JP2018150170A - 情報処理システム、情報処理方法およびプログラム - Google Patents

Abstract

【課題】人手による検品業務において、効率的に検品を実施させることが可能な情報処理システム、情報処理方法およびプログラムを提供する。【解決手段】本発明の情報処理システムは、推定部と選択部とを備える。推定部は、作業に関する情報を示す業務データに基づいて、作業ミスの発生率と、検品作業を省略する比率を示す非検品率との対応関係を表す対応情報を推定する。選択部は、対応情報に含まれる、作業ミスの発生率と、対応する非検品率との組のうちの何れかを選択する。【選択図】図３

Description

本発明は、情報処理システム、情報処理方法およびプログラムに関する。

物流の現場において、ピッキング業務の検品工程に多くの人的工数が割かれており、この人的工数削減のため、ハンディを用いた検品支援技術や画像認識や重量計測を用いた検品自動化技術が知られている。また、作業管理の観点から、検品等を行う作業員の作業内容の特定や評価を行うための技術も知られている（例えば特許文献１参照）。

しかしながら、検品支援技術や検品自動化技術は、大規模な投資が必要となり、かつ取引状況や取扱商品の変化に応じた変更が困難となる制約もあるため、システム導入が難しい。結果、人手に頼らざるをえない業務が多く、ピッキング業務全体で０．１％未満の発生確率となる人的ミスを検出するために、９９．９％以上の異常のない商品も含めて検品を行わなければならないといった問題がある。

本発明は、上記に鑑みてなされたものであって、人手による検品業務において、効率的に検品を実施させることが可能な情報処理システム、情報処理方法およびプログラムを提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明は、作業に関する情報を示す業務データに基づいて、作業ミスの発生率と、検品作業を省略する比率を示す非検品率との対応関係を表す対応情報を推定する推定部と、前記対応情報に含まれる、前記作業ミスの発生率と、対応する前記非検品率との組のうちの何れかを選択する選択部と、を備える情報処理システムである。

本発明によれば、人手による検品業務において、効率的に検品を実施させることができる。

図１は、実施形態の情報処理システムの概略構成の一例を示す図である。 図２は、実施形態の情報処理装置のハードウェア構成の一例を示す図である。 図３は、実施形態の情報処理装置が有する機能の一例を示す図である。 図４は、実施形態の作業情報一例を示す図である。 図５は、実施形態の複数の入力パラメータごとに作業ミスの発生率と非検品率を推定するモデルを示すイメージ図である。 図６は、推定グラフの一例を示す図である。 図７は、各作業者のミスの割合の分布の一例を示す図である。 図８は、実施形態の情報処理装置の動作例を示すフローチャートである。

以下、添付図面を参照しながら、本発明に係る情報処理システム、情報処理方法およびプログラムの実施形態を詳細に説明する。

図１は、本実施形態の情報処理システム１の概略構成の一例を示す図である。図１に示すように、情報処理システム１は、サーバ１０と、情報処理装置２０と、を備え、これらは例えばインターネット等のネットワーク３０を介して相互に接続可能である。

サーバ１０は、外部の業務システム（ＷＭＳ：Warehouse Management Systemなど）や作業者に装着されたセンサデバイスから収集したデータに基づく業務データを記憶する。業務データは作業に関する情報である。また、ここでは、作業はピッキング作業である。業務データの具体的な内容については後述する。図１の例では、サーバ１０は、業務データを記憶する業務データデータベース（以下、「業務データＤＢ」と称する）１１を備えている。

次に、情報処理装置２０の構成を説明する。この例では、情報処理装置２０は、クライアントコンピュータなどのコンピュータにより構成される。図２は、本実施形態の情報処理装置２０のハードウェア構成の一例を示す図である。図２に示すように、情報処理装置２０は、ＣＰＵ（Central Processing Unit）１０１と、ＲＯＭ（Read Only Memory）１０２と、ＲＡＭ（Random Access Memory）１０３と、入力部１０４と、表示部１０５と、通信Ｉ/Ｆ（インタフェース）１０６と、を備える。

ＣＰＵ１０１は、情報処理装置２０の動作を統括的に制御する。ＣＰＵ１０１は、ＲＡＭ１０３の所定の領域を作業領域として、ＲＯＭ１０２に記録された各種制御プログラムを実行して、情報処理装置２０が有する各種の機能を実現させる。情報処理装置２０が有する機能の具体的な内容については後述する。

ＲＯＭ１０２は、情報処理装置２０に関わるプログラムや各種設定情報などを記憶する不揮発性のメモリ（書き換え不可能なメモリ）である。

ＲＡＭ１０３は、例えばＳＤＲＡＭなどの記憶手段であって、ＣＰＵ１０１の作業エリアとして機能し、バッファなどの役割を果たす。

入力部１０４は、ユーザーの操作を受け付けるためのデバイスである。

表示部１０５は、情報処理装置２０に関する各種の情報を表示するデバイスであり、例えば液晶ディスプレイなどで構成される。なお、入力部１０４と表示部１０５とが一体的に構成される（例えばタッチパネルとして構成される）形態であってもよい。

通信Ｉ／Ｆ１０６は、ネットワーク３０に接続するためのインタフェースである。

図３は、本実施形態の情報処理装置２０が有する機能の一例を示す図である。図３に示すように、情報処理装置２０は、取得部２０１、推定部２０２、表示制御部２０３、選択部２０４、決定部２０５、切り替え部２０６を有する。説明の便宜上、図３の例では、本実施形態に関する機能を主に例示しているが、情報処理装置２０が有する機能はこれらに限られるものではない。

取得部２０１は、サーバ１０から業務データを取得する。業務データは、少なくとも、作業者情報と、商品（対象物）の種類と、商品（対象物）の数量と、を対応付けた情報である。ただし、これに限られるものではなく、例えば作業場所を示すロケーションと、作業時間と、検品結果と、商品（対象物）の大きさ（サイズ）・重量等も業務データに含めておき、そのデータを後段で記載するデータ処理に反映させてもよい。また、この例における作業ミスは、ピッキング作業ミスである。本実施形態では、業務データは、図４の（Ａ）に示す作業実績データと、図４の（Ｂ）に示す検品実績データと、図４の（Ｃ）に示す商品荷姿データと、図４の（Ｄ）に示す作業者データと、図４の（Ｅ）に示す作業者測位データと、から構成されているが、これに限られるものではない。

図４の（Ａ）に示すように、作業実績データは、作業者を識別する作業者ＩＤと、オリコン（折り畳みコンテナ）を識別するオリコンＩＤと、商品を識別するＪＡＮと、数量と、ロケーションと、作業開始時間と、作業終了時間とが対応付けられた情報である。

図４の（Ｂ）に示すように、検品実績データは、作業者ＩＤと、オリコンＩＤと、ＪＡＮと、数量と、検品結果と、ミス原因と、検品者を識別する検品者ＩＤと、検品時刻とが対応付けられた情報である。

図４の（Ｃ）に示すように、商品荷姿データは、ＪＡＮと、商品名と、入数と、縦のサイズと、横のサイズと、高さのサイズと、重さとが対応付けられた情報である。ここでは、商品の大きさとは体積を表し、縦のサイズと、横のサイズと、高さのサイズとの乗算によって得られる。

図４の（Ｄ）に示すように、本実施形態における作業者データは、作業者ＩＤと、氏名と、入社日と、累計勤務時間とが対応付けられた情報である。なお、作業者データ（作業者情報）は、作業者を識別できる情報であればよく、例えば、作業者ＩＤによって各作業者を識別可能とし、さらに、上記した累積勤務時間などの情報を有していてもよい。

図４の（Ｅ）に示すように、作業者測位データは、作業者ＩＤと、ロケーションと、時刻とが対応付けられた情報である。

図３に戻って説明を続ける。推定部２０２は、取得部２０１により取得された業務データに基づいて、作業ミスの発生率と、検品作業を省略する比率（物品全体に対する割合）を示す非検品率（検品にあたらない比率（検品レス率））との対応関係を表す対応情報を推定する。この例における対応情報は、作業ミスの発生率と、非検品率との対応関係を表すグラフであるが、これに限らず、例えば対応情報は表などで構成されてもよい。推定部２０２は、業務データを元にベイズ推定を用いて、複数の入力パラメータごとに作業ミスの発生率と非検品率を推定することができる。また、例えば推定部２０２は、業務データを元に構築された学習モデルを用いて、複数の入力パラメータごとに作業ミスの発生率と非検品率を推定することもできる。例えば学習モデルは、入力パラメータと、作業ミスの発生率および非検品率との関係を表すモデルであり、この学習モデルに対して入力パラメータを入力すると、該入力パラメータに対応する作業ミスの発生率と非検品率が出力される形態であってもよい。なお、このような学習モデルの構築方法としては公知の様々な技術を利用することができる。

ここでは、一例として、上記入力パラメータは、作業者情報（作業者ＩＤ）、累積作業時間、商品、商品の数量、商品の大きさ、および、ロケーションの組である。なお、入力パラメータは、少なくとも、作業者情報と、対象物の種類と、対象物の数量との組であればよい。

図５は、複数の入力パラメータごとに作業ミスの発生率と非検品率を推定するモデルを示すイメージ図である。図５の例では、作業者ＩＤ［Ｗ１］、累積勤続時間［Ｔ１］ＪＡＮ［Ｊ１］、数量［Ｃ１］、大きさ［Ｓ１］、ロケーション［Ｌ１］の組み合わせからなる１つの入力パラメータ（１つのピッキング作業条件と考えてもよい）に対応する推定結果は［Ｒ１］になることを示している。また、図５の例では、作業者ＩＤ［Ｗ１］、累積勤続時間［Ｔ１］、ＪＡＮ［Ｊ２］、数量［Ｃ２］、大きさ［Ｓ２］、ロケーション［Ｌ２］の組み合わせからなる１つの入力パラメータに対応する推定結果は［Ｒ２］になることを示している。また、図５の例では、作業者ＩＤ［Ｗ１］、累積勤続時間［Ｔ１］、ＪＡＮ［Ｊ２］、数量［Ｃ３］、大きさ［Ｓ２］、ロケーション［Ｌ２］の組み合わせからなる１つの入力パラメータに対応する推定結果は［Ｒ３］になることを示している。

そして、推定部２０２は、図６に示すように、推定結果［Ｒ１］に対応するミス発生率と非検品率との組み合わせ［Ｐ１］、推定結果［Ｒ２］に対応するミス発生率と非検品率との組み合わせ［Ｐ２］、推定結果［Ｒ３］に対応するミス発生率と非検品率との組み合わせ［Ｐ３］を順次にプロットしていく。このようにして、複数の入力パラメータごとの推定結果をプロットしていくことで、非検品率との対応関係を表すグラフを推定することができる。以下の説明では、このグラフを「推定グラフ」と称する場合がある。

ここで、ベイズ推定を用いて作業ミスの発生率を求める方法の一例を説明する。いま、あるピッキングの作業において、ミスをする場合をｘ＝１、ミスをしない場合をｘ＝０とすると、確率分布はミスをする確率ｐ（作業ミスの発生率）を用いて以下の式１に示すようなベルヌーイ分布で表すことができる。

上記確率ｐは個人毎に異なると考えられるので、各人の確率ｐをベイズ推定で求める。ベイズ推定における事前分布は計算上の都合からβ分布とし(共役事前分布)、β分布は以下の式２のように表すことができる。

この事前分布とベルヌーイ分布から求めた尤度をかけることで、以下の式３で表されるような事後分布が得られる。

ここでは、ピッキング作業ごとに事後分布を算出し、算出した事後分布は次の作業における事前分布として値を更新する。ここでミスをする確率ｐを求める方法としてベイズ推定を用いた場合、以下の式４でｐ（ｘ＝１｜Ｄ）はデータＤ（作業条件に相当するデータＤ）が与えられた条件下でのｘ＝１となる(ミスをする)確率となり、ｘの分布をｐに関して周辺化することで予測分布を求めることができる。

上記式４を計算すると、以下の式５のようになる。

上記式５を用いて各作業者のミスの割合の分布をβ分布に当てはめると、例えば図７のような分布が推定され、この結果から得られるαとβを事前分布に用いることで、確率ｐを推定することができる。

図３に戻って説明を続ける。表示制御部２０３は、推定グラフを表示部１０５に表示する制御を行う。管理者は、推定グラフ上のプロット点（作業ミスの発生率と非検品率との組により規定）のうち、業務状況に応じた点を選択する操作（例えばタッチ操作でもよいし、カーソルを合わせてマウスをクリックする操作であってもよい）を行うことになる。

選択部２０４は、対応情報に含まれる、作業ミスの発生率と、対応する非検品率との組のうちの何れかを選択する。この例では、選択部２０４は、管理者の操作に応じて、推定グラフ上の何れかの点（１つの「組」に相当）を選択する。ただし、これに限らず、例えば機械学習により最適値を自動選択する等の形態であってもよい。

決定部２０５は、選択部２０４により選択された組に基づいて、検品を実施するか否かの判定条件を決定する。この例では、決定部２０５は、選択部２０４により選択された推定グラフ上の点を境界として、検品を実施するか否かの判定条件を決定する。例えば決定部２０５は、選択部２０４により選択された推定グラフ上の点に対応する入力パラメータを基点に、推定グラフのうち該点よりも作業ミスの発生率が高く、非検品率が低いピッキング作業条件を、検品を実施するための判定条件として予め決定（設定）しておくことができる。要するに、推定グラフ上のある一点を基点として、ミス発生率が基点より高く、非検品率が基点より低い対象物は検品する、ミス発生率が基点より低く、非検品率が基点より高い対象物は検品しないように、判定条件を決定しておくことができる。そして、後述の切り替え部２０６は、あるピッキング作業の作業条件（入力パラメータに相当）が、以上のようにして設定済みの判定条件に合致する場合は、検品を実施するように切り替える制御を行い、該判定条件に合致しない場合は、検品を実施しないように切り替える制御を行うことになる。

切り替え部２０６は、決定部２０５により予め決定された判定条件に基づいて、検品を実施するか否かを切り替える制御を行う。例えば切り替え部２０６は、検品を実施するように切り替える場合は、検品者が所持するハンディ（端末）に対して、検品を実施することを通知する制御を行う形態であってもよい。また例えば切り替え部２０６は、検品を実施しないに切り替える場合は、検品者が所持するハンディ（端末）に対して、検品を実施しないことを通知する制御を行う形態であってもよい。

図８は、判定条件を決定する場合の情報処理装置２０の動作例を示すフローチャートである。各ステップの具体的な内容は上述したとおりであるので、詳細な説明は適宜に省略する。図８に示すように、取得部２０１は、業務データを取得する（ステップＳ１）。次に、推定部２０２は、ステップＳ１で取得された業務データに基づいて、作業ミスの発生率と、非検品率との対応関係を表すグラフ（推定グラフ）を推定する（ステップＳ２）。次に、選択部２０４は、管理者の操作に応じて、推定グラフ上の何れかの点を選択する（ステップＳ３）。次に、決定部２０５は、ステップＳ３で選択された推定グラフ上の点を境界として、検品を実施するか否かの判定条件を決定する（ステップＳ４）。

以上に説明したように、本実施形態では、作業に関する情報を示す業務データに基づいて、作業ミスの発生率と、非検品率との対応関係を表すグラフを推定し、管理者の操作に応じて選択されたグラフ上の点を境界として、検品を実施するか否かの判定条件を決定する。これにより、全ての作業について検品を実施させる必要は無くなり、検品のための自動化技術を導入することなく、効率的に検品を実施させることができる。また、本実施形態では、作業の一例としてピッキング作業を例に挙げて説明したが、これに限られず、例えば物流業務における商品保管作業や、製造業務における組立作業といった、他業務における検品の前工程に対して適用してもよい。

また、例えば推定部２０２は、非検品率の代わりに、検品作業を実施する比率を示す検品率と、作業ミスの発生率との対応関係を表す対応情報を推定することもできる。

以上、本発明に係る実施形態について説明したが、本発明は、上述の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、上述の実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。

例えば上述の実施形態の情報処理装置２０は、複数の装置群で構成され、図３に示す各機能が、該複数の装置群に分散されて搭載される形態であってもよい。要するに、情報処理システム１は、上述の推定部２０２に対応する機能と、上述の選択部２０４に対応する機能と、上述の決定部２０５に対応する機能と、を少なくとも備える形態であればよく、１つの装置で実現されてもよいし、複数の装置群で実現されてもよい。

また、上述した実施形態の情報処理システム１で実行されるプログラムは、インストール可能な形式または実行可能な形式のファイルでＣＤ−ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ−Ｒ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）等のコンピュータで読み取り可能な記録媒体に記録して提供するように構成してもよいし、インターネット等のネットワーク経由で提供または配布するように構成してもよい。また、各種プログラムを、ＲＯＭ等に予め組み込んで提供するように構成してもよい。

１ 情報処理システム
１０ サーバ
１１ 業務データＤＢ
２０ 情報処理装置
３０ ネットワーク
２０１ 取得部
２０２ 推定部
２０３ 表示制御部
２０４ 選択部
２０５ 決定部
２０６ 切り替え部

特開２００８−２０１５６９号公報

Claims (10)

1. 作業に関する情報を示す業務データに基づいて、作業ミスの発生率と、検品作業を省略する比率を示す非検品率との対応関係を表す対応情報を推定する推定部と、
   前記対応情報に含まれる、前記作業ミスの発生率と、対応する前記非検品率との組のうちの何れかを選択する選択部と、を備える、
   情報処理システム。
2. 前記選択部により選択された組に基づいて、検品を実施するか否かの判定条件を決定する決定部をさらに備える、
   請求項１に記載の情報処理システム。
3. 前記判定条件に基づいて、検品を実施するか否かを切り替える制御を行う切り替え部をさらに備える、
   請求項２に記載の情報処理システム。
4. 前記作業はピッキング作業であり、
   前記作業ミスはピッキング作業ミスであり、
   前記業務データは、
   少なくとも、作業者情報と、対象物の種類と、対象物の数量と、を対応付けた情報である、
   請求項１乃至３のうちの何れか１項に記載の情報処理システム。
5. 前記推定部は、
   前記業務データを元にベイズ推定を用いて、複数の入力パラメータごとに前記作業ミスの発生率と前記非検品率を推定する、
   請求項４に記載の情報処理システム。
6. 前記推定部は、
   前記業務データを元に構築された学習モデルを用いて、複数の入力パラメータごとに前記作業ミスの発生率と前記非検品率を推定する、
   請求項４に記載の情報処理システム。
7. 前記入力パラメータは、少なくとも、作業者情報と、対象物の種類と、対象物の数量との組である、
   請求項５または６に記載の情報処理システム。
8. 前記推定部は、前記非検品率の代わりに、前記検品作業を実施する比率を示す検品率と、前記作業ミスの発生率との対応関係を表す対応情報を推定する、
   請求項１に記載の情報処理システム。
9. 作業に関する情報を示す業務データに基づいて、作業ミスの発生率と、検品作業を省略する比率を示す非検品率との対応関係を表す対応情報を推定する推定ステップと、
   前記対応情報に含まれる、前記作業ミスの発生率と、対応する前記非検品率との組のうちの何れかを選択する選択ステップと、を含む、
   情報処理方法。
10. コンピュータに、
    作業に関する情報を示す業務データに基づいて、作業ミスの発生率と、検品作業を省略する比率を示す非検品率との対応関係を表す対応情報を推定する推定ステップと、
    前記対応情報に含まれる、前記作業ミスの発生率と、対応する前記非検品率との組のうちの何れかを選択する選択ステップと、
    前記選択ステップにより選択された前記グラフ上の点を境界として、検品を実施するか否かの判定条件を決定する決定ステップと、を実行させるためのプログラム。

Images