生产工艺优化方法及生产工艺优化系统

技术领域

本发明涉及生产工艺优化方法及生产工艺优化系统。

背景技术

专利文献1提出一种实施并管理生命科学中的实验室实验的系统。

现有技术文献

专利文献

专利文献1:美国专利申请公开第2018/0196913号说明书

发明内容

发明要解决的课题

尽管存在希望使从生产工艺中得到的增益最大化的需求，但是专利文献1中并未公开为了获得最大化的增益而优化生产工艺的方法。

因此，本发明是为了解决上述课题而做，其目的在于提供一种能够优化生产工艺的生产工艺优化方法及生产工艺优化系统。

用于解决课题的手段

本发明的生产工艺优化方法是优化生产工艺的生产工艺优化方法，包括：获取步骤，获取成为搜索的起点的起点执行程序，所述起点执行程序规定了在所述生产工艺实施的一个或多个操作，且规定了与所述操作有关的内容；可变参数项目确定步骤，确定可在所述起点执行程序中设定可变参数值的一个或多个可变参数项目；执行程序生成步骤，根据过去的执行实绩结果和该评估实绩结果，在通过所述可变参数项目确定步骤确定的所述可变参数项目中设定所述可变参数值，生成执行程序；执行结果获取步骤，获取执行主体在执行环境中按照所述执行程序实际执行时的执行结果；评估结果获取步骤，获取对所述执行结果的评估结果；以及存储步骤，将所述执行程序、所述可变参数值、所述执行结果及所述评估结果对应起来进行存储。

发明效果

根据本发明，能够优化生产工艺。

附图说明

图1是示出本实施方式的生产工艺优化系统的整体结构的框图。

图2是示出起点执行程序的结构的一个例子的示意图。

图3是示出基于过去的执行程序的执行实绩结果及评估实绩结果1的结构的一个例子的示意图。

图4是示出基于过去的执行程序的执行实绩结果及评估实绩结果2的结构的一个例子的示意图。

图5是示出模板执行程序的结构的一个例子的示意图。

图6是示出执行程序1的结构的一个例子的示意图。

图7是示出执行程序2的结构的一个例子的示意图。

图8是示出执行程序抽象语法树的结构的一个例子的示意图。

图9是示出图8所示的执行程序抽象语法树的后续结构的示意图。

图10A是示出执行环境信息的结构的示意图。

图10B是示出半序的结构的示意图。

图11是用于说明为操作分配了各自执行主体的集合A′的示意图。

图12是示出扩展抽象语法树的结构的一个例子的示意图。

图13是示出图12所示的扩展抽象语法树的后续结构的示意图。

图14是示出图13所示的扩展抽象语法树的后续结构得示意图。

图15是用于说明对集合A′的各元素分配了执行开始时间和执行结束时间的集合A″的示意图。

图16是用于说明满足了约束条件的组合的集合A″′的示意图。

图17A是示出本实施方式的生产工艺优化处理程序的流程图。

图17B是用于说明执行多个执行程序时的示意图。

图18是示出模板执行程序生成部的结构的框图。

图19是示出其他起点执行程序的结构(1)的一个例子的示意图。

图20是示出过去的关联执行程序1的结构的一个例子的示意图。

图21是示出过去的关联执行程序2的结构的一个例子的示意图。

图22是示出过去的关联执行程序3的结构的一个例子的示意图。

图23是示出过去的关联执行程序的评估实绩结果的一个例子的示意图。

图24是示出其他模板执行程序的结构(1)的一个例子的示意图。

图25是示出其他执行程序1的结构(1)的一个例子的示意图。

图26是示出其他执行程序2的结构(1)的一个例子的示意图。

图27是示出模板执行程序生成处理程序的流程图。

图28是示出可变参数值设定部的结构的框图。

图29是示出可变参数值设定处理程序的流程图。

图30是示出执行计划生成部的结构的框图。

图31是示出执行计划生成处理程序的流程图。

图32是示出个别抽象语法树的结构(1)的一个例子的示意图。

图33是示出个别抽象语法树的结构(2)的一个例子的示意图。

图34是示出个别抽象语法树的结构(3)的一个例子的示意图。

图35是示出个别抽象语法树的结构(4)的一个例子的示意图。

图36是示出个别抽象语法树生成处理程序的流程图。

图37是用于说明个别抽象语法树生成处理程序的概要(1)的示意图。

图38是用于说明个别抽象语法树生成处理程序的概要(2)的示意图。

图39是用于说明个别抽象语法树生成处理程序的概要(3)的示意图。

图40是用于说明个别抽象语法树生成处理程序的概要(4)的示意图。

图41是示出执行程序抽象语法树生成处理程序的流程图。

图42是示出通过执行程序抽象语法树生成处理整合的个别抽象语法树的结构(1)的示意图。

图43是示出通过执行程序抽象语法树生成处理整合的个别抽象语法树的结构(2)的示意图。

图44是示出整合了图42所示的个别抽象语法树、图43所示的个别抽象语法树的中间抽象语法树的结构的示意图。

图45是示出扩展抽象语法树生成处理程序的流程图。

图46是用于说明半序的概要的示意图。

图47是示出执行指示信息生成部的结构的框图。

图48是示出执行指示信息生成处理程序的流程图。

图49是示出其他起点执行程序的结构(2)的一个例子的示意图。

图50是示出其他模板执行程序的结构(2)的一个例子的示意图。

图51是示出其他执行程序1的结构(2)的一个例子的示意图。

图52是示出其他执行程序2的结构(2)的一个例子的示意图。

图53是示出用于说明第2实施方式的模板执行程序的结构的一个例子的示意图。

图54是示出用于说明第2实施方式的执行程序1的结构的一个例子的示意图。

图55是示出用于说明第2实施方式的执行程序2的结构的一个例子的示意图。

图56是示出第3实施方式的模板执行程序生成处理程序的流程图。

图57是示出第4实施方式的生产工艺优化系统的结构的框图。

图58是用于说明第4实施方式的生产工艺优化处理程序的特征性处理的流程图。

图59是示出第5实施方式的模板执行程序生成部的结构的框图。

图60是示出第5实施方式的模板执行程序生成处理程序的流程图。

图61是示出第5实施方式的可变参数值设定部的结构的框图。

图62是示出第5实施方式的可变参数值设定处理程序的流程图。

图63是用于说明在第5实施方式限制可变参数值的范围时的示意图。

具体实施方式

下面将参考附图对本发明的实施方式进行详细说明。以下的说明中，对相同的结构元素标记相同的符号，省略重复的说明。

(1)第1实施方式的生产工艺优化方法

(1－1)第1实施方式的生产工艺优化方法的概要

首先，对本实施方式的生产工艺优化方法的概要进行说明。图1是示出执行生产工艺优化方法的、本实施方式的生产工艺优化系统1的整体结构的框图。如图1所示，生产工艺优化系统1具有生产工艺优化装置2及多个通信装置3a、3b、3c、3d与互联网等网络4连接的结构。

在生产工艺优化系统1中，在下述各种生产工艺中，例如，在通过混合多种类型的咖啡豆来生产混合豆的生产工艺中，在通过混合多种类型的原料来生产由铁合金制成的铸件的生产工艺中，在通过使用多种食材来生产给定的菜肴的生产工艺中，在通过在培养基M中培养大肠杆菌X并诱导酶P的表达来生产化合物A的生产工艺中，通过试错来寻求执行程序，以获得具有尽可能高增益的最佳评估结果。

此处，所谓“最佳评估结果”，可以适用生产工艺的执行程序所花费的成本、产量、质量、执行时间、它们的偏差、以及与它们的给定目标值的偏差中的至少1种以上。例如作为混合2种咖啡豆而生产的混合豆的评估结果的一个例子，例如是生产出混合豆之前所花费的成本、混合豆的产量、混合豆的质量、生产出混合豆之前的执行时间、它们的偏差、以及与它们的给定目标值的偏差。

此处，所谓“执行程序”，是记述了在生产工艺及评估工艺进行的一系列的操作(例如，烘焙或混合、香味定性评估等)、分别被各操作处理的处理对象(例如，咖啡豆等)、通过各操作对处理对象进行处理后得到的产物(例如，咖啡豆(已烘焙)等)、通过操作对处理对象进行处理时的各种执行参数值(例如，加热温度或加热时间、冷却温度、冷却时间、湿度、培养时间、浓度、混合比、混合量等)、与操作有关的约束条件(例如，“混合操作要在咖啡豆A的烘焙结束后180秒以内”等)的数据。

例如，在工厂中，表示使用多个机床从原料开始到生产出某个产品为止的一系列操作的生产程序相当于执行程序；在实验室中，表示由多个实验者等进行生命科学实验时的一系列操作的实验程序相当于执行程序；在厨房中，表示由多个厨师从食材开始到制作出某道菜为止的一系列操作的烹饪程序相当于执行程序。

此处，使从某个生产工艺得到的增益最大化的、生产工艺的执行程序内的生产条件(例如，加热温度、加热时间、湿度等各种执行参数值的组合)不是不言自明的，在单纯的方法中需要反复执行多个实验，进行试错。产品越复杂，其生产工艺也就越复杂和巨大，搜索各种生产条件，寻求最佳的生产条件就越难。此外，在少量多品种的生产工艺、医药品的生产等中，尽管在利用生物的生产工艺中也利用机器人等来实现自动化，但是由于生产对象的品种不同、生物的个体差异等，需要在各个情况下每次求出最佳的生产条件，其结果就是，搜索生产条件所需的总成本变大。

一般而言，在搜索生产条件时，若机械装置、机器人、人(操作者)等在生产工艺中进行各操作的执行主体的种类和数量增加，则要对每个生产条件的搜索条件，向各个执行主体依次生成适当的执行指示信息，因此需要花费很大的劳力。

在本实施方式的生产工艺优化系统1中，考虑到上述问题，执行主体在执行环境100中实际按照执行程序执行生产工艺，在搜索能够获得尽可能大的增益的最佳生产条件时，能够以尽可能少的实验执行次数得到增益较大的最佳生产条件，不仅能够降低搜索生产条件所需的总成本和劳动力，而且能够获得增益较大的最佳生产工艺。

此处，作为通过本实施方式的生产工艺优化系统1进行优化的生产工艺的一个例子，举出混合咖啡豆A和与咖啡豆A种类不同的咖啡豆B来生产混合豆的生产工艺，对本实施方式的生产工艺优化系统1的概要进行以下说明。此外，作为对通过生产工艺得到的混合豆进行评估的评估工艺的一个例子，对进行混合豆的香味定性评估的情形进行说明。

如图1所示，生产工艺优化系统1中包含的生产工艺优化装置2具有运算处理部7、数据库8、显示部9、操作部10、收发部11。

运算处理部7具有由未图示的CPU(Central Processing Unit)、RAM(RandomAccess Memory)及ROM(Read Only Memory)等构成的微型计算机结构，与数据库8、显示部9、操作部10、收发部11连接。

生产工艺优化装置2的管理者(也称为“用户”)给出各种操作命令时，运算处理部7会通过操作部10根据操作命令酌情读出预先存储在ROM中的生产工艺优化程序、模板执行程序生成处理程序、可变参数值设定处理程序、执行计划生成处理程序、执行指示信息生成处理程序等并在RAM中展开，从而根据生产工艺优化程序等来控制各电路部。

运算处理部7例如通过执行生产工艺优化处理，生成模板执行程序、执行计划、执行指示信息等，将这些运算处理结果存储在数据库8中。

数据库8中除了存储有运算处理部7的运算处理结果外，还存储有通过收发部11从外部接收的执行环境信息(后述)等。此外，数据库8中存储了以前执行主体在执行环境100中执行生产工艺的执行程序时的执行结果(以下也将“过去的执行结果”称为“执行实绩结果”)、对执行实绩结果进行评估的过去的评估结果(以下也将“对过去的执行结果的评估结果”称为“评估实绩结果”)等各种数据。

显示部9显示通过运算处理部7生成的模板执行程序、执行程序等的运算处理结果，可供管理生产工艺优化装置2的管理者等掌握。

本实施方式的生产工艺优化装置2通过生产工艺优化处理，生成：生产咖啡豆A、B的混合豆的生产工艺及评估工艺的执行程序、显示了各执行主体应该分别在怎样的时机协调进行执行程序内的各操作的数据即执行计划、指示执行环境100的执行主体按照执行计划执行各自对应的操作的数据即执行指示信息。

生产工艺优化装置2将执行计划和执行指示信息经由网络4发送给执行环境100的对应的执行主体的通信装置3a、3b、3c、3d。

此处，图1所示的执行环境100示出了实际执行生产工艺及评估工艺的执行程序的环境，例如是工厂、实验室、厨房、工作室等。执行环境100内的执行主体执行在生产工艺及评估工艺的执行程序内规定的各操作。执行主体根据生产工艺及评估工艺的种类不同而不同，例如是机械装置、机械臂、人、孵化器、照相机等测量仪器、实验自动化设备、计算机等。

本实施方式中，以生产咖啡豆A、B的混合豆的生产工艺以及对通过执行生产工艺的执行程序来生产的混合豆进行香味定性评估的评估工艺为一个例子进行说明，此时，烘焙咖啡豆A、B的烘培机X、Y以及进行混合和香味定性评估的人P、Q可以是执行主体。

本实施方式的生产工艺优化系统1中，为了将通过生产工艺优化装置2生成的执行计划及执行指示信息向执行主体即烘培机X、Y及人P、Q提示，经由网络4向执行主体的通信装置3a、3b、3c、3d发送。

例如，通信装置3a连接于或搭载于烘培机X，将为了供烘培机X使用而生成的执行指示信息中包含的设定信息向烘培机X提示，根据设定信息按照执行计划使烘培机X工作。此外，通信装置3b连接于或搭载于烘培机Y，将为了烘培机Y使用而生成的执行指示信息中包含的设定信息向烘培机Y提示，根据设定信息按照执行计划使烘培机Y工作。

本实施方式的通信装置3c是例如能够进行咖啡豆A、B的混合作业的人P持有的、例如个人计算机或智能手机等信息处理装置。通信装置3c将从生产工艺优化装置2接收的执行计划或是为了供人P使用而生成的执行指示信息向人P提示，根据需要依据执行指示信息按照执行计划使人P进行混合作业等操作。

此外，本实施方式的通信装置3d是例如能够进行咖啡豆A、B的混合作业以及香味定性评估的人Q持有的、例如个人计算机或智能手机等信息处理装置。通信装置3d将从生产工艺优化装置2接收的执行计划或是为了供人Q使用而生成的执行指示信息向人Q提示，根据需要依据执行指示信息按照执行计划使人Q进行混合作业以及香味定性评估作业等操作。

而且，这些通信装置3a、3b、3c、3d会酌情将对应的执行主体按照执行计划和执行指示信息执行时得到的执行结果或评估结果经由网络4发送给生产工艺优化装置2。

下面，对生产工艺优化装置2的运算处理部7进行说明。运算处理部7具有模板执行程序生成部15、可变参数值设定部16、执行程序生成部17、判定部18、执行计划生成部19、执行指示信息生成部20，生成后述的模板执行程序、执行程序、执行计划及执行指示信息。

此处，模板执行程序是以改写成为某个搜索的起点的执行程序(以下称为“起点执行程序”)的形式生成的。图2是示出与咖啡豆A、B的混合豆有关的生产工艺以及与评估工艺有关的起点执行程序的结构的一个例子的示意图。

经由操作部10选择或输入了管理者希望优化的生产工艺(例如，咖啡豆A、B的混合)及评估工艺(混合的香味定性评估)后，模板执行程序生成部15从存储在数据库8中的多个执行程序之中选择与这些生产工艺及评估工艺对应的执行程序作为起点执行程序。

此种情况下，如图2所示，模板执行程序生成部15将作为生产工艺的操作规定了咖啡豆A的烘焙、咖啡豆B的烘焙、咖啡豆A、B的混合这3个操作，作为评估工艺的操作规定了混合的香味定性评估这1个操作的执行程序，选择为起点执行程序。

起点执行程序对各操作在操作概略图C1、C2、C3、C4中规定了与在生产工艺及评估工艺中进行的操作有关的内容。在本实施方式的起点执行程序的操作概要栏C1、C2、C3、C4中有例如规定了操作的内容的操作项目26a、规定了操作的处理对象的input项目26b、规定了通过操作得到的产物的output项目26c、规定了与操作关联的数值的执行参数项目26d、规定了与操作有关的约束条件的约束条件项目26e。

例如，在咖啡豆A的烘焙的操作概要栏C1中，将“咖啡豆A的烘焙”规定于操作项目26a，将处理对象即“咖啡豆A”规定于input项目26b，将产物即“咖啡豆A(已烘焙)”规定于output项目26c，将“烘焙温度”及“烘焙时间”规定于执行参数项目26d，将“无”规定于约束条件项目26e。

此外，在被规定于执行参数项目26d的“烘焙温度”中，作为表示烘焙的加热温度的执行参数值规定了“172℃”，在“烘焙时间”中，作为表示以该烘焙温度烘焙的时间的执行参数值规定了“1200sec”。

规定于约束条件项目26e的“无”表示未规定与“咖啡豆A的烘焙”这一操作有关的约束条件。约束条件规定了有关操作而约束的条件，例如有时间约束、並行性约束、执行条件约束等，规定通过时间、环境、温度、湿度、洁净度等来约束操作。

作为时间约束，例如有对执行主体进行执行程序的操作时所花费的执行时间进行规定的时间约束、以及在执行程序的操作之间设定时间性约束的时间约束等。作为执行条件约束，有对必须在给定的条件的范围内进行执行程序的操作进行规定的执行条件约束，例如，混合要在“咖啡豆A的烘焙结束后180秒以内”等约束条件即是。

在本实施方式的生产工艺及评估工艺的起点执行程序中，除了上述与“咖啡豆A的烘焙”有关的操作概要栏C1外，还规定了与“咖啡豆B的烘焙”有关的操作概要栏C2、与“咖啡豆A和咖啡豆B的混合”有关的操作概要栏C3、与“混合的香味定性评估”有关的操作概要栏C4。需要说明的是，在与“混合的香味定性评估”有关的操作概要栏C4中，关于混合豆的香味定性评估值，在output项目26c作为评估结果设定了1－5共5个等级，最低的评估结果表示为“1”最高的评估结果表示为“5”。

模板执行程序生成部15根据存储在数据库8中的过去的执行程序的执行实绩结果及其实绩实际结果，选定可在起点执行程序中变更执行参数值的执行参数项目26d作为可变参数项目，然后生成用于确定应以怎样的执行参数值的执行程序在执行环境100中执行生产工艺和评估工艺并评估其执行结果的模板执行程序。

图3及图4示出了根据起点执行程序的操作概要栏C1、C2、C3、C4的内容从数据库8搜索的、基于过去的执行程序的执行实绩结果及评估实绩结果的结构的一个例子。模板执行程序生成部15对例如从数据库8搜索的多个执行实绩结果及评估实绩结果进行比较，确定执行参数项目26d中的、可成为可变更执行参数值的可变参数项目的执行参数项目26d。确定可成为可变参数项目的执行参数项目26d时，例如可将执行实绩结果及评估实绩结果中的、执行参数值的数值的变化趋势作为基准。

模板执行程序生成部15例如将图3所示的执行实绩结果及评估实绩结果与图4所示的执行实绩结果及评估实绩结果进行比较，根据在“咖啡豆B的烘焙”的操作概要栏C2中的执行参数项目26d的“烘焙温度”及“烘焙时间”以及“咖啡豆A和咖啡豆B的混合”的操作概要栏C3中的执行参数项目26d的“咖啡豆B的重量”之中执行参数值不同，以及由于这些差异导致评估实绩结果不同等，可推测这些执行参数值可成为可变参数值的项目(可变参数项目)。

需要说明的是，也可以在起点执行程序的执行参数值中，确定在得到执行实绩结果的过去的执行程序中设定的搜索范围，将与该过去的搜索范围的和集合的共同部分设定为新的搜索范围。另外，在多个执行实绩结果中，即使变更了相同的执行参数项目，各评估实绩结果的变动幅度仍为规定值以下的，也可以设定“该执行参数项目对评估实绩结果的影响较小，因而不作为可变参数项目”等规则。

本实施方式中，为了简化说明，对作为可变参数项目从设定了数值的执行参数项目中确定可变参数项目的情形进行说明，但也可以选择规定制造方法或加热方法等数值以外的内容的操作项目26a等作为可变参数项目。意即，在起点执行程序中，在执行环境100中可变更的所有操作和与操作有关的条件可成为可变参数项目。需要说明的是，关于选择规定数值以外的内容的操作项目26a等作为可变参数项目的例子，将在后述的其他实施方式中进行详细说明。

模板执行程序生成部15将图3所示的执行实绩结果及评估实绩结果与图4所示的执行实绩结果及评估实绩结果进行比较，在可变参数项目中设定可变参数值的数值范围即搜索范围。此种情况下，模板执行程序生成部15根据在这些执行实绩结果及评估实绩结果中评估工艺的“混合的香味定性评估”的操作概要栏C4中的output项目26c的“混合豆的香味定性评估值”不同，以及成为可变参数项目的执行参数项目26d的执行参数值，推测大约会得到期望的香味定性评估值的可变参数值的范围(以下称为“搜索范围”)，如图5所示，可生成设定了可变参数项目26g、26h和该搜索范围的模板执行程序。

例如，作为一个例子，在图4所示的执行实绩结果及评估实绩结果中，“咖啡豆B的烘焙”的操作概要栏C2中的执行参数项目26d的“烘焙温度”高达180℃，“烘焙时间”也长达650sec，并且“咖啡豆A和咖啡豆B的混合”的操作概要栏C3中的执行参数项目26d的“咖啡豆B的重量”重达40g。推测这是能够得到高于图3所示的执行实绩结果及评估实绩结果的“4”这一香味定性评估值的主要原因，通过这样的特征提取规则，推测大约会得到香味定性评估值的这些可变参数值的搜索范围。

这样，模板执行程序生成部15根据给定的特征提取规则，根据过去的1种以上的执行实绩结果及评估实绩结果，推测大约会对评估实绩结果产生影响的1种以上的执行参数项目及其搜索范围。

需要说明的是，此处，存在由与起点执行程序相同的操作构成的过去的执行程序，对根据该过去的执行程序的执行实绩结果及评估实绩结果在起点执行程序中设定可变参数项目26g、26h及其搜索范围的情形进行了说明。模板执行程序生成部15还具有以下功能，即：即使在起点执行程序是由与过去的执行程序不同的操作构成的情况下，仍会选择与起点执行程序关联的过去的执行程序(以下称为“关联执行程序”)，根据关联执行程序的执行实绩结果及评估实绩结果，在起点执行程序中设定可变参数项目26g、26h及其搜索范围。

例如，在起点执行程序的操作中包含未包含在过去的执行程序中的未知操作的情况下，两者的执行参数值的种类和数值一般不同。但是，模板执行程序生成部15例如会通过对多个关联执行程序的执行实绩结果及评估实绩结果进行对比分析，来推测大约会通过起点执行程序中的评估工艺的操作对评估结果产生影响的执行参数项目及其搜索范围。

模板执行程序生成部15可以通过在起点执行步骤与多个关联执行程序的执行实绩结果及评估实绩结果两者的执行参数值之间以组合了至少一个矩阵运算和至少一个线性或非线性变换的形式设计特征量变换函数，来使两者对应。另外，也可以通过逐次优化来变更上述特征量变换函数本身。

此处，所谓“特征量变换函数”，是指即使用于推测搜索范围的搜索空间为高维，当实际上有助于目标变量的维度为低维时，旨在基于过去的执行实绩结果和评估实绩结果提取对目标变量有效的低维空间的函数。通过在由这样的特征量变换函数生成的低维的搜索空间上进行可变参数值的搜索，能够提高搜索效率。

此处，例如，作为回归模型的一种，基于神经网络等的机器学习模型可以以组合至少一个矩阵运算和至少一个线性或非线性变换的形式来定义。

作为以组合至少一个矩阵运算和至少一个线性或非线性变换的形式设计特征量变换函数的例子，可以举出以下例子。例如，假设咖啡豆的烘焙温度与烘焙时间之间存在一定的关联性，在满足该关联性的同时改变条件(烘焙温度及烘焙时间)时，评估值较高的情况(能够得到期望的评估结果的情况)。在这样的情况下，利用特征量变换函数学习上述评估值较高的烘焙时间和烘焙温度的关联性，然后在由特征量变换函数指定的空间上进行逐次优化，能够高效率地进行搜索。

此外，模板执行程序生成部15通过对管理者等事先关于“在关联执行程序的执行实绩结果及评估实绩结果中哪个因素对评估结果的改善做出了最大贡献”进行分析得出的先验知识进行规则化，能够根据相关执行程序的执行实绩结果及评估实绩结果，高效率地设定起点执行程序中的可变参数项目及其搜索范围。需要说明的是，关于根据关联执行程序的执行实绩结果及评估实绩结果设定可变参数项目及其搜索范围时的详细说明，将在后文叙述。

图5示出了参照执行实绩结果及评估实绩结果，在起点执行程序中设定可变参数项目26g、26h，并分别在可变参数项目26g、26h中设定了搜索范围的模板执行程序的结构的一个例子。

本例中，参考执行实绩结果和评估实绩结果，将“咖啡豆B的烘焙”的操作概要栏C2中的“烘焙温度”及“烘焙时间”设定为可变参数项目26g，并且，将“180℃<烘焙温度<205℃”设定为烘焙温度的搜索范围，将“600sec<烘焙时间<700sec”设定为烘焙时间的搜索范围。此外，将“咖啡豆A和咖啡豆B的混合”的操作概要栏C3中的“咖啡豆B的重量”设定为可变参数项目26h，并且，将“10g<咖啡豆B的重量<100g”设定为咖啡豆B的重量的搜索范围。

模板执行程序生成部15将所生成的模板执行程序发送给可变参数值设定部16和执行程序生成部17。可变参数值设定部16根据过去的执行实绩结果及评估实绩结果来确定在搜索范围中以怎样的可变参数值在执行环境100中执行执行程序，将从搜索范围中选择的多个可变参数值发送给执行程序生成单元17。

此处，可变参数值设定单元16基于过去的1种以上的执行实绩结果及评估实绩结果，按照给定的程序(例如，贝叶斯优化，正交表，拉丁超立方抽样法等)，在模板执行程序生成包括在搜索范围中的多个可变参数值。此外，也可以在表示可变参数项目26g、26h的搜索范围的搜索空间上投影执行实绩结果来设定可变参数值。

需要说明的是，在本实施方式中，即使在过去执行实绩结果及评估实绩结果不存在于数据库8中的情况下，也可以按照例如正交法等管理者规定的规则，从该搜索范围中设定可变参数值。

在本实施方式的可变参数值设定部16中，例如根据过去的1种以上的执行实绩结果及评估实绩结果来生成回归模型(响应曲面)，使用该回归模型，例如通过贝叶斯优化、多任务贝叶斯优化等，从搜索范围内选择多个可变参数值。

执行程序生成单元17将由可变参数值设定部16选择的可变参数值分别写入模板执行程序的可变参数项目26g、26h中，生成可变参数值不同的多个执行程序。这样，执行程序生成部17生成可变参数值不同的多个执行程序的列表。

图6及图7示出在可变参数项目26g、26h中设定的可变参数值不同的两个执行程序的一个例子。图6作为执行程序的一个例子，示出了在“咖啡豆B的烘焙”的操作概要栏C2中的可变参数项目26g中将“195℃”设定为“烘焙温度”的可变参数值，将“660sec”设定为“烘焙时间”的可变参数值，并且在“咖啡豆A和咖啡豆B的混合”的操作概要栏C3中的可变参数项目26g中将“50g”设定为“咖啡豆B的重量”的可变参数值的执行程序。

此外，图7作为其他执行程序的一个例子，示出了在“咖啡豆B的烘焙”的操作概要栏C2中的可变参数项目26g中将“205℃”设定为“烘焙温度”的可变参数值，将“700sec”设定为“烘焙时间”的可变参数值，并且在“咖啡豆A和咖啡豆B的混合”的操作概要栏C3中的可变参数项目26g中将“70g”设定为“咖啡豆B的重量”的可变参数值的执行程序。

执行程序生成部17生成由这样的多个执行程序构成的列表，并将这些执行程序的列表发送给执行计划生成部19。

执行计划生成部19从执行程序的列表中依次选择执行程序，并为每个执行程序生成执行计划。此处，作为一例，例如对根据图6所示的执行程序生成执行计划的概要进行说明。

需要说明的是，此处为了简化说明，对从执行程序的列表中依次选择执行程序并生成执行程序的执行计划的情形进行说明，但也可以对于列表内的多个执行步骤一次生成各自的执行计划或者表示多个执行程序的进行状况的关系的一个执行计划。

一次提示了多个执行计划的执行主体例如既可以根据执行计划的内容，一次同时执行按照多个执行计划的执行程序，也可以从多个执行计划中依次选择任意的执行计划，按照各执行计划来执行执行程序。执行主体最好在每次得到执行这些执行程序的执行结果或评估结果时，随时将它们发送给生产工艺优化装置2。

生产工艺优化装置2向执行环境100的执行主体提示执行计划，并根据该执行计划使执行主体执行执行程序，但在例如接收到来自执行主体的执行结果及评估结果时，最好重新生成反映了这些执行结果及评估结果的内容的执行程序，每次都重新生成重新生成的执行程序的执行计划。据此，能够限制每次都反映了在执行环境100中由执行主体得到的实际的执行结果及评估结果的最佳执行程序，并且能够优化生产工艺。

需要说明的是，关于这样由生产工艺优化装置2将多个执行计划提示给执行主体并从各执行主体分别接收到多个执行程序的执行结果及评估结果等时的生产工艺优化装置2的处理，将参照图17B在后文叙述。

执行计划生成部19基于图6所示的执行程序，生成图8及图9所示的执行程序抽象语法树t。执行程序抽象语法树是一种对执行程序进行语法分析，具有可对在执行程序中规定的各个操作之间的依赖性、该操作的处理对象、通过该操作得到的产物、与该操作有关的约束条件进行分析的数据结构的语法树。

作为语法树，执行程序抽象语法树t具有树结构状的数据结构，该树结构状的数据结构以在执行程序中的操作概要栏C1、C2、C3、C4中规定的操作项目26a、input项目26b、output项目26c、执行参数项目26d、可变参数项目26g、26h以及约束项目26e的内容为节点，并用边连接这些节点，规定了操作之间的依赖性。

此种情况下，执行计划生成部19可对每个执行程序的操作概要栏C1、C2、C3、C4，各自个别生成个别抽象语法树，根据执行程序的操作的进行顺序，将这些个别抽象语法树彼此关连起来以生成执行程序抽象语法树t。该个别抽象语法树以操作项目26a、input项目26b、output项目26c、执行参数项目26d、可变参数项目26g、26h以及约束项目26e的内容为节点，并用边连接这些节点，规定了依赖性。

需要说明的是，关于根据执行程序生成个别抽象语法树及执行程序抽象语法树t的、个别抽象语法树生成处理及执行程序抽象语法树生成处理的详细情形，将在后文叙述。

然后，执行计划生成部19根据经由收发部11从执行环境100接收的执行环境信息(后述)和上述执行程序抽象语法树t，生成将执行执行程序中的各操作的执行主体与执行程序抽象语法树t关联起来的扩展抽象语法树(后述)。

作为语法树的扩展抽象语法树是一种对执行程序进行语法分析，具有可对在执行程序中规定的各个操作之间的依赖性、该操作的处理对象、通过该操作得到的产物、与该操作有关的约束条件、执行执行程序中的各操作的执行主体进行分析的数据结构的语法树。

此处，图10A示出了执行环境信息E的结构的一个例子。如图10A所示，执行环境信息E是显示了在执行环境100中能够实际执行在执行程序中规定的各操作的执行主体的候选、执行主体执行操作时的执行时间、不能将执行主体用于操作的不可执行时间(使用状况)的信息。

在图10A所示的执行环境信息E中，规定了执行程序的操作概要栏C1，C2所示的“烘焙”的操作可由烘培机X、Y执行，但不可由人P、Q执行，而且规定了烘培机X、Y执行“烘焙”时的执行时间(咖啡豆A的烘焙是1200sec，咖啡豆B的烘焙是660sec)。

需要说明的是，在执行环境信息E中也可以同时规定例如在作为执行主体的装置(此处是烘培机X、Y)中到达目标温度前的到达时间、可加热的极限温度等。此外，除此以外在执行环境信息E中也可以规定机器的动作精度和待机时间等与作为执行主体的机器的功能和性能有关的信息。

此外，在执行环境信息E中规定了执行程序的操作概要栏C3所示的“混合”的操作可由人P、Q执行，但不可由烘培机X、Y执行，而且规定了人P、Q执行“混合”时的执行时间(人P执行混合时是250sec。人Q执行混合时是320sec)。

此外，在执行环境信息E中规定了执行程序的操作概要栏C4所示的“香味定性评估”(图10A中标记为“香味评估”)的操作仅可由人P执行，不可由人Q及烘培机X、Y执行，而且规定了人P执行“香味定性评估”时的执行时间(人P执行香味定性评估时是200sec)。

执行环境信息E作为使用状况规定了表示人P从2020年1月2日17时起到2020年1月3日8时止不可执行执行程序的操作的不可执行时间，规定了表示人Q从2020年1月2日17时起到2020年1月3日9时止不可执行执行程序的操作的不可执行时间。

需要说明的是，在本实施方式的执行环境信息E中，对作为表示执行主体可否操作的使用状况规定了执行主体不可执行该操作的不可执行时间的情形进行说明，但本发明不限于此。例如，也可适用作为表示执行主体可否操作的使用状况规定了执行主体可执行该操作的可执行时间(例如，从2020年1月2日9时起到16时止等)的执行环境信息E。需要说明的是，将这些不可执行时间或可执行时间简称为使用状况。

本实施方式中，也可以由给定的信息处理装置(图1中未图示)在执行环境100中汇总各执行主体的个别信息(哪个执行主体能够执行哪个操作、执行时间、使用状况)，生成执行环境信息E，并由生产工艺优化装置2接收由执行环境100侧的信息处理装置生成的执行环境信息E。此外，也可以从执行环境100的各执行主体经由通信装置3a、3b、3c、3d分别向生产工艺优化装置2发送自己的个别信息，并由生产工艺优化装置2汇总个别信息，生成执行环境信息E。

执行计划生成部19确定需要分配给执行程序抽象语法树t中包含的执行主体节点(在图8和图9中标记为“actuator”)的操作节点，并根据所获取的执行环境信息E和执行程序抽象语法树t，首先不考虑约束条件，对执行程序抽象语法树t的各操作节点的执行主体节点(“actuator”)分配由执行环境信息E规定的执行主体，如图11所示，得到对各操作分别分配了执行主体的集合A′。

此处集合A′表示不考虑约束条件，对执行程序抽象语法树t中的执行主体节点分别分配可执行操作的所有执行主体的组合模式。

执行计划生成部19使执行程序抽象语法树t中的执行主体节点反映将执行主体分配给各操作的集合A′的结果，生成图12、图13及图14所示的扩展抽象语法树t′。

图12、图13和图14示出了扩展抽象语法树t′的示例，该扩展抽象语法树t′具有将图10A所示的执行环境信息E的执行主体分配给图6所示的执行程序的树结构状的数据结构，从咖啡豆A、B的烘焙到混合以及香味定性评估中的一系列操作分别与执行主体、执行时间以及约束条件关联。另外，关于这样的扩展抽象语法树t‘的生成在后面叙述。咖啡豆A，执行主体，执行时间和约束条件分别与从B烘焙到混合和香味定性评估的一系列操作关联。需要说明的是，关于这样的扩展抽象语法树t′的生成，将在后文叙述。

然后，执行计划生成部19根据扩展抽象语法树t′，如图10b所示生成一个半序，表明在要依次执行的一系列操作中，哪些操作可以串联执行，哪些操作可以并行执行。执行计划生成部19确定开始执行程序的开始时刻(此处为2020年1月2日8时30分)，并根据可对执行程序中的一系列操作分析并行性约束的半序，按照操作被执行的顺序，对集合A′的各元素分配执行开始时间及执行结束时间，得到图15所示的集合A″。

需要说明的是，在可同时执行多个操作的执行程序中，在各操作之间，作为并行性约束规定了不可同时执行的操作以及可同时执行的操作，该并行性约束可被反映在扩展抽象语法树t′和半序中。另外，在并行性约束中，还规定了能否通过仅并行咖啡豆A、B的混合操作来提高整个生产工艺中的时间效率。

此处集合A″表示不考虑执行程序内的约束条件，从给定的开始时刻(2020年1月2日8时30分)起，按照以执行程序顺序执行的操作的顺序，对各操作分别分配执行主体可执行的执行开始时刻和执行结束时刻的组合模式。

例如，在图15的集合A″的“No.1”表示对无并行性约束的“咖啡豆A的烘焙”和“咖啡豆B的烘焙”从开始时刻起首先用“烘焙机X”执行“咖啡豆A的烘焙”到8时50分，结束后使用相同的“烘焙机X”从8时50分起执行下一个“咖啡豆B的烘焙”到9时1分，然后由人P按顺序执行“混合”和“香味定性评估”的时间分配计划。

此外，图15的集合A″的“No.6”表示对无并行性约束的“咖啡豆A的烘焙”和“咖啡豆B的烘焙”从开始时刻起同时执行“烘培机X”的“咖啡豆A的烘焙”和“烘培机Y”的“咖啡豆B的烘焙”，然后由人Q执行“混合”，由其他人P执行“香味定性评估”的时间分配计划。

这样，不考虑执行程序内的约束条件时，执行计划生成部19生成可由执行主体执行执行程序的操作的时间分配计划的所有组合，并可将这些组合模式作为集合A″。

然后，执行计划生成部19从执行程序、执行程序抽象语法树t或扩展抽象语法树t′中读取各操作的约束条件，从集合A″中提取全部满足了约束条件中规定的执行时间等约束的时间分配计划作为候选计划，得到由候选计划组成的集合A″′。

图16示出了满足约束条件的组合的集合A″′的一个例子。例如，在图6的执行程序中，在“咖啡豆A和咖啡豆B的混合”的操作概要栏25c中，在制约条件项目26中规定了“咖啡豆A的烘焙结束后180秒以内”这一制约条件。因此，如图16所示，执行计划生成部19提取满足了上述约束条件的“No.2”、“No.4”、“No.5”、“No.7”、“No.10”以及“No.12”作为候选计划，得到由这些候选计划组成的集合A″′。

此处，在执行计划生成部19中，例如由管理者预先设定了选择条件，例如：选择作为执行程序的最终操作的“混合豆的香味定性评估”的执行结束时间最早的候选计划等。据此，执行计划生成部19从集合A″′中选择符合选择条件的一个候选计划作为最终执行计划。

在图16所示的集合A″′中，由于执行结束时间最早的候选计划有“No.5”和“No.7”两个，所以例如还在执行结束时间以外设定了其他决定优劣的指标，选择作为候选计划的标识符的号码(No)的数值较小的“No.5”作为执行计划。需要说明的是，“No.5”中并列执行咖啡豆A、B的烘焙。

执行计划生成部19将所选择的执行计划发送到执行指示信息生成部20。执行指示信息生成部20参考执行环境信息E，针对执行各操作的每个执行实体生成指示按照执行计划进行操作的执行指示信息。

此处，执行指示信息是记述了足以使执行主体在执行环境100中按照执行计划执行执行程序的各操作的信息的数据。典型示例除了包括用自然语言向人P、Q和操作烘焙机X、Y的人描述操作内容的操作手册外，还包括控制烘烤机X、Y进行动作的程序等的设定信息。

这样，运算处理部7基于执行程序的列表将针对每个执行程序生成的各执行计划和执行指示信息发送给收发部11，并经由网络4将其分别发送给相应的执行主体的通信装置3a、3b、3c、3d。

收到执行计划及执行指示信息的通信装置3a、3b、3c、3d向各自对应的执行主体即人P、Q或烘培机X、Y提示执行计划及执行指示信息，使其在执行环境100中进行各操作。

其结果是，在生产工艺优化系统1中，在执行环境100中根据执行计划和执行指示信息使各执行主体分别执行执行程序的操作，其结果是，得到执行程序的执行结果或评估结果后，每次这些执行结果或评估结果都会从通信装置3a、3b、3c、3d被发送给生产工艺优化装置2。

生产工艺优化装置2从执行环境100的通信装置3a、3b、3c、3d接收到执行结果或评估结果后，每次都会将执行程序、在该执行程序中设定的可变参数值、执行结果及评估结果对应着存储在数据库8中，并通过运算处理部7的判定部18对这些执行结果或评估结果进行分析。

此时，当判定部18的重新计划判定部23判定为(i)执行环境100中的实际执行程序的进展与执行计划产生了差异，未按照执行计划执行执行程序，或者(ii)对执行计划内的未执行部分有影响，需要改变执行计划时，重新生成旨在保证按照执行计划执行执行程序的执行计划及执行指示信息。

例如，当烘培机X按照“由烘培机X执行咖啡豆A的烘焙，然后由相同的烘培机X执行咖啡豆B的烘焙”这一执行计划执行执行程序时，如果从烘培机X收到了“烘培机X需要花费超过预定的时间来执行咖啡豆A的烘焙，后续的由烘培机X执行的咖啡豆B的烘焙发生了延迟”这一执行结果的，则判定部18判定“烘培机X未按照执行计划执行执行程序”，重新生成执行计划及执行指示信息。

另一方面，例如，当烘培机X、Y按照“由烘培机X执行咖啡豆A的烘焙，然后由不同的烘培机Y执行咖啡豆B的烘焙”这一执行计划执行执行程序时，即使烘培机X需要花费超过预定的时间来执行咖啡豆A的烘焙，也不会对后续的由烘培机Y执行的咖啡豆B的烘焙产生影响，能够按照执行计划执行由烘培机Y执行的咖啡豆B的烘焙和混合等操作。此时，即使判定部18从烘培机X收到了“由于咖啡豆A的烘焙需要花费时间因而未能按照执行计划执行”这一执行结果，也可以判定“不会对执行计划内的未执行部分(由烘培机Y执行的咖啡豆B的烘焙、混合、定性评估等)产生影响，不必变更执行计划”。

意即，判定部18并非仅仅单纯地判定所有的执行主体是否已按照执行计划执行，还要判定“是否即使执行环境100的一部分执行主体未按照执行计划执行，该一部分执行主体的操作也不会对其他执行主体的操作产生影响，其他执行主体会按照执行计划执行操作，执行程序最终在执行计划提示的结束日期和时间之前结束”

本例中，即使执行环境100的一部分执行主体未按照执行计划执行，只要执行程序最终在执行计划提示的结束日期和时间之前结束，判定部18就会认为能够按照执行计划执行，判定不必变更执行计划。

生产工艺优化装置2在重新生成执行计划及执行指示信息时，会再次将重新生成的执行计划及执行指示信息发送给各自对应的执行主体的通信装置3a、3b、3c、3d，向各自对应的执行主体即人P、Q或烘培机X、Y提示执行计划及执行指示信息，使其在执行环境100中进行各操作。

此外，判定部18的继续判定部22在从执行环境100的通信装置3a、3b、3c、3d收到了执行结果或评估结果时，会根据是否经由操作部10从管理者处收到了继续命令、评估结果是否是期望的评估结果、是否得到了规定次数的评估结果，并基于从执行环境100的通信装置3a、3b、3c、3d收到的执行结果或评估结果，判定是否再次通过可变参数值设定部16搜索反映了执行结果或评估结果的新的可变参数值。

继续判定部22在例如经由操作部10从管理者处得到了继续命令时，使可变参数值设定部16再次生成包括新获得的执行结果及评估结果的回归模型(响应曲面)。据此，运算处理部7通过可变参数值设定部16，使用该回归模型，通过贝叶斯优化、多任务贝叶斯优化等，从搜索范围内重新选择多个可变参数值，通过执行程序生成部17，生成可变参数值不同或者相同的多个执行程序的列表。

需要说明的是，虽然执行程序生成部17在生成可变参数值相同的执行程序的列表时会使执行环境100的执行主体多次执行相同的执行程序，但从例如验证执行程序的确实性、验证是否得到相同的评估结果等观点来看是有效的。更具体而言，在可预想生产工艺的执行结果或评估结果的噪声较大等时(即使通过给定的可变参数值得到的评估结果超过了过去的最大值5％，但在一次观测中分不清这是由噪声引起的还是真的有了改善时)，可获得标准偏差或平均等统计量，进行更高精度的评估。

这样，生产工艺优化装置2再次生成与重新生成的执行程序对应的执行计划及执行指示，将这些再次发送给执行环境100中的执行主体的通信装置3a、3b、3c、3d，在执行环境100中向各自对应的执行主体即人P、Q及烘培机X、Y提示执行计划及执行指示信息，在执行环境100中使执行主体进行各操作。

这样，生产工艺优化系统1反复进行：生成执行计划及执行指示信息、向执行主体提示执行计划及执行指示信息、获取基于此的来自执行主体的执行结果及评估结果、设定反映了所得到的执行结果及评估结果的新的可变参数值。

据此，生产工艺优化系统1中，能够在反映执行主体在执行环境100中实际执行生产工艺的执行结果及评估结果的同时，搜索可得到尽可能大增益的最佳可变参数值或执行计划，能够寻求增益较大的最佳生产工艺。

然后，使用图17A的流程图，对上述生产工艺优化方法的概要进行说明。需要说明的是，在生产工艺优化系统1中，实际上优选将对每个列表化的执行程序生成的多个执行计划及执行指示信息提示给各执行主体，并在执行环境100中同时执行多个不同的执行程序，但此时也可能对每个不同的执行程序每次接收执行结果及评估结果。关于这种情况，将使用图17B在后文进行说明，在图17A的流程图中，为了简化说明，着眼于针对一个执行程序的处理进行以下说明。

图17A的流程图如图17A所示，生产工艺优化装置2从开始步骤起开始生产工艺优化处理程序，在子程序SR1中进行模板执行程序生成处理，生成模板执行程序。生产工艺优化装置2在下一个子程序SR2中进行可变参数值设定处理，从在模板执行程序内规定的可变参数项目26g、26h的搜索范围中选择多个可变参数值。

生产工艺优化装置2在下一步骤S3中生成可变参数项目26g、26h的可变参数值不同或相同的多个执行程序的列表。生产工艺优化装置2在下一个子程序SR4中进行执行计划生成处理，为在步骤S3中生成的每个执行程序生成执行计划。生产工艺优化装置2在下一个子程序SR5中进行执行指示信息生成处理，生成在子程序SR4中生成的执行计划的执行指示信息。

生产工艺优化装置2在下一步骤S6中将为列表内的每个执行程序生成的执行计划和执行指示信息分别发送给执行计划内的对应的执行主体。据此，在生产工艺优化系统1中，在执行环境100中，按照执行计划和执行指示信息，使各执行主体进行执行程序的操作。

生产工艺优化装置2在下一步骤S7中通过收发部11接收在执行环境100中得到的执行结果21及评估结果，在下一步骤S8中，将根据执行计划及执行指示信息在执行环境100中使执行主体执行的执行程序、此时的可变参数值、从执行环境100中获取的执行结果、同样从执行环境100中获取的评估结果对应着存储在数据库8中。

生产工艺优化装置2在下一步骤S9中，根据执行结果或评估结果等判断是否按照提示给执行主体的执行计划执行了执行程序进行判断。此处，未按照提示给执行主体的执行计划执行执行程序时(No)，生产工艺优化装置2在步骤S10对执行计划的未执行部分进行分析，通过执行计划生成处理生成可在执行环境100中执行的执行计划。

此外，生产工艺优化装置2在下一步骤S11中，生成重新生成的执行计划的执行指示信息，在下一步骤S12中，将重新生成的执行计划及执行指示信息发送给执行计划内的对应的执行主体。

另一方面，在上述步骤S9中，执行程序按照提示给执行主体的执行计划执行了时(Yes)，生产工艺优化装置2在下一步骤S13中反应从执行环境100的执行主体获取的执行结果及评估结果，判断是否从模板执行程序的搜索范围中再次搜索最佳可变参数值。

例如，对从执行环境100的执行主体获取的执行结果及评估结果进行了确认的管理者经由操作部10得到了可变参数值的继续搜索命令时，或者被设定了进行可变参数值的搜索直至得到针对从执行环境100的执行主体获取的评估结果预先设定的评估结果时，或者被设定了从执行环境100的执行主体获取执行结果及评估结果后要进行规定次数的可变参数值的搜索等时，再次从模板执行程序的搜索范围中搜索最佳可变参数值(Yes)。

此种情况下，生产工艺优化装置2再次回到子程序SR2，反复进行上述处理直至在步骤S13得到否定结果(No)。另一方面，在步骤S13中，生产工艺优化装置2判断了“不再次从模板执行程序的搜索范围中搜索最佳可变参数值”时，结束上述生产工艺优化处理。

此处，图17A的流程图中，为了简化说明，着眼于1个执行程序，进行了似乎只要得到了最佳执行结果及评估结果就结束生产工艺优化处理的说明。因此，下面使用图17B，对将多个执行计划及执行指示信息提示给执行主体，生产工艺优化装置2分别从各执行主体接收到多个不同的执行程序的执行结果及评估结果等时的生产工艺优化装置2的处理的概要进行说明。

在图17B所示的例子中，例如，假设执行环境100的执行主体为烘培机1、2、人A、B，并着眼于咖啡豆的烘焙和混合之前的生产工艺。此外，还示出了作为生产工艺的执行程序提示了4个执行程序0、1、2、3的例子。这样，在生产工艺优化系统1中，优选经由执行计划及执行指示信息向各执行主体提示多个不同的执行程序，并在执行环境100中并行执行多个不同的执行程序。

此处，假设执行程序0中烘焙和混合已经结束，已经得到了最佳执行结果。另一方面，假设执行程序2中烘焙失败或者延迟，得到了“有未执行的操作(混合)”的执行结果。假设执行程序2中为“未执行”，执行程序3中为“正在执行中”，均未得到执行结果。

此时，如图17B所示，生产工艺优化装置2可能在收到执行程序0的执行结果后，关于其他执行程序2收到“烘焙失败或者延迟，有未执行的操作(混合)”的执行结果。

此种情况下，在生产工艺优化装置2中，最佳执行程序0的执行结果会被存储在数据库8中，用于生成下次以后的回归模型。此外，在生产工艺优化装置2中，即使在执行程序0收到了最佳执行结果后，也不会马上结束生产工艺优化处理，而是也将之后得到的非最佳的执行程序1的执行结果存储在数据库8中。这种非最佳的执行结果也可以根据需要作为下次以后的参考数据在生成新的执行程序时进行充分利用。

这样，在生产工艺优化系统1中，优选不是仅仅着眼于1个执行程序0结束生产工艺优化处理，而是根据需要获取其他执行程序1、2、3的执行结果或评估结果并积累于数据库8中，根据情况通过管理者等的判断结束生产工艺优化处理。

(1－2)模板执行程序生成处理

(1－2－1)模板执行程序生成部的结构

下面，对上述生成模板执行程序的模板执行程序生成处理进行说明。图18是示出模板执行程序生成部15的结构的框图。如图18所示，模板执行程序生成部15具有：起点执行程序获取部1501、执行实绩结果/评估实绩结果获取部1502、关联执行程序分析部1503、可变参数项目确定部1504、搜索范围设定部1505、模板执行程序输出部1506、约束条件设定部1507。

此处，起点执行程序获取部1501根据经由操作部10输入的“2种咖啡豆的烘焙和混合”、“咖啡豆A、B”、“烘焙”、“香味定性评估”等生产工艺及评估工艺的内容，从数据库8获取如图2所示的、内容(例如，处理对象、产物、操作等)相同的、作为优化起点的起点执行程序。

执行实绩结果/评估实绩结果获取部1502根据经由操作部10输入的生产工艺及评估工艺的内容、起点执行程序的操作概要栏的内容，如图3及图4所示，当数据库8中不存在与起点执行程序相同的执行程序的执行实绩结果及评估实绩结果或者与起点执行程序相同的执行程序的执行实绩结果及评估实绩结果时，从数据库8获取与起点执行程序关联的执行程序(关联执行程序)的执行实绩结果及评估实绩结果。

需要说明的是，此处，对从数据库8获取与经由操作部10输入的生产工艺及评估工艺的内容、起点执行程序中的操作概要栏的内容相同的执行实绩结果及评估实绩结果进行了说明，例如，也可以从数据库8获取与输入的生产工艺及评估工艺的内容有相似性的执行实绩结果及评估实绩结果、与起点执行程序中的操作概要栏的内容有相似性的执行实绩结果及评估实绩结果。

此处，相似性是指例如可根据生产工艺及评估工艺(以下统称“工艺”)中包含的操作内容及其顺序、成为工艺的输入输出的操作的名称或特性值来判定。若是操作内容及其顺序，优选比较归一化的中间表达。具体而言，例如，求得工艺的抽象语法树之间的距离。此外，根据一个工艺的抽象语法树创建一个树自动机，接受表示类似工艺的抽象语法树，并判定它是否被接受。比较工艺的输入输出时，若单纯是咖啡豆，则优选比较名称之间的距离或生豆的各成分含量、水分含量、产地、基因组序列等的特性值。

通过在执行实绩结果/评估实绩结果获取部1502中预先规定这样的相似性的定义，能够从数据库8获取与所输入的生产工艺及评估工艺的内容有相似性的执行实绩结果及评估实绩结果、与起点执行程序中的操作概要栏的内容有相似性的执行实绩结果及评估实绩结果。

关联执行程序分析部1503在数据库8中不存在与起点执行程序相同的执行程序的执行实绩结果及评估实绩结果，从数据库8读出了与起点执行程序关联的执行程序(关联执行程序)的执行实绩结果及评估实绩结果时，为了从起点执行程序中确定可变参数项目及其搜索范围，对关联执行程序的执行实绩结果及评估实绩结果进行分析。需要说明的是，关于对关联执行程序的执行实绩结果及评估实绩结果进行分析，从起点执行程序中确定可变参数项目及其搜索范围的情形，将在后文叙述。

可变参数项目确定部1504根据执行实绩结果及评估实绩结果，从起点执行程序中确定可设定可变参数项目26g、26h的执行参数项目26d等，该可变参数项目26g、26h设定可变参数值的搜索范围。搜索范围设定部1505根据执行实绩结果及评估实绩结果，确定通过可变参数项目26g、26h设定的搜索范围，设定其范围。

需要说明的是，关于可变参数项目26g、26h的设定及其搜索范围，也可经由操作部10由管理者设定。

此外，作为在可变参数项目26g、26h中设定的搜索范围，也可是例如(i)表示以由运算处理部7或管理者确定的可变参数值的范围为基准进一步扩大规定区域范围的可变推测范围的搜索范围，或者(ii)表示以运算处理部7或管理者确定的可变参数值的范围为基准进一步缩小为被认为有希望的规定区域范围(例如，从管理者的过去的经验法则、见解、约束条件等确定的范围)的最小可变推测范围的搜索范围。

搜索范围设定部1505例如在实际的生产线上在确保一定的质量或产量的同时进行可变参数值的优化时，也可根据允许的质量及产量的偏差进行逆算，缩小可变参数项目的搜索范围，或者以优化一系列评估实绩结果的累积值的方式缩小搜索范围。

模板执行程序输出部1506在起点执行程序中设定利用搜索范围设定部求得的搜索范围，根据起点执行程序生成模板执行程序，输出该模板执行程序。约束条件设定部1507根据需要对模板执行程序中的约束条件项目26e追加新的约束条件，或是修正约束条件。

(1－2－2)不存在与起点执行程序相同的执行程序的执行实绩结果及评估实绩结果时

此处，关于数据库8中不存在与起点执行程序相同的执行程序的执行实绩结果及评估实绩结果时，对关联执行程序的执行实绩结果及评估实绩结果进行分析，并从起点执行程序中确定可变参数项目或其搜索范围的情形，使用图19到图27，进行以下说明。

图19是示出规定了将咖啡豆A、B混合从而生产混合豆的生产工艺以及对得到的混合豆萃取混合豆萃取液并执行味道定性评估及定量评估的评估工艺的起点执行程序的一个例子的示意图。

此种情况下，例如确定管理者想要优化的生产工艺的“咖啡豆A的烘焙”、“咖啡豆B的烘焙”、“咖啡豆A、B的混合”的术语经由操作部10输入，进而确定其评估工艺的“混合豆萃取液的萃取”、“味道定性评估”、“味道定量评估”的术语经由操作部10输入后，起点执行程序获取部1501基于这些术语从数据库8中搜索相同的生产工艺及评估工艺的执行程序，作为起点执行程序进行获取。

需要说明的是，此处，为简化说明，对基于管理者输入的术语从数据库8搜索包含相同的术语的执行程序作为规定执行程序进行获取的情形进行说明，但本发明不限于此。例如，除了术语本身之外，也可以基于该术语表示的类型(例如，操作、input、output、约束等)、操作的程序、进行操作前的处理对象的使用顺序、通过操作得到的产物的出现顺序、中间表达(例如，抽象语法树)的结构等、在与它们之间预先规定的相似度，从数据库8获取起点程序。

图19示出了从数据库8中搜索的起点执行程序的结构的一个例子。如图19所示，该起点执行程序对每个操作在操作概要栏C6、C7、C8、C9、C10、C11中规定了与在生产工艺及评估工艺中进行的操作有关的内容。该起点执行程序的操作概要栏C1、C2、C3、C4也与上述图2的起点执行程序同样，具有例如规定了操作的内容的操作项目26a，规定了操作的处理对象的input项目26b、规定了由操作得到的产物的output项目26c、规定了与操作关联的数值的执行参数项目26d、规定了与操作有关的约束条件的约束条件项目26e。

然后，执行实绩结果/评估实绩结果获取部1502对数据库8中是否存储有与起点执行程序相同的执行程序的执行实绩结果及评估实绩结果进行搜索，若数据库8中未存储有与起点执行程序相同的执行程序的执行实绩结果及评估实绩结果，则从数据库8获取与起点执行程序关联的执行程序(关联执行程序)的执行实绩结果及评估实绩结果。

此种情况下，执行实绩结果/评估实绩结果获取部1502は、基于例如，在起点执行程序中的生产工艺中规定的“咖啡豆A的烘焙”、“咖啡豆B的烘焙”、“烘焙”、“咖啡豆A、B的混合”、“混合”等术语、以及在评估工艺中规定的“萃取液的萃取”、“味道定性评估”、“味道定量评估”等术语，从数据库8中存储的执行程序中确定包含这些术语的执行程序，将确定的执行程序作为关联执行程序，从数据库8获取该关联执行程序的执行实绩结果及评估实绩结果。

此处，图20、图21及图22示出了关联执行程序的执行实绩结果及评估工艺的结构的一个例子。此外，图23示出了这些图20、图21及图22所示的关联执行程序(执行程序A、B，Z)的评估实绩结果。

虽然在图20所示的关联执行程序(执行程序A)中不存在起点执行程序的“咖啡豆B的烘焙”的操作概要栏C7及“咖啡豆A、B的混合”的操作概要栏C8，但在操作概要栏C6、C12、C13、C14中存在起点执行程序内的“咖啡豆A的烘焙”、“萃取液的萃取”、“味道定性评估”及“味道定量评估”的术语。据此，执行实绩结果/评估实绩结果获取部1502将图20所示的关联执行程序及图23所示的执行程序A的评估实绩结果作为关联执行程序的执行实绩结果及评估实绩结果进行获取。

此外，虽然在图21所示的关联执行程序(执行程序B)中不存在起点执行程序的“咖啡豆A的烘焙”的操作概要栏C6及“咖啡豆A、B的混合”的操作概要栏C8，但在操作概要栏C7、C16、C17、C18中存在起点执行程序内的“咖啡豆B的烘焙”、“萃取液的萃取”、“味道定性评估”及“味道定量评估”的术语。据此，执行实绩结果/评估实绩结果获取部1502将图21所示的执行实绩结果及图23所示的执行程序B的评估实绩结果作为关联执行程序的执行实绩结果及评估实绩结果进行获取。

而且，虽然在图22所示的关联执行程序(执行程序Z)中不包含起点执行程序的“咖啡豆A的烘焙”的操作概要栏C6、“咖啡豆B的烘焙”的操作概要栏C7及“咖啡豆A、B的混合”的操作概要栏C8，但在操作概要栏C19、C20、C21、C22中存在的起点执行程序内的“烘焙”、“萃取液的萃取”、“味道定性评估”及“味道定量评估”的术语。据此，执行实绩结果/评估实绩结果获取部1502将图22所示的执行实绩结果及图23所示的执行程序Z的评估实绩结果作为关联执行程序的执行实绩结果及评估实绩结果进行获取。

关联执行程序分析部1503将这些图20、图21及图22所示的关联执行程序的各生产工艺的操作概要栏C6、C7、C19所示的执行实绩结果的内容与图23所示的各评估实绩结果的内容进行比较，对在生产工艺中得到的执行实绩结果的内容(执行参数值的数值的变动等)与在评估工艺中得到的评估实绩结果的内容的关联性或依赖性等进行分析，推测对评估实绩结果产生影响的生产工艺的执行参数项目。

可以进行以下假设，即：例如由于作为图23所示的“执行程序Z”的评估实绩结果的“定性评估结果”的值是最高值“5”，所以该实施方式的关联执行程序分析部1503只要搜索可导出与同样作为“执行程序Z”的评估实绩结果的“定量评估结果”的值([苦味、酸味、美味]＝[7、6、7])接近的结果的烘焙条件和混合比率即可。

关联执行程序分析部1503对执行程序A、B的“定量评估结果”的内容进行分析，得到“执行程序A”的苦味是“9”，高于“执行程序Z”的“7”，而且“执行程序A”的“酸味”是“3”，低于“执行程序Z”的“6”这一分析结果。

此外，关联执行程序分析部1503得到“执行程序B”的苦味是“4”，低于“执行程序Z”的“6”，“执行程序B”的酸味是“8”，高于“执行程序Z”的“6”这一分析结果。此外，关联执行程序分析部1503在定量评估结果中得到执行程序Z存在于连接执行程序A和执行程序B的线附近这一分析结果。

据此，关联执行程序分析部1503得到只要按照适当的比例混合通过“执行程序A”生产的咖啡豆A(已烘焙)和通过“执行程序B”生产的咖啡豆B(已烘焙)，即有很大可能生产出味道与通过“执行程序Z”得到的咖啡豆Z(已烘焙)相似的混合物这一分析结果。

关联执行程序分析部1503将这样的分析结果发送给可变参数项目确定部1504。可变参数项目确定部1504根据从关联执行程序分析部1503收到的分析结果以及关联执行程序的执行实绩结果及评估实绩结果，如图24所示，将规定在起点执行程序的“咖啡豆A和咖啡豆B的混合”的操作概要栏C8中的、执行参数项目的“咖啡豆A的重量”设定为可变参数项目26j。

可变参数项目确定部1504根据来自关联执行程序分析部1503的分析结果、关联执行程序的执行实绩结果及评估实绩结果、以及将操作概要栏C8的“咖啡豆A的重量”设定为可变参数项目26j的起点执行程序，推测可变参数项目26j的搜索范围，例如设定“4g＜咖啡豆A的重量＜101g”。据此，模板执行程序输出部1506根据这些信息，输出图24所示的模板执行程序。

需要说明的是，图25及图26示出了基于图24所示的模板执行程序生成的执行程序的结构的一个例子。在运算处理部7中，可变参数值设定部16从模板执行程序生成部15收到图24所示的模板执行程序后，通过可变参数值设定部16进行可变参数值设定处理，从可变参数项目26j的搜索范围中选择多个可变参数值(本例中，是“100g”或“70g”)，生成通过执行程序生成部17设定了各可变参数值的多个执行程序的列表。

(1－2－3)模板执行程序处理程序的流程图

下面，使用图27的流程图，对上述模板执行程序生成处理进行说明。如图27所示，生产工艺优化装置2从开始步骤起开始模板执行程序生成处理程序，在下一步骤S201中，由管理者输入想要优化的生产工艺及评估工艺。

模板执行程序生成部15在下一步骤S202中，根据生产工艺及评估工艺，从数据库8获取作为搜索的起点的起点执行程序。

需要说明的是，此处，为了简化说明，对搜索数据库8以获取作为搜索的起点的起点执行程序的情形进行了说明，但本发明不限于此。例如，即使搜索了数据库8也不存在作为搜索的起点的起点执行程序，不能从数据库8获取时，也可在模板执行程序生成部15重新编制起点执行程序，并获取该起点执行程序。关于编制新的起点执行程序，既可以通过由管理者自身经由操作部10进行编制的方式来获取，此外，也可以通过由模板执行程序生成部15根据管理者输入的操作名或使用装置名等趋势，以给定的生产工艺及评估工艺的操作为范本，自动编制大致的起点执行程序的方式来获取。

模板执行程序生成部15在下一步骤S203中，判断数据库8中是否存在与起点执行程序相同的执行程序的、过去的执行实绩结果及评估实绩结果。此处，模板执行程序生成部15判断了“数据库8中存在与起点执行程序相同的执行程序的执行实绩结果及评估实绩结果(YES)”时，在下一步骤S204中，从数据库8获取与起点执行程序相同的执行程序的执行实绩结果及评估实绩结果。

模板执行程序生成部15在下一步骤S205中，根据在步骤S204中获取的过去的执行实绩结果及评估实绩结果，确定可在起点执行程序中设定可变参数值的可变参数项目。

需要说明的是，关于这样的可变参数项目的设定，也可由管理者从起点执行程序中详查项目，根据由管理者经由操作部10输入选择命令，将给定的项目设定为可变参数项目。

模板执行程序生成部15在下一步骤S206中，根据在步骤S204中获取的过去的执行实绩结果及评估实绩结果，推测可在可变参数项目中设定的搜索范围，在可变参数项目中设定所推测的给定的搜索范围。模板执行程序生成部15在下一步骤S210中，向可变参数项目输出设定了搜索范围的模板执行程序，结束上述模板执行程序生成处理程序。

需要说明的是，关于这样的可变参数项目中的搜索范围的设定，也可由管理者详查可变参数值的范围，根据由管理者经由操作部10输入输入命令，设定搜索范围。

另一方面，在上述步骤S203中，模板执行程序生成部15判断了“数据库8中不存在与起点执行程序相同的执行程序的执行实绩结果及评估实绩结果(NO)”时，在下一步骤S207中根据输入的生产工艺及评估工艺，从数据库8获取与起点执行程序关联的关联执行程序的执行实绩结果及评估实绩结果。

模板执行程序生成部15在下一步骤S208中，对多个关联执行程序的执行实绩结果及评估实绩结果进行比较，从起点执行程序中推测对评估实绩结果产生影响的执行参数项目。

模板执行程序生成部15在下一步骤S209中，将对评估实绩结果产生影响的执行参数项目作为可变参数项目，根据关联执行程序的执行实绩结果及评估实绩结果，推测可在该可变参数项目中设定的搜索范围。然后，模板执行程序生成部15在可变参数项目中设定所推测的给定的搜索范围。模板执行程序生成部15在下一步骤S210中，输出在可变参数项目中设定了搜索范围的模板执行程序，结束上述模板执行程序生成处理程序。

(1－3)可变参数值设定处理

下面，对上述可变参数值设定处理程序进行说明。图28是示出可变参数值设定部16的结构的框图。如图28所示，可变参数值设定部16具有可变参数值分析部1601和可变参数值选定部1602。可变参数值分析部1601例如从数据库8获取与起点执行程序相同或关联的执行实绩结果及评估实绩结果，通过适用了这些执行实绩结果及评估实绩结果的回归模型等，从搜索范围中分析对评估实绩结果产生影响的可变参数值。

作为回归模型，可以适用适用线性或非线性变换的各种回归模型。例如，将在模板执行程序中设定了搜索范围的可变参数项目苏对应的部位的、执行实绩结果的执行参数值作为说明变量，将评估实绩结果作为目标变量的主成分分析(PCA；Principal ComponentAnalysis)，或是将在模板执行程序中设定了搜索范围的可变参数项目所对应的部位的、执行实绩结果的执行参数值和评估实绩结果作为说明变量，将评估实绩结果作为目标变量的部分最小二乘法(PLS；Partial Least Squares)、多项式回归、高斯过程回归、RandomForest Regression等。此外，作为回归模型，例如也可适用对执行实绩结果及评估实绩结果进行机器学习而生成的机器学习模型。

作为机器学习模型，例如可以应用以组合至少一个矩阵运算和至少一个线性或非线性变换的形式定义的神经网络等。在训练机器学习模型时，有两种类型的训练：有监督的训练和无监督的训练。在对未经训练的机器学习模型进行有监督的训练时，使用执行实绩结果、该评价实绩结果、以及表示该评价实绩结果是否为所希望的结果的正确答案标签(例如，表示是否是所希望的评价实绩结果的正确率)，在训练执行实绩结果及评估实绩结果时，添加正确答案标签进行训练。

在对未经训练的机器学习模型进行无监督的训练时，使用执行实绩结果及其评估实绩结果，训练执行实绩结果及评估实绩结果的规律和特征。

可变参数值设定部16在可变参数值分析部1601中，通过将任意选择的可变参数值输入到经过训练的机器学习模型中来得到预测结果(例如，有监督时是正确率，无监督时则是测评估结果)，在可变参数值选定部1602中，基于该预测结果选定可变参数值。

需要说明的是，关于这样的回归模型，优选将从执行环境100收到的执行结果及评估结果作为说明变量、目标变量、训练数据等，每次都进行追加。据此，能够生成反映了在执行环境100中执行的执行程序的最新数据的回归模型，能够进一步优化生产工艺。

可变参数值选定部1602根据可变参数值分析部1601的分析结果，按照例如贝叶斯优化、正交表、拉丁超立方抽样法等，从可变参数项目的搜索范围中选定规定数量的可变参数值。

具体而言，例如，可变参数值选定部1602使用基于过去的执行实绩结果及评估实绩结果通过可变参数值分析部1601生成的回归模型，选定可变参数值。作为使用回归模型选定可变参数值的方法，除了能够基于回归模型在搜索空间上定义某种函数并通过优化该函数来选定算法之外，也可以通过管理者的判断来置换这样生成的可变参数值的一部分或全部。

基于回归模型在搜索空间上定义的上述函数，是对例如在搜索空间的哪个点生成可变参数值后可重新得到多少评估结果的改善和信息进行定量式定义的函数(例如，UpperConfidence Bound,Expected Improvement,parallel Knowledge Gradient,MutualInformation等)，通过对于这些函数进行给定的程序的优化(例如最大化、最小化、加权采样等)，能够得到规定数量的可变参数值的列表。

在有多个可变参数值的情况下，在需要对它们分配优先顺序时，除了可以根据适当确定的给定基准(例如，除了基于上述函数的值进行分类外，在通过Local Penalization等方法依次生成可变参数值的情况下，根据可变参数值的生成顺序按升序分配优先顺序等)在算法中决定优先顺序之外，也可以根据管理者的判断任意地分配优先顺序。

需要说明的是，可变参数设定部16具有反映可变参数值的属性值(例如，若是溶液中的物质浓度、流速等时，则在可变参数值乘以log的情况下具有目标变量的变化趋同于说明变量的变化，贡献变得更加显而易见等效果，因此，例如是可变参数值乘以log的值)而变换或限制搜索范围的功能，也可以从变换或限制的搜索范围中推测可变参数值。例如，在已知某个可变参数值是相对于评价值以对数变化的种类的情况下，与之对应地也包含对可变参数值实施对数变换的情形等。

此外，可变参数设定部16例如在实际的生产线上在确保一定的质量或产量的同时进行优化时，也可根据允许的质量及生产量的偏差进行逆算，从搜索范围中缩小可变参数值的范围，或者从搜索范围中选定优化一系列评估实绩结果的累计值的可变参数值。

例如，若使用图29的流程图对上述可变参数值设定处理进行说明的话，则可变参数值设定部16从开始步骤起开始可变参数值设定处理程序，在下一步骤S301中，例如根据过去的执行实绩结果及评估实绩结果，生成与搜索范围有关的回归模型。

可变参数值设定部16在下一步骤S302中，在设定了搜索范围的可变参数项目中，根据回归模型，从搜索范围内选择多个可变参数值，结束可变参数值设定处理程序。

(1－4)执行计划生成处理

(1－4－1)执行计划生成处理的概要

下面，对上述执行计划生成处理程序进行说明。图30是示出执行计划生成部19的结构的框图。此外，图31是示出执行计划生成处理程序的流程图。需要说明的是，此处，对生成图6所示的执行程序的执行计划的例子进行以下说明。

如图30所示，执行计划生成部19具有：个别抽象语法树生成部1901、执行程序抽象语法树生成部1902、扩展抽象语法树生成部1903、执行环境信息获取部1904、半序生成部1905、候选计划生成部1906、执行计划选择部1907。

此种情况下，如图31所示，执行计划生成部19从开始步骤起开始执行计划生成处理程序，转移至下一子程序SR41及步骤S404。执行计划生成部19在子程序SR41中，通过个别抽象语法树生成部1901进行个别抽象语法树生成处理(后述)，如图6所示，对在执行程序内的操作概要栏C1、C2、C3、C4中规定的每个操作分别生成个别抽象语法树。

此处，图32示出了通过个别抽象语法树生成处理从图6所示的执行程序的“咖啡豆A的烘焙”的操作概要栏C1生成的个别抽象语法树的结构。图33示出了通过个别抽象语法树生成处理从图6所示的执行程序的“咖啡豆B的烘焙”的操作概要栏C2生成的个别抽象语法树的结构。

图34示出了通过个别抽象语法树生成处理从图6所示的执行程序的“咖啡豆A和咖啡豆B的混合”的操作概要栏C3生成的个别抽象语法树的结构。图35示出了通过个别抽象语法树生成处理从图6所示的执行程序的“混合豆的香味定性评估”的操作概要栏C1生成的个别抽象语法树的结构。

另一方面，在步骤S404中，执行计划生成部19通过执行环境信息获取部1904，从例如数据库8或执行环境100获取图10A所示的执行环境信息E。

执行计划生成部19在子程序SR42中，通过执行程序抽象语法树生成部1902进行执行程序抽象语法树生成处理(后述)，合并在上述子程序SR41生成的多个个别抽象语法树，生成图8及图9所示的执行程序抽象语法树t。需要说明的是，若个别抽象语法树只有1个，则将该个别抽象语法树作为执行程序抽象语法树处理。

执行计划生成部19在下一子程序SR43中，通过扩展抽象语法树生成部1903进行扩展抽象语法树生成处理(后述)，在图8及图9所示的执行程序抽象语法树t中反映图10所示的执行环境信息E的内容，生成图12、图13及图14所示的扩展抽象语法树t′。

执行计划生成部19在下一步骤S405中，通过半序生成部1905从扩展抽象语法树t′生成图10B所示的半序。执行计划生成部19在下一步骤S406中，通过候选计划生成部1906决定开始执行程序的开始时刻(例如，2020年1月2日8时30分)，基于半序和执行环境信息E，生成按照执行操作的顺序对各操作分别分配了执行主体可执行的执行开始时刻和执行结束时刻的、多个时间分配计划的集合A″(图15)。

此外，执行计划生成部19通过候选计划生成部1906，从多个时间分配计划中选择满足了在执行程序等中规定的约束条件的候选计划，生成候选计划的集合A″′(图16)。

执行计划生成部19在下一步骤S408中，通过执行计划选择部1907，根据例如“选择作为执行程序的最终操作的‘混合豆的香味定性评估’的执行结束时间最早的候选计划”等预先设定的选择条件，从多个候选计划中选择执行计划，结束执行计划生成处理程序。

(1－4－2)个别抽象语法树生成处理

下面，对上述个别抽象语法树生成处理进行说明。图36是示出个别抽象语法树生成处理程序的一个例子的流程图。此处，示出了根据图6所示的执行程序中的、“咖啡豆A和咖啡豆B的混合”的操作概要栏C3，生成图34所示的个别抽象语法树的例子。

如图36所示，个别抽象语法树生成部1901从开始步骤起开始个别抽象语法树生成处理程序，在下一步骤S4101中，从执行程序中生成个别抽象语法树，例如，选择操作概要栏C1的操作项目26a。

个别抽象语法树生成部1901在下一步骤S4102中，根据操作概要栏C3的output项目26c，如图37的“step1”所示，生成表示output项目26c的内容(此处为“混合”)的output对象节点n

个别抽象语法树生成部1901在下一步骤S4104中，根据操作概要栏C3的操作项目26a，如图37的“step3”所示，通过边向output标签节点n

个别抽象语法树生成部1901在下一步骤S4106中，根据操作概要栏C3的input项目26b，如图38的“step5”所示，通过边追加表示input项目26b的内容(此处为“咖啡豆A(已烘焙)”和“咖啡豆B(已烘焙)”)的input对象节点n

个别抽象语法树生成部1901在下一步骤S4107中，判断在操作概要栏C3中是否存在执行参数值或可变参数值。此处，在图6所示的执行程序的操作概要栏C3中，在执行参数项目26d存在执行参数值，在可变参数项目26h存在可变参数值，由于在步骤S4107得到了肯定结果(Yes)，因此个别抽象语法树生成部1901转移至下一步骤S4108。

个别抽象语法树生成部1901在步骤S4108中，如图38的“step6”所示，通过边向操作名节点n

需要说明的是，参数节点群n

此外，通过边向表示是执行参数值的static标签节点n

需要说明的是，通过上述步骤S4107判断了“不存在执行参数值或可变参数值”时，个别抽象语法树生成部1901转移至下一步骤S4109。

个别抽象语法树生成部1901在步骤S4109中判断在操作概要栏C3的约束条件项目26e中是否存在与操作有关的约束条件，若存在就转移至下一步骤S4110。需要说明的是，在生成执行程序时确定了在约束条件项目26e中规定的约束条件是“与操作有关的约束条件”、“与input项目26b有关的约束条件”、“与output项目26c有关的约束条件”、“与执行参数项目26d或可变参数项目26h有关的约束条件”中的哪个约束条件。

个别抽象语法树生成部1901在步骤S4110中，如图39的“step7”所示，根据约束条件项目26e，向操作名节点n

此处，约束条件节点群n

需要说明的是，在上述步骤S4109中判断了“不存在与操作有关的约束条件”时，个别抽象语法树生成部1901转移至下一步骤S4111。个别抽象语法树生成部1901在步骤S4111中如图40的“step8”所示，通过边向操作名节点n

个别抽象语法树生成部1901在下一步骤S4112中判断在操作概要栏C3的约束条件项目26e中是否存在与input项目26b有关的约束条件，若存在就转移至下一步骤S4113。

个别抽象语法树生成部1901在步骤S4113中，如图34的“step9”所示，根据约束条件项目26e，通过边向对应的input对象节点n

此处，在约束条件节点群n

而且，在约束条件节点群n

需要说明的是，在上述步骤S4112中判断了“不存在与input项目26b有关的约束条件”时，个别抽象语法树生成部1901转移至下一步骤S4114。

这样，个别抽象语法树生成部1901能够关于例如执行程序的操作概要栏C3生成个别抽象语法树。

个别抽象语法树生成部1901在步骤S4114中判断在执行程序内是否存在未生成个别抽象语法树的操作项目26a。此处，个别抽象语法树生成部1901判断了“在执行程序内存在未生成个别抽象语法树的操作项目26a(YES)”时，在下一步骤S4115中从执行程序中选择未生成个别抽象语法树的其他操作概要栏C1、C2、C4的操作项目26a，再次回到上述步骤S4102，反复进行上述处理，直至在步骤S4114中得到否定结果(NO)。

另一方面，个别抽象语法树生成部1901在步骤S4114中判断了“执行程序内不存在未生成个别抽象语法树的操作项目26a(NO)”时，表示关于执行程序中的所有操作概要栏C1、C2、C3、C4的操作项目26a均生成了个别抽象语法树，结束上述个别抽象语法树生成处理程序。

(1－4－3)执行程序抽象语法树生成处理

下面，对合并上述个别抽象语法树的执行程序抽象语法树生成处理进行说明。图41是示出执行程序抽象语法树生成处理程序的一个例子的流程图。需要说明的是，此处，示出了在图6所示的执行程序中合并根据“咖啡豆A和咖啡豆B的混合”的操作概要栏C3生成的图42的个别抽象语法树和根据“混合豆的香味定性评估”的操作概要栏C4生成的图43的个别抽象语法树的例子。

需要说明的是，此处，对生成多个个别抽象语法树并合并这些个别抽象语法树的情形进行说明，但根据模板执行程序不同，也可能只有1个操作概要栏，只生成1个个别抽象语法树。此时，如上所述，将所生成的1个个别抽象语法树作为执行程序抽象语法树处理。

如图41所示，执行程序抽象语法树生成部1902从开始步骤起开始执行程序抽象语法树生成处理程序，在下一步骤S4201中从图32、图33、图34及图35(图42与图35结构相同)所示的多个个别抽象语法树中选择给定的个别抽象语法树(此处，例如与最终进行的“混合豆的香味定性评估”的操作有关的个别抽象语法树(图42))。

执行程序抽象语法树生成部1902在下一步骤S4202中，如图42所示，确定在上一步骤S4201中选择的“混合豆的香味定性评估”的个别抽象语法树中包含的不具有子节点的input标签节点的集合N

执行程序抽象语法树生成部1902在下一步骤S4203中，如图43所示，确定具有与图42的集合Nl中包含的input对象节点(此处，是带有“混合豆”标签的input对象节点)n

执行程序抽象语法树生成部1902在下一步骤S4204中将在上一步骤S4203中确定的图43所示的“咖啡豆A和咖啡豆B的混合”的个别抽象语法树的output对象节点n

执行程序抽象语法树生成部1902在下一步骤S4205中，判断是否存在可连接到中间抽象语法树中包含的、不具有子节点的input标签节点的集合Nl的元素的个别抽象语法树或中间抽象语法树。此处，若存在1个以上的可连接到中间抽象语法树中包含的、不具有子节点的input标签节点的集合Nl的个别抽象语法树或中间抽象语法树，则执行程序抽象语法树生成部1902再次转移至上述步骤S4203，确定可连接到中间抽象语法树中包含的新集合N

另一方面，在步骤S4205中，可连接到中间抽象语法树中包含的、不具有子节点的input标签节点的集合N

(1－4－4)扩展抽象语法树生成处理

下面，对上述扩展抽象语法树生成处理程序进行说明。图45是示出扩展抽象语法树生成处理程序的一个例子的流程图。需要说明的是，此处，示出了根据图10A所示的执行环境信息E和图8及图9所示的执行程序抽象语法树t′生成扩展抽象语法树(图12、图13及图14)的例子。

如图45所示，扩展抽象语法树生成部1903从开始步骤起开始扩展抽象语法树生成处理程序，在下一步骤S4301中，从图10A的执行环境信息E中选择给定的执行主体。需要说明的是，此处，为了简化说明，对作为执行主体选择了例如“人P”的例子进行说明。扩展抽象语法树生成部1903在下一步骤S4302中，根据执行环境信息E的信息，确定在上一步骤S4301中选择的执行主体“人P”可执行的操作。

例如，在图10A所示的执行环境信息E中确定；若是可成为执行主体的人P，则仅可执行混合及香味评估的操作；若是可成为执行主体的烘培机X、Y，则仅可执行烘焙的操作；若是可成为执行主体的人Q，则仅可执行混合操作。

扩展抽象语法树生成部1903在下一步骤S4303中，生成将在上一步骤S4301中选择的执行主体作为标签(例如，可识别执行主体的执行主体名)的“人P”的执行主体名节点n

扩展抽象语法树生成部1903在下一步骤S4304中，从执行程序抽象语法树t中选择在上一步骤S4301中选择的执行主体“人P”可执行的操作所对应的操作名节点n

扩展抽象语法树生成部1903在下一步骤S4305中，通过边追加“人P”的执行主体名节点n

扩展抽象语法树生成部1903在下一步骤S4306中，根据执行环境信息E确定与在上一步骤S4301中选择的“人P”可执行的“香味定性评估”的操作有关的执行时间，如图12所示，通过边追加表示该执行时间(此处，是“200sec”)的执行时间节点n

扩展抽象语法树生成部1903在下一步骤S4307中，判断在执行程序抽象语法树t中是否存在在上一步骤S4301中选择的“人P”可执行的其他操作所对应的其他操作名节点n

例如，选择了“人P”时，作为“人P”可执行的其他操作存在“混合”的操作，如图9所示，在执行程序抽象语法树t中存在“人P”可执行的“混合”的操作名节点n

另一方面，在步骤S4307中得到了否定结果时，这表示在执行程序抽象语法树t中向所有“人P”可执行的操作名节点n

扩展抽象语法树生成部1903在步骤S4309中，判断在执行环境信息E中是否存在未选择的其他执行主体(例如，烘培机X、Y或人Q)，若存在则表示生成了在执行程序抽象语法树t中将执行环境信息E中的所有执行主体规定为节点的扩展抽象语法树t′，结束上述扩展抽象语法树生成处理程序。

另一方面，在步骤S4309中，在执行环境信息E中存在未选择的其他执行主体(例如，烘培机X、Y或人Q)时，扩展抽象语法树生成部1903在下一步骤S4310中从执行环境信息E中选择其他执行主体，再次回到步骤S4302，反复进行上述处理，直至在步骤S4309中得到否定结果。

(1－4－5)半序的生成处理

下面，对上述半序的生成处理程序进行说明。此种情况下，半序生成部1905从扩展抽象语法树生成图10B所示的半序。半序生成部1905如图46的“step1”所示，提取扩展抽象语法树t′的操作名节点n

半序生成部1905提取扩展抽象语法树t′的操作名节点n

半序生成部1905反复进行这些处理，作为最终处理结果得到图46的“step3”所述的半序。

(1－5)执行指示信息生成处理

下面，对上述执行指示信息生成处理程序进行说明。图47是示出执行指示信息生成部20的结构的框图。此外，图48是示出执行指示信息生成处理程序的流程图。如图47所示，执行指示信息生成部20具有：操作概要栏选择部2001、操作手册生成部2002、设定信息生成部2003。

需要说明的是，在本实施方式中，作为执行指示信息，将后述的操作手册和设定信息作为执行指示信息，但本发明不限于此，例如也可仅将操作手册作为执行指示信息，或是仅将设定信息作为执行指示信息。

此种情况下，如图48所示，执行指示信息生成部20从开始步骤起开始执行计划生成处理程序。操作概要栏选择部2001在步骤S501中，例如从图6所示的执行程序中选择给定的操作概要栏C1，转移至下一步骤S502及步骤S503。

操作手册生成部2002在下一步骤S502中，从数据库8读出与在步骤S501中选择的操作概要栏C1预先对应的操作指示格式。

例如，操作指示格式是由自然语言预先确定的形式的文章等，只要能够提示执行程序的内容或根据执行程序生成的执行计划的内容，使作为执行主体的人P、Q通过自然语言理解，则可以是任何形式。

操作手册生成部2002在下一步骤S504中，读出在步骤S501中选择的操作概要栏C1的约束信息、执行参数值、可变参数值等以及执行计划的时刻信息等，并将读出的内容分别输入至通过操作指示格式预先确定的区域，生成操作手册。

操作手册可以采用各种编写形式，只要能使作为执行主体的人P、Q通过自然语言理解执行程序的内容或根据执行程序生成的执行计划的内容即可。

另一方面，在步骤S503中，设定信息生成部2003根据在执行计划规定的、执行主体开始执行操作的执行开始日期、该执行主体结束执行操作的执行结束日期、执行程序的约束条件、执行参数值、可变参数值，生成例如使作为执行装置的烘培机X、Y工作的程序等的设定信息。

执行指示信息生成部20在步骤S505中，将根据在步骤S501中选择的操作概要栏C1及执行计划生成的操作手册和设定信息作为执行指示信息进行输出。

执行指示信息生成部20在下一步骤S506中，判断在执行程序中是否存在未选择的操作概要栏，若存在(Yes)，就通过操作概要栏选择部2001在步骤S507中选择在步骤S501中未选择的操作概要栏C2等，再次回到上述步骤S502。

这样，执行指示信息生成部20通过反复进行上述处理，直至在步骤S506中得到否定结果(No)，能够对执行程序中的所有操作概要栏C1、C2、C3、C4分别生成执行指示信息。

(1－6)作用及效果

在以上的结构中，本实施方式的生产工艺优化方法获取成为搜索的起点的起点执行程序(获取步骤)，该起点执行程序将在生产工艺中依次进行的多个操作分别规定为操作项目，并且规定了与操作有关的信息。生产工艺优化方法确定可在起点执行程序中设定可变参数值的一个或多个可变参数项目(可变参数项目确定步骤)，根据过去的执行实绩结果和其评估实绩结果，对在可变参数项目确定步骤中确定的可变参数项目设定所述可变参数值，生成执行程序(执行程序生成步骤)。

此外，生产工艺优化方法获取在执行环境中执行主体按照该执行程序执行时的执行结果(执行结果获取步骤)，获取对该执行结果的评估结果(评估结果获取步骤)。生产工艺优化方法将这些执行程序、可变参数值、所述执行结果及所述评估结果对应起来进行存储(存储步骤)。

据此，生产工艺优化方法根据这些执行程序、可变参数值、所述执行结果及所述评估结果，能够将其作为搜索执行主体在执行环境100中实际执行生产工艺并得到尽可能大的增益的最佳生产条件的执行程序的线索而加以有效利用，能够通过尽可能少的实验执行次数求得增益较大的最佳生产条件。此外，由于生产工艺优化方法能够通过尽可能少的实验执行次数求得增益较大的最佳生产条件，因此能够降低搜索生产条件所花费的总成本及劳力，并且求得增益较大的最佳生产工艺。

(1－7)加工被加工对象物而生产成形品的生产工艺的实施方式

在上述第1实施方式中，对适用混合咖啡豆A、B以生产混合豆的生产工艺的情形进行了说明，此处，作为其他实施方式，例如对适用加热及成形被加工对象物A以生产成形品C的生产工艺的情形进行说明。

此种情况下，生产工艺优化装置2通过生产工艺优化处理，与上述第1实施方式同样地生成：从被加工对象物A生产成形品C的生产工艺及其评估工艺的执行程序、表示各执行主体应当分别在何时协调进行执行程序内的各操作的数据即执行计划、指示执行环境100的执行主体按照执行计划执行各自对应的操作的执行指示信息。

经由操作部10选择了管理者想要优化的生产工艺(例如，加热方法M及成形方法X等)及评估工艺(外观检查)后，模板执行程序生成部15从存储在数据库8中的多个执行程序中选择这些生产工艺及评估工艺所对应的执行程序作为起点执行程序。

此处，图49示出了与生产成形品C的生产工艺及评估工艺有关的起点执行程序的结构的一个例子。在该起点执行程序中也对每个操作在操作概要栏C27、C28、C29中规定了与在生产工艺及评估工艺中执行的操作有关的内容。在本实施方式的起点执行程序的操作概要栏C27、C28、C29中也具有：例如规定了操作的内容的操作项目26a、规定了操作的处理对象的input项目26b、规定了通过操作得到的产物的output项目26c、规定了与操作关联的数值的执行参数项目26d、规定了与操作有关的约束条件的约束条件项目26e。

模板执行程序生成部15根据存储在数据库8中的过去的执行程序的执行实绩结果及其评估实绩结果，将可变更起点执行程序中的执行参数值的执行参数项目26d选定为可变参数项目，生成用于决定接下来应当通过怎样的执行参数值的执行程序在执行环境100中执行生产工艺及评估工艺并评估其执行结果的模板执行程序。

图50示出了以执行实绩结果及评估实绩结果为参考，在图49所示的起点执行程序中设定可变参数项目26m、26n，在可变参数项目26m、26n中分别设定了搜索范围的模板执行程序的结构的一个例子。

本实施方式中，将“加热方法M”的操作概要栏C27中的“加热温度”设定为可变参数项目26m，而且，将“60℃<烘焙温度<90℃”设定为加热温度的搜索范围。此外，本实施方式中，将“成形方法”的操作概要栏C28中的操作项目26a设定为可变参数项目26n，而且，将“成形方法X或成形方法Y”而非数值设定为成形方法的搜索范围。这样，可变参数值不一定必须是数值，除了成形方法的规格之外，还包括加热方法的规格、原料名等。此处，是以执行实绩结果及评估实绩结果为参考将“成形方法Y”设定为搜索范围。

图51及图52示出了根据图50所示的模板执行程序生成的执行程序的结构的一个例子。在图51的执行程序中，在“加热方法M”的操作概要栏C27中将加热温度设定为“60℃”，将成为“成形方法”的操作概要栏C28的可变参数项目26n的操作项目26a设定为“成形方法X”。在图52的执行程序中，在“加热方法M”的操作概要栏C27中将“加热温度”设定为“90℃”，将成为“成形方法”的操作概要栏C28的可变参数项目26n的操作项目26a设定为“成形方法Y”。

需要说明的是，在本实施方式中，设定搜索范围的处理方法、从搜索范围设定可变参数值的处理方法与上述实施方式相同，因此在此处省略其说明。

(2)第2实施方式的生产工艺优化方法

下面，对第2实施方式的生产工艺优化方法进行说明。该第2实施方式的生产工艺优化方法中，设定了从在可变参数值设定项目中规定的搜索范围中设定了可变参数值时，根据可变参数值，将在约束条件项目中设定的内容修正为最佳内容的验证规则。此处，使用图53所示的模板执行程序和图54及图55所示的执行程序，对第2实施方式的生产工艺优化方法进行说明。

需要说明的是，第2实施方式与第1实施方式相比，仅在图18所示的模板执行程序生成部15的约束条件设定部1507的结构方面存在不同，其他结构均与上述第1实施方式相同，因此，在此处，仅着眼于结构不同的约束条件设定部1507进行以下说明。

此处，图53所示的模板执行程序与混合咖啡豆A、B生产混合豆的生产工艺及评估工艺有关，对每个操作在操作概要栏C32、C33、C34、C35中规定了与在生产工艺及评估工艺中执行的操作有关的内容。

该约束条件设定部1507可在例如模板执行程序的“咖啡豆A和咖啡豆B的混合”的操作概要栏C34中设定以下验证规则，即：“为了确保在咖啡豆B的温度通过自然冷却下降至与室温相当以后再执行咖啡豆A和咖啡豆B的混合操作，当咖啡豆B的烘焙温度达到200℃以上时，改写约束条件项目的约束条件的内容，将从咖啡豆B的烘焙结束到开始混合操作之间的待机时间延长一倍”。

需要说明的是，优选在约束条件设定部1507中设置的验证规则根据过去的执行实绩结果及评估实绩结果确定内容进行设定。

此种情况下，例如，在模板执行程序中，如图53所示，首先在“咖啡豆A和咖啡豆B的混合”的操作概要栏C34的约束条件项目26e中设定了“操作所需时间300秒以内”这一约束条件，以及“咖啡豆B的烘焙结束后600秒以上”这一约束条件。

在第2实施方式的生产工艺优化装置2中，与上述第1实施方式同样，根据存储在数据库8中的过去的执行程序的执行实绩结果及其评估实绩结果，通过例如回归模型等，从在“咖啡豆B的烘焙”的操作概要栏C33中规定的、烘焙温度的搜索范围(此处为100℃<烘焙温度<250℃)中选择多个可变参数值。

此处，图54及图55示出了设定了这样选择的选择可变参数值的执行程序的结构的一个例子。在图54所示的执行程序中，在“咖啡豆B的烘焙”的操作概要栏C33的可变参数项目26p中，将100℃设定为烘焙温度。另一方面，在图55所示的执行程序中，在“咖啡豆B的烘焙”的操作概要栏C33的可变参数项目26p中，将250℃设定为烘焙温度。

此种情况下，在图54所示的执行程序中，由于未能满足“咖啡豆B的烘焙温度达到200℃以上时，改写约束条件项目的约束条件的内容”这一验证规则的条件，因此约束条件设定部1507维持在模板执行程序中规定的约束条件不变。

另一方面，在图55所示的执行程序的情况下，由于未能满足“咖啡豆B的烘焙温度达到200℃以上时，改写约束条件项目的约束条件的内容”这一验证规则的条件，约束条件设定部1507按照验证规则，将约束条件的内容改写为“咖啡豆B的烘焙结束后‘1200秒以上’”这一约束条件。

在以上的结构中，在第2实施方式的生产工艺优化方法中也与第1实施方式同样，通过生产工艺优化处理，生成：生产混合豆的生产工艺及其评估工艺的执行程序、表示各执行主体应当分别在何时协调进行执行程序内的各操作的的数据即执行计划、指示执行环境100的执行主体按照执行计划执行各自对应的操作的执行指示信息。

据此，在第2实施方式的生产工艺优化方法中，也能取得与第1实施方式同样的效果。此外，在此基础上，在第2实施方式的生产工艺优化方法中，通过设定“根据在执行程序设定的可变参数值将约束条件的内容改写为符合执行环境100实情的约束条件的内容”这一验证规则，能够使执行主体执行符合实情的执行程序，因此能够通过尽可能少的实验次数求得增益较大的最佳生产条件。

(3)第3实施方式的生产工艺优化方法

下面，对第3实施方式的生产工艺优化方法进行说明。该第3实施方式的生产工艺优化方法在生成模板执行程序时，在过去的执行实绩结果及评估实绩结果存在起点执行程序中没有的约束条件，或是在过去的执行实绩结果及评估实绩结果中存在约束条件的修正履历时，生成对起点执行程序的约束条件进行了追加或修正的模板执行程序。需要说明的是，其他结构均与上述第1实施方式相同，因此，在此处省略其说明。

此处，图56是示出第3实施方式的生产工艺优化方法的模板执行程序生成处理程序的流程图。此种情况下，从步骤S201到步骤S210与上述第1实施方式中的图27相同，因此省略其说明。在第3实施方式中，在步骤S206或步骤S210中，在可变参数项目中设定了给定的搜索范围后，转移至步骤S31。

第3实施方式的模板执行程序生成部15在步骤S31中判断在过去的执行实绩结果及评估实绩结果中是否存在起点执行程序中没有的约束条件，当在过去的执行实绩结果及评估实绩结果中存在起点执行程序中没有的约束条件时，根据需要在约束条件项目中新追加在过去的执行实绩结果及评估实绩结果中有且在起点执行程序中没有的约束条件。

需要说明的是，此处，当在过去的执行实绩结果及评估实绩结果中存在起点执行程序中没有的约束条件时，例如通过管理者的判断根据需要在约束条件项目中新追加了该约束条件，但本发明不限于此。例如，当在过去的执行实绩结果及评估实绩结果中存在起点执行程序中没有的约束条件时，也可直接在约束条件项目中新追加在过去的执行实绩结果及评估实绩结果中有且在起点执行程序中没有的约束条件。

此外，第3实施方式的模板执行程序生成部15在步骤S32中判断在过去的执行实绩结果及评估实绩结果中是否存在约束条件的修正履历，当在过去的执行实绩结果及评估实绩结果中存在约束条件的修正履历时，根据过去的执行实绩结果及评估实绩结果的约束条件的修正履历，对起点执行程序的约束条件进行与修正履历相同的修正。

这样，在第3实施方式中，生成追加了与过去的执行实绩结果及评估实绩结果的约束条件相同的约束条件的模板执行程序，或是具有进行了与过去的执行实绩结果及评估实绩结果的约束条件的修正履历相同的修正的约束条件的模板执行程序(步骤S211)。

在以上的结构中，在第3实施方式的生产工艺优化方法中也与第1实施方式同样，通过生产工艺优化处理，生成：生产混合豆的生产工艺及其评估工艺的执行程序、表示各执行主体应当分别在何时协调执行执行程序内的各操作的的数据即执行计划、指示执行环境100的执行主体按照执行计划执行各自对应的操作的执行指示信息。

如上所述，在第3实施方式的生产工艺优化方法中，也能取得与第1实施方式同样的效果，而且能够通过与过去的执行实绩结果及评估实绩结果的约束条件保持一致，生成反映了过去的经验法则的、具有更符合执行环境100实情的约束条件的模板执行程序。

需要说明的是，在第3实施方式中，在步骤S31之后进行步骤S32，但本发明不限于此，例如，也可与此相反在步骤S32之后进行步骤S31，或是仅进行步骤S31，或是仅进行步骤S32。

(4)第4实施方式的生产工艺优化方法

下面，对第4实施方式的生产工艺优化方法进行说明。该第4实施方式的生产工艺优化方法在生产工艺优化装置2中生成了执行计划及执行指示信息时，在提示给执行环境100的各执行主体之前，通过可否执行模拟，确认执行环境100的各执行主体能否按照这些执行计划及执行指示信息执行生产工艺及评估工艺。

此处，图57是示出第4实施方式的生产工艺优化系统41的结构的框图。图57所示的生产工艺优化系统41与上述第1实施方式的生产工艺优化系统1相比，在设置了可否执行模拟分析部44方面存在不同。需要说明的是，其他结构均与上述第1实施方式相同，因此，在此处省略其说明。

在执行环境100中各执行主体按照执行计划及执行指示信息执行执行程序的操作时，在满足了实际的执行环境100的各种约束的情况下，由各执行主体执行操作。因此，在第3实施方式的生产工艺优化装置42中，在生成执行计划及执行指示信息并提示给执行环境100的各执行主体之前，由可否执行模拟分析部44利用可否执行模拟虚拟执行来验证：在执行环境100的各执行主体的当下时刻的情况下，各执行主体能否按照执行计划及执行指示信息执行执行程序。

例如，若执行主体是机械臂，则会将执行计划及执行指示信息提示给机械臂，使机械臂按照给定的轨迹动作，但也可能设置在这样的环境：当使机械臂按照执行指示信息沿着给定的轨迹动作时，械臂会撞到障害物。

而且，若执行主体是3维切削加工机，则会将执行计划及执行指示信息提示给机械臂，使3维切削加工机的切削部按照给定的轨迹动作，但也可能出现这样的情况：当按照信息使切削部沿着给定的轨迹动作时，由于3维切削加工机的规格(在提高切削精度时推荐限制切削部的可动速度等)或是年久劣化等原因，导致实际上切削部未按照执行指示信息充分可动，从而无法按照执行指示信息进行切削加工。

生产工艺优化装置42获取执行环境约束条件并将其存储在数据库8中，该执行环境约束条件显示了与执行环境100的环境状态有关的约束条件，例如：由于机械臂的当前状况或3维切削加工机的规格、执行主体的相互关系等现实世界中存在的理由，执行环境100的执行主体执行执行程序的操作时有约束条件等。

生成了执行计划及执行指示信息后，可否执行模拟分析部44从数据库8获取显示各执行主体在执行环境100中执行操作时存在约束的执行环境约束条件，反映执行环境约束条件并虚拟执行执行计划及执行指示信息。

可否执行模拟分析部44执行这样的可否执行模拟，例如当使机械臂在执行指示信息所示的可动范围动作时，能够得到“基于根据执行环境约束条件确定的机械臂的现状可知会撞到障害物”这一模拟结果。得到这样的模拟结果后，可否执行模拟分析部44对该模拟结果进行分析，分析有无满足执行环境约束条件确保各执行主体能够执行执行程序的操作的执行计划及执行指示信息。

例如，可否执行模拟分析部44进行以下分析：按照现在的执行指示信息，机械臂的可动范围被约束，所以无法执行给定的操作，但若按照与现在的执行指示信息所示的机械臂的可动顺序不同的顺序可动，则即使在被约束的可动范围内，也能执行相同的操作等。可否执行模拟分析部44得到这样的分析结果后，再次生成反映了变更机械臂的可动顺序等解决办法的执行计划或执行指示信息。

此外，可否执行模拟分析部44进行以下分析：按照现在的执行指示信息，机械臂的可动范围被约束，所以无法执行给定的操作，但若是某个时间段，即可移动约束了机械臂的可动范围的障害物，使机械臂按照执行指示信息执行操作等。可否执行模拟分析部44得到这样的分析结果后，再次生成反映了变更机械臂的可动时间的等解决办法的执行计划或执行指示信息。

执行计划生成部19及执行指示信息生成部20基于来自可否执行模拟分析部44的分析结果，生成即使是执行环境100的现状的执行主体也能执行执行程序的执行计划及执行指示信息。据此，生产工艺优化装置42能够将再次生成的执行计划及执行指示信息提示给执行环境100的对应的各执行主体，使各执行主体按照执行计划及执行指示信息执行执行程序。

此外，生产工艺优化装置42得到“在可否执行模拟分析部44通过执行环境约束条件不能使给定的执行主体执行执行程序的操作”这一分析结果后，执行后述的错误应对处理。

作为错误应对处理，例如(作为典型代表)有以下(i)～(iv)这4种处理，在生产工艺优化装置42中预先设定了4种处理中的给定的处理，也可根据设定执行对应的处理，并将显示不可执行以及不可执行的原因的不可执行信息经由显示部9通知管理者。

(i)无视不可执行之事实，将不可执行的现状的执行计划及执行指示信息发送给执行环境100的对应的执行主体。

(ii)结束现在在生产工艺优化装置42中执行的、生产工艺优化处理整体。

(iii)对得到了“不可执行”这一分析结果的执行程序实施跳过(“跳过”是指，除去多个执行程序中的得到了“不可执行”这一分析结果的执行程序，对剩余的执行程序继续后续的处理)，再次生成执行计划和执行指示，发送给执行环境100的对应的执行主体。

(iv)废弃现状的执行计划和执行指示信息，重新再次生成执行程序的列表本身，从该执行程序的列表生成新的执行计划及执行指示。

生产工艺优化装置42经由显示部9向管理者通知不可执行信息时，例如可督促管理者消除不可执行信息中的不可执行的原因。

此外，生产工艺优化装置42按照上述(i)、(iii)或(iv)，将执行计划及执行指示信息从收发部11经由网络4发送给了对应的通信装置3a等时，能够按照执行计划及执行指示信息，使执行主体执行执行程序。生产工艺优化装置42与此相应从执行环境100的执行主体收到执行结果及评估结果后，能够根据需要再次生成反映了这些执行结果及评估结果的新的执行计划及执行指示信息，此种情况下，将这些再次生成的执行计划及执行指示信息提示给执行主体。

下面，使用流程图，对上述第4实施方式的生产工艺优化方法进行说明。此处，图58是沿用图17A所示的第1实施方式的生产工艺优化处理程序示出第3实施方式的生产工艺优化处理程序的特征性步骤的流程图。在图58中对与图17A所示的第1实施方式的生产工艺优化处理程序相同的子程序SR1、子程序SR2、步骤S3等进行了省略，仅提取了在第3实施方式中具有特征性的步骤S41至步骤S44的部分。

第4实施方式的生产工艺优化装置42如图17A所示从开始步骤起开始生产工艺优化处理程序，从子程序SR1到子程序SR5进行处理后，转移至步骤S41。可否执行模拟分析部44在步骤S41通过执行可否执行模拟判断：在有执行环境约束条件的执行环境100中，执行主体能否按照执行计划及执行指示信息将执行程序的操作执行到最后。

得到了“执行主体不能按照执行计划及执行指示信息将执行程序的操作执行到最后”这一模拟结果后(No)，在下一步骤S42中，可否执行模拟分析部44对执行环境约束条件进行分析，判断能否通过变更执行计划或执行指示信息中的任一方或双方来应对。

生产工艺优化装置42在步骤S42中通过可否执行模拟分析部44判断了“能够通过变更执行计划及/或执行指示信息来应对(Yes)”时，在下一步骤S43中通过执行计划生成部19或执行指示信息生成部20进行执行计划生成处理，变更执行计划，或是进行执行指示信息生成处理，变更执行指示信息。

需要说明的是，也可以例如通过经由显示部9将可否执行模拟的模拟结果通知管理者，让管理者判断能否通过变更执行计划及/或执行指示信息来消除步骤S42的判断。据此，也可以是让管理者研究解决办法，通过管理者变更执行计划及/或执行指示信息。

接着，在步骤S6中，生产工艺优化装置42将执行计划及执行指示信息分别发送给执行计划内的对应的执行主体。

另一方面，在步骤S41中，可否执行模拟分析部44得到了“执行主体能够按照执行计划及执行指示信息将执行程序的操作执行到最后”这一模拟结果后(Yes)，转移至上述步骤S6。在步骤S42中通过可否执行模拟分析部44判断了“不能通过变更执行计划及执行指示信息来应对(No)”时，在下一步骤S44中执行上述错误应对处理，结束上述生产工艺优化处理程序。

需要说明的是，作为上述错误应对处理的变形例，也可以在通过可否执行模拟分析部44判断了“不能通过变更执行指示信息解决”时，由可否执行模拟分析部44生成表示“对应的执行主体不可执行”的不可执行信息，将其发送给对应的执行主体。

此外，可否执行模拟分析部44也可以在得到不可执行信息后，首先判断能否通过仅变更执行计划解决不可执行，然后判断能否通过仅变更执行指示信息解决不可执行。而且，也可以采取相反的顺序，首先判断能否通过仅变更执行指示信息解决不可执行，然后判断能否通过仅变更执行计划解决不可执行。能够通过仅变更执行计划解决不可执行时，或者能够通过仅变更执行指示信息解决不可执行时，优选分别变更执行计划或执行指示信息。

生产工艺优化装置42在步骤S42中通过可否执行模拟分析部44判断了“能够通过仅变更执行计划解决(Yes)”时，在下一步骤S43中通过执行计划生成部19进行执行计划生成处理，变更执行计划。

另一方面，可否执行模拟分析部44在步骤S42中判断了“不能通过仅变更执行计划解决”(No)后，在下一步骤S44中判断能否通过变更执行指示信息解决。

生产工艺优化装置42在在步骤S44中通过可否执行模拟分析部44判断了“能够通过变更执行指示信息解决(Yes)”时，在下一步骤S45中通过执行指示信息生成部20进行执行指示信息生成处理，变更执行指示。

通过上述可否执行模拟分析部44的验证，得到了“不能通过某个特定的可变参数值或多个可变参数值的组合执行”等信息时，也可以将其存储在数据库8中，并在模板执行程序的约束条件项目中重新反映(例如，将“在某个执行环境中不可执行”的条件规定为约束条件等)等。这样，生产工艺优化装置42也可在通过可否执行模拟推测“按照执行程序在执行环境中执行主体不可执行操作”后，重新生成反映了执行环境约束条件的执行程序。此种情况下，生产工艺优化装置42按照重新生成的执行程序再次生成执行计划及执行指示信息。

在以上的结构中，在第4实施方式的生产工艺优化方法中也与第1实施方式同样，通过生产工艺优化处理，生成：生产混合豆的生产工艺及其评估工艺的执行程序、表示各执行主体应当分别在何时协调执行执行程序内的各操作的的数据即执行计划、指示执行环境100的执行主体按照执行计划执行各自对应的操作的执行指示信息。

如上所述，在第4实施方式的生产工艺优化方法中，也能取得与第1实施方式同样的效果，而且能生成符合执行环境100的状况的执行计划及执行指示信息。

而且，在第4实施方式的生产工艺优化方法中，能够预先获取在执行程序的约束条件中未规定的各种错误(不可执行执行程序的条件)，抑制使执行环境100的执行主体执行无用的执行程序，能够相当高效地优化生产工艺。

(5)第5实施方式的生产工艺优化方法

下面，对第5实施方式的生产工艺优化方法进行说明。第5实施方式的生产工艺优化方法在选定在模板执行程序中设定的可变参数项目时，执行项目选定模拟，根据项目选定模拟的结果，从起点执行程序中选定可变参数项目。

此外，第5实施方式的生产工艺优化方法从在模板执行程序的可变参数项目中设定的搜索范围中选择可变参数值时，执行可变参数值选定模拟，根据可变参数值选定模拟的结果，在各可变参数项目中从搜索范围中选定可变参数值。

第5实施方式的生产工艺优化方法通过逐次优化对用于在执行环境100中执行的执行程序进行优化时，通过在实际在执行环境100中执行执行程序进行逐次优化前通过项目选定模拟预先缩小可变参数项目的种类范围，或是利用根据可变参数值选定模拟得到的模拟分析结果预先限制可变参数值的范围，能够减少在执行环境100中的条件研究次数。

对在某个执行环境100执行的执行程序进行优化时，在可成为优化对象的变量的数量较多或变量中包含分类变量(例如，添加的试剂种类)的情况下，若利用单纯的逐次优化进行搜索，需要庞大的实验次数。由于在执行环境100中执行的许多生产工艺大多通常需要很大的时间及金钱成本来执行一个执行程序，因此按照通过生产工艺优化系统1生成的执行程序为了优化而让执行主体进行庞大次数的执行程序是不现实的。

第5实施方式的生产工艺优化方法通过使用模拟分析结果，限制在执行环境100中实际由执行主体执行和优化执行程序的可变参数项目或可变参数值的范围。通过利用生产工艺优化方法缩小范围，能够大幅减少在执行环境100中实际进行的执行程序的次数。

尤其是在像生物设备这样的执行环境100为复杂系统且隐变量较多的系统的情况下，由于模拟出的系统的举动的预测精度较差(+对齐维度也很困难)，所以模拟出的最佳条件的预测值往往与现实世界的最佳生产条件不直接匹配。另一方面，目标函数对变化的条件的变量种类的响应性之间的关系有时在某种程度上在模拟和现实世界中是共同的。若是这样的情况，即使在执行环境100为复杂系统的情况下，通过利用模拟全局性变动实验条件(可变参数项目或可变参数值)，能够例如大致分类为使目标函数的值变化的变量和不使目标函数的值变化的变量，或是大致掌握目标变量对说明变量的响应特性。通过参考该信息，从预测为有助于目标函数的值的变量中设定要搜索的范围(可变参数项目或可变参数值)，或者确定要使用的回归模型的形状，能够高效地推进可变参数项目或可变参数值的搜索。

此处，尤其是以隐变量较多的生物设备为例，对第5实施方式的生产工艺优化方法进行说明。更具体而言，例如有这样一种生物设备，其中，假设存在导入了用于表达生产某化合物A的酶P的质粒的大肠杆菌X，通过在培养基M中培养该大肠杆菌X并诱导酶P的表达来生产化合物(以下也称为“目标物质”)A。以下，按顺序对项目选定模拟及可变参数值选定模拟进行说明。

(5－1)使用了项目选定模拟的模板执行程序生成处理

首先，对在生产工艺优化方法中使用项目选择模，生成将使目标物质A的产量[g/L]最大化的、组成培养基M的最佳几种原料确定为可变参数项目的模板执行程序的情形进行说明。

此处，例如，在存在数百种组成培养基M的候选原料的情况下，关于“为了得到能够使目标物质A的产量最大化的培养基M，从这些数百种候选原料中选择哪种原料为最佳？或者组合哪些原料为最佳？将各原料以怎样的配合混合为最佳？”的问题，要在执行环境100中实际使执行主体执行执行程序并根据得到的执行结果和评估结果进行确定，难度很大。

因此，在第5实施方式中，在生成模板执行程序时，通过执行项目选定模拟，预先缩小从组成培养基M的数百种候选原料中选择大约能使目标物质A的产量最大化的、组成培养基M的原料的范围，从而大幅减少在执行环境100中实际进行的执行程序的次数。

此处，图59是示出第5实施方式的模板执行程序生成部51的结构的框图。此外，图60是示出第5实施方式的模板执行程序生成处理程序的流程图。如图59所示，模板执行程序生成部51具有：起点执行程序获取部1501、执行实绩结果/评估实绩结果获取部1502、候选项目选择部53、项目选定模拟分析部54、可变参数项目分析部55、搜索范围设定部56、模板执行程序输出部1506、约束条件设定部1507。

如图60所示，生产工艺优化装置2从开始步骤起开始模板执行程序生成处理程序，在下一步骤S201中由管理者输入希望优化的生产工艺及评估工艺。

起点执行程序获取部1501在下一步骤S202中，根据生产工艺及评估工艺，从数据库8获取成为搜索的起点的起点执行程序。候选项目选择部53在步骤S51中，确定旨在通过评估工艺得到“使目标物质A的产量最大化”这一评估结果的、组成培养基M的多个候选原料(也称为“候选可变参数项目”)，任意选择给定的溶解量作为各候选原料的项目选定用参数值。需要说明的是，对于候选可变参数项目(候选原料)的数量不作特别限定，此处为9个或10个等即2个以上(多个)，也可以是1个。此外，候选可变参数项目(候选原料)的确定可以由管理者确定，也可以基于过去进行的后述的项目选定模拟评估结果确定，对于其确定方法不做特别限定。

例如在从代谢途径网络确定组成培养基M的m个候选原料的情况下，例如也可以通过执行实绩结果/评估实绩结果获取部1502，从数据库8获取与培养基M有关的过去的执行实绩结果及评估实绩结果，例如从该执行实绩结果等中使用的培养基M的原料中确定m个候选原料，或者以执行实绩结果等中使用的培养基M的原料为中心从代谢途径网络的给定区域内确定m个候选原料。

需要说明的是，代谢途径网络是显示生物化学中在细胞内发生的连锁性化学反应的途径的数据，在这种情况下，预先存储在数据库8中。候选项目选择单元53从数据库8获取代谢途径网络，并且根据代谢途径网络，选择组成培养基M的m个候选原料。

项目选定模拟分析部54在步骤S52中，将在步骤S51中确定的m个候选原料的溶解量作为输入进行项目选定模拟，作为项目选定模拟评估结果，得到推测目标物质A的产量达到何种程度的输出结果。

需要说明的是，此处，作为一例，由于对组成培养基M的原料进行了说明，所以项目选定用参数值为溶解量，但在其他的生产工艺中，作为项目选定用参数值，当然可以是例如浓度、混合量、温度、时间等。

此处，项目选定模拟例如通过E-cell等细胞模拟等、或者对在分子混杂或局部存在等非理想条件下工作的生化反应系统等预先建模的方法，能够虚拟地模拟：例如在由所选择的m个原料组成的培养基M中培养大肠杆菌X，假定诱导了酶P的表达时，目标物质A的产量可望达到多少。

项目选定模拟解析部54作为项目选定模拟评估结果，例如，将从项目选定模拟开始起经过了规定的时刻T时作为开始时刻T，根据项目选定模拟结果，计算从开始时间T到时刻(T+△t)期间的目标物质A的产量的积分值作为项目选定模拟评估结果。

候选项目选择部53在下一步骤S53中判断是否继续重新选择候选可变参数项目(候选原料)的项目选定用参数值(意即，候选原料的溶解量)进行项目选定模拟的处理。需要说明的是，也可以由例如管理者判断是否继续执行项目选定模拟，此外，也可以通过候选项目选择部53判断是否执行了给定次数的项目选定模拟，也可以通过候选项目选择部53判断是否得到了期望的项目选定模拟评估结果(此处，是使目标物质A的产量变化较大的原料)。

候选项目选择部53在步骤S53中判断了“继续项目选定模拟(Yes)”时，意即，管理者判断了“继续”，或是候选项目选择部53判断了“未执行给定次数的项目选定模拟”，或是候选项目选择部53判断了“未得到期望的项目选定模拟评估结果群”时，再次回到步骤S51，对候选原料选择新的溶解量(项目选定用参数值)，在下一步骤S52中以重新选择的溶解量作为输入，进行项目选定模拟。

这样，生成多个不同的溶解量的候选原料，分别执行项目选定模拟，对于每个改变了溶解量的候选原料的组合，计算目标物质A的产量的积分值作为项目选定模拟评估结果。

另一方面，在步骤S53中，候选项目选择部53判断了“不继续项目选定模拟(No)”时，意即，管理者判断了“不继续”，或是候选项目选择部53判断了“执行了给定次数的项目选定模拟”，或是候选项目选择部53判断了“得到了期望的项目选定模拟评估结果群”时，转移至下一步骤S54。

可变参数项目分析部55在步骤S54中根据得到的项目选定模拟评估结果，能够从通过改变候选原料的溶解量所产生的、目标物质A的产量变化(或产量增加)，确定候选原料是否为对该产量变化或产量增加有较大影响的原料，基于此限制成为可变参数项目的原料。

搜索范围设定部56在下一步骤S55中，针对每个因对目标物质A的产量变化(或产量增加)产生影响而在步骤S54中被缩小了范围的可变参数项目的原料，根据过去的实际的执行实绩结果及评估实绩结果的趋势，分别推测可设定的溶解量的搜索范围，在可变参数项目的各原料中设定所推测的给定的搜索范围。

模板执行程序输出部1506在步骤S211中，在起点执行程序中设定通过搜索范围设定部求得的搜索范围，根据起点执行程序生成模板执行程序，输出该模板执行程序，结束上述模板执行程序生成处理程序。

需要说明的是，在上述实施方式中，对固定候补原料的种类和数量(m个)，分别改变固定的组合的候补原料的各溶解量，反复进行项目选定模拟的情形进行了说明，当然也可以例如酌情改变组合的候补原料的种类和数量，反复进行项目选定模拟。

(5－2)使用了可变参数值选定模拟的模板执行程序生成处理

下面，对可变参数值选定模拟进行说明。此种情况下，在生产工艺优化方法中，在从模板执行程序的搜索范围中选择可变参数值时，针对组成培养基M的多个(例如m1个)原料，缩小使目标物质A的产量[g/L]最大化的、1(L)中的各自的溶解量(mol/L)的范围，基于此选定变参数值。

此处，图61是示出第5实施方式的可变参数值设定部61的结构的框图。此外，图62是示出第5实施方式的可变参数值设定处理程序的流程图。如图61所示，可变参数值设定部61具有：可变参数值选定模拟分析部62、可变参数值分析部1601、可变参数值选定部1602。

如图62所示，可变参数值选定模拟分析部62从开始步骤起开始可变参数值设定处理程序，在下一步骤S70中，从在可变参数项目中设定的各原料的搜索范围中分别随机选择给定的溶解量(例如1(L)中的原料m

可变参数值选定模拟分析部62在下一步骤S71中，以在步骤S70中随机选择的各原料的候选溶解量为输入进行可变参数值选定模拟，得到与“输入不同的培养基的浓度时目标物质A的产量怎样分布”有关的信息，作为可变参数值选定模拟评估结果。

此处，在可变参数值选定模拟中，例如，使用E-cell等细胞模拟等，对在分子混杂或局部存在这样的非理想条件下工作的生化反应系统等预先建模，能够虚拟地模拟：例如在用m个原料以规定的溶解量(例如，原料m

可变参数值选定模拟分析部62作为可变参数值选定模拟评估结果，例如将从可变参数值选定模拟开始起经过了给定的时刻T时作为开始时刻T，根据项目选定模拟结果，计算从开始时刻T到时刻(T+△t)期间的目标物质A的产量的积分值，作为可变参数值选定模拟评估结果。

可变参数值选定模拟分析部62在下一步骤S72中，判断是否要从搜索范围中重新选择候选溶解量进行可变参数值选模拟处理。可变参数值选定模拟分析部62在步骤S72中判断了“继续可变参数值选定模拟(Yes)”时，意即，管理者判断了“继续”，或是可变参数值选定模拟分析部62判断了“未执行给定次数的可变参数值选定模拟”，或是可变参数值选定模拟分析部62判断了“未得到期望的可变参数值选定模拟评估结果群”时，回到上述步骤S70，从搜索范围中随机选择候选溶解量，再次进行可变参数值选定模拟。

这样，生成m个原料的溶解量各自不同的、多个组合候选，对每个组合候选进行可变参数值选定模拟，对每个组合候选计算目标物质A的产量的积分值作为可变参数值选定模拟评估结果。

另一方面，在步骤S72中，可变参数值选定模拟分析部62判断了“不继续可变参数值选定模拟(No)”时，意即，管理者判断了“不继续”，或是可变参数值选定模拟分析部62判断了“执行了给定次数的可变参数值选定模拟”，或是可变参数值选定模拟分析部62判断了“得到了期望的可变参数值选定模拟评估结果群”时，转移至下一步骤S73。

可变参数值分析部1601在步骤S73中，例如基于可变参数值选定模拟评估结果，得到候选可变参数值和可变参数值选定模拟评估结果的分布趋势，根据该分布趋势从各原料的搜索范围中限制溶解量的范围。可变参数值选定部1602在下一步骤S74中，从基于可变参数值和可变参数值选定模拟评估结果的分布趋势限制的可变参数值的范围选择各原料的可变参数值(溶解量)，生成可变参数项目的各原料的溶解量不同的多个执行程序，结束上述可变参数值设定处理程序。

需要说明的是，虽然对从可变参数值选定模拟的结果限制可变参数值的范围并从所限制的范围内选择可变参数值的方法不作特别限定，但是优选对可变参数值选定模拟评估结果等进行分析并选定可望得到最佳评估结果的可变参数值。

此处，图63的63A是示出候选可变参数值和可变参数值选定模拟评估结果的分布趋势的示意图，此时，例如为简化说明而使用了2种可变参数项目(原料)，对每个可变参数项目改变了候选可变参数值(候选溶解量)并进行了可变参数值选定模拟，分别作为可变参数值选定模拟评估结果得到了推测目标物质A的产量可望达到多少的输出结果。

此处，图63的63A显示了例如在可变参数值选定模拟时，横轴表示第1个原料a1的候选溶解量、纵轴表示第2个候选原料b1的候选溶解量、对分别得到的可变参数值选定模拟评估结果进行颜色区分表示。从这样的可变参数值选定模拟评估结果的分布趋势，缩小推测为最佳的可变参数值的范围，从缩小的可变参数值的范围中选择在执行程序中规定的各原料的可变参数值(溶解量)。

需要说明的是，此处，也可以是可变参数值分析部1601以例如用于可变参数值选定模拟的各原料的候选溶解量为说明变量，并以可变参数值选定模拟评估结果为目标变量，生成回归模型，根据该回归模型的分析结果，限制原料的最佳溶解量的范围，从该被限制的范围内选择可变参数值。

此外，此时，也可以是可变参数值分析部1601除了以例如用于可变参数值选定模拟的各原料的候选溶解量为说明变量之外，还将存储在数据库8中的过去的执行实绩结果或执行结果(溶解量)用作说明变量，并以该执行实绩结果的评估实绩结果或评估结果(产量)、可变参数值选定模拟评估结果为目标变量，生成回归模型，根据该回归模型的分析结果，限制原料的最佳溶解量的范围，从该限制的范围选择可变参数值。

需要说明的是，此处是执行可变参数值选定模拟，限制使目标物质A的产量变化变大的原料的可变参数值(溶解量)的范围，基于此选定原料的可变参数值，但本发明不限于此。

作为其他实施方式，也可以是例如将可变参数值选定模拟的输入输出作为训练数据使用，训练神经网络等机器学习模型(回归模型)，得到可通过输入对输出进行微分的经过训练的回归模型，确保即使是经过训练的回归模型也可以获得与可变参数值选定模拟近似的分析结果，通过该回归模型a来限制最佳可变参数值的范围。

此种情况下，优选预先将这样的经过训练的回归模型a存储在数据库8中。据此，可变参数值分析部1601分别限制使目标物质A的产量变化变大的各原料的溶解量时，不必执行可变参数值选定模拟，即可使用经过训练的回归模型a，限制原料的最佳溶解量的范围。

使用经过训练的回归模型a时，与可变参数值选定模拟相比，有时能降低运算处理的负担，能够在短于可变参数值选定模拟的时间内得到与可变参数值选定模拟评估结果近似的分析结果，使用模拟高效地搜索成为可变参数值的溶解量。

需要说明的是，也可以在训练回归模型a时，除了可变参数值选定模拟的输入输出外，还将存储在数据库8中的执行实绩结果及评估实绩结果等用作训练数据，训练机器学习模型(回归模型a)。

此外，作为其他其他实施方式，也可以适用以下这样的回归模型b，限制可变参数值的范围。例如，将可变参数值选定模拟的输入输出用作训练数据，生成通过改变可变参数值(原料的溶解量)得到的、将特征性超参数值作为特征量提取的经过训练的回归模型a。

然后，也可以参考从该经过训练的回归模型提取的超参数值等特征量，生成以过去的执行实绩结果(过去使用的培养基M的原料)或评估实绩结果(当时的目标物质A的产量)为说明变量，以该评估实绩结果为目标变量的最终回归模型b。

需要说明的是，参考从经过训练的回归模型a提取的超参数值等特征量生成最终回归模型b，是指例如以下情形。

1.此处，回归模型f(x/w)取d维向量的x作为输入。此外，假设具有k个(1≤k的整数)加权变量w。

2.所谓上述1的回归模型对数据进行回归，是指对k个加权变量w中的i个(1≤i≤k的整数)进行更新，使回归模型的输出符合数据。(例如，求出近似可变参数值选定模拟的输入输出的回归模型的权重等。)

3.将在上述2中得到的回归模型a的特征量转移到其他回归模型b时的方法(将为了近似可变参数值选定模拟的输入输出而训练的回归模型a的结论移植到用于实际选择可变参数值的最终回归模型b的情形等)，大致存在下述(1)、(2)的模式。例如，当回归模型a和最终回归模型b以相同的函数形式相乘时，

(1)将训练后的、回归模型a的k个权重变量中的一部分或全部代入最终回归模型b的对应的权重变量。

(2)提取(或由管理员创建)在回归模型a的k个加权变量之间成立的一个或多个关系式或不等式c(w)＝0or c(w)>0等，使最终回归模型b的权重变量w(训练时)也同样满足该关系。

此外，当回归模型a和最终的回归模型b不是相同的函数形式时，通过训练最终回归模型b以近似回归模型a的输入输出的方法，也可以将回归模型a的特征量转移到其他的回归模型b。

可变参数值分析部1601使用这样得到的最终回归模型，能够限制使目标物质A的产量变化变大的原料的溶解量的范围。

此处，使用图63的63B、63C、63D、63E，对参考从上述经过训练的回归模型a提取的特征量生成最终回归模型b时的更简单的例子进行以下说明。

图63的63B、63C、63D是示出例如作为可变参数项目规定了2种原料、在模板执行程序进行规定的各可变参数值的搜索范围ER1，并且将利用可变参数值选定模拟评估结果从经过训练的回归模型a提取的特征量显示为区域ER2、ER3、ER4的示意图。

此种情况下，通过明确地描述约束条件(没有未知数或自由度)，可以将搜索范围ER1限制为区域ER2、ER3、ER4，并可将其提取为特征量。

例如，图63的63E是示出“搜索范围不限于如63D那样可以明确地写成区域的对象，也可以具备1个以上的未知数或自由度”的示意图。在63D中，缩小的搜索范围被唯一地指定，但是在63E中，搜索范围本身被未知数c所表征。在实际进行搜索时，例如通过在用于生成实际执行的可变参数值的回归模型b中描述由该未知数c表征的搜索范围，其结果是具有限制搜索范围的效果。

(5－3)作用及效果

在以上的结构中，在第5实施方式的生产工艺优化方法中也与第1实施方式同样，通过生产工艺优化处理，生成：生产工艺及其评估工艺的执行程序、表示各执行主体应当分别在何时协调进行执行程序内的各操作的数据即执行计划、指示执行环境100的执行主体按照执行计划执行分别对应的操作的执行指示信息。因此，在第5实施方式的生产工艺优化方法中，也能取得与第1实施方式同样的效果。

此外，在第5实施方式的生产工艺优化方法中，选择可成为推测为可得到规定的评估结果的可变参数项目的候选可变参数项目(候选原料)的项目选定用参数值(溶解量)，通过运算处理执行以所选择的候选原料的项目选定用参数值为输入、以评估结果(目标物质的产量变化)为输出的项目选定模拟，根据项目选定模拟的结果，预先限制可变参数项目(可变参数项目确定步骤)。据此，在第5实施方式中，能够预先从组成培养基M的、数百种候选原料中缩小大约能使目标物质A的产量最大化的、组成培养基M的原料的范围，因此能够大幅减少在执行环境100中实际执行执行程序的次数。

此外，在第5实施方式的生产工艺优化方法中，通过运算处理执行可变参数值选定模拟，根据可变参数值选定模拟的结果预先限制可变参数值的范围(可变参数值确定步骤)，该可变参数值选定模拟中，选择推测为可得到规定的评估结果的候选可变参数值(候选原料)，以所选择的候选可变参数值为输入，输出评估结果(目标物质的产量变化)。据此，在第5实施方式中，能够预先在组成培养基M的原料中缩小大约能使目标物质A的产量最大化的原料的溶解量的范围，因此能够大幅减少在执行环境100中实际进行的执行程序的次数。

此外，作为可变参数值确定步骤的例子，也可以将可变参数值选定模拟的输入输出用作训练数据，生成能够通过输入对输出进行微分的经过训练的回归模型，根据该经过训练的回归模型，限制可变参数值的范围。据此，能够以短于可变参数值选定模拟的时间得到与可变参数值选定模拟评估结果近似的分析结果，高效地进行可变参数值的搜索。

而且，作为可变参数值确定步骤的例子，也可以将可变参数值选定模拟的输入输出用作训练数据，生成提取与候选可变参数值的变化对应的特征量的经过训练的回归模型，生成使用了从该经过训练的回归模型提取的特征量的最终回归模型，根据该最终回归模型，限制所述可变参数值的范围。

如上所述，在生产工艺优化方法中，通过项目选定模拟及可变参数值选定模拟，能够在某种程度上限制模板执行程序的可变参数项目或执行程序的可变参数值，因此能够大幅减少在执行环境100中试剂进行的执行程序的次数。

尤其是在像生物设备这样隐变量较多、执行环境100为复杂系统的情况下，通过使用这些项目选定模拟及可变参数值选定模拟，能够有效地减少在执行环境100中执行主体通过执行程序搜索最佳生产条件的搜索次数。

需要说明的是，在第5实施方式的生产工艺优化方法中，以在培养基M中培养大肠杆菌X并诱导酶P的表达来生产化合物A的生产工艺为例进行了说明，除此之外，当然也可以适用于混合多种咖啡豆生产混合豆的生产工艺、混合多种原料生产由铁合金构成的铸件的生产工艺、使用多种食材生产给定的料理的生产工艺等各种生产工艺。

(6)其他实施方式

以上对本实施方式进行了说明，但上述实施方式是为了便于理解本发明，不是为了限定解释本发明。本发明可以在不脱离其主旨的情况下进行变更、改良，并且在本发明中也包含其等价物。

也可以是将上述第1实施方式至第5实施方式的内容适当组合而成的生产工艺最佳化方法。例如，也可以是在根据验证规则改写约束条件的第2实施方式的生产工艺优化方法中组合执行项目选定模拟等的第5实施方式的生产工艺优化方法的结构，此外，也可以是在根据过去的执行实绩结果的约束条件的追加/修正等对模板执行程序的约束条件进行追加/修正的第3实施方式的生产工艺优化方法中组合执行可否执行模拟的第4实施方式的生产工艺优化方法的结构。

此外，在上述第1实施方式至第5实施方式中，也可以对于在执行程序中设定的可变参数值与通过执行结果得到的由执行主体执行的可变参数值可能不一致的执行主体，根据所述执行主体执行的过去的所述执行实绩结果进行推定。

例如，可能出现这样的情况：在通过混合2种咖啡豆生产共混豆的生产工艺中，在通过执行程序规定的“咖啡豆B的烘焙”的操作中，将烘焙时间设定为“700sec”，且使烘焙机X执行“咖啡豆B的烘焙”。

此时，在得到“烘焙机X不能确保650sec以上的烘焙时间”这一过去的执行实绩结果时，在该生产工艺优化方法中可以推测为“即使使烘焙机X执行执行程序，通过执行程序对烘焙机X指示的‘烘焙时间700sec’也可能与通过执行结果得到的由烘焙机X执行的可变参数值(例如‘烘焙时间650sec’)不一致”。

此种情况下，在生产工艺优化方法中，优选生成修正为烘培机X可执行的烘焙时间的执行程序。

此外，在上述第1实施方式至第5实施方式中，也可以包括补正步骤，该补正步骤计算在执行程序中设定的可变参数值与由执行主体按照执行程序执行的可变参数值的实际的实测值之间的偏差，并变更下次以后的执行程序的可变参数值，以补正偏差。

例如，在混合2种咖啡豆生产混合豆的生产工艺中，在执行程序中设定了可变参数值“烘焙时间700sec”时，当作为执行主体的烘焙机X按照执行程序执行时的实际的实测值为“烘焙时间650sec”时，计算这些可变参数值与实测值之间的偏差(50sec)。在生产工艺优化方法中，变更下次以后的针对该执行主体的执行指示信息的内容，以使得到了该实测值的执行主体补正该偏差(50sec)。

此外，可以包括将通过比较这样的偏差的分布和评估结果的分布而得到的信息提示给执行主体的提示步骤。

(7)关于关联执行程序的检索

需要说明的是，在上述实施方式中，基于在起点执行程序中的操作项目26a中规定的术语，从数据库8检索获取关联执行程序的执行实绩结果及评估实绩结果，但本发明不限于此。例如，不只是起点执行程序中的操作项目26a，也可以基于在其他input项目26b、output项目26c、执行参数项目26d及约束条件项目26e中的任一个中规定的术语从数据库8检索获取关联执行程序的执行实绩结果及评估实绩结果。

此外，除此之外，不只是单纯的基于术语的同一性的检索，也可以对于起点执行过程中的、至少在操作项目26a、input项目26b、output项目26c、执行参数项目26d以及约束条件项目26e中规定的、例如(i)加工方法、加热方法、冷却方法、成形方法、压缩方法或挑选方法等技术性处理/加工方法、(ii)咖啡豆、原料或食材等操作处理对象、(iii)咖啡豆(已烘焙)、混合豆、目标物质、成形品或料理等通过操作得到的产物、(iv)定性定量评估、外观评估、成形性评估或质量评估等评估方法，预先确定种类、性质、特定、成分、组成、品种、基因、同源性、生产条件等所关联的事项，并基于该预先确定的事项从数据库8检索获取关联执行程序的执行实绩结果及评估实绩结果。

例如，以图2所示的“咖啡豆A、B的混合”的起点执行程序为一个例子，也可以从数据库8检索获取(i)与通过起点执行程序的input项目26b规定的咖啡豆A、B成分或种类接近的咖啡豆、与咖啡豆A、B菌株接近、品种或基因接近的咖啡豆等的执行实绩结果及评估实绩结果、(ii)与通过起点执行程序的评估工艺中的output项目26c规定的定性定量评估结果接近的执行实绩结果及评估实绩结果、(iii)与在起点执行程序的执行参数项目26d中规定的烘焙手法相同的烘焙手法、近似的烘焙温度、烘焙时间、近似的评估指标等的执行实绩结果及评估实绩结果、(iv)通过起点执行程序的约束条件项目26e规定的时间约束或执行条件约束等和位于给定范围内的执行实绩结果及评估实绩结果，作为关联执行程序的执行实绩结果及评估实绩结果。

此外，以图2所示的“咖啡豆A、B的混合”的起点执行程序为一个例子，对关联执行程序的执行实绩结果及评估实绩结果的检索手法进行了说明，但作为其他例子，也对生成了与“细胞培养”有关的起点执行程序时的、关联执行程序的执行实绩结果及评估实绩结果的检索手法的例子进行说明。

此种情况下，除了从数据库8检索获取包含与在起点执行程序的操作项目26a、input项目26b、output项目26c、执行参数项目26d或约束条件项目26e中规定的培养基、组成、基因、菌株、培养方法、培养程序、培养温度、培养时间等相同的术语的执行实绩结果及评估实绩结果，作为关联执行程序的执行实绩结果及评估实绩结果之外，不只是单纯的基于术语的同一性的检索，也可以预先确定这些事项和组成、品种、基因、同源性、生产条件等所关联的事项，并基于该预先确定的事项，从数据库8检索关联执行程序的执行实绩结果及评估实绩结果。

例如，也可以从数据库8检索获取(i)在起点执行程序的input项目26b中规定的培养基的组成原料和同源性的原料、菌株接近的原料、代谢途径网络近似的原料等的执行实绩结果及评估实绩结果、(ii)改变了在起点执行程序的output项目26c中规定的目标物质的物质、同源性的物质、序列近似的物质、密码子的相似性、代谢途径网络近似的物质等的执行实绩结果及评估实绩结果、或是除了在评估工艺中相同的评估方法之外，评估结果、纯度、物理性质(韧性、拉伸强度、弹性等)相同近似的执行实绩结果及评估实绩结果、(iii)在起点执行程序的执行参数项目26d中规定的培养程序接近的烘焙手法、近似的烘焙温度、烘焙时间、近似的评估指标等的执行实绩结果及评估实绩结果、(iv)在起点执行程序的约束条件项目26e中规定的培养时的时间约束或执行条件约束等和位于给定范围内的执行实绩结果及评估实绩结果，作为关联执行程序的执行实绩结果及评估实绩结果。

符号的说明

1：生产工艺优化系统；

2：生产工艺优化装置；

3a、3b、3c、3d：通信装置；

8：数据库；

11：收发部(执行结果获取部、评估结果获取部)；

15：模板执行程序生成部；

16：可变参数值设定部；

17：执行程序生成部；

19：执行计划生成部；

20：执行指示信息生成部；

1501：起点执行程序获取部；

1504：可变参数项目确定部；

t：执行程序抽象语法树(语法树)；

t′：扩展抽象语法树(语法树)。