図面 (/)

技術 情報処理装置及び情報処理プログラム

出願人 富士ゼロックス株式会社
発明者 柏木崇明谷田和敏高野昌泰
出願日 2017年5月18日 (2年2ヶ月経過) 出願番号 2017-099218
公開日 2018年12月6日 (7ヶ月経過) 公開番号 2018-195133
状態 未査定
技術分野
  • -
主要キーワード モデル生成モジュール 保全担当者 閾値表 ルールグループ 平均湿度 携帯情報通信機器 共通範囲 ルール候補
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2018年12月6日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (17)

課題

事象項目とその事象項目の値とから結果を予測するモデルを、単に適用する場合に比べて、予測する結果の精度を高めることができる汎用的なルールを生成することができる情報処理装置を提供する。

解決手段

情報処理装置の受付手段は、複数の事象項目と該事象項目の値と結果を有する事象データ受け付けモデル生成手段は、前記事象項目と該事象項目の値を組み合わせたツリー構造を持つモデルを生成し、抽出手段は、前記モデルに対し事象項目と該事象項目の値を適用して得られる結果と、該事象項目と該事象項目の値における結果との一致率が予め定められた割合より大又は以上である場合、前記ツリー中の事象項目と該事象項目の値との組み合わせをルール候補として抽出し、汎用ルール生成手段は、複数のルール候補から汎用的なルールを生成する。

概要

背景

特許文献1には、多数のプラント構成機器の各々の点検補修前歴に基づいて各機器余寿命診断を行いプラントの次回の定期点検計画を作成する予防保全方法において、多数のプラント構成機器を同種類の機器毎にグループ分けし、各グループ毎割り当てられたサブシステムを用い当該グループに属する各機器の点検、補修前歴及び知識ベースに基づいて各機器の余寿命診断を行い、各サブシステムから通信により取得した余寿命診断結果を用いホストシステムが次回の定期点検計画を作成することが開示されている。

概要

事象項目とその事象項目の値とから結果を予測するモデルを、単に適用する場合に比べて、予測する結果の精度を高めることができる汎用的なルールを生成することができる情報処理装置を提供する。情報処理装置の受付手段は、複数の事象項目と該事象項目の値と結果を有する事象データ受け付けモデル生成手段は、前記事象項目と該事象項目の値を組み合わせたツリー構造を持つモデルを生成し、抽出手段は、前記モデルに対し事象項目と該事象項目の値を適用して得られる結果と、該事象項目と該事象項目の値における結果との一致率が予め定められた割合より大又は以上である場合、前記ツリー中の事象項目と該事象項目の値との組み合わせをルール候補として抽出し、汎用ルール生成手段は、複数のルール候補から汎用的なルールを生成する。

目的

本発明は、事象項目とその事象項目の値とから結果を予測するモデルを、単に適用する場合に比べて、予測する結果の精度を高めることができる汎用的なルールを生成することができる情報処理装置及び情報処理プログラムを提供する

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

該当するデータがありません

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

複数の事象項目と該事象項目の値と結果を有する事象データ受け付ける受付手段と、前記事象項目と該事象項目の値を組み合わせたツリー構造を持つモデルを生成するモデル生成手段と、前記モデルに対し事象項目と該事象項目の値を適用して得られる結果と、該事象項目と該事象項目の値における結果との一致率が予め定められた割合より大又は以上である場合、前記ツリー中の事象項目と該事象項目の値との組み合わせをルール候補として抽出する抽出手段と、複数のルール候補から汎用的なルールを生成する汎用ルール生成手段を有する情報処理装置

請求項2

前記モデル生成手段は、複数のモデルを生成し、前記抽出手段は、複数のモデル内のツリーを辿ることによって、結果を得るためのルール候補を抽出する請求項1に記載の情報処理装置。

請求項3

前記汎用ルール生成手段は、複数のルール候補のうち、共通する事象項目をもつルール候補から、汎用的なルールを生成する請求項1に記載の情報処理装置。

請求項4

前記汎用ルール生成手段は、共通する事象項目の値について、複数のルール候補の値で共通する範囲を汎用的なルールの値とする請求項3に記載の情報処理装置。

請求項5

前記汎用ルール生成手段は、共通する事象項目の値について、複数のルール候補の値の少なくとも1つ以上を含む範囲を汎用的なルールの値とする請求項3に記載の情報処理装置。

請求項6

前記ルール候補を抽出する過程又は前記汎用的なルールを生成する過程を提示する提示手段をさらに有する請求項1に記載の情報処理装置。

請求項7

前記提示手段は、前記ルール候補を抽出する過程として、前記モデルに対し事象項目と該事象項目の値を適用した数、前記一致率、又はこれらの組み合わせを提示する請求項6に記載の情報処理装置。

請求項8

前記提示手段は、前記汎用的なルールを生成する過程として、前記事象項目の値の範囲を図示して提示する請求項6に記載の情報処理装置。

請求項9

前記提示手段は、前記ルール候補又は前記汎用的なルールを編集可能に提示する請求項6に記載の情報処理装置。

請求項10

前記モデル生成手段は、機械学習によってツリー構造を持つモデルを生成する請求項1から9のいずれか一項に記載の情報処理装置。

請求項11

コンピュータを、複数の事象項目と該事象項目の値と結果を有する事象データを受け付ける受付手段と、前記事象項目と該事象項目の値を組み合わせたツリー構造を持つモデルを生成するモデル生成手段と、前記モデルに対し事象項目と該事象項目の値を適用して得られる結果と、該事象項目と該事象項目の値における結果との一致率が予め定められた割合より大又は以上である場合、前記ツリー中の事象項目と該事象項目の値との組み合わせをルール候補として抽出する抽出手段と、複数のルール候補から汎用的なルールを生成する汎用ルール生成手段として機能させるための情報処理プログラム

技術分野

0001

本発明は、情報処理装置及び情報処理プログラムに関する。

背景技術

0002

特許文献1には、多数のプラント構成機器の各々の点検補修前歴に基づいて各機器余寿命診断を行いプラントの次回の定期点検計画を作成する予防保全方法において、多数のプラント構成機器を同種類の機器毎にグループ分けし、各グループ毎割り当てられたサブシステムを用い当該グループに属する各機器の点検、補修前歴及び知識ベースに基づいて各機器の余寿命診断を行い、各サブシステムから通信により取得した余寿命診断結果を用いホストシステムが次回の定期点検計画を作成することが開示されている。

先行技術

0003

特許2541633号公報

発明が解決しようとする課題

0004

事象項目とその事象項目の値とから結果を予測するモデルがある。
しかし、単にそのモデルを適用しただけでは、その予測の精度を高めることは困難である。
本発明は、事象項目とその事象項目の値とから結果を予測するモデルを、単に適用する場合に比べて、予測する結果の精度を高めることができる汎用的なルールを生成することができる情報処理装置及び情報処理プログラムを提供することを目的としている。

課題を解決するための手段

0005

かかる目的を達成するための本発明の要旨とするところは、次の各項の発明に存する。
請求項1の発明は、複数の事象項目と該事象項目の値と結果を有する事象データ受け付ける受付手段と、前記事象項目と該事象項目の値を組み合わせたツリー構造を持つモデルを生成するモデル生成手段と、前記モデルに対し事象項目と該事象項目の値を適用して得られる結果と、該事象項目と該事象項目の値における結果との一致率が予め定められた割合より大又は以上である場合、前記ツリー中の事象項目と該事象項目の値との組み合わせをルール候補として抽出する抽出手段と、複数のルール候補から汎用的なルールを生成する汎用ルール生成手段を有する情報処理装置である。

0006

請求項2の発明は、前記モデル生成手段は、複数のモデルを生成し、前記抽出手段は、複数のモデル内のツリーを辿ることによって、結果を得るためのルール候補を抽出する請求項1に記載の情報処理装置である。

0007

請求項3の発明は、前記汎用ルール生成手段は、複数のルール候補のうち、共通する事象項目をもつルール候補から、汎用的なルールを生成する請求項1に記載の情報処理装置である。

0008

請求項4の発明は、前記汎用ルール生成手段は、共通する事象項目の値について、複数のルール候補の値で共通する範囲を汎用的なルールの値とする請求項3に記載の情報処理装置である。

0009

請求項5の発明は、前記汎用ルール生成手段は、共通する事象項目の値について、複数のルール候補の値の少なくとも1つ以上を含む範囲を汎用的なルールの値とする請求項3に記載の情報処理装置である。

0010

請求項6の発明は、前記ルール候補を抽出する過程又は前記汎用的なルールを生成する過程を提示する提示手段をさらに有する請求項1に記載の情報処理装置である。

0011

請求項7の発明は、前記提示手段は、前記ルール候補を抽出する過程として、前記モデルに対し事象項目と該事象項目の値を適用した数、前記一致率、又はこれらの組み合わせを提示する請求項6に記載の情報処理装置である。

0012

請求項8の発明は、前記提示手段は、前記汎用的なルールを生成する過程として、前記事象項目の値の範囲を図示して提示する請求項6に記載の情報処理装置である。

0013

請求項9の発明は、前記提示手段は、前記ルール候補又は前記汎用的なルールを編集可能に提示する請求項6に記載の情報処理装置である。

0014

請求項10の発明は、前記モデル生成手段は、機械学習によってツリー構造を持つモデルを生成する請求項1から9のいずれか一項に記載の情報処理装置である。

0015

請求項11の発明は、コンピュータを、複数の事象項目と該事象項目の値と結果を有する事象データを受け付ける受付手段と、前記事象項目と該事象項目の値を組み合わせたツリー構造を持つモデルを生成するモデル生成手段と、前記モデルに対し事象項目と該事象項目の値を適用して得られる結果と、該事象項目と該事象項目の値における結果との一致率が予め定められた割合より大又は以上である場合、前記ツリー中の事象項目と該事象項目の値との組み合わせをルール候補として抽出する抽出手段と、複数のルール候補から汎用的なルールを生成する汎用ルール生成手段として機能させるための情報処理プログラムである。

発明の効果

0016

請求項1の情報処理装置によれば、事象項目とその事象項目の値とから結果を予測するモデルを、単に適用する場合に比べて、予測する結果の精度を高めることができる汎用的なルールを生成することができる。

0017

請求項2の情報処理装置によれば、複数のモデルからルール候補を抽出することができる。

0018

請求項3の情報処理装置によれば、複数のルール候補から、汎用的なルールを生成することができる。

0019

請求項4の情報処理装置によれば、共通する事象項目の値について、複数のルール候補の値で共通する範囲を汎用的なルールの値とすることができる。

0020

請求項5の情報処理装置によれば、共通する事象項目の値について、複数のルール候補の値の少なくとも1つ以上を含む範囲を汎用的なルールの値とすることができる。

0021

請求項6の情報処理装置によれば、ルール候補を抽出する過程又は汎用的なルールを生成する過程を提示することができる。

0022

請求項7の情報処理装置によれば、ルール候補を抽出する過程として、モデルに対し事象項目とその事象項目の値を適用した数、一致率、又はこれらの組み合わせを提示することができる。

0023

請求項8の情報処理装置によれば、汎用的なルールを生成する過程として、事象項目の値の範囲を図示して提示することができる。

0024

請求項9の情報処理装置によれば、ルール候補又は汎用的なルールを編集可能に提示することができる。

0025

請求項10の情報処理装置によれば、機械学習によってモデルを生成することができる。

0026

請求項11の情報処理プログラムによれば、事象項目とその事象項目の値とから結果を予測するモデルを、単に適用する場合に比べて、予測する結果の精度を高めることができる汎用的なルールを生成することができる。

図面の簡単な説明

0027

本実施の形態の構成例についての概念的なモジュール構成図である。
本実施の形態を利用したシステム構成例を示す説明図である。
本実施の形態による処理例を示すフローチャートである。
本実施の形態による処理例を示すフローチャートである。
事象データテーブルのデータ構造例を示す説明図である。
ツリー構造モデルのデータ構造例を示す説明図である。
本実施の形態による処理例を示す説明図である。
本実施の形態による処理例を示す説明図である。
本実施の形態による処理例を示す説明図である。
本実施の形態による処理例を示す説明図である。
本実施の形態による処理例を示す説明図である。
汎用ルールテーブルのデータ構造例を示す説明図である。
本実施の形態による処理例を示すフローチャートである。
本実施の形態による画面表示例を示す説明図である。
本実施の形態による画面表示例を示す説明図である。
本実施の形態を実現するコンピュータのハードウェア構成例を示すブロック図である。

実施例

0028

以下、図面に基づき本発明を実現するにあたっての好適な一実施の形態の例を説明する。
図1は、本実施の形態の構成例についての概念的なモジュール構成図を示している。
なお、モジュールとは、一般的に論理的に分離可能ソフトウェア(コンピュータ・プログラム)、ハードウェア等の部品を指す。したがって、本実施の形態におけるモジュールはコンピュータ・プログラムにおけるモジュールのことだけでなく、ハードウェア構成におけるモジュールも指す。それゆえ、本実施の形態は、それらのモジュールとして機能させるためのコンピュータ・プログラム(コンピュータにそれぞれの手順を実行させるためのプログラム、コンピュータをそれぞれの手段として機能させるためのプログラム、コンピュータにそれぞれの機能を実現させるためのプログラム)、システム及び方法の説明をも兼ねている。ただし、説明の都合上、「記憶する」、「記憶させる」、これらと同等の文言を用いるが、これらの文言は、実施の形態がコンピュータ・プログラムの場合は、記憶装置に記憶させる、又は記憶装置に記憶させるように制御するという意味である。また、モジュールは機能に一対一に対応していてもよいが、実装においては、1モジュールを1プログラムで構成してもよいし、複数モジュールを1プログラムで構成してもよく、逆に1モジュールを複数プログラムで構成してもよい。また、複数モジュールは1コンピュータによって実行されてもよいし、分散又は並列環境におけるコンピュータによって1モジュールが複数コンピュータで実行されてもよい。なお、1つのモジュールに他のモジュールが含まれていてもよい。また、以下、「接続」とは物理的な接続の他、論理的な接続(データの授受、指示、データ間の参照関係等)の場合にも用いる。「予め定められた」とは、対象としている処理の前に定まっていることをいい、本実施の形態による処理が始まる前はもちろんのこと、本実施の形態による処理が始まった後であっても、対象としている処理の前であれば、そのときの状況・状態にしたがって、又はそれまでの状況・状態にしたがって定まることの意を含めて用いる。「予め定められた値」が複数ある場合は、それぞれ異なった値であってもよいし、2以上の値(もちろんのことながら、全ての値も含む)が同じであってもよい。また、「Aである場合、Bをする」という記載は、「Aであるか否かを判断し、Aであると判断した場合はBをする」の意味で用いる。ただし、Aであるか否かの判断が不要である場合を除く。また、「A、B、C」等のように事物を列挙した場合は、断りがない限り例示列挙であり、その1つのみを選んでいる場合(例えば、Aのみ)を含む。
また、システム又は装置とは、複数のコンピュータ、ハードウェア、装置等がネットワーク一対一対応通信接続を含む)等の通信手段で接続されて構成されるほか、1つのコンピュータ、ハードウェア、装置等によって実現される場合も含まれる。「装置」と「システム」とは、互いに同義の用語として用いる。もちろんのことながら、「システム」には、人為的な取り決めである社会的な「仕組み」(社会システム)にすぎないものは含まない。
また、各モジュールによる処理毎に又はモジュール内で複数の処理を行う場合はその処理毎に、対象となる情報を記憶装置から読み込み、その処理を行った後に、処理結果を記憶装置に書き出すものである。したがって、処理前の記憶装置からの読み込み、処理後の記憶装置への書き出しについては、説明を省略する場合がある。なお、ここでの記憶装置としては、ハードディスク、RAM(Random Access Memory)、外部記憶媒体通信回線を介した記憶装置、CPU(Central Processing Unit)内のレジスタ等を含んでいてもよい。

0029

本実施の形態である情報処理装置100は、事象項目とその事象項目の値とから結果を予測するためのルールを生成するものであって、図1の例に示すように、受付モジュール105、モデル生成モジュール110、ルール候補抽出モジュール115、汎用ルール生成モジュール120、ユーザーインタフェースモジュール125を有している。

0030

情報処理装置100が利用される場面として、機器又は設備保全を具体例として説明する。
機器又は設備の保全は、定期的な点検や部品の交換が行われている。この定期的な保全は、一般的に部品の寿命推定値をもとに行われているが、機器又は設備の使用方法によってその部品の消耗度も異なってくるため、機器又は設備固有の判断は、保全担当者の知識や経験に依存している。
これらの知識や経験に基づく保全では、例えば、誰でも同レベルの保全ができるとは言えないこと、人の判断が必ずしも最適なものとは言えないこと、人為的なミスが無いとは限らないこと等の課題がある。
これらの課題に対して、前述した特許文献では、知識ベースを用いて機器の寿命予測を行うことにより、誰でも同レベルの保全を行い、人為的なミスを無くす方法を記載している。
また、知識ベースは、担当者によって、追加、更新を可能とし、データの蓄積によって質のよい保全に成長できるようになっている。
しかしながら、従来の技術は、故障原因となる要因をもとに人が作成したルールを用いるため、想定外の故障を防ぐことは難しい。
一方、機械学習を用いることで、人が認識しきれていないルールを抽出することも可能である。機械学習で精度のよいルールを生成するためには、膨大な教師データを必要とする。しかし、機器又は設備の保全において、故障が発生した場合のデータはそもそも少なく、単なる機械学習で精度のよいルールを生成することは困難である。
また、前述の担当者によって生成された知識ベースであっても、長年の運営によって、対象としている機器又は設備の改変、担当者の変更等が行われ、精度を向上させることは困難である。特に、知識ベース内の全てのルールを検証することは困難である。
機器又は設備の保全に適用した場合、情報処理装置100は、人が認識しきれていないルールをも抽出し、想定外の故障を防ぐための保全ルールを作成できるようにする。

0031

情報処理装置100では、事象を構成する事象項目とその事象項目の値を組み合わせたツリー構造のモデルを対象とする。このモデルは、機械学習を用いて生成したものであってもよいし、前述したように、担当者が生成した知識ベースから生成したものであってもよい。
特に、機械学習を利用して生成したモデルを対象とすることの理由は、機械学習はデータをブラックボックス的に扱うため、人が認識していないデータ同士の関連性をモデルとして導くことができる。この関連性をルールとして抽出することで、人が認識していないルールを抽出することができる。
これまでは、人の経験や知見により「この事象とこの事象がどうなったら、いつ故障する」ということを経験的に予測していたが、人が事象項目と値の組み合わせを生成せず、機械学習によって、機械的にツリーのモデルを生成することにより、人の経験や知見に現れない事象の組み合わせを発見することができる。

0032

また、複数のモデルを対象とする理由は、以下の通りである。
機械学習が学習時の初期パラメータで構造が都度変わってしまうため、1つのモデルでは汎用的なルールが抽出されたと言えないからである。複数のモデルを作成し、その複数のモデルの中から類似したルールを抽出することで、汎用的なルールが生成できる。
また、モデルをそのまま利用せず、ルールとして抽出することにも理由がある。通常、機械学習によって機器の正常又は異常を正しく予測することは難易度が高い。情報処理装置100では、ルール抽出の際、全体のツリー構造の中から予測精度の高い部分を選択することで、正解率の高いルールを選定している。なお、「予測精度の高い部分」とは、後述するように、共通する事象項目の値について、複数のルール候補の値で共通する範囲である。

0033

以下に、本実施の形態の説明における用語の定義を行う。
事象データとは、(1)事象項目と、(2)その事象項目の値と、(3)結果の組み合わせからなるデータである。具体例として、図5を用いて後述する事象データテーブル500等がある。
モデルとは、事象項目とその事象項目の値の組み合わせからなるツリー構造のモデルである。機械学習によって生成されるモデルであってもよいし、前述したように、担当者によって作成された知識ベースをもとにして生成されたモデルであってもよい。
ルールとは、事象項目と値を組み合わせたものである。具体例として、図12を用いて後述する汎用ルールテーブル1200等がある。

0034

情報処理装置100内の各モジュールについて説明する。
受付モジュール105は、モデル生成モジュール110と接続されている。受付モジュール105は、複数の事象項目とその事象項目の値と結果を有する事象データを受け付ける。例えば、図5を用いて後述する事象データテーブル500を受け付ける。機器又は設備から直接受け取るようにしてもよいし、事象データを記憶しているデータベース装置から受け取るようにしてもよい。

0035

モデル生成モジュール110は、受付モジュール105、ルール候補抽出モジュール115、ユーザーインタフェースモジュール125と接続されている。モデル生成モジュール110は、受付モジュール105が受け付けた事象項目とその事象項目の値を組み合わせたツリー構造を持つモデルを生成する。モデル生成モジュール110は、機械学習によってツリー構造を持つモデルを生成するようにしてもよい。
ここで「ツリー構造を持つモデル」を生成するのに、例えば、決定木ランダムフォレスト等を用いた機械学習を用いてもよい。また、従来の知識ベースをもとにしてモデルを生成してもよい。
ここで結果とは、「事象項目とその事象項目の値」を機器又は設備に適用した場合に、得られた結果である。具体的には、「異常が発生した」、「異常なし」等である。なお、「事象項目とその事象項目の値」は、結果を得るまでの状況として捉えてもよい。
また、モデル生成モジュール110は、複数のモデルを生成してもよい。

0036

ルール候補抽出モジュール115は、モデル生成モジュール110、汎用ルール生成モジュール120、ユーザーインタフェースモジュール125と接続されている。ルール候補抽出モジュール115は、モデル生成モジュール110が生成したモデルに対し事象項目とその事象項目の値を適用して得られる結果と、その事象項目とその事象項目の値における結果との一致率が予め定められた割合より大又は以上である場合、ツリー中の事象項目とその事象項目の値との組み合わせをルール候補として抽出する。
ルール候補抽出モジュール115において、モデルに対して適用する「事象項目とその事象項目の値」は、事象項目とその事象項目の値と結果が揃っているものであればよい。つまり、「事象項目とその事象項目の値」を適用した場合に結果が判明しているものであればよい。例えば、モデルを生成する際に用いた「事象項目とその事象項目の値」であってもよいし、モデルを生成する際に用いた「事象項目と該事象項目の値」以外の「事象項目と該事象項目の値」であってもよい。
また、ルール候補抽出モジュール115は、複数のモデル内のツリーを辿ることによって、結果を得るためのルール候補を抽出するようにしてもよい。

0037

汎用ルール生成モジュール120は、ルール候補抽出モジュール115、ユーザーインタフェースモジュール125と接続されている。汎用ルール生成モジュール120は、ルール候補抽出モジュール115によって抽出された複数のルール候補から汎用的なルールを生成する。
また、汎用ルール生成モジュール120は、複数のルール候補のうち、共通する事象項目をもつルール候補から、汎用的なルールを生成するようにしてもよい。
また、汎用ルール生成モジュール120は、共通する事象項目の値について、複数のルール候補の値で共通する範囲を汎用的なルールの値とするようにしてもよい。ここで「共通する範囲」を抽出するのに、例えば、論理演算における論理積(AND)処理を行ってもよい。
また、汎用ルール生成モジュール120は、共通する事象項目の値について、複数のルール候補の値の少なくとも1つ以上を含む範囲を汎用的なルールの値とするようにしてもよい。ここで「少なくとも1つ以上を含む範囲」を抽出するのに、例えば、論理演算における論理和(OR)処理を行ってもよい。

0038

ユーザーインタフェースモジュール125は、受付・提示モジュール130、編集モジュール135を有しており、モデル生成モジュール110、ルール候補抽出モジュール115、汎用ルール生成モジュール120と接続されている。
受付・提示モジュール130は、ルール候補を抽出する過程又は汎用的なルールを生成する過程を提示する。また、受付・提示モジュール130は、モデル生成モジュール110が生成したモデルを提示するようにしてもよい。例えば、受付・提示モジュール130は、タッチパネルを兼ねる液晶ディスプレイを制御して、ユーザーの操作を受け付け、ユーザーに対してメッセージ等を提示する。この他、マウスキーボードカメラマイク等を用いたユーザーの操作(視線ジェスチャ音声等も含む)を受け付けるようにしてもよいし、3D(Dimensions)映像としての出力、スピーカーによる音声出力触覚デバイスを用いた触感によって、ユーザーへのメッセージを提示するようにしてもよい。

0039

また、受付・提示モジュール130は、ルール候補を抽出する過程として、モデルに対し事象項目とその事象項目の値を適用した数、一致率、又はこれらの組み合わせを提示するようにしてもよい。
また、受付・提示モジュール130は、汎用的なルールを生成する過程として、事象項目の値の範囲を図示して提示するようにしてもよい。
また、受付・提示モジュール130は、ルール候補又は汎用的なルールを編集可能に提示するようにしてもよい。ここで「編集可能」として、例えば、ルール候補又は汎用的なルールを削除すること、ルールにおける値の範囲を変更すること等がある。
編集モジュール135は、受付・提示モジュール130によって提示されたルール候補又は汎用的なルールに対しての編集指示にしたがって、そのルール候補又はその汎用的なルールを編集する。

0040

図2は、本実施の形態を利用したシステム構成例を示す説明図である。
情報処理装置100、機器210A等、設備220A等、ログ収集装置230、ユーザー端末240は、通信回線290を介してそれぞれ接続されている。通信回線290は、無線有線、これらの組み合わせであってもよく、例えば、通信インフラとしてのインターネットイントラネット等であってもよい。また、情報処理装置100、ログ収集装置230による機能は、クラウドサービスとして実現してもよい。機器210、設備220は、ルールを適用する対象である。機器210として、例えば、複写機ファックススキャナプリンタ複合機(スキャナ、プリンタ、複写機、ファックス等のいずれか2つ以上の機能を有している画像処理装置)等の事務機器情報家電ロボット等がある。設備220として、例えば、鉄道における改札機券売機銀行ATM(Automated Teller Machine)、建物内のエレベータエスカレータ等がある。ユーザー端末240として、例えば、通信機能を有しているパーソナルコンピュータの他、携帯情報通信機器携帯電話スマートフォンモバイル機器ウェアラブルコンピュータ等を含む)等がある。
ログ収集装置230は、機器210、設備220から事象データを収集し、記憶する。そして、情報処理装置100に事象データを提供する。また、情報処理装置100は、ログ収集装置230を介さずに、機器210、設備220から直接事象データを収集してもよい。
そして、情報処理装置100は、汎用ルールを生成して、ルール候補を抽出する過程又は汎用ルールを生成する過程を、ユーザー端末240に提示する。また、情報処理装置100は、ユーザーの操作を直接受け付け、結果を提示するスタンドアローン型として構成してもよい。

0041

図3図4は、本実施の形態による処理例を示すフローチャートである。
テップS302では、受付モジュール105は、事象データを受け付ける。例えば、事象データテーブル500を受け付ける。図5は、事象データテーブル500のデータ構造例を示す説明図である。事象データテーブル500は、機器名欄505、平均湿度欄510、カラー印刷枚数欄515、白黒印刷枚数欄520、部品A最終交換経過日数欄525、故障欄595等を有している。事象データテーブル500は、複合機における事象データの例を示している。つまり、事象データテーブル500は、複数の事象項目とその事象項目の値と結果によって構成されている。機器名欄505は、機器名(又は機種、機器を一意識別できる情報等)を記憶している。平均湿度欄510は、その機器が設置されている箇所(又は、機器の内部)の平均湿度を記憶している。カラー印刷枚数欄515は、その機器でカラー印刷した枚数を記憶している。白黒印刷枚数欄520は、その機器で白黒印刷した枚数を記憶している。部品A最終交換経過日数欄525は、その機器における部品Aの最終交換経過日数を記憶している。故障欄595は、その機器における故障の有無を記憶している。ここで、平均湿度欄510、カラー印刷枚数欄515、白黒印刷枚数欄520、部品A最終交換経過日数欄525等が、事象項目に該当する。各セル内の値が、その事象項目の値に該当する。そして、故障欄595内の値が、結果に該当する。

0042

ステップS304では、モデル生成モジュール110は、事象データによる機械学習によってツリー構造のモデルを生成する。例えば、120日分の事象データテーブル500(学習データ)からモデルを生成する。つまり、機器毎に取得される過去の学習用データを入力することよって機械学習を行い、故障予測モデルを作成する。ツリー構造のモデルを生成する機械学習であれば、どのような機械学習であってもよいが、前述したように、決定木、ランダムフォレスト等がある。ツリー構造のモデルとしたのは、ツリーをルートからリーフ(結果)まで辿ることによって、ルールの生成ができるからである。
ステップS304で、例えば、ツリー構造モデル600を生成する。図6は、ツリー構造モデル600のデータ構造例を示す説明図である。これは、120日で異常が発生するか否かを予測するモデルであり、4階層(深さ)のツリーの例である。ルート605の下位に事象項目・値610、事象項目・値650があり、事象項目・値610の下位に事象項目・値615、事象項目・値640があり、事象項目・値615の下位に事象項目・値620、事象項目・値630があり、事象項目・値650の下位に事象項目・値660、事象項目・値670がある。
図6の例では、事象項目・値610は「湿度43.5%以上」であり、事象項目・値615は「経過日数361以上」であり、事象項目・値620は「ヒートサイクル22.95以上」であり、事象項目・値630は「ヒートサイクル22.95未満」であり、事象項目・値640は「経過日数361未満」であり、事象項目・値650は「湿度43.5%未満」であり、事象項目・値660は「定着器使用率17.95以上」であり、事象項目・値670は「定着器使用率17.95未満」である。そして、結果625は「120日で異常ありと予測」であり、結果635は「120日で異常なしと予測」であり、結果645は「120日で異常なしと予測」であり、結果665は「120日で異常ありと予測」であり、結果675は「120日で異常なしと予測」である。例えば、事象項目・値610(湿度43.5%以上)であって、事象項目・値615(経過日数361以上)であって、事象項目・値620(ヒートサイクル22.95以上)であれば、結果625(「120日で異常あり」)と予測することを示している。

0043

また、このモデルを複数生成する。例えば、図7(1a)、(1b)に示すように、複数のモデル(ツリー構造モデル1:700a、ツリー構造モデル2:700b)を生成する。なお、説明を容易にするために、図6の例に示すツリー構造モデル600よりも少ない階層(2階層)で説明する。
この後(ステップS306以降の処理)の概要として、以下の処理を行う。
これらの複数のモデルから複数のルール候補を抽出する。例えば、図7(2a)、(2b)に示すように、ツリー構造モデル1:700aからルール候補群710a(ルール候補A:712、ルール候補B:714、ルール候補C:716)を抽出し、ツリー構造モデル2:700bからルール候補群710b(ルール候補D:718、ルール候補E:720)を抽出する。
そして、これらのルール候補群から汎用性のあるルール(汎用ルール)を生成する。例えば、図7(3)に示すように、汎用ルール730、汎用ルール732を生成する。

0044

ステップS306では、ルール候補抽出モジュール115は、事象データを用意する。つまり、ステップS304で生成したモデルに適用する事象データを用意する。もちろんのことながら、事象データであるので、結果が判明しているデータである。学習データ(ステップS302で受け付けた事象データ)であってもよいし、学習データ以外の事象データであってもよい。

0045

ステップS308では、ルール候補抽出モジュール115は、モデルに事象データを適用し、モデルによる予測結果と事象データ内の結果とが一致するか否かを検証する。
例えば、図8に示すように、各経路(ルートからリーフまでのノード)の検証結果として、適用結果820、適用結果830、適用結果840を生成する。ツリー構造モデル1:700aは、120日で異常が発生するかを予測するモデルである。
ルート805の下位に事象項目・値810、事象項目・値835があり、事象項目・値810の下位に事象項目・値815、事象項目・値825がある。図8の例では、事象項目・値810は「湿度43.5%以上」であり、事象項目・値815は「ヒートサイクル22.95以上」であり、事象項目・値825は「ヒートサイクル22.95未満」であり、事象項目・値835は「湿度43.5%未満」である。そして、適用結果820は「120日で異常ありと予測、8データ中正解(異常あり):7、不正解(異常なし):1、正解率:7/8」であり、適用結果830は「120日で異常なしと予測、12データ中 正解(異常なし):6、不正解(異常あり):6、正解率:6/12」であり、適用結果840は「120日で異常なしと予測、80データ中 正解(異常なし):76、不正解(異常あり):4、正解率:76/80」である。

0046

ステップS310では、ルール候補抽出モジュール115は、全てのモデルに対して適用したか否かを判断し、全てのモデルに対して適用した場合はステップS312へ進み、それ以外の場合はステップS308へ戻る。
ステップS312では、ルール候補抽出モジュール115は、各経路での一致率(正解率)を算出する。図8の例では、以下の通りである。
〔1〕「湿度が43.5%以上」(事象項目・値810)かつ「ヒートサイクルが22.95以上」(事象項目・値815)ならば「120日で異常発生あり」と予測するが、検証結果として、事象データの8データ中の正解(異常あり)は7件であり、不正解(異常なし)は1件であり、正解率は7/8(87.5%)であることを示している。
〔2〕「湿度が43.5%以上」(事象項目・値810)かつ「ヒートサイクルが22.95未満」(事象項目・値825)ならば「120日で異常発生なし」と予測するが、検証結果として、事象データの12データ中の正解(異常なし)は6件であり、不正解(異常あり)は6件であり、正解率は6/12(50%)であることを示している。
〔3〕「湿度が43.5%未満」(事象項目・値835)ならば「120日で異常なし」と予測するが、検証結果として、事象データの80データ中の正解(異常なし)は76件であり、不正解(異常あり)は4件であり、正解率は76/80(95%)であることを示している。

0047

ステップS314では、ルール候補抽出モジュール115は、「一致率>閾値」であるか否かを判断し、「一致率>閾値」の場合はステップS316へ進み、それ以外の場合はステップS318へ進む。例えば、閾値を80%とした場合、図8の例では、〔1〕(事象項目・値810かつ事象項目・値815)と〔3〕(事象項目・値835)がルール候補となる(ステップS316)。なお、異常なしの閾値と異常ありの閾値を変更することで、より有用なルール候補が生成できるようにしてもよい。
ステップS316では、ルール候補抽出モジュール115は、モデルにおけるその経路からルール候補を抽出する。
ステップS318では、ルール候補抽出モジュール115は、一致率を算出した経路の全てに対して処理を行ったか否かを判断し、全てに対して処理を行った場合はステップS320へ進み、それ以外の場合はステップS314へ戻る。

0048

ステップS320では、汎用ルール生成モジュール120は、ルール候補からルールグループを生成する。
複数のルール候補を対象として、以下のルール(予め定められたルール)を適用して、そのルールに該当するものを同じルールグループとしてルールグループを作成する。
(ルール1)ルール候補を構成する事象項目と予測結果が同じ場合
(ルール2)ルール候補を構成する事象項目に包含関係があり、予測結果が同じ場合

0049

図9の例を用いて、(ルール1)を説明する。
ルール候補A:910は、事象項目・値912(湿度43.5%以上)、かつ、事象項目・値914(ヒートサイクル22.95以上)である場合は、予測結果916(異常あり)と判断することを示している。
ルール候補B:920は、事象項目・値922(湿度50.2%以上)、かつ、事象項目・値924(ヒートサイクル20.0以上)である場合は、予測結果926(異常あり)と判断することを示している。
ルール候補A:910の事象項目は湿度とヒートサイクルであって、ルール候補B:920の事象項目は湿度とヒートサイクルであるので、両者の事象項目は同じである。なお、事象項目が同じであることを要するが、その事象項目の値(43.5%以上等)までも同じである必要はない。そして、ルール候補A:910の予測結果916は「異常あり」であって、ルール候補B:920の予測結果926は「異常あり」であるので、両者の予測結果は同じである。そこで、ルールグループ1:930を作成する。ルールグループ1:930の内容は、事象項目932、予測結果934、ルール候補936によって構成されている。
既に作成されたルールグループと同じ事象項目と予測結果のルール候補がある場合は、そのルールグループのルールに追加すればよい。例えば、事象項目が湿度とヒートサイクルであって予測結果が「異常あり」であるルール候補Xがある場合は、ルールグループ1:930と同じ事象項目932、予測結果934であるので、ルール候補936内にルール候補Xを追加すればよい。

0050

図10の例を用いて、(ルール2)を説明する。
ルール候補C:1010は、事象項目・値1012(湿度47.3%以上)、かつ、事象項目・値1014(ヒートサイクル22.95以上)である場合は、予測結果1016(異常あり)と判断することを示している。
ルール候補D:1020は、事象項目・値1022(湿度50.2%以上)、かつ、事象項目・値1024(ヒートサイクル24.0未満)、かつ、事象項目・値1026(定着器使用率17.95以上)である場合は、予測結果1028(異常あり)と判断することを示している。
ルール候補C:1010の事象項目は湿度とヒートサイクルであって、ルール候補D:1020の事象項目は湿度とヒートサイクルと定着器使用率であるので、ルール候補D:1020の事象項目はルール候補C:1010の事象項目を包含している関係にある。なお、包含関係にある事象項目が同じであることを要するが、その事象項目の値(47.3%以上等)までも同じである必要はない。そして、ルール候補C:1010の予測結果1016は「異常あり」であって、ルール候補D:1020の予測結果1028は「異常あり」であるので、両者の予測結果は同じである。したがって、ルール候補C:1010とルール候補D:1020を同じルールグループとする。なお、ルール候補C:1010の事象項目と予測結果は、ルールグループ1:930の事象項目と予測結果と同じであるので、ルールグループ1:930のルール候補936にルール候補C:1010とルール候補D:1020を追加する。ただし、ルールグループ1:930の事象項目932には、異なる事象項目(具体的には、事象項目・値1026の事象項目である定着器使用率)は追加しない。
また、包含関係がある場合として、異なる事象項目の数に制限を設けてもよい。例えば、予め定められた数未満又は以下であること、同じ事象項目の数未満又は以下であること等がある。

0051

ステップS322では、汎用ルール生成モジュール120は、ルールグループ内の各事象項目の値に対して論理演算を行う。
図11の例を用いて、ステップS322の処理を説明する。図11(1)の例に示すように、図10の例に示したルールグループ1:930を対象とする。なお、事象項目932には、湿度とヒートサイクルの2つがある。ルール候補936には、ルール候補A:910、ルール候補B:920、ルール候補C:1010、ルール候補D:1020の4つがある。
まず、事象項目932内の湿度について、各ルール候補の事象項目の値の共通する範囲を抽出する。図11(2a)の例に示すように、ルール候補A:910では43.5%以上であり、ルール候補C:1010では47.3%以上であり、ルール候補B:920とルール候補D:1020では50.2%以上であるので、共通する範囲(論理積)として、湿度50.2%以上である共通範囲1118を抽出する。
次に、事象項目932内のヒートサイクルについて、各ルール候補の事象項目の値の共通する範囲を抽出する。図11(2b)の例に示すように、ルール候補B:920では20.0以上であり、ルール候補A:910とルール候補C:1010では22.95以上であり、ルール候補D:1020では24.0未満であるので、共通する範囲(論理積)として、ヒートサイクル22.95以上24.0未満である共通範囲1128を抽出する。
なお、複数のルール候補の値で共通する範囲を汎用的なルールの値とする例を示したが、複数のルール候補の値の少なくとも1つ以上を含む範囲(論理和)を汎用的なルールの値としてもよい。

0052

ステップS324では、汎用ルール生成モジュール120は、汎用ルールを生成する。
図11の例では、ルールグループ1:930から汎用ルール1150を生成する。ルールグループ1:930の事象項目と予測結果を、そのまま汎用ルール1150の事象項目と予測結果として採用する。そして、その事象項目の値として、ステップS322の処理結果を用いる。つまり、汎用ルール1150として、『「湿度50.2%以上」かつ「ヒートサイクルが22.95以上24.0未満」ならば「120日で異常発生あり」』を生成する。

0053

ステップS326では、汎用ルール生成モジュール120は、汎用ルールを、予測処理におけるルールとして記憶する。例えば、汎用ルールテーブル1200を生成する。図12は、汎用ルールテーブル1200のデータ構造例を示す説明図である。汎用ルールテーブル1200は、汎用ルールNo欄1205、湿度欄1210、経過日数欄1215、ヒートサイクル欄1220、定着器使用率欄1225、結果欄1230を有している。汎用ルールNo欄1205は、汎用ルールを一意に識別するための情報(汎用ルールNo)を記憶している。湿度欄1210は、事象項目である湿度の値を記憶している。経過日数欄1215は、事象項目である経過日数の値を記憶している。ヒートサイクル欄1220は、事象項目であるヒートサイクルの値を記憶している。定着器使用率欄1225は、事象項目である定着器使用率の値を記憶している。結果欄1230は、それらの事象項目の条件を満たしている場合の予測結果を記憶している。
ルール1は、『「湿度50.2%以上」かつ「ヒートサイクルが22.95以上24.0未満」ならば「120日で異常発生あり」』、ルール2は『「湿度が43.5%未満」かつ「定着器使用率が17.95未満」ならば「120日で異常発生なし」』、ルール3は『「湿度が43.5%以上」かつ「経過日数が361日以上」かつ「ヒートサイクルが22.95以上」ならば「120日で異常発生あり」』であることを示している。機械学習を用いているので、機器又は設備から収集できる事象項目とその値の中から、人が関係性を理解している事象項目とその値の組み合わせだけでなく、人が関係性を理解していない組み合わせを自動的に抽出し、そして、単なる機械学習の結果からルールを抽出しているだけでなく、汎用ルールとして抽出したものである。

0054

図13は、本実施の形態(主にユーザーインタフェースモジュール125)による処理例を示すフローチャートである。
ステップS1302では、受付・提示モジュール130は、ユーザーの提示指示を受け付ける。提示対象は、機械学習の結果であるモデル(ツリー構造)、ルール候補、汎用ルールのいずれか1つ、又は、これらの組み合わせである。以下では、モデル、ルール候補、汎用ルールを提示する例を示している。
ステップS1304では、編集モジュール135は、モデルを抽出する。
ステップS1306では、編集モジュール135は、モデルを提示する。
ステップS1308では、編集モジュール135は、ルール候補を抽出する。
ステップS1310では、編集モジュール135は、ルール候補を提示する。
ステップS1312では、編集モジュール135は、汎用ルールを抽出する。
ステップS1314では、編集モジュール135は、汎用ルールを提示する。

0055

ステップS1316では、編集モジュール135は、ルール候補、汎用ルールに対して、ユーザーの操作による編集等を受け付ける。
ステップS1318では、編集モジュール135は、その編集にしたがって、ルール候補、汎用ルールを編集等する。
ステップS1320では、編集モジュール135は、終了したか否かを判断し、終了した場合は処理を終了し(ステップS1399)、それ以外の場合はステップS1316へ戻る。

0056

図14は、本実施の形態(主にユーザーインタフェースモジュール125)による画面表示例を示す説明図である。
画面1400には、モデル表示領域1410、ルール候補表示領域1450を表示する。
モデル表示領域1410には、機械学習で生成されたモデル(知識ベースをもとにして生成されたモデルであってもよい)を表示する。つまり、モデルの構造がツリー表示される。モデルを可視化することで、知見者に事象項目の関係に対する気づきを与えることとなる。
そして、ステップS308の結果をモデル表示に組み込んでいる。具体的には、ルートノードで、100個の事象データをこのモデルに入力したことを表しており、各リーフノードで、検証結果を表示している。例えば、左下端のリーフノードでは、異常と予測された8データのうち、実際の結果は、1データが正常、7データが異常であったことを表している。

0057

ルール候補表示領域1450には、ルール候補テーブル1460、閾値表示領域1490を表示する。閾値表示領域1490には、モデル表示領域1410に表示したモデルからルール候補を抽出するための閾値を表示している。
ルール候補テーブル1460は、チェック欄1462、ルール候補No欄1464、正解率欄1466、全体比率欄1468、正常欄1470、異常欄1472、ルール欄1474を有している。ルール候補テーブル1460によって、ルール候補を一覧できるようになる。チェック欄1462には、その行のルール候補を選択するためのチェック欄を表示する。ルール候補No欄1464は、ルール候補を一意に識別するための情報(ルール候補No)を記憶している。正解率欄1466は、正解率を記憶している。全体比率欄1468は、全体比率を記憶している。ここで全体比率とは、全事象データに対し、末端ノードであるリーフノードに辿り着いた事象データ数の割合である。左下端のリーフノードでは、8%(8/100)である。正常欄1470は、結果が正常である事象データ数を記憶している。異常欄1472は、結果が異常である事象データ数を記憶している。ルール欄1474は、ルール候補を記憶している。ルートノードからリーフノードまでを辿ることによって、ルールを生成すればよい。例えば、左下端のリーフノードでは、「(湿度>=43.5%)かつ(ヒートサイクル>=22.95)ならば異常であると予測する」というルールが生成される。
ルール候補テーブル1460内の行が選択されると、モデル表示領域1410内のモデルの該当する経路が強調表示される。例えば、ルール候補テーブル1460内の2行目が選択された場合、ルートノードである「総数100」、ノード「湿度43.5%以上」、ノード「ヒートサイクル22.95以上」、ノード「異常 正常:1 異常:7」が強調表示される。強調表示として、他のノードとは異なる色で表示すること、ハイライト表示点滅表示等がある。
ルール候補テーブル1460を表示することによって、知見者が関係性を確認し、ルールとして適切ではないもの(ルールとして絶対にいらないもの等)をチェック欄1462で選択し、削除指示によって削除できる。また、ルール候補を編集してもよい。これらの編集をした場合は、編集後のルール候補に基づいて、再度汎用ルールの生成処理を行う。

0058

図15は、本実施の形態(主にユーザーインタフェースモジュール125)による画面表示例を示す説明図である。
画面1500には、ルール候補表示領域1510、事項項目表示領域1550を表示する。事項項目表示領域1550は、汎用ルールを生成する過程として、事象項目の値の範囲を図示する領域である。
ルール候補表示領域1510には、ルール候補テーブル1520を表示する。ルール候補テーブル1520は、抽出された汎用ルール、その汎用ルールのもとになったルール候補をリスト表示したものである。ルール候補テーブル1520は、チェック欄1522、汎用ルールNo欄1524、抽出ルール欄1526、ルール候補欄1528を有している。チェック欄1522には、その行の汎用ルールを選択するためのチェック欄を表示する。汎用ルールNo欄1524は、汎用ルールを一意に識別するための情報(汎用ルールNo)を記憶している。抽出ルール欄1526は、その汎用ルールの内容を記憶している。ルール候補欄1528は、その汎用ルールを生成するためのもとのルール候補を記憶している。
ルール候補テーブル1520内の行が選択されると、事象項目毎にルール候補の関係を表示する。可視化することで、知見者に事象項目の関係に対する気づきを与えることとなる。例えば、ルール候補テーブル1520内の2行目が選択された場合、事項項目表示領域1550に、湿度ルール表示領域1560、ヒートサイクルルール表示領域1570を表示する。
ルール候補表示領域1510、事項項目表示領域1550を表示することによって、知見者がルール候補間の関係性を確認し、汎用ルールとして適切ではないもの(汎用ルールとして絶対にいらないもの等)をチェック欄1522で選択し、削除指示によって削除できる。汎用ルールを編集してもよい。
また、事項項目表示領域1550内に、ルール候補毎に、全体比率欄1468の値、正解率欄1466の値等を付加して表示してもよい。知見者によって、編集の判断ができるようになるからである。例えば、全体比率の低いルール候補は削除すること、正解率の高いルール候補の値を優先して汎用ルールの範囲として選択すること等の判断できるようになる。

0059

なお、本実施の形態としてのプログラムが実行されるコンピュータのハードウェア構成は、図16に例示するように、一般的なコンピュータであり、具体的にはパーソナルコンピュータ、サーバーとなり得るコンピュータ等である。つまり、具体例として、処理部(演算部)としてCPU1601を用い、記憶装置としてRAM1602、ROM1603、HD1604を用いている。HD1604として、例えばハードディスク、SSD(Solid State Drive)を用いてもよい。受付モジュール105、モデル生成モジュール110、ルール候補抽出モジュール115、汎用ルール生成モジュール120、ユーザーインタフェースモジュール125、受付・提示モジュール130、編集モジュール135等のプログラムを実行するCPU1601と、そのプログラムやデータを記憶するRAM1602と、本コンピュータ起動するためのプログラム等が格納されているROM1603と、事象データテーブル500、汎用ルールテーブル1200、モデル、ルール候補等を記憶する補助記憶装置フラッシュメモリ等であってもよい)であるHD1604と、キーボード、マウス、タッチスクリーン、マイク、カメラ(視線検知カメラ等を含む)等に対する利用者の操作(動作、音声、視線等を含む)に基づいてデータを受け付ける受付装置1606と、CRT、液晶ディスプレイ、スピーカー等の出力装置1605と、ネットワークインタフェースカード等の通信ネットワークと接続するための通信回線インタフェース1607、そして、それらをつないでデータのやりとりをするためのバス1608により構成されている。これらのコンピュータが複数台互いにネットワークによって接続されていてもよい。

0060

前述の実施の形態のうち、コンピュータ・プログラムによるものについては、本ハードウェア構成のシステムにソフトウェアであるコンピュータ・プログラムを読み込ませ、ソフトウェアとハードウェア資源とが協働して、前述の実施の形態が実現される。
なお、図16に示すハードウェア構成は、1つの構成例を示すものであり、本実施の形態は、図16に示す構成に限らず、本実施の形態において説明したモジュールを実行可能な構成であればよい。例えば、一部のモジュールを専用のハードウェア(例えば特定用途向け集積回路(Application Specific IntegratedCircuit:ASIC)等)で構成してもよく、一部のモジュールは外部のシステム内にあり通信回線で接続している形態でもよく、さらに図16に示すシステムが複数互いに通信回線によって接続されていて互いに協調動作するようにしてもよい。また、特に、パーソナルコンピュータの他、携帯情報通信機器、情報家電、ロボット、複写機、ファックス、スキャナ、プリンタ、複合機等に組み込まれていてもよい。

0061

また、前述の実施の形態の説明内での比較処理において、「以上」、「以下」、「より大きい」、「より小さい(未満)」としたものは、その組み合わせに矛盾が生じない限り、それぞれ「より大きい」、「より小さい(未満)」、「以上」、「以下」としてもよい。

0062

なお、説明したプログラムについては、記録媒体に格納して提供してもよく、また、そのプログラムを通信手段によって提供してもよい。その場合、例えば、前記説明したプログラムについて、「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」の発明として捉えてもよい。
「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」とは、プログラムのインストール、実行、プログラムの流通等のために用いられる、プログラムが記録されたコンピュータで読み取り可能な記録媒体をいう。
なお、記録媒体としては、例えば、デジタル・バーサタイルディスク(DVD)であって、DVDフォーラムで策定された規格である「DVD−R、DVD−RW、DVD−RAM等」、DVD+RWで策定された規格である「DVD+R、DVD+RW等」、コンパクトディスク(CD)であって、読出し専用メモリCD−ROM)、CDレコーダブル(CD−R)、CDリライタブル(CD−RW)等、ブルーレイ・ディスク(Blu−ray(登録商標) Disc)、光磁気ディスク(MO)、フレキシブルディスクFD)、磁気テープ、ハードディスク、読出し専用メモリ(ROM)、電気的消去及び書換可能な読出し専用メモリ(EEPROM(登録商標))、フラッシュ・メモリ、ランダムアクセス・メモリ(RAM)、SD(Secure Digital)メモリーカード等が含まれる。
そして、前記のプログラムの全体又はその一部は、前記記録媒体に記録して保存や流通等させてもよい。また、通信によって、例えば、ローカルエリア・ネットワーク(LAN)、メトロポリタン・エリア・ネットワーク(MAN)、ワイド・エリア・ネットワーク(WAN)、インターネット、イントラネット、エクストラネット等に用いられる有線ネットワーク、又は無線通信ネットワーク、さらにこれらの組み合わせ等の伝送媒体を用いて伝送させてもよく、また、搬送波に乗せて搬送させてもよい。
さらに、前記のプログラムは、他のプログラムの一部分若しくは全部であってもよく、又は別個のプログラムと共に記録媒体に記録されていてもよい。また、複数の記録媒体に分割して記録されていてもよい。また、圧縮や暗号化等、復元可能であればどのような態様で記録されていてもよい。

0063

100…情報処理装置
105…受付モジュール
110…モデル生成モジュール
115…ルール候補抽出モジュール
120…汎用ルール生成モジュール
125…ユーザーインタフェースモジュール
130…受付・提示モジュール
135…編集モジュール
210…機器
220…設備
230…ログ収集装置
240…ユーザー端末
290…通信回線

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

該当するデータがありません

関連する公募課題

該当するデータがありません

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

該当するデータがありません

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

この 技術と関連性が強い技術

該当するデータがありません

この 技術と関連性が強い法人

該当するデータがありません

この 技術と関連性が強い人物

該当するデータがありません

この 技術と関連する社会課題

該当するデータがありません

この 技術と関連する公募課題

該当するデータがありません

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