JP2023068265A - 業務設計支援システム、および業務設計支援方法 - Google Patents

Abstract

【課題】様々な環境変化に対してロバスト性を持つレジリエントな業務施策の選択を可能とする業務設計支援システム、および業務設計支援方法を提供する。【解決手段】業務設計支援システム１００は、業務施策の内容を示すシナリオを生成する業務施策シナリオ設定部１０１ｂと、シナリオに対してシミュレーションを実行するシミュレーション部１０４と、シミュレーションの結果に基づいて評価指標を計算するＫＰＩ計算部１０６と、シミュレーションの条件パラメータを変化させたときの評価指標の感度を算出する感度評価部１０７と、を有し、シナリオに対する評価指標および感度を提示する。【選択図】 図１

Description

本発明は、保全業務などの各種業務の設計、改善を支援する業務設計支援システム、および業務設計支援方法に関する。

特許文献１には、「対象環境の状態に対する行動の価値を表す価値関数に基づいて行動を選択し、選択した行動を適用して対象環境の状態遷移をシミュレーションし、遷移後の対象環境の状態と、第１指標により示される適用した行動に対する報酬とを取得し、状態と報酬とに基づいて価値関数を更新するまでの一連の処理を複数回繰り返すエピソードを実行し、第２指標が所定の条件を満たしたエピソードを蓄積し、蓄積したエピソードに基づいて価値関数を改善し、エピソードの実行から価値関数の改善までの一連の処理を所定の終了条件が満たされるまで繰り返し、得られた価値関数に基づいて定まる施策を提示する」施策探索装置が開示されている。

特開２０１９－２１９９８１号公報

近年、事業環境の変化が目まぐるしく、様々な業界で、事業環境に応じた業務設計の見直しや改善が求められている。例えば、インフラ、鉄道、産業機器、医療機器などの保全業務では、アセット（設備）の安全かつ安定した運用のために、点検・修理などの保全を継続的に実施する必要がある。

このような保全においては、アセットの稼働状況や運用特性、作業員や工具などの保全リソース状況などを考慮して組織体制や作業基準などが設計されているが、事業環境が変化すると何らかの業務施策を講じて環境に合った保全業務設計に見直すことが必要である。

また、最近では、環境、レジリエンス、人権など、多様な価値観が重視されており、従来の経済性やコスト重視の業務設計からの転換も要求されつつある。そこで、多様な指標が存在する環境において、状況に応じて好適な施策を探索する技術が特許文献１に記載されている。

近年、環境、レジリエンス、人権など、ビジネスにおいても多様な価値観が重視されている。特に、自然災害や疫病などの予期せぬ環境変化にさらされることも増え、様々な変化に対して、しなやかで強靭に対応できるレジリエント（「回復力」「弾性（しなやかさ）」）な業務設計が重視されている。

上述の特許文献１には、複数の評価指標を満たす好適な業務施策を探索する方法が記載されているが、環境因子が変化した場合に、評価指標（以下「ＫＰＩ」（Ｋｅｙ Ｐｅｒｆｏｒｍａｎｃｅ Ｉｎｄｉｃａｔｏｒｓ）と記載）がどの程度変化するかといった変化量（感度）の評価がなされていない。

これに対し、探索した業務施策のレジリエンスを把握することができればよりレジリエントな業務設計に寄与できるため、改善の余地がある。

本発明の目的は、様々な環境変化に対してロバスト性を持つレジリエントな業務施策の選択を可能とする業務設計支援システム、および業務設計支援方法を提供することである。

本発明は、上記課題を解決する手段を複数含んでいるが、その一例を挙げるならば、業務施策の内容を示すシナリオを生成する業務施策シナリオ設定部と、前記シナリオに対してシミュレーションを実行するシミュレーション部と、前記シミュレーションの結果に基づいて評価指標を計算する評価指標計算部と、前記シミュレーションの条件パラメータを変化させたときの前記評価指標の感度を算出する感度評価部と、を有し、前記シナリオに対する前記評価指標および前記感度を提示することを特徴とする。

本発明によれば、様々な環境変化に対してロバスト性を持つレジリエントな業務施策の選択が可能となる。上記した以外の課題、構成および効果は、以下の実施例の説明により明らかにされる。

実施例１に係る業務設計支援システムの機能ブロック図である。 実施例１に係る業務施策シナリオの設定画面の一例である。 実施例１に係る感度パラメータの設定画面の一例である。 実施例１に係るＫＰＩ項目の設定画面の一例である。 実施例１に係る結果表示画面の一例である。 実施例２に係る業務設計支援システムの機能ブロック図である。 実施例３に係る業務設計支援システムの機能ブロック図である。 実施例４に係る業務設計支援システムの機能ブロック図である。 実施例４に係るＫＰＩランクの設定画面の一例である。

以下に本発明の業務設計支援システム、および業務設計支援方法の実施例を、図面を用いて説明する。

なお、各実施例では、業務の例として、保全業務を例に説明するが、これに限定されない。各実施例の業務設計支援システム、および業務設計支援方法は、他にも、金融業、運送業などのサービス業、化学、自動車等の製造業、農業などにも適用できる。

また、全業務には、点検、修理、保守などの各種作業が含まれ、保全業務の対象となるアセットには、設備、機器、機械、製品などの各種物品が含まれる。

更に、本明細書で用いる図面において、同一のまたは対応する構成要素には同一、または類似の符号を付け、これらの構成要素については繰り返しの説明を省略する場合がある。

＜実施例１＞
本発明の業務設計支援システム、および業務設計支援方法の実施例１について図１乃至図５を用いて説明する。

最初に、業務設計支援システムの全体構成について図１を用いて説明する。図１は、本実施例１に係る業務設計支援システムの機能ブロック図である。

図１に示すように、実施例１の業務設計支援システム１００は、シナリオ生成部１０１、感度パラメータ設定部１０２、モデル生成部１０３、シミュレーション部１０４、ＫＰＩ設定部１０５、ＫＰＩ計算部１０６、感度評価部１０７、データ格納部１０８、表示部１０９を有する。

この業務設計支援システム１００は、一般的な情報処理装置がソフトウェアを処理することで実現することができ、好適にはコンピュータ等で構成される。構成するコンピュータは、ＣＰＵやメモリ、インターフェース、処理結果等をユーザに提示するディスプレイ等の表示部１０９、ユーザからの入力を受け付けるキーボード・マウス等の入力装置、ＳＳＤやＨＤＤなどの記録装置からなるデータ格納部１０８等を備えており、各機器の動作の制御や後述する各種演算処理等が様々なプログラムに基づいて実行される。これらのプログラムは内部のデータ格納部１０８や外部記録媒体、データサーバ（いずれも図示省略）等に格納されており、ＣＰＵによって読み出され、実行されるものとすることができる。

なお、制御処理は、１つのプログラムにまとめられていても、それぞれが複数のプログラムに別れていてもよく、それらの組み合わせでもよい。また、プログラムの一部または全ては専用ハードウェアで実現してもよく、モジュール化されていても良い。更には、各種プログラムは、プログラム配布サーバや内部記憶媒体や外部記録媒体からインストールされるものとしてもよい。

シナリオ生成部１０１は、対象とする業務の状態や条件を定義するシナリオを生成する部分であり、基準シナリオ設定部１０１ａ、および業務施策シナリオ設定部１０１ｂを有する。

このシナリオ生成部１０１において生成されるシナリオは、業務を実行する人員や組織の情報、業務に関わるアセットの情報、業務を構築するシステムの情報、業務の実行ルールに関わる業務プロセスの情報など、多種多様な情報から構成される。例えば、保全業務を対象とした場合、以下のような情報である。

業務を実行する人員や組織の情報は、保全事業会社の組織体制、保全を行うサービス拠点の数および場所、保全作業員の人数およびスキル、担当業務および担当アセット、勤務時間帯、等の情報を含む。

業務に関わるアセットの情報は、アセットの種類および型式、機能、構成要素、要素間の因果関係、故障モード、故障モードごとの故障発生率、設置台数、設置場所、運用時間、等の情報を含む。また、構成要素なる部品の種類や型式、在庫数、生産頻度、生産時間、等の情報もアセット情報に含まれる。

業務を構築するシステムの情報は、資産管理システム、業務管理システム、業務ログシステム、センサ、状態監視システム、予兆診断や遠隔診断等のＩｏＴ技術を含み、それぞれに対して、性能、導入コスト、運用コスト、適用するアセットや組織の範囲、等の情報を含む。

業務の実行ルールに関わる業務プロセスの情報は、点検や修理といった業務分類、作業の発生頻度、作業時間、作業に必要なスキル、作業に必要なツール、作業に要するコスト、移動時間、等の情報を含む。

