特許 7674799 蓄積エネルギーの潜在的脅威の解決策を予測する

(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】2025-04-30

(45)【発行日】2025-05-12

(54)【発明の名称】蓄積エネルギーの潜在的脅威の解決策を予測する

(51)【国際特許分類】

   G01V 1/01 20240101AFI20250501BHJP

   G08B 31/00 20060101ALI20250501BHJP

【ＦＩ】

G01V1/01 100

G08B31/00 B

【請求項の数】 18

(21)【出願番号】P 2023501603

(86)(22)【出願日】2021-06-02

(65)【公表番号】

(43)【公表日】2023-08-22

(86)【国際出願番号】 CN2021097938

(87)【国際公開番号】W WO2022017009

(87)【国際公開日】2022-01-27

【審査請求日】2023-11-14

(31)【優先権主張番号】16/936,486

(32)【優先日】2020-07-23

(33)【優先権主張国・地域又は機関】US

(73)【特許権者】

【識別番号】390009531

【氏名又は名称】インターナショナル・ビジネス・マシーンズ・コーポレーション

【氏名又は名称原語表記】ＩＮＴＥＲＮＡＴＩＯＮＡＬ ＢＵＳＩＮＥＳＳ ＭＡＣＨＩＮＥＳ ＣＯＲＰＯＲＡＴＩＯＮ

【住所又は居所原語表記】Ｎｅｗ Ｏｒｃｈａｒｄ Ｒｏａｄ， Ａｒｍｏｎｋ， Ｎｅｗ Ｙｏｒｋ １０５０４， Ｕｎｉｔｅｄ Ｓｔａｔｅｓ ｏｆ Ａｍｅｒｉｃａ

(74)【代理人】

【識別番号】100112690

【弁理士】

【氏名又は名称】太佐 種一

(74)【代理人】

【識別番号】100120710

【弁理士】

【氏名又は名称】片岡 忠彦

(72)【発明者】

【氏名】ソディ、マンジット シン

(72)【発明者】

【氏名】ラクシット、サルバジット ケー

(72)【発明者】

【氏名】ジェイン、ラフル

(72)【発明者】

【氏名】ナガル、ラグヴェール プラサド

【審査官】前田 敏行

(56)【参考文献】

【文献】国際公開第２０１９／０８３４４２（ＷＯ，Ａ１）

【文献】特開２００５－１３４３１６（ＪＰ，Ａ）

【文献】特開２００８－１８５４７２（ＪＰ，Ａ）

【文献】特表２０２０－５３７２６２（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０１Ｖ １／０１

Ｇ０８Ｂ ３１／００

(57)【特許請求の範囲】

【請求項1】

コンピュータ実施方法であって、
周辺地域の１つまたは複数のデバイスからのＩｏＴフィードを集約することと、
前記ＩｏＴフィードに基づいて、前記周辺地域の蓄積エネルギーの量を計算することと、
拡張現実を使用して、前記周辺地域の前記蓄積エネルギーの解放による潜在的影響をシミュレートすることによって、該蓄積エネルギーの解放によって生じ得る１つまたは複数の背景状況を予測することと、
前記予測した１つまたは複数の背景状況のそれぞれに対する１つまたは複数の影響を決定することであって、前記１つまたは複数の影響が、前記予測した１つまたは複数の背景状況によって引き起こされる、前記決定することと、
前記１つまたは複数の背景状況のそれぞれに対する前記１つまたは複数の影響の深刻度を計算することと、
前記深刻度に基づいて、１つまたは複数の提案された解決策を決定することと、
実施のために、前記１つまたは複数の提案された解決策から、少なくとも１つの提案された解決策の推奨を伝送することであって、前記１つまたは複数の提案された解決策が仮想現実を通じて表示される、前記伝送することと
を含み、
前記予測した１つまたは複数の背景状況のそれぞれに対する前記１つまたは複数の影響を決定することが、
前記予測した１つまたは複数の背景状況のそれぞれのシミュレーションを実行することと、
前記予測した１つまたは複数の背景状況のそれぞれの、前記周辺地域の各物体の脅威レベルを計算することであって、前記脅威レベルが、前記蓄積エネルギーの前記解放による物体の潜在的影響の深刻さを示す、前記計算することと
を含む、
コンピュータ実施方法。

【請求項2】

前記蓄積エネルギーの前記解放によって生じ得る前記１つまたは複数の背景状況を予測することが、
同様の蓄積エネルギー・レベルによって引き起こされた少なくともイベントおよびダメージについての履歴データを知識コーパスから集めることと、
前記履歴データを使用して機械学習アルゴリズムを訓練することと、
前記機械学習アルゴリズムおよび蓄積エネルギーの前記計算された量を使用して、前記蓄積エネルギーの解放によって引き起こされる潜在的イベントを決定することと
を含む、請求項１に記載の方法。

【請求項3】

前記履歴データが、前記周辺地域に関するデータを含む、請求項２に記載の方法。

【請求項4】

前記履歴データが、地質データ、環境データ、および人口統計データのうちの少なくとも１つを含む外部データをさらに含む、請求項３に記載の方法。

【請求項5】

前記１つまたは複数の背景状況のそれぞれに対する前記１つまたは複数の影響を決定することが、
前記計算することに応答して、前記周辺地域の１つまたは複数の物体が、閾値脅威レベルを突破すると決定することと、
前記１つまたは複数の背景状況のそれぞれに対して、前記閾値脅威レベルを突破する前記周辺地域の少なくとも前記１つまたは複数の物体の前記蓄積エネルギーが解放された結果を決定することと
を更に含む、請求項１に記載の方法。

【請求項6】

前記周辺地域の各物体の前記脅威レベルを計算することが、
各物体のあり得る解放エネルギー・レベルを決定することと、
前記あり得る解放エネルギー・レベルのインパクトの持続期間を推定することと、
前記あり得る解放エネルギー・レベルによる潜在的ダメージを推定することと、
回復時間を推定することであって、前記回復時間が、前記潜在的ダメージから回復するための時間である、前記推定することと
を含む、請求項５に記載の方法。

【請求項7】

前記１つまたは複数の背景状況のそれぞれに対する前記１つまたは複数の影響を前記決定することが、拡張現実デバイスで実行される、請求項１に記載の方法。

【請求項8】

前記周辺地域の前記１つまたは複数のデバイスからのＩｏＴフィードを集約することが、
前記１つまたは複数のデバイスから１つまたは複数のＩｏＴフィードを受け取ることと、
前記１つまたは複数のＩｏＴフィードを分析することと、
前記１つまたは複数のＩｏＴフィードからエネルギー・データを収集することと
を含む、請求項１に記載の方法。

【請求項9】

前記１つまたは複数のＩｏＴフィードが、拡張現実デバイスから受け取られ、
前記１つまたは複数のＩｏＴフィードが、ビデオおよび画像分析技術を使用して分析される、
請求項８に記載の方法。

【請求項10】

少なくとも１つの提案された解決策の推奨を伝送することが、
前記少なくとも１つの提案された解決策が適用された場合の予測される将来の効果を描写すること
を含む、請求項１に記載の方法。

【請求項11】

前記予測される将来の効果が、拡張現実デバイスを通じて描写される、請求項１０に記載の方法。

【請求項12】

１つまたは複数のコンピュータ・プロセッサを有するシステムであって、
周辺地域の１つまたは複数のデバイスからのＩｏＴフィードを集約することと、
前記ＩｏＴフィードに基づいて、前記周辺地域の蓄積エネルギーの量を計算することと、
拡張現実を使用して、前記周辺地域の前記蓄積エネルギーの解放による潜在的影響をシミュレートすることによって、該蓄積エネルギーの解放によって生じ得る１つまたは複数の背景状況を予測することと、
前記予測した１つまたは複数の背景状況のそれぞれに対する１つまたは複数の影響を決定することであって、前記１つまたは複数の影響が、前記予測した１つまたは複数の背景状況によって引き起こされる、前記決定することと、
前記１つまたは複数の背景状況のそれぞれに対する前記１つまたは複数の影響の深刻度を計算することと、
前記深刻度に基づいて、１つまたは複数の提案された解決策を決定することと、
実施のために、前記１つまたは複数の提案された解決策から、少なくとも１つの提案された解決策の推奨を伝送することであって、前記１つまたは複数の提案された解決策が仮想現実を通じて表示される、前記伝送することと
を行うように構成されており、
前記１つまたは複数の背景状況のそれぞれに対する前記１つまたは複数の影響を決定することが、
前記予測した１つまたは複数の背景状況のそれぞれのシミュレーションを実行することと、
前記予測した１つまたは複数の背景状況のそれぞれの、前記周辺地域の各物体の脅威レベルを計算することであって、前記脅威レベルが、前記蓄積エネルギーの前記解放による物体の潜在的影響の深刻さを示す、前記計算することと
を含む、
システム。

【請求項13】

前記蓄積エネルギーの前記解放によって生じ得る前記１つまたは複数の背景状況を予測することが、
同様の蓄積エネルギー・レベルによって引き起こされた少なくともイベントおよびダメージについての履歴データを知識コーパスから集めることと、
前記履歴データを使用して機械学習アルゴリズムを訓練することと、
前記機械学習アルゴリズムおよび蓄積エネルギーの前記計算された量を使用して、前記蓄積エネルギーの解放によって引き起こされる潜在的イベントを決定することと
を含む、請求項１２に記載のシステム。

【請求項14】

前記１つまたは複数の背景状況のそれぞれに対する前記１つまたは複数の影響を決定することが、
前記計算することに応答して、前記周辺地域の１つまたは複数の物体が、閾値脅威レベルを突破すると決定することと、
前記１つまたは複数の背景状況のそれぞれに対して、前記閾値脅威レベルを突破する前記周辺地域の少なくとも前記１つまたは複数の物体の前記蓄積エネルギーが解放された結果を決定することと
を含む、請求項１２に記載のシステム。

