设计支援装置、设计支援方法及设计支援程序与流程

本发明的一方面涉及一种设计支援装置、设计支援方法及设计支援程序。

背景技术：

1、正在研究一种利用机械学习的产品设计。作为产品设计的一个领域，例如，在功能性材料的设计中，例如，通过实验以及使用由与制作完成的材料相关的原材料配合比和特性的对构成的学习数据的机械学习，构建推测材料特性的模型，对未实验的原材料配合比进行特性的预测。通过根据这种特性的预测来制定实验计划，能够有效地对材料特性及原材料配合比等参数进行优化，实现开发效率的提高。并且，作为这种优化的方法，已知贝叶斯优化(bayesian optimization)是有效的，已知使用贝叶斯优化而输出设计值的设计装置。

2、以往技术文献

3、专利文献

4、专利文献1：日本特开2020-52737号公报

技术实现思路

1、发明要解决的技术课题

2、另一方面，在材料等产品开发中，在赋予多个目标变量(特性)的状况下，为了提高根据设计变量而变化的多个特性，进行多个目标变量的优化。将其称为多目标优化。在目标变量之间存在权衡的情况下，最优解(帕雷托解：pareto solution)存在多个，不固定为一个。例如，针对各目标变量设定目标值的情况下，为了得到最优的帕雷托解，考虑采取求出多个帕雷托解，选择接近设计目标的帕雷托解的方法。然而，在这种方法中，需要进行多个目标函数的评价，其处理负荷变得庞大，是不切实际的。这种问题不限于材料设计，在整个产品设计中是共通的。

3、因此，本发明是鉴于上述问题点而完成的，其目的在于能够通过更少的实验次数，以低负荷实现在产品、在制品、半成品、零件或者试制品的制作制程中构成目标变量的产品特性及设计变量的优化。

4、用于解决技术课题的手段

5、本发明的一方面所涉及的设计支援装置为了适用于在基于由多个设计参数构成的设计参数组所制作的产品、在制品、半成品、零件或者试制品的设计中，通过反复进行设计参数的确定和基于所确定的设计参数的产品、在制品、半成品、零件或者试制品的制作来实现设计参数的优化的方法，求出满足针对表示产品、在制品、半成品、零件或者试制品的特性的多个特性项的每一个而设定的目标值的、多个设计参数，所述设计支援装置具备：数据获取部，获取多个实绩数据，所述实绩数据由与制作完成的产品、在制品、半成品、零件或者试制品相关的、设计参数组和多个特性项的各自的观测值构成；模型构建部，基于实绩数据构建预测模型，所述预测模型基于设计参数组将特性项的观测值作为概率分布或其近似或者替代指标进行预测；获得函数构建部，构建目标指向获得函数，所述目标指向获得函数为将设计参数组作为输入，将与所有特性项所示的特性的提高相关的设计参数组的指标值作为输出的单一获得函数，其中，目标指向获得函数至少包括目标达成概率项，所述目标达成概率项包括整体达成概率，所述整体达成概率为所有特性项的目标值达成且基于预测模型将设计参数组作为变量算出的概率；设计参数组获取部，通过目标指向获得函数的优化，至少获取一个设计参数组；及输出部，输出由设计参数组获取部获取的设计参数组。

6、本发明的一方面所涉及的设计支援方法是设计支援装置中的设计支援方法，所述设计支援装置为了适用于在基于由多个设计参数构成的设计参数组所制作的产品、在制品、半成品、零件或者试制品的设计中，通过反复进行设计参数的确定和基于所确定的设计参数的产品、在制品、半成品、零件或者试制品的制作来实现设计参数的优化的方法，求出满足针对表示产品、在制品、半成品、零件或者试制品的特性的多个特性项的每一个而设定的目标值的、多个设计参数，所述设计支援方法具备如下步骤：数据获取步骤，获取多个实绩数据，所述实绩数据由与制作完成的产品、在制品、半成品、零件或者试制品相关的、设计参数组和多个特性项的各自的观测值构成；模型构建步骤，基于实绩数据构建预测模型，所述预测模型基于设计参数组将特性项的观测值作为概率分布或其近似或者替代指标进行预测；获得函数构建步骤，构建目标指向获得函数，所述目标指向获得函数为将设计参数组作为输入，将与所有特性项所示的特性的提高相关的设计参数组的指标值作为输出的单一获得函数，其中，目标指向获得函数至少包括目标达成概率项，所述目标达成概率项包括整体达成概率，所述整体达成概率为所有特性项的目标值达成且基于预测模型将设计参数组作为变量算出的概率；设计参数组获取步骤，通过目标指向获得函数的优化，至少获取一个设计参数组；及输出步骤，输出设计参数组获取步骤中所获取的设计参数组。

7、本发明的一方面所涉及的设计支援程序用于使计算机作为设计支援装置发挥功能，所述设计支援装置为了适用于在基于由多个设计参数构成的设计参数组所制作的产品、在制品、半成品、零件或者试制品的设计中，通过反复进行设计参数的确定和基于所确定的设计参数的产品、在制品、半成品、零件或者试制品的制作来实现设计参数的优化的方法，求出满足针对表示产品、在制品、半成品、零件或者试制品的特性的多个特性项的每一个而设定的目标值的、多个设计参数，所述设计支援程序使计算机实现如下功能：数据获取功能，获取多个实绩数据，所述实绩数据由与制作完成的产品、在制品、半成品、零件或者试制品相关的、设计参数组和多个特性项的各自的观测值构成；模型构建功能，基于实绩数据构建预测模型，所述预测模型基于设计参数组将特性项的观测值作为概率分布或其近似或者替代指标进行预测；获得函数构建功能，构建目标指向获得函数，所述目标指向获得函数为将设计参数组作为输入，将与所有特性项所示的特性的提高相关的设计参数组的指标值作为输出的单一获得函数，其中，目标指向获得函数至少包括目标达成概率项，所述目标达成概率项包括整体达成概率，所述整体达成概率为所有特性项的目标值达成且基于预测模型将设计参数组作为变量算出的概率；设计参数组获取功能，通过目标指向获得函数的优化，至少获取一个设计参数组；及输出功能，输出由设计参数组获取功能获取的设计参数组。

8、根据这一方面，基于实绩数据构建预测特性项的观测值的预测模型。该预测模型将观测值作为概率分布或其近似或者替代指标进行预测，因此能够根据所赋予的设计参数组，算出相对于特性项的目标值的达成概率。并且，构建将设计参数组作为输入，将与所有特性项的目标值的满足相关的指标值作为输出的目标指向获得函数。由于该目标指向获得函数包括包含与所有特性项的目标值的达成相关的整体达成概率的目标达成概率项，因此在由目标指向获得函数输出的指标值中，反映了整体达成概率。因此，通过将从目标指向获得函数输出的指标值作为目标变量的优化，能够得到与特性项相关的目标可达成的设计参数组。

9、在另一方面所涉及的设计支援装置中，设计参数组获取部可以获取优化目标指向获得函数的输出的至少一个设计参数组。

10、根据这一方面，能够得到能够接近与特性项相关的目标达成的设计参数组。

11、在另一方面所涉及的设计支援装置中，设计参数组获取部可以通过规定的算法获取多个设计参数组。

12、根据这一方面，能够容易地得到提供至下一实验的多个设计参数组。

13、在另一方面所涉及的设计支援装置中，整体达成概率是相对于各特性项的目标值的达成概率的无穷乘积，相对于各特性项的目标值的达成概率可以以通过将设计参数组输入到各特性项的预测模型所得到的观测值的概率分布为基础。

14、根据这一方面，以输出观测值的概率分布的方式构成预测模型，因此能够得到与设计参数组对应的各特性项的目标值的达成概率。然后，由于通过各特性项的目标值的达成概率的无穷乘积算出的整体达成概率包括在目标指向获得函数的目标达成概率项中，因此在来自目标指向获得函数的指标值中适当地反映了整体达成概率。

15、在另一方面所涉及的设计支援装置中，目标达成概率项可以由整体达成概率或整体达成概率的对数构成。

16、根据这一方面，目标达成概率项由整体达成概率或整体达成概率的对数构成，因此在来自目标指向获得函数的指标值中适当地反映了整体达成概率。

17、在另一方面所涉及的设计支援装置中，获得函数构建部针对每个特性项构建获得函数，所述获得函数将设计参数组作为输入，将与特性项所示的特性的提高相关的设计参数组的指标值作为输出，目标指向获得函数还可以包含各特性项的获得函数的加权和的项。

18、根据这一方面，各特性项的获得函数的加权和的项包括在目标指向获得函数中，因此与设计参数组对应的每个特性项的特性的提高适当地反映在来自目标指向获得函数的指标值中。

19、在另一方面所涉及的设计支援装置中，目标指向获得函数可以包括各特性项的获得函数的加权和的项与目标达成概率项之和。

20、根据这一方面，与设计参数组对应的、每个特性项的特性的提高程度及与所有特性项的目标值的达成相关的整体达成概率的大小适当地反映在来自目标指向获得函数的指标值中。

21、在另一方面所涉及的设计支援装置中，目标指向获得函数可以包括各特性项的获得函数的加权和的项与目标达成概率项之积。

22、根据这一方面，与设计参数组对应的、每个特性项的特性的提高程度及与所有特性项的目标值的达成相关的整体达成概率的大小适当地反映在来自目标指向获得函数的指标值中。

23、在另一方面所涉及的设计支援装置中，获得函数构建部可以通过lcb(lowerconfidence bound：低置信限)、ei(expected improvement：期望增益)及pi(probabilityof improvement：增益概率)中的任一个，构建各特性项的获得函数。

24、根据这一方面，构建适于评价各特性项所示的特性的提高的获得函数。

25、在另一方面所涉及的设计支援装置中，获得函数构建部可以构建获得函数，所述获得函数包括根据设计参数组而产生的、与包含产品、在制品、半成品、零件或者试制品的制作所需的时间及费用中的至少任一个的成本相关的成本值，输出表示该成本值越大，设计参数组的适合程度越减少的指标值。

26、根据这一方面，在获取设计参数组时，考虑产品的制作所需的成本。因此，能够降低与产品的制作及实验等相关的成本。

27、在另一方面所涉及的设计支援装置中，预测模型可以为将设计参数组作为输入，将观测值的概率分布作为输出的回归模型或分类模型，模型构建部可以通过使用实绩数据的机械学习，构建预测模型。

28、根据这一方面，预测模型构建为规定的回归模型或分类模型，因此可以得到能够获取特性项的观测值的概率分布或其近似或者替代指标的预测模型。

29、在另一方面所涉及的设计支援装置中，预测模型也可以为使用基于贝叶斯定理的预测值的事后分布、构成集成的预测器的预测值的分布、回归模型的预测区间及可靠区间的理论公式、蒙特卡罗丢弃法及在不同条件下构建有多个的预测器的预测的分布中的任一个，预测观测值的概率分布或其近似或者替代指标的机械学习模型。

30、根据这一方面，构建能够预测作为基于设计参数组的特性项的观测值的概率分布或其近似或者替代指标的预测模型。

31、发明效果

32、根据本发明的一方面，能够通过更少的实验次数，以低负荷实现在产品、在制品、半成品、零件或者试制品的制作制程中构成目标变量的产品等特性及设计变量的优化。