JP2019067206A - 検出システム、検出方法及び検出プログラム - Google Patents

Abstract

【課題】ノウハウを容易に検出する。【解決手段】検出装置は、作業者による作業を測定した情報を取得する取得部を有する。また、検出装置は、作業を測定した情報から特定される第１の作業者による動作を、その他の第２の作業者による当該動作と比較する判定部を有する。さらに検出装置は、比較結果が所定の条件を満たす第１の作業者による動作を抽出する抽出部を有する。これにより、検出装置は、ノウハウの候補となる動作を抽出する。【選択図】図３

Description

本発明は、検出システム、検出方法及び検出プログラムに関する。

熟練作業者が経験的に体得した技能や暗黙知などのノウハウを特定する技術が知られている。例えば、上下水道施設を安全、安心かつ効率的に運用・管理するために必要なノウハウの蓄積と活用する運用ノウハウを自動抽出するプラント制御装置に関する技術が知られている。当該装置は、上下水道施設のプロセスデータの入出力等を行い、収集したすべてのデータを保存する。当該装置は、プロセスデータに基づいて対象データが上下水道処理プロセスのどのプロセスであるかを判別し、上下水道処理プロセスのどのプロセスかという情報からデータ間の相関関係を解析する。当該装置は、データ間の相関関係からデータ間における変動またはそれに関する制御目標値を設定し、操作に関するノウハウおよび知識を含む前記プロセスデータをデータの範囲ごとに分類することにより抽出する。

また、視聴希望場面を効率的に得ることができる情報収集装置に関する技術も知られている。当該装置は、料理番組のようなノウハウ紹介番組における出演者の発言の中から、視聴者が予め選択した「今日のポイント」のようなキーフレーズをサーチする。当該装置は、キーフレーズが見つかると、キーフレーズ前後の数分間をノウハウ場面として編集して記憶する。

特開２００９−２９４７３１号公報 特開２００３−２７４３４０号公報

しかし、ノウハウは必ずしも数値で示すことができるとは限らない。上記技術においては、数値化できないノウハウを特定できない場合がある。また、熟練作業者自身も、何がノウハウに該当するかに気付いていない場合が多い。上記技術においては、ノウハウを特定する際に、予めキーフレーズを特定する必要があるため、熟練作業者自身が気づいていないノウハウを特定できない場合がある。すなわち、上記技術においては、ノウハウを特定することは容易ではなく、ノウハウの抽出は、熟練作業者自身やキーフレーズを特定する者の能力に依存することになる。

一つの側面では、ノウハウを容易に検出できる検出システム、検出方法及び検出プログラムを提供することを目的とする。

一つの態様において、検出装置は、作業者による作業を測定した情報を取得し、作業を測定した情報から特定される第１の作業者による動作を、その他の第２の作業者による当該動作と比較する。検出装置は、比較結果が所定の条件を満たす第１の作業者による動作を抽出する。

一つの態様によれば、ノウハウを容易に検出できる。

図１は、作業者による作業時間の比較の一例を示す図である。 図２は、検出対象の一例を示す図である。 図３は、実施例１における検出システムの一例を示す図である。 図４は、実施例１における動作ＤＢの一例を示す図である。 図５は、実施例１における条件ＤＢの一例を示す図である。 図６は、実施例１における作業者ＤＢの一例を示す図である。 図７は、実施例１における履歴ＤＢの一例を示す図である。 図８は、実施例１における候補ＤＢの一例を示す図である。 図９は、実施例１における結果画面の一例を示す図である。 図１０は、実施例１における検出処理の一例を示すフローチャートである。 図１１は、実施例２における検出システムの一例を示す図である。 図１２は、実施例２における条件ＤＢの一例を示す図である。 図１３は、実施例２における視線範囲分割の一例を示す図である。 図１４は、実施例２における視線停留割合の一例を示す図である。 図１５は、検出プログラムを実行するコンピュータの一例を示す図である。

以下に、本願の開示する検出システム、検出方法及び検出プログラムの実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。また、以下に示す各実施例は、矛盾を起こさない範囲で適宜組み合わせても良い。

本実施例における検出システム１は、例えば工場の製造ライン等に設置され、各製造ラインの作業者が行う動作の検知結果に基づいて動作情報を取得する。検出システム１は、例えば熟練者による動作に関する動作情報を取得し、熟練者以外のその他の作業者による当該動作に関する動作情報と比較する。そして、検出システム１は、比較結果に応じて、ノウハウの候補と考えられる動作を抽出してユーザに提示する。なお、本実施例において、熟練者は第１の作業者の一例であり、熟練者以外のその他の作業者は第２の作業者の一例である。

一般に、熟練者による動作を、その他の作業者による動作と比較した場合、図１に示すように、通常は熟練者による動作の方が動きに無駄がなく迅速で、短い時間で完了することが多い。図１は、作業者による作業時間の比較の一例を示す図である。図１のテーブル９０００は、同一の作業を初心者が行った場合と熟練者が行った場合における、全作業時間の比較を示す。なお、本実施例において、作業に含まれる、図１に示す「指示書準備」や「外観検査」などの作業を細分化した個別の動作を、単に「動作」と表記する場合がある。また、本実施例においては、動作情報として、個別の動作の開始のタイミングと終了のタイミングとにより特定される動作に要した時間を示す、動作時間を用いる例について説明する。

図１の符号９００９に示すように、全ての動作における作業時間を合計した全作業時間においては、初心者の場合は「６分５５秒」に対して熟練者の場合は「４分４１秒」と短い時間であることがわかる。しかし、熟練者の方が初心者よりも動作に時間をかけている場合がある。例えば、図１の符号９００１に示すように、「外観検査」の動作については、初心者は「２秒」で終了しているのに対し、熟練者は「１０秒」と時間を大きくとっている。この場合、熟練者は部品の異常の見落としを防ぐために、初心者よりも時間をかけて慎重に外観検査を行っている可能性がある。例えば、初心者は部品を上から目視しているだけであるような場合において、熟練者は部品を持ち上げて下からも目視したり、部品を回転させたりするなど、異常を見落とさないために初心者よりもより多くの手間をかけている場合がある。

また、１つの動作にかかる時間そのものは初心者による動作より短くとも、複数の動作を含む作業における全作業時間に占める、当該動作にかかる時間の割合が、初心者による当該割合よりも高い場合も考えられる。図１のテーブル９１００は、テーブル９０００に示す各動作の作業時間が全作業時間に占める割合を、初心者と熟練者とで比較するものである。なお、以下において、作業者の動作時間が、当該作業者の全作業時間に占める割合を「時間割合」と表記する場合がある。

例えば、図１の符号９１０２に示すように、「ラベル貼付」の動作時間は、初心者「２１秒」に対して熟練者「１９秒」と、熟練者の方が短い。しかし、全作業時間に占める「ラベル貼付」の時間割合は、初心者「５．１％」に対して熟練者「６．８％」と、熟練者の方が大きくなっている。この場合、例えば初心者はラベルを剥がしてそのまま部品に貼り付けるだけであるのに対し、熟練者は部品のラベル貼付箇所の埃を拭うなど、作業ミスを減らすために初心者よりも手間をかけている可能性がある。このように、単に動作時間に着目するだけではなく、時間割合も見ることで、見落としていたノウハウの候補を発見できる場合もある。

本実施例において検出対象とする作業者による動作について、図２を用いて説明する。図２は、検出対象の一例を示す図である。図２に示す作業者４１００は、例えばドライバ等の工具４００１を用いて、又は部品４０１１などの材料を用いて、製品の組み立て作業を行う。本実施例における検出システム１は、例えばカメラなどのセンサ５００ａを用いて、作業者４１００の動作に関する動作時間などの動作情報を取得する。

例えば、作業者４１００が部品４０１１を製品に取り付ける動作について動作時間を取得した場合、初心者による当該動作の動作時間よりも長い場合が考えられる。この場合において、当該動作を撮影した動画を検証する等により、初心者が部品４０１１をそのまま手を伸ばして取るのに対し、作業者４１００は一歩左に避けてから部品４０１１を取っていることが判明する場合がある。例えば、作業者４１００は、部品４０１１をそのまま取りに行くと、上からぶら下がっている工具４００１と部品４０１１とが衝突するおそれがあるため、工具４００１を避けようと無意識のうちに行動している場合がある。

このように、本実施例における検出システム１は、熟練者による動作時間などの動作情報を、初心者などのその他の作業者による動作情報と比較し、時間をより費やす動作等をノウハウの候補として抽出するので、ノウハウを容易に検出できる。

［システム構成］
次に、本実施例における検出システム１について、図３を用いて説明する。図３は、実施例１における検出システムの一例を示す図である。図３に示す検出システム１は、検出装置１００と、端末装置４００と、センサ５００ａ及び５００ｂとを有する。なお、以下において、センサ５００ａと５００ｂとを区別せずに表現する場合に、単に「センサ５００」と表記する場合がある。

本実施例において、検出装置１００は、端末装置４００及びセンサ５００と、無線又は有線の通信にて通信可能に接続される。なお、図３においては、端末装置４００を１台、センサ５００を２台含む検出システム１を示したが、実施の形態はこれに限られない。例えば、検出システム１が、複数の端末装置４００ａ乃至４００ｎ（ｎは２以上の任意の自然数）を含んでもよく、センサ５００を１つだけ含むような構成であってもよい。

図３に示す検出装置１００は、センサ５００が検知した作業者の動きに関する情報を取得して、熟練者の動作情報とその他の作業者の動作情報とを比較し、比較結果に基づいてノウハウの候補となる動作等を抽出する。検出装置１００は、工場の製造ラインに設定されてもよく、例えばデータセンタ等のように製造ラインとは異なる場所に設置されてもよい。

図３に示す端末装置４００は、検出装置１００から出力された提示情報を、図示しない検出装置１００のユーザに対して出力する装置である。端末装置４００は、例えば据置型のコンピュータであるが、これに限られず、スマートフォンなどの携帯可能な端末であってもよい。また、検出装置１００が液晶モニタ等の出力装置を備えるような構成であってもよい。

図３に示すセンサ５００は、作業者の動きを検知する装置であり、例えばカメラや加速度センサ、赤外線センサ等である。センサ５００は、例えば作業者を撮影し、撮影した映像を検出装置１００に出力する。また、センサ５００は、例えば図２に示すような作業者４１００が使用する工具４００１等に搭載され、作業者４１００の動きに伴う工具４００１等の移動を検知してもよい。さらに、センサ５００は、部品箱等に設置された重量センサや、作業者が操作するスイッチ等であってもよい。

［機能ブロック］
次に、本実施例における検出装置１００の機能ブロックについて、図３を用いて説明する。図３に示すように、本実施例における検出装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。

通信部１１０は、有線又は無線を問わず、端末装置４００、センサ５００など、その他のコンピュータ等との通信を制御する。通信部１１０は、例えばＮＩＣ（Network Interface Card）等の通信インタフェース等である。

記憶部１２０は、例えば制御部１３０が実行するプログラムなどの各種データなどを記憶する。また、記憶部１２０は、動作ＤＢ１２１、条件ＤＢ１２２、作業者ＤＢ１２３、履歴ＤＢ１２４及び候補ＤＢ１２５を有する。記憶部１２０は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリなどの半導体メモリ素子や、ＨＤＤ（Hard Disk Drive）などの記憶装置に対応する。

動作ＤＢ１２１は、各作業に含まれる動作に関する情報を記憶する。なお、動作ＤＢ１２１に記憶される情報は、例えば図示しない検出装置１００のユーザ又は図示しない外部のコンピュータにより入力され、また後に説明する更新部１３５により更新される。図４は、実施例１における動作ＤＢの一例を示す図である。図４に示すように、動作ＤＢ１２１は、例えば、「動作内容」と、「開始トリガ」及び「終了トリガ」と、「標準時間」及び「標準割合」とを、「動作ＩＤ」に対応付けて記憶する。

図４において、「動作ＩＤ」は、各作業に含まれる動作の種別を一意に識別する識別子（Identifier）を示す。「動作ＩＤ」において、冒頭の英字３文字は、作業を一意に識別する情報であり、続く２桁の数字は、当該作業における当該動作の順序を示す。すなわち、動作ＩＤの冒頭の英字３文字が共通する動作は、同じ作業に含まれる。

図４に示す例において、「動作内容」は、当該動作ＩＤにより識別される動作の内容を示す。「開始トリガ」及び「終了トリガ」は、後に説明する特定部１３２において、当該動作が開始されたと判定するトリガ、及び終了したと判定するトリガを記憶する。例えば、動作ＩＤ「ＡＡＡ−０２」は、「外観検査」に関する動作であり、作業者が「作業台から筐体を手に取る」動きを検知した時点で開始し、作業者が「筐体を作業台に戻す」動きを検知した時点で終了する。

図４に示す例において、「標準時間」は、当該動作に対応する標準的な作業者による動作時間を示し、「標準割合」は、当該標準時間が、動作に対応する標準的な作業者による全作業時間に占める割合を示す。例えば、動作ＩＤ「ＡＡＡ−０２」の標準時間は「２秒」であり、標準割合は「０．５％」であることが記憶される。

図３に戻って、条件ＤＢ１２２は、当該動作をノウハウの候補として抽出するか否かを判定するための条件を記憶する。図５は、実施例１における条件ＤＢの一例を示す図である。図５に示すように、本実施例における条件ＤＢ１２２は、「判定対象」と、「判定条件」とを対応付けて記憶する。なお、条件ＤＢ１２２に記憶される情報は、例えば図示しない検出装置１００のユーザ又は図示しない外部のコンピュータにより入力される。

図５において、「判定対象」は、動作時間や時間割合など、判定の対象とするパラメータを示す。「判定条件」は、当該パラメータについて、ノウハウの候補として抽出するか否かを判定するための条件を示す。図５に示す例においては、例えばある動作における熟練者の動作時間が、標準時間の「１０５％以上」であると判定された場合に、当該動作がノウハウの候補として抽出される。

図３に戻って、作業者ＤＢ１２３は、作業者ごとの熟練度を記憶する。図６は、実施例１における作業者ＤＢの一例を示す図である。図６に示すように、作業者ＤＢ１２３は、作業者の「氏名」及び「熟練度」を「作業者ＩＤ」に対応付けて記憶する。なお、作業者ＤＢ１２３に記憶される情報は、例えば図示しない検出装置１００のユーザ又は図示しない外部のコンピュータにより入力される。

図６に示す「作業者ＩＤ」は、作業者を一意に識別する識別子である。「氏名」は、当該作業者の氏名を、「熟練度」は、当該作業者の熟練度を、それぞれ記憶する。「熟練度」は、例えば「初心者」及び「熟練者」の二段階であるが、これに限られず、「標準的な作業者」などの他の段階を設けてもよく、また数値で示してもよい。

図３に戻って、履歴ＤＢ１２４は、特定された動作情報を記憶する。図７は、実施例１における履歴ＤＢの一例を示す図である。図７に示すように、履歴ＤＢ１２４は、「作業者ＩＤ」と、「動作ＩＤ」と、「開始時刻」及び「終了時刻」と、「動作時間」及び「時間割合」と、その他の動作情報とを対応付けて記憶する。なお、履歴ＤＢ１２４に記憶される情報は、特定部１３２により入力される。

図３に戻って、候補ＤＢ１２５は、ノウハウの候補として特定された動作に関する情報を記憶する。図８は、実施例１における候補ＤＢの一例を示す図である。図８に示すように、候補ＤＢ１２５は、「作業者ＩＤ」と「動作ＩＤ」とを対応付けて記憶する。なお、候補ＤＢ１２５に記憶される情報は、後に説明する判定部１３３により入力される。

図３に戻って、制御部１３０は、検出装置１００の全体的な処理を司る処理部である。制御部１３０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、内部の記憶装置に記憶されているプログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現されるようにしてもよい。

制御部１３０は、取得部１３１、特定部１３２、判定部１３３、抽出部１３４及び更新部１３５を有する。なお、取得部１３１、特定部１３２、判定部１３３、抽出部１３４及び更新部１３５は、プロセッサが有する電子回路の一例やプロセッサが実行するプロセスの一例である。

取得部１３１は、動作を特定する情報を取得する。取得部１３１は、例えば、通信部１１０を通じて、センサ５００から、動作を特定する情報として、カメラにより撮影された作業者の動作の画像データなどを取得する。取得部１３１は、取得した情報を、特定部１３２に出力する。なお、以下において、取得部１３１が取得する動作を特定する情報を、「センサデータ」と表記する場合がある。

特定部１３２は、センサデータを用いて、動作時間及び時間割合を特定する。特定部１３２は、動作ＤＢ１２１を参照し、例えば、画像データなどのセンサデータを公知の画像処理技術を用いて解析し、開始トリガ及び終了トリガに該当する動きを検知する。

特定部１３２は、センサデータから開始トリガに該当する動きを検知すると、検知した動作開始時刻を履歴ＤＢ１２４に記憶する。また、特定部１３２は、当該動作の終了トリガに該当する動きをセンサデータから検知すると、検知した動作終了時刻から動作開始時刻を差し引いて動作時間を算出する。さらに、特定部１３２は、全作業時間を特定すると、動作時間の全作業時間に占める時間割合を算出する。そして、特定部１３２は、検知した動作終了時刻並びに算出した動作時間及び時間割合を、履歴ＤＢ１２４に記憶する。

判定部１３３は、検知された動作が、ノウハウの候補となるか否かを判定する。判定部１３３は、動作ＤＢ１２１を参照し、履歴ＤＢ１２４に記憶された動作時間及び時間割合が、条件ＤＢ１２２に記憶された判定条件に該当するか否かを判定する。判定部１３３は、動作時間又は時間割合が判定条件に該当すると判定した場合、当該動作に関する動作ＩＤ及び作業者ＩＤを、ノウハウの候補に関する情報として候補ＤＢ１２５に記憶する。なお、判定部１３３は、比較部の一例である。

抽出部１３４は、ノウハウの候補に関する情報を抽出して出力する。例えば、抽出部１３４は、候補ＤＢ１２５に記憶された動作ＩＤ及び作業者ＩＤを抽出して、図９に示すような結果画面を出力する。図９は、実施例１における結果画面の一例を示す図である。図９に示すように、結果画面８０００は、ノウハウの候補として抽出された動作の動作内容と、判定結果とを含む情報８１００を含む。これにより、検出装置１００のユーザに対して、作業者が有するノウハウが含まれる動作の候補を提示することができる。

更新部１３５は、取得された動作情報を用いて、動作ＤＢ１２１を更新する。更新部１３５は、作業者ＤＢ１２３に記憶された作業者の熟練度と、履歴ＤＢ１２４に記憶された動作時間及び時間割合とを用いて、標準時間及び標準割合を算出し、動作ＤＢ１２１に記憶する。

［処理の流れ］
次に、本実施例における処理について、図１０を用いて説明する。図１０は、実施例１における検出処理の一例を示すフローチャートである。図１０に示すように、検出装置１００の取得部１３１は、例えば図示しない操作部又は通信部１１０を通じて、図示しないユーザから開始指示を受け付けるまで待機する（Ｓ１００：Ｎｏ）。

取得部１３１は、開始指示を受け付けたと判定した場合（Ｓ１００：Ｙｅｓ）、通信部１１０を通じて、センサ５００からセンサデータの取得を開始し、取得したセンサデータを特定部１３２に出力する（Ｓ１０１）。特定部１３２は、出力されたセンサデータを用いて、作業者による動作の開始を認識し、動作開始時刻を履歴ＤＢ１２４に記憶する（Ｓ１０２）。その後、特定部１３２は、出力されたセンサデータを用いて、作業者による動作の終了を認識するまで待機する（Ｓ１１０：Ｎｏ）。

特定部１３２は、作業者による動作の終了を認識すると（Ｓ１１０：Ｙｅｓ）、動作の終了の時刻から動作の開始の時刻を差し引くことにより、動作時間Ｔを特定し、履歴ＤＢ１２４に記憶する。次に、判定部１３３は、履歴ＤＢ１２４、条件ＤＢ１２２及び動作ＤＢ１２１を参照し、当該動作時間Ｔが判定条件に該当するか否かを判定する（Ｓ１１１）。

判定部１３３は、動作時間Ｔが判定条件に該当すると判定した場合（Ｓ１１１：Ｙｅｓ）、当該動作をノウハウとして特定し、候補ＤＢ１２５に記憶して（Ｓ１１２）、Ｓ１２０に移行する。一方、判定部１３３は、動作時間Ｔが判定条件に該当しないと判定した場合（Ｓ１１１：Ｎｏ）、Ｓ１２０に移行する。

次に、判定部１３３は、全ての動作が終了したか否かを判定する（Ｓ１２０）。抽出部１３４は、全ての動作が終了していないと判定した場合（Ｓ１２０：Ｎｏ）、Ｓ１０２に戻って処理を繰り返す。一方、抽出部１３４は、全ての動作が終了したと判定された場合（Ｓ１２０：Ｙｅｓ）、候補ＤＢ１２５に記憶された動作を、ノウハウの候補として出力し（Ｓ１９９）、処理を終了する。

［効果］
以上説明したように、本実施例における検出装置１００は、作業者による作業を測定した情報を取得し、作業を測定した情報から特定される第１の作業者による動作を、その他の第２の作業者による当該動作と比較する。検出装置１００は、比較結果が所定の条件を満たす第１の作業者による動作を抽出する。これにより、検出装置１００は、個人の能力に依存することなく、ノウハウを容易に検出できる。

また、本実施例における検出装置１００は、作業を測定した情報を用いて、作業を細分化した動作の開始及び終了を特定する。検出装置１００は、特定された動作の開始及び終了により求められる第１の作業者による動作の所要時間と、第２の作業者による当該動作の所要時間とを比較し、比較結果が所定の閾値以上となる動作を抽出する。これにより、検出装置１００は、動作時間のような定量的な情報を用いてノウハウを特定できる。

さらに、本実施例における検出装置１００は、第１の作業者による動作の所要時間が第１の作業者による作業の所要時間全体に占める割合と、第２の作業者による当該動作の所要時間が第２の作業者による作業の所要時間全体に占める割合とを比較する。検出装置１００は、比較結果が所定の閾値以上となる動作を抽出する。これにより、検出装置１００は、通常よりも動作時間が短い熟練者の動作についても、ノウハウの検出漏れを抑制できる。

上記実施例では、作業者の動作時間に基づいてノウハウの候補となる動作を抽出していたが、実施の形態はこれに限られない。例えば、作業者の手の移動量や視線が注視する場所などを検出することにより、より具体的なノウハウを特定できる場合がある。

例えば、熟練者の動作は、初心者に比べると無駄がなく、動きが小さくなる場合が多いが、何らかの理由で、熟練者の方が初心者よりも手の動きが大きくなる場合もある。上で述べたように、熟練者が、例えば図２に示す工具４００１との衝突を避けるために迂回して部品４０１１を取得するような場合、熟練者の手の移動量は、その他の作業者の手の作業量よりも大きくなることがある。

また、熟練者が同じような動きを繰り返すような場合もある。例えば、部品の異常の見落としを防ぐために部品を３６０度の各方向から目視しようとする場合、熟練者は部品を回転させる作業を繰り返すことがある。

さらに、熟練者が、作業台のある一点を注視していたり、逆に広範囲に視線を移動させていたりする場合にも、熟練者が身につけたノウハウに基づいて、無意識のうちに視線を動かしていることが想定できる。そこで、本実施例においては、作業者の手の移動量や視線にさらに着目して、ノウハウの候補となる動作を抽出する構成について説明する。

［機能ブロック］
本実施例における検出システムについて、図１１を用いて説明する。図１１は、実施例２における検出システムの一例を示す図である。なお、以下の実施例において、先に説明した図面に示す部位と同一の部位には同一の符号を付し、重複する説明は省略する。図１１に示す検出システム２は、検出装置２００と、端末装置４００と、カメラ５００ｃと、加速度センサ５００ｄと、視線センサ５００ｅとを有する。なお、以下において、カメラ５００ｃと、加速度センサ５００ｄと、視線センサ５００ｅとを区別せずに表現する場合に、単に「センサ５００」と表記する場合がある。

本実施例におけるカメラ５００ｃは、例えば作業者を撮影し、撮影した映像を検出装置２００に出力する。加速度センサ５００ｄは、作業者の手や頭、足などの動きを検知し、検知結果を検出装置２００に出力する。加速度センサ５００ｄは、例えば図２に示すような作業者が使用する工具４００１等に搭載されてもよく、また作業者自身が装着するような構成であってもよい。視線センサ５００ｅは、作業者の視線の動きを検知し、検知結果を検出装置２００に出力する。

次に、本実施例における検出装置２００は、通信部１１０と、記憶部２２０と、制御部２３０とを有する。記憶部２２０は、例えば制御部２３０が実行するプログラムなどの各種データなどを記憶する。また、記憶部２２０は、動作ＤＢ２２１、条件ＤＢ２２２、作業者ＤＢ１２３、履歴ＤＢ２２４及び候補ＤＢ１２５を有する。記憶部２２０は、ＲＡＭ、ＲＯＭ、フラッシュメモリなどの半導体メモリ素子や、ＨＤＤ（Hard Disk Drive）などの記憶装置に対応する。

本実施例における動作ＤＢ２２１は、図４に示すような項目に加えて、手の移動量や視線の動き等、その他の動作情報に関する標準的な作業者による動作における数値の項目をさらに有する。

本実施例における条件ＤＢ２２２は、図５に示すようなレコードに加えて、手の移動量や視線の動き等、その他の動作情報に関する標準的な数値に関する項目をさらに有する。図１２は、実施例２における条件ＤＢの一例を示す図である。図１２に示すように、条件ＤＢ２２２は、判定対象として「手の移動量」や「視線」などをさらに含み、対応する判定条件をさらに記憶する。なお、条件ＤＢ２２２は、「手の移動量」に関する判定条件として、標準割合と比較する際の閾値に加えて、例えば同一の作業を何回以上繰り返す等の条件をさらに記憶してもよい。また、条件ＤＢ２２２は、「視線」に関する判定条件として、標準割合と比較する際の閾値に加えて、例えば後に説明する同一範囲を見る時間の割合等の条件をさらに記憶してもよい。

本実施例における履歴ＤＢ２２４は、図７に示すような項目に加えて、その他の動作情報として「手の移動量」や「視線」等の検知結果に関する項目をさらに有する。

次に、制御部２３０は、検出装置２００の全体的な処理を司る処理部である。制御部２３０は、例えば、ＣＰＵやＭＰＵ等によって、内部の記憶装置に記憶されているプログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部２３０は、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現されるようにしてもよい。

制御部２３０は、取得部２３１、特定部２３２、判定部２３３、抽出部１３４及び更新部１３５を有する。なお、取得部２３１、特定部２３２及び判定部２３３は、プロセッサが有する電子回路の一例やプロセッサが実行するプロセスの一例である。

本実施例における取得部２３１は、動作を特定する情報として、カメラ５００ｃにより取得された画像データ等に加えて、加速度センサ５００ｄにより取得された加速度データや、視線センサ５００ｅにより取得された視線データ等をさらに取得する。取得部２３１は、取得したセンサデータを、特定部２３２に出力する。

特定部２３２は、センサデータを用いて、動作時間及び時間割合に加えて、さらに手の移動量や視線の動きを特定する。特定部２３２は、例えば動作時間中における加速度データを集計して、作業者の手の移動量を算出する。また、特定部２３２は、視点の移動に関する情報として、例えば動作時間中における作業者の視点データを集計して、作業者の視線の移動量を算出する。また、特定部２３２は、例えば動作時間中における作業者の視点の停留度合を集計する。そして、特定部２３２は、集計した手の移動量及び視点の移動に関する情報を、履歴ＤＢ２２４に記憶する。

本実施例における視線検知処理について、図１３及び図１４を用いて説明する。図１３は、実施例２における視線範囲分割の一例を示す図である。本実施例において、特定部２３２は、図１３に示すように、動作中に作業者の視線が向いている位置を、符号８１００に示すように１から９までの複数の範囲に分割し、視線センサ５００ｅにより検知される作業者の視線がどの範囲にあるかを特定する。

そして、特定部２３２は、動作中における作業者の視線の各範囲における停留時間を集計する。図１４は、実施例２における視線停留割合の一例を示す図である。図１４に示すように、特定部２３２は、符号８１００に示す１から９までの範囲ごとに、作業者の視線が各範囲を向いている時間の割合８２００を算出する。

判定部２３３は、動作ＤＢ１２１を参照し、履歴ＤＢ１２４に記憶された動作時間及び時間割合に加えて、手の移動量及び視線の移動が、条件ＤＢ２２２に記憶された判定条件に該当するか否かを判定する。判定部２３３は、判定条件に該当すると判定した場合、当該動作に関する動作ＩＤ及び作業者ＩＤを、ノウハウの候補に関する情報として候補ＤＢ１２５に記憶する。

［処理の流れ］
本実施例における処理は、図１０に示すフローチャートに基づいて進められる。例えば、Ｓ１０１において、取得部２３１は、センサデータとして、画像データに加えて、加速度データや視線データを合わせて取得する。また、Ｓ１１１において、判定部２３３は、動作時間及び時間割合に関する判定条件に加えて、手の移動量や視線に関する判定条件についても合わせて判定する。

［効果］
以上説明したように、本実施例における検出装置２００は、作業者による手の移動量を、作業者による作業を測定した情報として取得し、第１の作業者による動作における手の移動量と、第２の作業者による当該動作における手の移動量とを比較する。検出装置２００は、比較結果が所定の閾値以上となる動作を抽出する。また、本実施例における検出装置２００は、作業者による視線の移動量を、作業者による作業を測定した情報として取得する。検出装置２００は、第１の作業者による動作における視線が特定の範囲に滞留する時間が動作の所要時間全体に占める割合と、第２の作業者による当該動作における視線が当該特定の範囲に滞留する時間が当該動作の所要時間全体に占める割合とを比較する。検出装置２００は、比較結果が所定の閾値以上となる動作を抽出する。これにより、検出装置２００は、動作時間に加えて、手の移動量や視線の滞留度合といった定量的な情報をさらに用いてノウハウを特定できるので、より精度よくノウハウを容易に検出できる。

さて、これまで本発明の実施例について説明したが、本発明は上述した実施例以外にも、種々の異なる形態にて実施されてよいものである。例えば、検出装置２００は、作業者による動作の所要時間及び当該所要時間が当該作業者による作業の所要時間全体に占める割合、並びに作業者による手の移動量及び視線の移動量のうち複数の情報を用いて動作を比較してもよい。これにより、より精度よくノウハウを検出することができる。

また、検出装置１００の特定部１３２が動作の開始や終了を特定するタイミングは一例であり、例えば工具に取り付けられたコードの伸縮度合いが所定の閾値以上となったことが検出された場合等であってもよい。また、作業者が部品箱等に設置された所定のスイッチを操作した場合や、重量センサにおいて部品が設置されたことが検出された場合など、動作の開始トリガや終了トリガは任意に設定することができる。

また、特定部１３２が、センサ５００から取得された動作に関する情報を用いて、動作の種別、並びに動作の開始のタイミング及び終了のタイミングを特定する構成について説明したが、実施の形態はこれに限られない。例えば、センサ５００が、動作の種別、並びに動作の開始のタイミング及び終了のタイミングを特定し、特定された動作に関する情報を検出装置１００に出力するような構成であってもよい。

また、上記実施例では、一人の熟練者の動作からノウハウの候補を抽出する例について説明したが、これに限られず、複数の熟練者の動作情報を取得して、ノウハウの候補を抽出してもよい。例えば、熟練者が同じ動きを繰り返すような場合に限られず、複数の熟練者が同様の動きをしていて、かつ初心者は同様の動きをしないような場合に、当該動作をノウハウの候補として抽出してもよい。この場合、検出装置２００は、複数の熟練者から取得された手の移動量が相互に似ているか否かをさらに判定してもよい。同様に、検出装置２００は、複数の熟練者から取得された動作時間や時間割合、視線の動きなどが相互に似ているか否かをさらに判定してもよい。

［システム］
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散や統合の具体的形態は図示のものに限られない。つまり、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。さらに、各装置にて行なわれる各処理機能は、その全部または任意の一部が、ＣＰＵおよび当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。

また、上記の検出装置１００は、外部のセンサ５００から作業者の動作に関する情報を取得するが、これに限られず、検出装置１００がカメラ５００ｃや加速度センサ５００ｄなどのセンサを有するような構成であってもよい。

次に、上記実施例に示した検出装置１００と同様の機能を実現する検出プログラムを実行するコンピュータの一例について説明する。図１５は、検出プログラムを実行するコンピュータの一例を示す図である。なお、以下においては実施例１における検出装置１００について説明するが、実施例２における検出装置２００についても、同様の構成により実現できる。

図１５に示すように、コンピュータ３００は、各種演算処理を実行するＣＰＵ３０１と、ユーザからのデータの入力を受け付ける入力装置３０２と、ディスプレイ３０３とを有する。また、コンピュータ３００は、記憶媒体からプログラム等を読み取る読み取り装置３０４と、ネットワークを介して他のコンピュータとの間でデータの授受を行うインタフェース装置３０５と、カメラ３０６と、距離センサ３０７とを有する。また、コンピュータ３００は、各種情報を一時記憶するＲＡＭ３０８と、ハードディスク装置３０９とを有する。そして、各装置３０１〜３０９は、バス３１０に接続される。

ハードディスク装置３０９は、検出プログラム３０９ａを有する。ＣＰＵ３０１は、検出プログラム３０９ａを読み出してＲＡＭ３０８に展開する。

検出プログラム３０９ａは、検出プロセス３０８ａとして機能する検出プロセス３０８ａの処理は、取得部１３１、特定部１３２、判定部１３３、抽出部１３４及び更新部１３５の処理に対応する。

なお、検出プログラム３０９ａについては、必ずしも最初からハードディスク装置３０９に記憶させておかなくても良い。例えば、コンピュータ３００に挿入されるフレキシブルディスク（ＦＤ）、ＣＤ−ＲＯＭ、ＤＶＤディスク、光磁気ディスク、ＩＣカードなどの「可搬用の物理媒体」に各プログラムを記憶させておく。そして、コンピュータ３００が検出プログラム３０９ａを読み出して実行するようにしてもよい。

１、２ 検出システム
１００、２００ 検出装置
１１０ 通信部
１２０、２２０ 記憶部
１２１、２２１ 動作ＤＢ
１２２、２２２ 条件ＤＢ
１２３ 作業者ＤＢ
１２４、２２４ 履歴ＤＢ
１２５ 候補ＤＢ
１３０、２３０ 制御部
１３１、２３１ 取得部
１３２、２３２ 特定部
１３３、２３３ 判定部
１３４ 抽出部
１３５ 更新部
４００ 端末装置
５００ センサ

Claims (8)

1. 作業者による作業を測定した情報を取得する取得部と、
   前記作業を測定した情報から特定される第１の作業者による動作を、その他の第２の作業者による当該動作と比較する比較部と、
   前記動作の比較結果が所定の条件を満たす前記第１の作業者による動作を抽出する抽出部と
   を有する検出装置を含むことを特徴とする検出システム。
2. 前記作業を測定した情報を用いて、前記作業を細分化した動作の開始及び終了を特定する特定部をさらに含み、
   前記比較部は、特定された前記動作の開始及び終了により求められる前記第１の作業者による前記動作の所要時間と、前記第２の作業者による当該動作の所要時間とを比較し、
   前記抽出部は、前記動作の所要時間の比較結果が所定の閾値以上となる動作を抽出することを特徴とする請求項１に記載の検出システム。
3. 前記作業を測定した情報を用いて、前記作業を細分化した動作の開始及び終了を特定する特定部をさらに含み、
   前記比較部は、特定された前記動作の開始及び終了により求められる前記第１の作業者による前記動作の所要時間が前記第１の作業者による前記作業の所要時間全体に占める割合と、前記第２の作業者による当該動作の所要時間が前記第２の作業者による前記作業の所要時間全体に占める割合とを比較し、
   前記抽出部は、前記作業の所要時間全体に占める割合の比較結果が所定の閾値以上となる動作を抽出することを特徴とする請求項１に記載の検出システム。
4. 前記取得部は、前記作業者による手の移動量を、前記作業者による作業を測定した情報として取得し、
   前記比較部は、前記第１の作業者による動作における手の移動量と、前記第２の作業者による当該動作における手の移動量とを比較し、
   前記抽出部は、前記手の移動量の比較結果が所定の閾値以上となる動作を抽出することを特徴とする請求項１乃至３のいずれか１つに記載の検出システム。
5. 前記取得部は、前記作業者による視線の移動量を、前記作業者による作業を測定した情報として取得し、
   前記比較部は、前記第１の作業者による前記動作における前記視線が特定の範囲に滞留する時間が前記動作の所要時間全体に占める割合と、前記第２の作業者による当該動作における前記視線が当該特定の範囲に滞留する時間が当該動作の所要時間全体に占める割合とを比較し、
   前記抽出部は、前記視線が特定の範囲に滞留する時間の比較結果が所定の閾値以上となる動作を抽出することを特徴とする請求項１乃至４のいずれか１つに記載の検出システム。
6. 前記比較部は、前記第１の作業者による前記動作の所要時間、前記第１の作業者による前記動作の所要時間が前記第１の作業者による前記作業の所要時間全体に占める割合、前記作業者による手の移動量及び前記作業者による視線の移動量のうち複数の情報を用いて、第１の作業者による動作を、第２の作業者による当該動作と比較することを特徴とする請求項１乃至５のいずれか１つに記載の検出システム。
7. コンピュータが、
   作業者による作業を測定した情報を取得し、
   前記作業を測定した情報から特定される第１の作業者による動作を、その他の第２の作業者による当該動作と比較し、
   前記動作の比較結果が所定の条件を満たす前記第１の作業者による動作を抽出する
   処理を実行する検出方法。
8. コンピュータに、
   作業者による作業を測定した情報を取得し、
   前記作業を測定した情報から特定される第１の作業者による動作を、その他の第２の作業者による当該動作と比較し、
   前記動作の比較結果が所定の条件を満たす前記第１の作業者による動作を抽出する
   処理を実行させる検出プログラム。

Images