【請求項15】

前記周辺地域の各物体の前記脅威レベルを計算することが、
各物体のあり得る解放エネルギー・レベルを決定することと、
前記あり得る解放エネルギー・レベルのインパクトの持続期間を推定することと、
前記あり得る解放エネルギー・レベルによる潜在的ダメージを推定することと、
回復時間を推定することであって、前記回復時間が、前記潜在的ダメージから回復するための時間である、前記推定することと
を含む、請求項１４に記載のシステム。

【請求項16】

前記周辺地域の前記１つまたは複数のデバイスからのＩｏＴフィードを集約することが、
前記１つまたは複数のデバイスから１つまたは複数のＩｏＴフィードを受け取ることと、
前記１つまたは複数のＩｏＴフィードを分析することと、
前記１つまたは複数のＩｏＴフィードからエネルギー・データを収集することと
を含む、請求項１２に記載のシステム。

【請求項17】

コンピュータ・プログラムであって、１以上のプロセッサに請求項１ないし１１のいずれか一項に記載の方法を実行させる、コンピュータ・プログラム。

【請求項18】

請求項１ないし１１のいずれか一項に記載の方法を実行させるコンピュータ・プログラムを記録したコンピュータ読み取り可能な記録媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、拡張現実に関し、より詳細には、拡張現実を使用して、蓄積エネルギーの解放による潜在的影響および可能な解決策をシミュレートすることに関する。

【背景技術】

【0002】

蓄積エネルギーは、物体によって保持または保有されるエネルギーである。重力位置エネルギー（例えば、物体の位置または高さの結果として物体に蓄積されるエネルギー）、力学的エネルギー（例えば、力を加えた結果として物体に蓄積されるエネルギー）、電気エネルギー（例えば、物体を通じた（または物体への）電子の移動の結果として物体に蓄積されるエネルギー）、加圧されたガスまたは液体あるいはその両方に蓄積されるエネルギーなどを含む、蓄積エネルギーの異なる形態があり得る。蓄積エネルギーは、予想されない可能性がある地域内を含めて、どこにでも存在し得る。例えば、蓄積エネルギーは、張力がかかったケーブルまたはワイヤライン・リール、トルクがかかったドリル・ストリング、圧縮されたばね、圧力がかかった源泉／タンク／パイプライン、地表より高く運ばれる／持ち上げられる／引き上げられる物体などを伴う地域を含む様々な作業環境の至る所にあり得る。

【発明の概要】

【0003】

本開示は、拡張現実を使用して、蓄積エネルギーの解放による潜在的影響および可能な解決策をシミュレートするためのコンピュータ実施方法、システム、およびコンピュータ・プログラム製品を提供する。方法は、周辺地域の１つまたは複数のデバイスからのＩｏＴフィードを集約することを含むことができる。方法は、また、ＩｏＴフィードに基づいて、周辺地域の蓄積エネルギーの量を計算することを含むことができる。方法は、また、周辺地域での蓄積エネルギーの解放によって生じ得る１つまたは複数の背景状況（ｃｏｎｔｅｘｔｕａｌ ｓｉｔｕａｔｉｏｎｓ）を予測することを含むことができる。方法は、また、１つまたは複数の背景状況のそれぞれに対する１つまたは複数の影響を決定することであって、１つまたは複数の影響が、１つまたは複数の背景状況によって引き起こされる、決定することを含むことができる。方法は、また、１つまたは複数の背景状況のそれぞれに対する１つまたは複数の影響の深刻度を計算することを含むことができる。方法は、また、深刻度に基づいて、１つまたは複数の提案された解決策を決定することを含むことができる。方法は、また、実施のために、１つまたは複数の提案された解決策から、少なくとも１つの提案された解決策の推奨を伝送することを含むことができる。

【0004】

上記の概要は、本開示のそれぞれの図示された実施形態またはあらゆる実装形態を説明することを意図するものではない。

【0005】

本出願に含まれる図面は、本明細書に組み込まれ、本明細書の一部を形成する。図面は、本開示の実施形態を示し、説明と共に、本開示の原理を説明する役目をする。図面は、特定の実施形態を例証するものに過ぎず、本開示を限定するものではない。

【図面の簡単な説明】

【0006】

【図1】いくつかの実施形態による、エネルギーの解放による影響に対する潜在的解決策を予測するための動作のセットのフローチャートである。

【図2】いくつかの実施形態による、実例の拡張現実環境の概略図である。

【図3】いくつかの実施形態による、第１の実例のコンピュータ・システムのブロック図である。

【図4】いくつかの実施形態による、第２の実例のコンピュータ・システムの概略図である。

【図5】いくつかの実施形態による、サンプルのコンピュータ・システムのブロック図である。

【発明を実施するための形態】

【0007】

本発明は、様々な変更形態および代替形態に対応可能だが、その詳細は、図面に例として示されており、詳細に説明される。しかしながら、意図は、説明される特定の実施形態に本発明を限定することではないということを理解されたい。反対に、意図は、本発明の範囲内に入る全ての変更形態、同等物、および代替形態をカバーすることである。

【0008】

本開示は、拡張現実に関し、より詳細には、拡張現実を使用して、蓄積エネルギーの解放による潜在的影響および可能な解決策をシミュレートすることに関する。本開示は、このような用途に必ずしも限定されないが、本開示の様々な態様が、このコンテキストを使用する様々な例の議論を通じて認識され得る。

【0009】

蓄積エネルギーは集積されることがあり、エネルギーが集積されると、蓄積エネルギーは、突然解放される可能性がますます高くなり、潜在的に深刻な危険または影響を引き起こすことがある。例えば、ばねが、ますます圧縮されるか引き伸ばされた状態になると、蓄積エネルギーが構築および集積し続ける。最後に、蓄積エネルギーは、ばねが突然広がる点まで集積し、大きい力で蓄積エネルギーを解放することがある。別の例では、岩盤（特に断層面の一部である岩盤）は、断層面が移動して摩擦抵抗を生じ続けながら、エネルギーを集積し続けることがある。摩擦は、最後に蓄積エネルギーが突然解放され、地震を引き起こすまで、蓄積エネルギーの蓄積を生じ続け得る。蓄積エネルギーの突然の解放によって引き起こされる危険は、深刻な怪我、またはことによると死亡など、人間への脅威だけでなく、資産へのダメージを含むことがある。

【0010】

従来、モノのインターネット（ＩｏＴ：Internet of Things）などの様々な技術が、環境内の蓄積エネルギーの追跡または計算あるいはその両方を行うために使用されることがある。ＩｏＴ技術は、人間対話が何もなくても、様々なコンピューティング・デバイスに情報を移すことを可能にすることができる。したがって、どれだけの蓄積エネルギーが一地域内にあるかを決定するために、ＩｏＴデバイス、および潜在的には、ことによると画像スキャン技術が使用されることがある。しかしながら、どれだけの蓄積エネルギーが集積されているかが決定されると、どのように問題に対処するかを決定するのは人間次第であることがある。この問題が対処されない場合、蓄積エネルギーの突然の解放が、エネルギーが突然解放された地域において事故またはダメージあるいはその両方を引き起こすことがある。

【0011】

本開示は、拡張現実を使用して、蓄積エネルギーの解放による潜在的影響および可能な解決策をシミュレートするためのコンピュータ実施方法、システム、およびコンピュータ・プログラム製品を提供する。ＩｏＴおよび人工知能（ＡＩ）と共に拡張現実（ＡＲ：augmented reality）の使用を通じて、周囲の蓄積エネルギーの量を決定できるだけでなく、影響が発生するのを防ぐための（または少なくとも影響の深刻さを減少させるための）、蓄積エネルギーの解放による潜在的影響および可能な解決策を自動的に予測するために、蓄積エネルギーが分析され得る。ＡＲ、ＩｏＴ、およびＡＩの組合せを使用すると、周辺地域の蓄積エネルギーの量の決定および分析の正確さを向上させることができ（なぜなら、周辺地域のより正確かつ完全な視覚表現が実現され得（周辺地域のデータ読取りが良くなるのに役立つ）、継続的な学習および訓練がアルゴリズムおよび計算を絶えず改善するために使用され得るからである）、人間の干渉を必要とせずに、潜在的影響および可能な解決策が正確に予測されるのを自動的に可能にすることもできる。

【0012】

周辺地域は、本明細書で言及されるように、様々なＩｏＴデバイスおよびＡＲデバイスがデータを集めることができる地域または環境を含むことができる。いくつかの事例では、周辺地域は、ＡＲデバイスで見える地域である。拡張現実（ＡＲ）は、周辺地域のビュー（例えば、現実世界環境）に対するコンピュータ生成画像の合成ビューを含むことができる。本明細書はＡＲを論じるが、いくつかの実施形態では、仮想現実（ＶＲ）技術も使用されてもよい。

【0013】

本明細書でさらに論じられるいくつかの実施形態では、拡張現実を介した１つまたは複数の背景の解決策（テスト・ケースなど）を実行することによって、エネルギーの解放による事故または影響を生じ得る周囲での蓄積エネルギーの解放（例えば突然の解放）の影響のシミュレーションを導出するために、（ＡＩおよびＩｏＴを活用して）ＡＲが使用され得る。蓄積エネルギーは、周辺地域の様々なＩｏＴセンサからのデータ・フィードを集約することによって計算され得る。いくつかの事例では、様々な背景状況において示される影響を防ぐための可能な解決策が、ユーザによって決定および伝達されてもよい。（背景の解決策を使用して）エネルギーの解放の影響を予測し、可能な解決策を生成することによって、蓄積エネルギーの解放の影響は、最小化されること、またはことによると除かれることもあり、周辺地域の非常に多くのダメージおよび個人への潜在的脅威を潜在的に防ぐ。

【0014】

ここで図１を参照すると、いくつかの実施形態による、エネルギーの解放による影響に対する潜在的解決策を予測するための方法１００を示すフローチャートが描写されている。いくつかの実施形態では、方法１００は、拡張現実デバイス（例えば、ＡＲデバイス２１０（図２）、ＡＲデバイス３３０（図３）、もしくはＡＲデバイス４３０（図４））上の、またはこれに接続された、サーバ（例えば、コンピュータ・システム／サーバ５０２（図５））によって実行される。いくつかの実施形態では、方法１００は、コンピュータ・システム（例えば、システム２００（図２）、システム３００（図３）、もしくはコンピュータ・システム５００（図５）、またはその組合せ）で、あるいはこれに接続されて、実行されることになるコンピュータ・スクリプトまたはコンピュータ・プログラム（例えば、コンピュータ実行可能コード）として実施される。いくつかの実施形態では、コンピュータ・システムは、ＡＲデバイス上にあるか、これに接続される（またさらに、ＡＩシステムまたはＩｏＴシステムあるいはその両方にあるか、これに接続されてもよい）。

【0015】

方法１００は、動作１１０を含み、周辺地域の１つまたは複数のデバイスからのＩｏＴフィードを集約する。ＩｏＴ能力を有する様々なデバイス（すなわち、ＩｏＴデバイス）が、周辺地域または近傍あるいはその両方にあり得る。いくつかの事例では、ＩｏＴデバイスは、センサを含むことができる。例えば、倉庫には、至る所に（例えば、小島の終端に）置かれたセンサがあってもよく、これらのセンサは、ＩｏＴデバイスでもよく、またはＩｏＴデバイスに予めリンクされてもよく、あるいはその両方でもよい。別の例では、断層についての様々なデータを集めるために、様々なセンサ、またはセンサを有するデバイス、あるいはその両方が、環境内の断層面の近くに置かれてもよい。さらに別の例では、センサは、拡張現実デバイス（例えば、ＡＲグラス、またはＡＲ能力を有する任意の他のポータブル・デバイス）の構成要素でもよく、センサは、ＡＲデバイスの能力（例えば、ビデオ能力）を使用してデータを集めてもよい。いくつかの実施形態では、１つまたは複数のＩｏＴフィードが、拡張現実デバイスから受け取られる。

【0016】

１つまたは複数のセンサおよびＩｏＴデバイスから集められたデータは、システムに伝送されるか送り込まれてよい。いくつかの実施形態では、センサおよびＩｏＴデバイスは、システムの構成要素である。いくつかの実施形態では、センサおよびＩｏＴデバイスは、拡張現実デバイス上にあるか、これに接続され、拡張現実デバイスは、システムにＩｏＴフィードを伝送する。システムが１つまたは複数のデバイスから１つまたは複数のＩｏＴフィードを受け取ると、１つまたは複数のＩｏＴフィードは分析されてもよい。いくつかの実施形態では、１つまたは複数のＩｏＴフィードを分析することは、どのデータがＩｏＴデバイス／センサから収集されたかを識別することと、ＩｏＴフィードからのどのデータがエネルギー・データであるかを決定することとを含む。いくつかの実施形態では、ＩｏＴフィードは、ビデオおよび画像分析技術を使用して分析されてもよい。

【0017】

エネルギー・データは、周辺地域の蓄積エネルギーを決定する際に必要な、またはことによると有用な、任意のデータであってよい。例えば、地質データ、環境データ、人口分布データ、インフラストラクチャ・セットアップ・データ等が、周辺地域の蓄積エネルギーを決定する際に使用されてもよい。いくつかの事例では、周辺地域の蓄積エネルギーは、運動中の物体（例えば、圧縮されつつあるばね、揺れているブランコ、移動している断層面など）に対応してもよい。これらの事例では、物体のスピード、物体の高さ、周辺地域の他のものへの物体の近さ等に関するデータが、蓄積エネルギーを決定するのに役立てるために使用されてもよい。

【0018】

いくつかの実施形態では、ＩｏＴフィードを集約することは、１つまたは複数のＩｏＴフィードからエネルギー・データを収集することをさらに含む。いくつかの実施形態では、１つのＩｏＴフィードからのエネルギー・データは、集約を簡素化するために、１つまたは複数のＩｏＴフィードにおける他のＩｏＴフィードからのエネルギー・データと組み合わされるか相関されてもよい。

【0019】

方法１００は、動作１２０を含み、ＩｏＴフィードに基づいて周辺地域の蓄積エネルギーの量を計算する。ＩｏＴフィードが集約され、いくつかの事例で、エネルギー・データがＩｏＴフィードから識別および収集されると、ＩｏＴフィード・データまたはエネルギー・データあるいはその両方は、周辺地域の蓄積エネルギーの量を計算するために使用されてもよい。いくつかの実施形態では、周辺地域の蓄積エネルギーの量を計算することは、周辺地域の１つまたは複数の物体を識別することと、各物体の蓄積エネルギーの量を計算することとを含むことができる。物体は、見て触れることができる（または感覚で判別することができる）材料なら何でもよい。

【0020】

いくつかの実施形態では、蓄積エネルギーの量を計算するために、機械学習（例えば、教師あり学習）が使用されてもよい。教師あり学習は、機械学習の１つのタイプであり、入力を出力とペアにし、様々な入力－出力ペアのマッピングを使用して機能またはアルゴリズムを決定することができる。教師あり学習は、入力－出力の訓練データを分析し、データに基づいてアルゴリズムを学習／訓練することができる。教師あり学習などの機械学習技術を使用して、エネルギー・データ（入力として）と蓄積エネルギーの量（出力として）など、ＩｏＴフィード・データの様々な入力－出力ペアを使用して、アルゴリズムが開発（すなわち、学習および訓練）されてもよい。いくつかの実施形態では、入力として使用されるＩｏＴフィード・データ（例えば、エネルギー・データ）は、特定の物体に関する蓄積エネルギーの量を決定または計算するために、周辺地域の特定の物体に固有のものであってよい。

【0021】

いくつかの実施形態では、システムは、知識コーパスを含むか、これに接続され、知識コーパスから集められたデータが、機械学習を使用してアルゴリズムを訓練するために、学習データとして使用される。知識コーパスは、周辺地域の物体に関する履歴または過去データ、および物体に対応する蓄積エネルギーの履歴の量を含むことができる。

【0022】

図１に描写されているようないくつかの実施形態では、方法１００は、動作１２０から動作１３０に進み、懸念すべきレベルの蓄積エネルギーがあるかどうかを決定する。懸念すべきレベルの蓄積エネルギーがあるかどうかを決定することは、蓄積エネルギーの解放の影響を決定する前に、（エネルギーの解放による影響に対する）潜在的解決策を予測する効率の向上または改善に役立つことがある。いくつかの事例では、蓄積エネルギーの突然の解放の影響を決定するときに、周辺地域の蓄積エネルギーのあらゆる出来事が使用され得るわけではない。いくつかの実施形態では、蓄積エネルギーが、低い方の、またはそれほど懸念すべきでないレベルにある場合、解放（例えば、突然の解放）の影響は、あったとしても、解放から生じる多くの危険または影響を有していないこともあるので、解放の影響が決定される必要がないことがある。

【0023】

懸念すべきレベルの蓄積エネルギーがあるかどうかを決定することは、周辺地域の蓄積エネルギー・レベルの閾値（または、いくつかの事例では、レベル）を決定することを含むことができる。いくつかの実施形態では、周辺地域の各物体は、蓄積エネルギー・レベルの閾値を有することがある。いくつかの実施形態では、閾値は、教師あり学習または強化学習あるいはその両方などの機械学習を通じて学習されてもよい。強化学習は、機械学習のもう１つのタイプであり、報酬／成果を最大化するために、データを分析して、どの適切なアクションがとられ得るかを決定することができる。強化学習は、入力に基づいて１つの正解を見つけることではなく、（例えば、非常に多くの「正しい」経路から）固有の状況にとって最善の経路を見つけることに焦点を合わせることができる。

【0024】

いくつかの実施形態では、機械学習を使用して、解放されたときにダメージまたは脅威を引き起こす可能性を、どれだけの蓄積エネルギー（例えば、蓄積エネルギーのレベルまたは量）が有しているかが決定されてもよい。例えば、知識コーパスは、周辺地域の物体または少なくともこれらと非常に同様の物体の、過去の蓄積エネルギーの解放に関するデータを有することできる。例えば、知識コーパスに格納された断層面、蓄積エネルギーの解放、および地震についてのデータがあってもよい。このデータは、地震を引き起こし得る断層面の蓄積エネルギーの閾値量を決定するために使用されてもよい。別の例では、周辺地域の物体は、倉庫のフォークリフトを含むことができ、知識コーパスは、フォークリフト、フォークリフトの高さ、フォークリフトから落下した物体などについての履歴データを含むことができる。この例では、機械学習は、（フォークリフトから落下することになる物体などの）ダメージを引き起こし得る蓄積エネルギーの閾値量を決定するために使用されてもよい。

【0025】

いくつかの実施形態では、懸念すべきレベルの蓄積エネルギーがあるかどうかを決定することは、蓄積エネルギーの計算された量を蓄積エネルギーの閾値と比較することをさらに含むことができる。いくつかの事例では、蓄積エネルギーおよび蓄積エネルギーの閾値は、物体に対応し得る。

【0026】

例えば、上記からフォークリフトの例を続けると、フォークリフトは、その上に、フォークリフトによって持ち上げられている箱を有することができる。この例では、箱は、物体であってよい。蓄積エネルギーを決定するために、位置エネルギーが計算されてもよい（箱の質量、重力の加速度、および箱の高さを使用し、これらは、ＩｏＴフィードの集約を通じて決定されたものであってよい）。この例では、蓄積エネルギーは、位置エネルギーに対応し得る。箱がより高く持ち上げられると、箱の蓄積エネルギーが増加し得る。フォークリフトによって持ち上げられている箱の位置エネルギー（または蓄積エネルギー）、および蓄積エネルギーの解放によって引き起こされるダメージ（例えば、箱が壊れること、箱が落下して他の個人に脅威を与えることなど）についての、知識コーパスに格納された履歴データがあってもよい。いくつかの実施形態では、履歴データは、倉庫に固有のものであり、以前のシナリオから集められ格納されてきたデータに応じて、箱のサイズでさえあってよい。このデータは、仮に箱が落下したとしてもダメージを引き起こさないはずの箱のおよその位置エネルギー量、または、ことによると、箱を全く落とさない可能性が高いはずの箱のおよその位置エネルギー量を決定するために、機械学習と共に使用されてもよい。このおよその位置エネルギー量は、この例では、蓄積エネルギーの閾値であってよい。箱の実際の蓄積エネルギーすなわち位置エネルギーは、１０００キロジュール（ｋＪ）であると計算されていてもよい。蓄積エネルギーの閾値は、１０ｋＪでもよい。したがって、蓄積エネルギーと蓄積エネルギーの閾値とを比較するとき、蓄積エネルギーが閾値より大きく、したがって、懸念すべきレベルの蓄積エネルギーがあることが決定され得る。

【0027】

いくつかの実施形態では、懸念すべき量の蓄積エネルギーがあるかどうかを決定することは、周辺地域の物体または他の近くの物体が、ダメージを抑えるか防ぐのに役立てるための何らかの安全対策を有しているかどうかを決定することを含むことができる。安全対策がある場合、これらの安全対策は、蓄積エネルギーの閾値の決定の要因として含まれてもよい。

【0028】

例えば、フォークリフトは、フォークリフトから箱が落下するのを防ぐための、適切な安全対策を有することができる。具体的には、この例では、フォークリフトは、フォークリフトに置かれている物体のサイズ制限を有することができ、フォークリフトの背に物体がぴったり押しつけられる必要があり得る。この例では、安全対策を考えるとき、（箱がサイズ要件を満たし、フォークリフトの背にぴったり置かれている限り）箱が落下するか他のダメージを引き起こす懸念がある前に、箱が、およそ１５００ｋＪの蓄積エネルギー量を有し得ると決定されてもよい。この事例では、１０００ｋＪの実際の蓄積エネルギー量は、１５００ｋＪの閾値より小さく、したがって、箱は、懸念すべきレベルの蓄積エネルギーを有していない可能性がある。

【0029】

動作１３０において、周辺地域に懸念すべきレベルの蓄積エネルギーがないことが決定された場合、方法１００は、動作１３０の後、終了することができる。いくつかの事例では、周辺地域の蓄積エネルギーの量、または周辺地域の物体のエネルギーの量、あるいはその両方が懸念すべきものでない場合、仮に蓄積エネルギーが解放されたとしても、ダメージ／影響の見込みが最低限から無であり得る。したがって、エネルギーの解放による影響に対する潜在的解決策を予測する必要はなくてもよく、方法１００は終了することができる。

【0030】

いくつかの事例では、方法１００は、動作１２０から動作１４０に自動的に進むことができ、蓄積エネルギーのレベルが懸念すべきものまたは高いものであるかどうかを決定しない。このように、周辺地域の全ての蓄積エネルギー（例えば、周辺地域の各物体の蓄積エネルギー）が分析され、蓄積エネルギーのレベルがどれほど懸念すべきものであるかに関わらず、周囲の全ての蓄積エネルギーに対して、蓄積エネルギーの解放による影響に対する潜在的解決策が決定され得る。これは、蓄積エネルギーの解放による潜在的影響を決定する際に、蓄積エネルギーのあらゆる量が考慮され、使用されるので、予測の正確さを向上させることができる。

【0031】

動作１３０において、周辺地域に懸念すべきレベルの蓄積エネルギーがあることが決定された場合、方法１００は、動作１４０に進み、蓄積エネルギーの解放により生じ得る１つまたは複数の背景状況を予測する。背景状況は、周辺地域、または周辺地域の固有の物体、あるいはその両方に固有のものであってよい。いくつかの実施形態では、予測される背景状況は、蓄積エネルギーの解放の潜在的効果をシミュレートすることによって決定される。いくつかの実施形態では、背景状況は、テスト・ケースである。例えば、１つまたは複数の背景状況を予測することは、蓄積エネルギーが周辺地域で解放されるという１つまたは複数のテスト・ケースを（例えば、シミュレーションを介して）実行することを含むことができる。いくつかの実施形態では、テスト・ケースは、拡張現実デバイスを使用して実行されてもよい。いくつかの実施形態では、拡張現実デバイスからの（例えば、ＩｏＴフィードを介して実現される）映像が、テスト・ケースのために使用されてもよい。いくつかの実施形態では、機械学習は、テスト・ケースにおける蓄積エネルギーが解放されることについての可能な結果を決定するために使用されてもよい。例えば、強化学習（機械学習の１つのタイプ）が、データ、および、データの可能な結論を分析する。強化学習は、（ＩｏＴフィードからの）エネルギー・データ、および（例えば、知識コーパスからの）履歴データを利用することができ、データを使用して可能な結論を決定することができる。

【0032】

いくつかの実施形態では、（例えば、機械学習を使用するときに）１つまたは複数の背景状況を予測することは、同様の蓄積エネルギー・レベルによって引き起こされたダメージについての履歴データを知識コーパスから集めることを含む。履歴データは、背景状況を予測する機械学習アルゴリズムを学習および訓練するために使用されてもよい。履歴データが集められると、システムは、次に、履歴データを使用して機械学習アルゴリズムを訓練することができ、機械学習アルゴリズム（および（例えば、動作１２０からの）蓄積エネルギーの計算された量）を使用して、蓄積エネルギーの解放による潜在的ダメージを決定することができる。

【0033】

いくつかの実施形態では、知識コーパスは、周辺地域に関するデータなどの履歴データを含む。知識コーパスは、地質データ、環境データ、および人口統計データのうちの少なくとも１つを含む周辺地域についての外部データも含むことができる。

【0034】

方法１００は、動作１５０を含み、１つまたは複数の背景状況のそれぞれに対する１つまたは複数の影響を決定する。影響は、蓄積エネルギーの解放によって引き起こされる何らかの潜在的脅威を含むことができる。いくつかの実施形態では、背景状況のそれぞれに対して、周辺地域の各物体（または、いくつかの事例では、懸念すべきレベルの蓄積エネルギーを有する各物体）に対する１つまたは複数の影響が決定される。いくつかの実施形態では、１つまたは複数の影響は、機械学習を使用して決定されてもよい。

【0035】

いくつかの実施形態では、１つまたは複数の影響を決定することは、１つまたは複数の背景状況のそれぞれのシミュレーションを実行することを含む。シミュレーションは、蓄積エネルギーが解放されると発生するステップまたはイベントをシミュレートすることができる。いくつかの実施形態では、１つまたは複数の背景状況のそれぞれに対する１つまたは複数の影響を決定することは、（背景状況のそれぞれに対して）周辺地域の各物体の脅威レベルを計算することをさらに含む。脅威レベルは、蓄積エネルギーの解放による物体に対する潜在的影響の深刻さを示すことができる。いくつかの事例では、システムは、各物体に対する蓄積エネルギーの解放の１つまたは複数の影響を決定することができ、脅威レベルは、１つまたは複数の影響のそれぞれに対する深刻さを示すことができる。脅威レベルは、数字、パーセンテージ、１０進法、数字／パーセンテージ／１０進法の範囲、カテゴリなどであってよい。例えば、脅威レベルは、８（すなわち、１０のうち）、８０％、０．８などであってよい。別の例では、脅威レベルは、７０～７５％危険であるという範囲であってよい。さらに別の例では、脅威レベルは、わずかに危険、中程度に危険、非常に危険などのカテゴリであってよい。いくつかの実施形態では、脅威レベルが高くなると、影響が深刻になる（および場合によっては、可能性が高くなる）。

【0036】

いくつかの実施形態では、周辺地域の各物体の脅威レベルを計算することは、各物体のあり得る解放エネルギー・レベルを決定することを含む。あり得る解放エネルギー・レベルは、物体の、解放される可能性が最も高いエネルギー・レベル（またはエネルギー・レベルの範囲）であってよい。別の表現で言うと、あり得る解放エネルギー・レベルは、仮定として物体の蓄積エネルギーが解放された場合に解放される可能性が高いはずの蓄積エネルギーの量に対応するはずである。いくつかの実施形態では、蓄積エネルギーを解放すると、物体の蓄積エネルギーの全てを解放することができる。いくつかの実施形態では、物体の蓄積エネルギーの一部だけが解放される。例えば、棚から落下した箱は、箱から蓄積エネルギーの全てを解放する可能性が高いはずである。いくつかの実施形態では、１つの物体から解放される蓄積エネルギーが別の物体に移ることがあるので、脅威レベルを計算するときに固有の物体に近い物体も考慮されてよい。例えば、ばねは縮む（蓄積エネルギーを高める）ことができ、その後、（蓄積エネルギーを解放して）伸びて元の形状に戻ることができる。ばねは、別の物体に接続されるか、または少なくとも非常に接近していてよく、ばねが伸びるとき、伸びる間に解放される蓄積エネルギーは、別の物体に移ることができる。いくつかの事例では、第２の物体へのエネルギーの移動は、影響またはダメージあるいはその両方を引き起こすことがある。

【0037】

各物体の脅威レベルを計算することは、あり得る解放エネルギー・レベルのインパクトの持続期間を推定することも含むことができる。どれだけのエネルギーが解放される可能性があるかが決定されると、解放エネルギー・レベルによるインパクトがどれだけ長く続き得るかが推定されてよい。インパクトの持続期間は、周辺地域、または周辺地域の物体、あるいはその両方に対して、インパクトが有することになる効果が、どれだけ大きいかを識別するのに役立てることができる。例えば、（例えば衝突による）短期間にわたって加えられる強い力は、高い効果を有することがあり、長期間にわたって加えられる強い力は、さらにより高い効果を有することがある。しかしながら、より長い期間にわたって加えられるより弱い力は、インパクトの持続期間が長くなり得たとしても、周辺地域に対する効果が低くなることがある。したがって、あり得る解放エネルギー・レベルは、脅威レベルを決定するとき、インパクトの持続期間と共に再検討されてよい。

【0038】

各物体の脅威レベルを計算することは、あり得る解放エネルギー・レベルによる潜在的ダメージを推定することも含むことができる。潜在的ダメージを推定することは、インパクトの持続期間およびあり得る解放エネルギー・レベルを分析することと、分析を使用して潜在的ダメージを決定することとを含むことができる。いくつかの実施形態では、テスト・ケースは、潜在的ダメージを推定するために、あり得る解放エネルギー・レベルおよびインパクトの持続期間を使用して実行されてもよい。

【0039】

いくつかの実施形態では、各物体の脅威レベルを計算することは、回復時間を推定することを含む。回復時間は、潜在的ダメージから回復するための時間であってよい。いくつかの事例では、あり得る解放エネルギー・レベルによる潜在的ダメージが高くなり得たとしても、ダメージによる回復時間は非常に素早くなり得る。例えば、パイプは、パイプ内の蓄積エネルギーの解放により、別のパイプから外れることがある。パイプが完全に分離し得たとしても、パイプを修理することは、単に、これらを再び取付けることを含むことができ、他の修理／取替えは必要ではない。したがって、この例では、蓄積エネルギーの解放による回復時間は、短くなり得る。回復時間は、いくつかの事例では、テスト・ケースを実行すること、および機械学習を利用することを通じて決定されてもよい。

【0040】

いくつかの実施形態では、脅威レベルは、様々な要因（すなわち、少なくともあり得る解放エネルギー・レベル、インパクトの持続期間、潜在的ダメージ、および回復時間）を相関させること（および場合によっては、重み付けること）によって計算される。

【0041】

いくつかの実施形態では、周辺地域の各物体の脅威レベルを計算することに応答して、１つまたは複数の背景状況のそれぞれに対する１つまたは複数の影響を決定することは、周辺地域の１つまたは複数の物体が、閾値脅威レベルを突破すると決定することを含むことができる。１つまたは複数の物体が閾値脅威レベルを突破すると決定することは、この物体の脅威レベルが閾値脅威レベルを突破すると決定することを含むことができる。閾値脅威レベルは、知識コーパスからの履歴データを使用して決定されてもよい。いくつかの実施形態では、閾値脅威レベルは、蓄積エネルギーの解放によるごくわずかのダメージも発生し得ない最大または最大に近い脅威レベルを示す。したがって、いくつかの実施形態では、閾値脅威レベルの達成または突破あるいはその両方が行われた後、蓄積エネルギーの解放によるごくわずかのダメージの可能性があり得る。

【0042】

いくつかの実施形態では、ユーザが、閾値脅威レベルを決定することができる。例えば、一部のユーザは、ダメージがない閾値脅威レベルを望むことができ、したがって、ダメージは、閾値脅威レベルが突破された場合しか発生しない可能性が高くなり得る。別の例では、例えば、蓄積エネルギーが解放された結果が地震であるとき、ユーザは、閾値脅威レベルが比較的高くなることを望むことができ、したがって、ダメージの閾値を突破することは、地震による莫大な潜在的ダメージを示すことができる。地震は、大量のダメージを引き起こす潜在的可能性を有することがあるので、閾値脅威レベルが低かった場合、閾値脅威レベルを突破する大量の潜在的影響があり得るので、最も深刻な潜在的影響が、大量の他の潜在的影響の範囲内で潜在的に失われる可能性がある。

【0043】

いくつかの実施形態では、１つまたは複数の背景状況を予測することは、１つまたは複数の背景状況のそれぞれに対して、閾値脅威レベルを突破する周辺地域の少なくとも１つまたは複数の物体の蓄積エネルギーが解放された結果を決定することを含む。いくつかの事例では、決定は、周辺地域および１つまたは複数の物体に基づいていてもよい。脅威レベル、および対応する物体が、閾値脅威レベルを突破し得ると決定されると、蓄積エネルギーが解放されたとき、閾値脅威レベルを突破する各物体に何が起こるか（すなわち、結果が何であるか）が決定されてもよい。例えば、フォークリフトの例に戻ると、フォークリフトによって持ち上げられた大きい箱には、（例えば、フォークリフトが高い高さにあるとき）フォークリフトから落下するという潜在的可能性があり得、閾値脅威レベルを超える脅威（例えば、箱の中身が破壊され得ること、箱が別の物体の上に落下して他の物体を破壊し得ること、箱が人間の上に落下して人間に脅威を与え得ることなど）を生じ得る。箱に、閾値脅威レベルを遙かに超える影響があり得るとしても、箱に関する蓄積エネルギーの解放は、フォークリフト上で箱をただ移動させ得るだけであり、箱もしくはフォークリフトのどちらにも、または任意の他の近くの物体にも、ダメージが最低限から無になる可能性が高くなる。この例では、１つの背景状況に対する蓄積エネルギーが解放された結果が、フォークリフトから箱が落下することであると決定されてもよい。この事例では、フォークリフトから箱が落下することは、箱の閾値脅威レベルを突破し得る。他の例では、背景状況が、単にフォークリフト上で箱が移動することになり得るとき、箱は、閾値脅威レベルを突破しない可能性があり、いくつかの事例では、この背景状況は、背景状況のそれぞれに対する影響を決定するとき、考慮されなくてもよい。

【0044】

いくつかの実施形態では、１つまたは複数の背景状況のそれぞれに対する１つまたは複数の影響を決定することは、拡張現実デバイス上で実行される。拡張現実デバイスは、様々なテスト・ケースをシミュレートすることができ、テスト・ケースに基づいて影響を予測することができる。いくつかの実施形態では、１つまたは複数の影響を決定することは、拡張現実デバイスを利用して行われる。例えば、ＡＲデバイスから集められたデータおよびＩｏＴフィードは、様々な背景状況をシミュレートして影響を予測するときに使用されてもよい。いくつかの実施形態では、シミュレーション・アルゴリズムを訓練し、予測および決定を継続的に改善するために、機械学習および人工知能技術が使用される。

【0045】

いくつかの実施形態では、方法１００は、１つまたは複数の背景状況のそれぞれの発生確率を決定することを含む。発生確率は、固有の背景状況が発生し得る確率であってよい。いくつかの実施形態では、確率は、パーセンテージで示される。いくつかの実施形態では、確率は、１０進法で示される。いくつかの実施形態では、１つまたは複数の背景状況のそれぞれの発生確率を決定することは、１つまたは複数の背景状況のそれぞれの全ての可能な結果を決定することを含むことができる。次に、いくつかの実施形態では、閾値脅威レベルを突破する周辺地域の少なくとも１つまたは複数の物体の蓄積エネルギーが解放された結果（上記で論じられたもの）が、発生確率を決定するために、１つまたは複数の背景状況のそれぞれの可能な結果の総量と比較されてもよい。

【0046】

方法１００は、動作１６０を含み、１つまたは複数の背景状況のそれぞれの影響の深刻度を計算する。深刻度（影響がどれだけ深刻であるか、またはダメージを与え得るかを示す）が、それぞれの個々の背景状況に対して決定されてもよい。このように、影響が大きくなる潜在的可能性を有する固有の背景状況が識別および強調され得る。いくつかの実施形態では、影響の深刻度を計算することは、（例えば、機械学習を通じて決定／形成されたアルゴリズムを使用したシミュレーションを介して）固有の背景状況に対して発生する影響を決定することを含む。いくつかの事例では、深刻度を計算することは、それぞれの固有の背景状況に対する影響を他の背景状況に対する影響と比較することを含むことができ、これにより、深刻度は、（他の背景状況からの）他の影響と比較した影響の深刻さを示すことができる。いくつかの実施形態では、深刻度を計算するときに、複数の要因（背景状況に対する影響の性質、影響の広がり、影響の持続期間など）が考慮されてもよい（また、おそらく、重み付けられてもよい）。

【0047】

いくつかの事例では、各物体の脅威レベルは、深刻度を決定するために使用されてもよい。いくつかの実施形態では、背景状況に対する影響の深刻度を決定することは、背景状況における各物体の各脅威レベルを合計することを含む。いくつかの事例では、脅威レベルの合計は、深刻度であってよい。いくつかの実施形態では、深刻度は、背景状況における各物体の脅威レベルの平均である。いくつかの実施形態では、深刻度は、背景状況の最も高い脅威レベルに対応する。

【0048】

方法１００は、動作１７０を含み、周辺地域での蓄積エネルギーの解放の潜在的影響が深刻であることを深刻度が示すかどうかを決定する。いくつかの事例では、（例えば、機械学習を通じた、ユーザによって予め決定された、等の）閾値深刻さ値が決定されてよく、深刻度以上の任意の深刻度が、深刻であると決定されてもよい。例えば、深刻度は、１から１０までの数字であってよい。具体的には、この例では、深刻度は、６であると決定されたものでよい。閾値深刻さ値は７であってよいので、深刻度を閾値と比較するとき、固有の深刻度（および固有の背景状況）に対する潜在的影響が深刻でない可能性があると決定されてもよい。いくつかの実施形態では、深刻度は、カテゴリ（例えば、軽い、中程度、深刻、非常に深刻など）であってよく、深刻または非常に深刻のカテゴリを伴う任意の深刻度が、潜在的影響が深刻であることを示すことができる。

【0049】

いくつかの実施形態では、動作１７０は、各背景状況およびその対応する深刻度に対して繰り返される。周辺地域には、蓄積エネルギーを有する非常に多くの物体があり得、各物体を伴う、および、仮に蓄積エネルギー解放された場合に潜在的に発生し得る、非常に多くの背景状況があり得る。各背景状況の深刻さは、どの背景状況が、防ぐのに最も重要であるかを決定するために、考慮される必要があり得る。いくつかの実施形態では、閾値深刻さ値は、各背景状況に対して同じである。例えば、閾値深刻さ値は、あらゆる背景状況に対して、７（または、例えば、深刻のカテゴリ）であってよい。いくつかの実施形態では、閾値深刻さ値は、各背景状況に対して一意であってよい。いくつかの実施形態では、閾値深刻さ値は、あらゆる背景状況に対して一意でなくてもよく、各物体に対して一意であってもよい。例えば、仮にフォークリフトから箱が落下した場合、箱は、床と接触することになるはずである。箱と床の両方が物体であると考えられるはずであるが、箱は、床より遙かにダメージを受けやすいものであり得るので、箱は、床より低い閾値深刻さ値を有してもよい。

【0050】

動作１７０において、背景状況の深刻度が深刻でないと決定された場合、方法１００は、動作１７５において、他の背景状況の深刻度を再検討することができ、次に、他の背景状況の深刻度が深刻であるかどうかを決定するために動作１７０に戻る。上述のように、動作１７０は、各背景状況に対して繰り返されてもよい。背景状況の深刻度が深刻でない場合、他の背景状況の深刻度は、他の背景状況のいずれか、およびその対応する深刻度が、深刻であるかどうかをチェックするために再検討されてもよい。

【0051】

いくつかの実施形態では、深刻度のどれも深刻であると決定されなかった場合、方法１００は、動作１７０および１７５の後、終了することができる（描写せず）。

【0052】

動作１７０に戻り、少なくとも１つの背景状況の深刻度が深刻であると決定された場合、方法１００は、動作１８０に進み、深刻度に基づいて１つまたは複数の提案された解決策を決定する。いくつかの実施形態では、１つまたは複数の提案された解決策を決定または予測するために、機械学習技術（強化学習など）が使用されてもよい。強化学習は、報酬を最大化するために（この事例では、より高い深刻度の原因となる影響を減少させるか取り除くために）、環境においてとられるべきアクションを決定することができる。強化学習は、ゴールに重点を置いたアルゴリズムであってよく、前記ゴールを達成するために、影響を最小化し、可能な最善のアクション（すなわち、提案された解決策）を学習するというゴールに重点を置く。いくつかの実施形態では、１つまたは複数の提案された解決策を決定することは、発生確率にも基づく。

【0053】

いくつかの実施形態では、１つまたは複数の提案された解決策を決定することは、シミュレーション（例えば、ＡＲベースのシミュレーション）を実行し、次に、シミュレーションに基づいて、影響または少なくとも深刻な影響が発生し得ないように、蓄積エネルギーの解放の安全率を識別することを含むことができる。提案された解決策は、蓄積エネルギーの解放の安全率をどのように達成するかについてのガイドを含むことができる。いくつかの実施形態では、１つまたは複数の提案された解決策を決定することは、選択された解決策が予防措置として適用された場合の将来の効果をシミュレートすることを含むことができる。将来の効果は、蓄積エネルギー・レベルの新しい値、時間のエネルギー・レベルの変化率などであってよい。いくつかの実施形態では、１つまたは複数の提案された解決策を決定することは、動的なユーザ・プロフィール合成を通じて推奨を個人向けにすることを含むことができる。いくつかの事例では、ユーザ（例えば、拡張現実デバイスのユーザ）は、デバイスを使用する前に、ユーザ・プロフィールをセットアップすることができる。ユーザ・プロフィールは、深刻さ、脅威などの閾値量に対するユーザ嗜好を含むことができる。さらに、ユーザ・プロフィールは、ユーザによるデバイスの以前の使用から集められた過去データ（エネルギー・データを含む）を含むことができる。

【0054】

方法１００は、動作１９０を含み、実施のために、（１つまたは複数の提案された解決策から）少なくとも１つの提案された解決策の推奨を伝送する。いくつかの実施形態では、動作１８０で決定された全ての提案された解決策が、推奨として伝送されてもよい。いくつかの実施形態では、最善の提案された解決策（例えば、最小限の影響しか生じない提案された解決策）だけが、実施のための推奨として伝送されてもよい。いくつかの実施形態では、推奨を伝送することは、提案された解決策と共に、背景状況を（ＡＲデバイス上で）シミュレートすることを含むことができる。いくつかの事例では、各伝送された推奨のための別個のシミュレーションがあり得る。いくつかの実施形態では、推奨を伝送することは、少なくとも１つの提案された解決策が適用された場合の、予測される将来の効果を描写することを含むことができる。予測される将来の効果は、拡張現実デバイスを通じて描写されてもよく、いくつかの事例では、将来の効果は、シミュレーションとして描写されてもよい。シミュレーションは、推奨される解決策が実施された場合の将来の効果を示すことを含むことができる。

【0055】

図２を参照すると、いくつかの実施形態による、実例の拡張現実環境２００の概略図が描写されている。拡張現実環境２００は、ＡＲデバイス２１０を含む。この事例では、ＡＲデバイス２１０は、ＡＲグラスであるが、ＡＲデバイス２１０は、ＡＲ能力を有する任意のデバイスであってよい。いくつかの実施形態では、ＡＲデバイス２１０は、ユーザによって装着される（描写せず）。

【0056】

いくつかの実施形態では、ＡＲデバイス２１０は、周辺地域についてのデータを集め、このデータをコンピュータ・システム（例えば、システム３００（図３）またはシステム４００（図４）あるいはその両方）に伝送する。データは、ＩｏＴフィードとして伝送されてもよく、その後、（例えば、図１の動作１１０において）コンピュータ・システムによって集約されてもよい。いくつかの実施形態では、コンピュータ・システムは、次に、ＡＲデバイス２１０によって集められたデータに少なくとも基づいて、周辺地域の蓄積エネルギーの量を（例えば、図１の動作１２０において）計算することができる。いくつかの実施形態では、（例えば、図１の動作１４０において）１つまたは複数の背景状況を予測するために、コンピュータ・システムは、ＡＲデバイス２１０を使用して背景状況をシミュレートすることができる。

【0057】

図２に描写されているように、ＡＲデバイス２１０は、蓄積エネルギーが解放された場合の潜在的影響のＡＲシミュレーション２２０を表示することができる。いくつかの実施形態では、ＡＲシミュレーション２２０は、背景のシミュレーションである。

【0058】

（ＡＲシミュレーション２２０に描写されているような）周辺地域では、２人の個人である人物２２４および人物２２６が、ブランコのセット２２２の上で揺れている。この実例の周辺地域では、人物２２６が使用しているブランコは、壊れた紐を有し得る。コンピュータ・システム（例えば、システム３００（図３）またはシステム４００（図４）あるいはその両方）および方法１００（図１））を使用して、ブランコの紐がぴんと張った状態になったとき、紐が位置エネルギーを蓄積し、紐が緩んだとき、蓄積された位置エネルギーが解放され得ると決定されてもよい。この決定に基づいて、コンピュータ・システムは、蓄積エネルギーが解放された場合に発生し得るものの背景状況を、シミュレーションを介して予測するために、ＡＲデバイス２１０を使用することができる。特有のＡＲシミュレーション２２０（すなわち、背景状況）では、蓄積エネルギーが解放されて、紐が切れた／壊れた場合、人物２２６は、ブランコから落下する可能性がある。人物２２６がブランコから落下することは、ＡＲシミュレーション２２０の背景状況に対する（例えば、図１の動作１５０で決定されたような）影響であり得る。ＡＲシミュレーション２２０は、ブランコの上で静止している人物２２６ａ、（紐が緩んだ後）ブランコから落下して空中にいる人物２２６ｂ、および、ブランコから落下した後、地面にいる人物２２６ｃを示すことによって潜在的影響を描写することができる。

【0059】

いくつかの実施形態では、ＡＲシミュレーション２２０に描写された背景状況に対する影響を決定するとき、人物２２６（周辺地域の物体）の脅威レベルが決定され得る。ブランコから落下することは、人物２２６が怪我をする可能性が高いと決定されてもよく、したがって、人物２２６は、高い脅威レベルを有し得る。さらに、いくつかの実施形態では、ＡＲシミュレーション２２０において示された背景状況の全体の深刻度は、コンピュータ・システムによって決定されてもよい。深刻度は、人物２２６の脅威レベル、人物２２４の脅威レベル、および両方のブランコの脅威レベルが、ＡＲシミュレーション２２０の背景状況における全ての物体であるとき、少なくともこれらのレベルを使用して決定されてもよい。いくつかの事例では、人物２２６が、高い脅威レベルを有する唯一の物体なので、ＡＲシミュレーション２２０の背景状況の深刻度は、深刻であると決定され得る。

【0060】

いくつかの実施形態では、蓄積エネルギーが解放されて、ブランコの紐が緩んだ場合に発生し得る他の背景状況（描写せず）があり得る。例えば、人物２２６がＡＲシミュレーション２２０において描写された方向に落下する（位置２２６ａから、２２６ｂに、２２６ｃに進む）のではなく、人物２２６は、人物２２４の方向に落下することもある。この背景状況では、ブランコが緩んで、人物２２６がブランコから落下することにより、人物２２６と人物２２４の両方が怪我をし得るので、人物２２６と人物２２４の両方が高い脅威レベルを有し得る。例えば、人物２２６は、人物２２４に落下する可能性がある。人物２２６と人物２２４の両方が高い脅威レベルを有し得るので、この背景状況（描写せず）の全体の深刻度は非常に深刻であり得る。

【0061】

いくつかの実施形態では、ＡＲデバイス２１０は、ユーザによって装着されてよく、ＡＲシミュレーション２２０は、ユーザに示されてよい。いくつかの実施形態では、ＡＲシミュレーション２２０において示された背景状況に対するシミュレートされた影響を防ぐための（例えば、図１の動作１８０で決定され、動作１９０でＡＲデバイス２１０に伝送された）潜在的解決策も、（描写されていない）ＡＲシミュレーション２２０が表示することができる。例えば、（揺れながら自分の脚を上下に動かすときに人物２２６によって及ぼされるエネルギーからではなく）引力により、ブランコが徐々に降りてくる場合、蓄積された位置エネルギーは、運動エネルギーにゆっくりと変換され、ブランコが緩むのを防ぐと決定されてもよい。別の表現で言うと、人物が自分の脚を上下に動かすのを止めさせ、単純に引力がブランコのアクションを決定できるようにすると、ブランコをゆっくりと停止させ、人物２２６が落下するのを防ぐことができる。ＡＲシミュレーション２２０は、ＡＲデバイス２１０のユーザにこの推奨を表示することができる。

【0062】

図３を参照すると、いくつかの実施形態による第１の実例のコンピュータ・システム３００のブロック図が描写されている。いくつかの実施形態では、コンピュータ・システム３００は、方法１００（図１）を実行することができる。コンピュータ・システム３００は、センサ３１０、人工知能（ＡＩ）システム３２０、および拡張現実（ＡＲ）デバイス３３０を含む。いくつかの実施形態では、センサ３１０は、周辺地域についてのデータを集める１つまたは複数のＩｏＴデバイス／センサを含む。センサ３１０は、ＩｏＴフィードをＡＩシステム３２０に伝送することができる。いくつかの実施形態では、ＡＩシステム３２０は、方法１００（図１）の動作（すなわち、１１０～１９０）を実施する。ＡＩシステムの構成要素は、本明細書でさらに論じられ、図４に描写されている。ＡＩシステムは、人工知能システム、または人工知能（例えば、ニューラル・ネットワークおよび機械学習）能力、あるいはその両方を有するシステムであってよい。いくつかの実施形態では、ＡＩシステム３２０は、蓄積エネルギーの解放の影響を決定し、機械学習を使用して、潜在的影響を取り除くか少なくとも最小化するための、潜在的解決策を予測する。影響または解決策あるいはその両方は、ＡＲデバイス３３０に伝送され、ＡＲデバイス３３０でシミュレートされてもよく、これにより、ユーザは、いくつかの事例では潜在的解決策と共に、蓄積エネルギーの解放の影響のシミュレーションを（ＡＲデバイス３３０を通じて）見ることができ得る。実例のシミュレーションが本明細書で論じられ、図２に描写されている。

【0063】

センサ３１０、ＡＩシステム３２０、およびＡＲデバイス３３０が、図３のシステム３００の別々の構成要素として描写されているが、いくつかの事例では。これらの構成要素は統合されてもよい。例えば、ＡＲデバイス３３０は、ＡＩシステム３２０の一部であってもよい。

【0064】

図４を参照すると、いくつかの実施形態による第２の実例のコンピュータ・システム４００の概略図が描写されている。いくつかの実施形態では、コンピュータ・システム４００は、方法１００（図１）を実施することができる。コンピュータ・システム４００は、センサ４０５、センサ４１０、およびセンサ４１５を含む。３つのセンサが描写されているが、コンピュータ・システム４００は、任意の数のセンサを含むことができる。いくつかの実施形態では、センサ４０５、４１０、および４１５は、センサ２１０（図２）と一致する。

【0065】

コンピュータ・システム４００は、ＡＩシステム４２０を含む。いくつかの実施形態では、ＡＩシステム４２０は、ＡＩシステム３２０（図３）に相当する。図４に描写されているように、ＡＩシステム４２０は、データ融合モジュール４２１、機械学習モジュール４２３、シミュレーション・モジュール４２５、および知識コーパス・モジュール４２７を含む。知識コーパス・モジュール４２７は、蓄積エネルギー・レベル、周辺地域の物体、ダメージ等についての履歴データを有する知識コーパスを含むことができる。いくつかの実施形態では、データ融合モジュール４２１は、少なくとも動作１１０（図１）を実施する。データ融合モジュール４２１は、センサ４０５、４１０、および４１５からＩｏＴフィードを受け取ることができ、ＩｏＴフィードを融合または集約することができる。いくつかの実施形態では、データ融合モジュール４２１は、ＩｏＴフィード、または少なくともＩｏＴフィードのコピーを、知識コーパスに送る。

【0066】

いくつかの実施形態では、機械学習モジュール４２３は、少なくとも動作１２０～１７５（図１）を実施する。いくつかの実施形態では、（シミュレーション能力を有する）シミュレーション・モジュール４２５は、動作のうちの少なくともいくつかの実施を支援することができる。シミュレーション・モジュール４２３は、知識コーパス・モジュール４２７から履歴データを受け取ることができ、履歴データを使用して、機械学習モジュール４２３で使用される機械学習アルゴリズムの学習または訓練あるいはその両方を行うことができる。例えば、蓄積エネルギーの解放による背景状況を予測するとき（例えば、動作１４０（図１））、機械学習モジュール４２３は、同様の蓄積エネルギー・レベルによって引き起こされたダメージおよびイベントについての履歴データを、知識コーパス・モジュール４２７の知識コーパスから集めることができる。機械学習モジュール４２３は、次に、履歴データを使用して機械学習アルゴリズムを訓練することができ、機械学習アルゴリズム（および（例えば、動作１２０（図１）からの）蓄積エネルギーの計算された量）を使用して、蓄積エネルギーの解放による潜在的ダメージを決定することができる。

【0067】

いくつかの実施形態では、知識コーパス・モジュール４２７は、周辺地域に関するデータなどの履歴データを含む。知識コーパス・モジュール４２７は、地質データ、環境データ、および人口統計データのうちの少なくとも１つを含む、周辺地域についての外部データも含むことができる。履歴データは、機械学習モジュール４２３によって使用されてもよい。

【0068】

いくつかの実施形態では、機械学習モジュール４２３は、機械学習の結果をシミュレーション・モジュール４２５に伝達する。いくつかの実施形態では、シミュレーション・モジュール４２５は、少なくとも動作１８０および１９０（図１）を実施することができる。シミュレーション・モジュール４２５は、シミュレーション能力を有することができ、様々なテスト・ケースおよび背景状況をシミュレートすることができる。いくつかの実施形態では、機械学習モジュール４２３およびシミュレーション・モジュール４２５は、絶えず通信しており、シミュレーション・モジュール４２５は、機械学習モジュール４２３によって決定されるような、様々な潜在的影響などを頻繁にシミュレートすることができる。

【0069】

コンピュータ・システム４００は、ＡＲデバイス４３０をさらに含む。いくつかの実施形態では、図４に描写されているように、ＡＲデバイス４３０は、ＡＲグラスであってよい。いくつかの実施形態では、ＡＲデバイスは、タブレット、または他の任意のタイプのモバイル／ポータブル・デバイス、あるいはその両方であってよい。いくつかの実施形態では、シミュレーション・モジュール４２５は、シミュレーションをＡＲデバイス４３０に伝送することができ、これにより、ユーザは、拡張現実におけるシミュレーションを見ることができる。図２は、実例のＡＲシミュレーションを描写している。

【0070】

図５を参照すると、コンピュータ・システム５００は、いくつかの実施形態による、汎用コンピューティング・デバイスの形で示されたコンピュータ・システム／サーバ５０２である。いくつかの実施形態では、コンピュータ・システム／サーバ５０２は、リンク・デバイス上に置かれる。いくつかの実施形態では、コンピュータ・システム５０２は、リンク・デバイスに接続される。コンピュータ・システム／サーバ５０２の構成要素は、１つまたは複数のプロセッサすなわち処理ユニット５１０、システム・メモリ５６０、および、システム・メモリ５６０を含む様々なシステム構成要素をプロセッサ５１０に連結するバス５１５を含むことができるがこれらに限定されない。

【0071】

バス５１５は、メモリ・バスまたはメモリ・コントローラ、周辺機器バス、アクセラレイティッド・グラフィックス・ポート、および、様々なバス・アーキテクチャのいずれかを使用したプロセッサまたはローカル・バスを含む、バス構造のいくつかのタイプのうちのいずれかの１つまたは複数を表す。限定ではなく一例として、このようなアーキテクチャは、インダストリ・スタンダード・アーキテクチャ（ＩＳＡ）バス、マイクロ・チャネル・アーキテクチャ（ＭＣＡ）バス、エンハンスト・ＩＳＡ（ＥＩＳＡ）バス、ビデオ・エレクトロニクス・スタンダーズ・アソシエーション（ＶＥＳＡ）ローカル・バス、およびペリフェラル・コンポーネント・インターコネクト（ＰＣＩ）バスを含む。

【0072】

コンピュータ・システム／サーバ５０２は、典型的には、様々なコンピュータ・システム可読媒体を含む。このような媒体は、コンピュータ・システム／サーバ５０２によってアクセス可能な任意の利用可能な媒体であってよく、媒体は、揮発性と不揮発性両方の媒体、取外し可能と取外し不能両方の媒体を含む。

【0073】

システム・メモリ５６０は、ランダム・アクセス・メモリ（ＲＡＭ）５６２またはキャッシュ・メモリ５６４あるいはその両方などの揮発性メモリの形の、コンピュータ・システム可読媒体を含むことができる。コンピュータ・システム／サーバ５０２は、他の取外し可能／取外し不能な、揮発性／不揮発性のコンピュータ・システム・ストレージ媒体をさらに含むことができる。ほんの一例として、ストレージ・システム５６５は、取外し不能な不揮発性磁気媒体（図示されていないが、典型的には「ハード・ドライブ」と呼ばれる）を読み書きするために提供されることが可能である。図示されていないが、取外し可能な不揮発性磁気ディスク（例えば「フロッピー（Ｒ）・ディスク」）を読み書きするための磁気ディスク・ドライブ、およびＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、または他の光媒体などの取外し可能な不揮発性光ディスクを読み書きするための光ディスク・ドライブが提供されることが可能である。このような事例では、それぞれが、１つまたは複数のデータ媒体インターフェースによってバス５１５に接続されることが可能である。下記でさらに描写され記述されるように、メモリ５６０は、本開示の実施形態の機能を実行するように構成されたプログラム・モジュールのセット（例えば、少なくとも１つ）を有する少なくとも１つのプログラム製品を含むことができる。

【0074】

プログラム／ユーティリティ５６８は、プログラム・モジュール５６９のセット（少なくとも１つ）を有し、オペレーティング・システム、１つまたは複数のアプリケーション・プログラム、他のプログラム・モジュール、およびプログラム・データと同様に、限定ではなく一例としてメモリ５６０に格納されてもよい。オペレーティング・システム、１つもしくは複数のアプリケーション・プログラム、他のプログラム・モジュール、およびプログラム・データ、またはそのいくつかの組合せのそれぞれが、ネットワーキング環境の実装形態を含むことができる。プログラム・モジュール５６９は、一般に、本明細書で説明されるような、本発明の実施形態の機能または方法あるいはその両方を実行する。

【0075】

また、コンピュータ・システム／サーバ５０２は、キーボード、ポインティング・デバイス、ディスプレイ５３０などの１つもしくは複数の外部デバイス５４０、ユーザがコンピュータ・システム／サーバ５０２と対話することを可能にする１つもしくは複数のデバイス、または、コンピュータ・システム／サーバ５０２が１つもしくは複数の他のコンピューティング・デバイスと通信することを可能にする任意のデバイス（例えば、ネットワーク・カード、モデム等）、あるいはその組合せと通信することができる。このような通信は、入出力（Ｉ／Ｏ）インターフェース５２０を介して行われることが可能である。さらに、コンピュータ・システム／サーバ５０２は、ローカル・エリア・ネットワーク（ＬＡＮ）、一般的なワイド・エリア・ネットワーク（ＷＡＮ）、またはパブリック・ネットワーク（例えばインターネット）、あるいはその組合せなどの１つまたは複数のネットワークと、ネットワーク・アダプタ５５０を介して通信することができる。描写されているように、ネットワーク・アダプタ５５０は、バス５１５を介して、コンピュータ・システム／サーバ５０２の他の構成要素と通信する。図示されていないが、他のハードウェアまたはソフトウェア構成要素あるいはその両方が、コンピュータ・システム／サーバ５０２と共に使用されることが可能であることを理解されたい。例は、マイクロコード、デバイス・ドライバ、冗長処理ユニット、外部ディスク・ドライブ・アレイ、ＲＡＩＤシステム、テープ・ドライブ、およびデータ・アーカイブ・ストレージ・システム等を含むがこれらに限定されない。

【0076】

本発明は、統合のいずれかの可能な技術的詳細レベルにおけるシステム、方法、またはコンピュータ・プログラム製品、あるいはその組合せであってよい。コンピュータ・プログラム製品は、本発明の態様をプロセッサに実行させるためのコンピュータ可読プログラム命令を有するコンピュータ可読ストレージ媒体（または複数の媒体）を含むことができる。

【0077】

コンピュータ可読ストレージ媒体は、命令実行デバイスによる使用のための命令を保持し記憶することができる有形デバイスであることが可能である。コンピュータ可読ストレージ媒体は、例えば、電子ストレージ・デバイス、磁気ストレージ・デバイス、光ストレージ・デバイス、電磁気ストレージ・デバイス、半導体ストレージ・デバイス、または前述の任意の適切な組合せであってよいがこれらに限定されない。コンピュータ可読ストレージ媒体のより具体的な例の完全に網羅されていないリストは、以下の、ポータブル・コンピュータ・ディスケット、ハードディスク、ランダム・アクセス・メモリ（ＲＡＭ）、スタティック・ランダム・アクセス・メモリ（ＳＲＡＭ）、ポータブル・コンパクト・ディスク・リード・オンリ・メモリ（ＣＤ－ＲＯＭ）、デジタル・バーサタイル・ディスク（ＤＶＤ）、メモリ・スティック、フロッピー（Ｒ）・ディスク、命令が記録されたパンチ・カードまたは溝内隆起構造などの機械的にエンコードされたデバイス、および前述の任意の適切な組合せを含む。本明細書で使用されるようなコンピュータ可読ストレージ媒体は、電波もしくは他の自由に伝搬する電磁波、導波路もしくは他の伝送媒体を通じて伝搬する電磁波（例えば、光ファイバ・ケーブルを通過する光パルス）、またはワイヤを通じて伝送される電子信号など、本質的に一時的な信号であると解釈されるべきではない。

【0078】

本明細書で説明されるコンピュータ可読プログラム命令は、コンピュータ可読ストレージ媒体からそれぞれの計算／処理デバイスに、あるいは、例えば、インターネット、ローカル・エリア・ネットワーク、ワイド・エリア・ネットワーク、もしくはワイヤレス・ネットワーク、またはその組合せなどのネットワークを介して外部コンピュータまたは外部ストレージ・デバイスに、ダウンロードされることが可能である。ネットワークは、銅伝送ケーブル、光伝送ファイバ、ワイヤレス伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイ・コンピュータ、またはエッジ・サーバ、あるいはその組合せを備えることができる。各計算／処理デバイス内のネットワーク・アダプタ・カードまたはネットワーク・インターフェースは、コンピュータ可読プログラム命令をネットワークから受け取り、それぞれの計算／処理デバイス内のコンピュータ可読ストレージ媒体に記憶するためにコンピュータ可読プログラム命令を転送する。

【0079】

本発明の動作を実行するためのコンピュータ可読プログラム命令は、アセンブラ命令、インストラクション・セット・アーキテクチャ（ＩＳＡ）命令、機械語命令、機械依存命令、マイクロコード、ファームウェア命令、状態設定データ、集積回路機器のための構成データ、または、Ｓｍａｌｌｔａｌｋ（Ｒ）、Ｃ＋＋、もしくは同様のものなどのオブジェクト指向プログラム言語、および「Ｃ」プログラミング言語もしくは同様のプログラミング言語などの手続き型プログラミング言語を含む１つもしくは複数のプログラミング言語のいずれかの組合せで書かれたソース・コードもしくはオブジェクト・コードであってよい。コンピュータ可読プログラム命令は、完全にユーザのコンピュータ上で、部分的にユーザのコンピュータ上で、スタンド・アロン・ソフトウェア・パッケージとして、部分的にユーザのコンピュータおよび部分的にリモート・コンピュータ上で、または完全にリモート・コンピュータもしくはサーバ上で実行することができる。後者のシナリオでは、リモート・コンピュータは、ローカル・エリア・ネットワーク（ＬＡＮ）もしくはワイド・エリア・ネットワーク（ＷＡＮ）を含む任意のタイプのネットワークを通じてユーザのコンピュータに接続されてもよく、または、接続は、（例えば、インターネット・サービス・プロバイダを使用してインターネットを通じて）外部コンピュータに対して行われてもよい。いくつかの実施形態では、例えば、プログラム可能論理回路機器、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、またはプログラマブル・ロジック・アレイ（ＰＬＡ）を含む電子回路機器は、本発明の態様を実施するために、コンピュータ可読プログラム命令の状態情報を利用して電子回路機器を個別化にすることによって、コンピュータ可読プログラム命令を実行することができる。

【0080】

本発明の態様は、本発明の実施形態による方法、装置（システム）、およびコンピュータ・プログラム製品の流れ図またはブロック図あるいはその両方を参照しながら本明細書で説明される。流れ図またはブロック図あるいはその両方の各ブロック、および流れ図またはブロック図あるいはその両方におけるブロックの組合せは、コンピュータ可読プログラム命令によって実施できることが理解されよう。

【0081】

これらのコンピュータ可読プログラム命令は、コンピュータまたは他のプログラム可能データ処理装置のプロセッサを介して実行する命令が、流れ図またはブロック図あるいはその両方の１つまたは複数のブロックで指定された機能／行為を実施するための手段を作り出すべく、汎用コンピュータ、専用コンピュータ、または機械を生み出すための他のプログラム可能データ処理装置のプロセッサに提供されてもよい。これらのコンピュータ可読プログラム命令は、また、コンピュータ可読ストレージ媒体に格納されてもよく、命令は、命令を記憶したコンピュータ可読ストレージ媒体が、流れ図またはブロック図あるいはその両方の１つまたは複数のブロックで指定された機能／行為の態様を実施する命令を含む製品を備えるべく、特定の様式で機能するようにコンピュータ、プログラム可能データ処理装置、または他のデバイス、あるいはその両方に指図することができる。コンピュータ可読プログラム命令は、また、コンピュータ、他のプログラム可能装置、または他のデバイス上で実行する命令が、流れ図またはブロック図あるいはその両方の１つまたは複数のブロックで指定された機能／行為を実施するべく、コンピュータ、他のプログラム可能装置、または他のデバイス上で一連の動作ステップを実施してコンピュータ実行処理を生み出すために、コンピュータ、他のプログラム可能データ処理装置、または他のデバイスにロードされてもよい。

【0082】

図中の流れ図およびブロック図は、本発明のいくつかの実施形態によるシステム、方法、およびコンピュータ・プログラム製品の可能な実装形態のアーキテクチャ、機能、および動作を示す。この点に関して、流れ図またはブロック図の各ブロックは、命令のモジュール、セグメント、または一部を表すことができ、命令は、指定された論理機能を実施するための１つまたは複数の実行可能命令を含む。いくつかの代替実装形態では、ブロックに記された機能は、図に記された順序とは無関係に行われてもよい。例えば、連続して示された２つのブロックは、実際には、実質的に同時に実行されてもよく、または、ブロックは、時には、含まれる機能に応じて逆の順序で実行されてもよい。ブロック図または流れ図あるいはその両方の各ブロック、および、ブロック図または流れ図あるいはその両方におけるブロックの組合せは、指定された機能または行為を行うか、専用ハードウェアとコンピュータ命令との組合せを実行する専用ハードウェア・ベースのシステムによって実施可能であることにも留意されたい。

【0083】

本開示の様々な実施形態の説明は例証のために提示されてきたが、網羅的であること、または開示された実施形態に限定されることを意図するものではない。多くの変更形態および変形形態が、説明された実施形態の範囲から逸脱することなく、当業者には明らかであろう。本明細書で使用された用語は、実施形態の原理、実用的用途、もしくは市場で見つかる技術に対する技術的改善を最もよく説明するように、または、本明細書で開示された実施形態を当業者が理解できるように選ばれた。

【図1】

【図2】

【図3】

【図4】

【図5】