JP2012144308A - 荷役作業車両の管理装置及び管理方法 - Google Patents

Abstract

【課題】 全ての作業者に共通の改善項目を指示しても、個々の作業者は、自分の運転操作を具体的にどのように改善すればよいのか明確に把握することが困難である。
【解決手段】 処理装置が、作業車両から、評価すべき単位となる評価対象ごとに、運転技能に依存する複数の技能依存変数を含む運転情報を取得して、記憶装置に記憶する。記憶装置に記憶された運転情報に基づいて、評価対象のうち着目する評価対象の技能依存変数の改善目標を算出する。技能依存変数の中から、着目する評価対象の、改善すべき技能依存変数を選定する。選定された技能依存変数に基づく情報を出力装置に出力する。
【選択図】 図３Ａ

Description

本発明は、作業車両の運転情報に基づいて、運転の改善目標を決定する荷役作業車両の管理装置及び管理方法に関する。

フォークリフトの運転状況を表す運転変数、例えば急加速レベル、ブレーキ回数、スイッチバック回数等は、作業者の技能によって異なる。これらの運転変数は、燃料の単位消費量あたりの仕事量に影響を与える。複数の運転変数及び仕事量を統計解析することにより、燃料の単位消費量あたりの仕事量に与える影響の大きい運転変数を抽出することができる。抽出結果に基づいて、運転操作の改善を指示することができる。

特開２００９−２５６０８１号公報

運転操作には、作業者固有の特徴がある。一例として、ある作業者には、頻繁に急加速を行う特徴があり、他の作業者には、頻繁にスイッチバックを繰り返す特徴がある。全ての作業者に共通の改善項目を指示しても、個々の作業者は、自分の運転操作を具体的にどのように改善すればよいのか明確に把握することが困難である。

また、運転操作には、作業環境固有の特徴もある。一例として、広い工場内での作業では、１回の荷役作業あたりの走行距離が長くなる。作業環境を変更することによって、作業車両のエネルギ消費効率を高めることができる場合がある。ところが、どのような作業環境を、どのように変更すればよいかを決定することは困難である。

本発明の一観点によると、
処理装置と、
前記処理装置によってデータの書き込み及び読み出しが行われる記憶装置と、
前記処理装置からの制御によって、該処理装置の処理結果を出力する出力装置と
を有し、
前記処理装置は、
作業車両から、評価すべき単位となる評価対象ごとに、運転技能または作業環境に依存する複数の変数を含む運転情報を取得して、前記記憶装置に記憶し、
前記記憶装置に記憶された前記運転情報に基づいて、前記評価対象のうち着目する評価対象の前記変数のうち改善対象変数の改善目標を算出し、
前記改善対象変数の中から、着目する前記評価対象の、改善すべき改善対象変数を選定し、
選定された前記改善対象変数に基づく情報を前記出力装置に出力する 荷役作業車両の管理装置が提供される。

本発明の他の観点によると、
コンピュータが実行する荷役作業管理方法であって、
作業車両から、評価すべき単位となる評価対象ごとに、運転技能または作業環境に依存する複数の変数を含む運転情報を取得して、記憶装置に記憶し、
前記記憶装置に記憶された前記運転情報に基づいて、前記評価対象のうち着目する評価対象の前記変数のうち改善対象変数の改善目標を算出し、
前記改善対象変数の中から、着目する前記評価対象の、改善すべき改善対象変数を選定し、
選定された前記改善対象変数に基づく情報を出力装置に出力する荷役作業車両の管理方法が提供される。

複数の改善対象変数の中から、着目する評価対象の、改善すべき改善対象変数を選定するため、評価対象個々の特徴に適合した荷役作業車両の管理を行うことができる。

実施例による荷役作業管理装置で管理される荷役作業車両の側面図である。 車載管理装置及び荷役作業管理装置のブロック図である。 実施例１及び実施例３による荷役作業管理装置の処理を示すフローチャートである。 実施例１による荷役作業管理装置の処理のステップＳ２の詳細なフローチャートである。 実施例１による荷役作業管理装置の処理のステップＳ４の詳細なフローチャートである。 運転情報の測定結果及び運転技能レベルの判定結果を示す図表である。 荷役回数の測定値を有限離散型事象に置き換える方法を説明するためのヒストグラムである。 評価対象ごとに、走行距離、平均荷重、単位荷役回数あたりのエネルギ消費量、正規化エネルギ消費量の関係を示す図表である。 走行距離と正規化エネルギ消費量との関係を示すグラフである。 走行距離及び運転技能レベルを親ノードとし、加速度超過率を子ノードとするベイジアンネットワーク及び条件付確率表を示す図表である。 環境依存変数が測定結果と等しく、運転技能レベルが目標レベルに等しい事象を前提条件として、技能依存変数の取り得る事象の発生確率を推論した結果を示す図表である。 技能依存変数の推論された発生確率から、技能依存変数の改善目標を決定した図表である。 技能依存変数のうち、改善すべき技能依存変数の選定結果を示す図表である。 改善すべき技能依存変数が改善目標となる発生確率を示す図表である。 改善すべき技能依存変数に付された優先度を示す図表である。 実施例１による荷役作業管理装置の出力装置に出力される情報を示す図表である。 環境依存変数が測定結果に等しく、技能依存変数が改善目標に等しい事象を前提条件とし、運転技能レベルの取り得る事象の発生確率を推論した結果を示す図表である。 実施例２による荷役作業管理装置の出力装置に出力される情報を示す図表である。 実施例３による荷役作業管理装置のステップＳ２の処理を示すフローチャートである。 実施例３による荷役作業管理装置のステップＳ３の処理を示すフローチャートである。 実施例３による荷役作業管理装置のステップＳ４の処理を示すフローチャートである。 実施例３による荷役作業管理装置のステップＳ５の処理を示すフローチャートである。 実施例３で用いられる環境依存変数、技能依存変数、及び正規化エネルギ消費量、及びそれらの平均値の一例を示す図表である。 実施例３で用いられる環境依存変数、技能依存変数、及び正規化エネルギ消費量の基準化された値、平均値、及び回帰係数の一例を示す図表である。 回帰係数の絶対値が大きな技能依存変数を改善すべき技能依存変数として選定した結果を示す図表である。 改善すべき技能依存変数に付された優先度を示す図表である。

［実施例１］
図１に、実施例１による荷役作業管理装置の支援対象である荷役作業車両の側面図を示す。荷役作業車両１０は、フォーク１１、車輪１２、インストルメントパネル１３、ハンドル１４、レバー１５、及び座席１６を含む。図１には、荷役作業車両の例としてフォークリフトを示すが、実施例による荷役作業管理装置の管理対象は、工場、倉庫等の構内で走行するその他の作業車両であってもよい。

荷役作業車両１０は、ガソリンエンジン等の内燃機関を駆動原とするいわゆるエンジン車であってもよく、バッテリ等の蓄電装置から供給される電気エネルギで駆動される電気モータを駆動源とするいわゆるバッテリ車であってもよい。以下の説明では、荷役作業車両１０がバッテリ車であるとする。

運転者が、座席１６に搭乗し、ハンドル１４、複数のレバー１５、アクセルペダル、ブレーキペダル、その他の各種スイッチを操作する。これらの操作により、フォーク１１の昇降、荷役作業車両１０の前進と後退、右折と左折等の動作が行われる。これらの動作を組み合わせることにより、荷物の積み降ろし、搬送等を行うことができる。

図２に、荷役作業車両１０に搭載されている車載管理装置２０及び荷役作業管理装置５０のブロック図を示す。車載管理装置２０は、制御装置２１、リアルタイムクロック（ＲＴＣ）２２、メモリ２３、表示装置２４、入力装置２５、通信回路２６、及びインタフェース２７を含む。

制御装置２１は、ＣＰＵ、ＭＰＵ等の演算装置、及び半導体メモリ等の記憶装置を含む。ＲＴＣ２２は、現在時刻を計測し、現在時刻情報を制御装置２１に送信する。メモリ２３は、一時記憶部２３ａ及び情報記憶部２３ｂを含む。一時記憶部２３ａは、種々のデータを一時的に記憶する。情報記憶部２３ｂは、車両情報を記憶する。表示装置２４は、インストルメントパネル１３（図１）に搭載され、ＣＲＴ、液晶表示パネル、またはＬＥＤ表示パネル等で構成される。入力装置２５は、入力キー、及び外部入力装置との接続機能を備える。入力装置２５を通して、制御装置２１に、入力キーの情報、種々の初期設定情報が入力される。

通信回路２６は、ネットワーク４０を介して、荷役作業管理装置５０と通信を行う。インタフェース２７は、荷重測定装置３１、車速測定装置３２、荷役レバー操作測定装置３３、及び揚高測定装置３４により測定された測定結果を受信し、制御装置２１に入力する。

荷重測定装置３１は、フォーク１１（図１）が受ける荷重を測定する。車速測定装置３２は、荷役作業車両の走行速度を測定する。荷役レバー操作測定装置３３は、レバー１５（図１）のうち荷役レバーの操作量を測定する。揚高測定装置３４は、フォーク１１の、基準位置からの高さを測定する。

ネットワーク４０として、データ通信を行うことができる種々のネットワークを適用することができる。例えば、有線または無線の公衆通信回線網、専用通信回線網、インターネット、携帯電話網、イントラネット、またはこれらを組み合わせた通信網を利用することができる。

ネットワーク４０に、荷役作業管理装置５０が接続されている。荷役作業管理装置５０は、処理装置５１、出力装置５２、及び記憶装置５３を含む。出力装置５２は、処理装置５１から制御を受けて、処理装置５１の演算結果を出力する。記憶装置５３は、処理装置５１で実行されるコンピュータプログラム、実行に必要なデータ等を記憶する。

車載管理装置２０及び荷役作業管理装置５０の動作を説明する前に、用語の定義を行う。

「負荷状態」は、荷重測定装置３１で測定された荷重が規定値を超えている状態を意味する。すなわち、フォーク１１（図１）で荷物を保持している状態（例えば、パレットが地面から離れて持ち上げられている状態）を意味する。

「荷役回数」は、荷物を搬送した回数を意味し、１つの負荷状態が終了するごとに、荷役回数が１回増える。パレットを置いた後、後退することで、１つの負荷状態が終了したとと判断される。一例として、荷重測定装置３１の測定値によって荷重が無いと判断した後に、後退動作を行うことで、１つの負荷状態が終了したと判断される。ここで、荷物を一時的に接地した後、再度持ち上げて走行を行った場合には、荷役回数は増加しない。すなわち、同じ荷物を何回持ち上げても、荷役回数は１回とされる。

「負荷走行距離」は、負荷状態で荷役作業車両が走行した距離を意味する。負荷走行距離は、負荷状態の終了時点における累積距離計の値から、当該負荷状態の開始時点における累積距離計の値を減じることにより算出することができる。

「蓄電装置放電量」は、蓄電装置からの放電電流を時間で積分した値を意味する。蓄電装置の電圧と放電電流との積を時間で積分すると、消費されたエネルギが求まる。蓄電装置の電圧がほぼ一定である場合には、蓄電装置放電量を、エネルギ消費量と等価な物理量として取り扱うことができる。なお、エンジン車の場合には、燃料消費量がエネルギ消費量に相当する。

次に、車載管理装置２０の動作について説明する。車載管理装置２０は、荷役作業車両１０の運転情報を取得し、取得された情報を一時記憶部２３ａに記憶する。例えば、負荷状態が終了するごとに、当該負荷状態で搬送した荷物の重量（荷重）を、一時記憶部２３ａに記憶する。

１回の集計期間が終了すると、当該集計期間内に走行した走行距離を算出する。１回の集計期間は、例えば１５分である。この走行距離は、当該集計期間の終了時における累積距離計の値から、当該集計期間の開始時における累積距離計の値を減ずることにより算出することができる。さらに、当該集計期間の間における蓄電装置からの放電量を算出する。放電量は、例えば一定のサンプリング時間ごとに放電電流を測定し、測定結果を時間で積分することにより算出することができる。当該集計期間内の走行距離、放電量、及び荷役回数を、一時記憶部２３ａに記憶する。放電量は、エネルギ消費量を表していると考えることができるため、以下「放電量」を、「エネルギ消費量」という場合がある。

荷役作業管理装置５０は、車載管理装置２０から受信した運転情報に基づいて、運転技能向上のための支援を行う。以下、荷役作業管理装置５０が行う荷役作業管理方法について説明する。

図３Ａに、荷役作業管理方法のフローチャートを示す。

ステップＳ１において、荷役作業管理装置５０が車載管理装置２０（図２）から運転情報を取得し、記憶装置５３に記憶する。

図４に、取得された運転情報の一例を示す。運転情報は、主として作業環境に依存する環境依存変数と、主として運転技能に依存する技能依存変数を含む。運転情報は、評価対象ごとに取得され、記憶される。「評価対象」は、運転技能を評価する単位となる。一例として、作業を行う車両、作業日、及び車両を運転した作業者によって評価対象が区別される。

例えば、１人の作業者（甲）が１台の作業車両（車両番号＃１）を、異なる日（８月６日と８月７日）に運転した場合、運転日ごとに異なる評価対象番号（Ｎｏ．１とＮｏ．２）が付与される。また、同日（８月７日）に、同一の作業車両（車両番号＃１）を、２人の作業者（甲と乙）が運転した場合、作業者ごとに異なる評価対象番号（Ｎｏ．２とＮｏ．３）が付与される。作業者は、作業者それぞれに付与された識別番号により識別することができる。作業者の識別番号は、作業者が作業車両を運転するときに、車載管理装置２０（図２）に入力される。車載管理装置２０への入力には、テンキー、タッチパネル、磁気カードリーダ等を用いることができる。

なお、車載管理装置２０に作業者識別機能が無い場合には、車両番号と作業日とによって、評価対象を区別してもよい。同一作業日内には、１台の車両を１人の作業者しか運転しないという作業ルールを定めておけば、作業日によって評価対象を区別することにより、結果的に作業者によって評価対象が区別されていることになる。

環境依存変数には、例えば「荷役回数」、「平均荷重」、「走行距離」、「荷役時間」、「マスト＋荷重」が含まれる。ここで、「荷役回数」は、単位時間（例えば１時間）あたりの荷役作業の回数を意味する。「平均荷重」は、搬送した荷物の重量の平均値を意味する。「走行距離」は、荷役作業１回あたりに作業車両が走行した距離を意味する。「荷役時間」は、荷役作業１回あたりに荷物の昇降を行っている時間を意味する。「マスト＋荷重」は、作業車両の昇降する部分（マスト）の重量と、平均荷重とを合計した重量を意味する。

技能依存変数には、例えば「加速度超過率」、「負荷時間稼働率」、「負荷走行後退率」、「スイッチバック回数」、「車速超過率」、「ブレーキ操作回数」等を含む。「加速度超過率」は、走行していた時間のうち、加速度が基準値を超えていた時間の割合を意味する。「負荷時間稼働率」は、稼働時間のうち、実際に荷物を保持していた時間の割合を意味する。ここで、「稼動時間」は、走行または荷物の昇降を行っている時間を意味する。フォークがパレットを保持していない状態（無負荷状態）で車両が稼動している時間も「稼働時間」に含まれる。「負荷走行後退率」は、全走行距離のうち、荷物を保持した状態で後退した距離の割合を意味する。「スイッチバック回数」は、荷役作業１回あたりスイッチバックを行った回数を意味する。「車速超過率」は、走行していた時間のうち、車速が基準値を超えていた時間の割合を意味する。「ブレーキ操作回数」は、荷役作業１回あたりブレーキ操作を行った回数を意味する。

環境依存変数は、作業者の技能に依存する程度が低く、作業環境に大きく依存する。技能依存変数は、作業者の運転技能に大きく依存する。運転情報の各々を、環境依存変数とするか技能依存変数とするかは、必ずしも汎用的に決定されるわけではない。例えば、本実施例において技能依存変数に分類された運転情報のうち、作業者が異なっても大きな差が生じないようなものは、環境依存変数に分類してもよい。

これらの運転情報は、車載管理装置２０（図２）から取得される種々のデータに基づいて演算を行うことにより、数値データとして得られる。これらの数値データをそのまま取り扱うことは、統計処理を行うのに不便である。このため、これらの運転情報の各々について、数値データが取り得る数値範囲を複数の区画に区分し、運転情報の数値結果を、有限離散型事象として取り扱うこととする。

図５を参照して、荷役回数Ａの数値データを、有限離散型事象に置き換える方法について説明する。図５は、荷役回数Ａのヒストグラムの一例を示す。図５の横軸は、荷役回数Ａを表し、縦軸は、評価対象の数（頻度）を表す。荷役回数Ａの平均をμ、標準偏差をσとする。μ−３σからμ＋３σまでの範囲を３等分する。すなわち、横軸が、μ−３σ〜μ−σ、μ−σ〜μ＋σ、μ＋σ〜μ＋３σの３つの領域に区分される。荷役回数Ａがμ−σ以下の区画をＡ１、μ−σ〜μ＋σの区画をＡ２、μ＋σ以上の区画をＡ３とする。

荷役回数Ａについて、測定値が区画Ａ１内の値を取る事象、区画Ａ２内の値を取る事象、及び区画Ａ３内の値を取る事象のうち、いずれかの事象が生じる。図４においては、荷役回数Ａを、その測定値が属する区画Ａ１、Ａ２、Ａ３で表している。同様に、他の運転情報も、有限離散型事象に置き換えられている。

図３ＡのステップＳ２において、着目する評価対象の技能依存変数の改善目標を算出する。

図３Ｂに、ステップＳ２の詳細なフローチャートを示す。まず、ステップＳ２１において、運転情報の測定値に基づいて、評価対象ごとに運転技能レベルを判定する。図４に、運転技能レベルの判定値を、「優」、「良」、「可」のいずれかで示す。

図６及び図７を参照して、ステップＳ２１で行う運転技能レベルの判定方法について説明する。

図６に示すように、評価対象ごとに、荷役作業１回あたりのエネルギ消費量ＥＵを、走行距離Ｃ、及び平均荷重Ｂに基づいて正規化することにより、正規化エネルギ消費量ＮＥＵを算出する。正規化エネルギ消費量ＮＥＵを算出するときには、図４に示した有限離散型事象に置き換える前の数値データを用いる。具体的には、評価対象番号ｋの、正規化エネルギ消費量ＮＥＵ（ｋ）は、
ＮＥＵ（ｋ）＝ＥＵ（ｋ）／（Ｃ（ｋ）×Ｂ（ｋ））
と表すことができる。ここで、Ｃは、走行距離であり、Ｂは、平均荷重であり、ｋは、評価対象番号である。

なお、荷役作業１回あたりのエネルギ消費量ＥＵを、走行距離Ｃ、及び単位荷役回数あたりの総重量Ｗに基づいて正規化してもよい。評価対象番号ｋの、単位荷役回数当りの総重量Ｗ（ｋ）は、
Ｗ（ｋ）＝ＷＶ＋Ｂ（ｋ）×（Ｔｌ（ｋ）／Ｔｍ（ｋ））
と定義される。ここで、ＷＶは車両重量、Ｔｌは負荷状態である時間、Ｔｍは稼動状態である時間を意味する。この場合、評価対象番号ｋの、正規化エネルギ消費量ＮＥＵ（ｋ）は、
ＮＥＵ（ｋ）＝ＥＵ（ｋ）／（Ｃ（ｋ）×Ｗ（ｋ））
と表すことができる。

常時同じ荷物のみを対象とした作業を行っている場合には、単位荷役回数当りの総重量Ｗ（ｋ）の変化が少ないため、単位荷役回数当りのエネルギ消費量ＥＵを、走行距離Ｃのみに基づいて正規化してもよい。この場合には、正規化エネルギ消費量ＮＥＵは、
ＮＥＵ（ｋ）＝ＥＵ（ｋ）／Ｃ（ｋ）
と表すことができる。

図７に、走行距離Ｃと正規化エネルギ消費量ＮＥＵとの関係を示す。横軸は走行距離Ｃを表し、縦軸は正規化エネルギ消費量ＮＥＵを表す。図７に示したグラフから、走行距離Ｃと正規化エネルギ消費量ＮＥＵとは、走行距離Ｃが長くなるに従って正規化エネルギ消費量ＮＥＵが減少するような相関関係を有することがわかる。

荷役作業を行う際には、正規化エネルギ消費量ＮＥＵができるだけ少なくなるような運転を心がけることが好ましい。ところが、正規化エネルギ消費量ＮＥＵは、走行距離Ｃと相関関係を有しているため、走行距離Ｃを考慮しないで単に正規化エネルギ消費量ＮＥＵの大小関係のみに基づいて、運転の良否を判定することは好ましくない。

例えば、図７において、走行距離がＣａ、正規化エネルギ消費量がＮＥＵａの点Ｐに対応する運転と、走行距離がＣｂ、正規化エネルギ消費量がＮＥＵｂの点Ｑに対応する運転とを比較する。点Ｑに対応する運転の正規化エネルギ消費量ＮＥＵｂの方が、点Ｐに対応する運転の正規化エネルギ消費量ＮＥＵａよりも少ない。ところが、走行距離がＣａ近傍の正規化エネルギ消費量ＮＥＵの分布は、走行距離がＣｂ近傍の正規化エネルギ消費量ＮＥＵの分布よりも、エネルギ消費量が多い方に偏っている。

運転の良否は、この正規化エネルギ消費量ＮＥＵの分布の偏りを考慮して判断することが好ましい。そうすると、エネルギ消費の点で、正規化エネルギ消費量が多い点Ｐに対応する運転の方が、正規化エネルギ消費量が少ない点Ｑに対応する運転よりも、好ましいと判断される。このように、走行距離Ｃを考慮して運転の良否を判定することにより、作業構内の広さ等の作業環境の影響を排除し、運転の良否を、より適切に判定することができる。

処理装置５１は、正規化エネルギ消費量ＮＥＵと、走行距離Ｃとの相関関係に基づいて、評価対象ごとの算出値を複数の区分に分類する。図７においては、各算出値が、区分Ｓ「優」、「良」、「可」の３つに分類されている。例えば、図７に示したように、正規化エネルギ消費量ＮＥＵと、走行距離Ｃとが、右下がりの相関関係を有している場合には、各区分の境界線を右下がりの曲線にすればよい。

以下、３つの区分に分類する手法の一例について説明する。走行距離がＣとＣ＋ΔＣとの間の値を持つすべての点の正規化エネルギ消費量の分布の標準偏差σを求める。正規化エネルギ消費量ＮＥＵの−３σから＋３σまでの範囲を３等分する。３等分した３つの範囲を、正規化エネルギ消費量ＮＥＵの小さい方から順番に、区分「優」、「良」、「可」と定義する。走行距離Ｃの全範囲において、同じ方法で３つの区分を定義する。なお、標準偏差が−３σ〜３σよりも外側の範囲は、両端の区分「優」または「可」に含める。

上述の方法により、評価対象ごとに、その運転技能レベルが「優」、「良」、「可」のどの区分に属するかを判定することができる。

図７では、横軸の変数に走行距離Ｃを採用したが、運転情報に基づいて算出される変数のうち、作業環境に依存するその他の変数を横軸として採用してもよい。例えば、荷物を搬送する際に、荷役作業車両がほとんど同じ経路を走行するが、搬送対象である荷物の重量のばらつきが大きいような作業環境では、走行距離Ｃを図７の横軸とすると、プロットの横方向のばらつきが小さくなってしまう。

この場合には、平均荷重Ｂを図７の横軸としてもよい。また、走行距離Ｃがほぼ一定であると考えられるため、単位荷役回数あたりのエネルギ消費量ＥＵを、単位荷役回数あたりの総重量Ｗのみに基づいて正規化してもよい。この場合には、正規化エネルギ消費量ＮＥＵは、
ＮＥＵ（ｋ）＝ＥＵ（ｋ）／Ｗ（ｋ）
と表すことができる。

また、図７の横軸の変数として、単位荷役回数あたりの負荷時間、負荷稼働時間、稼働時間、またはキーオン時間を採用してもよい。ここで、「負荷時間」は、負荷状態になっている時間を意味する。フォークが荷物を持ち上げた状態で静止し、車両が稼動していない時間も「負荷時間」に含まれる。「負荷稼働時間」は、負荷状態であり、かつ稼動状態である時間を意味する。「キーオン時間」は、スタートキーがＯＮになっている時間を意味する。

また、図７では、縦軸である正規化エネルギ消費量ＮＥＵは、単位荷役回数あたりのエネルギ消費量ＥＵを正規化することにより算出したが、単位稼働時間あたりのエネルギ消費量、単位負荷時間あたりのエネルギ消費量、単位負荷稼働時間あたりのエネルギ消費量、単位キーオン時間あたりのエネルギ消費量を正規化することにより算出してもよい。

図３ＢのステップＳ２２において、環境依存変数と運転技能レベルとを親ノードとし、技能依存変数を子ノードとするベイジアンネットワークの、子ノードの条件付確率表を作成する。

図８に、ベイジアンネットワークの具体例、及び子ノードの条件付確率表の具体例を示す。このベイジアンネットワークは、環境依存変数の１つである走行距離Ａ、及び運転技能レベルＺを親ノードとし、技能依存変数の１つである加速度超過率Ｆを子ノードとするモデルである。図８に示した例では、走行距離の値が区画Ａ１、Ａ２、及びＡ３に属する事象が起こる確率が、それぞれ０．６、０．３、及び０．１であり、運転技能レベルＺが「優」、「良」、及び「可」になる確率は、それぞれ０．２、０．５、及び０．３である。走行距離Ａが区画Ａ１に属し、運転技能レベルＺが「優」である条件の下で、加速度超過率Ｆが区画Ｆ１、Ｆ２、Ｆ３に属する確率は、それぞれ０．７５、０．２０、０．０５である。

環境依存変数、技能依存変数の種々の組み合わせについて、図８に示した条件付確率表を作成する。ここで、実施例１では、親ノードである環境依存変数と運転技能レベルとを入力変数として計算を行い、技能依存変数を出力変数として求める例を示す。

図３ＢのステップＳ２３において、着目する評価対象の運転技能レベルが「目標レベル」となる事象を前提条件とし、技能依存変数が取り得る事象の各々の発生確率を推論する演算を行う。通常は、目標レベルを「優」に設定する。

図９を参照して、ステップＳ２３で行う具体的処理について説明する。評価対象番号５の評価対象に着目する。なお、図９では、着目する評価対象のみならず、評価対象番号１〜１２のすべての評価対象について、技能依存変数の発生確率を推論した結果を示している。なお、着目する評価対象として、母集団の全ての評価対象から複数個の評価対象を抽出してもよい。

技能依存変数の各々の事象の発生確率を推論する前提条件として、運転技能レベルを、目標レベルである「優」とし、環境依存変数の各々を、図４に示した測定結果とする。この前提条件で、図８に示した条件付確率表に基づいて、技能依存変数の各々について、各事象の発生確率を推論する演算を行う。図９には、加速度超過率と負荷時間稼働率について、各事象の発生確率の推論結果を示している。他の技能依存変数についても、同様に各事象の発生確率を推論する。図９において、着目する評価対象の、技能依存変数の各々について、最大の発生確率を下線付き太字で示している。

上述のように、図３ＢのステップＳ２２とＳ２３とにおいて、図４に示した環境依存変数、技能依存変数、及び運転技能レベルに基づくベイジアンネットワークを用い、環境依存変数及び運転技能レベルを前提条件として、技能依存変数の取り得る事象の発生確率を推論する演算が行われる。

図３ＢのステップＳ２４において、技能依存変数の各々について、発生確率が最大となる事象を選定し、選定された事象を、当該技能依存変数の改善目標とする。

図１０に、ステップＳ２４で決定された技能依存変数の各々の改善目標を示す。例えば、図９において、着目する評価対象番号５の加速度超過率について、事象Ｆ１の発生確率が最大になる。このため、図１０では、評価対象番号５の加速度超過率の改善目標をＦ１とする。同様に、着目する評価対象のすべての技能依存変数の改善目標を求める。

図３ＡのステップＳ３において、技能依存変数の測定結果と、その改善目標とを対比し、改善すべき技能依存変数を選定する。

図１１に、ステップＳ３で選定された改善すべき技能依存変数、及びその改善目標を示す。例えば、図４に示したように、評価対象番号５の加速度超過率の測定結果はＦ２であり、図１０に示したように、その改善目標はＦ１である。測定結果と改善目標とが異なる場合には、図１１に示すように、評価対象番号５の改善すべき技能依存変数として、加速度超過率を選定し、その改善目標をＦ１とする。同様に、評価対象番号５の改善すべき技能依存変数として、負荷走行後退を選定し、その改善目標をＨ３とする。さらに、改善すべき技能依存変数として、ブレーキ操作回数を選定し、その改善目標をＫ１とする。

また、図４に示したように、評価対象番号５の負荷時間稼働率の測定結果はＧ２であり、図１０に示したように、その改善目標もＧ２である。このように、測定結果と改善目標とが一致する技能依存変数（例えば、負荷時間稼働率）は、改善すべき技能依存変数として選定しない。図１１においては、改善すべき技能依存変数として選定されなかった変数の欄に「−」記号を付している。

図３ＡのステップＳ４において、着目する評価対象の改善すべき技能依存変数に優先度を付与する。

図３Ｃに、ステップＳ４の詳細なフローチャートを示す。ステップＳ４１において、改善すべき技能依存変数が改善目標に等しくなる事象の発生確率を比較する。

図１２に、ステップＳ４１で比較対象となる発生確率を示す。これらの発生確率は、図９に示したように、既に推定演算によって求められているため、この発生確率が、改善すべき技能依存変数が改善目標に等しくなる事象の発生確率として設定される。

着目する評価対象について、改善すべき技能依存変数の発生確率を比較する。例えば、評価対象番号５については、加速度超過率、負荷走行後退率、及びブレーキ操作回数の発生確率０．７７、０．８３、及び０．３５が比較される。

図３ＣのステップＳ４２において、改善すべき技能依存変数に、その発生確率の高い順番に優先度を付与する。

図１３に、ステップＳ４２で付与された改善すべき技能依存変数の優先度を示す。例えば、評価対象番号５については、発生確率が最も高い負荷走行後退率の優先度を「１」とし、発生確率が２番目に高い加速度超過率の優先度を「２」とし、発生確率が最も低いブレーキ操作回数の優先度を「３」とする。

図３ＡのステップＳ５において、改善すべき技能依存変数、及びその改善目標を、出力装置５２に出力する。

図１４に、ステップＳ５で出力される評価対象番号５に関する出力例を示す。改善すべき技能依存変数が、改善の優先度、及び改善目標と関連付けて表示されている。改善の優先度は、図１３で決定されており、改善目標は、図１１で決定されている。なお、改善目標のみでは、具体的な目標数値を直接的に把握することが困難であるため、改善目標となる事象から改善目標値を算出し、算出された改善目標値を併せて出力してもよい。

改善目標値は、例えば、図５に示した例において、各事象の区画を決定する際に、μ−３σまたμ＋３σまでの範囲を３等分したときの各範囲の中心値とすればよい。

実施例１において、図１１に示した改善すべき技能依存変数は、運転技能レベルが「優」になることを前提条件としている。このため、改善すべき技能依存変数を、その改善目標に近づけることにより、運転技能レベルの判定値を向上させることができる。

また、実施例１においては、ステップＳ３（図３Ａ）において、全ての技能依存変数の中から改善すべき技能依存変数を選定している。このため、評価対象である作業者は、自分の運転技能を高めるために、どの技能依存変数をどの程度改善すればよいかを、容易に認識することができる。

実施例１では、図４に示したように、車両番号ごと、作業日ごと、かつ作業者ごとに、評価を行った。得られた評価結果を、車両番号ごとに集計することにより、運転技能レベルの車両依存性を把握することができる。

例えば、複数の種類の荷物が混在する作業環境においては、荷物の重量等に応じて、定格の大きな車両と小さな車両とを使い分けることが好ましい。不適合な定格の車両を使用して荷物の搬送を行うと、エネルギ消費量が多くなってしまう場合がある。車両番号ごとに運転技能レベルを集計することにより、搬送対象の荷物に応じて、最も好ましい定格の車両を決定することができる。

また、車両のバッテリの充電量が少なくなっている車両を無理に稼動させた場合、エネルギ消費効率が低下することも考えられる。特定の車両の運転技能レベルの判定値が低い場合には、当該車両のバッテリ充電量の低下等が懸念される。この場合には、他の車両に乗り換えることにより、運転技能レベルの向上が期待される。

同様に、得られた評価結果を作業日ごとに集計してもよい。特定の作業日の評価結果が低い場合、当該作業日に、運転技能レベルを低下させる特殊な要因があった可能性も考えられる。

このように、評価結果を車両番号ごと、または作業日ごとに集計することにより、運転技能レベルを向上させるための改善点を、より詳細に分析することが可能になる。

［実施例２］
図１５〜図１６を参照して、実施例２による荷役作業管理装置の動作について説明する。実施例２では、実施例１の動作に加え、さらに、技能依存変数の改善後に、運転技能レベルの判定値が向上する期待値が算出される。以下、期待値の算出方法について説明する。

図８に示した環境依存変数と運転技能レベルとを親ノードとし、技能依存変数を子ノードとしたモデルを用いて、入力変数を環境依存変数と技能依存変数とし、運転技能レベルを出力変数として計算を行う。

図１５に示すように、着目すべき評価対象について、環境依存変数の測定結果（図４）、及び技能依存変数の改善目標（図１０）を前提条件とし、図８に示した条件付確率表に基づいて、運転技能レベルが「優」、「良」、「可」と判定される確率を求める。例えば、評価対象番号５に着目すると、環境依存変数を測定結果と等しくし、技能依存変数を改善目標と等しくした場合、運転技能レベルが「優」、「良」、「可」と判定される確率は、それぞれ０．７７、０．２３、及び０である。すなわち、図４に示したように、評価対象番号５の評価対象の運転技能レベルの判定値は「良」であったが、加速度超過率をＦ１に改善し、負荷走行後退率をＨ３に改善し、ブレーキ操作回数をＫ１に改善すれば、０．７７の確率で運転技能レベルが「優」に向上することが期待される。

図１５に示したように、図４に示した環境依存変数、技能依存変数、及び運転技能レベルに基づくベイジアンネットワークを用い、環境依存変数及び技能依存変数を前提条件として、運転技能レベルの取り得る事象の発生確率を推論する演算が行われる。この演算により、図３ＡのステップＳ５の演算結果から得られた改善すべき技能依存変数をどの程度改善すると、技能判定レベルを改善することができるかを推論することができる。

具体的には、ステップＳ５から得られた結果により、実際に改善が可能な項目を前提条件として、技能判定レベルを推論する。そして、前提条件に基づいた各技能判定レベルとなる確率を出力する。

図１６に、出力装置５２（図２）に出力される情報を示す。図１４に示した実施例１で出力される情報に加え、改善後の運転技能レベルが「優」、「良」、「可」になる確率（期待値）が出力される。

実施例２では、作業者は、技能依存変数を改善目標まで改善したときに、自分の運転技能レベルの判定値が向上する期待値を認識することができる。これにより、各作業者に対して、技能改善の動機付けが行われる。

［実施例３］
図２、図３Ａ、図１７Ａ〜図２１を参照して、実施例３による荷役作業管理装置の動作について説明する。

図３ＡのステップＳ１において、処理装置５１（図２）が、作業車両から評価対象ごとに運転情報を取得して、記憶装置５３（図２）に記憶する。

図１８に、ステップＳ１で記憶された運転情報の一例を示す。実施例１では、環境依存変数及び技能依存変数の値を、複数の区間に分類して、有限離散型事象として取り扱ったが、実施例３では、これらの変数の測定値をそのまま取り扱う。例えば図１８に示した評価対象番号１の荷役回数ａ（１）は、単位時間あたりの荷役回数の実測値を表す。評価対象ごとに、正規化エネルギ消費量が記憶される。正規化エネルギ消費量は、図６で説明した方法と同一の方法で算出することができる。

すべての評価対象を、走行距離の値ｃ（ｋ）に基づいて、複数の区分、例えば３つの区分Ｃ１、Ｃ２、Ｃ３に分類する。例えば実施例１の図４に示した走行距離Ｃの有限離散型事象Ｃ１、Ｃ２、Ｃ３に置き換えられる走行距離を持つ評価対象を、それぞれ区分Ｃ１、Ｃ２、Ｃ３に分類する。図１８では、区分Ｃ２に分類された評価対象を、太線で囲って示している。以下の説明では、区分Ｃ２に分類された評価対象について、改善すべき技能依存変数及び改善目標値を求める方法について説明する。区分Ｃ１に分類された評価対象、及び区分Ｃ３に分類された評価対象についても、同様の方法で、改善すべき技能依存変数及び改善目標値を求めることができる。以下の説明では、走行距離区分がＣ２の評価対象のみについて取り扱う。

走行距離Ｃが大きく異なる評価対象をまとめて取り扱うと、評価結果の信頼度が低下する。走行距離Ｃを、予め複数の区分に分類しておくと、各区分に属する評価対象の走行距離Ｃのばらつきが小さくなる。このため、評価結果の信頼度を高めることができる。なお、走行距離Ｃのばらつきが少なく、十分な信頼度が確保されると考えられる場合には、走行距離Ｃを複数の区分に分類することなく、すべての評価対象をまとめて取り扱ってもよい。

図３ＡのステップＳ２において、着目する評価対象の技能依存変数の改善目標を算出する。

図１７Ａに、ステップＳ２の詳細なフローチャートを示す。ステップＳＢ２１において、運転技能レベルの判定値が「優」の評価対象について、技能依存変数を平均し、平均値を算出する。運転技能レベルの判定値が「良」及び「可」の評価対象の技能依存変数は、この平均値の算出に関与しない。図１８の最下行に、算出された平均値を示す。例えば、「優」の加速度超過率の平均値はｆｍである。ステップＳＢ２２において、技能依存変数の改善目標として、その技能依存変数の「優」の平均値を採用する。

図３ＡのステップＳ３において、着目する評価対象の改善すべき技能依存変数を選定する。

図１７Ｂに、ステップＳ３の詳細なフローチャートを示す。ステップＳＢ３１において、「優」の評価対象について、環境依存変数、技能依存変数、及び正規化エネルギ消費量に対して基準化処理を行う。ここで、「基準化処理」は、各変数の平均値が０、分散が１となるように、変数の値を調節する処理である。図１９に、基準化処理を行った後の運転情報の値を示す。図１９には、走行距離区分がＣ２、運転技能レベルの判定値が「優」の評価対象のみを示している。例えば、評価対象番号９の加速度超過率の基準化された値はｆｎ（９）であり、各変数の基準化された値の平均値は０になる。

図１７ＢのステップＳＢ３２において、「優」の評価対象について、正規化エネルギ消費量を目的変数として重回帰分析を実行し、環境依存変数及び技能依存変数の回帰係数を算出する。図１９の最下行に、回帰係数を示す。例えば、加速度超過率の回帰係数はＲＧｆである。

図１７ＢのステップＳＢ３３において、回帰係数の絶対値に基づいて、改善すべき技能依存係数を選定する。図２０に示すように、例えばスイッチバック回数の回帰係数ＲＧｉ及びブレーキ回数の回帰係数ＲＧｋの絶対値が、他の技能依存係数の回帰係数ＲＧｆ、ＲＧｇ、ＲＧｈ、及びＲＧｊの絶対値に比べて十分大きい場合、スイッチバック回数及びブレーキ操作回数を、改善すべき技能依存変数として選定する。

図３ＡのステップＳ４において、着目する評価対象の、改善すべき技能依存変数に優先度を付与する。

図１７Ｃに、ステップＳ４の詳細なフローチャートを示す。ステップＳＢ４１において、着目する評価対象の、改善すべき技能依存変数の値と、ステップＳＢ３２で算出された回帰係数との積の絶対値を算出する。ここで、着目する評価対象は、走行距離区分がＣ２で、かつ運転技能レベルの判定値が「優」以外のもの、すなわち「良」及び「可」のものとする。運転技能レベルの判定値が「優」の評価対象については、改善すべき技能依存変数は無いと仮定される。例えば、図２１において、評価対象番号２のスイッチバック回数、及びブレーキ操作回数に関する算出値は、それぞれ｜ｉ（２）×ＲＧｉ｜、｜ｋ（２）×ＲＧｋ｜となる。

ステップＳＢ４２において、ステップＳＢ４１で算出された積の絶対値が大きい順番に優先度を付与する。例えば、図２１に示したように、評価対象番号２に関して、スイッチバック回数に関わる算出値｜ｉ（２）×ＲＧｉ｜が、ブレーキ走査回数に関わる算出値｜ｋ（２）×ＲＧｋ｜より大きい場合、スイッチバック回数の優先度を「１」とし、ブレーキ操作回数の優先度を「２」とする。

図３ＡのステップＳ５において、改善すべき技能依存変数及びその改善目標を、出力装置５２（図２）に出力する。

図１７Ｄに、ステップＳ５の詳細なフローチャートを示す。ステップＳＢ５１において、運転技能レベルの判定値が「優」以外の評価対象を抽出する。運転技能レベルの判定値が「優」の評価対象については、改善すべき項目はないと仮定されているため、ステップＳＢ５１で抽出する必要はない。ステップＳＢ５２において、「優」以外の評価対象について、ステップＳＢ３３で選定された改善すべき技能依存変数、及びステップＳＢ２２で算出された改善すべき技能依存変数の目標値、及びステップＳＢ４２で付与された優先度を出力する。

実施例３では、技能依存変数のうち回帰係数の大きい変数が、改善すべき変数として選定される。回帰係数が大きいということは、目的変数である正規化エネルギ消費量に与える影響が大きいことを意味する。回帰係数が大きい技能依存変数を改善することにより、回帰係数が小さい技能依存変数を改善する場合に比べて、正規化エネルギ消費量を効果的に削減することが期待される。

上記実施例１〜実施例３では、荷役作業管理装置５０（図２）と荷役作業車両１０とをネットワーク４０を介して接続したが、荷役作業管理装置５０を荷役作業車両１０に搭載してもよい。

上記実施例１〜実施例３では、技能依存変数として、「加速度超過率」、「負荷時間稼働率」、「負荷走行後退率」、「スイッチバック回数」、「車速超過率」、「ブレーキ操作回数」を例示したが、他の変数を技能依存変数として採用してもよい。例えば、「旋回速度」、「旋回変化速度」、「車両衝撃（乱暴運転）」、「負荷無稼動（危険放置）」、「単位時間あたりのキーオン回数」等を技能依存変数として採用してもよい。

［実施例４］
上記実施例１〜実施例３では、図８に示したように、環境依存変数と運転技能レベルとを親ノードとし、技能依存変数を子ノードとしたモデルを用い、環境依存変数と運転技能レベルとを入力変数とし、技能依存変数を出力変数として、計算を行った。すなわち、技能依存変数を改善対象変数として評価を行った。

各作業者の運転技能レベルが向上してくると、作業者の運転技能レベルの改善のみでは、作業車両の燃費を、さらに向上させることが困難になってくる。実施例４においては、各作業者の運転技能レベルが一定レベル以上まで高くなった際に、作業車両の燃費を、さらに効果的に高めることができる方法を提供する。

図８に示したモデルにおいて、運転技能レベルと技能依存変数とを入力変数とし、環境依存変数を出力変数として計算を行う。具体的には、図３Ａに示したステップＳ２において、着目する評価対象の環境依存変数の改善目標を算出する。ステップＳ３において、着目する評価対象の改善すべき環境依存変数を選定する。ステップＳ４において、着目する評価対象の環境依存変数に優先度を付与する。ステップＳ５において、改善すべき環境依存変数、及びその改善目標値を出力する。すなわち、実施例４では、環境依存変数を改善対象変数として評価が行われる。

なお、環境依存変数の改善目標値を算出するためには、環境依存変数の測定値がばらついた多くの運転情報を収集することが好ましい。例えば、作業環境の異なる複数の工場における運転情報を収集し、これらの運転情報に用いて評価を行うことにより、環境依存変数の改善目標値を算出することができる。

例えば、改善すべき環境依存変数として「荷役回数」や「荷役荷重」が選定された場合には、１回の荷役作業で搬送する荷物の個数（分量）を変更することにより、「荷役回数」や「荷役荷重」を改善目標値に近づけることができる。改善すべき環境依存変数として「マスト＋荷重」が選定された場合には、作業車両のマストを変更することにより、「マスト＋荷重」を改善目標値に近づけることができる。

改善すべき環境依存変数として「走行距離」が選定された場合には、作業環境（工場）のレイアウトを変更することにより、「走行距離」を改善目標値に近づけることができる。改善すべき環境依存変数として「荷役時間」が選定された場合には、荷物が載置される棚の高さを変更することにより、「荷役時間」を改善目標値に近づけることができる。

なお、１回の荷役作業で搬送する荷物の個数を変更することや、マストを変更することは比較的容易であるが、作業環境のレイアウトや棚の高さを変更することは容易ではない。ステップＳ４において、変更容易な作業環境に関わる環境依存変数の優先度を、変更が困難な作業に関わる環境依存変数の優先度より高くするようにしてもよい。

実施例４による評価結果に基づいて、作業環境を変更することにより、作業車両のエネルギ消費効率をさらに高めることができる。

なお、実施例１〜実施例４では、各作業者に対する技能改善について説明を行った。統計処理の単位を、各作業者ではなく、部門単位、または工場単位等の群単位で平均値を算出し、統計処理を行ってもよい。この場合、部門ごと、または工場ごとの作業者の運転技能の傾向を把握することができる。これにより、部門単位や工場単位でも運転技能の工場を図ることができる。

以上実施例に沿って本発明を説明したが、本発明はこれらに制限されるものではない。例えば、種々の変更、改良、組み合わせ等が可能なことは当業者に自明であろう。

１０ 荷役作業車両
１１ フォーク
１２ 車輪
１３ インストルメントパネル
１４ ハンドル
１５ レバー
１６ 座席
２０ 車載管理装置
２１ 制御装置
２２ リアルタイムクロック
２３ メモリ
２３ａ 一時記憶部
２３ｂ 情報記憶部
２４ 表示装置
２５ 入力装置
２６ 通信回路
３１ 荷重測定装置
３２ 車速測定装置
３３ 荷役レバー操作測定装置
３４ 揚高測定装置
４０ ネットワーク
５０ 荷役作業管理装置
５１ 処理装置
５２ 出力装置
５３ 記憶装置

Claims (7)

1. 処理装置と、
   前記処理装置によってデータの書き込み及び読み出しが行われる記憶装置と、
   前記処理装置からの制御によって、該処理装置の処理結果を出力する出力装置と
   を有し、
   前記処理装置は、
   作業車両から、評価すべき単位となる評価対象ごとに、運転技能または作業環境に依存する複数の変数を含む運転情報を取得して、前記記憶装置に記憶し、
   前記記憶装置に記憶された前記運転情報に基づいて、前記評価対象のうち着目する評価対象の前記変数のうち改善対象変数の改善目標を算出し、
   前記改善対象変数の中から、着目する前記評価対象の、改善すべき改善対象変数を選定し、
   選定された前記改善対象変数に基づく情報を前記出力装置に出力する荷役作業車両の管理装置。
2. 前記処理装置は、着目する評価対象について、前記記憶装置に記憶された前記評価対象の改善対象変数と、前記改善目標とを対比し、対比結果に基づいて、前記改善すべき改善対象変数を選定する請求項１に記載の荷役作業車両の管理装置。
3. 前記運転情報は、運転技能に依存する複数の技能依存変数、及び作業環境に依存する複数の環境依存変数を含み、
   前記処理装置は、前記技能依存変数を前記改善対象変数とし、前記改善目標を算出する際に、前記環境依存変数及び前記技能依存変数に基づいて、前記改善目標を算出する請求項１または２に記載の荷役作業車両の管理装置。
4. 前記処理装置は、
   前記記憶装置に記憶されている前記運転情報に基づいて、前記評価対象ごとに運転技能レベルを判定し、
   前記環境依存変数が、着目する前記評価対象の前記環境依存変数の値をとり、前記運転技能レベルが目標レベルとなる事象を前提条件とし、前記技能依存変数の各々について、当該技能依存変数がとり得る事象の発生確率を、前記記憶装置に記憶された前記運転情報に基づいて推論する演算を行い、
   前記技能依存変数の各々について、前記発生確率が最も高い事象に基づいて、前記改善目標を求める請求項３に記載の荷役作業車両の管理装置。
5. 前記処理装置は、
   前記環境依存変数が、着目する前記評価対象の前記環境依存変数の値をとり、着目する前記評価対象の改善すべき前記技能依存変数が前記改善目標になっていることを前提条件とし、前記運転技能レベルが取り得る事象の発生確率を、前記記憶装置に記憶された前記運転情報に基づいて推論する演算を行い、
   前記出力装置に、推論された前記確率を出力する請求項４に記載の荷役作業車両の管理装置。
6. 前記処理装置は、
   前記記憶装置に記憶されている前記運転情報に基づいて、前記評価対象ごとに運転技能レベルを判定し、
   前記技能依存変数が、着目する前記評価対象の前記技能依存変数の値をとり、前記運転技能レベルが目標レベルとなる事象を前提条件とし、前記環境依存変数の各々について、当該環境依存変数がとり得る事象の発生確率を、前記記憶装置に記憶された前記運転情報に基づいて推論する演算を行い、
   前記環境依存変数の各々について、前記発生確率が最も高い事象に基づいて、前記改善目標を求める請求項３に記載の荷役作業車両の管理装置。
7. コンピュータが実行する荷役作業管理方法であって、
   作業車両から、評価すべき単位となる評価対象ごとに、運転技能または作業環境に依存する複数の変数を含む運転情報を取得して、記憶装置に記憶し、
   前記記憶装置に記憶された前記運転情報に基づいて、前記評価対象のうち着目する評価対象の前記変数のうち改善対象変数の改善目標を算出し、
   前記改善対象変数の中から、着目する前記評価対象の、改善すべき改善対象変数を選定し、
   選定された前記改善対象変数に基づく情報を出力装置に出力する荷役作業車両の管理方法。

Images