設計を行った後、解析者による構造解析を依頼する前に、性能予測結果、性能向上策を得ることができる。

【0020】

性能向上策学習情報ＤＢ１２は、性能向上策が追加された学習用データを格納する。性能向上策学習情報ＤＢ１２に格納される学習用データには、設計・解析実績ＤＢ１１の情報から、設計変更前後の設計情報、及び実施された性能向上策を抽出した実績値が格納されている。このため、学習用データ部１１０は、設計・解析実績ＤＢ１１から抽出した、製品の設計変更の前後の情報と、設計変更後の情報に対する性能向上策とを含む性能向上策学習情報ＤＢ１２を作成する。設計・解析実績ＤＢ１１及び性能向上策学習情報ＤＢ１２に格納されている学習用データを学習情報とも呼ぶ。

【0021】

＜計算機のハードウェア構成例＞
次に、性能向上策提示システム１００の各装置を構成する計算機５０のハードウェア構成を説明する。
図２は、計算機５０のハードウェア構成例を示すブロック図である。計算機５０は、本実施の形態に係る性能向上策提示システム１００として動作可能なコンピューターとして用いられるハードウェアの一例である。本実施の形態に係る性能向上策提示システム１００は、計算機５０（コンピューター）がプログラムを実行することにより、図１に示した各機能ブロックが連携して行う性能向上策提示方法を実現する。

【0022】

計算機５０は、バス５４にそれぞれ接続されたＣＰＵ（Central Processing Unit）５１、ＲＯＭ（Read Only Memory）５２、及びＲＡＭ（Random Access Memory）５３を備える。さらに、計算機５０は、表示装置５５、入力装置５６、記憶装置５７及びネットワークインターフェイス５８を備える。

【0023】

ＣＰＵ５１は、本実施の形態に係る各機能を実現するソフトウェアのプログラムコードをＲＯＭ５２から読み出してＲＡＭ５３にロードし、実行する。ＲＡＭ５３には、ＣＰＵ５１の演算処理の途中で発生した変数やパラメータ等が一時的に書き込まれ、これらの変数やパラメータ等がＣＰＵ５１によって適宜読み出される。ただし、ＣＰＵ５１に代えてＭＰＵ（Micro Processing Unit）を用いてもよい。図１に示したプログラム部１２０の各プログラム、各出力部の機能は、ＣＰＵ５１の演算処理により実現される。

【0024】

表示装置５５は、例えば、液晶ディスプレイモニターであり、計算機５０で行われる処理の結果等を設計者１３０に表示する。入力装置５６には、例えば、キーボード、マウス等が用いられ、設計者１３０が所定の操作入力、指示を行うことが可能である。図１に示した性能予測ボタン２、性能向上策提示ボタン４は、物理的なボタンでなく、表示装置５５に表示された操作用のアイコンとしてよい。

【0025】

記憶装置５７としては、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フレキシブルディスク、光ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＣＤ－Ｒ、磁気テープ又は不揮発性のメモリ等の不揮発性の記録媒体が用いられる。この記憶装置５７には、ＯＳ（Operating System）、各種のパラメータの他に、計算機５０を機能させるためのプログラムが記録されている。ＲＯＭ５２及び記憶装置５７は、ＣＰＵ５１が動作するために必要なプログラムやデータ等を記録しており、計算機５０によって実行されるプログラムを格納したコンピューター読取可能な非一過性の記憶媒体の一例として用いられる。図１に示した学習用データ部１１０の各データベースは、記憶装置５７に構成される。

【0026】

ネットワークインターフェイス５８には、例えば、ＮＩＣ（Network Interface Card）等が用いられ、ＮＩＣの端子に接続されたＬＡＮ（Local Area Network）、専用線等を介して各種のデータを装置間で送受信することが可能である。

【0027】

＜テーブル構成例＞
ここで、設計・解析実績ＤＢ１１と性能向上策学習情報ＤＢ１２のテーブル構成例について、図３と図４を参照して説明する。
図３は、設計・解析実績ＤＢ１１のテーブル構成例を示す図である。

【0028】

設計・解析実績ＤＢ１１は、過去に行われた対象物に対する構造設計の実績値である、設計パラメータ及び解析値を格納する。この設計・解析実績ＤＢ１１は、ラベル、外形寸法、質量、締結方法、固有振動数の項目を有する。設計・解析実績ＤＢ１１に格納される各項目の情報は、実際の製品の設計値、解析結果等である。締結方法は、例えば、製品をベースに締結する方法であり、リベット締め等が想定される。

【0029】

ラベル項目には、製品を識別するために割り振られた、製品名や型式などの一意なラベルが格納される。本実施形態では、ラベルが「ＡＡＡ」、「ＢＢＢ」、「ＣＣＣ」である３種類の製品があると想定する。

【0030】

外形寸法項目には、製品の幅、高さ、奥行きを含む外形寸法（外寸情報の一例）が格納される。
質量項目には、製品の質量が格納される。製品の外寸情報と質量は、機械学習における特徴量、かつ説明変数であり、製品の性能予測重要因子として用いられる。この性能予測重要因子は、強度性能の一つの指標である固有振動数に関連している。

【0031】

締結方法項目には、製品がベースに締結される締結方法が符号の形式で格納される。締結方法には、複数種類あり、本実施形態では、「１」～「３」の３種類の締結方法があると想定する。

【0032】

固有振動数項目には、製品の構造性能の指標（「性能指標」と呼ぶ）の一例として、予め製品に規定される左右方向の固有振動数と前後方向の固有振動数が格納される。機械学習における説明変数は外形寸法と重量、締結方法を含む設計パラメータであり、説明変数と、目的変数である固有振動数との関係が機械学習により算出されることとなる。

【0033】

次に、図４を参照して性能向上策学習情報ＤＢ１２のテーブル構成例を説明する。
図４は、性能向上策学習情報ＤＢ１２のテーブル構成例を示す図である。

【0034】

性能向上策学習情報ＤＢ１２は、設計・解析実績ＤＢ１１から対象物ごとに抽出された設計変更前（過去に実際に行った変更前後の関係となる組み合わせ）の設計パラメータ及び解析値、並びに設計変更後の対象物に対する（各組合せにおける変更前後の設計パラメータや性能指標が変化した原因となる、過去に実際に施された性能向上策）性能向上策を格納する。このため、性能向上策学習情報ＤＢ１２には、図３に示した設計・解析実績ＤＢ１１から抽出された、変更前後の関係にあるデータ（設計パラメータ）が格納されている。そして、性能向上策学習情報ＤＢ１２の変更後のデータには、解析実績値が格納される。

【0035】

また、性能向上策学習情報ＤＢ１２には、設計パラメータが変更される過程で実施された性能向上策が格納される。性能向上策には、部品追加、加工等の複数の項目が含まれ、実施された性能向上策の項目に数値化した値が格納されている。部品追加とは、例えば、製品を保護するカバーを追加する対応を表している。

【0036】

性能向上策学習情報ＤＢ１２は、図４の上段に示す変更前、変更後の大項目と、図４の下段に示す性能向上策の大項目とを有する。図４の上段と下段の大項目は一続きで一つのデータの内容を表している。図４では、ラベル「ＡＡＡ」の製品に注目して性能向上策学習情報ＤＢ１２に格納される情報を説明する。

【0037】

変更前項目と変更後項目には、図３に示した設計・解析実績ＤＢ１１の各項目の情報（過去に実際に行った変更前後の関係となる組み合わせ）が格納される。すなわち、実際に製品の構造設計が変更された後の情報が変更後項目に格納され、変更後の製品に採用された性能向上策が性能向上策項目に格納される。

【0038】

変更前項目に格納される、ラベル「ＡＡＡ」の製品の情報は３レコード共に同じである。一方、変更前項目に格納される、ラベル「ＡＡＡ」の製品の情報は、図中にハッチングを施したセルで異なる。例えば、変更後にラベル「ＤＤＤ」が割り振られた製品の外形寸法と締結方法は、ラベル「ＡＡＡ」の製品と同じであるが、質量、左右及び前後の固有振動数が異なる。

【0039】

また、変更後にラベル「ＥＥＥ」が割り振られた製品の幅と奥行き、前後の固有振動数は、ラベル「ＡＡＡ」の製品と同じであるが、高さ、質量、締結方法、左右の固有振動数が異なる。
また、変更後にラベル「ＦＦＦ」が割り振られた製品の高さと奥行きは、ラベル「ＡＡＡ」の製品と同じであるが、幅、質量、締結方法、左右及び前後の固有振動数が異なる。

【0040】

性能向上策の大項目は、部品追加、加工、補強、締結方法、材質、板厚、重心、実装位置の項目を有する。
例えば、ラベル「ＤＤＤ」が割り振られた製品の性能向上策として、部品追加の項目に「１」が格納される。これは、部品追加「１」に関連付けられた部品を追加することが性能向上策の一つであることを示している。
また、ラベル「ＥＥＥ」が割り振られた製品の性能向上策として、補強の項目に「２」が格納される。これは、補強「２」に関連付けられた補強措置をとることが性能向上策の一つであることを示している。
また、ラベル「ＦＦＦ」が割り振られた製品の性能向上策として、部品追加の項目に「１」が格納され、締結方法の項目に「１」が格納される。これは、部品追加「１」に関連付けられた部品を追加すること、及び締結方法「１」に関連付けられた締結方法を実施することが性能向上策の一つであることを示している。

【0041】

図４に示す性能向上策は、数値で表されているが、設計者１３０に性能向上策が提示される時は、数値に対応するメッセージが表示されるとよい。設計者１３０は、表示装置５５に表示されたメッセージを読むことで、性能向上策を具体的に把握することができ、提示された性能向上策の採用可否を判断することができる。

【0042】

図３と図４では、図１に示す性能予測プログラム２１が構造性能の予測対象とする構造性能の指標として、固有振動数を採用した例を示した。しかし、構造性能の予測対象とする構造性能の指標として、固有振動数以外にも、例えば、対象物の重量、又は対象物に実装される部品の実装部品密度のいずれかが用いられてもよい。

【0043】

＜プログラム部の構成例＞
次に、図１に戻って、プログラム部１２０の構成例を説明する。
プログラム部１２０は、学習用データ部１１０から読み出した設計パラメータ及び解析値を機械学習して得られる予測モデルを用いて、設計変更により入力された設計パラメータから対象物の構造性能の指標を予測する。また、プログラム部１２０は、予測モデルが予測した構造性能の指標に寄与する結果の説明性を表す解釈可能性を計算する。そして、プログラム部１２０は、解釈可能性から求めた、対象物の性能を向上するための性能向上策を、予測モデルが予測した構造性能の指標と共に提示する。このようにプログラム部１２０は、設計・解析実績ＤＢ１１及び性能向上策学習情報ＤＢ１２から各種の情報を読み出し、設計者１３０に構造設計に対する性能向上策を提示することができる。

【0044】

このプログラム部１２０は、性能予測プログラム２１（性能予測部の一例）と、解釈可能性計算プログラム２２（解釈可能性計算部の一例）と、性能向上策計算プログラム２３（性能向上策計算部の一例）と、予測結果出力部３及び性能向上策出力部５とを備える。性能予測プログラム２１と、解釈可能性計算プログラム２２と、性能向上策計算プログラム２３は、いずれも設計・解析実績ＤＢ１１及び性能向上策学習情報ＤＢ１２から読み出した情報を基に機械学習を行って得られたプログラムである。

【0045】

性能予測プログラム２１は、設計・解析実績ＤＢ１１から読み出した、設計変更前の設計パラメータ及び解析値に基づいて機械学習を行って第１予測モデルを作成し、第１予測モデルにより、構造性能の指標を予測するプログラムである。性能予測プログラム２１は、設計・解析実績ＤＢ１１を基に、少ないデータでより精度の高い性能指標の予測を可能とするためにＸＧｂｏｏｓｔ（eXtreme Gradient Boosting、勾配ブースティング）を選定する。そして、性能予測プログラム２１は、ＸＧｂｏｏｓｔを使用した機械学習を利用して第１予測モデルを作成する。性能予測プログラム２１が性能予測をする時には、第１予測モデルが用いられる。

【0046】

ＸＧｂｏｏｓｔは、データを学習したモデルに決定木を用いる機械学習の一つの方法である。ＸＧｂｏｏｓｔでは、多数のデータから抽出した一部のデータに基づいて複数のモデルを学習する。ＸＧｂｏｏｓｔにより、ある決定木が誤って認識したデータは、優先的に正しく分類できるように別の決定木で再学習する処理が繰り返され、最終的に１つのモデルが得られる。ＸＧｂｏｏｓｔで最終的に得られた１つのモデルが第１予測モデルとして用いられる。

【0047】

予測結果出力部３は、性能予測プログラム２１により予測された構造性能の指標を予測結果として、設計者ＰＣ１４０の表示装置５５に出力する。設計者１３０は、表示装置５５に出力された性能指標の予測結果を確認すると、プログラム部１２０に製品の性能向上策を提示させる指示を、表示装置５５に表示された性能向上策提示ボタン４を押下することにより入力する。性能向上策提示ボタン４から入力された性能向上策の提示の指示は、解釈可能性計算プログラム２２に入力される。

【0048】

解釈可能性計算プログラム２２は、設計・解析実績ＤＢ１１から読み出した、設計変更前の設計パラメータ及び解析値に基づいて機械学習を行って第２予測モデルを作成し、第２予測モデルにより、第１予測モデルの特徴量の重要性、予測結果に影響する第１予測モデルの説明性、及び解釈可能性を計算するプログラムである。解釈可能性計算プログラム２２は、性能予測プログラム２１が予測した性能指標に対する各設計パラメータの寄与度、相関関係を算出することができる。解釈可能性計算プログラム２２が解釈可能性を計算する時には、第２予測モデルが用いられる。

【0049】

解釈可能性は、性能予測の根拠となる数値を表しており、設計・解析実績ＤＢ１１に示した製品の外形寸法、質量、固有振動数が例示される。なお、解釈可能性として、製品の強度に関する指標の一つである断面係数が用いられてもよい。また、解釈可能性は、数値に対応する構造設計の問題点等が記述されたメッセージで表されてもよい。この場合、設計者１３０は、数値の代わりにメッセージを確認することで、構造設計の具体的な問題点を把握することができる。

【0050】

プログラム部１２０は、設計・解析実績ＤＢ１１に格納される表形式データに対して最適な解釈可能性技術として、例えばＳＨＡＰ（SHapley Additive exPlanations）を使用し、設計・解析実績ＤＢ１１を基に機械学習によって解釈可能性計算プログラム２２を作成する。ＳＨＡＰは、ＸＡＩ（Explainable AI:説明可能なＡＩ）技術の一つであり、各要素が予測にどれだけの影響を与えるかを求めることができる。プログラム部１２０は、解釈可能性計算プログラム２２としてＳＨＡＰを用いることで、あるデータＸの各特徴量が、性能予測プログラム２１が予測した性能指標に対してどれだけプラス又はマイナスに影響を与えたかが分かる。

【0051】

性能向上策計算プログラム２３は、性能向上策学習情報ＤＢ１２から読み出した、設計変更前の設計パラメータ、設計変更後の設計パラメータ、及び性能向上策に基づいて機械学習を行って第３予測モデルを作成する。そして、性能向上策計算プログラム２３は、設計変更前の設計パラメータ及び設計変更後の設計パラメータと、設計変更前の解析値に対する設計変更後の第１予測モデルが予測した構造性能の指標の偏差とを基にして、第３予測モデルにより性能向上策を計算するプログラムである。この性能向上策計算プログラム２３は、製品の設計変更前後における性能指標の差、及び設計パラメータの変化に基づいて、製品の構造性能を向上させる施策（「性能向上策」と呼ぶ）を設計者に提示する。性能向上策計算プログラム２３が性能向上策を計算する時には、第３予測モデルが用いられる。

【0052】

性能向上策計算プログラム２３は、性能向上策学習情報ＤＢ１２を基に、複数のランダムフォレストを作成し、最も精度の良かったランダムフォレストを使用した機械学習を利用して第３予測モデルを作成する。ランダムフォレストは決定木を用いる手法であり、性能向上策計算プログラム２３は、特徴量をランダムに選び出し、複数の決定木を作成する。そして、複数の決定木の予測結果を用いて多数決を求めることで、第３予測モデルの出力を決定する。性能向上策計算プログラム２３が計算した性能向上策は、性能向上策学習情報ＤＢ１２の性能向上策の項目に格納される。

【0053】

性能向上策出力部５は、性能向上策計算プログラム２３が計算した解釈可能性、及び性能向上策を、設計者ＰＣ１４０の表示装置５５に出力する。設計者１３０は、性能向上策を確認して製品の設計変更を行うことができる。

【0054】

次に、設計者１３０の説明を行う。設計者１３０として示されるブロックは、実際には、設計者１３０が操作する設計者ＰＣ１４０の機能を表している。

【0055】

設計者１３０は、設計者ＰＣ１４０の入力装置を通じて、製品の設計変更を行った設計変更情報１を性能予測プログラム２１に入力する。設計変更情報１として、例えば、製品の外形寸法、質量、締結方法及び固有振動数のうち、少なくとも一つの情報が含まれる。そして、設計者１３０は、性能予測ボタン２を押下する。性能予測ボタン２から指示が入力されると同時に、性能予測プログラム２１の実行が開始される。

【0056】

その後、上述したように性能予測プログラム２１による性能予測の予測結果が予測結果出力部３を通じて設計者ＰＣ１４０の表示装置５５に表示される。設計者１３０は、性能予測結果を確認し、必要に応じて性能向上策提示ボタン４を押下する。この性能向上策提示ボタン４から指示が入力されると同時に、解釈可能性計算プログラム２２が実行される。解釈可能性計算プログラム２２の実行後に、性能向上策計算プログラム２３が実行されると、性能向上策計算プログラム２３が計算した性能向上策が性能向上策出力部５を通じて設計者ＰＣ１４０の表示装置５５に表示される。設計者１３０は、性能向上策を確認し、性能向上策を踏まえて製品の設計変更を再び行う。そして、設計者１３０は、設計変更した変更情報を再び性能予測プログラム２１に入力することが可能である。

【0057】

＜性能向上策の提示を要求せずに設計を終了する処理の流れ＞
次に、設計者１３０が製品の性能の予測値を確認し、性能が十分であると判断した場合に、性能向上策の提示を要求せずに設計を終了する処理の流れについて、図５を参照して説明する。

【0058】

図５は、設計者１３０が性能向上策の提示を要求せずに、設計を終了した場合の性能向上策提示システム１００の全体構成例を示す図である。性能向上策提示システム１００の構成は、図１を参照して説明したとおりであるため、図１と図５で共通する箇所の詳細な説明は省略する。

【0059】

設計者１３０は、性能予測プログラム２１の予測結果を、予測結果出力部３を介して確認する。設計者１３０は、予測結果出力部３から出力された予測結果が要求性能を満たすと判断した場合は設計終了６とする。この時、設計者１３０は、設計者ＰＣ１４０を通じてプログラム部１２０に設計終了を指示する。その後、設計変更情報１により変更された設計データが解析者に渡され、設計変更された構造物の解析が行われる。

【0060】

＜性能向上策を不採用とし、設計を終了する処理の流れ＞
次に、設計者１３０が製品の性能の予測値を確認した上で、性能向上策を要求した後、プログラム部１２０から提示された性能向上策を不採用とし、設計を終了する場合について、図６を参照して説明する。

【0061】

図６は、設計者１３０が提示された性能向上策を不採用とし、設計を終了した場合の性能向上策提示システム１００の全体構成例を示す図である。性能向上策提示システム１００の構成は図１を参照して説明したとおりであるため、図１と図６で共通する箇所の詳細な説明は省略する。

【0062】

設計者１３０は、性能向上策計算プログラム２３により計算され、性能向上策出力部５を介して提示された性能向上策を確認する。そして、設計者１３０は、出力された性能向上策が既に実施済み、又は各種設計要件を満たさないなどの理由により不採用とした場合は設計終了７とする。この時、設計者１３０は、設計者ＰＣ１４０を通じてプログラム部１２０に設計終了を指示する。その後、設計変更情報１により変更され、性能向上策が反映された設計データが解析者に渡され、設計変更された構造物の解析が行われる。

【0063】

設計者１３０が確認した性能向上策を受け入れる場合、以降の処理では、設計者１３０が新たな設計変更情報１をプログラム部１２０に入力する。例えば、設計者１３０は、プログラム部１２０から提示された性能向上策を、不図示のＣＡＤ等の設計支援プログラムを通じて入力し、性能向上策の内容が反映された製品設計を行うことができる。逆に、設計者１３０が確認した性能向上策を受け入れない場合、不図示のＣＡＤ等の設計支援プログラムには、プログラム部１２０から提示された性能向上策の内容を反映しない。

【0064】

次に、性能向上策提示システム１００の処理の例について、図７を参照して説明する。
図７は、性能向上策提示システム１００で行われる性能向上策提示方法の一連の処理の例を示すフローチャートである。ここでは、性能向上策提示システム１００のユーザとしての設計者１３０の操作手順を示す。

【0065】

始めに、設計者１３０は、性能向上策提示システム１００（例えば、表計算ソフトウェアのマクロ機能）を起動し、設計対象となる構造物の設計変更情報１を入力する（Ｓ１）。設計変更情報１には、各種の設計パラメータが含まれる。

【0066】

次に、設計者１３０は、性能予測ボタン２を押下し（Ｓ２）、性能予測プログラム２１を実行する。次に、設計者１３０は、性能予測プログラム２１が計算し、予測結果出力部３から出力された性能指標の予測値である性能予測結果を確認する（Ｓ３）。

【0067】

次に、設計者１３０は、性能予測結果を設計仕様と比較し、性能向上策の再検討が必要であるか否かを判断する（Ｓ４）。設計者１３０は、性能向上策の検討が必要でないと判断した場合（Ｓ４のＮＯ）、設計を終了する。なお、図５に示した構成図は、ステップＳ４のＮＯ判定を表現したものである。

【0068】

一方、設計者１３０が性能向上策の検討が必要であると判断した場合（Ｓ４のＹＥＳ）、性能向上策提示ボタン４を押下し（Ｓ５）、解釈可能性計算プログラム２２と性能向上策計算プログラム２３を実行する。

【0069】

次に、設計者１３０は、性能向上策出力部５から提示された解釈可能性と性能向上策を確認する（Ｓ６）。そして、設計者１３０は、提示された性能向上策を採用するか否かを判断する（Ｓ７）。設計者１３０は、提示された性能向上策の採用が必要でないと判断した場合（Ｓ７のＮＯ）、設計を終了する。なお、図６に示した構成図は、ステップＳ７のＮＯ判定を表現したものである。また、ステップＳ７のＮＯ判定は、ステップＳ７に至るまでに一度以上、性能向上策が採用され（Ｓ７のＹＥＳ）、再びステップＳ１～Ｓ６の処理が行われたことで、これ以上の性能向上策の採用が必要でないと判断された場合も含まれる。

【0070】

一方、設計者１３０は、性能向上策の採用が必要であると判断した場合（Ｓ７のＹＥＳ）、再びステップＳ１に戻り、構造設計を修正し、修正後の設計変更情報１を再度、プログラム部１２０に入力する。このように設計者１３０が構造設計を修正し、設計変更情報１を入力することで、向上性能策を絞り込むことが可能となる。これにより、設計変更や軽微な設計修正がある度に、設計者１３０とは別の解析者に構造解析を依頼する手間を省くことができるので、設計者１３０の作業工数の削減や後戻りの低減が見込まれる。

【0071】

次に、プログラム部１２０で実行される各プログラムの処理の例について、図８～図１３を参照して説明する。以下の説明では、各プログラムの学習段階と予測段階に分けて処理を説明する。

【0072】

＜性能予測プログラムの処理＞
始めに、性能予測プログラム２１の学習段階と予測段階の処理について、図８と図９を参照して説明する。
図８は、性能予測プログラム２１の学習処理の例を示すフローチャートである。

【0073】

学習段階において、性能予測プログラム２１が設計・解析実績ＤＢ１１から学習情報を読み込む（Ｓ１１）。性能予測プログラム２１が読み込む学習情報は、図３に示した設計・解析実績ＤＢ１１に含まれる任意のデータである。

【0074】

次に、性能予測プログラム２１は、前処理としてデータの標準化処理を行う（Ｓ１２）。データの標準化処理は、例えば、元のデータの平均を「０」、標準偏差を「１」に変換する正規化法である。データの標準化処理により、様々な種類の製品のデータが正規化される。次に、性能予測プログラム２１は、図３で説明した説明変数と目的変数の関係に基づいて、Ｘｇｂｏｏｓｔを利用した機械学習を行う（Ｓ１３）。

【0075】

そして、性能予測プログラム２１は、ステップＳ１３の機械学習の処理で作成した学習済みモデルを保存して（Ｓ１４）、本処理を終了する。性能予測プログラム２１の機械学習の処理で作成された学習済みモデルが、製品の性能を予測可能な第１予測モデルである。第１予測モデルは、例えば、プログラム部１２０が読み書き可能な記憶装置５７の所定領域に保存される。

【0076】

図９は、性能予測プログラム２１の予測処理の例を示すフローチャートである。

【0077】

予測段階において、性能予測プログラム２１は、設計者１３０により入力された入力情報を読み込む（Ｓ２１）。この入力情報には、設計パラメータである設計変更情報１、性能予測ボタン２の入力指示が含まれる。次に、性能予測プログラム２１は、学習段階で作成した第１予測モデルを記憶装置５７から読み込む（Ｓ２２）。

【0078】

次に、性能予測プログラム２１は、入力情報を第１予測モデルに入力し、第１予測モデルに基づいて性能指標を計算する（Ｓ２３）。図３に示したように、性能指標として、予め製品に規定される左右方向の固有振動数と前後方向の固有振動数がある。

【0079】

そして、性能予測プログラム２１は、性能予測結果である計算結果を予測結果出力部３に出力する（Ｓ２４）。この計算結果は、予測結果出力部３を通じて表示装置５５に表示され、設計者１３０が計算結果を確認することが可能である。

【0080】

＜解釈可能性計算プログラムの処理＞
次に、解釈可能性計算プログラム２２の学習段階と予測段階の処理について、図１０と図１１を参照して説明する。
図１０は、解釈可能性計算プログラム２２の学習処理の例を示すフローチャートである。

【0081】

学習段階において、解釈可能性計算プログラム２２が設計・解析実績ＤＢ１１から学習情報を読み込む（Ｓ３１）。解釈可能性計算プログラム２２が読み込む学習情報は、図３に示した設計・解析実績ＤＢ１１に含まれる任意のデータである。

【0082】

次に、解釈可能性計算プログラム２２は、前処理としてデータの標準化処理を行う（Ｓ３２）。データの標準化処理により、様々な種類の製品のデータが一定の範囲に収まる。次に、解釈可能性計算プログラム２２は、図３で説明した説明変数と目的変数の関係について、ＳＨＡＰを利用した機械学習を行う（Ｓ３３）。

【0083】

そして、解釈可能性計算プログラム２２は、ステップＳ１３の機械学習の処理で作成した学習済みモデルを保存して（Ｓ３４）、本処理を終了する。解釈可能性計算プログラム２２の機械学習の処理で作成された学習済みモデルが、解釈可能性を計算可能な第２予測モデルである。第２予測モデルは、例えば、プログラム部１２０が読み書き可能な記憶装置５７の所定領域に保存される。

【0084】

図１１は、解釈可能性計算プログラム２２の予測処理の例を示すフローチャートである。

【0085】

予測段階において、解釈可能性計算プログラム２２は、設計者１３０により入力された入力情報を読み込む（Ｓ４１）。この入力情報には、設計パラメータである設計変更情報１、性能向上策提示ボタン４の入力指示が含まれる。次に、解釈可能性計算プログラム２２は、学習段階で作成した第２予測モデルを記憶装置５７から読み込む（Ｓ４２）。

【0086】

次に、解釈可能性計算プログラム２２は、入力情報を第２予測モデルに入力し、第２予測モデルに基づいて解釈可能性を計算する（Ｓ４３）。この計算により、第１予測モデルが予測した性能指標に寄与する特徴量の重要性が求められる。次に、解釈可能性計算プログラム２２は、解釈可能性の計算結果を、プログラム部１２０が読み書き可能な記憶装置５７の所定領域に保存する（Ｓ４４）。

【0087】

そして、解釈可能性計算プログラム２２は、解釈可能性を可視化した図を生成し、この図を記憶装置５７の所定領域に保存して（Ｓ４５）、本処理を終了する。

【0088】

＜性能向上策計算プログラムの処理＞
次に、性能向上策計算プログラム２３の学習段階と予測段階の処理について、図１２と図１３を参照して説明する。
図１２は、性能向上策計算プログラム２３の学習処理の例を示すフローチャートである。

【0089】

学習段階において、性能向上策計算プログラム２３が性能向上策学習情報ＤＢ１２から学習情報を読み込む（Ｓ５１）。性能向上策計算プログラム２３が読み込む学習情報は、図４に示した性能向上策学習情報ＤＢ１２に含まれる任意のデータである。

【0090】

次に、性能向上策計算プログラム２３は、図４で説明した説明変数について、変更前後の設計パラメータと性能指標の偏差である偏差データを作成する（Ｓ５２）。図４に示した性能向上策学習情報ＤＢ１２のラベル「ＤＤＤ」の製品では、変更前の質量「３９０」が変更後の質量「４００」となるので、変更前後の設計パラメータの偏差は、質量「１０」である。また、変更前の性能指標である固有振動数が左右「５．５」、前後「１０」から変更後の左右「６．０」、前後「１１」となるので、変更前後の性能指標の偏差は左右「０．５」、前後「１」である。これらの偏差をまとめた偏差データがステップＳ５２の処理で作成される。

【0091】

次に、性能向上策計算プログラム２３は、図３で説明した説明変数と目的変数の関係について、ランダムフォレストを用いた機械学習を行う（Ｓ５３）。

【0092】

そして、性能向上策計算プログラム２３は、ステップＳ５３の機械学習の処理で作成した学習済みモデルを保存して（Ｓ５４）、本処理を終了する。性能向上策計算プログラム２３の機械学習の処理で作成された学習済みモデルが、製品の性能向上策を予測可能な第３予測モデルである。第３予測モデルは、例えば、プログラム部１２０が読み書き可能な記憶装置５７の所定領域に保存される。

【0093】

図１３は、性能向上策計算プログラム２３の予測処理の例を示すフローチャートである。

【0094】

予測段階において、性能向上策計算プログラム２３は、性能向上策学習情報ＤＢ１２から変更前の大項目に格納された変更前データを読み込む（Ｓ６１）。次に、性能向上策計算プログラム２３は、設計者１３０により入力された設計パラメータの変更入力値を読み込む（Ｓ６２）。設計パラメータの変更入力値は、性能向上策学習情報ＤＢ１２に格納される変更後の大項目に格納された変更後データである。次に、性能向上策計算プログラム２３は、図１２に示した学習処理で作成した第３予測モデルを記憶装置５７から読み込む（Ｓ６３）。

【0095】

次に、性能向上策計算プログラム２３は、第３予測モデルを用いて、変更後の設計パラメータによる製品の性能予測を行う（Ｓ６４）。次に、性能向上策計算プログラム２３は、設計パラメータの偏差と、性能指標の予測値の偏差とを計算する（Ｓ６５）。

【0096】

次に、性能向上策計算プログラム２３は、ステップＳ６５で計算した各偏差を第３予測モデルに入力し、第３予測モデルに基づく性能向上策（性能指標）を計算する（Ｓ６６）。そして、性能向上策計算プログラム２３は、性能向上策出力部５を通じて、表示装置５５に性能向上策の計算結果、解釈可能性計算プログラム２２が保存した解釈可能性の計算結果を表示し、必要に応じて解釈可能性の計算結果を可視化した図を表示する（Ｓ６７）。設計者１３０は、表示装置５５に表示する情報を必要に応じて選択することが可能である。

【0097】

以上説明した一実施形態に係る性能向上策提示システム１００では、製品の構造設計の変更に関わって性能が予測されるだけでなく、解釈可能性、性能向上策が計算される。この際、プログラム部１２０が製品に対して過去に施された構造性能の向上策を機械学習することによって、性能予測の根拠が設計者１３０に示される。このため、設計者１３０が製品の構造設計を行った後に、プログラム部１２０に性能予測を指示できる。この結果、設計者１３０が解析者に構造解析を依頼しなくても、設計変更後の性能予測結果を確認することが可能となり、設計変更後の性能予測結果を確認するまでの時間を短くし、作業工数を削減することができる。また、設計変更後の製品の品質保証のための構造解析や各種手続き等に要する作業の回数を減らすことができる。

【0098】

また、設計者１３０がプログラム部１２０に性能向上策の提示を指示することで、性能予測の根拠となる解釈可能性と、性能向上策とが設計者１３０に提示される。このため、設計者１３０は、解釈可能性を確認した上で、性能向上策を適用するか否かを判断することができる。

【0099】

従来は、製品の設計変更に際して、製品の構造設計後に解析者が解析し、解析結果に問題あれば設計者１３０が設計修正を検討していた。そして、設計者１３０の暗黙知、経験から改善点を見つけて修正しており、設計者１３０による試行錯誤が必要であった。一方、本実施形態に係る性能向上策提示システム１００では、設計者１３０が、例えば、耐震強度を上げたい、実装構造を変更したいという希望に沿って変更したデータ（例えば、設計変更情報１）を追加するだけの設計変更を行えばよい。また、設計者１３０は、性能向上策提示ボタン４を押すだけの操作で、設計変更の度に性能向上策を提示させることができる。このため、設計者１３０は、性能向上策を確認して設計を修正することが可能であり、設計の修正が容易となる。

【0100】

なお、上述した実施の形態では、性能向上策提示システム１００が製品の強度（性能）を評価する固有振動数を基に、製品の性能向上策を提示していた。ここで、製品の強度とは、例えば、製品の耐震性が挙げられる。他に性能向上策提示システム１００が軽量化（性能）を評価する重量、実装可能空間（性能）を評価する実装部品密度を基に、製品の性能向上策を提示してもよい。設計者１３０は、設計変更した制御盤の性能が過剰であることが分かれば、例えば、制御盤のフレーム等の不要な部材を除く設計変更を行うことで、制御盤を軽量化することが可能となる。また、実装可能空間が評価されることで、設計者１３０は、制御盤の実装可能空間に対して、これ以上の部品を実装できない、又はより小さな部品であれば配置できる等を判断し、新たに設計変更することもできる。

【0101】

また、上述した実施形態では、対象物を制御盤とし、制御盤を構造設計の対象としたが、制御盤に類似する構造物を構造設計及び性能評価の対象物として性能向上策提示システム１００を用いてもよい。例えば、配電盤、分電盤、サーバ、ＰＣ、爆発物探知装置、医療装置を構造設計の対象として性能向上策提示システム１００を用いてもよい。他にも、対象物を土木建築物（例えば、住宅、橋、プラント設備）とし、土木建築物における耐震設計を行う際に、性能向上策提示システム１００を用いてもよい。

【0102】

なお、本発明は上述した実施形態に限られるものではなく、特許請求の範囲に記載した本発明の要旨を逸脱しない限りその他種々の応用例、変形例を取り得ることは勿論である。
例えば、上述した実施形態は本発明を分かりやすく説明するためにシステムの構成を詳細かつ具体的に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されない。また、本実施形態の構成の一部について、他の構成の追加、削除、置換をすることも可能である。
また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。

【符号の説明】

【0103】

１…設計変更情報、２…性能予測ボタン、３…予測結果出力部、４…性能向上策提示ボタン、５…性能向上策出力部、６，７…設計終了、１１…設計・解析実績ＤＢ、２１…性能予測プログラム、２２…解釈可能性計算プログラム、２３…性能向上策計算プログラム、１００…性能向上策提示システム、１１０…学習用データ部、１２０…プログラム部、１３０…設計者、１４０…設計者ＰＣ、１１…設計・解析実績ＤＢ、１２…性能向上策学習情報ＤＢ

【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】