JP3523007B2 - 満足感計測システムおよびフィードバック装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、物を作ることに
誇りと喜びが感じられ、経済性が成り立ち、人に対しや
さしいという機能的要求を満たす人間中心の生産システ
ム構築の一環として、作業者の満足感を計測し、結果を
作業者や機械にフィードバックするための満足感計測シ
ステムに関し、特に脳波を入力としたニューラルネット
ワークを利用して人間の満足感を計測するシステムに関
する。

【０００２】

【従来の技術】本発明者らは、次世代の新しい生産シス
テムとして、作ることに誇りと喜びが感じられ、経済性
が成り立ち、人に対して優しいという３つの機能的要求
を持つ人間中心生産システムを提案してきた。このよう
な人間中心生産システムを実現し、評価するためには実
際に作業現場で働いている作業者の満足感を評価する必
要がある。しかし作業における満足感は、作る喜びによ
る満足感と困難性や達成感などを反映した完成した喜び
による満足感を含むものであって、単純な人の快−不快
という指標として計測することはできない。

【０００３】一方、工学分野で計測されている生理指標
としては、中枢神経系では脳波、自律神経系では皮膚電
気活動、血圧、心拍、呼吸、脈波などが挙げられるが、
このうち自律神経系はサーカディアンリズムの影響など
により初期値が安定しないなどの問題があり、中枢の脳
波が最も信頼できる指標である。特に、音楽や香りなど
の刺激が人間の脳波に及ぼす影響を調べるためには、閉
眼で拘束されている状態で、その刺激を受けているとき
のα波のパワーや出現率、ゆらぎ係数などが求められる
ことが多い。

【０００４】一方、脳波は用いる電極の種類や導出法、
開眼・閉眼の状態などにより結果が大きく変化する現象
であるので、閉眼での計測結果はあくまでも閉眼時おい
ての結果であり、これは人間が生活を行う上での通常の
状態である開眼時にそのまま応用できるとは考えられな
い。

【０００５】また、これに関連して脳波のα波は、人の
快―不快と関わっていることが指摘されており、このα
波のゆらぎ特性をもとに人の感情を評価する方法が提案
されている（日本機械学会誌４０３―４０６、１９９５
年５月、特開平８−１７１９９号）。ここではニューラ
ルネットワークを利用して、α波のゆらぎ傾斜度を入
力、出力を覚せい・快適感として感情状態を推定する手
法が用いられており、製品や空間設計への応用の可能が
示唆されている。しかし、この方法も閉眼状態での計測
を念頭においたもので、時間分解能も約５分と非常に長
いものである。

【０００６】

【発明が解決しようとする課題】しかし、作業者の満足
感は、開眼状態を前提として人が物を作るという行動に
基づくものであり、活動快と関係が深く、開眼・閉眼を
問題としない、空間における人間の快適性とは異なる指
標が求められる。また上述のゆらぎによる快−不快の評
価のようにいくつかの感情レベルでの評価の研究は行わ
れてきたが、いままではあまり精度よく評価できなかっ
たこともあって、感情を評価することへの倫理的な問題
や評価された情報のフィードバックの方法までも考慮さ
れたものは見当らない。フィードバックのためには計測
の時間的分解能も必要である。

【０００７】一方、従来より人間の視覚や聴覚に情報を
与え、強制的にある望ましいといわれる状況を作り出す
バイオフィードバックの手法もあるが、これらの方法は
強制的に人間の生理情報を変化させていることから生理
的な破綻を招くおそれがある。また与えられる情報の意
味もわからずに一方的にフィードバックされて生理的に
だけ変化するのは問題があると考えられる。

【０００８】本発明は、人間の作業時の満足感の指標を
与えるとともに、この指標に基づく満足感の計測手法お
よび計測された結果の現場への適用を提供することを目
的とする。特に計測した満足感情報をリアルタイムにフ
ィードバックできるシステムを提供することを目的とす
る。また本発明は開眼状態の作業者から、その作業を妨
げることなく生理情報を得、この情報に基づき作業者の
満足感を評価し、作業を妨げることなく評価結果を作業
者にフィードバックできるシステムを提供することを目
的とする。更に本発明は計測された作業者の情報（生理
情報や動作情報）に基づき、作業者が常に満足した状態
で作業が進められるように、作業者の扱う機械にフィー
ドバックするシステムを提供することを目的とする。

【０００９】

【課題を解決するための手段】このような目的を達成す
る本発明の満足感計測システムは、脳波を検出する検出
手段と、検出手段からの信号を処理しパワースペクトル
を求める信号処理手段と、パワースペクトルを入力とし
満足感情報を出力するニューラルネットワークとを備え
ている。好適には、ニューラルネットワークは、入力
層、中間層及び出力層から構成される三層構造を有し、
誤差逆伝播法（以下、ＢＰ法という）により学習されて
いる。

【００１０】このニューラルネットワークは、アンケー
トにより満足感を複数の感情語で多面的に評価し、この
評価に基づき満足状態と不満足状態と判断されたサンプ
ルを選択し、各サンプルにおける脳波のパワースペクト
ルを入力信号とし学習されている。とくに出力層が２ユ
ニットのニューラルネットワークにおいて、満足状態に
おける出力が（１．０，０．０）、不満足状態における
出力が（０．０，１．０）となるように学習されてお
り、２つの出力ユニットの出力値の計に占める一方の出
力ユニットの出力の相対強度を求めることにより、満足
度を評価できる。

【００１１】検出手段は、前頭部双極導出により脳波を
検出し増幅する手段および増幅後の信号をＡ／Ｄ変換す
る手段を備えたものが好適である。このような検出手段
は作業中の作業者に容易に装着でき、作業を妨げること
がなく、満足感計測に有効な情報（脳波信号）を検出で
きる。

【００１２】本発明の満足感計測システムは、更にニュ
ーラルネットワークの出力を被測定対象である作業者或
いは作業者の扱う機械にフィードバックする手段を備え
ている。満足感の評価を作業者にフィードバックする場
合、フィードバック手段は、微細振動をフィードバック
情報として用いる。これにより作業者は、他人に知られ
ることなく、自分の状態を知り、休憩を取る、作業条件
を変える等の対策を取ることができる。

【００１３】このようなフィードバック手段の好適なも
のは、ニューラルネットワークの出力を無線により受信
する受信手段と、受信手段からの信号をトリガとするス
イッチング手段と、スイッチング手段の制御により駆動
され、偏心重りを備えた小型モータとを備えている。無
線方式とすることにより、作業場所が満足感計測システ
ムから離れていても作業を妨げることなくフィードバッ
クが可能となる。

【００１４】満足感の評価を作業者が扱う機械にフィー
ドバックする場合、フィードバック手段は、作業者の満
足感が高まるように、機械の操作部の負荷、画面、音、
照明等を制御する。

【００１５】更に本発明の満足感計測システムは、脳波
を検出する検出手段と、検出手段からの信号を処理しパ
ワースペクトルを求める信号処理手段と、パワースペク
トルを入力とし満足感情報を出力する第１のニューラル
ネットワークと、パワースペクトルを入力とし脳波に混
入されたノイズに関する情報（例えば、ノイズの度合
い）を出力する第２のニューラルネットワークと、第２
のニューラルネットワークの出力が所定のノイズ値を超
えたときに第１のニューラルネットワークの出力を無効
とする判定手段とを備えている。この満足感計測システ
ムは、第２のニューラルネットワークでノイズの判定を
行い、ノイズの少ない状態における第１のニューラルネ
ットワークの満足感評価のみを有効な評価とする。ノイ
ズの多いことが予想される作業環境においても正確な計
測が可能となる。

【００１６】また本発明のフィードバック装置は、人の
生理情報あるいは生理情報の処理結果である心理情報等
の情報を入力し、微細振動をフィードバック情報として
用いて人にフィードバックする。フィードバック情報と
して微細振動を利用することにより、人が他人に知られ
ることなく、自分の状態を把握することができる。この
ようなフィードバック装置は、好適には人の生理情報あ
るいは生理情報の処理結果である心理情報等の情報を計
測する手段から、その情報を無線信号として受信する受
信手段と、受信手段からの信号をトリガとするスイッチ
ング手段と、スイッチング手段の制御により駆動され、
偏心重りを備えた小型モータとを備えている。無線方式
とすることにより、行動が制限されることなくフィード
バックが可能となる。

【００１７】

【発明の実施の形態】図１は、本発明の満足感計測シス
テムの一実施例の構成を示すブロック図である。この満
足感計測システムは、主として、作業者１の脳波を測定
する脳波計（増幅器）２と、脳波計２により計測された
アナログ信号をデジタル変換するＡ／Ｄ変換部３と、Ａ
／Ｄ変換部３からのデジタル信号にフィルタ処理、フー
リエ変換等の信号処理を行う信号処理部４と、信号処理
部４からの信号を入力し満足感を示す信号を出力するニ
ューラルネットワーク５と、ニューラルネットワーク５
の出力を表示する表示部６と、ニューラルネットワーク
５の出力を作業者１および／又は作業者１が扱う機械に
フィードバックするフィードバック部７とを備えてい
る。

【００１８】脳波計２は、作業中の作業者に装着し、脳
波をアナログ信号として計測する増幅器とＡ／Ｄ変換器
（Ａ／Ｄ変換部３）を備えたもので、人間と商用電源の
間をフォトカプラやトランス等で絶縁した絶縁増幅器を
用いることができ、無線式、有線式のいずれであっても
よい。一般に脳波計として用いられる増幅器の低域遮断
周波数ｆ_Lと時定数τとの間には、ｆ_L＝１／２πτの関
係があるが、本発明のシステムの場合、動きのある作業
者を対象としており、電極の接触状態や体位の変動で基
線の動揺が生じることを考慮して時定数τは通常（０．
３秒）より短く、０．１秒（１．５Hz）程度が好適であ
る。サンプリング周波数は、ニューラルネットワークを
構築する前提として行った心理情報と脳波情報との相関
付け（後述する）において、脳波を計測した際のサンプ
リング周波数と同じ周波数とすることが好ましく、例え
ば１２０Hzとする。

【００１９】また脳波計２は、作業者に装着するという
観点から、額基準の前頭部双極導出の１チャンネルの脳
波計が好適である。１チャンネル（単点計測）のもの
は、多チャンネルの脳波計に比べ得られる情報量が少な
いが、感情を反映する前頭部からの導出により、その欠
点を補っている。また単に頭に巻くだけでよいので装着
が容易であり、体動やノイズの影響を受けにくい、安価
であるという利点がある。

【００２０】Ａ／Ｄ変換部３は、脳波計２で計測された
アナログ信号をデジタル変換するもので、通常のＡ／Ｄ
変換ボードを用いることができる。上述の増幅器が絶縁
されていない場合には、ボードに入る前に絶縁する必要
がある。Ａ／Ｄ変換部３としては、Ａ／Ｄ変換ボードの
他、パラレルポートから信号を入力する装置（DASport:
Intelligent Instrumentation社製）を用いることがで
きる。この装置を用いることにより携帯性に優れるノー
ト型パソコンによる計測が可能である。更にＡ／Ｄ変換
部３としては、TCP/IPプロトコルに基づくイーサネット
データ収集装置（EDASport:Intelligent Instrumentati
on社製）を用いることができ、この場合最高１００ｍ離
れた場所でも計測も可能であり、またインターネットを
通じての計測が可能となる。

【００２１】図２に前頭部双極導出の脳波計測システム
の一例を示す。この脳波計２は、中心の電極を基準とす
る３点のＡｇ−ＡｇＣｌ電極２１をボタン式にバンドに
取付けたもので、バンドを頭に巻くだけで電極２１を前
頭部に配置することができる。この脳波計２は増幅器お
よびＡ／Ｄ変換器を内蔵する送信器２２を備えており、
前頭部に配置した電極２１で双極導出により微小電位を
検出し、送信器２２に内蔵された増幅器で増幅した後、
例えば所定のサンプリング周波数でデジタル化し、その
データを無線でコンピュータ９に取込むようになってい
る。

【００２２】信号処理部４およびニューラルネットワー
ク５は、コンピュータ９に組込まれたソフトウェアから
成り、脳波の原信号に基づきパワースペクトル、帯域パ
ワー、α波およびβ波の出現率、ノイズ情報、満足感情
報を演算し、結果を表示部６に視覚情報としてプロット
したり、フィードバック部７に送出する。コンピュータ
９としては、例えばWin3.1やWin95を組込んだパソコン
レベルのコンピュータを用いることができる。

【００２３】ニューラルネットワーク５は、図３に示す
ように入力層、中間層および出力層から構成される多入
力−多出力のフィードフォワード型三層構造を有し、誤
差逆伝播法（ＢＰ法）等の公知の方法により学習されて
いるものを用いる。各層のユニット数は特に限定されな
いが、本発明では入力信号としてパワースペクトルを用
いることからユニット数は周波数分解能に依存する。中
間層のユニット数を増やすことにより、複雑な関数を近
似することができるが、ユニット数が多くなるにしたが
って、局所的な極小値に陥ることが多くなる。一方、学
習が成立したときには、ニューラルネットワークの能力
は中間層のユニット数もあまり影響されない。従って中
間層のユニット数としては学習が可能である最小限の数
か、それより少し多い数でよい。具体的には２０程度で
よい。また出力層は、図３には２ユニットのものを示し
たが、１ユニット或いは３以上のユニットで構成するこ
とも可能である。

【００２４】本発明の実施例では、入力層２１４ユニッ
ト、中間層２０ユニット、出力層２ユニットのニューラ
ルネットワークを用いて、ＢＰ法により学習を行いニュ
ーラルネットワークを構築した。

【００２５】次に、本発明によるニューラルネットワー
ク構築の一実施例について説明する。

【００２６】ニューラルネットワークの構築に先立っ
て、まず心理的なレベルでの満足感のモデル化を行っ
た。工学的に満足感を計測対象とする場合、言語的報告
による主観的な心理情報と客観的に計測できる生理情報
との対応を得る必要がある。本発明では満足感という心
理情報を従来の心理評価のように満足度という１つの尺
度では評価できないと考え、多面的感情状態尺度を用い
たアンケートを行っている。そのため満足感と８つの基
本的感情状態からなる多面的感情状態尺度（個々の感情
状態は１０個の感情語から成る）との関係を求めた。こ
れは動物と違って脳の中を開けて調べることができない
人間を対象とする場合、心理情報の評価は言語的なアン
ケートによる評価に頼らざるを得ないからである。

【００２７】このような満足感の言語的なモデル化によ
り、従来の心理情報の評価に用いられている方法のよう
な、「あなたはどのくらい満足していますか」という、
定義もあいまいな抽象的な１つの尺度上での評価ではな
く、具体的な形容詞からなる、直感的に解答することが
できる多くの感情語の得点により満足感を評価できるよ
うになったので、より真の値に近い満足感を評価できる
ようになった。

