JP2013117832A - 業務分析装置、業務分析システム及び業務分析方法 - Google Patents

Abstract

【課題】誤差を含む位置情報に基づいて対象者の行動を分析する。
【解決手段】業務分析装置は、複数の区域と、前記各区域において行われる作業とを対応付けるレイアウト情報と、前記各分析対象者の時刻ごとの位置を示す位置情報と、を保持し、前記位置情報に基づいて、前記各分析対象者の位置の分布を推定することによって、時刻ごとの前記各分析対象者の滞留箇所を推定し、前記レイアウト情報及び前記推定された滞留箇所に基づいて、時刻ごとの前記各分析対象者が行った作業を推定し、前記作業履歴における作業の発生確率の分布に基づいて、複数の業務の各々における作業の発生確率の分布を推定し、前記各分析対象者の作業履歴が前記各業務に当てはまる程度を示す尤度に基づいて、前記各分析対象者が担当する業務を判定する。
【選択図】図１

Description

本発明は、位置情報に基づいて人物の業務を分析する技術に関する。

センサ情報を利用して、作業者の作業内容及び能率等を分析する技術が知られている。

例えば、特許文献１には、環境側に大量のＩＣタグを設置し、その計測結果を用いて業務を分析する技術が開示されている。

特許文献２には、作業者に大量のセンサを取り付け、それらのセンサから取得したデータを分析することによって作業能率を計測する技術が開示されている。

特開２０１１−８１６８２号公報 特開２０１１−１３７５９号公報

上記の従来の技術によれば、作業の内容を分析するために、作業ごとに大量のセンサを設置する必要があった。このため、事前にある程度作業の概要を把握し、当該作業に適した箇所にセンサを取り付ける必要があった。したがって、上記の従来の技術は、作業者の担当業務が明確にわかっている場合に、その業務の効率化を図るという目的で使用することはできるが、担当業務が明確でない環境（例えば、作業者の担当業務に関する情報が事前に与えられていない、作業者の担当業務が明確に定められていない、作業者が複数の業務を状況に応じて担当する、などの場合）における作業者の動態把握に使用することは困難である。

作業者の担当業務が明確でない場合、センサを用いて作業者の位置情報を取得し、その位置情報を用いて作業者の業務を推定し、その結果に基づいて作業場全体における動態を把握することが望ましい。しかし、現実的なコストで上記のような業務の推定を行うために簡易なセンサを用いた場合、取得される位置情報には比較的大きい誤差が含まれる。このため、誤差を含む位置情報に基づいて作業を推定することによって、担当業務が明確でない環境においても作業員の大まかな動態を分析し、その結果を把握可能な形で管理者に提示する必要がある。

本発明は、分析対象領域内の複数の分析対象者の業務を分析する業務分析装置であって、前記業務分析装置は、プロセッサと、前記プロセッサに接続される記憶装置と、を備え、前記記憶装置は、前記分析対象領域内の複数の区域と、前記各区域において行われる作業とを対応付けるレイアウト情報と、前記各分析対象者の時刻ごとの位置を示す位置情報と、を保持し、前記プロセッサは、前記位置情報に基づいて、前記各分析対象者の位置の分布を推定することによって、時刻ごとの前記各分析対象者の滞留箇所を推定し、前記レイアウト情報及び前記推定された滞留箇所に基づいて、時刻ごとの前記各分析対象者が行った作業を推定して、その結果を前記各分析対象者の作業履歴として前記記憶装置に格納し、前記作業履歴における作業の発生確率の分布に基づいて、複数の業務の各々における作業の発生確率の分布を推定して、その結果を前記各業務の確率モデルとして前記記憶装置に格納し、前記各分析対象者の作業履歴が前記各業務の確率モデルに当てはまる程度を示す尤度に基づいて、前記各分析対象者が担当する業務を判定して、その結果を出力することを特徴とする。

本発明の一実施形態によれば、比較的誤差の大きい位置情報を用いて、作業者の業務を分析することができる。

本発明の第１の実施形態の業務分析システムの構成を示すブロック図である。 本発明の第１の実施形態の業務分析システムのハードウェア構成を示すブロック図である。 本発明の第１の実施形態の業務分析システムの動作の全体を示す説明図である。 本発明の第１の実施形態において実行される位置情報収集処理のシーケンス図である。 本発明の第１の実施形態の位置情報ＤＢに格納される位置情報の説明図である。 本発明の第１の実施形態の作業分析サーバが実行する位置情報分析処理を示すフローチャートである。 本発明の第１の実施形態の作業分析サーバが実行する業務特徴抽出処理を示すフローチャートである。 本発明の第１の実施形態の滞留箇所推定部が実行する滞留箇所推定処理の概念の説明図である。 本発明の第１の実施形態の作業推定部が実行する作業推定処理の概念の説明図である。 本発明の第１の実施形態の作業場レイアウトＤＢに格納されるレイアウト情報の説明図である。 本発明の第１の実施形態の作業履歴ＤＢに格納される作業履歴情報の説明図である。 本発明の第１の実施形態の業務分類部が実行する業務確率分布算定処理の概念の説明図である。 本発明の第１の実施形態の業務特徴ＤＢの構造の説明図である。 本発明の第１の実施形態の作業分析サーバが実行する業務集計処理を示すフローチャートである。 本発明の第１の実施形態の業務判別部が実行する業務判別処理の説明図である。 本発明の第１の実施形態の業務分析可視化部によって表示される業務集計可視化画面の説明図である。 本発明の第２の実施形態の業務分析システムの構成を示すブロック図である。 本発明の第２の実施形態の作業員ＤＢの構造の説明図である。 本発明の第２の実施形態の業務特徴抽出処理において業務分類部が実行する業務確率分布算定処理の概念の説明図である。 本発明の第２の実施形態の業務分析可視化部によって表示される業務集計可視化画面の説明図である。

以下、図面を用いて本発明の実施の形態を説明する。

＜第１の実施形態＞
図１は、本発明の第１の実施形態の業務分析システムの構成を示すブロック図である。

本実施形態の業務分析システムは、作業分析サーバ１００、位置情報管理サーバ１１０及び複数のセンサ１２０を備える。

作業分析サーバ１００は、位置情報管理サーバ１１０から取得した分析対象領域内の分析対象者の位置情報に基づいて、当該分析対象者の行動を分析することによって、例えば、当該分析対象者が行った作業を推定し、さらに、当該分析対象者の担当業務等を推定する。

ここで、「作業」及び「業務」について説明する。本実施形態の説明において、「業務」とは、各作業員の担当業務、言い換えると、各作業員に与えられた役割を意味する。業務の例をいくつか示すとすれば、物品を運搬する業務、物品を加工する業務、又は作業員を監督する業務等である。各作業員の業務には、明示的に与えられるもの、暗黙のうちに与えられるもの、作業員が自発的に担うもの、比較的長期間にわたって与えられるもの、臨時に与えられるもの、等があり得る。すなわち、各作業員の業務は、明確である場合もあるが、そうではない場合もある。「作業」は、各作業員が業務を遂行するために行う動作であり、例えば、監視対象領域内の移動又は物品の加工作業等である。

また、ここで、分析対象領域とは、本実施形態の業務分析システムによる分析の対象の領域であり、例えば工場、店舗又は倉庫等の施設である。分析対象者は例えば工場、店舗又は倉庫等における作業員である。本発明は作業員以外の人物にも適用することができるが、以下の説明では、分析対象者を例示的に作業員と記載する。また、本実施形態では分析対象領域の典型例として屋内の工場などの作業場を例示するが、屋外を分析対象とする場合にも本発明を適用することができる。

作業員の行動を分析するために、作業分析サーバ１００は、業務分析可視化部１０１、業務情報集計部１０２、業務判別部１０３、業務分類部１０４、滞留箇所推定部１０５、作業推定部１０６、作業履歴データベース（ＤＢ）１０７、業務特徴ＤＢ１０８及び作業場レイアウトＤＢ１０９を備える。これらの各部が実行する処理、各ＤＢに格納されるデータ、及び、これらを実現するためのハードウェア構成については後述する。

位置情報管理サーバ１１０は、複数のセンサ１２０から作業員の位置情報を取得し、それを蓄積し、蓄積した位置情報を作業分析サーバ１００に渡す。これらの処理のために、位置情報管理サーバ１１０は、位置情報収集部１１１及び位置情報ＤＢ１１２を備える。位置情報収集部１１１は、センサ１２０から位置情報を含むデータを取得し、必要があれば座標系の変換等を行った後、そのデータを位置情報ＤＢ１１２に格納する。位置情報ＤＢ１１２は、位置情報収集部１１１によって格納されたデータを蓄積して作られるデータベースである。

センサ１２０は、分析対象領域内の作業員の位置を計測するために利用できる情報を収集する装置である限り、どのようなものであってもよい。例えば、作業員が測位のための電波又は音波（以下、測位信号とも記載する）を発信する端末（図示省略）を携帯する場合、センサ１２０は、分析対象領域に設置された、電波又は音波の計測器であってもよい。その場合、センサ１２０は、受信した電波又は音波の減衰の程度から、当該センサと発信機（すなわちそれを携帯する作業員）との距離を推定してもよい。各センサの設置位置が既知であれば、複数のセンサ１２０によって推定された距離に基づいて、作業員の位置を推定することができる。この推定は、センサ１２０自身が行ってもよいし、センサ１２０から情報を取得した位置情報管理サーバ１１０が行ってもよい。センサ１２０は例えば無線ＬＡＮの基地局であってもよく、その場合、作業員は無線ＬＡＮに接続される端末を携帯する。

上記の例では、作業員が携帯する端末からの測位信号を、環境側に設置されたセンサ１２０が受信することによって、作業員の位置が計測される。これに対して、作業員がセンサ１２０を含む端末を携帯し、そのセンサ１２０が環境側に設置された装置からの測位信号を受信することによって、作業員の位置を計測してもよい。その場合は、作業員が携帯する端末が取得した位置情報を、環境側の装置を経由して（又は直接）位置情報管理サーバに送信する必要がある。

あるいは、センサ１２０は監視カメラであってもよい。その場合、監視カメラによって撮影された画像を公知の方法で処理することによって、作業員の位置を計測することができる。

作業員の行動を高精度に分析するために、センサ１２０によって取得される作業員の位置情報の精度は高いことが望ましい。しかし、通常、高精度の位置情報を取得するためには、大量のセンサ１２０を設置する必要が生じるなど、高いコストが発生する。本発明では、現実的なコストで作業員の行動を分析するために、位置情報がある程度の誤差を含んでいることが前提となる。

図２は、本発明の第１の実施形態の業務分析システムのハードウェア構成を示すブロック図である。

本実施形態の業務分析システムを構成する作業分析サーバ１００は、相互に接続されたプロセッサ２０１、メインメモリ２０２、入力装置２０３、出力装置２０４、インターフェース（Ｉ／Ｆ）２０５及び記憶装置２０６を備える計算機である。

プロセッサ２０１は、メインメモリ２０２に格納されたプログラムを実行する。

メインメモリ２０２は、例えば半導体メモリであり、プロセッサ２０１によって実行されるプログラム及びプロセッサ２０１によって参照されるデータを格納する。具体的には、記憶装置２０６に格納されたプログラム及びデータの少なくとも一部が、必要に応じてメインメモリ２０２にコピーされる。

入力装置２０３は、業務分析システムの管理者（すなわち、作業分析サーバ１００を使用して作業員の行動を分析する者）からの入力を受ける。入力装置２０３は、例えばキーボード及びマウス等を含んでもよい。

出力装置２０４は、例えば画像表示装置であり、その一例は液晶表示装置である。出力装置２０４によって表示される画面の例については後述する。

Ｉ／Ｆ２０５は、ネットワーク２２０Ａに接続され、位置情報管理サーバ１１０と通信するインターフェースである。

記憶装置２０６は、例えばハードディスク装置（ＨＤＤ）又はフラッシュメモリのような不揮発性の記憶装置である。本実施形態の記憶装置２０６には、少なくとも、業務分析可視化部１０１、業務情報集計部１０２、業務判別部１０３、業務分類部１０４、滞留箇所推定部１０５、作業推定部１０６、作業履歴ＤＢ１０７、業務特徴ＤＢ１０８及び作業場レイアウトＤＢ１０９が格納される。

業務分析可視化部１０１、業務情報集計部１０２、業務判別部１０３、業務分類部１０４、滞留箇所推定部１０５及び作業推定部１０６は、プロセッサ２０１によって実行されるプログラムである。以下の説明においてこれらの各部が実行する処理は、実際にはプロセッサ２０１によって実行される。

本実施形態の業務分析システムを構成する位置情報管理サーバ１１０は、相互に接続されたＩ／Ｆ２１１、プロセッサ２１２、メインメモリ２１３、Ｉ／Ｆ２１４及び記憶装置２１５を備える計算機である。

Ｉ／Ｆ２１１は、ネットワーク２２０Ａに接続され、作業分析サーバ１００と通信するインターフェースである。

プロセッサ２１２は、メインメモリ２１３に格納されたプログラムを実行する。

メインメモリ２１３は、例えば半導体メモリであり、プロセッサ２１２によって実行されるプログラム及びプロセッサ２１２によって参照されるデータを格納する。具体的には、記憶装置２１５に格納されたプログラム及びデータの少なくとも一部が、必要に応じてメインメモリ２１３にコピーされる。

Ｉ／Ｆ２１４は、ネットワーク２２０Ｂに接続され、各センサ１２０と通信するインターフェースである。

記憶装置２１５は、例えばハードディスク装置（ＨＤＤ）又はフラッシュメモリのような不揮発性の記憶装置である。本実施形態の記憶装置２１５には、少なくとも、位置情報収集部１１１及び位置情報ＤＢ１１２が格納される。

位置情報収集部１１１は、プロセッサ２１２によって実行されるプログラムである。以下の説明においてこれらの各部が実行する処理は、実際にはプロセッサ２１２によって実行される。

なお、図２では省略されているが、位置情報管理サーバ１１０は、作業分析サーバ１００と同様に、入力装置及び出力装置を備えてもよい。

ネットワーク２２０Ａは、作業分析サーバ１００と位置情報管理サーバ１１０との通信を媒介するものであり、例えば、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）、公衆無線網、又はいわゆるインターネット等、またはそれらの組み合わせであってもよい。

ネットワーク２２０Ｂは、位置情報管理サーバ１１０と各センサ１２０の通信を媒介するものであり、例えば、有線又は無線のＬＡＮであってもよい。

図２には二つのネットワーク２２０Ａ及び２２０Ｂを示したが、これらは同一のネットワークであってもよい。その場合、位置情報管理サーバ１１０は一つのＩ／Ｆのみを備えてもよい。

図２に示したハードウェア構成は典型的な例に過ぎず、本実施形態は、これ以外のハードウェアによって実現することもできる。例えば、作業分析サーバ１００と位置情報管理サーバ１１０が一つの計算機として実装されてもよい。具体的には、例えば作業分析サーバ１００が位置情報管理サーバ１１０を兼ねる場合、Ｉ／Ｆ２０５がネットワーク２２０Ｂに接続され、記憶装置２０６に位置情報収集部１１１及び位置情報ＤＢが格納される。

あるいは、作業分析サーバ１００と位置情報管理サーバ１１０がネットワーク２２０Ａを介して接続されなくてもよい。後述するように、本実施形態の作業分析サーバ１００が実行する位置情報の分析処理は必ずしも即時性を要求されない。このため、例えば位置情報管理サーバ１１０が収集した位置情報を、架け替え可能な記憶媒体（例えば光ディスク又はフラッシュメモリ等）に書き込み、その記憶媒体を作業分析サーバ１００の設置場所まで運搬して、書き込まれた情報を作業分析サーバ１００の記憶装置２０６にコピーしてもよい。その場合、Ｉ／Ｆ２０５及び２１１は、記憶媒体への書き込み及び読み出しのためのインターフェース又はドライブ装置等によって置き換えられる。

図３は、本発明の第１の実施形態の業務分析システムの動作の全体を示す説明図である。

本実施形態の業務分析システムは、最初に、位置情報収集処理（ステップ３０１）を実行する。具体的には、分析対象領域３１１に設置されたセンサ１２０が、作業員が携帯する端末３１２の位置（すなわち当該作業員の位置）を計測し、計測された位置情報を位置情報管理サーバ１１０が取得して位置情報ＤＢ１１２に格納する。なお、図３には一つの端末３１２のみを示すが、通常は複数の作業員が携帯する複数の端末３１２の位置が計測される。

次に、業務分析システムは、位置情報分析処理（ステップ３０２）を実行する。具体的には、作業分析サーバ１００が位置情報管理サーバ１１０の位置情報ＤＢ１１２に格納された位置情報を分析して、その結果を業務分析システムのユーザ（すなわち、作業員たちの行動の分析結果を利用する者）に出力する。

なお、センサ１２０によって取得された位置情報をすぐに分析することは必ずしも要求されない。例えば、位置情報収集処理（ステップ３０１）によって一日分の位置情報が収集され、その位置情報を分析する処理（ステップ３０２）がその翌日以降に実行されてもよいし、位置情報収集処理（ステップ３０１）によって一月分の位置情報が収集され、その位置情報を分析する処理（ステップ３０２）がその翌月以降に実行されてもよい。

いずれの場合であっても、作業分析サーバ１００は、位置情報管理サーバ１１０の位置情報ＤＢ１１２に格納された位置情報の少なくとも一部を取得して記憶装置２０６に格納する。具体的には、作業分析サーバ１００は、位置情報ＤＢ１１２全体の複製を記憶装置２０６に格納してもよいし、位置情報ＤＢ１１２内の位置情報のうち業務の分析のために必要な部分のみを記憶装置２０６に格納してもよい。

図４は、本発明の第１の実施形態において実行される位置情報収集処理（ステップ３０１）のシーケンス図である。

各センサ１２０は、所定のタイミングで（例えば定期的に）センシングを行い、その結果を含む位置情報を位置情報管理サーバ１１０に送信する（ステップ４０１〜４０３）。送信される位置情報は、センシング結果に加えて、センシングを行ったセンサ１２０の識別子、センシングの対象（すなわち測位対象）である端末３１２の識別子、及び、センシングを行った時刻等を含んでもよい。例えば端末３１２が自らの識別子を含む測位信号を送信することで、センサ１２０は測位対象の端末３１２を識別することができる。

センサ１２０から送信されるセンシング結果は、センシングによって得られたデータそのもの（例えば受信した測位信号の強度等）であってもよいし、それに基づいて計算された端末３１２の位置を示す情報（例えば座標値）であってもよい。センシングによって得られたデータそのものが送信される場合、位置情報管理サーバ１１０は、複数のセンサ１２０から取得したセンシング結果に基づいて、端末３１２の位置を計算し、計算の結果を位置情報ＤＢ１１２に格納する。

センサ１２０は、測位信号を受信するたびに位置情報を送信してもよいが、複数の測位信号に基づく複数のセンシング結果を含む測位情報をまとめて送信してもよい。

図５は、本発明の第１の実施形態の位置情報ＤＢ１１２に格納される位置情報の説明図である。

位置情報ＤＢ１１２に格納される各レコード５００は、作業員ＩＤ５０１、Ｘ座標５０２、Ｙ座標５０３及び時刻５０４を含む。

作業員ＩＤ６０１は、分析対象者を一意に識別する情報であり、例えば、分析対象者が携帯する端末３１２の識別情報であってもよいし、その端末３１２の識別情報に対応付けられた作業員の識別情報（氏名等）であってもよい。

Ｘ座標５０２及びＹ座標５０３は、分析対象領域内における端末３１２の（すなわちそれを携帯する作業員の）位置を、二次元直交座標系中の座標値として特定する情報である。Ｘ座標５０２及びＹ座標５０３にさらにＺ座標を加えて三次元の位置情報を扱ってもよい。これらの座標値は一例であり、必ずしも直交座標系を用いなくてもよい。例えば、Ｘ座標５０２及びＹ座標５０３としてそれぞれ経度及び緯度を示す情報が含まれてもよい。さらに、必要があれば高度を示す情報が含まれてもよい。例えば分析対象領域内のフロアごとに二次元の座標系が管理される場合、各レコード５００はさらにフロアを特定する情報を含んでもよい。

時刻５０４は、測位が行われた時刻（言い換えると、センサが測位信号を受信した時刻）を示す。時刻５０４は、必要であれば、測位が行われた年月日を示す情報を含んでもよい。

図６は、本発明の第１の実施形態の作業分析サーバ１００が実行する位置情報分析処理（ステップ３０２）を示すフローチャートである。

最初に、作業分析サーバ１００は、業務特徴抽出処理（ステップ６０１）を実行する。これによって、蓄積された位置情報が作業履歴に変換され、さらに、その作業履歴の集合に基づいて業務特徴ＤＢ１０８が構築される。この処理の詳細については、図７等を参照して後述する。

次に、作業分析サーバ１００は、業務集計処理（ステップ６０２）を実行する。これによって分析対象領域における業務状況が把握され、利用者に提示される。この処理の詳細については、図１４等を参照して後述する。

図７は、本発明の第１の実施形態の作業分析サーバ１００が実行する業務特徴抽出処理（ステップ６０１）を示すフローチャートである。

業務特徴抽出処理が開始されると、最初に、滞留箇所推定部１０５が滞留箇所推定処理（ステップ７０１）を実行する。具体的には、滞留箇所推定部１０５は、位置情報ＤＢに蓄積された位置情報に基づいて、作業員が滞留した箇所を推定する。この処理の詳細については、図８を参照して後述する。

次に、作業推定部１０６が作業推定処理（ステップ７０２）を実行する。具体的には、作業推定部１０６は、作業員の滞留箇所の推定結果と、作業場レイアウトＤＢ１０９に格納された作業場レイアウトとを比較することによって、作業員が行った作業の内容を推定し、その結果を作業履歴ＤＢ１０７に格納する。この処理の詳細については、図９等を参照して後述する。なお、作業場レイアウトＤＢ１０９には、図１０に示すように、作業場のレイアウトを示す情報（具体的には、作業場におけるゾーンの形状の情報及び当該ゾーンにおける作業分類を示すコード値等）が記録されている。

次に、業務分類部１０４が業務確率分布算定処理（ステップ７０３）を実行する。具体的には、業務分類部１０４は、作業履歴ＤＢ１０７に格納された履歴情報を分類して、業務ごとの確率モデルを構築し、その結果を業務特徴ＤＢに格納する。この処理の詳細については、図１２を参照して後述する。

以下、上記の各ステップについて説明する。

図８は、本発明の第１の実施形態の滞留箇所推定部１０５が実行する滞留箇所推定処理（ステップ７０１）の概念の説明図である。

図８には、分析対象領域８００における、各時刻における作業員の位置情報８０１を示す。長方形で表示される分析対象領域８００は、例えば分析対象のフロアの平面図であり、白円で表示される各時刻における位置情報８０１は、その平面図における作業員の各時刻における位置（座標）を示す。図８には、一例として、作業員が二つの作業箇所を行き来し、それぞれの作業箇所で作業を行う場合の位置情報を示す。ここで作業箇所とは、作業員が作業を行うために滞留する場所である。

仮に位置情報８０１に誤差がなければ、図８の白円は、各作業箇所及びそれらを結ぶ作業員の移動経路の上に集中するはずである。しかし、既に説明したように、本実施形態で得られる位置情報８０１は、比較的大きい誤差を含む場合がある。例えば、電波又は音波による測位信号は、測位対象の作業員の周囲の状況（例えば他の作業員が周囲にいるかどうか等）の影響を受ける。このため、実際の位置情報８０１は測位対象の周囲の状況の変化に応じて、例えば図８に示すようにばらつく。滞留箇所推定処理（ステップ７０１）は、このように誤差を含んだ位置情報から、作業員の実際の滞留箇所を推定する処理である。

具体的には、滞留箇所推定部１０５は、ばらつきのある位置情報８０１が、各作業箇所を中心とする正規分布に従って得られるとの仮定に基づいて、滞留箇所を推定する。図８の例では、一点鎖線の楕円８０２が、それぞれの正規分布に属する位置情報８０１のおおよその範囲を示し、黒いひし形のシンボル８０３がそれぞれの正規分布の中心を示す。図８の例は、二つの一点鎖線の楕円８０２Ａ及び８０２Ｂ、並びに、それぞれに対応する二つの黒いひし形のシンボル８０３Ａ及び８０３Ｂを示す。以下の説明では、一点鎖線の楕円８０２Ａ及び８０２Ｂに対応する正規分布をそれぞれ正規分布８０２Ａ及び８０２Ｂとも記載し、黒いひし形のシンボル８０３Ａ及び８０３Ｂに対応する正規分布の中心をそれぞれ中心８０３Ａ及び８０３Ｂとも記載する。

これらの正規分布を推定するために、例えば、各位置情報８０１に潜在的な変数が付与されていると仮定することによって、公知のＥＭ（Expectation-Maximization）アルゴリズムを用いることができる。この潜在変数は、各位置情報８０１がどの正規分布から生成されたか（図８の例では各位置情報８０１が正規分布８０２Ａ又は８０２Ｂのいずれに属するか）を表現する変数である。したがって、この潜在変数の期待値を計算することによって、各位置情報８０１がどの正規分布から生成されたかを推定することができる。後述するように、各位置情報８０１がどの正規分布から生成されたかが推定されると、それに基づいて、各位置情報８０１が、作業員がどの作業箇所に滞留していたときに取得されたものであるか、を推定することができる（図９及び図１０参照）。

公知のＥＭアルゴリズムを用いる場合、滞留箇所推定部１０５は、最初にそれぞれの正規分布のパラメータをランダムに初期化する。次に、滞留箇所推定部１０５は、そのパラメータを用いて上記の潜在変数の期待値を計算する。次に、滞留箇所推定部１０５は、その潜在変数の期待値が正しいと仮定した条件下での最適な正規分布のパラメータを計算する。次に、滞留箇所推定部１０５は、計算された最適なパラメータを用いて、潜在変数の期待値を再計算する。次に、滞留箇所推定部１０５は、再計算された潜在変数の期待値が正しいと仮定した条件下での最適な正規分布のパラメータを再計算する。このように、滞留箇所推定部１０５は、正規分布のパラメータを用いた潜在変数の期待値の計算と、潜在変数の期待値に基づく正規分布のパラメータの計算と、を計算結果が収束するまで交互に繰り返す。これによって正規分布が推定され、その正規分布に基づいて、各位置情報８０１が、作業員がどの作業箇所に滞留していたときに取得されたものであるか、を推定することができる。

なお、滞留箇所推定処理（ステップ７０１）では、さらに正規分布間の遷移がマルコフモデルで表現できるとした公知の隠れマルコフモデルを用いることもできる。隠れマルコフモデルを用いた場合であっても、同様に公知のＥＭアルゴリズムが適用でき、このアルゴリズムの高速化のために公知のバックワードフォーワードアルゴリズムを適用することもできる。これによって、正規分布間の移動、すなわち滞留箇所の変遷までを加味した滞留箇所推定ができるようになり、より精度よく滞留箇所が判定できるようになる。

次に、作業推定処理（ステップ７０２）について説明する。

一般に、作業員が行う作業の種別と、その作業が行われる場所との間には関連がある。例えば、分析対象領域が倉庫である場合、そこで行われる作業として、物品の搬入、搬出、仕分け等が考えられ、それぞれの作業が行われる場所（又はその範囲）は概ね決まっているものと考えられる。したがって、作業員の滞留箇所を推定できれば、そのときに作業員が行っていた作業を推定できると考えられる。本実施形態ではこのような考え方に基づいて作業推定処理（ステップ７０２）が実行される。

図９は、本発明の第１の実施形態の作業推定部１０６が実行する作業推定処理（ステップ７０２）の概念の説明図である。

分析対象領域８００、位置情報８０１及び推定された正規分布（８０２Ａ及び８０２Ｂ）の中心（８０３Ａ及び８０３Ｂ）は、図８に示したものと同じである。ゾーンＡ（９０１Ａ）、ゾーンＢ（９０１Ｂ）及びゾーンＣ（９０１Ｃ）は、各作業が行われる作業箇所の範囲に相当し、作業場レイアウトＤＢ１０９によって定義される。

図１０は、本発明の第１の実施形態の作業場レイアウトＤＢ１０９に格納されるレイアウト情報の説明図である。

作業場レイアウトＤＢ１０９に格納される各レコード１０００は、ゾーンＩＤ１００１、種別コード１００２及び形状１００３を含む。

ゾーンＩＤ１００１は、ゾーンを一意に識別する情報である。

種別コード１００２は、当該ゾーン（すなわちゾーンＩＤ１００１によって識別されるゾーン）において行われる作業の種別を示す。例えば、物品の仕分け作業が行われるゾーンを示す情報等が種別コード１００２として格納される。

形状１００３は、当該ゾーンの形状を示す座標点列である。例えば図９の破線で示す長方形の座標点列が形状１００３として格納される。

作業推定部１０６は、滞留箇所推定処理（ステップ７０１）によって推定された滞留箇所（すなわち推定された分布の中心の位置）がどのゾーンに含まれるかを判定することによって、作業員が行っていた作業を推定することができる。

図８及び図９の例では、正規分布８０２Ａの中心８０３ＡがゾーンＡ（９０１Ａ）に含まれ、正規分布８０２Ｂの中心８０３ＢがゾーンＣ（９０１Ｃ）に含まれる。この場合、正規分布８０２Ａに属すると判定された位置情報８０１の測位時刻において、作業員がゾーンＡ（９０１Ａ）に対応する作業を行っていたと推定される。同様に、正規分布８０２Ｂに属すると判定された位置情報８０１の測位時刻において、作業員がゾーンＣ（９０１Ｃ）に対応する作業を行っていたと推定される。

図９の例では、ゾーンＢ（９０１Ｂ）に含まれる位置情報８０１がいくつか存在するが、それらは例えば正規分布８０２Ｂに属すると判定されるため、ゾーンＢ（９０１Ｂ）に対応する作業は行われなかったと推定される。このように、位置情報の分布を推定して、その分布とレイアウト情報とを照合することによって、位置情報のばらつきの影響を軽減し、より確からしい作業を推定することができる。

さらに、滞留時間を計算することによって、当該作業を行っていたか否かを判定してもよい。例えば、作業員があるゾーンに滞留した時間が所定の値以下である場合に、当該作業員は当該ゾーンを単に通過しただけであり作業を行っていないと判定してもよい。あるいは、滞留時間に基づいて複数の作業のうちどれを行っていたかを判定することもできる。これは、同一の作業箇所で所要時間の異なる複数の作業が行われる可能性を考慮したものである。例えば、滞留時間が所定の値以下である場合に、所要時間の短い作業（例えば物品を運搬する作業）が行われ、滞留時間が所定の値を超える場合に、所要時間の長い作業（例えば運ばれてきた物品を加工する作業）が行われたと判定してもよい。このような判定を行う場合には、図１０に示すレイアウト情報に加えて、それぞれの作業に対応する滞留時間を示す情報が保持されている必要がある。

作業推定部１０６は、作業推定処理（ステップ７０２）の結果を作業履歴ＤＢ１０７に出力する。

図１１は、本発明の第１の実施形態の作業履歴ＤＢ１０７に格納される作業履歴情報の説明図である。

作業履歴ＤＢ１０７に格納される各レコード１１００は、作業員ＩＤ１１０１、時刻１１０２及び作業内容１１０３を含む。

作業員ＩＤ１１０１は、作業員を一意に識別する情報である。この作業員が行っていた作業が推定されると、その作業が行われた時刻、及び、作業内容を表す番号が、それぞれ時刻１１０２及び作業内容１１０３として格納される。

次に、業務確率分布算定処理（ステップ７０３）について説明する。

業務分類部１０４は、作業履歴ＤＢ１０７を用いて、業務確率分布算定処理（ステップ７０３）を実行する。具体的には、業務分類部１０４は、作業履歴ＤＢ１０７に格納された作業履歴を分類することによって、作業員の業務を判定する。本来、各作業員の担当業務はそれぞれが従事する作業などに応じて定まっているべきものではあるが、実際には各作業員の担当業務が明確でない場合がある。そのような場合であっても、各作業員の担当業務を自動的に抽出（推定）することが本発明の特徴の一つであり、そのために業務特徴抽出処理（ステップ６０１）が実行される。

図１２は、本発明の第１の実施形態の業務分類部１０４が実行する業務確率分布算定処理（ステップ７０３）の概念の説明図である。

本実施形態の業務確率分布算定処理では、業務ごとに作業の発生確率が定まっているとの仮定に基づいて、この確率分布をもって業務を特徴づける。ただし、当該確率分布の値（例えば、作業１がｘｘ％の確率で発生する、など）は正確にはわからない。すなわち、本業務確率分布算定処理では、作業員がどの業務に従事しているか、確率分布の値がいくつであるか、という２つの値を決定せねばならない。このような場合にも、公知のＥＭアルゴリズムが適用できる。

Ｓｔｅｐ１２０１において、業務分類部１０４は、各作業員の従事する業務がどれであるかを推定し、その期待値を重みとして算定する。次に、Ｓｔｅｐ１２０２において、業務分類部１０４は、この重みに基づき、各業務を表す確率分布を更新する。この確率分布の更新の度合いに基づき、Ｓｔｅｐ１２０３において、業務分類部１０４は、計算を続けるか否かを判定する。もし、更新による確率分布の変化が大きい場合には、再度Ｓｔｅｐ１，２を実行し、変化が十分に（例えば所定の値より）小さくなるまでＳｔｅｐ１２０１〜１２０３を繰り返す。

本実施形態では、各業務を表す確率分布として、離散マルコフ連鎖に基づく確率分布を用いる。離散マルコフ連鎖は、現在の作業によって次に発生する作業の確率が異なるというモデルである。つまり、現在の作業がＡ、次の作業がＢであるとすると、確率分布Ｐ（Ａ，Ｂ）が定数となる。ただし、Ｐは確率であるので、Ｐ（Ａ，Ａ）＋Ｐ（Ａ，Ｂ）＋Ｐ（Ａ，Ｃ）＋・・・と次に発生しうる全ての作業の発生確率を足し合わせると、１にならなければならない。このような確率分布は業務α、業務β、・・・と業務ごとに存在する。以下では具体的にこの場合のＥＭアルゴリズムに基づく業務確率分布算定処理の例を挙げる。

まず、業務分類部１０４は、業務ごとに確率Ｐ（Ａ，Ｂ）を適当な乱数で初期化する。ただし、上記の、「足し合わせて１になる」という条件を満たすように、Ｐ（Ａ，Ｂ）←Ｐ（Ａ，Ｂ）÷｛Ｐ（Ａ，Ａ）＋Ｐ（Ａ，Ｂ）＋Ｐ（Ａ，Ｃ）＋・・・｝とする。

Ｓｔｅｐ１２０１の重み算定において、業務分類部１０４は、尤度の比率を重みとして算出する。例えば作業履歴がＡ，Ｂ，Ａ，Ｃ，Ｃ，Ｂ，Ｃ・・・と続く作業員１に関しては、業務分類部１０４は、Ｐ（Ａ，Ｂ）×Ｐ（Ｂ，Ａ）×Ｐ（Ａ，Ｃ）×Ｐ（Ｃ，Ｃ）×Ｐ（Ｃ，Ｂ）×Ｐ（Ｂ，Ｃ）×・・・とかけあわせて得られる尤度Ｌを業務ごとに計算する。このように計算された尤度Ｌは、その値が大きいほど、作業履歴が業務の確率分布によく当てはまっている（すなわち、当該作業履歴の確率分布が当該業務の確率分布と類似している）ことを示す。業務αの尤度をＬ（α）とすると、重みはその比率（言い換えると正規化された尤度）であるので、Ｌ（α）÷｛Ｌ（α）＋Ｌ（β）＋・・・｝が業務αの重みγ（α）として得られる。すなわち、作業員１の作業履歴Ａ，Ｂ，Ａ，Ｃ，Ｃ，Ｂ，Ｃ・・・に関する業務αの重みγ（α）の値が、最大値である１に近いほど、当該作業履歴が業務αらしいことを示す。

業務分類部１０４は、他の作業員（例えば、作業履歴がＡ，Ａ，Ａ，Ａ，Ｃ，Ａ，Ｃ・・・と続く作業員２、及び、作業履歴がＢ，Ｂ，Ｂ，Ｃ，Ｃ，Ｂ，Ｃ・・・と続く作業員３等）についても、同様の手順で業務ごとの重みを計算する。

次にＳｔｅｐ１２０２のモデル更新について説明する。標準的な離散マルコフ連鎖では、単純に発生件数を数え上げることによって確率を算定することができる。つまり、作業Ａの発生件数と、次に作業Ｂが発生した件数を用いれば、（作業Ａ→作業Ｂの発生件数）÷（作業Ａの全発生件数）が作業Ａの次に作業Ｂが発生する確率、つまりＰ（Ａ，Ｂ）になる。ただし、本実施形態では各業務に重みがつけられている。そのため、発生件数に重みをかけてＰ（Ａ，Ｂ）が計算される。例えば、ある作業員に関して作業Ａ→作業Ｂの遷移が発生した件数をＣ（Ａ→Ｂ）回とすると、業務αに関しては、γ（α）×Ｃ（Ａ→Ｂ）回の遷移が発生したとみなす。ここで、通常、回数は自然数であるが、重みづけによって１．８回、などの小数を含む回数が発生することになる。このように、作業員及び業務ごとに異なる重みを付けて発生件数を数え上げることによって、全ての業務のＰ（Ａ，Ｂ）・・・が更新できる。

その後、Ｓｔｅｐ１２０３において、この更新による値の変化が（例えば所定の値より）少ないと判定された場合、この計算を終了することができる。なお、初期化に用いた乱数によって算定結果が異なるため、最終的に得られた確率分布の当てはまりが最も低くなる乱数が得られるまで、この業務特徴抽出処理全体を何度も繰り返し実行してもよい。また、業務ごとの発生確率π（α）を用い、尤度を計算する際に掛け合わせてもよい。この場合、確率分布は公知の混合マルコフ連鎖の確率分布と一致し、π（α）は重みγの作業員ごとの平均値によって更新できることが知られている。

本実施形態では単純なマルコフ連鎖を用いたが、公知の隠れマルコフモデルおよびその亜種である自己回帰隠れマルコフモデルなどを用いて同様の処理を行ってもよい。その場合も、公知のＥＭアルゴリズムを用いた混合確率モデルの推定方法を適用することができる。

また、本実施形態では、例えば、作業Ａの次に再び作業Ａが発生する確率Ｐ（Ａ，Ａ）、作業Ａの次に作業Ｂが発生する確率Ｐ（Ａ，Ｂ）、等の分布（言い換えると、ある時刻における作業から、それより後の時刻における作業への遷移確率の分布）に基づいて作業員の業務が分析されたが、それ以外の確率の分布に基づいて作業員の業務が分析されてもよい。例えば、ある作業の発生確率（例えば作業Ａの発生確率Ｐ（Ａ））、又は、より複雑な条件付きの発生確率（例えば作業Ａ，Ｂ，Ｃが順次発生する確率Ｐ（Ａ，Ｂ，Ｃ）等が用いられてもよい。

また、本実施形態では業務の種類が一定であるとしたが、これを可変とすることもできる。あるいは、ＡＩＣ（赤池情報量規準）などの公知の基準を用いて最適な業務数を自動算出することもできる。

図１３は、本発明の第１の実施形態の業務特徴ＤＢ１０８の構造の説明図である。

業務特徴ＤＢ１０８に格納される各レコード１３００は、業務ＩＤ１３０１、重み１３０２及び確率モデル１３０３を含む。

業務ＩＤ１３０１は、業務を一意に識別する情報である。

重み１３０２は、業務の発生確率を表す値であり、言い換えると、全作業員のうち当該業務（すなわち業務ＩＤ１３０１によって識別される業務）に従事する者の割合を表す。例えば、業務αについて計算されたγ（α）が重み１３０２として格納される。

確率モデル１３０３は、当該業務を表現する確率モデルである。例えば、図１２のステップ１２０２において各業務について計算された確率分布が確率モデル１３０３として格納される。

後述するように（図１６参照）、業務の名称が入力された場合には、その名称が当該業務に対応するレコードに追加されてもよい。

上記の図７から図１３を参照して説明した処理が、図６の業務特徴抽出処理（ステップ６０１）に相当する。業務特徴抽出処理の結果、業務特徴ＤＢ１０８が構築されたことによって、業務量を推計できるようになる。このため、次に、業務集計処理（ステップ６０２）が実行される。

図１４は、本発明の第１の実施形態の作業分析サーバ１００が実行する業務集計処理（ステップ６０２）を示すフローチャートである。

最初に、業務判別部１０３が業務判別処理（ステップ１４０１）を実行する。具体的には、業務判別部１０３は、業務特徴ＤＢ１０８を参照し、作業員の作業履歴から作業員が従事していた業務を推定する。これによって作業履歴ＤＢ１０７に格納されている作業履歴が業務に割り付けられる。この処理の詳細については図１５を参照して後述する。

次に、業務情報集計部１０２が業務情報集計処理（ステップ１４０２）を実行する。具体的には、業務情報集計部１０２は、業務分類部１０４に業務特徴ＤＢ１０８の構築の命令を出し、作業員の作業履歴を業務判別部１０３に渡して従事業務を取得し、この結果を用いて、業務の従事率の算出など、各種の集計を行う。この処理の詳細については後述する。

次に、業務分析可視化部１０１が画面生成処理（ステップ１４０３）を実行する。具体的には、業務分析可視化部１０１は、業務情報集計部１０２による集計結果を用いて、ユーザに作業員の業務状況を把握できるような画面を提示する。この処理の詳細については図１６を参照して後述する。

図１５は、本発明の第１の実施形態の業務判別部１０３が実行する業務判別処理（ステップ１４０１）の説明図である。

業務判別処理は、各作業員の作業履歴に基づいて、各作業員が従事する業務を判定する処理である。業務判別処理には、大まかに、（１）全体判定、（２）時間帯判定、の２種類があり、（２）時間帯判定の際には、さらに、（３）分割時間幅調整処理が行われてもよい。

最初に、（１）全体判定について説明する。業務判別部１０３は、業務特徴ＤＢ１０８に格納された確率分布と、作業履歴ＤＢ１０７に格納された作業員の作業履歴全体（例えば、１日分の作業履歴が取得された場合にはその全体）とを用いて、作業員の作業履歴が大まかにどの業務に相当するか（すなわち当該作業員が当該１日の間に大まかにどの業務に従事していたか）を判定する。このとき、図１２を参照して説明したマルコフ連鎖の重み計算を用いることができる。

ここで、図１２を参照して説明した業務確率分布算定処理（ステップ７０３）と、図１５に示す業務判別処理（ステップ１４０１）との関係を説明する。図１２を参照して説明したように、業務分類部１０４は、各作業員の作業履歴に基づいて、各業務における作業の発生確率の分布（本実施形態では作業の遷移が発生する確率の分布）のモデルを推定する。業務判別部１０３は、そのようにして推定された確率分布のモデルに各作業員の作業履歴がどの程度当てはまるかを計算し、それによって各作業員が担当する業務を判定する。このとき、業務分類部１０４が使用する作業履歴と、業務判別部１０３が使用する作業履歴とは同一でなくてもよい。

例えば、ある１日に計測された位置情報に基づいて業務分類部１０４が各作業の確率分布のモデルを推定し、業務判別部１０３は、その確率分布のモデルを用いて、別の日の作業員の業務を判定してもよい。分析対象領域のレイアウト及びそこでの作業手順等が変更されない限り、異なる日に異なる作業員が同一の業務のために行う作業の流れは類似すると考えられるためである。

具体的には、業務判別部１０３は、これから業務を判別しようとする作業員の作業履歴と、業務特徴ＤＢ１０８に格納された確率分布のモデル（すなわち確率モデル１３０３）と、について、図１２を参照して説明したマルコフ連鎖の重みを計算し、その重みが最大となる業務が、当該作業員の従事業務（担当業務）であると判定する。また、上記の通り業務の分担が明確でない場合もあるため、重みの値そのものを、当該作業員が当該業務に従事していた割合を示す従事率として使用することもできる。

次に、（２）時間帯判定について説明する。上記の通り、作業員の業務の分担は明確でない場合がある。しかし、作業履歴をいくつかの時間帯に分割し、それぞれの時間帯について業務の判別を行うことによって、それぞれの時間帯の業務が比較的明確になる場合がある。

例えば、一人の作業員の午前と午後に従事する業務が異なる場合がある。このような場合であっても、（１）全体判定を実行すれば、１日の全体の作業履歴について、各業務に関する重みを計算することができ、その重みが最も大きい業務を当該１日の当該作業員の従事業務として判定することはできる。しかし、このような場合には、いずれの業務に関する重みの値も小さくり、また、それぞれの業務に関する重みの値の差も小さくなる傾向がある。このため、例えば計算された最も大きい重みの値が所定の値より小さい場合、又は、最も大きい重みの値と２番目に大きい重みの値との差が所定の値より小さい場合等に、当該１日の当該作業員の従事業務が明確ではないと判定してもよい。

このような場合に、業務判別部１０３は、例えば作業員の作業履歴を午前と午後に分割し、それぞれの時間帯ごとに各業務に関する重みを計算することができる。これによってそれぞれの時間帯の業務を明確に判定することができ、これによって、各作業員の従事業務の時間変化を知ることができる場合がある。

次に、（３）時間帯判定における分割時間幅調整処理について説明する。上記のように（２）時間帯判定によって作業員の担当業務を精度よく判定できる場合があり、一般には、分割される時間の幅が小さいほど分析の分解能が高くなる傾向がある。しかし、その時間幅が小さすぎるために、誤差又は突発的な事象が多く検出され、その結果、かえって判定の精度が低下する場合もある。業務判別部１０３は、（２）時間帯判定によって得られた担当業務のうち、従事時間の合計が最も長くなる業務が、（１）全体判定によって得られた担当業務と一致しない場合、上記のような原因で判定の精度が低下したと判定する。そして、業務判別部１０３は、両者が一致するまで、分割される時間の幅を少しずつ大きくしながら（２）時間帯判定を繰り返し実行する。これによって、適切な分割の時間幅を自動的に決定することができる。

なお、上記のように、ある時間帯（例えば１日）に取得された作業履歴から推定された確率モデルを、別の時間帯（例えば午前又は午後）に取得された作業履歴に基づく業務の判別に使用するためには、推定された確率モデルが時間帯を特定する情報に依存しないモデルを選択することが必要になる。

次に、業務情報集計処理（ステップ１４０２）について説明する。業務情報集計部１０２は、業務判別処理（ステップ１４０１）によって得られた結果について、一般的な集計処理を実行する。例えば、業務情報集計部１０２は、時間帯ごとに、各業務に従事する作業員の人数を集計してもよいし、業務ごとにそれに従事する全作業員の全従事時間を積算してもよいし、作業員の総数に対するそれぞれの業務の従事人数の比率又は全業務の全作業員の従事時間に対する各業務の従事時間の比率を計算してもよい。

次に、画面生成処理（ステップ１４０３）について説明する。

図１６は、本発明の第１の実施形態の業務分析可視化部１０１によって表示される業務集計可視化画面の説明図である。

図１６には、業務分析可視化部１０１が表示する画面の代表的な例として、業務名称付与画面１６００及び業務集計結果表示画面１６２０を示す。

最初に、業務名称付与画面１６００について説明する。

本実施形態によれば、業務特徴抽出処理（図６のステップ６０１）によってそれぞれの業務の特徴（例えば作業の遷移確率の分布）が抽出され、業務集計処理（ステップ６０２）によって各作業員の担当業務が判定される。しかし、これらの処理によれば、互いに類似した流れの作業を行っている作業員たちを、同一の業務の担当者であると推定することはできるが、その業務が何であるかを推定することはできない。それぞれの業務が何であるかは、本実施形態の業務分析システムのユーザ（すなわち、作業員たちの行動の分析結果を利用する者）が判断する必要がある。業務名称付与画面１６００は、その判断を支援するための情報を提示すると共に、判断の結果の入力を受け付けるために、業務分析可視化部１０１によって出力装置２０４に表示される。なお、以下の説明において、表示される画面に対するユーザの操作（例えば項目の選択及び文字列の入力等）は、入力装置２０３を用いて行われる。

図１６に示すように、業務名称付与画面１６００は、パターンＩＤ選択部１６０１、業務特徴表示部１６０２、業務担当者表示部１６０３、業務名称入力部１６０４及び設定ボタン１６０５を含む。

パターンＩＤ選択部１６０１は、これから名称を入力しようとする業務に対応する確率分布のパターンを指定するために使用される。例えば、ユーザの操作によってパターンＩＤ選択部１６０１の下に複数のパターンの識別情報を含むドロップダウンリスト（図示省略）が表示され、それらから選択されたパターンの識別情報が表示項目選択部１６２１に表示されてもよい。あるいは、ユーザが当該識別情報をパターンＩＤ選択部１６０１に直接入力してもよいし、名称を入力しようとする業務の識別情報（業務ＩＤ１３０１）そのものを選択又は入力してもよい。例えば、ユーザは、業務αの名称を入力しようとする場合、業務αに対応する確率モデル１３０３の識別情報（例えば「パターン１」）を選択する。

業務特徴表示部１６０２には、パターンＩＤ選択部１６０１において選択された業務の特徴、例えば、当該業務について抽出された確率モデル１３０３において発生確率の高いゾーン間遷移が表示される。図６の例では、業務特徴表示部１６０２に複数のゾーン１６１１Ａ〜１６１１Ｄを含む分析対象領域の平面図（レイアウト図）が表示され、さらに、ゾーン１６１１Ｂから１６１１Ａに向かう矢印１６１２Ａ、ゾーン１６１１Ｃから１６１１Ｂに向かう矢印１６１２Ｂ、及びゾーン１６１１Ａから１６１１Ｄに向かう矢印１６１２Ｃが表示される。これは、例えばゾーン１６１１Ａ〜１６１１Ｄにそれぞれ作業Ａ〜Ｄが対応する場合、選択されたパターン１の確率分布において、作業Ｂ→Ａの遷移、作業Ｃ→Ｂの遷移及び作業Ａ→Ｄの遷移の発生確率が高いことを示す。ここで、「発生確率が高い」とは、例えば、発生確率が所定の値を超えること、又は、発生確率の順位が上位の所定の順位以内であること、等であってもよい。

業務担当者表示部１６０３には、業務情報集計処理（ステップ１４０２）の結果、これから名称を入力しようとする業務を担当していると判定された作業員の識別情報が表示される。

ユーザは、業務特徴表示部１６０２及び業務担当者表示部１６０３を参照して、これから名称を入力しようとする業務が何であるかを判定し、その業務に適合する名称を業務名称入力部１６０４に入力する。例えば、各業務を遂行するための標準的な作業手順等がわかっている場合には、ユーザは業務特徴表示部１６０２に表示された遷移と整合する作業手順に対応する業務を特定し、その業務に適合する名称を入力してもよい。あるいは、業務担当者表示部１６０３に表示された作業員の少なくとも一部の担当業務がわかっている場合には、ユーザはその担当業務に適合する名称を入力してもよい。

業務名称入力部１６０４への入力が終了すると、ユーザは設定ボタン１６０５を操作する。これによって、業務名称入力部１６０４に入力された名称が、パターンＩＤ選択部１６０１において選択された識別情報に対応する業務の名称として登録される。この名称は、例えば業務特徴ＤＢ１０８に格納されてもよい。

業務集計結果表示画面１６２０は、表示項目選択部１６２１、業務集計結果表示部１６２２及び業務担当者表示部１６２３を含む。

表示項目選択部１６２１は、ユーザが業務集計結果表示部１６２２への表示を望む項目を指定するために使用される。例えば、ユーザの操作によって表示項目選択部１６２１の下に表示項目の複数の候補を含むドロップダウンリスト（図示省略）が表示され、それらから選択された項目に対応する情報が表示項目選択部１６２１に表示されてもよい。図１６の例では表示項目として従事率が選択されている。

業務担当者表示部１６２３は、業務名称付与画面１６００の業務担当者表示部１６０３と同様であるが、ユーザは、業務担当者表示部１６２３に表示された作業者のいずれかを選択することができる。図１６の例では「作業員５３」が選択されている。

業務集計結果表示部１６２２には、業務担当者表示部１６２３において選択された作業者に関する、表示項目選択部１６２１において選択された項目の情報が表示される。図１６の例では、作業員５３の従事率が業務集計結果表示部１６２２に表示される。具体的には、横軸を時刻、縦軸を従事率とするグラフが表示される。従事率とは、図５に示す（２）時間帯判定によって計算された重みに相当する。すなわち、いずれかの業務に関して「従事率」及び「作業員５３」が選択された場合、各時間帯の作業員５３の作業履歴の当該業務に関して計算された重みが業務集計結果表示部１６２２に表示される。

なお、業務集計結果表示画面１６２０は、業務名称付与画面１６００から呼び出されてもよい。例えば、図１６に示すようにパターンＩＤ選択部１６０１において「パターン１」が選択されている場合において、ユーザが業務担当者表示部１６０３に表示された「作業員５３」を選択すると、業務集計結果表示画面１６２０が表示され、作業員５３のパターン１に対応する業務への従事率が業務集計結果表示部１６２２に表示されてもよい。

また、図１６の業務集計結果表示画面１６２０は一例であり、実際には他の情報（例えば業務情報集計処理（ステップ１４０２）によって集計された結果）が表示されてもよい。

以上の本発明の第１の実施形態によれば、各作業員の担当業務が事前にわかっていない場合であっても、比較的誤差の大きい位置情報に基づいて各作業員の作業履歴を推定し、それらに基づいて作業員を担当業務ごとに分類することができる。すなわち、例えば分析対象の作業員の数が多い場合であっても、個々の作業員に対する聞き取り調査等を行うことなく、ほぼ自動的にそれらの作業員の業務を分析することができるため、分析が大幅に省力化される。

＜第２の実施形態＞
以下、本発明の第２の実施形態について説明する。上記の第１の実施形態では、いずれの作業員の担当業務も不明であることを前提とし、各作業員の（誤差を含んだ）位置情報に基づいて各作業員が行った作業の流れを推定し、互いに類似した流れの作業を行った作業員たちを、同一の業務の担当者であると推定することによって、作業員が担当業務ごとに分類された。しかし、実際には、一部（少なくとも一人）の作業員の担当業務が予め明らかになっている場合もある。第２の実施形態では、このように一部の作業員の担当業務がわかっている場合に、その担当業務の情報を業務集計処理に利用する。

図１７は、本発明の第２の実施形態の業務分析システムの構成を示すブロック図である。

本実施形態の業務分析システムは、作業分析サーバ１７００、位置情報管理サーバ１１０及び複数のセンサ１２０を備える。

作業分析サーバ１７００は、作業員ＤＢ１７０１をさらに備えること、及び、業務分類部１０４が作業員ＤＢ１７０１を参照して業務確率分布算定処理（ステップ７０３）を行うことを除いて、第１の実施形態の作業分析サーバ１００と同じである。位置情報管理サーバ１１０及び複数のセンサ１２０は、第１の実施形態と同じである（図１参照）。

本実施形態の業務分析システムのハードウェア構成は、第１の実施形態と同様である。ただし、本実施形態の作業分析サーバ１００の記憶装置２０６には、さらに作業員ＤＢ１７０１が格納される。

図１８は、本発明の第２の実施形態の作業員ＤＢ１７０１の構造の説明図である。

作業員ＤＢ１７０１に格納される各レコード１８００は、作業員ＩＤ１８０１及び業務種別１８０２を含む。

作業員ＩＤ１８０１は、作業員を一意に識別する情報である。

業務種別１８０２は、当該作業員（すなわち作業員ＩＤ１８０１によって識別される作業員）の担当業務を識別する情報である。当該作業員の担当業務が不明の場合は、業務種別１８０２は空又は不明であることを示す値であってもよい。ユーザは、後述する業務名称付与画面（図２０）を用いて、作業員ＤＢ１７０１に値を登録することができる。

図１９は、本発明の第２の実施形態の業務特徴抽出処理において業務分類部１０４が実行する業務確率分布算定処理（ステップ７０３）の概念の説明図である。

図１９に示すステップ１９０１は、図１２のステップ１２０１と基本的に同じである。ただし、ステップ１９０１では、作業員ＤＢ１７０１に担当業務が登録されている作業員の作業履歴の当該担当業務に関する重みが「１」（すなわち最大値）、その他の業務に関する重みが「０」（すなわち最小値）と設定される。作業員ＤＢ１７０１に担当業務が登録されていない作業員の作業履歴については、ステップ１２０１と同様に重みが計算される。

例えば、作業履歴がＡ，Ｂ，Ａ，Ｃ，Ｃ，Ｂ，Ｃ，・・・と続く作業員１の担当業務として「業務α」が登録され、その他の作業員の担当業務が登録されていない場合、ステップ１９０１において、当該作業員１の作業履歴の業務αに関する重みが「１」に、他の業務に関する重みが「０」に設定される。他の作業員の各業務に関する重みは、図１２のステップ１２０１と同様に扱われる。

図１９のステップ１９０２では、図１２のステップ１２０２と同様の処理が実行される。ただし、ステップ１９０１において「１」又は「０」に設定された重みはそのまま固定され、ステップ１９０２において更新されない。

図１９のステップ１９０３は、図１２の１２０３と同じであるため、説明を省略する。

このように、担当業務が明らかである作業員の作業履歴に関する重みが固定され、それを教師データとして確率モデルが計算される（ステップ１９０２）。これによって、その作業履歴に類似する流れの作業を行った作業員が、当該業務の担当者として分類され易くなる。このため、例えば多数の作業員の業務を分析したい場合に、それらのうち代表的な少数の作業員の実際の担当業務を、例えば聞き取り調査等によって明らかにすることによって、それ以外の多数の作業員の業務の分析精度も向上することが期待できる。

図２０は、本発明の第２の実施形態の業務分析可視化部１０１によって表示される業務集計可視化画面の説明図である。

図２０には、第２の実施形態の業務分析可視化部１０１が表示する画面の代表的な例として、業務集計結果表示画面２０００及び業務名称付与画面２０２０を示す。

業務集計結果表示画面２０００は、表示項目選択部２００１、業務集計結果表示部２００２、業務担当者表示部２００３及び業務設定ボタン２００４を含む。これらのうち、表示項目選択部２００１、業務集計結果表示部２００２及び業務担当者表示部２００３は、それぞれ図１６の表示項目選択部１６２１、業務集計結果表示部１６２２及び業務担当者表示部１６２３と同じである。

ユーザが業務設定ボタン２００４を操作すると、業務分析可視化部１０１は、業務名称付与画面２０２０を表示する。

業務名称付与画面２０２０は、業務名称入力部２０２１、業務担当者表示部２０２２、業務非担当者表示部２０２３、追加ボタン２０２４、削除ボタン２０２５及び再計算ボタン２０２６を含む。ユーザは、業務名称付与画面２０２０を用いて、作業員の担当業務を手動で指定することができる。

業務名称入力部２０２１は、ユーザが担当者を指定しようとする業務の名称を入力するために使用される。例えば、ユーザの操作によって業務名称入力部２０２１の下に業務の名称のドロップダウンリスト（図示省略）が表示され、ユーザがそれらのいずれかを選択してもよいし、リストに含まれていない業務の名称を直接入力してもよい。図２０の例では「業務α」が入力されている。

業務担当者表示部２０２２には、当該業務（すなわち業務名称入力部２０２１において名称を入力された業務）の担当者として指定された作業員の識別情報のリストが表示される。初期状態では、業務担当者表示部２０２２にはいずれの作業員も表示されていない。

業務非担当者表示部２０２３には、当該業務を担当者として指定されていない作業員の識別情報のリストが表示される。

ユーザが業務非担当者表示部２０２３に表示された作業員を指定して追加ボタン２０２４を操作すると、その作業員が当該業務を担当する者として追加される。その結果、当該作業者に関する業務種別１８０２に当該業務が登録され、当該作業者の識別情報が業務非担当者表示部２０２３から業務担当者表示部２０２２に移動する。図２０の例では、作業員１、５１及び５３の業務種別１８０２に業務αが登録される。

一方、ユーザが業務担当者表示部２０２２に表示された作業員を指定して削除ボタン２０２５を操作すると、その作業員が当該業務を担当する者から削除される。例えば作業員５３を指定して削除ボタン２０２５が操作された場合、作業員５３の業務種別１８０２から業務αの登録が削除される。

その後、ユーザが再計算ボタン２０２６を操作すると、図１９に示す業務特徴抽出処理が実行され、各作業員の作業履歴の各業務に関する重みが計算される。図２０の例では、作業員１、５１及び５３の作業履歴の業務αに関する重みが１に固定され、その他の業務に関する重みが０に固定され、それらが教師データとして使用される。

以上の本発明の第２の実施形態によれば、少数の作業員の担当業務の調査結果を利用することによって、調査のための労力の増加を抑えながら、その他の多数の作業員の業務の分析精度を向上させることができる。

１００ 作業分析サーバ
１０１ 業務分析可視化部
１０２ 業務情報集計部
１０３ 業務判別部
１０４ 業務分類部
１０５ 滞留箇所推定部
１０６ 作業推定部
１０７ 作業履歴データベース（ＤＢ）
１０８ 業務特徴ＤＢ
１０９ 作業場レイアウトＤＢ
１１０ 位置情報管理サーバ
１１１ 位置情報収集部
１１２ 位置情報ＤＢ
１２０ センサ
２０１、２１２ プロセッサ
２０２、２１３ メインメモリ
２０３ 入力装置
２０４ 出力装置
２０５、２１１、２１４ インターフェース（Ｉ／Ｆ）
２０６、２１５ 記憶装置
２２０Ａ、２２０Ｂ ネットワーク

Claims (14)

1. 分析対象領域内の複数の分析対象者の業務を分析する業務分析装置であって、
   前記業務分析装置は、
   プロセッサと、前記プロセッサに接続される記憶装置と、を備え、
   前記記憶装置は、
   前記分析対象領域内の複数の区域と、前記各区域において行われる作業とを対応付けるレイアウト情報と、
   前記各分析対象者の時刻ごとの位置を示す位置情報と、を保持し、
   前記プロセッサは、
   前記位置情報に基づいて、前記各分析対象者の位置の分布を推定することによって、時刻ごとの前記各分析対象者の滞留箇所を推定し、
   前記レイアウト情報及び前記推定された滞留箇所に基づいて、時刻ごとの前記各分析対象者が行った作業を推定して、その結果を前記各分析対象者の作業履歴として前記記憶装置に格納し、
   前記作業履歴における作業の発生確率の分布に基づいて、複数の業務の各々における作業の発生確率の分布を推定して、その結果を前記各業務の確率モデルとして前記記憶装置に格納し、
   前記各分析対象者の作業履歴が前記各業務の確率モデルに当てはまる程度を示す尤度に基づいて、前記各分析対象者が担当する業務を判定して、その結果を出力することを特徴とする業務分析装置。
2. 前記プロセッサは、前記位置情報に含まれる前記各分析対象者の時刻ごとの位置が属する分布を推定し、前記分布の中心が位置する前記区域を、前記分布に属する位置に対応する前記滞留箇所として推定することを特徴とする請求項１に記載の業務分析装置。
3. 前記プロセッサは、前記各分析対象者の作業履歴が前記各業務における作業の発生確率の分布に当てはまる程度を示す尤度を計算する手順と、前記計算された尤度に基づいて前記各業務における作業の発生確率の分布を計算する手順と、を交互に繰り返し、収束した前記各業務における作業の発生確率の分布の計算結果を、前記各業務の確率モデルとして前記記憶装置に格納することを特徴とする請求項２に記載の業務分析装置。
4. 前記記憶装置は、前記複数の分析対象者のうち少なくとも一人と、前記少なくとも一人の分析対象者が担当する業務とを対応付ける情報を保持し、
   前記プロセッサは、前記少なくとも一人の分析対象者の前記作業履歴の、前記少なくとも一人の分析対象者に対応付けられた業務に関する前記尤度を最大値に固定し、前記少なくとも一人の分析対象者の前記作業履歴の、前記少なくとも一人の分析対象者に対応付けられた業務以外の業務に関する前記尤度を最小値に固定することによって、前記各業務における作業の発生確率の分布を計算することを特徴とする請求項３に記載の業務分析装置。
5. 前記プロセッサは、第１の時間帯における前記各分析対象者の作業履歴が前記各業務の確率モデルに当てはまる程度を示す尤度に基づいて、前記第１の時間帯における前記各分析対象者が担当する業務を判定し、さらに、前記第１の時間帯から分割された複数の第２の時間帯の各々における前記各分析対象者の作業履歴が前記各業務の確率モデルに当てはまる程度を示す尤度に基づいて、前記各第２の時間帯における前記各分析対象者が担当する業務を判定することを特徴とする請求項１に記載の業務分析装置。
6. 前記各業務の確率モデルは、前記作業が発生した時間帯を特定する情報を含まず、
   前記プロセッサは、いずれかの前記分析対象者について、前記第１の時間帯に含まれる前記複数の第２の時間帯において前記分析対象者が担当する業務と判定される頻度が最も高い業務を特定し、前記特定された業務が、当該分析担当者の前記第１の時間帯について判定された業務と一致しない場合、前記第２の時間帯の長さを所定の値だけ長く変更して、前記変更された複数の第２の時間帯の各々における前記各分析対象者の作業履歴が前記各業務の確率モデルに当てはまる程度を示す尤度に基づいて、前記各第２の時間帯における前記各分析対象者が担当する業務を判定することを特徴とする請求項５に記載の業務分析装置。
7. 前記プロセッサは、前記第１の時間帯又は前記各第２の時間帯の少なくとも一方について、前記各業務を担当する分析対象者の識別情報、前記各業務を担当する分析対象者の人数、又は、前記複数の分析対象者が担当する各業務の割合、の少なくとも一つを集計して出力することを特徴とする請求項６に記載の業務分析装置。
8. 前記作業の発生確率は、ある時刻における作業から、それより後の時刻における作業への遷移確率であることを特徴とする請求項１に記載の業務分析装置。
9. 分析対象領域内に配置され、前記分析対象領域内の複数の分析対象者の位置を計測する一つ以上のセンサと、業務分析装置と、を備える業務分析システムであって、
   前記業務分析装置は、
   プロセッサと、前記プロセッサに接続される記憶装置と、を備え、
   前記分析対象領域内の複数の区域と、前記各区域において行われる作業とを対応付けるレイアウト情報を保持し、
   前記一つ以上のセンサによって計測された、前記各分析対象者の時刻ごとの位置を示す位置情報を取得し、
   前記位置情報に基づいて、前記各分析対象者の位置の分布を推定することによって、時刻ごとの前記各分析対象者の滞留箇所を推定し、
   前記レイアウト情報及び前記推定された滞留箇所に基づいて、時刻ごとの前記各分析対象者が行った作業を推定して、その結果を前記各分析対象者の作業履歴として前記記憶装置に格納し、
   前記作業履歴における作業の発生確率の分布に基づいて、複数の業務の各々における作業の発生確率の分布を推定して、その結果を前記各業務の確率モデルとして前記記憶装置に格納し、
   前記各分析対象者の作業履歴が前記各業務の確率モデルに当てはまる程度を示す尤度に基づいて、前記各分析対象者が担当する業務を判定して、その結果を出力することを特徴とする業務分析システム。
10. 前記業務分析装置は、前記位置情報に含まれる前記各分析対象者の時刻ごとの位置が属する分布を推定し、前記分布の中心が位置する前記区域を、前記分布に属する位置に対応する前記滞留箇所として推定することを特徴とする請求項９に記載の業務分析システム。
11. 前記業務分析装置は、前記各分析対象者の作業履歴が前記各業務における作業の発生確率の分布に当てはまる程度を示す尤度を計算する手順と、前記計算された尤度に基づいて前記各業務における作業の発生確率の分布を計算する手順と、を交互に繰り返し、収束した前記各業務における作業の発生確率の分布の計算結果を、前記各業務の確率モデルとして前記記憶装置に格納することを特徴とする請求項１０に記載の業務分析システム。
12. 業務分析装置によって実行される、分析対象領域内の複数の分析対象者の業務分析方法であって、
    前記業務分析装置は、
    プロセッサと、前記プロセッサに接続される記憶装置と、を備え、
    前記記憶装置は、
    前記分析対象領域内の複数の区域と、前記各区域において行われる作業とを対応付けるレイアウト情報と、
    前記各分析対象者の時刻ごとの位置を示す位置情報と、を保持し、
    前記業務分析方法は、
    前記位置情報に基づいて、前記各分析対象者の位置の分布を推定することによって、時刻ごとの前記各分析対象者の滞留箇所を推定する第１手順と、
    前記レイアウト情報及び前記推定された滞留箇所に基づいて、時刻ごとの前記各分析対象者が行った作業を推定して、その結果を前記各分析対象者の作業履歴として前記記憶装置に格納する第２手順と、
    前記作業履歴における作業の発生確率の分布に基づいて、複数の業務の各々における作業の発生確率の分布を推定して、その結果を前記各業務の確率モデルとして前記記憶装置に格納する第３手順と、
    前記各分析対象者の作業履歴が前記各業務の確率モデルに当てはまる程度を示す尤度に基づいて、前記各分析対象者が担当する業務を判定して、その結果を出力する第４手順と、を含むことを特徴とする業務分析方法。
13. 前記第１手順は、前記位置情報に含まれる前記各分析対象者の時刻ごとの位置が属する分布を推定し、前記分布の中心が位置する前記区域を、前記分布に属する位置に対応する前記滞留箇所として推定する手順を含むことを特徴とする請求項１２に記載の業務分析方法。
14. 前記第３手順は、前記各分析対象者の作業履歴が前記各業務における作業の発生確率の分布に当てはまる程度を示す尤度を計算する手順と、前記計算された尤度に基づいて前記各業務における作業の発生確率の分布を計算する手順と、を交互に繰り返し、収束した前記各業務における作業の発生確率の分布の計算結果を、前記各業務の確率モデルとして前記記憶装置に格納する手順を含むことを特徴とする請求項１３に記載の業務分析方法。

Images