人と機械（計算機）の知的協働に切り込むシリアスゲーミングアプローチ

Transcript

1. ⼈と機械（計算機）の知的協働に 切り込むシリアスゲーミングアプローチ 2021年5⽉27⽇（⽊） システム制御情報学会 SCI’21 チュートリアル講演 ⽔⼭ 元 ＠⻘⼭学院⼤学 理⼯学部

   経営システム⼯学科

2. ⽬次 • はじめに • ⽣産システムの運⽤を担う知的協働のフレームワーク • 知的協働に埋め込まれた⼈の貢献の捉え⽅ • シリアスゲーミングアプローチ •

   いくつかの研究事例 • まとめ 1 Hajime Mizuyama

3. 対象とするシステムとその運⽤ 対象システム • 製造，物流，サービス提供のシステム，サプライチェーン，などの 広義の⽣産システム • 複数の物理的な資源（⼈と機械）で構成され，それらが対象（ 原材 料，部品，製品，顧客など）に対して，様々な作業を分担して実⾏ していくことによって機能する分業系

   の運⽤ • 不確実性を伴う環境の中で⽣産システムを動かすこと • その本質は「いつどの資源にどの対象に向けてどの作業を実⾏させ るのか」についての動的な意思決定にある． 2 Hajime Mizuyama

4. 中央集権的な⾒⽅と⾃律分散的な⾒⽅ 3 Hajime Mizuyama System-wide decision

5. 中央集権的な⾒⽅と⾃律分散的な⾒⽅ 4 Hajime Mizuyama Resource-based decision

6. 運⽤の意思決定の実際 • 実時間でシステム全体の状況を把握して作業指⽰を出すことは困難 であることが多い． • ⼀⽅で，資源単位の局所的な意思決定だけで，システムの効率的な 運⽤を実現することも難しい． • ⽣産計画・スケジューリングなどの全体的な意思決定と，ディス パッチングなどの局所的な意思決定の組合せで運⽤されている．

   • そうした意思決定には，機械によって処理されているものと，⼈に 委ねられているものがある（⼈と機械の知的協働）． • 意思決定の単位は，システム全体と資源単位という両極端だけでは なく，⼀般にはそれらの間の様々な粒度で設定されている． • システムの物理的な挙動と運⽤の意思決定は，いずれも⼈と機械の 協働であるという点は共通しているが，協働主体の単位は異なる． 5 Hajime Mizuyama

7. ⼈と機械（計算機）の意思決定の対⽐ ⼈の意思決定 • 暗黙的なルールやヒューリス ティックに頼ることが多い • 曖昧な問題や主観的な問題も そのまま扱えることがある • どのような情報でもその場で

   拾い上げて利⽤できる • 境界条件を交渉可能なソフト な制約条件として扱える 機械の意思決定 • 数理的な最適化アルゴリズム を利⽤することができる • 明確に定式化された問題以外 は扱いづらい • 必要な情報を事前に明⽰し， 収集しておく必要がある • 外部との境界条件はハードな 制約条件として扱われる 6 双⽅に⻑所と短所があり，優劣を⽐較することよりも，状況に応じて 適材適所で組み合わせて活⽤することを考えるべきである．

8. Industry 4.0 で何が変わるか？ • IOT：実時間でセンシング可能（したがって，計算機アルゴリズム に取り込むことが容易）な情報が増える． • CPS：IOTでセンシングしたデータを統合することでシステム全体の 状況をより詳細な粒度で把握できるようになる． •

   Big Data：⼤量に蓄積されていく上記のデータの履歴に基づいて 様々な予測モデルが得られるようになる． • 機械で処理可能な運⽤の意思決定は増え，より幅広い単位で扱える ようになる． • ⼈と機械の意思決定を組み合わせた，知的協働の全体的なフレーム ワークはどう変わるのか，変わらないのか？ 7 Hajime Mizuyama

9. 浮かび上がる課題と疑問 • ⽣産システムの運⽤を担う⼈と機械の知的協働の全体的なフレーム ワークのモデリング，性能評価，デザイン・リデザイン – Industry 4.0 はこのフレームワークに劇的な変化をもたらすか？ • 上のフレームワークの中で⼈が担うべき機能の本質についての理解，

   およびその機能を最⼤限に発揮させるための⼯学的⼿段のデザイン – 意思決定を⼈に委ねる（消極的ではなく）積極的な理由は？ 8 Hajime Mizuyama

10. ⽬次 • はじめに • ⽣産システムの運⽤を担う知的協働のフレームワーク • 知的協働に埋め込まれた⼈の貢献の捉え⽅ • シリアスゲーミングアプローチ •

    いくつかの研究事例 • まとめ 9 Hajime Mizuyama

11. 運⽤の意思決定と物理的挙動の2層化 10 Hajime Mizuyama

12. 運⽤の意思決定と物理的挙動の2層化 11 Hajime Mizuyama ⽣産システム運⽤の意思決定を捉える層 ⽣産システムの物理的な挙動を捉える層 ⽣産システムへの 作業指⽰（ex. 差⽴て） システム状態の

    観測（ex. 進捗情報）

13. システム 状態 システム 状態 システム 状態 システム 状態 システム 状態

    システム 状態 システム 状態 システム 状態 システム 状態 システム状態の時間発展 #1 12 状態 観測 作業 指⽰ システム 状態 システム 状態

14. システム 状態 システム 状態 システム 状態 システム状態の時間発展 #2 13 状態

    観測 作業 指⽰ システム 状態 システム 状態 システム 状態 システム 状態 システム 状態 状態 観測 作業 指⽰

15. 運⽤の意思決定と物理的挙動の2層化 14 Hajime Mizuyama ⽣産システムへの 作業指⽰（ex. 差⽴て） システム状態の 観測（ex. 進捗情報）

    ⽣産システム運⽤の意思決定を捉える層 ⽣産システムの物理的な挙動を捉える層 与えられた作業指⽰に従って 作業を開始 遅れ，不良，故障などの 不確定事象が確率的に発⽣ 観測したシステム状態や市場 からの要求に従い計画やスケ ジュールをたて，それらを参 照しながら作業指⽰を出す．

16. 運⽤の意思決定と物理的挙動の2層化 15 Hajime Mizuyama ⽣産システムへの 作業指⽰（ex. 差⽴て） システム状態の 観測（ex. 進捗情報）

    ⽣産システム運⽤の意思決定を捉える層 ⽣産システムの物理的な挙動を捉える層 与えられた作業指⽰に従って 作業を開始 遅れ，不良，故障などの 不確定事象が確率的に発⽣ 観測したシステム状態や市場 からの要求に従い計画やスケ ジュールをたて，それらを参 照しながら作業指⽰を出す． 複数の⼈と機械の知的協働

17. Human-Based Computation Perspective 16 Hajime Mizuyama ⽣産システムへの 作業指⽰（ex. 差⽴て） システム状態の

    観測（ex. 進捗情報） ⽣産システム運⽤の意思決定を捉える層 ⽣産システムの物理的な挙動を捉える層 与えられた作業指⽰に従って 作業を開始 遅れ，不良，故障などの 不確定事象が確率的に発⽣ 観測したシステム状態や市場 からの要求に従い計画やスケ ジュールをたて，それらを参 照しながら作業指⽰を出す． 複数の⼈と機械の知的協働 ⼤規模なマルコフ決定過程の ⽅策を担うHuman-in-the-loop の分割統治アルゴリズム？

18. 情報資源や知識資源の 状態や挙動を捉える層 Computer-Supported Collaboration Perspective 17 Hajime Mizuyama ⽣産システム運⽤の意思決定を捉える層 物理資源や対象物の状態や挙動を捉える層

    ⼈はアルゴリズムに埋め込ま れる「⼊出⼒が規定された部 品」以上の機能を果たしてい るのでは？

19. 担当者視点で⾒ると？ 18 Hajime Mizuyama 物理資源や対象物 情報資源や知識資源 他者A 他者B Physical Environment