【００２８】一方、心理情報である満足感と生理情報で
ある脳波から得られる情報との対応関係を得るための実
験では、脳波を図２に示すような脳波計測システムを用
いて、サンプリング周波数１２０Hzで時系列データとし
て計測し、パワースペクトル解析した。解析時間８．５
３秒ごとの１０２４点のデータと、解析時間４．２７秒
ごとの５１２点のデータとをそれぞれハニング窓でパワ
ースペクトル解析した。

【００２９】脳波は周波数によりδ波（１〜４Hz）、θ
波（４〜８Hz）、α波（８〜１３Hz）、β波（１３〜３
０Hz）、γ波（３０Hz〜）に分類されるが、低周波数帯
域は目の動き、高周波数帯域は筋電位の影響を受けやす
いことから、ノイズの混入しにくいα波とβ波に注目し
て解析を行った。α波とβ波の相対パワーである出現率
の変化と満足感との関係を調べるために、スピアマンの
順位相関係数を求めた。その結果、１）満足感を感じて
いるときには不満を感じているときよりα帯域の出現率
が高く（ｐ＜０．０５）、β帯域の出現率は低い（ｐ＜
０．０５）、２）α帯域の出現率の増減は満足感の増減
と正の相関があり（統計的有意）、β帯域の出現率の増
減は負の相関があることがわかった（統計的有意）。

【００３０】以上のアンケートおよび脳波計測の結果に
基づき、ニューラルネットワークの学習をＢＰ法により
行った（図４）。ニューラルネットワークへの入力信号
は、前述の指標（感情語評価）を参考にして満足を感じ
ている時１０サンプル、不満足であるとき１０サンプル
の計２０サンプルを選び、これらについてα波およびβ
波を含む５〜３０Hzのパワースペクトルを入力信号とし
た。尚、サンプル数として２０はＢＰ法による学習に用
いるには少ないと言えるが、本実施例の場合、入力と出
力との関係が分っている統計的に有意な値を扱っている
のでサンプル数２０でも問題はないと考える。かえって
学習において、局所的な極小値におちいらないという利
点がある。

【００３１】一般にニューラルネットワークへの入出力
関数は、導関数でなければならないので、本実施例では
増加関数であり、連続的な非線形関数であるシグモイド
関数（式（１））を入出力関数として用いた。

【００３２】

【数１】 式中εは、シグモイド関数の傾きを示す係数であり、こ
の値が小さければ線形関数に近い形状になり、大きけれ
ば非線形性が強調される。本実施例では、ε＝０．５と
した。尚、入出力関数としては、シグモイド以外の非線
形関数を用いることも可能である。

【００３３】ユニットへの入力値はシグモイド関数の０
〜１の範囲の値をとる必要があるが、シグモイド関数は
飽和関数で０．１以下や０．９以上ではユニット間の結
合の重みを変えても０や１に近づかないため、本実施例
では０．１〜０．９に規格化した。入力信号を規格化す
ることにより、パワースペクトルを直接入力しても、相
対パワーである出現率を反映した識別ができる。

【００３４】ニューラルネットワークへの入力信号の一
例を図５に示す。図５（ａ）は満足間を感じていると
き、（ｂ）は不満足なときの入力信号である。

【００３５】これに対応する教師信号としては、満足を
感じているときの出力を（１．０，０．０）とし、不満
足を感じているときの出力を（０．０，１．０）とし
た。本来ならば教師信号にはアンケートから得られる心
理情報の得点を用い、アナログ的な値を与えるべきであ
るが、このようにデジタル値を用いているのは、言語的
な報告が心理情報を正確に反映するのは難しいからであ
る。本発明では前述したように、合計８０個から構成さ
れる感情語の得点から多面的に満足感を評価することに
より、心理情報の誤差を少なくしているが、従来の方法
よりも正確に満足感を評価できるようになったとはい
え、学習においては満足感を状態として大きく捉え、教
師信号にデジタル値を採用している。このように状態と
しての満足感を教師信号として学習を行ったところ、後
述するように、学習により適切に満足感を評価できるよ
うになった。

【００３６】このような条件で、ＢＰ法を用い、ニュー
ラルネットワークの出力と望ましい出力（教師信号）と
の二乗誤差が最小になるように結合荷重を修正した。

【００３７】ニューラルネットワークでは、一般にＮk
を第ｋ層のユニット数、パターンｐを提示された時の第
ｋ層のｊ番目のユニットｕ^k _jの出力値を

【００３８】

【数２】 最終層ｎ層のユニットｊの教師信号を

【００３９】

【数３】 とすれば、最小二乗誤差は式（２）で定義される。

【００４０】

【数４】 修正量は二乗誤差の結合荷重についての勾配を計算する
ことにより求められ、あるパターンｐを提示したときの
第k-1層i番目のユニットと第ｋ層ｊ番目のユニット間の

【００４１】

【数５】 の修正量は式（３）で表わされる。

【００４２】

【数６】 本実施例ではη＝０．７とした。ＢＰ法においては結合
荷重の修正の時期に関して１つの入力パターンを提示す
るために修正を行う逐次修正法と、各入力パターンを提
示した際に結合荷重の修正量を蓄積し、全入力パターン
の提示後に修正を一括して行う一括修正法があるが、本
実施例では全パターンに対する誤差を小さくする結合荷
重を求める一括修正法を用いている。また学習の発散を
防ぎ、学習の高速化を図るために、式（４）に示すよう
に慣性項を導入した結合荷重の修正を行った。

【００４３】

【数７】 ここでｍは学習回数、αは慣性係数と呼ばれる係数であ
り、本発明ではα＝０．５とした。出力層と中間層、中
間層と入力層の結合荷重は、それぞれ式（５）および式
（６）で表わされる。

【００４４】

【数８】 学習は、最小二乗誤差が１×１０^-4となった時点で終了
とし、学習回数は１０２４点データの場合４６０回、５
１２点データの場合４９３回であった。

【００４５】このように学習したニューラルネットワー
クについて学習は適切に行われたかを確かめるために、
未学習データ（学習に用いられなかったデータ）を用い
て評価した。その結果の１例を図６に示した。図中
（ａ）は、未学習データのニューラルネットワークによ
る評価を、（ｂ）及び（ｃ）はそれぞれα帯域の出現
率、β帯域の出現率を表わす。ニューラルネットワーク
の評価は、２つのユニットの出力値の合計に占める第１
ユニットの相対強度とした。図６からもわかるように満
足感が高いというニューラルネットワークの評価は、α
帯域の出現率の増加およびβ帯域の出現率の減少という
指標と対応しており、学習は適切であったことがわか
る。

【００４６】以上はニューラルネットワーク構築の一実
施例であり、ＢＰ法以外の方法であっても適切な学習が
なされたニューラルネットワークであれば採用すること
ができる。

【００４７】本発明の満足感計測システムでは、このよ
うに学習されたニューラルネットワークを用いて満足感
を計測するものであり、好適にはニューラルネットワー
ク構築に用いたのと同じ脳波計を作業者に装着し計測を
行う。この脳波計２からのアナログ信号をＡ／Ｄ変換部
３でデジタル信号に変換し、このデジタル信号を信号処
理部４においてフーリエ変換してパワースペクトルを求
める。更に必要に応じてα帯域およびβ帯域の出現率を
求める。これらの結果は表示部６に表示させることがで
きる。また学習後のニューラルネットワーク５は、信号
処理部４からのパワースペクトルを入力信号として、第
１および第２のユニットから満足感および不満足感に対
応した出力を得る。ニューラルネットワーク５の組込ま
れたコンピュータ９は、２つの出力ユニットの出力値の
合計に対する第１ユニットの相対強度を満足感として求
める。

【００４８】本発明の満足感計測システムは、作業者が
ものを作る喜びにより生じる満足感を計測可能にしたも
のであるが、更に計測結果を作業者や作業者が扱う機械
にフィードバックすることにより作業者の満足感を増加
させ、人間中心の理想的な作業状態を実現することがで
きる。

【００４９】以下、フィードバック部７の第１の態様と
してニューラルネットワーク５による満足感の評価を作
業者にフィードバックするためのフィードバック部７に
ついて説明する。

【００５０】フィードバック部７としては、例えば音声
やモニターへの表示等が採用可能であるが、作業者は視
覚的、聴覚的情報により作業を行っているのでこれらは
作業の妨げになるおそれがある、他人に知られるので人
間性を疎外した管理につながる等の問題があり得る。従
って、作業者の作業に影響を与えない、情報が直感的に
作業者に伝わる、倫理的な面で問題がないこと等を考慮
し、触覚、例えば微細振動を利用したフィードバックシ
ステムを採用することが好ましい。これにより作業者は
作業を中断されることなく、自分の状態を把握すること
ができる。

【００５１】また満足感計測システムで得られた結果と
しては、満足感を感じている状態と、不満足感を感じて
いる状態とがあるが、いずれをフィードバックするよう
にしてもよい。両者を異なる情報でフィードバックする
ことも可能である。作業者は自分の状態を知ることによ
り、不満足な時には休みを入れたり、満足している時に
はそのまま作業を続けたり、自分にとっていい音楽を流
したりといったことが可能となる。満足状態のフィード
バックは自分がどのようなときに満足しているかを知る
ことができ、訓練にも使うことができる。

【００５２】満足感計測システムで得られた結果を触覚
により作業者にフィードバックするシステムの一実施例
を図７に示す。このフィードバック部７は、満足感計測
システム（コンピュータ９）で得られた結果を所定の電
気信号として無線で送信する送信部７１と、送信部７１
からの信号を受信する受信部７２と、受信部７２からの
信号により動作するスイッチング回路７３と、振動発生
器７４とからなる。振動発生器７４は、図８に示すよう
に小型モータ７５とモータの偏心軸７５ａに取付けられ
た重り７６とからなり、モータ７５の回転に伴い重り７
６が揺動し非常に小さい振動を発生する。受信部７２、
スイッチング回路７３とおよび振動発生器７４は一体的
なフィードバック装置として構成され、ケースに入れて
作業者の体に装着できるようになっている。従って、コ
ンピュータ９から離れた位置でも、コンピュータ９に取
付けた送信部７１からの無線信号により計測結果をフィ
ードバックすることができる。

【００５３】このフィードバック部７は、例えば次のよ
うに動作する。満足感計測システムにおける評価が不満
足の状態のときに、例えばある値以下が続く或いは変化
率が負である状態が続くと、送信部７１から信号が出さ
れる。受信部７２がこのような信号を受信するとコンピ
ュータ９はオン／オフ信号をスイッチング回路７３に送
出する。これによりスイッチング回路７３が動作し、モ
ーター７５をオンさせる。これにより作業者は微動を感
じ、作業に影響を与えず、誰に知られることもなく現在
の自分の状態を知り、休憩を取る、作業条件を変える等
が可能となる。

【００５４】尚、作業者が満足感を感じている状態を知
りたい場合には、ソフトの変更により送信部７１から送
出する信号を変えればよい。

【００５５】次にフィードバック部の第２の態様とし
て、機械へのフィードバックについて説明する。図９は
機械へのフィードバックシステム８０の概略を示す図
で、このシステムは上述した満足感計測システムのみな
らず一般に作業者からの情報を機械システムにフィード
バックするためのシステムである。このフィードバック
システムは、作業者からの様々な情報を計測して評価す
る状態評価部８１と、状態評価部８１からの情報を基
に、その人の状態を理解し、評価項目が最良の値を取る
ように機械の各部分（例えば、ハンドル、照明、モータ
等）を制御する信号を各部分に送出する状態理解部８２
及び各部分のコントローラ８３からなる。

【００５６】状態評価部８１は、作業者から得られる情
報として、脳波、心拍、脈波、血圧、皮膚電位、皮膚温
度などの生理情報と表情、身振、手振りなどの行動情報
（合せて生体情報）および機械システムへの操作量と操
作部にかかる圧力変化などの物理量（合せて動作情報）
を入力し、作業者の状態を評価し、これを所定の信号と
して状態理解部８２へ送出する。例えば心拍、血圧など
から作業者の疲労度を判定すること、また脳波から満足
度を含む心理状態を判定することも可能である。状態評
価部８１は、判定内容が単純な場合には簡単なソフトウ
ェアでよいが、満足感計測のような複雑な評価を伴う場
合にはニューラルネットワークが適当である。この状態
評価部８１は、図１の満足感計測システムにおける脳波
計２、信号処理部４およびニューラルネットワーク５に
対応する。即ち、作業者から得る情報が脳波である場
合、状態評価部８１は脳波を計測することによって満足
感を評価し、結果を状態理解部８２に送出する。

【００５７】状態理解部８２は、最終的に評価項目が最
良の値を取るように機械システムの各部分を動作させる
ようにコントローラ８３を制御する。この場合、操作量
や感覚へのフィードバックと評価される状態との関係は
必ずしもわかっている必要はなく、フィードバックによ
りその状態がよくなるように状態理解部８２が探索的に
フィードバック量を見つけ出せればよい。但し、計測さ
れた情報と評価項目との対応が有る程度わかっているこ
とが有効である。

【００５８】このような探索的なフィードバックシステ
ムを採用することにより、個人差やその日の状態などに
より同定される状態と動作情報や環境情報との一義的な
関係を見出すことが困難である作業者を対象とすること
ができる。

【００５９】状態理解部８２からの信号により制御され
るものは、例えば操作ハンドルの負荷、運転速度、モニ
タの表示、照明、音等が挙げられる。対象となる機械が
パーソナルコンピュータの場合、キーボードからの入力
による文字等の表示時間、マウスやポインティングデバ
イスの応答の速さ、画面表示、音等が挙げられる。これ
らはソフト上で調整することにより、制御できる。例え
ば作業者が満足感を感じているときは、効率よく作業が
できることが予測されるので、早く表示するようにす
る。また不満足のときには、矢印の大きさ、アイコンの
デザイン、色など画面を少し変えて作業の多様性を出
す。或いは作業者の好きな音楽がなる。これにより機械
が自分の状態を気にしていることがわかり、親しみが湧
くことにより作業が楽しくなる。

【００６０】対象となる機械がＮＣ工作機械の場合、上
述したパーソナルコンピュータの場合と同様にモニタの
画面表示や音を制御することの他、マニュアル操作用ジ
ョグハンドルの重さ、マニュアル操作時の１メモリの移
動量を制御することもできる。例えば、ジョグハンドル
の重さは、主軸モータの電流値を取り出し、それをジョ
グハンドルの重さを制御するマグネット・パウダーブレ
ーキに入力し、切削トルクにほぼ比例する切削トルクを
ジョグハンドルに与える。これにより、作業者と機械と
の一体感が出て、機械に親しみが湧き、楽しく作業がで
きる。また満足感に対応してハンドルの重さを重たくし
たり軽くしたりすることも可能である。これにより作業
に多様性が出る。更に画面表示としては、満足感計測の
結果に合せて加工現象をリアルタイムで表示させてもよ
い。これは工作物の回転に同期させながらＣＣＤカメラ
により切削点の映像を取込むことにより可能となる。

【００６１】対象となる機械が工場のラインの場合に
は、ラインスピード、ラインへの供給量の制御が挙げら
れる。例えば満足感の度合いに応じて、生産に影響を与
えない程度にラインスピードを変えたり、満足を感じて
いる人に部品を集めるようなラインに制御することがで
きる。

【００６２】このように作業者のみならず機械へのフィ
ードバックを含めた満足感計測システムとすることによ
り、人間の満足感に適応した行動をとる機械システムへ
の応用ができ、理想的なヒューマン−マシンインターフ
ェイスを実現するシステムを得ることができる。

【００６３】次に本発明の第２の実施例として、更にノ
イズ識別ニューラルネットワークを組込んだ満足感計測
システムについて説明する。

【００６４】本発明の満足感計測システムは、あまり環
境がよくない作業現場にいるかもしれない作業者をも対
象するものであり、この場合、体動や機械、周囲の環境
から生じるノイズを考慮する必要がある。また、ノイズ
のない場所でも電極の装置によりノイズが生じることが
ある。この第２の実施例では、これらノイズの有無を第
２のニューラルネットワークにより識別し、その結果に
基づき満足感計測ニューラルネットワークによる評価の
信頼性を判断する。

【００６５】図１０は、本発明の満足感計測システムの
第２の実施例の構成を示すブロック図である。図１０に
おいて図１の満足感計測システムと同じ構成のものにつ
いては、同一符号で示し、説明を省略する。この満足感
計測システムが図１の満足感計測システムと異なる点
は、満足感を評価するニューラルネットワーク５と並列
に脳波信号のノイズを判定するニューラルネットワーク
８を備えている点である。このニューラルネットワーク
８は、信号処理部４からのパワースペクトルを入力と
し、閾値以上のノイズの有無を判定する。

【００６６】ノイズ識別ニューラルネットワーク８とし
ては、満足感計測ニューラルネットワーク５と同様にフ
ィードフォワード型の３層構造のニューラルネットワー
クで、ＢＰ法等による学習を行ったものを用いることが
できる。ニューラルネットワーク８もニューラルネット
ワーク５と同様に同一のコンピュータ内にソフトとして
構築することが可能である。

【００６７】実施例として入力層１７２ユニット、中間
層２０ユニット、出力層２ユニットのニューラルネット
ワークを構築した。教師信号は、ノイズ有り、ノイズ無
しそれぞれ１０サンプル、計２０サンプルを用いた。

【００６８】一般に脳波は３０Hzくらいまでが意味の有
る信号であり、４０Hz以上の信号は体動などにより生じ
る電位の影響が大きい。そこでニューラルネットワーク
８の構築にあたっては４０〜６０Hzの帯域の信号のパワ
ースペクトルを入力信号として用い、出力信号はノイズ
が生じていない時には（１．０，０．０）、ノイズが生
じているときには（０．０，１．０）とした。学習にあ
たっての各係数η、α、εはそれぞれ０．７、０．５、
０．５とし、最小二乗誤差が１×１０^-4となった時点で
学習を終了した。学習回数はパワースペクトルの解析時
間の異なる２種のデータ（データ点数１０２４、データ
点数５１２）でそれぞれ６４４１回、７９１０回であっ
た。

【００６９】このようなノイズ識別ニューラルネットワ
ークを組込んだ満足感計測システムでは、図１の実施例
と同様に脳波計２からのアナログ信号をＡ／Ｄ変換部３
でデジタル信号に変換し、このデジタル信号を信号処理
部４においてフーリエ変換してパワースペクトルを求め
る。更に必要に応じてα帯域およびβ帯域の出現率を求
める。これらの結果は表示部（図示、省略）に表示させ
ることができる。各ニューラルネットワーク５、８は、
それぞれこのパワースペクトルを入力信号として、前者
は図１の実施例と同様に満足感を評価する。不満足であ
ると判断された場合には、コンピュータ９はフィードバ
ック部７の送信部を介して、受信部に信号を送出し、こ
れによりフィードバック部７の振動発生器が作動し、微
細振動によって作業者に自分の状態をフィードバックす
る。この場合にも、満足感を感じている状態をフィード
バックすることも可能である。

【００７０】一方、ニューラルネットワーク８はノイズ
の有無を評価する。この場合、コンピュータ９（判定部
１０）は、ニューラルネットワーク８の２つの出力ユニ
ットの出力値の合計に対する第２ユニットの割合として
ノイズの度合いを求め、その値が所定の閾値以上である
場合には、ニューラルネットワーク５の結果の信頼性が
低いと判断し、その結果如何に関わらず、送信部からの
信号を送出しないようにする。これはニューラルネット
ワーク５において、満足と評価された結果をフィードバ
ックする場合にも同様に適用できる。

【００７１】従ってノイズの少ない状態で、ニューラル
ネットワーク５により判断された満足感の評価のみが計
測されるので、極めて正確な計測ができる。

【００７２】尚、以上の実施例ではニューラルネットワ
ークをコンピュータのソフトとして構築する場合を説明
したが、単独のチップとして構成することも可能であ
る。

【００７３】また以上の実施例では、作業を行っている
ときのデータを用いて満足感計測システムを開発し、主
として作業者の満足感を計測する場合について説明して
きたが、作業を広く人間にとっての刺激と捉えれば、本
発明は単なる作業のみならず一般の状況にも応用するこ
とができる。例えば、病院で寝たきりの病人や障害者の
介護にも適用できる。

【００７４】

【発明の効果】以上の説明からも明らかなように、本発
明により作業における満足感を客観的に評価するシステ
ムが提供される。この満足感計測システムの結果は作業
者及び／又は機械へのフィードバック情報として利用す
ることができ、これにより人間中心の生産システム設計
が可能となる。

【００７５】また本発明の満足感計測システムは、満足
感評価のニューラルネットワークの他にノイズ識別を行
う第２のニューラルネットワークを組込むことにより、
信頼性の高いシステムを提供できる。

【００７６】本発明の満足感計測システムは、簡易に装
着できる脳波計を備えることにより、脳波計測の専門家
の助けを借りなくても作業者が自発的に且つ作業者の作
業を妨げることなく、満足感の計測が可能となる。

【００７７】更に本発明のフィードバック装置は、フィ
ードバック情報として微細振動を利用したことにより、
満足感計測等の結果を管理目的に使用される等の倫理的
な問題がなく、かつ直感的に自分の状態を把握できるの
で、人が自発的に理想的な作業状態を作り出すことがで
きる。

【図面の簡単な説明】

【図１】本発明による満足感計測システムの一実施例の
概略を示す構成図

【図２】本発明の満足感計測システムにおける検出手段
の一実施例を示す図

【図３】本発明による満足感計測システムのニューラル
ネットワークの構造の一実施例を示す図

【図４】ニューラルネットワークの学習工程を示すフロ
ー図

【図５】ニューラルネットワークへの入力信号の一例を
示す図で、（ａ）は満足状態のパワースペクトルデー
タ、（ｂ）は不満足状態のパワースペクトルデータ。

【図６】ニューラルネットワークの評価結果を示す図
で、（ａ）はニューラルネットワークの出力、（ｂ）は
α帯域出現率、（ｃ）はβ帯域出現率をそれぞれ表わ
す。

【図７】本発明による人へのフィードバックシステムの
概略を示す構成図

【図８】フィードバック部の要部を示す図。

【図９】本発明による機械へのフィードバックシステム
の概略を示す構成図

【図１０】本発明による満足感計測システムの他の実施
例の概略を示す構成図

【符号の説明】

１・・・・・・作業者 ２・・・・・・増幅器（脳波計） ３・・・・・・Ａ／Ｄ変換部 ４・・・・・・信号処理部（信号処理手段） ５・・・・・・ニューラルネットワーク（第１のニューラルネ
ットワーク） ７・・・・・・フィードバック部 ８・・・・・・ニューラルネットワーク（第１のニューラルネ
ットワーク） ９・・・・・・コンピュータ ２２、７１・・・・・・送信手段 ２３、７２・・・・・・受信手段 ７３・・・・・・スイッチング手段 ７５・・・・・・モータ ７６・・・・・・偏心重り

フロントページの続き (56)参考文献 特開 平８−173407（ＪＰ，Ａ) 特開 平６−107031（ＪＰ，Ａ) 特開 平８−111961（ＪＰ，Ａ) 特開 平８−242273（ＪＰ，Ａ) 特開 平６−39754（ＪＰ，Ａ) 満足感計測システムの開発，1997年度 精密工学会春季大会学術講演会講演論文 集（第２分冊），日本，1997年 ３月 ５日，ｐ．869−870 (58)調査した分野(Int.Cl.⁷，ＤＢ名) A61B 5/0476 - 5/0484 A61B 5/16 - 5/18

Claims (2)

(57)【特許請求の範囲】
1. 【請求項１】機械作業中の作業者の脳波を検出する検出
   手段、前記検出手段からの信号を処理しパワースペクト
   ルを求める信号処理手段、前記パワースペクトルを入力
   とし満足感情報を出力するニューラルネットワーク及び
   前記ニューラルネットワークの出力を前記機械にフィー
   ドバックする手段を備え、 前記機械が、ＮＣ工作機械であり、 前記フィードバック手段は、前記ニューラルネットワー
   クが出力する満足感情報が最良の値となるようにマニュ
   アル操作用ジョグハンドルの重さを制御する手段を備え
   たことを特徴とする満足感計測システム。
2. 【請求項２】脳波を検出する検出手段、前記検出手段か
   らの信号を処理しパワースペクトルを求める信号処理手
   段、前記パワースペクトルを入力とし満足感情報を出力
   する第１のニューラルネットワーク、前記パワースペク
   トルを入力とし前記脳波に混入されたノイズに関する情
   報を出力する第２のニューラルネットワーク及び前記第
   ２のニューラルネットワークの出力が所定のノイズ値を
   超えたときに前記第１のニューラルネットワークを無効
   とする判定手段を備えたことを特徴とする満足感計測シ
   ステム。