JP7405724B2 - 作業分析システム、及び作業分析方法 - Google Patents
作業分析システム、及び作業分析方法 Download PDFInfo
- Publication number
- JP7405724B2 JP7405724B2 JP2020175487A JP2020175487A JP7405724B2 JP 7405724 B2 JP7405724 B2 JP 7405724B2 JP 2020175487 A JP2020175487 A JP 2020175487A JP 2020175487 A JP2020175487 A JP 2020175487A JP 7405724 B2 JP7405724 B2 JP 7405724B2
- Authority
- JP
- Japan
- Prior art keywords
- work
- information
- processing
- series
- work processing
- 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
- 238000004458 analytical method Methods 0.000 title claims description 138
- 238000000034 method Methods 0.000 claims description 127
- 238000012545 processing Methods 0.000 claims description 124
- 230000010365 information processing Effects 0.000 claims description 28
- 238000010586 diagram Methods 0.000 description 17
- 238000007726 management method Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 238000013139 quantization Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 239000000284 extract Substances 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 235000006481 Colocasia esculenta Nutrition 0.000 description 1
- 240000004270 Colocasia esculenta var. antiquorum Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
も称する。)との因果関係に関する情報が有用である。例えば、営業活動においては、顧客訪問や要件取得、営業方法等の作業をどのような作業手順(作業処理)で行った場合に受注率が高くなり、逆にこうした作業をどのような作業手順(作業処理)で行った場合に失注率が高くなるのか、といった情報が有用である。
図1は、第1実施形態として示す情報処理システム(以下、「作業分析システム1」と称する。)の概略的な構成を示すシステムフロー図である。作業分析システム1は、一つ以上の情報処理装置(コンピュータ)を用いて構成される。
完了作業ないし当該業務で最後に実施された作業までに至る一連の有限な作業が、実際の実行順に基づき一連の作業処理として識別可能な状態になっているものとする。尚、作業処理は、例えば、特許文献1(特開2017-227944号公報)に記載されている方法等の公知の技術を用いて取得することができる。
は、通信可能に接続された複数の情報処理装置10を用いて構成してもよい。
PU(Micro Processing Unit)、GPU(Graphics Processing Unit)、FPGA(Field Programmable Gate Array)、ASIC(Application Specific Integrated Circuit
)、AI(Artificial Intelligence)チップ等を用いて構成されている。
Only Memory)、RAM(Random Access Memory)、不揮発性メモリ(NVRAM(Non Volatile RAM))等である。
ブ、光学式記憶装置(CD(Compact Disc)、DVD(Digital Versatile Disc)等)、ストレージシステム、ICカード、SDカードや光学式記録媒体等の記録媒体の読取/書込装置、クラウドサーバの記憶領域等である。補助記憶装置13には、記録媒体の読取装置や通信装置16を介してプログラムやデータを読み込むことができる。補助記憶装置13に格納(記憶)されているプログラムやデータは主記憶装置12に随時読み込まれる。
等である。
Frequency - Invers Document Frequency)、Word2Vec(CBOW(Continuous
Bag of Word)、Skip-Gram)等を用いて行われる。
図7は、第2実施形態として示す作業分析システム1の概略的な構成を示すシステムフロー図である。第2実施形態の作業分析システム1は、基本的な構成は第1実施形態と同様であるが、分析部150が、クラスタ化ログ情報114のクラスタ毎に、クラスタの作業処理を取得し、取得した作業処理を、ログ情報111に基づき、業務が成功した作業処理(以下、「成功作業処理」と称する。)の群(以下、「成功作業処理群」と称する。)と業務が失敗した作業処理(以下、「失敗作業処理」と称する。)の群(以下、「失敗作業処理群」と称する。)とに分類し、成功作業処理群にのみ登場する頻出系列(以下、「成功系列」と称する。)と失敗作業処理群にのみ登場する頻出系列(以下、「失敗系列」と称する。)、及び、成功作業処理群及び失敗作業処理群の双方に登場する頻出系列(以下、「共通系列」と称する。)を特定し、特定した頻出系列に基づき分析を行った結果である分析結果115を生成し出力する点で、第1実施形態の作業分析システム1と構成が異なる。
期訪問_いまいち」というノードが0.9の頻度で出現していた場合、「初期訪問_いまいち
」は長さ1の頻出系列とみなされる。また、もし「初期訪問_いまいち」の後に「提案体
制の決定」というノードがやはり0.9という頻度で出現していた場合、初期訪問_いまいち」から「提案体制の決定」という順序関係の頻出系列としてみなされる。尚、頻出系列は、ノード間の相対的な順序関係においての頻出度合いを表現するものである。ノード間の間隔の上限を特に規定しなければ、実際の事例に照らし合わせた際に当該ノード間に他のノードがいくつ含まれていても、閾値を超える数の事例でその順序関係が成り立っていれば頻出であると判断する。尚、頻出系列の特定は、例えば、公知の頻出系列抽出手法(頻出パターンマイニング(frequent pattern mining)等)を用いて行うことができる。
第3実施形態の作業分析システム1は、第2実施形態の作業分析システム1の構成に加え、第2実施形態で生成したクラスタ化ログ情報114と分析結果115に基づき、ユーザが行った作業の来歴情報118を分析することにより得られる情報を生成して出力する構成を有する。来歴情報118は、ユーザがこれまでに行った作業処理に関する情報を含む。来歴情報118の取得方法は必ずしも限定されないが、例えば、ユーザの手入力やユーザが利用している既存の情報処理システムから取得される。
析処理部170を更に備える。また、第3実施形態の作業分析システム1の記憶部110は、来歴情報118と来歴分析結果119を更に記憶する。尚、同図では第2実施形態で説明した構成については省略もしくは簡略化している。
ICカード、SDカード、DVD等の記録媒体に置くことができる。
来歴情報、119 来歴分析結果、120 量子化部、130 クラスタ化部、150
分析部、160 クラスタ推定部、170 来歴分析処理部、S900 作業処理分析処理、1200 来歴分析結果表示画面
Claims (14)
- プロセッサ及び記憶装置を有する情報処理装置を用いて構成され、
業務に関する一連の作業の流れに関する情報である作業処理と前記作業処理の結果に関する情報である作業処理結果とを含んだログ情報を記憶する記憶部と、
前記ログ情報における作業処理に関する情報を量子化することにより取得される特徴量に基づき、前記作業処理を複数のクラスタに分類した情報であるクラスタ化ログ情報を生成するクラスタ化部と、
前記クラスタ化ログ情報と前記ログ情報から取得される前記作業処理結果とに基づき、前記クラスタの夫々について、前記作業処理と前記作業処理結果との関係を示す情報を生成する分析部と、
を備える、作業分析システム。 - 請求項1に記載の作業分析システムであって、
前記クラスタ化部は、前記作業処理に表現されている、作業主体の熟練度の差、異なる作業処理の共通の情報処理システムへの相乗りの状況、顧客側の作業処理であるか否か、及び作業客体の違い、のうちの少なくともいずれかの情報に基づき、前記作業処理をクラスタに分類する、
作業分析システム。 - 請求項1に記載の作業分析システムであって、
前記作業処理と前記作業処理結果との関係を示す前記情報は、前記作業処理の夫々が、成功に繋がる作業処理である成功作業処理であるか、失敗に繋がる作業処理である失敗作業処理であるかを示す情報を含む、
作業分析システム。 - 請求項3に記載の作業分析システムであって、
前記分析部は、前記成功作業処理の群である成功作業処理群にのみ登場する頻出系列である成功系列、又は前記失敗作業処理の群である失敗作業処理群にのみ登場する頻出系列である失敗系列を特定し、特定した前記頻出系列を示す情報を生成する、
作業分析システム。 - 請求項3に記載の作業分析システムであって、
前記記憶部は、作業の来歴情報を記憶し、
前記来歴情報と前記クラスタ化ログ情報とを対照することにより、前記来歴情報に類似又は一致する前記作業処理を含む前記クラスタを特定し、特定した前記クラスタを示す情報を生成するクラスタ化推定部を更に備える、
作業分析システム。 - 請求項5に記載の作業分析システムであって、
前記分析部は、前記成功作業処理からなる群である成功作業処理群にのみ登場する頻出系列である成功系列、及び前記失敗作業処理からなる群である失敗作業処理群にのみ登場する頻出系列である失敗系列を特定し、
前記クラスタ化推定部が推定した前記クラスタを構成する前記作業処理と、当該クラスタにおける前記成功系列又は前記失敗系列とを対照することにより、前記作業処理に対応する前記作業処理結果を特定し、特定した前記作業処理結果を示す情報を生成する来歴分析処理部を更に備える、
作業分析システム。 - 請求項1乃至6のいずれか一項に記載の作業分析システムであって、
生成した前記情報を出力するユーザインタフェースを更に備える、
作業分析システム。 - プロセッサ及び記憶装置を有する情報処理装置が、
業務に関する一連の作業の流れに関する情報である作業処理と前記作業処理の結果に関する情報である作業処理結果とを含んだログ情報を記憶するステップと、
前記ログ情報における作業処理に関する情報を量子化することにより取得される特徴量に基づき、前記作業処理を複数のクラスタに分類した情報であるクラスタ化ログ情報を生成するステップと、
前記クラスタ化ログ情報と前記ログ情報から取得される前記作業処理結果とに基づき、前記クラスタの夫々について、前記作業処理と前記作業処理結果との関係を示す情報を生成するステップと、
を実行する、作業分析方法。 - 請求項8に記載の作業分析方法であって、
前記情報処理装置が、前記作業処理に表現されている、作業主体の熟練度の差、異なる作業処理の共通の情報処理システムへの相乗りの状況、顧客側の作業処理であるか否か、及び作業客体の違い、のうちの少なくともいずれかの情報に基づき、前記作業処理をクラスタに分類するステップ、
を更に実行する、作業分析方法。 - 請求項8に記載の作業分析方法であって、
前記作業処理と前記作業処理結果との関係を示す前記情報は、前記作業処理の夫々が、成功に繋がる作業処理である成功作業処理であるか、失敗に繋がる作業処理である失敗作業処理であるかを示す情報を含む、
作業分析方法。 - 請求項10に記載の作業分析方法であって、
前記情報処理装置が、前記成功作業処理の群である成功作業処理群にのみ登場する頻出系列である成功系列、又は前記失敗作業処理の群である失敗作業処理群にのみ登場する頻出系列である失敗系列を特定し、特定した前記頻出系列を示す情報を生成するステップ、
を更に実行する、作業分析方法。 - 請求項10に記載の作業分析方法であって、
前記情報処理装置が、
作業の来歴情報を記憶するステップと、
前記来歴情報と前記クラスタ化ログ情報とを対照することにより、前記来歴情報に類似又は一致する前記作業処理を含む前記クラスタを特定し、特定した前記クラスタを示す情報を生成するステップと、
を更に実行する、作業分析方法。 - 請求項11に記載の作業分析方法であって、
前記情報処理装置が、
前記成功作業処理からなる群である成功作業処理群にのみ登場する頻出系列である成功系列、及び前記失敗作業処理からなる群である失敗作業処理群にのみ登場する頻出系列である失敗系列を特定するステップと、
推定した前記クラスタを構成する前記作業処理と、当該クラスタにおける前記成功系列又は前記失敗系列とを対照することにより、前記作業処理に対応する前記作業処理結果を特定し、特定した前記作業処理結果を示す情報を生成するステップと、
を更に実行する、作業分析方法。 - 請求項8乃至13のいずれか一項に記載の作業分析方法であって、
前記情報処理装置が、生成した情報をユーザインタフェースを介して出力するステップ
を更に実行する、作業分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020175487A JP7405724B2 (ja) | 2020-10-19 | 2020-10-19 | 作業分析システム、及び作業分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020175487A JP7405724B2 (ja) | 2020-10-19 | 2020-10-19 | 作業分析システム、及び作業分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022066892A JP2022066892A (ja) | 2022-05-02 |
JP7405724B2 true JP7405724B2 (ja) | 2023-12-26 |
Family
ID=81389757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020175487A Active JP7405724B2 (ja) | 2020-10-19 | 2020-10-19 | 作業分析システム、及び作業分析方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7405724B2 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003331113A (ja) | 2002-05-16 | 2003-11-21 | Softbrain Co Ltd | ビジネスプロセスの自律改善システム及び方法 |
JP2008117127A (ja) | 2006-11-02 | 2008-05-22 | Nippon Telegr & Teleph Corp <Ntt> | 業務プロセスにおける業務効率低下の原因侯補を抽出する方法、その装置およびプログラム |
-
2020
- 2020-10-19 JP JP2020175487A patent/JP7405724B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003331113A (ja) | 2002-05-16 | 2003-11-21 | Softbrain Co Ltd | ビジネスプロセスの自律改善システム及び方法 |
JP2008117127A (ja) | 2006-11-02 | 2008-05-22 | Nippon Telegr & Teleph Corp <Ntt> | 業務プロセスにおける業務効率低下の原因侯補を抽出する方法、その装置およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2022066892A (ja) | 2022-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Taymouri et al. | Business process variant analysis: Survey and classification | |
US20230385704A1 (en) | Systems and method for performing contextual classification using supervised and unsupervised training | |
JP7090936B2 (ja) | Esg基盤の企業評価遂行装置及びその作動方法 | |
CN107967575B (zh) | 一种人工智能保险咨询服务人工智能平台系统 | |
Leung et al. | Reducing the search space for big data mining for interesting patterns from uncertain data | |
US11042581B2 (en) | Unstructured data clustering of information technology service delivery actions | |
KR102105319B1 (ko) | Esg 기반의 기업 평가 수행 장치 및 이의 작동 방법 | |
Dasgupta et al. | Towards auto-remediation in services delivery: Context-based classification of noisy and unstructured tickets | |
Azzam et al. | Similarity Software Requirement Specification (SRS) Elicitation Based on the Requirement Statement Using Text Mining on the MNC Play Inventory Management Application | |
CN111445028A (zh) | Ai驱动的交易管理系统 | |
US20170220665A1 (en) | Systems and methods for merging electronic data collections | |
Marrara et al. | A language modelling approach for discovering novel labour market occupations from the web | |
Zealand | Data integration manual | |
Brockett et al. | A system for analysis and remediation of attrition | |
Trautmann et al. | Challenges of data management and analytics in omni-channel CRM | |
Yu | Data mining in library reader management | |
JP7405724B2 (ja) | 作業分析システム、及び作業分析方法 | |
Elhadad | Insurance Business Enterprises' Intelligence in View of Big Data Analytics | |
KR102432126B1 (ko) | 데이터 이활용에 관한 데이터 준비 방법 및 데이터 이활용 시스템 | |
Madaan et al. | Big data analytics: A literature review paper | |
CN112818215A (zh) | 产品数据的处理方法、装置、设备及存储介质 | |
Ishizuka et al. | Categorizing and visualizing issue tickets to better understand the features implemented in existing software systems | |
JP2023141668A (ja) | 業務支援システム、及び業務支援方法 | |
Singh et al. | Role of Data Mining: A Survey and its Implications | |
da Silva | Automatization of Incident Categorization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230216 |
|
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: 20231128 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231129 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231214 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7405724 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |