特許ウォッチ

公開番号2024166029
公報種別公開特許公報(A)
公開日2024-11-28
出願番号2023179248
出願日2023-10-18
発明の名称KPI最適化システム及びこれを提供するためのクラウドベースの大規模作業処理システム
出願人ティルダコーポレーション
代理人個人
主分類G06Q 10/00 20230101AFI20241121BHJP(計算;計数)
要約【課題】KPI最適化システム及びそれを提供するためのクラウドベースの大規模作業処理システムを提供する。
【解決手段】KPI最適化システムは、進化アルゴリズムを用いた処方的分析を行うシステムであって、進化アルゴリズムを実行してアクション値を更新するアクション値出力部と、環境要因値とアクション値出力部が出力したアクション値の入力を受けてKPI先行指標を予測するモデルであるデジタルツインとを含むことを特徴とする。クラウドベースの大規模作業処理システムは、大規模作業の分割が可能なシステムであって、監視者から大規模作業の割り当てを受けると、大規模作業を多数の作業に分割した後、多数の作業をキューに格納する作業管理者を含むことを特徴とする。
【選択図】図3
特許請求の範囲【請求項１】
目標ＫＰＩを設定し、前記目標ＫＰＩに関連する多数の第１の特徴を分析して多数の第２の特徴を選択する分析部と、
前記多数の第２の特徴を環境要因値、アクション値及びＫＰＩ先行指標に分類して前処理する前処理部であって、前記多数の第２の特徴は、第１の環境要因値、第１のアクション値及び第１のＫＰＩ先行指標に該当する特徴をそれぞれ少なくとも一つ含む前記前処理部と、
前記第１の環境要因値の入力を受けて少なくとも１種類の第２のアクション値を出力するアクション値出力部と、
前記第１の環境要因値と前記第２のアクション値の入力を受けて前記第１のＫＰＩ先行指標を予測するように既に学習された、或いは数学的－物理的数式で定義されたモデルであるデジタルツインと、
前記第２のアクション値と予測された前記第１のＫＰＩ先行指標とを演算して少なくとも１つの第１のＫＰＩ値を算出するＫＰＩ算出部と、を含み、
前記アクション値出力部は、前記目標ＫＰＩを最適化するために、前記第１のＫＰＩ値に基づいて進化アルゴリズムを実行して、更新された少なくとも一つのアクション値を出力し、
前記デジタルツインは、前記第１の環境要因値と前記更新された少なくとも一つのアクション値の入力を受けて、更新された少なくとも一つのＫＰＩ先行指標を出力する、ＫＰＩ最適化システム。
続きを表示（約 1,100 文字）【請求項２】
前記デジタルツインは、前記第１の環境要因値と前記第１のアクション値の入力を受け、前記第１のＫＰＩ先行指標を予測するように学習されたモデルである、請求項１に記載のＫＰＩ最適化システム。
【請求項３】
前記第１のＫＰＩ値は、前記目標ＫＰＩの最適化に寄与する第２のＫＰＩ値を少なくとも１つ含み、
前記アクション値出力部は、前記第２のＫＰＩ値を算出するために演算されたアクション値の組み合わせに進化アルゴリズムを実行して前記少なくとも１つのアクション値を更新する、請求項１に記載のＫＰＩ最適化システム。
【請求項４】
前記第１のＫＰＩ値は、前記目標ＫＰＩの最適化に寄与する第２のＫＰＩ値を少なくとも１つ含み、
前記アクション値出力部は、オプティマイザモデルであり、
前記オプティマイザモデルは、前記第２のＫＰＩ値を算出するために演算されたアクション値を出力したハイパーパラメータ又は重みの組み合わせに進化アルゴリズムを実行して前記オプティマイザモデルのハイパーパラメータ又は重みを更新することにより、前記少なくとも１つのアクション値を更新する、請求項１に記載のＫＰＩ最適化システム。
【請求項５】
前記多数の第２の特徴は、多重共線性を診断する分散膨張要因の値が１０以下である、請求項１に記載のＫＰＩ最適化システム。
【請求項６】
請求項１に記載のＫＰＩ最適化システムを提供するためのクラウドベースの大規模作業処理システムであって、
ユーザ端末から大規模作業処理要求情報の伝送を受けるＡＰＩと、
前記ＡＰＩから前記大規模作業処理要求情報の伝達を受け、前記大規模作業を担当する作業管理者に前記大規模作業を割り当てる監視者と、
前記大規模作業に対する分割の必要性を判断し、分割の基準を決定して前記大規模作業を多数の作業に分割し、前記多数の作業をキュー（Ｑｕｅｕｅ）に格納する前記作業管理者と、を含む、クラウドベースの大規模作業処理システム。
【請求項７】
前記多数の作業をプーリングして前記多数の作業を行う多数の作業コンテナを生成し、固定インスタンスと約定インスタンスのうちの固定インスタンスを前記多数の作業コンテナに優先的に割り当てるコンテナオーケストレーションをさらに含む、請求項６に記載のクラウドベースの大規模作業処理システム。
【請求項８】
前記多数の作業コンテナは、作業実行の結果をデータベースに格納し、前記監視者は、前記データベースに格納された前記作業実行の結果を前記ＡＰＩに伝達し、前記ＡＰＩは、前記作業実行の結果を前記ユーザ端末に伝送する、請求項７に記載のクラウドベースの大規模作業処理システム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、ＫＰＩ最適化システム及びこれを提供するためのクラウドベースの大規模な作業処理システムに関する。ＫＰＩ最適化システムは、進化アルゴリズム（ＥｖｏｌｕｔｉｏｎａｒｙＡｌｇｏｒｉｔｈｍ、ＥＡ）を用いた処方的分析に基づき、クラウドベースの大規模作業処理システムは、特に作業の分割に基づく。
続きを表示（約 1,700 文字）【背景技術】
【０００２】
ＣＯＶＩＤ－１９以降の企業経営の環境は、これまで以上に難しく不透明になっている。そして、すべての産業領域でデジタル転換が求められており、企業経営において考慮すべき変数は持続的に増加している。企業の生存を左右する迅速かつ正確な運営戦略の決定がこれまで以上に必要な状況である。
【０００３】
企業経営者は、運営戦略を決定する前に、予測分析（ＰｒｅｄｉｃｔｉｖｅＡｎａｌｙｔｉｃｓ）を利用することができる。予測分析は、運営ビッグデータ－としての現在及び過去のデータ－を分析して予測モデルを学習した後、将来の運営状況を予測する方法である。予測モデルが将来の運営状況を予測すると、企業経営者は、予測された結果に基づいて運営戦略を決定することができる。しかし、企業経営者は、従来の規則ベース又は経験ベースの方法に依存するという欠点がある。これは、従来の方法で決定された運営戦略が必ずしも最良の運営戦略であるとは限らないからである。例えば、予測モデルが、Ａ企業の次週月曜日の売上が前月曜日の売上よりも１０％減少すると予測した場合、企業経営者は、売上減少量を減らすか或いは売上を増加に反転させるために、どの商品にどの価格変化を与えるかを決定しなければならないが、従来の方法のみでは現代社会で最良の運営戦略を決定するのに限界がある。
【０００４】
最適化ソリューションの一つとして数学的最適化がある。数学的最適化は、グローバル最適（ＧｌｏｂａｌＯｐｔｉｍｕｍ）が証明された方法である。ところが、変数に対する整数化や正規分布性などの仮定が必要であってモデルの精度が低く、変数が増加するほど、要求されるコンピューティング能力と計算時間が指数関数的に増加するという欠点がある。
【０００５】
最適化ソリューションの他の一つとして、強化学習ベースの処方的分析がある。ところが、強化学習の特性上、数多くの学習データが必要であり、これにより、事実上、無制限のコンピューティング能力とエピソードを格納するためのメモリが必要であるという欠点がある。特に、勾配（Ｇｒａｄｉｅｎｔ）ベースの学習のためには、解空間（ＳｏｌｕｔｉｏｎＳｐａｃｅ）が微分可能な滑らかさ（Ｓｍｏｏｔｈｎｅｓｓ）を持たなければならないという制限がある。
【０００６】
最適化ソリューションの別の一つとして、クラウドを活用した大規模なマシンラーニングがある。従来のマシンラーニング、ディープラーニングベースの大規模データ学習の際に、一つの高性能コンピューティングリソースで学習した。クラウド環境で特定時間が経過した場合、或いは一定量以上のデータが蓄積された場合、クラウド作業者は、高性能コンピューティングリソースを動的に割り当てて学習を持続させ、学習結果を格納する。しかし、サービス利用者からリアルタイム学習を要求される場合、高性能コンピューティングリソースは限られたリソースであるため、高性能コンピューティングリソースを動的に割り当てるのにかかる時間が遅れることがあり、これにより学習を完了する時点が遅れるという欠点がある。一方、高性能コンピューティングリソースを使用すると高く課金されるという欠点がある。
【先行技術文献】
【特許文献】
【０００７】
米国登録特許公報第１１，５１４，３２８号（２０２２年１１月２９日）
【発明の概要】
【発明が解決しようとする課題】
【０００８】
本発明は、予測モデルが予測した結果を改善するためにユーザが取るべきアクションを処方（ＰｒｅｓｃｒｉｐｔｉｖｅＡｎａｌｙｔｉｃｓ）することができるシステムの提供を目的とする。
【０００９】
本発明は、解決可能な問題の範囲が広く、必要データのサイズとコンピューティング能力の面で効率的なシステムの提供を目的とする。
【００１０】
本発明は、有利でない学習環境で最適な運営戦略を漸進的に探索することができるシステムの提供を目的とする。
（【００１１】以降は省略されています）

関連特許