---
sourceDocument: Yokohama 従業員サービス管理 (ESM)
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/ja-JP/yokohama/employee-service-management

 Release :

    - yokohama

ft:locale :

    - ja-JP

ft:publication_title :

    - Yokohama 従業員サービス管理 (ESM)

ft:clusterId :

    - emplsm

bundleId :

    - emplsm

workflow :

    - Employee


---

# HR PIWB テンプレート：解決までの推定時間の推奨

# HR PIWB テンプレート：解決までの推定時間の推奨 {#ariaid-title1}

* リリースバージョン: Yokohama
* 
* 更新日 2025年01月30日
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 所要時間：7分

履歴データを使用してソリューションをトレーニングし、履歴データに基づいて数値出力を予測します。HR ケース解決までの推定時間を予測するようにソリューション定義を構成します。

## 始める前に

必要なロール：sn_piwb_hr_content.admin

## このタスクについて

回帰ソリューションを使用すると、ポイント推定と予測間隔を予測できます。予測を行う場合、回帰では、予測間隔 (範囲) の信頼性レベルを指定することもできます。[HR ケース解決までの推定時間](https://servicenow-prod.fluidtopics.net/kGWGT876aEIDcmAixTkATQ "過去の類似のクローズ済みケースを分析して可視化と透明性を向上させることで、ケース解決までの推定時間 (ETTR) を決定します。") から ETTR 構成情報を確認します。

## 手順

1. 移動先 すべて予測インテリジェンスワークベンチユースケーステンプレートから新規作成.
2. テンプレートリストから、\[人事ケース解決までの推定時間 (Estimated Time to Resolve an HR case)\] に移動し、\[開始\] をクリックします。  
   ポップアップにモデル名が表示されます。このユースケースは、従来の予測インテリジェンスで処理されます。そこに移動してセットアップを完了します。次の手順を実行できます。
   1. \[このユースケースの設定については、製品ドキュメントを参照してください\] をクリックして、ソリューション定義を構成する方法の説明を確認してください。  
      注:  
      ソリューション定義を作成するためのドキュメントを確認して理解してください。
   2. \[開始\] をクリックして、ソリューションの定義を始めます。
   {#hr-piwb-ettr__ul_hqv_g34_2qb}  
   機械学習ソリューションのランディングページが表示されます。図 : 1. HR ML ユースケース
3. 検索項目 回帰ml_sn_sn_hr_core_global_hr_case_resolution_time 利用可能なソリューション定義から、\[ 構成\] をクリックします。  
   HR ケースの解決時間の回帰ソリューション定義が表示されます。
4. ソリューション定義フォームで、次のガイドラインに従って、以下のフィールドを設定します。  
   {#hr-piwb-ettr__table_kx3_qgr_qlb__entry__2}

   | フィールド | 値 |
   |-|-|
   | ラベル | 回帰ソリューションの一意の名前を入力します。たとえば、「<kbd class="ph userinput">HR ケースの解決時間</kbd>」と入力します。 |
   | 名前 | ソリューションラベル値を入力すると、このフィールドには、ラベル値 <kbd class="ph userinput">ml_sn_sn_hr_core_global_hr_case_resolution_time</kbd> に類似したシステムアサインされた名前が自動的に入力されます。 |
   | ワードコーパス | ソリューションに関連する既存のワードコーパスを選択します。たとえば、このユースケースでは、「ワードコーパス回帰」などのタイトルを持つワードコーパスを選択します。 関連するワードコーパスがない場合には、「ワードコーパスの作成」の手順に従います。ワードコーパスが完成したら、\[回帰定義\] フォームの \[ワードコーパス\] フィールドでそれを選択できます。 ただし、ワードコーパスの選択はオプションです。入力データにテキスト列があり、ワードコーパスを選択しない場合、回帰ソリューションでは、入力データのテキスト列を使用して新しいワードコーパスモデルのトレーニングが行われます。結果のワードコーパスは、他の回帰ソリューションや他の ML ソリューションタイプで再利用できます。 注: 回帰ソリューションで使用されるワードコーパスを作成するためのテーブルごとのレコード数は 30 万件に制限されています。 |
   | テーブル | 回帰を適用するデータベーステーブルを選択します。テーブルには、システムが<kbd class="ph userinput">人事ケース [sn_hr_core_case]</kbd> データベース復元の所要時間の予測に使用できる履歴レコードが含まれている必要があります。 |
   | 出力フィールド | 予測モデルで値を設定するフィールドを選択します。一般に、適切な出力フィールドは、数値、整数、または浮動小数点フィールドです。 この例のシナリオでは、 \[actual_resolution_time\] フィールドを使用して所要時間を測定します。出力フィールドでは数値を生成する必要があります。 |
   | フィールド | 回帰によりトレーニングするレコードをシステムで特定できるように、1 つ以上のフィールドタイプを選択します。このシナリオでは、short_description, description, hr_service,assignment_group, topic_detail, topic_category, priority,sys_class_name を使用します。入力フィールドタイプは、文字列、名目値、または数値です。 |
   | フィルター | (オプション) 回帰によりトレーニングする出力フィールドレコードにフィルター条件を追加します。フィルターを調整して、十分なレコードがあることを確認します。 回帰トレーニングの最小レコード数は 10,000 レコードです。 回帰トレーニングの最大レコード数は 30 万レコードです。 |
   | 処理言語 | ソリューション定義でトレーニングしているデータセットの主要言語を選択します。データセット言語が英語である場合は、 \[英語\] を選択してください。また、デフォルトでは、すべてのデータセットに英語の処理が適用されます。たとえば、イタリア語を選択した場合、システムは英語とイタリア語の両方でデータを処理します。 注: 「処理」という用語は、ソリューションのトレーニングの一環として使用される言語固有の手順の一部を示します。たとえば、単語のトークン化、ストップワードの削除、語幹の解釈などがあります。 |
   | ストップワード | 処理言語を選択した場合、システムは同じ言語を使用しているストップワードリストを自動的に追加します。たとえば、処理言語がイタリア語の場合、\[デフォルトのイタリア語のストップワード (Default Italian Stopwords)\] リストが表示されます。選択時には、\[デフォルトの英語のストップワード (Default English Stopwords)\] リストも同様に表示されます。カスタムストップワードリストを作成する場合は、\[ストップワード\] フィールドから選択して、それをソリューションに追加します。このシナリオでは、\[デフォルトの英語のストップワード (Default English Stopwords)\] リストを使用します。 |
   | トレーニング頻度 | \[フィルター\] と一致するレコードに基づいて、システムがソリューションを再生成する頻度を選択します。次の選択肢があります。 * 1 回実行 * 30 日ごと * 60 日ごと * 90 日ごと * 120 日ごと * 180 日ごと {#hr-piwb-ettr__ul_tv3_wmp_j1b} このシナリオでは、\[30 日ごと\] を選択します。 デフォルトでは、システムはトレーニングを 1 回実行します。このプラクティスにより、許容される範囲と精度の値が提供されるまで、必要に応じてソリューション定義をレビューして更新する時間が与えられます。 回帰ソリューショントレーニングに必要なレコードの最小数は、1 万レコードです。 ML スケジューラーは、インスタンスがコミットできるトレーニングの数を、24 時間枠でインスタンスあたり 50 件の新規 ML トレーニング要求に制限します。これにより、スケジュール済みの再トレーニング要求は除外されます。さらに、新規トレーニング要求が 24 時間枠内で 50 件を超えた場合でも、クラスタリングと類似性の更新もこの制限から除外されます。 |
   [ ]

   {#hr-piwb-ettr__table_kx3_qgr_qlb}
5. ソリューション定義に該当するコンテキストメニューのオプションまたはボタンをクリックします。

   | オプション | 説明 |
   | \[保存\] または \[保存してトレーニング\] | ソリューション定義レコードを保存して、後でそれに戻ることができるようにするか、または保存して、それをトレーニング用に送信します。 |
   | \[送信\] または \[送信してトレーニング\] | ソリューション定義レコードを作成して、それを送信するか、または送信してトレーニングします。 |
   |-|-|

   {#hr-piwb-ettr__choicetable_ohd_ndj_3fb}
6. トレーニング用にソリューションを送信した場合は、\[トレーニングのアクティブ化\] ウィンドウで \[OK\] をクリックして確定します。  
   システムは、最寄りのトレーニングサービスでトレーニングを受けるようにソリューションをスケジュールします。トレーニングが完了すると、それを知らせる通知が送信されます。トレーニング中にエラーが発生した場合には、そのエラーも通知に記載されます。他のユーザーは、予測インテリジェンス通知カテゴリに登録できます。トレーニングが完了すると、ソリューションは添付ファイルレコードとしてアップロードされます。

   構成が完了すると、従業員とエージェントは、要求セクションで解決までの推定時間を確認できます。
{#hr-piwb-ettr__steps_x1g_nm1_dqb}

## 次のタスク

このシナリオでは、ソリューション定義から ML ソリューションを作成しました。ML ソリューションの \[関連リンク\] セクションで、\[ソリューション統計情報\]、\[ソリューションをテスト\]、\[ソリューション定義\] タブを確認します。\[ソリューション統計情報\] タブで、ソリューションにより得られたポイント推定と範囲 (予測間隔) の統計情報を確認します。図 : 2. 回帰ソリューション定義

ソリューションの \[ソリューションをテスト\] タブで、入力フィールドに値を入力し、予測に対する入力として使用したレコードの予測出力をテストできます。また、デフォルトの予測信頼レベルである <kbd class="ph userinput">95</kbd> を使用するか、<kbd class="ph userinput">0</kbd> から <kbd class="ph userinput">100</kbd> までの異なるレベルを入力することができます。値として 95 を使用することは、実際の予測が予測間隔内に収まる確度が 95％ であることを意味します。\[テストを実行\] ボタンをクリックして予測出力を検索します。

テストの実行後に、予測出力の統計情報が表示されます。画面上の \[ポイント推定\] は、ある時点での単一の値です。構成が完了すると、従業員とエージェントは、要求セクションで解決までの推定時間を確認できます。

統合ステータスは次から確認できます HR 管理HR AI 構成ソリューション定義. これで、選択したソリューション定義にユースケースがマッピングされます。
* **[HR ケース解決までの推定時間](https://servicenow-prod.fluidtopics.net/kGWGT876aEIDcmAixTkATQ)**   
  過去の類似のクローズ済みケースを分析して可視化と透明性を向上させることで、ケース解決までの推定時間 (ETTR) を決定します。
* **[ETTR 予測の表示](https://servicenow-prod.fluidtopics.net/1lNrx9Agfcal25FOwN6s1Q)**   
  ケースの全ジャーニーにおける ETTR ビューの例を表示します。これは、履歴データに基づいて推定解決時間を示します。

**関連情報**   

* [予測インテリジェンス](https://www.servicenow.com/docs/access?context=predictive-intelligence&version=yokohama&pubname=yokohama-intelligent-experiences&ft:locale=en-US)
* [予測インテリジェンス を開始するには](https://www.servicenow.com/docs/access?context=install-predictive-intelligence&version=yokohama&pubname=yokohama-intelligent-experiences&section=get-started-predictive-intelligence&ft:locale=en-US)