JP2019101681A - 見積り取得装置、見積り取得方法およびプログラム - Google Patents
見積り取得装置、見積り取得方法およびプログラム Download PDFInfo
- Publication number
- JP2019101681A JP2019101681A JP2017231031A JP2017231031A JP2019101681A JP 2019101681 A JP2019101681 A JP 2019101681A JP 2017231031 A JP2017231031 A JP 2017231031A JP 2017231031 A JP2017231031 A JP 2017231031A JP 2019101681 A JP2019101681 A JP 2019101681A
- Authority
- JP
- Japan
- Prior art keywords
- model
- estimate
- estimation
- unit
- cluster
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
また、過去の事例から類似案件を抽出する方法では、過去の事例が増えるほど見積精度が高まると期待される一方、過去の事例が増えるほど類似事例抽出のための検索時間が長くなる。
CADデータを必要とせず、かつ、見積り対象の仕様の入手後に過去の事例を検索する必要無しに見積りを行うことができれば、比較的早い段階で、かつ、比較的迅速に精度よく見積りを行えると期待される。
図1は、本開示の幾つかの実施形態に係る見積り取得装置の機能構成を示す概略ブロック図である。図1に示すように、見積り取得装置100は、入力部110と、出力部120と、記憶部180と、制御部190とを備える。制御部190は、クラスタリング部191と、モデル構築部192と、モデル特定部193と、見積り取得部194とを備える。
また、見積り取得装置100が見積りを行う対象は、部材の数量と相関性のある値であればよい。例えば、部材がケーブルであり、見積り取得装置100がプロジェクトに必要なケーブル長を見積もるなど、部材の数量そのものを見積もるようにしてもよい。あるいは、見積り取得装置100が、部材の金額(材料費)を見積もるようにしてもよい。あるいは、見積り取得装置100が、部材の金額に加えて、あるいは、代えて、部材を設置する作業費を見積もるようにしてもよい。
見積り取得装置100は、例えばパソコン(Personal Computer;PC)またはワークステーション(Workstation)等のコンピュータを用いて構成される。
制御部190は、見積り取得装置100の各部を制御して各種処理を行う。制御部190は、見積り取得装置100が備えるCPU(Central Processing Unit、中央処理装置)が記憶部180からプログラムを読み出して実行することで構成される。
クラスタリング部191がクラスタを行う方法として、例えばk-meansなど公知の機械学習方法を用いることができる。
例えば、見積り対象のプロジェクトがAGT(Automated Guideway Transit、専用軌道上をゴムタイヤで走行する交通システム)の新設プロジェクトであり、部材はケーブルであり、クラスタリング部191が、ケーブルが接続される設備を使用場所としてクラスタリングを行うようにしてもよい。この場合、使用場所として、ハイボルテージルーム(高圧電源室)−ガイドウェイ(案内レール)、ハイボルテージルーム−他の駅のハイボルテージルームなど、ケーブルの両端の終端位置を用いることができる。
ここでいう説明変数は、モデル構築部192が構築するモデルへの入力(引数)である。
モデル構築部192が見積りモデルを構築するために、例えば重回帰またはRidge回帰など公知の学習アルゴリズムを用いることができる。
モデル構築部192が、重回帰またはRidge回帰を用いてモデルを構築する場合、モデルは式(1)のように示される。
一方、Ridge回帰では、式(3)に示される誤差E(w)を最小化するように、回帰係数を決定する。
このペナルティ項により、過学習を抑制することができる。
見積りを確率分布で出力する見積りモデルは、例えば、モデル構築部192が、ガウス過程またはベイズ線形回帰を用いて機械学習を行うことで得られる。
点P21〜P24は、それぞれ異なるプロジェクトにおける、説明変数と、同一の型番の部材に関する見積り対象の実際値(例えば、当該部材を使用した数量の実際値)との関係を示す。
データ数が少ない場合、どのようなモデルが適切か判断することが難しく、さらには、データが少ないことでモデルの精度が低いことが考えられる。
点P21〜P24は、図3の場合と同様である。点P31〜P34も点P21〜P24と同様であるが、点P21〜P24と点P31〜P34とでは部材の型番が異なる。クラスタリング部191のクラスタリングによって点P21〜P24の部材と点P31〜P34の部材とが同じクラスタに分類されている。
クラスタリング部191が行うクラスタリングによって、モデル構築部192が部材の型番ごとにモデルを構築する場合よりも、モデルを構築するためのデータの数が多くなる。これにより、モデル構築部192がより高精度なモデルを構築できると期待される。
また、モデル構築部192がクラスタ毎にモデルを構築することで、部材の型番ごとにモデルを構築する場合よりもモデルの数を減らすことができる。これにより、モデルの構築の負荷およびモデルのメンテナンスの負荷を低減させることができる。
例えばモデル構築部192は、式(4)に基づいて信頼度reliability(c)を算出する。
rn(c)は、式(5)のように示される。
rn(c)を用いて、データ数による重み付けを行う。特に、データ数が多いほど信頼度を大きくする。すなわち、モデル構築部192は、見積りモデル毎に、過去のプロジェクトのうち当該見積りモデルに対応するクラスタに属する部材があるプロジェクトの数が多いほど、信頼度を高く算出する。
また、rσ(c)は、見積りのばらつき度合いの評価値であり、式(6)のように示される。
例えば、rσ(c)=30の場合、推定値に対して±30%の範囲内に真値があることを示している。
rσ(c)は、を用いて見積りのばらつき度合いによる重み付けをする。モデル構築部192は、見積りモデル毎に、当該見積りモデルに対応するクラスタに属する部材について過去のプロジェクトの実施結果から得られる見積り対象値のばらつき度合いが小さいほど、頼度を高く算出する。
見積り取得部194は、モデル特定部193が特定した見積りモデルの各々に、見積り対象のプロジェクトにおける説明変数(仕様情報)を入力して見積りを取得する。
なお、見積り取得部194が、見積りの精度に対する余裕分を含む見積りを取得するようにしてもよい。
図5は、見積り取得装置100を用いた見積りの流れの例を示す図である。
図5の流れで、顧客は受注候補の会社に対して見積りを要求する(シーケンスS111)。見積り要求の際、顧客は受注候補の会社に要求仕様を図面等で示す。受注候補の会社は、要求仕様を図面等で受領する(シーケンスS121)。
評価の結果、見積りを使用可能と判断した場合、各課にて見積書を作成する。(シーケンスS126)。
レビュー会にて各課の見積りを採用するように決まった場合、承認権限者による承認を受け(シーケンスS128)、顧客へ見積りを解答する(シーケンスS129)。
顧客は、受注候補の会社からの見積書を受け取る(シーケンスS131)。
図6の処理で、入力部110は、過去のプロジェクトのデータを取得する(ステップS211)。クラスタリング部191は、入力部110が取得した過去のプロジェクトのデータについて、部材の型式のクラスタリングを行う(ステップS212)。
ループAの処理で、モデル構築部192は、クラスタ毎の見積りモデルを構築する(ステップS222)また、モデル構築部192は、ステップS222で構築した見積りモデルの信頼性を算出する(シーケンスS223)。
図7の処理で、入力部110は、見積り対象のプロジェクトのデータを取得する(ステップS311)。クラスタリング部191は、入力部110が取得した見積り対象のプロジェクトのデータについて、部材の型式のクラスタリングを行う(ステップS312)。
ループBの処理で、モデル特定部193は、ループBで処理対象となっているクラスタに対応する見積りモデルを特定する(ステップS322)。見積り取得部194は、モデル特定部193が算出した見積りモデルを用いて見積りを算出(取得)する(ステップS323)。図7の例では、見積り取得部194は、部材であるケーブルの長さの見積りを取得する。
次に、見積り取得部194は、ステップS323で得られたケーブル長に基づいて、クラスタ毎の見積り金額を算出(取得)する(ステップS324)。
ステップS332の後、図7の処理を終了する。
また、モデル構築部192が部材の型式のクラスタ毎にモデルを構築することで、型式ごとにモデルを構築する場合よりも、モデルの数が少ない。この点で、モデルを構築する負荷、および、モデルのメンテナンスの負荷が小さくて済む。
ユーザは、見積り取得装置100から見積りを取得した際に、信頼度を参照して見積りを見直すか否かの参考とすることができる。また、ユーザは、モデル構築部192が構築したモデルをチューニングするか否かの参考として信頼度を参照することができる。
モデル構築部192によれば、見積りのばらつきが小さいほど信頼度が高くなると考えられ、この点で適切な信頼度を得られる。
モデル構築部192によれば、モデル構築に用いられるデータの数が多いほど信頼度が高くなると考えられ、この点で適切な信頼度を得られる。
これにより、部材の使用場所と見積り対象の値との間に相関関係がある場合に、モデル構築部192は、高精度なモデルを構築することができる。
設備同士の距離とケーブル長との間には相関関係があると考えられ、この点で、モデル構築部192は、高精度なモデルを構築することができる。
見積り取得部194は、このモデルを用いて見積りに合わせて見積りの不確かさを提示することができる。
これにより、見積り取得装置100によれば、見積りがショートする(見積り値が実際値よりも下回る)可能性を低減させることができる。
また、「コンピュータシステム」は、WWWシステムを利用している場合であれば、ホームページ提供環境(あるいは表示環境)も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ROM、CD−ROM等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
110 入力部
120 出力部
180 記憶部
190 制御部
191 クラスタリング部
192 モデル構築部
193 モデル特定部
194 見積り取得部
Claims (10)
- プロジェクトに用いられる部材の型式をクラスタリングするクラスタリング部と、
過去のプロジェクトに用いられた部材の型式を前記クラスタリング部がクラスタリングしたクラスタ毎に、仕様情報の入力に対して見積りを出力する見積りモデルを構築するモデル構築部と、
見積り対象のプロジェクトに用いられる部材の型式を前記クラスタリング部がクラスタリングしたクラスタ毎に、前記見積りモデルから当該クラスタに対応する見積りモデルを特定するモデル特定部と、
前記モデル特定部が特定した見積りモデルの各々に、前記見積り対象のプロジェクトにおける仕様情報を入力して見積りを取得する見積り取得部と、
を備える見積り取得装置。 - 前記モデル構築部は、前記見積りモデル毎に、当該見積りモデルの信頼度を算出する、
請求項1に記載の見積り取得装置。 - 前記モデル構築部は、前記見積りモデル毎に、当該見積りモデルに対応する前記クラスタに属する前記部材について前記過去のプロジェクトの実施結果から得られる見積り対象値のばらつき度合いが小さいほど、前記信頼度を高く算出する、
請求項2に記載の見積り取得装置。 - 前記モデル構築部は、前記見積りモデル毎に、前記過去のプロジェクトのうち当該見積りモデルに対応する前記クラスタに属する前記部材があるプロジェクトの数が多いほど、前記信頼度を高く算出する、
請求項2または請求項3に記載の見積り取得装置。 - 前記クラスタリング部は、前記部材の使用場所に基づいてクラスタリングを行う、
請求項1から4の何れか一項に記載の見積り取得装置。 - 前記部材はケーブルであり、
前記クラスタリング部は、前記ケーブルが接続される設備を前記使用場所として前記クラスタリングを行い、
前記モデル構築部は、前記設備同士の距離を入力に含む前記モデルを構築する、
請求項5に記載の見積り取得装置。 - 前記モデル構築部は、前記見積りを確率分布で出力する、
請求項1から6の何れか一項に記載の見積り取得装置。 - 前記見積り取得部は、余裕分を含む見積りを取得する、
請求項1から7の何れか一項に記載の見積り取得装置。 - 過去のプロジェクトに用いられた部材の型式をクラスタリングしたクラスタ毎に、仕様情報の入力に対して見積りを出力する見積りモデルを構築することと、
見積り対象のプロジェクトに用いられる部材の型式をクラスタリングしたクラスタ毎に、前記見積りモデルから当該クラスタに対応する見積りモデルを特定することと、
特定した見積りモデルの各々に、前記見積り対象のプロジェクトにおける仕様情報を入力して見積りを取得することと、
を含む見積り取得方法。 - コンピュータに、
過去のプロジェクトに用いられた部材の型式をクラスタリングしたクラスタ毎に、仕様情報の入力に対して見積りを出力する見積りモデルを構築することと、
見積り対象のプロジェクトに用いられる部材の型式をクラスタリングしたクラスタ毎に、前記見積りモデルから当該クラスタに対応する見積りモデルを特定することと、
特定した見積りモデルの各々に、前記見積り対象のプロジェクトにおける仕様情報を入力して見積りを取得することと、
を実行させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017231031A JP7014582B2 (ja) | 2017-11-30 | 2017-11-30 | 見積り取得装置、見積り取得方法およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017231031A JP7014582B2 (ja) | 2017-11-30 | 2017-11-30 | 見積り取得装置、見積り取得方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019101681A true JP2019101681A (ja) | 2019-06-24 |
JP7014582B2 JP7014582B2 (ja) | 2022-02-01 |
Family
ID=66977025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017231031A Active JP7014582B2 (ja) | 2017-11-30 | 2017-11-30 | 見積り取得装置、見積り取得方法およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7014582B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113643064A (zh) * | 2021-08-13 | 2021-11-12 | 大地仁工程咨询有限公司 | 一种工程总承包的集成计价系统及方法 |
KR20220080912A (ko) * | 2020-12-08 | 2022-06-15 | 주식회사 지인인더스 | 건축 자재의 비용 산출을 위한 장치 및 방법 |
WO2022190266A1 (ja) * | 2021-03-10 | 2022-09-15 | 株式会社Fuji | マッチングシステム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07160762A (ja) * | 1993-12-06 | 1995-06-23 | Hitachi Ltd | 見積り支援装置 |
JP2003336311A (ja) * | 2002-05-23 | 2003-11-28 | Shimizu Corp | 建築物のライフサイクルコスト算出システム |
JP2007226721A (ja) * | 2006-02-27 | 2007-09-06 | Sumitomo Forestry Co Ltd | 見積書作成システム |
JP2015127915A (ja) * | 2013-12-27 | 2015-07-09 | 三菱重工業株式会社 | コスト推定装置及びコスト推定方法 |
-
2017
- 2017-11-30 JP JP2017231031A patent/JP7014582B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07160762A (ja) * | 1993-12-06 | 1995-06-23 | Hitachi Ltd | 見積り支援装置 |
JP2003336311A (ja) * | 2002-05-23 | 2003-11-28 | Shimizu Corp | 建築物のライフサイクルコスト算出システム |
JP2007226721A (ja) * | 2006-02-27 | 2007-09-06 | Sumitomo Forestry Co Ltd | 見積書作成システム |
JP2015127915A (ja) * | 2013-12-27 | 2015-07-09 | 三菱重工業株式会社 | コスト推定装置及びコスト推定方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220080912A (ko) * | 2020-12-08 | 2022-06-15 | 주식회사 지인인더스 | 건축 자재의 비용 산출을 위한 장치 및 방법 |
KR102482484B1 (ko) | 2020-12-08 | 2022-12-29 | 주식회사 지인인더스 | 건축 자재의 비용 산출을 위한 장치 및 방법 |
WO2022190266A1 (ja) * | 2021-03-10 | 2022-09-15 | 株式会社Fuji | マッチングシステム |
CN113643064A (zh) * | 2021-08-13 | 2021-11-12 | 大地仁工程咨询有限公司 | 一种工程总承包的集成计价系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7014582B2 (ja) | 2022-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111279209B (zh) | 用于改进定位模型的指纹数据预处理方法 | |
CN108446741B (zh) | 机器学习超参数重要性评估方法、系统及存储介质 | |
US10983786B2 (en) | Automatically evaluating software project requirements | |
CN113837596B (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
CN111311321A (zh) | 用户消费行为预测模型训练方法、装置、设备及存储介质 | |
WO2019235614A1 (ja) | 関係性分析装置、関係性分析方法および記録媒体 | |
JP2019101681A (ja) | 見積り取得装置、見積り取得方法およびプログラム | |
CN106663210B (zh) | 基于感受的多媒体处理 | |
US10248462B2 (en) | Management server which constructs a request load model for an object system, load estimation method thereof and storage medium for storing program | |
CN115082920A (zh) | 深度学习模型的训练方法、图像处理方法和装置 | |
CN112420125A (zh) | 分子属性预测方法、装置、智能设备和终端 | |
US20210224664A1 (en) | Relationship analysis device, relationship analysis method, and recording medium | |
CN113253709A (zh) | 一种适用于轨道交通车辆健康诊断方法及装置 | |
CN114219562A (zh) | 模型的训练方法、企业信用评估方法和装置、设备、介质 | |
KR20220007030A (ko) | 관심영역별 골 성숙 분포를 이용한 성장 분석 예측 장치 및 방법 | |
CN110348581B (zh) | 用户特征群中用户特征寻优方法、装置、介质及电子设备 | |
CN111161238A (zh) | 图像质量评价方法及装置、电子设备、存储介质 | |
CN111582313A (zh) | 样本数据生成方法、装置及电子设备 | |
WO2019235611A1 (ja) | 分析装置、分析方法および記録媒体 | |
CN115526503A (zh) | 设备巡检数据处理方法、装置、设备及可读存储介质 | |
JP2022113534A (ja) | 品質予測システム、モデル生成装置、品質予測方法、及び品質予測プログラム | |
Uniyal et al. | Wine Quality Evaluation Using Machine Learning Algorithms | |
CN110782287A (zh) | 实体相似度计算方法及装置、物品推荐系统、介质、设备 | |
Letras et al. | Decision tree-based throughput estimation to accelerate design space exploration for multi-core applications | |
CN111989662A (zh) | 自主混合分析建模平台 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200805 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210428 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210629 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210830 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220111 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220120 |