JP5400895B2 - 組織行動分析装置及び組織行動分析システム - Google Patents

Description

本発明は、組織内のメンバの行動データやコミュニケーションデータから、組織の状態を可視化する技術に関する。

あらゆる組織において、多かれ少なかれ問題を抱えている。この問題を解決すべく、書店には多くのビジネス書が並び、マネージャーはこれらの本を読みながら、その問題の解決に頭を悩ます。また、組織の問題は普遍的な問題であるため、経験が豊富なマネージャーは何度の同じ場面に出くわしているため、経験と感で、問題の解決を行なう。

また、組織のメンバにアンケートに回答してもらうことにより、組織の問題を解決しようとする試みがある。メンバの主観が反映されるため、メンバが気になっている要因の発見が可能となる。

また、組織内のメンバの行動を検出する一つの方法が、センサネットを活用することである。センサネットとは、センサと無線通信回路を備えた端末を環境や物、人などに取り付け、センサから得られた様々な情報を無線経由で取り出すことで状態の取得や制御に応用するシステムである。このコミュニケーションを検出するためにセンサによって取得する物理量には、対面状態を検出する赤外線、発話や環境を検出する音声、人の動作を検出する加速度がある。これらのデータを用いることで、組織内のメンバやチームでの活動が特徴量として求めることができる。

センサから得られる情報を用いる例として、予め準備された分析モデルに基づいて、赤外線から得られる位置情報から求める特徴量とアンケート回答とを分析し、組織の特徴を見つける（注目点を抽出する）ことが特許文献１に開示されている。

時系列における加速度センサからの求めた特徴量とストレスアンケートを１つの画面に表示することで、ストレスと本人の行動との関係を見ることで、生活支援を行なうことが特許文献２に開示されている。

特開２００８−９５９５号公報 特開２００１−３４４３５２号公報

書籍やマネージャーの経験や直感から組織の問題の解決方法を見つけようとする場合、その組織から生じた問題なのに、該当組織のメンバをヒアリングすることがないため、問題を解決することが難しい。また、組織を分析したとしても、マネージャーは出張等により、その問題に必要な観察やメンバのヒアリングを十分にできない場合が多い。

また、組織のメンバにアンケートで回答してもらうことにより組織の問題を解決しようとする場合、言葉としてわかっていたとしても、それを行動に移すことが難しい。なぜならば、どのような行動をすればよいのか分からないからである。どの組織行動を改善すべきなのかを特定しないと、組織には浸透しないと考えられる。

また、センサにより得られる物理量から、組織内のメンバのかかわりやチームでの活動を検出することができ、例えば、特許文献１では、予め準備されていた分析モデルに基づいて、アンケート回答と位置情報とを分析することで、組織としての注目点を抽出している。しかしながら、予めその組織に適切なモデルを選択しておかなければ、よい結果を得ることが難しい。さらには、アンケート情報と位置情報のみを用いて、接触が少ないのに満足度が高い群などの注目点を抽出するにしかすぎず、具体的にどの組織行動を改善すべきなのかを特定することはできない。

また、特許文献２では、ストレス度合いと行動を一度に表示する方法について開示しているが、ストレスの要因となる行動を特定することや、その対策（ストレス解消）方法までは記述していない。

このような事情を鑑み、本発明の目的は、組織内の行動データやコミュニケーションデータから、組織の問題解決に有益な因子で構成される分析モデルの生成することである。

組織の問題解決には、原因となる有益な因子を見つけることが必要であるため、大量のセンサデータから得られる組織内の行動データとアンケート回答とから、その組織の問題の原因となっている複数の因子をモデル化し、提示する。

組織内の行動データとして、センサデータから組織ダイナミクス指標を求め、それを説明変数とする。組織の生産性や事故・不良などの客観データやリーダシップ／チームワーク指標や社員のやりがい／充実指標やストレス／メンタル不調指標などアンケート回答からの主観データを求め、それを目的関数とする。目的変数の有益な因子を説明変数から選び出し、モデルを作成することで、その組織が目的変数としてあげた問題に影響を与えている行動を明らかにすることができる。

また、複数の人物で構成される組織の分析を行う組織行動分析装置である。複数の人物それぞれに装着される端末の赤外線送受信部及び加速度センサで取得されるセンサデータ、及び、複数の人物それぞれの主観的評価又は客観的評価を示すデータを受信する受信部と、センサデータ及び主観的評価又は客観的評価を示すデータを解析する制御部と、制御部が解析を行うための解析条件と制御部が解析した結果とを記録する記録部と、を備える。制御部は、複数の人物ごとに、組織内での人物間の関係及び組織内での行動を示す指標を、解析条件に基づいてセンサデータから算出して記録部に記録し、複数の人物それぞれの主観的評価又は客観的評価を示すデータと、組織内での人物間の関係及び組織内での行動を示す指標との相関をとり、組織における主観的評価又は客観的評価を示すデータの要因を特定する。

また、組織を構成する複数の人物それぞれに装着され、対面を示すデータを取得する赤外線送受信部と、加速度データを取得する加速度センサと、対面を示すデータ及び加速度データをセンサデータとして送信する送信部と、を有する端末と、センサデータを受信し、かつ、複数の人物それぞれの主観的評価又は客観的評価を示すデータを受信する受信部と、センサデータ及び主観的評価又は客観的評価を示すデータを解析する制御部と、制御部が解析を行うための解析条件と制御部が解析した結果とを記録する記録部と、を有する組織行動分析装置とを備える組織行動分析システムである。制御部は、複数の人物ごとに、組織内での人物間の関係及び組織内での行動を示す指標を、解析条件に基づいてセンサデータから算出して記録部に記録し、複数の人物それぞれの主観的評価又は客観的評価を示すデータと、組織内での人物間の関係及び組織内での行動を示す指標との相関をとり、組織における主観的評価又は客観的評価を示すデータの要因を特定する。

さらに、複数の人物で構成される組織の分析を行う組織行動分析装置である。
複数の人物それぞれの主観的評価を示すデータを受信する受信部と、主観的評価を示すデータを解析する制御部と、組織内の座席位置を示すデータと、制御部が解析を行うための解析条件と制御部が解析した結果とを記録する記録部と、を備える。制御部は、複数の人物ごとに、ストレスに関連する指標を、解析条件に基づいて主観的評価を示すデータから算出する指標計算部と、座席位置を示すデータ及びストレスに関連する指標に基づいて複数の人物それぞれの組織内での座席配置を決定する座席配置決定部とを有する。

組織の問題解決に必要な有益な行動因子が明らかになり、その組織に相応しい施策を打ち出すことができる。

実施例１のシステム構成図の例 実施例１のシステム構成図の例 実施例１のシステム構成図の例 実施例１のシステム構成図の例 実施例１のシステム構成図の例 実施例１の全体の処理フローを示す図の例 実施例１の全体の処理フローを示す図の例 実施例１の全体の処理フローを示す図の例 実施例１の対面テーブルの例 実施例１の身体リズムテーブルの例 実施例１の対面マトリックスの例 実施例１のネットワーク指標、および、身体リズム指標の例 ネットワーク図（その１）の例 実施例１の対面指標、および、組織活動指標の例 実施例１のパーソナリティ指標の例 実施例１の生産性指標、事故不良指標の例 実施例１のリーダシップ／チームワーク指標、社員のやりがい／充実度指標、ストレス／メンタル不調指標、組織活性化指標の例 実施例１の因子係数の例 実施例２の全体の処理フローを示す図の例 実施例２のパーソナリティ係数の例 実施例２のユーザ別パーソナリティ係数の例 実施例２の推定パーソナリティ指標の例 実施例１のビックファイブ理論の例 実施例１のパーソナリティアンケートの例 実施例１のストレス／メンタル不調アンケートの例 実施例１のハピネスアンケートの例 実施例１のチームワークアンケートの例 実施例１の組織活性化アンケートの例 実施例３の全体の処理フローを示す図の例 実施例３の対面組別テーブルの例 実施例３のユーザＩＤ表、場所ＩＤ表の例 実施例４の全体の処理フローを示す図の例 実施例４の場所テーブルの例 実施例４のユーザ・場テーブルの例 実施例５の全体の処理フローを示す図の例 実施例５の場リスト（ＩＣ）の例 実施例５の場の人数別マップ、場のチーム内外マップの例 実施例６の全体の処理フローを示す図の例 実施例６の場の対面組マップ、場のユーザマップの例 実施例７の全体の処理フローを示す図の例 実施例７の温度テーブルの例 実施例７の場利用状況マップの例 実施例８の全体の処理フローを示す図の例 実施例９の全体の処理フローを示す図の例 実施例９の対面人数別対面マトリックスの例 実施例９の最大対面時間マトリックス、最大対面時間人数マトリックスの例 実施例９の最大対面時間人数ネットワーク図の例 実施例１０の全体の処理フローを示す図の例 実施例１０の周波数主成分、組織周波数の例 実施例１０の組織周波数グラフの例 実施例１１の全体の処理フローを示す図の例 ネットワーク図（その２）の例 実施例１１の各人のネットワーク図上での到達ステップ数の例 実施例１１の対面距離マトリックスの例 実施例１１の対面距離ネットワーク図の例 実施例１１の適応性を用いた座席配置の１例 実施例１１の各人の適応性の１例 実施例１１の場への座席配置の例 実施例１２の全体の処理フローの一例を示す図 実施例１２の階層内外組織周波数解析の処理フローの一例を示す図 実施例１２の職位階層ネットワーク図座標特定の処理フローの一例を示す図 実施例１２の職位階層ネットワーク図座標リストの一例を示す図 実施例１２の職位階層ネットワーク構成の一例を示す図

以下、本発明の一実施形態を、図面を参照して説明する。

本発明における解析システムの位置づけと機能を明らかにするため、まずビジネス顕微鏡システムについて説明する。ここで、ビジネス顕微鏡とは、人間に装着したセンサノードでその人間の行動や振る舞いを観測し、組織アクティビティとして人物間の関係性と現在の組織の像を図示することで組織の改善に役立てるためのシステムである。また、センサノードで取得される対面検出・行動・音声等に関するデータを、総称して広く組織ダイナミクスデータと呼ぶ。

図１Ａ、図１Ｂ、図１Ｃ、図１Ｄ、図１Ｅは一つの実施形態であるビジネス顕微鏡システムの構成要素を示す説明図であり、図示の都合上分割して示してあるが、各々図示された各処理は相互に連携して実行される。

図１Ａ〜図１Ｅは名札型センサノード（ＴＲ）から、基地局（ＧＷ）を経由し、組織ダイナミクスデータを格納するセンサネットサーバ（ＳＳ）、組織ダイナミクスデータの解析を行なうアプリケーションサーバ（ＡＳ）、閲覧者に解析結果を出力するクライアント（ＣＬ）までの一連の流れを示している。

本システムは、名札型センサノード（ＴＲ）、基地局（ＧＷ）、組織センサネットサーバ（ＳＳ）、アプリケーションサーバ（ＡＳ）、クライアント（ＣＬ）によって構成されている。なお、本実施例では、センサネットサーバとアプリケーションサーバとを別のデバイスとして説明するが、１のサーバでこれらサーバの機能を実現することも可能である。

図１Ａに示すアプリケーションサーバ（ＡＳ）は、組織ダイナミクスデータを解析及び処理する。図１Ｂに示すクライアント（ＣＬ）からの依頼を受け、又は、設定された時刻に自動的に、解析アプリケーションが起動する。解析アプリケーションは、図１Ｃに示すセンサネットサーバ（ＳＳ）に依頼し、必要な組織ダイナミクスデータを取得する。さらに、解析アプリケーションは、取得した組織ダイナミクスデータを解析し、解析結果を図１Ｂに示すクライアント（ＣＬ）に返す。あるいは、解析アプリケーションは、解析結果をそのまま解析結果データベース（Ｆ）に記録しておいてもよい。

なお、解析に用いるアプリケーションは、解析アルゴリズム（Ｄ）に格納されており、制御部（ＡＳＣＯ）によって実行される。本実施例により実行される処理は、モデル化解析（ＣＡ）、パーソナリティ指標抽出解析（ＣＡ１）、パーソナリティ指標変換解析（ＣＡ２）である。

アプリケーションサーバ（ＡＳ）は、送受信部（ＡＳＳＲ）、記憶部（ＡＳＭＥ）及び制御部（ＡＳＣＯ）を備える。

送受信部（ＡＳＳＲ）は、図１Ｃに示すセンサネットサーバ（ＳＳ）及び図１Ｂに示すクライアント（ＣＬ）との間で組織ダイナミクスデータの送信及び受信を行う。具体的には、送受信部（ＡＳＳＲ）は、クライアント（ＣＬ）から送られてきたコマンドを受信し、センサネットサーバ（ＳＳ）に組織ダイナミクスデータ取得依頼を送信する。さらに、送受信部（ＡＳＳＲ）は、センサネットサーバ（ＳＳ）から組織ダイナミクスデータを受信し、解析結果をクライアント（ＣＬ）に送信する。

記憶部（ＡＳＭＥ）は、ハードディスク、メモリ又はＳＤカードのような外部記録装置で構成される。記憶部（ＡＳＭＥ）は、解析のための設定条件及び解析結果を格納する。具体的には、記憶部（ＡＳＭＥ）は、ユーザ／場所情報テーブル（Ｉ）、組織情報テーブル（Ｈ）、アンケート（Ｇ）、解析結果テーブル（Ｆ）、解析条件期間テーブル（Ｅ）、解析アルゴリズム（Ｄ）を格納する。

ユーザ／場所情報テーブル（Ｉ）は、ユーザの氏名、職位、ユーザＩＤなどの個人情報と、場の情報が記載されているテーブルである。

組織情報テーブル（Ｈ）は、生産性（ＨＡ）や事故不良（ＨＢ）などその組織モデル化の際に必要なデータや、気候や株価などの組織活動をする際に必要なデータが一般情報として格納されているテーブルである。

アンケート（Ｇ）は、ユーザに行なってもらうアンケートとその回答が格納されているテーブルである。

解析結果テーブル（Ｆ）は、組織ダイナミクスデータを解析した結果（組織ダイナミクス指標）や、アンケート結果を解析した結果が格納されるテーブルである。

解析条件期間テーブル（Ｅ）は、クライアント（ＣＬ）から依頼された表示のための解析条件を一時的に記憶しておくテーブルである。

解析アルゴリズム（Ｄ）は、解析に用いるプログラムが格納されている。クライアント（ＣＬ）からの依頼に従って、適切なプログラムが選択し、制御部（ＡＳＣＯ）に送られ、解析が実行される。

制御部（ＡＳＣＯ）は、中央処理部ＣＰＵ（図示省略）を備え、データの送受信の制御及びセンシングデータの解析を実行する。具体的には、ＣＰＵ（図示省略）が記憶部（ＡＳＭＥ）に格納された各種プログラムを読み出して実行することによって各種機能を実現する。具体的には、通信制御（ＡＳＣＣ）、モデル化解析（ＣＡ）、パーソナリティ指標抽出解析（ＣＡ１）、パーソナリティ指標変換解析（ＣＡ２）が実行される。

通信制御（ＡＳＣＣ）は、有線又は無線によるセンサネットサーバ（ＳＳ）及びクライアントデータ（ＣＬ）との通信のタイミングを制御する。さらに、通信制御（ＡＳＣＣ）は、データの形式変換、及び、データの種類別に行き先の振り分けを実行する。

モデル化解析（ＣＡ）は、組織ダイナミクスデータとアンケート結果からその組織が抱えている問題の主要因をモデル化する処理である。モデル化解析（ＣＡ）は、対面テーブル作成（Ｃ１Ａ）、身体リズムテーブル作成（Ｃ１Ｂ）、対面マトリックス作成（Ｃ１Ｃ）、ネットワーク指標抽出（ＣＡＡ）、身体リズム指標抽出（ＣＡＢ）、対面指標抽出（ＣＡＣ）、組織活動指標抽出（ＣＡＤ）、相関分析（ＣＡＥ）、因子選択（ＣＡＦ）から構成されている。

対面テーブル作成（Ｃ１Ａ）は、組織ダイナミクスデータからユーザ毎に時系列に並び替えたものであり、対面に関するテーブルを作成する処理である。

身体リズムテーブル作成（Ｃ１Ｂ）は、組織ダイナミクスデータからユーザ毎に時系列に並び替えたものであり、身体リズムに関するテーブルを作成する処理である。

対面マトリックス作成（Ｃ１Ｃ）は対面テーブル作成（Ｃ１Ａ）の結果からユーザ毎同士の対面をマトリックス状にまとめたテーブルを作成する処理である。

ネットワーク指標抽出（ＣＡＡ）は、対面テーブルから組織ダイナミクス指標におけるネットワークに関する指標を解析する。

身体リズム指標抽出（ＣＡＢ）は、身体リズムテーブルから組織ダイナミクス指標における身体リズムに関する指標を解析する。

対面指標抽出（ＣＡＣ）は、対面テーブルと身体リズムテーブルから組織ダイナミクス指標における対面に関する指標を解析する。

活動指標抽出（ＣＡＤ）は、対面テーブルと身体リズムテーブルから組織ダイナミクス指標における組織に関する指標を解析する。

相関分析（ＣＡＥ）は、組織ダイナミクス指標とアンケート結果との相関を求める分析である。

因子選択（ＣＡＦ）は、相関分析の結果、有益な因子を選択する処理である。

パーソナリティ指標抽出解析（ＣＡ１）とパーソナリティ指標変換解析（ＣＡ２）は、従来、アンケートからユーザの主観データを取得しているが、このアンケートを用いなくでも、組織ダイナミクスデータから、パーソナリティ指標を求めるための処理である。

パーソナリティ指標抽出解析（ＣＡ１）は、それぞれのアンケート項目に対して、組織ダイナミクス指標の寄与係数を求めるものである。これは、パーソナリティ指標係数抽出（ＣＡ１Ａ）によって行なわれる処理である。

パーソナリティ指標変換解析（ＣＡ２）は、組織ダイナミクス指標と、パーソナリティ指標抽出解析（ＣＡ１）で求めた寄与係数から、アンケートの代替となる指標を求める処理である。これは、パーソナリティ指標変換（ＣＡ２Ａ）によって行なわれる処理である。

解析した結果は解析結果テーブル（Ｆ）、または、送受信部（ＡＳＳＲ）から図１Ｂに示すクライアント（ＣＬ）の表示（Ｊ）に送信する。

図１Ｂに示すクライアント（ＣＬ）は、ユーザとの接点であり、データの入出力を行なう。クライアント（ＣＬ）は、入出力部（ＣＬＩＯ）、送受信部（ＣＬＳＲ）、記憶部（ＣＬＭＥ）及び制御部（ＣＬＣＯ）を備える。

入出力部（ＣＬＩＯ）は、ユーザとのインタフェースとなる部分である。入出力部（ＣＬＩＯ）は、ディスプレイ（ＣＬＯＤ）、キーボード（ＣＬＩＫ）及びマウス（ＣＬＩＭ）等を備える。必要に応じて外部入出力（ＣＬＩＵ）に他の入出力装置を接続することもできる。

ディスプレイ（ＣＬＯＤ）は、ＣＲＴ（ＣＡＴＨＯＤＥ−ＲＡＹ ＴＵＢＥ）又は液晶ディスプレイ等の画像表示装置である。ディスプレイ（ＣＬＯＤ）は、プリンタ等を含んでもよい。

送受信部（ＣＬＳＲ）は、図１Ａに示すアプリケーションサーバ（ＡＳ）又は図１Ｃに示すセンサネットサーバ（ＳＳ）との間でデータの送信及び受信を行う。具体的には、送受信部（ＣＬＳＲ）は、解析条件（ＣＬＭＰ）をアプリケーションサーバ（ＡＳ）に送信し、解析結果を受信する。

記憶部（ＣＬＭＥ）は、ハードディスク、メモリ又はＳＤカードのような外部記録装置で構成される。記憶部（ＣＬＭＥ）は、解析条件（ＣＬＭＰ）及び描画設定情報（ＣＬＭＴ）等の、描画に必要な情報を記録する。解析条件（ＣＬＭＰ）は、ユーザから設定された解析対象のメンバの数及び解析方法の選択等の条件を記録する。描画設定情報（ＣＬＭＴ）は、図面のどの部分に何をプロットするかという描画位置に関する情報を記録する。さらに、記憶部（ＣＬＭＥ）は、制御部（ＣＬＣＯ）のＣＰＵ（図示省略）によって実行されるプログラムを格納してもよい。

制御部（ＣＬＣＯ）は、ＣＰＵ（図示省略）を備え、通信の制御、クライアントユーザ（ＵＳ）からの解析条件の入力、及び、解析結果をクライアントユーザ（ＵＳ）に提示するための描画等を実行する。具体的には、ＣＰＵは、記憶部（ＣＬＭＥ）に格納されたプログラムを実行することによって、通信制御（ＣＬＣＣ）、解析条件設定（ＣＬＩＳ）、描画設定（ＣＬＴＳ）、表示（Ｊ）の処理を実行する。

通信制御（ＣＬＣＣ）は、有線又は無線によるアプリケーションサーバ（ＡＳ）又はセンサネットサーバ（ＳＳ）との間の通信のタイミングを制御する。また、通信制御（ＣＬＣＣ）は、データの形式を変換し、データの種類別に行き先を振り分ける。

解析条件設定（ＣＬＩＳ）は、ユーザから入出力部（ＣＬＩＯ）を介して指定される解析条件を受け取り、記憶部（ＣＬＭＥ）の解析条件（ＣＬＭＰ）に記録する。ここでは、解析に用いるデータの期間、メンバ、解析の種類及び解析のためのパラメータ等が設定される。クライアント（ＣＬ）は、これらの設定をアプリケーションサーバ（ＡＳ）に送信して解析を依頼し、それと並行して描画設定（ＣＬＴＳ）を実行する。

描画設定（ＣＬＴＳ）は、解析条件（ＣＬＭＰ）に基づいて解析結果を表示する方法、及び、図面をプロットする位置を計算する。この処理の結果は、記憶部（ＣＬＭＥ）の描画設定情報（ＣＬＭＴ）に記録される。

表示（Ｊ）は、アプリケーションサーバ（ＡＳ）から取得した解析結果を描画設定情報（ＣＬＭＴ）に記載されている形式にもとづいて表示画面を生成する。例えば、描画設定情報（ＣＬＭＴ）には図２Ｃに示すモデル描画（ＪＡ）等が格納されている。このとき必要であれば、表示（Ｊ）は、表示されている人物の氏名等の属性も表示する。作成された表示結果は、ディスプレイ（ＣＬＯＤ）等の出力装置を介してユーザに提示される。例えば、ディスプレイ（ＣＬＯＤ）には図２Ｃに示す科学的経営知モデル（ＫＡ）の様な画面を表示する。ドラッグ＆ドロップ等の操作によって、ユーザが表示位置を微調整することもできる。

図１Ｃに示すセンサネットサーバ（ＳＳ）は、図１Ｅに示す名札型センサノード（ＴＲ）から集まったデータを管理する。具体的には、センサネットサーバ（ＳＳ）は、図１Ｄに示す基地局（ＧＷ）から送られてくるデータをデータベースに格納し、また、図１Ａに示すアプリケーションサーバ（ＡＳ）及び図１Ｂに示すクライアント（ＣＬ）からの要求に基づいてセンシングデータを送信する。さらに、センサネットサーバ（ＳＳ）は、基地局（ＧＷ）からの制御コマンドを受信し、その制御コマンドから得られた結果を基地局（ＧＷ）に返信する。

センサネットサーバ（ＳＳ）は、送受信部（ＳＳＳＲ）、記憶部（ＳＳＭＥ）及び制御部（ＳＳＣＯ）を備える。時刻同期管理（ＧＷＣＤ）がセンサネットサーバ（ＳＳ）で実行される場合、センサネットサーバ（ＳＳ）は時計も必要とする。

送受信部（ＳＳＳＲ）は、基地局（ＧＷ）、アプリケーションサーバ（ＡＳ）及びクライアント（ＣＬ）との間で、データの送信及び受信を行う。具体的には、送受信部（ＳＳＳＲ）は、基地局（ＧＷ）から送られてきたセンシングデータを受信し、アプリケーションサーバ（ＡＳ）又はクライアント（ＣＬ）へセンシングデータを送信する。

記憶部（ＳＳＭＥ）は、ハードディスクやフラッシュメモリなどの不揮発記憶装置によって構成され、少なくとも、データテーブル（ＢＡ）、パフォーマンステーブル（ＢＢ）、データ形式情報（ＳＳＭＦ）、端末管理テーブル（ＳＳＴＴ）及び、端末ファームウェア（ＳＳＴＦ）を格納する。さらに、記憶部（ＳＳＭＥ）は、制御部（ＳＳＣＯ）のＣＰＵ（図示省略）によって実行されるプログラムを格納してもよい。

