JP6984943B2 - 処理時間推定装置、処理時間推定方法及びプログラム - Google Patents
処理時間推定装置、処理時間推定方法及びプログラム Download PDFInfo
- Publication number
- JP6984943B2 JP6984943B2 JP2017119976A JP2017119976A JP6984943B2 JP 6984943 B2 JP6984943 B2 JP 6984943B2 JP 2017119976 A JP2017119976 A JP 2017119976A JP 2017119976 A JP2017119976 A JP 2017119976A JP 6984943 B2 JP6984943 B2 JP 6984943B2
- Authority
- JP
- Japan
- Prior art keywords
- processing
- data
- time
- deadline
- processing 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
- 238000012545 processing Methods 0.000 title claims description 638
- 238000000034 method Methods 0.000 title claims description 55
- 238000004891 communication Methods 0.000 description 53
- 238000010801 machine learning Methods 0.000 description 24
- 238000003860 storage Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 238000010200 validation analysis Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
例えば、特許文献1では、通信制御装置が通信のスケジューリングを行う際に、通信処理(通信のための処理)に要する時間を演算することが記載されている。この通信制御装置では、非定周期送信部が、任意の時刻で送信要求を発生し、定周期送信部が、定周期で送信要求を発生する。そして、スケジュール部は、送信要求のある非定周期送信部の通信処理に要する時間である通信処理時間を演算し、定周期送信部の定周期の残り時間を求め、通信処理時間と定周期の残り時間とを比較して、通信のスケジューリングを行う。
図1は、本発明の一実施形態に係るサービス提供システムの装置構成を示す概略構成図である。図1に示すように、サービス提供システム1は、処理時間推定装置100と、処理サーバ装置200と、第一通信ネットワーク300とを備える。
サービス提供システム1が備える処理サーバ装置200の数は、1つ以上であればよい。処理時間推定装置100に通信接続するクライアントシステム910の数も1つ以上であればよい。
処理時間推定装置100は、サービス提供システム1における窓口として機能する。具体的には、処理時間推定装置100は、クライアントシステム910からサービス提供要求及び処理対象のデータを受信し、処理サーバ装置200に処理を振り分ける。
また、処理時間推定装置100は、データ処理サービスの予約を受け付ける。予約を受ける際、処理時間推定装置100が予約対象のデータ処理に要する処理時間を推定することで、処理結果回答期限から逆算して処理開始期限を算出することが可能になり、処理のスケジューリングを行うことが可能になる。
処理時間推定装置100は、例えばワークステーション(Workstation)等のコンピュータを用いて構成される。
操作入力部130は、例えばキーボード及びマウス等の入力デバイスを備え、ユーザ操作を受ける。
記憶部180は、各種データを記憶する。記憶部180は、処理時間推定装置100が備える記憶デバイスを用いて構成される。
期限情報取得部191は、期限情報を取得する。ここでいう期限情報は、通信部110がクライアントシステム910から受信するデータ処理要求に対する処理結果の出力予定期限を示す情報である。以下では、データ処理要求を単に処理要求とも称する。
処理結果の出力予定期限が毎月同じ日時に定められている場合、記憶部180が出力予定期限の日時を記憶しておき、期限情報取得部191が記憶部180からその日時を読み出すようにしてもよい。
あるいはデータ内容係数取得部192が、処理対象データの分散又は標準偏差など予め定められた指標値に基づいて、データ内容係数を自動的に算出するようにしてもよい。あるいは処理時間推定装置100又は他の装置が、機械学習を行ってデータ内容係数値を算出し、データ内容係数取得部192が、機械学習の結果得られたデータ内容係数値を取得するようにしてもよい。この場合、処理時間推定装置100又は他の装置が、例えば
[処理時間]=[係数1]*データ1+[係数2]*データ2+…
のような回帰式を、重回帰分析のように機械学習で生成するようにしてもよい。
例えば、処理アルゴリズム毎に処理アルゴリズム係数が予め定められ、記憶部180が予め処理アルゴリズム毎に処理アルゴリズム係数を記憶しておくようにしてもよい。そして、処理時間推定装置100が処理時間を算出する際に、処理アルゴリズム係数取得部193が、適用予定の処理アルゴリズムに応じた処理アルゴリズム係数を記憶部180から読み出すようにしてもよい。あるいは処理時間推定装置100又は他の装置が、機械学習を行って処理アルゴリズム係数値を算出し、処理アルゴリズム係数取得部193が、機械学習の結果得られた処理アルゴリズム係数値を取得するようにしてもよい。
適用予定の処理アルゴリズムは、例えば処理時間推定装置100の管理者が操作入力部130からのユーザ操作にて指定する。あるいは、処理アルゴリズム係数取得部193が、処理対象データに基づいて自動的に、適用予定の処理アルゴリズムを決定するようにしてもよい。
例えば記憶部180が、過去のデータ処理におけるデータを学習用データとして予め記憶しておく。そして、処理時間要素推定部194は、記憶部180から学習用データを読み出して使用する。
例えば処理時間要素推定部194は、過去のデータ処理それぞれにおける処理対象データ量、データ内容係数、処理の繰り返し回数、及び、1回あたりの処理時間を示すデータを学習用データとして取得する。
例えば処理時間要素推定部194は、過去のデータ処理それぞれにおける処理対象データ量、処理アルゴリズム係数、処理の繰り返し回数、及び、1回あたりの処理時間を示すデータを学習用データとして取得する。
例えば処理時間要素推定部194は、過去のデータ処理それぞれにおける処理対象データ量、データ内容係数、処理アルゴリズム係数、処理の繰り返し回数、及び、1回あたりの処理時間を示すデータを学習用データとして取得する。
例えば処理時間推定部195は、処理の繰り返し回数と1回あたりの処理時間とを乗算した積に、データ転送時間及びデータ変換時間など機械学習の実行以外の時間を加算した時間を実行時間として算出する。
機械学習の実行以外の時間は、例えば処理時間推定部195が、処理対象データ量に所定の係数を乗算して算出する。
例えば、処理開始期限決定部196は、出力予定期限から実行時間だけ遡った時期を処理開始期限に決定する。あるいは処理開始期限決定部196が、出力予定期限から実行時間だけ遡った時期から、さらに所定の余裕分の期間だけ遡った時期を処理開始時期に決定するようにしてもよい。
図3は、クライアントシステム910が表示する処理予約登録画面の例を示す図である。図3の例で、クライアントシステム910は、納品期限欄と、推定処理時間欄と、処理開始期限欄と、処理要求期限欄と、予約登録ボタンと、キャンセルボタンとを含む処理予約登録画面を表示している。
推定処理時間欄は、処理時間推定部195が推定した処理実行時間推定値の表示欄である。
処理開始期限欄は、処理開始期限決定部196が決定した処理開始期限の表示欄である。
例えばクラウドで仮想マシンを提供している事業者が複数ある場合、事業者毎に料金が異なることが考えられる。このような場合、スケジュールに余裕がないと、料金の安い事業者の仮想マシンが使用中で借りられず、料金の高い事業者の仮想マシンを借りる必要が生じることが考えられる。これに対し、スケジュールに余裕を持って仮想マシンを借りることができれば、料金の安い事業者の仮想マシンを予約するか、あるいは、料金の安い事業者の仮想マシンに空きがあるときに、その仮想マシンを借りて処理を行うことができる。サービス提供者は、このような仮想マシンの利用料金の違いを、サービス利用者に対する料金に反映させることができる。
サービス提供者が、事業者にバッチ処理でサービス提供を依頼する場合も同様である。
サービス利用者が処理要求期限を入力して予約登録ボタンを操作(例えばマウスクリック)すると、クライアントシステム910は、処理要求期限の情報を含む予約要求を処理時間推定装置100へ送信する。処理時間推定装置100の通信部110がこの予約要求を受信すると、処理予約受付部197は、処理要求期限が処理開始期限またはそれ以前の時期になっているか否かを判定する。
処理要求期限が処理開始期限より後の時期になっている場合、処理予約受付部197は、予約を受け付けない。この場合、処理予約受付部197は、通信部110を介してクライアントシステム910へ、予約を受け付けなかった旨の通知を送信して予約のやり直しを促す。
キャンセルボタンは、処理予約を中止するためのボタンアイコンである。サービス利用者がキャンセルボタンを操作(例えばマウスクリック)すると、クライアントシステム910は処理予約登録画面の表示を終了して前画面へ戻る。
処理サーバ装置200が実行するデータ処理の分野及び内容は特定の分野及び内容に限定されない。
例えば、医療分野において、処理サーバ装置200がカルテ又はレセプト情報から薬剤の使用状況を抽出して薬剤の消費量あるいは在庫状況を予測するようにしてもよい。あるいは、製造分野において、処理サーバ装置200が工場の生産管理情報から材料の使用量を抽出して在庫状況を予測する、あるいは、発注タイミングを提案するようにしてもよい。
第二通信ネットワーク920は、処理時間推定装置100とクライアントシステム910との通信を仲介する通信ネットワークである。
第一通信ネットワーク300、第二通信ネットワーク920の種類はいずれも特定の種類に限定されない。一例として、第一通信ネットワーク300はサービス提供システム1専用のLAN(Local Area Network)であってもよく、第二通信ネットワーク920はインターネット(Internet)であってもよいが、これらに限定されない。
