JP2017146417A

JP2017146417A - 対策別改善率推定装置、対策別改善率推定方法及び対策別改善率推定プログラム

Info

Publication number: JP2017146417A
Application number: JP2016027198A
Authority: JP
Inventors: 友也藤野; Tomoya Fujino; 謙一郎水谷; Kenichiro Mizutani
Original assignee: Mitsubishi Electric Corp; Mitsubishi Electric Building Techno Service Co Ltd
Current assignee: Mitsubishi Electric Corp; Mitsubishi Electric Building Solutions Corp
Priority date: 2016-02-16
Filing date: 2016-02-16
Publication date: 2017-08-24
Anticipated expiration: 2036-02-16
Also published as: JP6433444B2

Abstract

【課題】被対策対象に対策が実施される事例数が少ない場合でも、被対策対象が有している能力の改善率を高精度に推定することができるようにする。【解決手段】改善率集計部５により対策別に集計された能力改善率を用いて、各々の対策間の各期間における能力改善率の推移の類似度を評価して、能力改善率の推移が類似している対策を同一のグループに分類する対策分類部９と、１つ以上の対策を含んでいるグループ別に、当該グループに属する各対策の各期間における能力改善率から、当該グループの各期間における能力改善率の分布を推定する分布推定部１１とを設ける。【選択図】図１

Description

この発明は、被対策対象に何らかの対策が施されたときに、被対策対象が有している能力が改善される確率を推定する対策別改善率推定装置、対策別改善率推定方法及び対策別改善率推定プログラムに関するものである。

被対策対象に何らかの対策が施されたときに、被対策対象が有している能力が改善される確率を把握することは、様々な目的を達成する上で重要である。
例えば、ビルに設置されている昇降機などの機器の保守点検を業務とする企業等では、所属する保守作業員に対して、保守技術の向上や、安全意識の向上を図る研修が一般に行われる。それぞれの研修での教育効果を把握することは、教育計画の立案支援に繋がり、全体としての技術水準の向上をもたらすものとなる。
この場合、保守作業員が被対策対象、保守作業員が有している保守技術や安全意識が、被対策対象が有している能力、研修が対策に対応する。

以下の特許文献１には、アンケート実施部が、研修終了から一定の評価期間が経過した後、当該研修の受講者の上司に対して、当該受講者の評価に関するアンケートを実施し、研修効果測定部が、上司からのアンケートの回答に基づいて、各受講者の実際の業務における当該研修受講後の変化を集計することで、当該研修の効果を測定している教育支援装置が開示されている。

特開２０１４−２１８１３号公報（例えば、段落［０００８］、図１）

特許文献１に開示されている教育支援装置では、研修の効果を測定することができるが、研修の受講者の数が少ない場合、即ち、研修が実施された事例数が少ない場合、研修効果の測定精度が劣化してしまうという課題があった。

この発明は上記のような課題を解決するためになされたもので、被対策対象に対策が実施される事例数が少ない場合でも、被対策対象が有している能力の改善率を高精度に推定することができる対策別改善率推定装置、対策別改善率推定方法及び対策別改善率推定プログラムを得ることを目的とする。

この発明に係る対策別改善率推定装置は、被対策対象が有している能力を改善する対策別に、被対策対象に対策が実施される前の各期間及び対策が実施された後の各期間における能力の改善率を集計する改善率集計部と、改善率集計部により対策別に集計された能力改善率を用いて、各々の対策間の各期間における能力改善率の推移の類似度を評価して、能力改善率の推移が類似している対策を同一のグループに分類する対策分類部と、１つ以上の対策を含んでいるグループ別に、当該グループに属する各対策の各期間における能力改善率から、当該グループの各期間における能力改善率の分布を推定する分布推定部と、分布推定部によりグループ別に推定された各期間における能力改善率の分布を用いて、当該グループに属する各対策の各期間における能力改善率の分布を補正する分布補正部とを設け、改善率推定部が、分布補正部により補正された能力改善率の分布を用いて、各対策の各期間における能力改善率を推定するようにしたものである。

この発明によれば、改善率集計部により対策別に集計された能力改善率を用いて、各々の対策間の各期間における能力改善率の推移の類似度を評価して、能力改善率の推移が類似している対策を同一のグループに分類する対策分類部と、１つ以上の対策を含んでいるグループ別に、当該グループに属する各対策の各期間における能力改善率から、当該グループの各期間における能力改善率の分布を推定する分布推定部と、分布推定部によりグループ別に推定された各期間における能力改善率の分布を用いて、当該グループに属する各対策の各期間における能力改善率の分布を補正する分布補正部とを設けるように構成したので、被対策対象に対策が実施される事例数が少ない場合でも、被対策対象が有している能力の改善率を高精度に推定することができる効果を奏する。

この発明の実施の形態１による対策別改善率推定装置を示す構成図である。この発明の実施の形態１による対策別改善率推定装置のハードウェア構成図である。被対策対象ＤＢ２の記録項目を示す説明図である。対策履歴ＤＢ３の記録項目を示す説明図である。改善評価ＤＢ４の記録項目を示す説明図である。対策別時期別能力改善率ＤＢ６の記録項目を示す説明図である。少サンプル事例バッファ８の記録項目を示す説明図である。対策分類バッファ１０の記録項目を示す説明図である。分類別能力改善率分布バッファ１２の記録項目を示す説明図である。対策別改善率情報１５に含まれる情報の項目を示す説明図である。対策別改善率推定装置がコンピュータで構成される場合のハードウェア構成図である。この発明の実施の形態１による対策別改善率推定方法を示すフローチャートである。評価対象モデルの一例を示す説明図である。図１３の評価対象モデルに対応する被対策対象ＤＢ２の記録内容を示す説明図である。図１３の評価対象モデルに対応する対策履歴ＤＢ３の記録内容を示す説明図である。図１３の評価対象モデルに対応する改善評価ＤＢ４の記録内容を示す説明図である。改善率集計部５の処理内容を示すフローチャートである。図１３の評価対象モデルに対応する対策別時期別能力改善率ＤＢ６の記録内容を示す説明図である。少サンプル事例抽出部７の処理内容をフローチャートである。少サンプル事例バッファ８の記録内容を示す説明図である。対策分類部９の処理内容をフローチャートである。対策ａ，ｂにおける対策後期間と能力改善率及び信頼区間の関係を示す説明図である。２つの対策ａ，ｂの各対策後期間における信頼区間及び重複範囲幅を示す説明図である。対策分類バッファ１０の記録内容を示す説明図である。分布推定部１１の処理内容をフローチャートである。ブートストラップ法を用いる能力改善率の分布推定処理を示す説明図である。分類別能力改善率分布バッファ１２の記録内容を示す説明図である。分布補正部１３の処理内容をフローチャートである。Ｓ_ｉ＝２、Ｑ_ｉ＝１の場合でのｄ_ｉの値に応じた確率密度の分布を示す説明図である。Ｓ_ｉ＝３、Ｑ_ｉ＝１の場合でのｄ_ｉの値に応じた確率密度の分布を示す説明図である。改善率推定部１４の処理内容をフローチャートである。

以下、この発明をより詳細に説明するために、この発明を実施するための形態について、添付の図面にしたがって説明する。

実施の形態１．
この実施の形態１では、対策を施すことで能力を高める被対策対象として、例えば、機器の保守点検を業務とする企業等に所属する保守作業員や、事業を海外に展開している企業等に所属する営業部員などを想定する。
例えば、被対策対象が保守作業員である場合、被対策対象に施される対策としては、保守作業員が有している保守技術や安全意識などの能力を高める目的で開催される研修や、実際の現場や研修所での実習などを想定する。
また、被対策対象が営業部員である場合、被対策対象に施される対策としては、営業部員が有している外語学の会話能力や筆記能力などの能力を高める目的で開催される語学研修などを想定する。

ただし、対策が施されることで能力が高められるものであれば、被対策対象が保守作業員や営業部員に限るものではない。
また、被対策対象は人間に限るものではなく、人間以外の動物でもよいし、機械でもよい。
例えば、被対策対象となる機械としては、物体の重量や長さなどを測定する計量装置や、学習能力を有するロボットなどが考えられる。計量装置の場合、対策として校正を行えば、測定誤差が小さくなるため、計量装置の測定能力が高められる。また、ロボットの場合、対策として、或る事象に対する適正な関節の動きを教えれば、次回から、或る事象に対する動きが適正なものになるため、ロボットの動作能力が高められる。

図１はこの発明の実施の形態１による対策別改善率推定装置を示す構成図であり、図２はこの発明の実施の形態１による対策別改善率推定装置のハードウェア構成図である。
図１及び図２において、データベース１は例えばＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）やハードディスクなどの記憶装置２１で実現されるものであり、被対策対象データベース（以下、「被対策対象ＤＢ」と称する）２、対策履歴データベース（以下、「対策履歴ＤＢ」と称する）３及び改善評価データベース（以下、「改善評価ＤＢ」と称する）４を備えている。

被対策対象ＤＢ２は被対策対象を識別する対象ＩＤ（ｉｄｅｎｔｉｆｉｃａｔｉｏｎ）と基準日時を記録しているデータベースである。
図３は被対策対象ＤＢ２の記録項目を示す説明図である。
対象ＩＤは被対策対象を識別することができれば、どのようなＩＤでもよいが、例えば、被対策対象が５つ存在していれば、各々の被対策対象に対して、Ｔ００１，Ｔ００２，Ｔ００３，Ｔ００４，Ｔ００５などのＩＤが用いられる。基準日時の詳細については後述する。

対策履歴ＤＢ３は過去に対策が実施された事例を識別する対策事例ＩＤと、実施された対策を識別する対策ＩＤと、対策が実施された被対策対象を識別する対象ＩＤと、対策が実施された日時である対策実施日時とを記録しているデータベースである。
図４は対策履歴ＤＢ３の記録項目を示す説明図である。

改善評価ＤＢ４は実施された対策を識別する対策ＩＤと、外部装置により被対策対象の能力の改善度が評価された日時である評価日時と、被対策対象の能力改善度Ｌｖとを記録しているデータベースである。
能力改善度Ｌｖは、図１の対策別改善率推定装置により推定される能力改善率と同様に、被対策対象の能力が改善している割合を示すものであるが、外部装置により評価されたものであり、図１の対策別改善率推定装置により推定される能力改善率と区別するため、能力改善度という表現を用いている。
図５は改善評価ＤＢ４の記録項目を示す説明図である。

改善率集計部５は例えばＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）を実装している半導体集積回路あるいはワンチップマイコンなどから構成されている改善率集計回路２２で実現されるものである。改善率集計部５は、データベース１から、被対策対象が有している能力を改善する対策別に、被対策対象に対策が実施される前の各期間である対策前期間と、対策が実施された後の各期間である対策後期間との組み合わせ毎に、能力の改善率を集計する処理を実施する。
対策別時期別能力改善率データベース（以下、「対策別時期別能力改善率ＤＢ」と称する）６は例えば記憶装置２１で実現されるものであり、改善率集計部５により対策別に集計された能力改善率などを記録するデータベースである。
図６は対策別時期別能力改善率ＤＢ６の記録項目を示す説明図である。
図６の例では、対策ＩＤ、対策前期間及び対策後期間が同じ対策事例の数であるサンプル数も対策別時期別能力改善率ＤＢ６に記録されている。詳細は後述するが、改善率集計部５によって、そのサンプル数と、それらの対策事例の中で能力改善度Ｌｖが改善している事例の数との比率から能力改善率が算出されて、その能力改善率が対策別時期別能力改善率ＤＢ６に記録されている。

少サンプル事例抽出部７は例えばＣＰＵを実装している半導体集積回路あるいはワンチップマイコンなどから構成されている少サンプル事例抽出回路２３で実現されるものである。少サンプル事例抽出部７は事前に閾値が設定されており、対策別時期別能力改善率ＤＢ６の中から、サンプル数が閾値未満の事例、即ち、サンプル数が閾値未満の対策ＩＤ、対策前期間、対策後期間、能力改善率及びサンプル数の組を少サンプル事例として抽出する処理を実施する。
少サンプル事例バッファ８は例えば記憶装置２１で実現されるものであり、少サンプル事例抽出部７により抽出された少サンプル事例の対策ＩＤ、対策前期間、対策後期間、能力改善率及びサンプル数を記憶する。
図７は少サンプル事例バッファ８の記録項目を示す説明図である。
少サンプル事例バッファ８の記録項目は、対策別時期別能力改善率ＤＢ６の記録項目と同じである。

対策分類部９は例えばＣＰＵを実装している半導体集積回路あるいはワンチップマイコンなどから構成されている対策分類処理回路２４で実現されるものである。対策分類部９は少サンプル事例バッファ８に記録されている対策ＩＤ別の能力改善率を用いて、各々の対策間の各対策後期間における能力改善率の推移の類似度を評価して、その能力改善率の推移が類似している対策を同一のグループに分類する処理を実施する。
対策分類バッファ１０は例えば記憶装置２１で実現されるものであり、対策分類部９により分類されたグループを識別する分類ＩＤと、当該グループに分類された対策を識別する対策ＩＤと、その対策に対応している対策前期間とを記憶する。
図８は対策分類バッファ１０の記録項目を示す説明図である。

分布推定部１１は例えばＣＰＵを実装している半導体集積回路あるいはワンチップマイコンなどから構成されている分布推定処理回路２５で実現されるものである。分布推定部１１は１つ以上の対策を含んでいるグループ別に、当該グループに属する各対策の対策前期間毎に、各対策後期間の能力改善率から、当該グループの各対策後期間における能力改善率の分布を推定する処理を実施する。
分類別能力改善率分布バッファ１２は例えば記憶装置２１で実現されるものであり、対策分類部９により分類されたグループ別に、当該グループを識別する分類ＩＤを記憶するとともに、分布推定部１１により推定された能力改善率の分布を示すデータ項目として、能力改善率の分布に対応している対策前期間及び対策後期間と、能力改善率の区間である能力改善率の下限及び上限と、その区間に属する能力改善率である確率密度とを記憶する。
図９は分類別能力改善率分布バッファ１２の記録項目を示す説明図である。

分布補正部１３は例えばＣＰＵを実装している半導体集積回路あるいはワンチップマイコンなどから構成されている分布補正処理回路２６で実現されるものである。分布補正部１３は分類別能力改善率分布バッファ１２に記憶されているグループ別の各対策前期間及び対策後期間における能力改善率の分布を用いて、当該グループに属する各対策の各対策前期間及び対策後期間における能力改善率の分布を補正する処理を実施する。
改善率推定部１４は例えばＣＰＵを実装している半導体集積回路あるいはワンチップマイコンなどから構成されている改善率推定処理回路２７で実現されるものである。改善率推定部１４は分布補正部１３により補正された能力改善率の分布を用いて、各対策の各対策前期間及び対策後期間における能力改善率を推定する処理を実施する。
対策別改善率情報１５は改善率推定部１４により推定された対策別の対策前期間及び対策後期間における能力改善率を示す情報である。
図１０は対策別改善率情報１５に含まれる情報の項目を示す説明図である。

図１では、対策別改善率推定装置の構成要素であるデータベース１、改善率集計部５、対策別時期別能力改善率ＤＢ６、少サンプル事例抽出部７、少サンプル事例バッファ８、対策分類部９、対策分類バッファ１０、分布推定部１１、分類別能力改善率分布バッファ１２、分布補正部１３及び改善率推定部１４のそれぞれが専用のハードウェアで構成されているものを想定しているが、対策別改善率推定装置がコンピュータで構成されていてもよい。
図１１は対策別改善率推定装置がコンピュータで構成される場合のハードウェア構成図である。

対策別改善率推定装置がコンピュータで構成される場合、データベース１に対するインタフェース機器であるＤＢ入出力インタフェース３３と、対策別改善率情報１５を外部に出力するためのインタフェース機器である情報出力インタフェース３４とを備えるコンピュータのメモリ３１上に、対策別時期別能力改善率ＤＢ６、少サンプル事例バッファ８、対策分類バッファ１０及び分類別能力改善率分布バッファ１２を構成するとともに、改善率集計部５、少サンプル事例抽出部７、対策分類部９、分布推定部１１、分布補正部１３及び改善率推定部１４の処理手順、即ち、改善率集計処理手順、少サンプル事例抽出手順、対策分類処理手順、分布推定処理手順、分布補正処理手順及び改善率推定処理手順を記述している対策別改善率推定プログラムをメモリ３１に格納し、コンピュータのプロセッサ３２がメモリ３１に格納されている対策別改善率推定プログラムを実行するようにすればよい。
図１２はこの発明の実施の形態１による対策別改善率推定方法を示すフローチャートである。

次に動作について説明する。
図１３は評価対象モデルの一例を示す説明図である。
図１３の例では、対象ＩＤがＴ００１，Ｔ００２，Ｔ００３，Ｔ００４，Ｔ００５である５種類の被対策対象の各期間における能力改善度Ｌｖを示している。
即ち、図１３の評価対象モデルでは、５種類の被対策対象［Ｔ００１］〜［Ｔ００５］に対して、第１〜第６期間までの能力改善度Ｌｖの履歴が存在している。
能力改善度Ｌｖは、外部装置によって任意の日時に評価されるものであるが、ここでは、説明の簡単化のために、期間毎にまとめて表記している。
この実施の形態１では、能力改善度Ｌｖが１（＝ＬＶ．１）から２（＝ＬＶ．２）に向上している被対策対象［Ｔ００１］〜［Ｔ００５］に着目し、被対策対象［Ｔ００１］〜［Ｔ００５］の能力改善度Ｌｖを３に高める目的で、対策ＩＤ＝［Ｍ０１］の対策ａが施された場合の能力改善率の推定について説明する。

まず、能力改善度Ｌｖが１（＝ＬＶ．１）から２（＝ＬＶ．２）に向上している日時を基準日時とする。
例えば、被対策対象［Ｔ００１］の場合、第１期間から第２期間へ移行する時点で能力改善度Ｌｖが１（＝ＬＶ．１）から２（＝ＬＶ．２）に向上しているため、第２期間の開始日時を基準日時としている。
同様に、被対策対象［Ｔ００２］の場合、第２期間から第３期間へ移行する時点で能力改善度Ｌｖが１（＝ＬＶ．１）から２（＝ＬＶ．２）に向上しているため、第３期間の開始日時を基準日時としている。
被対策対象［Ｔ００３］〜［Ｔ００５］での基準日時も同様である。

図１４は図１３の評価対象モデルに対応する被対策対象ＤＢ２の記録内容を示す説明図である。
被対策対象ＤＢ２には、例えば、被対策対象［Ｔ００１］の基準日時として、第２期間の開始日時が記録され、被対策対象［Ｔ００２］の基準日時として、第３期間の開始日時が記録されている。

図１５は図１３の評価対象モデルに対応する対策履歴ＤＢ３の記録内容を示す説明図である。
図１３の評価対象モデルでは、被対策対象［Ｔ００１］〜［Ｔ００５］に対して、対策ＩＤ＝［Ｍ０１］の対策ａが実施されている。例えば、被対策対象［Ｔ００１］には第２期間で対策ａが実施され、被対策対象［Ｔ００２］には第４期間で対策ａが実施されている。
このため、対策履歴ＤＢ３には、対策ａを識別する対策ＩＤ＝［Ｍ０１］と、対策ａが実施された被対策対象を識別する対象ＩＤと、対策ａが実施された日時である期間とが、対策が実施された事例を識別する対策事例ＩＤと一緒に記録されている。

図１６は図１３の評価対象モデルに対応する改善評価ＤＢ４の記録内容を示す説明図である。
被対策対象［Ｔ００１］〜［Ｔ００５］における第１〜第６期間での能力改善度Ｌｖを記録している。
図１６では、図面の簡単化のため、被対策対象［Ｔ００１］における第１〜第６期間での能力改善度Ｌｖと、被対策対象［Ｔ００２］における第１〜第４期間での能力改善度Ｌｖを代表的に記述している。

改善率集計部５は、データベース１から、被対策対象が有している能力を改善する対策別に、被対策対象に対策が実施される前の各期間である対策前期間と、対策が実施された後の各期間である対策後期間との組み合わせ毎に、能力改善率を集計する（図１２のステップＳＴ１）。
以下、改善率集計部５の処理内容を具体的に説明する。
図１７は改善率集計部５の処理内容を示すフローチャートである。

改善率集計部５は、図１４の被対策対象ＤＢ２を参照して、被対策対象［Ｔ００１］〜［Ｔ００５］の基準日時を確認するとともに、図１５の対策履歴ＤＢ３を参照して、対策事例毎に、被対策対象［Ｔ００１］〜［Ｔ００５］に対する対策実施日時を確認する（図１７のステップＳＴ１１）。
改善率集計部５は、被対策対象［Ｔ００１］〜［Ｔ００５］の基準日時と対策実施日時を確認すると、基準日時から対策実施日時までの期間を対策前期間として、対策ＩＤと対策前期間が同じ対策事例の数をサンプル数として集計する（ステップＳＴ１２）。

図１３の評価対象モデルの場合、被対策対象［Ｔ００１］は、基準日時が第２期間の開始日時で、対策ＩＤ＝［Ｍ０１］の対策ａの実施日時が第２期間であるため、対策前期間が“１”である。
被対策対象［Ｔ００２］は、基準日時が第３期間の開始日時で、対策ＩＤ＝［Ｍ０１］の対策ａの実施日時が第４期間であるため、対策前期間が“２”である。
被対策対象［Ｔ００３］は、基準日時が第２期間の開始日時で、対策ＩＤ＝［Ｍ０１］の対策ａの実施日時が第４期間であるため、対策前期間が“３”である。
被対策対象［Ｔ００４］は、基準日時が第３期間の開始日時で、対策ＩＤ＝［Ｍ０１］の対策ａの実施日時が第３期間であるため、対策前期間が“１”である。
被対策対象［Ｔ００５］は、基準日時が第２期間の開始日時で、対策ＩＤ＝［Ｍ０１］の対策ａの実施日時が第４期間であるため、対策前期間が“３”である。
したがって、対策ＩＤが［Ｍ０１］で、かつ、対策前期間が“１”のサンプル数は２つ、対策ＩＤが［Ｍ０１］で、かつ、対策前期間が“２”のサンプル数は１つ、対策ＩＤが［Ｍ０１］で、かつ、対策前期間が“３”のサンプル数は２つである。

次に、改善率集計部５は、図１６の改善評価ＤＢ４を参照して、被対策対象別に、被対策対象［Ｔ００１］〜［Ｔ００５］の能力改善度Ｌｖが２から３に向上している評価日時を特定するとともに、図１５の対策履歴ＤＢ３を参照して、当該被対策対象の対策実施日時を特定し、その対策実施日時から評価日時までの期間を対策後期間として確認する（図１７のステップＳＴ１３）。
次に、改善率集計部５は、対策ＩＤと対策前期間が同じ対策事例のサンプル数に対して、能力改善度Ｌｖが２から３に向上している対策事例の数の割合を、能力改善率として算出する（図１７のステップＳＴ１４）。

図１３の評価対象モデルでは、例えば、対策前期間が“１”についての能力改善率を求める場合、対策前期間が“１”である対策事例が、被対策対象［Ｔ００１］と被対策対象［Ｔ００４］に対する対策事例であるため、被対策対象［Ｔ００１］と被対策対象［Ｔ００４］についての対策後期間に着目する。
この場合、対策事例の数であるサンプル数は“２”である。対策後期間が“１”の場合、被対策対象［Ｔ００１］と被対策対象［Ｔ００４］のいずれも能力改善度Ｌｖが２のままであるため、能力改善度Ｌｖが３に向上している対策事例の数が０である。したがって、この場合、サンプル数“２”に対して、能力改善度Ｌｖが向上している対策事例の数“０”の割合が０．００であるため、能力改善率は０．００となる。
対策後期間が“２”の場合も、能力改善度Ｌｖが３に向上している対策事例の数が０であるため、能力改善率は０．００となる。

対策後期間が“３”の場合、被対策対象［Ｔ００１］の能力改善度Ｌｖは２のままであるが、被対策対象［Ｔ００４］の能力改善度Ｌｖが３に向上しているので、能力改善度Ｌｖが３に向上している対策事例の数が１である。したがって、この場合、サンプル数“２”に対して、能力改善度Ｌｖが向上している対策事例の数“１”の割合が０．５０であるため、能力改善率は０．５０となる。
対策後期間が“４”の場合、被対策対象［Ｔ００４］については対策後期間“４”での能力改善度Ｌｖの評価が行われておらず、サンプル数は“１”である。また、被対策対象［Ｔ００１］の能力改善度Ｌｖは２のままであるため、サンプル数“１”に対して、能力改善度Ｌｖが向上している対策事例の数“０”の割合が０．００であるため、能力改善率は０．００となる。

対策前期間が“２”についての能力改善率を求める場合、対策前期間が“２”である対策事例が、被対策対象［Ｔ００２］に対する対策事例であるため、被対策対象［Ｔ００２］についての対策後期間に着目する。
この場合、対策事例の数であるサンプル数は“１”である。対策後期間が“１”の場合、被対策対象［Ｔ００２］の能力改善度Ｌｖが２のままであるため、能力改善度Ｌｖが３に向上している対策事例の数が０である。したがって、この場合、サンプル数“１”に対して、能力改善度Ｌｖが向上している対策事例の数“０”の割合が０．００であるため、能力改善率は０．００となる。
対策後期間が“２”の場合も、能力改善度Ｌｖが３に向上している対策事例の数が０であるため、能力改善率は０．００となる。

対策前期間が“３”についての能力改善率を求める場合、対策前期間が“３”である対策事例が、被対策対象［Ｔ００３］と被対策対象［Ｔ００５］に対する対策事例であるため、被対策対象［Ｔ００３］と被対策対象［Ｔ００５］についての対策後期間に着目する。
この場合、対策事例の数であるサンプル数は“２”である。対策後期間が“１”の場合、被対策対象［Ｔ００３］の能力改善度Ｌｖは２のままであるが、被対策対象［Ｔ００５］の能力改善度Ｌｖが３に向上しているので、能力改善度Ｌｖが３に向上している対策事例の数が１である。したがって、この場合、サンプル数“２”に対して、能力改善度Ｌｖが向上している対策事例の数“１”の割合が０．５０であるため、能力改善率は０．５０となる。
対策後期間が“２”の場合、被対策対象［Ｔ００５］の能力改善度Ｌｖが既に対策後期間“１”で３に向上しているため、被対策対象［Ｔ００５］は対象事例から除外され、サンプル数は“１”である。被対策対象［Ｔ００３］の能力改善度Ｌｖは３に向上しているので、能力改善度Ｌｖが３に向上している対策事例の数が１である。したがって、この場合、サンプル数“１”に対して、能力改善度Ｌｖが向上している対策事例の数“１”の割合が１．００であるため、能力改善率は１．００となる。

改善率集計部５は、対策ＩＤ及び対策前期間別に、各対策後期間についての能力改善率を算出すると、図１８に示すように、対策ＩＤ、対策前期間、対策後期間、能力改善率及びサンプル数を対策別時期別能力改善率ＤＢ６に記録する（図１７のステップＳＴ１５）。
即ち、改善率集計部５は、対策ＩＤ、対策前期間及び対策後期間が同じ対策事例の能力改善率とサンプル数を対策別時期別能力改善率ＤＢ６に記録している。
ここまでは、説明の簡単化のために、対策の種類が、対策ＩＤ＝［Ｍ０１］の対策ａだけである例を示しているが、実際には、数多くの対策が被対策対象に実施される。

図１９は少サンプル事例抽出部７の処理内容をフローチャートである。
少サンプル事例抽出部７には、事前に閾値が設定されている。この閾値は、サンプル数が少数であるか否かを判定するために用いられるものであり、閾値として例えば“１０”の値が設定される。
少サンプル事例抽出部７は、図１８の対策別時期別能力改善率ＤＢ６に記録されているサンプル数を確認し、図１８の対策別時期別能力改善率ＤＢ６の中から、サンプル数が閾値未満の事例、即ち、サンプル数が閾値未満の対策ＩＤ、対策前期間、対策後期間、能力改善率及びサンプル数の組を少サンプル事例として抽出する（図１２のステップＳＴ２、図１９のステップＳＴ２１）。
少サンプル事例抽出部７は、対策別時期別能力改善率ＤＢ６の中から少サンプル事例を抽出すると、図２０に示すように、その抽出した少サンプル事例を少サンプル事例バッファ８に記録する（図１２のステップＳＴ２、図１９のステップＳＴ２２）。
少サンプル事例バッファ８に記録する項目は、対策別時期別能力改善率ＤＢ６に記録されている項目と同じである。ただし、図２０では、対策前期間及び対策後期間の列で昇順ソートされた結果の冒頭部のみを例示している。

対策分類部９は、少サンプル事例バッファ８に記録されている対策ＩＤ別の能力改善率を用いて、各々の対策間の各対策後期間における能力改善率の推移の類似度を評価して、その能力改善率の推移が類似している対策を同一のグループに分類する（図１２のステップＳＴ３）。
以下、対策分類部９の処理内容を具体的に説明する。
図２１は対策分類部９の処理内容をフローチャートである。

対策分類部９は、少サンプル事例バッファ８に記録されている少サンプル事例の中から、任意の２つの少サンプル事例を選択する（図２１のステップＳＴ３１）。
対策分類部９は、２つの少サンプル事例を選択すると、母集団比率の区間推定などの指標を用いて、一方の少サンプル事例における対策及び対策前期間の組み合わせと、他方の少サンプル事例における対策及び対策前期間の組み合わせとの間の距離Ｄを算出する（図２１のステップＳＴ３２）。
即ち、対策分類部９は、例えば、以下の非特許文献１に開示されている「母集団比率の区間推定方式」を用いて、一方の少サンプル事例の能力改善率から、本来の能力改善率が想定される範囲を示す信頼区間を算出する。
［非特許文献１］武藤眞介著「統計解析ハンドブック」朝倉書店、P170〜171

非特許文献１に開示されている「母集団比率の区間推定方式」は、公知の技術であるため詳細な説明を省略するが、図２０の少サンプル事例バッファ８に記録されている少サンプル事例のうち、例えば、対策ＩＤ＝［Ｍ０１］の少サンプル事例が一方の少サンプル事例であり、対策ＩＤ＝［Ｍ０２］の少サンプル事例が他方の少サンプル事例であるとき、「母集団比率の区間推定方式」を用いれば、例えば、信頼係数が９５％の場合、一方の少サンプル事例については、当該少サンプル事例の能力改善率から、信頼区間として、０．０００〜０．７７６が得られる。また、他方の少サンプル事例については、当該少サンプル事例の能力改善率から、信頼区間として、０．００８〜０．９０６が得られる。
図２０に示している少サンプル事例バッファ８の例では、対策ＩＤ＝［Ｍ０１］の少サンプル事例と、対策ＩＤ＝［Ｍ０２］の少サンプル事例とは、対策後期間が“１”である少サンプル事例であるため、対策後期間“１”の信頼区間が算出されるが、対策後期間“１”以外の対策後期間の信頼区間を算出する場合、例えば、対策後期間“２”の信頼区間を算出する場合、少サンプル事例バッファ８に記録されている少サンプル事例の中から、対策後期間が“２”である対策ＩＤ＝［Ｍ０１］の少サンプル事例と、対策ＩＤ＝［Ｍ０２］の少サンプル事例とを選択すればよい。図２０では、対策後期間が“２”である少サンプル事例の記載は省略されている。

図２２は対策ａ，ｂにおける対策後期間と能力改善率及び信頼区間の関係を示す説明図である。
図２２では、２つの対策ａ，ｂについて例示しており、図中、○印は、少サンプル事例バッファ８に記録されている少サンプル事例の能力改善率であり、この能力改善率を標本比率としている。○印に付されている２つの矢印の範囲は信頼区間を表している。

対策分類部９は、各々の対策間の信頼区間を対策後期間毎に算出すると、各々の対策間の各対策後期間における信頼区間の重複範囲幅を求め、各々の対策間の信頼区間の重複範囲幅から、各々の対策間の距離Ｄを算出する。この距離Ｄは、各々の対策間の各対策後期間における能力改善率の推移の類似度を示す指標となり、値が小さい程、類似度が高いことを表すものである。
図２３は２つの対策ａ，ｂの各対策後期間における信頼区間及び重複範囲幅を示す説明図である。
各対策後期間において、左側の矢印が対策ａの信頼区間、右側の矢印が対策ｂの信頼区間、矢印に掛けられているグレーの部分が重複範囲幅を示している。

例えば、２つの対策ａ，ｂ間の距離Ｄについては、下記の式（１）に示すように、対策ａのｉ番目の対策後期間における信頼区間ａ_ｉ、対策ｂのｉ番目の対策後期間における信頼区間ｂ_ｉ、対策ａと対策ｂのｉ番目の対策後期間における重複範囲幅Ｌ_ｉから算出することができる。

式（１）において、Π_ｉ（Ｘ_ｉ）はｉ＝１，２，・・・に対するＸ_ｉを全て掛け合わせる数学記号である。
対策分類部９による距離Ｄの算出処理は、少サンプル事例バッファ８に記録されている少サンプル事例の中から、２つの少サンプル事例の全ての組み合わせを選択して、全ての組み合わせについての距離Ｄの算出が終了するまで繰り返し実施される。

対策分類部９は、各々の対策間の距離Ｄを算出すると、その距離Ｄが近い対策同士を同じグループに分類することで、能力改善率の推移が類似している対策を同一のグループに分類する（図２１のステップＳＴ３３）。
距離Ｄに基づいて複数の対策を分類する技術自体は公知の技術であるため詳細な説明を省略するが、距離Ｄに基づいて複数の対策を分類する手法として、例えば、以下の非特許文献２に開示されている「クラスタリング分析法」を用いることができる。
［非特許文献２］中村永友著「多次元データ解析法」共立出版、P192〜238

対策分類部９は、能力改善率の推移が類似している対策を同一のグループに分類すると、図２４に示すように、グループを識別する分類ＩＤと、当該グループに分類された対策を識別する対策ＩＤと、その対策に対応している対策前期間とを対策分類バッファ１０に記録する（図２１のステップＳＴ３４）。
図２４では、例えば、分類ＩＤが［Ｇ００１］のグループには、対策前期間が“１”で、対策ＩＤが［Ｍ０１］の対策と、対策前期間が“２”で、対策ＩＤが［Ｍ０１］の対策と、対策前期間が“１”で、対策ＩＤが［Ｍ０２］の対策と、対策前期間が“２”で、対策ＩＤが［Ｍ０２］の対策と、対策前期間が“１”で、対策ＩＤが［Ｍ０６］の対策とが分類されている。

分布推定部１１は、１つ以上の対策を含んでいるグループ別に、当該グループに属する各対策の対策前期間毎に、各対策後期間の能力改善率から、当該グループの各対策後期間における能力改善率の分布を推定する（図１２のステップＳＴ４）。
以下、分布推定部１１の処理内容を具体的に説明する。
図２５は分布推定部１１の処理内容をフローチャートである。

分布推定部１１は、図２４の対策分類バッファ１０を参照して、同一のグループに属する複数の対策と対策前期間の組み合わせを抽出する（図２５のステップＳＴ４１）。
分布推定部１１は、同一のグループに属する複数の対策と対策前期間の組み合わせを抽出すると、サンプル数が少ない場合でも、高精度に能力改善率の分布を推定することが可能なブートストラップ法を使用して、グループ別に、各対策前期間及び対策後期間における能力改善率の分布を推定する。
ブートストラップ法は、例えば、以下の非特許文献３に開示されており、複数のサンプルの中から、同じサンプルを重複して抽出することを許す条件の下で、複数のサンプルをランダムに抽出する操作を数百〜数千回の規模で反復して実施することで、その抽出操作毎に得られるサンプルを分析する手法である。ブートストラップ法は、サンプル数が少ない場合でも高精度で分析可能な方法として知られているが、サンプル数が極端に少ない場合には、その有効性が乏しいと考えられる。
この実施の形態１では、対策分類部９によって、能力改善率の推移が類似している対策が同一のグループに分類されることで、各グループには、異なる対策も含まれるようになっているため、評価対象となるサンプルの数が増加しており、サンプル数が極端に少ないという状況の可能性が低下している。
［非特許文献３］小西貞則・越智義道・大森裕浩著「計算統計学の方法 ―ブートストラップ，ＥＭアルゴリズム，ＭＣＭＣ―」朝倉書店、2008年3月25日発行、ｐ．1〜68

以下、ブートストラップ法を用いる能力改善率の分布推定処理を具体的に説明する。
図２６はブートストラップ法を用いる能力改善率の分布推定処理を示す説明図である。
分布推定部１１は、同一のグループに属する複数の対策と対策前期間の組み合わせを抽出すると、図２０の少サンプル事例バッファ８を参照して、その抽出した対策と対策前期間の組み合わせに対応する能力改善率とサンプル数を取得する。
例えば、対策ＩＤ＝［Ｍ０１］の対策と対策前期間“１”の組み合わせであれば、能力改善率として“０．００”、サンプル数として“２”を取得する。
また、対策ＩＤ＝［Ｍ０２］の対策と対策前期間“１”の組み合わせであれば、能力改善率として“０．３３”、サンプル数として“３”を取得する。

分布推定部１１は、同一のグループに属する全ての組み合わせに対応する能力改善率とサンプル数を取得すると、図２６の左側の表に示すように、取得した組み合わせ毎に、当該組み合わせに対応する能力改善率とサンプル数を示すテーブルを生成する。
図２６の左側の表は、１０個の組み合わせが同一のグループに属している例を示しており、ＩＤＸは、１０個の組み合わせを識別するインデックスである。各々の組み合わせには１〜１０のＩＤＸが割り当てられている。
図２６の左側の表において、改善数は、サンプル数と改善率の乗算結果を小数点第１位で四捨五入した値である。

分布推定部１１は、同一のグループに属する全ての組み合わせの中から、同じ組み合わせを重複して抽出することを許す条件の下で、同一のグループに属する組み合わせの数と同数の組み合わせをランダムに抽出する（図２５のステップＳＴ４２）。
反復回数として、例えば、２０００回が事前に指定されている場合、１０個の組み合わせをランダムに抽出する処理を２０００回繰り返し実施する。図２６において、例えば、第１回と記述されている部分は、第１回目の抽出処理を示しており、ＩＤＸが１，２，２，３，４，４，５，５，６，７の組み合わせを抽出している。
また、第２０００回と記述されている部分は、第２０００回目の抽出処理を示しており、ＩＤＸが１，２，３，４，４，６，７，８，１０，１０の組み合わせを抽出している。

分布推定部１１は、１０個の組み合わせをランダムに抽出すると、１０個の組み合わせにおけるサンプル数の総和を算出するとともに、１０個の組み合わせにおける改善数の総和を算出する。
例えば、第１回目の抽出処理では、サンプル数の総和が６９（＝７＋６＋６＋７＋９＋９＋７＋７＋４＋７）、改善数の総和が２４（＝２＋３＋３＋３＋０＋０＋４＋４＋３＋２）である。
分布推定部１１は、１０個の組み合わせにおけるサンプル数の総和と、改善数の総和とを算出すると、その改善数の総和をサンプル数の総和で除算することで、１０個の組み合わせにおける能力改善率を算出する（図２５のステップＳＴ４３）。以下、この能力改善率をブートストラップ標本改善率と称する。
例えば、第１回目の抽出処理では、サンプル数の総和が６９で、改善数の総和が２４であるため、ブートストラップ標本改善率は０．３５（＝２４／６９）となる。
第２回目の抽出処理では、サンプル数の総和が６７で、改善数の総和が２７であるため、ブートストラップ標本改善率は０．４０（＝２７／６７）となる。

分布推定部１１は、例えば２０００回処理を反復することで、２０００個のブートストラップ標本改善率を算出すると、能力改善率を一定区間毎に分割して、２０００個のブートストラップ標本改善率を各区間に振り分ける処理を実施する。
例えば、各区間の幅Δを０．１として、０．０〜１．０の範囲がある能力改善率を分割する場合、その能力改善率の各区間は、０．１〜０．２、０．２〜０．３、０．３〜０．４、・・・、０．９〜１．０のようになる。
図２６の例では、第１回目の抽出処理におけるブートストラップ標本改善率は０．３５であるため、０．３〜０．４の区間に振り分けられる。
第２回目の抽出処理におけるブートストラップ標本改善率は０．４０であるため、０．３〜０．４の区間に振り分けられる。ここでは、区間の境界にある０．４０を下側の区間である０．３〜０．４の区間に振り分けているが、上側の区間である０．４〜０．５の区間に振り分けるようにしてもよい。

分布推定部１１は、２０００個のブートストラップ標本改善率を各区間に振り分けると、各区間に属するブートストラップ標本改善率の件数を計数する（図２５のステップＳＴ４４）。
各区間に属するブートストラップ標本改善率の件数は、ブートストラップ法における能力改善率の分布に相当する。
ここでは、説明の簡単化のために、各区間の幅Δが０．１である例を示しているが、実際の計算では、Δ＝０．００１などの小さい値が用いられることが想定される。
分布推定部１１は、各区間に属するブートストラップ標本改善率の件数を計数すると、その件数を抽出処理の反復回数で除算することで、各区間の確率密度を算出する（図２５のステップＳＴ４５）。
例えば、０．３〜０．４の区間に振り分けられているブートストラップ標本改善率の件数が４００個で、反復回数が２０００である場合には、０．３〜０．４の区間の確率密度は、０．２（＝４００／２０００）となる。

分布推定部１１は、各区間の確率密度を算出すると、図２７に示すように、対策分類部９により分類されたグループ、対策前期間及び対策後期間別に、各区間の確率密度を示す情報を分類別能力改善率分布バッファ１２に記録する（図２５のステップＳＴ４６）。
例えば、分類ＩＤが［Ｇ００１］、対策前期間が“１”、対策後期間が“１”についての各区間の確率密度が算出されている場合、分類別能力改善率分布バッファ１２には、分類ＩＤが［Ｇ００１］、対策前期間が“１”、対策後期間が“１”、ブートストラップ標本改善率の各区間の範囲を示す能力改善率下限及び能力改善率上限に対応する確率密度が記録される。例えば、０．３〜０．４の区間の確率密度が“０．２”であれば、能力改善率の下限が“０．３”、能力改善率の上限が“０．４”に対応する確率密度として“０．２”が記録される。
図２７の右側に示しているグラフは、分類ＩＤが［Ｇ００１］、対策前期間が“１”、対策後期間が“１”における能力改善率の分布を示している。
図２７の例では、能力改善率が０．００〜０．７０の間に分布しており、能力改善率が中間の０．５０よりも、やや０．００寄りの分布であることを示している。

分布補正部１３は、分類別能力改善率分布バッファ１２に記憶されているグループ別の各対策前期間及び対策後期間における能力改善率の分布を用いて、当該グループに属する各対策の各対策前期間及び対策後期間における能力改善率の分布を補正する（図１２のステップＳＴ５）。
以下、分布補正部１３の処理内容を具体的に説明する。
図２８は分布補正部１３の処理内容をフローチャートである。

分布補正部１３は、図２０の少サンプル事例バッファ８に存在している対策事例、即ち、対策ＩＤ、対策前期間、対策後期間、能力改善率及びサンプル数の組を順番に選択し（図２８のステップＳＴ５１）、その選択した対策事例における対策ＩＤ及び対策前期間に対する対策後期間毎のサンプル数及び能力改善率から、本来の能力改善率が示す確率密度の分布を求める（図２８のステップＳＴ５２）。
具体的には、以下のようにして、本来の能力改善率が示す確率密度の分布を求める。

分布補正部１３は、選択したｉ番目の対策事例における能力改善率が、ｍΔ〜（ｍ＋１）Δの区間に存在する確率をＦ_ｉ（ｍ）とする。
Δは能力改善率を一定区間毎に分割する際の各区間の幅であって、１より小さい値である。ｍは０≦ｍ＜（１／Δ）を満足する整数である。
ここで、ｉ番目の対策事例におけるＳ_ｉ個のサンプルのうち、能力が改善されたサンプルの数である改善数がＱ_ｉであるとして、能力改善率がＱ_ｉ／Ｓ_ｉで与えられている場合、本来の能力改善率が示す確率密度の分布は、第１パラメータをＱ_ｉ＋１、第２パラメータをＳ_ｉ−Ｑ_ｉ＋１とする場合のベータ分布に従うものとする。

この実施の形態１では、ベータ分布の確率密度関数の定義式が、例えば、以下の非特許文献４に開示されているように、下記の式（２）で定義されているものとする。

［非特許文献４］箕谷千凰彦著「統計分布ハンドブック」朝倉書店、P625〜642
ｐを第１パラメータ、ｑを第２パラメータとする式（２）に示すベータ分布の確率密度関数Ｂｅ（ｘ；ｐ，ｑ）を用いると、ｍΔ〜（ｍ＋１）Δの区間に存在する確率Ｆ_ｉ（ｍ）は、下記の式（３）のように定義される。

次に、分布補正部１３は、図２７の分類別能力改善率分布バッファ１２から、ｉ番目の対策事例における対策ＩＤ及び対策前期間が属するグループの分類ＩＤに対応する能力改善率の分布を取得し、その能力改善率の分布において、能力改善率が、ｍΔ〜（ｍ＋１）Δの区間に存在する確率をＧ（ｍ）とする。ｍは０≦ｍ＜（１／Δ）を満足する整数である。
確率Ｇ（ｍ）は、図２７の分類別能力改善率分布バッファ１２に記録されている確率密度と同じ値である。

次に、分布補正部１３は、確率Ｇ（ｍ）と確率Ｆ_ｉ（ｍ）を用いて、下記の式（４）に示すように、ｉ番目の対策事例における対策ＩＤ及び対策前期間の組み合わせに対応する能力改善率の分布を補正する（図２８のステップＳＴ５３）。Ｈ_ｉ（ｍ）は補正後の能力改善率の分布を示している。
この補正は、グループにおける能力改善率がｍΔ〜（ｍ＋１）Δの区間に存在し、かつ、ｉ番目の対策事例における対策ＩＤ及び対策前期間の組み合わせがｍΔ〜（ｍ＋１）Δの区間に存在することが同時に発生する確率Ｇ（ｍ）・Ｆ_ｉ（ｍ）に基づくものである。

能力改善率の分布補正処理は、少サンプル事例バッファ８に存在している全ての対策事例を選択して、その選択した対策事例についての能力改善率の分布の補正が終了するまで繰り返し実施される。

ここでは、式（４）によって、ｉ番目の対策事例における対策ＩＤ及び対策前期間の組み合わせに対応する能力改善率の分布を補正するものを示したが、補正方式は式（４）に限るものではなく、下記の式（５）によって補正するようにしてもよい。

式（５）による補正は、個々の補正後の能力改善率の分布Ｈ_ｉ（ｍ）の全てのｉに対する和をｉで割ったものと、Ｇ（ｍ）との誤差Ｅｒｒが最小となるように、個々のＨ_ｉ（ｍ）を求めるものである。
即ち、式（５）による補正は、グループに属する各対策の各期間における能力改善率の分布の和が、分布推定部１１により推定された当該グループの各期間における能力改善率の分布となるように、当該グループに属する各対策の各期間における能力改善率の分布を補正するものである。

式（５）によって、ｉ番目の対策事例における対策ＩＤ及び対策前期間の組み合わせに対応する能力改善率の分布を補正する場合、観測される改善数Ｑ_ｉの値は、−０．５≦ｄ_ｉ≦０．５を満たすｄ_ｉを用いて、Ｑ_ｉ＋ｄ_ｉなる値から整数に丸められた値であるものとする。そして、Ｈ_ｉ（ｍ）は、式（３）に示す確率Ｆ_ｉ（ｍ）におけるＱ_ｉの値をＱ_ｉ＋ｄ_ｉに置き換えた場合のベータ分布に従うものとして、下記の式（６）のように、確率Ｆ_ｉ（ｍ）を定義する。

図２９及び図３０はｄ_ｉの値に応じた確率密度の分布を示す説明図である。
図２９は、Ｓ_ｉ＝２、Ｑ_ｉ＝１の場合の確率密度の分布を示し、図３０は、Ｓ_ｉ＝３、Ｑ_ｉ＝１の場合の確率密度の分布を示している。
式（５）の誤差Ｅｒｒが最小になるｄ_ｉの値を求めることで、所望のＨ_ｉ（ｍ）を得ることができる。
誤差Ｅｒｒが最小になるｄ_ｉの値を導出する方式として、ｄ_ｉの取り得る値を例えば０．０１などの一定幅で変えながら、式（５）の誤差Ｅｒｒを総当たりで求めて、誤差Ｅｒｒが最小となるｄ_ｉの近似値を求める方式のほか、ｄ_ｉの変化に対する誤差Ｅｒｒの変化率の傾きから、誤差Ｅｒｒの最小値を探索する共役方向法などを用いることができる。共役方向法は、例えば、以下の非特許文献５に開示されている。
［非特許文献５］伊理正夫ら監訳「最適化ハンドブック」朝倉書店、P52〜55

改善率推定部１４は、分布補正部１３により補正された能力改善率の分布を用いて、各対策の各対策前期間及び対策後期間における能力改善率を推定する（図１２のステップＳＴ６）。
以下、改善率推定部１４の処理内容を具体的に説明する。
図３１は改善率推定部１４の処理内容をフローチャートである。

改善率推定部１４は、図１８の対策別時期別能力改善率ＤＢ６に存在している対策事例、即ち、対策ＩＤ、対策前期間、対策後期間、能力改善率及びサンプル数の組を順番に選択し（図３１のステップＳＴ６１）、その選択した対策事例における対策ＩＤ及び対策前期間と同じ対策ＩＤ及び対策前期間が、図２０の少サンプル事例バッファ８に存在しているか否かを判定する（図３１のステップＳＴ６２）。
改善率推定部１４は、同じ対策ＩＤ及び対策前期間が少サンプル事例バッファ８に存在していれば（ステップＳＴ６２：Ｙｅｓの場合）、下記の式（７）に示すように、分布補正部１３から出力された補正後の能力改善率の分布Ｈ_ｉ（ｍ）を用いて、改善率期待値Ｒ_ｉを算出する（ステップＳＴ６３）。

改善率推定部１４は、改善率期待値Ｒ_ｉを算出すると、その改善率期待値Ｒ_ｉと、その選択した対策事例における対策ＩＤ、対策前期間及び対策後期間とを含む対策別改善率情報１５を出力する（ステップＳＴ６４）。
改善率推定部１４は、同じ対策ＩＤ及び対策前期間が少サンプル事例バッファ８に存在していない場合（ステップＳＴ６２：Ｎｏの場合）、その選択した対策事例におけるサンプル数の項目を除去した項目である対策ＩＤ、対策前期間、対策後期間及び能力改善率を含む対策別改善率情報１５を出力する（ステップＳＴ６５）。
改善率推定部１４による対策別改善率情報１５の出力処理は、対策別時期別能力改善率ＤＢ６に存在している全ての対策事例を選択して、その選択した対策事例についての対策別改善率情報１５を出力するまで繰り返し実施される。

以上で明らかなように、この実施の形態１によれば、改善率集計部５により対策別に集計された能力改善率を用いて、各々の対策間の各期間における能力改善率の推移の類似度を評価して、能力改善率の推移が類似している対策を同一のグループに分類する対策分類部９と、１つ以上の対策を含んでいるグループ別に、当該グループに属する各対策の各期間における能力改善率から、当該グループの各期間における能力改善率の分布を推定する分布推定部１１と、分布推定部１１によりグループ別に推定された各期間における能力改善率の分布を用いて、当該グループに属する各対策の各期間における能力改善率の分布を補正する分布補正部１３とを設けるように構成したので、被対策対象に対策が実施される対策事例の数が少ない場合でも、被対策対象が有している能力の改善率を高精度に推定することができる効果を奏する。

なお、本願発明はその発明の範囲内において、実施の形態の任意の構成要素の変形、もしくは実施の形態の任意の構成要素の省略が可能である。

１データベース、２被対策対象ＤＢ、３対策履歴ＤＢ、４改善評価ＤＢ、５改善率集計部、６対策別時期別能力改善率ＤＢ、７少サンプル事例抽出部、８少サンプル事例バッファ、９対策分類部、１０対策分類バッファ、１１分布推定部、１２分類別能力改善率分布バッファ、１３分布補正部、１４改善率推定部、１５対策別改善率情報、２１記憶装置、２２改善率集計回路、２３少サンプル事例抽出回路、２４対策分類処理回路、２５分布推定処理回路、２６分布補正処理回路、２７改善率推定処理回路、３１メモリ、３２プロセッサ、３３ＤＢ入出力インタフェース、３４情報出力インタフェース。

Claims

被対策対象が有している能力を改善する対策別に、被対策対象に対策が実施される前の各期間及び対策が実施された後の各期間における前記能力の改善率を集計する改善率集計部と、
前記改善率集計部により対策別に集計された能力改善率を用いて、各々の対策間の各期間における能力改善率の推移の類似度を評価して、前記能力改善率の推移が類似している対策を同一のグループに分類する対策分類部と、
１つ以上の対策を含んでいるグループ別に、当該グループに属する各対策の各期間における能力改善率から、当該グループの各期間における能力改善率の分布を推定する分布推定部と、
前記分布推定部によりグループ別に推定された各期間における能力改善率の分布を用いて、当該グループに属する各対策の各期間における能力改善率の分布を補正する分布補正部と、
前記分布補正部により補正された能力改善率の分布を用いて、各対策の各期間における能力改善率を推定する改善率推定部と
を備えた対策別改善率推定装置。
前記対策分類部は、前記改善率集計部により対策別に集計された各期間における能力改善率から、本来の能力改善率の範囲を示す信頼区間を期間毎に算出し、各々の対策間の各期間における信頼区間の重複範囲幅から、各々の対策間の各期間における能力改善率の推移の類似度を評価することを特徴とする請求項１記載の対策別改善率推定装置。
前記分布推定部は、被対策対象に対策が実施された後の期間毎に、当該グループに属している複数の対策の中から、同じ対策を重複して抽出することを許す条件の下で、複数の対策をランダムに抽出し、ランダムに抽出した複数の対策の能力改善率から、当該グループにおける標本の改善率を算出する処理を繰り返し実施し、繰り返しの処理でそれぞれ算出した標本の改善率から、当該グループの当該期間における能力改善率の分布を推定することを特徴とする請求項１記載の対策別改善率推定装置。
前記分布補正部は、当該グループに属する各対策の各期間における能力改善率の分布の和が、前記分布推定部により推定された当該グループの各期間における能力改善率の分布となるように、当該グループに属する各対策の各期間における能力改善率の分布を補正することを特徴とする請求項１記載の対策別改善率推定装置。
改善率集計部が、被対策対象が有している能力を改善する対策別に、被対策対象に対策が実施される前の各期間及び対策が実施された後の各期間における前記能力の改善率を集計し、
対策分類部が、前記改善率集計部により対策別に集計された能力改善率を用いて、各々の対策間の各期間における能力改善率の推移の類似度を評価して、前記能力改善率の推移が類似している対策を同一のグループに分類し、
分布推定部が、１つ以上の対策を含んでいるグループ別に、当該グループに属する各対策の各期間における能力改善率から、当該グループの各期間における能力改善率の分布を推定し、
分布補正部が、前記分布推定部によりグループ別に推定された各期間における能力改善率の分布を用いて、当該グループに属する各対策の各期間における能力改善率の分布を補正し、
改善率推定部が、前記分布補正部により補正された能力改善率の分布を用いて、各対策の各期間における能力改善率を推定する
対策別改善率推定方法。
被対策対象が有している能力を改善する対策別に、被対策対象に対策が実施される前の各期間及び対策が実施された後の各期間における前記能力の改善率を集計する改善率集計処理手順と、
前記改善率集計処理手順により対策別に集計された能力改善率を用いて、各々の対策間の各期間における能力改善率の推移の類似度を評価して、前記能力改善率の推移が類似している対策を同一のグループに分類する対策分類処理手順と、
１つ以上の対策を含んでいるグループ別に、当該グループに属する各対策の各期間における能力改善率から、当該グループの各期間における能力改善率の分布を推定する分布推定処理手順と、
前記分布推定処理手順によりグループ別に推定された各期間における能力改善率の分布を用いて、当該グループに属する各対策の各期間における能力改善率の分布を補正する分布補正処理手順と、
前記分布補正処理手順により補正された能力改善率の分布を用いて、各対策の各期間における能力改善率を推定する改善率推定処理手順と
をコンピュータに実行させるための対策別改善率推定プログラム。