CN105579823A - 动态操作员行为分析器 - Google Patents

动态操作员行为分析器 Download PDF

Info

Publication number
CN105579823A
CN105579823A CN201480048781.XA CN201480048781A CN105579823A CN 105579823 A CN105579823 A CN 105579823A CN 201480048781 A CN201480048781 A CN 201480048781A CN 105579823 A CN105579823 A CN 105579823A
Authority
CN
China
Prior art keywords
event
operator
behavior
vehicle
action
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.)
Granted
Application number
CN201480048781.XA
Other languages
English (en)
Other versions
CN105579823B (zh
Inventor
L·H·曼西
P·W·斯维夫特
L·B·沃尔茨
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.)
Crown Equipment Corp
Original Assignee
Crown Equipment Corp
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 Crown Equipment Corp filed Critical Crown Equipment Corp
Publication of CN105579823A publication Critical patent/CN105579823A/zh
Application granted granted Critical
Publication of CN105579823B publication Critical patent/CN105579823B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00Teaching not covered by other main groups of this subclass
    • G09B19/16Control of vehicles or other craft
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06398Performance of employee with respect to a job function
    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00Electrically-operated educational appliances

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Educational Technology (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)
  • Forklifts And Lifting Vehicles (AREA)
  • Steroid Compounds (AREA)

Abstract

车辆操作员行为的动态监视和修改包括识别表征与工业车辆的操作关联的事件的度量,该度量具有至少一个行为修改动作和至少一个表现参数,以对照其对事件进行评估。监视工业车辆的操作是对于该事件执行的。在检测到该事件的发生时,表征车辆操作员对该事件的响应的事件数据被记录。对照与对应度量关联的至少一个表现参数评估所记录的事件数据,以确定车辆操作员对该事件是否展示出适当的行为。车辆操作员得分基于该评估被更新并且更新后的车辆操作员得分被传送。

Description

动态操作员行为分析器
技术领域
本公开内容涉及用于收集车辆操作数据的电子系统,所述车辆操作数据可以被转换成劳动力数据、用于评估劳动力行为、以及用于给出及时且可采取动作的劳动力信息。
背景技术
无线策略被企业运作(包括分销商、零售商店、制造商等等)部署,以提高企业运作的效率和准确性。无线策略还可以由这种企业运作部署,以避免不断增加的劳工和物流成本的隐伏影响。
在典型的无线实现方式中,工人经由移动无线收发器被连接到在对应计算机企业上执行的管理系统。例如,为了关于设施移动物品,工人常常利用工业车辆,包括例如叉车、手动和电动托盘车等等。无线收发器被用作到管理系统的接口,以便在工人的任务中引导他们,例如,通过指示工人在何处和/或如何拾取、包装、放好、移动、组织(stage)、处理或以其它方式操纵设施内的物品。无线收发器还可以结合合适的输入设备来使用,以扫描、感测或以其它方式读取标记、标签或其它标识符,来跟踪设施内指定物品的移动。
发明内容
根据本公开内容的各方面,提供了一种方法,用于对车辆操作员的行为的修改进行动态工业车辆监视。该方法包括识别表征与工业车辆的操作关联的事件的度量(metric)。作为例子,度量可以包括可归因于工业车辆本身的动作(例如,冲撞、承载能力、加速度、刹车等等)。示例性度量还可以包括可归因于车辆操作员的动作(例如,清单符合性(checklistcompliance)、正确的下车(vehicledismount)、时间管理、操作的效率、表现等等)。此外,示例性度量可以包括可归因于环境或以其它方式与环境相关的动作(例如,限速区、车站、坡道、禁区等等)。度量具有至少一个表现参数,以对照关联的事件进行评估。表现参数定义响应于与度量关联的事件的发生而进行的期望的、预期的、适当的或以其它方式要求的车辆操作员的行为(例如,车辆操作员应当和/或不应当做什么)。
此外,该方法包括对于事件监视工业车辆的操作并且检测事件的发生。响应于检测到事件,该方法包括记录表征操作员对该事件的响应的事件数据(例如,通过捕获车辆操作员行为,诸如(一个或多个)操作员动作或(一个或多个)操作员无动作,通过捕获工业车辆状态、通过捕获环境状态等等)。
作为例子,假设诸如“操作员应当在过道末端按响喇叭”的事件与度量关联。用于这个度量的表现参数可以是代表期望的操作员动作的数据,诸如“操作员按响了喇叭”。假设车辆操作员在操作工业车辆的同时到达过道末端,则从而触发该事件的发生。响应于此,该方法捕获指示车辆操作员是否在适当的时间按响或没有按响工业车辆喇叭的事件数据。
该方法还包括对照至少一个表现参数评估所记录的事件数据,以确定车辆操作员对于事件是否展示出适当的行为。继续上面的例子,该方法可以比较诸如从车载网络总线(例如,CAN总线)提取的喇叭激活数据的事件数据与表现参数(例如,指示喇叭应当被按响的数据),以确定车辆操作员是否符合关联事件的预期行为。
该方法还包括基于评估来更新车辆操作员得分并且传送更新后的车辆操作员得分。
根据本文的更多方面,该方法还可以包括识别与度量关联的至少一个行为修改动作。行为修改动作是关于响应于事件为了达到预期结果所需要的行为而教育车辆操作员的动作(例如,为了满足或以其它方式符合对应的(一个或多个)表现参数)。继续上面的例子,行为修改动作可以是提供在过道末端按响喇叭的提示的动作(例如,通过给车辆操作员的消息)。
在这点上,在说明性实现中,对于事件进行监视包括在事件实际发生之前预测该事件将发生,以及在事件实际发生之前执行行为修改动作。该方法还可以包括确定操作员是否已被教导对事件作出响应,以及基于确定操作员还没有被教导对事件作出响应而在该事件实际发生之前执行行为修改动作。因此,该方法不对响应于与度量关联的事件已经展示出适当行为的车辆操作员实现行为修改动作。对应地,该方法对需要指示、指导或监督的车辆操作员(例如,响应于与度量关联的事件还未展示出适当行为的车辆操作员)实现行为修改动作。
根据本文的更多方面,该方法还可以包括识别与度量关联的至少一个行为修改动作,如以上所指出的。在这点上,该方法还包括在确定车辆操作员没有对事件展示出适当行为后执行行为修改动作。因此,行为修改是以反应方式提供的。继续上面按响车辆喇叭的例子,如果车辆操作员到达过道末端并且没有按响喇叭(例如,基于事件数据与和度量关联的至少一个表现参数的比较),则该方法执行行为修改动作(例如,通过消息向车辆操作员提供“在过道末端按响喇叭”的提示)。
此外,该方法可以包括确定操作员是否已被教导对事件作出响应,以及在操作员还未被教导对该事件作出响应的情况下在确定车辆操作员对于事件未展示出适当的行为时执行行为修改动作。因此,如果车辆操作员展示出不正确的行为并且没有被提供关于如何对事件作出响应的指示、指导或监督,则该方法将执行行为修改动作。
附图说明
图1是根据本公开内容的各方面d的包括用于收集劳动力数据、用于对劳动力表现进行评分和用于呈现劳动力信息的动态操作员行为分析器的系统的框图;
图2A是根据本公开内容的各方面的用于提供对车辆操作员行为的动态监视和修改的方法的流程图;
图2B是根据本公开内容的各方面的用于提供对车辆操作员行为的动态监视和修改的方法的流程图;
图3是根据本公开内容的各方面的动态操作员行为分析器的示例性以操作员为中心和以主管为中心的特征的框图;
图4是根据本公开内容的各方面的执行用于动态操作员行为分析器的设置的示例性方法的流程图;
图5是根据本公开内容的各方面的用来定义度量的变量的类别的框图;及
图6是根据本公开内容的各方面的能够实现本文更完整描述的系统或方法当中任何一种(包括动态操作员行为分析器和用于提供对车辆操作员行为的动态监视和修改的方法)的计算机处理系统的框图。
具体实施方式
根据本公开内容的各方面,提供了收集可以用来得出劳动力数据以及呈现及时和可采取动作的劳动力信息的工业车辆信息的系统、方法和计算机实现的处理。在这点上,本公开内容的各方面将工业车辆使用情况和表现数据归因于对应的车辆操作员。通过向车辆操作员提供及时的信息,将使用情况和表现数据归因于车辆操作员的能力便于操作员教导(包括有说服力的和/或行为的)。如本文所使用的,术语“教导”及其变体意在通过指示或重复向车辆操作员灌输或以其它方式传送信息。因此,指示、指导、监督等等被提供给车辆操作员少至一次,或者通过重复按需要多次提供给车辆操作员,以建立适当的行为。
以这种方式,工业车辆上的处理器、服务器计算机、或其组合被用于诸如通过车辆显示器上的实时消息来教导车辆操作员。作为替代,通过允许操作员查看从一个或多个时间历程(例如,当工业车辆静止时)收集的信息(例如,车辆操作员信息、车辆信息等等),车辆操作员可以被教导。此外,通过与工业车辆之外的设备交互(例如,通过评估计算机、平板计算机、智能电话等上的信息),车辆操作员可以被教导。
及时的信息可以预先提供(例如,通过预测动作将何时发生和通过提供信息(例如,指示、要求、通知、训练等等)),使得预期的结果/动作可以在动作被要求之前得以解决。
作为替代地,及时的信息可以回顾性提供(例如,通过回顾表征其中特定结果/动作被预期的事件的数据)。例如,通过检测到事件发生并且通过还检测到预期的或以其它方式预期的行为未跟随,信息(例如,指示、要求、通知、训练、纠正动作等等)可以被提供给车辆操作员,使得预期的结果/动作可以在下次车辆操作员遇到该事件时实现。
及时的信息可以被提供需要的那么多次重复,以教导操作员。而且,动作可以被触发,以自动重新发起教导(例如,当有经验的操作员未能响应于感兴趣的事件执行行为,或以其它方式响应于感兴趣的事件不一致地执行行为时)。因此,车辆操作员的行为和责任被教导、坚持说和监视。这允许系统最终管理预期行为的意外。
本公开内容的各方面还提供了对操作员行为进行评分以及向车辆操作员提供反馈的能力。例如,在说明性实现中,车辆操作员得分是响应于检测到被监视的事件的发生而更新的。对得分的更新基于确定车辆操作员的行为是否符合与事件关联的预期。反馈是通过向车辆操作员呈现得分来提供的。在这点上,游戏化可被用来呈现得分,如本文将更详细描述的。在更多示例性实现中,反馈还可以提供给其它实体(例如,操作员团队、操作员任务、设施、仓库、操作、客户等等)。各方面还向主管提供反馈(例如,经由具有深入钻研分析的仪表板)。在说明性实现中,操作员得分反映操作员表现,并且因此可以最终被绑定到劳动力补偿计划,使得车辆操作员至少部分地基于他们的得分得到补偿。
系统概述:
现在参考附图并且尤其是图1,示出了根据本公开内容的各方面的计算机系统100的总图。计算机系统100包括通过一个或多个网络(总体上由标号104指示)连接到一起的多个硬件和/或软件处理设备(总体上由标号102指示)。
网络104提供各种处理设备102之间的通信链路,并且可以由将处理设备102互连的联网部件106支持,联网部件106包括例如路由器、集线器、防火墙、网络接口、有线或无线通信链路和对应的互连、蜂窝站和对应的蜂窝转换技术(例如,在蜂窝和TCP/IP之间转换等等)。而且,(一个或多个)网络104可以包括使用以下各项的连接:一个或多个内联网、外联网、局域网(LAN)、广域网(WAN)、无线网络(WiFi)、包括万维网的互联网、蜂窝和/或用于实时地或以其它方式(例如,经由时移、批处理等等)实现处理设备102之间的通信的其它布置。
处理设备102可以包括事务系统、目的驱动的装置、专用计算设备和/或能够经网络104进行通信的其它设备。在某些上下文和角色中,处理设备102旨在是移动的(例如,在诸如叉式升降车、前伸式叉车、取货机、牵引车、驾式托盘车、对讲机等之类的工业车辆108上提供的处理设备102)。
例如,示例性计算设备102是如在美国专利No.8,060,400中阐述的移动资产信息连接设备(见信息连接设备38),该专利的全部公开内容通过引用被结合于此。在这点上,工业车辆包括与网络104无线通信的处理设备102。在这种情况下,工业车辆108可以通过一个或多个接入点110与对应的联网部件106无线通信。作为替代,工业车辆108可以配备WiFi、蜂窝或其它允许工业车辆108上的处理设备102与远程设备直接进行通信(例如,经网络104)的合适技术。
在某些说明性实现中,处理设备102还与对应工业车辆108的部件通信(例如,经由车载网络总线(例如,CAN总线)、短距离无线技术(例如,经由蓝牙或其它合适的方法),或其它有线连接,其例子在已经通过引用被结合的美国专利No.8,060,400中进一步阐述)。
其它类型的处理设备102包括例如个人数字助理(PDA)处理器、掌上计算机、包括蜂窝移动电话和智能电话的蜂窝设备、以及平板计算机。处理设备102还可以包括上网本计算机、笔记本计算机、个人计算机和服务器。
说明性系统100还包括支持分析引擎114和对应的数据源(统称为数据源116)的服务器112(例如,web服务器、文件服务器和/或其它处理设备)。分析引擎114和数据源116提供实现动态操作员行为分析(例如,收集劳动力数据、评估劳动力行为以及呈现及时和可采取动作的劳动力信息)的资源,如本文更详细描述的。
在示例性实现中,数据源116由存储与企业运作(例如,仓库、配送中心、零售商店、制造商等等)相关的各种类型信息的数据库的集合实现。在说明性例子中,数据源116包括来自多个不同领域的数据库,所述领域包括工业车辆信息数据库118、仓库管理系统(WMS)120、人力资源管理系统(HRMS)122、劳工管理系统(LMS)124等等。上述列表并不是详尽的,其仅仅是说明性的。诸如来自企业资源规划(ERP)数据库、内容管理(CM)数据库、位置跟踪数据库、语音识别等的其它数据也可以和/或作为替代被提供。而且,数据可以来自不直接和/或本地连接到分析引擎114的源。例如,在某些示例性实现中,数据可以从远程服务器获得(例如,访问制造商数据库等等)。
传统上,包括数据源116的数据集被孤立地使用,从而导致使用不足、丢失的连接和不必要的开销。但是,如本文将更详细讨论的,分析引擎114可以获取、挖掘、查询、访问和以其它方式跨数据源116内的各种数据集/数据库来分析数据,以便在用于多个给定角色的适当上下文中呈现劳动力信息。
对车辆操作员行为的监视和修改
根据本公开内容的各方面,被称为动态操作员行为分析器的系统实现了提供对车辆操作员行为的动态监视和修改的方法。一般而言,工业车辆108包括被配置为被编程为执行该方法或者该方法的一部分的专用处理器的处理设备102,或者作为单机,或者作为还包括与服务器计算机(例如,服务器112)、分析引擎114和一个或多个数据源116的交互的系统的部分。因此,在说明性实现中,动态操作员行为分析器可以仅在工业车辆上实现,或者动态操作员行为分析器可以在工业车辆108上的处理设备102与服务器112的分析引擎114之间分布。
第一个特征是,在独特的方面赋予车辆智能。处理设备102知道特定车辆操作员的身份。例如,可以要求车辆操作员提供登录信息以操作车辆。而且,处理设备102知道可以触发操作员行为响应的一个或多个事件。事件可以至少部分地基于“本地意识”(即,在车辆本身当中/之上/对其正在进行的事件或条件)、“环境意识”(即,在车辆外部的事件或条件)、“操作员意识”(即,操作员的动作)或它们的组合。此外,该方法提供不同的操作模式,包括“教导模式”和“正常模式”。可以为与操作员行为关联的每个事件设置模式,可以全局设置模式,或者基于其它参数(例如,基于操作员正在操作的车辆的类型)。
在另一个说明性例子中,可以提供至少三种模式,包括教导模式、正常模式和警告模式。
如本文更详细地指出的,教导模式被用来响应于感兴趣的事件而建立车辆操作员的预期行为。教导模式可以以预测的方式实现(例如,通过提供诸如“有前方交叉路口有车站”的消息)。教导模式还可以以反应的方式实现(例如,通过提供诸如“车辆未能在交叉路口按响喇叭”的消息)。此外,教导模式可以被动态地适应车辆操作员的行为(例如,通过与预期行为相比提供考虑操作员的行为的训练消息)。例如,教导模式可以提供诸如“当携带超过1000磅(454千克)的负载时,提前3秒开始刹车,以确保在交叉路口完全停止”的消息。而且,教导模式可以提供申明,以指示适当行为。此外,教导模式可以结合既预测性又反应性的各方面,诸如通过在事件发生之前提供训练动作并且通过响应于对事件发生作出响应的车辆操作员行为而提供反馈。
一旦车辆操作员经历预期的行为,操作员就可以前进到正常模式。正常模式被用来管理意外。即,操作员被预期执行适当的行为,所以不提供指示。在系统监视车辆操作员并且确定操作员根据指定的度量正确地(并且可选地,以恒定、重复的方式)操作车辆并且因此不再需要指使时,使用正常模式。在正常模式下,操作员为正常地(正确地)操作车辆而得到奖励。例如,在说明性实现中,系统不向车辆操作员呈现指示性、纠正性或其它行为相关的消息/动作。这种动作是不需要的,例如,因为车辆操作员始终展示出正确的行为。但是,系统可以呈现不频繁的积极强化消息,诸如“你有一个星期没有冲撞了”。系统可以被编程为,如果车辆操作员随着时间的推移在预期的行为中出现失误(或重复性失误),则将车辆操作员设置回教导模式。
警告模式是当以下情况发生时可以被使用的模式:车辆操作员已经达到正常模式,但是在预期行为中出现错误或失误,其中所述错误或失误仅不频繁地发生,从而没必要将车辆操作员变回教导模式。在警告模式中,系统提供纠正动作(例如,在错误之后立即告诉车辆操作员没有遵循正确的行为)。警告模式还可以响应于感兴趣的事件而提醒车辆操作员正确的行为。
在更多的示例实现中,根据度量、行为和其它要被分析的特征,可以使用其它模式。
示例操作
在操作中,工业车辆(例如叉式升降车)上的处理设备102识别车辆操作员(例如,经由合适的操作员登录)。处理设备102还监视被绑定到要被监视的操作员行为的指定事件。以预测动作作为例子(诸如,在工业车辆使用位置跟踪来识别仓库内工业车辆的位置和行驶的情况下)。系统(例如,经由处理设备102或服务器112上的分析引擎114)预测事件将要发生,其中事件与操作员行为响应关联。系统进行检查,以查看是否特定的车辆操作员被教导处理预测的事件。
在说明性例子中,定义一组度量。每个度量与表征和工业车辆的操作关联的事件的事件关联(例如,在预期特定操作员行为的情况下)。每个度量可以具有被用来存储用于这个事件的模式(教导、正常、警告等等)的参数。每个度量还可以具有至少一个表现参数,以对照关联的事件进行评估。表现参数定义响应于与度量关联的事件的发生而期望的、预期的、适当的或以其它方式要求的车辆操作员行为(例如,车辆操作员应当和/或不应当做什么)。此外,每个度量可以具有至少一个行为修改动作。行为修改动作是关于响应于事件达到预期结果所需要的行为而教育车辆操作员的动作(例如,为了满足或以其它方式符合对应的(一个或多个)表现参数)。
如果车辆操作员还没有被针对事件合适地进行教导(即,车辆操作员与用于这个事件的教导模式关联),则工业车辆上的处理设备102实现行为修改动作(例如,向车辆操作员提供指示)。行为修改动作对于事件的检测可以是抢先的或反应性的,如本文更完整描述的。
处理设备102记录响应于事件(例如,当事件实际发生时)对车辆操作员的表现的测量,而不管与度量关联的模式。所记录的数据可以被发送到服务器,进行存储和随后的分析。作为替代,所记录的数据可以在工业车辆108上被存储和/或分析。随着时间的推移并且经过一次或多次重复遭遇该事件,如果车辆操作员展示出如由(一个或多个)表现参数定义的处理该事件的能力/行为,则处理设备102将针对那个事件把车辆操作员转换到正常模式。例如,与度量关联的参数可以定义针对该度量转换到正常模式所需的连续正确行为的次数。在正常模式下,行为修改动作不响应于事件而被实现。但是,如果车辆操作员未能响应于事件而正确地行动,则系统可以针对那个事件将车辆操作员改变回教导模式。
响应于事件的车辆操作员行为也可以被集成到给车辆操作员表现评分的评分引擎中。评分引擎被用来向车辆操作员(以及可选地向其他人)显示数据,使得车辆操作员可以跟踪其表现。
评分
根据本公开内容的各方面,车辆操作员行为被评分。在示例性方法中,当动态操作员行为分析器在教导模式下操作时,车辆操作员不积累得分。作为替代,当动态操作员行为分析器在教导模式下操作时,车辆操作员可以积累得分。在另一个示例性实现中,当动态操作员行为分析器在教导模式下操作时,车辆操作员积累得分,但是,与动态操作员行为分析器在正常模式下操作时的类似行为相比,得分被缩放或加权。
在正常模式期间,车辆操作员通过对定义的度量展示出合适的行为来有效地累积分数。只要车辆操作员行为持续(例如,没有犯造成得分不利地受影响的适当本质的错误,其中,在犯所述错误的情况下,车辆操作员被转换回教导模式等等),操作员得分就不断提高。
得分可以基于许多不同的测量。而且,得分(或得分更新)可以直接被绑定到对应的事件,或者得分可以被间接地绑定到一个或多个度量。例如,得分可以是绑定到特定行为(例如,对于每次在交叉路口的成功停止,车辆操作员得1分)的布尔奖励(即,你得到完全的奖励或者根本没有)。作为替代,车辆操作员得分可以因未能展示预期行为而受不利影响(例如,对于每次未能在交叉路口停止,车辆操作员被减去1分)。此外,对于在交叉路口停止,车辆操作员可以得1分,但是对于另一次未能在交叉路口停止,车辆操作员可以被减去1分。(在这里,奖励和扣分不需要是相同的值)。
在其它示例性实现中,行为可以具有可以被奖励的一定范围的分数。例如,对于放好(putaway),对于成功地将托盘放在400英寸高的货架空间,操作员可以获得可能的10分中的5分。作为替代,对于在执行车叉高度控制与车辆的牵引控制的混合操作以优化车辆的能量消耗的同时把相同的托盘放好,车辆操作员可以获得可能的10分中的10分。
在更多示例性实现中,得分可以基于成果而被修改。例如,系统可以跨时间历程和/或跨多个数据源(例如,工业车辆数据118、WMS数据120、HRMS数据122、LMS数据124等等)评估数据。作为一些说明性例子,车辆操作员可以对连续X天不请病假打分,对连续Y天开始/停止/中断/午餐的适时性打分等等。对于连续几天达到表现基准(个人或仓库范围)、学习新的技能、增加车辆操作员有资格操作的新车辆等等,可以奖励分数。可以对于操作工业车辆的成果(例如,X天没有冲撞、对于提高操作效率的分数等等)奖励分数。此外,可以基于团队、劳动力等等的比较分析而奖励(和可选地扣除)分数。例如,基于定义的标准的排名前五位执行者可以在月底获得奖励分数等等。而且,可以为不预期的行为建立扣分。操作员可以由于连续X天迟到、一个月超过Y次冲撞等等而被减分。
根据本公开内容的更多说明性方面,各种度量携带不同的得分偏好和得分特性。例如,诸如冲撞避免的度量可以具有这样的得分特性:车辆操作员可以做到的最好是与零冲撞对应的100%无冲撞。即,最大值由绝对数字设置(在这个例子中是零冲撞)。而且,有可能企业的偏好是每个车辆操作员争取100%符合(例如,零冲撞)。在这点上,冲撞可以被归类为微小的和重大的。微小冲撞的发生可以以与重大冲撞不同的方式不利地影响车辆操作员得分。但是,对于处于比单次微小冲撞更高值的冲撞,X次微小冲撞的积累可以增加对车辆操作员的得分的扣除。因此,例如,冲撞避免度量可以具有使车辆操作员能够通过避免重大冲撞并且最小化微小冲撞来得出合理高的得分的得分偏好。
对应地,某些度量(诸如与表现相关的那些)具有被校准到100%的人工数字。以这种方式,车辆操作员可以在某些条件下能够超过最大值,即,超过100%。例如,测量放好的度量可以要求每班X次总放好来与100%的得分对应。完成X+n次放好的车辆操作员可以获得高于100%的得分。对应地,完成X-m次总放好的车辆操作员将获得低于100%的得分。
根据本文的更多方面,当用于定义的量度的各个得分被合计时,不同的度量可以被加权或缩放,以说明特定度量对给定实现的重要性。因此,假设例如车辆操作员A在冲撞避免的得分是80%并且放好的得分是105%。车辆操作员B在冲撞避免的得分是87%并且放好的得分是90%。在这里,由于冲撞避免的重要性的权重,有可能车辆操作员B最终具有更高的总得分,因为相比于放好,系统应用对冲撞避免更有利的加权。
根据本公开内容的各方面,模式(例如,教导、正常、警告)对于一个或多个度量与车辆操作员关联。因此,可以为所有度量、度量的子集等等分配相同的模式。作为替代,每个度量可以具有其自己的、与其关联的独特模式。而且,用于每个操作员的每个度量可以具有带一组独特参数、规则、条件等的独特算法,如本文更完整描述的。
而且,每个度量可以具有得分。得分可以在任何预期的范围中。在说明性例子中,得分是基于1-5,其中1是新手操作员并且5是熟练操作员。为每个度量评估的得分可以被合计成对于一组度量的总得分(例如,所有的安全度量、所有的生产率度量、所有的能量度量等等)。对于度量组中每一个度量的得分可以被合计成操作员的总得分。而且,还可以执行诸如跨度量进行规格化的处理。工业车辆上的小部件可以被用来向操作员显示得分或得分细类。
本文的方法为车辆操作员提供以每个度量为基础为正确的行为、为在不正确行为(例如,对其检测到不正确操作员响应的事件)之间展示的那些正确行为获得信用的能力。例如,不正确行为的频率、持续时间、或它们的组合可以被用来确定动态操作员行为分析器是工作在正常模式、教导模式还是警告模式。这种频率、持续时间或它们的组合也还以被用来影响操作员得分。例如,对于给定的操作员,与冲撞度量关联的一次严重冲撞可能足以使动态操作员行为分析器操作模式从正常移至教导。但是,对于给定的操作员对于移动下车度量,在动态操作员行为分析器将操作模式从正常变成教导之前,可以在特定持续时间内容许几次移动下车。
用于对车辆操作员行为的监视和修改的方法
根据本公开内容的各方面,方法提供了对车辆操作员行为的动态监视和修改。方法可以利用图1的系统来实现(例如,通过单独地或者与在服务器112上执行的服务器(例如,分析引擎114)联合地在工业车辆108上的处理设备102上执行)。
优选例
参考图2,方法200提供了对车辆操作员行为的动态监视和修改。方法200包括在202识别表征与工业车辆的使用关联的动作的度量。如本文更详细地指出的,度量可以包括归因于工业车辆本身的动作(例如,冲撞、负载能力、加速度、刹车等等)。度量还可以包括归因于车辆操作员的动作(例如,清单符合性、正确的车辆下车、时间管理、操作的效率等等)。此外,示例性度量可以包括归因于环境的动作(例如,限速区、车站、坡道、禁区等等)。
为了简要的说明,示例性度量表征诸如要求在交叉路口或者在过道末端按响喇叭的动作。另一个示例性度量表征诸如要求在交叉路口或者在过道末端停止的动作。这种动作可以由OSHA或雇主授权。另一个示例性度量表征诸如要求在进入诸如拥挤区域(例如,码头区域、航道等等)的指定“慢行区”时降低速度的动作。
识别出的度量被编程、配置或以其它方式分配使方法200能够由工业车辆上的处理设备或者在服务器计算机(例如,如图1中所示的分析引擎114)辅助的情况下由工业车辆上的处理设备执行的值。用于度量的值的配置在逻辑上被组织成类别。作为说明,识别出的示例性度量包括至少一个行为修改动作和至少一个表现参数,类似于本文更完整描述的。(一个或多个)表现参数对照与对应度量关联的事件进行评估。假设示例度量与在过道末端按响喇叭的事件相关。用于识别出的度量的表现参数的例子是例如指示喇叭应当响起的标志、值或其它数据的参数。例如,如果喇叭激活数据可以从车辆CAN总线(或其它车辆网络)提取,则表现参数可以是与“喇叭激活评估为TRUE”对应的值。
识别出的度量可以包括其它类别,其例子在下面参考图5更详细地进行讨论。
如本文所使用的,行为修改动作可以包括旨在教育或以其它方式通知车辆操作员关于与事件关联的预期行为的训练动作(例如,教导/指示消息、事件、动作等等)。行为修改动作还可以包括旨在提供关于车辆操作员正确或没有正确做的信息的纠正动作(例如,消息、警告、事件、动作等等)。行为修改动作还可以包括基于车辆操作员展示出的行为或重复的行为的游戏化动作(例如,徽章的获得、状态、成果等等)。
再次假设,示例度量是在过道末端按响喇叭。示例性行为修改动作包括在工业车辆的可视屏幕上显示的、指示车辆操作员在过道末端按响喇叭的消息。行为修改动作还可以包括设置蜂鸣器、警报、停止(部分或完全)、降低车辆的性能范围(performanceenvelope)(例如,通过降低最大允许的行驶速度、升降速度等等)或采取其它动作。
方法200还包括在204获得识别已经登录到工业车辆的操作员的操作员标识。这允许工业车辆上的处理设备应用特定于操作员的度量和评分,如本文将更详细描述的。
方法200还包括在206监视事件。在这点上,处理设备102可以监视对应的工业车辆、车辆操作员的行为、车辆操作的环境、外部变量(例如,时间/天/日期)、基于所存储的工业车辆数据118的数据值,得自WMS120、HRMS122、LMS124(图1)的数据、其它数据源或它们的组合。一般而言,特定的事件将规定在206进行监视的要求。
方法200还包括在事件实际发生之前在208预测事件发生。继续上面在过道末端按响喇叭的例子,仓库可以包括过道末端传感器(例如,嵌入到货架或地板中的射频识别(RFID)芯片)。工业车辆上的处理设备可以从检测过道末端RFID芯片的RFID读取器接收信号,以指示过道末端在附近。作为替代,如果工业车辆配备有位置跟踪,则工业车辆在仓库内的位置可以是已知的。因此,该方法可以基于位置追踪数据预测出车辆将要接近过道末端,这可以在工业车辆上本地确定或者可以在服务器(例如,服务器112)处确定。在其中服务器识别车辆的位置的情况下,服务器可以向工业车辆发送指示过道末端在附近的消息。此外,工业车辆上的处理设备可以能够测距。此外,不同的定位技术可以被组合,以提高预测的准确性。
方法200还包括基于预测到动作将发生在210执行关于车辆操作员是否已被教导对事件作出响应的确定。如果确定车辆操作员未被教导对事件作出响应,则方法200还包括在事件实际发生之前在212执行行为修改动作。因此,方法200向车辆操作员提供及时的指示。例如,如果方法200预测到工业车辆将要接近过道末端并且如果方法200已经确定车辆操作员未针对过道末端事件被教导,则处理设备实现行为修改行动。这种动作可以包括例如在工业车辆的显示屏上呈现指示车辆操作员在通过过道末端之前按响喇叭、自动减慢车辆、采取其它行动或者其组合的指示/训练消息。
方法200还包括诸如通过使用事件检测逻辑在214检测事件的发生。响应于检测到事件,方法200包括在216记录表征车辆操作员对事件的响应的事件数据。该方法还可以包括在218传送相关信息。例如,该方法可以基于评估来更新车辆操作员得分并且传送更新后的车辆操作员得分(例如,给操作员、给服务器以便存储等等)。该方法还可以传送事件数据或其它相关信息(例如,给服务器计算机、给车辆上的车辆操作员、给远程设备等等)。在这点上,响应于事件而被记录的事件数据可以被用来根据展示出的行为来调整操作员得分,如本文更详细地指出的。
例如,当方法200确定工业车辆处于过道末端时(由对应度量表征的事件),处理设备可以被用来例如通过比较捕获的事件数据与和度量关联的(一个或多个)表现参数来确定车辆操作员是否在通过过道末端之前正确地按响喇叭。在这个例子中,事件数据与和度量关联的(一个或多个)表现参数的比较提供了车辆操作员在过道末端适当地按响或没有适当地按响喇叭的指示。基于这种比较,行为修改事件可以被触发(例如,纠正缺陷行为的指示、积极的肯定等等)。因此,本公开内容的各方面提供了及时的反馈、指示和行为分析。而且,操作员得分是根据事件数据与和度量关联的(一个或多个)表现参数的比较结果来更新的。得分还可以触发其它游戏化动作,如本文更完整描述的。
动作之后的强化:
并不总是可以预测何时事件将发生或能够有足够的时间主动和抢先预测何时事件将发生。但是,根据本公开内容的某些方面,系统可以包括“主动监视器”特征,以便对车辆操作员的行为作出反应并用于对操作员表现评分。
参考图2B,方法250包括在252识别至少一个度量。(一个或多个)度量以与图2A的步骤202类似的方式被识别。方法250还包括在254获得车辆操作员的标识(例如,以与图2A的步骤204类似的方式)。方法250还包括在256监视事件(或多个事件)。如果在258事件决定逻辑未检测到事件,则方法250循环回去并在256监视(一个或多个)事件。如果在258事件检测逻辑检测到事件,则在260作出关于操作员是否对检测到的事件被教导过的决定。如果车辆操作员未对该事件被教导过,则行为修改动作在262被执行。行为修改动作与图2A中212的行为修改动作类似,并且如本文更详细地描述的。
然后,方法250在264记录车辆事件数据。例如,这可以包括记录指示操作员是否以正确的行为对事件作出响应的数据。方法250还包括在266传送相关信息。例如,方法可以基于评估来更新车辆操作员得分并且传送更新后的车辆操作员得分(例如,给操作员、给服务器以便存储等等)。方法还可以传送事件信息(例如,给服务器计算机、给车辆上的车辆操作员、给远程设备等等)。响应于事件被记录的事件数据与(一个或多个)表现参数进行比较,以根据展示出的行为来调整操作员得分,如本文更详细阐述的。
一般性地参考附图,就评分而言,某些动作可以被看作是布尔值(例如,真/假、是/否等等):操作员或者按响喇叭,或者没有按响喇叭。在更复杂的实现中,可以存在与事件关联的可测量参数(例如,车辆必须减速到停止、按响喇叭,然后前进)。如果操作员按响喇叭并且显著减缓,但并没有停下来,则结果可以与确定动作是否“足够接近”完成的阈值进行比较。作为替代,得分可以通过符合的“程度”进行调整。
此外,操作员可以基于表现被评分。系统支持用于单个度量的得分,以及跨一个或多个度量的合计得分。因此,遇到度量的每个机会都可以产生增加(以及可选地减少)车辆操作员得分的机会。
此外,车辆操作员得分可以对照阈值进行评估,以确定绝对表现(车辆操作员符合性的真实测量)或相对表现(与基准相比的车辆操作员符合性)。例如,在说明性实现中,操作员的管理者可以使用任意数据、来自操作员的过去的数据、来自企业的数据、从一个或多个仓库(在企业内部和/或外部)累积的“行业数据”、跨一组操作员收集的团队数据等等,管理者可以使用这些数据作为参照来设置用于每个度量的目标表现或自动设置每个度量的目标。这提供了动态环境,其中管理者可以提供以自动方式有效评估操作员表现和行为的工具。而且,这为管理者提供了向企业内的车辆操作员分发信息的能力,以便不仅知道他们的表现而且还知道对车辆操作员寄予的预期。
例如,知道需要总共Z次放好来实现100%得分给出了对车辆操作员预期的清晰且明确的指示。作为另一个例子,由于诸如冲撞避免的度量可以是绝对的,因此车辆操作员知道获得对冲撞的100%得分预期/需要0严重冲撞。因此,通过知道自己的得分,车辆操作员知道他们表现得如何、哪些行为需要调整、以及对于完成他们的工作至满意的预期寄予了什么预期。
根据本公开内容的更多方面,所述方法还可采取事件后动作。例如,积极的强化可以在事件发生时提供。作为另一个例子,所述方法可以在操作员犯错时(诸如当操作员未能执行预期的行为时)向操作员显示错在哪。在这点上,行为修改动作可以是抢先的、反应式的或两者兼有。
本公开内容的更多方面提供了能够进行趋势分析和将趋势表现动态集成到操作员反馈的分析引擎。因此,例如,方法200、250还可以被配置为基于车辆操作员成功地符合与对应事件关联的行为修改动作来定义车辆操作员是否被教导。因此,假设车辆操作员成功地一连5次在过道末端按响车辆喇叭。在这种情况下,方法200、250可以认为车辆操作员被成功教导。车辆操作员对于那个度量被转换到正常模式。因此,当方法检测到事件(例如,过道末端)发生时,方法200、250将不呈现行为修改动作(例如,指示消息将不被显示给用户)。
根据本公开内容的更多方面,趋势分析也可以被用来将经过教导的车辆操作员退回“教导”状态。例如,假设有经验的车辆操作员未能在过道末端按响喇叭(或趋势分析指示在过道末端未按响喇叭的重复行为)。因为方法监视并记录指示操作员行为的数据,所以方法200、250知道车辆操作员不满足行为要求/预期。因此,车辆操作员对于这个度量被退回教导模式。然后,车辆操作员需要通过重复的正确行为(在这个例子中是在过道末端按响喇叭)进行展示,以返回到正常模式。
上面的简化例子示出了单个度量。在实践当中,有可能有多个度量。而且,并非每个度量都可能与每个操作员、车辆、车辆类型等等相关。
此外,有可能有某些度量对主管来说比其它度量更重要。因此,方法200、250还可以包括识别多个另外的度量以及选择度量的优先级和加权当中至少一个,每个另外的度量表征在工业车辆上实现的动作。加权或优先级将允许主管使每个度量的重要性适应给定的应用。
作为说明,但不是作为限制,软件供应商可以提供预定义的一组度量。针对给定实现的主管可以从已经预定义的可用度量的列表中进行选择。然后,主管可以分配特定的值或以其它方式修改度量,以便使选定的度量适应监视、修改和跟踪对应的车辆操作员的行为。
因此,使用情况数据和表现数据的贡献被杠杆式利用,以建立车辆操作员与对应的工业车辆之间的关系。操作员不仅看到实时训练消息和警告信息,而且可以深入钻研并看到他们的个人详细信息(例如,当工业车辆静止时)。根据某些实现,操作员可以访问管理者将看到的相同信息;地图、图表、数据等等。这允许操作员洞察提高其工作技能的机会。而且,当业务货币化并以物质鼓励行为表现时,高得分允许操作员可能最终得到更多的钱。
而且,度量、得分和如上所述的游戏化可以在没有操作员标识的任何指示的情况下被计算。例如,当操作员开始一个班次时(或某个其它时间段),度量和得分可以被保持,而无需操作员登录到车辆。在这个班次结束时,操作员将获得关于该操作员在该班次期间的表现的反馈和得分。另外,得分可以一直保持到操作员清除该得分,或者可以自动清除(例如,在班次结束时)。
使用情况和表现数据
参考图3,框图300示出了根据本公开内容的更多方面的用于收集劳动力数据、用于对劳动力表现进行评分和用于呈现劳动力信息的动态操作员行为分析器的各方面。动态操作员行为分析器操纵操作员行为数据302(例如,在图2A和/或图2B的方法中被收集的数据)。行为数据可以被用来提供以操作员为中心的特征304。例如,所收集的行为数据302可以在306被归因于操作员。这允许在操作符合性方面对车辆操作员进行测量,并且还可以充当表现的度量。而且,在306的归因允许车辆操作员的自我完善,而无需花费主管、管理者、更有经验的车辆操作员的时间向车辆操作员提供指示。例如,(如参考图2A、2B更详细地指出的),方法可以在308提供按需和及时的通信,以提供需要特定行为的关键指示(在事件发生之前和/或之后)。这允许车辆操作员实践现场的正确的技术,并且在及时呈现相关、可采取动作的信息时对其采取行动。这还消除了浪费其他工人的时间向车辆操作员提供所需指示的负担。
而且,行为数据302可以被聚集、操纵、过滤、解析或以其它方式处理,以计算车辆操作员得分。这个得分可以让车辆操作员获得,使得操作员意识到经一段时间测量的表现是否达到劳动力预期。此外,操作员使用情况和表现数据302可以被用来基于行为向车辆操作员提供反馈。例如,如以上所指出的,通过对给定的度量转换到正常模式,反馈被提供给车辆操作员。作为替代,如果车辆操作员对于度量被重新分类回为教导方式,则提供需要行为修改的反馈。此外,除指示之外,系统还可以提供肯定、统计信息和其它反馈。
操作员使用情况和表现数据302还可以被用来在314提供以主管为中心的特征。例如,车辆操作员得分可以在316由主管检查。在这里,主管可以查看各个操作员、操作员组等等的得分(与在310的得分相比,这个得分可以限制操作员只看到对其评估的得分)。而且,基于得分,主管可以选择向操作员提供反馈(积极的或消极的)、共享来自选定的操作员的结果等等。
而且,操作员行为数据302可以被集成到仪表板,仪表板允许对车辆操作员表现的(几乎)实时评估(例如,如对照阈值测量等等)。在这点上,主管可以将仪表板布置成只允许摘要数据在仪表板上显示的分层视图。例如,主管可以只看到跨一队操作员的得分的相对于阈值的合计测量。然后,主管可以在320深入钻研到细节,以看到预期的个人数据。
参考图4,根据本公开内容的说明性方面,主管可以执行动态操作员行为分析器系统的设置400,(例如,实现图2A、图2B的方法、图3的特征等等)。在这点上,主管在402选择或以其它方式定义度量。例如,主管可以从可用的、预定义的度量中进行选择,诸如通过从菜单或其它合适的接口进行选择。作为替代,主管可以创建或以其它方式设计度量,以适应特定的应用。
可以使度量的选择适于改善仓库操作(例如,通过限制冲撞、维持工业车辆稳定性、遵守速度限制和停止标志、定期通信并遵循“通行权”惯例、适当的负载重量和提升高度等等),并通过这些行为在仓库范围的通信。
作为例子,而不是作为限制,示例度量可以包括:
车载网络总线(例如,CAN总线)促进的度量:
度量可以包括可以通过跨车载网络总线的查询辨别的特征,以例如确定诸如突然、急启动的加速度;诸如正确频率的按钮激活(例如,在“任务”期间的“辅助”特征)的激活;或电池特性,诸如电池是否重量不足、电池更换的持续时间、或电池队列指示是否得到遵守。其它这种度量可以包括混合,诸如同时提升和行驶;刹车;电池充电或更换等等。此外,这种度量可以包括时钟管理;清单符合性;操作员是否执行高速拐弯;操作员是否在车辆停止之前下车等等。其它度量可以包括冲撞(碰撞严重程度、频率等等);相对于车辆的容量的车叉上的负载;稳定性和可以通过跨车载网络总线的查询辨别的其它特征。
定位跟踪促进的度量:
更多度量可以从在工业车辆、服务器、操作环境或者其组合上提供的基于位置的跟踪能力得到。这种度量的例子可以包括当使用半自动特征时遵守系统指示的频率;行驶方向,在特定区域中使用喇叭、灯等,以及能源使用情况vs.被移动的箱子/托盘vs.驾驶习惯。其它度量可以包括当在窄过道中经过另一辆靠近的卡车时的车辆速度;工业车辆是否进入禁区、服从限速区、执行所需停止、产量(yields)等等。
表现度量
作为更多例子,表现度量可以跟踪效率,诸如是否存在在理想路径之外的过度行程或提升;操作员是否执行了不正确的拾取或放好等等。
然后,主管在404配置度量。在404的配置向度量分配特定的值,使得处理器具有用于分析的有意义的数据。例如,如果度量是在过道末端按响喇叭,则事件需要被转换成可被自动化处理理解的数据。因此,“过道末端度量”可以被配置为使用位置跟踪来识别工业车辆与过道末端的接近度。而且,处理可以被编程为从工业车辆CAN总线(或其它本地车辆网络)读出信息,使得系统可以确定操作员事实上是否在适当的时间按响喇叭。因此,配置度量包括设置所有需要的参数、值、规则等等,这些与度量相关联,如本文更完整描述的。
主管可以选择在406对选定的度量应用次序/权重。例如,有可能某些事件将对于某些客户但不是对于所有客户,对车队的操作携带更高的重要性。因此,主管可以定制和缩放各种度量,以反映业务、当地、州或联邦法律等的敏感性和要求。而且,度量可以被合计到各种层次级别(例如,合计到单个顶级得分)。这个得分可以被用来评估车辆操作员并且甚至可以充当补偿或奖励的测量。此外,主管可以在408定义基准。如本文所使用的,术语“基准”是指允许操作员行为与某个标准进行比较的某个测量。基准可以被调整(例如,以考虑不同的班次、位置或其它标准)。
参考图5,如本文更详细指出的,每个度量可以具有与其关联的各种类别的数据值。类别500的示例性集合是为了举例而被示出的。示例类别包括在502的事件描述、在504的行为修改动作、在506的模式规则、在508的(一个或多个)预动作触发、在510的(一个或多个)评估规则、在512的基准和在514的权重。
在502的事件定义与对应度量关联的事件。例如,事件是为其中预期特定操作员行为的场景定义的。
在504的行为修改动作是在确定对于特定操作员行为需要信息/训练时执行的动作。例如,如以上所指出的,行为修正动作可以是教育车辆操作操作员关于响应于事件为达到预期结果所需的行为的动作(例如,以满足或以其它方式符合(一个或多个)对应的表现参数)。行为修改动作可以是视觉消息、听觉消息、警报、教学视频、触觉响应、灯、照片/图像或者在工业车辆的执行中传达指示、自动化控制或诸如减慢车辆、对车辆的极限控制等的调整的其它视觉隐喻。
作为例子,通信可以通过头戴式、语音激活的显示器和用户体验/用户界面、诸如内置到在操作员的外围视野中显示信息的安全眼镜中的AR设备的交替现实(AR)设备、提供触觉或音频反馈的可穿戴技术、手套、反光背心等等。此外,可以提供在某些条件下振动以便向操作员通信的腕带装置。在这里,训练可以以不使操作员从驾驶车辆分心的方式提供。
另一种示例通信技术可以利用允许操作员在放松的环境中(甚至在车外/不在现场(例如,在家里))研究其改进的机会的移动应用。系统还可以支持博客、在线操作员社区、操作员在其博客上管理的、无需管理层干预的游戏等等。
工业车辆上用于操作员的消息的例子
冲撞
在工业车辆显示器上显示的冲撞警告消息可以包括:
红色,全屏
a.“冲撞6.2g你没事吧?”+记分卡和趋势
i.用于“是”或“否”的按钮
ii.如果是“是”,则用于“播放视频?”的菜单
iii.如果是“否”,则用于冲撞类型的菜单
警示消息
b.黄色,半屏
i.“冲撞2.2g”+记分卡和趋势
ii.用于冲撞类型的菜单
iii.
积极强化消息
c.绿色,全屏
i.“冲撞良好”+记分卡和趋势
d.黄色,半屏
i.“冲撞改进”+记分卡和趋势
停止
在工业车辆显示器上显示的停止警告消息可以包括:
教导/警示消息(预测性)
e.黄色,全屏
i.“停止在交叉路口停止”+记分卡和趋势
警告消息(反应性)
f.红色,全屏
i.“停止未能停止”+记分卡和趋势
积极强化消息
g.绿色,全屏
i.“停止良好”+记分卡和趋势
h.黄色,半屏
i.“停止改进”+记分卡和趋势
接近度
在工业车辆显示器上显示的基于接近度的警告消息可以包括:
警示消息
i.黄色,全屏
i.“接近度3mph”+记分卡和趋势
警告消息
j.红色,全屏
i.“接近度超过3mph”+记分卡和趋势
积极强化消息
k.绿色,全屏
i.“接近度速度良好”+记分卡和趋势
l.黄色,半屏
i.“接近度改进”+记分卡和趋势
在托盘工业车辆上用于车辆操作员的表现消息的例子。
目标(被移动的箱子或托盘)
在工业车辆显示器上显示的生产率警告消息可以包括:
警示消息
m.黄色,全屏
i.“箱子拾取”+记分卡和趋势
ii.得分104,具有大的向下的箭头
警告信息
n.红色,全屏
i.“箱子拾取”+记分卡和趋势
ii.得分88,具有大的向下的箭头
积极强化消息
o.绿色,全屏
i.“箱子拾取”+记分卡和趋势
ii.得分108,具有指向左的大箭头(稳定)
p.黄色,半屏
i.“箱子拾取改进”+记分卡和趋势
ii.得分96,具有大的向上的箭头
在506的(一个或多个)模式规则识别确定模式对于对应度量(例如,教导、正常、警告)与车辆操作员关联的条件的参数、规则等等。例如,模式规则可以建立从一种模式移动到另一种模式的连续行为的数量。作为例子,如果车辆操作员响应于事件展示出少于X次连续正确行为,则可以为事件设置教导模式。同样,如果有经验的操作员连续Y次、在预定时段内Z次等等未能执行预期的行为,则有经验的操作员(例如,对于度量的正常模式)可以被降级回教导状态。其它测量也可以或作为替换地被用来确定何时在模式之间转换。而且,不同的事件可以有不同的规则。例如,更困难或更关键的事件(例如,高延伸放好操作、在装卸码头上驾驶等等)可能需要适当行为的更多重复来获得有经验状态。
如果预测能力对度量启用,则在508的预动作触发是表征何时方法预测事件将要发生的一个或多个动作、事件、参数、规则等等。为了提供按需及时训练,某些事件可能需要预测能力。预动作触发定义这些预测参数。例如,在上面的例子中,用于在过道末端按响喇叭的事件的预动作触发是对工业车辆靠近过道末端的检测。作为另一个例子,诸如驶入装载区的事件可以要求车辆操作员放慢和/或减缓速度至预定义的速度限值。因此,车辆需要知道什么时候它将进入装载区。这种预动作甚至可以是动态的。例如,合适的减慢可以依赖于车辆承载的负载的重量。因此,方法可以考虑负载、车速、以及区域内其它车辆/工人的数量等等作为影响预动作触发的动态输入。
在510的评估规则是表征车辆操作员是否符合与对应事件关联的行为的一个或多个规则。例如,评估规则510可以由一个或多个表现参数定义。如本文所指出的,表现参数定义响应于与度量关联的事件的发生而期望的、预期的、适当的或以其它方式需要的车辆操作员行为(例如,车辆操作员应当和/或不应当做什么)。因此,例如,如果事件是在装载区减慢,则评估规则确定操作员是否确实减慢。因此,规则的确切实现将从而依赖于对应的事件以及工业车辆上的处理设备提取相关信息(事件数据)的能力。
根据本公开内容的更多方面,评估规则可以包括识别对应行为的符合性的符合性规则、识别何时采取纠正动作(以及可选地,纠正动作的严重性)的结果规则、在确定响应于事件的预期行为不正确之后确定响应的违规后规则等等。
在512的基准是被用作比较来评估车辆操作员、一组车辆操作员(例如,一队车辆操作员)等的测量值。特定的基准将依赖于与度量关联的事件的性质。
在514的权重代表允许主管对一个量度比另一个度量施加更多强调或重要性的可选缩放。这允许度量和得分计算的定制,以适合特定实现的需要或预期。
因此,例如,每个度量可以如客户选择的那样被加权。系统通过操作员使用情况和表现数据保持个人、组等的记录,安全和表现标记,这些为操作员提供反馈(例如,表现得分)。而且,得分可以被用作表现评估或激励计划(例如,金钱或其它奖品/奖励)的一部分。
注意,虽然若干度量的基本功能可以在没有位置跟踪的情况下实现,但是许多有用的度量通过位置跟踪技术被大大增强。在这点上,位置跟踪所需的定位可以通过车辆位置的映射、通过诸如RFID标签的标签的检测或其它合适的技术(例如,相机/图像识别等等)来实现。作为几个说明性例子:
·例子。系统预测,然后告诉操作员卡车在接近“停止”交叉路口。
·例子。系统提供冲撞事件或与度量关联的任何其它事件的即时重放地图或热图。
·例子。系统在操作员到达斜坡之前告诉操作员他们正在错误地接近斜坡。
可选地,每个度量可以具有在516的一个或多个游戏化奖励。游戏化奖励可以包括得分、徽章、成果认可等等,如本文所描述的。
车辆操作员游戏化:
玩家可能喜欢对照他人评分/竞争或者仅仅知道他们如何匹敌。因此,诸如那些在游戏化系统中被采用的技术也可以被实现。例如,正确的行为获得更高的得分,这可以充当获得的徽章。在这点上,游戏化技术在动态操作员行为分析器中被用来方便车辆操作员之间对成果、状态、自我表现等等的竞争。游戏化是通过分数、虚拟币/货币、虚拟徽章、进度条/进度计等等的使用来向车辆操作员提供一组奖励来实现的。可以基于本文更完全公开的操作员得分来累积奖励。例如,可以为展示出正确的行为而提供奖励。可以在车辆显示器上显示徽章,以识别车辆操作员的成果。
徽章还可以以相反的方式被使用。例如,“新手”徽章可以在车辆操作员的公共显示器上不断地可见,直到车辆操作员获得除去该徽章的权利的时候。奖励还可以通过车辆操作员的动作(包括X个工作日无事故)、出勤、服务年限、车辆操作认可(endorsement)的数量/类型、在一个或多个车辆类型上达到的技术水平等等来获得。
在这点上,竞争是通过使车辆操作员奖励对其他车辆操作员可见来促进的(例如,通过可以在显示屏上显示的“领先者板”、通过仪表板上的比较度量、或通过其它视觉显示器)。
其他
对于管理者,工业车辆系统相对于基准或目标测量并管理新的安全和表现度量。为管理者示出实际表现vs.基准(例如,本周22次冲撞;目标是少于每周18次冲撞)。还为管理者示出用于每个度量的规格化得分,作为百分比(例如,冲撞94%),以便在每个度量之间进行相对比较。仪表板、地图视图和数据可视化允许管理者查看什么是要紧的并采取动作。
对于操作员,每个度量具有在理想时刻在工业车辆显示器上实时地呈现给操作员的一系列指示和行为修改动作(例如,操作员刚好在到达交叉路口之前收到“停止”消息)。该消息重复,直到操作员始终展示出正确的行为为止。当操作员一致时,消息消失。如果操作员出错,则该消息重新出现,直到它们变得再次一致为止。
本公开内容的各方面可以利用工业车辆外部的信息、以及可以从工业车辆能够确定的信息中完全得出的信息(例如,经由传感器、CAN总线监视等等)。例如,位置跟踪可以提供关于地理围栏位置、停止标志、慢或拥挤区域等的信息。位置跟踪还可以告诉用户正在仓库中什么地方工作。因此,位置跟踪可以基于其它位置跟踪资产近似侥幸(closecalls)。在这里,系统可以实际在操作员知道之前知道操作员违规。而且,超声传感器、相机和其它启用机器的技术可以提供位置跟踪系统不可获得的反馈。
本地化的相对位置反馈还提供了在服务器被通知情况存在之前纠正的机会。例如,安装在工业车辆上的超声传感器可以允许操作员在系统将行为报告给服务器之前纠正行为。而且,这种本地化的知识不依赖于经无线网络接收的信息。
根据本公开内容的各方面,通过车辆操作员与对应车辆之间的一系列通信提供了用于表现的新度量。车辆将通过卡车显示器上的及时消息或其它形式的通信实时地传送给其操作员。因此,工业车辆在理想时刻给予操作员训练和指示信息,以帮助操作员改进和维持他们的技能。
例如,当每次提供积极强化、警告或训练/教导消息时,可以显示操作员的得分(例如,规格化为100%),使得操作员具有表现的连续指示。而且,可以提供统计数据(例如,平均数(average)、平均值(mean)、高分、低分等等)。这些统计数据可以使操作员对照他们自己以前的得分,或者统计数据可以代表与一组操作员的比较。
从主管的角度,仪表板提供得分(例如,平均成绩分数(GPA)或其它方式,以基于车辆操作员的行为对车辆操作员进行评估、比较和评级),使得主管不必注入(pourthrough)数据,除非他们想深入钻研到特定的行为。高得分者可以被识别/奖励;低得分者可以被训练、追究责任、重新分配等等。
因此,通过给予操作员跟踪他们的习惯、提供实时反馈的工具并且给予他们改进的激励(社会的、金钱的等等),本发明的各方面使操作员能够改进。
计算机系统概述
参考图6,示意性框图示出了用于例如通过与用户进行交互来实现本文描述的各种方法的示例性计算机系统600。示例性计算机系统600包括连接到系统总线630的一个或多个微处理器(μP)610和对应的存储器620(例如,随机存取存储器和/或只读存储器)。信息可以通过合适的桥接器650在系统总线630与总线640之间传递。总线640被用来将外围设备与一个或多个微处理器(μP)610对接,外围设备是诸如存储设备660(例如,硬盘驱动器);可移除介质存储设备670(例如,闪存驱动器、DVD-ROM驱动器、CD-ROM驱动器、软盘驱动器等等);I/O设备680(例如,鼠标、键盘、监视器、打印机、扫描仪等等);以及网络适配器690。以上外围设备的列表是作为说明给出的,而不是要限制。其它外围设备可以适当地集成到计算机系统600中。存储器620、存储设备660、可插入到可移除介质存储设备670中的可移除介质、或者它们的组合可以被用来实现如本文参考图1-图5所阐述和描述的方法、装置、接口和其它方面。
(一个或多个)微处理器610控制示例性计算机系统600的操作。而且,微处理器610当中的一个或多个微处理器执行指示(一个或多个)微处理器610实现本文的方法的计算机可读代码。计算机可读代码可以例如被存储在存储器620、存储设备660、可移除介质存储设备670或其它可被(一个或多个)微处理器610访问的合适的有形存储介质中。存储器620还可以充当工作存储器,例如,以存储数据、操作系统等等。
因此,示例性计算机系统600或其部件可以实现如本文更详细阐述的方法和计算机可读存储设备。其它计算机构造也可以实现如本文更详细阐述的方法和计算机可读存储设备。用于执行用于本发明各方面的操作的计算机程序代码可以用一种或多种编程语言的任意组合来编写。程序代码可以完全在计算机系统600上、部分地在计算机系统600上、部分在计算机系统600上并且部分在远程计算机上、或者完全在远程计算机或服务器上执行。在后一种场景下,远程计算机可以通过任何类型的网络连接(例如,利用计算机系统600的网络适配器690)来连接到计算机系统600。
本发明的各方面是参考根据本发明的实施例的方法和计算机程序产品的流程图说明来描述的。流程图说明的每个方框可以由计算机程序指令实现。这些计算机程序指令可以提供给处理器,以产生一种机器,使得所述指令经计算机或者其它可编程数据处理装置的处理器执行产生用于实现在流程图所指定的功能/动作的单元。
这些计算机程序指令还可以存储在计算机可读存储介质(即,计算机可读存储设备)中,使得存储在计算机可读介质中的指令产生一种包括指令的制造物品,当指令被处理器实现时,实现在流程图中指定的功能/动作。
如本领域技术人员将认识到的,本公开内容的各方面可以在本文在多种可授予专利的类或上下文当中任何一个中进行说明和描述,包括任何新的和有用的处理、机器、制造物或者其组合,或者其任何新的和有用的改进。因此,本公开内容的各方面可以完全以硬件、完全以软件(包括固件、驻留软件、微代码等等)或组合软件和硬件实现来实现。可以使用一个或多个计算机可读介质的任何组合。本文的各方面可以实现为计算机可读存储介质或者实现为计算机可读信号介质。存储介质是有形的或其它方式的物理存储器,例如,存储设备。计算机可读信号介质可以包括传播的数据信号本身,具有包含在其中的计算机可读程序代码,例如,计算机可读程序代码是在基带中或作为载波的一部分。计算机可读信号介质可以是非计算机可读存储介质并且可以传送、传播或者运输由指令执行系统、装置或设备使用或者与其联合使用的程序的任何计算机可读介质。
本文所使用的术语仅仅是为了描述特定的实施例而不是要作为本发明的限制。如本文所使用的,除非上下文明确地另外指出,否则单数形式“a”、“an”和“the”是要也包括复数形式。还应当理解,当在本说明书使用时,术语“包括”和/或“包含”指定所述特征、整数、步骤、操作、要素和/或部件的存在,但是并不排除一个或多个其它特征、整数、步骤、操作、要素、部件和/或其组的存在或添加。
本公开内容的描述是为了说明和描述而给出的,但不是详尽的或者将本发明局限于所公开的形式。在不背离本发明的范围和精神的情况下,许多修改和变化将对本领域普通技术人员是显而易见的。
由于已经详细地并通过参考其实施例描述了本申请的发明,因此很显然,在不背离所附权利要求中定义的本发明的范围的情况下,修改和变化是可能的。

Claims (16)

1.一种提供动态工业车辆监视以修改车辆操作员行为的方法,该方法包括:
识别表征与工业车辆的操作关联的事件的度量,该度量具有至少一个表现参数,以对照该事件进行评估;
对于该事件监视工业车辆的操作;
检测该事件的发生,并且执行:
记录表征车辆操作员对该事件的响应的事件数据;
对照与对应度量关联的至少一个表现参数评估所记录的事件数据,以确定车辆操作员是否对该事件展示出适当的行为;
基于该评估,更新车辆操作员得分;及
传送更新后的车辆操作员得分。
2.如权利要求1所述的方法,其中:
识别度量还包括:
识别至少一个行为修改动作;及
对于该事件进行监视包括:
在该事件实际发生之前预测该事件将发生;及
在该事件实际发生之前执行行为修改动作。
3.如权利要求2所述的方法,其中行为修改动作包括关于符合被预测为将要发生的事件所需的行为的指示。
4.如权利要求2所述的方法,其中:
识别度量还包括:
识别定义如何预测该事件将发生的至少一个预动作触发;
其中:
在该事件实际发生之前预测该事件将发生包括比较由工业车辆获得的信息与至少一个预动作触发,以预测该事件是否即将发生。
5.如权利要求4所述的方法,其中:
比较由工业车辆获得的信息与至少一个预动作触发包括:
比较从工业车辆上的位置跟踪设备收集的位置跟踪信息与所述至少一个预动作触发。
6.如前述任一项权利要求所述的方法,其中:
识别度量还包括:
识别至少一个行为修改动作;及
针对该事件进行监视包括:
在该事件实际发生之前预测该事件将发生;及
基于预测到该事件将发生,执行:
确定操作员是否已经被教导对该事件作出响应;及
基于确定操作员还未被教导对该事件作出响应,在事件实际发生之前执行行为修改动作。
7.如前述任一项权利要求所述的方法,其中:
识别度量还包括:
识别至少一个行为修改动作;
并且该方法还包括:
在确定车辆操作员对于事件未展示出适当的行为时执行行为修改动作。
8.如前述任一项权利要求所述的方法,其中行为修改动作包括提供指示响应于该事件的发生被预期的行为的消息。
9.如前述任一项权利要求所述的方法,其中行为修改动作包括训练指示,该训练指示解释如何纠正响应于该事件的操作员表现以实现对该事件的预期行为。
10.如前述任一项权利要求所述的方法,其中:
识别度量还包括:
识别至少一个行为修改动作;
并且该方法还包括:
确定操作员是否已经被教导对该事件作出响应;及
基于确定操作员还未被教导对该事件作出响应,在确定车辆操作员对于该事件未展示出适当的行为时执行行为修改动作。
11.如前述任一项权利要求所述的方法,其中:
识别度量还包括:
识别确定车辆操作员对于该事件是处于教导模式还是正常模式的至少一个教导规则;
其中:
当处于教导模式时,为车辆操作员实现行为修改动作,并且当对于该事件处于正常模式时,不实现行为修改动作。
12.如前述任一项权利要求所述的方法,还包括:
基于从车辆操作员得分确定的成果,向车辆操作员分配包括虚拟徽章的一组虚拟奖励。
13.如前述任一项权利要求所述的方法,还包括:
识别多个另外的度量,每个另外的度量表征在工业车辆上实现的动作;及
选择度量的优先级与加权当中至少一个。
14.如权利要求13所述的方法,其中识别度量和识别多个另外的度量包括:
从已经预定义的可用度量的列表中进行选择。
15.如前述任一项权利要求所述的方法,还包括:
比较车辆操作员得分与基准,以进行确定;及
通过在工业车辆的显示器上显示得分,向操作员呈现所确定的基准得分。
16.如前述任一项权利要求所述的方法,还包括:
为度量分配教导条件,该教导条件定义用于确定操作员是否已被教导执行动作的参数。
CN201480048781.XA 2013-09-05 2014-09-05 动态操作员行为分析器 Active CN105579823B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201361874172P 2013-09-05 2013-09-05
US61/874,172 2013-09-05
PCT/US2014/054238 WO2015035130A2 (en) 2013-09-05 2014-09-05 Dynamic operator behavior analyzer

Publications (2)

Publication Number Publication Date
CN105579823A true CN105579823A (zh) 2016-05-11
CN105579823B CN105579823B (zh) 2018-09-18

Family

ID=51582517

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480048781.XA Active CN105579823B (zh) 2013-09-05 2014-09-05 动态操作员行为分析器

Country Status (8)

Country Link
US (5) US9626879B2 (zh)
EP (2) EP3042174B1 (zh)
KR (1) KR102263813B1 (zh)
CN (1) CN105579823B (zh)
AU (3) AU2014315126B2 (zh)
CA (1) CA2918506C (zh)
MX (1) MX358031B (zh)
WO (1) WO2015035130A2 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107891868A (zh) * 2016-10-04 2018-04-10 通用汽车环球科技运作有限责任公司 虚拟驾驶学校
CN108876683A (zh) * 2017-05-11 2018-11-23 张堂贤 利用游戏社群协助交通管理系统及其方法
CN109478267A (zh) * 2016-08-25 2019-03-15 克朗设备公司 基于观察的事件跟踪
CN109919505A (zh) * 2019-03-14 2019-06-21 上海达慧智能科技有限公司 一种操作状态判断方法、装置、系统、设备和存储介质
CN111105106A (zh) * 2018-10-25 2020-05-05 玳能本股份有限公司 操作评价装置、操作评价方法及操作评价系统
CN111465932A (zh) * 2018-11-21 2020-07-28 谷歌有限责任公司 将来自查询的响应整合到异构数据源
CN112824312A (zh) * 2019-11-21 2021-05-21 雷蒙德股份有限公司 基于任务分类的物料搬运车辆行为修改

Families Citing this family (43)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10520581B2 (en) 2011-07-06 2019-12-31 Peloton Technology, Inc. Sensor fusion for autonomous or partially autonomous vehicle control
US10254764B2 (en) 2016-05-31 2019-04-09 Peloton Technology, Inc. Platoon controller state machine
US9582006B2 (en) 2011-07-06 2017-02-28 Peloton Technology, Inc. Systems and methods for semi-autonomous convoying of vehicles
US20170242443A1 (en) 2015-11-02 2017-08-24 Peloton Technology, Inc. Gap measurement for vehicle convoying
KR20130024739A (ko) * 2011-08-31 2013-03-08 성균관대학교산학협력단 실시간 경험 분석 시스템 및 방법
US20180210463A1 (en) 2013-03-15 2018-07-26 Peloton Technology, Inc. System and method for implementing pre-cognition braking and/or avoiding or mitigation risks among platooning vehicles
US11294396B2 (en) 2013-03-15 2022-04-05 Peloton Technology, Inc. System and method for implementing pre-cognition braking and/or avoiding or mitigation risks among platooning vehicles
MX358031B (es) 2013-09-05 2018-08-02 Crown Equip Corp Analizador dinámico de comportamiento del operador.
US10453018B2 (en) * 2014-01-14 2019-10-22 Deere & Company Agricultural information sensing and retrieval
US10380704B2 (en) 2014-01-14 2019-08-13 Deere & Company Operator performance recommendation generation
US10311527B2 (en) 2014-01-14 2019-06-04 Deere & Company Agronomic variation and team performance analysis
BR112017024986A2 (pt) 2015-05-25 2018-07-31 Crown Equip Corp processo executável por máquina, e, dispositivo de computação de hardware.
US10625751B2 (en) 2015-06-17 2020-04-21 Crown Equipment Corporation Dynamic vehicle performance analyzer with smoothing filter
EP4145263B1 (en) 2015-07-17 2024-06-26 Crown Equipment Corporation Processing device having a graphical user interface for industrial vehicle
US11423348B2 (en) * 2016-01-11 2022-08-23 Hand Held Products, Inc. System and method for assessing worker performance
CN108885804B (zh) 2016-01-13 2021-11-05 久益环球地表采矿公司 在工业机械操作期间向操作员提供反馈
MX2018016062A (es) * 2016-06-24 2019-05-30 Crown Equip Corp Rastreo indirecto de tarjetas de identificacion electronicas.
MX2018016065A (es) 2016-06-24 2019-03-28 Crown Equip Corp Credencial electronica para autenticar y rastraer a un operador de vehiculo industrial.
EP3500940A4 (en) 2016-08-22 2020-03-18 Peloton Technology, Inc. AUTOMATED CONNECTED VEHICLE CONTROL SYSTEM ARCHITECTURE
US10369998B2 (en) 2016-08-22 2019-08-06 Peloton Technology, Inc. Dynamic gap control for automated driving
US10762409B2 (en) 2016-08-25 2020-09-01 Crown Equipment Corporation Industrial electronic badge
KR102517483B1 (ko) 2016-11-22 2023-04-04 크라운 이큅먼트 코포레이션 산업용 차량을 위한 사용자 인터페이스 디바이스
US10423638B2 (en) * 2017-04-27 2019-09-24 Google Llc Cloud inference system
US11789413B2 (en) 2017-06-19 2023-10-17 Deere & Company Self-learning control system for a mobile machine
US11589507B2 (en) 2017-06-19 2023-02-28 Deere & Company Combine harvester control interface for operator and/or remote user
US10310455B2 (en) 2017-06-19 2019-06-04 Deere & Company Combine harvester control and communication system
US10694668B2 (en) 2017-06-19 2020-06-30 Deere & Company Locally controlling settings on a combine harvester based on a remote settings adjustment
US10437243B2 (en) 2017-06-19 2019-10-08 Deere & Company Combine harvester control interface for operator and/or remote user
JP7027738B2 (ja) * 2017-09-06 2022-03-02 株式会社デンソー 運転支援装置
JP7069617B2 (ja) * 2017-09-27 2022-05-18 富士フイルムビジネスイノベーション株式会社 行動情報処理装置
US10782672B2 (en) * 2018-05-15 2020-09-22 Deere & Company Machine control system using performance score based setting adjustment
US10800409B2 (en) * 2018-09-04 2020-10-13 Caterpillar Paving Products Inc. Systems and methods for operating a mobile machine using detected sounds
US10762791B2 (en) 2018-10-29 2020-09-01 Peloton Technology, Inc. Systems and methods for managing communications between vehicles
US10940870B1 (en) * 2018-11-28 2021-03-09 BlueOwl, LLC Systems and methods for visualizing predicted driving risk
KR20200076470A (ko) 2018-12-19 2020-06-29 주식회사 두산 산업차량, 건설 또는 물류장비의 운영 및 물류 관리 시스템을 위한 가변형 통신 알고리즘
JP7275661B2 (ja) * 2019-03-01 2023-05-18 日本電信電話株式会社 文生成装置、文生成方法、文生成学習装置、文生成学習方法及びプログラム
US11427196B2 (en) 2019-04-15 2022-08-30 Peloton Technology, Inc. Systems and methods for managing tractor-trailers
US11586854B2 (en) * 2020-03-26 2023-02-21 Intel Corporation Devices and methods for accurately identifying objects in a vehicle's environment
WO2021202602A1 (en) * 2020-03-30 2021-10-07 Moove.Ai Vehicle-data analytics
EP4139786A4 (en) * 2020-04-22 2024-05-01 Speadtech Limited MULTI-SENSORY PERFORMANCE ENHANCEMENT SYSTEM
MX2023003898A (es) 2020-10-05 2023-04-24 Crown Equip Corp Sistemas y metodos para la deteccion de la posicion relativa y la aplicacion de campo de vehiculos de manipulacion de materiales que utilizan tecnologia de radio de banda ultraancha.
US20220383773A1 (en) * 2021-06-01 2022-12-01 Category, LLC System, Method, and Apparatus for Maneuver Training
IT202200019938A1 (it) * 2022-09-28 2024-03-28 Fassi Gru S P A Sistema adattativo per la movimentazione di un braccio articolato, in particolare di una gru articolata

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101799362A (zh) * 2009-01-13 2010-08-11 通用汽车环球科技运作公司 基于驾驶员行为的远程车辆误操作报警和自动维护
EP2296124A1 (en) * 2008-06-06 2011-03-16 Yamashiro Driving School System for automatic evaluation of driving behavior
US20120068860A1 (en) * 2010-09-17 2012-03-22 Honda Motor Co., Ltd. Traffic Control Database And Distribution System
CN102829980A (zh) * 2012-03-29 2012-12-19 中国科学院自动化研究所 一种智能车辆的智能程度测评方法
CN103049594A (zh) * 2011-10-11 2013-04-17 通用汽车环球科技运作有限责任公司 用于车辆操作的效率得分跟踪器

Family Cites Families (50)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6162060A (en) * 1991-08-09 2000-12-19 Texas Instruments Incorporated System and method for the delivery, authoring, and management of courseware over a computer network
US5758299A (en) * 1995-11-03 1998-05-26 Caterpillar Inc. Method for generating performance ratings for a vehicle operator
US8140358B1 (en) 1996-01-29 2012-03-20 Progressive Casualty Insurance Company Vehicle monitoring system
US6516273B1 (en) 1999-11-04 2003-02-04 Veridian Engineering, Inc. Method and apparatus for determination and warning of potential violation of intersection traffic control devices
US20030129574A1 (en) * 1999-12-30 2003-07-10 Cerego Llc, System, apparatus and method for maximizing effectiveness and efficiency of learning, retaining and retrieving knowledge and skills
US6419496B1 (en) * 2000-03-28 2002-07-16 William Vaughan, Jr. Learning method
FR2810307B1 (fr) * 2000-06-14 2005-04-08 Nippon Yusoki Co Ltd Vehicule de manutention, chariot retractable et chariot elevateur
US6909947B2 (en) 2000-10-14 2005-06-21 Motorola, Inc. System and method for driver performance improvement
US20030023592A1 (en) * 2001-07-27 2003-01-30 Rapiscan Security Products (Usa), Inc. Method and system for certifying operators of x-ray inspection systems
US20030113694A1 (en) 2001-12-18 2003-06-19 Develop Your Game, Inc. Data processing method and system for processing and managing repetitive motion data between diverse geographic locations
US20030222898A1 (en) * 2002-06-03 2003-12-04 International Business Machines Corporation Integrated wizard user interface
US20040122580A1 (en) * 2002-12-23 2004-06-24 Sorrells Giles K. Method and apparatus for determining road conditions
US8750782B2 (en) * 2003-04-02 2014-06-10 Joseph M. Scandura Building and delivering highly adaptive and configurable tutoring systems
DE602004032226D1 (de) * 2003-05-15 2011-05-26 Speedgauge Inc System und verfahren zur bewertung der fahrzeug- und bedienerleistungsfähigkeit
US7821421B2 (en) * 2003-07-07 2010-10-26 Sensomatix Ltd. Traffic information system
US7389178B2 (en) * 2003-12-11 2008-06-17 Greenroad Driving Technologies Ltd. System and method for vehicle driver behavior analysis and evaluation
EP1763862B1 (en) 2004-06-01 2011-10-12 Persen Technologies Incorporated Vehicle warning system with improved power supply
US20060053038A1 (en) 2004-09-08 2006-03-09 Warren Gregory S Calculation of driver score based on vehicle operation
JP2006127055A (ja) * 2004-10-27 2006-05-18 Denso Corp 車両用情報提示装置
US20060246411A1 (en) * 2005-04-27 2006-11-02 Yang Steven P Learning apparatus and method
US7659827B2 (en) * 2006-05-08 2010-02-09 Drivecam, Inc. System and method for taking risk out of driving
US8508353B2 (en) 2009-01-26 2013-08-13 Drivecam, Inc. Driver risk assessment system and method having calibrating automatic event scoring
US20070277097A1 (en) * 2006-05-25 2007-11-29 Erik Frederick Hennum Apparatus, system, and method for context-aware authoring transform
EP2115692A4 (en) * 2006-12-13 2011-11-16 Crown Equip Corp FLEET MANAGEMENT SYSTEM
US20080243558A1 (en) 2007-03-27 2008-10-02 Ash Gupte System and method for monitoring driving behavior with feedback
US20080254433A1 (en) 2007-04-12 2008-10-16 Microsoft Corporation Learning trophies in a computerized learning environment
FR2917690B1 (fr) * 2007-06-19 2009-10-30 Peugeot Citroen Automobiles Sa Procede interactif pour aider le conducteur d'un vehicule automobile a adopter une conduite economique et vehicule mettant en oeuvre ce procede.
US9129460B2 (en) 2007-06-25 2015-09-08 Inthinc Technology Solutions, Inc. System and method for monitoring and improving driver behavior
CA2617976A1 (en) 2008-01-11 2009-07-11 John Dasilva Personnel safety system utilizing time variable frequencies
US8700255B2 (en) 2008-10-08 2014-04-15 Trimble Navigation Limited Devices, systems, and methods for monitoring driver and vehicle behavior
US8126642B2 (en) * 2008-10-24 2012-02-28 Gray & Company, Inc. Control and systems for autonomously driven vehicles
CA2797354C (en) 2009-04-30 2018-03-06 Strata Proximity Systems, Llc Proximity warning system with silent zones
WO2010132555A1 (en) 2009-05-12 2010-11-18 The Children's Hospital Of Philadelhia Individualized mastery-based driver training
US8301475B2 (en) * 2010-05-10 2012-10-30 Microsoft Corporation Organizational behavior monitoring analysis and influence
WO2011143402A2 (en) 2010-05-12 2011-11-17 Proxisafe Ltd. Event warning system and method thereof
GB2483251A (en) 2010-09-01 2012-03-07 Ricardo Uk Ltd Driver feedback system and method
US20120143952A1 (en) * 2010-12-01 2012-06-07 Von Graf Fred System and method for event framework
US20120196252A1 (en) * 2011-02-02 2012-08-02 Matthew James Jensen Tailgating Scenario Safety Training Device And Methods
US20120245817A1 (en) * 2011-03-23 2012-09-27 Tk Holdings Inc. Driver assistance system
GB2495265A (en) 2011-07-07 2013-04-10 Toyota Motor Europe Nv Sa Artificial memory system for predicting behaviours in order to assist in the control of a system, e.g. stability control in a vehicle
WO2013012926A1 (en) * 2011-07-21 2013-01-24 Bendix Commercial Vehicle Systems Llc A vehicular fleet management system and methods of monitoring and improving driver performance in fleet vehicles
JP5664978B2 (ja) 2011-08-22 2015-02-04 日立コンシューマエレクトロニクス株式会社 学習支援システム及び学習支援方法
US20130143181A1 (en) 2011-12-05 2013-06-06 Ford Global Technologies, Llc In-vehicle training system for teaching fuel economy
DE102012214464A1 (de) * 2012-08-14 2014-02-20 Ford Global Technologies, Llc System zur Überwachung und Analyse des Fahrverhaltens eines Fahrers in einem Kraftfahrzeug
WO2014028892A1 (en) 2012-08-16 2014-02-20 Schlage Lock Company Llc Wireless electronic lock system and method
US9852625B2 (en) * 2012-09-17 2017-12-26 Volvo Truck Corporation Method and system for providing a tutorial message to a driver of a vehicle
US9424696B2 (en) * 2012-10-04 2016-08-23 Zonar Systems, Inc. Virtual trainer for in vehicle driver coaching and to collect metrics to improve driver performance
US20140322676A1 (en) * 2013-04-26 2014-10-30 Verizon Patent And Licensing Inc. Method and system for providing driving quality feedback and automotive support
MX358031B (es) 2013-09-05 2018-08-02 Crown Equip Corp Analizador dinámico de comportamiento del operador.
US20170286826A1 (en) * 2016-03-30 2017-10-05 Nec Laboratories America, Inc. Real-time deep learning for danger prediction using heterogeneous time-series sensor data

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2296124A1 (en) * 2008-06-06 2011-03-16 Yamashiro Driving School System for automatic evaluation of driving behavior
CN101799362A (zh) * 2009-01-13 2010-08-11 通用汽车环球科技运作公司 基于驾驶员行为的远程车辆误操作报警和自动维护
US20120068860A1 (en) * 2010-09-17 2012-03-22 Honda Motor Co., Ltd. Traffic Control Database And Distribution System
CN103049594A (zh) * 2011-10-11 2013-04-17 通用汽车环球科技运作有限责任公司 用于车辆操作的效率得分跟踪器
CN102829980A (zh) * 2012-03-29 2012-12-19 中国科学院自动化研究所 一种智能车辆的智能程度测评方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109478267A (zh) * 2016-08-25 2019-03-15 克朗设备公司 基于观察的事件跟踪
US11195153B2 (en) 2016-08-25 2021-12-07 Crown Equipment Corporation Observation based event tracking
CN109478267B (zh) * 2016-08-25 2022-03-29 克朗设备公司 基于观察的事件跟踪
CN107891868A (zh) * 2016-10-04 2018-04-10 通用汽车环球科技运作有限责任公司 虚拟驾驶学校
CN108876683A (zh) * 2017-05-11 2018-11-23 张堂贤 利用游戏社群协助交通管理系统及其方法
CN108876683B (zh) * 2017-05-11 2021-08-24 张堂贤 利用游戏社群协助交通管理系统及其方法
CN111105106A (zh) * 2018-10-25 2020-05-05 玳能本股份有限公司 操作评价装置、操作评价方法及操作评价系统
CN111465932A (zh) * 2018-11-21 2020-07-28 谷歌有限责任公司 将来自查询的响应整合到异构数据源
CN111465932B (zh) * 2018-11-21 2024-04-02 谷歌有限责任公司 将来自查询的响应整合到异构数据源
CN109919505A (zh) * 2019-03-14 2019-06-21 上海达慧智能科技有限公司 一种操作状态判断方法、装置、系统、设备和存储介质
CN112824312A (zh) * 2019-11-21 2021-05-21 雷蒙德股份有限公司 基于任务分类的物料搬运车辆行为修改

Also Published As

Publication number Publication date
CA2918506A1 (en) 2015-03-12
KR102263813B1 (ko) 2021-06-14
AU2019201794A1 (en) 2019-04-04
US11935426B2 (en) 2024-03-19
US20170178536A1 (en) 2017-06-22
US20150064668A1 (en) 2015-03-05
US20200135051A1 (en) 2020-04-30
EP3042174A2 (en) 2016-07-13
EP3671174B1 (en) 2023-11-01
CA2918506C (en) 2022-03-22
US10991266B2 (en) 2021-04-27
AU2014315126A1 (en) 2016-04-07
EP3671174A1 (en) 2020-06-24
AU2019201794B2 (en) 2021-01-28
EP3042174A4 (en) 2017-01-25
MX2016002842A (es) 2016-06-17
US11694572B2 (en) 2023-07-04
MX358031B (es) 2018-08-02
US20210082312A1 (en) 2021-03-18
WO2015035130A2 (en) 2015-03-12
CN105579823B (zh) 2018-09-18
US20210272475A1 (en) 2021-09-02
US9626879B2 (en) 2017-04-18
WO2015035130A3 (en) 2015-08-06
EP3042174B1 (en) 2020-01-15
KR20160051861A (ko) 2016-05-11
AU2023202256A1 (en) 2023-05-04
AU2021202359A1 (en) 2021-05-13
AU2014315126B2 (en) 2018-12-20
US10522054B2 (en) 2019-12-31

Similar Documents

Publication Publication Date Title
CN105579823A (zh) 动态操作员行为分析器
CN102483836B (zh) 用于工业车辆的信息系统
CN104036359B (zh) 车队管理系统
CN102574528B (zh) 可与车队管理系统一起使用的撞击感应
CN104885103B (zh) 追踪工业车辆操作员质量的方法和设备
KR20180011142A (ko) 산업용 차량 지리적 특징 시스템
KR20170054462A (ko) 동적 산업 차량 측정
CN107548503A (zh) 具有平滑过滤器的动态车辆性能分析仪
AU2023202256B2 (en) Dynamic operator behavior analyzer

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant