JPWO2011158684A1 - 知的生産性計測装置、知的生産性計測方法およびプログラム - Google Patents

知的生産性計測装置、知的生産性計測方法およびプログラム Download PDF

Info

Publication number
JPWO2011158684A1
JPWO2011158684A1 JP2012520375A JP2012520375A JPWO2011158684A1 JP WO2011158684 A1 JPWO2011158684 A1 JP WO2011158684A1 JP 2012520375 A JP2012520375 A JP 2012520375A JP 2012520375 A JP2012520375 A JP 2012520375A JP WO2011158684 A1 JPWO2011158684 A1 JP WO2011158684A1
Authority
JP
Japan
Prior art keywords
term context
activity
information
short
long
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.)
Granted
Application number
JP2012520375A
Other languages
English (en)
Other versions
JP5768813B2 (ja
Inventor
河合　英紀
英紀 河合
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Priority to JP2012520375A priority Critical patent/JP5768813B2/ja
Publication of JPWO2011158684A1 publication Critical patent/JPWO2011158684A1/ja
Application granted granted Critical
Publication of JP5768813B2 publication Critical patent/JP5768813B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

知的生産性計測装置（１００）の活動情報取得部（１０ａ）は、活動を表す活動情報を取得する。事象情報取得部（１０ｂ）は、生起する時間の情報を含めた事象を表す情報を取得する。評価取得部（４）は、主観的評価を取得する。短期的コンテキスト入力部（１１ａ）は、短期的コンテキストを活動情報から生成する。長期的コンテキスト入力部（１１ｂ）は、長期的コンテキストを事象情報から抽出する。モデル生成部（５）は、短期的コンテキストの空間と長期的コンテキストの空間の直和空間から主観的評価の空間への写像関数を用いて、短期的コンテキストおよび長期的コンテキストを写像した値が主観的評価の範囲に入るように、写像関数のパラメータである推定モデルを生成する。知的生産性演算部（６）は、推定モデルを用いて知的生産性を演算する。

Description

本発明は、知的生産性計測装置、知的生産性計測方法および記録媒体に関する。
企業組織において、組織の生産性を評価することは重要な課題である。
特許文献１では、人手をかけずに人の作業時間を正確に計測し、作業に関するデータ収集を可能にする作業効率診断方法が記載されている。その方法では、作業者と作業対象物が相対的に近づいた時、両者に付けたデータ発信機とアンテナの識別情報が入力され、その識別情報とデータ入力発生時刻が合わせて格納される。そして、格納されたデータに基づいて、作業時間、作業量、作業効率指標値が算出され、作業効率指標値が出力される。作業効率が低い場合、作業時間を作業要素毎に分解した作業要素時間が評価される。出力された評価結果に基づいて、問題と考えられる作業要素時間がユーザにより選択され、この作業要素時間を短縮する改善案が設定される。そして、設定された改善案を実施した場合に発生すると想定される期待効果が算出され、出力される。
特許文献２では、製造業等において業務改善型活動基準分析を行える情報収集分析装置が記載されている。その装置は、一連の作業を活動単位（時間、回数など）に細かく分類し、活動単位における値を測定する。そして、その装置は、測定した値に作業者のコスト（標準時間単価）を掛け合わせ、集計することで活動単位あたりの活動コストを算出する。活動コストのデータは膨大な量になるが、その装置は、このデータを短時間で効率的に集計、分析し、仮想的変更、効果の概算、改善情報出力などの情報を出力する。
特許文献３では、一定の精度で作業の改善効果を予測し業務全体の個々の作業のうち改善効果予測値の高い作業から優先的に改善を実施するのを可能にする業務分析システムが記載されている。そのシステムは、業務を構成する作業ごとに少なくとも作業量と成果物種別と成果物量とを関連付けて記憶する作業データベースを備える。そして、作業データベースから、分析対象業務に属する作業を分析対象作業が選択され、分析対象作業の作業量と成果物種別と成果物量とが取得される。作業データベースから、分析対象作業の成果物種別と同一の成果物種別を有する作業が検索され、検索された作業の作業量と成果物量とに基づく作業効率が求められる。少なくとも一つの求められた作業効率に基づいて基準効率が決定され、分析対象作業の作業量と分析対象作業が基準効率で実施された場合の作業量との差が作業改善効果として算出される。
特許文献４では、作業品質を測定するサーバが開示されている。サーバは、オフィス内の作業者の行動状態をセンサネットワークシステムを用いて記録すると同時に、ある時刻ｔにおける作業品質情報を人手で付与する。これにより、サーバは、行動状態と作業品質を関連付けたモデルを生成し、そのモデルを使って行動状態から作業品質を推定する。
特開平０７−２５４０２４号公報 特開２００３−０６７４５２号公報 特開２００７−２６４９０８号公報 特開２００９−２１１５７４号公報
関連する技術では、業務の評価は、質的観点からではなく量的観点から行われており、実際の評価として用いるには好ましくない場合がある。特許文献３および４では、量的観点に質的観点を含めた評価を行うことについての記載があるが、評価対象全てについて質的観点から評価を行うことは難しいという問題がある。
また、業務の活動の種類や活動内容、活動期間などは一律ではないため、各業務について評価した評価結果が、全体を考慮して評価したときの評価結果と照らし合わせたときに、できるだけ等しくなるように評価できることが好ましい。
本発明は上記のような事情に鑑みてなされたもので、活動内容の質や量、活動スパンを考慮して活動者の知的生産性を計測することができる知的生産性計測装置、知的生産性計測方法および記録媒体を提供することを目的とする。
上記目的を達成するため、本発明の第１の観点に係る知的生産性計測装置は、
活動者の活動を表す活動情報を取得する活動情報取得手段と、
前記活動者が関与する事象を表す情報と、前記事象が生起する時間の情報とを含む事象情報を取得する事象情報取得手段と、
前記活動者の活動に対する、該活動者の主観的評価および該活動者を評価する評価者の主観的評価のうち少なくとも１つを取得する評価取得手段と、
所定の期間における所定の種類の前記活動情報の値を要素として、所定の順に並べたベクトルである短期的コンテキストを、前記活動情報取得手段で取得した活動情報から生成する短期的コンテキスト計算手段と、
所定の期間における所定の種類の前記事象情報の値を要素として、所定の順に並べたベクトルである長期的コンテキストを抽出する長期的コンテキスト計算手段と、
前記短期的コンテキストの空間と前記長期的コンテキストの空間の直和空間から前記主観的評価の空間への所定の写像関数を用いて、前記活動者の前記短期的コンテキストおよび前記長期的コンテキストを写像した値が該活動者の当該主観的評価の所定の範囲に入るように、該写像関数のパラメータである推定モデルを生成するモデル生成手段と、
前記モデル生成手段で生成された推定モデルを用いて、前記活動者の活動の前記短期的コンテキストおよび前記長期的コンテキストから前記主観的評価の空間への写像である知的生産性を演算する知的生産性推定手段と、
を備えることを特徴とする。
上記目的を達成するため、本発明の第２の観点に係る知的生産性計測方法は、
活動者の活動の知的生産性を推測する知的生産性計測装置が行う知的生産性計測方法であって、
活動者の活動を表す活動情報を取得する活動情報取得ステップと、
前記活動者が関与する事象を表す情報と、前記事象が生起する時間の情報とを含む事象情報を取得する事象情報取得ステップと、
前記活動者の活動に対する、該活動者の主観的評価および該活動者を評価する評価者の主観的評価のうち少なくとも１つを取得する評価取得ステップと、
所定の期間における所定の種類の前記活動情報の値を要素として、所定の順に並べたベクトルである短期的コンテキストを、前記活動情報取得ステップで取得した活動情報から生成する短期的コンテキスト計算ステップと、
所定の期間における所定の種類の前記事象情報の値を要素として、所定の順に並べたベクトルである長期的コンテキストを抽出する長期的コンテキスト計算ステップと、
前記短期的コンテキストの空間と前記長期的コンテキストの空間の直和空間から前記主観的評価の空間への所定の写像関数を用いて、前記活動者の前記短期的コンテキストおよび前記長期的コンテキストを写像した値が該活動者の当該主観的評価の所定の範囲に入るように、該写像関数のパラメータである推定モデルを生成するモデル生成ステップと、
前記モデル生成ステップで生成された推定モデルを用いて、前記活動者の活動の前記短期的コンテキストおよび前記長期的コンテキストから前記主観的評価の空間への写像である知的生産性を演算する知的生産性推定ステップと、
を備えることを特徴とする。
上記目的を達成するため、本発明の第３の観点に係るコンピュータ読み取り可能な記録媒体は、
コンピュータに、
活動者の活動を表す活動情報を取得する活動情報取得ステップと、
前記活動者が関与する事象を表す情報と、前記事象が生起する時間の情報とを含む事象情報を取得する事象情報取得ステップと、
前記活動者の活動に対する、該活動者の主観的評価および該活動者を評価する評価者の主観的評価のうち少なくとも１つを取得する評価取得ステップと、
所定の期間における所定の種類の前記活動情報の値を要素として、所定の順に並べたベクトルである短期的コンテキストを、前記活動情報取得ステップで取得した活動情報から生成する短期的コンテキスト計算ステップと、
所定の期間における所定の種類の前記事象情報の値を要素として、所定の順に並べたベクトルである長期的コンテキストを抽出する長期的コンテキスト計算ステップと、
前記短期的コンテキストの空間と前記長期的コンテキストの空間の直和空間から前記主観的評価の空間への所定の写像関数を用いて、前記活動者の前記短期的コンテキストおよび前記長期的コンテキストを写像した値が該活動者の当該主観的評価の所定の範囲に入るように、該写像関数のパラメータである推定モデルを生成するモデル生成ステップと、
前記モデル生成ステップで生成された推定モデルを用いて、前記活動者の活動の前記短期的コンテキストおよび前記長期的コンテキストから前記主観的評価の空間への写像である知的生産性を演算する知的生産性推定ステップと、
を実行させるためのプログラムを記録する。
本発明によれば、活動内容の質や量、活動スパンを考慮して活動者の知的生産性を計測することができる。
実施の形態１に係る知的生産性計測装置の構成例を示すブロック図である。 活動情報に係る短期的コンテキストのデータの一例を示す図である。 事象情報に係る長期的コンテキストのデータの一例を示す図である。 活動情報取得部（センサ）の一例を示す構成図である。 実施の形態１に係る知的生産性計測装置のモデル構築処理動作の一例を示すフローチャートである。 実施の形態１に係る知的生産性計測装置の知的生産性計測処理動作の一例を示すフローチャートである。 実施の形態１に係る知的生産性計測装置の処理動作の一例を示すフローチャートである。 実施の形態２に係る知的生産性計測装置の構成例を示すブロック図である。 実施の形態２に係る知的生産性計測装置のモデル構築処理動作の一例を示すフローチャートである。 実施の形態２に係る知的生産性計測装置の知的生産性計測処理動作の一例を示すフローチャートである。 本発明に係る知的生産性計測装置のハードウェア構成の一例を示すブロック図である。
以下に、本発明を実施するための形態について図面を参照して詳細に説明する。なお図中、同一または相当部分には同じ符号を付す。
以下に、短期的コンテキスト、長期的コンテキスト、知的生産性推定モデルのそれぞれの語句について定義し、以後、用いるものとする。短期的コンテキストとは、所定の期間における所定の種類の活動情報の値を要素として、所定の順に並べたベクトルをいう。具体的には、短期的コンテキストは、時刻Ｔの前後Δｔ時間における活動情報の変化として表現することができる。例えば、「１２時を基準としたときに、その１時間前にコミュニケーション量が増加」「１２時の２時間後にキータイプ量が減少」などの活動情報の変化は短期的コンテキストに該当し、活動者が行う物理的な動きで表現できるものと考えられる。
長期的コンテキストとは、所定の期間における所定の種類の前記事象情報の値を要素として、所定の順に並べたベクトルをいう。具体的には、長期的コンテキストは、時刻Ｔｂの前後Δｔｂ時間における事象情報の変化として表現することができる。短期的コンテキストが前後Δｔ時間の期間における情報の変化であるのに対して、長期的コンテキストは、少なくともΔｔ時間よりも長い期間、例えば日単位や週単位などの期間に対する情報の変化を指す。例えば、「先週１週間に多くのプログラミングを行った」「１週間連続で深夜残業を行った」「３日後に報告書の締切がある」のように、仕事のスケジュールや作業のフェーズのように大きな流れを含む事象情報の変化は長期的コンテキストに該当し、活動者の疲労度や集中度に影響を与えると考えられる。
ここで、長期的コンテキストを考慮して活動者の知的生産性を推定する際に、長期的コンテキストを短期的コンテキストと同様に活動情報の変化として表現することは現実的ではない。短期的コンテキストを取得するためには、ある時刻Ｔの前後Δｔ時間のウィンドウサイズに含まれる全てのセンサデータの変化が必要である。これに対して、長期的コンテキストを取得するためには、ある時刻Ｔｂ、すなわち任意の日付Ｄの前後Δｄ日間のウィンドウサイズに含まれる全てのセンサデータの変化が必要となる。そのため、取得された長期的コンテキストは、そのデータ量が膨大となるだけでなく、知的生産性に影響を与えない多くのノイズを含む。例えば、１秒間に１個のサンプリング周期でデータを取得するセンサを１０種類使っている場合、時刻ｔの前後１週間分のデータは3600×24×7×2×10＝12,096,000個のデータになってしまう。また、短期的コンテキストは、センサデータを用いて仕事や作業の直近の実行状態を表すのに対して、長期的コンテキストは、仕事や作業のフェーズを表している。そのため、長期的コンテキストは、センサデータよりもスケジューラや工程管理ツールから取得する必要がある。
本発明では、長期的コンテキストは、活動者が関与する事象の情報を用いて表される。活動者が関与する事象とは、活動の目的または活動の結果が少なくとも一部を構成している事象のことをいう。例えば、会議、残業、作成書類、成果物の期限などは事象の例である。事象を表す情報（文字列または記号）と、その事象が生起する時間の情報を含めて事象情報という。事象が生起する時間の情報には、その事象が所定の期間に発生する回数、頻度もしくは発生間隔、または、所定の期間に対してその事象の生起している時間の割合を含む。事象情報は、長期的コンテキストのなかの位置によって、それに対応する事象を表すことにしてもよい。
知的生産性推定モデルとは、短期的コンテキストの空間と長期的コンテキストの空間の直和空間から主観的評価の空間への所定の写像関数を用いて、活動者の短期的コンテキストおよび長期的コンテキストを写像した値が活動者の当該主観的評価の所定の範囲に入るように、写像関数のパラメータを設定したモデルをいう。
（実施の形態１）
図１は、本発明の実施の形態１に係る知的生産性計測装置の構成例を示すブロック図である。知的生産性計測装置１００は、処理装置、端末９、活動情報取得部１０ａおよび事象情報取得部１０ｂから構成される。処理装置は、プログラム制御により動作する。処理装置は、入力部１、計算部２、記憶部３、評価取得部４、モデル生成部５、知的生産性演算部６および出力部８を備える。
入力部１は、短期的コンテキスト入力部１１ａと長期的コンテキスト入力部１１ｂを備える。計算部２は、短期的コンテキスト計算部２１ａと長期的コンテキスト計算部２１ｂとを備える。記憶部３は、取得した情報や計算処理および推定処理の結果などを記憶する。記憶部３は、処理装置の一部として構成されずに、ハードディスクやフラッシュメモリなどの記憶装置上に構成されてもよい。知的生産性演算部６は、推定部６ａを備える。
活動情報取得部１０ａは、活動者の活動状態をセンサでモニタリングし、活動情報であるデータを短期的コンテキスト入力部１１ａへ入力する。
活動情報取得部１０ａにより取得された活動情報は、短期的コンテキスト入力部１１ａを介して記憶部３に記憶され、タイムスタンプＴＳと共に格納される。活動情報を表すセンサデータの例としては、活動者に関する位置情報、視線情報、活動周辺の環境音情報、発話音声情報、計算機入力部の操作情報、ソフトウェアの操作情報、オフィス内什器操作情報、が挙げられる。具体的に、計算機入力部の操作情報とは、タイピング量、マウスの移動量、マウスの右左クリックの数などを指す。ソフトウェアの操作情報とは、コンピュータ上の操作ログ、作成・編集・閲覧したファイル名、メールの送受信者などを指す。
事象情報取得部１０ｂは、活動者が関与する事象を表す情報と事象が生起する時間の情報と、を含む事象情報を、例えばテキストデータなどの形式で長期的コンテキスト入力部１１ｂへ入力する。
事象情報取得部１０ｂにより取得された事象情報は、長期的コンテキスト入力部１１ｂを介して記憶部３に格納される。事象情報は、所定の期間における、ある種類の事象の発生する回数、頻度もしくは発生間隔、または、事象の生起している時間の割合を含む情報である。事象情報は、例えば、予定表、計画表、活動実績表、工程管理表または活動報告書などの、活動者の仕事や作業のフェーズを表す長期的なスケジュールデータである。このデータは、詳細には、スケジューラに登録された予定、登録されたＴｏＤｏ項目の数、処理済のＴｏＤｏ項目の数、ガントチャートなど工程管理表の進捗度、などを含む。
計算部２は、短期的コンテキスト計算部２１ａおよび長期的コンテキスト計算部２１ｂを備える。
短期的コンテキスト計算部２１ａは、短期的コンテキスト入力部１１ａに格納、もしくは、短期的コンテキスト入力部１１ａを介して記憶部３に記憶された活動情報の中から、短期的コンテキストサンプリング周期τ_ｔの間隔で、前後Δｔ時間の短期的コンテキストを計算する。また、短期的コンテキスト計算部２１ａは、計算した結果を、記憶部３に格納する。
長期的コンテキスト計算部２１ｂは、長期的コンテキスト入力部１１ｂに格納、もしくは、長期的コンテキスト入力部１１ｂを介して記憶部３に記憶された事象情報の中から、長期的コンテキストサンプリング周期τ_ｄの間隔で、前後Δｄ日間の長期的コンテキストを計算する。また、長期的コンテキスト計算部２１ｂは、計算した結果を、記憶部３に格納する。
記憶部３は、短期的コンテキスト入力部１１ａにより取得された活動情報であって、任意の時刻Ｔについて、短期的コンテキストとして前後Δｔ時間のセンサデータの値またはその変化が格納されている。Δｔは、例えば、３０分、１時間などである。
図２は、活動情報に係る短期的コンテキストのデータの一例を示す図である。活動者ＩＤがＬ０１の２０１０年３月２５日の１３：０６の前後Δｔ時間におけるコミュニケーション量は増加傾向、タイピング量は増加傾向、同一場所滞在時間は２０分、操作ファイル名は「日報.txt」が含まれることが分かる。また、活動者ＩＤがＬ０２の２０１０年３月２５日の１３：０８の前後Δｔ時間におけるコミュニケーション量は増加傾向、タイピング量は減少傾向、同一場所滞在時間は３分、操作ファイル名は「特許.doc」が含まれることが分かる。このことから、例えば、活動者Ｌ０２は、特許に関する仕事をしているにもかかわらず、同一場所に滞在してタイピングする量が減少している一方で、コミュニケーションの時間が増えていることがわかる。この例にも示される通り、短期的コンテキストの種類は、（Ａ）数値、（Ｂ）増加/減少の傾向、（Ｃ）文字列などを含む。ここで、（Ａ）数値をそのままベクトルデータとして利用し、（Ｂ）増加/減少の傾向については、増加の場合は＋１、減少の場合は−１に数値化し、（Ｃ）文字列については、その文字列と同一の要素が含まれるか否かを１／０で表現することによって、短期的コンテキストをベクトルとして表現することができる。例えば、図２の例では、活動者Ｌ０１、Ｌ０２の短期的コンテキストを、｛コミュニケーション量，タイピング量，同一場所滞在時間（分），日報.txt，特許.doc｝という５次元ベクトルで表現することができ、それぞれ、
｛＋１，＋１，２０，１，０｝
｛＋１，−１，３，０，１｝
となる。
また、記憶部３には、長期的コンテキスト入力部１１ｂで取得した事象情報であって、任意の時刻ｔ（任意の日付Ｄを指す）を含む前後Δｄ日間の期間に生起した事象のうち、特定のイベントが抽出され、長期的コンテキストとして、格納されている。
図３は、事象情報に係る長期的コンテキストのデータの一例を示す図である。活動者ＩＤがＬ０１の２０１０年３月２５日の１３：０６の前後Δｄ日間における残業時間は６００分、処理済ＴｏＤｏは８０％、締切件数は５件であることが分かる。また、活動者ＩＤがＬ０２の２０１０年３月２５日の１３：０８の前後Δｄ日間における残業時間は１０分、処理済ＴｏＤｏは２５％、締切件数は１件であることが分かる。長期コンテキストデータも、短期コンテキストデータと同様にベクトル表現で記述することができる。例えば、図３の例では、活動者Ｌ０１、Ｌ０２の長期的コンテキストを、｛残業時間，処理済ＴｏＤｏ，締切件数｝という３次元ベクトルで表現することができ、それぞれ、
｛６００，８０，５｝
｛１０，２５，１｝
となる。
評価取得部４は、知的生産性を算出したい活動について、１日のうちのランダムな時間に活動者やその上司・同僚などからその主観的評価の入力を促し、端末９を介してその評価を取得する。評価取得部４は、その取得した主観的評価を記憶部３へ記憶し格納する。この時、入力を促す方法としては、メールを送信し、そのメール内にＷｅｂ質問ページへのＵＲＬを記述する方法などが考えられる。他にも、コンピュータ内で新しいウィンドウをポップアップし、そこに質問を表示するなどの方法が考えられ、本実施の形態に述べた方法に限定されない。また、１日のうちのランダムな時間に主観的評価の入力を促さずに、毎週月曜と木曜の正午、のように、所定の曜日や時間を決めてもよい。また、入力を促す頻度を１日に限定する必要もない。
モデル生成部５は、記憶部３に格納された活動情報に係る短期的コンテキストのデータおよび事象情報に係る長期的コンテキストのデータを用いて、記憶部３に格納された主観的評価を推定するための推定モデルを生成する。例えば、モデル生成部５は、短期的コンテキストおよび長期的コンテキストを特徴ベクトルとして、重回帰分析を用いて知的生産性を説明するような重回帰式を求める。より詳しくは、推定モデルの生成は、短期的コンテキストの空間と、長期的コンテキストの空間の直和空間から主観的評価の空間への所定の写像関数を用いて、短期的コンテキストおよび長期的コンテキストを写像した値が主観的評価の所定の範囲に入るように写像関数のパラメータを設定して行う。
知的生産性演算部６は、記憶部３のデータを参照して知的生産性の計測を行う。知的生産性演算部６は、主観的評価を備えていない活動については、知的生産性演算部６に備えた推定部６ａで推定することにより計測を行う。詳しくは、知的生産性演算部６は、記憶部３のデータを参照し、短期的コンテキスト、長期的コンテキストおよび主観的評価が格納されている活動に対しては、そのまま所定の方法で、知的生産性を計測する。また、知的生産性演算部６は、記憶部３のデータを参照し、短期的コンテキストおよび長期的コンテキストが格納されているが、主観的評価が格納されていない活動に対しては、推定部６ａへ知的生産性を推定するよう指示する。推定部６ａは、モデル生成部５で生成し記憶部３に格納された知的生産性の推定モデルを参照し、その推定モデルを用いて知的生産性を推定する。知的生産性演算部６は、計測した活動の知的生産性について、記憶部３に格納してもよい。
出力部８は、知的生産性演算部６で計測した活動の知的生産性を、その活動とともに、出力する。出力部８は、評価取得部４へ主観的評価を入力する際に用いられる端末９の一部として構成されていてもよい。
また、記憶部３は、端末９より入力され評価取得部４により取得された主観的評価を記憶する。具体的には、記憶部３は、ランダムな時刻に人手によって入力された知的生産性の評価結果を格納する。評価結果の最も単純なデータ構造は、｛活動者ＩＤ，日時，時刻，知的生産性スコア｝のように表現される。例えば、知的生産性スコアは、活動者が自分で知的生産性の高さを数段階に分けて数値化して評価した結果である主観的評価を指す。なお、ここでは、説明を簡単にするため、最も単純なデータ構造について説明したが、知的生産性スコアは単一の指標である必要はなく、「やりがいがある」「自分を表現できる」「楽しんでいる」「没頭している」「様々なアイデアを模索している」「協力している」など、知的生産性に関する要素に対する個別の主観的評価や、各要素の主観的評価の合計や平均値を用いても良く、本実施の形態に述べた方法に限定されない。また、個別の活動者本人の知的生産性に関する主観的評価だけでなく、ある活動者に対する上司や同僚からの主観的評価の合計や平均値を用いても良く、本実施の形態に述べた方法に限定されない。
さらに記憶部３は、モデル生成部５が構築し生成した知的生産性を推定するモデル（推定モデル）を格納する。モデル生成部５は、短期的コンテキスト入力部１１ａおよび長期的コンテキスト入力部１１ｂにより入力されたコンテキストを用いて、後述する手順で、推定モデルを構築する。推定モデルの一例は、知的生産性を被説明変数Ｚ、短期的コンテキストｘ_１ないしｘ_ｍ、短期的コンテキストの重みａ_１ないしａ_ｍ、長期的コンテキストｙ_１ないしｙ_ｎ、長期的コンテキストの重みｂ_１ないしｂ_ｎ、切片ｃを用いて、下記のように表現される。
Ｚ＝（ａ_１×ｘ_１＋ａ_２×ｘ_２＋・・・＋ａ_ｍ×ｘ_ｍ）
＋（ｂ_１×ｙ_１＋ｂ_２×ｙ_２＋・・・＋ｂ_ｎ×ｙ_ｎ）＋ｃ
なお、ここでは、知的生産性の推定モデルの例として、重回帰式を用いる例について述べた。しかし、知的生産性の高／低を２つの値で表現し、短期的コンテキストと長期的コンテキストからなる多次元特徴空間を２つに分離する超平面の式を推定モデルとして用いてもよく、本実施の形態に述べた方法に限定されない。
また、記憶部３は、知的生産性演算部６で計測した知的生産性の値を格納する。知的生産性の値は、主観的評価を有する活動だけでなく、主観的評価を有しない活動に対する値であってもよい。主観的評価を有しない活動に対する知的生産性の値は、推定部６ａで推定モデルを参照し主観的評価を推定した値を用いたものも含まれる。
知的生産性の値は、任意の時刻ｔについて、短期的コンテキストおよび長期的コンテキストはあるが主観的評価がない活動に対して、モデル生成部５の知的生産性の推定モデルをもとに求めた値である。知的生産性の基本的なデータ構造は、｛活動者ＩＤ，日付，時刻，知的生産性推定値｝である。
図４は、活動情報取得部（センサ）の一例を示す構成図である。例にあげる活動情報を取得する手段であるセンサは、ＲＦ（Radio Frequency）タグであり、位置に関する活動情報を取得する。活動情報取得部１０ａは、ＲＦタグ５１、位置情報発信機５２、タグ情報送受信部５３および位置算出部５４を備える。
位置情報発信機５２は、活動者（図中の活動者Ｌ０１、活動者Ｌ０２、活動者Ｌ０３に該当）が所持するＲＦタグ５１（図中のＲＦタグＬ０１、ＲＦタグＬ０２、ＲＦタグＬ０３に該当）からの電波を受信する。タグ情報送受信部５３は、ネットワークＮを介して位置情報発信機５２のタグ情報を受け、その活動者の識別情報および位置情報を位置算出部５４へ送信する。そして位置算出部５４は、活動者の位置を算出する。このように活動情報取得部１０ａは活動者の位置情報について、情報の取得を行う。
図５は、実施の形態１に係る知的生産性計測装置のモデル構築処理動作の一例を示すフローチャートである。
まず、活動情報取得部１０ａは、活動者の活動情報を取得する（ステップＳ１１）。活動情報の取得は、センサデータを取得するなどして行う。また、事象情報取得部１０ｂは、活動者が関与する事象を表す情報と事象が生起する時間の情報とを含む事象情報を取得する（ステップＳ１２）。
次に、短期的コンテキスト計算部２１ａは、短期的コンテキスト入力部１１ａへ入力された活動情報をもとに、短期的コンテキストを計算する（ステップＳ１３）。長期的コンテキストについても同様に、長期的コンテキスト計算部２１ｂは、長期的コンテキスト入力部１１ｂへ入力された事象情報をもとに、長期的コンテキストを計算する（ステップＳ１４）。
そして、評価取得部４は、活動に対する主観的評価を取得する（ステップＳ１５）。主観的評価は、活動者および評価者の少なくとも一方が端末９を使用して入力したものなどを用いる。モデル生成部５は、ステップＳ１３で計算した短期的コンテキスト、ステップＳ１４で計算した長期的コンテキスト、ステップＳ１５で取得した主観的評価を用いて、対応する活動について、短期的コンテキストおよび長期的コンテキストと主観的評価の関係を導き、知的生産性の推定モデルの生成し、記憶する（ステップＳ１６）。そして、一連の動作を終了する。ステップＳ１３ないしステップＳ１６における各ステップにおいて、入力や計算、取得など行った情報は、その都度、記憶部３に格納され、記憶されてもよい。
より具体的には、各ステップについて、以下の動作が行われる。
ステップＳ１３において、短期的コンテキスト計算部２１ａは、短期的コンテキスト入力部１１ａにある活動情報のセンサデータの中から、コンテキストサンプリング周期τ_ｔの間隔で、前後Δｔ時間の短期的コンテキストを計算する。
ステップＳ１４において、長期的コンテキスト計算部２１ｂは、長期的コンテキスト入力部１１ｂにある事象情報のデータの中から、コンテキストサンプリング周期τ_ｄの間隔で、前後Δｄ日間の長期的コンテキストを計算する。
ステップＳ１５において、評価取得部４は、１日のうちのランダムな時間に活動者の知的生産性の主観的評価の入力を促すための端末９へのメール送信や画面表示などを行ってもよい。また、主観的評価を行う者は活動者だけでなく活動者の上司や同僚などの評価者であってもよく、主観的評価を行う者に対して活動に対する評価の入力を促してもよい。さらに、入力促進のための方法であるメール送信や画面表示の頻度も任意に設定可能である。
ステップＳ１６において、モデル生成部５は、ステップＳ１３で計算した短期的コンテキストと、ステップＳ１４で計算した長期的コンテキストを特徴ベクトルとして、重回帰分析を用いて知的生産性を説明するような重回帰式を求める。また、求めた推定モデルは、その都度、記憶部３に格納され記憶される。この重回帰式は、知的生産性の推定モデルの１例であり、必ずしもモデル生成部５により構築され生成される推定モデルは、この例に限定されない。
なお、ここでは理解を容易にするため、ステップＳ１１ないしステップＳ１６の処理を順番に実行する方法について説明したが、各処理は独立の周期で繰り返し実行されればよく、本実施の形態に述べた方法に限定されない。各処理の実行周期として、例えば、下記のような組み合わせが挙げられる。
活動情報センサ取得処理（ステップＳ１１）：１秒間隔
事象情報データ取得処理（ステップＳ１２）：１２時間間隔
短期的コンテキスト処理（ステップＳ１３）：２時間間隔
長期的コンテキスト処理（ステップＳ１４）：１日間隔
主観的評価取得処理（ステップＳ１５）：ランダムな間隔で１日３ないし５回程度
知的生産性の推定モデル生成／記憶処理（ステップＳ１６）：主観的評価取得処理（ステップＳ１５）と連動して実行
図６は、実施の形態１に係る知的生産性計測装置の知的生産性計測処理１の動作の一例を示すフローチャートである。
ステップＳ１１ないしステップ１４の動作は、図５のモデル構築処理動作のステップＳ１１ないしステップＳ１４と同じである。
短期的コンテキストの計算（ステップＳ１３）および長期的コンテキストの計算（ステップＳ１４）を終えると、評価取得部４は、取得した主観的評価があれば（ステップＳ２１；ＹＥＳ）、主観的評価の取得（ステップＳ１５）を行う。そして、知的生産性演算部６は、知的生産性の計測、すなわち演算を行い（ステップＳ２２）、一連の処理を終了する。知的生産性の計測は、ある活動に対して、短期的コンテキストと長期的コンテキストを特徴ベクトルとして主観的評価を対応させて、知的生産性の計測を行う。ステップＳ１５における主観的評価取得動作についても、図５のモデル構築処理動作のステップＳ１５と同じ動作である。
評価取得部４は、取得した主観的評価がなければ（ステップＳ２１；ＮＯ）、モデル生成部５により構築され生成された知的生産性の推定モデルを参照する（ステップＳ２３）。そして、推定部６ａは参照した推定モデルをもとに、対象となる活動の主観的評価の推定を行う。すなわち知的生産性演算部６は、短期的コンテキストおよび長期的コンテキストを特徴ベクトルとし、知的生産性の推定および計測、すなわち演算を行い（ステップＳ２４）、一連の処理を終了する。詳しくは、知的生産性演算部６の推定部６ａは、評価取得部４で評価を取得していない活動に対して、モデル生成部５により生成された推定モデルを用いて主観的活動評価を推定し、推定したものを知的生産性の計測の際に用いる。
ステップＳ２２で行う知的生産性演算部６による知的生産性の演算、および、ステップＳ２４で行う知的生産性演算部６による知的生産性の推定および演算の結果は、記憶部３に格納され記憶されてもよい。また、知的生産性演算部６による処理の実行周期は、例えば、
知的生産性演算処理（ステップＳ２２）および知的生産性推定／演算処理（ステップＳ２４）：２時間間隔
とし、各処理を順番に実行せず、各々を独立の周期で繰り返し実行してもよい。
また、取得する主観的評価がある場合（ステップＳ２１でＹＥＳの場合）、モデル構築処理と知的生産性計測処理をまとめて行うことができ、図７の実施の形態１に係る知的生産性計測装置の処理動作の一例を示すフローチャートの様に、簡潔に表すことができる。最終的に生成および記憶された推定モデルおよび計測された知的生産性は、記憶部３に格納され、記憶されることが望ましい。
（実施の形態２）
図８は、本発明の実施の形態２に係る知的生産性計測装置の構成例を示すブロック図である。実施の形態２に係る知的生産性計測装置１００は、活動者自身が直接に活動情報を入力する仕組みを備え、その情報（ワークセグメントという）を特徴ベクトルで表現し、知的生産性の計測に用いる際に考慮する。
実施の形態２に係る知的生産性計測装置１００は、実施の形態１に係る知的生産性計測装置１００に、ワークセグメント入力部７ａおよびベクトル生成部７ｂを備え、入力した情報について記憶部３に格納して記憶する。
ワークセグメント入力部７ａは、ある活動に対して、何時から何時までどのような作業を行っていたかというアノテーションを、活動者自身に入力させ、その入力結果を記憶部３に格納して記憶させる。活動者は、ワークセグメント入力部７ａへ入力する際、端末９などを用いることができる。作業負担を軽減するため、作業内容はあらかじめメニュー化しておき、活動者は作業の開始時刻、終了時刻、および作業メニューの中から一つを選択することで、アノテーションの入力が可能である。
ワークセグメント入力部７ａを介して記憶部３は、各活動者の作業と作業時刻のアノテーション情報を格納する。具体的なデータ構造は、｛活動者ＩＤ，開始時刻，終了時刻，作業内容，関連情報｝である。例えば、「活動者Ｌ０１が２０１０／３／２５ １０：００ないし１０：３０に活動者Ｌ０２宛てにメールを書いていた」という作業は、｛活動者Ｌ０１，２０１０／３／２５ １０：００，２０１０／３／２５ １０：３０，メール執筆，宛先：Ｌ０２｝という形で表現できる。
ベクトル生成部７ｂは、ワークセグメント入力部７ａで取得したワークセグメントを用いて、所定の期間で時系列に並べた特徴ベクトルを生成する。
例えば、ワークセグメント入力部７ａで取得したデータから、ある時刻ｔの前後における活動者の作業の時系列データが得られる。ある活動者が時刻Ｔの時点で作業Ａを行っており、その前３０分は作業Ｂから作業Ｃを行っていて、時刻Ｔ以降は作業Ａを継続し、その後３０分で作業Ｄから作業Ｂを行い再び作業Ｄという作業に遷移したとする。この場合、時刻Ｔの前後３０分での作業の時系列データは、順に、「作業Ｂ，作業Ｃ，作業Ａ，作業Ｄ，作業Ｂ，作業Ｄ」となる。これは、作業ＡないしＤにそれぞれ固有のＩＤを付与することで特徴ベクトルとして表現可能である。例えば、作業ＡないしＤに１００１ないし１００４というＩＤを付与したとすると、作業の時系列データの特徴の特徴ベクトルは、｛１００２，１００３，１００１，１００４，１００２，１００４｝と表現することができる。
図９は、実施の形態２に係る知的生産性計測装置のモデル構築処理動作の一例を示すフローチャートである。モデル構築処理２の基本的な処理動作は、図５に示すモデル構築処理１の動作と同じである。モデル構築処理２の動作では、主観的評価取得（ステップＳ１５）の後に、ワークセグメント取得動作（ステップＳ３１）、ベクトル生成動作（ステップＳ３２）が行われる。
主観的評価取得（ステップＳ１５）を終えると、ワークセグメント入力部７ａは、活動者が入力する、活動の作業内容、作業開始時間および作業終了時間を含むワークセグメント情報を取得する（ステップＳ３１）。ベクトル生成部７ｂは、ワークセグメント情報からその構成要素を時系列に並べた特徴ベクトルを生成する（ステップＳ３２）。
モデル生成部５は、ステップＳ１３で計算した短期的コンテキスト、ステップＳ１４で計算した長期的コンテキスト、ステップＳ３２で取得した特徴ベクトルを用いて、対応する活動について、短期的コンテキスト、長期的コンテキストおよび特徴ベクトルと主観的評価の関係を導き、知的生産性の推定モデルの生成し記憶する（ステップＳ３３）。そして、一連の動作を終了する。ステップＳ１３ないしステップＳ１５およびステップＳ３１ないしステップＳ３３における各ステップにおいて、入力や計測、取得など行った情報は、その都度もしくはまとめて、記憶部３に格納されて記憶されてもよい。
具体的には、ステップＳ３３について、以下の動作が行われる。モデル生成部５は、ステップＳ１３で計算した短期的コンテキストと、ステップＳ１４で計算した長期的コンテキストと、のそれぞれを特徴ベクトルとしたものに加えて、ステップＳ３２で生成した特徴ベクトルより、重回帰分析を用いて知的生産性を説明するような重回帰式を求める。また、求めた推定モデルは、その都度、記憶部３へ格納して記憶しておく。この重回帰式は、知的生産性の推定モデルの１例であり、モデル生成部５により構築され生成された推定モデルは、この例に限定されない。
また、ステップＳ３３について、モデル生成部５は、短期的コンテキストの空間、長期的コンテキストの空間およびステップＳ３２で生成したワークセグメントの特徴ベクトルの空間の直和空間から主観的評価の空間への所定の写像関数を用いて、活動者の短期的コンテキスト、長期的コンテキストおよび特徴ベクトルを写像した値が活動者の当該主観的評価の所定の範囲に入るように、写像関数のパラメータである知的生産性の推定モデルを生成してもよい。
なお、モデル構築処理２の基本的な処理動作において、モデル構築処理１と同様に、各処理は独立の周期で繰り返し実行されればよく、本実施の形態に述べた方法に限定されない。
図１０は、実施の形態２に係る知的生産性計測装置の知的生産性計測処理動作の一例を示すフローチャートである。知的生産性計測処理２の基本的な処理動作は、図６に示す知的生産性計測処理１の動作と同じである。知的生産性計測処理２の動作において、短期的コンテキストの計算（ステップＳ１３）と長期的コンテキストの計算（ステップＳ１４）の後に、ワークセグメントを取得する動作（ステップＳ３１）、およびベクトル生成動作（ステップＳ３２）が行われる。これら追加する動作は、モデル構築処理２の基本的な処理動作に等しいので説明を省略する。
また、知的生産性計測処理２の動作で用いる知的生産性の推定モデルは、知的生産性計測処理１の動作で用いる知的生産性の推定モデルとほぼ同様であり、知的生産性の推定モデルの構築の際に、短期的コンテキスト、長期的コンテキストおよび主観的評価に加えて、特徴ベクトルを考慮したものを用いる。そのため、知的生産性計測処理１の動作の知的生産性演算（ステップＳ２２）、知的生産性の推定モデル参照（ステップＳ２３）、知的生産性推定および演算（ステップＳ２４）は、知的生産性計測処理２の動作の知的生産性演算（ステップＳ４１）、知的生産性の推定モデル参照（ステップＳ４２）、知的生産性推定および演算（ステップＳ４３）とほぼ同様である。
知的生産性の計測すなわち演算もしくは推定および演算において、実施の形態１の場合と異なり、モデル生成部５は、短期的コンテキストおよび長期的コンテキストだけでなく、ワークセグメント入力部７ａで入力し、ベクトル生成部７ｂにより生成された作業の時系列データの特徴ベクトルも用いて知的生産性の推定モデルを構築する。そして最終的に、知的生産性演算部６は知的生産性の計測を行う。
実施の形態１に係る知的生産性計測装置によれば、活動内容の質や量、活動スパンを考慮して活動者の知的生産性を計測することができる。その理由は、センサデータの中からあらかじめ決められた周期で、前後数分ないし数時間単位でのセンサデータの値や変化を短期的コンテキストとして抽出し、前後数日間でのイベントの発生件数や発生確率を長期的コンテキストとして抽出し、両者のデータを用いて活動者の知的生産性の推定モデルを構築するからである。
実施の形態１に係る知的生産性計測装置は、コンテキストを主に活動スパンを考慮して短期的・長期的な２種類に分け、長期的なコンテキストについては、数日間のセンサデータから特定イベントの発生に注目した集計結果を用いた特徴ベクトルを生成する。これにより、短期的・長期的なコンテキストを考慮して活動者の知的生産性を計測することができる。
実施の形態２に係る知的生産性計測装置は、作業の開始時間と終了時間を活動者に入力させ、作業の時系列順序を反映した特徴ベクトルを利用した知的生産性の推定モデルを構築する。これにより、作業Ｘを行うには事前に作業Ｙを行うと知的生産性が高くなる等、作業の順序に応じた知的生産性の変化を計測することができる。
また、本発明の実施の形態に係る知的生産性計測装置によれば、未来のイベントをも含めた活動スパン、特に長期的コンテキストを考慮しながら知的生産性を計測することもできる。さらに、活動者の主観的評価や、活動者の入力により得られるアノテーションなどについて、データが不足する部分についても、推定することができ、より精度の高い知的生産性の測定を行うことができる。
図１１は、図１および図８に示す本発明の実施の形態に係る知的生産性計測装置の物理的な構成例を示すブロック図である。知的生産性計測装置１００は、図１１に示すように、制御部６１、主記憶部６２、外部記憶部６３、操作部６４、表示部６５および送受信部６６を備える。主記憶部６２、外部記憶部６３、操作部６４、表示部６５および送受信部６６はいずれも内部バス６０を介して制御部６１に接続されている。
制御部６１はＣＰＵ（Central Processing Unit）等から構成され、外部記憶部６３に記憶されている制御プログラム６９に従って、知的生産性計測に係る処理を実行する。
主記憶部６２はＲＡＭ（Random-Access Memory）等から構成され、外部記憶部６３に記憶されている制御プログラム６９をロードし、制御部６１の作業領域として用いられる。
外部記憶部６３は、フラッシュメモリ、ハードディスク、ＤＶＤ−ＲＡＭ（Digital Versatile Disc Random-Access Memory）、ＤＶＤ−ＲＷ（Digital Versatile Disc ReWritable）等の不揮発性メモリから構成される。外部記憶部６３は、上述の処理を制御部６１に行わせるための制御プログラム６９を予め記憶する。また、外部記憶部６３は、制御部６１の指示に従って、この制御プログラム６９が記憶するデータを制御部６１に供給し、制御部６１から供給されたデータを記憶する。
操作部６４はキーボードおよびマウスなどのポインティングデバイス等と、キーボードおよびポインティングデバイス等を内部バス６０に接続するインタフェース装置から構成されている。
表示部６５は、ＣＲＴ（Cathode Ray Tube）またはＬＣＤ（Liquid Crystal Display）などから構成され、知的生産性計測の結果などを表示する。
送受信部６６は、無線送受信機、無線モデムまたは網終端装置、およびそれらと接続するシリアルインタフェースまたはＬＡＮ（Local Area Network）インタフェースから構成されている。送受信部６６を介して、知的生産性に関する情報が送受信される。
図１および図８に示す知的生産性計測装置１００の入力部１（短期的コンテキスト入力部１１ａおよび長期的コンテキスト入力部１１ｂを含む）、計算部２（短期的コンテキスト計算部２１ａおよび長期的コンテキスト計算部２１ｂを含む）、記憶部３、評価取得部４、モデル生成部５、知的生産性演算部６（推定部６ａを含む）、ワークセグメント入力部７ａ、ベクトル生成部７ｂおよび出力部８の処理は、制御プログラム６９が、制御部６１、主記憶部６２、外部記憶部６３、操作部６４、表示部６５および送受信部６６などを資源として用いて処理することによって実行する。
その他、前記のハードウェア構成やフローチャートは一例であり、任意に変更および修正が可能である。
制御部６１、主記憶部６２、外部記憶部６３、操作部６４、内部バス６０などから構成される制御処理を行う中心となる部分は、専用のシステムによらず、通常のコンピュータシステムを用いて実現可能である。たとえば、前記の動作を実行するためのコンピュータプログラムを、コンピュータが読み取り可能な記録媒体（フレキシブルディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ等）に格納して配布し、当該コンピュータプログラムをコンピュータにインストールすることにより、前記の処理を実行する知的生産性計測装置１００を構成してもよい。また、インターネット等の通信ネットワーク上のサーバ装置が有する記憶装置に当該コンピュータプログラムを格納しておき、通常のコンピュータシステムがダウンロード等することで知的生産性計測装置１００を構成してもよい。
また、知的生産性計測装置１００の機能を、ＯＳ（オペレーティングシステム）とアプリケーションプログラムの分担、またはＯＳとアプリケーションプログラムとの協働により実現する場合などには、アプリケーションプログラム部分のみを記録媒体や記憶装置に格納してもよい。
また、搬送波にコンピュータプログラムを重畳し、通信ネットワークを介して配信することも可能である。たとえば、通信ネットワーク上の掲示板 (BBS：Bulletin Board System)に前記コンピュータプログラムを掲示し、ネットワークを介して前記コンピュータプログラムを配信してもよい。そして、このコンピュータプログラムを起動し、ＯＳの制御下で、他のアプリケーションプログラムと同様に実行することにより、前記の処理を実行できるように構成してもよい。
上記の実施形態の一部または全部は、以下の付記のようにも記載されうるが、以下には限られない。
（付記１）
活動者の活動を表す活動情報を取得する活動情報取得手段と、
前記活動者が関与する事象を表す情報と、前記事象が生起する時間の情報とを含む事象情報を取得する事象情報取得手段と、
前記活動者の活動に対する、該活動者の主観的評価および該活動者を評価する評価者の主観的評価のうち少なくとも１つを取得する評価取得手段と、
所定の期間における所定の種類の前記活動情報の値を要素として、所定の順に並べたベクトルである短期的コンテキストを、前記活動情報取得手段で取得した活動情報から生成する短期的コンテキスト計算手段と、
所定の期間における所定の種類の前記事象情報の値を要素として、所定の順に並べたベクトルである長期的コンテキストを抽出する長期的コンテキスト計算手段と、
前記短期的コンテキストの空間と前記長期的コンテキストの空間の直和空間から前記主観的評価の空間への所定の写像関数を用いて、前記活動者の前記短期的コンテキストおよび前記長期的コンテキストを写像した値が該活動者の当該主観的評価の所定の範囲に入るように、該写像関数のパラメータである推定モデルを生成するモデル生成手段と、
前記モデル生成手段で生成された推定モデルを用いて、前記活動者の活動の前記短期的コンテキストおよび前記長期的コンテキストから前記主観的評価の空間への写像である知的生産性を演算する知的生産性推定手段と、
を備えることを特徴とする知的生産性計測装置。
（付記２）
前記活動者の活動に含まれる所定の作業について入力する作業内容、作業開始時間および作業終了時間を含むワークセグメントを取得するワークセグメント取得手段と、
所定の期間における前記ワークセグメントを時系列に並べた特徴ベクトルを生成する手段と、
を備え、
前記モデル生成手段は、前記短期的コンテキストの空間、前記長期的コンテキストの空間および前記ワークセグメントの特徴ベクトルの空間の直和空間から前記主観的評価の空間への所定の写像関数を用いて、前記活動者の前記短期的コンテキスト、前記長期的コンテキストおよび前記特徴ベクトルを写像した値が該活動者の当該主観的評価の所定の範囲に入るように、該写像関数のパラメータである知的生産性の推定モデルを生成し、
前記知的生産性推定手段は、前記短期的コンテキスト、前記長期的コンテキストおよび前記特徴ベクトルから、前記活動に対して前記知的生産性を演算する、
ことを特徴とする付記１に記載の知的生産性計測装置。
（付記３）
前記活動情報取得手段は、前記活動者の活動情報として、前記活動者の位置情報、前記活動者の視線情報、前記活動者が活動を行う周辺の環境音情報、前記活動者の発話音声情報、前記活動者の計算機入力部の操作情報、前記活動者のソフトウェアの操作情報、または、前記活動者のオフィス内什器操作情報、のうち少なくとも一つを収集することを特徴とする付記１または２に記載の知的生産性計測装置。
（付記４）
前記事象情報取得手段は、所定の期間における、ある種類の前記事象の発生する回数、頻度もしくは発生間隔、または、前記事象の生起している時間の割合を含む事象情報を取得することを特徴とする付記１ないし３のいずれかに記載の知的生産性計測装置。
（付記５）
前記事象情報取得手段は、前記活動者が関与する事象の情報を含む予定表、計画表、活動実績表、工程管理表または活動報告書のうち少なくとも一つから前記事象情報を取得することを特徴とする付記１ないし４のいずれかに記載の知的生産性計測装置。
（付記６）
活動者の活動の知的生産性を推測する知的生産性計測装置が行う知的生産性計測方法であって、
活動者の活動を表す活動情報を取得する活動情報取得ステップと、
前記活動者が関与する事象を表す情報と、前記事象が生起する時間の情報とを含む事象情報を取得する事象情報取得ステップと、
前記活動者の活動に対する、該活動者の主観的評価および該活動者を評価する評価者の主観的評価のうち少なくとも１つを取得する評価取得ステップと、
所定の期間における所定の種類の前記活動情報の値を要素として、所定の順に並べたベクトルである短期的コンテキストを、前記活動情報取得ステップで取得した活動情報から生成する短期的コンテキスト計算ステップと、
所定の期間における所定の種類の前記事象情報の値を要素として、所定の順に並べたベクトルである長期的コンテキストを抽出する長期的コンテキスト計算ステップと、
前記短期的コンテキストの空間と前記長期的コンテキストの空間の直和空間から前記主観的評価の空間への所定の写像関数を用いて、前記活動者の前記短期的コンテキストおよび前記長期的コンテキストを写像した値が該活動者の当該主観的評価の所定の範囲に入るように、該写像関数のパラメータである推定モデルを生成するモデル生成ステップと、
前記モデル生成ステップで生成された推定モデルを用いて、前記活動者の活動の前記短期的コンテキストおよび前記長期的コンテキストから前記主観的評価の空間への写像である知的生産性を演算する知的生産性推定ステップと、
を備えることを特徴とする知的生産性計測方法。
（付記７）
前記活動者の活動に含まれる所定の作業について入力する作業内容、作業開始時間および作業終了時間を含むワークセグメントを取得するワークセグメント取得ステップと、
所定の期間における前記ワークセグメントを時系列に並べた特徴ベクトルを生成するステップと、
を備え、
前記モデル生成ステップは、前記短期的コンテキストの空間、前記長期的コンテキストの空間および前記ワークセグメントの特徴ベクトルの空間の直和空間から前記主観的評価の空間への所定の写像関数を用いて、前記活動者の前記短期的コンテキスト、前記長期的コンテキストおよび前記特徴ベクトルを写像した値が該活動者の当該主観的評価の所定の範囲に入るように、該写像関数のパラメータである知的生産性の推定モデルを生成し、
前記知的生産性推定ステップは、前記短期的コンテキスト、前記長期的コンテキストおよび前記特徴ベクトルから、前記活動に対して前記知的生産性を演算する、
ことを特徴とする付記６に記載の知的生産性計測方法。
（付記８）
前記活動情報取得ステップは、前記活動者の活動情報として、前記活動者の位置情報、前記活動者の視線情報、前記活動者が活動を行う周辺の環境音情報、前記活動者の発話音声情報、前記活動者の計算機入力部の操作情報、前記活動者のソフトウェアの操作情報、または、前記活動者のオフィス内什器操作情報、のうち少なくとも一つを収集することを特徴とする付記６または７に記載の知的生産性計測方法。
（付記９）
前記事象情報取得ステップは、所定の期間における、ある種類の前記事象の発生する回数、頻度もしくは発生間隔、または、前記事象の生起している時間の割合を含む事象情報を取得することを特徴とする付記６ないし８のいずれかに記載の知的生産性計測方法。
（付記１０）
前記事象情報取得ステップは、前記活動者が関与する事象の情報を含む予定表、計画表、活動実績表、工程管理表または活動報告書のうち少なくとも一つから前記事象情報を取得することを特徴とする付記６ないし９のいずれかに記載の知的生産性計測方法。
（付記１１）
コンピュータに、
活動者の活動を表す活動情報を取得する活動情報取得ステップと、
前記活動者が関与する事象を表す情報と、前記事象が生起する時間の情報とを含む事象情報を取得する事象情報取得ステップと、
前記活動者の活動に対する、該活動者の主観的評価および該活動者を評価する評価者の主観的評価のうち少なくとも１つを取得する評価取得ステップと、
所定の期間における所定の種類の前記活動情報の値を要素として、所定の順に並べたベクトルである短期的コンテキストを、前記活動情報取得ステップで取得した活動情報から生成する短期的コンテキスト計算ステップと、
所定の期間における所定の種類の前記事象情報の値を要素として、所定の順に並べたベクトルである長期的コンテキストを抽出する長期的コンテキスト計算ステップと、
前記短期的コンテキストの空間と前記長期的コンテキストの空間の直和空間から前記主観的評価の空間への所定の写像関数を用いて、前記活動者の前記短期的コンテキストおよび前記長期的コンテキストを写像した値が該活動者の当該主観的評価の所定の範囲に入るように、該写像関数のパラメータである推定モデルを生成するモデル生成ステップと、
前記モデル生成ステップで生成された推定モデルを用いて、前記活動者の活動の前記短期的コンテキストおよび前記長期的コンテキストから前記主観的評価の空間への写像である知的生産性を演算する知的生産性推定ステップと、
を実行させることを特徴とする知的生産性計測用プログラムを記録したコンピュータ読み取り可能な記録媒体。
本出願は、２０１０年６月１８日に出願された日本国特許出願特願２０１０−１３９７１３号に基づく。本明細書中に、それらの明細書、特許請求の範囲、図面全体を参照として取り込むものとする。
本発明は、企業内における人材評価、業務分析、効率改善に利用できる。
１ 入力部
２ 計算部
３ 記憶部
４ 評価取得部
５ モデル生成部
６ 知的生産性演算部
６ａ 推定部
７ａ ワークセグメント入力部
７ｂ ベクトル生成部
８ 出力部
９ 端末
１０ａ 活動情報取得部
１０ｂ 事象情報取得部
１１ａ 短期的コンテキスト入力部
１１ｂ 長期的コンテキスト入力部
２１ａ 短期的コンテキスト計算部
２１ｂ 長期的コンテキスト計算部
５１ ＲＦタグ
５２ 位置情報発信機
５３ タグ情報送受信部
５４ 位置算出部
６０ 内部バス
６１ 制御部
６２ 主記憶部
６３ 外部記憶部
６４ 操作部
６５ 表示部
６６ 送受信部
６９ 制御プログラム
１００ 知的生産性計測装置
Ｎ ネットワーク
本発明は、知的生産性計測装置、知的生産性計測方法およびプログラムに関する。
本発明は上記のような事情に鑑みてなされたもので、活動内容の質や量、活動スパンを考慮して活動者の知的生産性を計測することができる知的生産性計測装置、知的生産性計測方法およびプログラムを提供することを目的とする。
上記目的を達成するため、本発明の第３の観点に係るプログラムは、
コンピュータに、
活動者の活動を表す活動情報を取得する活動情報取得ステップと、
前記活動者が関与する事象を表す情報と、前記事象が生起する時間の情報とを含む事象情報を取得する事象情報取得ステップと、
前記活動者の活動に対する、該活動者の主観的評価および該活動者を評価する評価者の主観的評価のうち少なくとも１つを取得する評価取得ステップと、
所定の期間における所定の種類の前記活動情報の値を要素として、所定の順に並べたベクトルである短期的コンテキストを、前記活動情報取得ステップで取得した活動情報から生成する短期的コンテキスト計算ステップと、
所定の期間における所定の種類の前記事象情報の値を要素として、所定の順に並べたベクトルである長期的コンテキストを抽出する長期的コンテキスト計算ステップと、
前記短期的コンテキストの空間と前記長期的コンテキストの空間の直和空間から前記主観的評価の空間への所定の写像関数を用いて、前記活動者の前記短期的コンテキストおよび前記長期的コンテキストを写像した値が該活動者の当該主観的評価の所定の範囲に入るように、該写像関数のパラメータである推定モデルを生成するモデル生成ステップと、
前記モデル生成ステップで生成された推定モデルを用いて、前記活動者の活動の前記短期的コンテキストおよび前記長期的コンテキストから前記主観的評価の空間への写像である知的生産性を演算する知的生産性推定ステップと、
を実行させる。

Claims (10)

  1. 活動者の活動を表す活動情報を取得する活動情報取得手段と、
    前記活動者が関与する事象を表す情報と、前記事象が生起する時間の情報とを含む事象情報を取得する事象情報取得手段と、
    前記活動者の活動に対する、該活動者の主観的評価および該活動者を評価する評価者の主観的評価のうち少なくとも１つを取得する評価取得手段と、
    所定の期間における所定の種類の前記活動情報の値を要素として、所定の順に並べたベクトルである短期的コンテキストを、前記活動情報取得手段で取得した活動情報から生成する短期的コンテキスト計算手段と、
    所定の期間における所定の種類の前記事象情報の値を要素として、所定の順に並べたベクトルである長期的コンテキストを抽出する長期的コンテキスト計算手段と、
    前記短期的コンテキストの空間と前記長期的コンテキストの空間の直和空間から前記主観的評価の空間への所定の写像関数を用いて、前記活動者の前記短期的コンテキストおよび前記長期的コンテキストを写像した値が該活動者の当該主観的評価の所定の範囲に入るように、該写像関数のパラメータである推定モデルを生成するモデル生成手段と、
    前記モデル生成手段で生成された推定モデルを用いて、前記活動者の活動の前記短期的コンテキストおよび前記長期的コンテキストから前記主観的評価の空間への写像である知的生産性を演算する知的生産性推定手段と、
    を備えることを特徴とする知的生産性計測装置。
  2. 前記活動者の活動に含まれる所定の作業について入力する作業内容、作業開始時間および作業終了時間を含むワークセグメントを取得するワークセグメント取得手段と、
    所定の期間における前記ワークセグメントを時系列に並べた特徴ベクトルを生成する手段と、
    を備え、
    前記モデル生成手段は、前記短期的コンテキストの空間、前記長期的コンテキストの空間および前記ワークセグメントの特徴ベクトルの空間の直和空間から前記主観的評価の空間への所定の写像関数を用いて、前記活動者の前記短期的コンテキスト、前記長期的コンテキストおよび前記特徴ベクトルを写像した値が該活動者の当該主観的評価の所定の範囲に入るように、該写像関数のパラメータである知的生産性の推定モデルを生成し、
    前記知的生産性推定手段は、前記短期的コンテキスト、前記長期的コンテキストおよび前記特徴ベクトルから、前記活動に対して前記知的生産性を演算する、
    ことを特徴とする請求項１に記載の知的生産性計測装置。
  3. 前記活動情報取得手段は、前記活動者の活動情報として、前記活動者の位置情報、前記活動者の視線情報、前記活動者が活動を行う周辺の環境音情報、前記活動者の発話音声情報、前記活動者の計算機入力部の操作情報、前記活動者のソフトウェアの操作情報、または、前記活動者のオフィス内什器操作情報、のうち少なくとも一つを収集することを特徴とする請求項１または２に記載の知的生産性計測装置。
  4. 前記事象情報取得手段は、所定の期間における、ある種類の前記事象の発生する回数、頻度もしくは発生間隔、または、前記事象の生起している時間の割合を含む事象情報を取得することを特徴とする請求項１ないし３のいずれか１項に記載の知的生産性計測装置。
  5. 前記事象情報取得手段は、前記活動者が関与する事象の情報を含む予定表、計画表、活動実績表、工程管理表または活動報告書のうち少なくとも一つから前記事象情報を取得することを特徴とする請求項１ないし４のいずれか１項に記載の知的生産性計測装置。
  6. 活動者の活動の知的生産性を推測する知的生産性計測装置が行う知的生産性計測方法であって、
    活動者の活動を表す活動情報を取得する活動情報取得ステップと、
    前記活動者が関与する事象を表す情報と、前記事象が生起する時間の情報とを含む事象情報を取得する事象情報取得ステップと、
    前記活動者の活動に対する、該活動者の主観的評価および該活動者を評価する評価者の主観的評価のうち少なくとも１つを取得する評価取得ステップと、
    所定の期間における所定の種類の前記活動情報の値を要素として、所定の順に並べたベクトルである短期的コンテキストを、前記活動情報取得ステップで取得した活動情報から生成する短期的コンテキスト計算ステップと、
    所定の期間における所定の種類の前記事象情報の値を要素として、所定の順に並べたベクトルである長期的コンテキストを抽出する長期的コンテキスト計算ステップと、
    前記短期的コンテキストの空間と前記長期的コンテキストの空間の直和空間から前記主観的評価の空間への所定の写像関数を用いて、前記活動者の前記短期的コンテキストおよび前記長期的コンテキストを写像した値が該活動者の当該主観的評価の所定の範囲に入るように、該写像関数のパラメータである推定モデルを生成するモデル生成ステップと、
    前記モデル生成ステップで生成された推定モデルを用いて、前記活動者の活動の前記短期的コンテキストおよび前記長期的コンテキストから前記主観的評価の空間への写像である知的生産性を演算する知的生産性推定ステップと、
    を備えることを特徴とする知的生産性計測方法。
  7. 前記活動者の活動に含まれる所定の作業について入力する作業内容、作業開始時間および作業終了時間を含むワークセグメントを取得するワークセグメント取得ステップと、
    所定の期間における前記ワークセグメントを時系列に並べた特徴ベクトルを生成するステップと、
    を備え、
    前記モデル生成ステップは、前記短期的コンテキストの空間、前記長期的コンテキストの空間および前記ワークセグメントの特徴ベクトルの空間の直和空間から前記主観的評価の空間への所定の写像関数を用いて、前記活動者の前記短期的コンテキスト、前記長期的コンテキストおよび前記特徴ベクトルを写像した値が該活動者の当該主観的評価の所定の範囲に入るように、該写像関数のパラメータである知的生産性の推定モデルを生成し、
    前記知的生産性推定ステップは、前記短期的コンテキスト、前記長期的コンテキストおよび前記特徴ベクトルから、前記活動に対して前記知的生産性を演算する、
    ことを特徴とする請求項６に記載の知的生産性計測方法。
  8. 前記活動情報取得ステップは、前記活動者の活動情報として、前記活動者の位置情報、前記活動者の視線情報、前記活動者が活動を行う周辺の環境音情報、前記活動者の発話音声情報、前記活動者の計算機入力部の操作情報、前記活動者のソフトウェアの操作情報、または、前記活動者のオフィス内什器操作情報、のうち少なくとも一つを収集することを特徴とする請求項６または７に記載の知的生産性計測方法。
  9. 前記事象情報取得ステップは、所定の期間における、ある種類の前記事象の発生する回数、頻度もしくは発生間隔、または、前記事象の生起している時間の割合を含む事象情報を取得することを特徴とする請求項６ないし８のいずれか１項に記載の知的生産性計測方法。
  10. コンピュータに、
    活動者の活動を表す活動情報を取得する活動情報取得ステップと、
    前記活動者が関与する事象を表す情報と、前記事象が生起する時間の情報とを含む事象情報を取得する事象情報取得ステップと、
    前記活動者の活動に対する、該活動者の主観的評価および該活動者を評価する評価者の主観的評価のうち少なくとも１つを取得する評価取得ステップと、
    所定の期間における所定の種類の前記活動情報の値を要素として、所定の順に並べたベクトルである短期的コンテキストを、前記活動情報取得ステップで取得した活動情報から生成する短期的コンテキスト計算ステップと、
    所定の期間における所定の種類の前記事象情報の値を要素として、所定の順に並べたベクトルである長期的コンテキストを抽出する長期的コンテキスト計算ステップと、
    前記短期的コンテキストの空間と前記長期的コンテキストの空間の直和空間から前記主観的評価の空間への所定の写像関数を用いて、前記活動者の前記短期的コンテキストおよび前記長期的コンテキストを写像した値が該活動者の当該主観的評価の所定の範囲に入るように、該写像関数のパラメータである推定モデルを生成するモデル生成ステップと、
    前記モデル生成ステップで生成された推定モデルを用いて、前記活動者の活動の前記短期的コンテキストおよび前記長期的コンテキストから前記主観的評価の空間への写像である知的生産性を演算する知的生産性推定ステップと、
    を実行させることを特徴とする知的生産性計測用プログラムを記録したコンピュータ読み取り可能な記録媒体。
JP2012520375A 2010-06-18 2011-06-06 知的生産性計測装置、知的生産性計測方法およびプログラム Active JP5768813B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2012520375A JP5768813B2 (ja) 2010-06-18 2011-06-06 知的生産性計測装置、知的生産性計測方法およびプログラム

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2010139713 2010-06-18
JP2010139713 2010-06-18
JP2012520375A JP5768813B2 (ja) 2010-06-18 2011-06-06 知的生産性計測装置、知的生産性計測方法およびプログラム
PCT/JP2011/062964 WO2011158684A1 (ja) 2010-06-18 2011-06-06 知的生産性計測装置、知的生産性計測方法および記録媒体

Publications (2)

Publication Number Publication Date
JPWO2011158684A1 true JPWO2011158684A1 (ja) 2013-08-19
JP5768813B2 JP5768813B2 (ja) 2015-08-26

Family

ID=45348090

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012520375A Active JP5768813B2 (ja) 2010-06-18 2011-06-06 知的生産性計測装置、知的生産性計測方法およびプログラム

Country Status (3)

Country Link
US (1) US20130080215A1 (ja)
JP (1) JP5768813B2 (ja)
WO (1) WO2011158684A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11232385B2 (en) * 2016-11-22 2022-01-25 International Business Machines Corporation System and method to measure optimal productivity of a person engaged in a task
CN112184003A (zh) * 2020-09-25 2021-01-05 中国建设银行股份有限公司 银行柜面工作量评估方法、装置、存储介质及电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008210363A (ja) * 2007-01-31 2008-09-11 Hitachi Ltd ビジネス顕微鏡システム
JP2009211574A (ja) * 2008-03-06 2009-09-17 Hitachi Ltd 作業品質を測定するサーバ及び作業品質を測定するセンサネットワークシステム
JP2010061323A (ja) * 2008-09-03 2010-03-18 Internatl Business Mach Corp <Ibm> 作業評価値予測方法、プログラム及びシステム

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7996257B2 (en) * 2007-02-09 2011-08-09 International Business Machines Corporation Collecting, calculating, and reporting quantifiable peer feedback on relative contributions of team members
US20090089154A1 (en) * 2007-09-29 2009-04-02 Dion Kenneth W System, method and computer product for implementing a 360 degree critical evaluator

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008210363A (ja) * 2007-01-31 2008-09-11 Hitachi Ltd ビジネス顕微鏡システム
JP2009211574A (ja) * 2008-03-06 2009-09-17 Hitachi Ltd 作業品質を測定するサーバ及び作業品質を測定するセンサネットワークシステム
JP2010061323A (ja) * 2008-09-03 2010-03-18 Internatl Business Mach Corp <Ibm> 作業評価値予測方法、プログラム及びシステム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
神谷祐樹: ""Ｗｅｂ質問紙とセンサデータに基づくオフィスワーカーの心理状態と活動状態の相関分析"", 電子情報通信学会技術研究報告, vol. 109, no. 450, JPN6011032529, 25 February 2010 (2010-02-25), JP, pages 25 - 30, ISSN: 0003076638 *

Also Published As

Publication number Publication date
WO2011158684A1 (ja) 2011-12-22
JP5768813B2 (ja) 2015-08-26
US20130080215A1 (en) 2013-03-28

Similar Documents

Publication Publication Date Title
Conboy et al. ‘Big time’: An examination of temporal complexity and business value in analytics
US20130218626A1 (en) Utilizing historic projects to estimate a new project schedule based on user provided high level parameters
Van der Aalst et al. Time prediction based on process mining
US20160275436A1 (en) Integrated resource tracking system
US20100138268A1 (en) Progress management platform
US20180365618A1 (en) System And Method For Assessing Worker Engagement And Company Culture
Munialo et al. A review ofagile software effort estimation methods
JP5460426B2 (ja) 生産性評価装置、生産性評価方法およびプログラム
US20180005289A1 (en) Distributing action items and action item reminders
Odzaly¹ et al. Lightweight risk management in Agile projects
JP5768813B2 (ja) 知的生産性計測装置、知的生産性計測方法およびプログラム
Liu et al. Single-machine rescheduling with deterioration and learning effects against the maximum sequence disruption
JP2018026069A (ja) 情報処理装置、情報処理システム、情報処理プログラム及び情報処理方法
Lu et al. Formalizing a path-float-based approach to determine and interpret total float in project scheduling analysis
JP2020205073A (ja) データセットの属性を予測するためのデータセットの正規化
US20130231978A1 (en) Integrated case management history and analytics
JP2014095952A (ja) ビジネス・プロセスに関するｋｐｉを算出するための計算式を求めるコンピュータ実装方法、プログラム、および、システム
Buco et al. Effort instrumentation and management in service delivery environments
WO2011041012A2 (en) Dynamic process modeling assembly and method of use
US20180174174A1 (en) Trend-based data anlysis
JP5240024B2 (ja) 組織管理支援装置
WO2018106552A1 (en) Stress feedback for presentations
KR101926623B1 (ko) 제품자료관리 데이터베이스를 활용한 자료기반 제품설계 참가자 기여도 평가 방법
JP2006126898A (ja) プロジェクト管理システム
US7937356B2 (en) Apparatus, and associated method, for assessing viability of communication system arrangement transformation

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20140513

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: 20150526

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20150608

R150 Certificate of patent or registration of utility model

Ref document number: 5768813

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150