特許ウォッチ

公開番号2024106283
公報種別公開特許公報(A)
公開日2024-08-07
出願番号2023010549
出願日2023-01-26
発明の名称習熟度推定方法および習熟度推定プログラム
出願人富士通株式会社
代理人個人
主分類G06Q 10/0639 20230101AFI20240731BHJP(計算;計数)
要約【課題】作業者の習熟度の推定精度を向上させること。
【解決手段】習熟度推定装置は、候補グループ数(2,3,…,10)の各候補グループ数について、複数の案件データ710を特徴量に基づき候補グループ数のグループに分類する。習熟度推定装置は、各候補グループ数について、分類した各候補グループ数のグループに含まれるグループごとの特性曲線モデルCvと、各職員A,B,Cの習熟度θとを算出する。習熟度推定装置は、各候補グループ数について、グループごとの特性曲線モデルCvから特定されるトライ数の推定値と、当該グループ内の案件データ710が表すトライ数の実測値との誤差を評価することにより、誤差評価値V[2]～V[10]を算出する。習熟度推定装置は、候補グループ数(2,3,…,10)のうち、誤差評価値が最小となる候補グループ数のグループについて算出した各職員A,B,Cの習熟度θを出力する。
【選択図】図7
特許請求の範囲【請求項１】
各作業者が処理した案件の特徴量と前記案件の処理にかかる作業量の実測値とをそれぞれ表す複数の案件データを取得し、
複数の異なる候補グループ数それぞれについて、取得した前記複数の案件データを前記特徴量に基づき前記候補グループ数のグループに分類し、
分類した前記候補グループ数のグループに含まれるグループ内の案件データが表す前記作業量の実測値に基づいて、作業者の習熟度と案件の処理にかかる作業量との関係を表す特性曲線モデルに対するフィッティングを行うことにより、当該グループごとの特性曲線モデルと、前記各作業者の習熟度とを算出し、
算出した前記グループごとの特性曲線モデルから特定される前記作業量の推定値と、当該グループ内の案件データが表す前記作業量の実測値との誤差を評価し、
前記複数の異なる候補グループ数のうち、評価した前記誤差が最小となる候補グループ数のグループについて算出した前記各作業者の習熟度を出力する、
処理をコンピュータが実行することを特徴とする習熟度推定方法。
続きを表示（約 1,700 文字）【請求項２】
取得した前記複数の案件データを、訓練データとテストデータとに分割する、処理を前記コンピュータが実行し、
前記分類する処理は、
前記複数の異なる候補グループ数それぞれについて、分割した前記訓練データを前記特徴量に基づき前記候補グループ数のグループに分類し、
前記算出する処理は、
分類した前記候補グループ数のグループに含まれるグループ内の訓練データが表す前記作業量の実測値に基づいて、前記フィッティングを行うことにより、当該グループごとの特性曲線モデルと、前記各作業者の習熟度とを算出し、
前記評価する処理は、
算出した前記グループごとの特性曲線モデルから特定される前記作業量の推定値と、分割したテストデータのうち、当該グループに分類されるテストデータが表す前記作業量の実測値との誤差を評価する、
ことを特徴とする請求項１に記載の習熟度推定方法。
【請求項３】
分類した前記候補グループ数のグループに含まれるグループ内の案件データを、訓練データとテストデータとに分割する、処理を前記コンピュータが実行し、
前記算出する処理は、
分類した前記候補グループ数のグループに含まれるグループ内の案件データのうち、分割した前記訓練データが表す前記作業量の実測値に基づいて、前記フィッティングを行うことにより、当該グループごとの特性曲線モデルと、前記各作業者の習熟度とを算出し、
前記評価する処理は、
算出した前記グループごとの特性曲線モデルから特定される前記作業量の推定値と、当該グループ内の案件データのうち、分割した前記テストデータが表す前記作業量の実測値との誤差を評価する、
ことを特徴とする請求項１に記載の習熟度推定方法。
【請求項４】
前記分類する処理は、
前記作業量を目的変数とし、前記特徴量を説明変数として、取得した前記複数の案件データを回帰木により複数のリーフに分類し、
前記複数のリーフそれぞれについて、前記リーフに属する案件データが表す前記特徴量と前記作業量の実測値とに基づいて、前記リーフの座標を算出し、
前記複数の異なる候補グループ数それぞれについて、算出した前記リーフの座標に基づいて、前記複数のリーフを前記候補グループ数のグループに分類し、
前記算出する処理は、
分類した前記候補グループ数のグループに含まれるグループ内のリーフが表す前記作業量の実測値に基づいて、前記フィッティングを行うことにより、当該グループごとの前記特性曲線モデルと、前記各作業者の習熟度とを算出し、
前記評価する処理は、
算出した前記グループごとの前記特性曲線モデルから特定される前記作業量の推定値と、当該グループ内のリーフが表す前記作業量の実測値との誤差を評価する、
ことを特徴とする請求項１に記載の習熟度推定方法。
【請求項５】
各作業者が処理した案件の特徴量と前記案件の処理にかかる作業量の実測値とをそれぞれ表す複数の案件データを取得し、
複数の異なる候補グループ数それぞれについて、取得した前記複数の案件データを前記特徴量に基づき前記候補グループ数のグループに分類し、
分類した前記候補グループ数のグループに含まれるグループ内の案件データが表す前記作業量の実測値に基づいて、作業者の習熟度と案件の処理にかかる作業量との関係を表す特性曲線モデルに対するフィッティングを行うことにより、当該グループごとの特性曲線モデルと、前記各作業者の習熟度とを算出し、
算出した前記グループごとの特性曲線モデルから特定される前記作業量の推定値と、当該グループ内の案件データが表す前記作業量の実測値との誤差を評価し、
前記複数の異なる候補グループ数のうち、評価した前記誤差が最小となる候補グループ数のグループについて算出した前記各作業者の習熟度を出力する、
処理をコンピュータに実行させることを特徴とする習熟度推定プログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、習熟度推定方法および習熟度推定プログラムに関する。
続きを表示（約 2,000 文字）【背景技術】
【０００２】
近年、ＡＩ（ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ）による業務支援や教育支援により、人手不足を補ったり、成長促進したりすることが求められている。例えば、職員の業務支援や教育支援のために、業務中の処理データから職員の習熟度を推定したい場合がある。
【０００３】
先行技術としては、スポーツをプレーするユーザのモーションに基づいて定義されたプレーイベントを示すデータを取得し、プレーイベントの中から同じ種類に分類される複数のプレーイベントを抽出し、抽出された複数のプレーイベントを示すデータを解析するものがある。
【先行技術文献】
【特許文献】
【０００４】
国際公開第２０１５／０９８３０４号
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、従来技術では、業務中に職員が処理した業務案件などのデータから、職員の習熟度を精度よく推定することが難しい。
【０００６】
一つの側面では、本発明は、作業者の習熟度の推定精度を向上させることを目的とする。
【課題を解決するための手段】
【０００７】
１つの実施態様では、各作業者が処理した案件の特徴量と前記案件の処理にかかった作業量の実測値とをそれぞれ表す複数の案件データを取得し、複数の異なる候補グループ数それぞれについて、取得した前記複数の案件データを前記特徴量に基づき前記候補グループ数のグループに分類し、分類した前記候補グループ数のグループに含まれるグループ内の案件データが表す前記作業量の実測値に基づいて、作業者の習熟度と案件の処理にかかる作業量との関係を表す特性曲線モデルに対するフィッティングを行うことにより、当該グループごとの特性曲線モデルと、前記各作業者の習熟度とを算出し、算出した前記グループごとの特性曲線モデルから特定される前記作業量の推定値と、当該グループ内の案件データが表す前記作業量の実測値との誤差を評価し、前記複数の異なる候補グループ数のうち、評価した前記誤差が最小となる候補グループ数のグループについて算出した前記各作業者の習熟度を出力する、習熟度推定方法が提供される。
【発明の効果】
【０００８】
本発明の一側面によれば、作業者の習熟度の推定精度を向上させることができるという効果を奏する。
【図面の簡単な説明】
【０００９】
図１は、実施の形態１にかかる習熟度推定方法の一実施例を示す説明図である。
図２は、情報処理システム２００のシステム構成例を示す説明図である。
図３は、習熟度推定装置２０１のハードウェア構成例を示すブロック図である。
図４は、案件データＤＢ２２０の記憶内容の一例を示す説明図である。
図５は、実施の形態１にかかる習熟度推定装置２０１の機能的構成例を示すブロック図である。
図６は、誤差評価用テーブル６００の記憶内容の一例を示す説明図である。
図７は、実施の形態１にかかる習熟度推定装置２０１の動作例を示す説明図である。
図８Ａは、グループ１の職員別のトライ数分布を示す説明図である。
図８Ｂは、グループ２の職員別のトライ数分布を示す説明図である。
図９Ａは、グループ１のフィッティング結果を示す説明図である。
図９Ｂは、グループ２のフィッティング結果を示す説明図である。
図１０は、実施の形態１にかかる習熟度推定装置２０１の習熟度推定処理手順の一例を示すフローチャートである。
図１１は、実施の形態２にかかる習熟度推定装置２０１の動作例を示す説明図である。
図１２は、実施の形態２にかかる習熟度推定装置２０１の習熟度推定処理手順の一例を示すフローチャートである。
図１３は、実施の形態３にかかる習熟度推定装置２０１の動作例を示す説明図である。
図１４は、実施の形態３にかかる習熟度推定装置２０１の習熟度推定処理手順の一例を示すフローチャートである。
図１５は、実施の形態４にかかる習熟度推定装置２０１の動作例を示す説明図である。
図１６は、リーフのグループ分け例を示す説明図である。
図１７は、実施の形態４にかかる習熟度推定装置２０１の習熟度推定処理手順の一例を示すフローチャートである。
【発明を実施するための形態】
【００１０】
以下に図面を参照して、本発明にかかる習熟度推定方法および習熟度推定プログラムの実施の形態を詳細に説明する。
（【００１１】以降は省略されています）

関連特許