特許 7560702 プロジェクトの進捗予測方法、進捗予測装置、及び進捗予測プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B1)

(11)【特許番号】

(24)【登録日】2024-09-24

(45)【発行日】2024-10-02

(54)【発明の名称】プロジェクトの進捗予測方法、進捗予測装置、及び進捗予測プログラム

(51)【国際特許分類】

   G06Q 10/0639 20230101AFI20240925BHJP

【ＦＩ】

G06Q10/0639

【請求項の数】 15

(21)【出願番号】P 2024529433

(86)(22)【出願日】2022-12-09

(86)【国際出願番号】 JP2022045443

【審査請求日】2024-05-16

【早期審査対象出願】

(73)【特許権者】

【識別番号】000003285

【氏名又は名称】千代田化工建設株式会社

(74)【代理人】

【識別番号】110001379

【氏名又は名称】弁理士法人大島特許事務所

(72)【発明者】

【氏名】古市 和也

(72)【発明者】

【氏名】大木 英介

(72)【発明者】

【氏名】安井 威公

【審査官】上田 威

(56)【参考文献】

【文献】特開２０２１－１３１７４５（ＪＰ，Ａ）

【文献】特開２０００－３２２２５２（ＪＰ，Ａ）

【文献】特開２００７－０１８１６３（ＪＰ，Ａ）

【文献】特開２０２０－０９８４２４（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｑ １０／００－９９／００

(57)【特許請求の範囲】

【請求項1】

プロジェクトの進捗予測方法であって、
前記プロジェクトは、少なくとも１つの工程を含み、
コンピュータが、
前記工程の進捗度およびそれに対応する実行時期を含む進捗計画のデータを取得し、
前記進捗計画における完了済みの部分の進捗度およびそれに対応する実行時期を含む進捗実績のデータを取得し、
前記進捗実績のデータに基づき、前記工程の基準時点から所定の進捗度を達成した所定時点までの実績期間を算出し、
前記進捗計画のデータに基づき、前記工程の前記基準時点から前記所定の進捗度と同一の進捗度が達成される時点までの計画期間を算出し、
前記実績期間および前記計画期間に基づき、前記工程の進捗に関する進捗評価指標を算出し、
前記進捗評価指標に基づき、前記所定時点以降における進捗実績を予測して、前記所定時点以降における進捗実績に基づくデータを生成する、プロジェクトの進捗予測方法。

【請求項2】

前記進捗評価指標は、前記実績期間に対する前記計画期間の比である、請求項１に記載のプロジェクトの進捗予測方法。

【請求項3】

前記進捗評価指標として、一定の値が用いられる、請求項２に記載のプロジェクトの進捗予測方法。

【請求項4】

前記進捗計画のデータは、第１の機械学習モデルによって決定され、
前記第１の機械学習モデルは、過去のプロジェクトにおける工程の進捗度と、それに対応する実行時期を含む進捗実績との関係を学習したモデルである、請求項１に記載の方法。

【請求項5】

前記進捗実績の予測には、前記プロジェクトの完了日の予測が含まれ、
前記プロジェクトの完了日が予め設定された基準完了日を超える場合、前記所定時点以降の前記工程の実行に必要なリソースの設定を変更し、
前記変更されたリソースに基づき前記進捗評価指標を修正した修正評価指標を算出し、
前記進捗実績の予測は、前記修正評価指標に基づき行われる、請求項１に記載のプロジェクトの進捗予測方法。

【請求項6】

前記工程の実行に必要なリソースは、第２の機械学習モデルによって決定され、
前記第２の機械学習モデルは、過去のプロジェクトにおいて前記工程に投入されたリソースと、前記リソースが投入された後の前記工程の工期との関係を学習したモデルである、請求項５に記載の方法。

【請求項7】

前記プロジェクトは、前記少なくとも１つの工程として、先行する第１工程および後続の第２工程を含み、
前記第１工程における少なくとも１つの第１のマイルストンの情報と、前記第２工程において、前記第１のマイルストンの各々に時期的に対応する第２のマイルストンの情報と、を取得し、
前記第１工程の前記進捗実績のデータにおける前記各第１のマイルストンに関するデータと、前記第２工程の前記進捗実績のデータにおける対応する前記第２のマイルストンに関するデータとの関係が、前記第２工程の前記進捗評価指標に及ぼす影響を表す影響評価モデルを取得し、
前記所定時点において前記影響評価モデルに基づき前記第２工程の前記進捗評価指標を修正した修正評価指標を算出し、
前記第２工程に関する前記進捗実績の予測では、前記修正評価指標に基づき、前記第２工程における前記所定時点以降の進捗実績を予測する、請求項１に記載のプロジェクトの進捗予測方法。

【請求項8】

完了済みの複数のプロジェクトについて、それぞれ前記進捗実績のデータを蓄積し、
前記第１のマイルストンおよび前記第２のマイルストンは、前記蓄積された進捗実績のデータに基づき決定される、請求項７に記載のプロジェクトの進捗予測方法。

【請求項9】

前記各第１のマイルストンおよび前記各第２のマイルストンは、前記完了済みの複数のプロジェクトのうち、前記第２工程の工期が最も短いプロジェクトの前記進捗実績のデータに基づき決定される、請求項８に記載のプロジェクトの進捗予測方法。

【請求項10】

完了済みの複数のプロジェクトについて、それぞれ前記進捗実績のデータを蓄積し、
前記影響評価モデルは、前記蓄積された進捗実績のデータに基づき決定される、請求項７に記載のプロジェクトの進捗予測方法。

【請求項11】

前記影響評価モデルは、前記蓄積された進捗実績のデータと第２工程の前記進捗評価指標との関係を学習した第３の機械学習モデルである、請求項１０に記載の方法。

【請求項12】

前記修正評価指標は、
基準時点から前記各第１のマイルストンまでの第１マイルストン期間と、
前記基準時点から前記各第２のマイルストンまでの第２マイルストン期間と、
前記各第１マイルストン期間およびそれに対応する前記各第２マイルストン期間の差分と、に基づき算出される、請求項７に記載のプロジェクトの進捗予測方法。

【請求項13】

前記第１工程の前記進捗実績のデータにおいて、前記第１のマイルストンの時期に遅れが生じた場合、前記第２工程の前記進捗計画のデータにおいて対応する前記第２のマイルストンの時期を、前記遅れが生じた前記第１のマイルストンの時期以降に変更する、請求項７に記載のプロジェクトの進捗予測方法。

【請求項14】

プロジェクトの進捗予測の処理を実行するプロセッサを備えた進捗予測装置であって、
前記プロジェクトは、少なくとも１つの工程を含み、
前記プロセッサは、
前記工程の進捗度およびそれに対応する実行時期を含む進捗計画のデータを取得し、
前記進捗計画における完了済みの部分の進捗度およびそれに対応する実行時期を含む進捗実績のデータを取得し、
前記進捗実績のデータに基づき、前記工程の基準時点から所定の進捗度を達成した所定時点までの実績期間を算出し、
前記進捗計画のデータに基づき、前記工程の前記基準時点から前記所定の進捗度と同一の進捗度が達成される時点までの計画期間を算出し、
前記実績期間および前記計画期間に基づき、前記工程の進捗に関する進捗評価指標を算出し、
前記進捗評価指標に基づき、前記所定時点以降における進捗実績を予測して、前記所定時点以降における進捗実績に基づくデータを生成する、プロジェクトの進捗予測装置。

【請求項15】

プロジェクトの進捗予測の処理をコンピュータに実行させる進捗予測プログラムであって、
前記プロジェクトは、少なくとも１つの工程を含み、
前記コンピュータに、
前記工程の進捗度およびそれに対応する実行時期を含む進捗計画のデータを取得させ、
前記進捗計画における完了済みの部分の進捗度およびそれに対応する実行時期を含む進捗実績のデータを取得させ、
前記進捗実績のデータに基づき、前記工程の基準時点から所定の進捗度を達成した所定時点までの実績期間を算出させ、
前記進捗計画のデータに基づき、前記工程の前記基準時点から前記所定の進捗度と同一の進捗度が達成される時点までの計画期間を算出させ、
前記実績期間および前記計画期間に基づき、前記工程の進捗に関する進捗評価指標を算出させ、
前記進捗評価指標に基づき、前記所定時点以降における進捗実績を予測させ、前記所定時点以降における進捗実績に基づくデータを生成させる、プロジェクトの進捗予測プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、実行中のプロジェクトについて、今後の進捗を予測するプロジェクトの進捗予測方法、進捗予測装置、及び進捗予測プログラムに関する。

【背景技術】

【0002】

一般にプロジェクトの実行時には、当初の計画に対する遅延（すなわち、進捗計画と進捗実績との乖離）が生じる場合がある。その場合、プロジェクトの管理者は、その遅延状況を適切に把握し、それを解消するための対策を講ずる必要がある。

【0003】

従来、プロジェクトの進捗管理精度を高めるために、任意の時点毎にプロジェクトの進捗情報管理ファイルから遅延工数の算出に必要な情報を抽出し、作業予定および作業実績を元に算出した遅延工数を格納し、その遅延工数の履歴を可視化する装置が知られている（特許文献１参照）。

【0004】

また、プロジェクトの予定計画の策定を支援するために、作業工程毎に予定情報および実績情報を管理する作業工程情報と、それら予定情報と実績情報との差（各作業工程の予定と実績との差）を生じさせた理由を示す乖離情報とを関連付けて管理し、作業工程で生成される成果物ファイルが格納されている格納先情報を有する成果物ファイル情報を、上記作業工程情報と関連付けて管理し、上記作業工程情報および乖離情報と、上記成果物ファイル情報とを表示手段に表示させる装置が知られている（特許文献２参照）。

【先行技術文献】

【特許文献】

【0005】

【文献】特開２０１１－２０４０９８号公報

【文献】特開２００２－３２２２５号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

上記特許文献１、２に記載された従来技術では、プロジェクトの進捗状況は工数（例えば、計画に対する遅延工数）によって把握される。したがって、それらの従来技術では、実行中のプロジェクトにおいて、今後の期日（例えば、プロジェクトにおける処理対象の工程の中間地点や完了日など）を含む進捗状況（例えば、当初計画における所定の期日とそれに対応する実績の期日とにどれくらいの乖離が生じるか）を簡易に予測することは困難である。

【0007】

そこで、本願発明者らは、鋭意検討した結果、建設プロジェクト等の中間地点（今後の進捗を予測する時点）における計画期間と実績期間との関係を考慮することにより、今後の進捗状況を簡易な処理によって予測できることを見出した。

【0008】

本発明は、以上の背景に鑑み、実行中のプロジェクトにおける工程の中間地点において、その後の期日を含む進捗を簡易な処理によって予測できるプロジェクトの進捗予測方法、進捗予測装置、及び進捗予測プログラムを提供することを課題とする。

【課題を解決するための手段】

【0009】

上記課題を解決するために本発明のある態様は、プロジェクトの進捗予測方法であって、前記プロジェクトは、少なくとも１つの工程を含み、前記工程の進捗度およびそれに対応する実行時期を含む進捗計画のデータを取得し、前記進捗計画における完了済みの部分の進捗度およびそれに対応する実行時期を含む進捗実績のデータを取得し、前記進捗実績のデータに基づき、前記工程の基準時点から所定の進捗度を達成した所定時点までの実績期間を算出し、前記進捗計画のデータに基づき、前記工程の前記基準時点から前記所定の進捗度と同一の進捗度が達成される時点までの計画期間を算出し、前記実績期間および前記計画期間に基づき、前記工程の進捗に関する進捗評価指標を算出し、前記進捗評価指標に基づき、前記所定時点以降における前記進捗実績のデータを予測する構成とする。

【0010】

この態様によれば、実行中のプロジェクトにおける工程の所定時点（すなわち、中間地点）において、所定時点以降の進捗実績のデータ（すなわち、期日を含む進捗）を簡易な処理によって予測することができる。

【0011】

上記の態様において、前記進捗評価指標は、前記実績期間に対する前記計画期間の比であるとよい。

【0012】

この態様によれば、実績期間に対する計画期間の比に基づき、簡易な処理によって進捗評価指標を算出することができる。

【0013】

上記の態様において、前記進捗評価指標として、一定の値が用いられるとよい。

【0014】

この態様によれば、進捗評価指標として一定の値を用いることにより、所定時点以降の進捗実績のデータをより簡易な処理によって予測することができる。

【0015】

上記の態様において、前記進捗計画のデータは、第１の機械学習モデルによって決定され、前記第１の機械学習モデルは、過去のプロジェクトにおける工程の進捗度と、それに対応する実行時期を含む進捗実績との関係を学習したモデルであるとよい。

【0016】

この態様によれば、第１の機械学習モデルを用いることにより、進捗計画のデータを簡易な処理によって取得することができる。

【0017】

上記の態様において、前記進捗実績のデータの予測には、前記プロジェクトの完了日の予測が含まれ、前記プロジェクトの完了日が予め設定された基準完了日を超える場合、前記所定時点以降の前記工程の実行に必要なリソースの設定を変更し、前記変更されたリソースに基づき前記進捗評価指標を修正した修正評価指標を算出し、前記進捗実績のデータの予測は、前記修正評価指標に基づき行われるとよい。

【0018】

この態様によれば、実行中のプロジェクトにおける工程の所定時点において各工程に投入されるリソースが変更された場合でも、完了日を含む所定時点以降の進捗実績のデータを簡易な処理によって予測することができる。

【0019】

上記の態様において、前記工程の実行に必要なリソースは、第２の機械学習モデルによって決定され、前記第２の機械学習モデルは、過去のプロジェクトにおいて前記工程に投入されたリソースと、前記リソースが投入された後の前記工程の工期との関係を学習したモデルであるとよい。

【0020】

この態様によれば、第２の機械学習モデルを用いることにより、各工程に必要なリソース（すなわち、変更後のリソース）を簡易な処理によって取得することができる。

【0021】

上記の態様において、前記プロジェクトは、前記少なくとも１つの工程として、先行する第１工程および後続の第２工程を含み、前記第１工程における少なくとも１つの第１のマイルストンの情報と、前記第２工程において、前記第１のマイルストンの各々に時期的に対応する第２のマイルストンの情報と、を取得し、前記第１工程の前記進捗実績のデータにおける前記各第１のマイルストンに関するデータと、前記第２工程の前記進捗実績のデータにおける対応する前記第２のマイルストンに関するデータとの関係が、前記第２工程の前記進捗評価指標に及ぼす影響を表す影響評価モデルを取得し、前記所定時点において前記影響評価モデルに基づき前記第２工程の前記進捗評価指標を修正した修正評価指標を算出し、前記第２工程に関する前記進捗実績のデータの予測では、前記修正評価指標に基づき、前記第２工程における前記所定時点以降の前記進捗実績のデータを予測するとよい。

【0022】

この態様によれば、プロジェクトに複数の工程（第１工程、第２工程）が含まれる場合に、工程間の影響を表す影響評価モデルに基づき修正された修正評価指標に基づき、第２工程の所定時点（中間地点）以降におけるデータを予測するため、先行する第１工程の進捗実績の影響を受ける後続の第２工程において、所定時点以降の進捗実績のデータを簡易な処理によって予測することができる。

【0023】

上記の態様において、完了済みの複数のプロジェクトについて、それぞれ前記進捗実績のデータを蓄積し、前記第１のマイルストンおよび前記第２のマイルストンは、前記蓄積された進捗実績のデータに基づき決定されるとよい。

【0024】

この態様によれば、完了済みの複数のプロジェクトにおける工程の進捗実績のデータを用いることにより、第１及び第２のマイルストンを簡易な処理によって決定することができる。

【0025】

上記の態様において、前記各第１のマイルストンおよび前記各第２のマイルストンは、前記完了済みの複数のプロジェクトのうち、前記第２工程の工期が最も短いプロジェクトの前記進捗実績のデータに基づき決定されるとよい。

【0026】

この態様によれば、適切な第１及び第２のマイルストンを簡易な処理によって決定することができる。

【0027】

上記の態様において、完了済みの複数のプロジェクトについて、それぞれ前記進捗実績のデータを蓄積し、前記影響評価モデルは、前記蓄積された進捗実績のデータに基づき決定されるとよい。

【0028】

この態様によれば、完了済みの複数のプロジェクトにおける工程の進捗実績のデータに基づき、先行する第１工程の進捗が後続の第２工程の進捗評価指標に及ぼす影響を表すモデルを容易に取得することができる。

【0029】

上記の態様において、前記影響評価モデルは、前記蓄積された進捗実績のデータと第２工程の前記進捗評価指標との関係を学習した第３の機械学習モデルであるとよい。

【0030】

この態様によれば、第３の機械学習モデルを用いることにより、第２工程の修正評価指標を簡易な処理によって算出することができる。

【0031】

上記の態様において、前記修正評価指標は、基準時点から前記各第１のマイルストンまでの第１マイルストン期間と、前記基準時点から前記各第２のマイルストンまでの第２マイルストン期間と、前記各第１マイルストン期間およびそれに対応する前記各第２マイルストン期間の差分と、に基づき算出されるとよい。

【0032】

この態様によれば、各第１マイルストン期間および各第２マイルストン期間ならびにそれらの差分に基づき、簡易な処理によって修正評価指標を算出することができる。

【0033】

上記の態様において、前記第１工程の前記進捗実績のデータにおいて、前記第１マイルストンの時期に遅れが生じた場合、前記第２工程の前記進捗計画のデータにおいて対応する前記第２マイルストンの時期を、前記遅れが生じた前記第１マイルストンの時期以降に変更するとよい。

【0034】

この態様によれば、第１工程における第１マイルストンに遅れが生じた場合に、第２工程における第２マイルストンの第１マイルストンに対する相対的な実行時期が不必要に早まることを回避することができる。

【0035】

上記課題を解決するために本発明のある態様は、プロジェクトの進捗予測の処理を実行するプロセッサを備えた進捗予測装置であって、前記プロジェクトは、少なくとも１つの工程を含み、前記プロセッサは、前記工程の進捗度およびそれに対応する実行時期を含む進捗計画のデータを取得し、前記進捗計画における完了済みの部分の進捗度およびそれに対応する実行時期を含む進捗実績のデータを取得し、前記進捗実績のデータに基づき、前記工程の基準時点から所定の進捗度を達成した所定時点までの実績期間を算出し、前記進捗計画のデータに基づき、前記工程の前記基準時点から前記所定の進捗度と同一の進捗度が達成される時点までの計画期間を算出し、前記実績期間および前記計画期間に基づき、前記工程の進捗に関する進捗評価指標を算出し、前記進捗評価指標に基づき、前記所定時点以降における前記進捗実績のデータを予測する構成とする。

【0036】

この態様によれば、実行中のプロジェクトにおける工程の所定時点（すなわち、中間地点）において、所定時点以降の進捗実績のデータ（すなわち、期日を含む進捗）を簡易な処理によって予測することができる。

【0037】

上記課題を解決するために本発明のある態様は、プロジェクトの進捗予測の処理をコンピュータに実行させる進捗予測プログラムであって、前記プロジェクトは、少なくとも１つの工程を含み、前記コンピュータに、前記工程の進捗度およびそれに対応する実行時期を含む進捗計画のデータを取得させ、前記進捗計画における完了済みの部分の進捗度およびそれに対応する実行時期を含む進捗実績のデータを取得させ、前記進捗実績のデータに基づき、前記工程の基準時点から所定の進捗度を達成した所定時点までの実績期間を算出させ、前記進捗計画のデータに基づき、前記工程の前記基準時点から前記所定の進捗度と同一の進捗度が達成される時点までの計画期間を算出させ、前記実績期間および前記計画期間に基づき、前記工程の進捗に関する進捗評価指標を算出させ、前記進捗評価指標に基づき、前記所定時点以降における前記進捗実績のデータを予測させる構成とする。

【0038】

この態様によれば、実行中のプロジェクトにおける工程の所定時点（すなわち、中間地点）において、所定時点以降の進捗実績のデータ（すなわち、期日を含む進捗）を簡易な処理によって予測することができる。

【発明の効果】

【0039】

以上の態様によれば、実行中のプロジェクトにおける工程の中間地点において、その後の期日を含む進捗を簡易な処理によって予測することが可能となる。

【図面の簡単な説明】

【0040】

【図1】第１実施形態に係るプロジェクトの進捗予測システムの全体構成図

【図2】第１実施形態に係る進捗予測サーバの機能ブロック図

【図3】プロジェクトにおける１つの工程に関する進捗計画の一例を示す説明図

【図4】ＳＰＩ値の算出に関する説明図

【図5】進捗実績のデータの予測に関する説明図

【図6】第１実施形態に係る工程のリソース変更後の進捗実績のデータに関する説明図

【図7】第１実施形態に係る進捗予測サーバによる進捗予測処理の流れを示すフロー図

【図8】第２実施形態に係る進捗予測サーバの機能ブロック図

【図9】プロジェクトに含まれる２つの工程の進捗計画におけるマイルストンの対応づけ処理を示す説明図

【図10】先行するプロジェクトが後続のプロジェクトに及ぼす影響を示す説明図

【図11】第２実施形態に係る工程のリソース変更後の進捗実績のデータに関する説明図

【図12】第２実施形態に係る進捗予測サーバによる進捗予測処理の流れを示すフロー図

【発明を実施するための形態】

【0041】

以下、図面を参照して、本発明の実施形態に係るプロジェクトの進捗予測方法、進捗予測装置、及び進捗予測プログラムについて説明する。

【0042】

（第１実施形態）
図１は、第１実施形態に係るプロジェクトの進捗予測システム１の全体構成図である。図２は、図１に示した進捗予測サーバ２の機能ブロック図である。図３は、プロジェクトにおける１つの工程に関する進捗計画の一例を示す説明図である。図４は、ＳＰＩ値の算出に関する説明図である。図５は、進捗実績のデータの予測に関する説明図である。図６は、リソース変更後の進捗実績のデータに関する説明図である。

【0043】

なお、図３－図６のグラフに示された各データの値（すなわち、データの集合によって表される直線または曲線の形状）は、本実施形態の理解を容易とする目的で示されたものであり、実際のプロジェクトにおけるデータの値（直線または曲線の形状）とは必ずしも整合しない。

【0044】

図１に示すように、進捗予測システム１は、実行中のプロジェクトの今後の進捗を予測する処理を行う進捗予測サーバ２（進捗予測装置の一例）と、プロジェクトの管理者等のユーザによって使用される複数のユーザ端末３とを備える。各ユーザ端末３は、インターネット等のネットワーク４を介して進捗予測サーバ２と通信可能である。各ユーザ端末３は、ＰＣ、タブレット端末、及びスマートフォンなどのコンピュータから構成される。

【0045】

本実施形態では、進捗予測システム１が建設プロジェクトに適用された例について説明する。ただし、進捗予測システム１（または進捗予測サーバ２）は、他の任意のプロジェクトに適用され得る。また、本実施形態については、プロジェクトに含まれる１つの工程に注目して説明する。

【0046】

進捗予測サーバ２は、図２に示すように、制御部１１、記憶部１２、及び通信部１３を有する。

【0047】

制御部１１において、進捗計画データ取得部２１は、プロジェクトに含まれる工程の進捗計画のデータを取得する。

【0048】

例えば図３に示すように、進捗計画のデータには、処理対象の工程の進捗度（縦軸を参照）およびそれに対応する実行時期（横軸を参照）のデータが含まれる。本実施形態において、実行時期は、対応する進捗度を達成した時点における基準時点（例えば、プロジェクト開始日）からの経過日数である。図３では、プロジェクトの開始日（期間＝０日、進捗度＝０％）から完了日（期間＝Ｘ_Ｅ日、進捗度＝１００％）までの進捗計画のデータが示されている。建設プロジェクトにおいて、基準時点は、例えば、設計完了日、顧客による設計図の確認完了日、又は建設に必要な資材が建設現場に到達した日であり得る。

【0049】

建設プロジェクトにおいて、工程の進捗度は、例えば、できあがった建設物（部分的に完成した建設物を含む）に関する重量、長さ、または容積などによって表すことができる。例えば、基礎工事に関する工程では、使用予定のコンクリートの全容量に対する実際に使用されたコンクリートの容量（使用量の割合）によって進捗度を決定することができる。なお、建設プロジェクト以外のプロジェクトについても同様に、数値化された進捗の指標を用いて工程の進捗度を決定することができる。

【0050】

進捗計画データ取得部２１は、進捗計画のデータを、過去に実施された複数のプロジェクトの実績データ（以下、「過去実績データ」という。）に基づき取得することができる。それら過去のプロジェクトとしては、処理対象のプロジェクトと同一または類似のプロジェクトであって、許容範囲を超える遅延が生じていない正常に実行されたプロジェクトが選定されるとよい。特に、それら過去のプロジェクトとしては、リソースの追加なしにプロジェクトの開始から完了まで（工期）が最短であった実績データであるとよい。進捗計画のデータは、過去のプロジェクトの実績データと同一であってもよいし、ユーザによって実績データの一部が修正されたものであってもよい。過去実績データは、プロジェクトデータ２８の一部として記憶部１２に予め格納（または蓄積）される。

【0051】

また、進捗計画データ取得部２１は、機械学習によって得られた学習モデルである進捗計画取得モデル３１（第１の機械学習モデルの一例）を利用して進捗計画のデータを取得してもよい。進捗計画取得モデル３１は、過去実績データにおける各工程の進捗度と、それに対応する実行時期との関係を示す教師データを用いて機械学習を行うことによって得られる。進捗計画取得モデル３１は、進捗予測サーバ２が利用可能な学習モデル３０の１つとして予め記憶部１２に格納される。

【0052】

なお、処理対象のプロジェクトと同一または類似のプロジェクトに関する過去実績データが存在しない場合には、進捗計画データは、処理対象のプロジェクトのために新たに作成されるデータであってもよい。この場合、進捗計画データは、処理対象のプロジェクトに含まれる工程について、予測される進捗及びそれに対応する実行時期に基づいて作成され得る。

【0053】

進捗計画データ取得部２１は、ユーザ端末３からのリクエストに応じて、図３に示したような進捗計画に関する画面データをユーザ端末３に送信することができる。これにより、ユーザは、ユーザ端末３のディスプレイに表示された進捗計画に関する画面によってプロジェクトの進捗計画を確認することができる。また、進捗予測サーバ２からユーザ端末３に対して複数の進捗計画の候補に関する画面データが送信され、ユーザが、ユーザ端末３の操作によりそれら進捗計画の候補から進捗計画データを決定してもよい。

【0054】

進捗実績データ取得部２２は、実行中のプロジェクトに関し、処理対象の工程の進捗計画における完了済みの部分の進捗実績のデータを順次取得する。進捗実績のデータには、進捗計画データと同様に、処理対象の工程の進捗度およびそれに対応する実行時期の実績に関するデータが含まれる。取得された進捗実績のデータは、プロジェクトデータ２８の一部として記憶部１２に順次格納される。なお、進捗実績のデータの少なくとも一部は、ユーザによって入力されたデータであってもよい。

【0055】

実績ＳＰＩ（Schedule Performance Index）算出部２３は、処理対象の工程の進捗に関する評価指標としてＳＰＩ値（進捗評価指標の一例）を算出する。

【0056】

ここで、例えば図３に示した上述の進捗計画に対して、工程の中間地点で進捗実績に遅れが生じている場合を考える。このとき、実績ＳＰＩ算出部２３は、例えば図４に示すように、中間地点（期間＝Ｘ２の時点）において、進捗実績のデータ（実線を参照）に基づき、工程の基準時点（ここでは、プロジェクト開始日）から所定の進捗度（ここでは、Ｙ１）を達成した時点（プロジェクトにおける工程の中間地点）までの実績期間（ここでは、Ｘ２）を算出する。実績期間は、進捗実績における進捗度Ｙ１に対応する実行時期に相当する。

【0057】

また、実績ＳＰＩ算出部２３は、進捗計画のデータ（図３中の破線を参照）に基づき、その実績期間に対応する進捗度（ここでは、Ｙ１）と同一の進捗度が達成される時点までの計画期間（ここでは、Ｘ１）を算出する。計画期間は、進捗計画における進捗度Ｙ１に対応する実行時期に相当する。

【0058】

さらに、実績ＳＰＩ算出部２３は、それら実績期間および計画期間に基づき、その中間地点におけるＳＰＩ値を算出する。

【0059】

実績ＳＰＩ算出部２３は、例えば、次の式（１）に基づき、実績期間に対する計画期間の比としてＳＰＩ値を算出することができる。
ＳＰＩ値＝Ｘ１／Ｘ２ ・・・（１）
Ｘ１：計画期間
Ｘ２：実績期間

【0060】

プロジェクトにおける工程の中間地点（ＳＰＩ値の算出時）において当該工程が計画通りに進んでいる場合、実績期間は計画期間と等しくなり、ＳＰＩ値＝１となる。また、中間地点において工程が計画よりも早く進んでいる場合には、ＳＰＩ値＞１となり、図４に示すように工程に遅延が生じている場合には、ＳＰＩ値＜１となる。

【0061】

進捗予測部２４は、ＳＰＩ値に基づき、中間地点以降における進捗実績を予測することにより、予測された進捗実績のデータを生成する。例えば、進捗予測部２４は、中間地点において算出されたＳＰＩ値が今後も一定であると仮定することにより、中間地点以降の進捗実績（工程の進捗度およびそれに対応する実行時期）を予測することができる。

【0062】

進捗予測部２４は、上述の図４においてＳＰＩ値を算出した中間地点（ここでは、期間＝Ｘ２）以降の進捗実績を、例えば図５（一点鎖線を参照）に示すように予測できる。

【0063】

さらに、進捗予測部２４は、予測した中間地点以降の進捗実績のデータに基づき、プロジェクト（工程）に遅延が生じているか否かを判定する。プロジェクトの遅延は、例えば、予測された進捗実績における工程の完了日が予め設定された基準完了日を超えているか否かによって判断できる。そのような基準完了日としては、進捗計画における処理対象の工程の完了日が用いられるか、或いは、進捗計画における処理対象の工程の完了日に所定の予備期間（遅延が許容される期間）を加算して得られた日が用いられ得る。

【0064】

進捗予測部２４は、プロジェクトの遅延が生じていると判定した場合、さらにプロジェクトのプロダクティビティ（生産性）を算出する。プロダクティビティは、中間地点における処理対象の工程への入力に対する出力の比（プロダクティビティ＝出力／入力）である。入力としては、工程に投入された工数（人員×労働時間）を用いることができる。また、出力としては、できあがった建設物（部分的に完成した建設物を含む）に関する重量、長さ、または容積などを工数に換算したものを用いることができる。

【0065】

進捗予測部２４は、算出したプロダクティビティが１（またはその近似値）の場合、ＳＰＩ値を大きくするように、プロジェクトに必要なリソースを追加する必要があると判定する。建設プロジェクトの場合、リソースには、例えば、作業員や建設機械の数などが含まれる。一方、進捗予測部２４は、算出したプロダクティビティが１未満の場合、進捗計画の見直し（施工方法の変更を含む）を検討する必要があると判定する。進捗予測部２４は、プロジェクトの遅延が生じているか否かの判定結果および算出したプロダクティビティの値をユーザ端末３に送信することができる。これにより、ユーザは、リソースの追加や、進捗計画の見直しが必要であることを認識することができる。

【0066】

リソース算出部２５は、進捗予測部２４によってリソースの追加が必要であると判定された場合に、中間地点以降の工程に必要なリソース（すなわち、遅延を修正するためのリソース）を算出し、進捗計画において設定されていたリソースを変更する（すなわち、リソースの追加投入を設定する）。

【0067】

リソース算出部２５は、機械学習によって得られた学習モデルであるリソース算出モデル３２（第２の機械学習モデルの一例）を利用して必要なリソースを算出することができる。リソース算出モデル３２は、過去実績データにおける各工程に投入されたリソースと、そのリソースが投入された後の工程の工期（リソースの投入によって実行時期が前倒しされた日数を含む）との関係を示す教師データを用いて機械学習を行うことによって得られる。リソース算出モデル３２は、進捗予測サーバ２が利用可能な学習モデル３０の１つとして予め記憶部１２に格納される。

【0068】

進捗予測部２４は、リソース算出部２５によって変更されたリソースに基づき、修正されたＳＰＩ値（修正評価指標の一例）を算出することができる。さらに、進捗予測部２４は、修正したＳＰＩ値に基づき、中間地点以降における進捗実績のデータを再予測することにより、修正された進捗実績の予測データを生成することができる。これにより、修正後の進捗実績のデータは、図６（太い実線を参照）に示すように、上述の図５において予想された進捗実績のデータ（一点鎖線を参照）から、より工期（完了日までの期間）が短縮されるように推移する。その結果、プロジェクトの管理者は、中間地点においてリソースを変更（追加投入）することにより、予め設定されたプロジェクトの基準完了日までに工程を完了させることが可能となる。また、リソース算出部２５は、プロジェクトの基準完了日までに工程を完了させるために必要となる追加リソースと併せて、追加リソースを投入するために必要となる追加コストを算出するようにも構成され得る。この場合、ユーザは、必要となる追加リソースに必要となるコストと、プロジェクトの完了日が遅れることによるリスクとを比較考慮し、追加リソースを投入してプロジェクト進捗を修正するか否かを選択することができる。

【0069】

リソース算出部２５は、実際のリソースの変更をユーザに促すために、必要なリソースに関する情報をユーザ端末３に送信することができる。このとき、リソース算出部２５は、図６に示されたような修正された進捗実績の予測データに関する画面データをユーザ端末３に送信することができる。これにより、ユーザは、ユーザ端末３のディスプレイに表示されたその予測データに関する画面により、リソースの追加の有用性を確認することができる。その後、ユーザが、リソースの変更（必要なリソースの追加）を速やかに実行することにより、図６に示された修正後の進捗実績と同様の進捗実績が得られる。

【0070】

記憶部１２は、進捗予測サーバ２の処理に必要なデータや情報を記憶するためのストレージ等のハードウェアによって構成され得る。

【0071】

通信部１３は、ネットワーク４を介して進捗予測サーバ２がユーザ端末３等と通信を行うためのアンテナや通信回路等を含むハードウェアによって構成され得る。制御部１１は、通信部１３によるユーザ端末３等との通信を制御する通信制御部としても機能し得る。

【0072】

進捗予測サーバ２は、公知のハードウェアを備えたコンピュータから構成される。進捗予測サーバ２は、１以上のプロセッサ、メモリ、ディスプレイ、入力機器、ネットワークインタフェース、及びストレージ等の公知のハードウェアを適宜備える。制御部１１における各部２１－２５の機能の少なくとも一部は、プロセッサが所定の制御プログラム（進捗予測プログラムの一例）を実行することにより実現可能である。なお、進捗予測システム１では、上述の進捗予測サーバ２の機能の少なくとも一部を、複数のコンピュータが協働することにより実現してもよい。

【0073】

進捗予測システム１において、ユーザは、ユーザ端末３を介して進捗予測サーバ２を操作することが可能である。ただし、進捗予測サーバ２は、ユーザによって直接操作されてもよい。その場合、進捗予測サーバ２は、スタンドアロン方式であってもよく、また、ユーザ端末３は省略されてもよい。

【0074】

図７は、第１実施形態に係る進捗予測サーバ２による進捗予測処理の流れを示すフロー図である。

【0075】

進捗予測処理では、まず、進捗予測サーバ２は、処理対象の工程に関する進捗計画のデータおよび現時点（中間地点）での進捗実績のデータをそれぞれ取得する（ＳＴ１０１、ＳＴ１０２）。

【0076】

次に、進捗予測サーバ２は、進捗実績のデータに基づき算出した実績期間と、進捗計画のデータに基づき算出した計画期間とに基づき、現時点でのＳＰＩ値を算出する（ＳＴ１０３）。

【0077】

続いて、進捗予測サーバ２は、進捗計画のデータおよびＳＰＩ値に基づき、今後（中間地点以降）の進捗実績を予測する（ＳＴ１０４）。さらに、進捗予測サーバ２は、今後の進捗実績の予測結果に基づき、リソースの変更（リソースの追加）が必要か否かを判定する（ＳＴ１０５）。

【0078】

そこで、リソースの変更の必要がない場合（ＳＴ１０５でＮｏ）、進捗予測処理は終了する。一方、リソースの変更が必要である場合（ＳＴ１０５でＹｅｓ）、進捗予測サーバ２は、必要なリソースを算出し（ＳＴ１０６）、ユーザ（ユーザ端末３）に対してリソースの追加を指示する。これにより、ユーザは、プロジェクトにおけるリソースの変更を実行する。

【0079】

このような第１実施形態に係る進捗予測システム１によれば、実行中のプロジェクトにおける工程の所定時点（すなわち、中間地点）において、所定時点以降の進捗実績のデータ（すなわち、期日を含む進捗）を簡易な処理によって予測することができる。

【0080】

（第２実施形態）
図８は、第２実施形態に係る進捗予測サーバ２の機能ブロック図である。図９は、プロジェクトに含まれる２つの工程の進捗計画におけるマイルストンの対応づけ処理を示す説明図である。図１０は、先行するプロジェクトが後続のプロジェクトに及ぼす影響を示す説明図である。図１１は、工程のリソース変更後の進捗実績のデータに関する説明図である。

【0081】

なお、第２実施形態に係る進捗予測システム１に関し、第１実施形態と同様の構成要素については、同一の符号を付すことにより詳細な説明を省略する。また、第２実施形態に係る進捗予測システム１について、以下で特に言及しない事項については、第１実施形態の場合と同様である。

【0082】

上述の第１実施形態では、プロジェクトに含まれる工程の１つに注目したが、プロジェクトに複数の工程（ここでは、２つの工程）が含まれる場合、先行するＡ工程（第１工程の一例）の進捗が後続のＢ工程（第２工程の一例）の進捗に影響を及ぼす場合がある。そこで、第２実施形態に係る進捗予測システム１は、そのような複数の工程を含むプロジェクトに適用される。

【0083】

後続のＢ工程は、Ａ工程が開始された後（すなわち、Ａ工程がある程度進んだ後）に開始される必要がある。建設プロジェクトにおいて、例えば、Ａ工程は、基礎工事に関する工程であり、また、Ｂ工程は、基礎工事で設けられた基礎の上に設置される鉄骨の工事に関する工程である。また例えば、Ａ工程が、鉄骨工事に関する工程であり、また、Ｂ工程が、鉄骨工事で設置された鉄骨に支持される配管の工事に関する工程であってもよい。

【0084】

進捗予測システム１（進捗予測サーバ２）において、先行するＡ工程の進捗予測処理については、上述の第１実施形態の場合と同様に実行することができる。一方、Ｂ工程の進捗予測処理については、Ａ工程の進捗実績の影響を受けるため、その影響を考慮して実行される必要がある。

【0085】

図８に示すように、第２実施形態に係る進捗予測サーバ２は、第１実施形態の場合と同様に、制御部１１、記憶部１２、及び通信部１３を有する。

【0086】

制御部１１において、進捗計画データ取得部２１、進捗実績データ取得部２２、及び実績ＳＰＩ算出部２３は、Ａ工程およびＢ工程ついて、それぞれ第１実施形態と同様の処理を順次実行する。また、進捗予測部２４は、Ａ工程について、第１実施形態と同様の処理を実行する。

【0087】

進捗予測部２４は、Ａ工程の進捗がＢ工程に及ぼす影響を表すモデルである影響評価モデル３５（第３の機械学習モデルの一例）と、進捗予測部２４によるＡ工程に関する進捗実績の予測データに基づき、Ｂ工程のＳＰＩ値を修正し、その修正されたＳＰＩ値に基づきＢ工程の進捗実績を予測することができる。

【0088】

進捗予測システム１では、進捗予測処理の前に、影響評価モデル３５を取得するための準備フェーズが実行される。その準備フェーズでは、例えば、Ａ工程およびＢ工程の進捗計画における１以上のマイルストン（工程における所定の地点）の対応づけ処理が実行される。

【0089】

マイルストンの対応付け処理では、図９に示すように、例えば、Ｂ工程の開始時点（期間＝Ｘ１、進捗度＝Ｙ（Ｂ１））のマイルストンＢ１と、それに対応する（すなわち、実行時期が重なる）Ａ工程の中間地点（期間＝Ｘ１、進捗度＝Ｙ（Ａ１））におけるマイルストンＡ１とが対応づけられる。また、例えば、Ｂ工程の進捗度の推移（曲線）における変曲点に相当する中間地点（期間＝Ｘ２、進捗度＝Ｙ（Ｂ２））におけるマイルストンＢ２と、それに対応するＡ工程の中間地点（期間＝Ｘ２、進捗度＝Ｙ（Ａ２））におけるマイルストンＡ２とが対応づけられる。

【0090】

このようなマイルストンの対応付けは、例えば、過去の同一または類似のプロジェクトにおいて採用されたマイルストンの対応付けに従って実行することができる。特に、マイルストンの対応付けは、許容範囲を超える遅延が生じていない正常に実行された過去のプロジェクトにおいて採用されたマイルストンの対応付けに従って実行するとよい。特に、そのような過去のプロジェクトとしては、プロジェクトの開始から完了まで（工期）が最短であったプロジェクトであるとよい。

【0091】

次に、準備フェーズでは、Ａ工程におけるマイルストンＡ１、Ａ２（第１のマイルストンの一例）における進捗実績の変化（期日の遅延等）が、それぞれ対応づけられたＢ工程におけるマイルストンＢ１、Ｂ２（第２のマイルストンの一例）に及ぼす影響を表す影響評価モデル３５が生成される。影響評価モデル３５は、いわば、先行のＡ工程のＳＰＩ値が後続のＢ工程のＳＰＩ値にどのように伝播するかを算出するＳＰＩ値の伝播の程度を同定するモデルとも理解される。影響評価モデル３５は、進捗予測サーバ２が利用可能な学習モデル３０の１つとして記憶部１２に格納される。

【0092】

影響評価モデル３５は、数理モデルであってもよいし、機械学習モデルであってもよい。例えば、影響評価モデル３５は、数理モデルから構成されてもよい。そのような数理モデルでは、例えば、評価対象のマイルストンに関するＢ工程（すなわち、後続工程）のＳＰＩ値は、Ｂ工程と同時並行で進められているＡ工程（すなわち、先行工程）で得られたＳＰＩ値に基づき算出され得る。その場合、Ｂ工程のＳＰＩ値は、Ａ工程のＳＰＩ値に所定の係数を掛けた値や、Ａ工程のＳＰＩ値の平方根等であってもよい。或いは、数理モデルでは、Ａ工程が遅れているにもかかわらず、対応するＡ工程のマイルストンを待たずして（すなわち、予定された開始日よりも早く）Ｂ工程が着工された場合には、Ｂ工程のＳＰＩ値は、Ｂ工程の計画期間とその早まった期間とに基づき算出され得る。その場合、Ｂ工程のＳＰＩ値は、Ｂ工程の計画期間にその早まった期間を加算した値に対するＢ工程の計画期間の比として算出されてもよい。

【0093】

また、影響評価モデル３５は、例えば、過去実績データにおける先行工程（Ａ工程に相当）の各マイルストンに関するデータ（進捗計画及び進捗実績における進捗度およびそれに対応する実行時期のデータ）と、後続工程（Ｂ工程に相当）の対応する各マイルストンに関するデータとの関係を示す教師データを用いて機械学習を行うことによって得られる。より詳細には、影響評価モデル３５は、次のように取得することができる。

【0094】

例えば図１０に示すように、進捗計画においてＡ工程のマイルストンＡ１（期間＝Ｘ１）に対応するＢ工程のマイルストンＢ１が、進捗実績において計画よりも早く開始（期間＝Ｘ１（Ｂ）で開始）された場合について考える。図１０におけるＡ工程およびＢ工程の進捗計画のデータは、図９に示したデータと同様である。

【0095】

図１０において、Ｂ工程の開始時点（期間＝Ｘ１（Ｂ）（第２マイルストン期間の一例））では、Ａ工程がマイルストンＡ１（期間＝Ｘ１（Ａ）（第１マイルストン期間の一例））に到達していないため（例えば、Ｂ工程の鉄骨工事を行うための基礎が完成していないため）、Ｂ工程における作業の進行が阻害される。その結果、Ｂ工程に進捗計画以上の時間を要し、余計なリソースがかかってしまったり、Ｂ工程の進捗の実績に大きな遅れが生じたりすることになる。

【0096】

この場合、Ａ工程およびＢ工程における各マイルストンＡ１、Ａ２、Ｂ１、Ｂ２に関するＳＰＩ値は以下のように算出される。
ＳＰＩ値（マイルストンＡ１）＝Ｘ１／Ｘ１（Ａ）
ＳＰＩ値（マイルストンＡ２）＝Ｘ２／Ｘ２（Ａ）
ＳＰＩ値（マイルストンＢ１）＝Ｘ１／Ｘ１（Ｂ）
ＳＰＩ値（マイルストンＢ２）＝Ｘ２／Ｘ２（Ｂ）

【0097】

影響評価モデル３５は、上記のようなＡ工程のマイルストンＡ１、Ａ２に関するＳＰＩ値と、Ｂ工程の対応するマイルストンＢ１、Ｂ２に関するＳＰＩ値との関係を示す教師データを用いて機械学習を行うことによって得ることが可能である。

【0098】

また、図１０において、Ａ工程の進捗実績におけるマイルストンＡ１、Ａ２の実行時期と、対応するＢ工程の進捗実績におけるマイルストンＢ１、Ｂ２の実行時期との差分ΔＸ（計画と実績の乖離）は以下のように算出される。
ΔＸ（マイルストンＡ１、Ｂ１）＝Ｘ１（Ｂ）－Ｘ１（Ａ）
ΔＸ（マイルストンＡ２、Ｂ２）＝Ｘ２（Ｂ）－Ｘ２（Ａ）

【0099】

影響評価モデル３５は、上記のようなＡ工程のマイルストンＡ１、Ａ２およびＢ工程のマイルストンＢ１、Ｂ２の実行時期の差分ΔＸと、Ｂ工程の対応するマイルストンＢ１、Ｂ２におけるＳＰＩ値との関係を示す教師データを用いて機械学習を行うことによって得ることも可能である。

【0100】

また、機械学習を行うための過去実績データについては、各マイルストンの設定の妥当性も考慮され得る（すなわち、マイルストンが適切に設定された過去実績データのみが学習の対象となり得る）。

【0101】

進捗予測部２４は、Ａ工程に関する進捗実績のデータ（予測された進捗実績のデータを含む）と、影響評価モデル３５とによってＢ工程のＳＰＩ値を修正することができる。さらに、進捗予測部２４は、その修正したＳＰＩ値に基づき、Ｂ工程の中間地点以降における進捗実績を予測することにより、予測された進捗実績のデータを生成することができる。これにより、修正後の進捗実績のデータは、図１１（太い実線を参照）に示すように、Ｂ工程の中間地点（期間＝Ｘ２（Ｂ））の以降において、より工期（完了日までの期間）が短縮されるように推移する。その結果、進捗予測システム１では、Ｂ工程を基準完了日までに工程を完了させることが可能となる。

【0102】

図１１に示した例では、Ａ工程の進捗実績は修正されていないが、Ａ工程の進捗実績が修正された場合（すなわち、リソースが追加投入された場合）には、その進捗実績の修正にともない、影響評価モデル３５によって修正されるＢ工程のＳＰＩ値も変化する。

【0103】

なお、第２実施形態に係る進捗予測システム１では、進捗計画データ取得部２１によるＢ工程に関する進捗計画のデータの取得時には、Ａ工程が既に開始され、かつ、Ａ工程に遅れが生じている場合がある。そのような場合、Ｂ工程の進捗計画のデータにおける工程の開始時期（第２マイルストン）は、対応するＡ工程の第１マイルストンよりも早い時期に設定されることになる。

【0104】

そこで、進捗計画データ取得部２１は、Ａ工程の進捗実績のデータに基づき、Ａ工程に遅れが生じており、かつ、Ａ工程が第１マイルストンに到達していないと判定した場合には、Ｂ工程の開始時期（第２マイルストン）が、対応するＡ工程の第１マイルスト以降となるように、取得したＢ工程に関する進捗計画のデータを修正することができる。この場合、B工程の開始時期を遅らせることになり、プロジェクト全体の完了予定日は当初の計画よりも遅れることになり得るが、B工程を修正後の進捗計画に合わせて実行する（すなわち、Ｂ工程のＳＰＩ値を一定に保つ）ことにより、B工程自体に要する工期の延長を抑え、過剰なコストの出費を防ぐことができる。

【0105】

図１２は、第２実施形態に係る進捗予測サーバ２による進捗予測処理の流れを示すフロー図である。

【0106】

進捗予測処理では、進捗予測サーバ２は、図７に示したステップＳＴ１０１－ＳＴ１０３とそれぞれ同様の処理であるＳＴ２０１－ＳＴ２０３を実行する。

【0107】

次に、進捗予測サーバ２は、処理対象が後続工程であるか（先行工程の影響を受けるか）否かを判定する（ＳＴ２０４）。そこで、処理対象が後続工程である場合には、進捗予測サーバ２は、ステップＳＴ２０３で算出したＳＰＩ値を、先行工程について予測された進捗実績のデータと、影響評価モデル３５とに基づき修正する（ＳＴ２０５）。一方、処理対象が後続工程でない（先行工程の影響を受けない）場合には、進捗予測サーバ２は、ステップＳＴ２０３で算出したＳＰＩ値をそのまま用いる。

【0108】

その後、進捗予測サーバ２は、図７に示したステップＳＴ１０５－ＳＴ１０７とそれぞれ同様の処理であるＳＴ２０７－２０９を実行する。

【0109】

このような第２実施形態に係る進捗予測システム１によれば、プロジェクトに複数の工程（ここでは、Ａ工程、Ｂ工程）が含まれる場合に、工程間の影響を表す影響評価モデルに基づき修正されたＳＰＩ値に基づき、Ｂ工程の所定時点（中間地点）以降におけるデータを予測するため、先行するＡ工程の進捗実績の影響を受ける後続のＢ工程において、所定時点以降の進捗実績のデータを簡易な処理によって予測することができる。

【0110】

以上で具体的な実施形態の説明を終えるが、本発明は上記実施形態や変形例に限定されることなく、幅広く変形実施することができる。上述の実施形態に示したプロジェクトの進捗予測方法、進捗予測装置、及び進捗予測プログラムの各構成要素は、必ずしも全てが必須ではなく、少なくとも当業者であれば本発明の範囲を逸脱しない限りにおいて適宜取捨選択することが可能である。

【符号の説明】

【0111】

１ ：進捗予測システム
２ ：進捗予測サーバ（進捗予測装置の一例）
３ ：ユーザ端末
４ ：ネットワーク
１１：制御部
１２：記憶部
１３：通信部
２１：進捗計画データ取得部
２２：進捗実績データ取得部
２３：実績ＳＰＩ算出部
２４：進捗予測部
２５：リソース算出部
２８：プロジェクトデータ
３０：学習モデル
３１：進捗計画取得モデル（第１の機械学習モデルの一例）
３２：リソース算出モデル（第２の機械学習モデルの一例）
３５：影響評価モデル（第３の機械学習モデルの一例）

【要約】

【課題】実行中のプロジェクトにおける工程の中間地点において、その後の期日を含む進捗を簡易な処理によって予測可能とする。
【解決手段】少なくとも１つの工程を含むプロジェクトの進捗予測方法において、工程の進捗度およびそれに対応する実行時期を含む進捗計画のデータを取得し、その進捗計画における完了済みの部分の進捗度およびそれに対応する実行時期を含む進捗実績のデータを取得し、その進捗実績のデータに基づき、工程の基準時点から所定の進捗度を達成した所定時点までの実績期間を算出し、進捗計画のデータに基づき、工程の基準時点から所定の進捗度と同一の進捗度が達成される時点までの計画期間を算出し、実績期間および計画期間に基づき、工程の進捗に関する進捗評価指標を算出し、進捗評価指標に基づき、所定時点以降における進捗実績のデータを予測する構成とする。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】