原因推理装置、原因推理方法、原因推理系统及终端装置与流程

本发明涉及原因推理装置、原因推理方法、原因推理系统以及终端装置。

背景技术：

1、近来，大数据分析、iot的利用变得活跃，能够取得庞大的数据。另一方面，为了分析这些数据并解决问题，还需要具有对分析对象的较深的知识，否则难以正确地利用庞大的数据。因此，例如在生产装置的某个传感器数据表示与平时不同的举动的情况下，如果没有关于这样的举动对生产装置、产品的品质带来怎样的影响的知识，则难以采取用于解决问题的对策。

2、另外，随着机器学习技术的进步，能够根据庞大的数据进行高精度的预测、异常检测，能够在各种场景中有效利用。例如在钢铁业中，将制造条件作为输入数据，利用深层学习技术，进行产品的表面瑕疵的发生有无的预测、将许多监视项目的信息复合地分析的设备异常的检测等。

3、在这样的数据利用的发展过程中，还是与上述同样地，在根据机器学习的结果产生对应的动作方面存在课题。具体而言，根据机器学习模型检测为异常的监视项目的信息，关于在怎样的机制下可能发生怎样的故障，需要针对分析对象的较深的知识。在没有这样的知识的情况下，用户难以基于机器学习的结果来采取动作。在现场，由于具有较深知识的有经验层次的人有限，因此要求输出与适当的动作相关联的辅助信息。

4、[现有技术文献]

5、[专利文献]

6、[专利文献1]日本特开2019-194849号公报

7、[非专利文献]

8、[非专利文献1]马可（marco），“我为什么要相信你？：解释任何分类器的预测”，第22届acm sigkdd国际知识发现与数据挖掘会议论文集，2016年8月，第1135-1144页

技术实现思路

1、[发明所要解决的课题]

2、作为用于导出与适当的动作相关联的辅助信息的技术，例如在非专利文献1中，提出了针对发挥重要作用的输入变量求出相对影响度的数值的方法。

3、然而，在非专利文献1所提出的技术中，无法提供与各变量如何影响而达到预测、检测的机制有关的信息。因此，在现状下，使用用户所具有的针对预测、检测对象的知识来推测它们。因此，在非专家或经验少的用户的情况下，无法进行准确的推测，无法与适当的动作相关联。

4、另外，在使用了多个变量的机器学习的情况下，即使具有针对分析对象的知识，由于推测需要负荷和时间等理由，有时也无法进行迅速的动作。

5、例如，在专利文献1中提出的技术中，通过自动输出变量之间的因果关系来呈现变量的影响。然而，仅靠机器学习模型中使用的变量的关系，在非专家或经验少的用户的情况下，仍然很难说能够适当地理解机制。

6、本发明是鉴于上述情况而完成的，其目的在于提供一种原因推理装置、原因推理方法、原因推理系统以及终端装置，即使在对分析对象不具有较深知识的用户使用的情况下，也能够根据传感器数据和设定值等操作数据提供对解决问题有用的辅助信息，能够关联到适当且迅速的动作。

7、[用于解决课题的手段]

8、为了解决上述课题并达成目的，本发明的原因推理装置对过程中的现象的原因进行推理，其中，所述原因推理装置具有：知识模型取得单元，取得知识模型，该知识模型针对所述过程中的现象的因果关系，将在所述过程中产生的事件作为节点，以将所述节点之间连结的网络形式表现；信息制作单元，基于从所述过程收集到的数据，制作至少包含与所述事件有关的异常指标的信息；数据结合单元，对所述知识模型的节点关联相对应的所述信息；及原因推理单元，基于所述知识模型的结构和与所述节点相关联的所述信息，推理并提示所述现象的原因。

9、另外，本发明的原因推理装置在上述发明中，所述原因推理单元在所述知识模型中提示因果路径，所述因果路径连结所述节点彼此且表示所述现象的因果关系，在所述因果路径有多个的情况下，所述原因推理单元基于与所述因果路径的各节点相关联的所述信息，对所述因果路径进行排序并提示。

10、另外，本发明的原因推理装置在上述发明中，所述原因推理单元在所述因果路径中，基于与表示异常的异常指标相关联的节点的个数、或者过去被选择为因果路径的节点的个数，对所述因果路径进行排序并提示。

11、另外，本发明的原因推理装置在上述发明中，所述原因推理单元基于所述信息而将所述知识模型模块化，在所述知识模型中，按每个所述模块提示因果路径，该因果路径连结所述节点彼此且表示所述现象的因果关系。

12、另外，本发明的原因推理装置在上述发明中，上述异常指标包含表示异常的程度的异常度和基于从预先确定的正常状态的偏离度而决定的划分中的至少一个。

13、另外，本发明的原因推理装置在上述发明中，所述信息还包含数据形式、设备的种类和所述事件的时刻中的至少一个。

14、另外，本发明的原因推理装置在上述发明中，所述数据形式包含观测值、设定值和类别中的任意一个。

15、另外，本发明的原因推理装置在上述发明中，所述事件的时刻包含设定计算时、操作中、非操作中的任一个。

16、为了解决上述课题并达成目的，本发明的原因推理方法由通过计算机构建的装置来执行，对过程中的现象的原因进行推理，其中，所述原因推理方法包括：知识模型取得步骤，所述计算机所具备的知识模型取得单元取得知识模型，该知识模型针对所述过程中的现象的因果关系，将在所述过程中产生的事件作为节点，以将所述节点之间连结的网络形式表现；信息制作步骤，所述计算机所具备的信息制作单元基于从所述过程收集到的数据，制作至少包含与所述事件有关的异常指标的信息；数据结合步骤，所述计算机所具备的数据结合单元对所述知识模型的节点关联相对应的所述信息；及原因推理步骤，所述计算机所具备的原因推理单元基于所述知识模型的结构和与所述节点相关联的所述信息，推理并提示所述现象的原因。

17、为了解决上述课题并达成目的，本发明的原因推理系统具备原因推理服务器装置和终端装置，其中，所述原因推理服务器装置具有：知识模型取得单元，取得知识模型，该知识模型针对过程中的现象的因果关系，将在所述过程中产生的事件作为节点，以将所述节点之间连结的网络形式表现；信息制作单元，基于从所述过程收集到的数据，制作至少包含与所述事件有关的异常指标的信息；数据结合单元，对所述知识模型的节点关联相对应的所述信息；原因推理单元，基于所述知识模型的结构和与所述节点相关联的所述信息，推理所述现象的原因；及输出单元，将至少包含在所述原因推理单元中所推理出的现象的原因的信息输出到所述终端装置，所述终端装置具有：信息取得单元，从所述原因推理服务器装置取得至少包含现象的原因的信息；及显示单元，显示所述信息取得单元所取得的信息。

18、为了解决上述课题并达成目的，本发明的终端装置具有：信息取得单元，从原因推理服务器装置取得至少包含过程中的现象的原因的信息；及显示单元，显示所述信息取得单元所取得的信息，所述现象的原因基于知识模型的结构和与所述知识模型的节点相关联且至少包含与所述事件有关的异常指标的信息而推理出，所述知识模型针对过程中的现象的因果关系，将在所述过程中产生的事件作为节点，以将所述节点之间连结的网络形式表现。

19、[发明效果]

20、根据本发明的原因推理装置、原因推理方法、原因推理系统以及终端装置，即使在对分析对象不具有较深知识的用户使用的情况下，也能够根据传感器数据和设定值等操作数据提供对解决问题有用的辅助信息。由此，利用该辅助信息，用户能够进行用于解决问题的适当且迅速的动作。