JP7222688B2 - Information processing terminal, information processing method, and information processing program - Google Patents
Information processing terminal, information processing method, and information processing program Download PDFInfo
- Publication number
- JP7222688B2 JP7222688B2 JP2018234280A JP2018234280A JP7222688B2 JP 7222688 B2 JP7222688 B2 JP 7222688B2 JP 2018234280 A JP2018234280 A JP 2018234280A JP 2018234280 A JP2018234280 A JP 2018234280A JP 7222688 B2 JP7222688 B2 JP 7222688B2
- Authority
- JP
- Japan
- Prior art keywords
- work
- time
- information processing
- repetitive
- information
- 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
- 230000010365 information processing Effects 0.000 title claims description 93
- 238000003672 processing method Methods 0.000 title claims description 5
- 230000003252 repetitive effect Effects 0.000 claims description 123
- 238000004891 communication Methods 0.000 claims description 24
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 description 78
- 230000013016 learning Effects 0.000 description 78
- 238000004364 calculation method Methods 0.000 description 51
- 230000006870 function Effects 0.000 description 42
- 238000000034 method Methods 0.000 description 39
- 238000010586 diagram Methods 0.000 description 34
- 230000008569 process Effects 0.000 description 28
- 238000012545 processing Methods 0.000 description 22
- 238000003860 storage Methods 0.000 description 18
- 238000012986 modification Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 9
- 239000000284 extract Substances 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 230000015556 catabolic process Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000015654 memory Effects 0.000 description 5
- 238000005401 electroluminescence Methods 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000004801 process automation Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Classifications
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本開示は、作業効率の改善を支援するための技術に関する。 The present disclosure relates to technology for assisting improvement of work efficiency.
近年、RPA(Robotic Process Automation)技術が注目されている。RPA技術とは、繰り返し行われている定型業務を自動化するための技術である。定型業務が自動化されることで、作業効率が改善される。 In recent years, RPA (Robotic Process Automation) technology has attracted attention. RPA technology is a technology for automating repetitive routine tasks. Work efficiency is improved by automating routine tasks.
RPA技術に関し、非特許文献1は、業務自動化支援ツールを開示している。当該業務自動化支援ツールは、ユーザの操作ログを集計し、業務内容ごと、または、アプリケーションごとに作業時間順にグラフ化し、そのグラフをレポートする。
Regarding RPA technology, Non-Patent
作業効率を改善するためには、繰り返し何度も行われている一連の業務を把握することが重要である。そのため、非特許文献1に示される業務自動化支援ツールのように、特定の業務内容の作業時間に注目するだけで不十分である。したがって、従来とは異なる方法で作業効率の改善を支援することが望まれている。
In order to improve work efficiency, it is important to grasp a series of tasks that are performed repeatedly. Therefore, it is not enough to pay attention only to the work time of specific business content like the business automation support tool shown in Non-Patent
本開示の一例では、情報処理端末は、複数の業務端末と通信する通信部を備える。上記通信部は、上記複数の業務端末の各々から当該業務端末における操作ログを受信する。当該操作ログには、送信元の業務端末に対する操作情報の各々が時系列で規定されている。情報処理端末は、さらに、上記受信した各操作ログに規定される時系列の各操作情報から、当該各操作情報について、対応する作業内容を特定するための作業特定部と、上記作業特定部によって時系列の各操作情報について特定された各作業内容から、繰り返し行われている一連の繰り返し作業を特定するための繰り返し特定部と、上記繰り返し作業を構成する各作業内容を時系列の順に並べて出力するための出力部とを備える。 In one example of the present disclosure, an information processing terminal includes a communication unit that communicates with a plurality of business terminals. The communication unit receives an operation log of the business terminal from each of the plurality of business terminals. In the operation log, each piece of operation information for the business terminal of the transmission source is specified in chronological order. The information processing terminal further includes a work identification unit for identifying work content corresponding to each piece of operation information from time-series operation information defined in each operation log received, and A repetition identification unit for identifying a series of repetitive work that is being performed repeatedly from each work content identified for each piece of time-series operation information; and an output unit for
本開示の一例では、上記受信した各操作ログに規定される各操作情報には、操作に費やされた作業時間がさらに対応付けられている。上記出力部は、上記受信した各操作ログに規定される各作業時間に基づいて、上記繰り返し作業を構成する作業内容ごとに、当該作業内容に費やされた平均作業時間を算出し、当該算出した平均作業時間の各々をさらに出力する。 In one example of the present disclosure, each piece of operation information defined in each received operation log is further associated with the work time spent on the operation. The output unit calculates an average work time spent on the work content for each work content that constitutes the repetitive work based on each work time specified in each of the received operation logs, and calculates It also outputs each average work time.
本開示の一例では、上記出力部は、上記受信した各操作ログに規定される各作業時間に基づいて、上記繰り返し作業に費やされた合計作業時間を算出し、当該合計作業時間をさらに出力する。 In one example of the present disclosure, the output unit calculates the total work time spent on the repeated work based on each work time defined in each of the received operation logs, and further outputs the total work time. do.
本開示の一例では、上記繰り返し特定部によって複数パターンの繰り返し作業が特定された場合、上記出力部は、上記複数パターンの繰り返し作業の各々について上記合計作業時間を算出し、上記複数パターンの繰り返し作業の各々についての上記合計作業時間を比較可能な態様で表わしたグラフをさらに出力する。 In an example of the present disclosure, when a plurality of patterns of repetitive work are identified by the repetition identification unit, the output unit calculates the total work time for each of the plurality of patterns of repetitive work, and calculates the total work time for each of the plurality of patterns of repetitive work. and a graph representing in a comparable manner the total work time for each of the .
本開示の一例では、上記受信した各操作ログに規定される各操作情報には、操作を行ったユーザを示すユーザ識別情報がさらに対応付けられている。上記出力部は、上記受信した各操作ログに規定される上記ユーザ識別情報に基づいて、上記繰り返し作業を行ったユーザの総数を算出し、当該総数をさらに出力する。 In an example of the present disclosure, each piece of operation information defined in each received operation log is further associated with user identification information indicating the user who performed the operation. The output unit calculates the total number of users who have performed the repeated work based on the user identification information defined in each of the received operation logs, and further outputs the total number.
本開示の一例では、上記出力部は、上記繰り返し作業に係る作業量をユーザごとに比較可能な態様で表わしたグラフをさらに出力する。 In one example of the present disclosure, the output unit further outputs a graph representing the work amount of the repetitive work in a comparable manner for each user.
本開示の一例では、上記出力部は、上記作業特定部によって時系列の各操作情報について特定された各作業内容において、上記繰り返し作業が含まれている数を特定し、当該特定した数を上記繰り返し作業が行われた回数としてさらに出力する。 In an example of the present disclosure, the output unit identifies the number of times the repeated work is included in each work content identified for each piece of time-series operation information by the work identification unit, and sets the identified number to the above It is also output as the number of iterations performed.
本開示の一例では、上記受信した各操作ログに規定される各操作情報には、操作が行われた操作時刻がさらに対応付けられている。上記出力部は、上記受信した各操作ログに規定される各操作時刻に基づいて、上記繰り返し作業が行われた頻度を予め定められた時間区分ごとに算出し、当該予め定められた時間区分ごとに当該頻度を表わしたグラフをさらに出力する。 In an example of the present disclosure, each piece of operation information defined in each received operation log is further associated with an operation time at which the operation was performed. The output unit calculates, for each predetermined time segment, the frequency of the repeated work performed based on each operation time specified in each of the received operation logs, and for each predetermined time segment , a graph showing the frequency is further output.
本開示の一例では、情報処理方法は、複数の業務端末の各々から当該業務端末における操作ログを受信するステップを備える。当該操作ログには、送信元の業務端末に対する操作情報の各々が時系列で規定されている。情報処理方法は、さらに、上記受信した各操作ログに規定される時系列の各操作情報から、当該各操作情報について、対応する作業内容を特定するステップと、上記特定するステップで時系列の各操作情報について特定された各作業内容から、繰り返し行われている一連の繰り返し作業を特定するステップと、上記繰り返し作業を構成する各作業内容を時系列の順に並べて出力するステップとを備える。 In one example of the present disclosure, an information processing method includes receiving, from each of a plurality of business terminals, an operation log of the business terminal. In the operation log, each piece of operation information for the business terminal of the transmission source is specified in chronological order. The information processing method further comprises a step of identifying work content corresponding to each piece of operation information from time-series pieces of operation information defined in each operation log received; A step of specifying a series of repetitive work that is performed repeatedly from each work content specified for operation information, and a step of arranging and outputting each work content constituting the repetitive work in chronological order.
本開示の一例では、情報処理プログラムは、コンピュータに、複数の業務端末の各々から当該業務端末における操作ログを受信するステップを実行させる。当該操作ログには、送信元の業務端末に対する操作情報の各々が時系列で規定されている。上記情報処理プログラムは、上記コンピュータに、さらに、上記受信した各操作ログに規定される時系列の各操作情報から、当該各操作情報について、対応する作業内容を特定するステップと、上記特定するステップで時系列の各操作情報について特定された各作業内容から、繰り返し行われている一連の繰り返し作業を特定するステップと、上記繰り返し作業を構成する各作業内容を時系列の順に並べて出力するステップとを実行させる。 In one example of the present disclosure, an information processing program causes a computer to execute a step of receiving an operation log of a business terminal from each of a plurality of business terminals. In the operation log, each piece of operation information for the business terminal of the transmission source is specified in chronological order. The information processing program further instructs the computer to identify work content corresponding to each piece of operation information from time-series pieces of operation information defined in each operation log received; a step of identifying a series of repetitive work that is being performed repeatedly from each work content identified for each piece of time-series operation information; and a step of arranging and outputting each work content constituting the repetitive work in chronological order to run.
以下、図面を参照しつつ、本発明に従う各実施の形態について説明する。以下の説明では、同一の部品および構成要素には同一の符号を付してある。それらの名称および機能も同じである。したがって、これらについての詳細な説明は繰り返さない。 Hereinafter, each embodiment according to the present invention will be described with reference to the drawings. In the following description, identical parts and components are given identical reference numerals. Their names and functions are also the same. Therefore, detailed description of these will not be repeated.
<A.情報処理システム500>
図1を参照して、情報処理システム500について説明する。図1は、情報処理システム500の装置構成の一例を示す図である。
<A.
An
図1に示されるように、情報処理システム500は、複数の作業端末100と、1つ以上の情報処理端末200とを含む。
As shown in FIG. 1 , the
作業端末100は、たとえば、ノート型またはデスクトップ型のPC(Personal Computer)、タブレット端末、スマートフォン、または、通信機能を有するその他の情報処理端末である。情報処理システム500を構成する作業端末100の数は任意であり、たとえば、数台~数千台である。説明を簡素化するために、図1には3台の作業端末100のみが示されている。作業端末100の各々は、同一の建屋に置かれていてもよいし、異なる建屋に置かれていてもよい。
作業端末100は、ユーザが作業を行うための端末である。作業端末100には、ユーザ操作を監視するための後述の操作監視プログラム122(図2参照)がインストールされている。操作監視プログラム122は、作業端末100に対するユーザ操作を操作ログ130に書き込み、操作ログ130を定期的に情報処理端末200に送信する。
The
情報処理端末200は、たとえば、ノート型またはデスクトップ型のPC、タブレット端末、スマートフォン、または、通信機能を有するその他の情報処理端末である。図1には、1台の情報処理端末200が示されているが、情報処理システム500を構成する情報処理端末200の数は任意である。
The
情報処理端末200は、作業端末100の各々から収集した操作ログ130を解析し、業務改善のための種々の指標をレポートする。
The
<B.情報処理端末200の概要>
次に、図2を参照して、上述の情報処理端末200の概要について説明する。図2は、操作ログ130から繰り返し作業を特定するための機能構成の一例を示す図である。
<B. Overview of Information Processing Terminal 200>
Next, an outline of the
図2に示されるように、情報処理端末200は、通信部252と、作業特定部254と、繰り返し特定部256と、出力部260とを含む。
As shown in FIG. 2 ,
通信部252は、たとえば、作業端末100との通信機能を提供する通信ドライバである。通信部252は、たとえば、インターネット、ワイドエリアネットワーク(wide area network:WAN)、ローカルエリアネットワーク(local area network:LAN)、イーサネット(登録商標)ネットワーク、公的または私的ネットワークを介して作業端末100との通信を実現する。
The
通信部252は、複数の作業端末100の各々から当該作業端末100における操作ログ130を受信する。操作ログ130には、送信元の作業端末100に対した行われた操作に関する情報(以下、「操作情報」ともいう。)の各々が時系列で規定されている。「操作情報」は、たとえば、作業端末100内においてユーザが操作を行った対象のデータを示す。本明細書における「操作情報」は、操作対象のウィンドウの種別、操作対象のデータの種別、操作対象のアプリケーションの種別、操作対象のUI(User Interface)部品、操作対象の画面(たとえば、キャプチャした画面)、マウスなどの入力デバイスが示す座標情報、キーボードに対するキー入力結果、または、それらの組み合わせなどを含む概念である。通信部252は、受信した操作ログ130の各々を作業特定部254に出力する。
The
作業特定部254は、操作ログ130の各々に規定される時系列の各操作情報から、当該操作情報の各々について、対応する作業内容を特定する。各操作情報に対応する作業内容は、たとえば、作業定義232に基づいて特定される。作業定義232は、操作情報の種別に作業内容を対応付けている。一例として、作業特定部254は、作業定義232を参照して、操作ログ130に規定される操作対象「A」については対応の作業として作業「A」を特定する。また、作業特定部254は、操作対象「C」については対応の作業として作業「B」を特定する。
The
なお、対応の作業内容は、必ずしも作業定義232に基づいて特定される必要はない。たとえば、作業特定部254は、操作ログ130の各々に規定される時系列の各操作情報から余分なキーワードを削除し、当該編集後の操作情報を対応の作業内容として特定してもよい。作業特定部254による作業特定結果は、繰り返し特定部256に出力される。
Note that the corresponding work content does not necessarily have to be specified based on the
繰り返し特定部256は、作業特定部254によって時系列の各操作情報について特定された各作業内容から、繰り返し行われている一連の作業(すなわち、繰り返し作業)を特定する。異なる言い方をすれば、繰り返し特定部256は、作業特定部254による作業特定結果の中から、作業内容の順序が類似する作業群を繰り返し作業として特定する。図2の例では、「作業C→作業B→作業D」の一連の作業が繰り返し行われているので、繰り返し特定部256は、「作業C→作業B→作業D」を繰り返し作業として特定する。繰り返し特定部256は、特定した繰り返し作業を出力部260に出力する。
The
なお、図2の例では、1種類の作業パターンの繰り返し作業が特定されている例が示されているが、複数種類の作業パターンの繰り返し作業が特定されてもよい。 In the example of FIG. 2, an example in which repetitive work of one type of work pattern is specified is shown, but repetitive work of a plurality of types of work patterns may be specified.
出力部260は、特定された繰り返し作業を構成する各作業内容を時系列の順に並べて出力する。繰り返し作業は、任意の出力手段で出力される。一例として、出力部260は、作業レポート270として繰り返し作業を出力する。図2の例では、作業レポート270には、繰り返し作業を構成する各作業内容が矢印により繋がれている。作業レポート270の詳細については後述する。
The
ユーザは、作業レポート270を確認することで、繰り返し何度も行われている一連の作業を把握することができる。このような繰り返し作業が提示されることで、ユーザは、改善すべき業務内容を容易に発見することができる。この利点は、業務内容が複雑になるほど顕著となる。ユーザは、提示された繰り返し作業を自動化することで、作業効率を大幅に改善することができる。このようにして、情報処理端末200は、作業端末100における作業効率の改善を支援することができる。
By checking the
<C.ハードウェア構成>
図3および図4を参照して、上述の図1に示される、作業端末100および情報処理端末200のハードウェア構成について順に説明する。
<C. Hardware Configuration>
The hardware configurations of
(C1.作業端末100のハードウェア構成)
まず、図3を参照して、作業端末100のハードウェア構成について説明する。図3は、作業端末100のハードウェア構成の一例を示す模式図である。
(C1. Hardware configuration of work terminal 100)
First, the hardware configuration of the
作業端末100は、制御装置101と、ROM(Read Only Memory)102と、RAM(Random Access Memory)103と、通信インターフェイス104と、表示インターフェイス105と、入力インターフェイス107と、記憶装置120とを含む。これらのコンポーネントは、バス110に接続される。
The
制御装置101は、たとえば、少なくとも1つの集積回路によって構成される。集積回路は、たとえば、少なくとも1つのCPU(Central Processing Unit)、少なくとも1つのGPU(Graphics Processing Unit)、少なくとも1つのASIC(Application Specific Integrated Circuit)、少なくとも1つのFPGA(Field Programmable Gate Array)、またはそれらの組み合わせなどによって構成され得る。
The
制御装置101は、作業端末100の操作監視プログラム122や作業用プログラム132やオペレーティングシステムなどの各種プログラムを実行することで作業端末100の動作を制御する。操作監視プログラム122は、作業端末100に対する操作を監視するためのプログラムであり、ユーザ操作に係る情報を操作ログ130に書き込む機能や、操作ログ130を情報処理端末200(図1参照)に定期的に送信する機能などを含む。作業用プログラム132は、ユーザの業務を支援するためのアプリケーションである。一例として、作業用プログラム132は、各種メーラー、各種ブラウザ、Word、Excel(登録商標)、業務を支援するその他のアプリケーションを含む。
The
制御装置101は、操作監視プログラム122の実行命令を受け付けたことに基づいて、記憶装置120またはROM102からRAM103に操作監視プログラム122や作業用プログラム132を読み出す。RAM103は、ワーキングメモリとして機能し、操作監視プログラム122や作業用プログラム132の実行に必要な各種データを一時的に格納する。
The
通信インターフェイス104には、LAN(Local Area Network)やアンテナなどが接続される。作業端末100は、通信インターフェイス104を介して、外部機器との間でデータをやり取りする。当該外部機器は、たとえば、上述の情報処理端末200や、サーバーなどを含む。作業端末100は、サーバーなどの外部機器から操作監視プログラム122や作業用プログラム132をダウンロードできるように構成されてもよい。
A LAN (Local Area Network), an antenna, and the like are connected to the
表示インターフェイス105には、ディスプレイ106が接続される。表示インターフェイス105は、制御装置101などからの指令に従って、ディスプレイ106に対して、画像を表示するための画像信号を送出する。ディスプレイ106は、たとえば、液晶ディスプレイ、有機EL(Electro Luminescence)ディスプレイ、またはその他の表示機器である。なお、ディスプレイ106は、作業端末100と一体的に構成されてもよいし、作業端末100とは別に構成されてもよい。
A
入力インターフェイス107には、入力デバイス108が接続される。入力デバイス108は、たとえば、マウス、キーボード、タッチパネル、またはユーザの操作を受け付けることが可能なその他の装置である。なお、入力デバイス108は、作業端末100と一体的に構成されてもよいし、作業端末100とは別に構成されてもよい。
An
記憶装置120は、たとえば、ハードディスクやフラッシュメモリなどの記憶媒体である。記憶装置120は、操作監視プログラム122、操作ログ130、および作業用プログラム132などを格納する。なお、操作監視プログラム122、操作ログ130、および作業用プログラム132の格納場所は、記憶装置120に限定されず、制御装置101の記憶領域(たとえば、キャッシュメモリなど)、ROM102、RAM103、外部機器(たとえば、サーバー)などに格納されていてもよい。
The
操作監視プログラム122は、単体のプログラムとしてではなく、任意のプログラムの一部に組み込まれて提供されてもよい。この場合、操作監視プログラム122による通信監視処理は、任意のプログラムと協働して実現される。このような一部のモジュールを含まないプログラムであっても、本実施の形態に従う操作監視プログラム122の趣旨を逸脱するものではない。さらに、操作監視プログラム122によって提供される機能の一部または全部は、専用のハードウェアによって実現されてもよい。さらに、少なくとも1つのサーバーが操作監視プログラム122の処理の一部を実行する所謂クラウドサービスのような形態で作業端末100が構成されてもよい。
The
(C2.情報処理端末200のハードウェア構成)
次に、図4を参照して、情報処理端末200のハードウェア構成について説明する。図4は、情報処理端末200のハードウェア構成の一例を示す模式図である。
(C2. Hardware configuration of information processing terminal 200)
Next, a hardware configuration of the
情報処理端末200は、制御装置201と、ROM202と、RAM203と、通信インターフェイス204と、表示インターフェイス205と、入力インターフェイス207と、記憶装置220とを含む。これらのコンポーネントは、バス210に接続される。
制御装置201は、たとえば、少なくとも1つの集積回路によって構成される。集積回路は、たとえば、少なくとも1つのCPU、少なくとも1つのGPU、少なくとも1つのASIC、少なくとも1つのFPGA、またはそれらの組み合わせなどによって構成され得る。
The
制御装置201は、情報処理プログラム222やオペレーティングシステムなどの各種プログラムを実行することで情報処理端末200の動作を制御する。制御装置201は、情報処理プログラム222の実行命令を受け付けたことに基づいて、記憶装置220またはROM202からRAM203に情報処理プログラム222を読み出す。RAM203は、ワーキングメモリとして機能し、情報処理プログラム222の実行に必要な各種データを一時的に格納する。
The
通信インターフェイス204には、LANやアンテナなどが接続される。情報処理端末200は、通信インターフェイス204を介して、外部機器との間でデータをやり取りする。当該外部機器は、たとえば、上述の作業端末100やサーバーなどを含む。情報処理端末200は、当該外部機器から情報処理プログラム222をダウンロードできるように構成されてもよい。
A LAN, an antenna, and the like are connected to the
表示インターフェイス205には、ディスプレイ206が接続される。表示インターフェイス205は、制御装置201などからの指令に従って、ディスプレイ206に対して、画像を表示するための画像信号を送出する。ディスプレイ206は、たとえば、液晶ディスプレイ、有機ELディスプレイ、またはその他の表示機器である。なお、ディスプレイ206は、情報処理端末200と一体的に構成されてもよいし、情報処理端末200とは別に構成されてもよい。
A
入力インターフェイス207には、入力デバイス208が接続される。入力デバイス208は、たとえば、マウス、キーボード、タッチパネル、またはユーザの操作を受け付けることが可能なその他の装置である。なお、入力デバイス208は、情報処理端末200と一体的に構成されてもよいし、情報処理端末200とは別に構成されてもよい。
An
記憶装置220は、たとえば、ハードディスクやフラッシュメモリなどの記憶媒体である。記憶装置220は、情報処理プログラム222、上述の作業定義232、上述の作業レポート270、後述の作業推定モデルMなどを格納する。これらの格納場所は、記憶装置220に限定されず、制御装置201の記憶領域(たとえば、キャッシュメモリなど)、ROM202、RAM203、外部機器(たとえば、サーバー)などに格納されていてもよい。
The
情報処理プログラム222は、単体のプログラムとしてではなく、任意のプログラムの一部に組み込まれて提供されてもよい。この場合、情報処理プログラム222による操作ログの解析処理は、任意のプログラムと協働して実現される。このような一部のモジュールを含まないプログラムであっても、本実施の形態に従う情報処理プログラム222の趣旨を逸脱するものではない。さらに、情報処理プログラム222によって提供される機能の一部または全部は、専用のハードウェアによって実現されてもよい。さらに、少なくとも1つのサーバーが情報処理プログラム222の処理の一部を実行する所謂クラウドサービスのような形態で情報処理端末200が構成されてもよい。
The
<D.作業特定部254の機能>
次に、図5を参照して、図2に示される作業特定部254の機能の詳細について説明する。図5は、作業特定部254の機能構成の一例を示す図である。
<D. Function of
Next, with reference to FIG. 5, the details of the function of the
作業特定部254は、操作ログ130と、作業定義232との入力を受けて、作業特定結果D1を出力する。
The
操作ログ130には、作業端末100に対する操作に係る各種情報が書き込まれている。操作ログ130に含まれる各種情報は、作業端末100に対して操作が行われた順に並べられている。操作ログ130は、たとえば、操作対象の作業端末100を示す端末識別情報と、操作を行ったユーザを示すユーザ識別情報と、操作が行われたタイミングを示す操作時刻と、操作に費やされた時間を示す作業時間と、操作対象のアプリケーションを示すアプリケーション識別情報と、送信元の作業端末100に対する操作情報とを含む。
The
図5の例では、端末識別情報の一例として、パソコン名が示されているが、端末識別情報は、IP(Internet Protocol)アドレスやMAC(Media Access Control)アドレスなどで示されてもよい。また、図5の例では、ユーザ識別情報の一例として、ログイン名が示されているが、ユーザ識別情報は、ユーザID(Identification)、IPアドレス、MACアドレスなどで示されてもよい。また、図5の例では、アプリケーション識別情報の一例として、アプリケーション名が示されているが、アプリケーション識別情報は、EXEファイルの場所を示すファイルパスなどで示されてもよい。また、図5の例では、操作情報の一例として、操作対象のウィンドウのタイトルが示されているが、操作情報は、操作対象のデータの種別(たとえば、ファイル名やファイルパス)、操作対象のUI部品(たとえば、ボタン名など)などで規定されてもよい。あるいは、操作情報は、操作対象の画面(たとえば、キャプチャした画面)や、マウスなどの入力デバイスが示す座標情報、キーボードなどの入力に対するキー入力結果などで規定されてもよい。 In the example of FIG. 5, a personal computer name is shown as an example of the terminal identification information, but the terminal identification information may be indicated by IP (Internet Protocol) address, MAC (Media Access Control) address, or the like. Also, in the example of FIG. 5, a login name is shown as an example of user identification information, but user identification information may be shown by a user ID (Identification), an IP address, a MAC address, or the like. Also, in the example of FIG. 5, an application name is shown as an example of the application identification information, but the application identification information may be shown by a file path or the like indicating the location of the EXE file. In the example of FIG. 5, the title of the window to be operated is shown as an example of the operation information, but the operation information includes the type of data to be operated (for example, file name and file path), It may be defined by UI components (for example, button names, etc.). Alternatively, the operation information may be defined by a screen to be operated (for example, a captured screen), coordinate information indicated by an input device such as a mouse, key input results for input using a keyboard, or the like.
作業定義232は、操作情報の種別に作業内容(たとえば、操作対象のウィンドウのタイトル)を対応付けている。図5の例では、作業定義232に規定される操作情報の一例として、操作対象のウィンドウのタイトルが示されているが、操作情報は、操作対象のデータの種別(たとえば、ファイル名やファイルパス)、操作対象のUI部品(たとえば、ボタン名など)などで規定されてもよい。
The
作業特定部254は、作業定義232に基づいて、操作ログ130に規定される時系列の操作情報の各々について、対応する作業内容を特定する。より具体的には、操作ログ130に規定される操作情報を第1操作情報とし、作業定義232に規定される操作情報を第2操作情報と称した場合、作業特定部254は、ある第1操作情報を識別対象とし、第2操作情報の中から、識別対象の第1操作情報と一致するものを特定する。そして、作業特定部254は、当該一致した第2操作情報に対応付けられている作業内容を、識別対象の第1操作情報に対応する作業内容とする。作業特定部254は、このような作業内容の特定処理を、操作ログ130に規定される全ての第1操作情報について実行する。
Based on the
なお、ここでいう「一致」との概念は、第1操作情報および第2操作情報の完全な一致だけでなく、第1操作情報および第2操作情報の略一致も含み得る。たとえば、第1操作情報および第2操作情報の一方が他方に部分的に一致している場合も「一致」との概念に含まれ得る。一例として、作業特定部254は、第2操作情報の中から、識別対象の第1操作情報の一部と一致するものを特定する。そして、作業特定部254は、当該特定した第2操作情報に対応付けられている作業内容を、識別対象の第1操作情報に対応する作業内容とする。
It should be noted that the concept of "matching" here can include not only complete matching of the first operation information and the second operation information, but also approximate matching of the first operation information and the second operation information. For example, a case where one of the first operation information and the second operation information partially matches the other may be included in the concept of "match". As an example, the
作業特定部254による作業特定処理の結果として、作業特定結果D1が出力される。上述のように、操作ログ130に規定される操作情報は、時系列の順(すなわち、操作順)に並んでいるので、作業特定結果D1に規定される作業内容群も時系列の順(すなわち、操作順)に並んでいる。作業特定結果D1は、繰り返し特定部256に出力される。
As a result of the work identification processing by the
<E.繰り返し特定部256の機能>
次に、図6~図9を参照して、図2に示される繰り返し特定部256の機能の詳細について説明する。図6は、繰り返し特定部256の機能構成の一例を示す図である。
<E. Function of
Next, with reference to FIGS. 6 to 9, the details of the function of the
図6に示されるように、繰り返し特定部256は、機能モジュールとして、学習データ生成部257と、学習部258と、解析部259とを含む。以下では、これらの機能モジュールについて順に説明する。
As shown in FIG. 6, the
(E1.学習データ生成部257)
まず、図7を参照して、学習データ生成部257の機能について説明する。図7は、学習用データセットD2を生成する過程を示す図である。
(E1. Learning data generator 257)
First, the function of the learning
図7に示されるように、学習データ生成部257は、作業特定結果D1の入力を受けて、後述の学習部258で用いられる学習用データセットD2を生成する。より具体的には、まず、学習データ生成部257は、作業特定結果D1に含まれる時系列の作業内容群を所定単位数(たとえば、10単位)ごとに分割する。当該単位数は、任意である。図7の例では、作業特定結果D1に規定される作業内容が3つごとにブロック化されている。次に、学習データ生成部257は、各ブロックに含まれる作業内容群に対して、当該ブロックに続く次ブロックに含まれる作業内容群を正解情報としてタグ付ける。図7の例では、たとえば、作業パターン1のブロックに含まれる作業内容群に対して、作業パターン1に続く作業パターン4のブロックに含まれる作業内容群が正解情報としてタグ付けされる。このようなタグ付けが全てのブロックについて実行され、それらが学習用データセットD2として生成されている。
As shown in FIG. 7, the learning
学習データ生成部257によって生成された学習用データセットD2は、学習部258に出力される。
The learning data set D<b>2 generated by the learning
(E2.学習部258)
次に、図8を参照して、図6に示される学習部258の機能について説明する。図8は、学習部258による学習処理の過程を概略的に示す図である。
(E2. Learning unit 258)
Next, the function of the
学習部258は、学習データ生成部257によって生成された学習用データセットD2を用いた予め定められた機械学習処理により作業推定モデルMを生成する。作業推定モデルMは、一連の作業群の入力を受けて、それらの作業軍に続く作業群を推定結果として出力する。学習部258が実行する機械学習処理は、ディープラーニング(深層学習)であってもよいし、RNN(Recurrent Neural Network)であってもよいし、サポートベクターマシンであってもよいし、その他の学習手法であってもよい。以下では、一例として、RNNで作業推定モデルを生成する方法について説明する。
The
図8には、初期状態の作業推定モデルM1と、1回目のパラメータ更新が済んだ作業推定モデルM2とが示されている。以下では、作業推定モデルM1,M2を特に区別しない場合には、作業推定モデルMとも称する。作業推定モデルMは、入力層Xと、中間層Hと、出力層Yとで構成される。 FIG. 8 shows the work estimation model M1 in the initial state and the work estimation model M2 after the first parameter update. Hereinafter, the work estimation models M1 and M2 are also referred to as a work estimation model M when they are not distinguished from each other. The task estimation model M is composed of an input layer X, an intermediate layer H, and an output layer Y.
入力層Xは、学習用データセットD2に含まれる作業パターン(すなわち、入力用特徴量)の入力を受ける。入力層Xは、入力された作業パターンを構成する各作業内容を中間層Hに出力する。 The input layer X receives input of work patterns (that is, input feature values) included in the learning data set D2. The input layer X outputs to the intermediate layer H each work content that constitutes the input work pattern.
中間層Hは、複数の層で構成されている。中間層Hの層数は、任意である。各層は、複数のユニットで構成される。中間層Hの各層を構成する各ユニットは、前の層の各ユニットと、次の層の各ユニットと接続される。各層の各ユニットは、前の層の各ユニットからの各出力値を受けて、各出力値に重みを乗算し、それらの乗算結果を積算し、その積算結果に対して所定のバイアスを加算(または減算)し、その加算結果(または減算結果)を所定の関数(たとえば、シグモナイト関数)に入力し、その関数の出力値を次の層の各ユニットに出力する。 The intermediate layer H is composed of a plurality of layers. The number of layers of the intermediate layer H is arbitrary. Each layer is composed of multiple units. Each unit constituting each layer of the intermediate layer H is connected to each unit of the previous layer and each unit of the next layer. Each unit in each layer receives each output value from each unit in the previous layer, multiplies each output value by a weight, integrates the multiplication results, and adds a predetermined bias to the integration result ( or subtraction), the addition result (or subtraction result) is input to a predetermined function (for example, sigmonite function), and the output value of the function is output to each unit in the next layer.
出力層Yは、複数のユニットで構成される。出力層Yを構成する各ユニットは、中間層Hの最終層の各ユニットと接続される。出力層Yの各ユニットは、中間層Hの最終層の各ユニットからの出力値を受け手、各出力値に重みを乗算し、それらの乗算結果を積算し、その積算結果に対して所定のバイアスを加算(または減算)し、その加算結果(または減算結果)を所定の関数(たとえば、シグモナイト関数)に入力し、その関数の出力結果を出力値として出力する。当該出力値は、作業内容の種別を示す。作業推定モデルMは、出力層Yから出力される作業内容の各々を、入力された作業パターンに続く後続の作業パターンとして推定する。 The output layer Y is composed of a plurality of units. Each unit forming the output layer Y is connected to each unit in the last layer of the intermediate layer H. FIG. Each unit of the output layer Y receives the output value from each unit of the final layer of the intermediate layer H, multiplies each output value by a weight, integrates the multiplication results, and biases the integration result with a predetermined bias. is added (or subtracted), the addition result (or subtraction result) is input to a predetermined function (for example, a sigmonite function), and the output result of the function is output as an output value. The output value indicates the type of work content. The work estimation model M estimates each work content output from the output layer Y as a subsequent work pattern following the input work pattern.
より具体的な例として、学習部258は、学習用データセットD2に規定される1つ目の作業パターン「1」を作業推定モデルMに入力し、その結果得られた推定作業パターン「α」と、作業パターン「1」に対して正解情報として対応付けられている作業パターン「4」とを比較する。そして、学習部258は、推定作業パターン「α」が正解情報としての作業パターン「4」に近付くように、作業推定モデルMに含まれる各種のパラメータ(たとえば、重みやバイアス)を更新する。
As a more specific example, the
次に、学習部258は、学習用データセットD2に規定される2つ目の作業パターン「2」を作業推定モデルMに入力する。2回目の以降の学習においては、学習部258は、さらに、前回の学習過程における中間層Hの出力の一部を入力層Xに入力する。このように、RNNにおいては、ある層の出力は、次の層の入力として利用されるだけでなく、次の学習過程における入力層Xにも入力される。その結果、作業推定モデルMの出力結果は、2つ目の作業パターン「2」だけでなく、1つ目の作業パターン「1」の影響を受けることになる。その結果、時間的な情報が受け渡されることになる。
Next, the
学習部258は、学習用データセットD2から得られた推定作業パターン「β」と、作業パターン「2」に対して正解情報として対応付けられている作業パターン「5」とを比較する。そして、学習部258は、推定作業パターン「β」が正解情報としての作業パターン「2」に近付くように、作業推定モデルMに含まれる各種のパラメータ(たとえば、重みやバイアス)を更新する。
The
学習部258は、作業推定モデルMに含まれるパラメータの更新処理を、学習用データセットD2の各学習用データについて繰り返し行う。その結果、作業推定モデルMによる作業推定精度が向上し、作業推定モデルMは、一連の作業群の入力を受けると、その作業群に続く後続の作業群を出力するようになる。
The
なお、学習部258は、作業推定モデルMを生成するために、学習用データセットD2に含まれる全ての学習用データを必ずしも用いる必要はなく、学習用データセットD2に含まれる一部の学習用データを用いて作業推定モデルMを生成してもよい。
Note that the
(E3.解析部259)
次に、図9を参照して、図6に示される解析部259の機能について説明する。図9は、解析部259による解析処理の過程を概略的に示す図である。
(E3. Analysis unit 259)
Next, with reference to FIG. 9, functions of the
解析部259は、学習部258による学習済みの作業推定モデルMに対して学習用データセットD2を再び入力し、繰り返し作業である作業パターンを特定する。
The
より具体的には、解析部259は、学習用データセットD2に規定される1つ目の作業パターン「1」を学習済みの作業推定モデルMに入力し、その結果得られた推定作業パターン「γ」と、作業パターン「1」に対して正解情報として対応付けられている作業パターン「4」とを比較し、推定作業パターン「γ」が作業パターン「4」と類似しているか否かを判断する。一例として、解析部259は、推定作業パターン「γ」と作業パターン「4」との内積を計算することで、これらの相関値を算出する。そして、当該相関値が所定値を超えている場合には、解析部259は、作業パターン「1」(または作業パターン「4」)を繰り返し作業とみなす。
More specifically, the
同様に、解析部259は、学習用データセットD2に規定される2つ目の作業パターン「2」を学習済みの作業推定モデルMに入力し、その結果得られた推定作業パターン「δ」と、作業パターン「2」に対して正解情報として対応付けられている作業パターン「5」とを比較し、推定作業パターン「δ」が作業パターン「5」と類似しているか否かを判断する。一例として、解析部259は、推定作業パターン「δ」と作業パターン「5」との内積を計算することで、これらの相関値を算出する。そして、当該相関値が所定値を超えている場合には、解析部259は、作業パターン「2」(または作業パターン「5」)を繰り返し作業とみなす。
Similarly, the
解析部259は、このような繰り返し作業の解析処理を、学習用データセットD2の全学習用データについて行う。その結果、繰り返し作業269が特定される。このとき特定される繰り返し作業の作業パターンは、1種類とは限らず、複数種類の作業パターンが特定される可能性もある。
The
なお、作業推定モデルMが学習用データセットD2の一部を用いて生成されている場合には、解析部259は、学習用データセットD2の残りを当該作業推定モデルMに入力してもよい。その結果、学習用データセットD2の残りについて繰り返し作業が含まれるか否かが特定される。その後、解析部259は、作業推定モデルMを生成するために用いる学習用データセットと、解析に用いる残りの学習用データセットとの組み合わせを変えることで、学習用データセットD2の全学習用データについて繰り返し作業の解析処理を行う。これにより、過学習が抑制される。
Note that when the work estimation model M is generated using part of the learning data set D2, the
<F.出力部260の機能>
次に、図10~図14を参照して、図2に示される出力部260の機能の詳細について説明する。図10は、出力部260の機能構成の一例を示す図である。
<F. Function of
Next, with reference to FIGS. 10 to 14, the details of the functions of the
図10に示されるように、出力部260は、機能モジュールとして、平均時間算出部261と、合計時間算出部262と、ユーザ数算出部263と、繰り返し回数算出部264とを含む。以下では、これらの機能モジュールについて順に説明する。
As shown in FIG. 10, the
(F1.平均時間算出部261)
まず、図11を参照して、平均時間算出部261の機能について説明する。図11は、繰り返し作業を構成する各作業の平均作業時間を算出する過程を示す図である。
(F1. Average time calculation unit 261)
First, with reference to FIG. 11, the function of the
平均時間算出部261は、上述の作業特定結果D1(または操作ログ130)に規定される時系列の作業内容の中から、上述の繰り返し特定部256によって特定された繰り返し作業269が示す作業パターンを抽出する。一例として、特定された繰り返し作業269において、繰り返しパターン「作業E→作業A→作業G」が含まれていたとする。この場合、平均時間算出部261は、上述の作業特定結果D1に規定される時系列の作業内容の中から、繰り返しパターン「作業E→作業A→作業G」を抽出する。
The average
上述のように、作業特定結果D1には、各作業内容に費やされた作業時間が作業内容ごとに対応付けられている。平均時間算出部261は、当該作業時間の各々に基づいて、繰り返し作業を構成する作業内容ごとに、当該作業内容に費やされた平均作業時間を算出する。図11に示される繰り返し作業「作業E→作業A→作業G」の例では、平均時間算出部261は、作業「E」に対応付けられている作業時間「ΔT31」,「ΔT41」,「ΔT51」の平均時間「TA」を作業「E」の平均作業時間として算出する。同様に、平均時間算出部261は、作業「A」に対応付けられている作業時間「ΔT32」,「ΔT42」,「ΔT52」の平均時間「TB」を作業「A」の平均作業時間として算出する。同様に、平均時間算出部261は、作業「G」に対応付けられている作業時間「ΔT33」,「ΔT43」,「ΔT53」の平均時間「TC」を作業「G」の平均作業時間として算出する。
As described above, in the work identification result D1, the work time spent on each work content is associated with each work content. Based on each of the work times, the average
平均時間算出部261は、このような平均作業時間の算出処理を上述の繰り返し特定部256によって特定された繰り返し作業269の各々について算出する。算出されたこれらの平均作業時間は、レポート生成部265に出力される。
The average
(F2.合計時間算出部262)
次に、図12を参照して、図10に示される合計時間算出部262の機能について説明する。図12は、繰り返し作業に費やされた合計作業時間を算出する過程を示す図である。
(F2. Total time calculation unit 262)
Next, with reference to FIG. 12, functions of the total
合計時間算出部262は、上述の作業特定結果D1(図5参照)に規定される時系列の作業内容の中から、上述の繰り返し特定部256によって特定された繰り返し作業269が示す作業パターンを抽出する。一例として、特定された繰り返し作業269において、繰り返しパターン「作業E→作業A→作業G」が含まれていたとする。この場合、合計時間算出部262は、上述の作業特定結果D1に規定される時系列の作業内容の中から、繰り返しパターン「作業E→作業A→作業G」を抽出する。
The total
上述のように、作業特定結果D1には、各作業内容に費やされた作業時間が作業内容ごとに対応付けられている。合計時間算出部262は、当該作業時間の各々に基づいて、繰り返し作業を構成する作業内容に対応付けられている作業時間を積算し、当該積算結果を繰り返し作業に費やされた合計作業時間として算出する。図11に示される繰り返し作業「作業E→作業A→作業G」の例では、合計時間算出部262は、作業「E」,作業「A」,作業「G」に対応付けられている作業時間「ΔT31」~「ΔT33」,「ΔT41」~「ΔT43」,「ΔT51」~「ΔT53」の合計時間「Tsum」を繰り返し作業「作業E→作業A→作業G」に費やされた合計作業時間として算出する。
As described above, in the work identification result D1, the work time spent on each work content is associated with each work content. Based on each of the work times, the total
合計時間算出部262は、このような合計作業時間の算出処理を上述の繰り返し特定部256によって特定された繰り返し作業269の各々について算出する。さらに、合計時間算出部262は、繰り返し作業の作業パターンを区別せずに、繰り返し作業269の全体の合計作業時間を算出する。算出されたこれらの合計作業時間は、レポート生成部265に出力される。
The total
(F3.ユーザ数算出部263)
次に、図13を参照して、図10に示されるユーザ数算出部263の機能について説明する。図13は、繰り返し作業を行ったユーザ数を算出する過程を示す図である。
(F3. Number of Users Calculation Unit 263)
Next, with reference to FIG. 13, functions of the number-of-
ユーザ数算出部263は、上述の作業特定結果D1(または操作ログ130)に規定される時系列の作業内容の中から、上述の繰り返し特定部256によって特定された繰り返し作業269が示す作業パターンを抽出する。一例として、特定された繰り返し作業269において、繰り返しパターン「作業E→作業A→作業G」が含まれていたとする。この場合、ユーザ数算出部263は、上述の作業特定結果D1に規定される時系列の作業内容の中から、繰り返しパターン「作業E→作業A→作業G」を抽出する。
The number-of-
上述のように、作業特定結果D1には、作業を行ったユーザを識別するためのユーザ識別情報(たとえば、ログイン名)が作業内容ごとに対応付けられている。ユーザ数算出部263は、当該ユーザ識別情報に基づいて、繰り返し作業を行ったユーザの総数を算出する。図13の例では、繰り返し作業「作業E→作業A→作業G」には、ログイン名「User1」が2つと、ログイン名「User2」が1つ対応付けられている。ユーザ数算出部263は、ログイン名「User1」の重複を排除して人数をカウントする。その結果、繰り返し作業「作業E→作業A→作業G」を行っていたユーザ総数は、2人して算出される。異なる言い方をすれば、ユーザ数算出部263は、繰り返し作業に対応付けられているユーザ識別情報の種類数をユーザ総数として算出する。
As described above, the work identification result D1 is associated with the user identification information (for example, login name) for identifying the user who performed the work for each work content. The number-of-
ユーザ数算出部263は、このようなユーザ総数の算出処理を上述の繰り返し特定部256によって特定された繰り返し作業269の各々について算出する。さらに、ユーザ数算出部263は、繰り返し作業の作業パターンを区別せずに、繰り返し作業269を行ったユーザ総数を算出する。算出されたこれらのユーザ総数は、レポート生成部265に出力される。
The number-of-
(F4.繰り返し回数算出部264)
次に、図14を参照して、図10に示される繰り返し回数算出部264の機能について説明する。図14は、繰り返し作業を行った回数を算出する過程を示す図である。
(F4. Repetition number calculation unit 264)
Next, with reference to FIG. 14, the function of the
繰り返し回数算出部264は、上述の作業特定結果D1(図5参照)に規定される時系列の作業内容の中から、繰り返し作業269が含まれている数を特定し、当該特定した数を繰り返し作業が行われた回数(以下、「繰り返し回数」ともいう。)として算出する。一例として、繰り返しパターン「作業E→作業A→作業G」が、特定された繰り返し作業269に含まれていたとする。この場合、繰り返し回数算出部264は、上述の作業特定結果D1に規定される時系列の作業内容の中から、繰り返し作業「作業E→作業A→作業G」を抽出する。その結果、繰り返し作業「作業E→作業A→作業G」が3つ抽出されたとする。繰り返し回数算出部264は、この抽出数を(すなわち、3回)を作業「作業E→作業A→作業G」の繰り返し回数として算出する。
The repetition
繰り返し回数算出部264は、このような繰り返し回数の算出処理を上述の繰り返し特定部256によって特定された繰り返し作業269の各々について算出する。さらに、繰り返し回数算出部264は、繰り返し作業の作業パターンを区別せずに、繰り返し作業269の全体の繰り返し回数を算出する。算出されたこれらの繰り返し回数は、レポート生成部265に出力される。
The repetition
(F5.レポート生成部265)
次に、図10に示されるレポート生成部265の機能について説明する。
(F5. Report generator 265)
Next, functions of the
レポート生成部265は、上述の平均時間算出部261によって算出された繰り返し作業を構成する各作業内容の平均作業時間、合計時間算出部262によって算出された繰り返し作業の合計作業時間、ユーザ数算出部263によって算出された繰り返し作業を行ったユーザ総数、および、繰り返し回数算出部264によって算出された繰り返し回数などを表わした作業レポート270を生成する。作業レポート270の詳細については後述する。
The
<G.作業レポート270>
次に、図15~図18を参照して、上述の出力部260(図10参照)から出力される作業レポート270の具体例について説明する。
<
Next, a specific example of the
作業レポート270は、解析業者が解析結果を纏めた上で紙媒体で出力されてもよいし、作業端末100のディスプレイ106に表示されてもよいし、作業端末100と通信可能な他の装置に送信されて当該他の装置上のディスプレイに表示されてもよい。作業レポート270は、作業端末100や情報処理端末200のWebブラウザ上で表示されてもよいし、作業端末100や情報処理端末200にインストールされている専用のアプリケーション上に表示されてもよい。また、作業レポート270は、既存の各種のアプリケーションで読取り可能な形式で生成されてもよい。一例として、作業レポート270は、パワーポイント形式のデータとして生成されてもよいし、PDF(Portable Document Format)形式のデータとして生成されてもよいし、Word形式のデータとして生成されてもよいし、Excel形式のデータとして生成されてもよい。
The
(作業レポート270の具体例1)
まず、図15を参照して、作業レポート270の具体例1について説明する。図15は、具体例1に係る作業レポート270Aを示す図である。
(Specific example 1 of work report 270)
First, specific example 1 of the
作業レポート270Aは、作業端末100の各々から収集した操作ログ130の解析結果を示す分析結果欄271~276を含む。
The
分析結果欄271には、繰り返し作業269に費やされた作業時間だけでなく、他の作業に費やされた作業時間も含めた作業総時間が示されている。図15の例は、全作業に「2960.5時間」が費やされたことを示す。また、分析結果欄271には、解析対象となったユーザの総数と、解析対象期間とがさらに示されている。当該ユーザ総数は、たとえば、操作ログ130に示されるユーザ識別情報に基づいて算出される。
The
分析結果欄272には、上述の合計時間算出部262によって算出された繰り返し作業の合計作業時間が示される。分析結果欄272に示される合計作業時間は、全パターンの繰り返し作業269の合計作業時間を示す。図15の例は、全パターンの繰り返し作業269に「307.5時間」が費やされたことを示す。また、分析結果欄272には、繰り返し作業269を行ったユーザ総数と、解析対象期間とがさらに示されている。当該ユーザ総数は、上述のユーザ数算出部263による算出結果の1つである。
The
分析結果欄273には、上述の解析部259によって特定された繰り返し作業のパターン数が示されている。図15の例は、28パターンの繰り返し作業が特定されたことが示されている。
The
分析結果欄274には、パソコン作業に費やされた合計作業時間(繰り返し作業に費やされた作業時間を除く)が示されている。図15の例は、パソコン作業に費やされた合計作業時間に「1165時間」が費やされたことを示す。また、分析結果欄274には、繰り返し作業269を行ったユーザの総数と、解析対象期間とがさらに示されている。当該ユーザ総数は、上述のユーザ数算出部263による算出結果の1つである。
The
分析結果欄275には、業務時間の内訳が円グラフ275A,275Bで示されている。円グラフ275Aは、繰り返し作業に費やされた合計作業時間と、パソコン作業に費やされた合計作業時間(繰り返し作業に費やされた作業時間を除く)と、パソコン作業を伴わない合計作業時間との内訳を示す。円グラフ275Bは、円グラフ275Aの一部に相当する。より具体的には、円グラフ275Bは、繰り返し作業に費やされた合計作業時間と、パソコン作業に費やされた合計作業時間(繰り返し作業に費やされた作業時間を除く)との内訳を示す。
In the
分析結果欄276には、各作業パターンの繰り返し作業について合計作業時間が比較可能な態様(たとえば、グラフ276A)で示される。図15の例では、グラフ276Aは、円グラフで示されているが、グラフ276Aは、棒グラフが採用されてもよいし、折れ線グラフが採用されてもよいし、その他の種類のグラフが採用されてもよい。各作業パターンの繰り返し作業について合計作業時間が比較可能な態様で示されることで、ユーザは、どの作業パターンにおいて時間がかかっているかを容易に把握することができる。
In the
好ましくは、グラフ276A上において、作業パターンごとの合計作業時間は、その合計作業時間が長い順に示される。これにより、ユーザは、作業パターンごとの合計作業時間をより比較しやすくなる。
Preferably, on the
(作業レポート270の具体例2)
次に、図16を参照して、作業レポート270の具体例2について説明する。図16は、具体例2に係る作業レポート270Bを示す図である。
(Concrete example 2 of work report 270)
Next, a specific example 2 of the
作業レポート270Bは、作業端末100の各々から収集した操作ログ130の解析結果を示す分析結果欄280~284を含む。
The
分析結果欄280には、所定期間におけるユーザ一人当たりの平均業務時間が示される。また、分析結果欄280には、一日当たりの平均業務時間がさらに示される。
The
分析結果欄281には、業務時間が長い上位所定数のユーザと、それらのユーザの業務時間とが示される。図16の例では、分析結果欄281において、業務時間が長い上位3人のユーザと、当該3人のユーザの業務時間とが示されている。
The
分析結果欄282には、業務時間が短い下位所定数のユーザと、それらのユーザの業務時間とが示される。図16の例では、分析結果欄282において、業務時間が短い下位2人のユーザと、当該2人のユーザの業務時間とが示されている。
The
分析結果欄283には、業務時間の内訳がユーザごとに示される。業務時間の内訳は、繰り返し作業に費やされた合計作業時間と、パソコン作業に費やされた合計作業時間(繰り返し作業に費やされた作業時間を除く)と、パソコン作業を伴わない合計作業時間とで構成される。繰り返し作業に費やされた合計作業時間がユーザごとに表示されることで、ユーザは、どのユーザが繰り返し作業を多く行っているのかを容易に把握することができる。
The
分析結果欄284には、作業レポート270Bに対する解析者のコメントが示される。典型的には、当該コメントは、解析業者によって入力される。
The
(作業レポート270の具体例3)
次に、図17を参照して、作業レポート270の具体例3について説明する。図17は、具体例3に係る作業レポート270Cを示す図である。
(Concrete example 3 of work report 270)
Next, a specific example 3 of the
作業レポート270Cは、上述の解析部259によって特定された複数パターンの繰り返し作業269の内の、特定の作業パターンの繰り返し作業(以下、「第1の繰り返し作業」ともいう。)に関する解析結果を示す。作業レポート270Cは、分析結果欄310,311,313,320,330,340を含む。
The
分析結果欄310には、第1の繰り返し作業に対する対策優先度が示される。対策優先度は、第1の繰り返し作業に費やされた作業時間や、第1の繰り返し作業を行ったユーザ総数などを総合的に考慮して判断される。一例として、作業時間が多いほど対策優先度が高くなる。あるいは、ユーザ総数が多いほど対策優先度は高くなる。
The
分析結果欄311には、第1の繰り返し作業に費やされた合計作業時間が示される。当該合計作業時間は、上述の合計時間算出部262によって算出される。図17の例は、第1の繰り返し作業に「108時間」が費やされたことを示す。ユーザは、当該合計作業時間を確認することで、第1の繰り返し作業に費やされた時間を容易に把握することができる。
The
また、分析結果欄311には、第1の繰り返し作業が行われた総回数が示される。当該総回数は、繰り返し回数算出部264によって算出される。図17の例は、第1の繰り返し作業が「1361回」行われたことを示す。ユーザは、当該総回数を確認することで、第1の繰り返し作業が行われた総回数を容易に把握することができる。
Further, the
分析結果欄313には、第1の繰り返し作業を行ったユーザ総数と、第1の繰り返し作業に係る作業量をユーザごとに比較可能な態様で表わしたグラフ314とが示される。図17の例では、グラフ314は、円グラフとして示されているが、第1の繰り返し作業に係る作業量をユーザごとに比較可能な態様であれば任意の種類のグラフが採用され得る。一例として、グラフ314において、棒グラフが採用されてもよいし、折れ線グラフが採用されてもよいし、その他の種類のグラフが採用されてもよい。第1の繰り返し作業に係る作業量をユーザごとに比較可能な態様で、ユーザは、第1の繰り返し作業をどの作業者が多く行っているのかを容易に把握することができる。
The
分析結果欄320には、第1の繰り返し作業を構成する各作業内容が時系列の順に並べて示される。このとき各作業内容は、たとえば、時系列の順に矢印で繋がれる。これにより、ユーザは、第1の繰り返し作業における作業順序を容易に分析することができる。また、この順序は、ユーザが作業を行う上での作業マニュアルにもなり得る。
In the
好ましくは、分析結果欄320には、第1の繰り返し作業を構成する各作業を1回行うのに要した平均作業時間がさらに表わされる。典型的には、平均作業時間の各々は、対応する作業内容に並べて表わされる。平均作業時間は、上述の平均時間算出部261(図10参照)によって算出される。各作業内容の平均作業時間が示されることで、ユーザは、繰り返し作業を構成する各作業内容の内、どの作業内容に労力が使われているのかを容易に把握することができ、どの作業内容を自動化すれば効果的であるのかを分析することができる。また、分析結果欄320には、各作業内容に費やされた平均作業時間だけでなく、第1の繰り返し作業を1回行うのに要する平均作業時間も示される。
Preferably, the
分析結果欄330には、第1の繰り返し作業が行われた頻度を予め定められた時間区分ごとに表わしたグラフ331が示される。図17の例では、グラフ331がヒストグラムとして示されているが、第1の繰り返し作業が行われた頻度の時間分布を表わす態様であれば任意の種類のグラフが採用され得る。一例として、グラフ331において、棒グラフが採用されてもよいし、折れ線グラフが採用されてもよいし、その他の種類のグラフが採用されてもよい。また、図17の例では、グラフ331に示される時間区分が日単位で示されているが、当該時間区分は、分単位で示されてもよいし、時間単位で示されてもよいし、週単位で示されてもよいし、月単位で示されてもよいし、年単位で示されてもよい。また、グラフ331に示される時間単位は、ユーザによって任意に調整されてもよい。ユーザは、グラフ331を確認することで、第1の繰り返し作業がどの時期に多く行われているのかを容易に分析することができる。
The
グラフ331に示される各頻度は、上述の操作ログ130(または作業特定結果D1)に示される操作時刻に基づいて算出される。当該操作時刻は、繰り返し作業が行われた時刻を表わすので、情報処理端末200は、当該操作時刻に基づいて、第1の繰り返し作業の各々が複数の予め定められた時間区分の内のいずれに属するのかを特定することができる。
Each frequency shown in the
分析結果欄340には、作業レポート270Cに対する解析者のコメントが示される。典型的には、当該コメントは、解析業者によって入力される。
The
(作業レポート270の具体例4)
次に、図18を参照して、作業レポート270の具体例4について説明する。図18は、具体例4に係る作業レポート270Dを示す図である。
(Concrete example 4 of work report 270)
Next, a specific example 4 of the
作業レポート270Dは、上述の図17で説明した第1の繰り返し作業とは異なる作業パターンの繰り返し作業(以下、「第2の繰り返し作業」ともいう。)に関する解析結果を示す。作業レポート270Dは、分析結果欄410,411,413,420,430,440を含む。
The
分析結果欄410には、第2の繰り返し作業に対する対策優先度が示される。対策優先度は、第2の繰り返し作業に費やされた作業時間や、第2の繰り返し作業を行ったユーザ総数などを総合的に考慮して判断される。一例として、作業時間が多いほど対策優先度が高くなる。あるいは、ユーザ総数が多いほど対策優先度は高くなる。
The
分析結果欄411には、第2の繰り返し作業に費やされた合計作業時間が示される。当該合計作業時間は、上述の合計時間算出部262によって算出される。図18の例は、第2の繰り返し作業に「76.7時間」が費やされたことを示す。ユーザは、当該合計作業時間を確認することで、第2の繰り返し作業に費やされた時間を容易に把握することができる。
The
また、分析結果欄411には、第2の繰り返し作業が行われた総回数が示される。当該総回数は、繰り返し回数算出部264によって算出される。図18の例は、第2の繰り返し作業が「955回」行われたことを示す。ユーザは、当該総回数を確認することで、第2の繰り返し作業が行われた総回数を容易に把握することができる。
In addition, the
分析結果欄413には、第2の繰り返し作業を行ったユーザ総数と、第2の繰り返し作業に係る作業量をユーザごとに比較可能な態様で表わしたグラフ414とが示される。図18の例では、グラフ414は、円グラフとして示されているが、第2の繰り返し作業に係る作業量をユーザごとに比較可能な態様であれば任意の種類のグラフが採用され得る。一例として、グラフ414において、棒グラフが採用されてもよいし、折れ線グラフが採用されてもよいし、その他の種類のグラフが採用されてもよい。第2の繰り返し作業に係る作業量をユーザごとに比較可能な態様で、ユーザは、第2の繰り返し作業をどの作業者が多く行っているのかを容易に把握することができる。
The
分析結果欄420には、第2の繰り返し作業を構成する各作業内容が時系列の順に並べて示される。このとき各作業内容は、たとえば、時系列の順に矢印で繋がれる。これにより、ユーザは、第2の繰り返し作業における作業順序を容易に分析することができる。また、この順序は、ユーザが作業を行う上での作業マニュアルにもなり得る。
In the
好ましくは、分析結果欄420には、第2の繰り返し作業を構成する各作業を1回行うのに要した平均作業時間がさらに表わされる。典型的には、平均作業時間の各々は、対応する作業内容に並べて表わされる。平均作業時間は、上述の平均時間算出部261(図10参照)によって算出される。各作業内容の平均作業時間が示されることで、ユーザは、繰り返し作業を構成する各作業内容の内、どの作業内容に労力が使われているのかを容易に把握することができ、どの作業内容を自動化すれば効果的であるのかを分析することができる。また、分析結果欄420には、各作業内容に費やされた平均作業時間だけでなく、第2の繰り返し作業を1回行うのに要する平均作業時間も示される。
Preferably, the
好ましくは、分析結果欄420において、第2の繰り返し作業を構成する各作業内容は、アプリケーションごとに異なる態様で示される。より具体的には、第2の繰り返し作業を構成する各作業内容が、第1のアプリケーションを用いて実施された第1の作業群と、第2のアプリケーションを用いて実施された第2の作業群とを含む場合、第1の作業群および第2の作業群は異なる態様で示される。分類の仕方は任意である。たとえば、第1の作業群および第2の作業群は、それぞれ、文字や背景などの色を異ならせることで分類されてもよいし、矩形などの図形で囲まれることで分類されてもよい。
Preferably, in the
分析結果欄430には、第2の繰り返し作業が行われた頻度を予め定められた時間区分ごとに表わしたグラフ431が示される。図18の例では、グラフ431がヒストグラムとして示されているが、第2の繰り返し作業が行われた頻度の時間分布を表わす態様であれば任意の種類のグラフが採用され得る。一例として、グラフ431において、棒グラフが採用されてもよいし、折れ線グラフが採用されてもよいし、その他の種類のグラフが採用されてもよい。また、図18の例では、グラフ431に示される時間区分が日単位で示されているが、当該時間区分は、分単位で示されてもよいし、時間単位で示されてもよいし、週単位で示されてもよいし、月単位で示されてもよいし、年単位で示されてもよい。また、グラフ431に示される時間単位は、ユーザによって任意に調整されてもよい。ユーザは、グラフ431を確認することで、第2の繰り返し作業がどの時期に多く行われているのかを容易に分析することができる。
The
グラフ431に示される各頻度は、上述の操作ログ130(または作業特定結果D1)に示される操作時刻に基づいて算出される。当該操作時刻は、繰り返し作業が行われた時刻を表わすので、情報処理端末200は、当該操作時刻に基づいて、第2の繰り返し作業の各々が複数の予め定められた時間区分の内のいずれに属するのかを特定することができる。
Each frequency shown in the
分析結果欄440には、作業レポート270Dに対する解析者のコメントが示される。典型的には、当該コメントは、解析業者によって入力される。
The
<H.フローチャート>
以下では、図19および図20を参照して、作業端末100および情報処理端末200の制御構造について順に説明する。
<H. Flowchart >
The control structures of the
(H1.作業端末100の制御フロー)
まず、図19を参照して、作業端末100の制御フローについて説明する。図19は、作業端末100が実行する処理の一部を表わすフローチャートである。作業端末100の制御装置101(図3参照)は、上述の操作監視プログラム122(図3参照)の実行開始指示を受けたことに基づいて、ステップS110の処理を実行する。
(H1. Control Flow of Work Terminal 100)
First, the control flow of the
ステップS110において、制御装置101は、作業端末100に対する操作を受けたか否かを判断する。制御装置101は、作業端末100に対する操作を受けたと判断した場合(ステップS110においてYES)、制御をステップS112に切り替える。そうでない場合には(ステップS110においてNO)、制御装置101は、制御をステップS120に切り替える。
In step S110, the
ステップS112において、制御装置101は、ユーザ操作に係る情報を上述の操作ログ130(図2参照)に書き込む。一例として、制御装置101は、操作対象の作業端末100を示す端末識別情報(たとえば、パソコン名)と、操作を行ったユーザを示すユーザ識別情報(たとえば、ログイン名)と、操作が行われたタイミングを示す操作時刻と、操作に費やされた時間を示す作業時間と、操作対象のアプリケーションを示すアプリケーション識別情報(たとえば、アプリケーション名)と、送信元の作業端末100に対する操作情報(たとえば、操作対象のウィンドウのタイトル)とを操作ログ130に書き込む。
In step S112, the
ステップS120において、制御装置101は、操作ログ130の送信タイミングが到来したか否かを判断する。操作ログ130の送信タイミングは、予め定められた期間が経過(たとえば、1日)するごとに到来する。制御装置101は、操作ログ130の送信タイミングが到来したと判断した場合(ステップS120においてYES)、制御をステップS122に切り替える。そうでない場合には(ステップS120においてNO)、制御装置101は、制御をステップS130に切り替える。
In step S120, the
ステップS122において、制御装置101は、操作ログ130を情報処理端末200に送信する。
In step S<b>122 , the
ステップS130において、制御装置101は、操作監視プログラム122の実行を終了するか否かを判断する。一例として、制御装置101は、操作監視プログラム122の実行終了操作をユーザから受けたことに基づいて、操作監視プログラム122の実行を終了すると判断する。制御装置101は、操作監視プログラム122の実行を終了すると判断した場合(ステップS130においてYES)、図19に示される処理を終了する。そうでない場合には(ステップS130においてNO)、制御装置101は、制御をステップS110に戻す。
In step S130, the
(H2.情報処理端末200の制御フロー)
次に、図20を参照して、情報処理端末200の制御フローについて説明する。図20は、情報処理端末200が実行する処理の一部を表わすフローチャートである。情報処理端末200の制御装置201(図4参照)は、上述の情報処理プログラム222(図4参照)の実行開始指示を受けたことに基づいて、ステップS210の処理の実行を開始する。
(H2. Control flow of information processing terminal 200)
Next, with reference to FIG. 20, the control flow of
ステップS210において、制御装置201は、上述の通信部252(図2参照)として機能し、作業端末100の各々から操作ログ130を受信する。
In step S<b>210 , the
ステップS212において、制御装置201は、上述の作業特定部254(図2参照)として機能し、作業端末100から受信した操作ログ130の各々に規定される時系列の各操作情報から、当該各操作情報について、対応する作業内容を特定する。操作情報に対応する作業内容を特定方法については、上述の「B.情報処理端末200の概要」で説明した通りであるので、その説明については繰り返さない。
In step S<b>212 , the
ステップS214において、制御装置201は、上述の繰り返し特定部256(図2参照)として機能し、ステップS212で時系列の各操作情報について特定された各作業内容から、繰り返し行われている一連の繰り返し作業を特定する。繰り返し作業の特定方法については、上述の「E.繰り返し特定部256の機能」で説明した通りであるので、その説明については繰り返さない。
In step S214, the
ステップS216において、制御装置201は、上述の出力部260(図2参照)として機能し、ステップS214で特定された繰り返し作業の作業パターンに基づいて、操作ログ130を分析する。操作ログ130の分析方法については、上述の「F.出力部260の機能」で説明した通りであるので、その説明については繰り返さない。
In step S216, the
ステップS218において、制御装置201は、上述の出力部260(図2参照)として機能し、ステップS216での分析結果を作業レポート270として出力する。作業レポート270については「G.作業レポート270」で説明した通りであるので、その説明については繰り返さない。
In step S<b>218 , the
<I.変形例1>
図21を参照して、上述の学習データ生成部257(図7参照)による学習データセットの生成方法について変形例を説明する。
<
With reference to FIG. 21, a modified example of the learning data set generation method by the learning data generation unit 257 (see FIG. 7) will be described.
上述では、学習データ生成部257は、作業特定結果D1に含まれる時系列の作業内容群を所定単位数ごとにブロック化し、各ブロックに基づいて学習用データセットD2を生成していた。これに対して、本変形例では、学習データ生成部257は、作業特定結果D1に時系列に規定される作業内容群を所定時間単位ごとにブロック化し、各ブロックに基づいて学習用データセットD2Aを生成する。
In the above description, the learning
図21は、変形例に従う学習データ生成部257の機能を概略的に示す図である。図21には、作業特定結果D1に含まれる作業内容群がグラフG1として示されている。グラフG1の横軸は、時間を表わす。グラフG1の縦軸は、作業内容の種別を表わす。グラフG1に示される各点は、作業特定結果D1に含まれる1つの作業内容を示す。
FIG. 21 is a diagram schematically showing the function of learning
図21に示されるように、学習データ生成部257は、作業特定結果D1に含まれる作業内容群が所定の単位時間ΔTごとにブロック化する。次に、学習データ生成部257は、各ブロックに含まれる各点の間を補間し、単位時間ΔTに含まれる作業内容群を所定次元数に正規化する。当該補間の方法は、任意である。一例として、補間処理として、各点間が直線で結ばれてもよいし、各点の近似関数が算出されてもよい。これにより、各ブロックに含まれる作業内容の数の差異が吸収される。以下では、正規化後の作業内容群を「作業ベクトル」とも称する。
As shown in FIG. 21, the learning
次に、学習データ生成部257は、各ブロックの作業ベクトルに対して、当該ブロックに続く次ブロックに対応する作業ベクトルを正解情報としてタグ付ける。図21の例では、たとえば、作業パターン1に対応する作業ベクトルに対して、作業パターン1に続く作業パターン4の作業ベクトルが正解情報としてタグ付けされる。また、作業パターン2に対応する作業ベクトルに対して、作業パターン2に続く作業パターン5の作業ベクトルが正解情報としてタグ付けされる。このようなタグ付けが全てのブロックについて実行され、それらが学習用データセットD2Aとして生成されている。
Next, the learning
上述の学習部258(図8参照)は、生成された学習用データセットD2Aに基づいて、作業推定モデルMを生成する。作業推定モデルMの生成方法は上述の通りであるので、その説明については繰り返さない。 The learning unit 258 (see FIG. 8) described above generates the work estimation model M based on the generated learning data set D2A. Since the method of generating the task estimation model M is as described above, the description thereof will not be repeated.
上述の解析部259(図9参照)は、学習部258による学習済みの作業推定モデルMに対して学習用データセットD2Aを再び入力し、繰り返し作業を示す作業パターンを特定する。
The analysis unit 259 (see FIG. 9) described above inputs the learning data set D2A again to the work estimation model M that has been learned by the
このように、時間の長さが考慮された学習用データセットD2Aに基づいて、作業推定モデルMが生成されることで、繰り返し作業をより確実に抽出することが可能になる。 In this way, the task estimation model M is generated based on the learning data set D2A in which the length of time is taken into account, so that repetitive tasks can be extracted more reliably.
<J.変形例2>
次に、繰り返し特定部256(図2参照)による繰り返し作業の特定方法について変形例を説明する。
<J. Modification 2>
Next, a modified example of a method of specifying repeated work by the repeat specifying unit 256 (see FIG. 2) will be described.
上述の繰り返し特定部256は、学習処理により生成された作業推定モデルMに基づいて、繰り返し作業269を特定していたが、繰り返し作業は、学習処理以外の方法で特定されてもよい。
Although the
一例として、繰り返し特定部256は、作業特定結果D1に含まれる時系列の作業内容群を所定単位数ごと(あるいは所定時間単位ごと)にブロック化し、作業内容群の各ブロックを比較することで、ブロック同士の類似度を算出する。より具体的には、繰り返し特定部256は、各ブロックに含まれる作業内容群をベクトルとしてみなし、各ブロック間でベクトルの内積値を算出する。当該内積値が高いブロック同士は、作業内容が類似していることを示す。
As an example, the
以上のように、繰り返し特定部256は、学習処理によって繰り返し作業269を特定してもよいし、予め定められたルールベースの処理によって繰り返し作業269を特定してもよい。
As described above, the
<K.変形例3>
図22を参照して、機能構成の実装形態について変形例を説明する。
<
With reference to FIG. 22, a modification of the implementation form of the functional configuration will be described.
上述の図2の例では、作業特定部254、作業特定部254、繰り返し特定部256、および出力部260などの機能構成が、情報処理端末200に実装されていた。すなわち、操作ログ130から作業レポート270を生成する各種の機能が情報処理端末200に実装されていた。これに対して、本変形例では、これらの機能構成が、作業端末100に実装される。
In the example of FIG. 2 described above, functional configurations such as the
図22は、変形例に従う作業端末100を示す図である。図22に示されるように、作業端末100は、ハードウェア構成として、制御装置101と、記憶装置120とを含む。制御装置101は、機能構成として、操作監視部152と、作業特定部254と、繰り返し特定部256と、出力部260とを含む。
FIG. 22 is a diagram showing a
作業特定部254、作業特定部254、繰り返し特定部256、および出力部260の機能については上述の通りであるので、以下では、それらの説明について繰り返さない。
Since the functions of
操作監視部152は、作業端末100に対する操作を監視する。操作監視部152は、ユーザが作業端末100を操作したことに基づいて、ユーザ操作に係る情報を上述の操作ログ130(図2参照)に書き込む。一例として、操作監視部152は、操作対象の作業端末100を示す端末識別情報(たとえば、パソコン名)と、操作を行ったユーザを示すユーザ識別情報(たとえば、ログイン名)と、操作が行われたタイミングを示す操作時刻と、操作に費やされた時間を示す作業時間と、操作対象のアプリケーションを示すアプリケーション識別情報(たとえば、アプリケーション名)と、送信元の作業端末100に対する操作情報(たとえば、操作対象のウィンドウのタイトル)とを操作ログ130に書き込む。
The
以上のように、操作ログ130から作業レポート270を生成するための各種処理は、必ずしも、情報処理端末200に実装される必要はない。これらの各種処理は、たとえば、作業端末100に実装されてもよい。すなわち、作業端末100は、上述の情報処理端末200として機能し得る。
As described above, various processes for generating the
<L.まとめ>
以上のようにして、情報処理端末200は、作業端末100の各々から受信した操作ログ130に基づいて、繰り返し行われている作業(すなわち、繰り返し作業)を特定する。そして、情報処理端末200は、特定した繰り返し作業を作業レポート270として出力する。
<L. Summary>
As described above, based on the operation log 130 received from each of the
繰り返し作業が自動化されると、作業効率が大幅に改善されるので、このような繰り返し作業の提示は、作業効率を改善するためのヒントになり得る。そのため、情報処理端末200は、作業端末100における作業効率の改善を支援することができる。
If repetitive work is automated, work efficiency will be greatly improved, so presentation of such repetitive work can be a hint for improving work efficiency. Therefore, the
また、情報処理端末200は、繰り返し作業を提示するだけでなく、業務改善のための種々のヒントを作業レポート270として出力する。一例として、情報処理端末200は、繰り返し作業が行われた総回数や、当該総回数のユーザごとの内訳や、繰り返し作業を構成する各作業の平均作業時間など、種々の情報を出力する。これらの情報も、作業効率を改善するためのヒントになり得る。これらの情報が提示されることで、ユーザは、より効率的に作業効率の改善を行うことができる。
The
今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。 It should be considered that the embodiments disclosed this time are illustrative in all respects and not restrictive. The scope of the present invention is indicated by the scope of the claims rather than the above description, and is intended to include all modifications within the meaning and range of equivalents of the scope of the claims.
100 作業端末、101,201 制御装置、102,202 ROM、103,203 RAM、104,204 通信インターフェイス、105,205 表示インターフェイス、106,206 ディスプレイ、107,207 入力インターフェイス、108,208 入力デバイス、110,210 バス、120,220 記憶装置、122 操作監視プログラム、130 操作ログ、132 作業用プログラム、152 操作監視部、200 情報処理端末、222 情報処理プログラム、232 作業定義、252 通信部、254 作業特定部、256 繰り返し特定部、257 学習データ生成部、258 学習部、259 解析部、260 出力部、261 平均時間算出部、262 合計時間算出部、263 ユーザ数算出部、264 回数算出部、265 レポート生成部、269 繰り返し作業、270,270A,270B,270C,270D 作業レポート、271,272,273,274,275,276,280,281,282,283,284,310,311,313,320,330,340,410,411,413,420,430,440 分析結果欄、275A,275B 円グラフ、276A,314,331,414,431 グラフ、500 情報処理システム。
100 work terminal, 101, 201 control device, 102, 202 ROM, 103, 203 RAM, 104, 204 communication interface, 105, 205 display interface, 106, 206 display, 107, 207 input interface, 108, 208 input device, 110 , 210 bus, 120, 220 storage device, 122 operation monitoring program, 130 operation log, 132 work program, 152 operation monitoring unit, 200 information processing terminal, 222 information processing program, 232 work definition, 252 communication unit, 254
Claims (10)
前記受信した各操作ログに規定される時系列の各操作情報から、当該各操作情報について、対応する作業内容を特定するための作業特定部と、
前記作業特定部によって時系列の各操作情報について特定された各作業内容から抽出される作業パターンのうち、予め定められた作業パターンに対する相関値が所定値を超えているものを、繰り返し行われている一連の繰り返し作業として特定するための繰り返し特定部と、
前記繰り返し作業を構成する各作業内容を時系列の順に並べて出力するための出力部とを備える、情報処理端末。 A communication unit that communicates with a plurality of business terminals, wherein the communication unit receives an operation log of the business terminal from each of the plurality of business terminals, and the operation log includes operation information for the business terminal that is the transmission source. Each is specified in chronological order, and furthermore,
a work identification unit for identifying work content corresponding to each piece of operation information from each piece of time-series operation information defined in each received operation log;
Of the work patterns extracted from each work content specified for each piece of time-series operation information by the work specifying unit, a work pattern whose correlation value with respect to a predetermined work pattern exceeds a predetermined value is repeatedly performed. a repeat identification unit for identifying as a series of repetitive tasks that
An information processing terminal, comprising: an output unit for arranging and outputting work contents constituting the repetitive work in chronological order.
前記出力部は、前記受信した各操作ログに規定される各作業時間に基づいて、前記繰り返し作業を構成する作業内容ごとに、当該作業内容に費やされた平均作業時間を算出し、当該算出した平均作業時間の各々をさらに出力する、請求項1に記載の情報処理端末。 Each piece of operation information defined in each received operation log is further associated with a working time spent on the operation,
The output unit calculates an average work time spent on the work content for each work content that constitutes the repetitive work based on each work time specified in each of the received operation logs, and 2. The information processing terminal according to claim 1, further outputting each of the calculated average work times.
前記出力部は、前記受信した各操作ログに規定される前記ユーザ識別情報に基づいて、前記繰り返し作業を行ったユーザの総数を算出し、当該総数をさらに出力する、請求項1~4のいずれか1項に記載の情報処理端末。 Each piece of operation information defined in each received operation log is further associated with user identification information indicating a user who performed the operation,
5. The output unit according to any one of claims 1 to 4, wherein the output unit calculates a total number of users who have performed the repeated work based on the user identification information defined in each of the received operation logs, and further outputs the total number. or the information processing terminal according to item 1.
前記出力部は、前記受信した各操作ログに規定される各操作時刻に基づいて、前記繰り返し作業が行われた頻度を予め定められた時間区分ごとに算出し、当該予め定められた時間区分ごとに当該頻度を表わしたグラフをさらに出力する、請求項1~7のいずれか1項に記載の情報処理端末。 Each piece of operation information defined in each received operation log is further associated with an operation time at which the operation was performed,
The output unit calculates the frequency of the repeated work for each predetermined time segment based on each operation time specified in each of the received operation logs, and calculates for each predetermined time segment 8. The information processing terminal according to any one of claims 1 to 7, further outputting a graph showing the frequency in the .
複数の業務端末の各々から当該業務端末における操作ログを受信するステップを備え、当該操作ログには、送信元の業務端末に対する操作情報の各々が時系列で規定されており、さらに、
前記受信した各操作ログに規定される時系列の各操作情報から、当該各操作情報について、対応する作業内容を特定するステップと、
前記特定するステップで時系列の各操作情報について特定された各作業内容から抽出される作業パターンのうち、予め定められた作業パターンに対する相関値が所定値を超えているものを、繰り返し行われている一連の繰り返し作業として特定するステップと、
前記繰り返し作業を構成する各作業内容を時系列の順に並べて出力するステップとを備える、情報処理方法。 A computer-executed information processing method comprising:
a step of receiving an operation log of the business terminal from each of the plurality of business terminals, wherein the operation log defines each piece of operation information for the business terminal of the transmission source in chronological order;
a step of identifying work content corresponding to each piece of operation information from each piece of time-series operation information defined in each of the received operation logs;
Of the work patterns extracted from each work content identified for each piece of time-series operation information in the identifying step, those whose correlation value with respect to a predetermined work pattern exceeds a predetermined value are repeatedly performed. a step identified as a series of repetitive tasks that
an information processing method comprising the step of arranging and outputting each work content constituting the repetitive work in chronological order.
前記情報処理プログラムは、前記コンピュータに、
複数の業務端末の各々から当該業務端末における操作ログを受信するステップを実行させ、当該操作ログには、送信元の業務端末に対する操作情報の各々が時系列で規定されており、
前記情報処理プログラムは、前記コンピュータに、さらに、
前記受信した各操作ログに規定される時系列の各操作情報から、当該各操作情報について、対応する作業内容を特定するステップと、
前記特定するステップで時系列の各操作情報について特定された各作業内容から抽出される作業パターンのうち、予め定められた作業パターンに対する相関値が所定値を超えているものを、繰り返し行われている一連の繰り返し作業として特定するステップと、
前記繰り返し作業を構成する各作業内容を時系列の順に並べて出力するステップとを実行させる、情報処理プログラム。 An information processing program executed by a computer,
The information processing program causes the computer to:
executing a step of receiving an operation log of the business terminal from each of the plurality of business terminals, wherein the operation log defines each piece of operation information for the business terminal of the transmission source in chronological order;
The information processing program further causes the computer to:
a step of identifying work content corresponding to each piece of operation information from each piece of time-series operation information defined in each of the received operation logs;
Of the work patterns extracted from each work content identified for each piece of time-series operation information in the identifying step, those whose correlation value with respect to a predetermined work pattern exceeds a predetermined value are repeatedly performed. a step identified as a series of repetitive tasks that
and a step of arranging and outputting each work content constituting the repetitive work in chronological order.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018234280A JP7222688B2 (en) | 2018-12-14 | 2018-12-14 | Information processing terminal, information processing method, and information processing program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018234280A JP7222688B2 (en) | 2018-12-14 | 2018-12-14 | Information processing terminal, information processing method, and information processing program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020095574A JP2020095574A (en) | 2020-06-18 |
JP7222688B2 true JP7222688B2 (en) | 2023-02-15 |
Family
ID=71085221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018234280A Active JP7222688B2 (en) | 2018-12-14 | 2018-12-14 | Information processing terminal, information processing method, and information processing program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7222688B2 (en) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003323532A (en) | 2002-05-01 | 2003-11-14 | Izumi Uzuhara | Project management system |
JP2009294732A (en) | 2008-06-03 | 2009-12-17 | Hitachi Ltd | Work element time output device |
JP2015181008A (en) | 2015-04-21 | 2015-10-15 | 株式会社リコー | Remote management device, apparatus management method, and program |
JP2016218743A (en) | 2015-05-20 | 2016-12-22 | 富士通株式会社 | Operation candidate providing program, operation candidate providing apparatus, and operation candidate providing method |
US20180225617A1 (en) | 2017-02-06 | 2018-08-09 | Google Inc. | Method and system for automated work pattern quantification |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6693710B2 (en) * | 2015-06-22 | 2020-05-13 | 株式会社ブロードリーフ | Video analysis apparatus and video analysis method |
-
2018
- 2018-12-14 JP JP2018234280A patent/JP7222688B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003323532A (en) | 2002-05-01 | 2003-11-14 | Izumi Uzuhara | Project management system |
JP2009294732A (en) | 2008-06-03 | 2009-12-17 | Hitachi Ltd | Work element time output device |
JP2015181008A (en) | 2015-04-21 | 2015-10-15 | 株式会社リコー | Remote management device, apparatus management method, and program |
JP2016218743A (en) | 2015-05-20 | 2016-12-22 | 富士通株式会社 | Operation candidate providing program, operation candidate providing apparatus, and operation candidate providing method |
US20180225617A1 (en) | 2017-02-06 | 2018-08-09 | Google Inc. | Method and system for automated work pattern quantification |
Also Published As
Publication number | Publication date |
---|---|
JP2020095574A (en) | 2020-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4927448B2 (en) | Time-series pattern generation system and time-series pattern generation method | |
WO2021027260A1 (en) | Method and device for processing interaction sequence data | |
EP3416105A1 (en) | Information processing method and information processing device | |
CN109284372B (en) | User operation behavior analysis method, electronic device and computer readable storage medium | |
JP2019519027A (en) | Learning from historical logs and recommending database operations on data assets in ETL tools | |
Naidu et al. | Classification of defects in software using decision tree algorithm | |
JP6714152B2 (en) | Analytical apparatus, analytical method and analytical program | |
CN110798440A (en) | Abnormal user detection method, device and system and computer storage medium | |
WO2018079225A1 (en) | Automatic prediction system, automatic prediction method and automatic prediction program | |
US20180267964A1 (en) | Causal analysis device, causal analysis method, and non-transitory computer readable storage medium | |
WO2021049365A1 (en) | Information processing device, information processing method, and program | |
US20190205361A1 (en) | Table-meaning estimating system, method, and program | |
CN111488501A (en) | E-commerce statistical system based on cloud platform | |
Van Beveren et al. | Forecasting fish recruitment in age‐structured population models | |
CN114238764A (en) | Course recommendation method, device and equipment based on recurrent neural network | |
Estrada-Vargas et al. | A stepwise method for identification of controlled discrete manufacturing systems | |
JP7222688B2 (en) | Information processing terminal, information processing method, and information processing program | |
Montevechi et al. | Sensitivity analysis in discrete-event simulation using fractional factorial designs | |
Carrera et al. | Constructing probabilistic process models based on hidden markov models for resource allocation | |
JP2013156691A (en) | Purchase prediction device, method, and program | |
JP4770495B2 (en) | Simulation model generator | |
US20220374801A1 (en) | Plan evaluation apparatus and plan evaluation method | |
JP7440352B2 (en) | Educational content creation system and method | |
JP7136329B2 (en) | Abnormality detection device, control method, and program | |
CN112236786B (en) | Future prediction simulation device, method, and recording device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211213 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221031 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221115 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221221 |
|
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: 20230131 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230203 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7222688 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |