程序、信息处理装置、能量信息推定方法及学习完毕模型

技术领域

本公开涉及程序、信息处理装置、能量信息推定方法及学习完毕模型。

背景技术

已知一种二氧化碳排出量计算装置(例如，专利文献1)，其为了根据设备高精度地计算生产产品时产生的二氧化碳排出量，使用产品的生产时的生产工序、设备的信息来计算二氧化碳排出量。

现有技术文献

专利文献

专利文献1：日本特开2012-108691号公报

发明内容

发明所要解决的课题

为了进行考虑了温室效应气体的排出量、能量消耗量等能量信息的产品设计，希望在产品的设计阶段掌握能量信息。

用于解决课题的技术方案

本公开能够作为以下的方式实现。

(1)根据本公开的一个方式，提供一种程序。该程序使计算机实现如下功能：取得功能，取得在产品的设计阶段能够设定的包含与所述产品的规格相关的设计值的产品信息；及推定功能，通过向使用数据集而学习完毕的学习模型输入预定生产的预定生产产品的产品信息，来推定在生产所述预定生产产品的情况下产生的能量信息，所述数据集包含所述能量信息与所述产品信息的组合，所述能量信息包含由所述产品的生产产生的能量消耗量和温室效应气体的排出量中的至少任意一个。

根据该方式的程序，能够在预定生产产品的设计阶段推定能量信息，能够进行考虑了能量信息的预定生产产品的产品设计。

(2)在上述方式的程序中，所述取得功能可以还包括取得所述能量信息的功能。所述程序还可以使计算机实现学习功能，该学习功能使用包含由所述取得功能取得的所述能量信息与所述产品信息的组合的数据集来使所述学习模型学习。

根据该方式的程序，每当使用预定生产产品的数据集来推定能量信息时，使学习模型学习，能够提高能量信息的推定精度。

(3)在上述方式的程序中，所述学习模型可以使用包含每生产一个所述产品产生的所述能量信息与所述产品信息的组合的数据集而学习完毕。

根据该方式的程序，与取得在预先确定的期间中产生的能量信息的总量的情况相比，能够提高能量信息的推定精度。

(4)在上述方式的程序中，所述取得功能可以还包括取得生产线信息的功能，所述生产线信息能够在所述产品的设计阶段设定，并包含为了生产所述产品而在生产线中设定的生产条件。所述推定功能可以包括如下功能：通过向使用包含所述生产线信息、所述产品信息及所述能量信息的组合的数据集而学习的所述学习模型输入所述预定生产产品的产品信息和用于生产所述预定生产产品的生产线信息，来推定在生产所述预定生产产品的情况下产生的所述能量信息。

根据该方式的程序，通过增加用于能量信息的推定的数据数，能够提高能量信息的推定精度。

(5)在上述方式的程序中，在所述生产线信息中也可以还包含作业种类、所述生产线的设置场所、所述生产线中包含的设备台数、所述生产线对所述产品的处理时间、与所述产品的处理中使用的模具相关的模具信息及设计信息中的至少任意一个，所述作业种类表示在所述生产线对所述产品的处理中是否包含基于手动的作业，所述设计信息包含被所述生产线处理之前的产品的设计值。

根据该方式的程序，通过在生产线信息中设定对于能量信息在统计上有意义的因子，能够提高使用生产线信息的能量信息的推定精度。

(6)在上述方式的程序中，所述产品信息也可以包含材料信息、所述产品的尺寸、所述产品的重量及所述产品的尺寸和重量所容许的设定公差中的至少任意一个，所述材料信息包含所述产品的材料名及材质。

根据该方式的程序，通过在产品信息中设定对于能量信息在统计上有意义的因子，能够提高使用产品信息的能量信息的推定精度。

(7)根据本公开的其他方式，提供一种学习完毕模型。该学习模型使用数据集而学习了产品信息与能量信息的关系，所述数据集包含所述产品信息与所述能量信息的组合，所述产品信息在产品的设计阶段能够设定并包含与所述产品的规格相关的设计值，所述能量信息包含由所述产品的生产产生的能量消耗量和温室效应气体的排出量中的至少任意一个。通过输入预定生产的预定生产产品的产品信息，来输出在生产所述预定生产产品的情况下产生的所述能量信息的推定值。

根据该方式的学习完毕模型，能够在预定生产产品的设计阶段推定能量信息，能够进行考虑了能量信息的预定生产产品的产品设计。

本公开也能够以程序及信息处理装置以外的各种方式实现。例如，能够以能量信息推定方法、学习模型的学习方法、信息处理装置的控制方法、实现该控制方法的计算机程序、记录有该计算机程序的非暂时的记录介质等方式实现。

附图说明

图1是示意性表示本公开的第一个实施方式所涉及的信息处理装置的结构的说明图。

图2是表示信息处理装置的内部功能结构的框图。

图3是表示能量信息推定方法的流程图。

图4是表示学习工序的详情的流程图。

图5是示意性表示机器学习用数据集的数据库的说明图。

图6是表示推定工序的详情的流程图。

图7是表示产品信息及生产线信息的各项目的设定方法的说明图。

图8是表示二氧化碳排出量的推定值的计算结果的一例的说明图。

具体实施方式

A.第一实施方式：

图1是示意性表示本公开的第一个实施方式所涉及的信息处理装置60的结构的说明图。信息处理装置60利用机器学习，在产品WK的设计阶段推定通过由生产线Ln生产产品WK而产生的能量信息。在“能量信息”中包含与通过产品的生产而产生的电力、气体、以及包含灯油(煤油)、重油的液体燃料等各种能量的消耗量相关的信息、和与通过该能量的消耗而产生的二氧化碳(CO2)、甲烷(CH4)等温室效应气体的排出量相关的信息。信息处理装置60通过向学习完毕的学习模型(以下，也称为“学习完毕模型”)输入预定进行使用生产线的生产的预定生产产品的设计阶段的信息，推定在生产预定生产产品的情况下产生的能量信息。在本实施方式中，信息处理装置60推定作为能量信息的二氧化碳排出量。

信息处理装置60进行使用了生产产品WK时在生产线Ln的工序PR1、PR2中产生的能量信息和保存在外部装置的数据库DB中的产品WK的产品信息D1及生产线信息D2的机器学习。“产品信息”是指与产品设计相关的信息，是能够在开始产品的生产前的设计阶段设定的信息。“生产线信息”是指与为了生产产品而在生产线Ln中设定的生产条件相关的信息，是能够在开始产品的生产前的设计阶段设定的信息。作为学习用数据的能量信息从分别设置于生产线Ln所包含的工序PR1、PR2的传感器70取得。

传感器70具备检测部72和通信部74。检测部72检测在工序PR1、PR2中进行了处理时产生的能量信息。作为检测部72，例如，能够使用电力量计、气体计量器等。在本实施方式中，检测部72是电力计，检测在工序PR1、PR2中产生的电力消耗量作为能量信息。由检测部72检测出的电力消耗量被向通信部74输出。通信部74根据任意的通信协议通过无线通信对信息处理装置60发送电力消耗量。此外，传感器70不限于与信息处理装置60分体，也可以设为与信息处理装置60一体。通信部74也可以还接收来自信息处理装置60的执行命令。

在产品信息D1及生产线信息D2中，可以包含信息处理装置60用作学习用数据以及推定用数据的多个项目。在本实施方式中，在产品信息D1及生产线信息D2中，预先通过实验提取出对于二氧化碳排出量在统计上有意义的因子。具体而言，作为对于二氧化碳排出量在统计上有意义的因子，产品信息D1中包含与产品的规格相关的设计值。产品信息D1中还可以包含包括产品的材料名及材质的材料信息、产品的尺寸、产品的重量、及产品的尺寸和重量所容许的设定公差中的至少任意一个。生产线信息D2中包含为了生产产品而在生产线Ln中设定的生产条件。在生产线信息D2中，还可以包括生产线的设置场所、生产线所包含的设备台数、生产线对产品的处理时间、表示在生产线Ln对产品WK的处理中是否包含基于手动的作业的作业种类、与产品的处理中使用的模具相关的模具信息、及包含被生产线处理之前的产品的设计值的设计信息中的至少任意一个。在“模具信息”中，例如，是指模具的内部空间的容积、内部空间(型腔)的形状等表示模具的性状的设计信息。“被生产线处理之前的产品的设计值”是指例如在通过机械加工对产品的角部进行倒角处理的情况下，进行倒角之前的产品的角部的内角等，是指表示通过生产线的处理而变化的产品的之前的性状的设计信息。生产线信息不限于这些示例，例如，在生产线信息中，还可以包含预定生产的季节、日期时间、作业者的工作轮班等。

图2是表示信息处理装置60的内部功能结构的框图。信息处理装置60具备作为中央运算处理装置的CPU62、存储装置64、液晶显示器、触摸面板等显示部66、输入部67及通信部68。CPU62、存储装置64、显示部66、输入部67及通信部68经由总线61相互连接，能够双向通信。输入部67例如是键盘、鼠标等，用于输入产品信息、生产线信息。

通信部68是进行经由网络接收机器学习用的数据集及推定用数据的通信控制的接口。通信部68作为从保存设计阶段的数据库DB的外部装置取得产品信息D1及生产线信息D2的取得部发挥功能。在本实施方式中，通信部68还经由传感器70取得能量信息。

存储装置64例如是RAM、ROM、硬盘驱动器(HDD)。在HDD或ROM中保存有用于实现在本实施方式中提供的功能的各种程序。从HDD或ROM读出的各种程序在RAM上展开，并由CPU62执行。在存储装置64的可读写的区域中具备：能量信息存储部640，用于保存所取得的能量信息；产品信息存储部642，用于保存所取得的产品信息D1；生产线信息存储部644，用于保存所取得的生产线信息D2；CO2排出系数存储部646；及学习模型存储部648，用于保存机器学习模型。此外，在存储装置64中暂时保存由CO2排出量推定部生成的各种运算结果等。存储装置64也可以使用光盘、SSD(Solid State Drive：固态驱动器)、闪速存储器等。

在能量信息存储部640中记录有在过去的生产时取得的能量信息。在本实施方式中，在能量信息存储部640中，二氧化碳排出量作为与产品信息及生产线信息和产品的识别信息对应的数据库而被记录。产品的识别信息是指例如对每一个产品赋予的序列号。在能量信息存储部640中，也可以与二氧化碳排出量一起或取代其而记录电力消耗量等能量信息。在产品信息存储部642中记录有所取得的产品信息D1，在生产线信息存储部644中记录有所取得的生产线信息D2。

在CO2排出系数存储部646中保存有用于导出CO2排出量的CO2排出系数。“CO2排出系数”是每活动量的二氧化碳的排出量，是指相对于预先确定的每单位量的能量消耗量的二氧化碳的排出量。在本实施方式中，CO2排出系数相当于为了发出1kWh的电力而排出的二氧化碳的排出量，其单位例如是g/kWh。在本实施方式中，排出系数基于与地球变暖对策的推进相关的法律(温对法)，使用由环境省、经济产业省公布的各电气事业者排出系数，预先保存在CO2排出系数存储部646中。但是，CO2排出系数不限于预先设定为固定值的情况，也可以经由互联网等广域网络等逐次更新。通过这样构成，能够使用最新的CO2排出系数导出CO2排出量。

CPU62通过执行保存在存储装置64中的程序，作为学习模型生成部622和CO2排出量推定部624发挥功能。该程序使计算机实现如下功能：取得功能，取得产品信息及生产线信息；及推定功能，推定在生产预定生产产品的情况下产生的能量信息。学习模型生成部622使用机器学习用的数据集来生成学习完毕模型。机器学习用的数据集是从传感器70取得的在生产线Ln中产生的能量信息、和保存在数据库DB中的产品信息D1及生产线信息D2。CO2排出量推定部624使用学习完毕模型来推定在生产预定生产产品的情况下产生的二氧化碳排出量。

图3是表示由信息处理装置60执行的能量信息推定方法的流程图。在步骤S10中，学习模型生成部622取得机器学习用的数据集，并通过使用所取得的机器学习用的数据集来进行机器学习，从而生成学习完毕模型。在步骤S20中，使用学习完毕模型，推定作为在生产任意的预定生产产品的情况下产生的能量信息的二氧化碳排出量。

图4是表示学习工序的详情的流程图。在步骤S100中，取得机器学习用的数据集。具体而言，在步骤S102中，学习模型生成部622经由通信部68从外部装置的数据库DB取得产品信息D1。在步骤S104中，学习模型生成部622经由通信部68从外部装置的数据库DB取得生产线信息D2。

在步骤S106中，学习模型生成部622取得CO2排出量。在本实施方式中，学习模型生成部622经由通信部68，通过与传感器70的无线通信，取得每个生产线Ln的电力消耗量。学习模型生成部622通过将所取得的电力消耗量乘以保存在CO2排出系数存储部646中的CO2排出系数来计算CO2排出量。此外，CO2排出量也可以由取得电力消耗量的传感器70计算出，在该情况下，信息处理装置60经由通信部68从传感器70取得CO2排出量。

在本实施方式中，学习模型生成部622从传感器70取得每生产一个产品所产生的电力消耗量，计算每生产一个产品所产生的CO2排出量。但是，不限于此，也可以取得通过在预先确定的期间中生产多个产品而产生的CO2排出量的总量，也可以通过将总量除以生产数来计算每个产品产生的CO2排出量。学习模型生成部622生成将所取得的产品信息D1、生产线信息D2以及CO2排出量和产品的序列号对应起来的机器学习用的数据集的数据库。

图5是示意性表示机器学习用数据集的数据库MD的说明图。如图5所示，在数据库MD中，所取得的产品信息D1的各项目、生产线信息D2的各项目以及CO2排出量和产品的序列号被对应起来记录。

返回图4，在步骤S110中，学习模型生成部622进行使用了存储装置64中保存的机器学习用的数据集的机器学习，生成学习完毕的学习模型。在本实施方式中，学习模型生成部622进行将数据库MD中记录的产品信息及生产线信息作为说明变量(explanatoryvariable)、将二氧化碳排出量作为目的变量(response variable)的回归问题的有监督学习。此外，说明变量也被称为输入变量、独立变量等，目的变量也被称为响应变量、从属变量等。学习模型生成部622例如也可以进行使用了最小二乘法等的线形回归(linearregression)的机器学习。学习模型生成部622例如也可以进行使用了递归神经网络(RNN：Recurrent neural network)、一般回归神经网络(General Regression NeuralNetwork)、或者随机森林(Random Forest)等的机器学习。

图6是表示推定工序的详情的流程图。步骤S202是取得预定生产产品的产品信息及生产线信息的取得工序，CO2排出量推定部624从外部装置的数据库DB取得预定生产产品的产品信息D1及生产线信息D2。预定生产产品的产品信息D1及生产线信息D2例如也可以通过用户对输入部67的操作来输入。在本实施方式中，在预定生产产品的产品信息D1及生产线信息D2的各项目中，能够设定能够由用户选择的多个水准。

图7是表示预定生产产品的产品信息D1及生产线信息D2的各项目的设定方法的说明图。图7所示的表TB1是用于计算二氧化碳排出量的推定值的设定画面，例如，显示在显示部66。用户通过输入部67的操作，能够输入或选择作为预定生产产品的产品信息D1的项目82、84、作为预定生产产品的生产线信息D2的项目85、86。在图7的示例中，项目84表示在预定生产产品中使用的材料名。在本实施方式中，作为预定生产产品的设计阶段的候选，设定有作为多个水准的材料M1、材料M2。同样，项目86表示预定生产产品的工序PR1的生产条件，设定有作为多个水准的设定值C1、设定值C2。当完成所有的项目的输入而操作执行按钮88时，基于学习完毕模型的二氧化碳排出量的推定值按照对各项目设定的水准的组合开始二氧化碳排出量的推定值的计算。

返回图6，在步骤S204中，CO2排出量推定部624将预定生产产品的产品信息D1及生产线信息D2输入到保存在学习模型存储部648中的学习完毕模型中。在产品信息D1及生产线信息D2的项目中设定有多个水准的情况下，CO2排出量推定部624将在产品信息D1及生产线信息D2的各项目中设定的多个水准的全部的组合输入到学习完毕模型中。

在步骤S206中，CO2排出量推定部624将从学习完毕模型得到的CO2排出量的推定值输出到显示部66。在步骤S208中，用户决定产品信息D1及生产线信息D2。更具体而言，在产品信息D1及生产线信息D2的项目中包含多个水准的情况下，用户参照从学习完毕模型得到的CO2排出量的推定值，选定其中一个水准。

图8是表示二氧化碳排出量的推定值的计算结果的一例的说明图。图8所示的表TB2例如在操作了图7所示的执行按钮88后显示在显示部66。在表TB2中，二氧化碳排出量的推定值按照每个在产品信息D1及生产线信息D2的各项目中设定的多个水准的组合来表示。在图8的示例中，在图7所示的项目84的材料M1、M2和项目86的设定值C1、C2的4种组合的每一种中，示出了二氧化碳排出量的推定值。通过这样构成，用户在预定生产产品的设计阶段，在产品信息D1及生产线信息D2的各项目中作为候选而举出多个水准的情况下，能够参照其每个组合的CO2排出量的推定值。因此，使用者能够基于CO2排出量的推定值来设定预定生产产品的产品信息D1及生产线信息D2的各项目。

以上，如所说明的那样，本实施方式的信息处理装置60中保存的程序使计算机实现如下功能：取得功能，取得在产品WK的设计阶段能够设定的产品信息D1；及推定功能，通过向学习完毕的学习模型输入预定生产产品的产品信息D1，来推定在生产预定生产产品的情况下产生的二氧化碳排出量。根据本实施方式的程序，能够使用预定生产产品的产品信息D1来推定二氧化碳排出量。因此，能够在预定生产产品的设计阶段推定二氧化碳排出量，能够进行考虑了二氧化碳排出量的产品设计。

对本实施方式的信息处理装置60中保存的程序而言，取得功能还包括取得作为能量信息的二氧化碳排出量的功能，使计算机实现学习功能，该学习功能使用包含所取得的产品信息D1与二氧化碳排出量的组合的数据集来使学习模型学习。根据本实施方式的程序，能够使用推定二氧化碳排出量时取得的数据集来使学习模型学习。因此，每当使用预定生产产品的数据集来推定二氧化碳排出量时，使学习模型学习，能够提高二氧化碳排出量的推定精度。

根据本实施方式的信息处理装置60中保存的程序，学习完毕模型使用每生产一个产品所产生的二氧化碳排出量而进行学习。根据本实施方式的程序，与取得预先确定的期间中产生的二氧化碳排出量的总量的情况相比，能够提高二氧化碳排出量的推定精度。

作为取得功能，本实施方式的信息处理装置60中保存的程序还使计算机实现取得生产线信息D2的功能，生产线信息D2能够在产品WK的设计阶段设定，并包含为了生产产品WK而在生产线Ln中设定的生产条件。根据本实施方式的程序，通过增加二氧化碳排出量的推定中使用的数据数，能够提高二氧化碳排出量的推定精度。

本实施方式的信息处理装置60中保存的程序在生产线信息D2中包含生产条件、作业种类、生产线Ln的设置场所、生产线Ln中包含的设备台数、生产线Ln对产品WK的处理时间、与产品WK的处理中使用的模具相关的模具信息、及包含被生产线Ln加工之前的产品WK的设计值的设计信息。根据本实施方式的程序，通过在生产线信息D2的项目中设定对于二氧化碳排出量在统计上有意义的因子，能够提高使用生产线信息D2的二氧化碳排出量的推定精度。

本实施方式的信息处理装置60中保存的程序在产品信息D1中包含包括产品WK的材料名及材质的材料信息、产品WK的尺寸、产品WK的重量、及产品WK的尺寸和重量所容许的设定公差。根据本实施方式的程序，通过在产品信息D1的项目中设定对于二氧化碳排出量在统计上有意义的因子，能够提高使用产品信息D1的二氧化碳排出量的推定精度。

B.其他的实施方式：

(B1)在上述第一实施方式中，示出了在产品信息D1及生产线信息D2的各项目中设定能够由用户选择的多个水准的示例。与此相对，也可以在产品信息D1及生产线信息D2的各项目中设定单个的水准。即使是该方式，也能够使用在产品信息D1及生产线信息D2的各项目中设定的单个的水准来输出二氧化碳排出量的推定值。

(B2)在上述第一实施方式中，示出了在产品信息D1及生产线信息D2的项目中包含多个水准的情况下用户选定一个水准的示例。与此相对，产品信息D1及生产线信息D2的各项目的水准例如也可以选择二氧化碳排出量最小的产品信息D1及生产线信息D2的各项目的水准的组合等、信息处理装置60按照预先设定的条件来决定。在该情况下，也可以省略图8所示的表TB2的生成。

(B3)在上述第一实施方式中，示出了使用产品信息D1及生产线信息D2这双方的信息来计算二氧化碳排出量的推定值的示例。与此相对，例如，在仅通过使用产品信息D1就能够充分地得到二氧化碳排出量的推定精度的情况下等，学习模型生成部622及CO2排出量推定部624也可以不取得生产线信息D2。

(B4)在上述第一实施方式中，示出了信息处理装置60推定作为能量信息的二氧化碳排出量的示例。与此相对，信息处理装置60也可以推定甲烷(CH4)等除二氧化碳以外的温室效应气体的排出量。另外，信息处理装置60也可以代替二氧化碳排出量或与其一起推定电力消耗量等能量消耗量。例如，信息处理装置60也可以学习产品信息D1及生产线信息D2与能量消耗量的关系，使用预定生产产品的产品信息D1及生产线信息D2来推定能量消耗量。另外，也可以通过对得到的能量消耗量的推定值乘以CO2排出系数来得到二氧化碳排出量的推定值。另外，信息处理装置60也可以推定能量消耗量和温室效应气体的排出量这双方。

(B5)在上述第一实施方式中，示出了能量信息推定方法具备学习工序的示例。与此相对，在学习模型存储部648中保存的学习模型充分地进行了学习的情况下等，也可以省略步骤S10的学习工序而仅执行步骤S20的推定工序。

本公开中记载的控制部及其方法也可以由专用计算机实现，该专用计算机通过构成被编程为执行由计算机程序实现的一个或多个功能的处理器及存储器来提供。或者，本公开中记载的控制部及其方法也可以由专用计算机实现，该专用计算机通过由一个以上的专用硬件逻辑电路构成处理器来提供。或者，本公开中记载的控制部及其方法也可以由一个以上的专用计算机来实现，该一个以上的专用计算机由被编程为执行一个或多个功能的处理器及存储器和由一个以上的硬件逻辑电路构成的处理器的组合构成。另外，计算机程序也可以作为由计算机执行的指令而存储在计算机可读的非过渡有形记录介质中。

本公开不限于上述的实施方式，在不脱离其主旨的范围内，可以通过各种构成来实现。例如，与发明内容栏中记载的各方式中的与技术特征相对应的实施方式中的技术特征为了解决上述问题的一部分或全部或者为了达成上述效果的一部分或全部，可以适当地进行替换或组合。另外，如果该技术特征在本说明书中没有作为必须的内容进行说明，则可以适当地删除。

标号说明

60…信息处理装置，61…总线，62…CPU，64…存储装置，66…显示部，67…输入部，68…通信部，70…传感器，72…检测部，74…通信部，82～86…项目，88…执行按钮，622…学习模型生成部，624…CO2排出量推定部，640…能量信息存储部，642…产品信息存储部，644…生产线信息存储部，646…CO2排出系数存储部，648…学习模型存储部，D1…产品信息，D2…生产线信息，DB…数据库，Ln…生产线，MD…数据库，PR1、PR2…工序，TB1、TB2…表，WK…产品。