JP7529058B2 - 検証システム、検証方法および検証プログラム - Google Patents

Description

本発明は、サロゲートモデルを用いて検証を行う検証システム、検証方法および検証プログラムに関する。

近年、シミュレーションを活用した検証により、検証工程の負担を軽減させたり、手戻りの発生を抑制したりする開発が行われている。例えば、自動車設計開発ではＭＤＢ（Model-Based Development ）による開発が進んでおり、ＳＩＬＳ（Software In the Loop Simulation ）やＲＣＰ（Rapid Control Prototyping ）、ＨＩＬＳ（Hardware In the Loop Simulation ）などのシミュレーションが活用されている。

また、シミュレーションを高速に行う方法として、サロゲートモデルを利用する方法も知られている。サロゲートモデルは、シミュレーションによる評価を代替するモデルであり、近似解を高速に導出するために用いられる。例えば、特許文献１には、サロゲートモデルを用いた製品設計およびシミュレーションについて記載されている。

特開２０１６－１４６１６９号公報

例えば、上述するような自動車設計開発において、シミュレーションを繰り返すことにより検証が行われるが、大規模なシステムの場合、一般に、シミュレーションを行う時間や計算コストが膨大になる。そこで、シミュレーションの代替としてサロゲートモデルを利用することで、検証工程の計算コストを低減することが可能になる。

一方、自動車は、多数のユニット・ソフトウェアから構成されているため、結合テストなどを行う場合、各ユニットやソフトウェアのシミュレーションを構築して、組み合わせる必要がある。特許文献１に記載されたサロゲートモデルを用いることで、検証工程における分析そのもののコストを低減することは可能である。

しかし、上述するような多数のユニットを結合させて結合テストを行う場合、検証に用いる各ユニットのサロゲートモデルを適切に組み合わせて分析を行う必要がある。そのため、分析の前段階の作業量が増加する結果、検証工程のコストが増加してしまうという問題がある。

また、分析対象が増加するにしたがって、用いられるサロゲートモデルの種類も増加する。そのため、多数のユニットに対応したそれぞれのサロゲートモデルが存在する場合、分析に適したサロゲートモデルを選択するのにも、やはり多くのコストがかかってしまうという問題がある。そのため、シミュレーションを活用した検証が必要な状況において、検証にサロゲートモデルを用いる場合であっても、検証工程に要するコストを低減できることが好ましい。

そこで、本発明は、サロゲートモデルを用いた検証工程に要するコストを低減できる検証システム、検証方法および検証プログラムを提供することを目的とする。

本発明による検証システムは、分析対象の稼動データを学習データとして用いて、その分析対象の挙動を模擬するサロゲートモデルを構築するサロゲートモデル構築手段と、分析対象の稼動データから、指定された条件のもと、検証内容に応じた稼動データによる分析対象の挙動を最も再現すると判断されるサロゲートモデルを選択するサロゲートモデル選択手段と、選択されたサロゲートモデルを用いて分析対象の検証を行う検証手段とを備えたことを特徴とする。

本発明による検証方法は、コンピュータが、分析対象の稼動データを学習データとして用いて、その分析対象の挙動を模擬するサロゲートモデルを構築し、分析対象の稼動データから、指定された条件のもと、検証内容に応じた稼動データによる分析対象の挙動を最も再現すると判断されるサロゲートモデルを選択し、選択されたサロゲートモデルを用いて分析対象の検証を行うことを特徴とする。

本発明による検証プログラムは、コンピュータに、分析対象の稼動データを学習データとして用いて、その分析対象の挙動を模擬するサロゲートモデルを構築するサロゲートモデル構築処理、分析対象の稼動データから、指定された条件のもと、検証内容に応じた稼動データによる分析対象の挙動を最も再現すると判断されるサロゲートモデルを選択するサロゲートモデル選択処理、および、選択されたサロゲートモデルを用いて分析対象の検証を行う検証処理を実行させることを特徴とする。

本発明によれば、サロゲートモデルを用いた検証工程に要するコストを低減できる。

本発明による検証システムの第一の実施形態の構成例を示すブロック図である。 第一の実施形態の検証部の構成例を示すブロック図である。 第一の実施形態の検証システムの動作例を示すフローチャートである。 第一の実施形態の検証部の動作例を示すフローチャートである。 本発明による検証システムの第二の実施形態の構成例を示すブロック図である。 第二の実施形態の検証部の構成例を示すブロック図である。 第二の実施形態の検証部の動作例を示すフローチャートである。 本発明による検証システムの第三の実施形態の構成例を示すブロック図である。 各ユニットのサロゲートモデルを可視化した例を示す説明図である。 第三の実施形態の検証部の構成例を示すブロック図である。 第三の実施形態の検証部の動作例を示すフローチャートである。 本発明による検証システムの概要を示すブロック図である。

以下、本発明の実施形態を図面を参照して説明する。

実施形態１．
図１は、本発明による検証システムの第一の実施形態の構成例を示すブロック図である。本実施形態の検証システム１００は、サロゲートモデルを用いて、分析対象の検証を行うシステムである。上述するサロゲートモデルは近似解の絞り込みが可能なモデルと言えるため、本実施形態の検証システム１００は、近似解の絞り込みが可能なサロゲートモデルを用いて検証を行うシステムと言える。

本実施形態の検証システム１００は、データ取得部１０と、データ記憶部２０と、サロゲートモデル構築部３０と、サロゲートモデル記憶部４０と、サロゲートモデル評価部５０と、サロゲートモデル選択部６０と、検証部１７０とを備えている。検証システム１００は、各種処理結果を出力する出力装置７０に接続される。

出力装置７０は、例えば、ディスプレイ装置や、プリンタなどにより実現される。また、出力装置７０は、処理結果に応じた制御情報を、各ユニットに出力する制御装置として実現されてもよい。

データ取得部１０は、検証システム１００が各種処理に用いるデータを取得して、データ記憶部２０に記憶させる。なお、以下の説明では、検証システム１００が自動車設計開発において利用される状況を想定する。すなわち、本実施形態では、検証システム１００が自動車の稼動状態や、不具合発生時の状況を検証する場面において利用されるものとする。

ただし、本発明の検証システム１００が利用される対象は、自動車設計開発に限定されず、例えば、自動二輪車の設計開発や、各種制御装置の設計開発などであってもよい。

データ取得部１０は、具体的には、分析対象の稼動データおよび検証用データ取得する。自動車の場合、分析対象の稼動データは、自動車の走行データや、不具合発生時のデータなどであり、検証用データは、自動車の正常時データなどである。なお、稼動データの詳細については後述される。

データ取得部１０は、例えば、コネクテッドカーによって収集された車両の状態や周囲の道路状況などの様々なデータを走行データとして受信してもよい。

そして、データ取得部１０は、分析対象を識別する識別情報が付加された稼動データおよび検証データをデータ記憶部２０に記憶する。例えば、取得したデータに識別情報が含まれていない場合、データ取得部１０は、取得したデータに識別情報を付加してデータ記憶部２０に記憶する。

本実施形態では、識別情報として、検証の最小単位であるユニットを識別する情報と、複数のユニットをまとめたドメインを識別する情報を想定する。ドメインにまとめられる各ユニットの内容は任意であり、設計者等により予め設定され、データ記憶部２０に記憶される。以下、自動車設計の場合におけるドメインの設定方法について具体的に説明する。

第一の設定方法として、自動車の機能ごとにドメインを設定する方法が挙げられる。自動車の機能は、例えば、制御系、ボディ系、安全系、情報系などである。制御系とは、エンジンやブレーキなど、自動車の基本機能を制御するもの、すなわち、エンジン制御や、アイドリングストップ制御、変速制御などが挙げられる。また、ボディ系とは、走行には直接関わらないが、自動車に関連するものであり、例えば、エアーコンディショナー、ヘッドランプ、電子キー、電子ミラーなどが挙げられる。

安全系とは、走行時の安全確保を行うものであり、例えば、エアバッグやＡＤＡＳ（Advanced Driver-Assistance Systems）／自動運転システム、ブレーキ制御、ステアリング制御などが挙げられる。情報系とは、自動車のいわゆるインフォテイメント関連のものであり、例えば、カーナビゲーション、車載通信機器同士の通信部、ドライバが用いる通信機器と車載機器との通信部などが挙げられる。

第二の設定方法として、物理的な位置の近さに応じてドメインを設定する方法が挙げられる。位置の近い対象として、例えば、エンジンルーム付近、ボディ下、天井、リア付近などが挙げられる。

第三の設定方法として、配線に基づいてドメインを設定する方法が挙げられる。例えば、自動車のバスにはＬＩＮ（Local Interconnect Network）やＣＡＮ（Controller Area Network ）など、複数のバスが使用されているため、各バスに接続されているユニットをまとめて一ドメインとしてもよい。

第四の設定方法として、複数のＥＣＵ（Electronic Control Unit）間で行われる通信中継するＣＧＷ（Central Gateway ）に接続された各バスのユニットをそれぞれ一ドメインとする方法が挙げられる。

なお、これらの設定方法は一例であり、一連の動作を行う各ユニットをまとめて一つのドメインとして設定されていてもよい。

自動車の稼動データには、例えば、稼動するユニットや使用されるソフトウェアのバージョン、入出力パラメータ情報などが含まれる。なお、稼動データは、例えば、単体テスト用のデータ、結合テスト用のデータなどに分類できる。単体テスト用のデータには、例えば、接続される他ユニットの情報などが含まれていてもよい。

また、自動車の走行データとして、ＧＰＳ（Global Positioning System ）により取得される位置や速度などの情報、走行中の映像データ、Ｌｉｄａｒ（light detection and ranging ）などの各種センサにより取得される情報などが挙げられる。

他にも、不具合発生時のデータには、自動車から直接取得される情報のほか、ディーラーなどで運転手からヒアリングしたレポートなどが含まれていてもよい。

データ記憶部２０は、上述する稼動データおよび検証用データ、並びに、各ドメインに含まれるユニットの内容を示す情報を記憶する。データ記憶部２０は、例えば、磁気ディスク等により実現される。

サロゲートモデル構築部３０は、分析対象の稼動データを学習データとして用いて、その分析対象の挙動を模擬するサロゲートモデルを構築する。なお、本実施形態では、サロゲートモデル構築部３０は、ユニットごと、または、ドメインごとにサロゲートモデルを構築する。

具体的には、サロゲートモデル構築部３０は、データ取得部１０から、識別情報に基づいて特定される分析対象のユニットごと、または、ドメインごとに学習データを取得する。そして、サロゲートモデル構築部３０は、取得した学習データを用いた機械学習により、分析対象ごとにサロゲートモデルを構築する。

特に、サロゲートモデル構築部３０が、各ユニットをまとめたドメイン単位でサロゲートモデルを構築することで、結合テストにおいて、各ユニットやソフトウェアのシミュレータを組み合わせる必要がなくなるため、検証工程に要するコストを低減できる。

例えば、一般的な方法で、複数のユニットとの結合を検証する場合、それらのモデルや実機の用意が必要になる。また、これらの複数のモデルを組み合わせる場合にも、モデルの選択が煩雑になってしまうという問題もある。一方、本実施形態では、サロゲートモデル構築部３０が、例えば、上述するような配線に基づいて設定されたドメインごとにサロゲートモデルを構築する。そのため、各バスに接続されている個々のユニットのシミュレータやサロゲートモデルを組み合わせる必要がなくなるため、検証工程に要するコストを低減できる。

さらに、サロゲートモデル構築部３０は、条件ごとにサロゲートモデルを生成してもよい。条件は、設計者等により予め定められ、例えば、学習データの取得された地域や時間、環境などが用いられる。

サロゲートモデル構築部３０がサロゲートモデルを生成する方法は任意である。サロゲートモデル構築部３０は、例えば、特許文献１に記載された方法を用いてサロゲートモデルを構築してもよく、公知の他の技術を用いてサロゲートモデルを構築してもよい。サロゲートモデル構築部３０は、構築したサロゲートモデルをサロゲートモデル記憶部４０に記憶させる。

サロゲートモデル記憶部４０は、サロゲートモデルを記憶する。サロゲートモデル記憶部４０は、サロゲートモデル構築部３０によって生成されたサロゲートモデルだけでなく、他の装置（図示せず）等で作成されたサロゲートモデルを記憶してもよい。サロゲートモデル記憶部４０は、例えば、磁気ディスク等により実現される。

サロゲートモデル評価部５０は、構築したサロゲートモデルの精度を評価する。サロゲートモデルの評価方法は任意である。サロゲートモデル評価部５０は、例えば、構築されたサロゲートモデルで元データを再現した際の誤差に基づいて、サロゲートモデルの精度を評価してもよい。

以下、交差検証によりサロゲートモデルの精度を評価する一例を説明する。例えば、あるサロゲートモデルにおいて、パラメータＡ～Ｅから出力Ｆが得られるとする。例えば、自動車のエンジンの挙動を再現するサロゲートモデルの場合、パラメータは、例えば、燃料の噴射時期や量、圧力、回数、間隔などであり、出力は、燃費や排気量などである。なお、出力Ｆの値が良好であるときのパラメータＡ～Ｅが最適解になる。まず、パラメータＡ～Ｅと、その出力Ｆとの組のデータを複数用意し、このデータを学習用のデータ群と検証用のデータ群とに分割する。

次に、サロゲートモデル構築部３０が、学習用のデータ群を用いて学習を行い、サロゲートモデルを構築する。サロゲートモデル評価部５０は、構築されたサロゲートモデルに検証用のパラメータＡ～Ｅを適用し、出力Ｆ´を得る。そして、サロゲートモデル評価部５０は、得られた出力Ｆ´と、本来の値Ｆとの誤差Ｆ^～（^～は、上付きチルダ）を、検証用のデータ群それぞれについて算出する。サロゲートモデル評価部５０は、例えば、得られた誤差Ｆ^～から予め定めた検証用の値（例えば、総和や平均値）を算出し、算出された検証用の値が、所定の基準を満たしている否かで、精度を評価してもよい。

精度が不十分である（例えば、予め定めた基準を満たしていない）と評価された場合、サロゲートモデル評価部５０は、サロゲートモデル構築部３０に対して、サロゲートモデルの再構築を指示してもよい。この場合、サロゲートモデル構築部３０は、学習データを追加したり、構築時のパラメータ（ハイパーパラメータ）をチューニングしたりすることで、サロゲートモデルを再構築してもよい。

サロゲートモデル選択部６０は、分析対象のデータの入力を受け付け、その分析対象と関連性の高いサロゲートモデルを選択する。具体的には、サロゲートモデル選択部６０は、分析対象の稼動データから、指定された条件のもと、検証内容に応じた当該稼動データによる分析対象の挙動を最も再現すると判断されるサロゲートモデルを選択する。

分析対象の挙動を最も再現すると判断される方法として、種々の方法が挙げられる。以下、判断方法を例示するが、分析対象と関連性の高いサロゲートモデルを選択する方法は、以下に例示する判断方法に限定されない。

第一の判断方法として、分析対象のデータ項目と入出力データ項目が一致するサロゲートモデルを選択する方法が挙げられる。入力データから、所望の出力値を得るように学習されたサロゲートモデルは、分析対象の挙動を最も再現すると判断できるからである。

また、入出力データ項目が一致するサロゲートモデルが複数存在するような場合、第一の判断方法として、シミュレーションでの設定環境と、分析対象の測定環境が近いサロゲートモデルを選択する方法が挙げられる。測定環境として、例えば、温度や天候、路面状況などの周辺情報が挙げられる。想定する環境が近いほど、分析対象の挙動をより再現すると判断できるからである。

また、第三の判断方法として、注目するシミュレーション結果と出力値との誤差が小さいサロゲートモデルを選択する方法が挙げられる。サロゲートモデルでは、複数の出力値が得られるが、それぞれの出力値の誤差には偏りがある。そのため、注目するパラメータを重視して構築されたサロゲートモデルは、注目する分析対象の挙動をより再現すると判断されるからである。

また、第四の判断方法として、検証時の誤差が最も小さいサロゲートモデルを選択する方法が挙げられる。例えば、分析対象の稼動データのうち、入力データと出力データのペアを準備する。そして、サロゲートモデルに入力データを適用して出力値を得たときに、その出力値と出力データとの誤差が最も小さいサロゲートモデルを選択すればよい。

また、第五の判断方法として、分析対象の稼動データのデータ項目と、構築時に用いたデータ群の特徴が近いサロゲートモデルを選択する方法が挙げられる。特徴を表わす情報として、例えば、統計情報（平均や分散）、入出力の相関値、特定のパラメータ間の相関などが挙げられる。例えば、分析対象の稼動データが低い温度での稼動状況を再現しようとする場合、低い温度で取得された稼動データをより多く用いて学習されたサロゲートモデルを選択することで、注目する分析対象の挙動をより再現すると判断される。

検証部１７０は、選択されたサロゲートモデルを用いて分析対象の検証を行う。検証内容として、分析対象の動作検証、分析対象を稼動させる際に用いられるパラメータの検証、および、分析対象の不具合検証を行う状況などが想定される。第一の実施形態では、検証部１７０が、分析対象の動作検証およびパラメータの検証を行う場合について説明する。

図２は、本実施形態の検証部１７０の構成例を示すブロック図である。本実施形態の検証部１７０は、動作検証部１７１と、シミュレータ動作部１７２とを含む。

動作検証部１７１は、選択されたサロゲートモデルを用いて、分析対象の動作および パラメータの検証処理を行う。具体的には、動作検証部１７１は、分析対象を稼動させる際に用いられるパラメータを含む稼動データを入力し、入力されたパラメータを選択されたサロゲートモデルに適用して評価値を算出する。

動作検証部１７１は、この検証処理を予め定めた条件まで繰り返し、得られた評価値に基づいて最適なパラメータを検証結果として特定する。動作検証部１７１は、例えば、最も好ましい評価値に対応するパラメータを検証結果としてもよい。動作検証部１７１は、例えば、想定するパラメータのパターンを網羅するまで検証処理を繰り返してもよく、所望の評価値が得られるまで予め定めた回数分、検証処理を繰り返してもよい。

そして、動作検証部１７１は、検証結果を出力する。なお、動作検証部１７１は、検証時の最適なパラメータの他、パラメータを適用した際の評価値、使用したサロゲートモデルの情報などを出力してもよい。

このような検証処理を、シミュレータを使って毎回実行する一般的な方法では、多くの時間を要してしまう。一方、本実施形態では、動作検証部１７１は、選択されたサロゲートモデルを用いて、分析対象の検証処理を行う。これにより、パラメータをサロゲートモデルに適用するだけで、評価値を得ることができるため、検証工程に要するコストを低減できる。

シミュレータ動作部１７２は、動作検証部１７１により得られた検証結果をシミュレータに適用して、動作結果を得る。上述するように、サロゲートモデルを用いることで、最適なパラメータの近似値を得ることができる。そこで、シミュレータ動作部１７２は、得られた近似値をベースにシミュレータを稼動させることで、より精度の高いパラメータの最適値を導出する。なお、シミュレータは、分析対象に応じて、予め準備される。

このように、シミュレータ動作部１７２が、サロゲートモデルによって導出された検証結果に基づいて、シミュレータを稼動させることにより、パラメータの最適値を導出する。そのため、全ての検証をシミュレータを用いて実行する場合と比較し、コストを低減させつつ、精度の高い最適値を得ることが可能になる。

なお、動作検証部１７１による検証結果がそのまま利用される場合、検証部１７０は、シミュレータ動作部１７２を備えていなくてもよい。

以下、車両のエンジンを分析対象とした場合の検証部１７０の動作について、具体例を用いて説明する。なお、検証部１７０による検証の前提として、車両のエンジンの挙動を模擬するサロゲートモデルが、サロゲートモデル選択部６０により選択されているとする。

動作検証部１７１は、分析対象の稼動データを入力して、サロゲートモデルのパラメータに適用する。入力されるパラメータ（制御パラメータ）として、上述する燃料の噴射時期（例えば、［０，２，４］）、量（例えば、１０Ｌ）、圧力、回数、間隔の他、制御ソフトウェアのバージョン（例えば、Ｅｎｇ－００３）などが挙げられる。そして、動作検証部１７１は、パラメータを適用した際の評価値を出力する。出力値を示す制御項目として、例えば、燃費（km/L）や排気量(cm³ )、出力、回転数、温度などが挙げられる。

適切な制御項目が得られた場合（例えば、燃費が所定の値以下、など）、動作検証部１７１は、その際のパラメータを最適値として出力する。

シミュレータ動作部１７２は、動作検証部１７１により得られた検証結果（最適値）をシミュレータに適用して、より精度の高い評価値を導出する。例えば、上述する噴射時期（例えば、［０，２，４］）および量（例えば、１０Ｌ）が検証結果として出力された場合、シミュレータ動作部１７２は、この検証結果を、シミュレータに適用して、より精度の高い評価値（例えば、燃費（km/L）や排気量(cm³ )）を得る。

データ取得部１０と、サロゲートモデル構築部３０と、サロゲートモデル評価部５０と、サロゲートモデル選択部６０と、検証部１７０（より具体的には、動作検証部１７１と、シミュレータ動作部１７２）とは、プログラム（検証プログラム）に従って動作するコンピュータのプロセッサ（例えば、ＣＰＵ（Central Processing Unit ））によって実現される。

例えば、プログラムは、検証システムの記憶部（図示せず）に記憶され、プロセッサは、そのプログラムを読み込み、プログラムに従って、データ取得部１０、サロゲートモデル構築部３０、サロゲートモデル評価部５０、サロゲートモデル選択部６０および検証部１７０として動作してもよい。また、検証システム１００の機能がＳａａＳ（Software as a Service ）形式で提供されてもよい。

データ取得部１０と、サロゲートモデル構築部３０と、サロゲートモデル評価部５０と、サロゲートモデル選択部６０と、検証部１７０（より具体的には、動作検証部１７１と、シミュレータ動作部１７２）とは、それぞれが専用のハードウェアで実現されていてもよい。また、各装置の各構成要素の一部又は全部は、汎用または専用の回路（circuitry ）、プロセッサ等やこれらの組合せによって実現されもよい。これらは、単一のチップによって構成されてもよいし、バスを介して接続される複数のチップによって構成されてもよい。各装置の各構成要素の一部又は全部は、上述した回路等とプログラムとの組合せによって実現されてもよい。

また、検証システム１００の各構成要素の一部又は全部が複数の情報処理装置や回路等により実現される場合には、複数の情報処理装置や回路等は、集中配置されてもよいし、分散配置されてもよい。例えば、情報処理装置や回路等は、クライアントサーバシステム、クラウドコンピューティングシステム等、各々が通信ネットワークを介して接続される形態として実現されてもよい。

また、サロゲートモデル記憶部４０と、サロゲートモデル評価部５０と、サロゲートモデル選択部６０と、検証部１７０とにより、サロゲートモデルを用いた検証が行われる。そのため、サロゲートモデル記憶部４０と、サロゲートモデル評価部５０と、サロゲートモデル選択部６０と、検証部１７０とを含む装置を、検証装置と言うことができる。

次に、本実施形態の検証システム１００の動作を説明する。図３は、本実施形態の検証システムの動作例を示すフローチャートである。サロゲートモデル構築部３０は、分析対象の稼動データを学習データとして用いて、分析対象の挙動を模擬するサロゲートモデルを構築する（ステップＳ１１）。サロゲートモデル選択部６０は、分析対象の稼動データから、指定された条件のもと、検証内容に応じた稼動データによる分析対象の挙動を最も再現すると判断されるサロゲートモデルを選択する（ステップＳ１２）。そして、検証部１７０は、選択されたサロゲートモデルを用いて分析対象の検証を行う（ステップＳ１３）。

図４は、本実施形態の検証部１７０の動作例を示すフローチャートである。動作検証部１７１は、分析対象を稼動させる際に用いられるパラメータを含む稼動データを入力し、入力されたパラメータを選択されたサロゲートモデルに適用して評価値を算出する（ステップＳ１１１）。動作検証部１７１は、予め定められた条件を満たすか否か判断する（ステップＳ１１２）。条件を満たさない場合（ステップＳ１１２におけるＮｏ）、動作検証部１７１は、ステップＳ１１１の処理を繰り返す。

一方、条件を満たす場合（ステップＳ１１２におけるＹｅｓ）、動作検証部１７１は、算出された評価値に基づいて、最適なパラメータを検証結果として特定する（ステップＳ１１３）。シミュレータ動作部１７２は、動作検証部１７１により得られた検証結果をシミュレータに適用して、評価値を得る（ステップＳ１１４）。その後、得られた評価値に基づいて、最終的なパラメータが決定される。

以上のように、本実施形態では、サロゲートモデル構築部３０が分析対象の稼動データを学習データとして用いてサロゲートモデルを構築し、サロゲートモデル選択部６０が、分析対象の稼動データから、指定された条件のもと、検証内容に応じたサロゲートモデルを選択する。そして、検証部１７０が、選択されたサロゲートモデルを用いて分析対象の検証を行う。よって、サロゲートモデルを用いた検証工程に要するコストを低減できる。

また、本実施形態では、検証部１７０の動作検証部１７１が、分析対象の稼動データを入力し、入力された稼動データをサロゲートモデルに適用して評価値を算出する。また、動作検証部１７１が、算出された評価値に基づいて、最適なパラメータを検証結果として特定する。そして、シミュレータ動作部１７２が、動作検証部１７１により得られた検証結果を、分析対象のシミュレータに適用して動作結果を得る。よって、検証工程に要するコストを低減しつつ、より精度の高い出力値を得ることが可能になる。

実施形態２．
次に、本発明の検証システムの第二の実施形態を説明する。第二の実施形態では、本発明の検証システムが分析対象の不具合検証に用いられる場合の構成を示す。図５は、本発明による検証システムの第二の実施形態の構成例を示すブロック図である。

本実施形態の検証システム２００は、データ取得部１０と、データ記憶部２０と、サロゲートモデル構築部３０と、サロゲートモデル記憶部４０と、サロゲートモデル評価部５０と、サロゲートモデル選択部６１と、検証部２７０とを備えている。

すなわち、本実施形態の検証システム２００の構成は、図１に例示する第一の実施形態の構成と比較し、サロゲートモデル選択部６０の代わりにサロゲートモデル選択部６１を備え、検証部１７０の代わりに検証部２７０を備えている点において異なる。それ以外の構成は、第一の実施形態と同様である。

サロゲートモデル選択部６１は、分析対象のデータの入力を受け付け、その分析対象と関連性の高いサロゲートモデルを選択する。なお、本実施形態のサロゲートモデル選択部６１は、分析対象のデータとして、不具合発生時のデータの入力を受け付ける。分析対象と関連性の高いサロゲートモデルを選択する方法は、第一の実施形態と同様である。

ここで、サロゲートモデル構築部３０は、元となるシミュレーションをある程度再現できる態様でサロゲートモデルを構築する。すなわち、サロゲートモデルは、分析対象の挙動を模擬するものであることから、サロゲートモデルの精度が高ければ、直接的な不具合発生時のデータがなくても、不具合発生時の状況を再現可能と考えられる。

ただし、不具合発生時のデータを用いてサロゲートモデルを構築することで、サロゲートモデルによる不具合の再現性は向上し、同様の不具合を発生させることが容易になるため、より好ましい。

なお、不具合発生の状況と、サロゲートモデルの構築時の環境（パラメータ）とは完全に一致しないため、誤差が生じる可能性が高い。そのため、サロゲートモデル選択部６１は、分析対象と関連性の高いサロゲートモデルを複数選択してもよい。なお、ここで選択されるサロゲートモデルは、ユニット単位のサロゲートモデルであってもよく、ドメイン単位のサロゲートモデルであってもよい。そして、サロゲートモデル選択部６１は、後述する検証部２７０に対して、複数のサロゲートモデルを用いた検証を行わせてもよい。このように複数のサロゲートモデルを選択することで、より妥当な評価値を得ることが可能になる。

図６は、本実施形態の検証部２７０の構成例を示すブロック図である。本実施形態の検証部２７０は、不具合再現部２７１と、不具合推定部２７２とを含む。

不具合再現部２７１は、選択されたサロゲートモデルを用いて、分析対象の不具合状況を再現する。具体的には、不具合再現部２７１は、分析対象に不具合が発生した際のパラメータを含む不具合発生時のデータを入力し、入力されたパラメータを選択されたサロゲートモデルに適用して評価値を算出する。以下、不具合再現部２７１によって算出された評価値のことを、第一の評価値と記すこともある。なお、複数のサロゲートモデルが選択されている場合、不具合再現部２７１は、各サロゲートモデルによる評価値を算出する。

不具合推定部２７２は、不具合再現部２７１が不具合状況を再現する際に用いたサロゲートモデルに、正常時のデータを適用して、正常時の評価値を算出する。以下、正常時のデータを用いて算出された評価値のことを、第二の評価値と記すこともある。そして、不具合推定部２７２は、不具合発生時のデータから算出された評価値と、正常時のデータから算出された評価値とを比較して、不具合発生個所を推定する。

正常時のデータとは、稼動データ（走行時のデータ）の項目が一致または近いデータであって、異常が発生していない（異常とは判断されない）データであり、設計者等によりその基準が予め定められる。また、不具合発生個所の推定方法は任意であり、不具合推定部２７２は、例えば、両者の評価値の差が、所定の範囲以内か否かに基づいて、不具合発生個所を推定してもよい。

なお、複数のサロゲートモデルにより複数の評価値が算出されている場合、不具合推定部２７２は、各サロゲートモデルにより算出された評価値を比較して、不具合発生個所を推定してもよい。

データ取得部１０と、サロゲートモデル構築部３０と、サロゲートモデル評価部５０と、サロゲートモデル選択部６１と、検証部２７０（より具体的には、不具合再現部２７１と、不具合推定部２７２）とは、プログラム（検証プログラム）に従って動作するコンピュータのプロセッサによって実現される。

次に、本実施形態の検証システム２００の動作を説明する。本実施形態の検証システムの動作は、図３に例示するフローチャートで示す動作と同様である。より具体的には、本実施形態のサロゲートモデル選択部６１は、分析対象のデータとして、不具合発生時のデータの入力を受け付ける。そして、検証部２７０は、選択されたサロゲートモデルを用いて分析対象の検証を行う。

図７は、本実施形態の検証部２７０の動作例を示すフローチャートである。不具合再現部２７１は、分析対象に不具合が発生した際のパラメータを含む不具合発生時のデータを入力する（ステップＳ２１１）。そして、不具合再現部２７１は、入力されたパラメータを選択されたサロゲートモデルに適用して第一の評価値を算出する（ステップＳ２１２）。不具合推定部２７２は、サロゲートモデルに正常時のデータを適用して第二の評価値を算出する（ステップＳ２１３）。そして、不具合推定部２７２は、第一の評価値と第二の評価値とを比較して、不具合発生個所を推定する（ステップＳ２１４）。

以上のように、本実施形態では、検証部２７０の不具合再現部２７１が、不具合発生時のパラメータを入力し、入力されたパラメータを選択されたサロゲートモデルに適用して第一の評価値を算出する。そして、不具合推定部２７２が、サロゲートモデルに正常時のデータを適用して第二の評価値を算出し、第一の評価値と第二の評価値とを比較して、不具合発生個所を推定する。よって、不具合発生状況の再現および原因切り分けを簡易的に行うことができるため、検証工程に要するコストを低減できる。

また、例えば、不具合発生時にＨＩＬＳ（Hardware-In-the-Loop-Simulation ）などを活用して再現しようとする場合、多くのユニットが関連しているため、状況の際現に時間がかかるという問題がある。一方、本実施形態では、ドメイン単位で生成されたサロゲートモデルを利用できるため、どのドメインで不具合が発生したか検証することも容易になる。

実施形態３．
次に、本発明の検証システムの第三の実施形態を説明する。第三の実施形態では、本発明の検証システムが分析対象（特に、ユニット単位）の動作検証に用いられる場合の構成を示す。

例えば、自動車の各ユニットは、Ｔｉｅｒ１などによって製造されている。これらのユニットは、入出力などの仕様は判明していても、内部がブラックボックス化されていることも多い。納入されたパーツに対して動作検証をする場合、仕様通りに動作するか、特殊なケースで発生する不具合がないかなど、確認する必要がある。このような場合、シミュレータを活用することも考えられるが、シミュレータのみで動作検証をする方法では多くの時間を要してしまうという問題がある。そこで、本実施形態の検証システムを用いることで、動作検証を簡易的に行えるようにする。

図８は、本発明による検証システムの第三の実施形態の構成例を示すブロック図である。本実施形態の検証システム３００は、データ取得部１０と、データ記憶部２０と、サロゲートモデル構築部３０と、サロゲートモデル記憶部４０と、サロゲートモデル評価部５０と、サロゲートモデル選択部６２と、検証部３７０とを備えている。

すなわち、本実施形態の検証システム３００の構成は、図２に例示する第一の実施形態の構成と比較し、サロゲートモデル選択部６１の代わりにサロゲートモデル選択部６２を備え、検証部２７０の代わりに検証部３７０を備えている点において異なる。それ以外の構成は、第二の実施形態と同様である。

サロゲートモデル選択部６２は、分析対象のデータの入力を受け付け、その分析対象と関連性の高いサロゲートモデルを選択する。なお、本実施形態のサロゲートモデル選択部６２は、分析対象のデータとして、ユニット単位の稼動データの入力を受け付ける。分析対象と関連性の高いサロゲートモデルを選択する方法は、第一の実施形態と同様である。特に、本実施形態では、ユニット単位のサロゲートモデルが選択される。

なお、出力装置７０は、検証に用いる各ユニットのサロゲートモデルの組み合わせを可視化してもよい。図９は、各ユニットのサロゲートモデルを可視化した例を示す説明図である。図９では、自動車のパワートレイン部分を想定したサロゲートモデルの組み合わせを例示する。図９に例示するように、出力装置７０は、関連するユニット（またはドメイン）同士を関連付けて可視化してもよい。

さらに、出力装置７０は、可視化したサロゲートモデルの組み合わせから、設計者が検証に用いるサロゲートモデルの指定を受け付けてもよい。図９に示す例では、エンジンのサロゲートモデルのうち、エンジン温度を評価するサロゲートモデルが選択されたことを示す。サロゲートモデル選択部６２は、出力装置７０から選択されたサロゲートモデルを、後述する検証部３７０が検証に用いるサロゲートモデルと特定してもよい。

図１０は、本実施形態の検証部３７０の構成例を示すブロック図である。本実施形態の検証部３７０は、動作検証部３７１と、シミュレータ動作検証部３７２とを含む。

動作検証部３７１は、選択されたサロゲートモデルを用いて、分析対象の動作検証を行う。具体的には、動作検証部３７１は、分析対象の正常時のパラメータを含む評価データを入力し、入力されたパラメータを選択されたサロゲートモデルに適用して評価値を算出する。そして、動作検証部３７１は、算出された評価値と、評価データで想定する評価値とを比較して、不具合の発生有無を検証する。

不具合の発生有無の判断方法は任意であり、例えば、第二の実施形態の不具合推定部２７２が不具合を推定する方法と同様の方法（両者の評価値の差が、所定の範囲以内か否か、など）が用いられてもよい。

シミュレータ動作検証部３７２は、評価値に基づいて不具合が発生すると推定された場合、推定された不具合の個所について、シミュレータを用いた動作検証を行う。なお、シミュレータは、分析対象に応じて、予め準備される。シミュレータ動作検証部３７２が動作検証をする方法は任意である。シミュレータ動作検証部３７２は、例えば、不具合が発生すると推定された際に用いられたパラメータをシミュレータに適用して、動作結果を得てもよい。また、シミュレータ動作検証部３７２は、推定された不具合の個所に応じて、設計者により指示されたパラメータに基づいて、動作結果を得てもよい。

データ取得部１０と、サロゲートモデル構築部３０と、サロゲートモデル評価部５０と、サロゲートモデル選択部６２と、検証部３７０（より具体的には、動作検証部３７１と、シミュレータ動作検証部３７２）とは、プログラム（検証プログラム）に従って動作するコンピュータのプロセッサによって実現される。

次に、本実施形態の検証システム３００の動作を説明する。本実施形態の検証システムの動作は、図３に例示するフローチャートで示す動作と同様である。より具体的には、本実施形態のサロゲートモデル選択部６２は、分析対象のデータとして、ユニット単位の稼動データの入力を受け付ける。そして、検証部３７０は、選択されたサロゲートモデルを用いて、分析対象とするユニット単位の検証を行う。

図１１は、本実施形態の検証部３７０の動作例を示すフローチャートである。動作検証部３７１は、分析対象の正常時のパラメータを含む評価データを入力する（ステップＳ３１１）。そして、動作検証部３７１は、入力されたパラメータを選択されたサロゲートモデルに適用して評価値を算出する（ステップＳ３１２）。動作検証部３７１は、評価値に基づいて不具合の発生有無を推定する（ステップＳ３１３）。

不具合が発生していないと推定された場合（ステップＳ３１３におけるＮｏ）、ステップＳ３１１以降の処理が繰り返される。一方、不具合が発生したと推定された場合（ステップＳ３１３におけるＹｅｓ）、シミュレータ動作検証部３７２は、推定された不具合の個所について、分析対象のシミュレータを用いた動作検証を行う（ステップＳ３１４）。

以上のように、本実施形態では、検証部３７０の動作検証部３７１が、分析対象の正常時のパラメータを含む評価データを入力し、入力されたパラメータを選択されたサロゲートモデルに適用して評価値を算出する。そして、シミュレータ動作検証部３７２は、評価値に基づいて不具合が発生すると推定された場合、推定された不具合の個所について、分析対象のシミュレータを用いた動作検証を行う。よって、動作検証を簡易的に行うことができるため、検証工程に要するコストを低減できる。

すなわち、本実施形態の検証部３７０は、正常データについてはサロゲートモデルを用いて高速に検証を行い、不具合が発生すると推定された場合に、シミュレータを用いてより詳細な動作状況を検証する。このように、より精度を求められる検証に対してのみシミュレータが用いられるため、検証工程に要するコストを低減できる。

次に、本発明の概要を説明する。図１２は、本発明による検証システムの概要を示すブロック図である。本発明による検証システム８０（例えば、検証システム１００）は、分析対象（例えば、自動車）の稼動データ（例えば、走行データ）を学習データとして用いて、その分析対象の挙動を模擬するサロゲートモデルを構築するサロゲートモデル構築手段８１（例えば、サロゲートモデル構築部３０）と、分析対象の稼動データから、指定された条件のもと、検証内容に応じた稼動データによる分析対象の挙動を最も再現すると判断されるサロゲートモデルを選択するサロゲートモデル選択手段８２（サロゲートモデル選択部６０）と、選択されたサロゲートモデルを用いて分析対象の検証を行う検証手段８３（例えば、検証部１７０）とを備えている。

そのような構成により、サロゲートモデルを用いた検証工程に要するコストを低減できる。

また、サロゲートモデル構築手段８１は、検証の最小単位であるユニットをまとめたドメイン単位でサロゲートモデルを構築してもよい。

具体的には、サロゲートモデル構築手段８１は、（例えば、自動車の場合、）自動車の機能ごと（例えば、制御系、ボディ系、安全系、情報系など）にユニットをまとめたドメイン単位でサロゲートモデルを構築してもよい。

また、検証手段８３（例えば、検証部１７０）は、分析対象を稼動させる際に用いられるパラメータを含む稼動データを入力し、入力されたパラメータを選択されたサロゲートモデルに適用して評価値を算出し、算出された評価値に基づいて、最適なパラメータを検証結果として特定する動作検証手段（例えば、動作検証部１７１）と、得られた検証結果を、分析対象のシミュレータに適用して動作結果を得るシミュレータ動作手段（例えば、シミュレータ動作部１７２）とを含んでいてもよい。

また、検証手段８３（例えば、検証部２７０）は、分析対象に不具合が発生した際のパラメータを含む不具合発生時のデータを入力し、入力されたパラメータを選択されたサロゲートモデルに適用して第一の評価値を算出する不具合再現手段（例えば、不具合再現部２７１）と、サロゲートモデルに正常時のデータを適用して第二の評価値を算出し、第一の評価値と、第二の評価値とを比較して、不具合発生個所を推定する不具合推定手段（例えば、不具合推定部２７２）とを含んでいてもよい。

また、検証手段８３（例えば、検証部３７０）は、分析対象の正常時のパラメータを含む評価データを入力し、入力されたパラメータを選択されたサロゲートモデルに適用して評価値を算出する動作検証手段（例えば、動作検証部３７１）と、評価値に基づいて不具合が発生すると推定された場合、推定された不具合の個所について、分析対象のシミュレータを用いた動作検証を行うシミュレータ動作検証手段（例えば、シミュレータ動作検証部３７２）とを含んでいてもよい。

また、サロゲートモデル選択手段８２は、分析対象のデータ項目と入出力データ項目とが一致するサロゲートモデルを選択してもよい。

上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。

（付記１）分析対象の稼動データを学習データとして用いて、当該分析対象の挙動を模擬するサロゲートモデルを構築するサロゲートモデル構築手段と、
分析対象の稼動データから、指定された条件のもと、検証内容に応じた当該稼動データによる分析対象の挙動を最も再現すると判断される前記サロゲートモデルを選択するサロゲートモデル選択手段と、
選択された前記サロゲートモデルを用いて分析対象の検証を行う検証手段とを備えた
ことを特徴とする検証システム。

（付記２）サロゲートモデル構築手段は、検証の最小単位であるユニットをまとめたドメイン単位でサロゲートモデルを構築する
付記１記載の検証システム。

（付記３）サロゲートモデル構築手段は、自動車の機能ごとにユニットをまとめたドメイン単位でサロゲートモデルを構築する
付記１または付記２記載の検証システム。

（付記４）検証手段は、
分析対象を稼動させる際に用いられるパラメータを含む稼動データを入力し、入力されたパラメータを選択されたサロゲートモデルに適用して評価値を算出し、算出された評価値に基づいて、最適なパラメータを検証結果として特定する動作検証手段と、
得られた検証結果を、分析対象のシミュレータに適用して動作結果を得るシミュレータ動作手段とを含む
付記１から付記３のうちのいずれか１つに記載の検証システム。

（付記５）検証手段は、
分析対象に不具合が発生した際のパラメータを含む不具合発生時のデータを入力し、入力されたパラメータを選択されたサロゲートモデルに適用して第一の評価値を算出する不具合再現手段と、
前記サロゲートモデルに正常時のデータを適用して第二の評価値を算出し、前記第一の評価値と、前記第二の評価値とを比較して、不具合発生個所を推定する不具合推定手段とを含む
付記１から付記３のうちのいずれか１つに記載の検証システム。

（付記６）検証手段は、
分析対象の正常時のパラメータを含む評価データを入力し、入力されたパラメータを選択されたサロゲートモデルに適用して評価値を算出する動作検証手段と、
前記評価値に基づいて不具合が発生すると推定された場合、推定された不具合の個所について、前記分析対象のシミュレータを用いた動作検証を行うシミュレータ動作検証手段とを含む
付記１から付記３のうちのいずれか１つに記載の検証システム。

（付記７）サロゲートモデル選択手段は、分析対象のデータ項目と入出力データ項目とが一致するサロゲートモデルを選択する
付記１から付記６のうちのいずれか１つに記載の検証システム。

（付記８）分析対象の稼動データを学習データとして用いて、当該分析対象の挙動を模擬するサロゲートモデルを構築し、
分析対象の稼動データから、指定された条件のもと、検証内容に応じた当該稼動データによる分析対象の挙動を最も再現すると判断される前記サロゲートモデルを選択し、
選択された前記サロゲートモデルを用いて分析対象の検証を行う
ことを特徴とする検証方法。

（付記９）検証の最小単位であるユニットをまとめたドメイン単位でサロゲートモデルを構築する
付記８記載の検証方法。

（付記１０）コンピュータに、
分析対象の稼動データを学習データとして用いて、当該分析対象の挙動を模擬するサロゲートモデルを構築するサロゲートモデル構築処理、
分析対象の稼動データから、指定された条件のもと、検証内容に応じた当該稼動データによる分析対象の挙動を最も再現すると判断される前記サロゲートモデルを選択するサロゲートモデル選択処理、および、
選択された前記サロゲートモデルを用いて分析対象の検証を行う検証処理
を実行させるための検証プログラムを記憶するプログラム記憶媒体。

（付記１１）コンピュータに、
サロゲートモデル構築処理で、検証の最小単位であるユニットをまとめたドメイン単位でサロゲートモデルを構築させる検証プログラムを記憶する
付記１０記載のプログラム記憶媒体。

（付記１２）コンピュータに、
分析対象の稼動データを学習データとして用いて、当該分析対象の挙動を模擬するサロゲートモデルを構築するサロゲートモデル構築処理、
分析対象の稼動データから、指定された条件のもと、検証内容に応じた当該稼動データによる分析対象の挙動を最も再現すると判断される前記サロゲートモデルを選択するサロゲートモデル選択処理、および、
選択された前記サロゲートモデルを用いて分析対象の検証を行う検証処理
を実行させるための検証プログラム。

（付記１３）コンピュータに、
サロゲートモデル構築処理で、検証の最小単位であるユニットをまとめたドメイン単位でサロゲートモデルを構築させる
付記１２記載の検証プログラム。

（付記１４）分析対象の稼動データを学習データとして用いて構築された、当該分析対象の挙動を模擬するサロゲートモデルを記憶するサロゲートモデル記憶手段と、
分析対象の稼動データから、指定された条件のもと、検証内容に応じた当該稼動データによる分析対象の挙動を最も再現すると判断される前記サロゲートモデルを選択するサロゲートモデル選択手段と、
選択された前記サロゲートモデルを用いて分析対象の検証を行う検証手段を備えた
ことを特徴とする検証装置。

以上、実施形態を参照して本願発明を説明したが、本願発明は上記実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

１０ データ取得部
２０ データ記憶部
３０ サロゲートモデル構築部
４０ サロゲートモデル記憶部
５０ サロゲートモデル評価部
６０，６１，６２ サロゲートモデル選択部
７０ 出力装置
１７０，２７０，３７０ 検証部
１７１ 動作検証部
１７２ シミュレータ動作部
２７１ 不具合再現部
２７２ 不具合推定部
３７１ 動作検証部
３７２ シミュレータ動作検証部
１００，２００，３００ 検証システム

Claims (10)

1. 分析対象の稼動データを学習データとして用いて、当該分析対象の挙動を模擬するサロゲートモデルを構築するサロゲートモデル構築手段と、
   分析対象の稼動データから、指定された条件のもと、検証内容に応じた当該稼動データによる分析対象の挙動を最も再現すると判断される前記サロゲートモデルを選択するサロゲートモデル選択手段と、
   選択された前記サロゲートモデルを用いて分析対象の検証を行う検証手段とを備えた
   ことを特徴とする検証システム。
2. サロゲートモデル構築手段は、検証の最小単位であるユニットをまとめたドメイン単位でサロゲートモデルを構築する
   請求項１記載の検証システム。
3. サロゲートモデル構築手段は、自動車の機能ごとにユニットをまとめたドメイン単位でサロゲートモデルを構築する
   請求項１または請求項２記載の検証システム。
4. 検証手段は、
   分析対象を稼動させる際に用いられるパラメータを含む稼動データを入力し、入力されたパラメータを選択されたサロゲートモデルに適用して評価値を算出し、算出された評価値に基づいて、最適なパラメータを検証結果として特定する動作検証手段と、
   得られた検証結果を、分析対象のシミュレータに適用して動作結果を得るシミュレータ動作手段とを含む
   請求項１から請求項３のうちのいずれか１項に記載の検証システム。
5. 検証手段は、
   分析対象に不具合が発生した際のパラメータを含む不具合発生時のデータを入力し、入力されたパラメータを選択されたサロゲートモデルに適用して第一の評価値を算出する不具合再現手段と、
   前記サロゲートモデルに正常時のデータを適用して第二の評価値を算出し、前記第一の評価値と、前記第二の評価値とを比較して、不具合発生個所を推定する不具合推定手段とを含む
   請求項１から請求項３のうちのいずれか１項に記載の検証システム。
6. 検証手段は、
   分析対象の正常時のパラメータを含む評価データを入力し、入力されたパラメータを選択されたサロゲートモデルに適用して評価値を算出する動作検証手段と、
   前記評価値に基づいて不具合が発生すると推定された場合、推定された不具合の個所について、前記分析対象のシミュレータを用いた動作検証を行うシミュレータ動作検証手段とを含む
   請求項１から請求項３のうちのいずれか１項に記載の検証システム。
7. サロゲートモデル選択手段は、分析対象のデータ項目と入出力データ項目とが一致するサロゲートモデルを選択する
   請求項１から請求項６のうちのいずれか１項に記載の検証システム。
8. コンピュータが、
   分析対象の稼動データを学習データとして用いて、当該分析対象の挙動を模擬するサロゲートモデルを構築し、
   分析対象の稼動データから、指定された条件のもと、検証内容に応じた当該稼動データによる分析対象の挙動を最も再現すると判断される前記サロゲートモデルを選択し、
   選択された前記サロゲートモデルを用いて分析対象の検証を行う
   ことを特徴とする検証方法。
9. コンピュータが、
   検証の最小単位であるユニットをまとめたドメイン単位でサロゲートモデルを構築する
   請求項８記載の検証方法。
10. コンピュータに、
    分析対象の稼動データを学習データとして用いて、当該分析対象の挙動を模擬するサロゲートモデルを構築するサロゲートモデル構築処理、
    分析対象の稼動データから、指定された条件のもと、検証内容に応じた当該稼動データによる分析対象の挙動を最も再現すると判断される前記サロゲートモデルを選択するサロゲートモデル選択処理、および、
    選択された前記サロゲートモデルを用いて分析対象の検証を行う検証処理
    を実行させるための検証プログラム。

Images