JP5680160B1 - サービス分析装置及びその動作方法 - Google Patents
サービス分析装置及びその動作方法 Download PDFInfo
- Publication number
- JP5680160B1 JP5680160B1 JP2013184506A JP2013184506A JP5680160B1 JP 5680160 B1 JP5680160 B1 JP 5680160B1 JP 2013184506 A JP2013184506 A JP 2013184506A JP 2013184506 A JP2013184506 A JP 2013184506A JP 5680160 B1 JP5680160 B1 JP 5680160B1
- Authority
- JP
- Japan
- Prior art keywords
- work
- service
- incident
- objects
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims description 41
- 238000004364 calculation method Methods 0.000 claims abstract description 36
- 239000011159 matrix material Substances 0.000 claims description 133
- 238000012545 processing Methods 0.000 claims description 16
- 238000010606 normalization Methods 0.000 claims description 15
- 238000012423 maintenance Methods 0.000 claims description 12
- 238000011017 operating method Methods 0.000 claims 1
- 239000013598 vector Substances 0.000 description 43
- 229940050561 matrix product Drugs 0.000 description 8
- 230000008520 organization Effects 0.000 description 7
- 238000000354 decomposition reaction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000000474 nursing effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 235000006481 Colocasia esculenta Nutrition 0.000 description 1
- 240000004270 Colocasia esculenta var. antiquorum Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Debugging And Monitoring (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
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。
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。
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。
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。
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。
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。
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、GTに分解される。GT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GT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GT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GT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。
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={PT×W}i/{QT×1}i (1)
X2={PT×W}i/{PT×1}i (2)
Y={PT×V}i/{PT×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、AT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。
X2={PT×W}i/{PT×1}i (2)
Y={PT×V}i/{PT×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、AT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。
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Gjk、Fik、Sik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、Gjkに下記式(4)により算出される値を代入し(ステップS1503)、Sikに下記式(5)により算出される値を代入し(ステップS1504)、Sik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、GT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、GT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、GT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GT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、GT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)
- 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。 - 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。 - 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。 - 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。 - 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。
- 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。
- 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。
- 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。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013184506A JP5680160B1 (ja) | 2013-09-05 | 2013-09-05 | サービス分析装置及びその動作方法 |
CN201410069693.XA CN104424348B (zh) | 2013-09-05 | 2014-02-27 | 服务分析装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013184506A JP5680160B1 (ja) | 2013-09-05 | 2013-09-05 | サービス分析装置及びその動作方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP5680160B1 true JP5680160B1 (ja) | 2015-03-04 |
JP2015052859A JP2015052859A (ja) | 2015-03-19 |
Family
ID=52684793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013184506A Active JP5680160B1 (ja) | 2013-09-05 | 2013-09-05 | サービス分析装置及びその動作方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP5680160B1 (ja) |
CN (1) | CN104424348B (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107194150A (zh) * | 2017-04-20 | 2017-09-22 | 嘉兴学院 | 基于动态负载的电梯平层动态误差参数模型辩识方法 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017004493A (ja) * | 2015-06-05 | 2017-01-05 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | データ分析方法、データ分析装置およびプログラム |
CN112805639A (zh) * | 2018-10-05 | 2021-05-14 | 三菱电机株式会社 | 作业管理装置及作业管理方法 |
WO2020115802A1 (ja) * | 2018-12-03 | 2020-06-11 | 三菱電機株式会社 | エネルギー管理支援装置、エネルギー管理支援システム、エネルギー管理支援方法、およびエネルギー管理支援プログラム |
JP7061272B2 (ja) * | 2019-01-23 | 2022-04-28 | オムロン株式会社 | 動作分析装置、動作分析方法、動作分析プログラム及び動作分析システム |
JP7290893B2 (ja) * | 2021-05-18 | 2023-06-14 | Qasee株式会社 | 情報処理装置、プログラム及び情報処理方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101582076A (zh) * | 2009-06-24 | 2009-11-18 | 浪潮电子信息产业股份有限公司 | 一种基于数据库的重复数据删除方法 |
JP5530961B2 (ja) * | 2011-03-02 | 2014-06-25 | 株式会社エヌ・ティ・ティ・データ・セキスイシステムズ | 勤務シフト表作成支援システム |
WO2013080316A1 (ja) * | 2011-11-30 | 2013-06-06 | 株式会社日立製作所 | 業務の作業員割り当て方法 |
JP2013168099A (ja) * | 2012-02-17 | 2013-08-29 | Osaka Gas Co Ltd | 対象業務負荷評価システム |
CN103020781A (zh) * | 2012-12-22 | 2013-04-03 | 深圳先进技术研究院 | 生理信息管理系统及管理方法 |
-
2013
- 2013-09-05 JP JP2013184506A patent/JP5680160B1/ja active Active
-
2014
- 2014-02-27 CN CN201410069693.XA patent/CN104424348B/zh active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107194150A (zh) * | 2017-04-20 | 2017-09-22 | 嘉兴学院 | 基于动态负载的电梯平层动态误差参数模型辩识方法 |
CN107194150B (zh) * | 2017-04-20 | 2023-07-25 | 嘉兴学院 | 基于动态负载的电梯平层动态误差参数模型辩识方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104424348A (zh) | 2015-03-18 |
JP2015052859A (ja) | 2015-03-19 |
CN104424348B (zh) | 2017-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5680160B1 (ja) | サービス分析装置及びその動作方法 | |
US11526695B2 (en) | Evaluating impact of process automation on KPIs | |
GB2586105A (en) | Quality review management system | |
US11663220B1 (en) | Machine learning based prediction of outcomes associated with populations of users | |
US11507674B2 (en) | Quantifying privacy impact | |
Holgeid et al. | A reflection on why large public projects fail | |
Scala et al. | Managing nuclear spare parts inventories: a data driven methodology | |
US20240185159A1 (en) | Systems And Methods For Identifying An Officer At Risk Of An Adverse Event | |
JP6569585B2 (ja) | 業務評価システム | |
Rai et al. | Assessing technological impact on vaccine supply chain performance | |
CN113869853A (zh) | 一种办公管理系统 | |
CN111815113B (zh) | 一体化管理平台、方法以及计算机可读存储介质 | |
JP6323998B2 (ja) | Ict−bcp策定支援装置、ict−bcp策定支援方法およびプログラム | |
US20140350995A1 (en) | Characterizing Statistical Time-Bounded Incident Management Systems | |
Cavalcante et al. | Data-driven analytical tools for characterization of productivity and service quality issues in IT service factories | |
JP6505974B2 (ja) | 事務リスク管理システムおよび事務リスク管理プログラム | |
Cavalcante et al. | Characterizing time-bounded incident management systems | |
US20210357301A1 (en) | Monitoring system, monitoring apparatus, and monitoring method | |
KR101352026B1 (ko) | 표준 업무량 산정시스템과 산정방법 | |
US20140304040A1 (en) | Method and system for implementing a composite quality performance index | |
CN114066302A (zh) | 运维系统的监测方法、装置、电子设备及计算机存储介质 | |
Tripathi et al. | From Chaos to Clarity: An Object-Centric Process Mining Case Study in Complaint Requisition Management System | |
Gireesh et al. | Multi-dimensional assessment of risk to business continuity plans of Indian SMEs in the wake of pandemic induced business risks | |
JP4657231B2 (ja) | システムレベルの処理の実行履歴を業務レベルの処理の実行履歴に変換する処理履歴変換方法、その装置およびプログラム | |
CN113535699A (zh) | 一种数据质量检测方法、装置和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20141209 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150106 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5680160 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |