CN111164622A - 作业分析装置以及作业分析方法 - Google Patents
作业分析装置以及作业分析方法 Download PDFInfo
- Publication number
- CN111164622A CN111164622A CN201780095513.7A CN201780095513A CN111164622A CN 111164622 A CN111164622 A CN 111164622A CN 201780095513 A CN201780095513 A CN 201780095513A CN 111164622 A CN111164622 A CN 111164622A
- Authority
- CN
- China
- Prior art keywords
- job
- granularity
- management
- work
- information
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 claims abstract description 180
- 230000008569 process Effects 0.000 claims abstract description 152
- 230000006872 improvement Effects 0.000 claims abstract description 128
- 238000011156 evaluation Methods 0.000 claims abstract description 115
- 238000000605 extraction Methods 0.000 claims abstract description 46
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 239000000284 extract Substances 0.000 claims abstract description 12
- 235000019580 granularity Nutrition 0.000 claims description 143
- 238000003860 storage Methods 0.000 claims description 44
- 230000009471 action Effects 0.000 claims description 15
- 239000002245 particle Substances 0.000 description 27
- 238000012545 processing Methods 0.000 description 23
- 238000012937 correction Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 18
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 14
- 230000033001 locomotion Effects 0.000 description 13
- 238000004519 manufacturing process Methods 0.000 description 7
- 230000005484 gravity Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000006854 communication Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000007175 bidirectional communication Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
作业分析装置执行从适当的管理粒度的确定到改善点的提取的一系列的处理而无需依靠人力。作业分析装置的特征在于,具备:管理粒度确定部,基于蓄积了与执行完毕的多个作业有关的信息的实际成果信息,确定每个工序的管理粒度;评价值计算部,基于所述作业实际成果信息,计算针对各作业的多个评价指标各自的评价值;作业分类部,根据确定的每个工序的管理粒度将作业分组为管理粒度组,基于针对所述作业计算的所述多个评价指标各自的评价值,从属于各管理粒度组的多个所述作业中,将优秀作业进行分类;以及作业改善点提取部,基于所述各管理粒度组的所述优秀作业的所述评价值,提取属于所述各管理粒度组的非优秀作业的作业改善点。
Description
技术领域
本发明涉及作业分析装置以及作业分析方法。
背景技术
为了提高产品的生产效率,需要分析作业时间,提取作业的改善点。为了分析作业时间,需要通过适当的管理粒度对作业进行分组。
例如,在分析升降机等非量产品的制造作业的情况下,由于生产线、制造方法根据产品的规格而不同,因此优选组合各工序中的作业内容、产品的规格、作业者等来确定管理粒度。
作为确定管理粒度的技术,例如在专利文献1中记载了参照时间推定装置,该参照时间推定装置“具有:作业种类分类部11,按照作业时间历史数据中包括的每个作业种类项目值进行分类并生成作业时间历史数据;代表参考时间计算部12,根据作业时间历史数据按照每个作业种类项目值计算代表参考时间;属性项目分类部13,按照每个属性项目值对作业时间历史数据进行分类并生成作业时间历史数据;细分参考时间计算部14,根据作业时间历史数据按照每个属性项目值计算细分参考时间;以及有意义性评价部15,将判断为存在有意义性的细分参考时间设定为该属性项目值的参考时间,对于不是这样的属性项目值,将代表参考时间设定为参考时间”。
在先技术文献
专利文献
专利文献1:日本特开2015-148961号公报
发明内容
发明要解决的课题
在专利文献1记载的技术中,通过判断各属性的作业时间的差是否有意义来计算管理粒度,但是在作业实际成果的数据数量少的情况下,无法进行是否有意义的判断。
此外,以往,虽然也存在从确定管理粒度到提取改善点的技术,但是作业的评价指标只有作业时间,为了使用其他的评价指标,需要通过人进行的目视确认。
本发明是鉴于这种状况而完成的,目的是使得能够执行从确定适当的管理粒度到提取改善点的一系列的处理而无需依靠人力。
用于解决课题的技术方案
本申请包括多个解决上述课题的至少一部分的技术方案,如果举出其例子,则为如下所述。为了解决上述课题,本发明的一个方式所涉及的作业分析装置的特征在于:管理粒度确定部,基于蓄积了与执行完毕的多个作业有关的信息的实际成果信息,确定每个工序的管理粒度;评价值计算部,基于所述作业实际成果信息,计算针对各作业的多个评价指标各自的评价值;作业分类部,根据确定的每个工序的管理粒度将作业分组为管理粒度组,基于针对所述作业计算的所述多个评价指标各自的评价值,从属于各管理粒度组的多个所述作业中,将优秀作业进行分类;以及作业改善点提取部,基于所述各管理粒度组的所述优秀作业的所述评价值,提取属于所述各管理粒度组的非优秀作业的作业改善点。
发明效果
根据本发明,能够执行从适当的管理粒度的确定到改善点的提取的一系列的处理而无需依靠人力。上述以外的课题、结构以及效果通过以下的实施方式的说明而变得明了。
附图说明
图1是示出作为本发明所涉及的一个实施方式的作业分析系统的结构例的框图。
图2是示出作业实际成果信息的数据构造的一个例子的图。
图3是示出管理粒度信息的数据构造的一个例子的图。
图4是示出动作路线信息的数据构造的一个例子的图。
图5是示出评价值信息的数据构造的一个例子的图。
图6是示出作业分类信息的数据构造的一个例子的图。
图7是示出按区域评价值信息的数据构造的一个例子的图。
图8是示出作业改善点信息的数据构造的一个例子的图。
图9是示出作业改善点库信息的数据构造的一个例子的图。
图10是对作业分析系统的作业分析处理的一个例子进行说明的流程图。
图11是示出对各分析粒度的作业时间的偏差程度进行了可视化的一个例子的图。
图12是示出各分析粒度的平均作业时间的计算结果的一个例子的图。
图13是示出各分析粒度的绝对值误差的计算结果的一个例子的图。
图14是示出输出画面的一个例子的图。
图15是示出编辑画面的一个例子的图。
图16是对编辑处理的一个例子进行说明的流程图。
图17是示出计算机的结构例的框图。
具体实施方式
以下,基于附图说明本发明所涉及的一个实施方式。另外,在用于说明一个实施方式的全部附图中,原则上对相同的构件标注相同的附图标记,省略其重复的说明。此外,在以下的实施方式中,其构成要素(也包括要素步骤等)除了特别明示的情况以及原理上明确认为是必须的情况等以外,当然未必是必须的。此外,在说到“由A构成”,“由A组成”,“具有A”,“包括A”时,除了特别明示仅为该要素的情况等以外,当然不排除除此以外的要素。同样地,在以下的实施方式中,在提及构成要素等的形状、位置关系等时,除了特别明示的情况以及原理上明确认为并非如此的情况等以外,包括实质上与该形状等近似或类似的形状等。
在本说明书中,“作业”是指形成制造产品的一系列的动作的多个划分的单位。作业具有分别表示工序、作业内容、机种、作业者的信息作为其属性信息。
此外,“粒度”表示为了按照每个工序分析作业而分组为组时的条件的组合。例如,制造升降机的一系列的动作由多个工序构成,相同的工序中也存在不同的作业内容,或者存在制造的机种的差异,或者作业者不同,因此各作业能够以工序、作业内容、机种以及作业者的组合为条件分组为组。
具体地,管理粒度仅设为工序,但是还能够将工序与机种、作业内容以及作业者当中的至少一个进行组合。
例如,在以最少的条件对各作业进行分组的情况下,管理粒度仅设为工序即可。此外,“粒度粗”意指分组时的条件少。相反,“粒度细”意指分组时的条件多。
<作为本发明所涉及的一个实施方式的作业分析系统的结构例>
图1是示出作为本发明所涉及的一个实施方式(以下,称为本实施方式)的作业分析系统的结构例的框图。
该作业分析系统100通过作业分析装置101经由网络102与用户终端103和数据库104连接而构成。
作业分析装置101按照每个工序分析执行完毕的作业并提取作业改善点。在此,作业改善点是指在执行完毕的作业中,例如需要长作业时间等应改善的点。
网络102例如是包括LAN(Local Area Network,局域网)、WAN(Wide AreaNetwork,广域网)、VPN(Virtual Private Network,虚拟专用网)、因特网等的双向通信网。
用户终端103例如由个人计算机等构成,接受用户指定分析对象的工序、新登记或者编辑作业改善点库信息128的记录的操作,并将该操作信息经由网络102发送到作业分析装置101。此外,用户终端103在显示器(未图示)上显示表示从作业分析装置101供给的分析结果等的输出画面1300(图14)等并向用户提示。
数据库104例如存储MES(Manufacturing Execution System,制造执行系统)等系统或者以其为基准的数据。具体地,将蓄积了与执行完毕的作业有关的信息的作业实际成果信息进行存储,将存储的作业实际成果信息当中的、与指定为分析对象工序的工序有关的作业实际成果信息供给到作业分析装置101。
对作业分析装置101进行详述。作业分析装置101例如由个人计算机或者服务器计算机等构成,具备运算部110、存储部120、输入部130以及输出部140。
运算部110具有管理粒度确定部111、评价值计算部112、作业分类部113以及作业改善点提取部114。
管理粒度确定部111基于从数据库104供给并存储在存储部120中的作业实际成果信息121(详细后述),根据预先确定的多个分析粒度将属于各工序的作业分组为分析粒度组,计算属于各分析粒度组的作业的平均作业时间。
在此,分析粒度仅是工序或者将工序与作业内容、机种以及作业者这三个项目当中的至少一个项目进行组合而得到的。例如,在工序、作业内容、机种以及作业者分别各自存在三种类型的情况下,如果分析粒度仅是工序,则属于某个工序的作业被分组为一个分析粒度组。此外,如果分析粒度是工序和机种,则属于某个工序的作业分组为三个分析粒度组。
此外,管理粒度确定部111计算属于各分析粒度组的作业的作业时间的偏差程度,将计算的偏差程度为最小的分析粒度确定为该工序中的管理粒度。例如,管理粒度确定部111计算属于各分析粒度组的作业的作业时间和平均作业时间的绝对值误差并计算它们的总和,将绝对值误差的总和为最小的分析粒度确定为该工序中的管理粒度。进而,管理粒度确定部111将管理粒度存放在存储部120存储的管理粒度信息122(详细后述)中。
另外,在本实施方式中,虽然将每个工序的管理粒度以及分析粒度的项目设为工序、作业内容、机种以及作业者这四个项目,但也可以追加材料等其他的项目。
评价值计算部112从存储部120存储的作业实际成果信息121(详细后述)中包括的、拍摄了作业的运动图像文件中检测表示各作业中的作业者的移动路径的动作路线信息,并将检测结果存放在存储部120存储的动作路线信息123(详细后述)中。此外,评价值计算部112基于作业实际成果信息121和动作路线信息123,计算成为作业的评价指标的作业时间、动作路线距离以及非工作比例。进而,评价值计算部112将算出的各评价值存放在存储部120存储的评价值信息124(详细后述)中。
作业分类部113基于存储部120存储的作业实际成果信息121、管理粒度信息122以及评价值信息124,根据各工序的管理粒度将作业分组为管理粒度组,并从管理粒度组中选定优秀作业。此外,作业分类部113将选定的优秀作业存放在存储部120存储的作业分类信息125(详细后述)中。
作业改善点提取部114将存储部120存储的作业实际成果信息121中包括的、拍摄了作业的运动图像文件的视场角分割为多个作业区域。此外,作业改善点提取部114基于存储部120存储的作业实际成果信息121、管理粒度信息122以及动作路线信息123,按照每个分割的作业区域,计算成为各作业的评价指标的评价值。进而,作业改善点提取部114将每个作业区域的评价值存放在存储部120存储的按区域评价值信息126中。进而,作业改善点提取部114基于存储部120存储的作业分类信息125、按区域评价值信息126以及作业改善点库信息128,提取作业的改善点。另外,进而,作业改善点提取部114将提取的改善点存放在存储部120存储的作业改善点信息127中。
存储部120存储作业分析所需的信息,具体地,存储作业实际成果信息121、管理粒度信息122、动作路线信息123、评价值信息124、作业分类信息125、按区域评价值信息126、作业改善点信息127以及作业改善点库信息128。
输入部130接受经由网络102从用户终端103发送的操作信息并通知给运算部110。此外,输入部130接受经由网络102从数据库104供给的作业实际成果信息,并追加到存储部120存储的作业实际成果信息121中。进而,输入部130根据从用户终端103发送的操作信息当中、对所述作业改善点库信息128的编辑的操作信息,变更存储部120存储的作业改善点库信息128。
输出部140(相当于本发明的提示控制部)使表示作业的分析结果的输出画面1300(图14)显示在用户终端103的显示器上。此外,输出部140使作业改善点库信息128的编辑画面1500(图16)显示在用户终端103的显示器上。
接下来,图2示出了作业实际成果信息121的数据构造的一个例子。在作业实际成果信息121中,蓄积了与实施完毕的多个作业有关的信息。
作业实际成果信息121由与各作业对应的多个记录构成,各记录具有作业ID字段1211、工序字段1212、作业内容字段1213、机种字段1214、作业者字段1215、开始时刻字段1216、结束时刻字段1217以及运动图像文件字段1218。
在作业ID字段1211中,存放有用于识别各作业的作业ID(Identification)信息。在工序字段1212中,存放有工序信息。在此,工序信息是指表示在制造产品的一系列的动作中顺次执行的多个工序中的哪一个的信息。
在作业内容字段1213中,存放有表示工序字段1212中存放的工序信息所表示的工序(以下,称为该工序)的作业内容的信息。另外,对于相同的工序,也可以存在不同的多个作业内容。
在机种字段1214中,存放有表示在该工序中制造的产品的机种的信息。在作业者字段1215中,存放有表示担当该工序的作业者的信息。在开始时刻字段1216中,存放有作业的开始时刻。在结束时刻字段1217中,存放有作业的结束时刻。在运动图像文件字段1218中,存放有拍摄了作业的运动图像文件。另外,运动图像文件的帧频例如为1fps(framesper second,每秒帧数)左右即可,但也可以是比30fps等高的帧频。
在图2的例子中,例如,在作业ID=作业1的记录中,在工序字段1212中存放有“工序1”,在作业内容字段1213中存放有“作业内容1”,在机种字段1214中存放“机种1”,在作业者字段1215中存放有“作业者1”。此外,在开始时刻字段1216中存放有“2017/4/29:00”,在结束时刻字段1217中存放有“2017/4/29:30”,在运动图像文件字段1218中存放有“运动图像文件./movie1”。
图3示出了管理粒度信息122的数据构造的一个例子。在管理粒度信息122中,存放有表示各工序的管理粒度的信息。
管理粒度信息122由多个记录构成,各记录具有工序字段1221、用于表示管理粒度的作业内容字段1222、机种字段1223以及作业者字段1224。
在工序字段1221中,存放有表示工序的工序信息。
在作业内容字段1222中,存放有是否采用作业内容的信息作为该工序的管理粒度。具体地,在采用作业内容作为管理粒度的情况下存放有“○”,在不采用的情况下存放有“-”。
在机种字段1223中,存放有是否采用机种的信息作为该工序的管理粒度。具体地,在采用机种作为管理粒度的情况下存放有“○”,在不采用的情况下存放有“-”。
在作业者字段1224中,存放有是否采用作业者的信息作为该工序的管理粒度。具体地,在采用作业者作为管理粒度的情况下存放有“○”,在不采用的情况下存放有“-”。
在图3的例子中,例如,也可以不采用作业内容、机种以及作业者中的任意一个作为工序1的管理粒度。在该情况下,表示采用工序作为工序1的管理粒度。因此,将属于工序1的全部的作业分组为相同的管理粒度组并进行分析。
此外,例如,表示对工序2的管理粒度采用了机种。因此,将属于工序2的作业按照每个机种分组为不同的管理粒度组并进行分析。
图4示出了动作路线信息123的数据构造的一个例子。在动作路线信息123中,存放有在各作业中与作业者的动作路线有关的信息。
动作路线信息123由多个记录构成,各记录由作业ID字段1231、帧字段1232、X坐标字段1233以及Y坐标字段1234构成。
在作业ID字段1231中,存放有识别各作业的作业ID。在帧字段1232中,存放有构成运动图像文件的帧的帧编号。在X坐标字段1233和Y坐标字段1234中,存放有该帧下的作业者的重心位置的X坐标和Y坐标。
图4的例子表示作业1的运动图像文件的各帧下的作业者的重心的X、Y坐标,例如表示帧1中的X、Y坐标为(29、16),帧2中的X、Y坐标为(25、10)。
图5示出了评价值信息124的数据构造的一个例子。在评价值信息124中,存放有各作业的多个评价指标各自的评价值。
评价值信息124由多个记录构成,各记录具有作业ID字段1241、作业时间字段1242、动作路线距离字段1243以及非工作比例字段1244。
在作业ID字段1241中,存放有识别各作业的作业ID。在作业时间字段1242中,存放有作业时间作为评价指标的评价值。在动作路线距离字段1243中,存放有作业者的动作路线距离作为评价指标的评价值。在非工作比例字段1244中,存放有作为评价指标的评价值的非工作比例。
在图5的例子中,例如,作业1的评价指标表示作业时间为30分钟,动作路线距离为5m,非工作比例为10%,作业2的评价指标表示作业时间为50分钟,动作路线距离为7m,非工作比例为15%。
图6示出了作业分类信息125的数据构造的一个例子。在作业分类信息125中,存放有各工序的管理粒度下的优秀作业的信息。
作业分类信息125由多个记录构成,各记录具有工序字段1251、作业内容字段1252、机种字段1253、作业者字段1254以及作业ID字段1255。
在工序字段1251中,存放有表示工序的工序信息。在作业内容字段1252中,存放有与该工序的管理粒度当中的作业内容有关的信息。另外,在对该工序的管理粒度不采用作业内容的情况下,在作业内容字段1252中,存放有“-”。在机种字段1253中,存放与有该工序的管理粒度当中的机种有关的信息。另外,在对该工序的管理粒度不采用机种的情况下,在机种字段1253中,存放有“-”。在作业者字段1254中,存放有与该工序的管理粒度当中的作业者有关的信息。另外,在对该工序的管理粒度不采用作业者的情况下,在作业者字段1254中,存放有“-”。
在作业ID字段1255中,存放有表示该工序的管理粒度下的优秀作业的作业ID。
在图6的例子中,例如,表示工序1的管理粒度是工序,分组为工序1的管理粒度组的作业的优秀作业是作业1。此外,例如,表示工序2的管理粒度是机种,分组为工序2并且机种1的管理粒度组的作业的优秀作业是作业3和作业5。进而,表示分组为工序2并且机种2的管理粒度组的作业的优秀作业是作业11。
图7示出了按区域评价值信息126的数据构造的一个例子。在按区域评价值信息126中,存放有按每个作业区域汇总的成为各作业的评价指标的评价值信息。
按区域评价值信息126由多个记录构成,各记录具有作业ID字段1261、作业区域字段1262、提取开始时刻字段1263、提取结束时刻字段1264、作业时间字段1265、动作路线距离字段1266以及非工作比例字段1267。
在作业ID字段1261中,存放有识别各作业的作业ID。在作业区域字段1262中,存放有表示作业区域的信息。在提取开始时刻字段1263中,存放有该作业区域中的作业的开始时刻。在提取结束时刻字段1264中,存放有该作业区域中的作业的结束时刻。在作业时间字段1265中,存放有该作业区域中的作业时间。在动作路线距离字段1266中,存放有该作业区域中的作业者的动作路线距离。在非工作比例字段1267中,存放有非工作比例(详细后述)。
在图7的例子中,作业1的作业区域2中的作业时间表示从2017/4/2的9:10到9:15的5分钟,动作路线距离为2m,非工作比例为10%。
图8示出了作业改善点信息127的数据构造的一个例子。在作业改善点信息127中,存放有与在各工序的管理粒度中提取的作业的改善点有关的信息。
作业改善点信息127由多个记录构成,各记录具有作业ID字段1271、作业区域字段1272、改善点字段1273、提取开始时刻字段1274以及提取结束时刻字段1275。
在作业ID字段1271中,存放有提取了改善点的作业的作业ID。在作业区域字段1272中,存放有表示成为了改善点的对象的作业区域的信息。在改善点字段1273中,存放有改善点的具体内容。在提取开始时刻字段1274中,存放有改善点的提取开始时刻。在提取结束时刻字段1275中,存放有改善点的提取结束时刻。
在图8的例子中,表示在作业2的作业区域4中,在从2017/4/1的8:00到8:15之间提取了“手头进展迟缓”作为改善点。此外,表示在作业7的作业区域2中,在从2017/5/1的13:00到13:10之间提取了“超过移动距离”作为改善点。
图9是作业改善点库信息128的数据构造的一个例子。在作业改善点库信息128中,预先存放有从各工序中提取改善点时参照的信息。然而,用户能够新登记或者修正作业改善点库信息128。
作业改善点库信息128由多个记录构成,各记录具有工序字段1281、作业内容字段1282、机种字段1283、作业者字段1284、改善点字段1285、作业时间字段1286、动作路线距离字段1287以及非工作比例字段1288。
在工序字段1281中,存放有表示工序的工序信息。在作业内容字段1282中,存放有与该工序的管理粒度当中的作业内容有关的信息。另外,在对该工序的管理粒度不采用作业内容的情况下,在作业内容字段1282中,存放有“-”。在机种字段1283中,存放有与该工序的管理粒度当中的机种有关的信息。另外,在对该工序的管理粒度不采用机种的情况下,在机种字段1283中,存放有“-”。在作业者字段1284中,存放有与该工序的管理粒度当中的作业者有关的信息。另外,在对该工序的管理粒度不采用作业者的情况下,在作业者字段1284中,存放有“-”。
在改善点字段1285中,存放有被提取的改善点的内容。在作业时间字段1286中,存放有提取该改善点时参照的、优秀作业和非优秀作业的作业时间的差的阈值。在动作路线距离字段1287中,存放有提取该改善点时参照的、优秀作业和非优秀作业的动作路线距离的差的阈值。在非工作比例字段1288中,存放有提取该改善点时参照的、优秀作业和非优秀作业的非工作比例的差的阈值。
在图9的例子中,从工序1中提取“手头进展迟缓”作为改善点的条件表示与优秀作业的作业时间的差为10分以上。此外,从工序1中提取“超过移动距离”作为改善点的条件表示与优秀作业的移动距离的差为3m以上。
<作业分析系统100的作业分析处理>
接下来,图10是对作业分析系统100的作业分析处理的一个例子进行说明的流程图。
该作业分析处理以数据库104中记录有给定数量的作业实际成果信息为前提,例如根据来自用户的开始命令而开始。
首先,用户终端103接受来自用户的指定分析对象的工序的操作输入,经由网络102将该操作信息发送到作业分析装置101(步骤S11)。接下来,接收到该操作信息的作业分析装置101的输入部130从数据库104获取与该操作信息所表示的工序对应的全部的作业实际成果信息,并存放在存储部120存储的作业实际成果信息121中(步骤S12)。
接下来,运算部110的管理粒度确定部111基于存储部120的作业实际成果信息121,确定针对从用户终端103发送的操作信息所表示的工序的管理粒度,并存放在存储部120存储的管理粒度信息122中(步骤S13)。
对步骤S13的处理的细节进行说明。管理粒度确定部111从存储部120存储的作业实际成果信息121中读取与预先确定的分析粒度一致的记录,根据开始时刻和结束时刻计算各记录的作业时间。例如,在分析对象工序为工序1,分析粒度为工序的情况下,读取在作业实际成果信息121的工序字段1212中存放有工序1的记录,计算在各记录的开始时刻字段1216和结束时刻字段1217中分别存放的时刻的差作为作业时间。此外,例如,在分析对象工序为工序2,分析粒度为工序和机种的情况下,读取在作业实际成果信息121的工序字段1212中存放有工序2的记录,进而,按照机种字段1214中存放的每个机种ID分组为分析粒度组,并按照每个分析粒度组计算在各记录的开始时刻字段1216和结束时刻字段1217中分别存放的时刻的差作为作业时间。
图11是将计算的各记录的作业时间的偏差程度进行了可视化的图,其是在工序1和工序2中,针对仅以工序分组的分析粒度1和将工序和机种组合分组的分析粒度2,将分组为各分析粒度组的作业的作业时间进行绘制的分布图。另外,该图的横轴表示作业日,纵轴表示作业时间。此外,图11中的粗框线表示分别在工序1和工序2中,适合作为分析粒度1和分析粒度2的管理粒度的一方(其理由将在后面叙述)。
接下来,管理粒度确定部111对分组为分析粒度组的作业的作业时间的偏差程度进行定量化。具体地,管理粒度确定部111计算每个分析粒度组的平均作业时间。
然而,在作业实际成果信息121中,由于登记时的开始时刻、结束时刻的输入错误等,可能包括不完备数据。因此,管理粒度确定部111从作业实际成果信息121中除去可能为不完备数据的偏离值。
除去偏离值的方法存在几种,在本实施方式中,使用直方图的创建和Smirnov-Grubbs检验。首先,创建各作业的作业时间的直方图。在创建直方图时,通过Sturges的公式确定直方图的Bin数,但也可以通过其他的方法确定直方图的Bin数。之后,通过Smirnov-Grubbs检验,判断在创建的直方图中是否包括偏离值,在没有包括偏离值的情况下,将直方图的平均值作为平均作业时间。相反,在包括偏离值的情况下,再次创建直方图。具体地,提取直方图的频数为最高的范围和其前后的范围的记录,通过提取的数据再次创建直方图,进行Smirnov-Grubbs检验。之后,反复同样的处理,直到在创建的直方图中不再包括偏离值。另外,当再次创建直方图时,也可以设为取代提取直方图的频数为最高的范围和其前后的范围的记录,而仅提取频数为最高的范围等,即,提取其他的范围。
另外,对偏离值的除去,也可以使用上述方法以外的方法(基于箱形图的方法等)。
图12示出了除去偏离值之后的各分析粒度下的平均作业时间的计算结果的一个例子。图12与图11一样,示出了在工序1和工序2中,针对仅工序的分析粒度1和组合了工序和机种的分析粒度2,平均作业时间的计算结果。在图11的分布图上用虚线绘制图12所示的各分析粒度下的平均作业时间。工序1的分析粒度1下的平均作业时间为10,工序1的分析粒度2下的机种1的平均作业时间为11,机种2的平均作业时间为9,机种3的平均作业时间为12。此外,工序2的分析粒度1下的平均作业时间为20,工序2的分析粒度2下的机种1的平均作业时间为25,机种2的平均作业时间为35,机种3的平均作业时间为21。
接下来,管理粒度确定部111在各分析粒度中,将作业时间的偏差程度为最小的分析粒度确定为管理粒度。具体地,管理粒度确定部111将计算的平均作业时间和各记录的作业时间的绝对值误差的总和为最小的分析粒度确定为该工序的管理粒度。另外,作业时间的偏差程度的计算方法不限于上述具体例。例如,也可以设为计算方差、标准偏差等。
另外,在分析粒度之间(当前的情况下,分析粒度1和分析粒度2之间),在绝对值误差的总和相等的情况下,将分析粒度粗的一方确定为管理粒度。对于该采用方法,参照图13进行详述。
图13示出了在工序1和工序2中分析粒度1和分析粒度2的绝对值误差的总和。在工序1的情况下,分析粒度1的绝对值误差的总和为300,分析粒度2的绝对值误差的总和也为300(=120+100+80)。因此,在工序1的情况下,在分析粒度1和分析粒度2之间,绝对值误差的总和相等,因此分析粒度粗的一方的分析粒度1被确定为管理粒度。此外,在工序2的情况下,分析粒度1的绝对值误差的总和为400,分析粒度2的绝对值误差的总和为350(=200+50+100)。因此,在工序2的情况下,分析粒度2的绝对值误差的总和比分析粒度1小,因此分析粒度2被确定为管理粒度。
最后,管理粒度确定部111将确定的管理粒度存放在存储部120存储的管理粒度信息122(图3)中。例如,在图11的情况下,作为与工序1对应的记录,在管理粒度信息122的工序字段1221中存放“工序1”,在作业内容字段1222、机种字段1223以及作业者字段1224中存放“-”。同样地,作为与工序2对应的记录,在管理粒度信息122的工序字段1221中存放“工序2”,在作业内容字段1222以及作业者字段1224中存放“-”,在机种字段1223中存放“○”。
至此,结束步骤S13的处理的细节的说明。返回到图10的作业分析处理的说明。
接下来,评价值计算部112基于存储部120存储的作业实际成果信息121,计算作为各作业的评价指标的评价值的作业时间、动作路线距离以及非工作比例,将计算的评价值存放在存储部120存储的评价值信息124中(步骤S14)。
另外,在本实施方式中,作为作业的评价指标,采用作业时间、动作路线距离以及非工作比例这三个项目,但是也可以设为采用作业时间、动作路线距离以及非工作比例当中的至少两个。进而,除了上述三个项目以外,例如,也可以采用各姿态(站立、蹲下等)的时间、移动的顺畅度、说话的时间、眼睛的动作等作为评价指标。
对于步骤S14的处理的细节进行说明。首先,评价值计算部112为了计算评价值,通过从存储部120存储的作业实际成果信息121中读取各作业的运动图像文件并进行图像解析,从而创建动作路线数据。具体地,评价值计算部112在从作业实际成果信息121读取的运动图像文件的各帧上搜索作业者,获取作业者的重心的坐标。作为作业者的搜索方法,例如采用预先通过机械学习对作业者的特征进行学习,比较学习结果和各帧的图像的方法,也可以使用其他的方法。
之后,评价值计算部112将创建的动作路线数据存放在存储部120存储的动作路线信息123中。接下来,评价值计算部112基于作业实际成果信息121和动作路线信息123,计算作业时间、动作路线距离以及非工作比例。
关于作业时间,通过计算作业实际成果信息121当中、各作业的开始时刻和结束时刻的差来计算。关于动作路线距离,通过合计动作路线信息123的各帧之间的作业者的重心坐标的变化量,计算各作业的动作路线距离。关于非工作比例,从各作业的动作路线信息123中检测在预先指定的作业区域(不进行作业的区域)停留的时间,将检测的时间相对于作业时间的比例作为非工作比例计算。最后,评价值计算部112将计算的作业时间、动作路线距离以及非工作比例存放在存储部120存储的评价值信息124中。
至此,结束步骤S14的处理的细节的说明。返回到图10的作业分析处理的说明。接下来,作业分类部113从与步骤S11中指定的工序一致的作业中,进行分类优秀作业的作业分类(步骤S15)。
对步骤S15的处理的细节进行说明。首先,作业分类部113参照管理粒度信息122(图3)获取该工序的管理粒度,从作业实际成果信息121中获取与获取的管理粒度一致的记录。此外,作业分类部113参照获取的该记录的作业ID字段1211来获取与该工序的管理粒度一致的作业ID,并分组为管理粒度组。进而,作业分类部113从评价值信息124(图5)中获取与属于各管理粒度组的作业ID一致的记录。此外,进而,作业分类部113参照从评价值信息124中获取的记录,在作业时间、动作路线距离以及非工作比例的各评价值中,选定可以成为优秀作业的候补的记录。
例如,在步骤S11中指定的工序是工序1的情况下,从管理粒度信息122中获取粒度仅为工序这一情况,接下来,从作业实际成果信息121中获取与工序1一致的作业ID(图2的情况下,作业1~作业7),并分组为管理粒度组。进而,从评价值信息124中,获取与作业1~作业7一致的记录。
此外,例如,在步骤S11中指定的工序是工序2的情况下,从管理粒度信息122中获取粒度为工序和机种这一情况,接下来,从作业实际成果信息121中获取与工序2和机种2一致的作业ID(图2的情况下,作业11)。进而,从评价值信息124中获取与作业11(在图5中,未图示)一致的记录。
以下,对基于作业时间的评价值可以成为优秀作业的候补的记录的选定方法进行说明。
首先,作业分类部113基于从评价值信息124中获取的记录,计算平均作业时间。另外,作为这里的平均作业时间的计算方法,与管理粒度确定部111中的处理同样地,在从作业时间中除去偏离值之后,计算平均作业时间。接下来,作业分类部113将作业时间为平均作业时间以下的记录选定为优秀作业的候补。
此外,作业分类部113对于作业时间以外的评价值,也同样地,对于动作路线距离,将平均动作路线距离以下的记录选定为优秀作业的候补,对于非工作比例,将平均非工作比例以下的记录选定为优秀作业的候补。
接下来,作业分类部113在全部的评价指标(作业时间、动作路线距离以及非工作比例)中将选定为优秀作业的候补的记录选定为优秀作业。另外,在多个记录在全部的评价值中成为优秀作业的候补的情况下,将相应的多个记录选定为优秀作业。
最后,作业分类部113将选定的优秀作业的记录存放在存储部120存储的作业分类信息125中。在图3的工序1的情况下,管理粒度仅为工序,因此作业分类部113在工序字段1251中存放“工序1”,在作业内容字段1252、机种字段1253以及作业者字段1254中存放“-”,在作业ID字段1255中存放选定为优秀作业的“作业1”。此外,在图3的工序2的情况下,管理粒度为工序和机种,因此作业分类部113在工序字段1251中存放“工序2”,并存放机种字段1253的“机种1”,在作业内容字段1252和作业者字段1254中存放“-”,在作业ID字段1255中存放选定为优秀作业的“作业3”。此外,作业分类部113在工序字段1251中存放“工序2”,并存放机种字段1253的“机种1”,在作业内容字段1252和作业者字段1254中存放“-”,在作业ID字段1255中存放选定为优秀作业的“作业5”。进而,作业分类部113在工序字段1251中存放“工序2”,并存放机种字段1253的“机种2”,在作业内容字段1252和作业者字段1254中存放“-”,在作业ID字段1255中存放选定为优秀作业的“作业11”。
至此,结束步骤S15的处理的细节的说明。返回到图10的作业分析处理的说明。
接下来,作业改善点提取部114基于存储部120存储的作业实际成果信息121、管理粒度信息122、动作路线信息123、作业分类信息125以及作业改善点库信息128,提取步骤S11中指定的工序的管理粒度下的、作业的改善点,将提取的改善点存放在存储部120存储的作业改善点信息127中(步骤S16)。
对步骤S16的处理的细节进行说明。首先,作业改善点提取部114参照管理粒度信息122来获取步骤S11中指定的工序的管理粒度,从作业实际成果信息121中获取与获取的管理粒度一致的记录并确定作业ID。
例如,在图3的工序1的情况下,管理粒度仅为工序,因此作业改善点提取部114从作业实际成果信息121中获取与工序1一致的记录并确定作业ID(图3的情况下,作业ID1~作业ID7)。
接下来,作业改善点提取部114从动作路线信息123中获取与确定的作业ID一致的记录,基于获取的记录中的作业者的重心的X、Y坐标,将该工序的运动图像文件的视场角分割为多个作业区域。
作为将运动图像文件的视场角分割为作业区域的方法,使用确定直方图的Bin数的Sturges的公式,根据动作路线信息123中存放的X坐标的数据,确定作业区域的水平方向的分割数,根据动作路线信息中存放的Y坐标的数据,确定作业区域的垂直方法的分割数。此外,也可以设为根据来自使用用户终端103的用户的输入,分割作业区域。
接下来,作业改善点提取部114在该工序的管理粒度中按照每个作业区域计算作为作业的评价值的作业时间、动作路线距离以及非工作比例。首先,作业改善点提取部114从管理粒度信息122和动作路线信息123中,获取与该工序的管理粒度一致的记录。例如,在图3的工序1的情况下,管理粒度仅为工序,因此作业改善点提取部114从作业实际成果信息121和动作路线信息123中获取工序信息与工序1一致的记录。
关于按作业区域的作业时间,比较该作业区域的范围和动作路线信息123中存放的作业者的重心坐标,作业者确定该作业区域中包括的帧,根据确定的帧和帧频数,计算该作业区域中的作业时间。此外,从确定的帧中,获取各作业区域中的作业的开始时刻和结束时刻。
关于按作业区域的动作路线距离,比较该作业区域的范围和动作路线信息123中存放的作业者的重心的坐标,作业者确定作业区域中包括的帧。之后,根据确定的帧之间的动作路线的变化距离,计算该作业区域中的动作路线距离。
关于按作业区域的非工作比例,比较作业区域的范围和线信息123中存放的作业者的重心的坐标,计算在该作业区域中的非作业区域停留的时间相对于该作业区域的作业时间的比例,计算按作业区域的非工作比例。
接下来,作业改善点提取部114将计算的按作业区域的作业时间、动作路线距离以及非工作比例、该作业区域中的作业的开始时刻以及结束时刻存放在按区域评价值信息126中。
接下来,作业改善点提取部114在该工序的管理粒度中,基于作业实际成果信息121、管理粒度信息122、作业分类信息125、按区域评价值信息126以及作业改善点库信息128,提取没有被分类为优秀作业的非优秀作业的改善点。具体地,首先,作业改善点提取部114基于作业分类信息125,获取该工序的管理粒度下的优秀作业。例如,图3的工序1的情况下,作业改善点提取部114从作业分类信息125中获取作业1作为工序1中的优秀作业。
接下来,作业改善点提取部114基于作业实际成果信息121和按区域评价值信息126,计算优秀作业和非优秀作业的各评价值的差,判断各评价值的差是否为作业改善点库信息128中登记的评价值的阈值以上,并提取改善点。
例如,在图3的工序1的情况下,作业改善点提取部114根据按区域评价值信息126(图7),计算作为优秀作业的作业1和作为非优秀作业的作业7的各评价值的差。在该情况下,作为优秀作业的作业1和作为非优秀作业的作业7的作业时间的差计算为“5分”,动作路线距离的差计算为“4m”,非工作比例的差计算为“10%”。进而,从作业改善点库信息128(图8)中获取各评价值的阈值,判断为动作路线距离的差“4m”为该阈值“3m”以上,选择“超过移动距离”作为作业7的改善点。
接下来,作业改善点提取部114将提取的改善点存放在存储部120存储的作业改善点信息127中。例如,在上述作业7的情况下,作业改善点提取部114在作业改善点信息127的作业ID字段1271中存放“作业7”,在作业区域字段1272中存放“区域2”,在改善点字段1273中存放“超过移动距离”。进而,作业改善点提取部114在作业改善点信息127的提取开始时刻字段1274中存放“2017/5/113:00”,在提取结束时刻字段1275中存放“2017/5/113:10”。
至此,结束步骤S16的处理的细节的说明。返回到图10的作业分析处理的说明。
最后,输出部140基于存储部120中存储的各信息,生成表示作业分析结果的输出画面1300(图14),经由网络102输出到用户终端103。此外,输出部140根据来自用户的对于输出画面1300的操作随时更新输出画面1300并输出到用户终端103。用户终端103通过在显示器上显示输出画面1300从而向用户提示(步骤S17)。至此,结束作业分析系统100的作业分析处理。
接下来,图14示出了用户终端103上显示的输出画面1300的显示例。输出画面1300具有工序信息选择栏1301、管理粒度显示栏1302、分析对象选择栏1303、优秀作业显示栏1304、作业改善点显示栏1305、作业改善点库信息显示栏1306以及库修正按钮1307。进而,输出画面1300具有优秀作业运动图像显示栏1308和提取作业运动图像显示栏1309。
在工序信息选择栏1301中,用户能够选择使分析结果显示的工序。在管理粒度显示栏1302中,显示该工序(工序信息选择栏1301中选择的工序)的管理粒度。在分析对象选择栏1303中,用户能够选择使分析结果显示的管理粒度的分析对象。另外,在该工序的管理粒度为工序的情况下,在管理粒度显示栏1302中显示“-”,在分析对象选择栏1303中,不能选择管理粒度的分析对象。此外,例如,在该工序的管理粒度为作业者的情况下,在管理粒度显示栏1302中显示“作业者”,在分析对象选择栏1303中,能够选择作业者。
在优秀作业显示栏1304中,作为该工序中的优秀作业的记录,显示作业ID和作业者。在作业改善点显示栏1305中,作为该工序中的非优秀作业即提取了改善点的作业的记录,显示作业ID、作业者、作业区域、改善点、提取开始时刻以及提取结束时刻。另外,在作业改善点显示栏1305中,用户能够选择所显示的记录,示出选择了被粗线框包围的记录(当前的情况下,作业7)。
在作业改善点库信息显示栏1306中,显示作业改善点显示栏1305中用户选择的作业的、成为提取了改善点的根据的评价指标的阈值、以及优秀作业和提取了改善点的作业的评价值的差。库修正按钮1307是用于使在作业改善点库信息128中新登记记录,或者修正登记完毕的记录的编辑处理开始的按钮,若按下库修正按钮1307,则显示编辑画面1500(图15)。
在优秀作业运动图像显示栏1308中,再现并显示该工序中的优秀作业的运动图像文件。在提取作业运动图像显示栏1309中,再现并显示作业改善点显示栏1305中用户选择的作业的运动图像文件。
接下来,图15示出了编辑画面1500的显示例。编辑画面1500具有工序信息选择栏1501、新登记接受部1502、登记按钮1503、修正接受部1504、修正按钮1505。
在工序信息选择栏1501中,用户能够选择在作业改善点库信息128中新登记的记录或者修正的记录的工序。
在新登记接受部1502中,用户能够输入在作业改善点库信息128中新登记的记录。另外,在使用新登记接受部1502新登记记录时,存在没有预先设定针对工序信息选择栏1501中选择的工序的管理粒度的情况。在该情况下,用户需要组合设定作业内容、机种、作业者,因此用户基于熟练者的经验等,设定针对所述工序的管理粒度即可。另外,在这里设定的管理粒度不适当的情况下,之后,基于作业分析装置101的作业解析的结果,使用后述的修正接受部1504修正管理粒度即可。
登记按钮1503能够指示输入到新登记接受部1502的记录的向作业改善点库信息128的登记。
在修正接受部1504中,使作业改善点库信息128显示现有的记录,用户能够进行修正。通过用户按下修正按钮1505,能够将由修正接受部1504输入的修正反映到作业改善点库信息128中。
接下来,图16是对能够新登记或者修正作业改善点库信息128的编辑处理的一个例子进行说明的流程图。该编辑处理响应于输出画面1300中库修正按钮1307被按下而开始,在用户终端103上显示编辑画面1500。
首先,用户在编辑画面1500的工序信息选择栏1501中选择工序之后,对新登记接受部1502进行输入并按下登记按钮1503,或者,对修正接受部1504进行输入并按下修正按钮1505。与此相应,用户终端103经由网络102将这些操作信息发送到作业分析装置101的输入部130(步骤S21)。
接收到发送的操作信息的输入部130基于接收到的操作信息,在存储部120存储的作业改善点库信息128中新登记记录,或者修正现有的记录,并保存其结果(步骤S22)。至此,编辑处理结束。
如以上说明的那样,根据作为本实施方式的作业分析系统100,作业分析装置101具备管理粒度确定部111,因此能够确定适当的管理粒度。此外,作业分析装置101具备评价值计算部112,因此能够计算不同的多个评价指标的评价值而无需依靠人力。此外,作业分析装置101具备作业分类部113和作业改善点提取部114,因此能够基于优秀作业和非优秀作业,提取作业改善点。进而,作业改善点提取部114参照作业改善点库信息128提取作业改善点,因此通过用户编辑作业改善点库信息128,能够调整作业改善点的基准。
这里,关于上述本实施方式中的作业分析装置101,既能够通过硬件构成,也能够通过软件实现。在通过软件实现作业分析装置101的情况下,构成该软件的程序安装在计算机中。在此,在计算机中,包括嵌入专用的硬件的计算机、能够通过安装各种程序来执行各种功能的例如通用的个人计算机等。
图17是示出通过程序实现作业分析装置101的计算机的硬件的结构例的框图。
在该计算机2000中,CPU(Central Processing Unit,中央处理单元)2001、ROM(Read Only Memory,只读存储器)2002、RAM(Random Access Memory,随机存取存储器)2003通过总线2004相互连接。
进而,输入输出接口2005与总线2004连接。输入部2006、输出部2007、存储部2008、通信部2009以及驱动器2010与输入输出接口2005连接。
输入部2006由键盘、鼠标、麦克风等组成。输出部2007由显示器、扬声器等组成。存储部2008由硬盘、非易失性的存储器等组成。通信部2009由网络接口等组成。驱动器2010驱动磁盘、光盘、磁光盘或者半导体存储器等可移动介质2011。
在如上所述构成的计算机2000中,CPU2001例如通过经由输入输出接口2005以及总线2004将存储部2008中存储的程序加载到RAM2003中并执行,从而实现作业分析装置101的运算部110、输入部130以及输出部140。
此外,作业分析装置101的存储部120通过存储部2008、RAM2003或者可移动介质2011实现。
计算机2000(CPU2001)执行的程序例如能够记录在作为封装介质等的可移动介质2011上来提供。此外,程序能够经由局域网、因特网、数字卫星广播这样的有线或者无线的传输介质来提供。
在计算机2000中,可以通过将可移动介质2011装配在驱动器2010中,从而经由输入输出接口2005将程序安装在存储部2008中。此外,程序能够经由有线或者无线的传输介质由通信部2009接收,并安装在存储部2008中。另外,程序也能够预先安装在ROM2002、存储部2008中。
另外,计算机2000执行的程序可以是根据本说明书中说明的顺序按时间序列进行处理的程序,也可以是或者并行地或在进行调用时等必要的定时进行处理的程序。
本说明书中记载的效果仅仅是例示,不限于此,并且可以具有其它效果。
本发明不限于上述实施方式,包括各种变形例。例如,上述各实施方式是为了容易理解地说明本发明而详细说明的实施方式,本发明不一定限于具有所说明的全部的构成要素的实施方式。此外,能够将某个实施方式的结构的一部分置换为其他的实施方式的结构,也能够在某个实施方式的结构中添加其他的实施方式的结构。此外,对于各实施方式的结构的一部分,能够进行其他的结构的追加/删除/置换。
此外,上述各构成、功能、处理部、处理单元等例如可以通过在集成电路中设计它们的一部分或者全部等而以硬件实现。此外,上述各构成、功能等可以通过由处理器解释并执行实现各自的功能的程序而以软件实现。实现各功能的程序、表格、文件等的信息能够放在存储器、硬盘、SSD(Solid State Drive,固态驱动器)等存储装置或者IC卡、SD卡、DVD等记录介质中。此外,示出了被认为是说明上有必要的控制线、信息线,产品上不一定示出全部的控制线、信息线。实际上,可以认为几乎全部的结构相互连接。
本发明不仅能够提供作业分析装置以及作业分析方法,而且可以以由多个装置构成的系统、计算机可读程序等各种方式提供。
附图标记说明
100···作业分析系统,101···作业分析装置,102···网络,103···用户终端,104···数据库,110···运算部,111···管理粒度确定部,112···评价值计算部,113···作业分类部,114···作业改善点提取部,120···存储部,121···作业实际成果信息,122···管理粒度信息,123···动作路线信息,124···评价值信息,125···作业分类信息,126···按区域评价值信息,127···作业改善点信息,128···作业改善点库信息,130···输入部,140···输出部,1211···作业ID字段,1212···工序字段,1213···作业内容字段,1214···机种字段,1215···作业者字段,1216···开始时刻字段,1217···结束时刻字段,1218···运动图像文件字段,1221···工序字段,1222···作业内容字段,1223···机种字段,1224···作业者字段,1231···作业ID字段,1232···帧字段,1233···X坐标字段,1234···Y坐标字段,1241···作业ID字段,1242···作业时间字段,1243···动作路线距离字段,1244···非工作比例字段,1251···工序字段,1252···作业内容字段,1253···机种字段,1254···作业者字段,1255···作业ID字段,1261···作业ID字段,1262···作业区域字段,1263···提取开始时刻字段,1264···提取结束时刻字段,1265···作业时间字段,1266···动作路线距离字段,1267···非工作比例字段,1271···作业ID字段,1272···作业区域字段,1273···改善点字段,1274···提取开始时刻字段,1275···提取结束时刻字段,1281···工序字段,1282···作业内容字段,1283···机种字段,1284···作业者字段,1285···改善点字段,1286···作业时间字段,1287···动作路线距离字段,1288···非工作比例字段,1300···输出画面,1301···工序信息选择栏,1302···管理粒度显示栏,1303···分析对象选择栏,1304···优秀作业显示栏,1305···作业改善点显示栏,1306···作业改善点库信息显示栏,1307···库修正按钮,1308···优秀作业运动图像显示栏,1309···提取作业运动图像显示栏,1500···编辑画面,1501···工序信息选择栏,1502···新登记接受部,1503···登记按钮,1504···修正接受部,1505···修正按钮,2000···计算机,2001···CPU,2002···ROM,2003···RAM,2004···总线,2005···输入输出接口,2006···输入部,2007···输出部,2008···存储部,2009···通信部,2010···驱动器,2011···可移动介质。
Claims (13)
1.一种作业分析装置,其特征在于,
具备:
管理粒度确定部,基于蓄积了与执行完毕的多个作业有关的信息的实际成果信息,确定每个工序的管理粒度;
评价值计算部,基于所述作业实际成果信息,计算针对各作业的多个评价指标各自的评价值;
作业分类部,根据确定的每个工序的管理粒度将作业分组为管理粒度组,基于针对所述作业计算的所述多个评价指标各自的评价值,从属于各管理粒度组的多个所述作业中,将优秀作业进行分类;以及
作业改善点提取部,基于所述各管理粒度组的所述优秀作业的所述评价值,提取属于所述各管理粒度组的非优秀作业的作业改善点。
2.根据权利要求1所述的作业分析装置,其特征在于,
具备存储部,其保持按照每个工序将管理粒度、作业改善点以及各评价指标的阈值对应起来记录的作业改善点库信息,
所述作业改善点提取部基于分类的所述优秀作业各自的所述评价值、所述非优秀作业各自的所述评价值以及所述作业改善点库信息,提取属于所述各管理粒度组的非优秀作业的所述作业改善点。
3.根据权利要求2所述的作业分析装置,其特征在于,
用户能够编辑所述作业改善点库信息。
4.根据权利要求1所述的作业分析装置,其特征在于,
所述管理粒度确定部根据预先确定的多个分析粒度将作业分组为分析粒度组,基于属于各分析粒度组的作业的作业时间的偏差程度,从所述分析粒度中确定所述管理粒度。
5.根据权利要求4所述的作业分析装置,其特征在于,
所述管理粒度确定部除去属于各分析粒度组的作业的属于各分析粒度组的作业的作业时间的偏离值,基于除去了所述偏离值的所述作业时间的偏差程度,从所述分析粒度中确定所述管理粒度。
6.根据权利要求4所述的作业分析装置,其特征在于,
所述管理粒度确定部根据预先确定的多个分析粒度将作业分组为分析粒度组,基于属于各分析粒度组的作业的平均作业时间和各作业时间的绝对值误差,从所述分析粒度中确定所述管理粒度。
7.根据权利要求1所述的作业分析装置,其特征在于,
所述评价值计算部计算作业时间、动作路线距离以及非工作比例当中的至少两个作为所述评价指标的评价值。
8.根据权利要求1所述的作业分析装置,其特征在于,
所述作业分类部将优于各评价指标中的平均的作业作为优秀作业候补,将在所述多个评价指标的全部中作为所述优秀作业候补的所述作业分类为所述优秀作业。
9.根据权利要求1所述的作业分析装置,其特征在于,
所述作业分类部在除去各评价指标中的偏离值之后,将优于各评价指标中的平均的作业作为优秀作业候补,将在所述多个评价指标的全部中作为所述优秀作业候补的所述作业分类为所述优秀作业。
10.根据权利要求1所述的作业分析装置,其特征在于,
所述作业改善点提取部将所述作业实际成果信息中包括的运动图像分割为多个区域,基于分割的每个区域的所述优秀作业的评价值,提取所述作业改善点。
11.根据权利要求10所述的作业分析装置,其特征在于,
所述作业改善点提取部基于所述作业实际成果信息中包括的运动图像中的作业者的移动范围将所述运动图像分割为多个区域。
12.根据权利要求1所述的作业分析装置,其特征在于,
具备将提取的所述作业改善点向用户提示的提示控制部。
13.一种作业分析装置的作业分析方法,其特征在于,
包括:
管理粒度确定步骤,基于蓄积了与执行完毕的多个作业有关的信息的作业实际成果信息,确定每个工序的管理粒度;
评价值计算步骤,基于所述作业实际成果信息,计算针对各作业的多个评价指标各自的评价值;
作业分类步骤,根据确定的每个工序的管理粒度将作业分组为管理粒度组,基于针对所述作业计算的所述多个评价指标各自的评价值,从属于各管理粒度组的多个所述作业中,将优秀作业进行分类;以及
作业改善点提取步骤,基于所述各管理粒度组的所述优秀作业的所述评价值,提取属于所述各管理粒度组的非优秀作业的作业改善点。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2017/039245 WO2019087275A1 (ja) | 2017-10-31 | 2017-10-31 | 作業分析装置、及び作業分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111164622A true CN111164622A (zh) | 2020-05-15 |
CN111164622B CN111164622B (zh) | 2024-02-02 |
Family
ID=66332952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780095513.7A Active CN111164622B (zh) | 2017-10-31 | 2017-10-31 | 作业分析装置以及作业分析方法 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP6864756B2 (zh) |
CN (1) | CN111164622B (zh) |
WO (1) | WO2019087275A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7344015B2 (ja) * | 2019-06-13 | 2023-09-13 | 株式会社日立ハイテクソリューションズ | 異常検知装置及び異常検知方法 |
WO2022091571A1 (ja) * | 2020-11-02 | 2022-05-05 | 三菱電機株式会社 | 作業手順更新装置、作業手順更新方法及びプログラム |
JP2023039802A (ja) * | 2021-09-09 | 2023-03-22 | パナソニックIpマネジメント株式会社 | 経路生成表示装置および経路生成表示方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005267284A (ja) * | 2004-03-18 | 2005-09-29 | Nec Corp | プロジェクト管理情報自動収集支援システム及びプロジェクト管理情報自動収集支援プログラム |
WO2007126026A1 (ja) * | 2006-04-26 | 2007-11-08 | Jasi Corporation | 作業工程の中から改善すべき動作要素を自動抽出するシステム |
JP2009187330A (ja) * | 2008-02-07 | 2009-08-20 | Hitachi Ltd | 業務品質の改善ガイドシステム |
JP2009289134A (ja) * | 2008-05-30 | 2009-12-10 | Hitachi Ltd | 作業分析装置、生産管理方法及び生産管理システム |
CN101911148A (zh) * | 2007-11-14 | 2010-12-08 | 株式会社日立制作所 | 作业信息处理装置、程序及作业信息处理方法 |
JP2012003649A (ja) * | 2010-06-21 | 2012-01-05 | Kozo Keikaku Engineering Inc | 作業分析装置、作業分析方法、およびプログラム |
CN104520915A (zh) * | 2012-08-31 | 2015-04-15 | 松下电器产业株式会社 | 智力生产力分析装置和程序 |
CN105469180A (zh) * | 2014-09-12 | 2016-04-06 | 东北大学 | 基于tps的产业集群企业生产协同管理评价系统 |
WO2017175259A1 (ja) * | 2016-04-07 | 2017-10-12 | 日本電気株式会社 | 作業管理装置、作業管理システム、作業管理方法、および作業管理プログラム |
-
2017
- 2017-10-31 CN CN201780095513.7A patent/CN111164622B/zh active Active
- 2017-10-31 JP JP2019550025A patent/JP6864756B2/ja active Active
- 2017-10-31 WO PCT/JP2017/039245 patent/WO2019087275A1/ja active Application Filing
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005267284A (ja) * | 2004-03-18 | 2005-09-29 | Nec Corp | プロジェクト管理情報自動収集支援システム及びプロジェクト管理情報自動収集支援プログラム |
WO2007126026A1 (ja) * | 2006-04-26 | 2007-11-08 | Jasi Corporation | 作業工程の中から改善すべき動作要素を自動抽出するシステム |
CN101911148A (zh) * | 2007-11-14 | 2010-12-08 | 株式会社日立制作所 | 作业信息处理装置、程序及作业信息处理方法 |
JP2009187330A (ja) * | 2008-02-07 | 2009-08-20 | Hitachi Ltd | 業務品質の改善ガイドシステム |
JP2009289134A (ja) * | 2008-05-30 | 2009-12-10 | Hitachi Ltd | 作業分析装置、生産管理方法及び生産管理システム |
JP2012003649A (ja) * | 2010-06-21 | 2012-01-05 | Kozo Keikaku Engineering Inc | 作業分析装置、作業分析方法、およびプログラム |
CN104520915A (zh) * | 2012-08-31 | 2015-04-15 | 松下电器产业株式会社 | 智力生产力分析装置和程序 |
CN105469180A (zh) * | 2014-09-12 | 2016-04-06 | 东北大学 | 基于tps的产业集群企业生产协同管理评价系统 |
WO2017175259A1 (ja) * | 2016-04-07 | 2017-10-12 | 日本電気株式会社 | 作業管理装置、作業管理システム、作業管理方法、および作業管理プログラム |
Non-Patent Citations (2)
Title |
---|
RICKY K. P. MOK等: "Detecting Low-Quality Workers in QoE Crowdtesting: A Worker Behavior-Based Approach" * |
方沂: "某制造企业制造业产品数据管理系统设计" * |
Also Published As
Publication number | Publication date |
---|---|
JP6864756B2 (ja) | 2021-04-28 |
CN111164622B (zh) | 2024-02-02 |
WO2019087275A1 (ja) | 2019-05-09 |
JPWO2019087275A1 (ja) | 2020-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3576987B2 (ja) | 画像のテンプレートマッチング方法及び画像処理装置 | |
KR101729195B1 (ko) | 질의동작기반 안무 검색 시스템 및 방법 | |
US9418297B2 (en) | Detecting video copies | |
US20200175717A1 (en) | Information processing apparatus and method of controlling the same | |
CN111164622B (zh) | 作业分析装置以及作业分析方法 | |
CN111798487A (zh) | 目标跟踪方法、装置和计算机可读存储介质 | |
JP2009015529A (ja) | 作業分析装置および方法 | |
JP6278108B2 (ja) | 画像処理装置、画像センサ、画像処理方法 | |
CN111611936B (zh) | 一种cad图纸中相似矢量图的自动识别系统 | |
JP2003256757A (ja) | 空間データ分析装置、空間データ分析方法、及び空間データ分析プログラム | |
JP6098498B2 (ja) | 情報処理装置、情報処理方法、並びにプログラム | |
JP6324175B2 (ja) | 地図情報表示システム及び方法、プログラム | |
CN110662106B (zh) | 一种录像回放的方法及装置 | |
CN111862144A (zh) | 一种确定物体移动轨迹分数的方法及装置 | |
JP2011141664A (ja) | 文書比較装置、文書比較方法、及びプログラム | |
JP4449483B2 (ja) | 画像解析装置、および画像解析方法、並びにコンピュータ・プログラム | |
EP4354388A1 (en) | Task analysis device and method | |
CN113807445B (zh) | 案卷复核方法、装置及电子装置、可读存储介质 | |
EP4246438A1 (en) | Information processing device, generation method, and generation program | |
CN111524157B (zh) | 基于摄像头阵列的触屏物体分析方法、系统及存储介质 | |
WO2023058164A1 (ja) | 行動順序異常検出装置、方法およびプログラム | |
JP2022122487A (ja) | 時系列データラベリング支援システム、方法、およびプログラム | |
US20220156261A1 (en) | Information processing apparatus, analysis system, data aggregation method, and computer readable medium | |
TW202303320A (zh) | 行動作業分析裝置及作業分析方法 | |
CN116310952A (zh) | 样本数据集生成方法、装置、设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |