JP6973887B2 - プロジェクト管理支援装置、プロジェクト管理支援方法およびプログラム - Google Patents
プロジェクト管理支援装置、プロジェクト管理支援方法およびプログラム Download PDFInfo
- Publication number
- JP6973887B2 JP6973887B2 JP2017149857A JP2017149857A JP6973887B2 JP 6973887 B2 JP6973887 B2 JP 6973887B2 JP 2017149857 A JP2017149857 A JP 2017149857A JP 2017149857 A JP2017149857 A JP 2017149857A JP 6973887 B2 JP6973887 B2 JP 6973887B2
- Authority
- JP
- Japan
- Prior art keywords
- project
- information indicating
- information
- input
- scale
- 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 title claims description 26
- 238000006243 chemical reaction Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 18
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000013441 quality evaluation Methods 0.000 claims description 5
- 230000001537 neural effect Effects 0.000 claims 2
- 238000007726 management method Methods 0.000 description 25
- 238000010586 diagram Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 14
- 230000033772 system development Effects 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 8
- 238000007906 compression Methods 0.000 description 6
- 238000013068 supply chain management Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000012854 evaluation process Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000012356 Product development Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
トの規模又はシステムに求められる品質の推定値を表す情報を生成する推定部とを備える。
y=Wx+b ・・・(1)
なお、中間層の値は、さらに所定の活性化関数を用いて変換された値であってもよい。入力層xから中間層yへの値の変換を、エンコード(encode)と呼ぶ。
z=Wy+b ・・・(2)
なお、中間層の値は、さらに所定の活性化関数を用いて変換された値であってもよい。中間層yから出力層zへの値の変換を、デコード(decode)と呼ぶ。
実施形態に係るプログラムを実行することにより本実施形態に係る各処理を行う。図3の例では、プロセッサ14内に機能ブロックを示している。図3のプロセッサ14は、入力部141と、変換部142と、学習部143と、推定部144とを含む。
換部142は、入力情報の形式を統一するために変換処理を行う。学習部143は、自己符号化器による所定の演算を行うと共に、自己符号化器の出力が入力情報に近づくようにパラメータを調整する。推定部144は、学習部143が生成した学習済みモデルを用いて、ユーザが入力するプロジェクトの遂行に要する工数や、システムに要求される品質の目標値を修正し、実際の工数や要求品質の推定値を算出する。
図4は、プロジェクトの実績の特徴を学習し、運用するまでの大まかな流れを説明するための図である。本実施形態に係るシステムが行う処理は、学習段階(図4:S1)と、評価段階(S2)と、運用段階(S3)とを含む。学習段階においては、予め記憶装置12に記憶されているプロジェクトの規模又はシステムに要求される品質の実績を表す情報(「訓練データ」とも呼ぶ)を読み出し、上述した自己符号化器を用いてその特徴を機械学習する。また、評価段階では、学習段階で生成した学習済みモデルの性能を検証する。具体的には、プロジェクトの規模又はシステムに要求される品質の実績を表す情報のうち、学習段階で用いた訓練データとは異なる情報を用いたり、訓練データを処理した場合の入出力を入れ替えて用いることにより、訓練データとは異なるデータに対しても所定の評価基準を満たす出力が得られるかテストする。なお、評価段階においては、進行中のプロジェクトと並行して利用し、ユーザが作成するプロジェクトの規模又はシステムに要求される品質の見積もりと比較して精度の高い出力が得られるか判断するようにしてもよい。また、運用段階においては、未知のプロジェクトについて、ユーザが作成するプロジェクトの規模又はシステムに要求される品質の見積もりを修正する処理を行う。