データテーブル（ＢＡ）は、名札型センサノード（ＴＲ）が取得した組織ダイナミクスデータ、名札型センサノード（ＴＲ）の情報、及び、名札型センサノード（ＴＲ）から送信された組織ダイナミクスデータが通過した基地局（ＧＷ）の情報等を記録しておくためのデータベースである。加速度、温度等、データの要素ごとにカラムが作成され、データが管理される。また、データの要素ごとにテーブルが作成されてもよい。どちらの場合にも、全てのデータは、取得された名札型センサノード（ＴＲ）のＩＤである端末情報（ＴＲＭＴ）と、取得された時刻に関する情報とを関連付けてデータテーブル（ＢＡ）に格納される。データテーブル（ＢＡ）は、図２Ｂのデータテーブル（ＢＡ）と同じものである。

パフォーマンステーブル（ＢＢ）は、名札型センサノード（ＴＲ）から又は既存のデータから入力された、組織や個人に関する評価（パフォーマンス）を、時刻データと共に記録するためのデータベースである。パフォーマンステーブル（ＢＢ）は、図２Ｂのパフォーマンステーブル（ＢＢ）と同じものである。

データ形式情報（ＳＳＭＦ）には、通信のためのデータ形式、基地局（ＧＷ）でタグ付けされたセンシングデータを切り分けてデータベースに記録する方法、及び、データの要求に対する対応方法等が記録されている。後で説明するように、データ受信の後、データ送信の前には必ずこのデータ形式情報（ＳＳＭＦ）が通信制御部（ＳＳＣＣ）によって参照され、データ形式変換とデータ管理（ＳＳＤＡ）が行われる。

端末管理テーブル（ＳＳＴＴ）は、どの名札型センサノード（ＴＲ）が現在どの基地局（ＧＷ）の管理下にあるかを記録しているテーブルである。基地局（ＧＷ）の管理下に新たに名札型センサノード（ＴＲ）が加わった場合、端末管理テーブル（ＳＳＴＴ）は更新される。

端末ファームウェア（ＳＳＴＦ）は、端末ファームウェア登録部（ＴＦＩ）において格納された名札型センサノードの更新された端末ファームウェア（ＧＷＴＦ）を一時的に格納する。

制御部（ＳＳＣＯ）は、中央処理部ＣＰＵ（図示省略）を備え、センシングデータの送受信やデータベースへの記録・取り出しを制御する。具体的には、ＣＰＵが記憶部（ＳＳＭＥ）に格納された各種プログラムを読み出して実行することによって各種機能を実現する。具体的には、通信制御（ＳＳＣＣ）、端末管理情報修正（ＳＳＴＭ）及びデータ管理（ＳＳＤＡ）等の処理を実行する。

通信制御部（ＳＳＣＣ）は、有線又は無線による基地局（ＧＷ）、アプリケーションサーバ（ＡＳ）及びクライアント（ＣＬ）との通信のタイミングを制御する。また、通信制御部（ＳＳＣＣ）は、上述の通り、送受信するデータの形式を、記憶部（ＳＳＭＥ）内に記録されたデータ形式情報（ＳＳＭＦ）に基づいて、センサネットサーバ（ＳＳ）内におけるデータ形式、又は、各通信相手に特化したデータ形式に変換する。さらに、通信制御（ＳＳＣＣ）は、データの種類を示すヘッダ部分を読み取って、対応する処理部へデータを振り分ける。具体的には、受信されたデータはデータ管理（ＳＳＤＡ）へ、端末管理情報を修正するコマンドは端末管理情報修正（ＳＳＴＭ）へ振り分けられる。送信されるデータの宛先は、基地局（ＧＷ）、アプリケーションサーバ（ＡＳ）又はクライアント（ＣＬ）に決定される。

端末管理情報修正（ＳＳＴＭ）は、基地局（ＧＷ）から端末管理情報を修正するコマンドを受け取った際に、端末管理テーブル（ＳＳＴＴ）を更新する。

データ管理（ＳＳＤＡ）は、記憶部（ＳＳＭＥ）内のデータの修正・取得及び追加を管理する。例えば、データ管理（ＳＳＤＡ）によって、センシングデータは、タグ情報に基づいてデータの要素別にデータベースの適切なカラムに記録される。センシングデータがデータベースから読み出される際にも、時刻情報及び端末情報に基づいて必要なデータを選別し、時刻順に並べ替える等の処理が行われる。

センサネットサーバ（ＳＳ）が、基地局（ＧＷ）を介して受け取ったデータを、データ管理（ＳＳＤＡ）によってパフォーマンステーブル（ＢＢ）及びデータテーブル（ＢＡ）に整理して記録することが、図２Ｂにおける組織ダイナミクスデータ収集（Ｂ）に相当する。

パフォーマンス入力（Ｃ）は、パフォーマンスを示す値を入力する処理である。ここで、パフォーマンスとは、何らかの基準に基づいて判定される主観的又は客観的な評価である。例えば、所定のタイミングで、名札型センサノード（ＴＲ）を装着した人物は、その時点における業務の達成度、組織に対する貢献度及び満足度等、何らかの基準に基づく主観的な評価（パフォーマンス）の値を入力する。所定のタイミングとは、例えば、数時間に一度、一日に一度、又は、会議等のイベントが終了した時点であってもよい。名札型センサノード（ＴＲ）を装着した人物は、その名札型センサノード（ＴＲ）を操作して、又は、クライアント（ＣＬ）のようなパーソナルコンピュータ（ＰＣ）を操作して、パフォーマンスの値を入力することができる。あるいは、手書きで記入された値が後にまとめてＰＣで入力されてもよい。本実施の形態では、名札型センサノードがレイティングとして人（ＳＯＣＩＡＬ）、行（ＩＮＴＥＬＬＥＣＴＵＡＬ）、心（ＳＰＩＲＩＴＵＡＬ）、体（ＰＨＹＳＩＣＡＬ）、知（ＥＸＥＣＵＴＩＶＥ）のパフォーマンスを入力できる例を示している。入力されたパフォーマンス値は、解析処理に用いられる。それぞれの問いの意味は、人は「豊かな人間関係（協力・共感）をつくれましたか」、行は「やるべきことを実行できましたか」、心は「仕事にやりがい、充実を感じましたか」、体は「体に配慮（休養・栄養・運動）できましたか」、知は「新しい知（気づき、知識）を得ましたか」である。

組織に関するパフォーマンスは、個人のパフォーマンスから算出されてもよい。売上高又はコスト等の客観的なデータ、及び、顧客のアンケート結果等の既に数値化されているデータが、パフォーマンスとして定期的に入力されてもよい。生産管理等におけるエラー発生率等のように、自動で数値が得られる場合、得られた数値が自動的にパフォーマンスの値として入力されてもよい。さらに、国民総生産（ＧＮＰ）などの経済指標を入力してもかまわない。これらを組織情報テーブル（Ｈ）に格納する。

図１Ｄに示す基地局（ＧＷ）は、図１Ｅに示す名札型センサノード（ＴＲ）と図１Ｃに示すセンサネットサーバ（ＳＳ）を仲介する役目を持つ。無線の到達距離を考慮して、居室・職場等の領域をカバーするように複数の基地局（ＧＷ）が配置される。基地局（ＧＷ）は、送受信部（ＧＷＳＲ）、記憶部（ＧＷＭＥ）、時計（ＧＷＣＫ）及び制御部（ＧＷＣＯ）を備える。

送受信部（ＧＷＳＲ）は、名札型センサノード（ＴＲ）からの無線を受信し、基地局（ＧＷ）への有線又は無線による送信を行う。さらに、送受信部（ＧＷＳＲ）は、無線を受信するためのアンテナを備える。

記憶部（ＧＷＭＥ）は、ハードディスク、フラッシュメモリのような不揮発記憶装置で構成される。記憶部（ＧＷＭＥ）には、少なくとも動作設定（ＧＷＭＡ）、データ形式情報（ＧＷＭＦ）、端末管理テーブル（ＧＷＴＴ）、及び基地局情報（ＧＷＭＧ）が格納される。動作設定（ＧＷＭＡ）は、基地局（ＧＷ）の動作方法を示す情報を含む。データ形式情報（ＧＷＭＦ）は、通信のためのデータ形式を示す情報、及び、センシングデータにタグを付けるために必要な情報を含む。端末管理テーブル（ＧＷＴＴ）は、現在アソシエイトできている配下の名札型センサノード（ＴＲ）の端末情報（ＴＲＭＴ）、及び、それらの名札型センサノード（ＴＲ）を管理するために配布しているローカルＩＤを含む。基地局情報（ＧＷＭＧ）は、基地局（ＧＷ）自身のアドレスなどの情報を含む。また、記憶部（ＧＷＭＥ）には名札型センサノードの更新された端末ファームウェア（ＧＷＴＦ）を一時的に格納する。

記憶部（ＧＷＭＥ）には、さらに、制御部（ＧＷＣＯ）中の中央処理部ＣＰＵ（図示省略）によって実行されるプログラムが格納されてもよい。

時計（ＧＷＣＫ）は時刻情報を保持する。一定間隔でその時刻情報は更新される。具体的には、一定間隔でＮＴＰ（ＮＥＴＷＯＲＫ ＴＩＭＥ ＰＲＯＴＯＣＯＬ）サーバ（ＴＳ）から取得した時刻情報によって、時計（ＧＷＣＫ）の時刻情報が修正される。

制御部（ＧＷＣＯ）は、ＣＰＵ（図示省略）を備える。ＣＰＵが記憶部（ＧＷＭＥ）に格納されているプログラムを実行することによって、センシングデータセンサ情報の取得タイミング、センシングデータの処理、名札型センサノード（ＴＲ）やセンサネットサーバ（ＳＳ）への送受信のタイミング、及び、時刻同期のタイミングを管理する。具体的には、ＣＰＵが記憶部（ＧＷＭＥ）に格納されているプログラムを実行することによって、通信制御部（ＧＷＣＣ）、アソシエイト（ＧＷＴＡ）、時刻同期管理（ＧＷＣＤ）及び時刻同期（ＧＷＣＳ）等の処理を実行する。

通信制御部（ＧＷＣＣ）は、無線又は有線による名札型センサノード（ＴＲ）及びセンサネットサーバ（ＳＳ）との通信のタイミングを制御する。また、通信制御部（ＧＷＣＣ）は、受信したデータの種類を区別する。具体的には、通信制御部（ＧＷＣＣ）は、受信したデータが一般のセンシングデータであるか、アソシエイトのためのデータであるか、時刻同期のレスポンスであるか等をデータのヘッダ部分から識別して、それらのデータをそれぞれ適切な機能に渡す。

なお、通信制御部（ＧＷＣＣ）は、記憶部（ＧＷＭＥ）に記録されたデータ形式情報（ＧＷＭＦ）を参照して、送受信のために適した形式にデータを変換し、データの種類を示すためのタグ情報を付け加えるデータ形式変換を実行する。

アソシエイト（ＧＷＴＡ）は、名札型センサノード（ＴＲ）から送られてきたアソシエイト要求（ＴＲＴＡＱ）に対する応答（ＴＲＴＡＲ）を送信し、名札型センサノード（ＴＲ）に割り付けたローカルＩＤを送信する。アソシエイトが成立したら、アソシエイト（ＧＷＴＡ）は、端末管理テーブル（ＧＷＴＴ）と端末ファームウェア（ＧＷＴＦ）を用いて端末管理情報を修正する。

時刻同期管理（ＧＷＣＤ）は、時刻同期を実行する間隔及びタイミングを制御し、時刻同期するように命令を出す。あるいは、この後説明するセンサネットサーバ（ＳＳ）が時刻同期管理（ＧＷＣＤ）を実行することによって、センサネットサーバ（ＳＳ）からシステム全体の基地局（ＧＷ）に統括して命令を送ってもよい。

時刻同期（ＧＷＣＳ）は、ネットワーク上のＮＴＰサーバ（ＴＳ）に接続し、時刻情報の依頼及び取得を行う。時刻同期（ＧＷＣＳ）は、取得した時刻情報に基づいて、時計（ＧＷＣＫ）を修正する。そして、時刻同期（ＧＷＣＳ）は、名札型センサノード（ＴＲ）に時刻同期の命令と時刻情報（ＧＷＣＳＤ）を送信する。

図１Ｅは、センサノードの一実施例である名札型センサノード（ＴＲ）の構成を示しており、名札型センサノード（ＴＲ）は人間の対面状況を検出するための複数の赤外線送受信部（ＡＢ）、装着者の動作を検出するための三軸加速度センサ（ＡＣ）、装着者の発話と周囲の音を検出するためのマイク（ＡＤ）、名札型センサノードの裏表検知のための照度センサ（ＬＳ１Ｆ、ＬＳ１Ｂ）、温度センサ（ＡＥ）の各種センサを搭載する。搭載するセンサは一例であり、装着者の対面状況と動作を検出するために他のセンサを使用してもよい。

本実施例では、赤外線送受信部を４組搭載する。赤外線送受信部（ＡＢ）は、名札型センサノード（ＴＲ）の固有識別情報である端末情報（ＴＲＭＴ）を正面方向に向かって定期的に送信し続ける。他の名札型センサノード（ＴＲ）を装着した人物が略正面（例えば、正面又は斜め正面）に位置した場合、名札型センサノード（ＴＲ）と他の名札型センサノード（ＴＲ）は、それぞれの端末情報（ＴＲＭＴ）を赤外線で相互にやり取りする。このようにすることにより、誰と誰が対面しているのかを記録することができる。

各赤外線送受信部は一般に、赤外線送信のための赤外発光ダイオードと、赤外線フォトトランジスタの組み合わせにより構成される。赤外線ＩＤ送信部（ＩＲＩＤ）は、自らのＩＤである端末情報（ＴＲＭＴ）を生成して赤外線送受信モジュールの赤外線発光ダイオードに対して転送する。本実施例では、複数の赤外線送受信モジュールに対して同一のデータを送信することで、全ての赤外線発光ダイオードが同時に点灯する。もちろん、それぞれ独立のタイミング、別のデータを出力してもよい。

また、赤外線送受信部（ＡＢ）の赤外線フォトトランジスタによって受信されたデータは、論理和回路（ＩＲＯＲ）によって論理和が取られる。つまり、最低どれか一つの赤外線受光部でＩＤ受光されていれば名札型センサノードにＩＤとして認識される。もちろん、ＩＤの受信回路を独立して複数持つ構成でもよい。この場合、それぞれの赤外線送受信モジュールに対して送受信状態が把握できるので、例えば、対面する別の名札型センサノードがどの方向にいるかなど付加的な情報を得ることも可能である。

センサによって検出したセンサデータ（ＳＥＮＳＤ）はセンサデータ格納制御部（ＳＤＣＮＴ）によって、記憶部（ＳＴＲＧ）に格納される。センサデータ（ＳＥＮＳＤ）は通信制御部（ＴＲＣＣ）によって送信パケットに加工され、送受信部（ＴＲＳＲ）によって基地局（ＧＷ）に対し送信される。

このとき、記憶部（ＳＴＲＧ）からをセンサデータ（ＳＥＮＳＤ）取り出し、無線送信するタイミングを生成するのが通信タイミング制御部（ＴＲＴＭＧ）である。通信タイミング制御部（ＴＲＴＭＧ）は、複数のタイミングを生成する複数のタイムベースを持つ。

記憶部に格納されるデータには、現在センサによって検出したセンサデータ（ＳＥＮＳＤ）の他、過去に蓄積した纏め贈りデータ（ＣＭＢＤ）や、名札型センサノードの動作プログラムであるファームウェアを更新するためのファームウェア更新データ（ＦＭＵＤ）がある。

本実施例の名札型センサノード（ＴＲ）は、外部電源接続検出回路（ＰＤＥＴ）により、外部電源（ＥＰＯＷ）が接続されたことを検出し、外部電源検出信号（ＰＤＥＴＳ）を生成する。外部電源検出信号（ＰＤＥＴＳ）によって、通信タイミング制御部（ＴＲＴＭＧ）が生成する送信タイミングを切り替えるタイムベース切替部（ＴＭＧＳＥＬ）、または無線通信されるデータを切り替えるデータ切替部（ＴＲＤＳＥＬ）が本実施例の特有の構成である。図１Ｅでは一例として、送信タイミングを、タイムベース１（ＴＢ１）とタイムベース（ＴＢ２）の２つのタイムベースを、外部電源検出信号（ＰＤＥＴＳ）によってタイムベース切替部（ＴＭＧＳＥＬ）が切り替える構成を図示している。また通信されるデータを、センサから得たセンサデータ（ＳＥＮＳＤ）と、過去に蓄積した纏め贈りデータ（ＣＭＢＤ）と、ファームウェア更新データ（ＦＭＵＤ）とから、外部電源検出信号（ＰＤＥＴＳ）によってデータ切替部（ＴＲＤＳＥＬ）が切り替える構成を図示している。

照度センサ（ＬＳ１Ｆ、ＬＳ１Ｂ）は、それぞれ名札型センサノード（ＴＲ）の前面と裏面に搭載される。照度センサ（ＬＳ１Ｆ、ＬＳ１Ｂ）により取得されるデータは、センサデータ格納制御部（ＳＤＣＮＴ）によって記憶部（ＳＴＲＧ）に格納されると同時に、裏返り検知（ＦＢＤＥＴ）によって比較される。名札が正しく装着されているときは、前面に搭載されている照度センサ（表）（ＬＳ１Ｆ）が外来光を受光し、裏面に搭載されている照度センサ（裏）（ＬＳ１Ｂ）は名札型センサノード本体と装着者との間に挟まれる位置関係となるため、外来光を受光しない。このとき、照度センサ（裏）（ＬＳ１Ｂ）で検出される照度より、照度センサ（表）（ＬＳ１Ｆ）で検出される照度の方が大きな値を取る。一方で、名札型センサノード（ＴＲ）が裏返った場合、照度センサ（裏）（ＬＳ１Ｂ）が外来光を受光し、照度センサ（表）（ＬＳ１Ｆ）が装着者側を向くため、照度センサ（表）（ＬＳ１Ｆ）で検出される照度より、照度センサ（裏）（ＬＳ１Ｂ）で検出される照度の方が大きくなる。

ここで、照度センサ（表）（ＬＳ１Ｆ）で検出される照度と、照度センサ（裏）（ＬＳ１Ｂ）で検出される照度を裏返り検知（ＦＢＤＥＴ）で比較することで、名札ノードが裏返って、正しく装着していないことが検出できる。裏返り検知（ＦＢＤＥＴ）で裏返りが検出されたとき、スピーカ（ＳＰ）により警告音を発生して装着者に通知する。

マイク（ＡＤ）は、音声情報を取得する。音声情報によって、「騒々しい」又は「静か」等の周囲の環境を知ることができる。さらに、人物の声を取得・分析することによって、コミュニケーションが活発か停滞しているのか、相互に対等に会話をやり取りしているか一方的に話しているのか、怒っているのか笑っているのか、などの対面コミュニケーションを分析することができる。さらに、人物の立ち位置等の関係で赤外線送受信器（ＡＢ）が検出できなかった対面状態を、音声情報及び加速度情報によって補うこともできる。

マイク（ＡＤ）で取得される音声は、音声波形及び、それを積分回路（ＡＶＧ）で積分した信号の両方を取得する。積分した信号は、取得した音声のエネルギーを表す。

三軸加速度センサ（ＡＣ）は、ノードの加速度すなわちノードの動きを検出する。このため、加速度データから、名札型センサノード（ＴＲ）を装着した人物の動きの激しさや、歩行などの行動を解析することができる。さらに、複数の名札型センサノード（ＴＲ）が検出した加速度の値を比較することによって、それらの名札型センサノード（ＴＲ）を装着した人物間のコミュニケーションの活性度や相互のリズム、相互の相関等を解析できる。

本実施例の名札型センサノード（ＴＲ）では、三軸加速度センサ（ＡＣ）で取得されるデータは、センサデータ格納制御部（ＳＤＣＮＴ）によって記憶部（ＳＴＲＧ）に格納されると同時に、上下検知（ＵＤＤＥＴ）によって名札の向きを検出する。これは、三軸加速度センサ（ＡＣ）で検出される加速度は、装着者の動きによる動的な加速度変化と、地球の重力加速度による静的加速度の２種類が観測されることを利用している。

表示装置（ＬＣＤＤ）は、名札型センサノード（ＴＲ）を胸に装着しているときは、装着者の所属、氏名などの個人情報を表示する。つまり、名札として振舞う。一方で、装着者が名札型センサノード（ＴＲ）を手に持ち、表示装置（ＬＣＤＤ）を自分の方に向けると、名札型センサノード（ＴＲ）の転地が逆になる。このとき、上下検知（ＵＤＤＥＴ）によって生成される上下検知信号（ＵＤＤＥＴＳ）により、表示装置（ＬＣＤＤ）に表示される内容と、ボタンの機能を切り替える。本実施例では、上下検知信号（ＵＤＤＥＴＳ）の値により、表示装置（ＬＣＤＤ）に表示させる情報を、表示制御（ＤＩＳＰ）によって生成される赤外線アクティビティ解析（ＡＮＡ）による解析結果と、名札表示（ＤＮＭ）とを切り替える例を示している。

赤外線送受信器（ＡＢ）がノード間で赤外線をやり取りすることによって、名札型センサノード（ＴＲ）が他の名札型センサノード（ＴＲ）と対面したか否か、すなわち、名札型センサノード（ＴＲ）を装着した人物が他の名札型センサノード（ＴＲ）を装着した人物と対面したか否かが検出される。このため、名札型センサノード（ＴＲ）は、人物の正面部に装着されることが望ましい。上述の通り、名札型センサノード（ＴＲ）は、さらに、三軸加速度センサ（ＡＣ）等のセンサを備える。名札型センサノード（ＴＲ）におけるセンシングのプロセスが、図２Ａにおける組織ダイナミクスデータ取得（Ａ）に相当する。

名札型センサノード（ＴＲ）は多くの場合には複数存在し、それぞれが近い基地局（ＧＷ）と結びついてパーソナルエリアネットワーク（ＰＡＮ）を形成している。

名札型センサノード（ＴＲ）の温度センサ（ＡＥ）は名札型センサノード（ＴＲ）のある場所の温度を、照度センサ（表）（ＬＳ１Ｆ）は名札型センサノード（ＴＲ）の正面方向などの照度を取得する。これによって、周囲の環境を記録することができる。例えば、温度及び照度に基づいて、名札型センサノード（ＴＲ）が、ある場所から別の場所に移動したこと等を知ることもできる。

装着した人物に対応した入出力装置として、ボタン１〜３（ＢＴＮ１〜３）、表示装置（ＬＣＤＤ）、スピーカ（ＳＰ）等を備える。

記憶部（ＳＴＲＧ）は、具体的にはハードディスク、フラッシュメモリなどの不揮発記憶装置で構成され、名札型センサノード（ＴＲ）の固有識別番号である端末情報（ＴＲＭＴ）、センシングの間隔、及び、ディスプレイへの出力内容等の動作設定（ＴＲＭＡ）を記録している。この他にも記憶部（ＳＴＲＧ）は一時的にデータを記録することができ、センシングしたデータを記録しておくために利用される。

通信タイミング制御部（ＴＲＴＭＧ）は、時刻情報（ＧＷＣＳＤ）を保持し、一定間隔でその時刻情報（ＧＷＣＳＤ）を更新して時計（ＴＲＣＫ）として記録する。時間情報は、時刻情報（ＧＷＣＳＤ）が他の名札型センサノード（ＴＲ）とずれることを防ぐために、基地局（ＧＷ）から送信される時刻情報（ＧＷＣＳＤ）によって定期的に時刻を修正する。

センサデータ格納制御部（ＳＤＣＮＴ）は、記憶部（ＳＴＲＧ）に記録された動作設定（ＴＲＭＡ）に従って、各センサのセンシング間隔などを制御し、取得したデータを管理する。

時刻同期は、基地局（ＧＷ）から時刻情報を取得して時計を修正する。時刻同期は、後述するアソシエイトの直後に実行されてもよいし、基地局（ＧＷ）から送信された時刻同期コマンドに従って実行されてもよい。

無線通信制御部（ＴＲＣＣ）は、データを送受信する際に、送信間隔の制御、及び、送受信に対応したデータフォーマットへの変換を行う。無線通信制御部（ＴＲＣＣ）は、必要であれば、無線でなく有線による通信機能を持ってもよい。無線通信制御部（ＴＲＣＣ）は、他の名札型センサノード（ＴＲ）と送信タイミングが重ならないように輻輳制御を行うこともある。

アソシエイト（ＴＲＴＡ）は、図１Ｄに示す基地局（ＧＷ）とパーソナルエリアネットワーク（ＰＡＮ）を形成するためのアソシエイト要求（ＴＲＴＡＱ）と、アソシエイト応答（ＴＲＴＡＲ）を送受信し、データを送信すべき基地局（ＧＷ）を決定する。アソシエイト（ＴＲＴＡ）は、名札型センサノード（ＴＲ）の電源が投入されたとき、及び、名札型センサノード（ＴＲ）が移動した結果それまでの基地局（ＧＷ）との送受信が絶たれたときに実行される。アソシエイト（ＴＲＴＡ）の結果、名札型センサノード（ＴＲ）は、その名札型センサノード（ＴＲ）からの無線信号が届く近い範囲にある一つの基地局（ＧＷ）と関連付けられる。

送受信部（ＴＲＳＲ）は、アンテナを備え、無線信号の送信及び受信を行う。必要があれば、送受信部（ＴＲＳＲ）は、有線通信のためのコネクタを用いて送受信を行うこともできる。送受信部（ＴＲＳＲ）によって送受信される送受信データ（ＴＲＳＲＤ）は、基地局（ＧＷ）との間でパーソナルエリアネットワーク（ＰＡＮ）を介して転送される。

図２Ａ、図２Ｂ、図２Ｃは、一つの実施形態であるビジネス顕微鏡システムにおいて実行される処理の全体の流れを示しており、図示の都合上分割して示してあるが、各々図示された各処理は相互に連携して実行される。図２Ａに示す複数の名札型センサノード（ＴＲａ、ＴＲｂ、〜、ＴＲｉ、ＴＲｊ）による組織ダイナミクスデータの取得（Ａ）から、図２Ｃに示すセンサデータの解析であるモデル化解析（ＣＡ）、その解析結果をモデル描画（ＪＡ）にて可視化を行ない、可視化結果は科学的経営知モデル（ＫＡ）という、一連の流れを示している。

図２Ａを用いて組織ダイナミクスデータ取得（Ａ）について説明する。名札型センサノードＡ（ＴＲａ）は、赤外線送受信器（ＡＢ）、加速度センサ（ＡＣ）、マイク（ＡＤ）、温度（ＡＥ）等のセンサ類と、正味（ＡＦＡ）、気づき（ＡＦＢ）、感謝（ＡＦＣ）のボタン（ＡＦ）のボタン類から構成されている。

赤外線送受信器から得られた対面情報を表示する画面（ＡＧ）と、レイティングを入力するユーザインタフェース（ＡＡ）、また図示は省略するが、マイクロコンピュータ及び無線送信機能を有する。

加速度センサ（ＡＣ）は、名札型センサノードＡ（ＴＲａ）の加速度（すなわち、名札型センサノードＡ（ＴＲａ）を装着している人物Ａ（図示省略）の加速度）を検出する。赤外線送受信器（ＡＢ）は、名札型センサノードＡ（ＴＲａ）の対面状態（すなわち、名札型センサノードＡ（ＴＲａ）が他の名札型センサノードと対面している状態）を検出する。なお、名札型センサノードＡ（ＴＲａ）が他の名札型センサノードと対面していることは、名札型センサノードＡ（ＴＲａ）を装着した人物Ａが、他の名札型センサノードを装着した人物と対面していることを示す。マイク（ＡＤ）は、名札型センサノードＡ（ＴＲａ）の周囲の音、温度センサ（ＡＥ）は、名札型センサノードＡ（ＴＲａ）の周囲の温度を検出する。

ボタン（ＡＦ）は名札型センサノードＡ（ＴＲａ）を装着している人物Ａ（図示省略）の主観的な視点からの入力を行なうものである。主業務を行なっている場合には正味（ＡＦＡ）、新しいアイデアなどが発見した場合には、気づき（ＡＦＢ）、メンバに感謝することがあった場合には、感謝（ＡＦＣ）のボタンを人物Ａは押すようにする。

本実施の形態のシステムでは、複数の名札型センサノード（図２Ａの名札型センサノードＡ（ＴＲａ）〜名札型センサノードＪ（ＴＲｊ））を備える。各名札型センサノードは、それぞれ、一人の人物に装着される。例えば、名札型センサノードＡ（ＴＲａ）は人物Ａに、名札型センサノードＢ（ＴＲｂ）は人物Ｂ（図示省略）に装着される。人物間の関係性を解析し、さらに、組織のパフォーマンスを図示するためである。

なお、名札型センサノードＢ（ＴＲｂ）〜名札型センサノードＪ（ＴＲｊ）も、名札型センサノードＡ（ＴＲａ）と同様、センサ類、マイクロコンピュータ及び無線送信機能を備える。以下の説明において、名札型センサノードＡ（ＴＲａ）〜名札型センサノードＪ（ＴＲｊ）のいずれにも当てはまる説明をする場合、及び、それらの名札型センサノードを特に区別する必要がない場合、名札型センサノードと記載する。

各名札型センサノードは、常時（又は短い間隔で繰り返し）センサ類によるセンシングを実行する。そして、各名札型センサノードは、取得したデータ（センシングデータ）を、所定の間隔で無線によって送信する。データを送信する間隔は、センシング間隔と同じであってもよいし、センシング間隔より大きい間隔であってもよい。このとき送信されるデータには、センシングした時刻と、センシングした名札型センサノードの固有の識別子（ＩＤ）が付与される。データの無線送信をまとめて実行するのは、送信による電力消費を抑えることによって、人が装着したままで、名札型センサノード（ＴＲ）の使用可能状態を長時間維持するためである。また、全ての名札型センサノードにおいて同一のセンシング間隔が設定されていることが、後の解析のためには望ましい。
無線によって名札型センサノードから送信されたデータは、図２Ｂに示す組織ダイナミクスデータ収集（Ｂ）において収集され、データベースに格納される。

データテーブル（ＢＡ）は名札型センサノードから得られたセンサデータを格納する。

ユーザＩＤ（ＢＡＡ）はユーザの識別子、取得時間（ＢＡＢ）は名札型センサノード（ＴＲ）が受信した時刻、基地局（ＢＡＣ）は名札型センサノード（ＴＲ）からセンサデータを受信した基地局、加速度センサ（ＢＡＤ）は加速度センサ（ＡＣ）のセンサデータ、ＩＲセンサ（ＢＡＥ）は赤外線送受信器（ＡＢ）のセンサデータ、音センサ（ＢＡＦ）はマイク（ＡＤ）のセンサデータ、温度（ＢＡＧ）は温度センサ（ＡＥ）のセンサデータ、気づき（ＢＡＨ）は気づき（ＡＦＢ）ボタンの押下の有無、感謝（ＢＡＩ）は感謝（ＡＦＣ）ボタンの押下の有無、正味（ＢＡＪ）は正味（ＡＦＡ）ボタンの押下の有無、端末（ＢＡＩ）は端末を識別するための情報である。

パフォーマンステーブル（ＢＢ）はパフォーマンス入力（Ｃ）やレイティング入力（ＡＡ）において入力されたパフォーマンスの値を格納する。

ユーザＩＤ（ＢＢＡ）はユーザの識別子、取得時間（ＢＢＢ）は名札型センサノード（ＴＲ）でレイティング入力（ＡＡ）した時刻、もしくは、パフォーマンス入力（Ｃ）した時刻である。ＳＯＣＩＡＬ（ＢＢＣ）、ＩＮＴＥＬＬＥＣＴＵＡＬ（ＢＢＤ）、ＳＰＩＲＩＴＵＡＬ（ＢＢＥ）、ＰＨＹＳＩＣＡＬ（ＢＢＦ）、ＥＸＥＣＵＴＩＶＥ（ＢＢＧ）はレイティング内容、端末（ＢＢＨ）は端末を識別するための情報である。

また、ダイナミクスデータ収集（Ｂ）では、データが届いた順に格納する例を示しているため、必ずしも、時刻順になっているとは限らない。また、データテーブル（ＢＡ）やデータテーブル（ＢＡ）は１例であり、センサデータ毎にテーブルを作成しても構わない。

組織ダイナミクスデータ収集（Ｂ）によって集められた組織ダイナミクスデータは、図２Ｃに示すモデル化解析（ＣＡ）によって有益因子によるモデルが生成され、モデル描画（ＪＡ）によって可視化され、その可視化結果が科学的経営知モデル（ＫＡ）となる。

モデル化解析（ＣＡ）とは、ストレスや生産性等はどの組織活動が有益因子となっているのかを明らかにする処理である。具体的には、ストレスや生産性等を目的変数、組織活動である組織ダイナミクス指標を説明変数とし、それらの相関処理を行なうことにより、相関結果をもとに有益な因子を選択する。これにより、どの組織活動がストレスや生産性等に影響を与えているかが明らかになり、改善すべき組織活動を特定することができる。

モデル化解析（ＣＡ）の全体の流れを説明する。モデル化解析（ＣＡ）は、組織ダイナミクスデータから対面テーブル作成（Ｃ１Ａ）や身体リズムテーブル作成（Ｃ１Ｂ）によって、ユーザ毎に時系列上のテーブルに変換する。そして、この結果からユーザの対面状況をマトリックス状（対面マトリックス作成（Ｃ１Ｃ））にまとめる。これらのデータからネットワーク指標抽出（ＣＡＡ）、身体リズム指標抽出処理（ＣＡＢ）、対面指標抽出処理（ＣＡＣ）、組織活動指標抽出（ＣＡＤ）の処理を行なうことで組織活動を網羅する様々な組織ダイナミクス指標を求める。

アンケート（Ｇ）として、パーソナリティアンケート（ＧＡ）、リーダシップ／チームワークアンケート（ＧＢ）、社員のやりがい／充実度アンケート（ＧＣ）、ストレス／メンタル不調アンケート（ＧＤ）、組織活性化アンケート（ＧＥ）をユーザに回答してもらうことで、これを主観的なデータとして用いる。アンケート結果を解析結果テーブル（Ｆ）のそれぞれのテーブルに格納する。その際に、パーソナリティ指標（ＦＡＡＥ）は、説明変数（ＦＡＡ）として用いる。この理由は、ユーザのパーソナリティは生まれもってきたものであり、変化しないという仮説に基づいている。また、組織における生産性指標（ＨＡ）や事故不良指標（ＨＢ）は目的変数として用いる。

相関分析（ＣＡＥ）では、説明変数（ＦＡＡ）と解析結果テーブル（Ｆ）の目的変数（ＦＡＢ）との相関、説明変数（ＦＡＡ）と組織情報テーブル（Ｈ）の目的変数（ＨＡ）との相関を求める。その際に、メンバの説明変数とユーザの目的変数の相関を求めるだけでなく、メンバと対面している周囲のメンバの値を目的変数として用いてもかまわない。すなわち、対面マトリックス（ＦＣ１Ｃ）によって、メンバと対面している周囲のメンバを特定し、その特定した複数の周囲のメンバの目的変数の平均や分散などを用いる。

この結果を因子係数（ＦＡＣ）に格納し、因子選択（ＣＡＦ）によって有益な因子のみを選択する。その際には、相関値が高いという判定だけでなく、検定結果（例えばＰ値）がよいものや、組織活動として網羅しているものを選択することも可能である。

因子選択（ＣＡＦ）によって選択させた因子は、モデル描画（ＪＡ）により描画される。この結果が、科学的経営知モデル（ＫＡ）である。

対面テーブル作成（Ｃ１Ａ）は、組織ダイナミクスデータの赤外線データからメンバ間の対面状況をある一定期間毎に時系列順にまとめる処理である。抽出した結果を解析結果テーブル（Ｆ）の対面テーブル（ＦＣ１Ａ）に格納する。対面テーブル（ＦＣ１Ａ）の１例を図３に示す。これは、ユーザを１レコードとして、時間分解能１分間（ＦＣ１Ａ３）として、時系列順に１日（２４時間）分を格納する。

対面テーブル（２００９年７月１日）では、縦軸にメンバ個人を判別するためのユーザＩＤ（ＦＣ１Ａ１）、横軸は時間分解能による時刻を示す分解能時刻（ＦＣ１Ａ２）となっている。ある時刻におけるユーザの対面状況は、ユーザＩＤ（ＦＣ１Ａ１）と分解能時刻（ＦＣ１Ａ２）の対応関係を読み取るだけでよい。例えば、ユーザＩＤ００１の２００９／７／１ １０：０２の対面状況は２名と対面しており、対面していたメンバはユーザＩＤ００２と００３となっている。該当するユーザでかつその時刻の組織ダイナミクスデータの赤外線データが存在しない場合にＮＵＬＬが対面テーブル（ＦＣ１Ａ）に格納される。

対面テーブル（ＦＣ１Ａ）は１日かつ時間分解能ごとに生成されるため、同じ日付でも、時間分解能が異なれば別テーブルとなる。例えば、（ＦＣ１Ａ４）と（ＦＣ１Ａ５）では、同じ（２００９年７月２日）であるが、時間分解能が異なるため、別テーブルとなっている。また、対面テーブル（ＦＣ１Ａ）は、対面人数と対面したユーザＩＤとして格納することが重要であるため、これが満たされるならば、対面テーブル（ＦＣ１Ａ）で用いられているテーブル構成と異なってもかまわない。

身体リズムテーブル作成（Ｃ１Ｂ）は、組織ダイナミクスデータの加速度データからメンバの身体の動きをＨｚとして示すことで身体リズム状況をある一定期間毎に時系列順にまとめる処理である。

抽出した結果を解析結果テーブル（Ｆ）の身体リズムテーブル（ＦＣ１Ｂ）に格納する。身体リズムテーブル（ＦＣ１Ｂ）の１例を図４に示す。ユーザを１レコードとして、時間分解能１分間（ＦＣ１Ｂ３）として、時系列順に１日（２４時間）分を格納する。

身体リズムテーブル（２００９年７月１日）（ＦＣ１Ｂ３）では、縦軸にメンバ個人を判別するためのユーザＩＤ（ＦＣ１Ｂ１）、横軸は時間分解能による時刻を示す分解能時刻（ＦＣ１Ｂ２）となっている。ある時刻におけるユーザの身体リズム状況は、ユーザＩＤ（ＦＣ１Ｂ１）と分解能時刻（ＦＣ１Ｂ２）の対応関係を読み取るだけでよい。例えば、ユーザＩＤ００１の２００９／７／１ １０：０２の身体リズム状況は２．１Ｈｚである。該当するユーザでかつその時刻の組織ダイナミクスデータの加速度データが存在しない場合にＮＵＬＬが身体リズムテーブル（ＦＣ１Ｂ）に格納される。

身体リズムテーブル（ＦＣ１Ｂ）は１日かつ時間分解能ごとに生成されるため、同じ日付でも時間分解能が異なれば別テーブルとなる。例えば、（ＦＣ１Ｂ４）と（ＦＣ１Ｂ５）では、同じ（２００９年７月２日）であるが、時間分解能が異なるため、別テーブルとなっている。また、身体リズムテーブル（ＦＣ１Ｂ）は、ユーザの身体リズムを格納することが重要であるため、これが満たされるならば、身体リズムテーブル（ＦＣ１Ｂ）で用いられているテーブル構成と異なってもかまわない。

対面マトリックス作成（Ｃ１Ｃ）は、時系列に並べられている対面テーブル（ＦＣ１Ａ）から、時系列情報を取り除き、ユーザ毎にどのぐらい対面が行なわれているかを２次元マトリックスにまとめる処理である。

抽出した結果を解析結果テーブル（Ｆ）の対面マトリックス（ＦＣ１Ｃ）に格納する。対面マトリックス（ＦＣ１Ｃ）の１例を図５に示す。図５は、１ヶ月分の対面結果をまとめたものとなっている。また、対面テーブル（ＦＣ１Ａ）における時間分解能を単位とするので、対面マトリックス（ＦＣ１Ｃ）に１と格納した場合、時間分解能が１分間なら１分間、時間分解能が５分間なら５分間対面していたということになる。

対面マトリックス（ＦＣ１Ｃ）では、縦軸はメンバ個人を判別するためのユーザＩＤ（ＦＣ１Ｃ１）、横軸は対面した相手を示すユーザＩＤ（ＦＣ１Ｃ２）である。例えば、ユーザ００２におけるユーザ００３との対面時間は、３３分となっている。

この対面マトリックス（ＦＣ１Ｃ）を作成するにあたっては、多くの情報が１つのマトリックスに集約されてしまうため、もとの情報を記述しておく必要がある。期間：２００９年７月１日−７月３１日（ＦＣ１Ｃ３）は対面マトリックス（ＦＣ１Ｃ）に用いた期間をしている。日数：３１日間（ＦＣ１Ｃ４）は期間（ＦＣ１Ｃ３）における日数である。実質日数：２１日間（ＦＣ１Ｃ５）は期間（ＦＣ１Ｃ３）に営業日数である。時間分解能：１分間（ＦＣ１Ｃ６）は対面テーブル（ＦＣ１Ａ）における時間分解能である。対面判定時間：３分間／１日（ＦＣ１Ｃ７）は対面したと判定するための閾値である。すれ違ったりした場合に赤外線送受信部が赤外線を受信すると、対面したという判定になってしまうが、数回の反応はノイズである可能性が高いため、このような閾値を導入している。また、対面マトリックス（ＦＣ１Ｃ）は、ユーザの対面状況を格納することが重要であるため、これが満たされるならば、対面マトリックス（ＦＣ１Ｃ）で用いられているテーブル構成と異なってもかまわない。

ネットワーク指標抽出処理（ＣＡＡ）は対面マトリックス（ＦＣ１Ｃ）から作り出されたネットワーク図から指標を求める処理である。そして、ネットワーク指標抽出処理（ＣＡＡ）によって求められた指標を格納するテーブルの１例が図６のネットワーク指標（ＦＡＡＡ）である。ネットワーク指標（ＦＡＡＡ）はユーザ毎に指標が格納されるテーブルとなっている。ネットワーク指標とは、複数の人物それぞれと組織内の他の人物との繋がりを示す指標である。

テーブルはユーザを特定するユーザＩＤ（ＦＡＡＡ１）とネットワーク指標（次数（ＦＡＡＡ２）、結束度（ＦＡＡＡ３）、２ステップ到達度（ＦＡＡＡ４）、媒介中心性（ＦＡＡＡ５）、対面時間（合計）（ＦＡＡＡ６））から構成されている。期間：２００９年７月１日−７月３１日（ＦＡＡＡ６）は分析に用いた期間を示している。時間分解能：１分間（ＦＡＡＡ７）は分析時間分解能である。

図７のネットワーク図（ＺＡ）は、対面マトリックスから作成されるネットワーク図の１例である。このネットワーク図（ＺＡ）は（ＺＡ１）〜（ＺＡ５）は人物を表すノードと、（ＺＡ６）〜（ＺＡ１１）は対面しているメンバ同士を結んだ線（エッジ）から構成されている。配置にはバネモデルを使用する。バネモデル（フックの法則）とは、２つのノード（点）がつながれている場合、そこにバネがあるとして力（内向きまたは外向き）を計算し、さらに自分とつながっていない全てのノードから距離に応じた斥力（反発する力）を受けるとして位置の移動を繰り返すことにより最適な配置にする手法である。このネットワーク図（ＺＡ）の例を挙げて、ネットワーク指標（ＦＡＡＡ）を説明する。

次数（ＦＡＡＡ２）は、ノードに繋がっているエッジの数である。ネットワーク図（ＺＡ）の例でいうと、高橋（ＺＡ１）は田中（ＺＡ２）と伊藤（ＺＡ４）と接続させているため２となる。

結束度（ＦＡＡＡ３）は、自分の周りのノードの密度であり、ある人物の周囲において互いに連携している度合いを示す指標である。ネットワーク図（ＺＡ）の伊藤（ＺＡ４）について説明すると、伊藤（ＺＡ４）の対面相手は、高橋（ＺＡ１）、山本（ＺＡ５）、田中（ＺＡ２）の３人である。その３人の密度を調べればよく、その結果、３人間におけるエッジ数／３人間における最大エッジ数＝２／３＝０．６７となる。

２ステップ到達度（ＦＡＡＡ４）は、全体において、２ステップ以内の範囲に存在するノードの数である。ネットワーク図（ＺＡ）の例でいうと、渡辺（ＺＡ３）の場合の２ステップでカバーできるノードは全部（ＺＡ１）〜（ＺＡ５）であり、４となる。

媒介中心性（ＦＡＡＡ４）は、ノードがネットワーク図全体の連結性に対してどの程度貢献しているかを表す値である。媒介中心性は、組織全ての人物の組み合わせにおいて、ネットワーク図上で最短ステップで到達するルート上に、その人物が存在する場合の数である。なお、人物Ａと人物Ｂの間の最短ルートがｎ種類ある場合には、１／ｎとしてカウントして算出する。

対面時間（合計）（ＦＡＡＡ５）は、期間中の対面時間を合計である。これは、対面マトリックス（ＦＣ１Ｃ）から求める値である。対面マトリックス（ＦＣ１Ｃ）における各ユーザのロウ（横の列）の和が対面時間となる。

ネットワーク指標（ＦＡＡＡ）を説明したが、指標はこれに限らず、対面マトリックス（ＦＣ１Ｃ）から他の指標を作成し、これを分析に用いてもかまわない。

身体リズム指標抽出処理（ＣＡＢ）は身体リズムテーブル（ＦＣ１Ｂ）から指標を求める処理である。そして、身体リズム指標抽出処理（ＣＡＢ）によって求められた指標を格納するテーブルの１例が図６の身体リズム指標（ＦＡＡＢ）である。身体リズム指標（ＦＡＡＢ）はユーザ毎に指標が格納されるテーブルとなっている。

テーブルはユーザを特定するユーザＩＤ（ＦＡＡＢ１）と身体リズム指標（０〜１Ｈｚの出現頻度（ＦＡＡＢ２）、１〜２Ｈｚの出現頻度（ＦＡＡＢ３）、２〜３Ｈｚの出現頻度（ＦＡＡＢ４）、０〜１Ｈｚの継続性（ＦＡＡＢ５）、１〜２Ｈｚの継続性（ＦＡＡＢ６）、２〜３Ｈｚの継続性（ＦＡＡＢ７））から構成されている。

期間：２００９年７月１日−７月３１日（ＦＡＡＢ８）は分析に用いた期間を示している。時間分解能：１分間（ＦＡＡＢ９）は分析時間分解能である。時間区間：１日（ＦＡＡＢ１０）は、期間（ＦＡＡＢ８）における平均等を求める際の範囲指定である。

身体リズムテーブル（ＦＣ１Ｂ）には、時間分解能毎のＨｚ換算の身体リズムが格納されているため、これを１Ｈｚの区間毎のヒストグラムを作成する。そして、０Ｈｚから１Ｈｚまでのヒストグラム値を０〜１Ｈｚの出現頻度（ＦＡＡＢ２）、１Ｈｚから２Ｈｚまでのヒストグラム値を１〜２Ｈｚの出現頻度（ＦＡＡＢ３）、２Ｈｚから３Ｈｚまでのヒストグラム値を２〜３Ｈｚの出現頻度（ＦＡＡＢ４）を求める。

さらに、身体リズムテーブル（ＦＣ１Ｂ）には時系列上に身体リズムが格納されているため、それぞれのリズムの継続を求めることができる。具体的にいうと、継続の度合いを調べればよく、ある時刻の身体リズムと次の時刻の身体リズムを比較し、２つの身体リズムが０Ｈｚから１Ｈｚまでの場合をカウントし、それを時間区間（ＦＡＡＢ１０）で割ることで、時間区間における０Ｈｚから１Ｈｚまでの継続性を求める。また、これと同じように、１Ｈｚから２Ｈｚまでの継続性を１〜２Ｈｚの継続性（ＦＡＡＢ６）、２Ｈｚから３Ｈｚまでの継続性を２〜３Ｈｚの継続性（ＦＡＡＢ７）として求める。

さらに、これは時間区間（ＦＡＡＢ１０）である１日毎の値であるため、身体リズム指標（ＦＡＡＢ）に格納する場合には期間（ＦＡＡＢ８）の平均がそれぞれの値に格納する値となる。

身体リズム指標（ＦＡＡＢ）を説明したが、指標はこれに限らず、身体リズムテーブル（ＦＣ１Ｂ）から他の指標を作成し、これを分析に用いてもかまわない。さらに、身体リズム指標抽出処理（ＣＡＢ）では期間（ＦＡＡＢ８）における平均を格納したが、分散などを用いてもかまわない。

対面指標抽出処理（ＣＡＣ）は対面テーブル（ＦＣ１Ａ）と身体リズムテーブル（ＦＣ１Ｂ）から指標を求める処理である。そして、対面指標抽出処理（ＣＡＣ）によって求められた指標を格納するテーブルの１例が図８の対面指標（ＦＡＡＣ）である。対面指標（ＦＡＡＣ）はユーザ毎に指標が格納されるテーブルとなっている。

テーブルはユーザを特定するユーザＩＤ（ＦＡＡＣ１）と対面指標（対面時間（ＦＡＡＣ２）、非対面時間（ＦＡＡＣ３）、アクティブ対面時間（ＦＡＡＣ４）、パッシブ対面時間（ＦＡＡＣ５）、２人対面時間（ＦＡＡＣ６）、３人〜５人対面時間（ＦＡＡＣ７）、６人〜対面時間（ＦＡＡＣ８））から構成されている。

期間：２００９年７月１日−７月３１日（ＦＡＡＣ９）は分析に用いた期間を示している。時間分解能：１分間（ＦＡＡＣ１０）は分析時間分解能である。時間区間：１日（ＦＡＡＣ１１）は、期間（ＦＡＡＣ９）における平均等を求める際の範囲指定である。

対面テーブル（ＦＣ１Ａ）から組織ダイナミクスデータ取得時における対面時間と非対面時間を求める。対面テーブル（ＦＣ１Ａ）に格納されている値が１名以上ならば対面時間、０名なら非対面時間としてカウントする。格納されている値がＮＵＬＬの場合には対面時間と非対面時間をカウントしない。対面時間（ＦＡＡＣ２）は対面をカウントした時間、非対面時間（ＦＡＡＣ３）は非対面をカウントした時間である。分析時間分解能が１分間であるため、カウントした値そのものが時間となる。

対面テーブル（ＦＣ１Ａ）により対面と判定された際の対面したメンバ間でのその時刻の身体リズムテーブル（ＦＣ１Ｂ）を調べることにより、対面の積極性、すなわちアクティブ対面かパッシブ対面かを判定する。この判定の閾値として、対面中の身体リズムが２Ｈｚ以上をアクティブ対面（積極的な対面）、２Ｈｚ未満をパッシブ対面（受動的な対面）とした。なぜなら、本発明者らが対面時のユーザの行動と動作リズムの関係に着目したところ、言葉だけでなく身振りを含めた対面のように積極的と考えられる対面は、対面時の動作リズムが２Ｈｚ以上であるという知見に基づくからである。アクティブ対面時間（ＦＡＡＣ４）はアクティブ対面をカウントした時間、パッシブ対面時間（ＦＡＡＣ５）はパッシブ対面をカウントした時間である。分析時間分解能が１分間であるため、カウントした値そのものが時間となる。

対面テーブル（ＦＣ１Ａ）からその何人で対面を行なっていたのかを調べる。対面テーブル（ＦＣ１Ａ）では、分析時間分解能毎に対面人数が記載されているため、それをカウントすることで値を求める。分析幅を２人、３人〜５人、６人の３つとした。２人対面時間（ＦＡＡＣ６）は、２人での対面をカウントした時間である。３人〜５人対面時間（ＦＡＡＣ７）は、３人から５人までの対面をカウントした時間である。６人〜対面時間（ＦＡＡＣ８）は、６人以上の対面をカウントした時間である。分析時間分解能が１分間であるため、カウントした値そのものが時間となる。

さらに、これらは時間区間（ＦＡＡＣ１１）である１日毎の値であるため、期間（ＦＡＡＣ９）の平均がそれぞれの値となる。

対面指標（ＦＡＡＣ）を説明したが、指標はこれに限らず、対面テーブル（ＦＣ１Ａ）と身体リズムテーブル（ＦＣ１Ｂ）から他の指標を作成し、これを分析に用いてもかまわない。さらに、対面指標抽出処理（ＣＡＣ）では期間（ＦＡＡＣ９）における平均を格納したが、分散などを用いてもかまわない。

組織活動指標抽出処理（ＣＡＤ）は対面テーブル（ＦＣ１Ａ）と身体リズムテーブル（ＦＣ１Ｂ）から指標を求める処理である。そして、組織活動指標抽出処理（ＣＡＤ）によって求められた指標を格納するテーブルの１例が図８の組織活動指標（ＦＡＡＤ）である。組織活動指標（ＦＡＡＤ）はユーザ毎に指標が格納されるテーブルとなっている。

テーブルはユーザを特定するユーザＩＤ（ＦＡＡＤ１）と組織活動指標（就業時間平均（ＦＡＡＤ２）、出社時刻平均（ＦＡＡＤ３）、帰社時刻平均（ＦＡＡＤ４）、就業時間標準偏差（ＦＡＡＤ５）、出社時刻標準偏差（ＦＡＡＤ６）、帰社時刻標準偏差（ＦＡＡＤ７））から構成されている。期間：２００９年７月１日−７月３１日（ＦＡＡＤ８）は、分析に用いた期間を示している。時間分解能：１分間（ＦＡＡＤ９）は分析時間分解能である。時間区間：１日（ＦＡＡＤ１０）は、期間（ＦＡＡＤ８）における平均等を求める際の範囲指定である。

対面テーブル（ＦＣ１Ａ）と身体リズムテーブル（ＦＣ１Ｂ）とから組織ダイナミクスデータ取得開始番地と終了番地を求めることで、これから就業時間、出社時刻、帰社時刻を求める。開始番地とは、組織ダイナミクスデータが取れていない（ＮＵＬＬ）時からデータが格納されるようになった（０名以上）時の番地を意味する。また、終了番地とは、組織ダイナミクスデータが取れている（０名以上）時からデータ取れなくなった（ＮＵＬＬ）時の番地を意味する。なお、本実施形態では、就業時間中に名札型センサノードを装着し、帰宅時には名札型センサノードを取り外すことを前提としている。

対面テーブル（ＦＣ１Ａ）と身体リズムテーブル（ＦＣ１Ｂ）は、時刻は格納されていないが、時系列順に格納されているため、取得した番地と時間分解能（ＦＡＡＤ９）から時刻を求めることができる。

就業時間は終了番地から開始番地を引くことによりその値が就業時間となる。就業時間平均（ＦＡＡＤ２）は、就業時間の期間（ＦＡＡＤ８）における時間区間（ＦＡＡＤ１０）の平均である。就業時間標準偏差（ＦＡＡＤ５）は、就業時間の期間（ＦＡＡＤ８）における時間区間（ＦＡＡＤ１０）の平均である。

出社時刻平均（ＦＡＡＤ３）は、開始番地の期間（ＦＡＡＤ８）における時間区間（ＦＡＡＤ１０）の平均である。出社時刻標準偏差（ＦＡＡＤ６）は、開始番地の期間（ＦＡＡＤ８）における時間区間（ＦＡＡＤ１０）の平均である。

退社時刻平均（ＦＡＡＤ４）は、終了番地の期間（ＦＡＡＤ８）における時間区間（ＦＡＡＤ１０）の平均である。帰社時刻標準偏差（ＦＡＡＤ７）は、終了番地の期間（ＦＡＡＤ８）における時間区間（ＦＡＡＤ１０）の平均である。

対面テーブル（ＦＣ１Ａ）と身体リズムテーブル（ＦＣ１Ｂ）から、エラー状態の組織ダイナミックデータを使用しないように判断することができる。例えば、名札型センサノード（ＴＲ）を放置して帰社した場合に、近くのノードとの対面を反応してしまったとする。実際には対面していないが、赤外線からでは判断できない。精度を高めるためには、このような誤判断を省く必要がある。対策としては、身体リズムテーブル（ＦＣ１Ｂ）と比較することで、対面テーブル（ＦＣ１Ａ）の対面が正しいものであるかを判断する。すなわち、人間が正しく付けていないようなリズム（身体リズムが０Ｈｚ、かつ、長時間）が検出されたならば、そのときの対面テーブルの値を用いないようにする。

組織活動指標（ＦＡＡＤ）を説明したが、指標はこれに限らず、対面テーブル（ＦＣ１Ａ）と身体リズムテーブル（ＦＣ１Ｂ）から他の指標を作成し、これを分析に用いてもかまわない。さらに、身体リズム指標抽出処理（ＣＡＢ）では期間（ＦＡＡＤ１０）における平均や標準偏差を格納したが、分散などを用いてもかまわない。

次に、各種アンケート（ＧＡ〜ＧＥ）から求められる指標及び客観的な組織指標（生産性指標、事故不良指標）について説明する。これらは、パフォーマンス入力（Ｃ）により入力される値に基づいて求められる。パーソナリティアンケート（ＧＡ）とは、思考・行動の特性を調べるアンケートである。パーソナリティアンケート（ＧＡ）の例として、以下の文献を参考にしてもよい。Ｖ． Ｂｅｎｅｔ−Ｍａｒｔｉｎｅｚ ａｎｄ Ｏ．Ｐ．Ｊｏｈｎ，“Ｌｏｓ Ｃｉｎｃｏ Ｇｒａｎｄｅｓ ａｃｒｏｓｓ ｃｕｌｔｕｒｅｓ ａｎｄ ｅｔｈｎｉｃ ｇｒｏｕｐｓ： Ｍｕｌｔｉｔｒａｉｔ ｍｅｔｈｏｄ ａｎａｌｙｓｅｓ ｏｆ ｔｈｅ Ｂｉｇ Ｆｉｖｅ ｉｎ Ｓｐａｎｉｓｈ ａｎｄ Ｅｎｇｌｉｓｈ，” Ｊｏｕｒｎａｌ ｏｆ Ｐｅｒｓｏｎａｌｉｔｙ ａｎｄ Ｓｏｃｉａｌ Ｐｓｙｃｈｏｌｏｇｙ， ７５，ｐｐ．７２９−７５０，１９９８．。

アンケートの例を図１８で示す。ユーザはこのアンケートに回答もらい、その結果をパーソナリティ指標として格納する。パーソナリティ指標の１例として、図９のパーソナリティ指標（ＦＡＡＥ）テーブルを説明する。ユーザを特定するユーザＩＤ（ＦＡＡＥ１）とパーソナリティ（外向性（ＦＡＡＥ２）、調和性（ＦＡＡＥ３）、誠実性（ＦＡＡＥ４）、神経性（ＦＡＡＥ５）、開放性（ＦＡＡＥ６））から構成されている。回答日：２００９年７月１５日 （ＦＡＡＥ７）は回答した日付が記載されている。

ユーザに対して、外向性（ＦＡＡＥ２）、調和性（ＦＡＡＥ３）、誠実性（ＦＡＡＥ４）、神経性（ＦＡＡＥ５）、開放性（ＦＡＡＥ６）のそれぞれにはパーソナリティ値が格納されている。

外向性（ＦＡＡＥ２）の値が高いほど、外向的な傾向を意味している。調和性（ＦＡＡＥ３）の値が高いほど、他人に合わせる傾向を意味している。誠実性（ＦＡＡＥ４）の値が高いほど、誠実である傾向を意味している。神経性（ＦＡＡＥ５）の値が高いほど、神経質な傾向を意味している。開放性（ＦＡＡＥ６）の値が高いほど、新しい知識や経験に対して開放的な傾向を意味している。さらに、図１７では、この値による効果を示した表である。また、ユーザの思考・行動により社会への適応度合いがわかればよく、別のアンケートを用いてもかまわない。また、それにあわせてパーソナリティ指標（ＦＡＡＥ）で用いられているテーブル構成を変更してもかまわない。

組織情報テーブル（Ｈ）について、図１０を用いて説明する。組織情報テーブル（Ｈ）はその組織やメンバに関する指標が格納されている。

生産性に関する指標を生産性指標（ＨＡ）に格納する。テーブルはユーザを特定するユーザＩＤ（ＨＡ１）と生産性指標（成績（ＨＡ２）、貢献度（ＨＡ３）、プログラムステップ数（ＨＡ４）、営業件数（ＨＡ５）、売り上げ（ＨＡ６））から構成されている。期間は期間：２００９年７月１日〜２００９年７月１５日（ＨＡ７）である。

もし、貢献度（ＨＡ３）のようにアルファベット表記ならば、好成績を大きな値になるように変換する。また、チーム毎の指標であるならば、そのチームに属するメンバは同じ値を代入する。生産性に関する指標であれば、この他の指標を用いてもかまわない。

事故や不良に関する指標を事故不良指標（ＨＢ）に格納する。テーブルはユーザを特定するユーザＩＤ（ＨＢ１）と事故不良指標（休業日数（ＨＢ２）、バグ数（ＨＢ３）、ヒヤリハット数（ＨＢ４）、不良件数（ＨＢ５）、クレーム件数（ＨＢ６））から構成されている。期間は期間：２００９年７月１日〜２００９年７月１５日（ＨＢ７）である。

もし、チーム毎の指標であるならば、そのチームに属するメンバは同じ値を代入する。
また、事故不良に関する指標であれば、この他の指標を用いてもかまわない。

リーダシップ／チームワークアンケート（ＧＢ）とは、集団に属しているメンバが同じ目標を達成するために行う作業、協力、意識、行動を調べるアンケートである。リーダシップ／チームワークアンケート（ＧＢ）の例として、以下の文献を参考にしてもよい。三沢 良、佐相 邦英、山口 裕幸、看護師チームのチームワーク測定尺度の作成、社会心理学研究、２４（３）ｐｐ．２１９−２３２、２００９０２２７．。

アンケートの例を図２１で示す。ユーザはこのアンケートに回答もらい、その結果をリーダシップ／チームワーク指標に格納する。リーダシップ／チームワーク指標の１例として、図１１のリーダシップ／チームワーク指標（ＦＡＢＣ）テーブルを説明する。

テーブルはユーザを特定するユーザＩＤ（ＦＡＢＣ１）と指標（チームの志向性（ＦＡＢＣ２）、チーム・リーダーシップ（ＦＡＢＣ５）、チーム・プロセス（ＦＡＢＣ８））から構成されている。回答日：２００９年７月１５日 （ＦＡＢＣ１３）は回答した日付が記載されている。リーダシップ／チームワークアンケート（ＧＢ）からはチームの志向性（ＦＡＢＣ２）、チーム・リーダーシップ（ＦＡＢＣ５）、チーム・プロセス（ＦＡＢＣ８）の３つの視点から求めている。

チームの志向性（ＦＡＢＣ２）では、職務に関する態度や価値観を示す職務志向性（ＦＡＢＣ３）やチーム内の対人関係の良好さを示す対人志向性（ＦＡＢＣ４）を求める。

チーム・リーダーシップ（ＦＡＢＣ５）では、メンバへの的確な指示・指導を示す職務遂行上の指示（ＦＡＢＣ６）や対人関係の維持・強化を示す対人関係上の配慮（ＦＡＢＣ７）を求める
チーム・プロセス（ＦＡＢＣ８）では、各自の仕事の進捗状況を相互にモニターし、必要に応じて行なわれる調整行動を示すモニタリングと相互調整（ＦＡＢＣ９）、職務内容をメンバ間の合意により明確化する行動を表す職務の分析と明確化（ＦＡＢＣ１０）、知識や情報の周知徹底を図る行動を表す知識と情報の共有（ＦＡＢＣ１１）や間違いや問題点に関するフィードバックを表すフィードバック（ＦＡＢＣ１２）を求める。

また、集団に属しているメンバが同じ目標を達成するために行う作業、協力、意識、行動がわかればよく、別のアンケートを用いてもかまわない。また、それにあわせてリーダシップ／チームワーク指標（ＦＡＢＣ）で用いたれているテーブル構成を変更してもかまわない。

社員のやりがい／充実度アンケート（ＧＣ）とは、人間が存在する上で、健康で幸福で繁栄できる状態の度合いを調べるアンケートである。社員のやりがい／充実度アンケート（ＧＣ）の例として、以下の文献を参考にしてもよい。
Ｈｉｌｌｓ，Ｐ．， ａｎｄ Ａｒｇｙｌｅ， Ｍ．Ｔｈｅ Ｏｘｆｏｒｄ Ｈａｐｐｉｎｅｓｓ Ｑｕｅｓｔｉｏｎｎａｉｒｅ： ａ ｃｏｍｐａｃｔ ｓｃａｌｅ ｆｏｒ ｔｈｅ ｍｅａｓｕｒｅｍｅｎｔ ｏｆ ｐｓｙｃｈｏｌｏｇｉｃａｌ ｗｅｌｌ−ｂｅｉｎｇ．Ｐｅｒｓｏｎａｌｉｔｙ ａｎｄ Ｉｎｄｉｖｉｄｕａｌ Ｄｉｆｆｅｒｅｎｃｅｓ，３３，１０７３−１０８２，２００２．。

アンケートの例を図２０で示す。ユーザにこのアンケートに回答してもらい、その結果を社員のやりがい／充実度指標（ＦＡＢＤ）に格納する。社員のやりがい／充実度指標の１例として、図１１の社員のやりがい／充実度指標（ＦＡＢＤ）テーブルを説明する。テーブルはユーザを特定するユーザＩＤ（ＦＡＢＤ１）と指標であるハピネス（ＦＡＢＤ２）から構成されている。回答日：２００９年７月１５日（ＦＡＢＤ３）は回答した日付が記載されている。ハピネス（ＦＡＢＤ２）が高いほど、健康で幸福で繁栄できる状態の度合いが高いという意味である。

また、人間が存在する上で、健康で幸福で繁栄できる状態の度合いがわかればよく、別のアンケートを用いてもかまわない。また、それにあわせて社員のやりがい／充実度指標（ＦＡＢＤ）で用いたれているテーブル構成を変更してもかまわない。

ストレス／メンタル不調アンケート（ＧＤ）とは、抑うつの心理状態の度合いを調べるアンケートである。ストレス／メンタル不調アンケート（ＧＤ）の例として、以下の文献を参考にしてもよい。Ｒａｄｌｏｆｆ，Ｌ．Ｓ．（１９７７）’Ｔｈｅ ＣＥＳ−Ｄ ｓｃａｌｅ： Ａ ｓｅｌｆ ｒｅｐｏｒｔ ｄｅｐｒｅｓｓｉｏｎ ｓｃａｌｅ ｆｏｒ ｒｅｓｅａｒｃｈ ｉｎ ｔｈｅ ｇｅｎｅｒａｌ ｐｏｐｕｌａｔｉｏｎ’． Ａｐｐｌｉｅｄ Ｐｓｙｃｈｏｌｏｇｉｃａｌ Ｍｅａｓｕｒｅｍｅｎｔ １： ３８５−４０１．。

アンケートの例を図１９で示す。ユーザはこのアンケートに回答もらい、その結果をストレス／メンタル不調指標（ＦＡＢＥ）に格納する。

ストレス／メンタル不調指標の１例として、図１１のストレス／メンタル不調指標（ＦＡＢＥ）テーブルを説明する。テーブルはユーザを特定するユーザＩＤ（ＦＡＢＥ１）と指標である憂うつ（ＦＡＢＥ２）から構成されている。回答日：２００９年７月１５日（ＦＡＢＥ３）は回答した日付が記載されている。憂うつ（ＦＡＢＥ２）が高いほど、抑うつ度の高い心理状態であるという意味である。

また、ストレスや抑うつの心理状態の度合いがわかればよく、別のアンケートを用いてもかまわない。また、それにあわせてストレス／メンタル不調指標（ＦＡＢＥ）で用いたれているテーブル構成を変更してもかまわない。

組織活性化アンケート（ＧＥ）とは、活性化の施策後に主観的な効果度合いを調べるためのアンケートである。アンケートの例を図２２で示す。ユーザはこのアンケートに回答もらい、その結果を組織活性化指標（ＦＡＢＦ）に格納する。組織活性化指標の１例として、図１１の組織活性化指標（ＦＡＢＦ）テーブルを説明する。テーブルはユーザを特定するユーザＩＤ（ＦＡＢＦ１）とコミュニケーション増（ＦＡＢＥ２）や発言しやすくなった実感（ＦＡＢＥ３）などの多くの指標から構成されている。この指標は組織活性化アンケート（ＧＥ）のアンケート項目と同じだけ存在する。回答日：２００９年７月１５日（ＦＡＢＦ５）は回答した日付が記載されている。

また、活性化の施策後に主観的な効果度合いがわかればよく、別のアンケートを用いてもかまわない。また、それにあわせて組織活性化指標（ＦＡＢＦ）で用いたれているテーブル構成を変更してもかまわない。

図２Ｃに示す相関分析（ＣＡＥ）は、分析単位をある組織として、その組織のメンバそれぞれのストレスや生産性を目的変数、組織活動である組織ダイナミクス指標を説明変数とし、それらの相関を行う分析である。この相関分析の特徴は、分析には本人の変数だけでなく、本人の周囲のメンバの変数も分析対象にすることである。

本人の目的変数（ＣＡＥ１）は、解析結果テーブル（Ｆ）の目的変数（ＦＡＢ）や組織情報テーブル（Ｈ）の目的変数（ＨＡ）内にある本人のユーザＩＤのレコードに格納されている変数である。

本人の説明変数（ＣＡＥ２）は、解析結果テーブル（Ｆ）の説明変数（ＦＡＡ）内にある本人ユーザＩＤのレコードに格納されている変数である。

周囲の説明変数（ＣＡＥ３）の周囲とは、本人と対面によって繋がっている周囲のメンバを意味している。そして、周囲の説明変数（ＣＡＥ３）とは、周囲のメンバから求める説明変数である。

周囲の説明変数（ＣＡＥ３）の処理方法を説明する。周囲のメンバ選択（ＣＡＥ３１）によって、周囲のメンバを選択する。対面マトリックス（ＦＣ１Ｃ）から自分と繋がっているメンバを選択する。本実施例では、１ステップのメンバと２ステップのメンバを選択した例を示す。ここで、１ステップのメンバとは、自分と繋がっているメンバである。また、２ステップのメンバとは、１ステップのメンバとそれに繋がっているメンバである。

特徴量計算（ＣＡＥ３２）とは、周囲のメンバ選択（ＣＡＥ３１）によって選択されたメンバの説明変数から周囲の説明変数を求める処理である。１ステップのメンバで選ばれたメンバの説明変数から周囲の説明変数を求める計算方法として、選択された周囲のメンバの説明変数の平均や分散を求める。また、２ステップの場合にも同様の計算を行なう。

相関（ＣＡＥ４）は本人の目的変数（ＣＡＥ１）と本人の説明変数（ＣＡＥ２）や周囲の説明変数（ＣＡＥ３）との相関である。この相関した結果を解析結果テーブル（Ｆ）の因子係数（ＦＡＣ）に格納する。期間：２００９年７月１日−７月３１日（ＦＡＣ１）とは、分析に用いた組織ダイナミクス指標の期間である。

因子係数（ＦＡＣ）は、相関（ＣＡＥ４）によって求めたれた相関係数を格納するテーブルの一部である。図１２にその一例を示す。本人（ＦＡＣＡ）とは、本人の目的変数（ＣＡＥ１）と本人の説明変数（ＣＡＥ２）との相関の結果である。１ステップ平均（ＦＡＣＢ）とは、本人の目的変数（ＣＡＥ１）と周囲の説明変数（ＣＡＥ３）（その中でも１ステップのメンバの説明変数の平均値）との相関の結果である。２ステップ分散（ＦＡＣＣ）とは、本人の目的変数（ＣＡＥ１）と周囲の説明変数（ＣＡＥ３）（その中でも２ステップのメンバの説明変数の分散値）との相関の結果である。

因子係数（ＦＡＣ）は本人と周囲のメンバとの相関結果を代入すればよいので、１ステップのメンバの説明変数の分散値や２ステップのメンバの説明変数の平均値との結果を格納してもかまわない。

本人（ＦＡＣＡ）のテーブル構成について説明する。縦軸の目的変数（ＦＡＣＡ１）とは解析結果テーブル（Ｆ）の目的変数（ＦＡＢ）や組織情報テーブル（Ｈ）の目的変数（ＨＡ）で格納されている変数である。よって、組織情報テーブル（Ｈ）の目的変数（ＨＡ）の生産性指標（ＨＡ）であった成績（ＦＡＣＡ２）や貢献度（ＦＡＣＡ３）という項目が代入される。横軸は、解析結果テーブル（Ｆ）の説明変数（ＦＡＡ）で格納されている変数である。よって、解析結果テーブル（Ｆ）の説明変数（ＦＡＡ）のネットワーク指標（ＦＡＡＡ）であった、次数（ＦＡＣＡ６）、結束度（ＦＡＣＡ７）、２ステップ到達度（ＦＡＣＡ８）という項目が代入される。また、上述したように、アンケートから求められるパーソナリティ指標（ＦＡＣＡ９）も、説明変数として格納される。図１２では、パーソナリティ指標の例として、開放性（ＦＡＣＡ１０）を示している。

成績（ＦＡＣＡ２）とネットワーク指標（ＦＡＣＡ５）の結束度（ＦＡＣＡ７）の相関は０．４７であり、カッコで囲まれている０．０１は検定結果である。この因子係数（ＦＡＣ）ではＰ値を用いている。Ｐ値とは、観測した現象よりも起こりにくい現象が発生する確率である。さらに、検定結果によって表にハッチをかけており、Ｐ値＜＝０．００１の場合には濃い色、０．００１＜Ｐ値＜＝０．０１の場合には薄い色、Ｐ値＞０．０１の場合に色なし、というように識別できるようにしている。１ステップ平均（ＦＡＣＢ）や２ステップ分散（ＦＡＣＣ）も本人（ＦＡＣＡ）のテーブル構成と同じである。

相関分析（ＣＡＥ）では、変数同士の比較に相関を用いたが、有益な因子が見つけることができるならば、相関以外の手法を用いてもかまわない。また、因子係数（ＦＡＣ）は、相関分析（ＣＡＥ）によって求めた値を格納することが重要であるため、これが満たされるならば、因子係数（ＦＡＣ）で用いられているテーブル構成と異なってもかまわない。

因子選択（ＣＡＦ）は相関分析（ＣＡＥ）によって求められた係数の中から有益な因子の選択を行う処理である。因子係数（ＦＡＣ）の中から、係数（相関）値の高いものを選択する。また、選択基準を相関値だけでなく、検定結果（例えばＰ値）がよいものや、組織活動として網羅しているもの選択することも可能である。

モデル描画（ＪＡ）では、因子選択（ＣＡＦ）によって、係数値が高かった目的変数と説明変数を用いてモデルを描画する。その例を科学的経営知モデル（ＫＡ）で示す。期間：２００９年７月１日−７月３１日（ＫＡ１０）とは、分析に用いた組織ダイナミクス指標の期間である。

目的変数（ＫＡ１１）として、ストレス／メンタル不調リスク（ＫＡ１）を選択し、説明変数（ＫＡ１２）として、周囲の外向性（ＫＡ２）、本人の外向性（ＫＡ３）、本人の就業時間平均（ＫＡ４）、その他（ＫＡ５）を選択した。そして、目的変数（ＫＡ１１）と説明変数（ＫＡ１２）と線で結ぶ。配置としては、右側に目的変数（ＫＡ１１）、左側に説明変数（ＫＡ１２）を配置する。さらに、上から説明変数（ＫＡ１２）の因子係数を大きい順に並べる。その他（ＫＡ５）とは、小さい因子係数をまとめたものである。説明変数（ＫＡ１２）には、それぞれの因子係数を（ＫＡ６）〜（ＫＡ９）の様に配置する。また、類似している説明係数が因子選択（ＣＡＦ）によって選択されたら、それらを統合してもかまわない。

モデル化解析することにより、ストレスや生産性に対して、どの組織活動が有益因子であるかが明らかになった。組織毎に抱えている問題が異なるように、組織毎に有益因子や因子係数も異なる。

このように、分析単位となる複数のメンバからなる組織において、メンバそれぞれのストレス又は生産性などの主観的又は客観的指標を目的変数とし、身体リズム指標や対面指標などの網羅的な指標である組織ダイナミクス指標を説明変数として相関分析を行う。これにより、分析単位となる組織における主観的又は客観的指標の要因を特定することができる。そして、このモデルにより、具体的にどの組織行動を改善すべきかを特定することができる。

なお、本実施例では、説明変数に組織ダイナミクス指標を求めたが、説明変数にアンケート（Ｇ）から求めた指標を用いてもかまわない。さらに、目的変数に組織ダイナミクス指標を用いてもかまわない。

実施例１では、パーソナリティアンケート（ＧＡ）よって、パーソナリティ指標（ＦＡＡＥ）を求めたが、過去のパーソナリティアンケート（ＧＡ）を学習させ、モデルを作成することによって、現在の組織ダイナミクス指標とモデルからパーソナリティ指標（ＦＡＡＥ）を求める。

図１３は、過去のパーソナリティアンケート（ＧＡ）を学習し、モデルの係数であるパーソナリティ指標係数（ＦＡＥ）を求めるパーソナリティ指標抽出（ＣＡ１）と、現在の組織ダイナミクス指標とパーソナリティ指標係数（ＦＡＥ）から現在のパーソナリティ指標（ＦＡＦ）を求めるパーソナリティ指標変換（ＣＡ２）から構成されている。

はじめに、パーソナリティ指標抽出（ＣＡ１）について説明する。パーソナリティ指標抽出（ＣＡ１）は過去のパーソナリティアンケート（ＧＡ）と組織ダイナミクス指標であるネットワーク指標（ＦＡＡＡ）、身体リズム指標（ＦＡＡＢ）、対面指標（ＦＡＡＣ）と活動指標（ＦＡＡＤ）を用いてパーソナリティ指標係数抽出（ＣＡ１Ａ）することにより、パーソナリティ指標係数（ＦＡＥ）を求めることである。

ネットワーク指標（ＦＡＡＡ）、身体リズム指標（ＦＡＡＢ）、対面指標（ＦＡＡＣ）、活動指標（ＦＡＡＤ）、パーソナリティ指標（ＦＡＡＥ）を求めるまでは、実施例１と同じであるため説明を省略する。パーソナリティ指標係数抽出（ＣＡ１Ａ）について説明する。パーソナリティ指標係数抽出（ＣＡ１Ａ）では、パーソナリティ指標（ＦＡＡＥ）を目的変数、ネットワーク指標（ＦＡＡＡ）、身体リズム指標（ＦＡＡＢ）、対面指標（ＦＡＡＣ）と活動指標（ＦＡＡＤ）を説明変数とした、重回帰分析を行なうことにより、重回帰式における係数及び定数項を求める。

図１４、１５に示す解析結果テーブル（Ｆ）のパーソナリティ係数（ＦＡＥ）がパーソナリティ指標（ＦＡＡＥ）それぞれにおける重回帰式における係数及び定数項をまとめたテーブルである。図１４は、組織における重回帰式の係数及び定数項をまとめたものであり、図１５は、ユーザ毎に重回帰式の係数及び定数項をまとめたものである。

図１４に示す縦軸は目的変数であるパーソナリティ（ＦＡＥ１）であり、外向性（ＦＡＥ２）、調和性（ＦＡＥ３）、誠実性（ＦＡＥ４）、神経性（ＦＡＥ５）と開放性（ＦＡＥ６）から構成されている。横軸は説明変数であり、ネットワーク指標（ＦＡＥ８）やパーソナリティ指標（ＦＡＥ１２）などの指標における重回帰式の係数が格納されている。また、切片（ＦＡＥ１４）は重回帰式の定数項である。図１５に示す縦軸及び横軸についても同様である。パーソナリティ指標抽出（ＣＡ１）においては、重回帰分析を用いたが、学習に用いる手法であれば、それ以外でもかまわない。

次に、パーソナリティ指標変換（ＣＡ２）について説明する。パーソナリティ指標変換（ＣＡ２）はパーソナリティ指標抽出（ＣＡ１）で求めたパーソナリティ指標係数（ＦＡＥ）と組織ダイナミクス指標の中から現在の指標を用いることで、現在のパーソナリティ指標（ＦＡＧ）を求める。

パーソナリティ指標変換（ＣＡ２Ａ）では、パーソナリティ指標係数（ＦＡＥ）に格納されている、重回帰式における係数及び定数項と、組織ダイナミクス指標であるネットワーク指標（ＦＡＡＡ）、身体リズム指標（ＦＡＡＢ）、対面指標（ＦＡＡＣ）と活動指標（ＦＡＡＤ）の現在の指標を用いる。そして、それらを重回帰式に当てはめることで、組織ダイナミクス指標からパーソナリティ指標を求める。

解析結果テーブル（Ｆ）の推定パーソナリティ指標（ＦＡＧ）はパーソナリティ指標変換（ＣＡ２Ａ）によって求めたパーソナリティ指標である。テーブルの１例を図１６に示す。テーブルの形式は解析結果テーブル（Ｆ）のパーソナリティ指標（ＦＡＡＥ）と同じであるため割愛する。日時：２００９年８月１５日 １４：３２（ＦＡＧ７）は、分析に用いた現在の組織ダイナミクス指標の日時と時間を示している。

過去のパーソナリティ指標と組織ダイナミクス指標を用いて重回帰分析を行ない、モデルを作成することにより、アンケートを用いなくても、現在の組織ダイナミクス指標とモデルからパーソナリティ指標を求めることが可能となった。アンケートを用いる場合、月に１回など実施する頻度に制限を受けるおそれがあるが、本実施例によればそのような制限を受けることはなく、算出する頻度も適宜変更しうる。

本実施例では、パーソナリティ指標について求めたが、他のアンケート（リーダシップ／チームワークアンケート（ＧＢ）、社員のやりがい／充実度アンケート（ＧＣ）、ストレス／メンタル不調アンケート（ＧＤ）、組織活性化アンケート（ＧＥ）等）に対しても同じような処理を行なっても良い。

実施例３では、ユーザと対面している組を同時に表示可能なネットワーク図を生成する。従来のネットワーク図では、対面している組を見ることができない。ネットワーク図の点（ノード）をユーザと対面組の両方表示することで、この問題を解決する。

図２３は、ユーザと対面している組を同時に表示するための処理手順を示した図である。対面組ネットワークモデル化解析（ＣＢ）によってモデルを構成し、対面組ネットワーク図描画（ＪＢ）によって描画を行ない、描画した結果は対面組ネットワーク図（ＫＢ）である。この処理は、実施例１と同じフレームワークで処理することが可能であり、対面組ネットワークモデル化解析（ＣＢ）はアプリケーションサーバ（ＡＳ）の制御部（ＡＳＣＯ）、対面組ネットワーク図描画（ＪＢ）はクライアント（ＣＬ）の表示（Ｊ）で実行される。

解析結果テーブル（Ｆ）の対面テーブル（ＦＣ１Ａ）を求めるまでは、実施例１と同じであるため説明を省略する。対面組別対面時間（ＣＢＡ）は対面の組とその対面時間を求める処理である。対面テーブル（ＦＣ１Ａ）には対面しているメンバが記載されているため、これから組と時間を求める。この結果を解析結果テーブル（Ｆ）の対面者別対面時間リスト（ＦＢＡ）に格納する。テーブル構成は対面組（ＦＢＡ１）と対面時間（ＦＢＡ２）から構成されている。

期間：２００９年７月１日−７月３１日（ＦＢＡ３）は対面テーブル（ＦＣ１Ａ）に用いた期間をしている。日数：３１日間（ＦＢＡ４）は期間（ＦＢＡ３）における日数である。実質日数：２１日間（ＦＢＡ５）は期間（ＦＢＡ３）に営業日数である。対面判定時間：３分間／１日（ＦＣ１Ｃ６）は対面したと判定するための閾値である。また、対面者別対面時間リスト（ＦＢＡ）は、対面組の対面状況を格納することが重要であるため、これが満たされるならば、対面者別対面時間リスト（ＦＢＡ）で用いたれているテーブル構成と異なってもかまわない。

対面組別テーブル生成（ＣＢＢ）は、対面者別対面時間リスト（ＦＢＡ）からユーザと対面組に組み合わせる処理である。

対面枝狩り（ＣＢＢ１）では、対面者別対面時間リスト（ＦＢＡ）から対面時間（ＦＢＡ２）が小さい値のものを消去する処理である。対面判定時間（ＦＢＡ６）と実質日数（ＦＢＡ５）を掛け合わせたものを閾値として、その値より大きいものを残してもかまわない。テーブル生成（ＣＢＢ２）では、対面枝狩り（ＣＢＢ１）によって出力されたリストから対面組別テーブル（ＦＢＢ）を出力する。

対面組別テーブル（ＦＢＢ）は、対面組別対面時間リスト（ＦＢＢＡ）と対面組別接続マトリックス（ＦＢＢＢ）で構成される。図２４にその一例を示す。対面組別対面時間リスト（ＦＢＢＡ）は、ネットワーク図におけるノード（点）の大きさを示すものである。対面組（ＦＢＢＡ１）と対面時間（ＦＢＢＡ２）で構成されている。期間：２００９年７月１日−７月３１日（ＦＢＢＡ３）は対面テーブル（ＦＣ１Ａ）で用いた期間を示している。

対面組別接続マトリックス（ＦＢＢＢ）は、ネットワーク図におけるエッジ（線）を示すものである。対面組別接続マトリックス（ＦＢＢＢ）は縦軸と横軸はユーザと対面組とする。期間：２００９年７月１日−７月３１日（ＦＢＢＢ３）は対面テーブル（ＦＣ１Ａ）で用いた期間を示している。

このマトリックスでは、対面組とその構成されているメンバとをエッジ（線）で結ぶために、１を代入する。さらに、包含関係になっている対面組（ＦＢＢＢ４）には、メンバが含まれている人数が大きい対面組と小さい体面組とをエッジ（線）で結ぶために１を代入する（ＦＢＢＢ５）。そして、大きい対面組の内、小さい体面組に含まれているメンバに対しては、エッジ（線）で結ばない（ＦＢＢＢ６）。

また、対面組別テーブル（ＦＢＢ）は、メンバと対面組の対面状況を格納することが重要であるため、これが満たされるならば、対面組別テーブル（ＦＢＢ）で用いられているテーブル構成と異なってもかまわない。

ユーザ／場所情報テーブル（Ｉ）のユーザＩＤ表（ＩＡ）について説明する。このテーブルの一例を図２５に示す。ユーザＩＤ表（ＩＡ）はユーザＩＤと氏名やチーム名などの情報を関連付けるためのテーブルである。ユーザＩＤ（ＩＡ１）、ユーザ名（ＩＡ２）、チーム名（ＩＡ３）、職位（ＩＡ４）、組織（ＩＡ５）から構成されている。

対面組ネットワーク図描画（ＪＢ）では、対面組別テーブル生成（ＣＢＢ）によって求められた、メンバ／対面組のデータを対面組ネットワーク図として描画する。その例を図２３の対面組ネットワーク図（ＫＢ）で示す。期間：２００９年７月１日−７月３１日（ＫＸ４）は対面テーブル（ＦＣ１Ａ）で用いた期間を示している。

メンバを四角の点（ノード）、対面組を丸の点（ノード）で示している。また、メンバの点（ノード）を外側、対面組の点（ノード）を内側に配置する。その点（ノード）の大きさは対面組別対面時間リスト（ＦＢＢＡ）によって決定する。また、対面組別接続マトリックス（ＦＢＢＢ）で１と格納している点（ノード）を線（エッジ）で結ぶ。点（ノード）には渡辺（ＫＢ２）や伊藤（ＫＢ１）や渡辺、伊藤（ＫＢ３）の様に、ユーザＩＤ表（ＩＡ）を利用してユーザＩＤ（ＩＡ１）からユーザ名（ＩＡ２）を求め、表示する。

このように、ユーザと対面している組を同時に表示可能なネットワーク図を生成することで、ネットワーク図上で、実際にどのようなメンバと活動しているのかがわかるようになる。

実施例４では、ユーザと場所を同時に表示可能なネットワーク図を生成する。従来のネットワーク図では、対面している組を見ることができない。ネットワーク図の点（ノード）をユーザと場所の両方表示することで、この問題を解決する。

図２６は、ユーザと場所を同時に表示するための処理手順を示した図である。場ネットワークモデル化解析（ＣＣ）によってモデルを構成し、場ネットワーク図描画（ＪＣ）によって描画を行ない、描画した結果は場ネットワーク図（ＫＣ）である。

この処理は、実施例１と同じフレームワークで処理することが可能であり、場ネットワークモデル化解析（ＣＣ）はアプリケーションサーバ（ＡＳ）の制御部（ＡＳＣＯ）、場ネットワーク図描画（ＪＣ）はクライアント（ＣＬ）の表示（Ｊ）で実行される。

場所テーブル処理（Ｃ１Ｄ）は、組織ダイナミクスデータの赤外線データからメンバ間の対面状況をある一定期間毎に時系列順にまとめたものである。場所に赤外線を発光する赤外線端末を設置し、その場所に設置してある赤外線を名札型センサノード（ＴＲ）が検知することで、その場所に滞在していると判定する。

ユーザ／場所情報テーブル（Ｉ）の場所ＩＤ表（ＩＢ）について説明する。このテーブルの一例を図２５に示す。

場所ＩＤ表（ＩＢ）は場所ＩＤと場所名と赤外線ＩＤを関連付けるためのテーブルである。場所ＩＤ（ＩＢ１）、場所名（ＩＢ２）、赤外線ＩＤ（ＩＢ３）から構成されている。場所名（ＩＢ２）はその場所の名前、赤外線ＩＤ（ＩＢ３）は場所ＩＤ（ＩＢ１）に設置してある赤外線端末のＩＤである。場所には赤外線端末は複数個設置してもかまわない、複数個設置した場合には、赤外線ＩＤ（ＩＢ３）に複数の赤外線ＩＤを記述する。

抽出した結果を解析結果テーブル（Ｆ）の場所テーブル（ＦＣ１Ｄ）に格納する。場所テーブル（ＦＣ１Ｄ）の１例を図２７に示す。これは、場所を１レコードとして、時間分解能１分間（ＦＣ１Ｄ３）として、時系列順に１日（２４時間）分を格納してある表である。場所テーブル（２００９年７月１日）（ＦＣ１Ｄ３）では、縦軸に場所を判別するための場所ＩＤ（ＦＣ１Ｄ１）、横軸は時間分解能による時刻を示す分解能時刻（ＦＣ１Ｄ２）となっている。

ある時刻における場所における対面状況は、場所ＩＤ（ＦＣ１Ｄ１）と分解能時刻（ＦＣ１Ｄ２）しているところを読み取るだけでよい。例えば、場所ＩＤが００Ａの２００９／７／１ １０：０２の対面状況は２名と在籍しており、在籍しているメンバは００２と００３である。ここに含まれる値は、在籍人数、対面者がいた場合にはそのユーザＩＤとＮＵＬＬのどれかである。該当するユーザでかつその時刻の組織ダイナミクスデータの赤外線データが存在しない場合にＮＵＬＬが場所テーブル（ＦＣ１Ｄ）に格納される。

場所テーブル（ＦＣ１Ｄ）は１日かつ時間分解能に生成されるため、同じ日付でも、時間分解能が異なれば別テーブルとなる。例えば、（ＦＣ１Ｄ４）と（ＦＣ１Ｄ５）では、同じ（２００９年７月２日）であるが、時間分解能が異なるため、別テーブルとなっている。

また、場所テーブル（ＦＣ１Ｄ）は、在籍人数と在籍しているユーザＩＤとして格納することが重要であるため、これが満たされるならば、場所テーブル（ＦＣ１Ｄ）で用いられているテーブル構成と異なってもかまわない。

次に、場・ユーザ滞在時間（ＣＣＡ）について説明する。場所における在籍しているメンバや組を求める処理である。

場所テーブル（ＦＣ１Ｄ）には、場所別に時系列上に在籍しているメンバ名が記載されているので、これを利用し、在籍の組と時間を表にまとめる。表にまとめたものが解析結果テーブル（Ｆ）の対面者別対面時間リスト（ＦＣＡ）である。場所ＩＤ（ＦＣＡ１）を１レコードとして、メンバ・在籍組（ＦＣＡ２）における対面時間を記載したものである。期間：２００９年７月１日−７月３１日（ＦＣＡ３）は場所テーブル（ＦＣ１Ｄ）に用いた期間をしている。日数：３１日間（ＦＣＡ４）は期間（ＦＣＡ３）における日数である。実質日数：２１日間（ＦＣＡ５）は期間（ＦＣＡ３）に営業日数である。対面判定時間：１分間／１日（ＦＣＡ６）は在籍したと判定するための閾値である。

対面組別テーブル生成（ＣＣＢ）は、対面者別対面時間リスト（ＦＣＡ）からユーザと対面組に組み合わせる処理である。

場所枝狩り（ＣＣＢ１）では、対面者別対面時間リスト（ＦＣＡ）から対面時間が小さい値のものを消去する処理である。場所枝狩りの例として、対面判定時間（ＦＣＡ６）と実質日数（ＦＣＡ５）を掛け合わせたものを閾値として、その値より大きいものを残してもかまわない。ネットワーク図における点（ノード）が多くなってしまうため、場所枝狩り（ＣＣＢ１）を行なう。もし、他の方法があるならば、それを用いてもかまわない。

テーブル生成（ＣＣＢ２）では、場所枝狩り（ＣＣＢ１）によって出力されたリストからユーザ・場テーブル（ＦＣＢ）を出力する。ユーザ・場テーブル（ＦＣＢ）は、場別対面時間リスト（ＦＣＢＡ）とユーザ・場マトリックス（ＦＣＢＢ）で構成される。その１例を図２８で示す。

場別対面時間リスト（ＦＣＢＡ）は、ネットワーク図におけるノード（点）の大きさを示すものである。場（ＦＣＢＡ１）、対面組（ＦＣＢＡ２）と対面時間（ＦＣＢＡ３）で構成されている。期間：２００９年７月１日−７月３１日（ＦＣＢＡ４）は場所テーブル（ＦＣ１Ｄ）で用いた期間を示している。

ユーザ・場マトリックス（ＦＣＢＢ）は、ネットワーク図におけるエッジ（線）を示すものである。ユーザ・場マトリックス（ＦＣＢＢ）は縦軸と横軸はユーザと場とする。期間：２００９年７月１日−７月３１日（ＦＣＢＢ３）は場所テーブル（ＦＣ１Ｄ）で用いた期間を示している。このマトリックスでは、場とそこに在籍しているメンバとをエッジ（線）で結ぶために、１を代入する。また、ユーザ・場テーブル（ＦＣＢ）は、場とメンバとの対面状況を格納することが重要であるため、これが満たされるならば、ユーザ・場テーブル（ＦＣＢ）で用いられているテーブル構成と異なってもかまわない。

場ネットワーク図描画（ＪＣ）では、ユーザ・場別テーブル生成（ＣＣＢ）によって求めたメンバ／場のデータを場ネットワーク図として描画する。その例を図２６の場ネットワーク図（ＫＣ）で示す。期間：２００９年７月１日−７月３１日（ＫＣＡ４）は場所テーブル（ＦＣ１Ｄ）で用いた期間を示している。

メンバを四角の点（ノード）、対面組を丸の点（ノード）で示している。また、メンバの点（ノード）を外側、対面組の点（ノード）を内側に配置する。その点（ノード）の大きさは対面場別対面時間リスト（ＦＣＢＡ）によって決定する。また、場（ＦＣＢＡ１）が複数ある場合には点（ノード）を円グラフとして表示する。ユーザ・場マトリックス（ＦＣＢＢ）で１と格納している点（ノード）を線（エッジ）で結ぶ。点（ノード）には渡辺（ＫＣ２）や伊藤（ＫＣ１）や会議室（ＫＣ３）の様に表示する。会議室（ＫＣ３）の点（ノード）は円グラフで表示し、対面時間の割合で分け、それに従事するユーザや対面組（例えば、伊藤（ＫＣ５）や渡辺、伊藤（ＫＣ４））を表示する。

このように、ユーザと場所を同時に表示可能なネットワーク図を生成することで、ネットワーク図上で、どの場が活用されているのかがわかるようになる。

実施例５では、チーム対面時間等の数字を見たとしても、実態感が低いため、ユーザにフィードバックがかかりにくい。そこで、実際に何処の場が利用させているのかを一見してわかるために、見取り図上にマッピングし、実態感を向上させる。

図２９は、場所にチームをマッピングするため処理手順を示した図である。
場所チームモデル化解析（ＣＤ）によってモデルを構成し、人数別表示の場合には、場の人数別マップ描画（ＪＤＡ）によって描画を行ない、描画した結果は場の人数別マップ（ＫＤＡ）であり、チーム内外表示の場合には、場のチーム内外マップ描画（ＪＤＢ）によって描画を行ない、描画した結果は場のチーム内外マップ（ＫＤＢ）である。

この処理は、実施例１と同じフレームワークで処理することが可能であり、場所チームモデル化解析（ＣＤ）はアプリケーションサーバ（ＡＳ）の制御部（ＡＳＣＯ）、場の人数別マップ描画（ＪＤＡ）と場のチーム内外マップ描画（ＪＤＢ）はクライアント（ＣＬ）の表示（Ｊ）で実行される。

解析結果テーブル（Ｆ）の場所テーブル（ＦＣ１Ｄ）を求めるまでは、実施例４と同じであるため説明を省略する。場所・人数別対面時間（ＣＤＡ）は場における対面人別の対面時間を求める処理である。場所テーブル（ＦＣ１Ｄ）には場所に在籍しているメンバが時系列順に記載されているため、これから人数別と対面している時間を求める。この結果を解析結果テーブル（Ｆ）の場の人数別対面時間（ＦＤＡ）に格納する。テーブル構成は場所ＩＤ（ＦＤＡ１）と人数（ＦＤＡ２）から構成されている。

場所ＩＤ（ＦＤＡ１）を１レコードとして、人数（ＦＤＡ２）における対面時間を記載したものである。人数（ＦＤＡ２）は、１人（ＦＤＡ６）、２人（ＦＤＡ７）、３人−５人（ＦＤＡ８）、６人以上（ＦＤＡ９）という分解能で分類している。期間：２００９年７月１日−７月３１日（ＦＤＡ３）は場所テーブル（ＦＣ１Ｄ）に用いた期間をしている。日数：３１日間（ＦＤＡ４）は期間（ＦＤＡ３）における日数である。実質日数：２１日間（ＦＤＡ５）は期間（ＦＤＡ３）に営業日数である。

次に、ユーザ／場所情報テーブル（Ｉ）の場リスト（ＩＣ）について図３０を用いて説明する。場リスト（ＩＣ）は見取り図である場マップ画像（ＩＣＡ）と場所の座標が記載されている場座標（ＩＣＢ）から構成されている。場マップ画像（ＩＣＡ）は見取り図画像である。場座標（ＩＣＢ）は場所ＩＤ（ＩＣＢ１）と座標値（ＩＣＢ２）から構成されている。場所ＩＤ（ＩＣＢ１）を１レコードとして、座標値（ＩＣＢ２）におけるＸ座標値（ＩＣＢ３）とＹ座標値（ＩＣＢ４）を記載したものである。

場の人数別マップ描画（ＪＤＡ）は場の人数別対面時間（ＦＤＡ）から見取り図へマッピングして描画する処理である。描画した結果が、図３１の場の人数別マップ（ＫＤＡ）である。場の人数別対面時間（ＦＤＡ）の場所における人数別対面時間を、見取り図における該当場所に円グラフ上をプロットする。円グラフには人数別の対面時間の割合によって、円グラフの中心角度が変化する。また、人数の凡例を表示する。円グラフの大きさは人数別の対面時間の和である。見取り図における該当場所の付近には、場所ＩＤ表（ＩＢ）から場所名（ＩＢ２）を表示する。期間：２００９年７月１日−７月３１日（ＫＤＡ１）は場所テーブル（ＦＣ１Ｄ）に用いた期間をしている。

場のチーム内外対面時間（ＣＤＢ）は場におけるチーム内外の対面時間を求める処理である。場所テーブル（ＦＣ１Ｄ）には場所に在籍しているメンバが時系列順に記載されているため、これからユーザＩＤ表（ＩＡ）と照らし合わせて、チーム内それともチーム外の対面であるかを判断し、それぞれの対面時間を求める。この結果を解析結果テーブル（Ｆ）の場のチーム内外対面時間（ＦＤＢ）に格納する。テーブル構成は場所ＩＤ（ＦＤＢ１）と内外（ＦＤＢ２）から構成されている。場所ＩＤ（ＦＤＡ１）を１レコードとして、内外（ＦＤＢ２）における対面時間を記載したものである。内外（ＦＤＢ２）は、チーム内（ＦＤＢ６）、チーム外（ＦＤＢ７）という分解能で分類している。期間：２００９年７月１日−７月３１日（ＦＤＢ３）は場所テーブル（ＦＣ１Ｄ）に用いた期間をしている。日数：３１日間（ＦＤＢ４）は期間（ＦＤＢ３）における日数である。実質日数：２１日間（ＦＤＢ５）は期間（ＦＤＢ３）に営業日数である。

場のチーム内外マップ描画（ＪＤＢ）は場のチーム内外対面時間（ＦＤＢ）から見取り図へマッピングして描画する処理である。描画した結果が図３１の場のチーム内外マップ（ＫＤＢ）である。場のチーム内外対面時間（ＦＤＢ）の場所におけるチーム内外別対面時間を、見取り図における該当場所に円グラフ上をプロットする。円グラフには人数別の対面時間の割合によって、円グラフの中心角度が変化する。また、チーム内外の凡例を表示する。円グラフの大きさはチーム内外別の対面時間の和である。見取り図における該当場所の付近には、場所ＩＤ表（ＩＢ）から場所名（ＩＢ２）を表示する。期間：２００９年７月１日−７月３１日（ＫＤＢ３）は場所テーブル（ＦＣ１Ｄ）に用いた期間をしている。

このように、見取り図上の場にチーム情報をマッピングすることで、実態感を向上させることができる。

対面組対面時間等の数字を見たとしても、実態感が低いため、ユーザにフィードバックがかかりにくい。そこで、実施例６では、実際に何処の場が利用させているのかを一見してわかるために、見取り図上にマッピングし、実態感を向上させる。

図３２は、場所にチームをマッピングするため処理手順を示した図である。場所対面組モデル化解析（ＣＥ）によってモデルを構成し、対面組の場合には、場の対面組マップ描画（ＪＥＡ）によって描画を行ない、描画した結果は場の対面組マップ（ＫＥＡ）であり、ユーザの場合には、場のユーザマップ描画（ＪＥＢ）によって描画を行ない、場のユーザマップ（ＫＥＢ）である。

この処理は、実施例１と同じフレームワークで処理することが可能であり、場所対面組モデル化解析（ＣＥ）はアプリケーションサーバ（ＡＳ）の制御部（ＡＳＣＯ）、場の対面組マップ描画（ＪＥＡ）と場のユーザマップ描画（ＪＥＢ）はクライアント（ＣＬ）の表示（Ｊ）で実行される。解析結果テーブル（Ｆ）の場所テーブル（ＦＣ１Ｄ）を求めるまでは、実施例４と同じであるため説明を省略する。

場所・対面組対面時間（ＣＥＡ）は場における対面組別の対面時間を求める処理である。場所テーブル（ＦＣ１Ｄ）には場所に在籍しているメンバが時系列順に記載されているため、これから対面組と対面している時間を求める。この結果を解析結果テーブル（Ｆ）の場の対面組対面時間（ＦＥＡ）に格納する。テーブル構成は場所ＩＤ（ＦＥＡ１）とユーザ／対面組（ＦＥＡ２）から構成されている。場所ＩＤ（ＦＥＡ１）を１レコードとして、ユーザ／対面組（ＦＥＡ２）における対面時間を記載したものである。ユーザ／対面組（ＦＥＡ２）は、在籍しているユーザＩＤとその対面時間が格納される。期間：２００９年７月１日−７月３１日（ＦＥＡ３）は場所テーブル（ＦＣ１Ｄ）に用いた期間をしている。日数：３１日間（ＦＥＡ４）は期間（ＦＥＡ３）における日数である。実質日数：２１日間（ＦＥＡ５）は期間（ＦＥＡ３）に営業日数である。

場の対面組マップ描画（ＪＥＡ）は場の対面組対面時間（ＦＥＡ）から見取り図へマッピングして描画する処理である。描画した結果が図３３の場の対面組マップ（ＫＥＡ）である。場の対面組対面時間（ＦＥＡ）の場所における対面組別対面時間を、見取り図における該当場所に丸をプロットする。対面組の対面時間によって、丸の直径を変化する。また、同じ場所に複数個の丸が存在する場合には、重ならないようにずらす。また、対面組のメンバの氏名をユーザＩＤ表（ＩＡ）からユーザ名（ＩＡ２）を選択し表示する。見取り図における該当場所の付近には、場所ＩＤ表（ＩＢ）から場所名（ＩＢ２）を選び表示する。期間：２００９年７月１日−７月３１日（ＫＥＡ３）は場所テーブル（ＦＣ１Ｄ）に用いた期間をしている。

場所・ユーザ対面時間（ＣＤＢ）は場におけるユーザの対面時間を求める処理である。場所テーブル（ＦＣ１Ｄ）には場所に在籍しているメンバが時系列順に記載されているため、これからユーザＩＤ表（ＩＡ）と照らし合わせて、それぞれメンバの対面時間を求める。この結果を解析結果テーブル（Ｆ）の場のユーザ対面時間（ＦＥＢ）に格納する。テーブル構成は場所ＩＤ（ＦＥＢ１）とユーザＩＤ（ＦＥＢ２）から構成されている。場所ＩＤ（ＦＥＢ１）を１レコードとして、ユーザＩＤ（ＦＥＢ２）における対面時間を記載したものである。期間：２００９年７月１日−７月３１日（ＦＥＢ３）は場所テーブル（ＦＣ１Ｄ）に用いた期間をしている。日数：３１日間（ＦＥＢ４）は期間（ＦＥＢ３）における日数である。実質日数：２１日間（ＦＥＢ５）は期間（ＦＥＢ３）に営業日数である。

場のユーザマップ描画（ＪＥＢ）は場のユーザ対面時間（ＦＥＢ）から見取り図へマッピングして描画する処理である。描画した結果が、図３３の場のユーザマップ（ＫＥＢ）である。場のユーザ対面時間（ＦＥＢ）の場所におけるユーザ別対面時間を、見取り図における該当場所に丸をプロットする。ユーザの対面時間によって、丸の直径を変化する。また、同じ場所に複数個の丸が存在する場合には、重ならないようにずらす。また、メンバの氏名をユーザＩＤ表（ＩＡ）からユーザ名（ＩＡ２）を選択し表示する。

見取り図における該当場所の付近には、場所ＩＤ表（ＩＢ）から場所名（ＩＢ２）を選び表示する。期間：２００９年７月１日−７月３１日（ＫＥＢ１）は場所テーブル（ＦＣ１Ｄ）に用いた期間をしている。このように、見取り図上の場に対面組情報をマッピングすることで、実態感を向上させることができる。

場の利用状況等の数字を見たとしても、実態感が低いため、ユーザにフィードバックがかかりにくい。そこで、実施例７では、実際に何処の場が利用させているのかを一見してわかるために、見取り図上にマッピングし、実態感を向上させる。

図３４は、場所の利用状況をマッピングするため処理手順を示した図である。
場所利用モデル化解析（ＣＦ）によってモデルを構成し、場所における時系列上の場所利用人数の場合には、場利用状況マップ描画（ＪＦ）の場在籍グラフ（ＪＦ１）によって描画を行ない、場所における利用時間回数の場合には、場利用状況マップ描画（ＪＦ）の場利用回数グラフ（ＪＦ２）によって描画を行ない、場所における時系列上の温度変化の場合には、場利用状況マップ描画（ＪＦ）の場温度フラグ（ＪＦ３）によって描画を行ない、これらの結果が場利用状況マップ（ＫＦＡ）となる。

この処理は、実施例１と同じフレームワークで処理することが可能であり、場所利用モデル化解析（ＣＦ）はアプリケーションサーバ（ＡＳ）の制御部（ＡＳＣＯ）、場利用状況マップ描画（ＪＦ）はクライアント（ＣＬ）の表示（Ｊ）で実行される。

解析結果テーブル（Ｆ）の場所テーブル（ＦＣ１Ｄ）を求めるまでは、実施例４と同じであるため説明を省略する。はじめに、場所における時系列上の場所利用人数を求める。場別利用状況（ＣＦＡ）は場における平均利用割合と平均利用人数を求める処理である。場所テーブル（ＦＣ１Ｄ）には場所に在籍しているメンバが時系列順に記載されているため、これから場における平均利用割合と平均利用人数を求める。この結果を解析結果テーブル（Ｆ）の場在籍時間（ＦＦＡ）に格納する。テーブル構成は場所ＩＤ（ＦＦＡ１）とＩｎｄｅｘ（ＦＦＡ２）から構成されている。

場所ＩＤ（ＦＦＡ１）を１レコードとして、Ｕｓａｇｅ ｒａｔｅ（ＦＦＡ３）とＡｖｅｒａｇｅ ｎｕｍｂｅｒ ｐｅｏｐｌｅ（ＦＦＡ４）を記載する。期間：２００９年７月１日−７月３１日（ＦＦＡ５）は場所テーブル（ＦＣ１Ｄ）に用いた期間をしている。

場在籍グラフ（ＪＦ１）は場所テーブル（ＦＣ１Ｄ）と場在籍時間（ＦＦＡ）から時系列上に場所の利用状況を描画する処理である。描画した結果が、図３６の場在籍グラフ（ＫＦＡ２）である。場所テーブル（ＦＣ１Ｄ）から時系列上に在籍人数を折れ線グラフで表示する。そして、場在籍時間（ＦＦＡ）から求めたＵｓａｇｅ ｒａｔｅ（ＦＦＡ３）とＡｖｅｒａｇｅ ｎｕｍｂｅｒ ｐｅｏｐｌｅ（ＦＦＡ４）を表示する。

次に、場所における利用時間回数を求める。場別対面カウント（ＣＦＢ）は場所における利用時間回数を求める処理である。

場所テーブル（ＦＣ１Ｄ）には場所に在籍しているメンバが時系列順に記載されているため、これから場における利用時間別回数を求める。この結果を解析結果テーブル（Ｆ）の場利用時間（ＦＦＢ）に格納する。テーブル構成は場所ＩＤ（ＦＦＢ１）とＴｉｍｅ（ＦＦＢ２）から構成されている。場所ＩＤ（ＦＦＡ１）を１レコードとして、時間別の利用回数を記載する。期間：２００９年７月１日−７月３１日（ＦＦＡ７）は場所テーブル（ＦＣ１Ｄ）を用いた期間をしている。

場利用回数グラフ（ＪＦ２）は場利用時間（ＦＦＢ）から場所における利用時間回数を描画する処理である。描画した結果が図３６の場利用時間グラフ（ＫＦＡ３）である。場利用時間（ＦＦＢ）から時間別に利用回数を棒グラフで表示する。さらに、円グラフでもかまわない。

最後に、場所における時系列上の温度変化の場合を求める。温度テーブル処理（Ｃ１Ｅ）は、組織ダイナミクスデータの温度データを一定期間毎に時系列順にまとめたものである。抽出した結果を解析結果テーブル（Ｆ）の温度テーブル（ＦＣ１Ｅ）に格納する。温度テーブル（ＦＣ１Ｅ）の１例を図３５に示してある。これは、ユーザを１レコードとして、時間分解能１分間（ＦＣ１Ｅ３）として、時系列順に１日（２４時間）分を格納してある表である。

温度テーブル（２００９年７月１日）（ＦＣ１Ｅ３）では、縦軸にメンバ個人を判別するためのユーザＩＤ（ＦＣ１Ｅ１）、横軸は時間分解能による時刻を示す分解能時刻（ＦＣ１Ｅ２）となっている。ある時刻におけるユーザの温度テーブル状況は、ユーザＩＤ（ＦＣ１Ｅ１）と分解能時刻（ＦＣ１Ｅ２）しているところを読み取るだけでよい。例えば、ユーザＩＤが００１の２００９／７／１ １０：０２の温度は２３．５である。該当するユーザでかつその時刻の組織ダイナミクスデータの温度データが存在しない場合にＮＵＬＬが温度テーブル（ＦＣ１Ｅ）に格納される。

温度テーブル（ＦＣ１Ｅ）は１日かつ時間分解能に生成されるため、同じ日付でも、時間分解能が異なれば別テーブルとなる。例えば、（ＦＣ１Ｅ４）と（ＦＣ１Ｅ５）では、同じ（２００９年７月２日）であるが、時間分解能が異なるため、別テーブルとなっている。

また、温度テーブル（ＦＣ１Ｅ）は、ユーザ毎に温度テーブルを格納することが重要であるため、これが満たされるならば、温度テーブル（ＦＣ１Ｅ）で用いられているテーブル構成と異なってもかまわない。

場平均温度（ＣＦＣ）は、場における平均温度を求める処理である。場所テーブル（ＦＣ１Ｄ）には場所に在籍しているメンバが時系列順に記載されているため、これから温度テーブル（ＦＣ１Ｅ）を参照することで、場における平均温度を求める。

この結果を解析結果テーブル（Ｆ）の場温度（ＦＦＣ）に格納する。テーブル構成は場所ＩＤ（ＦＦＣ１）とＩｎｄｅｘ（ＦＦＣ２）から構成されている。
場所ＩＤ（ＦＦＡ１）を１レコードとして、Ｕｓａｇｅ ｒａｔｅ（ＦＦＡ３）を記載する。期間：２００９年７月１日−７月３１日（ＦＦＡ４）は温度テーブル（ＦＣ１Ｄ）に用いた期間をしている。

場温度フラグ（ＪＦ３）は温度テーブル（ＦＣ１Ｅ）と場温度（ＦＦＣ）から時系列上に場所の利用状況を描画する処理である。描画した結果が図３６の場温度グラフ（ＫＦＡ４）である。温度テーブル（ＦＣ１Ｄ）から時系列上に該当するユーザの温度データの折れ線グラフで表示する。そして、場温度（ＦＦＣ）から求めたＵｓａｇｅ ｒａｔｅ（ＦＦＣ３）を表示する。

場利用状況マップ描画（ＪＦ）の場マップ統合（ＪＦ４）では、場在籍グラフ（ＪＦ１）、場利用回数グラフ（ＪＦ２）と場温度フラグ（ＪＦ３）から求めたれた画像である場在籍グラフ（ＫＦＢ２）、場利用時間グラフ（ＫＦＢ３）と場温度グラフ（ＫＦＢ４）を見取り図へマッピングして描画する処理である。

描画した結果が、図３６の場利用状況マップ（ＫＦＡ）である。見取り図（ＫＦＡ１）のように、見取り図における該当場所に場所名のアイコン（例えば（ＫＦＡ１２）や（ＫＦＡ１２））を配置する。そして、場所名のアイコンをクリックしたら、その場における場在籍グラフ（ＫＦＡ２）、場利用時間グラフ（ＫＦＡ３）と場温度グラフ（ＫＦＡ４）がホップアップされる。クリックアイコンの色を変化させる。
このように、見取り図上の場に場利用状況情報をマッピングすることで、実態感を向上させることができる。

コミュニケーションがどのぐらいの周期で行なわれているのかが重要である。通常のネットワーク図では対面の総和でしかなく、どのぐらいの周期で対面しているかがわからない。そこで、実施例８では、ネットワーク図上に対面周期を反映させることにより、コミュニケーション頻度を可視化させる。

図３７は、コミュニケーションの周期をネットワーク図上に反映させるための処理手順を示した図である。対面周期解析（ＣＧ）によって対面時間と対面周期を求め、対面周期ネットワーク図描画（ＪＧＡ）によってネットワーク図を作成し、この結果が対面周期ネットワーク図（ＫＧＡ）である。また、ネットワーク図を作成するだけでなく、対面周期ヒストグラム図描画（ＪＧＢ）によってユーザ毎の周期別対面時間を示すヒストグラム図を作成し、この結果が対面周期ヒストグラム図（ＫＧＢ）である。

この処理は、実施例１と同じフレームワークで処理することが可能であり、対面周期解析（ＣＧ）はアプリケーションサーバ（ＡＳ）の制御部（ＡＳＣＯ）、対面周期ネットワーク図描画（ＪＧＡ）と対面周期ヒストグラム図描画（ＪＧＢ）はクライアント（ＣＬ）の表示（Ｊ）で実行される。解析結果テーブル（Ｆ）の対面マトリックス（ＦＣ１Ｃ）を求めるまでは、実施例１と同じであるため説明を省略する。

対面マトリックス（ＦＣ１Ｃ）の例を図５で示している。図５では作成に用いている日数が複数日（期間：２００９年７月１日−７月３１日（ＦＣ１Ｃ３））となっているが、実施例８では、図５で示した複数日の対面マトリックスと、日数が１日の対面マトリックスを求める。

対面２値化（ＣＧＡ）は、１日毎の対面マトリックス（ＦＣ１Ｃ）に格納されている対面時間をある閾値を基準として、大きい値の場合には１、小さい値の場合には０を代入する。閾値は対面マトリックス（ＦＣ１Ｃ）の対面判定時間：３分間／１日（ＦＣ１Ｃ７）である。２値化した結果は解析結果テーブル（Ｆ）の対面２値マトリックス（ＦＧＡ）に格納させる。ファイルの形式は対面マトリックス（ＦＣ１Ｃ）と同じであるため、割愛する。対面マトリックス（ＦＣ１Ｃ）との違いは格納されている値であり、対面マトリックス（ＦＣ１Ｃ）は多値で、対面２値マトリックス（ＦＧＡ）は２値である。

対面周期抽出（ＣＧＢ）は１日の対面マトリックス（ＦＣ１Ｃ）から対面の周期を求める処理である。毎日のメンバー同士の対面から対面周期を求める。対面周期の求め方として、実質日数から対面した日数を割ったものが考えられる。対面周期の求め方は他の手法を求めてもかまわない。対面周期抽出（ＣＧＢ）によって求めた結果を解析結果テーブル（Ｆ）の対面周期マトリックス（ＦＧＢ）に格納する。

対面周期マトリックス（ＦＧＢ）の１例を図３７に示してある。１ヶ月分の対面周期結果をまとめたものとなっている。対面周期マトリックス（ＦＧＢ）では、縦軸はメンバ個人を判別するためのユーザＩＤ（ＦＧＢ１）、横軸は対面した相手を示すユーザＩＤ（ＦＧＢ２）である。ユーザ００２におけるユーザ００３との対面周期（日数）は、１．０となっており、これは毎日対面していることを意味している。この値が大きくなるにつれて、対面周期が大きくなっていることを示しており、例えば、ユーザ００１におけるユーザ００２との対面周囲は２．３であるが、これは２日ぐらいに一度対面していることを意味している。

この対面周期マトリックス（ＦＧＢ）を作成するにあたっては、多くの情報が１つのマトリックスに集約されてしまうため、もとの情報を記述しておく必要がある。期間：２００９年７月１日−７月３１日（ＦＧＢ３）は対面周期マトリックス（ＦＧＢ）に用いた期間をしている。日数：３１日間（ＦＧＢ４）は期間（ＦＧＢ３）における日数である。実質日数：２１日間（ＦＧＢ５）は期間（ＦＧＢ３）に営業日数である。

また、対面周期マトリックス（ＦＧＢ）は、ユーザの対面状況を格納することが重要であるため、これが満たされるならば、対面マトリックス（ＦＣ１Ｃ）で用いられているテーブル構成と異なってもかまわない。

対面周期ネットワーク図描画（ＪＧＡ）では、コミュニケーションの周期を求めている対面周期マトリックス（ＦＧＢ）とコミュニケーションの量である複数日の対面マトリックス（ＦＣ１Ｃ）からメンバの対面周期を考慮したネットワーク図を描画する。その例を対面周期ネットワーク図（ＫＧＡ）で示す。期間：２００９年７月１日−７月３１日（ＫＧＡ１）は対面周期マトリックス（ＦＧＢ）で用いた期間を示している。メンバを丸の点（ノード）で示している。また、メンバ間を結ぶ線（エッジ）は対面時間／周期を示している。特に線の太さは対面時間を示し、線の形状（実線、破線）は対面周期を示している。配置にはバネモデルを使用する。バネモデル（フックの法則）とは、２つのノード（点）がつながれている場合、そこにバネがあるとして力（内向きまたは外向き）を計算し、さらに自分とつながっていない全てのノードから距離に応じた斥力（反発する力）を受けるとして位置の移動を繰り返すことにより最適な配置にする手法である。点（ノード）には高橋（ＫＧＡ２）、田中（ＫＧＡ３）や渡辺（ＫＧＡ４）の様に配置する。ユーザＩＤ表（ＩＡ）を利用してユーザＩＤ（ＩＡ１）からユーザ名（ＩＡ２）を求め、表示する。そして、田中（ＫＧＡ３）と渡辺（ＫＧＡ４）の対面状況は両者を結ぶ線（エッジ）で示しており、（ＫＧＡ５）では対面時間が短いが毎日対面していることを示している。また、田中（ＫＧＡ３）と高橋（ＫＧＡ２）の場合が（ＫＧＡ６）であり、対面時間が多いが対面周期が長い（数日に１度の対面周期）ということを示している。

対面周期ヒストグラム図描画（ＪＧＢ）では、コミュニケーションの周期を求めている対面周期マトリックス（ＦＧＢ）とコミュニケーションの量である複数日の対面マトリックス（ＦＣ１Ｃ）からメンバ毎の対面周期を考慮したヒストグラムを描画する。

描画した結果を対面周期ヒストグラム図（ＫＧＢ）で示す。期間：２００９年７月１日−７月３１日（ＫＧＢ２）は対面周期マトリックス（ＦＧＢ）で用いた期間を示している。メンバ毎の対面周期別の対面時間を示している。高橋（ＫＧＢ２）、田中（ＫＧＢ３）、渡辺（ＫＧＢ４）はユーザであり、その上にある帯状のものが周期別の対面時間である。帯の構成は周期２以上のメンバとの対面時間（ＫＧＢ５）と周期２未満のメンバとの対面時間（ＫＧＢ６）であり、帯の長さが合計対面時間（ＫＧＢ７）を示している。

このように、コミュニケーションがどのぐらいの周期で行なっているかをネットワーク図上に反映することで、コミュニケーションの質を可視化し、実態感を向上させる。

コミュニケーション時の対面人数を知ることが重要である。通常のネットワーク図ではコミュニケーションを２者間の対面で表示してしまうため、何人でコミュニケーションしていたのかがわからない。そこで、実施例９では、ネットワーク図上にコミュニケーション時の対面人数を反映させることにより、コミュニケーション状況を可視化させる。

図３８は、コミュニケーション時の対面人数をネットワーク図上に反映させるための処理手順を示した図である。対面人数解析（ＣＨ）によって対面時間と対面人数を求め、対面人数別対面ネットワーク図描画（ＪＨＡ）によってネットワーク図を作成し、この結果が対面人数別対面ネットワーク図（ＫＨＡ）である。また、対面人数別にネットワーク図を１つに統合し、最大対面時間人数ネットワーク図描画（ＪＨＢ）によってネットワーク図を作成し、この結果が最大対面時間人数ネットワーク図（ＫＨＢ）である。

この処理は、実施例１と同じフレームワークで処理することが可能であり、対面人数解析（ＣＨ）はアプリケーションサーバ（ＡＳ）の制御部（ＡＳＣＯ）、対面人数別対面ネットワーク図描画（ＪＨＡ）と最大対面時間人数ネットワーク図描画（ＪＨＢ）はクライアント（ＣＬ）の表示（Ｊ）で実行される。解析結果テーブル（Ｆ）の対面テーブル（ＦＣ１Ａ）を求めるまでは、実施例１と同じであるため説明を省略する。

対面人数別対面マトリックス生成（ＣＨＡ）は、対面人数毎にマトリックス生成する処理である。基本的なマトリックスの生成方法は対面マトリックス作成（Ｃ１Ｃ）と同じである。しかし、１点だけ異なっており、それは、対面テーブル（ＦＣ１Ａ）の分解能時刻（ＦＣ１Ａ２）の対面人数に着目し、その対面人数によって格納する対面マトリックスが異なるということである。具体的にいうと、分解能時刻（ＦＣ１Ａ２）の対面人数が２の場合には対面人数別対面マトリックス（ＦＨＡ）の２者間対面マトリックス（ＦＨＡＡ）に代入、分解能時刻（ＦＣ１Ａ２）の対面人数が３から５の場合には対面人数別対面マトリックス（ＦＨＡ）の３者−５者間対面マトリックス（ＦＨＡＢ）に代入、分解能時刻（ＦＣ１Ａ２）の対面人数が６以上の場合には対面人数別対面マトリックス（ＦＨＡ）の６者間以上対面マトリックス（ＦＨＡＣ）に代入に代入することになる。対面人数別対面マトリックス生成（ＣＨＡ）では、予め決められた対面人数別にマトリックスを生成する処理であり、対面マトリックスの対面人数の範囲を任意に決めることができる。

対面人数別対面マトリックス生成（ＣＨＡ）は、時系列に並べられている対面テーブル（ＦＣ１Ａ）から、時系列情報を取り除き、ユーザ別にどのぐらい対面しているかを対面人数別の２次元マトリックスにまとめたものである。抽出した結果を解析結果テーブル（Ｆ）の対面人数別対面マトリックス（ＦＨＡ）に格納する。対面人数別対面マトリックス（ＦＨＡ）の１例を図３９に示してある。１ヶ月分の対面結果をまとめたものとなっている。

対面人数別対面マトリックス（ＦＨＡ）では複数の対面人数別対面マトリックスから構成されており、２者間対面マトリックス（ＦＨＡＡ）、３者−５者間対面マトリックス（ＦＨＡＢ）や６者間以上対面マトリックス（ＦＨＡＣ）から構成されている。２者間対面マトリックス（ＦＨＡＡ）では、縦軸はメンバ個人を判別するためのユーザＩＤ（ＦＨＡＡ１）、横軸は対面した相手を示すユーザＩＤ（ＦＨＡＡ２）である。例えば、ユーザ００３におけるユーザ００４との対面時間は、５４３分となっている。３者−５者間対面マトリックス（ＦＨＡＢ）や６者間以上対面マトリックス（ＦＨＡＣ）の見方も同じである。

この対面人数別対面マトリックス（ＦＨＡ）を作成するにあたっては、多くの情報が１つのマトリックスに集約されてしまうため、もとの情報を記述しておく必要がある。期間：２００９年７月１日−７月３１日（ＦＨＡ１）は対面人数別対面マトリックス（ＦＨＡ）に用いた期間をしている。日数：３１日間（ＦＨＡ２）は期間（ＦＨＡ１）における日数である。実質日数：２１日間（ＦＨＡ３）は期間（ＦＨＡ１）に営業日数である。時間分解能：１分間（ＦＨＡ４）は対面テーブル（ＦＣ１Ａ）における時間分解能である。対面判定時間：３分間／１日（ＦＨＡ５）は対面したと判定するための閾値である。すれ違ったりした場合でも、赤外線が反応してしまうと、対面したという判定になってしまうため、数回の反応はノイズである可能性が高いため、このような閾値を導入している。

また、対面人数別対面マトリックス（ＦＨＡ）は、ユーザの対面状況を格納することが重要であるため、これが満たされるならば、対面人数別対面マトリックス（ＦＨＡ）で用いられているテーブル構成と異なってもかまわない。

対面人数別対面ネットワーク図描画（ＪＨＡ）は対面人数別の対面状況を示している対面人数別対面マトリックス（ＦＨＡ）から対面人数別のネットワーク図の描画を行なう処理である。

その例を対面人数別対面ネットワーク図（ＫＨＡ）で示す。期間：２００９年７月１日−７月３１日（ＫＨＡ１）は対面人数別対面マトリックス（ＦＨＡ）で用いた期間を示している。対面人数別対面ネットワーク図（ＫＨＡ）は３つのネットワーク図から構成させており、対面人数が２者の場合の２者間ネットワーク図（ＫＨＡＡ）、３者から５者の場合の３者−５者間ネットワーク図（ＦＨＡＢ）、６者以上の場合の６者間以上ネットワーク図（ＦＨＡＣ）である。

２者間ネットワーク図（ＫＨＡＡ）を例として説明する。メンバを丸の点（ノード）で示している。また、メンバ間を結ぶ線（エッジ）は対面時間を示している。特に線の太さは対面時間を示している。配置にはバネモデルを使用する。バネモデル（フックの法則）とは、２つのノード（点）がつながれている場合、そこにバネがあるとして力（内向きまたは外向き）を計算し、さらに自分とつながっていない全てのノードから距離に応じた斥力（反発する力）を受けるとして位置の移動を繰り返すことにより最適な配置にする手法である。

点（ノード）には伊藤（ＫＨＡＡ１）、渡辺（ＫＨＡＡ２）や山本（ＫＨＡＡ３）の様に配置する。ユーザＩＤ表（ＩＡ）を利用してユーザＩＤ（ＩＡ１）からユーザ名（ＩＡ２）を求め、表示する。

そして、伊藤（ＫＨＡＡ１）と渡辺（ＫＨＡＡ２）は２者の対面をしているので、両者を線（エッジ）で結ぶ（ＫＨＡＡ４）。また、伊藤（ＫＨＡＡ１）と山本（ＫＨＡＡ３）の場合が（ＫＨＡＡ５）である。点（ノード）間を線（エッジ）を結ぶ際に、対面人数別対面マトリックス（ＦＨＡ）が小さい値の場合にはノイズとして結ばなくてもかまわない。この閾値として、対面人数別対面マトリックス（ＦＨＡ）の対面判定時間：３分間／１日（ＦＨＡ５）と実質日数：２１日間（ＦＨＡ３）を掛け合わしたものを使用してもかまわない。また、２者間ネットワーク図（ＫＨＡＡ）と同様に、３者−５者間ネットワーク図（ＦＨＡＢ）や６者間以上ネットワーク図（ＦＨＡＣ）も求める。

最大対面時間マトリックス生成（ＣＨＢ）とは対面人数別における最大対面時間を選択し、それをマトリックスに格納する処理である。具体的には、対面人数別対面マトリックス（ＦＨＡ）のそれぞれのマトリックスから最大の値を 選択し、最大対面時間マトリックス（ＦＨＢ）に格納することである。最大対面時間マトリックス（ＦＨＢ）について図４０を用いて説明する。最大対面時間マトリックス（ＦＨＢ）では、縦軸はメンバ個人を判別するためのユーザＩＤ（ＦＨＢ６）、横軸は対面した相手を示すユーザＩＤ（ＦＨＢ７）である。例えば、ユーザ００３におけるユーザ００４との対面時間は、５４３分となっている。求め方は、対面人数別対面マトリックス（ＦＨＡ）の２者間対面マトリックス（ＦＨＡＡ）と３者−５者間対面マトリックス（ＦＨＡＢ）と６者間以上対面マトリックス（ＦＨＡＣ）のユーザ００３におけるユーザ００４との対面時間を比較し、５４３、９３、０の中から最大の値である５４３を選択する。

この最大対面時間マトリックス（ＦＨＢ）を作成するにあたっては、多くの情報が１つのマトリックスに集約されてしまうため、もとの情報を記述しておく必要がある。期間：２００９年７月１日−７月３１日（ＦＨＢ１）は最大対面時間マトリックス（ＦＨＢ）に用いた期間をしている。日数：３１日間（ＦＨＢ２）は期間（ＦＨＢ１）における日数である。実質日数：２１日間（ＦＨＢ３）は期間（ＦＨＢ１）に営業日数である。時間分解能：１分間（ＦＨＢ４）は対面テーブル（ＦＣ１Ａ）における時間分解能である。対面判定時間：３分間／１日（ＦＨＢ５）は対面したと判定するための閾値である。すれ違ったりした場合でも、赤外線が反応してしまうと、対面したという判定になってしまうため、数回の反応はノイズである可能性が高いため、このような閾値を導入している。また、最大対面時間マトリックス（ＦＨＢ）は、ユーザの対面状況を格納することが重要であるため、これが満たされるならば、最大対面時間マトリックス（ＦＨＢ）で用いられているテーブル構成と異なってもかまわない。

最大対面時間人数マトリックス生成（ＣＨＣ）とは対面人数別における最大対面時間を選択したときの対面人数をマトリックスに格納する処理である。具体的には、対面人数別対面マトリックス（ＦＨＡ）の対面人数別のマトリックスから最大の値が格納されていたマトリックスが担当している対面人数を最大対面時間人数マトリックス（ＦＨＣ）に格納することである。

最大対面時間人数マトリックス生成（ＣＨＣ）について説明する。最大対面時間人数マトリックス（ＦＨＣ）では、縦軸はメンバ個人を判別するためのユーザＩＤ（ＦＨＣ６）、横軸は対面した相手を示すユーザＩＤ（ＦＨＣ７）である。例えば、ユーザ００３におけるユーザ００４は、１となっている。格納される値（ＦＨＣ８）は、１を２者間、２を３者−５者間、３を６者間以上と示している。これは、対面人数別対面マトリックス（ＦＨＡ）の対面人数範囲と同じである。求め方は、対面人数別対面マトリックス（ＦＨＡ）の２者間対面マトリックス（ＦＨＡＡ）と３者−５者間対面マトリックス（ＦＨＡＢ）と６者間以上対面マトリックス（ＦＨＡＣ）のユーザ００３におけるユーザ００４との対面時間を比較し、５４３、９３、０の中から最大の値である５４３を選択する。そして、５４３は２者間対面マトリックス（ＦＨＡＡ）からであり、それを意味する１を代入する。

この最大対面時間人数マトリックス（ＦＨＣ）を作成するにあたっては、多くの情報が１つのマトリックスに集約されてしまうため、もとの情報を記述しておく必要がある。期間：２００９年７月１日−７月３１日（ＦＨＣ１）は最大対面時間人数マトリックス（ＦＨＣ）に用いた期間をしている。日数：３１日間（ＦＨＣ２）は期間（ＦＨＣ１）における日数である。実質日数：２１日間（ＦＨＣ３）は期間（ＦＨＣ１）に営業日数である。時間分解能：１分間（ＦＨＣ４）は対面テーブル（ＦＣ１Ａ）における時間分解能である。対面判定時間：３分間／１日（ＦＨＣ５）は対面したと判定するための閾値である。すれ違ったりした場合でも、赤外線が反応してしまうと、対面したという判定になってしまうため、数回の反応はノイズである可能性が高いため、このような閾値を導入している。

また、最大対面時間人数マトリックス（ＦＨＣ）は、ユーザの対面状況を格納することが重要であるため、これが満たされるならば、最大対面時間人数マトリックス（ＦＨＣ）で用いられているテーブル構成と異なってもかまわない。

最大対面時間人数ネットワーク図描画（ＪＨＢ）は最大対面時間マトリックス（ＦＨＢ）と最大対面時間人数マトリックス（ＦＨＣ）から最大対面時間している時の対面人数をネットワーク図に描画する処理である。

その例を最大対面時間人数ネットワーク図４１（ＫＨＢ）で示す。期間：２００９年７月１日−７月３１日（ＫＨＢ１）は最大対面時間マトリックス（ＦＨＢ）と最大対面時間人数マトリックス（ＦＨＣ）で用いた期間を示している。

メンバを丸の点（ノード）で示している。また、メンバ間を結ぶ線（エッジ）は対面時間を示している。特に線の太さは対面時間を示している。配置にはバネモデルを使用する。バネモデル（フックの法則）とは、２つのノード（点）がつながれている場合、そこにバネがあるとして力（内向きまたは外向き）を計算し、さらに自分とつながっていない全てのノードから距離に応じた斥力（反発する力）を受けるとして位置の移動を繰り返すことにより最適な配置にする手法である。点（ノード）には伊藤（ＫＨＢ２）、田中（ＫＨＢ３）や渡辺（ＫＨＢ４）の様に配置する。ユーザＩＤ表（ＩＡ）を利用してユーザＩＤ（ＩＡ１）からユーザ名（ＩＡ２）を求め、表示する。

そして、伊藤（ＫＨＢ２）と渡辺（ＫＨＢ４）は最大対面時間マトリックス（ＦＨＢ）から５４３分、最大対面時間人数マトリックス（ＦＨＣ）から１ということで、２者の対面で５４３分間行なっていると読み取る。そして、線（エッジ）は（ＫＨＢ５）のようになる。また、伊藤（ＫＨＢ２）と田中（ＫＨＢ３）は最大対面時間マトリックス（ＦＨＢ）から２１５分、最大対面時間人数マトリックス（ＦＨＣ）から２ということで、２者―５者間の対面で２１５分間行なっていると読み取る。そして、線（エッジ）は（ＫＨＢ７）のようになる。特に線の太さは対面時間を示し、線の形状（実線、破線）は対面人数を示している。点（ノード）間を線（エッジ）を結ぶ際に、最大対面時間マトリックス（ＦＨＢ）が小さい値の場合にはノイズとして結ばなくてもかまわない。この閾値として、最大対面時間マトリックス（ＦＨＢ）の対面判定時間：３分間／１日（ＦＨＢ５）と実質日数：２１日間（ＦＨＢ３）を掛け合わしたものを使用してもかまわない。

このように、コミュニケーションがどのぐらいのメンバで対面を行なっているのかをネットワーク図上に反映することで、コミュニケーションの質を可視化し、実態感を向上させることができる。

組織毎に仕事のやり方や雰囲気が異なることが多く、通常、その組織に関わるとその組織の風土がわかる。また、組織間での差を知りたいが、主観的なことが多く、定量化できない。そこで、実施例１０では、その組織に関わらなくても、組織間の比較を一見して理解できる可視化を行なう。

図４２は、組織毎の風土を可視化するための処理手順を示した図である。周波数主成分抽出（ＣＩＡ）によって行動指標とパーソナリティ指標から主成分を求め、組織周波数算出（ＣＩＢ）によって組織毎に時系列の傾向にまとめ、組織周波数グラフ描画（ＪＩ）によって、組織別の時系列グラフを生成し、この結果が組織周波数（ＫＩ）である。

この処理は、実施例１と同じフレームワークで処理することが可能であり、組織周波数解析（ＣＩ）はアプリケーションサーバ（ＡＳ）の制御部（ＡＳＣＯ）、組織周波数グラフ描画（ＪＩ）はクライアント（ＣＬ）の表示（Ｊ）で実行される。解析結果テーブル（Ｆ）の説明変数（ＦＦＡ）を求めるまでは、実施例１と同じであるため説明を省略する。

周波数主成分抽出（ＣＩＡ）は個人別の解析結果テーブル（Ｆ）の説明変数（ＦＦＡ）から組織の活動における特徴を求める処理である。具体的には、解析結果テーブル（Ｆ）の説明変数（ＦＦＡ）を主成分分析することにより、活動における特徴を明らかにする。この結果を解析結果テーブル（Ｆ）の周波数主成分（ＦＩＡ）に格納する。その一例を図４３に示す。

周波数主成分（ＦＩＡ）について説明する。周波数主成分（ＦＩＡ）は組織活動の特徴を格納するテーブルである。期間：２００９年７月１日（ＦＩＡ１）は分析に用いた期間／日付が記載される。組織（ＦＩＡ２）は分析する組織である。説明変数（ＦＩＡ３）は分析する際の要素であり、項目は解析結果テーブル（Ｆ）の説明変数（ＦＦＡ）と同じである。第１主成分（ＦＩＡ４）は第１の主成分の値である。第２主成分（ＦＩＡ５）は第２の主成分の値である。本例として、主成分分析を用いたが、組織活動における特徴を明らかになるならば、他の手法を用いてもかまわない。また、周波数主成分（ＦＩＡ）では、第２主成分まで格納したが、それ以降（第３以降）の主成分を格納してもかまわない。

組織周波数算出（ＣＩＢ）では周波数主成分抽出（ＣＩＡ）でもとめた指標を時系列毎に１つにまとめる処理である。具体的には、１日毎に、周波数主成分（ＦＩＡ）から組織毎の第１主成分（ＦＩＡ４）と第２主成分（ＦＩＡ５）を２次元にマッピングし、重心を求める。そして、原点からの距離を組織周波数値とする。

組織周波数（ＦＩＢ）について説明する。組織周波数（ＦＩＢ）は組織活動の特徴を時系列毎に格納するテーブルである。組織（ＦＩＢ１）は分析する組織である。日付（ＦＩＢ２）は分析対象日である。この表の見方として、組織Ａの２００９年７月２日の組織周波数は１．５である。

本例として、組織毎に説明変数の第１主成分と第２主成分を２次元にマッピングし、重心を求めたが、組織活動における特徴がわかるならば、他の手法を求めてもかまわない。

組織周波数グラフ描画（ＪＩ）は組織周波数（ＦＩＢ）から組織毎に時系列における組織周波数を折れ線グラフで描画する処理である。その例を図４４の組織周波数グラフ（ＫＩ）で示す。横軸は日付（ＫＩ１）、縦軸は組織周波数（ＫＩ２）である。組織毎に組織周波数（ＦＩＢ）からの値を折れ線グラフでプロットする。このように、組織毎に仕事のやり方や雰囲気を組織周波数として、時系列上にプロットすることで、その組織に関わらなくても、組織間の比較を一見して理解できるようになる。

解析結果からの施策はいろいろあるが、それを普段使うことにより、無意識により改善することが重要である。実施例１１では、活性化を高め、ストレスを低減するための施策としての席替配置について述べる。

組織内のメンバの対面ネットワーク分析結果と、パーソナリティ指標の両方を使って、実際の組織内の座席配置を決定する実施例を、図４５を使用して説明する。

この処理は、実施例１と同じフレームワークで処理することが可能であり、席替解析（ＣＪ）はアプリケーションサーバ（ＡＳ）の制御部（ＡＳＣＯ）、場への座席配置描画（ＪＪ）はクライアント（ＣＬ）の表示（Ｊ）で実行される。解析結果テーブル（Ｆ）の対面マトリックス（ＦＣ１Ｃ）とパーソナリティ指標（ＦＡＡＥ）を求めるまでは、実施例１と同じであるため説明を省略する。

一般には、組織内のメンバの座席配置はその組織それぞれで、異なった目的を持って実施される。たとえば、組織内のそれぞれのメンバのストレスを低減したり、または、組織内でのコミュニケーションを活性化するなどがその目的の例である。ここでは、センサで取得されたデータから分析される対面ネットワーク分析結果と、パーソナリティ指標を使って、組織内でのストレスを低減し、かつコミュニケーションを活性化させることを目的として、組織内のメンバの座席配置を決定する例を説明する。

処理の流れを図４５に示す。センサにより得られた対面マトリクス（ＦＣ１Ｃ）から、ネットワーク図を作成し、その座標値を用いて、人物間のネットワーク図上での到達距離、すなわち対面距離を計算する（ＣＪＡ）。この対面距離マトリクス（ＣＪＢ）から、対面距離ネットワーク図（ＣＪＣ）を描画する。一方で、パーソナリティアンケートにより得られた組織パーソナリティ指標（ＦＡＡＥ）から、ストレスに関連する指標であるとする適応性（ＧＦＢ）を計算する（ＣＪＤ）。本発明者らは、メンバがかかえるストレスと社会への適応度を示すパーソナリティ指標（外向性、調和性、誠実性、神経性、開放性）との関係について研究を進めていく中で、これらに強い関係があることを見いだしため、本実施例では、パーソナリティ指標に基づいてストレスに関連する指標を算出する。

座席配置制約（ＣＪＦ）は、ユーザが、本実施例によって配置される座席に制約を与えるための情報である。制約とは、例えばある人物が特定の座席に強制的に配置されるよう指定したり、逆に特定の座席に配置されないように指定するなどの機能である。この情報は、クライアント（ＣＬ）からユーザがキーボード等を用いて入力することにより、与えられる。

対面距離ネットワーク図（ＣＪＣ）と、適応性（ＧＦＢ）、を使って、座席配置の最適化（ＣＪＥ）を行い、組織内の座席位置を示す場リスト（ＩＣ）とフィットさせることで、最終的な場への座席配置を得て、座席表を描画（ＪＪ）する。また、座席配置制約（ＣＩＪ）を用いて、配置される座席に制約を設けることもできる。

図４６のネットワーク図（ＺＢ）は、組織におけるネットワーク図の１例である。このネットワーク図（ＺＢ）は、センサにより得られた対面マトリクス（ＦＣ１Ｃ）から描画され、（ＺＢ１）〜（ＺＢ７）は人物を表すノードと、（ＺＢ８）〜（ＺＢ１５）は対面しているメンバ同士を結んだ線（エッジ）から構成されている。図７と同様に、対面するメンバは、ネットワーク図上でたとえばバネモデルを使用して配置される。これにより、組織内で頻繁に対面するメンバ同士は、ネットワーク図上で近く配置され、対面しないメンバ同士は遠く配置される。

既に説明したように、ネットワーク図から組織内でのコミュニケーションの活性度を評価する指標には、ネットワーク指標（ＦＡＡＡ）である、次数（ＦＡＡＡ２）、結束度（ＦＡＡＡ２）、２ステップ到達度（ＦＡＡＡ３）などがある。次数（ＦＡＡＡ２）は、ノードに繋がっているエッジの数、結束度（ＦＡＡＡ２）は、自分の周りのノードの密度、２ステップ到達度（ＦＡＡＡ３）は、全体において、２ステップ以内の範囲に存在するノードの割合である。

ネットワーク上で遠くに配置されている者同士が、直接コミュニケーションすれば、次数（ＦＡＡＡ２）、結束度（ＦＡＡＡ２）、２ステップ到達度（ＦＡＡＡ３）はより大きな値を持つことは自明である。つまり、組織内のコミュニケーションを活性化にするためには、このネットワーク図上で遠くに配置されている者同士のコミュニケーションを促せばよい。

ここでは、ネットワーク図上で遠くに配置されるメンバ同士の座席を近く配置し、そのメンバ間の物理的距離を減少させることで容易に会話をすることを可能にし、その結果、そのメンバ間のコミュニケーションを活性化させることを考える。

図４７は、図４６のネットワーク図上の全てのメンバ同士（人物（ＣＪＡ１Ａ）から人物（ＣＪＡ１Ｂ））が、ネットワーク上で到達するためのステップ数を示している。ステップ数が小さいほどコミュニケーションが緊密であり、ステップ数が大きいほど、コミュニケーションが疎遠であることを示す。これをマトリックスによって表記したのが図４８の対面距離マトリクス（ＣＪＢ）である。この対面距離マトリクス（ＣＪＢ）を、対面マトリックスから対面ネットワーク図を作成するのと同様に、対面距離ネットワーク図として作成したのが図４９で示す対面距離ネットワーク図（ＣＪＣ）である。

図４９では、簡略化のため対面ステップ数１のエッジは省略し、対面ステップ数２のエッジは波線で表記した。太い実線で示した（ＣＪＣ８）がステップ数４のエッジ、細い実線で示した（ＣＪＣ９）、（ＣＪＣ１０）、（ＣＪＣ１１）、（ＣＪＣ１２）、（ＣＪＣ１３）がステップ数３のエッジを示す。

対面ネットワークにおいて、指標２ステップ到達度（ＦＡＡＡ３）を増大させるためには、図４９に示した対面距離ネットワーク図で実線で表記されているステップ数３以上のエッジ（（ＣＪＣ８）〜（ＣＪＣ１３））を持つ人物同士を、実際の組織内での座席を近く配置し、コミュニケーションを促せばよい。

さて、パーソナリティアンケート（ＧＡ）からパーソナリティ指標（ＦＡＡＥ）として、外向性、調和性、誠実性、神経性、開放性の５つのパーソナリティ指標が計算される。これらは、それぞれ０から１までの値を持つ。この５つのパーソナリティ指標全てを加算したものを適応性（ＧＦＢ）と呼ぶ。適応性（ＧＦＢ）は０から５までの値を持つ。

ここで、組織内対面ネットワークにおいて、ある人物の直接周囲（ネットワーク上で直接エッジが接続されている人物）に、適応性（ＧＦＢ）が自分より高い人が多い場合、その人物のストレスが高くなる傾向があるとする。

この場合、その人物の対面ネットワーク上の直接周囲に、適応性（ＧＦＢ）の高い人物が集中しないようにすれば、その人のストレスを低減させることができる。具体的には、その人物の座席の周囲に、適応性（ＧＦＢ）が高い人物が集中しないようにすることで、その人物のストレスを軽減させる。

一般には、ある人物が、その人物より適応性（ＧＦＢ）が高い人物に囲まれない座席の配置方法は、無数に存在する。この配置は、コンピュータシミュレーションや計算で求めても良い。ここでは、その例として、適応性（ＧＦＢ）が高い者同士、または適応性（ＧＦＢ）が低い者同士を２人ずつ組み合わせ、それを２セットずつ交互に配置することで実現した例を図５０に示す。（ＣＪＥ１）に代表される適応性（ＧＦＢ）が高い人物を、網掛けの円で、（ＣＪＥ３）で代表される適応性（ＧＦＢ）が低い人物を、白い円で示す。適応性（ＧＦＢ）が高い人物同士をペアにしたものが（ＣＪＥ２）、適応性（ＧＦＢ）が低い人物同士をペアにしたものが（ＣＪＥ４）である。本配置では、適応性（ＧＦＢ）が低い人物に注目すれば、仮に一辺を適応性（ＧＦＢ）が高い人物と接したとしても、異なる辺では必ず適応性（ＧＦＢ）が低い人物と接するため、ストレスが高くなることはないと想定される。

たとえば、対面ネットワーク図（ＺＢ）上の人物の適応性（ＧＦＢ）を記載した表が図５１である。全員の適応性（ＧＦＢ）の平均値は２．５であり、これを上回るものを網掛けで表記した。ストレスを低減する座席配置を実現するためには、たとえば図５０に示した配置ルールに従って座席を決定すればよい。

以上の方針を適用して座席配置を最適化（ＣＪＥ）し、場への座席配置描画（ＪＪ）によって、組織の場リスト（ＩＣ）にフィットさせて決定した例が図５２である。

本座席配置は、対面コミュニケーションの少ない人物同士を近くに配置してコミュニケーションを活性化するとともに、適応性（ＧＦＢ）の高い人物に適応性（ＧＦＢ）の低い人物が囲まれない、組織全体のストレスの低減を同時に実現する座席配置である。

本実施例は、センサで取得されたデータから分析される対面ネットワーク分析結果と、パーソナリティ指標を使って自動的に最適な組織の座席配置を可能にするものである。座席の配置に希望があり、その配置を制御したい場合には、座席配置制約（ＣＪＥ）により、自動配置される座席に制約を与えることができる。これにより、ユーザが配置される結果に変更を加えながら、比較・検討することを可能にする。

組織内のメンバの対面ネットワーク分析結果と、パーソナリティ指標の両方を使って、実際の組織内の座席配置することにより、活性化を高め、ストレスを低減するための施策を普段使いの状況で実現することができる。

実施例１２では、対面コミュニケーションと職位の階層を同時に表示可能なネットワーク図を生成する。従来のネットワーク図では、現在の職位の階層との関係を見ることができない。ネットワーク図の配置を決める際に、職位の階層（ノード）を考慮することで、この問題を解決する。

図５３は、対面コミュニケーションと職位の階層を同時に表示するための処理手順を示した図である。職位階層ネットワークモデル化解析（ＣＫ）によってモデルを構成し、職位階層ネットワーク図描画（ＪＫ）によって描画を行ない、描画した結果は職位階層ネットワーク図（ＫＫ）である。

この処理は、実施例１と同じフレームワークで処理することが可能であり、職位階層ネットワークモデル化解析（ＣＫ）はアプリケーションサーバ（ＡＳ）の制御部（ＡＳＣＯ）、職位階層ネットワーク図描画（ＪＫ）はクライアント（ＣＬ）の表示（Ｊ）で実行される。

解析結果テーブル（Ｆ）の対面マトリックス（ＦＣ１Ｃ）を求めるまでは、実施例１と同じであるため説明を省略する。

階層内外組織周波数解析（ＣＫＡ）の説明をする。階層内外組織周波数解析（ＣＫＡ）では職位の階層内や階層外における組織周波数指標を求める。処理フローは図５４に示している。

階層内外組織周波数解析（ＣＫＡ）は、実施例１０と同じフレームワークで処理することが可能であり、解析結果テーブル（Ｆ）の説明変数（ＦＦＡ）を求めるまでは、実施例１０と同じであるため説明を省略する。

階層内外周波数処理（ＣＫＡ１）では、ユーザ毎に求めた指標である解析結果テーブル（Ｆ）の説明変数（ＦＦＡ）とメンバの所属を示しているユーザ／場所情報テーブル（Ｉ）のユーザＩＤ表（ＩＡ）を入力とする。階層内周波数とは、説明変数（ＦＦＡ）の中から職位（ＩＡ４）が同じメンバのデータを選択し、特徴量として対面時間（ＦＡＡＣ２）や結束度（ＦＡＡＡ３）の平均や分散等の値とするものである。

また、階層外周波数とは、説明変数（ＦＦＡ）の中からある２つの職位（ＩＡ４）に所属しているメンバのデータ（例：担当と課長）を選択し、特徴量として対面時間（ＦＡＡＣ２）や結束度（ＦＡＡＡ３）の平均や分散等の値とするものである。階層内周波数や階層外周波数を求める計算式は、平均や分散のほかに、他の計算方法を用いてもかまわない。さらに、チーム名（ＩＡ３）や組織（ＩＡ５）毎の階層内周波数や階層外周波数の指標を求めてもかまわない。

次に、職位階層ネットワーク図座標特定（ＣＫＢ）について説明する。職位階層ネットワーク図座標特定（ＣＫＢ）では、対面コミュニケーションと職位の階層を同時に表示可能なネットワーク図を生成するための座標値を求める。処理フローは図５５に示している。

図５５に処理フローでは各メンバの座標値を求めるためのステップがＳｔｅｐ１（ＣＫＢＡ）からＳｔｅｐ４（ＣＫＢＤ）まで示している。各ステップについて説明する。

Ｓｔｅｐ１（ＣＫＢＡ）は初期配置である。画面上に予め職位別の配置エリアを決めておき、ユーザＩＤ表（ＩＡ）の職位（ＩＡ４）に従って、メンバを配置する。よって、各メンバには座標値が与えられる。さらに、対面マトリックス（ＦＣ１Ｃ）から２者間の対面時間を示している。ある一定時間以上の対面時間があるときに、配置したメンバ同士に線を結ぶ。その際に、対面時間に比例して線の太さ等を変更してもよい。例として、高橋（ＣＫＢＡ１）と田中（ＣＫＢＡ２）は一定以上の対面時間があるので、線（ＣＫＢＡ３）のように２者間を結んでいる。

Ｓｔｅｐ２（ＣＫＢＢ）とＳｔｅｐ３（ＣＫＢＣ）とで最適な配置処理を行なっている。Ｓｔｅｐ２（ＣＫＢＢ）とＳｔｅｐ３（ＣＫＢＣ）を繰り返し、ある決められた回数、および、閾値以下になるまで終了しない。

Ｓｔｅｐ２（ＣＫＢＢ）は距離計算である。Ｓｔｅｐ１（ＣＫＢＡ）では、配置を行ない、座標値が与えられる。線で結ばれているものに対して、線の長さを求め、その職位階層ネットワーク図の線の全体合計値を計算する。例として、高橋（ＣＫＢＢ１）と田中（ＣＫＢＢ２）を結んでいる線の距離は８（ＣＫＢＢ３）であり、線の全体合計値（ＣＫＢＢ４）は１４１である。

Ｓｔｅｐ３（ＣＫＢＣ）はある１つの同階層メンバの交換である。層内で最適な配置にするために、層内で２名を選択し、座標値を交換させる。例として、小林（ＣＫＢＣ１）と山本（ＣＫＢＣ２）が交換（ＣＫＢＣ３）している。

そして、Ｓｔｅｐ２（ＣＫＢＢ）に戻り、距離計算を行ない、交換前の線の全体合計値を比較し、値が小さくなれば成功とみなしそれぞれのメンバの座標値を更新する。もし、値が小さくならなかった場合には、座標値を基に戻す。これらを繰り返し、ある決められた回数、および、閾値以下になるまで終了しない。

Ｓｔｅｐ４（ＣＫＢＤ）は所属の重心の計算である。同じチーム名（ＩＡ３）のメンバ、もしくは、同じ組織（ＩＡ５）のメンバが何処に分布しているのかを明らかにする。メンバの座標値をユーザＩＤ表（ＩＡ）のチーム名（ＩＡ４）や組織（ＩＡ５）からメンバの座標の平均値を求める。例では、営業の重心（ＣＫＢＤ１）や開発の重心の座標値を求めている。計算式は、平均値のほかに、他の計算方法を用いてもかまわない。さらに、職位を考慮してもかまわない。

職位階層ネットワーク図座標特定（ＣＫＢ）は最適な座標値を求めることができればよく、他の処理を用いてもかまわない。

職位階層ネットワーク図座標特定（ＣＫＢ）の座標値を格納したものが、職位階層ネットワーク図座標リスト（ＦＫ）である。解析結果テーブル（Ｆ）の職位階層ネットワーク図座標リスト（ＦＫ）の例を図５６に示す。

職位階層ネットワーク図座標リスト（ＦＫ）の期間（ＦＫ１）はデータに含まれている期間を示しており、対面マトリックス（ＦＣ１Ｃ）の期間（ＦＣ１Ｃ３）と同じである。日数（ＦＫ２）はデータに含まれている日数を示しており、日数（ＦＣ１Ｃ４）と同じである。実質日数（ＦＫ３）は期間（ＦＫ１）の営業日数を示したものであり、営業日数（ＦＣ１Ｃ５）と同じである。時間分解能（ＦＫ４）は対面テーブル（ＦＣ１Ａ）における時間分解能であり、時間分解能（ＦＣ１Ｃ６）と同じである。対面判定時間（ＦＫ５）は対面したと判定するための閾値であり、対面判定時間（ＦＣ１Ｃ７）と同じである。

ユーザＩＤ（ＦＫ６）はユーザのＩＤを示しており、ユーザＩＤ表（ＩＡ）と対応している。座標値（ＦＫ７）は職位階層ネットワーク図座標特定（ＣＫＢ）によって求めたメンバの座標値が格納されている。

チーム名（ＦＫ８）はチームの名前を示しており、ユーザＩＤ表（ＩＡ）と対応している。座標値（ＦＫ９）は職位階層ネットワーク図座標特定（ＣＫＢ）によって求めたチームの重心の座標値が格納されている。

職位階層ネットワーク図描画（ＪＫ）では、職位階層ネットワーク図座標特定（ＣＫＢ）によって生成した職位階層ネットワーク図座標リスト（ＦＫ）とユーザ／場所情報テーブル（Ｉ）のユーザＩＤ表（ＩＡ）を用いて、対面コミュニケーションと職位の階層を同時に表示可能なネットワーク図を、図５３に示すように描画する

職位階層ネットワーク図（ＫＫ）で示す、期間：２００９年７月１日−７月３１日（ＫＫ１）は職位階層ネットワーク図座標リスト（ＦＫ）で用いた期間（ＦＫ１）を示している。

ネットワーク図（ＫＫＡ）では、まず、画面上に予め職位別の配置エリアを決めておき、ユーザＩＤ表（ＩＡ）の職位（ＩＡ４）に従って、例に記載してある部長（ＫＫＡ１）、課長（ＫＫＡ２）、担当（ＫＫＡ３）のような、職位のエリアを描画する。

職位階層ネットワーク図座標リスト（ＦＫ）に格納されているユーザＩＤ（ＦＫ６）とその座標値（ＦＫ７）を基に図形をプロットする。また、プロットした図形の周囲に、ユーザＩＤ表（ＩＡ）のユーザ名（ＩＡ２）を記載する。図形の形はユーザＩＤ表（ＩＡ）に記載してある、チーム名（ＩＡ３）、職位（ＩＡ４）、組織（ＩＡ５）によって変えてもかまわない。

また、解析結果テーブル（Ｆ）の対面マトリックス（ＦＣ１Ｃ）から２者間の対面時間を示している。ある一定時間以上の対面時間があるときに、配置したメンバ同士に線を結ぶ。その際に、対面時間に比例して線の太さ等を変更してもよい。

さらに、職位階層ネットワーク図座標リスト（ＦＫ）に格納されているチーム名（ＦＫ８）と座標値（ＦＫ９）を基に、チームの重心座標値を中心とした、エリア図形のプロットを行なう。例に記載してある営業（ＫＫＡ５）、開発（ＫＫＡ６）のような、チーム名のエリアを描画する。

次に、階層内外指標（ＫＫＢ）では、階層内外組織周波数解析（ＣＫＡ）にて求めた階層内と階層間の組織周波数指標を記載する。図５３の階層内外指標（ＫＫＢ）では表形式での表示であるが、それをグラフ化（折れ線、棒線、円、帯、散布図、レーダーチャート）して表示してもかまわない。

さらに、図５３の職位階層ネットワーク図（ＫＫ）のネットワーク図（ＫＫＡ）では、ユーザＩＤ表（ＩＡ）における組織（ＩＡ５）が金融のメンバを表示した例であるが、これをチーム名（ＩＡ３）に限定した表示が図５７のネットワーク図（ＫＫＣ）である。ネットワーク図（ＫＫＡ）を作成したとき同じように、該当メンバを抽出し、そのメンバの座標値が記載している職位階層ネットワーク図座標リスト（ＦＫ）をみて、図形をプロットする。ネットワーク図（ＫＫＣ）の例ではチーム名（ＩＡ３）における営業のメンバのみを選択して、表示している。解析結果テーブル（Ｆ）の対面マトリックス（ＦＣ１Ｃ）から２者間の対面時間を示している。ある一定時間以上の対面時間があるときに、配置したメンバ同士に線を結ぶ。その際に、対面時間に比例して線の太さ等を変更してもよい。

さらに、組織のメンバと外部のメンバとの繋がりを示したものが図５７のネットワーク図（ＫＫＤ）である。ネットワーク図（ＫＫＡ）やネットワーク図（ＫＫＣ）を作成したとき同じように、該当メンバを抽出し、そのメンバの座標値が記載している職位階層ネットワーク図座標リスト（ＦＫ）をみて、図形をプロットする。ネットワーク図（ＫＫＤ）の例ではチーム名（ＩＡ３）における営業のメンバと営業のメンバと繋がっているメンバ（外部メンバ）を選び、表示している。解析結果テーブル（Ｆ）の対面マトリックス（ＦＣ１Ｃ）から２者間の対面時間を示している。ある一定時間以上の対面時間があるときに、配置したメンバ同士に線を結ぶ。その際に、対面時間に比例して線の太さ等を変更してもよい。また、外部メンバ同士の対面については、メンバ同士の線を結ばなくてもかまわない。

さらにネットワーク図（ＫＫＣ）やネットワーク図（ＫＫＤ）に応じて、階層内外指標(ＫＫＢ)を表示してもかまわない。

本実施例によれば、対面コミュニケーションと職位の階層を同時に表示可能なネットワーク図を生成することで、ネットワーク図上で、実際にどのようなチーム構成で活動しているのかがわかるようになる。

以上、本発明の実施例について説明したが、本発明は上記実施例に限定されるものではなく、種々変形実施可能であり、上述した各実施例を適宜組み合わせることが可能であることは、当業者に理解されよう。

ＴＲ 名札型センサノード
ＧＷ 基地局
ＳＳ センサネットサーバ
ＡＳ アプリケーションサーバ
ＣＬ クライアント
ＮＷ ネットワーク
ＡＳＭＥ 記憶部
ＡＳＣＯ 制御部
ＣＡ モデル化解析
ＡＳＣＣ 通信制御
ＡＳＳＲ 送受信部

Claims (12)

1. 複数の人物で構成される組織の分析を行う組織行動分析装置であって、
   上記複数の人物それぞれに装着される端末の赤外線送受信部及び加速度センサで取得されるセンサデータ、及び、上記複数の人物それぞれの主観的評価又は客観的評価を示すデータを受信する受信部と、
   上記センサデータ及び上記主観的評価又は客観的評価を示すデータを解析する制御部と、
   上記制御部が解析を行うための解析条件と上記制御部が解析した結果とを記録する記録部と、を備え、
   上記制御部は、
   上記複数の人物ごとに、上記組織内での人物間の関係及び上記組織内での行動を示す指標を、上記解析条件に基づいて上記センサデータから算出して上記記録部に記録し、
   上記複数の人物ごとに、行動と思考の特性を示す指標を、上記解析条件に基づいて上記主観的評価を示すデータから算出して上記記録部に記録し、
   上記複数の人物それぞれの上記行動と思考の特性を示す指標と、上記組織内での人物間の関係及び上記組織内での行動を示す指標との相関をとり、上記組織における上記主観的評価又は上記客観的評価を示すデータの要因を特定する組織行動分析装置。
2. 請求項１に記載の組織行動分析装置において、
   上記制御部は、
   上記赤外線送受信部で取得されるデータから上記複数の人物それぞれの対面状況を示す対面テーブルを作成する対面テーブル作成部と、
   上記加速度センサで取得されるデータから上記複数の人物それぞれの動きを示す身体リズムテーブルを作成する身体リズムテーブル作成部と、
   上記対面デーブルから作成されるネットワーク図に基づいて、上記複数の人物それぞれの他の人物との繋がりを示すネットワーク指標を抽出するネットワーク指標抽出部と、
   上記身体リズムテーブルから上記複数の人物それぞれの動きを示す周波数の出現頻度及び上記周波数の継続性を含む身体リズム指標を抽出する身体リズム指標抽出部と、
   上記対面テーブルと上記身体リズムテーブルに基づいて、上記複数の人物それぞれの対面時間及び対面積極性を示す対面指標を抽出する対面指標抽出部と、
   上記対面テーブルと上記身体リズムテーブルに基づいて、上記複数の人物それぞれの活動時間を示す組織活動指標を算出する組織活動指標抽出部と、を有し、
   上記組織内での人物間の関係及び上記組織内での行動を示す指標として、上記ネットワーク指標、上記身体リズム指標、上記対面指標、及び上記組織活動指標を用いる組織行動分析装置。
3. 請求項１に記載の組織行動分析装置において、
   上記客観的評価を示すデータとは、上記複数の人物それぞれの生産性、事故不良の少なくとも何れか１つを示すデータである組織行動分析装置。
4. 請求項１に記載の組織行動分析装置において、
   上記主観的評価を示すデータとは、上記複数の人物それぞれのリーダシップ／チームワーク指標、やりがい／充実指標、及びストレス／メンタル不調指標の少なくとも何れか１つである組織行動分析装置。
5. 請求項１に記載の組織行動分析装置において、
   上記制御部は、上記複数の人物それぞれの主観的評価又は客観的評価を示すデータと、
   上記組織内の他の人物における上記組織内での人物間の関係及び上記組織内での行動を示す指標から算出される特徴量との相関をとる組織行動分析装置。
6. 組織を構成する複数の人物それぞれに装着され、対面を示すデータを取得する赤外線送受信部と、加速度データを取得する加速度センサと、上記対面を示すデータ及び上記加速度データをセンサデータとして送信する送信部と、を有する端末と、
   上記センサデータを受信し、かつ、上記複数の人物それぞれの主観的評価又は客観的評価を示すデータを受信する受信部と、上記センサデータ及び上記主観的評価又は客観的評価を示すデータを解析する制御部と、上記制御部が解析を行うための解析条件と上記制御部が解析した結果とを記録する記録部と、を有する組織行動分析装置とを備え、
   上記制御部は、
   上記複数の人物ごとに、上記組織内での人物間の関係及び上記組織内での行動を示す指標を、上記解析条件に基づいて上記センサデータから算出して上記記録部に記録し、
   上記複数の人物ごとに、行動と思考の特性を示す指標を、上記解析条件に基づいて上記主観的評価を示すデータから算出して上記記録部に記録し、
   上記複数の人物それぞれの上記行動と思考の特性を示す指標と、上記組織内での人物間の関係及び上記組織内での行動を示す指標との相関をとり、上記組織における上記主観的評価又は上記客観的評価を示すデータの要因を特定する組織行動分析システム。
7. 請求項６に記載の組織行動分析システムにおいて、
   上記制御部は、
   上記赤外線送受信部で取得されるデータから上記複数の人物それぞれの対面状況を示す対面テーブルを作成する対面テーブル作成部と、
   上記加速度センサで取得されるデータから上記複数の人物それぞれの動きを示す身体リズムテーブルを作成する身体リズムテーブル作成部と、
   上記対面デーブルから作成されるネットワーク図に基づいて、上記複数の人物それぞれの他の人物との繋がりを示すネットワーク指標を抽出するネットワーク指標抽出部と、
   上記身体リズムテーブルから上記複数の人物それぞれの動きを示す周波数の出現頻度及び上記周波数の継続性を含む身体リズム指標を抽出する身体リズム指標抽出部と、
   上記対面テーブルと上記身体リズムテーブルに基づいて、上記複数の人物それぞれの対面時間及び対面積極性を示す対面指標を抽出する対面指標抽出部と、
   上記対面テーブルと上記身体リズムテーブルに基づいて、上記複数の人物それぞれの活動時間を示す組織活動指標を算出する組織活動指標抽出部と、を有し、
   上記組織内での人物間の関係及び上記組織内での行動を示す指標として、上記ネットワーク指標、上記身体リズム指標、上記対面指標、及び上記組織活動指標を用いる組織行動分析システム。
8. 請求項６に記載の組織行動分析システムにおいて、
   上記客観的評価を示すデータとは、上記複数の人物それぞれの生産性、事故不良の少なくとも何れか１つを示すデータである組織行動分析システム。
9. 請求項６に記載の組織行動分析システムにおいて、
   上記主観的評価を示すデータとは、上記複数の人物それぞれのリーダシップ／チームワーク指標、やりがい／充実指標、及びストレス／メンタル不調指標の少なくとも何れか１つである組織行動分析システム。
10. 請求項６に記載の組織行動分析システムにおいて、
    上記制御部は、上記複数の人物それぞれの主観的評価又は客観的評価を示すデータと、
    上記組織内の他の人物における上記組織内での人物間の関係及び上記組織内での行動を示す指標から算出される特徴量との相関をとる組織行動分析システム。
11. 複数の人物で構成される組織の分析を行う組織行動分析装置であって、
    上記複数の人物それぞれの主観的評価を示すデータと、上記複数の人物それぞれに装着される端末の送受信部で取得されるセンサデータを受信する受信部と、
    上記主観的評価を示すデータと、前記センサデータを解析する制御部と、
    上記組織内の座席位置を示すデータと、制御部が解析を行うための解析条件と上記制御部が解析した結果とを記録する記録部と、を備え、
    上記制御部は、
    上記複数の人物ごとに、ストレスに関連する指標を、上記解析条件に基づいて上記主観的評価を示すデータから算出する指標計算部と、
    上記複数の人物間の対面距離を、上記解析条件に基づいて上記センサデータから計算する対面距離計算部と、
    上記座席位置を示すデータ、上記対面距離、及び上記ストレスに関連する指標に基づいて、コミュニケーションの少ない人物同士を近くに配置し、かつ、適応性が低い人物が高い人物にかこまれないように上記組織内での座席配置を決定する座席配置決定部と、
    を有する組織行動分析装置。
12. 請求項１１に記載の組織行動分析装置において、
    上記対面距離計算部は、上記センサデータから上記複数の人物それぞれの対面状況を示す対面テーブルを上記解析条件に基づいて作成し、
    上記対面テーブルから作成されるネットワーク図に基づいて、上記対面距離を計算する
    組織行動分析装置。

Images