なお、上記のシナリオの持つ各種情報は、現在の保全業務の状態に限らず、過去の状態や将来想定される仮想的な状態も含む時系列の情報である。

また、シナリオ生成部１０１で生成するシナリオは、保全業務が仮想的な状態であるか、現実的な状態であるか、は問わないものとする。

現実に即した状態のシナリオは、設計情報や過去の履歴に基づき設定することができる。例えば、現実に即したアセット情報または部品の情報は、資産管理システム（ＥＡＭ）、アセットの設計仕様書、耐久試験データ、故障ログデータ、イベントログデータ、故障モード影響解析（ＦＭＥＡ）、フォールトの木解析（ＦＴＡ）、等の情報を基に設定することができる。現実に即した保全作業の情報は、作業開始時刻、作業終了時刻、作業内容、作業員名、使用ツール、必要資格、等が記録された作業ログデータを基に設定することができる。このように現実に即した状態のシナリオを生成すれば、現実の保全業務を精度良く再現するシミュレーションを行うことができる。

また、シナリオは現実には起こっていない仮想的なものであってもよい。例えば、保守員が３人退職する予定があり、シナリオとして現状人員から保守員を３人減らした仮想的なシナリオを生成すれば、３人退職後の未来に起こり得る保全業務を予測するシミュレーションを行うことができる。

基準シナリオ設定部１０１ａでは、前述したような方法で、現実に即した保全業務状態のシナリオを設定する。

業務施策シナリオ設定部１０１ｂは、現状に対して取り得る業務施策の内容を示す業務施策シナリオを、予め用意した業務施策パタンの中から選択して設定する。この業務施策シナリオ設定部１０１ｂが、好適には業務施策シナリオ設定ステップの実行主体となる。

業務施策パタンの例として、予兆診断や修理リコメンド、遠隔診断などのＩｏＴソリューションを新たに導入するＩｏＴ施策、サービス拠点の数や位置の変更や各サービス拠点の作業員人数を変更する組織変更施策、定期点検周期や部品交換周期などを変更する保全ポリシー変更施策、などがある。また、複数の業務施策パタンを組み合わせた複合施策も一つの施策と捉えることができる。

ここで、本発明における「施策」とは、シナリオの持つ各種情報のうち、意図的に変更することができる情報のパラメータを変更することを意味する。例えば、保守員増強施策は保守員の人数を増加した値に変更すること、ＩｏＴ導入施策は予兆診断などのＩｏＴ技術の数を増加した値に変更すること、と言うことができる。

なお、変更とは同じ値に変更することも含み、ある時点での保全業務の状態を継続する現状維持施策と言える。また、変更する項目数は一つに限らず、複数同時に変更してもよい。

業務施策シナリオの設定画面の一例を図２に示す。図２の例では、施策シナリオＡ、Ｂ，Ｃの３つの異なる業務施策シナリオ画面を開き、それぞれ別の施策設定をしている。

図２の例では、施策シナリオＣの設定として、ＩｏＴ施策パタンとして予兆診断を選択し、その条件パラメータである性能値として誤報率１０％、失報率３％を入力している。また、予兆診断を適用する適用範囲として、エリア単位での指定を選択し、Ａサイトのアセットに予兆診断を適用すると指定している。

加えて、組織変更施策パタンとして保守員数変更を選択し、条件パラメータとして変更人数を＋３人と入力している。また、その変更を施すサービス拠点の範囲を、ＳＣ単位での指定を選択して、ＳＣ１とＳＣ５を指定している。

さらに、保全ポリシー変更施策パタンとして定期点検周期変更を選択し、条件パラメータとして対象をＡコンポーネント点検に指定し、周期を６ヶ月と入力している。すなわち、図２の施策シナリオＣは３つの施策パタンを組み合わせた業務施策シナリオの例である。

基準シナリオ設定部１０１ａで設定した現状業務に則したシナリオに、業務施策シナリオ設定部１０１ｂで設定した業務施策シナリオを足し合わせると、想定した業務施策を実行した場合の仮想的な業務シナリオが生成できる。シナリオ生成部１０１では、複数の業務施策シナリオを設定し、複数の仮想的な業務シナリオを生成する。

感度パラメータ設定部１０２は、シナリオ生成部１０１で生成した業務シナリオの持つ各種情報の条件パラメータのうち、変動させる条件パラメータとその変動幅を設定し、想定した業務シナリオに対して、条件パラメータが変動した場合の業務シナリオを生成する。

図３は感度パラメータの設定画面の一例である。図３の例は、事業環境に影響する外的要因パタンとして、自然災害パタン、疫病パタン、サイバー攻撃パタンを想定したものである。

例えば、自然災害パタンでは、影響する条件パラメータとして、影響サイトをＡサイトと指定し、影響拠点としてＳＣ１を指定し、保守員数の変動幅として－５～０人と指定し、拠点―サイト間移動時間の変動幅として０～＋１００％と指定し、停止システムとして状態監視システムを指定している。これは、台風などの自然災害により、Ａサイトのアセットが同時に停止し、ＳＣ１のサービス拠点で保守員が最大５人業務不能状態に陥り、拠点とサイト間の移動時間が最大２倍になり、状態監視システムが停止した状況を想定した条件設定である。なお、これらの複数の条件パラメータは個別に変動させても、同時に変動させてもよく、変動パタンは自然災害パタンだけでも多岐に渡る。

また、図３の例の疫病パタンでは、影響拠点としてＳＣ１とＳＣ５を指定し、保守員数の変動幅として－２０～０人と指定している。これは、疫病によってＳＣ１とＳＣ５のサービス拠点でそれぞれ最大２０人が業務不能となった状態を想定した条件設定である。

サイバー攻撃パタンでは、影響サイトとしてＡサイトとＢサイトを指定し、影響拠点としてＳＣ１とＳＣ５を指定し、停止システムとして予兆診断システムを指定している。これは、サイバー攻撃によりＡサイトとＢサイトのアセットの予兆診断システムが停止し、ＳＣ１とＳＣ５のサービス拠点で情報にアクセスできない状態を想定した条件設定である。

前述の各種変動パタンの条件パラメータをそれぞれ独立に変動させることで、多数の変動条件を生成することができる。これらの多数の変動条件を、シナリオ生成部１０１で生成した業務シナリオに加えることで、多様な変動が加わった複数の業務シナリオを生成する。

次に、生成された業務シナリオは、モデル生成部１０３に入力され、シミュレーション部１０４を動作させるための各種モデルを生成する。保全業務を対象としたシミュレーションの場合、作業員モデル、アセットモデル、タスクを含む業務プロセスモデル、ＩＴシステムモデルなどが生成される。

シミュレーション部１０４では、生成された各種モデルを用いて、保全業務のシミュレーションを行う。このシミュレーション部１０４が、好適にはシミュレーションステップの実行主体となる。なお、前述の多様な変動が加わった複数の業務シナリオのそれぞれごとにモデルが生成され、それぞれの業務シナリオごとのシミュレーションが実行される。

シミュレーション部１０４で実行するシミュレーションの方法は、例えば、エージェントシミュレーションにより実現できる。

エージェントシミュレーションでは、実世界のアセットあるいはアセットの部品など管理単位ごとに、シミュレーション世界にも対応するアセットのデータを個体ごとに生成し、それが自律的に稼働・故障などをすることで、実世界のアセットの挙動を再現する。この時の生成されたデータをエージェントと呼び、アセットの場合はアセットエージェントと呼ぶことにする。

また、同様に、保守員も一人ずつエージェントをシミュレーション世界に生成し、保守員エージェントと呼ぶ。それらが作業指示に対して、待機、移動、業務実行、休息などの動作をする。

更に、アセットの運用操作や問題発生時に故障対応依頼を行う運用エージェント、保守員に作業割り当てを行う割り当てエージェントなど、実世界の登場人物に対応したエージェントを生成する。

シミュレーション開始時には、入力したシナリオに応じて各エージェントが生成され、各エージェントはシミュレーション時間の経過とともに自律的に動作し、各エージェントの動作はシミュレーションのログデータとして記録される。例えば、アセットエージェントでは、アセット個体ごとに、運転開始時刻、運転終了時刻、故障した時刻、修理して回復した時刻、点検された時刻、等がアセット運用ログとして記録される。また、保守員エージェントでは、保守員ごとに、勤務開始時間、勤務終了時間、作業内容、作業時間、等が保守員作業ログとして記録される。これらのログデータがシミュレーション部１０４の結果として出力される。

なお、シミュレーションの方法はエージェントシミュレーションに限定するものではなく、例えば、因果ループ図（ＬＣＤ）や機械学習モデルなどを用いてもよい。

シミュレーション部１０４で得た業務シナリオごとのシミュレーション結果は、ＫＰＩ計算部１０６に入力される。

ＫＰＩ計算部１０６は、シミュレーションの結果に基づいて、予めＫＰＩ設定部１０５で指定したＫＰＩを計算する部分である。ＫＰＩ計算部１０６で算出したＫＰＩは感度評価部１０７に入力される。このＫＰＩ計算部１０６が、好適には評価指標計算ステップの実行主体となる。

図４は、ＫＰＩ設定部１０５を構成するＫＰＩ設定画面の一例である。図４の例では、ＫＰＩ項目として、アセット稼働率、ＣＯ_２排出量、応答時間、施策コスト、保守コスト、人件費、残業時間、作業効率、総作業工数の項目がある。

例えば、アセット稼働率は、シミュレーション結果であるアセット運用ログを統計分析することで算出できる。残業時間は、シミュレーション結果である保守員作業ログを統計分析することで算出できる。図１の実施例では、ＫＰＩを複数選択することができる。図３の例では、アセット稼働率、施策コスト、残業時間の３つが選択されている。この場合、シミュレーションした業務シナリオごとにそれぞれ３つのＫＰＩ（ＫＰＩ１，ＫＰＩ２，ＫＰＩ３）が算出される。

感度評価部１０７では、シナリオ生成部１０１で生成した業務シナリオに対するＫＰＩと感度パラメータ設定部１０２で指定したシミュレーションの条件パラメータを変動させたときの業務シナリオに対するＫＰＩとを比較し、ＫＰＩの変化量を算出する。この感度評価部１０７が、好適には提示ステップの実行主体となる。

ここで、本発明では、この条件パラメータ変動時のＫＰＩの変化量をＫＰＩ感度と呼ぶこととする。前述したように、感度パラメータ設定部１０２で設定する条件パラメータの変動は、複数の多様なパタンがあり得るため、シナリオ生成部１０１で生成した一つの業務シナリオに対して、複数の変動が加わった業務シナリオが存在する。そのため、一つの業務シナリオのＫＰＩに対して、条件パラメータの変動パタンに応じた複数のＫＰＩ感度が算出される。また、ＫＰＩを複数指定した場合は、一つの業務シナリオに対して複数のＫＰＩがあり、複数のＫＰＩそれぞれに対して、複数のＫＰＩ感度が算出される。

前述のプロセスで生成された、業務シナリオ、業務シナリオごとのＫＰＩ、業務シナリオごとのＫＰＩ感度のデータは、データ格納部１０８に記録される。シナリオ生成部１０１では、想定される業務施策シナリオパタンの中から、複数の業務シナリオが作成されているため、データ格納部１０８には、複数の業務シナリオごとに、それぞれＫＰＩとＫＰＩ感度がセットで格納される。

また、データ格納部１０８に格納された業務シナリオごとのデータは表示部１０９に入力され、表示部１０９は入力された業務シナリオごとのデータを画面に表示する。図５は業務シナリオを評価した結果の出力画面の一例である。

図５の画面上段では、出力対象とするＫＰＩを選択している。この例では、ＫＰＩ１のアセット稼働率とＫＰＩ２の残業時間を選択している。画面中段には、各業務施策シナリオのＫＰＩ評価結果がＫＰＩ１とＫＰＩ２を軸とするグラフで表示されている。横軸はＫＰＩ１であるアセット稼働率の値、縦軸はＫＰＩ２である残業時間の値を示す。

図５のような業務シナリオを評価した結果の出力画面では、業務施策ごとに異なる種類（形状、色）のマーカーでプロットされていることが望ましい。

図５では、施策シナリオＡ、Ｂ、Ｃの結果に加えて、施策を施さない現状の業務状態の結果も□で示している。

また、各業務施策シナリオの結果は、条件パラメータ変動なしのプロットを大きく表示し、条件パラメータを変動させて感度評価した結果を同一種類のマーカーで小さく表示している。これにより、各業務施策シナリオにおいて、各種条件パラメータが変動した際のＫＰＩ変化幅を可視化することができる。図５では、各業務シナリオの変動範囲を破線で囲っている。

更に、図５の下段には、最も良い施策と判断した施策シナリオＣの、各ＫＰＩの値と、各ＫＰＩの感度（変化範囲）を数値で示している。

図５の例では、現状に対して、施策シナリオＡはＫＰＩ２を向上させる効果があり、施策シナリオＢはＫＰＩ１を大きく向上させる効果があり、施策シナリオＣはＫＰＩ１およびＫＰＩ２を向上させる効果がある。このとき、ＫＰＩ１を重視した場合、ＫＰＩ１を最も向上させる施策シナリオＢを最善策として選択してしまいがちである。

しかし、施策シナリオＢは条件パラメータ変動時の変動範囲が大きく、条件によってはＫＰＩ１およびＫＰＩ２が現状以下になってしまうケースもある。図３で例示したように、実施例１では感度パラメータの変動パタンとして、自然災害や疫病、サイバー攻撃を想定した条件パラメータ変動を設定している。そのため、施策シナリオＢは自然災害や疫病、サイバー攻撃に対してロバスト性が低い、非レジリエントな業務施策であると言える。

一方、施策シナリオＡや施策シナリオＣは変動範囲が現状よりも小さく、レジリエントな業務施策と言える。結果として、施策シナリオＣはＫＰＩ１とＫＰＩ２を向上させつつ、変動に対するロバスト性が高い施策であることがわかり、レジリエンスも加味した場合、最も良い施策と判断できる。

次に、本実施例の効果について説明する。

上述した本発明の実施例１の業務設計支援システム１００は、業務施策の内容を示すシナリオを生成する業務施策シナリオ設定部１０１ｂと、シナリオに対してシミュレーションを実行するシミュレーション部１０４と、シミュレーションの結果に基づいて評価指標を計算するＫＰＩ計算部１０６と、シミュレーションの条件パラメータを変化させたときの評価指標の感度を算出する感度評価部１０７と、を有し、シナリオに対する評価指標および感度を提示する。

これによって、様々な環境変化に対してロバスト性を持つレジリエントな業務施策の選択が可能となる。

また、評価指標が複数個あり、感度評価部１０７は、複数個の評価指標に対してそれぞれ条件パラメータを変化させたときの感度を算出し、複数個の評価指標および感度を提示させるため、多様な評価指標をバランスよく考慮することができる。その上、事業環境が変化して重視する評価指標が将来変わった場合でも、迅速に施策転換の意思決定をすることができる。例えば、図５の例であれば、現時点ではＫＰＩ１が重視されていたが、突然ＫＰＩ２が重要な状況となった場合に、ＫＰＩ２の向上に有効な施策シナリオＡを直ちに選択することができる、との効果が得られる。

＜実施例２＞
本発明の実施例２の業務設計支援システムおよび業務設計支援方法について図６を用いて説明する。図６は本実施例２に係る業務設計支援システムの機能ブロック図である。

図６に示す本実施例の業務設計支援システム１００Ａは、図１に示した実施例１の業務設計支援システム１００に施策評価／選定部１１１が追加されている。

施策評価／選定部１１１は、データ格納部１０８に格納された複数の業務シナリオごとのデータを受け付け、業務シナリオごとのＫＰＩとＫＰＩ感度の値を比較・評価することで、複数の業務シナリオの中から良好な業務シナリオを選択する。より具体的には、評価指標が基準値を満たすシナリオのうち、感度が小さい業務施策を優先的に選択して提示させるものとすることができる。この施策評価／選定部１１１が、好適には施策評価／選定ステップの実行主体となる。

評価／選定の基準として、第一に、重視するＫＰＩの基準値を設定し、ＫＰＩ基準値を満足する業務シナリオを抽出する。抽出された業務シナリオが複数ある場合は、各業務シナリオのＫＰＩ感度を比較し、ＫＰＩ感度が小さいものを優先的に選択する。選択された業務シナリオのデータは、表示部１０９に渡されて表示される。

その他の構成・動作は前述した実施例１の業務設計支援システムおよび業務設計支援方法と略同じ構成・動作であり、詳細は省略する。

本発明の実施例２の業務設計支援システムおよび業務設計支援方法においても、前述した実施例１の業務設計支援システムおよび業務設計支援方法とほぼ同様な効果が得られる。

また、評価指標が基準値を満たすシナリオのうち、感度が小さい業務施策を優先的に選択して提示させる施策評価／選定部１１１を更に有することにより、重視するＫＰＩが基準値を満たす業務施策の中から、条件パラメータの変動に対して重視するＫＰＩが変動しにくいロバスト性の高い施策を優先的に選択することができ、レジリエントな業務施策を自動的に選択することができる。

＜実施例３＞
本発明の実施例３の業務設計支援システムおよび業務設計支援方法について図７を用いて説明する。図７は本実施例３に係る業務設計支援システムの機能ブロック図である。

図７に示す本実施例の業務設計支援システム１００Ｂは、実施例１の業務設計支援システム１００に施策学習部１２１が追加されているものである。

施策学習部１２１はシナリオの条件パラメータと評価指標および感度の関係を学習する部分であり、データ格納部１０８に格納された複数の業務シナリオごとのデータが入力される。この施策学習部１２１が、好適には施策学習ステップの実行主体となる。

施策学習部１２１は、業務シナリオの各種条件（業務を実行する人員や組織の情報、業務に関わるアセットの情報、業務を構築するシステムの情報、業務の実行ルールに関わる業務プロセスの情報、など）と、その業務シナリオの条件におけるＫＰＩおよびＫＰＩ感度の関係性を学習する。学習には、重回帰分析やディープラーニングなどの機械学習モデルを使用できる。

施策学習部１２１は、ＫＰＩ設定部１０５で指定したＫＰＩが良好な値となる業務施策シナリオを学習モデルから推定し、推定した業務施策シナリオをシナリオ生成部１０１の業務施策シナリオ設定部１０１ｂに提示することで、良好な業務施策候補の選定をサポートできる。同様に、施策学習部１２１は、ＫＰＩ設定部１０５で指定したＫＰＩの感度が小さい値となる業務施策シナリオを学習モデルから推定することで、条件パラメータ変動にロバストなレジリエントな業務施策候補の選定をサポートできる。

なお、データ格納部１０８には、業種や分野を問わず様々な条件でのデータを格納してもよい。例えば、風車の保全業務を対象としたシミュレーション結果と鉄道車両の保全業務を対象としたシミュレーション結果を同時に格納してもよい。データ格納部１０８に多数のシミュレーション結果を蓄積することで、多様な条件において、多様なＫＰＩおよびＫＰＩ感度の関係性を学習することができ、業種や分野に限定されない汎用的なシステムとすることができる。

その他の構成・動作は前述した実施例１の業務設計支援システムおよび業務設計支援方法と略同じ構成・動作であり、詳細は省略する。

本発明の実施例３の業務設計支援システムおよび業務設計支援方法においても、前述した実施例１の業務設計支援システムおよび業務設計支援方法とほぼ同様な効果が得られる。

また、シナリオの条件パラメータと評価指標および感度の関係を学習する施策学習部１２１を更に有することにより、無数に存在する業務施策シナリオの中から、指定したＫＰＩに対して業務改善効果の高い、良好な業務施策を効率よく選定することができる。

なお、本実施例の施策学習部１２１は、実施例２で説明した業務設計支援システム１００Ａに対しても適用可能である。

＜実施例４＞
本発明の実施例４の業務設計支援システムおよび業務設計支援方法について図８および図９を用いて説明する。図８は本実施例４に係る業務設計支援システムの機能ブロック図、図９はＫＰＩランクの設定画面の一例である。

図８に示す本実施例の業務設計支援システム１００Ｃは、図１の実施例１の業務設計支援システム１００における感度評価部１０７が感度／ランク評価部１３１に変更され、ランク設定部１３２が追加されている。

ランク設定部１３２は、ＫＰＩごとにその値に応じてＫＰＩランクを設定する。感度／ランク評価部１３１は、ＫＰＩ計算部１０６が算出した業務シナリオごとのＫＰＩを受け付け、条件パラメータ変動時のＫＰＩ感度を算出するとともに、ランク設定部１３２で設定したランク（基準値）に応じてＫＰＩごとにランク付けする。感度／ランク評価部１３１が算出した業務シナリオごとのＫＰＩ感度およびＫＰＩランクは、業務シナリオとＫＰＩとセットでデータ格納部１０８に保存される。

図９はＫＰＩのランク設定の例である。ランク設定の基準値には、例えば、保守契約の保証値、法令に基づく規制値、社内基準、社会要請に基づく最低基準を用いることができる。図９の例では、達成が望まれる範囲をＡランク、社会要請上許容できる範囲をＢランク、許容範囲外をＣランクとした。

その他の構成・動作は前述した実施例１の業務設計支援システムおよび業務設計支援方法と略同じ構成・動作であり、詳細は省略する。

本発明の実施例４の業務設計支援システムおよび業務設計支援方法においても、前述した実施例１の業務設計支援システムおよび業務設計支援方法とほぼ同様な効果が得られる。

また、感度／ランク評価部１３１は、評価指標を指定した基準値に基づいてランク付けして、評価指標および感度と合わせてランクを提示することにより、シナリオ生成部１０１で設定した各業務施策シナリオを、規制値や保証値といった基準値に応じたランクで評価できるため、評価指標が簡素化され、業務施策の良否を判断しやすくなる。

なお、本実施例の感度／ランク評価部１３１は、実施例２で説明した業務設計支援システム１００Ａや実施例３で説明した業務設計支援システム１００Ｂ、実施例２に実施例３の構成を組み合わせた業務設計支援システムに対しても適用可能である。

＜その他＞
なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。

また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

１００，１００Ａ，１００Ｂ，１００Ｃ…業務設計支援システム
１０１…シナリオ生成部
１０１ａ…基準シナリオ設定部
１０１ｂ…業務施策シナリオ設定部
１０２…感度パラメータ設定部
１０３…モデル生成部
１０４…シミュレーション部
１０５…ＫＰＩ設定部
１０６…ＫＰＩ計算部
１０７…感度評価部
１０８…データ格納部
１０９…表示部
１１１…施策評価／選定部
１２１…施策学習部
１３１…感度／ランク評価部（感度評価部）
１３２…ランク設定部

Claims (10)

1. 業務施策の内容を示すシナリオを生成する業務施策シナリオ設定部と、
   前記シナリオに対してシミュレーションを実行するシミュレーション部と、
   前記シミュレーションの結果に基づいて評価指標を計算する評価指標計算部と、
   前記シミュレーションの条件パラメータを変化させたときの前記評価指標の感度を算出する感度評価部と、を有し、
   前記シナリオに対する前記評価指標および前記感度を提示する
   ことを特徴とする業務設計支援システム。
2. 請求項１に記載の業務設計支援システムにおいて、
   前記評価指標が複数個あり、
   前記感度評価部は、複数個の前記評価指標に対してそれぞれ前記条件パラメータを変化させたときの前記感度を算出し、複数個の前記評価指標および前記感度を提示させる
   ことを特徴とする業務設計支援システム。
3. 請求項１に記載の業務設計支援システムにおいて、
   前記評価指標が基準値を満たす前記シナリオのうち、前記感度が小さい業務施策を優先的に選択して提示させる施策評価／選定部を更に有する
   ことを特徴とする業務設計支援システム。
4. 請求項１に記載の業務設計支援システムにおいて、
   前記シナリオの条件パラメータと前記評価指標および前記感度の関係を学習する施策学習部を更に有する
   ことを特徴とする業務設計支援システム。
5. 請求項１に記載の業務設計支援システムにおいて、
   前記感度評価部は、前記評価指標を指定した基準値に基づいてランク付けして、前記評価指標および前記感度と合わせてランクを提示する
   ことを特徴とする業務設計支援システム。
6. 業務施策の内容を示すシナリオを生成する業務施策シナリオ設定ステップと、
   前記業務施策シナリオ設定ステップで生成された前記シナリオに対してシミュレーションを実行するシミュレーションステップと、
   前シミュレーションの結果に基づいて評価指標を計算する評価指標計算ステップと、
   前記シミュレーションの条件パラメータを変化させたときの前記評価指標の感度を算出する感度評価ステップと、
   前記シナリオに対する前記評価指標および前記感度を提示する提示ステップと、を有する
   ことを特徴とする業務設計支援方法。
7. 請求項６に記載の業務設計支援方法において、
   前記評価指標が複数個あり、
   前記感度評価ステップでは、複数個の前記評価指標に対してそれぞれ前記条件パラメータを変化させたときの前記感度を算出し、複数個の前記評価指標および前記感度を提示させる
   ことを特徴とする業務設計支援方法。
8. 請求項６に記載の業務設計支援方法において、
   前記評価指標が基準値を満たす前記シナリオのうち、前記感度が小さい業務施策を優先的に選択して提示させる施策評価／選定ステップを更に有する
   ことを特徴とする業務設計支援方法。
9. 請求項６に記載の業務設計支援方法において、
   前記シナリオの条件パラメータと前記評価指標および前記感度の関係を学習する施策学習ステップを更に有する
   ことを特徴とする業務設計支援方法。
10. 請求項６に記載の業務設計支援方法において、
    前記感度評価ステップでは、前記評価指標を指定した基準値に基づいてランク付けして、前記評価指標および前記感度と合わせてランクを提示する
    ことを特徴とする業務設計支援方法。

Images