特開2024-155160多目的計画パタン分析システム、多目的計画パタン分析方法
(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】P2024155160
(43)【公開日】2024-10-31
(54)【発明の名称】多目的計画パタン分析システム、多目的計画パタン分析方法
(51)【国際特許分類】
G06Q 10/00 20230101AFI20241024BHJP
【ＦＩ】
G06Q10/00
【審査請求】未請求
【請求項の数】11
【出願形態】ＯＬ
(21)【出願番号】P 2023069615
(22)【出願日】2023-04-20
(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】110002365
【氏名又は名称】弁理士法人サンネクスト国際特許事務所
(72)【発明者】
【氏名】濱本 真生
(72)【発明者】
【氏名】高橋 正和
(72)【発明者】
【氏名】恵木 正史
(72)【発明者】
【氏名】土屋 祐太
【テーマコード（参考）】
5L010
5L049
【Ｆターム（参考）】
5L010AA01
5L049AA01
(57)【要約】
【課題】ＫＰＩに対する実効的な影響力を反映したクラスタリング情報をユーザに提示し、ユーザの意思決定を支援する。
【解決手段】多目的パタン分析システム１０において、クラスタリング処理部１６０は、貢献度分析部１５０により算出された貢献度に基づいて複数の計画をＫＰＩごとにクラスタリングする第１のクラスタリング処理と、第１のクラスタリング処理の結果に基づいて複数の計画を複数のＫＰＩの組み合わせについてクラスタリングする第２のクラスタリング処理と、を行う。クラスタ間主要差異分析部１８０は、第２のクラスタリング処理で得られた各統合クラスタについて算出された入力因子ごとの代表貢献度に基づいて、統合クラスタ間の主要差異を分析する。ユーザ提示部１００は、クラスタ間主要差異分析部１８０による主要差異の分析結果をユーザに提示する。
【選択図】図１
【解決手段】多目的パタン分析システム１０において、クラスタリング処理部１６０は、貢献度分析部１５０により算出された貢献度に基づいて複数の計画をＫＰＩごとにクラスタリングする第１のクラスタリング処理と、第１のクラスタリング処理の結果に基づいて複数の計画を複数のＫＰＩの組み合わせについてクラスタリングする第２のクラスタリング処理と、を行う。クラスタ間主要差異分析部１８０は、第２のクラスタリング処理で得られた各統合クラスタについて算出された入力因子ごとの代表貢献度に基づいて、統合クラスタ間の主要差異を分析する。ユーザ提示部１００は、クラスタ間主要差異分析部１８０による主要差異の分析結果をユーザに提示する。
【選択図】図１
【特許請求の範囲】
【請求項1】
複数の入力因子が設定されて前記入力因子の値の組み合わせが互いに異なる複数の計画と、シミュレーションによって前記計画ごとに得られる複数のＫＰＩの値とを取得し、前記入力因子ごとの前記ＫＰＩに対する貢献度を算出する貢献度分析部と、
前記貢献度に基づいて複数の前記計画を前記ＫＰＩごとにクラスタリングする第１のクラスタリング処理と、前記第１のクラスタリング処理の結果に基づいて複数の前記計画を複数の前記ＫＰＩの組み合わせについてクラスタリングする第２のクラスタリング処理と、を行うクラスタリング処理部と、
前記第２のクラスタリング処理で得られた各統合クラスタについて、当該統合クラスタに属する各計画の前記貢献度の代表値に相当する代表貢献度を前記入力因子ごとに算出する代表貢献度算出部と、
各統合クラスタについて算出された前記入力因子ごとの前記代表貢献度に基づいて、前記統合クラスタ間の主要差異を分析するクラスタ間主要差異分析部と、
前記クラスタ間主要差異分析部による前記主要差異の分析結果をユーザに提示するユーザ提示部と、を備える多目的計画パタン分析システム。
前記貢献度に基づいて複数の前記計画を前記ＫＰＩごとにクラスタリングする第１のクラスタリング処理と、前記第１のクラスタリング処理の結果に基づいて複数の前記計画を複数の前記ＫＰＩの組み合わせについてクラスタリングする第２のクラスタリング処理と、を行うクラスタリング処理部と、
前記第２のクラスタリング処理で得られた各統合クラスタについて、当該統合クラスタに属する各計画の前記貢献度の代表値に相当する代表貢献度を前記入力因子ごとに算出する代表貢献度算出部と、
各統合クラスタについて算出された前記入力因子ごとの前記代表貢献度に基づいて、前記統合クラスタ間の主要差異を分析するクラスタ間主要差異分析部と、
前記クラスタ間主要差異分析部による前記主要差異の分析結果をユーザに提示するユーザ提示部と、を備える多目的計画パタン分析システム。
【請求項2】
請求項１に記載の多目的計画パタン分析システムであって、
前記クラスタリング処理部は、前記第２のクラスタリング処理において、前記第１のクラスタリング処理によって作成された前記ＫＰＩごとのクラスタのうち、２つ以上の前記ＫＰＩについて作成された各クラスタの組み合わせを、前記統合クラスタとして抽出する多目的計画パタン分析システム。
前記クラスタリング処理部は、前記第２のクラスタリング処理において、前記第１のクラスタリング処理によって作成された前記ＫＰＩごとのクラスタのうち、２つ以上の前記ＫＰＩについて作成された各クラスタの組み合わせを、前記統合クラスタとして抽出する多目的計画パタン分析システム。
【請求項3】
請求項２に記載の多目的計画パタン分析システムであって、
前記クラスタリング処理部は、前記第２のクラスタリング処理において、各統合クラスタに属する前記計画の数が所定数以上となるように、前記統合クラスタの数を調整する多目的計画パタン分析システム。
前記クラスタリング処理部は、前記第２のクラスタリング処理において、各統合クラスタに属する前記計画の数が所定数以上となるように、前記統合クラスタの数を調整する多目的計画パタン分析システム。
【請求項4】
請求項２に記載の多目的計画パタン分析システムであって、
前記ユーザ提示部は、前記主要差異の分析結果を前記ユーザに提示するときに、パレート解を含まない前記統合クラスタの情報を非表示とする多目的計画パタン分析システム。
前記ユーザ提示部は、前記主要差異の分析結果を前記ユーザに提示するときに、パレート解を含まない前記統合クラスタの情報を非表示とする多目的計画パタン分析システム。
【請求項5】
請求項１に記載の多目的計画パタン分析システムであって、
前記クラスタ間主要差異分析部は、前記統合クラスタ間の前記代表貢献度の差分値を前記入力因子ごとに算出し、前記差分値が最も大きい前記入力因子を、前記統合クラスタ間の主要差異因子として抽出する多目的計画パタン分析システム。
前記クラスタ間主要差異分析部は、前記統合クラスタ間の前記代表貢献度の差分値を前記入力因子ごとに算出し、前記差分値が最も大きい前記入力因子を、前記統合クラスタ間の主要差異因子として抽出する多目的計画パタン分析システム。
【請求項6】
請求項５に記載の多目的計画パタン分析システムであって、
前記クラスタ間主要差異分析部は、前記主要差異因子の値またはカテゴリ数の前記統合クラスタ間での増減に基づいて、前記統合クラスタ間の差異情報を決定し、
前記ユーザ提示部は、前記クラスタ間主要差異分析部により決定された前記差異情報を前記ユーザに提示する多目的計画パタン分析システム。
前記クラスタ間主要差異分析部は、前記主要差異因子の値またはカテゴリ数の前記統合クラスタ間での増減に基づいて、前記統合クラスタ間の差異情報を決定し、
前記ユーザ提示部は、前記クラスタ間主要差異分析部により決定された前記差異情報を前記ユーザに提示する多目的計画パタン分析システム。
【請求項7】
請求項１に記載の多目的計画パタン分析システムであって、
前記ユーザ提示部は、３つ以上の前記ＫＰＩのうち前記ユーザに選択された２つの前記ＫＰＩについて、前記主要差異の分析結果を前記ユーザに提示する多目的計画パタン分析システム。
前記ユーザ提示部は、３つ以上の前記ＫＰＩのうち前記ユーザに選択された２つの前記ＫＰＩについて、前記主要差異の分析結果を前記ユーザに提示する多目的計画パタン分析システム。
【請求項8】
請求項１に記載の多目的計画パタン分析システムであって、
前記第２のクラスタリング処理で得られた各統合クラスタについて、前記入力因子の変動に対するロバスト性の分析を行うロバスト性分析部を備え、
前記ユーザ提示部は、前記ロバスト性分析部による前記ロバスト性の分析結果を前記ユーザに提示する多目的計画パタン分析システム。
前記第２のクラスタリング処理で得られた各統合クラスタについて、前記入力因子の変動に対するロバスト性の分析を行うロバスト性分析部を備え、
前記ユーザ提示部は、前記ロバスト性分析部による前記ロバスト性の分析結果を前記ユーザに提示する多目的計画パタン分析システム。
【請求項9】
請求項８に記載の多目的計画パタン分析システムであって、
前記ロバスト性分析部は、前記ＫＰＩごとの前記貢献度の不均衡度に基づくロバスト性指標を算出し、前記ロバスト性指標に基づいて前記ロバスト性の分析を行う多目的計画パタン分析システム。
前記ロバスト性分析部は、前記ＫＰＩごとの前記貢献度の不均衡度に基づくロバスト性指標を算出し、前記ロバスト性指標に基づいて前記ロバスト性の分析を行う多目的計画パタン分析システム。
【請求項10】
請求項８に記載の多目的計画パタン分析システムであって、
前記ロバスト性分析部は、前記入力因子のいずれかを外部環境因子として、前記外部環境因子の変化に対する前記ＫＰＩの標準偏差に基づくロバスト性指標を算出し、前記ロバスト性指標に基づいて前記ロバスト性の分析を行う多目的計画パタン分析システム。
前記ロバスト性分析部は、前記入力因子のいずれかを外部環境因子として、前記外部環境因子の変化に対する前記ＫＰＩの標準偏差に基づくロバスト性指標を算出し、前記ロバスト性指標に基づいて前記ロバスト性の分析を行う多目的計画パタン分析システム。
【請求項11】
コンピュータにより、
複数の入力因子が設定されて前記入力因子の値の組み合わせが互いに異なる複数の計画と、シミュレーションによって得られる前記計画ごとの複数のＫＰＩの値とを取得し、
前記入力因子ごとの前記ＫＰＩに対する貢献度を算出し、
前記貢献度に基づいて複数の前記計画を前記ＫＰＩごとにクラスタリングする第１のクラスタリング処理を行い、
前記第１のクラスタリング処理の結果に基づいて複数の前記計画を複数の前記ＫＰＩの組み合わせについてクラスタリングする第２のクラスタリング処理を行い、
前記第２のクラスタリング処理で得られた各統合クラスタについて、当該統合クラスタに属する各計画の前記貢献度の代表値に相当する代表貢献度を前記入力因子ごとに算出し、
各統合クラスタについて算出された前記入力因子ごとの前記代表貢献度に基づいて、前記統合クラスタ間の主要差異を分析し、
前記主要差異の分析結果をユーザに提示する多目的計画パタン分析方法。
複数の入力因子が設定されて前記入力因子の値の組み合わせが互いに異なる複数の計画と、シミュレーションによって得られる前記計画ごとの複数のＫＰＩの値とを取得し、
前記入力因子ごとの前記ＫＰＩに対する貢献度を算出し、
前記貢献度に基づいて複数の前記計画を前記ＫＰＩごとにクラスタリングする第１のクラスタリング処理を行い、
前記第１のクラスタリング処理の結果に基づいて複数の前記計画を複数の前記ＫＰＩの組み合わせについてクラスタリングする第２のクラスタリング処理を行い、
前記第２のクラスタリング処理で得られた各統合クラスタについて、当該統合クラスタに属する各計画の前記貢献度の代表値に相当する代表貢献度を前記入力因子ごとに算出し、
各統合クラスタについて算出された前記入力因子ごとの前記代表貢献度に基づいて、前記統合クラスタ間の主要差異を分析し、
前記主要差異の分析結果をユーザに提示する多目的計画パタン分析方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、多目的計画問題に関して、シミュレーションによって得られた情報に基づくユーザの意思決定を支援するためのシステムおよび方法に関する。
【背景技術】
【0002】
近年、利益や生産性の向上に加えて、例えばＣＯ２排出量の削減などの様々な重要業績評価指標（ＫＰＩ：Key Performance Indicator）の改善が企業活動において求められている。これに伴い、複数のＫＰＩが同時に向上する施策あるいは計画を立案して実行することが、経営の意思決定上で益々重要になっている。
【0003】
上記のように複数の目的関数を同時に最適化する解を求めることは、多目的計画問題として知られている。ＫＰＩに関する多目的計画問題では、例えばシミュレーションによって多数の計画を試行し、各計画に対するＫＰＩの見積りからパレートフロンティアを定義して、試行した計画群のうちパレートフロンティア近傍の計画パタンを人間が選択することで、最適解を求める手法がある。こうした解決手法では、シミュレーションで試行した計画の一つ一つの内容を人が精査してその全体像を十分に把握した上で、どのような計画パタンを採用すべきかを判断し、最終的な意思決定を行う必要がある。
【0004】
しかしながら、一般的に多目的計画問題では、シミュレーションにより試行される計画群の数が多すぎるため、人が全体像を把握するのに時間がかかり、その結果、意思決定までに多くの時間が必要となる。そのため、シミュレーションで試行された計画群を効率的に分析・可視化する手法が求められる。
【0005】
多目的計画問題における大量の計画群を俯瞰的に捉えるには、各計画をその特徴に応じて分類するクラスタリングが有効である。これに関して、例えば下記の特許文献１の技術が知られている。特許文献１には、複数の設計変数の組み合わせを、それぞれ所定の物品性能に対応した複数の制約条件を全て満足する組み合わせである実行可能解と、１つ以上の制約条件を満足しない組み合わせである実行不可能解とに分類し、実行可能解に実行不可能解を含めた集合に対して階層的クラスタリングを施して、同一クラスタ内で隣接するような実行可能解と実行不可能解とのペアを抽出し、このペア間での各設計変数の差異を可視化することが開示されている。
【先行技術文献】
【特許文献】
【0006】
【特許文献2】特開２０２２－５１３１８号公報
【発明の概要】
【発明が解決しようとする課題】
【0007】
特許文献１の手法では、制約条件を満足するか否かによって設計変数の組み合わせを実行可能解と実行不可能解とに分類しており、物品性能に対する影響の大小が考慮されていない。そのため、これをＫＰＩに関する多目的計画問題に適用した場合、ＫＰＩに対する実効的な影響力を反映した適切なクラスタリングを実現できないという課題がある。
【0008】
そこで本発明は、上記問題点に鑑みて、ＫＰＩに対する実効的な影響力を反映したクラスタリング情報をユーザに提示し、ユーザの意思決定を支援することを目的とする。
【課題を解決するための手段】
【0009】
本発明による多目的計画パタン分析システムは、複数の入力因子が設定されて前記入力因子の値の組み合わせが互いに異なる複数の計画と、シミュレーションによって前記計画ごとに得られる複数のＫＰＩの値とを取得し、前記入力因子ごとの前記ＫＰＩに対する貢献度を算出する貢献度分析部と、前記貢献度に基づいて複数の前記計画を前記ＫＰＩごとにクラスタリングする第１のクラスタリング処理と、前記第１のクラスタリング処理の結果に基づいて複数の前記計画を複数の前記ＫＰＩの組み合わせについてクラスタリングする第２のクラスタリング処理と、を行うクラスタリング処理部と、前記第２のクラスタリング処理で得られた各統合クラスタについて、当該統合クラスタに属する各計画の前記貢献度の代表値に相当する代表貢献度を前記入力因子ごとに算出する代表貢献度算出部と、各統合クラスタについて算出された前記入力因子ごとの前記代表貢献度に基づいて、前記統合クラスタ間の主要差異を分析するクラスタ間主要差異分析部と、前記クラスタ間主要差異分析部による前記主要差異の分析結果をユーザに提示するユーザ提示部と、を備える。
本発明による多目的計画パタン分析方法は、コンピュータにより、複数の入力因子が設定されて前記入力因子の値の組み合わせが互いに異なる複数の計画と、シミュレーションによって得られる前記計画ごとの複数のＫＰＩの値とを取得し、前記入力因子ごとの前記ＫＰＩに対する貢献度を算出し、前記貢献度に基づいて複数の前記計画を前記ＫＰＩごとにクラスタリングする第１のクラスタリング処理を行い、前記第１のクラスタリング処理の結果に基づいて複数の前記計画を複数の前記ＫＰＩの組み合わせについてクラスタリングする第２のクラスタリング処理を行い、前記第２のクラスタリング処理で得られた各統合クラスタについて、当該統合クラスタに属する各計画の前記貢献度の代表値に相当する代表貢献度を前記入力因子ごとに算出し、各統合クラスタについて算出された前記入力因子ごとの前記代表貢献度に基づいて、前記統合クラスタ間の主要差異を分析し、前記主要差異の分析結果をユーザに提示する。
本発明による多目的計画パタン分析方法は、コンピュータにより、複数の入力因子が設定されて前記入力因子の値の組み合わせが互いに異なる複数の計画と、シミュレーションによって得られる前記計画ごとの複数のＫＰＩの値とを取得し、前記入力因子ごとの前記ＫＰＩに対する貢献度を算出し、前記貢献度に基づいて複数の前記計画を前記ＫＰＩごとにクラスタリングする第１のクラスタリング処理を行い、前記第１のクラスタリング処理の結果に基づいて複数の前記計画を複数の前記ＫＰＩの組み合わせについてクラスタリングする第２のクラスタリング処理を行い、前記第２のクラスタリング処理で得られた各統合クラスタについて、当該統合クラスタに属する各計画の前記貢献度の代表値に相当する代表貢献度を前記入力因子ごとに算出し、各統合クラスタについて算出された前記入力因子ごとの前記代表貢献度に基づいて、前記統合クラスタ間の主要差異を分析し、前記主要差異の分析結果をユーザに提示する。
【発明の効果】
【0010】
本発明によれば、ＫＰＩに対する実効的な影響力を反映したクラスタリング情報をユーザに提示し、ユーザの意思決定を支援することができる。
【0011】
本明細書において開示される主題の、少なくとも一つの実施の詳細は、添付されている図面と以下の記述の中で述べられる。開示される主題のその他の特徴、態様、効果は、以下の開示、図面、請求項により明らかにされる。
【図面の簡単な説明】
【0012】
【図1】本発明の一実施形態に係る多目的計画パタン分析システムの機能構成を示すブロック図である。
【図2】本発明の一実施形態に係る多目的計画パタン分析システムの全体動作を示すフローチャートである。
【図3】パラメータ設定画面の一例を示す図である。
【図4】シミュレーション設定情報の一例を示す図である。
【図5】シミュレーション入力情報の一例を示す図である。
【図6】データ管理部に格納される情報の一例を示す図である。
【図7】クラスタ分析設定画面の一例を示す図である。
【図8】貢献度分析結果情報の一例を示す図である。
【図9】クラスタリング処理の手順を示すフローチャートである。
【図10】パレート近傍要素抽出処理の手順を示すフローチャートである。
【図11】基本クラスタ数調整処理の一例を説明する図である。
【図12】統合クラスタの一例を説明する図である。
【図13】パレートクラスタ抽出処理の手順を示すフローチャートである。
【図14】パレートクラスタの抽出結果の例を示す図である。
【図15】クラスタリング処理結果の例を示す図である。
【図16】クラスタ間主要差異分析処理の例を説明する図である。
【図17】クラスタ間主要差異分析処理の例を説明する図である。
【図18】分析結果出力画面の例を示す図である。
【図19】分析結果出力画面の他の例を示す図である。
【図20】分析結果出力画面のさらに別の例を示す図である。
【図21】ロバスト性分析設定画面の一例を示す図である。
【図22】ベースラインテーブルの一例を示す図である。
【図23】貢献度集中分析結果の出力画面の例を示す図である。
【図24】入力因子設定テーブルの一例を示す図である。
【図25】環境変化テーブルの一例を示す図である。
【図26】環境変化感度分析結果の出力画面の例を示す図である。
【発明を実施するための形態】
【0013】
（全体構成）
図１は、本発明の一実施形態に係る多目的計画パタン分析システムの機能構成を示すブロック図である。図１に示す多目的パタン分析システム１０は、例えば企業活動における多目的計画問題の分析に利用されるものであり、コンピュータを用いて実現される。多目的パタン分析システム１０は、ユーザ提示部１００、分析設定部１１０、パラメータ設定部１２０、シミュレーション実行部１３０、データ管理部１４０、貢献度分析部１５０、クラスタリング処理部１６０、代表貢献度ベクトル算出部１７０、クラスタ間主要差異分析部１８０およびロバスト性分析部１９０の各機能ブロックを備えて構成される。これらの機能ブロックは、例えばコンピュータが有するＣＰＵにおいて所定のプログラムを実行することにより実現される。
図１は、本発明の一実施形態に係る多目的計画パタン分析システムの機能構成を示すブロック図である。図１に示す多目的パタン分析システム１０は、例えば企業活動における多目的計画問題の分析に利用されるものであり、コンピュータを用いて実現される。多目的パタン分析システム１０は、ユーザ提示部１００、分析設定部１１０、パラメータ設定部１２０、シミュレーション実行部１３０、データ管理部１４０、貢献度分析部１５０、クラスタリング処理部１６０、代表貢献度ベクトル算出部１７０、クラスタ間主要差異分析部１８０およびロバスト性分析部１９０の各機能ブロックを備えて構成される。これらの機能ブロックは、例えばコンピュータが有するＣＰＵにおいて所定のプログラムを実行することにより実現される。
【0014】
ユーザ提示部１００は、多目的パタン分析システム１０において得られた分析結果などの情報を、ユーザ提示情報１１として多目的パタン分析システム１０のユーザに提示する。また、ユーザが多目的パタン分析システム１０に対して入力したユーザ入力情報１２を取得し、その内容を設定情報１０１として分析設定部１１０へ出力する。ユーザ提示部１００は、例えば液晶ディスプレイ等の表示装置や、マウス、キーボード、タッチパネル等の入力装置、あるいはこれらに対して信号を入出力するインタフェースを用いて実現される。
【0015】
分析設定部１１０は、ユーザ提示部１００に対して設定項目情報１１１を送信し、この設定項目情報１１１に基づいてユーザがユーザ提示部１００に対して入力したユーザ入力情報１２を、多目的パタン分析システム１０における設定情報１０１としてユーザ提示部１００から受け取る。分析設定部１１０は、受け取った設定情報１０１に基づき、パラメータ設定部１２０、貢献度分析部１５０、クラスタリング処理部１６０、クラスタ間主要差異分析部１８０およびロバスト性分析部１９０の各機能ブロックに対して、シミュレーション設定情報１１２、貢献度分析設定情報１１３、クラスタリング設定情報１１４、クラスタ間主要差異分析設定情報１１５、ロバスト性分析設定情報１１６をそれぞれ出力する。分析設定部１１０は、例えば設定情報１０１の内容を項目ごとに分類し、その分類結果に応じて、設定情報１０１に含まれる様々な情報を、シミュレーション設定情報１１２、貢献度分析設定情報１１３、クラスタリング設定情報１１４、クラスタ間主要差異分析設定情報１１５、ロバスト性分析設定情報１１６として出力することができる。
【0016】
パラメータ設定部１２０は、分析設定部１１０から入力されるシミュレーション設定情報１１２に基づいて、シミュレーション実行部１３０がシミュレーションを実行する際のパラメータ値を設定する。パラメータ設定部１２０は、例えばシミュレーション実行部１３０で実行されるシミュレーションに対して予め設定された複数の入力因子について、シミュレーション設定情報１１２で示されるパラメータ条件に従い、各入力因子の値を設定する。そして、設定した各入力因子の値の情報を、シミュレーション入力情報１２１としてシミュレーション実行部１３０とデータ管理部１４０にそれぞれ出力する。こうして設定される各入力因子の値は、シミュレーション実行時のパラメータ値に相当する。
【0017】
パラメータ設定部１２０では、シミュレーション実行部１３０で実行されるシミュレーションに対して上記のような処理を行うことにより、パラメータ値の組み合わせが互いに異なる複数の入力因子の組を設定する。以下では、パラメータ設定部１２０によって設定される個々の入力因子の組を「計画」と称する。すなわち、パラメータ設定部１２０は、入力因子の値の組み合わせが互いに異なる複数の計画を設定し、各計画の内容をシミュレーション入力情報１２１として、シミュレーション実行部１３０とデータ管理部１４０に出力する。
【0018】
シミュレーション実行部１３０は、パラメータ設定部１２０から入力されるシミュレーション入力情報１２１に基づいて、企業活動に関する所定のシミュレーションを実行する。例えばシミュレーション実行部１３０は、ある製品の市場影響力や環境負荷の分析を目的に、当該製品の製造から販売までの流通過程のシミュレーションを実行する。シミュレーション実行部１３０によるシミュレーション結果は、企業活動の分析のための評価指標（ＫＰＩ）を表すシミュレーション結果情報１３１として、シミュレーション実行部１３０からデータ管理部１４０へ送られる。なお、シミュレーション実行部１３０が行うシミュレーションは、例えばエージェントベースのシミュレータや数値シミュレータなど、任意の様々な方式によって実現可能である。
【0019】
データ管理部１４０は、シミュレーション実行部１３０によるシミュレーション結果の管理を行う。例えば、パラメータ設定部１２０からデータ管理部１４０に入力されるシミュレーション入力情報１２１と、シミュレーション実行部１３０からデータ管理部１４０に入力されるシミュレーション結果情報１３１とを互いに紐付けて、例えばＨＤＤやＳＳＤ等の記憶装置（不図示）に格納することで、計画ごとにシミュレーション結果の管理を行う。ただし、シミュレーション実行部１３０によるシミュレーション結果をデータ管理部１４０が適切に管理できれば、その管理方法は問わない。データ管理部１４０で管理されているシミュレーション結果の情報は、データセット情報１４１として貢献度分析部１５０とロバスト性分析部１９０にそれぞれ出力される。
【0020】
貢献度分析部１５０は、データ管理部１４０から入力されるデータセット情報１４１に基づいて、シミュレーションに対する複数の計画と、その計画ごとにシミュレーションで求められた複数のＫＰＩの値とを取得する。そして、分析設定部１１０から入力される貢献度分析設定情報１１３に基づいて、取得した各計画および各ＫＰＩの値から入力因子ごとのＫＰＩに対する影響度合いを表す貢献度を算出し、その算出結果を貢献度分析結果情報１５１としてクラスタリング処理部１６０へ送る。なお、貢献度分析部１５０による貢献度の算出方法の詳細については後述する。
【0021】
クラスタリング処理部１６０は、貢献度分析部１５０から入力される貢献度分析結果情報１５１を取得し、その貢献度分析結果情報１５１が表す入力因子ごとの貢献度に基づいて、シミュレーションを実施した各計画に対するクラスタリング処理を行う。ここでは、分析設定部１１０から入力されるクラスタリング設定情報１１４に基づいてクラスタリング条件を設定し、そのクラスタリング条件に従ってクラスタリング処理を実施する。そして、得られたクラスタリング処理の結果をクラスタリング結果情報１６１として、代表貢献度ベクトル算出部１７０とロバスト性分析部１９０にそれぞれ送る。
【0022】
なお、クラスタリング処理部１６０では、貢献度に基づいて複数の計画をＫＰＩごとにクラスタリングする処理（以下「第１のクラスタリング処理」と称する）と、第１のクラスタリング処理の結果に基づいて複数の計画を複数のＫＰＩの組み合わせについてクラスタリングする処理（以下「第２のクラスタリング処理」と称する）とを行うことにより、クラスタリング処理が２段階で実行される。これらのクラスタリング処理の詳細については後述する。
【0023】
代表貢献度ベクトル算出部１７０は、クラスタリング処理部１６０から入力されるクラスタリング結果情報１６１を取得する。そして、取得したクラスタリング結果情報１６１が表すクラスタリング結果、すなわちクラスタリング処理部１６０が行う２段階のクラスタリング処理によって最終的に得られた計画群の各クラスタ（以下「統合クラスタ」と称する）について、当該統合クラスタに属する各計画の貢献度の代表値に相当する代表貢献度を入力因子ごとに算出する。そして、算出した入力因子ごとの代表貢献度の情報を、代表貢献度情報１７１としてクラスタ間主要差異分析部１８０へ送る。
【0024】
クラスタ間主要差異分析部１８０は、代表貢献度ベクトル算出部１７０から入力される代表貢献度情報１７１と、パラメータ設定部１２０から入力されるクラスタ間主要差異分析設定情報１１５とに基づいて、統合クラスタ間の主要差異の分析を行う。ここでは、例えば任意の２つの統合クラスタについて、その統合クラスタ間で分析対象に指定されたＫＰＩの差異が最も大きくなる入力因子を、当該統合クラスタの組み合わせにおける主要差異因子として特定する。なお、このときの具体的な処理方法については後述する。クラスタ間主要差異分析部１８０によって得られた統合クラスタ間の主要差異の情報は、クラスタ間主要差異情報１８１としてユーザ提示部１００へ送られる。
【0025】
ユーザ提示部１００では、クラスタ間主要差異分析部１８０から入力されるクラスタ間主要差異情報１８１の内容を、ユーザ提示情報１１としてユーザに提示する。これにより、各統合クラスタの特徴をユーザに提示して、ユーザがどの計画を採用すべきか判断する際の支援を行うことができる。
【0026】
ロバスト性分析部１９０は、データ管理部１４０から入力されるデータセット情報１４１と、クラスタリング処理部１６０から入力されるクラスタリング結果情報１６１と、パラメータ設定部１２０から入力されるロバスト性分析設定情報１１６とに基づいて、各統合クラスタに対するロバスト性の分析を行う。ここでは、ある入力因子が変動した場合のＫＰＩへの影響度を統合クラスタごとに推定することで、入力因子の変動に対するロバスト性の分析を行う。なお、このときの具体的な処理方法については後述する。ロバスト性分析部１９０によって得られたロバスト性の分析結果の情報は、ロバスト性分析結果情報１９１としてユーザ提示部１００へ送られる。
【0027】
ユーザ提示部１００では、ロバスト性分析部１９０から入力されるロバスト性分析結果情報１９１の内容を、ユーザ提示情報１１としてユーザに提示する。これにより、各統合クラスタのロバスト性をユーザに提示して、ユーザがどの計画を採用すべきか判断する際の支援を行うことができる。
【0028】
なお、多目的パタン分析システム１０において、クラスタ間主要差異分析部１８０による統合クラスタ間の主要差異の分析と、ロバスト性分析部１９０によるロバスト性の分析とは、必ずしも両方とも行う必要はない。例えば、統合クラスタ間の主要差異の分析のみを行い、ロバスト性の分析については実施しないこととしてもよい。この場合、多目的パタン分析システム１０では、図１の機能ブロックのうちロバスト性分析部１９０を省略することができる。また反対に、ロバスト性の分析のみを行い、統合クラスタ間の主要差異の分析については実施しないこととしてもよい。この場合、多目的パタン分析システム１０では、図１の機能ブロックのうち代表貢献度ベクトル算出部１７０とクラスタ間主要差異分析部１８０を省略することができる。
【0029】
（全体動作フローチャート）
図２は、本発明の一実施形態に係る多目的計画パタン分析システムの全体動作を示すフローチャートである。
図２は、本発明の一実施形態に係る多目的計画パタン分析システムの全体動作を示すフローチャートである。
【0030】
ステップＳ２１１では、シミュレーションのパラメータ設定を行う。ここでは、分析設定部１１０がユーザ提示部１００からシミュレーションに関する設定情報１０１を取得し、この設定情報１０１に基づいて、シミュレーション設定情報１１２をパラメータ設定部１２０へ送る。
【0031】
ステップＳ２１２では、ステップＳ２１１で設定されたパラメータに基づくシミュレーションを実行する。ここでは、パラメータ設定部１２０がシミュレーション設定情報１１２に基づいて各パラメータ値を設定することでシミュレーション入力情報１２１を生成し、シミュレーション実行部１３０へ送る。これにより、シミュレーションの実行条件を定める複数の計画がシミュレーション実行部１３０に対して設定される。シミュレーション実行部１３０は、シミュレーション入力情報１２１に基づいて計画ごとにシミュレーションを実行し、その結果をシミュレーション結果情報１３１としてデータ管理部１４０へ送る。
【0032】
ステップＳ２１３では、ステップＳ２１２で実行されたシミュレーション結果のデータ管理を行う。ここでは、データ管理部１４０がシミュレーション入力情報１２１とシミュレーション結果情報１３１を互いに関連付けて、不図示の記憶装置に格納する。これにより、ステップＳ２１２で実行されたシミュレーションの結果が多目的パタン分析システム１０において記録管理される。
【0033】
ステップＳ２１４では、ステップＳ２１２で実行されたシミュレーション結果に対するクラスタ分析設定を行う。ここでは、分析設定部１１０がユーザ提示部１００から貢献度分析処理とクラスタリング処理に関する設定情報１０１を取得し、これらの設定情報１０１に基づいて、貢献度分析設定情報１１３とクラスタリング設定情報１１４を貢献度分析部１５０とクラスタリング処理部１６０へそれぞれ送る。
【0034】
ステップＳ２１５では、ステップＳ２１４で行われたクラスタ分析設定に基づく貢献度分析処理を行う。ここでは、貢献度分析部１５０が各計画のシミュレーション結果を示すデータセット情報１４１をデータ管理部１４０から取得し、このデータセット情報１４１に含まれる計画ごとの入力因子とＫＰＩの値の関係から、各ＫＰＩに対する入力因子の貢献度を、貢献度分析設定情報１１３に基づいて算出する。ここで算出される貢献度とは、ユーザが注目対象に指定したシミュレーション出力値（ＫＰＩ）に対して、ユーザが分析対象に指定した各入力因子がどれだけ影響を与えたかを示す値のことであり、例えばShapley値、CohortShapley値、Functional ANOVAなどを用いることができる。以下の説明では特に断らない限り、Shapley値を貢献度に用いることとする。なお、貢献度の算出においてユーザがどのＫＰＩを注目対象に指定し、どの入力因子を分析対象に指定したかは、貢献度分析設定情報１１３に基づいて特定することができる。ステップＳ２１５の貢献度分析処理によって得られた入力因子ごとの貢献度の情報は、貢献度分析結果情報１５１としてクラスタリング処理部１６０へ送られる。
【0035】
ステップＳ２１６では、ステップＳ２１５の貢献度分析処理で求められた貢献度に基づくクラスタリング処理を行う。ここでは、クラスタリング処理部１６０が貢献度分析結果情報１５１を貢献度分析部１５０から取得し、この貢献度分析結果情報１５１が表す各入力因子の貢献度の値に基づいて、クラスタリング設定情報１１４で設定された条件による計画群のクラスタリングを行う。このとき前述のように、貢献度に基づいて複数の計画をＫＰＩごとにクラスタリングする第１のクラスタリング処理と、第１のクラスタリング処理の結果に基づいて複数の計画を複数のＫＰＩの組み合わせについてクラスタリングする第２のクラスタリング処理とを行うことで、２段階のクラスタリング処理を実行し、複数のＫＰＩへの影響度合いを考慮した計画群を統合クラスタとして求める。ステップＳ２１６のクラスタリング処理によって得られた各統合クラスタの情報は、クラスタリング結果情報１６１として代表貢献度ベクトル算出部１７０およびロバスト性分析部１９０へ送られる。
【0036】
ステップＳ２１７では、ステップＳ２１６のクラスタリング処理で求められた各統合クラスタに対する代表貢献度ベクトル算出処理を行う。ここでは、代表貢献度ベクトル算出部１７０がクラスタリング結果情報１６１をクラスタリング処理部１６０から取得し、このクラスタリング結果情報１６１が表す各統合クラスタについて、当該統合クラスタに含まれる各計画の貢献度の代表値（例えば平均値や中央値など）を、分析対象に指定された入力因子ごとに算出する。そして、算出された分析対象の入力因子ごとの貢献度の代表値をベクトル成分とするｎ次元ベクトル（ｎは分析対象の入力因子数）を各統合クラスタに対して設定し、これを各統合クラスタの代表貢献度ベクトルとすることで、各統合クラスタの入力因子ごとの代表貢献度を表す代表貢献度ベクトルを決定する。ステップＳ２１７の代表貢献度ベクトル算出処理によって得られた各統合クラスタの代表貢献度ベクトルの情報は、代表貢献度情報１７１としてクラスタ間主要差異分析部１８０へ送られる。
【0037】
ステップＳ２１８では、ステップＳ２１７の代表貢献度ベクトル算出処理で求められた各統合クラスタの代表貢献度ベクトルに基づいて、各統合クラスタに対するクラスタ間主要差異分析処理を行う。ここでは、クラスタ間主要差異分析部１８０が代表貢献度情報１７１を代表貢献度ベクトル算出部１７０から取得し、この代表貢献度情報１７１が表す各統合クラスタの代表貢献度ベクトルの値に基づいて、分析対象のＫＰＩにおける各統合クラスタ間での代表貢献度の差分を入力因子ごとに算出する。そして、各統合クラスタ間で代表貢献度の差分が最も大きい入力因子を、当該統合クラスタ間の主要差異因子として特定する。なお、このときにどのＫＰＩを分析対象とするかは、クラスタ間主要差異分析設定情報１１５に基づいて特定することができる。ステップＳ２１８のクラスタ間主要差異分析処理によって得られた各統合クラスタ間の主要差異因子の情報は、クラスタ間主要差異情報１８１としてユーザ提示部１００へ送られる。
【0038】
ステップＳ２１９では、ステップＳ２１８で行われたクラスタ間主要差異分析処理の結果をユーザに提示する。ここでは、ユーザ提示部１００がクラスタ間主要差異情報１８１に基づいて所定の画面表示を行うことにより、ステップＳ２１８の処理結果をユーザに提示して、ユーザの判断に対する支援を行う。
【0039】
ステップＳ２２０では、ロバスト性分析設定を行う。ここでは、分析設定部１１０がユーザ提示部１００からロバスト性分析に関する設定情報１０１を取得し、この設定情報１０１に基づいてロバスト性分析設定情報１１６をロバスト性分析部１９０へ送る。
【0040】
ステップＳ２２１では、ステップＳ２１６のクラスタリング処理で求められた各統合クラスタに対するロバスト性分析処理を行う。ここでは、ロバスト性分析部１９０がクラスタリング結果情報１６１をクラスタリング処理部１６０から取得し、このクラスタリング結果情報１６１が表す各統合クラスタについて、環境変化に対する当該統合クラスタのＫＰＩへの影響度を算出し、その算出結果に基づいてロバスト性の評価を行う。ステップＳ２２１のロバスト性分析処理によって得られた各統合クラスタのロバスト性の情報は、ロバスト性分析結果情報１９１としてユーザ提示部１００へ送られる。
【0041】
ステップＳ２２２では、ステップＳ２２１で行われたロバスト性分析処理の結果をユーザに提示する。ここでは、ユーザ提示部１００がロバスト性分析結果情報１９１に基づいて所定の画面表示を行うことにより、ステップＳ２２１の処理結果をユーザに提示して、ユーザの判断に対する支援を行う。
【0042】
ステップＳ２２２の処理を実行したら、多目的パタン分析システム１０は図２のフローチャートに示す動作を終了する。
【0043】
（パラメータ設定画面）
図３は、図２のステップＳ２１１でパラメータ設定を行う際に表示されるパラメータ設定画面の一例を示す図である。図３に示すパラメータ設定画面３００は、ユーザ提示部１００に含まれる表示装置において表示される画面の一例であり、構成要素選択部３１０、編集スペース３２０およびパラメータ設定部３３０を含んで構成される。
図３は、図２のステップＳ２１１でパラメータ設定を行う際に表示されるパラメータ設定画面の一例を示す図である。図３に示すパラメータ設定画面３００は、ユーザ提示部１００に含まれる表示装置において表示される画面の一例であり、構成要素選択部３１０、編集スペース３２０およびパラメータ設定部３３０を含んで構成される。
【0044】
構成要素選択部３１０には、サプライチェーンの構成要素を表す各種テンプレートが表示される。ユーザは構成要素選択部３１０から任意の構成要素を選択して編集スペース３２０に配置することで、シミュレーション対象とするサプライチェーンの全体構成を定義することができる。また、ユーザは編集スペース３２０に表示されたサプライチェーン上でいずれかの構成要素を選択することで、その構成要素の各パラメータ要素の値をパラメータ設定部３３０に表示するとともに、必要に応じて内容を編集することができる。
【0045】
パラメータ設定部３３０には、パラメータごとに基本値３３１、摂動フラグ３３２、摂動値３３３の各パラメータ要素が表示される。基本値３３１は各パラメータの基本値を表し、摂動フラグ３３２はシミュレーション実行時に各パラメータの値を変化させるか否かを示すフラグ情報であり、摂動値３３３はシミュレーション実行時の各パラメータの変化量を表す。図３では、摂動フラグ３３２の値が「１」である各パラメータ要素の値を摂動値３３３に応じて変化させることで、パラメータ値が異なる複数のシミュレーション計画を作成し、各計画についてシミュレーションを行う場合の画面例を示している。
【0046】
（シミュレーション設定情報）
図４は、図２のステップＳ２１１で分析設定部１１０からパラメータ設定部１２０へ送られるシミュレーション設定情報１１２の一例を示す図である。図４に示すように、シミュレーション設定情報１１２は、例えばメイン設定テーブル４１０およびサブ設定テーブル４２０に示した各情報を含んで構成される。
図４は、図２のステップＳ２１１で分析設定部１１０からパラメータ設定部１２０へ送られるシミュレーション設定情報１１２の一例を示す図である。図４に示すように、シミュレーション設定情報１１２は、例えばメイン設定テーブル４１０およびサブ設定テーブル４２０に示した各情報を含んで構成される。
【0047】
メイン設定テーブル４１０は、図３に例示したパラメータ設定画面３００においてユーザに設定された各パラメータの設定値を表している。一方、サブ設定テーブル４２０は、メイン設定テーブル４１０においてカテゴリカルに表現されているカテゴリカル因子の詳細情報を表している。
【0048】
メイン設定テーブル４１０は、シミュレーションの入力因子ごとに設定された複数のレコードを有している。メイン設定テーブル４１０の各レコードには、因子ＩＤ４１１、変数名４１２、変数タイプ４１３、基本値４１４、摂動４１５、摂動値４６６の各フィールドが設定される。
【0049】
因子ＩＤ４１１には、各入力因子に対して固有に設定されるＩＤが格納される。因子ＩＤ４１１の値は、例えばレコードの登録時に自動で設定される。
【0050】
変数名４１２と変数タイプ４１３には、各入力因子の名称と種類がそれぞれ格納される。図４の例では、変数タイプ４１３が「時系列」や「連続値」である入力因子については、基本値４１４や摂動値４１６が数値的に表され、変数タイプ４１３が「カテゴリカル」である入力因子については、カテゴリカル因子として、基本値４１４や摂動値４１６がカテゴリカルに表現されている。
【0051】
基本値４１４には、各入力因子の基本値が格納される。基本値４１４の値には、例えば図３のパラメータ設定画面３００において、パラメータ設定部３３０の基本値３３１に入力された値が設定される。
【0052】
摂動４１５には、各入力因子の摂動の有無を示す値が格納される。図４の例では、摂動４１５の値が「０」の場合は摂動なし、「１」の場合は摂動ありを表している。摂動４１５の値には、例えば図３のパラメータ設定画面３００において、パラメータ設定部３３０の摂動フラグ３３２に入力された値が設定される。
【0053】
摂動値４１６には、各入力因子の摂動条件を示す値が格納される。摂動値４１６の値には、例えば図３のパラメータ設定画面３００において、パラメータ設定部３３０の摂動値３３３に入力された値が設定される。なお、摂動値４１６におけるグループフラグは、同一グループに属する入力因子間ではパラメータ値が連動して設定されることを示している。図４の例では、因子ＩＤ４１１の値が「００８」であるレコードと、因子ＩＤ４１１の値が「０１１」であるレコードとで、摂動値４１６に「Ｇｒｏｕｐ１」という共通のグループフラグが設定されている。そのため、これらのレコードに対応する「ネットワーク１調達比率」および「ネットワーク２調達比率」の入力因子間では、それぞれの摂動値４１６に設定されたパラメータ値が連動して設定される。具体的には、例えば「ネットワーク１調達比率」のパラメータ値が０の場合は「ネットワーク２調達比率」のパラメータ値が連動して１に設定され、「ネットワーク１調達比率」のパラメータ値が０．２５の場合は「ネットワーク２調達比率」のパラメータ値が連動して０．７５に設定される。
【0054】
サブ設定テーブル４２０は、カテゴリカル因子において選択可能なカテゴリごとに設定された複数のレコードを有している。サブ設定テーブル４２０の各レコードには、輸送手段ＩＤ４２１、変数名４２２、ベース輸送コスト４２３、ＣＯ２排出量４２４の各フィールドが設定される。
【0055】
輸送手段ＩＤ４２１には、各カテゴリに対して固有に設定されるＩＤが格納される。輸送手段ＩＤ４２１の値は、例えばレコードの登録時に自動で設定される。変数名４２２には、各カテゴリの名称が格納される。
【0056】
ベース輸送コスト４２３とＣＯ２排出量４２４には、各カテゴリでのパラメータ値がそれぞれ格納される。図４では、カテゴリカル因子において選択可能なカテゴリが車両の種類であり、車両の種類ごとに異なるベース輸送コストおよびＣＯ２排出量がパラメータ値として設定されている場合の例を示しているが、各カテゴリでのパラメータ値はこれに限定されない。
【0057】
（シミュレーション入力情報）
図５は、図２のステップＳ２１２でパラメータ設定部１２０からシミュレーション実行部１３０へ送られるシミュレーション入力情報１２１の一例を示す図である。図５に示すように、シミュレーション入力情報１２１は、例えば入力テーブル５００に示した各情報を含んで構成される。
図５は、図２のステップＳ２１２でパラメータ設定部１２０からシミュレーション実行部１３０へ送られるシミュレーション入力情報１２１の一例を示す図である。図５に示すように、シミュレーション入力情報１２１は、例えば入力テーブル５００に示した各情報を含んで構成される。
【0058】
入力テーブル５００は、パラメータ設定部１２０によって生成される計画ごとに設定された複数のレコードを有している。入力テーブル５００の各レコードには、シミュレーションＩＤ５０１、設定パラメータ５０２の各フィールドが設定される。
【0059】
シミュレーションＩＤ５０１には、各計画に対して固有に設定されるＩＤが格納される。シミュレーションＩＤ５０１の値は、例えばレコードの登録時に自動で設定される。
【0060】
設定パラメータ５０２には、計画ごとに設定された各パラメータ値の組み合わせが格納される。ここでは、シミュレーション設定情報１１２において摂動ありと設定された各パラメータ値、すなわち図４のメイン設定テーブル４１０において摂動４１５の値が「１」である各パラメータ値について、摂動値４１６で定義された摂動条件を満たす全ての値の組み合わせがレコードごとに設定される。
【0061】
（データセット情報）
図６は、図２のステップＳ２１３でデータ管理部１４０に格納される情報の一例を示す図である。データ管理部１４０には、前述のようにシミュレーション入力情報１２１とシミュレーション結果情報１３１が互いに関連付けて格納されることで、例えば図６に示すシミュレーションデータセット６００が格納される。このシミュレーションデータセット６００の各レコードには、図５の入力テーブル５００で説明したシミュレーションＩＤ５０１および設定パラメータ５０２と、シミュレーション結果情報１３１に対応するＫＰＩデータ６０１との各フィールドが設定される。
図６は、図２のステップＳ２１３でデータ管理部１４０に格納される情報の一例を示す図である。データ管理部１４０には、前述のようにシミュレーション入力情報１２１とシミュレーション結果情報１３１が互いに関連付けて格納されることで、例えば図６に示すシミュレーションデータセット６００が格納される。このシミュレーションデータセット６００の各レコードには、図５の入力テーブル５００で説明したシミュレーションＩＤ５０１および設定パラメータ５０２と、シミュレーション結果情報１３１に対応するＫＰＩデータ６０１との各フィールドが設定される。
【0062】
ＫＰＩデータ６０１には、計画ごとにシミュレーションを実行して得られた各ＫＰＩ値の組み合わせが格納される。
【0063】
貢献度分析部１５０およびロバスト性分析部１９０では、例えば図６のシミュレーションデータセット６００をデータ管理部１４０からデータセット情報１４１として取得することで、複数の入力因子が設定されて入力因子の値の組み合わせが互いに異なる複数の計画と、シミュレーション実行部１３０のシミュレーションによって計画ごとに得られる複数のＫＰＩの値とを取得することができる。
【0064】
（クラスタ分析設定画面）
図７は、図２のステップＳ２１４でクラスタ分析設定を行う際に表示されるクラスタ分析設定画面の一例を示す図である。図７に示すクラスタ分析設定画面７００は、ユーザ提示部１００に含まれる表示装置において表示される画面の一例であり、入力因子情報テーブル７１０、ＫＰＩ情報テーブル７２０、クラスタ最小要素数７３０およびＫＰＩクラスタ数７４０を含んで構成される。
図７は、図２のステップＳ２１４でクラスタ分析設定を行う際に表示されるクラスタ分析設定画面の一例を示す図である。図７に示すクラスタ分析設定画面７００は、ユーザ提示部１００に含まれる表示装置において表示される画面の一例であり、入力因子情報テーブル７１０、ＫＰＩ情報テーブル７２０、クラスタ最小要素数７３０およびＫＰＩクラスタ数７４０を含んで構成される。
【0065】
入力因子情報テーブル７１０には、シミュレーションで用いられる各入力因子の情報が表示される。ユーザは入力因子情報テーブル７１０において入力因子ごとに分析対象とするか否かを設定することができる。ここで分析対象に設定されなかった入力因子は、貢献度算出の際に基本値が参照され、分析対象に設定された入力因子は、貢献度算出の際に当該入力因子が取り得る全ての値が参照される。入力因子情報テーブル７１０の内容は、貢献度分析設定情報１１３として分析設定部１１０から貢献度分析部１５０へ送られる。
【0066】
ＫＰＩ情報テーブル７２０には、シミュレーションによって求められる各ＫＰＩの情報として、各ＫＰＩが連続値と離散値のどちらであるか、各ＫＰＩについて大小どちらの値がより好ましいかなどの情報が表示される。ユーザはＫＰＩ情報テーブル７２０においてＫＰＩごとに分析対象とするか否かを設定することができる。ＫＰＩ情報テーブル７２０の内容は、貢献度分析設定情報１１３として分析設定部１１０から貢献度分析部１５０へ送られるとともに、クラスタリング設定情報１１４として分析設定部１１０からクラスタリング処理部１６０へ送られる。
【0067】
クラスタ最小要素数７３０とＫＰＩクラスタ数７４０は、クラスタリング処理のクラスタ数を決めるためのパラメータである。ユーザはクラスタ最小要素数７３０またはＫＰＩクラスタ数７４０のどちらか一方を、クラスタ処理におけるクラスタ数の条件として任意に指定することができる。ここで指定されたクラスタ数の条件は、クラスタリング設定情報１１４として分析設定部１１０からクラスタリング処理部１６０へ送られる。
【0068】
（貢献度分析結果情報）
図８は、図２のステップＳ２１５で貢献度分析部１５０からクラスタリング処理部１６０へ送られる貢献度分析結果情報１５１の一例を示す図である。貢献度分析結果情報１５１では、分析対象に設定されたＫＰＩごとに算出された各入力因子の貢献度が表されている。例えば図８に示すように、「市場１ＣＯ２排出量」というＫＰＩに対する各入力因子の計画ごとの貢献度を表すテーブル８１０と、「市場１コスト」というＫＰＩに対する各入力因子の計画ごとの貢献度を表すテーブル８２０と、「市場１需要充足率」というＫＰＩに対する各入力因子の計画ごとの貢献度を表すテーブル８３０とが、貢献度分析結果情報１５１としてクラスタリング処理部１６０へ送られる。
図８は、図２のステップＳ２１５で貢献度分析部１５０からクラスタリング処理部１６０へ送られる貢献度分析結果情報１５１の一例を示す図である。貢献度分析結果情報１５１では、分析対象に設定されたＫＰＩごとに算出された各入力因子の貢献度が表されている。例えば図８に示すように、「市場１ＣＯ２排出量」というＫＰＩに対する各入力因子の計画ごとの貢献度を表すテーブル８１０と、「市場１コスト」というＫＰＩに対する各入力因子の計画ごとの貢献度を表すテーブル８２０と、「市場１需要充足率」というＫＰＩに対する各入力因子の計画ごとの貢献度を表すテーブル８３０とが、貢献度分析結果情報１５１としてクラスタリング処理部１６０へ送られる。
【0069】
テーブル８１０において、例えばシミュレーションＩＤの値が「００１」の行では、入力因子のうち「販社１安全在庫」は市場１のＣＯ２排出量を０．４ポイント押し下げている一方、「ネットワーク１調達比率」は市場１のＣＯ２排出量を１９．７ポイント押し上げていることを示している。これにより、「ネットワーク１調達比率」は「市場１ＣＯ２排出量」というＫＰＩに対して、他の入力因子よりも大きな影響を与えていると解釈できる。なお、テーブル８１０の各行では、市場１のＣＯ２排出量の平均値に各入力因子の貢献度を加算または減算し、その値を全ての入力因子について合計すると、その合計値は市場１のＣＯ２排出量と一致する性質がある。他のテーブル８２０，８３０についても同様である。
【0070】
ここで、シミュレーションの各入力因子の値を個々のベクトル要素として、貢献度分析処理に対する入力ベクトルｘ＝［x1, x2, …］を定義する。この場合、ｉ番目のＫＰＩをｋｉ（ｉは任意の自然数）と表すと、このＫＰＩに対する各入力因子の貢献度の値は、入力ベクトルｘの関数である貢献度ベクトルＺcki（x）＝［z1, z2, …］として表すことができる。
【0071】
【0072】
なお、以下に説明する図９のフローチャートにおいて、ステップＳ９１０～Ｓ９４０では、前述の第１のクラスタリング処理を行う。その後、ステップＳ９５０～Ｓ９７０では、第１のクラスタリング処理の結果に基づく第２のクラスタリング処理を行う。
【0073】
ステップＳ９１０では、図２のステップＳ２１５でＫＰＩごとに各入力因子の貢献度が計算された計画群に対して、パレート近傍要素抽出処理を行う。このパレート近傍要素抽出処理では、計画ごとに得られるＫＰＩの値をサンプル点としてプロットした際のパレート近傍の要素（サンプル点）を抽出する。これにより、パレート近傍以外の要素を以降の処理対象から除外し、クラスタリング処理の対象とする計画数を削減する。なお、ステップＳ９１０で実行されるパレート近傍要素抽出処理の詳細については、図１０のフローチャートを参照して後述する。
【0074】
多目的計画パタンの分析では、非常にサンプル数が多いときには、不要なサンプルの影響が大きく出ることでサンプル全体の分布が平均化されていってしまい、クラスタリング処理で得られる各クラスタ間の差異が不明瞭になる。そこで本発明では、上記のパレート近傍要素抽出処理を適用することで、クラスタリング処理の対象となるサンプルを間引いて各クラスタ間の差異を明確に提示することができるようにしている。
【0075】
ステップＳ９２０では、クラスタリング対象とするＫＰＩを設定する。ここでは、クラスタリング設定情報１１４で分析対象に設定された各ＫＰＩを順次選択し、クラスタリング対象のＫＰＩに設定する。
【0076】
ステップＳ９３０では、ステップＳ９２０でクラスタリング対象に設定されたＫＰＩについて、計画群の階層クラスタリングを行う。ここでは、貢献度分析結果情報１５１が表す各計画の貢献度ベクトルに基づいて、各計画を貢献度の値に応じて階層的にクラスタリングする。
【0077】
ステップＳ９４０では、分析対象に設定された全てのＫＰＩについて、ステップＳ９３０の階層クラスタリングを完了したかを判定する。階層クラスタリングを未実施のＫＰＩが存在する場合はステップＳ９２０へ戻り、全てのＫＰＩについて階層クラスタリングを完了したならば、ステップＳ９５０へ進む。
【0078】
ステップＳ９５０では、第２のクラスタリング処理における各ＫＰＩの基本クラスタ数を設定するための基本クラスタ数調整処理を行う。ここでは、クラスタリング設定情報１１４が表すクラスタ数の条件に従って、各ＫＰＩの基本クラスタ数を設定する。具体的には、図７のクラスタ分析設定画面７００においてクラスタ最小要素数７３０が選択され、これによってクラスタの最小要素数がクラスタ数の条件として指定された場合には、各クラスタに属する要素数が指定されたクラスタ最小要素数以上となるように、各ＫＰＩの基本クラスタ数を設定する。一方、図７のクラスタ分析設定画面７００においてＫＰＩクラスタ数７４０が選択され、これによってＫＰＩクラスタの数がクラスタ数の条件として指定された場合には、各ＫＰＩのクラスタ数が指定されたクラスタ数と一致するように、各ＫＰＩの基本クラスタ数を設定する。このステップＳ９５０の基本クラスタ数調整処理により、ステップＳ９３０の階層クラスタリングによってＫＰＩごとにクラスタリングされた各計画が、基本クラスタ数の設定に従って再クラスタリングされる。これにより、第２のクラスタリング処理の対象とする各ＫＰＩのクラスタ数を調整することができ、その結果、次のステップＳ９６０で作成される統合クラスタの数を調整することができる。
【0079】
なお、ステップＳ９５０の基本クラスタ数調整処理は必ずしも実行する必要はなく、実行しなくてもよい。例えば、ステップＳ９３０のクラスタリング処理によって得られたＫＰＩごとの各クラスタについて、クラスタリング設定情報１１４で指定されたクラスタ数の条件を満たすか否かを判定し、満たさない場合にのみステップＳ９５０の基本クラスタ数調整処理を実行するようにしてもよい。
【0080】
ステップＳ９６０では、ステップＳ９５０の基本クラスタ数調整処理によって再クラスタリングされることで決定された各計画のＫＰＩごとのクラスタを統合した統合クラスタの作成処理を行う。ここでは、分析対象に設定された２つ以上のＫＰＩについて作成された各クラスタの組み合わせを、統合クラスタとして抽出する。これにより、各計画を複数のＫＰＩの組み合わせについてクラスタリングした統合クラスタが決定される。
【0081】
ステップＳ９７０では、ステップＳ９６０で決定された各計画の統合クラスタのうち、各ＫＰＩペアについての局所的なパレート近傍のクラスタを抽出するパレートクラスタ抽出処理を行う。なお、ステップＳ９７０で実行されるパレートクラスタ抽出処理の詳細については、図１３のフローチャートを参照して後述する。
【0082】
ステップＳ９７０の処理を実行したら、クラスタリング処理を終了する。
【0083】
【0084】
ステップＳ１０１１では、各計画に対応するサンプル点のいずれかを対象サンプルｘｉに設定する。
【0085】
ステップＳ１０１２では、各計画に対応するサンプル点のうち、ステップＳ１０１１で設定した対象サンプルｘｉ以外のいずれかを、比較サンプルｘｊに設定する。
【0086】
ステップＳ１０１３では、ステップＳ１０１１，Ｓ１０１２でそれぞれ設定した対象サンプルｘｉと比較サンプルｘｊの優劣判定を実施する。ここでは、クラスタリング設定情報１１４に含まれる当該ＫＰＩの優劣情報、すなわち当該ＫＰＩにおいて大小どちらの値がより好ましいかを考慮して、対象サンプルｘｉまたは比較サンプルｘｊのどちらによって得られるＫＰＩの値がより好ましいかを判断する。
【0087】
ステップＳ１０１４では、ステップＳ１０１３の優劣判定の結果に基づいて、対象サンプルｘｉが比較サンプルｘｊに劣るか否かを判定する。対象サンプルｘｉが比較サンプルｘｊに劣る場合はステップＳ１０４０へ進み、そうではない場合、すなわち対象サンプルｘｉが比較サンプルｘｊよりも優れている場合はステップＳ１０３０へ進む。
【0088】
ステップＳ１０３０では、ステップＳ１０１１で設定した対象サンプルｘｉについて、他の全ての比較サンプルｘｊとの比較が完了したか否かを判定する。全ての比較サンプルｘｊとの比較が完了した場合、すなわち対象サンプルｘｉに設定した計画が他の全ての計画よりも優れている場合はステップＳ１０３１へ進み、そうでない場合はステップＳ１０１２へ戻る。
【0089】
ステップＳ１０３１では、対象サンプルｘｉに対してパレート近傍のサンプルであることを示すパレートフラグを付与する。パレートフラグを付与したら、ステップＳ１０４０へ進む。
【0090】
ステップＳ１０４０では、ステップＳ１０１１で全てのサンプル点を対象サンプルｘｉに設定済みであるか否かを判定する。全てのサンプル点を対象サンプルｘｉに設定済みである場合、すなわち全てのサンプル点についてステップＳ１０１１～Ｓ１０３１の処理を実行済みである場合は、図１０のフローチャートに示すパレート近傍要素抽出処理を終了する。そうでない場合、すなわちパレート近傍要素抽出処理を未実施の計画が存在する場合は、ステップＳ１０１１へ戻る。
【0091】
以上説明したパレート近傍要素抽出処理により、全てのＫＰＩについてパレート曲面上にあるサンプルをパレートサンプルと定義し、パレートフラグを付与することができる。こうしてパレートフラグが付与されたパレートサンプルを対象に、図９のステップＳ９２０以降の処理を実行することで、パレート近傍のサンプルのみを対象に多目的計画パタン分析を行うことができる。その結果、処理の高速化を図りつつ適切な分析を行うことができる。
【0092】
（基本クラスタ数調整処理）
図１１は、図９のステップＳ９５０で実行される基本クラスタ数調整処理の一例を説明する図である。図１１では、分析対象に設定されたＫＰＩのうち任意の２種類のＫＰＩをＫＰＩ１，ＫＰＩ２とし、これらのＫＰＩがそれぞれ同一のクラスタ数を有するように調整する場合の例を示している。
図１１は、図９のステップＳ９５０で実行される基本クラスタ数調整処理の一例を説明する図である。図１１では、分析対象に設定されたＫＰＩのうち任意の２種類のＫＰＩをＫＰＩ１，ＫＰＩ２とし、これらのＫＰＩがそれぞれ同一のクラスタ数を有するように調整する場合の例を示している。
【0093】
図７のクラスタ分析設定画面７００では、前述のようにユーザがクラスタ最小要素数７３０またはＫＰＩクラスタ数７４０のどちらか一方を選択することで、クラスタ数の条件を指定することができる。例えば、ＫＰＩクラスタ数７４０が選択された場合には、基本クラスタ数調整処理において各ＫＰＩのクラスタ数が指定されたクラスタ数と一致するように、階層クラスタリングのパラメータを調節する。この場合、各ＫＰＩのクラスタ数を掛け合わせた値として統合クラスタ数が決定される。一方、クラスタ最小要素数７３０が選択された場合には、基本クラスタ数調整処理において各統合クラスタに含まれる要素数が指定された最小要素数以上であるという条件を満たしつつ、統合クラスタ数が最大となるように、統合クラスタ数を調整する。これは、階層クラスタリングにおけるクラスタ数を徐々に増やすようにパラメータを調整することで、容易に実現できる。
【0094】
図１１に示す統合クラスタテーブル１１１０，１１２０は、クラスタ最小要素数７３０が選択され、最小要素数が１０に指定された場合に、基本クラスタ数調整処理において各統合クラスタの要素数を変化させたときの例をそれぞれ示している。これらの統合クラスタテーブル１１１０，１１２０において、第２のクラスタリング処理によって求められる統合クラスタは、例えばＫＰＩ１の１つ目のクラスタ（クラスタ１）かつＫＰＩ２の１つ目のクラスタ（クラスタ１）に属する要素の集合など、複数のＫＰＩのクラスタが交差するセルとして表現される。また、統合クラスタテーブル１１１０，１１２０の各セルの数値は、対応する統合クラスタの要素数を示している。
【0095】
統合クラスタテーブル１１１０は、ＫＰＩ１，ＫＰＩ２のクラスタ数をそれぞれ３つに設定した場合の各統合クラスタの要素数の例を示している。この場合、全ての統合クラスタの要素数は１０以上になっている。一方、統合クラスタテーブル１１２０は、ＫＰＩ１，ＫＰＩ２のクラスタ数をそれぞれ３つから４つに増やした場合の各統合クラスタの要素数の例を示している。この場合、統合クラスタテーブル１１１０のＫＰＩ１とＫＰＩ２の各クラスタのうち、３つ目のクラスタ（クラスタ３）がそれぞれ２つに別れたことにより、統合クラスタテーブル１１２０においてハッチングで示した各統合クラスタの要素数が１０より小さくなっている。そのため本例では、ＫＰＩ１，ＫＰＩ２のクラスタ数がそれぞれ３となるように、基本クラスタ数が設定される。
【0096】
（統合クラスタ）
図１２は、図９のステップＳ９６０で実行される統合クラスタ作成処理によって求められた統合クラスタの一例を説明する図である。図１２では、分析対象に設定されたＫＰＩのうち、図８のテーブル８１０～８３０にそれぞれ示したのと同一の「市場１ＣＯ２排出量」、「市場１コスト」、「市場１需要充足率」の各ＫＰＩについて、各計画に対応する要素が属するＫＰＩごとのクラスタと、これらのクラスタを統合した統合クラスタとの例を、計画クラスタ管理テーブル１２００として示している。
図１２は、図９のステップＳ９６０で実行される統合クラスタ作成処理によって求められた統合クラスタの一例を説明する図である。図１２では、分析対象に設定されたＫＰＩのうち、図８のテーブル８１０～８３０にそれぞれ示したのと同一の「市場１ＣＯ２排出量」、「市場１コスト」、「市場１需要充足率」の各ＫＰＩについて、各計画に対応する要素が属するＫＰＩごとのクラスタと、これらのクラスタを統合した統合クラスタとの例を、計画クラスタ管理テーブル１２００として示している。
【0097】
【0098】
ステップＳ１３１１では、パレートクラスタの抽出対象とするＫＰＩのペアを設定する。ここでは、クラスタリング設定情報１１４で分析対象に設定された各ＫＰＩのうち２つのＫＰＩのペアを順次選択し、パレートクラスタ抽出対象のＫＰＩに設定する。
【0099】
ステップＳ１３１２では、ステップＳ１３１１でパレートクラスタ抽出対象に設定されたＫＰＩのペアに対して、パレート近傍要素抽出処理を実行する。ここでは、図１０のフローチャートで説明したのと同様の手順により、当該ＫＰＩのペアに対応する各統合クラスタについてパレート近傍のサンプルを抽出する。
【0100】
ステップＳ１３１３では、ステップＳ１３１２のパレート近傍要素抽出処理において、パレート近傍のサンプルが抽出された統合クラスタを、局所パレートクラスタとして抽出する。ここでは、当該ＫＰＩペアについて、パレート近傍のサンプルを１つ以上含む統合クラスタを局所パレートクラスタ、含まない統合クラスタを非局所パレートクラスタとそれぞれ定義する。
【0101】
ステップＳ１３２０では、分析対象に設定された全てのＫＰＩのペアについて、ステップＳ１３１２のパレート近傍要素抽出処理を完了したかを判定する。パレート近傍要素抽出処理を未実施のＫＰＩペアが存在する場合はステップＳ１３１１へ戻り、全てのＫＰＩペアについてパレート近傍要素抽出処理を完了した場合は、図１３のフローチャートに示すパレートクラスタ抽出処理を終了する。
【0102】
以上説明したパレートクラスタ抽出処理により、全てのＫＰＩの組み合わせについて、パレート曲面上にあるサンプルを含む統合クラスタを局所パレートクラスタと定義して、パレートクラスタ判定フラグを付与することができる。こうしてパレートクラス判定フラグが付与された局所パレートクラスタを対象に、図２のステップＳ９１７以降の処理を実行することで、パレート近傍の統合クラスタのみを対象に多目的計画パタン分析を行うことができる。その結果、クラスタ分析結果を表示する際に、パレート解を含まない統合クラスの情報をユーザの判断に影響が少ない表示情報として非表示にし、余分な表示を削減して表示画面を見やすくすることができる。
【0103】
（パレートクラスタ抽出結果）
図１４は、図１３のフローチャートで説明したパレートクラスタ抽出処理によるパレートクラスタの抽出結果の例を示す図である。図１４では、３つのＫＰＩ（ＫＰＩ１，ＫＰＩ２，ＫＰＩ３）について、それぞれのクラスタ数が２つに設定されている場合のパレートクラスタの抽出結果の例を、テーブル１４１０，１４２０，１４３０にそれぞれ示している。具体的には、テーブル１４１０では、ＫＰＩ１とＫＰＩ２のペアについて、局所パレートクラスタに該当する統合クラスタのセルを「１」、非局所パレートクラスタに該当する統合クラスタのセルを「０」でそれぞれ示している。同様に、テーブル１４２０では、ＫＰＩ２とＫＰＩ３のペアについて、局所パレートクラスタに該当する統合クラスタのセルを「１」、非局所パレートクラスタに該当する統合クラスタのセルを「０」でそれぞれ示している。また、テーブル１４３０では、ＫＰＩ１とＫＰＩ３のペアについて、局所パレートクラスタに該当する統合クラスタのセルを「１」、非局所パレートクラスタに該当する統合クラスタのセルを「０」でそれぞれ示している。
図１４は、図１３のフローチャートで説明したパレートクラスタ抽出処理によるパレートクラスタの抽出結果の例を示す図である。図１４では、３つのＫＰＩ（ＫＰＩ１，ＫＰＩ２，ＫＰＩ３）について、それぞれのクラスタ数が２つに設定されている場合のパレートクラスタの抽出結果の例を、テーブル１４１０，１４２０，１４３０にそれぞれ示している。具体的には、テーブル１４１０では、ＫＰＩ１とＫＰＩ２のペアについて、局所パレートクラスタに該当する統合クラスタのセルを「１」、非局所パレートクラスタに該当する統合クラスタのセルを「０」でそれぞれ示している。同様に、テーブル１４２０では、ＫＰＩ２とＫＰＩ３のペアについて、局所パレートクラスタに該当する統合クラスタのセルを「１」、非局所パレートクラスタに該当する統合クラスタのセルを「０」でそれぞれ示している。また、テーブル１４３０では、ＫＰＩ１とＫＰＩ３のペアについて、局所パレートクラスタに該当する統合クラスタのセルを「１」、非局所パレートクラスタに該当する統合クラスタのセルを「０」でそれぞれ示している。
【0104】
（クラスタリング処理結果）
図１５は、図９のフローチャートで説明したクラスタリング処理結果の例を示す図である。図１５において、散布図１５１０，１５２０の各サンプル点は、前述の３種類のＫＰＩの各ペアのうち２つのＫＰＩペア（「市場１ＣＯ２排出量」と「市場１コスト」のペア、「市場１需要充足率」と「市場１コスト」のペア）における各計画のＫＰＩ値を示している。一方、散布図１５１１，１５２１は、各サンプル点のクラスタリング処理結果、すなわちサンプル点ごとの統合クラスタの分類結果を示しており、これは図１２の計画クラスタ管理テーブル１２００の内容を散布図上で表したものに相当する。
図１５は、図９のフローチャートで説明したクラスタリング処理結果の例を示す図である。図１５において、散布図１５１０，１５２０の各サンプル点は、前述の３種類のＫＰＩの各ペアのうち２つのＫＰＩペア（「市場１ＣＯ２排出量」と「市場１コスト」のペア、「市場１需要充足率」と「市場１コスト」のペア）における各計画のＫＰＩ値を示している。一方、散布図１５１１，１５２１は、各サンプル点のクラスタリング処理結果、すなわちサンプル点ごとの統合クラスタの分類結果を示しており、これは図１２の計画クラスタ管理テーブル１２００の内容を散布図上で表したものに相当する。
【0105】
例えば、散布図１５１１における「クラスタ１２ｘ」の各サンプル点は、計画クラスタ管理テーブル１２００において、「統合クラスタ１２１」または「統合クラスタ１２２」のいずれかに属する計画群、すなわち「市場１ＣＯ２排出量」については「クラスタ１」に、「市場１コスト」については「クラスタ２」にそれぞれ属する計画群を表している。同様に、散布図１５２１における「クラスタｘ２１」の各サンプル点は、計画クラスタ管理テーブル１２００において、「統合クラスタ１２１」または「統合クラスタ２２１」のいずれかに属する計画群、すなわち「市場１コスト」については「クラスタ２」に、「市場１需要充足率」については「クラスタ１」にそれぞれ属する計画群を表している。
【0106】
（代表貢献度ベクトル）
次に、図２のステップＳ２１７で実行される代表貢献度ベクトル算出処理によって算出される代表貢献度ベクトルについて以下に説明する。
次に、図２のステップＳ２１７で実行される代表貢献度ベクトル算出処理によって算出される代表貢献度ベクトルについて以下に説明する。
【0107】
前述のように、ｉ番目のＫＰＩに対する各入力因子の貢献度の値を、入力ベクトルｘに対する貢献度ベクトルＺcki（x）で表すと、このＫＰＩについてのｊ番目（ｊは任意の自然数）の統合クラスタＣｊの代表貢献度ベクトルＺcki,cjは、以下の式（１）で表すことができる。
Ｚcki,cj＝Ｅ［Ｚcki（x）｜ｘ∈Ｃｊ］ ・・・（１）
Ｚcki,cj＝Ｅ［Ｚcki（x）｜ｘ∈Ｃｊ］ ・・・（１）
【0108】
なお、式（１）の右辺は、統合クラスタＣｊに属する全ての計画に対して算出された貢献度ベクトルＺcki（x）の代表値、例えば平均値や中央値などを意味する。
【0109】
（クラスタ間主要差異分析処理）
図１６および図１７は、図２のステップＳ２１８で実行されるクラスタ間主要差異分析処理の例を説明する図である。図１６に示すテーブル１６００は、前述のＫＰＩのうち「市場１ＣＯ２排出量」について、これに対応する各統合クラスタの入力因子ごとの代表貢献度の値とその差分値の例を示している。この差分値に基づき、いずれかの入力因子を統合クラスタ間の主要差異因子として抽出することで、クラスタ間主要差異分析処理が行われる。
図１６および図１７は、図２のステップＳ２１８で実行されるクラスタ間主要差異分析処理の例を説明する図である。図１６に示すテーブル１６００は、前述のＫＰＩのうち「市場１ＣＯ２排出量」について、これに対応する各統合クラスタの入力因子ごとの代表貢献度の値とその差分値の例を示している。この差分値に基づき、いずれかの入力因子を統合クラスタ間の主要差異因子として抽出することで、クラスタ間主要差異分析処理が行われる。
【0110】
具体的には、テーブル１６００の列１６１０に示す各入力因子について、例えば列１６２０は、図１５の散布図１５１１に示した「クラスタ２２ｘ」の代表貢献度ベクトル、すなわち「市場１ＣＯ２排出量」については「クラスタ２」に、「市場１コスト」については「クラスタ２」にそれぞれ属する計画群の各入力因子に対する代表貢献度の値を表している。同様に、列１６３０は、図１５の散布図１５１１に示した「クラスタ１２ｘ」の代表貢献度ベクトル、すなわち「市場１ＣＯ２排出量」については「クラスタ１」に、「市場１コスト」については「クラスタ２」にそれぞれ属する計画群の各入力因子に対する代表貢献度の値を表している。また、列１６４０は、「クラスタ２２ｘ」の代表貢献度ベクトルと「クラスタ１２ｘ」の代表貢献度ベクトルとの絶対差分値を表している。
【0111】
クラスタ間主要差異分析処理では、例えば絶対差分値が最も大きい入力因子が主要差異因子として抽出される。図１６のテーブル１６００では、列１６４０に示した各入力因子の絶対差分値のうち、「ネットワーク１輸送手段」の絶対差分値が最も大きい。そのため、この「ネットワーク１輸送手段」が、「クラスタ２２ｘ」と「クラスタ１２ｘ」の主要差異因子として抽出される。同様の処理がすべてのＫＰＩとすべてのクラスタの組合せについて実施されることで、クラスタ間主要差異分析処理が行われる。
【0112】
なお、上記の処理は変数の連続値で表される入力因子について行われるものであり、カテゴリカル変数で表される入力因子（カテゴリカル因子）については実施できない。そのため、カテゴリカル因子の場合は統合クラスタ間のカテゴリ数の差異を用いて、クラスタ間主要差異分析処理が行われる。その具体例について、以下に図１７を参照して説明する。
【0113】
図１７に示すテーブル１７００は、カテゴリカル因子である「ネットワーク１輸送手段」が「トラック１」、「トラック２」および「電気トラック」の各カテゴリで表される場合に、各統合クラスタに含まれるこれらのカテゴリの数と、統合クラスタ間のカテゴリ数の差分との例を示している。この差分値に基づき、いずれかのカテゴリを統合クラスタ間の主要差異因子として抽出することで、クラスタ間主要差異分析処理が行われる。
【0114】
具体的には、テーブル１７００の列１７１０に示す各カテゴリについて、例えば列１７２０は、図１５の散布図１５１１に示した「クラスタ２２ｘ」に属する計画群でのカテゴリ数を表している。同様に、列１７３０は、図１５の散布図１５１１に示した「クラスタ１２ｘ」に属する計画群でのカテゴリ数を表している。また、列１７４０は、「クラスタ２２ｘ」のカテゴリ数と「クラスタ１２ｘ」のカテゴリ数との差分を表している。
【0115】
クラスタ間主要差異分析処理では、例えば差分が正方向に大きいほど一方の統合クラスタにおいて優位なカテゴリであり、反対に負方向に大きいほど他方の統合クラスタにおいて優位なカテゴリであると判断される。そして、差分が正負でそれぞれ最大となるカテゴリの組み合わせが、これらの統合クラスタ間の主要差異因子として抽出される。図１７のテーブル１７００では、列１７４０に示した各カテゴリの差分のうち、「トラック１」の差分が最小値（負方向に最大）であり、「電気トラック」の差分が最大値である。すなわち、「クラスタ２２ｘ」と「クラスタ１２ｘ」の比較において、「トラック１」は「クラスタ１２ｘ」で優位なカテゴリであり、「電気トラック」は「クラスタ２２ｘ」で優位なカテゴリであると判断できる。そのため、例えば統合クラスタを「クラスタ１２ｘ」から「クラスタ２２ｘ」へ変更する際の主要差異因子として、「ネットワーク１輸送手段」を「トラック１」から「電気トラック」に変化することが、クラスタ間主要差異分析処理において抽出される。
【0116】
（分析結果の出力画面）
図１８は、図２のステップＳ２１９でクラスタ間主要差異分析処理の結果をユーザに提示する際に表示される分析結果出力画面の例を示す図である。図１８の分析結果出力画面１８００は、全体クラスタ傾向表示部１８１０と計画クラスタ分析表示部１８２０を含んで構成される。
図１８は、図２のステップＳ２１９でクラスタ間主要差異分析処理の結果をユーザに提示する際に表示される分析結果出力画面の例を示す図である。図１８の分析結果出力画面１８００は、全体クラスタ傾向表示部１８１０と計画クラスタ分析表示部１８２０を含んで構成される。
【0117】
全体クラスタ傾向表示部１８１０には、全てのＫＰＩを考慮した各統合クラスタについて各ＫＰＩの代表値の比較結果が表示される。ここに表示される各ＫＰＩの代表値は、例えば各統合クラスタに含まれる計画群の各ＫＰＩの平均値として求めることができる。図１８の例では、各ＫＰＩの値（スコア）が０から１で正規化されて表されている。ユーザは、この全体クラスタ傾向表示部１８１０の内容から、シミュレーション結果全体でのＫＰＩごとの計画群のクラスタ傾向を参照して、ＫＰＩ間の大まかなトレードオフ傾向を理解することができる。
【0118】
計画クラスタ分析表示部１８２０には、任意の２つのＫＰＩを縦軸と横軸にそれぞれ設定して、シミュレーションで得られたサプライチェーン計画群とＫＰＩ値との関係がマッピングされた散布図が表示され、さらにこの散布図に対して、各計画についての統合クラスタの分類状況と、隣接する各統合クラスタ間の差異情報の説明とが表示される。ここで表示される統合クラスタ間の差異情報の内容は、前述のクラスタ間主要差異分析処理において、図１６、図１７で説明した方法で抽出される主要差異因子の値またはカテゴリ数の統合クラスタ間での増減に基づいて、クラスタ間主要差異分析部１８０により決定される。なお、マッピングの際の各条件は、計画クラスタ分析表示部１８２０内の各設定部により、ユーザが任意に設定することができる。
【0119】
ユーザは、計画クラスタ分析表示部１８２０の表示内容から、シミュレーションに対する入力因子として存在する様々なパラメータの中で、どのパラメータが注目ＫＰＩに影響する主要因子に相当するかを一目で判断することができる。例えば、「市場１ＣＯ２排出量」と「市場１コスト」の２つのＫＰＩを調整するためには、「調達比率」と「輸送手段」の２つのパラメータが重要だと分かる。また、統合クラスタの遷移のためにはどのパラメータを重点的に調整すべきかを知ることができる。
【0120】
図１９は、図２のステップＳ２１９でクラスタ間主要差異分析処理の結果をユーザに提示する際に表示される分析結果出力画面の他の例を示す図である。図１９の分析結果出力画面１９００は、図１８に示した分析結果出力画面１８００において、縦軸に設定するＫＰＩを「市場１ＣＯ２排出量」から「市場１需要充足率」に変更した場合の例を示している。この分析結果出力画面１９００は、図１８の分析結果出力画面１８００と同様に、全体クラスタ傾向表示部１９１０と計画クラスタ分析表示部１９２０を含んで構成される。なお、全体クラスタ傾向表示部１９１０の内容は、図１８の全体クラスタ傾向表示部１８１０と同じである。
【0121】
図２０は、図２のステップＳ２１９でクラスタ間主要差異分析処理の結果をユーザに提示する際に表示される分析結果出力画面のさらに別の例を示す図である。図２０の分析結果出力画面２０００は、図１９に示した分析結果出力画面１９００において、計画クラスタ分析表示部１９２０にある「パレートクラスタのみ表示」を選択した場合の例を示している。この分析結果出力画面２０００は、図１８，１９の分析結果出力画面１８００，１９００と同様に、全体クラスタ傾向表示部２０１０と計画クラスタ分析表示部２０２０を含んで構成される。計画クラスタ分析表示部２０２０では、前述の局所パレートクラスタのみが表示され、非局所パレートクラスタについては非表示とされている。すなわち、計画クラスタ分析表示部２０２０に表示されたＫＰＩペアに関して、「市場１需要充足率」はより高い値が好ましく、「市場１コスト」はより低い値が好ましい。そのため、計画クラスタ分析表示部２０２０に表示された散布図上では、左上の境界線付近に各点が存在する統合クラスタが局所パレートクラスタに設定される一方、そうではない統合クラスタ（クラスタｘ２１）については表示対象から除外されている。なお、全体クラスタ傾向表示部２０１０の内容は、図１８，１９の全体クラスタ傾向表示部１８１０，１９１０と同じである。
【0122】
本実施形態の多目的パタン分析システム１０では、図１８～図２０で説明した各出力画面により、サプライチェーンのシミュレーションにおいて重要な入力因子がユーザに説明される。これにより、多目的パタン分析システム１０はユーザに対して、計画候補の空間全体を俯瞰した上で、よりよいサプライチェーンを構成するためパラメータを効率的に導くことを支援できる。
【0123】
（ロバスト性分析設定画面）
図２１は、図２のステップＳ２２０でロバスト性分析設定を行う際に表示されるロバスト性分析設定画面の一例を示す図である。図２１に示すロバスト性分析設定画面２１００は、ユーザ提示部１００に含まれる表示装置において表示される画面の一例であり、サプライチェーン構成表示部２１１０、貢献度集中分析設定部２１２０および環境変化感度分析設定部２１３０を含んで構成される。
図２１は、図２のステップＳ２２０でロバスト性分析設定を行う際に表示されるロバスト性分析設定画面の一例を示す図である。図２１に示すロバスト性分析設定画面２１００は、ユーザ提示部１００に含まれる表示装置において表示される画面の一例であり、サプライチェーン構成表示部２１１０、貢献度集中分析設定部２１２０および環境変化感度分析設定部２１３０を含んで構成される。
【0124】
サプライチェーン構成表示部２１１０には、図３のパラメータ設定画面３００において編集スペース３２０で編集されたサプライチェーンの構成情報が表示される。このサプライチェーン構成表示部２１１０に表示されたサプライチェーンを対象に、多目的パタン分析システム１０においてロバスト性分析処理が実施される。
【0125】
本実施形態の多目的パタン分析システム１０では、ロバスト性分析処理として、貢献度集中分析処理および環境変化感度分析処理の２種類の分析処理を実施することができる。貢献度集中分析処理は、サプライチェーン上の物流網など特定のネットワーク、あるいは工場など特定のコンポーネントへの依存度が高いことに対するリスクを評価するための分析処理である。これは、災害によるサプライチェーン断絶などによるリスク評価に関する。一方、環境変化感度分析処理は、需要低減や燃料費高騰などサプライチェーン上の外部環境変化に対するリスクを評価するための分析処理である。これは、日々の運用についてのＫＰＩ達成に対するリスク評価に関する。
【0126】
貢献度集中分析設定部２１２０は、貢献度集中分析処理に関する設定を行うためのＵＩである。ユーザは貢献度集中分析設定部２１２０により、サプライチェーン構成表示部２１１０に提示されているサプライチェーン構成から評価対象とする具体的な構成要素を選択することで、ネットワーク、サプライヤ、工場などの構成要素のいずれかを評価対象に設定可能である。図２１の例では、工場１の調達先であるサプライヤ１とサプライヤ２を繋ぐネットワーク１とネットワーク２が評価対象として設定されている。評価対象の設定後、貢献度集中分析設定部２１２０に表示されている実行ボタンをユーザが押すことで、多目的パタン分析システム１０において貢献度集中分析処理が実行される。
【0127】
環境変化感度分析設定部２１３０は、環境変化感度分析処理に関する設定を行うためのＵＩである。ユーザは環境変化感度分析設定部２１３０により、シミュレーションの入力因子からいずれかを選択することで、その入力因子を外部環境変化に応じて変動させる外部環境因子に設定することができる。
【0128】
（貢献度集中分析処理）
続いて、図２のステップＳ２３０で実行されるロバスト性分析処理のうち、貢献度集中分析処理について説明する。
続いて、図２のステップＳ２３０で実行されるロバスト性分析処理のうち、貢献度集中分析処理について説明する。
【0129】
貢献度集中分析処理では、前述の貢献度分析処理と同様に、各ＫＰＩに対する貢献度（例えばShapley値）が計算される。例えば注目するＫＰＩをｋとしたとき、シミュレーションの入力ベクトルｘに対するShapley値のベクトルＺrk（x）は、以下の式（２）で求めることができる。
Ｚrk（x）＝CalcShapley(SIM, x, xbase) ・・・（２）
Ｚrk（x）＝CalcShapley(SIM, x, xbase) ・・・（２）
【0130】
式（２）において、CalcShapley()はShapley値を計算する関数であり、これはシミュレータSIM、入力ベクトルｘおよびベースライン入力xbaseを引数としてもつ。SIMはシミュレーション実行部１３０のシミュレータである。ベースライン入力xbaseに基づいて入力ベクトルｘの値を規則的に変更した分析用入力値ｘ’を生成し、これをシミュレーション実行部１３０に入力してシミュレーションを実行することにより、分析用入力値ｘ’に対するＫＰＩｋに関する出力ｙkを得て、(x’,ｙk)のデータペアを複数生成する。この複数のデータペアを所定の計算式に適用することで、入力ベクトルｘに対するShapley値のベクトルＺrk（x）を算出することができる。
【0131】
ベースライン入力xbaseは、Shapley値を算出する際のベースラインとなる入力値であり、各構成要素について予め定められたパラメータの値を所定のベースライン値に置き換えることで求められる。これを実現するため、本実施形態の多目的パタン分析システム１０では、各構成要素について置き換え可能なパラメータの情報が、例えばベースラインテーブルとして記憶されている。
【0132】
図２２は、貢献度集中分析処理において用いられるベースラインテーブルの一例を示す図である。図２２に示すベースラインテーブル２２００は、評価対象に設定されたサプライチェーンの各構成要素について、カテゴリごとにどのパラメータをベースライン値に置き換え可能かを定義したテーブルである。
【0133】
例えば、評価カテゴリがネットワークであり、評価対象に設定された構成要素が「ネットワーク１」および「ネットワーク２」であるとする。この場合、式（２）におけるベースライン入力xbaseは、入力ベクトルｘにおいて「ネットワーク１調達比率」と「ネットワーク２調達比率」の値をそれぞれゼロに置き換えることにより求められる。また、このとき式（２）から得られるShapley値のベクトルＺrk（x）は、実質的に２次元のベクトルとなり、具体的には、Ｚrk（x）＝［ネットワーク１の貢献度，ネットワーク２の貢献度］となる。その理由は、この場合にはベースライン入力xbaseと入力ベクトルｘとの間における入力因子の値の違いが、「ネットワーク１調達比率」と「ネットワーク２調達比率」の２つしかなく、これら以外の入力因子に対するShapley値がゼロになるためである。
【0134】
ここで、注目するＫＰＩを「市場１需要充足率」(すなわちk=OFR：Order Fulfillment Rate)とし、計画クラスタｘ１１（Cx11と表記する）に含まれる計画群のShapley値のベクトルの平均値をＺrOFR,Cx11とすると、計画クラスタｘ１１のロバスト性指標ＲOFR,Cx11は以下の式（３）で求めることができる。
ＲOFR,Cx11＝max（ＺrOFR,Cx11）／（１／Ｎ）Σf|ＺrOFR,Cx11,f| ・・・（３）
ＲOFR,Cx11＝max（ＺrOFR,Cx11）／（１／Ｎ）Σf|ＺrOFR,Cx11,f| ・・・（３）
【0135】
式（３）において、ＮはＺrOFR,Cx11の実質的な次元数であり、ＺrOFR,Cx11,fは入力ベクトルｘのうちｆ番目の入力因子に対するShapley値である。ただし、ゼロ以外の値を持つのはＮ個の入力因子しかない。 また、max（ＺrOFR,Cx11）はＺrOFR,Cx11の要素のうち最大値を得る関数である。すなわち、計画クラスタｘ１１のロバスト性指標ＲOFR,Cx11は、ＺrOFR,Cx11に含まれる要素の最大値と平均値の比率として得ることができる。
【0136】
あるいは、計画クラスタｘ１１のロバスト性指標ＲOFR,Cx11は、以下の式（４）で求めることもできる。
ＲOFR,Cx11＝Gini（ＺrOFR,Cx11） ・・・（４）
ＲOFR,Cx11＝Gini（ＺrOFR,Cx11） ・・・（４）
【0137】
式（４）において、Gini()はジニ係数を求める関数である。すなわち、計画クラスタｘ１１のロバスト性指標ＲOFR,Cx11は、ＺrOFR,Cx11に含まれる要素の値の不均衡度合として求めることもできる。
【0138】
（貢献度集中分析結果の出力画面）
図２３は、上記の貢献度集中分析処理によって得られた貢献度集中に対するロバスト性の評価結果を表す貢献度集中分析結果の出力画面の例を示す図である。図２３の貢献度集中分析結果出力画面２３００は、サプライチェーン構成表示部２３１０と貢献度集中分析表示部２３２０を含んで構成される。
図２３は、上記の貢献度集中分析処理によって得られた貢献度集中に対するロバスト性の評価結果を表す貢献度集中分析結果の出力画面の例を示す図である。図２３の貢献度集中分析結果出力画面２３００は、サプライチェーン構成表示部２３１０と貢献度集中分析表示部２３２０を含んで構成される。
【0139】
サプライチェーン構成表示部２３１０には、図２１のロバスト性分析設定画面２１００におけるサプライチェーン構成表示部２１１０と同様に、サプライチェーンの構成情報が表示される。さらに、この構成情報のうち、ロバスト性の評価対象となった構成要素がハイライト表示される。
【0140】
貢献度集中分析表示部２３２０には、貢献度集中分析処理によって得られた任意のＫＰＩに対する計画クラスタごとのロバスト性指標が表示される。例えば図２３の例で示すように、シミュレーションで得られたサプライチェーン計画群とＫＰＩ値との関係がマッピングされた散布図において、各計画のロバスト性の高低をヒートマップで表示することができる。
【0141】
ユーザは、貢献度集中分析表示部２３２０の表示内容から、サプライチェーンにおいて構成要素の貢献度がどの程度集中しているかを判断できる。その結果、例えば一部のネットワークで貢献度が高すぎるときには、代替ネットワークを契約するなど、経営に関する意思決定を行うことができる。本実施形態の多目的パタン分析システム１０では、このようにしてユーザの意思決定を支援することができる。
【0142】
（環境変化感度分析処理）
続いて、図２のステップＳ２３０で実行されるロバスト性分析処理のうち、環境変化感度分析処理について説明する。
続いて、図２のステップＳ２３０で実行されるロバスト性分析処理のうち、環境変化感度分析処理について説明する。
【0143】
環境変化感度分析処理を実施する前には、図２１に示したロバスト性分析設定画面２１００において外部環境因子の設定が行われる。具体的には、ユーザの操作により環境変化感度分析設定部２１３０から各入力因子の設定情報を呼び出し、この設定情報において任意の入力因子を選択することで、外部環境因子を設定することができる。
【0144】
図２４は、外部環境因子の設定において用いられる入力因子の設定情報を表す入力因子設定テーブルの一例を示す図である。図２４に示す入力因子設定テーブル２４００は、評価対象に設定されたサプライチェーンの各構成要素について、カテゴリごとにどのパラメータをベースライン値に置き換え可能かを定義したテーブルである。図２４の入力因子設定テーブル２４００において、任意の入力因子に対して列２４１０に示した環境フラグの値を「１」に設定することで、当該入力因子を外部環境因子に設定することができる。ただし、図７に例示したクラスタ分析設定画面７００において分析対象に設定された入力因子については、これを外部環境因子には設定できないようにすることが好ましい。
【0145】
入力因子設定テーブル２４００で外部環境因子に設定された入力因子については、シミュレーション設定情報１１２の摂動値に定義された入力値の中でランダムな組み合せが設定される。環境変化感度分析処理では、設定されたランダムな組み合わせを全ての計画群に反映することで複数の環境シナリオを作成し、各環境シナリオに対してシミュレーション実行部１３０により追加シミュレーションを実行する。これにより、外部環境因子の変動に応じたＫＰＩの変化が求められる。
【0146】
図２５は、環境変化感度分析処理における追加シミュレーションの結果をまとめた環境変化テーブルの一例を示す図である。図２５に示す環境変化テーブル２５００は、「市場１需要充足率」というＫＰＩを対象に、追加シミュレーションで求められた各計画の環境シナリオごとのＫＰＩ値とその標準偏差を算出した例を示している。
【0147】
環境変化感度分析処理では、上記のようにして得られた各計画の環境シナリオごとの標準偏差を、各計画の環境変化に対するロバスト性指標として用いることができる。この標準偏差の値が大きいほど、ロバスト性が低いことを示している。
【0148】
（環境変化感度分析結果の出力画面）
図２６は、上記の環境変化感度分析処理によって得られた環境変化感度に対するロバスト性の評価結果を表す環境変化感度分析結果の出力画面の例を示す図である。図２６の環境変化感度分析結果出力画面２６００は、サプライチェーン構成表示部２６１０と環境変化感度分析表示部２６２０を含んで構成される。
図２６は、上記の環境変化感度分析処理によって得られた環境変化感度に対するロバスト性の評価結果を表す環境変化感度分析結果の出力画面の例を示す図である。図２６の環境変化感度分析結果出力画面２６００は、サプライチェーン構成表示部２６１０と環境変化感度分析表示部２６２０を含んで構成される。
【0149】
サプライチェーン構成表示部２６１０には、図２３の貢献度集中分析結果出力画面２３００におけるサプライチェーン構成表示部２３１０と同様の内容が表示される。すなわち、図２１のロバスト性分析設定画面２１００におけるサプライチェーン構成表示部２１１０と同様に、サプライチェーンの構成情報が表示される。さらに、この構成情報のうち、ロバスト性の評価対象となった構成要素がハイライト表示される。
【0150】
環境変化感度分析表示部２６２０には、環境変化感度分析処理によって得られた任意のＫＰＩに対する計画クラスタごとのロバスト性指標が表示される。ここでは、例えば図２３の貢献度集中分析結果出力画面２３００における貢献度集中分析表示部２３２０と同様に、シミュレーションで得られたサプライチェーン計画群とＫＰＩ値との関係がマッピングされた散布図において、各計画のロバスト性の高低をヒートマップで表示することができる。
【0151】
ユーザは、環境変化感度分析表示部２６２０の表示内容から、需要変動などの外部環境変化に対してサプライチェーンの各構成要素がどの程度影響を受けるかを判断できる。その結果、外部環境変化に対するロバスト性を考慮した計画を選定することができる。本実施形態の多目的パタン分析システム１０では、このようにしてユーザの意思決定を支援することができる。
【0152】
以上説明した本発明の一実施形態に係る多目的パタン分析システム１０によれば、以下の作用効果を奏する。
【0153】
（１）多目的パタン分析システム１０は、貢献度分析部１５０、クラスタリング処理部１６０、代表貢献度ベクトル算出部１７０、クラスタ間主要差異分析部１８０およびユーザ提示部１００を備える。貢献度分析部１５０は、複数の入力因子が設定されて入力因子の値の組み合わせが互いに異なる複数の計画と、シミュレーションによって計画ごとに得られる複数のＫＰＩの値とを取得し、入力因子ごとのＫＰＩに対する貢献度を算出する（ステップＳ２１５）。クラスタリング処理部１６０は、貢献度分析部１５０により算出された貢献度に基づいて複数の計画をＫＰＩごとにクラスタリングする第１のクラスタリング処理と、第１のクラスタリング処理の結果に基づいて複数の計画を複数のＫＰＩの組み合わせについてクラスタリングする第２のクラスタリング処理と、を行う（ステップＳ２１６）。代表貢献度ベクトル算出部１７０は、第２のクラスタリング処理で得られた各統合クラスタについて、当該統合クラスタに属する各計画の貢献度の代表値に相当する代表貢献度を入力因子ごとに算出する（ステップＳ２１７）。クラスタ間主要差異分析部１８０は、各統合クラスタについて算出された入力因子ごとの代表貢献度に基づいて、統合クラスタ間の主要差異を分析する（ステップＳ２１８）。ユーザ提示部１００は、クラスタ間主要差異分析部１８０による主要差異の分析結果をユーザに提示する（ステップＳ２１９）。このようにしたので、ＫＰＩに対する実効的な影響力を反映したクラスタリング情報をユーザに提示し、ユーザの意思決定を支援することができる。
【0154】
（２）クラスタリング処理部１６０は、第２のクラスタリング処理において、第１のクラスタリング処理によって作成されたＫＰＩごとのクラスタのうち、２つ以上のＫＰＩについて作成された各クラスタの組み合わせを、統合クラスタとして抽出する（ステップＳ９６０）。このようにしたので、複数のＫＰＩを考慮した統合クラスタを作成することができる。
【0155】
（３）クラスタリング処理部１６０は、第２のクラスタリング処理において、各統合クラスタに属する計画の数が所定数以上となるように、統合クラスタの数を調整することができる（ステップＳ９５０）。このようにすれば、各統合クラスタが細分化されすぎないように統合クラスタの数を調整できるため、ユーザが計画全体の傾向をより判断しやすいクラスタリング情報をユーザに提示することができる。
【0156】
（４）ユーザ提示部１００は、ステップＳ２１９で主要差異の分析結果をユーザに提示するときに、図２０の分析結果出力画面２０００で示したように、パレート解を含まない統合クラスタの情報を非表示とすることができる。このようにすれば、ユーザの判断に影響が少ない余分な表示を削減して、主要差異の分析結果をユーザに提示する際の表示画面を見やすくすることができる。
【0157】
（５）クラスタ間主要差異分析部１８０は、統合クラスタ間の代表貢献度の差分値を入力因子ごとに算出し、この差分値が最も大きい入力因子を、統合クラスタ間の主要差異因子として抽出する。このようにしたので、統合クラスタ間の主要な差異を表す入力因子を、主要差異因子として確実に抽出することができる。
【0158】
（６）クラスタ間主要差異分析部１８０は、図１６，図１７で説明したように、主要差異因子の値またはカテゴリ数の統合クラスタ間での増減に基づいて、統合クラスタ間の差異情報を決定する。ユーザ提示部１００は、こうしてクラスタ間主要差異分析部１８０により決定された差異情報をユーザに提示する（図１８～２０）。このようにしたので、統合クラスタ間の差異をユーザに分かりやすく提示することができる。
【0159】
（７）ユーザ提示部１００は、３つ以上のＫＰＩのうちユーザに選択された２つのＫＰＩについて、主要差異の分析結果をユーザに提示する（図１８～図２０）。このようにしたので、ユーザが指定した任意のＫＰＩに対する主要差異の分析結果をユーザに提示することができる。
【0160】
（８）多目的パタン分析システム１０は、第２のクラスタリング処理で得られた各統合クラスタについて、入力因子の変動に対するロバスト性の分析を行うロバスト性分析部１９０を備える。ユーザ提示部１００は、ロバスト性分析部１９０によるロバスト性の分析結果をユーザに提示する（ステップＳ２２２）。具体的には、ロバスト性分析部１９０は、貢献度集中分析処理を実行することで、ＫＰＩごとの貢献度の不均衡度に基づくロバスト性指標ＲOFR,Cx11を算出し、このロバスト性指標ＲOFR,Cx11に基づいてロバスト性の分析を行うことができる。また、ロバスト性分析部１９０は、環境変化感度分析処理を実行することで、入力因子のいずれかを外部環境因子として、この外部環境因子の変化に対するＫＰＩの標準偏差に基づくロバスト性指標を算出し、このロバスト性指標に基づいてロバスト性の分析を行うこともできる。このようにしたので、サプライチェーンのロバスト性を考慮した計画の策定に関するユーザの意思決定支援を行うことができる。
【0161】
なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に記載したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加、削除、又は置換のいずれもが、単独で、又は組み合わせても適用可能である。
【0162】
また、上記の各構成、機能、処理部、及び処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、上記の各構成、及び機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ等の記録装置、又は、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。
【0163】
また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。
【符号の説明】
【0164】
１０：多目的パタン分析システム
１１：ユーザ提示情報
１２：ユーザ入力情報
１００：ユーザ提示部
１０１：設定情報
１１０：分析設定部
１１１：設定項目情報
１１２：シミュレーション設定情報
１１３：貢献度分析設定情報
１１４：クラスタリング設定情報
１１５：クラスタ間主要差異分析設定情報
１１６：ロバスト性分析設定情報
１２０：パラメータ設定部
１２１：シミュレーション入力情報
１３０：シミュレーション実行部
１３１：シミュレーション結果情報
１４０：データ管理部
１４１：データセット情報
１５０：貢献度分析部
１５１：貢献度分析結果情報
１６０：クラスタリング処理部
１６１：クラスタリング結果情報
１７０：代表貢献度ベクトル算出部
１７１：代表貢献度情報
１８０：クラスタ間主要差異分析部
１８１：クラスタ間主要差異情報
１９０：ロバスト性分析部
１９１：ロバスト性分析結果情報
１１：ユーザ提示情報
１２：ユーザ入力情報
１００：ユーザ提示部
１０１：設定情報
１１０：分析設定部
１１１：設定項目情報
１１２：シミュレーション設定情報
１１３：貢献度分析設定情報
１１４：クラスタリング設定情報
１１５：クラスタ間主要差異分析設定情報
１１６：ロバスト性分析設定情報
１２０：パラメータ設定部
１２１：シミュレーション入力情報
１３０：シミュレーション実行部
１３１：シミュレーション結果情報
１４０：データ管理部
１４１：データセット情報
１５０：貢献度分析部
１５１：貢献度分析結果情報
１６０：クラスタリング処理部
１６１：クラスタリング結果情報
１７０：代表貢献度ベクトル算出部
１７１：代表貢献度情報
１８０：クラスタ間主要差異分析部
１８１：クラスタ間主要差異情報
１９０：ロバスト性分析部
１９１：ロバスト性分析結果情報
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【図24】
【図25】
【図26】
