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
Description
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。
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。
[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。
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。
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。
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。
(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。
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。
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。
「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。
「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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
(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。
(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。
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 |