JP6188071B2 - 指導員割当方法及び装置 - Google Patents

Description

本発明は、食事指導や栄養指導などが必要な指導対象者にコメント指導を行う指導員を割り当てる指導員割当方法及び装置に係り、特に、多数の指導対象者を少数の指導員で効率的に指導できる割り当てを提供する指導員割当方法及び装置に関する。

非特許引例１，２には、契約ユーザが食事画像をアップロードし、管理栄養士が指導を行うシステムが示されている。このようなシステムでは、契約ユーザが簡単に管理栄養士から食事指導を受けることができる。

旭化成/げんき！食卓 コンシェルジュ http://shoku365.com/index.html ウィット/あすけん http://www.asken.jp/

上記の従来技術では、患者は病院などの施設まで赴くことなく、専門家の指導をオンラインで個別に受けられるので時間的な制約が緩和され、かつ移動に制約がある患者も指導を受けられるという利点がある。

しかしながら、指導員側にとっては各指導員が患者を１対１で指導しなければならないので、一人の指導員が指導できる患者数が少なくなり、多数の患者を指導するためには相当数の指導員を揃えなければならなかった。

さらに、患者の症状、既往症、年齢などに応じて指導内容に難易があり、コメント作成に要する労力、経験、知識も異なる。そして、各指導員にも経験や能力に差があるので、より指導の難しい患者には、より能力の高い指導員を割り当てるといった、指導員割当の論理的、効率的な適正化が望まれる。

しかしながら、従来技術では各患者の指導に要求される労力と各指導員の能力とを照らし合わせて効率的、論理的な指導員割当を行うことが考えられていなかった。

本発明の目的は、上記の技術課題を解決し、多数の指導対象者を少数の指導員で指導できる効率的な指導員割当を可能にする指導員割当方法及び装置を提供することにある。

上記の目的を達成するために、本発明は、多数の指導対象者をその属性に応じて階層状にクラスタリングし、各クラスタへ指導員を割り当てる指導員割当装置において、以下の構成を具備した点に特徴がある。

(1)各指導対象者からクラスタリングの根拠となる属性を取得する手段と、各指導対象者をその属性数に応じた階層の各属性に応じたいずれかのクラスタへ分類する手段と、各クラスタ向けのコメント作成に要する労力を計算する手段と、各クラスタに割り当てる指導員を、各クラスタ向けのコメント作成に要する労力および各指導員の能力に基づいて決定する手段とを具備した。

(2)前記各クラスタ向けのコメント作成に要する労力が、その下位層向けのコメントの一部流用による労力削減を見込んで計算されるようにした。

本発明によれば、以下のような効果が達成される。
(1)コメント指導の内容を共通化できる指導対象者を、その属性に基づいてクラスタリングし、クラスタ単位で一人の指導員がコメント指導すると共に、各クラスタに割り当てる指導員を、コメント作成に要する労力と各指導員の能力とに基づいて決定するようにしたので、多数の指導対象者を少数の指導員で効率的に管理できる指導員割当が可能になる。

(2)各クラスタ向けのコメント作成に要する労力が、その下位層向けのコメントの一部流用による労力削減を見込んで計算されるようにしたので、最下位層のクラスタ以外ではコメント作成に要する労力を軽減できるようになり、より少数の指導員でより多数の指導対象者にコメント指導を行えるようになる。

本発明を適用した食事管理システムの構成を示した図である。 食事管理装置の主要部の構成を示した機能ブロック図である。 階層構造クラスタの一例を示した図である。 言及確率の一例を示した図である。 各クラスタへの指導員の割り当て方法を示した図（その１）である。 各クラスタへの指導員の割り当て方法を示した図（その２）である。 各クラスタへの指導員の割り当て方法を示した図（その３）である。 各クラスタへの指導員の割り当て方法を示した図（その４）である。

以下、図面を参照して本発明の実施の形態について詳細に説明する。図１は、本発明の指導員割当方法及び装置を適用した食事管理システムのネットワーク構成を示した図であり、ここでは、食事指導の対象ユーザ（指導対象者）が食事内容を自身の携帯電話、スマートフォンあるいはタブレット端末（以下、モバイル端末MNで総称する）から食事管理装置１へ送信し、担当の指導員（例えば、管理栄養士）から食事指導を受ける場合を例にして説明する。

予め契約した食堂には専用のWiFiスポット(AP)が用意されており、当該食堂で食事をした指導対象者は、自身のモバイル端末MNから、食事の内容に関する情報（食事情報）を、専用のWiFiスポットおよびネットワーク経由で食事管理装置１へアップロードする。食事情報のアップロードは、各モバイル端末MNに予め実装されている専用アプリケーションを用いて行うことができる。

例えば、アプリケーションが起動されると専用のWebページに自動接続されて当該ページ上で食事情報を手動入力できるようにしても良い。あるいはアプリケーションが起動されるとカメラアプリが起動され、食事内容やメニューを撮影すると、そのカメラ画像が送信されるようにしたり、メニューにその詳細情報を登録したQRコード(登録商標)等が添付されていれば、これを読み取って送信したり、食券等の購買履歴を取得できるならば、これを送信したりすることでアップロードできる。

アップロードされる食事情報には、各指導対象者に固有のユーザIDのみならず、前記WiFiスポットにおいて当該食堂に固有の食堂IDも付与される。したがって、食事管理装置１では、当該食事情報がどの食堂から誰によって送信されたものであるかを認識できる。これにより、例えば同一の食事内容であって食堂ごとに味付けが異なり、塩分量やカロリー量に違いがある場合でも、これらを考慮した食事指導が可能になる。

なお、契約食堂以外の一般食堂や自宅で食事をした場合のように、食事情報を専用のWiFiスポット経由でアップロードできない場合には、自宅の無線LAN経由で送信したり、携帯基地局BSおよび携帯電話網経由で送信しても良い。また、無線LANに代えて、あるいは無線LANと共に、NFCやBluetooth(登録商標)を利用、併用しても良い。

図２は、前記食事管理装置１の主要部の構成を示した機能ブロック図であり、ここでは本発明の説明に不要な構成は図示が省略されている。

本発明の食事管理装置１は、後述する各機能を実現するアプリケーション（プログラム）を汎用のコンピュータやサーバに実装することで構成できる。あるいは前記アプリケーションがハードウェア化またはROM化された専用機や単能機として構成するようにしても良い。

食事情報取得部１０１は、予めサービス契約をしている多数の指導対象者から、各人に固有のユーザIDおよび食堂IDの記述された食事情報を取得する。前記食事情報には、例えば、食事場所、食事内容、食事時刻などの食事属性が含まれる。なお、本実施形態では食事情報取得部１０１にカメラ画像処理部１０１ａが設けられている。当該カメラ画像処理部１０１ａは、予め用意されている画像テンプレートを用いて、受信したカメラ画像から食事内容を推定する機能を備えるので、各指導対象者は食事情報として、そのカメラ画像を送信することもできる。

ユーザDB１０２には、指導対象者のユーザIDごとに、当該指導対象者の年齢、性別、身長、体重、契約しているサービスクラスおよび食事指導を受ける目的、原因（指導目的）などの個人属性が登録されている。

前記サービスクラスには、例えば「プレミアム会員」、「通常会員」および「無料会員」があり、会員契約の料金等に応じて指導内容や質に差が設けられている。指導目的には、指導対象者が指導を受ける目的として、当該指導対象者の持病、既往症、症状およびその程度等に関する情報が含まれる。

前記食事情報取得部１０１は、各指導対象者から取得したユーザIDに基づいて当該指導対象者の個人属性を抽出し、これらを前記食事属性および食堂IDと併せてクラスタリング部１０３へ、各指導対象者に固有の属性情報として提供する。

クラスタリングDB１０４では、各指導対象者をその属性数や属性内容に応じて分類するための多数のクラスタが、木構造に階層化されて階層構造クラスタを構成している。

図３は、階層構造クラスタの一例を示した図であり、第２階層は食事場所でクラスタリングされる階層であり、第３階層は食事内容でクラスタリングされる階層であり、第４階層は指導目的でクラスタリングされる階層である。第２，３階層では各指導対象者へ提供するコメントの内容を個別化できないのでサービス品質が比較的低くなる。これに対して、第４階層以降は、各クラスタに属する指導対象者が一人ないしは少数となり、コメントの内容を個別化できるのでサービス品質が高くなる。

前記食事場所の属性としては、「（食事指導員の駐在する）専門食堂」、「自宅」、「一般食堂」などが含まれる。これは、「専門食堂」であれば塩分やカロリーなどに対して十分な注意が払われており、「自宅」でも十分な注意が払われている可能性が高い一方、「一般食堂」では、そのような注意が払われていないという経験則に基づく。

前記食事内容の属性には、例えば「和食」、「中華」、「洋食」の別や「ラーメン」、「カレーライス」、「寿司」…などの具体的なメニューが含まれる。これは、食事場所が同じでも食事内容により摂取される栄養素等の種類や量が異なるからである。

前記指導目的の属性としては、食事指導を受ける目的、原因として、例えば「糖尿病」、「高血圧」、「高脂血症」などの症状が含まれる。これは、指導目的によって摂取量を注意すべき食事、栄養素、分量などが異なるからである。

前記クラスタリング部１０３は、前記食事情報を受信できた各指導対象者を、その属性数や属性内容に基づいて前記階層状クラスタのいずれかにクラスタリングする。例えば、指導対象者（甲）は、その食事場所が「自宅」、食事内容が「ラーメン」、指導目的が「高血圧」であって、サービスクラスが「通常会員」であれば、第４階層において属性「高血圧」に対応したクラスタb_1_1へ分類される。

これに対して、指導対象者（甲）のサービスクラスが「無料会員」であれば、第３階層において属性「ラーメン」に対応したクラスタb_1へ分類され、属性「高血圧」は考慮外とされる。さらに、サービスクラスが最上位の「プレミアム」であれば、例えば症状の程度まで考慮され、「経過観察」、「注意」または「治療中」などの程度に応じて第５階層の対応するいずれかのクラスタに分類される。

指導労力計算部１０５は、指導員としての管理栄養士が各クラスタに属する指導対象者へ提供するコメントの作成に要する労力を、各クラスタの階層数、換言すれば各指導対象者を当該クラスタへ分類する根拠となった属性数に基づいて計算する。

また、本実施形態では下位層のクラスタ向けに作成されたコメントの一部を、その上位層のクラスタ向けのコメントの一部として流用することによる労力削減を見込んで各クラスタの指導労力を計算するために、前記指導労力計算部１０５が流用労力計算部１０５ａを含んでいる。

前記流用労力計算部１０５ａは、後に詳述するように、下位層向けに作成されるコメントのうち上位層向けのコメントに流用できる文数を統計的に計算する。前記指導労力計算部１０５は、流用できる文数に応じて削減される労力を見込んで上位層の各クラスタ向けコメントの作成に要する労力を計算する。

例えば、前記クラスタb_1_1に分類されたプレミアム会員と、その上位層である前記クラスタb_1に分類された通常会員とを比較すると、クラスタb_1_1への分類根拠となった属性は、「食事場所」、「食事内容」および「指導目的」であるのに対して、クラスタb_1への分類根拠となった属性は「食事場所」および「食事内容」であり、「指導目的」は含まれない。

したがって、クラスタb1_1向けのコメントとして、例えば＜一般レストランは味付けが濃く、特にラーメンは塩分が多いので、「高血圧の方」は注意が必要です＞という指導コメントが担当の管理栄養士により作成された場合、その上位層であるクラスタb_1向けの指導コメントは「指導目的」に言及する必要がないので、例えば＜一般レストランは味付けが濃く、特にラーメンは塩分が多いので食べ過ぎに注意しましょう＞という指導コメントなり、一部の流用が可能となる。

次いで、各クラスタ向けコメントの作成に要する労力を、その下位層向けコメントの一部流用を見込んで定量的に計算する方法について説明する。

本実施形態では、各クラスタ向けに作成されるコメントにおいて、各指導対象者を当該クラスタへ分類する根拠となった全ての属性（クラスタを特徴付ける属性）について言及しなければならないので、各クラスタ向けコメントの作成に要する労力は、当該クラスタを特徴付ける属性数に比例する。

また、階層構造クラスタでは各クラスタを特徴づける属性数を当該クラスタの階層数ｉで代表できるので、各クラスタのベースとなる指導労力wiは、階層数ｉで代表できる属性数Si、および属性数Siを労力に換算する係数aを用いて次式(1)で表現できる。

同様に、その上位層（i-1）のクラスタについてベースとなる指導労力wi-1は次式(2)で表現できる。

一方、下位層から上位層へのコメントの流用については、過去の各クラスタ向けのコメントを統計的に分析することで予め属性ごとに言及確率を算出して流用DB１０６へ登録しておく。言及確率とは、下位層向けのコメントにおいて上位層の各クラスタを特徴付ける各属性に言及する確率であり、本実施形態では、学習用のコメントを分析することで予め学習される。

例えば、下位層向けのコメントを１文ずつ分解したときの総コメント文数が1000個であって、そのうち属性D1に言及したコメント文数が9個、属性D2に言及したコメント文数が1個、属性D3に言及したコメント文数が7個であれば、属性D1，D2，D3への言及確率は、図４に示したように、それぞれ0.9％、0.1％、0.7％となる。

したがって、上位層から下位層への判別に利用された属性がD2、上位層のクラスタを特徴付ける属性がD1，D3の２つであり、下位層向けのコメントに含まれる文数が100個であれば、属性D1に関して流用できるコメント文数の期待値は100×0.9％=0.9個、属性D3に関して流用できるコメント文数の期待値は100×0.7％=0.7個となり、合計で1.6個のコメント文を上位層のクラスタに流用できることになる。

したがって、上位層i-1において下位層iからのコメント文の流用を見越した指導労力Wi-1は、上位層i-1の各属性の言及確率をαi-1，所定の引用係数ｂとして次式(3)で表せる。

図２へ戻り、指導員DB１０７には、指導員としての多数の管理栄養士の能力が、例えばユーザからの評価や所定のスキルテストの結果に基づいて定量的に管理されている。指導員割当部１０８は、各クラスタ向けのコメントを作成する管理栄養士の各クラスタへの割り当てを、各クラスタ向けコメントの作成に要する労力および各管理栄養士の能力に基づいて決定する。

図５〜図８は、各クラスタへの管理栄養士の割り当て方法を模式的に表現した図であり、ここでは図５に示したように、各管理栄養士A，B，C，Dの能力がそれぞれ「１１」，「１０」，「４」，「２」であり、第n層（最下層）に属するクラスタ向けコメントの作成に要する労力が「４」、第(n-1)層が「３」、第(n-2)n層が「２」であり、１つの労力に対して１つの能力が対応するものとして説明する。

本実施形態では、各管理栄養士が能力の高い順に、最下層のクラスタから上位層のクラスタへと順次に割り当てられるので、初めは図６に示したように、管理栄養士Aの８個分の能力が、最下層の２つのクラスタへ４個ずつ割り当てられる。その後、管理栄養士の割り当て順序が、前記管理栄養士Aの能力を残った３個分とみなして並べ替えられる。

次いで、図７に示したように、管理栄養士Bの８個分の能力が、最下層の残りの２つのクラスタへ４個ずつ割り当てられる。その後、管理栄養士の割り当て順序が、前記管理栄養士Bの能力を残った２個分とみなして並べ替えられる。

次いで、図８に示したように、管理栄養士Cの４個分の能力のうちの３個が、第(n-1)層の１つのクラスタへ割り当てられる。その後、管理栄養士の割り当て順序が、前記管理栄養士Cの能力を残った１個分とみなして並べ替えられ、これが繰り返される。

なお、上記の実施形態では、統計的に過去のクラスタにおけるコメントを分析することで、予め属性ごとに言及確率を学習しておくものとして説明したが、本発明はこれのみに限定されるものではない。すなわち、言及確率を予め学習してDBへ登録しておくことができなくても、最下層のクラスタへ管理栄養士を割り当てたあと、そのコメント作成が完了するのを待って当該コメントを分析し、その一段上位層のクラスタにおける指導労力を、その属性数と当該コメントの分析結果とに基づいて計算して管理栄養士を割り当て、これを最上位のクラスタまで繰り返すことで割り当てを行うようにしても良い。

また、上記の実施形態では、クラスタの階層構造として単一の階層構造ツリーを例にして説明したが、本発明はこれのみに限定されるものではなく、複数のツリー構造であっても良い。この場合には、指導員の労力及び指導対象者が必ず１つのクラスタに属することを制約条件として、労力の最適割り当てを行う必要がある。

最も下位層のクラスタについては、単一のクラスタしかありえないため、１クラスタに対して１人の指導員がコメント指導を行うことになる。ただし、上位層のクラスタになると複数のツリーが生成されているため、指導対象者が２種類のクラスタに属していて、指導対象となるクラスタにそれぞれ選定されたとすれば、２種類のコメントを得ることができる。

本実施形態によれば、コメント指導の内容を共通化できる指導対象者を、その属性に基づいてクラスタリングし、クラスタ単位で一人の指導員がコメント指導すると共に、各クラスタに割り当てる指導員を、コメント作成に要する労力と各指導員の能力とに基づいて決定するようにしたので、多数の指導対象者を少数の指導員で効率的に管理できる指導員割当が可能になる。

また、各クラスタ向けのコメント作成に要する労力が、その下位層向けのコメントの一部流用による労力削減を見込んで計算されるので、最下位層のクラスタ以外ではコメント作成に要する労力を軽減できるようになり、より少数の指導員でより多数の指導対象者にコメント指導を行えるようになる。

１…食事管理装置，１０１…食事情報取得部，１０１ａ…カメラ画像処理部，１０２…ユーザDB，１０３…クラスタリング部，１０４…クラスタリングDB，１０５…指導労力計算部，１０５ａ…流用労力計算部，１０６…流用DB，１０７…指導員DB，１０８…指導員割当部

Claims (14)

1. 多数の指導対象者をその属性に応じて階層状にクラスタリングし、各クラスタへ指導員を割り当てる指導員割当装置において、
   各指導対象者からクラスタリングの根拠となる属性を取得する属性取得手段と、
   各指導対象者をその属性数に応じた階層の各属性に応じたいずれかのクラスタへ分類するクラスタリング手段と、
   各クラスタ向けのコメント作成に要する労力を、当該クラスタへ各指導対象者を分類する根拠となった属性数に応じて計算する指導労力計算手段と、
   各クラスタに割り当てる指導員を、各クラスタ向けのコメント作成に要する労力および各指導員の能力に基づいて決定する指導員割当手段とを具備したことを特徴とする指導員割当装置。
2. 前記指導労力計算手段は、各クラスタ向けのコメント作成に要する労力を、その下位層向けのコメントの一部流用による労力削減を見込んで計算することを特徴とする請求項１に記載の指導員割当装置。
3. 前記指導労力計算手段が流用労力計算手段を含み、
   前記流用労力計算手段は、上位層の各クラスタを特徴付ける属性ごとに、その下位層向けのコメントにおける当該各属性への言及確率を求め、前記下位層向けのコメントと各言及確率との積の属性数分の総和に相当する労力を削減労力とすることを特徴とする請求項２に記載の指導員割当装置。
4. 前記言及確率が記憶された流用データベースをさらに具備し、
   前記流用労力計算手段は、前記流用データベースに記憶された言及確率を参照することを特徴とする請求項３に記載の指導員割当装置。
5. 前記流用労力計算手段は、今回の指導員割当において相対的に下位層向けに作成されたコメントを分析し、相対的に上位層のクラスタにおける指導労力を、当該クラスタを特徴付ける属性数と前記コメントの分析結果とに基づいて計算し、これを最上位のクラスタまで繰り返すことを特徴とする請求項３に記載の指導員割当装置。
6. 前記指導労力計算手段は、各クラスタへのコメント作成に要する労力を、当該クラスタを特徴づける属性数に応じた労力から前記削減労力を減じた値で代表することを特徴とする請求項３ないし５のいずれかに記載の指導員割当装置。
7. 前記指導員割当手段は、各指導員をその能力の高い順に、コメント作成に要する労力の大きいクラスタから順に割り当てることを特徴とする請求項１ないし６のいずれかに記載の指導員割当装置。
8. 各指導員には、その能力を超えない範囲で複数のクラスタが割り当てられることを特徴とする請求項７に記載の指導員割当装置。
9. クラスタが割り当てられた指導員には、その能力から割り当て済みの能力を減じた残能力に応じたクラスタが当該残能力に応じた順序で再割り当てされることを特徴とする請求項７または８に記載の指導員割当装置。
10. 各指導対象者のユーザIDと所定の個人属性との対応関係を管理するユーザDBをさらに具備し、
    前記属性取得手段は、前記ユーザIDに対応した個人属性と前記各指導対象者から取得した属性との集合を当該指導対象者の属性とすることを特徴とする請求項１ないし９のいずれかに記載の指導員割当装置。
11. 前記属性取得手段は、各指導対象者がWiFiスポット経由でアップロードした情報から、当該WiFiスポットの設置場所に固有の場所属性を取得し、
    前記クラスタリング手段は、各指導対象者を前記場所属性を含む属性数に応じた階層の各属性に応じたいずれかのクラスタへ分類することを特徴とする請求項１ないし１０のいずれかに記載の指導員割当装置。
12. 前記属性取得手段が、各指導対象者からカメラ画像を取得して属性を抽出するカメラ画像処理部を含むことを特徴とする請求項１ないし１０のいずれかに記載の指導員割当装置。
13. 多数の指導対象者をその属性に応じて階層状にクラスタリングし、各クラスタへ指導員を割り当てる指導員割当方法において、
    コンピュータが、
    各指導対象者からクラスタリングの根拠となる属性を取得し、
    各指導対象者をその属性数に応じた階層の各属性に応じたいずれかのクラスタへ分類し、
    各クラスタ向けのコメント作成に要する労力を、当該クラスタへ各指導対象者を分類する根拠となった属性数に応じて計算し、
    各クラスタに割り当てる指導員を、各クラスタ向けのコメント作成に要する労力および各指導員の能力に基づいて決定することを特徴とする指導員割当方法。
14. 前記各クラスタ向けのコメント作成に要する労力が、その下位層向けのコメントの一部流用による労力削減を見込んで計算されることを特徴とする請求項１３に記載の指導員割当方法。