CN102693214A - 传感器信息处理分析系统以及分析服务器 - Google Patents
传感器信息处理分析系统以及分析服务器 Download PDFInfo
- Publication number
- CN102693214A CN102693214A CN2012100200028A CN201210020002A CN102693214A CN 102693214 A CN102693214 A CN 102693214A CN 2012100200028 A CN2012100200028 A CN 2012100200028A CN 201210020002 A CN201210020002 A CN 201210020002A CN 102693214 A CN102693214 A CN 102693214A
- Authority
- CN
- China
- Prior art keywords
- data
- rate
- obtains
- analysis
- sensor node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 167
- 238000012545 processing Methods 0.000 claims abstract description 145
- 230000009471 action Effects 0.000 claims description 84
- 238000001514 detection method Methods 0.000 claims description 30
- 230000008859 change Effects 0.000 claims description 15
- 238000003860 storage Methods 0.000 description 92
- 238000007726 management method Methods 0.000 description 48
- 230000036541 health Effects 0.000 description 47
- 230000033764 rhythmic process Effects 0.000 description 46
- 238000004891 communication Methods 0.000 description 39
- 239000011159 matrix material Substances 0.000 description 37
- 238000000034 method Methods 0.000 description 35
- 230000002123 temporal effect Effects 0.000 description 32
- 238000003745 diagnosis Methods 0.000 description 29
- 230000001133 acceleration Effects 0.000 description 24
- 230000005540 biological transmission Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 18
- 238000013480 data collection Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 239000012467 final product Substances 0.000 description 9
- 238000005286 illumination Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 230000001360 synchronised effect Effects 0.000 description 7
- 102100022443 CXADR-like membrane protein Human genes 0.000 description 6
- 101000901723 Homo sapiens CXADR-like membrane protein Proteins 0.000 description 6
- 101000972158 Homo sapiens Mitochondrial tRNA-specific 2-thiouridylase 1 Proteins 0.000 description 6
- 102100022450 Mitochondrial tRNA-specific 2-thiouridylase 1 Human genes 0.000 description 6
- 230000006399 behavior Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008676 import Effects 0.000 description 6
- 230000008520 organization Effects 0.000 description 6
- 230000009467 reduction Effects 0.000 description 6
- XQSBWVVYASKPKQ-UHFFFAOYSA-N AMMP Chemical compound C1=CC(OC)=CC=C1CC1=CC(N)=NC(OC)=N1 XQSBWVVYASKPKQ-UHFFFAOYSA-N 0.000 description 5
- 102100027279 FAS-associated factor 1 Human genes 0.000 description 5
- 101000914654 Homo sapiens FAS-associated factor 1 Proteins 0.000 description 5
- 208000022435 Light chain deposition disease Diseases 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000013523 data management Methods 0.000 description 5
- 238000013500 data storage Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 208000012273 Grayson-Wilbrandt corneal dystrophy Diseases 0.000 description 4
- 238000003556 assay Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000015654 memory Effects 0.000 description 4
- 238000006467 substitution reaction Methods 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- NEBFIUZIGRTIFY-BJDJZHNGSA-N Ala-Met-Ser-Arg Chemical compound CSCC[C@H](NC(=O)[C@H](C)N)C(=O)N[C@@H](CO)C(=O)N[C@H](C(O)=O)CCCNC(N)=N NEBFIUZIGRTIFY-BJDJZHNGSA-N 0.000 description 3
- 101100012526 Arabidopsis thaliana FAF3 gene Proteins 0.000 description 3
- 241000345998 Calamus manan Species 0.000 description 3
- 101150115493 FAD3 gene Proteins 0.000 description 3
- 102100022354 FAS-associated factor 2 Human genes 0.000 description 3
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 3
- 101000824586 Homo sapiens FAS-associated factor 2 Proteins 0.000 description 3
- 101100127688 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FAA1 gene Proteins 0.000 description 3
- 101100127691 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FAA3 gene Proteins 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 235000012950 rattan cane Nutrition 0.000 description 3
- 230000001932 seasonal effect Effects 0.000 description 3
- DSGKWFGEUBCEIE-UHFFFAOYSA-N (2-carbonochloridoylphenyl) acetate Chemical compound CC(=O)OC1=CC=CC=C1C(Cl)=O DSGKWFGEUBCEIE-UHFFFAOYSA-N 0.000 description 2
- 101100502320 Arabidopsis thaliana FAD4 gene Proteins 0.000 description 2
- 101100012527 Arabidopsis thaliana FAF4 gene Proteins 0.000 description 2
- 101000934489 Homo sapiens Nucleosome-remodeling factor subunit BPTF Proteins 0.000 description 2
- 101000727772 Homo sapiens Thiamine transporter 1 Proteins 0.000 description 2
- 101100326803 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) fac-2 gene Proteins 0.000 description 2
- 102100025062 Nucleosome-remodeling factor subunit BPTF Human genes 0.000 description 2
- 102100030104 Thiamine transporter 1 Human genes 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 208000006446 thiamine-responsive megaloblastic anemia syndrome Diseases 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- BWPHMODUWYICCN-NBFOIZRFSA-N (2s)-2-[[4-[(2-amino-4-oxo-4a,7-dihydro-1h-pteridin-6-yl)methylamino]benzoyl]amino]pentanedioic acid Chemical compound C1N=C2NC(N)=NC(=O)C2N=C1CNC1=CC=C(C(=O)N[C@@H](CCC(O)=O)C(O)=O)C=C1 BWPHMODUWYICCN-NBFOIZRFSA-N 0.000 description 1
- 102100038028 1-phosphatidylinositol 3-phosphate 5-kinase Human genes 0.000 description 1
- PKTIFYGCWCQRSX-UHFFFAOYSA-N 4,6-diamino-2-(cyclopropylamino)pyrimidine-5-carbonitrile Chemical compound NC1=C(C#N)C(N)=NC(NC2CC2)=N1 PKTIFYGCWCQRSX-UHFFFAOYSA-N 0.000 description 1
- 101100219317 Arabidopsis thaliana CYP84A1 gene Proteins 0.000 description 1
- 101100257994 Arabidopsis thaliana FAB2 gene Proteins 0.000 description 1
- 101100126948 Arabidopsis thaliana FAE1 gene Proteins 0.000 description 1
- 101100012532 Arabidopsis thaliana FAH1 gene Proteins 0.000 description 1
- 101100334332 Arabidopsis thaliana FAH2 gene Proteins 0.000 description 1
- 101000928249 Arabidopsis thaliana Palmitoyl-monogalactosyldiacylglycerol delta-7 desaturase, chloroplastic Proteins 0.000 description 1
- 102100027140 Butyrophilin subfamily 1 member A1 Human genes 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 101150061400 Fad4 gene Proteins 0.000 description 1
- 101001025044 Homo sapiens 1-phosphatidylinositol 3-phosphate 5-kinase Proteins 0.000 description 1
- 101000901683 Homo sapiens Battenin Proteins 0.000 description 1
- 101000984929 Homo sapiens Butyrophilin subfamily 1 member A1 Proteins 0.000 description 1
- 101100127690 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FAA2 gene Proteins 0.000 description 1
- 101100256292 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) SCS7 gene Proteins 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 210000000088 lip Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004092 self-diagnosis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供传感器信息处理分析系统以及分析服务器。将传感器数据发送来的定时不恒定,所以有时无法通过定期的批处理正确地进行分析。为了提高内容的精度需要反映未处理的数据,但是通过再次执行批处理还对过去已处理过的数据进行处理,所以无用的处理多。谋求兼顾数据的分析处理量降低和内容精度提高。预先决定了在预定时间内从发送检测到的数据的传感器终端发送的希望数据数。分析服务器根据希望数据数和在预定时间内实际从多个传感器终端接收到的有效数据数,求出在批处理中使用的数据的取得率。在每单位时间的数据的取得率变动时,使用来自传感器终端的数据进行相应批处理。
Description
技术领域
本发明涉及传感器信息处理分析系统以及分析服务器,涉及分析大量的传感器数据的传感器信息处理分析系统以及分析服务器。
背景技术
作为本技术领域的背景技术,例如具有在日本特愿2008-22896号公报(专利文献1)中公开的技术。在该公报中记载了“根据分析内容,经过时间触发分析和事件触发分析来进行分析。在时间触发分析中,进行在可视化时所需要的作为基础的分析处理。此外,在事件触发分析中,使用阅览者的希望信息对在时间触发分析中求出的分析结果进行加工并输出”(参照摘要)。
当从传感器节点送来传感器数据的定时不恒定时,有时无法通过定期的批处理进行分析。例如,当在传感器节点发送数据的定时不在预定的场所时,有时无法从该传感器节点取得数据,无法反映在批处理中。为了提高内容精度,需要反映未处理的数据,但是当再次执行批处理时,还对过去进行了处理的数据进行处理,徒劳的处理增多。另外,在等待来自全部传感器节点的数据的收集后进行批处理的情况下,随着传感器节点的数量的增多,数据丢失的概率增加,因此等待时间增长,并且随着传感器节点的数量的增多,批处理也需要时间,所以在得到处理结果之前需要花费时间。
【专利文献1】日本特愿2008-22896号公报
发明内容
本发明是鉴于以上问题而提出的,其目的在于兼顾数据的分析处理量的降低和分析结果的内容的精度提高。
为了解决上述课题,例如采用在权利要求书中记载的结构。
本申请包含多个在一个发明概念中包含的解决上述课题的具体手段,若列举一个例子,其特征为“针对每个处理保存在处理中使用的数据的取得率,仅在每一定时间内数据的取得率产生变动的情况下进行该批处理”。
并且,特征为“在没有从传感器终端进行检测时,还发送没有进行检测的数据”。
例如,针对每个处理保存在处理中使用的数据的取得率,仅在每一定时间内数据的取得率发生变动的情况下进行该批处理。此外,关于没有从传感器终端进行检测的状态时,发送没有进行检测的数据。如果取得率的变动超过了一定的阈值则可以进行该批处理。如果数据的取得率超过了一定的阈值,则即使不是100%也可以判定是已分析状态。上述处理是用于生成显示数据的处理。
根据本发明第一解决手段,提供一种传感器信息分析系统,其具有:多个传感器节点,其发送检测到的数据;以及分析服务器,其使用来自所述多个传感器节点的数据,进行预定的批处理,预先决定了从所述传感器节点在预定的时间内发送的希望的数据数量,所述分析服务器关于在预定的批处理中使用的数据,根据所述希望的数据数量以及实际从所述多个传感器节点接收到的所述预定的时间内的数据数量,求出数据的取得率,在数据的取得率存在变动时,进行相应的批处理。
根据本发明第二解决手段,提供一种分析服务器,其是具有发送检测到的数据的多个传感器节点、以及使用来自所述多个传感器节点的数据,进行预定的批处理的分析服务器,并预先决定了从所述传感器节点在预定的时间内发送的希望的数据数量的系统中的所述分析服务器,该分析服务器,关于在预定的批处理中使用的数据,根据所述希望的数据数量以及实际从所述多个传感器节点接收到的所述预定的时间内的数据数量,求出数据的取得率,在数据的取得率存在变动时,进行相应的批处理。
根据本发明,能够兼顾数据的分析处理量的降低和分析结果的内容的精度提高。
附图说明
图1A是传感器信息处理分析系统的构成图的例(1)。
图1B是传感器信息处理分析系统的构成图的例(2)。
图1C是传感器信息处理分析系统的构成图的例(3)。
图1D是传感器信息处理分析系统的构成图的例(4)。
图1E是传感器信息处理分析系统的构成图的例(5)。
图1F是传感器信息处理分析系统的构成图的例(6)。
图1G是传感器信息处理分析系统的构成图的例(7)。
图1H是传感器信息处理分析系统的构成图的例(8)。
图2A是传感器信息处理分析系统的处理的例(1)。
图2B是传感器信息处理分析系统的处理的例(2)。
图2C是传感器信息处理分析系统的处理的例(3)。
图2D是传感器信息处理分析系统的处理的例(4)。
图3是用户/场所信息表的例子。
图4是个人处理基准表的例子。
图5是个人处理时刻执行日志表的例子。
图6是会面表的例子。
图7是身体节律表的例子。
图8是个人指标表的例子。
图9是组织信息数据库的例子。
图10是项目表的例子。
图11是组织处理基准表的例子。
图12是组织处理时刻执行日志表的例子。
图13是会面矩阵的例子。
图14是组织指标的例子。
图15是项目进步内容的例子。
图16是网络图的例子。
图17是旅费数据库的例子。
图18是个人业务行动主表的例子。
图19是组织/项目业务行动主表的例子。
图20是补充输出后的会面/身体节律表的例子。
图21是补充输出后的按用户划分的会面矩阵的例子。
图22是补充输出后的按用户划分的网络图的例子。
图23是补充输出后的按团队划分的会面矩阵的例子。
图24是补充输出后的按团队划分的网络图的例子。
图25是匹配性处理前的会面/身体节律表的例子。
图26是匹配性处理前的会面/身体节律表的例子。
符号说明
TR终端;GW基站;SS存储服务器;AS应用程序服务器;CL客户机;
KS企业信息汇总服务器;AM管理系统;DS诊断服务器
具体实施方式
以下,参照附图说明本发明的一实施方式。
为了明示本实施方式中的分析系统的定位和功能,首先说明商务显微镜系统。在此,所谓商务显微镜,是通过安装在人体上的传感器节点观测此人的行动和行为,作为组织活动图示人物间的关系性和当前的组织的图像,由此帮助改善组织的系统。此外,把通过传感器节点所取得的与会面检测、行动、声音等有关的数据总称为组织动态数据。
图1A、图1B、图1C、图1D、图1E、图1F、图1G、图1H是说明一实施方式的商务显微镜系统的构成要素的说明图,为了方便图示分割进行图示,但是相互协作地执行各图所示的各处理。
图1表示从名牌型传感器节点(TR)经由基站(GW)直到存储组织动态数据的传感网络服务器(SS)、进行组织动态数据的分析的应用程序服务器(AS)、向阅览者输出分析结果的客户机(CL)的一连串的流程。
本系统具备:名牌型传感器节点(TR)、基站(GW)、传感网络服务器(SS)、应用程序服务器(AS)、NTP服务器(TS)、企业信息汇总服务器(KS)、诊断服务器(DS)、客户机(CL)以及管理系统(AM)。在此,名牌型传感器节点、基站、各种服务器、客户机、管理系统各自具有配备有中央处理部、存储部、网络接口等的通常的计算机结构。
图1A所示的应用程序服务器(AS)对组织动态数据进行分析以及处理。接受来自图1B所示的客户机(CL)的委托,或者在设定的时刻,分析应用程序自动以及手动地启动。
分析应用程序依赖于图1F所示的传感网络服务器(SS),取得需要的组织动态数据。并且,分析应用程序对所取得的组织动态数据进行分析,向图1B所示的客户机(CL)返回分析结果。或者,分析应用程序可以把分析结果直接记录在分析结果数据库(F)中。
图1C所示的企业信息汇总服务器(KS)是谋求与其他的企业信息系统的协作,汇总企业信息的服务器。图1D所示的诊断服务器(DS)进行系统是否正常地工作的诊断。接受来自图1G所示的管理系统(AM)的委托,或者在设定的时刻,诊断应用程序自动启动。图1E所示的管理系统(AM)是与系统管理者的接点,是显示系统的诊断结果,显示并管理系统的状态的接口。
把在分析中使用的应用程序存储在分析算法(D)中,通过控制部(ASCO)来执行。通过本实施例执行的处理是业务行动分析(CA)、企业指标分析(CA1)、企业信息分析(CA2)。
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)在图1F所示的传感网络服务器(SS)以及图1B所示的客户机(CL)之间进行组织动态数据的发送以及接收。具体地说,收发部(ASSR)接收从客户机(CL)发送来的命令,向传感网络服务器(SS)发送组织动态数据取得委托。并且,收发部(ASSR)从传感网络服务器(SS)接收组织动态数据,将分析结果发送给客户机(CL)。
存储部(ASME)由硬盘、存储器或SD卡那样的外部记录装置构成。存储部(ASME)存储用于分析的设定条件以及分析结果。具体地说,存储部(ASME)存储用户/场所信息数据库(I)、组织信息数据库(H)以及分析算法(D)。
用户/场所信息表(I)是记载了用户的姓名、职位、用户ID等个人信息和场所信息的表。
组织信息数据库(H)是作为一般信息存储有生产性(HA)或事故不良(HB)等该组织模型化时需要的数据、气候或股价等进行组织活动时需要的数据的数据库。
说明组织信息数据库(H)(例如参照图9)。组织信息表(HH)存储与该组织或成员有关的指标。这些指标在进行组织的分析时使用。
把与生产性有关的指标存储在生产性指标(HA)中。表由确定用户的用户ID(HA1)和生产性指标(成绩(HA2)、贡献度(HA3)、程序步骤数(HA4)、营业件数(HA5)、销售额(HA6))构成。期间为期间:2010年7月19日~2010年7月26日(HA7)。
如果如贡献度(HA3)那样为字母标记,则变换好成绩使其成为大的值。此外,如果是每个团队的指标,则属于该团队的成员代入相同的值。如果是与生产性有关的指标,则可以使用其他的指标。
把与事故或不良有关的指标存储在事故不良指标(HB)中。表由用于确定用户的用户ID(HB1)和事故不良指标(休息天数(HB2)、缺陷数(HB3)、未遂事故数(HB4)、不良件数(HB5)、投诉件数(HB6))构成。期间为期间:2010年7月19日~2009年7月26日(HB7)。
如果是每个团队的指标,则属于该团队的成员代入相同的值。此外,如果是与事故不良有关的指标,则可以使用其他的指标。
分析结果数据库(F)是存储对组织动态数据进行分析后的结果(组织动态指标)结果的数据库。
分析算法(D)存储在分析中使用的程序。按照来自客户机(CL)的委托,选择恰当的程序,发送给控制部(ASCO),然后执行分析。
控制部(ASCO)具备中央处理部CPU(省略图示),执行数据的收发的控制以及检测数据的分析。具体地说,CPU(省略图示)执行在存储部(ASME)中存储的程序,由此执行通信控制(ASCC)、业务行动分析(CA)、业务指标分析(CA1)、企业信息分析(CA2)。
通信控制(ASCC)控制通过有线或者无线方式与传感网络服务器(SS)以及客户机数据(CL)的通信的定时。并且,通信控制(ACSS)执行数据的形式变换、以及按照数据的种类不同执行目的地的分配。
业务行动分析(CA)是分析业务行动的处理。业务行动分析(CA)由业务指标分析(CA1)和企业信息分析(CA2)构成。
业务指标分析(CA1)是一边考虑传感器数据的取得率一边求出个人指标或组织指标的处理。个人行动(CA1A)是一边考虑传感器数据的取得率一边提取个人的行动的处理。个人指标(CA1B)是使用个人行动(CA1A),一边考虑在个人行动(CA1A)的分析时使用的传感器数据的取得率一边提取个人的指标的处理。组织行动(CA1C)是使用个人行动(CA1A),一边考虑在个人行动(CA1A)的分析时使用的传感器数据的取得率一边提取在组织内进行的行动的处理。组织指标(CA1D)是使用组织行动(CA1C),一边考虑在组织行动(CA1C)的分析时使用的传感器数据的取得率一边提取组织的指标的处理。
企业信息分析(CA2)是一边与企业信息汇总服务器(KS)协作,一边进行业务指标分析(CA1)的补充、以及向企业信息汇总服务器(KS)提供信息的处理。补充输入(CA2A)是为了进行业务指标分析(CA1)的补充,进行企业信息汇总服务器(KS)内的企业信息汇总数据库(KSME1)的数据的读入的处理。补充提取(CA2B)是使用通过补充输入(CA2A)读入的数据,进行业务指标分析(CA1)的补充的处理。补充输出(CA2C)是输出业务指标分析(CA1)的结果的处理。
把分析后的结果从分析结果数据库(F)或收发部(ASSR)发送到图1B所示的客户机(CL)的显示(J)。
图1B所示的客户机(CL)是与用户的接点,进行数据的输入输出。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。还可以根据需要在外部输入输出(CLIU)上连接其他输入输出装置。
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)还可以包含打印机等。
收发部(CLSR)在与图1A所示的应用程序服务器(AS)或图1F所示的传感网络服务器(SS)之间进行数据的发送以及接收。具体地说,收发部(CLSR)把分析条件(CLMP)发送给应用程序服务器(AS),接收分析结果。
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)记录分析条件(CLMP)以及描绘设定信息(CLMT)等描绘所需要的信息。分析条件(CLMP)记录从用户设定的分析对象的成员的数量以及分析方法的选择等条件。描绘设定信息(CLMP)记录表示在画面的哪个部分描绘什么的与描绘位置有关的信息。并且,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、从客户机用户(US)的分析条件的输入、以及用于向客户机用户(US)提示分析结果的描绘等。具体地说,CPU通过执行在存储部(CLME)中存储的程序,执行通信控制(CLCC)、分析条件设定(CLIS)、描绘设定(CLTS)、显示(J)的处理。
通信控制(CLCC)控制有线或无线方式的与应用程序服务器(AS)或传感网络服务器(SS)之间的通信的定时。此外,通信控制(CLCC)变换数据的形式,按数据的种类分配目的地。
分析条件设定(CLIS)接受用户经由输入输出部(CLIO)指定的分析条件,记录在存储部(CLME)的分析条件(CLMP)中。在此,设定在分析中使用的数据的期间、成员、分析的种类以及用于分析的参数等。客户机(CL)把这些设定发送给应用程序服务器(AS)向其委托分析,并且与此并行地执行描绘设定(CLTS)。
描绘设定(CLTS)设定根据分析条件(CLMP)显示分析结果的方法以及计算在图面上进行描绘的位置。把该处理的结果记录在存储部(CLME)的描绘设定信息(CLMT)中。
显示(J)根据在描绘设定信息(CLMT)中记载从应用程序服务器(AS)取得的分析结果的形式生成显示画面。例如,在描绘设定信息(CLMT)中存储了模型描绘(JA)等。此时如果有必要,显示(J)还显示所显示的人的姓名等属性。经由显示器(CLOD)等输出装置向用户提示生成的显示结果。例如,在显示器(CLOD)上显示图2D所示的项目进步内容(KA)那样的画面。用户可以通过拖放等操作对显示位置进行微调。
图1C所示的企业信息汇总服务器(KS)通过谋求与其他的企业信息的协作,进行企业信息的汇总。企业信息汇总服务器(KS)具备收发部(KSSR)、存储部(KSME)以及控制部(KSCO)。
收发部(KSSR)在与图1A所示的应用程序服务器(AS)或旅费服务器(RS1)等之间进行数据的发送以及接收。具体地说,收发部(KSSR)向应用程序服务器(AS)发送企业信息汇总数据库(KSME1)的数据,此外接收旅费数据库(RS1ME1)的数据。
存储部(KSME)由硬盘、存储器或SD卡这样的外部记录装置构成。存储部(KSME)记录有企业信息汇总数据库(KSME1)这样的汇总了企业信息的信息。并且,存储部(KSME)还可以存储由控制部(KSCO)的CPU(省略图示)执行的程序。
控制部(KSCO)具备CPU(省略图示),进行通信的控制、企业信息汇总数据库(KSME1)的控制。具体地说,CPU通过执行在存储部(KSME)中存储的程序,执行企业信息汇总分析(KSCO1)的处理。
企业信息汇总分析(KSCO1)一边与其他的企业信息服务器(例如各服务器RS1~RS11)协作,一边进行企业信息汇总数据库(KSME1)的汇总,向其他的数据库提供信息。
作为企业信息汇总数据库(KSME1)的一个例子,能够分为个人和组织这两种,将其称为个人业务行动主表(KSME1A)和组织/项目业务行动主表(KSME1B)。
说明个人业务行动主表(KSME1A)。该例子记载在图18中,记录了每个用户的1天的行动。日期(KSME1AA)记录了所记载的日期。用户ID(KSME1AB)是表示成员的唯一的ID。还可以是在用户/场所信息数据库(I)中的用户ID(IA1)。时刻(KSME1AC)表示开始时刻和结束时刻。地区/站(KSME1AD)记载了在该时刻(KSME1AC)用户所在的地区或站。公司/事务所(KSME1AE)记载在该时刻(KSME1AC)用户所在的公司或事务所(事业所)。场所/会议室(KSME1AF)记载在该时刻(KSME1AC)用户所在的场所或会议室。会面对象(KSME1AG)记录在该时刻(KSME1AC)用户会面的对象。能够记录多个对象。动作(KSME1AH)记录在该时刻(KSME1AC)用户的动作。态度(KSME1AI)记载在该时刻(KSME1AC)用户的态度。讲话(KSME1AJ)记载在该时刻(KSME1AC)用户的讲话。
说明组织/项目业务行动主表(KSME1B)。该例子记载在图19中,记录了每个组织/项目的一天的行动。日期(KSME1BA)记录了所记载的日期。项目ID(KSME1BB)是表示组织/项目的唯一的ID。还可以是分析结果数据库(F)的项目表(FAF)中的任务ID(FAF1)。时刻(KSME1BC)表示开始时刻和结束时刻。业务(KSME1BD)记载在该时刻(KSME1AC)进行了业务的成员。出差(KSME1BE)记载在该时刻(KSME1AC)出差的成员。会面(KSME1BF)记载在该时刻(KSME1AC)进行会面的成员、会面时间。此时,如果是相同组织/项目的成员内的会面,则划分为成员内(KSME1BG),除此之外划分为成员外(KSME1BH)。现场的裁决(KSME1BI)是表示现场的业务的裁决度的指标。还可以是组织指标(CA1D)的现场的裁决(CA1DA),上下的协作(KSME1BJ)是表示从干部到成员的协作程度的指标。可以是组织指标(CA1D)的上下的协作(CA1DB)。双向的会话(KSME1BK)是表示成员之间的会面时的双向的行为程度的指标。可以是组织指标(CA1D)的双向的会话(CA1DC)。
此外,企业信息汇总数据库(KSME1)以汇集企业信息为目的,因此,只要满足这一点,即使与在个人业务行动主表(KSME1A)和组织/项目业务行动主表(KSME1B)中使用的表结构不同也无妨。
此外,企业信息汇总分析(KSCO1)通过进行应用程序服务器(AS)的业务行动分析(CA)中的企业信息分析(CA2),能够对分析结果数据库(F)的各表进行补充处理。
作为数据库的例子,具有旅费服务器(RS1)、工作管理服务器(RS2)、健康管理服务器(RS3)、工时管理服务器(RS4)、调度(人/场所)服务器(RS5)、会计服务器(RS6)、资产管理服务器(RS7)、能源管理服务器(RS8)、人才评价服务器(RS9)、邮件/电话/TV会议日志服务器(RS10)、销售管理服务器(RS11)等。并且,除此之外还可以与包含业务信息的服务器进行协作。
输入(KSCO1A)是进行旅费服务器(RS1)的旅费数据库(RS1ME1)等的数据的读入的处理。提取(KSCO1B)是使用通过输入(KSCO1A)读入的数据,进行企业信息汇总数据库(KSME1)的补充的处理。输出(KSCO1C)是输出企业信息汇总数据库(KSME1)的结果的处理。
作为旅费数据库(RS1ME1)的一个例子表示了图17。是用户在申请旅费时登录的数据库。对于每一次的申请追加一栏。
No(KSME1A)表示申请的唯一的号码。用户ID(KSME1B)是表示成员的唯一的ID。可以是用户/场所信息数据库(I)中的用户ID(IA1)。姓名(KSME1C)是申请者的名称。出差目的(KSME1D)是本出差的目的。出差场所(KSME1E)是本出差的场所。出差目标会面者(KSME1F)是本出差目标的会面者。出差日期(KSME1G)是本出差的日期。去程出发地(KSME1H)是本出差的去程的出发场所/车站。去程到达地(KSME1I)是本出差的去程的到达场所/车站。去程金额(KSME1J)是本出差的去程的移动所花费的金额。回程出发地(KSME1K)是本出差的回程的出发场所/车站。回程到达地(KSME1L)是本出差的回程的到达场所/车站。回程金额(KSME1M)是本出差的回程的移动所花费的金额。登录日期(KSME1N)是进行本登录的日期。核准人(KSME1O)是核准本出差的人的姓名。核准人用户ID(KSME1P)是核准本出差的人的唯一的ID。可以是用户/场所信息数据库(I)中的用户ID(IA1)。核准日期(KSME1Q)是核准本出差的时刻。
此外,旅费数据库(RS1ME1)以汇总企业信息为目的,所以只要满足这一点,即使与在旅费数据库(RS1ME1)中使用的表结构不同也无妨。
此外,可以使用旅费数据库(RS1ME1)经由企业信息汇总服务器(KS),在业务行动分析(CA)中,将与外部的协作用于分析。
此外,通过企业信息汇总分析(KSCO1),能够对企业信息汇总数据库(KSME1)的各表进行补充处理。
通信控制(CLCC)控制通过有线或者无线方式的与应用程序服务器(AS)或旅费服务器(RS1)等其他服务器的通信的定时。此外,通信控制(CLCC)变换数据的形式,按数据的种类分配目的地。
图1D所示的诊断服务器(DS)进行系统是否正常工作的诊断。接受来自图1E所示的管理系统(AM)的委托,或者在设定的时刻诊断应用程序自动地启动。
诊断应用程序从传感网络服务器(SS)取得数据,通过数据匹配性检查(DSC)判定是否缺少数据或者是否异常。此外,通过心跳累计(DHC),根据传感网络服务器(SS)存储的从各名牌型传感器节点以及基站发送的心跳的信息,挑选出长期没有进行通信的名牌型传感器节点以及基站。电池寿命管理(DBC)监视在传感网络服务器(SS)中存储的信标的电池寿命。
诊断的结果,可以通过管理系统(AM)来显示,或者存储在诊断结果数据库(DF)中。
在诊断中使用的应用程序被存储在诊断算法(DDA)中,由控制部(DSCO)来执行。
诊断服务器(DS)具备收发部(DSSR)、存储部(DSME)以及控制部(DSCO)。
收发部(DSSR)在图1F所示的传感网络服务器(SS)以及图1E所示的管理系统(AM)之间进行系统的自身诊断结果的发送以及接收。具体地说,收发部(DSSR)接收从管理系统(AM)发送来的命令,向传感网络服务器SS发送组织动态数据取得委托。并且,收发部(DSSR)从传感网络服务器(SS)接收组织动态数据,把分析结果发送给管理系统AM。
存储部(DSME)由硬盘、存储器或SD卡这样的外部记录装置构成。存储部(DSME)存储用于分析的设定条件以及分析结果。具体地说,存储部(DSME)存储名牌节点表(DTN)、信标表(DTB)、基站表(DTK)、诊断条件期间表(DTM)、诊断结果表(DF)、诊断算法(DDA)。
名牌节点表(DTN)、信标表(DTB)、基站表(DTK)分别是记载了成为诊断对象的名牌型传感器节点以及信标、基站的信息的表。诊断条件期间表是存储进行诊断的条件和期间的表。诊断结果表(DF)是存储进行系统的诊断所得的结果的表。
诊断算法(DDA)存储在诊断中使用的程序。按照来自管理系统AM的委托,选择恰当的程序,发送给控制部(DSCO),执行分析。
控制部(DSCO)具备中央处理部CPU(省略图示),执行数据的收发控制以及检测数据的分析。具体地说,CPU(省略图示)通过执行在存储部(DSME)中存储的程序,执行通信控制(DSCC)、心跳累计(DSC)、电池寿命管理(DBC)、数据匹配性检查(DSC)。
通信控制(DSCC)控制有线或无线的与传感网络服务器SS以及管理系统(AM)的通信的定时。并且,通信控制(DSCC)变换数据的形式,以及按数据的种类分配目的地。
把诊断的结果存储在诊断结果表(DF)中,或者从收发部(DSSR)发送给图1E所示的管理系统(AM)的显示(AMJ)。
图1E所示的管理系统(AM)是与系统管理者的接点,是显示系统的诊断结果,显示并管理系统的状态的接口。管理系统(AM)具备输入输出部(AMIO)、收发部(AMSR)、存储部(AMME)以及控制部(AMCO)。
输入输出部(AMIO)是成为与系统管理者的接口的部分。输入输出部(AMIO)具备显示器(AMOD)、键盘(AMIK)以及鼠标(AMIM)等。可以根据需要,对于外部输入输出(AMIU)连接其他输入输出装置。
显示器(AMOD)是CRT(CATHODE-RAY TUBE)或液晶显示器等图像显示装置。显示器(AMOD)可以包含打印机等。
收发部(AMSR)在与图1D所示的诊断服务器(DS)或图1F所示的传感网络服务器(SS)之间进行数据的发送以及接收。具体地说,收发部(AMSR)将诊断条件(AMMP)发送给诊断服务器(DS),接收诊断结果。
存储部(AMME)由硬盘、存储器或SD卡等外部记录装置构成。存储部(AMME)记录诊断条件(AMMP)以及描绘设定信息(AMMT)等描绘所需要的信息。诊断条件(AMMP)记录从用户设定的诊断对象的成员的数量以及分析方法的选择等条件。描绘设定信息(AMMT)记录在画面的哪个部分描绘什么等与描绘位置有关的信息。并且,存储部(AMME)可以存储由控制部(AMCO)的CPU(省略图示)执行的程序。
控制部(AMCO)具备CPU(省略图示),执行通信的控制、从系统管理者的分析条件的输入以及用于向系统管理者提示诊断结果的描绘等。具体地说,CPU执行在存储部(AMME)中存储的程序,由此执行通信控制(AMCC)、诊断条件设定(AMIS)、描绘设定(AMTS)、显示(AMJ)的处理。
通信控制(AMCC)控制通过有线或者无线方式的与诊断服务器DS或传感网络服务器(SS)之间的通信的定时。此外,通信控制(AMCC)变换数据的形式,按照数据种类来分配目的地。
诊断条件设定(AMIS)接收从用户经由输入输出部(AMIO)指定的分析条件,将其记录在存储部(AMME)的诊断条件(AMMP)中。在此,设定在诊断中使用的数据的期间、成员、诊断的种类以及用于诊断的参数等。管理系统(AM)将这些设定发送给诊断服务器(DS)来委托分析,与其并行地执行描绘设定(AMTS)。
描绘设定(AMTS)设定根据诊断条件(AMMP),计算显示分析结果的方法以及描绘画面的位置。把该处理的结果记录在存储部(AMME)的描绘设定信息(AMMT)中。
显示(AMJ)根据从诊断服务器(DS)取得的分析结果在描绘设定信息(AMMT)中记载的形式来生成显示画面。
图1F所示的传感网络服务器(SS)管理从图1H所示的名牌型传感器节点(TR)汇集的数据。具体地说,传感网络服务器(SS)把从图1G所示的基站(GW)发送来的数据存储在数据库中,此外,根据来自图1A所示的应用程序服务器(AS)以及图1B所示的客户机(CL)的请求,发送检测数据。并且,传感网络服务器(SS)接收来自基站(GW)的控制命令,把根据该控制命令得到的结果回复给基站(GW)。
传感网络服务器(SS)具备收发部(SSSR)、存储部(SSME)以及控制部(SSCO)。在传感网络服务器(SS)执行时刻同步管理(GWCD)时,传感网络服务器(SS)还需要时钟。
收发部(SSSR)在基站(GW)、应用程序服务器(AS)以及客户机(CL)之间进行数据的发送以及接收。具体地说,收发部(SSSR)接收从基站(GW)发送来的检测数据,向应用程序服务器(AS)或客户机(CL)发送检测数据。
存储部(SSME)由硬盘或闪速存储器等非易失性存储装置构成,至少存储数据表(BA)、表现表(BB)、数据形式信息(SSMF)、终端管理表(SSTT)以及终端固件(SSTF)。并且,存储部(SSME)存储通过控制部(SSCO)的CPU(未图示)执行的程序。
数据表(BA)是用于预先存储名牌型传感器节点(TR)取得的组织动态数据、名牌型传感器节点(TR)的信息、以及从名牌型传感器节点(TR)发送的组织动态数据所通过的基站(GW)的信息等的数据库。针对加速度、温度等每个数据要素生成栏来管理数据。此外,还可以针对每个数据要素生成表。无论在何种情况下,全部的数据把取得的作为名牌型传感器节点(TR)的ID的终端信息(TRMT)以及与取得的时刻有关的信息相关联地存储在组织动态数据收集(B)中。
表现(BB)是把从名牌型传感器节点(TR)或者根据已有的数据输入的与组织或个人有关的评价(表现)与时刻数据一同记录的数据库。
在数据形式信息(SSMF)中记录了用于通信的数据形式、在基站(GW)中划分带有标签的检测数据然后记录在数据库中的方法、以及针对数据的请求的对应方法等。如后说明的那样,在接收数据后,在发送数据之前必定通过通信控制部(SSCC)参照该数据形式信息(SSMF),进行数据形式信息(SSMF)和数据管理(SSDA)。
终端管理表(SSTT)是记录了哪个名牌型传感器节点(TR)当前处于哪个基站(GW)的管理下的表。当在基站(GW)的管理下增加了新的名牌型传感器节点(TR)时,更新终端管理表(SSTT)。
终端固件(SSFF)临时存储在终端固件登录部(TFI)中存储的名牌型传感器节点的更新后的终端固件(GWTF)。
控制部(SSCO)具备中央处理部CPU(省略图示),控制检测数据的收发和向数据库的登录/取出。具体地说,CPU通过执行在存储部(SSME)中存储的程序,执行通信控制(SSCC)、终端管理信息修正(SSTM)以及数据管理(SSDA)等处理。
通信控制部(SSCC)控制通过有线或者无线的与基站(GW)、应用程序服务器(AS)以及客户机(CL)的通信的定时。此外,通信控制部(SSCC)如上所述,根据在存储部(SSME)内记录的数据形式信息(SSMF)把收发的数据的形式变换为传感网络服务器(SS)内的数据形式、或各通信对象专用的数据形式。并且,通信控制(SSCC)读取表示数据种类的标题(header)部分,向对应的处理部分配数据。具体地说,向数据管理(SSDA)分配接收到的数据,向终端管理信息修正(SSTM)分配修正终端管理信息的命令。把发送的数据的发送目的地决定为基站(GW)、应用程序服务器(AS)或客户机(CL)。
终端管理信息修正(SSTM)在从基站GW取得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,按照数据的要素不同,把检测数据记录在数据库的恰当的栏中。在从数据库读出检测数据时,也进行根据时刻信息以及终端信息选择需要的数据,按照时刻顺序进行调换等处理。
表现输入(C)是输入表示表现的值的处理。在此,表现是指根据某种基准判定的主观的或者客观的评价。例如,在预定的定时,安装有名牌型传感器节点(TR)的人输入该时刻的业务的达成度、对于组织的贡献度以及满足度等基于某种基准的主观的评价(表现)的值。预定的定时例如可以是数小时一次、每日一次、或者会议等事件结束的时刻。安装有名牌型传感器节点(TR)的人可以操作该名牌型传感器节点(TR),或者操作客户机CL那样的个人计算机(PC),输入表现的值。或者,还可以在之后汇总手写记载的值,然后通过PC进行输入。在本实施方式中表示了名牌型传感器节点作为评级可以输入人(SOCIAL)、行(INTELLECTUAL)、心(SPIRITUAL)、体(PHYSICAL)、知(EXECUTIVE)的表现的例子。在分析处理中使用输入的表现值。各个问题的含义为:人“是否形成了丰富的人际关系(协作、交流)”、行“是否执行了应该做的事情”、心“对于工作是否有干劲,感到充实”、体“是否注重身体(休养、营养、运动)”、知“是否获得新知(发现、知识)”。
可以根据个人的表现计算与组织有关的表现。作为表现,可以定期地输入销售额或成本等客观的数据、以及客户的调查结果等已经数值化的数据。如生产管理等中的出错率那样,在自动得到数值时,可以自动地输入得到的数值来作为表现。并且,可以输入国民生产总值(GNP)等经济指标。将这些存储在组织信息表(H)中。
图1G所示的基站(GW)具有在图1H所示的名牌型传感器节点(TR)和图1F所示的传感网络服务器(SS)之间进行中介的作用。考虑无线的到达距离,配置多个基站(GW)来覆盖居室、工作单位等区域。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)接收来自名牌型传感器节点(TR)的无线信号,通过有线或无线向基站(GW)进行发送。并且,收发部(GWSR)具备用于接收无线信号的天线。
存储部(GWME)由硬盘、闪速存储器这样的非易失性存储装置构成。在存储部(GWME)中至少存储动作设定(GWMA)、数据形式信息(GWMF)、终端管理表(GWTT)以及基站信息(GWMG)。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、以及为了对检测数据附加标签所需要的信息。终端管理表(GWTT)包含当前形成关联的控制下的名牌型传感器节点TR的终端信息(TRMT)、以及为了管理这些名牌型传感器节点TR而发布的本地ID。基站信息(GWMG)包含基站GW自身的地址等信息。此外,在存储部(GWME)中临时存储名牌型传感器节点的被更新的终端固件(GWTF)。
在存储部(GWME)中还可以存储控制部(GWCO)中的中央处理部CPU(未图示)执行的程序。
时钟(GWCK)保存时刻信息。按照一定间隔更新该时刻信息。具体地说,根据按照一定间隔从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(未图示)。CPU通过执行存储部(GWME)中存储的程序来管理检测数据传感器信息的取得定时、检测数据的处理、向名牌型传感器节点(TR)或传感网络服务器(SS)的收发的定时、以及时刻同步的定时。具体地说,CPU通过执行在存储部(GWME)中存储的程序,执行通信控制部(GWCC)、关联(GWTA)、时刻同步管理(GWCD)以及时刻同步(GWCS)等处理。
通信控制部(GWCC)控制通过无线或者有线的与名牌型传感器节点TR以及传感网络服务器(SS)的通信的定时。此外,通信控制部(GWCC)区别接收到的数据的种类。具体地说,通信控制部(GWCC)根据数据的标题部分识别接收到的数据是一般的检测数据,还是用于关联的数据,还是时刻同步的响应等,将这些数据分别交给恰当的功能。
通信控制部(GWCC)参照在存储部(GWME)中记录的数据形式信息(GWMF),把数据变换为适于收发的形式,执行附加用于表示数据的种类的标签信息的数据形式变换(GWMF)。
关联(GWTA)发送针对从名牌型传感器节点TR发送来的关联请求(TRTAQ)的应答(TRTAR),向名牌型传感器节点(TR)发送所分配的本地ID。如果关联成立,则关联(GWTA)使用终端管理表(GWTT)和终端固件(GWTF)修正终端管理信息。
时刻同步管理(GWCD)控制执行时刻同步的间隔以及定时,为了进行时刻同步而输出命令。或者,之后说明的传感网络服务器SS通过执行时刻同步管理(GWCD),从传感网络服务器(SS)向整个系统的基站(GW)统一发送命令。
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。时刻同步(GWCS)根据取得的时刻信息修正时钟(GWCK)。并且,时刻同步(GWCS)向名牌型传感器节点(TR)发送时刻同步的命令和时刻信息(GWCSD)。
图1H表示作为传感器节点的一个实施例的名牌型传感器节点(TR)的功能结构,名牌型传感器节点(TR)装配用于检测人的会面状况的多个红外线收发部(AB)、用于检测安装者的动作的三轴加速度传感器(AC)、用于检测安装者的讲话和周围的声音的麦克风(AD)、用于名牌型传感器节点的背面表面检测的照度传感器(LS1F、LS1B)、温度传感器(AE)的各种传感器。装配的传感器仅是一个例子,为了检测安装者的会面状况和动作,还可以使用其他传感器。
商务显微镜的名牌型传感器节点的特征是,为了无论人与人以怎样的位置关系会面都切实地取得,装配有多个红外线收发电路。在本图中记载了将红外线收发部作为两组。红外线收发部(AB)向正面方向定期地持续发送名牌型传感器节点(TR)的固有识别信息、即终端信息(TRMT)。当安装有另一个名牌型传感器节点(TR)的人位于大体正面(例如,正面或者斜正面)时,名牌型传感器节点(TR)和另一名牌型传感器节点(TR)通过红外线相互交换各自的终端信息(TRMT)。如此,能够记录谁与谁会面。
各红外线收发部一般由组合了用于发送红外线的红外发光二极管和红外线光电二极管的模块构成。红外线ID发送部(IRID)生成自身的ID即终端信息(TRMT),然后转发给红外线收发模块的红外线发光二级管。在本实施例中,在发送数据时,对于多个红外线收发模块发送同一数据,由此全部的红外线发光二极管同时点亮。当然,可以在各个独立的定时输出不同的数据。
此外,通过红外线收发部(AB)的红外线光电二极管接收到的数据,通过逻辑和电路(IROR)取得逻辑和。即,如果最低由哪一个红外线受光部进行了ID受光,则被名牌型传感器节点识别为ID。当然,还可以是使ID的接收电路独立,具有多个ID接收电路的结构。此时,因为能够对于各个红外线收发模块掌握收发状态,所以例如也能够取得会面的其他的名牌型传感器节点位于哪个方向等附加信息。
此外,自身诊断部(SDG)例如检测到在支架(CRD)上安装了名牌型传感器节点,进行自身诊断。如后详细叙述的那样,自身诊断部(SDG)为了通过多个红外线形成的回送(loop back)检测故障,具有按照预定的顺序生成发送使能信号(IRTE)、接收使能信号(IRRE),由此能够单独地控制各红外线模块的接通/关断(ON/OFF)的机制。在本实施例中,一个红外线收发模块的发动电路所发送的数据,由别的红外线收发模块的接收电路接收,由此使发送电路和接收电路的干扰成为最低限度,同时通过回送进行功能诊断。
通过传感器数据存储部(SDCNT)把传感器检测到的传感器数据(SENSD)存储在存储部(STRG)中。通过通信控制部(TRCC)把传感器数据(SENSD)加工成发送数据包,通过收发部(TRSR)发送给基站(GW)。
此时,从存储部(STRG)取出传感器数据(SENSD),通信定时控制部(TRTMG)生成无线发送的定时。通信定时控制部(TRTMG)具有生成多个定时的多个时基。
在存储部(STRG)中存储的数据中,除了当前通过传感器检测到的传感器数据(SENSD)之外,还具有过去存储的汇总发送数据(CMBD)、用于更新作为名牌型传感器节点的动作程序的固件的固件更新数据(FMUD)等。
本实施例的名牌型传感器节点(TR)通过外部电源连接检测电路(PDET)检测到连接了外部电源(EPOW),生成外部电源检测信号(PDETS)。通过外部电源检测信号(PDETS),切换通信定时控制部(TRTMG)生成的发送定时的时基切换部(TMGSEL)、或者切换无线通信的数据的数据切换部(TRDSEL)是本实施例的特有的结构。在图1H中作为一例,图示了根据外部电源检测信号(PDETS),时基切换部(TMGSEL)针对发送定时切换时基1(TB1)和时基(TB2)这两个时基的结构,此外图示了通过从传感器得到的传感器数据(SENSD)、过去积蓄的汇总发送数据(CMBD)和固件更新数据(FMUD),根据外部电源检测信号(PDETS),由数据切换部(TRDSEL)切换通信的数据的结构。
照度传感器(LS1F、LS1B)分别装配在名牌型传感器节点(TR)的前面和背面。照度传感器(LS1F、LS1B)取得的数据,通过传感器数据存储控制部(SDCNT)存储在存储部(STRG)中,同时通过正反检测(FBDET)来进行比较。在正确地安装名牌时,装配在前面的照度传感器(表面)(LS1F)接收外来光,装配在背面的照度传感器(背面)(LS1B)成为被夹在名牌型传感器节点(TR)本体和安装者之间的位置关系,所以不接收外来光。此时,与照度传感器(背面)(LS1B)检测的照度相比,照度传感器(表面)(LS1F)检测到的照度取较大的值。另一方面,在名牌型传感器节点(TR)背面朝前时,照度传感器(背面)(LS1B)接收外来光,照度传感器(表面)(LS1F)朝着安装者一侧,所以与照度传感器(表面)(LS1F)检测的照度相比,照度传感器(背面)(LS1B)检测出的照度较大。
在此,通过正反检测(FBDET)将照度传感器(表面)(LS1F)检测出的照度与照度传感器(背面)(LS1B)检测出的照度进行比较,由此能够检测名牌节点背面朝外,没有正确地安装。在通过正反检测(FBDET)检测到背面朝外时,通过扬声器(SP)发生警告音通知给安装者。
麦克风(AD)取得声音信息。根据声音信息,可以得知“喧闹”或“安静”等周围的环境。并且,通过取得、分析人的声音,能够分析交流活跃还是停滞,相互对等地进行对话还是一方说话,生气还是笑等会面交流。并且,还能够通过声音信息以及加速度信息来补充由于人的站立位置等关系红外线收发器(AB)未检测出的会面状态。通过麦克风(AD)取得的声音,取得声音波形以及通过积分电路(AVG)对其进行积分得到的信号双方。积分得到的信号表示所取得的声音的能量。
三轴加速度传感器(ACC)检测节点的加速度、即节点的运动。因此,根据加速度数据,可以分析安装有名牌型传感器节点(TR)的人的运动的激烈度或步行等行动。并且,通过比较多个名牌型传感器节点(TR)检测到的加速度的值,可以分析安装有这些名牌型传感器节点(TR)的人之间的交流的活跃度、相互节律、相互的相关等。
在本实施例的名牌型传感器节点(TR)中,通过三轴加速度传感器(ACC)取得的数据通过传感器数据存储控制部(SDCNT)被存储在存储部(STRG)中,同时通过上下检测(UDDET)检测名牌的朝向。这是利用三轴加速度传感器(ACC)检测的加速度观测安装者的运动引起的动态的加速度变化以及地球的重力加速度导致的静态的加速度这两种。
在将名牌型传感器节点(TR)安装在胸前时,显示装置(LCDD)显示安装者的所属、姓名等个人信息。即,起到名牌的作用。另一方面,当安装者将名牌型传感器节点(TR)拿在手里,将显示装置(LCDD)朝向自己时,名牌型传感器节点(TR)倒置。此时,根据通过上下检测(UDDET)生成的上下检测信号(UDDETS)切换在显示装置(LCDD)中显示的内容和按钮的功能。在本实施例中,表示了以下的例子,根据上下检测信号(UDDETS)的值,关于在显示装置(LCDD)上显示的信息,切换通过显示控制(DISP)生成的红外线活动分析(ANA)的分析结果和名牌显示(DNM)。
通过红外线收发器(AB)在节点之间交换红外线,检测名牌型传感器节点(TR)是否与其他名牌型传感器节点(TR)会面,即安装了名牌型传感器节点(TR)的人是否与其他安装了名牌型传感器节点(TR)的人会面。因此,希望将名牌型传感器节点(TR)安装在人的正面部。如上所述,名牌型传感器节点(TR)还具备三轴加速度传感器(ACC)等传感器。名牌型传感器节点(TR)中的检测的过程相当于图2A中的组织动态数据取得(A)。
很多时候存在多个名牌型传感器节点(TR),分别与附近的基站(GW)结合形成了个人区域网络(PAN)。
名牌型传感器节点(TR)的温度传感器(AE)取得名牌型传感器节点(TR)所在场所的温度。照度传感器(表面)(LS1F)取得名牌型传感器节点(TR)的正面方向等的照度。由此,可以记录周围的环境。例如,可以根据温度以及照度,得知名牌型传感器节点(TR)从某个场所移动到别的场所等。
作为与安装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装置构成,记录了作为名牌型传感器节点(TR)的固有识别号码的终端信息(TRMT)、检测的间隔、以及向显示器的输出内容等的动作设定(TRMA)。除此之外,存储部(STRG)可以临时记录数据,用于记录检测到的数据。
通信定时控制部(TRTMG)是保存时刻信息(GWCSD),按照一定间隔更新该时刻信息(GWCSD)的时钟。时间信息为了防止时刻信息(GWCSD)与其他名牌型传感器节点TR偏离,根据从基站GW发送的时刻信息(GWCSD)定期地修正时刻。
传感器数据存储控制部(SDCNT)按照在存储部(STRG)中记录的动作设定(TRMA),控制各传感器的检测间隔等,管理取得的数据。
时刻同步从基站(GW)取得时刻信息来修正时钟。时刻同步可以在后述的关联后立即执行,也可以按照从基站(GW)发送的时刻同步命令来执行。
无线通信控制部(TRCC)在收发数据时,进行发送间隔的控制以及向与收发对应的数据格式的变换。如果需要,无线通信控制部(TRCC)可以具有不是无线而是有线的通信功能。无线通信控制部(TRCC)有时进行拥挤控制,以使发送定时不与其他名牌型传感器节点(TR)重叠。
关联(TRTA)收发用于与图1G所示的基站(GW)形成个人区域网络(PAN)的关联请求(TRTAQ)和关联应答(TRTAR),决定应该发送数据的基站(GW)。在接通了名牌型传感器节点(TR)的电源时,以及作为名牌型传感器节点(TR)进行移动的结果,此前的与基站(GW)的收发被切断时,执行关联(TRTA)。作为关联(TRTA)的结果,名牌型传感器节点(TR)与来自该名牌型传感器节点(TR)的无线信号到达的附近范围内的一个基站(GW)相关联。
收发部(TRSR)具备天线,进行无线信号的发送以及接收。如果需要,收发部(TRSR)还可以使用用于有线通信的连接器进行收发。例如,可以具备在未安装时与放置名牌型传感器节点(TR)的支架连接的连接器。通过收发部(TRSR)收发的收发数据(TRSRD)在与基站GW之间经由个人区域网络(PAN)进行传输。
图2A、图2B、图2C、图2D表示在作为一个实施方式的商务显微镜系统中执行的处理的全部的流程,为了图示的方便分割来表示,但是相互协作执行各图示的各处理。表示了从图2A所示的多个名牌型传感器节点(TRa、TRb~TRi、TRj)取得组织动态数据(A)开始,图2D所示的传感器数据的分析、即业务行动分析(CA),通过项目进步内容生成(JA)使该分析结果可视化、可视化结果被称为项目进步内容(KA)这一系列的流程。
使用图2A说明组织动态数据取得(A)。名牌型传感器节点(TRA)包含红外线收发器(AB)、加速度传感器(AC)、麦克风(AD)、温度传感器(AE)等传感器类、以及实质(AFA)、发现(AFB)、感谢(AFC)的按钮(AF)的按钮类。
具有显示从红外线收发器(AB)取得的会面信息的画面(AG)、输入评级的用户接口(AA)、以及省略图示的微型计算机以及无线发送功能。
加速度传感器(AC)检测安装了名牌型传感器节点A(TRa)的加速度(即安装了名牌型传感器节点A(TRa)的人A(省略图示)的加速度)。红外线收发器(AB)检测名牌型传感器节点A(TRa)的会面状态(即,名牌型传感器节点A(TRa)与其他名牌型传感器节点会面的状态)。名牌型传感器节点A(TRa)与其他名牌型传感器节点会面表示安装有名牌型传感器节点A(TRa)的人A与其他安装有名牌型传感器节点的人会面。麦克风(AD)检测名牌型传感器节点A(TRa)周围的声音,温度传感器(AE)检测名牌型传感器节点A(TRa)周围的温度。
按钮(AF)进行从安装了名牌型传感器节点A(TRa)的人A(省略图示)的主观的视点的输入,在进行主业务时按动实质(AFA)的按钮,在发现了新的想法时按动发现(AFB)的按钮,在感谢成员时按动感谢(AFC)的按钮。
在本实施方式的系统中,具备多个名牌型传感器节点(图2A的名牌型传感器节点A(TRa)~名牌型传感器节点J(TRj))。各名牌型传感器节点分别安装在一个人上。例如,名牌型传感器节点A(TRa)安装在人A上,名牌型传感器节点B(TRb)安装在人B(省略图示)上。这是为了分析人之间的关系性,并且图示组织的表现。
名牌型传感器节点B(TRb)~名牌型传感器节点J(TRj)也和名牌型传感器节点A(TRa)相同,具备传感器类、微型计算机以及无线发送功能。在以下的说明中,进行适合于名牌型传感器节点A(TRa)~名牌型传感器节点J(TRj)中的任何一个的说明时,以及在不需要特别地区分这些名牌型传感器节点时,记载为名牌型传感器节点。
各名牌型传感器节点始终(或者以短的间隔重复)执行基于各类传感器的检测。然后,各名牌型传感器节点按照预定的间隔,通过无线发送所取得的数据(检测数据)。此外,还发送通过按钮(AF)输入的数据、通过用户接口(AA)输入的评级。发送数据的间隔可以与检测间隔相同,也可以是比检测间隔大的间隔。对此时发送的数据赋予检测的时刻、进行检测的名牌型传感器节点的固有的识别符(ID)。汇总执行数据的无线发送,是为了通过抑制发送导致的电力消耗,长时间维持一直安装在人上的名牌型传感器节点(TR)的可使用状态。此外,在全部的名牌型传感器节点中设定同一检测间隔,是为了以后的分析而希望的。可以通过有线方式发送各数据。
通过有线/无线从名牌型传感器节点发送的数据,在图2B以及图2C所示的组织动态数据收集(B)中被收集,存储在数据库中。例如,存储在传感网络服务器(SS)的存储部(SSME)中。
表现表(BB)存储在表现输入(C)或评级输入(AA)中输入的表现的值。
用户ID(BBA)是用户的识别符,取得时间(BBB)是通过名牌型传感器节点(TR)进行评级输入(AA)的时刻或者进行表现输入(C)的时刻。SOCIAL(BBC)、INTELLECTUAL(BBD)、SPIRITUAL(BBE)、PHYSICAL(BBF)、EXECUTIVE(BBG)是评级内容,终端(BBH)是终端信息(例如名牌型传感器节点的识别符),存储时刻(BBI)是在表现表(BB)中存储的时刻。
数据表(BA)存储从名牌型传感器节点取得的传感器数据。用户ID(BAA)是用户的识别符,取得时间(BAB)是接收到来自名牌型传感器节点(TR)的数据的时刻,基站(BAC)是名牌型传感器节点(TR)接收到的基站,加速度传感器(BAD)是加速度传感器(AC)的传感器数据,IR传感器(BAE)是红外线接收器(AB)的传感器数据,声音传感器(BAF)是麦克风(AD)的传感器数据,温度(BAG)是温度传感器(AE)的传感器数据,照度(BAH)是照度传感器(表面)(LS1F)和照度传感器(背面)(LS1B)的传感器数据,发现(BAI)是有无按下发现(AFB)按钮,感谢(BAJ)是有无按下感谢(AFC)按钮,实质(BAK)是有无按下实质(AFA)按钮,终端(BAL)是终端信息(例如名牌型传感器节点的识别符),存储时刻(BAM)是在表现表(BA)中存储的时刻,检查标志(Checker flag)(BAN)是判断有无取得数据的标志,例如,在用户安装了名牌型传感器节点时代入0,在未安装时代入1。可以通过名牌型传感器节点检测是否将名牌型传感器节点放置在支架上来识别安装/未安装,还可以检测名牌型传感器节点的电源的接通/关断等预定的操作,还可以通过其他的适当的方法来识别。
此外,在动态数据收集(B)中,因为数据按照到达动态数据收集(B)的顺序来存储,所以未必成为时刻顺序。
此外,数据表(BA)或数据表(BA)是一个例子,可以对每个传感器数据生成表。
作为表示没有进行检测的数据,例如存储空(Null)数据。在本实施方式中,有时对存储空的情况和不接收数据而没有存储数据的情况进行区分。
通过组织动态数据收集(B)汇集的组织动态数据,通过图2D所示的业务行动分析(CA)生成项目进步内容,通过项目进步内容生成(JA)进行可视化,其可视化结果成为项目进步内容(KA)。
商务显微镜的目的之一是通过业务行动分析(CA)的业务指标分析(CA1)使项目进步明了。为了生成内容通过定期的批处理来进行,但是发送来传感器数据的定时不恒定,所以有时无法通过定期的批处理来进行分析。为了提高内容的精度,需要反映未处理的数据,但是通过再次执行批处理,过去已经处理过的数据也被处理,无用的处理很多。是考虑了兼顾数据分析处理量的降低和内容精度的提高这两方面的项目进步内容生成。
参照图2D,说明业务指标分析(CA1)的全部流程。
首先,成为业务行动分析(CA)的业务指标分析(CA1)的对象的项目,是通过项目进步内容(KA)的任务登录(KA2)登录与项目相关关联的各信息,在分析结果数据库(F)的项目表(FAF)中登录的项目。
参照图10,说明项目表(FAF)。为了使用项目进步内容(KA)的任务登录(KA2)的结果生成内容,需要在数据库中登录通过任务登录而记载(输入)的内容。该存储的1例是图10的分析结果数据库(F)的项目表(FAF)。
任务ID(FAF1)是用于识别任务的ID。希望分配与其他任务不重复的ID。领导(FAF2)是任务登录中的领导。是汇总任务的成员。委托者(FAF3)是任务登录中的委托者。例如希望是建立任务的发起人。核心成员(FAF4)是任务登录中的核心成员。是使任务具体化的成员。关系者(FAF5)是任务登录中的关系者。虽然不是实现任务的当事者,但是是使任务具体化的成员的关系者。任务名称(FAF6)是任务登录中的标题。是该任务的名称。任务期间(FAF7)是任务登录中的期间。在开始(FAF8)记载该任务的开始日期,在结束(FAF9)记载结束预定日期。显示更新频度(FAF10)记载了内容画面的更新频度。通常是一天等以系统单位预定的间隔,在希望频度高的更新时,能够对每个任务记载希望更新时间。显示内容类型(FAF11)在显示内容中具有多个类型,用于从中选择记载了希望的显示内容的类型。
实名显示(FAF12)指定在内容中显示的姓名是实名还是匿名化。例如,在希望实名时选择“是”,在希望匿名时选择“否”。
任务登录时刻(FAF13)记载通过任务登录而登录的时刻。
此外,在任务登录中通过用户的姓名进行了记载时,可以在使用用户ID表(IA)变换为用户ID后存储在项目表(FAF)中。
并且,在进行该处理时,在需要用户名与用户ID的对应表时,可以使用用户/场所信息数据库(I)。
参照图3,说明用户/场所信息数据库(I)的用户ID表(IA)。图3表示该表的一例。用户ID表(IA)是用于使用户ID与姓名(用户名)或团队名等信息相关联的表。例如,由用户ID(IA1)、用户名(IA2)、团队名(IA3)、职位(IA4)、组织(IA5)、开始日期(IA6)以及公司名(IA7)构成。
然后,说明用户/场所信息数据库(I)的场所ID表(IB)。图3表示该表的一例。场所ID表(IB)是用于使场所ID、场所名、红外线ID相关联的表。例如,由场所ID(IB1)、场所名(IB2)以及红外线ID(IB3)构成。场所名(IB2)是该场所的名称,红外线ID(IB3)是在场所ID(IB1)配置的红外线终端的ID。可以对一个场所配置多个红外线终端。在配置多个时,在红外线ID(IB3)中记述多个红外线ID。此外,开始日期(IB4)表示开始设置的日期。
返回图2说明处理。以下说明的业务指标分析(CA1)的各处理,通过应用程序服务器(AS)(分析服务器)的控制部(ASCO)来执行。在期间开始(CAIEA)中,使用在项目表(FAF)中登录的信息的任务期间(FAF7),判断是否为相应的期间。例如,在任务期间包含当前时刻时,可以判断为相应的期间。
在成员开始(CA1FA)中,使用在项目表(FAF)中登录的信息的领导(FAF2)或核心成员(FAF4),判断是否为相应的成员。此外,在分析中可以包含委托者(FAF3)或关系者(FAF5)。针对相应期间的任务的相应成员,执行以下的处理。
业务指标分析(CA1)为了兼顾数据的分析处理量的降低和内容精度的提高,在求个人指标(CA1B)时在进行处理之前进行个人取得率确认(CA1A1),确认在上次的分析中使用的取得率,在取得率提高时,为了更新指标进行相应批处理的再处理。
在个人取得率确认(CA1A1)中,参照数据表(BA)的检查标志(Checkerflag)(BAN)取得数据的取得率。例如,设检查标志(BAN)为安装或未安装以外的数据为不明,对检查标志(BAN)的数量进行计数,取得数据的取得率。更具体地说,参照在传感网络服务器(AS)的数据表(BA)中存储的、与相应成员的用户ID对应的检查标志(BAN)。例如,参照从上次分析时到当前时刻的检查标志(BAN)。从上次分析时到当前时刻的期间应该取得的数据数(完全取得数、希望数据数)由检测的时间分辨率来决定。对检查标志(BAN)为0以及1的数进行计数,使计数得到的值(有效数据数)除以完全取得数来求出数据的取得率。作为数据取得率,除了求出取得了数据的比例之外,还可以设安装或未安装以外的数据为不明数据,求出不明数,使求出的不明数除以应该取得的数据数(数据缺失率)。使用取得了数据的比例时,与使用不明数的比例时相比,取得率提高的判断(例如不等号的方向)相反。
在个人取得率确认(CA1A1)的判断中,使用分析结果数据库(F)的个人处理基准表(FAA)。
图4是分析结果数据库(F)的个人处理基准表(FAA)的一例。在个人处理基准表(FAA)中根据数据的取得率进行判断。处理ID(FAA1)例如是处理(批处理)的识别号码,根据ID来管理处理。此外,该处理程序存储在分析算法(D)中。处理名(FAA2)是处理的名称。基准(FAA3)表示是否执行处理的条件式。使用在基准(FAA3)中记载的不等号或等号的式子,在与该条件式匹配的情况下,进行个人行动确定(CA1A2)。例如,在图4的会面处理中,记载为会面处理的取得率(FAA3A)、>(FAA3B)、更新前的会面处理的取得率(FAA3C),这表示在本次的取得率大于更新前的取得率时执行对应的会面处理。把更新前(前次)的取得率与处理ID对应地存储在个人处理时刻执行日志表(FAB)的取得率(FAB9)中。在与条件式匹配的情况下,如后所述,把个人处理时刻执行日志表(FAB)的相应处理ID以及相应用户ID对应的取得率(FAB9)更新为本次求出的取得率。
在此,图中的“会面处理的取得率”是在会面处理中使用的数据(具体地说红外线传感器的检测数据)的取得率。同样地,“加速度处理的取得率”是加速度传感器的检测数据的取得率,“讲话处理的取得率”是声音传感器的检测数据的取得率。在为“个人指标处理的取得率”时,不会像会面处理等那样直接阅览数据表(BA),而是使用“会面处理的取得率”和“加速度处理的取得率”以及“讲话处理的取得率”的平均或最低取得率。可以适当地存储并参照各取得率。
此外,通过任意地变更该基准(FAA3),能够变更条件式。
此外,通过对取得率的变化度设置阈值(第二阈值),能够在具有某一定程度以上的取得率的变化时执行处理。例如,在取得率的变化(例如上升)为5点以上时执行处理等。
此外,预先决定取得率的上限(第一阈值),即使成为第一阈值以上的取得率,也能够不执行处理。例如,如果取得率在98%以上,则即使取得率变得更高,也不再次执行处理等。此时,分析服务器判定为已经进行了分析的状态。
此外,能够进行多个基准的判断,可以根据判断结果仅执行相应的处理ID的分析。
此外,能够执行多个基准的判断,即使一个与条件式匹配,也能够对全部的处理ID执行处理。
在个人处理基准表(FAA)中关于取得率已经进行了叙述,但个人处理基准表(FAAA)在处理时刻进行判断。处理ID(FAAA1)例如是处理的识别号码,处理根据ID进行管理。此外,其处理程序被存储在分析算法(D)中。处理名(FAAA2)是处理的名称。基准(FAAA3)表示是否执行处理的条件式。使用在基准(FAAA3)中记载的不等号或等号的式子,在与该条件式匹配的情况下,进行个人行动确定(CA1A2)。
例如,在图4中记载了会面处理的处理时刻(FAAA3A)、<(FAAA3B)、组织动态的红外线传感器取得时刻(FAAA3C),这表示在会面处理的处理时刻早于红外线传感器取得时刻的情况下执行处理。
通过任意地变更该基准(FAAA3)能够变更条件式。此外,通过对处理时刻的差设置阈值,还能够在具有某一定程度以上的时刻差时执行处理。此外,能够进行多个基准的判断,根据判断的结果仅执行相应处理ID的分析。此外,能够进行多个基准的判断,即使一个与条件式相匹配也可以对全部的处理ID执行处理。
在通过个人取得率确认(CA1A1)判定为需要个人行动(CA1A)的分析时,进行个人行动(CA1A)的个人行动确定(CA1A2)。此时,作为通过个人行动确定(CA1A2)进行的处理结果的日志,记载在个人处理执行日志(FAB)中。
图5是分析结果数据库(F)的个人处理时刻执行日志表(FAB)的一例。是通过个人处理基准表(FAA)的判断,记载通过个人行动确定(CA1A2)执行的结果的日志的表。处理ID(FAB1)例如是处理的识别号码,处理通过ID进行管理。此外,将其处理程序存储在分析算法(D)中。用户ID(FAB2)是用户的ID。测量期间(FAB3)记载了测量传感器数据的期间(例如成为处理对象的传感器数据的测量期间),开始(FAB4)是测量开始时刻,结束(FAB5)是测量结束时刻。处理时刻(FAB6)记载了进行了处理的时刻,开始(FAB7)是处理开始时刻,结束(FAB8)是处理结束时刻。取得率(FAB9)表示传感器数据中取得的程度。取得率是如上所述通过个人取得率确认(CA1A1)求出的取得率,或者是如后所述相应期间或用户的分析结果数据库(F)的会面表(FAC)或分析结果数据库(F)的身体节律表(FAD)的完全取得数减去不明数得到的有效数据数除以完全取得数而得到的值。完全取得数依赖于时间分辨率,在时间分辨率为1分钟(FAD3)时,1天为1440。
在个人行动确定(CA1A2)中,从组织动态数据收集(B)使用相应用户的数据来进行分析。关于个人行动确定(CA1A2)的会面表生成(CA1A2A)、身体节律表生成(CA1A2B)的处理进行说明。
会面表生成(CA1A2A)针对每个一定期间,按照时间序列的顺序从组织动态数据的红外线数据汇总成员间的会面状况。
将提取出的结果存储在分析结果数据库(F)的会面表(FAC)中。在图6中表示会面表(FAC)的一例。其将用户作为一个记录,将时间分辨率设为1分钟(FAC3),按时间序列的顺序存储一天(24小时)的量。一天一个表,会面表(2010年7月27日)的时间分辨率1分钟的表(FAC4),是会面表(2010年7月26日)的时间分辨率1分钟的表(FAC3)的下一天的表。
此外,每个时间分辨率的一个表,希望时间分辨率5分钟(FAC5)是与时间分辨率1分钟(FAC3)同日的2010年7月27日,按时间分辨率1分钟(FAC3)和5分钟(FAC5)成为不同的表。
在会面表(2010年7月26日)时间分辨率1分钟(FAC3)中,纵轴成为用于判别成员个人的用户ID(FAC1),横轴成为表示基于时间分辨率的时刻的分辨率时刻(FAC2)。在某个时刻的用户的会面状况,可以仅读取与用户ID(FAC1)和分辨率时刻(FAC2)对应的地方。例如,用户ID为001的2010/7/26、10:02的会面状况为与2名会面,会面的成员是002和003。
此外,在判断该用户没有安装名牌型传感器节点时存储未安装。例如,把名牌型传感器节点放置在支架上,由此在接收到表示各传感器没有进行检测的数据(空(Null)数据)的时刻,存储表示未安装的数据。
此外,不明是无法判断是否安装的情况。例如,在没有接收到传感器数据,也没有接收到表示没有进行检测的数据的时刻,存储表示不明的数据。
此外,会面表(FAC)重要的是存储会面人数和用户ID,所以如果满足该条件,则即便与在会面表(FAC)中使用的表结构不同也无妨。
身体节律表生成(CA1A2B)根据组织动态数据的加速度数据,在每个一定期间按照时间序列顺序汇总成员间的行为/活动状况。
将提取出的结果存储在分析结果数据库(F)的身体节律表(FAD)中。图7表示身体节律表(FAD)的一例。其将用户作为一个记录,将时间分辨率设为1分钟(FAD3),按照时间序列顺序存储一天(24小时)。一天一个表,身体节律表(2010年7月27日)的时间分辨率1分钟的表(FAD4)是身体节律表(2010年7月26日)的时间分辨率1分钟的表(FAD3)的下一天的表。
此外,希望针对每个时间分辨率一个表,时间分辨率5分钟(FAD5)是与时间分辨率1分钟(FAD 3)同日的2010年7月27日,按时间分辨率1分钟(FAD 3)和5分钟(FAD 5)成为不同的表。
身体节律表(2010年7月26日)时间分辨率1分钟(FAD 3)中,在纵轴表示用于判别成员个人的用户ID(FAD 1),横轴表示基于时间分辨率的时刻的分辨率时刻(FAD 2)。在某个时刻的用户的身体节律可以仅读取与用户ID(FAD 1)和分辨率时刻(FAD 2)对应的地方。例如,用户ID为001的2010/7/26、10:02的身体节律为2.1Hz。
此外,在判断该用户没有安装名牌型传感器节点时存储未安装。此外,不明是无法判断是否安装的情况。
此外,身体节律表(FAD)重要的是存储用户的身体节律,所以如果满足该条件,则即便与在身体节律表(FAD)中使用的表结构不同也无妨。
在个人行动(CA1A)的处理中,进行与组织动态数据收集(B)的相应用户有关的分析即可,可以进行会面表生成(CA1A2A)、身体节律表生成(CA1A2B)以外的分析。在追加时,对个人处理基准表(FAA)的处理ID(FAA1)分配新的ID。
此外,可以使用通过组织动态数据收集(B)收集的数据,在组织动态数据收集(B)的数据表(BA)中包含的声音传感器(BAF)、温度传感器(BAG)、照度传感器(BAH)、发现(BAI)、感谢(BAJ)、实质(BAK)也可以进行同样的分析。
匹配性(CA1G)处理,是对通过个人行动(CA1A)的处理得到的多个传感器之间的匹配性进行分析的处理。在具体的例子中,是在某个用户的时刻的会面表(FAC)中存储有数据,但在身体节律表(FAD)中没有存储数据时的匹配性对应方法。有时为了提高精度,在多个传感器内在相同的时刻即使一个传感器信号也没有取得的情况下将该数据用于分析成为问题。
并且,对于每次的分析,当考虑不使用的传感器的取得状况时处理量增加,所以在进行分析前,希望统一地进行匹配性处理。
图25和图26表示了分析结果数据库(F)内的会面表(FAC)、身体节律表(FAD)中的应对方法。
图25是匹配性处理前的会面表(FAC)、身体节律表(FAD)。首先,说明会面表(FAC)的一例。其将用户作为一个记录,将时间分辨率设为1分钟(FACA3),按照时间序列顺序存储一天(24小时)。一天一个表。在纵轴表示用于判别成员个人的用户ID(FACA1),横轴为表示基于时间分辨率的时刻的分辨率时刻(FACA2)。然后,说明身体表(FAD)的一例。其是将用户作为一个记录,将时间分辨率设为1分钟(FADA3),按照时间序列顺序存储一天(24小时)。一天一个表。在纵轴表示用于判别成员个人的用户ID(FADA 1),横轴为表示基于时间分辨率的时刻的分辨率时刻(FADA 2)。
并且,在身体节律表(FAD)的某个期间(FADA4)没有存储数据而成为不明,会面表(FAC)的对应的期间(FACA4)存储了数据。
在产生了以上所示的现象时,希望进行匹配性(CA1G)的处理。作为匹配性(CA1G)的对应的一例,在相同时刻一个传感器信号也没有取得时,判定为没有正确地取得其他的传感器信号,不使用此时刻的传感器数据。图26表示进行这样的判定,匹配性处理后的会面表(FAC)和身体节律表(FAD)。
图26与图25相同,因此仅说明变更部位,但是在会面表(FAC)的期间(FACB4)的部位变更为表示没有存储数据的“不明”。
如此,能够防止在分析中使用可疑的数据,所以能够进行精度得到提高的分析。
此外,在两个以上的表中的匹配性处理时,希望能够任意地指定执行匹配性处理的传感器。此外,在匹配性处理时,希望使用表的一个记录中的时间分辨率相同的传感器数据。
此外,在匹配性(CA1G)的处理后,希望重新计算取得率,此时,使用分析结果数据库(F)的会面表(FAC)或身体节律表(FAD)求出取得率。例如,使从会面表(FAC)或身体节律表(FAD)的完全取得数减去不明数而得到的有效数据数除以完全取得数来求出取得率,恰当地存储在个人处理时刻执行表(FAB)等中。
在个人指标(CA1B)的处理中,根据通过个人行动(CA1A)分析出的结果进行分析。此时,根据个人指标(CA1B)进行的处理结果的日志记载在个人处理执行日志(FAB)中。
个人指标(CA1B)是根据通过个人行动(CA1A)的处理求出的分析结果数据库(F)的会面表(FAC)和身体节律表(FAB)求出的指标。然后,存储根据个人指标(CA1B)求出的指标的表的一例是图8的个人指标表(FAE)。个人指标表(FAE)成为针对每个用户存储了指标的表。
个人指标表(FAE)包含确定用户的用户ID(FAE1)和会面指标(会面时间(FAE2)、非会面时间(FAE3)、主动会面时间(FAE4)、被动会面时间(FAE5)、2人会面时间(FAE6)、3人~5人会面时间(FAE7)、6人~会面时间(FAE8))。
期间:2010年7月19日-7月26日(FAE15)表示在分析中使用的期间。时间分辨率:1分钟(FAE16)是分析时间分辨率。时间区间:1天(FAE17)是求出期间(FAE15)中的平均等时的范围指定。
根据会面表(FAC)求出取得组织动态数据时的会面时间和非会面时间。如果在会面表(FAC)中存储的值为1名以上则作为会面时间进行计数,如果是0名则作为非会面时间进行计数。在存储的值为未安装或未定时,不对会面时间和非会面时间进行计数。会面时间(FAE2)是对会面进行计数得到的时间,非会面时间(FAE3)是对非会面进行计数得到的时间。在此,分析时间分辨率是一分钟,因此计数得到的值自身成为时间。
通过调查根据会面表(FAC)判定为会面时的会面的成员之间在该时刻的身体节律表(FAD),判定是主动会面还是被动会面。作为该判定的阈值,把会面中的身体的节律为2Hz以上作为主动会面,把不足2Hz作为被动会面。主动会面时间(FAE4)是对主动会面进行计数得到的时间,被动会面时间(FAE5)是对被动会面进行计数得到的时间。分析时间分辨率为1分钟,所以计数的值自身成为时间。
根据会面表(FAC)调查几人进行了会面。在会面表(FAC)中,因为针对每个分析时间分辨率记载了会面人数,所以对其进行计数来求出值。将分析幅度设为2人、3人~5人、6人这三个。2人会面时间(FAE6)是对2人的会面进行计数得到的时间。3人~5人会面时间(FAE7)是对3人到5人的会面进行计数得到的时间。6人~会面时间(FAE8)是对6人以上的会面进行计数得到的时间。分析时间分辨率为1分钟,所以计数得到的值自身成为时间。
并且,这些针对每个时间区间(FAE17)即一天求出,将期间(FAE)15的平均设为存储的各个值。
说明了个人指标(CA1B),但指标不限于此,可以根据会面表(FAC)和身体节律表(FAD)生成其他指标,将其用于分析。
并且,在个人指标(CA1B)中存储了期间(FAE15)的平均,但是也可以使用方差等。
并且,可以将业务信息作为个人指标(CA1B)进行存储。个人指标(CA1B)是根据会面表(FAC)和身体节律表(FAD)求出的指标。并且,存储根据个人指标(CA1B)求出的指标的表的一例是图8的个人指标表(FAE)。成为针对每个用户存储个人指标(CA1B)的表。
个人指标表(FAE)如图8下段所示那样,对应于确定用户的用户ID可以进一步包含组织活动指标(例如工作时间平均(FAE9)、(出公司时刻平均(FAE10)、回公司时刻平均(FAE11)、工作时间标准偏差(FAE12)、出公司时刻标准偏差(FAE13)、回公司时刻标准偏差(FAE14))。图8在上段和下段分别进行了表示,但也可以由一个表构成。
根据对面表(FAC)和身体节律表(FAD)求出组织动态数据取得开始地址和结束地址,由此根据这些来求出工作时间、出公司时刻、回公司时刻。开始地址表示从没有取得组织动态数据(未安装、不明)时到存储了数据(0名以上)时的地址。此外,结束地址表示从取得了组织动态数据(0名以上)时开始到不取得数据(未安装、不明)时的地址。
即使在会面表(FAC)和身体节律表(FAD)中没有存储时刻,但因为按照时间序列顺序进行存储,所以可以根据取得的地址和时间分辨率(FAE16)求出时刻。
关于工作时间,通过从结束地址减去开始地址,与其值对应的时间成为工作时间。工作时间平均(FAE9)是每个时间区间(FAE17)的工作时间的、期间(FAE15)中的平均。工作时间标准偏差(FAE12)是每个时间区间(FAE17)的工作时间的、期间(FAE15)中的标准偏差。
出公司时刻平均(FAE10)是与每个时间区间(FAE17)的开始地址对应的时刻的、期间(FAE15)中的平均。出公司时刻标准偏差(FAE12)是与每个时间区间(FAE17)的开始地址对应的时刻的、期间(FAE15)中的标准偏差。
回公司时刻平均(FAE11)是与每个时间区间(FAE17)的结束地址对应的时刻的、期间(FAE15)中的平均。回公司时刻标准偏差(FAE14)是与每个时间区间(FAE17)的结束地址对应的时刻的、期间(FAE15)中的标准偏差。
可以根据会面表(FAC)和身体节律表(FAD)判断,以便不使用错误状态的组织动态数据。
例如,在将名牌型传感器节点(TR)放置而返回公司时,假设对与近处的节点的会面进行反应。实际上没有会面,但无法根据红外线进行判断。为了提高精度,有时需要省去这样的误判断。作为对策,通过与身体节律表(FAD)进行比较,判断会面表(FAC)的会面是否正确。即,如果检测到人不正确地带有的节律(身体节律为0Hz,并且长时间),则不使用此时的会面表的值。在上述的匹配性处理中,可以并行执行这样的处理。
在进行了这些分析时,作为日志存储在个人处理时刻执行日志表(FAB)中。此外,存储数据的处理时刻(FAE6)和取得率(FAB9)。
针对每个用户执行以上所示的个人行动(CA1A)和个人指标(CA1B)的处理。关于是否执行该处理,针对每个用户使用个人取得率确认(CA1A1)的结果来进行判断。
在个人行动(CA1C)中,使用该用户的个人指标(CA1B)进行分析即可,还可以进行其他的分析。在进行追加时,对个人处理基准表(FAA)的处理ID(FAA1)分配新的ID。
然后,使用个人的结果进行组织的指标的分析。业务指标分析(CA1)为了兼顾数据的分析处理量的降低和内容精度的提高,在求组织指标(CA1D)时在进行处理之前进行组织取得率确认(CA1C1),确认在上次的分析中使用的取得率,在取得率提高时,为了更新指标重新进行处理。
在组织取得率确认(CA1C1)的判断中使用分析结果数据库(F)的组织处理基准表(FAG)。
图11是分析结果数据库(F)的组织处理基准表(FAG)的一例。在组织处理基准表(FAG)中根据数据的取得率进行判断。处理ID(FAG1)例如是处理的识别号码,处理通过ID进行管理。此外,其处理程序被存储在分析算法(D)中。处理名(FAG2)是处理的名称。基准(FAG3)表示是否执行处理的条件式。使用在基准(FAG3)中记载的不等号或等号的式子,在与该条件式匹配时,进行组织行动确定(CA1C2)。例如,在图11中记载了会面矩阵的取得率(FAG3A)、>(FAG3B)、更新前的会面矩阵的取得率(FAG3C),这表示在本次的取得率大于更新前的取得率时执行处理。在组织处理时刻执行日志表(FAH)的取得率(FAH9)中与处理ID对应地存储了更新前(前次)的取得率。在与条件式匹配时,如后所述把组织处理时刻执行日志表(FAH)的与相应处理ID以及相应任务ID对应的取得率(FAH9)更新为本次求出的取得率。
在此,图中的会面矩阵的取得率是以会面表(例如进行了匹配性处理的图26)为基础求出各用户的数据的取得率,对于与处理对象的任务相关联的用户取得平均的值、或最低取得率的用户的取得率等。图中的现场的裁决的取得率也相同。例如是关于现场的裁决的处理所需要的数据求出各用户的数据的取得率,关于与处理对象的任务相关联的用户取得平均的值、或者最低取得率的用户的取得率等。
通过任意地变更该基准(FAG3),可以变更条件式。
此外,通过对取得率的变化程度设置阈值(第二阈值),能够在具有某一定程度以上的取得率的变化时执行处理。例如,在取得率的变化(例如上升)在5点以上时执行处理等。
此外,预先决定取得率的上限(第一阈值),能够即使成为第一阈值以上的取得率也不执行处理。例如,如果取得率在98%以上,则即使取得率变得更高,也不再次执行处理。此时,分析服务器判定为已经进行了分析的状态。
此外,能够进行多个基准的判断,可以根据判断结果仅执行相应的处理ID的分析。此外,能够执行多个基准的判断,即使与一个条件式匹配,也能够对全部的处理ID执行处理。
在通过组织取得率确认(CA1C1)判定为需要组织行动(CA1C)的处理时,进行组织行动(CA1C)的组织行动确定(CA1C2)。此时,将作为通过组织行动确定(CA1C2)进行的处理结果的日志,记载在组织处理执行日志(FAH)中。
图12是分析结果数据库(F)的组织处理时刻执行日志表(FAH)的一例。是通过使用组织处理基准表(FAG)的判断,记载通过组织行动确定(CA1C2)执行的结果的日志的表。处理ID(FAH1)例如是处理的识别号码,处理通过ID进行管理。此外,将其处理程序存储在分析算法(D)中。任务ID(FAH2)是用于识别任务的ID。测量期间(FAH3)是测量传感器数据的期间(例如成为处理对象的传感器数据的测量期间),开始(FAH4)是测量开始时刻,结束(FAH5)是测量结束时刻。处理时刻(FAH6)记载了进行处理的时刻,开始(FAH7)是处理开始时刻,结束(FAH8)是处理结束时刻。取得率(FAH9)表示传感器数据中取得的程度。这里的取得率,根据相应期间或相应用户的个人处理时刻执行日志表(FAB)的取得率(FAB9)来求出。
个人处理时刻执行日志表(FAB)的取得率(FAB9)是每个人的取得率(个人取得率),求出与任务ID表示的任务有关的成员间的平均(组织取得率),存储在组织处理时刻执行日志表(FAH)的取得率(FAH9)中。此外,取得率(FAB9)是每个测量期间的取得率,当在处理中使用的区间包含多个测量期间时,将其平均值作为取得率(FAH9)来存储。
在组织行动确定(CA1C2)的处理中,选择项目表(FAF)的相应用户,使用该用户的个人行动(CA1A)或个人指标(CA1B)的处理结果进行分析。对组织行动确定(CA1C2)的会面矩阵生成(CA1C2A)的处理进行说明。
会面矩阵生成(CA1C2A)从按时间序列排列的会面表(FAC)中去除时间序列信息,把针对每个用户进行了多长的会面汇总为二维矩阵。
将提取出的结果存储在分析结果数据库(F)的会面矩阵(FAI)中。在图13中表示会面矩阵(FAI)的一例。图13汇总了在通过期间(FC1C4)表示的期间中的会面结果。此外,因为将会面表(FAC)中的时间分辨率作为单位,所以当在会面矩阵(FAC)中存储了1时,如果时间分辨率为1分钟则进行了1分钟的会面,如果时间分辨率为5分钟则进行了5分钟会面。
在会面矩阵(FAI)中,纵轴是用于判别成员个人的用户ID(FC1C1),横轴是表示会面的对象的用户ID(FC1C2)。例如,用户002中的与用户003的会面时间成为33分钟。
在生成该会面矩阵(FAI)时,因为将多个信息汇集在一个矩阵中,所以还可以记述基础的信息。任务ID:101(FC1C3)是使用该数据的任务ID。期间:2010年7月19日-7月26日(FC1C4)表示在会面矩阵的生成中所使用的数据的期间。
天数:7天(FC1C5)是期间(FC1C4)中的天数。
实质天数5天(FC1C6)是期间(FC1C4)中的营业天数。
时间分辨率:1分钟(FC1C7)是会面表(FAC)中的时间分辨率。
会面判定时间:3分钟/1天(FC1C8)是用于判定为会面的阈值。即使在交叉的情况下,当红外线反应时判定为会面,所以数次的反应是噪音的可能性高,所以导入了这样的阈值。
此外,取得率(FC1C9)是数据的取得率,是根据会面表(FAC)、身体节律表(FAD)求出的、除去了数据不明部分的有效数据的比例。此外,关于更新(FC1C10),针对每个用户在更新了数据时设为“有”。
并且,希望是能够向用户反映可靠性的内容,可以包含使用数据天数、使用数据时间等。
此外,会面矩阵(FAI)存储用户的会面状况是重要的,所以,如果满足该条件,则与会面矩阵(FAI)中使用的表结构不同也无妨。
在组织行动(CA1C)中选择项目表(FAF)的相应用户,使用该用户的个人行动(CA1A)和个人指标(CA1B)的处理结果进行分析即可,可以进行会面矩阵生成(CA1C2A)以外的恰当的分析。在进行追加时,对组织处理基准表(FAG)的处理ID(FAG1)分配新的ID。
然后,求出组织指标(CA1D)。在组织指标(CA1D)的处理中,根据通过组织行动(CA1C)、个人行动(CA1A)、个人指标(CA1B)进分析后的结果进行分析。此时,把通过组织行动(CA1C)进行的处理结果的日志记载在组织处理执行日志(FAH)中。
在组织指标(CA1D)的处理中,求出现场的裁决(CA1DA)和上下的协作(CA1DB)和双向的会话(CA1DC)的各指标。把结果存储在组织指标表(FAJ)中。
现场的裁决(CA1DA)是表示现场的业务的裁决度的指标。作为一个例子,具有团结度,这可以根据通过会面矩阵生成(CA1C2A)生成的会面矩阵(FAI)来求出。
使用图16的网络图(ZA)说明现场的裁决的指标的求法。图中用节点表示人,用线(沿)表示二者间的会面。线的判断根据会面矩阵(FAI),对于两者间的会面时间在一定程度以上的情况,连结线。
团结度是自己周围的节点的密度。在图16的网络图(ZA)的例子中,伊藤(ZA4)的会面对象是高桥(ZA1)、山本(ZA5)、田中(AZ2)这三个人。调查该三个人的密度即可,结果,三人中的沿数/3人的最大沿数=2/3等于0.67。
可以预先针对每个用户求出裁决的指标,把项目的成员中的平均值作为当场的裁决(CA1DA)。
此外,可以不使用团结度,而是将次数、2步到达度、介质中心性用作现场的裁决(CA1DA)。
作为这些的求法,次数成为与节点相连的边沿的数。在网络图(ZA)的例子中,高桥(ZA1)与田中(ZA2)和伊藤(ZA4)连接,所以成为2。
2步到达度是在全体中,在2步以内的范围内存在的节点的数量。在网络图(ZA)的例子时,通过渡边(ZA3)时的2步能够覆盖的节点是全部(ZA1)~(ZA5),成为4。
介质中心性是表示节点对于整个网络图的连接性进行了多大程度的贡献的值。
然后,说明上下的协作(CA1DB)是表示从干部到成员的协作程度的指标。作为一个例子,具有步数,这可以根据通过会面矩阵(CA1C2A)生成的会面矩阵(FAI)来求出。
求法是对照项目表(FAF)和用户ID表(IA),确定干部,求出最短以几步与其他成员连接。在网络图(ZA)的例子时,高桥(ZA1)和伊藤(ZA4)通过一步连接,高桥(ZA1)和渡边(ZA3)通过两步连接。
预先对每个用户求出步数,可以将项目的成员中的平均值作为上下的协作(CA1DB)。此外,干部可以是在项目表(FAF)中表示的领导(FAF2)或委托者(FAF3)。
双向的会话(CA1DC)是表示成员彼此会面时双向的行为程度的指标。作为一个例子,通过观察会面时的身体节律可以进行判断。
从某个时刻的会面表(FAC)选择会面对象,从该会面对象和自身的身体节律表(FAD)中选择相同时刻的身体节律。然后,如果选择的各身体节律(表示自身的行为和对象的行为)在预定的阈值以上,则判断为双向的会话。对于各成员求出双向率,可以将项目的成员中的平均值作为双向的会话(CA1DC)。
指标不限于此,根据会面矩阵(FC1C)生成其他的指标,可以将其用于分析。
在组织指标(CA1D)的处理中,使用组织行动(CA1C)、个人行动(CA1A)、个人指标(CA1B)的处理结果进行分析即可,可以进行现场的裁决(CA1DA)和上下的协作(CA1DB)和双向的会话(CA1DC)以外的分析。在进行追加时,对组织处理基准表(FAG)的处理ID(FAG1)分配新的ID。
图14是分析结果数据库(F)的组织指标(FAJ)的一例。存储根据组织指标(CA1D)计算的现场的裁决(CA1DA)和上下的协作(CA1DB)和双向的会话(CA1DC)的各指标。
任务ID(FAJ1)用于识别项目。与项目表(FAF)的任务ID(FAF1)对应。期间(FAJ2)表示在该分析中使用的数据的期间。现场的裁决(FAJ3)是组织指标(CA1D)的现场的裁决(CA1DA)的指标。上下的协作(FAJ4)是组织指标(CA1D)的上下的协作(CA1DB)的指标。双向的会话(FAJ5)是组织指标(CA1D)的双向的会话(CA1DC)的指标。
以上所述的处理,针对项目表(FAF)的任务ID(FAF1)的每个任务进行组织行动(CA1C)和组织指标(CA1D)。针对每个任务使用组织取得率确认(CA1C1)的结果进行是否执行该处理的判断。
然后,说明作为实际生成内容的部分的、项目进步内容生成(JA)。项目进步内容生成(JA)包含网络图生成(JAA)和线图生成(JAB)这两个处理。
首先,说明网络图生成(JAA)。图15的网络图(YA)是网络图的一个例子。根据会面矩阵(FAI)生成该网络图(YA),例如由表示人的节点(YA1)和把会面的成员彼此连接的线(沿)(YA2)构成。在配置中使用弹簧模型。弹簧模型(胡克法则)是在连接了两个节点(点)时,假设在此具有弹簧来计算力(向内或者向外),并且假设从没有与自身连接的全部节点接受与距离相应的斥力(反抗的力)来重复移动位置,由此成为最佳的配置的方法。
此外,例如通过节点的形状表示了可靠性(YA5)。使用会面矩阵(FAI)的取得率(FC1C9)和更新(FC1C10)的数据,进行记述以便能够知晓数据取得率小于预定的阈值的“有欠缺”或有无数据的更新“已更新”。(YA1)表示正常(图中实线白圈),(YA4)表示有欠缺(图中虚线白圈),(YA3)表示已更新(图中阴影)。除了节点的形状以外,还可以恰当地使颜色、线种、摸样等显示形式不同。
并且,希望是能够对用户反映可靠性的内容,还可以包含使用数据天数、使用数据时间等。
然后,说明线图生成(JAB)。在线图生成(JAB)中,将作为组织指标(CA1D)的、组织指标表(FAJ)的数据按照时间序列的顺序排列,生成线图。
通过项目进步内容生成(JA)生成的结果是项目进步内容(KA)。
通过项目进步内容生成(JA)生成的内容,根据在内容生成中使用的数据量,记载可靠性。作为表示可靠性的一个例子,是数据的取得率,在本实施例中,根据基于分析结果数据库(F)的会面表(FAC)和身体节律表(FAD)的不明数据,求出了数据的取得率。根据数据表示可靠性即可,还可以使用其他的方法。
在数据的取得率提高时,可以执行图2D的各处理来更新项目进步内容。
在此,说明业务行动分析(CA)的企业信息分析(CA2)。该处理进行与其他的企业信息的协作,目的是补充数据。
企业信息汇总服务器(KS)是成为其他的企业信息系统的集线器的服务器,进行与图1C所示的旅费服务器(RS1)为首的各种服务器的协作,此外,在企业信息汇总服务器(KS)的企业信息汇总数据库(KSME1)中进行信息的汇总。
在应用程序服务器(AS)中的企业信息分析(CA2)中,通过取得与企业信息汇总服务器(KS)的企业信息汇总数据库(KSME1)的协作,补充通过分析结果数据库(F)或组织信息数据库(H)没有得到的数据,此外提供在分析结果数据库(F)或组织信息数据库(H)中有、但是在企业信息汇总数据库(KSME1)中没有的企业信息。
通过补充输入(CA2A),得到企业信息汇总服务器(KS)中的信息。是企业信息汇总数据库(KSME1)的个人业务行动主表(KSME1A)或组织/项目业务行动主表(KSME1B)的信息。
通过补充提取(CA2B)对照分析结果数据库(F)或组织信息数据库(H)中的内容,进行能够补充的部分的提取。
在对照时需要用于对照对应的两者的ID,此时,可以使用用户/场所信息数据库(I)的用户ID(IA1)或项目表(FAF)的任务ID(FAF1)等,作为用于对照两者的ID。
通过补充输出(CA2C),进行把通过补充提取(CA2B)提取出的内容实际写入分析结果数据库(F)或组织信息数据库(H)中的处理。在进行处理时,因为进行了补充,所以计算取得率,并将该结果写入到个人处理时刻执行日志表(FAB)或组织处理时刻执行日志表(FAH)中。
图20是补充输出(CA2C)后的分析结果数据库(F)的会面表(FAC)与身体节律表(FAD)的一例。
会面表(FAC)和身体节律表(FAD)反映了企业信息汇总数据库(KSME1)的个人业务行动主表(KSME1A)或组织/项目业务行动主表(KSME1B)的结果。
在个人业务行动主表(KSME1A)中,记载了用户003从11:00到11:30,根据公司/事务所(KSME1AE)和会面对象(KSME1AG),与月星商社的寺田进行了会面,因此,在会面表(FAC)的期间(FACC4)中存储有月星寺田。此外,在身体节律表(FAD)的期间(FADC4)中因为不知晓进行了怎样的动作,所以设为未安装。如图20那样,把这些数据反映在分析结果数据库(F)中。
此外,在不知晓公司或会面对象时,可以使用公司/事务所(KSME1AE)和会面对象(KSME1AG)以外的信息,即地区/站(KSME1AD)等。此外,在无法确定人时,可以仅使用公司/事务所(KSME1AE)。
以上表示的例子仅是一个例子,把企业信息汇总数据库(KSME1)的结果放映在分析结果数据库(F)或组织信息数据库(H)中即可。
然后,叙述使用补充输出(CA2C)生成会面矩阵(CA1C2A)的一个例子。图21是在图13所示的会面矩阵(FAI)中组合了与公司外的会面的会面矩阵。来自图13的追加点,将公司外的人作为用户进行追加,追加了图21中的月星商社寺田(FC1CA11)。如此可以用一个会面矩阵处理单位内外的用户。
然后,图22表示根据这样的图21的会面矩阵(FAI)进行网络图生成(JAA)的一例。与图15的网络图生成(JAA)的生成方法相同。在图22中使用了包含单位内外的会面数据的图21的会面矩阵(FAI),所以显示其他单位的数据(月星商社寺田(YAA6)。
并且,以上表示的方法是一个例子,知晓公司内外的成员协作即可。
并且,以用户个人为基础生成了网络图,但是还可以将多个人汇总为一个。作为一个例子,按照用户/场所信息数据库(I)的团队名(IA3)聚集的会面矩阵、和汇集了与单位外的数据的会面矩阵是图23的会面矩阵(FAI)。从图21至图23的会面矩阵(FAI)的汇集方法希望是能够知晓团队内外的协作的方法,作为一个例子,图23从图21的表对每个团队内外求和。
此外,取得率(FC1CB9)显示团队内的平均,更新(FC1CB10)当在团队内存在具有更新的成员时,显示为具有更新。
然后,图24表示根据这样的图23的会面矩阵(FAI)进行网络图生成(JAA)的一例。基本上与图15的网络图生成(JAA)的生成方法相同。不同点在于,用节点的大小显示了团队内的会面时间,用沿(线)的粗细显示了与团队外的会面时间。
并且,上述表示的方法是一个例子,知晓公司内外的团队间协作即可。
此外,在本处理中,可以使用通过组织动态数据收集(B)收集到的数据,组织动态数据收集(B)的数据表(BA)中包含的声音传感器(BAF)、温度传感器(BAG)、照度传感器(BAH)、发现(BAI)、感谢(BAJ)、实质(BAK)也可以进行同样的分析。
通过进行这样的处理,是兼顾了数据的分析处理量的降低和内容精度的提高的项目进步内容生成。
产业上的可利用性
本发明例如能够用于根据传感器数据进行批处理的系统。
Claims (11)
1.一种传感器信息分析系统,其特征在于,
具有:多个传感器节点,其发送检测到的数据;以及
分析服务器,其使用来自所述多个传感器节点的数据,进行预定的批处理,
预先决定了从所述传感器节点在预定的时间内发送的希望的数据数量,
所述分析服务器关于在预定的批处理中使用的数据,根据所述希望的数据数量以及实际从所述多个传感器节点接收到的所述预定的时间内的数据数量,求出数据的取得率,
在数据的取得率存在变动时,进行相应的批处理。
2.根据权利要求1所述的传感器信息分析系统,其特征在于,
所述传感器节点在没有进行检测时也发送表示没有进行检测的数据,在进行了检测时发送检测到的实际数据,
所述分析服务器把表示没有进行检测的数据以及实际数据一同作为有效数据,将丢失的数据作为不明数据,求出数据的取得率。
3.根据权利要求1所述的传感器信息分析系统,其特征在于,
如果取得率的变动超过了预定的第一阈值,则所述分析服务器进行相应的批处理。
4.根据权利要求1所述的传感器信息分析系统,其特征在于,
如果数据的取得率超过了预定的第二阈值,则即使数据的取得率不是100%,所述分析服务器也判定为分析完成状态。
5.根据权利要求1所述的传感器信息分析系统,其特征在于,
所述批处理是用于得到基于检测到的数据的显示数据的处理。
6.根据权利要求5所述的传感器信息分析系统,其特征在于,
所述分析服务器根据数据的取得率,改变批处理的结果的显示形态。
7.根据权利要求1所述的传感器信息分析系统,其特征在于,
所述数据的取得率是针对来自一个传感器节点的检测数据的取得率,所述分析服务器进行与该传感器节点有关的批处理。
8.根据权利要求1所述的传感器信息分析系统,其特征在于,
所述数据的取得率是针对来自与预定的批处理有关的多个传感器节点的检测数据的取得率,
当该取得率存在变动时,根据来自该多个传感器节点的检测数据进行所述预定的批处理。
9.根据权利要求2所述的传感器信息分析系统,其特征在于,
所述传感器节点具有多个传感器,把多个检测到的数据对应于进行检测的时刻发送给所述分析服务器,
所述分析服务器,当关于某个时刻的数据检测到丢失的数据时,针对该时刻的其他传感器的数据,也把该丢失的数据作为不明数据,求出数据的取得率。
10.根据权利要求1所述的传感器信息分析系统,其特征在于,
还具有信息汇总数据库,其预先存储有安装所述传感器节点的用户的行动信息,
所述分析服务器根据在所述信息汇总数据库中存储的行动信息,变更或者补充检测到的数据,并针对补充后的数据求出取得率。
11.一种分析服务器,其使用来自发送检测到的数据的多个传感器节点的数据,进行预定的批处理,预先决定了从所述传感器节点在预定的时间内发送的希望的数据数量,所述分析服务器的特征在于,
关于在预定的批处理中使用的数据,根据所述希望的数据数量以及实际从所述多个传感器节点接收到的所述预定的时间内的数据数量,求出数据的取得率,在数据的取得率存在变动时,进行相应的批处理。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011013694A JP5591725B2 (ja) | 2011-01-26 | 2011-01-26 | センサ情報処理分析システム及び解析サーバ |
JP2011-013694 | 2011-01-26 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102693214A true CN102693214A (zh) | 2012-09-26 |
CN102693214B CN102693214B (zh) | 2016-04-27 |
Family
ID=46544811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210020002.8A Expired - Fee Related CN102693214B (zh) | 2011-01-26 | 2012-01-21 | 传感器信息处理分析系统以及分析服务器 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20120191413A1 (zh) |
JP (1) | JP5591725B2 (zh) |
CN (1) | CN102693214B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI768693B (zh) * | 2020-03-02 | 2022-06-21 | 慧榮科技股份有限公司 | 用以進行全快閃記憶體陣列伺服器的資料存取管理的方法與設備 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015125225A1 (ja) * | 2014-02-19 | 2015-08-27 | 株式会社日立製作所 | データ処理システム及びデータ処理方法 |
JP6268322B1 (ja) * | 2017-07-14 | 2018-01-24 | Ndiソリューションズ株式会社 | 学習データ精度可視化システム、学習データ精度可視化方法、及びプログラム |
CN115988104B (zh) * | 2023-03-20 | 2023-08-01 | 深圳市鸿明机电有限公司 | 一种传感器兼容处理方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000353193A (ja) * | 1999-06-10 | 2000-12-19 | Nec Corp | 災害情報収集装置 |
US20090198475A1 (en) * | 2008-02-01 | 2009-08-06 | Hitachi, Ltd. | Analysis system and analysis server |
JP2009271573A (ja) * | 2008-04-30 | 2009-11-19 | Internatl Business Mach Corp <Ibm> | 情報処理システム、情報処理装置、情報処理方法およびプログラム |
JP2010217939A (ja) * | 2009-03-13 | 2010-09-30 | Hitachi Ltd | 知識創造行動分析システム、及び、処理装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1182567B1 (en) * | 2000-08-21 | 2012-03-07 | Texas Instruments France | Software controlled cache configuration |
JP4808409B2 (ja) * | 2005-01-14 | 2011-11-02 | 株式会社日立製作所 | センサネットワークシステム、センサデータの検索方法及びプログラム |
US7982603B2 (en) * | 2006-03-28 | 2011-07-19 | Hitachi, Ltd. | Sensor net system, sensor net system data managing method, and sensor net system data managing program |
JP5069884B2 (ja) * | 2006-09-14 | 2012-11-07 | 株式会社日立製作所 | 最新データ及び履歴データを管理するセンサネットワークシステム |
JP5376221B2 (ja) * | 2009-03-31 | 2013-12-25 | 富士通株式会社 | 状態通知システム、状態通知装置、状態監視装置、状態検知装置、状態通知プログラムおよび状態通知方法 |
US8275561B2 (en) * | 2009-05-05 | 2012-09-25 | Home Comfort Zones, Inc. | Power monitoring and analysis system for identifying individual electrical devices |
-
2011
- 2011-01-26 JP JP2011013694A patent/JP5591725B2/ja not_active Expired - Fee Related
-
2012
- 2012-01-19 US US13/353,561 patent/US20120191413A1/en not_active Abandoned
- 2012-01-21 CN CN201210020002.8A patent/CN102693214B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000353193A (ja) * | 1999-06-10 | 2000-12-19 | Nec Corp | 災害情報収集装置 |
US20090198475A1 (en) * | 2008-02-01 | 2009-08-06 | Hitachi, Ltd. | Analysis system and analysis server |
JP2009271573A (ja) * | 2008-04-30 | 2009-11-19 | Internatl Business Mach Corp <Ibm> | 情報処理システム、情報処理装置、情報処理方法およびプログラム |
JP2010217939A (ja) * | 2009-03-13 | 2010-09-30 | Hitachi Ltd | 知識創造行動分析システム、及び、処理装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI768693B (zh) * | 2020-03-02 | 2022-06-21 | 慧榮科技股份有限公司 | 用以進行全快閃記憶體陣列伺服器的資料存取管理的方法與設備 |
Also Published As
Publication number | Publication date |
---|---|
CN102693214B (zh) | 2016-04-27 |
US20120191413A1 (en) | 2012-07-26 |
JP5591725B2 (ja) | 2014-09-17 |
JP2012155510A (ja) | 2012-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5160818B2 (ja) | ビジネス顕微鏡システム | |
US9111244B2 (en) | Organization evaluation apparatus and organization evaluation system | |
CN102567798A (zh) | 传感数据显示装置和显示系统 | |
JP5010985B2 (ja) | センサノード | |
US11172854B2 (en) | System that measures different states of a subject | |
WO2010052845A1 (ja) | 情報処理システム及び情報処理装置 | |
JP5400895B2 (ja) | 組織行動分析装置及び組織行動分析システム | |
JP5055153B2 (ja) | 解析システムおよび解析サーバ | |
CN103123700A (zh) | 事件数据处理装置 | |
CN105953885A (zh) | 一种称重系统 | |
US10305991B2 (en) | System and methods for monitoring manufacturing processes through the exchange of information in real time | |
CN102693214A (zh) | 传感器信息处理分析系统以及分析服务器 | |
Ustundag et al. | Digital traceability through production value chain | |
US20070130321A1 (en) | Event detection and reporting for a mobile electronic device | |
JP2016035695A (ja) | 通知プログラム、通知方法および携帯端末 | |
JP5372557B2 (ja) | 知識創造行動分析システム、及び、処理装置 | |
US20200200564A1 (en) | Communication management system for surveying instrument | |
US20160253609A1 (en) | Information Processing System and Information Processing Method | |
WO2021208712A1 (zh) | 用于处理器具需求信息的方法和装置 | |
Kindlundh et al. | Remote Monitoring and Visualization of Inventory Levels | |
JP2023069736A (ja) | 情報管理システム | |
KR20200012548A (ko) | 직원단말을 이용한 근태관리 방법 | |
KR20200012449A (ko) | 직원단말을 이용한 근태관리 방법 | |
KR20200012556A (ko) | 직원단말을 이용한 근태관리 방법 | |
KR20200012471A (ko) | 직원단말을 이용한 근태관리 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160427 Termination date: 20210121 |
|
CF01 | Termination of patent right due to non-payment of annual fee |