図5は、本実施形態の学習段階及び評価段階において実行される学習処理の一例を示す処理フロー図である。プロジェクト管理支援装置1の入力部141は、記憶装置12に予め記憶されている過去に行われたプロジェクトの実績情報を取得する(図5:S11)。本ステップでは、例えばプロジェクトの時期に対応付けて記憶された要員の役割を示す種別ごとの工数や、所定の評価基準に従って評価されたシステムが備える品質を表す情報が取得される。
b、ITコンサルティング、人事・給与、会計、情報基盤等、システム開発において典型的にシステムが適用される対象の業務が登録される。「特性」のフィールドには、品質の評価基準となる特性が登録される。また、「副特性」のフィールドには、品質の評価基準となる特性を細分化した情報が登録される。「測定項目」のフィールドには、上述した特性や副特性の程度を評価するための客観的な基準となる測定可能な項目が登録される。すなわち、システムに要求される品質を示す情報は、例えば計測可能な定量データから求められるものであってもよい。なお、測定項目の内容は、特性又は副特性の少なくとも一方
と関連付けて予め定められているものとする。「レベル」のフィールドには、各評価基準の程度を表す情報が所定の詳細度で登録される。「開始年月」、「終了年月」のフィールドには、プロジェクトにかかった工数を所定の期間ごとに記録する際の、期間の始期及び終期が登録される。「総工数」のフィールドには、当該期間にかかった総工数が登録される。「要員」のフィールドには、工数を要員の役割を表す種別ごとに記録する際の、種別を示す情報が登録される。「工数」のフィールドには、当該期間にかかった工数が登録される。
ットに対応する複数のユニットに入力するようにしてもよい。また、図6に示した見積についての入力情報は、工数を表す情報が入力層のユニットに入力される。
入力するようにしてもよい。適用業務ごとに特徴を学習させることにより、各業務に用いるシステムの開発に特徴的な工数や要求品質の傾向を抽出することができ、出力の精度を向上させることができる。
図8は、運用段階において実行される運用処理の一例を示す処理フロー図である。プロジェクト管理支援装置1の入力部141は、ユーザの操作に基づき、ユーザが選択した機能を取得する(図8:S21)。本ステップでは、プロジェクトの工数の見積もりを出力する機能又はシステムに要求される品質を出力する機能のいずれかをユーザに選択させる。
数」のフィールドには、プロジェクトの遂行にかかる工数の一例である「28人月」が登録されている。
うな難易度に応じた所定の係数を工数に乗じるようにしてもよい。
入力するようにしてもよい。また、本ステップの処理も、適用業務ごとに行うようにしてもよい。すなわち、学習処理と同様に、適用業務ごとに生成した学習済みモデルを用いて処理を行うようにしてもよいし、適用業務を示す情報も入力層のユニットに入力するようにしてもよい。
本実施形態に係るシステムによれば、システム開発の規模を示す工数や開発するシステムに求められる品質について、ユーザが見積もった値に対し過去に行われたプロジェクトの特徴に基づく修正値を得ることができる。ユーザが入力する値については、簡易的な情報であってもシステム側が変換して形式を統一するため、ユーザは少ない手間で結果を得ることができる。すなわち、ユーザは、作成した工数の見積もりや要求品質の目標値について過去の実績に基づく修正を受けることができ、プロジェクトマネジメントの経験が十分でないユーザであっても、精度の高い見積もりや目標値を得ることができる。
自己符号化器に入力される情報は、画像情報であってもよい。画像情報は、工数の見積もりの場合は、棒グラフや折れ線グラフ等で表すものであってもよい。また、要求品質の目標値作成の場合は、棒グラフや折れ線グラフ、レーダーチャート等のようなグラフを表すものであってもよい。この場合は、学習処理においては、画像情報に含まれる画素の各々を、図2に示した自己符号化器の入力層が備える各ユニットに入力するようにしてもよい。
本発明は上述の処理を実行するコンピュータプログラムを含む。さらに、当該プログラムを記録した、コンピュータ読み取り可能な記録媒体も、本発明の範疇に属する。当該プログラムが記録された記録媒体については、コンピュータに、この記録媒体のプログラムを読み込ませて実行させることにより、上述の処理が可能となる。
11 :通信I/F
12 :記憶装置
13 :入出力装置
14 :プロセッサ
141 :入力部
142 :変換部
143 :学習部
144 :推定部
15 :バス
Claims (5)
- 見積りに係るプロジェクトの規模又は当該プロジェクトの成果物に求められる品質について、ユーザが入力した程度を表す情報、および当該プロジェクトの成果物の用途の種別を示す情報の入力を受ける入力部と、
前記ユーザが入力した程度を表す情報を所定の詳細度に変換する変換部と、
前記所定の詳細度で表された過去の実績に係るプロジェクトの規模及び当該プロジェクトの成果物に求められる品質を表す情報、並びに当該プロジェクトの成果物の用途の種別を示す情報の特徴を、ニューラルネットワークを利用した自己符号化器を用いて学習させた学習済みモデルと、前記変換部が前記所定の詳細度に変換した情報と、前記入力部が入力を受けた前記成果物の用途の種別を示す情報とを用いて、前記見積りに係るプロジェクトの規模又は当該プロジェクトの成果物に求められる品質の推定値を表す情報を生成する推定部と、
を備え、
前記過去の実績に係るプロジェクトの規模を表す情報は、要員の種別ごとの期間及び工数を含み、前記過去の実績に係るプロジェクトの成果物に求められる品質を表す情報は、品質の評価基準である所定の特性を含む
プロジェクト管理支援装置。 - 前記ユーザが入力した程度を表す情報、および前記過去の実績に係るプロジェクトの規模及び当該プロジェクトの成果物に求められる品質を表す情報は、所定の画像形式の情報である
請求項1に記載のプロジェクト管理支援装置。 - 前記所定の画像形式の情報は、所定のスケールで描画されたグラフの画像データである
請求項2に記載のプロジェクト管理支援装置。 - 見積りに係るプロジェクトの規模又は当該プロジェクトの成果物に求められる品質について、ユーザが入力した程度を表す情報、および当該プロジェクトの成果物の用途の種別を示す情報の入力を受け、
前記ユーザが入力した程度を表す情報を所定の詳細度に変換し、
前記所定の詳細度で表された過去の実績に係るプロジェクトの規模及び当該プロジェク
トの成果物に求められる品質を表す情報、並びに当該プロジェクトの成果物の用途の種別を示す情報の特徴を、ニューラルネットワークを利用した自己符号化器を用いて学習させた学習済みモデルと、前記所定の詳細度に変換された情報と、前記入力を受けた前記成果物の用途の種別を示す情報とを用いて、前記見積りに係るプロジェクトの規模又は当該プロジェクトの成果物に求められる品質の推定値を表す情報を生成する、
処理をコンピュータが実行し、
前記過去の実績に係るプロジェクトの規模を表す情報は、要員の種別ごとの期間及び工数を含み、前記過去の実績に係るプロジェクトの成果物に求められる品質を表す情報は、品質の評価基準である所定の特性を含む
プロジェクト管理支援方法。 - 見積りに係るプロジェクトの規模又は当該プロジェクトの成果物に求められる品質について、ユーザが入力した程度を表す情報、および当該プロジェクトの成果物の用途の種別を示す情報の入力を受け、
前記ユーザが入力した程度を表す情報を所定の詳細度に変換し、
前記所定の詳細度で表された過去の実績に係るプロジェクトの規模及び当該プロジェクトの成果物に求められる品質を表す情報、並びに当該プロジェクトの成果物の用途の種別を示す情報の特徴を、ニューラルネットワークを利用した自己符号化器を用いて学習させた学習済みモデルと、前記所定の詳細度に変換された情報と、前記入力を受けた前記成果物の用途の種別を示す情報とを用いて、前記見積りに係るプロジェクトの規模又は当該プロジェクトの成果物に求められる品質の推定値を表す情報を生成する、
処理をコンピュータに実行させ、
前記過去の実績に係るプロジェクトの規模を表す情報は、要員の種別ごとの期間及び工数を含み、前記過去の実績に係るプロジェクトの成果物に求められる品質を表す情報は、品質の評価基準である所定の特性を含む
プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017149857A JP6973887B2 (ja) | 2017-08-02 | 2017-08-02 | プロジェクト管理支援装置、プロジェクト管理支援方法およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017149857A JP6973887B2 (ja) | 2017-08-02 | 2017-08-02 | プロジェクト管理支援装置、プロジェクト管理支援方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019028871A JP2019028871A (ja) | 2019-02-21 |
JP6973887B2 true JP6973887B2 (ja) | 2021-12-01 |
Family
ID=65476362
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017149857A Active JP6973887B2 (ja) | 2017-08-02 | 2017-08-02 | プロジェクト管理支援装置、プロジェクト管理支援方法およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6973887B2 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021064163A (ja) * | 2019-10-15 | 2021-04-22 | 明豊ファシリティワークス株式会社 | マンアワーシステム |
JP2021086339A (ja) * | 2019-11-27 | 2021-06-03 | Film Solutions株式会社 | 撮影支援システム、撮影費用算出方法、プログラム |
JP7204012B2 (ja) * | 2020-01-06 | 2023-01-13 | 三菱電機株式会社 | 機械学習装置、デザインレビュー検証装置、機械学習方法 |
CN114065997A (zh) * | 2020-08-06 | 2022-02-18 | 埃森哲环球解决方案有限公司 | 利用机器学习模型来管理和确定新产品开发的预测成功率 |
US20240177065A1 (en) * | 2021-06-21 | 2024-05-30 | Mitsubishi Electric Corporation | Machine learning device, degree of severity prediction device, machine learning method, and degree of severity prediction method |
CN114187047A (zh) * | 2021-12-13 | 2022-03-15 | 苏州方兴信息技术有限公司 | 一种项目费用的确定方法、装置、电子设备和存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8311961B2 (en) * | 2009-05-29 | 2012-11-13 | International Business Machines Corporation | Effort estimation using text analysis |
JP6176979B2 (ja) * | 2013-04-04 | 2017-08-09 | 三菱電機株式会社 | プロジェクト管理支援システム |
-
2017
- 2017-08-02 JP JP2017149857A patent/JP6973887B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019028871A (ja) | 2019-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6973887B2 (ja) | プロジェクト管理支援装置、プロジェクト管理支援方法およびプログラム | |
US11281969B1 (en) | Artificial intelligence system combining state space models and neural networks for time series forecasting | |
WO2018013475A1 (en) | Systems and methods for optimizing parallel task completion | |
US20190236497A1 (en) | System and method for automated model selection for key performance indicator forecasting | |
US20190220877A1 (en) | Computer-readable recording medium, demand forecasting method and demand forecasting apparatus | |
JP7015740B2 (ja) | 予測システム及び予測方法 | |
JP2016126404A (ja) | 最適化システム、最適化方法および最適化プログラム | |
JP2019215831A5 (ja) | ||
JP2009104408A (ja) | 統合需要予測装置、統合需要予測方法、及び統合需要予測プログラム | |
US20180253711A1 (en) | Inventory management system and method | |
CN115860800A (zh) | 一种节假日商品销量预测方法、装置及计算机存储介质 | |
JP6012860B2 (ja) | 作業時間推定装置 | |
Ceresia | A model of goal dynamics in technology-based organizations | |
EP2960848A1 (en) | Demand prediction apparatus and demand prediction method by the same | |
JP6067630B2 (ja) | 損益予測装置及び損益予測プログラム | |
JP2016062382A (ja) | 営業業務支援システム、及び営業業務支援方法 | |
US20210117828A1 (en) | Information processing apparatus, information processing method, and program | |
JP6119101B2 (ja) | 集計装置、集計方法および集計システム | |
US20210065227A1 (en) | Information processing method and information processing apparatus | |
JP4280045B2 (ja) | 生産量算定方法,生産量算定装置,生産量算定システム,生産量算定プログラムおよび記録媒体 | |
CN110858355A (zh) | 项目预算结余预测方法及装置 | |
JP2009157489A (ja) | プロジェクト進捗管理装置及びその制御方法、プロジェクト進捗管理システム、プログラム、プログラムを記録した記録媒体 | |
US20190147462A1 (en) | Hybrid demand model for promotion planning | |
WO2024047919A1 (ja) | 企業統治情報提供装置及びその方法 | |
CN112308295B (zh) | 违约概率预测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200714 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210423 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210427 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20210623 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210826 |
|
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: 20211005 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211101 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6973887 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |