JP2022031234A - 機械学習および予測モデリングを利用した新製品開発の予測成功率の管理および判断 - Google Patents

Abstract

【課題】新製品開発の予測成功率の管理及び判断を行う方法、デバイス及び非一時的コンビュータ可読媒体を提供する。【解決手段】新製品開発システムは、新製品の開発を可能にする１つ以上のツールを、１つ以上のクライアントデバイス及びサーバデバイスへの提供し、新製品の開発に関わる現行プロジェクトを特定する現行プロジェクトデータと、過去の製品の開発に関わる過去のプロジェクトを特定する過去のプロジェクトデータと、新製品に関連する業界データと、を受信し、予測モデルの１つ以上の変数を特定するために、機械学習モデルを用いて現行プロジェクトデータと、過去のプロジェクトデータと、業界データと、を処理する。さらに、現行プロジェクトの予測成功率を予測するために、予測モデルを用いて１つ以上の変数を処理し、現行プロジェクトの予測成功率に基づき１つ以上のアクションを実行する。【選択図】図５

Description

本開示は、全般的に、機械学習および予測モデリングを利用して、新製品開発の予測成功率の管理および判断を行う方法およびシステムに関する。

新製品の開発および発売では、研究開発（Ｒ＆Ｄ：ｒｅｓｅａｒｃｈ ａｎｄ ｄｅｖｅｌｏｐｍｅｎｔ）部門、調達部門、製造部門、マーケティング部門、および／または同様のものなど、多数の異なる部門間の調整が必要である。さらにこれは、新製品の開発の複雑さ、新製品の開発のタイムライン、新製品の生産に必要なリソースの数量およびタイプ、新製品に対する現行需要および予想需要、ならびに／または同様のものについて推定することも必要とする。各部門の調整と、推定とを効果的に行うために、チームリーダーは、新製品の開発および発売のためのプロジェクトの１つ以上の特徴に関する判断を下さなければならない。

一部の実装において、方法は、１つ以上のクライアントデバイスおよびサーバデバイスを介した新製品の開発を可能にする１つ以上のツールを、デバイスによって１つ以上のクライアントデバイスおよびサーバデバイスに提供するステップと、新製品の開発に関わる現行プロジェクトを特定する現行プロジェクトデータを、デバイスによって１つ以上のツールから受信するステップと、過去の製品の開発に関わる過去のプロジェクトを特定する過去のプロジェクトデータを、デバイスによって受信するステップと、業界データであって、新製品に関連する業界動向か、新製品に関連するマーケットインテリジェンスか、新製品に関連するクラウドソーシングによるアイデアか、または新製品に関連する見込み客か、のうちの１つ以上を特定する業界データを、デバイスによって受信するステップと、予測モデルの１つ以上の変数を特定するために、デバイスによって、機械学習モデルを用いて現行プロジェクトデータと、過去のプロジェクトデータと、業界データとを処理するステップであって、１つ以上の変数は、新製品の開発に関連し且つ過去の製品を開発した事業体の過去のプロジェクトの数量か、業界データにおいて特定される業界プロジェクトの数量か、現行プロジェクトと過去のプロジェクトとの間の関連性を示し、現行プロジェクトと業界プロジェクトとの間の関連性を示す関連性係数か、現行プロジェクトと比較した過去のプロジェクトの新しさを示し、現行プロジェクトと比較した業界プロジェクトの新しさを示す直近性係数か、過去のプロジェクトおよび業界プロジェクトの成功率か、または現行プロジェクトについて定義された初期目標から、現行プロジェクトについて定義された初期コストから、および現行プロジェクトについて定義された初期タイムラインからの逸脱割合か、のうちの１つ以上を含む、処理するステップと、現行プロジェクトの予測成功率を予測するために、デバイスによって、予測モデルを用いて１つ以上の変数を処理するステップと、デバイスによって、現行プロジェクトの予測成功率に基づき１つ以上のアクションを実行するステップと、を含む。

上記の方法の一部の実装において、現行プロジェクトデータを受信するステップは、新製品に関連するコンセプト開発データを受信するステップか、新製品に関連する計画データを受信するステップか、新製品に関連する設計データを受信するステップか、新製品に関連する試作データを受信するステップか、新製品に関連するテストデータを受信するステップか、または新製品に関連する試験的発売データを受信するステップか、のうちの１つ以上を含んでもよい。

上記の方法の一部の実装において、過去のプロジェクトデータは、新製品の開発に関連し且つ過去の製品を開発した事業体の過去のプロジェクトデータを含んでもよい。

上記の方法の一部の実装において、予測モデルの１つ以上の変数を特定するために、機械学習モデルを用いて現行プロジェクトデータと、過去のプロジェクトデータと、業界データとを処理するステップは、新製品の開発に関連し且つ過去の製品を開発した事業体の過去のプロジェクトの数量か、業界データにおいて特定される業界プロジェクトの数量か、現行プロジェクトと過去のプロジェクトとの間の関連性および現行プロジェクトと業界プロジェクトとの間の関連性を示す関連性係数か、現行プロジェクトと比較した過去のプロジェクトの新しさおよび現行プロジェクトと比較した業界プロジェクトの新しさを示す直近性係数か、過去のプロジェクトの成功率か、業界プロジェクトの成功率か、現行プロジェクトについて定義された初期目標からの逸脱割合か、現行プロジェクトについて定義された初期コストからの逸脱割合か、または現行プロジェクトについて定義された初期タイムラインからの逸脱割合か、のうちの１つ以上を特定するために、機械学習モデルを用いて現行プロジェクトデータと、過去のプロジェクトデータと、業界データとを処理するステップを含んでもよい。

上記の方法の一部の実装において、現行プロジェクトの予測成功率を予測するために、予測モデルを用いて１つ以上の変数を処理するステップは、現行プロジェクトの予測成功率を予測するために、予測モデルを用いて、新製品の開発に関連し且つ過去の製品を開発した事業体の過去のプロジェクトの数量か、業界データにおいて特定される業界プロジェクトの数量か、現行プロジェクトと過去のプロジェクトとの間の関連性および現行プロジェクトと業界プロジェクトとの間の関連性を示す関連性係数か、現行プロジェクトと比較した過去のプロジェクトの新しさおよび現行プロジェクトと比較した業界プロジェクトの新しさを示す直近性係数か、過去のプロジェクトの成功率か、業界プロジェクトの成功率か、現行プロジェクトについて定義された初期目標からの逸脱割合か、現行プロジェクトについて定義された初期コストからの逸脱割合か、または現行プロジェクトについて定義された初期タイムラインからの逸脱割合か、のうちの１つ以上を処理するステップを含んでもよい。

上記の方法の一部の実装において、１つ以上のアクションを実行するステップは、現行プロジェクトの予測成功率を特定する情報を表示のために提供するステップか、現行プロジェクトの変更を予測成功率に基づき決定し、１つ以上のツールを介して変更を実装させるステップか、または現行プロジェクトのアクション計画を予測成功率に基づき実装し、アクション計画の実行を監視するステップか、のうちの１つ以上を含んでもよい。

上記の方法の一部の実装において、１つ以上のアクションを実行するステップは、現行プロジェクトの投資利益率を特定する情報を予測成功率に基づき計算し、表示のために提供するステップか、現行プロジェクトの推奨投資利益率を予測成功率に基づき決定し、１つ以上のツールを介して推奨投資利益率を実装させるステップか、または機械学習モデルを予測成功率に基づき再訓練するステップか、のうちの１つ以上を含んでもよい。

一部の実装において、デバイスは、１つ以上のメモリと、１つ以上のメモリに通信可能なように結合された１つ以上のプロセッサとを含み、１つ以上のプロセッサは、１つ以上のクライアントデバイスおよびサーバデバイスを介した新製品の開発を可能にする１つ以上のツールを、１つ以上のクライアントデバイスおよびサーバデバイスに提供することと、新製品の開発に関わる現行プロジェクトを特定する現行プロジェクトデータを、１つ以上のツールから受信することと、過去の製品の開発に関わる過去のプロジェクトを特定する過去のプロジェクトデータを受信することと、新製品に関連する業界データを受信することと、予測モデルの１つ以上の変数を特定するために、機械学習モデルを用いて現行プロジェクトデータと、過去のプロジェクトデータと、業界データとを処理することであって、機械学習モデルは、先行製品の開発に関わる先行プロジェクトを特定する先行プロジェクトデータ、過去のプロジェクトデータ、および先行製品に関連する特定の業界データ、に基づき訓練される、処理することと、現行プロジェクトの予測成功率を予測するために、予測モデルを用いて１つ以上の変数を処理することと、現行プロジェクトの予測成功率に基づき１つ以上のアクションを実行することと、をするように構成される。

上記のデバイスの一部の実装において、１つ以上のツールは、コストおよびリソース最適化ツールか、プロジェクトロードマップおよびスケジューリングツールか、または計画、選択、および優先順位付けツールか、のうちの１つ以上を含んでもよい。

上記のデバイスの一部の実装において、１つ以上のプロセッサは、１つ以上のアクションを実行するとき、現行プロジェクトの１つ以上の変更を予測成功率に基づき決定することと、１つ以上のツールを介して１つ以上の変更を実装させることと、１つ以上の変更を実装させることに基づき、現行プロジェクトの更新された予測成功率を判断することと、現行プロジェクトの更新された予測成功率に基づき追加の１つ以上のアクションを実行することと、をするように構成されてもよい。

上記のデバイスの一部の実装において、１つ以上のプロセッサは、現行プロジェクトの予測成功率を予測するために、予測モデルを用いて１つ以上の変数を処理するとき、新製品の開発に関連し且つ過去の製品を開発した事業体の過去のプロジェクトの数量を判断することと、業界データにおいて特定される業界プロジェクトの数量を判断することと、現行プロジェクトと過去のプロジェクトとの間の関連性を示す過去の関連性係数を判断することと、現行プロジェクトと業界プロジェクトとの間の関連性を示す業界関連性係数を判断することと、現行プロジェクトと比較した過去のプロジェクトの新しさを示す過去の直近性係数を判断することと、現行プロジェクトと比較した業界プロジェクトの新しさを示す業界直近性係数を判断することと、過去のプロジェクトの第１の成功率を判断することと、業界プロジェクトの第２の成功率を判断することと、現行プロジェクトについて定義された初期目標からの第１の逸脱割合を判断することと、現行プロジェクトについて定義された初期コストからの第２の逸脱割合を判断することと、現行プロジェクトについて定義された初期タイムラインからの第３の逸脱割合を判断することと、過去のプロジェクトの数量、業界プロジェクトの数量、過去の関連性係数、業界関連性係数、過去の直近性係数、業界直近性係数、第１の成功率、第２の成功率、第１の逸脱割合、第２の逸脱割合、および第３の逸脱割合に基づき、現行プロジェクトの予測成功率を計算することと、をするように構成されてもよい。

上記のデバイスの一部の実装において、１つ以上のプロセッサは、１つ以上のアクションを実行するとき、現行プロジェクトの１つ以上の変更を予測成功率に基づき決定することと、１つ以上のツールを介して１つ以上の変更を実装させることと、１つ以上の変更の実装が準拠閾値を満たすかどうかを監視することと、１つ以上の変更の実装が準拠閾値を満たさなければ、警報メッセージを生成し、表示のために提供することと、をするように構成されてもよい。

上記のデバイスの一部の実装において、１つ以上のツールは、プロセス間リンケージツールか、シナリオモデリングツールか、ベンチマークツールか、ｗｈａｔ ｉｆワークフローツールか、予算シミュレーションツールか、警報生成ツールか、レポートツールか、ボトルネック特定ツールか、または根本原因分析ツールか、のうちの１つ以上を含んでもよい。

上記のデバイスの一部の実装において、１つ以上のプロセッサは、１つ以上のアクションを実行するとき、予測成功率に基づき現行プロジェクトの実装を停止することか、予測成功率に基づき現行プロジェクトの実装を修正することか、または予測成功率に基づき現行プロジェクトの実装を継続することか、のうちの１つをするように構成されてもよい。

一部の実装において、命令を保存する非一時的コンピュータ可読媒体は、１つ以上の命令を含み、１つ以上の命令は、１つ以上のプロセッサにより実行されると、１つ以上のクライアントデバイスおよびサーバデバイスを介した新製品の開発を可能にする１つ以上のツールを、１つ以上のクライアントデバイスおよびサーバデバイスに提供することと、新製品の開発に関わる現行プロジェクトを特定する現行プロジェクトデータを、１つ以上のツールから受信することと、過去の製品の開発に関わる過去のプロジェクトを特定する過去のプロジェクトデータを受信することと、新製品に関連する業界データを受信することと、予測モデルの１つ以上の変数を特定するために、機械学習モデルを用いて現行プロジェクトデータと、過去のプロジェクトデータと、業界データとを処理することと、現行プロジェクトの予測成功率を予測するために、予測モデルを用いて１つ以上の変数を処理することと、現行プロジェクトの予測成功率に基づき１つ以上のアクションを実行することと、を１つ以上のプロセッサにさせる。

上記の非一時的コンピュータ可読媒体の一部の実装において、１つ以上の変数は、新製品の開発に関連し且つ過去の製品を開発した事業体の過去のプロジェクトの数量か、業界データにおいて特定される業界プロジェクトの数量か、現行プロジェクトと過去のプロジェクトとの間の関連性および現行プロジェクトと業界プロジェクトとの間の関連性を示す関連性係数か、現行プロジェクトと比較した過去のプロジェクトの新しさおよび現行プロジェクトと比較した業界プロジェクトの新しさを示す直近性係数か、過去のプロジェクトの成功率か、業界プロジェクトの成功率か、現行プロジェクトについて定義された初期目標からの逸脱割合か、現行プロジェクトについて定義された初期コストからの逸脱割合か、または現行プロジェクトについて定義された初期タイムラインからの逸脱割合か、のうちの１つ以上を含んでもよい。

上記の非一時的コンピュータ可読媒体の一部の実装において、１つ以上のプロセッサに１つ以上のアクションを実行させる１つ以上の命令は、現行プロジェクトの予測成功率を特定する情報を表示のために提供することか、現行プロジェクトの変更を予測成功率に基づき決定し、１つ以上のツールを介して変更を実装させることか、現行プロジェクトのアクション計画を予測成功率に基づき実装し、アクション計画の実行を監視することか、現行プロジェクトの投資利益率を特定する情報を予測成功率に基づき計算し、表示のために提供することか、現行プロジェクトの推奨投資利益率を予測成功率に基づき決定し、１つ以上のツールを介して推奨投資利益率を実装させることか、または機械学習モデルを予測成功率に基づき再訓練することか、のうちの１つ以上を１つ以上のプロセッサにさせてもよい。

上記の非一時的コンピュータ可読媒体の一部の実装において、１つ以上のプロセッサに１つ以上のアクションを実行させる１つ以上の命令は、現行プロジェクトの１つ以上の変更を予測成功率に基づき決定することと、１つ以上のツールを介して１つ以上の変更を実装させることと、１つ以上の変更を実装させることに基づき、現行プロジェクトの更新された予測成功率を判断することと、現行プロジェクトの更新された予測成功率に基づき追加の１つ以上のアクションを実行することと、を１つ以上のプロセッサにさせてもよい。

上記の非一時的コンピュータ可読媒体の一部の実装において、１つ以上のプロセッサに、現行プロジェクトの予測成功率を予測するために、予測モデルを用いて１つ以上の変数を処理させる１つ以上の命令は、新製品の開発に関連し且つ過去の製品を開発した事業体の過去のプロジェクトの数量を判断することと、業界データにおいて特定される業界プロジェクトの数量を判断することと、現行プロジェクトと過去のプロジェクトとの間の関連性を示す過去の関連性係数を判断することと、現行プロジェクトと業界プロジェクトとの間の関連性を示す業界関連性係数を判断することと、現行プロジェクトと比較した過去のプロジェクトの新しさを示す過去の直近性係数を判断することと、現行プロジェクトと比較した業界プロジェクトの新しさを示す業界直近性係数を判断することと、過去のプロジェクトの第１の成功率を判断することと、業界プロジェクトの第２の成功率を判断することと、現行プロジェクトについて定義された初期目標からの第１の逸脱割合を判断することと、現行プロジェクトについて定義された初期コストからの第２の逸脱割合を判断することと、現行プロジェクトについて定義された初期タイムラインからの第３の逸脱割合を判断することと、過去のプロジェクトの数量、業界プロジェクトの数量、過去の関連性係数、業界関連性係数、過去の直近性係数、業界直近性係数、第１の成功率、第２の成功率、第１の逸脱割合、第２の逸脱割合、および第３の逸脱割合に基づき、現行プロジェクトの予測成功率を計算することと、を１つ以上のプロセッサにさせてもよい。

上記の非一時的コンピュータ可読媒体の一部の実装において、１つ以上のプロセッサに１つ以上のアクションを実行させる１つ以上の命令は、予測成功率に基づき現行プロジェクトの実装を停止することか、予測成功率に基づき現行プロジェクトの実装を修正することか、または予測成功率に基づき現行プロジェクトの実装を継続することか、のうちの１つを１つ以上のプロセッサにさせてもよい。

本願明細書に記載される例示の実装の図である。 本願明細書に記載される例示の実装の図である。 本願明細書に記載される例示の実装の図である。 本願明細書に記載される例示の実装の図である。 本願明細書に記載される例示の実装の図である。 機械学習モデルを訓練し、訓練された機械学習モデルを新たな観測に適用する例を示す図である。 本願明細書に記載されるシステムおよび／または方法が実装され得る例示の環境の図である。 図３の１つ以上のデバイスの例示のコンポーネントの図である。 新製品開発の予測成功率の判断に関係する例示のプロセスのフローチャートである。

以下の例示の実装の詳細な説明は、添付の図面を参照する。異なる図面にある同じ参照番号は、同じ構成要素または類似の構成要素を特定し得る。

新製品の開発は、典型的には直線的なプロセスであり、Ｒ＆Ｄ部門が新製品の設計に取り組み、新製品がＲ＆Ｄ部門により設計された後に調達部門が新製品を製造するための材料の調達に取り組み、材料が調達された後に製造部門が新製品の製造に取り組み、新製品が製造された後にマーケティング部門が新製品のマーケティングに取り組むなどとされる。しかし、これは時間のかかるプロセスであり、このプロセスの直線的な性質により、１つ以上の部門のタスクが遅れると、新製品の製品化までの時間が増大し得る。さらに、新製品開発プロジェクトの管理は多くのリソースを必要とし、その一方でヒューマンエラーが起こりがちでもある。例として、プロジェクトマネージャは、１つ以上のコンピューティングリソースを使用してプロジェクトのステータスを管理し得るが、各部門により保持されている重要データに対するアクセス権または可視性はない場合がある。その結果、プロジェクトマネージャが好ましくない決定を下し、それが新製品の開発に悪影響を及ぼすこともある。このことが、好ましくない決定に起因する問題に対処するため（例えば新製品の特定の側面を再設計するため、新製品を製造するための材料を調達する注文を変更するため、新製品の性能の変化に基づきマーケティング資料を更新するため、および／または同様のことのため）にコンピューティングリソースが過剰に使用されることにつながる場合もある。

本願明細書に記載される一部の実装は、新製品開発プロセスを合理化する新製品開発システムを提供する。一部の実装において、新製品開発システムは、新製品を開発するためのプロジェクトに関連する各部門に関連したクライアントデバイスおよび／またはサーバデバイスにツールを提供してもよい。ツールは、新製品開発システムが全部門にわたる新製品の開発ステータスに関し最新の可視性を得るように、現行プロジェクトデータを収集して新製品開発システムに提供してもよい。

一部の実装において、新製品開発システムは、（例えば新製品を開発するためのプロジェクトに類似している）過去のプロジェクトに関連する過去のデータおよび／または新製品に関連する業界データを取得してもよい。新製品開発システムは、機械学習モデルを現行プロジェクトデータ、過去のデータ、および／または業界データに対して使用して、予測モデルの１つ以上の変数を判断してもよい。次に新製品開発システムは、予測モデルを使用して、１つ以上の変数に基づき現行プロジェクトの予測成功率を判断してもよい。それに応じて新製品開発システムは、現行プロジェクトに対する変更（例えば現行プロジェクトのタイムラインの変更、製造材料の注文日および／もしくは数量に対する変更、ならびに／または同様のもの）を自動的に実装させるなどの１つ以上のアクションを予測成功率に基づき実行してもよい。

こうすることで新製品開発システムは、新製品開発プロジェクトを不適切に管理する可能性を、従来技術と比べて低減させる。それに応じて新製品開発システムは、ほかの場合であれば、不適切であるかもしくは最適でない新製品開発計画を実装すること、不適切であるかもしくは最適でない新製品開発計画を特定すること、不適切であるかもしくは最適でない新製品開発計画を見直すこと、不適切であるかもしくは最適でない新製品開発計画が原因で新製品の完成またはリリースを遅らせること、および／または同様のことに浪費されるであろうコンピューティングリソース、ネットワーキングリソース、および／または同様のものを節約する。さらに新製品開発システムは、現行プロジェクトを監視および／または分析するリソースを効率的且つ効果的に配分することにより、現行プロジェクトに関連するデバイスの全体的な性能を向上させ得る。

さらに新製品開発システムは、新製品を開発するためのプロジェクトの拡張性を向上させ得る（例えば新製品開発システムは、追加のプロジェクトマネージャを雇用することに関連する遅延、および／またはプロジェクトマネージャにコンピューティングリソースを提供することに関連するコンピューティングリソースの利用を伴うことなく、より大きなプロジェクトもしくは複数のプロジェクト、プロジェクトの追加的な側面、および／または同様のものを管理するように構成できる）。さらに新製品開発システムは、新製品開発プロジェクトについて、数千、数百万、数十億、および／または同様の予測成功率を或る期間内に（例えば毎日、毎週、毎月）処理することができ、したがって「ビッグデータ」機能を提供し得る。

図１Ａ～図１Ｅは、全般的に、機械学習モデルおよび予測モデリングを利用して、新製品開発の予測成功率の管理および判断を行うことに関連する例１００の図である。図１Ａ～図１Ｅに示されているように、例１００は、１つ以上のクライアントデバイス、１つ以上のサーバデバイス、および新製品開発システムを含む。一部の実装において、１つ以上のクライアントデバイス、１つ以上のサーバデバイス、および／または新製品開発システムは、有線ネットワーク（例えばインターネットまたは別のデータネットワーク）、無線ネットワーク（例えば無線ローカルエリアネットワーク、無線ワイドエリアネットワーク、セルラネットワーク、および／または同様のもの）および／または同様のものなどのネットワークを介して接続されてもよい。

新製品開発システムは、コンピューティングデバイス、サーバデバイス、クラウドコンピューティングデバイス、および／または同様のものを含んでもよい。１つ以上のクライアントデバイスの中のクライアントデバイスは、モバイル電話、スマートフォン、ラップトップコンピュータ、タブレットコンピュータ、および／または同様のものなどの通信デバイスおよび／またはコンピューティングデバイスを含んでもよい。１つ以上のサーバデバイスの中のサーバデバイスは、サーバ、ウェブサーバ、クラウドコンピューティング環境内のサーバ、および／または同様のものなどの通信デバイスおよび／またはコンピューティングデバイスを含んでもよい。

図１Ａにおいて参照番号１０５により示されているように、新製品開発システムは、１つ以上のクライアントデバイスおよび／または１つ以上のサーバデバイスに１つ以上のツールを提供してもよい。１つ以上のクライアントデバイスおよび／または１つ以上のサーバデバイスは、１つ以上のツールを使用して、新たなソフトウェア製品、新たな医薬製品、新たな工業製品、および／または同様のものなどの新製品の開発（または開発の支援）をしてもよい。一部の実装において、新製品開発システムは、１つ以上のクライアントデバイスおよび／または１つ以上のサーバデバイスとの少なくとも１つの通信リンクを確立し（または確立させ）てもよく、さらに、通信リンクを介して１つ以上のツールを１つ以上のクライアントデバイスおよび１つ以上のサーバデバイスに送信してもよい。

１つ以上のツールは、新製品を開発するための、コストおよびリソース最適化ツール、プロジェクトロードマップおよびスケジューリングツール、計画、選択、および優先順位付けツール、ならびに／または同様のものを含んでもよい。一部の実装において、１つ以上のツールは、プロセス間リンケージツール、シナリオモデリングツール、ベンチマークツール、ｗｈａｔ ｉｆワークフローツール、予算シミュレーションツール、警報生成ツール、レポートツール、ボトルネック特定ツール、根本原因分析ツール、および／または同様のものを含んでもよい。１つ以上のクライアントデバイスおよび／または１つ以上のサーバデバイスは、１つ以上のツールを使用して、新製品の開発、計画、設計、試作、テスト、発売（例えば試験的発売）、および／または同様のことを促進してもよい。

図１Ａにおいて参照番号１１０によりさらに示されているように、新製品開発システムは、新製品の開発に関わる現行プロジェクトを特定する現行プロジェクトデータを１つ以上のツールから受信してもよい。現行プロジェクトデータは、新製品に関連するコンセプト開発データ、新製品に関連する計画データ、新製品に関連する設計データ、新製品に関連する試作データ、新製品に関連するテストデータ、新製品に関連する試験的発売データ、および／または同様のものを含んでもよい。一部の実装において、（例えば１つ以上のツールを使用している）１つ以上のクライアントデバイスおよび／または１つ以上のサーバデバイスのうちの少なくとも１つが、スケジュールベース（例えば毎時間、毎日、毎週、および／または同様）、オンデマンドベース（例えば新製品開発システムからのリクエストに基づいて）、トリガベース（例えば新製品の開発に関連する特定のマイルストーンイベントの完了後）、および／または同様の形で、現行プロジェクトデータを新製品開発システムに（例えば少なくとも１つの通信リンクを介して）送信してもよい。

図１Ｂにおいて参照番号１１５により示されているように、新製品開発システムは、過去の製品の開発に関わる過去のプロジェクトを特定する過去のプロジェクトデータを受信してもよい。過去のプロジェクトデータは、新製品の開発に関連し且つ過去の製品を開発した事業体（例えば企業、組織、大学、および／または同様のもの）の、過去のプロジェクトデータを含んでもよい。過去のプロジェクトデータは、過去の製品の開発に関わる過去のプロジェクトについて、過去の製品に関連するコンセプト開発データ、過去の製品に関連する計画データ、過去の製品に関連する設計データ、過去の製品に関連する試作データ、過去の製品に関連するテストデータ、過去の製品に関連する試験的発売データ、および／または同様のものを特定してもよい。一部の実装において、（例えば１つ以上のツールを使用している）１つ以上のクライアントデバイスおよび／または１つ以上のサーバデバイスのうちの少なくとも１つが、過去のプロジェクトデータを新製品開発システムに（例えば少なくとも１つの通信リンクを介して）送信してもよい。

図１Ｂにおいて参照番号１２０によりさらに示されているように、新製品開発システムは、新製品に関連する業界データを受信してもよい。業界データは、新製品に関連する業界動向、新製品に関連するマーケットインテリジェンス、新製品に関連するクラウドソーシングによるアイデア、新製品に関連する見込み客、および／または同様のものを特定してもよい。一部の実装において、（例えば１つ以上のツールを使用している）１つ以上のクライアントデバイスおよび／または１つ以上のサーバデバイスのうちの少なくとも１つは、業界データを新製品開発システムに（例えば少なくとも１つの通信リンクを介して）送信してもよい。

図１Ｃにおいて参照番号１２５により示されているように、新製品開発システムは、予測モデルの１つ以上の変数を特定するために、現行プロジェクトデータ、過去のプロジェクトデータ、および／または業界データを処理してもよい。１つ以上の変数は、新製品の開発に関連し且つ／もしくは過去の製品を開発した事業体の過去のプロジェクトの数量、業界データにおいて特定される業界プロジェクトの数量、現行プロジェクトと過去のプロジェクトとの間の関連性を示し且つ／もしくは現行プロジェクトと業界プロジェクトとの間の関連性を示す関連性係数、現行プロジェクトと比較した過去のプロジェクトの新しさを示し且つ／もしくは現行プロジェクトと比較した業界プロジェクトの新しさを示す直近性係数、過去のプロジェクトおよび／もしくは業界プロジェクトの成功率、現行プロジェクトについて定義された初期目標から、現行プロジェクトについて定義された初期コストから、および／もしくは現行プロジェクトについて定義された初期タイムラインからの逸脱割合、ならびに／または同様のものを含んでもよい。

一部の実装において新製品開発システムは、予測モデルの１つ以上の変数を特定するために機械学習モデルを使用してもよい（例えば機械学習モデルを使用して現行プロジェクトデータ、過去のプロジェクトデータ、および／または業界データを処理してもよい）。一部の実装において機械学習モデルは、先行製品の開発に関わる先行プロジェクトを特定する先行プロジェクトデータ、過去のプロジェクトデータ、先行製品に関連する特定の業界データ、および／または同様のものに基づき（例えば新製品開発システムによって）訓練されたものであってもよい。機械学習モデルは、予測モデルの１つ以上の変数を判断するための（例えば先行プロジェクトデータ、過去のプロジェクトデータ、および特定の業界データの個々の要素間の）１つ以上の関係を特定するために、先行プロジェクトデータ、過去のプロジェクトデータ、および特定の業界データを機械学習モデルへの入力として使用して訓練されてもよい。機械学習モデルは、図２に関して後述されるのと同様の形で訓練および／または使用されてもよい。

図１Ｄにおいて参照番号１３０により示されているように、新製品開発システムは、現行プロジェクトの予測成功率を予測するために、予測モデルを用いて１つ以上の変数を処理してもよい。予測モデルは、現行プロジェクトの予測成功率を予測するための、式、アルゴリズム、および／または同様のものを含んでもよい。例として新製品開発システムは、１つ以上の変数の平均（例えば平均値、中央値、加重平均、および／または同様のもの）を求めて、現行プロジェクトの予測成功率を予測してもよい。別の例として新製品開発システムは、以下の形式の式を使用して、現行プロジェクトの予測成功率を予測してもよい。

式中、ｎ＝新製品の開発に関連し且つ／または過去の製品を開発した事業体の過去のプロジェクトの数量、ｉはカウンタ、ｉ＝１～ｎ、ｎ≧１、ｍ＝業界データにおいて特定される業界プロジェクトの数量、ｊはカウンタ、ｊ＝１～ｍ、ｍ≧１、
ｋ＝現行プロジェクト、ａ＝現行プロジェクトと過去のプロジェクトとの間の関連性を示し且つ／または現行プロジェクトと業界プロジェクトとの間の関連性を示す関連性係数（例えば０≦ａ≦１）である。例として関連性係数は、該当する業界、該当するビジネスユニット、該当する製品ライン、該当するプロジェクトの規模、該当するプロジェクトの目標／影響、該当する顧客区分、該当する競合、および／または同様のものに関連する値などの１つ以上の値の組み合わせであってもよい。ｂ＝現行プロジェクトと比較した過去のプロジェクトの新しさを示し且つ／または現行プロジェクトと比較した業界プロジェクトの新しさを示す直近性係数である（例えば０≦ｂ≦１）。例として、直近性係数は、０年～０．５年前のプロジェクトには８０％～１００％、０．５年～１年前のプロジェクトには６０％～７９％、１年～２年前のプロジェクトには４０％～５９％、２年～４年前のプロジェクトには２０％～３９％、および／または４年超前のプロジェクトには０％～１９％とされてもよい。Ｘ＝過去のプロジェクトの成功率、Ｗ＝業界プロジェクトの成功率、Ｘ，Ｗ＝（αＰ－βＱ－ΥＲ）、Ｐ＝現行プロジェクトについて定義された初期目標の達成割合（例えば現行プロジェクトが失敗であればＰ＝０％）、Ｑ＝現行プロジェクトについて定義された初期コストからの逸脱割合、Ｒ＝現行プロジェクトについて定義された初期タイムラインからの逸脱割合、α＝初期目標の達成に付与された重み、β＝初期コストからの逸脱に付与された重み、Υ＝初期タイムラインからの逸脱に付与された重みである。Ｏ＝初期目標からの逸脱割合（例えば現行プロジェクトが失敗であればＯ＝１００％）、Ｙ＝初期コストからの逸脱割合、Ｚ＝初期タイムラインからの逸脱割合である。

図１Ｅにおいて参照番号１３５により示されているように、新製品開発システムは、現行プロジェクトの予測成功率に基づき１つ以上のアクションを実行してもよい。一部の実装において、１つ以上のアクションは、新製品開発システムが、現行プロジェクトの予測成功率を特定する情報を（例えば１つ以上のクライアントデバイスのうちの少なくとも１つのクライアントデバイスのディスプレイ上での）表示のために（例えば通信リンクを介して）提供することを含んでもよい。このようにして、新製品開発システムは、現行プロジェクトの管理を担当する個人に警告してもよく、その個人は、（例えば新製品開発システムにより提供される）１つ以上のツールを使用して現行プロジェクトの１つ以上の側面を更新および／または修正してもよい。

一部の実装において、１つ以上のアクションは、新製品開発システムが、現行プロジェクトの変更を予測成功率に基づき決定すること、および／または１つ以上のツールを介して変更を実装させることを含んでもよい。例として新製品開発システムは、１つ以上の命令を予測成功率に基づき生成し、１つ以上の命令を１つ以上のクライアントデバイスおよび／または１つ以上のサーバデバイスに（例えば通信リンクを介して）提供してもよい。次に１つ以上の命令は、変更を生じさせるために１つ以上のツールを介して実行されてもよい。一部の実装において新製品開発システムは、変更の実装が準拠閾値を満たすかどうかを監視し、変更の実装が準拠閾値を満たさなければ警報メッセージを生成して（例えばクライアントデバイスのディスプレイ上での）表示のために提供してもよい。さらに、または代わりに、新製品開発システムは、変更を実装させることに基づき現行プロジェクトの更新された予測成功率を判断して、現行プロジェクトの更新された予測成功率に基づき追加の１つ以上のアクションを実行してもよい。このようにして新製品開発システムは、現行プロジェクトのライフサイクル全体にわたる現行プロジェクトの１つ以上の側面の自動的な最適化および／または監視を促進してもよい。

一部の実装において、１つ以上のアクションは、新製品開発システムが、予測成功率に基づき、現行プロジェクトの実装を停止させる（例えば現行プロジェクトを中断させる）こと、または継続させる（例えば現行プロジェクトを変更なしで継続させる）ことを含んでもよい。一部の実装において、１つ以上のアクションは、現行プロジェクトのアクション計画を予測成功率に基づき決定し、アクション計画の実行を監視することを含んでもよい。このようにして新製品開発システムは、現行プロジェクトのライフサイクル中の特定の時点において現行プロジェクトの１つ以上の側面を自動的に最適化することを促進してもよい。

一部の実装において、１つ以上のアクションは、現行プロジェクトの投資利益率を特定する情報を予測成功率に基づき計算し、（例えばクライアントデバイスのディスプレイ上での）表示のために提供することを含む。さらに、または代わりに、新製品開発システムは、現行プロジェクトの推奨投資利益率を予測成功率に基づき決定し、１つ以上のツールを介して（例えば上述したのと同様の形で）推奨投資利益率を実装させてもよい。このようにして、新製品開発システムは、現行プロジェクトのライフサイクル中に現行プロジェクトの投資利益率を自動的に最大化することを促進してもよい。

一部の実装において、１つ以上のアクションは、機械学習モデルを予測成功率に基づき再訓練することを含む。こうすることで、機械学習モデルは、予測モデルの１つ以上の変数をより適切に予測でき、これにより、より正確な予測成功率がもたらされ、新製品開発システムの性能が向上し得る。

上記で指摘されたように、図１Ａ～図１Ｅは例として示されている。他の例は、図１Ａ～図１Ｅに関して記載されているものと異なり得る。図１Ａ～図１Ｅに示されたデバイスの数および配置は、例として示されている。実際には、図１Ａ～図１Ｅに示されたものと比べて、追加のデバイス、より少数のデバイス、異なるデバイス、または別様に配置されたデバイスがあってもよい。さらに、図１Ａ～図１Ｅに示されている２つ以上のデバイスが単一のデバイスの中に実装されてもよく、または図１Ａ～図１Ｅに示されている単一のデバイスが複数の分散型デバイスとして実装されてもよい。さらに、または代わりに、図１Ａ～図１Ｅに示されている或るデバイスのセット（例えば１つ以上のデバイス）が、図１Ａ～図１Ｅに示されている別のデバイスのセットにより実行されるものとして記載されている１つ以上の機能を実行してもよい。

図２は、予測モデルの１つ以上の変数を判断することに関連して、機械学習モデルを訓練し、使用する例２００を示す図である。本願明細書に記載されている機械学習モデルの訓練および使用は、機械学習システムを使用して実行されてもよい。機械学習システムは、本願明細書の他の箇所により詳細に記載されている新製品開発システムなど、コンピューティングデバイス、サーバ、クラウドコンピューティング環境、および／または同様のものを含んでもよく、またはそれに含まれてもよい。

参照番号２０５により示されているように、機械学習モデルは、観測のセットを使用して訓練されてもよい。観測のセットは、本願明細書に記載されている１つ以上のプロセス中に集められたデータなどの過去のデータから取得されてもよい。一部の実装において、機械学習システムは、本願明細書の他の箇所に記載されているように、１つ以上のクライアントデバイス、１つ以上のサーバデバイス、および／または新製品開発システムから（例えば入力として）観測のセットを受信してもよい。

参照番号２１０により示されているように、観測のセットは特徴セットを含む。特徴セットは、変数のセットを含んでもよく、変数は、特徴と呼ぶこともできる。特定の観測は、変数のセットに対応する変数値（または特徴値）のセットを含んでもよい。一部の実装において、機械学習システムは、１つ以上のクライアントデバイス、１つ以上のサーバデバイス、および／または新製品開発システムから受信された入力に基づき、観測のセットの変数および／または特定の観測の変数値を判断してもよい。例として機械学習システムは、構造化データから特徴セットを抽出すること、非構造化データから特徴セットを抽出するために自然言語処理を実行すること、オペレータから入力を受信すること、および／または同様のことにより、特徴セット（例えば１つ以上の特徴および／または特徴値）を特定してもよい。

例として、観測のセットの特徴セットは、プロジェクトデータ（例えば先行プロジェクトに関連するプロジェクトデータ）という第１の特徴、過去のプロジェクトデータという第２の特徴、業界データ（例えば先行製品に関連する特定の業界データ）という第３の特徴などを含んでもよい。図のように、第１の観測について、第１の特徴は、計画データの値を有してもよく、第２の特徴は、過去の試作データの値を有してもよく、第３の特徴は、同様の製品の投資利益率（ＲＯＩ：ｒｅｔｕｒｎ ｏｎ ｉｎｖｅｓｔｍｅｎｔ）の値を有するなどしてもよい。これらの特徴および特徴値は例として示されており、他の例では異なってもよい。

参照番号２１５により示されているように、観測のセットは、（例えば予測モデルによって使用される）目標変数に関連してもよい。目標変数は、数値を有してもよく、或る値の範囲内に入るかまたはいくつかの離散的な可能値を有する数値を有してもよく、複数の選択肢のうちの１つ（例えば複数のクラス、分類、ラベル、および／または同様のもののうちの１つ）から選択可能であってもよく、ブール値を有してもよく、且つ／または同様であってもよい。目標変数は、値に関連してもよく、値は観測に固有であってもよい。例２００において、目標変数は、第１の観測の関連性係数値を有する。

目標変数は、機械学習モデルが予測するように訓練されている値を表現してもよく、特徴セットは、訓練される機械学習モデルに目標変数の値の予測のため入力される変数を表現してもよい。目標変数値をもたらす特徴セットのパターンを認識するように機械学習モデルを訓練できるよう、観測のセットは目標変数値を含んでもよい。目標変数値を予測するように訓練される機械学習モデルは、教師あり学習モデルと呼ぶこともできる。

一部の実装において、機械学習モデルは、目標変数を含まない観測のセットに対して訓練されてもよい。これは、教師なし学習モデルと呼ぶこともできる。この場合、機械学習モデルは、ラベル付けまたは教師なしで観測のセットからパターンを学習してもよく、さらに、観測のセット内の項目の関連グループを特定するクラスタリングおよび／またはアソシエーションを使用することなどにより、かかるパターンを示す出力を提供してもよい。

参照番号２２０により示されているように、機械学習システムは、観測のセットを使用し、さらに回帰アルゴリズム、決定木アルゴリズム、ニューラルネットワークアルゴリズム、ｋ近傍アルゴリズム、サポートベクタマシンアルゴリズム、および／または同様のものなどの１つ以上の機械学習アルゴリズムを使用して、機械学習モデルを訓練してもよい。訓練後、機械学習システムは、新たな観測の分析に使用される訓練された機械学習モデル２２５として機械学習モデルを保存してもよい。

参照番号２３０により示されているように、機械学習システムは、新たな観測を受信して新たな観測を訓練された機械学習モデル２２５に入力することなどにより、新たな観測に訓練された機械学習モデル２２５を適用してもよい。図のように、新たな観測は、例として（例えば新製品の）コンセプトデータという第１の特徴、過去の計画データという第２の特徴、（例えば新製品に関連する）マーケットインテリジェンスという第３の特徴などを含んでもよい。機械学習システムは、訓練された機械学習モデル２２５を新たな観測に適用して出力（例えば結果）を生成してもよい。出力のタイプは、機械学習モデルのタイプおよび／または実行されている機械学習タスクのタイプに依存してもよい。例として出力は、教師あり学習が採用されている場合などは、目標変数の予測値を含んでもよい。さらに、または代わりに、出力は、教師なし学習が採用されている場合などは、新たな観測が属するクラスタを特定する情報、新たな観測と他の１つ以上の観測との間の類似度を示す情報、および／または同様のものを含んでもよい。

例として、参照番号２３５により示されているように、訓練された機械学習モデル２２５は、新たな観測の目標変数について、（例えば新製品に類似した以前の製品に関わる）以前のプロジェクトの成功率の値を予測してもよい。この予測に基づいて、機械学習システムは、推奨を提供してもよく、推奨を決定するための出力を提供してもよく、自動化されたアクションを実行してもよく、（例えば自動化されたアクションを実行するよう別のデバイスに指示することにより）自動化されたアクションを実行させてもよく、さらに／または同様のことをしてもよい。自動化されたアクションは、例として、本願明細書に記載されているように、現行プロジェクトの予測成功率を予測することを含んでもよい。

一部の実装において、新たな観測に関連する推奨および／または自動化されたアクションは、目標変数値が特定のラベル（例えば分類、カテゴリ化、および／または同様のもの）を有することに基づいてもよく、目標変数値が１つ以上の閾値を満たすかどうか（例えば目標変数値が閾値より大きいかどうか、閾値未満であるかどうか、閾値と等しいかどうか、閾値の値の範囲内にあるかどうか、および／または同様のこと）に基づいてもよく、新たな観測が分類されるクラスタに基づいてもよく、且つ／または同様であってもよい。

このようにして、機械学習システムは、予測モデルの１つ以上の変数の判断に、厳密で自動化されたプロセスを適用してもよい。機械学習システムは、数十、数百、数千、または数百万の観測に関して数十、数百、数千、または数百万の特徴および／または特徴値を認識および／または特定することを可能にし、それにより、数十、数百、または数千のオペレータが予測モデルの１つ以上の変数を特徴または特徴値を使用して手動で判断するためにコンピューティングリソースが配分されることを要求するのに比べて、予測モデルの１つ以上の変数を判断することに関連する精度および一貫性を向上させ、且つ遅延を緩和することができる。

上記で指摘されたように、図２は例として示されている。他の例は、図２に関連して記載されているものと異なり得る。

図３は、本願明細書に記載されたシステムおよび／または方法が実装され得る例示の環境３００の図である。図３に示されているように、環境３００は、新製品開発システム３０１を含んでもよく、新製品開発システムは、クラウドコンピューティングシステム３０２の１つ以上の構成要素を含んでもよく、且つ／またはクラウドコンピューティングシステム３０２の中で実行されてもよい。クラウドコンピューティングシステム３０２は、より詳細に後述されているように、１つ以上の構成要素３０３～３１３を含んでもよい。図３にさらに示されているように、環境３００は、ネットワーク３２０、クライアントデバイス３３０、および／またはサーバデバイス３４０を含んでもよい。環境３００のデバイスおよび／または構成要素は、有線接続および／または無線接続を介して相互接続してもよい。

クラウドコンピューティングシステム３０２は、コンピューティングハードウェア３０３、リソース管理コンポーネント３０４、ホストオペレーティングシステム（ＯＳ：ｏｐｅｒａｔｉｎｇ ｓｙｓｔｅｍ）３０５、および／または１つ以上の仮想コンピューティングシステム３０６を含む。リソース管理コンポーネント３０４は、コンピューティングハードウェア３０３の仮想化（例えば抽象化）を実行して、１つ以上の仮想コンピューティングシステム３０６を作成してもよい。リソース管理コンポーネント３０４は、仮想化を使用して、単一のコンピューティングデバイスのコンピューティングハードウェア３０３から分離された複数の仮想コンピューティングシステム３０６を作成することなどにより、単一のコンピューティングデバイス（例えばコンピュータ、サーバ、および／または同様のもの）が複数のコンピューティングデバイスのように動作することを可能にする。こうすることで、コンピューティングハードウェア３０３は、別々のコンピューティングデバイスを使用するのに比べて、より高い効率性、より少ない消費電力、より高い信頼性、より高い可用性、より高い稼働率、より高い柔軟性、およびより低いコストで動作することができる。

コンピューティングハードウェア３０３は、１つ以上のコンピューティングデバイスのハードウェアおよび対応するリソースを含む。例としてコンピューティングハードウェア３０３は、単一のコンピューティングデバイス（例えば単一のサーバ）の、または１つ以上のデータセンタにある複数のコンピューティングデバイスなど複数のコンピューティングデバイス（例えば複数のサーバ）の、ハードウェアを含んでもよい。図のように、コンピューティングハードウェア３０３は、１つ以上のプロセッサ３０７、１つ以上のメモリ３０８、１つ以上のストレージコンポーネント３０９、および／または１つ以上のネットワーキングコンポーネント３１０を含んでもよい。プロセッサ、メモリ、ストレージコンポーネント、およびネットワーキングコンポーネント（例えば通信コンポーネント）の例は、本願明細書の他の箇所に記載される。

リソース管理コンポーネント３０４は、１つ以上の仮想コンピューティングシステム３０６を開始、停止、および／または管理するために、コンピューティングハードウェア３０３を仮想化できる仮想化アプリケーション（例えばコンピューティングハードウェア３０３などのハードウェア上で実行される）を含む。例として、仮想コンピューティングシステム３０６が仮想マシン３１１である場合などに、リソース管理コンポーネント３０４は、ハイパーバイザ（例えばベアメタル型またはタイプ１ハイパーバイザ、ホスト型またはタイプ２ハイパーバイザ、および／または同様のもの）または仮想マシンモニタを含んでもよい。さらに、または代わりに、仮想コンピューティングシステム３０６がコンテナ３１２である場合などに、リソース管理コンポーネント３０４は、コンテナマネージャを含んでもよい。一部の実装において、リソース管理コンポーネント３０４は、ホストオペレーティングシステム３０５の中で、さらに／またはホストオペレーティングシステム３０５と連携して実行される。

仮想コンピューティングシステム３０６は、コンピューティングハードウェア３０３を使用して、本願明細書に記載される動作および／またはプロセスをクラウドベースで実行することを可能にする仮想環境を含む。図のように、仮想コンピューティングシステム３０６は、仮想マシン３１１、コンテナ３１２、仮想マシンおよびコンテナを含むハイブリッド環境３１３、ならびに／または同様のものを含んでもよい。仮想コンピューティングシステム３０６は、（例えば仮想コンピューティングシステム３０６の中の）ゲストオペレーティングシステムまたはホストオペレーティングシステム３０５上でアプリケーションを実行するために必要なバイナリファイル、ソフトウェアライブラリ、および／またはその他リソースを含むファイルシステムを使用して、１つ以上のアプリケーションを実行してもよい。

新製品開発システム３０１は、クラウドコンピューティングシステム３０２の１つ以上の構成要素３０３～３１３を含んでもよく、クラウドコンピューティングシステム３０２の中で実行してもよく、且つ／またはクラウドコンピューティングシステム３０２の中でホストされてもよいが、一部の実装において新製品開発システム３０１は、クラウドベースでなくてもよく（例えばクラウドコンピューティングシステムの外部に実装されてもよい）、または部分的にクラウドベースであってもよい。例として新製品開発システム３０１は、図４のデバイス４００など、クラウドコンピューティングシステム３０２の一部ではない１つ以上のデバイスを含んでもよく、これには、スタンドアロンサーバまたは別のタイプのコンピューティングデバイスが含まれてもよい。新製品開発システム３０１は、本願明細書の他の箇所により詳細に記載される、１つ以上の動作および／またはプロセスを実行してもよい。

ネットワーク３２０は、１つ以上の有線ネットワークおよび／または無線ネットワークを含む。例として、ネットワーク３２０は、セルラネットワーク、公衆陸上モバイルネットワーク（ＰＬＭＮ：ｐｕｂｌｉｃ ｌａｎｄ ｍｏｂｉｌｅ ｎｅｔｗｏｒｋ）、ローカルエリアネットワーク（ＬＡＮ：ｌｏｃａｌ ａｒｅａ ｎｅｔｗｏｒｋ）、ワイドエリアネットワーク（ＷＡＮ：ｗｉｄｅ ａｒｅａ ｎｅｔｗｏｒｋ）、プライベートネットワーク、インターネット、および／もしくは同様のもの、ならびに／またはこれらもしくは他のタイプのネットワークの組み合わせを含んでもよい。ネットワーク３２０は、環境３００の各デバイス間での通信を可能にする。

クライアントデバイス３３０は、本願明細書の他の箇所に記載されているように、情報を受信、生成、保存、処理、および／または提供できる１つ以上のデバイスを含む。クライアントデバイス３３０は、通信デバイスおよび／またはコンピューティングデバイスを含んでもよい。例としてクライアントデバイス３３０は、無線通信デバイス、ユーザ機器（ＵＥ：ｕｓｅｒ ｅｑｕｉｐｍｅｎｔ）、モバイル電話（例えば、ほかにも例はあるが、スマートフォンまたは携帯電話）、ラップトップコンピュータ、タブレットコンピュータ、ハンドヘルドコンピュータ、デスクトップコンピュータ、ゲーム用デバイス、ウェアラブル通信デバイス（例えば、ほかにも例はあるが、スマート腕時計またはスマート眼鏡）、モノのインターネット（ＩｏＴ：Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ）デバイス、または同様のタイプのデバイスを含んでもよい。クライアントデバイス３３０は、本願明細書の他の箇所に記載されているように、環境３００の他の１つ以上のデバイスと通信してもよい。一部の実装において、クライアントデバイス３３０は、新製品の開発を促進するために新製品開発システム３０１により提供される１つ以上のツールを使用してもよい。

サーバデバイス３４０は、本願明細書の他の箇所に記載されているように、情報を受信、生成、保存、処理、提供、および／またはルーティングできる１つ以上のデバイスを含む。サーバデバイス３４０は、通信デバイスおよび／またはコンピューティングデバイスを含んでもよい。例としてサーバデバイス３４０は、サーバ、アプリケーションサーバ、クライアントサーバ、ウェブサーバ、データベースサーバ、ホストサーバ、プロキシサーバ、（例えばコンピューティングハードウェア上で実行する）仮想サーバ、クラウドコンピューティングシステム内のサーバ、クラウドコンピューティング環境で使用されるコンピューティングハードウェアを含むデバイス、または同様のタイプのデバイスを含んでもよい。サーバデバイス３４０は、本願明細書の他の箇所に記載されているように、環境３００の他の１つ以上のデバイスと通信してもよい。一部の実装において、サーバデバイス３４０は、新製品の開発を促進するために新製品開発システム３０１により提供される１つ以上のツールを使用してもよい。

図３に示されたデバイスおよびネットワークの数および配置は、例として示されている。実際には、図３に示されたものと比べて、追加のデバイスおよび／もしくはネットワーク、より少数のデバイスおよび／もしくはネットワーク、異なるデバイスおよび／もしくはネットワーク、または別様に配置されたデバイスおよび／もしくはネットワークがあってもよい。さらに、図３に示されている２つ以上のデバイスが単一のデバイスの中に実装されてもよく、または図３に示されている単一のデバイスが複数の分散型デバイスとして実装されてもよい。さらに、または代わりに、環境３００の或るデバイスのセット（例えば１つ以上のデバイス）が、環境３００の別のデバイスのセットにより実行されるものとして記載されている１つ以上の機能を実行してもよい。

図４は、新製品開発システム３０１、コンピューティングハードウェア３０３、クライアントデバイス３３０、および／またはサーバデバイス３４０に対応してもよいデバイス４００の例示のコンポーネントの図である。一部の実装において、新製品開発システム３０１、コンピューティングハードウェア３０３、クライアントデバイス３３０、および／またはサーバデバイス３４０は、１つ以上のデバイス４００および／またはデバイス４００の１つ以上のコンポーネントを含んでもよい。図４に示されているように、デバイス４００は、バス４１０、プロセッサ４２０、メモリ４３０、ストレージコンポーネント４４０、入力コンポーネント４５０、出力コンポーネント４６０、および通信コンポーネント４７０を含んでもよい。

バス４１０は、デバイス４００のコンポーネント間の有線通信および／または無線通信を可能にするコンポーネントを含む。プロセッサ４２０は、中央処理ユニット、グラフィックス処理ユニット、マイクロプロセッサ、コントローラ、マイクロコントローラ、デジタル信号プロセッサ、フィールドプログラマブルゲートアレイ、特定用途向け集積回路、および／または別のタイプの処理コンポーネントを含む。プロセッサ４２０は、ハードウェア、ファームウェア、またはハードウェアとソフトウェアとの組み合わせにおいて実装される。一部の実装において、プロセッサ４２０は、機能を実行するようにプログラムできる１つ以上のプロセッサを含む。メモリ４３０は、ランダムアクセスメモリ、読み取り専用メモリ、および／または別のタイプのメモリ（例えばフラッシュメモリ、磁気メモリ、および／または光学メモリ）を含む。

ストレージコンポーネント４４０は、デバイス４００の動作に関係する情報および／またはソフトウェアを保存する。例として、ストレージコンポーネント４４０は、ハードディスクドライブ、磁気ディスクドライブ、光学ディスクドライブ、ソリッドステートディスクドライブ、コンパクトディスク、デジタル多用途ディスク、および／または別のタイプの非一時的コンピュータ可読媒体を含んでもよい。入力コンポーネント４５０は、デバイス４００がユーザ入力および／または感知された入力などの入力を受信することを可能にする。例として、入力コンポーネント４５０は、タッチスクリーン、キーボード、キーパッド、マウス、ボタン、マイクロフォン、スイッチ、センサ、グローバルポジショニングシステムコンポーネント、加速度計、ジャイロスコープ、アクチュエータ、および／または同様のものを含んでもよい。出力コンポーネント４６０は、デバイス４００がディスプレイ、スピーカ、および／または１つ以上の発光ダイオードなどを介して出力を提供することを可能にする。通信コンポーネント４７０は、デバイス４００が有線接続および／または無線接続などを介して他のデバイスと通信することを可能にする。例として通信コンポーネント４７０は、受信機、送信機、トランシーバ、モデム、ネットワークインターフェースカード、アンテナ、および／または同様のものを含んでもよい。

デバイス４００は、本願明細書に記載された１つ以上のプロセスを実行してもよい。例として、非一時的コンピュータ可読媒体（例えばメモリ４３０および／またはストレージコンポーネント４４０）は、プロセッサ４２０により実行される命令のセット（例えば１つ以上の命令、コード、ソフトウェアコード、プログラムコード、および／または同様のもの）を保存してもよい。プロセッサ４２０は、命令のセットを実行して、本願明細書に記載された１つ以上のプロセスを実行してもよい。一部の実装において、１つ以上のプロセッサ４２０による命令のセットの実行は、１つ以上のプロセッサ４２０および／またはデバイス４００に、本願明細書に記載された１つ以上のプロセスを実行させる。一部の実装において、本願明細書に記載の１つ以上のプロセスを実行するために、配線による回路構成が、命令の代わりに、または命令と組み合わせて使用されてもよい。したがって、本願明細書に記載された実装は、ハードウェア回路構成とソフトウェアとのいかなる特定の組み合わせにも限定されない。

図４に示されたコンポーネントの数および配置は、例として示されている。デバイス４００は、図４に示されたものと比べて、追加のコンポーネント、より少数のコンポーネント、異なるコンポーネント、または別様に配置されたコンポーネントを含んでもよい。さらに、または代わりに、デバイス４００の或るコンポーネントのセット（例えば１つ以上のコンポーネント）が、デバイス４００の別のコンポーネントのセットにより実行されるものとして記載されている１つ以上の機能を実行してもよい。

図５は、新製品開発の予測成功の判断に関連する例示のプロセス５００のフローチャートである。一部の実装において、図５の１つ以上のプロセスブロックは、デバイス（例えば新製品開発システム３０１）により実行されてもよい。一部の実装において、図５の１つ以上のプロセスブロックは、クライアントデバイス３３０、サーバデバイス３４０、および／または同様のものなど、別のデバイスか、またはデバイスとは別個の、もしくはデバイスを含む、複数デバイスのグループかにより実行されてもよい。さらに、または代わりに、図５の１つ以上のプロセスブロックは、プロセッサ３０７、メモリ３０８、ストレージコンポーネント３０９、ネットワーキングコンポーネント３１０、および／もしくは同様のものなどコンピューティングハードウェア３０３の１つ以上のコンポーネント、プロセッサ４２０、メモリ４３０、ストレージコンポーネント４４０、入力コンポーネント４５０、出力コンポーネント４６０、通信コンポーネント４７０、および／もしくは同様のものなどデバイス４００の１つ以上のコンポーネント、ならびに／または同様のものの１つ以上のコンポーネントによって実行されてもよい。

図５に示されているように、プロセス５００は、１つ以上のクライアントデバイスおよびサーバデバイスを介した新製品の開発を可能にする１つ以上のツールを、１つ以上のクライアントデバイスおよびサーバデバイスに提供することを含んでもよい（ブロック５１０）。例として、上述のように、デバイスは、１つ以上のクライアントデバイスおよびサーバデバイスを介した新製品の開発を可能にする１つ以上のツールを、１つ以上のクライアントデバイスおよびサーバデバイスに提供してもよい。

図５にさらに示されているように、プロセス５００は、新製品の開発に関わる現行プロジェクトを特定する現行プロジェクトデータを１つ以上のツールから受信することを含んでもよい（ブロック５２０）。例として、上述のように、デバイスは、新製品の開発に関わる現行プロジェクトを特定する現行プロジェクトデータを１つ以上のツールから受信してもよい。

図５にさらに示されているように、プロセス５００は、過去の製品の開発に関わる過去のプロジェクトを特定する過去のプロジェクトデータを受信することを含んでもよい（ブロック５３０）。例として、上述のように、デバイスは、過去の製品の開発に関わる過去のプロジェクトを特定する過去のプロジェクトデータを受信してもよい。

