JP6012860B2 - Work time estimation device - Google Patents
Work time estimation device Download PDFInfo
- Publication number
- JP6012860B2 JP6012860B2 JP2015517971A JP2015517971A JP6012860B2 JP 6012860 B2 JP6012860 B2 JP 6012860B2 JP 2015517971 A JP2015517971 A JP 2015517971A JP 2015517971 A JP2015517971 A JP 2015517971A JP 6012860 B2 JP6012860 B2 JP 6012860B2
- Authority
- JP
- Japan
- Prior art keywords
- work
- work time
- actual
- information
- time
- 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
- 238000000034 method Methods 0.000 claims description 90
- 238000005259 measurement Methods 0.000 claims description 55
- 238000003860 storage Methods 0.000 claims description 54
- 238000009826 distribution Methods 0.000 claims description 29
- 238000004519 manufacturing process Methods 0.000 claims description 19
- 239000000284 extract Substances 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 3
- 239000013598 vector Substances 0.000 description 31
- 239000011159 matrix material Substances 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 10
- 238000000605 extraction Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000007619 statistical method 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31407—Machining, work, process finish time estimation, calculation
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31412—Calculate machining time, update as function of load, speed
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、製造現場における作業実績情報を用いた作業時間推定に関する技術である。 The present invention is a technique relating to work time estimation using work performance information at a manufacturing site.
高精度な生産計画立案や製造原価管理を実現するためには、入力データである各製品の各製造工程の作業時間情報を精度良く見積もることが重要である。作業時間を見積もる方法としては、(1)作業を要素作業(移動する、ねじを回すなど)に分解した後、予め定義した要素作業時間を製品仕様に基づいて積み上げることで作業時間を算出する方法や、(2)実際に作業に要した時間(実績作業時間)を作業実績情報から算出し、算出結果を製品仕様や製造条件ごとに分類する方法がある。(1)の方法は、要素作業時間の計測や、要素作業への分割に工数がかかる点や、要素作業時間を積み上げた結果が実際の作業時間と一致しないことがある点に問題があり、一般的には(2)の方法が用いられている。 In order to realize highly accurate production planning and manufacturing cost management, it is important to accurately estimate the work time information of each manufacturing process of each product, which is input data. As a method of estimating the work time, (1) after disassembling the work into element work (moving, turning screws, etc.), the work time is calculated by accumulating the pre-defined element work time based on the product specifications (2) There is a method of calculating time (actual work time) actually required for work from work result information and classifying the calculation result for each product specification or manufacturing condition. The method (1) has problems in that it takes man-hours to measure and divide element work time, and that the result of accumulating element work time may not match the actual work time. Generally, the method (2) is used.
従来、(2)のような作業実績情報を用いた作業時間算出方法としては、例えば、特許文献1のように、作業実績情報の作業着手日時と作業完了日時から個々の作業時間を算出し、算出結果を製品仕様毎に分類して統計処理を施すことで、製品仕様ごとの作業時間を算出する方法がある。また、特許文献2は、特許文献1と同様の方法で算出した個々の作業時間を、当該作業を実施した際に製造現場で発生していたイベント毎(設備故障、ロット内ジョブ数変更など)に分類することで、現在発生中のイベントから作業時間を算出する方法である。
Conventionally, as a work time calculation method using work performance information such as (2), for example, as in
特許文献1、2のような従来の作業時間算出方法は、作業着手日時と作業完了日時から個々の作業の実績作業時間を算出できることを前提としている。例えば、作業完了日時から作業着手日時を減算することで実績作業時間を算出する。しかし、実際の製造現場、特に人手で作業実績情報を計上している製造現場においては、計上漏れや遅れなどによる作業実績情報の欠損が発生し、全作業についての実績作業時間が得られない場合がある。また,常に作業着手日時と作業完了日時の情報を収集していない製造現場においては,ストップウォッチなどにより実績作業時間を実測する必要があるが,多様な製品を製造している場合,全作業について実測するコストは非常に大きくなる。そのため,実測によっても全作業の実績作業時間を得ることは難しい。上記のように,全作業の実績作業時間が得られない場合は,一部作業の実績作業時間情報のみを用いて作業時間推定をすることになるが,この場合,実績作業時間が得られていない作業や,サンプル数が少ない作業に対する推定精度が低下するという課題がある。
The conventional work time calculation methods such as
上記課題を解決するために、本発明は、記憶部に記憶された実績作業時間情報と特徴量情報から、作業時間と特徴量の関係を表す作業時間推定式を導出する処理と、特徴量情報または作業時間推定式を用いて、複数の作業から新たに実績作業時間を計測すべき作業を抽出する処理と、抽出された作業に関して実際に計測された実績作業時間が入力されることにより、作業時間推定式を更新し、作業時間を推定すべき作業の特徴量から、更新された作業時間推定式に基づいて、当該作業の作業時間を推定する処理と、を行うことを特徴とする。 In order to solve the above-described problems, the present invention provides a process for deriving a work time estimation expression representing a relationship between work time and feature amount from actual work time information and feature amount information stored in a storage unit, and feature amount information Or, by using the work time estimation formula, the process to extract the work for which the actual work time should be newly measured from multiple work and the actual work time actually measured for the extracted work is input, The time estimation formula is updated, and processing for estimating the work time of the work is performed based on the updated work time estimation formula from the feature amount of the work whose work time is to be estimated.
本発明により、本装置の利用者は、作業時間推定精度を向上するために新たに実績作業時間を計測すべき作業を判断できる。 According to the present invention, the user of this apparatus can determine a work for which the actual work time should be newly measured in order to improve the work time estimation accuracy.
以下,本発明の一実施形態の詳細を説明する。図3は、ある製造現場における作業工程フローの例である。図3に示すように、対象とする製造現場の作業工程フローには、寸法旋盤、外形旋盤などの作業工程があり、複数品種の製品を製造している。各作業工程における作業時間は品種によって異なり、本発明における作業時間推定装置では、例えば、各品種の各作業工程における特徴量(製品の大きさ・形状・材質や利用設備のスペックなど)から作業時間を推定するための作業時間推定式を利用者に提供する。 Details of one embodiment of the present invention will be described below. FIG. 3 is an example of a work process flow at a certain manufacturing site. As shown in FIG. 3, the work process flow at the target manufacturing site includes work processes such as a dimension lathe and an external lathe, and a plurality of types of products are manufactured. The work time in each work process varies depending on the product type. In the work time estimation device according to the present invention, for example, the work time is calculated from the feature amount (product size, shape, material, specification of equipment used, etc.) in each work process of each product type. The user is provided with a work time estimation formula for estimating
図1は、作業時間推定装置の機能ブロック図である。図示するように、作業時間推定装置は、記憶部110、制御部120、表示部130、通信部140、を備える。
FIG. 1 is a functional block diagram of the work time estimation device. As illustrated, the work time estimation device includes a
記憶部110は、作業特徴量情報記憶領域111、実績作業時間情報記憶領域112、作業時間推定式情報記憶領域113,実施予定作業情報記憶領域114,実績計測推奨作業情報記憶領域115,推定作業時間情報記憶領域116を備える。
The
作業特徴量情報記憶領域111は、製造現場のある工程において実施した若しくは今度実施する作業について、各作業の特徴量を特定する作業特徴量情報を記憶する。ここで,作業特徴量とは,作業時間に影響する因子であり,例えば,作業の対象部品の大きさなどである。例えば,本実施形態においては,図4に示すような作業特徴量情報テーブルを記憶する。図示するように,作業特徴量情報テーブルは,作業名欄111a,部品欄111b,部品長さ欄111c,部品重量欄111dを有する。作業名欄111aには,作業を特定する情報を格納する。部品欄111bには,当該作業の対象部品を特定する情報を格納する。部品長さ欄111cには,当該部品の長さを特定する情報を格納する。部品重量欄111dには,当該部品の重量を特定する情報を格納する。工程欄には,当該作業の作業工程を特定する情報を格納する。ここで,本実施形態では作業特徴量を上記に限っているが,作業時間に影響する因子であれば,長さ・重量以外の部品属性情報や,利用設備のスペックなどの設備属性情報,担当作業者の作業習熟度などの作業者属性情報などを作業特徴量として用いてもよい。
The work feature quantity
実績作業時間情報記憶領域112は,製造現場で実施した各作業の実績作業時間を特定する実績作業時間情報を記憶する。例えば,本実施形態においては,図5に示すような実績作業時間情報テーブルを記憶する。図示するように,実績作業時間情報テーブルは,作業名欄112a,実績作業時間欄112bを有する。作業名欄112aには,作業を特定する情報を格納する。実績作業時間欄112bには,当該作業の実績作業時間を特定する情報を格納する。ここで,前述したように全作業の実績作業時間情報が得られない場合は,実績作業時間情報テーブルには,作業特徴量情報テーブルに存在する作業のうち,一部作業についてのみの実績作業時間情報が格納される。
The actual work time
作業時間推定式情報記憶領域113は,後述する作業時間推定式導出部121で導出した作業時間推定式を特定する情報を記憶する。例えば,本実施形態においては,図6に示すような作業時間推定式情報テーブルを記憶する。図示するように,作業時間推定式情報テーブルは,項目欄113a,値欄113bを有する。項目欄113aには作業時間予測式に含まれる係数などの項目を特定する情報を格納する。値欄113bには,項目欄で特定される値を特定する情報を格納する。例えば,作業時間推定式=a×対象部品長さ+b×対象部品重量+cとした際,項目欄113aには係数a,係数b,係数cが格納され,値欄113bにはそれぞれ係数a値,係数b値,係数c値が格納される。
The work time estimation formula
実施予定作業情報記憶領域114は,将来実施予定の作業を特定する情報を記憶する。例えば,本実施形態においては,図7に示すような実施予定作業情報テーブルを記憶する。図示するように,実施予定作業情報テーブルは,実施予定作業名欄114aを有する。実施予定作業名欄114aには,将来実施予定の作業名を特定する情報を格納する。
The scheduled work
実績計測推奨作業情報記憶領域115は,後述する実績計測推奨作業抽出部122で導出した実績計測推奨作業を特定する情報を記憶する。例えば,本実施形態においては,図8に示すような実績計測推奨作業情報テーブルを記憶する。図示するように,実績計測推奨作業情報テーブルは,推奨順位欄115a,作業名欄115bを有する。推奨順位欄115aには,推奨順位を特定する情報を格納する。作業名欄115bには,推奨順位欄で特定される推奨順位に該当する作業名を特定する情報を格納する。
The performance measurement recommended work
推定作業時間情報記憶領域116は,後述する作業時間推定式導出部121で算出した各作業の推定作業時間を特定する情報を記憶する。例えば,本実施形態においては,図9に示すような推定作業時間情報テーブルを記憶する。図示するように,推定作業時間情報テーブルは,作業名欄116a,推定作業時間欄116bを有する。作業名欄116aには,作業名を特定する情報を格納する。推定作業時間欄116bには,作業名欄で特定される作業の推定作業時間を特定する情報を格納する。
The estimated work time
図1に戻り、制御部120は、作業時間推定式導出部121、実績計測推奨作業抽出部122を備える。作業時間推定式導出部121は,前記記憶部110の作業特徴量情報と実績作業時間情報を用いて,作業時間推定式を導出する処理と,導出した作業時間推定式の作業時間推定式情報を前記記憶部110の作業時間推定式情報記憶領域113に格納する処理を行う。例えば,本実施形態では,実績作業時間情報のベクトルをY,Y中に各作業の作業特徴量情報の行列をX,ある作業の作業特徴量情報をxとすると,YとXを用いた最小二乗法により,作業時間推定式f(x)を導出する。ここで,YとXからf(x)を導出する方法には,最小二乗法の他にも様々な統計解析手法が存在し,本発明は,その方法を限定するものではない。
Returning to FIG. 1, the
実績計測推奨作業抽出部122は,前記記憶部110の作業特徴量情報,実績作業時間情報,作業時間推定式情報を用いて,作業時間推定式の推定精度を向上するために新たに実績作業時間を計測すべき実績計測推奨作業を抽出する処理と,抽出した実績計測推奨作業を前記記憶部110の実績計測推奨作業情報記憶領域115に格納する処理を行う。
The actual measurement recommended
図1に戻り,表示部130は,前記記憶部110の情報を出力する。例えば、表示部130は、前記記憶部110の作業時間推定式情報記憶領域113,実績計測推奨作業情報記憶領域115,推定作業時間情報記憶領域116の情報を表示する処理を行う。通信部140は、ネットワークを介した情報の送受信を行う。
Returning to FIG. 1, the
図2は、本発明の一実施形態である作業時間推定システムの概略図である。図示するように、作業時間推定システムは、作業時間推定装置210と、作業実績管理装置220と、部品・設備・作業者情報管理装置230と、生産計画装置240と、を備え、これらはネットワーク250を介して相互に情報の送受信ができる。
FIG. 2 is a schematic diagram of a working time estimation system according to an embodiment of the present invention. As shown in the figure, the work time estimation system includes a work
作業実績管理装置220は、作業現場に配置されている各設備や各作業者から作業実績情報の入力を受け付けて、各作業の実績作業時間情報を管理する。そして,予め定められた時又は作業時間推定装置210からの要求に応じて、実績作業時間情報を作業時間推定装置210に送信し,作業時間推定装置210は,本情報を実績作業時間情報記憶領域112に記憶する。
The work
部品・設備・作業者情報管理装置230は、各部品の大きさなどの部品属性情報や,設備スペックなどの設備属性情報,作業者の作業習熟度などの作業者属性情報を管理する。そして,予め定められた時又は予め定められた時又は作業時間推定装置210からの要求に応じて、部品・設備・作業者属性情報を作業時間推定装置210に送信し,作業時間推定装置210は,本情報を作業特徴量情報記憶領域111に格納する。
The parts / facility / worker
生産計画装置240は、将来実施予定の作業の情報を管理する。そして,予め定められた時又は予め定められた時又は作業時間推定装置210からの要求に応じて、実施予定作業情報を作業時間推定装置210に送信し,作業時間推定装置は,本情報を実施予定作業情報記憶領域114に格納する。
The
以上に記載した作業時間算出装置210は、例えば、図10に示すような、CPU(Central Processing Unit)151と、メモリ152と、HDD(Hard Disk Drive)などの外部記憶装置153と、CD(Compact Disk)やDVD(Digital Versatile Disk)などの可搬性を有する記憶媒体158に対して情報を読み書きする読書装置157と、キーボードやマウスなどの入力装置156と、ディスプレイなどの出力装置155と、通信ネットワークに接続するためのNIC(Network Interface Card)などの通信装置154と、を備えた一般的なコンピュータで実現できる。
The work
例えば、記憶部110は、CPU151がメモリ152又は外部記憶装置153を利用することにより実現可能であり、制御部120は、外部記憶装置153に記憶されている所定のプログラムをメモリ152にロードしてCPU151で実行することで実現可能であり、入力部130は、CPU151が入力装置156を利用することで実現可能であり、表示部130は、CPU151が出力装置155を利用することで実現可能であり、通信部140は、CPU151が通信装置154を利用することで実現可能である。
For example, the
この所定のプログラムは、読書装置157を介して記憶媒体158から、あるいは、通信装置154を介してネットワークから、外部記憶装置153にダウンロードし、それから、メモリ152上にロードしてCPU151により実行するようにしてもよい。また、読書装置157を介して記憶媒体158から、あるいは、通信装置154を介してネットワークから、メモリ152上に直接ロードし、CPU151により実行するようにしてもよい。
The predetermined program is downloaded to the
上述したような作業時間推定装置210は、以下に示す処理により、作業時間推定式の導出と,実測計測推奨作業の抽出を行う。図11は作業時間推定式導出処理のフローチャート,図12は実績計測推奨作業抽出処理の概略図,図13,14は実績計測推奨作業抽出処理のフローチャートである。以下,図11〜14を参照して、本発明の実施形態について詳しく説明する。
The work
図11は、前記制御部120の作業時間推定式導出処理のフローチャートである。ステップS101では、実績作業時間情報テーブルから,各作業の実績作業時間をベクトルYとして取得する。ここでYは,各作業の実績作業時間yを要素とするベクトルである。
FIG. 11 is a flowchart of the work time estimation formula deriving process of the
ステップS102では、作業特徴量情報テーブルから,Yの各作業の特徴量情報を行列Xとして取得する。ここで行列Xは,各作業の特徴量ベクトルxを要素ベクトルとする行列であり,特徴量ベクトルxは,各作業の各特徴量(部品大きさなど)を要素とするベクトルである。 In step S102, feature quantity information of each work of Y is acquired as a matrix X from the work feature quantity information table. Here, the matrix X is a matrix having the feature quantity vector x of each work as an element vector, and the feature quantity vector x is a vector having each feature quantity (part size, etc.) of each work as an element.
ステップS103では、X,Yを用いて作業時間推定式を導出する。例えば,yを教師データ,xを説明変数として,最小二乗法などの回帰手法により,yとf(x)の誤差を最小とするような作業時間推定式fを導出する。さらに,導出した作業時間推定式を用いて各作業の推定作業時間を算出する。ここで,fの導出方法は様々あるが,本発明は,作業特徴量から作業時間を推定する方法であれば,その方法を限定するものではない。例えば,最小二乗法以外の回帰手法や,クラスタリングを用いた手法,ベイズ理論などの確率論を用いた手法を用いても良い。 In step S103, a work time estimation formula is derived using X and Y. For example, a working time estimation formula f that minimizes the error between y and f (x) is derived by a regression method such as a least square method, where y is teacher data and x is an explanatory variable. Furthermore, the estimated work time of each work is calculated using the derived work time estimation formula. Here, there are various methods for deriving f. However, the present invention is not limited as long as it is a method for estimating work time from work feature values. For example, a regression method other than the least square method, a method using clustering, or a method using probability theory such as Bayesian theory may be used.
ステップS400では、ステップS300で導出した作業時間推定式を特定する情報を作業時間推定式情報テーブルに格納する。また,各作業の推定作業時間を,推定作業時間情報テーブルに格納する。ステップS500では,本発明の利用者により新たに実績作業時間を計測するか否かを判定する。新たに実績作業時間を計測する場合はステップS600へ,計測しない場合は処理を終了する。ステップS600では,新たに実績を計測すべき作業を抽出する。本処理の詳細は後述する。ステップS700では,ステップS600の処理結果である実績計測推奨作業の実績作業時間を計測する。 In step S400, information for specifying the work time estimation formula derived in step S300 is stored in the work time estimation formula information table. Further, the estimated work time of each work is stored in the estimated work time information table. In step S500, it is determined whether or not the actual work time is newly measured by the user of the present invention. If the actual work time is newly measured, the process proceeds to step S600, and if not, the process ends. In step S600, a new work whose performance should be measured is extracted. Details of this processing will be described later. In step S700, the actual work time of the recommended actual measurement work, which is the processing result of step S600, is measured.
ステップS800では,ステップS700で計測した実績作業時間データを実績作業時間情報テーブルに格納する。また,本処理の完了後,ステップS100に戻り上記処理を繰り返すことで,作業時間推定式の精度を向上する。 In step S800, the actual work time data measured in step S700 is stored in the actual work time information table. In addition, after the completion of this process, the process returns to step S100 to repeat the above process, thereby improving the accuracy of the work time estimation formula.
図12は,前記制御部120の実績計測推奨作業抽出処理の概略図である。実績計測推奨作業を抽出する方法は,1:作業特徴量の確率密度分布を用いる方法と,2:作業時間推定値を用いる方法がある。図13,14は、前記制御部120の実績計測推奨作業抽出処理のフローチャートであり,それぞれ方法1、方法2に対応している。
FIG. 12 is a schematic diagram of the performance measurement recommended work extraction process of the
以下,図12を用いて,方法1の概要を説明する。本処理では,作業時間推定処理に用いる作業特徴量行列Xを,実施予定作業の作業特徴量行列XNEWに近づけるように実績計測推奨作業を選ぶ。図12上図の横軸は作業特徴量,縦軸は確率密度であり,実線は将来実施予定作業の確率密度分布,点線は実績あり作業と実施予定作業Aからなる作業群の特徴量の確率密度分布,破線は実績あり作業と実施予定作業Bからなる作業群の特徴量の確率密度分布である。図示するように,点線に比べ,破線の方が実線に近い分布を取っており,この場合は,作業Bを実績計測推奨作業とする。つまり本方法は,実績作業時間のサンプルが少ない作業特徴量を持つ作業の実績計測を推奨することで,作業時間推定式の推定精度向上を図る。Hereinafter, the outline of the
以下,図13のフローチャートを用いて方法1の詳細を説明する。ステップS201では、実施予定作業情報テーブルから,将来実施する作業のリストをベクトルONEWとして取得する。ここでONEWは,将来実施する各作業名oを要素とするベクトルである。ステップS202では、作業特徴量情報テーブルから,ONEWの各作業の作業特徴量情報を行列XNEWとして取得し,ONEWの要素数をNとして取得する。ここでXNEWは,各作業の特徴量ベクトルxを要素ベクトルとする行列である。Hereinafter, the details of the
ステップS203では、行列XNEWから特徴量ベクトルxの確率密度分布gを算出する。確率密度分布gを算出する方法としては,例えば,XNEWの各特徴量ベクトルxの要素の値を離散化することで,XNEW中で離散値が同一となる特徴量ベクトルの個数を算出し,その算出値をXNEWの要素ベクトル数で除算した値を特徴量ベクトルxの確率密度とする。ここで,特徴量ベクトルの要素数が多くなると,各離散値に該当する特徴量ベクトルの数が減り,確率密度分布の算出精度が低くなる場合がある。そのため,主成分分析などの次元圧縮手法を用いてXNEWの次元を圧縮した後に上記処理を実行しても良い。In step S203, it calculates the probability density distribution g of the feature vector x from matrix X NEW. As a method of calculating the probability density distribution g, for example, by discretizing the values of the elements of the feature vector x of X NEW, calculates the number of feature vector discrete value is equal in X NEW , a value obtained by dividing the calculated value by the element number of vectors X NEW probability density of the feature vector x. Here, when the number of elements of the feature quantity vector increases, the number of feature quantity vectors corresponding to each discrete value may decrease, and the calculation accuracy of the probability density distribution may be lowered. Therefore, the above processing may be executed after compressing the dimensions of XNEW using a dimension compression technique such as principal component analysis.
ステップS204では,ステップS205〜S210を,カウンタnが1からNの範囲で繰り返す。ステップS205では,ステップS206〜S208を,カウンタiが1からNの範囲で繰り返す。ステップS206では,ONEW中のi番目の作業oiを取得する。ステップS207では,作業oiが既に実績計測推奨作業として抽出されているかを判定し,抽出されていない場合はステップS208へ,抽出されている場合はステップS205へ進む。In step S204, steps S205 to S210 are repeated in the range where the counter n is 1 to N. In step S205, steps S206 to S208 are repeated in the range of counter i from 1 to N. In step S206, the i-th work o i in O NEW is acquired. In step S207, it is determined whether or not the work o i has already been extracted as a performance measurement recommended work. If it has not been extracted, the process proceeds to step S208. If it has been extracted, the process proceeds to step S205.
ステップS208では,作業oiの特徴量ベクトルxiを作業特徴量行列Xに追加して行列X*を作成し,行列X*における各特徴量ベクトルxの確率密度分布hを算出する。確率密度分布の算出方法はステップS202と同じである。ステップS209では,確率密度分布g,hの距離diを算出する。ここで,分布の距離の算出方法としては,例えば,カルバック・ライブラー情報量などがある。カルバック・ライブラー情報量Dは2つの確率分布の差異を測る尺度である。なお,2つの確率分布の差異を測る方法であれば,本発明はその方法を限定するものではない。In step S208, the work o i a feature vector x i to create a matrix in addition to the task feature amount matrix X X * of calculating the probability density distribution h of each feature vector x in matrix X *. The calculation method of the probability density distribution is the same as that in step S202. In step S209, it calculates the distance d i of the probability density distribution g, h. Here, as a calculation method of the distribution distance, for example, there is a Cullback / Librer information amount. The Cullback-Liber information amount D is a measure for measuring the difference between two probability distributions. Note that the present invention does not limit the method as long as it is a method for measuring the difference between two probability distributions.
ステップS210では,ステップS206〜S209で算出した,ONEW中の各作業oiにおける分布距離diから,diが最小となる作業oiを実績計測推奨作業oOPTとして抽出し,推奨順位n,作業名oOPTとして実績計測推奨作業情報テーブルに格納する。ステップS211では,作業特徴量行列Xに作業oOPTの特徴量ベクトルxOPTを追加する。In step S210, calculated in step S206 to S209, the distribution distance d i in each work o i in O NEW, extracts work o i where d i is minimized as actual measurement recommended working o OPT, recommendation ranking n , Stored in the performance measurement recommended work information table as work name o OPT . At step S211, it adds a feature vector x OPT work o OPT the task feature quantity matrix X.
次に,図12を用いて方法2の概要を説明する。方法1では,前述したように,特徴量ベクトルの要素数が多くなると,確率密度分布の算出精度が低くなる場合がある。これに対し,方法2はxの確率密度分布を用いない方法である。図12下図の横軸は作業時間推定値,縦軸は推定誤差であり,図中の各点は,実績作業時間情報が存在する作業のプロットである。また,点線は当該プロットから求めた,作業時間推定値と推定誤差の関係を表す近似曲線である。方法2では,上記の近似曲線を求めた後,例えば将来実施予定の作業C,Dについて作業時間推定値及び推定誤差見積値を算出し,推定誤差見積値が大きい作業を実績計測推奨作業として抽出する。つまり本方法では,作業時間推定式の推定誤差が大きいと想定されるサンプルの実績計測を推奨することで,作業時間推定式の推定精度向上を図る。
Next, the outline of the
以下,図14のフローチャートを用いて方法2の詳細を説明する。ステップS301では、作業時間推定式と作業特徴量行列Xを用いて,Xの作業時間推定値ベクトルY*と,推定誤差ベクトルΔYを算出する。ここで,Y*は各作業の作業時間推定値y*を要素とするベクトルである。また,ΔYは各作業の推定誤差Δy=|y-y*|を要素とするベクトルである。ステップS302では、実施予定作業情報テーブルから,将来実施する作業のリストをベクトルONEWとして取得する。Hereinafter, the details of the
ステップS303では,作業特徴量情報テーブルから,ONEWの各作業の作業特徴量を行列XNEWとして取得し,ONEW中の作業数をNとして取得する。ステップS304では,ステップS305〜S307を,カウンタiが1からNの範囲で繰り返す。ステップS305では,ONEW中のi番目の作業oiを取得する。ステップS306では,作業oiの特徴量ベクトルxiと作業時間推定式を用いて,作業oiの作業時間推定値y*NEW,iを算出する。In step S303, the work feature value of each work of ONEW is obtained as a matrix X NEW from the work feature value information table, and the number of works in O NEW is obtained as N. In step S304, steps S305 to S307 are repeated in the range of counter i from 1 to N. In step S305, the i-th work o i in O NEW is acquired. In step S306, the work o using i feature vector x i and the working time estimation equation to calculate work o i working time estimate y * NEW, the i.
ステップS307では,実績あり作業の作業時間推定値ベクトルY*とその推定誤差ベクトルΔYを用いて,作業oiの作業時間推定値y*NEW,iの推定誤差ΔyNEW,iを見積る。推定誤差を見積る方法は,例えば,y*に対するΔyの変化をスプライン関数により近似し,当該スプライン関数上のy*NEW,iにおける値をΔyNEW,iとして用いる方法がある。また,y*NEW,iの近傍のy*について, y*NEW,iとy*の近さで重み付けしたΔyの総和をΔyNEW,iとする方法もある。ステップS3008では,ONEW中の各作業の推定誤差見積値ΔYNEWから,推定誤差見積値が作業から順に推奨順位を付けて,実績計測推奨作業情報テーブルに格納する。In step S307, the estimated error Δy NEW, i of the work time estimated value y * NEW, i of the work o i is estimated using the estimated work time vector Y * of the work with results and its estimated error vector ΔY. As a method of estimating the estimation error, for example, there is a method of approximating a change of Δy with respect to y * by a spline function and using a value at y * NEW, i on the spline function as Δy NEW, i . Further, there is y * NEW, for y * in the vicinity of i, y * NEW, i and y * closeness Δy a sum of weighted Δy in NEW, a method of to i. In step S3008, from the estimated error estimated value ΔY NEW of each work in O NEW , the estimated error estimated values are ranked in the order recommended from the work and stored in the actual measurement recommended work information table.
尚、方法1、方法2は、いずれか一方又は両方を実施してもよい。また、算出精度を考慮して、特徴量ベクトルの要素数が所定値で以下であれば方法1を実施し、所定値以上であれば方法2を実施するように、制御部120が判断してもよい。
Note that either one or both of
図15は表示画面の一例を示す概略図である。図15は、前記記憶部110の作業時間推定式情報記憶領域113,実績計測推奨作業情報記憶領域115,推定作業時間情報記憶領域116の情報を表示するための表示画面であり、当該表示画面は例えば、作業時間推定式表示領域132、実績計測推奨作業表示領域133、作業時間推定結果表示領域134を有する。本表示画面により、本装置の利用者は、作業時間推定式及び実績計測すべき作業を確認することができる。
FIG. 15 is a schematic view showing an example of a display screen. FIG. 15 is a display screen for displaying information in the work time estimation formula
利用者は、新たに計測すべき作業について、実際に作業時間を計測し、実績作業時間情報を更新することで、表示されている作業時間推定式を更新し精度を高めていく。その結果より精度の高い、作業時間推定結果を得ることができる。また、当該表示画面は例えば、対象工程表示・選択領域131を有し、対象工程を変更可能であり、対象工程を変更した際の結果を表示するようにしてもよい。
For the work to be newly measured, the user actually measures the work time and updates the actual work time information, thereby updating the displayed work time estimation formula and improving the accuracy. As a result, a work time estimation result with higher accuracy can be obtained. Further, the display screen may include, for example, a target process display /
110…記憶部、111…作業特徴量情報記憶領域、112…実績作業時間情報記憶領域,113…作業時間推定式情報記憶領域、114…実施予定作業情報記憶領域、115…実績計測推奨作業情報記憶領域、116…推定作業時間記憶領域、120…制御部、121…作業時間推定式導出部、122…実績計測推奨作業抽出部、130…表示部、140…通信部、210…作業時間推定装置、220…作業実績管理装置、230…部品・設備・作業者情報管理装置、240…生産計画装置、250…ネットワーク、151…CPU、152…メモリ、153…外部記憶装置、154…通信装置、155…出力装置、156…入力装置、157…読書装置、158…記憶媒体、131…対象工程表示・選択領域、132…作業時間推定式表示領域、133…実績計測推奨作業表示領域、134…作業時間推定結果表示領域
110: Storage unit, 111: Work feature amount information storage area, 112: Actual work time information storage area, 113 ... Work time estimation formula information storage area, 114 ... Scheduled work information storage area, 115 ... Actual measurement recommended work information storage Area 116: Estimated work
Claims (10)
複数の作業の特徴量情報と、複数の作業の中で実際に作業時間が計測された作業の実績作業時間情報と、を記憶する記憶部と、
前記記憶部に記憶された実績作業時間情報と特徴量情報から、作業時間と特徴量の関係を表す作業時間推定式を導出する処理と、
前記特徴量情報または作業時間推定式を用いて、複数の作業から、作業時間推定精度を向上させるために新たに実績作業時間を計測すべき実績計測推奨作業を抽出する処理と、
前記抽出された作業に関して実際に計測された実績作業時間が入力されることにより、前記作業時間推定式を更新し、作業時間を推定すべき作業の特徴量から、更新された作業時間推定式に基づいて、当該作業の作業時間を推定する処理と、を行う制御部と、
を備えることを特徴とする作業時間推定装置。 A work time estimation device for estimating work time at a manufacturing site,
A storage unit that stores feature amount information of a plurality of operations, and actual operation time information of operations in which the operation time is actually measured among the plurality of operations;
A process of deriving a work time estimation expression representing the relationship between the work time and the feature amount from the actual work time information and the feature amount information stored in the storage unit,
Using the feature amount information or the work time estimation formula, a process of extracting the actual measurement recommended work from which a new actual work time should be measured in order to improve the work time estimation accuracy from a plurality of work;
When the actual work time actually measured for the extracted work is input, the work time estimation formula is updated, and the updated work time estimation formula is updated from the feature amount of the work whose work time should be estimated. A control unit that performs processing for estimating the work time of the work based on
A working time estimation device comprising:
将来実施予定作業の特徴量の確率密度分布と、実績作業時間情報が存在する作業及び新たに実績作業時間を計測する作業の特徴量の確率密度分布を算出し、両確率密度分布の差異が最小となる作業を実績計測推奨作業として抽出することを特徴とする請求項1に記載の作業時間推定装置。 The process of extracting the actual measurement recommended work for which the actual work time should be newly measured,
Calculate the probability density distribution of the feature amount of the planned work to be performed in the future, the probability density distribution of the feature amount of the work for which the actual work time information exists and the work for which the actual work time is newly measured, and the difference between the two probability density distributions is minimized. The work time estimation device according to claim 1, wherein a work to be performed is extracted as a performance measurement recommended work.
前記作業時間推定式及び特徴量情報を用いて、実績作業時間情報が存在する作業の作業時間推定値及び推定誤差を算出し、作業時間推定値と推定誤差の関係から、将来実施予定作業における作業時間推定誤差を見積り、推定誤差見積り値が最大の作業を実績計測推奨作業として抽出することを特徴とする請求項1に記載の作業時間推定装置。 The process of extracting the actual measurement recommended work for which the actual work time should be newly measured,
By using the work time estimation formula and the feature amount information, a work time estimate value and an estimation error of a work for which actual work time information exists are calculated, and work in a future scheduled work is calculated from the relationship between the work time estimate value and the estimation error. The work time estimation apparatus according to claim 1, wherein the work estimation apparatus estimates a time estimation error and extracts a work having a maximum estimated error estimated value as a performance measurement recommended work.
前記特徴量の要素数が所定値以下の場合は、将来実施予定作業の特徴量の確率密度分布と、実績作業時間情報が存在する作業及び新たに実績作業時間を計測する作業の特徴量の確率密度分布を算出し、両確率密度分布の差異が最小となる作業を実績計測推奨作業として抽出し、
前記特徴量の要素数が所定値以上の場合は、前記作業時間推定式及び特徴量情報を用いて、実績作業時間情報が存在する作業の作業時間推定値及び推定誤差を算出し、作業時間推定値と推定誤差の関係から、将来実施予定作業における作業時間推定誤差を見積り、推定誤差見積り値が最大の作業を実績計測推奨作業として抽出することを特徴とする請求項1に記載の作業時間推定装置。 The process of extracting the actual measurement recommended work for which the actual work time should be newly measured,
When the number of elements of the feature amount is equal to or less than a predetermined value, the probability density distribution of the feature amount of the work scheduled to be performed in the future, the probability of the feature amount of the work in which the actual work time information exists and the work for newly measuring the actual work time Calculate the density distribution and extract the work that minimizes the difference between the two probability density distributions as the recommended performance measurement work.
When the number of elements of the feature quantity is equal to or greater than a predetermined value, the work time estimation value and the estimation error of the work for which actual work time information exists are calculated using the work time estimation formula and the feature quantity information to estimate the work time 2. The work time estimation according to claim 1, wherein a work time estimation error in a work scheduled to be performed in the future is estimated from a relationship between the value and the estimated error, and a work having a maximum estimated error estimated value is extracted as a performance measurement recommended work. apparatus.
複数の作業の特徴量情報と、複数の作業の中で実際に作業時間が計測された作業の実績作業時間情報と、を前記記憶部に記憶するステップと、
記憶された実績作業時間情報と特徴量情報から、作業時間と特徴量の関係を表す作業時間推定式を導出するステップと、
前記特徴量情報または作業時間推定式を用いて、複数の作業から、作業時間推定精度を向上させるために新たに実績作業時間を計測すべき実績計測推奨作業を抽出するステップと、
前記抽出された作業に関して実際に計測された実績作業時間が入力されることにより、前記作業時間推定式を更新し、作業時間を推定すべき作業の特徴量から、更新された作業時間推定式に基づいて、当該作業の作業時間を推定するステップと、
を備えることを特徴とする作業時間推定方法。 A work time estimation method for estimating work time at a manufacturing site implemented in a work time estimation device having a storage unit and a control unit,
Storing in the storage unit feature quantity information of a plurality of works, and actual work time information of a work in which a work time is actually measured among the plurality of works;
Deriving a work time estimation expression representing the relationship between the work time and the feature amount from the stored actual work time information and the feature amount information;
Using the feature quantity information or the work time estimation formula, extracting a performance measurement recommended work from which a work performance estimation time should be newly measured in order to improve work time estimation accuracy from a plurality of work;
When the actual work time actually measured for the extracted work is input, the work time estimation formula is updated, and the updated work time estimation formula is updated from the feature amount of the work whose work time should be estimated. Based on the step of estimating the work time of the work,
A working time estimation method comprising:
将来実施予定作業の特徴量の確率密度分布と、実績作業時間情報が存在する作業及び新たに実績作業時間を計測する作業の特徴量の確率密度分布を算出し、両確率密度分布の差異が最小となる作業を実績計測推奨作業として抽出することを特徴とする請求項6に記載の作業時間推定方法。 The step of extracting the actual measurement recommended work for which the actual work time should be newly measured,
Calculate the probability density distribution of the feature amount of the planned work to be performed in the future, the probability density distribution of the feature amount of the work for which the actual work time information exists and the work for which the actual work time is newly measured, and the difference between the two probability density distributions is minimized. The work time estimation method according to claim 6, wherein a work to be performed is extracted as a performance measurement recommended work.
前記作業時間推定式及び特徴量情報を用いて、実績作業時間情報が存在する作業の作業時間推定値及び推定誤差を算出し、作業時間推定値と推定誤差の関係から、将来実施予定作業における作業時間推定誤差を見積り、推定誤差見積り値が最大の作業を実績計測推奨作業として抽出することを特徴とする請求項6に記載の作業時間推定方法。 The step of extracting the actual measurement recommended work for which the actual work time should be newly measured,
By using the work time estimation formula and the feature amount information, a work time estimate value and an estimation error of a work for which actual work time information exists are calculated, and work in a future scheduled work is calculated from the relationship between the work time estimate value and the estimation error. The work time estimation method according to claim 6, wherein a time estimation error is estimated, and a work having a maximum estimated error estimated value is extracted as a performance measurement recommended work.
前記特徴量の要素数が所定値以下の場合は、将来実施予定作業の特徴量の確率密度分布と、実績作業時間情報が存在する作業及び新たに実績作業時間を計測する作業の特徴量の確率密度分布を算出し、両確率密度分布の差異が最小となる作業を実績計測推奨作業として抽出し、
前記特徴量の要素数が所定値以上の場合は、前記作業時間推定式及び特徴量情報を用いて、実績作業時間情報が存在する作業の作業時間推定値及び推定誤差を算出し、作業時間推定値と推定誤差の関係から、将来実施予定作業における作業時間推定誤差を見積り、推定誤差見積り値が最大の作業を実績計測推奨作業として抽出することを特徴とする請求項6に記載の作業時間推定方法。 The step of extracting the actual measurement recommended work for which the actual work time should be newly measured,
When the number of elements of the feature amount is equal to or less than a predetermined value, the probability density distribution of the feature amount of the work scheduled to be performed in the future, the probability of the feature amount of the work in which the actual work time information exists and the work for newly measuring the actual work time Calculate the density distribution and extract the work that minimizes the difference between the two probability density distributions as the recommended performance measurement work.
When the number of elements of the feature quantity is equal to or greater than a predetermined value, the work time estimation value and the estimation error of the work for which actual work time information exists are calculated using the work time estimation formula and the feature quantity information to estimate the work time The work time estimation error according to claim 6, wherein a work time estimation error in a work scheduled to be performed in the future is estimated from a relationship between the value and the estimated error, and a work having a maximum estimated error estimated value is extracted as a performance measurement recommended work. Method.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2013/064144 WO2014188524A1 (en) | 2013-05-22 | 2013-05-22 | Task time estimation device |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6012860B2 true JP6012860B2 (en) | 2016-10-25 |
JPWO2014188524A1 JPWO2014188524A1 (en) | 2017-02-23 |
Family
ID=51933114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015517971A Active JP6012860B2 (en) | 2013-05-22 | 2013-05-22 | Work time estimation device |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6012860B2 (en) |
WO (1) | WO2014188524A1 (en) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6622592B2 (en) * | 2016-01-04 | 2019-12-18 | 株式会社日立製作所 | Production planning support system and support method |
JP6764776B2 (en) | 2016-12-15 | 2020-10-07 | 株式会社日立製作所 | Production control support device, production control support method, and production control support program |
JP6870527B2 (en) * | 2017-08-04 | 2021-05-12 | 富士通株式会社 | Parts estimation program, parts estimation system and parts estimation method |
JP7386010B2 (en) * | 2019-07-24 | 2023-11-24 | 株式会社日立製作所 | Shipping work support system, method, and computer program |
JP7311373B2 (en) * | 2019-09-20 | 2023-07-19 | 株式会社日立製作所 | COMPUTER SYSTEM, PLAN GENERATION METHOD, AND PROGRAM |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5798066A (en) * | 1980-12-11 | 1982-06-18 | Kurabo Ind Ltd | Calculating system for job standard time |
JPH03287359A (en) * | 1990-04-05 | 1991-12-18 | Nec Corp | Control device for information of standard work time |
JPH07164267A (en) * | 1993-12-14 | 1995-06-27 | Canon Inc | Assembling time estimating device |
JP2009048287A (en) * | 2007-08-15 | 2009-03-05 | Fujitsu Ltd | Man-hour estimation program, recording medium with the program recorded thereon, man-hour estimation device, and man-hour estimation method |
JP2011158931A (en) * | 2010-01-29 | 2011-08-18 | Hitachi Omron Terminal Solutions Corp | Working time estimation system, method, and program |
-
2013
- 2013-05-22 WO PCT/JP2013/064144 patent/WO2014188524A1/en active Application Filing
- 2013-05-22 JP JP2015517971A patent/JP6012860B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5798066A (en) * | 1980-12-11 | 1982-06-18 | Kurabo Ind Ltd | Calculating system for job standard time |
JPH03287359A (en) * | 1990-04-05 | 1991-12-18 | Nec Corp | Control device for information of standard work time |
JPH07164267A (en) * | 1993-12-14 | 1995-06-27 | Canon Inc | Assembling time estimating device |
JP2009048287A (en) * | 2007-08-15 | 2009-03-05 | Fujitsu Ltd | Man-hour estimation program, recording medium with the program recorded thereon, man-hour estimation device, and man-hour estimation method |
JP2011158931A (en) * | 2010-01-29 | 2011-08-18 | Hitachi Omron Terminal Solutions Corp | Working time estimation system, method, and program |
Also Published As
Publication number | Publication date |
---|---|
JPWO2014188524A1 (en) | 2017-02-23 |
WO2014188524A1 (en) | 2014-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hwang et al. | Generalized structured component analysis: A component-based approach to structural equation modeling | |
JP6843882B2 (en) | Learning from historical logs and recommending database operations for data assets in ETL tools | |
JP5988419B2 (en) | Prediction method, prediction system, and program | |
JP2022031709A (en) | System and computer implementation method for measuring industrial process performance for industrial process facilities | |
JP6012860B2 (en) | Work time estimation device | |
JP6973887B2 (en) | Project management support equipment, project management support methods and programs | |
JP4937608B2 (en) | INDICATOR ESTIMATION DEVICE, INDICATOR ESTIMATION METHOD, AND INDICATOR ESTIMATION PROGRAM | |
JP6246889B1 (en) | Device, method and program for selecting explanatory variables | |
CN110610252A (en) | Prediction system and prediction method | |
JP6704089B2 (en) | Library search device, library search system, and library search method | |
JP2007323315A (en) | Cooperative filtering method, cooperative filtering device, cooperative filtering program and recording medium with the same program recorded thereon | |
JP5551806B2 (en) | Integrated demand prediction apparatus, integrated demand prediction method, and integrated demand prediction program | |
JP6069460B1 (en) | Device, method and program for selecting explanatory variables | |
Mehtätalo | An algorithm for ensuring compatibility between estimated percentiles of diameter distribution and measured stand variables | |
JP2013117856A (en) | Operation time calculation device and operation time calculation method | |
JP4339769B2 (en) | Prediction model selection device, prediction model selection method, and program | |
JP6617605B2 (en) | Demand amount prediction program, demand amount prediction method, and information processing apparatus | |
JP5818439B2 (en) | Software modification estimation method and software modification estimation system | |
US20180174174A1 (en) | Trend-based data anlysis | |
US10235630B1 (en) | Model ranking index | |
JP2008305229A (en) | Demand forecast method and device | |
JP5650290B1 (en) | Operational risk measurement method and apparatus | |
JP2022179882A (en) | Plan evaluation apparatus and plan evaluation method | |
JP6968730B2 (en) | Project progress prediction device and project progress prediction system | |
JP5685995B2 (en) | Simulation data generation system, method and program |
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: 20160823 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160920 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6012860 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |