JP2022021437A - 作業支援装置、作業支援方法及びプログラム - Google Patents

Abstract

【課題】実作業状態に合致した標準作業時間及び最適作業手順を提示することができる作業支援装置を提供する。【解決手段】作業支援システム１において、作業支援装置２００は、作業を撮影した実作業動画に基づいて実作業時間を取得し、記憶部２２０に記憶されている標準作業時間よりも短い場合に、標準作業時間を実作業時間に更新する標準作業時間更新部２１２と、予め、標準作業時間と作業の適正度について学習しておいた学習済モデルを用いて、更新された標準作業時間に基づいて最適作業手順を抽出する最適作業手順抽出部２１３と、を有する。【選択図】図１

Description

本開示は、作業支援装置、作業支援方法及びプログラムに関する。

工場を含む生産現場において、生産に要する標準的な作業時間を表した標準作業時間を利用することにより生産性の評価を行い、合理化を図っている。生産に要する作業時間は、作業者及び作業環境に係る多数の要因によって変化するため、定期的に標準作業時間を自動更新する装置が用いられている（例えば、特許文献１）。

特許文献１に記載の作業標準時間算出装置は、作業時間に影響を与える多数の要因データを独立変数とするとともに、実績作業時間データを従属変数として、加算型の一次多変数の関数を標準時間の算出式として想定する。そして、重回帰分析法を利用して該関数の定数及び各変数にそれぞれ対応した係数を定める。また、このようにして定めた標準時間の算出式のうち、各要因の変動分の影響度が基準値に適合した算出式に基づき、標準時間を算出している。これにより、作業に影響を及ぼす各要因の影響度を、標準時間に反映することができると説明されている。

特開昭５７－９８０６６号公報

特許文献１に記載の作業標準時間算出装置では、予め作業時間に影響を与える要因を抽出し、数式化して作業標準時間を算出している。しかし、実際の生産の現場では日々作業者が変わるため作業時間に影響を与える要因も変化する。そのため事前に決定した数式のみでは、正確な作業標準時間を算出することは困難であった。

また、標準作業時間での作業手順が不明な場合もあり、数式から得られた標準作業時間が実現可能なものかどうかを判定することができなかった。さらに複数の生産現場での生産条件が異なるために、標準作業時間が実作業と乖離している場合もあり、標準作業時間の情報を生産能率の改善に利用できていないという問題もあった。

本開示は、上述のような事情に鑑みてなされたものであり、実作業状態に合致した標準作業時間及び最適作業手順を提示することができる作業支援装置、作業支援方法及びプログラムを提供することを目的とする。

上記目的を達成するため、本開示の作業支援装置は、作業を撮影した実作業動画に基づいて実作業時間を取得し、記憶部に記憶されている標準作業時間よりも短い場合に、標準作業時間を実作業時間に更新する標準作業時間更新部と、予め、標準作業時間と作業の適正度について学習しておいた学習済モデルを用いて、更新された標準作業時間に基づいて最適作業手順を抽出する最適作業手順抽出部と、を備えることを特徴とする。

本開示によれば、作業を撮影した動画に基づいて標準作業時間を更新し、標準作業時間での最適な作業手順を抽出するため、実作業状態に合致した標準作業時間及び最適作業手順を提示することが可能となる。

本開示の実施の形態に係る作業支援システムの構成例を示すブロック図 実作業動画取得処理のフローチャート 標準作業時間更新処理のフローチャート （ａ）最適作業手順抽出部の学習装置を示すブロック図、（ｂ）学習処理のフローチャート （ａ）最適作業手順抽出部の推論装置を示すブロック図、（ｂ）推論処理のフローチャート （ａ）標準作業時間と最短実作業時間を示すグラフ、（ｂ）最適作業手順を示す表 （ａ）最適作業手順の作業時間を示す表、（ｂ）実作業手順の作業時間を示す表 作業改善案を示す表

（実施の形態）
以下に、本開示を実施するための形態について図面を参照して詳細に説明する。

図１は、この開示の実施の形態に係る作業支援システム１の構成例を示すブロック図である。作業支援システム１は、加工又は組立を含む各種作業を実行する生産現場において、作業工程の動画を撮影し、作業手順を作業者に提示して、作業の支援を行う。

作業支援システム１は、図１に示すように、作業者の作業動画を撮影する撮影装置１００と、作業動画に基づいて標準作業時間及び最適作業手順を生成する作業支援装置２００と、を備える。

撮影装置１００は、作業者の手足の動作を含む作業を撮影する任意の撮影装置であり、例えば、ビデオカメラである。撮影装置１００は、作業者の全部又は一部の手順の作業を撮影できる位置に設置され、自動又は手動により撮影する。

撮影装置１００の撮影を自動で行う場合は、例えば、作業者へ前工程から製品が送られて、製品を手に取る箇所にセンサを取り付けておき、センサ出力により製品を手に取ったことを検出したときに作業を着手したと判定し、撮影を開始してもよい。また、後工程へ完成品を送る箇所にセンサを取り付けておき、センサ出力により製品を送ったことを検出したときに作業を完了したと判定し、撮影を終了してもよい。この場合、標準作業時間の計測対象でない製品の生産時には、撮影装置１００を自動又は手動で停止してもよい。

撮影装置１００は、作業支援装置２００と通信可能に接続されており、撮影した動画を作業支援装置２００に任意のタイミングで送信する。撮影装置１００の撮影開始又は停止を含む操作は、作業支援装置２００が制御してもよい。

作業支援装置２００は、撮影装置１００が撮影した撮影動画に基づいて各種データを取得し又は生成する処理を実行する演算処理部２１０と、演算処理部２１０が取得し又は生成したデータを記憶する記憶部２２０と、演算処理部２１０が取得し又は生成した情報を表示する表示部２３０と、を備える。

演算処理部２１０は、任意の演算処理装置であり、例えば、ＣＰＵ（Central Processing Unit）である。演算処理部２１０は、記憶部２２０に格納されるプログラムを実行することにより、撮影動画に含まれる実作業動画を取得して記憶部２２０に保存する実作業動画取得部２１１と、実作業時間に基づいて標準作業時間を更新する標準作業時間更新部２１２と、人工知能（Artificial Intelligence：ＡＩ）により最適作業手順を抽出する最適作業手順抽出部２１３と、最適作業手順の作業時間と実作業時間とを比較する作業時間比較部２１４と、作業時間の比較結果に基づいて作業改善案を出力する作業改善案出力部２１５と、として機能する。

記憶部２２０は、任意の記憶装置であり、例えば、フラッシュメモリ、ＥＰＲＯＭ（Erasable Programmable Read Only Memory）を含む不揮発性半導体メモリ、又は、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、ＤＶＤ（Digital Versatile Disc）である。

記憶部２２０は、図１に示すように、実作業に係るデータを含む実作業データベース２２１と、標準作業時間のデータを含む標準作業時間データベース２２２と、最適作業手順抽出部２１３が使用する学習済モデルを記憶する学習済モデル記憶部２２３と、を有する。記憶部２２０には、さらに演算処理部２１０が実行するプログラムも格納されている。

演算処理部２１０の機能と、記憶部２２０の内容について、詳細に述べる。演算処理部２１０の実作業動画取得部２１１は、撮影装置１００が撮影した撮影動画から、製品１台ごとの作業着手から作業完了までの実作業動画を取得する。

図２は、実作業動画取得処理のフローチャートである。ここでは、撮影装置１００が、作業支援装置２００からの制御により撮影する場合を示している。実作業動画取得部２１１は、図２に示すように、まず、分析対象の作業者を決定し（ステップＳ１０１）、分析対象の作業期間と製品の機種を決定する（ステップＳ１０２）。また、撮影する作業サイクルを決定する（ステップＳ１０３）。

その後、決定した作業サイクルにおける作業の動画を定点撮影する（ステップＳ１０４）。このとき、撮影の開始と停止のタイミングは、操作者が決めてもよく、あるいは、作業者の動作を検出するセンサの出力により決定されてもよい。撮影された実作業の動画は、撮影装置１００又は作業支援装置２００に内蔵された時計により計測された時刻とともに記録されており、記憶部２２０の実作業データベース２２１に保存される（ステップＳ１０５）。実作業データベース２２１において、各動画ファイルは、作業者の識別情報、作業期間、製品機種の情報に対応づけられており、グループ化して保存されている。

なお、ここでは、製造部門が管理する作業支援装置２００の記憶部２２０が実作業データベース２２１を含むとしたが、実作業データベース２２１は、作業支援装置２００の外部のローカルデータベースあるいはクラウド型データベースであってもよい。実作業データベース２２１に記録されるデータは、圧縮されて保存されてもよい。また、各現場で決められている期間を過ぎれば、古いデータを自動削除してデータベースの保管容量を管理してもよい。

標準作業時間更新部２１２は、記憶部２２０の実作業データベース２２１から取得した動画データを基に製品１台当たりの実作業時間を算出する。算出方法は、各製品の作業の着手から完了までの時間を１サイクルの実作業時間として算出する。作業の着手をセンサで検出したときに撮影開始し、作業の完了をセンサで検出したときに撮影完了する場合は、撮影時間が実作業時間となる。作業開始と撮影開始の時刻、又は、作業完了と撮影完了の時刻が一致していない場合は、手作業による計測を行ってもよい。あるいは、撮影したビデオ映像から任意の分析ソフトを使用して実作業時間を算出してもよい。

図３は、標準作業時間更新処理のフローチャートである。標準作業時間更新部２１２は、図３に示すように、１日の全生産台数分の実作業時間を算出して、その中で最短の実作業時間を抽出する（ステップＳ２０１）。実作業時間の数値について、予め定めた標準作業時間更新期間中に継続管理を行い、標準作業時間データベース２２２に記憶されている前の期間における標準作業時間と、１日の最短の実作業時間と、の比較を繰り返し実行する（ステップＳ２０２）。

最短の実作業時間が標準作業時間より短くなった日があれば（ステップＳ２０３：Ｙｅｓ）、標準作業時間をその日の最短の実作業時間に更新する（ステップＳ２０４）。標準作業時間更新期間中に複数の実作業時間が標準作業時間より短かった場合は、標準作業時間更新期間内で最短となる実作業時間を新たな標準作業時間にする。一方、全ての実作業時間が標準作業時間以上であった場合には（ステップＳ２０３：Ｎｏ）、標準作業時間を変更せずに処理を終了する。

標準作業時間更新部２１２を用いることで、従来の現場において、生産技術者が作業動画を撮影して分析し、標準作業時間を求めていた間接作業時間を排除することが可能となる。また、従来の数式から求めた標準作業時間ではなく、実際の現場での実績値に基づいた標準作業時間を生産性の評価に用いることが可能となる。

標準作業時間更新部２１２が更新した標準作業時間は、記憶部２２０の標準作業時間データベース２２２に記憶される。ここで、標準作業時間データベース２２２は、製造部門が管理する作業支援装置２００が有する記憶部２２０に含まれるとしたが、標準作業時間データベース２２２は、作業支援装置２００の外部のローカルデータベースあるいはクラウド型データベースであってもよい。

最適作業手順抽出部２１３は、標準作業時間更新部２１２が標準作業時間を更新した際に、更新された標準作業時間のうち、各作業手順に対応する手順作業時間に基づいて最適作業手順を抽出する。最適作業手順の抽出は人工知能（Artificial Intelligence：ＡＩ）を用いて行う。

最適作業手順の抽出を行う人工知能は、図１において、演算処理部２１０の最適作業手順抽出部２１３と、記憶部２２０の学習済モデル記憶部２２３と、により実現する。最適作業手順抽出部２１３は、学習装置２１６と推論装置２１７とを含む（図４（ａ），図５（ａ）参照）。

なお、本実施の形態では、学習装置２１６及び推論装置２１７が、作業支援装置２００に含まれる構成について説明している。学習装置２１６及び推論装置２１７は、自動車、エレベータ、エアコン、冷蔵庫を含む対象製品の生産作業の適正度を学習するために使用される。学習装置２１６及び推論装置２１７の形態は任意であり、例えば、対象製品とは別個の装置であって、ネットワークを介して対象製品に接続される形態であってもよい。あるいは、対象製品に内蔵されてもよい。さらに、学習装置２１６及び推論装置２１７は、学習済モデル記憶部２２３とともにクラウドサーバ上に存在していてもよい。

まず、学習処理について説明する。図４（ａ）は、最適作業手順抽出部２１３の学習装置２１６を示すブロック図であり、図４（ｂ）は、学習処理のフローチャートである。ここでは、自動車、エレベータ、エアコン、冷蔵庫を含む製品の生産について学習する場合について説明する。

学習装置２１６は、図４（ａ）に示すように、データ取得部２１６１、モデル生成部２１６２を備える。データ取得部２１６１は、標準作業時間更新部２１２が更新した新たな標準作業時間と、作業の適正度を学習用データとして取得する。ここで、標準作業時間のデータは、一連の作業に含まれる各作業手順の内容とそれらに要した時間である手順作業時間のデータも含む。作業の適正度は、作業のしやすさ又は作業の無駄の数の少なさを示す指標であり、作業内に潜む動作の無駄の数が最も少ない作業を最適とする。作業の適正度は、ユーザが設定してもよく、又は、予め定めた基準に基づいて自動判定してもよい。

モデル生成部２１６２は、データ取得部２１６１から出力される新たな標準作業時間及び作業の適正度の組合せに基づいて作成される学習用データに基づいて、作業の適正度を学習する。すなわち、対象製品の生産作業に係る新たな標準作業時間と作業の適正度から、最適な作業の適正度を推論するための学習済モデルを生成する。この学習処理における学習用データは、新たな標準作業時間及び作業の適正度を互いに関連付けたデータである。

モデル生成部２１６２が用いる学習アルゴリズムは、従来のアルゴリズムでよい。例えば、教師あり学習、教師なし学習又は強化学習を用いることができる。

また、特徴量そのものの抽出を学習する、深層学習（Deep Learning）、遺伝的プログラミング、機能論理プログラミング、サポートベクターマシンを用いて機械学習を実行してもよい。

本実施の形態では、一例として、ニューラルネットワークを適用した場合について説明する。この場合、モデル生成部２１６２は、ニューラルネットワークモデルに従って、教師あり学習により、標準作業時間に対する作業の適正度を学習する。ここで、教師あり学習とは、入力と結果（ラベル）のデータの組を学習装置に与えることで、それらの学習用データにある特徴を学習し、入力から結果を推論する手法をいう。

ニューラルネットワークは、複数のニューロンを有する入力層、複数のニューロンを有する中間層（隠れ層）及び複数のニューロンを有する出力層で構成される。中間層は、１層又は２層以上である。

本実施の形態におけるニューラルネットワークでは、データ取得部２１６１が取得する新たな標準作業時間と作業の適正度との組合せを含む学習用データに基づいて、モデル生成部２１６２が、教師あり学習により、標準作業時間に対する作業の適正度を学習する。

すなわち、モデル生成部２１６２は、入力層中間層間の重みＷ１と中間層出力層間の重みＷ２を調整して、入力層に新たな標準作業時間を入力したときの出力層からの出力を、結果（正解）である作業の適正度に近づけることのできる重みＷ１，Ｗ２を求めることで学習する。例えば、入力層に、標準作業時間に含まれる手順作業時間から算出した作業速度が入力されたとき、中間層で動作の無駄の少なさを示す指標が得られ、出力層に作業の適正度が出力され、これを正解である作業の適正度と比較して重みＷ１、Ｗ２を決定する。

学習済モデル記憶部２２３は、モデル生成部２１６２が出力した学習済モデルを記憶する。

学習処理（モデル生成ステップ）の流れは、図４（ｂ）のフローチャートに示したとおりである。まず、学習装置２１６のデータ取得部２１６１が、新たな標準作業時間と作業の適正度のデータを取得する（ステップＳ３０１）。ここでは新たな標準作業時間及び作業の適正度を同時に取得しているが、新たな標準作業時間と作業の適正度を関連づけて入力できればよく、データ取得部２１６１は、新たな標準作業時間と作業の適正度のデータを互いに異なるタイミングで取得してもよい。

その後、モデル生成部２１６２は、データ取得部２１６１が取得した新たな標準作業時間及び作業の適正度の組合せに基づいて学習処理して（ステップＳ３０２）、学習済モデルを生成する。そして、生成された学習済モデルを学習済モデル記憶部２２３に保存する（ステップＳ３０３）。

次に、推論処理について説明する。図５（ａ）は、最適作業手順抽出部２１３の推論装置２１７を示すブロック図であり、図５（ｂ）は、推論処理のフローチャートである。

ここでは、自動車、エレベータ、エアコン、冷蔵庫を含む製品の生産について推論する場合について説明する。推論装置２１７は、図５（ａ）に示すように、データ取得部２１７１、推論部２１７２を備える。データ取得部２１７１は、入力データとして、標準作業時間更新部２１２が更新した新たな標準作業時間を取得する。

推論部２１７２は、学習済モデル記憶部２２３に記憶されている学習済モデルを用いて、データ取得部２１７１が取得した標準作業時間に対する作業の適正度を推論する。つまり、推論部２１７２は、学習済モデルに標準作業時間を入力することで、新たな標準作業時間とそれに含まれる手順作業時間から推論される作業の適正度を出力する。

なお、本実施の形態では、学習装置２１６のモデル生成部２１６２が生成した学習済モデルを用いて作業の適正度を出力する構成について説明したが、作業支援装置の外部から学習済モデルを取得し、この学習済モデルに基づいて作業の適正度を推論してもよい。

推論処理（最適作業手順抽出ステップ）の流れは、図５（ｂ）のフローチャートに示したとおりである。まず、推論装置２１７のデータ取得部２１７１が、新たな標準作業時間のデータを取得する（ステップＳ４０１）。次に、推論部２１７２が学習済モデル記憶部２２３に記憶された学習済モデルに新たな標準作業時間を入力し（ステップＳ４０２）、作業の適正度を推論し出力する（ステップＳ４０３）。

最適作業手順抽出部２１３は、出力された作業の適正度に基づいて、対象機種について適正度の最も高い最適作業手順を決定して出力する（ステップＳ４０４）。具体的には、新たな標準作業時間に係る一連の作業に含まれる各作業手順の内容と、それらに要した時間である手順作業時間と、に基づいて最も無駄の少ない最適の手順を抽出する。新たな標準作業時間に係る実作業が複数あった場合には、標準作業時間に係る実作業の作業手順のうち、最も無駄の少ない最適の作業手順を抽出する。

従来の最適作業手順の決定は生産技術者の裁量でなされており、生産作業者の実情に合っていない場合があるという問題があったが、本実施の形態では、人工知能を活用した最適作業手順抽出部２１３により、客観的な評価に基づいて最適作業手順を決定することができる。

最適作業手順抽出部２１３が抽出した最適作業手順は、作業時間比較部２１４に出力される。作業時間比較部２１４は、実作業動画取得部２１１が取得した動画に基づいて実作業における手順毎の手順作業時間を算出し、最適作業手順抽出部２１３から入力された最適作業手順における手順作業時間と比較する。手順作業時間について実作業の時間の方が長い場合に、その作業の情報を出力する。

作業改善案出力部２１５は、作業時間比較部２１４において、実作業の手順作業時間の方が長かった手順を、最適作業手順に含まれる手順に変更することを示した作業改善案を作成して表示部２３０に表示する。

以上のように構成された作業支援システム１の動作について、図６－８に示した例を用いて説明する。

図６は、作業の一例について、標準作業時間更新部２１２と最適作業手順抽出部２１３の動作について説明するための図であり、（ａ）は標準作業時間と１日の最短の実作業時間を示すグラフであり、（ｂ）は最適作業手順を示す表である。

まず、実作業動画取得部２１１が撮影装置１００で撮影した実作業の動画を取得して実作業データベース２２１に保存する。標準作業時間更新部２１２は、実作業データベース２２１に保存された実作業動画に基づいて実作業時間を算出し標準作業時間と比較する。比較した結果、実作業時間が現時点の標準作業時間より短い場合に、標準作業時間を更新する。

図６（ａ）の例において、標準作業時間が１００秒なのに対し、１日の最短の実作業時間は黒点で示すように変化し、４月１０日の最短実作業時間が標準作業時間より短くなっている。このため、標準作業時間更新部２１２は、次期の標準作業時間を、４月１０日の最短実作業時間に更新する。

標準作業時間更新部２１２は、更新された標準作業時間とともに、その標準作業時間に係る実作業に含まれる各作業手順の手順作業時間を、標準作業時間データベース２２２に保存する。

学習済モデル記憶部２２３には、過去の標準作業時間と作業の適正度に基づいて学習した学習済モデルが記憶されている。最適作業手順抽出部２１３は、標準作業時間データベース２２２に保存された標準作業時間と手順作業時間に基づいて、学習済モデルを用いて最適作業手順を抽出する。最適作業手順抽出部２１３が抽出する最適作業手順は、例えば、図６（ｂ）に示すように各作業手順の識別番号と内容で表される。なお、標準作業時間が同じ実作業が複数あった場合には、学習済モデルに基づいて、作業の無駄の少ない手順の方を選択して最適作業手順とする。

図７は、作業の一例について、作業時間比較部２１４の動作について説明するための図であり、（ａ）は最適作業手順の作業時間を示す表であり、（ｂ）は実作業手順の作業時間を示す表である。まず、作業時間比較部２１４は、最適作業手順抽出部２１３が抽出した最適作業手順と、各作業手順に要する時間である手順作業時間と、を取得する。図７（ａ）は、最適作業手順の各作業手順について作業内容と作業時間を示している。

また、作業時間比較部２１４は、実作業動画取得部２１１が取得した実作業動画に基づいて実作業における手順毎の手順作業時間を算出する。図７（ｂ）は、実作業の各作業手順について作業内容と作業時間を示している。作業時間比較部２１４は、最適作業手順と実作業手順の作業内容と作業時間を比較し、実作業の方が、時間が長い項目を抽出する。図７（ｂ）において、実作業の方が、時間が長い項目を網掛けで示している。

図７（ｂ）に示すように差異を可視化する事で、現場作業者は最適作業時間とどのくらい差異があり、どの作業手順が最適作業手順と乖離しているかを把握することができる。

作業改善案出力部２１５は、作業時間比較部２１４において、実作業の手順作業時間の方が長かった手順を、最適作業手順に含まれる手順に変更することを示した作業改善案を作成して出力する。図８は、図７（ａ）（ｂ）に示した例に対する作業改善案の表である。実作業の方が、時間が長かった作業手順１，２，４，５について、改善内容を示している。作業改善案の提示方法は任意であり、表示部２３０に表示し又は作業者への教育資料として配布してもよい。

表示部２３０は、標準作業時間、最適作業手順及び作業改善案の少なくともいずれか１つを表示する。

このようにして、標準作業時間更新部２１２が標準作業時間を更新することにより、その時点の実情に合致した標準作業時間を示すことができる。また、最適作業手順抽出部２１３が、新たな標準作業時間に基づいた最適な作業手順を抽出し、それに基づいて作業手順書を作成することができる。作業手順書の作成は、更新した標準作業時間に係る実作業動画から汎用の作業分析ソフトを用いて作成してもよい。作成した手順書は、表示部２３０に表示してもよく、又は紙媒体にしてもよい。作業改善案出力部２１５は、最適作業手順との比較により、日々の実作業に対して改善内容を示すことができる。

以上説明したように本実施の形態に係る作業支援システム１は、標準作業時間更新部２１２が、実作業動画に基づいて算出した実作業時間を算出し、実作業時間が標準作業時間より短かった場合に標準作業時間を更新し、最適作業手順抽出部２１３が、予め学習しておいた学習済モデルを用いて、標準作業時間に基づいて最適作業手順を抽出する。また、作業時間比較部２１４が、最適作業手順抽出部２１３が抽出した最適作業手順の各手順作業時間と実作業の各手順作業時間とを比較し、比較結果に基づいて作業改善案出力部２１５が実作業からの作業改善案を出力することとした。これにより、実作業状態に合致した標準作業時間、最適作業手順及び作業改善案を提示することが可能となる。

なお、上記実施の形態において、最適作業手順抽出部２１３が用いる学習済モデルは、自動車、エレベータ、エアコン、冷蔵庫を含む製品について標準作業時間と作業の適性度を学習して生成されるが、学習対象は、複数種類の製品であってもよい。また、学習装置２１６は、１つのエリア内での実作業について学習してもよいし、互いに異なる複数のエリアで独立して行われる実作業について学習してもよい。

また、学習済モデルの学習対象の製品を途中で追加してもよく、又は途中で学習対象から除去してもよい。さらに、任意の学習済モデルを、他の機種の学習済モデルに適用してもよく、当該任意の学習済モデルを元に他の機種について再学習させてもよい。

上記実施の形態に示したハードウェア構成及びフローチャートは一例であり、任意に変更及び修正が可能である。演算処理部２１０及び記憶部２２０で実現する各機能は、専用のシステムによらず、通常のコンピュータシステムを用いて実現可能である。

例えば、上記実施の形態の動作を実行するためのプログラムを、コンピュータが読み取り可能なＣＤ－ＲＯＭ（Compact Disc Read-Only Memory）、ＤＶＤ（Digital Versatile Disc）、ＭＯ（Magneto Optical Disc）、メモリカード等の記録媒体に格納して配布し、プログラムをコンピュータにインストールすることにより、各機能を実現することができるコンピュータを構成してもよい。そして、各機能をＯＳ（Operating System）とアプリケーションとの分担、又はＯＳとアプリケーションとの協同により実現する場合には、ＯＳ以外の部分のみを記録媒体に格納してもよい。

本開示は、上記実施の形態に限定されず、本開示の要旨を逸脱しない範囲での種々の変更は勿論可能である。

１ 作業支援システム、１００ 撮影装置、２００ 作業支援装置、２１０ 演算処理部、２１１ 実作業動画取得部、２１２ 標準作業時間更新部、２１３ 最適作業手順抽出部、２１４ 作業時間比較部、２１５ 作業改善案出力部、２１６ 学習装置、２１７ 推論装置、２２０ 記憶部、２２１ 実作業データベース、２２２ 標準作業時間データベース、２２３ 学習済モデル記憶部、２３０ 表示部、２１６１ データ取得部、２１６２ モデル生成部、２１７１ データ取得部、２１７２ 推論部。

Claims (7)

1. 作業を撮影した実作業動画に基づいて実作業時間を取得し、記憶部に記憶されている標準作業時間よりも短い場合に、前記標準作業時間を前記実作業時間に更新する標準作業時間更新部と、
   予め、前記標準作業時間と作業の適正度について学習しておいた学習済モデルを用いて、更新された前記標準作業時間に基づいて最適作業手順を抽出する最適作業手順抽出部と、を備える、
   作業支援装置。
2. 前記最適作業手順抽出部は、
   予め取得した前記標準作業時間に含まれる各作業手順に要する手順作業時間と、作業の適正度と、を含む学習用データに基づいて、学習済モデルを生成する学習装置と、
   前記標準作業時間更新部が更新した前記標準作業時間に含まれる前記手順作業時間に基づいて、前記学習済モデルを用いて、作業の前記適正度を推論して、前記適正度が最も高い前記最適作業手順を生成する推論装置と、
   を有する、
   請求項１に記載の作業支援装置。
3. 前記適正度は、作業のしやすさ又は作業の無駄の数の少なさを示す指標である、
   請求項２に記載の作業支援装置。
4. 前記実作業時間に含まれる各手順作業時間と、前記最適作業手順の各手順作業時間と、を比較する作業時間比較部と、
   前記作業時間比較部の比較結果に基づいて、前記実作業に対する作業改善案を出力する作業改善案出力部と、をさらに備える、
   請求項１から３のいずれか１項に記載の作業支援装置。
5. 前記標準作業時間更新部は、前記実作業時間を繰り返し計測し、１日の中で最も短い最短実作業時間を取得し、前記最短実作業時間が前記記憶部に記憶されている前記標準作業時間よりも短い場合に、前記標準作業時間を前記最短実作業時間に更新する、
   請求項１から４のいずれか１項に記載の作業支援装置。
6. 実作業時間を取得し、既に記憶されている標準作業時間よりも短い場合に、前記標準作業時間を前記実作業時間に更新する標準作業時間更新ステップと、
   前記標準作業時間と作業の適正度について学習して学習済モデルを生成するモデル生成ステップと、
   前記学習済モデルを用いて、新たに取得する前記標準作業時間に基づいて最適作業手順を抽出する最適作業手順抽出ステップと、を有する、
   作業支援方法。
7. コンピュータを、
   実作業時間を取得し、既に記憶されている標準作業時間よりも短い場合に、前記標準作業時間を前記実作業時間に更新する標準作業時間更新部、
   前記標準作業時間と作業の適正度について学習して学習済モデルを生成するモデル生成部、
   前記学習済モデルを用いて、新たに取得する前記標準作業時間に基づいて最適作業手順を抽出する最適作業手順抽出部、
   として機能させるプログラム。

Images