CN104424348B - 服务分析装置及方法 - Google Patents

Abstract

本发明的实施方式涉及一种服务分析装置及方法。提供一种能够对多个作业者针对多个对象物实施作业的服务针对各实施单位进行分析的服务分析装置及方法。一实施方式的服务分析装置中，作业量计算部根据服务历史数据按照多个对象物计算作业量。集群部根据服务历史数据生成管理信息以及所属信息，该管理信息表示多个实施单位分别管理各个多个对象物的程度，该所属信息表示多个作业者分别属于各个多个实施单位的程度。事件量计算部根据事件数据按照多个对象物计算事件量。状况分析部，根据作业量、所属信息、管理信息、以及事件量，对多个实施单位各自的作业状况以及事件状况进行分析。

Description

服务分析装置及方法

本发明以日本专利申请2013-184506（申请日：2013年9月5日）为基础，享有来自该申请的优先利益。本申请通过参照该申请而包含该申请的全部内容。

技术领域

本发明涉及一种服务分析装置以及方法。

背景技术

在设备的保养服务、医疗服务、护理服务等以人为中心而实施的服务中，导入了利用计算机的业务支援系统。利用业务支援系统实施服务的组织中，结果性存储服务历史数据。这种组织中，采用一种通过分析服务历史数据来评价服务品质的分析装置，实现服务的改善。

以往的分析装置中，针对各对象物（案件）或作业者（个人）进行分析。但是，如设备（例如电梯等）的保养服务那样，多个作业者共同进行作业的情况下，针对实施作业的集体（实施单位）进行分析可进行正确的分析。已考虑有利用组织数据库特定实施单位的方法，而从超过组织的支援、组织内的次级单位的存在等理由来看，在直接利用组织数据库的分析中，存在没有较好地反应现场的现状的问题。

发明内容

本发明要解决的问题是提供一种服务分析装置及方法，其对于多个作业员针对多个对象物进行作业的服务能够针对各实施单位进行分析。

一实施方式的服务分析装置，其对多个作业者针对多个对象物实施作业的服务的品质进行评价，该服务分析装置具有作业量计算部、集群部、事件量计算部、以及状况分析部。作业量计算部根据与实施完的作业相关的服务历史数据按照所述多个对象物计算作业量。集群部根据所述服务历史数据生成管理信息以及所属信息，该管理信息表示将所述多个作业者分组的多个实施单位分别管理各个所述多个对象物的程度，该所属信息表示所述多个作业者分别属于各个所述多个实施单位的程度。事件量计算部在用于应对所述多个对象物所发生的事件的作业中，根据与实施完的作业相关的事件数据按照所述多个对象物计算事件量。状况分析部根据所述多个对象物各自作业量、所述所属信息、所述管理信息、以及所述多个对象物每个的事件量，对所述多个实施单位各自的作业状况以及所述多个实施单位各自的事件状况进行分析。

根据上述构成的服务分析装置，能够对多个作业者针对多个对象物实施作业的服务按照各实施单位进行分析。

附图说明

图1是示意性表示实施方式的服务分析装置的模块图。

图2是表示图1所示的服务历史数据库的一例的图。

图3是表示图1所示的作业者数据库的一例的图。

图4是表示图1所示的服务对象数据库的一例的图。

图5是表示图1所示的事件数据库的一例的图。

图6是表示通过图1所示的作业量计算部针对各对象物算出的作业量的一例的图。

图7是表示通过图1所示的作业矩阵计算部算出的作业矩阵的一例的图。

图8是表示图1所示的集群部相对于图7的作业矩阵实施联合集群的结果的图。

图9是表示通过图1所示的集群部生成的所属信息的一例的图。

图10是表示通过图1所示的集群部生成的管理信息的一例的图。

图11是表示通过图1所示的事件量计算部针对各对象物算出的事件量的一例的图。

图12是表示由图1所示的分析部得到的分析结果的图。

图13（a）是表示作业负荷与事件发生率的关联的散布图，图13（b）是表示各对象物的作业量与事件发生率的关联的散布图。

图14是表示图1所示的服务分析装置的分析处理顺序的一例的流程图。

图15是对图1所示的集群部所实行的联合集群进行说明的图。

图16是对图1所示的归一化部的归一化处理进行说明的图。

图17是表示图1所示的归一化部的归一化处理顺序的一例的流程图。

图18是表示作业矩阵的又一例、以及由该作业矩阵生成的管理矩阵和所属矩阵的图。

图19是示意性表示图1所示的服务分析装置的硬件构成的模块图。

具体实施方式

以下，参照附图，对实施方式进行说明。

图1示意性表示实施方式的服务分析装置100。服务分析装置100分析与多个作业者针对多个对象物实施作业的服务相关的数据，针对各实施单位评价服务品质。实施单元表示对于同一对象物频繁地进行作业的作业者的小组。各作业者可属于一个或多个实施单位。在实施方式中，假定电梯的保养服务来作为多个作业者针对多个对象物实施作业的服务的一例。

如图1所示，服务分析装置100具有：作业量计算部101、集群部102、事件量计算部106、所属信息存储部107、管理信息存储部108、状况分析部109、分析结果输出部113、以及输入部114。作为存储与电梯的保养服务相关的数据的数据库，准备了服务历史数据库151、作业者数据库152、服务对象数据库153、以及事件数据库154。以下，将数据库称为DB。

首先，对服务历史DB151、作业者DB152、服务对象DB153、以及事件DB154进行说明。

服务历史DB151中保存有关于实施完的作业的服务历史数据（即服务实施结果）。例如，服务历史DB151存储有与实施完的各个作业有关的、表示作业开始时间、作业结束时间、对象物、作业内容、以及作业者的信息。图2示出服务历史DB151的一例。如图2所示，服务历史DB151将与一个作业相关的数据作为一个记录进行保存，其包括历史ID、作业开始时间、作业结束时间、对象物ID、业务分类、小类别、每人的标准作业工时、以及作业者ID这八个区段。历史ID为记录的识别符，即是用于识别记录的信息。对象物ID是对象物（在实施方式中为电梯）的识别符。业务分类表示作业的种类。小类别是细分化业务分类的。每人的标准作业工时表示作业的难易度。在图2的例子中，每人的标准作业工时是通过一名标准的作业者进行作业时所需要的推定作业时间（分单位）来表示的。作业者ID是作业者的识别符。

历史ID为h1000200的记录中，作业开始时刻为2009／6／510：00：00、作业结束时刻为2009／6／510：45：00、对象物ID为b02、业务分类为检查、小类别为定期检查、每人的标准作业工时为60（分）、作业者ID为p1。历史ID为h1000205的记录是两个，这表示两个作业者（作业者p4以及p5）共同进行一个作业。

作业者DB152保存与从事电梯的保养业务的作业者相关的作业者数据。例如，作业者DB152与各个作业者有关，其保存有表示姓名、职位、以及所属的组织（例如营业所）的信息。图3示出作业者DB152的一例。如图3所示，作业者DB152将与一名作业者相关的数据作为一个记录进行保存，包括作业者ID、姓名、性别、职位、以及营业所ID这五个区段。营业所ID是作业者所属的营业所的识别符。

作业者ID为p1的记录中，姓名为保养太郎、性别为M、职位为主任、营业所ID为e10334。在图3的例子中，职位为主任、一般职员、新人这三个阶段。职位在计算后述的作业量时可以利用，例如，若是主任则使作业时间（也称为作业工时）为1.5倍等。此外，营业所ID也可以不包括作业者DB152。即便在营业所ID不包括作业者DB152的情况下，作业者的所属营业所也可以采用服务历史DB151、作业者DB152、以及服务对象DB153提取。

服务对象DB153保存与提供服务的对象物相关的服务对象数据。例如，服务对象DB153与各个对象物有关，其保存与种类、位置以及管辖部门（或营业所）相关的信息。图4示出服务对象DB153的一例。如图4所示，服务对象DB153将与一个对象物相关的数据作为一个记录进行保存，包括对象物ID、机种、住所、营业所ID、以及合同种类五个区段。住所表示对象物的位置，在实施方式中是设有电梯的建筑物的住所。

对象物ID为b01的记录中，机种为k001、住所为川崎市中原区1-1、营业所ID为e10334、合同种类为合同A。对象物b01（对象物ID为b01的对象物）由营业所e10334（营业所ID为e10334的营业所）管理。这并不意味着对象物b01只由营业所e10334所属的作业者实施作业。对象物b01主要由营业所e10334的作业者实施作业，但是也可能由其他营业所的作业者实施作业。机种以及合同种类可以用于按照机种分析后述的作业状况的情况等。此外，营业所ID也可以不包括服务对象DB153。即便在营业所ID不包括服务对象DB153的情况下，作业者的所属营业所也可以采用服务历史DB151、作业者DB152、以及服务对象DB153提取。

事件DB154为用于应对对象物中发生的时间的作业，其保存与实施完的作业相关的事件数据。例如，事件DB154与各个事件有关，其保存有表示姓名、职位、以及所属的组织（例如营业所）的信息。这里，事件是指成为服务品质的评价对象的事项。在设备保养服务的例子中，事件例如包括在设备的运用中突发性地发生的异常事项（例如故障）等。图5示出事件DB154的一例。如图5所示，事件DB154将与一个事件相关的数据作为一个记录进行保存，包括对象物ID、事件ID、作业开始时间、作业结束时间、重要性、业务分类、小类别、作业者ID这八个区段。事件ID是事件的识别符。作业开始时间和作业结束时间表示用于应对事件的作业的开始以及结束的时间，作业者ID是进行该作业的作业者的识别符。

事件ID为inc20015的记录中，对象物ID为b01、作业开始时间为2012／7／1810：00：00、作业结束时间为2012／7／1813：00：00、重要性为S、业务分类为保养、小类别为部件更换、作业者ID为p1。重要性可以用于当进行状况分析时重要性高的事件优先的情况等。图5的例子中，重要性按照B、A、S的顺序变高。

上述的DB151～154被适当更新。在一例中，DB151～154保存于服务器，DB151～154通过操作者对设置于各营业所的终端装置（客户端）进行操作来更新。此外，图1中示出了DB151～154设置于服务分析装置100的外部的例子，而服务分析装置100也可以具有DB151～154。

下面，对图1所示的服务分析装置100的构成进行说明。

作业量计算部101采用服务历史DB151、针对各对象物算出对该对象物实施的作业量。作业量例如根据服务历史DB151所保存的作业开始时间与作业结束时间之差即作业时间来算出。针对各对象物进行多次作业的情况下，作业量根据与这些作业相关的作业时间的合计来算出。作业时间越长作业量越大。作业量计算部101也可以采用与作业难易度、同时进行作业的人数、作业者的职位等对应的权重系数计算作业时间。

采用与职位对应的权重系数的情况下。作业量计算部101访问作业者DB152。职位为主任的作业者与职位一般的作业者以相同时间进行作业的情况下，认为职位为主任的作业者时作业量变大。在一例中，一般的权重系数为1.0，主任的权重系数为1.5。在该例子中，针对某对象物主任作业者进行60分钟作业、一般作业者进行50分钟作业的情况下，用于作业量的计算的合计作业时间为140分（＝60×1.5＋50×1.0）。

图6表示通过作业量计算部101针对各对象物算出的作业量的一例。图6的例子中，对九个对象物b01～b09表示出作业量。例如对象物b01的作业量为300。在本实施方式中，用向量表示对于各个对象物的作业量。在图6的例子中，作业量向量V可表示如下。

V＝(300，310，305，200，205，215，200，210，220)

在该例子中，作业量向量V的第i要素表示对象物b0i的作业量，这里，i为1以上9以下的整数。例如，作业量向量V的第1要素表示对象物b01的作业量。

集群部102采用服务历史DB151、作业者DB152、以及服务对象DB153，生成表示各作业者属于各个实施单位的程度的所属信息、以及各实施单位管理各对象物的程度的管理信息。集群部102为了生成所属信息以及管理信息，利用集群手法将多个作业者分组给多个实施单位。具体地说，集群部102包括作业矩阵计算部103、实施单位集群部104、以及归一化部105。此外，集群部102还可以不参照作业者DB152、以及服务对象DB153，而采用服务历史DB151生成所属信息以及管理信息。

作业矩阵计算部103采用服务历史DB151、作业者DB152、以及服务对象DB153，计算作业矩阵，该作业矩阵为表示各作业者相对于各对象物进行的工作量、即各作业者与各对象物相关联的程度的行列。图7表示作业矩阵的一例。图7表示十名作业者p1～p10对九个对象物b01～b09进行作业时所得到的作业矩阵的一例。在图7的例子中，对象物b01～b03由作业者p1～p3进行作业，对象物b04～b06由作业者p4～p6进行作业、对象物b07～b10由作业者p7～p9进行作业。作业矩阵的各要素所保存的作业量可以根据作业时间、作业次数、作业时间及作业次数两者等算出。各作业者针对各对象物进行多次作业的情况下，作业时间采用与这些作业相关的作业时间的合计。作业时间越长或者作业次数越多，则作业量越大。作业矩阵计算部103还可以根据作业的难易度、同时进行作业的人数、作业者的职位等进行加权，计算作业量。

实施单位集群部104通过对由作业矩阵计算部103算出的作业矩阵进行集群，生成包括表示对象物与实施单位的关系的第一行列、以及表示作业者与实施单位的关系的第二行列的至少两个行列。作业者通过集群被分组给多个实施单位。作为集群方法，例如可以利用被称为联合集群的方法。

图8表示相对于图7的作业矩阵进行联合集群的结果。在图8的例子中，集群数为3，随着采用非负3因子行列分解的联合集群进行集群。集群数与实施单位的数量对应。在该例子中，将作业者分组给三个实施单位u1、u2、u3。作业矩阵X通过联合集群被分解成三个矩阵F、S、G^T。G^T表示横列G的转置行列。矩阵F与针对对象物与实施单位的关系进行集群的结果、即对应所述第一行列。矩阵G^T与针对作业者与实施单位的关系进行集群的结果、即对应所述第二行列。

矩阵F表示针对九个对象物b01～b09、利用三个实施单位u1、u2、u3进行管理的程度。矩阵F中，从第一行到第九行分别与从第一作业者b1到第九作业者b9对应。这里，矩阵的第一、二、三行分别与实施单位u3、u2、u1对应。在第一行到第三行，只有第一列输入比0大的数值。这表示对象物b01～b03只被实施单位u3管理。同样地，对象物b04～b06只被实施单位u2管理，对象物b07～b09只被实施单位u1管理。

矩阵G^T表示针对十名作业者p1～p10、向三个实施单位u1、u2、u3的所属的程度。矩阵G^T中，从第一行到第三行分别与实施单位u1、u2、u3对应，从第一列到第十列分别与从第一作业者p1到第九作业者p10对应。在第一列到第三列中，只有第三行输入比0大的数值。这表示作业者p1～p3只属于实施单位u3。同样地，作业者p4～p6只属于实施单位u2，作业者p7～p10只属于实施单位u1。

在上述的例子中，对象物数量以及作业者数量都是较小的以小规模的数据为对象的单纯的分解，而在采用联合集群的情况下即使是大规模的数据也能分解。通过这些矩阵F以及G可以判断有无管理、所属，但并不知道正确的管理、所属的程度。对于程度的推定需要集群结果的后处理。

归一化部105将通过实施单位集群部104得到的、关于对象物和实施单位的关系的集群结果以及关于作业者和实施单位的关系的集群结果两个集群结果归一化，得到管理矩阵和所属矩阵两个矩阵。所属矩阵是表示作业者p1～p10所属于实施单位u1、u2、u3的比例的矩阵。图9示出所属矩阵的一例。所属矩阵被归一化成每个作业者的实施单位u1、u2、u3的数值之和为1.0的概率值。图9的例子中，各行的三个要素的合计为1.0。所述矩阵作为所属信息存储于所属信息存储部107。

管理矩阵是表示对象物b01～b09被实施单位u1～u3管理的比例的矩阵。图10示出管理矩阵的一例。管理矩阵针对各对象物被归一化成每个对象物的实施单位u1、u2、u3的数值之和为1.0的概率值。图10的例子中，例如对象物b05只被实施单位u2管理。管理矩阵作为管理信息存储于管理信息存储部108。

事件量计算部106采用事件DB154计算个各对象物的事件量。这里，作为事件量利用停工时间、事件应对时间、事件发生率等。事件应对时间是作业开始时间与作业终止时间之差。各对象物中事件发生多次的情况下，事件应对时间采用与用于应对这些事件的作业相关的作业时间的合计。在采用停工时间作为事件量的情况下，时间数据包括停工时间的区段。图11表示事件量计算部106的计算结果的一例。图11表示相对于九个对象物b01～b09的事件量。在本实施方式中，用向量表示各个对象物的事件量。图11的例子中，事件量向量W可以表示如下。

W＝(2.2，2.0，2.1，1.7，1.8，1.8，1.4，1.6，1.5)

在该例子中，事件量向量W的第i要素表示对象物b0i的事件量，这里，i为1以上9以下的整数。例如，作业量向量V的第1要素表示对象物b01的作业量。

状况分析部109使用每个对象物的作业量、每个对象物的事件量、所属信息、以及管理信息来分析事件状况以及作业状况。在本实施方式中，每个对象物的作业量、每个对象物的事件量、所属信息、以及管理信息与作业量向量、事件量向量、所属矩阵、以及管理矩阵对应。具体地说，状况分析部109具有：作业状况分析部110、事件状况分析部111、以及关系分析部112。

作业状况分析部110根据作业量向量、所属矩阵、以及管理矩阵进行与每个实施单位的作业状况相关的分析。作业状况的例子中包括每一个作业者的作业负荷、每一个对象物的作业量。

事件状况分析部111根据事件量向量以及管理矩阵进行与每个实施单位的事件状况相关的分析。事件状况的例子中包括事件发生量、事件发生率等。

关系分析部112根据由作业状况分析部110得到的分析结果以及由事件状况分析部111得到的分析结果，分析作业负荷与事件的关联、作业量与事件的关联等关系。

图12示出由作业状况分析部110以及事件状况分析部111得到的分析结果。图12中，X1表示每一个作业者的作业负荷，X2表示每一个对象物的作业量，Y表示事件发生率。图12的例子中，关于每一个作业者的作业负荷X1，在实施单位u1为158，在实施单位u2为207，在实施单位u3为305。此外，关于每一个对象物的作业量X2，在实施单位u1为210，在实施单位u2为207，在实施单位u3为305。此外，关于事件发生率Y，在实施单位u1为1.5，在实施单位u2为1.8，在实施单位u3为2.1。

在本实施方式中，X1、X2、Y的计算方法根据下面的数学式。

X1＝｛P^T×W｝_i／｛Q^T×1｝_i （1）

X2＝｛P^T×W｝_i／｛P^T×1｝_i （2）

Y＝｛P^T×V｝_i／｛P^T×1｝_i （3）

这里，W表示作业量向量，V表示事件量向量，P表示管理矩阵，Q表示所属矩阵。此外，A^T表示行列A的转置行列。数学式（1）中的“1”是具有与所属矩阵Q的转置行列的列数相同数量的要素的向量，是全部要素为1的向量。数学式（2）以及（3）中的“1”是具有与管理矩阵P的转置行列的列数相同数量的要素的向量，是全部要素为1的向量。｛B｝_i／｛C｝_i表示向量B的第i要素除以向量C的第i要素的计算。

在每一个作业者的作业负荷X1的计算中，首先计算两个向量。第一个是由管理矩阵P的转置行列与作业量向量W的行列积算出的向量，第二个是由所属矩阵Q的转置行列与向量1的行列积算出的向量。接着，通过前者的向量的各要素除以后者的向量的各要素从而得到X1。

在每一个对象物的作业量X2的计算中，首先计算两个向量。第一个是由管理矩阵P的转置行列与作业量向量W的行列积算出的向量，第二个是由管理矩阵P的转置行列与向量1的行列积算出的向量。接着，通过前者的向量的各要素除以后者的向量的各要素从而得到X2。

在事件发生率Y的计算中，首先计算两个向量。第一个是由管理矩阵P的转置行列与事件量向量V的行列积算出的向量，第二个是由管理矩阵P的转置行列与向量1的行列积算出的向量。接着，通过前者的向量的各要素除以后者的向量的各要素从而得到Y。

图13（a）及图13（b）表示采用图12所示的分析结果进行关系分析的例子。图13（a）表示对每一个作业者的作业负荷X1与事件发生率Y的关联进行分析的结果。图13（a）中，横轴为每一个作业者的作业负荷X1，纵轴为事件发生率Y。图13（b）表示对每一个对象物的作业量X2与事件发生率Y的关联进行分析的结果。图13（b）中，横轴为每一个对象物的作业量X2，纵轴为事件发生率Y。

从图13（a）可知这样一种相关关系：各作业者的作业负荷越大，事件发生率越高。从图13（b）可知：在实施单位u3中，各对象物的作业量相对较高且事件发生率也较高，所以作业量较多而人手不足。由此，分析者（例如电梯保养业务的管理者）为了消除该情况，可以考虑增加人手这一对策。此外，从图13（b）可知：比较实施单位u1和u2，则作业量程度相同，而实施单位u2的事件发生率较高。由此，分析者能够认识到具有使实施单位u2的事件发生率降低的可能性。

分析结果输出部113输出由状况分析部109得到的分析结果。分析结果例如以图表、表格等形式提示用户。提示方法例如可以通过利用显示装置（未图示）的图像输出、利用打印装置（未图示）的打印输出等任何方法实施。例如，输出如图13（a）所示的图表那样的每一个作业者的作业负荷与事件发生率的关系、如图13（b）所示的图表那样的每一个对象物的作业量与事件发生率的关系、这些分析所需的数据（例如，构成图12所示的表格的数据）。

输入部114接收来自分析者的分析条件的输入来作为分析查询。例如，分析者可以使用输入部114来指定分析所用的数据的时间范围、集群数等。

上述的具有要素101～114的服务分析装置100通过将多个作业者分组给多各实施单位，从而可以针对各实施单位评价服务品质。分组可通过相对于行列的集群来实施。这种情况下，能够高速地进行分析。此外，集群方法采用联合集群，由此可处理大规模的数据。

下面，对图1所示的服务分析装置100的动作进行说明。

图14表示服务分析装置100的分析处理顺序的一例。首先，用户使用输入部114将分析对象期间以及集群数等指定为分析查询。由此，开始分析处理。图14的步骤S1401中，服务分析装置100读入服务历史DB151、作业者DB152、服务对象DB153、事件DB154、以及分析用参数。

步骤S1402中，作业量计算部101采用服务历史DB151，针对各对象物计算作业量生成作业量向量。步骤S1403中，事件量计算部106采用事件DB154，针对各对象物计算事件量生成事件量向量。

步骤S1404中，作业矩阵计算部103采用服务历史DB151、作业者DB152、服务对象DB153，生成作业矩阵。步骤S1405中，实施单位集群部104相对于对象物以及实施单位进行集群。步骤S1406中，归一化部105相对于集群的结果得到的行列进行归一化处理，生成所属矩阵以及管理矩阵。

步骤S1407中，作业状况分析部110基于作业量向量、所属矩阵、以及管理矩阵进行与作业状况相关的分析，事件状况分析部111基于事件量向量以及管理矩阵进行与事件状况相关的分析。步骤S1408中，关系分析部112分析作业状况与事件状况的关系。步骤S1408中，分析结果输出部113输出关系分析部112的分析结果。

此外，图14所示的分析处理顺序是一个例子，处理步骤也可以按照与图14所示的分析处理顺序不同的顺序实行。例如，步骤S1402与步骤S1403的处理可以在步骤S1406处理后实施，或者，也可以与步骤S1404～1406所示的一系列处理并列实施。

下面，对图14的步骤S1405所示的集群处理进行详细说明。步骤S1404的处理是实施单位集群部104进行的处理的一部分。图15表示采用被称为非负3因子行列分解的联合集群方法时的处理顺序。此外，也可以利用k－means法等其他的集群算法。但是，通过采用联合集群方法，可以应对大规模的数据的处理。

图15的步骤S1501中，实施单位集群部104读入集群对象的行列X。这里，行列X为由作业矩阵计算部103生成的作业矩阵。步骤S1502中，实施单位集群部104利用随机值设定G_jk、F_ik、S_ik的初始值，而且，将零代入计数变量N。

步骤S1503～1505中，实施单位集群部104通过各个计算式算出成为非负3因子行列分解的结果的数值。具体地说，实施单位集群部104将通过下面的式（4）算出的数值代入G_jk（步骤S1503），实施单位集群部104将通过下面的式（5）算出的数值代入F_jk（步骤S1504），实施单位集群部104将通过下面的式（6）算出的数值代入S_jk（步骤S1505）。

步骤S1506中，实施单位集群部104根据下面的数学式（7）计算作业矩阵X与行列积FSG^T的差的平方、即距离dist。

步骤S1507中，增加计数变量N、即只使1增加。步骤S1508中，判断是否满足距离dist比规定值（例如10）小这一条件、和计数变量N比规定值（例如1200）大这一条件中的至少一方。在不满足两个条件时返回步骤S1503，否则进入步骤S1509。步骤S1510中，实施单位集群部104输出行列G、F、S的计算结果。

此外，图15的例子中，将与计数变量N相关的规定值设为1200，将与距离dist相关的规定值设为10，但这些规定值可以设为任意值。此外，本实施方式的数值例表示采用该参数进行行列分解的例子。

由图15所示的处理得到的矩阵F、G^T不是概率值。在本实施方式中，将这个矩阵F、G^T转换成概率值。如图16所示，矩阵X近似三因子F、S、G^T的积。矩阵X为作业矩阵的情况下，因子F与表示对象物和实施单位的关系的矩阵对应，因子G^T与表示作业者与实施单位的关系的矩阵对应。参照图16以及图17，对由矩阵F以及S算出管理矩阵P、由G^T算出所属矩阵Q的处理进行说明。

图17的步骤S1701中，实施单位集群部104读入作业矩阵X。步骤S1702中，实施单位集群部104相对于作业矩阵X进行联合集群，得到图16所示的三个引子F、S、G。在服务分析中，矩阵F为表示各对象物所述的空间区域的信息，矩阵S可视为表示实施单位对区域是否担当的信息。此外，矩阵G可视为表示有无对于实施单位的所属的信息。

图17的步骤S1703中，实施单位集群部104修正矩阵G的各列的范数，得到矩阵G′。接着，实施单位集群部104将矩阵G′的行归一化（步骤S1704），将由此得到的矩阵作为所属矩阵Q（步骤S1705）。图16所示的分解后的行列的归一化处理中，进行范数修正后以行的要素实施归一化。

步骤S1706中，实施单位集群部104用｛0，1｝将矩阵F的各要素二值化化得到矩阵F′。步骤S1707中，实施单位集群部104求得成为FS≒F′S′的矩阵S′。接着，实施单位集群部104将行列积F′S′归一化（步骤S1708），将由此得到的矩阵作为管理矩阵P（步骤S1709）。

这样一来，能够由作业矩阵生成所属矩阵以及管理矩阵。此外，图17所示的顺序是一个例子，处理步骤也可以按照与图17所示的顺序不同的顺序实行。例如，步骤S1703到步骤S1705所示的一系列处理可以在步骤S1706到步骤S1709所示的一系列处理后实施，或者，也可以与步骤S1706到步骤S1709所示的一系列处理并列实施。

在上述的例子中，对象物针对各实施单位被完全划分管理，作业者针对各实施单位被完全划分管理。即，各对象物由一个实施单位管理，各作业者属于一个实施单位。也可以各对象物由多个实施单位管理，各作业者属于多个实施单位。

图18表示作业矩阵的又一例、以及由该作业矩阵算出的管理矩阵和所属矩阵。图18的管理矩阵以及所属矩阵的集群数为3，是通过对图18的作业矩阵进行集群而得到的。参照图18的作业矩阵，则对象物b01～b03被作业者p1～p3实施作业，对象物b04～b06被作业者p4～p10实施作业，对象物b07～b09被作业者p7～p10实施作业。参照管理矩阵，则对象物b01～b03只被实施单位u3管理，对象物b04～b06被两个实施单位u2及u3管理，对象物b07～b09只被实施单位u2管理。例如，对象物以0.734对0.266的比例被实施单位u2及u3管理。此外，参照所属矩阵，则作业者p1～p3只属于实施单位u3，作业者p4～p10属于两个实施单位u1及u2。例如，作业者p4以0.999对0.001的比例属于实施单位u1及u2。

这样一来，在多个作业者对于多个对象物进行作业的服务中，即使在作业者跨组织（营业所）进行应援作业的情况下，能够从服务历史数据提取实施单位，得到用于分析对象物与实施单位的关系、作业者与实施单位的关系的信息。

综上所述，本实施方式的业务分析装置通过集群将多个作业者分组给多个实施单位，由此可针对各实施单位对服务品质进行评价。此外，通过采用行列计算，即使对于大规模数据也能高速地实施分析。在设备保养服务的例子中，从分析结果可以正确把握每个实施单位的故障发生率、作业负荷、作业技能等，能实现故障的减轻、作业负荷的平滑化、人才培养的效率化等。

此外，在上述的实施方式中，对假设电梯的保养服务的例子进行了说明，但是不限于此，服务分析装置也可以适用于由多个人对多个对象物进行作业的任何服务。这种服务例如为全天候服务这样的护理服务、医疗看护等。在护理服务的例子中，可以分析利用者与作业者的关系。在医疗看护的例子中，可以分析患者与看护师的关系。

此外，因为能够使用输入部114选择分析对象期间，所以通过适当设定分析对象期间，还可以分析时间序列。例如，按照年度算出实施单位的每一个人的作业负荷，按时间序列算出其偏差值，则能够确认是否发生工作量与作业者的不匹配等。

上述的实施方式中示出的处理顺序所示的指示可以基于软件即程序来实施。常用的计算机系统预先存储该程序，通过读入该程序也可以得到与上述实施方式的服务分析装置100产生的效果相同的效果。

图19示意性表示图1所示的服务分析装置100的硬件构成例。服务分析装置100包括CPU（Central Processing Unit）1901、RAM（Random Access Memory）1902、HDD（HardDisk Drive）1903、图形处理装置1904、输入接口1905、以及通信接口1906。

CPU1901根据存储于HDD1903或ROM（未图示）的程序进行动作。RAM1902根据需要存储CPU1901实施各种处理所需的数据。HDD1903存储CPU1901所实行的程序、CPU1901实施各种处理所需要的数据等。图形处理装置1904将与从CPU1901得到的图像数据对应的图像显示在显示器1908。输入接口1905连接有键盘1909和鼠标1910。输入接口1905将分析者（用户）进行的键盘1909和鼠标1910的操作所对应的信号提供给CPU1901。通信接口1906通过LAN1907访问数据库（例如，图1所示的DB151～154），从数据库得到的数据临时存储于RAM1902。

对本发明的几个实施方式进行了说明，但这些实施方式是作为例子而提出的，并不是想要限制本发明的范围。这些新的实施方式可以以其他的各种各样的形态实施，在不脱离发明的要旨的范围内可以进行各种省略、置换、变更。这些实施方式以及其变形包含于发明的范围及主旨中，并且包含于权利要求书所记载的发明以及其均等的范围中。

Claims (8)

1.一种服务分析装置，其对多个作业者针对多个对象物实施作业的服务的品质进行评价，

该服务分析装置的特征在于，具有：

作业量计算部，根据与实施完的作业相关的服务历史数据就所述多个对象物的每一个对象物计算作业量；

集群部，根据所述服务历史数据生成管理信息以及所属信息，该管理信息表示将所述多个作业者分组了的多个实施单位的每一个实施单位分别管理各个所述多个对象物的程度，该所属信息表示所述多个作业者的每一个作业者分别属于各个所述多个实施单位的程度；

事件量计算部，根据与用于应对所述多个对象物所发生的事件的作业即实施完的作业相关的事件数据就所述多个对象物的每一个对象物计算事件量；以及

状况分析部，根据所述多个对象物各自的作业量、所述所属信息、所述管理信息、以及所述多个对象物各自的事件量，对所述多个实施单位各自的作业状况以及所述多个实施单位各自的事件状况进行分析。

2.根据权利要求1所述的服务分析装置，其特征在于，

所述集群部具有：

作业矩阵计算部，根据服务历史数据库计算作业矩阵，该作业矩阵表示所述多个作业者的每一个作业者分别与各个所述多个对象物的关联的程度；

实施单位集群部，通过对所述作业矩阵进行集群而生成第一集群结果以及第二集群结果，该第一集群结果表示所述多个作业者与所述多个实施单位的关系，该第二集群结果表示所述多个对象物与所述多个实施单位的关系；以及

归一化部，针对所述第一集群结果进行归一化处理而生成所述所属信息，针对所述第二集群结果进行归一化处理而生成所述管理信息。

3.根据权利要求2所述的服务分析装置，其特征在于，

所述实施单位集群部通过联合集群处理将所述作业矩阵分解成三个行列，

所述归一化部由所述三个行列生成所述所属信息以及所述管理信息。

4.根据权利要求1～3中任一项所述的服务分析装置，其特征在于，

所述状况分析部具有：

作业状况分析部，根据所述多个对象物各自的作业量、所述所属信息、以及所述管理信息，对所述多个实施单位各自的作业状况进行分析；以及

事件状况分析部，根据所述管理信息以及所述多个对象物各自的事件量，对所述多个实施单位各自的事件状况进行分析。

5.根据权利要求1所述的服务分析装置，其特征在于，

所述集群部根据所述服务历史数据、与所述多个作业者相关的作业者数据、以及与所述多个对象物相关的对象物数据生成所述所属信息以及所述管理信息。

6.根据权利要求1所述的服务分析装置，其特征在于，

所述服务为设备的保养服务。

7.根据权利要求6所述的服务分析装置，其特征在于，

所述多个对象物为作为保养对象的多个所述设备。

8.一种服务分析方法，其对多个作业者针对多个对象物实施作业的服务的品质进行评价，

该服务分析方法的特征在于，具有以下工序：

根据与实施完的作业相关的服务历史数据就所述多个对象物的每一个对象物计算作业量的工序；

根据所述服务历史数据生成所属信息以及管理信息的工序，该所属信息表示所述多个作业者的每一个作业者分别属于将所述多个作业者分组了的多个实施单位的程度，该管理信息表示所述多个实施单位的每一个实施单位分别管理各个所述多个对象物的程度；

根据与用于应对所述多个对象物所发生的事件的作业即实施完的作业相关的事件数据就所述多个对象物的每一个对象物计算事件量的工序；以及

根据所述多个对象物各自的作业量、所述所属信息、所述管理信息、以及所述多个对象物各自的事件量，对所述多个实施单位各自的作业状况以及所述多个实施单位各自的事件状况进行分析的工序。