JP2023101344A - 情報推薦方法、情報推薦プログラムおよび情報推薦装置 - Google Patents

情報推薦方法、情報推薦プログラムおよび情報推薦装置 Download PDF

Info

Publication number
JP2023101344A
JP2023101344A JP2022001935A JP2022001935A JP2023101344A JP 2023101344 A JP2023101344 A JP 2023101344A JP 2022001935 A JP2022001935 A JP 2022001935A JP 2022001935 A JP2022001935 A JP 2022001935A JP 2023101344 A JP2023101344 A JP 2023101344A
Authority
JP
Japan
Prior art keywords
information
user
manifestation
recommended
tool
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
Application number
JP2022001935A
Other languages
English (en)
Inventor
岳 今井
Takeshi Imai
史弥 牧原
Fumiya Makihara
周平 寺▲崎▼
Shuhei Terasaki
敬史 大野
Takashi Ono
理一郎 武
Riichiro Take
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Amada Co Ltd
Fujitsu Ltd
Original Assignee
Amada Co Ltd
Fujitsu Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Amada Co Ltd, Fujitsu Ltd filed Critical Amada Co Ltd
Priority to JP2022001935A priority Critical patent/JP2023101344A/ja
Priority to PCT/JP2022/042935 priority patent/WO2023132142A1/ja
Publication of JP2023101344A publication Critical patent/JP2023101344A/ja
Pending legal-status Critical Current

Links

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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G09B19/24—Use of tools

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • User Interface Of Digital Computer (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

Figure 2023101344000001
【課題】ユーザが気づいていないツールの操作を推薦できること。
【解決手段】情報推薦装置１００は、ツール１１０を操作した複数のユーザの操作履歴に基づき、ツールに関する習熟度と、操作のうち気づかれにくさである顕在化難易度とを推定する。情報推薦装置１００は、例えば、特定の被推薦ユーザがツール１１０を操作する際、被推薦ユーザの習熟度に対応する顕在化難易度より高い顕在化難易度を有する操作を抽出する。情報推薦装置１００は、抽出した操作を被推薦ユーザに推薦情報Ｓｏとして出力する。例えば、習熟度が「低」の被推薦ユーザには、顕在化難易度が「中」または「高」の操作を推薦する。被推薦ユーザは、推薦情報Ｓｏにより気づいていなかったツール１１０の操作が行える。
【選択図】図１

Description

本発明は、情報推薦方法、情報推薦プログラムおよび情報推薦装置に関する。
従来、ユーザが操作する装置やソフトウェア等のツールは、開発を重ねる毎に機能が追加されて複雑になっていく。ツールの多様な機能は、操作に習熟したユーザには便利であるが、操作に不慣れなユーザには煩雑で扱いにくいものとなる。操作に不慣れなユーザに対し、ツールの操作の適切な情報を効率的に推薦することが求められる。
先行技術としては、例えば、施設監視アプリケーションの操作の予測器を協調フィルタリングで学習して予測結果をカスタムメニューとして提示するものがある。また、例えば、ユーザの操作履歴からユーザの習熟度を算出し、対象のユーザと操作履歴が類似するユーザのなかから習熟度が近いユーザを選定し、選定されたユーザの操作の傾向から対象のユーザに適した操作を選定し、推薦するものがある。また、検索ワードの専門度度合いにより専門性の高いユーザを認識し、専門性の高いユーザが利用する検索ワードを専門領域に関連するワードとして抽出するものがある。
特開２０１９－２００５６４号公報 特開２０１８－１９７９３６号公報 特開２００４－１９２５４２号公報
しかしながら、従来技術では、例えば、ユーザに対し有用な操作を推薦できないことがあった。また、ユーザが気づいていない操作を推薦できないことがあった。また、ユーザの操作時の状況を考慮して有用な操作を推薦できないことがあった。
一つの側面では、本発明は、ユーザが気づいていないツールの操作を推薦できることを目的とする。
一つの実施態様によれば、ツールを操作した複数のユーザの操作履歴に基づき、前記ツールに関する習熟度と、前記操作のうち気づかれにくさである顕在化難易度とを推定し、特定のユーザの前記習熟度より高い顕在化難易度を有する操作を抽出し、前記抽出した操作を前記特定のユーザに推薦情報として出力する、処理をコンピュータが実行する情報推薦方法、情報推薦プログラムおよび情報推薦装置が提案される。
一態様によれば、ユーザが気づいていないツールの操作を推薦できるようになる。
図１は、実施の形態に係る情報推薦方法の一実施例を示す説明図である。 図２は、情報推薦システムの構成例を示す図である。 図３は、情報推薦装置のハードウェア構成例を示すブロック図である。 図４は、操作履歴収集の機能的構成例を示すブロック図である。 図５は、曲げ加工機の構成例を示す図である。 図６は、操作履歴テーブルの記憶内容の一例を示す図表である。 図７は、操作履歴の情報の学習の機能的構成例を示すブロック図である。 図８は、データ整形部による整形後の操作履歴の情報の一例を示す図表である。 図９は、操作履歴の情報の学習の処理例を示すフローチャートである。 図１０Ａは、有用さテーブルの記憶内容の一例を示す図表である。 図１０Ｂは、顕在化難易度テーブルの記憶内容の一例を示す図表である。 図１０Ｃは、習熟度テーブルの記憶内容の一例を示す図表である。 図１１は、推薦情報生成の機能的構成例を示すブロック図である。 図１２Ａは、被推薦ユーザ操作抽出部が行う処理例を示すフローチャートである。（その１） 図１２Ｂは、被推薦ユーザ操作抽出部が行う処理例を示すフローチャートである。（その２） 図１３は、被推薦ユーザ操作リストの例を示す図である。 図１４は、推薦操作選定部が行う処理例を示すフローチャートである。 図１５は、推薦情報の出力例を示す図である。
以下に、図面を参照して、本発明に係る情報推薦方法、情報推薦プログラムおよび情報推薦装置の実施の形態を詳細に説明する。
（実施の形態に係る情報推薦方法の一実施例）
図１は、実施の形態に係る情報推薦方法の一実施例を示す説明図である。情報推薦装置１００は、ツール１１０を操作する特定のユーザ（被推薦ユーザ）に対し、被推薦ユーザが気づいていないツール１１０の操作の情報を出力するためのコンピュータである。被推薦ユーザは、情報推薦装置１００から推薦情報を受けるユーザである。
情報推薦装置１００は、例えば、被推薦ユーザがツール１１０を所定の状況で操作しようとする際、この被推薦ユーザに対してツール１１０を適切に操作するための推薦情報を出力する。
情報推薦装置１００は、例えば、サーバやＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）であり、操作履歴テーブル１０１と、情報推薦装置１００の制御を実行する制御部１０２と、を含む。情報推薦装置１００は、クラウドサーバであってもよく、操作履歴テーブル１０１と、制御部１０２は、クラウド上で任意に配置してもよい。
情報推薦装置１００は、ツール１１０を操作した複数のユーザ（全ユーザ）の操作毎情報Ｓ１を取得する。ツール１１０は、例えば、ユーザが実際に操作する所定の工作機械（後述する曲げ加工機２００等）や、ユーザが操作する所定のソフトウェア等である。ツール１１０は、全ユーザがそれぞれツール１１０を操作した毎の操作毎情報Ｓ１を出力する。操作毎情報Ｓ１は、ユーザ識別子（ＩＤ）、操作情報、状況情報を含む。操作情報は、ユーザがツール１１０を操作した時の操作対象（例えば、曲げ加工機２００の動作設定）に関する情報である。状況情報は、ユーザがツール１１０を操作した時の操作対象（例えば、ワークＷの各種情報）に関する情報である。
情報推薦装置１００は、ユーザ毎の操作毎情報Ｓ１が入力される都度、ユーザ毎の操作毎情報を曲げ加工機２００の操作履歴として集約した集約情報を生成し、操作履歴テーブル１０１を作成する。操作履歴テーブル１０１には、ユーザ毎のツール１１０の操作履歴が蓄積される。操作毎情報Ｓ１の集約は、情報推薦装置１００が行うに限らず、ツール１１０が行ってもよい。
情報推薦装置１００（制御部１０２）は、操作履歴テーブル１０１を参照し、ツール１１０を操作した全ユーザの操作履歴を学習し、ユーザ別の推薦情報を生成する。情報推薦装置１００は、ユーザＩＤ等で指定された被推薦ユーザの入力情報Ｓｉが入力されると、指定された被推薦ユーザに対応した適切な推薦情報（出力情報）Ｓｏを出力する。入力情報Ｓｉおよび出力情報Ｓｏは、ツール１１０が入出力してもよいし、ツール１１０とは別のＰＣ等が入出力してもよい。
情報推薦装置１００が出力する推薦情報Ｓｏは、ツール１１０の操作において、被推薦ユーザが気づいていない操作を被推薦ユーザに推薦する内容を含む。
従来、例えば、被推薦ユーザに対しツールの適切な操作を推薦できないことがあった。例えば、ツールの操作に不慣れな被推薦ユーザに対し、他の不慣れなユーザが行った有用ではない操作を推薦する場合があった。また、被推薦ユーザが気づいていない操作を推薦できないことがある。例えば、誰でも知っているような操作を被推薦ユーザに推薦する場合がある。また、被推薦ユーザの操作時の状況を考慮して有用な操作を推薦できないことがある。例えば、被推薦ユーザによるツールの操作時の状況として、工程の進捗、タスクの属性（行うべき操作等）、アプリケーションや環境（温度、湿度等）の状況が異なる場合、以前の異なる状況と同じ操作では有用ではない場合がある。
そこで、本実施の形態では、情報推薦装置１００は、被推薦ユーザに対し適切な操作を推薦する。例えば、情報推薦装置１００は、被推薦ユーザが気づいていない操作を推薦する。ここで、情報推薦装置１００は、被推薦ユーザの操作時の状況を考慮して気づいていない操作のうち有用な操作を推薦する。以下、実施の形態の情報推薦方法について説明する。
実施の形態では、用語を以下のように定義する。
「有用さ」の高い操作とは、多くのユーザが繰り返し行った操作、
「習熟度」が高いユーザとは、いろいろな操作を知っているユーザ、
「顕在化難易度」が高い操作とは、多くのユーザが気づきにくい操作（少人数のユーザだけが気づいて行った操作、気づかれにくさ）、である。
情報推薦装置１００は、図１に示す全ユーザの「習熟度」と、「顕在化難易度」との対応関係に基づき、被推薦ユーザの習熟度に対応する顕在化難易度より高い顕在化難易度（気づかれにくさ）を有する作業を推薦する。例えば、習熟度「低」の被推薦ユーザに対しては、顕在化難易度（気づかれにくさ）が「中」以下のユーザ（中および高）が行っていた操作を推薦する（図１中実線）。また、習熟度「中」の被推薦ユーザに対しては、顕在化難易度（気づかれにくさ）が「高」のユーザが行っていた操作を推薦する（図１中点線）。
ここで、図１に示すように、情報推薦装置１００は、習熟度「低」の被推薦ユーザに対しては、顕在化難易度が「低」の操作の推薦を行わない。また、習熟度「高」の被推薦ユーザに対しては、さらなる操作の推薦は不要と判断する。
図１の例では、便宜上、習熟度と、顕在化難易度と、をそれぞれ３分割して判断する説明とした。情報推薦装置１００（制御部１０２）は、実際には、習熟度、および顕在化難易度をそれぞれに対応した所定範囲の値で判断している。例えば、情報推薦装置１００（制御部１０２）は、習熟度「低」～「中」～「高」に対応した１．０～１０．０～１００．０の範囲の連続値を用い、また、顕在化難易度「低」～「中」～「高」に対応した０．２～２～２０の範囲の連続値を用いる。
ここで、情報推薦装置１００は、図１の実線に示した習熟度「低」の被推薦ユーザに対しては、顕在化難易度（気づかれにくさ）が「中」以下のユーザが行った操作を推薦し、「低」のユーザが行っていた操作は推薦していない。これは、「低」のユーザが行った操作は誰でも知っている（習熟度「低」の被推薦ユーザも操作を知っている）ためであり、情報推薦装置１００は「低」のユーザが行っていた操作は推薦しない。
従来技術（例えば、特許文献２）の技術では、「習熟度」のみで推薦を行っており、実施の形態の「習熟度」と、「顕在化難易度」との対応関係に基づく判断は行っていない。このため、従来技術では、習熟度「低」の被推薦ユーザに対しては、習熟度「中」または「高」のユーザが行った操作を推薦することが考えられる。この場合、例えば、習熟度「中」の操作の中には、全ユーザが知っている当たり前の操作が混ざっており、習熟度「低」のユーザも知っていることが含まれており、被推薦ユーザに対して不要な推薦がされてしまう。また、習熟度「中」の操作の中で、習熟度「低」のユーザが行っていない操作を推薦することが考えられる。この場合、習熟度「低」のユーザがその操作を過去に行っていた場合には、そのノウハウは推薦されなくなってしまう。
これに対し、実施の形態の情報推薦装置１００は、被推薦ユーザが気づいていないと推論した操作（ノウハウに相当）を推薦する。さらに、情報推薦装置１００は、ある状況における被推薦ユーザの操作の有用さをスコアリングする。また、情報推薦装置１００は、対象の被推薦ユーザが、ある状況における操作の「有用さ」に気づいているか否かを推論する。これにより、情報推薦装置１００は、「有用さ」が高い操作、かつ対象の被推薦ユーザが「有用さ」に気づいていなかった操作を推薦できる。
（情報推薦システムの構成例）
図２は、情報推薦システムの構成例を示す図である。図２には、ツール１１０として、ユーザがワークを把持した状態でワークを曲げ加工する曲げ加工機２００を例としている。情報推薦装置１００は、曲げ加工機２００を操作する全ユーザの操作毎情報Ｓ１を収集し、上記の学習処理を行う。そして情報推薦装置１００は、ある特定の被推薦ユーザを対象とした呼出を受けた際、この被推薦ユーザに対し、被推薦ユーザが気づいていない曲げ加工機２００の操作を含む推薦情報Ｓｏを出力する。さらに、情報推薦装置１００は、被推薦ユーザが気づいていない曲げ加工機２００の操作のうち有用な操作を示す推薦情報Ｓｏを出力することもできる。
また、図２の構成例では、曲げ加工機２００と、情報推薦装置１００との間に、ＰＣ２０１を配置している。ＰＣ２０１は、曲げ加工機２００との間、および情報推薦装置１００との間がそれぞれネットワークで通信接続される。ＰＣ２０１には、モニタ２０２が接続されている。ＰＣ２０１は、情報推薦装置１００から送信された推薦情報Ｓｏをモニタ２０２に表示する。
図２を用いて処理の概要を順番に説明する。
１．曲げ加工機２００は、曲げ加工機２００がユーザによって操作される毎に、操作毎情報Ｓ１をＰＣ２０１に送信する。操作毎情報Ｓ１は、上記の操作情報、状況情報、ユーザ情報（ＩＤ）を含む。曲げ加工機２００は、ユーザによる操作毎に、操作毎情報Ｓ１をＰＣ２０１に送信する。ここで、曲げ加工機２００は、例えば、同一／および異なるユーザ、さらには時間経過による異なる操作毎に、操作したユーザのユーザＩＤと、操作情報と、操作時の状況情報をＰＣ２０１に送信する。
２．ＰＣ２０１は、操作毎情報（ユーザＩＤ，操作情報、状況情報）Ｓ１を、ネットワークを介して情報推薦装置１００に送信する。情報推薦装置１００は、操作毎情報Ｓ１をユーザ毎に集約した集約情報Ｓ２を操作履歴テーブル１０１に格納する。操作履歴テーブル１０１には、時間経過（タイムスタンプ）毎のレコードに、ユーザ別の集約情報（操作情報、状況情報）Ｓ２を格納する。このようにして、操作履歴テーブル１０１には、曲げ加工機２００を操作した複数のユーザ（全ユーザ）について、ユーザ毎の集約情報（操作情報、状況情報）Ｓ２が蓄積されていく。
３．情報推薦装置１００（制御部１０２）は、所定のタイミング毎に、操作履歴テーブル１０１に蓄積された複数のユーザ（全ユーザに相当）の集約情報（操作情報、状況情報）Ｓ２を参照する。情報推薦装置１００は、集約情報Ｓ２を学習に適した形式に整形し、整形後のデータを学習する。情報推薦装置１００は、整形後のデータに対する所定の学習処理により、推薦情報Ｓｏの出力のためのモデルを生成する。
例えば、情報推薦装置１００は、操作履歴テーブル１０１に蓄積された全ユーザの集約情報Ｓ２、所定の操作期間、初期パラメータ等に基づき、上記の「有用さ」、「顕在化難易度」、「習熟度」のパラメータを学習処理により推定する。
４．ＰＣ２０１は、呼出時、被推薦ユーザの入力情報Ｓｉ（ユーザＩＤ、状況情報）を情報推薦装置１００に出力する。ＰＣ２０１は、ある被推薦ユーザの入力情報Ｓｉを情報推薦装置１００に出力する。
５．情報推薦装置１００は、呼出毎、すなわち、入力された被推薦ユーザの入力情報Ｓｉを被推薦ユーザの入力情報Ｓｉを、作成済のモデルに適用することで、被推薦ユーザに適した推薦情報Ｓｏを生成し、ＰＣ２０１に出力する。
例えば、情報推薦装置１００は、被推薦ユーザの入力情報Ｓｉの入力時、学習により推定した「有用さ」、「顕在化難易度」、「習熟度」に基づいて被推薦ユーザに適した推薦情報Ｓｏを生成する。情報推薦装置１００は、生成した推薦情報ＳｏをＰＣ２０１に送信する。情報推薦装置１００が行う学習による推薦情報Ｓｏの生成の詳細は後述する。
６．ＰＣ２０１は、情報推薦装置１００から受信した被推薦ユーザ用の推薦情報Ｓｏを所定形式でモニタ２０２に画面表示する。モニタ２０２に表示される推薦情報Ｓｏは、被推薦ユーザが気づいていない曲げ加工機２００の操作でかつ有用な操作を示す推薦の情報を含む。
（情報推薦装置１００のハードウェア構成例）
次に、図３を用いて、情報推薦装置１００のハードウェア構成例について説明する。
図３は、情報推薦装置のハードウェア構成例を示す図である。図３において、情報推薦装置１００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）３０１と、メモリ３０２と、ネットワークＩ／Ｆ（Ｉｎｔｅｒｆａｃｅ）３０３と、記録媒体Ｉ／Ｆ３０４と、記録媒体３０５とを有する。また、各構成部は、バス３００によってそれぞれ接続される。ネットワークＮＷは、例えば、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネットなどである。
ここで、ＣＰＵ３０１は、情報推薦装置１００の全体の制御を司る。メモリ３０２は、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）およびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭやＲＯＭが各種プログラムを記憶し、ＲＡＭがＣＰＵ３０１のワークエリアとして使用される。メモリ３０２に記憶されるプログラムは、ＣＰＵ３０１にロードされることにより、コーディングされている処理をＣＰＵ３０１に実行させる。
ネットワークＩ／Ｆ３０３は、通信回線を通じてネットワークＮＷに接続され、ネットワークＮＷを介して他のコンピュータに接続される。そして、ネットワークＩ／Ｆ３０３は、ネットワークＮＷと内部のインターフェースを司り、他のコンピュータからのデータの入出力を制御する。ネットワークＩ／Ｆ３０３は、例えば、モデムやＬＡＮアダプタなどである。
記録媒体Ｉ／Ｆ３０４は、ＣＰＵ３０１の制御に従って記録媒体３０５に対するデータのリード／ライトを制御する。記録媒体Ｉ／Ｆ３０４は、例えば、ディスクドライブ、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ポートなどである。記録媒体３０５は、記録媒体Ｉ／Ｆ３０４の制御で書き込まれたデータを記憶する不揮発メモリである。記録媒体３０５は、例えば、ディスク、半導体メモリ、ＵＳＢメモリなどである。記録媒体３０５は、情報推薦装置１００から着脱可能であってもよい。
可搬型記録媒体Ｉ／Ｆ３０６は、ＣＰＵ３０１の制御に従って可搬型記録媒体３０７に対するデータのリード／ライトを制御する。可搬型記録媒体３０７は、可搬型記録媒体Ｉ／Ｆ３０６の制御で書き込まれたデータを記憶する。可搬型記録媒体３０７としては、例えば、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｃ）－ＲＯＭ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリなどが挙げられる。
情報推薦装置１００は、上述した構成部の他、例えば、キーボード、マウス、ディスプレイ、プリンタ、スキャナ、マイク、スピーカーなどを有してもよい。また、情報推薦装置１００は、記録媒体Ｉ／Ｆ３０４や記録媒体３０５を複数有していてもよい。また、情報推薦装置１００は、記録媒体Ｉ／Ｆ３０４や記録媒体３０５を有していなくてもよい。
図２に示したＰＣ２０１のハードウェア構成例は、図３に示した情報推薦装置１００のハードウェア構成例と同様であるため、説明を省略する。
（情報推薦装置が行う処理）
情報推薦装置１００は、被推薦ユーザに推薦情報を出力するにあたり、１．操作履歴収集、２．操作履歴の情報の学習、３．推薦情報の生成、の各処理を行う。以下、これらの処理を順に説明する。
（１．操作履歴収集）
図４は、操作履歴収集の機能的構成例を示すブロック図である。図４は、図２の曲げ加工機２００を対象とした操作履歴収集に係るＰＣ２０１と、情報推薦装置１００の機能的構成を示す。図４の構成例では、ＰＣ２０１は、曲げ加工機２００のユーザ操作時、操作に係る情報を検出する構成とした。このほか、ＰＣ２０１のユーザ操作に係る構成部は、曲げ加工機２００が有してもよい。
ＰＣ２０１は、操作履歴収集に係る機能として、タイムスタンプ部４０１と、ユーザ識別部４０２と、状況検出部４０３と、操作検出部４０４とを含む。タイムスタンプ部４０１は、ユーザが曲げ加工機２００を操作した時の時刻（タイムスタンプ）を検出する。ユーザ識別部４０２は、曲げ加工機２００を操作したユーザ情報Ｕを検出し、ユーザ情報Ｕを出力する。
状況検出部４０３は、曲げ加工機２００をユーザが操作する毎の状況に関する各種情報を検出する。状況に関する各種情報は、例えば、曲げ加工する板材等のワーク名、材質、曲げ加工の工程、ワークの操作（ユーザによるワークの把持）に関する情報等であり、状況検出部４０３は、これらの各種情報を状況情報ｃとして出力する。
操作検出部４０４は、曲げ加工機２００をユーザが操作する毎の操作に関する各種情報を検出する。操作に関する各種情報は、例えば、ユーザが入力したワークの曲げ加工に対する所定の操作、ワーク曲げ時の曲げ加工機２００が行う各種項目別の動作および動作の値等であり、操作検出部４０４は、これらの各種情報を操作情報ａとして出力する。
ＰＣ２０１は、曲げ加工機２００をユーザが操作する毎に、操作毎情報Ｓ１を情報推薦装置１００に出力する。操作毎情報Ｓ１は、タイムスタンプと、ユーザ情報Ｕと、状況情報ｃと、操作情報ａを含む操作毎情報Ｓ１を出力する。
情報推薦装置１００は、制御部１０２の機能として操作履歴集約部４１１を含む。操作履歴集約部４１１は、ＰＣ２０１が出力する操作毎情報Ｓ１を曲げ加工機２００の操作履歴として集約した集約情報を操作履歴テーブル１０１に格納する。
（曲げ加工機の構成例）
図５は、曲げ加工機の構成例を示す図である。図５を用いて、曲げ加工機２００の構成および動作例について説明する。曲げ加工機２００は、パンチ５０１と、ダイ５０２と、突当部５０３とを含む。パンチ５０１とダイ５０２は、ワークＷを挟んで折り曲げるために所定形状の凹凸（図示の例では三角形状）を有している。
曲げ加工機２００を操作するユーザは、把持したワークＷを水平方向Ｘからダイ５０２の上部を介して突当部５０３にワークＷの先端が当たるまで挿入する操作を行う。この後、ユーザは、ワークＷの他端側を把持したまま、所定の操作ＳＷを操作する等により、曲げ加工機２００は、不図示のモータやシリンダ等の駆動部がパンチ５０１を下方向Ｙに下降させ、ワークＷを折り曲げる。図中点線は、折り曲げ後のワークＷを示し、ワークＷは加工前の位置に対し両端が斜めに持ち上がる。
パンチ５０１とダイ５０２によるワークＷの折り曲げの中心から突当部５０３側のワークＷ先端までの長さは突当側長さであり、中心からユーザ側のワーク他端までの長さは把持側長さである。
（操作履歴テーブルの記憶内容）
図６は、操作履歴テーブルの記憶内容の一例を示す図表である。操作履歴テーブル１０１は、例えば、図３に示したメモリ３０２や記録媒体３０５などの記憶領域により実現される。
図６に示すように、操作履歴テーブル１０１は、タイムスタンプと、ユーザと、状況と、操作の各情報のフィールドを有する。例えば、ユーザの情報は、曲げ加工機２００を操作したユーザ名である。状況の情報は、情報推薦装置１００が取得した状況情報ｃに対応する。状況の情報は、例えば、ワーク名、ワークの材質、工程、把持側長さ、突当側長さ、等である。工程は、曲げ加工機２００に対しユーザが行う曲げ加工の所定の工程を示す。
操作の情報は、情報推薦装置１００が取得した操作情報ａに対応する。操作の情報は、操作ＩＤ、項目ＩＤ、値、等である。操作ＩＤは、曲げ加工機２００が行う動作に対しユーザが動作状態を変更する各種操作の識別子である。項目ＩＤは、操作ＩＤに対応した操作における曲げ加工機２００が行う各種動作の識別子であり、値は、項目ＩＤが示す各種動作で曲げ加工機２００に行わせる動作状態の値である。
操作履歴テーブル１０１は、情報推薦装置１００が取得した集約情報に基づき、各フィールドに情報を設定したレコード１０１－ａとして記憶される。ａは、任意の整数である。
図６に示すように、操作履歴テーブル１０１には、タイムスタンプの昇順に、曲げ加工機２００を操作したユーザ、状況、操作の情報が記憶される。
例えば、レコード１０１－１は、タイムスタンプが「０：００」であり、ユーザ名が「ユーザＡ」である。また、状況のワーク名が「ワークＡ」、ワークの材質が「ＳＥＣＣ」、ワークに対する加工の工程が「１」、ワークＡの把持側長さが「５００（ｍｍ）」、ワークＡの突当側長さが「１０（ｍｍ）」である。また、操作の操作ＩＤが「１：ユーザ入力操作有」、項目ＩＤが「１：曲げ速度の設定値」、値が「１：曲げ速度が遅い」である。値は大きいほど曲げ速度（パンチ５０１の下降速度）が速く、小さいほど遅い。
また、レコード１０１－４は、タイムスタンプが「１：００」であり、ユーザ名が「ユーザＢ」である。また、状況のワークＷのワーク名が「ワークＡ」、ワークの材質が「ＳＥＣＣ」、ワークに対する加工の工程が「１」、ワークＡの把持側長さが「５００（ｍｍ）」、ワークＡの突当側長さが「１０（ｍｍ）」であり、突当側長さよりも把持側長さの方が長い。また、操作の操作ＩＤが「０：ユーザ入力操作なし」、項目ＩＤが「０：曲げ速度の設定変更なし」、値が「０：曲げ速度の設定変更なし」である。
ユーザＡのレコード１０１－１に示されるタイムスタンプ「０：００」での状況の情報と、ユーザＢのレコード１０１－４に示されるタイムスタンプが「１：００」での状況の情報は同じである。しかし、ユーザＡの操作の情報と、ユーザＢの操作の情報とは異なっている。ユーザＡは、操作ＩＤ「１」、項目ＩＤ「１」、値「１」により、曲げ加工時の速度（パンチ５０１の下降速度）が遅くなるように操作したことを示す。これに対し、ユーザＢは、操作ＩＤ「０（操作なし）」であり、曲げ加工時のパンチ５０１の下降速度に対する操作を行っていないことを示す。
このほか、レコード１０１－７のユーザＣについては、タイムスタンプ「０：００」のユーザＡの状況の情報と同じである。ユーザＣの操作の情報は、操作ＩＤ「１」、項目ＩＤ「１」、値「３」であり、曲げ加工時のパンチ５０１の下降速度が遅く（ユーザＡの値「１」が示す遅さよりもやや速く）なるように操作したことを示す。
図６に示す操作履歴テーブル１０１の記憶内容に示すように、各ユーザＡ～Ｃは曲げ加工機２００に対してそれぞれの操作を行っている。操作履歴テーブル１０１の記憶内容から見て、ユーザＡ，Ｃは、状況に合わせて有用な入力操作を行っている。すなわち、図５に示したワークＷ（ワーク名：Ａ）は、把持側長さが５００ｍｍであり長い。
この場合、曲がる時の速度が速いとワークＷを把持するユーザの手が追い付かず、ワークＷの把持が不安定となるため、ユーザＡ，Ｃは、曲がる時の速度を遅くするように操作の設定を変更している。これに対し、ユーザＢは、ワークＷの状況に合わせた有用な操作を行っていない。例えば、ユーザＢは、曲げ加工機２００の操作の経験が少ないため、何が適切な操作なのかわからない状態であり、操作の設定を変更していないことが考えられる。これらの点から、ユーザＡ，Ｃは、曲げ加工機２００の操作に関する習熟度が高く、ユーザＢは習熟度が低いことが考えられる。
（２．操作履歴の情報の学習）
次に、情報推薦装置１００による操作履歴情報の学習について説明する。情報推薦装置１００は、曲げ加工機２００に関して出力する推薦情報Ｓｏ生成にあたり、操作履歴テーブル１０１の操作履歴の情報を学習し、「有用さ」、「顕在化難易度」、「習熟度」の各種情報を推定する。
図７は、操作履歴の情報の学習の機能的構成例を示すブロック図である。情報推薦装置１００の制御部１０２は、操作履歴の情報の学習の機能として、取得部７０１、データ整形部７０２、学習部７０３、操作期間抽出部７１１、初期パラメータ設定部７１２の機能を含む。
取得部７０１は、操作履歴テーブル１０１に記憶された操作履歴の情報（図６参照）を取得する。例えば、取得部７０１は、操作履歴テーブル１０１に記憶された全ユーザの操作履歴の情報（図６参照）を取得することで、学習部７０３は、全ユーザの操作履歴の情報に基づく学習処理を行う。
また、取得部７０１は、操作期間抽出部７１１で操作期間の指定がある場合、操作履歴テーブル１０１の操作履歴の情報のうち、指定された操作期間（タイムスタンプの範囲に相当）の操作履歴の情報を取得する。すなわち、学習部７０３が学習対象とする操作履歴テーブル１０１の情報について、全ユーザを対象とした全てのデータに限らず、操作期間の指定時には、操作期間に対応して操作履歴テーブル１０１の全データのうち一部のデータを用いた学習を行う。これにより、例えば、極端に古い時期の操作履歴の情報を除いた学習により学習の精度を高めることができる。
データ整形部７０２は、取得したユーザの操作履歴の情報を、後段の学習部７０３の学習に適した所定の形式に整形する。
図８は、データ整形部による整形後の操作履歴の情報の一例を示す図表である。データ整形部７０２は、ユーザ毎にある状況でユーザが取り得る操作履歴をデータ整形テーブル８０１の行方向に並べ、このデータ整形テーブル８０１に、ユーザ毎の通し番号を付与する。また、状況の複数の項目の組み合わせ毎に通し番号を付与する。同様に、操作の複数の項目の組み合わせ毎に通し番号を付与する。
図８の例において、レコード８０１－１には、インデックス「１」に、ユーザ番号「ユーザ１」、状況番号「状況１」、操作番号「操作１」、ユーザ選択「１」が付与される。これら「ユーザ１」の「状況１」、「操作１」、ユーザ選択「１」は、例えば、図６に示すレコード１０１－１の「ユーザＡ」の状況と操作の操作履歴情報にリンクしている。
また、図８のレコード８０１－３には、インデックス「３」に、ユーザ番号「ユーザ２」、状況番号「状況１」、操作番号「操作１」、ユーザ選択「０」が付与される。これら「ユーザ２」の「状況１」、「操作１」は、例えば、図６に示すレコード１０１－４の「ユーザＢ」の状況と操作の操作履歴情報にリンクしている。
データ整形部７０２は、データ整形テーブル８０１として、操作履歴の情報に対し、ユーザ毎、状況の組合わせ毎、操作の組み合わせ毎にそれぞれインデックスを付与し、ユーザが選択した操作「１」と選択しなかった操作「０」を識別する符号を「ユーザ選択」列として付与する。学習部７０３は、「有用さ」、「顕在化難易度」、「習熟度」をそれぞれ、または同時に推定する。
図７に戻り説明すると、学習部７０３は、データ整形部７０２により整形後の操作履歴の情報を用いて、有用さ推定部７２１は、「有用さ」を推定し、推定結果を有用さテーブル７３１に格納する。また、顕在化難易度推定部７２２は、「顕在化難易度」を推定し、推定結果を顕在化難易度テーブル７３２に格納する。また、習熟度推定部７２３は、「習熟度」を推定し、推定結果を習熟度テーブル７３３に格納する。これら有用さテーブル７３１、顕在化難易度テーブル７３２、習熟度テーブル７３３は、学習部７０３の学習処理結果を格納するデータベース（ＤＢ）である。
学習部７０３は、「有用さ」、「顕在化難易度」、「習熟度」の各種情報（各種パラメータ）を下記の定義で扱う。
「有用さ：ｒca」は、ある状況と操作の組み合わせに対して、効率的な作業であるかの度合い（添え字ｃａは状況ｃと操作ａの組であることを表す）
「顕在化難易度：ηca」は、ある状況ｃと操作ａの組み合わせに対して、ユーザがその操作の有用さを把握する難しさ
「習熟度：θu」は、ユーザがツールの様々な操作の有用さが判断できる度合い（添え字ｕはユーザを表す）
学習部７０３には、初期パラメータ設定部７１２で設定された初期パラメータが入力される。初期パラメータ設定部７１２は、各種パラメータ（「有用さ：ｒca」、「顕在化難易度：ηca」、「習熟度：θu」）の初期値を、例えば、ランダムに生成する。
学習部７０３による推定方法の一例を説明する。学習部７０３は、整形後の操作履歴の情報（図８参照）の各レコードについて、状況における各操作（行わなかったものも含む）の「有用さ」をユーザが把握していたかどうかを示す潜在変数ｚを用いる。学習部７０３は、例えば、把握している場合はｚ＝１、把握していない場合はｚ＝０とする。「有用さ」は「習熟度」が高いほど把握しやすく、「顕在化難易度」が高いほど把握しにくいため、潜在変数ｚは、「習熟度θu」と、「顕在化難易度ηca」から決定される確率変数とみなし、確率ｐをｐ（ｚ）＝ｆ（θu，ηca）により算出する。
上記によれば、学習部７０３は、潜在変数ｚが決まった時の「習熟度θu」、「顕在化難易度ηca」の最尤推定は既存の技術を用いて可能である。
ここで、学習部７０３は、ｚ＝１の場合とｚ＝０の場合では、操作ａを採用する確率が異なるモデルを仮定する。例えば、ｚ＝１の場合はユーザが確信をもって行った操作、ｚ＝０の場合はユーザが気づかず行った操作に相当する。学習部７０３は、ｚ＝１の場合は、「有用さｒca」に従う何らかの決定により、操作ａを採用するかどうかを判断する。また、学習部７０３は、ｚ＝０の場合は、操作ａを採用する確率は一定とする。
学習部７０３は、上記モデルを仮定して、最尤推定により、「習熟度θu」、「顕在化難易度ηca」、「有用さrca」を推定する。この推定は、例えばｚを未観測変数としたＥＭアルゴリズムを用いて行うことができる。これに限らず、学習部７０３は、有用さｒcaを状況ｃの属性と、操作ａの属性とを独立した属性とし、これら状況ｃの属性と操作ａの属性の一致度に基づき、状況ｃの属性γcと操作ａの属性βcを推定してもよい。この場合、学習部７０３は、確率ｐを（ａ＝１｜ｚ＝１）＝ｇ（γc，βc）により算出する。
図９は、操作履歴の情報の学習の処理例を示すフローチャートである。情報推薦装置１００の制御部１０２（ＣＰＵ３０１）が行う処理例について説明する。はじめに、情報推薦装置１００の取得部７０１は、操作履歴テーブル１０１に格納された操作履歴の情報を取得する（ステップＳ９０１）。次に、情報推薦装置１００のデータ整形部７０２は、取得した操作履歴の情報をデータ整形する（ステップＳ９０２）。
次に、情報推薦装置１００の学習部７０３は、初期パラメータ設定部７１２に設定された初期パラメータを取得する（ステップＳ９０３）。情報推薦装置１００の学習部７０３は、推定する各種パラメータ（「有用さ：ｒca」、「顕在化難易度：ηca」、「習熟度：θu」）を初期化する（ステップＳ９０４）。
そして、情報推薦装置１００の学習部７０３は、最尤推定により、各種パラメータ（「有用さ：ｒca」、「顕在化難易度：ηca」、「習熟度：θu」）を推定する（ステップＳ９０５）。この後、情報推薦装置１００の学習部７０３は、推定した各種パラメータ（「有用さ：ｒca」、「顕在化難易度：ηca」、「習熟度：θu」）を該当する各テーブル７３１～７３３に格納し（ステップＳ９０６）、以上の処理を終了する。
（有用さテーブルの記憶内容）
図１０Ａは、有用さテーブルの記憶内容の一例を示す図表である。有用さテーブル７３１は、図８に示したデータ整形テーブル８０１の「状況番号」と「操作番号」に、学習部７０３が推定したワークＷの操作毎の「有用さ」のフィールドを加えたものである。各レコード７３１－１～７３１－４には、「状況番号」と「操作番号」の全ての組合わせに対する「有用さ」が設定される。「有用さ」のフィールドの値は、例えば、「０～１」の範囲を有し、値が大きいほど「有用さ」が高い。例えば、図１０Ａの例では、レコード７３１－１が示す状況番号「状況１」と操作番号「操作１」についての「有用さ」の値が「０．９０」であり、最も有用である状態が示されている。
（顕在化難易度テーブルの記憶内容）
図１０Ｂは、顕在化難易度テーブルの記憶内容の一例を示す図表である。顕在化難易度テーブル７３２は、図８に示したデータ整形テーブル８０１の「状況番号」と「操作番号」に、学習部７０３が推定したワークＷの操作毎の「顕在化難易度」のフィールドを加えたものである。各レコード７３２－１～７３２－４には、「状況番号」と「操作番号」の全ての組合わせに対する「顕在化難易度」が設定される。「顕在化難易度」のフィールドの値は、例えば、「０～３０」の範囲を有し、値が大きいほど「顕在化難易度」が高い。例えば、図１０Ｂの例では、レコード７３２－１が示す状況番号「状況１」と操作番号「操作１」についての「顕在化難易度」の値が「３０」であり、最も顕在化難易度（気づかれにくさ）が高い状態が示されている。
（習熟度テーブルの記憶内容）
図１０Ｃは、習熟度テーブルの記憶内容の一例を示す図表である。習熟度テーブル７３３は、ユーザと、「習熟度」のフィールド１００３を有し、学習部７０３は、推定したユーザ（ユーザＡ～Ｃ）毎のレコード７３３－１～７３３－３の「習熟度」のフィールド１００３に、推定した「習熟度」の値を記憶する。「習熟度」の値は、例えば、「０～５０」の範囲を有し、値が大きいほど「習熟度」が高い。例えば、図１０Ｃの例では、レコード７３３－１が示すユーザＡの「習熟度」の値が「４０」であり、最も習熟度が高く、レコード７３３－２が示すユーザＢの「習熟度」の値が「１５」であり、最も習熟度が低い。
（３．推薦情報の生成）
図１１は、推薦情報生成の機能的構成例を示すブロック図である。情報推薦装置１００の制御部１０２は、推薦情報Ｓｏ生成のための機能として、上述したユーザ識別部４０２、状況検出部４０３（図４参照）、状況離散化部１１００、被推薦ユーザ操作抽出部１１０１、推薦操作選定部１１０２の機能を含む。
状況離散化部１１００は、データ整形部７０２で行った状況に関するデータの変更（状況番号の振り分け）を行う。被推薦ユーザ操作抽出部１１０１は、ユーザ識別部４０２、状況離散化部１１００、顕在化難易度テーブル７３２、習熟度テーブル７３３の各情報を取得する。被推薦ユーザ操作抽出部１１０１は、被推薦ユーザついて、この被推薦ユーザが「有用さ」を把握していない操作（気づいていない操作）を抽出し、被推薦ユーザ操作リストＬを作成する。
被推薦ユーザ操作抽出部１１０１は、例えば、ある被推薦ユーザが指定（図２の呼出）されると、「顕在化難易度」が、被推薦ユーザの「習熟度」よりも高い操作を、被推薦ユーザが「有用さ」を把握していない（気づいていない）操作として抽出する（図１参照）。また、被推薦ユーザ操作抽出部１１０１は、「顕在化難易度」と「習熟度」の差分に対して抽出する範囲を設けてもよい。例えば、「顕在化難易度」が高く「顕在化難易度」と「習熟度」の差分が範囲を超えた場合には、「顕在化難易度」の操作を抽出しないこととしてもよい。
推薦操作選定部１１０２は、被推薦ユーザ操作リストＬと、状況検出部４０３が検出した現在の状況と、有用さテーブル７３１の情報とに基づき、被推薦ユーザに対しユーザが「有用さ」を把握していない操作のうち、最も「有用さ」が高い操作を推薦情報Ｓｏに選定する。
また、推薦操作選定部１１０２は、複数の「有用さ」が高い操作を推薦情報Ｓｏに選定してもよい。例えば、推薦操作選定部１１０２は、被推薦ユーザが「有用さ」を把握していない被推薦ユーザ操作リストＬの操作のうち、「有用さ」の値が所定の閾値以上の操作をすべて推薦情報Ｓｏとして選定してもよい。また、推薦操作選定部１１０２は、被推薦ユーザが「有用さ」を把握していない被推薦ユーザ操作リストＬの操作のうち、「有用さ」が高い順に所定数の操作をすべて推薦情報Ｓｏとして選定してもよい。
図１２Ａ，図１２Ｂは、被推薦ユーザ操作抽出部が行う処理例を示すフローチャートである。情報推薦装置１００の制御部１０２（ＣＰＵ３０１）が行う処理例について説明する。はじめに、情報推薦装置１００の被推薦ユーザ操作抽出部１１０１は、ユーザ識別部４０２から被推薦ユーザの情報を取得する（ステップＳ１２０１）。次に、被推薦ユーザ操作抽出部１１０１は、状況検出部４０３から被推薦ユーザが行った操作時の対象状況を取得する（ステップＳ１２０２）。
次に、被推薦ユーザ操作抽出部１１０１は、顕在化難易度テーブル７３２から「顕在化難易度」の情報を取得する（ステップＳ１２０３）。次に、被推薦ユーザ操作抽出部１１０１は、習熟度テーブル７３３から「習熟度」の情報を取得する（ステップＳ１２０４）。
次に、被推薦ユーザ操作抽出部１１０１は、顕在化難易度テーブル７３２の状況からステップＳ１２０２で取得した被推薦ユーザの対象状況に該当するレコードを抽出する（ステップＳ１２０５）。次に、被推薦ユーザ操作抽出部１１０１は、顕在化難易度テーブル７３２の状況に被推薦ユーザの対象状況に該当する状況があるか否かを判断する（ステップＳ１２０６）。
ステップＳ１２０６の判断結果、該当する状況があれば（ステップＳ１２０６：Ｙｅｓ）、被推薦ユーザ操作抽出部１１０１は、ステップＳ１２０７の処理に移行する。一方、ステップＳ１２０６の判断結果、該当する状況がなければ（ステップＳ１２０６：Ｎｏ）、被推薦ユーザ操作抽出部１１０１は、ステップＳ１２０９の処理に移行する。
ステップＳ１２０７では、被推薦ユーザ操作抽出部１１０１は、習熟度テーブル７３３から被推薦ユーザに該当するレコードを抽出する（ステップＳ１２０７）。次に、被推薦ユーザ操作抽出部１１０１は、習熟度テーブル７３３に該当する被推薦ユーザがあるか否かを判断する（ステップＳ１２０８）。
ステップＳ１２０８の判断結果、該当する被推薦ユーザがあれば（ステップＳ１２０８：Ｙｅｓ）、被推薦ユーザ操作抽出部１１０１は、ステップＳ１２１１（図１２Ｂ）の処理に移行する。一方、ステップＳ１２０８の判断結果、該当する状況がなければ（ステップＳ１２０８：Ｎｏ）、被推薦ユーザ操作抽出部１１０１は、ステップＳ１２０９の処理に移行する。
ステップＳ１２０９では、被推薦ユーザ操作抽出部１１０１は、該当する被推薦ユーザの情報がないため、警告を出力し（ステップＳ１２０９）、以上の処理を終了する。
図１２Ｂに示すステップＳ１２１１では、被推薦ユーザ操作抽出部１１０１は、抽出した状況レコードの総数を算出し、カウンタを１にセットする（ステップＳ１２１１）。次に、被推薦ユーザ操作抽出部１１０１は、抽出した状況レコードの通し番号がカウンタに一致するレコードを抽出する（ステップＳ１２１２）。
次に、被推薦ユーザ操作抽出部１１０１は、顕在化難易度が習熟度より高いか否かを判断する（ステップＳ１２１３）。判断の結果、顕在化難易度が習熟度より高ければ（ステップＳ１２１３：Ｙｅｓ）、被推薦ユーザ操作抽出部１１０１は、抽出した状況レコードの通し番号がカウンタに一致するレコードを被推薦ユーザ操作リストＬに保存する（ステップＳ１２１４）。一方、ステップＳ１２１３の判断結果、顕在化難易度が習熟度より低ければ（ステップＳ１２１３：Ｎｏ）、被推薦ユーザ操作抽出部１１０１は、ステップＳ１２１５の処理に移行する。
次に、被推薦ユーザ操作抽出部１１０１は、カウンタを１進める（ステップＳ１２１５）。次に、被推薦ユーザ操作抽出部１１０１は、カウンタの値が抽出した状況レコードの総数に一致したか否かを判断する（ステップＳ１２１６）。判断の結果、カウンタの値が抽出した状況レコードの総数に一致しなければ（ステップＳ１２１６：Ｎｏ）、被推薦ユーザ操作抽出部１１０１は、ステップＳ１２１２の処理に戻る。一方、カウンタの値が抽出した状況レコードの総数に一致すれば（ステップＳ１２１６：Ｙｅｓ）、被推薦ユーザ操作抽出部１１０１は、以上の処理を終了する。
図１３は、被推薦ユーザ操作リストの例を示す図である。被推薦ユーザ操作抽出部１１０１は、被推薦ユーザ操作リストＬとして、被推薦ユーザが「有用さ」を把握していない複数の操作をリスト化する。被推薦ユーザ操作リストＬは、被推薦ユーザが「有用さ」を把握していない操作番号からなる。図１３の例では、曲げ加工機２００の操作について、被推薦ユーザが操作番号「操作１」、「操作２」、…の各有用な操作である可能性を把握していないことを示している。
図１４は、推薦操作選定部が行う処理例を示すフローチャートである。情報推薦装置１００の制御部１０２（ＣＰＵ３０１）が行う処理例について説明する。はじめに、情報推薦装置１００の推薦操作選定部１１０２は、被推薦ユーザの操作時の対象状況を状況検出部４０３から検出する（ステップＳ１４０１）。
次に、推薦操作選定部１１０２は、有用さテーブル７３１を取得する（ステップＳ１４０２）。次に、推薦操作選定部１１０２は、被推薦ユーザ操作リストＬを取得する（ステップＳ１４０３）。
次に、推薦操作選定部１１０２は、被推薦ユーザ操作リストＬの操作のうち、有用さテーブル７３１に記憶された操作で対象状況の操作のうち「有用さ」が高い操作を一つまたは複数抽出し（ステップＳ１４０４）、以上の処理を終了する。ステップＳ１４０４で抽出された「有用さ」が高い操作を示す情報が推薦情報Ｓｏとなる。
図１５は、推薦情報の出力例を示す図である。情報推薦装置１００（推薦操作選定部１１０２）は、被推薦ユーザに対し、被推薦ユーザが気づいていない操作でかつ有用な操作を示す推薦の内容を示す推薦情報Ｓｏを出力する。例えば、図２に示したシステム構成では、情報推薦装置１００は、ＰＣ２０１に被推薦ユーザに対する推薦情報Ｓｏを出力し、ＰＣ２０１はモニタ２０２に推薦情報Ｓｏを表示出力する。
図１５には、モニタ２０２上に表示される推薦情報Ｓｏの表示例を示す。推薦情報Ｓｏは、被推薦ユーザ名１５０１と、検出された状況１５０２と、推薦操作１５０３の各表示項目を有する。
図１５の表示例では、被推薦ユーザ名１５０１が「ユーザＢ」であり、検出された状況１５０２の表示項目には、ユーザＢが操作したワーク名「ワークＢ」、材質「ＳＥＣＣ」、工程「１」、把持側長さ「５００」、突当側長さ「１０」の各項目と値が表示される。これは、図６に示したユーザＢの操作履歴（レコード１０１－４）の操作に対応し、情報推薦装置１００は、ユーザＢが行った操作に対し、ユーザＢが気づいていない操作でかつ有用な操作を推薦操作１５０３の項目に表示する。
推薦操作１５０３の項目には、被推薦ユーザに対する推薦操作が表示される。情報推薦装置１００は、被推薦ユーザであるユーザＢは「習熟度」が低いと推定したとする。ここで、情報推薦装置１００は、ユーザＢの習熟度に対応する顕在化難易度（気づかれにくさ）より高い顕在化難易度（気づかれにくさ）が「中」以上の作業を推薦する（図１参照）。
例えば、情報推薦装置１００は、図６に示すユーザＢの操作履歴（レコード１０１－４）が示す操作の情報で、操作ＩＤ「０（操作なし）」、項目ＩＤ「０」、値「０」であり、曲げ加工時の操作を何も行っていない。これに対し、ユーザＢと同じ状況（同じ「ワークＡ」、同じ材質「ＳＥＣＣ」、同じ工程「１」、同じ把持側長さ「５００」、同じ突当側長さ「１０」）である他のユーザＡ，Ｃは、操作ＩＤ、項目ＩＤと値を操作している（レコード１０１－１，１０１－７）。
この場合、情報推薦装置１００は、ユーザＢが気づいていない操作でかつ有用な操作として、ユーザＣの操作の情報（操作ＩＤ「１（入力操作）、項目ＩＤ「１（曲げ速度の設定値変更）」）に基づき、推薦操作１５０３の項目に「曲げ速度の設定値の変更をお勧めします」と文章を表示している。
これにより、推薦情報Ｓｏの推薦操作１５０３の表示により、ユーザＢは、ワークＡに対する曲げ加工時、ユーザＢが気づいていない操作でかつ有用な操作に気づくことができる。ユーザＢは、ワークＡの加工時の状況（材質「ＳＥＣＣ」、工程「１」、把持側長さ「５００」、突当側長さ「１０」）での操作として、曲げ速度の設定値の変更操作の推薦を受ける。この場合、ユーザは、その状況において曲げ速度の設定を変更することを検討することができる。
上述した実施の形態では、ツール１１０として曲げ加工機２００を例に説明したが、これ以外の各種装置であってもよい。例えば、ツール１１０として、ＰＣ上で動作するソフトウェアに対する操作を対象として、このソフトウェアを操作する被推薦ユーザに適した機能の操作を推薦情報として出力することもできる。この場合、情報推薦装置１００は、装置を操作する全ユーザの操作履歴に基づき、推薦情報の生成のための各種情報推定の情報（有用さテーブル、顕在化難易度テーブル、習熟度テーブル）をＤＢに作成しておき、被推薦ユーザの呼び出しに応じてＤＢを参照する。そして情報推薦装置１００は、被推薦ユーザが気づいていない操作でかつ有用な操作を推薦する推薦情報を出力する。例えば、ソフトウェア・アプリケーションの新たな機能追加に対応した操作ボタンの操作方法について、習熟度が低いユーザに対し、新たに機能追加された操作ボタンの操作方法を推薦することができるようになる。
以上説明したように、情報推薦装置１００によれば、ツールを操作した複数のユーザの操作履歴に基づき、ツールに関する習熟度と、操作のうち気づかれにくさである顕在化難易度とを推定する。情報推薦装置１００は、特定のユーザの習熟度に対応する顕在化難易度より高い顕在化難易度を有する操作を抽出する。情報推薦装置１００は、抽出した操作を特定のユーザに推薦情報として出力する。例えば、特定のユーザがツールの習熟度が「低」の場合、情報推薦装置１００は、顕在化難易度が「中」または「高」の操作を特定のユーザに推薦する。これにより、情報推薦装置１００は、ツールを操作する特定のユーザに対し、気づいていない操作を提示でき、特定のユーザは、ツールを有効に使えるようになる。
情報推薦装置１００によれば、推定の処理は、さらに、多数のユーザが行ったツールの操作から個々の操作の有用さを推定する。情報推薦装置１００は、抽出の処理は、特定のユーザの習熟度に対応する顕在化難易度より高い顕在化難易度を有する操作のうち、有用さが高い操作を抽出する。これにより、情報推薦装置１００は、ツールを操作する特定のユーザに対し、気づいていない操作のうち多数のユーザが行った有用さが高い操作を提示できる。
情報推薦装置１００によれば、操作履歴は、ユーザがツールを操作した際に検出した状況と、操作の情報を含み、推定の処理は、ユーザと、状況と、操作の各情報を組み合わせた最尤推定により、習熟度、顕在化難易度、有用さ、の各情報を推定する。これにより、情報推薦装置１００は、過去にユーザがツールを操作した際の状況と、操作の情報に基づいて、習熟度、顕在化難易度、有用さ、の各情報を精度よく推定でき、これら各情報に基づく推薦情報の精度を向上できるようになる。
情報推薦装置１００によれば、ツールは、ユーザが操作する所定の装置であり、状況は、ユーザが操作する操作対象の情報であり、操作は、操作時における装置の動作設定の情報である。例えば、ツールは、ユーザがワークを操作し加工する工作機械であり、状況は、ワークの情報であり、操作は、ワークを加工する際、工作機械の動作設定の情報である。これにより、情報推薦装置１００は、所定の装置を用いて操作対象を操作する際、操作対象の操作で気づいていない操作の推薦を受けることができる。例えば、工作機械を用いたワークの操作について、適切な工作機械の動作設定の推薦を受けることで、安全に工作機械を操作できるようになる。
なお、本実施の形態で説明した情報推薦方法は、予め用意されたプログラムをＰＣやワークステーションなどのコンピュータで実行することにより実現することができる。本実施の形態で説明した情報推薦プログラムは、コンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。記録媒体は、ハードディスク、フレキシブルディスク、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｃ）－ＲＯＭ、ＭＯ（Ｍａｇｎｅｔｏ Ｏｐｔｉｃａｌ ｄｉｓｃ）、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）などである。また、本実施の形態で説明した情報推薦プログラムは、インターネットなどのネットワークを介して配布してもよい。
上述した実施の形態に関し、さらに以下の付記を開示する。
（付記１）ツールを操作した複数のユーザの操作履歴に基づき、前記ツールに関する習熟度と、前記操作のうち気づかれにくさである顕在化難易度とを推定し、
特定のユーザの前記習熟度に対応する前記顕在化難易度より高い顕在化難易度を有する操作を抽出し、
前記抽出した操作を前記特定のユーザに推薦情報として出力する、
処理をコンピュータが実行することを特徴とする情報推薦方法。
（付記２）前記推定の処理は、
さらに、多数の前記ユーザが行った前記ツールの操作から個々の操作の有用さを推定し、
前記抽出の処理は、
特定のユーザの前記習熟度に対応する前記顕在化難易度より高い顕在化難易度を有する操作のうち、前記有用さが高い操作を抽出する、
ことを特徴とする付記１に記載の情報推薦方法。
（付記３）前記操作履歴は、前記ユーザが前記ツールを操作した際に検出した状況と、操作の情報を含み、
前記推定の処理は、
前記ユーザと、前記状況と、前記操作の各情報を組み合わせた最尤推定により、前記習熟度、前記顕在化難易度、前記有用さ、の各情報を推定する、
ことを特徴とする付記２に記載の情報推薦方法。
（付記４）前記ツールは、前記ユーザが操作する所定の装置であり、
前記状況は、前記ユーザが操作する操作対象の情報であり、
前記操作は、前記操作時における前記装置の動作設定の情報である、
ことを特徴とする付記３に記載の情報推薦方法。
（付記５）前記ツールは、前記ユーザがワークを操作し加工する工作機械であり、
前記状況は、前記ワークの情報であり、
前記操作は、前記ワークを加工する際、前記工作機械の動作設定の情報である、
ことを特徴とする付記４に記載の情報推薦方法。
（付記６）ツールを操作した複数のユーザの操作履歴に基づき、前記ツールに関する習熟度と、前記操作のうち気づかれにくさである顕在化難易度とを推定し、
特定のユーザの前記習熟度に対応する前記顕在化難易度より高い顕在化難易度を有する操作を抽出し、
前記抽出した操作を前記特定のユーザに推薦情報として出力する、
処理をコンピュータに実行させることを特徴とする情報推薦プログラム。
（付記７）ツールを操作した複数のユーザの操作履歴に基づき、前記ツールに関する習熟度と、前記操作のうち気づかれにくさである顕在化難易度とを推定し、
特定のユーザの前記習熟度に対応する前記顕在化難易度より高い顕在化難易度を有する操作を抽出し、
前記抽出した操作を前記特定のユーザに推薦情報として出力する、
処理を行う制御部を備えたことを特徴とする情報推薦装置。
１００ 情報推薦装置
１０１ 操作履歴テーブル
１０２ 制御部
１１０ ツール
２００ 曲げ加工機
２０１ ＰＣ
２０２ モニタ
３０１ ＣＰＵ
３０２ メモリ
３０３ ネットワークＩ／Ｆ
３０４ 記録媒体Ｉ／Ｆ
３０５ 記録媒体
４０１ タイムスタンプ部
４０２ ユーザ識別部
４０３ 状況検出部
４０４ 操作検出部
４１１ 操作履歴集約部
５０１ パンチ
５０２ ダイ
５０３ 突当部
７０１ 取得部
７０２ データ整形部
７０３ 学習部
７１１ 操作期間抽出部
７１２ 初期パラメータ設定部
７２１ 有用さ推定部
７２２ 顕在化難易度推定部
７２３ 習熟度推定部
７３１ 有用さテーブル
７３２ 顕在化難易度テーブル
７３３ 習熟度テーブル
１１００ 状況離散化部
１１０１ 被推薦ユーザ操作抽出部
１１０２ 推薦操作選定部
１５０１ 被推薦ユーザ名
１５０２ 状況
１５０３ 推薦操作
Ｓ１ 操作毎情報
Ｓｉ 入力情報
Ｓｏ 推薦情報（出力情報）
Ｗ ワーク

Claims (6)

  1. ツールを操作した複数のユーザの操作履歴に基づき、前記ツールに関する習熟度と、前記操作のうち気づかれにくさである顕在化難易度とを推定し、
    特定のユーザの前記習熟度に対応する前記顕在化難易度より高い顕在化難易度を有する操作を抽出し、
    前記抽出した操作を前記特定のユーザに推薦情報として出力する、
    処理をコンピュータが実行することを特徴とする情報推薦方法。
  2. 前記推定の処理は、
    さらに、多数の前記ユーザが行った前記ツールの操作から個々の操作の有用さを推定し、
    前記抽出の処理は、
    特定のユーザの前記習熟度に対応する前記顕在化難易度より高い顕在化難易度を有する操作のうち、前記有用さが高い操作を抽出する、
    ことを特徴とする請求項１に記載の情報推薦方法。
  3. 前記操作履歴は、前記ユーザが前記ツールを操作した際に検出した状況と、操作の情報を含み、
    前記推定の処理は、
    前記ユーザと、前記状況と、前記操作の各情報を組み合わせた最尤推定により、前記習熟度、前記顕在化難易度、前記有用さ、の各情報を推定する、
    ことを特徴とする請求項２に記載の情報推薦方法。
  4. 前記ツールは、前記ユーザが操作する所定の装置であり、
    前記状況は、前記ユーザが操作する操作対象の情報であり、
    前記操作は、前記操作時における前記装置の動作設定の情報である、
    ことを特徴とする請求項３に記載の情報推薦方法。
  5. ツールを操作した複数のユーザの操作履歴に基づき、前記ツールに関する習熟度と、前記操作のうち気づかれにくさである顕在化難易度とを推定し、
    特定のユーザの前記習熟度に対応する前記顕在化難易度より高い顕在化難易度を有する操作を抽出し、
    前記抽出した操作を前記特定のユーザに推薦情報として出力する、
    処理をコンピュータに実行させることを特徴とする情報推薦プログラム。
  6. ツールを操作した複数のユーザの操作履歴に基づき、前記ツールに関する習熟度と、前記操作のうち気づかれにくさである顕在化難易度とを推定し、
    特定のユーザの前記習熟度に対応する前記顕在化難易度より高い顕在化難易度を有する操作を抽出し、
    前記抽出した操作を前記特定のユーザに推薦情報として出力する、
    処理を行う制御部を備えたことを特徴とする情報推薦装置。
JP2022001935A 2022-01-07 2022-01-07 情報推薦方法、情報推薦プログラムおよび情報推薦装置 Pending JP2023101344A (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2022001935A JP2023101344A (ja) 2022-01-07 2022-01-07 情報推薦方法、情報推薦プログラムおよび情報推薦装置
PCT/JP2022/042935 WO2023132142A1 (ja) 2022-01-07 2022-11-18 情報推薦方法、情報推薦プログラムおよび情報推薦装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2022001935A JP2023101344A (ja) 2022-01-07 2022-01-07 情報推薦方法、情報推薦プログラムおよび情報推薦装置

Publications (1)

Publication Number Publication Date
JP2023101344A true JP2023101344A (ja) 2023-07-20

Family

ID=87073404

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022001935A Pending JP2023101344A (ja) 2022-01-07 2022-01-07 情報推薦方法、情報推薦プログラムおよび情報推薦装置

Country Status (2)

Country Link
JP (1) JP2023101344A (ja)
WO (1) WO2023132142A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0734425A (ja) * 1993-07-22 1995-02-03 Asahi Eng Co Ltd 面状発熱体
JP2002526901A (ja) * 1998-09-25 2002-08-20 アルカディ コックマン， 多心導電性柔軟発熱体
JP2004022255A (ja) * 2002-06-14 2004-01-22 T-Net Japan Co Ltd 電気ヒータおよび電気ヒータの電力制御装置
JP3149883U (ja) * 2009-02-05 2009-04-16 岡室 幸男 遠赤外線面状発熱体シート
JP2018039226A (ja) * 2016-09-09 2018-03-15 リンテック株式会社 氷雪付着防止シート

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008243088A (ja) * 2007-03-28 2008-10-09 Toshiba Corp 機能習得度管理装置、機能習得度計算方法及び機能推薦方法
JP2013206424A (ja) * 2012-03-29 2013-10-07 Ntt Docomo Inc ユーザに適したコンテンツ情報を提供するサーバ及び方法
JP2014059816A (ja) * 2012-09-19 2014-04-03 Kddi Corp アイテム推薦装置、アイテム推薦方法、アイテム推薦プログラム及び記録媒体
US20160196769A1 (en) * 2015-01-07 2016-07-07 Caterpillar Inc. Systems and methods for coaching a machine operator
JP6907702B2 (ja) * 2017-05-23 2021-07-21 富士通株式会社 情報抽出装置、情報抽出プログラムおよび情報抽出方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0734425A (ja) * 1993-07-22 1995-02-03 Asahi Eng Co Ltd 面状発熱体
JP2002526901A (ja) * 1998-09-25 2002-08-20 アルカディ コックマン， 多心導電性柔軟発熱体
JP2004022255A (ja) * 2002-06-14 2004-01-22 T-Net Japan Co Ltd 電気ヒータおよび電気ヒータの電力制御装置
JP3149883U (ja) * 2009-02-05 2009-04-16 岡室 幸男 遠赤外線面状発熱体シート
JP2018039226A (ja) * 2016-09-09 2018-03-15 リンテック株式会社 氷雪付着防止シート

Also Published As

Publication number Publication date
WO2023132142A1 (ja) 2023-07-13

Similar Documents

Publication Publication Date Title
WO2017216980A1 (ja) 機械学習装置
JP6033697B2 (ja) 画像評価装置
JP4997856B2 (ja) データベース分析プログラム、データベース分析装置、データベース分析方法
JP5462510B2 (ja) 商品検索サーバ、商品検索方法、プログラム、および記録媒体
JP2011138422A (ja) 行動パターン検出装置、行動パターン検出方法及び行動パターン検出プログラム
CN110096499B (zh) 一种基于行为时间序列大数据的用户对象识别方法及系统
JP2011530108A (ja) リサーチセッションの検出に基づくリサーチツールへのアクセス
JP6694901B2 (ja) データ管理装置およびデータ管理システム
JP6933217B2 (ja) テーブル意味推定システム、方法およびプログラム
JP5787717B2 (ja) 情報処理装置、プログラム及び情報検索システム
JP2005107688A (ja) 情報表示方法及びシステム及び情報表示プログラム
JPWO2017203672A1 (ja) アイテム推奨方法、アイテム推奨プログラムおよびアイテム推奨装置
JP2018092582A (ja) 情報処理方法、情報処理装置、及び、プログラム
WO2023132142A1 (ja) 情報推薦方法、情報推薦プログラムおよび情報推薦装置
JP6924975B2 (ja) 音解析装置及びその処理方法、プログラム
JP6898542B2 (ja) 情報処理装置、その制御方法、及びプログラム
JP2011145996A (ja) レビューワ評価装置、レビューワ評価方法、及びプログラム
JP2015026355A (ja) 情報処理プログラム及び情報処理装置
JP2006155344A (ja) データ分析装置、データ分析プログラム及びデータ分析方法
US20070282536A1 (en) Method and apparatus for evaluating interaction between protein complexes, and computer product
JP2005242619A (ja) ユーザ活動履歴可視化・分析方法、ユーザ活動履歴可視化・分析装置、および、プログラム
JP2020038514A (ja) 学習データ生成装置、学習データ生成方法、及びプログラム
JP7440352B2 (ja) 教育コンテンツ作成システム及び方法
JP7427510B2 (ja) 情報処理装置、情報処理方法およびプログラム
US20140222782A1 (en) Method and system for generating interactive query results previews

Legal Events

Date Code Title Description
RD01 Notification of change of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7426

Effective date: 20220114

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20220114