JP2021060899A - 作業者管理装置、及び作業者管理方法 - Google Patents

Abstract

【課題】作業者の状態を精度よく判定するために必要な多くの情報を効率よく確実に取得して作業者の状態を精度よく判定する。【解決手段】作業者管理装置は、作業者の情報を取得するセンサ装置、及び現場装置と通信可能に接続し、センサデータを機械学習モデルに入力して所定時点の作業者の状態を推定し、推定した状態に基づき現場装置への発報要否を判定し、発報要と判定した場合は、作業者に発報する情報である発報情報を生成して現場装置に送信するとともに、所定時点における作業者の実際の状態を現場装置から取得し、発報不要と判定した場合は、推定した作業者の状態に基づき実際の状態の問い合せ要否を判定し、問い合せ要と判定した場合に、実際の状態を問い合せる情報を生成して現場装置に送信して実際の状態を現場装置から取得し、取得した実際の状態を学習データとして機械学習モデルを学習する。【選択図】図３

Description

本発明は、作業者管理装置、及び作業者管理方法に関する。

作業現場における作業不良や事故の発生を未然に防ぐこと等を目的として、作業中の作業者の状態を管理するための様々な仕組みが提案されている。

例えば、特許文献１には、作業者の認証情報や生体情報、作業内容を用いて作業者の作業の適正度を判定する作業適正度判定システムが開示されている。作業適正度判定システムは、作業者が作業を行っている間、作業者を特定する情報と、生体情報と、作業情報と、時刻情報とを関連付けて記録し、過去の作業情報の時間推移と生体情報の時間推移との相関関係に基づき現在の作業者の生体情報を推定し、推定された生体情報と、実際の生体情報とを比較することで、現在の作業者の作業の適正度を判定し、作業の適正度が適切でない場合は警告を行って作業不良を未然に防止する。

また特許文献２には、管理者の経験や勘に頼ることなく作業者の状態を常に的確に把握することを目的として構成された作業管理装置が開示されている。作業管理装置は、作業中の作業者の活動状態を表す情報を取得し、取得された活動状態を表す情報を一次指標とし、当該一次指標と、作業者の活動状態と作業者の感情及び認知能力との関係性を表す第１の学習データとに基づき作業者の作業中における感情及び認知能力をそれぞれ推定し、推定された感情及び認知能力を二次指標とし、当該二次指標と、作業者の感情及び認知能力と前記作業者の作業に対するパフォーマンスとの関係性を表す第２の学習データとに基づき作業者の作業に対するパフォーマンスを推定する。

特開２０１８−１４０１６２号公報 特開２０１８−１４２２５９号公報

ところで、作業中の作業者が所定の時点において作業不良を起こしやすい状態（緊張、疲労、入眠、熱中症等）にあったことは、通常は作業者本人や作業者を監督する監督者が最も明確に認識している。そのため、作業中の作業者が作業不良を起こしやすい状態であるか否かを機械学習モデルにより精度よく自動的に判定するには、作業者や監督者が把握している情報を学習データとして用いることが有効である。また作業不良を起こしやすい状態にあった時点における作業者の状態だけでなく、作業不良を起こしやすい状態までには至らない時点における情報についても学習データとして利用することで、作業者の状態の判定精度をより向上させることができる。

特許文献１には、過去の作業情報の時間推移と生体情報の時間推移との相関関係に基づき現在の作業者の生体情報を推定することが記載されている。しかし同文献には、作業者の状態について作業者本人や作業者を監督する監督者が評価した結果を収集する仕組みについては何も開示されていない。

特許文献２に記載の作業管理装置は、作業中の作業者の活動状態を表す情報を取得し、取得された活動状態を表す情報と、作業者の活動状態と作業者の感情及び認知能力との関
係性を表す学習データとに基づき、作業者の作業中における感情及び認知能力を夫々推定する。しかし作業者の感情の入力は作業者本人が自発的に行う必要があり、有用な情報を取りこぼしてしまう可能性がある。

本発明は、こうした背景に鑑みてなされたものであり、作業者の状態を精度よく判定するために必要な多くの情報を効率よく確実に取得して作業者の状態を精度よく判定することが可能な、作業者管理装置、及び作業者管理方法を提供することを目的とする。

上記目的を達成するための本発明の一つは、作業者管理装置であって、情報処理装置を用いて構成され、作業現場で作業を行う作業者の情報を取得するセンサ装置、及び前記作業者が操作する現場装置と通信可能に接続し、前記センサ装置により取得されたデータであるセンサデータを機械学習モデルに入力することにより所定時点における前記作業者の状態を推定し、推定した前記状態に基づき前記現場装置への発報要否を判定し、前記判定により発報要と判定した場合は、前記作業者に発報する情報である発報情報を生成して前記現場装置に送信するとともに、前記所定時点における前記作業者の実際の状態を前記現場装置から取得し、前記判定により発報不要と判定した場合は、推定した前記作業者の状態に基づき前記実際の状態の問い合せ要否を判定し、問い合せ要と判定した場合に、前記実際の状態を問い合せるための情報である問い合せ情報を生成して前記現場装置に送信することにより、前記実際の状態を前記現場装置から取得し、取得した前記実際の状態を学習データとして前記機械学習モデルを学習する。

その他、本願が開示する課題、及びその解決方法は、発明を実施するための形態の欄、及び図面により明らかにされる。

本発明によれば、作業者の状態を精度よく判定するために必要な多くの情報を効率よく確実に取得して作業者の状態を精度よく判定することができる。

作業者管理システムの概略的な構成を示す図である。 作業者管理システムを構成する各種情報処理装置のハードウェア構成例である。 作業者管理装置が備える主な機能を説明する図である。 作業者管理処理を説明するシーケンス図である。 作業者管理処理を説明するシーケンス図である。 作業者状態判定処理を説明するフローチャートである。 発報情報生成処理を説明するフローチャートである。 発報＆回答取得処理を説明するフローチャートである。 問い合せ要否判定処理を説明するフローチャートである。 問い合せ処理を説明するフローチャートである。 モデル更新処理を説明するフローチャートである。 作業者情報ＴＢＬの例である。 発報／問い合せ情報管理ＴＢＬの例である。 作業者状態ＴＢＬの例である。 回答重み付けＴＢＬの例である。 発報＆状態回答画面の例である。 モデル更新情報設定画面の例である。

以下、実施形態について図面を参照しつつ説明する。以下の説明において、同一の又は類似する機能を有する構成について同一の符号を付して重複する説明を省略することがある。また以下の説明において、符号の前に付した「Ｓ」の文字は処理ステップを意味する。また以下の説明において、データベースのテーブルのことを「ＴＢＬ」と表記することがある。

図１に一実施形態として示す情報処理システム（以下、「作業者管理システム１」と称する。）の概略的な構成を示している。同図に示すように、作業者管理システム１は、作業現場７で作業を行う作業者２に関する情報を取得するセンサ装置３と、データ収集装置２０、現場装置３０、及び作業者管理装置１００を含む。

データ収集装置２０、現場装置３０、及び作業者管理装置１００は、いずれも情報処理装置（コンピュータ）を用いて構成される。作業者管理装置１００は、データ収集装置２０及び現場装置３０と通信ネットワーク５を介して通信可能に接続する。通信ネットワーク５は、例えば、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）、イン
ターネット、専用線等である。

センサ装置３は、例えば、作業者２によって所持（着用を含む）もしくは作業現場７の所定位置に設けられる。一人の作業者２が複数のセンサ装置３を所持してもよい。センサ装置３は、データ収集装置２０と無線又は有線方式の通信手段（Ｚｉｇｂｅｅ（登録録商標）やＢＬＥ（Bluetooth Low Energy）、ＷｉＦｉ、携帯電話網（モバイルネットワーク）、ＩＥＥＥ８０２．１規格、Ａｎｔ＋等）により通信可能に接続されている。センサ装置３は、作業者２の状態の判定（推定）に用いる情報（以下、「センサデータ」と称する。）を取得し、取得したセンサデータをデータ収集装置２０に送信する。センサデータは、例えば、センサ装置３により取得されたデータ（計測値等）と当該データを取得した日時を特定する情報とを含む時系列データである。

センサ装置３の例として、作業者２の現在位置を取得する位置情報取得装置（ＧＰＳ（Global Positioning System）信号を利用するもの、無線ＬＡＮの基地局の位置情報を利
用するもの、電磁波の位相差を利用して位置計測を行うもの、トータルステーション等）、撮影装置（カメラ）、作業者２の生体情報（心拍数、歩数、発汗量、血圧、呼吸数等）を取得する装置（リストバンド型活動量計、作業者２の加速度を計測する名札型センサ等）、作業者２の作業内容や所要時間を取得する各種業務システム（Github、Redmine、ServiceNow、メール収集システム等）等がある。

現場装置３０は、作業現場７もしくは作業現場７の様子を確認可能な場所に設置されたパーソナルコンピュータ等の装置でもよいし、例えば、作業者２や監督者４が携帯する情報端末（スマートフォン、タブレット、携帯電話機、ノートブック型コンピュータ等）であってもよい。また現場装置３０が、データ収集装置２０やセンサ装置３の機能を備えていてもよい。

作業現場７（もしくは作業現場７の様子を確認可能な場所）には、作業者２の作業を監督する監督者４（ミスが業務に多大な影響を与える定型業務等の二重チェックが必要な業務において作業者２が行った作業の確認を行う者等）が存在する。作業者２や監督者４は一人でもよいし複数人でもよい。

データ収集装置２０は、センサ装置３から送られてくるセンサデータを受信し、受信したセンサデータを通信ネットワーク５を介して作業者管理装置１００に転送する。上記の転送に際し、データ収集装置２０が、例えば、データフォーマット等の形式的な変換処理や統計処理（集計処理等）を行ってもよい。データ収集装置２０の例として、リストバン
ド型活動量計のメーカが提供するクラウド、リストバンド型活動量計又は名札型センサが送信する電波を収集可能な端末装置等がある。

作業者管理装置１００は、例えば、企業等の組織において作業者２の状態の管理業務を行う部門により運用される。作業者管理装置１００は、データ収集装置２０から送られてくるセンサデータに基づき作業者２の状態（緊張、疲労、入眠、熱中症等）に関する情報（状態を示す情報、状態の可能性を示す情報）を生成し、生成した情報を通信ネットワーク５を介して現場装置３０に送信し、作業者２や監督者４に注意喚起等を促す。作業者管理装置１００は、データ収集装置２０から送られてくるセンサデータに基づき、作業者２の状態と当該作業者２が当該状態にある可能性を機械学習モデル（以下、「判定モデル」と称する。）を用いて判定する。

また作業者管理装置１００は、上記判定結果（以下、「作業者状態情報」と称する。）に基づき、作業者２が作業不良を起こし易い状態にあるか否かを判定する。作業者２が作業不良を起こし易い状態にあると判定した場合、作業者管理装置１００は、作業者２又は監督者４への通知（以下、「発報」と称する。）が必要であると判定し、判定した作業者２の状態や作業者２が判定した各状態にある可能性等の情報（以下、「発報情報」と称する。）を生成して現場装置３０に送信する。また作業者管理装置１００は、作業者２又は監督者４が入力した、作業者２の実際の状態を示す情報を含む情報（以下、「回答情報」と称する。）を現場装置３０から受信し、受信した回答情報を学習データとして用いて判定モデルの学習を行う。

また作業者管理装置１００は、判定モデルにより作業者２が作業不良を起こし易い状態になく、発報する必要がないと判定する場合でも、判定モデルによる作業者２の状態の特定が難しいと判定する場合（判定モデルが、可能性が同程度の、作業に相応しくない複数の状態を出力する場合等）、現場装置３０を介して、作業者２又は監督者４に回答情報の問い合せを行い、それにより取得した回答情報を用いて判定モデルの学習を行う。このように、作業者管理装置１００は、作業者２が作業不良を起こし易い状態にないと判定して発報情報を現場装置３０に送信しない場合でも、作業者２の状態の特定が難しい場合は回答情報の問い合せを行って回答情報を取得し、取得した回答情報を用いて判定モデルの学習を行うので、判定モデルの判定精度を高めることができる。

図２は、作業者管理装置１００、データ収集装置２０、及び現場装置３０を実現する情報処理装置のハードウェア構成例である。同図に示すように、例示する情報処理装置１０は、プロセッサ１１、主記憶装置１２、補助記憶装置１３、入力装置１４、出力装置１５、及び通信装置１６を備える。尚、情報処理装置１０は、例えば、クラウドシステム（Cloud System）により提供されるクラウドサーバ（Cloud Server）のように仮想的な情報処理資源を用いて実現されるものであってもよい。また作業者管理装置１００、データ収集装置２０、及び現場装置３０は、いずれも複数の情報処理装置１０を用いて構成してもよい。また例えば、作業者管理装置１００、データ収集装置２０、及び現場装置３０の２つ以上を共通の情報処理装置により実現してもよい。

プロセッサ１１は、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＦＰＧＡ（Field Programmable
Gate Array）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＡＩ（Artificial Intelligence）チップ等を用いて構成されている。

主記憶装置１２は、プログラムやデータを記憶する装置であり、例えば、ＲＯＭ（Read
Only Memory）、ＲＡＭ（Random Access Memory）、不揮発性メモリ（ＮＶＲＡＭ（Non Volatile RAM））等である。

補助記憶装置１３は、例えば、ＳＳＤ（Solid State Drive）、ハードディスクドライ
ブ、光学式記憶装置（ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）等）、ストレージシステム、ＩＣカード、ＳＤカードや光学式記録媒体等の記録媒体の読取／書込装置、クラウドサーバの記憶領域等である。補助記憶装置１３には、記録媒体の読取装置や通信装置１６を介してプログラムやデータを読み込むことができる。補助記憶装置１３に格納（記憶）されているプログラムやデータは主記憶装置１２に随時読み込まれる。

入力装置１４は、外部からの入力を受け付けるインタフェースであり、例えば、キーボード、マウス、タッチパネル、カードリーダ、音声入力装置等である。

出力装置１５は、処理経過や処理結果等の各種情報を出力するインタフェースである。出力装置１５は、例えば、上記の各種情報を可視化する表示装置（液晶モニタ、ＬＣＤ（Liquid Crystal Display）、グラフィックカード等）、上記の各種情報を音声化する装置（音声出力装置（スピーカ等））、上記の各種情報を文字化する装置（印字装置等）である。尚、例えば、情報処理装置１０が通信装置１６を介して他の装置との間で情報の入力や出力を行う構成としてもよい。

通信装置１６は、他の装置との間の通信を実現する装置である。通信装置１６は、通信ネットワーク５を介した他の装置との間の通信を実現する、有線方式または無線方式の通信インタフェースであり、例えば、ＮＩＣ（Network Interface Card）、無線通信モジュール（ＢＬＥモジュール、ＷｉＦｉモジュール等）、ＵＳＢモジュール、シリアル通信モジュール等である。

作業者管理装置１００、データ収集装置２０、及び現場装置３０の夫々が備える機能は、プロセッサ１１が、主記憶装置１２に格納されているプログラムを読み出して実行することにより、もしくは、夫々を構成するハードウェア（ＦＰＧＡ、ＡＳＩＣ、ＡＩチップ等）によって実現される。情報処理装置１０には、例えば、オペレーティングシステム、デバイスドライバ、ファイルシステム、ＤＢＭＳ（DataBase Management System）（リレーショナルデータベース、ＮｏＳＱＬ等）等が導入されていてもよい。

図３は、作業者管理装置１００が備える主な機能を説明する図である。同図に示すように、作業者管理装置１００は、記憶部１１０、判定部１２０、発報部１３０、問い合せ部１４０、モデル更新部１５０、及びモデル更新情報設定部１６０の各機能を備える。これらの各機能は互いに通信可能であり、例えば、非構造のＪＳＯＮ（JavaScript Object Notation）やＳＱＬ等の形式でデータの送受信を行う。

記憶部１１０は、発報／問い合せ情報管理ＴＢＬ１１１、作業者情報ＴＢＬ１１２、作業者状態ＴＢＬ１１３、回答重み付けＴＢＬ１１４、センサデータ１１５、判定モデル１１６、学習データ１１７、及びモデル更新情報１１８を記憶する。記憶部１１０は、例えば、ＤＢＭＳが提供するデータベースのテーブルや、ファイルシステムが提供するファイルとして、これらの情報（データ）を記憶する。これらの情報は、例えば、ＧｉｔＨｕｂ（登録商標）やＭＬｆｌｏｗ（登録商標）等のバージョン管理システムを用いて管理するようにしてもよい。

判定部１２０は、データ収集装置２０から受信したセンサデータ１１５を判定モデル１１６に入力することにより、作業者２について一つ以上の状態と当該作業者２が各状態にある可能性を判定し、判定結果を含む作業者状態情報（作業者氏名、判定時刻、判定した状態、状態毎の可能性等）を生成する。また判定部１２０は、作業者状態情報に基づき、作業者２が作業不良を起こし易い状態にあるか否かを判定する。作業者２が作業不良を起
こし易い状態にあると判定した場合、判定部１２０は、発報情報（作業者の氏名、発報先の氏名、発報する時刻、判定した状態、各状態の可能性、判定時刻等）を発報部１３０に通知する。一方、判定部１２０は、作業者２が作業不良を起こし易い状態にないと判定した場合、問い合せ部１４０に作業者状態情報を通知する。

発報部１３０は、判定部１２０から通知された発報情報を記載するとともに、回答情報の受け付け欄を有する画面（以下、「発報＆状態回答画面１６００」と称する。）を生成して現場装置３０に送信する。また発報部１３０は、発報＆状態回答画面１６００を介して現場装置３０から回答情報を受信し、受信した回答情報を発報／問い合せ情報管理ＴＢＬ１１１に格納する。

問い合せ部１４０は、判定部１２０から通知された作業者状態情報に基づき、回答情報の問い合せの要否を判定する。問い合せが必要と判定した場合、問い合せ部１４０は、回答情報の受け付けを行う画面を生成して現場装置３０に送信し、現場装置３０から回答情報を受信し、受信した回答情報を発報／問い合せ情報管理ＴＢＬ１１１に格納する。

モデル更新部１５０は、センサデータ１１５と発報／問い合せ情報管理ＴＢＬ１１１の内容（ラベル）との組み合わせを含む学習データ１１７に基づき判定モデル１１６の学習を行い、学習後の内容に判定モデル１１６を更新する。判定モデル１１６の種類は必ずしも限定されない。判定モデル１１６の例として、線形回帰、ロジスティック回帰、ナイーブベイズ、サポートベクターマシン、パーセプトロン、決定木、ランダムフォレスト、ＡｄａＢｏｏｓｔ、ｋ近傍法、ニューラルネットワーク等の教師あり学習モデル、Ｑ学習のような強化学習モデル等がある。また判定モデル１１６は、例えば、作業者２や監督者４、作業者２の状態を分析する分析者等が、事前に内容を定義することにより実装されるものでもよい。判定モデル１１６は、例えば、「ｐｉｃｋｌｅ」や「ｓａｖ」等のファイル形式や、それらをラップしたコンテナイメージ等として作業者管理装置１００に実装される。

モデル更新情報設定部１６０は、判定モデル１１６の更新に関する情報をモデル更新情報１１８として管理する。

図４及び図５は、作業者管理システム１において行われる処理（以下、「作業者管理処理Ｓ４００」と称する。）を説明するシーケンス図である。以下、これらの図とともに作業者管理処理Ｓ４００について説明する。尚、これらの各図においては、説明に不要な構成については適宜省略している。

判定部１２０は、データ収集装置２０からセンサデータ１１５の受信を待機し、センサデータ１１５を受信すると（Ｓ４０１）、作業者２の状態と作業者２が各状態にある可能性を判定して作業者状態情報（作業者氏名、判定時刻、判定した状態、状態毎の可能性等）を生成する処理（以下、「作業者状態判定処理Ｓ４０２」と称する。）を行う。作業者状態判定処理Ｓ４０２の詳細については後述する。

続いて、判定部１２０は、作業者状態判定処理Ｓ４０２の出力が「発報要」であるか「発報不要」であるか（作業者２が作業不良を起こし易い状態にあるか否か）を判定する（Ｓ４０３）。「発報要」と判定した場合（Ｓ４０３：ＹＥＳ）、判定部１２０は、作業者状態情報に基づき発報情報（作業者の氏名、発報先の氏名、発報する時刻、判定した状態、各状態の可能性、判定時刻等）を生成する処理（以下、「発報情報生成処理Ｓ４０４」と称する。）を行い、生成した発報情報を発報部１３０に通知する（Ｓ４０５）。発報情報生成処理Ｓ４０４の詳細については後述する。

一方、判定部１２０は、作業者状態判定処理Ｓ４０２の出力が「発報不要」である場合（Ｓ４０３：ＮＯ）、問い合せ部１４０に作業者状態情報を通知する（図５のＳ４２１）。

発報部１３０は、発報情報生成処理Ｓ４０４により判定部１２０から発報情報が通知されると、発報＆状態回答画面１６００を生成して現場装置３０に送信して作業者２又は監督者４に注意喚起を行うとともに回答情報を取得する処理（以下、「発報＆回答取得処理Ｓ４０６」）を行う。発報部１３０は、現場装置３０から送られてくる回答情報を取得する（Ｓ４０７）。発報＆回答取得処理Ｓ４０６の詳細については後述する。

モデル更新部１５０は、判定モデル１１６の更新（学習）のタイミングの到来を待機する。上記のタイミングが到来すると、モデル更新部１５０は、学習データ１１７に基づき判定モデル１１６の機械学習を行い、判定モデル１１６を更新する処理（以下、「モデル更新処理Ｓ４０８」と称する。）を行う（Ｓ４０８）。尚、学習データ１１７には、Ｓ４０６で取得する回答情報の内容と、図５のＳ４２５で記憶する回答情報の内容の双方が反映される。

図５に示すように、問い合せ部１４０は、判定部１２０から作業者状態情報を受信すると（Ｓ４２１）、作業者２又は監督者４への問い合せの要否を判定する処理（以下、「問い合せ要否判定処理Ｓ４２２」と称する。）を行う。問い合せ要否判定処理Ｓ４２２の詳細については後述する。

問い合せ要否判定処理Ｓ４２２の結果が「問い合せ要」であった場合（Ｓ４２３：ＹＥＳ）、問い合せ部１４０は、現場装置３０に回答情報を問い合せる処理（以下、「問い合せ処理Ｓ４２４」と称する。）を行い、問い合せ画面を現場装置３０に送信する。問い合せ部１４０は、現場装置３０から回答情報を受信すると、受信した回答情報を発報／問い合せ情報管理ＴＢＬ１１１に格納する（Ｓ４２５）。

一方、問い合せ要否判定処理Ｓ４２２の結果が「問い合せ不要」であった場合（Ｓ４２３：ＮＯ）、問い合せ部１４０は、作業者状態ＴＢＬＳ４３０に、作業者状態情報の内容を格納する（Ｓ４３０）。

図６は、図４の作業者状態判定処理Ｓ４０２を説明するフローチャートである。以下、同図とともに作業者状態判定処理Ｓ４０２について説明する。

判定部１２０は、データ収集装置２０から送られてくるセンサデータ１１５の受信を待機する（Ｓ６１１：ＮＯ）。データ収集装置２０からセンサデータ１１５を受信すると（Ｓ６１１：ＹＥＳ）、判定部１２０は、受信したセンサデータ１１５を判定モデル１１６に入力し、作業者２の状態と状態毎の可能性を求める（Ｓ６１２）。尚、以下では上記可能性は当該状態を取り得る確率であるものとする。

続いて、判定部１２０は、求めた状態のうち、作業者２が作業不良を起こす可能性がある状態であり、かつ、可能性（確率）が最大である状態を特定する（Ｓ６１３）。以下では、作業者２の氏名が「日立次郎」であり、当該作業者２が「２０１９年３月２日１３：００：００」に「緊張」の状態（可能性は５０％）である場合を例として説明する。

続いて、判定部１２０は、Ｓ６１３で特定した状態の可能性が予め設定された閾値以上であるか否かを判定する（Ｓ６１４）。特定した状態の可能性が予め設定された閾値以上であれば（Ｓ６１４：ＹＥＳ）、作業者状態情報とともに「発報要」を出力する（Ｓ６１５）。特定した状態の可能性が予め設定された閾値未満であれば（Ｓ６１４：ＮＯ）、作
業者状態情報とともに「発報不要」を出力する（Ｓ６１６）。例えば、上記閾値が４０％である場合、「日立次郎」は「２０１９年３月２日１３：００：００」に「緊張」状態であり、可能性が５０％であるので、判定部１２０は、作業者状態情報とともに、発報が必要であると判定する。

図７は、図４の発報情報生成処理Ｓ４０４を説明するフローチャートである。以下、同図とともに発報情報生成処理Ｓ４０４について説明する。

まず判定部１２０は、作業者情報ＴＢＬ１１２から、作業者２のロールと業務シフトを取得する（Ｓ７１１）。この処理について具体的に説明する。

図１２は、作業者情報ＴＢＬ１１２の例である。作業者情報ＴＢＬ１１２は、例えば、作業者２や監督者４、作業者２の状態を分析する分析者等により作成される。同図に示すように、例示する作業者情報ＴＢＬ１１２は、氏名１２１１、ロール１２１２、勤務日１２１３、及び業務シフト１２１４の各項目を有する一つ以上のエントリ（レコード）で構成される。上記項目のうち、氏名１２１１には、作業者２の氏名が設定される。

上記項目のうち、ロール１２１２には、当該作業者２のロール（役割）を示す情報が設定される。勤務日１２１３には、当該作業者２の勤務日（予定日又は実績勤務日）が設定される。業務シフト１２１４には、当該作業者２の業務シフト（勤務形態）が設定される。

例えば、作業者２が「日立次郎」であり、センサデータ１１５の取得日時が「２０１９年３月２日１３：００：００」である場合、判定部１２０は、図１２の作業者情報ＴＢＬ１１２の３行目のレコードから、当該作業者２のロールとして「作業者」を、また当該作業者の業務シフトとして「日勤」を取得する。

図７に戻り、続いて、判定部１２０は、発報／問い合せ情報管理ＴＢＬ１１１から、発報先とするロールと発報するタイミングを特定する情報との組み合わせを取得する（Ｓ７１２）。

図１３に発報／問い合せ情報管理ＴＢＬ１１１の例を示す。発報／問い合せ情報管理ＴＢＬ１１１は、例えば、作業者２や監督者４、作業者２の状態を分析する分析者等により作成される。発報／問い合せ情報管理ＴＢＬ１１１には、作業者２の勤務時間帯や状態に応じた発報又は問い合わせを行うタイミングを示す情報が管理される。尚、発報／問い合せ情報管理ＴＢＬ１１１に管理される状態は、作業に相応しくない状態に限られず、作業者２や監督者４等に注意を促すべき状態でもよい。

同図に示すように、例示する発報／問い合せ情報管理ＴＢＬ１１１は、種別１３１１、状態１３１２、発報／問い合せ先ロール１３１３、業務シフト１３１４、及び発報／問い合せタイミング１３１５の各項目を有する一つ以上のエントリ（レコード）で構成される。尚、発報／問い合せ情報管理ＴＢＬ１１１は、発報先を取得する場合だけでなく、問い合せ先を取得する場合にも用いられる。

上記項目のうち、種別１３１１には、当該エントリの情報が発報に関するものであるか、問い合せに関するものであるかを示す情報が設定される。前者であれば「発報」が、後者であれば「問い合せ」が設定される。状態１３１２には、作業者２がとり得る状態が設定される。発報／問い合せ先ロール１３１３には、発報又は問い合せ先となるロール（作業者、監督者等）を示す情報が設定される。業務シフト１３１４には、当該ロールの業務シフト（日勤、夜勤、休日の長時間シフト等）が設定される。発報／問い合せタイミング
１３１５には、発報又は問い合せのタイミングを特定する情報が設定される。

例えば、作業者２が「日立次郎」であれば、前述したようにロールは「日勤」であり、状態は「緊張」であるので、判定部１２０は、まず図１３の１行目のエントリから、発報先のロール「作業者」と、発報のタイミングを特定する情報「作業終了時」の組み合わせを取得し、また２行目のエントリから、発報先のロール「監督者」と発報のタイミングを特定する情報「即時」の組み合わせを取得する。

尚、発報／問い合せタイミング１３１５を適切に設定することで、例えば、作業者２が夜間に緊張状態にある場合、作業上不都合があるが周囲に頼れる状況になくパニック状態である可能性があり、監督者４には即時の警告を行う一方、作業者２についてはパニック状態にならない様に作業の終了時に問い合わせる、といった柔軟な対応が可能になる。

図７に戻り、続いて、判定部１２０は、Ｓ７１２で抽出した組み合わせ（発報先）の一つを選択する（Ｓ７１３）。

続いて、判定部１２０は、選択した組み合わせについて、作業者情報ＴＢＬ１１２から発報先の氏名を取得する（Ｓ７１４）。例えば、選択中の組み合わせが発報先のロール「作業者」と発報のタイミングを特定する情報「作業終了時」の組み合わせである場合、判定部１２０は、作業者情報ＴＢＬ１１２から、３行目のエントリから「作業者」の氏名「日立次郎」を取得する。また例えば、選択中の組み合わせが発報先のロール「監督者」と発報のタイミングを特定する情報「即時」の組み合わせである場合、判定部１２０は、作業者情報ＴＢＬ１１２から、４行目のエントリのから、「２０１９年３月２日」に「日勤」の「監督者」である「日立花子」を取得する。

続いて、判定部１２０は、発報情報（作業者２の氏名、Ｓ７１４で取得した発報先の氏名、判定した状態（図６のＳ６１３で特定した状態）、当該状態の可能性（図６のＳ６１３で特定した状態の可能性）、判定時刻等）を生成し、生成した発報情報を発報部１３０に送信する（Ｓ７１５）。

続いて、判定部１２０は、Ｓ７１３の処理で全ての組み合わせ（発報先）を選択済みであるか否かを判定する（Ｓ７１６）。Ｓ７１３で未選択の組み合わせがあれば（Ｓ７１６：ＮＯ）、処理はＳ７１３に戻る。一方、Ｓ７１３で全ての組を選択済みであれば（Ｓ７１６:ＹＥＳ）、発報情報生成処理Ｓ４０４は終了する。

図８は、図４の発報＆回答取得処理Ｓ４０６を説明するフローチャートである。以下、同図とともに発報＆回答取得処理Ｓ４０６について説明する。

まず発報部１３０は、発報＆状態回答画面１６００を生成する（Ｓ８１１）。

図１６に、発報＆状態回答画面１６００の例を示す。同図に示すように、発報＆状態回答画面１６００は、発報に関する構成として、作業者氏名設定欄１６１１、及び発報情報表示欄１６１２を有する。また発報＆状態回答画面１６００は、回答情報の入力に関する構成として、回答者氏名設定欄１６２１、状態回答期間設定欄１６２２、状態回答欄１６２３、及び入力完了ボタン１６２４を有する。

作業者氏名設定欄１６１１には、作業者２又は監督者４が、管理対象である作業者２の氏名を設定する（本例ではプルダウンメニュー方式で設定可能）。発報情報表示欄１６１２には、発報情報に基づく情報が表示される。本例では、発報情報として、検知期間（作業者２が作業不良を起こし易い状態にあると判定した時点を含む期間）、作業者２の状態
、及び各状態の可能性が表示される。

回答者氏名設定欄１６２１には、作業者２又は監督者４が、回答情報の入力者の氏名を設定する（本例ではプルダウンメニュー方式で設定可能）。状態回答期間設定欄１６２２には、作業者２又は監督者４が、入力する回答情報の対象期間を設定する。状態回答欄１６２３は、作業者２又は監督者４が、上記対象期間における作業者２の実際の状態を設定する（本例では、プルダウンメニュー方式、又は記述形式で設定可能）。入力完了ボタン１６２４は、作業者２又は監督者４が、回答情報の入力が完了した後に操作する。当該ボタンが操作されることにより、回答者氏名設定欄１６２１、状態回答期間設定欄１６２２、及び状態回答欄１６２３に設定された情報が回答情報として作業者管理装置１００に送信される。

ところで、作業者２や監督者４に注意喚起を促すため、例えば、発報時に現場装置３０が発報＆状態回答画面１６００を表示するとともに（もしくは発報＆状態回答画面１６００の表示に代えて）、音声の再生や振動を発生するようにしてもよい。また発報時に現場装置３０が発報＆状態回答画面１６００の全部又は一部を点滅させるようにしてもよい。また図４のＳ４０２において判定した作業者２の状態に応じて、音声の再生や振動のパターンを変えるようにしてもよい。

図８に戻り、続いて、発報部１３０は、発報のタイミングの到来を待機する（Ｓ８１２：ＮＯ）。発報のタイミングが到来すると（Ｓ８１２：ＹＥＳ）、発報部１３０は、現場装置３０に発報＆状態回答画面１６００を送信する（Ｓ８１３）。尚、発報先が複数人であり、夫々が個別に現場装置３０を所持している場合、各現場装置３０に発報＆状態回答画面１６００を送信するようにしてもよい。

続いて、発報部１３０は、現場装置３０から送られてくる回答情報の受信を待機し（Ｓ８１４：ＮＯ）、回答情報を受信する（Ｓ８１４：ＹＥＳ）。前述したように、受信した回答情報は、作業者状態ＴＢＬ１１３に格納される（図４のＳ４０７）。尚、発報＆状態回答画面１６００からの回答情報の取得は、例えば、ＨＴＴＰ（Hypertext Transfer Protocol）やＨＴＴＰＳ（Hypertext Transfer Protocol Secure）等のプロトコルを用いて
行われる。

図１４に、作業者状態ＴＢＬ１１３の例を示す。作業者状態ＴＢＬ１１３は、例えば、作業者２や監督者４、作業者２の状態を分析する分析者等により作成され、発報部１３０や問い合せ部１４０により随時更新される。作業者状態ＴＢＬ１１３には、作業者２の日時毎の状態が管理される。同図に示すように、作業者状態ＴＢＬ１１３は、日時１４１１、作業者氏名１４１２、発報状態１４１３、発報状態可能性１４１４、非発報状態１４１５、非発報状態可能性１４１６、発報有無１４１７、状態回答１４１８、回答者氏名１４１９、回答日時１４２０の各項目からなる一つ以上のエントリ（レコード）を含む。

上記項目のうち日時１４１１には、作業者２が特定の状態であると判定された日時（図４のＳ４０２において作業者２の状態を判定した日時、センサ装置３がセンサデータ１１５を生成した日時等）が設定される。

作業者氏名１４１２には、作業者２の氏名が設定される。発報状態１４１３には、発報の対象になる作業者２の状態（作業者２が作業不良を起こし易い状態）が設定される。発報状態可能性１４１４には、発報状態１４１３の状態の可能性が設定される。非発報状態１４１５には、作業者２が作業不良を起こし易い状態にないと判定した作業者２の状態を示す情報が設定される。非発報状態可能性１４１６には、非発報状態１４１５の状態の可能性が設定される。発報有無１４１７には、実際に発報したか否かを示す情報が設定され
る。状態回答１４１８には、発報又は問い合せにより現場装置３０か取得した回答情報が設定される。回答者氏名１４１９には、回答者の氏名が設定される。回答日時１４２０には、回答情報を取得（受信）した日時が設定される。

図９は、図５の問い合せ要否判定処理Ｓ４２２を説明するフローチャートである。

問い合せ部１４０は、判定部１２０から作業者状態情報を受信すると（Ｓ９１１）、作業者状態情報に、作業者２の状態の判定結果として複数の状態が含まれているか否かを判定する（Ｓ９１２）。作業者状態情報に複数の状態が含まれている場合（Ｓ９１２：ＹＥＳ）、処理はＳ９１３に進む。一方、作業者状態情報に複数の状態が含まれていない場合（Ｓ９１２：ＮＯ）、問い合せ部１４０は、「問い合せ不要」を判定結果として出力する（Ｓ９１５）。

Ｓ９１３では、問い合せ部１４０は、可能性が同程度の、作業に相応しくない複数の状態があるか否かを判定する。問い合せ部１４０は、例えば、次の方法で上記の判定を行う。

＜方法１＞ 作業者iが状態jである確率をp_i,j、判定部１２０が判定した状態の個数をnとして、p_i,1 ≧p_i,2≧…≧p_i,nである場合、p_i,1 -p_i,2≦εを満たすような、作業に相応
しくない状態の組があるか否かを判定する。尚、εは２つの確率が近しいことを表す閾値である。この閾値εは、作業者２または監督者４が予め定めてもよいし、判定モデル１１６の改善とともにフィードバックにより更新されるようにしてもよい。また上記の閾値は、作業者iごとに異なる値でもよい。

＜方法２＞作業者iが状態jである確率をp_i,j、判定部１２０が図４のＳ４０２で判定した状態の個数をnとした場合、p_i,j≧1/nである作業に相応しくない状態jが複数存在するか
否かを判定する。

上記判定において、問い合せ部１４０は、可能性が同程度の、作業に相応しくない複数の状態があると判定した場合（Ｓ９１３：ＹＥＳ）、「問い合せ要」を判定結果として出力する（Ｓ９１４）。一方、可能性が同程度の、作業に相応しくない複数の状態がないと判定した場合（Ｓ９１３：ＮＯ）、問い合せ部１４０は、「問い合せ不要」を判定結果として出力する（Ｓ９１５）。

図１０は、図５の問い合せ処理Ｓ４２４を説明するフローチャートである。以下、同図とともに問い合せ処理Ｓ４２４について説明する。

問い合せ部１４０は、問い合せ先への問い合せに用いる情報（以下、「問い合せ情報」と称する。）を生成する処理（以下、「問い合せ情報生成処理Ｓ１１１１」と称する。）を行う。尚、問い合せ情報生成処理Ｓ１１１１は、図７に示した発報情報生成処理Ｓ４０４と同様であるので詳細は省略する。但し、この問い合せ情報生成処理Ｓ１１１１では、図７のＳ７１２に相当する処理において、発報／問い合せ情報管理ＴＢＬ１１１の種別１３１１に「問い合せ」が設定されているエントリから、問い合せ先のロールと発報のタイミングの組み合わせを取得する。

続いて、問い合せ部１４０は、問い合せのタイミングの到来を待機する（Ｓ１１１２）。問い合せのタイミングが到来すると（Ｓ１１１２：ＹＥＳ）、問い合せ部１４０は、作業者２又は監督者４から回答情報を取得する処理（以下、「回答取得処理Ｓ１１１３」と称する。）を行う（Ｓ１１１３）。尚、回答取得処理Ｓ１１１３は、図８に示した発報＆回答取得処理Ｓ４０６と同様であるので詳細は省略する。但し、発報＆回答取得処理Ｓ４
０６と異なり、回答取得処理Ｓ１１１３では、発報に関する処理は行わない。

図１１は、図４のモデル更新処理Ｓ４０８を説明するフローチャートである。以下、同図とともにモデル更新処理Ｓ４０８について説明する。

モデル更新部１５０は、モデル更新情報１１８の内容を取得し、判定モデル１１６の更新方法を取得する（Ｓ１１１１）。尚、作業者管理装置１００のユーザ（例えば、作業者２、監督者４、作業者２の状態の分析を行う者等）は、モデル更新情報設定部１６０が提示する画面（以下、「モデル更新情報設定画面１７００」と称する。）を提示してモデル更新情報１１８の設定内容を受け付ける。

図１７に、モデル更新情報設定画面１７００の例を示す。同図に示すように、モデル更新情報設定画面１７００は、モデル更新開始ボタン１７１０、モデル更新設定欄１７１１、及びモデル重み付け設定欄１７２１を有する。

モデル更新開始ボタン１７１０は、ユーザが、判定モデルの更新を手動で即時に行いたい場合に操作する。モデル更新開始ボタン１７１０が操作されると、モデル更新部１５０は、判定モデル１１６の更新処理（図１１のモデル更新処理Ｓ４０８のＳ１１１４以降の処理）を直ちに開始する。

モデル更新設定欄１７１１は、更新方法設定欄１７１２と更新条件設定欄１７１３とを有する。ユーザは、更新方法設定欄１７１２に、判定モデル１１６の更新方法を自動にするか手動にするかを設定する（本例ではラジオボタンにより設定可能）。またユーザは、更新条件設定欄１７１３に、判定モデル１１６を更新する際の条件（本例では、更新周期、レコード数）を設定する。本例では、更新条件が、周期またはレコード数としてラジオボタン等により表示されるので、ユーザは、内容を設定する。

モデル重み付け設定欄１７２１は、回答者優先度設定欄１７２２と回答時間優先度設定欄１７２３とを有する。ユーザは、回答者優先度設定欄１７２２に、回答者の優先度を設定する。本例では、作業者本人、他の作業者、監督者等について、優先度（重みの度合い）をプルダウンリストにより選択可能である。またユーザは、回答時間優先度設定欄１７２３に、回答時間についての優先度（回答に要した時間に応じた重みの度合い）を設定する（本例ではラジオボタンにより設定可能）。尚、モデル重み付け設定欄１７２１に入力された内容は、回答重み付けＴＢＬ１１４に管理される。

図１５に、回答重み付けＴＢＬ１１４の例を示す。回答重み付けＴＢＬ１１４は、例えば、作業者２や監督者４、作業者２の状態を分析する分析者等により作成され、モデル更新情報設定画面１７００の設定内容に基づき随時更新される。同図に示すように、回答重み付けＴＢＬ１１４は、ロール１５１１、回答完了までの時間１５１２、及び重み１５１３の各項目からなる一つ以上のエントリ（レコード）で構成される。

上記項目のうちロール１５１１には、回答者のロールが設定される。回答完了までの時間１５１２には、作業者２又は監督者４が、回答に要した時間（例えば、現場装置３０に発報＆状態回答画面１６００が表示されてから、作業者２又は監督者４が回答情報を入力して送信するまでの時間）が設定される。重み１５１３には、重みを示す情報が設定される。

図１１に戻り、判定モデル１１６の更新方法が「手動」に設定されている場合（Ｓ１１１１：手動）、処理はＳ１１１２に進む。判定モデル１１６の更新方法が「自動」に設定されている場合（Ｓ１１１１：自動）、処理はＳ１１１３に進む。

Ｓ１１１２では、手動の開始操作（図１６に示したモデル更新情報設定画面１７００のモデル更新開始ボタン１６１０の操作）がされているか否かを検知する。手動の開始操作が行われていれば（Ｓ１１１２：ＹＥＳ）、Ｓ１１１４の処理に進み、手動の開始操作が行われていなければ（Ｓ１１１２：ＮＯ）、Ｓ１１１１の処理に戻る。

Ｓ１１１３では、モデル更新部１５０は、モデル更新情報１１８に設定される更新条件が成立しているか否か（図１７のモデル更新情報設定画面１７００の更新条件１７１３で設定した更新条件が成立しているか否か）を判定する。更新条件が成立している場合（Ｓ１１１３：ＹＥＳ）、処理はＳ１１１４に進む。更新条件が成立していない場合（Ｓ１１１３：ＮＯ）、処理はＳ１１１１に戻る。

Ｓ１１１４では、モデル更新部１５０は、センサデータ１１５と作業者状態ＴＢＬ１１３の内容に基づき学習データ１１７を生成し、生成した学習データ１１７を用いて、回答重み付けＴＢＬ１１４から取得される重みを適用しつつ判定モデル１１６の学習を行う（Ｓ９１５）。

尚、判定モデル１１６の学習は、例えば、次式のf_jを求めることに相当する。

ここでy_i,jは、作業者iが状態jである事象の可能性、 f_jは作業者が状態jである可能性の判定式、a_iは作業者または監督者iによる回答の重み係数ベクトル、x_iは作業者状態Ｔ
ＢＬ１１３から抽出した作業者iのデータのベクトルである。事象の可能性の判定式、回
答の重み係数ベクトルは、ユーザが予め設定した係数を用いて構成してもよい。

以上詳細に説明したように、本実施形態の作業者管理装置１００は、判定モデル１１６により推定した作業者２の状態に基づき現場装置３０への発報要否を判定し、判定により発報要と判定した場合は、作業者２に注意喚起するための情報である発報情報を生成して現場装置３０に送信し、所定時点における作業者２の実際の状態を現場装置３０から取得して学習データ１１７として利用する。一方、作業者管理装置１００は、上記判定により発報不要と判定した場合には、推定した作業者２の状態に基づき実際の作業者２の状態の問い合せ要否を判定し、問い合せ要と判定すると実際の状態を問い合せるための情報である問い合せ情報を生成して現場装置３０に送信して実際の状態を現場装置３０から取得して学習データ１１７として利用する。このように、本実施形態の作業者管理装置１００は、発報時のみならず、作業者２の状態によっては発報しない場合においても作業者２や監督者４に実際の状態を問い合せ、それにより取得される実際の状態についても学習データ１１７として利用するので、作業者２の状態を精度よく判定するために必要な多くの情報を効率よく確実に取得することができ、作業者２の状態の判定精度を向上させることができる。

また作業者管理装置１００は、判定モデル１１６により複数の作業者２の状態を夫々の可能性とともに推定し、推定した可能性が同程度の作業に相応しくない状態が存在するか否かを判定し、推定した可能性が同程度の状態が存在すると判定した場合に問い合せ情報を生成して現場装置３０に送信する。このように作業者管理装置１００は、推定した可能性が同程度で作業者２の状態の特定が難しいと判定した場合に実際の状態を問い合せて学習データ１１７を収集して判定モデル１１６を学習するので、判定モデル１１６の判定精度を向上させることができる。

また作業者管理装置１００は、取得した実際の情報に、作業者２や監督者４について設定された優先度や、発報情報又は問い合せ情報が現場装置３０に送信されてから実際の情
報を取得するまでに要する時間に応じた重みを設定した学習データにより判定モデル１１６を学習するので、実際の情報の信頼性に応じて判定モデル１１６の学習への影響度合いに軽重をつけることができ、信頼性の高い情報を優先させて判定モデル１１６を学習するので、判定モデル１１６の判定精度を向上させることができる。

また作業者管理装置１００は、作業者２の状態毎に設定された発報情報又は問い合せ情報を送信するタイミングを記憶し、推定した状態に対応するタイミングで発報情報又は問い合せ情報を現場装置３０に送信するので、作業者２の状態に応じたタイミングで実際の情報を作業者２や監督者４に尋ねることができ、作業者２への影響等を配慮しつつ情報収集を行うことができる。

また作業者管理装置１００は、ユーザにより設定された条件が成立した場合に判定モデル１１６の学習を行うので、不必要に作業者管理装置１００のリソースを消費することなく、効率よく判定モデル１１６の学習を行うことができる。

尚、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。また例えば、上記した実施例は本発明を分かりやすく説明するために構成を詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また各実施例の構成の一部について、他の構成に追加、削除、置換することが可能である。

また上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また本発明は、実施例の機能を実現するソフトウェアのプログラムコードによっても実現できる。この場合、プログラムコードを記録した記憶媒体を情報処理装置（コンピュータ）に提供し、その情報処理装置が備えるプロセッサが記憶媒体に格納されたプログラムコードを読み出す。この場合、記憶媒体から読み出されたプログラムコード自体が前述した実施例の機能を実現することになり、そのプログラムコード自体、及びそれを記憶した記憶媒体は本発明を構成することになる。このようなプログラムコードを供給するための記憶媒体としては、例えば、フレキシブルディスク、ＣＤ?ＲＯＭ、ＤＶＤ?ＲＯＭ、ハードディスク、ＳＳＤ（Solid State Drive）、光ディスク、光磁気ディスク、ＣＤ?Ｒ、磁気テープ、不揮発性のメモリカード、ＲＯＭなどが用いられる。

上述の実施例において、制御線や情報線は、説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。全ての構成が相互に接続されていてもよい。

また以上では各種の情報を表形式で例示したが、これらの情報は表以外の形式で管理してもよい。

１ 作業者管理システム、２ 作業者、３ センサ装置、４ 監督者、５ 通信ネットワーク、７ 作業現場、２０ データ収集装置、３０ 現場装置、１００ 作業者管理装置、１１０ 記憶部、１１１ 発報／問い合せ情報管理ＴＢＬ、１１２ 作業者情報ＴＢＬ、１１３ 作業者状態ＴＢＬ、１１４ 回答重み付けＴＢＬ、１１５ センサデータ、１１６ 判定モデル、１１７ 学習データ、１１８ モデル更新情報、１２０ 判定部、１３０ 発報部、１４０ 問い合せ部、１５０ モデル更新部、１６０ モデル更新情報設定部、Ｓ４００ 作業者管理処理、Ｓ４０２ 作業者状態判定処理、Ｓ４０４ 発報情報生成処理、Ｓ４０６ 発報＆回答取得処理、Ｓ４０８ モデル更新処理、Ｓ４２２ 問い合せ要否判定処理、Ｓ４２４ 問い合せ処理、１６００ 発報＆状態回答画面、１７００
モデル更新情報設定画面

Claims (14)

1. 情報処理装置を用いて構成され、
   作業現場で作業を行う作業者の情報を取得するセンサ装置、及び前記作業者が操作する現場装置と通信可能に接続し、
   前記センサ装置により取得されたデータであるセンサデータを機械学習モデルに入力することにより所定時点における前記作業者の状態を推定し、
   推定した前記状態に基づき前記現場装置への発報要否を判定し、
   前記判定により発報要と判定した場合は、前記作業者に発報する情報である発報情報を生成して前記現場装置に送信するとともに、前記所定時点における前記作業者の実際の状態を前記現場装置から取得し、
   前記判定により発報不要と判定した場合は、推定した前記作業者の状態に基づき前記実際の状態の問い合せ要否を判定し、問い合せ要と判定した場合に、前記実際の状態を問い合せるための情報である問い合せ情報を生成して前記現場装置に送信することにより、前記実際の状態を前記現場装置から取得し、
   取得した前記実際の状態を学習データとして前記機械学習モデルを学習する、
   作業者管理装置。
2. 請求項１に記載の作業者管理装置であって、
   前記機械学習モデルにより複数の前記作業者の状態を夫々の可能性とともに推定し、推定した可能性が同程度の作業に相応しくない状態が存在するか否かを判定し、推定した可能性が同程度の状態が存在する場合に、前記問い合せ情報を生成して前記現場装置に送信する、
   作業者管理装置。
3. 請求項１に記載の作業者管理装置であって、
   前記機械学習モデルにより複数の前記作業者の状態を夫々の可能性とともに推定し、推定した作業に相応しくない前記状態のうち、推定した前記可能性が予め設定された閾値を超える前記状態がある場合に発報要と判定する、
   作業者管理装置。
4. 請求項１に記載の作業者管理装置であって、
   前記所定時点において前記作業者の様子を確認可能な人の夫々について設定された優先度を記憶し、
   前記現場装置から、前記実際の情報とともに当該情報の提供者を特定する情報を取得し、
   前記学習データに、取得した前記実際の情報に当該情報の前記提供者の前記優先度に応じた重みを設定して前記機械学習モデルを学習する、
   作業者管理装置。
5. 請求項４に記載の作業者管理装置であって、
   前記優先度と、前記発報情報又は前記問い合せ情報を前記現場装置に送信してから前記実際の情報を取得するまでに要する時間とに応じて、前記重みを設定する、
   作業者管理装置。
6. 請求項１に記載の作業者管理装置であって、
   前記作業者の状態毎に設定された前記発報情報又は前記問い合せ情報を送信するタイミングを示す情報を記憶し、
   前記推定した状態に対応する前記タイミングで前記発報情報又は前記問い合せ情報を前記現場装置に送信する、
   作業者管理装置。
7. 請求項１に記載の作業者管理装置であって、
   前記機械学習モデルの前記学習データによる学習を実行する条件の設定を記憶し、
   前記条件が成立した場合に前記機械学習モデルの前記学習を実行する、
   作業者管理装置。
8. 作業現場で作業を行う作業者の情報を取得するセンサ装置、及び前記作業者が操作する現場装置と通信可能に接続する情報処理装置が、
   前記センサ装置により取得されたデータであるセンサデータを機械学習モデルに入力することにより所定時点における前記作業者の状態を推定するステップ、
   推定した前記状態に基づき前記現場装置への発報要否を判定するステップ、
   前記判定により発報要と判定した場合は、前記作業者に発報する情報である発報情報を生成して前記現場装置に送信するとともに、前記所定時点における前記作業者の実際の状態を前記現場装置から取得するステップ、
   前記判定により発報不要と判定した場合は、推定した前記作業者の状態に基づき前記実際の状態の問い合せ要否を判定し、問い合せ要と判定した場合に、前記実際の状態を問い合せるための情報である問い合せ情報を生成して前記現場装置に送信することにより、前記実際の状態を前記現場装置から取得するステップ、
   取得した前記実際の状態を学習データとして前記機械学習モデルを学習するステップ、
   を実行する、作業者管理方法。
9. 請求項８に記載の作業者管理方法であって、
   前記情報処理装置が、前記機械学習モデルにより複数の前記作業者の状態を夫々の可能性とともに推定し、推定した可能性が同程度の作業に相応しくない状態が存在するか否かを判定し、推定した可能性が同程度の状態が存在する場合に、前記問い合せ情報を生成して前記現場装置に送信するステップ、
   をさらに実行する、作業者管理方法。
10. 請求項８に記載の作業者管理方法であって、
    前記情報処理装置が、前記機械学習モデルにより複数の前記作業者の状態を夫々の可能性とともに推定し、推定した作業に相応しくない前記状態のうち、推定した前記可能性が予め設定された閾値を超える前記状態がある場合に発報要と判定するステップ、
    をさらに実行する、作業者管理方法。
11. 請求項８に記載の作業者管理方法であって、
    前記情報処理装置が、
    前記所定時点において前記作業者の様子を確認可能な人の夫々について設定された優先度を記憶するステップ、
    前記現場装置から、前記実際の情報とともに当該情報の提供者を特定する情報を取得するステップ、及び、
    前記学習データに、取得した前記実際の情報に当該情報の前記提供者の前記優先度に応じた重みを設定して前記機械学習モデルを学習するステップ、
    をさらに実行する、作業者管理方法。
12. 請求項１１に記載の作業者管理方法であって、
    前記情報処理装置が、前記優先度と、前記発報情報又は前記問い合せ情報を前記現場装置に送信してから前記実際の情報を取得するまでに要する時間とに応じて、前記重みを設定するステップ、
    をさらに実行する、作業者管理方法。
13. 請求項８に記載の作業者管理方法であって、
    前記情報処理装置が、
    前記作業者の状態毎に設定された前記発報情報又は前記問い合せ情報を送信するタイミングを示す情報を記憶するステップ、及び、
    前記推定した状態に対応する前記タイミングで前記発報情報又は前記問い合せ情報を前記現場装置に送信するステップ、
    をさらに実行する、作業者管理方法。
14. 請求項８に記載の作業者管理方法であって、
    前記情報処理装置が、
    前記機械学習モデルの前記学習データによる学習を実行する条件の設定を記憶するステップ、及び、
    前記条件が成立した場合に前記機械学習モデルの前記学習を実行するステップ、
    をさらに実行する、作業者管理方法。

Images