特許ウォッチ

公開番号2025099162
公報種別公開特許公報(A)
公開日2025-07-03
出願番号2023215600
出願日2023-12-21
発明の名称シミュレーション装置、プログラム、およびシミュレーション方法
出願人ローム株式会社
代理人弁理士法人佐野特許事務所
主分類G06N 20/00 20190101AFI20250626BHJP(計算;計数)
要約【課題】教師なしの機械学習による効果を効果的に確認することができる。
【解決手段】シミュレーション装置(1)において、モデル設定部(6)は、読み込まれたデータに基づき、機械学習モデル(40)に逐次入力させる場合の1回分のデータの塊としてのチャンクに関する設定を行い、モデル演算部(5)は、前記チャンクを前記機械学習モデルに逐次入力させることで教師なし学習の演算および推論の演算を行う。
【選択図】図2
特許請求の範囲【請求項１】
学習および推論を行うように構成される機械学習モデルを記憶されたモデル記憶部と、
前記機械学習モデルを用いて演算処理を行うように構成されるモデル演算部と、
操作入力部と、
データを読み込むように構成される読込み部と、
前記操作入力部による入力に基づき、前記機械学習モデルに関する設定を行うように構成されるモデル設定部と、
を備え、
前記モデル設定部は、読み込まれた前記データに基づき、前記機械学習モデルに逐次入力させる場合の１回分のデータの塊としてのチャンクに関する設定を行い、
前記モデル演算部は、前記チャンクを前記機械学習モデルに逐次入力させることで教師なし学習の演算および推論の演算を行う、シミュレーション装置。
続きを表示（約 1,100 文字）【請求項２】
前記モデル設定部は、前記チャンクに複数種類の信号の時系列データを含めるように設定が可能である、請求項１に記載のシミュレーション装置。
【請求項３】
前記モデル設定部は、読み込まれた前記データに基づき、先頭列としての列番号、行数、および列数を設定することで前記チャンクの設定が可能である、請求項１に記載のシミュレーション装置。
【請求項４】
前記機械学習モデルは、読み込まれた前記データに対して下記式により正規化処理を行うように構成される第１前処理部を有し、
前記モデル設定部は、下記式のパラメータを設定可能である、請求項１に記載のシミュレーション装置。
JPEG
2025099162000007.jpg
20
50
ただし、xcolumn iは、第i列の前記データ、diおよびsiは、第i列の前記データに対するパラメータである。
【請求項５】
前記機械学習モデルは、読み込まれた前記データに対してエンベロープ処理を行うように構成される第２前処理部を有し、
前記モデル設定部は、読み込まれた前記データの列ごとに前記エンベロープ処理の有無を設定可能である、請求項１に記載のシミュレーション装置。
【請求項６】
前記機械学習モデルは、前記チャンクごとに窓関数処理および周波数解析処理を行うように構成される第３前処理部を有し、
前記モデル設定部は、前記窓関数処理および前記周波数解析処理のそれぞれの有無を設定可能である、請求項１に記載のシミュレーション装置。
【請求項７】
前記モデル設定部は、前記機械学習モデルによる学習を開始させる前記チャンクである学習開始チャンクおよび前記機械学習モデルによる推論を開始させる前記チャンクである推論開始チャンクを設定可能である、請求項１に記載のシミュレーション装置。
【請求項８】
前記学習開始チャンクおよび前記推論開始チャンクの設定は、チャンクに含まれるデータ番号の設定により行われ、
前記データ番号は、前記チャンクの列数が複数の場合、小さい行から順に同じ行の異なる列のデータに列番号が小さい順に番号を順に割り当てた場合の番号である、請求項７に記載のシミュレーション装置。
【請求項９】
前記モデル設定部は、前記機械学習モデルに含まれるニューラルネットワークに関する項目を設定可能である、請求項１に記載のシミュレーション装置。
【請求項１０】
前記項目には、学習結果を忘れる程度を表すパラメータである忘却率が含まれる、請求項９に記載のシミュレーション装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本開示は、シミュレーション装置に関する。
