JP5680160B1 - サービス分析装置及びその動作方法 - Google Patents

Abstract

【課題】 複数の作業員が複数の対象物に対して作業を行うサービスに対して実施ユニットごとに分析を行うサービス分析装置を提供する。【解決手段】 一実施形態に係るサービス分析装置において、作業量算出部は、サービス履歴データに基づいて、複数の対象物ごとに作業量を算出する。クラスタリング部は、サービス履歴データに基づいて、複数の実施ユニットの各々が複数の対象物それぞれを管理する度合いを示す管理情報と、複数の作業者の各々が複数の実施ユニットそれぞれに所属している度合いを示す所属情報と、を生成する。インシデント量算出部は、インシデントデータに基づいて、複数の対象物ごとにインシデント量を算出する。状況分析部は、作業量、所属情報、管理情報、及びインシデント量に基づいて、複数の実施ユニットごとの作業状況及びインシデント状況を分析する。【選択図】図１

Description

本発明の実施形態は、サービス分析装置及び方法に関する。

設備の保守サービス、医療サービス、介護サービスなどの人間を中心として実施されるサービスにおいて、計算機器を利用した業務支援システムが導入されている。業務支援システムを利用してサービスを実施する組織には、結果的にサービス履歴データが蓄積される。このような組織では、サービス履歴データを分析することでサービス品質を評価する分析装置を用いて、サービスの改善を図っている。

特開２００６−１４６７３５号公報 特開２００７−２４１３３１号公報

従来の分析装置では、対象物（案件）又は作業者（個人）ごとに分析を行っている。しかしながら、設備（例えばエレベータなど）の保守サービスのように、複数の作業者が共同で作業を行う場合、作業を実施した集団（実施ユニット）ごとに分析を行ったほうが正確な分析が可能である。組織データベースを利用して実施ユニットを特定する方法が考えられるが、組織を超えた応援や組織内のサブユニットの存在などの理由から、組織データベースをそのまま利用した分析では現場の現状がうまく反映されないという問題がある。

本発明が解決しようとする課題は、複数の作業員が複数の対象物に対して作業を行うサービスに対して実施ユニットごとに分析を行うことができるサービス分析装置及び方法を提供することである。

一実施形態に係るサービス分析装置は、複数の作業者が複数の対象物に対して作業を実施するサービスの品質を評価するものであり、作業量算出部、クラスタリング部、インシデント量算出部、及び状況分析部を備える。作業量算出部は、実施済みの作業に関するサービス履歴データに基づいて、前記複数の対象物ごとに作業量を算出する。クラスタリング部は、前記サービス履歴データに基づいて、前記複数の作業者をグループ化した複数の実施ユニットの各々が前記複数の対象物それぞれを管理する度合いを示す管理情報と、前記複数の作業者の各々が前記複数の実施ユニットそれぞれに所属している度合いを示す所属情報と、を生成する。インシデント量算出部は、前記複数の対象物において発生したインシデントに対処するための作業であって、実施済みの作業に関するインシデントデータに基づいて、前記複数の対象物ごとにインシデント量を算出する。状況分析部は、前記複数の対象物ごとの作業量、前記所属情報、前記管理情報、及び前記複数の対象物ごとのインシデント量に基づいて、前記複数の実施ユニットごとの作業状況及び前記複数の実施ユニットごとのインシデント状況を分析する。

実施形態に係るサービス分析装置を概略的に示すブロック図。 図１に示したサービス履歴データベースの一例を示す図。 図１に示した作業者データベースの一例を示す図。 図１に示したサービス対象データベースの一例を示す図。 図１に示したインシデントデータベースの一例を示す図。 図１に示した作業量算出部によって対象物ごとに算出された作業量の一例を示す図。 図１に示した作業マトリックス算出部によって算出された作業マトリックスの一例を示す図。 図１に示したクラスタリング部が図７の作業マトリックスに対して共クラスタリングを実行した結果を示す図。 図１に示したクラスタリング部によって生成された所属情報の一例を示す図。 図１に示したクラスタリング部によって生成された管理情報の一例を示す図。 図１に示したインシデント量算出部によって対象物ごとに算出されたインシデント量の一例を示す図。 図１に示した分析部による分析結果を示す図。 （ａ）は、作業負荷とインシデント発生率の相関を示す散布図であり、（ｂ）は、対象物１つ当たりの作業量とインシデント発生率の相関を示す散布図である。 図１に示したサービス分析装置の分析処理手順の一例を示すフローチャート。 図１に示したクラスタリング部が実行する共クラスタリングを説明する図。 図１に示した正規化部の正規化処理を説明する図。 図１に示した正規化部の正規化処理手順の一例を示すフローチャート。 作業マトリックスの他の例と、この作業マトリックスから生成される管理マトリックス及び所属マトリックスと、を示す図。 図１に示したサービス分析装置のハードウェア構成を概略的に示すブロック図。

以下、図面を参照しながら実施形態について説明する。
図１は、実施形態に係るサービス分析装置１００を概略的に示している。サービス分析装置１００は、複数の作業者が複数の対象物に対して作業を実施するサービスに関連するデータを分析し、実施ユニットごとにサービス品質を評価するものである。実施ユニットは、同一対象物に対して頻繁に作業を行う作業者のグループを示す。各作業者は、１又は複数の実施ユニットに属することができる。本実施形態では、複数の作業者が複数の対象物に対して作業を実施するサービスの一例として、エレベータの保守サービスを想定する。

サービス分析装置１００は、図１に示すように、作業量算出部１０１、クラスタリング部１０２、インシデント量算出部１０６、所属情報格納部１０７、管理情報格納部１０８、状況分析部１０９、分析結果出力部１１３、及び入力部１１４を備える。エレベータの保守サービスに関連するデータを格納するデータベースとして、サービス履歴データベース１５１、作業者データベース１５２、サービス対象データベース１５３、及びインシデントデータベース１５４が用意されている。以下では、データベースをＤＢと称する。

まず、サービス履歴ＤＢ１５１、作業者ＤＢ１５２、サービス対象ＤＢ１５３、及びインシデントＤＢ１５４について説明する。
サービス履歴ＤＢ１５１には、実施済みの作業に関するサービス履歴データ（すなわち、サービス実施結果）が保存されている。例えば、サービス履歴ＤＢ１５１には、実施済みの作業の各々に関して、作業開始日時、作業終了日時、対象物、作業内容、及び作業者を示す情報が記録されている。サービス履歴ＤＢ１５１の一例を図２に示す。図２に示すように、サービス履歴ＤＢ１５１は、１つの作業に関するデータを１レコードとして保存し、履歴ＩＤ、作業開始日時、作業終了日時、対象物ＩＤ、業務分類、小カテゴリ、１人当たりの標準作業工数、及び作業者ＩＤの８つのフィールドを含む。履歴ＩＤは、レコードの識別子、すなわち、レコードを識別するための情報である。対象物ＩＤは、対象物（本実施形態ではエレベータ）の識別子である。業務分類は作業の種類を示す。小カテゴリは業務分類を細分化したものである。１人当たりの標準作業工数は作業の難易度を表す。図２の例では、１人当たりの標準作業工数は、標準的な作業者が一人で作業した場合に要する推定作業時間（分単位）によって表されている。作業者ＩＤは作業者の識別子である。

履歴ＩＤがｈ１０００２００であるレコードでは、作業開始時刻：２００９／６／５ １０：００：００、作業終了時刻：２００９／６／５ １０：４５：００、対象物ＩＤ：ｂ０２、業務分類：点検、小カテゴリ：定期点検、１人当たりの標準作業工数：６０（分）、作業者ＩＤ：ｐ１となっている。履歴ＩＤがｈ１０００２０５であるレコードは２つあるが、これは、２人の作業者（作業者ｐ４及びｐ５）が共同で１つの作業を行っていることを示す。

作業者ＤＢ１５２には、エレベータの保守サービスに従事する作業者に関する作業者データが保存されている。例えば、作業者ＤＢ１５２には、作業者の各々に関して、名前、役職、及び所属する組織（例えば営業所）を示す情報が記録されている。作業者ＤＢ１５２の一例を図３に示す。図３に示すように、作業者ＤＢ１５２は、一人の作業者に関するデータを１コードとして保存し、作業者ＩＤ、名前、性別、役職、及び営業所ＩＤの５つのフィールドを含む。営業所ＩＤは作業者が所属する営業所の識別子である。

作業者ＩＤがｐ１であるレコードでは、名前：保守 太郎、性別：Ｍ、役職：チーフ、営業所ＩＤ：ｅ１０３３４となっている。図３の例では、役職は、チーフ、一般、新人の３段階に分類されている。役職は、チーフであれば作業時間（作業工数とも称する）を１．５倍にするなどのように、後述する作業量を算出する際に利用することができる。なお、営業所ＩＤは作業者ＤＢ１５２に含まれていなくてもよい。営業所ＩＤが作業者ＤＢ１５２に含まれていない場合であっても、作業者の所属営業所は、サービス履歴ＤＢ１５１、作業者ＤＢ１５２、及びサービス対象ＤＢ１５３を用いて抽出することができる。

サービス対象ＤＢ１５３には、サービスを提供する対象物に関するサービス対象データが保存されている。例えば、サービス対象ＤＢ１５３には、対象物の各々に関して、種別、位置、及び管轄部門（又は営業所）に関する情報が記録されている。サービス対象ＤＢ１５３の一例を図４に示す。図４に示すように、サービス対象ＤＢ１５３は、１つの対象物に関するデータを１レコードとして保存し、対象物ＩＤ、機種、住所、営業所ＩＤ、及び契約種類の５つのフィールドを含む。住所は、対象物の位置を示し、本実施形態ではエレベータが設置されている建物の住所である。

対象物ＩＤがｂ０１であるレコードでは、機種：ｋ００１、住所：川崎市中原区１−１、営業所ＩＤ：ｅ１０３３４、契約種類：契約Ａとなっている。対象物ｂ０１（対象物ＩＤがｂ０１である対象物）は営業所ｅ１０３３４（営業所ＩＤがｅ１０３３４である営業所）によって管理される。これは、対象物ｂ０１が営業所ｅ１０３３４に所属する作業者のみによって作業されることを意味するのではない。対象物ｂ０１は、主に営業所ｅ１０３３４の作業者によって作業されるが、他の営業所の作業者によって作業されることもある。機種及び契約種類は、後述する作業状況を機種ごとに分析する場合などに利用することができる。なお、営業所ＩＤはサービス対象ＤＢ１５３に含まれていなくてもよい。営業所ＩＤがサービス対象ＤＢ１５３に含まれていない場合であっても、作業者の所属営業所は、サービス履歴ＤＢ１５１、作業者ＤＢ１５２、及びサービス対象ＤＢ１５３を用いて抽出することができる。

インシデントＤＢ１５４には、対象物において発生したインシデントに対処するための作業であって、実施済みの作業に関するインシデントデータが保存されている。ここでは、インシデントはサービス品質の評価対象となる事象を指す。設備保守サービスの例では、インシデントは、例えば設備の運用中に突発的に発生する異常事象（例えば故障）などを含む。インシデントＤＢ１５４の一例を図５に示す。図５に示すように、インシデントＤＢ１５４は、１つのインシデントに関するデータを１レコードとして保存し、対象物ＩＤ、インシデントＩＤ、作業開始日時、作業終了日時、重大性、業務分類、小カテゴリ、作業者ＩＤの８つのフィールドを含む。インシデントＩＤはインシデントの識別子である。作業開始日時及び作業終了日時は、インシデントに対処するための作業を開始及び終了した日時を表し、作業者ＩＤは、その作業を行った作業者の識別子である。

