JP7367253B1 - 情報処理装置および情報処理方法 - Google Patents
情報処理装置および情報処理方法 Download PDFInfo
- Publication number
- JP7367253B1 JP7367253B1 JP2023086701A JP2023086701A JP7367253B1 JP 7367253 B1 JP7367253 B1 JP 7367253B1 JP 2023086701 A JP2023086701 A JP 2023086701A JP 2023086701 A JP2023086701 A JP 2023086701A JP 7367253 B1 JP7367253 B1 JP 7367253B1
- Authority
- JP
- Japan
- Prior art keywords
- project
- work
- explanatory variables
- prediction
- explanatory
- 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 abstract description 34
- 238000003672 processing method Methods 0.000 title claims description 4
- 238000012544 monitoring process Methods 0.000 claims abstract description 92
- 230000006866 deterioration Effects 0.000 abstract description 15
- 238000010586 diagram Methods 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 description 33
- 238000000034 method Methods 0.000 description 15
- 238000012549 training Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 10
- 238000011835 investigation Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】広域監視にて、プロジェクトの悪化予兆を早期に検知するとともに、重点監視の対象にするか否かの判断の人的コストを低減する。【解決手段】本発明は、終了した第１プロジェクトの監視情報で訓練した予測モデルを生成する生成部１と、仕掛かりの第２プロジェクトの説明変数を予測モデルに入力し、第２プロジェクトの見積原価推定超過の予測値、および、予測値の根拠となる説明変数を出力する予測部２と、選択された第２プロジェクト、および選択された複数種類の第１プロジェクトをまとめたまとめプロジェクトを作成するまとめ部５と、を備える情報処理装置１００である。【選択図】図１
Description
本発明は、情報処理装置および情報処理方法に関する。
近年、デジタルトランスフォーメーション（ＤＸ：Digital Transformation）推進の技術開発が盛んであり、その一環として、ソフトウェア開発等のプロジェクトの状態監視が重要視されている。状態監視は、重点監視と広域監視の２つに分けることができる。重点監視は、管理部署によるプロジェクトの監視である。広域監視は、全プロジェクトを対象にし、所定のツールを利用した監視である。状態監視では、まず、ツールに入力された原価などのデータに基づく広域監視で失敗の可能性や失敗時の影響が大きいと判断されたプロジェクトを重点監視の対象とする。次に、管理部署による支援により、重点監視の対象となるプロジェクトの悪化防止や改善を図る。
従来の広域監視は、原価が見積を超えるなどの問題が顕在化してから該当のプロジェクトを抽出するものであった。プロジェクトを成功に導くという目的に照らし合わせれば、問題が顕在化していない早期の段階でプロジェクトの悪化予兆を検知することが好ましい。しかし、従来の広域監視では、問題が顕在化していない早期の段階でプロジェクトの悪化予兆を検知することが困難であるという問題があった。
また、従来の広域監視では、懸念されるプロジェクトを本当に重点監視の対象とするか否かの判断のための調査が行われる。調査は、例えば、プロジェクトの規模や見積原価超過額などの調査である。しかし、このような調査は多大な人的コストがかかっていた。このため、受注金額が大きいプロジェクトなど、状況が悪化した場合の影響が大きいプロジェクトが優先的に対応され、小規模なプロジェクトを含むすべてのプロジェクトを対象とした監視は行われないのが現状である。つまり、従来の広域監視では、重点監視の対象とすべきプロジェクトの判断に人的コストが大きいという問題があった。
また、従来の広域監視では、懸念されるプロジェクトの抽出数が多すぎる場合があるため、重点監視の対象とするか否かの判断のための調査に要する人的コストがさらに大きくなってしまう問題があった。また、監視対象のプロジェクトが小規模である場合、見積原価超過などの値が調査できないほどに小さいため、当該プロジェクトの調査に対して余計な人的コストを要するという問題があった。
なお、特許文献１には、時系列データを用いて将来のデータを予測する際、時系列データが少ない場合にも、精度よく将来データを予測する予測装置、予測方法及びプログラムについて開示されている。
本発明は、このような事情に鑑みて、広域監視にて、プロジェクトの悪化予兆を早期に検知するとともに、重点監視の対象にするか否かの判断の人的コストを低減することを課題とする。
前記課題を解決する本発明は、
終了した第１プロジェクトの監視情報で訓練した予測モデルを生成する生成部と、
仕掛かりの第２プロジェクトの説明変数を前記予測モデルに入力し、前記第２プロジェクトの見積原価推定超過の予測値、および、前記予測値の根拠となる説明変数を出力する予測部と、
選択された前記第２プロジェクト、および選択された複数種類の第１プロジェクトをまとめたまとめプロジェクトを作成するまとめ部と、を備え、
前記まとめ部は、前記選択された前記第２プロジェクトの説明変数、および前記選択された複数種類の第１プロジェクトの説明変数を用いて、前記まとめプロジェクトの説明変数を計算し、
前記予測部は、前記計算された、前記まとめプロジェクトの説明変数を前記予測モデルに入力し、前記まとめプロジェクトの見積原価推定超過の予測値、および、前記予測値の根拠となる説明変数を出力する情報処理装置である。
終了した第１プロジェクトの監視情報で訓練した予測モデルを生成する生成部と、
仕掛かりの第２プロジェクトの説明変数を前記予測モデルに入力し、前記第２プロジェクトの見積原価推定超過の予測値、および、前記予測値の根拠となる説明変数を出力する予測部と、
選択された前記第２プロジェクト、および選択された複数種類の第１プロジェクトをまとめたまとめプロジェクトを作成するまとめ部と、を備え、
前記まとめ部は、前記選択された前記第２プロジェクトの説明変数、および前記選択された複数種類の第１プロジェクトの説明変数を用いて、前記まとめプロジェクトの説明変数を計算し、
前記予測部は、前記計算された、前記まとめプロジェクトの説明変数を前記予測モデルに入力し、前記まとめプロジェクトの見積原価推定超過の予測値、および、前記予測値の根拠となる説明変数を出力する情報処理装置である。
また、本発明は、
情報処理装置が、
終了した第１プロジェクトの監視情報で訓練した予測モデルを生成するステップと、
仕掛かりの第２プロジェクトの説明変数を前記予測モデルに入力し、前記第２プロジェクトの見積原価推定超過の予測値、および、前記予測値の根拠となる説明変数を出力するステップと、
選択された前記第２プロジェクト、および選択された複数種類の第１プロジェクトをまとめたまとめプロジェクトを作成するステップと、を実行し、
前記選択された前記第２プロジェクトの説明変数、および前記選択された複数種類の第１プロジェクトの説明変数を用いて、前記まとめプロジェクトの説明変数を計算し、
前記計算された、前記まとめプロジェクトの説明変数を前記予測モデルに入力し、前記まとめプロジェクトの見積原価推定超過の予測値、および、前記予測値の根拠となる説明変数を出力する情報処理方法である。
情報処理装置が、
終了した第１プロジェクトの監視情報で訓練した予測モデルを生成するステップと、
仕掛かりの第２プロジェクトの説明変数を前記予測モデルに入力し、前記第２プロジェクトの見積原価推定超過の予測値、および、前記予測値の根拠となる説明変数を出力するステップと、
選択された前記第２プロジェクト、および選択された複数種類の第１プロジェクトをまとめたまとめプロジェクトを作成するステップと、を実行し、
前記選択された前記第２プロジェクトの説明変数、および前記選択された複数種類の第１プロジェクトの説明変数を用いて、前記まとめプロジェクトの説明変数を計算し、
前記計算された、前記まとめプロジェクトの説明変数を前記予測モデルに入力し、前記まとめプロジェクトの見積原価推定超過の予測値、および、前記予測値の根拠となる説明変数を出力する情報処理方法である。
本発明によれば、広域監視にて、プロジェクトの悪化予兆を早期に検知するとともに、重点監視の対象にするか否かの判断の人的コストを低減することができる。
≪第１実施形態≫
［構成］
図１に示す情報処理装置１００は、広域監視により仕掛かりのプロジェクトの悪化予兆を検知するコンピュータである。情報処理装置１００は、入力部、出力部、制御部、および、記憶部といったハードウェアを備える。例えば、制御部がＣＰＵ（Central Processing Unit）から構成される場合、その制御部を含むコンピュータによる情報処理は、ＣＰＵによるプログラム実行処理で実現される。また、そのコンピュータに含まれる記憶部は、ＣＰＵの指令により、そのコンピュータの機能を実現するためのさまざまなプログラムを記憶する。これによりソフトウェアとハードウェアの協働が実現される。前記プログラムは、記録媒体に記録したり、ネットワークを経由したりすることで提供可能となる。出力部は、画面表示をする表示部の機能を含めてもよい。
［構成］
図１に示す情報処理装置１００は、広域監視により仕掛かりのプロジェクトの悪化予兆を検知するコンピュータである。情報処理装置１００は、入力部、出力部、制御部、および、記憶部といったハードウェアを備える。例えば、制御部がＣＰＵ（Central Processing Unit）から構成される場合、その制御部を含むコンピュータによる情報処理は、ＣＰＵによるプログラム実行処理で実現される。また、そのコンピュータに含まれる記憶部は、ＣＰＵの指令により、そのコンピュータの機能を実現するためのさまざまなプログラムを記憶する。これによりソフトウェアとハードウェアの協働が実現される。前記プログラムは、記録媒体に記録したり、ネットワークを経由したりすることで提供可能となる。出力部は、画面表示をする表示部の機能を含めてもよい。
プロジェクトとは、所定の目的を達成するための業務をいう。プロジェクトは、終了済の過去のプロジェクトと、仕掛かりのプロジェクトに分類できる。本実施形態では、過去のプロジェクトを「第１プロジェクト」と呼び、仕掛かりのプロジェクトを「第２プロジェクト」と呼ぶ。また、過去のプロジェクトと仕掛かりのプロジェクトを区別しない場合は、単に、「プロジェクト」と呼ぶ。
図１に示すように、情報処理装置１００は、生成部１と、予測部２と、まとめ部５を備えている。また、情報処理装置１００は、第１プロジェクトＤＢ３と、第２プロジェクトＤＢ４を記憶している。まとめ部５については後記する。
生成部１は、機械学習で第２プロジェクトの実推原価を予測するための予測モデルを生成する。実推原価は、第２プロジェクト終了時までに発生する原価の推定値である。なお、原価には、製造原価や売上原価など複数種類存在するが、本実施形態では、原価とは、特定の目的を達成するために消費される経済的資源を貨幣で測定したものとし、製造原価や売上原価などを含む語として説明する。
予測部２は、生成部１が生成した予測モデルを用いて、対象の第２プロジェクトの実推原価を予測する。
第１プロジェクトＤＢ３は、第１プロジェクトの監視情報を第１プロジェクトごとに記憶するデータベースである。
第２プロジェクトＤＢ４は、第２プロジェクトの監視情報を第２プロジェクトごとに記憶するデータベースである。
予測部２は、生成部１が生成した予測モデルを用いて、対象の第２プロジェクトの実推原価を予測する。
第１プロジェクトＤＢ３は、第１プロジェクトの監視情報を第１プロジェクトごとに記憶するデータベースである。
第２プロジェクトＤＢ４は、第２プロジェクトの監視情報を第２プロジェクトごとに記憶するデータベースである。
＜プロジェクトの監視情報＞
プロジェクトの監視情報は、プロジェクトの状況を監視するための情報である。第１プロジェクトの監視情報は、例えば、作番情報と、説明変数と、目的変数とから構成できる。
プロジェクトの監視情報は、プロジェクトの状況を監視するための情報である。第１プロジェクトの監視情報は、例えば、作番情報と、説明変数と、目的変数とから構成できる。
作番情報は、第１プロジェクトを識別する情報である。例えば、作番情報は、作番と、進捗率（％）と、作番名を含むが、これらに限定されない。
作番は、第１プロジェクトの識別子であり、例えば、文字数字列で表現できる。
進捗率は、第１プロジェクトの進捗を定量的に示すパラメータである。
作番名は、第１プロジェクトの名称であり、例えば、観念可能な言葉で表現できる。
作番は、第１プロジェクトの識別子であり、例えば、文字数字列で表現できる。
進捗率は、第１プロジェクトの進捗を定量的に示すパラメータである。
作番名は、第１プロジェクトの名称であり、例えば、観念可能な言葉で表現できる。
説明変数は、第１プロジェクトの状態を表現する変数である。説明変数は複数種類存在する。説明変数は、例えば、作業開始時期、作業終了時期、実績原価、見通し原価、見積原価、担当者、作業時間、実績工数を含むがこれらに限定されない。例えば、Borutaを用いて説明変数候補を抽出し、その中から最適な説明変数を選択することができるが、説明変数の選択方法はこれに限定されない。
作業開始時期は、第１プロジェクトの開始時期（年月日）である。
作業終了時期は、第１プロジェクトの終了時期（年月日）である。
実績原価は、作業開始時期から所定時期までの間に発生した原価である。
見通し原価は、所定時期から作業終了時期までに発生することが見込まれる原価である。
見積原価は、作業開始時期から作業終了時期までに発生することが見込まれる原価である。
担当者は、第１プロジェクトを担当した者（複数可）である。
作業時間は、作業開始時期から所定時期までの間に、各担当者が第１プロジェクトの作業に費やした時間である。
実績工数は、第１プロジェクトを構成する全工数のうち、作業開始時期から所定時期までの間に完了した工数である。
なお、所定時期は、作業開始時期と作業終了時期までの間の任意の時期である。
作業開始時期は、第１プロジェクトの開始時期（年月日）である。
作業終了時期は、第１プロジェクトの終了時期（年月日）である。
実績原価は、作業開始時期から所定時期までの間に発生した原価である。
見通し原価は、所定時期から作業終了時期までに発生することが見込まれる原価である。
見積原価は、作業開始時期から作業終了時期までに発生することが見込まれる原価である。
担当者は、第１プロジェクトを担当した者（複数可）である。
作業時間は、作業開始時期から所定時期までの間に、各担当者が第１プロジェクトの作業に費やした時間である。
実績工数は、第１プロジェクトを構成する全工数のうち、作業開始時期から所定時期までの間に完了した工数である。
なお、所定時期は、作業開始時期と作業終了時期までの間の任意の時期である。
目的変数は、説明変数に依存する変数である。目的変数は、例えば、第１プロジェクト終了時での実績原価となる、最終実績原価とすることができるが、これに限定されない。
（進捗率のこと）
進捗率は、例えば、時期的基準で算出できる。例えば、プロジェクトの作業開始時期から作業終了時期までの期間が30日間であり、対象時期が作業開始時期から15日目であった場合、進捗率は50％となる。第１プロジェクトは終了した過去のプロジェクトであるため、現時点での進捗率は100％である。ここで、第１プロジェクトの説明変数は、進捗率に応じて変化する値とすることができる。第１プロジェクトの監視情報は、進捗率ごとの説明変数の集合として構成できる。
進捗率は、例えば、時期的基準で算出できる。例えば、プロジェクトの作業開始時期から作業終了時期までの期間が30日間であり、対象時期が作業開始時期から15日目であった場合、進捗率は50％となる。第１プロジェクトは終了した過去のプロジェクトであるため、現時点での進捗率は100％である。ここで、第１プロジェクトの説明変数は、進捗率に応じて変化する値とすることができる。第１プロジェクトの監視情報は、進捗率ごとの説明変数の集合として構成できる。
例えば、説明変数としての実績原価は、進捗率0％～100％のあらゆる値での実績原価の集合となる。進捗率Ｘ％の実績原価は、作業開始時期から進捗率Ｘ％相当の時期までの間に発生した原価となる。また、説明変数としての見通し原価は、進捗率0％～100％のあらゆる値での見通し原価の集合となる。進捗率Ｘ％の見通し原価は、進捗率Ｘ％相当の時期から作業終了時期までの間に発生することが見込まれる原価となる。なお、作業開始時期や作業終了時期などのように、進捗率に応じて変化しない説明変数も存在するが、そのような説明変数は、進捗率に応じて同じ値をとる定数として扱うことが好ましい。
一方、第２プロジェクトの監視情報は、例えば、作番情報と、説明変数とから構成できる。
作番情報は、第２プロジェクトを識別する情報である。例えば、作番情報は、作番と、進捗率（％）と、作番名を含むが、これらに限定されない。
作番は、第２プロジェクトの識別子であり、例えば、文字数字列で表現できる。
進捗率は、第２プロジェクトの進捗を定量的に示すパラメータである。
作番名は、第２プロジェクトの名称であり、例えば、観念可能な言葉で表現できる。
作番は、第２プロジェクトの識別子であり、例えば、文字数字列で表現できる。
進捗率は、第２プロジェクトの進捗を定量的に示すパラメータである。
作番名は、第２プロジェクトの名称であり、例えば、観念可能な言葉で表現できる。
説明変数は、第２プロジェクトの状態を表現する変数である。説明変数は複数種類存在する。説明変数は、例えば、作業開始時期、作業終了時期、実績原価、見通し原価、見積原価、担当者、作業時間、実績工数を含むがこれらに限定されない。例えば、Borutaを用いて説明変数候補を抽出し、その中から最適な説明変数を選択することができるが、説明変数の選択方法はこれに限定されない。
作業開始時期は、第２プロジェクトの開始時期（年月日）である。
作業終了時期は、第２プロジェクトの終了時期（年月日）である。
実績原価は、作業開始時期から所定時期までの間に発生した原価である。
見通し原価は、所定時期から作業終了時期までに発生することが見込まれる原価である。
見積原価は、作業開始時期から作業終了時期までに発生することが見込まれる原価である。
担当者は、第２プロジェクトを担当している者（複数可）である。
作業時間は、作業開始時期から所定時期までの間に、各担当者が第２プロジェクトの作業に費やした時間である。
実績工数は、第２プロジェクトを構成する全工数のうち、作業開始時期から所定時期までの間に完了した工数である。
なお、所定時期は、作業開始時期と作業終了時期までの間の現在である。
また、すでに説明した、第２プロジェクトの実推原価は、第２プロジェクトの実績原価と見通し原価との和である。
作業開始時期は、第２プロジェクトの開始時期（年月日）である。
作業終了時期は、第２プロジェクトの終了時期（年月日）である。
実績原価は、作業開始時期から所定時期までの間に発生した原価である。
見通し原価は、所定時期から作業終了時期までに発生することが見込まれる原価である。
見積原価は、作業開始時期から作業終了時期までに発生することが見込まれる原価である。
担当者は、第２プロジェクトを担当している者（複数可）である。
作業時間は、作業開始時期から所定時期までの間に、各担当者が第２プロジェクトの作業に費やした時間である。
実績工数は、第２プロジェクトを構成する全工数のうち、作業開始時期から所定時期までの間に完了した工数である。
なお、所定時期は、作業開始時期と作業終了時期までの間の現在である。
また、すでに説明した、第２プロジェクトの実推原価は、第２プロジェクトの実績原価と見通し原価との和である。
第２プロジェクトの進捗率は、作業開始時期から作業終了時期までの期間と、作業開始時期から現在までの期間の比として算出できる。現在に相当する進捗率Ｘ％の実績原価は、作業開始時期から現在までの間に発生した原価となる。また、現在に相当する進捗率Ｘ％の見通し原価は、現在から作業終了時期までの間に発生することが見込まれる原価となる。なお、作業開始時期や作業終了時期などのように、進捗率に応じて変化しない説明変数も存在するが、そのような説明変数は、進捗率に応じて同じ値をとる定数として扱うことが好ましい。
＜予測モデル＞
（訓練）
生成部１は、例えば、ランダムフォレストに用いる複数の決定木を組み合わせて予測モデルを生成できる。ランダムフォレストは、機械学習アルゴリズムであり、複数の決定木を利用し、多数決をとって予測するアンサンブル学習アルゴリズムである。決定木は、例えば、説明変数を用いた判定条件を組み合わせたツリー状のロジックとして構成できる。判定条件は、適宜設計でき、例えば、担当者の１日の作業時間の平均が５時間以上か否か、などとすることができる。
（訓練）
生成部１は、例えば、ランダムフォレストに用いる複数の決定木を組み合わせて予測モデルを生成できる。ランダムフォレストは、機械学習アルゴリズムであり、複数の決定木を利用し、多数決をとって予測するアンサンブル学習アルゴリズムである。決定木は、例えば、説明変数を用いた判定条件を組み合わせたツリー状のロジックとして構成できる。判定条件は、適宜設計でき、例えば、担当者の１日の作業時間の平均が５時間以上か否か、などとすることができる。
生成部１は、第１プロジェクトの監視情報を訓練データとして用いて、予測モデルを訓練できる。例えば、第１プロジェクトごとに、第１プロジェクトの監視情報のうち進捗率50％相当の時期での説明変数を予測モデルの入力とすることができる。また、第１プロジェクトの監視情報の目的変数に基づく値を予測モデルの出力とすることができる。例えば、第１プロジェクトの最終実績原価から見積原価を引いた見積原価超過の値を予測モデルの出力とすることができる。生成部１は、所定数の第１プロジェクトの監視情報を用いて予測モデルを訓練する。
ここで、生成部１は、予測モデルを複数用意し、予測モデルの出力を複数段階の出力とすることができる。例えば、生成部１は、第１予測モデルと第２予測モデルを用意する。第１予測モデルの入力は、すべての第１プロジェクトの監視情報を対象にし、当該監視情報のうち進捗率50％相当の時期での説明変数とすることができる。また、第１予測モデルの出力は、第１プロジェクトの最終実績原価から見積原価を引いた見積原価超過があった（０Ｍ（0円）より大きい）か否かとすることができる。次に、第２予測モデルの入力は、第１予測モデルの出力で見積原価超過があった第１プロジェクトの監視情報を対象にし、当該監視情報のうち進捗率50％相当の時期での説明変数とすることができる。また、第２予測モデルの出力は、見積原価超過が１Ｍ（100万円）以上であるか否かとすることができる。結果的に、予測モデルの出力を、見積原価超過が０Ｍ以下、０Ｍより大きいかつ１Ｍ未満、１Ｍ以上、の３値に分類できる。
（予測）
予測部２は、訓練済みの予測モデルを用いて、予測対象の第２プロジェクトの実推原価を予測する。例えば、予測部２は、第２プロジェクトの監視情報のうち、現在、つまり所定の進捗率（50％以上が好ましいが、50％未満でもよい）相当の時期での説明変数を予測モデルに入力する。すると、予測部２は、実推原価に基づく値を予測モデルの出力として取得できる。例えば、予測部２は、実推原価から見積原価を引いた見積原価推定超過の値を取得できる。
予測部２は、訓練済みの予測モデルを用いて、予測対象の第２プロジェクトの実推原価を予測する。例えば、予測部２は、第２プロジェクトの監視情報のうち、現在、つまり所定の進捗率（50％以上が好ましいが、50％未満でもよい）相当の時期での説明変数を予測モデルに入力する。すると、予測部２は、実推原価に基づく値を予測モデルの出力として取得できる。例えば、予測部２は、実推原価から見積原価を引いた見積原価推定超過の値を取得できる。
予測モデルが、上記した第１予測モデル、第２予測モデルである場合、予測部２は、予測対象の第２プロジェクトの監視情報のうち、現在での説明変数を第１予測モデルに入力する。すると、予測部２は、第１予測モデルの出力として、見積原価推定超過があった（０Ｍ（0円）より大きい）か否かを示す値を取得できる。見積原価推定超過があった場合、予測部２は、当該第２プロジェクトの監視情報のうち、現在での説明変数を第２予測モデルに入力する。すると、予測部２は、第２予測モデルの出力として、見積原価推定超過が１Ｍ（100万円）以上であるか否かを示す値を取得できる。結果的に、見積原価推定超過を０Ｍ以下、０Ｍより大きいかつ１Ｍ未満、１Ｍ以上、の３値に分類できる。
なお、１Ｍや０Ｍは例示であり、１Ｍより大きい値や０Ｍより大きい値でもよいし、１Ｍより小さい値や０Ｍより小さい値でもよい。
なお、１Ｍや０Ｍは例示であり、１Ｍより大きい値や０Ｍより大きい値でもよいし、１Ｍより小さい値や０Ｍより小さい値でもよい。
予測部２は、予測モデルの出力を含む情報を出力できる。例えば、情報処理装置１００の表示部は、図２に示すような予測部２の出力情報を画面表示できる。図２に示すように、予測部２の出力情報は、「予測結果」と、「作番情報」と、「予測結果の説明変数と特徴」を列とし、第２プロジェクトを行とする表形式とすることができる。
「予測結果」は、予測モデルの出力内容を示す。「予測結果」は、「項番」と、「予測値」と、「確信度」から構成される。
「項番」は、第２プロジェクトごとに付される行番号である。
「予測値」は、予測モデルがすでに説明した第１予測モデルと第２予測モデルの組み合わせであるときの、見積原価推定超過の３値分類に従う結果である。「１：100万円以上超過」は、１Ｍ以上に対応する。「２：100万円未満超過」は、０Ｍより大きいかつ１Ｍ未満に対応する。「３：問題なし」は、０Ｍ以下に対応する。
「確信度」は、予測の信頼度であり0%～100%で示される。例えば、確信度は、バギングを用いて求めることができるが、これに限定されない。
「項番」は、第２プロジェクトごとに付される行番号である。
「予測値」は、予測モデルがすでに説明した第１予測モデルと第２予測モデルの組み合わせであるときの、見積原価推定超過の３値分類に従う結果である。「１：100万円以上超過」は、１Ｍ以上に対応する。「２：100万円未満超過」は、０Ｍより大きいかつ１Ｍ未満に対応する。「３：問題なし」は、０Ｍ以下に対応する。
「確信度」は、予測の信頼度であり0%～100%で示される。例えば、確信度は、バギングを用いて求めることができるが、これに限定されない。
「作番情報」は、第２プロジェクトの監視情報の作番情報と同じである。
「予測結果の説明変数と特徴」は、「予測結果」に寄与する説明変数を示す。「予測結果の説明変数と特徴」は、「説明変数一覧」と、「特徴ランキング」から構成される。
「説明変数一覧」は、第２プロジェクトの監視情報の説明変数と同じである。
「特徴ランキング」は、「予測結果」に寄与する説明変数の順位を示す。順位が高いほど、その説明変数の予測値の出力に対する寄与率が大きい。例えば、各変数の寄与率は、SHAP（Shapley Additive exPlanations）アルゴリズムを用いて求めることができるが、これに限定されない。
「予測結果の説明変数と特徴」は、「予測結果」に寄与する説明変数を示す。「予測結果の説明変数と特徴」は、「説明変数一覧」と、「特徴ランキング」から構成される。
「説明変数一覧」は、第２プロジェクトの監視情報の説明変数と同じである。
「特徴ランキング」は、「予測結果」に寄与する説明変数の順位を示す。順位が高いほど、その説明変数の予測値の出力に対する寄与率が大きい。例えば、各変数の寄与率は、SHAP（Shapley Additive exPlanations）アルゴリズムを用いて求めることができるが、これに限定されない。
第１実施形態によれば、見積原価推定超過が１Ｍ以上となる第２プロジェクトを抽出できる。よって、広域監視にて、プロジェクトの悪化予兆を早期に検知することができる。
（重点監視の対象にするか否かの判断）
図２の出力情報を知得した管理部署は、見積原価推定超過が１Ｍ以上となる第２プロジェクトを重点監視の対象とするか否かを判断する。従来では、プロジェクトの悪化予兆をＡＩで検知したとしても、ＡＩの予測結果の根拠はブラックボックス化されていた。このため、管理部署は、ＡＩの予測結果に対して、プロジェクトの悪化予兆の要因を追跡することが容易でなく、重点監視の対象とするか否かの判断に多大な人的コストを要していた。
図２の出力情報を知得した管理部署は、見積原価推定超過が１Ｍ以上となる第２プロジェクトを重点監視の対象とするか否かを判断する。従来では、プロジェクトの悪化予兆をＡＩで検知したとしても、ＡＩの予測結果の根拠はブラックボックス化されていた。このため、管理部署は、ＡＩの予測結果に対して、プロジェクトの悪化予兆の要因を追跡することが容易でなく、重点監視の対象とするか否かの判断に多大な人的コストを要していた。
図２の「特徴ランキング」は、見積原価推定超過が１Ｍ以上になった根拠を提示しているといえる。管理部署は、「特徴ランキング」を参照し、見積原価推定超過が１Ｍ以上という予測に大きく寄与する説明変数を容易に特定できる。その結果、該当の第２プロジェクトを重点監視の対象にするか否かの判断が容易になり、重点監視の対象にするか否かの判断の人的コストを低減することができる。
［処理］
情報処理装置１００が実行する処理は、図３に示すとおりである。つまり、まず、生成部１が予測モデルを生成する（ステップＳ１）。次に、生成部１が、所定の進捗率における第１プロジェクトの監視情報を用いて、予測モデルを訓練する（ステップＳ２）。次に、予測部２が、予測モデルを用いて、対象の第２プロジェクトの見積原価推定超過の予測値と、予測値に寄与する説明変数を予測根拠として出力する（ステップＳ３）。管理部署は、予測根拠から、悪化予兆を示す第２プロジェクトを重点監視の対象とするか否かを判断する。
情報処理装置１００が実行する処理は、図３に示すとおりである。つまり、まず、生成部１が予測モデルを生成する（ステップＳ１）。次に、生成部１が、所定の進捗率における第１プロジェクトの監視情報を用いて、予測モデルを訓練する（ステップＳ２）。次に、予測部２が、予測モデルを用いて、対象の第２プロジェクトの見積原価推定超過の予測値と、予測値に寄与する説明変数を予測根拠として出力する（ステップＳ３）。管理部署は、予測根拠から、悪化予兆を示す第２プロジェクトを重点監視の対象とするか否かを判断する。
≪第２実施形態≫
第２実施形態の説明の際、第１実施形態との相違する点について説明し、重複する点は説明を省略する。第１実施形態では、訓練データとなる第１プロジェクトの監視情報の説明変数は進捗率50％相当の時期での説明変数であった。第２実施形態では、訓練データに用いる第１プロジェクトの説明変数の時期を定期化する。
第２実施形態の説明の際、第１実施形態との相違する点について説明し、重複する点は説明を省略する。第１実施形態では、訓練データとなる第１プロジェクトの監視情報の説明変数は進捗率50％相当の時期での説明変数であった。第２実施形態では、訓練データに用いる第１プロジェクトの説明変数の時期を定期化する。
例えば、第１プロジェクトの期間、つまり、作業開始時期から作業終了時期までの期間がおよそ数カ月に及ぶ場合、訓練データに用いる説明変数の時期、つまり、訓練日（学習日）を毎月25日に設定する。
よって、作番Ａの第１プロジェクトの作業開始時期が4/15であり、作業終了時期が6/30である場合、作番Ａの第１プロジェクトの訓練日は、4/25，5/25，6/25となる。つまり、作番Ａの第１プロジェクトの監視情報のうち4/25での説明変数（4/25相当の進捗率での説明変数）と、5/25での説明変数（5/25相当の進捗率での説明変数）と、6/25での説明変数（6/25相当の進捗率での説明変数）の計３回分を予測モデルの入力とする。
また、作番Ｂの第１プロジェクトの作業開始時期が5/1であり、作業終了時期が9/15である場合、作番Ｂの第１プロジェクトの訓練日は、5/25,6/25，7/25，8/25となる。つまり、作番Ｂの第１プロジェクトの監視情報のうち5/25での説明変数（5/25相当の進捗率での説明変数）と、6/25での説明変数（6/25相当の進捗率での説明変数）と、7/25での説明変数（7/25相当の進捗率での説明変数）と、8/25での説明変数（8/25相当の進捗率での説明変数）の計４回分を予測モデルの入力とする。
また、作番Ｃの第１プロジェクトの作業開始時期が6/1であり、作業終了時期が7/10である場合、作番Ｃの第１プロジェクトの訓練日は、6/25となる。つまり、作番Ｃの第１プロジェクトの監視情報のうち6/25での説明変数（6/25相当の進捗率での説明変数）の計１回分を予測モデルの入力とする。
よって、作番Ａの第１プロジェクトの作業開始時期が4/15であり、作業終了時期が6/30である場合、作番Ａの第１プロジェクトの訓練日は、4/25，5/25，6/25となる。つまり、作番Ａの第１プロジェクトの監視情報のうち4/25での説明変数（4/25相当の進捗率での説明変数）と、5/25での説明変数（5/25相当の進捗率での説明変数）と、6/25での説明変数（6/25相当の進捗率での説明変数）の計３回分を予測モデルの入力とする。
また、作番Ｂの第１プロジェクトの作業開始時期が5/1であり、作業終了時期が9/15である場合、作番Ｂの第１プロジェクトの訓練日は、5/25,6/25，7/25，8/25となる。つまり、作番Ｂの第１プロジェクトの監視情報のうち5/25での説明変数（5/25相当の進捗率での説明変数）と、6/25での説明変数（6/25相当の進捗率での説明変数）と、7/25での説明変数（7/25相当の進捗率での説明変数）と、8/25での説明変数（8/25相当の進捗率での説明変数）の計４回分を予測モデルの入力とする。
また、作番Ｃの第１プロジェクトの作業開始時期が6/1であり、作業終了時期が7/10である場合、作番Ｃの第１プロジェクトの訓練日は、6/25となる。つまり、作番Ｃの第１プロジェクトの監視情報のうち6/25での説明変数（6/25相当の進捗率での説明変数）の計１回分を予測モデルの入力とする。
結果的に、第１プロジェクトの大部分に対して、複数種類の進捗率での説明変数が予測モデルに入力される。このようにして訓練された予測モデルを用いて、予測部２が第２プロジェクトの実推原価を予測する。この場合、第２プロジェクトの進捗率が低進捗率（例えば、30％程度）であり、低進捗率相当の時期での説明変数を予測モデルに入力したとしても、予測部２が出力した予測値の確信度（図２参照）が十分に高いことが確認された。
第２実施形態によれば、訓練日を定期化し、同じ第１プロジェクトについて複数種類の進捗率での説明変数を予測モデルに入力することができる。これにより、第２プロジェクトの実推原価の予測を早期化できる。
また、訓練日を定期化することで、すべての第１プロジェクトを対象にした予測モデルへの入力を体系化でき、訓練に要する処理を簡易にできる。
また、訓練日を定期化することで、すべての第１プロジェクトを対象にした予測モデルへの入力を体系化でき、訓練に要する処理を簡易にできる。
≪まとめ作業≫
先述したように、プロジェクトの監視情報を構成する作番情報に含まれる作番は、プロジェクトの識別子であり、プロジェクトごとに割り当てられる。プロジェクトは、複数種類の作業に分割でき、複数種類の作業の集合体として扱うことができる。作番は、作業ごとに割り当てることができ、作番が割り当てられて各作業を識別できる。プロジェクトに割り当てられる作番は、当該プロジェクトを分割する複数種類の作業に割り当てられる作番と関連付けることができる。
先述したように、プロジェクトの監視情報を構成する作番情報に含まれる作番は、プロジェクトの識別子であり、プロジェクトごとに割り当てられる。プロジェクトは、複数種類の作業に分割でき、複数種類の作業の集合体として扱うことができる。作番は、作業ごとに割り当てることができ、作番が割り当てられて各作業を識別できる。プロジェクトに割り当てられる作番は、当該プロジェクトを分割する複数種類の作業に割り当てられる作番と関連付けることができる。
情報処理装置１００は、悪化予兆の処理に関して、プロジェクトと作業とを同一視できる。作業は小規模なプロジェクトと呼んでもよい。本実施形態では、過去の作業を「第１作業」と呼び、仕掛かりの作業を「第２作業」と呼ぶ。また、過去の作業と仕掛かりの作業を区別しない場合は、単に、「作業」と呼ぶ。情報処理装置１００は、第１プロジェクトＤＢ３および第２プロジェクトＤＢ４と同様、作業の監視情報を作業ごとに記憶するデータベースを記憶することができる（しかし、図１では図示略）。
情報処理装置１００は、プロジェクトと同様、作業に対しても監視情報を設定できる。作業の監視情報は、作業の状況を監視するための情報である。第１作業の監視情報は、例えば、作番情報と、説明変数と、目的変数とから構成できる。第２作業の監視情報は、例えば、作番情報と、説明変数とから構成できる。
図１に示すまとめ部５は、複数種類の作業を一つにまとめ、まとめ作業を作成する。「まとめ作業」は、複数種類の作業の集合体である。まとめ作業としてまとめられる複数種類の作業は、例えば、情報処理装置１００のオペレータが適宜選択でできるが、これに限定されない。例えば、まとめ作業としてまとめられる複数種類の作業は、同じプロジェクトを構成する作業であってもよいし、異なるプロジェクトを構成する作業であってもよい。
情報処理装置１００は、悪化予兆の処理に関して、まとめ作業を、プロジェクトや作業と同一視できる。本実施形態では、複数種類の過去の作業を１つにまとめたまとめ作業を「第１まとめ作業」と呼び、仕掛かりの作業を少なくとも１つ含む複数種類の作業を１つにまとめたまとめ作業を「第２まとめ作業」と呼ぶ。また、複数種類の過去の作業を１つにまとめたまとめ作業と、仕掛かりの作業を少なくとも１つ含む複数種類の作業を１つにまとめたまとめ作業を区別しない場合は、単に、「まとめ作業」と呼ぶ。情報処理装置１００は、作業の監視情報を作業ごとに記憶するデータベース（図１では図示略）に、まとめ作業の監視情報を記憶することができる。
プロジェクトの監視情報や作業の監視情報と同様にして、まとめ部５は、まとめ作業に対しても監視情報を設定できる。まとめ作業の監視情報は、まとめ作業の状況を監視するための情報であり、第１まとめ作業の監視情報は、例えば、作番情報と、説明変数と、目的変数とから構成できる。第２まとめ作業の監視情報は、例えば、作番情報と、説明変数とから構成できる。
まとめ作業の説明変数の値は、まとめ作業としてまとめられる複数種類の作業の説明変数の値を用いて計算できる。
例えば、説明変数が原価、損益、見積などの金額である場合、まとめ作業の説明変数の値は、まとめ作業としてまとめられる複数種類の作業の説明変数の値の合算値として計算できる。合算値に替えて平均値、中央値、最大値、最小値としてもよい。
また、例えば、説明変数が作業時間などの時間である場合、まとめ作業の説明変数の値は、まとめ作業としてまとめられる複数種類の作業の説明変数の値の合算値として計算できる。合算値に替えて平均値、中央値、最大値、最小値としてもよい。
また、例えば、説明変数が実績工数などの数値である場合、まとめ作業の説明変数の値は、まとめ作業としてまとめられる複数種類の作業の説明変数の値の合算値として計算できる。
また、例えば、説明変数が作業開始時期、作業終了時期などの時期である場合、まとめ作業の説明変数の値は、まとめ作業としてまとめられる複数種類の作業の説明変数の値の最小値や最大値として計算できる。まとめ作業としてまとめられる複数種類の作業の作業開始時期のうち最早開始時期を、まとめ作業の作業開始時期とすることができる。まとめ作業としてまとめられる複数種類の作業の作業終了時期のうち最遅終了時期を、まとめ作業の作業終了時期とすることができる。
また、例えば、説明変数が担当者などの非数値変数である場合、まとめ作業の説明変数の値は、まとめ作業としてまとめられる複数種類の作業の説明変数の値の和集合として計算できる。まとめ作業としてまとめられる複数種類の作業の各担当者を、まとめ作業の担当者とすることができる。
例えば、説明変数が原価、損益、見積などの金額である場合、まとめ作業の説明変数の値は、まとめ作業としてまとめられる複数種類の作業の説明変数の値の合算値として計算できる。合算値に替えて平均値、中央値、最大値、最小値としてもよい。
また、例えば、説明変数が作業時間などの時間である場合、まとめ作業の説明変数の値は、まとめ作業としてまとめられる複数種類の作業の説明変数の値の合算値として計算できる。合算値に替えて平均値、中央値、最大値、最小値としてもよい。
また、例えば、説明変数が実績工数などの数値である場合、まとめ作業の説明変数の値は、まとめ作業としてまとめられる複数種類の作業の説明変数の値の合算値として計算できる。
また、例えば、説明変数が作業開始時期、作業終了時期などの時期である場合、まとめ作業の説明変数の値は、まとめ作業としてまとめられる複数種類の作業の説明変数の値の最小値や最大値として計算できる。まとめ作業としてまとめられる複数種類の作業の作業開始時期のうち最早開始時期を、まとめ作業の作業開始時期とすることができる。まとめ作業としてまとめられる複数種類の作業の作業終了時期のうち最遅終了時期を、まとめ作業の作業終了時期とすることができる。
また、例えば、説明変数が担当者などの非数値変数である場合、まとめ作業の説明変数の値は、まとめ作業としてまとめられる複数種類の作業の説明変数の値の和集合として計算できる。まとめ作業としてまとめられる複数種類の作業の各担当者を、まとめ作業の担当者とすることができる。
説明変数の種類によっては、まとめ作業としてまとめられる複数種類の作業の説明変数の値を、まとめ作業の説明変数の値にそのまま使用してもよい。また、まとめ作業の説明変数の値に使用しなくてもよい。
説明変数の場合と同様にして、まとめ作業の目的変数の値は、まとめ作業としてまとめられる複数種類の作業（主に、第１作業）の目的変数の値を用いて計算できる。
説明変数の場合と同様にして、まとめ作業の目的変数の値は、まとめ作業としてまとめられる複数種類の作業（主に、第１作業）の目的変数の値を用いて計算できる。
（まとめコード）
まとめ部５は、作業およびまとめ作業に対してまとめコードを割り当てることができる。まとめコードは、まとめ作業としてまとめられる複数種類の作業を特定する。まとめコードは、作業の監視情報に含めてもよいし、まとめ作業の監視情報に含めてもよい。まとめ部５は、オペレータが選択した複数種類の作業に対してまとめ作業を作成する。まとめ部５は、例えば、複数種類の作業、およびまとめ作業に対して「コードＡ」という同一のまとめコードを割り当てることができる。情報処理装置１００は、「コードＡ」を参照することで、まとめ作業と、まとめ作業としてまとめられる複数種類の作業との関係性を管理できる。
まとめ部５は、作業およびまとめ作業に対してまとめコードを割り当てることができる。まとめコードは、まとめ作業としてまとめられる複数種類の作業を特定する。まとめコードは、作業の監視情報に含めてもよいし、まとめ作業の監視情報に含めてもよい。まとめ部５は、オペレータが選択した複数種類の作業に対してまとめ作業を作成する。まとめ部５は、例えば、複数種類の作業、およびまとめ作業に対して「コードＡ」という同一のまとめコードを割り当てることができる。情報処理装置１００は、「コードＡ」を参照することで、まとめ作業と、まとめ作業としてまとめられる複数種類の作業との関係性を管理できる。
（予測）
すでに説明した第２プロジェクトの予測と同様にして、予測部２は、訓練済みの予測モデルを用いて、予測対象の第２作業の実推原価を予測できる。しかし、予測対象の第２作業が小規模であり、作業開始時期から作業終了時期までの期間が極めて短かかったり、原価、損益、見積などの金額が極めて小さかったりする場合がある。この場合、予測モデルの出力値が極めて小さな値となったり、出力不可となったりすることがあり、実推原価の予測精度が低減する問題がある。
すでに説明した第２プロジェクトの予測と同様にして、予測部２は、訓練済みの予測モデルを用いて、予測対象の第２作業の実推原価を予測できる。しかし、予測対象の第２作業が小規模であり、作業開始時期から作業終了時期までの期間が極めて短かかったり、原価、損益、見積などの金額が極めて小さかったりする場合がある。この場合、予測モデルの出力値が極めて小さな値となったり、出力不可となったりすることがあり、実推原価の予測精度が低減する問題がある。
このような問題に対し、オペレータが予測対象の第２作業を含む複数種類の作業を選択することで、まとめ部５は、選択された作業をまとめたまとめ作業を作成できる。選択された作業は、例えば、予測対象の第２作業と、複数種類の第１作業とすることができる。まとめ部５は、選択された作業の説明変数の値の合算値を、まとめ作業の説明変数の値として使用することができる。予測部２は、予測対象の第２作業を含むまとめ作業に対して、実推原価を予測できる。合算値を使用することで、作業開始時期から作業終了時期までの期間を十分に大きくすることができ、原価、損益、見積などの金額を十分に大きくすることができる。このため、予測部２の予測精度を所望レベル以上に向上させることができる。
なお、まとめ作業を予測対象に含めることで、予測部２は、元々の予測対象の第２作業に対しても同時に予測してもよい。この場合、元々の予測対象の第２作業に対する予測精度を向上させることができる可能性が高まる。
また、予測対象の第２作業の他に、他の第２作業が存在する場合には、まとめ部５は、当該他の第２作業を選択してまとめ作業を作成してもよい。予測部２は、予測対象が複数存在する場合にも実推原価を予測できる。
また、予測対象の第２作業の他に、他の第２作業が存在する場合には、まとめ部５は、当該他の第２作業を選択してまとめ作業を作成してもよい。予測部２は、予測対象が複数存在する場合にも実推原価を予測できる。
（まとめ作業の使用例１）
第２プロジェクトとしてのプロジェクトＰ１は、第１作業としての複数種類の作業Ｗ１と、第２作業としての作業Ｗ２に分割されている。作業Ｗ２の実推原価を予測したいが、作業Ｗ２が小規模であった場合、オペレータは、作業Ｗ１と作業Ｗ２を選択する。まとめ部５は、予測対象の作業Ｗ２と、選択された複数種類の作業Ｗ１とをまとめたまとめ作業Ｔ１を作成できる。また、まとめ部５は、選択された作業Ｗ１，Ｗ２、およびまとめ作業Ｔ１に対して同一のまとめコード「コードＡ」を割り当てる。すると、予測部２は、作成されたまとめ作業Ｔ１を予測対象として実推原価を予測できる。結果的に、まとめ作業Ｔ１の予測結果を踏まえて、元々の予測対象である作業Ｗ２の実推原価を予測できる。例えば、選択された作業Ｗ１の実績原価を参考にするなどして作業Ｗ２の実推原価を予測できる。
第２プロジェクトとしてのプロジェクトＰ１は、第１作業としての複数種類の作業Ｗ１と、第２作業としての作業Ｗ２に分割されている。作業Ｗ２の実推原価を予測したいが、作業Ｗ２が小規模であった場合、オペレータは、作業Ｗ１と作業Ｗ２を選択する。まとめ部５は、予測対象の作業Ｗ２と、選択された複数種類の作業Ｗ１とをまとめたまとめ作業Ｔ１を作成できる。また、まとめ部５は、選択された作業Ｗ１，Ｗ２、およびまとめ作業Ｔ１に対して同一のまとめコード「コードＡ」を割り当てる。すると、予測部２は、作成されたまとめ作業Ｔ１を予測対象として実推原価を予測できる。結果的に、まとめ作業Ｔ１の予測結果を踏まえて、元々の予測対象である作業Ｗ２の実推原価を予測できる。例えば、選択された作業Ｗ１の実績原価を参考にするなどして作業Ｗ２の実推原価を予測できる。
なお、まとめ作業に対する予測の手順は、すでに説明した、第２プロジェクトに対する予測の手順と同様とすることができる。具体的には、まとめ部５は、選択された第２作業の説明変数、および選択された複数種類の第１作業の説明変数を用いて、まとめ作業の説明変数を計算する。予測部２は、計算された、まとめ作業の説明変数を予測モデルに入力し、まとめ作業の見積原価推定超過の予測値、および、予測値の根拠となる説明変数を出力する。
また、オペレータは、プロジェクトＰ１に属する複数種類の作業Ｗ１の全部をまとめ作業にまとめてもよいし、一部をまとめ作業にまとめてもよい。また、まとめ作業を予測対象に含めることで、予測部２は、元々の予測対象の第２作業に対しても同時に予測してもよい。
（まとめ作業の使用例２）
第２プロジェクトとしてのプロジェクトＰ１は、第２プロジェクトとしてのサブプロジェクトＰ１１，Ｐ１２を含む。サブプロジェクトＰ１１は、第１作業としての複数種類の作業Ｗ１と、第２作業としての作業Ｗ２に分割されている。サブプロジェクトＰ１２は、第１作業としての複数種類の作業Ｗ３と、第２作業としての作業Ｗ４に分割されている。
第２プロジェクトとしてのプロジェクトＰ１は、第２プロジェクトとしてのサブプロジェクトＰ１１，Ｐ１２を含む。サブプロジェクトＰ１１は、第１作業としての複数種類の作業Ｗ１と、第２作業としての作業Ｗ２に分割されている。サブプロジェクトＰ１２は、第１作業としての複数種類の作業Ｗ３と、第２作業としての作業Ｗ４に分割されている。
サブプロジェクトＰ１１の作業Ｗ２の実推原価を予測したいが、作業Ｗ２が小規模であった場合、オペレータは、作業Ｗ１と作業Ｗ２を選択する。まとめ部５は、予測対象の作業Ｗ２と、選択された複数種類の作業Ｗ１とをまとめたまとめ作業Ｔ１を作成できる。また、まとめ部５は、選択された作業Ｗ１，Ｗ２およびまとめ作業Ｔ１に対して同一のまとめコード「コードＡ」を割り当てる。すると、予測部２は、作成されたまとめ作業Ｔ１を予測対象として実推原価を予測できる。結果的に、まとめ作業Ｔ１の予測結果を踏まえて、元々の予測対象である作業Ｗ２の実推原価を予測できる。例えば、選択された作業Ｗ１の実績原価を参考にするなどして作業Ｗ２の実推原価を予測できる。
また、サブプロジェクトＰ１２の作業Ｗ４の実推原価を予測したいが、作業Ｗ４が小規模であった場合、オペレータは、作業Ｗ３と作業Ｗ４を選択する。まとめ部５は、予測対象の作業Ｗ４と、選択された複数種類の作業Ｗ３とをまとめたまとめ作業Ｔ２を作成できる。また、まとめ部５は、選択された作業Ｗ３，Ｗ４およびまとめ作業Ｔ２に対して同一のまとめコード「コードＢ」を割り当てる。すると、予測部２は、作成されたまとめ作業Ｔ２を予測対象として実推原価を予測できる。結果的に、まとめ作業Ｔ２の予測結果を踏まえて、元々の予測対象である作業Ｗ４の実推原価を予測できる。例えば、選択された作業Ｗ３の実績原価を参考にするなどして作業Ｗ４の実推原価を予測できる。
また、まとめ作業Ｔ１、Ｔ２を用いてプロジェクトＰ１全体の実推原価を予測できる。作業Ｗ２，Ｗ４は小規模であった場合、オペレータは、まとめ作業Ｔ１，Ｔ２を選択する。まとめ部５は、まとめ作業Ｔ１，Ｔ２をまとめたまとめ作業Ｔ３を作成できる。また、まとめ部５は、選択されたまとめ作業Ｔ１，Ｔ２およびまとめ作業Ｔ３に対して同一のまとめコード「コードＣ」を割り当てる。すると、予測部２は、作成されたまとめ作業Ｔ３を予測対象として実推原価を予測できる。つまり、プロジェクトＰ１全体の実推原価を予測できる。より詳細には、まとめ作業Ｔ３の予測結果を踏まえて、元々の予測対象である作業Ｗ２，Ｗ４の実推原価を予測できる。例えば、選択された作業Ｗ１，Ｗ３の実績原価を参考にするなどして作業Ｗ２，Ｗ４の実推原価を予測できる。
「コードＣ」は、複数種類のまとめコード（上記例では、「コードＡ」および「コードＢ」）をまとめる機能を有する。コードＡ～Ｃの間には、コードＣがコードＡ，Ｂの上位のまとめコードであるというまとめ関係性がある。オペレータは、このような関係性を指定でき、情報処理装置１００は、指定された関係性を外部パラメータとして記憶できる。例えば、「まとめ作業の使用例２」のように、プロジェクトＰ１およびサププロジェクトＰ１１，Ｐ１２の関係性に対応するようにまとめ関係性を構築することが好ましい。なお、オペレータは、上位のまとめコードでまとめられた複数種類のまとめコードの一部を除外したまとめ関係性を指定することもできる。
なお、まとめ作業Ｔ３に対する予測の手順は、すでに説明した、第２プロジェクトに対する予測の手順と同様とすることができる。具体的には、まとめ部５は、選択されたまとめ作業Ｔ１，Ｔ２の説明変数を用いて、まとめ作業Ｔ３の説明変数を計算する。予測部２は、計算された、まとめ作業Ｔ３の説明変数を予測モデルに入力し、まとめ作業Ｔ３の見積原価推定超過の予測値、および、予測値の根拠となる説明変数を出力する。
［処理］
情報処理装置１００が実行するまとめ処理は、図４に示すとおりである。つまり、まず、情報処理装置１００が、オペレータによって選択された作業を取得する（ステップＳ１１）。次に、まとめ部５が、選択された作業をまとめてまとめ作業を作成する（ステップＳ１２）。このとき、選択された作業の説明変数の値を所定の演算式で組み合わせて（または組み合わせないようにして）、まとめ作業の説明変数の値を計算する。次に、まとめ部５は、選択された作業、および作成されたまとめ作業に対してまとめコードを割り当てる（ステップＳ１３）。なお、このとき、まとめコードをまとめるまとめコードを用意し、まとめ関係性を指定してもよい。以上で、まとめ処理が終了する。その後、まとめ作業に対して予測部２が見積原価推定超過の予測をする。
情報処理装置１００が実行するまとめ処理は、図４に示すとおりである。つまり、まず、情報処理装置１００が、オペレータによって選択された作業を取得する（ステップＳ１１）。次に、まとめ部５が、選択された作業をまとめてまとめ作業を作成する（ステップＳ１２）。このとき、選択された作業の説明変数の値を所定の演算式で組み合わせて（または組み合わせないようにして）、まとめ作業の説明変数の値を計算する。次に、まとめ部５は、選択された作業、および作成されたまとめ作業に対してまとめコードを割り当てる（ステップＳ１３）。なお、このとき、まとめコードをまとめるまとめコードを用意し、まとめ関係性を指定してもよい。以上で、まとめ処理が終了する。その後、まとめ作業に対して予測部２が見積原価推定超過の予測をする。
［まとめ作業による効果］
従来の広域監視では、情報処理装置１００による予測によって、見積原価推定超過が１Ｍ以上となる作業（懸念される作業）の抽出数が多すぎる場合があるため、重点監視の対象にするか否かの判断のための調査に要する人的コストがさらに大きくなってしまうという問題があった。また、監視対象の作業が小規模である場合、見積原価超過などの値が調査できないほどに小さいため、当該作業の調査に対して余計な人的コストを要するという問題があった。なお、「監視対象の作業が小規模である場合」とは、例えば、当該作業の開始時期から終了時期までの期間が極めて短い期間である場合や、当該作業の説明変数の値が極めて小さい場合をいう。
従来の広域監視では、情報処理装置１００による予測によって、見積原価推定超過が１Ｍ以上となる作業（懸念される作業）の抽出数が多すぎる場合があるため、重点監視の対象にするか否かの判断のための調査に要する人的コストがさらに大きくなってしまうという問題があった。また、監視対象の作業が小規模である場合、見積原価超過などの値が調査できないほどに小さいため、当該作業の調査に対して余計な人的コストを要するという問題があった。なお、「監視対象の作業が小規模である場合」とは、例えば、当該作業の開始時期から終了時期までの期間が極めて短い期間である場合や、当該作業の説明変数の値が極めて小さい場合をいう。
本実施形態によれば、予測対象の作業を含む複数種類のまとめ作業を作成することで、広域監視の対象となる作業の作業数を実質的に低減することができる。また、見積原価推定超過が１Ｍ以上となる作業の抽出数も実質的に低減することができる。よって、重点監視の対象にするか否かの判断のための調査に要する人的コストを低減できる。また、監視対象の作業が小規模であったしても、当該作業を含むまとめ作業は大規模にすることができるため、見積原価超過などの値を調査できる程度に大きくすることができ、当該作業の調査に対する余計な人的コストを省くことができる。したがって、広域監視にて、プロジェクトの悪化予兆を早期に検知するとともに、重点監視の対象にするか否かの判断の人的コストを低減することができる。
また、まとめ作業に対して見積原価推定超過の予測値、および、その予測値の根拠となる説明変数を出力できる。つまり、まとめ作業を、まとめ作業を構成する作業と同等に扱うことができる。また、まとめ作業を構成する他の作業を利用して、まとめ作業の予測結果から予測対象の作業の予測結果を得ることもできる。
また、複数のまとめ作業をまとめたまとめ作業を作成できるため、広域監視の対象となる作業の作業数を実質的にさらに低減することができる。また、見積原価推定超過が１Ｍ以上となる作業の抽出数も実質的にさらに低減することができる。よって、重点監視の対象にするか否かの判断のための調査に要する人的コストをさらに低減できる。また、複数のまとめ作業をまとめたまとめ作業はさらに大規模になるため、見積原価超過などの値をさらに確実に調査できる程度に大きくすることができ、当該作業の調査に対する余計な人的コストをさらに省くことができる。
また、まとめ作業に対して見積原価推定超過の予測値、および、その予測値の根拠となる説明変数を出力できる。つまり、まとめ作業を、まとめ作業を構成する作業と同等に扱うことができる。また、まとめ作業を構成する他の作業を利用して、まとめ作業の予測結果から予測対象の作業の予測結果を得ることもできる。
また、複数のまとめ作業をまとめたまとめ作業を作成できるため、広域監視の対象となる作業の作業数を実質的にさらに低減することができる。また、見積原価推定超過が１Ｍ以上となる作業の抽出数も実質的にさらに低減することができる。よって、重点監視の対象にするか否かの判断のための調査に要する人的コストをさらに低減できる。また、複数のまとめ作業をまとめたまとめ作業はさらに大規模になるため、見積原価超過などの値をさらに確実に調査できる程度に大きくすることができ、当該作業の調査に対する余計な人的コストをさらに省くことができる。
本実施形態では、作業に対して、まとめ部５によるまとめ処理を行い、まとめ作業を作成した。しかし、すでに説明したように、悪化予兆の処理に関して、プロジェクトと作業とを同一視できるため、まとめ部５は、プロジェクトに対してもまとめ処理を行うことができ、複数種類のプロジェクトをまとめたまとめプロジェクトを作成できる。例えば、まとめ部５は、選択された予測対象の第２プロジェクト、および選択された複数種類の第１プロジェクトをまとめたまとめプロジェクトを作成できる。
まとめ部５は、選択された第２プロジェクトの説明変数、および選択された複数種類の第１プロジェクトの説明変数を用いて、まとめプロジェクトの説明変数を計算できる。予測部２は、計算された、まとめプロジェクトの説明変数を予測モデルに入力し、まとめプロジェクトの見積原価推定超過の予測値、および、予測値の根拠となる説明変数を出力することができる。
まとめプロジェクトとして、第１まとめプロジェクトおよび第２まとめプロジェクトが存在する場合、まとめ部は、第１まとめプロジェクトおよび第２まとめプロジェクトをまとめた第３まとめプロジェクトを作成することができる。
なお、プロジェクトを構成する複数種類のサブプロジェクトに対しても上記まとめ処理を適用できる。
まとめ部５は、選択された第２プロジェクトの説明変数、および選択された複数種類の第１プロジェクトの説明変数を用いて、まとめプロジェクトの説明変数を計算できる。予測部２は、計算された、まとめプロジェクトの説明変数を予測モデルに入力し、まとめプロジェクトの見積原価推定超過の予測値、および、予測値の根拠となる説明変数を出力することができる。
まとめプロジェクトとして、第１まとめプロジェクトおよび第２まとめプロジェクトが存在する場合、まとめ部は、第１まとめプロジェクトおよび第２まとめプロジェクトをまとめた第３まとめプロジェクトを作成することができる。
なお、プロジェクトを構成する複数種類のサブプロジェクトに対しても上記まとめ処理を適用できる。
［変形例］
（ａ）：第１、第２実施形態では、進捗率をプロジェクトの期間を用いた時期的基準で算出した。しかし、例えば、進徳率は、プロジェクトで取り組む作業の達成度から算出してもよい。
（ｂ）：第１実施形態では、第１プロジェクトごとに、第１プロジェクトの監視情報のうち進捗率50％相当の時期での説明変数を予測モデルの入力とした。しかし、例えば、第１プロジェクトごとに、50％以外の任意の同じ進捗率相当の時期での説明変数を予測モデルの入力としてもよい。また、第１プロジェクトごとに異なる進捗率相当の時期での説明変数を予測モデルに入力してもよい。
（ｃ）：第２実施形態では、訓練日を定期化することで、同じ第１プロジェクトに対して、複数種類の進捗率を実質的に選択し、選択した進捗率での説明変数を予測モデルに入力した。しかし、例えば、情報処理装置１００のユーザが入力部を操作して、同じ第１プロジェクトに対して、任意の進捗率を複数種類選択し、選択した進捗率での説明変数を予測モデルに入力してもよい。
（ｄ）：本実施形態では、予測段階でまとめ作業（又はまとめプロジェクト）を作成、利用する場合について説明した。しかし、訓練段階でまとめ作業（又はまとめプロジェクト）を作成、利用してもよい。まとめ作業（又はまとめプロジェクト）も加えて予測モデルを訓練することで、学習パターンを増やすことができ、予測精度の向上を期待できる。
（ｅ）：本実施形態では、小規模な作業（又はプロジェクト）に対してまとめ作業（又はまとめプロジェクト）を作成するようにした。しかし、本発明は、大規模な作業（又はプロジェクト）に対してまとめ作業（又はまとめプロジェクト）を作成することを妨げない。
（ａ）：第１、第２実施形態では、進捗率をプロジェクトの期間を用いた時期的基準で算出した。しかし、例えば、進徳率は、プロジェクトで取り組む作業の達成度から算出してもよい。
（ｂ）：第１実施形態では、第１プロジェクトごとに、第１プロジェクトの監視情報のうち進捗率50％相当の時期での説明変数を予測モデルの入力とした。しかし、例えば、第１プロジェクトごとに、50％以外の任意の同じ進捗率相当の時期での説明変数を予測モデルの入力としてもよい。また、第１プロジェクトごとに異なる進捗率相当の時期での説明変数を予測モデルに入力してもよい。
（ｃ）：第２実施形態では、訓練日を定期化することで、同じ第１プロジェクトに対して、複数種類の進捗率を実質的に選択し、選択した進捗率での説明変数を予測モデルに入力した。しかし、例えば、情報処理装置１００のユーザが入力部を操作して、同じ第１プロジェクトに対して、任意の進捗率を複数種類選択し、選択した進捗率での説明変数を予測モデルに入力してもよい。
（ｄ）：本実施形態では、予測段階でまとめ作業（又はまとめプロジェクト）を作成、利用する場合について説明した。しかし、訓練段階でまとめ作業（又はまとめプロジェクト）を作成、利用してもよい。まとめ作業（又はまとめプロジェクト）も加えて予測モデルを訓練することで、学習パターンを増やすことができ、予測精度の向上を期待できる。
（ｅ）：本実施形態では、小規模な作業（又はプロジェクト）に対してまとめ作業（又はまとめプロジェクト）を作成するようにした。しかし、本発明は、大規模な作業（又はプロジェクト）に対してまとめ作業（又はまとめプロジェクト）を作成することを妨げない。
（ｆ）：本実施形態で説明した種々の技術を適宜組み合わせた技術を実現することもできる。
（ｇ）：本実施形態で説明したソフトウェアをハードウェアとして実現することもでき、ハードウェアをソフトウェアとして実現することもできる。
（ｈ）：その他、ハードウェア、ソフトウェア、フローチャートなどについて、本発明の趣旨を逸脱しない範囲で適宜変更が可能である。
（ｇ）：本実施形態で説明したソフトウェアをハードウェアとして実現することもでき、ハードウェアをソフトウェアとして実現することもできる。
（ｈ）：その他、ハードウェア、ソフトウェア、フローチャートなどについて、本発明の趣旨を逸脱しない範囲で適宜変更が可能である。
１００ 情報処理装置
１ 生成部
２ 予測部
３ 第１プロジェクトＤＢ
４ 第２プロジェクトＤＢ
５ まとめ部
１ 生成部
２ 予測部
３ 第１プロジェクトＤＢ
４ 第２プロジェクトＤＢ
５ まとめ部
Claims (3)
- 終了した第１プロジェクトの監視情報で訓練した予測モデルを生成する生成部と、
仕掛かりの第２プロジェクトの説明変数を前記予測モデルに入力し、前記第２プロジェクトの見積原価推定超過の予測値、および、前記予測値の根拠となる説明変数を出力する予測部と、
選択された前記第２プロジェクト、および選択された複数種類の第１プロジェクトをまとめたまとめプロジェクトを作成するまとめ部と、を備え、
前記まとめ部は、前記選択された前記第２プロジェクトの説明変数、および前記選択された複数種類の第１プロジェクトの説明変数を用いて、前記まとめプロジェクトの説明変数を計算し、
前記予測部は、前記計算された、前記まとめプロジェクトの説明変数を前記予測モデルに入力し、前記まとめプロジェクトの見積原価推定超過の予測値、および、前記予測値の根拠となる説明変数を出力する情報処理装置。 - 前記まとめプロジェクトとして、第１まとめプロジェクトおよび第２まとめプロジェクトが存在し、
前記まとめ部は、前記第１まとめプロジェクトおよび前記第２まとめプロジェクトをまとめた第３まとめプロジェクトを作成する請求項１に記載の情報処理装置。 - 情報処理装置が、
終了した第１プロジェクトの監視情報で訓練した予測モデルを生成するステップと、
仕掛かりの第２プロジェクトの説明変数を前記予測モデルに入力し、前記第２プロジェクトの見積原価推定超過の予測値、および、前記予測値の根拠となる説明変数を出力するステップと、
選択された前記第２プロジェクト、および選択された複数種類の第１プロジェクトをまとめたまとめプロジェクトを作成するステップと、を実行し、
前記選択された前記第２プロジェクトの説明変数、および前記選択された複数種類の第１プロジェクトの説明変数を用いて、前記まとめプロジェクトの説明変数を計算し、
前記計算された、前記まとめプロジェクトの説明変数を前記予測モデルに入力し、前記まとめプロジェクトの見積原価推定超過の予測値、および、前記予測値の根拠となる説明変数を出力する情報処理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2023086701A JP7367253B1 (ja) | 2023-05-26 | 2023-05-26 | 情報処理装置および情報処理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2023086701A JP7367253B1 (ja) | 2023-05-26 | 2023-05-26 | 情報処理装置および情報処理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP7367253B1 true JP7367253B1 (ja) | 2023-10-23 |
Family
ID=88418518
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2023086701A Active JP7367253B1 (ja) | 2023-05-26 | 2023-05-26 | 情報処理装置および情報処理方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7367253B1 (ja) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003526158A (ja) * | 2000-03-07 | 2003-09-02 | プライスウォーターハウスクーパーズ エル．エル．ピー | 最適化された結果導出ワークフローの合成および削除処理方法およびシステム |
| JP2007041915A (ja) * | 2005-08-04 | 2007-02-15 | Hitachi Information Systems Ltd | 損益管理システムおよび管理方法、ならびにそのプログラム |
| JP2012181739A (ja) * | 2011-03-02 | 2012-09-20 | Ntt Data Corp | 工数見積装置、工数見積方法、工数見積プログラム |
| JP2022032115A (ja) * | 2020-08-11 | 2022-02-25 | 株式会社日立社会情報サービス | プロジェクト予兆検知装置及びプロジェクト予兆検知方法 |
| JP2022173656A (ja) * | 2021-05-10 | 2022-11-22 | 株式会社日立社会情報サービス | 情報処理装置および情報処理方法 |
-
2023
- 2023-05-26 JP JP2023086701A patent/JP7367253B1/ja active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003526158A (ja) * | 2000-03-07 | 2003-09-02 | プライスウォーターハウスクーパーズ エル．エル．ピー | 最適化された結果導出ワークフローの合成および削除処理方法およびシステム |
| JP2007041915A (ja) * | 2005-08-04 | 2007-02-15 | Hitachi Information Systems Ltd | 損益管理システムおよび管理方法、ならびにそのプログラム |
| JP2012181739A (ja) * | 2011-03-02 | 2012-09-20 | Ntt Data Corp | 工数見積装置、工数見積方法、工数見積プログラム |
| JP2022032115A (ja) * | 2020-08-11 | 2022-02-25 | 株式会社日立社会情報サービス | プロジェクト予兆検知装置及びプロジェクト予兆検知方法 |
| JP2022173656A (ja) * | 2021-05-10 | 2022-11-22 | 株式会社日立社会情報サービス | 情報処理装置および情報処理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4717945B2 (ja) | 業務分析プログラムおよび業務分析装置 | |
| JP6009864B2 (ja) | 企業評価システム、企業評価方法及び企業評価プログラム | |
| US20030187767A1 (en) | Optimal allocation of budget among marketing programs | |
| US20120078678A1 (en) | Method and system for estimation and analysis of operational parameters in workflow processes | |
| CN104778622A (zh) | Tps交易事件阈值的预测方法及预测系统 | |
| JP7386203B2 (ja) | 情報処理装置および情報処理方法 | |
| KR20210001243A (ko) | 제품수명주기에 따른 수명주기별 온라인과 오프라인 정보분석 서비스 시스템 | |
| CN117494292B (zh) | 一种基于bim和ai大模型的工程进度管理方法及系统 | |
| Lapouchnian et al. | Re-designing process architectures towards a framework of design dimensions | |
| Ahmad et al. | Value stream mapping with lean thinking model for effective non-value added identification, evaluation and solution processes | |
| JP7367253B1 (ja) | 情報処理装置および情報処理方法 | |
| JP7475978B2 (ja) | 保全改善支援装置及び保全改善支援方法 | |
| JP5765529B2 (ja) | 業務システム変更支援システム、業務システム変更支援プログラム、および業務システム変更支援方法 | |
| Härting et al. | Cost-benefit considerations for data analytics-an SME-oriented framework enhanced by a management perspective and the process of idea generation | |
| JP7422265B1 (ja) | 情報処理装置および情報処理方法 | |
| KR102639188B1 (ko) | 딥러닝 기반의 동적 가격 산정 방법 및 동적 가격 산정 시스템 | |
| JP7488718B2 (ja) | プロジェクト予兆検知装置及びプロジェクト予兆検知方法 | |
| Shah et al. | Predictive Analytic Modeling: A Walkthrough | |
| Anderson et al. | Traversing and querying constraint driven temporal networks to estimate construction contingencies | |
| JP2023091216A (ja) | 情報処理装置および情報処理方法 | |
| Meneghello et al. | Runtime Integration of Machine Learning and Simulation for Business Processes | |
| Amani et al. | Evaluating factors affecting project success: an agile approach | |
| Sun et al. | PSUTAC: A trading agent designed from heuristics to knowledge | |
| JP7339152B2 (ja) | 損益分析装置、及び損益分析方法 | |
| JP7313887B2 (ja) | 保全改善支援システム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230531 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230531 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230704 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230807 |
|
| 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: 20231003 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231011 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7367253 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |