JP5159919B2

JP5159919B2 - ハードウェア使用状況に応じたユーザー評価装置

Info

Publication number: JP5159919B2
Application number: JP2011127401A
Authority: JP
Inventors: 武一郎西川; 実米澤; 千絵森田; 実中津川; 賢治廣畑
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 2011-06-07
Filing date: 2011-06-07
Publication date: 2013-03-13
Anticipated expiration: 2029-03-30
Also published as: JP2011170898A

Description

本発明は、ハードウェア使用状況に応じたユーザー評価を行う装置に関する。

従来では、パーソナルコンピュータ等のハードウェア（以下、「ＰＣ」または「マシン」という。）について、その振動や温度を計測し、性能低下や疲労度合を算出する技術の研究が進められている。また、ＰＣの筐体内部等に設けたセンサー等から情報を取得し、ＰＣ本体または個々の部品について、障害発生の危険度をユーザーに提示する装置も提案されている(例えば、特許文献１参照)。また、ハードウェアの品質管理部門向けに、製品の修理率をその修理データから評価する技術の開発も行われている。

特開２００６−１２７０７０号公報

しかし、従来の技術では、ユーザーの使用方法の評価を行うにあたって、過去にＰＣが故障したかどうかだけでは正確な評価ができず、ユーザーの使い方に踏み込んだモデルを作ることが必要とされている。一方、自動車事故とは異なり、ＰＣの故障は、製品自体の問題に起因して発生する割合が高い。ところが、ユーザーの使い方の問題と製品の問題を区別することはこれまで困難であった。

本発明は、ユーザーによるハードウェアの使用状況から修理率を推定するユーザー評価モデルを、製品起因の故障率の影響を除去して作成することのできる装置を提供することを目的とする。

上記の課題を解決するために、計測対象である複数のマシンと同じ特性を有する複数のマシンについての故障情報収集結果を記憶する故障情報収集結果記憶部と、前記故障情報収集結果に基づくマシン毎の修理率推定値を算出する修理率算出部と、前記修理率推定値を記憶する修理率推定値記憶部と、前記計測対象である複数のマシンの使用状況に関する計測データを受信する計測データ受信部と、前記計測データを記憶する計測データ記憶部と、前記計測対象である複数のマシンを複数のサンプルとし、前記修理率推定値のマシン間の差異を打ち消すような荷重値を、前記複数のサンプルの各々について決定するサンプル別荷重値決定部と、前記複数のサンプルの各々の荷重値を記憶するサンプル別荷重値記憶部と、前記サンプル別荷重値と、前記計測データと、前記故障情報収集結果と、使用影響度を算出するためのユーザー評価モデルのパラメータとを用いて目的関数を生成し、前記ユーザー評価モデルのパラメータを前記目的関数を最大にするように決定するパラメータ決定部と、前記ユーザー評価モデルのパラメータを記憶するユーザー評価モデル記憶部と、前記計測データと、前記ユーザー評価モデルのパラメータとを用いて前記使用影響度を算出するユーザー評価部と、前記使用影響度を表示する処理部と、を具備することを特徴とする。

本発明によれば、ユーザーに使い方をフィードバックしたり、適正な延長保証料を算出したりすることができる。また、ユーザーの責任に応じた適正な保証料を算出することができ、安全な使い方をするユーザーにはより低価格でＰＣの延長保証サービスを提供可能となる。

第１実施形態に係るハードウェア使用状況に応じたユーザー評価装置のブロック図第１実施形態に係るモデル作成の処理手順を示すフローチャート第１実施形態に係るユーザー評価の処理手順を示すフローチャート第１実施形態に係る計測データ記憶部のデータ例を示す図第１実施形態に係る出荷情報記憶部のデータ例を示す図第１実施形態に係る製造情報記憶部のデータ例を示す図第１実施形態に係る故障情報集計結果記憶部のデータ例を示す図第１実施形態に係るモデル作成用データの例を示す図第１実施形態に係る決定木の例を示す図第１実施形態に係る修理率推定値記憶部のデータ例を示す図第１実施形態に係るサンプル別荷重値記憶部のデータ例を示す図第１実施形態に係るユーザー評価モデル記憶部のデータ例を示す図第２実施形態に係るハードウェア使用状況に応じたユーザー評価装置のブロック図第２実施形態に係るモデル作成の処理手順を示すフローチャート第２実施形態に係る日別計測データ記憶部のデータ例を示す図第２実施形態に係る計測データ記憶部のデータ例を示す図第３実施形態に係るハードウェア使用状況に応じたユーザー評価装置のブロック図第３実施形態に係るモデル作成の処理手順を示すフローチャート第３実施形態に係るカテゴリー情報特定部のデータ例を示す図第３実施形態に係るモデル作成用データ例を示す図第３実施形態に係るカテゴリー別修理率推定値記憶部のデータ例を示す図第４実施形態に係るハードウェア使用状況に応じたユーザー評価装置のブロック図第５実施形態に係るハードウェア使用状況に応じたユーザー評価装置のブロック図第５実施形態に係るモデルカテゴリー記憶部のデータ例を示す図第５実施形態に係るユーザー評価モデル記憶部のデータ例を示す図第６実施形態に係るハードウェア使用状況に応じたユーザー評価装置のブロック図第６実施形態に係る許容範囲記憶部のデータ例を示す図第７実施形態に係るハードウェア使用状況に応じたユーザー評価装置のブロック図第７実施形態に係るユーザー順位モデル記憶部のデータ例を示す図第８実施形態に係るハードウェア使用状況に応じたユーザー評価装置のブロック図第８実施形態に係る標準修理コスト記憶部のデータ例を示す図第８実施形態に係る保証カテゴリー記憶部のデータ例を示す図第９実施形態に係るハードウェア使用状況に応じたユーザー評価装置のブロック図第９実施形態に係る処理部から送信される画面イメージを示す図

本発明では、品質が一定となる製品群を特定する情報と、品質が一定となる範囲ｍにおける故障率ｐ_ｍを故障情報に基づいて算出しておく。後に説明する修理率の推定値は、この故障率に基づく推定値である。一方、ＰＣには温度や振動をモニタリングする機能が搭載されており、これらを保存しておく装置があり、ユーザーが許可すればこれらの情報を送信する。このモニタリング情報は製造番号とともにサーバーに送信され、サーバーにはこれらの情報が記録される。ここで、記録された情報について、当該製品が一定期間に故障したか否かという情報をもとに故障していれば荷重値１−ｐ_ｍ、故障していなければ荷重値ｐ_ｍとすることで、製品起因の故障率の影響を除去する。なお、故障の有無は、修理履歴の有無としてもよい。そして、荷重値をつけたサンプルを学習することで、ユーザーの使い方から修理率を推定するユーザー評価モデルを作成し、このユーザー評価モデルを用いてユーザーの使い方を評価する。

これにより、本発明では、ユーザーに使い方をフィードバックしたり、適正な延長保証料を算出したりすることもできる。ユーザーの責任に応じた適正な保証料を算出することができ、安全な使い方をするユーザーにはより低価格でＰＣの延長保証サービスを提供可能になる。

（第１実施形態）
図１は、第１実施形態に係るハードウェア使用状況に応じたユーザー評価装置のブロック図である。この装置は、計測データ受信部１０１と、計測データ記憶部１０２と、故障情報収集結果記憶部１０５と、修理率算出部１０６と、修理率推定値記憶部１０７と、サンプル別荷重値決定部１０８と、サンプル別荷重値記憶部１０９と、パラメータ決定部１１０と、ユーザー評価モデル記憶部１１１と、処理部１１３と、から構成される。

故障情報収集結果記憶部１０５は、計測対象である複数のマシンと同じ特性を有する複数のマシンについての故障情報収集結果を記憶する。修理率算出部１０６は、故障情報収集結果記憶部１０５に記憶された故障情報収集結果に基づくマシン毎の修理率推定値を算出する。修理率推定値記憶部１０７は、修理率算出部１０６に算出された修理率推定値を記憶する。計測データ受信部１０１は、計測対象である複数のマシンの使用状況に関する計測データを受信する。計測データ記憶部１０２は、計測データ受信部１０１にて受信した計測データを記憶する。サンプル別荷重値決定部１０８は、計測対象である複数のマシンを複数のサンプルとし、故障情報収集結果記憶部１０５に記憶された修理率推定値のマシン間の差異を打ち消すような荷重値を、複数のサンプルの各々について決定する。荷重値記憶部１０９は、サンプル別荷重値決定部１０８に決定された複数のサンプルの各々の荷重値を記憶する。パラメータ決定部１１０は、サンプル別荷重値決定部１０８にて決定されたサンプル別荷重値と、計測データ受信部１０１にて受信した計測データと、故障情報収集結果記憶部１０５にて記憶された故障情報収集結果とを目的関数として、使用影響度を算出するためのユーザー評価モデルのパラメータを前述した目的関数を最大にするように決定する。ユーザー評価モデル記憶部１１１は、パラメータ決定部１１０にて決定されたユーザー評価モデルのパラメータを記憶する。ユーザー評価部１１２は、計測データ受信部１０１に受信した計測データと、パラメータ決定部１１０にて決定されたユーザー評価モデルのパラメータを用いて、使用影響度を算出する。処理部１１３は、ユーザー評価部１１２にて算出された使用影響度を表示する。

以下では、図２のフローチャートに従ってモデル作成の処理手順を説明した後、図３のフローチャートに従ってユーザー評価の処理手順を説明する。

［モデル作成］
図２のステップＦ１０１では、計測データ受信部１０１が計測データを受信する。データはインターネットを介してデータが送られ、これを受信する。さらに受信内容は計測データ記憶部１０２に記憶する。計測データ記憶部１０２に記憶されるデータの例を図４に示す。図４に示すように、計測データ記憶部１０２には、製造番号毎に「マシン起動時刻」「マシン起動時間」「高温時間」等の情報が蓄積される。これらの情報はマシンの使い方に起因するものであるが、マシンの修理率に影響を与えそうな情報である。このような情報のことを本明細書では、「指標」という。

本実施形態は、対象とするハードウェアとしてラップトップコンピュータを想定する。その衝撃回数やＣＰＵ累積稼働時間、メモリー累積使用率等を指標とし、その計測データを収集している。対象とするハードウェアをコンピュータ以外の製品とする場合には、指標も異なる。例えばテレビではチャンネルの切替え回数が指標の一つとして用いられるかも知れない。冷蔵庫であれば消費電力や冷蔵庫内温度等が重要な指標になる。

次に、ステップＦ１０２では、出荷情報記憶部１０３、製造情報記憶部１０４、故障情報記憶部１０５の情報に基づいて修理率算出部１０６が修理率算出を行う。出荷情報記憶部１０３には図５に示すデータ、製造情報記憶部１０４には図６に示すデータが記憶されており、製造した全製品のデータが格納されている。一方、故障情報集計結果記憶部１０５には図７に示すデータが記憶されており、修理を実施したすべてのマシンについて、故障に関する情報が記憶されている。

出荷情報記憶部１０３が記憶している出荷情報によれば、出荷済みのマシン台数の現在までの延べ稼働日数を、例えば（延べ稼働日数＝現在の日付−販売拠点出荷日−３０）のように見積もることができる。この例では、販売拠点出荷後約３０日後にマシンの使用が開始されることを想定して３０を減じている。なお、現在の日付は現実のカレンダー通りに設定しても良いし、データが集まるまでのタイムラグを考慮して現在の日付より前の日付に設定してもよい。特に、延べ稼働日数が負になる場合は０に置き換える必要がある。

本実施形態では、１００％修理をメーカーに依頼するのは保証期間（例えば１年間）内であることを考慮し、延べ稼働日数が保証期間より多い場合は、延べ稼働日数を保証期間に置き換えることで保証期間内稼働日数を算出する。式で表すと次のようになる。

保証期間内稼働日数＝ｍｉｎ［ｍａｘ［延べ稼働日数，０］，保証期間］
また、故障情報記憶部１０５は、現在までに修理したマシンの情報を記憶する。

この結果、図８に示すようなモデル作成用データを、モデル作成用データ記憶部１１４に格納する。モデル作成データは、製造番号、保証期間内のマシン稼働日数、保証期間内の故障回数、機種名、製造日、および部品構成情報を含む。

次に、図８の４列目すなわち「機種名」以降の列の情報によりマシンを分類することで、故障率が互いに異なる複数のカテゴリーを作る。例えば、図８において、製造工場がＣＨＩＮＡ２、すなわち、製造番号「２３０５７Ｖ１２５Ｊ」および「２３０５７Ｖ１２７Ｊ」のマシンを全体から分離する。この２つの製品を第１のカテゴリーとし、残りの製品を第２のカテゴリーとする。この場合、延べ１３１（＝６５＋６６）日間稼働して２回故障したが、他のマシンは延べ２６２（＝６５＋６５＋６６＋６６）日間稼働して１度も故障していないことになり、互いに故障率の異なる２つのカテゴリーを作ったことになる。図８に示したようなモデル作成用データの４列目以降の情報を決定木と呼ばれる方法を用いて分類することにより、カテゴリーを検出することが可能である。

決定木をどのようにして作成するかについては、特定の期間に製造された製品の故障率が高い（初期不良、不良部品の混入、改善策による問題の解消）、製造された工場により品質が異なる、特定の部品に問題がある、などの観点で行ってもよい。各々の一定の品質を与える製品群を特定することが可能なカテゴリー特定情報を用いた分類については、他の実施形態で後述する。

作成された決定木により、図８に示すようなモデル作成用データの４列目以降の項目に基づいた決定ルールを作成する。決定ルールの例を図９に示す。

いったん決定木が作成されれば、マシン毎に修理率の推定値を算出することができる。例えば、機種名「ＰＩＰＬＵＰ」かつ、製造日が２００８年６月２０日であれば、図９の決定ルールからこのマシンはＣＡＴＥＧＯＲＹＢに属することがわかり、当該カテゴリーの故障率に基づく修理率の推定値ｐ＝０．０１５２６７を得る。ただし、例えばＰＰＭ（１００万分の１）等を単位とする確率を表す。

以上のように、修理率算出部１０６は、製造番号および保証期間内の故障回数以外のデータを入力とし、確率値を出力とするモデルに与えるパラメータを決定し、該パラメータにより特徴づけられるモデルから出力される確率値を修理率推定値とする。このように求めた修理率の推定値は、修理率推定値記憶部１０７に格納される。修理率推定値記憶部１０７のデータの例は図１０に示す通りであり、製造番号と修理率の推定値とが対で格納されている。

次に、ステップＦ１０３では、サンプル別荷重値の決定を行う。計測データ記憶部１０２に蓄積されたサンプルは図４のような形式で記憶されている。なお、ここでいう「サンプル」とは、計測データを得たマシン（のサンプル）のことをいう。図４の計測データにおける製造番号から、修理率推定値記憶部１０７に格納された修理率の推定値ｐを得る。また、故障情報集計結果記憶部１０５に記憶されたデータに基づいて、当該製造番号のマシンが、計測データ記憶部１０２に記憶されたマシン使用開始日から例えば１年以内に修理を実施しているか否かを確認し、修理履歴の有無ｃを決定する。例えば、修理履歴がある場合にはｃの値は１とし、修理履歴がない場合にはｃの値は０とする。

さらに、次式（１）により荷重値ｗを決定する。

ｗ＝ｃ（１−ｐ）＋（１−ｃ）ｐ …（１）
この荷重値は、現実に修理履歴があれば修理しない確率（１−ｐ）とし、修理履歴がなければ修理する確率（ｐ）とする。この値を、製造番号に対応させてサンプル別荷重値記憶部１０９に格納する。サンプル別荷重値の具体的な例を図１１に示す。

次に、ステップＦ１０４のパラメータ決定では、サンプル別荷重値記憶部１０９、計測データ記憶部１０２、故障情報集計結果記憶部１０５に記憶されたデータを用い、例えば次式（２）に示す目的関数を設定する。

ただし、

は使用影響度と呼び、次式（３）から与えられる。

なお、上記添え字iは製造番号に対応し、マシンを識別するためのものである。また、Ｕは今回のモデル作成に使用する、計測データ記憶部１０２に記憶されているマシンの集合である。なお、このＵは、必ずしもデータ全体でなく、最近の１年分というような部分集合でもよい。

また、指標すなわち、

のｊ番目の成分がｕ_ｊｉである。指標ｕ_ｊｉは、計測データ記憶部１０２のデータに基づくｊ番目の説明変数である。本実施形態では、例えば（ｕ_１ｉ，ｕ_２ｉ，ｕ_３ｉ，ｕ_４ｉ，ｕ_５ｉ）＝（マシン起動時間、マシン連続起動時間（平均）、衝撃回数、振動合計、ＣＰＵ累積稼働率／マシン起動時間）とする。

ここで、式（２）で荷重値を乗じていることの意義を説明するために、修理率がｐとなるマシンの集合Ｖを考え、これについての考察を示す。

ただし、ｎ_１とｎ_０は、それぞれＶに含まれる修理履歴のあるマシン台数と、修理履歴のないマシン台数である。

ここで、集合Ｖに属する修理履歴のあるマシンに荷重値を乗じた値、すなわち修理履歴の有無を示す値ｃ_ｉ（＝１）に荷重値ｗ_ｉを乗じた値の、ｉ∈Ｖについての和は、

である。また、集合Ｖに属する修理履歴のないマシンに荷重値を乗じた値、すなわち修理履歴の有無を示す値ｃ_ｉ（＝０）に荷重値ｗ_ｉを乗じた値の、ｉ∈Ｖについての和は、

である。ここで、修理率算出部１０６により作成されたモデルが正しければ、

と考えてよい。これらの式を用いると、

となる。この結果、荷重値を乗じてマシン台数を計数した場合の修理率ｐ’は、

となる。これは、元の修理率ｐによらない。つまり、修理率算出部１０６により作成されたモデルの出力値ｐの大きいマシンの集合Ｖに対しても、修理率ｐの小さいマシンの集合Ｖ’に対しても、荷重値を考慮した場合の修理率は同じになる。このことは、荷重値を乗じることによって修理率ｐの差異が打ち消されたことを意味する。式（２）で荷重値を乗じることによって、従来の品質情報（１０３〜１０５）から推定される修理率の差異を排除し、ユーザーの使用状況による違いが原因となる修理率の違いを評価するモデルを構築できる。

そしてステップＦ１０４のパラメータ決定では、式（２）および式（３）により決定される目的関数を最大にするように、パラメータ

を決定する。

ここで決定されたパラメータをユーザー評価モデル記憶部１１１に記憶する。ユーザー評価モデル記憶部１１１に記憶されるデータの例を図１２に示す。

［ユーザー評価］
図３のフローチャートに従ってユーザー評価の処理手順を説明する。まずステップＦ１１１では、ユーザー評価部１１２が計測データ受信部１０１から計測データ（図４の項目）を受取り、これらを加工して、ステップＦ１０４におけるパラメータ決定の場合と同様に、指標

を算出する。上述したように、指標（ｕ_１ｉ，ｕ_２ｉ，ｕ_３ｉ，ｕ_４ｉ，ｕ_５ｉ）＝（マシン起動時間、マシン連続起動時間（平均）、衝撃回数、振動合計、ＣＰＵ累積稼働率／マシン起動時間）である。

また、ユーザ評価モデル記憶部１１１に記憶されているパラメータ

を読み出し、式（３）により使用影響度

を算出する。ステップＦ１１２では、ユーザー評価部１１２により算出された使用影響度を処理部１１３がディスプレイ等の画面に表示する。

（第２実施形態）
図１３は、第２実施形態に係るハードウェア使用状況に応じたユーザー評価装置のブロック図、図１４は、第２実施形態に係るモデル作成の処理手順を示すフローチャートである。

図１に示した第１実施形態に係る構成における計測データ記憶部１０２に代えて、図１３に示すように、第２実施形態では、日別計測データ記憶部２１５、計測データ集計処理部２１６、計測データ記憶部２１７を備える。このような第２実施形態では、モデル作成の処理手順を図１４のように変更する。また、ユーザー評価については第１実施形態と同じであり、図３に示したものと同様である。ここでは、図１４のフローチャート（モデル作成）のステップＦ２０５（計測データ集計）について重点的に説明する。

まずステップＦ２０１では、日々ユーザーからの計測データを受信し、図１５のような形式で計測日と計測データを日別計測データ記憶部２１５に記録する。計測データは毎日受信するが、ユーザーがネットにマシンを接続しない場合や、マシンが送受信設定時間に電源ＯＦＦとなっている等の事情により、受信できない日もある。この場合、受信できなかったデータについては後日まとめて受信する。また、マシンの電源ＯＮ／ＯＦＦ毎にデータを記録するようにした場合、図１５の９月１日のように、同じ日付のデータが複数行蓄積することもある。

ステップＦ２０５の計測データ集計では、日別計測データ記憶部２１５に記憶されるマシン使用開始日から１年が経過した時点で、その１年分のデータを集計する。例えば、日別計測データ記憶部２１５のマシン連続起動時間を使い、その平均や分散を算出して計測データ記憶部２１７に格納する。また、集計作業と並行して、データに矛盾が存在しないかを確認する。例えば、衝撃回数が０回であるのに衝撃最大値が０でない、マシン連続起動時間に比べてＣＰＵ累積稼働率が大きすぎる等のチェックを行う。矛盾の有無を集計結果とともに計測データ記憶部２１７に記録する。計測データ記憶部２１７のデータの例を図１６に示す。

この結果、ステップＦ２０３におけるサンプル別荷重値決定、ステップＦ２０４におけるパラメータ決定では矛盾有のデータは使用しない。また、ユーザー評価についても、矛盾有のデータを提供したユーザーの評価は行わない。

（第３実施形態）
図１７は、第３実施形態に係るハードウェア使用状況に応じたユーザー評価装置のブロック図、図１８は、第３実施形態に係るモデル作成の処理手順を示すフローチャートである。

図１に示した第１実施形態の構成と比較すると、図１７に示すように第３実施形態では、カテゴリー特定情報記憶部３１５が追加されている。カテゴリー特定情報記憶部３１５のデータを図１９に示す。図１９では、機種、製造日、工場が決まれば対応するカテゴリーを特定することができる。同じカテゴリーであれば同じ品質であり修理率は同じであると見なしてよい。例えば、機種ＰＩＰＬＵＰは２００８年９月１４日から製造を開始しているが、１０月１５日に製造変更指示が出された後、品質が改善している。このため、９月１４日から１０月１５日までの品質は同じであることからこれを同一カテゴリーとしている。また、ＰＩＰＬＵＰとＥＭＰＯＬＥＯＮはほとんど同じ製品であるが営業上の都合で別の名前になっているため、同時期に製造されたＥＭＰＯＬＥＯＮはＰＩＰＬＵＰと同じカテゴリー１としている。このように、カテゴリー特定情報は、カテゴリーナンバー、機種名、製造期間を含んでもよい。

ステップＦ３０２におけるカテゴリー別修理率算出は、カテゴリー別修理率算出部３１６により実行される。出荷情報記憶部３０３、製造情報記憶部３０４、故障情報集計結果記憶部３０５から、第１実施形態と同様の処理手順により、図８に示したようなデータを作成することができる。さらに、カテゴリー特定情報記憶部３１５が記憶するカテゴリー特定情報に基づき、それぞれの製造番号に対応するカテゴリーを決定し、図２０に示すモデル作成用データを作成してモデル作成用データ記憶部３１４に記憶する。さらに、このデータを利用して、保証期間内稼働日数と故障回数の比を求めることによりカテゴリー別修理率を算出する。ここで算出されたカテゴリー別修理率は、カテゴリー別修理率推定値記憶部３０７に記憶される。カテゴリー別修理率推定値記憶部３０７のデータの例を図２１に示す。ユーザー評価の処理手順については、第１実施形態と同様である。

（第４実施形態）
第４実施形態では、第１実施形態乃至第３実施形態におけるサンプル別荷重値決定部（１０８，２０８，３０８）の他の実現方法を説明する。

図２２は、第４実施形態に係るハードウェア使用状況に応じたユーザー評価装置のブロック図である。この装置は、図１に示した構成に加え、荷重値パラメータｓを記憶する荷重値パラメータ記憶部４１７をさらに具備することを特徴とする。サンプル別荷重値決定部４０８は、修理率推定値をｐとするとき、故障情報集計結果が表す修理履歴の有無に応じて、修理履歴ありであれば荷重値を（１−ｐ）^ｓ／ｐ^１−ｓに決定し、修理履歴なしであれば荷重値をｐ^ｓ／（１−ｐ）^１−ｓに決定する。

具体的には、荷重値を次式（４）のように求める。

ここでｓは任意の実数とする。

このように、修理率ｐの差異を打消すための荷重値として、上述した式（１）以外に上記式（４）もあり得る。

第１実施形態の場合と同様の計算をすると、

であることと、［数８］を用いれば、

となることから、荷重値を乗じることによって修理率ｐの差異を打ち消すことができる。

そこで本実施形態では、予め設定された荷重値パラメータｓに従って荷重値を算出する。荷重値パラメータ記憶部４１７において荷重値パラメータｓ＝０と設定されているとすると、サンプル別荷重値決定部４０８は、

に従って荷重値を算出する。他の処理は上述した第３実施形態と同様である。

（第５実施形態）
図２３は、第５実施形態に係るハードウェア使用状況に応じたユーザー評価装置のブロック図である。各々が少なくとも１機種以上との対応関係を与えるモデルカテゴリーを記憶するモデルカテゴリー記憶部５１７をさらに具備し、パラメータ決定部５１０は、モデルカテゴリー毎に、使用影響度を算出するためのユーザー評価モデルのパラメータを決定し、ユーザー評価モデル記憶部５１１は、モデルカテゴリー毎に、前記使用影響度を算出するためのユーザー評価モデルのパラメータを記憶し、ユーザー評価部５１２は、モデルカテゴリー毎に、使用影響度を算出するためのユーザー評価モデルのパラメータを用いて使用影響度を算出する。

このように本実施形態では、パラメータ決定部５１０により、予めモデルカテゴリー記憶部５１７に記憶されたカテゴリー毎に、別々のユーザー評価モデルを作成する。このようにユーザー評価モデルをカテゴリー分けする意義は幾通りか考えられる。

（意義１）一般ユーザーと企業ユーザーでは使い方が大きく異なると想定されるため、ユーザー評価モデルを別々に作ったほうがよい。このため、一般ユーザー向けのマシンであるか企業ユーザー向けのマシンであるかといった観点でカテゴリーを分けてモデルカテゴリー記憶部５１７に登録しておく。

（意義２）堅牢設計を売りとしているマシンとそうでないマシンではそもそも想定している使い方が違うため、ユーザー評価モデルを別々に作ったほうがよい。このため、堅牢設計か一般設計かという観点でカテゴリーを分けてモデルカテゴリー記憶部５１７に登録しておく。

モデルカテゴリー記憶部のデータの例は図２４に示す通りであり、パラメータ決定部５１０は、各カテゴリーに属するサンプルの集合毎にユーザー評価モデルを作成する。例えば、企業堅牢モデルカテゴリーに属する機種は「ＰＰ００１」と「ＰＰ００２」であるため、この二機種のサンプルの集合をＵ_１とする。同様に、企業一般モデルに対するサンプルの集合をＵ_２、コンシューマモデルに対するサンプルの集合をＵ_３とし、それぞれの集合に対して、次のような目的関数を設定する。

ただし、カテゴリーｋ＝１，２，３の３種類である。それぞれのｋ毎にパラメータがもとまり、

を得る。これらをユーザー評価モデル記憶部５１１に格納する。また、本実施形態に係るユーザー評価モデル記憶部５１１のデータの例を図２５に示す。

ユーザー評価の概略手順は図３に示したものと同様であるが、ステップＦ１１１におけるユーザー評価の具体的な処理が第１実施形態の場合とは異なるので説明する。

ユーザー評価部５１２は、計測データ受信部５０１から受け取る製造番号から、製造情報記憶部５０４を参照して機種を特定し、さらにモデルカテゴリー記憶部５１７を参照してカテゴリーを特定する。次に、ユーザー評価モデル記憶部５１１に格納された、対応するカテゴリーのパラメータを読み出し、このパラメータを用いることで、式（３）により使用影響度

を算出する。

（第６実施形態）
図２６は、第６実施形態に係るハードウェア使用状況に応じたユーザー評価装置のブロック図である。本実施形態は第５実施形態の変形例である。第５実施形態との構成上の違いは、許容範囲記憶部５１８を設けた点である。許容範囲記憶部５１８は、指標名、上限値、下限値の組からなる許容範囲を記憶する。パラメータ決定部５１０は、計測データと、許容範囲から、指標名に対応して上限値と下限値の間では値が変化しない指標を算出し、この指標と、サンプル別荷重値と、故障情報集計結果とを目的関数とするとき、使用影響度を算出するユーザー評価モデルのパラメータを前記目的関数を最大にするように決定する。なお、本実施形態では、各々が少なくとも１機種以上との対応関係を与えるモデルカテゴリーを記憶するモデルカテゴリー記憶部５１５を備えてもよく、この場合、許容範囲記憶部５１８は、モデルカテゴリー毎に、指標名、上限値、下限値の組からなる許容範囲を記憶する。パラメータ決定部５１０は、計測データと、前記許容範囲とから、前記モデルカテゴリーおよび前記指標名に対応して上限値と下限値の間では値が変化しない指標を算出するとともに、この算出された指標と、サンプル別荷重値と、計測データと、故障情報集計結果とを目的関数とするとき、モデルカテゴリー毎の使用影響度を算出するためのユーザー評価モデルのパラメータを目的関数を最大にするように決定する。

許容範囲は、カテゴリー別に指標毎の上限値と下限値を与えたものであり、図２７に許容範囲の例を示す。

仮に、マシンiのカテゴリーがｋ、指標ｊの上限値を

とし、下限値を

とするとき、第１実施形態で示した指標

を次のように変換する。

さらに、次式によって新しい指標Ｚ_ｊｉを得る。

パラメータ決定部５１０では、Ｚ_ｊｉを用いて目的関数を次のように設定する。

ただし、

は使用影響度と呼び、次式から与えられる。

また、ユーザー評価では、ユーザー評価部５１２が式（６）（７）に従って指標Ｚ_ｊｉを計算する。

（第７実施形態）
図２８は、第７実施形態に係るハードウェア使用状況に応じたユーザー評価装置のブロック図である。

図１に示した第１実施形態との構成上の相違点は、指標毎の順位に対応する値を記憶するユーザー順位モデル記憶部７１５を設けたことである。

パラメータ決定部７１０は、複数のサンプルの各々について、ユーザー順位モデルから指標値の順位を計算し、指標値と、サンプル別荷重値と、故障情報集計結果を目的関数とするとき、使用影響度を算出するためのユーザー評価モデルのパラメータを目的関数を最大にするように決定する。ユーザー評価部７１２は、計測データと、指標値の順位と、ユーザー評価モデルのパラメータとを用いて使用影響度を算出する。なお、指標毎の順位に対応する値は、サンプル内のパーセンタイル点であってもよい。あるいは、指標毎の順位に対応する値を、サンプル内の偏差値としてもよい。

具体的には、パラメータ決定部７１０が指標を定義する際に、計測データ記憶部７０２のデータを指標値ｊの小さいものから順に並べ、製造番号ｉのサンプルの順位ｖ_ｊｉを求める。

さらに、

として、

を求める。これは、全体の中で小さいものから何パーセントに位置するかを求めたものである。また、ｓ_ｊｉの値が１％、２％、３％・・・９９％となるｕ_ｊｉの値をユーザー順位モデル記憶部７１５に記録する。記録されるデータの例を図２９に示す。

パラメータ決定部７１０は、ｓ_ｊｉを用いて目的関数を次のように設定する。

ただし、

は使用影響度と呼び、次式から与えられる。

さらに、この目的関数が最大となるようにパラメータ

を決定し、ユーザー評価モデル記憶部７１１に記憶する。

（第８実施形態）
図３０は、第８実施形態に係るハードウェア使用状況に応じたユーザー評価装置のブロック図である。図１に示した第１実施形態との構成上の相違点は、標準価格記憶部８１５、保証カテゴリー記憶部８１６、保証料算定部８１７を追加した点である。標準価格記憶部８１５のデータを図３１に示す。保証カテゴリー記憶部８１６のデータについては、図３２に示すように、カテゴリーと対応する機種がまとめられており、さらにカテゴリー毎の基準修理率も与えられている。基準修理率は、保険サービスを提供するにあたって予め外部で決められた数値である。

保証料算定部８１７は、まず出荷情報記憶部８０３を参照し、製造番号から機種名を求める。また保証カテゴリー記憶部８１６を参照し、機種名に対応する保証カテゴリーｇと、そのカテゴリーにおける基準修理率ｐ_ｇを求める。さらに、ユーザー評価部８１２から使用影響度

を得る。これらを用いて、次式によりみなし修理率Ｐ_ｉを算出する。

この式では、製品固有の品質の違いによる修理率の部分は基準修理率ｐ_ｇとみなし、使用影響度のみを考慮して修理率を算出しているため、算出結果をみなし修理率と呼ぶ。

また、標準価格記憶部８１５から標準修理コストＣ_ｉを得る。これを用いて適正保証料をＤ_ｉ＝Ｃ_ｉ（Ｐ_ｉ＋ｒ）のように算出する。ここで、ｒは利益を上乗せするための割合であり、予め与えられるものとする。算出されたＤ_ｉを保険料として画面に表示する。

以上のように、本実施形態では、マシン毎の標準価格を記憶する標準価格記憶部８１５と、使用影響度および標準価格から保証料を算定する保証料算定部８１７とを具備する。前記標準価格は、マシンの販売価格としてもよい。あるいは、前記標準価格は、マシンの標準的な修理代金であってもよい。

また、保障カテゴリー毎に与えられる基準修理率を記憶する保障カテゴリー記憶部８１６をさらに具備してもよい。この場合、保証料算定部８１７は、使用影響度、標準価格、および基準修理率に基づく保証料を算定する。

さらに、保証料算定部８１７は、基準修理率と使用影響度の積をＡとし、（１−基準修理率）と（１−使用影響度）の積をＢとするとき、Ａ／（Ａ＋Ｂ）で表されるみなし修理率を求め、みなし修理率と標準価格から保証料を計算してもよい。

（第９実施形態）
図３３は、第９実施形態に係るハードウェア使用状況に応じたユーザー評価装置のブロック図である。この図３３に示す構成は、第６実施形態と第７実施形態を組み合わせた形になっており、この結果、ユーザー評価部９１２では、指標毎に許容範囲と順位の情報を得ることができる。これらの情報をまとめることで、ユーザーに対して図３４に示すような画面を提示することが可能である。つまり、指標名を左側に明記し、その横にＳ_ｊｉを表示する。また、許容範囲記憶部９１８から、当該マシンに対応する指標の上限値、下限値を取得し、ユーザー順位モデル記憶部９１９により上限値と下限値をパーセンタイル点に変換し、結果を表示することができる。

このように本実施形態では、指標毎の順位に対応する値を記憶するユーザー順位モデル記憶部９１９と、モデルのカテゴリー毎に指標名、上限値、下限値の組を記憶する許容範囲記憶部９１８とをさらに具備し、ユーザー評価部９１２は、指標毎にマシンのパーセンタイル点、および指標の上限値と下限値のパーセンタイル点を計算する。処理部９１３は、これらの値を表すグラフを画面に表示することができる。

なお、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。

１０１…計測データ受信部；
１０２…計測データ記憶部；
１０３…出荷情報記憶部；
１０４…製造情報記憶部；
１０５…故障情報集計結果記憶部；
１０６…修理率算出部；
１０７…修理率推定値記憶部；
１０８…サンプル別荷重値決定部；
１０９…サンプル別荷重値記憶部；
１１０…パラメータ決定部；
１１１…ユーザー評価モデル記憶部；
１１２…ユーザー評価部；
１１３…処理部

Claims

計測対象である複数のマシンと同じ特性を有する複数のマシンについての故障情報収集結果を記憶する故障情報収集結果記憶部と、
前記故障情報収集結果に基づくマシン毎の修理率推定値を算出する修理率算出部と、
前記修理率推定値を記憶する修理率推定値記憶部と、
前記計測対象である複数のマシンの使用状況に関する計測データを受信する計測データ受信部と、
前記計測データを記憶する計測データ記憶部と、
前記計測対象である複数のマシンを複数のサンプルとし、前記修理率推定値のマシン間の差異を打ち消すような荷重値を、前記複数のサンプルの各々について決定するサンプル別荷重値決定部と、
前記複数のサンプルの各々の荷重値を記憶するサンプル別荷重値記憶部と、
前記サンプル別荷重値と、前記計測データと、前記故障情報収集結果と、使用影響度を算出するためのユーザー評価モデルのパラメータとを用いて目的関数を生成し、前記ユーザー評価モデルのパラメータを前記目的関数を最大にするように決定するパラメータ決定部と、
前記ユーザー評価モデルのパラメータを記憶するユーザー評価モデル記憶部と、
前記計測データと、前記ユーザー評価モデルのパラメータとを用いて前記使用影響度を算出するユーザー評価部と、
前記使用影響度を表示する処理部と、を具備することを特徴とするハードウェア使用状況に応じたユーザー評価装置。
前記サンプル別荷重値決定部は、前記修理率推定値をｐとするとき、前記故障情報集計結果が表す修理履歴の有無に応じて、修理履歴ありであれば前記荷重値を１−ｐに決定し、修理履歴なしであれば前記荷重値をｐに決定することを特徴とする請求項１記載のハードウェア使用状況に応じたユーザー評価装置。
荷重値パラメータｓを記憶する荷重値パラメータ記憶部をさらに具備し、
前記サンプル別荷重値決定部は、前記修理率推定値をｐとするとき、前記故障情報集計結果が表す修理履歴の有無に応じて、修理履歴ありであれば前記荷重値を（１−ｐ）^ｓ／ｐ^１−ｓに決定し、修理履歴なしであれば前記荷重値をｐ^ｓ／（１−ｐ）^１−ｓに決定することを特徴とする請求項１記載のハードウェア使用状況に応じたユーザー評価装置。
修理率が一定となる集合を特定するためのカテゴリー特定情報を記憶するカテゴリー特定情報記憶部と、
前記カテゴリー特定情報により特定されるカテゴリー毎に前記修理率推定値を算出するカテゴリー別修理率算出部と、
前記カテゴリー毎に、前記修理率推定値を記憶するカテゴリー別修理率推定値記憶部と、をさらに具備することを特徴とする請求項２または請求項３記載のハードウェア使用状況に応じたユーザー評価装置。
製造番号、保証期間内のマシン稼働日数、保証期間内の故障回数、機種名、製造日、および部品構成情報を含むモデル作成データを記憶するモデル作成用データ記憶部をさらに具備し、
前記修理率算出部は、前記製造番号および前記保証期間内の故障回数以外のデータを入力とし、確率値を出力とするモデルに与えるパラメータを決定し、該パラメータにより特徴づけられるモデルから出力される確率値を前記修理率推定値とすることを特徴とする請求項２または請求項３記載のハードウェア使用状況に応じたユーザー評価装置。
前記カテゴリー特定情報は、カテゴリーナンバー、機種名、製造期間を含むことを特徴とする請求項４記載のハードウェア使用状況に応じたユーザー評価装置。
前記計測データ受信部が各マシンから複数回受信した計測データに基づく日次計測データを記憶する日次計測データ記憶部と、
前記日次計測データを集計するとともにデータの矛盾の有無を検出する計測データ集計処理部と、
前記計測データ集計処理部で集計された結果とデータの矛盾の有無とを記憶する集計データ記憶部と、をさらに具備し、
前記サンプル別荷重値決定部は、前記矛盾の無いマシンに関して前記荷重値を求め、
前記ユーザー評価部は、前記矛盾の無いマシンに関して前記使用影響度を算出することを特徴とする請求項２または請求項３記載のハードウェア使用状況に応じたユーザー評価装置。
各々が少なくとも１機種以上との対応関係を与えるモデルカテゴリーを記憶するモデルカテゴリー記憶部をさらに具備し、
前記パラメータ決定部は、前記モデルカテゴリー毎に、前記使用影響度を算出するためのユーザー評価モデルのパラメータを決定し、
前記ユーザー評価モデル記憶部は、前記モデルカテゴリー毎に、前記使用影響度を算出するためのユーザー評価モデルのパラメータを記憶し、
前記ユーザー評価部は、前記モデルカテゴリー毎に、前記使用影響度を算出するためのユーザー評価モデルのパラメータを用いて使用影響度を算出することを特徴とする請求項６記載のハードウェア使用状況に応じたユーザー評価装置。
指標名、上限値、下限値の組からなる許容範囲を記憶する許容範囲記憶部をさらに具備し、
前記パラメータ決定部は、
前記計測データと、前記許容範囲から、前記指標名に対応して上限値と下限値の間では値が変化しない指標を算出し、
前記指標と、前記サンプル別荷重値と、前記故障情報集計結果と、使用影響度を算出するためのユーザー評価モデルのパラメータとを用いて目的関数を生成し、前記ユーザー評価モデルのパラメータを目的関数を最大にするように決定することを特徴とする請求項６記載のハードウェア使用状況に応じたユーザー評価装置。
指標毎の順位に対応する値を記憶するユーザー順位モデル記憶部をさらに具備し、
前記パラメータ決定部は、前記複数のサンプルの各々について、前記ユーザー順位モデルから指標値の順位を計算し、前記指標値と、前記サンプル別荷重値と、前記故障情報集計結果と、前記ユーザー評価モデルのパラメータとを用いて目的関数を生成し、前記ユーザー評価モデルのパラメータを前記目的関数を最大にするように決定し、
前記ユーザー評価部は、前記計測データと、前記指標値の順位と、前記ユーザー評価モデルのパラメータとを用いて使用影響度を算出することを特徴とする請求項２または請求項３記載のハードウェア使用状況に応じたユーザー評価装置。
前記指標毎の順位に対応する値は、サンプル内のパーセンタイル点であることを特徴とする請求項１０記載のハードウェア使用状況に応じたユーザー評価装置。
前記指標毎の順位に対応する値は、サンプル内の偏差値であることを特徴とする請求項１０記載のハードウェア使用状況に応じたユーザー評価装置。
マシン毎の標準価格を記憶する標準価格記憶部と、
前記使用影響度および前記標準価格から保証料を算定する保証料算定部と、をさらに具備することを特徴とする請求項１記載のハードウェア使用状況に応じたユーザー評価装置。
保障カテゴリー毎に与えられる基準修理率を記憶する保障カテゴリー記憶部をさらに具備し、
前記保証料算定部は、前記使用影響度、前記標準価格、および前記基準修理率に基づく保証料を算定することを特徴とする請求項１３記載のハードウェア使用状況に応じたユーザー評価装置。
前記標準価格は、マシンの販売価格であることを特徴とする請求項１３記載のハードウェア使用状況に応じたユーザー評価装置。
前記標準価格は、マシンの標準的な修理代金であることを特徴とする請求項１３記載のハードウェア使用状況に応じたユーザー評価装置。
前記保証料算定部は、前記基準修理率と前記使用影響度の積をＡとし、（１−基準修理率）と（１−使用影響度）の積をＢとするとき、Ａ／（Ａ＋Ｂ）で表されるみなし修理率を求め、前記みなし修理率と前記標準価格から保証料を計算することを特徴とする請求項１４記載のハードウェア使用状況に応じたユーザー評価装置。
指標毎の順位に対応する値を記憶するユーザー順位モデル記憶部と、
モデルのカテゴリー毎に指標名、上限値、下限値の組を記憶する許容範囲記憶部とをさらに具備し、
前記ユーザー評価部は、前記指標毎にマシンのパーセンタイル点、および指標の上限値と下限値のパーセンタイル点を計算し、
前記処理部は、これらの値を表すグラフを画面に表示することを特徴とする請求項２または請求項３記載のハードウェア使用状況に応じたユーザー評価装置。