インシデントＩＤがｉｎｃ２００１５であるレコードでは、対象物ＩＤ：ｂ０１、作業開始日時：２０１２／７／１８ １０：００：００、作業終了日時：２０１２／７／１８ １３：００：００、重大性：Ｓ、業務分類：保守、小カテゴリ：部品交換、作業者ＩＤ：ｐ１となっている。重大性は、状況分析を行う場合に重大性の高いインシデントを優先する場合などに利用することができる。図５の例では、重大性は、Ｂ、Ａ、Ｓの順に高くなる。

上述したＤＢ１５１〜１５４は適宜更新される。一例では、ＤＢ１５１〜１５４はサーバに保持され、ＤＢ１５１〜１５４は、各営業所に設置されている端末装置（クライアント）をオペレータが操作することにより更新される。なお、図１にはＤＢ１５１〜１５４がサービス分析装置１００の外部に設けられている例が示されているが、サービス分析装置１００がＤＢ１５１〜１５４を備えていてもよい。

次に、図１に示したサービス分析装置１００の構成について説明する。
作業量算出部１０１は、サービス履歴ＤＢ１５１を用いて、対象物ごとに、その対象物に対して行われた作業量を算出する。作業量は、例えば、サービス履歴ＤＢ１５１に保存されている作業開始日時と作業終了日時の差である作業時間に基づいて算出される。各対象物に対して作業が複数回行われている場合には、作業量は、それらの作業に関する作業時間の合計に基づいて算出される。作業量は作業時間が長いほど大きくなる。作業量算出部１０１は、作業の難易度、作業を同時に行った人数、作業者の役職などに応じた重み係数を用いて、作業時間を算出してもよい。

役職に応じた重み係数を用いる場合には、作業量算出部１０１は作業者ＤＢ１５２にアクセスする。役職がチーフである作業者と役職が一般である作業者とが同じ時間だけ作業を行った場合、作業量は役職がチーフである作業者の方が大きくなると考えられる。一例では、一般の重み係数を１．０とし、チーフの重み係数を１．５とする。この例において、ある対象物に対して、チーフの作業者が６０分間作業を行い、一般の作業者が５０分間作業を行った場合、作業量の算出に用いる合計作業時間は１４０分（＝６０×１．５＋５０×１．０）となる。

作業量算出部１０１によって対象物ごとに算出された作業量の一例を図６に示す。図６の例では、９つの対象物ｂ０１〜ｂ０９について作業量が示されている。例えば、対象物ｂ０１の作業量は３００である。本実施形態では、対象物それぞれに対する作業量をベクトルで表す。図６の例では、作業量ベクトルＶは次のように表すことができる。
Ｖ＝(３００，３１０，３０５，２００，２０５，２１５，２００，２１０，２２０)
この例では、作業量ベクトルＶの第ｉ要素は対象物ｂ０ｉの作業量を表し、ここで、ｉは１以上９以下の整数である。例えば、作業量ベクトルＶの第１要素は対象物ｂ０１の作業量を表す。

クラスタリング部１０２は、サービス履歴ＤＢ１５１、作業者ＤＢ１５２、及びサービス対象ＤＢ１５３を用いて、各作業者が実施ユニットそれぞれに所属する度合いを示す所属情報及び各実施ユニットが対象物それぞれを管理する度合いを示す管理情報を生成する。クラスタリング部１０２は、所属情報及び管理情報を生成するために、クラスタリング手法を利用して複数の作業者を複数の実施ユニットにグループ化する。具体的には、クラスタリング部１０２は、作業マトリックス算出部１０３、実施ユニットクラスタリング部１０４、及び正規化部１０５を備える。なお、クラスタリング部１０２は、作業者ＤＢ１５２及びサービス対象ＤＢ１５３を参照せずに、サービス履歴ＤＢ１５１を用いて所属情報及び管理情報を生成することも可能である。

作業マトリックス算出部１０３は、サービス履歴ＤＢ１５１、作業者ＤＢ１５２、及びサービス対象ＤＢ１５３を用いて、各作業者が対象物それぞれに対して行った作業量、すなわち、各作業者が対象物それぞれに関与する度合いを表す行列である作業マトリックスを算出する。作業マトリックスの一例を図７に示す。図７は、１０人の作業者ｐ１〜ｐ１０が９つの対象物ｂ０１〜ｂ０９に対して作業を行う場合に得られる作業マトリックスの一例を示している。図７の例では、対象物ｂ０１〜ｂ０３は作業者ｐ１〜ｐ３によって作業が行われ、対象物ｂ０４〜ｂ０６は作業者ｐ４〜ｐ６によって作業が行われ、対象物ｂ０７〜ｂ１０は作業者ｐ７〜ｐ９によって作業が行われている。作業マトリックスの各要素に格納される作業量は、作業時間、作業回数、作業時間及び作業回数の両方などに基づいて算出することができる。各作業者が各対象物に対して複数回作業を行っている場合には、作業時間は、それらの作業に関する作業時間の合計を用いる。作業量は、作業時間が長いほど、或いは、作業回数が多いほど、大きくなる。作業マトリックス算出部１０３は、作業の難易度、作業を同時に行った人数、作業者の役職などに応じて重み付けを行って、作業量を算出してもよい。

実施ユニットクラスタリング部１０４は、作業マトリックス算出部１０３によって算出された作業マトリックスをクラスタリングすることにより、対象物と実施ユニットの関係を示す第１行列及び作業者と実施ユニットの関係を示す第２行列を含む少なくとも２つの行列を生成する。作業者は、クラスタリングによって複数の実施ユニットにグループ化される。クラスタリング手法としては、例えば、共クラスタリングと呼ばれる手法を利用することができる。

図８は、図７の作業マトリックスに対して共クラスタリングを行った結果を示す。図８の例では、クラスタ数を３として、非負３因子行列分解を用いた共クラスタリングに従ってクラスタリングを行っている。クラスタ数は実施ユニットの数に対応する。この例では、作業者を３つの実施ユニットｕ１、ｕ２、ｕ３にグループ化する。作業マトリックスＸは、共クラスタリングによって３つのマトリックスＦ、Ｓ、Ｇ^Ｔに分解される。Ｇ^Ｔは行列Ｇの転置行列を表す。マトリックスＦは、対象物と実施ユニットの関係についてクラスタリングを行った結果、すなわち、上記第１行列に対応する。マトリックスＧ^Ｔは、作業者と実施ユニットの関係についてクラスタリングを行った結果、すなわち、上記第２行列に対応する。

マトリックスＦには、９つの対象物ｂ０１〜ｂ０９について、３つの実施ユニットｕ１、ｕ２、ｕ３による管理の度合いが示されている。マトリックスＦにおいて、第１行から第９行は作業者ｂ１から作業者ｂ０９にそれぞれ対応する。ここでは、マトリックスＦの第１、２、３行が実施ユニットｕ３、ｕ２、ｕ１にそれぞれ対応するものとする。第１行から第３行では、第１列のみに０より大きい値が入っている。これは、対象物ｂ０１〜ｂ０３が実施ユニットｕ３のみに管理されていることを表す。同様に、対象物ｂ０４〜ｂ０６は実施ユニットｕ２のみに管理され、対象物ｂ０７〜ｂ０９は実施ユニットｕ１のみに管理されている。

マトリックスＧ^Ｔには、１０人の作業者ｐ１〜ｐ１０について、３つの実施ユニットｕ１、ｕ２、ｕ３への所属の度合いが示されている。マトリックスＧ^Ｔにおいて、第１行から第３行は実施ユニットｕ１、ｕ２、ｕ３にそれぞれ対応し、第１列から第１０列は作業者ｐ１から作業者ｐ１０にそれぞれ対応する。第１列から第３列では、第３行のみに０より大きい値が入っている。これは、作業者ｐ１〜ｐ３が実施ユニットｕ３のみに所属していることを表す。同様に、作業者ｐ４〜ｂ６は実施ユニットｕ２のみに所属し、作業者ｐ７〜ｐ１０は実施ユニットｕ１のみに所属している。

上記の例は、対象物の数及び作業者の数がともに小さい小規模なデータを対象とした単純な分解であるが、共クラスタリングを用いる場合には大規模なデータでも分解が可能である。これらのマトリックスＦ及びＧによって管理や所属の有無は判断できるが、正確な管理や所属の度合いが分かるわけではない。度合いの推定にはクラスタリング結果の後処理が必要である。

正規化部１０５は、実施ユニットクラスタリング部１０４で得られた、対象物と実施ユニットの関係についてのクラスタリング結果と作業者と実施ユニットの関係についてのクラスタリング結果との２つのクラスタリング結果を正規化して管理マトリックスと所属マトリックスの２つのマトリックスを算出する。所属マトリックスは、作業者ｐ１〜ｐ１０が実施ユニットｕ１、ｕ２、ｕ３に所属する割合を表すマトリックスである。所属マトリックスの一例を図９に示す。所属マトリックスは、作業者ごとの実施ユニットｕ１〜ｕ３の値の和が１．０になるような確率値に正規化されている。図９の例では、各行の３つの要素の合計が１．０になる。所属マトリックスは、所属情報として所属情報格納部１０７に格納される。

管理マトリックスは、対象物ｂ０１〜ｂ０９が実施ユニットｕ１〜ｕ３に管理される割合を表すマトリックスである。管理マトリックスの一例を図１０に示す。管理マトリックスは、対象物ごとに実施ユニットｕ１〜ｕ３の値の和が１．０になるような確率値に正規化されている。図１０の例では、各行の３つの要素の合計が１．０になる。図１０の例では、例えば対象物ｂ０５は実施ユニットｕ２にのみ管理されている。管理マトリックスは、管理情報として管理情報格納部１０８に格納される。

インシデント量算出部１０６は、インシデントＤＢ１５４を用いて、対象物それぞれのインシデント量を算出する。ここで、インシデント量としては、ダウンタイム、インシデント対応時間、インシデント発生率などを利用する。インシデント対応時間は作業開始日時と作業終了日時の差である。各対象物においてインシデントが複数回発生している場合には、インシデント対応時間は、それらのインシデントに対応するための作業に関する作業時間の合計を用いる。ダウンタイムをインシデント量として用いる場合には、インシデントデータはダウンタイムのフィールドを含む。インシデント量算出部１０６の計算結果の一例を図１１に示す。図１１には、９つの対象物ｂ０１〜ｂ０９に対するインシデント量が示されている。本実施形態では、対象物それぞれのインシデント量をベクトルで表現する。図１１の例では、インシデント量ベクトルＷは下記のように表すことができる。
Ｗ＝(２．２，２．０，２．１，１．７，１．８，１．８，１．４，１．６，１．５)
この例では、インシデント量ベクトルＷの第ｉ要素は対象物ｂ０ｉの作業量を表し、ここで、ｉは１以上９以下の整数である。例えば、作業量ベクトルＶの第１要素は対象物ｂ０１の作業量を表す。

状況分析部１０９は、対象物ごとの作業量、対象物ごとのインシデント量、所属情報、及び管理情報を用いて、インシデント状況及び作業状況を分析する。本実施形態では、対象物ごとの作業量、対象物ごとのインシデント量、所属情報、及び管理情報は、作業量ベクトル、インシデント量ベクトル、所属マトリックス、及び管理マトリックスに対応する。具体的には、状況分析部１０９は、作業状況分析部１１０、インシデント状況分析部１１１、及び関係分析部１１２を備える。

作業状況分析部１１０は、作業量ベクトル、所属マトリックス、及び管理マトリックスに基づいて、実施ユニットごとの作業状況に関する分析を行う。作業状況の例には、作業者１人当たりの作業負荷、対象物１つ当たりの作業量が含まれる。

インシデント状況分析部１１１は、インシデント量ベクトル及び管理マトリックスに基づいて、実施ユニットごとのインシデント状況に関する分析を行う。インシデント状況の例には、例えば、インシデント発生量、インシデント発生率などが含まれる。

関係分析部１１２は、作業状況分析部１１０で得られた分析結果及びインシデント状況分析部１１１で得られた分析結果に基づいて、作業負荷とインシデントの相関、作業量とインシデントの相関などの関係を分析する。

作業状況分析部１１０及びインシデント状況分析部１１１で得られた分析結果の一例を図１２に示す。図１２において、Ｘ１が作業者１人当たりの作業負荷を示し、Ｘ２が対象物１つ当たりの作業量を示し、Ｙがインシデント発生率を示す。図１２の例では、作業者１人当たりの作業負荷Ｘ１に関しては、実施ユニットｕ１で１５８、実施ユニットｕ２で２０７、実施ユニットｕ３で３０５となっている。また、対象物１つ当たりの作業量Ｘ２に関しては、実施ユニットｕ１で２１０、実施ユニットｕ２で２０７、実施ユニットｕ３で３０５となっている。さらに、インシデント発生率Ｙに関しては、実施ユニットｕ１で１．５、実施ユニットｕ２で１．８、実施ユニットｕ３で２．１となっている。

本実施形態では、Ｘ１、Ｘ２、Ｙの算出方法は以下の数式に従う。

Ｘ１＝｛Ｐ^Ｔ×Ｗ｝_ｉ／｛Ｑ^Ｔ×１｝_ｉ （１）
Ｘ２＝｛Ｐ^Ｔ×Ｗ｝_ｉ／｛Ｐ^Ｔ×１｝_ｉ （２）
Ｙ＝｛Ｐ^Ｔ×Ｖ｝_ｉ／｛Ｐ^Ｔ×１｝_ｉ （３）
ここで、Ｗは作業量ベクトルを表し、Ｖはインシデント量ベクトルを表し、Ｐは管理マトリックスを表し、Ｑは所属マトリックスを表す。また、Ａ^Ｔは行列Ａの転置行列を表す。数式（１）中の「１」は、所属マトリックスＱの転置行列の列数と同じ数の要素を持つベクトルであって、全ての要素が１であるベクトルである。数式（２）及び（３）中の「１」は、管理マトリックスＰの転置行列の列数と同じ数の要素を持つベクトルであって、全ての要素が１であるベクトルである。｛Ｂ｝_ｉ／｛Ｃ｝_ｉはベクトルＢの第ｉ要素をベクトルＣの第ｉ要素で割る演算を表す。

作業者１人当たりの作業負荷Ｘ１の算出では、まず、２つのベクトルを計算する。１つ目は、管理マトリックスＰの転置行列と作業量ベクトルＷとの行列積で算出されるベクトルであり、２つ目は、所属マトリックスＱの転置行列とベクトル１との行列積で算出されるベクトルである。次に、前者のベクトルの各要素を、後者のベクトルの各要素で割ることでＸ１を得る。

対象物１つ当たりの作業量Ｘ２の算出では、まず、２つのベクトルを計算する。１つ目は、管理マトリックスＰの転置行列と作業量ベクトルＷとの行列積で算出されるベクトルであり、２つ目は、管理マトリックスＰの転置行列とベクトル１との行列積で算出されるベクトルである。次に、前者のベクトルの各要素を、後者のベクトルの各要素で割ることでＸ２を得る。

インシデント発生率Ｙの算出では、まず、２つのベクトルを計算する。１つ目は、管理マトリックスＰの転置行列とインシデント量ベクトルＶとの行列積で算出されるベクトルであり、２つ目は、管理マトリックスＰの転置行列とベクトル１との行列積で算出されるベクトルである。次に、前者のベクトルの各要素を、後者のベクトルの各要素で割ることでＹを得る。

図１３（ａ）及び（ｂ）は、図１２に示される分析結果を用いて関係分析を行った例を示す。図１３（ａ）は、作業者１人当たりの作業負荷Ｘ１とインシデント発生率Ｙの相関を分析した結果を示す。図１３（ａ）では、横軸を作業者１人当たりの作業負荷Ｘ１とし、縦軸をインシデント発生率Ｙとしている。図１３（ｂ）は、対象物１つ当たりの作業量Ｘ２とインシデント発生率Ｙの相関を分析した結果を示す。図１３（ｂ）では、横軸を対象物１つ当たりの作業量Ｘ２とし、縦軸をインシデント発生率Ｙとしている。

図１３（ａ）からは、作業者１人当たりの作業負荷が上がるほどインシデント発生率が高くなるという相関関係がわかる。図１３（ｂ）からは、実施ユニットｕ３については対象物１つ当たりの作業量が相対的に高くかつインシデント発生率も高いので、作業量が多い割に人手が足りていないことがわかる。これにより、分析者（例えばエレベータ保守サービスの管理者）は、これを解消するために、人員を増やすという対策を考え付くことができる。さらに、図１３（ｂ）からは、実施ユニットｕ１及びｕ２を比較すると、作業量は同程度だが、実施ユニットｕ２のインシデント発生率の方が高いことがわかる。これにより、分析者は、実施ユニットｕ２のインシデント発生率を低減させる可能性があることを認識することができる。

分析結果出力部１１３は、状況分析部１０９で得られた分析結果を出力する。分析結果は、例えば、グラフや表などの形態でユーザに提示される。提示方法は、例えば、ディスプレイ装置（図示せず）による画像出力、プリンタ装置（図示せず）による印字出力などのいかなる方法で実行されてもよい。例えば、図１３（ａ）に示されるグラフのような作業者１人当たりの作業負荷とインシデント発生率の関係、図１３（ｂ）に示される対象物１つ当たりの作業量とインシデント発生率の関係、これらの分析に必要となるデータ（例えば図１２に示される表を構成するデータ）の出力を行う。

入力部１１４は、分析者からの分析条件の入力を分析クエリとして受け付ける。例えば、分析者は、入力部１１４を用いて、分析に用いるデータの時間範囲、クラスタ数などを指定することができる。

上述した要素１０１〜１１４を備えるサービス分析装置１００は、複数の作業者を複数の実施ユニットにグループ化することにより、実施ユニットごとにサービス品質を評価することが可能になる。グループ化は行列に対するクラスタリングにより実行することができる。この場合、高速に分析を行うことができる。さらに、クラスタリング手法として共クラスタリングを用いることにより、大規模なデータを扱うことが可能となる。

