JP7462565B2 - 勤務シフト作成装置、学習モデル、及びコンピュータプログラム - Google Patents

Description

特許法第３０条第２項適用 平成３１年 １月３０日～ １月３１日ジャパンブロックチェーンカンファレンス ヨコハマ ラウンド ２０１９にて公開 ［刊行物等］ 平成３１年 ２月１９日～ ２月２０日東京デジタルイノベーション２０１９ Ｔｏｋｙｏにて公開 ［刊行物等］令和 １年 ７月 ４日株式会社 産業経済新聞社の電子版ウェブサイト （ｈｔｔｐｓ：／／ｗｗｗ．ｓａｎｋｅｉ．ｃｏｍ／ｅｃｏｎｏｍｙ／ｎｅｗｓ／１９０７０４／ｅｃｎ１９０７０４００１２－ｎ１．ｈｔｍｌ）にて公開 ［刊行物等］ 令和１年 ８月２７日～ ８月２９日外食ビジネスウィーク２０１９にて公開

本発明は、勤務シフト作成装置、学習モデル、及びコンピュータプログラムに関する。

工場、介護施設、小売店、飲食店などにおいては、勤務の曜日や時間帯が定められた固定的な勤務形態ではなく、日毎、時間帯毎に個別に勤務形態が定められたシフト勤務が行われている。

シフト勤務を採用する職場では、勤務者を管理する立場にある管理者が、勤務者の属性や要望に基づいて、日毎、時間帯毎に個別の勤務シフトを作成していることが一般的である。

勤務シフトの作成においては、複数の勤務者の属性や要望をパラメータとして多岐にわたり考慮することが求められることから、勤務シフトの作成を支援するシステムが提案されている（例えば、特許文献１を参照）。

特開平１１－６６１５１号公報

しかしながら、従来では、個々の勤務者の要望や属性に基づき、勤務シフトを作成する構成としており、複数の勤務者間の関係性を考慮して勤務シフトを作成することは困難である。

本発明は、複数の勤務者間の関係性を考慮して勤務シフトを作成することができる勤務シフト作成装置、学習モデル、及びコンピュータプログラムを提供することを目的とする。

本発明の一態様に係る勤務シフト作成装置は、設定した時間枠に割り当てる勤務者を決定することにより勤務シフトを作成する勤務シフト作成装置であって、他の勤務者との関係性を表す関係性データを含む勤務者毎の属性情報を取得する取得部と、該取得部にて取得した属性情報に基づき、前記時間枠に割り当てる勤務者の組み合わせを評価する評価部と、該評価部による評価結果に基づき、前記時間枠に割り当てる勤務者の組み合わせを決定する決定部とを備える。

本発明の一態様に係る学習モデルは、他の勤務者との関係性を表す関係性データを含む勤務者毎の属性情報が入力される入力層と、勤務者の属性情報と設定された時間枠に割り当てる勤務者の組み合わせの良否を示すラベルデータとを含む教師データに基づき、前記属性情報と前記組み合わせの良否との関係を学習した中間層と、勤務者の組み合わせに対する良否を示すデータを出力する出力層とを備え、前記入力層に入力される属性情報に基づき、前記中間層で演算し、前記時間枠に割り当てる勤務者の組み合わせに対する良否を示すデータを前記出力層から出力する処理に用いられる。

本発明の一態様に係るコンピュータプログラムは、コンピュータに、他の勤務者との関係性を表す関係性データを含む勤務者毎の属性情報を取得し、取得した属性情報に基づき、設定した時間枠に割り当てる勤務者の組み合わせを評価し、評価した結果に基づき、前記時間枠に割り当てる勤務者の組み合わせを決定する処理を実行させるためのコンピュータプログラムである。

本願によれば、複数の勤務者の関係性を考慮して勤務シフトを作成することができる。

実施の形態１に係る勤務シフト作成システムを説明する模式的説明図である。 管理者端末の内部構成を説明するブロック図である。 勤務者端末の内部構成を説明するブロック図である。 サーバ装置の内部構成を説明するブロック図である。 時間枠テーブルの一例を示す概念図である。 基本属性テーブルの一例を示す概念図である。 相性テーブルの一例を示す概念図である。 希望シフト集計テーブルの一例を示す概念図である。 評価テーブルの一例を示す概念図である。 学習モデルの構成例を示す模式図である。 学習モデルの生成手順を説明するフローチャートである。 実施の形態１における勤務シフトの作成手順を説明するフローチャートである。 実施の形態１における勤務シフトの作成手順を説明するフローチャートである。 相性データの入力を受付ける受付画面の一例を示す模式図である。 実施の形態２における学習モデルの再学習手順を説明するフローチャートである。 問い合わせ画面の一例を示す模式図である。 実施の形態３に係る時間枠の設定例を示す概念図である。 時間枠の調整手順を説明するフローチャートである。 実施の形態４におけるサーバ装置が実行する調整処理の手順を説明するフローチャートである。 勤務シフトの作成状況を通知する通知画面の一例を示す模式図である。 勤務時間の変更受付画面の一例を示す模式図である。 実施の形態６におけるサーバ装置が実行する処理の手順を説明するフローチャートである。 休暇申請画面の一例を示す模式図である。 実施の形態７におけるサーバ装置が実行する処理の手順を説明するフローチャートである。 割当人数の決定手法を説明する説明図である。

以下、本発明をその実施の形態を示す図面に基づいて具体的に説明する。
（実施の形態１）
図１は実施の形態１に係る勤務シフト作成システムを説明する模式的説明図である。実施の形態１に係る勤務シフト作成システムは、管理者が使用する管理者端末１０、勤務者（図１の例では勤務者Ａ～Ｅ）がそれぞれ使用する勤務者端末２０Ａ～２０Ｅ、並びに、管理者端末１０及び勤務者端末２０Ａ～２０Ｅから入力される情報に基づき、勤務シフトを作成するサーバ装置３０を備える。管理者端末１０、勤務者端末２０Ａ～２０Ｅ、及びサーバ装置３０は、インターネット網などのネットワークＮを介して互いに通信可能に接続されている。

本実施の形態において、管理者は、勤務者の勤務状況を管理する者であり、勤務シフトを作成し、必要に応じて勤務シフトを変更する権限を有する。管理者は、勤務者を割り当てる時間枠、各時間枠に割り当てる勤務者の人数、勤務者間の相性等を管理者端末１０を用いて設定する。管理者によって設定された時間枠、各時間枠に割り当てる勤務者の人数、勤務者間の相性等のデータは、サーバ装置３０へ送信され、サーバ装置３０に記憶される。

本実施の形態において、勤務者は、日毎、時間帯毎に個別に勤務形態を定めて勤務に就くシフト勤務の従事者である。勤務者は、サーバ装置３０からの要求に応じて、それぞれが希望する希望シフトを勤務者端末２０Ａ～２０Ｅを用いて入力し、入力した希望シフトをサーバ装置３０に通知する。

サーバ装置３０は、勤務者から通知される希望シフトに基づき、勤務シフトを作成する。このとき、サーバ装置３０は、勤務者間の相性データを含む勤務者の属性データに基づき、各時間枠に割り当てる勤務者の組み合わせを評価し、評価結果を参照して各時間枠に割り当てる勤務者の組み合わせを決定することにより、勤務シフトを作成する。サーバ装置３０は、作成した勤務シフトを管理者端末１０及び勤務者端末２０Ａ～２０Ｅへ通知する。

なお、図１の例では、便宜的に５人の勤務者Ａ～Ｅを示したが、勤務者の人数は５人に限定されるものではない。また、以下の説明において、勤務者端末２０Ａ～２０Ｅを区別して説明する必要がない場合、単に勤務者端末２０（図３を参照）とも記載する。

図２は管理者端末１０の内部構成を説明するブロック図である。管理者端末１０は、例えば、スマートフォン、パーソナルコンピュータなどの端末装置であり、制御部１１、記憶部１２、通信部１３、操作部１４、及び表示部１５を備える。

制御部１１は、例えば、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）等を備える。制御部１１のＣＰＵは、ＲＯＭ又は記憶部１２に予め記憶された各種プログラムをＲＡＭに展開して実行することにより、上述した各種ハードウェアの動作を制御する。

なお、制御部１１は、上記の構成に限定されるものではなく、１又は複数のＣＰＵ、マルチコアＣＰＵ、マイコン等を含む任意の処理回路であればよい。また、制御部１１は、日時情報を出力するクロック、計測開始指示を与えてから計測終了指示を与えるまでの経過時間を計測するタイマ、数をカウントするカウンタ等の機能を備えていてもよい。

記憶部１２は、ＳＲＡＭ（Static Random Access Memory）、フラッシュメモリ、ハードディスクなどを用いた記憶装置を備える。記憶部１２には、制御部１１によって実行される各種コンピュータプログラム、及びコンピュータプログラムの実行に必要なデータ等が記憶される。記憶部１２に記憶されるコンピュータプログラムには、管理者端末１０の動作全体を制御するためのプログラムであるオペレーティングシステム、管理者から各種データの入力を受付けるためのアプリケーションプログラム等が含まれる。

なお、記憶部１２に記憶されるプログラムは、当該プログラムを読み取り可能に記録した非一時的な記録媒体により提供されてもよい。記録媒体は、例えば、ＣＤ－ＲＯＭ、ＵＳＢメモリ、ＳＤ（Secure Digital）カード、マイクロＳＤカード、コンパクトフラッシュ（登録商標）などの可搬型メモリである。この場合、制御部１１は、不図示の読取装置を用いて記録媒体から各種プログラムを読み取り、読み取った各種プログラムを記憶部１２にインストールすることが可能である。また、記憶部１２に記憶されるプログラムは、通信部１３を介した通信により提供されてもよい。この場合、制御部１１は、通信部１３を通じて各種プログラムを取得し、取得した各種プログラムを記憶部１２にインストールすることができる。

通信部１３は、ネットワークＮに接続するための接続インタフェースを備える。通信部１３は、サーバ装置３０等から送信される情報をネットワークＮを通じて受信した場合、受信した情報を制御部１１へ出力する。制御部１１は、通信部１３を通じて受信した情報に基づき、適宜の処理を実行する。また、通信部１３は、サーバ装置３０等へ送信すべき情報を制御部１１から取得した場合、ネットワークＮを通じてサーバ装置３０等へ送信する。

操作部１４は、キーボード、マウスなどの入力インタフェースを備えており、管理者による操作を受付ける。表示部１５は、液晶ディスプレイ装置などを備えており、管理者に対して報知すべき情報を表示する。

図３は勤務者端末２０の内部構成を説明するブロック図である。勤務者端末２０は、例えば、スマートフォン、パーソナルコンピュータなどの端末装置であり、制御部２１、記憶部２２、通信部２３、操作部２４、及び表示部２５を備える。

制御部２１は、例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ等を備える。制御部２１のＣＰＵは、ＲＯＭ又は記憶部２２に予め記憶された各種プログラムをＲＡＭに展開して実行することにより、上述した各種ハードウェアの動作を制御する。

なお、制御部２１は、上記の構成に限定されるものではなく、１又は複数のＣＰＵ、マルチコアＣＰＵ、マイコン等を含む任意の処理回路であればよい。また、制御部２１は、日時情報を出力するクロック、計測開始指示を与えてから計測終了指示を与えるまでの経過時間を計測するタイマ、数をカウントするカウンタ等の機能を備えていてもよい。

記憶部２２は、ＳＲＡＭ、フラッシュメモリ、ハードディスクなどを用いた記憶装置を備える。記憶部２２には、制御部２１によって実行される各種コンピュータプログラム、及びコンピュータプログラムの実行に必要なデータ等が記憶される。記憶部２２に記憶されるコンピュータプログラムには、勤務者端末２０の動作全体を制御するためのプログラムであるオペレーティングシステム、勤務者から各種データの入力を受付けるためのアプリケーションプログラム等が含まれる。

なお、記憶部２２に記憶されるプログラムは、当該プログラムを読み取り可能に記録した非一時的な記録媒体により提供されてもよい。記録媒体は、例えば、ＣＤ－ＲＯＭ、ＵＳＢメモリ、ＳＤカード、マイクロＳＤカード、コンパクトフラッシュなどの可搬型メモリである。この場合、制御部２１は、不図示の読取装置を用いて記録媒体から各種プログラムを読み取り、読み取った各種プログラムを記憶部２２にインストールすることが可能である。また、記憶部２２に記憶されるプログラムは、通信部２３を介した通信により提供されてもよい。この場合、制御部２１は、通信部２３を通じて各種プログラムを取得し、取得した各種プログラムを記憶部２２にインストールすることができる。

通信部２３は、ネットワークＮに接続するための接続インタフェースを備える。通信部２３は、サーバ装置３０等から送信される情報をネットワークＮを通じて受信した場合、受信した情報を制御部２１へ出力する。制御部２１は、通信部２３を通じて受信した情報に基づき、適宜の処理を実行する。また、通信部２３は、サーバ装置３０等へ送信すべき情報を制御部２１から取得した場合、ネットワークＮを通じてサーバ装置３０等へ送信する。

操作部２４は、キーボード、マウスなどの入力インタフェースを備えており、勤務者による操作を受付ける。表示部２５は、液晶ディスプレイ装置などを備えており、勤務者に対して報知すべき情報を表示する。

図４はサーバ装置３０の内部構成を説明するブロック図である。サーバ装置３０は、例えば、制御部３１、記憶部３２、通信部３３、操作部３４、及び表示部３５を備える。

制御部３１は、例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ等を備える。制御部３１のＣＰＵは、ＲＯＭ又は記憶部３２に予め記憶された各種プログラムをＲＡＭに展開して実行することにより、上述した各種ハードウェアの動作を制御し、装置全体を本願の勤務シフト作成装置として機能させる。

なお、制御部３１は、ＣＰＵ、ＲＯＭおよびＲＡＭを備える構成としたが、ＧＰＵ（Graphics Processing Unit）、ＦＰＧＡ（Field Programmable Gate Array）、ＤＳＰ（Digital Signal Processor）、量子プロセッサ、揮発性または不揮発性のメモリ等を備える１又は複数の演算回路であってもよい。また、制御部３１は、日時情報を出力するクロック、計測開始指示を与えてから計測終了指示を与えるまでの経過時間を計測するタイマ、数をカウントするカウンタ等の機能を備えていてもよい。

記憶部３２は、ＳＲＡＭ、フラッシュメモリ、ハードディスクなどを用いた記憶装置を備える。記憶部３２には、制御部３１によって実行される各種コンピュータプログラム、及びコンピュータプログラムの実行に必要な各種データ等が記憶される。

記憶部３２に記憶されるコンピュータプログラムには、サーバ装置３０の動作全体を制御するためのコンピュータプログラムであるオペレーティングシステム、管理者端末１０及び勤務者端末２０から取得した情報に基づき、勤務シフトを作成するためのコンピュータプログラムである勤務シフト作成プログラム等が含まれる。

なお、記憶部３２に記憶されるプログラムは、当該プログラムを読み取り可能に記録した非一時的な記録媒体Ｍにより提供されてもよい。記録媒体Ｍは、例えば、ＣＤ－ＲＯＭ、ＵＳＢメモリ、ＳＤカード、マイクロＳＤカード、コンパクトフラッシュなどの可搬型メモリである。この場合、制御部３１は、不図示の読取装置を用いて記録媒体Ｍから各種プログラムを読み取り、読み取った各種プログラムを記憶部３２にインストールすることが可能である。また、記憶部３２に記憶されるプログラムは、通信部３３を介した通信により提供されてもよい。この場合、制御部３１は、通信部３３を通じて各種プログラムを取得し、取得した各種プログラムを記憶部３２にインストールすることができる。

記憶部３２に記憶されるデータには、勤務者の割り当てを規定する時間枠情報、勤務者の属性を示す属性情報が含まれる。

記憶部３２は、時間枠情報を記憶するテーブルとして、時間枠テーブル３２０を備える。図５は時間枠テーブル３２０の一例を示す概念図である。時間枠テーブル３２０には、所定期間毎（例えば１ヶ月毎）に設定された時間枠の情報と、各時間枠に割り当てるべき勤務者の人数の情報とが記憶される。サーバ装置３０は、例えば、時間枠の情報及び各時間枠に割り当てるべき勤務者の人数を管理者端末１０から取得し、取得した情報を時間枠テーブル３２０に記憶させる。図５に示した例では、「１０月１日」から「１０月３１日」の期間に対して設定された時間枠の情報と、各時間枠において割り当てる勤務者の人数とが時間枠テーブル３２０に登録されている状態を示している。なお、時間枠は３つに限定されるものではなく、業務形態に応じて任意に設定することが可能である。

また、記憶部３２は、勤務者の属性情報を記憶するテーブルとして、基本属性を記憶する基本属性テーブル３２１、勤務者間の相性を記憶する相性テーブル３２２、各勤務者の希望シフトを集計した希望シフト集計テーブル３２３、各勤務者に対する評価を記憶した評価テーブル３２４等を備える。

図６は基本属性テーブル３２１の一例を示す概念図である。基本属性テーブル３２１には、勤務者の氏名、性別、生年月日、住所、電話番号、メールアドレス、勤務可能地域等の勤務者の基本属性が記憶される。サーバ装置３０は、管理者端末１０又は勤務者端末２０から必要な情報を取得し、取得した情報を基本属性テーブル３２１に記憶させる。なお、基本属性は、上述した内容に限定されるものではなく、勤務者の勤務年数の情報、勤務者の役職（正社員、派遣、パート、マネージャ等）の情報、後述する勤務者レベルの情報等を含んでいてもよい。

図７は相性テーブル３２２の一例を示す概念図である。相性テーブル３２２には、勤務者間の相性データが記憶される。相性データは、例えば５段階の整数値であり、管理者の主観によって設定される。図７の例では、相性データが「５」の場合、最も相性が良く、相性データが「１」の場合、最も相性が悪いことを示している。サーバ装置３０は、管理者端末１０にて設定される相性データを取得し、取得した相性データを相性テーブル３２２に記憶させる。

図８は希望シフト集計テーブル３２３の一例を示す概念図である。希望シフト集計テーブル３２３には、各勤務者から提出された希望シフトの情報が記憶される。図８に示す希望シフト集計テーブル３２３の例において、「可」が入力されている時間枠は、勤務者が勤務を希望した時間枠を示し、「不可」が入力されている時間枠は、勤務者が勤務を希望しない時間枠を示している。また、「－」が入力されている時間枠は、勤務者は勤務を希望していないが、要望に応じて勤務が可能である時間枠を示している。サーバ装置３０は、勤務者端末２０から必要な情報を取得し、取得した情報を希望シフト集計テーブル３２３に記憶させる。また、各勤務者の勤務者端末２０から情報を収集する構成に代えて、管理者端末１０にて各勤務者の希望シフトを取り纏め、各勤務者の希望シフトをサーバ装置３０から一括して取得する構成としてもよい。

図９は評価テーブル３２４の一例を示す概念図である。評価テーブル３２４には、例えば、管理者評価、業務効率、売上高、勤務者レベル等の情報が勤務者毎に記憶される。管理者評価は、勤務者に対する管理者の主観評価を示す値であり、例えば５段階の整数値により設定される。図９の例では、管理者評価が「５」の場合、最も評価が高く、管理者評価が「１」の場合、最も評価が低いことを示している。業務効率は、各勤務者の単位時間当たりの業務量を数値化したものを表している。売上高は、各勤務者の売上高を表し、例えば時間枠内での売上高を基準に算出され得る。１つの時間枠に複数の勤務者が割り当てられている場合、売上高を勤務者の人数で等分して算出してもよく、各勤務者の業務効率を基に算出した重みを考慮して各勤務者の売上高を算出してもよい。勤務者レベルは、各勤務者の業務スキルを客観的に評価した値であり、例えば勤務時間の累計を基に算出され得る。図９の例では、業務レベルは「１」から段階的に上昇する整数値によって表されており、勤務時間の累計が０～Ｘ時間（Ｘは適宜の値）に達するまではレベル「１」、勤務時間の累計がＸ時間を超えた場合にレベル「２」といったように段階的に上場するように設定されている。

また、記憶部３２には、勤務者の属性データに基づき、勤務者の組み合わせの良否を判定する処理に用いられる学習モデル３００が記憶される。学習モデル３００は、サーバ装置３０が作成する勤務シフトにおいて、１つの時間枠に対して複数の勤務者を割り当てる際、勤務者の組み合わせを評価するために用いられる。学習モデル３００は、その定義情報によって記述される。学習モデル３００の定義情報は、学習モデル３００の構造情報、学習モデル３００で用いられるノード間の重み及びバイアスなどの各種パラメータ等を含む。本実施形態では、勤務者の属性データと、勤務者の組み合わせの良否を示すラベルデータとを教師データとして、所定の学習アルゴリズムによって予め学習された学習モデル３００が記憶部３２に記憶されているものとする。

通信部３３は、ネットワークＮに接続するための接続インタフェースを備える。通信部３３は、管理者端末１０、勤務者端末２０等から送信される情報をネットワークＮを通じて受信した場合、受信した情報を制御部３１へ出力する。制御部３１は、通信部３３を通じて受信した情報に基づき、適宜の処理を実行する。また、通信部３３は、管理者端末１０、勤務者端末２０等へ送信すべき情報を制御部３１から取得した場合、ネットワークＮを通じて管理者端末１０、勤務者端末２０等へ送信する。

操作部３４は、キーボード、マウスなどの入力インタフェースを備えており、勤務者による操作を受付ける。表示部３５は、液晶ディスプレイ装置などを備えており、勤務者に対して報知すべき情報を表示する。なお、本実施の形態では、サーバ装置３０が操作部３４及び表示部３５を備える構成としたが、操作部３４及び表示部３５は必須ではなく、外部に接続されたコンピュータを通じて操作を受付け、通知すべき情報を外部のコンピュータへ出力する構成であってもよい。

なお、本実施の形態では、簡略化のために、サーバ装置３０を１つの装置として記載したが、複数の処理装置により構成されてもよく、１又は複数の仮想マシンにより構成されるものであってもよい。

図１０は学習モデル３００の構成例を示す模式図である。学習モデル３００は、深層学習を含む機械学習の学習モデルであり、例えばニューラルネットワークにより構成されている。学習モデル３００は、入力層３０１、中間層３０２、及び出力層３０３を備える。なお、図１０の例では、中間層３０２を２つ記載しているが、中間層３０２の数は２つに限定されず、３つ以上であってもよい。

入力層３０１、中間層３０２、及び出力層３０３には、それぞれ１つ以上のノードが存在し、各層のノードは、前後の層に存在するノードと一方向に所望の重み及びバイアスで結合されている。

入力層３０１の各ノードには、勤務者間の相性データを含む各勤務者の属性データが与えられる。なお、入力層３０１を構成するノードの数は、入力するデータの数に応じて適宜設計され得る。入力層３０１の各ノードに与えられたデータは、最初の中間層３０２に与えられる。その中間層３０２において重み及びバイアスを含む活性化関数を用いて出力が算出され、算出された値が次の中間層３０２に与えられ、以下同様にして出力層３０３の出力が求められるまで次々と後の層に伝達される。なお、ノード間を結合する重み、バイアス等の各種パラメータは、所定の学習アルゴリズムによって学習される。各種パラメータを学習する学習アルゴリズムには、例えば深層学習の学習アルゴリズムが用いられる。入力データとして、勤務者の相性データを含む属性データを用いる場合、当該属性データと、勤務者の組み合わせの良否を示すラベルデータとを含む教師データを用いて学習が行われる。

出力層３０３は、組み合わせの良否を示すデータを出力する。出力層３０３によるデータの出力形態は任意である。例えば、出力層３０３は、想定される組み合わせの数だけノードを有し、各ノードから各組み合わせに対する良否を示す数値を出力する構成とすることができる。このとき、出力層３０３は、下限を「０」、上限を「１」として、各組み合わせの良否を０～１の範囲の数値で出力してもよい。図１０に示した例では、勤務者Ａ、勤務者Ｂ、勤務者Ｃの組み合わせの良否を示す数値が「０．９５」であり、他の組み合わせの良否を示す数値よりも高いため、勤務者Ａ、勤務者Ｂ、勤務者Ｃが最も良い組み合わせであると推定することができる。なお、出力層３０３を構成するノードの数、及び各ノードの出力形態は、上記に限定されるものではなく、勤務者の数などに応じて適宜設計することが可能である。

図１１は学習モデル３００の生成手順を説明するフローチャートである。サーバ装置３０の制御部３１は、通信部３３又は操作部３４を通じて、学習モデル３００を生成するための教師データを取得する（ステップＳ１１）。教師データは、例えば、勤務者間の相性データを含む属性データと、管理者が設定した組み合わせの良否を示すラベルデータ（例えば、０～１の数値）とを含む。学習モデル３００に入力する属性データは、相性データの他、勤務年数、役職、勤務者レベルの情報を含んでいてもよい。属性データは、勤務者の年齢、通勤コスト、通勤距離、勤務時間、勤務超過時間、及び給与額の情報を含んでもよい。教師データは、例えば管理者端末１０を用いて管理者によって用意される。サーバ装置３０は、管理者端末１０と通信を行うことにより、管理者端末１０にて用意された教師データを取得することができる。また、サーバ装置３０の操作部３４を通じて管理者が直接的に教師データを入力する構成としてもよい。

次いで、制御部３１は、教師データとして含まれる属性データを学習モデル３００へ入力し（ステップＳ１２）、学習モデル３００から推定結果を取得する（ステップＳ１３）。学習が開始される前の段階では、学習モデル３００を記述する定義情報には、初期設定値が与えられているものとする。学習モデル３００の入力層３０１を構成する各ノードには、例えば各勤務者の属性データが与えられる。入力層３０１の各ノードに与えられたデータは、隣接する中間層３０２のノードへ出力される。中間層３０２ではノード間の重み及びバイアスを含む活性化関数を用いた演算が行われ、中間層３０２による演算結果が出力層３０３の各ノードへ出力される。このようにして、学習モデル３００では、勤務者の組み合わせの良否に関する推定結果（例えば０～１の数値）が得られる。

次いで、制御部３１は、ステップＳ１３で得られた推定結果を評価し（ステップＳ１４）、学習モデル３００の学習が完了したか否かを判断する（ステップＳ１５）。具体的には、制御部３１は、ステップＳ１３で得られる推定結果と、ラベルデータとに基づく誤差関数（目的関数、損失関数、コスト関数ともいう）を用いて、推定結果を評価することができる。制御部３１は、最急降下法などの勾配降下法により誤差関数を最適化（最小化又は最大化）する課程で、誤差関数が閾値以下（又は閾値以上）となった場合、学習モデル３００の学習が完了したと判断する。なお、過学習の問題を避けるために、交差検定、早期打ち切りなどの手法を取り入れ、適切なタイミングにて学習を終了させてもよい。

学習が完了していないと判断した場合（Ｓ１５：ＮＯ）、制御部３１は、中間層３０２で用いられるノード間の重み及びバイアスを更新し（ステップＳ１６）、処理をステップＳ１１へ戻す。制御部３１は、出力層３０３から入力層３０１に向かって、ノード間の重み及びバイアスを順次更新する誤差逆伝搬法を用いて、各ノード間の重み及びバイアスを更新することができる。

学習が完了したと判断した場合（Ｓ１５：ＹＥＳ）、制御部３１は、学習済みの学習モデル３００として記憶部３２に記憶させ（ステップＳ１７）、本フローチャートによる処理を終了する。

図１２及び図１３は実施の形態１における勤務シフトの作成手順を説明するフローチャートである。サーバ装置３０の制御部３１は、内蔵クロックの出力を参照し、現在時刻が希望シフトの集計期間であるか否かを判断する（ステップＳ１０１）。集計期間は、例えば月一回の期間として設定され、記憶部３２に予め記憶されているものとする。集計期間でない場合（Ｓ１０１：ＮＯ）、制御部３１は、集計期間となるまで待機する。

現在時刻が集計期間であると判断した場合（Ｓ１０１：ＹＥＳ）、制御部３１は、時間枠テーブル３２０から時間枠の読み出しを行う（ステップＳ１０２）。ここでは、制御部３１は、勤務者を割り当てる時間枠と、各時間枠に割り当てる勤務者の人数とを時間枠テーブル３２０から読み出す。

次いで、制御部３１は、通信部３３を通じて、各勤務者の勤務者端末２０に対して希望シフトの送信要求を送信する（ステップＳ１０３）。

勤務者端末２０の制御部２１は、通信部２３を通じて、サーバ装置３０から送信されてくる希望シフトの送信要求を受信する（ステップＳ１０４）。希望シフトの送信要求を受信した場合、制御部２１は、希望シフトの入力を受付けるための受付画面を表示部２５に表示し、希望シフトの入力を受付ける（ステップＳ１０５）。

次いで、制御部２１は、通信部２３を通じて、受付けた希望シフトをサーバ装置３０へ送信する（ステップＳ１０６）。

サーバ装置３０の制御部３１は、通信部３３を通じて、勤務者端末２０から送信されてくる希望シフトを受信する（ステップＳ１０７）。

次いで、制御部３１は、内蔵クロックを参照し、集計期間が終了したか否かを判断する（ステップＳ１０８）。集計期間が終了していないと判断した場合（Ｓ１０８：ＮＯ）、制御部３１は、集計期間が終了するまで待機する。

集計期間が終了したと判断した場合（Ｓ１０８：ＹＥＳ）、制御部３１は、受信した希望シフトを集計する（ステップＳ１０９）。集計結果は、希望シフト集計テーブル３２３に記憶される。

次いで、制御部３１は、通信部３３を通じて、相性データの送信要求を管理者端末１０へ送信する（ステップＳ１１０）。

管理者端末１０の制御部１１は、通信部１３を通じて、サーバ装置３０から送信されてくる相性データの送信要求を受信する（ステップＳ１１１）。相性データの送信要求を受信した場合、制御部１１は、相性データの入力を受付けるための受付画面を表示部１５に表示し、相性データの入力を受付ける（ステップＳ１１２）。図１４は相性データの入力を受付ける受付画面の一例を示す模式図である。相性データは、例えば五段階の整数値により入力される。例えば、相性データが「５」の場合、最も相性が良く、相性データが「１」の場合、最も相性が悪いことを示している。

次いで、制御部１１は、通信部１３を通じて、受付けた相性データをサーバ装置３０へ送信する（ステップＳ１１３）。

サーバ装置３０の制御部３１は、通信部３３を通じて、管理者端末１０から送信されてくる相性データを受信し、相性テーブル３２２に記憶させる（ステップＳ１１４）。本実施の形態では、希望シフトの集計が終わったタイミングで相性データの送信要求をサーバ装置３０から送信する構成としたが、事前に設定されている場合、ステップＳ１１０～ステップＳ１１４の処理を省略してもよい。また、割り当てる人員に変更が合った場合などの適宜のタイミングで、管理者端末１０にて相性データの入力を受付け、受付けた相性データをサーバ装置３０へ送信する構成としてもよい。

次いで、制御部３１は、相性データを含む各勤務者の属性データを学習モデル３００に入力する（ステップＳ１１５）。学習モデル３００が備える入力層３０１の各ノードには、各勤務者の属性データが与えられる。入力層３０１の各ノードに与えられたデータは、隣接する中間層３０２のノードへ出力される。中間層３０２ではノード間の重み及びバイアスを含む活性化関数を用いた演算が行われ、中間層３０２による演算結果は出力層３０３の各ノードへ出力される。出力層３０３を構成する各ノードは、組み合わせの良否を示す数値を出力する。

なお、本実施の形態では、相性データを含む各勤務者の属性データを学習モデル３００に入力する構成としたが、学習モデル３００に入力する属性データについて優先度の設定を受付け、優先度が高い属性データのみを学習モデル３００に入力する構成としてもよい。例えば、サーバ装置３０の制御部３１は、属性データに含まれる項目のうち、学習モデル３００に入力する項目と、学習モデル３００に入力しない項目とを選択するための選択画面を、管理者端末１０の表示部１５に表示させ、表示させた選択画面を通じて、学習モデル３００に入力する項目についての設定を受付けてもよい。

制御部３１は、学習モデル３００の出力層３０３から出力を取得し（ステップＳ１１６）、勤務者の組み合わせに対する評価を行う（ステップＳ１１７）。すなわち、制御部３１は、出力層３０３の各ノードから出力する数値を参照することにより、組み合わせを評価することができる。本実施の形態において、制御部３１は、出力層３０３のノードから出力される数値が最も高いものを、組み合わせが最も良い組み合わせとして評価することができる。

次いで、制御部３１は、ステップＳ１１７の評価結果を参照し、各時間枠に割り当てる勤務者を決定し（ステップＳ１１８）、勤務シフトを作成する。このとき、時間枠に割り当てるべき人数よりも希望者数が多かった場合、制御部３１は、例えばステップＳ１１７で評価が最も良かった組み合わせを選択して、その時間枠に割り当てる勤務者を決定することができる。また、時間枠に割り当てるべき人数と希望者数とが一致した場合、制御部３１は、その時間枠には希望者を割り当ててもよい。更に、時間枠に割り当てるべき人数よりも希望者数が少なかった場合、制御部３１は、希望者と希望していない他の勤務者との間で組み合わせが最も良くなる勤務者を選択し、その時間枠に希望者と選択した勤務者とを割り当ててもよい。

制御部３１は、各時間枠に割り当てる勤務者を決定することにより得られる勤務シフトを、通信部３３を通じて、勤務者端末２０及び管理者端末１０へ送信する（ステップＳ１１９）。

勤務者端末２０の制御部２１は、通信部２３を通じて、サーバ装置３０から送信されてくる勤務シフトを受信する（ステップＳ１２０）。制御部２１は、必要に応じて受信した勤務シフトを表示部２５に表示させる。

また、管理者端末１０の制御部１１は、通信部１３を通じて、サーバ装置３０から送信されてくる勤務シフトを受信する（ステップＳ１２１）。制御部１１は、必要に応じて受信した勤務シフトを表示部１５に表示させる。

以上のように、本実施の形態では、勤務者間の相性データを含む属性データを学習モデル３００に入力することによって、１つの時間枠に割り当てる勤務者の組み合わせの良否を推定することができ、最も良いと推定される勤務者の組み合わせに基づき、勤務シフトを作成することができる。

なお、本実施の形態では、サーバ装置３０が学習モデル３００を備え、サーバ装置３０内で勤務者の組み合わせの良否を推定する構成としたが、サーバ装置３０とは別のサーバ装置（不図示）に学習モデル３００を設け、このサーバ装置の学習モデル３００に通信部３３からアクセスすることによって、学習モデル３００による推定結果を取得する構成としてもよい。

また、本実施の形態では、サーバ装置３０が学習モデル３００を備え、サーバ装置３０内で勤務者の組み合わせの良否を推定する構成としたが、店舗、工場などの職場毎に設置されるローカルのコンピュータに学習モデル３００を組み込み、ローカルのコンピュータにて、勤務者の組み合わせの良否を推定する構成としてもよい。

また、本実施の形態では、学習モデル３００を用いて勤務者の組み合わせの良否を推定する構成としたが、学習モデル３００を用いずに勤務者の組み合わせの良否を推定する構成としてもよい。例えば、勤務者間の相性データと、組み合わせの良否とを関連付けるテーブル又は関数を用意しておき、このテーブル又は関数を参照することによって、組み合わせの良否を示すデータを取得する構成としてもよい。

また、本実施の形態では、勤務者間の相性データを含む属性データに基づき、組み合わせの良否を推定する構成としたが、評価テーブル３２４に記憶されている管理者評価、業務効率、勤務者レベル等の情報を学習モデル３００に入力し、勤務者の組み合わせの良否を推定する構成としてもよい。

（実施の形態２）
実施の形態２では、学習モデル３００を再学習する構成について説明する。
なお、システムの全体構成、管理者端末１０、勤務者端末２０、及びサーバ装置３０の各内部構成については、実施の形態１と同様であるから、その詳細な説明を省略することとする。

図１５は実施の形態２における学習モデル３００の再学習手順を説明するフローチャートである。サーバ装置３０の制御部３１は、上述したステップＳ１１８で決定した勤務者による勤務終了後に、組み合わせの良否を管理者端末１０に問い合わせる（ステップＳ２０１）。

管理者端末１０の制御部１１は、通信部１３を通じて、サーバ装置３０からの問い合わせを受信する（ステップＳ２０２）。問い合わせを受信した場合、制御部１１は、組み合わせの良否を管理者に問い合わせる画面を表示部１５に表示させる（ステップＳ２０３）。図１６は問い合わせ画面の一例を示す模式図である。問い合わせ画面は、例えば、決定した組み合わせに対する評価を促すメッセージ、組み合わせの良否を五段階で受付ける評価設定欄、管理者による良否判断結果の送信を指示する送信ボタン、送信をキャンセルするキャンセルボタンが含まれている。

制御部１１は、図１６に示すような問い合わせ画面を通じて組み合わせの良否を受付け（ステップＳ２０４）、管理者による良否判断結果をサーバ装置３０へ送信する（ステップＳ２０５）。

サーバ装置３０の制御部３１は、通信部３３を通じて、管理者による良否判断結果を管理者端末１０から受信する（ステップＳ２０６）。

制御部３１は、受信した良否判断結果に基づき、必要に応じてラベルデータを調整する。制御部３１は、勤務者の属性データを学習モデル３００に入力した場合に得られる組み合わせの良否と、ラベルデータとに基づく誤差関数を用いて、学習モデル３００による推定結果を評価する（ステップＳ２０７）。

制御部３１は、推定結果の評価結果に基づき、ノード間の重み及びバイアスを更新することによって、学習モデル３００の再学習を実行する（ステップＳ２０８）。このとき、制御部３１は、出力層３０３から入力層３０１に向かって、ノード間の重み及びバイアスを順次更新する誤差逆伝搬法を用いて、各ノードの重み及びバイアスを更新する。なお、制御部３１は、最急降下法などの勾配降下法により誤差関数を最適化（最小化又は最大化）する課程で、誤差関数が閾値以下（又は閾値以上）となった場合、学習モデル３００の学習が完了したと判断することができる。また、過学習の問題を避けるために、交差検定、早期打ち切りなどの手法を取り入れ、適切なタイミングにて学習を終了させてもよい。

以上のように、実施の形態２では、管理者の良否判断を学習モデル３００に反映させることができるので、あたかも管理者が作成したかのような勤務シフトを組むことが可能となる。

（実施の形態３）
実施の形態３では、勤務者レベルに応じて、各時間枠に割り当てる勤務者の人数を増減させる構成について説明する。
なお、システムの全体構成、管理者端末１０、勤務者端末２０、及びサーバ装置３０の各内部構成については、実施の形態１と同様であるから、その詳細な説明を省略することとする。

実施の形態３では、勤務者を割り当てる各時間枠に、勤務者の人数だけでなく、勤務者レベルを設定する。図１７は実施の形態３に係る時間枠の設定例を示す概念図である。図１７に示す例では、特定の時間枠（９：００－１１：００）に対して、勤務者レベル「２」の勤務者の割り当てが１人、勤務者レベル「１」の勤務者の割り当てが２人であることを示している。

図１７に示した如く時間枠が設定されている場合、勤務者レベル「２」を有する勤務者からの希望が１名以上、勤務者レベル「１」を有する勤務者からの希望が２名以上存在する場合、各勤務者の希望に沿って、希望者の中から勤務者レベル「２」の勤務者を１名、勤務者レベル「１」の勤務者を２名選択し、その時間枠に割り当てる勤務者を決定する。このとき、サーバ装置３０は、実施の形態１と同様の手法にて、学習モデル３００を用いて組み合わせが最も良いと推定される勤務者を決定することができる。

一方、勤務レベル「２」の勤務者から勤務希望がなかった場合、勤務レベル「２」の勤務者１名を、勤務レベル「１」の勤務者２名で代替することを試みる。この場合、その時間枠に割り当てる勤務者の人数を増加させ、勤務者レベル「１」の勤務者４名（勤務者レベル「２」の勤務者は０名）で代替するので、勤務者レベル「１」の勤務者４名以上から希望があれば、割り当てを決定することができる。このとき、サーバ装置３０は、実施の形態１と同様の手法にて、学習モデル３００を用いて組み合わせが最も良いと推定される勤務者を決定することができる。

また、勤務レベル「１」の勤務者から勤務希望がなかった場合、勤務レベル「１」の勤務者２名を、勤務レベル「２」の勤務者１名で代替することを試みる。この場合、その時間枠に割り当てる勤務者の人数を減少させ、勤務レベル「２」の勤務者２名（勤務者レベル「１」の勤務者は０名）で代替するので、勤務者レベル「２」の勤務者２名以上から希望があれば、割り当てを決定することができる。このとき、サーバ装置３０は、実施の形態１と同様の手法にて、学習モデル３００を用いて組み合わせが最も良いと推定される勤務者を決定することができる。

図１８は時間枠の調整手順を説明するフローチャートである。サーバ装置３０の制御部３１は、実施の形態１と同様の手順にて、希望シフトの集計を行う。すなわち、制御部３１は、時間枠テーブル３２０から時間枠の情報を読み出し、希望シフトの送信要求を勤務者端末２０へ送信することによって、希望シフトの集計を行う。

制御部３１は、各時間枠において、勤務レベルに適合する希望者の有無を判断する（ステップＳ３０１）。勤務レベルに適合する希望者が存在すると判断した場合（Ｓ３０１：ＹＥＳ）、制御部３１は、時間枠の調整は行わずに本フローチャートによる処理を終了する。

勤務レベルに適合する希望者が存在しないと判断した場合（Ｓ３０１：ＮＯ）、制御部３１は、時間枠に割り当てる人数を調整する（ステップＳ３０２）。例えば、制御部３１は、勤務レベル「２」の勤務者１名を勤務レベル「１」の勤務者２名で代替し、その時間枠に割り当てる勤務者の人数を増加させる調整、または、勤務レベル「１」の勤務者２名を勤務レベル「２」の勤務者１名で代替し、その時間枠に割り当てる勤務者の人数を減少させる調整を行う。

なお、時間枠を調整した後に実行する勤務者の組み合わせの決定手法は実施の形態１と同様である。すなわち、制御部３１は、勤務者間の相性データを取得し、相性データを含む勤務者の属性データを学習モデル３００に入力することによって、学習モデル３００から組み合わせの良否の推定結果を取得する。そして、制御部３１は、学習モデル３００による推定結果を参照し、時間枠に割り当てる勤務者を決定し、勤務シフトを作成する。

以上のように、実施の形態３では、それぞれの時間枠に設定されている勤務者の人数を勤務者レベルに応じて柔軟に変更することができるので、業務水準を低下させることなく、必要とされる人数の勤務者を確保することが可能となる。

（実施の形態４）
実施の形態４では、時間枠に割り当てる勤務者が不足した場合の調整処理について説明する。
なお、システムの全体構成、管理者端末１０、勤務者端末２０、及びサーバ装置３０の各内部構成については、実施の形態１と同様であるから、その詳細な説明を省略することとする。

サーバ装置３０は、例えば、実施の形態１において説明した手順に基づき、勤務シフトを作成する。サーバ装置３０は、勤務シフトの作成後に以下の処理を実行する。

図１９は実施の形態４におけるサーバ装置３０が実行する調整処理の手順を説明するフローチャートである。サーバ装置３０の制御部３１は、勤務シフトの作成後、時間枠に割り当てるべき勤務者が不足したか否かを判断する（ステップＳ４０１）。制御部３１は、ある時間枠に割り当てた勤務者の人数が、本来割り当てるべき人数よりも少ない場合、その時間枠（以下、不足時間枠ともいう）に割り当てるべき勤務者の数が不足したと判断できる。時間枠に割り当てるべき勤務者が不足していないと判断した場合（Ｓ４０１：ＮＯ）、すなわち勤務シフトを組めた場合、制御部３１は、本フローチャートによる処理を終了する。

時間枠に割り当てるべき勤務者が不足していると判断した場合（Ｓ４０１：ＹＥＳ）、制御部３１は、その時間枠（不足時間枠）と前後する他の時間枠に割り当てられた勤務者に対して勤務時間の延長を依頼すべく、その勤務者が使用する勤務者端末２０へ勤務時間の延長依頼を通信部３３より送信する（ステップＳ４０２）。制御部３１は、例えば、不足時間枠が「１１：００～１４：００」である場合、その不足時間枠と前後する「９：００～１１：００」の時間帯に割り当てられた勤務者に対し、１１時以降も勤務してもらうために勤務時間の延長依頼を行う。また、制御部３１は、「１４：００～１７：００」の時間帯に割り当てられた勤務者に対し、１４時より前から勤務してもらうために勤務時間の延長依頼を行ってもよい。

制御部３１は、延長依頼に対する勤務者の受諾が得られたか否かを判断する（ステップＳ４０３）。制御部３１は、勤務者端末２０から受諾を示す電文を通信部３３にて受信した場合、勤務者の受諾が得られたと判断することができる。勤務者の受諾が得られた場合（Ｓ４０３：ＹＥＳ）、制御部３１は、受諾した勤務者を不足時間枠に割り当て（ステップＳ４０４）、本フローチャートによる処理を終了する。更に勤務者が不足する場合、制御部３１は、ステップＳ４０５以降の処理を実行してもよい。

延長依頼に対する勤務者の受諾が得られなかった場合（Ｓ４０３：ＮＯ）、制御部３１は、休暇予定の勤務者に対して出勤を依頼すべく、その勤務者が使用する勤務者端末２０へ出勤依頼を通信部３３より送信する（ステップＳ４０５）。ここで、休暇予定の勤務者とは、不足時間枠を含む当日に出勤予定が入っていない勤務者を表す。制御部３１は、作成後の勤務シフトに基づき、休暇予定の勤務者を特定することができる。また、制御部３１は、休暇予定の勤務者のうち、不足時間枠に勤務希望を提出したが、割り当てから除外された勤務者が存在する場合、その勤務者に対して優先的に出勤依頼を行っても良い。

制御部３１は、出勤依頼に対する勤務者の受諾が得られたか否かを判断する（ステップＳ４０６）。制御部３１は、勤務者端末２０から受諾を示す電文を通信部３３にて受信した場合、勤務者の受諾が得られたと判断することができる。休暇予定の勤務者から受諾が得られた場合（Ｓ４０６：ＹＥＳ）、制御部３１は、受諾した勤務者を不足時間枠に割り当て（ステップＳ４０７）、本フローチャートによる処理を終了する。更に勤務者が不足する場合、制御部３１は、ステップＳ４０８以降の処理を実行してもよい。

休暇予定の勤務者から承諾が得られなかった場合（Ｓ４０６：ＮＯ）、制御部３１は、不足時間枠に勤務を希望する他の勤務地の勤務者に対して出勤を依頼すべく、その勤務者が使用する勤務者端末２０へ出勤依頼を通信部３３より送信する（ステップＳ４０８）。ここで、不足時間枠に勤務を希望する他の勤務地の勤務者とは、不足時間枠に勤務希望を提出したが、割り当てから除外された他店舗の勤務者を表す。サーバ装置３０において、店舗毎に希望シフトを集計し、店舗毎に勤務シフトを作成している場合、希望シフト集計テーブル３２３及び作成した勤務シフトを閲覧することにより、不足時間枠に勤務希望を提出したが、割り当てから除外された他店舗の勤務者を特定することができる。

制御部３１は、勤務を希望する他の勤務地の勤務者から承諾が得られたか否かを判断する（ステップＳ４０９）。制御部３１は、勤務者端末２０から受諾を示す電文を通信部３３にて受信した場合、勤務者の受諾が得られたと判断することができる。勤務を希望する他の勤務地の勤務者から受諾が得られた場合（Ｓ４０９：ＹＥＳ）、制御部３１は、受諾した勤務者を不足時間枠に割り当て（ステップＳ４１０）、本フローチャートによる処理を終了する。更に勤務者が不足する場合、制御部３１は、ステップＳ４１１以降の処理を実行してもよい。

勤務を希望する他の勤務地の勤務者から承諾が得られなかった場合（Ｓ４０９：ＮＯ）、制御部３１は、休暇予定の他の勤務地の勤務者に対して出勤を依頼すべく、その勤務者が使用する勤務者端末２０へ出勤依頼を通信部３３より送信する（ステップＳ４１１）。ここで、休暇予定の他の勤務地の勤務者とは、不足時間枠を含む当日に出勤予定が入っていない他店舗の勤務者を表す。サーバ装置３０において、店舗毎に勤務シフトを作成している場合、作成した勤務シフトを閲覧することにより、不足時間枠を含む当日に休暇予定の勤務者を特定することができる。

制御部３１は、出勤依頼に対する勤務者の受諾が得られたか否かを判断する（ステップＳ４１２）。制御部３１は、勤務者端末２０から受諾を示す電文を通信部３３にて受信した場合、勤務者の受諾が得られたと判断することができる。休暇予定の他の勤務地の勤務者から受諾が得られた場合（Ｓ４１２：ＹＥＳ）、制御部３１は、受諾した勤務者を不足時間枠に割り当て（ステップＳ４１３）、本フローチャートによる処理を終了する。更に勤務者が不足する場合、制御部３１は、管理者（店舗の店長など）が個別に対応すべき事案であるとして、その旨を管理者端末１０に通知してもよい。

休暇予定の他の勤務地の勤務者から受諾が得られなかった場合（Ｓ４１２：ＮＯ）、制御部３１は、管理者（店舗の店長など）が個別に対応すべき事案であるとして、その旨を管理者端末１０に通知する（ステップＳ４１４）。

以上のように、実施の形態４では、時間枠に割り当てる勤務者が不足した場合であっても、可能な限り各時間枠への割り当てを自動的に調整することができる。また、最終的に割り当てを決定することができない場合、サーバ装置３０は、個別に対応すべき事案であるとして、管理者に通知することができる。

なお、本実施の形態では、実施の形態１において説明した手順に基づき勤務シフトを作成した後に、サーバ装置３０が実行する処理の手順として説明したが、任意の手法を用いて勤務シフトを作成した後に、図１９で示す手順を実行してもよい。

（実施の形態５）
実施の形態５では、勤務シフトの作成状況を通知する構成について説明する。
なお、システムの全体構成、管理者端末１０、勤務者端末２０、及びサーバ装置３０の各内部構成については、実施の形態１と同様であるから、その詳細な説明を省略することとする。

図２０は勤務シフトの作成状況を通知する通知画面の一例を示す模式図である。サーバ装置３０は、管理者端末１０からの要求を受付けた場合、勤務シフトの作成状況を通知するための通知画面を生成し、管理者端末１０へ送信する。通知画面は管理者端末１０の表示部１５に表示される。

図２０に示す通知画面は、ある特定の月（２０１９年５月）における勤務シフトの作成状況を示している。時間枠が設定されている日（月曜日から土曜日）には、「完了」、「確認済み」、「調整中」、「調整完了」、「要確認」、「変更あり」の６種類のラベルの何れか１つが付されている。

ここで、「完了」のラベルは、実施の形態４に示した調整処理を実施することなく、各時間枠に勤務者を割り当てることができたことを示している。「確認済み」のラベルは、サーバ装置３０が割り当てたシフトを管理者が確認したことを示している。「調整中」のラベルは、ある時間枠に不足が発生し、サーバ装置３０によって調整処理が実施されている最中であることを示している。「調整完了」のラベルは、調整処理が完了し、不足した時間枠に対して、新たに勤務者を割り当てることができたことを示している。「要確認」のラベルは、管理者自身が手動で勤務者を割り当てる必要があることを示している。「変更あり」のラベルは、当初の割り当てから変更があったことを示している。

また、サーバ装置３０は、「完了」及び「調整完了」のラベルを青色、「要確認」のラベルを赤色、「調整中」のラベルを黄色、「確認済み」のラベルを水色といったように、ラベルを色分けすることにより、管理者の確認が必要な項目（「要確認」の項目）や現時点で割り当てが決まっていない項目（「調整中」の項目）のラベルを目立たせるように表示してもよい。

以上のように、実施の形態５では、サーバ装置３０から通知される通知画面を確認することにより、勤務者は、勤務シフトの作成状況を確認することができる。

（実施の形態６）
実施の形態６では、勤務時間を変更する構成について説明する。
なお、システムの全体構成、管理者端末１０、勤務者端末２０、及びサーバ装置３０の各内部構成については、実施の形態１と同様であるから、その詳細な説明を省略することとする。

図２１は勤務時間の変更受付画面６００の一例を示す模式図である。サーバ装置３０は、勤務者端末２０からの要求を受付けた場合、勤務時間の変更を受付けるための変更受付画面６００を生成し、勤務者端末２０へ送信する。変更受付画面６００は、勤務者端末２０の表示部２５に表示される。

変更受付画面６００は、時間帯指定欄６０１、開始時刻指定欄６０２、終了時刻指定欄６０３、及び変更要求ボタン６０４を備える。

時間帯指定欄６０１では、勤務時間帯の指定を受付ける。図２１に示すように、現在割り当てられている勤務開始時間帯が１０時台である場合、勤務者は、時間帯指定欄６０１において「１０」のラベルが付されたボタンを押下操作し、その状態から左方又は上方にドラッグすることにより、１０時台よりも早い時間帯に勤務開始時間帯を変更することが可能である。同様に、「１０」のラベルが付されたボタンを押下操作し、その状態から右方又は下方にドラッグすることにより、１０時台より遅い時間帯に勤務開始時間帯を変更することが可能である。勤務終了時間帯についても同様の操作により時間帯の変更が可能である。

開始時刻指定欄６０２及び終了時刻指定欄６０３は、「００分」、「１５分」、「３０分」、「４５分」のラベルが付されたボタンがそれぞれ配置されており、開始時刻及び終了時刻の指定を１５分刻みで受付けるように構成されている。例えば、時間帯指定欄６０１により勤務開始時間帯が１０時台に設定され、開始時刻指定欄６０２において「３０分」のボタンが押下操作された場合、勤務開始時刻が「１０時３０分」に指定される。同様に、時間帯指定欄６０１により勤務終了時間帯が１８時台に設定され、終了時刻指定欄６０３において「００分」のボタンが押下操作された場合、勤務開始時刻が「１８時００分」に指定される。

変更要求ボタン６０４は、勤務開始時間及び勤務終了時間の変更要求をサーバ装置３０へ送信するために操作されるボタンである。変更要求ボタン６０４が押下操作された場合、勤務者端末２０は、変更後の勤務開始時間及び勤務終了時間の情報を含む変更要求をサーバ装置３０へ送信する。

図２２は実施の形態６におけるサーバ装置３０が実行する処理の手順を説明するフローチャートである。サーバ装置３０の制御部３１は、勤務者端末２０から変更要求を受信したか否かを判断する（ステップＳ６０１）。変更要求を受信していない場合（Ｓ６０１：ＮＯ）、制御部３１は、本フローチャートによる処理を終了する。

変更要求を受信した場合（Ｓ６０１：ＹＥＳ）、制御部３１は、受信した変更要求に基づき、勤務時間を変更可能であるか否かを判断する（ステップＳ６０２）。制御部３１は、勤務シフトを参照し、勤務者が変更を希望する時間帯に空きがないと判断した場合、変更を不可と判断する。変更不可と判断した場合（Ｓ６０２：ＮＯ）、制御部３１は、変更不可である旨の通知を勤務者端末２０へ返信し（ステップＳ６０３）、本フローチャートによる処理を終了する。

変更可と判断した場合（Ｓ６０２：ＹＥＳ）、制御部３１は、変更要求に基づき、勤務者の勤務時間帯を変更し（ステップＳ６０４）、変更が完了した旨の通知を勤務者端末２０へ返信する（ステップＳ６０５）。

以上のように、実施の形態６では、勤務者からの要求に応じて、勤務時間帯を変更することができる。なお、変更要求により勤務時間を短くする場合、時間枠に空きが生じることになるので、空きが生じた時間枠に割り当てる勤務者を、変更要求元の勤務者が指名する構成としてもよい。

（実施の形態７）
実施の形態７では、休暇申請を受付ける構成について説明する。
なお、システムの全体構成、管理者端末１０、勤務者端末２０、及びサーバ装置３０の各内部構成については、実施の形態１と同様であるから、その詳細な説明を省略することとする。

図２３は休暇申請画面７００の一例を示す模式図である。サーバ装置３０は、勤務者端末２０からの要求を受付けた場合、休暇申請を受付けるための休暇申請画面７００を生成し、勤務者端末２０へ送信する。休暇申請画面７００は、勤務者端末２０の表示部２５に表示される。

休暇申請画面７００は、休暇予定日等の情報を表示する表示欄７０１、代理で勤務する勤務者（代替者）を指定する指定欄７０２、及び申請ボタン７０３を備える。

表示欄７０１には、申請者によって指定された休暇予定日、勤務店、及び勤務時間帯の情報が表示される。指定欄７０２は、プルダウン形式のメニューを有しており、申請者自身が代理で勤務する勤務者を選択できるように構成されている。申請ボタン７０３は、休暇申請を行うために操作されるボタンである。申請ボタン７０３が押下操作された場合、勤務者端末２０は、休暇予定日や代理で勤務する勤務者の情報等を含む休暇申請ををサーバ装置３０へ送信する。

図２４は実施の形態７におけるサーバ装置３０が実行する処理の手順を説明するフローチャートである。サーバ装置３０の制御部３１は、勤務者端末２０から休暇申請を受信したか否かを判断する（ステップＳ７０１）。休暇申請を受信していない場合（Ｓ７０１：ＮＯ）、制御部３１は、本フローチャートによる処理を終了する。

休暇申請を受信した場合（Ｓ７０１：ＹＥＳ）、制御部３１は、代替者が指定されているか否かを判断する（ステップＳ７０２）。代替者が指定されていない場合、制御部３１は、勤務シフトを参照して代替者を選択する（ステップＳ７０３）。このとき、制御部３１は、同じ店舗の休暇予定の勤務者、休暇予定日に勤務を希望する他の勤務地の勤務者、休暇予定の他の勤務地の勤務者の順に代替者を選択すればよい。

代替者が指定されていると判断した場合（Ｓ７０２：ＹＥＳ）、又はステップＳ７０３で代替者を選択した場合、制御部３１は、代替者に承諾を求めるために、代替者が使用する勤務者端末２０へ代替要求を送信する（ステップＳ７０４）。

次いで、制御部３１は、代替者から承諾が得られたか否かを判断する（ステップＳ７０５）。制御部３１は、代替者が使用する勤務者端末２０から、代理勤務を承諾する旨の電文を受信した場合、承諾が得られたと判断する。承諾が得られなかった場合（Ｓ７０５：ＮＯ）、制御部３１は、処理をステップＳ７０３へ戻す。

承諾が得られた場合（Ｓ７０５：ＹＥＳ）、制御部３１は、勤務者を代替者へ変更するために、勤務シフトの書き換えを行う（ステップＳ７０６）。次いで、制御部３１は、休暇申請を出した勤務者の勤務者端末２０へ休暇が許可された旨の通知を送信する（ステップＳ７０７）。

以上ように、実施の形態７では、休暇を取る勤務者自身が代替者を指定することができ、休暇を取る勤務者自身が代替者を指定できない場合、システム側で自動的に選択することができる。

（実施の形態８）
実施の形態８では、学習モデルを用いて各時間枠への割り当てる勤務者の人数を決定する構成について説明する。
なお、システムの全体構成、管理者端末１０、勤務者端末２０、及びサーバ装置３０の各内部構成については、実施の形態１と同様であるから、その詳細な説明を省略することとする。

図２５は割当人数の決定手法を説明する説明図である。実施の形態８におけるサーバ装置３０は、店舗の一日あたりの売り上げを予測するための売上予測学習モデル４００と、店舗の繁忙度合いを予測するための繁忙度合い予測学習モデル５００とを用いて、各時間枠に対する勤務者の割当人数を決定する。

売上予測学習モデル４００は、勤務者情報、店舗情報、及び日付情報の入力に応じて、店舗の一日あたりの売り上げに関するデータを出力するよう構成される。勤務者情報は、各勤務者の熟練度、勤務者の数、勤務者に支払う給与などの情報を含む。店舗情報は、店舗の場所、内部のレイアウト、勤務者の総数、運営費、メニュー、商品又はサービスを提供するまでの時間、商品又はサービスの種類、競合相手などの情報を含む。日付情報は、１日あたりの平均来客数、イベントの有無、曜日、祝日であるか否か、天気などの情報を含む。

売上予測学習モデル４００は、深層学習を含む機械学習の学習モデルであり、例えばニューラルネットワークにより構成される。店舗毎に勤務者情報、店舗情報、日付情報、及び１日あたりの売り上げを収集し、収集した情報を教師データとしてニューラルネットワークを構成する複数のノード間の関係を学習により導出することにより、勤務者情報、店舗情報、及び日付情報の入力に応じて、店舗の一日あたりの売り上げに関するデータを出力する売上予測学習モデル４００を生成することができる。なお、売上予測学習モデル４００は、サーバ装置３０において生成されてもよく、図に示していない外部のサーバ装置において生成されてもよい。また、売上予測学習モデル４００は、サーバ装置３０の記憶部３２に記憶されてもよく、サーバ装置３０からアクセス可能な外部の記憶装置に記憶されてもよい。

繁忙度合い予測学習モデル５００は、売上予測学習モデル４００の予測結果である売り上げの予測値と、日付情報との入力に応じて、店舗の時間帯毎の繁忙度合いに関するデータを出力するように構成される。ここで、日付情報は、１日あたりの平均来客数、イベントの有無、曜日、祝日であるか否か、天気などの情報を含む。

繁忙度合い予測学習モデル５００は、深層学習を含む機械学習の学習モデルであり、例えばニューラルネットワークにより構成される。店舗毎に日付情報、１日あたりの売り上げ、繁忙度合いの情報を収集し、収集した情報を教師データとしてニューラルネットワークを構成する複数のノード間の関係を学習により導出することにより、売り上げの予測値と、日付情報との入力に応じて、店舗の繁忙度合いに関するデータを出力する繁忙度合い予測学習モデル５００を生成することができる。なお、繁忙度合い予測学習モデル５００は、サーバ装置３０において生成されてもよく、図に示していない外部のサーバ装置において生成されてもよい。また、繁忙度合い予測学習モデル５００は、サーバ装置３０の記憶部３２に記憶されてもよく、サーバ装置３０からアクセス可能な外部の記憶装置に記憶されてもよい。

繁忙度合い予測学習モデル５００の出力例は図２５に示される。図２５に示す例では、繁忙度合いは、５種類のハッチング（ハッチングなしを含む）によって示されている。サーバ装置３０の制御部３１は、繁忙度合い予測学習モデル５００から予測結果を取得し、繁忙度合いに応じて勤務者に割り当てる人数を決定する。図２５の例では、制御部３１は、ハッチングが付されていない時間帯に勤務者の割り当てを０人（なし）とし、ハッチングが付されている時間帯にハッチングの種類に応じて１人から５人の割り当てを決定したことを示している。

以上のように、実施の形態８では、店舗の繁忙度合いに応じて、各時間帯の勤務者の割り当て人数を自動的に設定することができる。

今回開示された実施形態は、全ての点において例示であって、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、上述した意味ではなく、請求の範囲によって示され、請求の範囲と均等の意味及び範囲内での全ての変更が含まれることが意図される。

１０ 管理者端末
２０ 勤務者端末
３０ サーバ装置
１１，２１，３１ 制御部
１２，２２，３２ 記憶部
１３，２３，３３ 通信部
１４，２４，３４ 操作部
１５，２５，３５ 表示部
３００ 学習モデル
３２０ 時間枠テーブル
３２１ 基本属性テーブル
３２２ 相性テーブル
３２３ 希望シフト集計テーブル
３２４ 評価テーブル

Claims (20)

1. 設定した時間枠に割り当てる勤務者を決定することにより勤務シフトを作成する勤務シフト作成装置であって、
   他の勤務者との関係性を表す関係性データを含む勤務者毎の属性情報を取得する取得部と、
   該取得部にて取得した属性情報に基づき、各勤務者の属性情報と勤務者間の組み合わせの良否との関係を定める学習モデル、テーブル、又は関数を利用して、前記時間枠に割り当てる勤務者の組み合わせを想定した場合における各組み合わせの良否を評価する評価部と、
   該評価部による評価結果に基づき、前記時間枠に割り当てる勤務者の組み合わせを決定する決定部と
   を備え、
   前記関係性データは、前記他の勤務者と組み合わせた場合の業務効率の高低に係るデータを含む
   勤務シフト作成装置。
2. 設定した時間枠に割り当てる勤務者を決定することにより勤務シフトを作成する勤務シフト作成装置であって、
   他の勤務者との関係性を表す関係性データを含む勤務者毎の属性情報を取得する取得部と、
   該取得部にて取得した属性情報に基づき、各勤務者の属性情報と勤務者間の組み合わせの良否との関係を定める学習モデル、テーブル、又は関数を利用して、前記時間枠に割り当てる勤務者の組み合わせを想定した場合における各組み合わせの良否を評価する評価部と、
   該評価部による評価結果に基づき、前記時間枠に割り当てる勤務者の組み合わせを決定する決定部と
   を備え、
   前記関係性データは、前記他の勤務者と組み合わせた場合の売上高の増減に係るデータを含む
   勤務シフト作成装置。
3. 設定した時間枠に割り当てる勤務者を決定することにより勤務シフトを作成する勤務シフト作成装置であって、
   勤務者の年齢、通勤コスト、通勤距離、勤務時間、勤務超過時間、給与額、及び他の勤務者との関係性を表す関係性データを含む勤務者毎の属性情報を取得する取得部と、
   前記時間枠に割り当てる勤務者を決定する際に用いる属性情報の優先度を設定する設定部と、
   前記取得部にて取得した属性情報のうち、前記設定部にて設定した優先度を基に選択した属性情報に基づき、各勤務者の属性情報と勤務者間の組み合わせの良否との関係を定める学習モデル、テーブル、又は関数を利用して、前記時間枠に割り当てる勤務者の組み合わせを想定した場合における各組み合わせの良否を評価する評価部と、
   該評価部による評価結果に基づき、前記時間枠に割り当てる勤務者の組み合わせを決定する決定部と
   を備える勤務シフト作成装置。
4. 前記学習モデルを備え、
   前記学習モデルは、前記属性情報が入力された場合、複数の勤務者の組み合わせの夫々について良否を示すデータを出力するように構成されており、
   前記評価部は、前記取得部が取得した属性情報を前記学習モデルに入力し、前記組み合わせの良否を示すデータを前記学習モデルから取得することにより、前記組み合わせに対する評価を行う
   請求項１から請求項３の何れか１つに記載の勤務シフト作成装置。
5. 前記学習モデルにアクセスするアクセス部を備え、
   前記学習モデルは、前記属性情報が入力された場合、複数の勤務者の組み合わせの夫々について良否を示すデータを出力するように構成されており、
   前記評価部は、前記アクセス部を通じて、前記取得部が取得した属性情報を前記学習モデルに入力し、前記組み合わせの良否を示すデータを前記学習モデルから取得することにより、前記組み合わせに対する評価を行う
   請求項１から請求項３の何れか１つに記載の勤務シフト作成装置。
6. 前記決定部が決定した組み合わせに対する良否を受付ける受付部
   を備え、
   前記受付部が受付けた良否に応じて、前記学習モデルを再学習させる
   請求項１から請求項５の何れか１つに記載の勤務シフト作成装置。
7. 前記属性情報は、勤務者毎の勤務評価に係るデータを含み、
   前記勤務評価に係るデータに基づき、前記時間枠に割り当てる勤務者の人数を増減させる時間枠設定部
   を備える請求項１から請求項６の何れか１つに記載の勤務シフト作成装置。
8. 前記関係性データは、前記他の勤務者との相性に係るデータを含む
   請求項１から請求項７の何れか１つに記載の勤務シフト作成装置。
9. 前記時間枠に割り当てるべき勤務者が不足したか否かを判断する判断部と、
   前記勤務者が不足したと判断した場合、前記時間枠と前後する他の時間枠に割り当てられた勤務者に対して勤務時間の延長を依頼すべく、前記勤務者が使用する端末装置へ勤務時間の延長依頼を送信する送信部と、
   前記延長依頼に対する前記勤務者の受諾が得られた場合、割り当てが不足した前記時間枠に対して前記勤務者を割り当てる割当部と
   を更に備える請求項１から請求項８の何れか１つに記載の勤務シフト作成装置。
10. 設定した時間枠に割り当てる勤務者を決定することにより勤務シフトを作成する勤務シフト作成装置であって、
    各時間枠に割り当てるべき勤務者の人数が設定されており、
    任意の手法を用いて各時間枠に割り当てる勤務者を決定する決定部と、
    設定されている人数と決定した勤務者を時間枠毎に計数して得られる人数とに基づき、前記時間枠に割り当てるべき勤務者が不足したか否かを判断する判断部と、
    前記勤務者が不足したと判断した場合、前記時間枠と前後する他の時間枠に割り当てられた勤務者に対して勤務時間の延長を依頼すべく、前記勤務者が使用する端末装置へ勤務時間の延長依頼を送信する送信部と、
    前記延長依頼に対する前記勤務者の受諾が得られた場合、割り当てが不足した前記時間枠に対して前記勤務者を割り当てる割当部と、
    複数の勤務地の夫々について作成された勤務シフトと、勤務地毎の各勤務者の希望シフトを集計した希望シフト集計テーブルとを記憶する記憶部と
    を備え、
    前記送信部は、前記延長依頼により前記時間枠を充足できなかった場合、前記決定部が決定した勤務者を各時間枠に割り当てることで作成された勤務シフトを参照して特定される休暇予定の勤務者、他の勤務地について作成された勤務シフトと前記希望シフト集計テーブルとを参照して特定される前記時間枠に勤務を希望する前記他の勤務地の勤務者、前記他の勤務地について作成された勤務シフトを参照して特定される休暇予定の前記他の勤務地の勤務者の順に出勤を依頼すべく、各勤務者が使用する端末装置へ出勤依頼を順次送信し、
    前記割当部は、前記出勤依頼に対する勤務者の受諾が得られた場合、前記時間枠に対して前記勤務者を割り当てる
    勤務シフト作成装置。
11. 前記時間枠に割り当てられた勤務者が使用する端末装置から、勤務時間帯の変更要求を受信する受信部と、
    受信した変更要求に応じて、前記勤務者の勤務時間帯を調整する調整部と
    を備える請求項１から請求項１０の何れか１つに記載の勤務シフト作成装置。
12. 前記時間枠に割り当てられた勤務者が使用する端末装置から、休暇申請と、前記勤務者の代理で勤務する勤務者の情報とを受信する受信部と、
    受信した休暇申請及び代理で勤務する勤務者の情報に基づき、前記時間枠に割り当てる勤務者を調整する調整部と
    を備える請求項１から請求項１０の何れか１つに記載の勤務シフト作成装置。
13. 各時間枠における勤務者の割り当て状況に係る情報を出力する出力部
    を備える請求項１から請求項１２の何れか１つに記載の勤務シフト作成装置。
14. 勤務者に関する勤務者情報、前記勤務者が勤務する店舗に関する店舗情報、及び日付を特徴付ける日付情報の入力に応じて、前記店舗の売り上げに関するデータを出力するよう構成された学習モデルを用いて、勤務者情報、店舗情報、及び日付情報を与えた場合における前記店舗の売り上げを予測する第１予測部と、
    前記日付情報、及び前記第１予測部による予測結果の入力に応じて、前記店舗の時間帯毎の繁忙度合いを示すデータを出力するよう構成された学習モデルを用いて、前記日付情報及び前記予測結果を与えた場合における前記店舗の時間帯毎の繁忙度合いを予測する第２予測部と、
    前記第２予測部による予測結果に基づき、各時間枠に割り当てる勤務者の人数を決定する人数決定部と
    を備える請求項１から請求項１３の何れか１つに記載の勤務シフト作成装置。
15. 他の勤務者との関係性を表す関係性データを含む勤務者毎の属性情報が入力される入力層と、
    勤務者の属性情報と設定された時間枠に割り当てる勤務者の組み合わせの良否を示すラベルデータとを含む教師データに基づき、前記属性情報と前記組み合わせの良否との関係を学習した中間層と、
    勤務者の組み合わせに対する良否を示すデータを出力する出力層と
    を備え、
    前記関係性データは、前記他の勤務者と組み合わせた場合の業務効率の高低に係るデータを含み、
    前記入力層に入力される属性情報に基づき、前記中間層で演算し、前記時間枠に割り当てる勤務者の組み合わせに対する良否を示すデータを前記出力層から出力する処理に用いられる学習モデル。
16. 他の勤務者との関係性を表す関係性データを含む勤務者毎の属性情報が入力される入力層と、
    勤務者の属性情報と設定された時間枠に割り当てる勤務者の組み合わせの良否を示すラベルデータとを含む教師データに基づき、前記属性情報と前記組み合わせの良否との関係を学習した中間層と、
    勤務者の組み合わせに対する良否を示すデータを出力する出力層と
    を備え、
    前記関係性データは、前記他の勤務者と組み合わせた場合の売上高の増減に係るデータを含み、
    前記入力層に入力される属性情報に基づき、前記中間層で演算し、前記時間枠に割り当てる勤務者の組み合わせに対する良否を示すデータを前記出力層から出力する処理に用いられる学習モデル。
17. コンピュータに、
    他の勤務者との関係性を表す関係性データを含む勤務者毎の属性情報を取得し、
    取得した属性情報に基づき、各勤務者の属性情報と勤務者間の組み合わせの良否との関係を定める学習モデル、テーブル、又は関数を利用して、設定した時間枠に割り当てる勤務者の組み合わせを想定した場合における各組み合わせの良否を評価し、
    評価した結果に基づき、前記時間枠に割り当てる勤務者の組み合わせを決定する
    処理を実行させるためのコンピュータプログラムであって、
    前記関係性データは、前記他の勤務者と組み合わせた場合の業務効率の高低に係るデータを含むコンピュータプログラム。
18. コンピュータに、
    他の勤務者との関係性を表す関係性データを含む勤務者毎の属性情報を取得し、
    取得した属性情報に基づき、各勤務者の属性情報と勤務者間の組み合わせの良否との関係を定める学習モデル、テーブル、又は関数を利用して、設定した時間枠に割り当てる勤務者の組み合わせを想定した場合における各組み合わせの良否を評価し、
    評価した結果に基づき、前記時間枠に割り当てる勤務者の組み合わせを決定する
    処理を実行させるためのコンピュータプログラムであって、
    前記関係性データは、前記他の勤務者と組み合わせた場合の売上高の増減に係るデータを含むコンピュータプログラム。
19. コンピュータに、
    勤務者の年齢、通勤コスト、通勤距離、勤務時間、勤務超過時間、給与額、及び他の勤務者との関係性を表す関係性データを含む勤務者毎の属性情報を取得し、
    設定した時間枠に割り当てる勤務者を決定する際に用いる属性情報の優先度を設定し、
    取得した属性情報のうち、設定した優先度を基に選択した属性情報に基づき、各勤務者の属性情報と勤務者間の組み合わせの良否との関係を定める学習モデル、テーブル、又は関数を利用して、前記時間枠に割り当てる勤務者の組み合わせを想定した場合における各組み合わせの良否を評価し、
    評価した結果に基づき、前記時間枠に割り当てる勤務者の組み合わせを決定する
    処理を実行させるためのコンピュータプログラム。
20. 前記学習モデルは、
    前記属性情報が入力された場合、複数の勤務者の組み合わせの夫々について良否を示すデータを出力するように構成されており、
    前記コンピュータに、
    前記学習モデルから出力されるデータに基づき、前記時間枠に割り当てる勤務者の組み合わせを評価する
    処理を実行させるための請求項１７から請求項１９の何れか１つに記載のコンピュータプログラム。

Images