CN102203813B - 信息处理系统 - Google Patents

Abstract

本发明提供一种系统、装置以及方法，其用于支援关于组织或者人，选择应该改善的指标，进而考虑多个应该改善的指标，提出使业务作为整体最佳的方案。终端具备检测物理量的传感器，以及将表示物理量的数据发送到处理装置的数据发送部，输入输出装置具备接受表示与带有终端的人相关联的生产率的数据的输入的输入部，以及将表示生产率的数据发送到处理装置的数据发送部，处理装置具备从表示物理量的数据提取特征量的特征量提取部；根据表示生产率的数据来决定产生冲突的多个数据的冲突计算部；以及计算特征量和产生冲突的多个数据的关联的强度的影响力系数计算部。

Description

信息处理系统

技术领域

本发明涉及根据身上带有传感器终端的人的活动数据，进行支援来实现更好的业务或生活的技术。 

背景技术

目前公开了如下一种方法：从身上带有的传感器终端的工作人员的行动数据中提取多个特征量，找到与业务有关的成果的指标、或对工作人员的主观评价最强同步的特征量（例如专利文献1） 

【专利文献1】日本特开2008-210363号公报 

发明内容

在所有组织中，提高生产率成为必须的课题，进行了以提高生成效率以及提高产出品质为目的的多种尝试法。在以尽量在短时间内完成所决定的作业为目的的业务中，调查作业的处理过程，发现空白时间或变换作业步骤等，由此改善生产效率。 

但是，在重视以脑力劳动为中心的产出品质，特别是在重视创造性、新颖性的业务中，即使分析作业步骤也无法充分提高生产率。在脑力劳动中，关于难以改善业务的理由，首先是生产率的定义因对象组织或工作人员而具有多样性，然后用于提高生产率的方法也具有多样性。例如，在以提出新产品的概念为目的的业务中，难以衡量产出即概念自身的品质。并且，作为为了高品质的概念认为必要的表现（performance）的指标，需要引入通过与不同领域的人之间的交流获得的新视点、通过市场调查获得的想法的证明、基于深度谈论的提案的坚实性，提案资料的文章或色彩使用的完成度等各种要素。并且，为了提高这些要素而有效的方法也因组织的文化或行业、工作人员的性格等而具有多样性。因此，为了提高表现，着眼点是什么、应该怎样改变、提炼组织要改变的目标都是大的课题。 

另外，考虑多种表现的平衡也是本发明中，我们提示的新的课题。例如， 在仅追求提高生产效率而强迫工作人员进行重劳动时，出现损害工作人员的健康、或降低积极性等弊端的可能性较高。因此，考虑多种表现，确立作为整体用于获得最佳结果的对策是非常重要的。 

另外，作为应该适当改善的对象，不仅仅改善业务，与上述一样需要改善整个日常生活中的生活的品质。此时，例如，考虑用于兼顾健康和兴趣的具体的改善方法等也成为课题。 

在现有的专利文献1中，公开了如下方法：各工作人员身上带有传感器终端，从通过传感器终端获得的活动数据中提取多个特征量，找到与业务的成果有关的指标或对工作人员的主观评价最强同步的特征量。但是，这是通过找到特征量，理解每个工作人员的特性，或者工作人员自身改变行动的方法，但没有涉及用于确立用于改善业务的对策。另外，作为表现而考虑的指标仅为一个，不具有针对多个表现的整合的分析观点。 

由此，需要以下的系统和方法，在成为对象的组织或者人中，选择应该改善的指标(表现)，并且获得用于改善指标的对策的方针，并且，考虑多个应该改善的指标，支援将业务作为一个整体提出最佳的对策。 

如下述那样，简单说明本申请公开的发明中的具有代表性的发明的概要。 

一种信息处理系统，其具备：终端、输入输出装置、以及处理从终端和输入输出装置发送的数据的处理装置。终端具备：检测物理量的传感器，以及将表示物理量的数据发送到处理装置的数据发送部，输入输出装置具备：输入部，其接受表示与带有终端的人相关联的生产率的数据的输入；以及数据发送部，其将表示生产率的数据发送到处理装置，处理装置具备：特征量提取部，其从表示物理量的数据中提取特征量；冲突计算部，其根据表示生产率的数据来决定产生冲突的多个数据；以及影响力系数计算部，其计算特征量和产生冲突的多个数据的关联的强度。 

另外，一种信息处理系统，其具备终端、输入输出装置、以及处理从终端和输入输出装置发送的数据的处理装置。终端具备：检测物理量的传感器，以及发送表示物理量的数据的数据发送部，输入输出装置具备：输入部，其接受多个表示与带有终端的人相关联的生产率的数据的输入；以及数据发送部，其将多个表示生产率的数据发送到处理装置，处理装置具备：特征量提取部，其 从表示物理量的数据中提取多个特征量，使多个特征量各自的期间以及采样周期统一；冲突计算部，其使多个表示生产率的数据各自的期间以及采样周期统一；以及影响力系数计算部，其计算期间以及采样周期统一后的特征量和与生产率有关的数据的关联的强度。 

另外，一种信息处理系统，其具备终端、输入输出装置、以及处理从终端和输入输出装置发送的数据的处理装置。终端具备：检测物理量的传感器，以及发送表示传感器检测出的物理量的数据的数据发送部，输入输出装置具备：输入部，其接受表示与带有终端的人相关联的生产率的数据的输入；以及数据发送部，其将表示生产率的数据发送到处理装置，处理装置具备：特征量提取部，其从表示物理量的数据中提取特征量；冲突计算部，其根据表示生产率的数据来决定表示所述人的主观评价的主观数据以及与人物相关联的业务的客观数据；以及影响力系数计算部，其计算特征量和主观数据的关联的强度、以及特征量和客观数据的关联的强度。 

另外，一种信息处理系统，其具备终端、输入输出装置、以及处理从终端和输入输出装置发送的数据的处理装置。终端具备：检测物理量的传感器，以及发送表示传感器检测出的物理量的数据的数据发送部，输入输出装置具备：输入部，其接受多个表示与带有终端的人相关联的生产率的数据的输入；以及数据发送部，其将表示生产率的数据发送到处理装置，处理装置具备：特征量提取部，其从表示物理量的数据中提取多个特征量；以及影响力系数计算部，其分别计算在多个特征量中选择出的一个特征量和多个表示生产率的数据的关联的强度。 

另外，一种信息处理装置，记录部，其记录第一时间序列数据、第二时间序列数据、第一参照值以及第二参照值；第一判定部，其判定第一时间序列数据或者对第一时间序列数据进行加工得到的值是大于第一参照值，还是小于第一参照值；第二判定部，其判定第二时间序列数据或者对第二时间序列数据进行加工得到的值是大于第二参照值，还是小于第二参照值；状态判定部，其将第一时间序列数据或者对第一时间序列数据进行加工得到的值大于第一参照值、并且第二时间序列数据或者对第二时间序列数据进行加工得到的值大于第二参照值的情形判定为第一状态，将第一状态以外的状态或作为所述第一状态 以外的状态的特定的状态判定为第二状态；对第一状态分配第一名称、对第二状态分配第二名称的单元；以及使用第一名称或第二名称，使连接的显示部显示处于第一状态或第二状态的单元。 

另外，一种信息处理装置，其具备：取得用户输入的、与第一量以及第二量相关的信息的单元，第一量以及第二量与用户的生活或业务有关；状态判定部，其将第一量增加、并且第二量增加的情形判定为第一状态，将第一状态以外的状态或作为第一状态以外的状态的特定的状态判定为第二状态；对第一状态分配第一名称、对第二状态分配第二名称的单元；以及使用第一名称或第二名称，使连接的显示部显示用户处于第一状态或第二状态的单元。 

另外，一种信息处理装置，其具备：取得用户输入的、与第一量、第二量、第三量、以及第四量有关的信息的单元，第一量、第二量、第三量、以及第四量与用户的生活或业务有关；状态判断部，其把第一量增加，并且第二量增加的情形判定为第一状态，把第一状态以外的状态、或作为第一状态以外的状态的特定的状态判定为第二状态，把第三量增加，并且第四量增加的情形判定为第三状态，把第三状态以外的状态、或作为第三状态以外的状态的特定的状态判定为第四状态，把既是第一状态、又是第三状态的状态判定为第五状态，把既是第一状态、又是第四状态的状态判定为第六状态，把既是第二状态、又是第三状态的状态判定为第七状态，把既是第二状态、又是第四状态的状态判定为第八状态；对第五状态分配第一名称，对第六状态分配第二名称，对第七状态分配第三名称，以及对第八状态分配第四名称的单元；以及使用第一名称、第二名称、第三名称、以及第四名称中的至少某一个名称，使连接的显示部显示用户处于第五状态、第六状态、第七状态、以及第八状态中的哪个状态的单元。 

另外，一种信息处理装置，其具备：记录部，其记录与人的运动相关联的时间序列数据；计算部，其对时间序列数据进行加工，计算与人的运动的偏差、不均匀、或一贯性有关的指标；判定部，其根据指标，判定人的运动的偏差、不均匀小，或一贯性高，根据判定的结果，使连接的显示部显示人或人所属的组织的期望的状态。 

另外，一种信息处理装置，其具有记录部，其记录与人的睡眠相关联的时 间序列数据；计算部，其对时间序列数据进行加工，计算与人的睡眠相关联的偏差、不均匀、或一贯性有关的指标；判定部，其根据指标，判定与人的睡眠相关联的偏差、不均匀小，或一贯性高，根据判定的结果，使连接的显示部显示人或人所属的组织的期望的状态。 

另外，一种信息处理装置，其具备记录至少表示第一用户、第二用户以及第三用户的交流状况的数据的记录部；以及对表示交流状况的数据进行分析的处理部。记录部记录第一用户和第二用户的第一交流量以及第一关联的信息、第一用户和第三用户的第二交流量以及第二关联的信息、以及第二用户和第三用户的第三交流量以及第三关联的信息，处理部当判定第三交流量小于第一交流量，并且第三交流量小于第二交流量时，进行催促第二用户与第三用户的交流的显示或指示。 

根据本发明，根据工作人员的活动数据和表现数据，考虑对多个表现产生的影响，支援提出使业务最佳化的对策。 

附图说明

图1是表示第一实施方式的从收集传感数据和表现数据到显示分析结果的利用场景的说明图的一例。 

图2是用于说明第一实施方式的平衡图的图的一例。 

图3是表示第一实施方式的平衡图的一例的图。 

图4是说明第一实施方式的应用程序服务器和客户机的结构的图的一例。 

图5是说明第一实施方式的表现输入用客户机和传感器网络服务器和基站的结构的图的一例。 

图6是说明第一实施方式的终端的结构的图的一例。 

图7是表示第一实施方式的直到将传感数据和表现数据积蓄在传感器网络服务器中的处理的顺序图的一例。 

图8是表示第一实施方式的从用户启动应用程序到将分析结果提示给用户为止的处理的顺序图的一例。 

图9是表示第一实施方式的影响力系数的结果的例子的表。 

图10是表示第一实施方式的特征量的组合的例子。 

图11是表示第一实施方式的与特征量对应的组织改善对策例一览的例 子。 

图12是第一实施方式中的分析条件设定窗口的例子。 

图13是表示第一实施方式中的为了生成平衡图执行的整个处理的流程图的一例。 

图14是表示第一实施方式的冲突计算处理的流程图的一例。 

图15是表示第一实施方式的平衡图描绘处理的流程图的一例。 

图16是表示第一实施方式的分析者的步骤的流程图。 

图17是表示第一实施方式的ID对应表的例子的说明图。 

图18是表示第一实施方式的表现数据表的一例的说明图。 

图19是表示第一实施方式中的表现相关矩阵的一例的说明图。 

图20是表示第一实施方式中的影响力系数表的一例的图。 

图21是表示第二实施方式中的为了生成平衡图执行的整个处理的流程图的一例。 

图22是表示第二实施方式中的会面表的一例的说明图。 

图23是表示第二实施方式中的会面结合表的一例的说明图。 

图24是表示第二实施方式中的会面特征量表的一例的说明图。 

图25是表示第二实施方式中的加速度数据表的一例的说明图。 

图26是表示第二实施方式中的加速度节奏表的一例的说明图。 

图27是表示第二实施方式中的加速度节奏特征量表的一例的说明图。 

图28是表示第二实施方式中的问卷调查回答用电子邮件的字面和其回信的一例的说明图。 

图29是表示在第二实施方式中的终端中回答问卷调查时的画面的一例的说明图。 

图30是表示第二实施方式的表现数据表的一例的说明图。 

图31是表示在第二实施方式中的整合数据表的一例的说明图。 

图32是说明第二实施方式中的表现输入用户客户机和传感器网络服务器的结构的图。 

图33是表示第三实施方式中的表现数据的组合的例子的说明图。 

图34是表示第四实施方式中的平衡图的一例的图。 

图35是表示第四实施方式中的平衡图描绘处理的流程图的一例。 

图36是表示第五实施方式中的终端的红外线收发信器的检测范围的说明图的一例。 

图37是说明第五实施方式中的两阶段的会面检测数据补充的过程的图的一例。 

图38是说明第五实施方式的通过两阶段的会面检测数据补充的会面结合表的值的变化的图的一例。 

图39是表示第五实施方式中的两阶段的会面检测数据的补充的处理的流程图的一例。 

图40是说明第六实施方式的基于交流的做法的脸的定位的图的一例。 

图41是表示第六实施方式中的交流动态的分类的说明图的一例。 

图42是表示第六实施方式中的会面矩阵的例子的说明图。 

图43是用于说明第六实施方式中的应用程序服务器和客户机的结构的图。 

图44是表示第七实施方式中的系统结构和处理过程的说明图的一例。 

图45表示第七实施方式中的系统结构和处理过程的说明图的一例。 

图46是表示第七实施方式中的分析结果的图的一例。 

图47是表示第七实施方式中的分析结果的图的一例。 

图48是表示第七实施方式中的分析结果的图的一例。 

图49是表示第七实施方式中的分析结果的图的一例。 

图50是表示第七实施方式中的分析结果的图的一例。 

图51是表示第七实施方式中的分析结果的图的一例。 

图52是表示第七实施方式成为依据的测量结果的图的一例。 

图53是表示第七实施方式成为依据的测量结果的图的一例。 

图54是用于说明第八实施方式中的应用程序服务器和客户机的结构的图的一例。 

图55是用于说明第八实施方式中的团结度的计算方法的图的一例。 

图56是表示第八实施方式中的网络图的一例的说明图。 

具体实施方式

首先，对本申请中公开的代表性的发明的概要进行说明。 

通过人带有的传感器终端取得此人的活动数据，从该活动数据中提取多个特征量。另外，对通过其它途径取得的多种的表现数据，计算各特征量具有的关联的强度和正负，显示特征量的性质，由此实现为了改善表现帮助发现应该关注的特征量和建立改善对策的系统。以下，对用于实现该系统的代表性的发明的概要进行说明。 

第一发明表示可能产生冲突的两种表现数据与多种传感数据的各个关系的强度。 

第二发明表示期间/采样周期等基准一致的两种表现数据与多种传感数据的各个关系的强度。 

第三发明表示主观数据与客观数据、或者客观数据与客观数据的两种表现数据与多种传感数据的各个关系的强度。 

根据第一发明，能够发现产生冲突的主要原因并确立对策来除去该主要原因，或确立对策以便一同改善两种表现从而不产生冲突。 

根据第二发明，通过不同的采样周期取得表现数据和传感数据，或在包含缺陷的不完全的情形下，能够恰当地确立对策，以便平衡良好地改善两种表现。 

根据第三发明，能够确立一同改善与个人的内心有关的定性的表现和与生产率有关的定量的表现的对策，或确立用于一同改善与生产率有关的定量的两种表现的对策。 

实施例1 

首先，参照附图对本发明的第一实施方式进行说明。 

<图1：全体的处理的流程的概要> 

图1表示第一实施方式的装置的概要。在第一实施方式中，作为组织的各成员用户带有具有无线收发器的传感器终端(TR)，通过该终端(TR)取得与各成员的行动或成员间的交流有关的传感数据。关于行动，通过加速度传感器或麦克风收集数据。另外，在用户(US)之间会面时，通过在各自的终端(TR)间收发红外线，来检测会面。通过无线，将所取得的传感数据发送到基站(GW)，经由网络(NW)存储到传感器网络服务器中(SS)。 

另外，可以通过其它途径，或从相同终端(TR)收集表现数据。在此， 所谓表现是组织或个人的与业务的成果相联系的成为某种基准的内容，例如销售额或利润率、顾客满意度、员工满意度、定额绩效等。换言之，可以说是表示与带有终端的成员、该成员所属的组织有关的生产率。另外，所谓表现数据是表示表现的定量的值。通过由组织的负责人输入、或以数值方式输入个人自己的主观评价、或自动取得在网络内存在的数据的方法来获得表现数据。在此，把获得表现的装置统称为表现输入用客户机(QC)。表现输入用客户机(QC)具有取得表现数据的结构和将表现数据发送到传感器网络服务器(SS)的结构。其可以是PC(个人计算机)，还可以是终端(TR)兼具表现输入用客户机(QC)的功能的装置。 

经由网络(NW)把通过表现输入用客户机(QC)获得的表现数据存储到传感器网络服务器(SS)中。在根据这些传感器数据和表现数据生成与业务改善有关的显示时，从客户机(CL)向应用程序服务器(AS)发出委托，从传感器网络服务器(SS)取出成为对象的成员的传感数据和表现数据。在应用程序服务器(AS)中对这些数据进行处理、分析，生成图像。并将该图像返回给客户机(CL)，在显示器上显示(CLDP)。由此，实现支援业务改善的一系列的业务改善系统。虽然将传感器网络服务器和应用程序服务器作为不同的装置来图示并说明，但是，传感器网络服务器和应用程序服务器也可以通过同一装置构成。 

另外，可以不是通过无线依次发送通过终端(TR)取得的数据，而是将数据蓄积在终端(TR)内，在与有线网络连接时，将这些数据发送到基站(GW)。 

<图9：基于不同的特征量进行分析的例子> 

图9表示分析组织和个人的表现与成员行动的关联时的例子。 

该分析通过一起调查表现数据和从传感器终端(TR)获得的用户(US)的活动数据，来获知每天的什么活动(例如，身体的运动、交流的方式)对表现产生了影响。 

在此，从用户(US)带有的终端(TR)或、PC(Personal Computer)获得的传感数据中，提取具有一定的图形的数据作为特征量(PF)，分别求出与表现数据的关联性的强度。此时，选择对成为目的的表现产生影响的可能性高的特征量，探讨在对象组织或用户(US)中实际上哪个特征量具有强的影响 力。根据该结果，如果实施增加关联性强的特征量(PF)特征量的对策，则用户(US)的行动发生改变，并且能够提高表现。如此，可知为了改善业务，应该确立怎样的对策。 

关于关联性的强度，在此使用“影响力系数”这样的数值。影响力系数是表示特征量的值与表现数据的同步的强度的实数值，具有正或负的符号。当符号为正时，表示具有当特征量上升时，表现数据也升高这样的同步性，当符号为负时，表示具有当特征量上升时，表现数据下降这样的同步性。此外，影响力系数的绝对值高表示更强地同步。作为影响力系数，使用各特征量与表现数据的相关系数。或者，使用通过把各特征量作为说明系数、将表现数据作为目的参数的多重回归分析求出的偏回归系数。只要是以数值表示影响力，也可以使用上述以外的方法来求出。 

图9(a)是作为组织的表现选择“团队进步度”，此外作为特征量(OF)使用团队内会面时间(OF01)等可能与团队进步度的关联高的五个特征量(OF01～OF05)时的分析结果例(RS_OF)。计算方法(CF_OF)表示用于从传感数据中提取各自的特征量(OF)的计算的概要。根据各特征量(OF)对于团队进步度的影响力系数(OFX)的结果可知，影响力的绝对值最强的是(1)团队内会面时间(OF01)。另一方面，由于(3)会面时活度(OF03)的系数为负，所以会面时活度低。即，可知，与吵吵闹闹地交换意见的自由讨论相比，大家一起仔细考虑的方式的会议在该组织中团队进步度变得更好。例如，根据该结果可以说，为了提高团队进步度，实施增加团队内的会议，特别是增加仔细考虑的会议的对策是有效的。因此，通过该分析，能够确立改善组织的对策。 

另外，图9(b)是作为个人的表现，选择基于问卷调查回答的“充实感”，另外作为特征量(PF)使用个人的会面时间(PF01)等可能与充实感的关联高的五个特征量(PF01～PF05)时的分析结果例(RS_PF)。与上述相同，计算方法(CF_OF)表示用于从传感数据中提取各自的特征量(OF)的计算的概要。根据该结果可知，关于对象组织的成员，PC打字数量对充实感最具有影响力，可以说通过整理对PC作业更加专注的环境的对策，能够提高充实度。 

如此，针对组织的表现，选择与组织有关的特征量，针对个人的表现，选择与个人的行动有关的特征量进行分析，由此有助于确立用于提高组织和个人 的表现的对策。但是，为了改善组织中的脑力劳动业务，可以说仅提高一个表现很可能是不够的。特别是存在当提高某个表现时，其它表现降低的问题。如图9(a)、(b)的例子那样，在使用各个特征量的分析中，通过实施专注于提高组织的表现“团队进步度”的某个特征量的对策，有可能导致个人的表现“充实感”降低，但是没有考虑这一点。即，针对为了一同提高“团队进步度”和“充实感”，需要得知应该专注于哪个特征量来确立对策，单纯地组合对两种表现分别进行分析后得到的结果是不充分的。特别是随着成为对象的特征量或表现的数量增加，确定特征量存在界限，该特征量成为用于确立对策的指标。因此，需要用于兼顾多个表现的其它的分析方法。 

<图2、图3：平衡图的说明> 

图2表示第一实施方式的显示形式的说明图。另外，将该显示形式成为平衡图(BM)。平衡图(BM)是使作为在图9的例子中留下的课题的，用于改善多个表现的分析成为可能。本平衡图(BM)的特征在于，针对多个表现使用共同的特征量的组合、关于各特征量着眼于对各个表现的影响力系数的正负符号的组合。在平衡图(BM)中，对多个表现计算各特征量的影响力系数，对于各个轴描绘对各表现的影响力系数。图3表示描绘了作为表现取得“工作人员的充实度”和“组织的作业效率”时的各特征量的计算结果的例子。在处理的最后，在画面上显示图3的形式的图像(CLDP)。 

在存在多个应该改善的表现时，如果表现之间没有冲突则易于改善。原因在于，因为在相互之间没有关联性时，只要按顺序一个一个地实施用于改善表现的对策即可，另外，当相互之间具有正的关联性时，只要改善一方的表现，则另一方的表现也随之改善。但是，当表现之间存在冲突时，即，相互间具有负的关联性时，业务的改善最困难。这是因为，在产生冲突的状态下，反复出现改善一个表现使其它的表现恶化的情况，无法使整体达到最佳。但是，正因为如此，可以说只要发现产生这样的冲突的组合的表现的冲突的主要原因，能够消除冲突，就能够对改善整体业务作出很大贡献。在本发明中，对产生冲突的可能性高的组合的表现，使用共同的特征量进行分析，由此，能够分别分类并发现成为表现间的冲突的主要原因的特征量或成为提高两方表现的特征量。由此，能够确立用于消除冲突的主要原因或、用于不产生冲突的改善的对策。 

在此，特征量是与成员的活动(运动或交流)有关的数据。另外，在图10的表(RS_BMF)中表示在图3中使用的特征量(BM_F01～BM_F09)的例子。在图2和图3的例子中，使横轴为对表现A的影响力系数(BM_X)，使纵轴为对表现B的影响力系数(BM_Y)。当X轴的值(BM_X)为正时，该特征量具有提高表现A的性质，在Y轴的值(BM_Y)为正时，具有提高表现B的性质。另外，在各象限中，位于第一象限的特征量具有提高两方的表现的性质，第三象限的特征量具有使两方的表现降低的性质。另外，可知第二和第四象限的特征量是提高一方的表现但使另一方表现降低，即产生冲突的一主要原因。因此，将平衡图(BM)中的第一象限(BM1)和第三象限(BM3)称为平衡区域，将第二象限(BM2)和第四象限(BM4)称为不平衡区域来进行区别。根据着眼的特征量位于平衡区域还是不平衡区域，用于改善的对策确立的过程不同。图16表示确立对策的流程图。 

另外，本发明着眼于影响力系数的正负的组合，在全部为正或全部为负时分类为平衡区域，在这以外时分类为不平衡区域。因此，即使针对三种以上的表现，本发明也能够适用。为了平面图的标记和说明的方便，在本说明书和附图中，把表现的种类的数量设为两种来进行说明。 

<图4～图6：全体系统的流程> 

图4～图6是说明实现本发明的实施方式的组织协作显示装置的传感器网络系统的整体结构的框图。为了图示的方便进行划分来表示，但是，图示的各处理相互之间互相协作来执行。通过终端(TR)取得与带有终端(TR)的人的运动或交流有关的传感数据，将传感数据经由基站(GW)存储到传感器网络服务器中(SS)。另外，通过表现输入用客户机(QC)，将用户(US)的问卷调查回答或业务数据等表现数据存储到传感器网络服务器(SS)中。另外，在应用程序服务器(AS)中进行传感数据和表现数据的分析，通过客户机(CL)输出作为分析结果的平衡图。图4～图6表示这一系列的流程。 

图4～图6中的不同形状的五种箭头分别表示时刻同步、联合(associate)、取得的传感数据的存储、数据分析以及用于控制信号的数据或信号流。 

(图4：全体系统(1)(CL/AS)) 

(关于客户机(CL)) 

客户机(CL)成为与用户(US)的接点，输入输出数据。客户机(CL)具备输入输出部(CLIO)、收发部(CLSR)、存储部(CLME)以及控制部(CLCO)。 

输入输出部(CLIO)是成为与用户(US)的接口的部分。输入输出部(CLIO)具备显示器(CLOD)、键盘(CLIK)以及鼠标(CLIM)等。根据需要也可以在外部输入输出(CLIU)上连接其它输入输出装置。 

显示器(CLOD)是CRT(Cathode-Ray Tube)或液晶显示器等图像显示装置。显示器(CLOD)也可以包含打印机等。 

收发部(CLSR)进行与应用程序服务器(AS)或传感器网络服务器(SS)之间的数据的发送以及接收。具体来讲，收发部(CLSR)将分析条件发送到应用程序服务器(AS)，接收分析结果、即平衡图(BM)。 

存储部(CLME)由硬盘、存储器或SD卡这样的外部记录装置构成。存储部(CLME)记录分析设定信息(CLMT)等描绘所需的信息。分析设定信息(CLMT)记录用户(US)设定的成为分析对象的成员以及分析条件等，另外记录从应用程序服务器(AS)接受到的与图像有关的信息，例如与图像的尺寸、或画面的显示位置有关的信息。另外，存储部(CLME)可以存储由控制部(CLCO)的CPU(省略图示)执行的程序。 

控制部(CLCO)具备CPU(省略图示)，执行通信的控制、来自用户(US)的分析条件的输入，以及用于对用户(US)提示分析结果的显示(CLDP)等。具体来讲，CPU通过执行存储在存储部(CLME)中的程序，执行通信控制(CLCC)、分析条件设定(CLIS)以及显示(CLDP)等处理。 

通信控制(CLCC)控制通过有线或无线与应用程序服务器(AS)或传感器网络服务器(SS)之间的通信的定时。另外，通信控制(CLCC)变换数据的形式，按照数据的种类分配目的地。 

分析条件设定(CLIS)接收用户(US)经由输入输出部(CLIO)指定的分析条件，记录在存储部(CLME)的分析设定信息(CLMT)中。在此，设定用于分析的数据的期间、成员、分析的种类以及用于分析的参数等。客户机(CL)将这些设定发送到应用程序服务器(AS)，委托其进行分析。 

显示(CLDP)把从应用程序服务器(AS)取得的分析结果即图3那样的 平衡图(BM)输出给显示器(CLOD)等输出装置。此时，如果从应用程序服务器(AS)与图像一起还有与显示方法有关的指示，例如指定显示尺寸或位置等，则根据这些指示进行显示。用户(US)也可以通过鼠标(CLIM)等输入装置对图像的尺寸或位置进行微调。 

另外，作为图像，可以不接受分析结果，而仅接受平衡图中的各特征量的影响力系数的数值，据此，在客户机(CL)上生成图像。此时，能够节约应用程序服务器(AS)与客户机(CL)间的网络的传输量。 

<关于应用程序服务器(AS)> 

应用程序服务器(AS)处理以及分析传感数据。接受来自客户机(CL)的委托，或者分析应用程序在设定的时刻自动启动。分析应用程序将委托发送到传感器网络服务器(SS)，取得需要的传感数据或表现数据。另外，分析应用程序分析取得的数据，将分析结果返回给客户机(CL)。或者，可以将分析结果的图像或数值原样记录在应用程序服务器(AS)内的存储部(CLME)中。 

应用程序服务器(AS)具备收发部(ASSR)、存储部(ASME)以及控制部(ASCO)。 

收发部(ASSR)在与传感器网络服务器(SS)以及客户机(CL)之间进行数据的接收以及发送。具体来讲，收发部(ASSR)接收从客户机(CL)发送来的命令，将数据取得委托发送到传感器网络服务器(SS)。另外，收发部(ASSR)从传感器网络服务器(SS)接收传感数据或表现数据，将分析后的结构的图像或数值发送到客户机(CL)。 

存储部(ASME)由硬盘、存储器或SD卡这样的外部存储装置构成。存储部(ASME)存储用于分析的设定条件以及分析的结果或过程中的数据。具体来讲，存储部(ASME)存储分析条件信息(ASMJ)、分析算法(ASMA)、分析参数(ASMP)、特征量表(ASDF)、表现数据表(ASDQ)、影响力系数表(ASDE)、表现相关矩阵(ASCM)以及用户ID对应表(ASUIT)。 

分析条件信息(ASMJ)临时存储用于从客户机(CL)委托的分析的条件或设定。 

分析算法(ASMA)记录进行分析的程序。在本实施例的情况下，记录了冲突计算(ASCP)、特征量提取(ASIF)、影响力系数计算(ASCK)、平衡图 描绘(ASPB)的程序。按照从客户机(CL)委托的分析条件，从分析算法(ASMA)中选择适当的程序，通过该程序执行分析。 

分析参数(ASMP)，例如记录特征量提取(ASIF)中的成为特征量的基准的值、进行分析的数据的采样间隔和期间等参数。在根据客户机(CL)的委托，变更参数时，重写分析参数(ASMP)。 

特征量表(ASDF)是用于把从传感数据提取出的多种特征量的结果的值与使用的数据的时刻或日期信息关联起来存储的表。由文本数据或数据库的表构成。在特征量提取(ASIF)中生成该表，存储在存储部(ASME)中。图24、图27表示特征量表(ASDF)的例子。 

表现数据表(ASDQ)是用于将表现数据与时刻或日期信息关联起来进行存储的表。由文本数据或数据库的表构成。该表是将从传感器网络服务器(SS)获得的各表现数据进行变换为标准化后的Z-score等的下处理后进行存储的表，在冲突计算(ASCP)中使用。用于变换为Z-score的公式使用公式(2)。图18(a)表示表现数据表(ASDQ)的例子。另外，图18(b)表示变换为Z-score前的原来的表现数据表(ASDQ_D)的例子。在原来数据中，例如业务量的值的单位为“件”，值的范围为0～100，在问卷调查回答中，不是单位而是范围1～6，数据系列的分布特性不同。因此，针对各表现数据的每个种类，即针对原数据的表(ASDQ_D)的每个纵列，通过公式(2)将各日期的值变化为Z-score。由此，在标准化后的表(ASDQ)中，将各表现数据的分布统一为平均为0、方差为1。因此，在通过后面的影响力计算(ASCK)进行多重回归分析时，可以比较针对各表现数据的影响力系数的值的大小。 

表现相关矩阵(ASCM)是在冲突计算(ASCP)中，存储表现数据表(ASDQ)内的各表现间的关联度的强度，例如相关系数的表。由文本数据或数据库的表构成，图19表示该例子。在图19中，将关于图18的各列的表现数据的全部组合求出的相关系数后的结果存储在表的对应的元素中。例如，业务量(DQ01)与问卷调查(“心”)回答值(DQ02)的相关系数被存储在表现相关矩阵(ASCM)的元素(CM_01-02)中。 

影响力系数表(ASDE)是存储通过影响力系数计算(ASCK)计算出的各特征量的影响力系数的值的表。由文本数据或数据库的表构成，图20表示 该例子。在影响力系数计算(ASCK)中，通过公式(1)的方法，将各特征量(BM_F01～BM_F09)的值作为说明变量、将表现数据(DQ02或DQ01)作为目的变量代入，求出与各特征量对应的偏回归系数。将该偏回归系数作为影响力系数存储的是影响力系数表(ASDE)。 

用户ID对应表(ASUIT)是终端(TR)的ID与带有该终端的用户(US)的姓名、用户号码、所属组等的对照表。如果有从客户机(CL)的委托，对从传感器网络服务器(SS)接受到的数据的终端ID追加人的姓名。当仅利用适合于某属性的人的数据时，为了将人的姓名变换为终端ID，将数据取得委托发送到传感器网络服务器(SS)，对照用户ID对应表(ASUIT)。图17表示用户ID对应表(ASUIT)的例子。 

控制部(ASCO)具备CPU(省略图示)，执行数据的收发的控制以及数据的分析。具体来讲，CPU(省略图示)通过执行存储在存储部(ASME)中的程序，执行通信控制(ASCC)、分析条件设定(ASIS)、数据取得(ASGD)、冲突计算(ASCP)、特征量提取(ASIF)、影响力系数计算(ASCK)以及平衡图描绘(ASPB)等处理。 

通信控制(ASCC)控制通过有线或无线的与传感器网络服务器(SS)以及客户机(CL)的通信的定时。另外，通信控制(ASCC)适当地变换数据的形式，另外按照数据的种类分配目的地。 

关于分析条件设定(ASIS)，通过客户机(CL)接收用户(US)设定的分析条件，记录到存储部(ASME)的分析条件信息(ASMJ)中。 

关于数据取得(ASGD)，根据分析条件信息(ASMJ)，向传感器网络服务器(SS)委托与用户(US)的活动有关的传感数据和表现数据，接受返回的数据。 

冲突计算(ASCP)，是用于从多个表现数据中找出特别应该消除冲突的表现数据的组合的计算。在此，选择冲突的可能性高的一组表现数据，通过取为平衡图的两轴的方式进行分析。图14表示冲突计算(ASCP)的流程图。将冲突计算(ASCP)结果输出到表现相关矩阵(ASCM)。 

特征量提取(ASIF)是从与用户(US)的活动有关的传感数据或PC日志等数据中提取满足某个基准的图形的数据的计算。例如，以一天为单位，计 数该图形出现的次数，按照每日进行输出。特征量使用多个种类，用户(US)在分析条件设定(CLIS)中设定了将哪个特征量用于分析。用于各个特征量提取(ASIF)的算法使用分析算法(ASMA)。将提取的特征量的值存储在特征量表(ASDF)中。 

影响力系数计算(ASCK)是求出各特征量对两种表现具有的影响力的强度的处理。由此，针对各特征量求出一组的影响力系数的数值。在该计算处理中，使用相关计算或多重回归分析。将影响力系数存储在影响力系数表(ASDE)中。 

平衡图描绘(ASPB)描绘各特征量的影响力系数的值，生成平衡图(BM)的图像，发送到客户机(CL)。或者，也可以计算用于进行描绘的坐标的值，仅将该值和颜色等必须的最小限度的数据发送到客户机(CL)。图15表示平衡图描绘(ASPB)的流程图。 

<图5：全体系统(2)(SS、GW、QC)> 

图5表示传感器网络服务器(SS)、表现输入用客户机(QC)以及基站(GW)的一个实施例的结构。 

<关于服务器(SS)> 

传感器网络服务器(SS)管理从全部的终端(TR)收集的数据。具体来讲，传感器网络服务器(SS)把从基站(GW)发送来的传感数据存储到传感数据库(SSDB)，另外，根据来自应用程序服务器(AS)以及客户机(CL)的请求发送传感数据。另外，传感器网络服务器(SS)把从表现输入用客户机(QC)发送来的表现数据存储到表现数据库(SSDQ)中，另外，根据来自应用程序服务器(AS)以及客户机(CL)的请求发送表现数据。另外，传感器网络服务器(SS)接收来自基站(GW)的控制命令，将根据该控制命令获得的结果返回给基站(GW)。 

传感器网络服务器(SS)具备收发部(SSSR)、存储部(SSME)以及控制部(SSCO)。当时刻同步管理(省略图示)不是在基站(GW)而是在传感器网络服务器(SS)来执行时，传感器网络服务器(SS)也需要计时。 

收发部(SSSR)在基站(GW)、应用程序服务器(AS)、表现输入用客户机(QC)以及客户机(CL)之间进行数据的发送以及接收。具体来讲，收 发部(SSSR)接收从基站(GW)发送来的传感数据和从表现输入用客户机(QC)发送来的表现数据，向应用程序服务器(AS)或客户机(CL)发送传感数据以及表现数据。 

存储部(SSME)由硬盘等数据存储装置构成，至少存储表现数据表(SSDQ)、传感数据库(SSDB)、数据形式信息(SSMF)终端管理表(SSTT)以及终端固件(firmware)(SSTFD)。另外，存储部(SSME)还可以存储由控制部(SSCO)的CPU(省略图示)执行的程序。 

表现数据表(SSDQ)是用于把在表现输入用客户机(QC)中输入的用户(US)的主观评价或与业务数据有关的表现数据与时刻或日期数据关联起来记录的数据库。 

传感数据库(SSDB)是用于记录各终端(TR)取得的传感数据、终端(TR)的信息以及从各终端(TR)发送的传感数据通过的基站(GW)的信息等的数据库。针对加速度、温度等每个数据的元素生成列，管理数据。另外，也可以针对每个数据的元素生成表。无论在哪种情形下，都将全部的数据与取得的终端(TR)的ID即终端信息(TRMT)和取得的与时刻有关的信息关联起来进行管理。图22和图25表示传感数据库(SSDB)中的会面数据表和加速度数据表的具体的例子。 

在数据形式信息(SSMF)中记录用于通信的数据形式、将通过基站(GW)附加的标签的传感数据进行分割记录在数据库中的方法、以及针对数据请求的对应方法等。接收数据后，在发送数据前，参照该数据形式信息(SSMF)进行数据形式的变换和数据的分配。 

终端管理表(SSTT)是记录了哪个终端(TR)当前在哪个基站(GW)的管理下的表。当在基站(GW)的管理下新增加终端(TR)时，更新终端管理表(SSTT)。 

终端固件(SSTFD)存储用于使终端动作的程序，在进行了终端固件登录(TFI)时，更新终端固件(SSTFD)，经由网络(NW)将该程序发送到基站(GW)，并通过个人局域网(PAN)发送到终端(TR)。 

控制部(SSCO)具备CPU(省略图示)，控制传感数据的收发，向数据库的记录、取出。具体来讲，CPU通过执行存储在存储部(SSME)中的程 序，执行通信控制(SSCC)、终端管理信息修正(SSTF)以及数据管理(SSDA)等处理。 

通信控制(SSCC)控制通过有线或无线的与基站(GW)、应用程序服务器(AS)、表现输入用客户机(QC)以及客户机(CL)的通信的定时。另外，通信控制(SSCC)根据记录在存储部(SSME)内的数据形式信息(SSMF)，将收发的数据形式变换为传感器网络服务器(SS)内的数据形式、或针对各通信对象特化后的数据形式。另外，通信控制(SSCC)读取表示数据种类的头部，将数据分配给对应的处理部。具体来讲，将接收到的传感数据或表现数据分配给数据管理(SSDA)、将修正终端管理信息的命令分配给终端管理信息修正(SSTF)。把发送的数据的目的地决定为基站(GW)、应用程序服务器(AS)、表现输入用客户机(QC)或客户机(CL)。 

终端管理信息修正(SSTF)在从基站(GW)接受到修正终端管理信息的命令时，更新终端管理表(SSTT)。 

数据管理(SSDA)管理存储部(SSME)内的数据的修正、取得以及追加。例如，通过数据管理(SSDA)，根据标签信息按照数据的元素类别将传感数据记录到数据库的适当的列中。在从数据库中读出传感数据时，根据时刻信息以及终端信息，选择必要的数据，进行按照时刻顺序排列等处理。 

<关于表现输入用客户机(QC)> 

表现输入用客户机(QC)是用于输入主观评价数据或业务数据等表现数据的输入装置。具备按钮、鼠标等输入装置和显示器、麦克风等输出装置，提示输入格式(QCSS)，输入回答值。或者，可以自动地取得位于网络上的其它PC上的业务数据或操作日志等。表现输入用客户机(QC)可以使用与客户机(CL)、或应用程序服务器(AS)、或传感器网络服务器(SS)相同的个人计算机，也可以使用终端(TR)。另外，可以不让用户(US)直接操作表现输入用客户机(QC)，而由代理人汇总写在纸质的回答用纸上的回答，从表现输入用客户机(QC)输入。 

表现输入用客户机(QC)具备输入输出部(QCIO)、存储部(QCME)、控制部(QCCO)以及收发部(QCSR)。 

输入输出部(QCIO)是成为与用户(US)的接口的部分。输入输出部 (QCIO)具备显示器(QCOD)、键盘(QCIK)以及鼠标(QCIM)等。根据需要，也可以在外部输入输出(QCIU)上连接其它输入输出装置。当将终端(TR)作为表现输入用客户机(QC)使用时，将按钮(BTN1～3)作为输入装置使用。 

显示器(QCOD)是CRT(Cathode-Ray Tube)或液晶显示器等图像显示装置。显示器(CLOD)也可以包含打印机等。另外，在自动取得表现数据时，也可以没有显示器(QCOD)等输出装置。 

存储部(QCME)由硬盘、存储器或SD卡这样的外部记录装置构成。存储部(QCME)记录输入格式(QCSS)的信息。当让用户(US)输入时，在显示器(QCOD)上提示输入格式(QCSS)，从键盘(QCID)等输入装置取得与该提问对应的回答数据。根据需要，也可以接受来自传感器网络服务器(SS)的命令变更输入格式(QCSS)。 

控制部(QCCO)通过表现数据收集(QCDG)，收集从键盘(QCIK)等输入的表现数据，另外，在表现数据提取(QCDC)中，将各数据与回答它的用户(US)的终端ID或姓名关联起来，整理表现数据的形式。收发部(QCSR)将整理后的表现数据发送到传感器网络服务器(SS)。 

<关于基站(GW)> 

基站(GW)具有在终端(TR)和传感器网络服务器(SS)之间中介的功能。考虑无线的到达距离，配置多个基站(GW)，以便覆盖住所、工作场所等区域。 

基站(GW)具备收发部(GWSR)、存储部(GWME)、时钟(GWCK)以及控制部(GWCO)。 

收发部(GWSR)接收来自终端(TR)的无线，进行有线或无线的向基站(GW)的发送。当使用无线时，收发部(GWSR)具备用于接收无线的天线。另外，进行与传感器网络服务器(SS)的通信。 

存储部(GWME)由硬盘、存储器或SD卡这样的外部记录装置构成。在存储部(GWME)中存储动作设定(GWWA)、数据形式信息(GWMF)、终端管理表(GWTT)、基站信息(GWMG)以及终端固件(GWTFD)。动作设定(GWMA)包含表示基站(GW)的动作方法的信息。数据形式信息(GWMF) 包含表示用于通信的数据形式的信息、以及为了对传感数据附加标签所必要的信息。终端管理表(GWTT)包含当前能够联合的管辖下的终端(TR)的终端信息(TRMT)以及为了管理这些终端(TR)而分配的局域ID。基站信息(GWMG)包含基站(GW)自身的地址等信息。终端固件(GWTFD)存储用于使终端动作的程序，当更新终端固件时，从传感器网络服务器(SS)接受新的终端固件，通过个人局域网(PAN)将该新的终端固件发送到终端(TR)。 

在存储部(GWME)中还可以存储通过控制部(GWCO)的CPU(省略图示)执行的程序。 

时钟(GWCK)保持时刻信息。按一定间隔更新该时刻信息。具体来讲，根据按一定间隔从NTP(Network Time Protocol)服务器(TS)取得的时刻信息，修正时钟(GWCK)的时刻信息。 

控制部(GWCO)具备CPU(省略图示)。通过CPU执行在存储部(GWME)中存储的程序，管理从终端(TR)接收的传感数据的定时、传感数据的处理、向终端(TR)或传感器网络服务器(SS)进行收发的定时以及时刻同步的定时。具体来讲，通过CPU执行存储在存储部(GWME)中的程序执行无线通信控制、通信控制(GWCC)、联合(GWTA)、时刻同步管理(GWCD)以及时刻同步(GWCS)等处理。 

通信控制部(GWCC)控制通过无线或有线的与终端(TR)以及传感器网络服务器(SS)的通信的定时。另外，通信控制部(GWCC)区别接收到的数据的种类。具体来讲，通信控制部(GWCC)根据数据的头部识别接收到的数据是一般的传感数据、还是用于联合的数据、或是时刻同步的响应等，将这些数据分别交给适当的功能。 

联合(GWTA)针对从终端(TR)发送来的联合请求(TRTAQ)，进行将分配的局域ID发送到各终端(TR)的联合响应(TRTAR)。当联合成立时，联合(GWTA)进行修正终端管理表(GWTT)的终端管理信息修正(GWTF)。 

时刻同步管理(GWCD)控制执行时刻同步的间隔以及定时，发出命令进行时刻同步。或者，也可以通过传感器网络服务器(SS)的控制部(SSCO)执行时刻同步管理(省略图示)，从传感器网络服务器(SS)汇总地将命令发送到系统内的所有基站(GW)。 

时刻同步(GWCS)与网络上的NTP服务器(TS)连接，进行时刻信息的委托以及取得。关于时刻同步(GWCS)，根据所取得的时刻信息，修正时钟(GWCK)。然后，时刻同步(GWCS)将时刻同步命令和时刻信息(GWCSD)发送到终端(TR)。 

<图6：全体系统(3)(TR)> 

图6表示作为传感器节点的一个实施例的终端(TR)的结构。在此，假设将终端(TR)做成姓名卡的形状，佩戴在人的脖子上，但是这只是一个例子，也可以为其它形状。在大多数情况下，在该一系列的系统中存在多个终端(TR)，属于组织的人各自将终端带在身上。终端(TR)装配有用于检测人的会面状况的多个红外线收发部(AB)、用于检测佩戴者的动作的三轴加速度传感器(AC)、用于检测佩戴者的发话和周围的声音的麦克风(AD)、用于检测终端的里外的照度传感器(LS1F、LS1B)、以及温度传感器(AE)等各种传感器。作为装配的传感器的一个例子，为了检测佩戴者的会面状况和动作也可以使用其它传感器。 

在本实施例中，装配四组红外线收发部。红外线收发部(AB)朝向正面方向定期地持续发送终端(TR)的固有识别信息即终端信息(TRMT)。当佩戴其它终端(TR)的人位于大致正面(例如正面或斜正面)时，终端(TR)与其它终端(TR)相互间通过红外线交换各自的终端信息(TRMT)。因此，能够记录谁与谁会面。 

各红外线收发部一般由用于红外线发送的红外发光二极管和红外线光电晶体管的组合构成。红外线ID发送部(IrID)生成作为自身ID的终端信息(TRMT)，传送给红外线收发模块的红外线二极管。在本实施例中，通过对多个红外线收发模块发送相同数据，使所有的红外线发光二极管同时点亮。当然，也可以分别在单独的定时，输出其它数据。 

另外，通过逻辑或电路(IROR)取得通过红外线收发部(AB)的红外线光电晶体管接收的数据的逻辑或。即，如果至少某一个红外线受光部进行了ID受光，被终端识别为ID。当然，也可以独立地具备多个ID的接收电路。此时，能够针对各个红外线收发模块掌握收发状态，因此，例如，还可以获得会面的其它终端处于哪个方向等附加的信息。 

通过传感数据存储控制部(SDCNT)将传感器检测出的传感数据(SENSD)存储在存储部(STRG)中。通过通信控制部(TRCC)将传感数据(SENSD)加工为发送数据包，通过收发部(TRSR)发送给基站(GW)。 

此时，从存储部(STRG)中取出传感数据(SENSD)，决定通过无线或有线的发送的定时是通信定时控制部(TRTMG)。通信定时控制部(TRTMG)具有决定多个定时的多个时基。 

在存储部中存储的数据中除了当前通过传感器检测出的传感数据(SENSD)之外，还有过去蓄积的汇总发送数据(CMBD)、用于更新作为终端的动作程序的固件的固件更新数据(FMUD)。 

本实施例的终端(TR)通过外部电源连接检测电路(PDET)检测连接了外部电源(EPOW)，生成外部电源检测信号(PDETS)。根据外部电源检测信号(PDETS)，切换定时控制部(TRTMG)生成的发送定时的时基切换部(TMGSEL)、或切换无线通信的数据的数据切换部(TRDSEL)是本终端(TR)特有的结构。在图6中，作为一个例子图示了时基切换部(TMGSEL)根据外部电源检测信号(PDETS)切换发送定时为时基1(TB1)和时基2(TB2)两个时基的结构，另外，图示了数据切换部(TRDSEL)根据外部电源检测信号(PDETS)切换通信的数据为从传感器获得的传感数据(SENSD)、过去积蓄的汇总发送数据(CMBD)以及固件更新数据(FIRMU)。 

照度传感器(LS1F、LS1B)分别装配在终端(NN)的前面和背面。通过传感数据存储控制部(SDCNT)把照度传感器(LS1F、LS1B)取得的数据存储在存储部(STRG)中，同时通过翻转检测部(FBDET)进行比较。当正确带有姓名卡时，在前面装配的照度传感器(LS1F)接受外来光，装配在背面的照度传感器(LS1B)成为被夹在终端本体和佩戴者之间的位置关系，因此不接受外来光。此时，与照度传感器(LS1B)检测的照度相比，照度传感器(LS1F)检测的照度取得大的值。另一方面，当终端(TR)翻转时，照度传感器(LS1B)接受外来光，照度传感器(LS1F)朝着佩戴者一侧，因此，与照度传感器(LS1F)检测出的照度相比，通过照度传感器(LS1B)检测出的照度变大。 

在此，通过使用翻转检测部(FBDET)来比较照度传感器(LS1F)检测 出的照度和通过照度传感器(LS1B)检测出的照度，由此能够检测姓名卡节点翻转，没有正确佩戴。当通过翻转检测部(FBDET)检测出翻转时，通过扬声器(SP)产生警告音，通知佩戴者。 

麦克风(AD)取得声音信息。根据声音信息，能够获知“吵吵闹闹”还是“安静”等的周围环境。并且，通过取得、分析人的声音，能够分析交流活跃还是停滞、相互间对等地对话还是仅有一方在讲话，是发怒还是欢笑等会面交流。并且，还可以通过声音信息以及加速度信息来补偿因人的站立位置关系，红外线收发器(AB)无法检测的会面状态。 

关于麦克风(AD)取得的声音，取得声音波形以及通过积分电路(AVG)对其进行积分后的信号的两方。积分后的信号表示取得的声音的能量。 

三轴加速度传感器(AC)检测节点的加速度即节点的运动。因此，根据加速度数据能够分析带有终端(TR)的人的运动的剧烈程度或、步行等行动。并且，通过比较多个终端检测出的加速度的值，能够分析带有这些终端的人之间的交流的活度或相互的节奏、相互的相关等。 

在本实施例的终端(TR)中，通过传感数据存储控制部(SDCNT)将通过三轴加速度传感器(AC)取得的数据存储在存储部(STRG)中，同时通过上下检测电路(UDDET)检测姓名卡的朝向。这是因为通过三轴加速度传感器(AC)检测的加速度，使用观测由于佩戴者的运动引起的动态加速度变化和地球的重力加速度引起的静态加速度这两种。 

显示装置(LCDD)在胸部带有终端(TR)时，显示佩戴者的所属、姓名等个人信息。即，作为姓名卡来工作。另一方面，当佩戴者手持终端(TR)，使显示器朝着自己时，终端(TR)的上下颠倒。此时，根据上下检测电路(UDDET)生成的上下检测信号(UDDET)，切换在显示装置(LCDD)上显示的内容和按钮的功能。在本实施例中表示如下的例子：根据上下检测信号(UDDET)的值，把在显示装置(LCDD)上显示的信息切换为通过显示控制(DISP)生成的红外线活动分析(ANA)的分析结果和姓名卡显示(DNM)。 

通过红外线收发器(AB)在节点间收发红外线，检测终端(TR)是否与其它终端(TR)会面，即，安带有终端(TR)的人是否与带有其它终端(TR)的人会面。因此，希望将终端(TR)带在人的正面部。如上所述，终端(TR) 还具备三轴加速度传感器(AC)等传感器。终端(TR)中的传感的处理过程相当于图7中的传感(TRSS1)。 

当存在多个终端时，将各个终端与较近的基站(GW)关联起来，形成个人局域网(PAN)。 

终端(TR)的温度传感器(AB)取得终端所在场所的温度，照度传感器(LS1F)取得终端(TR)的正面方向等的照度。由此，能够记录周围的环境。例如，也可以根据温度以及照度获知终端(TR)从某个场所移动到了其它场所。 

作为与佩戴的人对应的输入输出装置具备按钮1～3(BTN1～3)、显示装置(LCDD)、扬声器(SP)等。 

具体地说，存储部(STRG)由硬盘、闪速存储器等非易失性存储器构成，记录终端(TR)的固有识别号码即终端信息(TRMT)、传感的间隔、以及向显示器的输出内容等动作设定(TRMA)。此外，存储部(STRG)也能够临时记录数据，用于记录传感到的数据。 

通信定时控制部(TRTMG)是保持时刻信息(GWCSO)、并且按照一定间隔更新该时刻信息(GWCSO)的时钟。时间信息为了防止时刻信息(GWCSO)与其它终端(TR)终端(TR)偏离，根据从基站(GW)发送的时刻信息(GWCSO)定期地修正时刻。 

传感数据存储控制部(SDCNT)根据记录在存储部(STRG)中的动作设定(TRMA)，控制各传感器的传感间隔，管理取得的数据。 

时刻同步从基站(GW)取得时刻信息，修正时钟。可以在后述的联合之后执行时刻同步，也可以按照从基站(GW)发送的时刻同步命令来执行时刻同步。 

通信控制部(TRCC)在收发数据时，进行发送间隔的控制以及向与无线收发对应的数据格式的变换。如果有必要，通信控制部(TRCC)也可以具有不通过无线而是通过有线的通信功能。通信控制部(TRCC)有时进行拥挤控制，以使发送定时不与其它终端(TR)重叠。 

关于联合(TRTA)，收发用于形成图5所示的基站(GW)和个人局域网(PAN)的联合请求(TRTAQ)和联合响应(TRTAR)，决定应该发送数据的 基站(GW)。在接通终端(TR)的电源时，以及作为终端(TR)移动的结果导致至此为止与基站(GW)的收发被切断时，执行联合(TRTA)。作为联合(TRTA)的结果，将终端(TR)与来自该终端(TR)的无线信号到达的近处范围内存在的一个基站(GW)关联起来。 

收发部(TRSR)具备天线，进行无线信号的发送以及接收。如有必要，收发部(TRSR)也可以使用用于有线通信的连接器进行收发。在与基站(GW)之间，经由个人局域网(PAN)传送通过收发部(TRSR)收发的数据(TRSRD)。 

<图7、图28、图29：数据存储的顺序和问卷调查文字例> 

图7是在本发明的实施方式中执行的、表示存储传感数据和表现数据这两种数据的步骤的顺序图。 

首先，在接通终端(TR)的电源，并且终端(TR)与基站(GW)成为联合状态时，终端(TR)进行联合(TRTA1)。所谓联合是规定与某一个基站(GW)进行通信的关系。通过联合决定数据的发送目的地，由此，终端(TR)能够确实地发送数据。 

当从基站(GW)接受联合响应，联合成功时，终端(TR)接着进行时刻同步(TRCS)。在时刻同步(TRCS)中，终端(TR)从基站(GW)接受时刻信息，设定终端(TR)内的时钟(TRCK)。基站(GW)与NTP服务器(TS)定期地连接，修正时刻。因此，在所有的终端(TR)中使时刻同步。由此，在之后进行分析时，通过对照在传感数据中附带的时刻信息，能够分析人之间的同时刻的交流中的相互的身体表现或声音信息的交换。 

终端(TR)的三轴加速度传感器(AC)、温度传感器(AE)等各种传感器，例如，按每10秒的一定周期计时器启动，传感加速度、声音、温度以及照度等(TRSS1)。终端(TR)通过红外线在与其它终端(TR)之间收发作为终端信息(TRMT)之一的终端ID，检测会面状态。终端(TR)的各传感器可以不进行计时器启动(TRST)，而始终进行传感。但是，通过按一定周期启动，能够高效地使用电源，能够不充电地长时间连续使用终端(TR)。 

终端(TR)对传感的数据附加时钟(TRCK)的时刻信息以及终端信息(TRMT)(TRCT1)。根据终端信息(TRMT)识别带有终端(TR)的人。 

在数据形式变换(TRDF1)中，终端(TR)对传感数据赋予传感的条件 等标签信息，变换为决定的无线发送格式。该格式是共同保管基站(GW)内的数据形式信息、传感器网络服务器(SS)内的数据形式信息(SSMF)的格式。然后，将变换的数据发送到基站(GW)。 

在发送加速度数据以及声音数据等连续的大量的数据时，终端(TR)通过数据分割(TRBD1)限制一次发送的数据量。结果，降低了发送过程中数据缺失的风险。 

数据发送(TRSE1)按照无线的发送规格，通过收发部(TRSR)将数据发送到联合目标的基站(GW)。 

当基站(GW)当从终端(TR)接收到数据(GWRE)时，将接收完成响应返回给终端(TR)。接收到响应的终端(TR)判定为发送完成(TRSO)。 

经过一定时间还未完成发送(TRSO)(即终端(TR)未接收到响应)时，终端(TR)判定数据发送失败。此时，将数据存储在终端(TR)内，当再次建立了发送状态时，汇总发送。由此，当带有终端(TR)的人移动到无线无法到达的场所时，或由于基站(GW)不良导致无法接收数据时，也能够不中断地取得数据。由此，能够根据充分数量的数据分析组织的性质。将该发送失败的数据保管在终端(TR)中，把再次发送的结构称为汇总发送。 

说明该数据的汇总发送的步骤。终端(TR)存储无法发送的数据(TRDM)，在一定时间之后，再次进行联合委托(TRTA2)。 

在此，当从基站(GW)得到联合响应，联合成功(TRAS)时，终端(TR)执行数据形式变换(TRDF2)、数据分割(TRBD2)以及数据发送(TRSE2)。这些处理分别与数据形式变换(TRDF1)、数据分割(TRBD1)以及数据发送(TRSE1)相同。另外，在数据发送(TRSE2)时，进行拥挤控制以使无线不冲突。然后，返回到通常的处理。 

当联合未成功(TRAS)时，终端(TR)定期地执行传感(TRSS2)和终端信息、时刻信息附加(TRCT2)直到联合成功为止。传感(TRSS2)以及终端信息、时刻信息附加(TRCT2)分别是与传感(TRSS1)以及终端信息、时刻信息附加(TRCT1)相同的处理。把通过这些处理取得的数据存储在终端(TR)内，直到与基站(GW)的联合成功(TRAS)为止。在联合成功后或在无线通信范围内充电时等具备能够与基站(GW)安定地进行收发的环境时， 将存储在终端(TR)内的传感数据汇总发送给基站(GW)。 

另外，通过基站(GW)接收(GWRE)从终端(TR)发送的传感数据。基站(GW)根据在传感数据中附带的分割帧号码，判定接收到的数据是否已被分割。当数据已被分割时，基站(GW)执行数据耦合(GWRC)，将分割后的数据耦合为连续的数据。另外，基站(GW)对传感数据赋予(GWGT)作为基站固有号码的基站信息(GWMG)，经由网络(NW)将该数据向传感器网络服务器(SS)发送(GWSE)。能够在进行数据分析时将基站信息(GWMG)作为表示该时刻的终端(TR)的大致的位置信息来使用。 

传感器网络服务器(SS)在从基站(GW)接收到数据时(SSRE)，在数据管理(SSDA)中，将接收到的数据按照时刻、终端信息、加速度、红外线、温度等每个元素进行分类(SSPB)。通过参照作为数据形式信息(SSMF)记录的格式来执行该分类。将分类后的数据存储在传感数据库(SSDB)的记录(行)的适当的列中(SSKI)。通过将与相同时刻对应的数据存储在相同的记录中，能够根据时刻以及终端信息(TRMT)进行检索。此时，如果有必要，则也可以针对每个终端信息(TRMT)生成表。 

接着，从表现数据的输入来对存储的顺序进行说明。用户(US)操作表现输入用客户机(QC)，启动用于问卷调查的输入的应用程序(USST)。表现输入用客户机(QC)读入输入(QCIN)格式(QCSS)，将其提问显示在显示器等上(QCDI)。在图28中表示输入格式(QCSS)，即问卷调查的提问的例子。用户(US)针对问卷调查提问在适当的位置输入回答(USIN)，回答结果被读入到表现输入用客户机(QC)。 

在图28的例子中，表示如下情形的例子：通过邮件从表现输入用客户机(QC)把输入格式(QCSS01)发送到各用户(US)的PC，用户将回答(QCSS02)记入在其中，针对输入格式(QCSS)回信。更具体地，在图28中，问卷调查的提问是分别对与业务有关的主观评价(1)五个成长(“体”的成长、“心”的成长、“行”的成长、“知”的成长、“人”的成长)(2)充实度(能力发挥、难易度)进行六个阶段评价，表示了作为五个成长用户评价为“体”4、“心”6、“行”5、“知”2.5、“人”3、“能力发挥度”5.5、“难易度”3的情形。另外，图29是将终端(TR)作为表现输入用客户机(QC)使用时的终端画面 的例子。此时，对在显示装置(LCDD)中显示的提问，通过操作按钮1～3(BTN1～BTN3)输入回答。 

表现输入用客户机(QC)从输入的回答中提取必要的回答结果作为表现数据(QCDC)，将表现数据发送到传感器网络服务器(QCSE)。传感器网络服务器(SS)接收表现数据(SSQR)、分配并存储(SSQI)到存储部(SSME)内的表现数据表(SSDQ)的适当的场所。 

<图8：数据分析的顺序图> 

图8表示数据分析，即到使用传感数据和表现数据描绘平衡图为止的顺序。 

应用程序启动(USST)是通过用户(US)进行的客户机(CL)内的平衡图显示应用程序的启动。 

在分析条件设定(CLIS)中，客户机(CL)使用户(US)设定图的提示所需要的信息。显示在客户机(CL)内存储的设定用窗口的信息、或者从应用程序服务器(AS)接受并显示设定用窗口的信息，通过用户(US)的输入，取得成为显示的对象的数据的时刻以及终端信息、显示方法的条件设定等。图12表示分析条件设定窗口(CLISWD)的例子。在此，将设定的条件作为分析设定信息(CLMT)存储在存储部(CLME)中。 

在数据委托(CLSQ)中，客户机(CL)根据分析条件设定(CLIS)指定成为对象的数据的期间或成员，对应用程序服务器(AS)进行数据或图像的委托。在存储部(CLME)中存储检索对象的应用程序服务器(AS)的名称或地址等为了取得传感数据所需要的信息。客户机(CL)生成数据的委托命令，并变换为应用程序服务器(AS)用的发送格式。将被变换为发送格式的命令经由发送接收部(CLSR)发送到应用程序服务器(AS)。 

应用程序服务器(AS)接收来自客户机(CL)的委托，在应用程序服务器(AS)内设定分析条件(ASIS)，将条件记录在存储部的分析条件信息(ASMJ)中。另外，对传感器网络服务器(SS)发送应该取得的数据的时刻的范围以及作为数据取得对象的终端的固有ID，委托传感数据(ASRQ)。在存储部(ASME)中记载有检索对象的传感器网络服务器(SS)的名称、地址、数据库名以及表名等为了取得数据信号所需的必要信息。 

传感器网络服务器(SS)根据从应用程序服务器(AS)接受的委托，生成检索命令，在传感数据库(SSDB)内检索，取得需要的传感数据。然后，将传感数据发送到应用程序服务器(AS)(SSSE)。应用程序服务器(AS)接收该数据(ASRE)，暂时存储在存储部(ASME)中。该从数据委托(ASRQ)到数据接收(ASRE)的流程相当于图13的流程图中的传感数据数据取得(ASGS)。 

另外，与传感数据的取得一样，还进行表现数据的取得。从应用程序服务器(AS)对传感器网络服务器(SS)进行表现数据的委托(ASRQ2)，传感器网络服务器(SS)检索存储部(SSME)内的表现数据表(SSDQ)(SSDS2)，取得需要的表现数据。然后，发送表现数据(SSSE2)，应用程序服务器(AS)接收表现数据(ASRE2)。该从数据委托(ASRQ2)到数据接收(ASRE2)的流程相当于图13的流程图中的表现数据取得(ASGQ)。 

接着，在应用程序服务器(AS)中，按顺序进行冲突计算(ASCP)、特征量提取(ASIF)、影响力系数计算(ASCK)、以及平衡图描绘(ASPB)的处理。进行这些处理的程序被存储在存储部(ASME)中，通过控制部(ASCO)执行，生成图像。 

发送生成的图像(ASSE)、接收图像(CLRE)的客户机(CL)将图像显示在其输出装置，例如显示器(CLOD)上(CLDP)。 

最后，通过应用程序结束(USEN)、用户(US)结束应用程序。 

<图10：特征量一栏的例子> 

图10是整理了用于平衡图的特征量(BM_F)的组合和各计算方法(CF_BM_F)、对应的行动的例子(CM_BM_F)后的表的例子(RS_BMF)。在本发明中，从传感数据等中提取这样的特征量(BM_F)，针对两种表现根据各特征量具有的影响力系数生成平衡图，为了提高表现发现高效的特征量。如该一览(RS_BMF)那样，为了容易理解计算方法(CF_BM_F)和对应的行动的例子进行整理，由此关注某特征量，获得用于确立对策的方针。例如，如果确立增加“(3)会面(短)”(BM_F03)这样的特征量的对策，则能够想到实施改变桌子的布局的对策使指示或报告、协商增加。关于与各特征量对应的行动的例子(CM_BM_F)，另外概括了把传感数据和视频观察的结果进行 对照后的结果。 

在图2中阐述图10的特征量例子的一览(RS_BMF)表示的各特征量(BM_F_01～BM_F_02)的计算方法。 

<图11：特征量和改善对策的对应表的例子> 

另外，图11是收集整理与各特征量对应的对策的例子的组织改善对策例一览(IM_BMF)的例子。通过按照图10的对应的行动的例子(CM_BM_F)将确立的对策的例子如此整理为技能，能够使对策确立更加顺利。在组织改善对策例一览(IM_BMF)中，具有用于增加特征量的对策例(KA_BM_F)和用于减少特征量的对策例(KB_BM_F)的项目。这在与平衡图(BM)的结果联动确立对策例时，是有用的。在图2的平衡图(BM)中，在关注的特征量在第一象限的平衡区域(BM1)中时，通过增加该特征量能够同时提高两种表现，因此，从“用于增加特征量的对策例”(KA_BM_F)的项目中选择适当的对策。另外，当关注的特征量在第三象限的平衡区域(BM3)中时，通过减少该特征量能够同时提高两种表现，因此，从“用于减少特征量的对策例”(KB_BM_F)的项目中选择适当的对策。当在第二象限(BM2)或第四象限(BM4)的不平衡区域中时，在该特征量对应的行动中包含使两个表现冲突的主要原因，因此，返回到图10的对应的行动的例子(CM_BM_F)，确定产生冲突的行动，确立对策以便不发生冲突。 

图16的流程图表示关于这些组织改善对策确立的一系列的流程。<图12：分析条件设定窗口的样本> 

图12是在客户机(CL)中的分析条件设定(CLIS)中，为了使用户(US)设定条件而显示的分析条件设定窗口(CLISWD)的例子。 

在分析条件设定窗口(CLISWD)中，进行用于显示的数据的期间，即分析对象期间设定(CLISPT)、分析数据的采样周期设定(CLISPD)、成为显示的对象的成员的设定(CLISPM)、显示尺寸的设定(CLISPS)，并且进行与宴席条件有关的设定(CLISPD)。 

分析对象期间设定(CLISPT)在文本框(PT01～03、PT11～13)设定日期，为了使该范围内的数据成为计算的对象，指定通过终端(TR)取得传感数据的时刻和表现数据表示的日期时间(或时刻)。如果有必要也可以追加设定时 刻范围的文本框。 

在分析数据采样周期设定(CLISPD)中，在从文本框(PD01)和下拉列表(PD02)分析数据时，设定采样周期。这是指定整齐几个在多种传感数据或表现数据中取得各数据的采样周期不同的周期。基本上，在用于分析的数据中，与采样周期最长的周期一致即可。关于整齐多种数据的采样周期的方法，使用与本发明的第二实施方式相同的方法。 

在分析对象成员设定(CLISPM)的窗口中，反映从应用程序服务器(AS)的用户ID对应表(ASUIT)读入的用户名，另外，如果有必要还反映终端ID。关于使用该窗口设定的人，选中或者不选中复选框(PM01～PM09)，由此，设定使用哪个成员的数据进行分析。不直接指定每个成员，可以根据既定的组单位、年龄等条件，汇总显示成员来进行指定。 

在显示尺寸设定(CLISPS)中，在文本框(PS01、PS02)中输入并指定显示生成的图像的尺寸。在本实施方式中，以在画面中显示的图像为长方形为前提，但是也可以为其它形状。将图像的纵向长度输入到文本框(PS01)中，横向长度输入到文本框(PS02)中。作为输入的数值的单位，指定像素或厘米等任何长度的单位。 

在分析条件设定(CLISPD)中，选择在分析时使用的表现的候补或特征量。分别通过选中复选框(PD01～PD05、PD11～PD15)来选择。 

当所有的输入全部结束时，最后用户(US)按压显示开始按钮(CLISST)。由此，决定这些分析设定条件，并将分析条件记录在分析设定信息(CLMT)中，另外，发送到应用程序服务器(AS)。 

<图13：全体的处理的流程图> 

图13是表示在本发明的第一实施方式中，从应用程序启动到对用户(US)提供显示画面为止的大致处理的流程图。 

开始(ASST)后，进行分析条件设定(ASIS)，接着，分别并行地进行取得传感数据(ASGS)从数据中提取特征量(ASIF)、取得表现数据(ASGQ)根据数据计算冲突(ASCP)。特征量提取(ASIF)是在加速度数据、会面数据、声音数据等传感数据中对具有某种特定的图形的部分的出现次数进行计数的处理。另外，在冲突计算(ASCP)中决定用于平衡图(BM)的表现数据的 组合。 

在此，按时刻聚齐获得的特征量和表现数据，生成整合数据表(ASTK)(ASAD)。关于根据特征量提取(ASIF)生成整合数据表的方法，可以使用实施例2的方法。然后，接着，使用整合数据表(ASTK)，进行影响力系数计算(ASCK)。在影响力系数计算(ASCK)中，求出相关系数或偏回归系数，用作影响力系数。当使用相关系数时，针对各特征量和各表现数据的所有组合求出相关系数。此时，影响力系数能够表示特征量和表现数据的一对一的关系。另外，当使用偏回归系数时，进行将全特征量作为说明参数、将一个表现数据作为目的参数的多重回归分析。此时，偏回归系数能够表示各个对应的特征量与其它特征量相比，对表现数据产生较强的影响的相对的强度。另外，多重回归分析是通过以下的多重回归公式(1)表示一个目的变量和多个说明变量的关系的方法。由此求出的偏回归系数(a1、…、ap)表示对应的特征量(x1、…、xp)对表现数据y的影响力。 

y＝a₁x₁+a₂x₂+…+a_px_p+a₀              (1) 

其中，y：目的变量；x₁、x₂、…、x_p：说明变量；p：说明变量的个数；a₁、a₂、…、a_p：偏回归系数；a₀：常数项。 

此时，可以使用分段(stepwise)法等选择有用的特征量，用于平衡图。 

接着，将求出的影响力系数描绘在x轴和Y轴上，描绘平衡图(BM)(ASPB)，最后，将该平衡图(BM)显示在客户机(CL)的画面上(CLDP)，并结束(ASEN)。 

<图14：冲突计算的流程图> 

图14是表示冲突计算(ASCP)的处理的流程的流程图。在冲突计算(ASCP)中，在开始(CPST)后，首先读入图18那样的表现数据表(ASDQ)(CP01)，从中选择一组(CP02)、求出该组的相关系数(CP03)，输入到图19的表现相关矩阵(ASCM)中。重复这些处理直到完成对所有表现组合的处理(CO04)，最选择相关系数为负、并且其绝对值最大的表现的组(CP05)，并结束(CPEN)。例如，在图19的表现相关矩阵(ASCM)中，相关系数为-0.86的值的元素(CM_01-02)为负，绝对值最大，因此，选择业务量(DQ01) 和问卷调查“心”回答值(DQ02)的表现数据的组合。 

如此，通过选择负的相关强的表现的组，难以兼顾，即，能够发现容易产生冲突的表现的组合。在这之后的平衡图描绘(ASPB)中，取这两个表现为轴，进行用于兼顾它们的分析，有助于改善组织。 

<图15：平衡图描绘的流程图> 

图15是表示平衡图描绘(ASPB)的处理的流程的流程图。 

在开始(PBST)后，描绘平衡图的轴和框(PB01)，读入影响力系数表(ASDE)的值(PB02)。接着，选择一个特征量(PB03)。特征量对于两种表现，分别具有影响力系数。取其中一方的影响力系数为X坐标，取另一方的影响力系数为Y坐标，秒描绘值(PB04)。重复进行上述步骤直到画完所有的特征量(PB05)，结束(PBEN)。 

这样，通过取影响力系数为两轴进行显示，将各特征量与其它特征量进行比较，通过观察数据比较容易获知具有怎样的性质。由此，可知特别是位于远离原点的坐标的特征量对两个表现两方具有较强的影响力。即，通过实施关注该特征量的对策，可以预测改善业务的可能性高。另外，可知相互较近的特征量性质类似。此时，可以说无论确立关注哪个特征量的对策，都能够获得类似的结果，因此，具有对策的选择项增多的优点。 

<图16：组织改善对策确立的流程图> 

图16是表示到运用平衡图(BM)的描绘结果，确立改善组织的对策为止的过程的流程的流程图。但是，这是分析者进行的顺序，不是在计算机等中自动进行处理的步骤，因此不包含在图4的全体系统图或图13的流程图中。 

首先，开始(SAST)后，在平衡图中，选择与原点的距离最远的特征量(SA01)。这表示距离越远对表现具有的影响力越强的特征量，在实施关注该特征量的改善对策时，能够获得大的效果。另外，在两个表现中，特别是在想要消除冲突这样的目的时，可以在不平衡区域(第一象限和第三象限)中的特征量中，选择位于离原点最远的特征量。 

在选择了特征量后，接着关注该特征量位于的区域(SA02)。在该区域为不平衡区域时，另外通过其它方法分析特征量出现的情形(SA11)，确定特征量产生不平衡的主要原因(SA12)。对此，例如，通过比较在视频拍摄中赋予 了时刻的动画等和特征量数据，能够确定对象组织或人在进行了怎样的行动时产生了两个表现的冲突。 

举一个易于理解的例子，作为某个特征量X，假设加速度节奏的上下变动较大，即运动或停止频繁地切换这样的运动，根据平衡图的结果可以获得作业效率提高疲劳感增加。将该特征量X出现的时刻用条形图等表示，与视频数据进行比较。结果，可知工作人员担负多种工作，在并行地进行时，出现特征量X，特别是为了交替地重复直立行走和坐下，加速度节奏容易上下变动。在该种情形下，为了提高作业效率，需要并行进行业务，但是，可以说与此相伴的身体的运动变化增加了疲劳感。因此，作为组织改善对策可以列举保持站立地进行的业务、坐着进行的业务、在会议室进行的业务、从在自己的位置进行的业务等观点来安排日程，使行动或场所类似的业务连续，减少加速度节奏的变化。 

另一方面，在步骤(SA02)中，当特征量位于平衡区域时，并且将其分类为第一象限或是第三象限(SA03)。当为第一象限时，可以说该特征量对两个表现具有正的影响力，因此能够通过增加特征量，提高两表现。因此，从图11那样的组织改善对策例一览(IM_BMF)的“用于增加的对策例(KA_BM_F)”中选择适用于组织的对策(SA31)。或者，也可以参照它，确立新的对策。在步骤(SA03)中，当为第三象限时，该特征量对两个表现具有负的影响力，能够通过减少特征量提高两个表现。因此，从组织改善对策例一览(IM_BMF)的“用于减少的对策例(KB_BM_F)”中选择适用于组织的对策(SA21)。或者也可以参照它，确立新的对策。 

如以上那样，决定应该实施的组织改善对策(SA04)，并结束(SAEN)。当然，之后希望实施所决定的对策，再次对工作人员的活动进行传感，确认与各特征量对应的行动是否如期望那样进行变化。 

这样，通过按照关注的特征量、平衡图(BM)上的区域、对策列表这样的顺序进行决定，能够顺利地确立适当的组织改善对策。当然，也可以确立列表以外的对策，但是通过参考平衡图(BM)的分析结果，能够坚定管理组织抱有的课题和目的。 

<图17：用户ID对应表(ASUIT)> 

图17是在应用程序服务器(AS)的存储部(ASME)内保管的用户ID对应表(ASUIT)的形式的例子。在用户ID对应表(ASUIT)中相互关联地记录了用户号码(ASUIT1)、用户名(ASUIT2)、终端ID(ASUIT3)以及组(ASUIT4)。用户号码(ASUIT1)用于规定会面矩阵(ASMM)、分析条件设定窗口(CLISWD)中的用户(US)的排列顺序。另外，用户名(ASUIT2)是属于组织的用户的姓名，例如显示在分析条件设定窗口(CLISWD)等中。终端ID(ASUIT3)是表示用户(US)所有的终端(TR)的终端信息。由此，能够把从特定的终端(TR)获得的传感数据捕捉为表示该用户(US)的行动的信息来进行分析。组(ASUIT4)是用户(US)所属的组，表示进行共同业务的单位。组(ASUIT4)是如果不需要可以不要的项目，但是如实施例4那样，在区别与组内外的人的交流时是需要的。另外，也可以追加年龄等其它属性信息的项目。在组织的成员结构或所属组等中发生了变更时，通过改写用户ID对应表(ASUIT)，反映在分析结果中。另外，作为个人信息的用户名(ASUIT2)也可以不放置在应用程序服务器(AS)内，而是另外将用户名(ASUIT2)和终端ID(ASUIT3)的对应表放置在客户机(CL)中，设定分析对象的成员，可以只把终端ID(ASUIT3)和用户号码(ASUIT1)发送到应用程序服务器(AS)。由此，应用程序服务器(AS)不用处理个人信息，因此，当应用程序服务器(AS)管理者和客户机(CL)的管理者不同时，能够避免个人信息的管理手续的繁琐性。 

这样，对可能产生冲突的两种表现数据，使用从传感器数据获得的共同的特征量求出影响力系数，由此消除业务中的多个表现的冲突，并且有助于获得用于提高改善对策的方针。换言之，通过定量的分析能够提高获得来实现业务整体最佳的效果。 

实施例2 

参照附图对本发明的第二实施方式进行说明。 

本发明的第二实施方式以不同的采样周期取得表现数据和传感数据，在包含缺陷的不完全的情况下，将这些数据的采样周期和期间统一。由此，进行用于平衡更好地改善两种表现的平衡图的描绘。 

<图21～图27：描绘的流程图> 

图21是在本发明的第二实施方式中，表示从应用程序启动到将显示画面提供给用户(US)为止的处理的流程的流程图。大致的流程与本发明的第一实施方式的流程图(图13)相同，但是详细说明特征量提取(ASIF)和冲突计算(ASCP)、整合数据表生成(ASAD)中的采样周期和期间的统一方法。关于系统图和序列图，使用与第一实施方式相同的图。 

在特征量提取(ASIF)中，关于作为未处理数据的传感数据，每个种类采样周期不同。例如，加速度数据为0.02秒、会面数据为10秒、声音数据为了0.125毫秒，存在偏差。这是因为与想要从各传感器获得的信息的性质相符地决定采样周期。关于有无人之间的会面，只要以秒为单位进行判别就足够，但是在想要获得与声音的频率有关的信息时，需要以毫秒为单位的传感。特别是基于加速度的运动节奏或基于声音的周围环境的判别，反映组织或行动的特性的可能性较高，因此较短地设定终端(TR)中的采样周期。 

但是，为了整合分析多种数据，需要统一各数据的采样周期。另外，在此，并不是单纯地以一定间隔抽取数据，而需要维持各数据的必要的特性进行整合。 

在本说明书中，以提取加速度和与会面相关的特征量的过程为例，说明使采样周期统一的过程。在加速度数据中，重视作为加速度的频率的节奏特性，以不失去节奏的上下变动的特性的方式进行采样周期的统一。在会面数据中，进行关注会面持续的时间的处理。另外，假设一天一次收集一个表现数据的问卷调查，把所有特征量的最终的采样周期统一为一天。一般来讲，在传感数据或表现数据中，与采样周期最长的周期一致即可。 

<加速度的特征量的计算方法> 

首先，关于特征量提取(ASIF)的加速度数据，根据采样周期0.02秒的未处理数据，以预定的时间单位(例如一分钟为单位)求出节奏，并且进入以一天为单位对与节奏有关的特征量计数的阶段。另外，也可以根据目的，将求出节奏的时间的单位设定为一分钟以外的值。 

图25表示加速度数据表(SSDB_ACC_1002)的例子，图26表示以一分钟为单位的加速度节奏表(ASDF_ACCTY1MIN_1002)的例子，图27表示以一天为单位的加速度节奏特征量表(ASDF_ACCRY1DAY_1002)的例子。在 此，假设仅根据终端ID为1002号的终端(TR)的数据生成表，但是也可以将多个终端的数据用于生成一个表。 

首先，根据与某人物有关的加速度数据表(SSDB_ACC_1002)生成以一分钟为单位计算加速度节奏的加速度节奏表(ASDF_ACCTY1MIN_1002)(ASIF11)。加速度数据表(SSDB_ACC_1002)对通过终端(TR)的加速度传感器传感到的数据进行变换，以使单位成为“G”。即，可以作为未处理数据捕捉。将进行传感的时刻信息和三轴加速度传感器的X、Y、Z轴的值对应地进行存储。在切断终端(TR)的电源，数据发送过程中发生缺失时，因为不存储数据，因此，加速度数据表(SSDB_ACC_1002)的各记录并不限于始终0.02秒的间隔。 

在生成以一分钟为单位的加速度节奏表(ASDF_ACCTY1MIN_1002)时，一起进行补偿这样的缺失时间的处理。在一分钟期间没有任何未处理数据时，将Null输入到加速度节奏表(ASDF_ACCTY1MIN_1002)中。由此，加速度节奏表(ASDF_ACCTY1MIN_1002)成为按一分钟的间隔填入了全部从一天的0点到23点59分为止的数据表。 

加速度节奏是一定时间内、XYZ的各方向的加速度的值在正和负之间进行的振动的次数，即频率。在加速度数据表(SSDB_ACC_1002)中，对各方向一分钟期间的振动的次数进行计数并进行合计。或者，可以使用时间上连续的数据跨过0的次数(把时刻t的值和时刻t+1的值相乘后为负时的次数。称为零交叉次数)，来简化计算。 

另外，针对每一终端(TR)，每天存在一个加速度节奏表(ASDF_ACCTY1MIN_1002)。 

接着，处理以一分钟为单位的加速度节奏表(ASDF_ACCTY1MIN_1002)的各天的表的值，生成以一天为单位的加速度节奏特征量表(ASDF_ACCRY1DAY_1002)(ASIF12)。 

在图27的以一天为单位的加速度节奏特征量表(ASDF_ACCRY1DAY_1002)中，表示将“(6)加速度节奏(小)”(BM_F06)和“(7)加速度节奏(大)”(BM_F07)的特征量存储在表中的例子。特征量“(6)加速度节奏(小)”(BM_F06)表示一天内的节奏为2“Hz”以下的合 计时间。这是在以一分钟为单位的加速度节奏表(ASDF_ACCTY1MIN_1002)中，对加速度节奏(DBRY)不为Null，且不足2Hz的个数进行计数，乘以60“秒”后的数值。同样，特征量“(7)加速度节奏(大)”(BM_F07)对不是Null，且2Hz以上的个数进行计数，并且乘以60“秒”后的值。在此，将2Hz作为阈值是因为根据过去的分析结果，可知PC作业或考虑的事情等个人进行的静态的运动和来回走动积极地对话时的与他人有关的某种活跃的运动的分界点为大约2Hz。 

如以上那样生成的加速度节奏特征量表(ASDF_ACCRY1DAY_1002)采样周期为一天、期间与分析对象期间设定(CLISPT)一致。删除分析对象期间意外的数据。 

另外，以下说明关于图10的特征量例的一览(RS_BMF)中记载的特征量(BM_F05、BM_F08、BM_F09)的计算方法。“(8)加速度节奏继续(短)(BM_F08)和“(9)加速度节奏继续(长)(BM_F09)”是在图26的以一分钟为单位的加速度节奏表(ASDF_ACCTY1MIN_1002)中，对相近的节奏的值在一定时间内连续的次数进行计数的表。例如，像0“Hz”以上不足1“Hz”、1“Hz”以上不足2“Hz”这样决定节奏的分割，并判别每一分钟的节奏的值在哪个范围内。然后，当相同范围的值连续五次以上时，作为“(9)加速度节奏继续(长)(BM_F09)”的特征量，使计数加1。当连续的次数不足五次时，作为“(8)加速度节奏继续(短)(BM_F08)”的特征量，使计数加1。另外，“(5)加速度能量(BM_F05)是求出以一分钟为单位的加速度节奏表(ASDF_ACCTY1MIN_1002)的各记录的节奏的值的平方，并求出它们一天量的合计值，再除以Null以外的数据的个数。 

<会面的特征量的计算方法> 

另一方面，在针对会面数据的特征量提取(ASIF)中，生成两者间的会面结合表(ASIF21)，然后，生成会面特征量表(ASIF22)。把从终端取得的未处理的会面数据如图22(a)、图22(b)那样按照每个人存储在会面表(SSDB_IR)中。另外，关于表，如果在列中包含终端ID，可以共存多个人。在会面表(SSDB_IR)中，将红外线发送侧ID1(DBR1)、接收次数1(DBN1)的多个组以及进行传感的时刻(DBTM)存储在一个记录中。红外线发送侧ID (DBR1)是终端(TR)通过红外线接收到的其它终端的ID号(即，会面的终端的ID号)，另外，将10秒钟内接收到几次该ID号码存储在接收次数1(DBN1)中。因为10秒钟内可能与多个终端(TR)会面，因此能够存储红外线发送侧ID1(DBR1)、接收次数1(DBN1)的多个组(图22的例子为10组)。另外，当切断终端(TR)的电源、或者在发送过程中数据缺失时，因为未存储数据，所以有时会面表(SSDB_IR)的时刻不完全是10秒间隔。关于这点，需要在生成会面结合表(SSDB_IRCT_1002-1003)时整理。 

另外，在未处理数据中，关于会面的两者，有时只有一方的终端(TR)接收红外线。因此，生成以10秒间隔仅表示有无某两者间的会面的会面结合表(SSDB_IRCT_1002-1003)。图23表示该例子。对于全部的人的组合，分别生成会面结合表(SSDB_IRCT)。还可以对全部没有会面的对不生成该表。会面结合表(SSDB_IRCT)具有时刻(CNTTM)信息和表示有无该两者间的会面(CNTIO)的信息的列，当在该时刻发生了会面时存储1的值，在未发生会面时存储0值。 

生成会面结合表(SSDB_IRCT_1002-1003)时的处理在与各人有关的会面表(SSDB_IR_1002、SSDB_IR_1003)中对照时刻(DBTM)数据，调查相同或者最近的时刻的红外线发送侧ID。如果在某一方的表中包含对象的ID，则判定该两者进行了会面，在会面结合表(SSDB_IRCT_1002-1003)的相应的记录中，对应该时刻(CNTTM)数据，将1输入到有无会面(CNTIO)的栏中。另外，关于用于判别进行了会面的基准，可以使用红外线接收次数为阈值以上时、在两者的表中存在互相的ID时等其它的基准。但是，根据经验，具有与本人感觉进行了会面相比，较少地检测出会面数据的倾向，因此，在此采用如果至少一方检测出会面，则判定为该两者进行了会面的方法。另外，通过实施例5的方法补充会面结合表(SSDB_IRCT)，由此，进一步补充会面数据的缺失，关于有无会面或会面持续的时间，还能够进一步提高精度。 

如以上那样，每天生成一个关于所有成员组合的会面结合表。 

另外，根据会面结合表生成与某人有关的图24的例子那样的会面特征量表(ASDF_IR1DAY_1002)(ASIF22)。会面特征量表(ASDF_IR1DAY_1002)(ASIF22)的采样周期为一天，期间与分析对象期间设定(CLISPT)一致。 删除分析对象期间外的数据。在图24的例子中，特征量“(3)会面(短)”(BM_F03)是关于终端ID1002号的终端(TR)和其它全部终端(TR)，对在一天中在会面结合表(SSDB_IRCT)中的有无会面(CNTIO)的列的值中1为两次以上不满三十次的次数，即20秒以上不满5分钟的会面持续的次数进行合计。此时，可以使用通过实施例4所示的方法，补充会面结合表后的表进行计数。另外，特征量“(4)会面(长)”(BM_F04)同样是对有无会面(CNTIO)的列的值中1连续三十次以上的次数，即5分钟以上的会面持续的次数进行合计。 

如以上那样，使采样周期按顺序增大地分阶段求出特征量。由此，关于各数据维持分析所需的特性，同时能够准备使采样周期统一的一系列的数据。作为不分阶段的例子，考虑平均一天的加速度的未处理数据，计算一个值，但是，在这样的方法中，一天的数据被平滑化，肯能无法获知该日的活动特性的差。因此，通过分阶段，能够得到维持了特性的特征量的值。 

<图28～图30：关于表现数据> 

关于表现数据，在冲突计算(ASCP)的开始，进行使采样周期统一的处理(ASCP1)。把使用图28那样的调查问卷用纸或电子邮件、或图29的终端(TR)等输入的调查问卷的回答数据，如图30的表现数据表(SSDQ)那样，赋予取得时刻(SSDQ2)和回答的用户号码(SSDQ1)后存储。另外，当具有与业务有关的表现数据时，这些数据也包含在表现数据表(SSDQ)中。关于表现数据的收集频度，可以一天一次，也可以一天一次以上。在采样周期统一(ASCP)中，按照每个用户将表现数据表(SSDQ)的原数据划分表，另外，在具有没有回答的日子时，通过Null数据补充，进行整理使采样周期为一天。 

根据该数据，使用与实施例1的图14的流程图相同的方法，计算全部组合的表现间的相关系数(ASCP2)，选择冲突最大的组的表现(ASCP3)。 

<图31：整合数据表> 

图31表示通过整合数据表的生成(ASAD)输出的整合数据表(ASTK_1002)的例子。整合数据表(ASTK)是按照日期，使通过特征量提取(ASIF)和冲突计算(ASCP)获得的期间和采样周期统一的传感数据和表现数据关联起来进行整理后的表。 

针对各列(特征量或表现)，将整合数据表(ASTK_1002)中的值变换为Z-score。Z-score是将该列的数据的分布标准化为平均值为0，标准方差为1的值。 

通过以下公式(2)对某列X的值(X_i)进行标准化，即变换为Z-score(Z_i)。 

$Z_i=\frac{X_i-\stackrel{\&OverBar;}{X}}{S}---\left(2\right)$

其中 

列X的数据的平均值，S：列X的数据的标准方差 

通过该处理，能够通过多重回归分析，统括处理数据的分布或值的单位不同的多种表现数据或特征量中的影响力的计算。 

这样，通过处理原本的采样周期不同的多种传感数据或表现数据，使采样周期和数据的期间统一，能够在影响力计算中作为相同性质的数据导入到公式中进行计算。另外，关于加速度数据，分为首先求出短时间单位的节奏，然后提取一天为单位的特征量这样的阶段，与直接求出一天全部的节奏相比，能够获得反映每天的性质的特征量。另外，关于会面数据，通过将多个人之间的相互的会面信息统一为简单的会面结合表(SSDB_IRCT)，特征量提取的过程变得简单。另外，使用实施例5的方法等，能够简单地进行补充缺失的数据时的处理。 

实施例3 

参照附图对本发明的第三实施方式进行说明。 

本发明的第三实施方式将主观数据和客观数据作为表现数据收集，生成平衡图(BM)。在主观的表现数据中，可以列举例如职员的充实感或有干劲、压力、顾客满足感等。 

主观数据是表示人的内心的指标。特别是在脑力劳动或服务业中，无法使职员每个人都具有高的积极性，自发地专研业务提供高品质的想法或服务。另外，从顾客一侧来看，顾客不是如大量生产时代那样，对产品的材料费和人工费这样实质的费用支付金钱，而是对体验与产品或服务相伴享受到快乐或兴奋等附加价值支付金钱。因此，在提供组织的生产率这样的目的中，需要获得与 人的主观有关的数据。为了获得主观数据，委托作为终端(TR)的用户的职员、或顾客回答问卷调查。或者也可以如实施例7那样分析从终端(TR)获得的传感数据作为主观数据来处理。 

此外，另一方面，使用客观的表现数据也有意义。在客观数据中例如具有营业额或股价、与处理有关的时间、PC的敲击数等。这些是以往为了管理组织进行测量，分析的指标，与主观评价相比在数据值的依据明确这点、以及不给用户带来负担能够自动收集这点具有优势。另外，即使在现代，也依然通过营业额、股价等定量的指标来评价最终的组织的生产率，因此必定要求提高这些指标。为了获得客观的表现数据，具有与组织的业务用数据服务器连接取得需要的数据，或者通过职员每天使用的PC记录操作日志等方法。 

这样，主观数据和客观数据都是必需的信息。通过构筑能够将这些信息与传感网络系统一起进行统括处理的系统，从主观和客观两方面分析组织，能够综合地提高组织的生产率。 

<图32：系统图> 

图32是用于说明实现本发明第三实施方式的传感器网络系统的全体结构的框图。仅仅是本发明第一实施方式中的图4～图6的表现输入用客户机(QC)不同。其它部分和处理与本发明的第一实施方式相同，因此省略。 

在表现输入用客户机(QC)中存在主观数据输入部(QCS)和客观数据输入部(QCO)。在此，假设经由用户带有的终端(TR)发送问卷调查回答来获得主观数据。也可以使用经由用户使用的个人客户机PC回答问卷调查的方法。另外，在客户数据中，作为例子阐述收集作为组织的定量数据的业务数据和各用户个人使用的个人客户机PC的操作日志的方法。也可以使用这些数据以外的客观数据。 

主观数据输入部(QCS)具有存储部(QCSME)、输入输出部(QSCIO)、控制部(QCACO)、收发部(QCSSR)。在此，关于主观数据输入部(QCS)，假设一个或多个终端(TR)兼具主观数据输入部(QCS)的功能。存储部(QCSME)存储用于输入问卷调查的软件即输入应用程序(SME_P)的程序、设定了文件调查的提问或回答数据的格式的输入格式(SME_SS)、以及作为输入的问卷调查回答的主观数据(SME_D)。 

另外，输入输出部(QSCIO)具有显示装置(LCDD)和按钮1～3(BTN1～BTM3)。这些与图6或图29的终端(TR)相同。 

控制部(QCSCO)进行主观数据收集(SCO_LC)和通信控制(SCO_CC)，收发部(QCSSR)进行与传感器网络服务器等的数据收发。在进行主观数据收集(SCO_LC)时，与图29一样，将提问显示在显示装置(LCDD)中，用户(US)通过操作按钮1～3(BTN1～BTM3)输入回答。参照输入格式(SME_SS)，从输入的数据选择需要的数据，对主观数据(SME_D)赋予终端ID、输入时刻，并存储数据。通过通信控制(SCO_CC)与终端(TR)的数据收发定时一致地将这些数据发送到传感器网络服务器(SS)。 

在客观数据输入部(QCO)中具有用于管理组织的业务数据的业务数据服务器(QCOG)和各用户个人使用的个人客户机PC(QCOP)。分别存在一台或多台。 

业务数据服务器(QCOG)从相同的服务器内、或网络服务器内的其它的服务器中存在的营业额或股价等信息收集需要的信息。因为可能包含相当于组织的机密信息的信息，因此希望具有访问控制等安全性方面的结构。另外，即使在从不同的服务器取得业务数据的情况下，为了方便在图中记载为存在于相同的业务数据服务器(QCOG)内。业务数据服务器(QCOG)具有存储部(QCOGME)和控制部(QCOGCO)、以及收发部(QCOGSR)。在图中虽未记载输入输出部，但是在业务负责人直接将业务数据输入到服务器时，需要包含键盘等的输入输出部。 

存储部(QCOGME)具有业务数据收集程序(OGME_P)和业务数据(OGME_D)、以及设定是否允许来自传感器网络服务器(SS)等其它计算机的访问的访问设定(OGME_A)。 

控制部(QCOGCO)按顺序进行判断是否可以将业务数据发送到发送目的地的传感器网络服务器(SS)的访问控制(OGCO_AC)、业务数据收集(OGCO_LC)、以及通信控制(OGCO_CC)，通过收发部(QCOGSR)发送业务数据。在业务数据收集(OGCO_LC)中，选择需要的业务数据，与其所对应的时刻信息组成组来取得。 

在个人客户机PC(QCOP)中，取得敲击数、同时启动窗口数、敲击错 误数等与PC操作有关的日志信息。能够将这些信息用作与用户的个人作业有关的表现数据。 

个人客户机PC(QCOP)具有存储部(QCOPME)、输入输出部(QCOPIO)、控制部(QCOPCO)、收发部(QCOPSR)。在存储部(QCOPME)中存储操作日志收集程序(OPME_P)和收集到的操作日志数据(OPME_D)。另外，在输入输出部(QCOPIO)中包括显示器(OPOD)、键盘(OPIK)、鼠标(OPIM)、以及其它外部输入输出(OPIU)等。在操作日志收集(OPCO_LC)中收集通过输入输出部(QCOPIO)操作PC的记录，仅把其中的需要的数据发送给传感器网络服务器(SS)。发送时，经由通信控制(OPCO_CC)从收发部(QCOPSR)发送。 

经由网络(NW)将通过表现输入用客户机(QC)收集的这些表现数据存储在传感器网络服务器(SS)内的表现数据表(SSDQ)中。 

<图33：表现组合的例子> 

图33表示取为平衡图(BM)的两轴的表现数据的组合的例子(ASPFEX)。关于第一表现数据(PFD1)和第二表现数据(PFD2)，表示数据的内容和主观还是客观的分类。另外，关于第一和第二表现数据，将哪一个取为X轴都可以。 

在使用图32所示的系统能够收集的表现数据中，具有与个人有关的主观数据、与组织的业务有关的客观数据、与个人的业务有关的客观数据等。可以通过与实施例1的图14所示的冲突计算(ASCP)相同的方法，从这些多种表现数据中选择容易冲突的组，也可以与要改善组织的目的一致，选择一组表现数据。 

以下阐述通过采用图33的各表现数据的组合的分析，列举对组织改善的效果。 

在一号(No.1)组合中，生成作为主观数据的问卷调查回答的“体”的项目和作为客观数据的个人PC中的数据处理量的平衡图(BM)。提高数据处理量是提高个人作业的速度。但是，如果仅专注于提高速度，则有可能导致身体不舒服。因此，通过用该平衡图(BM)进行分析，能够在维持身体状况的同时，探讨提高个人作业速度的对策。此外，同样通过二号(No.2)的问卷调查 回答“心”与个人PC的数据处理量的分析，能够探讨以不降低精神状况即积极性的方式提高个人作业速度的对策。 

另外，在三号(No.3)的例子中，取得客观数据彼此之间且个人PC的操作日志彼此之间的个人的敲击速度和敲击错误避免率作为表现数据。这是因为一般来讲，当提高敲击速度时，会发生错误增加这样的冲突，所以目的在于寻找能够消除该冲突的方法。在该例中，表现数据都是PC的日志信息，但是作为在平衡图(BM)中描绘的特征量，选择包含从终端(TR)取得的加速度数据或会面数据。通过这样进行分析，能够清楚因频繁地会话导致集中力下降或慌忙运动导致的急躁等是与敲击错误存在关系的主要原因。 

在四号(No.4)的例子中，选择问卷调查回答的“体”和整个组织的业务处理量的组合，在五号(No.5)的例子中，选择问卷调查回答的“心”和整个组织的业务处理量的组合。在管理中，为了提高整个组织的生产率(在此为业务处理量)，经常会无视个人的感情或健康。因此，如四号或五号那样，通过进行组合了个人的主观数据和组织的客观数据的分析，能够进行兼顾各个职员的感情或健康和组织的生产率的管理。另外，因为作为特征量使用反映职员的行动的传感数据，所以能够实现着眼于职员的行动变化的管理。 

另外，在六号(No.6)的例子中，选择基于传感数据的整个组织的交流量和整个组织的业务处理量的组合。此时，两者都是客观数据。关于交流量和业务处理量，考虑具有发生冲突的情况和不发生冲突的情况。在需要信息共有的业务中，这些不冲突，但是在作业层面的业务中，可能产生交流量少，业务处理量提高这样的冲突。但是，为了培育职员之间的协助的态势，创造新的想法需要组织中的交流，长期来讲是必需的。因此，通过使用平衡图(BM)进行分析，分析产生冲突的行动和不产生冲突的行动，由此能够实现兼顾了短期达成效果的业务处理量和长期达成效果的交流量的管理。 

这样，通过实现收集主观的表现数据和客观的表现数据，并与传感数据一起统括处理的系统，能够从关系者的心理侧面和客观的指标两面分析组织，综合提高组织的生产率。 

实施例4 

参照附图对本发明的第四实施方式进行说明。 

<图34：平衡图> 

图34表示本发明的第四实施方式的例子。本发明的第四实施方式是在本发明1～3实施方式的平衡图中，仅着眼于各特征量位于的象限，并在各象限中用文字记述特征量的名字的显示方法。可以不直接显示名字，只要是清楚特征量的名字和象限的对应的显示方法，可以是其他的方法。 

如图3那样，将影响力系数的值描绘在图中进行表现的方法对进行详细分析的分析者有意义，但是在将结果反馈给一般用户时，存在如下问题：一般用户需要费心理解值的含义，难以理解结果意味的地方。因此，仅显示该平衡图的本质，即特征量位于的象限。此时，一方的影响力系数接近0，即在图3的平衡图中，在X轴或Y轴附近描绘的特征量位于的象限不明确，可以说不是平衡图中重要的指标，因此不进行显示。因此，设置用于显示的影响力系数的阈值，并追加仅选择X轴、Y轴的影响力系数同为阈值以上的特征量的过程。 

<图35：流程图> 

图35是表示用于描绘图34的平衡图的处理的流程的流程图。从取得传感器数据到将图像显示在画面上为止的全体过程使用与实施例1的图13的步骤相同的步骤。仅将其中的平衡图描绘(ASPB)的步骤置换为图35。 

开始(PBST)后，首先，设定用于判别位于平衡区域或不平衡区域的影响力系数的阈值(PB10)。接着，描绘平衡图的轴和框(PB11)，读入影响力系数表(ASDE)。接着选择一个特征量(PC13)。用与图15相同的方法进行过程(PB11～PB13)。接着，关于所选择的特征量，判别该特征量对两个表现的影响力系数是否同为阈值以上(PB14)。当为阈值以上时，根据该影响力系数的正负的组合判断对应的象限，在该象限中记载特征量的名称(PB15)。重复该过程直到完成全部的特征量的处理(PB16)，结束(PBEN)。 

如此，通过平衡图(BM)中的特征量的名字，仅表示各特征量属于四个象限的哪个区域，由此，能够简单地读取最低限度的需要信息，即特征量具有的特性。这不需要影响力系数的值等详细信息，在对每个一般用户说明分析结果时有用。 

实施例5 

参照附图对本发明的第五实施例进行说明。本发明的第五实施方式是提取 作为在本发明的第一～第四实施方式中使用的特征量的一例的会面与会面时姿势变化(图10的特征量例子的一览(RS_BMF)的(BM_F01～BM_F04)的处理。相当于图13的特征量提取(ASIF)的处理。 

<图36：会面数据的检测范围> 

图36是表示终端(TR)中的会面数据的检测范围的例子的图。终端(TR)具有多个红外线收发器，在上下左右附有角度差来固定，以便能够在较大的范围内进行检测。该红外线收发器的目的在于检测人与人会面进行会话的会面状态，因此，例如检测距离为3米、检测焦点左右为30度、向上方向为15度、向下方向为45度。由此，考虑了还能够检测没有完全正对，即朝向斜方向的状态下的会面、有身高差的人之间，或者一方坐着、另一方站着的状态下的会面。 

在组织中分析与生产率的关联性时，要检测的交流具有在30秒左右进行的报告或联络后两小时左右的会议等。根据交流持续的时间，交流的内容也不同，因此需要尽量正确地传感交流的开始和结束、以及持续的时间。 

但是，以10秒为单位在会面数据中判别有无会面，但是，当把会面数据连续的会面区分为交流的一次事件时，较多地对实际的交流次数以上短的会面进行计数，较少对长的会面计数。例如，如图37的补充前数据(TRD_0)那样，很多时候把会面检测数据细分。这是因为人们很多时候在说话时，移动身体，此时，左右的接触幅度的最大值为30度以上，所以考虑红外线收发器无法检测实际的全部的会面时间。另外，即使在较长的会议等中，正面相向的人之间包含一分为单位的长的空白的情形也较多。这是因为在会议中，说话的人发生改变，具有不知不觉地关注身体的朝向发生改变的时间。 

因此，需要适当地补充会面检测数据的空白。但是，当使用补充某阈值时间以下的空白的算法时，如果阈值较大则应该作为其它事件的会面检测数据也被一体化，相反如果阈值过小，则发生会议等长时间的会面事件被分割的问题。因此，特别是利用在长时间的会面事件中很多时候存在长时间持续的会面检测数据的性质，使用将短的空白和长的空白分为两个阶段，分别进行补充的方法。另外，也可以分为三阶段进行补充。 

<图37：两阶段的补充方法> 

图37表示用于说明通过两阶段补充会面检测数据的图。作为基本的补充规则，在空白的时间宽度(t1)小于其前不久的会面检测数据的继续时间宽度(T1)的一定倍数时进行补充。用α表示决定该补充条件的系数，通过改变一次补充系数(α₁)和二次补充系数(α₂)，使用相同算法进行短的空白的补充和长的空白的补充的两阶段的补充。另外，在各补充处理中，设定进行补充的最大的空白的时间宽度。在临时补充(TRD_1)中补充短的空白。由此，填补三分钟左右的报告等短的会面内的空白，成为连续的事件。另外，即使在两小时左右的会议中，片断的会面检测数据连续，出现大的会面的块和空白块。另外，在二次补充(TRD_2)中还补充会议中的大的空白的块。另外，在此，与空白时间(t₁)的前不久的会面持续时间(T1)成比例地决定有无补充，但是，也可以与空白时间其后不久的会面持续时间成比例地决定。另外，可以根据前不久和之后不久的双方来决定。此时，具有执行两次与前不久和之后不久的会面持续时间之和成比例，或者与前不久成比例的方法和与之后不久成比例的方法进行补充的方法。在使用于前不久或之后不久成比例的方法时，可以节约执行时和存储器使用量。此外，在根据两方决定的方法中，具有能够以更高的精度计算会面持续时间的优点。 

图38是表示将图37表示的补充的过程表示为实际的一天的会面结合表(SSDB_IRCT_1002-1003)的值的变化的例子。另外，在一次和二次的各自的补充中，对补充的数据的数量进行计数，将该值用作特征量“(1)会面时姿势变化(小)(BM_F01)”、“(2)会面姿势变化(大)(BM_F02)”。这是因为考虑数据缺失的数量反映了姿势变化的数量。另外，在二次补充结束后的会面结合表(SSDB_IRCT_1002-1003)中，通过计数在一定时间范围内会面检测数据继续的次数，提取特征量“(3)会面(短)(BM_F03)”、“(4)会面(长)(BM_F04)” 

图39是表示补充会面检测数据，到提取特征量“(1)会面时姿势变化(小)(BM_F01)”、“(2)会面姿势变化(大)(BM_F02)”“(3)会面(短)(BM_F03)”、“(4)会面(长)(BM_F04)”的处理的流程的流程图。这是实施例1～4中的特征量提取(ASIF)中的一个处理。 

开始(IFST)后，选择一组人(IF101)，生成该组人之间的会面结合表 (SSDB_IRCT)。接着，为了进行一次补充，将补充系数α设定为α＝α₁(IF103)。接着，按照时间序列的顺序从会面结合表(SSDB_IRCT)取得会面数据(IF104)，在会面(即如果用图38的表来说是值为1时)时(IF105)，从此开始对会面持续的时间(T)进行计数，并进行存储(IF120)。另外，当未会面时，从此对连续未会面的时间(t)计数(IF106)。然后，把之前不久会面持续的时间(T)乘以补充系数α得到的值与没有会面的时间(t)比较(IF107)，当t＜T*α时，将其空白时间的数据变为1，即补充会面检测数据(IF108)。另外，在此，对补充的数据的数量计数(IF109)。在此，将计数的数用作特征量“(1)会面时姿势变化(小)(BM_F01)”或“(2)会面姿势变化(大)(BM_F02)”。然后，重复进行直到完成处理为止(IF104～IF109)的处理(IF110)，直到一天中最后的数据。如果完成则完成一次补充，将补充系数α设定为α＝α₂，通过同样的处理(IF104～IF110)进行二次补充。如果二次补充完成(IF111)，则求出各特征量“(1)会面时姿势变化(小)(BM_F01)”、“(2)会面时姿势变化(大)(BM_F02)”“(3)会面(短)(BM_F03)”、(4)会面(长)(BM_F04)”的值，将各个值输入到以一天为单位的会面特征量表(ASDF_IR1DAY)的适当的部位(IF112)，并结束(IFEN)。 

这样，通过改变阈值分为两个阶段补充会面数据，能够一同高精度地提取短的会面事件和长的会面事件。另外，在此通过把补充后的数据的数量用作会面时的姿势变化的特征量，能够缩短处理时间、节约存储器使用量。 

实施例6 

参照附图对本发明的第六实施方式进行说明。 

<图40、图41：交流动态的概要> 

图40是表示用于说明本发明第六实施方式的交流动态的各阶段的概要的图。 

特别是在要求创造性的组织中，不是每天通过相同的方法进行业务，需要进行适当变化。特别是关于交流与创造性的关系，需要通过与平时不交往的很多人进行交流，获得新的信息，接受刺激(扩散Diffusion)，另外，与朋友认真地进行讨论决定意思(凝集Aggregation)，然后，通过一个人考虑整理成文件，平衡良好地分别提高产出(output)的品质(个individual)。 

本发明的第六实施方式使用通过终端(TR)获得的会面检测数据，使这些交流的性质的动态可视化。从会面检测数据中提取某人或组织与相同组内的人会面的人数即组内连接率以及与其他组的人进行会面的人数即组外连接率作为两轴。在此，正确地讲，决定人数的某个基准，根据会面人数对此的比例进行描绘，因此成为连接“率”。实际上只要取对外的交流作为一方的轴，与成员内的交流作为另一方的轴，也可以取其它的指标为轴。 

通过如图40那样取两轴，能够相对地分类为如下阶段：在组内连接率高时为“凝集”的阶段、在组外连接率高组内连接率低时为“扩散”的阶段、当两者都低时分为“个”的阶段。另外，按照每天或每周等一定期间描绘两轴的值，通过用平滑线连接其轨迹，使动态可视化。 

图41一起表示了交流动态的显示例和对各个动态的形状分类后的示意图。 

类型A的圆运动(circular movement)图形按顺序通过凝集、扩散、个的各阶段的图形。描绘这样的轨迹的组织或人可以说是很好地控制了知识创造的各阶段。 

类型B的纵向振动(longitudinal oscillation)图形是仅重复凝集和个的阶段的图形。即，描绘这样的轨迹的组织或人可以说是交互地重复成员内的讨论和个人作业。如果长期地继续这样的工作的方式，则孕育着失去获知外部的新的想法的机会的危险性，因此需要制造时常与外部人物进行交流的机会。 

类型C的横向振动(lateral oscillation)图形是仅重复扩散和个的阶段的图形。即，描绘这样的轨迹的组织或人可以说是交互地重复与外部的人的接触和个人作业，而团队工作不强。如果长期地继续这样的工作的方式，则难以共享成员间具有的知识或智慧，因此需要设计时常集合组的成员进行信息交换的机会。 

如以上那样，通过使动态的图形可视化，并进行分类，该组织或个人能够发现在每天的知识创造过程中具有的课题。通过对该课题确立适当的对策，能够实现创造具有更高生产率的组织。 

另外，类型A～C通过连接描绘的点的分布的形状的平滑线的倾斜度进行分类。在各类型中，判别点的分布的形状为圆、纵长、还是横长，然后判别平 滑线的倾斜度是纵横混合，还是纵多或横少来进行分类。 

<图42：会面矩阵> 

图42是某组织中的会面矩阵(ASMM)的例子。在交流动态中，用于计算纵轴和横轴的连接率。在交流动态中，在每天描绘点的情形下，每天生成一个会面矩阵。在会面矩阵(ASMM)中，取得在行和列分别带有终端(TR)的用户(US)，它们相交的元素的值表示其两者一天会面的时间。针对全部的人的组合生成图23的会面结合表(SSDB_IRCT)，求出一天会面的合计时间，由此生成会面矩阵(ASMM)。另外，通过核对图17的用户ID对应表(ASUIT)，来区别是与同组的人的会面还是与不同的组的人的会面，计算组内连接率组外连接率。 

<图43：系统图> 

图43是用于说明本发明第六实施方式的用于描绘交流动态的传感网络系统的整体结构的框图。只有本发明的第一实施方式中的图4～图6的应用程序服务器(QC)的结构不同。其它的部分和处理使用与本发明的第一实施方式相同的结构，因此省略。另外，因为不使用表现数据，所以可以没有表现输入用客户机(QC)。 

在应用程序服务器(AS)内的存储部(ASME)中，作为新的结构存在会面矩阵(ASMM)。另外，在控制部(ASCO)中，在分析条件设定(ASIS)后，通过数据取得(ASGD)，从传感器网络服务器(SS)取得需要的会面数据，使用该数据每天生成会面矩阵(ASIM)。然后，计算组内和组为的连接率(ASDL)，描绘动态(ASDP)。在动态描绘(ASDP)中，将组内、组外连接率的值取为两轴，进行描绘。另外，按照时间序列用平滑线连接点之间。然后，按照根据点分布的形状和平滑线的倾斜度分类动态的图形(ASDB)的顺序进行处理。 

这样能够把根据终端(TR)的会面数据计算出的组内连接率和组外连接率作为两轴，描绘时间序列变化，由此使组织或个人的阶段变化的运动的图形可视化，进行分析。由此，能够发现该组织或个人的知识创造过程中的课题，还能够对该课题确立适当的对策，对进一步提高创造性有帮助。 

实施例7 

参照附图对本发明的第七实施方式进行说明。通过图44～图53说明实施例7。 

<图44～图45：系统结构和数据处理的处理过程> 

通过图44的框图说明实现本实施方式的传感网络系统的全体结构。 

有多个传感器节点，该传感器节点(Y003)具备以下单元。具有：检测用户的运动或传感器节点的朝向的加速度传感器，检测用户间的会面的红外线传感器，测量用户的周围温度的温度传感器，检测用户的位置的GPS传感器，存储识别该传感器节点(以及带有该传感器节点的用户)的ID的单元，用于取得实时时钟等的时刻的单元，用于把与ID、来自上述的传感器的数据和时刻有关的信息变换为适于通信的形式(格式)的单元(例如通过微控制器和固件变换数据)，无线或有线的通信单元。传感器节点能够使用本发明的其它实施例中所说明的传感器节点。 

通过上述的通信单元把从上述的加速度传感器等传感器采样获得数据、时刻信息、ID发送到中继器(Y004)，通过通信单元Y001接收。另外，通过与服务器通过无线或者有线进行通信的单元Y002将该数据发送到服务器(Y005)。 

以下使用图45以通过加速度传感器取得的传感数据为例进行说明，但是本发明也能够广泛应用于其它传感器的数据或按其它时间序列变化的数据。 

将按时间序列排列的数据(SS1、作为该例子使用三轴加速度传感器的x、y、z轴方向的加速度数据)存储在Y010的存储单元中。通过CPU、主存储器、硬盘或闪速存储器等存储装置以及通过软件对存储装置进行控制来实现Y010。根据时间序列数据SS1生成加工后的多个时间序列数据。将该生成单元设为Y011。在该实施例中生成A1、B1、…、J1的10个时间序列数据。以下说明A1的求法。 

根据上述三轴加速度数据计算其绝对值。由此获得表示加速度大小的0或者正值的时间序列数据SS2。另外，通过对SS2进行高通滤波，将0作为中心，能够变换为其周围增减的波形(时间序列数据)。将其设为SS3。 

另外，每隔一定时间(将其在图上表示为Ta或Tb。例如每5分钟)，分析该波形数据，然后获得频率强度(频率频谱或频率分布)。作为其方法，能 够使用FFT(高速傅里叶变换)等。作为其它方法，例如可以使用每隔10秒左右的时间分析波形，对波形的零交叉次数进行计数的手段。如果以上述的五分钟汇总该零交叉次数的频度分布，则能够获得图所示的直方图。如果以每1Hz对其进行汇总，则其也是频率强度分布。当然该分布在时间Ta和时间Tb不同。 

当人忘我地努力行动时，会达到一种非常充实感的状态，在心理学中称其为“心流(flow)”。 

以前，关于人是否处于心流，通过会面或问卷调查等手段进行了研究，但是不知道可以通过装置对其进行测量。如图52、图53(a)的测量结果所示那样，我们发现了心流和活动水平的偏差之间具有很强的相关。 

图52表示通过问卷调查求出的心流(充实、有干劲、集中、埋头)和根据加速度传感器的数据分析出的活动水平以及活动水平的偏差的相关。在此，活动水平表示各频带内的活动的频度(进行了30分钟测量)，活动水平的偏差是把该活动水平在半天以上的期间内进行了多少变动表示为标准方差。作为分析61个人的数据的结果，活动水平和心流的相关最大为0.1左右较小。与此相对，活动水平的偏差和心流的相关较大。特别是，1-2Hz的频带的运动的偏差(这是通过安装在身体上的名字卡进行测量的，但是该频率通过其它形式或安装在其它部位的名字卡也一样)表示与心流为负0.3以上的相关。除此以外，作为取得多个数据的结果，发明者也在世界上首次发现了根据取得时间的长短，1-2Hz或1-3Hz的运动与心流具有相关性。 

这样，特别是表现出当1-3Hz的运动的偏差或运动的不均匀较大时，难以形成心流，反之，当1-3Hz的运动的偏差较小，即当始终如一时，易于形成心流。可知为了使人具有充实感，并使人感到享受工作，为了人成长，以及为了人以更高的生产率进行工作，形成心流非常重要。通过测量上述的运动的偏差(或者相反的一贯性)，能够支援提高人的充实感或生产率。 

如图53(b)所示那样，发明者还对多个实验者进行了24小时一年以上持续测量，由此发现白天的运动的偏差或不均匀(这越少越容易产生心流)与睡眠时间的偏差相关。由此，通过控制睡眠时间，能够增加心流。心流是人充实感的源泉，因此是通过具体的行动的变化，能够提高充实感的划时代的发现。 与睡眠时间的偏差一样，起床时间的偏差、就寝时间的偏差等与睡眠有关的量的偏差同样对心流有影响。本发明包含控制这样的睡眠或催促控制睡眠，提高心流或人的充实感、干劲、或提高人的幸福感。 

如果使用该相关关系，在以下的说明中，将说明关于心流或集中、或运动的一贯性(偏差少)的地方置换为睡眠或与睡眠有关系的量的一贯性(或其相反的偏差)也包含在本发明中。 

在本实施方式中，特征是通过检测与人的运动相关联的时间序列数据并加工该时间序列数据，计算与人的运动的偏差、不均匀或一贯性有关的指标，根据该指标判定偏差或不均匀小或一贯性高，测量上述的心流。然后，根据该判定结果，使人或该人所属的组织的希望的状态进行可视化。关于该与运动的偏差、不均匀或一贯性有关的指标，以下进行说明。 

作为运动的偏差，可以使用与上述的频率强度有关的每个时间的偏差(或变化)。特别是，作为该指标，例如可以每5分钟记录强度的变化，使用每5分钟的差。此外，也可以使用与运动(或加速度)的偏差有关的大范围的指标。另外，在人的周围温度或照度或周围声音的变化中反映了该人的运动，因此也可以使用这样的指标。或者，可以使用根据GPS求出的位置的信息，求出运动的偏差。 

将该运动的一贯性(例如可以使用频率强度的偏差的倒数)的时间序列信息设为A1。 

接着说明时间序列数据B1的求法。作为B1的例子，使用步行速度。 

关于步行速度，从通过SS3求出的波形数据取出具有1～3Hz的频率成分的数据，其中，可以认为在周期的重复性高的波形区域中行走，即步行。此时，可以根据重复周期求出步行的步数间距。将其用作此人的步行速度的指标。在图中将其表示为B1。 

接着，说明时间序列数据C1的求法。作为C1的例子使用外出。即检测从常在的场所(例如办公室)外出。 

关于外出，请用户佩戴名字卡型的传感器节点(Y003)，在外出时，将该传感器节点插入到槽型支座(充电器)后外出。通过将传感器节点插入到槽型支座，对其进行检测，由此可以检测外出。外出时通过将传感器插入到槽型支 座中，能够在外出时对电池进行充电。同时，能够将蓄积在传感器节点中的数据发送到中继站或服务器。使用GPS能够根据求出的位置检测外出。这样，将求出的外出时间设为C1。 

接下来，说明时间序列列数据D1的求法。作为D1的例子使用会话。会话通过组装到名字卡型传感器节点(Y003)中的红外线传感器检测是否与其它的传感器节点进行了会面，可以将该会面时间作为会话的指标。另外，我们根据从加速度传感器求出的频率强度，发现在会面的多个人中具有最高频率成分的人是发言者。利用这一点，可以分析会话的更加详细的时间。另外，通过将麦克风组装到传感器节点中，可以使用声音信息，检测会话。把使用这些技术求出的会话量的指标设为D1。 

接下来说明时间序列数据E1的求法。作为E1的例子使用步行。关于步行的检测，已经在上面进行了说明，因此省略。相对于上述将步行的速度作为问题，此处，将步行时间设为指标。 

接着，作为时间序列数据F1的例子举出安静。将安静的时间设为指标。关于这一点，可以将求出已经说明的频率强度分析的结果0～0.5Hz左右的低频的强度或求出时间作为指标使用。 

接着，作为时间序列数据G1的例子，举出会话。关于会话，作为D1进行了说明，因此省略。使用该说明。 

接着，作为时间序列数据H1的例子，举出睡眠。可以使用根据上述的加速度求出的频率强度分析结果检测睡眠。因为睡眠时几乎不动，因此，0Hz的频率成分超过一定时间时可以判定为睡眠。处于睡眠状态时，出现静止(0Hz)以外的频率成分，并超过一定时间没有返回到静止状态0Hz时作为起床，可以检测起床。这样，能够确定睡眠开始和结束时刻。将该睡眠时间称为H1。 

接着，作为时间序列数据l1的例子，举出外出。关于外出的检测方法如上所述。 

最后，作为时间序列数据J1的例子举出集中。关于集中的检测方法如已经记载为A1那样，使用频率强度的偏差的倒数。 

以上，当除去重复时，可以使用睡眠(或步行速度)、安静、集中、会话、 步行、外出这六个量来表现该对象者的状况。进行这些的是根据成为基础的时间序列的波形(或波形组)SS1，生成该六个时间序列变量(A1、B1、…、J1)的单元(Y011)。 

在此，试着限定为该六个量，因为分别取连续的值，所以用六维空间的一点表示对象者的状态，因此该组合具有非常大的自由度。 

但是，发明者认识到如果自由度过大，则存在难以解释其意思的问题。其结果是即使难得存在大量的数据，也存在现状无法得出其意思的课题。因为意识到该问题，所以探讨了解释状态变化的方法。 

发明者发现在这些值的变化即增减中表现了人的状态。即将睡眠时间增加还是减少作为问题。或者把集中增加还是减少作为问题。这样，使用上述六个量的增减，将人的状态分类为2的六次幂个状态，即64个状态，在该64个状态中，发现了能够用语言表现的意思。通过使用该六个量能够表现广泛的人们的状态，这完全是原创的发现。以下说明该方法。 

首先，把从时刻T1到T2的期间的时间作为对象。求出该期间的变量的变化。具体来说，例如，把表示运动的偏差少、或运动的一贯性的指标A1的波形作为对象，采样从时刻TR1到TR2的波形，求出该期间的代表值(将该值称为基准值RA1)。例如，求出该期间的A1的平均值。或者也可以为了除去偏离值的影响，求出中间值。或者也可以为了除去偏离值，求平均。同样，求出从成为对象的T1到T2的代表值(将该代表值称为对象值PA1)。在此之上，对RA1进行PA1的大小的比较，如果PA1较大则增加，如果PA1小则减少。将其结果(这是如果对增减分配1或0则为1比特的信息)称为BA1。 

为了进行这些，需要存储用于生成TR1、TR2这样的基准值的期间的单元(Y012)。另外，需要存储生成对象值的期间T1、T的单元(Y013)。从Y012、Y013读入这些值，计算上述的基准值以及代表值的是Y014以及Y015。另外，需要进行成为上述结果的基准值和对象值的比较，存储结果的单元(Y016～Y017)。 

关于目的T1、T2与TR1、TR2的关系，可以根据目的取得很多的值。例如，当要给某一天的状态赋予特征时，将T1、T2设为从该日开始到结束。对此，可以将TR1、TR2设为从该日的前日追溯一周。如果这样，对难以左右一 周中的变动的基准值，可以浮现出对该日定位的特征。或者，将T1、T2设为一周，将TR1、TR2设定为之前的三周。由此，可以浮现出最近一个月左右中的成为该对象的周的特征。以上列举了T1、T2的期间和TR1、TR2的期间不重复的例子，也可以使其进行重复。由此，能够表现在成为对象的期间T1、T2中的未来的影响中的定位。无论怎样，根据要达到的目的，可以柔性地进行该设定，这些都属于本发明的范畴。 

同样，关于步行速度B1，也可以通过比较基准值RB1和对象值PB1，求出成为结果的增减(用一比特表现的)BB1。 

同样，关于外出C1，也可以通过比较基准值RC1和对象值PC1，求出成为结果的增减(用一比特表现的)BC1。 

同样，关于会话D1，也可以通过比较基准值RD1和对象值PD1，求出成为结果的增减(用一比特表现的)BD1。 

同样，关于步行E1，也可以通过比较基准值RE1和对象值PE1，求出成为结果的增减(用一比特表现的)BE1。 

同样，关于安静F1，也可以通过比较基准值RF1和对象值PF1，求出成为结果的增减(用一比特表现的)BF1。 

同样，关于会话G1，也可以通过比较基准值RG1和对象值PG1，求出成为结果的增减(用一比特表现的)BG1。 

同样，关于睡眠H1，也可以通过比较基准值RH1和对象值PH1，求出成为结果的增减(用一比特表现的)BH1。 

同样，关于外出l1，也可以通过比较基准值Rl1和对象值Pl1，求出成为结果的增减(用一比特表现)Bl1。 

同样，关于集中J1，也可以通过比较基准值RJ1和对象值PJ1，求出成为结果的增减(用一比特表现的)BJ1。 

<图46：在四象限的表现> 

通过以上求出六个变量的增减(输入重复10个变量的增减)。通过对其进行组合，可以看出该变动引起的更详细的意思。 

首先，如图46(a)所示那样，可以将表示集中度的增减的BA1设为横轴，将表示步行速度的增减的BB1设为纵轴，画出四象限的图。在此，第一象限 即判定区域1是集中度增加、步行速度增加的状况。更抽象地说，这意味行为的掌握度或能力发挥提高的同时，紧张感或挑战性也提高。将这命名为心流。 

将第二象限即结果判定区域2称为担心以及将区域3称为充电、将区域4称为安心。 

由此，可以求出身上带有该传感器节点Y003的人的内在的经验的质量。具体来讲，根据时间序列数据可以获知是处于紧张感和掌握度都高的心流状态、或相反两者都低的充电状态、或仅紧张高的担心状态、或仅掌握度高的安心状态。在根据数值罗列的时间序列数据可以用这样的人能够理解的语言赋予意思，是本发明大的特征。 

由此，通过两个变量的组合构成四象限，对该象限赋予意思和名字的方法，能够根据时间序列数据求出丰富的意思。 

以往，公知将多个测定数据分类为几个预定的类别的方法。例如，公知在多变量分析中，通过称为判别分析的方法，将数据分配到多个类别的方法。但是，在该方法中，需要决定成为判别条件的边界的“阈值”或边界线。此时，公知有赋予成为判别的正解的数据，决定该阈值或边界线的方法。但是，难以找出100％满足正解的条件。因此，存在结果缺乏可靠性的问题。 

在本发明中，具有第一时间序列数据和第二时间序列数据、以及第一参照值和第二参照值，具有判定第一时间序列数据或根据该第一时间序列数据加工而得的值大于第一参照值，还是小于第一参照值的单元，具有判定第二时间序列数据或根据该第二时间序列数据加工而得的值大于第二参照值，还是小于第二参照值的单元，具有判定第一时间序列数据大于第一参照值并且第二时间序列数据大于第二参照值的状态1的单元，具有把状态1以外的状态、或状态1以外的状态的并且预先限定的特定的状态判定为处于第二状态2的单元，具有存储表现预定的至少两个状态的各自两个名称，并使该两个名称对应上述的状态1以及状态2的单元，具有显示位于该状态1或者状态2中的哪个状态的单元，由此使组合上述第一以及第二时间序列数据的状态的变化可视化。 

通过该结构，通过组合与根据时间序列数据生成的参照值的大小关系进行判定，因此没必要与正解数据匹配地确定边界。因此，结果的可靠性飞跃地提高。由此，可以将更宽范围的数据变换为语言(或一系列的语言)。能够将大 量的时间序列数据翻译成人能够理解的语言是划时代的发明。 

关于对象者与外部的关系(图46(b))，使用BC1、BD1可以弄清是外出会话都增加的开拓指向，还是外出增加但会话减少的观察指向，或者是外出减少但会话增加(在朋友内)的团结指向，或是外出和会话都减少的独步指向。 

关于对象者的行动的特性(图46(c)，使用BE1、BF1可以弄清是步行和安静都增加的移动指向，还是步行增加但安静减少的活性指向，或是步行减少但安静增加的平静指向，或是步行和安静都减少的动作指向。 

关于对象者对人的态度(图46(d))，使用BG1、BH1可以弄清是会话和睡眠都增加的善处指向，还是会话增加但睡眠减少的主导指向，或是会话减少但睡眠增加的悠闲指向，或是会话和睡眠都减少的沉默指向。 

关于对象者的委托(图46(e))，使用BI1、BJ1可以弄清是外出和集中都增加的扩大指向，还是外出增加但集中减少的外力指向，或是外出减少但集中增加的自力指向，还是外出和集中都减少的维持指向。 

关于以上的处理，如Y018～Y019记述的那样，可以获得预定的分类C1(即心流、担心、充电、安心中的一个)～C5。 

通过以上，成功地在大量的传感数据即时间序列波形数据中连续地找出人可以理解的意思。这是目前为止没有做到的划时代的发明。 

另外，在本实施方式中，具有判定与用户的生活或者业务有关的第一量的变化增加或者大并且第二量的变化增加或者大的状态1的单元，具有根据第一、第二量的变化判定处于状态1以外的状态、或状态1以外的状态的预先限定的特定的状态2的单元，具有判定第三量的变化增加或者大并且第四量的变化增加或者大的状态3的单元，具有根据第三、第四量的变化判定处于状态3以外的状态、或状态3以外的状态的预先限定的特定的状态4的单元，具有将即为状态1又为状态3的状态设为状态5，将即为状态1又为状态4的状态设为状态6，将即为状态2又为状态3的状态设为状态7，将即为状态2又为状态4的状态设为状态8，存储表现预定的至少四个状态的四个名称，使该四个名称与上述的状态5、状态6、状态7、状态8对应的单元，具有显示位于该状态5或状态6或状态7或状态8中的哪个状态的单元。由此，使组合了上述第一、第二、第三、第四量的人或组织的状态的变化可视化。 

通过该结构，可以进行更详细的状态分类，将大范围的时间序列数据变换为语言。即，能够将大量的时间序列数据翻译成可以理解的语言。 

<图47：将状态分类为64种、问卷调查的例子> 

当使用这六个参数的增减时，可以将人的状态分类为64个(2的六次幂个)的状态。图47(a)表示对其组合上述的意思来赋予意思。例如，如果在步行速度、安静、集中都增加的过程中，会话减少，步行和外出增加，则成为“谦让”的状态。该是心流、观察指向、移动指向。同时是沉默指向，组合了扩大指向的状态，通过理解该特性，可以表现该状态。 

以上，使用六个参数的增减，根据64个分类，表现对象的状态，但是还可以使用两个变量的增减，根据4个分类，表现对象的状态。或者也可以使用三个变量，进行8个分类。此时，分类是粗略的分类，分类被简化，具有容易理解的特征。相反，也可以使用7个以上的变量的增减，进行更详细的状态分类。 

以上把使用来自传感器节点的数据作为实施例进行了说明，但是该发明即使通过来自传感器节点以外的时间序列数据也能够获得同样的效果。例如，根据个人计算机的工作状况可以获得该人在座位上还是外出的状况，并将其作为上述的一个变量来使用。 

或者，也可以根据便携式电话的通话记录获得会话的指标。也可以使用移动电话的GPS的记录，获得外出的指标。另外，还可以将个人计算机或移动电话的电子邮件的件数(发送数、接收数)作为指标。 

另外，不明确地使用时间序列数据，如图47(b)所示那样，通过询问问出变量的增减，由此可以置换上述的变量的一部分或全部。这例如可以通过在因特网上的网站上输入对该询问的回答，服务器(Y005)通过网络接收用户的输入结果，进行上述的分析(把将进行该处理的单元设为Y022)。此时，因为依靠存储，所以虽然在作为测量的正确性上有不足，但是具有简便易行的优点。 

<图48～图51：分析结果例> 

根据以上的传感器数据、或时间序列数据、或问卷调查的问题的结果可以明确一天的特征。当每天持续进行该处理时，可以获得图48(a)所示的矩阵， 另外，可以将其显示在通过Y020连接的显示部上，显示给用户。当进一步对其通过二进制法表现四象限的分类时，可以获得图48(b)的矩阵。使用该数值数据，可以计算该矩阵的列和列的相关系数。将该相关系数表示为R11～R1616，并表示在49中(在此，为了简化，使用五象限图中的四个)。在该表中，表现这些一天的状态表现的相互的关联。为了使其更加易懂，可以对该行列的相关系数设定阈值(例如作为明确的相关可以设阈值为0.4)，当超过阈值时，判定为相互连接了状态表现，当未超过阈值时，则判定为状态表现为非连接，通过用线将连接的状态表现之间连接，可以使通过怎样的结构经营该人的生活可视化(图50)。 

在该图的例子中，用正号和负号的记号表示相互间通过正的相关连接的元素的环(经过一周又返回到原来的路径)。其表示当在该变量中有变动时，进一步扩大该变动的反馈。例如，在该例中，一旦发生心流，则沉默指向和独步指向增加，结果可以进一步读取心流增加这样的反馈环。或者，具有奇数个用负号表示的负的相关的环是抑制变动的反馈。例如，可知当心流增加时，善处指向减弱，主导指向增强，担心增强，结果使心流减弱。这抑制最初的心流增加的变动。 

以一天为单位的分析为例对其进行了说明，但是，当然可以将其变更为以半天为单位、以一小时为单位、或者以一周或一个月等时间单位来进行。 

如果明确地成为根据时间序列的大量数据决定到此为止的人的行动的构造，则可以具体地进行用于提高此人的人生或工作的建议。特别是可以预先与图47(a)的64个分类中的各个分类相对应地记录建议，当判定了处于分类的哪个状态时，将该建议显示在显示部上等，自动地提供基于传感数据的建议。通过Y021进行显示该建议的信息的处理。图51表示当判定为“谦让”状态时提供的建议的例子。 

在显示以上结果时，难以获知传感器节点附加的ID，因此通过将ID和此人(另外，此人的性别、职位、部署等)的属性信息M1与ID关联起来，与这些结果一起显示，则可以容易地获知(将其设为Y023、Y024)。 

以上，以使用语言对人的状态赋予特征的方法为例进行了说明，但是，在本发明中赋予特征并不限于人。同样适用于组织、家庭、汽车的运行状况、装 置的运转状况等广泛的对象。 

实施例8 

参照附图对本发明的第八实施方式进行说明。 

本发明的第八实施方式通过分析与现状的人之间的交流量有关的数据，发现希望增加交流的人的配对，并且进行显示或指示对其进行催促。 

作为表示人之间的交流量的数据，可以使用从终端(TR)获得的会面时间的数据或、通过麦克风获得的声音的反应时间、从PC或移动电话的日志获得的邮件的收发数量等。另外，即使不是直接表示交流量的数据，同样也可以使用与人之间的交流量有关的具有特定的性质的数据。例如，可以在相应的人之间检测会面，并且使用相互间的加速度节奏为一定值以上的时间的数据。相互的加速度节奏的值高的会面状态是进行集体讨论等活跃的会话的转移话题的状态。即，在使用该数据时，不将仅仅沉默地度过会议的时间的人之间作为分析对象，而是捕捉通过活跃的会话的转移话题构成的人和人的关联的构造(网络构造)，并可以提取出应该增加会话的转移话题的人的配对。以后使用从终端(TR)获得的会面时间的信息作为交流量的数据进行说明。 

为了发现应该增加交流的人的配对，着眼于组织内的三人的关系。在某人X、A、B中，人X和人A协作(交流)，人X和人B也协作，但是人A和人B不协作时，与人A和人B也协作时相比，当人X分别对人物A、B分担并委托工作时，人A、B无法把握相互间的状况和工作内容，导致工作效率或品质降低。因此这样的三人之间的两个组的配对进行协作，但是发现剩余一组未协作的三者关系的组，输出显示催促未协作的两者之间的协作。为了发现这样的三者关系，使用本发明实施方式6表示的会面矩阵(ASMM)。 

图54是用于说明实现本发明第八实施方式的传感网络系统的全体结构的框图。只有本发明的第一实施方式中的图4～图6的应用程序服务器(AS)不同。其它部分和处理使用与本发明第一实施方式相同的结构，因此省略说明。另外，因为未使用表现数据，所以可以没有表现输入用客户机(QC)。 

应用程序服务器(AS)内的存储部(ASME)和收发部的结构使用与本发明第六实施方式相同的结构。另外，在控制部(ASCO)中，在分析条件设定(ASIS)后，通过数据取得(ASGD)，从传感器网络服务器(SS)取得必要 的会面数据，使用该数据按照每天生成会面矩阵(ASIM)。然后，按照进行协作期待配对提取(ASR2)，最后进行网络图描绘(ASR3)这样的顺序进行处理。将描绘的结果发送到客户机(CL)，显示在显示器等上(CLDP)。 

在协作期待配对提取(ASR2)中，发现全部只有一组未进行协作的三者关系，列出该未协作的配对作为协作期待配对。 

在网络图描绘中，选择协作期待配对的列表中的某个组，与表示全部的人彼此之间的协作的状况的网络图，重叠地强调显示。图56表示显示的例子。由此，具体地指示通过增加协作，可以预见改善组织的人。因此，可以实施用于使这些人协作的对策，例如使其进入到相同的组共同工作等。 

另外，通过使用表示一个人与周围的人间的协作程度的指标即团结度，可以获得更好的效果。在协作期待配对提取(ASR2)之前，进行团结度计算(ASR1)，关注团结度低的人，即与周围的协作较弱的人。然后，当从包含该人的三者关系中提取协作期待配对时，可以提取用于使整个组织最佳化的配对，可以预见进一步提高生产率。另外，关于全部的组合，无需判别三者间的协作的形式，因此具有处理时间变短的优点。这特别在将人数多的组织作为对象时有效。以下，关于使用了团结度时的过程，具体描述其方法。当未使用团结度时，仅是不进行团结度计算(ASR1)的步骤，可以用同样的方法实施其它步骤。 

在组织中，团结度(cohesion)这样的指标与生产率的关联很强。团结度是表示关于某个人X，与人X协作(交流)的其他多个人彼此之间协作的程度的指标。当团结度高时，人X的周围人彼此理解相互的状况和工作内容，自然地相互帮助推进工作，因此工作的效率和品质都提高。与此相对，团结度低时，可以说效率或品质都容易降低。即，团结度是将先前阐述的相对于一人其他两人未协作的三者关系扩张为一对三以上的关系，用数值表示协作欠缺的程度的指标。已知团结度其值越高生产率越高，因此可以使用该指标作为组织改善的依据。因此，在本实施方式中，根据团结度的指标提取应该协作的人的组合，具体地进行建议。由此，能够战略性地选择对组织的生产率的提高更加有效的配对，确立用于增加该配对的协作的对策。 

接着，沿着图54的框图，说明应用程序服务器(AS)内的控制部(ASCO) 中的处理的过程。控制部(ASCO)以外的结构与实施例6相同。 

首先，关于分析条件设定(ASIS)、数据取得(ASGD)、会面矩阵生成(ASIM)，通过与本发明第六实施方式相同的方法进行。 

团结度计算(ASR1)通过以下公式(3)计算各人的团结度C_i。另外，以后将会面矩阵的元素的值在某阈值(例如每天三分钟)以上的值的人的配对看做“正在协作”。 

$C_i=\frac{L_i}{C_2^{N_i}}\&times;N_i---\left(3\right)$

C_i：人i的团结度；N_i：与人i协作的人的数量； 

L_i：与人i协作的人之间的协作数量(不包含与i的协作)； 

：在N_i人中可能得到的所有的协作的组合数。 

使用表示图55的协作的网络图的例子，说明公式3。在图55中，N_i为4(人)，L_i为2、N_iC2为6。因此，求出团结度Ci(2÷6×4＝)1.33的值。同样地计算与全部人有关的团结度。 

接着，在协作期待配对提取(ASR2)中，关注团结度最低的人，为了提高此人的团结度提取应该协作的人的配对，即期待协作的配对。具体来讲，与关注的人协作，但是列出所有相互未协作的配对。如果使用图55的例子，则例如人j和人l的配对分别与人i协作，但是相互间未协作，因此通过该配对协作，与人i协作的人之间的协作数(L_i)增加，可以提高人i的团结度。 

更具体地讲，说明从会面矩阵的元素(表示人之间的会面时间)列出的方法。按顺序从组织的成员中检查三人组合(i、j、l)的所有的图形。将人i和人j的元素设为T(i，j)，将人i和人l的元素设为T(i，l)，将人j和人l的元素设为T(j，l)，将看做正在协作的阈值设为k。在该三人的组合中，发现满足T(i，j)≥K，且T(i，l)≥K、且T(j，l)＜K的条件，将人物i以外的两人(人物j、人物l)的组作为协作期待配对列出。 

另外，可以不关注团结度最低的人，还可以从团结度低的一方关于多个人，分别列出协作期待配对，在然后的网络图描绘(ASR3)的阶段中，从中选择几组配对来进行显示。此时，能够进行用于全体地均衡地改善组织的建议。 

在网络图描绘(ASR3)中，通过从会面矩阵(ASMM)使用弹簧模型(Spring model)等配置算法，使人与圆圈对应，并且使人之间的协作与线对应来表示的描绘方法(网络图)，用图表示当前的组织的联合的状态。另外，随机地选择在协作期待配对提取(ASR2)中提取出的配对中的数组(例如2组等。预先决定显示的配对的数量)，用不同的线种(例如虚线)或带颜色的线连接该配对。图56表示描绘的图像的例子。图56是用实线表示当前已经协作的配对，用虚线表示期待今后的协作的配对的网络图。由此，能够明确理解哪个配对进行协作可以改善组织。 

作为催促协作的对策，具有将成员分为多个组，分别使其进行活动的方法。此时，如果决定分组，使得显示的协作期待配对属于相同组，则可以催促目的配对的协作。另外，此时不是随机地从协作期待配对中选择显示的配对，而是进行选择以使各组的人数几乎相同。 

通过以上的方法，可以提取希望进行协作的配对，并具体地表示。由此，可以催促组织协作，进而提高组织的生产率。 

以上对本发明的实施方式进行了说明，但是本领域的技术人员理解本发明并不限于上述实施方式，可以进行各种变形，并可以将上述各实施方式进行适当组合。 

产业上的利用可能性 

本发明可以应用于用于通过人员管理、项目管理等进行提高生产率的支援的咨询产业。 

符号说明 

TR、TR2～TR3终端 

GW、GW2基站 

US、US2～5用户 

QC表现输入用客户机 

NW网络 

PAN个人局域网 

SS传感器网络服务器 

AS应用程序服务器 

CL客户机 

Claims (14)

1.一种信息处理系统，其具备：终端、输入输出装置、以及处理从所述终端和所述输入输出装置发送的数据的处理装置，该信息处理系统的特征在于，

所述终端具备：检测物理量的传感器，以及将表示所述物理量的数据发送到所述处理装置的数据发送部，

所述输入输出装置具备：输入部，其接受表示与带有所述终端的人相关联的生产率的数据的输入；以及数据发送部，其将表示所述生产率的数据发送到所述处理装置，

所述处理装置具备：特征量提取部，其从表示所述物理量的数据中提取特征量；冲突计算部，其根据表示所述生产率的数据来决定产生冲突的多个数据；以及影响力系数计算部，其计算所述特征量和产生所述冲突的多个数据的关联的强度；

其中，所述传感器检测加速度作为所述物理量，

所述特征量提取部根据所述加速度的值计算表示频率的加速度节奏，根据所述加速度节奏的大小或预定范围内的所述加速度节奏的持续时间来计算所述特征量。

2.根据权利要求1所述的信息处理系统，其特征在于，

所述影响力系数计算部使用相同的特征量计算与产生所述冲突的多个数据的关联的强度。

3.根据权利要求1所述的信息处理系统，其特征在于，

所述处理装置还具备平衡图描绘部，其在把产生所述冲突的多个数据中的第一数据和所述特征量的关联的强度、以及产生所述冲突的多个数据中的第二数据和所述特征量的关联的强度作为两个轴的坐标平面上，生成描绘了表示所述特征量的记号的图像。

4.根据权利要求1所述的信息处理系统，其特征在于，

所述冲突计算部从多个表示所述生产率的数据中选择多个组合，计算多个组合各自的相关系数，把所述相关系数为负且其绝对值最大的一个组合决定为产生所述冲突的多个数据。

5.根据权利要求1所述的信息处理系统，其特征在于，

所述传感器检测从其它终端发送的红外线，取得与所述其它终端的会面数据，

所述特征量提取部根据所述会面数据计算所述终端与所述其它终端的会面时间，根据所述会面时间的长短来计算所述特征量。

6.根据权利要求5所述的信息处理系统，其特征在于，

所述特征量提取部补充所述会面数据的空白，根据所述补充后的数据的数量来测量带有所述终端的人的会面时的姿势变化，将所述会面时的姿势变化作为所述特征量。

7.根据权利要求1所述的信息处理系统，其特征在于，

所述终端和所述输入输出装置是同一个装置。

8.一种信息处理系统，其具备终端、输入输出装置、以及处理从所述终端和所述输入输出装置发送的数据的处理装置，该信息处理系统的特征在于，

所述终端具备：检测物理量的传感器，以及发送表示所述物理量的数据的数据发送部，

所述输入输出装置具备：输入部，其接受多个表示与带有所述终端的人相关联的生产率的数据的输入；以及数据发送部，其将多个表示所述生产率的数据发送到所述处理装置，

所述处理装置具备：特征量提取部，其从表示所述物理量的数据中提取多个特征量，使所述多个特征量各自的期间以及采样周期统一；冲突计算部，其使多个表示所述生产率的数据各自的期间以及采样周期统一；以及影响力系数计算部，其计算所述期间以及采样周期统一后的特征量和与所述生产率有关的数据的关联的强度；

其中，所述特征量提取部，以按顺序增大所述采样周期的方式，分阶段地求出所述特征量，由此使所述多个特征量各自的采样周期统一。

9.根据权利要求8所述的信息处理系统，其特征在于，

所述冲突计算部根据表示所述生产率的数据决定产生冲突的多个数据，

所述影响力系数计算部计算所述特征量和产生所述冲突的多个数据的关联的强度。

10.根据权利要求9所述的信息处理系统，其特征在于，

所述冲突计算部从多个表示所述生产率的数据中选择多个组合，计算多个组合各自的相关系数，把所述相关系数为负且其绝对值最大的一个组合决定为产生所述冲突的多个数据。

11.一种信息处理系统，其具备终端、输入输出装置、以及处理从所述终端和所述输入输出装置发送的数据的处理装置，该信息处理系统的特征在于，

所述终端具备：检测物理量的传感器，以及发送表示所述传感器检测出的物理量的数据的数据发送部，

所述输入输出装置具备：输入部，其接受表示与带有所述终端的人相关联的生产率的数据的输入；以及数据发送部，其将表示所述生产率的数据发送到所述处理装置，

所述处理装置具备：特征量提取部，其从表示所述物理量的数据中提取特征量；冲突计算部，其根据表示所述生产率的数据来决定表示所述人的主观评价的主观数据以及与所述人物相关联的业务的客观数据；以及影响力系数计算部，其计算所述特征量和所述主观数据的关联的强度、以及所述特征量和所述客观数据的关联的强度；

其中，所述冲突计算部从多个表示所述生产率的数据中选择多个组合，计算多个组合各自的相关系数，把所述相关系数为负且其绝对值最大的一个组合决定为所述主观数据以及所述客观数据。

12.根据权利要求11所述的信息处理系统，其特征在于，

所述处理装置还具备平衡图描绘部，其在把所述特征量和所述主观数据的关联的强度、以及所述特征量和所述客观数据的关联的强度作为两个轴的坐标平面上，生成描绘了表示所述特征量的记号的图像。

13.根据权利要求11所述的信息处理系统，其特征在于，

所述主观数据和所述客观数据是产生冲突的数据。

14.一种信息处理系统，其具备终端、输入输出装置、以及处理从所述终端和所述输入输出装置发送的数据的处理装置，该信息处理系统的特征在于，

所述终端具备：检测物理量的传感器，以及发送表示所述传感器检测出的物理量的数据的数据发送部，

所述输入输出装置具备：输入部，其接受多个表示与带有所述终端的人相关联的生产率的数据的输入；以及数据发送部，其将表示所述生产率的数据发送到所述处理装置，

所述处理装置具备：特征量提取部，其从表示所述物理量的数据中提取多个特征量；以及影响力系数计算部，其分别计算在所述多个特征量中选择出的一个特征量和多个表示所述生产率的数据的关联的强度；

其中，所述传感器检测加速度作为所述物理量，

所述特征量提取部根据所述加速度的值计算表示频率的加速度节奏，根据所述加速度节奏的大小或预定范围内的所述加速度节奏的持续时间来计算所述特征量。

Images