続きを表示（約 1,900 文字）【背景技術】
【０００２】
従来、産機分野の工場設備保全に関して、機械システムの状態管理保全（Condition Based Maintenance）に対してＡＩ（人工知能）の適用が進んでいる（例えば特許文献１）。
【先行技術文献】
【特許文献】
【０００３】
国際公開第２０１９／０３５２７９号
【０００４】
［概要］
上記状態管理保全に対してＡＩを導入する場合、実機を用いずにＡＩの効果を確認することができれば有用である。機械学習としては、教師データを用いない、いわゆる教師なし学習が知られている。
【０００５】
上記状況に鑑み、本開示は、教師なしの機械学習による効果を効果的に確認することができるシミュレーション装置を提供することを目的とする。
【０００６】
本開示の一態様に係るシミュレーション装置は、
学習および推論を行うように構成される機械学習モデルを記憶されたモデル記憶部と、
前記機械学習モデルを用いて演算処理を行うように構成されるモデル演算部と、
操作入力部と、
データを読み込むように構成される読込み部と、
前記操作入力部による入力に基づき、前記機械学習モデルに関する設定を行うように構成されるモデル設定部と、
を備え、
前記モデル設定部は、読み込まれた前記データに基づき、前記機械学習モデルに逐次入力させる場合の１回分のデータの塊としてのチャンクに関する設定を行い、
前記モデル演算部は、前記チャンクを前記機械学習モデルに逐次入力させることで教師なし学習の演算および推論の演算を行う構成としている。
【０００７】
また、本開示の一態様に係るシミュレーション方法は、
データを読み込む第１ステップと、
読み込まれた前記データに基づき、機械学習モデルに逐次入力させる場合の１回分のデータの塊としてのチャンクに関する設定を行う第２ステップと、
前記チャンクを前記機械学習モデルに逐次入力させることで教師なし学習の演算および推論の演算を行う第３ステップと、を備える。
【図面の簡単な説明】
【０００８】
図１は、本開示の例示的な実施形態に係るコンピュータの構成を示す図である
図２は、本開示の例示的な実施形態に係るシミュレーション装置の構成を示す図である。
図３は、機械学習モデルの構成例を示す図である。
図４は、３層ニューラルネットワークを示す図である。
図５は、第１設定画面を示す図である。
図６は、ダイアログボックスを示す図である。
図７は、データファイル（サンプルのファイル）におけるデータの一例を示す図である。
図８は、第１設定画面を示す図である。
図９は、第１設定画面における第１列についての前処理設定および処理結果の一例を示す図である。
図１０は、第１設定画面における第２列についての前処理設定および処理結果の一例を示す図である。
図１１は、第１設定画面における第３列についての前処理設定および処理結果の一例を示す図である。
図１２は、第１設定画面における第４列についての前処理設定および処理結果の一例を示す図である。
図１３は、第２設定画面を示す図である。
図１４は、第２設定画面を示す図である。
図１５は、第２設定画面を示す図である。
図１６は、第３設定画面を示す図である。
図１７は、第３設定画面における前処理結果の例を示す図である。
図１８は、第３設定画面における学習・推論設定部を示す図である。
図１９は、学習・推論の設定に関する例を示す図である。
図２０は、第４設定画面を示す図である。
図２１は、第４設定画面を示す図である。
図２２は、繰り返しの学習の例を示す図である。
図２３は、グラフ画面を示す図である。
【０００９】
[詳細な説明]
以下、本開示の例示的な実施形態について、図面を参照して説明する。
【００１０】
＜コンピュータの構成＞
図１は、本開示の例示的な実施形態に係るコンピュータ１００の構成を示す図である。コンピュータ１００は、後述する本開示に係るシミュレーション装置として機能する。コンピュータ１００は、例えばＰＣ（パソコン）である。コンピュータ１００がＰＣである場合、デスクトップ型であるかノート型であるかなどは問わない。
（【００１１】以降は省略されています）

関連特許