JP2020095574A - 情報処理端末、情報処理方法、および情報処理プログラム - Google Patents

Abstract

【課題】従来とは異なる方法で作業効率の改善を支援する技術を提供する。【解決手段】情報処理端末は、複数の業務端末と通信する通信部を備える。通信部は、複数の業務端末の各々から当該業務端末における操作ログを受信する。当該操作ログには、送信元の業務端末に対する操作情報の各々が時系列で規定されている。情報処理端末は、さらに、受信した各操作ログに規定される時系列の各操作情報から、当該各操作情報について、対応する作業内容を特定するための作業特定部と、作業特定部によって時系列の各操作情報について特定された各作業内容から、繰り返し行われている一連の繰り返し作業を特定するための繰り返し特定部と、繰り返し作業を構成する各作業内容を時系列の順に並べて出力するための出力部とを備える。【選択図】図２

Description

本開示は、作業効率の改善を支援するための技術に関する。

近年、ＲＰＡ（Robotic Process Automation）技術が注目されている。ＲＰＡ技術とは、繰り返し行われている定型業務を自動化するための技術である。定型業務が自動化されることで、作業効率が改善される。

ＲＰＡ技術に関し、非特許文献１は、業務自動化支援ツールを開示している。当該業務自動化支援ツールは、ユーザの操作ログを集計し、業務内容ごと、または、アプリケーションごとに作業時間順にグラフ化し、そのグラフをレポートする。

株式会社テンダ、"D-Analyzer"、[online]、[２０１８年１２月１０日検索]、インターネット（https://www.d-analyzer.jp/feature/）

作業効率を改善するためには、繰り返し何度も行われている一連の業務を把握することが重要である。そのため、非特許文献１に示される業務自動化支援ツールのように、特定の業務内容の作業時間に注目するだけで不十分である。したがって、従来とは異なる方法で作業効率の改善を支援することが望まれている。

本開示の一例では、情報処理端末は、複数の業務端末と通信する通信部を備える。上記通信部は、上記複数の業務端末の各々から当該業務端末における操作ログを受信する。当該操作ログには、送信元の業務端末に対する操作情報の各々が時系列で規定されている。情報処理端末は、さらに、上記受信した各操作ログに規定される時系列の各操作情報から、当該各操作情報について、対応する作業内容を特定するための作業特定部と、上記作業特定部によって時系列の各操作情報について特定された各作業内容から、繰り返し行われている一連の繰り返し作業を特定するための繰り返し特定部と、上記繰り返し作業を構成する各作業内容を時系列の順に並べて出力するための出力部とを備える。

本開示の一例では、上記受信した各操作ログに規定される各操作情報には、操作に費やされた作業時間がさらに対応付けられている。上記出力部は、上記受信した各操作ログに規定される各作業時間に基づいて、上記繰り返し作業を構成する作業内容ごとに、当該作業内容に費やされた平均作業時間を算出し、当該算出した平均作業時間の各々をさらに出力する。

本開示の一例では、上記出力部は、上記受信した各操作ログに規定される各作業時間に基づいて、上記繰り返し作業に費やされた合計作業時間を算出し、当該合計作業時間をさらに出力する。

本開示の一例では、上記繰り返し特定部によって複数パターンの繰り返し作業が特定された場合、上記出力部は、上記複数パターンの繰り返し作業の各々について上記合計作業時間を算出し、上記複数パターンの繰り返し作業の各々についての上記合計作業時間を比較可能な態様で表わしたグラフをさらに出力する。

本開示の一例では、上記受信した各操作ログに規定される各操作情報には、操作を行ったユーザを示すユーザ識別情報がさらに対応付けられている。上記出力部は、上記受信した各操作ログに規定される上記ユーザ識別情報に基づいて、上記繰り返し作業を行ったユーザの総数を算出し、当該総数をさらに出力する。

本開示の一例では、上記出力部は、上記繰り返し作業に係る作業量をユーザごとに比較可能な態様で表わしたグラフをさらに出力する。

本開示の一例では、上記出力部は、上記作業特定部によって時系列の各操作情報について特定された各作業内容において、上記繰り返し作業が含まれている数を特定し、当該特定した数を上記繰り返し作業が行われた回数としてさらに出力する。

本開示の一例では、上記受信した各操作ログに規定される各操作情報には、操作が行われた操作時刻がさらに対応付けられている。上記出力部は、上記受信した各操作ログに規定される各操作時刻に基づいて、上記繰り返し作業が行われた頻度を予め定められた時間区分ごとに算出し、当該予め定められた時間区分ごとに当該頻度を表わしたグラフをさらに出力する。

本開示の一例では、情報処理方法は、複数の業務端末の各々から当該業務端末における操作ログを受信するステップを備える。当該操作ログには、送信元の業務端末に対する操作情報の各々が時系列で規定されている。情報処理方法は、さらに、上記受信した各操作ログに規定される時系列の各操作情報から、当該各操作情報について、対応する作業内容を特定するステップと、上記特定するステップで時系列の各操作情報について特定された各作業内容から、繰り返し行われている一連の繰り返し作業を特定するステップと、上記繰り返し作業を構成する各作業内容を時系列の順に並べて出力するステップとを備える。

本開示の一例では、情報処理プログラムは、コンピュータに、複数の業務端末の各々から当該業務端末における操作ログを受信するステップを実行させる。当該操作ログには、送信元の業務端末に対する操作情報の各々が時系列で規定されている。上記情報処理プログラムは、上記コンピュータに、さらに、上記受信した各操作ログに規定される時系列の各操作情報から、当該各操作情報について、対応する作業内容を特定するステップと、上記特定するステップで時系列の各操作情報について特定された各作業内容から、繰り返し行われている一連の繰り返し作業を特定するステップと、上記繰り返し作業を構成する各作業内容を時系列の順に並べて出力するステップとを実行させる。

情報処理システムの装置構成の一例を示す図である。 操作ログから繰り返し作業を特定するための機能構成の一例を示す図である。 作業端末のハードウェア構成の一例を示す模式図である。 情報処理端末のハードウェア構成の一例を示す模式図である。 作業特定部の機能構成の一例を示す図である。 繰り返し特定部の機能構成の一例を示す図である。 学習用データセットを生成する過程を示す図である。 学習部による学習処理の過程を概略的に示す図である。 解析部による解析処理の過程を概略的に示す図である。 出力部の機能構成の一例を示す図である。 繰り返し作業を構成する各作業の平均作業時間を算出する過程を示す図である。 繰り返し作業に費やされた合計作業時間を算出する過程を示す図である。 繰り返し作業を行ったユーザ数を算出する過程を示す図である。 繰り返し作業を行った回数を算出する過程を示す図である。 具体例１に係る作業レポートを示す図である。 具体例２に係る作業レポートを示す図である。 具体例３に係る作業レポートを示す図である。 具体例４に係る作業レポートを示す図である。 作業端末が実行する処理の一部を表わすフローチャートである。 情報処理端末が実行する処理の一部を表わすフローチャートである。 変形例に従う学習データ生成部の機能を概略的に示す図である。 変形例に従う作業端末を示す図である。

以下、図面を参照しつつ、本発明に従う各実施の形態について説明する。以下の説明では、同一の部品および構成要素には同一の符号を付してある。それらの名称および機能も同じである。したがって、これらについての詳細な説明は繰り返さない。

＜Ａ．情報処理システム５００＞
図１を参照して、情報処理システム５００について説明する。図１は、情報処理システム５００の装置構成の一例を示す図である。

図１に示されるように、情報処理システム５００は、複数の作業端末１００と、１つ以上の情報処理端末２００とを含む。

作業端末１００は、たとえば、ノート型またはデスクトップ型のＰＣ（Personal Computer）、タブレット端末、スマートフォン、または、通信機能を有するその他の情報処理端末である。情報処理システム５００を構成する作業端末１００の数は任意であり、たとえば、数台〜数千台である。説明を簡素化するために、図１には３台の作業端末１００のみが示されている。作業端末１００の各々は、同一の建屋に置かれていてもよいし、異なる建屋に置かれていてもよい。

作業端末１００は、ユーザが作業を行うための端末である。作業端末１００には、ユーザ操作を監視するための後述の操作監視プログラム１２２（図２参照）がインストールされている。操作監視プログラム１２２は、作業端末１００に対するユーザ操作を操作ログ１３０に書き込み、操作ログ１３０を定期的に情報処理端末２００に送信する。

情報処理端末２００は、たとえば、ノート型またはデスクトップ型のＰＣ、タブレット端末、スマートフォン、または、通信機能を有するその他の情報処理端末である。図１には、１台の情報処理端末２００が示されているが、情報処理システム５００を構成する情報処理端末２００の数は任意である。

情報処理端末２００は、作業端末１００の各々から収集した操作ログ１３０を解析し、業務改善のための種々の指標をレポートする。

＜Ｂ．情報処理端末２００の概要＞
次に、図２を参照して、上述の情報処理端末２００の概要について説明する。図２は、操作ログ１３０から繰り返し作業を特定するための機能構成の一例を示す図である。

図２に示されるように、情報処理端末２００は、通信部２５２と、作業特定部２５４と、繰り返し特定部２５６と、出力部２６０とを含む。

通信部２５２は、たとえば、作業端末１００との通信機能を提供する通信ドライバである。通信部２５２は、たとえば、インターネット、ワイドエリアネットワーク（wide area network：ＷＡＮ）、ローカルエリアネットワーク（local area network：ＬＡＮ）、イーサネット（登録商標）ネットワーク、公的または私的ネットワークを介して作業端末１００との通信を実現する。

通信部２５２は、複数の作業端末１００の各々から当該作業端末１００における操作ログ１３０を受信する。操作ログ１３０には、送信元の作業端末１００に対した行われた操作に関する情報（以下、「操作情報」ともいう。）の各々が時系列で規定されている。「操作情報」は、たとえば、作業端末１００内においてユーザが操作を行った対象のデータを示す。本明細書における「操作情報」は、操作対象のウィンドウの種別、操作対象のデータの種別、操作対象のアプリケーションの種別、操作対象のＵＩ（User Interface）部品、操作対象の画面（たとえば、キャプチャした画面）、マウスなどの入力デバイスが示す座標情報、キーボードに対するキー入力結果、または、それらの組み合わせなどを含む概念である。通信部２５２は、受信した操作ログ１３０の各々を作業特定部２５４に出力する。

作業特定部２５４は、操作ログ１３０の各々に規定される時系列の各操作情報から、当該操作情報の各々について、対応する作業内容を特定する。各操作情報に対応する作業内容は、たとえば、作業定義２３２に基づいて特定される。作業定義２３２は、操作情報の種別に作業内容を対応付けている。一例として、作業特定部２５４は、作業定義２３２を参照して、操作ログ１３０に規定される操作対象「Ａ」については対応の作業として作業「Ａ」を特定する。また、作業特定部２５４は、操作対象「Ｃ」については対応の作業として作業「Ｂ」を特定する。

なお、対応の作業内容は、必ずしも作業定義２３２に基づいて特定される必要はない。たとえば、作業特定部２５４は、操作ログ１３０の各々に規定される時系列の各操作情報から余分なキーワードを削除し、当該編集後の操作情報を対応の作業内容として特定してもよい。作業特定部２５４による作業特定結果は、繰り返し特定部２５６に出力される。

繰り返し特定部２５６は、作業特定部２５４によって時系列の各操作情報について特定された各作業内容から、繰り返し行われている一連の作業（すなわち、繰り返し作業）を特定する。異なる言い方をすれば、繰り返し特定部２５６は、作業特定部２５４による作業特定結果の中から、作業内容の順序が類似する作業群を繰り返し作業として特定する。図２の例では、「作業Ｃ→作業Ｂ→作業Ｄ」の一連の作業が繰り返し行われているので、繰り返し特定部２５６は、「作業Ｃ→作業Ｂ→作業Ｄ」を繰り返し作業として特定する。繰り返し特定部２５６は、特定した繰り返し作業を出力部２６０に出力する。

なお、図２の例では、１種類の作業パターンの繰り返し作業が特定されている例が示されているが、複数種類の作業パターンの繰り返し作業が特定されてもよい。

出力部２６０は、特定された繰り返し作業を構成する各作業内容を時系列の順に並べて出力する。繰り返し作業は、任意の出力手段で出力される。一例として、出力部２６０は、作業レポート２７０として繰り返し作業を出力する。図２の例では、作業レポート２７０には、繰り返し作業を構成する各作業内容が矢印により繋がれている。作業レポート２７０の詳細については後述する。

ユーザは、作業レポート２７０を確認することで、繰り返し何度も行われている一連の作業を把握することができる。このような繰り返し作業が提示されることで、ユーザは、改善すべき業務内容を容易に発見することができる。この利点は、業務内容が複雑になるほど顕著となる。ユーザは、提示された繰り返し作業を自動化することで、作業効率を大幅に改善することができる。このようにして、情報処理端末２００は、作業端末１００における作業効率の改善を支援することができる。

＜Ｃ．ハードウェア構成＞
図３および図４を参照して、上述の図１に示される、作業端末１００および情報処理端末２００のハードウェア構成について順に説明する。

（Ｃ１．作業端末１００のハードウェア構成）
まず、図３を参照して、作業端末１００のハードウェア構成について説明する。図３は、作業端末１００のハードウェア構成の一例を示す模式図である。

作業端末１００は、制御装置１０１と、ＲＯＭ（Read Only Memory）１０２と、ＲＡＭ（Random Access Memory）１０３と、通信インターフェイス１０４と、表示インターフェイス１０５と、入力インターフェイス１０７と、記憶装置１２０とを含む。これらのコンポーネントは、バス１１０に接続される。

制御装置１０１は、たとえば、少なくとも１つの集積回路によって構成される。集積回路は、たとえば、少なくとも１つのＣＰＵ（Central Processing Unit）、少なくとも１つのＧＰＵ（Graphics Processing Unit）、少なくとも１つのＡＳＩＣ（Application Specific Integrated Circuit）、少なくとも１つのＦＰＧＡ（Field Programmable Gate Array）、またはそれらの組み合わせなどによって構成され得る。

制御装置１０１は、作業端末１００の操作監視プログラム１２２や作業用プログラム１３２やオペレーティングシステムなどの各種プログラムを実行することで作業端末１００の動作を制御する。操作監視プログラム１２２は、作業端末１００に対する操作を監視するためのプログラムであり、ユーザ操作に係る情報を操作ログ１３０に書き込む機能や、操作ログ１３０を情報処理端末２００（図１参照）に定期的に送信する機能などを含む。作業用プログラム１３２は、ユーザの業務を支援するためのアプリケーションである。一例として、作業用プログラム１３２は、各種メーラー、各種ブラウザ、Ｗｏｒｄ、Ｅｘｃｅｌ（登録商標）、業務を支援するその他のアプリケーションを含む。

制御装置１０１は、操作監視プログラム１２２の実行命令を受け付けたことに基づいて、記憶装置１２０またはＲＯＭ１０２からＲＡＭ１０３に操作監視プログラム１２２や作業用プログラム１３２を読み出す。ＲＡＭ１０３は、ワーキングメモリとして機能し、操作監視プログラム１２２や作業用プログラム１３２の実行に必要な各種データを一時的に格納する。

通信インターフェイス１０４には、ＬＡＮ（Local Area Network）やアンテナなどが接続される。作業端末１００は、通信インターフェイス１０４を介して、外部機器との間でデータをやり取りする。当該外部機器は、たとえば、上述の情報処理端末２００や、サーバーなどを含む。作業端末１００は、サーバーなどの外部機器から操作監視プログラム１２２や作業用プログラム１３２をダウンロードできるように構成されてもよい。

表示インターフェイス１０５には、ディスプレイ１０６が接続される。表示インターフェイス１０５は、制御装置１０１などからの指令に従って、ディスプレイ１０６に対して、画像を表示するための画像信号を送出する。ディスプレイ１０６は、たとえば、液晶ディスプレイ、有機ＥＬ（Electro Luminescence）ディスプレイ、またはその他の表示機器である。なお、ディスプレイ１０６は、作業端末１００と一体的に構成されてもよいし、作業端末１００とは別に構成されてもよい。

入力インターフェイス１０７には、入力デバイス１０８が接続される。入力デバイス１０８は、たとえば、マウス、キーボード、タッチパネル、またはユーザの操作を受け付けることが可能なその他の装置である。なお、入力デバイス１０８は、作業端末１００と一体的に構成されてもよいし、作業端末１００とは別に構成されてもよい。

記憶装置１２０は、たとえば、ハードディスクやフラッシュメモリなどの記憶媒体である。記憶装置１２０は、操作監視プログラム１２２、操作ログ１３０、および作業用プログラム１３２などを格納する。なお、操作監視プログラム１２２、操作ログ１３０、および作業用プログラム１３２の格納場所は、記憶装置１２０に限定されず、制御装置１０１の記憶領域（たとえば、キャッシュメモリなど）、ＲＯＭ１０２、ＲＡＭ１０３、外部機器（たとえば、サーバー）などに格納されていてもよい。

操作監視プログラム１２２は、単体のプログラムとしてではなく、任意のプログラムの一部に組み込まれて提供されてもよい。この場合、操作監視プログラム１２２による通信監視処理は、任意のプログラムと協働して実現される。このような一部のモジュールを含まないプログラムであっても、本実施の形態に従う操作監視プログラム１２２の趣旨を逸脱するものではない。さらに、操作監視プログラム１２２によって提供される機能の一部または全部は、専用のハードウェアによって実現されてもよい。さらに、少なくとも１つのサーバーが操作監視プログラム１２２の処理の一部を実行する所謂クラウドサービスのような形態で作業端末１００が構成されてもよい。

（Ｃ２．情報処理端末２００のハードウェア構成）
次に、図４を参照して、情報処理端末２００のハードウェア構成について説明する。図４は、情報処理端末２００のハードウェア構成の一例を示す模式図である。

情報処理端末２００は、制御装置２０１と、ＲＯＭ２０２と、ＲＡＭ２０３と、通信インターフェイス２０４と、表示インターフェイス２０５と、入力インターフェイス２０７と、記憶装置２２０とを含む。これらのコンポーネントは、バス２１０に接続される。

制御装置２０１は、たとえば、少なくとも１つの集積回路によって構成される。集積回路は、たとえば、少なくとも１つのＣＰＵ、少なくとも１つのＧＰＵ、少なくとも１つのＡＳＩＣ、少なくとも１つのＦＰＧＡ、またはそれらの組み合わせなどによって構成され得る。

制御装置２０１は、情報処理プログラム２２２やオペレーティングシステムなどの各種プログラムを実行することで情報処理端末２００の動作を制御する。制御装置２０１は、情報処理プログラム２２２の実行命令を受け付けたことに基づいて、記憶装置２２０またはＲＯＭ２０２からＲＡＭ２０３に情報処理プログラム２２２を読み出す。ＲＡＭ２０３は、ワーキングメモリとして機能し、情報処理プログラム２２２の実行に必要な各種データを一時的に格納する。

通信インターフェイス２０４には、ＬＡＮやアンテナなどが接続される。情報処理端末２００は、通信インターフェイス２０４を介して、外部機器との間でデータをやり取りする。当該外部機器は、たとえば、上述の作業端末１００やサーバーなどを含む。情報処理端末２００は、当該外部機器から情報処理プログラム２２２をダウンロードできるように構成されてもよい。

表示インターフェイス２０５には、ディスプレイ２０６が接続される。表示インターフェイス２０５は、制御装置２０１などからの指令に従って、ディスプレイ２０６に対して、画像を表示するための画像信号を送出する。ディスプレイ２０６は、たとえば、液晶ディスプレイ、有機ＥＬディスプレイ、またはその他の表示機器である。なお、ディスプレイ２０６は、情報処理端末２００と一体的に構成されてもよいし、情報処理端末２００とは別に構成されてもよい。

入力インターフェイス２０７には、入力デバイス２０８が接続される。入力デバイス２０８は、たとえば、マウス、キーボード、タッチパネル、またはユーザの操作を受け付けることが可能なその他の装置である。なお、入力デバイス２０８は、情報処理端末２００と一体的に構成されてもよいし、情報処理端末２００とは別に構成されてもよい。

記憶装置２２０は、たとえば、ハードディスクやフラッシュメモリなどの記憶媒体である。記憶装置２２０は、情報処理プログラム２２２、上述の作業定義２３２、上述の作業レポート２７０、後述の作業推定モデルＭなどを格納する。これらの格納場所は、記憶装置２２０に限定されず、制御装置２０１の記憶領域（たとえば、キャッシュメモリなど）、ＲＯＭ２０２、ＲＡＭ２０３、外部機器（たとえば、サーバー）などに格納されていてもよい。

情報処理プログラム２２２は、単体のプログラムとしてではなく、任意のプログラムの一部に組み込まれて提供されてもよい。この場合、情報処理プログラム２２２による操作ログの解析処理は、任意のプログラムと協働して実現される。このような一部のモジュールを含まないプログラムであっても、本実施の形態に従う情報処理プログラム２２２の趣旨を逸脱するものではない。さらに、情報処理プログラム２２２によって提供される機能の一部または全部は、専用のハードウェアによって実現されてもよい。さらに、少なくとも１つのサーバーが情報処理プログラム２２２の処理の一部を実行する所謂クラウドサービスのような形態で情報処理端末２００が構成されてもよい。

＜Ｄ．作業特定部２５４の機能＞
次に、図５を参照して、図２に示される作業特定部２５４の機能の詳細について説明する。図５は、作業特定部２５４の機能構成の一例を示す図である。

作業特定部２５４は、操作ログ１３０と、作業定義２３２との入力を受けて、作業特定結果Ｄ１を出力する。

操作ログ１３０には、作業端末１００に対する操作に係る各種情報が書き込まれている。操作ログ１３０に含まれる各種情報は、作業端末１００に対して操作が行われた順に並べられている。操作ログ１３０は、たとえば、操作対象の作業端末１００を示す端末識別情報と、操作を行ったユーザを示すユーザ識別情報と、操作が行われたタイミングを示す操作時刻と、操作に費やされた時間を示す作業時間と、操作対象のアプリケーションを示すアプリケーション識別情報と、送信元の作業端末１００に対する操作情報とを含む。

図５の例では、端末識別情報の一例として、パソコン名が示されているが、端末識別情報は、ＩＰ（Internet Protocol）アドレスやＭＡＣ（Media Access Control）アドレスなどで示されてもよい。また、図５の例では、ユーザ識別情報の一例として、ログイン名が示されているが、ユーザ識別情報は、ユーザＩＤ（Identification）、ＩＰアドレス、ＭＡＣアドレスなどで示されてもよい。また、図５の例では、アプリケーション識別情報の一例として、アプリケーション名が示されているが、アプリケーション識別情報は、EXEファイルの場所を示すファイルパスなどで示されてもよい。また、図５の例では、操作情報の一例として、操作対象のウィンドウのタイトルが示されているが、操作情報は、操作対象のデータの種別（たとえば、ファイル名やファイルパス）、操作対象のＵＩ部品（たとえば、ボタン名など）などで規定されてもよい。あるいは、操作情報は、操作対象の画面（たとえば、キャプチャした画面）や、マウスなどの入力デバイスが示す座標情報、キーボードなどの入力に対するキー入力結果などで規定されてもよい。

作業定義２３２は、操作情報の種別に作業内容（たとえば、操作対象のウィンドウのタイトル）を対応付けている。図５の例では、作業定義２３２に規定される操作情報の一例として、操作対象のウィンドウのタイトルが示されているが、操作情報は、操作対象のデータの種別（たとえば、ファイル名やファイルパス）、操作対象のＵＩ部品（たとえば、ボタン名など）などで規定されてもよい。

作業特定部２５４は、作業定義２３２に基づいて、操作ログ１３０に規定される時系列の操作情報の各々について、対応する作業内容を特定する。より具体的には、操作ログ１３０に規定される操作情報を第１操作情報とし、作業定義２３２に規定される操作情報を第２操作情報と称した場合、作業特定部２５４は、ある第１操作情報を識別対象とし、第２操作情報の中から、識別対象の第１操作情報と一致するものを特定する。そして、作業特定部２５４は、当該一致した第２操作情報に対応付けられている作業内容を、識別対象の第１操作情報に対応する作業内容とする。作業特定部２５４は、このような作業内容の特定処理を、操作ログ１３０に規定される全ての第１操作情報について実行する。

なお、ここでいう「一致」との概念は、第１操作情報および第２操作情報の完全な一致だけでなく、第１操作情報および第２操作情報の略一致も含み得る。たとえば、第１操作情報および第２操作情報の一方が他方に部分的に一致している場合も「一致」との概念に含まれ得る。一例として、作業特定部２５４は、第２操作情報の中から、識別対象の第１操作情報の一部と一致するものを特定する。そして、作業特定部２５４は、当該特定した第２操作情報に対応付けられている作業内容を、識別対象の第１操作情報に対応する作業内容とする。

作業特定部２５４による作業特定処理の結果として、作業特定結果Ｄ１が出力される。上述のように、操作ログ１３０に規定される操作情報は、時系列の順（すなわち、操作順）に並んでいるので、作業特定結果Ｄ１に規定される作業内容群も時系列の順（すなわち、操作順）に並んでいる。作業特定結果Ｄ１は、繰り返し特定部２５６に出力される。

＜Ｅ．繰り返し特定部２５６の機能＞
次に、図６〜図９を参照して、図２に示される繰り返し特定部２５６の機能の詳細について説明する。図６は、繰り返し特定部２５６の機能構成の一例を示す図である。

図６に示されるように、繰り返し特定部２５６は、機能モジュールとして、学習データ生成部２５７と、学習部２５８と、解析部２５９とを含む。以下では、これらの機能モジュールについて順に説明する。

（Ｅ１．学習データ生成部２５７）
まず、図７を参照して、学習データ生成部２５７の機能について説明する。図７は、学習用データセットＤ２を生成する過程を示す図である。

図７に示されるように、学習データ生成部２５７は、作業特定結果Ｄ１の入力を受けて、後述の学習部２５８で用いられる学習用データセットＤ２を生成する。より具体的には、まず、学習データ生成部２５７は、作業特定結果Ｄ１に含まれる時系列の作業内容群を所定単位数（たとえば、１０単位）ごとに分割する。当該単位数は、任意である。図７の例では、作業特定結果Ｄ１に規定される作業内容が３つごとにブロック化されている。次に、学習データ生成部２５７は、各ブロックに含まれる作業内容群に対して、当該ブロックに続く次ブロックに含まれる作業内容群を正解情報としてタグ付ける。図７の例では、たとえば、作業パターン１のブロックに含まれる作業内容群に対して、作業パターン１に続く作業パターン４のブロックに含まれる作業内容群が正解情報としてタグ付けされる。このようなタグ付けが全てのブロックについて実行され、それらが学習用データセットＤ２として生成されている。

学習データ生成部２５７によって生成された学習用データセットＤ２は、学習部２５８に出力される。

（Ｅ２．学習部２５８）
次に、図８を参照して、図６に示される学習部２５８の機能について説明する。図８は、学習部２５８による学習処理の過程を概略的に示す図である。

学習部２５８は、学習データ生成部２５７によって生成された学習用データセットＤ２を用いた予め定められた機械学習処理により作業推定モデルＭを生成する。作業推定モデルＭは、一連の作業群の入力を受けて、それらの作業軍に続く作業群を推定結果として出力する。学習部２５８が実行する機械学習処理は、ディープラーニング（深層学習）であってもよいし、ＲＮＮ（Recurrent Neural Network）であってもよいし、サポートベクターマシンであってもよいし、その他の学習手法であってもよい。以下では、一例として、ＲＮＮで作業推定モデルを生成する方法について説明する。

図８には、初期状態の作業推定モデルＭ１と、１回目のパラメータ更新が済んだ作業推定モデルＭ２とが示されている。以下では、作業推定モデルＭ１，Ｍ２を特に区別しない場合には、作業推定モデルＭとも称する。作業推定モデルＭは、入力層Ｘと、中間層Ｈと、出力層Ｙとで構成される。

入力層Ｘは、学習用データセットＤ２に含まれる作業パターン（すなわち、入力用特徴量）の入力を受ける。入力層Ｘは、入力された作業パターンを構成する各作業内容を中間層Ｈに出力する。

中間層Ｈは、複数の層で構成されている。中間層Ｈの層数は、任意である。各層は、複数のユニットで構成される。中間層Ｈの各層を構成する各ユニットは、前の層の各ユニットと、次の層の各ユニットと接続される。各層の各ユニットは、前の層の各ユニットからの各出力値を受けて、各出力値に重みを乗算し、それらの乗算結果を積算し、その積算結果に対して所定のバイアスを加算（または減算）し、その加算結果（または減算結果）を所定の関数（たとえば、シグモナイト関数）に入力し、その関数の出力値を次の層の各ユニットに出力する。

