特開 2023-131694 タスクスケジューリング管理システム、タスクスケジューリング管理方法およびコンピュータプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023131694

(43)【公開日】2023-09-22

(54)【発明の名称】タスクスケジューリング管理システム、タスクスケジューリング管理方法およびコンピュータプログラム

(51)【国際特許分類】

   G06Q 10/0631 20230101AFI20230914BHJP

   G06F 9/48 20060101ALI20230914BHJP

   G06N 20/00 20190101ALI20230914BHJP

   G05B 19/418 20060101ALI20230914BHJP

【ＦＩ】

G06Q10/06 302

G06F9/48 300H

G06N20/00

G05B19/418 Z

【審査請求】未請求

【請求項の数】12

【出願形態】ＯＬ

(21)【出願番号】P 2022036592

(22)【出願日】2022-03-09

(71)【出願人】

【識別番号】000005108

【氏名又は名称】株式会社日立製作所

(74)【代理人】

【識別番号】110000279

【氏名又は名称】弁理士法人ウィルフォート国際特許事務所

(72)【発明者】

【氏名】ラフマワン，イレネ

(72)【発明者】

【氏名】末光 一成

(72)【発明者】

【氏名】松葉 浩也

(72)【発明者】

【氏名】山下 洋史

(72)【発明者】

【氏名】福本 耕平

【テーマコード（参考）】

3C100

5L049

【Ｆターム（参考）】

3C100AA16

3C100AA18

3C100BB03

3C100BB12

3C100BB13

5L049AA06

(57)【要約】

【課題】タスクプランを作成するユーザの使い勝手を向上すること。
【解決手段】タスクスケジューリング管理システム１は、複数のタスクをスケジューリングする場合のスケジューリング条件と、複数のタスクのそれぞれの処理に要する時間を示すタスク情報と、複数のタスクの処理に使用する複数のリソースのそれぞれの処理速度を示すモデルパラメータと、複数のタスクの実行順序に関する制御パラメータとに基づいて、タスクプランを生成するタスクプラン生成部（Ｓ１０１）と、過去のタスクプランの実行結果である履歴データ２７を学習することにより、生成されたタスクプランに関する例外的イベントの発生を予測する予測部（Ｓ１０２）と、生成されたタスクプランと予測された例外的イベントの発生に関する情報とを対応付けた予測結果情報を出力する出力部（Ｓ１０３）とを備える。
【選択図】図１

【特許請求の範囲】

【請求項1】

タスクスケジューリング管理システムであって、
複数のタスクをスケジューリングする場合のスケジューリング条件と、前記複数のタスクのそれぞれの処理に要する時間を示すタスク情報と、前記複数のタスクの処理に使用する複数のリソースのそれぞれの処理速度を示すモデルパラメータと、前記複数のタスクの実行順序に関する制御パラメータとに基づいて、タスクプランを生成するタスクプラン生成部と、
過去のタスクプランの実行結果である履歴データを学習することにより、前記生成されたタスクプランに関する例外的イベントの発生を予測する予測部と、
前記生成されたタスクプランと前記予測された例外的イベントの発生に関する情報とを対応付けた予測結果情報を出力する出力部と
を備える
タスクスケジューリング管理システム。

【請求項2】

前記予測部は、さらに、前記予測された例外的イベントが前記生成されたタスクプランの実行に与える影響を予測し、
前記予測された例外的イベントの発生に関する情報には、少なくとも前記予測された影響が含まれている
請求項１に記載のタスクスケジューリング管理システム。

【請求項3】

前記タスクプラン生成部は、前記予測結果情報に基づいてタスクプランの再生成が要求されると、前記制御パラメータを変更することによりタスクプランを再生成し、
前記予測部は、前記再生成されたタスクプランに関する例外的イベントの発生を予測し、
前記出力部は、前記再生成されたタスクプランと前記再生成されたタスクプランに関して予測された前記例外的イベントの発生に関する情報とを対応付けた予測結果情報を出力する
請求項２に記載のタスクスケジューリング管理システム。

【請求項4】

前記生成されたタスクプランまたは一つ以上の前記再生成されたタスクプランの中から一つ選択されたタスクプランの実行結果を前記履歴データとして保存する
請求項３に記載のタスクスケジューリング管理システム。

【請求項5】

前記履歴データを分析することにより前記モデルパラメータを更新するモデルパラメータ更新部をさらに備える
請求項４に記載のタスクスケジューリング管理システム。

【請求項6】

前記タスクとは生産工程であり、
前記タスクプランとは生産計画である
請求項１に記載のタスクスケジューリング管理システム。

【請求項7】

前記タスクとは、プロジェクトの進捗工程であり、
前記タスクプランとはプロジェクトの開発計画である
請求項１に記載のタスクスケジューリング管理システム。

【請求項8】

計算機を用いてタスクのスケジューリングを管理する方法であって、
前記計算機に、
複数のタスクをスケジューリングする場合のスケジューリング条件と、前記複数のタスクのそれぞれの処理に要する時間を示すタスク情報と、前記複数のタスクの処理に使用する複数のリソースのそれぞれの処理速度を示すモデルパラメータと、前記複数のタスクの実行順序に関する制御パラメータとに基づいて、タスクプランを生成するタスクプラン生成ステップと、
過去のタスクプランの実行結果である履歴データを学習することにより、前記生成されたタスクプランに関する例外的イベントの発生を予測する予測ステップと、
前記生成されたタスクプランと前記予測された例外的イベントの発生に関する情報とを対応付けた予測結果情報を出力する出力ステップと
を実行させる
タスクスケジューリング管理方法。

【請求項9】

前記予測ステップは、さらに、前記予測された例外的イベントが前記生成されたタスクプランの実行に与える影響を予測し、
前記予測された例外的イベントの発生に関する情報には、少なくとも前記予測された影響が含まれている
請求項８に記載のタスクスケジューリング管理方法。

【請求項10】

前記タスクプラン生成ステップは、前記予測結果情報に基づいてタスクプランの再生成が要求されると、前記制御パラメータを変更することによりタスクプランを再生成し、
前記予測ステップは、前記再生成されたタスクプランに関する例外的イベントの発生を予測し、
前記出力ステップは、前記再生成されたタスクプランと前記再生成されたタスクプランに関して予測された前記例外的イベントの発生に関する情報とを対応付けた予測結果情報を出力する
請求項９に記載のタスクスケジューリング管理方法。

【請求項11】

前記計算機に、
前記生成されたタスクプランまたは一つ以上の前記再生成されたタスクプランの中から一つ選択されたタスクプランの実行結果を前記履歴データとして保存する保存ステップを実行させる
請求項１０に記載のタスクスケジューリング管理方法。

【請求項12】

計算機をタスクスケジューリング管理システムとして機能させるコンピュータプログラムであって、
複数のタスクをスケジューリングする場合のスケジューリング条件と、前記複数のタスクのそれぞれの処理に要する時間を示すタスク情報と、前記複数のタスクの処理に使用する複数のリソースのそれぞれの処理速度を示すモデルパラメータと、前記複数のタスクの実行順序に関する制御パラメータとに基づいて、タスクプランを生成するタスクプラン生成部と、
過去のタスクプランの実行結果である履歴データを学習することにより、前記生成されたタスクプランに関する例外的イベントの発生を予測する予測部と、
前記生成されたタスクプランと前記予測された例外的イベントの発生に関する情報とを対応付けた予測結果情報を出力する出力部と
を前記計算機上に実現させるコンピュータプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、タスクスケジューリング管理システム、タスクスケジューリング管理方法およびコンピュータプログラムに関する。

【背景技術】

【0002】

高い運用効率を維持するためには、稼働率を向上させ、計画と現実のギャップを少なくして運用することが重要である。タスクプランは、このような現実とのギャップを減らすために、例外的イベント（予期せぬイベント）による妨害に対してロバストでなければならない。

【0003】

ロバストなタスクプランを実現する一つの方法として，例外的イベントによる外乱を吸収するための安全マージン（例：追加時間）を設定することが考えられる。しかし、例外的イベントの発生による外乱効果の可能性とその大きさとを正確に見積もることは容易ではないため、適切な安全マージンを設定するのは難しい。

【0004】

先行技術（特許文献１－３）では、過去のニュース情報から想定外の事象（地震、天候、政治的事象など）を抽出し、製品の出荷時期やコスト変動のリスクを取り込み、これらのリスクを回避するように計画を更新することで、ロバストなＳＣＭ（Ｓｕｐｐｌｙ Ｃｈａｉｎ Ｍａｎａｇｅｍｅｎｔ）の運用計画を立てる。

【先行技術文献】

【特許文献】

【0005】

【特許文献1】米国特許第１０１４６２１４号明細書

【特許文献2】米国特許第８６５５７４２号明細書

【特許文献3】米国特許第７６６８７４３号明細書

【発明の概要】

【発明が解決しようとする課題】

【0006】

先行技術では、マスターパラメータなどのスケジュール設定が不正確であるため、生成されたスケジュールが実際の状況と異なる可能性があることを想定していない。したがって、これらの先行技術は、一時的な問題を回避することはできても、計画の精度や効率を継続的に向上させることはできない。一般に、過去の運用データに基づいてマスターパラメータを更新する場合、異常値を除外する必要がある。しかし、過去の運用データから異常値を除外するには、多大な作業が必要である。先行技術では運用データからの異常値の除外を考慮していないため、マスターパラメータ更新のたびに、人手での外れ値除外作業が必要となる。そのため、実際の限られた作業工数の中で、マスターパラメータを更新し、スケジュール設定を常に正確に保つことができない。

【0007】

本発明の目的は、タスクプランを作成するユーザの使い勝手を向上できるようにしたタスクスケジューリング管理システム、タスクスケジューリング管理方法およびコンピュータプログラムを提供することにある。

