JP2023153477A - 製造ライン作業改善支援装置、製造ライン作業改善支援方法及びプログラム - Google Patents
製造ライン作業改善支援装置、製造ライン作業改善支援方法及びプログラム Download PDFInfo
- Publication number
- JP2023153477A JP2023153477A JP2022062779A JP2022062779A JP2023153477A JP 2023153477 A JP2023153477 A JP 2023153477A JP 2022062779 A JP2022062779 A JP 2022062779A JP 2022062779 A JP2022062779 A JP 2022062779A JP 2023153477 A JP2023153477 A JP 2023153477A
- Authority
- JP
- Japan
- Prior art keywords
- improvement
- work
- target process
- improvement target
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 352
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 83
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims description 25
- 230000000694 effects Effects 0.000 claims description 17
- 239000006185 dispersion Substances 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 13
- 238000003384 imaging method Methods 0.000 abstract description 7
- 238000003860 storage Methods 0.000 description 46
- 210000002569 neuron Anatomy 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 238000013500 data storage Methods 0.000 description 5
- 238000011112 process operation Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010304 firing Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Landscapes
- General Factory Administration (AREA)
Abstract
【課題】作業の改善を行うべき改善対象工程をより適切に特定する。【解決手段】算出部212は、製造ラインの工程毎の作業を撮影した撮影データに基づいて工程作業時間を求め、工程作業時間に基づいて工程毎の作業時間の特性を示す特性値を求める。改善対象工程特定部213は、特性に基づいて、他の工程よりも優先的に改善を行う必要のある工程を改善対象工程と特定する。【選択図】図1
Description
本開示は、製造ライン作業改善支援装置、製造ライン作業改善支援方法及びプログラムに関する。
製造ラインの問題点の抽出および改善支援を行う技術が知られている。例えば、特許文献1には、製造シミュレーションにより得られたデータからの製造ラインの問題点の抽出を行い、抽出した問題点に対する改善策を明示する方法が開示されている。
製造ラインの問題点を改善する場合、全ての工程のうちで、ボトルネックとなっている工程を特定し、その工程を改善の対象とすることが改善効率を高める上で望ましい。しかし、ボトルネックとなる工程を客観的に特定することは難しい。このため、ボトルネックとなっている工程の特定に特許文献1に記載の方法を適用することが考えられる。しかし実際の製造ラインでは、作業者の入れ替え等により、各工程の作業時間は日々変化しており、シミュレーション通りに実際の作業時間が得られることは難しい。このため、シミュレーションにより得られたデータに基づいて問題のある工程を特定しても、実際の製造ラインのうちで問題のある工程とは異なる工程の特定に繋がりかねない。
本開示は、上記課題に鑑みてなされたものであり、製造ラインの工程のうちで作業の改善を行うべき対象である工程をより適切に特定することを目的とする。
上記目的を達成するため、本開示に係る製造ライン作業改善支援装置は、算出部と、改善対象工程特定部を備える。算出部は、製造ラインの工程毎の作業を撮影した撮影データに基づいて工程作業時間を求め、求めた工程作業時間に基づいて、工程毎の作業時間の特性を示す複数の特性値を求める。改善対象工程特定部は、求めた複数の特性値を使用して、他の工程よりも優先的に改善を行う必要のある工程を改善対象工程と特定する。
本開示によれば、製造ラインの工程毎の作業を撮影した撮影データに基づいて実績に基づく作業時間を容易に正確に取得できる。さらに、取得した複数の作業時間に基づいて、工程毎の実際の作業時間の特性を示す特性値を客観的に求めることができる。さらには、特性値に基づいて、作業の改善を行うべき対象である工程を客観的に特定できる。
(実施の形態1)
本開示を実施するための形態1について図面を参照して詳細に説明する。
本開示を実施するための形態1について図面を参照して詳細に説明する。
実施の形態1に係る製造ライン作業改善支援システム1は、各種の工程作業を実行する生産現場において、作業の動画を撮影し、優先的に改善することが望ましい工程、言い換えると、ボトルネック工程を特定し、ボトルネック工程の改善実行事例を出力することにより、作業改善の支援を行う。なお、他の工程よりも優先的に改善を行う必要のある工程のことを、以下、改善対象工程またはボトルネック工程と呼ぶ。ここで、工程作業とは、例えば、輸送、搬送、処理、加工、組立、梱包、搬出等を広く含む。
製造ライン作業改善支援システム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改善対象工程の特定および出力を行う製造ライン作業改善支援装置200と、を備える。
以下の説明では、製造ラインにおいて6つの工程があり、工程ごとに、工程作業場が異なり、担当する作業者も異なるものとする。各工程作業場には、撮影装置100が1台ずつ配置される。すなわち、撮影装置100は、工程作業場の数に相当する台数、本実施の形態では、6台設置される。
撮影装置100は、作業の実行者である作業者と作業の対象となる作業対象品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、工程作業場の上方の、作業対象品を撮影できる位置に設置される。本実施の形態では、6つの工程作業場の各作業者上にビデオカメラが6台設置される。
撮影装置100は、製造ラインの稼働中は常時撮影し、ライブビュー画像を生成する。撮影装置100は、作業者と作業対象品について、作業着手時の外観形状と、作業終了時の外観形状とを内部メモリに記憶している。撮影装置100は、ライブビュー画像中に、予め登録されている作業着手時の外観形状が検出されたときに作業に着手したと判定し、ライブビュー画像の記録を開始すると共に内蔵タイマの値から作業着手時刻を記録する。撮影装置100は、ライブビュー画像中に、予め登録されている作業終了時の外観形状が検出されたときに作業を完了したと判定し、ライブビュー画像の記録を終了すると共に内蔵タイマの値から作業終了時刻を記録する。記録された実作業の動画は、工程毎に設置された撮影装置100の識別番号と、撮影装置100に内蔵された時計により計測された着手および完了時刻とともに、実作業動画ファイルとして内部の記憶装置に蓄積される。
撮影装置100は、製造ライン作業改善支援装置200と通信可能に接続されており、蓄積した動画ファイルを製造ライン作業改善支援装置200に予め定められたタイミングで送信する。実施の形態1において、予め定められたタイミングは、例えば、製造ライン作業責任者が、一日のうちで、予め定められた時間に製造ライン作業改善支援装置200を起動したときである。予め定められたタイミングは1週間のうちの任意のタイミングであってもよい。
なお、撮影装置100が、ライブビュー画像を製造ライン作業改善支援装置200に供給するだけで、製造ライン作業改善支援装置200がライブビュー画像中の作業着手時の外観形状の検出と作業完了時の外形形状の検出、作業着手時刻と作業完了時刻を記録、作業着手時刻から作業完了時刻までの画像の記録、識別番号の付加等の処理を行ってもよい。
製造ライン作業改善支援装置200は、撮影装置100が撮影した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)を備える。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、動画ファイルを記憶部220に保存する実作業動画取得部211と、工程毎にその工程がボトルネックであるか否か、即ち、改善が望ましい改善対象工程である程度を示す工程評価値を算出する算出部212と、改善対象工程の特定を行う改善対象工程特定部213と、改善対象工程と改善実行事例を出力する出力部214と、として機能する。本実施の形態において、工程評価値は、分析期間中の工程毎の平均作業時間と、工程作業時間の標準偏差とを乗算した値である。
記憶部220は、任意の記憶装置を備え、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を備える。また、記憶部220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)を含む不揮発性メモリを備えてもよい。
記憶部220は、実作業動画ファイルを記憶する実作業ファイル記憶部221と、算出部212によって算出された算出値を記憶する算出値記憶部222と、改善対象工程を記憶する改善対象工程記憶部223と、過去に改善対策を実施した改善実績データ、或いは想定される改善活動を示す改善活動データを記憶する改善活動データ記憶部224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。改善対策および改善活動は、本開示に係る改善点の一例である。
なお、製造ライン作業改善支援装置200の記憶部220の各種データは、製造ライン作業改善支援装置200の外部のクラウド型サーバに記憶されていてもよい。また、実作業ファイル記憶部221に保存されるファイルは、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、古いファイルを自動削除して実作業ファイル記憶部221の保管容量を管理してもよい。
演算処理部210の実作業動画取得部211は、製品1台ごとの作業着手から作業完了までの作業を撮影した実作業動画ファイルを撮影装置100から取得する。製品は、例えば冷蔵庫である。なお、製品は、冷蔵庫に限らず、他の任意の種類の電化製品であってもよい。なお、実作業動画ファイルは、本開示に係る撮影データの一例である。
算出部212は、記憶部220の実作業ファイル記憶部221から取得した動画データを基に製品1台当たりの工程作業時間を算出する。算出方法は、各製品の工程作業の着手から完了までの時間を1サイクルの工程作業時間として算出する。工程作業の完了時の時刻と、工程作業の着手時の時刻との差分から工程時間を算出する。算出部212は、工程時間に基づいて、その工程がボトルネックであるかの評価を示す工程評価値を算出する。
改善対象工程特定部213は、算出部212が算出した工程評価値に基づいて、一連の工程の中から他の工程に比して改善を優先的に行うことが望ましい改善対象工程を特定する。
出力部214は、特定された改善対象工程と、改善工程に対応する改善実績データを表示部230に出力する。
表示部230は、演算処理部210によって出力された情報を表示する。表示部230は、例えば液晶ディスプレイを備える。
次に、図2を参照して、改善対象工程を特定する改善対象工程特定処理を説明する。例えば、製造ライン作業の責任者が、一日のうちの予め定められた時間に、製造ライン作業改善支援装置200を起動すると、図2に示す改善対象工程特定処理を実行する。
処理を開始すると、製造ライン作業改善支援装置200の実作業動画取得部211は、撮影装置100から実作業動画ファイルを取得して実作業ファイル記憶部221に追加的に保存する(ステップS201)。これにより、実作業ファイル記憶部221には、実作業動画と、撮影装置100の識別番号と、作業の着手時刻および完了時刻が追加保存される。現時点が、分析期間中である場合、処理はここで終了する。
分析期間が終了し、実作業ファイル記憶部221に、分析期間中の全生産台数分の動画ファイルが記録されている場合、算出部212は、分析期間中の全生産台数分の工程作業時間を求めて、工程毎の平均工程作業時間を算出する(ステップS202)。具体的には、算出部212は、実作業ファイル記憶部221に基づいて、各作業について、作業の完了時刻と着手時刻の差分によって工程作業時間を求める。算出部212は、求めた工程作業時間を、工程毎に設置された撮影装置100の識別番号とともに、算出値記憶部222に保存する。算出部212は、算出値記憶部222に保存された、同一の識別番号に対応づけられた工程作業時間を加算する。算出部212は、加算した工程作業時間を、分析期間中の全生産台数で除算することによって、平均工程作業時間を求める。
算出部212は、工程作業時間の標準偏差を工程毎に算出する(ステップS203)。平均工程作業時間と工程作業時間の標準偏差とは、工程の作業時間の特性を示す特性値の一例である。
算出部212は、平均工程作業時間と標準偏差の乗算値を算出する(ステップS204)。算出部212によって算出された乗算値は、算出値記憶部222に保存される。この乗算値は工程評価値の一例であり、工程がボトルネック、即ち、優先的に改善することが望ましい工程に該当するか否かを示す指標値である。
改善対象工程特定部213は、ステップS204で算出した各工程の乗算値のうち、最大値を示す工程を改善対象工程と特定する(ステップS205)。図3は、工程毎の平均工程作業時間と標準偏差を示す数値例とグラフである。2022年1月1日から3月31日における生産台数6000台に対して、工程毎に平均工程作業時間と標準偏差が示される。図3の場合、上述した乗算値が最大である工程3が改善対象工程に相当する。ここで、平均工程作業時間が大きいことは、工程作業時間が平均して長く、工程作業に問題がある可能性があることを示す。また、標準偏差が大きいことは、工程作業時間のばらつきが大きく、工程作業に乱れがある可能性があることを示す。乗算値が大きいことは、これらの一方又は両方が大きく改善の可能性が大きいことを示す。なお、特定された改善対象工程は、改善対象工程記憶部223に記録される。
出力部214は、改善対象工程と、改善対象工程に特定された工程に対して過去に実施された改善実行事例を、表示部230に出力する(ステップS206)。改善実行事例は、改善活動データ記憶部224に記憶されている。図4は、改善対象工程と、過去の改善実行事例を示す図である。改善対象工程として特定された工程3に対応する過去の改善実行事例が示される。図4は、人、モノ、設備、方法の4つの改善視点を示しているが、本開示はこれに限られない。改善視点がさらに加えられても良いし、1つのみであってもよい。また、改善視点を示すことなく改善実行事例のみが示されてもよい。例えば、「部品Aの締結時に、左手の中指を使うと作業時間が短縮された」などの改善実行事例であってもよい。
次に、製造ライン作業改善支援装置200のハードウェア構成の一例について、図5を参照しながら説明する。図5の製造ライン作業改善支援装置200は、例えばパーソナルコンピュータ、マイクロコントローラなどのコンピュータにより実現される。
製造ライン作業改善支援装置200は、バス1000を介して互いに接続された、製造ライン作業改善支援装置200の動作のプログラムである動作プログラムを実行するプロセッサ1001と、主な記憶領域としての役割を担うメモリ1002と、製造ライン作業改善支援装置200の通信機能を実現させるインタフェース1003と、処理を実行するための動作プログラムを記憶する二次記憶装置1004と、を備える。
プロセッサ1001は、例えばCPU(Central Processing Unit:中央算出装置)である。プロセッサ1001が、二次記憶装置1004に記憶された動作プログラムをメモリ1002に読み込んで実行することにより、製造ライン作業改善支援装置200の各機能が実現される。
メモリ1002は、例えば、RAM(Random Access Memory)により構成される主記憶装置である。メモリ1002は、プロセッサ1001が二次記憶装置1004から読み込んだ動作プログラムを記憶する。また、メモリ1002は、プロセッサ1001が動作プログラムを実行する際のワークメモリとして機能する。
インタフェース1003は、例えばシリアルポート、USB(Universal Serial Bus)ポート、ネットワークインタフェースなどのI/O(Input/Output)インタフェースである。インタフェース1003により製造ライン作業改善支援装置200の通信機能が実現される。
二次記憶装置1004は、例えば、フラッシュメモリ、HDD(Hard Disk Drive)、SSD(Solid State Drive)である。二次記憶装置1004は、プロセッサ1001が実行する動作プログラムを記憶する。
以上説明したように、実施の形態1に係る製造ライン作業改善支援システム1は、算出部212が、実作業動画ファイルに基づいて平均工程作業時間と標準偏差との乗算値を算出し、改善対象工程特定部213が、各工程における乗算値のうちで最大値を示す工程を改善対象工程と特定する。出力部214が、改善対象工程と、過去の改善実行事例を、表示部230に出力する。実際の現場での動画データを基に、工程作業時間が算出されることによって、実際の現場での工程作業時間に基づいた改善対象工程が特定可能となる。このため、製造ラインの工程のうちで作業の改善を最も行うべきである改善対象工程をより適切に特定できる。
また、時間の制約により、一部の作業工程の一部の作業時間しか求められない工場もあるが、一部の作業工程の一部の作業時間に基づいて分析された結果の信頼度は低く、信頼度の低い分析結果に基づく改善対象工程の特定は、実情に即していない可能性がある。実情に即していない改善対象工程の特定では、効率のよい改善活動が実施できない。しかしながら、製造ライン作業改善支援装置200によれば、すべての作業工程に関するすべての作業時間が収集されて、改善対象工程の特定作業処理が行われる。したがって、実情に即した改善対象工程を利用者に提示することができる。
(実施の形態1の変形例)
なお、画像中の外観形状の検出による作業の着手時と作業の完了時の判定は一例にすぎず、他の任意の方法で作業の着手及び完了が判定されてもよい。例えば、作業者へ前工程から作業対象品が送られて、作業対象品を手に取る箇所にセンサを取り付けておき、センサ出力により作業対象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てもよい。また、後工程へ作業完了品を送る箇所にセンサを取り付けておき、センサ出力により作業完了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てもよい。
なお、画像中の外観形状の検出による作業の着手時と作業の完了時の判定は一例にすぎず、他の任意の方法で作業の着手及び完了が判定されてもよい。例えば、作業者へ前工程から作業対象品が送られて、作業対象品を手に取る箇所にセンサを取り付けておき、センサ出力により作業対象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てもよい。また、後工程へ作業完了品を送る箇所にセンサを取り付けておき、センサ出力により作業完了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てもよい。
なお、動画ファイルの中の動作の記録時間を工程作業時間としてもよい。また、撮影したビデオ映像から任意の分析ソフトを使用して工程作業時間を算出してもよい。
また、改善対象工程記憶部223及び改善活動データ記憶部224は、複数の部門間で共有可能な装置に記憶されてもよい。例えば、工場の各工程の作業において、作業品の持ち方を工夫することにより、コンベア、作業台などといった工場の設備と作業品との衝突が抑制され、非効率な作業の発生が低減できることがある。したがって、複数の部門で共有可能な形態で改善対象工程及び改善活動データが記憶されることにより、有効な改善対象工程及び改善活動実績が工場全体に展開され、改善活動を効率よく実施することができる。
また、改善対象工程及び改善活動実行事例を示す情報としてデータが出力されたが、データに限定されず、改善対象工程及び改善活動実行事例を説明する音声データであってもよい。
なお、製品が電化製品であったが、製品は、電化製品に限らず、製造ラインの工程作業の改善対象となり得る任意の種類の製品であってもよい。
なお、工程評価値は、分析期間中の工程毎の平均作業時間と、工程作業時間の標準偏差とを乗算した値であったが、本開示はこれに限られない。工程評価値は、分析期間中の工程毎の平均作業時間と、工程作業時間の分散とを乗算した値でもよい。標準偏差及び分散は、工程作業時間の散布度を示す指標の一例である。
(実施の形態2)
図6から図9を参照して、実施の形態2に係る製造ライン作業改善支援装置200について説明する。実施の形態2は、製造ライン作業改善支援装置200が、平均工程作業時間と、標準偏差と、学習済みモデルに基づいて、AI(Artificial Intelligence)により改善対象工程を提示する点が実施の形態1と異なる。以下、実施の形態2について実施の形態1と異なる点を中心に説明する。
図6から図9を参照して、実施の形態2に係る製造ライン作業改善支援装置200について説明する。実施の形態2は、製造ライン作業改善支援装置200が、平均工程作業時間と、標準偏差と、学習済みモデルに基づいて、AI(Artificial Intelligence)により改善対象工程を提示する点が実施の形態1と異なる。以下、実施の形態2について実施の形態1と異なる点を中心に説明する。
図6に示すように、本実施の形態に係る製造ライン作業改善支援装置200は、実施の形態1に係る製造ライン作業改善支援装置200の改善対象工程特定部213に代えて、改善対象工程提示部215を備える。改善対象工程提示部215は、平均工程作業時間と、標準偏差と、実施済みモデルと、に基づいて、改善対象工程を提示する。
記憶部220は、学習済みモデル記憶部225を更に含む。
学習済みモデル記憶部225は、学習済みモデルを記憶する。学習済みモデルは、公知の機械学習ライブラリを利用し、例えば、学習データに正解ラベルを付けたデータの組を学習させる「教師あり学習方法」によって生成される。なお、学習済みモデルは、「教師なし学習方法」、「強化学習方法」、「半教師あり学習方法」などの他の学習方法によって学習し生成されてもよい。
学習アルゴリズムは、ニューラルネットワークといった公知の学習アルゴリズムを利用することができる。ニューラルネットワークは、異なる入力パラメータが入力される複数のノードで構成される入力層、入力層の各ノードから出力された信号が入力される中間層、及び、中間層から出力された信号が入力され、出力パラメータを出力する出力層を有する。なお、ニューラルネットワークの中間層は、1又は2以上で構成されてもよい。
ここで、ニューラルネットワークの概要を、図7を参照して説明する。ニューラルネットワークは、複数のニューロンを含む、入力層と、中間層と、出力層とで構成されている。ここで、実施の形態2においては、中間層を1層とする。例えば、図7に示す3層のニューラルネットワークであれば、複数の入力が入力層のニューロンX1~Xnに入力されると、その値に重みW11~Wnmを掛けて中間層のニューロンY1~Ymに入力される。中間層のニューロンY1~Ymに入力された結果に、さらに重みV11~Vkmを掛け、出力層のニューロンZ1~Zkから出力される。出力層のニューロンZ1~Zkからの出力結果は、重みW11~Wnmと、重みV11~Vkmの値によって変わる。なお、ここでは、nは12、kは6とし、mは3以上の整数とする。例えば、入力層のニューロンX1には、工程1の平均工程作業時間、ニューロンX2には、工程1の標準偏差、ニューロンX3には、工程2の平均工程作業時間、ニューロンX4には、工程2の標準偏差、・・・が入力される。また、出力層のニューロンZ1~Z6は、それぞれ工程1~工程6に割り当てられる。
なお、入力層のニューロンX1~X12には、平均工程作業時間として、6つの工程の平均工程作業時間のうちで最長のものを値1として正規化した値、標準偏差として、6つの工程の標準偏差のうちで最大のものを値1として正規化した値が供給される。
学習データは、事前に、熟練者により製品別に解析して得られた6つの工程の工程毎の平均工程作業時間と標準偏差と、改善対象工程との組み合わせに基づいて作成される。学習データに基づいて、改善対象工程の学習処理が行われる。学習処理により得られた重みW11~Wnm、V11~Vkm、値n、k等を含むニューラルネットワークの構造が学習済モデルとして、学習済みモデル記憶部225に記憶される。
改善対象工程提示部215は、学習済みモデルを利用して改善対象工程を作業者に提示する。
図6に示すように、改善対象工程提示部215は、学習済みモデルを生成する学習部215a、及び学習済みモデルを利用して改善対象工程を推論する推論部215bを含む。
以下、学習部215aによる学習処理について説明する。図8に示す学習処理は、利用者による実行を指示する操作を、図示しない操作部が受け付けると開始される。
学習部215aは、前述のように、予め設計された6つの工程の平均工程作業時間と標準偏差と、改善対象工程との組み合わせを複数含む教師データを受け付ける(ステップS301)。教師データは、図示しない入力部を介して学習部215aに入力される。
学習部215aは、教師データを用いて繰り返し学習し(ステップS302)、重みW11~Wnm、V11~Vkmを調整する。学習部215aは、学習済みモデルを学習済みモデル記憶部225に記憶させて(ステップS303)、学習処理を終了する。
推論部215bは、学習済みモデルを利用して、図9に示す推論処理を実行する。推論処理は、利用者によって予め設定されたタイミングで実行される。推論処理を実行するタイミングとして、例えば、1週間単位又は1か月単位に設定してもよい。
推論部215bは、入力パラメータとして、6つの工程の平均工程作業時間と標準偏差とをそれぞれ正規化した値を学習済みモデルに入力パラメータとして適用する(ステップS401)。
推論部215bは、学習済みモデルを利用して、入力パラメータに基づく推論を実行し(ステップS402)、改善対象工程を示すデータを出力パラメータとして出力して(ステップS403)、推論処理を終了する。
改善対象工程提示部215は、推論部215bから出力された出力パラメータを改善対象工程データとして取得する。改善対象工程提示部215は、改善対象工程データを取得すると、図6に示す改善対象工程記憶部223に改善対象工程データを記憶させる。
改善対象工程提示部215は、改善対象工程データを取得すると、取得した改善対象工程データに基づいて、改善対象作業工程を作業者に提示する。具体的には、改善対象工程提示部215が改善対象工程データを表示部230へ出力し、改善対象工程データが表示部230に表示されることによって、作業者への提示が行われる。
改善対象工程提示部215は、例えば、改善対象工程データに基づいて、表計算ソフトといったアプリケーションを利用して、表示部230に改善対象工程を表示してもよい。また、出力部214は、改善対象工程データとともに、改善活動データ記憶部224に記憶された改善実行事例を表示部230に表示してもよい。改善実行事例は、新人の教育資料として活用することができる。
以上説明したように、実施の形態2の製造ライン作業改善支援装置200によれば、改善対象工程提示部215は、平均工程作業時間と標準偏差と改善対象工程を含むデータで学習した学習済みモデルを利用して改善対象工程を作業者に提示する。作業者は、改善対象工程提示部215が提示した改善対象工程に対して改善を実施することにより、効率のよい改善活動を実施できる。この結果、作業効率の低い作業工程の発生が低減し、製造ライン作業改善支援の負担が軽減する。よって、製造ライン作業改善支援の効率化を図ることができる。
なお、実施の形態2において、改善対象工程提示部215が用いる学習済みモデルの学習対象は、複数種類の製品であってもよい。また、学習部215a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、学習済み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、任意の学習済みモデルを、他の機種の学習済モデルに適用してもよく、当該任意の学習済みモデルを元に他の機種について再学習させてもよい。また、学習データは、例えば、入力を平均工程作業時間と標準偏差との組み合わせとし、出力をそれらの積が最も大きくなる工程としてもよい。
(実施の形態2の変形例)
実施の形態2では、学習部215aがニューラルネットワークを学習アルゴリズムとして利用する場合を例に説明したが、学習部215aは、他の公知の方法、例えば、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などを学習アルゴリズムとして利用してもよい。
実施の形態2では、学習部215aがニューラルネットワークを学習アルゴリズムとして利用する場合を例に説明したが、学習部215aは、他の公知の方法、例えば、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などを学習アルゴリズムとして利用してもよい。
実施の形態2において、学習部215aと推論部215bとが製造ライン作業改善支援装置200に備えられたが、学習部215aと推論部215bとは、製造ライン作業改善支援装置200とは異なる装置に設けられてもよい。改善対象工程提示部215は、製造ライン作業改善支援装置200とは異なる装置に設けられた推論部215bから出力された出力パラメータを改善対象工程データとして取得してもよい。
他所で学習処理を行った結果としての学習済モデルを学習済みモデル記憶部225に記憶させ、学習部215aは改善対象工程提示部215に備えない構成にしてもよい。
また、改善対象工程提示部215は、同一機種だけでなく類似の機種の平均工程作業時間と標準偏差と改善対象工程とを組み合わせたデータを利用してもよい。すなわち、改善対象工程提示部215は、学習データとして類似機種の平均工程作業時間と標準偏差と改善対象工程とを組み合わせたデータを利用することもできる。
実施の形態2では、平均工程作業時間と標準偏差から改善対象工程を提示する。これに限定されず、平均工程作業時間と標準偏差から、最も有効と考えられる改善視点を提示してもよい。改善対象工程と最も有効と考えられる改善視点を共に提示してもよい。
この場合、例えば、過去の実績データの分析から、平均工程作業時間と標準偏差と改善対象工程と最も有効であった改善視点の組み合わせを学習データとして用意する。また、図7に例示するニュールラルネットワークの出力段に各改善視点を割り当てたニューロンを配置する。
推論の段階では、入力段に平均工程作業時間と標準偏差の組みを入力し、出力段の工程が割り当てられたニューロンの発火状態から改善対象工程を特定し、改善視点が割り当てられたニューロンの発火状態から最も有効な改善視点を特定する。
上記実施の形態では、製造ライン作業改善支援装置200をプロセッサとメモリを備えるコンピュータによって構成される例を示したが、装置構成は任意である。例えば、プロセッサが実行する処理の全部又は一部を、ASIC(Application Specific Integrated Circuit)、FPGA(Field-Programmable Gate Array)等で実行してもよい。
以上、好ましい実施の形態等について詳説したが、上述した実施の形態等に制限されることはなく、特許請求の範囲に記載された範囲を逸脱することなく、上述した実施の形態等に種々の変形及び置換を加えることができる。
以下、本開示の諸態様を付記としてまとめて記載する。
(付記1)
製品を製造する製造ラインの作業の改善を支援する製造ライン作業改善支援装置であって、
前記製造ラインの工程毎の作業を撮影した撮影データに基づいて工程作業時間を求め、求めた工程作業時間に基づいて、工程毎の作業時間の特性を示す複数の特性値を求める算出部と、
求めた複数の特性値を使用して、他の工程よりも優先的に改善を行う必要のある工程を改善対象工程と特定する改善対象工程特定部と、
を備える、製造ライン作業改善支援装置。
(付記2)
前記改善対象工程と、該改善対象工程と特定された工程に対する改善点を提示する改善活動データと、を出力する出力部をさらに備える、
付記1に記載の製造ライン作業改善支援装置。
(付記3)
前記複数の特性値は、前記工程毎の平均工程作業時間と前記工程作業時間のばらつきを示す散布度と、を含み、
前記算出部は、前記平均工程作業時間と、前記散布度とを乗算した値を、前記工程毎の作業時間を評価する工程評価値として求め、
前記改善対象工程特定部は、求めた工程評価値のうち、最大値を示す工程評価値が得られた工程を改善対象工程と特定する、付記1または付記2に記載の製造ライン作業改善支援装置。
(付記4)
前記散布度は、分散と標準偏差との一方を含む、
付記3に記載の製造ライン作業改善支援装置。
(付記5)
前記改善対象工程特定部は、前記平均工程作業時間と前記散布度の組み合わせと、前記改善対象工程について学習しておいた学習済モデルを用いて、前記平均工程作業時間と前記散布度に基づいて前記改善対象工程を提示する、付記3または付記4に記載の製造ライン作業改善支援装置。
(付記6)
前記改善対象工程特定部は、
前記組み合わせと前記改善対象工程を含む学習データに基づいて、学習済モデルを生成する学習部と、
前記組み合わせに基づいて、前記学習済モデルを用いて、前記改善対象工程を推論する推論部と、
を有する、
付記5に記載の製造ライン作業改善支援装置。
(付記7)
前記改善対象工程特定部は、前記平均工程作業時間と前記散布度との組み合わせと前記改善対象工程と改善の視点について学習しておいた学習済モデルを用いて、平均工程作業時間と散布度に基づいて、前記改善対象工程と該改善対象工程の改善に有効と考えられる改善の視点を提示する、付記3または付記4に記載の製造ライン作業改善支援装置。
(付記8)
ラインの工程毎の作業について作業時間を求め、求めた作業時間の特性を示す特性値を求め、
前記特性値に基づいて、他の工程よりも優先的に改善を行う必要のある工程を特定する、
製造ライン作業改善支援方法。
(付記9)
コンピュータに、
ラインの工程毎の作業について作業時間を求め、求めた作業時間の特性を示す特性値を求め、
前記特性値に基づいて、他の工程よりも優先的に改善を行う必要のある工程を特定する、
処理を実行させるプログラム。
製品を製造する製造ラインの作業の改善を支援する製造ライン作業改善支援装置であって、
前記製造ラインの工程毎の作業を撮影した撮影データに基づいて工程作業時間を求め、求めた工程作業時間に基づいて、工程毎の作業時間の特性を示す複数の特性値を求める算出部と、
求めた複数の特性値を使用して、他の工程よりも優先的に改善を行う必要のある工程を改善対象工程と特定する改善対象工程特定部と、
を備える、製造ライン作業改善支援装置。
(付記2)
前記改善対象工程と、該改善対象工程と特定された工程に対する改善点を提示する改善活動データと、を出力する出力部をさらに備える、
付記1に記載の製造ライン作業改善支援装置。
(付記3)
前記複数の特性値は、前記工程毎の平均工程作業時間と前記工程作業時間のばらつきを示す散布度と、を含み、
前記算出部は、前記平均工程作業時間と、前記散布度とを乗算した値を、前記工程毎の作業時間を評価する工程評価値として求め、
前記改善対象工程特定部は、求めた工程評価値のうち、最大値を示す工程評価値が得られた工程を改善対象工程と特定する、付記1または付記2に記載の製造ライン作業改善支援装置。
(付記4)
前記散布度は、分散と標準偏差との一方を含む、
付記3に記載の製造ライン作業改善支援装置。
(付記5)
前記改善対象工程特定部は、前記平均工程作業時間と前記散布度の組み合わせと、前記改善対象工程について学習しておいた学習済モデルを用いて、前記平均工程作業時間と前記散布度に基づいて前記改善対象工程を提示する、付記3または付記4に記載の製造ライン作業改善支援装置。
(付記6)
前記改善対象工程特定部は、
前記組み合わせと前記改善対象工程を含む学習データに基づいて、学習済モデルを生成する学習部と、
前記組み合わせに基づいて、前記学習済モデルを用いて、前記改善対象工程を推論する推論部と、
を有する、
付記5に記載の製造ライン作業改善支援装置。
(付記7)
前記改善対象工程特定部は、前記平均工程作業時間と前記散布度との組み合わせと前記改善対象工程と改善の視点について学習しておいた学習済モデルを用いて、平均工程作業時間と散布度に基づいて、前記改善対象工程と該改善対象工程の改善に有効と考えられる改善の視点を提示する、付記3または付記4に記載の製造ライン作業改善支援装置。
(付記8)
ラインの工程毎の作業について作業時間を求め、求めた作業時間の特性を示す特性値を求め、
前記特性値に基づいて、他の工程よりも優先的に改善を行う必要のある工程を特定する、
製造ライン作業改善支援方法。
(付記9)
コンピュータに、
ラインの工程毎の作業について作業時間を求め、求めた作業時間の特性を示す特性値を求め、
前記特性値に基づいて、他の工程よりも優先的に改善を行う必要のある工程を特定する、
処理を実行させるプログラム。
1 製造ライン作業改善支援システム、100 撮影装置、200 製造ライン作業改善支援装置、210 演算処理部、211 実作業動画取得部、212 算出部、213 改善対象工程特定部、214 出力部、215 改善対象工程提示部、215a 学習部、215b 推論部、220 記憶部、221 実作業ファイル記憶部、222 算出値記憶部、223 改善対象工程記憶部、224 改善活動データ記憶部、225 学習済みモデル記憶部、230 表示部、1000 バス、1001 プロセッサ、1002 メモリ、1003 インタフェース、1004 二次記憶装置。
Claims (9)
- 製品を製造する製造ラインの作業の改善を支援する製造ライン作業改善支援装置であって、
前記製造ラインの工程毎の作業を撮影した撮影データに基づいて工程作業時間を求め、求めた工程作業時間に基づいて、工程毎の作業時間の特性を示す複数の特性値を求める算出部と、
求めた複数の特性値を使用して、他の工程よりも優先的に改善を行う必要のある工程を改善対象工程と特定する改善対象工程特定部と、
を備える、製造ライン作業改善支援装置。 - 前記改善対象工程と、該改善対象工程と特定された工程に対する改善点を提示する改善活動データと、を出力する出力部をさらに備える、
請求項1に記載の製造ライン作業改善支援装置。 - 前記複数の特性値は、前記工程毎の平均工程作業時間と前記工程作業時間のばらつきを示す散布度と、を含み、
前記算出部は、前記平均工程作業時間と、前記散布度とを乗算した値を、前記工程毎の作業時間を評価する工程評価値として求め、
前記改善対象工程特定部は、求めた工程評価値のうち、最大値を示す工程評価値が得られた工程を改善対象工程と特定する、請求項1または請求項2に記載の製造ライン作業改善支援装置。 - 前記散布度は、分散と標準偏差との一方を含む、
請求項3に記載の製造ライン作業改善支援装置。 - 前記改善対象工程特定部は、前記平均工程作業時間と前記散布度の組み合わせと、前記改善対象工程について学習しておいた学習済モデルを用いて、前記平均工程作業時間と前記散布度に基づいて前記改善対象工程を提示する、請求項3に記載の製造ライン作業改善支援装置。
- 前記改善対象工程特定部は、
前記組み合わせと前記改善対象工程を含む学習データに基づいて、学習済モデルを生成する学習部と、
前記組み合わせに基づいて、前記学習済モデルを用いて、前記改善対象工程を推論する推論部と、
を有する、
請求項5に記載の製造ライン作業改善支援装置。 - 前記改善対象工程特定部は、前記平均工程作業時間と前記散布度との組み合わせと、前記改善対象工程と改善の視点について学習しておいた学習済モデルを用いて、平均工程作業時間と散布度に基づいて、前記改善対象工程と該改善対象工程の改善に有効と考えられる改善の視点を提示する、請求項3に記載の製造ライン作業改善支援装置。
- ラインの工程毎の作業について作業時間を求め、求めた作業時間の特性を示す特性値を求め、
前記特性値に基づいて、他の工程よりも優先的に改善を行う必要のある工程を特定する、
製造ライン作業改善支援方法。 - コンピュータに、
ラインの工程毎の作業について作業時間を求め、求めた作業時間の特性を示す特性値を求め、
前記特性値に基づいて、他の工程よりも優先的に改善を行う必要のある工程を特定する、
処理を実行させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022062779A JP2023153477A (ja) | 2022-04-05 | 2022-04-05 | 製造ライン作業改善支援装置、製造ライン作業改善支援方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022062779A JP2023153477A (ja) | 2022-04-05 | 2022-04-05 | 製造ライン作業改善支援装置、製造ライン作業改善支援方法及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023153477A true JP2023153477A (ja) | 2023-10-18 |
Family
ID=88349819
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022062779A Pending JP2023153477A (ja) | 2022-04-05 | 2022-04-05 | 製造ライン作業改善支援装置、製造ライン作業改善支援方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2023153477A (ja) |
-
2022
- 2022-04-05 JP JP2022062779A patent/JP2023153477A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110532984B (zh) | 关键点检测方法、手势识别方法、装置及系统 | |
US9852358B2 (en) | Information processing device, information processing method, and information processing system | |
US10528961B2 (en) | System and method for estimating a move using object measurements | |
US11151421B2 (en) | Method for treating a surface | |
JP2011517494A5 (ja) | ||
US20160224838A1 (en) | Video based matching and tracking | |
JP7380567B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
Reining et al. | Attribute representation for human activity recognition of manual order picking activities | |
EP3509019A1 (en) | Software product development defect and issue prediction and diagnosis | |
CN109949103A (zh) | 一种数据处理方法、装置及电子设备 | |
EP3683734A1 (en) | Learning method, learning program, and learning apparatus | |
JP2019175268A (ja) | 行動認識装置、行動認識方法、そのプログラム及びそのプログラムを記録したコンピュータ読取り可能な記録媒体 | |
JP2023153477A (ja) | 製造ライン作業改善支援装置、製造ライン作業改善支援方法及びプログラム | |
JP2019159885A (ja) | 動作分析装置、動作分析方法、動作分析プログラム及び動作分析システム | |
CN113673318B (zh) | 一种动作检测方法、装置、计算机设备和存储介质 | |
JP7428769B2 (ja) | 柔軟で適応的なロボット学習のための人間ロボット協働 | |
JP7143892B2 (ja) | 人の体重を予測する装置並びに健康管理装置及び方法 | |
JP2024040815A (ja) | 作業改善支援装置、作業改善支援システム、作業改善支援方法及びプログラム | |
JP2022021437A (ja) | 作業支援装置、作業支援方法及びプログラム | |
Parsa et al. | Predicting ergonomic risks during indoor object manipulation using spatiotemporal convolutional networks | |
US20230103948A1 (en) | Work estimation apparatus, work estimation method, and non-transitory computer-readable storage medium | |
Machuca et al. | An evaluation of best compromise search in graphs | |
JP7387025B2 (ja) | 作業手順更新装置、作業手順更新方法及びプログラム | |
JP2022500757A (ja) | 物品を識別するための方法および装置 | |
US20190275672A1 (en) | Information processing apparatus and information processing method |