JP7014582B2 - 見積り取得装置、見積り取得方法およびプログラム - Google Patents

Description

本発明は、見積り取得装置、見積り取得方法およびプログラムに関する。

工事等の見積に関して、ＣＡＤデータを用いて見積りを行う方法（特許文献１、２参照）、および、仕様情報に基づいて過去の事例のうち類似事例を抽出し、抽出した類似事例に基づいて見積りを行う方法（特許文献３）が提案されている。

特開平９－１７１５１９号公報 特開２００７－３４３４６号公報 特開２０１５－９９４７６号公報

ＣＡＤデータを用いる方法は、ＣＡＤで設計図を作成する程度に詳細な設計段階でないと適用できない。また、ＣＡＤで設計図を作成する時間がかかる点で、見積りに時間を要する。
また、過去の事例から類似案件を抽出する方法では、過去の事例が増えるほど見積精度が高まると期待される一方、過去の事例が増えるほど類似事例抽出のための検索時間が長くなる。
ＣＡＤデータを必要とせず、かつ、見積り対象の仕様の入手後に過去の事例を検索する必要無しに見積りを行うことができれば、比較的早い段階で、かつ、比較的迅速に精度よく見積りを行えると期待される。

本開示は、ＣＡＤデータを必要とせず、かつ、見積り対象の仕様の入手後に過去の事例を検索する必要無しに見積りを行うことができる見積り取得装置、見積り取得方法およびプログラムを提供する。

本開示の幾つかの態様によれば、見積り取得装置は、プロジェクトに用いられる部材の型式に対して、所定の基準に従って複数の部材の型式を１つのグループに纏めるクラスタリングを行うクラスタリング部と、過去のプロジェクトに用いられた部材の型式を前記クラスタリング部がクラスタリングしたクラスタ毎に、見積り対象のプロジェクトにおける要求仕様を示す仕様情報の入力に対して、そのクラスタに分類される部材の数量と相関性のある値を見積り値として出力する見積りモデルを、過去のプロジェクトにおける要求仕様と、そのプロジェクトにおける見積り対象の実際値とを用いた教師有り学習によって構築するモデル構築部と、見積り対象のプロジェクトに用いられる部材の型式を前記クラスタリング部がクラスタリングしたクラスタ毎に、前記見積りモデルのうち当該クラスタに対応する見積りモデルを特定するモデル特定部と、前記モデル特定部が前記クラスタ毎に特定した見積りモデルの各々に、前記見積り対象のプロジェクトにおける要求仕様を示す仕様情報を入力して前記クラスタ毎に見積りを取得する見積り取得部と、を備える。

本開示の幾つかの態様によれば、見積り取得方法は、コンピュータが、過去のプロジェクトに用いられた部材の型式に対して、所定の基準に従って複数の部材の型式を１つのグループに纏めるクラスタリングをおこなったクラスタ毎に、見積り対象のプロジェクトにおける要求仕様を示す仕様情報の入力に対して、そのクラスタに分類される部材の数量と相関性のある値を見積り値として出力する見積りモデルを、過去のプロジェクトにおける要求仕様と、そのプロジェクトにおける見積り対象の実際値とを用いた教師有り学習によって構築することと、前記コンピュータが、見積り対象のプロジェクトに用いられる部材の型式をクラスタリングしたクラスタ毎に、前記見積りモデルのうち当該クラスタに対応する見積りモデルを特定することと、前記コンピュータが、前記クラスタ毎に特定した見積りモデルの各々に、前記見積り対象のプロジェクトにおける要求仕様を示す仕様情報を入力して前記クラスタ毎に見積りを取得することと、を含む。

