JP2005211105A - 観察対象者の動作解析システム - Google Patents

Abstract

【課題】 従来に比して高度な動作解析を行うことができる動作解析システムを提供すること。
【解決手段】 データを選択するためのデータ選択手段１４と、データを登録するためのデータ登録手段１２と、観察対象者に関するデータを演算処理するためのデータ演算処理手段と、観察対象者に関する情報を登録したシステムデータベース３２と、解析情報を登録する解析情報データベース３４とを備えた動作解析システム。データ演算処理手段は観察対象者の動きの変化に関する情報を演算処理するための２−ステップ演算手段２０及び３−ステップ演算手段２４を含み、２−ステップ演算手段２０は解析情報データベース３４の解析情報から観察対象者の二つの動きの流れの２ステップパターンの頻度を演算し、３−ステップ演算手段２４はこの解析情報から観察対象者の三つの動きの流れの３ステップパターンの頻度を演算する。
【選択図】 図１

Description

本発明は、観察対象者の各種の動きを解析するための動作解析システムに関する。

例えば、調理者の動き（例えば調理、後片づけなどの動き）、作業者の動き（例えば、組立作業、塗装作業、検査作業などの動き）を解析するための解析システムとして、観察対象者（調理者、作業者など）の動きをビデオなどに録画し、録画した画像情報に基づいて観察対象者の動き（例えば、操作情報、姿勢情報、場所情報）を解析するようにした動作解析方法が提案されている（例えば、非特許文献１）。

この動作解析システムでは、ビデオテープを見ながら観察対象者の動きを解析し、時間情報に動き情報（操作情報、姿勢情報、場所情報）を関連付けた観察対象者の動き情報を作成し、作成した観察対象者の動き情報をデータベースに登録している。そして、観察対象者の動きを解析するときには、データベースに登録された観察対象者動き情報を用い、例えば、調理時におけるグリル扉の開放動作の単純な頻度回数を調べたり、調理時におけるグリル扉の開放動作の他の動作に対する頻度割合などを調べることができる。

中沢潤（著）、大野木裕明（著）、南博文（著）、「心理学マニュアル観察法」、北大路書房、１９９７年４月、第２５頁〜第３１頁

従来の上述した動作解析システムでは、観察対象者の動きについての単純な動作解析は行うことができるが、複雑な動作解析を行うことができず、また観察対象者が使用する機器の改良などに関する資料となるような動作解析を行うことができず、高度な動作解析を行うことができる操作解析システムの実現が望まれている。

本発明の目的は、従来に比して高度な動作解析を行うことができる動作解析システムを提供することである。

本発明の請求項１に記載の動作解析システムは、データを選択するためのデータ選択手段と、データを登録するためのデータ登録手段と、観察対象者に関するデータを演算処理するためのデータ演算処理手段と、観察対象者に関する情報を登録したシステムデータベースと、解析情報を登録する解析情報データベースとを備え、前記データ演算処理手段は観察対象者の動きの変化に関する情報を演算処理するための２−ステップ演算手段及び／又は３−ステップ演算手段を含んでおり、
前記データ選択手段は前記システムデータベースに登録された情報から所定条件の解析情報を選択し、前記データ登録手段は前記システムデータベースから選択された前記解析情報を前記解析情報データベースに登録し、前記２−ステップ演算手段は前記解析情報データベースの前記解析情報から観察対象者の二つの動きの流れの２ステップパターンの頻度を演算し、前記３−ステップ演算手段は前記解析情報データベースの前記解析情報から観察対象者の三つの動きの流れの３ステップパターンの頻度を演算することを特徴とする。

また、本発明の請求項２に記載の動作解析システムは、観察対象者に関する情報を登録したシステムデータベースと、エラー発生に関する情報を登録したエラー評価情報データベースと、エラー重大性ポイントを演算するためのエラーポイント演算手段とを備えており、
前記エラーポイント演算手段は入力したエラーモードに対応する個別ポイントを前記エラー評価情報データベースから選定し、選定した個別ポイントに基づいてエラー重大性ポイントを演算することを特徴とする。

また、本発明の請求項３に記載の動作解析システムでは、前記エラー評価情報データベースは、エラーモードとエラー発生可能性との関連情報を登録したエラー発生可能性デーベースと、エラーモードとエラー検出困難性との関連情報を登録したエラー検出困難性データベースと、エラーモードとエラーによる被害の規模との関連情報を登録した被害規模データベースと、エラーモードと修正・訂正方法の容易性との関連情報を登録した修正・訂正容易性データベースと、エラーモードと修正に要する時間との関連情報を登録した修正時間データベースとを備え、前記エラーポイント演算手段は、入力したエラーモードに対応して、前記エラー発生可能性データベースから発生可能性ポイントを、前記エラー検出困難性データベースから検出困難性ポイントを、前記被害規模データベースから被害規模ポイントを、修正・訂正容易性データベースから修正容易性ポイントを、また前記修正時間データベースから修正時間ポイントを選定し、これら発生可能性ポイント、検出困難性ポイント、被害規模ポイント、修正容易性ポイント及び修正時間ポイントに基づき、更に操作する頻度に関する操作頻度情報を考慮して前記エラー重大性ポイントを演算することを特徴とする。

また、本発明の請求項４に記載の動作解析システムでは、前記エラーポイント演算手段は、演算したエラー重大性ポイントの大きい順にエラーモードを並べ、前記エラー重大性ポイントの大きいエラーモードについて３ポイントタスク解析が行われることを特徴とする。

また、本発明の請求項５に記載の動作解析システムは、データを選択するためのデータ選択手段と、データを登録するためのデータ登録手段と、観察対象者に関するデータを演算処理するためのデータ演算処理手段と、観察対象者に関する情報を登録したシステムデータベースと、解析情報を登録する解析情報データベースとを備え、前記データ演算処理手段は観察対象者の動きに関する情報を抽出するための頻度抽出手段を含んでおり、
前記データ選択手段は前記システムデータベースに登録された情報から所定条件の解析情報を選択し、前記データ登録手段は前記システムデータベースから選択された解析情報を前記解析情報データベースに登録し、前記頻度抽出手段は前記解析情報データベースの前記解析情報から頻度の多い動作内容を抽出することを特徴とする。

また、本発明の請求項６に記載の動作解析システムでは、前記頻度抽出手段は、頻度の多い操作内容における頻度の多い場所を抽出して状況動作の解析を行うとともに、頻度の多い場所の移動パターンを抽出して移動動作の解析を行うことを特徴とする。

また、本発明の請求項７に記載の動作解析システムでは、前記頻度抽出手段は、頻度の多い無理な姿勢における頻度の多い姿勢及び／又は頻度の多い無理な姿勢における頻度の多い操作を抽出することを特徴とする。

また、本発明の請求項８に記載の動作解析システムでは、前記頻度抽出手段は抽出頻度の大きい順に動作内容を並べ、前記抽出頻度の大きい動作内容に３ポイントタスク解析が行われることを特徴とする。

本発明の請求項１に記載の動作解析システムによれば、システムデータベースに登録された情報から所定条件の解析情報が選択され、この選択された解析情報を用いてデータ演算処理手段が演算処理するので、所定条件を変えることによって、演算処理すべき解析情報の内容を変更することができ、所望条件の解析情報を用いてデータの演算処理を行うことができる。

また、データ演算処理手段が２−ステップ演算手段及び／又は３−ステップ演算手段を含んでいるので、２−ステップ演算手段を含んでいる場合、解析情報に含まれる観察対象者の二つの動きの流れの２ステップパターン（例えば、観察対象者が調理者である場合における流し台からガスコンロへの移動など）の頻度を演算することができ、また３−ステップ演算手段を含んでいる場合、解析情報に含まれる観察対象者の三つの動きの流れの３ステップパターン（例えば、流し台からガスコンロへ移動した後流し台に戻る移動など）の頻度を演算することができ、このように２ステップパターン及び／又は３ステップパターンの頻度を演算することによって、観察対象者（例えば調理者）の動きの頻度をより詳しく解析することができ、このような解析結果を用いて台所の効率的配置（流し台、ガスコンロ、冷蔵庫などの配置）などを検討する資料として利用することができる。

また、本発明の請求項２に記載の動作解析システムによれば、エラーポイント演算手段がエラー評価情報データベースから入力したエラーモードに対応する個別ポイントを選定し、この個別ポイントに基づいてエラー重大性ポイントを演算するので、エラーモードを入力することによって、そのエラーモードエラーの重大性ポイントを演算することができ、エラーモード（例えば、調理中を考えた場合、エラーモードの一つが「天ぷら火災」である）のエラー重大性を数値でもって示すことができ、このエラー重大性ポイントを利用することによって、早期に取り組まなければならない問題などを容易に把握することができる。

また、本発明の請求項３に記載の操作解析システムによれば、エラー評価情報データベースがエラー発生可能性データベース、エラー検出困難性データベース、被害規模データベース、修正・訂正容易性データベース、修正時間データベースを備え、エラーポイント演算手段はこれらデータベースから発生可能性ポイント、検出困難性ポイント、被害規模ポイント、修正容易性ポイント及び修正時間ポイントを選定し、選定したこれらのポイントに基づき、且つ操作頻度情報を考慮してエラー重大性ポイントを演算するので、演算されたエラー重大性ポイントは現実のエラーの重大性を示し、このポイントが大きいエラーモードは重大性が大きく、エラー解消の対応が望まれるものとなる。尚、操作頻度情報については、エラーモードと操作頻度との関連情報を操作頻度データベースに登録し、入力したエラーモードに対応する操作頻度ポイントを操作頻度データベースから選定するようにしてもよく、或いは現実の操作頻度を演算し、この演算値に基づいて操作頻度ポイントを選定するようにしてもよい。

また、本発明の請求項４に記載の動作解析システムによれば、エラーポイント演算手段はエラー重大性ポイントの大きい順にエラーモードを並べ、エラー重大性ポイントの大きいものについて３ポイントタスク解析が行われるので、重大性の大きいエラーモードを容易に把握し、これらについてエラー解消のための３ポイントタスク解析を行うことができる。

また、本発明の請求項５に記載の動作解析システムによれば、システムデータベースに登録された情報から所定条件の解析情報が選択され、この選択された解析情報を用いてデータ演算処理手段が演算処理するので、所望条件の解析情報を用いてデータの演算処理を行うことができる。また、頻度抽出手段は解析情報から頻度の多い動作内容を抽出するので、頻度の多い動作を解析することができ、この解析結果を用いて例えば台所の効率的配置などの検討資料として利用することができる。

また、本発明の請求項６に記載の動作解析システムによれば、頻度抽出手段により頻度の多い操作における頻度の多い場所を抽出することによって、頻度の多い状況動作の解析を行うことができる。また、頻度抽出手段により頻度の多い場所の移動パターンを抽出することによって、頻度の多い移動動作の解析を行うことができる。

また、本発明の請求項７に記載の動作解析システムによれば、頻度抽出手段により頻度の多い無理な姿勢における頻度の多い姿勢（及び／又は頻度の多い操作）を抽出することによって、例えば調理中における動き、機器の操作などにおいて無理な姿勢となるときを容易に把握することができ、無理な姿勢が少なくなるような例えば台所の配置改善、機器の改善などの検討資料として有効に利用することができる。

また、本発明の請求項８に記載の動作解析システムによれば、頻度抽出手段は抽出頻度の大きい順に動作内容を並べ、抽出頻度の大きいものについて３ポイントタスク解析が行われるので、抽出頻度の大きい動作内容を容易に把握し、これらについて動作改善のための３ポイントタスク解析を行うことができる。

以下、添付図面を参照して、本発明に従う動作解析システムの一実施形態について説明する。図１は、動作解析システムの一実施形態を簡略的に示すブロック図であり、図２は、図１の動作解析システムにおけるサーバに登録された各種データベースを示すブロック図であり、図３は、図１の動作解析システムで動作解析する観察対象者の動作環境を示す簡略平面図である。

図１及び図２において、図示の動作解析システムは、各種データを処理するためのパソコン本体２と、各種情報が登録されるサーバ４と、各種情報及び各種信号を入力するための入力手段６と、情報内容を表示するための表示手段８と、情報内容を印刷した形式で出力するための印刷手段１０とから構成され、入力手段６はキーボード、マウスなどから構成され、表示手段８は液晶表示装置、ＣＲＴなどから構成され、また印刷手段１０はレザービームプリンタなどから構成される。

パソコン本体２は、各種データを後述するように演算処理するためのデータ演算処理手段を備え、この実施形態では、このデータ演算処理手段は例えばマイクロプロセッサから構成され、データ登録手段１２、データ選択手段１４、頻度演算手段１６、継続期間演算手段１８、２−ステップ（２−ｓｔｅｐ）演算手段２０、カイ２乗検定（Ｃｈｉ−ｓｑｕａｒｅ）演算手段２２、３−ステップ（３−ｓｔｅｐ）演算手段２４、エラーポイント演算手段２６及び頻度抽出手段２８を備えている。データ登録手段１２は、各種データをサーバ４の対応するデータベースに登録し、データ選択手段１４はサーバ４のデータベースに登録された情報から所定の情報を選定し、頻度演算手段１６は解析すべき動きに関する情報の頻度を演算し、継続期間演算手段１８は解析すべき動きに関する情報の継続期間を演算し、２−ステップ演算手段２０は解析すべき動きの流れの２ステップパターンの頻度を演算し、また３−ステップ演算手段２４は解析すべき動きの流れの３ステップパターンの頻度を演算する。

例えば、観察対象者が調理者である場合、２ステップパターンとは、例えば、ある場所から他の場所への移動、ある操作から他の操作への動きなどであり、ある場所から他の場所への移動とは、例えば、流し台からガスコンロへの移動、流し台から冷蔵庫への移動、冷蔵庫からガスコンロへの移動、ガスコンロから食器棚への移動などであり、ある操作から他の操作への動きとは、例えば、点火（ガスコンロ）した後に開く（グリル扉の開）、開いた（グリル扉の開）後に閉じる（グリル扉の閉）、開いた（冷蔵庫の扉の開）後に切る（食材を切る）などであり、また３−ステップパターンとは、例えば、ある場所から他の場所へ移動した後更に別の場所への移動、ある操作から他の操作を行った後に別の操作への動きなどであり、例えば、流し台からガスコンロに移動した後に冷蔵庫への移動、点火（ガスコンロ）して開いた（コンロ扉の開）後に閉じる（コンロ扉の閉）などである。

また、カイ２乗検定（Ｃｈｉ−ｓｑｕａｒｅ）演算手段２２は動作内容を統計的に演算し、エラーポイント演算手段２６はエラーモードについてのエラー重大性ポイントを演算し、また頻度抽出手段２８は動作内容の頻度を後述する如く抽出する。

このパソコン本体２は、また、ハードディスク駆動装置（ＨＤＤ）の如き記録手段３０を備えており、データ演算処理手段により演算処理される各種データが一時的に記憶される。

また、サーバ４は、システムデータベース３２、姿勢定義情報データベース３３、解析情報データベース３４、解析情報データベース３６、エラー評価（ＦＭＥＡ：Ｆａｕｌｔ Ｍｏｄｅ ａｎｄ Ｅｆｆｅｃｔ Ａｎａｌｙｓｉｓ）情報データベース、エラー評価（ＦＭＥＡ）レポートデータベース４０、提案リストデータベース４２及びタスク解析データベース４４を有している。システムデータベース３２は観察対象者情報データベース４６、操作情報データベース４８、姿勢情報データベース５０及び場所情報データベース５２を含んでいる。観察対象者情報データベース４６には観察対象者の個人情報などに関する情報が登録され、この実施形態では観察対象者としての調理者に関する情報、例えば観察対象者番号、年令、家族人数、食器洗浄器があるか、加熱調理器がガスコンロか電磁加熱コンロか、オーブンがあるかなどの情報が登録され、この観察対象者情報を用いて動作解析の対象である観察対象者が選定される。操作情報データベース４８には観察対象者（この形態では、調理者）の操作に関する情報が登録され、例えば、開く、閉じる、切る、点火、開栓、閉栓などの調理中の操作情報が登録される。姿勢情報データベース５０には観察対象者の姿勢に関する情報が登録され、例えば、座るなどの調理中の姿勢情報が登録される。また、場所情報データベース５２には観察対象者の場所に関する情報が登録され、例えば、流し台、冷蔵庫、ガスコンロ、調理台、カウンタなどの台所の場所情報が登録される。

また、姿勢定義情報データベース３３には無理な姿勢に関する情報、例えば、調理中の無理な姿勢情報が登録される。解析情報データベース３４には、システムデータベース３２の観察対象者に関する情報から所定条件により選定された解析情報が登録される。解析レポートデータベース３６にはデータ演算処理手段により解析された解析レポートに関する情報が登録され、頻度解析情報データベース５４、継続期間解析情報データベース５６、２−ステップ解析情報データベース５８、カイ２乗検定解析情報データベース６０及び３−ステップ解析情報データベース６２を含んでいる。頻度解析情報データベース５４には頻度演算手段１６によって演算処理された頻度解析情報が登録され、継続期間解析情報データベース５６には継続期間演算手段１８により演算処理された継続期間情報が登録され、２−ステップ解析情報データベース５８には２−ステップ演算手段により演算処理された２−ステップ解析情報が登録され、カイ２乗検定解析情報データベース６０にはカイ２乗検定演算手段２２により演算処理されたカイ２乗検定解析情報が登録され、また３−ステップ解析情報データベース６２には３−ステップ演算手段２４により演算処理された３−ステップ解析情報が登録される。

更に、エラー評価（ＦＭＥＡ）情報データベース３８にはエラーモードについてのエラー評価を行うためのエラー評価に関する情報が登録され、エラー発生可能性データベース６４、エラー検出困難性データベース６６、被害規模データベース６８、修正・訂正容易性データベース７０、修正時間データベース７２及び操作頻度データベース７４を含んでいる。エラー発生可能性データベース６４にはエラーモードとエラー発生可能性との関連情報、即ち各種エラーモードとそれらに対応する発生可能性ポイントとの関係が登録され、エラー検出困難性データベース６６にはエラーモードとエラー検出困難性との関連情報、即ち各種エラーモードとそれらに対応する検出困難性ポイントとの関連情報が登録され、被害規模データベース６８にはエラーモードとエラーによる被害の規模との関連情報、即ち各種エラーモードとそれらに対応する被害規模ポイントとの関連情報が登録され、修正・訂正容易性データベース７０にはエラーモードと修正・訂正方法の容易性との関連情報、即ち各種エラーモードとそれらに対応する修正容易性ポイントとの関連情報が登録され、修正時間データベース７２にはエラーモードと修正に要する時間との関連情報、即ち各種エラーモードとそれらに対応する修正時間ポイントとの関連情報が登録され、また操作頻度データベース７４にはエラーモードと操作頻度との関連情報、即ち各種エラーモードとそれらに対応する操作頻度ポイントとの関連情報が登録されている。

また、エラー評価（ＦＭＥＡ）レポートデータベース４０にはエラーポイント演算手段２６によって演算処理されたエラー評価レポートに関する情報が登録される。提案リストデータベース４２には頻度抽出手段２８により後述する如くして抽出された頻度情報に基づいて作成された提案リストに関する情報が登録される。更に、タスク解析データベース４４には後述する如くして作成されたタスク解析に関する情報が登録される。

この動作解析システムによる観察対象者、例えば調理者の台所での動きの解析は、次のフローチャートに沿って行われる。図３は、観察対象者である調理者が調理を行う台所の配置の一例を示す簡略図であり、図４は、上述した動作解析システムによる動作解析の流れの全体を示すフローチャートであり、図５は、図４のフローチャートにおける観察対象者関係の情報入力のステップの内容を具体的に示すフローチャートであり、図６は、図４のフローチャートにおける解析情報のデータベース化のステップの内容を具体的に示すフローチャートであり、図７は、図４のフローチャートにおける解析情報データベースを用いた解析のステップの内容を具体的に示すフローチャートであり、図８は、図４のフローチャートにおけるエラー評価（ＦＭＥＡ）解析の実施のステップの内容を具体的に示すフローチャートであり、図９は、図４のフローチャートにおける提案リストの作成実施のステップの内容を具体的に示すフローチャートである。

以下、図３に示す台所で調理する調理者の動作を解析するに適用して動作解析の流れを説明する。図３において、この台所においては、部屋８２の３方向（図３において左側、上側及び右側）に壁８４，８６，８８がそれぞれ設けられ、壁８４に接して中央部に流し台９０が配置され、この流し台９０のシンク部９１に給湯栓９３が設けられている。流し台９０の片側（図３において左側）に調理台９２が配置され、この調理台９２に食器洗浄器９４が載置されている。また、流し台９０の他側（図３において右側）にガスコンロ９６が設けられ、このガスコンロ９６の上面には三つの燃焼コンロ部９８，１００，１０２が設けられ、またその内部にはグリル部（図示せず）が設けられ、ガスコンロ９６の前面にこのグリル部を開閉するグリル扉（図示せず）が開閉自在に設けられている。また、調理台９２に隣接し、壁８４に接するように冷蔵庫１０４が配置され、また、流し台９０及びガスコンロ９６に対向して細長いテーブル１０６が設けられている。このような配置の台所では、調理者は流し台９０とテーブル１０６との間の細長い空間内を動いて調理を行うようになる。

主として図１及び図２とともに図４を参照して、観察対象者としての調理者の動きを解析するには、まず、解析するレポート名を付ける（ステップＳ１）。このレポート名は入力手段６を入力操作することによって行うことができ、入力したレポート名はシステムデータベース３２に登録される。次いで、動作解析すべき調理者関係の情報を入力する（ステップＳ２）。

この観察対象者としての調理者関係の情報の入力は、例えば、図５に示すように行われる。まず、調理者（観察対象者）データの入力が行われる（ステップＳ２−１）。この調理者データとは、調理者に関する個人情報（例えば、調理者番号、年齢、家族人数など）及びその調理者が使用する台所に関する情報（例えば、ガスコンロか電磁加熱コンロか、食器洗浄器があるかなど）であり、入力手段６を操作して入力され、入力された調理者データはデータ登録手段１２によってレポート名と関連付けてシステムデータベース３２の観察対象者情報データベースに登録される。

次に、調理者の操作に関する情報である操作データの入力が行われる（ステップＳ２−２）。この操作データの入力は、調理者の動きのうち操作に関する内容を抽出し、その操作を行った時間情報と関連付けて入力される。このような操作データは、たとえば調理者の動きを時間情報とともにビデオで録画し、この録画ビデオテープを見ながら調理者の操作内容（例えば、「点火」、「開く」、「閉じる」、「切る」「開栓」、「閉栓」など）を時間情報と関連付けて入力する（例えば、○時○分○秒：「点火」、△時△分△秒：「開く」、×時×分×秒：「閉じる」など）ことによって行うことができ、入力された操作データはデータ登録手段１２により操作情報データベース４８に登録される。

次いで、調理者の姿勢に関する情報である姿勢データの入力が行われる（ステップＳ２−３）。この姿勢データの入力は、ステップＳ２−２における操作データの入力と略同様に行うことができ、調理者の動きのうち姿勢に関する内容を抽出し、その姿勢を行った時間情報と関連付けて入力される。このような姿勢データも、たとえば調理者の動きを時間情報とともに録画した録画ビデオテープを見ながら調理者の姿勢内容（例えば、「立位で上肢が眼より下の場合鉛直〜１０度以内の前屈姿勢」などであって、例えば図１３に示す姿勢コードを参照されたい）を時間情報と関連付けて入力する（例えば、○時○分○秒：「１Ａ（立位で上肢が眼より下の場合鉛直〜１０度以内の前屈姿勢）」、△時△分△秒：「２」、×時×分×秒：「３Ａ」など）ことによって行うことができ、入力された操作データはデータ登録手段１２により姿勢情報データベース５０に登録される。

その後、調理者が居る場所に関する情報である場所データの入力が行われる（ステップＳ２−４）。この場所データの入力も、上述したと略同様に、調理者の動きのうち場所に関する内容を抽出し、その場所に居た時間情報と関連付けて入力される。このような場所データも、たとえば調理者の動きを時間情報とともに録画したビデオテープを見ながら調理者の居場所（例えば、「流し台」、「ガスコンロ」、「冷蔵庫」、「テーブル」など）を時間情報と関連付けて入力する（例えば、○時○分○秒：「流し台」、△時△分△秒：「ガスコンロ」、×時×分×秒：「冷蔵庫」など）ことによって行うことができ、入力された操作データはデータ登録手段１２により場所情報データベース５２に登録される。

このようなデータの入力は解析すべき観察対象者（調理者）の全員のものに対して行われ、全観察対象者のデータが入力されるとステップＳ２−５からステップＳ２−６に進み、姿勢の定義の入力が行われる。この実施形態では、後に説明するように、無理な姿勢を解析して提案リストを作成するように構成されており、このことに関連して、姿勢の定義として無理な姿勢の定義（例えば、「躯体部上部が鉛直に対して腰軸から３０度以内に右横に曲げている」、「躯体部上部が鉛直に対して腰軸から３０度以内に左横に曲げている」など）が入力手段６により入力され、入力された姿勢定義情報がデータ登録手段１２により姿勢定義情報データベース３３に登録される。

このようにして解析すべき観察対象者の全員のデータがシステムデータベース３２に登録される。そして、観察対象者の動作を解析する際には、システムデータベース３２から特定の観察対象者の情報を解析すべき情報として選定してデータベース化して登録される（ステップＳ３）。この解析情報のデータベース化は、図６に示すフローチャートに沿って行われる。このデータベース化に際し、まず、観察対象者を選択するかを判断し、観察対象者を絞り込んで解析する場合、ステップＳ３−１からステップＳ３−２に進み、観察対象者の選択条件の入力が行われる。例えば、観察対象者を３０〜４０才の主婦などと絞り込むときには、この絞り込みのための選択条件「３０〜４０才」及び「主婦」を入力手段６により入力すればよく、この観察対象者選択条件が記憶手段３０に一時的に登録される。

次に、観察対象者をグループ化するかを判断し、グループ化して動作解析を行う場合、ステップＳ３−３からステップＳ３−４に進み、観察対象者をグループ化する選択条件の選定入力が行われる。例えば、観察対象者をガスコンロのユーザと電磁加熱コンロのユーザとにグループ化するときには、このグループ化するための選択条件「ガスコンロユーザ」及び「電磁加熱コンロユーザ」が選定され、入力手段６により入力され、このグループ化選択条件が記憶手段３０に一時的に記憶される。

次いで、観察動作期間をグループ化するかを判断し、観察動作期間をグループ化して動作解析を行う場合、ステップＳ３−５からステップＳ３−６に進み、観察動作期間をグループ化する選択条件が選定入力される。例えば、０分から２５分の間に調理をする動作期間グループと、２５分から４０分までグリルを洗浄する動作期間グループとにグループ化するときには、このグループ化するための選択条件「０〜２５分調理」及び「２５〜４０分グリル洗浄」を入力手段６により入力すればよく、この動作期間グループ化選択条件が記憶手段３０に一時的に記憶される。

ステップＳ３−１、ステップＳ３−３及びステップＳ３−５の少なくともいずれかのステップにおいて選択条件が選定入力された場合、ステップＳ３−７からステップＳ３−８に進み、入力された選択条件に該当するデータのピックアップが行われる（ステップＳ３−８）。即ち、データ選択手段１４は上記選択条件に該当するデータ（観察対象者に関する情報、操作に関する情報、姿勢に関する情報及び場所に関する情報）をシステムデータベース３２（観察対象者情報データベース４６、操作情報データベース４８、姿勢情報データベース５０及び場所情報データベース５２）から選択し、データ登録手段１２は選択したデータを解析情報として解析情報データベース３４に登録し、この解析情報データベース３４に登録された解析情報を用いて後の動作解析が行われる。

尚、ステップＳ３−１、ステップＳ３−３及びステップＳ３−５のいずれにおいても選択条件を入力しなかった場合、ステップＳ３−１、ステップＳ３−３、ステップＳ３−５及びステップＳ３−７を経てステップＳ４に移り、システムデータベース３２に登録された全情報を用いて後の動作解析が行われるようになる。

このようにして解析すべき解析情報を選択した後、ステップＳ４に進み、動作解析が次のように行われる。まず、データ解析の解説をするかを判断し、データ解析の解説を行う場合、ステップＳ４−１からステップＳ４−２に進む。データ解析の解説とは、後述する解析に関する概要、目的、方法などであり、入力手段１２により入力が行われ、入力されたデータ解析情報は解析レポートデータベース３６に登録される。

この実施形態では、解析情報データベース３４に登録された解析情報（所望の選定条件で選択された観察対象者情報）を用いて各種の動作解析を行うことができる。まず、頻度解析を行う場合、ステップＳ４−３からステップＳ４−４に進み、入力手段６を入力操作して頻度解析を行う動作解析条件を入力する。この動作解析条件とは、例えば、調理者（観察対象者）が所定観察時間に例えば「切る」という操作を何回行ったかなどであり、このような解析条件を入力すると、頻度演算手段１６は解析情報データベース３４に選択登録された解析情報を用いて入力した動作の頻度を演算し、例えば「切る」という操作についての頻度を例えば「５５回」と演算する（ステップＳ４−５）。かく演算された頻度回数、即ち頻度解析のデータは、データ登録手段１２により頻度解析情報データベース５４に登録される。尚、頻度解析を行わない場合、ステップＳ４−３からステップＳ４−６に進む。

また、継続期間解析を行う場合、ステップＳ４−６からステップＳ４−７に進み、入力手段６を入力操作して継続期間解析を行う解析条件を入力する。この解析条件とは、例えば、調理者（観察対象者）が所定観察時間に例えば「立位で上肢が眼より下の場合鉛直〜１０度以内の前屈姿勢」という姿勢をどの程度継続して行ったかなどであり、このような解析条件を入力すると、継続期間演算手段１８は解析情報データベース３４に選択登録された解析情報を用いて入力した動作の継続期間を演算し、例えば「立位で上肢が眼より下の場合鉛直〜１０度以内の前屈姿勢」という姿勢についての継続期間を例えば「１５分」と演算する（ステップＳ４−８）。このように演算された継続期間、即ち継続期間解析のデータは、継続期間解析情報データベース５６に登録される。所定継続期間に解析条件「立位で上肢が眼より下の場合鉛直〜１０度以内の前屈姿勢」という姿勢を複数回行ったとき、継続期間演算手段１６は各動作毎に継続期間を演算し、例えば継続期間の長い順にリストアップした継続期間解析データを作成し、この継続期間解析データが登録される。尚、継続期間解析を行わない場合、ステップＳ４−６からステップＳ４−９に進む。

また、２−ステップ（２−ｓｔｅｐ）解析を行う場合、ステップＳ４−９からステップＳ４−１０に進み、入力手段６を入力操作して２−ステップ解析を行う解析条件を入力する。この解析条件とは、例えば、調理者（観察対象者）が所定観察時間に例えば「流し台からガスコンロに移動する２ステップパターン」を何回行ったかなどであり、このような解析条件を入力すると、２−ステップ演算手段２０は解析情報データベース３４に選択登録された解析情報を用いて入力した２ステップパターン動作の回数を演算し、例えば「流し台からガスコンロに移動する２ステップパターン」の回数を例えば「１２回」と演算する（ステップＳ４−１１）。このように演算された２ステップパターン動作の回数、即ち２−ステップ解析のデータは、２−ステップ解析情報データベース５８に登録される。尚、２−ステップ解析を行わない場合、ステップＳ４−９からステップＳ４−１２に進む。

更に、カイ２乗検定（Ｃｈｉ−ｓｑｕａｒｅ）解析を行う場合、ステップＳ４−１２からステップＳ４−１３に進み、入力手段６を入力操作してカイ２乗検定解析を行う解析条件を入力する。この解析条件とは、例えば、調理者（観察対象者）が所定観察時間に行った操作回数に対する特定操作の回数割合を統計的に解析するもので、例えば、所定観察時間の操作回数が例えば５５回あったときに特定操作としての例えば「切る」の操作をどの程度の割合で行い、その割合が統計学的に優位であるかどうかであり、このような解析条件を入力すると、カイ２乗検定演算手段２２は解析情報データベース３４に選択登録された解析情報を用い、全操作回数に対する入力した特定操作「切る」の回数割合を演算し、例えば「切る」の操作回数を例えば「２３回」と演算すると、この演算値に基づいてその操作割合を「２３／５５」と演算し（ステップＳ４−１４）、このように演算された特定操作の回数割合の統計学的な判定、即ちカイ２乗検定解析のデータは、カイ２乗検定解析情報データベース６０に登録される。例えば、操作として「切る」、「開栓」、「閉栓」、「開く」、「閉じる」の５つの操作を行い、操作回数が５０回であるとすると、各操作の割合は「１０／５０」の期待度となるが、実際の操作において操作「切る」の操作割合が上述したように「２３／５５」である場合、期待度「１０／５０」に対して大きい値となり、統計学的に優位と判定される。尚、カイ２乗検定解析を行わない場合、ステップＳ４−１２からステップＳ４−１５に進む。

更にまた、３−ステップ（３−ｓｔｅｐ）解析を行う場合、ステップＳ４−１５からステップＳ４−１６に進み、入力手段６を入力操作して３−ステップ解析を行う解析条件を入力する。この解析条件とは、例えば、調理者（観察対象者）が所定観察時間に例えば「流し台からガスコンロに移動した後再び流し台に移動する３ステップパターン」を何回行ったかなどであり、このような解析条件を入力すると、３−ステップ演算手段２４は解析情報データベース３４に選択登録された解析情報を用いて入力した３ステップパターン動作の回数を演算し、例えば「流し台からガスコンロに移動した後に再び流し台に移動する３ステップパターン」の回数を例えば「８回」と演算する（ステップＳ４−１７）。このように演算された３ステップパターン動作の回数、即ち３−ステップ解析のデータは、３−ステップ解析情報データベース６２に登録される。尚、３−ステップ解析を行わない場合、ステップＳ４−１５からステップＳ４−１８に進む。

このような各種の動作解析は、解析すべき調理者（観察対象者）の全てに対して行われ、解析対象の調理者に対する動作解析が終了するまで上述したステップＳ４−１からステップＳ４−１８が繰り返し遂行される。そして、解析対象者についての動作解析が終了すると、ステップＳ５に進み、解析レポートの作成が行われる。この解析レポートの作成の際には、頻度解析情報（又は継続期間解析情報、２−ステップ解析情報、カイ２乗検定解析情報、３−ステップ解析情報）については頻度解析情報データベース５４（又は継続期間解析データベース５６、２−ステップ解析情報データベース５８、カイ２乗検定解析情報データベース６０、３−ステップ解析情報データベース６２）から読み出し、読み出した各種解析情報をまとめて解析レポートが作成される。

次に、エラー評価（ＦＭＥＡ）解析を行う場合、ステップＳ６からステップＳ７に進み、次のようにしてエラー評価解析が行われる。主として図８を参照して、エラー評価解析を行う場合、まず、エラーモード内容の入力が行われる（ステップＳ７−１）。エラーモードとは、事故、事故などの原因となることがらであり、たとえば、「天ぷら火災」、「グリルのスイッチ消し忘れ」、「ガス火が消える」などである。

このエラーモード、例えば「天ぷら火災」を入力手段６により入力すると、エラーポイント演算手段２６は次のようにしてエラー重大性ポイントを演算する。図１０及び図１１をも参照して、エラーモードを入力すると、入力したエラーモード、例えば「天ぷら火災」についてのエラー発生可能性の解析が行われる（ステップＳ７−２）。この実施形態では、エラー発生可能性については、図１０（ａ）に示すように１０ランクに区分され、各ランクに対応した発生可能性ポイントが定められ、各種エラーモードと発生可能性ランク及び発生可能性ポイントとの関連情報がエラー発生可能性情報データベース６４に登録されている。従って、エラーモードとしての「天ぷら火災」を入力すると、エラーポイント演算手段２６は「天ぷら火災」に対応する発生可能性ランク（例えば、ランク「２」）及び発生可能性ポイントをエラー発生可能性データベース６４から読み出して選定する。

次に、エラーモード、例えば「天ぷら火災」についてのエラー検出困難性の解析が行われる（ステップＳ７−３）。この実施形態では、エラー検出困難性については、図１０（ｂ）に示すように１０ランクに区分され、各ランクに対応した検出困難性ポイントが定められ、各種エラーモードと検出困難性ランク及び発生可能性ポイントとの関連情報がエラー困難性情報データベース６６に登録されている。従って、エラーモードとしての「天ぷら火災」を入力すると、エラーポイント演算手段２６は「天ぷら火災」に対応する検出困難性ランク（例えば、ランク「１」）及び検出困難性ポイントをエラー検出困難性データベース６６から読み出して選定する。

次いで、エラーモード、例えば「天ぷら火災」についてのエラーによる被害の規模の解析が行われる（ステップＳ７−４）。この実施形態では、エラーによる被害の規模については、図１０（ｃ）に示すように１０ランクに区分され、各ランクに対応した被害規模ポイントが定められ、各種エラーモードと被害規模ランク及び被害規模ポイントとの関連情報が被害規模データベース６８に登録されている。従って、エラーモードとしての「天ぷら火災」を入力すると、エラーポイント演算手段２６は「天ぷら火災」に対応する被害規模ランク（例えば、ランク「１０」）及び被害規模ポイントを被害規模データベース６８から読み出して選定する。

更に、エラーモード、例えば「天ぷら火災」についての修正・訂正方法の容易性の解析が行われる（ステップＳ７−５）。この実施形態では、修正・訂正方法の容易性については、図１０（ｄ）に示すように５ランクに区分され、各ランクに対応した修正容易性ポイントが定められ、各種エラーモードと修正容易性ランク及び修正容易性ポイントとの関連情報が修正・訂正容易性データベース７０に登録されている。従って、エラーモードとしての「天ぷら火災」を入力すると、エラーポイント演算手段２６は「天ぷら火災」に対応する修正容易性ランク（例えば、ランク「５」）及び修正容易性ポイントを被害規模データベース６８から読み出して選定する。

その後、エラーモード、例えば「天ぷら火災」についての修正に要する時間の解析が行われる（ステップＳ７−６）。この実施形態では、修正に要する時間については、図１０（ｅ）に示すように５ランクに区分され、各ランクに対応した修正時間ポイントが定められ、各種エラーモードと修正時間ランク及び修正時間ポイントとの関連情報が修正時間データベース７２に登録されている。従って、エラーモードとしての「天ぷら火災」を入力すると、エラーポイント演算手段２６は「天ぷら火災」に対応する修正時間ランク（例えば、ランク「５」）及び修正時間ポイントを修正時間データベース７２から読み出して選定する。

その後更に、エラーモード、例えば「天ぷら火災」についての操作する頻度の解析が行われる（ステップＳ７−７）。この実施形態では、操作する頻度については、図１０（ｆ）に示すように５ランクに区分され、各ランクに対応した操作頻度ポイントが定められ、各種エラーモードと操作頻度ランク及び操作頻度ポイントとの関連情報が操作頻度データベース７４に登録されている。従って、エラーモードとしての「天ぷら火災」を入力すると、エラーポイント演算手段２６は「天ぷら火災」に対応する操作頻度ランク（例えば、ランク「３」）及び操作頻度ポイントを操作頻度データベース７４から読み出して選定する。

このようにして解析するエラーモードに対する発生可能性ポイント、検出困難性ポイント、被害規模ポイント、修正容易性ポイント、修正時間ポイント及び操作頻度ポイントが選定されると、エラーポイント演算手段２６はこれらのポイントを所要の通りに演算してエラー重大性ポイントを算出し、この実施形態ではこのエラー重大性ポイントが例えば「１５００」となる。

このようにしてエラーモードとしての「天ぷら火災」に対するエラー重大性ポイントが演算され、他のエラーモード、例えば「グリルのスイッチ消し忘れ」に対するエラー重大性ポイントの演算を行う場合、ステップＳ７−９からステップＳ７−１に戻り、ステップＳ７−１からステップＳ７−８が繰り返し遂行される。そして、解析すべきエラーモードに対するエラー重大性ポイントの演算が終了すると、ステップＳ７−９からステップＳ７−１０に進み、エラーポイント演算手段２６は、解析したエラーモードを重大なモード順に、換言すると、エラー重大性ポイントの大きい順に並べ替え、このように並べ替えされた内容でエラー評価（ＦＭＥＡ）レポートが作成され、作成されたエラー評価レポートはＦＭＥＡレポートデータベース４０に登録される。エラー評価レポートは、例えば図１１に示す内容で作成され、この実施形態では、エラー発生可能性などのランクとともにエラー重大性ポイントが示されているが、これらに加えて発生可能性ポイントなどの個別ポイントを示すようにしてもよい。

次に、提案リストを作成する場合、ステップＳ８からステップＳ９に進み、次のようにして状況の解析などが行われる。主として図９を参照して、提案リスト（例えば、台所の配置換え、機器の改善などの提案リスト）を作成する場合、状況の解析を行うかが判断され、状況の解析を行う場合、ステップＳ９−１からステップＳ９−２に進む。

状況の解析を行う場合、まず、頻度の多い操作内容が抽出され（ステップＳ９−２）、この抽出された頻度の多い操作内容について頻度の多い場所の抽出が行われ（ステップＳ９−３）、この解析結果は図１２に示す通りとなり、頻度の多い操作内容の「開ける」について頻度の多い場所「ガスコンロ」、「流し台」などと抽出され、この解析結果を見ることによって、頻度の多い操作内容はどの場所で行われているかを容易に把握することができる。

次に、ステップＳ９−２において抽出された頻度の多い操作内容について頻度の多い姿勢の抽出が行われ（ステップＳ９−４）、この解析結果は、例えば図１３に示す通りとなり、頻度の多い操作内容「開ける」について操作の多い姿勢「３Ａ（躯幹部上部が鉛直に対して３０度〜７０度の中度の前屈姿勢）」、「１Ａ（立位で上肢が眼より下の場合鉛直〜１０度以内の前屈姿勢）」などとなり、この解析結果を見ることによって、頻度の多い操作内容はどのような姿勢で行われているかを容易に把握することができる。

そして、ステップＳ９−３による解析結果及びステップＳ９−４における解析結果に基づいて、状況の具体的な解析が行われ、例えば頻度の多い操作内容はどのような場所で多く行われているか、頻度の多い操作内容はどのような姿勢で多く行われているがなどの解析が行われる（ステップＳ９−５）。尚、状況の解析を行わない場合、ステップＳ９−１からステップＳ９−６に進む。

次いで、移動の解析を行うかが判断され、移動の解析を行う場合、ステップＳ９−６からステップＳ９−７に進む。移動の解析を行う場合、場所の移動パターンで頻度の多いものが抽出され（ステップＳ９−７）、この抽出された解析結果は、例えば図１４に示す通りとなり、頻度の多い順に「調理台から流し台への移動」、「調理台からガスコンロへの移動」などとなり、この解析結果を見ることによって、頻度の多い移動パターンを容易に把握することができる。

そして、ステップＳ９−７による解析結果に基づいて、移動の具体的な解析が行われ、どのような移動の頻度が多いかなどの解析が行われる（ステップＳ９−８）。尚、移動の解析を行わない場合、ステップＳ９−６からステップＳ９−９に進む。

その後、無理な姿勢の解析を行うかが判断され、無理な姿勢の解析を行う場合、ステップＳ９−９からステップＳ９−１０に進む。無理な姿勢の解析を行う場合、まず、頻度の多い無理な姿勢の抽出が行われ（ステップＳ９−１０）、この抽出した頻度の多い無理な姿勢における頻度の多い場所の抽出が行われ（ステップＳ９−１１）、更に抽出した頻度の多い無理な姿勢における頻度の多い操作が抽出され（ステップＳ９−１２）、これらの抽出結果は、例えば図１５に示す通りとなり、この解析結果を見ることによって、どのような無理な姿勢がどのような場所で、またどうような操作で起こり易いかを容易に把握することができる。

そして、ステップＳ９−１１による解析結果及びステップＳ９−１２における解析結果に基づいて、無理な姿勢の具体的な解析が行われ、例えば頻度の多い無理な姿勢はどのような場所で、またどうような操作で多く発生するかなどの解析が行われる（ステップＳ９−１３）。尚、無理な姿勢の解析を行わない場合、ステップＳ９−９からステップＳ９−１４に進む。

ステップＳ９−１４においては、解析結果に基づく提案リストの作成が行われる。ステップＳ９−１からステップＳ９−５までの状況の解析を行った場合、その解析結果に基づいて、頻度の多い操作を効率的に行うようにするにはどのように配置すればよいか、どのような高さに配置すればよいかなどの提案を行うことができ、またステップＳ９−６からステップＳ９−８までの移動の解析を行った場合、その解析結果に基づいて、頻度の多い移動パターンの移動効率を高めるためには例えば台所機器などをどのように配置換えすればよいかかなどの提案を行うことができ、またステップＳ９−９からステップＳ９−１３までの無理な姿勢の解析を行った場合、頻度の多い無理な姿勢を少なくするためには例えば台所機器をどのように配置換えすればよいか、台所機器の高さをどのような高さにすればよいか、隣接する台所機器の間隔をどのような間隔に設定すればよいかなどの提案を行うことができ、このような提案内容に沿って改善することにより、台所における各種機器を調理し易い配置にして調理者の調理中の身体的負担を軽減することができる。

その後、３ポイントタスク解析を行う場合、ステップＳ１０からステップＳ１１に進み、３ポイントタスク解析が行われる。このような３ポイントタスク解析においては、図１６に示すように、例えば操作頻度の多い操作内容、例えば「グリルを開ける」操作について行われ、このように操作頻度の多い操作について行うことにより、操作頻度の多い機器についての改善を優先的に検討、実行し、調理者の使い勝手などを良くすることができる。尚、解析すべき操作内容の抽出は、例えば、ステップＳ９−２及びステップＳ９−３に基づく頻度の多い操作内容の抽出結果を利用することができる。

また、この３ポイントタスク解析については、図１７に示すように、エラー評価解析におけるエラー重大性ポイントの大きいエラーモード、例えば「グリルのスイッチ消し忘れ」について行われ、このようにエラー重大性ポイントの大きいエラーモードについて行うことにより、重大な事故に到るおそれのあるエラーモードについて改善を優先的に検討、実行し、安全性の高い機器を提供することができる。尚、解析すべきエラーモードの抽出は、例えば、ステップＳ７−１からステップＳ７−１０までに基づくエラー重要性の大きいエラーモードの演算結果を利用することができる。

以上説明したように、この動作解析システムでは、システムデータベース３２に登録された観察対象者に関する情報、即ち観察対象者情報、操作情報、姿勢情報及び場所情報を用いて各種の動作解析を行うことができ、この動作解析情報を利用することによって機器の構造上での改善案、機器の配置上での改善案を提案し、かかる提案に沿って機器の構造や配置などのを改善することによって、使用者の使い勝手の向上、また効率的な使用を図ることができる。

以上、本発明に従う動作解析システムの一実施形態について説明したが、本発明はこのような実施形態に限定されず、本発明の範囲を逸脱することなく種々の変形乃至修正が可能である。

例えば、図示の実施形態では、エラー重大性ポイントを演算する際に、操作頻度ポイントについては操作頻度データベース７４に登録された操作頻度レベル（経験的に定められるレベル）に対応する操作頻度ポイント（経験的に定められるポイント）を用いているが、こような経験的なものに代えて、例えば頻度演算手段１６により演算された操作頻度を利用し、この操作頻度に対応する操作頻度ポイントを用いるようにしてもよく、このようにすることによって、調理者にマッチしたエラー重大性ポイントを解析することができる。

このような動作解析システムは、調理者などの観察対象者の動作を解析するのに用いることができ、従来に比してより細かく動作解析することができる。そして、このように解析された動作解析結果は、各種機器の構造上の改善（即ち、構造上の使い勝手の改善）に、また各種機器の使用上の改善（即ち、配置などによる使用による使い勝手の改善）に用いることができ、使用者に優しい機器の構造、配置などの提供に役立つものである。そして、この動作解析システムは、使用者の使いやすさを考慮した製品開発に適用することができ、人間工学的な機器の開発、機器の配置、プラントの設計などを検討する際の動作解析システムとして非常に有用である。

本発明の動作解析システムの一実施形態を簡略的に示すブロック図である。 図１の動作解析システムにおけるサーバに登録された各種データベースを示すブロック図である。 観察対象者である調理者が調理を行う台所の配置の一例を示す簡略図である。 上述した動作解析システムによる動作解析の流れの全体を示すフローチャートである。 図４のフローチャートにおける観察対象者関係の情報入力のステップの内容を具体的に示すフローチャートである。 図４のフローチャートにおける解析情報のデータベース化のステップの内容を具体的に示すフローチャートである。 図４のフローチャートにおける解析情報データベースを用いた解析のステップの内容を具体的に示すフローチャートである。 図４のフローチャートにおけるエラー評価解析の実施のステップの内容を具体的に示すフローチャートである。 図４のフローチャートにおける提案リストの作成実施のステップの内容を具体的に示すフローチャートである。 図１０（ａ）〜（ｆ）は、それぞれ、エラー発生可能性、エラー検出困難性、エラーによる被害の規模、修正・訂正方法の容易性、修正に要する時間、操作する頻度におけるレベル内容とランクとの関係を示す図である。 エラー評価レポートの一例を示す図である。 状況の解析結果の一例を示す図である。 状況の解析結果の他の例を示す図である。 移動の解析結果の一例を示す図である。 無理な姿勢の解析結果の一例を示す図である。 ３ポイントタスク解析の一例を示す図である。 ３ポイントタスク解析の他の例を示す図である。

符号の説明

２ パソコン本体
４ サーバ
６ 入力手段
１２ データ登録手段
１４ データ選択手段
１６ 頻度演算手段
１８ 継続期間演算手段
２０ ２−ステップ演算手段
２２ カイ２乗検定演算手段
２４ ３−ステップ演算手段
２８ 頻度抽出手段
３２ システムデータベース
３３ 姿勢定義情報データベース
３４ 解析情報データベース
３６ 解析レポートデータベース
３８ エラー評価情報データベース
４０ エラー評価レポートデータベース
４２ 提案リストデータベース
４４ タスク解析データベース
４６ 観察対象者情報データベース
４８ 操作情報データベース
５０ 姿勢情報データベース
５２ 場所情報データベース

Claims (8)

1. データを選択するためのデータ選択手段と、データを登録するためのデータ登録手段と、観察対象者に関するデータを演算処理するためのデータ演算処理手段と、観察対象者に関する情報を登録したシステムデータベースと、解析情報を登録する解析情報データベースとを備え、前記データ演算処理手段は観察対象者の動きの変化に関する情報を演算処理するための２−ステップ演算手段及び／又は３−ステップ演算手段を含んでおり、
   前記データ選択手段は前記システムデータベースに登録された情報から所定条件の解析情報を選択し、前記データ登録手段は前記システムデータベースから選択された前記解析情報を前記解析情報データベースに登録し、前記２−ステップ演算手段は前記解析情報データベースの前記解析情報から観察対象者の二つの動きの流れの２ステップパターンの頻度を演算し、前記３−ステップ演算手段は前記解析情報データベースの前記解析情報から観察対象者の三つの動きの流れの３ステップパターンの頻度を演算することを特徴とする観察対象者の動作解析システム。
2. 観察対象者に関する情報を登録したシステムデータベースと、エラー発生に関する情報を登録したエラー評価情報データベースと、エラー重大性ポイントを演算するためのエラーポイント演算手段とを備えており、
   前記エラーポイント演算手段は入力したエラーモードに対応する個別ポイントを前記エラー評価情報データベースから選定し、選定した個別ポイントに基づいてエラー重大性ポイントを演算することを特徴とする観察対象者の動作解析システム。
3. 前記エラー評価情報データベースは、エラーモードとエラー発生可能性との関連情報を登録したエラー発生可能性デーベースと、エラーモードとエラー検出困難性との関連情報を登録したエラー検出困難性データベースと、エラーモードとエラーによる被害の規模との関連情報を登録した被害規模データベースと、エラーモードと修正・訂正方法の容易性との関連情報を登録した修正・訂正容易性データベースと、エラーモードと修正に要する時間との関連情報を登録した修正時間データベースとを備え、前記エラーポイント演算手段は、入力したエラーモードに対応して、前記エラー発生可能性データベースから発生可能性ポイントを、前記エラー検出困難性データベースから検出困難性ポイントを、前記被害規模データベースから被害規模ポイントを、修正・訂正容易性データベースから修正容易性ポイントを、また前記修正時間データベースから修正時間ポイントを選定し、これら発生可能性ポイント、検出困難性ポイント、被害規模ポイント、修正容易性ポイント及び修正時間ポイントに基づき、更に操作する頻度に関する操作頻度情報を考慮して前記エラー重大性ポイントを演算することを特徴とする請求項２に記載の観察対象者の動作解析システム。
4. 前記エラーポイント演算手段は、演算したエラー重大性ポイントの大きい順にエラーモードを並べ、前記エラー重大性ポイントの大きいエラーモードについて３ポイントタスク解析が行われることを特徴とする請求項２又は３に記載の観察対象者の動作解析システム。
5. データを選択するためのデータ選択手段と、データを登録するためのデータ登録手段と、観察対象者に関するデータを演算処理するためのデータ演算処理手段と、観察対象者に関する情報を登録したシステムデータベースと、解析情報を登録する解析情報データベースとを備え、前記データ演算処理手段は観察対象者の動きに関する情報を抽出するための頻度抽出手段を含んでおり、
   前記データ選択手段は前記システムデータベースに登録された情報から所定条件の解析情報を選択し、前記データ登録手段は前記システムデータベースから選択された解析情報を前記解析情報データベースに登録し、前記頻度抽出手段は前記解析情報データベースの前記解析情報から頻度の多い動作内容を抽出することを特徴とする観察対象者の動作解析システム。
6. 前記頻度抽出手段は、頻度の多い操作内容における頻度の多い場所を抽出して状況動作の解析を行うとともに、頻度の多い場所の移動パターンを抽出して移動動作の解析を行うことを特徴とする請求項５に記載の観察対象者の動作解析システム。
7. 前記頻度抽出手段は、頻度の多い無理な姿勢における頻度の多い姿勢及び／又は頻度の多い無理な姿勢における頻度の多い操作を抽出することを特徴とする請求項５又は６に記載の観察対象者の動作解析システム。
8. 前記頻度抽出手段は抽出頻度の大きい順に動作内容を並べ、前記抽出頻度の大きい動作内容に３ポイントタスク解析が行われることを特徴とする請求項５〜７のいずれかに記載の観察対象者の動作解析システム。

Images