JP6540286B2 - 業務分析プログラム、装置および方法 - Google Patents

業務分析プログラム、装置および方法 Download PDF

Info

Publication number
JP6540286B2
JP6540286B2 JP2015132723A JP2015132723A JP6540286B2 JP 6540286 B2 JP6540286 B2 JP 6540286B2 JP 2015132723 A JP2015132723 A JP 2015132723A JP 2015132723 A JP2015132723 A JP 2015132723A JP 6540286 B2 JP6540286 B2 JP 6540286B2
Authority
JP
Japan
Prior art keywords
work
information
task
distribution
semantic
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
Application number
JP2015132723A
Other languages
English (en)
Other versions
JP2017016405A (ja
Inventor
裕司 溝渕
裕司 溝渕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP2015132723A priority Critical patent/JP6540286B2/ja
Publication of JP2017016405A publication Critical patent/JP2017016405A/ja
Application granted granted Critical
Publication of JP6540286B2 publication Critical patent/JP6540286B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

開示の技術は業務分析プログラム、業務分析装置および業務分析方法に関する。
従来より、業務の管理や分析、改善等を目的として、作業時間の計測等を行う技術が提案されている。例えば、予め設定したキーワードやメールアドレス等の情報に基づいて、コンピュータ上での任意のオブジェクトについての操作が、調査対象の業務に関する操作か否か判定し、調査対象の業務に関する操作の履歴をログとして抽出する技術が提案されている。
特開２０１２−８８８５７号公報
一般に業務は、データ入力や伝票整理等のように定型化可能で作業者に依存せずに同じ結果が得られる定型業務と、研究や調査等のように定型化が困難で思考や判断のプロセスを要する非定型業務と、に大別される。上述した技術は、定型業務には好適であるが、非定型業務に適用した場合、対象とした非定型業務の作業時間または作業量として精度に欠ける値しか得られない、という課題があった。
すなわち、非定型業務は、実施すべき作業が定型化されておらず、試行錯誤を繰り返しながら作業が実施されるため、実施された作業が業務と完全に対応していることは稀であり、実施された作業が複数の業務に対応していることも生じ得る。例えば、非定型業務の１つである調査業務において、資料を検索する作業が実施された場合、当該検索作業で閲覧された資料には調査対象と関連の乏しい資料も多く含まれており、検索作業の作業時間を全て前述の調査業務の作業時間に算入することは妥当ではない。一方、閲覧された資料に含まれる調査対象と関連の乏しい資料が別の調査業務に活用できる場合もあり、この場合は検索作業の作業時間の一部を別の調査業務に算入する必要が生ずる。
このように、非定型業務では、業務と実施した作業との対応が一意に定まらないので、上述した技術を適用しても、作業時間または作業量を精度良く算出することは困難であった。
一つの側面では、本発明は、業務と実施した作業との対応が一意に定まらない非定型業務が分析対象に含まれる場合の作業時間または作業量の算出精度を向上することを目的とする。
１つの実施態様では、コンピュータに、以下の処理を含む処理を実行させる。まず、分析対象の業務の遂行にあたって実施した複数の作業の各々の作業内容に関連する情報および前記複数の作業の各々の作業時間または作業量の情報を含む作業履歴情報から、前記複数の作業の各々における複数の意味内容への寄与を表す第１意味成分情報を算出する。そして、前記複数の作業の各々の前記第１意味成分情報と前記分析対象の業務における前記複数の意味内容への寄与を表す第２意味成分情報との関連度、および、複数の作業の各々の作業時間または作業量に基づいて、前記分析対象の業務の作業時間または作業量を算出する。
一つの側面として、業務と実施した作業との対応が一意に定まらない非定型業務が分析対象に含まれる場合の作業時間または作業量の算出精度が向上する、という効果を有する。
業務分析システムの機能ブロック図である。 業務分析システムとして機能可能なコンピュータシステムの概略ブロック図である。 業務情報ＤＢの内容の一例を示す図表である。 作業履歴情報ＤＢの内容の一例を示す図表である。 トピック毎の単語分布ＤＢの内容の一例を示す図表である。 業務分析処理の内容を示すフローチャートである。 業務と作業のトピックの分布の関連度の演算を説明する説明図である。
以下、図面を参照して開示の技術の実施形態の一例を詳細に説明する。なお、以下の実施形態において、「業務」は日常継続して行われる職業上の仕事を意味する。本実施形態で処理対象としている「業務」は「非定型業務」であり、以下では、「非定型業務」を単に「業務」と称する。また、以下の実施形態において、「作業」は業務の遂行にあたって順次実施される個々の作業を意味する。通常、或る１つの業務には複数の作業が含まれており、当該複数の作業が実施されることで１つの業務が遂行される。なお、非定型業務は定型化されていないので、多くの場合、作業者は、或る業務の遂行にあたって実施すべき各作業を正確には認識しておらず、各作業は、思考や判断のプロセスを経て試行錯誤を繰り返しながら作業内容が確定されて実施される。
図１には本実施形態に係る業務分析システム１０が示されている。業務分析システム１０は、作業者による業務の遂行(および業務の遂行に伴う作業の実施)を支援すると共に、業務および作業の情報を蓄積して業務を分析する処理を行うシステムである。業務分析システム１０は、業務遂行支援装置１２と業務管理分析装置１８とを含んでおり、業務遂行支援装置１２と業務管理分析装置１８とは通信可能に接続されている。
業務遂行支援装置１２は業務を遂行する作業者によって使用される。業務遂行支援装置１２は、作業者によって遂行される業務(実施される作業)に応じた機能(例えばウェブ閲覧機能、文書作成機能、図面作成機能等)を作業者へ提供することで、作業者による業務の遂行(作業の実施)を支援する処理を行う。
業務遂行支援装置１２は、業務情報登録更新部１４および作業情報収集送信部１６を含んでいる。業務分析システム１０では、作業者による或る業務の遂行開始にあたり、遂行を開始する業務の情報(業務情報)が作業者によって業務遂行支援装置１２に入力される。この場合、業務情報登録更新部１４は、作業者によって入力された業務情報を業務管理分析装置１８へ送信することで、送信した業務情報を業務管理分析装置１８(の後述する業務情報ＤＢ(DataBase)３４)に登録させる。
また、業務分析システム１０では、或る業務の遂行が終了すると、業務情報への追加情報(例えば業務の成果物の情報)が作業者によって業務遂行支援装置１２に指定または入力される。この場合、業務情報登録更新部１４は、作業者によって指定または入力された業務情報への追加情報を業務管理分析装置１８へ送信することで、業務管理分析装置１８に登録されている業務情報を更新させる。
作業情報収集送信部１６は、作業者が業務遂行支援装置１２を使用して実施している作業の情報を、予め設定された作業単位毎に収集する。なお、作業単位は、作業者による操作での１回〜数回のアクション(例えばマウスジェスチャー、キーストローク等)を単位としてもよいし、アクティブのウインドウの切り替わりを単位としてもよいし、一定時間を単位としてもよい。
また、作業情報収集送信部１６が収集する作業情報には、作業種別を表す情報、作業の開始および終了の日時を表す情報および作業内容に関連する情報(以下、作業内容情報という)が含まれる。作業内容に関連する情報は、例えば作業がウェブ検索であれば、作業者が指定した検索ワードや、作業者が閲覧したウェブページの情報が挙げられ、例えば作業が文書または図面の作成であれば、作成された文書または図面のファイルが挙げられる。そして作業情報収集送信部１６は、収集した作業情報を業務管理分析装置１８へ送信することで、送信した作業情報を業務管理分析装置１８(の後述する作業履歴情報ＤＢ３６)に登録させる。
業務管理分析装置１８は、業務情報管理部２０、作業履歴情報管理部２２、形態素解析部２４、単語分布算出部２６、トピック出現分布算出部２８、作業時間算出部３０および記憶部３２を含んでいる。記憶部３２には業務情報ＤＢ３４、作業履歴情報ＤＢ３６およびトピック毎の単語分布ＤＢ３８が各々記憶されている。
業務情報管理部２０は、業務遂行支援装置１２の業務情報登録更新部１４から業務情報を受信し、受信した業務情報を、記憶部３２に記憶されている業務情報ＤＢ３４に登録する。図３に示すように、業務情報ＤＢ３４は、"業務ＩＤ"、"題名"、"説明"、"状態"、"開始日時"、"終了日時"および"業務成果情報"の各フィールドが設けられており、各レコードに個々の業務の情報が登録される。
業務情報ＤＢ３４のうち、"業務ＩＤ"のフィールドには、個々の業務を識別するための業務ＩＤが、業務情報の新規登録時(業務の遂行が開始される際)に業務情報管理部２０によって付与されて設定される。"題名"のフィールドには、業務の遂行開始時に業務情報登録更新部１４から受信した業務情報に含まれる業務の題名が設定される。"説明"のフィールドには、業務の遂行開始時に業務情報登録更新部１４から受信した業務情報に含まれる業務の内容を表す説明文が設定される。"状態"のフィールドには、業務情報登録更新部１４から適宜受信した業務情報に含まれる業務の進行状態を表す情報が設定される。
"開始日時"のフィールドには、業務の遂行開始時に業務情報登録更新部１４から業務情報を受信した日時が業務情報管理部２０によって設定される。"終了日時"のフィールドには、業務の遂行終了時に業務情報登録更新部１４から業務情報を受信した日時が業務情報管理部２０によって設定される。そして"業務成果情報"のフィールドには、業務の遂行終了時に業務情報登録更新部１４から受信した業務情報に含まれる業務成果(例えば、業務の遂行によって得られた報告書等)の情報が登録される。なお、この業務成果情報は、開示の技術における業務の内容に関連する情報の一例である。
なお、図３では、業務情報ＤＢ３４のうちの"業務成果情報"のフィールドに、テキストを含む情報が各々登録された例を示しているが、業務成果情報は、例えば画像情報や音声情報等の他の形式の情報であってもよい。業務情報管理部２０が、業務情報登録更新部１４から業務情報を受信する度に、受信した業務情報を業務情報ＤＢ３４に登録することで、業務情報ＤＢ３４には、業務遂行支援装置１２を使用して遂行された業務の業務情報が蓄積記憶される。なお、業務情報管理部２０は、業務情報登録更新部１４から受信した業務情報を業務情報ＤＢ３４に登録する以外に、単語分布算出部２６等からの指示に応じて、指示された業務情報を業務情報ＤＢ３４から読み出して転送する処理も行う。
作業履歴情報管理部２２は、業務遂行支援装置１２の作業情報収集送信部１６から作業情報を受信し、受信した作業情報を、記憶部３２に記憶されている作業履歴情報ＤＢ３６に作業履歴情報として登録する。図４に示すように、作業履歴情報ＤＢ３６は、"作業ＩＤ"、"作業種別"、"作業開始日時"、"作業終了日時"、"作業時間"および"作業内容情報"の各フィールドが設けられており、各レコードに個々の作業の情報が登録される。
作業履歴情報ＤＢ３６のうち、"作業ＩＤ"のフィールドには、個々の作業を識別するための作業ＩＤが、作業情報の登録時に作業履歴情報管理部２２によって付与されて設定される。"作業種別"のフィールドには、業務遂行支援装置１２の作業情報収集送信部１６から受信した作業情報に含まれる作業種別が設定される。"作業開始日時"のフィールドには、作業情報収集送信部１６から受信した作業情報に含まれる作業開始日時が作業履歴情報管理部２２によって設定される。"作業終了日時"のフィールドには、作業情報収集送信部１６から受信した作業情報に含まれる作業終了日時が作業履歴情報管理部２２によって設定される。
"作業時間"のフィールドには、作業情報収集送信部１６から受信した作業情報に含まれる作業終了日時から作業開始日時を減算した値(＝作業時間)が作業履歴情報管理部２２によって演算されて設定される。そして"作業内容情報"のフィールドには、作業情報収集送信部１６から受信した作業情報に含まれる作業内容情報が登録される。なお、この作業内容情報は、開示の技術における作業内容に関連する情報の一例である。
なお、図４では、作業履歴情報ＤＢ３６のうちの"作業内容情報"のフィールドに、テキストを含む情報が各々登録された例を示しているが、作業内容情報は、例えば音声情報等の他の形式の情報であってもよい。作業履歴情報管理部２２が、作業情報を受信する度に、受信した作業情報を作業履歴情報として作業履歴情報ＤＢ３６に登録することで、作業履歴情報ＤＢ３６には、業務遂行支援装置１２を使用して実施された作業の作業履歴情報が蓄積記憶される。なお、作業履歴情報管理部２２は、作業情報収集送信部１６から受信した作業情報を作業履歴情報ＤＢ３６に登録する以外に、単語分布算出部２６等からの指示に応じて、指示された作業履歴情報を作業履歴情報ＤＢ３６から読み出して転送する処理も行う。
形態素解析部２４は、単語分布算出部２６から形態素解析の対象として業務成果情報または作業内容情報が引き渡され、引き渡された情報に含まれている単語を抽出し、各単語の出現回数を計数する形態素解析処理を行う。そして単語分布算出部２６は、形態素解析処理で抽出した単語と各単語の出現回数を、形態素解析の依頼元の単語分布算出部２６へ引き渡す。なお、形態素解析処理にあたっては、記号や一般的過ぎる語などのように、形態素解析の対象の情報の内容を反映していない単語(ストップワードという)を、単語分布算出部２６への引き渡しの対象から除外するストップワード処理を行うことが好ましい。但し、上記のストップワード処理は必須の処理ではなく、省略することも可能である。
単語分布算出部２６は、後述する業務分析処理で、特定の業務における単語分布を算出する場合は、算出対象の業務の業務成果情報を業務情報管理部２０から取得する。次に単語分布算出部２６は、業務情報管理部２０から取得した業務成果情報を形態素解析部２４へ引き渡して形態素解析処理の実行を依頼する。そして単語分布算出部２６は、形態素解析部２４から形態素解析処理の結果(業務成果情報に出現した単語と各単語の出現回数を表す情報)を取得すると、取得した情報に基づいて特定の業務の単語分布(業務成果情報における各単語の出現頻度)を算出する。
また単語分布算出部２６は、後述する業務分析処理で、特定の作業における単語分布を算出する場合は、算出対象の作業の作業内容情報を作業履歴情報管理部２２から取得する。次に単語分布算出部２６は、作業履歴情報管理部２２から取得した作業内容情報を形態素解析部２４へ引き渡して形態素解析処理の実行を依頼する。そして単語分布算出部２６は、形態素解析部２４から形態素解析処理の結果(作業内容情報に出現した単語と各単語の出現回数を表す情報)を取得すると、取得した情報に基づいて特定の作業の単語分布(作業内容情報における各単語の出現頻度)を算出する。
トピック出現分布算出部２８は、後述する業務分析処理で、分析対象の業務におけるトピックの分布を算出する場合は、単語分布算出部２６によって算出された分析対象の業務の単語分布を取得する。そして、取得した分析対象の業務の単語分布と、トピック毎の単語分布ＤＢ３８に記憶されているトピック毎の単語分布に基づいて、分析対象の業務におけるトピックの分布を算出する。なお、トピックの詳細については後述する。また、トピック毎の単語分布ＤＢ３８に記憶されるトピック毎の単語分布は単語分布算出部２６によって算出される。
また、トピック出現分布算出部２８は、後述する業務分析処理で、特定の作業におけるトピックの分布を算出する場合は、単語分布算出部２６によって算出された特定の作業の単語分布を取得する。そして、取得した特定の作業の単語分布と、トピック毎の単語分布ＤＢ３８に記憶されているトピック毎の単語分布に基づいて、特定の作業におけるトピックの分布を算出する。
作業時間算出部３０は、トピック出現分布算出部２８によって算出された分析対象の業務におけるトピックの分布と、トピック出現分布算出部２８によって算出された特定の作業におけるトピックの分布と、の関連度を算出する。また作業時間算出部３０は、算出した関連度と、作業履歴情報ＤＢ３６に記憶されている特定の作業の作業時間に基づいて、特定の作業の作業時間のうち分析対象の業務に寄与した作業時間を算出する。そして、作業時間算出部３０は、分析対象の業務と実施期間が重なっている全ての作業について上記の処理を各々行うことで、分析対象の業務の作業時間を算出する。
なお、業務管理分析装置１８は開示の技術に係る業務分析装置の一例であり、トピック出現分布算出部２８は開示の技術における第１算出部(および第３算出部)の一例である。また、作業時間算出部３０は開示の技術における第２算出部の一例であり、単語分布算出部２６は開示の技術における第４算出部の一例である。
業務分析システム１０は、図２に示すコンピュータシステム４０で実現することができる。図２に示すコンピュータシステム４０は、業務管理分析サーバ７０と、ネットワーク４２を介して業務管理分析サーバ７０に接続された複数の業務遂行支援端末４４を含んでいる。ネットワーク４２はインターネットであってもよいが、ネットワーク４２、業務管理分析サーバ７０および複数の業務遂行支援端末４４が或る企業内に設置されたイントラネットを形成していてもよい。この場合、ネットワーク４２はファイアウォール４６を介してインターネット４８に接続される。
業務遂行支援端末４４は、業務を遂行(作業を実施)する作業者によって使用され、図２に示すように、ＣＰＵ５０、メモリ５２、記憶部５４、キーボードやマウス等を含む入力部５６、表示部５８および通信インタフェース(Ｉ／Ｆ)部６０を備えている。ＣＰＵ５０、メモリ５２、記憶部５４、入力部５６、表示部５８および通信Ｉ／Ｆ部６０はバス６２を介して互いに接続されている。業務遂行支援端末４４は通信Ｉ／Ｆ部６０を介してネットワーク４２に接続されている。
業務遂行支援端末４４の記憶部５４にはアプリケーションプログラム６４、業務情報登録更新プログラム６６および作業情報収集送信プログラム６８が各々インストールされている。ＣＰＵ５０はアプリケーションプログラム６４を実行することで、作業者によって遂行される業務(実施される作業)に応じた機能(例えばウェブ閲覧機能等)を作業者へ提供し、作業者による業務の遂行(作業の実施)を支援する処理を行う。またＣＰＵ５０は、業務情報登録更新プログラム６６を実行することで業務情報登録更新部１４として機能し、作業情報収集送信プログラム６８を実行することで作業情報収集送信部１６として機能する。これにより、業務遂行支援端末４４が業務遂行支援装置１２として機能する。
一方、業務管理分析サーバ７０は、ＣＰＵ７２、メモリ７４、記憶部７６、入力部７８、表示部８０、媒体読み書き装置(Ｒ／Ｗ)８２、通信Ｉ／Ｆ部８４を備えている。ＣＰＵ７２、メモリ７４、記憶部７６、入力部７８、表示部８０、媒体読み書き装置８２および通信Ｉ／Ｆ部８４はバス８６を介して互いに接続されている。媒体読み書き装置８２は、記録媒体８８に書き込まれている情報の読み出しおよび記録媒体８８への情報の書き込みを行う。業務管理分析サーバ７０は通信Ｉ／Ｆ部８４を介してネットワーク４２に接続されている。
記憶部７６はＨＤＤ(Hard Disk Drive)やフラッシュメモリ等によって実現できる。記憶部７６には業務情報ＤＢ３４、作業履歴情報ＤＢ３６およびトピック毎の単語分布ＤＢ３８が各々記憶されている。また記憶部７６には、業務情報管理プログラム９０、作業履歴情報管理プログラム９２および業務分析プログラム９４が記憶されている。これらのプログラム９０,９２,９４は、プログラム９０,９２,９４が書き込まれた記録媒体８８が媒体読み書き装置８２にセットされ、媒体読み書き装置８２が記録媒体８８からのプログラム９０,９２,９４の読み出しを行うことで、記憶部７６へ記憶される。ＣＰＵ７２は、プログラム９０,９２,９４を記憶部７６から読み出してメモリ７４に展開し、プログラム９０,９２,９４が有するプロセスを順次実行する。
ＣＰＵ７２は、業務情報管理プログラム９０を実行することで、業務情報管理部２０として機能する。またＣＰＵ７２は、作業履歴情報管理プログラム９２を実行することで、作業履歴情報管理部２２として機能する。業務分析プログラム９４は、形態素解析プロセス９６、単語分布算出プロセス９８、トピック出現分布算出プロセス１００、作業時間算出プロセス１０２を含んでいる。ＣＰＵ７２は、形態素解析プロセス９６を実行することで、形態素解析部２４として機能する。またＣＰＵ７２は、単語分布算出プロセス９８を実行することで、単語分布算出部２６として機能する。またＣＰＵ７２は、トピック出現分布算出プロセス１００を実行することで、トピック出現分布算出部２８として機能する。またＣＰＵ７２は、作業時間算出プロセス１０２を実行することで、作業時間算出部３０として機能する。
これにより、プログラム９０,９２,９４を実行した業務管理分析サーバ７０が、業務管理分析装置１８として機能し、コンピュータシステム４０が業務分析システム１０として機能する。なお、業務分析プログラム９４は開示の技術に係る業務分析プログラムの一例である。
次に本実施形態の作用を説明する。先に説明したように、非定型業務は、試行錯誤を繰り返しながら作業が実施され、実施した作業との対応が一意に定まらないので、従来の技術では、非定型業務の作業時間等を精度良く算出することは困難であった。
例えば、定型業務であれば、各業務毎に特有なキーワードを予め設定しておき、実施した作業の情報に上記のキーワードが含まれるか否かに基づいて、実施した作業に対応する業務を判定することは論理的には可能である。しかし、この技術は、対応する業務の判定精度がキーワードの設定精度に依存し、実施すべき作業が定型化されていない非定型業務では、キーワードを事前に精度良く設定することは困難であるので、対応する業務の判定精度が大幅に不足する。また、非定型業務では実施した作業が複数の非定型業務と対応していることがあるが、上記技術は作業と業務とが１対１に対応付いていることを前提としており、実施した作業が複数の非定型業務と対応している場合については考慮されていない。
一方、近年、様々なデータ(離散データ)に隠れている潜在的な話題、分野、大雑把な意味など、すなわちトピックを情報処理(機械学習)によって推定する技術としてトピックモデルが注目されている。そしてトピックモデルの中には、離散データに出現した各単語にトピックが確率的に対応すると見なし、離散データを複数のトピックの混合で表す考え方がある(例えばＬＤＡ：Latent Dirichlet Allocation)。この考え方は非定型業務の作業時間等の算出と親和性が高いと考えられる。
すなわち、或る非定型業務の遂行にあたって実施した個々の作業には、複数の意味内容(に対応する複数種の作業)が或る分布(寄与割合)で潜在的に含まれていると考えることができる。また、非定型業務自体にも、複数の意味内容が或る分布(寄与割合)で潜在的に含まれていると考えることができる。ここで、上記の意味内容は、離散データを複数のトピックの混合で表す考え方におけるトピックと等価に取り扱うことが可能である。そして、分析対象の業務に潜在的に含まれる複数のトピック(意味内容)の分布に対する、或る作業に潜在的に含まれる複数のトピック(意味内容)の分布の関連度は、或る作業のうち分析対象の業務に対応する作業の割合に相当すると考えることが可能である。
上記に基づき、本実施形態では、業務管理分析装置１８が或る業務(分析対象の業務)の作業時間を算出する場合に、図６に示す業務分析処理を行う。業務分析処理のステップ２００において、単語分布算出部２６は、トピック毎の単語分布ＤＢ３８にトピック毎の単語分布が記憶されているか否か判定する。ステップ２００の判定が肯定された場合はステップ２１２へ移行し、ステップ２００の判定が否定された場合はステップ２０２へ移行する。
トピック毎の単語分布ＤＢ３８に記憶されるトピック毎の単語分布は、複数のトピックについて、個々のトピックのみが潜在的に含まれている離散データに出現する単語の出現頻度を表す情報を含んでいる。例えば図５では、「クラウド」、「Openstack」および「Amazon(登録商標)」の各トピックについて、個々のトピックのみが潜在的に含まれている離散データに出現する各単語の出現頻度が、個々のトピックの名称と対応付けられた情報を示している。以下では、ステップ２００の判定が否定された場合に、業務情報ＤＢ３４に記憶された業務情報からトピック毎の単語分布を作成する態様について、ステップ２０２〜ステップ２１０を参照して説明する。
まずステップ２０２において、単語分布算出部２６は、業務情報管理部２０に対し、トピック毎の単語分布の作成に用いる完了済みの複数の業務の業務成果情報の転送を指示することで、業務情報管理部２０から転送された複数の業務の業務成果情報を取得する。
次のステップ２０４において、単語分布算出部２６は、業務情報管理部２０から業務成果情報を取得した個々の業務に対し、取得した業務成果情報に基づいて対応するトピックを各々設定する。個々の業務に対するトピックの設定は、例えば、以下のようにして行うことができる。
例えば、或る１つのトピックのみが潜在的に含まれている業務の業務成果情報において出現頻度が閾値以上の単語を前記トピックと対応付ける対応情報を、複数のトピックについて事前に各々設定しておく。そして、トピック設定対象の業務の業務成果情報における出現頻度最大の単語を求め、求めた出現頻度最大の単語と前述の対応情報上で対応付けられているトピックを、トピック設定対象の業務に対応するトピックとして設定する。上記処理を、業務成果情報を取得した複数の業務について各々行うことで、業務成果情報を取得した複数の業務に対して対応するトピックを各々設定する。
また、トピックモデルの中には、離散データに１つのトピックが潜在的に含まれていることを前提とし、トピックを潜在変数をとみなしてＥＭアルゴリズムにより推定する技術がある(例えばＵＭ：Unigram Mixture)。この技術を適用して、個々の業務に対するトピックを推定して設定するようにしてもよい。
ステップ２０６において、単語分布算出部２６は、業務情報管理部２０から取得した個々の業務の業務成果情報を、個々の業務に各々設定したトピックに基づいて、対応するトピックが異なる複数のグループに分ける。これにより、対応するトピックが同一の業務成果情報が同一のグループに属することになる。そして、単語分布算出部２６は、１つのグループに属する全ての業務成果情報を形態素解析部２４へ引き渡して形態素解析処理の実行を依頼し、形態素解析処理の結果を形態素解析部２４から取得する処理を、各グループについて順次行う。これにより、作業内容情報に出現した単語と各単語の出現回数を表す情報が、対応するトピックが互いに異なる個々のグループ毎に取得される。
次のステップ２０８において、単語分布算出部２６は、形態素解析部２４からグループ毎(トピック毎)に取得した各単語の出現回数を各単語の出現頻度に換算することで、グループ毎(トピック毎)の単語分布を作成する。そしてステップ２１０において、単語分布算出部２６は、作成したトピック毎の単語分布を表す情報をトピック毎の単語分布ＤＢ３８に登録する。なお、上記のトピック毎の単語分布は、開示の技術における「複数の意味内容について各々予め求めた個々の意味内容に属する単語の分布」の一例である。
なお、上記処理によって作成されるトピック毎の単語分布は、トピック毎の単語分布の作成に用いる情報のデータ量が大きい程、精度が向上すると考えられる。このため、トピック毎の単語分布の作成に用いるデータとして、業務情報ＤＢ３４に記憶された業務情報に代えて、インターネット４８を通じてアクセス可能な任意の離散データ(例えば文書データ等)、すなわちより大量のデータを用いるようにしてもよい。
また、一旦作成したトピック毎の単語分布は、基本的には繰り返し使用できるが、トピックの種類によっては、トピック毎の単語分布が経時的に変化することも考えられる。一例として、図５に示す「クラウド」、「Openstack」、「Amazon」のような技術用語は、技術動向によっては単語分布が経時的に変化する可能性もある。このようなトピックについては、トピック毎の単語分布を一旦作成した後もステップ２０２〜ステップ２１０の処理を定期的に行って、トピック毎の単語分布ＤＢ３８に記憶されているトピック毎の単語分布を定期的に更新するようにしてもよい。
次のステップ２１２において、単語分布算出部２６は、業務情報管理部２０に対し、分析対象の業務の業務成果情報の転送を指示することで、分析対象の業務の業務成果情報を業務情報管理部２０から取得する。
なお、分析対象の業務は完了した業務に限られるものではなく、進行中の業務であってもよい。また、分析対象の業務は、例えばオペレータが入力部７８を操作することで指定されるようにしてもよい。また、分析対象の業務は、例えば進行中の業務および完了しておりかつ作業時間を未算出の業務を分析対象の候補として表示し、表示した候補の中から分析対象の業務をオペレータに選択させるようにしてもよい。更に、例えば分析対象の候補となる業務が１つであれば、当該業務を分析対象の業務として自動的に選択するようにしてもよい。
ステップ２１４において、単語分布算出部２６は、業務情報管理部２０から取得した分析対象の業務の業務成果情報を形態素解析部２４へ引き渡して形態素解析処理の実行を依頼する。また単語分布算出部２６は、形態素解析部２４による形態素解析処理が終了すると、終了した形態素解析処理の結果(分析対象の業務における各単語の出現回数)を形態素解析部２４から取得する。
また、ステップ２１６において、単語分布算出部２６は、形態素解析部２４から取得した分析対象の業務における各単語の出現回数を各単語の出現頻度に換算することで、分析対象の業務における単語分布を作成する。
次のステップ２１８において、トピック出現分布算出部２８は、分析対象の業務における単語分布とトピック毎の単語分布に基づき、分析対象の業務におけるトピックの分布を算出する。そして、トピック出現分布算出部２８は、算出した分析対象の業務におけるトピックの分布を表す情報をメモリ７４に記憶する。なお、分析対象の業務における単語分布は、条件Ｔの下での単語の分布と考えるとＰ0(ｗ｜Ｔ)と表すことができ、トピック毎の単語分布をＰｗとおくと、分析対象の業務におけるトピックの分布Ｐ0ｔは次の(１)式で求めることができる。
Ｐ0ｔ＝Ｐｗ／Ｐ0(ｗ｜Ｔ) …(１)
なお、ステップ２１８で求まる分析対象の業務におけるトピックの分布を表す情報は、開示の技術における、分析対象の業務における複数の意味内容(トピック)への寄与を表す第２意味成分情報の一例である。
次のステップ２２０において、単語分布算出部２６は、まず業務情報管理部２０に対し、分析対象の業務の開始日時および終了日時の転送を指示することで、分析対象の業務の開始日時および終了日時を業務情報管理部２０から取得する。なお、分析対象の業務の開始日時および終了日時は、先に説明したステップ２１２で分析対象の業務の業務成果情報を取得する際に、同時に取得するようにしてもよい。次いで単語分布算出部２６は、分析対象の業務の開始日時および終了日時を作業履歴情報管理部２２に通知し、分析対象の業務と実施時期が重なっている全ての作業の作業内容情報の転送を指示する。そして、単語分布算出部２６は、分析対象の業務と実施時期が重なっている全ての作業の作業内容情報を作業履歴情報管理部２２から取得する。
ステップ２２２において、作業時間算出部３０は、分析対象の業務の作業時間を記憶するためのメモリ７４上の所定の記憶領域に０を代入する。また、ステップ２２４において、単語分布算出部２６は、先のステップ２２０で作業履歴情報管理部２２から取得した各作業の作業内容情報の中から、１つの作業の作業内容情報を処理対象として選択する。
次のステップ２２６において、単語分布算出部２６は、ステップ２２４で処理対象として選択した作業の作業内容情報を形態素解析部２４へ引き渡して形態素解析処理の実行を依頼する。また単語分布算出部２６は、形態素解析部２４による形態素解析処理が終了すると、終了した形態素解析処理の結果(処理対象の作業における各単語の出現回数)を形態素解析部２４から取得する。
ステップ２２８において、単語分布算出部２６は、形態素解析部２４から取得した処理対象の作業における各単語の出現回数を各単語の出現頻度に換算することで、処理対象の作業における単語分布を作成する。
次のステップ２３０において、トピック出現分布算出部２８は、処理対象の作業における単語分布とトピック毎の単語分布に基づき、処理対象の作業におけるトピックの分布を算出する。そして、トピック出現分布算出部２８は、算出した処理対象の作業におけるトピックの分布を表す情報をメモリ７４に記憶する。なお、処理対象の作業における単語分布は、条件Ｔの下での単語の分布と考えるとＰi(ｗ｜Ｔ)と表すことができる(ｉは個々の作業を識別する符号であり、ｉ＝1,2,3,…)。また、トピック毎の単語分布をＰｗとおくと、処理対象の作業におけるトピックの分布Ｐiｔは次の(２)式で求めることができる。
Ｐiｔ＝Ｐｗ／Ｐi(ｗ｜Ｔ) …(２)
なお、ステップ２３０で求まる処理対象の作業におけるトピックの分布を表す情報は、開示の技術における、処理対象の作業における複数の意味内容(トピック)への寄与を表す第１意味成分情報の一例である。
次のステップ２３２において、作業時間算出部３０は、ステップ２１８で算出した分析対象の業務におけるトピック分布と、ステップ２３０で算出した処理対象の作業におけるトピック分布と、の関連度を算出する。分析対象の業務におけるトピック分布Ｐ0ｔと処理対象の作業におけるトピック分布Ｐiｔとの関連度は、例えば関連度としてトピックベクトルのコサイン類似度(ベクトルの内積)を適用した次の(３)式で求めることができる。
関連度(Ｐ0ｔ,Ｐiｔ)＝cos(Ｐ0ｔ,Ｐiｔ) …(３)
一例として、分析対象の業務のトピックベクトルを(0,2,0,1,0,5,0,2)、処理対象の作業のトピックベクトルを(0,3,0,3,0,4,0)とすると、関連度(コサイン類似度)は以下のように算出される。
関連度(分析対象の業務, 処理対象の作業)＝
(0,2,0,1,0,5,0,2)・(0,3,0,3,0,4,0)＝0.29／√0.34√0.34＝0.85
なお、関連度は、上記のようにトピックベクトルのコサイン類似度(ベクトルの内積)を適用することに限られるものではなく、例えば、確率分布の差異を測るカルバック・ライブラー情報量を関連度として適用してもよい。
次のステップ２３４において、作業時間算出部３０は、ステップ２３２で算出した分析対象の業務のトピック分布と処理対象の作業のトピック分布との関連度を予め設定された閾値と比較することで、両者のトピック分布に関連が有るか否か判定する。上記の閾値としては、例えば０を適用することができる。この場合、関連度＞０であれば(両者のトピック分布に僅かでも関連があれば)、関連有りと判定されることになる。なお、後述する(４)式のように、上記の関連度を処理対象の作業の作業時間に乗ずる係数として用いる場合、関連度＝０の作業の作業時間は分析対象の業務の作業時間に算入されない。このため、閾値＝０かつ後述の(４)式によって処理対象の作業の作業時間を分析対象の業務の作業時間に算入する場合には、ステップ２３４の判定を省略することも可能である。
また、ステップ２３４の判定に用いる閾値は０より大きい値であってもよく(閾値＞０)、この場合、両者のトピック分布の関連の強さが閾値以上であれば、関連有りと判定されることになる。閾値＞０の場合の閾値の大きさは、例えば実験を行うことで求めてもよいし、例えば、分析対象の業務および処理対象の作業の少なくとも一方のトピック分布に含まれるトピックの数などに応じて閾値の大きさを加減してもよい。
ステップ２３４の判定が否定された場合、処理対象の作業は分析対象の業務と関連が無いと判断できるので、ステップ２２４に戻り、処理対象の作業をステップ２２０で作業内容情報を取得した別の作業に切り替えて、ステップ２２６以降の処理を行う。また、ステップ２３４の判定が肯定された場合は、処理対象の作業は分析対象の業務と関連が有ると判断できるので、ステップ２３６へ移行する。
ステップ２３６において、作業時間算出部３０は、まず処理対象の作業の作業時間を作業履歴情報管理部２２に問い合わせ、処理対象の作業の作業時間を作業履歴情報管理部２２から取得する。なお、分析対象の業務と実施時期が重なっている各作業の作業時間は、先に説明したステップ２２０で分析対象の業務と実施時期が重なっている各作業の作業内容情報を取得する際に、同時に取得するようにしてもよい。そして、作業時間算出部３０は、先に算出したトピック分布の関連度と処理対象の作業の作業時間との積を、メモリ７４上の所定の記憶領域に記憶されている分析対象の業務の作業時間に加算することで、分析対象の業務の作業時間を更新する(次の(４)式も参照)。
分析対象の業務の作業時間←
分析対象の業務の作業時間＋(処理対象の作業の作業時間×関連度) …(４)
上記処理により、処理対象の作業に含まれる分析対象の業務に対応する作業の作業時間が、分析対象の業務の作業時間に加算されることになる。なお、上記の(４)式は、トピック分布の関連度を、処理対象の作業の作業時間に乗ずる係数としてそのまま用いている。しかし、これに限定されるものではなく、上記の関連度と上記の係数との関係を予め定めておき、先に算出したトピック分布の関連度に対応する係数を求め、求めた係数を(４)式における関連度に代わりに用いて作業時間を演算するようにしてもよい。この態様において、トピック分布の関連度と係数との関係は線形であっても非線形であってもよい。
次のステップ２３８において、作業時間算出部３０は、先のステップ２２０で作業内容情報を取得した全ての作業を処理対象として処理を行ったか否か判定する。ステップ２３８の判定が否定された場合はステップ２２４に戻り、処理対象の作業をステップ２２０で作業内容情報を取得した別の作業に切り替えて、ステップ２２６以降の処理を行う。これにより、分析対象の業務と実施時期が重なっており、かつ分析対象の業務と関連が有る作業が判定される(一例として図７を参照)。そして、分析対象の業務と関連が有ると判定した作業の作業時間に、前記各作業と分析対象の業務との関連度に応じた係数を乗じた時間が、分析対象の業務の作業時間に順次加算される。
ステップ２３８の判定が肯定された場合はステップ２４０へ移行し、ステップ２４０において、作業時間算出部３０は、上述した処理を経て算出された分析対象の業務の作業時間を、例えば表示部８０に表示する等によって出力し、業務分析処理を終了する。
上述したように、本実施形態は、分析対象の業務と実施時期が重なっている各作業の作業履歴情報(の作業内容情報)から、各作業におけるトピック分布を算出する。また、処理対象の作業のトピック分布と分析対象の業務におけるトピック分布との関連度を算出し、算出した関連度と処理対象の作業の作業時間の積を分析対象の業務の作業時間に加算することを、各作業について各々行う。これにより、分析対象の業務と実施時期が重なっている各作業に、分析対象の業務とは別の業務に対応する作業が含まれていたとしても、各作業のうち分析対象の業務に対応する作業の割合(関連度)を考慮して分析対象の業務の作業時間が算出される。従って、業務と実施した作業との対応が一意に定まらない非定型業務の作業時間を高精度に算出することができる。
また、本実施形態では、処理対象の作業の作業内容情報から処理対象の作業における単語の分布を求め、処理対象の作業における単語の分布およびトピック毎の単語の分布から、処理対象の作業におけるトピック分布を求めている。これにより、処理対象の作業の作業内容情報がテキストを含む情報である場合に、処理対象の作業におけるトピック分布を、トピック毎の単語の分布を基準として、簡単かつ精度良く求めることができる。
また、本実施形態では、分析対象の業務の業務成果情報から分析対象の業務における単語の分布を求め、分析対象の業務における単語の分布およびトピック毎の単語の分布から、分析対象の業務におけるトピック分布を求めている。これにより、分析対象の業務の業務成果情報がテキストを含む情報である場合に、分析対象の業務におけるトピック分布を、トピック毎の単語の分布を基準として、簡単かつ精度良く求めることができる。
更に、本実施形態では、完了した複数の業務の業務成果情報を複数のトピックの何れかに割り当て、個々のトピック毎の単語の分布を予め各々求めている。これにより、分析対象の業務の業務成果情報および処理対象の作業の作業内容情報の少なくとも一方がテキストを含む場合に、分析対象の業務および処理対象の作業の少なくとも一方のトピック分布を、トピック毎の単語の分布から簡単かつ精度良く求めることができる。
また、本実施形態では、処理対象の作業のトピック分布と分析対象の業務のトピック分布との関連度としてコサイン類似度を適用しているので、上記の関連度を簡易な演算で取得することができる。
また、本実施形態では、分析対象の業務と実施時期が重なっており、分析対象の業務とのトピック分布の関連度が閾値以上の作業について、前記関連度を作業時間の係数として用いて分析対象の業務に対応する作業時間を求めている。このため、分析対象の業務と実施時期が重なっている各作業の作業時間のうちの分析対象の業務に対応する作業時間を、簡易な演算で求めることができる。
なお、上記ではトピック毎の単語分布ＤＢ３８を業務管理分析サーバ７０の記憶部７６に記憶された態様を説明したが、これに限定されるものではない。トピック毎の単語分布ＤＢ３８に記憶されるトピック毎の単語分布は、複数の業務分析システム１０で共通に用いることも可能である。このため、複数の業務分析システム１０から各々アクセス可能なサーバの記憶部にトピック毎の単語分布ＤＢ３８を記憶し、同一のトピック毎の単語分布を、複数の業務分析システム１０で共通に用いるようにしてもよい。
また、上記では説明を簡単にするために、１つの業務の遂行にあたり、１人の作業者によって複数の作業が各々実施されることを前提にした態様を説明した。しかし、これに限定されるものではなく、複数の作業者によって作業が実施される業務の作業時間の算出にも適用可能であり、この態様での算出対象の作業時間は、複数の作業者による総作業時間であってもよいし、個々の作業者毎の作業時間であってもよい。また、１つの業務の遂行にあたって実施した一連の作業を複数の工程に分け、各工程毎に作業時間を算出する場合にも適用可能である。
また、上記では分析対象の業務の作業時間の算出にあたり、分析対象の業務のトピック分布を一律に算出する態様を説明した。しかし、算出した分析対象の業務のトピック分布を蓄積記憶していけば、非定型業務であっても過去に類似の業務が行われた確率は高くなる。このため、過去に行われた類似の業務のトピック分布が記憶されているか否かを判定し、該当するトピック分布が記憶されている場合には、分析対象の業務のトピック分布の算出を省略し、該当するトピック分布を読み出して用いるようにしてもよい。
また、上記では分析対象の業務の作業時間を算出する態様を説明した。しかし、これに限定されるものではなく、分析対象の業務の作業量(例えば単位[人月]等で表される工数)の算出に適用することも可能である。
また、上記では開示の技術に係る業務分析プログラムの一例である業務分析プログラム９４が業務管理分析サーバ７０の記憶部７６に予め記憶（インストール）されている態様を説明した。しかし、開示の技術に係る業務分析プログラムは、ＣＤ−ＲＯＭやＤＶＤ−ＲＯＭ、メモリカード等の記録媒体に記録されている形態で提供することも可能である。
本明細書に記載された全ての文献、特許出願および技術規格は、個々の文献、特許出願および技術規格が参照により取り込まれることが具体的かつ個々に記された場合と同程度に、本明細書中に参照により取り込まれる。
以上の実施形態に関し、更に以下の付記を開示する。
（付記１）
コンピュータに、
分析対象の業務の遂行にあたって実施した複数の作業の各々の作業内容に関連する情報および前記複数の作業の各々の作業時間または作業量の情報を含む作業履歴情報から、前記複数の作業の各々における複数の意味内容への寄与を表す第１意味成分情報を算出し、
前記複数の作業の各々の前記第１意味成分情報と前記分析対象の業務における前記複数の意味内容への寄与を表す第２意味成分情報との関連度、および、複数の作業の各々の作業時間または作業量に基づいて、前記分析対象の業務の作業時間または作業量を算出する処理を実行させる業務分析プログラム。
（付記２）
１つの作業の作業内容に関連する情報から当該情報に出現した単語の分布を求め、
前記１つの作業の作業内容に関連する情報に出現した単語の分布と、前記複数の意味内容について各々予め求めた個々の意味内容に属する単語の分布と、に基づいて、前記１つの作業の前記第１意味成分情報として、前記１つの作業における前記複数の意味内容の出現分布を表す情報を算出する付記１記載の業務分析プログラム。
（付記３）
前記分析対象の業務の内容に関連する情報から当該情報に出現した単語の分布を求め、
前記分析対象の業務の内容に関連する情報に出現した単語の分布と、前記複数の意味内容について各々予め求めた個々の意味内容に属する単語の分布と、に基づいて、前記分析対象の業務の前記第２意味成分情報として、前記分析対象の業務における前記複数の意味内容の出現分布を表す情報を算出する付記１記載の業務分析プログラム。
（付記４）
完了した複数の業務の各々の内容に関連する情報を前記複数の意味内容の何れかに割り当て、個々の意味内容毎に、個々の意味内容に属する単語の分布を予め各々求める請求項２または付記３記載の業務分析プログラム。
（付記５）
前記複数の作業の各々の前記第１意味成分情報と前記分析対象の業務の前記第２意味成分情報との関連度として、コサイン類似度またはカルバック・ライブラー情報量を算出する付記１〜付記４の何れか１項記載の業務分析プログラム。
（付記６）
前記複数の作業のうち前記関連度が所定値以上の作業について、作業時間または作業量に前記関連度に応じた係数を乗じた値を積算することで、前記分析対象の業務の作業時間または作業量を算出する付記１〜付記５の何れか１項記載の業務分析プログラム。
（付記７）
分析対象の業務の遂行にあたって実施した複数の作業の各々の作業内容に関連する情報および前記複数の作業の各々の作業時間または作業量の情報を含む作業履歴情報から、前記複数の作業の各々における複数の意味内容への寄与を表す第１意味成分情報を算出する第１算出部と、
前記複数の作業の各々の前記第１意味成分情報と前記分析対象の業務における前記複数の意味内容への寄与を表す第２意味成分情報との関連度、および、複数の作業の各々の作業時間または作業量に基づいて、前記分析対象の業務の作業時間または作業量を算出する第２算出部と、
を含む業務分析装置。
（付記８）
前記第１算出部は、１つの作業の作業内容に関連する情報から当該情報に出現した単語の分布を求め、前記１つの作業の作業内容に関連する情報に出現した単語の分布と、前記複数の意味内容について各々予め求めた個々の意味内容に属する単語の分布と、に基づいて、前記１つの作業の前記第１意味成分情報として、前記１つの作業における前記複数の意味内容の出現分布を表す情報を算出する付記７記載の業務分析装置。
（付記９）
前記分析対象の業務の内容に関連する情報から当該情報に出現した単語の分布を求め、前記分析対象の業務の内容に関連する情報に出現した単語の分布と、前記複数の意味内容について各々予め求めた個々の意味内容に属する単語の分布と、に基づいて、前記分析対象の業務の前記第２意味成分情報として、前記分析対象の業務における前記複数の意味内容の出現分布を表す情報を算出する第３算出部を更に含む付記７記載の業務分析装置。
（付記１０）
完了した複数の業務の各々の内容に関連する情報を前記複数の意味内容の何れかに割り当て、個々の意味内容毎に、個々の意味内容に属する単語の分布を予め各々求める第４算出部を更に含む付記８または付記９記載の業務分析装置。
（付記１１）
前記第２算出部は、前記複数の作業の各々の前記第１意味成分情報と前記分析対象の業務の前記第２意味成分情報との関連度として、コサイン類似度またはカルバック・ライブラー情報量を算出する付記７〜付記１０の何れか１項記載の業務分析装置。
（付記１２）
前記第２算出部は、前記複数の作業のうち前記関連度が所定値以上の作業について、作業時間または作業量に前記関連度に応じた係数を乗じた値を積算することで、前記分析対象の業務の作業時間または作業量を算出する付記７〜付記１１の何れか１項記載の業務分析装置。
（付記１３）
コンピュータに、
分析対象の業務の遂行にあたって実施した複数の作業の各々の作業内容に関連する情報および前記複数の作業の各々の作業時間または作業量の情報を含む作業履歴情報から、前記複数の作業の各々における複数の意味内容への寄与を表す第１意味成分情報を算出し、
前記複数の作業の各々の前記第１意味成分情報と前記分析対象の業務における前記複数の意味内容への寄与を表す第２意味成分情報との関連度、および、複数の作業の各々の作業時間または作業量に基づいて、前記分析対象の業務の作業時間または作業量を算出する処理を実行させる業務分析方法。
（付記１４）
１つの作業の作業内容に関連する情報から当該情報に出現した単語の分布を求め、
前記１つの作業の作業内容に関連する情報に出現した単語の分布と、前記複数の意味内容について各々予め求めた個々の意味内容に属する単語の分布と、に基づいて、前記１つの作業の前記第１意味成分情報として、前記１つの作業における前記複数の意味内容の出現分布を表す情報を算出する付記１３記載の業務分析方法。
（付記１５）
前記分析対象の業務の内容に関連する情報から当該情報に出現した単語の分布を求め、
前記分析対象の業務の内容に関連する情報に出現した単語の分布と、前記複数の意味内容について各々予め求めた個々の意味内容に属する単語の分布と、に基づいて、前記分析対象の業務の前記第２意味成分情報として、前記分析対象の業務における前記複数の意味内容の出現分布を表す情報を算出する付記１３記載の業務分析方法。
（付記１６）
完了した複数の業務の各々の内容に関連する情報を前記複数の意味内容の何れかに割り当て、個々の意味内容毎に、個々の意味内容に属する単語の分布を予め各々求める付記１４または付記１５記載の業務分析方法。
（付記１７）
前記複数の作業の各々の前記第１意味成分情報と前記分析対象の業務の前記第２意味成分情報との関連度として、コサイン類似度またはカルバック・ライブラー情報量を算出する付記１３〜付記１６の何れか１項記載の業務分析方法。
（付記１８）
前記複数の作業のうち前記関連度が所定値以上の作業について、作業時間または作業量に前記関連度に応じた係数を乗じた値を積算することで、前記分析対象の業務の作業時間または作業量を算出する付記１３〜付記１７の何れか１項記載の業務分析方法。
１０ 業務分析システム
１２ 業務遂行支援装置
１４ 業務情報登録更新部
１６ 作業情報収集送信部
１８ 業務管理分析装置
２０ 業務情報管理部
２２ 作業履歴情報管理部
２４ 形態素解析部
２６ 単語分布算出部
２８ トピック出現分布算出部
３０ 作業時間算出部
３２ 記憶部
３４ 業務情報ＤＢ
３６ 作業履歴情報ＤＢ
３８ 単語分布ＤＢ
４０ コンピュータシステム
４４ 業務遂行支援端末
７０ 業務管理分析サーバ
７２ ＣＰＵ
７４ メモリ
８８ 記録媒体
９４ 業務分析プログラム

Claims (4)

  1. コンピュータに、
    １つの作業の作業内容に関連する情報から当該情報に出現した単語の分布を求め、
    前記１つの作業の作業内容に関連する情報に出現した単語の分布と、分析対象の業務の遂行にあたって実施した複数の作業の各々における複数の意味内容について各々予め求めた個々の意味内容に属する単語の分布と、に基づいて、前記１つの作業の前記複数の意味内容への寄与を表す第１意味成分情報として、前記１つの作業における前記複数の意味内容の出現分布を表す情報を算出してメモリに記憶し、
    前記分析対象の業務の内容に関連する情報から当該情報に出現した単語の分布を求め、
    前記分析対象の業務の内容に関連する情報に出現した単語の分布と、前記複数の意味内容について各々予め求めた個々の意味内容に属する単語の分布と、に基づいて、前記分析対象の業務の前記複数の意味内容への寄与を表す第２意味成分情報として、前記分析対象の業務における前記複数の意味内容の出現分布を表す情報を算出して前記メモリに記憶し、
    前記複数の作業の各々の前記メモリに記憶されている前記第１意味成分情報と前記分析対象の業務の前記メモリに記憶されている前記第２意味成分情報との関連度として、コサイン類似度またはカルバック・ライブラー情報量を算出して前記メモリに記憶し、
    前記複数の作業のうち前記メモリに記憶されている前記関連度が所定値以上の作業について、作業時間または作業量に前記関連度に応じた係数を乗じた値を積算することで、前記分析対象の業務の作業時間または作業量を算出する、
    処理を実行させる業務分析プログラム。
  2. 完了した複数の業務の各々の内容に関連する情報を前記複数の意味内容の何れかに割り当て、個々の意味内容毎に、個々の意味内容に属する単語の分布を予め各々求める請求項１記載の業務分析プログラム。
  3. メモリと、
    １つの作業の作業内容に関連する情報から当該情報に出現した単語の分布を求め、前記１つの作業の作業内容に関連する情報に出現した単語の分布と、分析対象の業務の遂行にあたって実施した複数の作業の各々における複数の意味内容について各々予め求めた個々の意味内容に属する単語の分布と、に基づいて、前記１つの作業の前記複数の意味内容への寄与を表す第１意味成分情報として、前記１つの作業における前記複数の意味内容の出現分布を表す情報を算出して前記メモリに記憶する第１算出部と、
    前記分析対象の業務の内容に関連する情報から当該情報に出現した単語の分布を求め、前記分析対象の業務の内容に関連する情報に出現した単語の分布と、前記複数の意味内容について各々予め求めた個々の意味内容に属する単語の分布と、に基づいて、前記分析対象の業務の前記複数の意味内容への寄与を表す第２意味成分情報として、前記分析対象の業務における前記複数の意味内容の出現分布を表す情報を算出して前記メモリに記憶し、前記複数の作業の各々の前記メモリに記憶されている前記第１意味成分情報と前記分析対象の業務の前記メモリに記憶されている前記第２意味成分情報との関連度として、コサイン類似度またはカルバック・ライブラー情報量を算出して前記メモリに記憶し、前記複数の作業のうち前記メモリに記憶されている前記関連度が所定値以上の作業について、作業時間または作業量に前記関連度に応じた係数を乗じた値を積算することで、前記分析対象の業務の作業時間または作業量を算出する第２算出部と、
    を含む業務分析装置。
  4. コンピュータに、
    １つの作業の作業内容に関連する情報から当該情報に出現した単語の分布を求め、
    前記１つの作業の作業内容に関連する情報に出現した単語の分布と、分析対象の業務の遂行にあたって実施した複数の作業の各々における複数の意味内容について各々予め求めた個々の意味内容に属する単語の分布と、に基づいて、前記１つの作業の前記複数の意味内容への寄与を表す第１意味成分情報として、前記１つの作業における前記複数の意味内容の出現分布を表す情報を算出してメモリに記憶し、
    前記分析対象の業務の内容に関連する情報から当該情報に出現した単語の分布を求め、
    前記分析対象の業務の内容に関連する情報に出現した単語の分布と、前記複数の意味内容について各々予め求めた個々の意味内容に属する単語の分布と、に基づいて、前記分析対象の業務の前記複数の意味内容への寄与を表す第２意味成分情報として、前記分析対象の業務における前記複数の意味内容の出現分布を表す情報を算出して前記メモリに記憶し、
    前記複数の作業の各々の前記メモリに記憶されている前記第１意味成分情報と前記分析対象の業務の前記メモリに記憶されている前記第２意味成分情報との関連度として、コサイン類似度またはカルバック・ライブラー情報量を算出して前記メモリに記憶し、
    前記複数の作業のうち前記メモリに記憶されている前記関連度が所定値以上の作業について、作業時間または作業量に前記関連度に応じた係数を乗じた値を積算することで、前記分析対象の業務の作業時間または作業量を算出する、
    処理を実行させる業務分析方法。
JP2015132723A 2015-07-01 2015-07-01 業務分析プログラム、装置および方法 Active JP6540286B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2015132723A JP6540286B2 (ja) 2015-07-01 2015-07-01 業務分析プログラム、装置および方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2015132723A JP6540286B2 (ja) 2015-07-01 2015-07-01 業務分析プログラム、装置および方法

Publications (2)

Publication Number Publication Date
JP2017016405A JP2017016405A (ja) 2017-01-19
JP6540286B2 true JP6540286B2 (ja) 2019-07-10

Family

ID=57830644

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015132723A Active JP6540286B2 (ja) 2015-07-01 2015-07-01 業務分析プログラム、装置および方法

Country Status (1)

Country Link
JP (1) JP6540286B2 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7157613B2 (ja) * 2018-10-01 2022-10-20 株式会社日立製作所 作業時間算出システムおよび作業時間算出方法
JP7259451B2 (ja) * 2019-03-22 2023-04-18 富士通株式会社 消費電力予測プログラム、消費電力予測方法、および消費電力予測装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4532056B2 (ja) * 2002-06-28 2010-08-25 キヤノン電子株式会社 情報支援分析装置及びその制御方法、プログラム
JP4875403B2 (ja) * 2006-05-10 2012-02-15 株式会社日立製作所 業務分析システム及び方法
JP5596213B1 (ja) * 2013-09-05 2014-09-24 株式会社Ｕｂｉｃ 文書分析システム及び文書分析方法並びに文書分析プログラム
JP6488753B2 (ja) * 2015-02-20 2019-03-27 日本電気株式会社 情報処理方法

Also Published As

Publication number Publication date
JP2017016405A (ja) 2017-01-19

Similar Documents

Publication Publication Date Title
US10521608B2 (en) Automated secure identification of personal information
JP6843882B2 (ja) 履歴ログからの学習と、ｅｔｌツール内のデータアセットに関するデータベースオペレーションの推奨
US8893042B2 (en) Determination and display of relevant websites
US10169730B2 (en) System and method to present a summarized task view in a case management system
US20160042298A1 (en) Content discovery and ingestion
US20170308792A1 (en) Knowledge To User Mapping in Knowledge Automation System
US20090327261A1 (en) Search techniques for rich internet applications
US9177249B2 (en) Scientometric methods for identifying emerging technologies
CN111126495B (zh) 模型训练方法、信息预测方法、装置、存储介质及设备
US20090287675A1 (en) Extending OLAP Navigation Employing Analytic Workflows
US10109214B2 (en) Cognitive bias determination and modeling
JP6540286B2 (ja) 業務分析プログラム、装置および方法
US20210056131A1 (en) Methods and systems for generating timelines for entities
JP6565205B2 (ja) ナレッジ管理プログラム、方法及び装置
US20120310893A1 (en) Systems and methods for manipulating and archiving web content
CN103455938A (zh) 一种数据处理方法、装置及服务器设备
JP6295577B2 (ja) サーバ装置、プログラム、及び、情報提供方法
US8984045B2 (en) Digital method of recruitment
JPWO2014050837A1 (ja) 判定装置、判定方法、及びプログラム
US9705972B2 (en) Managing a set of data
US9628551B2 (en) Enabling digital asset reuse through dynamically curated shared personal collections with eminence propagation
JP7440477B2 (ja) 自然言語処理およびレコメンデーション生成のためのマルチモデル手法
Cha et al. Topic model based approach for improved indexing in content based document retrieval
CN111191142B (zh) 一种电子资源推荐方法、装置和可读介质
JP2018147352A (ja) 業務分析装置、及び業務分析方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180306

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20190225

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190305

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190423

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: 20190514

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190527

R150 Certificate of patent or registration of utility model

Ref document number: 6540286

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150