本開示の幾つかの態様によれば、プログラムは、コンピュータに、過去のプロジェクトに用いられた部材の型式に対して、所定の基準に従って複数の部材の型式を１つのグループに纏めるクラスタリングをおこなったクラスタ毎に、見積り対象のプロジェクトにおける要求仕様を示す仕様情報の入力に対して、そのクラスタに分類される部材の数量と相関性のある値を見積り値として出力する見積りモデルを、過去のプロジェクトにおける要求仕様と、そのプロジェクトにおける見積り対象の実際値とを用いた教師有り学習によって構築することと、見積り対象のプロジェクトに用いられる部材の型式をクラスタリングしたクラスタ毎に、前記見積りモデルのうち当該クラスタに対応する見積りモデルを特定することと、前記クラスタ毎に特定した見積りモデルの各々に、前記見積り対象のプロジェクトにおける要求仕様を示す仕様情報を入力して前記クラスタ毎に見積りを取得することと、を実行させるためのプログラムである。

上記した見積り取得装置、見積り取得方法およびプログラムによれば、ＣＡＤデータを必要とせず、かつ、見積り対象の仕様の入手後に過去の事例を検索する必要無しに精度よく見積りを行うことができる。

実施形態に係る見積り取得装置の機能構成を示す概略ブロック図である。 同実施形態に係るクラスタリング部が行うクラスタリングの例を示す図である。 データ数が少ない場合のモデルの例を示す図である。 同実施形態で、データ数が比較的多い場合にモデル構築部が構築するモデルの例を示す図である。 同実施形態に係る見積り取得装置を用いた見積りの流れの例を示す図である。 同実施形態に係る見積り取得装置が見積りモデルを生成する処理手順の例を示すフローチャートである。 同実施形態に係る見積り取得装置が見積りを行う処理手順の例を示すフローチャートである。

以下、本開示の幾つかの実施形態を説明するが、以下の実施形態は請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。
図１は、本開示の幾つかの実施形態に係る見積り取得装置の機能構成を示す概略ブロック図である。図１に示すように、見積り取得装置１００は、入力部１１０と、出力部１２０と、記憶部１８０と、制御部１９０とを備える。制御部１９０は、クラスタリング部１９１と、モデル構築部１９２と、モデル特定部１９３と、見積り取得部１９４とを備える。

見積り取得装置１００は、複数の型番の部材を用いるプロジェクトの見積りを行う装置である。ここでいう部材を用いるプロジェクトとは、建設、建築または製造など、部材を用いてものを作ることである。
また、見積り取得装置１００が見積りを行う対象は、部材の数量と相関性のある値であればよい。例えば、部材がケーブルであり、見積り取得装置１００がプロジェクトに必要なケーブル長を見積もるなど、部材の数量そのものを見積もるようにしてもよい。あるいは、見積り取得装置１００が、部材の金額（材料費）を見積もるようにしてもよい。あるいは、見積り取得装置１００が、部材の金額に加えて、あるいは、代えて、部材を設置する作業費を見積もるようにしてもよい。
見積り取得装置１００は、例えばパソコン（Personal Computer；ＰＣ）またはワークステーション（Workstation）等のコンピュータを用いて構成される。

入力部１１０は、データの入力を受ける。入力部１１０は、通信回路を用いて構成されていてもよい。あるいは、入力部１１０は、ＵＳＢポートなど記憶デバイスなどの装置の接続を受けるインタフェースを用いて構成されていてもよい。あるいは、入力部１１０は、キーボードおよびマウス等の入力デバイスを用いて構成されていてもよい。あるいは、入力部１１０がこれらの組合せを用いて構成されていてもよい。

出力部１２０は、見積り結果等のデータを出力する。出力部１２０は、通信回路を用いて構成されていてもよい。あるいは、出力部１２０は、ＵＳＢポートなど記憶デバイスなどの装置の接続を受けるインタフェースを用いて構成されていてもよい。あるいは、出力部１２０は、液晶パネルまたはＬＥＤ（Light Emitting Diode）パネル等の表示画面を用いて構成されていてもよい。あるいは、出力部１２０がこれらの組合せを用いて構成されていてもよい。

記憶部１８０は、各種データを記憶する。特に、記憶部１８０は、過去のプロジェクトの仕様および見積り対象の実際値を記憶する。また、記憶部１８０は、モデル構築部１９２が構築したモデルを記憶する。
制御部１９０は、見積り取得装置１００の各部を制御して各種処理を行う。制御部１９０は、見積り取得装置１００が備えるＣＰＵ（Central Processing Unit、中央処理装置）が記憶部１８０からプログラムを読み出して実行することで構成される。

クラスタリング部１９１は、プロジェクトに用いられる部材の型式をクラスタリング（Clustering）する。具体的には、クラスタリング部１９１は、所定の基準に従って複数の部材の型式を１つのグループに纏める。
クラスタリング部１９１がクラスタを行う方法として、例えばk-meansなど公知の機械学習方法を用いることができる。

図２は、クラスタリング部１９１が行うクラスタリングの例を示す図である。図２では、クラスタリング部１９１が部材の使用場所に基づいてクラスタリングを行う場合の例を示している。図２の行は部材の型式（具体的には、型番）に対応付けられ、列は部材の使用場所に対応付けられる。
例えば、見積り対象のプロジェクトがＡＧＴ（Automated Guideway Transit、専用軌道上をゴムタイヤで走行する交通システム）の新設プロジェクトであり、部材はケーブルであり、クラスタリング部１９１が、ケーブルが接続される設備を使用場所としてクラスタリングを行うようにしてもよい。この場合、使用場所として、ハイボルテージルーム（高圧電源室）－ガイドウェイ（案内レール）、ハイボルテージルーム－他の駅のハイボルテージルームなど、ケーブルの両端の終端位置を用いることができる。

図２の例で、クラスタリング部１９１は、場所Ｐ３、４、１０および１１で使用される部材の型式をクラスタ１に分類している。また、クラスタリング部１９１は、場所Ｐ４、６～８および１０で使用される部材の型式をクラスタ２に分類している。このように、クラスタリング部１９１は、部材の使用場所に応じて部材の型式をクラスタリングしている。

但し、クラスタリング部１９１が部材の型式をクラスタリングする基準は、部材の使用場所に限定されない。例えば、クラスタリング部１９１が、部材の用途、部材のサイズ（例えばケーブルの口径）、部材と説明変数との相関関係の何れかまたはこれらの組合せに基づいて部材の型番のクラスタリングを行うようにしてもよい。
ここでいう説明変数は、モデル構築部１９２が構築するモデルへの入力（引数）である。

モデル構築部１９２は、過去のプロジェクトに用いられた部材の型式をクラスタリング部１９１がクラスタリングしたクラスタ毎に、仕様情報の入力に対して見積りを出力する見積りモデルを構築する。ここでいう仕様情報は、見積り対象のプロジェクトにおける要求仕様を示す情報である。
モデル構築部１９２が見積りモデルを構築するために、例えば重回帰またはＲｉｄｇｅ回帰など公知の学習アルゴリズムを用いることができる。
モデル構築部１９２が、重回帰またはＲｉｄｇｅ回帰を用いてモデルを構築する場合、モデルは式（１）のように示される。

ここで、ｗ_１、ｗ_２、ｗ_３、・・・ｗ_Ｎ、ｗ_０は、回帰係数として定められる定数である。Ｎは正整数である。ｘ_１、ｘ_２、ｘ_３、・・・ｘ_Ｎは、説明変数（すなわち、モデルへの入力パラメータ）である。ｗは、ｗ_１、ｗ_２、ｗ_３、・・・ｗ_Ｎ、ｗ_０を示すベクトルである。ｘは、ｘ_１、ｘ_２、ｘ_３、・・・ｘ_Ｎを示すベクトルダル。ｙ_ａは見積り値を示す。下付きのａは推定値であることを示す。

重回帰の場合、式（２）に示される誤差Ｅ（ｗ）を最小化するように、最小二乗法にて回帰係数を決定する。

ここで、ｙは、見積り対象の真値である。
一方、Ｒｉｄｇｅ回帰では、式（３）に示される誤差Ｅ（ｗ）を最小化するように、回帰係数を決定する。

式（３）を式（２）と比較すると、右辺にペナルティ項―（λ／２）｜｜ｗ｜｜^２が設けられている。ここで、λは予め定められる定数である。｜｜ｗ｜｜は、ベクトルｗの固有値を示す。
このペナルティ項により、過学習を抑制することができる。

なお、部材がケーブルである場合、モデル構築部１９２が、例えば駅間の距離など、ケーブルが接続される設備同士の距離を入力に含むモデルを構築するようにしてもよい。この設備同士の距離とケーブル長との間に相関関係があることが考えられ、この点で、モデル構築部１９２が高精度なモデルを構築すると期待される。

また、モデル構築部１９２が、見積りを確率分布で出力するようにしてもよい。ここで、見積り対象の値が一意に定まらず変動要因があることが考えられる。モデル構築部１９２が、見積りを確率分布で出力することで、変動要因による変動幅を反映した見積りを提示することができる。
見積りを確率分布で出力する見積りモデルは、例えば、モデル構築部１９２が、ガウス過程またはベイズ線形回帰を用いて機械学習を行うことで得られる。

クラスタリング部１９１が部材の型式をクラスタリングすることで部材もクラスタリングされる。クラスタリング部１９１が、部材の型式をクラスタリングすることで部材をクラスタリングし、モデル構築部１９２がクラスタリングされた部材ごとにモデル（見積りモデル）を構築することで、モデル構築部１９２は、より多くのデータに基づいてモデルを構築することができる。この点について図３および図４を用いて説明する。

図３は、データ数が少ない場合のモデルの例を示す図である。図３のグラフの横軸は説明変数を示し、縦軸は見積り値を示す。説明変数は、見積りモデル（見積りを出力するモデル）への入力であり、見積り値は見積りモデルの出力である。
点Ｐ２１～Ｐ２４は、それぞれ異なるプロジェクトにおける、説明変数と、同一の型番の部材に関する見積り対象の実際値（例えば、当該部材を使用した数量の実際値）との関係を示す。

線Ｌ１１～Ｌ１３は、点Ｐ２１～Ｐ２４に基づいて得られるモデルの候補の例を示している。線Ｌ１１は、点Ｐ２４を例外として除き、点Ｐ２１～Ｐ２３を直線で近似したモデルの例を示す。線Ｌ１２は、点Ｐ２１～Ｐ２４を直線で近似したモデルの例を示す。線Ｌ１３は、点Ｐ２１～Ｐ２４を曲線で近似したモデルの例を示す。
データ数が少ない場合、どのようなモデルが適切か判断することが難しく、さらには、データが少ないことでモデルの精度が低いことが考えられる。

図４は、データ数が比較的多い場合にモデル構築部１９２が構築するモデルの例を示す図である。図４のグラフの横軸は説明変数を示し、縦軸は見積り値を示す。説明変数は、モデル構築部１９２が構築する見積りモデルへの入力であり、見積り値は見積りモデルの出力である。
点Ｐ２１～Ｐ２４は、図３の場合と同様である。点Ｐ３１～Ｐ３４も点Ｐ２１～Ｐ２４と同様であるが、点Ｐ２１～Ｐ２４と点Ｐ３１～Ｐ３４とでは部材の型番が異なる。クラスタリング部１９１のクラスタリングによって点Ｐ２１～Ｐ２４の部材と点Ｐ３１～Ｐ３４の部材とが同じクラスタに分類されている。

線Ｌ２１は、点Ｐ２１～Ｐ２４およびＰ３１～Ｐ３４に基づいてモデル構築部１９２が生成するモデルの候補の例を示している。線Ｌ２１は、点Ｐ２４を例外として除き、点Ｐ２１～Ｐ２３およびＰ３１～Ｐ３４を直線で近似したモデルの例を示す。
クラスタリング部１９１が行うクラスタリングによって、モデル構築部１９２が部材の型番ごとにモデルを構築する場合よりも、モデルを構築するためのデータの数が多くなる。これにより、モデル構築部１９２がより高精度なモデルを構築できると期待される。
また、モデル構築部１９２がクラスタ毎にモデルを構築することで、部材の型番ごとにモデルを構築する場合よりもモデルの数を減らすことができる。これにより、モデルの構築の負荷およびモデルのメンテナンスの負荷を低減させることができる。

なお、モデル構築部１９２が、見積りモデル毎に、当該見積りモデルの信頼度を算出するようにしてもよい。
例えばモデル構築部１９２は、式（４）に基づいて信頼度reliability(c)を算出する。

ここで、ｃはクラスタを示す。
ｒ_ｎ（ｃ）は、式（５）のように示される。

ここで、Ｎ（ｃ）は、クラスタｃに属し得るデータの総数を示す。ｎ（ｃ）は、Ｎ（ｃ）のうち有効なデータの数を示す。例えば、プロジェクト数×クラスタｃに属するケーブルの型式の数をＮ（ｃ）とする。そのうち、実際にケーブル長が示されているデータの数をｎ（ｃ）とする。
ｒ_ｎ（ｃ）を用いて、データ数による重み付けを行う。特に、データ数が多いほど信頼度を大きくする。すなわち、モデル構築部１９２は、見積りモデル毎に、過去のプロジェクトのうち当該見積りモデルに対応するクラスタに属する部材があるプロジェクトの数が多いほど、信頼度を高く算出する。
また、ｒ_σ（ｃ）は、見積りのばらつき度合いの評価値であり、式（６）のように示される。

ここで、３σは、式（７）のように示される。

ｅ_ｍは、推定値に対する真値の誤差であり、式（８）のように示される。

ｙ_ｐｒｅは、見積りの推定値を示す。ｙ_ａｃｔは、見積りの真値を示す。
例えば、ｒ_σ（ｃ）＝３０の場合、推定値に対して±３０％の範囲内に真値があることを示している。
ｒ_σ（ｃ）は、を用いて見積りのばらつき度合いによる重み付けをする。モデル構築部１９２は、見積りモデル毎に、当該見積りモデルに対応するクラスタに属する部材について過去のプロジェクトの実施結果から得られる見積り対象値のばらつき度合いが小さいほど、頼度を高く算出する。

モデル特定部１９３は、見積り対象のプロジェクトに用いられる部材の型式をクラスタリング部１９１がクラスタリングしたクラスタ毎に、モデル構築部１９２が構築した見積りモデルから当該クラスタに対応する見積りモデルを特定する。
見積り取得部１９４は、モデル特定部１９３が特定した見積りモデルの各々に、見積り対象のプロジェクトにおける説明変数（仕様情報）を入力して見積りを取得する。
なお、見積り取得部１９４が、見積りの精度に対する余裕分を含む見積りを取得するようにしてもよい。

次に、図５～図７を参照して見積り取得装置１００の動作について説明する。
図５は、見積り取得装置１００を用いた見積りの流れの例を示す図である。
図５の流れで、顧客は受注候補の会社に対して見積りを要求する（シーケンスＳ１１１）。見積り要求の際、顧客は受注候補の会社に要求仕様を図面等で示す。受注候補の会社は、要求仕様を図面等で受領する（シーケンスＳ１２１）。

受注候補の会社では、見積り要求のあったプロジェクトに関連する各課に見積りを依頼する（シーケンスＳ１２２）。依頼を受けた各課では対象案件の設備の条件を整理し（シーケンスＳ１２３）、見積り取得装置１００を用いて見積りを行う（シーケンスＳ１２４）。各課では見積り取得装置１００を用いて得られた見積りを評価する（シーケンスＳ１２５）。ここで、見積りの精度が良くないと判定した場合、再度、見積り取得装置１００に見積りを行わせるようにしてもよい。
評価の結果、見積りを使用可能と判断した場合、各課にて見積書を作成する。（シーケンスＳ１２６）。

関係各課が見積書を作成した後、各課が集まってレビュー会を行う（シーケンスＳ１２７）。レビュー会にて不具合が見つかった場合は、該当する課が見積りを持ち帰って再度、見積書を作成する。
レビュー会にて各課の見積りを採用するように決まった場合、承認権限者による承認を受け（シーケンスＳ１２８）、顧客へ見積りを解答する（シーケンスＳ１２９）。
顧客は、受注候補の会社からの見積書を受け取る（シーケンスＳ１３１）。

図６は、見積り取得装置１００が見積りモデルを生成する処理手順の例を示すフローチャートである。見積り取得装置１００は、予め図６の処理を行って見積りモデルを生成しておく。
図６の処理で、入力部１１０は、過去のプロジェクトのデータを取得する（ステップＳ２１１）。クラスタリング部１９１は、入力部１１０が取得した過去のプロジェクトのデータについて、部材の型式のクラスタリングを行う（ステップＳ２１２）。

次に、制御部１９０は、クラスタ毎に処理を行うループＡを開始する（ステップＳ２２１）。
ループＡの処理で、モデル構築部１９２は、クラスタ毎の見積りモデルを構築する（ステップＳ２２２）また、モデル構築部１９２は、ステップＳ２２２で構築した見積りモデルの信頼性を算出する（シーケンスＳ２２３）。

次に、制御部１９０は、ループＡの終端処理を行う（ステップＳ２２４）。具体的には、制御部１９０は、全てのクラスタについてループＡの処理を完了したか否かを判定する。未処理のクラスタがあると判定した場合、ステップＳ２２１に戻り、未処理のクラスタについてループＡの処理を行う。一方、全てのクラスタについてループＡの処理を完了したと判定した場合、図６の処理を終了する。

図７は、見積り取得装置１００が見積りを行う処理手順の例を示すフローチャートである。見積り取得装置１００は、例えば図５のシーケンスＳ１２４で図７の処理を行う。
図７の処理で、入力部１１０は、見積り対象のプロジェクトのデータを取得する（ステップＳ３１１）。クラスタリング部１９１は、入力部１１０が取得した見積り対象のプロジェクトのデータについて、部材の型式のクラスタリングを行う（ステップＳ３１２）。

次に、制御部１９０は、クラスタ毎に処理を行うループＢを開始する（ステップＳ３２１）。
ループＢの処理で、モデル特定部１９３は、ループＢで処理対象となっているクラスタに対応する見積りモデルを特定する（ステップＳ３２２）。見積り取得部１９４は、モデル特定部１９３が算出した見積りモデルを用いて見積りを算出（取得）する（ステップＳ３２３）。図７の例では、見積り取得部１９４は、部材であるケーブルの長さの見積りを取得する。
次に、見積り取得部１９４は、ステップＳ３２３で得られたケーブル長に基づいて、クラスタ毎の見積り金額を算出（取得）する（ステップＳ３２４）。

次に、制御部１９０は、ループＢの終端処理を行う（ステップＳ３２５）。具体的には、制御部１９０は、全てのクラスタについてループＢの処理を完了したか否かを判定する。未処理のクラスタがあると判定した場合、ステップＳ３２１に戻り、未処理のクラスタについてループＢの処理を行う。一方、全てのクラスタについてループＢの処理を完了したと判定した場合、ループＢを終了してステップＳ３３１へ進む。

ループＢを終了すると、見積り取得部１９４は、ステップＳ３２４で得られたクラスタ毎の見積り金額を合計して全体の見積り金額を算出（取得）する（ステップＳ３３１）。出力部１２０は、見積り取得装置１００の制御に従って、見積りおよび見積りモデルの信頼度を出力する（Ｓ３３２）。
ステップＳ３３２の後、図７の処理を終了する。

以上のように、クラスタリング部１９１は、 プロジェクトに用いられる部材の型式をクラスタリングする。モデル構築部１９２は、過去のプロジェクトに用いられた部材の型式をクラスタリング部１９１がクラスタリングしたクラスタ毎に、仕様情報の入力に対して見積りを出力する見積りモデルを構築する。モデル特定部１９３は、見積り対象のプロジェクトに用いられる部材の型式をクラスタリング部１９１がクラスタリングしたクラスタ毎に、モデル構築部１９２が構築した見積りモデルから当該クラスタに対応する見積りモデルを特定する。見積り取得部１９４は、モデル特定部１９３が特定した見積りモデルの各々に、見積り対象のプロジェクトにおける仕様情報を入力して見積りを取得する。

見積り取得装置１００は、過去のプロジェクトのデータを用いて、モデルを予め構築しておくことができる。そして見積り取得装置１００は、このモデルを用いて見積りを取得することができる。モデルを用いることで、見積り取得装置１００は、ＣＡＤデータを必要とせず、かつ、見積り対象の仕様の入手後に過去の事例を検索する必要無しに見積りを行うことができる。

また、モデル構築部１９２が部材の型式のクラスタ毎にモデルを構築することで、型式ごとにモデルを構築する場合よりも、モデル構築のためのデータを多く得られる。この点で、モデル構築部１９２は、信頼性の高いモデルを構築できる。
また、モデル構築部１９２が部材の型式のクラスタ毎にモデルを構築することで、型式ごとにモデルを構築する場合よりも、モデルの数が少ない。この点で、モデルを構築する負荷、および、モデルのメンテナンスの負荷が小さくて済む。

また、モデル構築部１９２は、見積りモデル毎に、当該見積りモデルの信頼度を算出する。
ユーザは、見積り取得装置１００から見積りを取得した際に、信頼度を参照して見積りを見直すか否かの参考とすることができる。また、ユーザは、モデル構築部１９２が構築したモデルをチューニングするか否かの参考として信頼度を参照することができる。

また、モデル構築部１９２は、見積りモデル毎に、当該見積りモデルに対応する前記クラスタに属する部材について過去のプロジェクトの実施結果から得られる見積り対象値のばらつき度合いが小さいほど、信頼度を高く算出する。
モデル構築部１９２によれば、見積りのばらつきが小さいほど信頼度が高くなると考えられ、この点で適切な信頼度を得られる。

また、モデル構築部１９２は、見積りモデル毎に、過去のプロジェクトのうち当該見積りモデルに対応するクラスタに属する前記部材があるプロジェクトの数が多いほど、前記信頼度を高く算出する。
モデル構築部１９２によれば、モデル構築に用いられるデータの数が多いほど信頼度が高くなると考えられ、この点で適切な信頼度を得られる。

また、クラスタリング部１９１は、部材の使用場所に基づいてクラスタリングを行う。
これにより、部材の使用場所と見積り対象の値との間に相関関係がある場合に、モデル構築部１９２は、高精度なモデルを構築することができる。

また、部材はケーブルである。クラスタリング部１９１は、ケーブルが接続される設備を使用場所としてクラスタリングを行う。モデル構築部は、設備同士の距離を入力に含むモデルを構築する。
設備同士の距離とケーブル長との間には相関関係があると考えられ、この点で、モデル構築部１９２は、高精度なモデルを構築することができる。

また、モデル構築部１９２は、見積りを確率分布で出力するモデルを構築する。
見積り取得部１９４は、このモデルを用いて見積りに合わせて見積りの不確かさを提示することができる。

また、見積り取得部１９４は、余裕分を含む見積りを取得する。
これにより、見積り取得装置１００によれば、見積りがショートする（見積り値が実際値よりも下回る）可能性を低減させることができる。

なお、制御部１９０の全部または一部の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することで各部の処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。

以上、本実施形態を図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この開示の要旨を逸脱しない範囲の設計変更等も含まれる。

１００ 見積り取得装置
１１０ 入力部
１２０ 出力部
１８０ 記憶部
１９０ 制御部
１９１ クラスタリング部
１９２ モデル構築部
１９３ モデル特定部
１９４ 見積り取得部

Claims (10)

1. プロジェクトに用いられる部材の型式に対して、所定の基準に従って複数の部材の型式を１つのグループに纏めるクラスタリングを行うクラスタリング部と、
   過去のプロジェクトに用いられた部材の型式を前記クラスタリング部がクラスタリングしたクラスタ毎に、見積り対象のプロジェクトにおける要求仕様を示す仕様情報の入力に対して、そのクラスタに分類される部材の数量と相関性のある値を見積り値として出力する見積りモデルを、過去のプロジェクトにおける要求仕様と、そのプロジェクトにおける見積り対象の実際値とを用いた教師有り学習によって構築するモデル構築部と、
   見積り対象のプロジェクトに用いられる部材の型式を前記クラスタリング部がクラスタリングしたクラスタ毎に、前記見積りモデルのうち当該クラスタに対応する見積りモデルを特定するモデル特定部と、
   前記モデル特定部が前記クラスタ毎に特定した見積りモデルの各々に、前記見積り対象のプロジェクトにおける要求仕様を示す仕様情報を入力して前記クラスタ毎に見積りを取得する見積り取得部と、
   を備える見積り取得装置。
2. 前記モデル構築部は、前記見積りモデル毎に、当該見積りモデルの信頼度を算出する、
   請求項１に記載の見積り取得装置。
3. 前記モデル構築部は、前記見積りモデル毎に、当該見積りモデルに対応する前記クラスタに属する前記部材について前記過去のプロジェクトの実施結果から得られる見積り対象値のばらつき度合いが小さいほど、前記信頼度を高く算出する、
   請求項２に記載の見積り取得装置。
4. 前記モデル構築部は、前記見積りモデル毎に、前記過去のプロジェクトのうち当該見積りモデルに対応する前記クラスタに属する前記部材があるプロジェクトの数が多いほど、前記信頼度を高く算出する、
   請求項２または請求項３に記載の見積り取得装置。
5. 前記クラスタリング部は、前記部材の使用場所に基づいてクラスタリングを行う、
   請求項１から４の何れか一項に記載の見積り取得装置。
6. 前記部材はケーブルであり、
   前記クラスタリング部は、前記ケーブルが接続される設備を前記使用場所として前記クラスタリングを行い、
   前記モデル構築部は、前記設備同士の距離を入力に含む前記モデルを構築する、
   請求項５に記載の見積り取得装置。
7. 前記モデル構築部は、前記見積りを確率分布で出力する、
   請求項１から６の何れか一項に記載の見積り取得装置。
8. 前記見積り取得部は、余裕分を含む見積りを取得する、
   請求項１から７の何れか一項に記載の見積り取得装置。
9. コンピュータが、過去のプロジェクトに用いられた部材の型式に対して、所定の基準に従って複数の部材の型式を１つのグループに纏めるクラスタリングをおこなったクラスタ毎に、見積り対象のプロジェクトにおける要求仕様を示す仕様情報の入力に対して、そのクラスタに分類される部材の数量と相関性のある値を見積り値として出力する見積りモデルを、過去のプロジェクトにおける要求仕様と、そのプロジェクトにおける見積り対象の実際値とを用いた教師有り学習によって構築することと、
   前記コンピュータが、見積り対象のプロジェクトに用いられる部材の型式をクラスタリングしたクラスタ毎に、前記見積りモデルのうち当該クラスタに対応する見積りモデルを特定することと、
   前記コンピュータが、前記クラスタ毎に特定した見積りモデルの各々に、前記見積り対象のプロジェクトにおける要求仕様を示す仕様情報を入力して前記クラスタ毎に見積りを取得することと、
   を含む見積り取得方法。
10. コンピュータに、
    過去のプロジェクトに用いられた部材の型式に対して、所定の基準に従って複数の部材の型式を１つのグループに纏めるクラスタリングをおこなったクラスタ毎に、見積り対象のプロジェクトにおける要求仕様を示す仕様情報の入力に対して、そのクラスタに分類される部材の数量と相関性のある値を見積り値として出力する見積りモデルを、過去のプロジェクトにおける要求仕様と、そのプロジェクトにおける見積り対象の実際値とを用いた教師有り学習によって構築することと、
    見積り対象のプロジェクトに用いられる部材の型式をクラスタリングしたクラスタ毎に、前記見積りモデルのうち当該クラスタに対応する見積りモデルを特定することと、
    前記クラスタ毎に特定した見積りモデルの各々に、前記見積り対象のプロジェクトにおける要求仕様を示す仕様情報を入力して前記クラスタ毎に見積りを取得することと、
    を実行させるためのプログラム。

Images