【課題を解決するための手段】

【0008】

上記課題を解決すべく、本発明に従うタスクスケジューリング管理システムは、複数のタスクをスケジューリングする場合のスケジューリング条件と、複数のタスクのそれぞれの処理に要する時間を示すタスク情報と、複数のタスクの処理に使用する複数のリソースのそれぞれの処理速度を示すモデルパラメータと、複数のタスクの実行順序に関する制御パラメータとに基づいて、タスクプランを生成するタスクプラン生成部と、過去のタスクプランの実行結果である履歴データを学習することにより、生成されたタスクプランに関する例外的イベントの発生を予測する予測部と、生成されたタスクプランと予測された例外的イベントの発生に関する情報とを対応付けた予測結果情報を出力する出力部とを備える。

【発明の効果】

【0009】

本発明によれば、生成されたタスクプランと予測された例外的イベントの発生に関する情報とを対応付けた予測結果情報を出力することができる。

【図面の簡単な説明】

【0010】

【図1】図１は、タスクスケジューリング管理システムの機能構成図である。

【図2】図２は、タスクスケジューリング管理処理を示すフローチャートである。

【図3】図３は、タスクスケジューリング管理システムを実現するコンピュータシステムである。

【図4】図４は、スケジューリング条件の例である。

【図5】図５は、タスク情報の例である。

【図6】図６は、制御パラメータの例である。

【図7】図７は、モデルパラメータの例である。

【図8】図８は、予測結果の例である。

【図9】図９は、タスクプランの例である。

【図10】図１０は、履歴データの例である。

【図11】図１１は、更新されたモデルパラメータの例である。

【図12】図１２は、ユーザに提供される要約ツールの画面例である。

【図13】図１３は、パラメータをアップデートする画面の例である。

【図14】図１４は、実施例２に係るタスクスケジューリング管理システムの機能構成図である。

【図15】図１５は、タスクスケジューリング管理処理のフローチャートである。

【図16】図１６は、実施例３に係るタスクスケジューリング管理システムの機能構成図である。

【図17】図１７は、タスクスケジューリング管理処理のフローチャートである。

【発明を実施するための形態】

【0011】

以下、図面に基づいて、本発明の実施の形態を説明する。本実施形態では、過去のタスクプランが実行された履歴データを用いて学習することにより、予定外のイベントである例外的イベントの発生を事前に予測し、この予測結果に基づいてロバストなタスクプランを生成する。ロバストなタスクプランは、例外的イベントが発生しても、その例外的イベントによる影響が少ない。したがって、本実施形態においてロバストなタスクプランが実行されると、外れ値（異常値とも呼ぶ。）の少ない履歴データが得られる。

【0012】

本実施形態では、異常値の少ない履歴データ、すなわちクリーンな履歴データに基づいて、タスクプランを生成するために使用されるパラメータを継続的に改善することができる。したがって、本実施形態のタスクスケジューリング管理技術を使用することにより、ロバストなタスクプランを作成でき、タスクプランを継続的に安定して運用するためのパラメータ更新に要する手間も軽減できる。すなわち、本実施形態によれば、ロバストなタスクプランを作成するコストと、タスクのスケジューリング精度を向上させるための運用コストとを低減することができ、ユーザにとっての使い勝手が向上する。

【0013】

本実施形態では、上述の通り、例外的イベント（予期せぬイベントとも呼ぶ。）により生じる異常値に着目する。本実施形態では、例外的イベントを予測し、事前にロバストなタスクスケジューリングを行う。これにより本実施形態では、外乱を回避し、外乱に起因する異常値を低減できる。

【0014】

本実施形態のタスクスケジューリング管理システムは、「予測型管理システム」として構成される。タスクスケジューリング管理システムは、例外的イベントをエミュレートする構成と、例外的イベントによって引き起こされる外乱の影響を既存のタスクプランにシミュレートする構成とを含む（例えば、生存率分析と期間サンプリング）。

【0015】

本実施形態のタスクスケジューリング管理システム１は、以下の構成を含む。
（１）例外的イベントエミュレータ（Ｓ１０２）は、例外的イベントがいつ起こり、どのくらい続くのかを予測するように訓練されている。
（２）生成されたタスクプラン（Ｓ１０１）のリスクは、例外的イベントのエミュレータ（Ｓ１０２）を使って評価される（例えば、デッドライン違反の確率）。
（３）例外的イベント（想定外のイベント）に対してタスクプランが十分に堅牢でない場合、ユーザに対してタスクプランの再生成（再計画）が提案される（Ｓ１０３）。ユーザにより承認されたタスクプラン、または所定の閾値を満たすタスクプランは実行される（Ｓ１０４）。
（４）実行されたタスクプランでは、例外的イベントによる異常値の少ない履歴データを得ることができる。その履歴データは、パラメータ（２３，２４）の改善などのためにデータベース２７に蓄積される。
本発明は、タスクプラン管理システム、タスクプラン管理方法およびコンピュータプログラムであるとも言える。

【実施例0016】

図１～図１３を用いて、実施例１に係るタスクスケジューリング管理システム１を説明する。以下に述べる実施例の説明は例示であって、説明された例に限定されない。

【0017】

図１は、タスクスケジューリング管理システム１の機能構成図である。タスクスケジューリング管理システム１は、例えば、タスクプランナ（Ｓ１０１）、例外的イベントエミュレータ（Ｓ１０２）、結果ビジュアライザ（Ｓ１０３）、およびタスク実行（Ｓ１０４）を含む。各機能Ｓ１０１，Ｓ１０２，Ｓ１０３は、プロアクティブプランニングコンポーネント１００を構成する。後述の実施例では、プロアクティブプランニングコンポーネント１００に新たな機能が追加される。タスクスケジューリング管理システム１は、後述の通り、コンピュータシステムとして実現される。

【0018】

タスクプランナ（Ｓ１０１）は、「タスクプラン生成部」または「タスクプラン生成ステップ」の例である。タスクプランナ（Ｓ１０１）は、スケジューリング条件２１と、タスク情報２２と、制御パラメータ２３およびモデルパラメータ２４とから、タスクプラン２６を生成する。一般に、タスクプランは、安全マージンなどのパラメータ設定が正確ではないため、そのタスクプランを現実に実行すると例外的イベントが発生しやすい。この場合、タスクの処理に支障をきたし、タスクに関連する要求、約束、目的を達成できなくなることがある．

【0019】

例外的イベントによる妨害によってリスクが高くなる状況を回避するために、例外的イベントエミュレータ（Ｓ１０２）が使用される。例外的イベントエミュレータ（Ｓ１０２）は、例外的イベントに対するタスクプラン２６のリスクを評価する。例外的イベントエミュレータ（Ｓ１０２）は、タスクプラン２６と履歴データ２７とに基づいて、過去のイベントの発生頻度などの履歴情報を受け取る。

【0020】

例外的イベントエミュレータ（Ｓ１０２）による予測結果は、結果ビジュアライザ（Ｓ１０３）を介してユーザに与えられる。結果ビジュアライザ（Ｓ１０３）は、「出力部」の例である。結果ビジュアライザ（Ｓ１０３）は、例外的イベントエミュレータ（Ｓ１０２）から受領したタスクプラン２６および予測結果２５をディスプレイ１７に表示する画面を通じてユーザへ提供する。

【0021】

例外的イベントの発生が予測されたタスクプランは、ユーザにより承認されて実行される（Ｓ１０４）。このタスクプランは、想定外のイベントである例外的イベントによる妨害を回避できるため、タスクプランナ（Ｓ１０１）で生成された最初のタスクプランよりもロバスト性が高い。このロバストなタスクプランが実行されると、履歴データ２７はデータベースに記憶される。履歴データ２７は、例外的イベントエミュレータ（Ｓ１０２）に使用される。さらに、後述のように、履歴データ２７は、マスターパラメータの更新にも使用される（図１４のステップＳ１０５参照）。このようにして、本実施形態のタスクスケジューリング管理システム１では、例外的イベントによる影響に強いタスクプランを作成することができる。

【0022】

図２は、タスクスケジューリング管理処理を示すフローチャートである。本処理は、トリガが入力されると開始する（Ｓ２０１）。トリガは、タスクスケジューリング管理システム１を利用するユーザが手動で入力してもよいし、または、図外のコンピュータシステムから自動的に入力されてもよい。

【0023】

タスクスケジューリング管理システム１（以下、管理システム１と呼ぶことがある。）は、スケジューリング条件２１およびタスク情報２２などのタスクプランの生成に必要なデータセットを読み込む（Ｓ２０２）。

【0024】

管理システム１は、データベースから制御パラメータ２３およびモデルパラメータ２４を取得する（Ｓ２０３）。管理システム１は、タスクプランナ（Ｓ１０１）により、タスクプラン２６を生成させる（Ｓ２０４）。

【0025】

タスクプランナは、スケジューリング条件２１、タスク情報２２、制御パラメータ２３およびモデルパラメータ２４からタスクプラン２６を生成する。ステップＳ２０４では、タスクプランナ（Ｓ１０１）に、与えられたタスク情報２２についてのスケジュールを作成する方法を実行させる。

【0026】

スケジュール作成方法の例を説明する。例えば、ユーザが一つずつ選択するタスクの順番から、スケジュール（タスクプラン）を作成することができる。または、例えば、最短ジョブ優先スケジューリングなどの計算アルゴリズムを用いることにより、タスクプランを自動的にまたは半自動的に作成することもできる。または、例えば、表計算ソフトウェアに搭載されているソルバーなどの機能を利用することにより、タスクプランを生成することができる。

【0027】

管理システム１は、履歴データ２７を読み込み（Ｓ２０５）、例外的イベントエミュレータ（Ｓ１０２）に対応する例外的イベントをエミュレートするように、モデルを訓練させる（Ｓ２０６）。例外的イベントエミュレータ（Ｓ１０２）は、タスクプラン２６と履歴データ２７を受け取る。履歴データ２７は、例えば、イベント頻度、イベントカテゴリ、イベントタイプ、イベント重大度などを含むことができる。

【0028】

ステップＳ２０６では、タスクプラン２６についてのリスクを推定するリスク推定モデルを学習する。リスクとは、例えば、現在の状態（総タスク、生産量など）のタスク関連の要求、約束、目的（遅延、期限違反、注文など）のいずれかを満たすことができない場合などである。

【0029】

例外的イベントによる外乱に起因するリスクを推定するために、例えば、統計的モデリング手法を用いてもよい。過去のデータから特徴的な条件を学習して、例外的イベントの発生確率およびその影響を一般化した推定モデルを作成してもよい。

【0030】

管理システム１は、ステップＳ２０６で推定されたイベントリスクを用いて、タスクプランに対する外乱効果を算出する（Ｓ２０７）。管理システム１は、算出された外乱効果を予測結果２５として出力する。外乱効果は、例えば、モンテカルロサンプリングを用いたシミュレータを用いて算出することができる。

【0031】

管理システム１は、結果ビジュアライザ（Ｓ１０３）を呼び出し、例えばタスクプラン２６や予測結果２５を予測結果情報としてディスプレイ１７に表示させて、ユーザへ提供する。ユーザは、結果ビジュアライザ（Ｓ１０３）から提供された予測結果情報を確認することにより、タスクプラン２６について予測されるリスクを、タスクプラン２６の実行前に回避することができる。ユーザは、例えば、タスクプランの立て直し、タスクの優先度の変更、安全マージンの追加または変更を行うことにより、リスクを回避することができる。安全マージンの追加は、例えば、予測確率の結果を考慮して算出できる。

【0032】

管理システム１は、結果ビジュアライザ（Ｓ１０３）を介して、タスクプランの再作成に必要な情報の入力をユーザに求める（Ｓ２０９）。ユーザがタスクプランの再作成を要求する場合（Ｓ２０９：Ｙ）、管理システム１は新たなタスクプランを作成し（Ｓ２０４）、上述したステップＳ２０５，Ｓ２０６，Ｓ２０７，Ｓ２０８が再び実行される。

【0033】

タスクプランの再作成が必要ではない場合（Ｓ２０９：Ｎ）、管理システム１は、ステップＳ２０４で作成されたタスクプラン２６を実行させる（Ｓ２１０）。ステップＳ２１０は、ロバストなタスクプランが実行されるプロセスを示し、図１中のタスク実行（Ｓ１０４）に対応する。タスク実行（Ｓ１０４）は、タスクの実行を生産現場などに直接指示してもよいし、顧客タスク管理システム３０へ指示してもよい。

【0034】

ステップＳ２０４で作成されたタスクプランは、例外的イベントによる外乱を回避することができるため、最初に作成されたタスクプランよりもロバスト性が高いと期待することができる。

【0035】

ステップＳ２１０におけるタスク実行は、例えば、製造工程の実行、プロジェクト全体のサブタスクの完了などがある。例えば、管理システム１が家電製品、自動車、建設機械、プラント設備、電力設備、合成樹脂、塗料、化学肥料、農薬、薬品、建設材料などの各種製品の生産に使用される場合、ステップＳ２１０では、それら製品を生産するために必要な各工程が実行される。管理システム１が、コンピュータプログラム、コンピュータシステム、ストレージシステム、建築設計などの各種プロジェクトに使用される場合、ステップＳ２１０では、それらプロジェクトを構成する各サブタスクが実行される。

【0036】

履歴データ２７には、タスクプランの実行内容が記録される。管理システム１は、タスクプラン２６の実行結果を履歴データ２７として記憶させ（Ｓ２１１）、本処理を終了させる（Ｓ２１２）。本実施例ではロバストなタスクプランを作成して実行させるため、タスクプランから外れた処理の発生を抑制できる。したがって、本実施例では、異常値の少ない実行結果を得ることができ、履歴データ２７に記憶して保存することができる。この履歴データ２７は、最初のタスクプランを実行していたら得られなかったであろうクリーンな履歴データである。

【0037】

異常値の少ない履歴データ２７は、例外的イベントエミュレータの学習処理のフィードバックとして用いられる。学習には、ステップＳ２０６で述べたように、過去のイベント分布などの過去のデータから例外的イベントエミュレータのモデルを作る学習処理が含まれていてもよい。

【0038】

図３を参照して、管理システム１を実現するコンピュータシステム１０の例である。コンピュータシステム１０は、例えば、プロセッサ１１、メモリ１２、コマンダ１３、入出力装置（図中、Ｉ／Ｏ）１４、通信インターフェース１５を備え、これら回路はバス１６により相互に接続されている。コンピュータシステム１０は、ストレージデバイス２０に接続されている。

【0039】

プロセッサ１１は、管理システム１の全体を制御する。ストレージ装置２０は、スケジューリング条件２１、タスク情報２２、制御パラメータ２３、モデルパラメータ２４、予測結果２５、タスクプラン２６、履歴データ２７、更新されたモデルパラメータ２８などのデータを記憶する。ストレージ装置２０は、コンピュータシステム１０内に設けられてもよいし、ファイルサーバのようにコンピュータシステム１０と通信ネットワークを介して接続されてもよい。

【0040】

メモリ１２は、例えば、ＲＯＭ（Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ－Ａｃｃｅｓｓ－Ｍｅｍｏｒｙ）、補助記憶装置などを含む。メモリ１２には、タスクプランナ（Ｓ１０１）、例外的イベントエミュレータ（Ｓ１０２）、結果ビジュアライザ（Ｓ１０３）、タスク実行（Ｓ１０４）、モデルパラメータ推定（Ｓ１０５）などの各機能を実現させるコンピュータプログラムが記憶されている。後述する実施例で登場する新たな機能を実現するためのコンピュータプログラムも、メモリ１２に記憶される（図示省略）。メモリ１２に記憶された各コンピュータプログラムをプロセッサ１１が読み込んで実行することにより、前記各機能が実現される。

【0041】

コマンダ１３は、コンピュータシステム１０と顧客のタスク管理システム３０とを接続する。コンピュータシステム１０で実現する管理システム１により作成されたタスクプランを顧客のタスク管理システム３０へ送信することができる。または、顧客のタスク管理システム３０から入力されるタスクプランを、コンピュータシステム１０が実現する管理システム１により修正することもできる。

【0042】

コンピュータシステム１０は、入出力装置１４を介してユーザインターフェース装置（図中、ＵＩ）４０に接続される。ユーザインターフェース装置４０は、ユーザと管理システム１との間で情報をやり取りするための装置であり、情報入力装置と情報出力装置（いずれも図示せず）を含む。

【0043】

情報入力装置には、例えば、キーボード、マウス、ポインティングデバイス、タッチパネル、テンキー、スキャナ、カメラ、マイクロフォン、センサなどがある。情報出力装置には、例えば、モニタディスプレイ、プリンタ、音声合成装置などがある。情報の入力と情報の出力とを同時に実行するタッチパネルのようなデバイスもある。

【0044】

ユーザインターフェース装置４０は、ユーザが身につけるウェアラブルデバイスでもよい。例えば、ユーザは、ゴーグル型端末に表示された画面を通じてタスクプランなどを視認できる。ユーザは、ジェスチャーや視線の動き、現実空間に投影された仮想キーボードへの入力などを介して、タスクプランを再作成する場合の情報を管理システム１へ入力することもできる。ユーザは、仮想空間内で管理システム１と情報を交換してもよい。

【0045】

ユーザインターフェース装置４０は、入出力装置１４に接続されてもよいし、通信インターフェース１５に接続されてもよい。入出力装置１４に接続されるユーザインターフェース装置４０と、通信インターフェース１５に接続されるユーザインターフェース装置（不図示）の両方を管理システム１は備えてもよい。

【0046】

コンピュータシステム１０は、一つの計算機上に設けられてもよい。複数の計算機を双方向通信可能に接続し、それら複数の計算機を連携させることでコンピュータシステム１０を実現してもよい。コンピュータシステム１０が実装される計算機は、物理計算機または仮想計算機のいずれでもよい。

【0047】

記憶媒体５０は、例えば、フラッシュメモリデバイス、ハードディスクドライブ、光ディスク、光磁気ディスク、磁気テープなどの記憶媒体である。記憶媒体５０は、計算機が読み取り可能であって、データおよびコンピュータプログラムを非一時的に記憶することができる記憶媒体である。記憶媒体５０からメモリ１２へにタスクプランナ（Ｓ１０１）、例外的イベントエミュレータ（Ｓ１０２）、結果ビジュアライザ（Ｓ１０３）、タスク実行（Ｓ１０４）、モデルパラメータ推定（Ｓ１０５）などのコンピュータプログラムを転送することができる。逆に、メモリ１２から記憶媒体５０へそれらコンピュータプログラムＳ１０１～Ｓ１０５などのコンピュータプログラムを転送させることもできる。

【0048】

図４は、スケジューリング条件２１のデータ構造の一例を示す。スケジューリング条件２１のデータ構造には、条件の種類２１１とその詳細２１２が含まれてもよい。

【0049】

条件の種類２１１は、例えば、タスクプランの目的、タスクプランの制約などの種類が記述される。タスクプランの目的は複数用意することができる。タスクプランの制約も複数用意することができる。詳細２１２には、条件２１１の詳細が記述される。詳細２１２には、例えば、「合計処理時間の最小化」、「スループットの最大化」、「○○以上」などの情報が記述される。ユーザは、スケジューリング条件２１の一部または全部を指定することができる。

【0050】

図５は、タスク情報２２のデータ構造の一例を示す。タスク情報２２のデータ構造は、例えば、タスクの識別子（図中、ＩＤ）２２１と、タスクの詳細情報２２２を含むことができる。タスクの識別子２２１は、管理システム１内において各タスクを一意に特定する情報である。詳細情報２２２は、例えば、タスクを完了するための作業量（または作業時間）などを含んでもよい。ユーザは、タスク情報２２の一部または全部を指定することができる。

【0051】

図６は、制御パラメータ２３のデータ構造の一例を示す。制御パラメータ２３のデータ構造は、例えば、タスクの識別子２３１と、制御パラメータの基準２３２とを含むことができる。タスクの識別子２３１は、図５で述べたタスクの識別子２２１と同様である。以下、図ごとにタスクの識別子に付与される番号は異なるが、その内容は同一であるため、説明を省略する。

【0052】

制御パラメータの基準２３２は、例えばタスクの優先度である。制御パラメータは、タスクのスケジューリングに関連する情報であり、例えば、処理の優先順位などの制約を持つ。制御パラメータは、図１６で後述する再計画設定探索部（Ｓ１０６）において、その役割が説明される。

【0053】

図７は、モデルパラメータ２４のデータ構造の一例を示す。モデルパラメータ２４のデータ構造は、例えば、リソースの識別子２４１と、一つ以上の基準２４２，２４３を含むことができる。リソース識別子２４１は、管理システム１内においてリソースを一意に特定する情報である。リソースは、タスクプランの実行に際して使用される資源であり、例えば人的資源、機械的資源、演算資源、メモリ資源などである。管理システム１が生産プラントなどに適用される場合、リソースには作業者（ＷＫ）および機械（ＭＣ）などが含まれる。

【0054】

基準２４２，２４３は、処理速度、容量、品質などのリソースの基準を示す。図７では例えば、処理速度２４２や容量２４３を基準として示す。モデルパラメータは、タスクプランを作成するために使用されるパラメータである。例えば、モデルパラメータは、処理時間や品質の基準を含んでいてもよい。モデルパラメータは、後述のように、正確なタスクプランの作成に貢献する。

【0055】

図８は、予測結果２５のデータ構造の一例を示す。予測結果２５のデータ構造は、例えば、日付２５１、タスク識別子２５２、シーケンス２５３、期間２５４、確率２５５などを含むことができる。シーケンス２５３は、タスクの実行順序を示す。期間２５４は、タスクの実行に要する時間を示す。確率２５５は、予測値の確率である。確率２５５は、「９９％」などの定量的数値でもよいし、「高い」などの定性的な値でもよいし、確率を分類するカテゴリの情報などでもよい。

【0056】

図９は、タスクプラン２６のデータ構造の一例を示す。タスクプラン２６のデータ構造は、例えば、日付２６１、タスク識別子２６２、シーケンス２６３、期間２６４を含むことができる。タスクプラン２６は、実際の状況でタスクを実行するために使用されるプランである。タスクプラン２６は、例外的イベントエミュレータ（Ｓ１０２）により、最初のタスクプランについての例外的イベントのリスクを考慮して生成されたロバストなプランである。

【0057】

図１０は、履歴データ２７のデータ構造の一例を示す。履歴データ２７のデータ構造は、例えば、日付２７１、タスク識別子２７２、期間２７３、イベント識別子２７４、イベント効果の詳細２７５を含むことができる。

【0058】

履歴データ２７には、タスクプラン２６の実行内容が記録されている。履歴データ２７は、タスク実行中の各イベントを記録してもよい。イベントとしては、製造業の場合、例えばラインの停止、機械の故障、作業員の遅刻または欠勤などがあり得る。履歴データ２７は、例外的イベントによるリスクが抑制されたクリーンなデータである。本実施例では、このクリーンな履歴データ２７を用いて、例外的イベントエミュレータを学習する（Ｓ１０２）。その学習には、過去のイベント分布などの過去のデータから、例外的イベントエミュレータ（Ｓ１０２）のモデルを作る学習処理が含まれてもよい。この履歴データ２７は、後述のように、モデルパラメータ推定（Ｓ１０５）によるマスターパラメータの更新に用いることができる。

【0059】

図１１は、図１４に示す更新されたモデルパラメータ２８のデータ構造の一例を示す。更新されたモデルパラメータ２８のデータ構造は、例えば、リソース識別子２８１と、更新された処理能力値２８２とを含むことができる。処理能力値２８２は、例えば、処理速度などである。更新されたモデルパラメータ２８には、モデルパラメータ推定（Ｓ１０５）の結果として、どのパラメータを更新できるかの情報が含まれる。

【0060】

図１２は、結果ビジュアライザ（Ｓ１０３）がユーザへ提供する要約ツールのＧＵＩの一例である。このＧＵＩには、予測したリスクの結果を定量的に示すことができる。１つまたは複数のインタラクティブなパラメータ設定ビューをディスプレイ上に提示する機能を有する。ＧＵＩは、制御パラメータ設定のためのユーザ入力を受け付ける機能を含む。ＧＵＩは、１つまたは複数のタスクプランをユーザに提示する機能を有する。一例として、ＧＵＩには、定量的リスクスコア、定性的リスクスコア、カテゴリー的リスクスコアなどの予測リスク値を表示することができる。さらに、ＧＵＩには、ロバストなタスクプランのための優先度や安全マージンなどの制御パラメータを表示することもできる。ＧＵＩは、ユーザの入力操作を容易にし、再計画を立てるための機能も提供する。

【0061】

図１２のＧＵＩでは、例えば、今日、明日、明後日の複数の日について、タスクプランの予測された進捗状況と目標値と予測されたリスクとを表示させることができる。ユーザは、今日の予測結果だけでなく、明日や明後日の予測結果の動向も考慮して、タスクプランを再作成するか否かを判断できる。タスクプランの再作成を希望する場合、ユーザは、「リプラン」ボタンを操作する。タスクプランの再作成を希望しない場合、ユーザは、「フィニッシュ」ボタンを操作する。

【0062】

図１３は、パラメータ更新のＧＵＩの例を示す。図１３のＧＵＩは、モデルパラメータ推定（Ｓ１０５）の実行後に、ユーザへパラメータ更新の結果を提示する。

【0063】

パラメータ更新をユーザへ提供するＧＵＩは、ディスプレイ１７上に１つ以上のインタラクティブなパラメータ構成ビューを提示する機能を有する。これらの機能は、前記１つまたは複数のインタラクティブなエンティティ構成ビューに対するユーザの入力を受け取る。パラメータ更新のインタラクティブボタンは、更新されたモデルパラメータ２８に基づいて、マスターパラメータであるモデルパラメータ２４を更新させる。

【0064】

図１３の例では、指定された日付の指定されたタスクについて、リソース識別子、パラメータの種類、現在の設定値、推薦された設定値が表示される。パラメータの種類には、例えばサイクルタイム（図中、ＣＴ）などが含まれる。ユーザは、現在の設定値を希望する場合、図１３左下のボタンを操作する。ユーザは、現在の設定値の更新を希望する場合、図１３右下のボタンを操作する。

【0065】

このように構成される本実施例によれば、例外的イベントエミュレータ（Ｓ１０２）のモデルを履歴データを用いて学習させることにより、例外的イベントの発生を事前に予測し、予測結果に基づいてロバストなタスクプランを生成することができる。本実施例によれば、ロバストなタスクプランの実行結果である履歴データ２７は、異常値のデータが少ないクリーンなデータとなる。

【0066】

本実施例によれば、異常値の少ない履歴データに基づいて、タスクプランの生成に使用されるパラメータを継続的に改善できる。したがって、本実施例の管理システム１によれば、ロバストなタスクプランを作成でき、タスクプランを継続的に安定して運用するためのパラメータ更新に要する手間も軽減でき、タスクプランの生成および運用に要するコストを低減でき、ユーザにとっての使い勝手が向上する。

【実施例0067】

図１４および図１５を用いて実施例２を説明する。以下の各実施例では、実施例１との相違を中心に説明する。

【0068】

図１４は、タスクスケジューリング管理システム１Ａの機能構成図である。管理システム１Ａは、プロアクティブプランニングコンポーネント１００と、パラメータ更新部１０１を含む。プロアクティブプランニングコンポーネント１００は、タスクプランナ（Ｓ１０１）、例外的イベントエミュレータ（Ｓ１０２）、結果ビジュアライザ（Ｓ１０３）を含む。パラメータ更新部１０１は、モデルパラメータ推定（Ｓ１０５）と、タスク実行（Ｓ１０４）を含む。モデルパラメータ推定（Ｓ１０５）は、モデルパラメータ推定部（Ｓ１０５）と呼ぶこともできる。

【0069】

モデルパラメータ推定部（Ｓ１０５）は、異常値の少ない履歴データ２７の現在の状態に基づいて、正確なモデルパラメータを推定し、更新されたモデルパラメータ２８を出力する。更新されたモデルパラメータ２８により、マスターパラメータであるモデルパラメータ２４が修正され、修正されたマスターパラメータに基づいてロバストなタスクプランが生成される。本実施例の管理システム１Ａは、ロバストなタスクプランの生成とモデルパラメータの推定とにより、タスクプランを継続的に改善し続けることができる。

【0070】

図１５は、タスクスケジューリング管理処理のフローチャートである。ステップＳ２０１－Ｓ２１２は、図２で説明した通りであるため、説明を省略する。

【0071】

ステップＳ２１１の後、管理システム１Ａは、ステップＳ２１４の入力として、履歴データ２７を読み込む（Ｓ２１３）。モデルパラメータ推定部（Ｓ１０５）に相当するステップＳ２１４は、所定の計算方法を用いて履歴データ２７を分析することにより、実際の状況に近い正確なモデルパラメータ、例えば処理速度などを推定する。所定の計算方法には、例えば、統計的モデリング手法を用いることができる。

【0072】

アプリケーション例を説明する。製品などのアイテムを生産するのに要する平均時間を履歴データ２７から計算することにより、生産速度のような、製造工程におけるモデルパラメータの値を決定することができる。他の例としては、プロジェクト管理におけるモデルパラメータの値を設定することもできる。例えば、ジョブ処理率など、タスクを終了するまでの平均時間を履歴データ２７から計算することができる。

【0073】

管理システム１Ａは、更新されたモデルパラメータ２８を保存する（Ｓ２１５）。ステップＳ２１６では、図１３で示したようなパラメータ・アップデータのＧＵＩを介して、更新されたパラメータ２８をユーザに示す。ユーザは、現在アクティブなモデルで使用するパラメータ２４を、新しいパラメータ２８で更新させることができる。

【0074】

ステップＳ２１７では、ステップＳ２１６でのユーザの選択に応じて、モデルパラメータ２４を更新する。

【0075】

このように構成される本実施例も実施例１と同様の作用効果を奏する。さらに本実施例では、タスクプランの実行される状況が日々変化する場合でも、その変化に追従してモデルパラメータを更新することができ、環境変化と例外的イベントのリスクに強いタスクプランを生成することができる。