次に、図１に示したサービス分析装置１００の動作について説明する。
図１４は、サービス分析装置１００の分析処理手順の一例を示している。まず、ユーザが、入力部１１４を用いて、分析対象期間及びクラスタ数などを分析クエリとして指定する。それにより、分析処理が開始する。図１４のステップＳ１４０１では、サービス分析装置１００は、サービス履歴ＤＢ１５１、作業者ＤＢ１５２、サービス対象ＤＢ１５３、インシデントＤＢ１５４、及び分析用パラメータを読み込む。

ステップＳ１４０２では、作業量算出部１０１は、サービス履歴ＤＢ１５１を用いて、対象物ごとに作業量を算出して作業量ベクトルを生成する。ステップＳ１４０３では、インシデント量算出部１０６は、インシデントＤＢ１５４を用いて、対象物ごとにインシデント量を算出してインシデント量ベクトルを生成する。

ステップＳ１４０４では、作業マトリックス算出部１０３は、サービス履歴ＤＢ１５１、作業者ＤＢ１５２、及びサービス対象ＤＢ１５３を用いて、作業マトリックスを生成する。ステップＳ１４０５では、実施ユニットクラスタリング部１０４は、対象物及び実施ユニットに対してクラスタリングを行う。ステップＳ１４０６では、正規化部１０５は、クラスタリングの結果得られた行列に対して正規化処理を行い、所属マトリックス及び管理マトリックスを生成する。

ステップＳ１４０７では、作業状況分析部１１０は、作業量ベクトル、所属マトリックス、及び管理マトリックスに基づいて、作業状況に関する分析を行い、インシデント状況分析部１１１が、インシデント量ベクトル及び管理マトリックスに基づいて、インシデント状況に関する分析を行う。ステップＳ１４０８では、関係分析部１１２は、作業状況とインシデント状況との関係を分析する。ステップＳ１４０８では、分析結果出力部１１３が、関係分析部１１２の分析結果を出力する。

なお、図１４に示した分析処理手順は一例であり、処理ステップは図１４に示した分析処理手順と異なる順番で実行されてもよい。例えば、ステップＳ１４０２の処理及びステップＳ１４０３の処理は、ステップＳ１４０６の処理の後に実行されてもよく、或いは、ステップＳ１４０４〜１４０６に示される一連の処理と並列に実行されてもよい。

次に、図１４のステップＳ１４０５に示されるクラスタリング処理を詳細に説明する。ステップＳ１４０４の処理は、実施ユニットクラスタリング部１０４が行う処理の一部である。図１５は、非負３因子行列分解と呼ばれる共クラスタリング手法を用いた場合の処理手順を示す。なお、ｋ−ｍｅａｎｓ法などの他のクラスタリングアルゴリズムを利用することもできる。ただし、共クラスタリング手法を用いることにより、大規模データに対応することが可能になる。

図１５のステップＳ１５０１では、実施ユニットクラスタリング部１０４は、クラスタリング対象の行列Ｘを読み込む。ここでは、行列Ｘは、作業マトリックス算出部１０３によって生成される作業マトリックスである。ステップＳ１５０２では、実施ユニットクラスタリング部１０４は、ランダム値を利用してＧ_ｊｋ、Ｆ_ｉｋ、Ｓ_ｉｋの初期値を設定し、さらに、カウント変数Ｎにゼロを代入する。

ステップＳ１５０３〜Ｓ１５０５では、実施ユニットクラスタリング部１０４は、非負３因子行列分解の結果となる値をそれぞれの計算式により算出する。具体的には、実施ユニットクラスタリング部１０４は、Ｇ_ｊｋに下記式（４）により算出される値を代入し（ステップＳ１５０３）、Ｓ_ｉｋに下記式（５）により算出される値を代入し（ステップＳ１５０４）、Ｓ_ｉｋに下記式（６）により算出される値を代入する（ステップＳ１５０５）。

ステップＳ１５０６では、実施ユニットクラスタリング部１０４は、下記数式（７）に従い、作業マトリックスＸと行列積ＦＳＧ^Ｔの差の２乗である距離ｄｉｓｔを算出する。

ステップＳ１５０７では、カウント変数Ｎをインクリメントする、すなわち、１だけ増加させる。ステップＳ１５０８では、距離ｄｉｓｔが所定値（例えば１０）より小さいという条件と、カウント変数Ｎが所定値（例えば１２００）より大きいという条件と、少なくとも一方が満たされるか否かが判定される。両方の条件が満たされない場合にはステップＳ１５０３に戻り、そうでなければ、ステップＳ１５０９に進む。ステップＳ１５１０では、実施ユニットクラスタリング部１０４は、行列Ｇ、Ｆ、Ｓの算出結果を出力する。

なお、図１５の例では、カウント変数Ｎに関する所定値を１２００、距離ｄｉｓｔに関する所定値を１０としているが、これらの所定値には任意の値を設定することができる。また、本実施形態の数値例は、このパラメータを用いて行列分解を行った例を示している。

図１５に示す処理で得られたマトリックスＦ、Ｇ^Ｔは、確率値ではない。本実施形態では、これらのマトリックスＦ、Ｇ^Ｔを確率値に変換する。図１６に示すように、マトリックスＸは、３因子Ｆ、Ｓ、Ｇ^Ｔの積で近似される。マトリックスＸが作業マトリックスである場合、因子Ｆが対象物と実施ユニットの関係を表すマトリックスに対応し、因子Ｇ^Ｔが作業者と実施ユニットとの関係を表すマトリックスに対応する。図１６及び図１７を参照して、マトリックスＦ及びＳから管理マトリックスＰを算出し、Ｇ^Ｔから所属マトリックスＱを算出する処理を説明する。

図１７のステップＳ１７０１では、実施ユニットクラスタリング部１０４は、作業マトリックスＸを読み込む。ステップＳ１７０２では、実施ユニットクラスタリング部１０４は、作業マトリックスＸに対して共クラスタリングを行い、図１６に示されるように３つの因子Ｆ、Ｓ，Ｇを得る。サービス分析において、マトリックスＦは各対象物が属する空間的なエリアを示す情報であり、マトリックスＳがエリアに対して実施ユニットが担当しているかどうかを示す情報とみなすことができる。また、マトリックスＧは実施ユニットに対する所属の有無を示す情報とみなすことができる。

図１７のステップＳ１７０３では、実施ユニットクラスタリング部１０４は、マトリックスＧの各列のノルムを補正してマトリックスＧ´を得る。続いて、実施ユニットクラスタリング部１０４は、マトリックスＧ´の行を正規化し（ステップＳ１７０４）、それにより得られたマトリックスを所属マトリックスＱとする（ステップＳ１７０５）。図１６に示されるような分解後の行列の正規化処理では、ノルム補正を行った後に行の要素で正規化を行う。

ステップＳ１７０６では、実施ユニットクラスタリング部１０４は、マトリックスＦの各要素を｛０，１｝で２値化してマトリックスＦ´を得る。ステップＳ１７０７では、実施ユニットクラスタリング部１０４は、ＦＳ≒Ｆ´Ｓ´となるマトリックスＳ´を求める。続いて、実施ユニットクラスタリング部１０４は、行列積Ｆ´Ｓ´の行を正規化し（ステップＳ１７０８）、それにより得られたマトリックスを管理マトリックスＰとする（ステップＳ１７０９）。

このようにして、作業マトリックスから所属マトリックス及び管理マトリックスを生成することができる。なお、図１７に示した手順は一例であり、処理ステップは図１７に示した手順と異なる順番で実行されてもよい。例えば、ステップＳ１７０３からＳ１７０５に示される一連の処理は、ステップＳ１７０６からＳ１７０９に示される一連の処理の後に実行されてもよく、或いは、ステップＳ１７０６からＳ１７０９に示される一連の処理と並列に実行されてもよい。

上述した例では、対象物が実施ユニットごとに完全に分かれて管理され、作業者が実施ユニットごとに完全に分かれて所属している。すなわち、各対象物が１つの実施ユニットによって管理され、各作業者が１つの実施ユニットに属している。各対象物が複数の実施ユニットによって管理され、各作業者が複数の実施ユニットに属していてもよい。

図１８は、作業マトリックスの他の例と、この作業マトリックスから算出される管理マトリックス及び所属マトリックスと、を示している。図１８の管理マトリックス及び所属マトリックスは、クラスタ数を３として、図１８の作業マトリックスをクラスタリングすることにより得られるものである。図１８の作業マトリックスを参照すると、対象物ｂ０１〜ｂ０３は作業者ｐ１〜ｐ３によって作業され、対象物ｂ０４〜ｂ０６は作業者ｐ４〜ｐ１０によって作業され、対象物ｂ０７〜ｂ０９は作業者ｐ７〜ｐ１０によって作業されている。管理マトリックスを参照すると、対象物ｂ０１〜ｂ０３は実施ユニットｕ３のみによって管理され、対象物ｂ０４〜ｂ０６は２つの実施ユニットｕ２及びｕ３によって管理され、対象物ｂ０７〜ｂ０９は実施ユニットｕ２のみによって管理されている。例えば、対象物ｂ０４は、０．７３４対０．２６６の割合で実施ユニットｕ２及びｕ３によって管理されている。さらに、所属マトリックスを参照すると、作業者ｐ１〜ｐ３は実施ユニットｕ３のみに所属し、作業者ｐ４〜ｐ１０は２つの実施ユニットｕ１及びｕ２に所属している。例えば、作業者ｐ４は、０．９９９対０．００１の割合で実施ユニットｕ１及びｕ２に所属している。

このように、複数の作業者が複数の対象物に対して作業を行うサービスにおいて、作業者が組織（営業所）をまたいで応援作業を行う場合においても、サービス履歴データから実施ユニットを抽出し、対象物と実施ユニットの関係、作業者と実施ユニットの関係を分析するための情報を得ることができる。

以上のように、本実施形態に係るサービス分析装置は、クラスタリングによって複数の作業者を複数の実施ユニットにグループ化することにより、実施ユニットごとにサービス品質を評価することが可能になる。さらに、行列計算を用いることにより、大規模データに対しても高速に分析を実行することができる。設備保守サービスの例では、分析結果から実施ユニットごとの故障発生率、作業負荷、作業スキルなどの正確な把握が可能になり、故障の軽減や作業負荷の平滑化、人材育成の効率化などを実現することができる。

なお、上述した実施形態では、エレベータの保守サービスの例を想定した例を説明したが、これに限らず、サービス分析装置は複数人で複数の対象物に対して作業を行ういかなるサービスにも適用することができる。このようなサービスとしては、例えば、デイサービスのような介護サービス、医療看護などがある。介護サービスの例では、利用者と作業者との関係分析が可能となる。医療看護の例では、患者と看護師の関係分析が可能となる。

さらに、入力部１１４を用いて分析対象期間を選択することができるので、分析対象期間を適宜設定することにより、時系列分析も可能である。例えば、実施ユニットにおける１人当たりの作業負荷を年度ごとに算出し、そのばらつきを時系列的に算出すると、仕事量と作業者のミスマッチなどが発生していないかを確認することができる。

上述の実施形態の中で示した処理手順に示された指示は、ソフトウェアであるプログラムに基づいて実行されることが可能である。汎用の計算機システムが、このプログラムを予め記憶しておき、このプログラムを読み込むことにより、上述した実施形態のサービス分析装置１００による効果と同様な効果を得ることも可能である。

図１９は、図１に示したサービス分析装置１００のハードウェア構成例を概略的に示している。サービス分析装置１００は、ＣＰＵ（Central Processing Unit）１９０１、ＲＡＭ（Random Access Memory）１９０２、ＨＤＤ（Hard Disk Drive）１９０３、グラフィック処理装置１９０４、入力インターフェース１９０５、及び通信インターフェース１９０６を含む。

ＣＰＵ１９０１は、ＨＤＤ１９０３又はＲＯＭ（図示せず）に記憶されているプログラムに従って動作する。ＲＡＭ１９０２は、ＣＰＵ１９０１が各種の処理を実行する上で必要なデータを必要に応じて記憶する。ＨＤＤ１９０３は、ＣＰＵ１９０１が実行するプログラム、ＣＰＵ１９０１が各種の処理を実行する上で必要なデータなどを記憶する。グラフィック処理装置１９０４は、ＣＰＵ１９０１から与えられる画像データに応じた画像をモニタ１９０８に表示する。入力インターフェース１９０５には、キーボード１９０９及びマウス１９１０が接続されている。入力インターフェース１９０５は、分析者（ユーザ）によるキーボード１９０９及びマウス１９１０の操作に応じた信号をＣＰＵ１９０１に与える。通信インターフェース１９０６は、ＬＡＮ１９０７を介してデータベース（例えば図１に示されるＤＢ１５１〜１５４）にアクセスし、データベースから得られたデータはＲＡＭ１９０２に一時的に記憶される。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１００…サービス分析装置、１０１…作業量算出部、１０２…クラスタリング部、１０３…作業マトリックス算出部、１０４…実施ユニットクラスタリング部、１０５…正規化部、１０６…インシデント量算出部、１０７…所属情報格納部、１０８…管理行列格納部、１０９…状況分析部、１１０…作業状況分析部、１１１…インシデント状況分析部、１１２…関係分析部、１１３…分析結果出力部、１９０１…ＣＰＵ、１９０２…ＲＡＭ、１９０３…ＨＤＤ、１９０４…グラフィック処理装置、１９０５…入力インターフェース、１９０６…通信インターフェース、１９０７…ＬＡＮ、１９０８…モニタ、１９０９…キーボード、１９１０…マウス。

Claims (8)

1. 複数の作業者が複数の対象物に対して作業を実施するサービスの品質を評価するサービス分析装置であって、
   実施済みの作業に関するサービス履歴データに基づいて、前記複数の対象物ごとに作業量を算出する作業量算出部と、
   前記サービス履歴データに基づいて、前記複数の作業者をグループ化した複数の実施ユニットの各々が前記複数の対象物それぞれを管理する度合いを示す管理情報と、前記複数の作業者の各々が前記複数の実施ユニットそれぞれに所属している度合いを示す所属情報と、を生成するクラスタリング部と、
   前記複数の対象物において発生したインシデントに対処するための作業であって、実施済みの作業に関するインシデントデータに基づいて、前記複数の対象物ごとにインシデント量を算出するインシデント量算出部と、
   前記複数の対象物ごとの作業量、前記所属情報、前記管理情報、及び前記複数の対象物ごとのインシデント量に基づいて、前記複数の実施ユニットごとの作業状況及び前記複数の実施ユニットごとのインシデント状況を分析する状況分析部と、
   を具備するサービス分析装置。
2. 前記クラスタリング部は、
   前記サービス履歴データに基づいて、前記複数の作業者の各々が前記複数の対象物それぞれに関与する度合いを示す作業マトリックスを算出する作業マトリックス算出部と、
   前記作業マトリックスに対してクラスタリングを行うことにより、前記複数の作業者と前記複数の実施ユニットとの関係を示す第１のクラスタリング結果及び前記複数の対象物と前記複数の実施ユニットとの関係を示す第２のクラスタリング結果を生成する実施ユニットクラスタリング部と、
   前記第１のクラスタリング結果に対して正規化処理を行うことにより前記所属情報を生成し、前記第２のクラスタリング結果に対して正規化処理を行うことにより前記管理情報を生成する正規化部と、
   を備える、請求項１に記載のサービス分析装置。
3. 前記実施ユニットクラスタリング部は、共クラスタリング処理によって前記作業マトリックスを３つの行列に分解し、
   前記正規化部は、前記３つの行列から前記所属情報及び前記管理情報を生成する、請求項２に記載のサービス分析装置。
4. 前記状況分析部は、
   前記複数の対象物ごとの作業量、前記所属情報、及び前記管理情報から、前記複数の実施ユニットごとの作業状況を分析する作業状況分析部と、
   前記管理情報及び前記複数の対象物ごとのインシデント量から、前記複数の実施ユニットごとのインシデント状況を分析するインシデント状況分析部と、
   を備える、請求項１乃至３のいずれか一項に記載のサービス分析装置。
5. 前記クラスタリング部は、前記サービス履歴データ、前記複数の作業者に関する作業者データ、及び前記複数の対象物に関する対象物データに基づいて、前記所属情報及び前記管理情報を生成する、請求項１に記載のサービス分析装置。
6. 前記サービスは、設備の保守サービスである、請求項１乃至５のいずれか一項に記載のサービス分析装置。
7. 前記複数の対象物は、保守対象となる複数の前記設備である、請求項６に記載のサービス分析装置。
8. 複数の作業者が複数の対象物に対して作業を実施するサービスの品質を評価するサービス分析装置の動作方法であって、
   実施済みの作業に関するサービス履歴データに基づいて、前記複数の対象物ごとに作業量を算出することと、
   前記サービス履歴データに基づいて、前記複数の作業者の各々が、前記複数の作業者をグループ化した複数の実施ユニットそれぞれに所属している度合いを示す所属情報と、前記複数の実施ユニットの各々が前記複数の対象物それぞれを管理する度合いを示す管理情報と、を生成することと、
   前記複数の対象物において発生したインシデントに対処するための作業であって、実施済みの作業に関するインシデントデータに基づいて、前記複数の対象物ごとにインシデント量を算出することと、
   前記複数の対象物ごとの作業量、前記所属情報、前記管理情報、及び前記複数の対象物ごとのインシデント量に基づいて、前記複数の実施ユニットごとの作業状況及び前記複数の実施ユニットごとのインシデント状況を分析することと、
   を実行するサービス分析装置の動作方法。

Images