図５にさらに示されているように、プロセス５００は、新製品に関連する業界動向か、新製品に関連するマーケットインテリジェンスか、新製品に関連するクラウドソーシングによるアイデアか、または新製品に関連する見込み客か、のうちの１つ以上を特定する業界データを受信することを含んでもよい（ブロック５４０）。例として、上述のように、デバイスは、新製品に関連する業界動向か、新製品に関連するマーケットインテリジェンスか、新製品に関連するクラウドソーシングによるアイデアか、または新製品に関連する見込み客か、のうちの１つ以上を特定する業界データを受信してもよい。

図５にさらに示されているように、プロセス５００は、予測モデルの１つ以上の変数を特定するために、機械学習モデルを用いて現行プロジェクトデータと、過去のプロジェクトデータと、業界データとを処理することを含んでもよく、１つ以上の変数は、新製品の開発に関連し且つ過去の製品を開発した事業体の過去のプロジェクトの数量か、業界データにおいて特定される業界プロジェクトの数量か、現行プロジェクトと過去のプロジェクトとの間の関連性を示し、現行プロジェクトと業界プロジェクトとの間の関連性を示す関連性係数か、現行プロジェクトと比較した過去のプロジェクトの新しさを示し、現行プロジェクトと比較した業界プロジェクトの新しさを示す直近性係数か、過去のプロジェクトおよび業界プロジェクトの成功率か、または現行プロジェクトについて定義された初期目標から、現行プロジェクトについて定義された初期コストから、および現行プロジェクトについて定義された初期タイムラインからの逸脱割合か、のうちの１つ以上を含む（ブロック５５０）。例として、デバイスは、予測モデルの１つ以上の変数を特定するために、機械学習モデルを用いて現行プロジェクトデータと、過去のプロジェクトデータと、業界データとを処理してもよい。一部の実装において、１つ以上の変数は、新製品の開発に関連し且つ過去の製品を開発した事業体の過去のプロジェクトの数量か、業界データにおいて特定される業界プロジェクトの数量か、現行プロジェクトと過去のプロジェクトとの間の関連性を示し、現行プロジェクトと業界プロジェクトとの間の関連性を示す関連性係数か、現行プロジェクトと比較した過去のプロジェクトの新しさを示し、現行プロジェクトと比較した業界プロジェクトの新しさを示す直近性係数か、過去のプロジェクトおよび業界プロジェクトの成功率か、または現行プロジェクトについて定義された初期目標から、現行プロジェクトについて定義された初期コストから、および現行プロジェクトについて定義された初期タイムラインからの逸脱割合か、のうちの１つ以上を含む。

図５にさらに示されているように、プロセス５００は、現行プロジェクトの予測成功率を予測するために、予測モデルを用いて１つ以上の変数を処理することを含んでもよい（ブロック５６０）。例として、上述のように、デバイスは、現行プロジェクトの予測成功率を予測するために、予測モデルを用いて１つ以上の変数を処理してもよい。

図５にさらに示されているように、プロセス５００は、現行プロジェクトの予測成功率に基づき１つ以上のアクションを実行することを含んでもよい（ブロック５７０）。例として、上述のように、デバイスは、現行プロジェクトの予測成功率に基づき１つ以上のアクションでもよい。

第１の実装において、現行プロジェクトデータを受信することは、新製品に関連するコンセプト開発データを受信することか、新製品に関連する計画データを受信することか、新製品に関連する設計データを受信することか、新製品に関連する試作データを受信することか、新製品に関連するテストデータを受信することか、または新製品に関連する試験的発売データを受信することか、のうちの１つ以上を含む。

第２の実装単体、または第１の実装と組み合わされた第２の実装において、過去のプロジェクトデータは、新製品の開発に関連し且つ過去の製品を開発した事業体の過去のプロジェクトデータを含む。

第３の実装単体、または第１および第２の実装の１つ以上と組み合わされた第３の実装において、予測モデルの１つ以上の変数を特定するために、機械学習モデルを用いて現行プロジェクトデータと、過去のプロジェクトデータと、業界データとを処理することは、新製品の開発に関連し且つ過去の製品を開発した事業体の過去のプロジェクトの数量か、業界データにおいて特定される業界プロジェクトの数量か、現行プロジェクトと過去のプロジェクトとの間の関連性および現行プロジェクトと業界プロジェクトとの間の関連性を示す関連性係数か、現行プロジェクトと比較した過去のプロジェクトの新しさおよび現行プロジェクトと比較した業界プロジェクトの新しさを示す直近性係数か、過去のプロジェクトの成功率か、業界プロジェクトの成功率か、現行プロジェクトについて定義された初期目標からの逸脱割合か、現行プロジェクトについて定義された初期コストからの逸脱割合か、または現行プロジェクトについて定義された初期タイムラインからの逸脱割合か、のうちの１つ以上を特定するために、機械学習モデルを用いて現行プロジェクトデータと、過去のプロジェクトデータと、業界データとを処理することを含む。

第４の実装単体、または第１から第３の実装の１つ以上と組み合わされた第４の実装において、現行プロジェクトの予測成功率を予測するために、予測モデルを用いて１つ以上の変数を処理することは、現行プロジェクトの予測成功率を予測するために、予測モデルを用いて、新製品の開発に関連し且つ過去の製品を開発した事業体の過去のプロジェクトの数量か、業界データにおいて特定される業界プロジェクトの数量か、現行プロジェクトと過去のプロジェクトとの間の関連性および現行プロジェクトと業界プロジェクトとの間の関連性を示す関連性係数か、現行プロジェクトと比較した過去のプロジェクトの新しさおよび現行プロジェクトと比較した業界プロジェクトの新しさを示す直近性係数か、過去のプロジェクトの成功率か、業界プロジェクトの成功率か、現行プロジェクトについて定義された初期目標からの逸脱割合か、現行プロジェクトについて定義された初期コストからの逸脱割合か、または現行プロジェクトについて定義された初期タイムラインからの逸脱割合か、のうちの１つ以上を処理することを含む。

第５の実装単体、または第１から第４の実装の１つ以上と組み合わされた第５の実装において、１つ以上のアクションを実行することは、現行プロジェクトの予測成功率を特定する情報を表示のために提供することか、現行プロジェクトの変更を予測成功率に基づき決定し、１つ以上のツールを介して変更を実装させることか、または現行プロジェクトのアクション計画を予測成功率に基づき実装し、アクション計画の実行を監視することか、のうちの１つ以上を含む。

第６の実装単体、または第１から第５の実装の１つ以上と組み合わされた第６の実装において、１つ以上のアクションを実行することは、現行プロジェクトの投資利益率を特定する情報を予測成功率に基づき計算し、表示のために提供することか、現行プロジェクトの推奨投資利益率を予測成功率に基づき決定し、１つ以上のツールを介して推奨投資利益率を実装させることか、または機械学習モデルを予測成功率に基づき再訓練することか、のうちの１つ以上を含む。

第７の実装単体、または第１から第６の実装の１つ以上と組み合わされた第７の実装において、１つ以上のツールは、コストおよびリソース最適化ツールか、プロジェクトロードマップおよびスケジューリングツールか、または計画、選択、および優先順位付けツールか、のうちの１つ以上を含む。

第８の実装単体、または第１から第７の実装の１つ以上と組み合わされた第８の実装において、１つ以上のアクションを実行することは、現行プロジェクトの１つ以上の変更を予測成功率に基づき決定することと、１つ以上のツールを介して１つ以上の変更を実装させることと、１つ以上の変更を実装させることに基づき、現行プロジェクトの更新された予測成功率を判断することと、現行プロジェクトの更新された予測成功率に基づき追加の１つ以上のアクションを実行することと、を含む。

第９の実装単体、または第１から第８の実装の１つ以上と組み合わされた第９の実装において、現行プロジェクトの予測成功率を予測するために、予測モデルを用いて１つ以上の変数を処理することは、新製品の開発に関連し且つ過去の製品を開発した事業体の過去のプロジェクトの数量を判断することと、業界データにおいて特定される業界プロジェクトの数量を判断することと、現行プロジェクトと過去のプロジェクトとの間の関連性を示す過去の関連性係数を判断することと、現行プロジェクトと業界プロジェクトとの間の関連性を示す業界関連性係数を判断することと、現行プロジェクトと比較した過去のプロジェクトの新しさを示す過去の直近性係数を判断することと、現行プロジェクトと比較した業界プロジェクトの新しさを示す業界直近性係数を判断することと、過去のプロジェクトの第１の成功率を判断することと、業界プロジェクトの第２の成功率を判断することと、現行プロジェクトについて定義された初期目標からの第１の逸脱割合を判断することと、現行プロジェクトについて定義された初期コストからの第２の逸脱割合を判断することと、現行プロジェクトについて定義された初期タイムラインからの第３の逸脱割合を判断することと、過去のプロジェクトの数量、業界プロジェクトの数量、過去の関連性係数、業界関連性係数、過去の直近性係数、業界直近性係数、第１の成功率、第２の成功率、第１の逸脱割合、第２の逸脱割合、および第３の逸脱割合に基づき、現行プロジェクトの予測成功率を計算することと、を含む。

第１０の実装単体、または第１から第９の実装の１つ以上と組み合わされた第１０の実装において、１つ以上のアクションを実行することは、現行プロジェクトの１つ以上の変更を予測成功率に基づき決定することと、１つ以上のツールを介して１つ以上の変更を実装させることと、１つ以上の変更の実装が準拠閾値を満たすかどうかを監視することと、１つ以上の変更の実装が準拠閾値を満たさなければ、警報メッセージを生成し、表示のために提供することと、を含む。

第１１の実装単体、または第１から第１０の実装の１つ以上と組み合わされた第１１の実装において、１つ以上のツールは、プロセス間リンケージツールか、シナリオモデリングツールか、ベンチマークツールか、ｗｈａｔ ｉｆワークフローツールか、予算シミュレーションツールか、警報生成ツールか、レポートツールか、ボトルネック特定ツールか、または根本原因分析ツールか、のうちの１つ以上を含む。

第１２の実装単体、または第１から第１１の実装の１つ以上と組み合わされた第１２の実装において、１つ以上のアクションを実行することは、予測成功率に基づき現行プロジェクトの実装を停止することか、予測成功率に基づき現行プロジェクトの実装を修正することか、または予測成功率に基づき現行プロジェクトの実装を継続することか、を含む。

第１３の実装、または第１の実装から第１２の実装の１つ以上と組み合わされた第１３の実装において、１つ以上の変数は、新製品の開発に関連し且つ過去の製品を開発した事業体の過去のプロジェクトの数量か、業界データにおいて特定される業界プロジェクトの数量か、現行プロジェクトと過去のプロジェクトとの間の関連性および現行プロジェクトと業界プロジェクトとの間の関連性を示す関連性係数か、現行プロジェクトと比較した過去のプロジェクトの新しさおよび現行プロジェクトと比較した業界プロジェクトの新しさを示す直近性係数か、過去のプロジェクトの成功率か、業界プロジェクトの成功率か、現行プロジェクトについて定義された初期目標からの逸脱割合か、現行プロジェクトについて定義された初期コストからの逸脱割合か、または現行プロジェクトについて定義された初期タイムラインからの逸脱割合か、のうちの１つ以上を含む。

第１４の実装単体、または第１から第１３の実装の１つ以上と組み合わされた第１４の実装において、１つ以上のアクションを実行することは、現行プロジェクトの予測成功率を特定する情報を表示のために提供することか、現行プロジェクトの変更を予測成功率に基づき決定し、１つ以上のツールを介して変更を実装させることか、現行プロジェクトのアクション計画を予測成功率に基づき実装し、アクション計画の実行を監視することか、現行プロジェクトの投資利益率を特定する情報を予測成功率に基づき計算し、表示のために提供することか、現行プロジェクトの推奨投資利益率を予測成功率に基づき決定し、１つ以上のツールを介して推奨投資利益率を実装させることか、または機械学習モデルを予測成功率に基づき再訓練することか、を含む。

