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

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。

特開２００３－２８０７３０号公報

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。

本開示の実施の形態１に係る製造ライン作業改善支援システムの構成例を示すブロック図 改善対象工程特定処理のフローチャート （ａ）工程毎の平均工程作業時間と標準偏差を示す表、（ｂ）工程毎の平均工程作業時間と標準偏差を示すグラフ 改善対象工程と改善実行事例を示すデータの一例を示す図 本開示の実施の形態１に係る製造ライン作業改善支援装置のハードウェア構成の一例を示す図 実施の形態２に係る製造ライン作業改善支援システムの構成例を示すブロック図 実施の形態２に係るニューラルネットワークの概要を示す図 実施の形態２に係る学習処理を示すフローチャート 実施の形態２に係る推論処理を示すフローチャート

（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。

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、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。

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)

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。
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、
   請求項１に記載の製造ライン作業改善支援装置。
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、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。
4. 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。
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、請求項３に記載の製造ライン作業改善支援装置。
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、
   請求項５に記載の製造ライン作業改善支援装置。
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、請求項３に記載の製造ライン作業改善支援装置。
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。
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。

Images