JP6330882B2 - 制御装置 - Google Patents

Description

この開示は制御装置、システム、制御方法およびプログラムに関し、特に、生産のための駆動部を制御する制御装置、システム、制御方法およびプログラムに関する。

工場の生産ラインでは作業者はロボットなどの機械と協調しながら作業を実施する場合がある。この場合において、作業に対する作業者の熟練の程度に合わせてロボットなどの機械を制御することが望まれている。

特許文献１（特開２０１５−２３０６２１号公報）は、作業者とロボットが共同で作業する場合に、作業者の作業に対する熟練度や身体特徴などを予め個人情報保持部に保持（記憶）しておき、作業時は、保持された個人情報を参照することで、作業者の熟練度を取得し、取得された熟練度に応じてロボットの挙動（位置姿勢や起動）を設定する構成を開示する。

特開２０１５−２３０６２１号公報

特許文献１の構成は、事前に各作業者について熟練度の情報を取得して保持（記憶）するための処理を実施する必要があり、煩わしい。また、作業者が多い大規模な作業工程または作業者の入れ替わりが頻繁である作業工程に、特許文献１の構成を導入する場合には、当該熟練度の情報の保持処理にかかるコスト（時間、メモリ容量など）が大きくなるなどの課題がある。

そのため、作業者の作業の熟練度に応じた生産ラインの駆動部制御を実施することが望まれている。

開示のある局面に従う、生産のための駆動部を制御する制御装置は、作業者から測定された生体情報を取得する取得部と、作業の熟練度ごとに当該熟練度に応じた生体情報を記憶するための記憶部と、作業時に取得部により取得される生体情報が有する特徴量と、記憶部の熟練度ごとの生体情報が有する特徴量とを比較し、比較の結果に基づき、当該取得される生体情報がいずれの熟練度に該当するかを判定する判定部と、判定された熟練度に基づき駆動部の制御量を決定する決定部と、を備える。

好ましくは、生体情報は、作業時の身体の動作を示す情報を含む。
好ましくは、熟練度ごとに当該熟練度に応じた生体情報が有する特徴量を取得し記憶部に蓄積する蓄積部を、さらに備える。

好ましくは、記憶部に蓄積される特徴量は、判定部より判定された熟練度に応じた生体情報が有する特徴量を含む。

上記の制御装置は、さらに、作業者が作業時に扱うワークの動きを示すワーク情報を取得するワーク情報取得部と、熟練度ごとに当該熟練度に応じたワーク情報を記憶するためのワーク情報記憶部と、作業者の作業時に取得されるワーク情報が有する特徴量と、ワーク情報記憶部の熟練度ごとのワーク情報が有する特徴量とを比較し、比較の結果に基づき、当該取得されるワーク情報がいずれの熟練度に該当するかを判定するワーク情報判定部と、を備え、決定部は、判定部により判定された熟練度と、ワーク情報判定部により判定された熟練度に基づき、制御量を決定する。

好ましくは、特徴量は、熟練度を識別可能な特徴量を含む。
好ましくは、判定部は、予め定められた時間毎に熟練度を判定し、制御装置は、予め定められた時間毎に判定された熟練度を統計し、統計情報を出力する。

この開示の他の局面にかかるシステムは、生産のための駆動部と、作業者の生体情報を測定するセンサと、駆動部を制御する制御装置と、を備える。制御装置は、センサから出力される生体情報を取得する取得部と、作業の熟練度ごとに当該熟練度に応じた生体情報を記憶するための記憶部と、作業者の作業時に取得される生体情報が有する特徴量と、記憶部の熟練度ごとの生体情報が有する特徴量とを比較し、比較の結果に基づき、当該取得される生体情報がいずれの熟練度に該当するかを判定する判定部と、判定された熟練度に基づき駆動部の制御量を決定する決定部と、を含む。

この開示のさらに他の局面にかかる制御方法は、生産のための駆動部を制御する方法であって、作業者から測定された生体情報を取得するステップと、作業者の作業時に取得される生体情報が有する特徴量と、記憶部に格納された熟練度ごとの生体情報が有する特徴量とを比較するステップと、比較の結果に基づき、当該取得される生体情報がいずれの熟練度に該当するかを判定するステップと、判定された熟練度に基づき駆動部の制御量を決定するステップと、を備える。

この開示のさらに他の局面にかかるプログラムは、生産のための駆動部を制御する方法をコンピュータに実行させるためのプログラムであって、この方法は、作業者から測定された生体情報を取得するステップと、作業者の作業時に取得される生体情報が有する特徴量と、記憶部に格納された熟練度ごとの生体情報が有する特徴量とを比較するステップと、比較の結果に基づき、当該取得される生体情報がいずれの熟練度に該当するかを判定するステップと、判定された熟練度に基づき駆動部の制御量を決定するステップと、を備える。

作業者の作業の熟練度に応じて生産のための駆動部を制御する。

実施の形態１にかかるシステム１の全体構成を概略的に示す図である。 図１の制御コンピュータ１００のハードウェア構成を模式的に示す図である。 図１のロボット６０の構成を概略的に示す図である。 実施の形態１にかかる生体情報を例示する図である。 実施の形態１にかかる生体情報を例示する図である。 実施の形態１にかかる制御コンピュータ１００の機能の構成を模式的に示す図である。 実施の形態１にかかる「学習モード」の処理フローチャートである。 実施の形態１にかかる有効パターンＥＰおよび閾値ＴＨ１〜ＴＨ３の決定方法を説明するための図である。 実施の形態１にかかる「運用モード」の処理フローチャートである。 実施の形態１にかかる学習モードにおける閾値の決定方法の他の例を模式的に示す図である。 実施の形態２にかかる熟練度の記録内容の表示例を示す図である。 作業中の手の移動速度の変化の表示例を示す図である。 作業中の手の移動にかかる加速度の変化の表示例を示す図である。 実施の形態４にかかる制御コンピュータ１００の機能の構成を模式的に示す図である。 実施の形態４にかかる「学習モード」の処理フローチャートである。 実施の形態４にかかる「運用モード」の処理フローチャートである。

本発明の実施の形態について、図面を参照しながら詳細に説明する。なお、以下の図面において、同一または相当する部分には同一の参照番号を付してその説明は繰り返さない。

[システムの構成]
図１は、実施の形態１にかかるシステム１の全体構成を概略的に示す図である。ＦＡ（Factory Automation)などの生産ラインには、作業者１０の作業に用いられる１または複数のユニット２００、ＰＬＣ（Programmable Logic Controller）などの制御コンピュータ１００、および管理者が操作する管理コンピュータ３００を備える。これらの各部は、有線または無線で相互に通信する。また、制御コンピュータ１００は、作業者１０が携帯する端末１１と通信することができるが、管理コンピュータ３００は、端末１１と通信するとしてもよい。なお、システム１は生産現場に設置されるものであればよく、設置対象は生産ラインに限定されない。

ユニット２００は、作業者１０と協調作業する産業用ロボット６０（以下、単にロボット６０という）、および人の生体情報を非接触形式で検出するセンサ５０を備える。図１では、作業者１０は、例えばロボット６０と協調してワークＷを搬送する作業を実施する。

実施の形態１では、作業者１０の作業時の「生体情報」から、作業の熟練の程度（以下、熟練度という）を判定し、判定された熟練度を用いてロボット６０の制御量を決定する。

センサ５０は身体の動きの経時的変化（姿勢の変化、移動など）を測定する機能を備える。具体的には、ハードウェア回路としての距離画像センサと、距離画像センサの出力から人体の動きを推定するソフトウェアプログラムを実行するマイクロコンピュータとを備える。距離画像センサは対象（人体）に赤外線を照射して得られた赤外線パターンを解析することにより距離画像を取得する。マイクロコンピュータは、距離画像と予め登録されているパターン画像とを照合し、照合の結果に基づき、距離画像において身体の各部（頭、胴体、肩、腕、腰、足、手、指など）の位置（座標値）を検出する。そして、時系列に取得される距離画像から、身体の各部の位置の経時的な変化が検出される。このように、センサ５０は、赤外線の照射範囲に位置する作業者の身体の動きの経時的な変化を示す生体情報１０７を、制御コンピュータ１００に送信する。

なお、身体の動きを測定する方法は、センサ５０のような距離画像から測定する方法に限定されない。また、図１では、センサ５０はユニット２００毎に備えたが、１台のセンサ５０を複数のユニット２００で共用してもよい。

また、生体情報１０７は、上記の身体の動きの経時的な変化を示す情報に限定されない。たとえば、生体情報１０７は、さらに、作業者１０の体温、呼吸数、脈拍、血圧等の経時的な変化を示す情報を含み得る。体温、呼吸数は、センサ５０が撮像する赤外線画像から測定することができる。また、脈拍、血圧等は作業者１０が携帯する腕時計タイプの装置により測定されて、当該装置は、測定データを制御コンピュータ１００に送信する。

（制御コンピュータ１００の構成）
図２は、図１の制御コンピュータ１００のハードウェア構成を模式的に示す図である。図２を参照して、制御コンピュータ１００は、演算処理部であるＣＰＵ（Central Processing Unit）１１０と、記憶部としてのメモリ１１２およびハードディスク１１４と、時間を計時し計時データをＣＰＵ１１０に出力するタイマ１１３と、入力インタフェイス１１８と、ディスプレイ１２２を制御する表示コントローラ１２０と、通信インタフェイス１２４と、データリーダ／ライタ１２６とを含む。これらの各部は、バス１２８を介して、互いにデータ通信可能に接続される。

ＣＰＵ１１０は、ハードディスク１１４に格納されたプログラム（コード）を実行することで、各種の演算を実施する。メモリ１１２は、典型的には、ＤＲＡＭ（Dynamic Random Access Memory）などの揮発性の記憶装置であり、ハードディスク１１４から読み出されたプログラム・データに加えて、センサ５０から受信する生体情報、およびワークデータなどが格納される。

入力インタフェイス１１８は、ＣＰＵ１１０とキーボード１２１、マウス（図示せず）、タッチパネル（図示せず）などの入力装置との間のデータ伝送を仲介する。すなわち、入力インタフェイス１１８は、ユーザが入力装置を操作することで与えられる操作命令を受付ける。

通信インタフェイス１２４は、ユニット２００（センサ５０，ロボット６０）または管理コンピュータ３００または端末１１との間のデータ伝送を仲介する。データリーダ／ライタ１２６は、ＣＰＵ１１０と記録媒体であるメモリカード１２３との間のデータ伝送を仲介する。

（ロボット６０の構成）
図３は、図１のロボット６０の構成を概略的に示す図である。ロボット６０は、ワークＷを把持して搬送するために自在に回動するアーム６３と、ワークＷを搬送するようにアーム６３を回動させるための駆動部６２、および駆動部６２を制御するコントローラ６１を備える。なお、作業内容はワークＷの搬送に限定されず、ワークＷが部品であった場合にはワークＷの本体への取付け作業などであってもよい。

駆動部６２は、たとえばサーボモータである。ロボット６０のアーム６３は、駆動部６２（サーボモータの回転軸）に接続される。図示されないエンコーダが、駆動部６２に取付けられる。エンコーダは、駆動部６２の動作状態を示す物理量を検出し、検出された物理量を示すフィードバック信号を生成するとともに、そのフィードバック信号をサーボドライバに相当するコントローラ６１に出力する。フィードバック信号は、たとえば駆動部６２のモータの回転軸の回転位置（角度）についての位置情報、その回転軸の回転速度の情報などを含む。実施の形態１においては、駆動部６２（サーボモータ）の動作状態を示す物理量としてモータの回転軸の回転位置および回転速度が検出される。なお、回転位置および回転速度に加えてもしくは代わりに、加速度、変化量（移動量）、変化方向（移動方向）などを検出するようにしてもよい。

コントローラ６１は、制御コンピュータ１００から指令信号１０６を受けるとともに、エンコーダから出力されたフィードバック信号を受ける。コントローラ６１は、制御コンピュータ１００からの指令信号１０６およびエンコーダからのフィードバック信号に基づいて、駆動部６２を駆動する。

コントローラ６１は、制御コンピュータ１００からの指令信号１０６に基づいて、駆動部６２の動作に関する指令値を設定する。さらにコントローラ６１は、駆動部６２の動作が指令値に追従するように駆動部６２を駆動する。具体的には、コントローラ６１は、その指令値に従って、駆動部６２（サーボモータ）の駆動電流を制御する。

このように、ロボット６０は、アーム６３に把持したワークＷを作業者１０と協調して搬送する場合に、アーム６３の制御量（アームを回動させるための角度、方向、速度など）は、コントローラ６１および駆動部６２を介して、制御コンピュータ１００からの指令信号１０６により遠隔から可変に制御される。

（生体情報と特徴量）
図４と図５は、実施の形態１にかかる生体情報を例示する図である。実施の形態１では、生体情報１０７が有する特徴量を用いて作業の熟練度を判定する。説明を簡単にするために、生体情報１０７に含まれる身体の動きの経時的な変化の情報（身体の各部位の位置、移動速度、移動加速度、移動距離などの経時的な変化の情報）が有する特徴量を用いる。なお、体温、脈拍、血圧等の経時的な変化を示す情報が有する特徴量を用いても同様に熟練度を判定することができる。

生体情報１０７は、たとえば、頭の移動量の変化（特定的には、頭の位置の経時的な変化）を含む。図４は、作業者１０が熟練者であるときの頭の移動量（頭の位置の経時的な変化）の経過的な変化をグラフで示し、同様に図５は、作業者１０が非熟練者（初心者など）であるときの頭の位置の経時的な変化をグラフで示す。これらグラフは、発明者らの実験により取得されたデータである。

図４と図５のグラフでは縦軸に作業者１０の頭の移動量がとられて、横軸に時間がとられている。図４の熟練者の場合には、頭の移動量は一定の範囲に収束する。これに対して、図５の非熟練者の場合には、頭の移動量は時間が経過しても一定の範囲に収束することはない。したがって、発明者は、実験から、作業時に取得される作業者１０の身体の各部位の動きから、作業者１０の熟練の程度を推定することが可能になるとの知見を得た。

（制御コンピュータ１００の機能構成）
図６は、実施の形態１にかかる制御コンピュータ１００の機能の構成を模式的に示す図である。図６に示される機能は、作業者の生体情報１０７から駆動部６２の制御量を決定する機能を含む。実施の形態１にかかる制御コンピュータ１００の動作モードは、「学習モード」と「運用モード」とを含む。図６を参照して、制御コンピュータ１００は、学習部１０１、センサ５０から生体情報１０７を取得する取得部１０３、作業者１０の作業に対する熟練度を判定する判定部１０４、および制御量決定部１０５を備える。また、制御コンピュータ１００は、記憶部（ハードディスク１１４など）に対応する情報メモリ１０２を備える。

実施の形態１では、「学習モード」において学習部１０１は、取得部１０３により取得される生体情報１０７を情報メモリ１０２に格納し、格納された生体情報１０７に基づき熟練度を識別するための特徴量（以下、識別特徴量ともいう）を決定する。また、「運用モード」において判定部１０４は、作業者１０から取得される生体情報１０７が有する複数種類の特徴量（以下、取得特徴量ともいう）のうち上記の識別特徴量に対応した特徴量と閾値とを比較し、比較の結果に基づき、当該取得される生体情報１０７がいずれの熟練度に該当するかを判定する。制御量決定部１０５は、判定された熟練度に基づき駆動部６２の制御量を決定する。

ここでは、熟練度は、高（以下、高熟練度という）、中（以下、中熟練度という）、低（以下、低熟練度という）の３つに分類するが、分類は３つに限定されず、２つであってもよく、または４つ以上であってもよい。

図６を参照して、情報メモリ１０２は領域Ｅ１、Ｅ２、Ｅ３およびＥ４を含む。領域Ｅ１は、高熟練度の情報１５１、中熟練度の情報１５２および低熟練度の情報１５３を格納するための記憶領域である。領域Ｅ２は、「学習モード」の学習結果を格納するための領域である。学習結果は、１以上の識別特徴量の組合せを示すパターンＥＰと熟練度を判別するための閾値ＴＨ１、ＴＨ２およびＴＨ３とを含む。領域Ｅ３およびＥ４は、作業領域に相当する。

高熟練度情報１５１は、「学習モード」において高熟練度である作業者１０の作業時に取得される複数の生体情報１０７である生体情報ＢＭ１を含む。高熟練度情報１５１は、さらに、各生体情報ＢＭ１に関連付けて‘高熟練度’を示すラベルＬＢ１、当該生体情報ＢＭ１から取得される複数の取得特徴量ＣＲｉ（ｉ＝１，２，３・・・，ｎ）を含む。

同様に、中熟練度情報１５２は、「学習モード」において中熟練度である作業者１０の作業時に取得される複数の生体情報１０７である生体情報ＢＭ１を含む。中熟練度情報１５２は、さらに、各生体情報ＢＭ１に関連付けて‘中熟練度’を示すラベルＬＢ２、当該生体情報ＢＭ２から取得される複数の取得特徴量ＣＲｉ（ｉ＝１，２，３・・・，ｎ）を含む。

同様に、低熟練度情報１５３は、「学習モード」において低熟練度である作業者１０の作業時に取得される複数の生体情報１０７である生体情報ＢＭ１を含む。低熟練度情報１５３は、さらに、各生体情報ＢＭ１に関連付けて‘低熟練度’を示すラベルＬＢ３、当該生体情報ＢＭ１から取得される複数の取得特徴量ＣＲｉ（ｉ＝１，２，３・・・，ｎ）を含む。

図６の領域Ｅ１の生体情報ＢＭ１は、学習モードが終了したときに削除されるとしてもよい。この場合には、情報メモリ１０２に必要な容量を少なくすることができる。

取得部１０３は、通信インタフェイス１２４を制御して、センサ５０から生体情報１０７を取得（受信）し、取得された生体情報１０７を各部に出力する。

学習部１０１は、制御コンピュータ１００の動作モードが「学習モード」であるとき、取得部１０３から熟練度ごとの生体情報１０７を入力し、入力した生体情報１０７を各熟練度に対応付けて情報メモリ１０２の領域Ｅ１に格納する。これにより、「学習モード」において、複数の生体情報１０７が情報メモリ１０２に熟練度ごとに蓄積（格納）される。学習部１０１は、生体情報１０７を情報メモリ１０２に熟練度ごとに蓄積する「蓄積部」の一実施例である。

また、学習部１０１は、「学習モード」であるとき、情報メモリ１０２の高熟練度情報１５１の生体情報ＢＭ１からの取得特徴量ＣＲｉのうちの１つ以上を識別特徴量ＣＲｉと決定する。また、学習部１０１は、決定された１つ以上の識別特徴量ＣＲｉからなる組合せを、有効パターンＥＰとして領域Ｅ２に格納する。有効パターンＥＰは、熟練度を識別するために有効な１つ以上の識別特徴量ＣＲｉの組合せを示す。学習部１０１は、高熟練度情報１５１、中熟練度情報１５２および低熟練度情報１５３の取得特徴量ＣＲｉのうちの、有効パターンＥＰの識別特徴量ＣＲｉの組合せに対応した取得特徴量ＣＲｉの組合せを特定する。そして、特定された組合せの値に基づき、閾値ＴＨ１、ＴＨ２およびＴＨ３を取得し、領域Ｅ２に格納する。

判定部１０４は、制御コンピュータ１００の動作モードが「運用モード」であるとき、取得部１０３から、作業に従事している作業者１０の生体情報１０７を取得する。判定部１０４は、当該生体情報１０７が有する特徴量ＣＲｉのうちから、有効パターンＥＰの識別特徴量ＣＲｉの組合せに対応した特徴量ＣＲｉの組合せを特定する。判定部１０４は、特定された特徴量ＣＲｉの組合せの値を、閾値ＴＨ１、ＴＨ２およびＴＨ３と比較する。そして、比較の結果に基づき、当該取得される生体情報１０７がいずれの熟練度に該当するかを判定する。

実施の形態１では、熟練度ごとの閾値ＴＨ１、ＴＨ２およびＴＨ３のそれぞれは、上限値と下限値を有した値の幅（範囲）として設定される。判定部１０４は、作業者１０から取得される生体情報１０７の有効パターンＥＰに対応した１つ以上の取得特徴量ＣＲｉの値が閾値ＴＨ１の範囲内にあるとき‘高熟練度’と判定し、閾値ＴＨ２の範囲内にあるときは‘中熟練度’と判定し、閾値ＴＨ３の範囲内にあるときは‘低熟練度’と判定する。

制御量決定部１０５は、「運用モード」において、判定部１０４により判定された熟練度に基づき駆動部６２の制御量を決定する。制御量決定部１０５は、決定した制御量を示す指令信号１０６を生成し、通信インタフェイス１２４を介してロボット６０のコントローラ６１に送信する。

（情報メモリ１０２の変更）
上記の情報メモリ１０２の各熟練度のデータは可変であってよい。たとえば、ワークＷの種類が変更したときに「学習モード」が実施されて情報メモリ１０２のデータが変更されてもよい。

また、「運用モード」において、同一の作業者１０について「高熟練度」の判定がＮ回（ただし、Ｎ＞２）連続したときは、当該作業者１０の生体情報１０７を、高熟練度情報１５１の生体情報ＢＭ１として情報メモリ１０２の領域Ｅ１に追加し、学習部１０１は、追加後の領域Ｅ１の情報に基づき、有効パターンＥＰおよび閾値ＴＨ１、ＴＨ２およびＴＨ３を、再度、取得し直すとしてもよい。これにより、有効パターンＥＰが示す識別特徴量ＣＲｉを、より識別率が高いものに変更することができる。また、閾値ＴＨ１、ＴＨ２およびＴＨ３を、熟練度の判別精度をより正確にするような値に変更することが可能となる。

（処理フローチャート）
上記の「学習モード」および「運用モード」の処理を説明する。なお、図１の各ユニット２００においては、以下に説明する「学習モード」および「運用モード」の処理が同様に実施される。

図７は、実施の形態１にかかる「学習モード」の処理フローチャートである。図８は、実施の形態１にかかる有効パターンＥＰおよび閾値ＴＨ１〜ＴＨ３の決定方法を説明するための図である。図９は、実施の形態１にかかる「運用モード」の処理フローチャートである。図７と図９のフローチャートの処理はプログラムとして制御コンピュータ１００の記憶部（メモリ１１２、ハードディスク１１４、メモリカード１２３など）に格納されている。ＣＰＵ１１０は、記憶部からプログラムを読出し、実行する。なお、ここでは、生産ラインにおいて、作業者１０はロボット６０とワークＷの搬送作業を終了すると、次のワークＷの搬送作業を同様に繰返す。生産ラインは、各回の搬送作業を終了したことを検出する図示しないセンサを備える。例えば、ワークＷが生産ラインの所定位置にまで移動したことを検出する近接スイッチなどである。制御コンピュータ１００は、当該センサからの検出信号を、各搬送作業の繰り返しタイミングを指示するタイミング信号として処理する。

なお、「学習モード」を実施する制御コンピュータ１００は「運用モード」を実施する制御コンピュータ１００と同じであってもよく、または異なっていてもよい。異なっている場合には、「運用モード」の制御コンピュータ１００は、高熟練度情報１５１、中熟練度情報１５２および低熟練度情報１５３、ならびに有効パターンＥＰおよび閾値ＴＨ１〜ＴＨ３を、他の制御コンピュータ１００から受信し情報メモリ１０２の領域Ｅ１とＥ２に格納する。または、これら情報をメモリカード１２３から読取り、情報メモリ１０２の領域Ｅ１およびＥ２に格納する。

〈「学習モード」の処理〉
図７を参照して「学習モード」において、コントローラ６１には標準の制御量を示す指令信号１０６が与えられている。取得部１０３は、熟練した作業者１０の作業時に生体情報１０７をセンサ５０から取得し（ステップＳ３）、学習部１０１は、取得部１０３からの生体情報１０７が有する特徴量ＣＲｉを取得する（ステップＳ４）。学習部１０１、取得された特徴量（取得特徴量）ＣＲｉを当該作業者１０の熟練度を示すラベルを付加して情報メモリ１０２に格納する（ステップＳ５）。

（特徴量の取得（ステップＳ４））
生体情報１０７から特徴量を取得する処理を説明する。学習部１０１は、取得部１０３からの生体情報１０７を処理して、図４または図５に示されたように、身体の各部位の動きの経時的な変化を示す特徴量を抽出する。身体の各部位としては、頭、胴体、肩、腕、腰、足、手、指などが含まれる。学習部１０１は、各部位の特徴量（動きの経時的な変化）を取得する。なお、特徴量は、身体の異なる部分の相対的な位置関係（たとえば、頭と腕の距離により示される位置関係）の経時的な変化であってもよい。

上記のステップＳ３〜Ｓ５の処理が異なる熟練度の作業者１０を対象に繰返されることにより、領域Ｅ１には、高熟練度情報１５１、中熟練度情報１５２および低熟練度情報１５３が登録される。なお、ここでは、熟練度の種類を示すラベルＬＢ１、ＬＢ２およびＬＢ３は、キーボード１２１から管理者が入力する。

（分析処理（ステップＳ６））
学習部１０１は、領域Ｅ１に格納された情報の分析処理を実施する（ステップＳ６）。分析処理は、有効パターンＥＰを決定するための処理（ステップＳ７、Ｓ８およびＳ９）を含む。

まず、学習部１０１は、図８に示されるように、作業領域Ｅ３において、領域Ｅ１の高熟練度情報１５１の取得特徴量ＣＲｉの組合せのパターンを複数生成して（ステップＳ７）、生成された各パターンについて熟練度を識別するための識別率を算出する（ステップＳ８）。識別率の算出を簡単にするために、パターンは、取得特徴量ＣＲｉの代表値を用いる。この代表値には、たとえば、動きの変化量（たとえば頭の移動量）の平均値、中央値、積分値、分散値、最頻値などが含まれ得る。なお、代表値の種類はこれらに限定されない。

学習部１０１は、上記の識別率を、周知のパターン分類法に従う演算により算出する（ステップＳ８）。実施の形態１では、たとえばＳＶＭ（support vector machine）の識別関数に従い各パターンの識別率を算出する（図８の領域Ｅ３参照）。なお、識別率の算出は、ＳＶＭに従う方法に限定されず、ＮＮ（neural network）に従う算出方法であってもよい。

学習部１０１は、各パターンについて算出された識別率（図８の領域Ｅ３を参照）のうち、たとえば最大値である識別率に対応のパターンを特定し、特定されたパターンを有効パターンＥＰとして決定する（ステップＳ９）。図８を参照すると、識別率が最大値（＝０．９）の組合せは（ＣＲ１，ＣＲ２）と特定されるので、ここでは、有効パターンＥＰの識別特徴量ＣＲｉの組合せは（ＣＲ１，ＣＲ２）と決定される。

学習部１０１は、決定された有効パターンＥＰが示す特徴量ＣＲ１と特徴量ＣＲ２の組合せに基づき、閾値ＴＨ１、ＴＨ２およびＴＨ３を取得する（ステップＳ１０）。

具体的には、学習部１０１は、作業領域Ｅ４において、有効パターンＥＰの識別特徴量ＣＲｉの組合せ（ＣＲ１，ＣＲ２）による２次元平面を規定する。そして、規定された平面上に、領域Ｅ１の高熟練度情報１５１の各生体情報ＢＭ１に対応した取得特徴量ＣＲ１とＣＲ２の組合せ値（ＣＲ１，ＣＲ２）をプロット（図８の領域Ｅ４のマーク‘Ｘ’参照）する。また、この平面上に領域Ｅ１の中熟練度情報１５２の各生体情報ＢＭ１に対応した特徴量ＣＲ１とＣＲ２の組合せ値（ＣＲ１，ＣＲ２）をプロット（図８の領域Ｅ４のマーク‘Ｙ’参照）する。また、この平面上に領域Ｅ１の低熟練度情報１５３の各生体情報ＢＭ１に対応した特徴量ＣＲ１とＣＲ２の組合せ値（ＣＲ１，ＣＲ２）をプロット（図８の領域Ｅ４のマーク‘Ｚ’参照）する。

学習部１０１は、領域Ｅ４の２次元平面上において、各熟練度のプロット値の分布状況に基づき、高熟練度、中熟練度および低熟練度の組合せ値（ＣＲ１，ＣＲ２）がプロットされた領域を区分する境界線Ｂ１、Ｂ２およびＢ３を特定する。学習部１０１は、境界線Ｂ１、Ｂ２およびＢ３が示す値に基づき閾値ＴＨ１、ＴＨ２およびＴＨ３を決定する。たとえば、学習部１０１は、境界線Ｂ１付近の組合せ値（ＣＲ１，ＣＲ２）を、高熟練度と判定するための閾値ＴＨ１と決定する。同様に、境界線Ｂ２付近の組合せ値（ＣＲ１，ＣＲ２）を、中熟練度と判定するための閾値ＴＨ２と決定する。同様に、境界線Ｂ３付近の組合せ値（ＣＲ１，ＣＲ２）を、低熟練度と判定するための閾値ＴＨ２と決定する。

学習部１０１は、決定された有効パターンＥＰと取得された閾値ＴＨ１、ＴＨ２およびＴＨ３を、情報メモリ１０２の領域Ｅ２に格納する（ステップＳ１１）。これにより、「学習モード」の処理は終了する。

なお、図７では、ステップＳ３において各熟練度について十分な件数の生体情報１０７が取得されるとしているので、図７の処理を繰返す必要はないが、十分な件数の生体情報１０７が取得されていない場合には、図７の処理を繰返すとしてもよい。

処理を繰返すか否かは、上記の２次元平面上の分布状況に基づき判定する。具体的には、境界線Ｂ１、Ｂ２およびＢ３を特定可能な数の組合せ値（ＣＲ１，ＣＲ２）がプロットされたか否かを判定し、判定の結果に基づき処理を繰返すか否かを決定する。処理を繰返す場合には、学習部１０１は、図７のステップＳ３に戻って以降の処理（各熟練度に応じた生体情報１０７の取得（ステップＳ３）、特徴量ＣＲｉの取得（ステップＳ４）、ラベル付加（ステップＳ５）および分析処理（ステップＳ６））を前述と同様に実施する。

なお、図８では２次元平面を規定したが、平面の次元は２次元に限定されない。すなわち、この次元は、有効パターンＥＰに含まれる識別特徴量ＣＲｉの個数により可変である。

〈「運用モード」の処理〉
図９を参照して「運用モード」の処理を説明する。なお、「運用モード」の開始時には、情報メモリ１０２の領域Ｅ２には、有効パターンＥＰならびに閾値ＴＨ１、ＴＨ２およびＴＨ３が格納されている。また、「運用モード」の開始時には、コントローラ６１には標準（中熟練度に対応）の制御量を示す指令信号１０６が与えられている。

まず、取得部１０３は、生産ラインの作業者１０の生体情報１０７をセンサ５０から取得する（ステップＳ２３）。

判定部１０４は、取得された作業者１０の生体情報１０７が有する特徴量ＣＲｉのうち、有効パターンＥＰが示す組の特徴量（識別特徴量）を取得し（ステップＳ２５）、取得された特徴量と情報メモリ１０２に格納されている閾値ＴＨ１、ＴＨ２およびＴＨ３と比較し、比較の結果に基づき、当該生体情報１０７に対応した熟練度を判定し、判定結果を出力する（ステップＳ２７）。これにより、作業者１０の熟練度が判定される。

このように、熟練度の判定は、取得された生体情報１０７が有する識別特徴量ＣＲｉの値と閾値ＴＨ１、ＴＨ２およびＴＨ３との比較は、当該識別特徴量ＣＲｉの値と領域Ｅ１の高熟練度、中熟練度および低熟練度の各生体情報１０７が有する識別特徴量ＣＲｉの値との比較に相当する。したがって、熟練度の判定方法は閾値ＴＨ１、ＴＨ２およびＴＨ３との比較方法に限定されない。たとえば、取得された生体情報１０７が有する識別特徴量ＣＲｉの値を、領域Ｅ４の２次元平面上にプロットして、プロットされた位置と境界線Ｂ１、Ｂ２およびＢ３との位置関係に基づき、熟練度を判定してもよい。

制御量決定部１０５は、判定部１０４の判定が示す熟練度に基づき駆動部６２の制御量を決定する（ステップＳ２９〜Ｓ３５）。たとえば、制御量としてアーム６３の速度Ｖ（Ｖ＝α×Ｖ１、ただしＶ１は基本速度およびαは係数）を決定する場合を説明する。

制御量決定部１０５は、判定結果が低熟練度を示すと判定すると（ステップＳ２９で‘低’）、係数αを（α＜１）と設定し（ステップＳ３１）、判定結果が中熟練度を示すと判定すると（ステップＳ２９で‘中’）、係数αを（α＝１）と設定し（ステップＳ３３）、判定結果が高熟練度を示すと判定すると（ステップＳ２９で‘高’）、係数αを（α＞１）と設定し（ステップＳ３５）する。

そして、制御量決定部１０５は、判定された熟練度に従って設定された係数αを用いて、速度Ｖ（Ｖ＝α×Ｖ１）を算出する（ステップＳ３７）。

制御量決定部１０５は、算出された制御量である速度Ｖを示す指令信号１０６を生成して、通信インタフェイス１２４を介して出力する（ステップＳ３９）。なお、制御量の取得は、このような算出方法に限定されない。たとえば、熟練度と制御量の組が複数登録されたテーブルを記憶しておき、ステップＳ２７で判定された熟練度に基づきテーブルを検索し、テーブルから対応する制御量を読出す方法であってもよい。

ＣＰＵ１１０は、生産ラインからの信号に基づき、繰返し作業を終了するか否かを判定し、繰返し作業を終了しないと判定するときは、ステップＳ２３に戻り以降の処理を繰返すが、繰返し作業を終了するとき（例えば、生産ライン自体の稼働を終了するとき）などは図９の処理を終了する。

なお、図９の処理は、予め定められた時間毎に実施されてもよい。たとえば、ＣＰＵ１１０は生産ラインから上記のタイミング信号を予め定められた回数入力する毎に、図９の処理を実施するとしてもよい。

（熟練度の分類と閾値の設定例）
図１０は、実施の形態１にかかる学習モードにおける閾値の決定方法の他の例を模式的に示す図である。図８では、有効パターンＥＰである２つの特徴量の組合せ値（ＣＲ１，ＣＲ２）の２次元平面における分布状況に従い、閾値ＴＨ１、ＴＨ２およびＴＨ３を取得したが、取得方法は、この方法に限定されない。

図１０を参照して、有効パターンＥＰが１つの特徴量ＣＲｉからなる場合において、高熟練度と中熟練度の群と、低熟練度の群を判別するための閾値ＴＨを決定する方法を説明する。閾値ＴＨを決定するための特徴量ＣＲｉは頭の移動量を示す。

ステップＳ１０において、学習部１０１は、領域Ｅ１の高熟練度情報１５１、中熟練度情報１５２および低熟練度情報１５３の各生体情報ＢＭ１が有する特徴量ＣＲｉの値のそれぞれについて、当該値が取得された回数をカウントする処理を実施する。図１０には、このカウント処理の結果がグラフで模式的に示されている。図１０では、横軸に特徴量ＣＲｉの値（頭の平均移動量（単位：ｍ/frame））がとられて、縦軸に各値が取得された頻度（カウント値）がとられている。学習部１０１は、カウント処理の結果から、たとえば高/中熟練度と低熟練度と区分する境界に相当する値は０．０１７（ｍ/frame）と判定することができる（図１０参照）。したがって、学習部１０１は、閾値ＴＨとして０．０１７（ｍ/frame）を決定することができる。

[実施の形態２]
実施の形態２では、作業者１０の熟練度を管理する方法を説明する。制御コンピュータ１００は、各作業者１０について、判定部１０４により判定された熟練度をハードディスク１１４などの記憶部に記録（記憶）し、記録した内容を出力（表示）する。図１１は、実施の形態２にかかる熟練度の記録内容の表示例を示す図である。

ＣＰＵ１１０は、作業者１０毎に、判定された熟練度を、作業日数（１日目、２日目、３日目、・・・）と関連付けて記憶部に格納する。ここでは、関連付ける期間は、１日毎に限定されず、たとえば数時間毎、または１週間毎などであってもよい。

ＣＰＵ１１０は、格納された関連付けの情報から、各作業者１０の熟練度の統計処理（たとえば、平均値、分散値、各熟練度の出現回数（頻度）などの算出）を実施し、得られた統計値に基づく表示データを作成し、表示データに従いディスプレイ１２２に駆動する。これにより、たとえば図１１のようなグラフがディスプレイ１２２に表示される。

図１１の画面により、管理者に対して、各作業者１０の熟練度と、熟練度の変化とを示す情報を提供することができる。管理者は、統計情報を工程管理または生産管理に利用することができる。たとえば、管理者は、熟練度が高い人と低い人が同じ時間帯で作業するように作業者１０の作業時間帯を調整する。このように、実施の形態２によれば、作業者１０の熟練度の情報を、作業の平準化および生産性向上の支援ツールとして提供することができる。なお、図１１の画面は、管理コンピュータ３００に表示されてもよい。

[実施の形態３]
実施の形態３では、作業者１０に対して、端末１１を介して、特徴量または熟練度に関する情報を提供する。図１２は、作業中の手の移動速度の変化の表示例を示す図である。図１３は、作業中の手の移動にかかる加速度の変化の表示例を示す図である。実施の形態３では、有効パターンＥＰが示す識別特徴量の組合せ値（ＣＲ１，ＣＲ２）は、（手の移動速度，手の移動加速度）を示す。

ＣＰＵ１１０は、ワークＷの搬送作業時に作業者１０の識別特徴量ＣＲ１とＣＲ２を取得する。そして、ＣＰＵ１１０は、取得された識別特徴量ＣＲ１と高熟練者の特徴量ＣＲ１を関連付けて表示するための表示データと、取得された識別特徴量ＣＲ１と高熟練者の特徴量ＣＲ１を関連付けて表示するための表示データとを生成し、生成された表示データを端末１１に送信する。端末１１は、受信した表示データに従う画像（図１２と図１３を参照）を表示する。

図１２または図１３の画面により、作業者１０に対して、現在の熟練度と、熟練度の変化示す情報と、自己の熟練度の高熟練度とのギャップの大きさ等を視覚的に提供することができる。また、作業者１０は、提供された情報から、自己の手の動きを高熟練度の動きに修正するための目安を得ることが可能となる。このように、実施の形態３によれば、作業者１０に対して、作業時の身体の動きを高熟練度作業者の動きに整合させるための支援ツールを提供することができる。

[実施の形態４]
実施の形態４では、ワークＷの動きの経時的な変化から、熟練度を判定する。上記の各実施の形態では、作業者１０の生体情報１０７を用いて熟練度を判定したが、実施の形態４では、作業者１０の身体の動きの変化に応じてワークＷの動きも変化する点に着目して、ワークＷの動きの変化から、熟練度が判定される。

具体的には、生産ラインは、センサ５０と同様な機能を有したワークＷの動きを測定するセンサ５０Ａを備える。センサ５０Ａは、ワークＷの動きの経時的な変化を示すワーク情報１０７Ａを検出（測定）する。ワーク情報１０７Ａの特徴量として、ワークＷの各部位の動きの経時的な変化（位置、移動速度、移動加速度などの経時的な変化）を用いることができる。なお、センサ５０Ａはセンサ５０とは独立して設けたが、センサ５０Ａの機能をセンサ５０が兼ね備えるとしてもよい。

図１４は、実施の形態４にかかる制御コンピュータ１００の機能の構成を模式的に示す図である。図１５は、実施の形態４にかかる「学習モード」の処理フローチャートである。図１６は、実施の形態４にかかる「運用モード」の処理フローチャートである。図１５のフローチャートは、図７のステップＳ３をステップＳ３ａに変更しているが、他のステップは図７と同様である。また、図１６のフローチャートは、図９のステップＳ２３をステップＳ２３ａに変更しているが、他のステップは図９と同様である。したがって、図１５と図１６では、変更されたステップＳ３ａとステップＳ２３ａについて説明し、他の処理についての説明は繰返さない。

なお、図１５と図１６のフローチャートの処理はプログラムとして制御コンピュータ１００の記憶部（メモリ１１２、ハードディスク１１４、メモリカード１２３など）に格納されている。ＣＰＵ１１０は、記憶部からプログラムを読出し、実行する。

図１４を参照して、制御コンピュータ１００は、センサ５０Ａからワーク情報１０７Ａを取得する取得部１０３Ａと、「学習モード」において取得部１０３Ａにより取得されたワーク情報１０７Ａを用いて有効パターンＥＰ１および閾値ＴＨ１１、ＴＨ２２およびＴＨ３３を取得する学習部１０１Ａおよび情報メモリ１０２Ａを備える。さらに、制御コンピュータ１００は、「運用モード」において取得部１０３Ａにより取得されるワーク情報１０７Ａがいずれの熟練度に該当するかを判定する判定部１０４Ａと、判定された熟練度に基づき駆動部６２の制御量を決定し、決定された制御量を示す指令信号１０６Ａをコントローラ６１に出力する制御量決定部１０５Ａと、を備える。

図１４を参照して、情報メモリ１０２は領域Ｅ１１、Ｅ２２、Ｅ３３およびＥ４４を含む。領域Ｅ１１は、高熟練度の情報１５１１、中熟練度の情報１５２１および低熟練度の情報１５３１を格納するための記憶領域である。領域Ｅ２２は、「学習モード」において決定された識別特徴量の１つ以上の組合せを示すパターンＥＰ１と熟練度を判別するための閾値ＴＨ１１、ＴＨ２２およびＴＨ３３とを格納するための領域である。領域Ｅ３３および領域Ｅ４４は、「運用モード」のための作業領域に相当する。

高熟練度情報１５１１は、「学習モード」において高熟練度である作業者１０の作業時に取得される複数のワーク情報１０７Ａであるワーク情報ＢＭ１１を含む。高熟練度情報１５１１は、さらに、各ワーク情報ＢＭ１１に関連付けて‘高熟練度’を示すラベルＬＢ１、当該ワーク情報ＢＭ１１から取得される複数の取得特徴量ＣＲ１ｉ（ｉ＝１，２，３・・・，ｎ）を含む。

同様に、中熟練度情報１５２１は、複数のワーク情報ＢＭ１１、各ワーク情報ＢＭ１１に関連付けてラベルＬＢ２、当該ワーク情報ＢＭ１１から取得される複数の取得特徴量ＣＲ１ｉを含む。

同様に、低熟練度情報１５３１は、複数のワーク情報ＢＭ１１、各ワーク情報ＢＭ１１に関連付けてラベルＬＢ３、当該ワーク情報ＢＭ１１から取得される複数の取得特徴量ＣＲ１ｉを含む。

図１２の領域Ｅ１１のワーク情報ＢＭ１１は学習モードが終了したときに削除してよい。これにより、情報メモリ１０２Ａに消費容量を節約することができる。

学習部１０１Ａは、制御コンピュータ１００の動作モードが「学習モード」であるとき、実施の形態１の学習部１０１と同様に、取得部１０３からのワーク情報１０７Ａを各熟練度に対応付けて領域Ｅ１１に格納する。学習部１０１Ａは、ワーク情報１０７Ａを情報メモリ１０２Ａに熟練度ごとに蓄積する「蓄積部」の一実施例である。

また、学習部１０１Ａは、「学習モード」であるとき、実施の形態１の学習部１０１と同様に、領域Ｅ１の高熟練度情報１５１１のワーク情報ＢＭ１１が有する取得特徴量ＣＲｉのうちから１つ以上の識別特徴量ＣＲｉを決定し、決定された１つ以上の識別特徴量ＣＲｉからなる組を、熟練度を識別するための有効パターンＥＰ１として領域Ｅ２２に格納する。また、学習部１０１Ａは、実施の形態１の学習部１０１と同様に、高熟練度情報１５１１、中熟練度情報１５２１および低熟練度情報１５３１の取得特徴量ＣＲｉのうち有効パターンＥＰ１の特徴量ＣＲｉの組の値に基づき、各熟練度を決定するための閾値ＴＨ１１、ＴＨ２２およびＴＨ３３を取得し、領域Ｅ２２に格納する。

判定部１０４Ａは、制御コンピュータ１００の動作モードが「運用モード」であるとき、実施の形態１の判定部１０４と同様に、取得部１０３Ａから取得するワーク情報１０７Ａが有する特徴量ＣＲ１ｉを取得する。そして、取得された特徴量ＣＲ１ｉのうち有効パターンＥＰ１に対応した１以上の識別特徴量ＣＲ１ｉを、閾値ＴＨ１１、ＴＨ２２およびＴＨ３３と比較する。そして、比較の結果に基づき、当該取得されるワーク情報１０７Ａがいずれの熟練度に該当するかを判定する。

制御量決定部１０５Ａは、実施の形態１の制御量決定部１０５と同様に、「運用モード」において、判定部１０４Ａにより判定された熟練度に基づき制御量を決定し、決定した制御量を示す指令信号１０６を生成し、ロボット６０のコントローラ６１に送信する。

図１５を参照して、「学習モード」においては、取得部１０３Ａは、熟練した作業者１０の作業時にワーク情報１０７Ａをセンサ５０Ａから取得する（ステップＳ３ａ）。以降の処理では、学習部１０１Ａは、取得されたワーク情報１０７Ａを用いて実施の形態１の学習部１０１と同様の処理を実施する。これにより、有効パターンＥＰ１と閾値ＴＨ１１、ＴＨ２２およびＴＨ３３が領域Ｅ２２に格納されて、「学習モード」の処理は終了する。

図１４を参照して、「運用モード」においては、取得部１０３Ａは、作業者１０の作業時にワーク情報１０７Ａをセンサ５０Ａから取得する（ステップＳ２３ａ）。以降の処理では、判定部１０４Ａは、取得されたワーク情報１０７Ａを用いて実施の形態１と判定部１０４と同様の処理を実施する。これにより、作業者１０の熟練度に応じた制御量を示す指令信号１０６がロボット６０のコントローラ６１に出力される。

実施の形態４によれば、作業者１０が生産ラインにおいてロボット６０との協同作業で取扱うワークＷの動きの経時的な変化を示すワーク情報１０７Ａから、作業者１０の熟練度の判定と、判定された熟練度に基づく制御量に従う駆動部６２の制御が可能である。

なお、「運用モード」では、実施の形態１〜３に説明した生体情報１０７からの熟練度の判定と、実施の形態４のワーク情報１０７Ａからの熟練度の判定との両方を実施して、両判定の結果に基づき、作業者１０の熟練度を総合的に判定するとしてもよい。たとえば、両判定結果が異なるときは、低い方の熟練度（または高い方の熟練度）を選択するとしてもよい。

[実施の形態５]
実施の形態５では、上記の各実施の形態における上述の「学習モード」および「運用モード」の少なくとも一方を制御コンピュータ１００のＣＰＵ１１０に実行させるためのプログラムが提供される。このようなプログラムは、制御コンピュータ１００に付属するフレキシブルディスク、ＣＤ−ＲＯＭ（Compact Disk-Read Only Memory）、ＲＯＭ、ＲＡＭおよびメモリカード１２３などのコンピュータ読み取り可能な記録媒体にて記録させて、プログラム製品として提供することもできる。あるいは、制御コンピュータ１００に内蔵するハードディスク１１４などの記録媒体にて記録させて、プログラムを提供することもできる。また、図示しないネットワークから通信インタフェイス１２４を介したダウンロードによって、プログラムを提供することもできる。

なお、プログラムは、制御コンピュータ１００のＯＳ（オペレーティングシステム）の一部として提供されるプログラムモジュールのうち、必要なモジュールを所定の配列で所定のタイミングで呼出して処理を実行させるものであってもよい。その場合、プログラム自体には上記モジュールが含まれずＯＳと協働して処理が実行される。このようなモジュールを含まないプログラムも、実施の形態５のプログラムに含まれ得る。

また、実施の形態５にかかるプログラムは他のプログラムの一部に組込まれて提供されるものであってもよい。その場合にも、プログラム自体には上記他のプログラムに含まれるモジュールが含まれず、他のプログラムと協働して処理が実行される。このような他のプログラムに組込まれたプログラムも、本実施の形態２にかかるプログラムに含まれ得る。

提供されるプログラム製品は、ハードディスクなどのプログラム格納部にインストールされて実行される。なお、プログラム製品は、プログラム自体と、プログラムが記録された記録媒体とを含む。

[実施の形態の構成]
上記の実施の形態の制御コンピュータ１００は、生産のための駆動部６２を制御する制御装置に相当する。この制御装置は、作業者１０から測定された生体情報１０７を取得する取得部１０３と、作業の熟練度ごとに当該熟練度に応じた生体情報１０７からなる高熟練度情報１５１、中熟練度情報１５２および低熟練度情報１５３を記憶するための記憶部（情報メモリ１０２）と、作業時に取得部１０３により取得される生体情報１０７が有する特徴量ＣＲｉと、記憶部の熟練度ごとの生体情報（高熟練度情報１５１、中熟練度情報１５２および低熟練度情報１５３）が有する特徴量ＣＲｉとを比較し、比較の結果に基づき、当該取得される生体情報１０７がいずれの熟練度に該当するかを判定する判定部１０４と、判定された熟練度に基づき駆動部６２の制御量を決定する決定部（制御量決定部１０５）と、を備える。

したがって、生産のための作業時の作業者１０から取得される生体情報１０７に従い、作業に対する熟練度を判定し、判定された熟練度に応じた制御量で駆動部６２を制御することができる。

上記の生体情報１０７は、作業時の身体の動きを示す情報を含む。したがって、作業者１０の身体の動きから、熟練度を判定することができる。

制御コンピュータ１００は、熟練度ごとに当該熟練度に応じた生体情報１０７が有する特徴量ＣＲｉを取得し記憶部（情報メモリ１０２の領域Ｅ１）に蓄積する蓄積部を、さらに備える。この蓄積部は、学習部１０１に相当する。

したがって、学習部１０１の学習により、熟練度ごとの特徴量ＣＲｉを有した生体情報１０７を得ることができる。

上記の蓄積される特徴量は、判定部１０４より判定された熟練度に応じた生体情報が有する特徴量を含む。したがって、記憶部の特徴量に、学習部１０１による学習モードと判定部１０４による運用モードとの両方のモードにおいて取得された特徴量を含めることができる。

上記の制御装置は、さらに、作業者１０が作業時に扱うワークＷの動きを示すワーク情報１０７Ａを取得するワーク情報取得部（取得部１０３Ａ）と、熟練度ごとに当該熟練度に応じたワーク情報を記憶するためのワーク情報記憶部（領域Ｅ１１）と、作業者１０の作業時に取得されるワーク情報１０７Ａが有する特徴量ＣＲ１ｉと、ワーク情報記憶部の熟練度ごとのワーク情報（高熟練度情報１５１１、中熟練度情報１５２１および低熟練度情報１５３１）が有する特徴量ＣＲ１ｉとを比較し、比較の結果に基づき、当該取得されるワーク情報１０７Ａがいずれの熟練度に該当するかを判定するワーク情報判定部（判定部１０４Ａ）と、を備え、決定部は、判定部１０４により判定された熟練度と、ワーク情報判定部により判定された熟練度に基づき、制御量を決定する。

したがって、熟練度を、作業者１０の身体の動きの特徴量ＣＲｉと、ワークＷの動きの特徴量ＣＲ１ｉとの両方を用いて判定することができる。

上記の特徴量ＣＲｉおよびＣＲ１ｉは、熟練度を識別可能な特徴量（有効パターンＥＰ、ＥＰ１）を含む。したがって、熟練度を識別可能な特徴量を用いて作業者１０の熟練度を判定することができる。

上記の判定部１０４および１０４Ａは、予め定められた時間毎に熟練度を判定し、制御装置は、予め定められた時間毎に判定された熟練度を統計し、統計情報（図１１参照）を出力する。これにより、生産における作業者を管理する場合の支援情報を提供することができる。

上記の実施の形態の制御コンピュータ１００は、生産のための駆動部６２を制御する制御装置に相当する。この制御装置は、作業者１０が作業時に扱うワークＷの動きを示すワーク情報１０７Ａを取得するワーク情報取得部（取得部１０３Ａ）と、熟練度ごとに当該熟練度に応じたワーク情報を記憶するためのワーク情報記憶部（領域Ｅ１１）と、作業者１０の作業時に取得されるワーク情報１０７Ａが有する特徴量ＣＲ１ｉと、ワーク情報記憶部の熟練度ごとのワーク情報（高熟練度情報１５１１、中熟練度情報１５２１および低熟練度情報１５３１）が有する特徴量ＣＲ１ｉとを比較し、比較の結果に基づき、当該取得されるワーク情報１０７Ａがいずれの熟練度に該当するかを判定するワーク情報判定部（判定部１０４Ａ）と、判定された熟練度に基づき駆動部６２の制御量を決定する決定部（制御量決定部１０５Ａ）と、を備える。

各実施の形態のシステムは、生産のための駆動部６２と、作業者の生体情報１０７を測定するセンサ５０と、駆動部を制御する制御コンピュータ１００と、を備える。制御コンピュータ１００は、センサ５０から出力される生体情報１０７を取得する取得部１０３と、作業の熟練度ごとに当該熟練度に応じた生体情報１０７を記憶するための記憶部（情報メモリ１０２の領域Ｅ１）と、作業者１０の作業時に取得される生体情報１０７が有する特徴量ＣＲｉと、記憶部の熟練度ごとの生体情報１０７が有する特徴量ＣＲｉとを比較し、比較の結果に基づき、当該取得される生体情報１０７がいずれの熟練度に該当するかを判定する判定部１０４と、判定された熟練度に基づき駆動部６２の制御量を決定する制御量決定部１０５と、を含む。

各実施の形態のシステムは、生産のための駆動部６２と、作業者１０が作業時に扱うワークＷの動きを示すワーク情報１０７Ａを測定するセンサ５０Ａと、駆動部を制御する制御コンピュータ１００と、を備える。制御コンピュータ１００は、センサ５０Ａから出力されるワーク情報１０７Ａを取得する取得部１０３Ａと、作業の熟練度ごとに当該熟練度に応じたワーク情報１０７Ａを記憶するための記憶部（情報メモリ１０２Ａの領域Ｅ１１）と、作業者１０の作業時に取得されるワーク情報１０７Ａが有する特徴量ＣＲｉと、記憶部の熟練度ごとのワーク情報１０７Ａが有する特徴量ＣＲｉとを比較し、比較の結果に基づき、当該取得されるワーク情報１０７Ａがいずれの熟練度に該当するかを判定する判定部１０４Ａと、判定された熟練度に基づき駆動部６２の制御量を決定する制御量決定部１０５Ａと、を含む。

各実施の形態の制御方法は、生産のための駆動部６２を制御する方法であって、作業者１０から測定された生体情報１０７を取得するステップ（ステップＳ３、ステップＳ２３）と、作業者１０の作業時に取得される生体情報１０７が有する特徴量ＣＲｉと、記憶部（情報メモリ１０２の領域Ｅ１）に格納された熟練度ごとの生体情報（高熟練度情報１５１、中熟練度情報１５２および低熟練度情報１５３）が有する特徴量ＣＲｉとを比較するステップ（ステップＳ２７）と、比較の結果に基づき、当該取得される生体情報がいずれの熟練度に該当するかを判定するステップ（ステップＳ２７）と、判定された熟練度に基づき駆動部の制御量を決定するステップ（ステップＳ３７）と、を備える。

各実施の形態の制御方法は、生産のための駆動部６２を制御する方法であって、作業者１０が作業時に扱うワークＷの動きを示すワーク情報１０７Ａを取得するステップと、作業者１０の作業時に取得されるワーク情報１０７Ａが有する特徴量ＣＲｉと、記憶部（情報メモリ１０２Ａの領域Ｅ１１）に格納された熟練度ごとのワーク情報（高熟練度情報１５１１、中熟練度情報１５２１および低熟練度情報１５３１）が有する特徴量ＣＲｉとを比較するステップと、比較の結果に基づき、当該取得されるワーク情報１０７Ａがいずれの熟練度に該当するかを判定するステップと、判定された熟練度に基づき駆動部の制御量を決定するステップと、を備える。

[実施の形態の効果]
上記の実施の形態によれば、作業者１０の熟練度を、作業中の生体情報１０７またはワーク情報１０７Ａからリアルタイムに判定し、判定された熟練度に応じて制御量を変更する。熟練度が低いと判定された場合には、たとえばロボット６０（より特定的にはアーム６３）は通常よりも遅く動くように制御量を変更することで人的ミスを少なくし、熟練度が高いと判定された場合には、ロボット６０（より特定的にはアーム６３）の制御量を通常より速く動くように変更することで生産効率を上げることが可能となる。

今回開示された実施の形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

１ システム、１０ 作業者、１１ 端末、５０，５０Ａ センサ、６０ ロボット、６１ コントローラ、６２ 駆動部、６３ アーム、１００ 制御コンピュータ、１０１，１０１Ａ 学習部、１０２，１０２Ａ 情報メモリ、１０３，１０３Ａ 取得部、１０４，１０４Ａ 判定部、１０５，１０５Ａ 制御量決定部、１０６，１０６Ａ 指令信号、１０７，ＢＭ１ 生体情報、１０７Ａ，ＢＭ１１ ワーク情報、１１２ メモリ、１１３ タイマ、１１４ ハードディスク、１１８ 入力インタフェイス、１２０ 表示コントローラ、１２１ キーボード、１２２ ディスプレイ、１２３ メモリカード、１２４ 通信インタフェイス、１５１，１５１１ 高熟練度情報、１５２，１５２１ 中熟練度情報、１５３，１５３１ 低熟練度情報、２００ ユニット、３００ 管理コンピュータ、Ｂ１，Ｂ２，Ｂ３ 境界線、ＣＲ１ｉ，ＣＲｉ 識別特徴量、Ｅ１，Ｅ２，Ｅ３，Ｅ４，Ｅ１１，Ｅ２２，Ｅ３３，Ｅ４４ 領域、ＥＰ，ＥＰ１ 有効パターン、ＬＢ１，ＬＢ２，ＬＢ３ ラベル、ＴＨ，ＴＨ１，ＴＨ２，ＴＨ３，ＴＨ１１，ＴＨ２２，ＴＨ３３ 閾値、Ｖ 速度、Ｗ ワーク。

Claims (4)

1. 生産のための駆動部を制御する制御装置であって、
   作業者の作業時の姿勢の経時変化を示す生体情報を取得する取得部と、
   作業の熟練度ごとに当該熟練度に応じた前記生体情報を記憶するための記憶部と、
   作業時に前記取得部により取得される前記生体情報が有する複数の特徴量のうちの前記熟練度を識別可能な特徴量の組の値と、前記記憶部の熟練度ごとの前記生体情報が有する複数の特徴量のうちの前記識別可能な特徴量の組に基づく閾値とを比較し、比較の結果に基づき、当該取得される生体情報がいずれの熟練度に該当するかを判定する判定部と、
   判定された前記熟練度に基づき前記駆動部の制御量を決定する決定部と、を備え、
   前記制御装置の動作モードが学習モードである場合に、前記熟練度ごとに当該熟練度に応じた前記生体情報が有する特徴量を取得し前記記憶部に蓄積し、前記制御装置の動作モードが運用モードである場合に、前記判定部より判定された熟練度に応じた前記生体情報が有する特徴量を前記記憶部に蓄積する、制御装置。
2. 前記特徴量は、身体の異なる部位の距離を含む両部位の相対的な位置関係の経時変化を含む、請求項１に記載の制御装置。
3. 前記制御装置は、さらに、
   作業者が作業時に扱うワークの動きを示すワーク情報を取得するワーク情報取得部と、
   前記熟練度ごとに当該熟練度に応じた前記ワーク情報を記憶するためのワーク情報記憶部と、
   前記作業者の作業時に取得される前記ワーク情報が有する特徴量と、前記ワーク情報記憶部の熟練度ごとの前記ワーク情報が有する特徴量とを比較し、比較の結果に基づき、当該取得されるワーク情報がいずれの熟練度に該当するかを判定するワーク情報判定部と、を備え、
   前記決定部は、前記判定部により判定された熟練度と、前記ワーク情報判定部により判定された熟練度に基づき、前記制御量を決定する、請求項１または２に記載の制御装置。
4. 前記判定部は、予め定められた時間毎に前記熟練度を判定し、
   前記制御装置は、前記予め定められた時間毎に判定された熟練度を統計し、統計情報を出力する、請求項１から３のいずれか１項に記載の制御装置。

Images