異常事例判定プログラム、異常事例判定装置および異常事例判定方法
【課題】異常な事例を精度良く判定すること。
【解決手段】異常事例判定装置３００は、異常事例候補抽出部３２０、異常事例判定部３５０を含む。異常事例候補抽出部３２０が、想定分布を基にして、この想定分布から外れる異常事例候補データを業務プロセス事例データから抽出する。異常事例判定部３５０は、イベントの所定の発生日時を有する業務プロセス事例データの数と、イベントの所定の発生日時を有する異常事例候補データの数との比率に基づいて、異常な事例を判定する。
【解決手段】異常事例判定装置３００は、異常事例候補抽出部３２０、異常事例判定部３５０を含む。異常事例候補抽出部３２０が、想定分布を基にして、この想定分布から外れる異常事例候補データを業務プロセス事例データから抽出する。異常事例判定部３５０は、イベントの所定の発生日時を有する業務プロセス事例データの数と、イベントの所定の発生日時を有する異常事例候補データの数との比率に基づいて、異常な事例を判定する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、異常事例判定プログラム等に関する。
【背景技術】
【０００２】
従来、業務を改善することを目的として、業務システムの業務プロセスを分析する業務プロセス分析装置が存在する。この業務プロセス分析装置は、業務システムの運用データを基にして、業務フローを表示し、実運用中の業務プロセスを分析する。
【０００３】
例えば、業務プロセス分析装置は、正常な業務フローと、分析対象となる業務フローとを比較することで、業務プロセス中の異常な事例を特定する。図３０は、従来技術を説明するための図（１）である。図３０の業務フローＩＤは、業務フローを識別するものである。シーケンスは、業務フローのシーケンスを示す。ここでは、正常な業務フローを業務フロー１とする。業務プロセス分析装置は、業務フロー１のシーケンスと、業務フロー２〜４のシーケンスとを各々比較すると、各２シーケンスで共通していない（相違する）部分が存在する。例えば、業務フロー１のシーケンスと業務フロー２のシーケンスでは、「作業工程Ｂ」と「作業工程ｂ」の部分が共通していない。また、業務フロー１のシーケンスと業務フロー３のシーケンスとでは「第１チェック工程終了」と「第１チェック工程ラインアウト」の部分が共通していない。また、業務フロー１のシーケンスと業務フロー４のシーケンスとでは「最終チェック工程ラインアウト」と「最終チェック工程終了」→「梱包ラインアウト」の部分が共通していない。この場合には、業務プロセス分析装置は、業務フロー２〜４に対応する事例を、異常な事例であると判定する。
【０００４】
また、業務プロセス分析装置は、各業務プロセスに含まれるイベント間の遷移時間の平均値や標準偏差を利用して、異常な事例を判定していた。図３１は、従来技術を説明するための図（２）である。図３１の横軸は、イベント間の遷移時間を示す。縦軸は、業務プロセスの事例の件数を示す。また、１ａは遷移時間の平均値に対応し、１ｂは遷移時間の標準偏差を２倍し、平均値に加算したものに対応する。１ｂよりも右側に存在する各事例１ｃは、平均的な事例と比較して、遷移時間が統計的に有意に大きい。このため、業務プロセス分析装置は、各事例１ｃを、異常な事例であると判定する。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００８−２７０７２号公報
【特許文献２】国際公開第２００７／１３２５４７号
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、上述した従来技術では、業務プロセスの異常な事例を精度良く判定することができない場合が存在するという問題があった。
【０００７】
例えば、図３０に示した業務フローのシーケンスの比較により、異常な事例を判定する場合には、シーケンス以外に正常事例との違いが表出しない問題の要因がある異常な事例を判定することができない。また、図３１に示した方法により異常な事例を判定する際、正常な事例と異常な事例とが明確に分離していない場合には、異常な事例を特定することができない。
【０００８】
図３２は、正常な事例と異常な事例とが明確に分離していない例を示す図である。図３２の横軸は、イベント間の遷移時間を示す。縦軸は、業務プロセスの事例の件数を示す。図３２の２ａには、正常な事例と異常な事例とが含まれており、平均値と標準偏差のみでは、異常な事例のみを抽出することができない。
【０００９】
開示の技術は、上記に鑑みてなされたものであって、異常な事例を精度良く判定することができる異常事例判定プログラム、異常事例判定装置および異常事例判定方法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】
【００１０】
開示の異常事例判定プログラムは、イベント間の遷移時間のヒストグラムが想定分布から外れる業務プロセス事例を異常事例の候補として複数の業務プロセス事例から抽出する。また、開示の異常事例判定プログラムは、所定の特徴を有する前記異常事例の候補の件数と、前記所定の特徴を有する業務プロセス事例の件数との比率を基にして、前記異常事例の候補から異常事例を判定する。
【発明の効果】
【００１１】
開示の異常事例判定プログラムの一つの態様によれば、異常な事例を精度良く判定することができるという効果を奏する。
【図面の簡単な説明】
【００１２】
【図１】図１は、本実施例にかかる異常事例判定システムの構成を示す図である。
【図２】図２は、受注ＤＢのデータ構造の一例を示す図である。
【図３】図３は、生産ＤＢのデータ構造の一例を示す図である。
【図４】図４は、手配ＤＢのデータ構造の一例を示す図である。
【図５】図５は、配送ＤＢのデータ構造の一例を示す図である。
【図６Ａ】図６Ａは、品番ＤＢのデータ構造の一例を示す図である。
【図６Ｂ】図６Ｂは、属性ＤＢのデータ構造の一例を示す図である。
【図７】図７は、業務プロセス事例抽出装置の構成を示す図である。
【図８】図８は、受注ＤＢを基に生成されるイベント候補データの一例を示す図である。
【図９】図９は、生産ＤＢを基に生成されるイベント候補データの一例を示す図である。
【図１０】図１０は、手配ＤＢを基に生成されるイベント候補データの一例を示す図である。
【図１１】図１１は、配送ＤＢを基に生成されるイベント候補データの一例を示す図である。
【図１２Ａ】図１２Ａは、業務プロセス事例生成部への入力の一例を説明するための図である。
【図１２Ｂ】図１２Ｂは、業務プロセス事例生成部の処理の一例を説明するための図である。
【図１３】図１３は、業務プロセス事例データの一例を示す図である。
【図１４】図１４は、業務プロセス事例格納部に格納される各業務プロセス事例データの一例を示す図である。
【図１５】図１５は、ディスプレイに表示される全体フローの一例を示す図である。
【図１６】図１６は、異常事例候補抽出部の構成を示す図である。
【図１７】図１７は、フィッテング部の処理結果を示す図である。
【図１８】図１８は、異常事例候補自動判定部の処理を説明するための図（１）である。
【図１９】図１９は、異常事例候補自動判定部の処理を説明するための図（２）である。
【図２０】図２０は、集計結果の一例を示す図である。
【図２１Ａ】図２１Ａは、第１の方式を説明するための図（１）である。
【図２１Ｂ】図２１Ｂは、第１の方式を説明するための図（２）である。
【図２２】図２２は、第２の方式を説明するための図である。
【図２３】図２３は、第３の方式を説明するための図（１）である。
【図２４】図２４は、第３の方式を説明するための図（２）である。
【図２５】図２５は、異常事例判定装置の処理手順を示すフローチャートである。
【図２６】図２６は、異常事例判定処理の処理手順を示すフローチャート（１）である。
【図２７】図２７は、異常事例判定処理の処理手順を示すフローチャート（２）である。
【図２８】図２８は、異常事例判定処理の処理手順を示すフローチャート（３）である。
【図２９】図２９は、異常事例判定プログラムを実行するコンピュータの一例を示す図である。
【図３０】図３０は、従来技術を説明するための図（１）である。
【図３１】図３１は、従来技術を説明するための図（２）である。
【図３２】図３２は、正常な事例と異常な事例とが明確に分離していない例を示す図である。
【発明を実施するための形態】
【００１３】
以下に、本願の開示する異常事例判定プログラム、異常事例判定装置および異常事例判定方法の実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。
【実施例】
【００１４】
本実施例にかかる異常事例判定システムの構成について説明する。図１は、本実施例にかかる異常事例判定システムの構成を示す図である。図１に示すように、この異常事例判定システムは、業務システム１００、業務プロセス事例抽出装置２００、異常事例判定装置３００を有する。
【００１５】
業務システム１００は、各種の業務を実行する。この業務システム１００は、受注ＤＢ１００ａ、生産ＤＢ１００ｂ、手配ＤＢ１００ｃ、配送ＤＢ１００ｄ、品番ＤＢ１００ｅ、属性ＤＢ１００ｆを有する。例えば、各ＤＢ１００ａ〜１００ｅは、リレーショナルデータベースである。業務システム１００は、各ＤＢ１００ａ〜１００ｅのデータを、業務プロセス事例抽出装置２００、異常事例判定装置３００に通知する。また、業務システム１００は、属性ＤＢ１００ｆのデータを、異常事例判定装置３００に通知する。ただし、その通知方法は、業務システム１００が異常事例判定装置３００からの検索要求に逐次応じるというものである必要は無く、業務システムのある時点でのバックアップ用の一括出力や、業務システムのアプリケーションの動作ログ等の出力で良い。
【００１６】
ここで、各ＤＢ１００ａ〜１００ｄのデータ構造の一例について説明する。図２は、受注ＤＢのデータ構造の一例を示す図である。図２に示すように、受注ＤＢ１００ａは、受注ＤＢのスキーマ情報１０１ａ、受注ＤＢのレコード群１０２ａを含む。スキーマ情報１０１ａにおいて、フィールド（Field）１〜４のそれぞれに、フィールド名、キー設定、データ型、レコード長、コメントが登録される。スキーマ情報１０１ａにおいて、フィールド１には、日時が登録され、フィールド２には主キーである受注番号が登録される。また、フィールド３には、地域が登録され、フィールド４には、受注内容が登録される。フィールド１〜４に登録される具体的なデータは、レコード群１０２ａのようになる。スキーマ情報１０１ａを利用することで、レコード群１０２ａの内容を把握することができる。
【００１７】
図３は、生産ＤＢのデータ構造の一例を示す図である。図３に示すように、生産ＤＢ１００ｂは、生産ＤＢのスキーマ情報１０１ｂ、生産ＤＢのレコード群１０２ｂを含む。スキーマ情報１０１ｂにおいて、フィールド（Field）１〜５のそれぞれに、フィールド名、キー設定、データ型、レコード長、コメントが登録される。スキーマ情報１０１ｂにおいて、フィールド１には、日時が登録され、フィールド２には、主キーである生産番号が登録される。フィールド３には、副キーである受注番号が登録され、フィールド４には、副キーである品番が登録される。フィールド５には、納期が登録される。フィールド１〜５に登録される具体的なデータは、レコード群１０２ｂのようになる。スキーマ情報１０１ｂを利用することで、レコード群１０２ｂの内容を把握することができる。
【００１８】
図４は、手配ＤＢのデータ構造の一例を示す図である。図４に示すように、手配ＤＢ１００ｃは、手配ＤＢのスキーマ情報１０１ｃ、手配ＤＢのレコード群１０２ｃを含む。スキーマ情報１０１ｃにおいて、フィールド（Field）１〜５のそれぞれに、フィールド名、キー設定、データ型、レコード長、コメントが登録される。スキーマ情報１０１ｃにおいて、フィールド１には、日時が登録され、フィールド２には、主キーである手配番号が登録される。フィールド３には、副キーである受注番号が登録され、フィールド４には、副キーである品番が登録される。フィールド５には、納品先が登録される。フィールド１〜５に登録される具体的なデータは、レコード群１０２ｃのようになる。スキーマ情報１０１ｃを利用することで、レコード群１０２ｃの内容を把握することができる。
【００１９】
図５は、配送ＤＢのデータ構造の一例を示す図である。図５に示すように、配送ＤＢ１００ｄは、配送ＤＢのスキーマ情報１０１ｄ、配送ＤＢのレコード群１０２ｄを含む。スキーマ情報１０１ｄにおいて、フィールド（Field）１〜４のそれぞれに、フィールド名、キー設定、データ型、レコード長、コメントが登録される。スキーマ情報１０１ｄにおいて、フィールド１には、日時が登録され、フィールド２には、主キーである手配番号が登録される。フィールド３には、副キーである配送便が登録され、フィールド４には、納品先が登録される。フィールド１〜４に登録される具体的なデータは、レコード群１０２ｄのようになる。スキーマ情報１０１ｄを利用することで、レコード群１０２ｄの内容を把握することができる。
【００２０】
図６Ａは、品番ＤＢのデータ構造の一例を示す図である。図６Ａに示すように、品番ＤＢ１００ｅは、品番ＤＢのスキーマ情報１０１ｅ、品番ＤＢのレコード群１０２ｅを含む。スキーマ情報１０１ｅにおいて、フィールド（Field）１、２に、フィールド名、キー設定、データ型、レコード長、コメントが登録される。スキーマ情報１０１ｅにおいて、フィールド１には、主キーである品番が登録され、フィールド２には、品名が登録される。フィールド１、２に登録される具体的なデータは、レコード群１０２ｅのようになる。スキーマ情報１０１ｅを利用することで、レコード群１０２ｅの内容を把握することができる。
【００２１】
図６Ｂは、属性ＤＢのデータ構造の一例を示す図である。図６Ｂに示すように、属性ＤＢ１００ｆは、受注番号、生産番号、手配番号、配送便、属性値を含む。また、属性値は、担当者、装置、図番を含む。このうち、担当者は各イベントに携わった担当者に対応する。装置は、各イベントで利用した装置に対応する。図番は、各イベントで利用した物品の設計図等に対応するものである。例えば、図６Ｂにおいて、受注番号「ＪＴ０１」の受注イベントでは、担当者「Ａ」が携わっている。また、生産番号「ＳＳ０１」の生産イベントでは、担当者「Ｃ」が携わっており、「Ｎｏ．１」の装置を利用しており、生産した物品の図番は「ＸＸ」である。その他の受注番号、生産番号、手配番号、配送便も、該当する属性値が属性ＤＢ１００ｆに登録されている。ただし、前記属性値は、必ずしも属性ＤＢ１００ｆに一括登録されている必要は無く、受注ＤＢ１００ａ、生産ＤＢ１００ｂ、手配ＤＢ１００ｃ、配送ＤＢ１００ｄ、品番ＤＢ１００ｅに分散して格納することも可能である。
【００２２】
業務プロセス事例抽出装置２００は、業務システムから各ＤＢ１００ａ〜１００ｅのデータを取得し、業務プロセス事例データを生成する装置である。業務プロセス事例抽出装置２００は、業務プロセス事例データを、業務プロセス事例格納部２００ａに格納する。
【００２３】
図７は、業務プロセス事例抽出装置の構成を示す図である。図７に示すように、この業務プロセス事例抽出装置２００は、整形部２０１、業務データ格納部２０２、データ関連性判定部２０３、業務プロセス事例生成部２０４、業務プロセス事例格納部２００ａを有する。
【００２４】
整形部２０１は、業務システム１００から各ＤＢ１００ａ〜１００ｅのデータを取得し、各ＤＢ１００ａ〜１００ｅ単独の属性及びデータ内容に基づき、イベント候補データを業務データ格納部２０２に格納する。例えば、整形部２０１は、国際公開番号ＷＯ２００８／０３２３９３に開示された従来技術に基づいて、イベント候補データを生成する。
【００２５】
図８は、受注ＤＢを基に生成されるイベント候補データの一例を示す図である。図８に示すように、イベント候補データ２０２ａは、イベント名、タイムスタンプ、イベントＩＤ・関連ＩＤ候補を含む。イベント名は、受注が登録される。タイムスタンプは、図２の日時に対応するものであり、受注イベントが行われた日時が登録される。イベントＩＤ・関連ＩＤ候補は受注番号、地域を含む。例えば、この受注番号は、図２の受注番号に対応する。
【００２６】
図９は、生産ＤＢを基に生成されるイベント候補データの一例を示す図である。図９に示すように、イベント候補データ２０２ｂは、イベント名、タイムスタンプ、イベントＩＤ・関連ＩＤ候補を含む。イベント名は、生産が登録される。タイムスタンプは、図３の日時に対応するものであり、生産イベントが行われた日時が登録される。イベントＩＤ・関連ＩＤ候補は生産番号、受注番号、品番を含む。生産番号は、図３の生産番号に対応する。関連ＩＤは、受注番号を含む。受注番号は、図３の受注番号に対応する。
【００２７】
図１０は、手配ＤＢを基に生成されるイベント候補データの一例を示す図である。図１０に示すように、イベント候補データ２０２ｃは、イベント名、タイムスタンプ、イベントＩＤ・関連ＩＤ候補を含む。イベント名は、手配が登録される。タイムスタンプは、図４の日時に対応するものであり、手配イベントが行われた日時が登録される。イベントＩＤ・関連ＩＤ候補は手配番号、受注番号、品番、納品先を含む。手配番号は、図４の手配番号に対応する。受注番号は、図４の受注番号に対応する。
【００２８】
図１１は、配送ＤＢを基に生成されるイベント候補データの一例を示す図である。図１１に示すように、イベント候補データ２０２ｄは、イベント名、タイムスタンプ、イベントＩＤ・関連ＩＤを含む。イベント名は、配送が登録される。タイムスタンプは、図５の日時に対応するものであり、配送イベントが行われた日時が登録される。イベントＩＤ・関連ＩＤ候補は、手配番号、配送便、納品先を含む。手配番号は、図５の手配番号に対応する。配送便は、図５の配送便に対応する。
【００２９】
図８〜図１１に示したイベント候補データ２０２ａ〜２０２ｄは、業務データ格納部２０２に格納される。なお、品番ＤＢ１００ｅには、タイムスタンプに対応するフィールドが存在しないため、イベントデータは生成されない。
【００３０】
図７の説明に戻る。データ関連性判定部２０３は、業務データ格納部２０２に格納されたイベント候補データ２０２ａ〜２０２ｄの関連性を判定する処理部である。例えば、データ関連性判定部２０３は、特開２００８−２７０７２に開示された従来技術に基づいて、関連性を判定する。
【００３１】
業務プロセス事例生成部２０４は、データ関連性判定部２０３から出力されるイベントデータと、イベントデータ間の関連図を基にして、業務プロセス事例データを生成する処理部である。例えば、業務プロセス事例生成部２０４は、特開２００８−２７０７２に開示された従来技術に基づいて、業務プロセス事例データを生成する。
【００３２】
図１２Ａは、業務プロセス事例生成部への入力の一例を説明するための図である。図１２Ａに示すように、に示すように、イベントデータ２０２ａのイベントＩＤは、イベントデータ２０２ｂの関連ＩＤと、イベントデータ２０２ｃの関連ＩＤに関連している。また、イベントデータ２０２ｃのイベントＩＤは、イベントデータ２０２ｄのイベントＩＤに関連している。
【００３３】
図１２Ｂは、業務プロセス事例生成部の処理の一例を説明するための図である。図１２に示すように、イベント候補データ２０２ａのイベントＩＤは、イベント候補データ２０２ｂの関連ＩＤと、イベント候補データ２０２ｃの関連ＩＤに関連している。また、イベント候補データ２０２ｃのイベントＩＤは、イベント候補データ２０２ｄのイベントＩＤに関連している。業務プロセス事例生成部２０４は、関連するインスタンスを抽出し、時間経過の順につなぎ合わせることで、業務プロセス事例データを生成する。
【００３４】
図１２Ｂを用いて、業務プロセス事例生成部２０４が、業務プロセス事例データを生成する処理を説明する。この業務プロセス事例データは、プロセスインスタンスに対応するものである。ここでは、イベント候補データ２０２ａの受注番号「ＪＴ０１」の受注イベントインスタンスを起点とする。
【００３５】
業務プロセス事例生成部２０４は、関連ＩＤのフィールド値として、受注番号「ＪＴ０１」をとるレコードを確定する。図１２Ｂに示す例では、業務プロセス事例生成部２０４は、イベント候補データ２０２ｂから２つの生産イベントインスタンス、イベント候補データ２０２ｃから３つの手配イベントインスタンスを確定する。
【００３６】
続いて、業務プロセス事例生成部２０４は、関連ＩＤのフィールド値として、手配番号「ＴＨ０１」、「ＴＨ０２」、「ＴＨ０３」をとるレコードを確定する。図１２Ｂに示す例では、業務プロセス事例生成部２０４は、イベント候補データ２０２ｄから３つの配送イベントインスタンスを確定する。
【００３７】
業務プロセス事例生成部２０４は、上記確定したイベントインスタンスを、該イベントインスタンスのタイムスタンプに基づいて時間経過の順につなぎ合わせることで、業務プロセス事例データを生成する。
【００３８】
図１３は、業務プロセス事例データの一例を示す図である。図１３に示すように、業務プロセス事例データは、各イベントインスタンスが、時間経過の順につながれている。具体的には、受注イベントインスタンス１０、生産イベントインスタンス１１、手配イベントインスタンス１２、手配イベントインスタンス１３、手配イベントインスタンス１４の順につながれる。また、配送イベントインスタンス１５、生産イベントインスタンス１６、配送イベントインスタンス１７、配送イベントインスタンス１８の順位つながれる。
【００３９】
同様に、業務プロセス事例生成部２０４は、残りの業務プロセス事例データを生成する。業務プロセス事例生成部２０４は、生成した各業務プロセス事例データを、業務プロセス事例格納部２００ａに格納する。
【００４０】
業務プロセス事例格納部２００ａは、複数の業務プロセス事例データを記憶する。図１４は、業務プロセス事例格納部に格納される各業務プロセス事例データの一例を示す図である。図１４に示す例では、業務プロセス事例データ１〜４が示されている。
【００４１】
業務プロセス事例データ１は、図１３に対応する業務プロセス事例データである。業務プロセス事例データ２は、受注イベントインスタンス２０、手配イベントインスタンス２１、配送イベントインスタンス２２が順に接続されている。業務プロセス事例データ３は、受注イベントインスタンス３０、生産イベントインスタンス３１、生産イベントインスタンス３２、手配イベントインスタンス３３、配送イベントインスタンス３４が順に接続されている。業務プロセス事例データ４は、受注イベントインスタンス４０、手配イベントインスタンス４１、配送イベントインスタンス４２が順に接続されている。
【００４２】
図１の説明に戻る。異常事例判定装置３００は、業務プロセス事例格納部２００ａに格納された各業務プロセス事例データから、異常な業務プロセス事例データを判定する装置である。図１に示すように、異常事例判定装置３００は、業務フロー表示部３１０、異常事例候補抽出部３２０、業務プロセス属性値取得部３３０、判定用属性値生成部３４０、異常事例判定部３５０を有する。
【００４３】
業務フロー表示部３１０は、業務プロセス事例格納部２００ａから、各業務プロセス事例データを取得し、取得した各業務プロセス事例データを重ね合わせた全体フローを生成し、生成した全体フローをディスプレイに表示する。業務フロー表示部３１０が、各業務プロセス事例データを重ね合わせて、全体フローを生成する処理は、国際公開番号ＷＯ２００７／１３２５４７に開示された技術を利用すればよい。
【００４４】
例えば、業務フロー表示部３１０は、図１４の各業務プロセス事例データ１〜４を重ね合わせることで、図１５に示す全体フローを生成し、ディスプレイに表示する。図１５は、ディスプレイに表示される全体フローの一例を示す図である。図１５の「Initial」は、業務フローの開始点を表す仮想的なイベントであり、「Final」は、業務フローの終了点を表す仮想的なイベントである。また、図１５の受注は受注イベントに対応し、生産は生産イベントに対応し、手配は手配イベントに対応し、配送は配送イベントに対応する。
【００４５】
利用者は、全体フローが表示されたディスプレイを参照し、入力装置を操作して、異常事例の検査対象となる複数の事例を選択する。業務フロー表示部３１０は、利用者によって選択された複数の事例に対応する複数の業務プロセス事例データを、異常事例候補抽出部３２０に出力する。
【００４６】
異常事例候補抽出部３２０は、業務フロー表示部３１０から取得する業務プロセス事例データと、業務プロセス事例格納部２００ａに格納された業務プロセス事例データとを基にして、異常な事例の候補となる業務プロセス事例データを判定する処理部である。以下の説明において、異常な事例の候補となる業務プロセス事例データを、異常事例候補データと表記する。異常事例候補抽出部３２０は、異常事例候補データを、異常事例候補格納部３２０ａに登録する。
【００４７】
図１６は、異常事例候補抽出部の構成を示す図である。図１６に示すように、この異常事例候補抽出部３２０は、統計情報算出部３２１、異常事例候補手動設定部３２２、異常事例候補自動設定部３２３、異常事例候補格納部３２０ａを有する。
【００４８】
統計情報算出部３２１は、ヒストグラム生成部３２１ａと、フィッテング部３２１ｂとを有する。ヒストグラム生成部３２１ａは、各業務プロセス事例データに基づいて、イベント間の遷移時間のヒストグラムを生成する処理部である。このヒストグラムは、例えば、横軸を遷移時間、縦軸を事例の件数とする。ここで、事例の件数とは、事例に対応する業務プロセス事例データの数を示す。
【００４９】
フィッテング部３２１ｂは、予め指定された想定分布を、ヒストグラムにフィッテングする処理部である。この想定分布は、正規分布、ポアソン分布、べき乗分布等に対応するものである。また、フィッテング部３２１ｂは、統計的な手法により、遷移時間毎の事例の件数の誤差の範囲を算出する。
【００５０】
図１７は、フィッテング部の処理結果を示す図である。図１７の横軸はイベント間の遷移時間であり、縦軸は事例の件数である。破線５０は、想定分布に対して非線形型の最小二乗法等を用いて求められる線分である。５１は、遷移時間毎の誤差の範囲を示す。フィッテング部３２１ｂは、処理結果を異常事例候補手動設定部３２２および異常事例候補自動判定部３２３に出力する。また、フィッテング部３２１ｂは、各業務プロセス事例データを、異常事例候補手動設定部３２２および異常事例候補自動判定部３２３に出力する。
【００５１】
異常事例候補手動設定部３２２は、フィッテング部３２１ｂの処理結果を取得し、取得した処理結果をディスプレイに表示することで、利用者に異常事例候補データを選択させる処理部である。利用者は、処理結果の表示されたディスプレイを参照し、入力装置を操作して、異常事例の候補を選択する。例えば、異常事例候補手動設定部３２２は、利用者によって、遷移時間２．５〜６の領域が選択された場合には、業務フロー表示部３１０から取得した複数の業務プロセス事例データのうち、遷移時間が２．５〜６に含まれるものを選択する。そして、異常事例候補手動設定部３２２は、選択した業務プロセス事例データを、異常事例候補データとして異常事例候補格納部３２０ａに登録する。
【００５２】
異常事例候補自動判定部３２３は、フィッテング部３２１ｂの処理結果を取得し、異常事例候補データを判定する処理部である。異常事例候補自動判定部３２３は、判定した異常事例候補データを、異常事例候補格納部３２０ａに登録する。例えば、異常事例候補自動判定部３２３は、イベント間の遷移時間の平均値および標準偏差に基づいて、異常事例候補データを判定する。または、異常事例候補自動判定部３２３は、想定分布を基にして、異常事例候補データを判定する。
【００５３】
まず、異常事例候補自動判定部３２３が、遷移時間の平均値および標準偏差に基づいて、異常事例候補データを判定する処理について説明する。異常事例候補自動判定部３２３は、各業務プロセス事例データのイベント間の遷移時間の平均値および標準偏差を求める。異常事例候補自動判定部３２３は、式（１）に基づいて、正常判定上限遷移時間を算出する。
【００５４】
正常判定上限遷移時間＝平均値＋２×標準偏差・・・（１）
【００５５】
異常事例候補自動判定部３２３は、フィッテング部３２１ｂの処理結果と、正常判定上限遷移時間とを比較して、正常判定上限遷移時間よりも大きい遷移時間を有する業務プロセス事例データを異常事例であると判定する。異常事例候補自動判定部３２３は、判定した業務プロセス事例データのうち、業務フロー表示部３１０から取得した業務プロセス事例に対応するものを、異常事例候補データと判定する。図１８は、異常事例候補自動判定部の処理を説明するための図（１）である。図１８の線６０は、正常判定上限遷移時間に対応する。図１８に示す例では、異常事例候補自動判定部３２３は、正常判定上限遷移時間６０よりも右側の業務プロセス事例データのうち、業務フロー表示部３１０から取得した業務プロセス事例データに対応するものを、異常事例候補データと判定する。
【００５６】
ただし、式（１’）で算出される正常判定下限遷移時間よりも小さい遷移時間の業務プロセス事例データが存在する場合は、それらも異常事例候補データと判定する。
【００５７】
正常判定下限遷移時間＝平均値−２×標準偏差・・・（１’）
【００５８】
続いて、異常事例候補自動判定部３２３が、想定分布を基にして、異常事例候補データを判定する処理について説明する。異常事例候補自動判定部３２３は、想定分布とヒストグラムとを比較し、想定分布から誤差範囲を超えて外れる事例を、異常事例候補データと判定する。図１９は、異常事例候補自動判定部の処理を説明するための図（２）である。図１９に示す例では、想定分布５０から外れる事例は、枠７０〜７２に含まれる事例となる。図１９に示すように、想定分布５０から外れる事例とは、遷移時間に対応する件数が、想定分布の件数を超える遷移時間を含む事例に対応する。異常事例候補自動判定部３２３は、枠７０〜７２の事例に対応する業務プロセス事例データのうち、業務フロー表示部３１０から取得した業務プロセス事例データに対応するものを、異常事例候補データと判定する。
【００５９】
上記に示した例では、異常事例候補抽出部３２０は、異常事例候補手動設定部３２２および異常事例候補自動判定部３２３によって、異常事例候補データを判定していたがこれに限定されるものではない。異常事例候補抽出部３２０は、異常事例候補手動判定部３２２または異常事例候補自動判定部３２３のどちらか一方を利用して、異常事例候補データを判定してよい。
【００６０】
図１の説明に戻る。業務プロセス属性値取得部３３０は、業務プロセス事例データに対応する属性値を取得する処理部である。例えば、属性値とは、業務プロセス事例データに含まれる各イベントに携わった担当者、イベントで利用した装置、イベントの図番等のデータを含む。業務プロセス属性値取得部３３０は、業務プロセス事例データの各イベントインスタンスに含まれる、番号をキーとして、属性ＤＢ１００ｆから属性値を取得する。この番号は、受注番号、生産番号、手配番号、配送便に対応する。ただし、前記属性値は、必ずしも属性ＤＢ１００ｆに一括登録されているわけではなく、受注ＤＢ１００ａ、生産ＤＢ１００ｂ、手配ＤＢ１００ｃ、配送ＤＢ１００ｄ、品番ＤＢ１００ｅに分散して格納する場合も存在し、その場合には各DBから属性値を取得する。
【００６１】
業務プロセス属性値取得部３３０は、業務プロセス事例データと、該業務プロセス事例データに対応する属性値とを対応づけて、業務プロセス属性値格納部３３０ａに登録する。なお、業務プロセス属性値取得部３３０は、業務プロセス事例データを一意に識別する業務ＩＤと、属性値とを対応づけて、例えば、図６Ｂのようなデータ構造で、業務プロセス属性値格納部３３０ａに登録してもよい。
【００６２】
判定用属性値生成部３４０は、属性値毎の事例数を集計し、集計結果を判定用属性値格納部３４０ａに登録する処理部である。ただし、この判定用属性値生成部３４０は、下記に示す第１の方式、第２の方式、第３の方式のうち、第２の方式によって異常事例を判定する場合にのみ動作するようにしてもよい。図２０は、集計結果の一例を示す図である。図２０に示すように、この集計結果は、種別、事例総数、担当者、装置、図番を含む。種別は、全業務プロセス事例データに対応する事例か、異常事例候補データに対応する事例かを区別するものである。種別において、全体は、注目している全業務プロセス事例データに対応する。異常事例候補は、異常事例候補データに対応する。
【００６３】
例えば、図２０の１段目に示すように、全事業プロセス事例データの事例総数は「１００」である。また、全業務プロセス事例データのうち、担当者「Ａ」が携わった事例の件数が「８０」、担当者「Ｂ」が携わった事例の件数が「１０」、担当者「Ｃ」が携わった事例の件数が「１０」である。また、全業務プロセス事例データのうち、装置「Ｎｏ．１」を利用する事例の件数は「６０」、装置「Ｎｏ．２」を利用する事例の件数は「４０」である。また、全業務プロセス事例データのうち、図番「ＸＸ」を利用する事例の件数は「９０」、図番「ＹＹ」を利用する事例の件数は「１０」である。
【００６４】
図２０の２段目に示すように、異常事例候補データのうち、担当者「Ａ」が携わった事例の件数が「１３」、担当者「Ｂ」が携わった事例の件数が「６」、担当者「Ｃ」が携わった事例の件数が「１」である。また、異常事例候補データのうち、装置「Ｎｏ．１」を利用する事例の件数は「１３」、装置「Ｎｏ．２」を利用する事例の件数は「７」である。また、異常事例候補データのうち、図番「ＸＸ」を利用する事例の件数は「１７」、図番「ＹＹ」を利用する事例の件数は「３」である。
【００６５】
異常事例判定部３５０は、業務プロセス事例データから異常な事例を判定する処理部である。異常事例判定部３５０は、判定結果をディスプレイ等に表示する。例えば、異常事例判定部３５０は、下記に示す第１〜第３の方式の何れかに基づいて、異常な事例を判定する。
【００６６】
異常事例判定部３５０が、第１の方式に基づいて異常な事例を判定する場合について説明する。第１の方式では、異常事例判定部３５０は、ある発生日時を含むイベントを有する、業務プロセス事例データの件数と、異常事例候補データの件数との比に基づいて、異常な事例を判定する。例えば、発生日時は、遷移元のイベントの発生日時または、遷移先のイベントの発生日時に対応する。
【００６７】
図２１Ａは、第１の方式を説明するための図（１）である。図２１Ａの横軸は、イベントの発生日時を示す。縦軸は、事例の件数を示す。また、線８０は、全業務プロセス事例データに対する、イベントの発生日時と事例数との関係を示す線である。線８１は、異常事例候補データに対する、イベントの発生日時と事例数との関係を示す線である。
【００６８】
異常事例判定部３５０は、発生日時毎に、業務プロセス事例データの件数に対する異常事例候補データの件数の比を算出する。異常事例判定部３５０は、比の値が閾値以上となる発生日時を異常事例が発生した日時と判定する。異常事例判定部３５０は、異常事例が発生した日時と判定した発生日時を含む異常事例候補データを、異常な事例として判定する。異常事例判定部３５０が利用する閾値は、統計的に有意に大きい値とし、例えば、管理者が設定する。
【００６９】
図２１Ａに示す例では、発生日時「２０１０／０１／２５」〜「２０１０／０２／０５」、「２０１０／０３／０１」〜「２０１０／０３／１０」における比の値が閾値以上となる。このため、異常事例候補判定部３５０は、異常事例候補データのうち、発生日時「２０１０／０１／２５」〜「２０１０／０２／０５」を含む異常事例候補のデータを異常な事例と判定する。また、異常事例判定部３５０は、異常事例候補データのうち、発生日時「２０１０／０３／０１」〜「２０１０／０３／１０」を含む異常事例候補のデータを異常な事例と判定する。
【００７０】
図２１Ｂは、第１の方式を説明するための図（２）である。図２１Ｂの横軸は時間軸に対応する。また、１ａ〜１ｃは、異常事例候補データに対応する。例えば、異常事例候補データ１ａは、図２１Ａで求めた発生日時「２０１０／０２／０１」、「２０１０／０３／０１」を含む。また、異常事例候補データ１ｃは、図２１Ａで求めた発生日時「２０１０／０２／０５」、「２０１０／０３／１０」を含む。このため、異常事例判定部３５０は、異常事例候補１ａ、１ｃを、異常な事例と判定する。
【００７１】
続いて、異常事例判定部３５０が、第２の方式に基づいて異常な事例を判定する場合について説明する。第２の方式では、異常事例判定部３５０は、判定用属性値格納部３４０ａに格納された集計結果を基にして、所定の属性値を有する業務プロセス事例データの事例数と、該属性値を有する異常事例候補データの事例数との比に基づいて、異常な事例を判定する。
【００７２】
図２２は、第２の方式を説明するための図である。図２２に示す例では、業務プロセス事例データ全体の事例数と、異常事例候補データの事例数との比が算出されている。また、属性値「担当者、装置、図番」について、業務プロセス事例データの事例数と、異常事例候補データの事例数との比が算出されている。なお、各比の算出結果におけるプラスマイナスは、誤差に対応するものである。各比の値は、異常事例判定部３５０が算出する。
【００７３】
異常事例判定部３５０は、各比を参照し、比の値が統計的に有意に多い属性値を判定する。異常事例判定部３５０は、比の値が統計的に有意に多い属性値に関連する異常事例候補データを、異常な事例と判定する。例えば、異常事例判定部３５０は、所定の閾値よりも大きい比の値に対応する属性値を異常事例に関連する属性値であると判定しても良い。例えば、所定の閾値を「０．５」とする。この所定の閾値異常よりも大きい属性値は、担当者「Ｂ」となる。このため、異常事例判定部３５０は、担当者「Ｂ」に関連する異常事例候補データを、異常な事例と判定する。
【００７４】
例えば、属性値に異常事例候補データが関連するか否かは、図６Ｂに示した属性値に対応する番号を、異常事例判定データが有しているか否かによって異常事例判定部３５０が判定する。
【００７５】
続いて、異常事例判定部３５０が、第３の方式に基づいて異常な事例を判定する場合について説明する。異常事例判定部３５０は、業務プロセス事例データおよび異常事例候補データの各イベントの前後の発生日時を参照し、先に遷移を開始したイベントよりも後に遷移を開始したイベントの方が先に遷移を終了するイベントの数に基づいて異常な事例を判定する。
【００７６】
まず、異常事例判定部３５０は、イベント間遷移の前後の順序性の乱れの指標を算出する。ここで、順序性の乱れの指標は、先に遷移を開始したのに、遷移終了が後になった事例数に対応する。図２３は、第３の方式を説明するための図（１）である。図２３の横軸は時間軸である。また、１ａ〜１ｊは、遷移前のイベントの発生日時に対応するものである。また、２ａ〜２ｊは、遷移後のイベントの発生日時に対応するものである。１ａ〜１ｊの遷移先をそれぞれ、２ａ〜２ｊとする。図２３において、先に遷移を開始したのに、遷移終了が後になった事例は、１ｅおよび２ｅの組、１ｆおよび２ｆの組、１ｇおよび２ｇの組の３つである。このため、図２３のイベントを含む業務プロセス事例データまたは異常事例候補データの順序性の乱れの指数は３となる。
【００７７】
異常事例判定部３５０は、各業務プロセス事例データおよび各異常事例候補データの順序性の乱れの指数を算出した後に、この乱れの指数が統計的に有意に大きい異常事例候補データを、異常な事例と判定する。
【００７８】
具体的に、異常事例判定部３５０は、各順序性の乱れの指標の平均値および標準偏差を算出する。異常事例判定部３５０は、平均値および標準偏差を基にして、異常な事例を判定する。図２４は、第３の方式を説明するための図（２）である。図２４の横軸は、順序性の乱れの指標を示す。縦軸は、事例数を示す。また、線９０は、平均値を示す。線９１は、標準偏差の値を２倍したものに平均値９０を加算した値に対応する。線９２は、標準偏差の値を２倍したものによって、平均値９０を減算した値に対応する。異常事例判定部３５０は、線９１より右側の指数の異常事例候補データを異常な事例と判定する。また、異常事例判定部３５０は、線９２より左側の指数の異常事例候補データを異常な事例と判定する。
【００７９】
次に、本実施例にかかる異常事例判定装置３００の処理手順について説明する。図２５は、異常事例判定装置の処理手順を示すフローチャートである。図２５に示す処理は、例えば、利用者によって検査対象となる事例を選択されたことを契機に実行される。図２５に示すように、異常事例判定装置３００は、異常事例候補データを抽出し（ステップＳ１０１）、属性値を取得する（ステップＳ１０２）。
【００８０】
異常事例判定装置３００は、属性値毎の事例数を集計し（ステップＳ１０３）、異常事例判定処理を実行する（ステップＳ１０４）。なお、異常事例判定装置３００は、第１の方式または第３の方式で、異常な事例を判定する場合には、ステップＳ１０２、１０３の処理を実行しなくてもよい。
【００８１】
次に、図２５のステップＳ１０４に示した異常事例判定処理の処理手順について説明する。異常事例判定処理は、上記に示したとおり、第１〜３の方式の何れかに対応する。図２６〜図２８は、異常事例判定処理の処理手順を示すフローチャートである。図２６〜図２８の処理は、第１〜３の方式にそれぞれ対応する。
【００８２】
図２６の異常事例判定処理について説明する。図２６の処理は、第１の方式に対応するものである。異常事例判定部３５０は、注目した業務プロセス事例データ全体の総事例数と、異常事例候補データ全体の総事例数との比を算出する（ステップＳ２０１）。
【００８３】
異常事例判定部３５０は、注目した業務プロセス事例データ中の全事例について遷移の元側のイベントの発生日時を横軸とするヒストグラムを生成する（ステップＳ２０２）。異常事例判定部３５０は、注目した業務プロセス事例データ中の全事例について遷移の先側のイベントの発生日時を横軸とするヒストグラムを生成する（ステップＳ２０３）。
【００８４】
異常事例判定部３５０は、注目した業務プロセス事例データ中の異常事例候補データについて遷移の元側のイベントの発生日時を横軸とするヒストグラムを生成する（ステップＳ２０４）。異常事例判定部３５０は、注目した業務プロセス事例データ中の異常事例候補データについて遷移の先側のイベントの発生日時を横軸とするヒストグラムを生成する（ステップＳ２０５）。
【００８５】
異常事例判定部３５０は、イベント発生日時の先頭のデータ区分を選択し（ステップＳ２０６）、選択したデータ区分に含まれる業務プロセス事例データの事例数と、異常事例候補データの事例数の比を算出する（ステップＳ２０７）。
【００８６】
異常事例判定部３５０は、選択したデータ区分において、異常事例候補データの事例数が統計的に有意に大きいか否かを判定する（ステップＳ２０８）。異常事例判定部３５０は、異常事例候補データの事例数が統計的に有意に大きくない場合には（ステップＳ２０８，Ｎｏ）、ステップＳ２１０に移行する。
【００８７】
一方、異常事例判定部３５０は、異常事例候補データの事例数が統計的に有意に大きい場合には（ステップＳ２０８，Ｙｅｓ）、選択したデータ区分における異常事例候補データを、異常な事例であると判定する（ステップＳ２０９）。
【００８８】
異常事例判定部３５０は、全てのデータ区分を処理していない場合には（ステップＳ２１０，Ｎｏ）、次のデータ区分を選択し（ステップＳ２１１）、ステップＳ２０７に移行する。一方、異常事例判定部３５０は、全てのデータ区分を処理した場合には（ステップＳ２１０，Ｙｅｓ）、処理を終了する。
【００８９】
次に、図２７の異常事例判定処理について説明する。図２７の処理は、第２の方式に対応するものである。異常事例判定部３５０は、注目した業務プロセス事例データの総事例数と、異常事例候補データ全体の事例数との比を算出する（ステップＳ３０１）。異常事例判定部３５０は、各業務プロセス事例データに対応する属性のリストを作成する（ステップＳ３０２）。
【００９０】
異常事例判定部３５０は、リストの先頭の属性を選択し（ステップＳ３０３）、選択した属性について、属性値または、属性の範囲のリストを作成する（ステップＳ３０４）。異常事例判定部３５０は、リストの先頭の属性値または属性値の範囲を選択する（ステップＳ３０５）。
【００９１】
異常事例判定部３５０は、選択した属性について、選択した属性値または属性値の範囲における業務プロセス事例データ全体の件数と、異常事例候補データの件数との比を算出する（ステップＳ３０６）。
【００９２】
異常事例判定部３５０は、選択した属性について、選択した属性値または属性値の範囲における異常事例候補データの事例数が、統計的に有意に大きいか否かを判定する（ステップＳ３０７）。異常事例判定部３５０は、異常事例候補データの事例数が統計的に大きくない場合には（ステップＳ３０７，Ｎｏ）、ステップＳ３０９に移行する。
【００９３】
一方、異常事例判定部３５０は、異常事例候補データの事例数が統計的に大きい場合には（ステップＳ３０７，Ｙｅｓ）、選択した属性について、選択した属性値または属性値の範囲における異常事例候補データを異常な事例であると判定する（ステップＳ３０８）。
【００９４】
異常事例判定部３５０は、全ての属性値または属性値の範囲の範囲を処理していない場合には（ステップＳ３０９，Ｎｏ）、次の属性値または属性値の範囲を選択し（ステップＳ３１０）、ステップＳ３０６に移行する。
【００９５】
一方、異常事例判定部３５０は、全ての属性値または、属性値の範囲を処理した場合には（ステップＳ３０９，Ｙｅｓ）、全ての属性を処理したか否かを判定する（ステップＳ３１１）。異常事例判定部３５０は、全ての属性を処理していない場合には（ステップＳ３１１，Ｎｏ）、次の属性を選択し（ステップＳ３１２）、ステップＳ３０４に移行する。一方、異常事例判定部３５０は、全ての属性を処理した場合には（ステップＳ３１１，Ｙｅｓ）、処理を終了する。
【００９６】
次に、図２８の異常事例判定処理について説明する。図２８の処理は、第３の方式に対応するものである。異常事例判定部３５０は、業務プロセス事例毎にイベント間遷移の前後の順序性の乱れの指標を算出する（ステップＳ４０１）。
【００９７】
異常事例判定部３５０は、順序性の乱れの指数と事例数の関係を示すヒストグラムを生成し（ステップＳ４０２）、平均値および標準偏差を算出する（ステップＳ４０３）。異常事例判定部３５０は、指数が平均値−標準偏差×２よりも小さいもの、または、指数が平均値＋標準偏差×２よりも大きいものを異常な事例と判定する（ステップＳ４０４）。
【００９８】
次に、本実施例にかかる異常事例判定装置３００の効果について説明する。異常事例判定装置３００は、複数の業務プロセス事例データのイベント間の遷移時間のヒストグラムと想定分布とを比較し、想定分布から誤差範囲を超えて外れている遷移時間区分に含まれるデータを異常事例候補データとして抽出する。そして、異常事例判定装置３００は、所定のイベントの発生日時を有する業務プロセス事例データの件数と、該発生日時を有する異常事例候補データとの比率に基づいて、異常なイベントが発生した日時とともに異常なイベントを構成要素とする異常なプロセス事例を判定する。このため、異常な事例と正常な事例とが明確に分離していなくても、イベントの発生日時から業務プロセスの異常な事例を精度良く判定することができる。
【００９９】
また、異常事例判定装置３００は、所定の属性値を有する業務プロセス事例データの件数と、該属性値を有する異常事例候補データの件数との比率に基づいて、異常事例発生と関連する属性値とともに異常事例を判定する。このため、異常な事例と正常な事例とが明確に分離していなくても、イベントの属性値から業務プロセスの異常な事例を精度良く判定することができる。
【０１００】
また、異常事例判定装置３００は、業務プロセス事例データ毎に、順序性の乱れの指標を算出し、この指標を基にして異常な事例を判定するので、異常な事例と正常な事例とが明確に分離していなくても、業務プロセスの異常な事例を精度良く判定することができる。
【０１０１】
なお、図１に示した各ＤＢ１００ａ〜１００ｆ、各格納部２００ａ、３２０ａ、３３０ａ、３４０ａは、記憶装置に対応する。この記憶装置は、例えば、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ（Flash Memory）などの半導体メモリ素子、またはハードディスク、光ディスクなどの記憶装置に対応する。
【０１０２】
また、図１に示した各処理部３１０〜３５０は、ＡＳＩＣ（Application Specific Integrated Circuit）や、ＦＰＧＡ（Field Programmable Gate Array）などの集積装置に対応する。また、各処理部３１０〜３５０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等の電子回路に対応する。
【０１０３】
上記の異常事例判定システムの構成は、図１の構成に限られるものではない。例えば、業務システム１００が有する各ＤＢ１００ａ〜１００ｆを、業務プロセス事例抽出装置２００が有していても良い。このような構成にすることで、異常事例判定装置３００は、業務プロセス事例抽出装置２００とデータ通信を行えば、異常な事例を判定することができる。
【０１０４】
また、異常事例判定装置３００の構成は、図１の構成に限られるものではない。例えば、業務フロー表示部３１０は、必ずしも異常事例判定装置３００に備えられていなくてもよく、外部の装置に業務フロー表示部３２０の機能を持たせても良い。この場合、異常事例判定装置３００は、業務フロー表示部３２０の機能を有する外部の装置から、利用者の選択した業務プロセス事例データを取得する。
【０１０５】
ところで、上述の実施例で説明した異常事例判定装置１００等の処理は、あらかじめ用意されたプログラムをパーソナルコンピュータやワークステーションなどのコンピュータシステムで実行することによって実現することもできる。
【０１０６】
ここで、図２９を用いて、上記の実施例で説明した異常事例判定装置１００による処理と同様の機能を実現する異常事例判定プログラムを実行するコンピュータの一例を説明する。図２９は、異常事例判定プログラムを実行するコンピュータの一例を示す図である。
【０１０７】
図２９に示すように、異常事例判定装置３００として機能するコンピュータ４００は、各種演算処理を実行するＣＰＵ４０１と、ユーザからのデータの入力を受け付ける入力装置４０２と、ディスプレイ４０３を有する。また、コンピュータ４００は、記憶媒体からプログラム等を読取る媒体読み取り装置４０４と、ネットワークを介して他のコンピュータとの間でデータの授受を行うネットワークインターフェース装置４０５とを有する。また、コンピュータ２００は、各種情報を一時記憶するＲＡＭ４０６と、ハードディスク装置４０７を有する。そして、各装置４０１〜４０７は、バス４０８に接続される。
【０１０８】
ハードディスク装置４０７には、上述した異常事例判定装置３００の機能と同様の機能を発揮する異常事例候補抽出プログラム４０７ａ、業務プロセス属性値取得プログラム４０７ｂが記憶されている。また、ハードディスク装置４０７には、判定用属性値生成プログラム４０７ｃ、異常事例判定プログラム４０７ｄが記憶されている。
【０１０９】
ＣＰＵ４０１は、プログラム４０７ａ〜４０７ｄをハードディスク装置４０７から読み出してＲＡＭ４０６に展開する。異常事例候補抽出プログラム４０７ａは、異常事例候補抽出プロセス４０６ａとして機能する。業務プロセス属性値取得プログラム４０７ｂは、業務プロセス属性値取得プロセス４０６ｂとして機能する。判定用属性値生成プログラム４０７ｃは、判定用属性値生成プロセス４０６ｃとして機能する。異常事例判定プログラム４０７ｄは、異常事例判定プロセス４０６ｄとして機能する。
【０１１０】
異常事例候補抽出プロセス４０６ａは、異常事例候補抽出部３２０に対応する。業務プロセス属性値取得プロセス４０６ｂは、業務プロセス属性値取得部３３０に対応する。判定用属性値生成プロセス４０６ｃは、判定用属性値生成部３４０に対応する。異常事例判定プロセス４０６ｄは、異常事例判定部３５０に対応する。
【０１１１】
なお、各プログラム４０７ａ〜４０７ｄについては、必ずしも最初からハードディスク装置に記憶させておかなくてもよい。例えば、コンピュータ４００に挿入されるフレキシブルディスク（ＦＤ）、ＣＤ−ＲＯＭ、ＤＶＤディスク、光磁気ディスク、ＩＣカードなどの「可搬用の物理媒体」に各プログラムを記憶させておく。そして、コンピュータ４００がこれらから各プログラムを読み出して実行するようにしてもよい。
【０１１２】
以上の各実施例を含む実施形態に関し、さらに以下の付記を開示する。
【０１１３】
（付記１）コンピュータに、
所定の特徴を有する業務プロセス事例の情報と、該業務プロセス事例に含まれるイベント間の遷移時間の情報とを格納する格納部を参照し、前記業務プロセス事例に含まれるイベント間の想定される遷移時間と、該遷移時間を含む業務プロセス事例の想定される件数との関係を示す想定分布に基づいて、該想定分布から外れる遷移時間の業務プロセス事例を異常事例の候補として複数の業務プロセス事例から抽出し、
所定の特徴を有する前記異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記所定の特徴を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の特徴を有する異常事例の候補を異常事例として判定する処理を実行させることを特徴とする異常事例判定プログラム。
【０１１４】
（付記２）前記格納部は、業務プロセス事例に含まれる各イベントの発生日時を所定の特徴として格納しており、
イベントの所定の発生日時を有する異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記イベントの所定の発生日時を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の発生日時を有する異常事例の候補を異常事例として判定することを特徴とする付記１に記載の異常事例判定プログラム。
【０１１５】
（付記３）前記格納部は、業務プロセス事例に含まれる属性値を所定の特徴として格納しており、
所定の属性値を有する異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記所定の属性値を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の属性値を有する異常事例の候補を異常事例として判定することを特徴とする付記１または２に記載の異常事例判定プログラム。
【０１１６】
（付記４）前記異常事例の候補に含まれるイベントにおいて、先に遷移を開始したイベントよりも後に遷移を開始したイベントの方が先に遷移を終了するイベントの数を算出し、算出した数が所定の範囲に含まれない場合に、前記異常事例の候補を異常事例と判定することを特徴とする付記１、２または３に記載の異常事例判定プログラム。
【０１１７】
（付記５）所定の特徴を有する業務プロセス事例の情報と、該業務プロセス事例に含まれるイベント間の遷移時間の情報とを格納する格納部と、
前記格納部を参照し、前記業務プロセス事例に含まれるイベント間の想定される遷移時間と、該遷移時間を含む業務プロセス事例の想定される件数との関係を示す想定分布に基づいて、該想定分布から外れる遷移時間の業務プロセス事例を異常事例の候補として複数の業務プロセス事例から抽出する異常事例候補抽出部と、
所定の特徴を有する前記異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記所定の特徴を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の特徴を有する異常事例の候補を異常事例として判定する異常事例判定部と
を有することを特徴とする異常事例判定装置。
【０１１８】
（付記６）前記格納部は、業務プロセス事例に含まれる各イベントの発生日時を所定の特徴として格納しており、
前記異常事例判定部は、イベントの所定の発生日時を有する異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記イベントの所定の発生日時を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の発生日時を有する異常事例の候補を異常事例として判定することを特徴とする付記５に記載の異常事例判定装置。
【０１１９】
（付記７）前記格納部は、業務プロセス事例に含まれる属性値を所定の特徴として格納しており、
前記異常事例判定部は、所定の属性値を有する異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記所定の属性値を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の属性値を有する異常事例の候補を異常事例として判定することを特徴とする付記５または６に記載の異常事例判定装置。
【０１２０】
（付記８）前記異常事例判定部は、前記異常事例の候補に含まれるイベントにおいて、先に遷移を開始したイベントよりも後に遷移を開始したイベントの方が先に遷移を終了するイベントの数を算出し、算出した数が所定の範囲に含まれない場合に、前記異常事例の候補を異常事例と判定することを特徴とする付記５、６または７に記載の異常事例判定装置。
【０１２１】
（付記９）コンピュータが実行する異常事例判定方法であって、
所定の特徴を有する業務プロセス事例の情報と、該業務プロセス事例に含まれるイベント間の遷移時間の情報とを格納する格納部を参照し、前記業務プロセス事例に含まれるイベント間の想定される遷移時間と、該遷移時間を含む業務プロセス事例の想定される件数との関係を示す想定分布に基づいて、該想定分布から外れる遷移時間の業務プロセス事例を異常事例の候補として複数の業務プロセス事例から抽出し、
所定の特徴を有する前記異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記所定の特徴を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の特徴を有する異常事例の候補を異常事例として判定することを特徴とする異常事例判定方法。
【０１２２】
（付記１０）前記格納部は、業務プロセス事例に含まれる各イベントの発生日時を所定の特徴として格納しており、
イベントの所定の発生日時を有する異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記イベントの所定の発生日時を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の発生日時を有する異常事例の候補を異常事例として判定することを特徴とする付記９に記載の異常事例判定方法。
【０１２３】
（付記１１）前記格納部は、業務プロセス事例に含まれる属性値を所定の特徴として格納しており、所定の属性値を有する異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記所定の属性値を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の属性値を有する異常事例の候補を異常事例として判定することを特徴とする付記９または１０に記載の異常事例判定方法。
【０１２４】
（付記１２）前記異常事例の候補に含まれるイベントにおいて、先に遷移を開始したイベントよりも後に遷移を開始したイベントの方が先に遷移を終了するイベントの数を算出し、算出した数が所定の範囲に含まれない場合に、前記異常事例の候補を異常事例と判定することを特徴とする付記９、１０または１１に記載の異常事例判定方法。
【符号の説明】
【０１２５】
３００ 異常事例判定装置
３１０ 業務フロー表示部
３２０ 異常事例候補抽出部
３３０ 業務プロセス属性値取得部
３４０ 判定用属性値生成部
３５０ 異常事例判定部
【技術分野】
【０００１】
本発明は、異常事例判定プログラム等に関する。
【背景技術】
【０００２】
従来、業務を改善することを目的として、業務システムの業務プロセスを分析する業務プロセス分析装置が存在する。この業務プロセス分析装置は、業務システムの運用データを基にして、業務フローを表示し、実運用中の業務プロセスを分析する。
【０００３】
例えば、業務プロセス分析装置は、正常な業務フローと、分析対象となる業務フローとを比較することで、業務プロセス中の異常な事例を特定する。図３０は、従来技術を説明するための図（１）である。図３０の業務フローＩＤは、業務フローを識別するものである。シーケンスは、業務フローのシーケンスを示す。ここでは、正常な業務フローを業務フロー１とする。業務プロセス分析装置は、業務フロー１のシーケンスと、業務フロー２〜４のシーケンスとを各々比較すると、各２シーケンスで共通していない（相違する）部分が存在する。例えば、業務フロー１のシーケンスと業務フロー２のシーケンスでは、「作業工程Ｂ」と「作業工程ｂ」の部分が共通していない。また、業務フロー１のシーケンスと業務フロー３のシーケンスとでは「第１チェック工程終了」と「第１チェック工程ラインアウト」の部分が共通していない。また、業務フロー１のシーケンスと業務フロー４のシーケンスとでは「最終チェック工程ラインアウト」と「最終チェック工程終了」→「梱包ラインアウト」の部分が共通していない。この場合には、業務プロセス分析装置は、業務フロー２〜４に対応する事例を、異常な事例であると判定する。
【０００４】
また、業務プロセス分析装置は、各業務プロセスに含まれるイベント間の遷移時間の平均値や標準偏差を利用して、異常な事例を判定していた。図３１は、従来技術を説明するための図（２）である。図３１の横軸は、イベント間の遷移時間を示す。縦軸は、業務プロセスの事例の件数を示す。また、１ａは遷移時間の平均値に対応し、１ｂは遷移時間の標準偏差を２倍し、平均値に加算したものに対応する。１ｂよりも右側に存在する各事例１ｃは、平均的な事例と比較して、遷移時間が統計的に有意に大きい。このため、業務プロセス分析装置は、各事例１ｃを、異常な事例であると判定する。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００８−２７０７２号公報
【特許文献２】国際公開第２００７／１３２５４７号
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、上述した従来技術では、業務プロセスの異常な事例を精度良く判定することができない場合が存在するという問題があった。
【０００７】
例えば、図３０に示した業務フローのシーケンスの比較により、異常な事例を判定する場合には、シーケンス以外に正常事例との違いが表出しない問題の要因がある異常な事例を判定することができない。また、図３１に示した方法により異常な事例を判定する際、正常な事例と異常な事例とが明確に分離していない場合には、異常な事例を特定することができない。
【０００８】
図３２は、正常な事例と異常な事例とが明確に分離していない例を示す図である。図３２の横軸は、イベント間の遷移時間を示す。縦軸は、業務プロセスの事例の件数を示す。図３２の２ａには、正常な事例と異常な事例とが含まれており、平均値と標準偏差のみでは、異常な事例のみを抽出することができない。
【０００９】
開示の技術は、上記に鑑みてなされたものであって、異常な事例を精度良く判定することができる異常事例判定プログラム、異常事例判定装置および異常事例判定方法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】
【００１０】
開示の異常事例判定プログラムは、イベント間の遷移時間のヒストグラムが想定分布から外れる業務プロセス事例を異常事例の候補として複数の業務プロセス事例から抽出する。また、開示の異常事例判定プログラムは、所定の特徴を有する前記異常事例の候補の件数と、前記所定の特徴を有する業務プロセス事例の件数との比率を基にして、前記異常事例の候補から異常事例を判定する。
【発明の効果】
【００１１】
開示の異常事例判定プログラムの一つの態様によれば、異常な事例を精度良く判定することができるという効果を奏する。
【図面の簡単な説明】
【００１２】
【図１】図１は、本実施例にかかる異常事例判定システムの構成を示す図である。
【図２】図２は、受注ＤＢのデータ構造の一例を示す図である。
【図３】図３は、生産ＤＢのデータ構造の一例を示す図である。
【図４】図４は、手配ＤＢのデータ構造の一例を示す図である。
【図５】図５は、配送ＤＢのデータ構造の一例を示す図である。
【図６Ａ】図６Ａは、品番ＤＢのデータ構造の一例を示す図である。
【図６Ｂ】図６Ｂは、属性ＤＢのデータ構造の一例を示す図である。
【図７】図７は、業務プロセス事例抽出装置の構成を示す図である。
【図８】図８は、受注ＤＢを基に生成されるイベント候補データの一例を示す図である。
【図９】図９は、生産ＤＢを基に生成されるイベント候補データの一例を示す図である。
【図１０】図１０は、手配ＤＢを基に生成されるイベント候補データの一例を示す図である。
【図１１】図１１は、配送ＤＢを基に生成されるイベント候補データの一例を示す図である。
【図１２Ａ】図１２Ａは、業務プロセス事例生成部への入力の一例を説明するための図である。
【図１２Ｂ】図１２Ｂは、業務プロセス事例生成部の処理の一例を説明するための図である。
【図１３】図１３は、業務プロセス事例データの一例を示す図である。
【図１４】図１４は、業務プロセス事例格納部に格納される各業務プロセス事例データの一例を示す図である。
【図１５】図１５は、ディスプレイに表示される全体フローの一例を示す図である。
【図１６】図１６は、異常事例候補抽出部の構成を示す図である。
【図１７】図１７は、フィッテング部の処理結果を示す図である。
【図１８】図１８は、異常事例候補自動判定部の処理を説明するための図（１）である。
【図１９】図１９は、異常事例候補自動判定部の処理を説明するための図（２）である。
【図２０】図２０は、集計結果の一例を示す図である。
【図２１Ａ】図２１Ａは、第１の方式を説明するための図（１）である。
【図２１Ｂ】図２１Ｂは、第１の方式を説明するための図（２）である。
【図２２】図２２は、第２の方式を説明するための図である。
【図２３】図２３は、第３の方式を説明するための図（１）である。
【図２４】図２４は、第３の方式を説明するための図（２）である。
【図２５】図２５は、異常事例判定装置の処理手順を示すフローチャートである。
【図２６】図２６は、異常事例判定処理の処理手順を示すフローチャート（１）である。
【図２７】図２７は、異常事例判定処理の処理手順を示すフローチャート（２）である。
【図２８】図２８は、異常事例判定処理の処理手順を示すフローチャート（３）である。
【図２９】図２９は、異常事例判定プログラムを実行するコンピュータの一例を示す図である。
【図３０】図３０は、従来技術を説明するための図（１）である。
【図３１】図３１は、従来技術を説明するための図（２）である。
【図３２】図３２は、正常な事例と異常な事例とが明確に分離していない例を示す図である。
【発明を実施するための形態】
【００１３】
以下に、本願の開示する異常事例判定プログラム、異常事例判定装置および異常事例判定方法の実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。
【実施例】
【００１４】
本実施例にかかる異常事例判定システムの構成について説明する。図１は、本実施例にかかる異常事例判定システムの構成を示す図である。図１に示すように、この異常事例判定システムは、業務システム１００、業務プロセス事例抽出装置２００、異常事例判定装置３００を有する。
【００１５】
業務システム１００は、各種の業務を実行する。この業務システム１００は、受注ＤＢ１００ａ、生産ＤＢ１００ｂ、手配ＤＢ１００ｃ、配送ＤＢ１００ｄ、品番ＤＢ１００ｅ、属性ＤＢ１００ｆを有する。例えば、各ＤＢ１００ａ〜１００ｅは、リレーショナルデータベースである。業務システム１００は、各ＤＢ１００ａ〜１００ｅのデータを、業務プロセス事例抽出装置２００、異常事例判定装置３００に通知する。また、業務システム１００は、属性ＤＢ１００ｆのデータを、異常事例判定装置３００に通知する。ただし、その通知方法は、業務システム１００が異常事例判定装置３００からの検索要求に逐次応じるというものである必要は無く、業務システムのある時点でのバックアップ用の一括出力や、業務システムのアプリケーションの動作ログ等の出力で良い。
【００１６】
ここで、各ＤＢ１００ａ〜１００ｄのデータ構造の一例について説明する。図２は、受注ＤＢのデータ構造の一例を示す図である。図２に示すように、受注ＤＢ１００ａは、受注ＤＢのスキーマ情報１０１ａ、受注ＤＢのレコード群１０２ａを含む。スキーマ情報１０１ａにおいて、フィールド（Field）１〜４のそれぞれに、フィールド名、キー設定、データ型、レコード長、コメントが登録される。スキーマ情報１０１ａにおいて、フィールド１には、日時が登録され、フィールド２には主キーである受注番号が登録される。また、フィールド３には、地域が登録され、フィールド４には、受注内容が登録される。フィールド１〜４に登録される具体的なデータは、レコード群１０２ａのようになる。スキーマ情報１０１ａを利用することで、レコード群１０２ａの内容を把握することができる。
【００１７】
図３は、生産ＤＢのデータ構造の一例を示す図である。図３に示すように、生産ＤＢ１００ｂは、生産ＤＢのスキーマ情報１０１ｂ、生産ＤＢのレコード群１０２ｂを含む。スキーマ情報１０１ｂにおいて、フィールド（Field）１〜５のそれぞれに、フィールド名、キー設定、データ型、レコード長、コメントが登録される。スキーマ情報１０１ｂにおいて、フィールド１には、日時が登録され、フィールド２には、主キーである生産番号が登録される。フィールド３には、副キーである受注番号が登録され、フィールド４には、副キーである品番が登録される。フィールド５には、納期が登録される。フィールド１〜５に登録される具体的なデータは、レコード群１０２ｂのようになる。スキーマ情報１０１ｂを利用することで、レコード群１０２ｂの内容を把握することができる。
【００１８】
図４は、手配ＤＢのデータ構造の一例を示す図である。図４に示すように、手配ＤＢ１００ｃは、手配ＤＢのスキーマ情報１０１ｃ、手配ＤＢのレコード群１０２ｃを含む。スキーマ情報１０１ｃにおいて、フィールド（Field）１〜５のそれぞれに、フィールド名、キー設定、データ型、レコード長、コメントが登録される。スキーマ情報１０１ｃにおいて、フィールド１には、日時が登録され、フィールド２には、主キーである手配番号が登録される。フィールド３には、副キーである受注番号が登録され、フィールド４には、副キーである品番が登録される。フィールド５には、納品先が登録される。フィールド１〜５に登録される具体的なデータは、レコード群１０２ｃのようになる。スキーマ情報１０１ｃを利用することで、レコード群１０２ｃの内容を把握することができる。
【００１９】
図５は、配送ＤＢのデータ構造の一例を示す図である。図５に示すように、配送ＤＢ１００ｄは、配送ＤＢのスキーマ情報１０１ｄ、配送ＤＢのレコード群１０２ｄを含む。スキーマ情報１０１ｄにおいて、フィールド（Field）１〜４のそれぞれに、フィールド名、キー設定、データ型、レコード長、コメントが登録される。スキーマ情報１０１ｄにおいて、フィールド１には、日時が登録され、フィールド２には、主キーである手配番号が登録される。フィールド３には、副キーである配送便が登録され、フィールド４には、納品先が登録される。フィールド１〜４に登録される具体的なデータは、レコード群１０２ｄのようになる。スキーマ情報１０１ｄを利用することで、レコード群１０２ｄの内容を把握することができる。
【００２０】
図６Ａは、品番ＤＢのデータ構造の一例を示す図である。図６Ａに示すように、品番ＤＢ１００ｅは、品番ＤＢのスキーマ情報１０１ｅ、品番ＤＢのレコード群１０２ｅを含む。スキーマ情報１０１ｅにおいて、フィールド（Field）１、２に、フィールド名、キー設定、データ型、レコード長、コメントが登録される。スキーマ情報１０１ｅにおいて、フィールド１には、主キーである品番が登録され、フィールド２には、品名が登録される。フィールド１、２に登録される具体的なデータは、レコード群１０２ｅのようになる。スキーマ情報１０１ｅを利用することで、レコード群１０２ｅの内容を把握することができる。
【００２１】
図６Ｂは、属性ＤＢのデータ構造の一例を示す図である。図６Ｂに示すように、属性ＤＢ１００ｆは、受注番号、生産番号、手配番号、配送便、属性値を含む。また、属性値は、担当者、装置、図番を含む。このうち、担当者は各イベントに携わった担当者に対応する。装置は、各イベントで利用した装置に対応する。図番は、各イベントで利用した物品の設計図等に対応するものである。例えば、図６Ｂにおいて、受注番号「ＪＴ０１」の受注イベントでは、担当者「Ａ」が携わっている。また、生産番号「ＳＳ０１」の生産イベントでは、担当者「Ｃ」が携わっており、「Ｎｏ．１」の装置を利用しており、生産した物品の図番は「ＸＸ」である。その他の受注番号、生産番号、手配番号、配送便も、該当する属性値が属性ＤＢ１００ｆに登録されている。ただし、前記属性値は、必ずしも属性ＤＢ１００ｆに一括登録されている必要は無く、受注ＤＢ１００ａ、生産ＤＢ１００ｂ、手配ＤＢ１００ｃ、配送ＤＢ１００ｄ、品番ＤＢ１００ｅに分散して格納することも可能である。
【００２２】
業務プロセス事例抽出装置２００は、業務システムから各ＤＢ１００ａ〜１００ｅのデータを取得し、業務プロセス事例データを生成する装置である。業務プロセス事例抽出装置２００は、業務プロセス事例データを、業務プロセス事例格納部２００ａに格納する。
【００２３】
図７は、業務プロセス事例抽出装置の構成を示す図である。図７に示すように、この業務プロセス事例抽出装置２００は、整形部２０１、業務データ格納部２０２、データ関連性判定部２０３、業務プロセス事例生成部２０４、業務プロセス事例格納部２００ａを有する。
【００２４】
整形部２０１は、業務システム１００から各ＤＢ１００ａ〜１００ｅのデータを取得し、各ＤＢ１００ａ〜１００ｅ単独の属性及びデータ内容に基づき、イベント候補データを業務データ格納部２０２に格納する。例えば、整形部２０１は、国際公開番号ＷＯ２００８／０３２３９３に開示された従来技術に基づいて、イベント候補データを生成する。
【００２５】
図８は、受注ＤＢを基に生成されるイベント候補データの一例を示す図である。図８に示すように、イベント候補データ２０２ａは、イベント名、タイムスタンプ、イベントＩＤ・関連ＩＤ候補を含む。イベント名は、受注が登録される。タイムスタンプは、図２の日時に対応するものであり、受注イベントが行われた日時が登録される。イベントＩＤ・関連ＩＤ候補は受注番号、地域を含む。例えば、この受注番号は、図２の受注番号に対応する。
【００２６】
図９は、生産ＤＢを基に生成されるイベント候補データの一例を示す図である。図９に示すように、イベント候補データ２０２ｂは、イベント名、タイムスタンプ、イベントＩＤ・関連ＩＤ候補を含む。イベント名は、生産が登録される。タイムスタンプは、図３の日時に対応するものであり、生産イベントが行われた日時が登録される。イベントＩＤ・関連ＩＤ候補は生産番号、受注番号、品番を含む。生産番号は、図３の生産番号に対応する。関連ＩＤは、受注番号を含む。受注番号は、図３の受注番号に対応する。
【００２７】
図１０は、手配ＤＢを基に生成されるイベント候補データの一例を示す図である。図１０に示すように、イベント候補データ２０２ｃは、イベント名、タイムスタンプ、イベントＩＤ・関連ＩＤ候補を含む。イベント名は、手配が登録される。タイムスタンプは、図４の日時に対応するものであり、手配イベントが行われた日時が登録される。イベントＩＤ・関連ＩＤ候補は手配番号、受注番号、品番、納品先を含む。手配番号は、図４の手配番号に対応する。受注番号は、図４の受注番号に対応する。
【００２８】
図１１は、配送ＤＢを基に生成されるイベント候補データの一例を示す図である。図１１に示すように、イベント候補データ２０２ｄは、イベント名、タイムスタンプ、イベントＩＤ・関連ＩＤを含む。イベント名は、配送が登録される。タイムスタンプは、図５の日時に対応するものであり、配送イベントが行われた日時が登録される。イベントＩＤ・関連ＩＤ候補は、手配番号、配送便、納品先を含む。手配番号は、図５の手配番号に対応する。配送便は、図５の配送便に対応する。
【００２９】
図８〜図１１に示したイベント候補データ２０２ａ〜２０２ｄは、業務データ格納部２０２に格納される。なお、品番ＤＢ１００ｅには、タイムスタンプに対応するフィールドが存在しないため、イベントデータは生成されない。
【００３０】
図７の説明に戻る。データ関連性判定部２０３は、業務データ格納部２０２に格納されたイベント候補データ２０２ａ〜２０２ｄの関連性を判定する処理部である。例えば、データ関連性判定部２０３は、特開２００８−２７０７２に開示された従来技術に基づいて、関連性を判定する。
【００３１】
業務プロセス事例生成部２０４は、データ関連性判定部２０３から出力されるイベントデータと、イベントデータ間の関連図を基にして、業務プロセス事例データを生成する処理部である。例えば、業務プロセス事例生成部２０４は、特開２００８−２７０７２に開示された従来技術に基づいて、業務プロセス事例データを生成する。
【００３２】
図１２Ａは、業務プロセス事例生成部への入力の一例を説明するための図である。図１２Ａに示すように、に示すように、イベントデータ２０２ａのイベントＩＤは、イベントデータ２０２ｂの関連ＩＤと、イベントデータ２０２ｃの関連ＩＤに関連している。また、イベントデータ２０２ｃのイベントＩＤは、イベントデータ２０２ｄのイベントＩＤに関連している。
【００３３】
図１２Ｂは、業務プロセス事例生成部の処理の一例を説明するための図である。図１２に示すように、イベント候補データ２０２ａのイベントＩＤは、イベント候補データ２０２ｂの関連ＩＤと、イベント候補データ２０２ｃの関連ＩＤに関連している。また、イベント候補データ２０２ｃのイベントＩＤは、イベント候補データ２０２ｄのイベントＩＤに関連している。業務プロセス事例生成部２０４は、関連するインスタンスを抽出し、時間経過の順につなぎ合わせることで、業務プロセス事例データを生成する。
【００３４】
図１２Ｂを用いて、業務プロセス事例生成部２０４が、業務プロセス事例データを生成する処理を説明する。この業務プロセス事例データは、プロセスインスタンスに対応するものである。ここでは、イベント候補データ２０２ａの受注番号「ＪＴ０１」の受注イベントインスタンスを起点とする。
【００３５】
業務プロセス事例生成部２０４は、関連ＩＤのフィールド値として、受注番号「ＪＴ０１」をとるレコードを確定する。図１２Ｂに示す例では、業務プロセス事例生成部２０４は、イベント候補データ２０２ｂから２つの生産イベントインスタンス、イベント候補データ２０２ｃから３つの手配イベントインスタンスを確定する。
【００３６】
続いて、業務プロセス事例生成部２０４は、関連ＩＤのフィールド値として、手配番号「ＴＨ０１」、「ＴＨ０２」、「ＴＨ０３」をとるレコードを確定する。図１２Ｂに示す例では、業務プロセス事例生成部２０４は、イベント候補データ２０２ｄから３つの配送イベントインスタンスを確定する。
【００３７】
業務プロセス事例生成部２０４は、上記確定したイベントインスタンスを、該イベントインスタンスのタイムスタンプに基づいて時間経過の順につなぎ合わせることで、業務プロセス事例データを生成する。
【００３８】
図１３は、業務プロセス事例データの一例を示す図である。図１３に示すように、業務プロセス事例データは、各イベントインスタンスが、時間経過の順につながれている。具体的には、受注イベントインスタンス１０、生産イベントインスタンス１１、手配イベントインスタンス１２、手配イベントインスタンス１３、手配イベントインスタンス１４の順につながれる。また、配送イベントインスタンス１５、生産イベントインスタンス１６、配送イベントインスタンス１７、配送イベントインスタンス１８の順位つながれる。
【００３９】
同様に、業務プロセス事例生成部２０４は、残りの業務プロセス事例データを生成する。業務プロセス事例生成部２０４は、生成した各業務プロセス事例データを、業務プロセス事例格納部２００ａに格納する。
【００４０】
業務プロセス事例格納部２００ａは、複数の業務プロセス事例データを記憶する。図１４は、業務プロセス事例格納部に格納される各業務プロセス事例データの一例を示す図である。図１４に示す例では、業務プロセス事例データ１〜４が示されている。
【００４１】
業務プロセス事例データ１は、図１３に対応する業務プロセス事例データである。業務プロセス事例データ２は、受注イベントインスタンス２０、手配イベントインスタンス２１、配送イベントインスタンス２２が順に接続されている。業務プロセス事例データ３は、受注イベントインスタンス３０、生産イベントインスタンス３１、生産イベントインスタンス３２、手配イベントインスタンス３３、配送イベントインスタンス３４が順に接続されている。業務プロセス事例データ４は、受注イベントインスタンス４０、手配イベントインスタンス４１、配送イベントインスタンス４２が順に接続されている。
【００４２】
図１の説明に戻る。異常事例判定装置３００は、業務プロセス事例格納部２００ａに格納された各業務プロセス事例データから、異常な業務プロセス事例データを判定する装置である。図１に示すように、異常事例判定装置３００は、業務フロー表示部３１０、異常事例候補抽出部３２０、業務プロセス属性値取得部３３０、判定用属性値生成部３４０、異常事例判定部３５０を有する。
【００４３】
業務フロー表示部３１０は、業務プロセス事例格納部２００ａから、各業務プロセス事例データを取得し、取得した各業務プロセス事例データを重ね合わせた全体フローを生成し、生成した全体フローをディスプレイに表示する。業務フロー表示部３１０が、各業務プロセス事例データを重ね合わせて、全体フローを生成する処理は、国際公開番号ＷＯ２００７／１３２５４７に開示された技術を利用すればよい。
【００４４】
例えば、業務フロー表示部３１０は、図１４の各業務プロセス事例データ１〜４を重ね合わせることで、図１５に示す全体フローを生成し、ディスプレイに表示する。図１５は、ディスプレイに表示される全体フローの一例を示す図である。図１５の「Initial」は、業務フローの開始点を表す仮想的なイベントであり、「Final」は、業務フローの終了点を表す仮想的なイベントである。また、図１５の受注は受注イベントに対応し、生産は生産イベントに対応し、手配は手配イベントに対応し、配送は配送イベントに対応する。
【００４５】
利用者は、全体フローが表示されたディスプレイを参照し、入力装置を操作して、異常事例の検査対象となる複数の事例を選択する。業務フロー表示部３１０は、利用者によって選択された複数の事例に対応する複数の業務プロセス事例データを、異常事例候補抽出部３２０に出力する。
【００４６】
異常事例候補抽出部３２０は、業務フロー表示部３１０から取得する業務プロセス事例データと、業務プロセス事例格納部２００ａに格納された業務プロセス事例データとを基にして、異常な事例の候補となる業務プロセス事例データを判定する処理部である。以下の説明において、異常な事例の候補となる業務プロセス事例データを、異常事例候補データと表記する。異常事例候補抽出部３２０は、異常事例候補データを、異常事例候補格納部３２０ａに登録する。
【００４７】
図１６は、異常事例候補抽出部の構成を示す図である。図１６に示すように、この異常事例候補抽出部３２０は、統計情報算出部３２１、異常事例候補手動設定部３２２、異常事例候補自動設定部３２３、異常事例候補格納部３２０ａを有する。
【００４８】
統計情報算出部３２１は、ヒストグラム生成部３２１ａと、フィッテング部３２１ｂとを有する。ヒストグラム生成部３２１ａは、各業務プロセス事例データに基づいて、イベント間の遷移時間のヒストグラムを生成する処理部である。このヒストグラムは、例えば、横軸を遷移時間、縦軸を事例の件数とする。ここで、事例の件数とは、事例に対応する業務プロセス事例データの数を示す。
【００４９】
フィッテング部３２１ｂは、予め指定された想定分布を、ヒストグラムにフィッテングする処理部である。この想定分布は、正規分布、ポアソン分布、べき乗分布等に対応するものである。また、フィッテング部３２１ｂは、統計的な手法により、遷移時間毎の事例の件数の誤差の範囲を算出する。
【００５０】
図１７は、フィッテング部の処理結果を示す図である。図１７の横軸はイベント間の遷移時間であり、縦軸は事例の件数である。破線５０は、想定分布に対して非線形型の最小二乗法等を用いて求められる線分である。５１は、遷移時間毎の誤差の範囲を示す。フィッテング部３２１ｂは、処理結果を異常事例候補手動設定部３２２および異常事例候補自動判定部３２３に出力する。また、フィッテング部３２１ｂは、各業務プロセス事例データを、異常事例候補手動設定部３２２および異常事例候補自動判定部３２３に出力する。
【００５１】
異常事例候補手動設定部３２２は、フィッテング部３２１ｂの処理結果を取得し、取得した処理結果をディスプレイに表示することで、利用者に異常事例候補データを選択させる処理部である。利用者は、処理結果の表示されたディスプレイを参照し、入力装置を操作して、異常事例の候補を選択する。例えば、異常事例候補手動設定部３２２は、利用者によって、遷移時間２．５〜６の領域が選択された場合には、業務フロー表示部３１０から取得した複数の業務プロセス事例データのうち、遷移時間が２．５〜６に含まれるものを選択する。そして、異常事例候補手動設定部３２２は、選択した業務プロセス事例データを、異常事例候補データとして異常事例候補格納部３２０ａに登録する。
【００５２】
異常事例候補自動判定部３２３は、フィッテング部３２１ｂの処理結果を取得し、異常事例候補データを判定する処理部である。異常事例候補自動判定部３２３は、判定した異常事例候補データを、異常事例候補格納部３２０ａに登録する。例えば、異常事例候補自動判定部３２３は、イベント間の遷移時間の平均値および標準偏差に基づいて、異常事例候補データを判定する。または、異常事例候補自動判定部３２３は、想定分布を基にして、異常事例候補データを判定する。
【００５３】
まず、異常事例候補自動判定部３２３が、遷移時間の平均値および標準偏差に基づいて、異常事例候補データを判定する処理について説明する。異常事例候補自動判定部３２３は、各業務プロセス事例データのイベント間の遷移時間の平均値および標準偏差を求める。異常事例候補自動判定部３２３は、式（１）に基づいて、正常判定上限遷移時間を算出する。
【００５４】
正常判定上限遷移時間＝平均値＋２×標準偏差・・・（１）
【００５５】
異常事例候補自動判定部３２３は、フィッテング部３２１ｂの処理結果と、正常判定上限遷移時間とを比較して、正常判定上限遷移時間よりも大きい遷移時間を有する業務プロセス事例データを異常事例であると判定する。異常事例候補自動判定部３２３は、判定した業務プロセス事例データのうち、業務フロー表示部３１０から取得した業務プロセス事例に対応するものを、異常事例候補データと判定する。図１８は、異常事例候補自動判定部の処理を説明するための図（１）である。図１８の線６０は、正常判定上限遷移時間に対応する。図１８に示す例では、異常事例候補自動判定部３２３は、正常判定上限遷移時間６０よりも右側の業務プロセス事例データのうち、業務フロー表示部３１０から取得した業務プロセス事例データに対応するものを、異常事例候補データと判定する。
【００５６】
ただし、式（１’）で算出される正常判定下限遷移時間よりも小さい遷移時間の業務プロセス事例データが存在する場合は、それらも異常事例候補データと判定する。
【００５７】
正常判定下限遷移時間＝平均値−２×標準偏差・・・（１’）
【００５８】
続いて、異常事例候補自動判定部３２３が、想定分布を基にして、異常事例候補データを判定する処理について説明する。異常事例候補自動判定部３２３は、想定分布とヒストグラムとを比較し、想定分布から誤差範囲を超えて外れる事例を、異常事例候補データと判定する。図１９は、異常事例候補自動判定部の処理を説明するための図（２）である。図１９に示す例では、想定分布５０から外れる事例は、枠７０〜７２に含まれる事例となる。図１９に示すように、想定分布５０から外れる事例とは、遷移時間に対応する件数が、想定分布の件数を超える遷移時間を含む事例に対応する。異常事例候補自動判定部３２３は、枠７０〜７２の事例に対応する業務プロセス事例データのうち、業務フロー表示部３１０から取得した業務プロセス事例データに対応するものを、異常事例候補データと判定する。
【００５９】
上記に示した例では、異常事例候補抽出部３２０は、異常事例候補手動設定部３２２および異常事例候補自動判定部３２３によって、異常事例候補データを判定していたがこれに限定されるものではない。異常事例候補抽出部３２０は、異常事例候補手動判定部３２２または異常事例候補自動判定部３２３のどちらか一方を利用して、異常事例候補データを判定してよい。
【００６０】
図１の説明に戻る。業務プロセス属性値取得部３３０は、業務プロセス事例データに対応する属性値を取得する処理部である。例えば、属性値とは、業務プロセス事例データに含まれる各イベントに携わった担当者、イベントで利用した装置、イベントの図番等のデータを含む。業務プロセス属性値取得部３３０は、業務プロセス事例データの各イベントインスタンスに含まれる、番号をキーとして、属性ＤＢ１００ｆから属性値を取得する。この番号は、受注番号、生産番号、手配番号、配送便に対応する。ただし、前記属性値は、必ずしも属性ＤＢ１００ｆに一括登録されているわけではなく、受注ＤＢ１００ａ、生産ＤＢ１００ｂ、手配ＤＢ１００ｃ、配送ＤＢ１００ｄ、品番ＤＢ１００ｅに分散して格納する場合も存在し、その場合には各DBから属性値を取得する。
【００６１】
業務プロセス属性値取得部３３０は、業務プロセス事例データと、該業務プロセス事例データに対応する属性値とを対応づけて、業務プロセス属性値格納部３３０ａに登録する。なお、業務プロセス属性値取得部３３０は、業務プロセス事例データを一意に識別する業務ＩＤと、属性値とを対応づけて、例えば、図６Ｂのようなデータ構造で、業務プロセス属性値格納部３３０ａに登録してもよい。
【００６２】
判定用属性値生成部３４０は、属性値毎の事例数を集計し、集計結果を判定用属性値格納部３４０ａに登録する処理部である。ただし、この判定用属性値生成部３４０は、下記に示す第１の方式、第２の方式、第３の方式のうち、第２の方式によって異常事例を判定する場合にのみ動作するようにしてもよい。図２０は、集計結果の一例を示す図である。図２０に示すように、この集計結果は、種別、事例総数、担当者、装置、図番を含む。種別は、全業務プロセス事例データに対応する事例か、異常事例候補データに対応する事例かを区別するものである。種別において、全体は、注目している全業務プロセス事例データに対応する。異常事例候補は、異常事例候補データに対応する。
【００６３】
例えば、図２０の１段目に示すように、全事業プロセス事例データの事例総数は「１００」である。また、全業務プロセス事例データのうち、担当者「Ａ」が携わった事例の件数が「８０」、担当者「Ｂ」が携わった事例の件数が「１０」、担当者「Ｃ」が携わった事例の件数が「１０」である。また、全業務プロセス事例データのうち、装置「Ｎｏ．１」を利用する事例の件数は「６０」、装置「Ｎｏ．２」を利用する事例の件数は「４０」である。また、全業務プロセス事例データのうち、図番「ＸＸ」を利用する事例の件数は「９０」、図番「ＹＹ」を利用する事例の件数は「１０」である。
【００６４】
図２０の２段目に示すように、異常事例候補データのうち、担当者「Ａ」が携わった事例の件数が「１３」、担当者「Ｂ」が携わった事例の件数が「６」、担当者「Ｃ」が携わった事例の件数が「１」である。また、異常事例候補データのうち、装置「Ｎｏ．１」を利用する事例の件数は「１３」、装置「Ｎｏ．２」を利用する事例の件数は「７」である。また、異常事例候補データのうち、図番「ＸＸ」を利用する事例の件数は「１７」、図番「ＹＹ」を利用する事例の件数は「３」である。
【００６５】
異常事例判定部３５０は、業務プロセス事例データから異常な事例を判定する処理部である。異常事例判定部３５０は、判定結果をディスプレイ等に表示する。例えば、異常事例判定部３５０は、下記に示す第１〜第３の方式の何れかに基づいて、異常な事例を判定する。
【００６６】
異常事例判定部３５０が、第１の方式に基づいて異常な事例を判定する場合について説明する。第１の方式では、異常事例判定部３５０は、ある発生日時を含むイベントを有する、業務プロセス事例データの件数と、異常事例候補データの件数との比に基づいて、異常な事例を判定する。例えば、発生日時は、遷移元のイベントの発生日時または、遷移先のイベントの発生日時に対応する。
【００６７】
図２１Ａは、第１の方式を説明するための図（１）である。図２１Ａの横軸は、イベントの発生日時を示す。縦軸は、事例の件数を示す。また、線８０は、全業務プロセス事例データに対する、イベントの発生日時と事例数との関係を示す線である。線８１は、異常事例候補データに対する、イベントの発生日時と事例数との関係を示す線である。
【００６８】
異常事例判定部３５０は、発生日時毎に、業務プロセス事例データの件数に対する異常事例候補データの件数の比を算出する。異常事例判定部３５０は、比の値が閾値以上となる発生日時を異常事例が発生した日時と判定する。異常事例判定部３５０は、異常事例が発生した日時と判定した発生日時を含む異常事例候補データを、異常な事例として判定する。異常事例判定部３５０が利用する閾値は、統計的に有意に大きい値とし、例えば、管理者が設定する。
【００６９】
図２１Ａに示す例では、発生日時「２０１０／０１／２５」〜「２０１０／０２／０５」、「２０１０／０３／０１」〜「２０１０／０３／１０」における比の値が閾値以上となる。このため、異常事例候補判定部３５０は、異常事例候補データのうち、発生日時「２０１０／０１／２５」〜「２０１０／０２／０５」を含む異常事例候補のデータを異常な事例と判定する。また、異常事例判定部３５０は、異常事例候補データのうち、発生日時「２０１０／０３／０１」〜「２０１０／０３／１０」を含む異常事例候補のデータを異常な事例と判定する。
【００７０】
図２１Ｂは、第１の方式を説明するための図（２）である。図２１Ｂの横軸は時間軸に対応する。また、１ａ〜１ｃは、異常事例候補データに対応する。例えば、異常事例候補データ１ａは、図２１Ａで求めた発生日時「２０１０／０２／０１」、「２０１０／０３／０１」を含む。また、異常事例候補データ１ｃは、図２１Ａで求めた発生日時「２０１０／０２／０５」、「２０１０／０３／１０」を含む。このため、異常事例判定部３５０は、異常事例候補１ａ、１ｃを、異常な事例と判定する。
【００７１】
続いて、異常事例判定部３５０が、第２の方式に基づいて異常な事例を判定する場合について説明する。第２の方式では、異常事例判定部３５０は、判定用属性値格納部３４０ａに格納された集計結果を基にして、所定の属性値を有する業務プロセス事例データの事例数と、該属性値を有する異常事例候補データの事例数との比に基づいて、異常な事例を判定する。
【００７２】
図２２は、第２の方式を説明するための図である。図２２に示す例では、業務プロセス事例データ全体の事例数と、異常事例候補データの事例数との比が算出されている。また、属性値「担当者、装置、図番」について、業務プロセス事例データの事例数と、異常事例候補データの事例数との比が算出されている。なお、各比の算出結果におけるプラスマイナスは、誤差に対応するものである。各比の値は、異常事例判定部３５０が算出する。
【００７３】
異常事例判定部３５０は、各比を参照し、比の値が統計的に有意に多い属性値を判定する。異常事例判定部３５０は、比の値が統計的に有意に多い属性値に関連する異常事例候補データを、異常な事例と判定する。例えば、異常事例判定部３５０は、所定の閾値よりも大きい比の値に対応する属性値を異常事例に関連する属性値であると判定しても良い。例えば、所定の閾値を「０．５」とする。この所定の閾値異常よりも大きい属性値は、担当者「Ｂ」となる。このため、異常事例判定部３５０は、担当者「Ｂ」に関連する異常事例候補データを、異常な事例と判定する。
【００７４】
例えば、属性値に異常事例候補データが関連するか否かは、図６Ｂに示した属性値に対応する番号を、異常事例判定データが有しているか否かによって異常事例判定部３５０が判定する。
【００７５】
続いて、異常事例判定部３５０が、第３の方式に基づいて異常な事例を判定する場合について説明する。異常事例判定部３５０は、業務プロセス事例データおよび異常事例候補データの各イベントの前後の発生日時を参照し、先に遷移を開始したイベントよりも後に遷移を開始したイベントの方が先に遷移を終了するイベントの数に基づいて異常な事例を判定する。
【００７６】
まず、異常事例判定部３５０は、イベント間遷移の前後の順序性の乱れの指標を算出する。ここで、順序性の乱れの指標は、先に遷移を開始したのに、遷移終了が後になった事例数に対応する。図２３は、第３の方式を説明するための図（１）である。図２３の横軸は時間軸である。また、１ａ〜１ｊは、遷移前のイベントの発生日時に対応するものである。また、２ａ〜２ｊは、遷移後のイベントの発生日時に対応するものである。１ａ〜１ｊの遷移先をそれぞれ、２ａ〜２ｊとする。図２３において、先に遷移を開始したのに、遷移終了が後になった事例は、１ｅおよび２ｅの組、１ｆおよび２ｆの組、１ｇおよび２ｇの組の３つである。このため、図２３のイベントを含む業務プロセス事例データまたは異常事例候補データの順序性の乱れの指数は３となる。
【００７７】
異常事例判定部３５０は、各業務プロセス事例データおよび各異常事例候補データの順序性の乱れの指数を算出した後に、この乱れの指数が統計的に有意に大きい異常事例候補データを、異常な事例と判定する。
【００７８】
具体的に、異常事例判定部３５０は、各順序性の乱れの指標の平均値および標準偏差を算出する。異常事例判定部３５０は、平均値および標準偏差を基にして、異常な事例を判定する。図２４は、第３の方式を説明するための図（２）である。図２４の横軸は、順序性の乱れの指標を示す。縦軸は、事例数を示す。また、線９０は、平均値を示す。線９１は、標準偏差の値を２倍したものに平均値９０を加算した値に対応する。線９２は、標準偏差の値を２倍したものによって、平均値９０を減算した値に対応する。異常事例判定部３５０は、線９１より右側の指数の異常事例候補データを異常な事例と判定する。また、異常事例判定部３５０は、線９２より左側の指数の異常事例候補データを異常な事例と判定する。
【００７９】
次に、本実施例にかかる異常事例判定装置３００の処理手順について説明する。図２５は、異常事例判定装置の処理手順を示すフローチャートである。図２５に示す処理は、例えば、利用者によって検査対象となる事例を選択されたことを契機に実行される。図２５に示すように、異常事例判定装置３００は、異常事例候補データを抽出し（ステップＳ１０１）、属性値を取得する（ステップＳ１０２）。
【００８０】
異常事例判定装置３００は、属性値毎の事例数を集計し（ステップＳ１０３）、異常事例判定処理を実行する（ステップＳ１０４）。なお、異常事例判定装置３００は、第１の方式または第３の方式で、異常な事例を判定する場合には、ステップＳ１０２、１０３の処理を実行しなくてもよい。
【００８１】
次に、図２５のステップＳ１０４に示した異常事例判定処理の処理手順について説明する。異常事例判定処理は、上記に示したとおり、第１〜３の方式の何れかに対応する。図２６〜図２８は、異常事例判定処理の処理手順を示すフローチャートである。図２６〜図２８の処理は、第１〜３の方式にそれぞれ対応する。
【００８２】
図２６の異常事例判定処理について説明する。図２６の処理は、第１の方式に対応するものである。異常事例判定部３５０は、注目した業務プロセス事例データ全体の総事例数と、異常事例候補データ全体の総事例数との比を算出する（ステップＳ２０１）。
【００８３】
異常事例判定部３５０は、注目した業務プロセス事例データ中の全事例について遷移の元側のイベントの発生日時を横軸とするヒストグラムを生成する（ステップＳ２０２）。異常事例判定部３５０は、注目した業務プロセス事例データ中の全事例について遷移の先側のイベントの発生日時を横軸とするヒストグラムを生成する（ステップＳ２０３）。
【００８４】
異常事例判定部３５０は、注目した業務プロセス事例データ中の異常事例候補データについて遷移の元側のイベントの発生日時を横軸とするヒストグラムを生成する（ステップＳ２０４）。異常事例判定部３５０は、注目した業務プロセス事例データ中の異常事例候補データについて遷移の先側のイベントの発生日時を横軸とするヒストグラムを生成する（ステップＳ２０５）。
【００８５】
異常事例判定部３５０は、イベント発生日時の先頭のデータ区分を選択し（ステップＳ２０６）、選択したデータ区分に含まれる業務プロセス事例データの事例数と、異常事例候補データの事例数の比を算出する（ステップＳ２０７）。
【００８６】
異常事例判定部３５０は、選択したデータ区分において、異常事例候補データの事例数が統計的に有意に大きいか否かを判定する（ステップＳ２０８）。異常事例判定部３５０は、異常事例候補データの事例数が統計的に有意に大きくない場合には（ステップＳ２０８，Ｎｏ）、ステップＳ２１０に移行する。
【００８７】
一方、異常事例判定部３５０は、異常事例候補データの事例数が統計的に有意に大きい場合には（ステップＳ２０８，Ｙｅｓ）、選択したデータ区分における異常事例候補データを、異常な事例であると判定する（ステップＳ２０９）。
【００８８】
異常事例判定部３５０は、全てのデータ区分を処理していない場合には（ステップＳ２１０，Ｎｏ）、次のデータ区分を選択し（ステップＳ２１１）、ステップＳ２０７に移行する。一方、異常事例判定部３５０は、全てのデータ区分を処理した場合には（ステップＳ２１０，Ｙｅｓ）、処理を終了する。
【００８９】
次に、図２７の異常事例判定処理について説明する。図２７の処理は、第２の方式に対応するものである。異常事例判定部３５０は、注目した業務プロセス事例データの総事例数と、異常事例候補データ全体の事例数との比を算出する（ステップＳ３０１）。異常事例判定部３５０は、各業務プロセス事例データに対応する属性のリストを作成する（ステップＳ３０２）。
【００９０】
異常事例判定部３５０は、リストの先頭の属性を選択し（ステップＳ３０３）、選択した属性について、属性値または、属性の範囲のリストを作成する（ステップＳ３０４）。異常事例判定部３５０は、リストの先頭の属性値または属性値の範囲を選択する（ステップＳ３０５）。
【００９１】
異常事例判定部３５０は、選択した属性について、選択した属性値または属性値の範囲における業務プロセス事例データ全体の件数と、異常事例候補データの件数との比を算出する（ステップＳ３０６）。
【００９２】
異常事例判定部３５０は、選択した属性について、選択した属性値または属性値の範囲における異常事例候補データの事例数が、統計的に有意に大きいか否かを判定する（ステップＳ３０７）。異常事例判定部３５０は、異常事例候補データの事例数が統計的に大きくない場合には（ステップＳ３０７，Ｎｏ）、ステップＳ３０９に移行する。
【００９３】
一方、異常事例判定部３５０は、異常事例候補データの事例数が統計的に大きい場合には（ステップＳ３０７，Ｙｅｓ）、選択した属性について、選択した属性値または属性値の範囲における異常事例候補データを異常な事例であると判定する（ステップＳ３０８）。
【００９４】
異常事例判定部３５０は、全ての属性値または属性値の範囲の範囲を処理していない場合には（ステップＳ３０９，Ｎｏ）、次の属性値または属性値の範囲を選択し（ステップＳ３１０）、ステップＳ３０６に移行する。
【００９５】
一方、異常事例判定部３５０は、全ての属性値または、属性値の範囲を処理した場合には（ステップＳ３０９，Ｙｅｓ）、全ての属性を処理したか否かを判定する（ステップＳ３１１）。異常事例判定部３５０は、全ての属性を処理していない場合には（ステップＳ３１１，Ｎｏ）、次の属性を選択し（ステップＳ３１２）、ステップＳ３０４に移行する。一方、異常事例判定部３５０は、全ての属性を処理した場合には（ステップＳ３１１，Ｙｅｓ）、処理を終了する。
【００９６】
次に、図２８の異常事例判定処理について説明する。図２８の処理は、第３の方式に対応するものである。異常事例判定部３５０は、業務プロセス事例毎にイベント間遷移の前後の順序性の乱れの指標を算出する（ステップＳ４０１）。
【００９７】
異常事例判定部３５０は、順序性の乱れの指数と事例数の関係を示すヒストグラムを生成し（ステップＳ４０２）、平均値および標準偏差を算出する（ステップＳ４０３）。異常事例判定部３５０は、指数が平均値−標準偏差×２よりも小さいもの、または、指数が平均値＋標準偏差×２よりも大きいものを異常な事例と判定する（ステップＳ４０４）。
【００９８】
次に、本実施例にかかる異常事例判定装置３００の効果について説明する。異常事例判定装置３００は、複数の業務プロセス事例データのイベント間の遷移時間のヒストグラムと想定分布とを比較し、想定分布から誤差範囲を超えて外れている遷移時間区分に含まれるデータを異常事例候補データとして抽出する。そして、異常事例判定装置３００は、所定のイベントの発生日時を有する業務プロセス事例データの件数と、該発生日時を有する異常事例候補データとの比率に基づいて、異常なイベントが発生した日時とともに異常なイベントを構成要素とする異常なプロセス事例を判定する。このため、異常な事例と正常な事例とが明確に分離していなくても、イベントの発生日時から業務プロセスの異常な事例を精度良く判定することができる。
【００９９】
また、異常事例判定装置３００は、所定の属性値を有する業務プロセス事例データの件数と、該属性値を有する異常事例候補データの件数との比率に基づいて、異常事例発生と関連する属性値とともに異常事例を判定する。このため、異常な事例と正常な事例とが明確に分離していなくても、イベントの属性値から業務プロセスの異常な事例を精度良く判定することができる。
【０１００】
また、異常事例判定装置３００は、業務プロセス事例データ毎に、順序性の乱れの指標を算出し、この指標を基にして異常な事例を判定するので、異常な事例と正常な事例とが明確に分離していなくても、業務プロセスの異常な事例を精度良く判定することができる。
【０１０１】
なお、図１に示した各ＤＢ１００ａ〜１００ｆ、各格納部２００ａ、３２０ａ、３３０ａ、３４０ａは、記憶装置に対応する。この記憶装置は、例えば、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ（Flash Memory）などの半導体メモリ素子、またはハードディスク、光ディスクなどの記憶装置に対応する。
【０１０２】
また、図１に示した各処理部３１０〜３５０は、ＡＳＩＣ（Application Specific Integrated Circuit）や、ＦＰＧＡ（Field Programmable Gate Array）などの集積装置に対応する。また、各処理部３１０〜３５０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等の電子回路に対応する。
【０１０３】
上記の異常事例判定システムの構成は、図１の構成に限られるものではない。例えば、業務システム１００が有する各ＤＢ１００ａ〜１００ｆを、業務プロセス事例抽出装置２００が有していても良い。このような構成にすることで、異常事例判定装置３００は、業務プロセス事例抽出装置２００とデータ通信を行えば、異常な事例を判定することができる。
【０１０４】
また、異常事例判定装置３００の構成は、図１の構成に限られるものではない。例えば、業務フロー表示部３１０は、必ずしも異常事例判定装置３００に備えられていなくてもよく、外部の装置に業務フロー表示部３２０の機能を持たせても良い。この場合、異常事例判定装置３００は、業務フロー表示部３２０の機能を有する外部の装置から、利用者の選択した業務プロセス事例データを取得する。
【０１０５】
ところで、上述の実施例で説明した異常事例判定装置１００等の処理は、あらかじめ用意されたプログラムをパーソナルコンピュータやワークステーションなどのコンピュータシステムで実行することによって実現することもできる。
【０１０６】
ここで、図２９を用いて、上記の実施例で説明した異常事例判定装置１００による処理と同様の機能を実現する異常事例判定プログラムを実行するコンピュータの一例を説明する。図２９は、異常事例判定プログラムを実行するコンピュータの一例を示す図である。
【０１０７】
図２９に示すように、異常事例判定装置３００として機能するコンピュータ４００は、各種演算処理を実行するＣＰＵ４０１と、ユーザからのデータの入力を受け付ける入力装置４０２と、ディスプレイ４０３を有する。また、コンピュータ４００は、記憶媒体からプログラム等を読取る媒体読み取り装置４０４と、ネットワークを介して他のコンピュータとの間でデータの授受を行うネットワークインターフェース装置４０５とを有する。また、コンピュータ２００は、各種情報を一時記憶するＲＡＭ４０６と、ハードディスク装置４０７を有する。そして、各装置４０１〜４０７は、バス４０８に接続される。
【０１０８】
ハードディスク装置４０７には、上述した異常事例判定装置３００の機能と同様の機能を発揮する異常事例候補抽出プログラム４０７ａ、業務プロセス属性値取得プログラム４０７ｂが記憶されている。また、ハードディスク装置４０７には、判定用属性値生成プログラム４０７ｃ、異常事例判定プログラム４０７ｄが記憶されている。
【０１０９】
ＣＰＵ４０１は、プログラム４０７ａ〜４０７ｄをハードディスク装置４０７から読み出してＲＡＭ４０６に展開する。異常事例候補抽出プログラム４０７ａは、異常事例候補抽出プロセス４０６ａとして機能する。業務プロセス属性値取得プログラム４０７ｂは、業務プロセス属性値取得プロセス４０６ｂとして機能する。判定用属性値生成プログラム４０７ｃは、判定用属性値生成プロセス４０６ｃとして機能する。異常事例判定プログラム４０７ｄは、異常事例判定プロセス４０６ｄとして機能する。
【０１１０】
異常事例候補抽出プロセス４０６ａは、異常事例候補抽出部３２０に対応する。業務プロセス属性値取得プロセス４０６ｂは、業務プロセス属性値取得部３３０に対応する。判定用属性値生成プロセス４０６ｃは、判定用属性値生成部３４０に対応する。異常事例判定プロセス４０６ｄは、異常事例判定部３５０に対応する。
【０１１１】
なお、各プログラム４０７ａ〜４０７ｄについては、必ずしも最初からハードディスク装置に記憶させておかなくてもよい。例えば、コンピュータ４００に挿入されるフレキシブルディスク（ＦＤ）、ＣＤ−ＲＯＭ、ＤＶＤディスク、光磁気ディスク、ＩＣカードなどの「可搬用の物理媒体」に各プログラムを記憶させておく。そして、コンピュータ４００がこれらから各プログラムを読み出して実行するようにしてもよい。
【０１１２】
以上の各実施例を含む実施形態に関し、さらに以下の付記を開示する。
【０１１３】
（付記１）コンピュータに、
所定の特徴を有する業務プロセス事例の情報と、該業務プロセス事例に含まれるイベント間の遷移時間の情報とを格納する格納部を参照し、前記業務プロセス事例に含まれるイベント間の想定される遷移時間と、該遷移時間を含む業務プロセス事例の想定される件数との関係を示す想定分布に基づいて、該想定分布から外れる遷移時間の業務プロセス事例を異常事例の候補として複数の業務プロセス事例から抽出し、
所定の特徴を有する前記異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記所定の特徴を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の特徴を有する異常事例の候補を異常事例として判定する処理を実行させることを特徴とする異常事例判定プログラム。
【０１１４】
（付記２）前記格納部は、業務プロセス事例に含まれる各イベントの発生日時を所定の特徴として格納しており、
イベントの所定の発生日時を有する異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記イベントの所定の発生日時を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の発生日時を有する異常事例の候補を異常事例として判定することを特徴とする付記１に記載の異常事例判定プログラム。
【０１１５】
（付記３）前記格納部は、業務プロセス事例に含まれる属性値を所定の特徴として格納しており、
所定の属性値を有する異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記所定の属性値を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の属性値を有する異常事例の候補を異常事例として判定することを特徴とする付記１または２に記載の異常事例判定プログラム。
【０１１６】
（付記４）前記異常事例の候補に含まれるイベントにおいて、先に遷移を開始したイベントよりも後に遷移を開始したイベントの方が先に遷移を終了するイベントの数を算出し、算出した数が所定の範囲に含まれない場合に、前記異常事例の候補を異常事例と判定することを特徴とする付記１、２または３に記載の異常事例判定プログラム。
【０１１７】
（付記５）所定の特徴を有する業務プロセス事例の情報と、該業務プロセス事例に含まれるイベント間の遷移時間の情報とを格納する格納部と、
前記格納部を参照し、前記業務プロセス事例に含まれるイベント間の想定される遷移時間と、該遷移時間を含む業務プロセス事例の想定される件数との関係を示す想定分布に基づいて、該想定分布から外れる遷移時間の業務プロセス事例を異常事例の候補として複数の業務プロセス事例から抽出する異常事例候補抽出部と、
所定の特徴を有する前記異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記所定の特徴を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の特徴を有する異常事例の候補を異常事例として判定する異常事例判定部と
を有することを特徴とする異常事例判定装置。
【０１１８】
（付記６）前記格納部は、業務プロセス事例に含まれる各イベントの発生日時を所定の特徴として格納しており、
前記異常事例判定部は、イベントの所定の発生日時を有する異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記イベントの所定の発生日時を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の発生日時を有する異常事例の候補を異常事例として判定することを特徴とする付記５に記載の異常事例判定装置。
【０１１９】
（付記７）前記格納部は、業務プロセス事例に含まれる属性値を所定の特徴として格納しており、
前記異常事例判定部は、所定の属性値を有する異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記所定の属性値を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の属性値を有する異常事例の候補を異常事例として判定することを特徴とする付記５または６に記載の異常事例判定装置。
【０１２０】
（付記８）前記異常事例判定部は、前記異常事例の候補に含まれるイベントにおいて、先に遷移を開始したイベントよりも後に遷移を開始したイベントの方が先に遷移を終了するイベントの数を算出し、算出した数が所定の範囲に含まれない場合に、前記異常事例の候補を異常事例と判定することを特徴とする付記５、６または７に記載の異常事例判定装置。
【０１２１】
（付記９）コンピュータが実行する異常事例判定方法であって、
所定の特徴を有する業務プロセス事例の情報と、該業務プロセス事例に含まれるイベント間の遷移時間の情報とを格納する格納部を参照し、前記業務プロセス事例に含まれるイベント間の想定される遷移時間と、該遷移時間を含む業務プロセス事例の想定される件数との関係を示す想定分布に基づいて、該想定分布から外れる遷移時間の業務プロセス事例を異常事例の候補として複数の業務プロセス事例から抽出し、
所定の特徴を有する前記異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記所定の特徴を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の特徴を有する異常事例の候補を異常事例として判定することを特徴とする異常事例判定方法。
【０１２２】
（付記１０）前記格納部は、業務プロセス事例に含まれる各イベントの発生日時を所定の特徴として格納しており、
イベントの所定の発生日時を有する異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記イベントの所定の発生日時を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の発生日時を有する異常事例の候補を異常事例として判定することを特徴とする付記９に記載の異常事例判定方法。
【０１２３】
（付記１１）前記格納部は、業務プロセス事例に含まれる属性値を所定の特徴として格納しており、所定の属性値を有する異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記所定の属性値を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の属性値を有する異常事例の候補を異常事例として判定することを特徴とする付記９または１０に記載の異常事例判定方法。
【０１２４】
（付記１２）前記異常事例の候補に含まれるイベントにおいて、先に遷移を開始したイベントよりも後に遷移を開始したイベントの方が先に遷移を終了するイベントの数を算出し、算出した数が所定の範囲に含まれない場合に、前記異常事例の候補を異常事例と判定することを特徴とする付記９、１０または１１に記載の異常事例判定方法。
【符号の説明】
【０１２５】
３００ 異常事例判定装置
３１０ 業務フロー表示部
３２０ 異常事例候補抽出部
３３０ 業務プロセス属性値取得部
３４０ 判定用属性値生成部
３５０ 異常事例判定部
【特許請求の範囲】
【請求項１】
コンピュータに、
所定の特徴を有する業務プロセス事例の情報と、該業務プロセス事例に含まれるイベント間の遷移時間の情報とを格納する格納部を参照し、前記業務プロセス事例に含まれるイベント間の想定される遷移時間と、該遷移時間を含む業務プロセス事例の想定される件数との関係を示す想定分布に基づいて、該想定分布から外れる遷移時間の業務プロセス事例を異常事例の候補として複数の業務プロセス事例から抽出し、
所定の特徴を有する前記異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記所定の特徴を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の特徴を有する異常事例の候補を異常事例として判定する処理を実行させることを特徴とする異常事例判定プログラム。
【請求項２】
前記格納部は、業務プロセス事例に含まれる各イベントの発生日時を所定の特徴として格納しており、
イベントの所定の発生日時を有する異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記イベントの所定の発生日時を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の発生日時を有する異常事例の候補を異常事例として判定することを特徴とする請求項１に記載の異常事例判定プログラム。
【請求項３】
前記格納部は、業務プロセス事例に含まれる属性値を所定の特徴として格納しており、
所定の属性値を有する異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記所定の属性値を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の属性値を有する異常事例の候補を異常事例として判定することを特徴とする請求項１または２に記載の異常事例判定プログラム。
【請求項４】
前記異常事例の候補に含まれるイベントにおいて、先に遷移を開始したイベントよりも後に遷移を開始したイベントの方が先に遷移を終了するイベントの数を算出し、算出した数が所定の範囲に含まれない場合に、前記異常事例の候補を異常事例と判定することを特徴とする請求項１、２または３に記載の異常事例判定プログラム。
【請求項５】
所定の特徴を有する業務プロセス事例の情報と、該業務プロセス事例に含まれるイベント間の遷移時間の情報とを格納する格納部と、
前記格納部を参照し、前記業務プロセス事例に含まれるイベント間の想定される遷移時間と、該遷移時間を含む業務プロセス事例の想定される件数との関係を示す想定分布に基づいて、該想定分布から外れる遷移時間の業務プロセス事例を異常事例の候補として複数の業務プロセス事例から抽出する異常事例候補抽出部と、
所定の特徴を有する前記異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記所定の特徴を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の特徴を有する異常事例の候補を異常事例として判定する異常事例判定部と
を有することを特徴とする異常事例判定装置。
【請求項６】
コンピュータが実行する異常事例判定方法であって、
所定の特徴を有する業務プロセス事例の情報と、該業務プロセス事例に含まれるイベント間の遷移時間の情報とを格納する格納部を参照し、前記業務プロセス事例に含まれるイベント間の想定される遷移時間と、該遷移時間を含む業務プロセス事例の想定される件数との関係を示す想定分布に基づいて、該想定分布から外れる遷移時間の業務プロセス事例を異常事例の候補として複数の業務プロセス事例から抽出し、
所定の特徴を有する前記異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記所定の特徴を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の特徴を有する異常事例の候補を異常事例として判定することを特徴とする異常事例判定方法。
【請求項１】
コンピュータに、
所定の特徴を有する業務プロセス事例の情報と、該業務プロセス事例に含まれるイベント間の遷移時間の情報とを格納する格納部を参照し、前記業務プロセス事例に含まれるイベント間の想定される遷移時間と、該遷移時間を含む業務プロセス事例の想定される件数との関係を示す想定分布に基づいて、該想定分布から外れる遷移時間の業務プロセス事例を異常事例の候補として複数の業務プロセス事例から抽出し、
所定の特徴を有する前記異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記所定の特徴を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の特徴を有する異常事例の候補を異常事例として判定する処理を実行させることを特徴とする異常事例判定プログラム。
【請求項２】
前記格納部は、業務プロセス事例に含まれる各イベントの発生日時を所定の特徴として格納しており、
イベントの所定の発生日時を有する異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記イベントの所定の発生日時を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の発生日時を有する異常事例の候補を異常事例として判定することを特徴とする請求項１に記載の異常事例判定プログラム。
【請求項３】
前記格納部は、業務プロセス事例に含まれる属性値を所定の特徴として格納しており、
所定の属性値を有する異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記所定の属性値を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の属性値を有する異常事例の候補を異常事例として判定することを特徴とする請求項１または２に記載の異常事例判定プログラム。
【請求項４】
前記異常事例の候補に含まれるイベントにおいて、先に遷移を開始したイベントよりも後に遷移を開始したイベントの方が先に遷移を終了するイベントの数を算出し、算出した数が所定の範囲に含まれない場合に、前記異常事例の候補を異常事例と判定することを特徴とする請求項１、２または３に記載の異常事例判定プログラム。
【請求項５】
所定の特徴を有する業務プロセス事例の情報と、該業務プロセス事例に含まれるイベント間の遷移時間の情報とを格納する格納部と、
前記格納部を参照し、前記業務プロセス事例に含まれるイベント間の想定される遷移時間と、該遷移時間を含む業務プロセス事例の想定される件数との関係を示す想定分布に基づいて、該想定分布から外れる遷移時間の業務プロセス事例を異常事例の候補として複数の業務プロセス事例から抽出する異常事例候補抽出部と、
所定の特徴を有する前記異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記所定の特徴を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の特徴を有する異常事例の候補を異常事例として判定する異常事例判定部と
を有することを特徴とする異常事例判定装置。
【請求項６】
コンピュータが実行する異常事例判定方法であって、
所定の特徴を有する業務プロセス事例の情報と、該業務プロセス事例に含まれるイベント間の遷移時間の情報とを格納する格納部を参照し、前記業務プロセス事例に含まれるイベント間の想定される遷移時間と、該遷移時間を含む業務プロセス事例の想定される件数との関係を示す想定分布に基づいて、該想定分布から外れる遷移時間の業務プロセス事例を異常事例の候補として複数の業務プロセス事例から抽出し、
所定の特徴を有する前記異常事例の候補の件数と、前記格納部に格納された業務プロセス事例のうち、前記所定の特徴を有する業務プロセス事例の件数との比率が所定の閾値を超える場合に、前記所定の特徴を有する異常事例の候補を異常事例として判定することを特徴とする異常事例判定方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６Ａ】
【図６Ｂ】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２Ａ】
【図１２Ｂ】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１Ａ】
【図２１Ｂ】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【図３２】
【図２】
【図３】
【図４】
【図５】
【図６Ａ】
【図６Ｂ】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２Ａ】
【図１２Ｂ】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１Ａ】
【図２１Ｂ】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【図３２】
【公開番号】特開２０１２−１６４２２３（Ｐ２０１２−１６４２２３Ａ）
【公開日】平成２４年８月３０日（２０１２．８．３０）
【国際特許分類】
【出願番号】特願２０１１−２５３９１（Ｐ２０１１−２５３９１）
【出願日】平成２３年２月８日（２０１１．２．８）
【出願人】（０００００５２２３）富士通株式会社 (25,993)
【Ｆターム（参考）】
【公開日】平成２４年８月３０日（２０１２．８．３０）
【国際特許分類】
【出願日】平成２３年２月８日（２０１１．２．８）
【出願人】（０００００５２２３）富士通株式会社 (25,993)
【Ｆターム（参考）】
[ Back to top ]