第１５の実装単体、または第１から第１４の実装の１つ以上と組み合わされた第１５の実装において、１つ以上のアクションを実行することは、現行プロジェクトの１つ以上の変更を予測成功率に基づき決定することと、１つ以上のツールを介して１つ以上の変更を実装させることと、１つ以上の変更を実装させることに基づき、現行プロジェクトの更新された予測成功率を判断することと、現行プロジェクトの更新された予測成功率に基づき追加の１つ以上のアクションを実行することと、を含む。

第１６の実装単体、または第１から第１５の実装の１つ以上と組み合わされた第１６の実装において、現行プロジェクトの予測成功率を予測するために、予測モデルを用いて１つ以上の変数を処理することは、新製品の開発に関連し且つ過去の製品を開発した事業体の過去のプロジェクトの数量を判断することと、業界データにおいて特定される業界プロジェクトの数量を判断することと、現行プロジェクトと過去のプロジェクトとの間の関連性を示す過去の関連性係数を判断することと、現行プロジェクトと業界プロジェクトとの間の関連性を示す業界関連性係数を判断することと、現行プロジェクトと比較した過去のプロジェクトの新しさを示す過去の直近性係数を判断することと、現行プロジェクトと比較した業界プロジェクトの新しさを示す業界直近性係数を判断することと、過去のプロジェクトの第１の成功率を判断することと、業界プロジェクトの第２の成功率を判断することと、現行プロジェクトについて定義された初期目標からの第１の逸脱割合を判断することと、現行プロジェクトについて定義された初期コストからの第２の逸脱割合を判断することと、現行プロジェクトについて定義された初期タイムラインからの第３の逸脱割合を判断することと、過去のプロジェクトの数量、業界プロジェクトの数量、過去の関連性係数、業界関連性係数、過去の直近性係数、業界直近性係数、第１の成功率、第２の成功率、第１の逸脱割合、第２の逸脱割合、および第３の逸脱割合に基づき、現行プロジェクトの予測成功率を計算することと、を含む。

第１７の実装単体、または第１から第１６の実装の１つ以上と組み合わされた第１７の実装において、１つ以上のアクションを実行することは、予測成功率に基づき現行プロジェクトの実装を停止することか、予測成功率に基づき現行プロジェクトの実装を修正することか、または予測成功率に基づき現行プロジェクトの実装を継続することか、を含む。

図５はプロセス５００の例示のブロックを示すが、一部の実装ではプロセス５００は、図５に示されたものと比べて追加のブロック、より少数のブロック、異なるブロック、または別様に配置されたブロックを含んでもよい。さらに、または代わりに、プロセス５００のブロックの２つ以上が並列実行されてもよい。

前述の開示は、例示および説明を提供するが、網羅的であることも、実装を開示された厳密な形態に限定することも意図していない。上記の開示を考慮して変更が加えられてもよく、または実装の実践から変更が習得される可能性もある。

本願明細書で使用されるとき、「コンポーネント」という用語は、ハードウェア、ファームウェア、またはハードウェアとソフトウェアとの組み合わせとして広く解釈されるものとする。当然のことながら、本願明細書に記載されたシステムおよび／もしくは方法は、種々の形態のハードウェア、ファームウェア、ならびに／またはハードウェアとソフトウェアとの組み合わせに実装されてもよい。これらのシステムおよび／または方法を実装するために使用される実際の専用制御ハードウェアまたはソフトウェアコードは、実装を限定するものではない。したがって、システムおよび／または方法の動作および挙動は、特定のソフトウェアコードを参照することなく本願明細書に記載されているが、当然のことながら、本願明細書の記載に基づくシステムおよび／または方法を実装するためにソフトウェアおよびハードウェアを使用できる。

本願明細書で使用されるとき、閾値を満たすとは、文脈に応じて、値が閾値より大きいこと、閾値以上であること、閾値未満であること、閾値以下であること、閾値と等しいことなどを文脈に応じて指すことができる。

特徴の特定の組み合わせが特許請求の範囲に記載され且つ／または明細書で開示されるが、これらの組み合わせは様々な実装の開示を限定することを意図したものではない。実際には、これらの特徴の多くが、特許請求の範囲に具体的に記載されなかった、且つ／または明細書で開示されなかった形で組み合わされてもよい。下記に列挙される各従属クレームは、１つのみのクレームに直接従属するかもしれないが、様々な実装の開示は、クレームセット中の他のすべてのクレームと組み合わされた各従属クレームを含む。

本願明細書で使用されるいずれの構成要素、動作、または命令も、重要または必須とは、そのように明示的に記載されない限りは、解釈されてはならない。さらに、本願明細書で使用されるとき、冠詞「或る（ａおよびａｎ）」は、１つ以上の項目を含むものとし、「１つ以上の（ｏｎｅ ｏｒ ｍｏｒｅ）」と交換可能なように使用され得る。さらに、本願明細書において使用されるとき、冠詞「この（ｔｈｅ）」は、冠詞「この（ｔｈｅ）」に関連して参照される１つ以上の項目を含むものとし、「１つ以上の（ｔｈｅ ｏｎｅ ｏｒ ｍｏｒｅ）」と交換可能なように使用され得る。さらに、本願明細書で使用されるとき、「セット（ｓｅｔ）」という用語は、１つ以上の項目（例えば関係する項目、無関係の項目、関係する項目と無関係の項目との組み合わせなど）を含むものとし、「１つ以上の（ｏｎｅ ｏｒ ｍｏｒｅ）」と交換可能なように使用され得る。１つのみの項目が意図される場合は、「１つのみ（ｏｎｌｙ ｏｎｅ）」という語句または同様の文言が使用される。さらに、本願明細書で使用されるとき、「有する（ｈａｓ、ｈａｖｅ、ｈａｖｉｎｇ）」または同様の用語は、非限定的な用語であるものとする。さらに、「基づき（ｂａｓｅｄ ｏｎ）」という語句は、別段の記載が明示的になされない限り、「少なくとも部分的に基づき（ｂａｓｅｄ，ａｔ ｌｅａｓｔ ｉｎ ｐａｒｔ，ｏｎ）」を意味するものとする。さらに、本願明細書で使用されるとき、「または（ｏｒ）」という用語は、別段の記載（例えば、「いずれか（ｅｉｔｈｅｒ）」または「のうちの１つのみ（ｏｎｌｙ ｏｎｅ ｏｆ）」と組み合わせて使用される場合）が明示的になされない限り、等位語句の連続の中で使用される場合、非排他的であるものとし、「および／または（ａｎｄ／ｏｒ）」と交換可能なように使用され得る。

Claims (20)

1. １つ以上のクライアントデバイスおよびサーバデバイスを介した新製品の開発を可能にする１つ以上のツールを、デバイスによって前記１つ以上のクライアントデバイスおよびサーバデバイスに提供するステップと、
   前記新製品の開発に関わる現行プロジェクトを特定する現行プロジェクトデータを、前記デバイスによって前記１つ以上のツールから受信するステップと、
   過去の製品の開発に関わる過去のプロジェクトを特定する過去のプロジェクトデータを、前記デバイスによって受信するステップと、
   業界データであって、
   前記新製品に関連する業界動向か、
   前記新製品に関連するマーケットインテリジェンスか、
   前記新製品に関連するクラウドソーシングによるアイデアか、または
   前記新製品に関連する見込み客か、
   のうちの１つ以上を特定する前記業界データを、前記デバイスによって受信するステップと、
   予測モデルの１つ以上の変数を特定するために、前記デバイスによって、機械学習モデルを用いて前記現行プロジェクトデータと、前記過去のプロジェクトデータと、前記業界データとを処理するステップであって、
   前記１つ以上の変数は、
   前記新製品の開発に関連し且つ前記過去の製品を開発した事業体の過去のプロジェクトの数量か、
   前記業界データにおいて特定される業界プロジェクトの数量か、
   前記現行プロジェクトと前記過去のプロジェクトとの間の関連性を示し、前記現行プロジェクトと前記業界プロジェクトとの間の関連性を示す関連性係数か、
   前記現行プロジェクトと比較した前記過去のプロジェクトの新しさを示し、前記現行プロジェクトと比較した前記業界プロジェクトの新しさを示す直近性係数か、
   前記過去のプロジェクトおよび前記業界プロジェクトの成功率か、または
   前記現行プロジェクトについて定義された初期目標から、前記現行プロジェクトについて定義された初期コストから、および前記現行プロジェクトについて定義された初期タイムラインからの逸脱割合か、
   のうちの１つ以上を含む、前記処理するステップと、
   前記現行プロジェクトの予測成功率を予測するために、前記デバイスによって、前記予測モデルを用いて前記１つ以上の変数を処理するステップと、
   前記デバイスによって、前記現行プロジェクトの前記予測成功率に基づき１つ以上のアクションを実行するステップと、
   を含む方法。
2. 前記現行プロジェクトデータを受信するステップは、
   前記新製品に関連するコンセプト開発データを受信するステップか、
   前記新製品に関連する計画データを受信するステップか、
   前記新製品に関連する設計データを受信するステップか、
   前記新製品に関連する試作データを受信するステップか、
   前記新製品に関連するテストデータを受信するステップか、または
   前記新製品に関連する試験的発売データを受信するステップか、
   のうちの１つ以上を含む、請求項１に記載の方法。
3. 前記過去のプロジェクトデータは、前記新製品の開発に関連し且つ前記過去の製品を開発した事業体の過去のプロジェクトデータを含む、請求項１に記載の方法。
4. 前記予測モデルの前記１つ以上の変数を特定するために、前記機械学習モデルを用いて前記現行プロジェクトデータと、前記過去のプロジェクトデータと、前記業界データとを処理するステップは、
   前記新製品の開発に関連し且つ前記過去の製品を開発した事業体の過去のプロジェクトの数量か、
   前記業界データにおいて特定される業界プロジェクトの数量か、
   前記現行プロジェクトと前記過去のプロジェクトとの間の関連性および前記現行プロジェクトと前記業界プロジェクトとの間の関連性を示す関連性係数か、
   前記現行プロジェクトと比較した前記過去のプロジェクトの新しさおよび前記現行プロジェクトと比較した前記業界プロジェクトの新しさを示す直近性係数か、
   前記過去のプロジェクトの成功率か、
   前記業界プロジェクトの成功率か、
   前記現行プロジェクトについて定義された初期目標からの逸脱割合か、
   前記現行プロジェクトについて定義された初期コストからの逸脱割合か、または
   前記現行プロジェクトについて定義された初期タイムラインからの逸脱割合か、
   のうちの１つ以上を特定するために、前記機械学習モデルを用いて前記現行プロジェクトデータと、前記過去のプロジェクトデータと、前記業界データとを処理するステップ
   を含む、請求項１に記載の方法。
5. 前記現行プロジェクトの前記予測成功率を予測するために、前記予測モデルを用いて前記１つ以上の変数を処理するステップは、
   前記現行プロジェクトの前記予測成功率を予測するために、前記予測モデルを用いて、
   前記新製品の開発に関連し且つ前記過去の製品を開発した事業体の過去のプロジェクトの数量か、
   前記業界データにおいて特定される業界プロジェクトの数量か、
   前記現行プロジェクトと前記過去のプロジェクトとの間の関連性および前記現行プロジェクトと前記業界プロジェクトとの間の関連性を示す関連性係数か、
   前記現行プロジェクトと比較した前記過去のプロジェクトの新しさおよび前記現行プロジェクトと比較した前記業界プロジェクトの新しさを示す直近性係数か、
   前記過去のプロジェクトの成功率か、
   前記業界プロジェクトの成功率か、
   前記現行プロジェクトについて定義された初期目標からの逸脱割合か、
   前記現行プロジェクトについて定義された初期コストからの逸脱割合か、または
   前記現行プロジェクトについて定義された初期タイムラインからの逸脱割合か、
   のうちの１つ以上を処理するステップ
   を含む、請求項１に記載の方法。
6. 前記１つ以上のアクションを実行するステップは、
   前記現行プロジェクトの前記予測成功率を特定する情報を表示のために提供するステップか、
   前記現行プロジェクトの変更を前記予測成功率に基づき決定し、前記１つ以上のツールを介して前記変更を実装させるステップか、または
   前記現行プロジェクトのアクション計画を前記予測成功率に基づき実装し、前記アクション計画の実行を監視するステップか、
   のうちの１つ以上を含む、請求項１に記載の方法。
7. 前記１つ以上のアクションを実行するステップは、
   前記現行プロジェクトの投資利益率を特定する情報を前記予測成功率に基づき計算し、表示のために提供するステップか、
   前記現行プロジェクトの推奨投資利益率を前記予測成功率に基づき決定し、前記１つ以上のツールを介して前記推奨投資利益率を実装させるステップか、または
   前記機械学習モデルを前記予測成功率に基づき再訓練するステップか、
   のうちの１つ以上を含む、請求項１に記載の方法。
8. １つ以上のメモリと、
   前記１つ以上のメモリに通信可能なように結合された１つ以上のプロセッサと、
   を含むデバイスであって、前記１つ以上のプロセッサは、
   １つ以上のクライアントデバイスおよびサーバデバイスを介した新製品の開発を可能にする１つ以上のツールを、前記１つ以上のクライアントデバイスおよびサーバデバイスに提供することと、
   前記新製品の開発に関わる現行プロジェクトを特定する現行プロジェクトデータを、前記１つ以上のツールから受信することと、
   過去の製品の開発に関わる過去のプロジェクトを特定する過去のプロジェクトデータを受信することと、
   前記新製品に関連する業界データを受信することと、
   予測モデルの１つ以上の変数を特定するために、機械学習モデルを用いて前記現行プロジェクトデータと、前記過去のプロジェクトデータと、前記業界データとを処理することであって、
   前記機械学習モデルは、
   先行製品の開発に関わる先行プロジェクトを特定する先行プロジェクトデータ、
   前記過去のプロジェクトデータ、および
   前記先行製品に関連する特定の業界データ、
   に基づき訓練される、前記処理することと、
   前記現行プロジェクトの予測成功率を予測するために、前記予測モデルを用いて前記１つ以上の変数を処理することと、
   前記現行プロジェクトの前記予測成功率に基づき１つ以上のアクションを実行することと、
   をするように構成される、デバイス。
9. 前記１つ以上のツールは、
   コストおよびリソース最適化ツールか、
   プロジェクトロードマップおよびスケジューリングツールか、または
   計画、選択、および優先順位付けツールか、
   のうちの１つ以上を含む、請求項８に記載のデバイス。
10. 前記１つ以上のプロセッサは、前記１つ以上のアクションを実行するとき、
    前記現行プロジェクトの１つ以上の変更を前記予測成功率に基づき決定することと、
    前記１つ以上のツールを介して前記１つ以上の変更を実装させることと、
    前記１つ以上の変更を実装させることに基づき、前記現行プロジェクトの更新された予測成功率を判断することと、
    前記現行プロジェクトの前記更新された予測成功率に基づき追加の１つ以上のアクションを実行することと、
    をするように構成される、請求項８に記載のデバイス。
11. 前記１つ以上のプロセッサは、前記現行プロジェクトの前記予測成功率を予測するために、前記予測モデルを用いて前記１つ以上の変数を処理するとき、
    前記新製品の開発に関連し且つ前記過去の製品を開発した事業体の過去のプロジェクトの数量を判断することと、
    前記業界データにおいて特定される業界プロジェクトの数量を判断することと、
    前記現行プロジェクトと前記過去のプロジェクトとの間の関連性を示す過去の関連性係数を判断することと、
    前記現行プロジェクトと前記業界プロジェクトとの間の関連性を示す業界関連性係数を判断することと、
    前記現行プロジェクトと比較した前記過去のプロジェクトの新しさを示す過去の直近性係数を判断することと、
    前記現行プロジェクトと比較した前記業界プロジェクトの新しさを示す業界直近性係数を判断することと、
    前記過去のプロジェクトの第１の成功率を判断することと、
    前記業界プロジェクトの第２の成功率を判断することと、
    前記現行プロジェクトについて定義された初期目標からの第１の逸脱割合を判断することと、
    前記現行プロジェクトについて定義された初期コストからの第２の逸脱割合を判断することと、
    前記現行プロジェクトについて定義された初期タイムラインからの第３の逸脱割合を判断することと、
    過去のプロジェクトの前記数量、業界プロジェクトの前記数量、前記過去の関連性係数、前記業界関連性係数、前記過去の直近性係数、前記業界直近性係数、前記第１の成功率、前記第２の成功率、前記第１の逸脱割合、前記第２の逸脱割合、および前記第３の逸脱割合に基づき、前記現行プロジェクトの前記予測成功率を計算することと、
    をするように構成される、請求項８に記載のデバイス。
12. 前記１つ以上のプロセッサは、前記１つ以上のアクションを実行するとき、
    前記現行プロジェクトの１つ以上の変更を前記予測成功率に基づき決定することと、
    前記１つ以上のツールを介して前記１つ以上の変更を実装させることと、
    前記１つ以上の変更の実装が準拠閾値を満たすかどうかを監視することと、
    前記１つ以上の変更の実装が前記準拠閾値を満たさなければ、警報メッセージを生成し、表示のために提供することと、
    をするように構成される、請求項８に記載のデバイス。
13. 前記１つ以上のツールは、
    プロセス間リンケージツールか、
    シナリオモデリングツールか、
    ベンチマークツールか、
    ｗｈａｔ ｉｆワークフローツールか、
    予算シミュレーションツールか、
    警報生成ツールか、
    レポートツールか、
    ボトルネック特定ツールか、または
    根本原因分析ツールか、
    のうちの１つ以上を含む、請求項８に記載のデバイス。
14. 前記１つ以上のプロセッサは、前記１つ以上のアクションを実行するとき、
    前記予測成功率に基づき前記現行プロジェクトの実装を停止することか、
    前記予測成功率に基づき前記現行プロジェクトの実装を修正することか、または
    前記予測成功率に基づき前記現行プロジェクトの実装を継続することか、
    のうちの１つをするように構成される、請求項８に記載のデバイス。
15. 命令を保存する非一時的コンピュータ可読媒体であって、前記命令は、
    １つ以上の命令
    を含み、前記１つ以上の命令は、１つ以上のプロセッサにより実行されると、
    １つ以上のクライアントデバイスおよびサーバデバイスを介した新製品の開発を可能にする１つ以上のツールを、前記１つ以上のクライアントデバイスおよびサーバデバイスに提供することと、
    前記新製品の開発に関わる現行プロジェクトを特定する現行プロジェクトデータを、前記１つ以上のツールから受信することと、
    過去の製品の開発に関わる過去のプロジェクトを特定する過去のプロジェクトデータを受信することと、
    前記新製品に関連する業界データを受信することと、
    予測モデルの１つ以上の変数を特定するために、機械学習モデルを用いて前記現行プロジェクトデータと、前記過去のプロジェクトデータと、前記業界データとを処理することと、
    前記現行プロジェクトの予測成功率を予測するために、前記予測モデルを用いて前記１つ以上の変数を処理することと、
    前記現行プロジェクトの前記予測成功率に基づき１つ以上のアクションを実行することと、
    を前記１つ以上のプロセッサにさせる、非一時的コンピュータ可読媒体。
16. 前記１つ以上の変数は、
    前記新製品の開発に関連し且つ前記過去の製品を開発した事業体の過去のプロジェクトの数量か、
    前記業界データにおいて特定される業界プロジェクトの数量か、
    前記現行プロジェクトと前記過去のプロジェクトとの間の関連性および前記現行プロジェクトと前記業界プロジェクトとの間の関連性を示す関連性係数か、
    前記現行プロジェクトと比較した前記過去のプロジェクトの新しさおよび前記現行プロジェクトと比較した前記業界プロジェクトの新しさを示す直近性係数か、
    前記過去のプロジェクトの成功率か、
    前記業界プロジェクトの成功率か、
    前記現行プロジェクトについて定義された初期目標からの逸脱割合か、
    前記現行プロジェクトについて定義された初期コストからの逸脱割合か、または
    前記現行プロジェクトについて定義された初期タイムラインからの逸脱割合か、
    のうちの１つ以上を含む、請求項１５に記載の非一時的コンピュータ可読媒体。
17. 前記１つ以上のプロセッサに前記１つ以上のアクションを実行させる前記１つ以上の命令は、
    前記現行プロジェクトの前記予測成功率を特定する情報を表示のために提供することか、
    前記現行プロジェクトの変更を前記予測成功率に基づき決定し、前記１つ以上のツールを介して前記変更を実装させることか、
    前記現行プロジェクトのアクション計画を前記予測成功率に基づき実装し、前記アクション計画の実行を監視することか、
    前記現行プロジェクトの投資利益率を特定する情報を前記予測成功率に基づき計算し、表示のために提供することか、
    前記現行プロジェクトの推奨投資利益率を前記予測成功率に基づき決定し、前記１つ以上のツールを介して前記推奨投資利益率を実装させることか、または
    前記機械学習モデルを前記予測成功率に基づき再訓練することか、
    のうちの１つ以上を前記１つ以上のプロセッサにさせる、請求項１５に記載の非一時的コンピュータ可読媒体。
18. 前記１つ以上のプロセッサに前記１つ以上のアクションを実行させる前記１つ以上の命令は、
    前記現行プロジェクトの１つ以上の変更を前記予測成功率に基づき決定することと、
    前記１つ以上のツールを介して前記１つ以上の変更を実装させることと、
    前記１つ以上の変更を実装させることに基づき、前記現行プロジェクトの更新された予測成功率を判断することと、
    前記現行プロジェクトの前記更新された予測成功率に基づき追加の１つ以上のアクションを実行することと、
    を前記１つ以上のプロセッサにさせる、請求項１５に記載の非一時的コンピュータ可読媒体。
19. 前記１つ以上のプロセッサに、前記現行プロジェクトの前記予測成功率を予測するために、前記予測モデルを用いて前記１つ以上の変数を処理させる前記１つ以上の命令は、
    前記新製品の開発に関連し且つ前記過去の製品を開発した事業体の過去のプロジェクトの数量を判断することと、
    前記業界データにおいて特定される業界プロジェクトの数量を判断することと、
    前記現行プロジェクトと前記過去のプロジェクトとの間の関連性を示す過去の関連性係数を判断することと、
    前記現行プロジェクトと前記業界プロジェクトとの間の関連性を示す業界関連性係数を判断することと、
    前記現行プロジェクトと比較した前記過去のプロジェクトの新しさを示す過去の直近性係数を判断することと、
    前記現行プロジェクトと比較した前記業界プロジェクトの新しさを示す業界直近性係数を判断することと、
    前記過去のプロジェクトの第１の成功率を判断することと、
    前記業界プロジェクトの第２の成功率を判断することと、
    前記現行プロジェクトについて定義された初期目標からの第１の逸脱割合を判断することと、
    前記現行プロジェクトについて定義された初期コストからの第２の逸脱割合を判断することと、
    前記現行プロジェクトについて定義された初期タイムラインからの第３の逸脱割合を判断することと、
    過去のプロジェクトの前記数量、業界プロジェクトの前記数量、前記過去の関連性係数、前記業界関連性係数、前記過去の直近性係数、前記業界直近性係数、前記第１の成功率、前記第２の成功率、前記第１の逸脱割合、前記第２の逸脱割合、および前記第３の逸脱割合に基づき、前記現行プロジェクトの前記予測成功率を計算することと、
    を前記１つ以上のプロセッサにさせる、請求項１５に記載の非一時的コンピュータ可読媒体。
20. 前記１つ以上のプロセッサに前記１つ以上のアクションを実行させる前記１つ以上の命令は、
    前記予測成功率に基づき前記現行プロジェクトの実装を停止することか、
    前記予測成功率に基づき前記現行プロジェクトの実装を修正することか、または
    前記予測成功率に基づき前記現行プロジェクトの実装を継続することか、
    のうちの１つを前記１つ以上のプロセッサにさせる、請求項１５に記載の非一時的コンピュータ可読媒体。

Images