JP2023068265A - 業務設計支援システム、および業務設計支援方法 - Google Patents
業務設計支援システム、および業務設計支援方法 Download PDFInfo
- Publication number
- JP2023068265A JP2023068265A JP2021179177A JP2021179177A JP2023068265A JP 2023068265 A JP2023068265 A JP 2023068265A JP 2021179177 A JP2021179177 A JP 2021179177A JP 2021179177 A JP2021179177 A JP 2021179177A JP 2023068265 A JP2023068265 A JP 2023068265A
- Authority
- JP
- Japan
- Prior art keywords
- sensitivity
- design support
- scenario
- evaluation
- business
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013461 design Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000011156 evaluation Methods 0.000 claims abstract description 79
- 230000035945 sensitivity Effects 0.000 claims abstract description 74
- 238000004088 simulation Methods 0.000 claims abstract description 53
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 230000007613 environmental effect Effects 0.000 abstract description 5
- 208000018910 keratinopathic ichthyosis Diseases 0.000 description 65
- 238000012423 maintenance Methods 0.000 description 45
- 230000008569 process Effects 0.000 description 30
- 230000008859 change Effects 0.000 description 17
- 239000003795 chemical substances by application Substances 0.000 description 15
- 101001038335 Homo sapiens Serine/threonine-protein kinase LMTK2 Proteins 0.000 description 10
- 102100040292 Serine/threonine-protein kinase LMTK2 Human genes 0.000 description 10
- 238000013500 data storage Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 230000009471 action Effects 0.000 description 8
- 238000007689 inspection Methods 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008439 repair process Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000001364 causal effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011058 failure modes and effects analysis Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000004171 remote diagnosis Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
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。
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。
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。
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、CO2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。
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。
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。
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。
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
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)
- 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021179177A JP2023068265A (ja) | 2021-11-02 | 2021-11-02 | 業務設計支援システム、および業務設計支援方法 |
PCT/JP2022/032717 WO2023079821A1 (ja) | 2021-11-02 | 2022-08-31 | 業務設計支援システム、および業務設計支援方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021179177A JP2023068265A (ja) | 2021-11-02 | 2021-11-02 | 業務設計支援システム、および業務設計支援方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023068265A true JP2023068265A (ja) | 2023-05-17 |
Family
ID=86241219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021179177A Pending JP2023068265A (ja) | 2021-11-02 | 2021-11-02 | 業務設計支援システム、および業務設計支援方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2023068265A (ja) |
WO (1) | WO2023079821A1 (ja) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4077420B2 (ja) * | 2004-03-31 | 2008-04-16 | 株式会社東芝 | 知識活用効果シミュレーション装置、知識活用効果シミュレーション方法、および知識活用効果をシミュレーション計算するプログラム |
JP2007206891A (ja) * | 2006-01-31 | 2007-08-16 | Yasutoshi Osuga | 退職金制度等改定シミュレーション方法およびシステム |
JP2009134468A (ja) * | 2007-11-29 | 2009-06-18 | Toshiba Corp | 供給連鎖シミュレーションシステム及び最適設計プログラム |
JP6352798B2 (ja) * | 2014-12-22 | 2018-07-04 | 株式会社日立製作所 | マーケティング施策最適化装置、方法、及びプログラム |
JP2017162044A (ja) * | 2016-03-08 | 2017-09-14 | 株式会社日立ソリューションズ東日本 | 生産計画装置、生産計画方法および生産計画プログラム |
JP6781602B2 (ja) * | 2016-10-13 | 2020-11-04 | 株式会社日立製作所 | 業務支援システム、および、業務支援方法 |
JP7160574B2 (ja) * | 2018-06-21 | 2022-10-25 | 株式会社日立製作所 | 処理装置、方法、およびプログラム |
-
2021
- 2021-11-02 JP JP2021179177A patent/JP2023068265A/ja active Pending
-
2022
- 2022-08-31 WO PCT/JP2022/032717 patent/WO2023079821A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2023079821A1 (ja) | 2023-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ben-Daya et al. | Handbook of maintenance management and engineering | |
Lehman | Programs, life cycles, and laws of software evolution | |
KR101066949B1 (ko) | 업무 분석 프로그램을 기록한 컴퓨터 판독가능한 기록 매체 및 업무 분석 장치 | |
US20100179951A1 (en) | Systems and methods for mapping enterprise data | |
Lamghari et al. | A set of indicators for BPM life cycle improvement | |
Maquee et al. | Clustering and association rules in analyzing the efficiency of maintenance system of an urban bus network | |
Mamaghani et al. | Resilience, agility and risk management in production ramp-up | |
Zahoransky et al. | Towards a process-centered resilience framework | |
Wari et al. | Maintenance in the downstream petroleum industry: A review on methodology and implementation | |
Reffat et al. | Using data mining on building maintenance during the building life cycle | |
WO2023079821A1 (ja) | 業務設計支援システム、および業務設計支援方法 | |
CN114223002A (zh) | 用于基于在相关事件中识别传感器组合中的显著变化来改进资产操作的方法和系统 | |
JP7466479B2 (ja) | 業務改善支援装置、プログラムおよびプログラムを格納した記憶媒体 | |
Engström et al. | Decision support for test management and scope selection in a software product line context | |
Yashchin | Design and implementation of systems for monitoring lifetime data | |
WO2024084817A1 (ja) | 業務施策評価装置、および、業務施策評価方法 | |
Mamatha et al. | A Preliminary Review on Resource Allocation Within a Software Team. | |
CN118011990B (zh) | 基于人工智能的工业数据品质监控与提升系统 | |
WO2023162577A1 (ja) | 現状業務再現装置、将来シナリオ評価装置及びこれらを備えた業務設計支援システム | |
Nick et al. | Extension of the CCMS 2.0 maturity model towards Artificial Intelligence | |
Hua | A Systems Approach to Effective AIOps Implementation | |
Sourlatzis | The application of lean six sigma to update the bom (Bill of Materials) of the packaging process: A case study in halcor sa | |
Tortora et al. | A Strategic Roadmap to Improve the Maturity Level of Maintenance Information Management Systems | |
MR TORTORA et al. | A Strategic Roadmap to Improve the Maturity Level of Maintenance Information Management Systems. | |
Davis et al. | Implementation of Predictive Maintenance in the Army |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240312 |