JP4838593B2 - トラブル情報分析プログラム、トラブル情報分析装置およびトラブル情報分析方法 - Google Patents

トラブル情報分析プログラム、トラブル情報分析装置およびトラブル情報分析方法 Download PDF

Info

Publication number
JP4838593B2
JP4838593B2 JP2006014679A JP2006014679A JP4838593B2 JP 4838593 B2 JP4838593 B2 JP 4838593B2 JP 2006014679 A JP2006014679 A JP 2006014679A JP 2006014679 A JP2006014679 A JP 2006014679A JP 4838593 B2 JP4838593 B2 JP 4838593B2
Authority
JP
Japan
Prior art keywords
trouble
information
difficulty
cause
stored
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
JP2006014679A
Other languages
English (en)
Other versions
JP2007199809A (ja
Inventor
孝広 齊藤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP2006014679A priority Critical patent/JP4838593B2/ja
Priority to US11/380,276 priority patent/US7546279B2/en
Publication of JP2007199809A publication Critical patent/JP2007199809A/ja
Application granted granted Critical
Publication of JP4838593B2 publication Critical patent/JP4838593B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computational Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Description

本発明は、様々な事象のトラブル情報を分析するトラブル情報分析装置に実行させるためのコンピュータ実行可能なトラブル情報分析プログラム、トラブル情報分析装置およびトラブル情報分析装置において実行されるトラブル情報分析方法に関し、特に、医療現場において発生したインシデント情報、コンピュータソフトウェアプログラムの開発において発生する障害情報、あるいは発電所や工場における大規模プラントの運用中に発生した事故情報等のトラブル情報を分析するトラブル情報分析プログラム、トラブル情報分析装置およびトラブル情報分析方法に関する。
近年、リスクマネージメントの重要性が高まってきている。リスクマネージメントとは、事前に発生する可能性のあるトラブルを洗いだし、各々のトラブルに対してその対応策を事前に決めておくことであるが、その際には、過去のトラブル情報が活用される。過去のトラブル情報の量が少ない場合にはそれらを人間が全て把握することが可能であるが、多量の事例が蓄積されている場合には、計算機による活用支援が必須となる。
例えば、企業に関するリスク評価を行なう装置であって、評価対象企業の業種、規模、財務情報といった企業情報を入力として、類似企業において過去に発生したトラブルとその影響度及び保険加入による軽減度をユーザに提示する事を特徴とする技術が開示されている（例えば、特許文献１参照。）。
また、施設に関するリスク評価を行なう装置であって、評価対象施設の施設情報と周辺地域情報を入力として、過去のトラブル事例からトラブルの発生確率とトラブル発生時の影響度を算出してユーザに提示する事を特徴とする技術が開示されている（例えば、特許文献２参照。）。
また、複数の故障要因と複数の監視項目がある装置について、故障要因と監視項目をそれぞれに評価することにより、装置の状態を監視するのに監視すべき監視項目を自動的に抽出することができる技術が開示されている（例えば、特許文献３参照。）。
特開平９−１１４８０１号公報 特開２００３−９９６０１号公報 特開２００５−１０００２６号公報
しかしながら、従来の技術においては、トラブルの起こりやすさやトラブルが起こった際の影響度に関する情報を算出することはできるが、トラブルを解決することがどの位難しいかを示す情報（トラブル回避難易度）を算出することができないという問題点があった。
この情報は従来技術で算出することが可能な情報と同様に重要な情報であり、分析者はこのような情報があればそれを用いた分析作業を行なうことで有用な知識を獲得することができる。ところが、このトラブル回避難易度は、個々のトラブル事例のみを独立に検討するだけでは、適切な値を算出することが困難である。例えば、同じようなトラブルでも、その発生原因が異なる場合がある。このようなトラブルを防止するには、それら複数の発生原因に対して全て対策を施行する必要がある。したがって、１つのトラブル事例のみからでは、このトラブルが複数の原因を持つことは分からないので、そのトラブル回避難易度を適切に評価することができないという問題点があった。
また、トラブル回避難易度を対策立案に利用することを考えると、このトラブル回避難易度は、種々の観点から定義されていると有用である。例えば、「防止策の実施コストが高いトラブルは回避難易度が高い」という観点に基づくトラブル回避難易度は、コストパフォーマンスの高いリスクマネージメントを実現するのに有用である。また、「防止策を実施していたにも関わらず発生するトラブルはトラブル回避難易度が高い」という観点に基づくトラブル回避難易度は、従来のリスクマネージメントの不備を抽出するというタスクに有用である。
なお、各データの属性値（本発明の例においては、事例に記載されたトラブル回避難易度に相当）を推定する方式としては、機械学習を用いた自動分類と呼ばれる技術が広く利用されている。この技術は、予め正解カテゴリを付与した少数の事例を教師データとして装置が学習を行ない、正解カテゴリが付与されていない事例に関して、学習結果に基づいてそのカテゴリを推定するものである。しかしながら、この技術をトラブル回避難易度の判定に適用するには、教師データを作成する必要があり、教師データを作成するコストとともに、各トラブル事例に適切なトラブル難易度を与える事が人手でも難しく、適切な教師データが作成できないという問題があった。
本発明は、上記事情に鑑みてなされたもので、各トラブル事例情報に記載されているトラブルの様々な要因に立脚したトラブル回避難易度を適切に判定することが可能なトラブル情報分析プログラム、トラブル情報分析装置およびトラブル情報分析方法を提供することを目的とする。
さらに、本発明は、判定したトラブル回避難易度を用いて、有用なリスクマネージメントに有用な知識を獲得する方法を実現することが可能なトラブル情報分析プログラム、トラブル情報分析装置およびトラブル情報分析方法を提供することを目的とする。
本発明は、上記課題を解決するため、下記のような構成を採用した。
すなわち、本発明の一態様によれば、本発明のトラブル情報分析プログラムは、トラブルのカテゴリとトラブルを特定するトラブル識別情報と発生原因の情報が対応付けて格納されたトラブル情報データベースを参照することにより、検索条件に対応するトラブル情報を検索するトラブル情報分析装置に実行させるためのコンピュータ実行可能なトラブル情報分析プログラムであって、前記トラブル情報データベースに格納された特定のカテゴリのトラブルの総数と該トラブルの発生原因毎のトラブルの数を基に発生原因毎のトラブル発生確率を算出し、該発生原因毎のトラブル発生確率に基づく情報エントロピーを、該特定のカテゴリのトラブルを回避することの困難性を示すトラブル回避難易度として求める手順を実行させるためのトラブル情報分析プログラムである。
また、本発明の一態様によれば、本発明のトラブル情報分析プログラムは、トラブルのカテゴリとトラブルを特定するトラブル識別情報と発生原因の情報と発生状況と発生場所が対応付けて格納されたトラブル情報データベースを参照することにより、検索条件に対応するトラブル情報を検索するトラブル情報分析装置に実行させるためのコンピュータ実行可能なトラブル情報分析プログラムであって、特定のカテゴリのトラブルについて、前記トラブル情報データベースから検索された発生状況の異なり数と発生場所の異なり数の乗算値を、該特定のカテゴリのトラブルを回避することの困難性を示すトラブル回避難易度として求める手順を実行させるためのトラブル情報分析プログラムである。
また、本発明の一態様によれば、本発明のトラブル情報分析プログラムは、トラブルのカテゴリとトラブルを特定するトラブル識別情報と発生原因の情報とトラブル識別情報に取り得る情報が対応付けて格納されたトラブル情報データベースを参照することにより、検索条件に対応するトラブル情報を検索するトラブル情報分析装置に実行させるためのコンピュータ実行可能なトラブル情報分析プログラムであって、特定のカテゴリのトラブルについて、予め定められた対策閾値と前記トラブル情報データベースから検索された取り得る対策の異なり数との差分値を、該特定のカテゴリのトラブルを回避することの困難性を示すトラブル回避難易度として求める手順を実行させるためのトラブル情報分析プログラムである。
また、本発明の一態様によれば、本発明のトラブル情報分析プログラムは、トラブルのカテゴリとトラブルを特定するトラブル識別情報と発生原因の情報と事前防止策の情報が対応付けて格納されたトラブル情報データベースを参照することにより、検索条件に対応するトラブル情報を検索するトラブル情報分析装置に実行させるためのコンピュータ実行可能なトラブル情報分析プログラムであって、特定のカテゴリのトラブルについて、前記トラブル情報データベースに格納されたトラブルの総数に対する、事前防止策と対応付けて格納されたトラブルの数の割合を算出し、該算出した割合に応じて予め設定されたトラブル回避難易度の算出ルールを参照した結果を、該特定のカテゴリのトラブルを回避することの困難性を示すトラブル回避難易度として求める手順を実行させるためのトラブル情報分析プログラムである。
また、本発明の一態様によれば、本発明のトラブル情報分析プログラムは、トラブルのカテゴリとトラブルを特定するトラブル識別情報と発生原因の情報と対策コストの情報が対応付けて格納されたトラブル情報データベースを参照することにより、検索条件に対応するトラブル情報を検索するトラブル情報分析装置に実行させるためのコンピュータ実行可能なトラブル情報分析プログラムであって、特定のカテゴリのトラブルについて、前記トラブル情報データベースに格納された対策コスト毎に、当該対策コストに対応付けられて格納されたトラブルの数と、当該対策コストについて予め設定された係数との乗算値を算出し、前記トラブル情報データベースに格納された全ての対策コスト毎の前記乗算値の合計値を、該特定のカテゴリのトラブルを回避することの困難性を示すトラブル回避難易度として求める手順を実行させるためのトラブル情報分析プログラムである。
また、本発明の一態様によれば、本発明のトラブル情報分析プログラムは、トラブルのカテゴリとトラブルを特定するトラブル識別情報と発生原因の情報と対策効果レベルの情報が対応付けて格納されたトラブル情報データベースを参照することにより、検索条件に対応するトラブル情報を検索するトラブル情報分析装置に実行させるためのコンピュータ実行可能なトラブル情報分析プログラムであって、特定のカテゴリのトラブルについて、前記トラブル情報データベースに格納された対策効果レベル毎に、当該対策効果レベルに対応付けられて格納されたトラブルの数と、当該対策効果レベルについて予め設定された係数との乗算値を算出し、前記トラブル情報データベースに格納された全ての対策効果レベル毎の前記乗算値の合計値を、該特定のカテゴリのトラブルを回避することの困難性を示すトラブル回避難易度として求める手順を実行させるためのトラブル情報分析プログラムである。
これらにより、トラブル事例情報の内容が集計可能な形式で付与されているトラブル分析装置に対して、さらに記載されたトラブル回避難易度を決定する様々な要因に関する情報を基にして様々な観点から見たトラブル回避難易度を算出することが可能となり、各トラブル事例情報に記載されているトラブルの様々な要因に立脚したトラブル回避難易度を適切に判定することができる。
また、本発明のトラブル情報分析プログラムは、前記トラブル回避難易度を算出する手順によって算出されたトラブル回避難易度に基づいて、前記トラブルの種別をグルーピングする手順と、前記グルーピングする手順によってグルーピングされた前記トラブルの種別について、前記トラブル情報データベースに格納された特徴素を抽出する手順と、前記特徴素を抽出する手順によって抽出された特徴素を出力する手順とをさらに備えることが望ましい。
これにより、トラブル回避難易度で事例を分類し、各部分集合を特徴付ける定型項目やテキスト中のキーワードやフレーズをユーザに提示することにより、ユーザの分析作業を支援し、判定したトラブル回避難易度を用いて、有用なリスクマネージメントに有用な知識を獲得する方法を実現することができる。
また、本発明の一態様によれば、本発明のトラブル情報分析方法は、トラブルのカテゴリとトラブルを特定するトラブル識別情報と発生原因の情報が対応付けて格納されたトラブル情報データベースを参照することにより、検索条件に対応するトラブル情報を検索するトラブル情報分析装置において実行されるトラブル情報分析方法であって、前記トラブル情報データベースに格納された特定のカテゴリのトラブルの総数と該トラブルの発生原因毎のトラブルの数を基に発生原因毎のトラブル発生確率を算出し、該発生原因毎のトラブル発生確率に基づく情報エントロピーを、該特定のカテゴリのトラブルを回避することの困難性を示すトラブル回避難易度として求めることを特徴とする。
これにより、トラブル事例情報の内容が集計可能な形式で付与されているトラブル分析装置に対して、さらに記載されたトラブル回避難易度を決定する様々な要因に関する情報を基にして様々な観点から見たトラブル回避難易度を算出することが可能となり、各トラブル事例情報に記載されているトラブルの様々な要因に立脚したトラブル回避難易度を適切に判定することができる。
また、本発明の一態様によれば、本発明のトラブル情報分析装置は、トラブルのカテゴリとトラブルを特定するトラブル識別情報と発生原因の情報が対応付けて格納されたトラブル情報データベースを参照することにより、検索条件に対応するトラブル情報を検索するトラブル情報分析装置において、前記トラブル情報データベースに格納された特定のカテゴリのトラブルの総数と該トラブルの発生原因毎のトラブルの数を基に発生原因毎のトラブル発生確率を算出し、該発生原因毎のトラブル発生確率に基づく情報エントロピーを、該特定のカテゴリのトラブルを回避することの困難性を示すトラブル回避難易度として求めるトラブル回避難易度算出手段を備えることを特徴とする。
これにより、トラブル事例情報の内容が集計可能な形式で付与されているトラブル分析装置に対して、さらに記載されたトラブル回避難易度を決定する様々な要因に関する情報を基にして様々な観点から見たトラブル回避難易度を算出することが可能となり、各トラブル事例情報に記載されているトラブルの様々な要因に立脚したトラブル回避難易度を適切に判定することができる。
本発明によれば、算出されるトラブル回避難易度の情報を事例に付与し、また、ユーザの操作によって作成された事例集合の特徴素をユーザに提示することにより、トラブル回避に寄与する有用な知識を獲得する作業を支援することが可能となる。
すなわち、本発明によれば、従来技術によって算出したトラブルの発生確率と影響度にトラブル回避難易度を加えることで、優先的に対応すべきトラブル種別を判定することができる。したがって、トラブル回避難易度が低いトラブルは対処が容易であり、対策施行の優先度は高いと判定することにより、効果的な防止策が実施できる。
また、本発明によれば、複数のトラブルにおいてトラブル回避難易度を上げている共通要因を発見することができる。
以下、図面に基づいて本発明を適用した実施の形態を説明する。
図１は、本発明の概念を説明するための図である。
図１において、標準的なデータベースシステム（ＤＢシステム）を構成するユーザインターフェース１、検索部２およびトラブル情報データベース３は、従来技術のＤＢシステムをそのまま流用可能である。なお、本発明におけるトラブル情報データベース３に格納されている各事例レコードには、トラブルの種別や原因といった、そのトラブルの詳細内容を表す定型情報が付与されていることを前提にしている。このような情報は、人手によって付与されてよいが、特開２００２−２３６６９２号公報で公知となっている技術を用いて詳細が記載されたテキストから自動的に付与することも可能である。
すなわち、本発明は、トラブルの内容が定型情報として付与されたトラブル事例を格納するトラブル情報データベース３、ユーザからの操作命令を受け、トラブル情報データベース３を検索する検索部２、およびユーザインターフェース１から構成される従来のＤＢシステムに加えて、トラブル情報データベース３に格納されている全事例をトラブルの種別によりグルーピングして種々の観点に基づきトラブルの回避難易度を判定するトラブル回避難易度算出部１１から構成される。本発明は、上記ＤＢシステムに対してトラブル回避難易度算出部１１が付加されていることが最も大きな特徴である。このトラブル回避難易度算出部１１は、トラブル事例に付与された集計可能な定型情報により、トラブルの回避難易度を判定する処理を行なう。詳細は後述する。
図２は、本発明の原理図である。
図２において、トラブル情報分析装置１０は、検索部２、トラブル回避難易度算出部１１、回避難易度出力部１２、登録部１３、グルーピング部１４、特徴素抽出部１５および特徴素出力部１６を備え、各トラブル事例情報に対して、そのトラブル種別や、発生状況、原因、施行した対策といった詳細内容が集計可能な情報として付与されている。
検索部２は、トラブルの種別、発生状況、発生原因、施行した対策を含むトラブル情報が格納されたトラブル情報データベース３を参照することにより、検索条件に対応する前記トラブル情報を検索する。
トラブル回避難易度算出部１１は、「多くの原因から発生するトラブルは回避しにくい」という観点に基づき、トラブルの種別毎にその発生原因を基にしてトラブルの回避難易度を定量的に評価する。すなわち、トラブル回避難易度算出部１１は、前記トラブル情報データベース３から検索された前記トラブルの発生原因の数に基づいて、前記トラブルを回避することの困難性を示すトラブル回避難易度を算出する。また、前記トラブル回避難易度算出部１１は、前記トラブルの発生原因の数および発生件数から算出した情報エントロピーに基づいてトラブル回避難易度を算出する。
さらに、トラブル回避難易度算出部１１は、「多くの状況下で発生するトラブルは回避しにくい」という観点に基づき、トラブルの種別毎にその発生状況を基にしてトラブルの回避難易度を定量的に評価する。すなわち、前記トラブル回避難易度算出部１１は、前記トラブルの発生状況の数に基づいてトラブル回避難易度を算出する。また、前記トラブル回避難易度算出部１１は、前記トラブルの発生状況の数および発生件数から算出した情報エントロピーに基づいてトラブル回避難易度を算出する。
さらに、トラブル回避難易度算出部１１は、「とりうる防止手段が少ないトラブルは回避しにくい」という観点に基づき、トラブルの種別毎にその対策を基にしてトラブルの回避難易度を定量的に評価する。すなわち、前記トラブル回避難易度算出部１１は、前記トラブルのとりうる防止策の数に基づいてトラブル回避難易度を算出する。また、前記トラブル回避難易度算出部１１は、前記トラブルのとりうる防止策の数および発生件数から算出した情報エントロピーに基づいてトラブル回避難易度を算出する。
さらに、トラブル回避難易度算出部１１は、「防止策を施行していたにも関わらず発生するトラブルは回避しにくい」という観点に基づき、トラブルの種別毎にその発生時実施予防策を基にしてトラブルの回避難易度を定量的に評価する。すなわち、前記トラブル回避難易度算出部１１は、前記トラブルの防止策施行の有無に基づいてトラブル回避難易度を算出する。また、前記トラブル回避難易度算出部１１は、前記トラブルの防止策施行の有無および発生件数から算出した情報エントロピーに基づいてトラブル回避難易度を算出する。
さらに、トラブル回避難易度算出部１１は、記載された各対応策の実施コストを評価する機能、及び、「コストの高い対応策しかないトラブルは回避しにくい」という観点に基づき、トラブルの種別毎にその対策の実施コストを基にしてトラブルの回避難易度を定量的に評価する。すなわち、前記トラブル回避難易度算出部１１は、前記トラブルの防止策施行コストの高低に基づいてトラブル回避難易度を算出する。また、前記トラブル回避難易度算出部１１は、前記トラブルの防止策施行コストの高低および発生件数から算出した情報エントロピーに基づいてトラブル回避難易度を算出する。
さらに、トラブル回避難易度算出部１１は、記載された各対応策の効果を評価する機能、及び、「効果の薄い対応策しかないトラブルは回避しにくい」という観点に基づき、トラブルの種別毎にその対策の効果を基にしてトラブルの回避難易度を定量的に評価する。すなわち、前記トラブル回避難易度算出部１１は、前記トラブルの防止策施行効果の高低に基づいてトラブル回避難易度を算出する。また、前記トラブル回避難易度算出部１１は、前記トラブルの防止策施行効果の高低および発生件数から算出した情報エントロピーに基づいてトラブル回避難易度を算出する。
そして、回避難易度出力部１２は、前記トラブル回避難易度算出部１１によって算出されたトラブル回避難易度を出力し、登録部１３は、前記トラブル回避難易度算出部１１によって算出されたトラブル回避難易度を前記トラブル情報データベース３に登録する。
また、グルーピング部１４は、前記トラブル回避難易度算出部１１によって算出されたトラブル回避難易度に基づいて、前記トラブルの種別をグルーピングする。
さらに、特徴素抽出部１５は、前記グルーピング部１４によってグルーピングされた前記トラブルの種別について、前記トラブル情報データベース３に格納された特徴素を抽出し、特徴素出力部１６は、前記特徴素抽出部１５によって抽出された特徴素を出力する。
次に、トラブル回避難易度算出部１１が実行する、トラブルの回避難易度を判定する処理（トラブル回避難易度算出処理）について説明する。
図３は、トラブル回避難易度算出処理の流れを示すフローチャートである。
トラブル回避難易度算出処理は、トラブル事例に付与された集計可能な定型情報より、トラブル回避難易度を判定する処理である。この処理を実現する最も単純な方法は、各トラブル内容に対してトラブル回避難易度を付与したテーブルを用意することである。しかしながら、トラブル回避難易度には様々な要因が複雑に絡みあい、適切な値を設定することは非常に難しい。そこで、以下の処理手順により、トラブル種別毎にトラブル回避難易度を算出する。
なお、図３に示したフローチャートは、推定したトラブル回避難易度をトラブル情報データベース３の各レコードに付与する処理になっているが、ユーザによるトラブル回避難易度の算出命令を受けるたびに、その時点でのトラブル情報データベース３に格納されているデータに基づいて算出するようにしてもよい。
まず、ステップＳ３１において、トラブル事例に付与されているトラブル種別情報によってトラブル事例をグルーピングする。ここで、トラブル種別情報とは、トラブルの内容をカテゴリ情報として記載したもので、例えば、医療分野におけるトラブル種別としては、「患者間違い」「投薬種間違い」「投薬量間違い」「転倒・転落」といったものが挙げられる。
次に、ステップＳ３２において、ステップＳ３１で作成したトラブル事例のグループ毎に、ある観点に基づくトラブル回避難易度を算出する際に必要な情報をトラブル情報データベース３より取得する。ここで、取得する情報とは、例えば、「多くの原因で発生するトラブルはトラブル回避難易度が高い」という観点に基づいてトラブル回避難易度を算出する場合には、原因を表す定型情報であり、例えば「手順違反」「見落とし」「連絡不備」といったものが挙げられる。
図４は、トラブル情報データベースの事例データの例を示す図である。
図４の例においては、発生日時、患者情報、当事者・発見者情報と共に、トラブル概要情報として、発生場所や発生状況、トラブル種別などが定型情報としてレコードに付与されており、これらの定型情報から各種トラブル回避難易度が算出される。また、非定型情報記述フィールドとして、トラブルの詳細を記載するフィールドがあり、このフィールドから定型情報化されていない要因などを表すキーワードが抽出される。
図３の説明に戻り、ステップＳ３３において、事例が存在するか否かを判断し、存在しない場合（ステップＳ３３：ｎｏ）は、本トラブル回避難易度算出処理を終了し、存在する場合（ステップＳ３３：ｙｅｓ）は、ステップＳ３４において、トラブル回避難易度の算出に関わる定型情報をトラブル情報データベース３より検索する。
次に、ステップＳ３５において、前記取得した定型情報により、定量的にトラブル回避難易度を算出する。その算出方法は例えば、「多くの原因で発生するトラブルはトラブル回避難易度が高い」という観点に基づく場合ならば、１つのトラブル種別における原因の異なり数を求めることに相当する。例えば、トラブル種別が「患者間違い」であるトラブル事例１００件における原因情報とその発生件数が、「手順違反：４５件」、「見落とし：５０件」、「連絡不備：５件」であった場合、原因の異なり数は３であるので、前記の算出方式においてはトラブル回避難易度が３となる。
また、上記のような単純な異なり数だけでなく、その発生件数も考慮したトラブル回避難易度を算出することもできる。例えば、閾値（例えば１０％）を設定して、トラブルの発生件数の割合がその閾値を越えない原因は異なり数に加えないという方法を用いることでそのトラブルの発生にはあまり影響しない原因を無視して異なり数を算出することもでき、この場合には難易度２を与えることになる。またもっと複雑な式を用いる事も可能であり、例えば情報理論で定義されている情報エントロピーを評価値にすることもできる。情報エントロピーは下記の式で表される値である。
Figure 0004838593
ここで、Ｐiは、あるトラブル種別において、その原因が原因ｉである確率である。例えば、上記事例の場合、トラブル種別「患者間違い」であるトラブル１００件において、その原因が３つあり、それぞれの発生件数が４５件、５件、５０件であるので、Ｐ1＝０．４５、Ｐ2＝０．５０、Ｐ3＝０．０５となる。従って、情報エントロピーは１．２３４５と計算される。また、この情報エントロピーはトラブルにおける原因が１つだけである場合にはＰ1＝１．００であるので０となる。上記事例のように原因が３つあった場合でも、その３つの原因の件数が一致する場合にはＰ1＝Ｐ2＝Ｐ3＝１／３となるので、これから算出される情報エントロピーは１．５８３４７となり、上記事例よりもトラブル回避難易度が高くなる。これは上記事例の発生件数分布においては発生件数上位２つの原因を対処すれば９５％のトラブル発生を抑制できるのに対し、３つの原因が同程度の頻度で発生している場合には２つの原因についてのみ対処しただけでは全体の２／３しか防止できないことを数値的に評価しており、人間の直観にも合致している。
また、本トラブル回避難易度算出処理は、「様々な条件下で発生するトラブルは回避難易度が高い」という観点におけるトラブル回避難易度も定量的に算出する。これは１つのシーン（例えば「投薬時」）や発生場所（例えば「病室」）にのみ発生するトラブルを防止するには、そのシーンや場所に関して対策を施行すれば良いが、様々なシーンや場所において発生するトラブルは各々に対応が必要となるので、必然的に防止することが難しくなるという知識に基づいた評価となる。この算出の際には、各々のトラブル種別毎にその発生シーンを表す定型情報を抽出し、「多くの原因で発生するトラブルはトラブル回避難易度が高い」という観点に基づく処理と同様の方法で定量的に評価値を算出することができる。
また、本トラブル回避難易度算出処理は、「とりうる防止手段が少ないトラブルは回避しにくく、トラブル回避難易度が高い」という観点におけるトラブル回避難易度も定量的に算出する。これはとりうる防止手段が多いトラブルは、他の条件を合わせて適切な対応策を実施しやすいが、とりうる防止手段が限定される場合には、その防止手段がその他の条件により取りにくくなる可能性が高くなるという知識に基づいた評価である。例えば、「与薬オーダー誤り」というトラブルに関して、その対策が「最新オーダーシステム導入」のみである場合には、予算的にこの対策を取ることが難しい場合もあるが、「チェックリスト付与」という対策があることも分かれば、格段に防止策を施行しやすくなる。といった現象を評価している。
このような評価値を算出する方法としては、トラブル事例毎に対策を表す定型情報をトラブル情報データベース３より取得し、その異なり数と逆相関を持つ式、例えば異なり数の逆数や、マイナスの傾きを持つ一次式などを適用することができる。また、上述した様に、まずは発生件数を考慮した異なり数の評価値を算出し、その値と逆相関を持つ式を適用することも可能である。
また、本トラブル回避難易度算出処理は、「防止策を施行していたにも関わらず発生するトラブルは回避しにくい」という観点に基づいて、トラブル回避難易度を評価する。これは、回避すべきトラブルが認識されているが、適切な対策が施行されていないトラブルを弁別するのに有用な情報である。例えば、トラブル種別が「経管チューブ外れ」の時、防止策として「両上肢固定」が実施されていたにも関わらずトラブルが多く発生している事が分かれば、この防止策になんらかの不備があることが推定される。ここで、このような事例をトラブル情報データベース３より取得し、トラブルの詳細が記載された自由記述テキストレコードを参照することにより、例えば「体のずれによって有効でない場合がある」「ベッド柵に継ぐと固定性に欠ける」といった対策を実施する際のノウハウを獲得することができる。
この観点に基づく評価値は例えば、トラブル情報データベース３より発生時施行対策を表す定型情報を取得し、全体のトラブル発生件数における、防止策を実施していたにも関わらず発生してしまったトラブル件数の割合で定量的に算出可能である。また、実施していた対策の種類の異なり数を上述のような算出方法によって評価することも可能である。
また、トラブル回避難易度を決定付ける要因として、対策の施行コストに着目することもできる。すなわち、対策の施行コストが高いトラブルを、トラブル回避難易度が高いとみなすことができる。この観点でトラブル回避難易度を評価するには、トラブル情報データベース３に加えて、対策毎に実施コストを記載した第二の実施コストＤＢを用意し、トラブル種別毎に対策を表す定型情報をトラブル情報データベース３より取得し、さらに取得した対策毎に第二の実施コストＤＢを参照して、各々の対策における実施コストを取得し、その値によりトラブル回避難易度を算出する。この算出方法は、単純に１つのトラブル種別における対策の実施コストの平均値や最小値などが挙げられる。実施コストの代わりに、対策の効果を評価する機能を用いて、各対策における効果を数値として評価し、その値を実施コストで割った値をトラブル回避難易度の算出に用いることも可能である。
また、対策の効果を評価する機能を用いて、対策の効果を考慮して、「効果の薄い対策しかないトラブルは回避しにくい」という観点により、トラブル回避難易度を定量的に算出することもできる。この効果を評価する手法については、従来の技術（例えば、特開２００１−１５５０８１号公報）を流用することが可能である。この技術を用いることで、各対策の効果が数値として取得できるので、トラブル種別毎に最も効果の高い対策における効果評価値を基にして、その値と逆相関を持つ式によってトラブル回避難易度を定義することができる。また、効果評価値の最大値ではなく、最小値や平均値を算出に利用する事も可能である。
以上のような手法により、トラブル回避難易度を様々な観点で評価する事が可能である。勿論、複数の観点でトラブルの回避難易度を算出し、それらを単純に平均してトラブルの総合的なトラブル回避難易度としてもよいし、各観点におけるトラブル回避難易度をレーダーチャートとして表示するといった機能を具備してもよい。また、ユーザの分析目的によって、どの観点におけるトラブル回避難易度を算出するかをユーザが選択する機能を設けてもよい。
ここで、単純化した例を挙げて各観点におけるトラブル回避難易度の算出をより具体的に説明する。
図５は、トラブル種別「与薬方法誤り」に関するトラブル情報データベース内のレコードの例を示す図である。
図５に示した例では３件の事例が検索されており、この例を用いて、各観点におけるトラブル回避難易度の算出を行なう。
観点１（原因種別）
定型情報フィールドである「原因種別」を集計すると「機器操作ミス：１」「確認不備：１」「連絡不備：２」「マニュアル不備：１」となり、原因種別の異なり数は４となる。この結果より、観点１におけるトラブル回避難易度は例えば４と算出される。
観点２（発生状況）
定型情報「発生状況」は全て「注射・点滴」であるが、定型情報「発生場所」は「病室」「ナースステーション」「治療室」と全て異なる。これは各々の発生場所において対策を実施する必要があることを意味しており、トラブル回避難易度が高くなることを意味している。この結果より、観点２におけるトラブル回避難易度を例えば（発生状況異なり数）×（発生場所異なり数）と定義し、３と算出される。
観点３（防止手段）
定型情報「対策」としては「手順徹底」「マニュアル作成・周知」の２つが挙げられている。観点３は対策の種類が少ない方がトラブル回避難易度が高いというものであるので、例えば、観点３におけるトラブル回避難易度を５−（対策異なり数）で定義すると３となる。
観点４（事前防止手段の有無）
定型情報「事前防止策の有無及び防止策内容」により、この３件においては全て事前防止策が実施されていたことが分かる。すなわち事前防止策実施率は１００％であり、観点４におけるトラブル回避難易度は非常に高いと判定される。この結果から、例えば、下記のトラブル回避難易度の算出ルールにより、トラブル回避難易度は３と判定される。
事前防止策実施率が２０％未満 ＝＞ 難易度１
事前防止策実施率が２０％以上５０％未満 ＝＞ 難易度２
事前防止策実施率が５０％以上 ＝＞ 難易度３
観点５（対策コスト）
定型情報「対策コスト」の値は最高がＢランクであり、その他は殆んどコストのかからない対策である（Ｃランク）と判定されていた。ここから観点５におけるトラブル回避難易度の算出式を例えば２×（コストＡの対策数）＋１×（コストＢの対策数）＋０．２×（コストＣの対策数）として、トラブル回避難易度は１．６と算出される。
観点６（対策効果）
定型情報「対策効果」の評価値は最高がＢランク（普通）であり、その他は、Ｃランク（弱い効果）である。この結果から観点６におけるトラブル回避難易度の算出式を例えば、５−２×（効果Ａランクの対策数）−１×（効果Ｂランクの対策数）−０．５×（効果Ｃランクの対策数）として、トラブル回避難易度は３と算出される。
なお、以上の例は単純な算出方法で各々の観点でのトラブル回避難易度を算出したものであり、観点間のトラブル回避難易度の値の基準は統一されていない。つまり、観点１におけるトラブル回避難易度難易度「３」と観点２におけるトラブル回避難易度「３」の重大度は全く異なる可能性がある。各観点の重大度の基準を統一化するためには、まずはトラブル種別毎に上記トラブル回避難易度を算出して、そのトラブル回避難易度の分布を求め、次にその分布に基づき例えばトラブル回避難易度の上位２０％未満をトラブル回避難易度「５」、２０％以上４０％未満までのものをトラブル回避難易度「４」といった様に順次、統一化されたトラブル回避難易度を付与しなおすことも可能である。
図３の説明に戻り、ステップＳ３６において、トラブル回避難易度の算出結果を出力したり、各事例レコードに追加したりする。
図６は、算出したトラブル回避難易度をトラブル情報データベースに追加した例を示す図である。
上述のようにして、統一化されたトラブル回避難易度をトラブル種別毎に各事例に付与することができる。図６に示した例は、上述の各観点におけるトラブル回避難易度の算出結果を基にして統一的なトラブル回避難易度を算出し、これをトラブル情報データベース３の事例レコードに追加した例である。
図３の説明に戻り、ステップＳ３７において、次の事例グループを取得し、ステップＳ３３以降を繰り返す。
次に、特徴素抽出部１５が実行する、トラブルの事例グループからの特徴素を抽出する処理（特徴素抽出処理）について説明する。
図７は、特徴素抽出処理の流れを示すフローチャートである。
図７に示したフローチャートは、トラブル回避難易度に基づいて事例のグルーピングを行ない、トラブル回避難易度の高い事例グループからそのグループを特徴付ける特徴素を抽出するフローチャートであるが、同様の処理により、任意の事例グループの特徴素を抽出することが可能である。
ここで特徴素としては、事例に付与された定型情報（トラブルが発生した時間帯や曜日など数値化・コード化可能な情報）、事例中のテキストに含まれるキーワードやフレーズなどが考えられる。これらの特徴素の抽出は、ベクトル空間法（ＴＦ−ＩＤＦ）による重み付けやχ自乗値による重み付けといった従来の統計的な処理により実現可能である。例えば、１００件の事例をトラブル回避難易度で二分割したところ、トラブル回避難易度が低いグループＡ、トラブル回避難易度が高いグループＢに各々５０件ずつ事例が含まれたとする。一方、グループＡ、Ｂの事例に含まれるテキスト中の単語を集計したところ、あるキーワードＸがグループＡに１０回、グループＢに１００回出現しているとすると、直観的にはこのキーワードＸの分布には明らかに偏りがあり、グループＢの特徴を表す特徴素となる。本実施の形態においては、このような判定を統計的な検定処理により行なう。例えば上記の例の場合、キーワードＸをχ自乗検定とよばれる統計的処理を行なうことにより、９９％以上の確信度で特徴素となると判定される。なお、特徴素としたものを出力する場合、特徴素としたもの全て出力するのではなく、判定時に算出した評価値の上位の特徴素のみをユーザに提示することも可能である。
これにより、例えば、トラブル回避難易度が高いトラブル事例の詳細を記載したテキストにのみ特徴的によく出現するキーワードを特徴素として抽出してユーザに提示することにより、ユーザが上記提示されたキーワードによりトラブルの回避が難しい要因を推定することができる。
まず、ステップＳ７１において、トラブル回避難易度による事例のグルーピングを行なう。すなわち、トラブル回避難易度算出部１１が実行したトラブル回避難易度算出処理により算出されたトラブル回避難易度に基づいて、トラブル情報データベース３に格納されている事例を分類する。
次に、ステップＳ７２において、トラブル回避難易度の高いグループに属する事例のトラブル詳細を記載したテキストを形態素解析し、例えば、テキスト中の名詞や名詞連続から構成される複合語を抽出して、候補バッファに格納する。
そして、ステップＳ７３において、ステップＳ７２で抽出した複合語が格納された候補バッファから最初の特徴素候補を抽出し、ステップＳ７４において、候補があるか否か判断する。
ステップＳ７４で候補がないと判断された場合（ステップＳ７４：ｎｏ）は、ステップＳ７５において、候補バッファに格納された内容をユーザに提示して本特徴素抽出処理を終了する。
他方、ステップＳ７４で候補があると判断された場合（ステップＳ７４：ｙｅｓ）は、ステップＳ７６において、上述の統計的推定を行ない、ステップＳ７７において、その候補が特徴素となり得るかを判断する。
ステップＳ７７で特徴素となりえないと判断された場合（ステップＳ７７：ｎｏ）は、ステップＳ７９へ進み、他方、なりうると判断された場合（ステップＳ７７：ｙｅｓ）、ステップＳ７８において、その特徴素をその評価値と共に出力用バッファに格納する。
そして、ステップＳ７９において、次の特徴素候補を候補バッファから抽出し、ステップＳ７４以降を繰り返す。
以上のようにして、全ての候補について特徴素抽出部１５による前記特徴素抽出処理が終了すると、特徴素出力部１６が、出力用バッファに格納された特徴素をユーザに提示する。その出力方法は単純に全ての特徴素を出力してもよいが、その他、種々の方法が考えられ、評価値の高い順にソートして出力したり、ある閾値を設定して評価値がその値を越えるもののみを出力したり、設定された評価値順位以上のものを出力してもよい。
これにより、複数のトラブルにおいてトラブル回避難易度を上げている共通要因を発見することができる。例えば、医療現場において「投薬種類の誤り」と「処方箋の発行誤り（処方箋を渡す患者を間違える）」という２つのトラブル事例は、これを防ぐための確認プロセスが施行されているにも関わらずに完全な防止に至っていないという点において、どちらもトラブル回避難易度が高いと判定されることが分かる。ここで、まず「投薬種類の誤り」事例のグループについて特徴素としてテキスト中のキーワードを抽出すると、「サクシン」、「サクシゾン」、「タキソテール」、「タキソール」というような薬品名が抽出される。また、処方箋を渡す患者名にはカタカナが用いられることが多いので、トラブル回避難易度が高いこの２つのトラブル種別を１つにした集合の特徴キーワードを抽出すると、「カタカナ」が上位に抽出される。
以上の結果から、カタカナで記載された患者名や薬剤名を人間が確認する際に、似たような氏名や薬剤名に取り違える可能性が高いことが容易に推測される。つまりこの２つのトラブルを防止するためには、従来のカタカナで記載された情報のみの確認に加えて、それ以外の情報（例えば、漢字氏名や患者ＩＤの確認、薬剤容器を予め色分けしておくなど）による確認も加えることが有効であるという知識を獲得できる。
なお、上述してきた本発明の実施の形態は、トラブル情報分析の一機能としてハードウェアまたはＤＳＰボードやＣＰＵボードでのファームウェアもしくはソフトウェアにより実現することができる。
以上、本発明の実施の形態を、図面を参照しながら説明してきたが、本発明が適用されるトラブル情報分析装置は、その機能が実行されるのであれば、上述の実施の形態に限定されることなく、単体の装置であっても、複数の装置からなるシステムあるいは統合装置であっても、ＬＡＮ、ＷＡＮ等のネットワークを介して処理が行なわれるシステムであってもよいことは言うまでもない。
また、図８に示したように、バス８８に接続されたＣＰＵ８１、ＲＯＭやＲＡＭのメモリ８２、入力装置８３、出力装置８４、外部記録装置８５、媒体駆動装置８６、ネットワーク接続装置８７で構成されるシステムでも実現できる。すなわち、前述してきた実施の形態のシステムを実現するソフトェアのプログラムコードを記録したＲＯＭやＲＡＭのメモリ８２、外部記録装置８５、可搬記録媒体８９を、トラブル情報分析装置に供給し、そのトラブル情報分析装置のコンピュータがプログラムコードを読み出し実行することによっても、達成されることは言うまでもない。
この場合、可搬記録媒体８９等から読み出されたプログラムコード自体が本発明の新規な機能を実現することになり、そのプログラムコードを記録した可搬記録媒体８９等は本発明を構成することになる。
プログラムコードを供給するための可搬記録媒体８９としては、例えば、フレキシブルディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＤＶＤ−ＲＯＭ、ＤＶＤ−ＲＡＭ、磁気テープ、不揮発性のメモリーカード、ＲＯＭカード、電子メールやパソコン通信等のネットワーク接続装置８７（言い換えれば、通信回線）を介して記録した種々の記録媒体などを用いることができる。
また、図９に示すように、コンピュータ（情報処理装置）９１がメモリ９２上に読み出したプログラムコードを実行することによって、前述した実施の形態の機能が実現される他、そのプログラムコードの指示に基づき、コンピュータ９１上で稼動しているＯＳなどが実際の処理の一部または全部を行ない、その処理によっても前述した実施の形態の機能が実現される。
さらに、可搬型記録媒体９３から読み出されたプログラムコードやプログラム（データ）提供者から提供されたプログラム（データ）９４が、コンピュータ９１に挿入された機能拡張ボードやコンピュータ９１に接続された機能拡張ユニットに備わるメモリ９２に書き込まれた後、そのプログラムコードの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵなどが実際の処理の一部または全部を行ない、その処理によっても前述した実施の形態の機能が実現され得る。
すなわち、本発明は、以上に述べた実施の形態に限定されるものではなく、本発明の要旨を逸脱しない範囲内で種々の構成または形状を取ることができる。ここで、上述した実施の形態の特徴を列挙すると、以下の通りである。
（付記１）
トラブルの種別、発生状況、発生原因、施行した対策を含むトラブル情報が格納されたトラブル情報データベースを参照することにより、検索条件に対応する前記トラブル情報を検索するトラブル情報分析装置に実行させるためのコンピュータ実行可能なトラブル情報分析プログラムであって、
前記トラブル情報データベースから検索された前記トラブルの発生原因の数に基づいて、前記トラブルを回避することの困難性を示すトラブル回避難易度を算出する手順と、
を実行させるためのトラブル情報分析プログラム。
（付記２）
前記トラブル回避難易度を算出する手順は、前記トラブルの発生原因の数および発生件数から算出した情報エントロピーに基づいてトラブル回避難易度を算出することを特徴とする付記１に記載のトラブル情報分析プログラム。
（付記３）
前記トラブル回避難易度を算出する手順は、前記トラブルの発生状況の数に基づいてトラブル回避難易度を算出することを特徴とする付記１または２に記載のトラブル情報分析プログラム。
（付記４）
前記トラブル回避難易度を算出する手順は、前記トラブルの発生状況の数および発生件数から算出した情報エントロピーに基づいてトラブル回避難易度を算出することを特徴とする付記１乃至３の何れか１項に記載のトラブル情報分析プログラム。
（付記５）
前記トラブル回避難易度を算出する手順は、前記トラブルのとりうる防止策の数に基づいてトラブル回避難易度を算出することを特徴とする付記１乃至４の何れか１項に記載のトラブル情報分析プログラム。
（付記６）
前記トラブル回避難易度を算出する手順は、前記トラブルのとりうる防止策の数および発生件数から算出した情報エントロピーに基づいてトラブル回避難易度を算出することを特徴とする付記１乃至５の何れか１項に記載のトラブル情報分析プログラム。
（付記７）
前記トラブル回避難易度を算出する手順は、前記トラブルの防止策施行の有無に基づいてトラブル回避難易度を算出することを特徴とする付記１乃至６の何れか１項に記載のトラブル情報分析プログラム。
（付記８）
前記トラブル回避難易度を算出する手順は、前記トラブルの防止策施行の有無および発生件数から算出した情報エントロピーに基づいてトラブル回避難易度を算出することを特徴とする付記１乃至７の何れか１項に記載のトラブル情報分析プログラム。
（付記９）
前記トラブル回避難易度を算出する手順は、前記トラブルの防止策施行コストの高低に基づいてトラブル回避難易度を算出することを特徴とする付記１乃至８の何れか１項に記載のトラブル情報分析プログラム。
（付記１０）
前記トラブル回避難易度を算出する手順は、前記トラブルの防止策施行コストの高低および発生件数から算出した情報エントロピーに基づいてトラブル回避難易度を算出することを特徴とする付記１乃至９の何れか１項に記載のトラブル情報分析プログラム。
（付記１１）
前記トラブル回避難易度を算出する手順は、前記トラブルの防止策施行効果の高低に基づいてトラブル回避難易度を算出することを特徴とする付記１乃至１０の何れか１項に記載のトラブル情報分析プログラム。
（付記１２）
前記トラブル回避難易度を算出する手順は、前記トラブルの防止策施行効果の高低および発生件数から算出した情報エントロピーに基づいてトラブル回避難易度を算出することを特徴とする付記１乃至１１の何れか１項に記載のトラブル情報分析プログラム。
（付記１３）
前記トラブル回避難易度を算出する手順によって算出されたトラブル回避難易度を出力する手順と、
を備えることを特徴とする付記１乃至１２の何れか１項に記載のトラブル情報分析プログラム。
（付記１４）
前記トラブル回避難易度を算出する手順によって算出されたトラブル回避難易度を前記トラブル情報データベースに登録する手順と、
を備えることを特徴とする付記１乃至１３の何れか１項に記載のトラブル情報分析プログラム。
（付記１５）
前記トラブル回避難易度を算出する手順によって算出されたトラブル回避難易度に基づいて、前記トラブルの種別をグルーピングする手順と、
前記グルーピングする手順によってグルーピングされた前記トラブルの種別について、前記トラブル情報データベースに格納された特徴素を抽出する手順と、
前記特徴素を抽出する手順によって抽出された特徴素を出力する手順と、
を備えることを特徴とする付記１乃至１４の何れか１項に記載のトラブル情報分析プログラム。
（付記１６）
トラブルの種別、発生状況、発生原因、施行した対策を含むトラブル情報が格納されたトラブル情報データベースを参照することにより、検索条件に対応する前記トラブル情報を検索するトラブル情報分析装置において実行されるトラブル情報分析方法であって、
前記トラブル情報データベースから検索された前記トラブルの発生原因の数に基づいて、前記トラブルを回避することの困難性を示すトラブル回避難易度を算出することを特徴とするトラブル情報分析方法。
（付記１７）
前記トラブル回避難易度の算出は、前記トラブルの発生状況の数に基づいてトラブル回避難易度を算出することを特徴とする付記１６に記載のトラブル情報分析方法。
（付記１８）
前記トラブル回避難易度の算出は、前記トラブルのとりうる防止策の数に基づいてトラブル回避難易度を算出することを特徴とする付記１６または１７に記載のトラブル情報分析方法。
（付記１９）
トラブルの種別、発生状況、発生原因、施行した対策を含むトラブル情報が格納されたトラブル情報データベースを参照することにより、検索条件に対応する前記トラブル情報を検索するトラブル情報分析装置において、
前記トラブル情報データベースから検索された前記トラブルの発生原因の数に基づいて、前記トラブルを回避することの困難性を示すトラブル回避難易度を算出するトラブル回避難易度算出手段と、
を備えることを特徴とするトラブル情報分析装置。
（付記２０）
前記トラブル回避難易度算出手段は、前記トラブルの発生原因の数および発生件数から算出した情報エントロピーに基づいてトラブル回避難易度を算出することを特徴とする付記１９に記載のトラブル情報分析装置。
本発明の概念を説明するための図である。 本発明の原理図である。 トラブル回避難易度算出処理の流れを示すフローチャートである。 トラブル情報データベースの事例データの例を示す図である。 トラブル種別「与薬方法誤り」に関するトラブル情報データベース内のレコードの例を示す図である。 算出したトラブル回避難易度をトラブル情報データベースに追加した例を示す図である。 特徴素抽出処理の流れを示すフローチャートである。 本発明におけるトラブル情報分析装置のハードウェア構成を示す図である。 本発明におけるトラブル情報分析プログラムのコンピュータへのローディングを説明するための図である。
符号の説明
１ ユーザインターフェース
２ 検索部
３ トラブル情報データベース
１０ トラブル情報分析装置
１１ トラブル回避難易度算出部
１２ 回避難易度出力部
１３ 登録部
１４ グルーピング部
１５ 特徴素抽出部
１６ 特徴素出力部
８１ ＣＰＵ
８２ メモリ
８３ 入力装置
８４ 出力装置
８５ 外部記録装置
８６ 媒体駆動装置
８７ ネットワーク接続装置
８８ バス
８９ 可搬記録媒体
９１ コンピュータ
９２ メモリ
９３ 可搬記録媒体
９４ プログラム（データ）

Claims (9)

  1. トラブルのカテゴリとトラブルを特定するトラブル識別情報と発生原因の情報が対応付けて格納されたトラブル情報データベースを参照することにより、検索条件に対応するトラブル情報を検索するトラブル情報分析装置に実行させるためのコンピュータ実行可能なトラブル情報分析プログラムであって、
    前記トラブル情報データベースに格納された特定のカテゴリのトラブルの総数と該トラブルの発生原因毎のトラブルの数を基に発生原因毎のトラブル発生確率を算出し、該発生原因毎のトラブル発生確率に基づく情報エントロピーを、該特定のカテゴリのトラブルを回避することの困難性を示すトラブル回避難易度として求める手順、
    を実行させるためのトラブル情報分析プログラム。
  2. トラブルのカテゴリとトラブルを特定するトラブル識別情報と発生原因の情報と発生状況と発生場所が対応付けて格納されたトラブル情報データベースを参照することにより、検索条件に対応するトラブル情報を検索するトラブル情報分析装置に実行させるためのコンピュータ実行可能なトラブル情報分析プログラムであって、
    特定のカテゴリのトラブルについて、前記トラブル情報データベースから検索された発生状況の異なり数と発生場所の異なり数の乗算値を、該特定のカテゴリのトラブルを回避することの困難性を示すトラブル回避難易度として求める手順、
    を実行させるためのトラブル情報分析プログラム。
  3. トラブルのカテゴリとトラブルを特定するトラブル識別情報と発生原因の情報とトラブル識別情報に取り得る情報が対応付けて格納されたトラブル情報データベースを参照することにより、検索条件に対応するトラブル情報を検索するトラブル情報分析装置に実行させるためのコンピュータ実行可能なトラブル情報分析プログラムであって、
    特定のカテゴリのトラブルについて、予め定められた対策閾値と前記トラブル情報データベースから検索された取り得る対策の異なり数との差分値を、該特定のカテゴリのトラブルを回避することの困難性を示すトラブル回避難易度として求める手順、
    を実行させるためのトラブル情報分析プログラム。
  4. トラブルのカテゴリとトラブルを特定するトラブル識別情報と発生原因の情報と事前防止策の情報が対応付けて格納されたトラブル情報データベースを参照することにより、検索条件に対応するトラブル情報を検索するトラブル情報分析装置に実行させるためのコンピュータ実行可能なトラブル情報分析プログラムであって、
    特定のカテゴリのトラブルについて、前記トラブル情報データベースに格納されたトラブルの総数に対する、事前防止策と対応付けて格納されたトラブルの数の割合を算出し、該算出した割合に応じて予め設定されたトラブル回避難易度の算出ルールを参照した結果を、該特定のカテゴリのトラブルを回避することの困難性を示すトラブル回避難易度として求める手順、
    を実行させるためのトラブル情報分析プログラム。
  5. トラブルのカテゴリとトラブルを特定するトラブル識別情報と発生原因の情報と対策コストの情報が対応付けて格納されたトラブル情報データベースを参照することにより、検索条件に対応するトラブル情報を検索するトラブル情報分析装置に実行させるためのコンピュータ実行可能なトラブル情報分析プログラムであって、
    特定のカテゴリのトラブルについて、前記トラブル情報データベースに格納された対策コスト毎に、当該対策コストに対応付けられて格納されたトラブルの数と、当該対策コストについて予め設定された係数との乗算値を算出し、前記トラブル情報データベースに格納された全ての対策コスト毎の前記乗算値の合計値を、該特定のカテゴリのトラブルを回避することの困難性を示すトラブル回避難易度として求める手順、
    を実行させるためのトラブル情報分析プログラム。
  6. トラブルのカテゴリとトラブルを特定するトラブル識別情報と発生原因の情報と対策効果レベルの情報が対応付けて格納されたトラブル情報データベースを参照することにより、検索条件に対応するトラブル情報を検索するトラブル情報分析装置に実行させるためのコンピュータ実行可能なトラブル情報分析プログラムであって、
    特定のカテゴリのトラブルについて、前記トラブル情報データベースに格納された対策効果レベル毎に、当該対策効果レベルに対応付けられて格納されたトラブルの数と、当該対策効果レベルについて予め設定された係数との乗算値を算出し、前記トラブル情報データベースに格納された全ての対策効果レベル毎の前記乗算値の合計値を、該特定のカテゴリのトラブルを回避することの困難性を示すトラブル回避難易度として求める手順、
    を実行させるためのトラブル情報分析プログラム。
  7. 前記トラブル情報データベースは、前記トラブル識別情報に、発生日時、発生対象、発見者、及び詳細内容に関する情報の少なくともいずれかを更に対応付けて格納しており、前記トラブル回避難易度として求める手順によって求められたトラブル回避難易度に基づいてトラブルを分類し、該分類されたトラブル毎に、該トラブルのトラブル識別情報に対応付けてトラブル情報データベースに格納された前記発生日時、発生対象、発見者、及び詳細内容の少なくともいずれかの情報を基に当該情報に含まれる少なくとも一部の情報についての統計情報を算出し、全ての分類について求めた前記統計情報を基に各分類の特徴素を抽出することを特徴とする請求項１乃至６の何れか１項に記載のトラブル情報分析プログラム。
  8. トラブルのカテゴリとトラブルを特定するトラブル識別情報と発生原因の情報が対応付けて格納されたトラブル情報データベースを参照することにより、検索条件に対応するトラブル情報を検索するトラブル情報分析装置において実行されるトラブル情報分析方法であって、
    前記トラブル情報データベースに格納された特定のカテゴリのトラブルの総数と該トラブルの発生原因毎のトラブルの数を基に発生原因毎のトラブル発生確率を算出し、該発生原因毎のトラブル発生確率に基づく情報エントロピーを、該特定のカテゴリのトラブルを回避することの困難性を示すトラブル回避難易度として求めることを特徴とするトラブル情報分析方法。
  9. トラブルのカテゴリとトラブルを特定するトラブル識別情報と発生原因の情報が対応付けて格納されたトラブル情報データベースを参照することにより、検索条件に対応するトラブル情報を検索するトラブル情報分析装置において、
    前記トラブル情報データベースに格納された特定のカテゴリのトラブルの総数と該トラブルの発生原因毎のトラブルの数を基に発生原因毎のトラブル発生確率を算出し、該発生原因毎のトラブル発生確率に基づく情報エントロピーを、該特定のカテゴリのトラブルを回避することの困難性を示すトラブル回避難易度として求めるトラブル回避難易度算出手段と、
    を備えることを特徴とするトラブル情報分析装置。
JP2006014679A 2006-01-24 2006-01-24 トラブル情報分析プログラム、トラブル情報分析装置およびトラブル情報分析方法 Expired - Fee Related JP4838593B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2006014679A JP4838593B2 (ja) 2006-01-24 2006-01-24 トラブル情報分析プログラム、トラブル情報分析装置およびトラブル情報分析方法
US11/380,276 US7546279B2 (en) 2006-01-24 2006-04-26 Problem information analysis program, problem information analysis apparatus and problem information analysis method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2006014679A JP4838593B2 (ja) 2006-01-24 2006-01-24 トラブル情報分析プログラム、トラブル情報分析装置およびトラブル情報分析方法

Publications (2)

Publication Number Publication Date
JP2007199809A JP2007199809A (ja) 2007-08-09
JP4838593B2 true JP4838593B2 (ja) 2011-12-14

Family

ID=38286722

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2006014679A Expired - Fee Related JP4838593B2 (ja) 2006-01-24 2006-01-24 トラブル情報分析プログラム、トラブル情報分析装置およびトラブル情報分析方法

Country Status (2)

Country Link
US (1) US7546279B2 (ja)
JP (1) JP4838593B2 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5239367B2 (ja) * 2007-03-19 2013-07-17 富士通株式会社 情報提供システム、情報提供プログラムおよび情報提供方法
JP5052375B2 (ja) * 2008-03-21 2012-10-17 インターナショナル・ビジネス・マシーンズ・コーポレーション プロジェクト・トラブル発生予測システム、方法及びプログラム
JP5526903B2 (ja) * 2010-03-19 2014-06-18 富士通株式会社 イベント情報抽出誤り検知装置、方法、及びプログラム
JP5399978B2 (ja) * 2010-05-28 2014-01-29 株式会社日立製作所 水道業務支援システム、その方法及びそのプログラム
CN110737698A (zh) * 2019-10-15 2020-01-31 重庆浪尖至简物联网科技有限公司 一种基于问题描述的问题相关信息推荐方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09114801A (ja) 1995-10-17 1997-05-02 Nri & Ncc Co Ltd 企業リスク診断支援装置
US7231327B1 (en) * 1999-12-03 2007-06-12 Digital Sandbox Method and apparatus for risk management
JP2002024470A (ja) * 2000-07-06 2002-01-25 Railway Technical Res Inst ヒューマンエラー分析診断システムおよび記憶媒体
JP2002236692A (ja) * 2001-02-09 2002-08-23 Fujitsu Ltd 障害情報管理装置
JP3861986B2 (ja) * 2001-09-17 2006-12-27 関西ティー・エル・オー株式会社 医療看護業務のリスク管理方法及びリスク管理支援システム
JP2003099601A (ja) 2001-09-25 2003-04-04 Ricoh Co Ltd リスクマネジメント方法、リスクマネジメント支援装置、および、プログラム
JP2005100026A (ja) 2003-09-24 2005-04-14 Kansai Electric Power Co Inc:The 監視項目決定システム
JP2005216233A (ja) * 2004-02-02 2005-08-11 Nec Corp オープンソースソフトウェアのバグ修正システム

Also Published As

Publication number Publication date
US7546279B2 (en) 2009-06-09
US20070174226A1 (en) 2007-07-26
JP2007199809A (ja) 2007-08-09

Similar Documents

Publication Publication Date Title
US10860654B2 (en) System and method for generating an answer based on clustering and sentence similarity
US8577884B2 (en) Automated analysis and summarization of comments in survey response data
US9911082B2 (en) Question classification and feature mapping in a deep question answering system
US20140172880A1 (en) Intelligent evidence classification and notification in a deep question answering system
JP6301966B2 (ja) データ分析システム、データ分析方法、データ分析のためのプログラム、及び、このプログラムの記録媒体
US8799193B2 (en) Method for training and using a classification model with association rule models
Al Kilani et al. Automatic classification of apps reviews for requirement engineering: Exploring the customers need from healthcare applications
JP4838593B2 (ja) トラブル情報分析プログラム、トラブル情報分析装置およびトラブル情報分析方法
Hu et al. Unsupervised induction of contingent event pairs from film scenes
Erraguntla et al. Inference of missing ICD 9 codes using text mining and nearest neighbor techniques
Nezhad et al. Health identification and outcome prediction for outsourcing services based on textual comments
KR20170133692A (ko) 의료 기록 문서에서의 의료 단어의 연관 규칙 생성 방법 및 그 장치
US10482999B2 (en) Systems and methods for efficient handling of medical documentation
Giuliano et al. Relation extraction and the influence of automatic named-entity recognition
US20160132809A1 (en) Identifying and amalgamating conditional actions in business processes
Kang Automated duplicate bug reports detection-an experiment at axis communication ab
CN111563527B (zh) 异常事件检测方法以及装置
Och Dag et al. Evaluating automated support for requirements similarity analysis in market-driven development
KR102126911B1 (ko) KeyplayerRank를 이용한 소셜 미디어상의 주제별 키플레이어 탐지 방법
JP6026036B1 (ja) データ分析システム、その制御方法、プログラム、及び、記録媒体
CN114782224A (zh) 基于用户特征的网页考评作弊监测方法、装置及电子设备
JP2018067215A (ja) データ分析システム、その制御方法、プログラム、及び、記録媒体
JP6676792B2 (ja) レビュア管理システムおよび方法
CN111311201A (zh) 一种智能化项目匹配分析工具及其实现方法
Yang et al. Towards Unbiased Evaluation of Detecting Unanswerable Questions in EHRSQL

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20080526

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20101004

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20101019

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20101220

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20110524

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20110725

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20110927

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20110930

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20141007

Year of fee payment: 3

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

LAPS Cancellation because of no payment of annual fees