CN116601653A - 作业管理装置、作业管理方法以及作业管理程序 - Google Patents

Abstract

在作业现场，为了使用拍摄数据与作业活动线来找出作业工序的改善点，需要大量的时间。作业管理装置(10)包括：历史获取部(100)，获取作业者对作业工序群的实施结果信息的历史；分类处理部(171)，将所述实施结果信息的至少一部分分别分类为多个类别的任一个；以及类别判定部(172)，将经所述分类的所述类别判定为作业未产生问题的标准类别与作业有可能产生问题的非标准类别。

Description

作业管理装置、作业管理方法以及作业管理程序

技术领域

本发明涉及一种例如对生产现场的作业工序进行管理的作业管理装置。

背景技术

以往，已知有将对工厂等生产现场的作业工序的实施状况进行拍摄的拍摄数据利用于所述作业工序的改善等的尝试。

例如，有如下所述的拍摄动态图像确认方法，即：准备将各作业工序的拍摄数据与所述作业工序中的作业时间相关联的数据库，由用户确定并确认作业时间异常的作业工序的拍摄数据。更具体而言，为如下所述的流程。首先，当用户从所述数据库中指定制品以及作业时间的范围时，提取与此相符的作业工序。当用户进一步选择其中的特定的作业工序时，显示此作业工序的作业时间的直方图。当用户从所述直方图中选择规定的作业时间的范围时，显示与此对应的拍摄数据。用户通过确认所显示的拍摄数据来进行异常原因的确定。

而且，作为拍摄数据的利用方法，专利文献1中公开了下述方法：确定根据拍摄数据而获得的作业活动线中的、作为标准的标准作业活动线，将作业活动线从所述标准作业活动线的离散作为改善点。

现有技术文献

专利文献

专利文献1：日本专利第6789590号

发明内容

发明所要解决的问题

但是，在所述的拍摄动态图像确认方法的情况下，虽说在制品、作业时间、以及作业工序上进行了范围缩减，但仍需要确认大量的动态图像。

而且，关于所述专利文献1的方法，存在如下的问题。在生产现场，变更生产品种的情况也多，对应于每个所述生产品种来采取不同的作业工序的情况也多。进而，还存在伴随生产品种变更的部署、定期维护以及材料的补充等直接关系到生产的作业工序。即，在像专利文献1的方法那样确定一个标准作业活动线的情况下，即便是无问题的作业工序，也会被判断为与标准作业活动线不同，从而被提取作为存在问题的作业工序。因而，将会过剩地提取作为异常作业，从而导致用户所进行的确认作业变得没有效率。

本发明的一实施例是有鉴于这些问题而完成，目的在于提供一种适当地判定未产生问题的多种作业工序的作业管理装置。

解决问题的技术手段

为了解决所述问题，本发明的一实施例的作业管理装置包括：历史获取部，获取作业历史信息，所述作业历史信息是作业者对包含多个作业工序的作业工序群的实施结果信息的历史；分类处理部，将由所述历史获取部所获取的所述作业历史信息中所含的所述作业工序群的实施结果信息的至少一部分分别分类为多个类别的任一个；以及类别判定部，对于由所述分类处理部所分类的所述类别中的多个所述类别，判定为作业未产生问题的标准类别，对于除此以外的多个所述类别，判定为作业有可能产生问题的非标准类别。

为了解决所述问题，本发明的一实施例的作业管理方法包括：历史获取步骤，获取作业历史信息，所述作业历史信息是作业者对包含多个作业工序的作业工序群的实施结果信息的历史；分类处理步骤，将通过所述历史获取步骤所获取的所述作业历史信息中所含的所述作业工序群的实施结果信息的至少一部分分别分类为多个类别的任一个；以及类别判定步骤，对于通过所述分类处理步骤所分类的所述类别中的多个所述类别，判定为作业未产生问题的标准类别，对于除此以外的多个所述类别，判定为作业有可能产生问题的非标准类别。

发明的效果

通过本发明的一实施例，能够在将作业工序群的实施结果信息分类为多个类别后，将各个类别判定为标准类别与非标准类别。

附图说明

图1是表示控制系统中所含的、信息处理装置等的主要部分结构的框图。

图2是表示包含信息处理装置(作业管理装置)的控制系统等的整体概要的图。

图3是表示信息处理装置从天花板摄像机获取的基础拍摄数据的影像的图。

图4是某作业者所负责的作业工序中的活动线分析的一例。

图5是通过活动线分析将活动线分割为作业工序活动线的单位的图。

图6是将大量的作业工序活动线分割为大分类类别，表示所述大分类类别的代表的概念图。

图7是将各小分类类别的频率与用户判断汇总的表。

图8是表示信息处理装置所执行的处理(换言之，信息处理装置所执行的控制方法)的一例的流程图。

图9是实施方式1的图像分析中的流程图。

图10是循环作业中的作业工序活动线的树状图。

图11是表示通过本实施方式的图像分析部的动作所获得的大分类及小分类与其特征的概念图。

图12是实施方式2的图像分析中的流程图。

图13是表示第一标准作业以及第二标准作业的倾向的概念图。

图14是用于掌握与距某标准作业的中心的距离相应的标准作业的倾向的直方图。

图15是表示实施方式4的信息处理装置等的主要部分结构的框图。

图16是将针对各小分类类别的类别判定信息制成表示相对于作业时间的产生频率的直方图。

图17包含在直方图上的与特定的作业时宽对应的图表区域中。

图18是将包含多个作业工序的作业工序群分割为多个群组的图。

图19是表示实施方式6的作业活动线的概念图。

图20是表示实施方式6的作业活动线的特征量的表。

图21是表示批量作业中的作业活动线的概念图。

具体实施方式

〔实施方式1〕

以下，基于图1至图11来说明本发明的一方面的实施方式(以下也称作“本实施方式”)。另外，对于图中相同或相当的部分标注相同的符号并不再重复其说明。本实施方式中，例如以信息处理装置10作为数据提取装置的典型例来进行说明。为了便于理解本发明的一实施方式的信息处理装置10，首先使用图2来说明包含信息处理装置10的控制系统1等的概要。以下的说明中，“n”表示“1以上的整数”，“m”表示“1以上且n以下的整数”。

§1.适用例

(关于作业现场以及作业工序)

图2是表示包含信息处理装置10(作业管理装置)的控制系统1等的整体概要的图。图2所示的摄像机30被设置于作业现场WS的天花板，生成对作业现场WS的整体进行拍摄所得的拍摄数据即基础拍摄数据BI。

作业现场WS为工厂等的生产现场，在作业现场WS，例如经过多个作业工序Pr(1)、Pr(2)、Pr(3)、…Pr(n)来生产各种制品。在作业现场WS实施的多个作业工序Pr(1)、Pr(2)、Pr(3)、…Pr(n)各自例如为“涂装”工序、“主要工件的装配”工序、“主要工件向本体的组装”工序、“检查”工序。

关于作业工序Pr，在需要分别区分多个作业工序Pr的情况下，对符号标注“(1)”、“(2)”、“(3)”、…、“(n)”等尾标来加以区分。例如，记载为“作业工序Pr(1)”、“作业工序Pr(2)”、“作业工序Pr(3)”、…、“作业工序Pr(n)”来区分。在不需要特别地分别区分多个作业工序Pr的情况下，简称作“作业工序Pr”。

(关于监测区域)

作业现场WS包含多个监测区域Ar(1)、Ar(2)、Ar(3)、…Ar(n)。多个监测区域Ar(1)、Ar(2)、Ar(3)、…Ar(n)各自分别关联于多个作业工序Pr(1)、Pr(2)、Pr(3)、…Pr(n)。即，监测区域Ar(m)是作业者Pe进行与作业工序Pr(m)的实施相关的作业Op(m)的区域，例如是配置有机器40(m)的区域。例如，作业者Pe在监测区域Ar(m)使用机器40(m)来进行与作业工序Pr(m)相关的作业Op(m)。

与作业工序Pr同样，在需要分别区分多个监测区域Ar的情况下，对符号标注“(1)”、“(2)”、“(3)”、…、“(n)”等尾标来加以区分，在不需要特别区分的情况下，简称作“监测区域Ar”。

(关于基础拍摄数据)

在作业现场WS的天花板，设置有一台作为广角摄像机的摄像机30。但是，并非必须将摄像机30设置于作业现场WS的天花板，摄像机30只要设置在能够俯瞰整个作业现场WS的位置即可。摄像机30俯瞰整个作业现场WS，生成对整个作业现场WS进行拍摄所得的拍摄数据(活动线动态图像数据)即基础拍摄数据BI。在基础拍摄数据BI中，预先设定有分别与多个监测区域Ar(1)、Ar(2)、Ar(3)、…Ar(n)对应的多个分析对象区域Aa(1)、Aa(2)、Aa(3)、…Aa(n)。

与监测区域Ar同样，在需要分别区分多个分析对象区域Aa的情况下，对符号标注“(1)”、“(2)”、“(3)”、…、“(n)”等尾标来加以区分，在不需要特别区分的情况下，简称作“分析对象区域Aa”。

分析对象区域Aa是由信息处理装置10对基础拍摄数据BI进行图像分析的对象区域。通过对基础拍摄数据BI设定分析对象区域Aa，从而能够高效地执行用于识别监测区域Ar的状况的、针对基础拍摄数据BI的图像分析。但是，并非必须对基础拍摄数据BI设定分析对象区域Aa。分析对象区域Aa也可根据用户操作而由信息处理装置10来对基础拍摄数据BI进行设定。

(关于作业以及作业者)

在多个作业工序Pr(1)、Pr(2)、Pr(3)、…Pr(n)各自的实施时，由作业者Pe进行多个作业Op(1)、Op(2)、Op(3)、…Op(n)的各作业。在需要分别区分多个作业Op的情况下，对符号标注“(1)”、“(2)”、“(3)”、…、“(n)”等尾标来加以区分，在不需要特别区分的情况下，简称作“作业Op”。

而且，在作业现场WS，例如存在一位以上的、执行与作业工序Pr(m)的实施相关的作业Op(m)的作业者Pe，作业者Pe例如是通过在作业者Pe所戴的帽子的头顶部等附注的作业者ID来识别。具体而言，位于作业现场WS的作业者Pe(1)与作业者Pe(2)是通过在作业者Pe(1)所戴的帽子上附注的作业者ID：Pe(1)与作业者Pe(2)所戴的帽子上附注的作业者ID：Pe(2)来分别识别。在需要分别区分多个作业者Pe的情况下，对符号标注“(1)”、“(2)”、“(3)”、…、“(n)”等尾标来加以区分，在不需要特别区分的情况下，简称作“作业者Pe”。

图3是表示信息处理装置10从摄像机30获取的基础拍摄数据BI的映象的图。如图3所示，信息处理装置10对基础拍摄数据BI执行图像分析，判定在作业现场WS是否有作业者Pe存在，若判定为在作业现场WS有作业者Pe存在，则确定位于作业现场WS的作业者Pe的作业者ID。

(关于动作以及机器)

在多个作业工序Pr(1)、Pr(2)、Pr(3)、…Pr(n)各自的实施时，由机器40来执行多个动作Ac(1)、Ac(2)、Ac(3)、…Ac(n)的各动作。即，对于多个作业工序Pr(1)、Pr(2)、Pr(3)、…Pr(n)的各作业工序，各自关联有多个动作Ac(1)、Ac(2)、Ac(3)、…Ac(n)。在需要分别区分多个动作Ac的情况下，对符号标注“(1)”、“(2)”、“(3)”、…、“(n)”等尾标来加以区分，在不需要特别区分的情况下，简称作“动作Ac”。

而且，对于多个作业工序Pr各自的实施，使用多个机器40的各个，即，作业工序Pr与机器40预先关联。例如，对于作业工序Pr(m)的实施，使用一台以上的机器40(m)。即，对于作业工序Pr(1)的实施，使用一台以上的机器40(1)，具体而言，也可使用机器40(1-1)、40(1-2)以及40(1-3)这三台机器40(1)。同样，对于作业工序Pr(2)的实施，使用一台以上的机器40(2)，对于作业工序Pr(3)的实施，使用一台以上的机器40(3)。在需要相互区分分别与多个作业工序Pr各自关联的多个机器40的情况下，对符号标注“(1)”、“(2)”、“(3)”、…、“(n)”等尾标来加以区分，在不需要特别区分的情况下，简称作“机器40”。

此处，一台机器40也可被用于多个作业工序Pr的实施。这可设为变量“p”、“q”、“x”、“y”各自表示“1以上的整数”，“q”与“p”不同，而且，“y”与“x”不同，而如以下那样换种说法。即，被用于作业工序Pr(p)的实施的机器40(p-x)与被用于作业工序Pr(q)的实施的机器40(q-y)也可为相同的机器40。

(关于主从控制系统)

在作业现场WS被用于实施多个作业工序Pr的多个机器40是由作为线控制器的可编程逻辑控制器(Programmable Logic Controller，PLC)20予以控制。即，构建将PLC 20设为主机且将多个机器40分别设为从机的作为主从控制系统的控制系统1，多个机器40各自经由网络(控制网络50)可通信地连接于PLC 20。PLC 20在对经由控制网络50的数据传输进行管理这一含义上被称作“主机”。“主机”以及“从机”是着眼于控制网络50上的数据传输的控制功能而定义，关于在各装置间收发何种信息，并无特别限定。

PLC 20是对控制系统1整体进行控制的控制装置(控制器)，与多个机器40分别可通信地连接。PLC 20获取从作为输入设备(测量设备)的多个机器40各自而来的信息来作为输入数据。PLC 20按照预先装入的用户程序，执行使用所获取的输入数据的运算处理。PLC20执行所述运算处理来决定对控制系统1的控制内容，例如决定对作为致动器等输出设备的多个机器40各自的控制内容，并将与所述控制内容对应的控制数据输出至多个机器40的各机器。PLC 20以规定的周期(控制周期)反复执行来自多个机器40各自的输入数据的获取与对多个机器40各自的控制数据的获取。在PLC 20，例如也可连接有未图示的显示部以及操作部。显示部包含可显示图像的液晶面板等，而且，典型的是，操作部包含触控面板、键盘、鼠标等。

机器40是将PLC 20设为主机的作为主从控制系统的控制系统1中的从机。机器40是在规定的每个控制周期反复将输入数据发送至PLC 20的输入设备，或者是在规定的每个控制周期反复从PLC 20接收控制数据并按照所接收的控制数据来运行的输出设备。机器40例如既可为作为将探测结果等作为输入数据发送至PLC 20的输入设备的传感器(例如光电传感器)，也可为发送读取结果的条形码读取器，还可为发送检查结果的检查机(测试机(tester))。而且，机器40也可为连接有多个输入设备的可编程终端(ProgrammableTerminal，PT)。进而，机器40也可为作为执行螺固、拣选(picking)等的输出设备的机器人等。

控制网络50对PLC 20所接收或PLC 20所发送的各种数据进行传输，典型的是，可使用各种工业以太网(注册商标)，也有时被称作现场网络。作为工业以太网(注册商标)，例如已知有EtherCAT(注册商标)、Profinet IRT、MECHATROLINK(注册商标)-III、Powerlink、SERCOS(注册商标)-III、CIP Motion等，采用这些中的任一个皆可。进而，也可使用工业以太网(注册商标)以外的现场网络。例如，若是不进行运动控制的情况，则也可使用DeviceNet、CompoNet/IP(注册商标)等。

以下，对控制系统1进行说明，所述控制系统1是通过在控制网络50上依序传输数据帧，从而在PLC 20(主机)与机器40(从机)之间收发数据。即，在控制网络50上以规定的控制周期来依序传输数据帧，由此，在PLC 20与机器40之间，在每个控制周期反复收发数据。也可通过在控制网络50上依序传输数据帧，从而在多个机器40之间，即，在多个从机间收发数据。

(关于工序信息)

在将机器40设为从机的主从控制系统即控制系统1中，作为主机的PLC 20例如在规定的每个控制周期反复从作为从机的机器40接收动作结果La，所述动作结果La表示机器40所执行的动作Ac的内容以及结果。即，机器40在规定的周期，将表示在作业工序Pr的实施时实际执行的动作Ac的内容以及结果的动作结果La反复发送至PLC 20。例如，机器40(m)在每个控制周期，将表示在作业工序Pr(m)的实施时所执行的动作Ac(m)的内容以及结果的动作结果La(m)反复发送至PLC 20。

PLC 20例如获取作为输入设备(测量设备)的机器40所执行的测量动作的结果即测量结果，来作为机器40的动作结果La。而且，在机器40为检查机的情况下，PLC 20获取机器40所执行的检查动作的结果、例如“满足检查基准或不满足检查基准”这一检查结果，来作为机器40的动作结果La。进而，PLC 20例如获取作为输出设备的机器40所执行的输出动作的结果，来作为机器40的动作结果La。在机器40为执行螺固、拣选等的机器人的情况下，PLC 20获取螺固次数、拣选结果(拣选成功或拣选错误)等的动作结果La，来作为机器40的动作结果La。

PLC 20在规定的周期，从机器40反复接收表示在作业工序Pr的实施时机器40实际执行的动作Ac的内容以及结果的动作结果La，并将所接收的动作结果La作为工序信息而发送(即，传输)至信息处理装置10。而且，PLC 20将使用在每个规定的周期从机器40反复接收的动作结果La来生成的信息作为工序信息而发送至信息处理装置10。

进而，PLC 20也可将在每个规定的周期从机器40反复接收的动作结果La作为工序信息而发送至控制系统1的外部。例如，PLC 20也可将在每个规定的周期从机器40反复接收的动作结果La作为工序信息而发送至与制造执行系统(Manufacturing ExecutionSystem，MES)等连接的、图2所示的公司内局域网(Local Area Network，LAN)。

详细情况将后述，但在以下所说明的示例中，信息处理装置10根据工序信息，尤其是根据动作结果La，来确定在作业工序Pr的实施时机器40所执行的动作Ac的动作开始时刻Tms、动作完成时刻Tme、动作期间Da。

但是，对于工序信息中所含的动作结果La(尤其是动作Ac)的所述判定既可由PLC20来执行，PLC 20也可将所述判定的结果包含在工序信息中，或者取代工序信息，而发送至信息处理装置10。

所述的说明中，所谓动作开始时刻Tms，是指被用于作业工序Pr的机器40在作业工序Pr的实施时开始动作Ac的执行的时间点，所谓动作完成时刻Tme，是指完成了动作Ac的执行的时间点。动作期间Da是从动作开始时刻Tms直至动作完成时刻Tme为止的期间。

(关于主从控制系统以外的系统以及装置)

图2中，除了作为主从控制系统的控制系统1以外，还表示了公司内LAN系统、其他网络系统等。公司内LAN连接于也被称作MES的工序信息数据库(Database，DB)等。

工序信息DB保存有与各作业工序中的生产相关的数据。作为与生产相关的数据，包含作业工序Pr的实施中所用的机器40的测定结果或动作状况等。

而且，图2所示的示例中，在作为MES的工序信息DB，经由公司内LAN而连接有事件管理装置60，所述事件管理装置60对在作业现场WS发生的各种事件进行监测、管理。但是，事件管理装置60经由公司内LAN而连接于工序信息DB并不要必要的，也可不设置事件管理装置60。

进而，在工序信息DB，经由公司内LAN而连接有PLC 20。虽未图示，但工序信息DB与信息处理装置10也可相连接。而且，而且，在公司内LAN，除了MES以外，还可连接有未图示的企业资源计划(Enterprise Resources Planning，ERP)、仓库管理系统(WarehouseManagement System，WMS)等。

图2中，在工序信息DB，经由无论是与控制网络50还是与公司内LAN均不同的“其他网络”而连接有动态图像保存服务器等。在动态图像保存服务器等，经由其他网络而连接有信息处理装置10，从信息处理装置10发送的局部拍摄数据OD被保存在动态图像保存服务器等中。而且，在动态图像保存服务器等，连接有通过个人计算机(Personal Computer，PC)等而实现的外部装置70，外部装置70例如显示局部拍摄数据OD，执行工序信息等的可视化。即，外部装置70一览显示作业工序Pr的改善所需的信息，将成为瓶颈的作业工序Pr、表示作业工序Pr中发生的错误的日期时间等的信息关联于对应的局部拍摄数据OD予以显示。

如前所述，摄像机30对整个作业现场WS进行拍摄而生成基础拍摄数据BI，并将所生成的基础拍摄数据BI例如经由作为通用串行总线(Universal Serial Bus，USB)线缆的通信线缆而发送至信息处理装置10。

信息处理装置10例如是通过PC等来实现，将从PLC 20获取的工序信息与从摄像机30获取的基础拍摄数据BI予以组合，从而可实现两者的高效利用的作业管理装置。信息处理装置10也可以说是将包含“表示作业现场WS的多个机器40的实际的动作Ac的内容以及结果的动作结果La”的工序信息通过与基础拍摄数据BI加以组合而可视化的装置。

进而，信息处理装置10基于多个拍摄数据来进行聚类，定量地评估拍摄数据间的类似关系。而且，对于经聚类的类别，能够通过用户判断来判定是标准作业还是非标准作业，且能够根据是否脱离规定的作业顺序来判定是循环作业还是非循环作业。因此，能够确定生产多个制品的生产现场的非标准作业或非循环作业，进行改善。

而且，信息处理装置10例如经由通用串行总线(Universal Serial Bus，USB)线缆而与摄像机30可通信地连接。信息处理装置10从摄像机30获取对作业现场WS的整体进行拍摄所得的基础拍摄数据BI。

§2.结构例

至此为止，使用图2以及图3说明了控制系统1等的概要。在使用图1等来说明信息处理装置10的详细情况之前，为了便于理解信息处理装置10，将信息处理装置10的概要整理如下。

即，信息处理装置10(数据提取装置)包括：历史获取部100，获取作业历史信息，所述作业历史信息是作业者对包含多个作业工序的作业工序群的实施结果信息的历史；分类处理部171，将由历史获取部100所获取的作业历史信息中所含的作业工序群的实施结果信息的至少一部分分别分类为多个类别的任一个；以及类别判定部172，对于由分类处理部171所分类的类别中的多个类别，判定为作业未产生问题的标准类别，对于除此以外的多个类别，判定为作业有可能产生问题的非标准类别。

信息处理装置10还包括判定信息记录控制部190，所述判定信息记录控制部190进行下述控制，即，将由类别判定部172基于用户输入而判定的每个所述类别的判定结果记录为类别判定信息。

通过所述结构，能够将用户对每个类别的判定结果记录为类别判定信息，因此能够使用所述类别判定信息来自动进行类别判定。

(信息处理装置的详细情况)

图1是表示控制系统1中所含的信息处理装置10等的主要部分结构的框图。如图1所示，信息处理装置10包括历史获取部100、动作判定部130、存储部140、提取部150、发送部160、图像分析部170、输入部180以及判定信息记录控制部190以作为功能块。而且，历史获取部100包含第一获取部110与第二获取部120。进而，图像分析部170包含分类处理部171与类别判定部172。

历史获取部100、动作判定部130、存储部140、提取部150、发送部160、图像分析部170以及输入部180例如可通过中央处理器(Central Processing Unit，CPU)等将存储在利用只读存储器(Read Only Memory，ROM)、非易失性随机存取存储器(Non-Volatile RandomAccess Memory，NVRAM)等而实现的存储装置(存储部140)中的程序读出到未图示的随机存取存储器(Random Access Memory，RAM)等中来执行而实现。以下，首先对信息处理装置10中的历史获取部100、动作判定部130、存储部140、提取部150、发送部160、图像分析部170、输入部180以及判定信息记录控制部190进行说明。

历史获取部100是从控制系统1的各部获取信息并输入至信息处理装置10的功能块。

第一获取部110从摄像机30获取摄像机30拍摄整个作业现场WS所得的拍摄数据即基础拍摄数据BI，并将所获取的基础拍摄数据BI输出至图像分析部170。

第二获取部120从PLC 20获取工序信息，并将所获取的工序信息输出至动作判定部130。工序信息是“PLC 20从机器40获取的『机器40的动作结果La』”以及“PLC 20使用所获取的『机器40的动作结果La』而生成的信息”。即，工序信息包含动作结果La，动作结果La是表示在作业工序Pr的实施时机器40实际执行的动作Ac的内容以及结果的信息。在PLC 20使用“机器40(m)的动作结果La(m)”来对机器40(m)所执行的动作Ac(m)执行动作判定的情况下，工序信息也可包含PLC 20对动作Ac(m)的动作判定的判定结果。

动作判定部130使用从第二获取部120获取的工序信息，对于被用于作业工序Pr的实施的机器40所执行的实际的动作Ac，判定“是否发生了工序内错误”。所谓工序内错误，是指机器40的设备异常以及通过机器40所进行的检查等而检测出的制品不良/规格不良等。即，动作判定部130在从第二获取部120获取工序信息(尤其是动作结果La)时，确认工序信息中所含的工序内错误的有无以进行判定。

动作判定部130对于判定为发生了工序内错误的动作Ac(m)，确定与此动作Ac(m)对应的作业工序Pr(m)，并将表示所确定的作业工序Pr(m)的信息(提取对象信息)通知给提取部150。

动作判定部130例如根据工序信息，具体而言，根据机器40(m)的动作结果La(m)来确定“机器40(m)开始『判定为发生了工序内错误的动作Ac(m)』的时刻”即动作开始时刻Tms(m)。而且，动作判定部130例如根据工序信息，具体而言，根据机器40(m)的动作结果La(m)来确定“机器40(m)完成『判定为发生了工序内错误的动作Ac(m)』的时刻”即动作完成时刻Tme(m)。动作判定部130将对于“判定为发生了工序内错误的动作Ac(m)”所确定的动作开始时刻Tms(m)以及动作完成时刻Tme(m)作为表示与“判定为发生了工序内错误的动作Ac(m)”对应的作业工序Pr(m)的提取对象信息而通知给提取部150。“判定为发生了工序内错误的动作Ac(m)”的、从动作开始时刻Tms(m)直至动作完成时刻Tme(m)为止的时间(期间)也称作“截取时间”，即，表示“截取时间”的信息为提取对象信息的一例。动作Ac(m)的、从动作开始时刻Tms(m)直至动作完成时刻Tme(m)为止的时间(期间)在“正在执行动作Ac(m)的期间”这一含义上，也被称作动作期间Da(m)。

动作判定部130对于判定为未发生工序内错误的动作Ac(m)，确定与此动作Ac(m)对应的作业工序Pr(m)，将表示所确定的作业工序Pr(m)的信息(非提取对象信息)通知给图像分析部170。即，动作判定部130将表示与“未发生工序内错误的”动作Ac(m)对应的作业工序Pr(m)的信息(非提取对象信息)通知给图像分析部170。

此处，动作判定部130也可通过将提取对象信息通知给图像分析部170，来使图像分析部170确定与“判定为发生了工序内错误的动作Ac”以外的动作Ac对应的作业工序Pr。例如，动作判定部130也可通过将表示“截取时间”的信息通知给图像分析部170，来使图像分析部170确定“截取时间”以外的时间。

动作判定部130也可将使用动作结果La(m)而确定的、动作Ac(m)的动作开始时刻Tms(m)、动作完成时刻Tme(m)以及动作期间Da(m)通知给图像分析部170。

图像分析部170对于与“由动作判定部130判定为『发生了工序内错误』的动作Ac”以外的动作Ac对应的作业工序Pr，对作业者Pe在此作业工序Pr中进行的作业工序群进行图像分析。图像分析的结果为，将所述作业工序群分类为类别，随后判定是循环作业还是非循环作业。而且，判定所述作业工序群是标准作业还是非标准作业。图像分析部170中的动作的详细情况将后述。

在将作业工序Pr分类为多个类别后，遵循规定的作业顺序(实施次序)的作业为循环作业，与规定的作业顺序不同的作业为非循环作业。即，所谓循环作业，多为生产现场中的固定作业，即，装配等实际进行制品生产的作业以及为此的零件补充/部署等。为循环作业的类别也称作通常作业顺序类别。相对地，所谓非循环作业，多为生产现场中的非固定作业，例如为设备的维护以及制品切换时的部署等。为非循环作业的类别也称作异常作业顺序类别。

而且，所谓标准作业，是指遵照循环作业所固有的作业内容而进行的作业。为标准作业的类别也称作标准类别。相对地，所谓非标准作业，是指未遵照每个循环作业或非循环作业所固有的作业内容而进行的作业或者发生了工序内错误等的作业，即包含异常作业的作业。为非标准作业的类别也称作非标准类别。而且，为异常作业的类别也称作异常类别。此处，在非标准类别中，不仅包含异常作业，也有时包含虽非标准作业但无问题的作业。

作为对拍摄数据ID(基础拍摄数据BI)的图像分析，图像分析部170也可执行能够精致地掌握作业者Pe的存在以及动向等的活动线分析，检测作业者Pe的中心坐标、作业者ID等。

图像分析部170对于判定为非标准作业的作业Op，确定与此作业Op对应的作业工序Pr，并将表示所确定的作业工序Pr的信息(提取对象信息)通知给提取部150。

提取部150从动作判定部130获取表示与“判定为发生了工序内错误的动作Ac”对应的作业工序Pr的提取对象信息，并使用所获取的提取对象信息来从基础拍摄数据BI中提取局部拍摄数据OD。即，提取部150使用从动作判定部130获取的提取对象信息，从基础拍摄数据BI中提取对与“被判定为满足动作基准Sa(m)的动作Ac(m)”对应的作业工序Pr(m)的实施状况进行拍摄所得的拍摄数据Id(m)，以作为局部拍摄数据OD。例如，提取部150从动作判定部130获取“判定为发生了工序内错误的动作Ac(m)”的、从动作开始时刻Tms(m)直至动作完成时刻Tme(m)为止的时间(即，截取时间)。并且，提取部150提取基础拍摄数据BI中的、相当于所获取的截取时间的拍摄数据Id来作为局部拍摄数据OD。

而且，提取部150从图像分析部170获取表示与“被判定为非标准作业的作业Op”对应的作业工序Pr的提取对象信息，并使用所获取的提取对象信息来从基础拍摄数据BI提取局部拍摄数据OD。

提取部150将从基础拍摄数据BI提取的局部拍摄数据OD，即，将从基础拍摄数据BI提取作为局部拍摄数据OD的拍摄数据Id输出至发送部160。

发送部160将由提取部150从基础拍摄数据BI提取作为局部拍摄数据OD的拍摄数据Id发送至控制系统1的外部，例如发送至图2所示的动态图像保存服务器等。

存储部140是保存信息处理装置10所使用的各种数据的存储装置。另外，存储部140也可非暂时地存储信息处理装置10所执行的(1)控制程序、(2)操作系统(OperatingSystem，OS)程序、(3)用于执行信息处理装置10所具有的各种功能的应用程序、以及(4)在执行所述应用程序时所读出的各种数据。所述(1)～(4)的数据例如被存储在只读存储器(Read Only Memory，ROM)、快闪存储器、可擦可编程只读存储器(Erasable ProgrammableROM，EPROM)、电可擦可编程只读存储器(Electrically EPROM，EEPROM(注册商标))、硬盘驱动器(Hard Disc Drive，HDD)等非易失性存储装置。信息处理装置10也可包括未图示的临时存储部。临时存储部是在信息处理装置10所执行的各种处理的过程中，暂时存储在运算中使用的数据以及运算结果等的所谓的工作存储器，包含随机存取存储器(Random AccessMemory，RAM)等易失性存储装置。关于将哪个数据存储到哪个存储装置中，根据信息处理装置10的使用目的、便利性、成本或物理限制等来适当决定。存储部140进而保存错误基准141以及类别判定信息142。

所谓错误基准141，是指对于“作业工序Pr的实施中所用的机器40所执行的动作Ac”的每个动作Ac预先设定的基准，具体而言，是表示“作业工序Pr的实施中所用的机器40应执行的标准性的动作的内容以及结果”的信息。例如，在“作业工序Pr(m)：检查工序的实施中所用的机器40(m)：检查机所执行的动作Ac(m)：检查动作”中，预先设定有“错误基准141：检查结果-良好”。而且，在“作业工序Pr(m)：拾取工序的实施中所用的机器40(m)：拾取机所执行的动作Ac(m)：拾取动作”中，预先设定有“错误基准141：拾取成功”。进而，在“作业工序Pr(m)：螺固工序的实施中所用的机器40(m)：螺固机所执行的动作Ac(m)：螺固动作”中，预先设定有“错误基准141：转速从p变为q(＞p)次”。

即，错误基准141是用于对某作业工序Pr的实施中所用的机器40检测到异常这一动作结果La、以及某作业工序Pr的实施中所用的机器40的动作Ac存在异常这一动作结果La的至少一者进行检测的基准。

所谓类别判定信息142，是指“实施了作业工序Pr的结果即标准/非标准等的判定结果”，与类别的特征量相关联。即，用于对于某已知的类别判定信息，通过比较未知的类别判定信息来获取所述未知的类别的判定信息。

输入部180是对于图像分析部170受理用户输入而进行处理的功能块。详细情况将后述。

判定信息记录控制部190将所输入的判定信息作为类别判定信息142而存储至存储部140中。

(关于活动线分析)

图4是某作业者Pe所负责的作业工序Pr中的活动线分析的一例。如图4所示，通过进行活动线分析，获得横轴取时间、纵轴取作业工序Pr的迁移图(活动线)。如图4的箭头所示，基本上基于某作业者Pe反复对作业工序Pr(1)至作业工序Pr(9)这九个作业工序Pr进行作业的情况来进行说明。

但是，作为以规定的作业工序生产的某品种(例如，品种A)的循环作业，不一定要以固定的节奏来反复继续作业工序Pr(1)直至作业工序Pr(9)为止的作业工序群。例如，在为了继品种A之后生产类似于品种A的品种B，而进行用于品种切换的部署，随后进行品种B的生产的情况下，对品种B的部署以及品种B的生产也均为循环作业。而且，有时会搞错作业流程而搞错规定的作业工序的处理顺序，而且，有时会因错误应对等而调换规定的作业工序的处理顺序，它们成为非循环作业。这样，多个循环作业以及多个非循环作业混合存在而继续生产。

这样，实际如图4的实线框所示，发生了活动线在作业工序Pr(5)中滞留的事态。而且，如图4的虚线框所示，发生了重复作业工序Pr(1)至作业工序Pr(3)的事态。因此，生产现场的作业工序不只是重复固定的作业。

而且，在活动线分析中，必须决定成为存在多个的作业工序Pr的开始点的作业工序Pr(1)、与直至再次开始作业工序Pr(1)为止即作为一连串作业工序Pr的最后的作业工序Pr(n)。从所述作业工序Pr(1)直至作业工序Pr(n)为止的区间是某作业者Pe针对一个制品所进行的作业工序期间Dat。以下的图像分析部170的处理中，将活动线分割为每个作业工序期间Dat，以作业工序活动线为对象来进行分析。此处，所谓作业工序活动线，是指将通过活动线分析获得的活动线分割为每一个制品的一连串循环作业单位(或，一连串非循环作业单位)。

(关于分类处理部171)

图5是通过活动线分析将活动线分割为作业工序活动线的单位的图。分类处理部171是对大量的作业工序活动线进行比较，分类为呈现同样倾向的每个作业工序活动线的功能块。即，分类处理部171也可以说是根据类似度来对大量的作业工序活动线进行聚类的功能块。

分类处理部171首先对于将活动线分割而成的作业工序活动线算出类似度，分类为彼此类似(类似度大)的小分类类别。对于各小分类类别，确认作业工序活动线，判定是否按照规定的作业工序顺序进行了处理，分类为循环作业与非循环作业的大分类类别。此处，作为大分类类别，并不限定于循环作业以及非循环作业，也可为基于其他基准的分类，而且，大分类类别的数量也可为三以上。

图6是将大量的作业工序活动线分类为小分类类别，表示所述小分类类别的代表的概念图。如图6所示，小分类类别是将呈现同样倾向的作业工序活动线汇总而成，在不同的小分类类别中，成为不同倾向的作业工序活动线。

图7是将各小分类类别的频率与用户判断汇总而成的表。各小分类类别的频率表示所述小分类类别中所含的作业工序活动线的个数，用户判断是对所述小分类类别进行标记。以下，基于图7，关于循环作业、非循环作业、标准作业、非标准作业以及异常作业，举事例来作具体说明。

如图7所示，作为循环作业，有循环动作1或循环动作2这样的用户判断为“标准”的标准作业、以及循环动作4或循环动作5这样的用户判断为“部署”的非标准作业。而且，有循环动作3这样的用户判断为“作业者的安排”的异常作业。进而，也可有未被分类为小分类类别的“其他”之类的小分类。

而且，如图7所示，作为非循环作业，有非循环动作1或非循环动作2这样的用户判断为“部署”的非标准作业。而且，有非循环动作3这样的用户判断为“中断”的异常作业。

因此，如用户判断为“部署”的小分类类别既存在于循环作业中，也存在于非循环作业的情况所示的这样，即便是作出相同的用户判断的小分类类别，也未必限制于循环作业或非循环作业中的任一个。

进而，作为异常作业的具体例，如列举用户判断为“作业者的安排”以及“中断”的作业作为事例的情况所示的这样，将规定的作业在中途发生了中断，或者变更了规定的作业内容的情况认定为异常作业+。

(关于类别判定部172)

类别判定部172判定由分类处理部171所分类的小分类类别分别是何种类别。具体而言，类别判定部172判定是判定对象类别的作业工序Pr中未产生问题的标准类别，还是除此以外的作业工序Pr中有可能产生问题的非标准类别。

类别判定部172进行的判定有基于用户输入的方法与基于类别判定信息142的方法。对于基于用户输入的方法的详情，将在实施方式1中后述。对于基于类别判定信息142的方法，将在实施方式2中进行说明。而且，类别判定部172将判定结果输出至判定信息记录控制部190。进而，类别判定部172能够基于输入部180的指示来显示活动线以及拍摄数据。因此，也可一边确认活动线以及作业动态图像数据，一边将判定结果分配为各大分类类别或小分类类别。

(关于判定信息记录控制部190)

判定信息记录控制部190将在类别判定部中用户输入的判定结果作为类别判定信息142而存储至存储部140中。

§3.动作例

图8是表示信息处理装置10所执行的处理(换言之，信息处理装置10所执行的控制方法)的一例的流程图。对于图8所示的处理，为了使其理解变得容易，一开始说明概要如下。即，信息处理装置10所执行的处理(控制方法)包含：历史获取步骤(S110、S120)，获取作业信息群，所述作业信息群是作业者对包含多个作业工序Pr的作业工序群的实施结果信息的历史；分类处理步骤(S150)，将通过所述历史获取步骤而获取的所述作业历史信息中所含的所述作业工序群的实施结果信息的至少一部分分别分类为多个类别的任一个；以及类别判定步骤(S160)，对于通过所述分类处理步骤而分类的所述类别中的多个所述类别，判定为作业未产生问题的标准类别，对于除此以外的多个所述类别，判定为作业有可能产生问题的非标准类别。

通过所述结构，将作业工序群各自的实施结果信息分类为类别，并且设置多个判定为作业未产生问题的标准类别。以往，此种标准类别仅设有一个，即便是实际上未产生问题的实施结果信息，也有时会被判定为产生了问题。与此相对，通过所述结构，能够灵活地设定多个应判定为未产生问题的类别，因此能够进行更符合实际情况的判定。

对于以上说明了概要的信息处理装置10所执行的处理，接下来一边参照图8一边说明其详情。如图8所示，首先，第二获取部120从PLC 20获取工序信息(S110)。具体而言，第二获取部120从PLC 20获取表示作业工序Pr(m)的实施中所用的机器40(m)在作业工序Pr(m)的实施时所执行的实际的动作Ac(m)的内容以及结果的动作结果La(m)以作为工序信息。而且，第一获取部110从摄像机30获取基础拍摄数据(S120)。这些工序信息以及基础拍摄数据也称作作业历史信息。

(对于工序内错误的判定)

动作判定部130使用第二获取部120从PLC 20获取的工序信息，对于作业工序Pr的实施时机器40所执行的动作Ac，判定“是否发生了工序内错误”。具体而言，动作判定部130使用工序信息中所含的动作结果La(m)，判定“在作业工序Pr(m)的实施时机器40(m)实际执行的动作Ac(m)中是否发生了工序内错误”。

(S130：工序内错误的有无)

作为“动作Ac(m)是否发生了工序内错误”的判定，动作判定部130使用动作结果La(m)，首先判定“在作业工序Pr(m)的实施时机器40(m)所执行的动作Ac(m)中是否发生了工序内错误”(S130)。

(S140：有工序内错误的情况)

若判定为“动作Ac(m)发生了工序内错误”(S130中为是)，则跳转至S140。动作判定部130对于判定为发生了工序内错误的动作Ac(m)，例如生成以下的信息，以作为表示与所述动作Ac(m)对应的作业工序Pr(m)的提取对象信息。即，动作判定部130将发生了工序内错误的时间点确定为“标记时间点”。动作判定部130将从自所确定的标记时间点回溯了规定期间(例如30秒)的时间点直至标记时间点为止决定为“截取时间”，即，决定为表示与发生了工序内错误的动作Ac(m)对应的作业工序Pr(m)的提取对象信息(S140)。动作判定部130将所决定的“截取时间”通知给提取部150。

(S150：无工序内错误的情况)

若未判定为“动作Ac(m)发生了工序内错误”(S130中为否)，则跳转至S150。图像分析部170通过图像分析来进行以下的判定。即，图像分析部170通过对拍摄数据ID(m)的图像分析来确定作业者Pe(x)所进行的作业工序Pr(m)，确定所述作业工序Pr(m)是否为标准类别、非标准类别(S150)。具体的图像分析的工序将后述。

图像分析的结果为，判定作业工序Pr(m)是否为异常类别(S160)。若动作Ac(m)并非异常类别(S160中为否)，则结束动作流程图。

(S170：异常类别的情况)

若作业工序Pr(m)为异常类别(S160中为是)，则跳转至S170，决定“截取时间”(S170)。即，图像分析部170根据作业工序Pr(m)的开始(即，停滞开始时间点Tos(m))以及完成(即，停滞结束时间点Toe(m))，对于作业工序Pr(m)决定“截取时间”。

图像分析部170将所决定的“截取时间”作为表示作业工序Pr(m)的提取对象信息而通知给提取部150。提取部150从基础拍摄数据BI中提取与在S170中决定的“截取时间”对应的拍摄动态图像(拍摄数据Id)来作为局部拍摄数据OD(S180)。

即，图像分析部170通过对基础拍摄数据BI，尤其是对基础拍摄数据BI中的拍摄数据Id(m)的图像分析，判定在作业工序Pr(m)的实施时作业者Pe(x)所进行的作业工序Pr(m)是否为异常类别。提取部150从基础拍摄数据BI中提取关于进行由图像分析部170判定为异常类别的作业工序Pr(m)的状况的拍摄数据Id(m)，以作为局部拍摄数据OD。

(图像分析处理的流程)

图9是实施方式1的图像分析中的流程图。依据图9，关于图像分析部170所执行的图像分析、以及标准类别及非标准类别的确定处理，以下说明其一例。

(图像分析处理(1)：作业工序活动线的导出)

图像分析部170进行对基础拍摄数据BI中的拍摄数据Id(m)的图像分析，导出作业工序Pr(m)的作业工序活动线(S210)。在作业工序活动线的导出时，从工序信息中所含的动作结果La(m)中，参照作业工序Pr(m)的动作开始时刻Tms(m)以及动作完成时刻Tme(m)来导出构成作业工序活动线的各作业工序Pr(m)的期间。通过各作业工序Pr(m)的迁移，构成作业工序活动线。

而且，作业工序活动线的导出并不限定于基于从工序信息获得的信息来导出。例如，也可使用摄像机30的基础拍摄数据BI来从监测区域Ar(m)间的移动历史导出各作业工序Pr(m)的期间。

(图像分析处理(2)：作业工序活动线的特征量化)

作业工序活动线是具备实际测量的一个制品的作业时间长度的活动线。因此，难以唯一地比较作业工序活动线彼此。因此，图像分析部170对作业工序活动线进行特征量化的处理(S220)。

作为特征量化，例如也可进行相对于时间方向的归一化、与移动次数以及每个监测区域的基于作业时间的特征量化。通过特征量化，能够对作业工序活动线彼此进行比较。作为特征量化的方法，并不限定于这些，可使用任意的方法。

从作业工序活动线获取的特征量也称作实施结果信息。由于能够从拍摄数据获取实施结果信息，因此不会对作业者造成负担，而能够获取包含多个作业工序的实施结果信息。

(图像分析处理(3)：作业工序活动线间的类似度)

图像分析部170求出作业工序活动线间的类似度(S230)。即，通过对经特征量化的作业工序活动线彼此进行比较，从而算出所述作业工序活动线间的类似度例如距离。作为距离，可为欧几里德距离、曼哈顿距离、马氏距离、闵可夫斯基距离、汉明距离以及切比雪夫距离等任意距离。所述类似度并不限定于距离，只要是能够将任意的不同点量化并比较的指标即可。

(图像分析处理(4)：基于类似度的类别分类)

图10是循环作业中的作业工序活动线的基于类似度的树状图(dendrogram)。所谓树状图，是指相对于某标本群，呈树形图状地构成群集的图。因此，对于树状图，通过使用距离来作为阈值，能够将标本群分类(聚类)为若干个小的单位的标本群。

如图10所示，分类处理部171首先对于所述距离，以某阈值将作业工序活动线群分类为小分类类别(S240)。

(图像分析处理(5)：基于作业顺序的循环作业以及非循环作业的分类)

分类处理部171对于各小分类类别确认作业顺序，将是否与规定的作业顺序相同判定为大分类类别(S250)。即，若作业顺序与规定的作业顺序相同，则判定为循环作业，若作业顺序与规定的作业顺序不同，则判定为非循环作业。

(图像分析处理(6)：基于用户输入的标记)

类别判定部172使用输入部180，通过用户输入来对各小分类类别进行标记(S260)。具体而言，类别判定部172对于各小分类类别标记是标准作业，还是非标准作业(包含异常作业)。类别判定部172将相对于各小分类类别的标签作为判定信息而输出至判定信息记录控制部190。

例如，类别判定部172通过用户输入，在图10所示的小分类类别中，将循环作业标记为标准作业A(某品种的生产)、标准作业B(另一品种的生产)、维护以及部署。而且，通过“作业者的安排”以及作业中途的“中断”等的用户输入来判断异常作业。

在基于用户判断的标记时，将与各小分类类别各自对应的拍摄数据显示给用户后，用户判定各小分类类别是否为异常作业，进而判定是哪种作业(是“标准”还是“作业者的安排”等)。此时，能够将所述小分类类别的循环作业以及非循环作业的种类显示给用户。用户在非循环作业的情况下，能够在为作业产生问题的可能性高的类别的前提确认拍摄数据，因而是否为异常作业的判定精度提高。

因此，类别判定部172将经类别分类后的实施结果信息提示给用户，由此能够进行标记。因此，不再需要以往所需的、对于数量庞大的实施结果信息各别地确认并标记的作业，从而能够有效率地确定发生了问题的作业。而且，在标记时，能够确认拍摄数据并判定是标准类别，还是非标准类别，还是异常类别，能够准确且有效率地进行判定作业。

(图像分析处理(7)：类别判定信息的存储)

判定信息记录控制部190将所输入的判定信息作为类别判定信息142而存储至存储部140(S270)。所述类别判定信息142除了各类别的标签以外，还一并存储各类别的特征量。因此，也能够使用由判定信息记录控制部190所存储的类别判定信息142来对未知的实施结果信息进行类别判定。

§4.作用/效果

图11是表示通过本实施方式的图像分析部170的动作所获得的大分类类别以及小分类类别与其特征的概念图。如图11所示，本实施方式中，首先将作业工序活动线群分类为多个小分类类别。进而，根据是否为规定的作业顺序而将各小分类类别分类为大分类类别。

图11中的链线表示大分类类别，影线圆表示非标准作业(包含异常作业)。即，可知的是，在循环作业中，有作为标准作业的标准作业A以及标准作业B，它们类似，但存在为异常的多个作业工序群。而且，可知的是，非循环作业是与循环作业不同的作业顺序，也可存在多个，分别相对地，有未产生问题的作业工序群与为异常的作业工序群。

因此，本实施方式中，能够定义多个标准作业。相对地，在以往，标准作业只能定义一个，因此本实施方式能够灵活地设定多个应判定的类别，因此能够进行更符合实际情况的判定。

而且，通过使用作业工序活动线来进行特征量化，能够分类为多个小分类类别。因此，对于经聚类的小分类类别，通过确认一部分拍摄数据，能够进行各类别的标记，比起以往，能够削减确认拍摄数据的分量。

而且，非循环作业是比循环作业罕见的非固定作业，发生作业流程错误或作业失误的情况多。因此，在非循环作业中，成为异常作业的可能性比循环作业高，用户的判定会更慎重地进行。因此，在非循环作业中，能够进行更高精度的判定。

〔实施方式2〕

以下说明本发明的另一实施方式。另外，为了方便说明，对于具有与所述实施方式中说明的构件相同的功能的构件，标注相同的符号并不再重复其说明。

在实施方式2中，使用在实施方式1中所分类的已知的类别，将类别为未知的作业工序群确定为已知的类别。即，对于事先汇集了作业工序群的实施状况的作业工序活动线群，确定已知的小分类类别，并确定各作业工序活动线的特征量与标签。

图12是实施方式2的图像分析中的流程图。依据图12，对于图像分析部170所执行的图像分析、与标准类别以及非标准类别的判定处理，以下说明其一例。

如图12所示，S210以及S220进行与图9同样的处理，进行作业工序活动线的获取与特征量化。

(图像分析处理(8)：算出相对于已知类别的类似度)

图像分析部170基于新实施所得的实施结果信息，对于类别为未知的作业工序，求出相对于已知的小分类类别的类似度(S310)。具体而言，所述类似度也可为任意距离。

(图像分析处理(9)：确定未知类别的所述类别)

分类处理部171确定未知的实施结果信息的相对于已知类别的类似度为最大的类别(S320)。分类处理部171也可将未知类别的经确定的小分类类别输出至类别判定部172。

(图像分析处理(10)：确定类别判定信息)

类别判定部172参照所确定的未知的实施结果信息的、所述所确定的小分类类别的类别判定信息，依据所述所确定的小分类类别的类别判定信息，判定所述所确定的未知类别(S330)。即，若所确定的已知的小分类类别为标准作业，则未知类别也为标准作业，若所确定的已知的小分类类别为非标准作业，则未知类别也为非标准作业。

因此，图像分析部170算出未知的实施结果信息的、相对于已知类别的类似度，由此，能够与已知的小分类类别进行比较，确定未知的实施结果信息的类别判定信息，并根据所述类别判定信息来求出未知的实施结果信息的标签(判定结果)。因此，无需用户判断便能够自动确定未知的实施结果信息是标准类别，还是非标准类别，还是异常类别，从而能够容易地确定作业工序的异常。因此，可有效率地进行作业工序的维持/改善。

〔变形例〕

(将信息处理装置10与PLC 20设为一体)

至此为止，对下述示例进行了说明，即，如图2所示，信息处理装置10与PLC 20经由控制网络50能够相互通信地连接。但是，经由控制网络50来连接信息处理装置10与PLC 20并不是必需的。

例如，信息处理装置10与PLC 20也可经由内部总线能够相互通信地连接，还可将信息处理装置10与PLC 20设为一体。即，也可将信息处理装置10构成为将信息处理装置10与PLC 20设为一体的工业工人计算机(Industrial PC，IPC)。

(信息处理装置10的其他结构)

信息处理装置与图1不同，不包括动作判定部130、提取部150以及发送部160，而只要包括历史获取部100、分类处理部171、类别判定部172以及输入部180即可。即，信息处理装置只要有所述的能够执行使用作业工序活动线的聚类的功能块即可。

此时，由于功能块比信息处理装置10少，因此能够降低成本，可作为廉价的学习机/判定机发挥功能。

〔实施方式3〕

以下说明本发明的另一实施方式。另外，为了方便说明，对于具有与所述实施方式中说明的构件相同的功能的构件，标注相同的符号并不再重复其说明。

(标准作业的细分化)

实施方式3的分类处理部171与实施方式1的分类处理部171同样，首先算出类似度，根据类似度来分类为小分类类别。随后，对于各小分类类别，确认作业工序活动线，判定是否按照规定的作业工序顺序进行了处理，分类为循环作业与非循环作业的大分类类别。

相对地，实施方式3的类别判定部172与实施方式1的类别判定部172不同，将某标准作业A(标准类别)之中判定为进一步细分化的一个标准作业C与至少一个标准作业D。

标准作业C与标准作业D均为标准作业，因此遵循循环作业固有的作业内容，按照规定的作业工序顺序来推进作业，但各作业工序中的实施结果信息在标准作业C与标准作业D中倾向不同。例如，在标准作业C中能够无问题地进行作业，与此相对，在标准作业D中，在作业工序顺序未发生变化的范围内产生了作业时间的延迟。这可列举下述情况等来作为标准作业D的事例，即，例如因螺栓的紧固稍稍耗费了工夫，因此所述作业工序的作业时间变长。

图13是表示标准作业C以及标准作业D的倾向的概念图。如图13所示，从标准作业A的区域的中心呈同心圆状将区域分割而成的区域中的、包含中心的区域为标准作业C的区域，标准作业C的区域外侧的区域为标准作业D的区域。即，类别判定部172基于距标准作业A的中心的距离而分割为多个标准作业的区域。图13中分割的区域的数量为两个，但并不限定于此，并无数量的限制。

这样，通过将标准作业之中分割为进而细分化的标准作业，从而能够掌握即便在标准作业中也可能发生的、作业内容的更详细情况的倾向。因此，容易依据所述倾向来采取对策。

(细分化的标准作业的直方图)

图14是用于掌握与距某标准作业的中心的距离相应的标准作业的倾向的直方图。图14中的横轴是距某标准作业(例如，标准作业A)的中心的距离，纵轴描绘了各距离时的各小分类类别的发生频率。另外，图14中，各小分类类别的频率是通过影线的种类来表示。

图14所示的示例中，将距中心的距离为8以下的小分类类别判定为标准作业C，将距中心的距离为8～14的小分类类别判定为标准作业D，由此，能够将判定为标准类别的小分类类别分割为多个标准类别。

通过类别判定部172进行如上所述的判定，从而即便在标准作业之中，也能够区分识别进行了适当作业的标准作业C与存在改善余地的标准作业D。因而，能够确定存在改善余地的标准作业D，而采取进一步的作业适当化/效率化的对策。

另外，关于如标准作业D那样，距某标准作业A的中心的距离远的标准作业，也可称作准标准作业。在准标准作业中，如上所述，作业时间变长，从此种准标准作业采取对策有助于增加标准作业的频率或提高作业工序的品质。

〔实施方式4〕

以下说明本发明的另一实施方式。另外，为了方便说明，对于具有与所述实施方式中说明的构件相同的功能的构件，标注相同的符号并不再重复其说明。

(直方图生成部)

图15是表示本实施方式的信息处理装置10等的主要部分结构的框图。如图1所示，信息处理装置10除了所述的实施方式中所示的结构以外，还包括显示控制部155以及显示部165。显示控制部155基于类别判定部172作出的类别判定结果来制作后述的直方图的数据，进行对显示部165的显示控制。

另外，显示控制部155的功能也可由连接于信息处理装置10的外部的信息处理终端来执行。即，类别判定部172作出的类别判定结果也可从发送部160发送至外部的信息处理终端，在所述外部的信息处理终端中进行直方图显示处理。

(相对于作业时间的直方图)

图16是将对各小分类类别的类别判定信息制成表示相对于作业时间的产生频率的直方图。所述直方图中，根据类别判定信息的种类来区分图表的显示形式(颜色、影线等)而显示。

当直方图上的与特定的作业时间对应的图表区域被用户选择时，也可进行图17所示的显示。图17是与直方图上的特定的作业时宽对应的图表区域中所含的、实际的类别判定信息的结果的列表。当列表内的类别判定信息被用户选择时，也可重放与相应的类别判定信息对应的动态图像。在列表中，显示任务的时刻、任务的ID、标签等。而且，关于列表的选择，既可显示与特定的作业时宽对应的所有类别判定信息，也可仅显示与以所述作业时宽指定的类别判定信息的种类对应的类别判定信息。

根据以上，用户能够通过确认直方图来确定有可能发生问题的作业时宽，从而容易地确认所述作业时宽内的实际作业状况。而且，确认动态图像作为实际作业状况也能够在一连串的确认处理的流程中顺利地执行。

另外，也可将图16的直方图与图17的列表汇总显示于一个画面上。

〔实施方式5〕

以下说明本发明的另一实施方式。另外，为了方便说明，对于具有与所述实施方式中说明的构件相同的功能的构件，标注相同的符号并不再重复其说明。

图18是将包含多个作业工序Pr的作业工序群分割为多个群组(作业群组)的图。针对各群组，提取特征量，由分类处理部171分为小分类类别，并由类别判定部172生成相对于所述类别的类别判定信息。

此处，考虑将分割为多个群组的基准设为各作业工序Pr的作业者的变更时机。例如考虑作业工序群由三位作业者进行的情况。图18中，设作业者A负责作为第一群组的作业工序Pr(1)～作业工序Pr(4)，作业者B负责作为第二群组的作业工序Pr(5)～作业工序Pr(7)，作业者C负责作为第三群组的作业工序Pr(8)～作业工序Pr(9)。

通过像这样将一连串的作业工序群分割为多个群组，基于反映出此群组特有的作业特性的特征量来进行类别判定。因而，能够进行使在进行考虑所有作业工序群的类别判定时无法认识到的问题显露的类别判定。

例如，在针对每个作业者进行分组的情况下，能够基于各作业者的作业特性来进行类别判定，因此能够对特定的作业者所进行的作业存在问题的情况适当地进行类别判别而区分。

另外，多个群组中的进行类别判定的群组既可由用户选择一个，也可选择多个。在由用户选择了一个群组的情况下，将仅通过相应群组来进行类别判定。

而且，在由用户选择了多个群组的情况下，既可对各群组进行类别判定，也可对所选择的群组中所含的作业工序群统一进行类别判定。

而且，群组的选择并不限定于由用户来进行，也可按照预先规定的规定基准来自动选择。作为规定基准，例如可列举特定的作业者所实施的作业工序群、包含规定的作业工序的作业工序群等。

〔实施方式6〕

以下说明本发明的另一实施方式。另外，为了方便说明，对于具有与所述实施方式中说明的构件相同的功能的构件，标注相同的符号并不再重复其说明。

(特征量)

实施方式1中，作为特征量，使用了作业活动线，但在实施方式6中，取代作业活动线而使用工序次数、总作业时间与最大作业比。

工序次数是在一循环的期间进行设为对象的作业工序Pr的次数。因此，工序次数也可为多次(例如两次)。另外，也可将通过对作业场所的拍摄图像进行图像分析而获得的、作业者进入相应工序的规定区域的次数识别为工序次数。

总作业时间是在设为对象的作业工序Pr中进行作业的时间的总和。此时，在工序次数为多次的情况下，使用所有工序次数的总和。

最大作业比是总作业时间相对于工序次数的量的作业工序Pr所需的作业时间中的最大作业时间的比率。即，最大作业比表示了工序次数为多个时的各作业时间的偏颇程度。

图19是表示实施方式6的作业活动线的概念图。如图19所示，关于具有作业工序Pr(1)～(5)为止的作业工序群进行说明。在作业工序Pr(2)中进行了一次作业后，在作业工序Pr(3)中进行作业，在作业工序Pr(4)中进行作业，再次在作业工序Pr(3)中进行作业，并再次在作业工序Pr(4)中进行作业。与它们并行地，其他的作业者进行作业工序Pr(5)的作业。而且，也可将如作业工序Pr(1)那样实质上无作业的空的作业追加至作业工序群。

图20是表示实施方式6的作业活动线的特征量的表。此处，以作业工序Pr(3)为中心进行说明。关于作业工序Pr(3)，将作业工序进行了两次。因此，工序次数为2。这两次作业工序Pr(3)的作业时间分别为14秒与15秒，因此总作业时间为14+15＝29秒。而且，最大作业比为15/29＝0.52。

若将最大作业比乘以工序次数所得的值(0.52×2＝1.04)为接近1的值，则所述作业工序Pr是以相对较均等的比例进行了作业。相对地，例如作业时间为5秒与24秒时(总作业时间为29秒)的最大作业比为24/(5+24)＝0.83，将最大作业比乘以工序次数所得的值(0.83＊2＝1.66)为大幅偏离1的值。此种情况下，所述作业工序Pr并非以均等的比例进行了作业。即，通过使用工序次数、总作业时间与最大作业比来作为特征量，能够简便地对作业活动线进行建模。

(基于特征量的分类)

针对每个作业工序来导出基于工序次数、总作业时间与最大作业比的特征量(例如，5作业工序×3特征量＝15特征量)，进行各类别的分类。作为用于类别分类的聚类方法，也可为K-均值法。而且，作为聚类方法，也可使用树状图以及高斯混合模型(Gaussianmixture model，GMM)聚类等聚类方法。

作为K-均值法的距离，也可使用欧几里德距离。而且，作为距离，也可使用马氏距离、曼哈顿距离以及汉明距离等其他距离的定义。

通过聚类，对经分类的各小分类类别分别进行标记，并作为类别判定信息而输出至判定信息记录控制部190。

(批量作业)

图21是表示批量作业中的作业活动线的概念图。如图21所示，关于具有作业工序Pr(1)～(5)为止的作业工序群进行说明。

作业者A在多个循环中进行了一次作业工序Pr(2)。例如，零件的补充等对应于此作业工序Pr(2)。随后，作业者A在进行了作业工序Pr(3)之后，进行作业工序Pr(4)，并再次进行作业工序Pr(3)以及作业工序Pr(4)。即，作业者A交替地进行这些作业工序Pr(3)以及作业工序Pr(4)。例如，作业工序Pr(3)为零件的装配，作业工序Pr(4)对应于将所装配的零件配置于托盘的工序。而且，作业者B是与作业者A非同步地进行作业工序Pr(5)。例如对应于使配置于托盘的零件移动至其他作业工序、或统一进行检查。

设想在进行了如上所述的批量作业的情况下，工序次数成为多个，最大作业比成为相对较低的值。因而，通过使特征量包含工序次数以及最大作业比，从而能够实现可对批量作业进行区分的类别划分。

〔借助软件的实现例〕

信息处理装置10(以下称作“装置”)的功能可通过下述程序来实现，所述程序是用于使计算机作为所述装置发挥功能的程序，且是用于使计算机作为所述装置的各控制块(尤其是历史获取部100、动作判定部130、提取部150、发送部160、图像分析部170、分类处理部171、类别判定部172、输入部180以及判定信息记录控制部190中所含的各部)发挥功能的程序。

此时，所述装置包括具有至少一个控制装置(例如处理器)与至少一个存储装置(例如存储器)的计算机来作为用于执行所述程序的硬件。通过由所述控制装置与存储装置执行所述程序，从而实现在所述各实施方式中说明的各功能。

所述程序也可记录于并非暂时且计算机可读取的一个或多个记录介质中。所述记录介质既可由所述装置包括，也可不由所述装置包括。在后者的情况下，所述程序也可经由有线或无线的任意传输介质而供给至所述装置。

而且，所述各控制块的功能的一部分或全部也可通过逻辑电路来实现。例如，形成有作为所述各控制块发挥功能的逻辑电路的集成电路也包含在本发明的范畴内。除此以外，例如也可通过量子计算机来实现所述各控制块的功能。

〔总结〕

为了解决所述问题，本发明的一实施方式的作业管理装置包括：历史获取部，获取作业历史信息，所述作业历史信息是作业者对包含多个作业工序的作业工序群的实施结果信息的历史；分类处理部，将由所述历史获取部所获取的所述作业历史信息中所含的所述作业工序群的实施结果信息的至少一部分分别分类为多个类别的任一个；以及类别判定部，对于由所述分类处理部所分类的所述类别中的多个所述类别，判定为作业未产生问题的标准类别，对于除此以外的多个所述类别，判定为作业有可能产生问题的非标准类别。

通过所述结构，将作业工序群各自的实施结果信息分类为类别，并且设置多个判定为作业未产生问题的标准类别。以往，此种标准类别仅设有一个，即便是实际上未产生问题的实施结果信息，也有时会被判定为产生了问题。与此相对，通过所述结构，能够灵活地设定多个应判定为未产生问题的类别，因此能够进行更符合实际情况的判定。

本发明的一实施方式的作业管理装置中，所述历史获取部基于拍摄所述作业者的活动线所得的活动线动态图像数据来算出特征量，以作为所述实施结果信息。

通过所述结构，获取实施结果信息来作为基于活动线动态图像数据而算出的特征量。因而，不会对作业者造成负担，而能够获取包含多个作业工序的实施结果信息。

本发明的一实施方式的作业管理装置中，所述分类处理部基于规定的基准将所述类别分类为多个大分类类别群，并且，所述类别判定部针对每个所述大分类类别群，对各自的所述类别进行判定。

通过所述结构，对于被分类为大分类类别群的各类别，判定是标准类别还是非标准类别。因而，能够根据大分类类别群来进行更适当的类别判定。

本发明的一实施方式的作业管理装置中，所述分类处理部设置所述作业工序群中所含的所述作业工序的实施次序为通常的通常作业顺序类别群、与所述实施次序不同于通常的异常作业顺序类别群，以作为所述大分类类别群。

通过所述结构，在分类为通常作业顺序类别群与异常作业顺序类别群之后，判定是标准类别还是非标准类别。即，异常作业顺序类别群是作业产生了问题的可能性高的类别群，因此能够进行与此相应的判定，从而能够提高判定的精度。

本发明的一实施方式的作业管理装置中，所述类别判定部对应于每个所述类别将所述实施结果信息提示给用户，并且对应于每个所述类别而受理表示是所述标准类别还是所述非标准类别的判定结果的用户输入。

通过所述结构，用户只要对由分类处理部所分类的每个类别确认实施结果信息而判定是否为标准类别即可。因而，不再需要以往所需的、数量庞大的实施结果信息的确认，从而能够有效率地确定作业有可能产生了问题的作业。

本发明的一实施方式的作业管理装置中，所述类别判定部从被分类为所述非标准类别的所述类别中，受理表示为发生了异常的异常类别这一判定结果的用户输入。

通过所述结构，能够将已分类为标准类别以及非标准类别的类别进一步分类为异常类别。因而，能够确定发生了异常的实施结果信息。

本发明的一实施方式的作业管理装置中，所述类别判定部进行下述控制，即，针对由所述分类处理部所分类的每个所述类别，根据用户的指示来显示在与此类别中所含的实施结果信息对应的作业工序中所拍摄的作业动态图像数据。

通过所述结构，用户能够确认作业动态图像数据而判定是否为标准类别，因此能够准确且有效率地进行判定作业。

本发明的一实施方式的作业管理装置还包括：判定信息记录控制部，进行下述控制，即，将由所述类别判定部基于用户输入而判定的每个所述类别的判定结果记录为类别判定信息。

通过所述结构，能够将用户对每个类别的判定结果记录为类别判定信息，因此能够使用所述类别判定信息来自动进行类别判定。

本发明的一实施方式的作业管理装置中，所述判定信息记录控制部进行下述控制，即，对包含未被所述分类处理部分类为所述类别的所述作业历史信息中的、由用户所确定的所述作业历史信息的类别进行设定，并将此类别作为发生了异常的异常类别而记录至所述类别判定信息中。

通过所述结构，例如在用户已确定发生了异常的作业历史信息的状况的情况下，能够将包含此作业历史信息的类别作为异常类别而记录至类别判定信息中。因而，即便是未被分类处理部分类的作业历史信息，也能够设定为异常类别。

本发明的一实施方式的作业管理装置中，所述类别判定部通过参照所述类别判定信息，基于所述分类处理部作出的分类结果来判定所述实施结果信息的所述类别的种类。

通过所述结构，能够基于事先由用户判定的结果即类别判定信息来判定类别的种类，因此在判定时不需要用户的判断，而能够自动地实施判定。

本发明的一实施方式的作业管理装置中，所述类别判定部将判定为所述标准类别的所述类别基于距此类别的中心的距离而分割为多个标准类别。

通过所述结构，将标准作业进一步分割为基于距中心的距离而细分化的标准作业，从而能够将类别分割为适当的标准作业与存在改善余地的标准作业。因而，通过对存在改善余地的标准作业进行分析，从而能够采取进一步效率化等的对策。

本发明的一实施方式的作业管理装置中，还包括：作业群组分割部，将所述作业工序群分割为多个作业群组，所述分类处理部将与至少一个所述作业群组对应的所述实施结果信息分类为多个所述类别的任一个。

通过所述结构，基于反映出作业群组固有的作业特性的特征量来进行类别判定。因此，能够进行使在进行考虑所有作业工序群的类别判定时无法认识到的问题显露的类别判定。

本发明的一实施方式的作业管理装置中，还包括：显示控制部，进行下述控制，即，从所述判定信息记录控制部获取所述类别判定信息，并在对所述类别判定信息的种类进行了区分的状态下，显示表示相对于作业时间的产生频率的直方图。

通过所述结构，用户通过确认直方图，能够认识到与作业时间相应的类别判定信息的种类的分布状态。因而，用户例如能够掌握在作业时间长的情况下哪个种类的类别多等状况。

本发明的一实施方式的作业管理装置中，所述分类处理部针对所述作业工序群的每个所述作业工序，将特征量作为所述实施结果信息进行分类，所述特征量包含所述作业工序中的总作业时间、所述作业工序中的达到最大的作业时间相对于所述总作业时间的比率即最大作业比、与进行所述作业工序的次数即工序次数。

通过所述结构，通过使用工序次数、总作业时间与最大作业比来作为特征量，能够简便地对作业活动线进行建模。而且，由于特征量中包含工序次数与最大作业比，因此也能够实现批次处理(详细情况将后述)的检测。

为了解决所述问题，本发明的一实施方式的作业管理方法包括：历史获取步骤，获取作业历史信息，所述作业历史信息是作业者对包含多个作业工序的作业工序群的实施结果信息的历史；分类处理步骤，将通过所述历史获取步骤所获取的所述作业历史信息中所含的所述作业工序群的实施结果信息的至少一部分分别分类为多个类别的任一个；以及类别判定步骤，对于通过所述分类处理步骤所分类的所述类别中的多个所述类别，判定为作业未产生问题的标准类别，对于除此以外的多个所述类别，判定为作业有可能产生问题的非标准类别。

本发明的各实施方式的作业管理装置也可通过计算机来实现，在此情况下，通过使计算机作为所述作业管理装置所包括的各部(软件要素)来运行而利用计算机来实现所述作业管理装置的、作业管理装置的历史获取程序、分类处理程序、类别判定程序、判定信息记录控制程序以及记录有所述程序的计算机可读取的记录介质也纳入本发明的范畴。

〔附注事项〕

本发明并不限定于所述的各实施方式，可在权利要求所示的范围内进行各种变更，将不同的实施方式中分别公开的技术部件适当组合而获得的实施方式也包含在本发明的技术范围内。

符号的说明

1：控制系统

10：信息处理装置(作业管理装置)

20：PLC

30：天花板摄像机

40：机器

50：控制网络

60：事件管理装置

70：外部装置

100：历史获取部

110：第一获取部

120：第二获取部

130：动作判定部

140：存储部

141：错误基准

142：类别判定信息

150：提取部

160：发送部

170：图像分析部

180：输入部

190：判定信息记录控制部

Aa：分析对象区域

Ac：动作

Ar：监测区域

Da：动作期间

Dat：作业工序期间

Id：拍摄数据

La：动作结果

Op：作业

Pe：作业者

Pr：作业工序

Sa：动作基准

Tme：动作完成时刻

Tms：动作开始时刻

Toe：停滞结束时间点

Tos：停滞开始时间点

Claims (16)

1.一种作业管理装置，包括：

历史获取部，获取作业历史信息，所述作业历史信息是作业者对包含多个作业工序的作业工序群的实施结果信息的历史；

分类处理部，将由所述历史获取部所获取的所述作业历史信息中所含的所述作业工序群的实施结果信息的至少一部分分别分类为多个类别的任一个；以及

类别判定部，对于由所述分类处理部所分类的所述类别中的多个所述类别，判定为作业未产生问题的标准类别，对于除此以外的多个所述类别，判定为作业有可能产生问题的非标准类别。

2.根据权利要求1所述的作业管理装置，其中所述历史获取部基于拍摄所述作业者的活动线所得的活动线动态图像数据来算出特征量，以作为所述实施结果信息。

3.根据权利要求1或2所述的作业管理装置，其中所述分类处理部基于规定的基准将所述类别分类为多个大分类类别群，并且

所述类别判定部针对每个所述大分类类别群，对各自的所述类别进行判定。

4.根据权利要求3所述的作业管理装置，其中所述分类处理部设置所述作业工序群中所含的所述作业工序的实施次序为通常的通常作业顺序类别群、与所述实施次序不同于通常的异常作业顺序类别群，以作为所述大分类类别群。

5.根据权利要求1至4中任一项所述的作业管理装置，其中所述类别判定部对应于每个所述类别将所述实施结果信息提示给用户，并且对应于每个所述类别而受理表示是所述标准类别还是所述非标准类别的判定结果的用户输入。

6.根据权利要求1至4中任一项所述的作业管理装置，其中所述类别判定部从被分类为所述非标准类别的所述类别中，受理表示为发生了异常的异常类别这一判定结果的用户输入。

7.根据权利要求5或6所述的作业管理装置，其中所述类别判定部进行下述控制，即，针对由所述分类处理部所分类的每个所述类别，根据用户的指示来显示在与此类别中所含的实施结果信息对应的作业工序中所拍摄的作业动态图像数据。

8.根据权利要求5至7中任一项所述的作业管理装置，还包括：判定信息记录控制部，进行下述控制，即，将由所述类别判定部基于用户输入而判定的每个所述类别的判定结果记录为类别判定信息。

9.根据权利要求8所述的作业管理装置，其中所述判定信息记录控制部进行下述控制，即，对包含未被所述分类处理部分类为所述类别的所述作业历史信息中的、由用户所确定的所述作业历史信息的类别进行设定，并将此类别作为发生了异常的异常类别而记录至所述类别判定信息中。

10.根据权利要求8或9所述的作业管理装置，其中所述类别判定部通过参照所述类别判定信息，基于所述分类处理部作出的分类结果来判定所述实施结果信息的所述类别的种类。

11.根据权利要求1至10中任一项所述的作业管理装置，其中所述类别判定部将判定为所述标准类别的所述类别基于距此类别的中心的距离而分割为多个标准类别。

12.根据权利要求1至11中任一项所述的作业管理装置，还包括：作业群组分割部，将所述作业工序群分割为多个作业群组，

所述分类处理部将与至少一个所述作业群组对应的所述实施结果信息分类为多个所述类别的任一个。

13.根据权利要求8至12中任一项所述的作业管理装置，还包括：显示控制部，进行下述控制，即，从所述判定信息记录控制部获取所述类别判定信息，并在对所述类别判定信息的种类进行了区分的状态下，显示表示相对于作业时间的产生频率的直方图。

14.根据权利要求1至13中任一项所述的作业管理装置，其中所述分类处理部针对所述作业工序群的每个所述作业工序，将特征量作为所述实施结果信息进行分类，所述特征量包含所述作业工序中的总作业时间、所述作业工序中的达到最大的作业时间相对于所述总作业时间的比率即最大作业比、与进行所述作业工序的次数即工序次数。

15.一种作业管理方法，包括：

历史获取步骤，获取作业历史信息，所述作业历史信息是作业者对包含多个作业工序的作业工序群的实施结果信息的历史；

分类处理步骤，将通过所述历史获取步骤所获取的所述作业历史信息中所含的所述作业工序群的实施结果信息的至少一部分分别分类为多个类别的任一个；以及

类别判定步骤，对于通过所述分类处理步骤所分类的所述类别中的多个所述类别，判定为作业未产生问题的标准类别，对于除此以外的多个所述类别，判定为作业有可能产生问题的非标准类别。

16.一种作业管理程序，用于使计算机作为如权利要求1至14中所述的作业管理装置发挥功能，其中，所述作业管理程序用于使计算机作为各部发挥功能。