JP2008077424A - Operation analysis system and method - Google Patents

Operation analysis system and method Download PDF

Info

Publication number
JP2008077424A
JP2008077424A JP2006256315A JP2006256315A JP2008077424A JP 2008077424 A JP2008077424 A JP 2008077424A JP 2006256315 A JP2006256315 A JP 2006256315A JP 2006256315 A JP2006256315 A JP 2006256315A JP 2008077424 A JP2008077424 A JP 2008077424A
Authority
JP
Japan
Prior art keywords
section
trajectory data
reference cycle
work
improvement
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.)
Pending
Application number
JP2006256315A
Other languages
Japanese (ja)
Inventor
Toyokazu Itakura
豊和 板倉
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.)
Toshiba Corp
Original Assignee
Toshiba 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 Toshiba Corp filed Critical Toshiba Corp
Priority to JP2006256315A priority Critical patent/JP2008077424A/en
Publication of JP2008077424A publication Critical patent/JP2008077424A/en
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • General Factory Administration (AREA)
  • Image Analysis (AREA)

Abstract

<P>PROBLEM TO BE SOLVED: To provide an operation analysis system capable of attaining a significant improvement in efficiency of operation analysis. <P>SOLUTION: Trace data for one cycle designated as a reference cycle is extracted as a reference cycle pattern from each of a plurality of trace data showing the respective traces of a plurality of parts of a worker who repeatedly performs a predetermined operation. Based on the length of the reference cycle and the reference cycle pattern extracted from each trace data, start times and end times of a plurality of time-series sections are detected from each trace data, and whether each section is a similar section similar to the reference cycle pattern or a non-similar section not similar to the reference cycle pattern is determined based on the trace data within the section concerned and the similarity with the reference cycle pattern. Trace data having the largest number of similar sections is selected as reference trace data from the plurality of trace data, and information including the start times and end times of similar section/non-similar section in the reference trace data is stored. <P>COPYRIGHT: (C)2008,JPO&INPIT

Description

本発明は、工場の生産ラインにおける作業分析システムに関する。   The present invention relates to a work analysis system in a production line of a factory.

工場の生産現場では作業者の作業効率の改善、製品の品質向上のために作業者の作業分析（ＩＥ：Ｉｎｄｕｓｔｒｉａｌ Ｅｎｇｉｎｅｅｒｉｎｇ）が行われている。作業分析は生産現場において欠かせない業務の一つである。作業分析では作業改善業務担当者（ＩＥｒ）が作業者を観測して問題点を分析し、業務の改善を行っている。作業分析は、作業動作の観測、作業動作の分析、要改善作業の特定、改善策の実施などの段階で構成される。例えば、作業動作の観測は、ストップウォッチ等を用いて直接的に、またはビデオ映像等を用いて間接的に行われる。従来、このような作業分析は経験を積んだ作業改善業務担当者が手作業で行っているが、特に作業動作の分析、要改善作業の特定は、観測された膨大な作業動作の映像を対象に行うため、必要とされるコストは莫大なものになる。   In the factory production site, worker's work analysis (IE: Industrial Engineering) is performed in order to improve worker's work efficiency and product quality. Work analysis is an indispensable task at production sites. In the work analysis, a work improvement work manager (IEr) observes the worker, analyzes problems, and improves work. The work analysis is composed of stages such as observation of work movement, analysis of work movement, identification of work requiring improvement, and implementation of improvement measures. For example, the work operation is observed directly using a stopwatch or the like or indirectly using a video image or the like. Traditionally, such work analysis has been performed manually by experienced work improvement personnel, but analysis of work movements and identification of work that requires improvement are particularly targeted at images of a large number of observed work movements. Therefore, the required cost is enormous.

従って、このような作業分析では分析効率を向上させるための様々なシステムが利用されている。従来の作業分析システムでは、作業者をビデオカメラ等の撮影装置で撮影した映像に作業情報を付加することにより作業を分析するものがある。また、作業者の身体の複数箇所につけたマーカを追跡することで得られた軌跡と予めテンプレートとして用意された作業動作の軌跡とのマッチングを行うことにより作業分析するものもある（例えば、特許文献１参照）。
特開２０００−１８０１６２ Therefore, in such work analysis, various systems for improving analysis efficiency are used. Some conventional work analysis systems analyze a work by adding work information to an image taken by a worker with a photographing device such as a video camera. In addition, there is also one that performs work analysis by matching a trajectory obtained by tracking markers attached to a plurality of locations on the worker's body and a trajectory of work motion prepared in advance as a template (for example, Patent Documents). 1).
JP 2000-180162 A

特許文献１に示される作業分析システムでは、予めテンプレートが必要となる。しかしながら、同じ作業動作であっても、個々の作業者により各部位の作業軌跡は異なる。従って、複数の作業者の作業分析を行うためには、１つの作業に対して１つのテンプレートを用意するだけでは必ずしも有効な分析は行えない。   In the work analysis system disclosed in Patent Document 1, a template is required in advance. However, even in the same work operation, the work locus of each part varies depending on the individual worker. Therefore, in order to perform work analysis of a plurality of workers, it is not always possible to perform effective analysis only by preparing one template for one work.

また、作業、作業動作、或いは作業動作の観測の態様（マーカを撮影する方向など）によって、作業軌跡に特徴の現れやすい部位が異なる。従って、１つの作業に対して１つの部位のテンプレートを用意するだけでは必ずしも有効な分析は行えない。   In addition, depending on the work, the work action, or the mode of observation of the work action (such as the direction in which the marker is photographed), the part where the feature is likely to appear in the work locus varies. Therefore, it is not always possible to perform effective analysis only by preparing a template for one part for one work.

また、これらのテンプレートを作業分析者が用意しなければならないため、作業分析者の負担が依然として大きい。   In addition, since the work analyst must prepare these templates, the burden on the work analyst is still large.

このように、従来は、個々の作業者で異なる作業軌跡から、改善を要する作業のムダを容易に検出することはできないという問題点があった。 そこで本発明は上記問題点に鑑み、作業者の作業軌跡から改善を要する作業のムダを容易に検出することができ、もって、作業分析の大幅な効率化を可能とする作業分析システムを提供することを目的とする。   As described above, conventionally, there has been a problem that waste of work requiring improvement cannot be easily detected from work tracks that are different for individual workers. Therefore, in view of the above problems, the present invention provides a work analysis system that can easily detect waste of work that needs improvement from the work trajectory of the worker, and can greatly improve the efficiency of work analysis. For the purpose.

本発明の作業分析システムは、（ａ）予め定められた作業を繰り返し行う作業者の複数の部位のそれぞれの動きの軌跡を表す複数の軌跡データのそれぞれから、基準サイクルとして指定された１サイクル分の軌跡データを基準サイクルパターンとして抽出し、（ｂ）前記基準サイクルの長さ及び各軌跡データから抽出された基準サイクルパターンを基に、各軌跡データから時系列な複数の区間の開始時及び終了時を検出し、（ｃ）各区間内の軌跡データと前記基準サイクルパターンとの間の類似度を基に、当該区間が当該基準サイクルパターンに類似する類似区間であるか当該基準サイクルパターンとは非類似の非類似区間であるかを求め、（ｄ）前記複数の軌跡データのなかから、前記類似区間の数が最も多い軌跡データを基準軌跡データとして選択し、（ｅ）前記基準軌跡データ中の類似区間及び非類似区間の開始時及び終了時を含む情報を記憶する。   The work analysis system according to the present invention includes (a) one cycle specified as a reference cycle from each of a plurality of trajectory data representing a trajectory of movement of each of a plurality of parts of a worker who repeatedly performs a predetermined work. (B) based on the length of the reference cycle and the reference cycle pattern extracted from each trajectory data, the start and end of a plurality of time-series sections from each trajectory data (C) based on the similarity between the trajectory data in each section and the reference cycle pattern, whether the section is a similar section similar to the reference cycle pattern or what is the reference cycle pattern It is determined whether the segment is dissimilar or dissimilar, and (d) trajectory data having the largest number of similar segments is selected from the plurality of trajectory data as reference trajectory data. To select it, it stores information including at the beginning and at the end of (e) similarity section and dissimilar section in the reference trajectory data.

本発明によれば、作業分析の大幅な効率化を可能とする。   According to the present invention, the efficiency of work analysis can be greatly improved.

以下、図面を参照して、本発明の実施形態について説明する。
（第１実施形態）
図１に示されるように、本発明の第１実施形態に従う作業分析システムは、軌跡データ抽出部１０１、基準サイクルパターン抽出部１０２、区間検出部１０３、選択部１０４、分析部１０５、映像データ記憶部１１０、軌跡データ記憶部１１１、基準サイクル記憶部１１２、基準軌跡データ記憶部１１３、要改善区間定義記憶部１１４、映像取得部１２０、入力部１２１、表示部１２２を有する。 Embodiments of the present invention will be described below with reference to the drawings.
(First embodiment)
As shown in FIG. 1, the work analysis system according to the first embodiment of the present invention includes a trajectory data extraction unit 101, a reference cycle pattern extraction unit 102, a section detection unit 103, a selection unit 104, an analysis unit 105, and video data storage. Unit 110, trajectory data storage unit 111, reference cycle storage unit 112, reference trajectory data storage unit 113, improvement required section definition storage unit 114, video acquisition unit 120, input unit 121, and display unit 122.

映像データ記憶部１１０には、予め定められた作業（定型作業）を繰り返し行う作業者の映像データが記憶されている。   The video data storage unit 110 stores video data of a worker who repeatedly performs a predetermined work (standard work).

ここでは、予め作業手順書で決められた定型作業の一周期を１サイクルと呼ぶ。例えば、組立作業であれば、ラインの前工程から流れてきた製品を受け取り、自分の工程の受け持ちである部品を取り付け、次の工程に製品を渡し、次の製品を前の工程から受け取るまでの一巡の作業が１サイクルに相当する。   Here, one cycle of the standard work determined in advance in the work procedure manual is called one cycle. For example, in the case of assembly work, it takes the product flowing from the previous process on the line, attaches the parts that are responsible for the process, passes the product to the next process, and receives the next product from the previous process. One cycle of work corresponds to one cycle.

軌跡データ抽出部１０１は、映像データ記憶部１１０に記憶されている映像データから軌跡データを抽出する。軌跡データとは、定型作業を繰り返し行う作業者の身体の複数の部位（作業部位）のそれぞれの動きの軌跡を時系列の座標データとして表したものである。
以下、この軌跡データを抽出する流れの一例について説明する。図２に示されるように、作業者は身体の任意の部位にマーカを装着する。このマーカは例えば、頭に関しては帽子、左右の手に関してはリストバンドであって、それぞれ異なる色を有している。この状態で作業者は定型作業を行い、その様子を撮影した映像データがビデオカメラ等映像取得部１２０で取得され、映像データ記憶部１１０に記憶される。 軌跡データ抽出部１０１は、公知の画像分析手法によって、映像から１フレーム毎に上記各マーカに対応する色を持つ画素をそれぞれ抽出する。これらの画素の重心位置を各マーカの座標として定義する。尚、この例では画像の左上端を原点とし、横方向をｘ座標、縦方向をｙ座標としている。この各マーカの座標抽出が全フレームについて行われることにより、座標の時系列データとしての軌跡データが抽出される。尚、軌跡データ記憶部１１１に、予め定められた作業を繰り返し行う作業者の複数の部位のそれぞれの動きの軌跡を表す複数の軌跡データが記憶されていれば、上記軌跡データ抽出部１０１は不要となる。 The trajectory data extraction unit 101 extracts trajectory data from the video data stored in the video data storage unit 110. The trajectory data represents the movement trajectory of a plurality of parts (working parts) of the body of the worker who repeats the routine work as time-series coordinate data.
Hereinafter, an example of a flow for extracting the trajectory data will be described. As shown in FIG. 2, the worker wears a marker on an arbitrary part of the body. For example, the marker is a hat for the head and a wristband for the left and right hands, and has different colors. In this state, the worker performs a routine work, and video data obtained by photographing the situation is acquired by the video acquisition unit 120 such as a video camera and stored in the video data storage unit 110. The trajectory data extraction unit 101 extracts pixels having colors corresponding to the respective markers for each frame from the video by a known image analysis method. The barycentric positions of these pixels are defined as the coordinates of each marker. In this example, the upper left corner of the image is the origin, the horizontal direction is the x coordinate, and the vertical direction is the y coordinate. By extracting the coordinates of each marker for all frames, trajectory data as time-series data of coordinates is extracted. The trajectory data extraction unit 101 is not required if the trajectory data storage unit 111 stores a plurality of trajectory data representing the respective trajectories of movements of a plurality of parts of an operator who repeatedly performs a predetermined operation. It becomes.

軌跡データ抽出部１０１で抽出された軌跡データは、軌跡データ記憶部１１１に記憶される。軌跡データ記憶部１１１は、前述した軌跡データを例えば、図１０に示すように、テーブル形式で格納する。   The trajectory data extracted by the trajectory data extraction unit 101 is stored in the trajectory data storage unit 111. The trajectory data storage unit 111 stores the trajectory data described above in a table format as shown in FIG. 10, for example.

図１０において、１行目のデータは、時刻「３３０」に「頭」が画面上の座標（２２９，１２２）に、「右手」が座標（２０５，７２）に、「左手」が座標（１７８，７６）にそれぞれあることを表す。また、各軌跡データには、例えば「頭」のｘ座標にはＴｒ１、「頭」のｙ座標にはＴｒ２のように番号付けされている。   In FIG. 10, the data in the first row is as follows. At time “330”, “head” is at coordinates (229, 122) on the screen, “right hand” is at coordinates (205, 72), and “left hand” is at coordinates (178). , 76). Each trajectory data is numbered, for example, Tr1 for the x coordinate of “head” and Tr2 for the y coordinate of “head”.

基準サイクルパターン抽出部１０２は、軌跡データ記憶部１１１に記憶されている複数の軌跡データのそれぞれから、１サイクル分の区間の軌跡データを抽出する。   The reference cycle pattern extraction unit 102 extracts trajectory data of a section for one cycle from each of a plurality of trajectory data stored in the trajectory data storage unit 111.

１サイクル分の区間の指定は、ユーザにより行われる。例えば、軌跡データ記憶部１１１に記憶される「頭」「右手」「左手」のそれぞれのｘ座標及びｙ座標の軌跡データが表示部１２２に図３に示すように表示される。このとき、作業者が定型作業を行う様子を撮影した映像（映像データ記憶部１１０に記憶されている映像）も、表示部１２２に表示されていてもよい。ユーザは、例えばこの映像を参照して、図３に示した複数の軌跡データに対し、図４に示すように、１サイクル分の区間を指定する情報を入力部１２１から入力する。図４では、表示された軌跡データに対し入力された、１サイクル分の区間範囲の開始時刻及び終了時刻を点線で示している。基準サイクルパターン抽出部１０２は、指示された区間範囲の開始時刻及び終了時刻を基準サイクル記憶部１１２に記憶する。なお、入力部１２１から１サイクル分の区間の開始時刻及び終了時刻が入力されて、それを基準サイクルパターン抽出部１０２は、基準サイクル記憶部１１２に記憶してもよい。   The designation of the section for one cycle is performed by the user. For example, the trajectory data of each of the “head”, “right hand”, and “left hand” stored in the trajectory data storage unit 111 is displayed on the display unit 122 as shown in FIG. At this time, a video (video stored in the video data storage unit 110) in which a worker performs a routine work may be displayed on the display unit 122. For example, referring to this video, the user inputs information specifying a section for one cycle from the input unit 121 as shown in FIG. 4 with respect to the plurality of trajectory data shown in FIG. In FIG. 4, the start time and end time of the section range for one cycle input with respect to the displayed trajectory data are indicated by dotted lines. The reference cycle pattern extraction unit 102 stores the start time and end time of the designated section range in the reference cycle storage unit 112. Note that the start time and end time of a section for one cycle may be input from the input unit 121, and the reference cycle pattern extraction unit 102 may store them in the reference cycle storage unit 112.

ここでは、このようにして軌跡データに対しユーザにより指定された１サイクル分の区間を基準サイクルと呼ぶ。例えば図４では、点線で挟まれた区間が基準サイクルを表す。   Here, the section for one cycle designated by the user for the trajectory data in this way is referred to as a reference cycle. For example, in FIG. 4, a section between dotted lines represents a reference cycle.

図１１は、ユーザにより指定された基準サイクルの開始時刻及び終了時刻の記憶例を示したものである。   FIG. 11 shows a storage example of the start time and end time of the reference cycle designated by the user.

基準サイクルパターン抽出部１０２は、軌跡データ記憶部１１１に記憶されている各軌跡データから、基準サイクルとして指定された区間（基準サイクル記憶部１１２に記憶された開始時刻から終了時刻までの区間）内の軌跡データを基準サイクルパターンとして抽出する。例えば、図４に示した各軌跡データから、点線で挟まれた区間の軌跡データが基準サイクルパターンとして抽出される。   The reference cycle pattern extraction unit 102 is within the section designated as the reference cycle (section from the start time to the end time stored in the reference cycle storage unit 112) from each piece of trajectory data stored in the trajectory data storage unit 111. Is extracted as a reference cycle pattern. For example, trajectory data of a section sandwiched by dotted lines is extracted as the reference cycle pattern from each trajectory data shown in FIG.

基準サイクルパターン抽出部１０２は、各軌跡データから抽出した基準サイクルパターンを、当該軌跡データを識別する情報に対応付けて基準サイクル記憶部１１２に記憶する。   The reference cycle pattern extraction unit 102 stores the reference cycle pattern extracted from each track data in the reference cycle storage unit 112 in association with information for identifying the track data.

区間検出部１０３は、基準サイクルとして指定された区間の長さ及び各軌跡データから抽出された基準サイクルパターンを用いて、当該軌跡データから、時系列な複数の区間の開始時刻及び終了時刻を検出する。さらに、当該複数の区間から、当該軌跡データから抽出された基準サイクルパターンに類似する類似区間、基準サイクルパターンとは非類似の非類似区間を求める。   The section detection unit 103 detects the start time and end time of a plurality of time-series sections from the trajectory data using the length of the section designated as the reference cycle and the reference cycle pattern extracted from each trajectory data. To do. Further, a similar section similar to the reference cycle pattern extracted from the trajectory data and a dissimilar section not similar to the reference cycle pattern are obtained from the plurality of sections.

選択部１０４は、区間検出部１０３で各軌跡データから検出された類似区間の数を基に、軌跡データ記憶部１１１に記憶された複数の軌跡データのうちの１つを基準軌跡データとして選択する。すなわち、複数の軌跡データの、類似区間の数が最も多い軌跡データを基準軌跡データとして選択する。   The selection unit 104 selects, as reference trajectory data, one of a plurality of trajectory data stored in the trajectory data storage unit 111, based on the number of similar sections detected from each trajectory data by the section detection unit 103. . That is, trajectory data having the largest number of similar sections among a plurality of trajectory data is selected as reference trajectory data.

次に、図５及び図６に示すフローチャートを参照して、区間検出部１０３及び選択部１０４の処理動作について説明する。
区間検出部１０３は、まず、変数ｉに軌跡データ記憶部１１１に記憶されている軌跡データの総数を代入して、変数ｉを初期化し（ステップＳ１）ステップＳ２に移行する。例えば、軌跡データ記憶部１１１に、図１０に示すような情報が記憶されている場合、軌跡データの総数は、頭、左手、右手のｘ座標及びｙ座標に関する軌跡データを対象とするので、「６」となる。 Next, processing operations of the section detection unit 103 and the selection unit 104 will be described with reference to flowcharts shown in FIGS.
The section detection unit 103 first substitutes the total number of trajectory data stored in the trajectory data storage unit 111 for the variable i, initializes the variable i (step S1), and proceeds to step S2. For example, when information as shown in FIG. 10 is stored in the trajectory data storage unit 111, the total number of trajectory data targets trajectory data related to the x coordinate and y coordinate of the head, left hand, and right hand. 6 ”.

ステップＳ２では、ｉが「０」に等しいか否かを判定する。ｉが「０」に等しければ、すなわち、全ての軌跡データに対する処理が終了した場合には、ステップＳ９に移行し、そうでなければステップＳ３に移行する。   In step S2, it is determined whether i is equal to “0”. If i is equal to “0”, that is, if the processing for all the trajectory data is completed, the process proceeds to step S9; otherwise, the process proceeds to step S3.

ステップＳ３では、区間検出部１０３は、軌跡データ記憶部１１１からｉ番目の軌跡データＴｒiとを取得するとともに、当該軌跡データＴｒiから抽出された基準サイクルパターンＰiを基準サイクル記憶部１１２から取得し、ステップＳ４に移行する。 In step S3, section detecting unit 103 obtains the i-th trajectory data Tr i from the trajectory data storage unit 111, a reference cycle pattern P i extracted from the trajectory data Tr i from the reference cycle storage unit 112 Acquire and go to step S4.

ステップＳ４では、区間検出部１０３は当該ｉ番目の軌跡データから時系列な複数の区間の開始時刻及び終了時刻を検出するとともに、当該複数の区間から、当該軌跡データから抽出された基準サイクルパターンに類似する類似区間、基準サイクルパターンとは非類似の非類似区間を検出する。さらに、当該ｉ番目の軌跡データ中から検出された類似区間の数Ｎを算出する。ここで各軌跡データから算出されるＮは、基準軌跡データを選択する際に用いられる。ステップＳ４の処理は後述する。   In step S4, the section detection unit 103 detects the start time and end time of a plurality of time-series sections from the i-th trajectory data, and sets the reference cycle pattern extracted from the trajectory data from the plurality of sections. A similar section similar to that of the reference cycle pattern is detected. Further, the number N of similar sections detected from the i-th trajectory data is calculated. Here, N calculated from each piece of trajectory data is used when selecting the reference trajectory data. The process of step S4 will be described later.

ステップＳ５において、ｉが軌跡データの総数に等しい場合、すなわち、最初の軌跡データに対する処理を行っている場合のみ、ステップＳ６に移行する。ｉが軌跡データの総数と異なる場合、すなわち、２番目以降の軌跡データに対する処理の場合には、ステップＳ７に移行する。   In step S5, the process proceeds to step S6 only when i is equal to the total number of trajectory data, that is, when processing for the first trajectory data is being performed. If i is different from the total number of trajectory data, that is, in the case of processing for the second and subsequent trajectory data, the process proceeds to step S7.

ステップＳ６では、記憶エリアＴｒbaseに、当該ｉ番目の軌跡データＴｒi、記憶エリアＮbaseに、当該ｉ番目の軌跡データから検出された類似区間の総数Ｎをそれぞれ代入する。 In step S6, the storage area Tr base, the i-th trajectory data Tr i, the storage area N base, it substitutes the i-th detected from the trajectory data was the total number N of similar interval, respectively.

記憶エリアＴｒbaseは、現時点までに処理した軌跡データのうち、検出された類似区間の数Ｎが最も多い軌跡データを一時記憶するための一時記憶エリアである。記憶エリアＮbaseは、記憶エリアＴｒbaseに、一時記憶されている軌跡データから検出された類似区間の数Ｎを一時記憶するための一時記憶エリアである。 The storage area Tr base is a temporary storage area for temporarily storing the trajectory data having the largest number of detected similar sections N among the trajectory data processed so far. Storage area N base is in the storage area Tr base, a temporary storage area for temporarily storing a number N of similar interval detected from the locus data temporarily stored.

ステップＳ６では、最初の軌跡データに対する処理を行っている場合、当該軌跡データ及び当該軌跡データから検出された類似区間の数Ｎを、記憶エリアＮbase、記憶エリアＴｒbaseに記憶される値の初期値に設定している。 In step S6, if performing the processing for the first path data, the number N of the trajectory data and similar interval detected from the trajectory data, storage area N base, the initial value stored in the storage area Tr base Set to value.

ステップＳ６では、Ｎbase、Ｔｒbaseの更新を行うとともに、ｉを「１」だけデクリメントして更新し、ステップＳ２に戻り、次の軌跡データに対し、上記ステップＳ３〜ステップＳ４と同様の処理を行う。 In step S6, N base and Tr base are updated, i is decremented by "1" and updated, and the process returns to step S2, and the same processing as in steps S3 to S4 is performed on the next trajectory data. Do.

Ｔｒbaseは、最初の処理対象であった軌跡データＴｒiで初期化された後、各軌跡データに対しステップＳ３〜ステップＳ４に示す処理を行うことにより、より大きなＮが算出された軌跡データで更新される。軌跡データ記憶部１１１に記憶されている全ての（ここでは例えば６つの）軌跡データに対しステップＳ３〜ステップＳ４の処理を行った場合には、Ｔｒbaseには、例えば６つの軌跡データのうち類似区間の数Ｎが最も多い軌跡データが記憶されている。選択部１０４は、この類似区間の数Ｎが最も多い軌跡データを基準軌跡データとして選択する。 Tr base, after being initialized by the locus data Tr i was the first to be processed, by performing the process shown in step S3~ step S4 for each locus data, a more locus data large N is calculated Updated. When the processing of step S3 to step S4 is performed on all (for example, six in this case) trajectory data stored in the trajectory data storage unit 111, the Tr base is similar to, for example, six trajectory data. Trajectory data having the largest number N of sections is stored. The selection unit 104 selects trajectory data having the largest number N of similar sections as reference trajectory data.

Ｎbaseは、Ｔｒbaseが上記のように更新される度に、当該Ｔｒbaseに新たに記憶された軌跡データ中の類似区間の総数Ｎで更新される。 N base is, Tr base is each time it is updated as described above, is updated by the total number of similar interval in the newly stored locus data to the Tr base N.

２番目以降の軌跡データの処理の場合には、ステップＳ４からステップＳ５へ進み、ここでステップＳ７へ進む。   In the case of processing of the second and subsequent trajectory data, the process proceeds from step S4 to step S5, and here, the process proceeds to step S7.

ステップＳ７では、選択部１０４は、ステップＳ４において２番目以降の各軌跡データから得られた当該軌跡データ中の類似区間の数Ｎと、Ｎbaseの値とを比較し、ＮがＮbase以上か否かをチェックする。ＮがＮbase以上であればステップＳ６に移行し、前述したように、Ｎbase、Ｔｒbaseの更新を行う。ＮがＮbaseより小さい場合には、ステップＳ８へ進み、ｉを１つデクリメントし、ステップＳ２に移行し、次の軌跡データに対する処理を開始する。 In step S7, the selection unit 104 compares the number N of similar sections in the trajectory data obtained from the second and subsequent trajectory data in step S4 with the value of Nbase , and whether N is equal to or greater than Nbase . Check whether or not. If N is greater than or equal to N base , the process proceeds to step S6, and N base and Tr base are updated as described above. If N is smaller than N base , the process proceeds to step S8, i is decremented by one, the process proceeds to step S2, and processing for the next trajectory data is started.

ステップＳ６、ステップＳ８でｉを１つデクリメントした結果、ｉが「０」となった場合には（ステップＳ２）、軌跡データ記憶部１１１に記憶された全ての（ここでは例えば６つの）軌跡データに対する処理が終了したので、ステップＳ９へ進む。   When i is “0” as a result of decrementing i by 1 in step S6 and step S8 (step S2), all (for example, six in this case) trajectory data stored in the trajectory data storage unit 111 are stored. Since the process for is completed, the process proceeds to step S9.

ステップＳ９では、選択部１０４は、Ｔｒbaseに記憶されている軌跡データを基準軌跡データとして選択し、選択を終了する。 In step S9, the selection unit 104 selects the trajectory data stored in Tr base as reference trajectory data, and ends the selection.

次に、図５のステップＳ４の処理動作について、図６のフローチャートを参照して詳しく説明する。ここでは、処理対象のｉ番目の軌跡データＴｒiから、当該軌跡データから抽出された基準サイクルパターンと比較することにより、当該ｉ番目の軌跡データから時系列な複数の区間の開始時刻及び終了時刻を検出するとともに、当該複数の区間に対し、基準サイクルパターンに類似する類似区間であるか、基準サイクルパターンとは非類似の非類似区間であるかを判定する。さらに、当該ｉ番目の軌跡データ中の類似区間の総数Ｎを求める。 Next, the processing operation in step S4 in FIG. 5 will be described in detail with reference to the flowchart in FIG. Here, the i-th trajectory data Tr i to be processed, by comparing a reference cycle pattern extracted from the trajectory data, start time and end time series a plurality of sections when the the i-th trajectory data Is detected, and it is determined whether the plurality of sections are similar sections similar to the reference cycle pattern or dissimilar sections similar to the reference cycle pattern. Further, the total number N of similar sections in the i-th trajectory data is obtained.

区間検出部１０３は、まず、Ｎに「０」を代入して初期化する（ステップＳ４００）。次に、区間検出部１０３は、以下のステップＳ４０１からステップＳ４０８までの区間検出処理を行う。区間検出には、例えば、動的計画法（Ｄｙｎａｍｉｃ Ｐｒｏｇｒａｍｍｉｎｇ；ＤＰ）を用いることができる。   The section detection unit 103 first initializes by assigning “0” to N (step S400). Next, the section detection unit 103 performs section detection processing from step S401 to step S408 below. For the section detection, for example, dynamic programming (DP) can be used.

ここで区間検出処理の概略を、図７を参照して説明する。処理対象の軌跡データＴｒiから抽出された基準サイクルパターンをＰとする。そして、この基準サイクルパターンの長さ、すなわち、基準サイクルの区間長を｜Ｐ｜と表す。 Here, an outline of the section detection process will be described with reference to FIG. The reference cycle pattern extracted from the trajectory data Tr i to be processed and P. The length of the reference cycle pattern, that is, the section length of the reference cycle is represented as | P |.

図７に示すように、区間検出処理では、まず区間の仮の開始時刻ｓｔａｒｔ0と仮の終了時刻ｅｎｄ0を設定する。ｓｔａｒｔ0からｅｎｄ0までの仮の区間の長さは、基準サイクルの区間長｜Ｐ｜を基に決定される。例えば、ここでは、仮の開始時刻ｓｔａｒｔ0からの区間長が｜Ｐ｜となるように仮の終了時刻ｅｎｄ0を設定する。さらに、仮の開始時刻ｓｔａｒｔ0から予め定めされた時間αまでの範囲を、検出すべき区間の開始時刻の有効範囲に設定し、仮の終了時刻ｅｎｄ0から予め定めされた時間βまでの範囲を、検出すべき区間の終了時刻の有効範囲に設定する。そして、仮の開始時刻ｓｔａｒｔ0から仮の終了時刻ｅｎｄ0＋βまでの区間（区間検出範囲）内で、終了時刻ｅｎｄをｅｎｄ0からｅｎｄ0＋βまで所定時間ｂずつ変化させながら、また開始時刻ｓｔａｒｔをｓｔａｒｔ0からｓｔａｒｔ0＋αまで所定時間ａずつ変化させながら、ｓｔａｒｔとｅｎｄまでの軌跡データと、基準サイクルパターンＰとの類似度を求めて、当該区間検出範囲で基準サイクルパターンと最も類似する区間の開始時刻ｓｔａｒｔmin及び終了時刻ｅｎｄminを検出する。ここで、検出する区間の開始時刻ｓｔａｒｔminは、仮の開始時刻ｓｔａｒｔ0から時間αまでの有効範囲内の時刻であり、検出する区間の終了時刻ｅｎｄminは、仮の終了時刻ｅｎｄ0から時間βまでの有効範囲内の時刻である。 As shown in FIG. 7, in the section detection process, first, a provisional start time start 0 and a provisional end time end 0 of the section are set. The length of the temporary section from start 0 to end 0 is determined based on the section length | P | of the reference cycle. For example, the provisional end time end 0 is set so that the section length from the provisional start time start 0 is | P |. Furthermore, the range from the temporary start time start 0 to the predetermined time α is set as the effective range of the start time of the section to be detected, and the range from the temporary end time end 0 to the predetermined time β Is set to the effective range of the end time of the section to be detected. Then, within the section from the temporary start time start 0 to the temporary end time end 0 + β (section detection range), while changing the end time end from end 0 to end 0 + β by a predetermined time b, the start time start , The degree of similarity between the trajectory data from start to end and the reference cycle pattern P and the reference cycle pattern P while changing from start 0 to start 0 + α by a predetermined time a, and the interval most similar to the reference cycle pattern in the interval detection range The start time start min and end time end min are detected. Here, the start time start min of the section to be detected is a time within the effective range from the temporary start time start 0 to the time α, and the end time end min of the detected section is the time from the temporary end time end 0 to time Time within the effective range up to β.

なお、以下の説明では、仮の開始時刻ｓｔａｒｔ0から仮の終了時刻ｅｎｄ0までの時間長を基準サイクルの区間長｜Ｐ｜としたが、この場合に限らず、当該区間長は、基準サイクルの区間長｜Ｐ｜よりも長くとも短くともよい。要は、基準サイクルパターンＰと類似・非類似の区間を検出するために最適な長さであればよい。 In the following description, the time length from the provisional start time start 0 to the provisional end time end 0 is the section length | P | of the reference cycle. However, the present invention is not limited to this, and the section length is not limited to the reference cycle. May be longer or shorter than the section length | P |. In short, it may be an optimum length for detecting a section similar to or not similar to the reference cycle pattern P.

図６に示す処理動作では、開始時刻ｓｔａｒｔが仮の開始時刻ｓｔａｒｔ0であり、終了時刻ｅｎｄが仮の終了時刻ｅｎｄ0である区間と基準サイクルパターンとの類似度を調べる処理と、終了時刻ｅｎｄを仮の終了時刻ｅｎｄ0からその有効範囲内で予め定められた単位時間（ｂ）ずつに後ろにずらすとともに、開始時刻ｓｔａｒｔを仮の開始時刻ｓｔａｒｔ0からその有効範囲内で予め定められた単位時間（ａ）ずつに後ろにずらしながら、ｓｔａｒｔからｅｎｄまでの区間と基準サイクルパターンとの類似度を調べる処理とを含み、当該区間検出範囲のなかから基準サイクルパターンＰと最も類似度の高い区間（区間検出に、動的計画法（ＤＰ）を用いる場合、最も距離値が小さい区間）を探索するようにしている。 In the processing operation shown in FIG. 6, a process for checking the similarity between a section in which the start time start is the tentative start time start 0 and the end time end is the tentative end time end 0 and the reference cycle pattern, and the end time end Is shifted backward from the provisional end time end 0 by a predetermined unit time (b) within the effective range, and the start time start is determined from the provisional start time start 0 within the effective range. A section having the highest similarity to the reference cycle pattern P in the section detection range, including a process of examining the similarity between the section from start to end and the reference cycle pattern while shifting backward by time (a) (When using dynamic programming (DP) for section detection, the section having the smallest distance value) is searched.

このようにｅｎｄ及びｓｔａｒｔの値をずらすのは、同じ作業者であっても、作業に要する時間が常に同一であるとは限らないので、個々の区間時間（区間の開始時刻から終了時刻までの時間）のばらつきを考慮して区間検出を行うためである。   Since shifting the values of end and start is not always the same even for the same operator, the time required for the work is not always the same. This is because the section detection is performed in consideration of the variation in time.

また、図６に示す処理動作では、処理対象の軌跡データＴｒiのうち開始時刻ｓｔａｒｔ、終了時刻ｅｎｄで区切られる仮区間Ｔｒ（ｓｔａｒｔ，ｅｎｄ）の軌跡データについて後述する距離Ｄ（当該仮区間と基準サイクルパターンとの間の類似度）の算出を行う。この算出は、開始時刻ｓｔａｒｔ及び終了時刻ｅｎｄの値を少しずつずらしながら、ｓｔａｒｔ及びｅｎｄの有効範囲で定まる区間検出範囲内で繰り返し行われる。この結果、最小の距離Ｄminを有する（すなわち、基準サイクルパターンとの類似度が最も高い）仮区間Ｔｒ（ｓｔａｒｔmin，ｅｎｄmin）を区間として検出する。 Further, in the processing operation shown in FIG. 6, the start time start of the trajectory data Tr i to be processed, the temporary interval Tr (start, end) which is delimited by the end time end and the distance D (the provisional interval will be described later trajectory data (Similarity with reference cycle pattern) is calculated. This calculation is repeatedly performed within the section detection range determined by the effective range of start and end while gradually shifting the values of the start time start and end time end. As a result, the provisional section Tr (start min , end min ) having the minimum distance D min (that is, the highest similarity to the reference cycle pattern) is detected as a section.

図６の説明に戻り、ステップＳ４０１では、Ｄminに∞、ｓｔａｒｔにｓｔａｒｔ0、ｅｎｄにｅｎｄ0をそれぞれ代入して初期化する。ＤminはステップＳ４０３で仮区間について算出された距離Ｄが、当該Ｄminの値よりも小さい場合に、算出された距離Ｄにより更新される。ｓｔａｒｔ及びｅｎｄは、仮区間の開始時刻及び終了時刻である。ｓｔａｒｔ0及びｅｎｄ0は、仮区間の開始時刻及び終了時刻の初期値を示し、上述の区間検出範囲から１区間の検出が終わる度にステップＳ４１１において更新される。 Returning to FIG. 6, in step S401, initialization is performed by substituting ∞ for D min , start 0 for start, and end 0 for end. D min is updated with the calculated distance D when the distance D calculated for the provisional section in step S403 is smaller than the value of the D min . start and end are the start time and end time of the provisional section. start 0 and end 0 indicate initial values of the start time and end time of the temporary section, and are updated in step S411 every time detection of one section is completed from the above-described section detection range.

次に、ステップＳ４０２へ進み、記憶エリアＰTrに仮区間Ｔｒ（ｓｔａｒｔ，ｅｎｄ）内の軌跡データを格納し、ステップＳ４０３に移行する。
ステップＳ４０３では、記憶エリアＰTrに記憶された仮区間Ｔｒ（ｓｔａｒｔ，ｅｎｄ）内の軌跡データＰTrと、基準サイクルパターンＰとの間の類似度、すなわち、ここではＰTrとＰとの間の距離Ｄ（Ｐ，ＰTr）を算出する。さらに、算出した距離Ｄ（Ｐ，ＰTr）とＤminとを比較し、距離Ｄ（Ｐ，ＰTr）がＤmin未満であれば、Ｄminを更新すべく、ステップＳ４０４に移行し、そうでなければステップＳ４０５に移行する。距離Ｄ（Ｐ，ＰTr）は、例えば式（１）に従って算出する。なお、距離Ｄ（Ｐ，ＰTr）の値が小さいほど、ＰとＰTrとの間の類似度が高いことを意味し、距離Ｄ（Ｐ，ＰTr）の値が高いほど、ＰとＰTrとの間の類似度が低いことを意味する。

Figure 2008077424
Then, the process proceeds to step S402, and stores the trajectory data in the temporary interval Tr (start, end) in the storage area P Tr, the process proceeds to step S403.
In step S403, between the trajectory data P Tr in temporary interval Tr stored in the storage area P Tr (start, end The), the similarity between the reference cycle pattern P, i.e., where the P Tr and P The distance D (P, P Tr ) is calculated. Further, the calculated distance D (P, P Tr ) and D min are compared. If the distance D (P, P Tr ) is less than D min , the process proceeds to step S404 to update D min , so Otherwise, the process proceeds to step S405. The distance D (P, P Tr ) is calculated according to the formula (1), for example. Note that the smaller the value of the distance D (P, P Tr ), the higher the similarity between P and P Tr, and the higher the value of the distance D (P, P Tr ), the more P and P It means that the similarity between Tr is low.
Figure 2008077424

ここで、ｃは分割数であり、ｘ（ｋ）及びｘTr（ｋ）はそれぞれＰ及びＰTrをｃ分割したうちのｋ番目のフレームにおけるＰならびにＰTrの部分データである。分割数ｃは、基準サイクルパターンＰのフレーム数であってもよいし、予め定められた定数（例えば「１００」）であってもよい。また、距離Ｄ（Ｐ，ＰTr）は、両者の類似度を表すためのものであり、式（１）以外の定義も可能である。 Here, c is the number of divisions, x (k) and x Tr (k) is the partial data of the P and P Tr in the k-th frame among the P and P Tr and c respectively divided. The division number c may be the number of frames of the reference cycle pattern P, or may be a predetermined constant (for example, “100”). The distance D (P, P Tr ) is for expressing the similarity between the two, and can be defined other than the expression (1).

ステップＳ４０４では、ｓｔａｒｔmin及びｅｎｄminを現在の仮区間Ｔｒ（ｓｔａｒｔ，ｅｎｄ）内の開始時刻ｓｔａｒｔ及びｅｎｄでそれぞれ更新し、ＤminをステップＳ４０３で算出された距離Ｄ（Ｐ，ＰTr）で更新する。ｓｔａｒｔmin及びｅｎｄminは、現時点までで距離Ｄが最小となる仮区間の開始時刻ｓｔａｒｔ及び終了時刻ｅｎｄであり、Ｄminが更新される度にこれらの値も更新される。
ステップＳ４０５では、仮区間の終了時刻ｅｎｄを更新する。すなわち、現在の終了時刻ｅｎｄ予め定められた時間を加算して、新たな終了時刻ｎｅｘｔ（ｅｎｄ）に更新する。その後ステップＳ４０６に移行する。ここでｎｅｘｔ（ｅｎｄ）とは、時刻ｅｎｄを予め定められた時間ｂ進める関数とする。例えばｂ＝１０とすると、ｎｅｘｔ（ｅｎｄ）＝ｅｎｄ＋１０などとする。 In step S404, start min and end min are updated with the start times start and end in the current provisional section Tr (start, end), respectively, and D min is the distance D (P, P Tr ) calculated in step S403. Update. The start min and end min are the start time start and end time end of the provisional section in which the distance D is the smallest up to the present time, and these values are updated each time D min is updated.
In step S405, the end time end of the temporary section is updated. That is, the current end time end is added to a predetermined time, and updated to a new end time next (end). Thereafter, the process proceeds to step S406. Here, “next (end)” is a function that advances time “end” by a predetermined time “b”. For example, when b = 10, next (end) = end + 10 is set.

ステップＳ４０６では、更新後の新たな終了時刻ｅｎｄが、終了時刻の有効範囲（図７のβ）内であるかどうかをチェックする。ここでは、ｉｓＶａｌｉｄ（ｅｎｄ）の値がｔｒｕｅか否かを判定する。ｉｓＶａｌｉｄ（ｅｎｄ）の値がｔｒｕｅであれば（すなわち、終了時刻の有効範囲内である場合には）、ステップＳ４０２に移行し、そうでなければステップＳ４０７に移行する。ここでｉｓＶａｌｉｄ（ｅｎｄ）とは、ｅｎｄが有効範囲にあるか否かを判定する関数とする。ｉｓＶａｌｉｄ（ｅｎｄ）であれば、更新後のｅｎｄが、例えばｅｎｄ0≦ｅｎｄ≦ｅｎｄ0＋β（βは例えば２００）を満たせばｔｒｕｅを返し、そうでなければｆａｌｓｅを返すこととする。 In step S406, it is checked whether or not the updated new end time end is within the valid range of end time (β in FIG. 7). Here, it is determined whether or not the value of isValid (end) is true. If the value of isValid (end) is true (that is, if it is within the valid range of the end time), the process proceeds to step S402; otherwise, the process proceeds to step S407. Here, isValid (end) is a function for determining whether or not end is in the valid range. If isValid (end), true is returned if the updated end satisfies, for example, end 0 ≦ end ≦ end 0 + β (β is 200, for example). Otherwise, false is returned.

以上のステップＳ４０２〜ステップＳ４０６の処理を、更新後の新たな終了時刻ｅｎｄが「ｅｎｄ0＋β」を越えるまで、すなわち、ステップＳ４０６で、ｉｓＶａｌｉｄ（ｅｎｄ）がｆａｌｓｅとなるまで繰り返す。 The processes in steps S402 to S406 are repeated until the new updated end time end exceeds “end 0 + β”, that is, in step S406, isValid (end) becomes false.

ステップＳ４０６で、ｉｓＶａｌｉｄ（ｅｎｄ）がｆａｌｓｅとなったとき、次に、ステップＳ４０７へ進み、以降、開始時刻ｓｔａｒｔを所定時間（ａ）だけずらして、ステップＳ４０２〜ステップＳ４０６の処理を行い、区間の探索を行う。   When isValid (end) becomes false in step S406, the process proceeds to step S407. Thereafter, the start time start is shifted by a predetermined time (a), and the processing of steps S402 to S406 is performed. Perform a search.

ステップＳ４０７では、ｓｔａｒｔ及びｅｎｄを更新する。すなわち、現在の開始時刻ｓｔａｒｔに予め定められた時間ａを加算して、新たな終了時刻ｎｅｘｔ（ｓｔａｒｔ）に更新する。例えばａ＝１０とすると、ｎｅｘｔ（ｓｔａｒｔ）＝ｓｔａｒｔ＋１０などとする。また、現在の終了時刻ｅｎｄをｅｎｄ0に戻す。
次にステップＳ４０８に移行し、更新後の新たな開始時刻ｓｔａｒｔが、開始時刻の有効範囲（図７のα）内であるかどうかをチェックする。ここでは、ｉｓＶａｌｉｄ（ｓｔａｒｔ）の値がｔｒｕｅか否かを判定する。ｉｓＶａｌｉｄ（ｓｔａｒｔ）の値がｔｒｕｅであれば（すなわち、開始時刻の有効範囲内である場合には）、ステップＳ４０２に移行し、そうでなければステップＳ４０９に移行する。ｉｓＶａｌｉｄ（ｓｔａｒｔ）は、更新後のｓｔａｒｔが、例えばｓｔａｒｔ0≦ｓｔａｒｔ≦ｓｔａｒｔ0＋α（αは例えば２００）を満たせばｔｒｕｅを返し、そうでなければｆａｌｓｅを返す。 In step S407, start and end are updated. That is, a predetermined time “a” is added to the current start time “start”, and updated to a new end time “next (start)”. For example, when a = 10, next (start) = start + 10 is set. Also, the current end time end is returned to end 0.
Next, the process proceeds to step S408, and it is checked whether or not the updated new start time start is within the effective range of the start time (α in FIG. 7). Here, it is determined whether or not the value of isValid (start) is true. If the value of isValid (start) is true (that is, if it is within the valid range of the start time), the process proceeds to step S402; otherwise, the process proceeds to step S409. isValid (start) returns true if the updated start satisfies, for example, start 0 ≦ start ≦ start 0 + α (α is 200, for example), and returns false otherwise.

以上のステップＳ４０２〜ステップＳ４０８の処理を、更新後の新たな開始時刻ｓｔａｒが「ｓｔａｒｔ0＋α」を越えるまで、すなわち、ステップＳ４０８で、ｉｓＶａｌｉｄ（ｓｔａｒｔ）がｆａｌｓｅとなるまで繰り返す。 The processes from step S402 to step S408 are repeated until the updated new start time start exceeds “start 0 + α”, that is, in step S408, until isValid (start) becomes false.

ステップＳ４０８で、ｉｓＶａｌｉｄ（ｓｔａｒｔ）がｆａｌｓｅとなったとき、今回の区間検出範囲内の区間の探索は終了し、次に、ステップＳ４０９へ進む。   When isValid (start) becomes false in step S408, the search for the section within the current section detection range is completed, and the process proceeds to step S409.

区間検出範囲内の区間の探索が終了した場合、Ｄminには、当該区間検出範囲内で探索された仮区間のうち、基準サイクルパターンとの距離が最も小さい（最も類似する）仮区間の距離値が記憶されている。そして、当該仮区間の開始時刻及び終了時刻が（ｓｔａｒｔmin，ｅｎｄmin）に記憶されている。すなわち、当該区間検出範囲内から、ｓｔａｒｔminからｅｎｄminまでの区間が検出されたことになる。 When the search for the section within the section detection range is completed, the distance of the temporary section having the smallest (most similar) distance from the reference cycle pattern among the temporary sections searched for within the section detection range when D min is searched. The value is stored. The start time and end time of the temporary section are stored in (start min , end min ). That is, a section from start min to end min is detected from the section detection range.

ステップＳ４０９では、当該検出された区間が、実際に基準サイクルパターンと類似する類似区間である否かを判定する。ここでは当該検出された区間と基準サイクルパターンとの間の類似度（ここでは距離Ｄmin）と、予め定められた閾値Ｄcycleとを比較し、ＤminがＤcycle以下の場合には、当該区間を類似区間と判定する。一方、ＤminがＤcycleより大きい場合には、当該区間は基準サイクルパターンとは非類似の非類似区間と判定し、ステップＳ４１１に移行する。 In step S409, it is determined whether or not the detected section is a similar section that is actually similar to the reference cycle pattern. Here, the similarity (here, distance Dmin ) between the detected section and the reference cycle pattern is compared with a predetermined threshold value Dcycle, and if Dmin is equal to or less than Dcycle , The section is determined as a similar section. On the other hand, if D min is greater than D cycle , the section is determined to be a dissimilar section that is dissimilar to the reference cycle pattern, and the process proceeds to step S411.

ステップＳ４０９において、類似区間と判定した場合、ステップＳ４１０へ進む。   If it is determined in step S409 that it is a similar section, the process proceeds to step S410.

ステップＳ４１０では、Ｎを「１」だけインクリメントし、ステップＳ４１１に移行する。   In step S410, N is incremented by “1”, and the process proceeds to step S411.

ステップＳ４１１では、次の区間を検出するために、ｓｔａｒｔ0、ｅｎｄ0を更新する。この更新は、例えばｓｔａｒｔ0にｅｎｄminを代入した後、ｅｎｄ0にｓｔａｒｔ0＋｜Ｐ｜を代入する。 In step S411, start 0 and end 0 are updated in order to detect the next section. This update, for example, by substituting the end min to start 0, start 0 + to end 0 | Substituting | P.

次に、ステップＳ４１２では、更新後のｅｎｄ0が軌跡データＴｒiの範囲内かどうかを判定する。ｅｎｄ0が軌跡データの範囲内であればステップＳ４０１に戻り、当該次の区間の検出するために、上述のステップＳ４０１〜ステップＳ４１１を繰り返す。 Next, in step S412, end The 0 of the updated determines whether the range of the locus data Tr i. If end 0 is within the range of the trajectory data, the process returns to step S401, and the above-described steps S401 to S411 are repeated in order to detect the next section.

ステップＳ４１２において、更新後のｅｎｄ0が軌跡データＴｒiの範囲を越えた場合には、処理を終了する。以上の処理により、当該軌跡データＴｒiから時系列な複数の区間のそれぞれの開始時刻及び終了時刻と、各区間が類似区間か非類似区間かの判定結果と、当該軌跡データＴｒi中の類似区間の総数Ｎが得られる。 In step S412, if the end The 0 of the updated beyond the scope of the locus data Tr i, the process is terminated. By the above process, the respective start and end times of the time series a plurality of sections from the trajectory data Tr i, and the determination result of each section are either similar interval or dissimilar section, similar in the locus data Tr i A total number N of sections is obtained.

図５のステップＳ７では、図６に示したような処理により軌跡データＴｒiから当該軌跡データ中の類似区間の総数Ｎが算出される度に、当該ＮとＮbaseとを比較して、ＮがＮbase以上の場合に、Ｎbaseを当該Ｎで更新する。さらに、ステップＳ６において、Ｔｒbaseの更新を行う。 At step S7 in FIG. 5, each time the total number N of similar interval in the locus data is calculated from the processing by the trajectory data Tr i as shown in FIG. 6, by comparing the said N and N base, N There the case of more than N base, updates the N base in the N. In step S6, Tr base is updated.

ステップＳ２で、軌跡データ記憶部１１１に記憶された全ての（ここでは例えば６つの）軌跡データに対する処理が終了した場合、Ｔｒbaseには、当該６つの軌跡データのうち、類似区間の総数が最も多い軌跡データが記憶されている。ステップＳ９では、選択部１０４は、Ｔｒbaseに記憶されている軌跡データを基準軌跡データとして選択する。 When the processing for all (for example, six in this case) trajectory data stored in the trajectory data storage unit 111 is completed in step S2, the total number of similar sections among the six trajectory data is the largest in Tr base. A lot of trajectory data is stored. In step S9, the selection unit 104 selects the trajectory data stored in Tr base as reference trajectory data.

選択部１０４は、基準軌跡データとして選択した軌跡データから検出された各区間の開始時刻及び終了時刻や、各区間が類似区間であるか非類似区間であるかを示す情報を、例えば図１２に示すような形式で基準軌跡データ記憶部１１３に記憶する。この基準軌跡データの情報はユーザに表示部１２２を介して表示してもよい。
図１２において、１列目は基準軌跡データから検出されたれた各区間を識別するための番号、２列目及び３列目は当該区間の開始時刻ｓｔａｒｔmin及び終了時刻ｅｎｄminを示している。また、４列目は当該区間が類似区間か非類似区間であるかを示しており、類似区間は「１」、非類似区間は「０」で示している。 For example, FIG. 12 shows information indicating whether each section is a similar section or a dissimilar section, and the start time and end time of each section detected from the trajectory data selected as the reference trajectory data. The data is stored in the reference trajectory data storage unit 113 in the format as shown. Information on the reference trajectory data may be displayed to the user via the display unit 122.
In FIG. 12, the first column is a number for identifying each section detected from the reference trajectory data, and the second and third columns indicate the start time start min and end time end min of the section. The fourth column indicates whether the section is a similar section or a dissimilar section. The similar section is “1” and the dissimilar section is “0”.

選択部１０４によって選択された基準軌跡データからは図８に示すように類似区間と非類似区間が抽出されており、類似区間において作業者は定型作業を行っている可能性が高い。逆に、非類似区間において作業者は改善を要する作業（要改善作業）を行っている可能性が高い。従って、ユーザは非類似区間における映像を集中的に観測することで作業者の要改善作業を効率よく分析することが可能となる。これにより、ユーザが作業分析に要する負担は軽減される。   As shown in FIG. 8, similar sections and dissimilar sections are extracted from the reference trajectory data selected by the selection unit 104, and it is highly possible that the worker is performing a routine work in the similar sections. On the other hand, in the dissimilar section, it is highly likely that the worker is performing work requiring improvement (work requiring improvement). Accordingly, the user can efficiently analyze the improvement work required by the operator by intensively observing the video in the dissimilar section. This reduces the burden on the user for work analysis.

分析部１０５は、基準軌跡データ記憶部１１３に記憶された基準軌跡データの情報を用いて分析を行う。ここでは一例として図１２に示した基準軌跡データの情報が基準軌跡データ記憶部１１３に格納されているものとする。   The analysis unit 105 performs analysis using information on the reference trajectory data stored in the reference trajectory data storage unit 113. Here, as an example, it is assumed that the reference trajectory data information illustrated in FIG. 12 is stored in the reference trajectory data storage unit 113.

分析部１０５は、分析の一例として各区間の時間長（区間時間）を算出する。各区間の区間時間は当該区間の終了時刻から開始時刻を減算して導出する。従って、図１２の例であれば３列目の要素から２列目の同一行の要素をそれぞれ減算して導出する。また、分析部１０５は区間時間の平均、分散等を算出する。   The analysis unit 105 calculates the time length (section time) of each section as an example of analysis. The section time of each section is derived by subtracting the start time from the end time of the section. Accordingly, in the example of FIG. 12, the elements in the same row in the second column are respectively subtracted from the elements in the third column. In addition, the analysis unit 105 calculates the average, variance, etc. of the section time.

分析部１０５は、図１２に示した基準軌跡データから改善を要する区間（要改善区間）を特定する。具体的には、分析部１０５は後述する要改善区間定義記憶部１１４に格納される要改善区間の定義情報を参照し、各区間に対して分析を行う。   The analysis unit 105 identifies a section (improvement section required) requiring improvement from the reference trajectory data shown in FIG. Specifically, the analysis unit 105 performs analysis for each section with reference to the definition information of the required improvement section stored in the required improvement section definition storage unit 114 described later.

要改善区間定義記憶部１１４は、要改善区間の定義（改善を要する区間（要改善区間）と判定するための条件）情報を格納する。要改善区間の定義はユーザが定義してもよいし、予め用意されたものでもよい。また、要改善区間定義記憶部１１４は、要改善区間の定義情報をユーザが必要に応じて追加、修正、削除等できるよう構成されてもよい。要改善区間の定義情報の例としては以下に示すものがある。
・非類似区間
・区間時間が平均区間時間の１．１倍以上の区間
要改善区間の定義情報は、上記のような区間時間に対する条件に限るものではなない。例えば、この場合、区間内の軌跡データのパターンの特徴により要改善区間を検出するための、区間内の軌跡データ（パターン）に対する条件であってもよい。 The improvement area definition storage unit 114 stores information on the definition of the improvement area required (conditions for determining that the area needs improvement (necessity improvement area)). The definition of the improvement required section may be defined by the user or may be prepared in advance. Further, the improvement required section definition storage unit 114 may be configured such that the user can add, modify, and delete the definition information of the improvement required section as necessary. The following is an example of the definition information of the improvement required section.
・ Dissimilar section
-The section information whose section time is 1.1 times or more of the average section time is not limited to the conditions for the section time as described above. For example, in this case, a condition for the trajectory data (pattern) in the section for detecting the improvement-necessary section based on the feature of the pattern of the trajectory data in the section may be used.

非類似区間は、定型作業と大きく異なる作業動作を行っているものと推定されるため、要改善区間とする。また、区間時間が平均区間時間の１．１倍以上もあれば、仮に類似区間であったとしても改善の余地があるものと考えられるため、要改善区間とする。   The dissimilar section is assumed to be a work requiring improvement because it is presumed that the work operation is significantly different from the routine work. Further, if the section time is 1.1 times or more of the average section time, it is considered that there is room for improvement even if it is a similar section.

上記要改善区間の定義の少なくとも１つに該当する区間は要改善区間と判定する。
分析部１０５は、前述した分析の結果を、表示部１２２を介して例えば図１３に示す形式でユーザに表示する。
以上説明したように、上記第１実施形態によれば、要改善区間や要改善作業を特定するための基礎となる類似区間及び非類似区間を、作業軌跡データ中の１サイクル分の（基準サイクルの）軌跡データ（基準サイクルパターン）を用いて、当該作業軌跡データから検出している。そのため、作業者によって作業軌跡が異なる場合も、検出された類似区間・非類似区間から容易に作業のムダ（要改善区間）を特定することができる。 A section corresponding to at least one of the definitions of the improvement required section is determined to be an improvement required section.
The analysis unit 105 displays the above-described analysis result to the user via the display unit 122, for example, in the format shown in FIG.
As described above, according to the first embodiment, the similar section and the non-similar section that serve as the basis for specifying the improvement required section and the improvement required work are represented by one cycle (reference cycle) in the work trajectory data. )) Using the trajectory data (reference cycle pattern) and detecting from the work trajectory data. Therefore, even when the work trajectory differs depending on the worker, the waste of work (improvement required section) can be easily identified from the detected similar section / dissimilar section.

また、観測された作業者の作業部位の軌跡データから、要改善区間を自動的に特定し、ユーザに提示することが容易に行える。これによって、ユーザは膨大な軌跡データを対象として効率的な分析が可能となる。   In addition, it is possible to easily identify the improvement required section from the observed locus data of the work site of the worker and present it to the user. As a result, the user can efficiently analyze a large amount of trajectory data.

（第２実施形態）
図９は、本発明の第２実施形態に係る作業分析システムの構成例を示したものである。なお、図９において、図１と同一部分には同一符号を付し、異なる部分についてのみ説明する。すなわち、図９では、要改善作業定義記憶部９１５が新たに追加されている。 (Second Embodiment)
FIG. 9 shows a configuration example of a work analysis system according to the second embodiment of the present invention. 9, the same parts as those in FIG. 1 are denoted by the same reference numerals, and only different parts will be described. That is, in FIG. 9, an improvement work definition storage unit 915 that is required is newly added.

第１実施形態によれば、要改善区間が特定される。要改善区間において、作業者は何らかの要改善作業を行っている可能性が高い。ユーザが自ら要改善区間における映像から作業分析を行ってもよいが、第２実施形態では、後述する要改善作業定義記憶部９１５に要改善作業の定義情報を予め記憶しておき、分析部１０５によって作業者の行っている要改善作業が何であるかを特定する。   According to the first embodiment, an improvement required section is specified. It is highly possible that the worker is performing some kind of improvement work in the improvement required section. Although the user may perform work analysis from the video in the improvement required section by himself / herself, in the second embodiment, the improvement required work definition storage unit 915 (to be described later) stores the definition information of improvement required work in advance, and the analysis unit 105 Is used to identify what the worker needs to improve.

要改善作業定義記憶部９１５は、要改善作業の定義情報を格納する。要改善作業の定義情報は、要改善作業を含む区間を検出するための条件である。要改善作業の定義情報はユーザが定義してもよいし、予め用意されたものでもよい。また、要改善作業定義記憶部９１５は、要改善作業の定義情報をユーザが必要に応じて追加、修正、削除等できるよう構成されてもよい。要改善作業の定義情報の例としては以下に示すものがある。
・「区間時間＞100秒」となる要改善区間は、「台車待ち」の要改善作業を含む。
・「区間時間≦100秒」となる要改善区間は、「部材補充」の要改善作業を含む。 The improvement work definition storage unit 915 stores definition information of improvement work required. The definition information of the work requiring improvement is a condition for detecting a section including the work requiring improvement. The definition information of the work requiring improvement may be defined by the user or may be prepared in advance. Further, the improvement work definition storage unit 915 may be configured such that the user can add, modify, delete, etc., the definition information of the improvement work required. Examples of the definition information of the work requiring improvement include the following.
・ A required improvement section with “section time> 100 seconds” includes improvement work required for “waiting for a carriage”.
-The required improvement section where “section time ≦ 100 seconds” includes the improvement work required for “component replenishment”.

当改善作業の定義情報は、上記のような区間時間に対する条件に限るものではなない。例えば、どのような要改善作業であるかを、区間内の軌跡データのパターンの特徴により特定するための、区間内の軌跡データ（パターン）に対する条件であってもよい。   The definition information of the improvement work is not limited to the conditions for the section time as described above. For example, it may be a condition for the trajectory data (pattern) in the section for specifying what kind of improvement work is required by the feature of the pattern of the trajectory data in the section.

分析部１０５は、第１実施形態における分析部１０５の動作に加えて、要改善作業定義記憶部９１５に記憶された要改善作業の定義情報に基づく分析を更に行う。即ち、分析部１０５は、第１実施形態によって特定した要改善区間を、上記要改善作業の定義と照合する。要改善区間が上記要改善作業の定義情報に該当すれば、この要改善区間には定義に対応する要改善作業が含まれていると分析する。   In addition to the operation of the analysis unit 105 in the first embodiment, the analysis unit 105 further performs an analysis based on the definition information of the required improvement work stored in the improvement required work definition storage unit 915. In other words, the analysis unit 105 collates the improvement required section specified by the first embodiment with the definition of the improvement required work. If the required improvement section corresponds to the definition information of the improvement work required, it is analyzed that the improvement required section includes the improvement work corresponding to the definition.

例えば、図１３に示す分析結果を第２実施形態に従って更に分析した結果は、表示部１２２を介して、図１４に示すような形式でユーザに提示される。
第２実施形態によれば、作業者によって作業軌跡が異なる場合も、分析部１０５により、検出された類似区間・非類似区間から容易に作業のムダ（要改善区間や要改善作業）を特定することができる。従って、ユーザは作業者の要改善作業を効率よく分析することが可能となり、ユーザが作業分析に要する負担は軽減される。 For example, the result of further analyzing the analysis result shown in FIG. 13 according to the second embodiment is presented to the user in the format shown in FIG.
According to the second embodiment, even when the work trajectory varies depending on the worker, the analysis unit 105 easily identifies waste of work (required improvement section or required improvement work) from the detected similar or dissimilar sections. be able to. Accordingly, the user can efficiently analyze the improvement work required by the worker, and the burden on the user for work analysis is reduced.

なお、上記第１及び第２実施形態では、一般的な製造工場の組立作業ラインにおいて用いられる場合について説明したが、製造作業や検査作業、梱包作業等、一般的な定型作業に適用しても同様の効果を得られる。   In the first and second embodiments described above, the case where it is used in an assembly work line of a general manufacturing factory has been described. However, even when applied to general routine work such as manufacturing work, inspection work, and packing work. Similar effects can be obtained.

また、本発明の実施の形態に記載した本発明の手法は、コンピュータに実行させることのできるプログラムとして、磁気ディスク（フレキシブルディスク、ハードディスクなど）、光ディスク（ＣＤ−ＲＯＭ、ＤＶＤなど）、半導体メモリなどの記録媒体に格納して頒布することもできる。例えば、軌跡データ抽出部１０１，基準サイクルパターン抽出部１０２，区間検出部１０３、選択部１０４、分析部１０５、及び各記憶部等の各機能は、コンピュータにプログラムを実行させることにより実現するこができる。   The method of the present invention described in the embodiment of the present invention is a program that can be executed by a computer, such as a magnetic disk (flexible disk, hard disk, etc.), an optical disk (CD-ROM, DVD, etc.), a semiconductor memory, etc. It can also be stored and distributed on a recording medium. For example, the functions such as the trajectory data extraction unit 101, the reference cycle pattern extraction unit 102, the section detection unit 103, the selection unit 104, the analysis unit 105, and each storage unit can be realized by causing a computer to execute a program. it can.

なお、この発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また上記実施形態に開示されている複数の構成要素を適宜組み合わせることによって種々の発明を形成できる。また例えば、実施形態に示される全構成要素からいくつかの構成要素を削除した構成も考えられる。さらに、異なる実施形態に記載した構成要素を適宜組み合わせてもよい。   Note that the present invention is not limited to the above-described embodiment as it is, and can be embodied by modifying the constituent elements without departing from the scope of the invention in the implementation stage. In addition, various inventions can be formed by appropriately combining a plurality of constituent elements disclosed in the embodiment. Further, for example, a configuration in which some components are deleted from all the components shown in the embodiment is also conceivable. Furthermore, you may combine suitably the component described in different embodiment.

本発明の第１実施形態に従う作業分析システムを示すブロック図。1 is a block diagram showing a work analysis system according to a first embodiment of the present invention. 作業部位にマーカを装着した作業者を示す図。The figure which shows the operator who mounted | wore the marker in the work part. 頭、右手、左手のｘ座標及びｙ座標の軌跡データの例を示すグラフ図。The graph figure which shows the example of the locus | trajectory data of the x coordinate of the head, the right hand, and the left hand, and the y coordinate. 基準サイクルを点線により特定したグラフ図。The graph which identified the reference | standard cycle with the dotted line. 基準軌跡データの選択処理の流れを示すフローチャート。The flowchart which shows the flow of selection processing of reference | standard locus | trajectory data. 図５のＳ４におけるＮの算出処理の流れを示すフローチャート。The flowchart which shows the flow of the calculation process of N in S4 of FIG. 図６のＳ４０１からＳ４０８における区間検出の参考図。FIG. 7 is a reference diagram of section detection in S401 to S408 in FIG. 6. 類似区間と非類似区間に分割された基準軌跡データのグラフ図。The graph figure of the reference locus data divided | segmented into the similar area and the dissimilar area. 本発明の第２実施形態に従う作業分析システムを示すブロック図。The block diagram which shows the work analysis system according to 2nd Embodiment of this invention. 軌跡データ記憶部の軌跡データの記憶例を示した図。The figure which showed the memory | storage example of the locus | trajectory data of a locus | trajectory data storage part. 基準サイクル記憶部の基準サイクルの開始時刻及び終了時刻の記憶例を示した図。The figure which showed the example of a memory | storage of the start time and end time of the reference | standard cycle of a reference | standard cycle memory | storage part. 基準軌跡データ記憶部の情報記憶例を示した図。The figure which showed the information storage example of the reference | standard locus | trajectory data storage part. 分析結果の表示例を示した図。The figure which showed the example of a display of an analysis result. 分析結果の他の表示例を示した図。The figure which showed the other example of a display of an analysis result.

符号の説明Explanation of symbols

１０１…軌跡データ抽出部
１０２…基準サイクルパターン抽出部
１０３…区間検出部
１０４…選択部
１０５…分析部
１１０…映像データ記憶部
１１１…軌跡データ記憶部
１１２…基準サイクル記憶部
１１３…基準軌跡データ記憶部
１１４…要改善区間定義記憶部
１２０…映像取得部
１２１…入力部
１２２…表示部
９１５…要改善作業定義記憶部 DESCRIPTION OF SYMBOLS 101 ... Trajectory data extraction part 102 ... Reference | standard cycle pattern extraction part 103 ... Section detection part 104 ... Selection part 105 ... Analysis part 110 ... Image | video data storage part 111 ... Trajectory data storage part 112 ... Reference | standard cycle storage part 113 ... Reference | standard trajectory data storage 114: Improvement required section definition storage unit 120 ... Video acquisition unit 121 ... Input unit 122 ... Display unit 915 ... Improvement required work definition storage unit

Claims (13)

予め定められた作業を繰り返し行う作業者の複数の部位のそれぞれの動きの軌跡を表す複数の軌跡データを記憶する第１の記憶手段と、
各軌跡データから、基準サイクルとして指定された１サイクル分の軌跡データを基準サイクルパターンとして抽出する抽出手段と、
前記基準サイクルの長さ及び各軌跡データから抽出された基準サイクルパターンを基に、各軌跡データから時系列な複数の区間の開始時及び終了時を検出する検出手段と、
各区間内の軌跡データと前記基準サイクルパターンとの間の類似度を基に、当該区間が当該基準サイクルパターンに類似する類似区間であるか当該基準サイクルパターンとは非類似の非類似区間であるかを求める手段と、
前記複数の軌跡データのなかから、前記類似区間の数が最も多い軌跡データを基準軌跡データとして選択する選択手段と、
前記基準軌跡データ中の類似区間及び非類似区間の開始時及び終了時を含む情報を記憶する第２の記憶手段と、
を具備することを特徴とする作業分析システム。 First storage means for storing a plurality of trajectory data representing trajectories of movements of a plurality of parts of a worker who repeatedly performs a predetermined operation;
Extraction means for extracting, as a reference cycle pattern, trace data for one cycle designated as a reference cycle from each locus data;
Based on the length of the reference cycle and the reference cycle pattern extracted from each trajectory data, detection means for detecting the start time and end time of a plurality of time-series sections from each trajectory data;
Based on the similarity between the trajectory data in each section and the reference cycle pattern, the section is a similar section similar to the reference cycle pattern or a dissimilar section that is dissimilar to the reference cycle pattern. A means of seeking
Selecting means for selecting, as reference trajectory data, trajectory data having the largest number of similar sections from the plurality of trajectory data;
Second storage means for storing information including a start time and an end time of a similar section and a dissimilar section in the reference trajectory data;
A work analysis system comprising: 前記検出手段は、前記基準サイクルの長さに基づき設定された開始時から終了時までの軌跡データと前記基準サイクルパターンとを比較することにより、前記区間の開始時及び終了時を検出することを特徴とする請求項１記載の作業分析システム。   The detection means detects the start time and end time of the section by comparing trajectory data from the start time to the end time set based on the length of the reference cycle and the reference cycle pattern. The work analysis system according to claim 1, wherein: 前記基準軌跡データ中の前記複数の区間のなかから、予め定められた条件を満たす要改善区間を検出する要改善区間検出手段をさらに含む請求項１記載の作業分析システム。   The work analysis system according to claim 1, further comprising a required improvement section detecting means for detecting a required improvement section that satisfies a predetermined condition from the plurality of sections in the reference trajectory data. 前記要改善区間検出手段は、前記非類似区間を前記要改善区間として検出することを特徴とする請求項３記載の作業分析システム。   The work analysis system according to claim 3, wherein the improvement required section detecting unit detects the dissimilar section as the improvement required section. 前記条件は、区間長に対する条件であることを特徴とする請求項３記載の作業分析システム。   The work analysis system according to claim 3, wherein the condition is a condition for a section length. 前記要改善作業を特定するための定義情報を基に、前記要改善区間内の要改善作業を特定する要改善作業特定手段をさらに含む請求項３記載の作業分析システム。   The work analysis system according to claim 3, further comprising a required work improvement specifying means for specifying a work required for improvement in the improvement required section based on definition information for specifying the work required for improvement. 予め定められた作業を繰り返し行う作業者の複数の部位のそれぞれの動きの軌跡を表す複数の軌跡データを第１の記憶手段に記憶するステップと、
各軌跡データから、基準サイクルとして指定された１サイクル分の軌跡データを基準サイクルパターンとして抽出する抽出ステップと、
前記基準サイクルの長さ及び各軌跡データから抽出された基準サイクルパターンを基に、各軌跡データから時系列な複数の区間の開始時及び終了時を検出する検出ステップと、
各区間内の軌跡データと前記基準サイクルパターンとの間の類似度を基に、当該区間が当該基準サイクルパターンに類似する類似区間であるか当該基準サイクルパターンとは非類似の非類似区間であるかを求めるステップと、
前記複数の軌跡データのなかから、前記類似区間の数が最も多い軌跡データを基準軌跡データとして選択する選択ステップと、
前記基準軌跡データ中の類似区間及び非類似区間の開始時及び終了時を含む情報を第２の記憶手段に記憶するステップと、
を含む作業分析方法。 Storing a plurality of trajectory data representing trajectories of movements of a plurality of parts of a worker who repeatedly performs a predetermined operation in the first storage means;
An extraction step for extracting, as a reference cycle pattern, trace data for one cycle designated as a reference cycle from each locus data;
A detection step of detecting the start time and end time of a plurality of time-series sections from each trajectory data based on the length of the reference cycle and the reference cycle pattern extracted from each trajectory data;
Based on the similarity between the trajectory data in each section and the reference cycle pattern, the section is a similar section similar to the reference cycle pattern or a dissimilar section that is dissimilar to the reference cycle pattern. The step of seeking
A selection step of selecting, as reference trajectory data, trajectory data having the largest number of the similar sections from the plurality of trajectory data;
Storing information including a start time and an end time of a similar section and a dissimilar section in the reference trajectory data in a second storage unit;
Work analysis method including. 前記検出ステップは、前記基準サイクルの長さに基づき設定された開始時から終了時までの軌跡データと前記基準サイクルパターンとを比較することにより、前記区間の開始時及び終了時を検出することを特徴とする請求項７記載の作業分析方法。   The detecting step detects the start time and end time of the section by comparing trajectory data from the start time to the end time set based on the length of the reference cycle and the reference cycle pattern. The work analysis method according to claim 7, wherein: 前記基準軌跡データ中の前記複数の区間のなかから、予め定められた条件を満たす要改善区間を検出する要改善区間検出ステップをさらに含む請求項７記載の作業分析方法。   The work analysis method according to claim 7, further comprising a required improvement section detecting step of detecting a required improvement section that satisfies a predetermined condition from the plurality of sections in the reference trajectory data. 前記要改善区間検出ステップは、前記非類似区間を前記要改善区間として検出することを特徴とする請求項９記載の作業分析方法。   The work analysis method according to claim 9, wherein the required improvement section detecting step detects the dissimilar section as the required improvement section. 前記条件は、区間長に対する条件であることを特徴とする請求項９記載の作業分析方法。   The work analysis method according to claim 9, wherein the condition is a condition for a section length. 前記要改善作業を特定するための定義情報を基に、前記要改善区間内の要改善作業を特定する要改善作業特定ステップをさらに含む請求項９記載の作業分析方法。   The work analysis method according to claim 9, further comprising: a work requiring improvement identifying step that requires work to be improved in the work required improvement section based on definition information for specifying the work requiring improvement. コンピュータを、
予め定められた作業を繰り返し行う作業者の複数の部位のそれぞれの動きの軌跡を表す複数の軌跡データを記憶する第１の記憶手段、
各軌跡データから、基準サイクルとして指定された１サイクル分の軌跡データを基準サイクルパターンとして抽出する抽出手段、
前記基準サイクルの長さ及び各軌跡データから抽出された基準サイクルパターンを基に、各軌跡データから時系列な複数の区間の開始時及び終了時を検出する検出手段、
各区間内の軌跡データと前記基準サイクルパターンとの間の類似度を基に、当該区間が当該基準サイクルパターンに類似する類似区間であるか当該基準サイクルパターンとは非類似の非類似区間であるかを求める手段、
前記複数の軌跡データのなかから、前記類似区間の数が最も多い軌跡データを基準軌跡データとして選択する選択手段、
前記基準軌跡データ中の類似区間及び非類似区間の開始時及び終了時を含む情報を記憶する第２の記憶手段、
として機能させるためのプログラム。 Computer
First storage means for storing a plurality of trajectory data representing trajectories of movements of a plurality of parts of a worker who repeatedly performs a predetermined operation;
Extraction means for extracting, from each trajectory data, trajectory data for one cycle designated as a reference cycle as a reference cycle pattern;
Detection means for detecting the start time and end time of a plurality of time-series sections from each trajectory data based on the reference cycle length and the reference cycle pattern extracted from each trajectory data;
Based on the similarity between the trajectory data in each section and the reference cycle pattern, the section is a similar section similar to the reference cycle pattern or a dissimilar section that is dissimilar to the reference cycle pattern. A means of seeking
Selecting means for selecting, as reference trajectory data, trajectory data having the largest number of similar sections from the plurality of trajectory data;
Second storage means for storing information including a start time and an end time of a similar section and a dissimilar section in the reference trajectory data;
Program to function as.
JP2006256315A 2006-09-21 2006-09-21 Operation analysis system and method Pending JP2008077424A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2006256315A JP2008077424A (en) 2006-09-21 2006-09-21 Operation analysis system and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2006256315A JP2008077424A (en) 2006-09-21 2006-09-21 Operation analysis system and method

Publications (1)

Publication Number Publication Date
JP2008077424A true JP2008077424A (en) 2008-04-03

Family

ID=39349406

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2006256315A Pending JP2008077424A (en) 2006-09-21 2006-09-21 Operation analysis system and method

Country Status (1)

Country Link
JP (1) JP2008077424A (en)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016167265A (en) * 2015-03-03 2016-09-15 株式会社ブロードリーフ Program, information processing apparatus, and information processing method
JPWO2017104372A1 (en) * 2015-12-18 2018-08-30 株式会社リコー Image processing apparatus, image processing system, image processing method, and program
WO2019021592A1 (en) * 2017-07-24 2019-01-31 株式会社日立製作所 Task refinement assistance system and method
JP2019159885A (en) * 2018-03-14 2019-09-19 オムロン株式会社 Operation analysis device, operation analysis method, operation analysis program and operation analysis system
JP2019175268A (en) * 2018-03-29 2019-10-10 株式会社リコー Behavior recognition device, behavior recognition method, program therefor, and computer-readable medium with the program recorded therein
JP6789590B1 (en) * 2020-08-14 2020-11-25 株式会社キャッシュフローリノベーション Productivity improvement system and productivity improvement method
WO2021131552A1 (en) * 2019-12-27 2021-07-01 パナソニックＩｐマネジメント株式会社 Operation analyzing device and operation analyzing method
WO2021250931A1 (en) * 2020-06-12 2021-12-16 株式会社ダイセル Skeleton detection system and work management device
CN113811908A (en) * 2019-09-02 2021-12-17 西门子（中国）有限公司 Method and device for determining production cycle of production facility
WO2023218557A1 (en) * 2022-05-11 2023-11-16 三菱電機株式会社 Action analysis device, action analysis method, action analysis program, and action analysis system
DE102023118159A1 (en) 2022-07-11 2024-01-11 Panasonic Intellectual Property Management Co., Ltd. Operations management system and operations management procedures
WO2024018856A1 (en) * 2022-07-21 2024-01-25 オムロン株式会社 Task cycle inference device, task cycle inference method, and task cycle inference program

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10257436A (en) * 1997-03-10 1998-09-25 Atsushi Matsushita Automatic hierarchical structuring method for moving image and browsing method using the same
JP2002310617A (en) * 2001-04-18 2002-10-23 Matsushita Electric Works Ltd Work analysis system and method therefor
JP2005107867A (en) * 2003-09-30 2005-04-21 Nec Corp Album preparing device and method
JP2006209468A (en) * 2005-01-28 2006-08-10 Yakahi Kikuko Work operation analysis device, work operation analysis method and work operation analysis program

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10257436A (en) * 1997-03-10 1998-09-25 Atsushi Matsushita Automatic hierarchical structuring method for moving image and browsing method using the same
JP2002310617A (en) * 2001-04-18 2002-10-23 Matsushita Electric Works Ltd Work analysis system and method therefor
JP2005107867A (en) * 2003-09-30 2005-04-21 Nec Corp Album preparing device and method
JP2006209468A (en) * 2005-01-28 2006-08-10 Yakahi Kikuko Work operation analysis device, work operation analysis method and work operation analysis program

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016167265A (en) * 2015-03-03 2016-09-15 株式会社ブロードリーフ Program, information processing apparatus, and information processing method
JPWO2017104372A1 (en) * 2015-12-18 2018-08-30 株式会社リコー Image processing apparatus, image processing system, image processing method, and program
US10949983B2 (en) 2015-12-18 2021-03-16 Ricoh Company, Ltd. Image processing apparatus, image processing system, image processing method, and computer-readable recording medium
WO2019021592A1 (en) * 2017-07-24 2019-01-31 株式会社日立製作所 Task refinement assistance system and method
JP2019023803A (en) * 2017-07-24 2019-02-14 株式会社日立製作所 Work Improvement Support System and Method
CN110945444A (en) * 2017-07-24 2020-03-31 株式会社日立制作所 Work improvement support system and method
JP2019159885A (en) * 2018-03-14 2019-09-19 オムロン株式会社 Operation analysis device, operation analysis method, operation analysis program and operation analysis system
JP7210890B2 (en) 2018-03-29 2023-01-24 株式会社リコー Behavior recognition device, behavior recognition method, its program, and computer-readable recording medium recording the program
JP2019175268A (en) * 2018-03-29 2019-10-10 株式会社リコー Behavior recognition device, behavior recognition method, program therefor, and computer-readable medium with the program recorded therein
CN113811908B (en) * 2019-09-02 2023-01-31 西门子（中国）有限公司 Method and device for determining production cycle of production facility
CN113811908A (en) * 2019-09-02 2021-12-17 西门子（中国）有限公司 Method and device for determining production cycle of production facility
WO2021131552A1 (en) * 2019-12-27 2021-07-01 パナソニックＩｐマネジメント株式会社 Operation analyzing device and operation analyzing method
WO2021250931A1 (en) * 2020-06-12 2021-12-16 株式会社ダイセル Skeleton detection system and work management device
JP7464451B2 (en) 2020-06-12 2024-04-09 株式会社ダイセル Skeleton detection system and work management device
JP2022032848A (en) * 2020-08-14 2022-02-25 株式会社キャッシュフローリノベーション Productivity improvement system and productivity improvement method
JP6789590B1 (en) * 2020-08-14 2020-11-25 株式会社キャッシュフローリノベーション Productivity improvement system and productivity improvement method
WO2023218557A1 (en) * 2022-05-11 2023-11-16 三菱電機株式会社 Action analysis device, action analysis method, action analysis program, and action analysis system
JP7462857B1 (en) 2022-05-11 2024-04-05 三菱電機株式会社 Motion analysis device, motion analysis method, motion analysis program, and motion analysis system
DE102023118159A1 (en) 2022-07-11 2024-01-11 Panasonic Intellectual Property Management Co., Ltd. Operations management system and operations management procedures
WO2024018856A1 (en) * 2022-07-21 2024-01-25 オムロン株式会社 Task cycle inference device, task cycle inference method, and task cycle inference program

Similar Documents

Publication Publication Date Title
JP2008077424A (en) Operation analysis system and method
JP5525202B2 (en) Motion analysis apparatus, motion analysis method, and motion analysis program
EP3062263A1 (en) Method and apparatus for work quality control
US7756293B2 (en) Movement capture and analysis apparatus and method
JP5528151B2 (en) Object tracking device, object tracking method, and object tracking program
JP4373840B2 (en) Moving object tracking method, moving object tracking program and recording medium thereof, and moving object tracking apparatus
WO2016021411A1 (en) Image processing device, image processing method, and program
JP2007047930A (en) Image processor and inspection device
WO2021131552A1 (en) Operation analyzing device and operation analyzing method
WO2017104372A1 (en) Image processing apparatus, image processing system, image processing method, and program
US11049268B2 (en) Superimposing position correction device and superimposing position correction method
JP2008250746A (en) Mobile object tracking device
JP2015176272A (en) Image processor, image processing method, and image processing program
JP2008225704A (en) Work evaluation device, work evaluation method and control program
JP6191160B2 (en) Image processing program and image processing apparatus
JP7236694B2 (en) Information processing method and information processing system
US20220012514A1 (en) Identification information assignment apparatus, identification information assignment method, and program
CN110858302B (en) System and method for editing monitoring script in picture image
US9400929B2 (en) Object detection device and method for detecting an object by performing a raster scan on a scan window
CN111164622B (en) Work analysis device and work analysis method
JP2019159885A (en) Operation analysis device, operation analysis method, operation analysis program and operation analysis system
CN110826383B (en) Analysis system, analysis method, program, and storage medium
JP4449483B2 (en) Image analysis apparatus, image analysis method, and computer program
JP2009110239A (en) System and method for analysis of working operation
JP4914260B2 (en) Template matching apparatus and method

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20080926

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20101224

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20110111

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20110705