命名規則の混沌を制する:Levenshtein距離を用いたステンシル・マスターの論理的再構成術
設計現場において、Visioのステンシルは図面の「部品カタログ」である。しかし、プロジェクトが長期化し、複数の設計者が介入するにつれ、そのカタログはたちまち「命名規則の墓場」へと変貌する。
`Part_A_01`、`Part-A-02`、`partA03_v2`……。
一見すると同じ意味を持つこれらに対して、単純な `Like` 演算子や `InStr` 関数による文字列比較で挑むのは、素人の仕事だ。そのような「硬直したロジック」は、わずかな表記揺れで崩壊し、保守コストを増大させる。
我々エンジニアが目指すべきは、文字列の「完全一致」ではなく、「意味的な類似性」を計算に基づき導き出すアーキテクチャである。本記事では、レーベンシュタイン距離(Levenshtein Distance)アルゴリズムを導入し、混沌としたステンシル内のマスターシェイプを論理的にグループ化する、極めて堅牢な自動化手法を伝授する。
1. なぜ「文字列比較」では不十分なのか
多くの開発者が陥る罠は、`If Name Like “*Part*” Then` といった条件分岐で整理しようとすることだ。これは「既知のパターン」には強いが、「未知の表記揺れ」には無力である。
実務で直面するのは、以下の3つのノイズだ。
1. 区切り文字の不一致: `_` (アンダースコア) と `-` (ハイフン) の混在。
2. 大文字・小文字の揺れ: `Component` と `component`。
3. 微細なタイポやバージョン表記: `Sensor_A` と `Sensr_A`。
これらを解決するには、文字列間の「編集距離」を算出する数学的アプローチが必要となる。
2. アルゴリズムの選定:レーベンシュタイン距離
我々が採用するのは、レーベンシュタイン距離(Levenshtein Distance)だ。これは、ある文字列を別の文字列に変形させるために必要な「挿入・削除・置換」の最小回数を算出するアルゴリズムである。
例えば、`PartA` と `PartB` の距離は `1`(置換)であり、`PartA` と `PartZ_A` の距離は `3`(挿入と置換)となる。この数値に基づき、閾値(Threshold)を設定することで、人間が「似ている」と感じる範囲を数学的に定義できるのだ。
3. プロダクションレベルの設計思想
実装にあたり、以下の3点を設計原則とする。
1. 計算量の制御: マスターシェイプの数が $N$ 個の場合、全対比較は $O(N^2)$ となる。数千個のマスターを扱う場合は、計算負荷を考慮した設計(あるいは分散処理)が必要だが、一般的なステンシル規模であれば、メモリ内での行列計算で十分に完結できる。
2. 副作用の分離: 既存のステンシルを直接破壊的に書き換えるのではなく、「分類結果を新しいステンシルとして書き出す」、あるいは「グループ化のメタデータを出力する」設計にせよ。これが、ツールとしての安全性を担保する。
3. 疎結合なロジック: 類似度計算ロジックと、Visioオブジェクト操作ロジックを完全に分離すること。これにより、将来的に「Jaro-Winkler距離」などのより高度なアルゴリズムへ差し替えることが容易になる。
4. 実装:マスターシェイプ・クラスタリング・エンジン
以下に、実務に投入可能なレベルのVBAコードを示す。このコードは、指定したステンシル内のマスターをスキャンし、類似度に基づいてグループ(クラスター)を形成する。
Option Explicit
' =================================================================
' Module: StencilOrganizer
' Description: レーベンシュタイン距離を用いたマスターシェイプの自動分類
' Author: Chief Architect
' =================================================================
''' <summary>
''' ステンシル内のマスターを類似度に基づきグループ化し、ログに出力する。
''' </summary>
''' <param name="stencilName">対象となるステンシルの名前</param>
''' <param name="threshold">類似度として許容する最大編集距離</param>
Public Sub OrganizeMasterShapes(ByVal stencilName As String, ByVal threshold As Integer)
Dim vsoApplication As Visio.Application
Dim vsoStencil As Visio.Stencil
Dim vsoMaster As Visio.Master
Dim masterNames() As String
Dim i As Long, j As Long
Dim clusterCount As Long
Dim isGrouped() As Boolean
Set vsoApplication = Visio.Application
' 1. ステンシルの取得とエラーハンドリング
On Error Resume Next
Set vsoStencil = vsoApplication.Documents(stencilName).Stencil
If Err.Number <> 0 Then
MsgBox "エラー: ステンシル '" & stencilName & "' が開かれていないか、見つかりません。", vbCritical
Exit Sub
End If
On Error GoTo 0
' 2. マスター名の抽出(メモリへの展開)
Dim masterCount As Long
masterCount = vsoStencil.Masters.Count
ReDim masterNames(1 To masterCount)
ReDim isGrouped(1 To masterCount)
For i = 1 To masterCount
masterNames(i) = vsoStencil.Masters(i).Name
isGrouped(i) = False
Next i
Debug.Print "--- 分類プロセス開始: " & Now & " ---"
Debug.Print "総マスター数: " & masterCount
' 3. クラスタリング・アルゴリズム (Greedy Clustering)
clusterCount = 0
For i = 1 To masterCount
If Not isGrouped(i) Then
clusterCount = clusterCount + 1
isGrouped(i) = True
' 新しいグループの開始
Debug.Print "[Group " & clusterCount & "] Root: " & masterNames(i)
' 残りのマスターとの比較
For j = i + 1 To masterCount
If Not isGrouped(j) Then
Dim dist As Integer
dist = GetLevenshteinDistance(masterNames(i), masterNames(j))
' 閾値以内であれば同じグループとみなす
If dist <= threshold Then
isGrouped(j) = True
Debug.Print " -> Member: " & masterNames(j) & " (Dist: " & dist & ")"
End If
End If
Next j
End If
Next i
Debug.Print "--- 分類プロセス完了. 総グループ数: " & clusterCount & " ---"
MsgBox "分類完了。詳細はイミディエイトウィンドウを確認してください。", vbInformation
End Sub
''' <summary>
''' レーベンシュタイン距離を算出する。
''' </summary>
Private Function GetLevenshteinDistance(ByVal s As String, ByVal t As String) As Integer
Dim d() As Integer
Dim n As Integer, m As Integer
Dim i As Integer, j As Integer
Dim cost As Integer
' 大文字小文字を区別しないよう正規化(実務上のノイズ除去)
s = LCase(Replace(Replace(s, "_", ""), "-", ""))
t = LCase(Replace(Replace(t, "_", ""), "-", ""))
n = Len(s)
m = Len(t)
If n = 0 Then GetLevenshteinDistance = m: Exit Function
If m = 0 Then GetLevenshteinDistance = n: Exit Function
ReDim d(0 To n, 0 To m)
For i = 0 To n: d(i, 0) = i: Next i
For j = 0 To m: d(0, j) = j: Next j
For i = 1 To n
For j = 1 To m
If Mid(s, i, 1) = Mid(t, j, 1) Then
cost = 0
Else
cost = 1
End If
d(i, j) = Application.WorksheetFunction.Min( _
d(i - 1, j) + 1, _
d(i, j - 1) + 1, _
d(i - 1, j - 1) + cost)
Next j
Next i
GetLevenshteinDistance = d(n, m)
End Function
5. コードの解説と運用の勘所
正規化(Normalization)の重要性
`GetLevenshteinDistance` 関数の冒頭に注目してほしい。
`s = LCase(Replace(Replace(s, “_”, “”), “-“, “”))`
ここで、アンダースコアやハイフンを除去し、小文字に統一している。これは「ノイズを削ぎ落としてから純粋な意味的距離を測る」ための極めて重要な前処理だ。これを行わないと、記号の有無だけで距離が跳ね上がり、誤判定を招く。
アルゴリズムの特性
この実装は「Greedy Clustering(貪欲法によるクラスタリング)」を採用している。最初の未分類マスターを「グループの代表(Root)」とし、それに似ているものを次々に吸収していく方式だ。これは実装が単純でありながら、ステンシルの整理という目的においては非常に高いパフォーマンスを発揮する。
実務への展開(データベース連携)
このスクリプトをさらに進化させるなら、`Debug.Print` で出力している結果を、CSVファイルやSQL Serverなどのデータベースに書き出すように拡張すべきだ。
「どのマスターが、どのグループに分類されたか」というマッピングテーブルを保持することで、将来的に「マスター名が変更されても、図面内のシェイプを自動追跡する」といった高度な自動化機能への足がかりとなる。
結論
Visio VBAによる自動化の本質は、単に「操作を繰り返すこと」ではない。「データの構造的な問題を、アルゴリズムを用いて解決すること」にある。
命名規則の崩壊を「仕方がないこと」として放置するのか、それとも数学的なアプローチで秩序を取り戻すのか。その差が、エンジニアとしての設計能力の差である。
次回のセッションでは、この分類結果に基づき、マスターを物理的に新しいステンシルへ再配置する「完全自動再構築エンジン」について解説する。準備はいいか?