また、第一通信ネットワーク300及び第二通信ネットワーク920が1つの通信ネットワークとして構成されていてもよい。
図4は、処理サーバ装置200がデータ処理要求に対して行う処理の手順の例を示すフローチャートである。処理サーバ装置200は、処理時間推定装置100からデータ処理要求を受信すると図4の処理を開始する。
処理サーバ装置200は、処理対象データを取得する。具体的には、処理サーバ装置200は、処理対象データを含むデータ処理要求を処理時間推定装置100から受信する。そして、処理サーバ装置200は、受信したデータ処理要求から処理対象データを読み出す。
ステップS111の後、ステップS112へ進む。
処理サーバ装置200は、処理対象データに対して前処理を行う。例えば、処理サーバ装置200は、処理対象データを処理し易いデータ形式に変換する。
ステップS112の後、ステップS113へ進む。
処理サーバ装置200は、機械学習にてデータ処理を行う。
ステップS113の後、ステップS114へ進む。
(ステップS114)
処理サーバ装置200は、ステップS113でのデータ処理の結果を処理時間推定装置100へ通知(送信)する。
ステップS114の後、図4の処理を終了する。
処理サーバ装置200は、図4のステップS113で図5の処理を行う。
(ステップS121)
処理サーバ装置200は、モデル構築用データセット、及び、モデル検証用データセットを決定する。具体的には、処理サーバ装置200は、処理対象データをモデル構築用データセットとモデル検証用データセットとに分割する。
ここでいう目的変数は、データ処理における取得対象の値を示す変数、すなわち、データ処理結果を示す変数である。ここでいう説明変数は、データ処理結果を算出する元となる値を示す変数である。
ステップS121の後、ステップS122へ進む。
処理サーバ装置200は、解探索のステップ幅など機械学習における各種パラメータの値を初期設置する。ここでのパラメータ値の初期設定方法は、特定の方法に限定されない。例えば、処理サーバ装置200が、パラメータの初期設定値をランダムに決定するようにしてもよいし、予め定められている値に決定するようにしてもよいし、前回の学習結果に基づいて決定するようにしてもよい。
ステップS122の後、ステップS123へ進む。
処理サーバ装置200は、モデル構築用データセットを用いて機械学習アルゴリズムを実行し、学習結果を取得する。例えば、処理サーバ装置200は、説明変数値の入力を受けて目的変数値を出力する関数を学習結果として算出する。
ステップS123の後、ステップS124へ進む。
処理サーバ装置200は、ステップS123で得られた学習結果を、モデル検証用データセットを用いて評価する。
例えば、処理サーバ装置200は、学習結果として得られた関数にモデル検証用データに含まれる説明変数値を入力し、得られた目的変数値とモデル検証用データに含まれる説明変数値との差の大きさ(差の絶対値)を算出する。処理サーバ装置200は、モデル検証用データセットに含まれるモデルデータの各々について、かかる差の大きさを算出し、得られた差の大きさ平均値を、学習結果の評価値として算出する。
処理サーバ装置200は、ステップS124で得られた評価値に基づいて合否の判定を行う。具体的には、処理サーバ装置200は、ステップS124で得られた評価値と閾値とを比較する。評価値が閾値以下である場合、処理サーバ装置200は、学習結果を合格と評価する。一方、評価値が閾値より大きい場合、処理サーバ装置200は、学習結果を不合格と評価する。
一方、ステップS125で学習結果を不合格と評価した場合(ステップS125:NO)、ステップS131へ進む。
処理サーバ装置200は、機械学習における各種パラメータの値を更新する。
ステップS131の後、ステップS123へ戻る。
ステップS121からS125までの一連の処理、ステップS131からS125までの一連の処理は、それぞれ機械学習における一回の処理の例に該当する。
処理サーバ装置200が図5の処理に用いる学習アルゴリズムは特定のアルゴリズムに限定されず、図5のように学習結果を評価して処理を繰り返すことが可能なものであればよい。
図6の処理で、クライアントシステム910は、予約の登録を要求するユーザ操作を受け(シーケンスS211)、時期情報要求を処理時間推定装置100へ送信する(シーケンスS212)。ここでいう時期情報要求は、図3に例示される処理予約登録画面に表示する情報の要求である。
また、処理時間要素推定部194及び処理時間推定部195は、データ処理に要する処理時間を上記のように機械学習にて算出する(シーケンスS222)。通信部110が、予約対象のデータ処理におけるデータ量の情報を含む時期情報予約を受信し、処理時間要素推定部194がこのデータ量の情報に基づいて処理時間要素を算出するようにしてもよい。あるいは、処理時間要素推定部194が、過去のデータ処理におけるデータ量に基づいて予約対象のデータ処理におけるデータ量を推定するようにしてもよい。
そして、通信部110が、時期情報要求に対する回答として処理時間及び処理開始期限を示す情報をクライアントシステム910へ送信する(シーケンスS224)。クライアントシステム910が出力予定期限を記憶していない場合、通信部110はさらに期限情報(出力予定期限を示す情報)をクライアントシステム910へ送信する。
図6の例では、処理時間推定装置100は予約可能と判定している。
予約登録を完了すると、処理予約受付部197は、通信部110を介して予約登録元のクライアントシステム910へ、予約登録完了通知を送信する(シーケンスS243)。
予約登録完了通知を受信したクライアントシステム910は、予約登録が完了した旨を表示する(シーケンスS251)。
シーケンスS251の後、図6の処理を終了する。この場合、処理時間推定装置100、クライアントシステム910共に、データ処理の予約の処理を終了する。
図7のシーケンスS311〜S333は、図6のシーケンスS211〜S233と同様である。
シーケンスS333でクライアントシステム910が送信した予約登録要求を通信部110が受信すると、処理予約受付部197が、予約の可否を判定する(シーケンスS341)。処理予約受付部197が予約の可否を判定する方法は、図6のシーケンスS241の場合と同様である。シーケンスS341で処理予約受付部197は、シーケンスS241の場合とは異なり予約不可と判定している。
予約拒否通知を受信したクライアントシステム910は、予約に失敗した旨、及び、処理要求期限を入力し直すよう促す通知を表示する(シーケンスS351)。
シーケンスS351の後、図7の処理を終了する。この場合、サービス利用者が処理要求期限を入力し直して予約登録ボタンを操作すると、処理時間推定装置100及びクライアントシステム910は、図6のシーケンスS241及び図7のシーケンスS341に例示される予約可否の判定、およびその後の処理を行う。
これにより、処理時間推定装置100では、処理時間(要求される処理の実行時間)の推定精度が高まることが期待される。特に、処理時間推定部195が、処理の繰り返し回数及び1回あたりの処理時間に基づくことで、処理の繰り返し回数及び1回あたりの処理時間の傾向を反映させて処理時間を推定することができる。この点で、処理時間推定装置100によれば、単に処理対象データに基づく場合と比較して処理時間の推定精度が高まることが期待される。
これにより、処理時間推定装置100は、処理結果の出力予定期限に間に合わせるための処理開始期限を提示することができる。この処理開始期限に基づいてスケジューリングを行うことで、出力予定期限までに処理結果を得られるようにスケジューリングを行うことができる。
これにより、処理時間推定装置100は、処理結果の出力予定期限に間に合わせるように処理予約を登録することができる。
これにより、処理時間推定装置100は、処理時間の推定にデータの内容を反映させることができる。この点で、処理時間推定装置100によれば、処理時間の推定精度が高まることが期待される。
これにより、処理時間推定装置100は、処理アルゴリズムに応じた処理時間を推定することができる。この点で、処理時間推定装置100によれば、処理時間の推定精度が高まることが期待される。
図8は、本発明に係る処理時間推定装置の最小構成の例を示す図である。図8に示す処理時間推定装置10は、処理時間要素推定部11と、処理時間推定部12とを備える。
かかる構成にて、処理時間要素推定部11は、処理要求における処理対象データ量に基づいて、処理の繰り返し回数及び1回あたりの処理時間を推定する。処理時間推定部12は、処理の繰り返し回数及び1回あたりの処理時間に基づいて、要求される処理の実行時間を推定する。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ROM、CD−ROM等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
10、100 処理時間推定装置
11、194 処理時間要素推定部
12、195 処理時間推定部
110 通信部
120 表示部
130 操作入力部
180 記憶部
190 制御部
191 期限情報取得部
192 データ内容係数取得部
193 処理アルゴリズム係数取得部
196 処理開始期限決定部
197 処理予約受付部
200 処理サーバ装置
300 第一通信ネットワーク
910 クライアントシステム
920 第二通信ネットワーク
Claims (6)
- 処理要求における処理対象データ量に基づいて、処理の繰り返し回数及び1回あたりの処理時間を推定し、前記処理の繰り返し回数及び前記1回あたりの処理時間のうち少なくともいずれか一方の推定では、前記処理対象データ量に加えて、処理対象データの分散または標準偏差に基づいて前記推定を行う処理時間要素推定部と、
前記処理の繰り返し回数及び前記1回あたりの処理時間に基づいて、要求される処理の実行時間を推定する処理時間推定部と、
前記処理要求に対する処理結果の出力予定期限を示す期限情報を取得する期限情報取得部と、
前記出力予定期限から前記実行時間だけ遡った時期から、さらに所定の余裕分の期間だけ遡った時期を処理開始期限に決定する処理開始期限決定部と
を備える処理時間推定装置。 - 処理要求期限が前記処理開始期限又はそれ以前の処理予約を受け付ける処理予約受付部
を備える請求項1に記載の処理時間推定装置。 - 前記処理要求における処理対象データの内容に応じたデータ内容係数を、前記処理対象データの分散または標準偏差に基づいて算出するデータ内容係数取得部を備え、
前記処理時間要素推定部は、前記処理対象データ量に加えて、前記データ内容係数に基づいて、前記処理の繰り返し回数及び前記1回あたりの処理時間のうち少なくともいずれか一方を推定する、
請求項1または請求項2に記載の処理時間推定装置。 - 前記処理要求に対する処理アルゴリズムに応じた処理アルゴリズム係数を取得する処理アルゴリズム係数取得部を備え、
前記処理時間要素推定部は、前記処理対象データ量に加えて前記処理アルゴリズム係数に基づいて、前記処理の繰り返し回数及び前記1回あたりの処理時間のうち少なくともいずれか一方を推定する、
請求項1から3の何れか一項に記載の処理時間推定装置。 - 処理要求における処理対象データ量に基づいて、処理の繰り返し回数及び1回あたりの処理時間を推定し、前記処理の繰り返し回数及び前記1回あたりの処理時間のうち少なくともいずれか一方の推定では、前記処理対象データ量に加えて、処理対象データの分散または標準偏差に基づいて前記推定を行い、
前記処理の繰り返し回数及び前記1回あたりの処理時間に基づいて、要求される処理の実行時間を推定し、
前記処理要求に対する処理結果の出力予定期限を示す期限情報を取得し、
前記出力予定期限から前記実行時間だけ遡った時期から、さらに所定の余裕分の期間だけ遡った時期を処理開始時期に決定する
ことを含む、処理時間推定方法。 - コンピュータに、
処理要求における処理対象データ量に基づいて、処理の繰り返し回数及び1回あたりの処理時間を推定させ、前記処理の繰り返し回数及び前記1回あたりの処理時間のうち少なくともいずれか一方の推定では、前記処理対象データ量に加えて、処理対象データの分散または標準偏差に基づいて前記推定を行わせ、
前記処理の繰り返し回数及び前記1回あたりの処理時間に基づいて、要求される処理の実行時間を推定させ、
前記処理要求に対する処理結果の出力予定期限を示す期限情報を取得させ、
前記出力予定期限から前記実行時間だけ遡った時期から、さらに所定の余裕分の期間だけ遡った時期を処理開始時期に決定させる
ためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017119976A JP6984943B2 (ja) | 2017-06-19 | 2017-06-19 | 処理時間推定装置、処理時間推定方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017119976A JP6984943B2 (ja) | 2017-06-19 | 2017-06-19 | 処理時間推定装置、処理時間推定方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019003567A JP2019003567A (ja) | 2019-01-10 |
JP6984943B2 true JP6984943B2 (ja) | 2021-12-22 |
Family
ID=65006951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017119976A Active JP6984943B2 (ja) | 2017-06-19 | 2017-06-19 | 処理時間推定装置、処理時間推定方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6984943B2 (ja) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5448032B2 (ja) * | 2008-12-25 | 2014-03-19 | インターナショナル・ビジネス・マシーンズ・コーポレーション | リソース管理装置、リソース管理プログラム、およびリソース管理方法 |
US20100250746A1 (en) * | 2009-03-30 | 2010-09-30 | Hitachi, Ltd. | Information technology source migration |
KR101947221B1 (ko) * | 2015-03-24 | 2019-02-12 | 건국대학교 산학협력단 | 가상 클러스터 구동 시간 스케줄링 방법 및 장치 |
-
2017
- 2017-06-19 JP JP2017119976A patent/JP6984943B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019003567A (ja) | 2019-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Roghanian et al. | An improved fuzzy critical chain approach in order to face uncertainty in project scheduling | |
Becker-Peth et al. | Designing buyback contracts for irrational but predictable newsvendors | |
US20080103871A1 (en) | Company project management system | |
US11693655B2 (en) | Method, apparatus, and system for outputting a development unit performance insight interface component comprising a visual emphasis element in response to an insight interface component request | |
JP2012524340A (ja) | 旅行価格最適化(tpo) | |
WO2006119437A2 (en) | Method and system for managing project work using bayesian inference | |
López-Mesa et al. | On the significance of cognitive style and the selection of appropriate design methods | |
WO2017195429A1 (ja) | クーポン配信装置及びクーポン配信プログラム | |
KR102194683B1 (ko) | 법률 상담 스케쥴 관리 방법 및 장치 | |
Al-Baik et al. | Integrative double kaizen loop (IDKL): towards a culture of continuous learning and sustainable improvements for software organizations | |
JP6984943B2 (ja) | 処理時間推定装置、処理時間推定方法及びプログラム | |
Lödding et al. | Modelling schedule reliability | |
Jørgensen | Communication of software cost estimates | |
JP2017204119A (ja) | クーポン配信装置及びクーポン配信プログラム | |
JP7074286B2 (ja) | 処理計画装置、処理計画方法及びプログラム | |
US20150286780A1 (en) | Imaging Protocol Optimization With Consensus Of The Community | |
Litoriya et al. | Cost estimation of web projects in context with agile paradigm: improvements and validation | |
Van Loon | Process Assessment and Improvement: a practical guide for managers, quality professionals and assessors | |
Blyler | Interface management | |
Anwar et al. | Agile adoption case study, pains, challenges & benefits | |
Jørgensen | The ignorance of confidence levels in minimum-maximum software development effort intervals | |
Bond et al. | Developing a methodology for risk-informed trade-space analysis in acquisition | |
JP6608731B2 (ja) | 対価設定装置及び対価設定方法 | |
JP2017204118A (ja) | 情報配信装置、情報配信プログラム及び情報配信システム | |
Greer et al. | Software project initiation and planning–an empirical study |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200513 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210319 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210406 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210607 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20210622 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210922 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20210922 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20211004 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20211005 |
|
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: 20211026 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211118 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6984943 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |