Deprecated: The each() function is deprecated. This message will be suppressed on further calls in /home/zhenxiangba/zhenxiangba.com/public_html/phproxy-improved-master/index.php on line 456
JP7207039B2 - Data processing device and data processing method for calculating optimum solution - Google Patents
[go: Go Back, main page]

JP7207039B2 - Data processing device and data processing method for calculating optimum solution - Google Patents

Data processing device and data processing method for calculating optimum solution Download PDF

Info

Publication number
JP7207039B2
JP7207039B2 JP2019047018A JP2019047018A JP7207039B2 JP 7207039 B2 JP7207039 B2 JP 7207039B2 JP 2019047018 A JP2019047018 A JP 2019047018A JP 2019047018 A JP2019047018 A JP 2019047018A JP 7207039 B2 JP7207039 B2 JP 7207039B2
Authority
JP
Japan
Prior art keywords
data
input data
input
segment
values
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2019047018A
Other languages
Japanese (ja)
Other versions
JP2020149423A (en
Inventor
直哉 古渡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yokohama Rubber Co Ltd
Original Assignee
Yokohama Rubber Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yokohama Rubber Co Ltd filed Critical Yokohama Rubber Co Ltd
Priority to JP2019047018A priority Critical patent/JP7207039B2/en
Publication of JP2020149423A publication Critical patent/JP2020149423A/en
Application granted granted Critical
Publication of JP7207039B2 publication Critical patent/JP7207039B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Tires In General (AREA)

Description

本発明は、入力を受けた出力データの目標値から目標値に近似する入力データの最適解を算出するデータ処理装置及びデータ処理方法に関する。 The present invention relates to a data processing apparatus and a data processing method for calculating an optimum solution of input data that approximates a target value from a target value of output data that has been input.

近年、コンピュータに機械学習をさせて、入力されたデータから種々の特徴量の予測を行う技術が活発に提案されている。複数のゴム材料、充填材、及びオイル等を原材料として配合して作製される加硫ゴム組成物についても、その物性データを予測することを、上記技術に適用することが考えられる。
従来より、複数のゴム材料、充填材、及びオイル等を試行錯誤により配合して加硫ゴム組成物を試作して物性データを計測することが行われている。このため、加硫ゴム組成物の配合情報と物性データとを紐付けたデータが多数蓄積されている。この蓄積データを活用して、コンピュータに機械学習させて、物性データを予測することができる。
一方、物性データに関して入力した目標値に対して、この目標値を実現することができる加硫ゴム組成物の最適な配合情報を算出することも望まれる。 2. Description of the Related Art In recent years, techniques for predicting various feature amounts from input data by causing computers to perform machine learning have been actively proposed. For a vulcanized rubber composition produced by blending a plurality of rubber materials, fillers, oils, etc. as raw materials, it is conceivable to apply the prediction of the physical property data to the above technique.
BACKGROUND ART Conventionally, a vulcanized rubber composition has been experimentally prepared by blending a plurality of rubber materials, fillers, oils, and the like by trial and error, and physical property data has been measured. For this reason, a large amount of data linking the compounding information and physical property data of the vulcanized rubber composition is accumulated. Utilizing this accumulated data, it is possible to make a computer perform machine learning and predict physical property data.
On the other hand, it is also desired to calculate the optimum compounding information of the vulcanized rubber composition that can realize the target value input regarding the physical property data.

例えば、複数のポリマー及び複数の配合剤を含む材料を加硫して製造されるゴム状弾性体について、入力した物性値を目標値とし、この目標値と、予め定めた近似応答関数とに基づいて、材料の分子に関する情報、前記材料の配合割合、前記ゴム状弾性体の加硫条件の少なくとも一つを求める、ゴム状弾性体の性能の予測方法が知られている（特許文献１）。 For example, for a rubber-like elastic body produced by vulcanizing a material containing a plurality of polymers and a plurality of compounding agents, input physical property values are set as target values, and based on these target values and a predetermined approximate response function Therefore, a method for predicting the performance of a rubber-like elastic body is known, in which at least one of information on the molecules of the material, the compounding ratio of the material, and the vulcanization conditions of the rubber-like elastic body is obtained (Patent Document 1).

特開２０１８－１４７４６０号公報JP 2018-147460 A

この予測方法では、入力した物性値を目標値とし、この目標値を実現する材料の分子に関する情報、材料の配合割合、ゴム状弾性体の加硫条件の少なくとも一つを最適解として求めることが可能であるが、上記近似応答関数は、材料の分子に関する情報、材料の配合割合、及びゴム状弾性体の加硫条件を含んだ入力データの値と、この材料の分子に関する情報、材料の配合割合、及びゴム状弾性体の加硫条件に基づいて製造されたゴム状弾性体の物性値である出力データの値と、をセットとした既存データセットを複数組用いて予め形成された予測モデルであるので、入力データが密な領域、入力データが存在しないあるいは疎な領域もある。このため、入力データの取り得る範囲、例えば最大値と最小値を定めて、目標値に対して近似応答関数を用いて最適解を求める入力データの範囲を制限しても、最適解は、入力データが密な領域であるため予測精度が高い領域に位置する場合もあるが、入力データが存在しないあるいは疎な領域であるため予測精度が低い領域に位置する場合もある。この場合、最適解に基づいてゴム状弾性体を実際に製造しても、ゴム状弾性体の物性値は目標値に近似せず、最適解の信頼性が低い場合がある。 In this prediction method, the input physical property value is used as a target value, and at least one of the information on the molecules of the material that realizes this target value, the blending ratio of the material, and the vulcanization conditions of the rubber-like elastic body can be obtained as the optimum solution. However, the approximate response function is obtained by input data values including information on the molecules of the material, the compounding ratio of the material, and the vulcanization conditions of the rubber-like elastic body, information on the molecules of the material, and the compounding of the material. Prediction model formed in advance using multiple sets of existing data sets, which are sets of ratios and output data values that are physical property values of a rubber-like elastic body manufactured based on vulcanization conditions of the rubber-like elastic body Therefore, there are areas where the input data are dense, and areas where the input data are absent or sparse. For this reason, even if the possible range of input data, for example, the maximum and minimum values are determined and the range of input data for obtaining the optimum solution is limited by using the approximate response function for the target value, the optimum solution is the input It may be located in an area with high prediction accuracy because the data is dense, but it may be located in an area with low prediction accuracy because the input data does not exist or is sparse. In this case, even if the rubber-like elastic body is actually manufactured based on the optimum solution, the physical property values of the rubber-like elastic body may not approximate the target values, and the reliability of the optimum solution may be low.

そこで、本発明は、入力を受けた出力データの目標値から目標値に近似する入力データの最適解を算出する際、出力データの目標値を実現することができる信頼性のある最適解を効率よく算出するデータ処理装置及びデータ処理方法を提供することを目的とする。 Therefore, when calculating an optimal solution of input data that approximates the target value from the target value of the output data that has been input, the present invention efficiently finds a reliable optimal solution that can realize the target value of the output data. It is an object of the present invention to provide a data processing device and a data processing method that compute well.

本発明の一態様は、複数の入力データの入力値から予め定めた出力データに関する出力値を予測する予測モデルを用いて、入力を受けた前記出力データの目標値から前記目標値に近似する前記入力データの最適解を算出する、コンピュータからなるデータ処理装置である。
前記入力データは、少なくとも第１入力データ及び第２入力データを含み、
前記予測モデルは、前記複数の入力データの値と、該値に応じて定まった１つの出力データの値とから構成される既存データセットを複数組用いて、前記入力データの入力値から前記出力データに関する出力値を予測することを可能にしたモデルである。
前記データ処理装置は、
前記入力データの前記第１入力データ及び前記第２入力データそれぞれの値の取り得る範囲が複数の単位セグメントで構成された計算可能領域を、前記既存データセットに基づいて設定する計算可能領域設定部と、
前記計算可能領域の範囲内で設定された前記第１入力データの試行入力値と前記第２入力データの試行入力値の組を含む複数の入力データの試行入力値を複数組用いて、前記入力データの入力値から前記予測モデルにより前記出力データの複数の試行出力値を予測する出力データ予測部と、
前記出力データ予測部で用いた前記複数の入力データの前記試行入力値と、前記出力データ予測部で予測された前記出力データの前記試行出力値と、に基づいて、前記出力データの出力値を、入力を受けた前記出力データの目標値に最も近づける前記複数の入力データの最適解を前記計算可能領域の範囲内算出する最適解算出部と、を備える。
前記計算可能領域設定部が設定する前記計算可能領域の前記単位セグメントは、
前記複数組の既存データセットそれぞれの前記第１入力データの値及び前記第２入力データの値が存在する複数のデータセットセグメントと、
前記複数のデータセットセグメントのうちの対をなしたセグメントであって、前記第１入力データ及び前記第２入力データのうちの一方の入力データＡの入力値の範囲が、前記入力データＡの範囲を定める境界を除く少なくとも一部で互いに重さなり、他方の入力データＢの範囲が互いに重さならない重複データセットセグメント対に対して、該重複データセットセグメント対それぞれの前記入力データＢの値の範囲の間に位置し、かつ、前記重複データセットセグメント対の少なくともいずれか１つの前記入力データＡの値の範囲に位置する第１中間セグメントと、
前記第１中間セグメントの１つと、前記第１中間セグメント及び前記データセットセグメントの一方の１つと、で対をなすセグメントであって、前記第１入力データ及び前記第２入力データのうちの一方の入力データＣの値の範囲が、前記入力データＣの範囲を定める境界を除く少なくとも一部で互いに重さなり、他方の入力データＤの値の範囲が互いに重さならない準重複データセットセグメント対に対して、該準重複データセットセグメント対それぞれの前記入力データＤの値の範囲の間に位置し、かつ、前記準重複データセットセグメント対の少なくともいずれか１つの前記入力データＣの範囲に位置する第２中間セグメントと、のいずれかに属する。 According to one aspect of the present invention, a prediction model that predicts an output value related to predetermined output data from input values of a plurality of input data is used to approximate a target value of the output data received as input to the target value. It is a computer-based data processing device that calculates the optimum solution for input data.
the input data includes at least first input data and second input data;
The predictive model uses a plurality of sets of existing data sets composed of the plurality of input data values and one output data value determined according to the values, and the output from the input value of the input data It is a model that makes it possible to predict output values for data.
The data processing device is
A calculable region setting unit that sets a calculable region in which each of the possible ranges of the values of the first input data and the second input data of the input data is composed of a plurality of unit segments based on the existing data set. When,
Using a plurality of sets of trial input values of a plurality of input data including a set of trial input values of the first input data and trial input values of the second input data set within the range of the computable region, the input an output data prediction unit that predicts a plurality of trial output values of the output data from data input values using the prediction model;
The output value of the output data is calculated based on the trial input values of the plurality of input data used by the output data prediction unit and the trial output values of the output data predicted by the output data prediction unit. and an optimum solution calculation unit for calculating, within the computable region, an optimum solution of the plurality of input data that is closest to a target value of the received output data.
The unit segment of the computable area set by the computable area setting unit is
a plurality of data set segments in which the values of the first input data and the values of the second input data of each of the plurality of sets of existing data sets are present;
Paired segments of the plurality of data set segments, wherein the range of input values of input data A, one of the first input data and the second input data, is the range of the input data A For overlapping data set segment pairs that overlap each other at least in part except for the boundaries defining a first intermediate segment located between ranges and located within a range of values of said input data A of at least one of said pairs of overlapping data set segments;
a segment paired with one of said first intermediate segment and one of said first intermediate segment and said data set segment, said one of said first input data and said second input data A pair of quasi-overlapping data set segments in which the value ranges of the input data C overlap at least in part except for the boundaries defining the ranges of the input data C, and the value ranges of the other input data D do not overlap each other is located between the ranges of values of the input data D of each of the quasi-overlapping data set segment pairs, and is located within the range of the input data C of at least one of the quasi-overlapping data set segment pairs and the second intermediate segment.

前記データ処理装置において、前記計算可能領域は、前記既存データセットにおける前記第１入力データの値の最大値及び最小値と、前記既存データセットにおける前記第２入力データの値の最大値及び最小値との組み合わせによって定まる値の４つの組みが位置する４つの単位セグメントのうち、少なくとも１つの単位セグメントを含まない、ことが好ましい。 In the data processing device, the computable region includes the maximum and minimum values of the first input data in the existing data set and the maximum and minimum values of the second input data in the existing data set. It is preferable that at least one unit segment is not included among the four unit segments in which the four sets of values determined by the combination of .

前記データ処理装置において、前記単位セグメントは、前記既存データセットの前記第１入力データの値の範囲と、前記既存データセットの前記第２入力データの値の範囲のそれぞれを、一定の幅で分割したセグメントである、ことが好ましい。 In the data processing device, the unit segment divides the value range of the first input data of the existing data set and the value range of the second input data of the existing data set by a constant width. It is preferable that the segment

前記データ処理装置において、
前記重複データセットセグメント対の前記入力データＡの入力値の範囲は、互いに一致し、
前記第１中間セグメントの前記入力データＡの入力値の範囲は、前記重複データセットセグメント対両方の前記入力データＡの入力値の範囲に一致し、
前記準重複データセットセグメント対の前記入力データＣの入力値の範囲は、互いに一致し、
前記第２中間セグメントの前記入力データＣの入力値の範囲は、前記準重複データセットセグメント対両方の前記入力データＣの入力値の範囲に一致する、ことが好ましい。 In the data processing device,
the input value ranges of the input data A of the duplicate data set segment pairs match each other;
the range of input values of the input data A of the first intermediate segment matches the range of input values of the input data A of both pairs of the duplicate data set segments;
the input value ranges of the input data C of the quasi-overlapping dataset segment pairs match each other;
Preferably, the range of input values of said input data C of said second intermediate segment corresponds to the range of input values of said input data C of both said pairs of quasi-overlapping data set segments.

前記計算可能領域設定部は、前記重複データセットセグメント対に基づいて前記第１中間セグメント及び前記第２中間セグメントを求める際、前記第１入力データを前記入力データＡ及び前記入力データＢのうちの一方として前記第１中間セグメント及び前記第２中間セグメントを求めたのち、前記第１入力データを前記入力データＡ及び前記入力データＢのうちの他方として前記第１中間セグメント及び前記第２中間セグメントを求める処理を繰り返し、前記処理によって得られた前記第１中間セグメント及び前記第２中間セグメントの総数が、前記処理の繰り返しによって増加しなくなるまで、前記処理を繰り返すように構成された繰り返し設定部を有する、ことが好ましい。 When calculating the first intermediate segment and the second intermediate segment based on the overlapped data set segment pair, the computable area setting unit selects the first input data from among the input data A and the input data B. After obtaining the first intermediate segment and the second intermediate segment as one, the first intermediate segment and the second intermediate segment are obtained as the other of the input data A and the input data B as the first input data. an iteration setting unit configured to repeat the obtaining process and repeat the process until the total number of the first intermediate segments and the second intermediate segments obtained by the process does not increase due to the repetition of the process. , is preferred.

前記処理の繰り返し回数が予め定めた回数を超える場合、前記計算可能領域設定部は、前記繰り返し回数が前記予め定めた回数以下になるように、前記単位セグメントの幅を調整する処理を繰り返すように構成される、ことが好ましい。 When the number of repetitions of the process exceeds a predetermined number, the calculable area setting unit repeats the process of adjusting the width of the unit segment so that the number of repetitions is equal to or less than the predetermined number of times. preferably configured.

前記計算可能領域設定部は、前記計算可能領域が互いに分離した領域の数が予め定めた数を超える場合、前記計算可能領域が互いに分離した領域の数が前記予め定めた数以下になるように、前記単位セグメントの幅を調整することを繰り返すように構成される、ことが好ましい。 When the number of regions from which the computable regions are separated from each other exceeds a predetermined number, the computable region setting unit sets the number of regions from which the computable regions are separated from each other to be equal to or less than the predetermined number. , is configured to repeat adjusting the width of the unit segment.

前記計算可能領域設定部は、設定した前記計算可能領域内の前記単位セグメンの前記第１入力データ及び前記第２入力データの範囲のいずれか一方が重なる隣接する単位セグメントの数が予め定めた数より少ない単位セグメントを、設定した前記単位セグメントから除去するように構成される、ことが好ましい。 The computable area setting unit determines a predetermined number of adjacent unit segments in which one of the ranges of the first input data and the second input data of the unit segment within the set computable area overlaps. Preferably, it is configured to remove fewer unit-segments from said set unit-segments.

前記入力データは、ゴム材料の配合量を含み、
前記出力データは、ゴム材の前記ゴム材料の物性値を含む、ことが好ましい。 The input data includes the compounding amount of the rubber material,
It is preferable that the output data include physical property values of the rubber material of the rubber material.

前記入力データは、タイヤの回転軸を含む平面で切断したタイヤ断面におけるタイヤ断面形状を定める形状パラメータ、及び前記タイヤの構成部材の配置位置を定める位置情報、及び前記構成部材の大きさあるいは構造を定める寸法の少なくともいずれか２つを含み、
前記出力データは、タイヤ特性である、ことが好ましい。 The input data includes shape parameters that determine the tire cross-sectional shape in a tire cross section cut by a plane containing the rotation axis of the tire, position information that determines the arrangement position of the tire constituent members, and the size or structure of the constituent members. including at least any two of the specified dimensions,
Preferably, the output data are tire characteristics.

前記データ処理装置は、前記予測モデルにより算出された前記出力データの値と、前記出力データの値に対応する前記入力データの値との因果関係を可視化するグラフを作成するように構成され、
前記データ処理装置は、作成した前記グラフを画面表示するディスプレイと接続される、ことが好ましい。 The data processing device is configured to create a graph that visualizes a causal relationship between the output data value calculated by the prediction model and the input data value corresponding to the output data value,
It is preferable that the data processing device is connected to a display for displaying the created graph on a screen.

本発明の他の一態様は、コンピュータが、複数の入力データの入力値から予め定めた出力データに関する出力値を予測する予測モデルを用いて、入力を受けた前記出力データの目標値から前記目標値に近似する前記入力データの最適解を算出するデータ処理方法である。当該データ処理方法は、
少なくとも第１入力データ及び第２入力データを含む複数の入力データの値と、該値に応じて定まった１つの出力データ力値とから構成される既存データセットを複数組用いて、前記入力データの入力値から前記出力データに関する出力値を予測することを可能にした予測モデルを形成するステップと、
前記第１入力データ及び前記第２入力データそれぞれの入力値の取り得る範囲が複数の単位セグメントで構成された計算可能領域を、前記既存データセットに基づいて設定するステップと、
前記計算可能領域の範囲内で設定された前記第１入力データの試行入力値と前記第２入力データの試行入力値を含む複数の入力データの試行入力値を複数組用いて、前記予測モデルにより前記出力データの複数の試行出力値を予測するステップと、
前記複数の入力データの前記試行入力値と、予測された前記出力データの前記試行出力値と、に基づいて、前記出力データの出力値を、入力を受けた前記出力データの目標値に最も近づける前記複数の入力データの最適解を前記計算可能領域の範囲内で算出するステップと、を備える。
前記計算可能領域を設定するステップは、
前記複数組の既存データセットそれぞれの前記第１入力データの値及び前記第２入力データの値が存在する複数のデータセットセグメントを、前記計算可能領域内の単位セグメントとして設定するステップと、
前記複数のデータセットセグメントのうちの対をなしたセグメントであって、前記第１入力データ及び前記第２入力データのうちの一方の入力データＡの値の範囲が、前記入力データＡの範囲を定める境界を除く少なくとも一部で互いに重さなり、他方の入力データＢの範囲が互いに重さならない重複データセットセグメント対に対して、該重複データセットセグメント対それぞれの前記入力データＢの値の範囲の間に位置し、かつ、前記重複データセットセグメント対の少なくともいずれか１つの前記入力データＡの値の範囲に位置する第１中間セグメントを、前記計算可能領域内の単位セグメントとして設定するステップと、
前記第１中間セグメントの１つと、前記第１中間セグメント及び前記データセットセグメントのいずれか一方の１つと、で対をなすセグメントであって、前記第１入力データ及び前記第２入力データのうちの一方の入力データＣの値の範囲が、前記入力データＣの範囲を定める境界を除く少なくとも一部で互いに重さなり、他方の入力データＤの値の範囲が互いに重さならない準重複データセットセグメント対に対して、該準重複データセットセグメント対それぞれの前記入力データＤの値の範囲の間に位置し、かつ、前記準重複データセットセグメント対の少なくともいずれか１つの前記入力データＣの範囲に位置する第２中間セグメントを、前記計算可能領域内の単位セグメントとして設定するステップと、を備える。 According to another aspect of the present invention, a computer uses a prediction model that predicts an output value related to predetermined output data from input values of a plurality of input data, and calculates the target value from the input target value of the output data. A data processing method for calculating an optimal solution of the input data that approximates a value. The data processing method is
Using a plurality of sets of existing data sets composed of a plurality of input data values including at least first input data and second input data and one output data value determined according to the values, the input data forming a predictive model enabled to predict output values for said output data from input values of
a step of setting a computable region in which the possible range of the input values of the first input data and the second input data is composed of a plurality of unit segments based on the existing data set;
Using a plurality of sets of trial input values of a plurality of input data including trial input values of the first input data and trial input values of the second input data set within the range of the computable region, the prediction model predicting a plurality of trial output values of said output data;
Based on the trial input values of the plurality of input data and the trial output values of the predicted output data, the output value of the output data is brought closest to the target value of the output data that has received the input. and calculating an optimal solution for the plurality of input data within the computable region.
The step of setting the computable region includes:
setting a plurality of data set segments in which the values of the first input data and the values of the second input data of each of the plurality of sets of existing data sets exist as unit segments in the computable area;
paired segments of the plurality of data set segments, wherein a range of values of input data A, one of the first input data and the second input data, exceeds the range of the input data A; For overlapping data set segment pairs that overlap each other at least in part except for defining boundaries and whose ranges of the other input data B do not overlap each other, the range of values of said input data B for each of said overlapping data set segment pairs setting a first intermediate segment located between and within the range of values of the input data A of at least one of the overlapping dataset segment pairs as a unit segment within the computable region; ,
A segment paired with one of the first intermediate segments and one of the first intermediate segment and the data set segment, wherein the first input data and the second input data are: A quasi-overlapping data set segment in which the value ranges of one input data C overlap each other at least in part except for boundaries defining the range of the input data C, and the value ranges of the other input data D do not overlap each other pair, located between the range of values of the input data D of each of the quasi-overlapping data set segment pairs, and within the range of the input data C of at least one of the quasi-overlapping data set segment pairs setting a located second intermediate segment as a unit segment within the computable region.

前記データ処理方法において、前記計算可能領域は、前記既存データセットにおける前記第１入力データの値の最大値及び最小値と、前記既存データセットにおける前記第２入力データの値の最大値及び最小値との組み合わせによって定まる値の４つの組みのうち、少なくとも１つの組みを含まない、ことが好ましい。 In the data processing method, the computable region includes the maximum and minimum values of the first input data in the existing data set and the maximum and minimum values of the second input data in the existing data set. It is preferable that at least one of the four sets of values determined by the combination of and is not included.

前記データ処理方法において、前記単位セグメントは、前記既存データセットの前記第１入力データの値の範囲と、前記既存データセットの前記第２入力データの値の範囲のそれぞれを、一定の幅で分割したセグメントである、ことが好ましい。 In the data processing method, the unit segment divides the value range of the first input data of the existing data set and the value range of the second input data of the existing data set by a constant width. It is preferable that the segment

前記データ処理方法において、
前記重複データセットセグメント対の前記入力データＡの値の範囲は、互いに一致し、
前記第１中間セグメントの前記入力データＡの値の範囲は、前記重複データセットセグメント対両方の前記入力データＡの値の範囲に一致し、
前記準重複データセットセグメント対の前記入力データＣの値の範囲は、互いに一致し、
前記第２中間セグメントの前記入力データＣの値の範囲は、前記準重複データセットセグメント対両方の前記入力データＣの値の範囲に一致する、ことが好ましい。 In the data processing method,
ranges of values of the input data A of the duplicate data set segment pairs match each other;
the range of values of the input data A for the first intermediate segment matches the range of values of the input data A for both pairs of duplicate data set segments;
ranges of values of the input data C of the quasi-overlapping dataset segment pairs match each other;
Preferably, the range of values of said input data C of said second intermediate segment matches the range of values of said input data C of both said pairs of quasi-overlapping data set segments.

前記計算可能領域を設定するステップは、
前記重複データセットセグメント対に基づいて前記第１中間セグメント及び前記第２中間セグメントを設定する際、前記第１入力データを前記入力データＡ及び前記入力データＢのうちの一方として前記第１中間セグメント及び前記第２中間セグメントを設定したのち、前記第１入力データを前記入力データＡ及び前記入力データＢのうちの他方として前記第１中間セグメント及び前記第２中間セグメントを設定する処理を繰り返し、前記処理によって設定された前記第１中間セグメント及び前記第２中間セグメントの総数が、前記処理の繰り返しによって増加しなくなるまで、前記処理を繰り返すステップを含む、ことが好ましい。 The step of setting the computable region includes:
when setting the first intermediate segment and the second intermediate segment based on the overlapping data set segment pair, the first intermediate segment using one of the input data A and the input data B as the first input data; and after setting the second intermediate segment, repeating the process of setting the first intermediate segment and the second intermediate segment using the first input data as the other of the input data A and the input data B, It is preferable to repeat the process until the total number of the first intermediate segments and the second intermediate segments set by the process is no longer increased by repeating the process.

前記計算可能領域を設定するステップは、
前記処理の繰り返し回数が予め定めた回数を超える場合、前記繰り返し回数が前記予め定めた回数以下になるように、前記単位セグメントの幅を調整するステップを含む、ことが好ましい。 The step of setting the computable region includes:
It is preferable to include the step of adjusting the width of the unit segment so that the number of repetitions of the process is equal to or less than the predetermined number of times when the number of repetitions of the process exceeds the predetermined number of times.

前記計算可能領域を設定するステップは、設定した前記単位セグメンの前記第１入力データ及び前記第２入力データの範囲のいずれか一方が重なる隣接する単位セグメントの数が予め定めた数より少ない単位セグメントを、設定した前記単位セグメントから除去するステップを含む、ことが好ましい。 In the step of setting the computable region, the number of adjacent unit segments in which either one of the ranges of the first input data and the second input data of the set unit segment overlaps is less than a predetermined number. from the set unit segment.

上述のデータ処理装置及びデータ処理方法によれば、入力を受けた出力データの目標値から目標値に近似する入力データの最適解を算出する際、出力データの目標値を実現することができる信頼性のある最適解を効率よく算出することができる。 According to the above-described data processing apparatus and data processing method, when calculating the optimum solution of input data that approximates the target value from the input target value of the output data, it is possible to realize the target value of the output data. It is possible to efficiently calculate an optimal solution with a certainty.

（ａ），（ｂ）は、一実施形態のデータ処理装置が行うデータ処理方法の一例を説明する図である。(a), (b) is a figure explaining an example of the data processing method which the data processing apparatus of one Embodiment performs. 一実施形態のデータ処理装置の構成を示す図である。It is a figure which shows the structure of the data processor of one Embodiment. （ａ）～（ｃ）は、一実施形態のデータ処理装置が行う計算可能領域の設定の一例を説明する図である。(a) to (c) are diagrams for explaining an example of setting of a computable region performed by the data processing device of one embodiment. （ａ），（ｂ）は、一実施形態のデータ処理装置が設定するデータセットセグメント、第１中間セグメント、及び第２中間セグメントを説明する図である。(a), (b) is a figure explaining the data-set segment, 1st intermediate|middle segment, and 2nd intermediate|middle segment which the data processor of one Embodiment sets. （ａ）～（ｃ）は、既存データセットの分布の一例と、計算可能領域の範囲の一例を示す図である。(a) to (c) are diagrams showing an example of the distribution of existing data sets and an example of the range of a computable region. 一実施形態のデータ処理装置の計算可能領域設定部の構成の好ましい形態の一例を示す図である。FIG. 4 is a diagram showing an example of a preferred configuration of a computable area setting unit of the data processing device of one embodiment; （ａ），（ｂ）は、一実施形態のデータ処理装置の繰り返し設定部の行う処理を説明する図である。(a), (b) is a figure explaining the process which the repetition setting part of the data processing apparatus of one Embodiment performs. （ａ）～（ｅ）は、一実施形態のデータ処理装置の繰り返し設定部の行う処理を説明する図である。(a) to (e) are diagrams for explaining the processing performed by the repetition setting unit of the data processing device of one embodiment. 図８（ａ）に示す分布をもった既存データセットに対して設定される計算可能領域の一例を示す図である。FIG. 9 is a diagram showing an example of a computable region set for an existing data set having the distribution shown in FIG. 8(a); （ａ）～（ｄ）は、一実施形態のデータ処理装置が単位セグメントの幅を変更したときに形成される計算可能領域の例を説明する図である。(a) to (d) are diagrams for explaining an example of a computable region formed when the data processing device of one embodiment changes the width of a unit segment. （ａ）～（ｄ）は、一実施形態のデータ処理装置が設定した単位セグメントから一部の単位セグメントを除去する例を説明する図である。(a) to (d) are diagrams for explaining an example of removing some unit segments from the unit segments set by the data processing device of one embodiment.

以下、本実施形態のデータ処理装置及びデータ処理方法を説明する。
図１（ａ），（ｂ）は、実施形態のデータ処理装置が行うデータ処理方法の一例を説明する図である。 A data processing apparatus and a data processing method according to this embodiment will be described below.
1A and 1B are diagrams for explaining an example of a data processing method performed by a data processing device according to an embodiment. FIG.

図１（ａ）に示すように、予測モデルは、複数の入力データの値（第１入力データの入力値ａ１～ａＮ、第２入力データの入力値ｂ１～ｂＮ：Ｎは自然数）と、この値に応じて定まった１つの出力データの値（出力値ｃ１～ｃＮ）とから構成される既存データセットを複数組用いて、入力データの入力値から出力データに関する出力値を予測することを可能にしたモデルである。予測モデルは、ニューラルネットワークを利用する場合、深層学習により予測可能に形成されたディープニューラルネットワーク（ＤＮＮ）のモデル、木構造を利用したランダムフォレスト法によるモデル、ＬＡＳＳＯ回帰を利用したモデル、あるいは、多項式、クリギング、ＲＢＦネットワーク(Radial Basis Function Network:ＲＢＦＮ)等を利用した非線形関数を含む。 As shown in FIG. 1(a), the prediction model uses a plurality of input data values (first input data input values a 1 to a N , second input data input values b 1 to b N : N is a natural number ) and one output data value (output values c 1 to c N ) determined according to this value, using a plurality of sets of existing data sets, from the input value of the input data to the output value related to the output data It is a model that made it possible to predict When using a neural network, the prediction model is a deep neural network (DNN) model that is predictably formed by deep learning, a random forest method model using a tree structure, a model using LASSO regression, or a polynomial , Kriging, RBF network (Radial Basis Function Network: RBFN), etc.

このような予測モデルを用いて、入力を受けた出力データの目標値からこの目標値に近似する入力データの最適解を算出する際、予測モデルを用いて求めた試行入力値及び試行出力値からなるセットを複数組用意して、最適解の探索を行う。最適解の探索は、上記セットから精度の高い近似応答関数を用いて、目標値を実現する入力データの入力値を最適解とすること、勾配法を用いて、目標値を実現する入力データの入力値を最適解とすること、及びGenetic Algorithm(遺伝的アルゴリズム)、Differential Evolution、Particle Swarm Optimization、Ant Colony Optimizationのような個体群を用いた進化的アルゴリズムを用いて、目標値を実現する入力データの入力値を最適解とすること、を含む。 Using such a prediction model, when calculating the optimum solution of input data that approximates this target value from the target value of the input data, from the trial input value and trial output value obtained using the prediction model A plurality of sets are prepared to search for the optimum solution. The search for the optimal solution uses the approximate response function with high accuracy from the above set to find the input value of the input data that achieves the target value as the optimal solution, and uses the gradient method to find the input data that achieves the target value. Input data that realizes the target value by making the input value the optimal solution and using evolutionary algorithms using populations such as Genetic Algorithm (Genetic Algorithm), Differential Evolution, Particle Swarm Optimization, and Ant Colony Optimization as the optimal solution.

しかし、予測モデルを用いて最適解を探索する場合、試行入力値及び試行出力値からなるセットに関して、試行入力データが存在しないあるいは疎な領域を探索する場合もある。この場合、試行入力データが存在しないあるいは疎な領域は予測精度が低い領域であるため、最適解を用いて実際に物を製造しても目標値を実現しない場合もある。 However, when searching for an optimal solution using a predictive model, there are cases where trial input data do not exist or are sparsely searched for a set of trial input values and trial output values. In this case, since the trial input data does not exist or is sparse in the region where the prediction accuracy is low, the target value may not be achieved even if the product is actually manufactured using the optimum solution.

このため、本実施形態では、試行入力値（試行入力値α１～αＭ、試行入力値β１～βＭ：Ｍは自然数）及びこの試行入力値を用いて予測モデルで予測された試行出力値（試行出力値γ１～γＭ）からなる試行入出力値セットを作成する。このとき、図１（ａ）に示すように、入力値の計算可能領域を既存データセットに基づいて設定することにより、入力データの取り得る値の範囲を制限する。
入力データは、第１入力データ及び第２入力データを少なくとも含む複数の入力データを含む。このとき、本実施形態では、計算可能領域は、複数の入力データのうち少なくとも第１入力データ及び第２入力データをそれぞれの値の取り得る範囲が複数の単位セグメントで構成された領域として設定される。 Therefore, in the present embodiment, trial input values (trial input values α 1 to α M , trial input values β 1 to β M : M is a natural number) and trial outputs predicted by a prediction model using these trial input values Create a trial input/output value set consisting of values (trial output values γ 1 to γ M ). At this time, as shown in FIG. 1A, the range of possible values of the input data is restricted by setting a computable region of the input value based on the existing data set.
The input data includes a plurality of input data including at least first input data and second input data. At this time, in the present embodiment, the computable region is set as a region in which the range in which each value of at least the first input data and the second input data among the plurality of input data can take is composed of a plurality of unit segments. be.

計算可能領域を構成する単位セグメントは、データセットセグメントと、第１中間セグメントと、第２中間セグメントを含むように構成される。
データセットセグメントは、複数組の既存データセットそれぞれの第１入力データの値及び第２入力データの値が存在する単位セグメントである。
第１中間セグメントは、複数のデータセットセグメントのうちの対をなしたセグメントであって、第１入力データ及び第２入力データのうちの一方の入力データＡの入力値の範囲が、入力データＡの範囲を定める境界を除く少なくとも一部で互いに重さなり、他方の入力データＢの範囲が互いに重さならない重複データセットセグメント対に対して、この重複データセットセグメント対それぞれの入力データＢの値の範囲の間に位置し、かつ、重複データセットセグメント対の少なくともいずれか１つの入力データＡの値の範囲に位置する単位セグメントである。第１中間セグメントの詳細は、後述する。
第２中間セグメントは、上記第１中間セグメントの１つと、第１中間セグメント及びデータセットセグメントの一方の１つとで対をなすセグメントであって、第１入力データ及び第２入力データのうちの一方の入力データＣの値の範囲が、入力データＣの範囲を定める境界を除く少なくとも一部で互いに重さなり、他方の入力データＤの値の範囲が互いに重さならない準重複データセットセグメント対に対して、この準重複データセットセグメント対それぞれの入力データＤの値の範囲の間に位置し、かつ、上記準重複データセットセグメント対の少なくともいずれか１つの入力データＣの範囲に位置する単位セグメントである。第２中間セグメントの詳細は、後述する。 The unit segments that make up the computable region are configured to include a data set segment, a first intermediate segment, and a second intermediate segment.
A data set segment is a unit segment in which the values of the first input data and the values of the second input data of each of a plurality of sets of existing data sets exist.
The first intermediate segment is a paired segment of the plurality of data set segments, wherein the input value range of one of the first input data and the second input data is the input data A For a pair of overlapping data set segments that overlap each other at least in part except for the boundaries delimiting the values of the input data B for each of the overlapping data set segment pairs and in the range of values of the input data A of at least one of the pairs of overlapping data set segments. Details of the first intermediate segment will be described later.
The second intermediate segment is a segment paired with one of the first intermediate segment and one of the first intermediate segment and the data set segment, and is one of the first input data and the second input data. the value ranges of the input data C overlap each other at least in part except for the boundaries defining the range of the input data C, and the value ranges of the other input data D do not overlap each other. On the other hand, a unit segment positioned between the range of values of input data D of each pair of quasi-overlapping data set segments and positioned in the range of input data C of at least one of the pair of quasi-overlapping data set segments is. Details of the second intermediate segment will be described later.

本実施形態では、入力データの入力値の取り得る範囲が制限された計算可能領域の範囲内で最適解を求める。この計算可能領域は、データセットセグメントの他に、第１中間セグメント、及び第２中間セグメントを含むので、最適解は、データセットセグメントの他に、第１中間セグメント、及び第２中間セグメントの範囲内で算出される。このため、信頼性の高い最適解を、広い範囲の計算可能領域内の入力データの入力値の範囲から求めることができる。したがって、出力データの目標値を実現することができる信頼性の高い最適解を効率よく算出することができる。
なお、計算可能領域を定める単位セグメントは、複数の入力データが、第１入力データと第２入力データを含む場合、第１入力データと第２入力データで定まる２次元の単位セグメントであってもよいが、複数の入力データが、第１入力データと第２入力データの他に第３入力データで構成される場合、単位セグメントは、第１入力データ、第２入力データで定まる２次元の単位セグメント、あるいは、第１入力データ、第２入力データ、及び第３入力セグメントで定まる３次元の単位セグメントであってもよい。複数の入力データが、Ｎ個（Ｎは自然数）の入力データで構成される場合、Ｎ次元の単位セグメントであってもよく、また、Ｎ個の入力データに対して（Ｎ－ｋ）次元の単位セグメント（ｋは１以上（Ｎ－２）以下の自然数）で構成されてもよい。 In this embodiment, the optimum solution is obtained within a computable region in which the possible range of the input values of the input data is restricted. Since this computable region includes the first intermediate segment and the second intermediate segment in addition to the dataset segment, the optimal solution is the range of the first intermediate segment and the second intermediate segment in addition to the dataset segment. calculated within Therefore, a highly reliable optimal solution can be obtained from the input value range of the input data within a wide range of computable regions. Therefore, it is possible to efficiently calculate a highly reliable optimum solution capable of realizing the target value of the output data.
Note that when a plurality of input data includes the first input data and the second input data, the unit segment that defines the computable region may be a two-dimensional unit segment determined by the first input data and the second input data. However, when the plurality of input data are composed of the first input data, the second input data and the third input data, the unit segment is a two-dimensional unit determined by the first input data and the second input data. A segment or a three-dimensional unit segment defined by the first input data, the second input data, and the third input segment may be used. When the plurality of input data is composed of N pieces of input data (N is a natural number), it may be an N-dimensional unit segment. It may be composed of a unit segment (k is a natural number equal to or greater than 1 and equal to or less than (N-2)).

図２は、一実施形態のデータ処理装置１０の構成を示す図である。データ処理装置１０は、ＣＰＵ１２、ＲＡＭ１４、ＲＯＭ１６、及び入出力部１８を有するコンピュータで構成される。データ処理装置１０は、入出力部１８を通して、マウスあるいはキーボードを含む入力操作装置２０及びディスプレイ２２と接続される。
ＲＯＭ１６には、各種プログラムが格納され、ＣＰＵ１２が各種プログラムを読み出して駆動させることにより、ソフトウェアモジュール２４が機能するように構成されている。
ソフトウェアモジュール２４は、計算可能領域設定部２６、出力データ予測部２８、最適解算出部３０、及び予測モデル形成部３２を含む。
入力操作装置２０は、各種指示を入力するために用いられる。
ディスプレイ２２は、入力操作装置２０で入力するための入力設定画面を表示し、また、各種処理の結果を表示する。例えば、後述する計算可能領域が、既存データセットセグメントの分布とともに表示され、計算可能領域内の最適解の位置が表示される。また、ディスプレイ２２は、予測モデルで計算された出力データの出力値に対応する入力データの入力値との因果関係を可視化するグラフを表示してもよい。 FIG. 2 is a diagram showing the configuration of the data processing device 10 of one embodiment. The data processing device 10 is composed of a computer having a CPU 12 , a RAM 14 , a ROM 16 and an input/output unit 18 . The data processing device 10 is connected to an input operation device 20 including a mouse or keyboard and a display 22 through an input/output unit 18 .
Various programs are stored in the ROM 16, and the CPU 12 reads out and drives the various programs so that the software module 24 functions.
The software module 24 includes a computable region setting section 26 , an output data prediction section 28 , an optimal solution calculation section 30 and a prediction model formation section 32 .
The input operation device 20 is used to input various instructions.
The display 22 displays an input setting screen for inputting with the input operation device 20, and also displays the results of various processes. For example, a computable region, described below, is displayed along with the existing data set segment distribution, and the position of the optimal solution within the computable region is displayed. The display 22 may also display a graph that visualizes the causal relationship between the output value of the output data calculated by the prediction model and the input value of the input data corresponding to the output value.

予測モデル形成部３２は、複数の入力データの値と、この値に応じて定まった１つの出力データの値とから構成される既存データセットを複数組用いて、出力データに関する出力値を予測することを可能にした予測モデルを備える。予測モデルは、複数の入力データの入力値（例えばゴム材料Ａの配合量とゴム材料Ｂの配合量）から予め定めた出力データに関する出力値（例えば、ゴム材料Ａ及びゴム材料Ｂを含で構成された加硫ゴムの物性値）を予測するモデルである。予測モデルは、例えば、深層学習により予測可能に形成されたディープニューラルネットワーク（ＤＮＮ）のモデルである場合、ソフトウェアモジュール２４の形成初期時点において、既存データセットにより機械学習をしたモデルをＲＯＭ１６から直接呼び出してもよい。あるいは、ソフトウェアモジュール２４の形成初期時点において、機械学習がなされていないモデルをＲＯＭ１６から呼び出し、既存データセットにより機械学習させたモデルであってもよい。予測モデル形成部３２は、予測モデルが非線形関数である場合、ＲＯＭ１６から既存データセットを再現する非線形関数の関数式を直接呼び出してもよい。あるいは、ソフトウェアモジュール２４の形成初期時点において、関数式は存在しないが、既存データセットを用いて既存データセットを再現するような関数式を作成してもよい。
ＲＡＭ１４には、既存データセットが保持されている。 The predictive model forming unit 32 predicts the output value of the output data using a plurality of existing data sets each composed of a plurality of input data values and one output data value determined according to these values. It has a predictive model that allows The prediction model includes output values (e.g., rubber material A and rubber material B) related to predetermined output data from input values of a plurality of input data (e.g., the compounding amount of rubber material A and the compounding amount of rubber material B). It is a model that predicts the physical properties of vulcanized rubber that has been treated. If the prediction model is, for example, a deep neural network (DNN) model that is predictably formed by deep learning, at the initial stage of formation of the software module 24, the model that has undergone machine learning using an existing data set is directly called from the ROM 16. may Alternatively, a model that has not undergone machine learning at the initial stage of formation of the software module 24 may be called from the ROM 16 and machine-learned using an existing data set. If the prediction model is a non-linear function, the prediction model forming unit 32 may directly call the function formula of the non-linear function that reproduces the existing data set from the ROM 16 . Alternatively, at the initial stage of formation of the software module 24, there is no functional expression, but an existing data set may be used to create a functional expression that reproduces the existing data set.
The RAM 14 holds an existing data set.

なお、予測モデルにおいて入力する入力データは、既存データセットのデータ構成と同じであり、入力データには第１入力データ及び第２入力データが少なくとも含まれる。
計算可能領域設定部２６は、第１入力データ（例えば、ゴム材料Ａの配合量）及び第２入力データ（例えば、ゴム材料Ｂの配合量）それぞれの値の取り得る範囲が複数の単位セグメントで構成された計算可能領域を、既存データセットに基づいて設定する。複数の単位セグメントの幅は、互いに同じ幅を持ったセグメントである。単位セグメントの幅は、例えば、入力操作装置２０から入力される。 The input data to be input in the prediction model has the same data configuration as the existing data set, and the input data includes at least the first input data and the second input data.
The computable region setting unit 26 sets the possible ranges of the values of the first input data (for example, the compounding amount of the rubber material A) and the second input data (for example, the compounding amount of the rubber material B) to a plurality of unit segments. Base the configured computable region on an existing dataset. Widths of a plurality of unit segments are segments having the same width as each other. The width of the unit segment is input from the input operation device 20, for example.

図３（ａ）～（ｃ）は、計算可能領域の設定の一例を説明する図である。図３（ａ）～（ｃ）に示すグラフは、横軸に第１入力データＸ１の値を、縦軸に第２入力データＸ２の値を軸とする直交座標に、既存データセットの第１入力データＸ１の値と第２入力データＸ２の値をプロットした散布図である。グラフ中、“○”が１つの既存データセットのプロットである。図３（ａ）は、既存データのプロットを示す。図３（ｂ）は、図３（ａ）に示すプロット図において、一定の幅で区切ってできた格子を示している。この格子により作られる１つ１つの矩形形状のセグメントが、単位セグメントとなる。図３（ｃ）は、後述するデータセットセグメント、第１中間セグメント、及び第２中間セグメントからなる計算可能領域を太枠で示している。 FIGS. 3A to 3C are diagrams for explaining an example of setting a computable region. In the graphs shown in FIGS. 3A to 3C, the values of the first input data X1 on the horizontal axis and the values of the second input data X2 on the vertical axis are plotted on the orthogonal coordinates of the first data set of the existing data set. It is a scatter diagram plotting the value of the input data X1 and the value of the second input data X2. In the graph, "○" is a plot of one existing data set. FIG. 3(a) shows a plot of existing data. FIG. 3(b) shows a grid formed by dividing the plotted diagram shown in FIG. 3(a) with a constant width. Each rectangular segment created by this grid is a unit segment. FIG. 3(c) shows a computable region composed of a data set segment, a first intermediate segment, and a second intermediate segment, which will be described later, with a thick frame.

出力データ予測部２８は、計算可能領域の範囲内で設定された第１入力データの試行入力値と第２入力データの試行入力値の組を含む複数の入力データの試行入力値を複数組用いて、入力データの入力値から予測モデルにより出力データの複数の試行出力値を予測する。 The output data prediction unit 28 uses a plurality of sets of trial input values of a plurality of input data including a set of trial input values of the first input data and trial input values of the second input data set within the computable region. Then, a plurality of trial output values of output data are predicted from input values of input data by a prediction model.

最適解算出部３０は、出力データ予測部２８で用いた複数の入力データの試行入力値と、出力データ予測部２８で予測された出力データの試行出力値と、に基づいて、出力データの出力値を、入力を受けた出力データの目標値に最も近づける複数の入力データの最適解を計算可能領域の範囲内で算出する。最適解の算出方法では、Genetic Algorithm等の個体群を用いた進化的アルゴリズムを用いて目標値に最も近い値を抽出してもよいし、関数式において、計算可能領域の範囲内で目標値に最も近い値を算出してもよい。
試行入力値は、計算可能領域内の単位セグメントを代表して、単位セグメント内にある入力値が用いられる限りにおいて、いずれの入力値を用いてもよい。例えば、単位セグメントの中心値を用いる。あるいは、隣接する単位セグメントと共有する格子点の値を用いることもできる。
複数の入力データの試行入力値は、計算可能領域内の全単位セグメントそれぞれを代表して設定された値ではなくてもよく、最適解を算出できる程度に、一部の単位セグメントを代表して設定された値であればよい。 The optimum solution calculation unit 30 outputs the output data based on the trial input values of the plurality of input data used by the output data prediction unit 28 and the trial output values of the output data predicted by the output data prediction unit 28. Optimal solutions of a plurality of input data are calculated within a computable region so that a value is closest to a target value of the output data that has received the input. In the method of calculating the optimum solution, an evolutionary algorithm using populations such as the Genetic Algorithm may be used to extract the value closest to the target value, or the function formula may be used to find the target value within the computable range. A closest value may be calculated.
Any input value may be used as the trial input value as long as the input value within the unit segment is used as a representative of the unit segment within the computable region. For example, the central value of the unit segment is used. Alternatively, it is also possible to use values of grid points shared by adjacent unit segments.
The trial input values for multiple pieces of input data may not be set to represent all unit segments in the computable region, but to the extent that the optimal solution can be calculated, some unit segments are represented. Any set value is acceptable.

このように最適解算出部３０は、計算可能領域設定部２６で設定された計算可能領域を用いた試行入力値から予測される試行出力値と、この試行入力値を用いて最適解を、計算可能領域の範囲内で算出する。このような計算可能領域を構成する単位セグメントは、データセットセグメントと、第１中間セグメントと、第２中間セグメントのうちのいずれか１つに属する。
最適解算出部３０が、Genetic Algorithm(遺伝的アルゴリズム)を用いて最適解を算出する場合、複数の組の入力データの入力値に対して交差や突然変異を発生させて試行入力値を更新するが、更新した試行入力値が、計算可能領域の範囲外となる場合がある。この場合、更新した試行入力値に最も近い計算可能領域内の最も近い単位セグメント上の値、例えば、単位セグメントの格子点上の値に置き換えられることが好ましい。初期に設定する入力データの試行入力値は、ランダムに作成してもよく、ラテンハイパーキューブで作成してもよく、既存データセットの全部あるいは一部を使用してもよく、計算可能領域内の任意の単位セグメント内の代表点（中心点）の値を用いてもよい。 In this way, the optimal solution calculation unit 30 calculates the trial output value predicted from the trial input value using the computable region set by the computable region setting unit 26 and the optimal solution using this trial input value. Calculate within the possible range. A unit segment that constitutes such a computable region belongs to any one of a data set segment, a first intermediate segment, and a second intermediate segment.
When the optimum solution calculation unit 30 calculates the optimum solution using a genetic algorithm, the input values of a plurality of sets of input data are crossed or mutated to update the trial input values. However, the updated trial input value may fall outside the computable region. In this case, the updated trial input value is preferably replaced with the value on the nearest unit segment in the computable region, for example, the value on the lattice point of the unit segment. The trial input values of the input data to be initially set may be created randomly, may be created with a Latin hypercube, may use all or part of an existing data set, and may be You may use the value of the representative point (central point) in arbitrary unit segments.

図４（ａ），（ｂ）は、データセットセグメント、第１中間セグメント、及び第２中間セグメントを説明する図である。
図４（ａ）に示す例は、第１入力データＸ１の値を横軸に、第２入力データＸ２の値を縦軸にした座標系内で、“●”でプロットされた既存データセットに対して、Ｃ１１～Ｃ４４の１６の単位セグメントが設けられている。ここで、単位セグメントＣ１１，Ｃ１４，Ｃ４２，Ｃ４３内には、既存データセットがプロットされている。
データセットセグメントは、複数組の既存データセットそれぞれの第１入力データの値及び第２入力データの値が存在する単位セグメントである。すなわち、図４（ａ）に示すＣ１１～Ｃ４４の単位セグメントのうち、単位セグメントＣ１１，Ｃ１４，Ｃ４２，Ｃ４３がデータセグメントである。図４（ｂ）では、太い枠で囲まれた単位セグメントが、データセットセグメントに該当する。 FIGS. 4(a) and 4(b) are diagrams illustrating a data set segment, a first intermediate segment, and a second intermediate segment.
In the example shown in FIG. 4( a ), the existing data set plotted with “●” in a coordinate system in which the value of the first input data X1 is on the horizontal axis and the value of the second input data X2 is on the vertical axis. In contrast, 16 unit segments C11 to C44 are provided. Here, existing data sets are plotted in unit segments C11, C14, C42, and C43.
A data set segment is a unit segment in which the values of the first input data and the values of the second input data of each of a plurality of sets of existing data sets exist. That is, among the unit segments C11 to C44 shown in FIG. 4A, the unit segments C11, C14, C42, and C43 are data segments. In FIG. 4B, the unit segments surrounded by thick frames correspond to data set segments.

第１中間セグメントは、複数のデータセットセグメントのうちの対をなしたセグメントであって、第１入力データ及び第２入力データのうちの一方の入力データＡの入力値の範囲が、この入力データＡの範囲を定める境界を除く少なくとも一部で互いに重さなり、他方の入力データＢの範囲が互いに重さならない重複データセットセグメント対に対して、この重複データセットセグメント対それぞれの入力データＢの値の範囲の間に位置し、かつ、重複データセットセグメント対の少なくともいずれか１つの入力データＡの値の範囲に位置する単位セグメントである。 The first intermediate segment is a paired segment of the plurality of data set segments, and the range of input values of input data A, which is one of the first input data and the second input data, is the input data For a pair of overlapping data set segments that overlap each other at least in part except for the boundaries defining the extent of A and the extents of the other input data B do not overlap each other, A unit segment that lies between the range of values and that lies in the range of values of the input data A of at least one of the pairs of overlapping data set segments.

図４（ａ）に示す例では、単位セグメントＣ１１及び単位セグメントＣ１４は、入力データＸ１の入力値の範囲が、この入力データＸ１の範囲を定める境界を除く少なくとも一部で、互いに重さなり、入力データＸ２の範囲が互いに重さならない重複データセットセグメント対である。単位セグメントＣ１２，Ｃ１３は、重複データセットセグメント対である単位セグメントＣ１１と単位セグメントＣ１４のそれぞれの第２入力データＸ２の値の範囲の間に位置し、かつ重複データセットセグメント対である単位セグメントＣ１１と単位セグメントＣ１４の少なくともいずれか１つの第１入力データＸ１の値の範囲に位置する（図４（ａ）に示す例では、重複データセットセグメント対である単位セグメントＣ１１と単位セグメントＣ１４の両方の第１入力データＸ１の値の範囲に位置する）。
したがって、単位セグメントＣ１２，Ｃ１３は、図４（ｂ）に示す薄い灰色領域で示す第１中間セグメントに該当する。図４（ａ），（ｂ）に示す例では、上述した入力データＡが第１入力データであり、上述した入力データＢが第２入力データである例を示したが、上述した入力データＡが第２入力データであり、上述した入力データＢが第１入力データであってもよい。 In the example shown in FIG. 4A, the unit segment C11 and the unit segment C14 overlap each other in at least part of the input value range of the input data X1 excluding the boundary defining the range of the input data X1, The ranges of the input data X2 are pairs of overlapping data set segments that do not overlap each other. The unit segments C12 and C13 are positioned between the ranges of values of the second input data X2 of the unit segments C11 and C14, which are the duplicate data set segment pair, and the unit segment C11 which is the duplicate data set segment pair. and at least one of the unit segments C14 (in the example shown in FIG. 4A, both the unit segments C11 and C14, which are overlapping data set segment pairs, located within the range of values of the first input data X1).
Therefore, the unit segments C12 and C13 correspond to the first middle segment indicated by the light gray area shown in FIG. 4(b). In the examples shown in FIGS. 4A and 4B, the above-described input data A is the first input data and the above-described input data B is the second input data. may be the second input data, and the above-described input data B may be the first input data.

第２中間セグメントは、上記第１中間セグメントの１つと、この第１中間セグメント及びデータセットセグメントの一方の１つ、とで対をなすセグメントであって、第１入力データ及び第２入力データのうちの一方の入力データＣの値の範囲が、入力データＣの範囲を定める境界を除く少なくとも一部で互いに重さなり、他方の入力データＤの値の範囲が互いに重さならない準重複データセットセグメント対に対して、この準重複データセットセグメント対それぞれの入力データＤの値の範囲の間に位置し、かつ、準重複データセットセグメント対の少なくともいずれか１つの入力データＣの範囲に位置する単位セグメントである。 A second intermediate segment is a segment paired with one of the first intermediate segments and one of the first intermediate segment and the data set segment, and is a pair of the first input data and the second input data. A quasi-overlapping data set in which the value ranges of one of the input data C overlap each other at least in part except for the boundaries that define the range of the input data C, and the value ranges of the other input data D do not overlap each other for a segment pair, located between the range of values of the input data D of each of the quasi-overlapping data set segment pairs, and located within the range of the input data C of at least one of the quasi-overlapping data set segment pairs It is a unit segment.

図４（ａ）に示す例では、単位セグメントＣ１２は第１中間セグメントであり、単位セグメントＣ４２は、データセットセグメントである。単位セグメントＣ１２と単位セグメントＣ４２における第２入力データＸ２の値の範囲が、第２入力データＸ２の範囲を定める境界を除く少なくとも一部で互いに重さなり、他方の第１入力データＸ１の値の範囲が互いに重さならない対をなした単位セグメントであるので、単位セグメントＣ１２と単位セグメントＣ４２は、準重複データセットセグメント対である。単位セグメントＣ２２，Ｃ３２は、この準重複データセットセグメント対である単位セグメントＣ１２と単位セグメントＣ４２それぞれの第１入力データＸ１の値の範囲の間に位置し、かつ、準重複データセットセグメント対である単位セグメントＣ１２と単位セグメントＣ４２の少なくともいずれか１つの第２入力データＸ２の範囲に位置する単位セグメントである（図４（ａ）に示す例では、準重複データセットセグメント対である単位セグメントＣ１２と単位セグメントＣ４２の両方の第２入力データＸ２の値の範囲に位置する）。したがって、単位セグメントＣ２２，Ｃ３２は、図４（ｂ）に示す濃い灰色領域で示す第２中間セグメントに該当する。図４（ａ），（ｂ）に示す例では、上述した入力データＣが第２入力データであり、上述した入力データＤが第１入力データである例を示したが、上述した入力データＣが第１入力データであり、上述した入力データＤが第２入力データであってもよい。また、単位セグメントＣ１３と単位セグメントＣ４３も、準重複データセットセグメント対であり、単位セグメントＣ２３，Ｃ３３も第２中間セグメントである。 In the example shown in FIG. 4A, the unit segment C12 is the first intermediate segment and the unit segment C42 is the data set segment. The ranges of the values of the second input data X2 in the unit segment C12 and the unit segment C42 overlap each other at least partially except for the boundaries that define the range of the second input data X2, and the values of the other first input data X1 overlap. Unit-segment C12 and unit-segment C42 are a quasi-overlapping data set segment pair because they are pairs of unit-segments whose extents do not weigh on each other. The unit segments C22 and C32 are located between the values of the first input data X1 of the unit segment C12 and the unit segment C42, which are the quasi-overlapping data set segment pair, and are a quasi-overlapping data set segment pair. A unit segment located within the range of the second input data X2 of at least one of the unit segment C12 and the unit segment C42 (in the example shown in FIG. 4A, the unit segment C12 and located in the range of values of the second input data X2 of both unit segments C42). Therefore, the unit segments C22 and C32 correspond to the second middle segment indicated by the dark gray area shown in FIG. 4(b). In the examples shown in FIGS. 4A and 4B, the above-described input data C is the second input data and the above-described input data D is the first input data. may be the first input data, and the above-described input data D may be the second input data. The unit segment C13 and the unit segment C43 are also a quasi-overlapping data set segment pair, and the unit segments C23 and C33 are also second intermediate segments.

したがって、図４（ｂ）に示す例では、計算可能領域は、単位セグメントＣ１１，Ｃ１２，Ｃ１３，Ｃ１４，Ｃ２２，Ｃ２３，Ｃ３２，Ｃ３３，Ｃ４２，Ｃ４３から構成されることになる。すなわち、計算可能領域の単位セグメントは、データセットセグメント、第１中間セグメント、及び第２中間セグメントのいずれかに属する。 Therefore, in the example shown in FIG. 4(b), the computable region consists of unit segments C11, C12, C13, C14, C22, C23, C32, C33, C42, and C43. That is, the unit segment of the computable area belongs to one of the data set segment, the first intermediate segment, and the second intermediate segment.

図５（ａ）～（ｃ）は、図４（ａ），（ｂ）に示す例とは異なる既存データセットの分布の一例と、計算可能領域の範囲の一例とを示す図である。図５（ａ）に示す既存データセットのプロット図に対して、計算可能領域は、図５（ｃ）に示すように、分離した２つの計算可能領域にわかれてもよく、３つ以上の計算可能領域に分かれてもよい。図５（ｂ）では、太枠で囲まれた単位セグメントがデータセットセグメントである。図５（ｃ）では、太枠で囲まれた白い単位セグメントが、データセットセグメントであり、太枠で囲まれた灰色の単位セグメントが、第１中間セグメントあるいは第２中間セグメントである。 FIGS. 5A to 5C are diagrams showing an example of the distribution of existing data sets different from the examples shown in FIGS. 4A and 4B, and an example of the range of the computable region. For the plot of the existing dataset shown in FIG. 5(a), the computable region may be divided into two separate computable regions, as shown in FIG. 5(c), and three or more computations It may be divided into possible areas. In FIG. 5(b), unit segments surrounded by thick frames are data set segments. In FIG. 5(c), white unit segments surrounded by thick frames are data set segments, and gray unit segments surrounded by thick frames are first intermediate segments or second intermediate segments.

このように計算可能領域は、単位セグメントによって構成されるので、既存データセットにおける第１入力データの値の最大値及び最小値と、既存データセットにおける第２入力データの値の最大値及び最小値との組み合わせによって定まる値の４つの組みが位置する４つの単位セグメントのうち、少なくとも１つの単位セグメントを含まない場合もある。既存データセットの第１入力データの最大値と最小値から定まる第１入力データの値の取り得る範囲と、既存データセットの第２入力データの最大値と最小値から定まる第２入力データの値の取り得る範囲とを別々に定めた場合、既存データセットにおける第１入力データの値と第２入力データの値それぞれの最大値及び最小値との組み合わせによって定まる値の４つの組みが計算可能な範囲として含まれる。しかし、既存データセットにおいて、第１入力データが最大値あるいは最小値となるとき、常に第２入力データの値は最大値あるいは最小値とはならない。このため、本実施形態において設定される計算可能領域では、上記４つの単位セグメントのうち、少なくとも１つの単位セグメントを含まないこともある。したがって、このような既存データセットを用いた場合、計算可能領域を、データセットセグメント、第１中間セグメント、及び第２中間セグメントに制限するので、予測モデルを用いて試行入力値から試行出力値を算出するに際して信頼性の高い予測結果を出力することができ、さらに、信頼性の高い最適解を求めることができる。 Since the computable region is composed of unit segments in this way, the maximum and minimum values of the first input data in the existing data set and the maximum and minimum values of the second input data in the existing data set At least one unit segment may not be included among the four unit segments in which the four sets of values determined by the combination of and are located. Possible range of values of the first input data determined from the maximum and minimum values of the first input data of the existing data set, and the value of the second input data determined from the maximum and minimum values of the second input data of the existing data set If the possible range of is determined separately, four sets of values determined by combining the maximum and minimum values of the first input data value and the second input data value in the existing data set can be calculated. Included as a range. However, in the existing data set, when the first input data has the maximum or minimum value, the value of the second input data does not always have the maximum or minimum value. Therefore, the computable region set in this embodiment may not include at least one of the four unit segments. Therefore, when using such an existing data set, the computable region is limited to the data set segment, the first intermediate segment, and the second intermediate segment, so the trial output value is calculated from the trial input value using the prediction model. When calculating, highly reliable prediction results can be output, and moreover, highly reliable optimal solutions can be obtained.

単位セグメントは、上述したように、既存データセットの第１入力データの値の範囲と、既存データセットの第２入力データの値の範囲のそれぞれを、一定の幅で分割したセグメントであるので、単位セグメントの幅を一定に保つことができ、かつ、単位セグメントを図４（ａ），（ｂ），図５（ａ）～（ｃ）に示すように、格子状に配列することができるので、単位セグメントの幅を定めれば、既存データセットから計算可能領域を一意的に定めることができる。 As described above, the unit segment is a segment obtained by dividing the value range of the first input data of the existing data set and the value range of the second input data of the existing data set by a certain width. Since the width of the unit segments can be kept constant and the unit segments can be arranged in a grid pattern as shown in FIGS. , by defining the width of the unit segment, the computable region can be uniquely defined from the existing data set.

格子状の単位セグメントを定めることにより、上述した重複データセットセグメント対の入力データＡの入力値の範囲は、互いに一致し、第１中間セグメントの入力データＡの入力値の範囲は、重複データセットセグメント対両方の入力データＡの入力値の範囲に一致する。また、準重複データセットセグメント対の入力データＣの入力値の範囲は、互いに一致し、第２中間セグメントの入力データＣの入力値の範囲は、準重複データセットセグメント対両方の入力データＣの入力値の範囲に一致する。このため、重複データセットセグメント対、準重複データセットセグメント対、第１中間セグメント、及び第２中間セグメントを一意的に定めることができる。 By defining the lattice-shaped unit segments, the ranges of the input values of the input data A of the overlapping data set segment pairs described above match each other, and the ranges of the input values of the input data A of the first intermediate segment are the overlapping data sets Match the range of input values of input data A for both segment pairs. Also, the input value ranges of the input data C of the quasi-overlapping data set segment pair match each other, and the input value ranges of the input data C of the second intermediate segment are the same as those of the input data C of both of the quasi-overlapping data set segment pairs. Match the range of input values. Thus, overlapping dataset segment pairs, quasi-overlapping dataset segment pairs, first intermediate segments, and second intermediate segments can be uniquely defined.

計算可能領域設定部２６は、重複データセットセグメント対に基づいて第１中間セグメント及び第２中間セグメントを求める際、第１入力データＸ１を入力データＡ及び入力データＢの一方として第１中間セグメント及び第２中間セグメントを求めたのち、第１入力データＸ１を入力データＡ及び入力データＢの他方として第１中間セグメント及び第２中間セグメントを求める処理を繰り返し、処理によって得られた第１中間セグメント及び第２中間セグメントの総数が、処理の繰り返しによって増加しなくなるまで、上記処理を繰り返すように構成された繰り返し設定部２６Ａ（図６参照）を有することが好ましい。この場合、計算可能領域設定部２６は、繰り返し設定部２６Ａの他に、単位セグメントを作成し、計算可能領域を最終的に定める領域設定本体部２６Ｂ（図６参照）を有する。図６は、計算可能領域設定部２６の構成の好ましい形態の一例を示す図である。 When calculating the first intermediate segment and the second intermediate segment based on the overlapping data set segment pair, the computable region setting unit 26 uses the first input data X1 as one of the input data A and the input data B to obtain the first intermediate segment and After determining the second intermediate segment, the process of determining the first intermediate segment and the second intermediate segment is repeated using the first input data X1 as the other of the input data A and the input data B, and the first intermediate segment and the second intermediate segment obtained by the process are repeated. It is preferable to have a repetition setting unit 26A (see FIG. 6) configured to repeat the above process until the total number of second intermediate segments does not increase due to repetition of the process. In this case, the computable region setting unit 26 has, in addition to the repetition setting unit 26A, a region setting main unit 26B (see FIG. 6) that creates unit segments and finally determines the computable region. FIG. 6 is a diagram showing an example of a preferred configuration of the computable region setting section 26. As shown in FIG.

図７（ａ），（ｂ）及び図８（ａ）～（ｅ）は、繰り返し設定部２６Ａの行う処理を説明する図である。図７（ａ）には、第１入力データの値と第２入力データの値をそれぞれ縦軸、横軸にした座標系における既存データセットの一例を示している。図７（ａ）に既存データセットの例は、繰り返し設定部２６Ａの行う処理を理解し易いように、極端な例を用いている。図７（ｂ）に示すように、領域設定本体部２６Ｂは、既存データセットのプロットに対して、予め定めた幅の単位セグメントを作成する。この後、領域設定部２６Ｂは、既存データセットのプロットが含まれるデータセットセグメントを抽出する。図７（ｂ）では、抽出したデータセットセグメントが、太い線で囲まれて示されている。 FIGS. 7A, 7B, and 8A to 8E are diagrams for explaining the processing performed by the repetition setting section 26A. FIG. 7A shows an example of an existing data set in a coordinate system in which the values of the first input data and the values of the second input data are plotted on the vertical axis and the horizontal axis, respectively. The example of the existing data set in FIG. 7A is an extreme example so that the processing performed by the repetition setting unit 26A can be easily understood. As shown in FIG. 7(b), the region setting main unit 26B creates a unit segment with a predetermined width for plotting the existing data set. After that, the region setting unit 26B extracts data set segments that include the plots of the existing data set. In FIG. 7(b), the extracted data set segments are shown surrounded by thick lines.

次に、繰り返し設定部２６Ａは、第１中間セグメントさらには第２中間セグメントを求めるための処理を行う。具体的には、繰り返し設定部２６Ａは、図８（ａ）に示すように、第１入力データＸ１の軸側から第２入力データＸ２の方向をみて、第２入力データＸ２の方向において、重複データセットセグメント対間に挟まれた第１中間セグメントがあるか、あるいは準重複セットデータセグメント対間に挟まれた第２中間セグメントがあるか否かを探索する。図８（ａ）に示す例では、この探索により、繰り返し設定部２６Ａは、重複データセットセグメント対５０ａ間に挟まれた第１中間セグメント５０ｂを抽出する。図８（ａ）に示すように、第１入力データＸ１の軸側から第２入力ダータＸ２の方向を見た場合、重複データセットセグメント対は、重複データセットセグメント対５０ａ以外にはない。このため、繰り返し設定部２６Ａは、上記重複データセットセグメント対５０ａそれぞれの第２入力データの範囲の間に位置する５つの単位セグメントを第１中間セグメント５０ｂとして５つ設定する。 Next, the repetition setting unit 26A performs processing for obtaining the first intermediate segment and the second intermediate segment. Specifically, as shown in FIG. 8(a), the repetition setting unit 26A, when viewed in the direction of the second input data X2 from the axis side of the first input data X1, repeats Search to see if there is a first intermediate segment sandwiched between a data set segment pair, or if there is a second intermediate segment sandwiched between a quasi-duplicate set data segment pair. In the example shown in FIG. 8(a), through this search, the repetition setting unit 26A extracts the first intermediate segment 50b sandwiched between the duplicate data set segment pair 50a. As shown in FIG. 8A, when the direction of the second input data X2 is viewed from the axial side of the first input data X1, there are no duplicate data set segment pairs other than the duplicate data set segment pair 50a. Therefore, the repetition setting unit 26A sets five unit segments located between the ranges of the second input data of each of the overlapping data set segment pairs 50a as the first intermediate segments 50b.

次に、繰り返し設定部２６Ａは、図８（ｂ）に示すように、第２入力データＸ２の軸側から第１入力データＸ１の方向をみて、第１入力データＸ１の方向において、重複データセットセグメント対間に挟まれた第１中間セグメントがあるか、あるいは準重複セットデータセグメント対間に挟まれた第２中間セグメントがあるか否かを探索する。図８（ｂ）に示す例では、データセットセグメント５２ａと、図８（ａ）に示す第１中間セグメント５０ｂの１つとの間に位置する第２中間セグメント５２ｂを抽出する。第２入力データＸ２の軸側から第１入力ダータＸ１の方向を見た場合、重複データセットセグメント対あるいは準重複データセットセグメント対は、データセットセグメント５２ａと第１中間セグメント５０ｂの１つとを対とする準重複データセットセグメント対以外にはない。したがって、繰り返し設定部２６Ａは、上記準重複データセットセグメント対それぞれの第１入力データの範囲の間に位置する５つの単位セグメントを第２中間セグメント５２ｂとして５つ設定する。 Next, as shown in FIG. 8(b), the repetition setting unit 26A looks in the direction of the first input data X1 from the axis side of the second input data X2, and in the direction of the first input data X1, duplicate data set Search if there is a first intermediate segment sandwiched between the segment pair or if there is a second intermediate segment sandwiched between the quasi-duplicate set data segment pair. In the example shown in FIG. 8(b), a second intermediate segment 52b located between the data set segment 52a and one of the first intermediate segments 50b shown in FIG. 8(a) is extracted. When viewed in the direction of the first input data X1 from the axial side of the second input data X2, the duplicate data set segment pair or the quasi-duplicate data set segment pair is the data set segment 52a and one of the first intermediate segments 50b. , except for quasi-overlapping dataset segment pairs. Therefore, the repetition setting unit 26A sets five unit segments located between the ranges of the first input data of each pair of semi-overlapping data set segments as the second intermediate segments 52b.

次に、繰り返し設定部２６Ａは、図８（ｃ）に示すように、第１入力データＸ１の軸側から第２入力データＸ２の方向をみて、第２入力データＸ２の方向において、重複データセットセグメント対あるいは準重複データセットセグメント対間に挟まれた第１中間セグメントあるいは第２中間セグメントがあるか否かを探索する。図８（ｃ）に示す例では、データセットセグメント５４ａと、図８（ｂ）に示す第１中間セグメント５２ｂの１つとの間に位置する第２中間セグメント５４ｂを抽出する。第１入力データＸ１の軸側から第２入力ダータＸ２の方向を見た場合、重複データセットセグメント対あるいは準重複データセットセグメント対は、データセットセグメント５４ａと第２中間セグメント５２ｂの１つとを対とする準重複データセットセグメント対以外にはない。したがって、繰り返し設定部２６Ａは、上記準重複データセットセグメント対それぞれの第２入力データの範囲の間に位置する５つの単位セグメントを第２中間セグメント５４ｂとして５つ設定する。 Next, as shown in FIG. 8(c), the repeat setting unit 26A looks in the direction of the second input data X2 from the axis side of the first input data X1, and in the direction of the second input data X2, duplicate data set Search if there is a first intermediate segment or a second intermediate segment sandwiched between a segment pair or a quasi-overlapping data set segment pair. In the example shown in FIG. 8(c), a second intermediate segment 54b located between the data set segment 54a and one of the first intermediate segments 52b shown in FIG. 8(b) is extracted. When looking in the direction of the second input data X2 from the axial side of the first input data X1, the duplicate data set segment pair or the quasi-duplicate data set segment pair is the data set segment 54a and one of the second intermediate segments 52b. , except for quasi-overlapping dataset segment pairs. Therefore, the repetition setting unit 26A sets five unit segments located between the ranges of the second input data of each pair of semi-overlapping data set segments as the second intermediate segments 54b.

次に、繰り返し設定部２６Ａは、図８（ｄ）に示すように、第２入力データＸ２の軸側から第１入力データＸ１の方向をみて、第１入力データＸ１の方向において、重複データセットセグメント対あるいは準重複データセットセグメント対間に挟まれた第１中間セグメントあるいは第２中間セグメントがあるか否かを探索する。図８（ｄ）に示す例では、データセットセグメント５６ａと、図８（ｃ）に示す第１中間セグメント５４ｂの１つとの間に位置する第２中間セグメント５６ｂと、データセットセグメント５８ａと、図８（ｃ）に示す第１中間セグメント５４ｂの１つとの間に位置する第２中間セグメント５８ｂとを抽出する。第２入力データＸ２の軸側から第１入力ダータＸ１の方向を見た場合、重複データセットセグメント対あるいは準重複データセットセグメント対は、データセットセグメント５０ａと第２中間セグメント５４ｂの１つとを対とする準重複データセットセグメント対、及びデータセットセグメント５８ａと第２中間セグメント５４ｂの１つとを対とする準重複データセットセグメント対以外にはない。したがって、繰り返し設定部２６Ａは、上記準重複データセットセグメント対それぞれの第２入力データの範囲の間に位置する１０個の単位セグメントを第２中間セグメント５６ｂ，５８ｂとして１０個設定する。 Next, as shown in FIG. 8(d), the repeat setting unit 26A looks in the direction of the first input data X1 from the axis side of the second input data X2, and in the direction of the first input data X1, duplicate data set Search if there is a first intermediate segment or a second intermediate segment sandwiched between a segment pair or a quasi-overlapping data set segment pair. In the example shown in FIG. 8(d), a second intermediate segment 56b located between the data set segment 56a and one of the first intermediate segments 54b shown in FIG. 8(c), a data set segment 58a, and a A second intermediate segment 58b located between one of the first intermediate segments 54b shown in 8(c) is extracted. When looking in the direction of the first input data X1 from the axial side of the second input data X2, the duplicate data set segment pair or the quasi-duplicate data set segment pair is the data set segment 50a and one of the second intermediate segments 54b. and a quasi-overlapping data set segment pair of data set segment 58a and one of the second intermediate segments 54b. Therefore, the repetition setting unit 26A sets 10 unit segments located between the ranges of the second input data of each pair of semi-overlapping data set segments as second intermediate segments 56b and 58b.

このようにして、繰り返し設定部２６Ａは、重複データセットセグメント対あるいは準重複データセグメント対を第１入力データＸ１の軸方向にみて、第１中間セグメント及び第２中間セグメントを求め、その後、重複データセットセグメント対あるいは準重複データセグメント対を第２入力データＸ２の軸方向にみて、第１中間セグメント及び第２中間セグメントを求める処理を行う。繰り返し設定部２６Ａは、このような処理を、データセットセグメント、第１中間セグメント、及び第２中間セグメントの総数が増えなくなるまで繰り返し行う。こうして得られる計算可能領域の例が図８（ｅ）に示されている。
このような繰り返し設定部２６Ａによる処理の繰り返しにより、単位セグメントの幅を定めれば、一意的に計算可能領域を定めることができる。 In this manner, the repetition setting unit 26A finds the first intermediate segment and the second intermediate segment by viewing the overlapping data set segment pair or the quasi-overlapping data segment pair in the axial direction of the first input data X1, and then determines the overlapping data set segment pair. A set segment pair or a quasi-overlapping data segment pair is viewed in the axial direction of the second input data X2, and processing is performed to obtain a first intermediate segment and a second intermediate segment. The repetition setting unit 26A repeats such processing until the total number of data set segments, first intermediate segments, and second intermediate segments does not increase. An example of the computable region thus obtained is shown in FIG. 8(e).
If the width of the unit segment is determined by repeating the processing by the repetition setting unit 26A, it is possible to uniquely determine the computable area.

この場合、繰り返し設定部２６Ａによる処理の繰り返し回数が予め定めた回数を超える場合、領域設定本体部２６Ｂは、繰り返し回数が予め定めた回数以下になるように、単位セグメントの幅を調整する処理を繰り返すように構成される、ことが好ましい。繰り返し回数が増えても第１中間セグメントあるいは第２中間セグメントの数が増え続けることは、図８（ｅ）に示すように、計算可能領域の幅が狭い、細長い領域となっている場合が多く、このような場合は単位セグメントを細かく設定したことに起因する。このような計算可能領域では、既存データセットに基づいて設定された計算可能領域が極めて狭く設定されている。このため、繰り返し回数が予め定めた回数以下になるように、単位セグメントの幅を調整する。例えば、単位セグメントの幅を大きくする。
図９は、図８（ａ）に示す分布をもった既存データセットに対して、単位セグメントの幅を調整することによって、上記処理の繰り返し回数を少なくした（繰り返し回数を２回以下とした）場合の計算可能領域の一例を示す図である。 In this case, when the number of repetitions of the processing by the repetition setting unit 26A exceeds the predetermined number, the region setting main unit 26B performs processing for adjusting the width of the unit segment so that the number of repetitions is equal to or less than the predetermined number. Preferably, it is arranged to repeat. If the number of first intermediate segments or second intermediate segments continues to increase even if the number of iterations increases, it is often the case that the width of the computable area is narrow and elongated, as shown in FIG. 8(e). , such a case is caused by finely setting the unit segment. In such a computable region, the computable region set based on the existing data set is set extremely narrow. Therefore, the width of the unit segment is adjusted so that the number of repetitions is equal to or less than a predetermined number. For example, increase the width of the unit segment.
In FIG. 9, the number of repetitions of the above process is reduced by adjusting the width of the unit segment for the existing data set having the distribution shown in FIG. FIG. 11 is a diagram showing an example of a computable region in a case;

設定される計算可能領域は、図５（ｃ）に示すように複数の計算可能領域に分離して設定される場合もある。領域設定本体部２６Ｂは、計算可能領域が互いに分離した領域の数が予め定めた数を超える場合、計算可能領域が互いに分離した領域の数が予め定めた数以下になるように、単位セグメントの幅を調整することを繰り返すように構成されることが好ましい。計算可能領域が互いに分離した領域の数が予め定めた数を超える場合は、単位セグメントの幅を、既存データセットの分布に対して細かく設定しすぎたことに起因する。このため、計算可能領域が互いに分離した領域の数が予め定めた数以下になるように、単位セグメントの幅を調整する。 The set computable area may be set separately into a plurality of computable areas as shown in FIG. 5(c). When the number of regions from which the calculable regions are separated from each other exceeds a predetermined number, the region setting main unit 26B sets the number of unit segments so that the number of regions from which the calculable regions are separated from each other is equal to or less than a predetermined number. It is preferably arranged to repeat adjusting the width. If the number of regions in which the computable regions are separated from each other exceeds a predetermined number, it is caused by setting the width of the unit segment too finely with respect to the distribution of the existing data set. Therefore, the width of the unit segment is adjusted so that the number of regions in which the computable regions are separated from each other is equal to or less than a predetermined number.

図１０（ａ）～（ｄ）は、単位セグメントの幅を変更したときに形成される計算可能領域の例を説明する図である。図１０（ａ）は、既存データセットにおける第１入力データの値と第２入力データの値をプロットした分布を示す。図１０（ｂ）～（ｄ）は、単位セグメントの幅を変化した時の計算可能領域を示している。図１０（ｂ），（ｃ）は、単位セグメントが小さいために、２つの分離した計算可能領域が設定されたことを示し、図１０（ｄ）は、単位セグメントが大きいために、計算可能領域が１つに設定されたことを示している。このように、領域設定本体部２６Ｂは、計算可能領域が互いに分離した領域の数が予め定めた数以下になるように、単位セグメントの幅を調整することが好ましい。予め定めた数は、１に限定されず、最適解が信頼性を有する範囲で設定すればよく、２以上の数であってもよい。 FIGS. 10A to 10D are diagrams explaining examples of computable regions formed when the width of the unit segment is changed. FIG. 10(a) shows a distribution in which the values of the first input data and the values of the second input data in the existing data set are plotted. FIGS. 10(b) to (d) show the computable regions when the width of the unit segment is changed. 10(b) and (c) show that two separate computable regions are set because the unit segment is small, and FIG. 10(d) shows that the unit segment is large so that the computable region is set to one. In this manner, the area setting main unit 26B preferably adjusts the width of the unit segment so that the number of areas in which the computable areas are separated from each other is equal to or less than a predetermined number. The predetermined number is not limited to 1, and may be set within a range in which the optimum solution is reliable, and may be 2 or more.

計算可能領域設定部２６は、設定した計算可能領域内の単位セグメンの第１入力データ及び第２入力データの範囲のいずれか一方が重なる隣接する単位セグメントの数が予め定めた数より少ない単位セグメントを、設定した単位セグメントから除去するように構成されることも好ましい。 The computable area setting unit 26 determines that the number of adjacent unit segments in which either the range of the first input data or the range of the second input data of the unit segment within the set computable area overlaps is less than a predetermined number. from the set unit segment.

図１１（ａ）～（ｄ）は、設定した単位セグメントから一部の単位セグメントを除去する例を説明する図である。 FIGS. 11A to 11D are diagrams for explaining an example of removing some unit segments from the set unit segments.

図１１（ａ）は、既存データセットにおける第１入力データの値と第２入力データの値をプロットした分布の一例を示す。図１１（ｂ）は、この既存データセットに基づいて計算可能領域設定部２６が設定した計算可能領域の例を示している。図１１（ｂ）に示す計算可能領域のうち、灰色で示された単位セグメント６０は、計算可能領域内の単位セグメントと隣接する単位セグメント数は１つである。このような単位セグメント６０の領域は、細長い領域であり、最適解の算出のために試行入力値を設定する領域として用いられ、又、この領域を最適解とする可能性があるので、信頼性の高い最適解を算出する上で好ましくない。このため、領域設定本体部２６Ｂは、単位セグメント６０を、設定された計算可能領域から除去する。 FIG. 11(a) shows an example of a distribution in which the values of the first input data and the values of the second input data in the existing data set are plotted. FIG. 11(b) shows an example of the computable area set by the computable area setting unit 26 based on this existing data set. In the computable area shown in FIG. 11B, the gray unit segment 60 has one unit segment adjacent to the unit segment in the computable area. The area of such a unit segment 60 is a long and narrow area, and is used as an area for setting trial input values for calculating the optimum solution. This is not preferable for calculating the optimal solution with a high . Therefore, the region setting main unit 26B removes the unit segment 60 from the set computable region.

図１１（ｃ）は、既存データセットにおける第１入力データの値と第２入力データの値をプロットした分布の一例を示す。図１１（ｄ）は、この既存データセットに基づいて計算可能領域設定部２６が設定した計算可能領域の例を示している。図１１（ｄ）に示す計算可能領域のうち、灰色で示された４つの単位セグメント６２は、計算可能領域内の単位セグメントと隣接する単位セグメント数は１つである。このため、この４つの単位セグメント６２は、最適解の算出のために試行入力値を設定する領域として用いられ、又、この領域を最適解とする可能性があるので、信頼性の高い最適解を算出する上で好ましくない。このため、領域設定本体部２６Ｂは、単位セグメント６２を、設定された計算可能領域から除去する。 FIG. 11(c) shows an example of distribution in which the values of the first input data and the values of the second input data in the existing data set are plotted. FIG. 11(d) shows an example of the computable area set by the computable area setting unit 26 based on this existing data set. In the computable area shown in FIG. 11(d), four unit segments 62 shown in gray have one unit segment adjacent to the unit segment in the computable area. For this reason, these four unit segments 62 are used as a region for setting trial input values for calculating the optimal solution, and since this region may be used as the optimal solution, a highly reliable optimal solution can be obtained. is not preferable for calculating Therefore, the region setting main unit 26B removes the unit segment 62 from the set computable region.

データ処理装置１０は、予測モデルにより算出された出力データの値と、出力データの値に対応する入力データの値との因果関係を可視化するグラフを作成するように、構成され、ディスプレイ２２は、作成したグラフを画面表示するように構成されることが好ましい。因果関係を可視化するグラフとして、散布図、自己組織化マップを挙げることができる。このように、因果関係を可視化したグラフを表示することにより、入力値と出力値の関係を体系的に知ることができる。 The data processing device 10 is configured to create a graph that visualizes the causal relationship between the output data value calculated by the prediction model and the input data value corresponding to the output data value, and the display 22 is configured to: It is preferable that the generated graph is displayed on the screen. Examples of graphs for visualizing causal relationships include scatter diagrams and self-organizing maps. In this way, by displaying a graph that visualizes the causal relationship, it is possible to systematically know the relationship between the input value and the output value.

このように、本実施形態では、計算可能領域を、単位セグメントで構成された領域とし、この領域を既存データセットに基づいて設定し、この計算可能領域の範囲内の試行入力データを設定して最適解を計算可能領域の範囲内で算出するので、信頼性のある最適解を得ることができる。 Thus, in this embodiment, the computable region is defined as a region composed of unit segments, this region is set based on the existing data set, and trial input data is set within the range of this computable region. Since the optimum solution is calculated within the computable region, a reliable optimum solution can be obtained.

したがって、データ処理装置１０は以下のデータ処理方法を実施する。
すなわち、データ処理方法は、コンピュータが、複数の入力データの入力値から予め定めた出力データに関する出力値を予測する予測モデルを用いて、入力を受けた出力データの目標値から目標値に近似する入力データの最適解を算出する方法である。
この方法では、
（１）少なくとも第１入力データ及び第２入力データを含む複数の入力データの値と、この値に応じて定まった１つの出力データの値とから構成される既存データセットを複数組用いて、入力データの入力値から出力データに関する出力値を予測することを可能にした予測モデルを形成する。予測モデルの形成は、予測モデル形成部３２で行われる。
（２）次に、第１入力データ及び第２入力データそれぞれの入力値の取り得る範囲が複数の単位セグメントで構成された計算可能領域を、既存データセットに基づいて設定する。計算可能領域の設定は、計算可能領域設定部２６で行われる。
（３）次に、計算可能領域の範囲内で設定された第１入力データの試行入力値と第２入力データの試行入力値を含む複数の入力データの試行入力値を複数組用いて、予測モデルにより出力データの複数の試行出力値を予測する。試行出力値の予測は、出力データ予測部２８で行われる。
（４）最後に、複数の入力データの試行入力値と、予測された出力データの試行出力値と、に基づいて、出力データの出力値を、入力を受けた出力データの目標値に最も近づける複数の入力データの最適解を計算可能領域の範囲内で算出する。最適解の算出は、最適解算出部３０で行われる。
ここで、計算可能領域を設定するステップは、
上述したデータセットセグメントを計算可能領域内の単位セグメントとして設定するステップと、
上述した第１中間セグメントを計算可能領域内の単位セグメントとして設定するステップと、
上述した第２中間セグメントを計算可能領域内の単位セグメントとして設定するステップと、を備える。 Therefore, the data processing device 10 implements the following data processing method.
That is, in the data processing method, the computer approximates the target value of the received output data to the target value using a prediction model that predicts the output value of predetermined output data from the input values of a plurality of input data. This is a method of calculating the optimum solution for input data.
in this way,
(1) Using a plurality of sets of existing data sets composed of a plurality of input data values including at least first input data and second input data and one output data value determined according to the values, A prediction model is formed that allows predicting output values for output data from input values for input data. A prediction model is formed by the prediction model forming unit 32 .
(2) Next, a calculable region in which the possible range of the input values of the first input data and the second input data is composed of a plurality of unit segments is set based on the existing data set. Setting of the computable area is performed by the computable area setting unit 26 .
(3) Next, using a plurality of sets of trial input values of a plurality of input data including the trial input value of the first input data and the trial input value of the second input data set within the range of the computable region, prediction The model predicts multiple trial output values of the output data. Prediction of trial output values is performed by the output data prediction unit 28 .
(4) Finally, the output value of the output data is brought closest to the target value of the received output data based on the trial input values of the plurality of input data and the trial output values of the predicted output data. Optimal solutions for multiple input data are calculated within the computable region. Calculation of the optimum solution is performed by the optimum solution calculation unit 30 .
Here, the step of setting the computable region is
setting the aforementioned dataset segment as a unit segment within the computable domain;
setting the above-mentioned first intermediate segment as a unit segment within the computable region;
and setting the above-mentioned second intermediate segment as a unit segment within the computable region.

一実施形態によれば、計算可能領域は、既存データセットにおける第１入力データの値の最大値及び最小値と、既存データセットにおける第２入力データの値の最大値及び最小値との組み合わせによって定まる値の４つの組みのうち、少なくとも１つの組みを含まない。 According to one embodiment, the computable region is defined by a combination of the maximum and minimum values of the first input data in the existing data set and the maximum and minimum values of the second input data in the existing data set. At least one of the four sets of determined values is not included.

一実施形態によれば、単位セグメントは、既存データセットの第１入力データの値の範囲と、既存データセットの第２入力データの値の範囲のそれぞれを、一定の幅で分割したセグメントである、ことが好ましい。 According to one embodiment, the unit segment is a segment obtained by dividing the value range of the first input data of the existing data set and the value range of the second input data of the existing data set by a certain width. , is preferred.

一実施形態によれば、重複データセットセグメント対の入力データＡの値の範囲は、互いに一致し、
第１中間セグメントの入力データＡの値の範囲は、重複データセットセグメント対両方の入力データＡの値の範囲に一致し、
準重複データセットセグメント対の入力データＣの値の範囲は、互いに一致し、
第２中間セグメントの入力データＣの値の範囲は、準重複データセットセグメント対両方の入力データＣの値の範囲に一致する、ことが好ましい。 According to one embodiment, the ranges of values of the input data A of the duplicate data set segment pairs match each other, and
the range of values of the input data A of the first intermediate segment matches the range of values of the input data A of both duplicate data set segments pairs;
the ranges of the values of the input data C of the quasi-overlapping dataset segment pairs match each other;
Preferably, the range of values of the input data C of the second intermediate segment matches the range of values of the input data C of both pairs of quasi-overlapping data set segments.

一実施形態によれば、計算可能領域を設定するステップは、重複データセットセグメント対に基づいて第１中間セグメント及び第２中間セグメントを設定する際、第１入力データを入力データＡ及び入力データＢのうちの一方として第１中間セグメント及び第２中間セグメントを設定したのち、第１入力データを入力データＡ及び入力データＢのうちの他方として第１中間セグメント及び前記第２中間セグメントを設定する処理を繰り返し、この処理によって設定された第１中間セグメント及び第２中間セグメントの総数が、処理の繰り返しによって増加しなくなるまで、処理を繰り返すステップを含む、ことが好ましい。 According to one embodiment, the step of setting the computable region includes combining the first input data with input data A and input data B when setting the first intermediate segment and the second intermediate segment based on the duplicate data set segment pair. After setting the first intermediate segment and the second intermediate segment as one of the input data A and the input data B, the first input data is the other of the input data A and the process of setting the first intermediate segment and the second intermediate segment and repeating the process until the total number of first intermediate segments and second intermediate segments set by this process does not increase due to the repetition of the process.

また、一実施形態によれば、計算可能領域を設定するステップは、上述した処理の繰り返し回数が予め定めた回数を超える場合、この繰り返し回数が予め定めた回数以下になるように、単位セグメントの幅を調整するステップを含む、ことが好ましい。 In addition, according to one embodiment, the step of setting the computable region includes, when the number of repetitions of the above-described processing exceeds a predetermined number of times, the unit segment is set so that the number of repetitions is equal to or less than a predetermined number of times. Preferably, the step of adjusting the width is included.

また、一実施形態によれば、計算可能領域を設定するステップは、設定した単位セグメンの第１入力データ及び第２入力データの範囲のいずれか一方が重なる隣接する単位セグメントの数が予め定めた数より少ない単位セグメントを、設定した単位セグメントから除去するステップを含む、ことも好ましい。 Further, according to one embodiment, in the step of setting the computable region, the number of adjacent unit segments in which one of the ranges of the first input data and the second input data of the set unit segment overlaps is predetermined. It is also preferred to include the step of removing less than the number of unit-segments from the set unit-segments.

このような入力データ及び出力データは、特に制限されないが、ゴム材料の配合量を含み、出力データは、ゴム材料から作られたゴム材の物性値を含むことが好ましい。 Such input data and output data are not particularly limited, but preferably include the compounding amount of the rubber material, and the output data include physical property values of the rubber material made from the rubber material.

また、入力データは、タイヤの回転軸を含む平面で切断したタイヤ断面におけるタイヤ断面形状を定める形状パラメータ、及びタイヤの構成部材（例えば、ベルトやカーカスプライ）の配置位置を定める位置情報、及び構成部材の大きさあるいは構造を定める寸法の少なくともいずれか２つを含み、出力データは、タイヤ特性である、ことが好ましい。タイヤ断面形状を定める形状パラメータとして、例えば、特開２００２－１５０１０号公報や特開２０１３－１８９１６０号公報に開示される、タイヤ基底断面形状に重み付け加算することにより任意の試行タイヤ断面形状を作成するための重み付け係数等を用いることができる。 In addition, the input data includes shape parameters that determine the tire cross-sectional shape in a tire cross section cut by a plane containing the rotation axis of the tire, and position information that determines the arrangement position of tire constituent members (for example, belts and carcass plies), and configuration Preferably, including at least two of the dimensions defining the size or structure of the member, the output data are tire characteristics. As a shape parameter that determines the tire cross-sectional shape, for example, an arbitrary trial tire cross-sectional shape is created by weighting addition to the tire base cross-sectional shape disclosed in JP-A-2002-15010 and JP-A-2013-189160. A weighting factor or the like can be used.

以上、本発明のデータ処理装置及びデータ処理方法について詳細に説明したが、本発明は上記実施形態に限定されず、本発明の主旨を逸脱しない範囲において、種々の改良や変更してもよいのはもちろんである。 Although the data processing apparatus and data processing method of the present invention have been described in detail above, the present invention is not limited to the above embodiments, and various improvements and modifications may be made without departing from the gist of the present invention. Of course.

１０ データ処理装置
１２ ＣＰＵ
１４ ＲＡＭ
１６ ＲＯＭ
１８ 入出力部
２０ 入力操作装置
２２ ディスプレイ
２４ ソフトウェアモジュール
２６ 計算可能領域設定部
２６Ａ 繰り返し設定部
２６Ｂ 領域設定本体部
２８ 出力データ予測部
３０ 最適解算出部
３２ 予測モデル形成部
５０ａ 重複データセットセグメント対
５０ｂ 第１中間セグメント
５２ａ，５４ａ データセットセグメント
５２ｂ，５４ｂ，５６ｂ，５８ｂ 第２中間セグメント
６０，６２ 単位セグメント 10 data processor 12 CPU
14 RAM
16 ROMs
18 input/output unit 20 input operation device 22 display 24 software module 26 computable region setting unit 26A repetition setting unit 26B region setting main unit 28 output data prediction unit 30 optimum solution calculation unit 32 prediction model formation unit 50a overlap data set segment pair 50b First intermediate segments 52a, 54a Data set segments 52b, 54b, 56b, 58b Second intermediate segments 60, 62 Unit segments

Claims (18)

複数の入力データの入力値から予め定めた出力データに関する出力値を予測する予測モデルを用いて、入力を受けた前記出力データの目標値から前記目標値に近似する前記入力データの最適解を算出する、コンピュータからなるデータ処理装置であって、
前記入力データは、少なくとも第１入力データ及び第２入力データを含み、
前記予測モデルは、前記複数の入力データの値と、該値に応じて定まった１つの出力データの値とから構成される既存データセットを複数組用いて、前記入力データの入力値から前記出力データに関する出力値を予測することを可能にしたモデルであり、
前記入力データの前記第１入力データ及び前記第２入力データそれぞれの値の取り得る範囲が複数の単位セグメントで構成された計算可能領域を、前記既存データセットに基づいて設定する計算可能領域設定部と、
前記計算可能領域の範囲内で設定された前記第１入力データの試行入力値と前記第２入力データの試行入力値の組を含む複数の入力データの試行入力値を複数組用いて、前記入力データの入力値から前記予測モデルにより前記出力データの複数の試行出力値を予測する出力データ予測部と、
前記出力データ予測部で用いた前記複数の入力データの前記試行入力値と、前記出力データ予測部で予測された前記出力データの前記試行出力値と、に基づいて、前記出力データの出力値を、入力を受けた前記出力データの目標値に最も近づける前記複数の入力データの最適解を前記計算可能領域の範囲内算出する最適解算出部と、を備え、
前記計算可能領域設定部が設定する前記計算可能領域の前記単位セグメントは、
前記複数組の既存データセットそれぞれの前記第１入力データの値及び前記第２入力データの値が存在する複数のデータセットセグメントと、
前記複数のデータセットセグメントのうちの対をなしたセグメントであって、前記第１入力データ及び前記第２入力データのうちの一方の入力データＡの入力値の範囲が、前記入力データＡの範囲を定める境界を除く少なくとも一部で互いに重さなり、他方の入力データＢの範囲が互いに重さならない重複データセットセグメント対に対して、該重複データセットセグメント対それぞれの前記入力データＢの値の範囲の間に位置し、かつ、前記重複データセットセグメント対の少なくともいずれか１つの前記入力データＡの値の範囲に位置する第１中間セグメントと、
前記第１中間セグメントの１つと、前記第１中間セグメント及び前記データセットセグメントの一方の１つと、で対をなすセグメントであって、前記第１入力データ及び前記第２入力データのうちの一方の入力データＣの値の範囲が、前記入力データＣの範囲を定める境界を除く少なくとも一部で互いに重さなり、他方の入力データＤの値の範囲が互いに重さならない準重複データセットセグメント対に対して、該準重複データセットセグメント対それぞれの前記入力データＤの値の範囲の間に位置し、かつ、前記準重複データセットセグメント対の少なくともいずれか１つの前記入力データＣの範囲に位置する第２中間セグメントと、のいずれかに属する、ことを特徴とするデータ処理装置。 Using a prediction model that predicts an output value related to predetermined output data from input values of a plurality of input data, calculating an optimal solution of the input data that approximates the target value from the input target value of the output data. a data processing device comprising a computer,
the input data includes at least first input data and second input data;
The predictive model uses a plurality of sets of existing data sets composed of the plurality of input data values and one output data value determined according to the values, and the output from the input value of the input data A model that makes it possible to predict output values for data,
A calculable region setting unit that sets a calculable region in which each of the possible ranges of the values of the first input data and the second input data of the input data is composed of a plurality of unit segments based on the existing data set. When,
Using a plurality of sets of trial input values of a plurality of input data including a set of trial input values of the first input data and trial input values of the second input data set within the range of the computable region, the input an output data prediction unit that predicts a plurality of trial output values of the output data from data input values using the prediction model;
The output value of the output data is calculated based on the trial input values of the plurality of input data used by the output data prediction unit and the trial output values of the output data predicted by the output data prediction unit. an optimum solution calculation unit that calculates, within the computable region, an optimum solution of the plurality of input data that is closest to a target value of the output data that has received the input;
The unit segment of the computable area set by the computable area setting unit is
a plurality of data set segments in which the values of the first input data and the values of the second input data of each of the plurality of sets of existing data sets are present;
Paired segments of the plurality of data set segments, wherein the range of input values of input data A, one of the first input data and the second input data, is the range of the input data A For overlapping data set segment pairs that overlap each other at least in part except for the boundaries defining a first intermediate segment located between ranges and located within a range of values of said input data A of at least one of said pairs of overlapping data set segments;
a segment paired with one of said first intermediate segment and one of said first intermediate segment and said data set segment, said one of said first input data and said second input data A pair of quasi-overlapping data set segments in which the value ranges of the input data C overlap at least in part except for the boundaries defining the ranges of the input data C, and the value ranges of the other input data D do not overlap each other is located between the ranges of values of the input data D of each of the quasi-overlapping data set segment pairs, and is located within the range of the input data C of at least one of the quasi-overlapping data set segment pairs and a second intermediate segment. 前記計算可能領域は、前記既存データセットにおける前記第１入力データの値の最大値及び最小値と、前記既存データセットにおける前記第２入力データの値の最大値及び最小値との組み合わせによって定まる値の４つの組みが位置する４つの単位セグメントのうち、少なくとも１つの単位セグメントを含まない、請求項１に記載のデータ処理装置。 The computable region is a value determined by a combination of the maximum and minimum values of the first input data in the existing data set and the maximum and minimum values of the second input data in the existing data set. 2. The data processing apparatus according to claim 1, wherein at least one of the four unit-segments in which the four sets of are located does not include at least one unit-segment. 前記単位セグメントは、前記既存データセットの前記第１入力データの値の範囲と、前記既存データセットの前記第２入力データの値の範囲のそれぞれを、一定の幅で分割したセグメントである、請求項１又は２に記載のデータ処理装置。 The unit segment is a segment obtained by dividing each of the value range of the first input data of the existing data set and the value range of the second input data of the existing data set by a constant width. Item 3. The data processing device according to Item 1 or 2. 前記重複データセットセグメント対の前記入力データＡの入力値の範囲は、互いに一致し、
前記第１中間セグメントの前記入力データＡの入力値の範囲は、前記重複データセットセグメント対両方の前記入力データＡの入力値の範囲に一致し、
前記準重複データセットセグメント対の前記入力データＣの入力値の範囲は、互いに一致し、
前記第２中間セグメントの前記入力データＣの入力値の範囲は、前記準重複データセットセグメント対両方の前記入力データＣの入力値の範囲に一致する、請求項１～３のいずれか１項に記載のデータ処理装置。 the input value ranges of the input data A of the duplicate data set segment pairs match each other;
the range of input values of the input data A of the first intermediate segment matches the range of input values of the input data A of both pairs of the duplicate data set segments;
the input value ranges of the input data C of the quasi-overlapping dataset segment pairs match each other;
4. The range of input values of said input data C of said second intermediate segment matching the range of input values of said input data C of both said pairs of quasi-overlapping data set segments. Data processing apparatus as described. 前記計算可能領域設定部は、
前記重複データセットセグメント対に基づいて前記第１中間セグメント及び前記第２中間セグメントを求める際、前記第１入力データを前記入力データＡ及び前記入力データＢのうちの一方として前記第１中間セグメント及び前記第２中間セグメントを求めたのち、前記第１入力データを前記入力データＡ及び前記入力データＢのうちの他方として前記第１中間セグメント及び前記第２中間セグメントを求める処理を繰り返し、前記処理によって得られた前記第１中間セグメント及び前記第２中間セグメントの総数が、前記処理の繰り返しによって増加しなくなるまで、前記処理を繰り返すように構成された繰り返し設定部を有する、請求項１～４のいずれか１項に記載のデータ処理装置。 The computable area setting unit
When obtaining the first intermediate segment and the second intermediate segment based on the duplicate data set segment pair, the first input data is one of the input data A and the input data B, and the first intermediate segment and After determining the second intermediate segment, repeating the process of determining the first intermediate segment and the second intermediate segment using the first input data as the other of the input data A and the input data B, 5. The method according to any one of claims 1 to 4, further comprising an iteration setting unit configured to repeat the process until the total number of obtained first intermediate segments and the second intermediate segments does not increase due to the repetition of the process. 1. A data processing device according to claim 1. 前記処理の繰り返し回数が予め定めた回数を超える場合、前記計算可能領域設定部は、前記繰り返し回数が前記予め定めた回数以下になるように、前記単位セグメントの幅を調整する処理を繰り返すように構成される、請求項５に記載のデータ処理装置。 When the number of repetitions of the process exceeds a predetermined number, the calculable area setting unit repeats the process of adjusting the width of the unit segment so that the number of repetitions is equal to or less than the predetermined number of times. 6. A data processing apparatus as claimed in claim 5, wherein the data processing apparatus is configured as 前記計算可能領域設定部は、前記計算可能領域が互いに分離した領域の数が予め定めた数を超える場合、前記計算可能領域が互いに分離した領域の数が前記予め定めた数以下になるように、前記単位セグメントの幅を調整することを繰り返すように構成される、請求項５または６に記載のデータ処理装置。 When the number of regions from which the computable regions are separated from each other exceeds a predetermined number, the computable region setting unit sets the number of regions from which the computable regions are separated from each other to be equal to or less than the predetermined number. 7. A data processing apparatus according to claim 5 or 6, configured to repeat adjusting the width of said unit segment. 前記計算可能領域設定部は、設定した前記計算可能領域内の前記単位セグメンの前記第１入力データ及び前記第２入力データの範囲のいずれか一方が重なる隣接する単位セグメントの数が予め定めた数より少ない単位セグメントを、設定した前記単位セグメントから除去するように構成される、請求項１～７のいずれか１項に記載のデータ処理装置。 The computable area setting unit determines a predetermined number of adjacent unit segments in which one of the ranges of the first input data and the second input data of the unit segment within the set computable area overlaps. A data processing apparatus according to any one of claims 1 to 7, configured to remove fewer unit-segments from said set unit-segments. 前記入力データは、ゴム材料の配合量を含み、
前記出力データは、ゴム材の前記ゴム材料の物性値を含む、請求項１～８のいずれか１項に記載のデータ処理装置。 The input data includes the compounding amount of the rubber material,
9. The data processing device according to claim 1, wherein said output data includes physical property values of said rubber material. 前記入力データは、タイヤの回転軸を含む平面で切断したタイヤ断面におけるタイヤ断面形状を定める形状パラメータ、及び前記タイヤの構成部材の配置位置を定める位置情報、及び前記構成部材の大きさあるいは構造を定める寸法の少なくともいずれか２つを含み、
前記出力データは、タイヤ特性である、請求項１～８のいずれか１項に記載のデータ処理装置。 The input data includes shape parameters that determine the tire cross-sectional shape in a tire cross section cut by a plane containing the rotation axis of the tire, position information that determines the arrangement position of the tire constituent members, and the size or structure of the constituent members. including at least any two of the specified dimensions,
The data processing device according to any one of claims 1 to 8, wherein said output data are tire characteristics. 前記データ処理装置は、前記予測モデルにより算出された前記出力データの値と、前記出力データの値に対応する前記入力データの値との因果関係を可視化するグラフを作成するように構成され、
前記データ処理装置は、作成した前記グラフを画面表示するディスプレイと接続される、請求項１～１０のいずれか１項に記載のデータ処理装置。 The data processing device is configured to create a graph that visualizes a causal relationship between the output data value calculated by the prediction model and the input data value corresponding to the output data value,
11. The data processing device according to any one of claims 1 to 10, wherein said data processing device is connected to a display for displaying said created graph on a screen. コンピュータが、複数の入力データの入力値から予め定めた出力データに関する出力値を予測する予測モデルを用いて、入力を受けた前記出力データの目標値から前記目標値に近似する前記入力データの最適解を算出するデータ処理方法であって、
少なくとも第１入力データ及び第２入力データを含む複数の入力データの値と、該値に応じて定まった１つの出力データの値とから構成される既存データセットを複数組用いて、前記入力データの入力値から前記出力データに関する出力値を予測することを可能にした予測モデルを形成するステップと、
前記第１入力データ及び前記第２入力データそれぞれの入力値の取り得る範囲が複数の単位セグメントで構成された計算可能領域を、前記既存データセットに基づいて設定するステップと、
前記計算可能領域の範囲内で設定された前記第１入力データの試行入力値と前記第２入力データの試行入力値を含む複数の入力データの試行入力値を複数組用いて、前記予測モデルにより前記出力データの複数の試行出力値を予測するステップと、
前記複数の入力データの前記試行入力値と、予測された前記出力データの前記試行出力値と、に基づいて、前記出力データの出力値を、入力を受けた前記出力データの目標値に最も近づける前記複数の入力データの最適解を前記計算可能領域の範囲内で算出するステップと、を備え、
前記計算可能領域を設定するステップは、
前記複数組の既存データセットそれぞれの前記第１入力データの値及び前記第２入力データの値が存在する複数のデータセットセグメントを、前記計算可能領域内の単位セグメントとして設定するステップと、
前記複数のデータセットセグメントのうちの対をなしたセグメントであって、前記第１入力データ及び前記第２入力データのうちの一方の入力データＡの値の範囲が、前記入力データＡの範囲を定める境界を除く少なくとも一部で互いに重さなり、他方の入力データＢの範囲が互いに重さならない重複データセットセグメント対に対して、該重複データセットセグメント対それぞれの前記入力データＢの値の範囲の間に位置し、かつ、前記重複データセットセグメント対の少なくともいずれか１つの前記入力データＡの値の範囲に位置する第１中間セグメントを、前記計算可能領域内の単位セグメントとして設定するステップと、
前記第１中間セグメントの１つと、前記第１中間セグメント及び前記データセットセグメントのいずれか一方の１つと、で対をなすセグメントであって、前記第１入力データ及び前記第２入力データのうちの一方の入力データＣの値の範囲が、前記入力データＣの範囲を定める境界を除く少なくとも一部で互いに重さなり、他方の入力データＤの値の範囲が互いに重さならない準重複データセットセグメント対に対して、該準重複データセットセグメント対それぞれの前記入力データＤの値の範囲の間に位置し、かつ、前記準重複データセットセグメント対の少なくともいずれか１つの前記入力データＣの範囲に位置する第２中間セグメントを、前記計算可能領域内の単位セグメントとして設定するステップと、を備える、ことを特徴とするデータ処理方法。 A computer optimizes the input data that approximates the target value of the output data received using a prediction model that predicts the output value of predetermined output data from the input values of a plurality of input data. A data processing method for calculating a solution,
Using a plurality of sets of existing data sets composed of a plurality of input data values including at least first input data and second input data and one output data value determined according to the values, the input data forming a predictive model enabled to predict output values for said output data from input values of
a step of setting a computable region in which the possible range of the input values of the first input data and the second input data is composed of a plurality of unit segments based on the existing data set;
Using a plurality of sets of trial input values of a plurality of input data including trial input values of the first input data and trial input values of the second input data set within the range of the computable region, the prediction model predicting a plurality of trial output values of said output data;
Based on the trial input values of the plurality of input data and the trial output values of the predicted output data, the output value of the output data is brought closest to the target value of the output data that has received the input. and calculating an optimal solution for the plurality of input data within the computable region;
The step of setting the computable region includes:
setting a plurality of data set segments in which the values of the first input data and the values of the second input data of each of the plurality of sets of existing data sets exist as unit segments in the computable area;
paired segments of the plurality of data set segments, wherein a range of values of input data A, one of the first input data and the second input data, exceeds the range of the input data A; For overlapping data set segment pairs that overlap each other at least in part except for defining boundaries and whose ranges of the other input data B do not overlap each other, the range of values of said input data B for each of said overlapping data set segment pairs setting a first intermediate segment located between and within the range of values of the input data A of at least one of the overlapping dataset segment pairs as a unit segment within the computable region; ,
A segment paired with one of the first intermediate segments and one of the first intermediate segment and the data set segment, wherein the first input data and the second input data are: A quasi-overlapping data set segment in which the value ranges of one input data C overlap each other at least in part except for boundaries defining the range of the input data C, and the value ranges of the other input data D do not overlap each other pair, located between the range of values of the input data D of each of the quasi-overlapping data set segment pairs, and within the range of the input data C of at least one of the quasi-overlapping data set segment pairs and setting a located second intermediate segment as a unit segment within the computable region. 前記計算可能領域は、前記既存データセットにおける前記第１入力データの値の最大値及び最小値と、前記既存データセットにおける前記第２入力データの値の最大値及び最小値との組み合わせによって定まる値の４つの組みのうち、少なくとも１つの組みを含まない、請求項１２に記載のデータ処理方法。 The computable region is a value determined by a combination of the maximum and minimum values of the first input data in the existing data set and the maximum and minimum values of the second input data in the existing data set. 13. The data processing method according to claim 12, wherein at least one of the four sets of is not included. 前記単位セグメントは、前記既存データセットの前記第１入力データの値の範囲と、前記既存データセットの前記第２入力データの値の範囲のそれぞれを、一定の幅で分割したセグメントである、請求項１２又は１３に記載のデータ処理方法。 The unit segment is a segment obtained by dividing each of the value range of the first input data of the existing data set and the value range of the second input data of the existing data set by a constant width. 14. A data processing method according to Item 12 or 13. 前記重複データセットセグメント対の前記入力データＡの値の範囲は、互いに一致し、
前記第１中間セグメントの前記入力データＡの値の範囲は、前記重複データセットセグメント対両方の前記入力データＡの値の範囲に一致し、
前記準重複データセットセグメント対の前記入力データＣの値の範囲は、互いに一致し、
前記第２中間セグメントの前記入力データＣの値の範囲は、前記準重複データセットセグメント対両方の前記入力データＣの値の範囲に一致する、請求項１２～１４のいずれか１項に記載のデータ処理方法。 ranges of values of the input data A of the duplicate data set segment pairs match each other;
the range of values of the input data A for the first intermediate segment matches the range of values of the input data A for both pairs of duplicate data set segments;
ranges of values of the input data C of the quasi-overlapping dataset segment pairs match each other;
15. The range of values of the input data C of the second intermediate segment that match the range of values of the input data C of both pairs of quasi-overlapping data set segments. Data processing method. 前記計算可能領域を設定するステップは、
前記重複データセットセグメント対に基づいて前記第１中間セグメント及び前記第２中間セグメントを設定する際、前記第１入力データを前記入力データＡ及び前記入力データＢのうちの一方として前記第１中間セグメント及び前記第２中間セグメントを設定したのち、前記第１入力データを前記入力データＡ及び前記入力データＢのうちの他方として前記第１中間セグメント及び前記第２中間セグメントを設定する処理を繰り返し、前記処理によって設定された前記第１中間セグメント及び前記第２中間セグメントの総数が、前記処理の繰り返しによって増加しなくなるまで、前記処理を繰り返すステップを含む、請求項１２～１５のいずれか１項に記載のデータ処理方法。 The step of setting the computable region includes:
when setting the first intermediate segment and the second intermediate segment based on the overlapping data set segment pair, the first intermediate segment using one of the input data A and the input data B as the first input data; and after setting the second intermediate segment, repeating the process of setting the first intermediate segment and the second intermediate segment using the first input data as the other of the input data A and the input data B, 16. The method according to any one of claims 12 to 15, comprising repeating the process until the total number of the first intermediate segment and the second intermediate segment set by the process does not increase due to the repetition of the process. data processing method. 前記計算可能領域を設定するステップは、
前記処理の繰り返し回数が予め定めた回数を超える場合、前記繰り返し回数が前記予め定めた回数以下になるように、前記単位セグメントの幅を調整するステップを含む、請求項１６に記載のデータ処理方法。 The step of setting the computable region includes:
17. The data processing method according to claim 16, further comprising the step of adjusting the width of said unit segment so that said number of repetitions is less than or equal to said predetermined number of times when the number of repetitions of said processing exceeds a predetermined number of times. . 前記計算可能領域を設定するステップは、設定した前記単位セグメンの前記第１入力データ及び前記第２入力データの範囲のいずれか一方が重なる隣接する単位セグメントの数が予め定めた数より少ない単位セグメントを、設定した前記単位セグメントから除去するステップを含む、請求項１２～１７のいずれか１項に記載のデータ処理方法。 In the step of setting the computable region, the number of adjacent unit segments in which either one of the ranges of the first input data and the second input data of the set unit segment overlaps is less than a predetermined number. from the set unit segment.
JP2019047018A 2019-03-14 2019-03-14 Data processing device and data processing method for calculating optimum solution Active JP7207039B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2019047018A JP7207039B2 (en) 2019-03-14 2019-03-14 Data processing device and data processing method for calculating optimum solution

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019047018A JP7207039B2 (en) 2019-03-14 2019-03-14 Data processing device and data processing method for calculating optimum solution

Publications (2)

Publication Number Publication Date
JP2020149423A JP2020149423A (en) 2020-09-17
JP7207039B2 true JP7207039B2 (en) 2023-01-18

Family

ID=72430565

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019047018A Active JP7207039B2 (en) 2019-03-14 2019-03-14 Data processing device and data processing method for calculating optimum solution

Country Status (1)

Country Link
JP (1) JP7207039B2 (en)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7529985B2 (en) * 2020-10-12 2024-08-07 横浜ゴム株式会社 TIRE SHAPE DETERMINATION METHOD, TIRE SHAPE DETERMINATION DEVICE, AND PROGRAM
JP7497675B2 (en) * 2020-12-01 2024-06-11 株式会社プロテリアル Physical property estimation system and physical property estimation method
JP7681965B2 (en) * 2020-12-07 2025-05-23 Ｔｏｙｏ Ｔｉｒｅ株式会社 Tire performance prediction model learning method, tire performance prediction method, system and program
JP2022160848A (en) * 2021-04-07 2022-10-20 横浜ゴム株式会社 Performance prediction apparatus and program
JP7807638B2 (en) * 2021-11-17 2026-01-28 横浜ゴム株式会社 Tire characteristic estimation device, tire characteristic estimation method, estimation model generation method, estimation model generation device, and program

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016200902A (en) 2015-04-08 2016-12-01 横浜ゴム株式会社 Method for generating approximation model of structure, device for generating approximation model of structure, and program
US20180157994A1 (en) 2016-12-07 2018-06-07 Noble Artificial Intelligence, Inc. Characterisation of dynamical statistical systems

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016200902A (en) 2015-04-08 2016-12-01 横浜ゴム株式会社 Method for generating approximation model of structure, device for generating approximation model of structure, and program
US20180157994A1 (en) 2016-12-07 2018-06-07 Noble Artificial Intelligence, Inc. Characterisation of dynamical statistical systems

Also Published As

Publication number Publication date
JP2020149423A (en) 2020-09-17

Similar Documents

Publication Publication Date Title
JP7207039B2 (en) Data processing device and data processing method for calculating optimum solution
Chen et al. Hyperplane assisted evolutionary algorithm for many-objective optimization problems
JP7352070B2 (en) Data processing method, data processing device, and program
JP5392635B2 (en) Multidimensional data visualization apparatus, method and program
US20180018408A1 (en) Material generation apparatus and material generation method
JP6561455B2 (en) How to analyze and display data
JP6589285B2 (en) How to analyze and display data
US11670403B2 (en) Method and apparatus for generating chemical structure using neural network
JP7724406B2 (en) Making classification models easier to interpret
Balakrishnan et al. A novel control factor and Brownian motion-based improved Harris Hawks Optimization for feature selection
JP6676928B2 (en) Tire model creation method, tire shape optimization method, tire model creation device, tire shape optimization device, and program
JP2023009904A (en) Program, deduction method, and information processing device
JP7360016B2 (en) Data processing method, data processing device, and program
JP2005070849A (en) Design support method and apparatus and design support program
JP2018163396A (en) Piecewise linear approximation function generation apparatus and method
Bengali et al. Faster approximation algorithms for parameterized graph clustering and edge labeling
JP6690713B2 (en) Inference system, information processing system, inference method, and program
JP2017077773A (en) Optimal tire cross-sectional shape creating method and optimum tire cross-sectional shape creating device
WO2023204029A1 (en) Information processing method, information processing system, and program
WO2022176293A1 (en) Physical property prediction device and program
De Souza et al. A comprehensive comparison of ml algorithms for gene expression data classification
Błaszczyński et al. Ordinal classification with monotonicity constraints by variable consistency bagging
US20250232083A1 (en) Recommendation data generation apparatus, recommendation data generation method, and non-transitory computer-readable medium
JP2022091029A (en) Tire designing method, program, and tire designing device
JP2022081335A (en) Prediction rule correction system and prediction rule correction method

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220221

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20221206

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20221219

R150 Certificate of patent or registration of utility model

Ref document number: 7207039

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S531 Written request for registration of change of domicile

Free format text: JAPANESE INTERMEDIATE CODE: R313531

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250