特許 7584684 機械学習装置、ＷＢＳ作成装置、機械学習方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-11-07

(45)【発行日】2024-11-15

(54)【発明の名称】機械学習装置、ＷＢＳ作成装置、機械学習方法

(51)【国際特許分類】

   G06Q 10/06 20230101AFI20241108BHJP

   G06Q 10/10 20230101ALI20241108BHJP

【ＦＩ】

G06Q10/06

G06Q10/10 310

【請求項の数】 10

(21)【出願番号】P 2023576619

(86)(22)【出願日】2022-10-19

(86)【国際出願番号】 JP2022038871

(87)【国際公開番号】W WO2023145158

(87)【国際公開日】2023-08-03

【審査請求日】2024-01-05

(31)【優先権主張番号】PCT/JP2022/003585

(32)【優先日】2022-01-31

(33)【優先権主張国・地域又は機関】JP

(73)【特許権者】

【識別番号】000006013

【氏名又は名称】三菱電機株式会社

(74)【代理人】

【識別番号】100088672

【弁理士】

【氏名又は名称】吉竹 英俊

(74)【代理人】

【識別番号】100088845

【弁理士】

【氏名又は名称】有田 貴弘

(72)【発明者】

【氏名】西本 一平

【審査官】山崎 誠也

(56)【参考文献】

【文献】特開２００９－１７６０１０（ＪＰ，Ａ）

【文献】中国特許出願公開第１１２６８５８０４（ＣＮ，Ａ）

【文献】中国特許出願公開第１１２０６９４１７（ＣＮ，Ａ）

【文献】大島 丈史，プロジェクトマネジメントへのＡＩ活用の知識分類モデル，Journal of International Association of P2M，Vol.13 No.1, 2018，2018年，p.121-141

【文献】内平直志，人工知能とプロジェクトマネジメント，IEICE Fundamentals Review [online]，Vol.13 No.4，2020年05月10日，p.277-283，[2022年4月12日検索], インターネット<URL:https://web.archive.org/web/20200510011451/https://www.jstage.jst.go.jp/article/essfr/13/4/13_277/_pdf>

(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】

標準規格のＷＢＳワークパッケージに関する第１情報と、前記標準規格に対応するプロジェクトのＷＢＳワークパッケージに関する第２情報と、前記標準規格に対応するプロジェクトのプロセス診断結果に関する第３情報とを取得する取得部と、
前記第１情報と前記第２情報と前記第３情報とに基づいてＷＢＳワークパッケージに関する学習を行うことにより、前記第１情報と前記第２情報と前記第３情報とを関連付けた、ＷＢＳの作成に用いられる関連情報を生成する学習制御部と
を備える、機械学習装置。

【請求項2】

請求項１に記載の機械学習装置であって、
前記関連情報は、前記ＷＢＳワークパッケージの内容を含む、機械学習装置。

【請求項3】

請求項１または請求項２に記載の機械学習装置であって、
前記関連情報は、前記ＷＢＳワークパッケージ同士を関連付けるトレース情報を含む、機械学習装置。

【請求項4】

請求項１または請求項２に記載の機械学習装置であって、
前記関連情報は、前記標準規格及び前記プロジェクトの少なくともいずれか１つの用語及び名称の少なくともいずれか１つを含む、機械学習装置。

【請求項5】

請求項１または請求項２に記載の機械学習装置であって、
前記関連情報は、診断情報の用語及び名称の少なくともいずれか１つを含む、機械学習装置。

【請求項6】

請求項１または請求項２に記載の機械学習装置であって、
前記取得部は、ネットワークから前記第１情報及び前記第２情報を取得する、機械学習装置。

【請求項7】

請求項１または請求項２に記載の機械学習装置であって、
前記第２情報が取得される前記プロジェクトは、現在のプロジェクトを含む、機械学習装置。

【請求項8】

請求項１または請求項２に記載の機械学習装置であって、
前記機械学習装置はクラウドサーバーに設けられている、機械学習装置。

【請求項9】

請求項１または請求項２に記載の機械学習装置を備え、
現在のプロジェクトの情報と、前記関連情報とに基づいて、前記現在のプロジェクトのＷＢＳを作成する、ＷＢＳ作成装置。

【請求項10】

取得部が、標準規格のＷＢＳワークパッケージに関する第１情報と、前記標準規格に対応するプロジェクトのＷＢＳワークパッケージに関する第２情報と、前記標準規格に対応するプロジェクトのプロセス診断結果に関する第３情報とを取得し、
学習制御部が、前記第１情報と前記第２情報と前記第３情報とに基づいてＷＢＳワークパッケージに関する学習を行うことにより、前記第１情報と前記第２情報と前記第３情報とを関連付けた、ＷＢＳの作成に用いられる関連情報を生成する、機械学習方法。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、機械学習装置、ＷＢＳ作成装置、機械学習方法に関する。

【背景技術】

【0002】

製品を開発するプロジェクトは、顧客が要求する品質、価格及び期限を満たす製品を作成する活動である。しかしながら、プロジェクトの中でも特にソフトウェア開発では、システムに組み込まれるまで顧客が要求する品質、価格及び期限を満たした活動が計画的に遂行されているか否かを判断することが難しい。このような課題を抱えているソフトウェア開発では、ＷＢＳ（Work Breakdown Structure）を活用することが提案されている。

【0003】

ＷＢＳは、プロジェクトの開始から完了までのすべての作業を抜け漏れなく洗い出すことが可能な仕組みである。しかしながら、近年のプロジェクトでは、ＷＢＳワークパッケージ数が増加し、ＷＢＳワークパッケージ間の繋がりの複雑さが増加している傾向にある。さらに、同じ組織の中で、品質特性に差異がある製品を並行して作成する場合もある。品質特性の中でも特に性能及び拡張性、運用及び保守性、システム環境及びエコロジーを求められる標準規格の準拠の差異は、プロジェクトに対するＷＢＳの作成を困難化させている。

【0004】

このような問題を解決するために様々な技術が提案されている。例えば、特許文献１には、成果物には管理ＩＤが付与され、管理ＩＤにはトレース情報が付随され、トレース情報がトレーサビリティＩＤ記録端末に登録される技術が提案されている。特許文献２には、状態変数及び判定データを教師データとして用いる教師あり学習が提案されている。

【先行技術文献】

【特許文献】

【0005】

【文献】特開２０１８－５８０２号公報

【文献】特開２０１７－１８８０３０号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

従来、有識者が、顧客から受けた要求を分析し、組織の過去のプロジェクト実績から抽出した最適な再利用資産から、ＷＢＳのベースを作成することが一般的である。しかしながら、この作成方法では、有識者のスキルに依存する要素が多く、また、限られた時間でＷＢＳのベースに顧客から受けた要求を適宜組み込みつつ、標準規格の準拠の整合性を確立することは困難である。

【0007】

そこで、このような問題に対して、標準規格の情報に基づいて学習を行うことが考えられるが、標準規格の情報だけでは適切なＷＢＳを作成できないという問題があった。

【0008】

そこで、本開示は、上記のような問題点に鑑みてなされたものであり、適切な汎用ＷＢＳを作成可能な技術を提供することを目的とする。

【課題を解決するための手段】

【0009】

本開示に係る機械学習装置は、標準規格のＷＢＳワークパッケージに関する第１情報と、前記標準規格に対応するプロジェクトのＷＢＳワークパッケージに関する第２情報と、前記標準規格に対応するプロジェクトのプロセス診断結果に関する第３情報とを取得する取得部と、前記第１情報と前記第２情報と前記第３情報とに基づいてＷＢＳワークパッケージに関する学習を行うことにより、前記第１情報と前記第２情報と前記第３情報とを関連付けた、ＷＢＳの作成に用いられる関連情報を生成する学習制御部とを備える。

【発明の効果】

【0010】

本開示によれば、標準規格のＷＢＳワークパッケージに関する第１情報と、標準規格に対応するプロジェクトのＷＢＳワークパッケージに関する第２情報と、標準規格に対応するプロジェクトのプロセス診断結果に関する第３情報とに基づいてＷＢＳワークパッケージに関する学習を行うことにより関連情報を生成する。このような構成によれば、適切な汎用ＷＢＳを作成することができる。

【0011】

本開示の目的、特徴、局面及び利点は、以下の詳細な説明と添付図面とによって、より明白となる。

【図面の簡単な説明】

【0012】

【図1】実施の形態１に係る機械学習装置の構成の一例を示すブロック図である。

【図2】実施の形態１に係る機械学習処理の一例を説明するためのフローチャートである。

【図3】実施の形態１に係るＩＤ管理テーブルの一例を示す図である。

【図4】実施の形態１に係る機械学習処理の一例を説明するためのフローチャートである。

【図5】実施の形態１に係る用語管理テーブルの一例を示す図である。

【図6】実施の形態１に係る機械学習処理の一例を説明するためのフローチャートである。

【図7】実施の形態１に係る汎用ＷＢＳタスクテーブルの一例を示す図である。

【図8】実施の形態１に係る汎用ＷＢＳリンクテーブルの一例を示す図である。

【図9】実施の形態１に係るリンク種別の一例を示す図である。

【図10】ニューラルネットワークの構成例を示す図である。

【図11】実施の形態２に係るＷＢＳ作成装置の構成の一例を示すブロック図である。

【図12】実施の形態２に係る情報入力部の入力画面の一例を示す図である。

【図13】実施の形態２に係る情報出力部の出力画面の一例を示す図である。

【図14】実施の形態２に係る情報出力部の出力画面の一例を示す図である。

【図15】その他の変形例に係る機械学習装置のハードウェア構成を示すブロック図である。

【図16】その他の変形例に係る機械学習装置のハードウェア構成を示すブロック図である。

【発明を実施するための形態】

【0013】

＜実施の形態１＞
図１は、本実施の形態１に係る機械学習装置の構成の一例を示すブロック図である。図１の機械学習装置は、規格管理部１０１と、汎用ＷＢＳ制御部１０５と、資産管理部１１１と、診断管理部１２１とを含む。規格管理部１０１、汎用ＷＢＳ制御部１０５、資産管理部１１１、及び、診断管理部１２１の少なくともいずれかは、１つの端末に設けられてもよいし、複数の端末に分散して設けられてもよい。また、図１の機械学習装置はクラウドサーバーに設けられてもよい。

【0014】

規格管理部１０１は、標準規格のＷＢＳワークパッケージに関する第１情報を管理する。資産管理部１１１は、標準規格に対応するプロジェクトのＷＢＳワークパッケージに関する第２情報を管理する。診断管理部１２１は、標準規格に対応するプロジェクトのプロセス診断結果の評定結果に関する第３情報を管理する。標準規格に対応するプロジェクトは、例えば、標準規格を再利用したプロジェクトなどを含む。以下の説明では、標準規格に対応するプロジェクトを単に「プロジェクト」とのみ記載することもある。第１情報は、標準規格のＷＢＳワークパッケージそのものを含んでもよいし、第２情報は、プロジェクトのＷＢＳワークパッケージそのものを含んでもよい。

【0015】

汎用ＷＢＳ制御部１０５は、規格管理部１０１及び資産管理部１１１で管理されている第１情報、第２情報及び第３情報に基づいてＷＢＳワークパッケージに関する学習を行うことにより、第１情報、第２情報及び第３情報を関連付ける関連情報を生成する。ＷＢＳワークパッケージに関する学習は、ＷＢＳワークパッケージそのものの学習であってもよい。

【0016】

この学習により生成される関連情報は、汎用ＷＢＳの作成などに用いられる。本実施の形態１に係る関連情報は、ＩＤ管理テーブル１０６、用語管理テーブル１０７、汎用ＷＢＳタスクテーブル１０８、及び、汎用ＷＢＳリンクテーブル１０９の少なくともいずれか１つを含む。しかしながら、関連情報はこれらに限ったものではなく、例えば、これらテーブル以外のテーブルを含んでもよい。

【0017】

規格管理部１０１は、例えば、規格情報テーブル１０２と、規格用語テーブル１０３と、規格関連テーブル１０４とを、第１情報として管理する。規格情報テーブル１０２には、標準規格に定義された情報に基づいた技術系プロセス活動、管理系プロセス活動、及び、支援系プロセス活動を含むＷＢＳワークパッケージが登録される。規格用語テーブル１０３には、標準規格に定義された用語の意味が登録される。規格関連テーブル１０４には、標準規格の名称と関連する他の標準規格の名称とが登録される。

【0018】

資産管理部１１１は、例えば、資産情報テーブル１１２と、資産用語テーブル１１３と、資産関連テーブル１１４とを、第２情報として管理する。資産情報テーブル１１２には、過去のプロジェクトで実行した技術系プロセス活動、管理系プロセス活動、及び、支援系プロセス活動を含むＷＢＳワークパッケージが登録される。資産用語テーブル１１３には、プロジェクトで定義された用語の意味が登録される。資産関連テーブル１１４には、プロジェクトで準拠する標準規格の再利用によって生成されるプロジェクトの名称が登録される。

【0019】

診断管理部１２１は、例えば、診断情報テーブル１２２と、診断用語テーブル１２３と、診断関連テーブル１２４とを、第３情報として管理する。診断情報テーブル１２２には、過去のプロジェクトで診断した技術系プロセス活動、管理系プロセス活動、及び、支援系プロセス活動を含む評定結果が登録される。診断用語テーブル１２３には、プロジェクトで定義された用語の意味が登録される。診断関連テーブル１２４には、プロジェクトで準拠する標準規格の再利用によって生成されるプロジェクトの名称が登録される。

【0020】

汎用ＷＢＳ制御部１０５は、取得部１０５ａと、学習制御部１０５ｂとを含む。取得部１０５ａは、規格管理部１０１から第１情報を取得し、資産管理部１１１から第２情報を取得し、診断管理部１２１から第３情報を取得する。なお、取得部１０５ａは、ネットワークから第１情報、第２情報及び第３情報を取得してもよい。

【0021】

学習制御部１０５ｂは、機械学習機能を有しており、第１情報、第２情報及び第３情報に基づいてＷＢＳワークパッケージに関する学習を行うことにより、第１情報、第２情報及び第３情報を関連付ける関連情報を生成する。本実施の形態１に係る関連情報は、ＩＤ管理テーブル１０６、用語管理テーブル１０７、汎用ＷＢＳタスクテーブル１０８、及び、汎用ＷＢＳリンクテーブル１０９の少なくともいずれか１つを含む。

【0022】

ＩＤ管理テーブル１０６は、標準規格またはプロジェクトを識別する識別子と、それと関連する標準規格またはプロジェクトの識別子と、標準規格またはプロジェクトの名称と、バージョン管理とを記録するテーブルである。つまり、ＩＤ管理テーブル１０６は、標準規格及びプロジェクトの少なくともいずれか１つの名称を含む。

【0023】

用語管理テーブル１０７は、標準規格またはプロジェクトを識別する識別子と、それと同じ用語を用いる他の標準規格またはプロジェクトを識別する識別子と、定義された用語とを記録するテーブルである。つまり、用語管理テーブル１０７は、標準規格及びプロジェクトの少なくともいずれか１つの用語を含む。

【0024】

汎用ＷＢＳタスクテーブル１０８は、汎用ＷＢＳに用いられるＷＢＳワークパッケージを識別する識別子と、汎用ＷＢＳに用いられるＷＢＳワークパッケージが定義されている標準規格の識別子と、汎用ＷＢＳに用いられるＷＢＳワークパッケージの内容とを記録するテーブルである。つまり、汎用ＷＢＳタスクテーブル１０８は、ＷＢＳワークパッケージの内容を含む。

【0025】

汎用ＷＢＳリンクテーブル１０９は、汎用ＷＢＳに用いられるＷＢＳワークパッケージ間のリンク種別と、リンク元の汎用ＷＢＳに用いられるＷＢＳワークパッケージの識別子と、リンク先の汎用ＷＢＳに用いられるＷＢＳワークパッケージの識別子とを記録するテーブルである。つまり、汎用ＷＢＳリンクテーブル１０９は、ＷＢＳワークパッケージ同士を関連付けるトレース情報を含む。

【0026】

学習制御部１０５ｂは、規格情報テーブル１０２と規格関連テーブル１０４とを用いて教師あり学習を行うことにより、ＩＤ管理テーブル１０６を生成する。また、学習制御部１０５ｂは、資産情報テーブル１１２と資産関連テーブル１１４とを用いて強化学習を行うことにより、ＩＤ管理テーブル１０６を強化する。また、学習制御部１０５ｂは、診断情報テーブル１２２と診断関連テーブル１２４とを用いて強化学習を行うことにより、ＩＤ管理テーブル１０６を強化する。

【0027】

学習制御部１０５ｂは、規格用語テーブル１０３と規格関連テーブル１０４とを用いて教師あり学習を行うことにより、用語管理テーブル１０７を生成する。また、学習制御部１０５ｂは、資産用語テーブル１１３と資産関連テーブル１１４とを用いて強化学習を行うことにより、用語管理テーブル１０７を強化する。また、学習制御部１０５ｂは、診断用語テーブル１２３と診断関連テーブル１２４とを用いて強化学習を行うことにより、用語管理テーブル１０７を強化する。

【0028】

学習制御部１０５ｂは、ＩＤ管理テーブル１０６と、用語管理テーブル１０７と、規格情報テーブル１０２に記録されている標準規格のＷＢＳワークパッケージの内容とを用いて教師あり学習を行うことにより、汎用ＷＢＳタスクテーブル１０８を生成する。また、学習制御部１０５ｂは、ＩＤ管理テーブル１０６と、用語管理テーブル１０７と、資産情報テーブル１１２に記録されているプロジェクトのＷＢＳワークパッケージの内容とを用いて強化学習を行うことにより、汎用ＷＢＳタスクテーブル１０８を強化する。また、学習制御部１０５ｂは、ＩＤ管理テーブル１０６と、用語管理テーブル１０７と、診断情報テーブル１２２に記録されているプロジェクトのプロセス診断結果の内容とを用いて強化学習を行うことにより、汎用ＷＢＳタスクテーブル１０８を強化する。

【0029】

学習制御部１０５ｂは、ＩＤ管理テーブル１０６と、用語管理テーブル１０７と、規格情報テーブル１０２に記録されている標準規格のＷＢＳワークパッケージの相関情報とを用いて教師あり学習を行うことにより、汎用ＷＢＳリンクテーブル１０９を生成する。また、学習制御部１０５ｂは、ＩＤ管理テーブル１０６と、用語管理テーブル１０７と、資産情報テーブル１１２に記録されているプロジェクトのＷＢＳワークパッケージの相関情報とを用いて強化学習を行うことにより、汎用ＷＢＳリンクテーブル１０９を強化する。また、学習制御部１０５ｂは、ＩＤ管理テーブル１０６と、用語管理テーブル１０７と、診断情報テーブル１２２に記録されているプロジェクトのプロセス診断結果の相関情報とを用いて強化学習を行うことにより、汎用ＷＢＳリンクテーブル１０９を強化する。

【0030】

なお、汎用ＷＢＳタスクテーブル１０８及び汎用ＷＢＳリンクテーブル１０９の汎用ＷＢＳ情報に不足がある場合には、不足する情報が手動で登録されてもよい。また、以上の説明において強化学習の代わりに例えば教師あり学習が行われてもよい。

【0031】

図２は、ＩＤ管理テーブル１０６に関する学習制御部１０５ｂの機械学習処理の一例を説明するためのフローチャートである。なお、図３には、ＩＤ管理テーブル１０６の一例が示されている。

【0032】

図示しないが、ＩＤ管理テーブル１０６に関する機械学習処理が開始すると、取得部１０５ａが、規格関連テーブル１０４、資産関連テーブル１１４または診断関連テーブル１２４から標準規格またはプロジェクトの名称などを取得する。以下、取得部１０５ａで取得された名称を「取得名称」と記して説明する。

【0033】

ステップＳ１にて、学習制御部１０５ｂは、取得名称と一致する名称がＩＤ管理テーブル１０６のデータ３０３及びデータ３０４に登録されているか否かを判定する。これらが一致すると判定された場合には図２の処理が終了し、これらが一致しないと判定された場合には処理がステップＳ２に進む。

【0034】

ステップＳ２にて、学習制御部１０５ｂは、取得名称をデータ３０３及びデータ３０４に登録する。例えば、データ３０３のマスターには取得名称の通称などが登録され、データ３０４のスレーブには取得名称のバージョンなどが登録される。

【0035】

ステップＳ３にて、学習制御部１０５ｂは、取得名称を識別するための識別子を生成してデータ３０１に登録する。

【0036】

ステップＳ４にて、学習制御部１０５ｂは、取得名称が示す標準規格またはプロジェクトと関連する過去の標準規格またはプロジェクトが、ＩＤ管理テーブル１０６に登録されているか否かを判定する。例えば、学習制御部１０５ｂが、規格情報テーブル１０２に基づいて、取得名称が示す標準規格が過去の標準規格を流用していると判定した場合に、取得名称が示す標準規格は、過去の標準規格と関連すると判定される。例えば、学習制御部１０５ｂが、規格情報テーブル１０２、資産情報テーブル１１２及び診断情報テーブル１２２に基づいて、取得名称が示すプロジェクトが過去のプロジェクトを流用していると判定した場合に、取得名称が示すプロジェクトは、過去のプロジェクトと関連すると判定される。

【0037】

取得名称が示す標準規格またはプロジェクトが、過去の標準規格またはプロジェクトと関連すると判定された場合には処理がステップＳ５に進む。取得名称の標準規格またはプロジェクトが、過去の標準規格またはプロジェクトと関連しないと判定された場合には図２の処理が終了する。

【0038】

ステップＳ５にて、学習制御部１０５ｂは、過去の標準規格またはプロジェクトの識別子を、それと関連する取得名称のデータ３０２に登録する。その後、図２の処理が終了する。学習制御部１０５ｂが学習を行うことによって、例えばステップＳ４の判定などが適切化され、図３のＩＤ管理テーブル１０６が適切化される。

【0039】

図４は、用語管理テーブル１０７に関する学習制御部１０５ｂの機械学習処理の一例を説明するためのフローチャートである。なお、図５には、用語管理テーブル１０７の一例が示されている。

【0040】

用語管理テーブル１０７に関する学習制御部１０５ｂの機械学習処理は、例えば図２のステップＳ３で識別子が生成された標準規格またはプロジェクトについて行われる。図示しないが当該機械学習処理が開始すると、取得部１０５ａが、規格用語テーブル１０３、資産用語テーブル１１３または診断用語テーブル１２３から、ステップＳ３で識別子が生成された標準規格またはプロジェクトで使用される用語などを取得する。以下、取得部１０５ａで取得された用語を「取得用語」と記して説明する。

【0041】

ステップＳ１１にて、学習制御部１０５ｂは、取得用語と意味が一致する用語が用語管理テーブル１０７のデータ５０３に登録されているか否かを判定する。これらが一致すると判定された場合には処理がステップＳ１２に進み、これらが一致しないと判定された場合には処理がステップＳ１３に進む。

【0042】

ステップＳ１２にて、学習制御部１０５ｂは、用語管理テーブル１０７のデータ５０１から、ステップＳ１１で取得用語と意味が一致すると判定された用語を使用する過去の標準規格またはプロジェクトの識別子を取得する。

【0043】

ステップＳ１３にて、学習制御部１０５ｂは、図２のステップＳ３にて生成された識別子をデータ５０１に登録する。学習制御部１０５ｂは、ステップＳ１２の処理を行っていた場合には、ステップＳ１２で取得された識別子をデータ５０２に登録する。

【0044】

ステップＳ１４にて、学習制御部１０５ｂは、取得用語をデータ５０３に登録する。その後、図４の処理が終了する。学習制御部１０５ｂが学習を行うことによって、例えばステップＳ１１の判定などが適切化され、図５の用語管理テーブル１０７が適切化される。

【0045】

図６は、汎用ＷＢＳタスクテーブル１０８及び汎用ＷＢＳリンクテーブル１０９に関する学習制御部１０５ｂの機械学習処理の一例を説明するためのフローチャートである。なお、図７には、汎用ＷＢＳタスクテーブル１０８の一例が示され、図８には、汎用ＷＢＳリンクテーブル１０９の一例が示されている。

【0046】

汎用ＷＢＳタスクテーブル１０８及び汎用ＷＢＳリンクテーブル１０９に関する学習制御部１０５ｂの機械学習処理は、例えば図２のステップＳ３で識別子が生成された標準規格またはプロジェクトについて行われる。図示しないが当該機械学習処理が開始すると、取得部１０５ａが、規格情報テーブル１０２、資産情報テーブル１１２または診断情報テーブル１２２から、ステップＳ３で識別子が生成された標準規格またはプロジェクトで使用されるＷＢＳワークパッケージなどを取得する。以下、取得部１０５ａで取得されたＷＢＳワークパッケージを「取得パッケージ」と記して説明する。

【0047】

ステップＳ２１にて、学習制御部１０５ｂは、汎用ＷＢＳタスクテーブル１０８及び汎用ＷＢＳリンクテーブル１０９に、取得パッケージのリンク先となるＷＢＳワークパッケージが登録されているか否かを判定する。取得パッケージのリンク先となるＷＢＳワークパッケージが登録されていると判定された場合には処理がステップＳ２３に進み、取得パッケージのリンク先となるＷＢＳワークパッケージが登録されていないと判定された場合には処理がステップＳ２２に進む。

【0048】

ステップＳ２２にて、学習制御部１０５ｂは、汎用ＷＢＳタスクテーブル１０８及び汎用ＷＢＳリンクテーブル１０９に、取得パッケージと活動が同じであるＷＢＳワークパッケージが登録されているか否かを判定する。取得パッケージと活動が同じであるＷＢＳワークパッケージが登録されていると判定された場合には処理がステップＳ２３に進み、取得パッケージと活動が同じであるＷＢＳワークパッケージが登録されていないと判定された場合には図６の処理が終了する。

【0049】

ステップＳ２３にて、学習制御部１０５ｂは、タスクＩＤを生成してデータ７０１に登録し、図２のステップＳ３にて生成された識別子をデータ７０２に登録する。

【0050】

ステップＳ２４にて、学習制御部１０５ｂは、取得パッケージの内容をデータ７０３に登録する。

【0051】

ステップＳ２５にて、学習制御部１０５ｂは、ＷＢＳワークパッケージのタスク情報に基づいて、リンク種別をデータ８０１に登録する。また、学習制御部１０５ｂは、データ７０１のうちリンク先となるＷＢＳワークパッケージのタスクＩＤをデータ８０２に登録し、データ７０１のうちリンク元となるＷＢＳワークパッケージのタスクＩＤをデータ８０３に登録する。その後、図６の処理が終了する。学習制御部１０５ｂが学習を行うことによって、例えばステップＳ２４の登録などが適切化され、図７の汎用ＷＢＳタスクテーブル１０８、及び、図８の汎用ＷＢＳリンクテーブル１０９が適切化される。

【0052】

図９は、図８におけるリンク種別の一例を説明するための図である。リンク種別が０であることは、リンク先がリンク元にとっての次の工程であることを示す。リンク種別が１であることは、リンク先とリンク元とが同等の工程であることを示す。リンク種別が２であることは、リンク先がリンク元の一部の工程であることを示す。

【0053】

図２のステップＳ１～ステップＳ５の処理、図４のステップＳ１１～ステップＳ１４の処理、図６のステップＳ２１～ステップＳ２５の処理は、汎用ＷＢＳワークパッケージを十分に学習するまで繰り返し実行される。なお、標準規格またはプロジェクトのＷＢＳワークパッケージは、複数のリンク種別のパターンで実装されていることが好ましい。

【0054】

図１０は、ニューラルネットワークの構成例を示す図である。学習制御部１０５ｂの機械学習は、例えば、ニューラルネットワークモデルに従って、デザインレビュー達成度予知を学習してもよい。図１０に示されるように、ニューラルネットワークは、１個のニューロンｘ１、ｘ２、ｘ３、…、ｘｌを含む入力層、ｍ個のニューロンｙ１、ｙ２、ｙ３、…、ｙｍを含む中間層（隠れ層）、及び、ｎ個のニューロンｚ１、ｚ２、ｚ３、…、ｚｎを含む出力層を含む。なお、図１０のニューラルネットワークの構成例では、１層のみの中間層が設けられているが、２層以上の中間層が設けられてもよい。また、学習制御部１０５ｂの機械学習（ニューラルネット）に、汎用の計算機またはプロセッサを用いてもよいが、大規模ＰＣクラスター等を適用すると、より高速に処理することが可能である。

【0055】

ニューラルネットワークでは、汎用ＷＢＳワークパッケージに関連付けられるＩＤ管理テーブル１０６、用語管理テーブル１０７、汎用ＷＢＳタスクテーブル１０８または汎用ＷＢＳリンクテーブル１０９の学習、つまり関連情報の学習が行われてもよい。ニューラルネットワークでは、関連情報と、関連情報の正否を示す判定データとの組み合わせに基づく検証結果に従い、いわゆる「教師あり学習」により、標準規格及びプロジェクトのＷＢＳワークパッケージなどを関連付ける関連情報が学習されてもよい。ここで、「教師あり学習」とは、ある入力と結果（ラベル）との組を大量に学習装置に与えることで、それらの検証結果に存在する特徴を学習し、入力から結果を推定するモデル、すなわち、入力と結果との関係性を帰納的に獲得可能な学習をいう。

【0056】

なお、学習制御部１０５ｂの機械学習は「教師あり学習」に限ったものではない。例えば、ニューラルネットワークを用いて、正しい関連情報、すなわち、正常に検証基準を満たしているＩＤ管理テーブル１０６、用語管理テーブル１０７、汎用ＷＢＳタスクテーブル１０８または汎用ＷＢＳリンクテーブル１０９のみを蓄積し、いわゆる「教師なし学習」によって、汎用ＷＢＳワークパッケージを学習してもよい。例えば、ＩＤ管理テーブル１０６、用語管理テーブル１０７、汎用ＷＢＳタスクテーブル１０８または汎用ＷＢＳリンクテーブル１０９の検証結果の達成度合いが極めて高い場合には、「教師なし学習」の手法が有効であると考えられる。

【0057】

ここで、「教師なし学習」とは、入力データのみを大量に与えることで、対応する教師データを与えなくても、入力データがどのような分布をしているかを学習することによって、入力データの圧縮、分類、整形等が可能な学習をいう。この学習によれば、似た検証結果に分類するクラスタリングが可能となる。この結果を用いて何らかの基準を設けてデータを最適にするような出力の割り当てを行えば、出力の予測を実現することが可能となる。

【0058】

また、「教師なし学習」と「教師あり学習」との中間的な「半教師あり学習」と呼ばれる学習によって、汎用ＷＢＳワークパッケージを学習してもよい。「半教師あり学習」では、例えば、一部のみ入力と出力のデータの組が存在し、それ以外は入力のみのデータが存在する場合に有効である。

【0059】

＜実施の形態１のまとめ＞
以上のような本実施の形態１によれば、標準規格のＷＢＳワークパッケージに関する第１情報だけでなく、プロジェクトのＷＢＳワークパッケージに関する第２情報、及び、プロジェクトのプロセス診断結果に関する第３情報にも基づいてＷＢＳワークパッケージに関する学習を行うことによって関連情報を生成する。このような構成によれば、例えば、第１情報で不足する内容を第２情報または第３情報で補うことが可能となるため、ＷＢＳワークパッケージに関する学習を適切に行うことができ、その結果として、適切な汎用ＷＢＳを作成可能な関連情報を生成することができる。すなわち、検証結果の達成を高める要因が複雑であり、また、プロジェクトのＷＢＳワークパッケージを予め設定するのが困難な場合であっても、高精度のＷＢＳを作成可能な予知モデルを生成することが可能となる。

【0060】

なお、学習制御部１０５ｂは、上記ＷＢＳワークパッケージに関する学習として、ＩＤ管理テーブル１０６、用語管理テーブル１０７、汎用ＷＢＳタスクテーブル１０８または汎用ＷＢＳリンクテーブル１０９を学習してもよい。また、学習制御部１０５ｂは、同一の開発現場で稼働する複数の規格管理部１０１、複数の資産管理部１１１及び複数の診断管理部１２１から取得される第１情報、第２情報及び第３情報に基づいて、ＷＢＳワークパッケージに関する学習を行ってもよい。また、学習制御部１０５ｂは、異なる開発現場で独立して稼働する複数の規格管理部１０１、複数の資産管理部１１１及び複数の診断管理部１２１から取得される第１情報、第２情報及び第３情報に基づいて、ＷＢＳワークパッケージに関する学習を行ってもよい。また、規格管理部１０１、資産管理部１１１及び診断管理部１２１のいずれかが、第１情報、第２情報及び第３情報が取得される対象に途中で追加されてもよいし、当該対象から途中で除去されてもよい。

【0061】

なお、複数の汎用ＷＢＳ制御部１０５において検証結果は共有（共用）されてもよい。第１例として、同一のニューラルネットワークのモデルが複数の汎用ＷＢＳ制御部１０５において共有されてもよい。具体的には、複数の汎用ＷＢＳ制御部１０５の間の差分を反映させるためのネットワークの各重み係数が、通信手段を用いて送信されてもよい。第２例として、ニューラルネットワークの入力と出力との検証結果を共有することにより、機械学習の重み等が共有されてもよい。第３例として、予め用意されたデータベースにアクセスして、より妥当なニューラルネットワークのモデルをロードすることで、同じようなモデルが用いられるように状態が共有されてもよい。なお、複数の汎用ＷＢＳ制御部１０５の検証結果の共有は、第１例～第３例に限ったものではない。

【0062】

＜実施の形態２＞
図１１は、本実施の形態２に係るＷＢＳ作成装置の構成の一例を示すブロック図である。以下、本実施の形態２に係るＷＢＳ作成装置は、プロジェクトの固有ＷＢＳワークパッケージを作成する固有ＷＢＳ作成装置であるものとして説明する。また以下では、本実施の形態２に係る構成要素のうち、上述の構成要素と同じまたは類似する構成要素については同じまたは類似する参照符号を付し、異なる構成要素について主に説明する。

【0063】

図１１に示されるように、本実施の形態２に係るＷＢＳ作成装置は、実施の形態１で説明した図１の機械学習装置に、情報入力部１１０１と、固有ＷＢＳ制御部１１０２と、情報出力部１１０３とが追加された構成と同様である。

【0064】

情報入力部１１０１は、現在のプロジェクト、または、現在のプロジェクトと対応する標準規格などを入力情報として取得する。固有ＷＢＳ制御部１１０２は、入力情報に基づいて、汎用ＷＢＳ制御部１０５から機械学習によって作成された汎用ＷＢＳワークパッケージなどの関連情報を取得する。固有ＷＢＳ制御部１１０２は、入力情報と、関連情報とに基づいて、プロジェクトの開発規模や変化度合いに応じた現在のプロジェクトの固有ＷＢＳワークパッケージまたは固有ＷＢＳを作成する。情報出力部１１０３は、固有ＷＢＳ制御部１１０２で作成された固有ＷＢＳワークパッケージまたは固有ＷＢＳを出力する。

【0065】

なお本実施の形態２において、機械学習で用いられる第２情報が取得されるプロジェクトは、実施の形態１のように過去のプロジェクトであってもよいし、情報入力部１１０１に入力される現在の新規のプロジェクトであってもよい。

【0066】

また、本実施の形態２のように固有ＷＢＳワークパッケージを作成する構成において、ニューラルネットワークモデルが用いられてもよい。例えば、出力層は、ニューラルネットワークの入力層に入力される検証結果と、汎用ＷＢＳワークパッケージに対する達成の合否を表す情報または有効とされるＷＢＳワークパッケージとの親和性を算出してもよい。そして、出力層が、当該親和性に基づいて、汎用ＷＢＳワークパッケージに対する達成の合否を表す情報または有効とされるＷＢＳワークパッケージを出力してもよい。

【0067】

図１２は、情報入力部１１０１の入力画面の一例を示す図である。主要ＷＢＳ選択画面１２０１は、汎用ＷＢＳ制御部１０５のＩＤ管理テーブル１０６から取得したプロジェクトの名称を選択可能に表示する。プロジェクトの名称の表示として、全てのプロジェクトの名称が一覧で表示されてもよいし、プロジェクトの名称がプルダウン形式で表示されてもよい。

【0068】

統合対象ＷＢＳ選択画面１２０２は、汎用ＷＢＳ制御部１０５のＩＤ管理テーブル１０６から取得した標準規格の名称を選択可能に表示する。標準規格の名称の表示として、全てのプロジェクトの名称が一覧で表示されてもよいし、プロジェクトの名称がプルダウン形式で表示されてもよい。また、統合対象ＷＢＳ選択画面１２０２は、主要ＷＢＳ選択画面１２０１でプロジェクトが表示された場合に、当該プロジェクトと関連付けられた標準規格（例えばプロジェクトが準拠する標準規格）を、予めチェックを付した状態で表示してもよい。また、統合対象ＷＢＳ選択画面１２０２は、プロジェクトに関連付けられた標準規格を、必要に応じて追加または削除して表示してもよい。

【0069】

図１３は、情報出力部１１０３の出力画面の一例を示す図である。固有ＷＢＳ制御部１１０２は、汎用ＷＢＳ制御部１０５の汎用ＷＢＳタスクテーブル１０８及び汎用ＷＢＳリンクテーブル１０９に登録された汎用ＷＢＳワークパッケージから、情報入力部１１０１で選択されたプロジェクトと関連付けられた標準規格を取得する。そして、固有ＷＢＳ制御部１１０２は、入力情報と、取得された標準規格とに基づいて固有ＷＢＳを作成し、固有ＷＢＳ出力画面１３０１は、作成された固有ＷＢＳを表示する。

【0070】

プロジェクトに新たに追加されたＷＢＳワークパッケージが存在する場合には、固有ＷＢＳ出力画面１３０１は、追加されたＷＢＳワークパッケージを強調表示してもよい。また、プロジェクトに新たに追加されたＷＢＳワークパッケージが複数存在する場合に、情報出力部１１０３は、それらから一つのＷＢＳワークパッケージを選択できるように構成されてもよい。

【0071】

固有ＷＢＳ出力画面１３０２は、選択されたＷＢＳワークパッケージのプロジェクトの出力を開始するためのボタンである。出力形式は、テキストであってもよいし、他のプリケーションツールに応じたファイル形式であってもよい。

【0072】

なお本実施の形態２では、情報入力部１１０１及び情報出力部１１０３の表示が、一の画面で選択的に表示されるように構成されており、固有ＷＢＳ出力画面１３０３は、図１２の表示に戻るためのボタンである。固有ＷＢＳ出力画面１３０４は、ＷＢＳ作成装置の動作を終了するためのボタンである。

【0073】

図１４は、情報出力部１１０３の出力画面の一例を示す図であり、具体的にはプロジェクトに新たに追加されたＷＢＳワークパッケージが複数存在する場合の選択画面の一例を示す図である。主要ＷＢＳ確定画面１４０１は、情報入力部１１０１の主要ＷＢＳ選択画面１２０１で選択されたプロジェクトなどの名称を表示する。

【0074】

ＷＢＳワークパッケージ選択画面１４０２は、選択されたプロジェクトに該当する複数のＷＢＳワークパッケージの名称を選択可能に例えば一覧などで表示する。ＷＢＳワークパッケージ選択画面１４０２は、主要ＷＢＳ確定画面１４０１でプロジェクトが表示された場合に、当該プロジェクトに新たに追加された複数のＷＢＳワークパッケージを、予めチェックを付した状態で表示してもよい。

【0075】

なお、実運用上、プロジェクトに新たに追加されたＷＢＳワークパッケージが存在しない場合がある。そのような場合には、ＷＢＳワークパッケージ選択画面１４０２は、当該プロジェクトと関連付けられた標準規格と近似する他の標準規格または他のプロジェクトのＷＢＳワークパッケージを表示してもよい。ＷＢＳワークパッケージ選択画面１４０２では、複数のＷＢＳワークパッケージからプロジェクトに使用するワークパッケージを選択することができる。

【0076】

＜実施の形態２のまとめ＞
本実施の形態２では、現在のプロジェクトの情報と、関連情報とに基づいて、現在のプロジェクトのＷＢＳを作成する。このような構成によれば、適切な固有ＷＢＳを作成することができる。

【0077】

＜その他の変形例＞
上述した図１の取得部１０５ａ及び学習制御部１０５ｂを、以下「取得部１０５ａ等」と記す。取得部１０５ａ等は、図１５に示す処理回路８１により実現される。すなわち、処理回路８１は、標準規格のＷＢＳワークパッケージに関する第１情報と、標準規格に対応するプロジェクトのＷＢＳワークパッケージに関する第２情報と、標準規格に対応するプロジェクトのプロセス診断結果に関する第３情報とを取得する取得部１０５ａと、第１情報と第２情報と第３情報とに基づいてＷＢＳワークパッケージに関する学習を行うことにより、第１情報と第２情報と第３情報とを関連付ける関連情報を生成する学習制御部１０５ｂと、を備える。処理回路８１には、専用のハードウェアが適用されてもよいし、メモリに格納されるプログラムを実行するプロセッサが適用されてもよい。プロセッサには、例えば、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、ＤＳＰ（Digital Signal Processor）などが該当する。

【0078】

処理回路８１が専用のハードウェアである場合、処理回路８１は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）、またはこれらを組み合わせたものが該当する。取得部１０５ａ等の各部の機能それぞれは、処理回路を分散させた回路で実現されてもよいし、各部の機能をまとめて一つの処理回路で実現されてもよい。

【0079】

処理回路８１がプロセッサである場合、取得部１０５ａ等の機能は、ソフトウェア等との組み合わせにより実現される。なお、ソフトウェア等には、例えば、ソフトウェア、ファームウェア、または、ソフトウェア及びファームウェアが該当する。ソフトウェア等はプログラムとして記述され、メモリに格納される。図１６に示すように、処理回路８１に適用されるプロセッサ８２は、メモリ８３に記憶されたプログラムを読み出して実行することにより、各部の機能を実現する。すなわち、機械学習装置は、処理回路８１により実行されるときに、標準規格のＷＢＳワークパッケージに関する第１情報と、標準規格に対応するプロジェクトのＷＢＳワークパッケージに関する第２情報と、標準規格に対応するプロジェクトのプロセス診断結果に関する第３情報とを取得するステップと、第１情報と第２情報と第３情報とに基づいてＷＢＳワークパッケージに関する学習を行うことにより、第１情報と第２情報と第３情報とを関連付ける関連情報を生成するステップと、が結果的に実行されることになるプログラムを格納するためのメモリ８３を備える。換言すれば、このプログラムは、取得部１０５ａ等の手順や方法をコンピュータに実行させるものであるともいえる。ここで、メモリ８３は、例えば、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ、ＥＰＲＯＭ（Erasable Programmable Read Only Memory）、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）などの、不揮発性または揮発性の半導体メモリ、ＨＤＤ（Hard Disk Drive）、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、ＤＶＤ（Digital Versatile Disc）、それらのドライブ装置、または、今後使用されるあらゆる記憶媒体であってもよい。

【0080】

以上、取得部１０５ａ等の各機能が、ハードウェア及びソフトウェア等のいずれか一方で実現される構成について説明した。しかしこれに限ったものではなく、取得部１０５ａ等の一部を専用のハードウェアで実現し、別の一部をソフトウェア等で実現する構成であってもよい。例えば、取得部１０５ａについては専用のハードウェアとしての処理回路８１、インターフェース及びレシーバなどでその機能を実現し、それ以外についてはプロセッサ８２としての処理回路８１がメモリ８３に格納されたプログラムを読み出して実行することによってその機能を実現することが可能である。

【0081】

以上のように、処理回路８１は、ハードウェア、ソフトウェア等、またはこれらの組み合わせによって、上述の各機能を実現することができる。

【0082】

なお、各実施の形態及び各変形例を自由に組み合わせたり、各実施の形態及び各変形例を適宜、変形、省略したりすることが可能である。

【0083】

上記した説明は、すべての局面において、例示であって、限定的なものではない。例示されていない無数の変形例が、想定され得るものと解される。

【符号の説明】

【0084】

１０５ａ 取得部、１０５ｂ 学習制御部。

【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】