    Cyber Environment Social Environment

20. 時間発展モデルの⼀般化（内外反転） 19 観測 介⼊ 観測 介⼊

21. 時間発展モデルの⼀般化（内外反転） 20 観測 介⼊ 観測 介⼊

22. ⽬次 • はじめに • ⽣産システムの運⽤を担う知的協働のフレームワーク • 知的協働に埋め込まれた⼈の貢献の捉え⽅ • シリアスゲーミングアプローチ •

    いくつかの研究事例 • まとめ 21 Hajime Mizuyama

23. 問題の設定と解決としての理解 運⽤の意思決定とは， – 解くべき問題のクラスを設定し， – 状況に応じてその問題のインスタンスを構成し， – ある解法を適⽤してその問題を解決することである，と考える． ⼈の貢献の源泉は， –

    ある種の難しい問題に対してある程度有効に機能する暗黙的な ヒューリスティック解法 – センサが設置されていない情報の五感による取得 – ブラックボックス関数によるインスタンスの補完 – 解くべき問題のクラス⾃体が未定義あるいはブラックボックス であるような状況への対処 22 Hajime Mizuyama

24. ⼈の貢献の3重構造 23 Hajime Mizuyama 与えられた 問題インスタンスの （近似的な）解決 問題のクラスや フレームワークの設定 意思決定サイクルや

    ホライズンの調整， 対象モデルの粒度や スコープの調整， ⽬的関数や 制約条件の調整， 解空間の創造的拡張， など 問題のインスタンスの構成 現場状況の実時間 五感センシング， コミュニケーション による情報獲得， 暗黙的な知識や 主観的な情報の反映， インフォーマルな予測 の利⽤，など

25. 担当者に何を配るか？ • 答え（解）を配る． 問題（インスタンス）を⽣成し，それを解く． • 解くべき問題（クラス）を配る． 解くべき問題（クラス）を構成する． • 解くべき問題を認識するための環境を配る． 24

    Hajime Mizuyama

26. 2重の学習ループ 25 解法・⽅策の学習 問題の解き⽅の習得 環境から問題を切り出す 認知フレームの学習 問題の捉え⽅の習得

27. 担当者の認知フレーム 26 世界（環境）をどのよ うに認識して，それを 誰と協⼒してどう変え ようとするのか？ 作業指⽰， スケジュール， 他者への働きかけ， など

    観測 介⼊ 物理的・情報 的・社会的な 環境の状態の 捉え⽅に応じた ⼊⼒変数群

28. 認知フレームを基礎づける要因 世界をどのように認識して • 状況認識のスコープや粒度， 状況変化の予測モデルなど • 可能な介⼊の⼿続き的知識や その効果の予測モデルなど 各担当者の意思決定に有⽤な知 識・スキルの本質は何か？

    知識・スキルの習得や実適⽤を効 果的に⽀援する⽅法は？ 誰とどう変えようとするのか • 状況についての選好，効⽤関 数，達成したい⽬標など • 他者モデル，他者の反応を考 慮した戦略など 担当者間に⽣じ得るゲーム的状況 とはどのようなものか？ 有効な協⼒・協調を引き出すため にはどうすればよいか？ 27

29. Research Questions の4象限 28 知識・スキルの 習得や実適⽤の⽀援 協⼒・強調を引き出す メカニズムデザイン 知識・スキルや その習得過程の解明

    ゲーム的状況の 理解と帰結の予測 ⽣産システム の運⽤ 科学的視点 Scientific analysis ⼯学的視点 Engineering design 各エージェントの 知識・スキル Micro -> Macro システム全体の 環境・制度 Macro -> Micro

30. マルコフ決定過程と認知フレームの例 #1 29 Hajime Mizuyama 学習 ⾏動𝑎 対象シス テムの 時間発展

    を表す MDP 状態𝑠を ⾏動𝑎に マッピン グする ⽅策 報酬𝑟と状態s

31. マルコフ決定過程と認知フレームの例 #2 30 Hajime Mizuyama 対象シス テムの 時間発展 を表す MDP

    認知フレーム • 観測・⾏動の タイミング • ⾏動の選択肢 • 状態の⾒せ⽅ • 報酬の与え⽅ など 変換され た状態𝑧を 変換され た⾏動𝑥に マッピン グする ⽅策 間引かれた タイミングで 変換された 報酬𝑦と状態𝑧 𝑟とs 𝑎 ← 𝑥 変換された ⾏動𝑥 学習 Interaction Interface Incentive

32. ⽬次 • はじめに • ⽣産システムの運⽤を担う知的協働のフレームワーク • 知的協働に埋め込まれた⼈の貢献の捉え⽅ • シリアスゲーミングアプローチ •

    いくつかの研究事例 • まとめ 31 Hajime Mizuyama

33. ⼈の意思決定に迫る数理モデルの役割 32 Hajime Mizuyama 形式的には捉えきれない ⼈の意思決定 数理モデル ⼯学的な成果

34. ⼈の意思決定に迫る数理モデルの役割 33 Hajime Mizuyama 形式的には捉えきれない ⼈の意思決定 数理モデル ⼯学的な成果

35. ⾏動科学と計算科学の相互補完 ⾏動科学的アプローチ • 担当者が意思決定を⾏う現実 の状況の本質をシリアスゲー ムの中で再現する． • そのシリアスゲームを⼈にプ レイしてもらい，そこでの⾏ 動データを収集する．

    • 得られた⾏動データを分析す ることによって，担当者の意 思決定を基礎づける規範につ いての仮説を得る． 計算科学的アプローチ • 担当者の意思決定を基礎づけ るある種の規範をアルゴリズ ムで表現する． • それをシリアスゲーム上で駆 動させ，どのような振る舞い が⽴ち現れるかを観測する． • 得られた振る舞いを現実と対 ⽐することなどで，当該意思 決定を基礎づける規範につい ての考察を深める． 34 Hajime Mizuyama

36. シリアスゲーミングアプローチの全体像 35 (a) 対象システムの運⽤を模擬したシリアスゲームモデルを作成 (d) 上のゲームのプレイ ログを収集し分析 (e) シミュレーション実 験とその結果の分析

    (f) 上の(d)と(e)の結果を⽐較・検討することによる知⾒の導出 (b) 上のモデルに基づく ゲームシステムの開発 (c) 上のモデルに基づく シミュレータの開発 知⾒(f)に基づきモデル(a) を改善し，分析を繰返す 知⾒(f)の実際への活⽤

37. ゲームプレイ実験の役割 システムモデルの妥当性確認・調整 • 対象システムの運⽤タスクの本質を違和感なく捉えられているか？ エージェントモデル作成のための仮説推論 • プレイヤの振る舞いからモデル作成のヒントが得られないか？ エージェントモデルの妥当性確認・調整 • モデルはプレイヤの挙動を⼗分に説明できているか？

    ⼯学的な成果物の検証 • 開発した⽀援ツールなどの効果をまずはゲーム上で確認する． • 教育・訓練ツールとしてのゲームの効果を検証する． 36 Hajime Mizuyama

38. 研究フローの例 #1 ⾏動科学的アプローチ ゲームプレイ実験におけるプレイ ヤの⾏動のデータ化と分析 計算科学的アプローチ 計算機でのシミュレーション実験 の実施とその結果の分析 37 数理的な仮説

    被験者実験 予想通りの/予想 に反する結果 計算機実験

39. 研究フローの例 #2 ⾏動科学的アプローチ ゲームプレイ実験におけるプレイ ヤの⾏動のデータ化と分析 計算科学的アプローチ 計算機でのシミュレーション実験 の実施とその結果の分析 38 被験者実験

    ⾏動パターン/ ルール 計算機実験 形式化/⼀般化/ 定量化

40. ⽬次 • はじめに • ⽣産システムの運⽤を担う知的協働のフレームワーク • 知的協働に埋め込まれた⼈の貢献の捉え⽅ • シリアスゲーミングアプローチ •

    いくつかの研究事例 • まとめ 39 Hajime Mizuyama

41. 加熱炉前スラブヤードの例 #1 40 Hajime Mizuyama 加熱炉 圧延⼯程 クレーン スラブヤード

42. 加熱炉前スラブヤードの例 #2 41 Hajime Mizuyama 加熱炉 圧延⼯程 クレーン スラブヤード

43. 加熱炉前スラブヤードの単純化モデル 42 加熱炉 圧延⼯程 クレーン 装⼊バッファ 中間バッファ 中間バッファ ⼊⼝ バッファ

    待ち⾏列 ジョブが ランダム に到着 機械 スラブヤード

44. 加熱炉前スラブヤードの単純化モデル 43 機械 装⼊バッファ 中間バッファ 中間バッファ ⼊⼝ バッファ ⾊がジョブのタイプを表す（4⾊）． 数値が納期までの残り時間を表す．

    ジョブが ランダム に到着 平均到着 間隔: 10, 11, 12, 13 加⼯時間は⼀定（6）， 段取時間はジョブのタイプ 順に依存（6 or 60） クレーン 待ち⾏列 待ち⾏列 から⼊⼝ バッファ には⾃動 的に移動

45. 強化学習エージェントにプレイさせた例 44 Hajime Mizuyama

46. 45 本社 顧客 下⼯程 ⼯場 上⼯程 ⼯場 素材 発注 素材

    納⼊ 製品 発注 製品 納⼊ 商品 発注 商品 納⼊ 拠点間のコミュニケーション（情報共有）を変化させて，地震な どの⾮定常的な変動に直⾯した際のパフォーマンスを⽐較する． 製鉄企業の社内サプライチェーンの事例

47. ColPMan Game 46

48. ⽜乳サプライチェーンの事例：MilkyChain Game 47 Hajime Mizuyama 消費者 酪農家 （指定団体） スーパー メーカー

    1/3ルールなどの商習慣が⾷品廃棄に与える影響の分析など ⇒ ⾷品サプライチェーンにおける⾷品廃棄削減のための制度設計

49. 飲⾷店のフロア業務の事例 #1 48 待合室 ダイニングフロア 異なる⼈数の顧客グループがランダムに到着する．隣接した空きテーブルを組 み合わせて多⼈数グループを案内できる．待ち時間や順番抜かしは顧客の不満 度につながる． 顧客の不満度を低く抑えながら店舗の回転率を向上させよう！ 座席案内ゲーム

50. 飲⾷店のフロア業務の事例 #2 49 1⼈のスタッフ（⻘丸）が６台の テーブル（四⾓）を担当している． 同時に複数のタスク要求が発⽣し得 る．様々な制約を満⾜させながら， どの順番で処理するかを決める． 待ち時間からくる顧客の不満度を低 く抑えながら店舗の回転率を向上さ

    せよう！ 注⽂伺い，配膳，下膳，会計のタスクのシミュレーション

51. ⽬次 • はじめに • ⽣産システムの運⽤を担う知的協働のフレームワーク • 知的協働に埋め込まれた⼈の貢献の捉え⽅ • シリアスゲーミングアプローチ •

    いくつかの研究事例 • まとめ 50 Hajime Mizuyama

52. まとめ • （広義の）⽣産システムの運⽤は，⼈と機械（計算機）の知的協働 によってなされていると考えることができる． • 今後さらに進んでいくデジタル化・スマート化の流れを受けて，こ の知的協働のフレームワークは劇的に変化する可能性を秘めている． • Industry 4.0

    時代の新しい知的協働のあるべき姿を追求していくため に，まずこの協働のメカニズムとその中で⼈が担うべき貢献の本質 についての理解を深めていきたい． • 今回は，そのための⼿段の⼀つとして，シリアスゲーミングアプ ローチの概要を提⽰した上で，具体的な研究事例を少し紹介した． 51 Hajime Mizuyama

53. Thank you! Let’s collaborate, if interested! https://hajimizu.net/mizulab/ mizuyama@ise.aoyama.ac.jp twitter: @j54854

    52