出力層Ｙは、複数のユニットで構成される。出力層Ｙを構成する各ユニットは、中間層Ｈの最終層の各ユニットと接続される。出力層Ｙの各ユニットは、中間層Ｈの最終層の各ユニットからの出力値を受け手、各出力値に重みを乗算し、それらの乗算結果を積算し、その積算結果に対して所定のバイアスを加算（または減算）し、その加算結果（または減算結果）を所定の関数（たとえば、シグモナイト関数）に入力し、その関数の出力結果を出力値として出力する。当該出力値は、作業内容の種別を示す。作業推定モデルＭは、出力層Ｙから出力される作業内容の各々を、入力された作業パターンに続く後続の作業パターンとして推定する。

より具体的な例として、学習部２５８は、学習用データセットＤ２に規定される１つ目の作業パターン「１」を作業推定モデルＭに入力し、その結果得られた推定作業パターン「α」と、作業パターン「１」に対して正解情報として対応付けられている作業パターン「４」とを比較する。そして、学習部２５８は、推定作業パターン「α」が正解情報としての作業パターン「４」に近付くように、作業推定モデルＭに含まれる各種のパラメータ（たとえば、重みやバイアス）を更新する。

次に、学習部２５８は、学習用データセットＤ２に規定される２つ目の作業パターン「２」を作業推定モデルＭに入力する。２回目の以降の学習においては、学習部２５８は、さらに、前回の学習過程における中間層Ｈの出力の一部を入力層Ｘに入力する。このように、ＲＮＮにおいては、ある層の出力は、次の層の入力として利用されるだけでなく、次の学習過程における入力層Ｘにも入力される。その結果、作業推定モデルＭの出力結果は、２つ目の作業パターン「２」だけでなく、１つ目の作業パターン「１」の影響を受けることになる。その結果、時間的な情報が受け渡されることになる。

学習部２５８は、学習用データセットＤ２から得られた推定作業パターン「β」と、作業パターン「２」に対して正解情報として対応付けられている作業パターン「５」とを比較する。そして、学習部２５８は、推定作業パターン「β」が正解情報としての作業パターン「２」に近付くように、作業推定モデルＭに含まれる各種のパラメータ（たとえば、重みやバイアス）を更新する。

学習部２５８は、作業推定モデルＭに含まれるパラメータの更新処理を、学習用データセットＤ２の各学習用データについて繰り返し行う。その結果、作業推定モデルＭによる作業推定精度が向上し、作業推定モデルＭは、一連の作業群の入力を受けると、その作業群に続く後続の作業群を出力するようになる。

なお、学習部２５８は、作業推定モデルＭを生成するために、学習用データセットＤ２に含まれる全ての学習用データを必ずしも用いる必要はなく、学習用データセットＤ２に含まれる一部の学習用データを用いて作業推定モデルＭを生成してもよい。

（Ｅ３．解析部２５９）
次に、図９を参照して、図６に示される解析部２５９の機能について説明する。図９は、解析部２５９による解析処理の過程を概略的に示す図である。

解析部２５９は、学習部２５８による学習済みの作業推定モデルＭに対して学習用データセットＤ２を再び入力し、繰り返し作業である作業パターンを特定する。

より具体的には、解析部２５９は、学習用データセットＤ２に規定される１つ目の作業パターン「１」を学習済みの作業推定モデルＭに入力し、その結果得られた推定作業パターン「γ」と、作業パターン「１」に対して正解情報として対応付けられている作業パターン「４」とを比較し、推定作業パターン「γ」が作業パターン「４」と類似しているか否かを判断する。一例として、解析部２５９は、推定作業パターン「γ」と作業パターン「４」との内積を計算することで、これらの相関値を算出する。そして、当該相関値が所定値を超えている場合には、解析部２５９は、作業パターン「１」（または作業パターン「４」）を繰り返し作業とみなす。

同様に、解析部２５９は、学習用データセットＤ２に規定される２つ目の作業パターン「２」を学習済みの作業推定モデルＭに入力し、その結果得られた推定作業パターン「δ」と、作業パターン「２」に対して正解情報として対応付けられている作業パターン「５」とを比較し、推定作業パターン「δ」が作業パターン「５」と類似しているか否かを判断する。一例として、解析部２５９は、推定作業パターン「δ」と作業パターン「５」との内積を計算することで、これらの相関値を算出する。そして、当該相関値が所定値を超えている場合には、解析部２５９は、作業パターン「２」（または作業パターン「５」）を繰り返し作業とみなす。

解析部２５９は、このような繰り返し作業の解析処理を、学習用データセットＤ２の全学習用データについて行う。その結果、繰り返し作業２６９が特定される。このとき特定される繰り返し作業の作業パターンは、１種類とは限らず、複数種類の作業パターンが特定される可能性もある。

なお、作業推定モデルＭが学習用データセットＤ２の一部を用いて生成されている場合には、解析部２５９は、学習用データセットＤ２の残りを当該作業推定モデルＭに入力してもよい。その結果、学習用データセットＤ２の残りについて繰り返し作業が含まれるか否かが特定される。その後、解析部２５９は、作業推定モデルＭを生成するために用いる学習用データセットと、解析に用いる残りの学習用データセットとの組み合わせを変えることで、学習用データセットＤ２の全学習用データについて繰り返し作業の解析処理を行う。これにより、過学習が抑制される。

＜Ｆ．出力部２６０の機能＞
次に、図１０〜図１４を参照して、図２に示される出力部２６０の機能の詳細について説明する。図１０は、出力部２６０の機能構成の一例を示す図である。

図１０に示されるように、出力部２６０は、機能モジュールとして、平均時間算出部２６１と、合計時間算出部２６２と、ユーザ数算出部２６３と、繰り返し回数算出部２６４とを含む。以下では、これらの機能モジュールについて順に説明する。

（Ｆ１．平均時間算出部２６１）
まず、図１１を参照して、平均時間算出部２６１の機能について説明する。図１１は、繰り返し作業を構成する各作業の平均作業時間を算出する過程を示す図である。

平均時間算出部２６１は、上述の作業特定結果Ｄ１（または操作ログ１３０）に規定される時系列の作業内容の中から、上述の繰り返し特定部２５６によって特定された繰り返し作業２６９が示す作業パターンを抽出する。一例として、特定された繰り返し作業２６９において、繰り返しパターン「作業Ｅ→作業Ａ→作業Ｇ」が含まれていたとする。この場合、平均時間算出部２６１は、上述の作業特定結果Ｄ１に規定される時系列の作業内容の中から、繰り返しパターン「作業Ｅ→作業Ａ→作業Ｇ」を抽出する。

上述のように、作業特定結果Ｄ１には、各作業内容に費やされた作業時間が作業内容ごとに対応付けられている。平均時間算出部２６１は、当該作業時間の各々に基づいて、繰り返し作業を構成する作業内容ごとに、当該作業内容に費やされた平均作業時間を算出する。図１１に示される繰り返し作業「作業Ｅ→作業Ａ→作業Ｇ」の例では、平均時間算出部２６１は、作業「Ｅ」に対応付けられている作業時間「ΔＴ３１」，「ΔＴ４１」，「ΔＴ５１」の平均時間「ＴＡ」を作業「Ｅ」の平均作業時間として算出する。同様に、平均時間算出部２６１は、作業「Ａ」に対応付けられている作業時間「ΔＴ３２」，「ΔＴ４２」，「ΔＴ５２」の平均時間「ＴＢ」を作業「Ａ」の平均作業時間として算出する。同様に、平均時間算出部２６１は、作業「Ｇ」に対応付けられている作業時間「ΔＴ３３」，「ΔＴ４３」，「ΔＴ５３」の平均時間「ＴＣ」を作業「Ｇ」の平均作業時間として算出する。

平均時間算出部２６１は、このような平均作業時間の算出処理を上述の繰り返し特定部２５６によって特定された繰り返し作業２６９の各々について算出する。算出されたこれらの平均作業時間は、レポート生成部２６５に出力される。

（Ｆ２．合計時間算出部２６２）
次に、図１２を参照して、図１０に示される合計時間算出部２６２の機能について説明する。図１２は、繰り返し作業に費やされた合計作業時間を算出する過程を示す図である。

合計時間算出部２６２は、上述の作業特定結果Ｄ１（図５参照）に規定される時系列の作業内容の中から、上述の繰り返し特定部２５６によって特定された繰り返し作業２６９が示す作業パターンを抽出する。一例として、特定された繰り返し作業２６９において、繰り返しパターン「作業Ｅ→作業Ａ→作業Ｇ」が含まれていたとする。この場合、合計時間算出部２６２は、上述の作業特定結果Ｄ１に規定される時系列の作業内容の中から、繰り返しパターン「作業Ｅ→作業Ａ→作業Ｇ」を抽出する。

上述のように、作業特定結果Ｄ１には、各作業内容に費やされた作業時間が作業内容ごとに対応付けられている。合計時間算出部２６２は、当該作業時間の各々に基づいて、繰り返し作業を構成する作業内容に対応付けられている作業時間を積算し、当該積算結果を繰り返し作業に費やされた合計作業時間として算出する。図１１に示される繰り返し作業「作業Ｅ→作業Ａ→作業Ｇ」の例では、合計時間算出部２６２は、作業「Ｅ」，作業「Ａ」，作業「Ｇ」に対応付けられている作業時間「ΔＴ３１」〜「ΔＴ３３」，「ΔＴ４１」〜「ΔＴ４３」，「ΔＴ５１」〜「ΔＴ５３」の合計時間「Ｔsum」を繰り返し作業「作業Ｅ→作業Ａ→作業Ｇ」に費やされた合計作業時間として算出する。

合計時間算出部２６２は、このような合計作業時間の算出処理を上述の繰り返し特定部２５６によって特定された繰り返し作業２６９の各々について算出する。さらに、合計時間算出部２６２は、繰り返し作業の作業パターンを区別せずに、繰り返し作業２６９の全体の合計作業時間を算出する。算出されたこれらの合計作業時間は、レポート生成部２６５に出力される。

（Ｆ３．ユーザ数算出部２６３）
次に、図１３を参照して、図１０に示されるユーザ数算出部２６３の機能について説明する。図１３は、繰り返し作業を行ったユーザ数を算出する過程を示す図である。

ユーザ数算出部２６３は、上述の作業特定結果Ｄ１（または操作ログ１３０）に規定される時系列の作業内容の中から、上述の繰り返し特定部２５６によって特定された繰り返し作業２６９が示す作業パターンを抽出する。一例として、特定された繰り返し作業２６９において、繰り返しパターン「作業Ｅ→作業Ａ→作業Ｇ」が含まれていたとする。この場合、ユーザ数算出部２６３は、上述の作業特定結果Ｄ１に規定される時系列の作業内容の中から、繰り返しパターン「作業Ｅ→作業Ａ→作業Ｇ」を抽出する。

上述のように、作業特定結果Ｄ１には、作業を行ったユーザを識別するためのユーザ識別情報（たとえば、ログイン名）が作業内容ごとに対応付けられている。ユーザ数算出部２６３は、当該ユーザ識別情報に基づいて、繰り返し作業を行ったユーザの総数を算出する。図１３の例では、繰り返し作業「作業Ｅ→作業Ａ→作業Ｇ」には、ログイン名「Ｕｓｅｒ１」が２つと、ログイン名「Ｕｓｅｒ２」が１つ対応付けられている。ユーザ数算出部２６３は、ログイン名「Ｕｓｅｒ１」の重複を排除して人数をカウントする。その結果、繰り返し作業「作業Ｅ→作業Ａ→作業Ｇ」を行っていたユーザ総数は、２人して算出される。異なる言い方をすれば、ユーザ数算出部２６３は、繰り返し作業に対応付けられているユーザ識別情報の種類数をユーザ総数として算出する。

ユーザ数算出部２６３は、このようなユーザ総数の算出処理を上述の繰り返し特定部２５６によって特定された繰り返し作業２６９の各々について算出する。さらに、ユーザ数算出部２６３は、繰り返し作業の作業パターンを区別せずに、繰り返し作業２６９を行ったユーザ総数を算出する。算出されたこれらのユーザ総数は、レポート生成部２６５に出力される。

（Ｆ４．繰り返し回数算出部２６４）
次に、図１４を参照して、図１０に示される繰り返し回数算出部２６４の機能について説明する。図１４は、繰り返し作業を行った回数を算出する過程を示す図である。

繰り返し回数算出部２６４は、上述の作業特定結果Ｄ１（図５参照）に規定される時系列の作業内容の中から、繰り返し作業２６９が含まれている数を特定し、当該特定した数を繰り返し作業が行われた回数（以下、「繰り返し回数」ともいう。）として算出する。一例として、繰り返しパターン「作業Ｅ→作業Ａ→作業Ｇ」が、特定された繰り返し作業２６９に含まれていたとする。この場合、繰り返し回数算出部２６４は、上述の作業特定結果Ｄ１に規定される時系列の作業内容の中から、繰り返し作業「作業Ｅ→作業Ａ→作業Ｇ」を抽出する。その結果、繰り返し作業「作業Ｅ→作業Ａ→作業Ｇ」が３つ抽出されたとする。繰り返し回数算出部２６４は、この抽出数を（すなわち、３回）を作業「作業Ｅ→作業Ａ→作業Ｇ」の繰り返し回数として算出する。

繰り返し回数算出部２６４は、このような繰り返し回数の算出処理を上述の繰り返し特定部２５６によって特定された繰り返し作業２６９の各々について算出する。さらに、繰り返し回数算出部２６４は、繰り返し作業の作業パターンを区別せずに、繰り返し作業２６９の全体の繰り返し回数を算出する。算出されたこれらの繰り返し回数は、レポート生成部２６５に出力される。

（Ｆ５．レポート生成部２６５）
次に、図１０に示されるレポート生成部２６５の機能について説明する。

レポート生成部２６５は、上述の平均時間算出部２６１によって算出された繰り返し作業を構成する各作業内容の平均作業時間、合計時間算出部２６２によって算出された繰り返し作業の合計作業時間、ユーザ数算出部２６３によって算出された繰り返し作業を行ったユーザ総数、および、繰り返し回数算出部２６４によって算出された繰り返し回数などを表わした作業レポート２７０を生成する。作業レポート２７０の詳細については後述する。

＜Ｇ．作業レポート２７０＞
次に、図１５〜図１８を参照して、上述の出力部２６０（図１０参照）から出力される作業レポート２７０の具体例について説明する。

作業レポート２７０は、解析業者が解析結果を纏めた上で紙媒体で出力されてもよいし、作業端末１００のディスプレイ１０６に表示されてもよいし、作業端末１００と通信可能な他の装置に送信されて当該他の装置上のディスプレイに表示されてもよい。作業レポート２７０は、作業端末１００や情報処理端末２００のＷｅｂブラウザ上で表示されてもよいし、作業端末１００や情報処理端末２００にインストールされている専用のアプリケーション上に表示されてもよい。また、作業レポート２７０は、既存の各種のアプリケーションで読取り可能な形式で生成されてもよい。一例として、作業レポート２７０は、パワーポイント形式のデータとして生成されてもよいし、ＰＤＦ（Portable Document Format）形式のデータとして生成されてもよいし、Ｗｏｒｄ形式のデータとして生成されてもよいし、Ｅｘｃｅｌ形式のデータとして生成されてもよい。

（作業レポート２７０の具体例１）
まず、図１５を参照して、作業レポート２７０の具体例１について説明する。図１５は、具体例１に係る作業レポート２７０Ａを示す図である。

作業レポート２７０Ａは、作業端末１００の各々から収集した操作ログ１３０の解析結果を示す分析結果欄２７１〜２７６を含む。

分析結果欄２７１には、繰り返し作業２６９に費やされた作業時間だけでなく、他の作業に費やされた作業時間も含めた作業総時間が示されている。図１５の例は、全作業に「２９６０．５時間」が費やされたことを示す。また、分析結果欄２７１には、解析対象となったユーザの総数と、解析対象期間とがさらに示されている。当該ユーザ総数は、たとえば、操作ログ１３０に示されるユーザ識別情報に基づいて算出される。

分析結果欄２７２には、上述の合計時間算出部２６２によって算出された繰り返し作業の合計作業時間が示される。分析結果欄２７２に示される合計作業時間は、全パターンの繰り返し作業２６９の合計作業時間を示す。図１５の例は、全パターンの繰り返し作業２６９に「３０７．５時間」が費やされたことを示す。また、分析結果欄２７２には、繰り返し作業２６９を行ったユーザ総数と、解析対象期間とがさらに示されている。当該ユーザ総数は、上述のユーザ数算出部２６３による算出結果の１つである。

分析結果欄２７３には、上述の解析部２５９によって特定された繰り返し作業のパターン数が示されている。図１５の例は、２８パターンの繰り返し作業が特定されたことが示されている。

分析結果欄２７４には、パソコン作業に費やされた合計作業時間（繰り返し作業に費やされた作業時間を除く）が示されている。図１５の例は、パソコン作業に費やされた合計作業時間に「１１６５時間」が費やされたことを示す。また、分析結果欄２７４には、繰り返し作業２６９を行ったユーザの総数と、解析対象期間とがさらに示されている。当該ユーザ総数は、上述のユーザ数算出部２６３による算出結果の１つである。

分析結果欄２７５には、業務時間の内訳が円グラフ２７５Ａ，２７５Ｂで示されている。円グラフ２７５Ａは、繰り返し作業に費やされた合計作業時間と、パソコン作業に費やされた合計作業時間（繰り返し作業に費やされた作業時間を除く）と、パソコン作業を伴わない合計作業時間との内訳を示す。円グラフ２７５Ｂは、円グラフ２７５Ａの一部に相当する。より具体的には、円グラフ２７５Ｂは、繰り返し作業に費やされた合計作業時間と、パソコン作業に費やされた合計作業時間（繰り返し作業に費やされた作業時間を除く）との内訳を示す。

分析結果欄２７６には、各作業パターンの繰り返し作業について合計作業時間が比較可能な態様（たとえば、グラフ２７６Ａ）で示される。図１５の例では、グラフ２７６Ａは、円グラフで示されているが、グラフ２７６Ａは、棒グラフが採用されてもよいし、折れ線グラフが採用されてもよいし、その他の種類のグラフが採用されてもよい。各作業パターンの繰り返し作業について合計作業時間が比較可能な態様で示されることで、ユーザは、どの作業パターンにおいて時間がかかっているかを容易に把握することができる。

好ましくは、グラフ２７６Ａ上において、作業パターンごとの合計作業時間は、その合計作業時間が長い順に示される。これにより、ユーザは、作業パターンごとの合計作業時間をより比較しやすくなる。

（作業レポート２７０の具体例２）
次に、図１６を参照して、作業レポート２７０の具体例２について説明する。図１６は、具体例２に係る作業レポート２７０Ｂを示す図である。

作業レポート２７０Ｂは、作業端末１００の各々から収集した操作ログ１３０の解析結果を示す分析結果欄２８０〜２８４を含む。

分析結果欄２８０には、所定期間におけるユーザ一人当たりの平均業務時間が示される。また、分析結果欄２８０には、一日当たりの平均業務時間がさらに示される。

分析結果欄２８１には、業務時間が長い上位所定数のユーザと、それらのユーザの業務時間とが示される。図１６の例では、分析結果欄２８１において、業務時間が長い上位３人のユーザと、当該３人のユーザの業務時間とが示されている。

分析結果欄２８２には、業務時間が短い下位所定数のユーザと、それらのユーザの業務時間とが示される。図１６の例では、分析結果欄２８２において、業務時間が短い下位２人のユーザと、当該２人のユーザの業務時間とが示されている。

分析結果欄２８３には、業務時間の内訳がユーザごとに示される。業務時間の内訳は、繰り返し作業に費やされた合計作業時間と、パソコン作業に費やされた合計作業時間（繰り返し作業に費やされた作業時間を除く）と、パソコン作業を伴わない合計作業時間とで構成される。繰り返し作業に費やされた合計作業時間がユーザごとに表示されることで、ユーザは、どのユーザが繰り返し作業を多く行っているのかを容易に把握することができる。

分析結果欄２８４には、作業レポート２７０Ｂに対する解析者のコメントが示される。典型的には、当該コメントは、解析業者によって入力される。

（作業レポート２７０の具体例３）
次に、図１７を参照して、作業レポート２７０の具体例３について説明する。図１７は、具体例３に係る作業レポート２７０Ｃを示す図である。

作業レポート２７０Ｃは、上述の解析部２５９によって特定された複数パターンの繰り返し作業２６９の内の、特定の作業パターンの繰り返し作業（以下、「第１の繰り返し作業」ともいう。）に関する解析結果を示す。作業レポート２７０Ｃは、分析結果欄３１０，３１１，３１３，３２０，３３０，３４０を含む。

分析結果欄３１０には、第１の繰り返し作業に対する対策優先度が示される。対策優先度は、第１の繰り返し作業に費やされた作業時間や、第１の繰り返し作業を行ったユーザ総数などを総合的に考慮して判断される。一例として、作業時間が多いほど対策優先度が高くなる。あるいは、ユーザ総数が多いほど対策優先度は高くなる。

分析結果欄３１１には、第１の繰り返し作業に費やされた合計作業時間が示される。当該合計作業時間は、上述の合計時間算出部２６２によって算出される。図１７の例は、第１の繰り返し作業に「１０８時間」が費やされたことを示す。ユーザは、当該合計作業時間を確認することで、第１の繰り返し作業に費やされた時間を容易に把握することができる。

また、分析結果欄３１１には、第１の繰り返し作業が行われた総回数が示される。当該総回数は、繰り返し回数算出部２６４によって算出される。図１７の例は、第１の繰り返し作業が「１３６１回」行われたことを示す。ユーザは、当該総回数を確認することで、第１の繰り返し作業が行われた総回数を容易に把握することができる。

分析結果欄３１３には、第１の繰り返し作業を行ったユーザ総数と、第１の繰り返し作業に係る作業量をユーザごとに比較可能な態様で表わしたグラフ３１４とが示される。図１７の例では、グラフ３１４は、円グラフとして示されているが、第１の繰り返し作業に係る作業量をユーザごとに比較可能な態様であれば任意の種類のグラフが採用され得る。一例として、グラフ３１４において、棒グラフが採用されてもよいし、折れ線グラフが採用されてもよいし、その他の種類のグラフが採用されてもよい。第１の繰り返し作業に係る作業量をユーザごとに比較可能な態様で、ユーザは、第１の繰り返し作業をどの作業者が多く行っているのかを容易に把握することができる。

分析結果欄３２０には、第１の繰り返し作業を構成する各作業内容が時系列の順に並べて示される。このとき各作業内容は、たとえば、時系列の順に矢印で繋がれる。これにより、ユーザは、第１の繰り返し作業における作業順序を容易に分析することができる。また、この順序は、ユーザが作業を行う上での作業マニュアルにもなり得る。

好ましくは、分析結果欄３２０には、第１の繰り返し作業を構成する各作業を１回行うのに要した平均作業時間がさらに表わされる。典型的には、平均作業時間の各々は、対応する作業内容に並べて表わされる。平均作業時間は、上述の平均時間算出部２６１（図１０参照）によって算出される。各作業内容の平均作業時間が示されることで、ユーザは、繰り返し作業を構成する各作業内容の内、どの作業内容に労力が使われているのかを容易に把握することができ、どの作業内容を自動化すれば効果的であるのかを分析することができる。また、分析結果欄３２０には、各作業内容に費やされた平均作業時間だけでなく、第１の繰り返し作業を１回行うのに要する平均作業時間も示される。

分析結果欄３３０には、第１の繰り返し作業が行われた頻度を予め定められた時間区分ごとに表わしたグラフ３３１が示される。図１７の例では、グラフ３３１がヒストグラムとして示されているが、第１の繰り返し作業が行われた頻度の時間分布を表わす態様であれば任意の種類のグラフが採用され得る。一例として、グラフ３３１において、棒グラフが採用されてもよいし、折れ線グラフが採用されてもよいし、その他の種類のグラフが採用されてもよい。また、図１７の例では、グラフ３３１に示される時間区分が日単位で示されているが、当該時間区分は、分単位で示されてもよいし、時間単位で示されてもよいし、週単位で示されてもよいし、月単位で示されてもよいし、年単位で示されてもよい。また、グラフ３３１に示される時間単位は、ユーザによって任意に調整されてもよい。ユーザは、グラフ３３１を確認することで、第１の繰り返し作業がどの時期に多く行われているのかを容易に分析することができる。

グラフ３３１に示される各頻度は、上述の操作ログ１３０（または作業特定結果Ｄ１）に示される操作時刻に基づいて算出される。当該操作時刻は、繰り返し作業が行われた時刻を表わすので、情報処理端末２００は、当該操作時刻に基づいて、第１の繰り返し作業の各々が複数の予め定められた時間区分の内のいずれに属するのかを特定することができる。

分析結果欄３４０には、作業レポート２７０Ｃに対する解析者のコメントが示される。典型的には、当該コメントは、解析業者によって入力される。

（作業レポート２７０の具体例４）
次に、図１８を参照して、作業レポート２７０の具体例４について説明する。図１８は、具体例４に係る作業レポート２７０Ｄを示す図である。

作業レポート２７０Ｄは、上述の図１７で説明した第１の繰り返し作業とは異なる作業パターンの繰り返し作業（以下、「第２の繰り返し作業」ともいう。）に関する解析結果を示す。作業レポート２７０Ｄは、分析結果欄４１０，４１１，４１３，４２０，４３０，４４０を含む。

分析結果欄４１０には、第２の繰り返し作業に対する対策優先度が示される。対策優先度は、第２の繰り返し作業に費やされた作業時間や、第２の繰り返し作業を行ったユーザ総数などを総合的に考慮して判断される。一例として、作業時間が多いほど対策優先度が高くなる。あるいは、ユーザ総数が多いほど対策優先度は高くなる。

分析結果欄４１１には、第２の繰り返し作業に費やされた合計作業時間が示される。当該合計作業時間は、上述の合計時間算出部２６２によって算出される。図１８の例は、第２の繰り返し作業に「７６．７時間」が費やされたことを示す。ユーザは、当該合計作業時間を確認することで、第２の繰り返し作業に費やされた時間を容易に把握することができる。

また、分析結果欄４１１には、第２の繰り返し作業が行われた総回数が示される。当該総回数は、繰り返し回数算出部２６４によって算出される。図１８の例は、第２の繰り返し作業が「９５５回」行われたことを示す。ユーザは、当該総回数を確認することで、第２の繰り返し作業が行われた総回数を容易に把握することができる。

分析結果欄４１３には、第２の繰り返し作業を行ったユーザ総数と、第２の繰り返し作業に係る作業量をユーザごとに比較可能な態様で表わしたグラフ４１４とが示される。図１８の例では、グラフ４１４は、円グラフとして示されているが、第２の繰り返し作業に係る作業量をユーザごとに比較可能な態様であれば任意の種類のグラフが採用され得る。一例として、グラフ４１４において、棒グラフが採用されてもよいし、折れ線グラフが採用されてもよいし、その他の種類のグラフが採用されてもよい。第２の繰り返し作業に係る作業量をユーザごとに比較可能な態様で、ユーザは、第２の繰り返し作業をどの作業者が多く行っているのかを容易に把握することができる。

分析結果欄４２０には、第２の繰り返し作業を構成する各作業内容が時系列の順に並べて示される。このとき各作業内容は、たとえば、時系列の順に矢印で繋がれる。これにより、ユーザは、第２の繰り返し作業における作業順序を容易に分析することができる。また、この順序は、ユーザが作業を行う上での作業マニュアルにもなり得る。

好ましくは、分析結果欄４２０には、第２の繰り返し作業を構成する各作業を１回行うのに要した平均作業時間がさらに表わされる。典型的には、平均作業時間の各々は、対応する作業内容に並べて表わされる。平均作業時間は、上述の平均時間算出部２６１（図１０参照）によって算出される。各作業内容の平均作業時間が示されることで、ユーザは、繰り返し作業を構成する各作業内容の内、どの作業内容に労力が使われているのかを容易に把握することができ、どの作業内容を自動化すれば効果的であるのかを分析することができる。また、分析結果欄４２０には、各作業内容に費やされた平均作業時間だけでなく、第２の繰り返し作業を１回行うのに要する平均作業時間も示される。

好ましくは、分析結果欄４２０において、第２の繰り返し作業を構成する各作業内容は、アプリケーションごとに異なる態様で示される。より具体的には、第２の繰り返し作業を構成する各作業内容が、第１のアプリケーションを用いて実施された第１の作業群と、第２のアプリケーションを用いて実施された第２の作業群とを含む場合、第１の作業群および第２の作業群は異なる態様で示される。分類の仕方は任意である。たとえば、第１の作業群および第２の作業群は、それぞれ、文字や背景などの色を異ならせることで分類されてもよいし、矩形などの図形で囲まれることで分類されてもよい。

分析結果欄４３０には、第２の繰り返し作業が行われた頻度を予め定められた時間区分ごとに表わしたグラフ４３１が示される。図１８の例では、グラフ４３１がヒストグラムとして示されているが、第２の繰り返し作業が行われた頻度の時間分布を表わす態様であれば任意の種類のグラフが採用され得る。一例として、グラフ４３１において、棒グラフが採用されてもよいし、折れ線グラフが採用されてもよいし、その他の種類のグラフが採用されてもよい。また、図１８の例では、グラフ４３１に示される時間区分が日単位で示されているが、当該時間区分は、分単位で示されてもよいし、時間単位で示されてもよいし、週単位で示されてもよいし、月単位で示されてもよいし、年単位で示されてもよい。また、グラフ４３１に示される時間単位は、ユーザによって任意に調整されてもよい。ユーザは、グラフ４３１を確認することで、第２の繰り返し作業がどの時期に多く行われているのかを容易に分析することができる。

グラフ４３１に示される各頻度は、上述の操作ログ１３０（または作業特定結果Ｄ１）に示される操作時刻に基づいて算出される。当該操作時刻は、繰り返し作業が行われた時刻を表わすので、情報処理端末２００は、当該操作時刻に基づいて、第２の繰り返し作業の各々が複数の予め定められた時間区分の内のいずれに属するのかを特定することができる。

分析結果欄４４０には、作業レポート２７０Ｄに対する解析者のコメントが示される。典型的には、当該コメントは、解析業者によって入力される。

＜Ｈ．フローチャート＞
以下では、図１９および図２０を参照して、作業端末１００および情報処理端末２００の制御構造について順に説明する。

（Ｈ１．作業端末１００の制御フロー）
まず、図１９を参照して、作業端末１００の制御フローについて説明する。図１９は、作業端末１００が実行する処理の一部を表わすフローチャートである。作業端末１００の制御装置１０１（図３参照）は、上述の操作監視プログラム１２２（図３参照）の実行開始指示を受けたことに基づいて、ステップＳ１１０の処理を実行する。

ステップＳ１１０において、制御装置１０１は、作業端末１００に対する操作を受けたか否かを判断する。制御装置１０１は、作業端末１００に対する操作を受けたと判断した場合（ステップＳ１１０においてＹＥＳ）、制御をステップＳ１１２に切り替える。そうでない場合には（ステップＳ１１０においてＮＯ）、制御装置１０１は、制御をステップＳ１２０に切り替える。

ステップＳ１１２において、制御装置１０１は、ユーザ操作に係る情報を上述の操作ログ１３０（図２参照）に書き込む。一例として、制御装置１０１は、操作対象の作業端末１００を示す端末識別情報（たとえば、パソコン名）と、操作を行ったユーザを示すユーザ識別情報（たとえば、ログイン名）と、操作が行われたタイミングを示す操作時刻と、操作に費やされた時間を示す作業時間と、操作対象のアプリケーションを示すアプリケーション識別情報（たとえば、アプリケーション名）と、送信元の作業端末１００に対する操作情報（たとえば、操作対象のウィンドウのタイトル）とを操作ログ１３０に書き込む。

ステップＳ１２０において、制御装置１０１は、操作ログ１３０の送信タイミングが到来したか否かを判断する。操作ログ１３０の送信タイミングは、予め定められた期間が経過（たとえば、１日）するごとに到来する。制御装置１０１は、操作ログ１３０の送信タイミングが到来したと判断した場合（ステップＳ１２０においてＹＥＳ）、制御をステップＳ１２２に切り替える。そうでない場合には（ステップＳ１２０においてＮＯ）、制御装置１０１は、制御をステップＳ１３０に切り替える。

ステップＳ１２２において、制御装置１０１は、操作ログ１３０を情報処理端末２００に送信する。

ステップＳ１３０において、制御装置１０１は、操作監視プログラム１２２の実行を終了するか否かを判断する。一例として、制御装置１０１は、操作監視プログラム１２２の実行終了操作をユーザから受けたことに基づいて、操作監視プログラム１２２の実行を終了すると判断する。制御装置１０１は、操作監視プログラム１２２の実行を終了すると判断した場合（ステップＳ１３０においてＹＥＳ）、図１９に示される処理を終了する。そうでない場合には（ステップＳ１３０においてＮＯ）、制御装置１０１は、制御をステップＳ１１０に戻す。

（Ｈ２．情報処理端末２００の制御フロー）
次に、図２０を参照して、情報処理端末２００の制御フローについて説明する。図２０は、情報処理端末２００が実行する処理の一部を表わすフローチャートである。情報処理端末２００の制御装置２０１（図４参照）は、上述の情報処理プログラム２２２（図４参照）の実行開始指示を受けたことに基づいて、ステップＳ２１０の処理の実行を開始する。

ステップＳ２１０において、制御装置２０１は、上述の通信部２５２（図２参照）として機能し、作業端末１００の各々から操作ログ１３０を受信する。

ステップＳ２１２において、制御装置２０１は、上述の作業特定部２５４（図２参照）として機能し、作業端末１００から受信した操作ログ１３０の各々に規定される時系列の各操作情報から、当該各操作情報について、対応する作業内容を特定する。操作情報に対応する作業内容を特定方法については、上述の「Ｂ．情報処理端末２００の概要」で説明した通りであるので、その説明については繰り返さない。

ステップＳ２１４において、制御装置２０１は、上述の繰り返し特定部２５６（図２参照）として機能し、ステップＳ２１２で時系列の各操作情報について特定された各作業内容から、繰り返し行われている一連の繰り返し作業を特定する。繰り返し作業の特定方法については、上述の「Ｅ．繰り返し特定部２５６の機能」で説明した通りであるので、その説明については繰り返さない。

ステップＳ２１６において、制御装置２０１は、上述の出力部２６０（図２参照）として機能し、ステップＳ２１４で特定された繰り返し作業の作業パターンに基づいて、操作ログ１３０を分析する。操作ログ１３０の分析方法については、上述の「Ｆ．出力部２６０の機能」で説明した通りであるので、その説明については繰り返さない。

ステップＳ２１８において、制御装置２０１は、上述の出力部２６０（図２参照）として機能し、ステップＳ２１６での分析結果を作業レポート２７０として出力する。作業レポート２７０については「Ｇ．作業レポート２７０」で説明した通りであるので、その説明については繰り返さない。

＜Ｉ．変形例１＞
図２１を参照して、上述の学習データ生成部２５７（図７参照）による学習データセットの生成方法について変形例を説明する。

上述では、学習データ生成部２５７は、作業特定結果Ｄ１に含まれる時系列の作業内容群を所定単位数ごとにブロック化し、各ブロックに基づいて学習用データセットＤ２を生成していた。これに対して、本変形例では、学習データ生成部２５７は、作業特定結果Ｄ１に時系列に規定される作業内容群を所定時間単位ごとにブロック化し、各ブロックに基づいて学習用データセットＤ２Ａを生成する。

図２１は、変形例に従う学習データ生成部２５７の機能を概略的に示す図である。図２１には、作業特定結果Ｄ１に含まれる作業内容群がグラフＧ１として示されている。グラフＧ１の横軸は、時間を表わす。グラフＧ１の縦軸は、作業内容の種別を表わす。グラフＧ１に示される各点は、作業特定結果Ｄ１に含まれる１つの作業内容を示す。

図２１に示されるように、学習データ生成部２５７は、作業特定結果Ｄ１に含まれる作業内容群が所定の単位時間ΔＴごとにブロック化する。次に、学習データ生成部２５７は、各ブロックに含まれる各点の間を補間し、単位時間ΔＴに含まれる作業内容群を所定次元数に正規化する。当該補間の方法は、任意である。一例として、補間処理として、各点間が直線で結ばれてもよいし、各点の近似関数が算出されてもよい。これにより、各ブロックに含まれる作業内容の数の差異が吸収される。以下では、正規化後の作業内容群を「作業ベクトル」とも称する。

次に、学習データ生成部２５７は、各ブロックの作業ベクトルに対して、当該ブロックに続く次ブロックに対応する作業ベクトルを正解情報としてタグ付ける。図２１の例では、たとえば、作業パターン１に対応する作業ベクトルに対して、作業パターン１に続く作業パターン４の作業ベクトルが正解情報としてタグ付けされる。また、作業パターン２に対応する作業ベクトルに対して、作業パターン２に続く作業パターン５の作業ベクトルが正解情報としてタグ付けされる。このようなタグ付けが全てのブロックについて実行され、それらが学習用データセットＤ２Ａとして生成されている。

上述の学習部２５８（図８参照）は、生成された学習用データセットＤ２Ａに基づいて、作業推定モデルＭを生成する。作業推定モデルＭの生成方法は上述の通りであるので、その説明については繰り返さない。

上述の解析部２５９（図９参照）は、学習部２５８による学習済みの作業推定モデルＭに対して学習用データセットＤ２Ａを再び入力し、繰り返し作業を示す作業パターンを特定する。

このように、時間の長さが考慮された学習用データセットＤ２Ａに基づいて、作業推定モデルＭが生成されることで、繰り返し作業をより確実に抽出することが可能になる。

＜Ｊ．変形例２＞
次に、繰り返し特定部２５６（図２参照）による繰り返し作業の特定方法について変形例を説明する。

上述の繰り返し特定部２５６は、学習処理により生成された作業推定モデルＭに基づいて、繰り返し作業２６９を特定していたが、繰り返し作業は、学習処理以外の方法で特定されてもよい。

一例として、繰り返し特定部２５６は、作業特定結果Ｄ１に含まれる時系列の作業内容群を所定単位数ごと（あるいは所定時間単位ごと）にブロック化し、作業内容群の各ブロックを比較することで、ブロック同士の類似度を算出する。より具体的には、繰り返し特定部２５６は、各ブロックに含まれる作業内容群をベクトルとしてみなし、各ブロック間でベクトルの内積値を算出する。当該内積値が高いブロック同士は、作業内容が類似していることを示す。

以上のように、繰り返し特定部２５６は、学習処理によって繰り返し作業２６９を特定してもよいし、予め定められたルールベースの処理によって繰り返し作業２６９を特定してもよい。

＜Ｋ．変形例３＞
図２２を参照して、機能構成の実装形態について変形例を説明する。

上述の図２の例では、作業特定部２５４、作業特定部２５４、繰り返し特定部２５６、および出力部２６０などの機能構成が、情報処理端末２００に実装されていた。すなわち、操作ログ１３０から作業レポート２７０を生成する各種の機能が情報処理端末２００に実装されていた。これに対して、本変形例では、これらの機能構成が、作業端末１００に実装される。

図２２は、変形例に従う作業端末１００を示す図である。図２２に示されるように、作業端末１００は、ハードウェア構成として、制御装置１０１と、記憶装置１２０とを含む。制御装置１０１は、機能構成として、操作監視部１５２と、作業特定部２５４と、繰り返し特定部２５６と、出力部２６０とを含む。

作業特定部２５４、作業特定部２５４、繰り返し特定部２５６、および出力部２６０の機能については上述の通りであるので、以下では、それらの説明について繰り返さない。

操作監視部１５２は、作業端末１００に対する操作を監視する。操作監視部１５２は、ユーザが作業端末１００を操作したことに基づいて、ユーザ操作に係る情報を上述の操作ログ１３０（図２参照）に書き込む。一例として、操作監視部１５２は、操作対象の作業端末１００を示す端末識別情報（たとえば、パソコン名）と、操作を行ったユーザを示すユーザ識別情報（たとえば、ログイン名）と、操作が行われたタイミングを示す操作時刻と、操作に費やされた時間を示す作業時間と、操作対象のアプリケーションを示すアプリケーション識別情報（たとえば、アプリケーション名）と、送信元の作業端末１００に対する操作情報（たとえば、操作対象のウィンドウのタイトル）とを操作ログ１３０に書き込む。

以上のように、操作ログ１３０から作業レポート２７０を生成するための各種処理は、必ずしも、情報処理端末２００に実装される必要はない。これらの各種処理は、たとえば、作業端末１００に実装されてもよい。すなわち、作業端末１００は、上述の情報処理端末２００として機能し得る。

＜Ｌ．まとめ＞
以上のようにして、情報処理端末２００は、作業端末１００の各々から受信した操作ログ１３０に基づいて、繰り返し行われている作業（すなわち、繰り返し作業）を特定する。そして、情報処理端末２００は、特定した繰り返し作業を作業レポート２７０として出力する。

繰り返し作業が自動化されると、作業効率が大幅に改善されるので、このような繰り返し作業の提示は、作業効率を改善するためのヒントになり得る。そのため、情報処理端末２００は、作業端末１００における作業効率の改善を支援することができる。

また、情報処理端末２００は、繰り返し作業を提示するだけでなく、業務改善のための種々のヒントを作業レポート２７０として出力する。一例として、情報処理端末２００は、繰り返し作業が行われた総回数や、当該総回数のユーザごとの内訳や、繰り返し作業を構成する各作業の平均作業時間など、種々の情報を出力する。これらの情報も、作業効率を改善するためのヒントになり得る。これらの情報が提示されることで、ユーザは、より効率的に作業効率の改善を行うことができる。

今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

１００ 作業端末、１０１，２０１ 制御装置、１０２，２０２ ＲＯＭ、１０３，２０３ ＲＡＭ、１０４，２０４ 通信インターフェイス、１０５，２０５ 表示インターフェイス、１０６，２０６ ディスプレイ、１０７，２０７ 入力インターフェイス、１０８，２０８ 入力デバイス、１１０，２１０ バス、１２０，２２０ 記憶装置、１２２ 操作監視プログラム、１３０ 操作ログ、１３２ 作業用プログラム、１５２ 操作監視部、２００ 情報処理端末、２２２ 情報処理プログラム、２３２ 作業定義、２５２ 通信部、２５４ 作業特定部、２５６ 繰り返し特定部、２５７ 学習データ生成部、２５８ 学習部、２５９ 解析部、２６０ 出力部、２６１ 平均時間算出部、２６２ 合計時間算出部、２６３ ユーザ数算出部、２６４ 回数算出部、２６５ レポート生成部、２６９ 繰り返し作業、２７０，２７０Ａ，２７０Ｂ，２７０Ｃ，２７０Ｄ 作業レポート、２７１，２７２，２７３，２７４，２７５，２７６，２８０，２８１，２８２，２８３，２８４，３１０，３１１，３１３，３２０，３３０，３４０，４１０，４１１，４１３，４２０，４３０，４４０ 分析結果欄、２７５Ａ，２７５Ｂ 円グラフ、２７６Ａ，３１４，３３１，４１４，４３１ グラフ、５００ 情報処理システム。

Claims (10)

1. 複数の業務端末と通信する通信部を備え、前記通信部は、前記複数の業務端末の各々から当該業務端末における操作ログを受信し、当該操作ログには、送信元の業務端末に対する操作情報の各々が時系列で規定されており、さらに、
   前記受信した各操作ログに規定される時系列の各操作情報から、当該各操作情報について、対応する作業内容を特定するための作業特定部と、
   前記作業特定部によって時系列の各操作情報について特定された各作業内容から、繰り返し行われている一連の繰り返し作業を特定するための繰り返し特定部と、
   前記繰り返し作業を構成する各作業内容を時系列の順に並べて出力するための出力部とを備える、情報処理端末。
2. 前記受信した各操作ログに規定される各操作情報には、操作に費やされた作業時間がさらに対応付けられており、
   前記出力部は、前記受信した各操作ログに規定される各作業時間に基づいて、前記繰り返し作業を構成する作業内容ごとに、当該作業内容に費やされた平均作業時間を算出し、当該算出した平均作業時間の各々をさらに出力する、請求項１に記載の情報処理端末。
3. 前記出力部は、前記受信した各操作ログに規定される各作業時間に基づいて、前記繰り返し作業に費やされた合計作業時間を算出し、当該合計作業時間をさらに出力する、請求項２に記載の情報処理端末。
4. 前記繰り返し特定部によって複数パターンの繰り返し作業が特定された場合、前記出力部は、前記複数パターンの繰り返し作業の各々について前記合計作業時間を算出し、前記複数パターンの繰り返し作業の各々についての前記合計作業時間を比較可能な態様で表わしたグラフをさらに出力する、請求項３に記載の情報処理端末。
5. 前記受信した各操作ログに規定される各操作情報には、操作を行ったユーザを示すユーザ識別情報がさらに対応付けられており、
   前記出力部は、前記受信した各操作ログに規定される前記ユーザ識別情報に基づいて、前記繰り返し作業を行ったユーザの総数を算出し、当該総数をさらに出力する、請求項１〜４のいずれか１項に記載の情報処理端末。
6. 前記出力部は、前記繰り返し作業に係る作業量をユーザごとに比較可能な態様で表わしたグラフをさらに出力する、請求項５に記載の情報処理端末。
7. 前記出力部は、前記作業特定部によって時系列の各操作情報について特定された各作業内容において、前記繰り返し作業が含まれている数を特定し、当該特定した数を前記繰り返し作業が行われた回数としてさらに出力する、請求項１〜６のいずれか１項に記載の情報処理端末。
8. 前記受信した各操作ログに規定される各操作情報には、操作が行われた操作時刻がさらに対応付けられており、
   前記出力部は、前記受信した各操作ログに規定される各操作時刻に基づいて、前記繰り返し作業が行われた頻度を予め定められた時間区分ごとに算出し、当該予め定められた時間区分ごとに当該頻度を表わしたグラフをさらに出力する、請求項１〜７のいずれか１項に記載の情報処理端末。
9. 複数の業務端末の各々から当該業務端末における操作ログを受信するステップを備え、当該操作ログには、送信元の業務端末に対する操作情報の各々が時系列で規定されており、さらに、
   前記受信した各操作ログに規定される時系列の各操作情報から、当該各操作情報について、対応する作業内容を特定するステップと、
   前記特定するステップで時系列の各操作情報について特定された各作業内容から、繰り返し行われている一連の繰り返し作業を特定するステップと、
   前記繰り返し作業を構成する各作業内容を時系列の順に並べて出力するステップとを備える、情報処理方法。
10. コンピュータに実行される情報処理プログラムであって、
    前記情報処理プログラムは、前記コンピュータに、
    複数の業務端末の各々から当該業務端末における操作ログを受信するステップを実行させ、当該操作ログには、送信元の業務端末に対する操作情報の各々が時系列で規定されており、
    前記情報処理プログラムは、前記コンピュータに、さらに、
    前記受信した各操作ログに規定される時系列の各操作情報から、当該各操作情報について、対応する作業内容を特定するステップと、
    前記特定するステップで時系列の各操作情報について特定された各作業内容から、繰り返し行われている一連の繰り返し作業を特定するステップと、
    前記繰り返し作業を構成する各作業内容を時系列の順に並べて出力するステップとを実行させる、情報処理プログラム。

Images