JP7290947B2 - 工数算出方法、及びプログラム - Google Patents
工数算出方法、及びプログラム Download PDFInfo
- Publication number
- JP7290947B2 JP7290947B2 JP2019009595A JP2019009595A JP7290947B2 JP 7290947 B2 JP7290947 B2 JP 7290947B2 JP 2019009595 A JP2019009595 A JP 2019009595A JP 2019009595 A JP2019009595 A JP 2019009595A JP 7290947 B2 JP7290947 B2 JP 7290947B2
- Authority
- JP
- Japan
- Prior art keywords
- man
- attribute
- hours
- predicted value
- maintenance
- 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
- 238000004364 calculation method Methods 0.000 title claims description 98
- 238000012423 maintenance Methods 0.000 claims description 118
- 238000000611 regression analysis Methods 0.000 claims description 28
- 238000000034 method Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 description 31
- 238000013500 data storage Methods 0.000 description 29
- 238000011161 development Methods 0.000 description 20
- 230000018109 developmental process Effects 0.000 description 20
- 238000006243 chemical reaction Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 230000004048 modification Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000008520 organization Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 230000033772 system development Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Stored Programmes (AREA)
Description
本実施形態では、本発明の一実施形態に係る工数算出装置100について、図1乃至図12を参照して説明する。
ここで、本発明の一実施形態に係る工数算出方法の概要について説明する。本発明の一実施形態に係る工数算出方法は、システムに対する過去のメンテナンス工数の実績値と、システムの各種定量属性又は定性属性とを考慮することにより、将来のメンテナンス工数を予測するものである。
ここで、本明細書等におけるメンテナンス工数とは何を指すかを明らかにする。例えば、任意のシステムに係るライフサイクルコストは、(1)新規開発、(2)ソフトウェア改修/追加を伴う改良/機能アップ、(3)ソフトウェア改修を伴うバグフィックス、(4)システムの運用、(5)ハードウェア保守、(6)ソフトウェア改修を伴わないテーブルメンテナンス等、(7)その他、システム維持に必要な各種アクティビティ全般(含む予防保守、セキュリティチェック、ユーザからの問い合わせ、要員教育等)が挙げられる。本明細書等で用いるメンテナンス工数とは、(1)~(7)のうち、(6)及び(7)をいう。つまり、本明細書等で用いるメンテナンス工数とは、ソフトウェアを維持するために必要な工数の内、ソフトウェア改修を伴わない工数、かつ運用工数を除いた工数をいう。
図1は、本発明の一実施形態に係る工数算出装置100のハードウェア構成を説明するブロック図である。図1に示すように、工数算出装置100は、制御部101、記録媒体102、RAM103、表示部104、操作部105、及び通信部106を有する。
次に、本発明の一実施形態に係る工数算出装置100によって実現される工数算出機能について、図2乃至図12を参照して説明する。
メンテナンス工数の予測値
=開発工数(人月)×回帰係数×偏差
+トラブル工数(人月)の1.5乗根×回帰係数×偏差
+言語1のステップ数(Ks)の2乗根×回帰係数×偏差+言語2のステップ数(Ks)の2乗根×回帰係数×偏差+・・・・・・
+機能提供先のダミー変数1×回帰係数+機能提供先のダミー変数2×回帰係数+・・・・・・
+稼動年数のダミー変数1×回帰係数+稼働年数のダミー変数2×回帰係数+・・・・・・
+システムの種類のダミー変数1×回帰係数+システムの種類のダミー変数2×回帰係数+・・・・・・
+重要度(機密性)のダミー変数1×回帰係数+重要度(機密性)のダミー変数2×回帰係数+・・・・・・
+重要度(完全性)のダミー変数1×回帰係数+重要度(完全性)のダミー変数2+・・・・・・
+定数項・・・・・・(1)
ここで、偏差とは、各個体と群別平均(算出結果を定数として使用)との差である。また、上記に示す属性以外の相関比及び単相関係数が、設定した所定の閾値を超える場合、所定の閾値を超えた属性をパラメータとして使用してもよい。なお、本例では重回帰分析によって回帰モデルを導いているが、属性情報記憶部202と実績値記憶部204を直接的なインプットとしてディープラーニング(機械学習)を実施し、その結果を回帰モデルとして使用しても良い。
本実施形態では、回帰モデルを算出する際に、定性属性のパラメータ及び定量属性のパラメータの双方を利用する例について説明したが、本発明の一実施形態はこれに限定されない。定性属性のパラメータと定量属性のパラメータとの一方から算出した回帰モデルを利用してメンテナンス工数の予測値を算出してもよい。
本実施形態では、抽出データ変換部212は、選択された定量属性のデータを受信して、抽出データ記憶部213に当該データを保存する例について説明したが、本発明の一実施形態はこれに限定されない。選択された定量属性のデータは、“0/1”のビットデータに変換する必要がない。そのため、単相関係数算出部207によって選択された定量属性のデータを、抽出データ変換部212を介さずに、抽出データ記憶部213に保存してもよい。
本実施形態では、本発明の一実施形態に係る工数算出装置100Aについて説明する。本実施形態では、工数算出装置100Aにより、任意のシステムについて定量属性又は定性属性のうち少なくとも一つのパラメータを変更することで、当該システムのメンテナンス工数をシミュレーションする方法について、図13及び図14を参照して説明する。
本実施形態では、任意のシステムに対して、定量属性について任意のパラメータを用いて、メンテナンス工数の予測値を算出する例について説明したが、本発明の一実施形態はこれに限定されない。定性属性について任意のパラメータを用いて、メンテナンス工数の予測値を算出してもよいし、定量属性及び定性属性の各々について任意のパラメータを用いて、メンテナンス工数の予測値を算出してもよい。
本実施形態では、本発明の一実施形態に係る工数算出装置100Bについて説明する。本実施形態では、工数算出装置100Bにより、新規に導入するシステムについて定量属性又は定性属性についてパラメータを設定することで、新規に導入するシステムのメンテナンス工数をシミュレーションする方法について、図15乃至図17を参照して説明する。
Claims (10)
- メンテナンス済みのシステムが有するメンテナンス工数の実績値及び前記メンテナンス済みのシステムの属性の値に基づいて、回帰分析を実行して回帰モデルを算出し、
予測値を算出するシステムに関連する属性の値と、算出された前記回帰モデルとに基づいて、当該システムのメンテナンス工数予測値を算出することを含み、
前記属性は、複数の区分を有する定性属性を含み、
前記属性の値は、前記複数の区分のうち、前記システムに対応する区分と、前記システムに対応しない区分とを区別するためのビットデータを有する、工数算出方法。 - 前記定性属性が有する前記複数の区分に対応するビットデータを変更し、前記システムに対して、変更された前記複数の区分に対応するビットデータと、前記回帰モデルとに基づいて、前記システムのメンテナンス工数の予測値を算出する、請求項1に記載の工数算出方法。
- 前記属性は、定量属性を含み、前記実績値と前記定量属性の値の単相関係数に基づいて選択された所定の定量属性のパラメータと、前記実績値とに基づいて、回帰分析を実行して回帰モデルを算出する、請求項1又は2に記載の工数算出方法。
- 前記所定の定量属性のパラメータを変更し、前記システムに対して、前記変更されたパラメータと、前記回帰モデルとに基づいて、前記システムのメンテナンス工数の予測値を算出する、請求項3に記載の工数算出方法。
- 前記システムのメンテナンス工数の予測値と、前記実績値とを比較して、所定の関係を満たすシステムを選択する、請求項1乃至4のいずれか一項に記載の工数算出方法。
- メンテナンス済みのシステムが有するメンテナンス工数の実績値及び前記メンテナンス済みのシステムの属性の値に基づいて、回帰分析を実行して回帰モデルを算出し、
予測値を算出するシステムに関連する属性の値と、算出された前記回帰モデルとに基づいて、当該システムのメンテナンス工数予測値を算出することを含み、
前記属性は、複数の区分を有する定性属性を含み、
前記属性の値は、前記複数の区分のうち、前記システムに対応する区分と、前記システムに対応しない区分とを区別するためのビットデータを有する、ことをコンピュータに実行させるためのプログラム。 - 前記定性属性が有する前記複数の区分に対応するビットデータを変更し、前記システムに対して、変更された前記複数の区分に対応するビットデータと、前記回帰モデルとに基づいて、前記システムのメンテナンス工数の予測値を算出する、請求項6に記載のプログラム。
- 前記属性は、定量属性を含み、前記実績値と前記定量属性の値の単相関係数に基づいて選択された所定の定量属性のパラメータと、前記実績値とに基づいて、回帰分析を実行して回帰モデルを算出する、請求項6又は7に記載のプログラム。
- 前記所定の定量属性のパラメータを変更し、前記システムに対して、前記変更されたパラメータと、前記回帰モデルとに基づいて、前記システムのメンテナンス工数の予測値を算出する、請求項8に記載のプログラム。
- 前記システムのメンテナンス工数の予測値と、前記実績値とを比較して、所定の関係を満たすシステムを選択する、請求項6乃至9のいずれか一項に記載のプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019009595A JP7290947B2 (ja) | 2019-01-23 | 2019-01-23 | 工数算出方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019009595A JP7290947B2 (ja) | 2019-01-23 | 2019-01-23 | 工数算出方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020119239A JP2020119239A (ja) | 2020-08-06 |
JP7290947B2 true JP7290947B2 (ja) | 2023-06-14 |
Family
ID=71892087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019009595A Active JP7290947B2 (ja) | 2019-01-23 | 2019-01-23 | 工数算出方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7290947B2 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003029970A (ja) | 2001-07-12 | 2003-01-31 | Mitsubishi Electric Corp | プログラム品質管理支援装置、プログラム品質管理支援方法、プログラム品質管理支援方法をコンピュータに実行させるための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、プログラム品質管理支援方法をコンピュータに実行させるためのプログラム |
JP2013131017A (ja) | 2011-12-21 | 2013-07-04 | Internatl Business Mach Corp <Ibm> | Cmdbを利用したソフトウェア構成値の最適化方法、装置、システムおよびプログラム |
JP2014203228A (ja) | 2013-04-04 | 2014-10-27 | 三菱電機株式会社 | プロジェクト管理支援システム |
-
2019
- 2019-01-23 JP JP2019009595A patent/JP7290947B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003029970A (ja) | 2001-07-12 | 2003-01-31 | Mitsubishi Electric Corp | プログラム品質管理支援装置、プログラム品質管理支援方法、プログラム品質管理支援方法をコンピュータに実行させるための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、プログラム品質管理支援方法をコンピュータに実行させるためのプログラム |
JP2013131017A (ja) | 2011-12-21 | 2013-07-04 | Internatl Business Mach Corp <Ibm> | Cmdbを利用したソフトウェア構成値の最適化方法、装置、システムおよびプログラム |
JP2014203228A (ja) | 2013-04-04 | 2014-10-27 | 三菱電機株式会社 | プロジェクト管理支援システム |
Non-Patent Citations (1)
Title |
---|
天嵜 聡介,線形回帰モデルに基づく工数見積もり手法による予測区間推定の性能比較,情報処理学会研究報告,日本,社団法人 情報処理学会,2008年09月19日,Vol.2008, No.93,pp.9-16,ISSN 0919-6072 |
Also Published As
Publication number | Publication date |
---|---|
JP2020119239A (ja) | 2020-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5729746A (en) | Computerized interactive tool for developing a software product that provides convergent metrics for estimating the final size of the product throughout the development process using the life-cycle model | |
JP4717945B2 (ja) | 業務分析プログラムおよび業務分析装置 | |
US20110106723A1 (en) | Computer-Implemented Systems And Methods For Scenario Analysis | |
KR20060061759A (ko) | 트랜잭션 기반 성능 모델을 자동 검증 및 캘리브레이션하기위한 컴퓨터 구현 방법 | |
US11042823B2 (en) | Business management system | |
US20180114281A1 (en) | System and tool to configure well settings for hydrocarbon production in mature oil fields | |
JP2006048702A (ja) | トランザクションベースの性能モデルの自動構成 | |
CN114282752A (zh) | 流程任务的生成方法、装置、电子设备及存储介质 | |
RU2708301C2 (ru) | Оценивание риска при операциях бурения и заканчивания скважины | |
WO2001016838A9 (en) | Project management, scheduling system and method | |
JP7290947B2 (ja) | 工数算出方法、及びプログラム | |
US8812341B2 (en) | Method and system for optimizing process models | |
US20230124678A1 (en) | Storage medium to store transmission data setting support program, gateway device, and transmission data setting supporting method | |
JP5409407B2 (ja) | 情報処理装置及びプログラム | |
WO2009055967A1 (en) | Real-time model validation | |
US8255881B2 (en) | System and method for calculating software certification risks | |
Tarokh et al. | Supply chain simulation methods | |
JP7373384B2 (ja) | 計算機システム及びスケジューリングシステムの検証方法 | |
JP7436854B2 (ja) | 情報処理装置、制御方法、プログラム | |
JP6347751B2 (ja) | シミュレーションモデル生成支援方法およびシミュレーションモデルシステム | |
JP4559776B2 (ja) | 需要予測装置、需要予測方法及びプログラム | |
JP2008192071A (ja) | コストシミュレーションシステム及びコストシミュレーション方法およびプログラム | |
Angelopoulou et al. | The system dynamics architecture of UTASiMo: a simulation-based task analysis tool to predict human error probability | |
JP5685995B2 (ja) | シミュレーション用データ生成システム、方法およびプログラム | |
Kulkarni et al. | Designing Cell & Gene Therapy Facilities Using Simulations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7426 Effective date: 20190305 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20190305 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220104 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221026 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221129 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230126 |
|
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: 20230530 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230602 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7290947 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |