JP6381863B2 - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents

Description

本発明は、情報処理装置、情報処理方法及び情報処理プログラムに関する。

工場では、複数の作業工程を経て一つの製品が製造される。一人の作業者が複数の作業工程の全てを担当することは少なく、複数の作業者が複数の作業工程を分担することが多い。このとき、二人以上の作業者が同じ作業工程を並行して行うこともある。
また、二人以上の作業者が、作業日を変えて、一つの作業工程を分担することも多い。
各作業工程には作業手順が定められており、作業手順通りに作業を行った際の作業完了に要する標準時間が設定されていることが一般的である。しかし、作業者ごとに作業を行う際の手際は異なる。また、同じ作業者でも初めて作業を行う際と、作業を繰り返して作業に慣れた後では、作業に要する時間は異なる。
このため、実際に作業に要する実作業時間が標準時間から大きく乖離することがある。
特許文献１では、作業者の作業時間の実績データを用いて、同一作業工程の累積作業回数に応じた予測作業時間を算出するシステムが開示されている。特許文献１のシステムでは、任意の作業工程に対する作業時間の実績データを用いて、作業者の当該作業工程に対する習熟度合を表す習熟曲線を生成し、生成した習熟曲線を用いて、作業を繰り返した後の作業時間を予測する。

特開２００５−２８４４１５号公報

工場ラインに含まれる複数の作業工程には、習熟しづらく作業を繰り返しても作業時間が逓減しづらい作業工程と、習熟しやすく作業時間が逓減しやすい作業工程がある。作業計画の最適化の観点からは、習熟しづらい作業工程と習熟しやすい作業工程を把握した上で、作業計画を策定することが望ましい。
特許文献１の技術は、作業工程ごとに予測作業時間を算出するが、作業工程が習熟しやすいか否かを判定するものではない。このため、作業工程を管理する作業管理者は、作業工程の習熟容易性を考慮した最適な作業計画を策定することができないという課題がある。

本発明は、このような課題を解決することを主な目的とする。つまり、本発明は、作業工程が習熟しやすいか否かを判定する構成を得ることを主な目的とする。

本発明に係る情報処理装置は、
作業工程での複数の作業者の作業時間の履歴が作業者ごとに示される作業時間データを用いて、前記作業工程における作業回数の増加に伴う作業時間の逓減状況を表す指標値である逓減指標値を作業者ごとに算出する逓減指標値算出部と、
前記複数の作業者の逓減指標値に基づいて、前記作業工程が習熟しやすい作業工程であるか否かを判定する習熟容易性判定部とを有する。

本発明によれば、作業工程が習熟しやすいか否かを判定することができる。

実施の形態１に係るシステム構成例を示す図。 実施の形態１に係る情報処理装置のハードウェア構成例を示す図。 実施の形態１に係る情報処理装置の機能構成例を示す図。 実施の形態１に係る情報処理装置のハードウェア構成と機能構成との関係を示す図。 実施の形態１に係る情報処理装置の動作例を示すフローチャート。 実施の形態１に係る習熟曲線の例を示す図。 実施の形態１に係る習熟容易性判定処理の詳細を示すフローチャート。 実施の形態１に係る学習能力判定処理の詳細を示すフローチャート。 実施の形態２に係る情報処理装置の機能構成例を示す図。 実施の形態２に係る上限値曲線と下限値曲線の例を示す図。

以下、本発明の実施の形態について、図を用いて説明する。以下の実施の形態の説明及び図面において、同一の符号を付したものは、同一の部分または相当する部分を示す。

実施の形態１．
＊＊＊構成の説明＊＊＊
図１は、本実施の形態に係るシステム構成例を示す。
本実施の形態に係るシステムは、情報処理装置１００と、収集データサーバ装置２００と、工場ライン３００とで構成される。工場ライン３００には、作業設備３０１〜作業設備３０５が存在する。
本実施の形態では、作業工程は、作業設備３０１〜作業設備３０５に対応する。
つまり、本実施の形態では、工場ライン３００には、作業設備３０１を用いた作業工程、作業設備３０２を用いた作業工程、作業設備３０３を用いた作業工程、作業設備３０４を用いた作業工程、作業設備３０５を用いた作業工程の５つが存在する。
以下では、作業設備３０１を用いた作業工程を作業工程１という。また、作業設備３０２を用いた作業工程を作業工程２という。また、作業設備３０３を用いた作業工程を作業工程３という。また、作業設備３０４を用いた作業工程を作業工程４という。また、作業設備３０５を用いた作業工程を作業工程５という。
また、本実施の形態では、各作業工程は、複数の作業員により実施されるものとする。但し、作業工程ごとの作業員の組み合わせ及び作業員の数は異なっていてもよい。
また、本実施の形態では、各作業員は、一つ以上の作業工程を担当するものとする。一つの作業工程のみを担当する作業員が存在してもよいが、全作業員のうちの少なくとも半数の作業員は、二つ以上の作業工程を担当しているものとする。

情報処理装置１００は、収集データサーバ装置２００により収集された作業時間データを用いて、作業工程の習熟しやすさを判定する。また、情報処理装置１００は、作業者の学習能力を判定する。
作業時間データは、作業工程ごとに作業者の単位で作業時間の履歴が示されるデータである。
情報処理装置１００は、ネットワーク４０２を介して収集データサーバ装置２００と接続される。
なお、情報処理装置１００で行われる動作は情報処理方法及び情報処理プログラムに相当する。

収集データサーバ装置２００は、工場ライン３００から作業時間データを収集する。収集データサーバ装置２００の作業時間データの収集方法は問わない。
収集データサーバ装置２００は、ネットワーク４０１を介して、作業設備３０１〜作業設備３０５と接続されている。

図２は、情報処理装置１００のハードウェア構成例を示す。
図３は、情報処理装置１００の機能構成例を示す。
先ず、図２を参照して、情報処理装置１００のハードウェア構成例を説明する。

情報処理装置１００は、コンピュータである。
情報処理装置１００は、ハードウェアとして、プロセッサ１１、メモリ１２、ストレージ１３、通信装置１４、入力装置１５、表示装置１６を備える。
ストレージ１３には、図３に示す通信処理部１０１、習熟曲線生成部１０３、決定係数算出部１０５、習熟容易性判定部１０７、学習能力判定部１０９、表示処理部１１１の機能を実現するプログラムが記憶されている。
そして、これらプログラムがメモリ１２にロードされ、プロセッサ１１がこれらプログラムを実行する。
また、ストレージ１３は、図３に示す作業時間収集データベース１０２、習熟曲線データベース１０４、決定係数データベース１０６、習熟容易性データベース１０８、学習能力データベース１１０を実現する。
図４は、図２のハードウェア構成と図３の機能構成との関係を示す。
つまり、図４では、プロセッサ１１が通信処理部１０１、習熟曲線生成部１０３、決定係数算出部１０５、習熟容易性判定部１０７、学習能力判定部１０９、表示処理部１１１の機能を実現するプログラムを実行している状態を模式的に表している。また、図４では、ストレージ１３が作業時間収集データベース１０２、習熟曲線データベース１０４、決定係数データベース１０６、習熟容易性データベース１０８、学習能力データベース１１０として用いられている状態を模式的に表している。なお、作業時間収集データベース１０２、習熟曲線データベース１０４、決定係数データベース１０６、習熟容易性データベース１０８、学習能力データベース１１０の少なくとも一部がメモリ１２により実現されてもよい。

次に、図３を参照して、情報処理装置１００の機能構成例を説明する。

通信処理部１０１は、通信装置１４を用いて、収集データサーバ装置２００から作業時間データを受信する。
また、通信処理部１０１は、受信した作業時間データを作業時間収集データベース１０２に格納する。

習熟曲線生成部１０３は、作業時間収集データベース１０２に格納された作業時間データを用いて、作業工程別に、作業者ごとの習熟曲線を生成する。習熟曲線は、作業工程における作業回数と作業時間との関係が示される曲線である。そして、習熟曲線生成部１０３は、生成した習熟曲線が記述される習熟曲線データを習熟曲線データベース１０４に格納する。
決定係数算出部１０５は、習熟曲線生成部１０３により生成された習熟曲線と作業時間データに示される作業時間の履歴との間の決定係数を算出する。また、決定係数算出部１０５は、算出した決定係数が記述される決定係数データを決定係数データベース１０６に格納する。決定係数は、作業回数の増加に伴う作業時間の逓減状況を表す指標値であり、逓減指標値に相当する。
なお、習熟曲線生成部１０３及び決定係数算出部１０５を、逓減指標値算出部１１２ともいう。また、習熟曲線生成部１０３及び決定係数算出部１０５の動作は、逓減指標値算出処理に相当する。

習熟容易性判定部１０７は、複数の作業者の決定係数（逓減指標値）に基づいて、各作業工程が習熟しやすい作業工程であるか否かを判定する。より具体的には、習熟容易性判定部１０７は、作業工程ごとに、複数の作業者の決定係数の中から選択条件に合致する決定係数を選択する。そして、習熟容易性判定部１０７は、選択した決定係数の平均値を算出し、算出した平均値が閾値以上である場合に、当該作業工程を習熟しやすい作業工程と判定する。
また、習熟容易性判定部１０７は、各作業工程についての判定結果が記述される習熟容易性データを習熟容易性データベース１０８に格納する。
なお、習熟容易性判定部１０７の動作は、習熟容易性判定処理に相当する。

学習能力判定部１０９は、習熟容易性判定部１０７により習熟しやすい作業工程であると判定された作業工程の決定係数を用いて、各作業者の学習能力を判定する。より具体的には、学習能力判定部１０９は、作業者ごとに、習熟容易性判定部１０７により習熟しやすい作業工程であると判定された作業工程の決定係数の平均値を算出する。そして、学習能力判定部１０９は、算出した平均値が閾値以上である場合に、当該作業者は要求される学習能力を備えていると判定する。一方、算出した平均値が閾値未満である場合は、学習能力判定部１０９は、当該作業者は要求される学習能力を備えていないと判定する。
また、学習能力判定部１０９は、各作業者についての判定結果が記述される作業者学習能力データを作業者学習能力データベース１１０に格納する。

表示処理部１１１は、学習能力判定部１０９の判定結果を表示装置１６に表示する。例えば、表示処理部１１１は、要求される学習能力を備えていないと判定された作業者を表示装置１６に表示する。

＊＊＊動作の説明＊＊＊
次に、図５のフローチャートを参照して、本実施の形態に係る情報処理装置１００の動作例を説明する。

ステップＳ１０１において、通信処理部１０１が通信装置１４を介して収集データサーバ装置２００から作業時間データを受信する。また、通信処理部１０１は、受信した作業時間データを作業時間収集データベース１０２に格納する。
作業時間データには、作業者名、作業工程、作業開始時刻、作業終了時刻、当該作業工程の累積作業回数が記述される。

次に、ステップＳ１０２において、習熟曲線生成部１０３が、作業時間データを用いて、作業工程別に、作業者ごとの習熟曲線を生成する。例えば、作業者Ａが作業工程１と作業工程２を担当している場合は、習熟曲線生成部１０３は、作業者Ａの作業工程１についての習熟曲線と、作業者Ａの作業工程２についての習熟曲線を生成する。習熟曲線生成部１０３は、生成した習熟曲線が記述される習熟曲線データを習熟曲線データベース１０４に格納する。
習熟曲線の例を図６に示す。一般的に同一作業工程を繰り返すことにより作業者は作業に慣れるため、作業回数が増えるにつれて作業時間は逓減する傾向にある。図６の例でも、作業回数ｎが増加するに従い、作業時間ＲＴが逓減している。
作業時間の逓減傾向は式（１）で近似される。式（１）において、ＲＴは作業完了までに要する作業時間、ｎは作業工程の作業回数である。

また、式（１）のＡ及びＢは、以下の式（２）、式（３）で得られる変数である。
以下において、ｎは作業回数、Ｎは累積作業回数、ｎ−（ｎの上に−）は、累積作業回数の平均値、ＲＴ_ｎはｎ回目の作業をした際の作業時間、ＲＴ―（ＲＴの上に−）は全作業回数の作業時間の平均値を示す。

ステップＳ１０３において、決定係数算出部１０５が決定係数を算出する。より具体的には、ステップＳ１０２で生成された習熟曲線と、対応する作業工程及び作業者の作業時間データに示される作業時間の履歴とを照合して、決定係数Ｒ^２を算出する。また、決定係数算出部１０５は、算出した決定係数Ｒ^２が記述される決定係数データを決定係数データベース１０６に格納する。
例えば、決定係数算出部１０５は、作業者Ａの作業工程１についての習熟曲線と、作業者Ａの作業工程１についての作業時間データに示される作業時間の履歴とを照合して、決定係数Ｒ^２を算出する。
決定係数Ｒ^２は、習熟曲線と、実際の作業時間との当てはまり度合を示す指標であり、［０，１］の値を取る。決定係数が１に近いほど実際の作業時間に対する習熟曲線の当てはまりが強く、０に近いほど当てはまりが弱い。決定係数Ｒ^２は式（４）で与えられる。

ステップＳ１０４では、習熟容易性判定部１０７が、決定係数Ｒ^２を用いて、作業工程ごとの習熟しやすさ（習熟容易性）を判定する。また、習熟容易性判定部１０７は、判定結果が記述される習熟容易性データを習熟容易性データベース１０８に格納する。
習熟容易性判定部１０７は、具体的には、図７に示す手順で各作業工程の習熟しやすさを判定する。習熟容易性判定部１０７は、作業工程ごとに、図７に示す手順を繰り返して、作業工程１〜５の各々について習熟しやすさを判定する。
なお、図７に示すα、β、γの具体的数値は作業管理者が設定することとする。以下、図７の各ステップを説明する。

先ず、習熟容易性判定部１０７は、習熟しやすさの判定対象の作業工程の累積作業回数がα回以上である作業者の作業時間データを抽出する（ステップＳ１０４１）。
累積作業回数が少ない段階では作業者は作業に慣れていないため作業時間のバラツキが大きい。このため、累積作業回数が少ない作業者の作業時間データを用いると、作業工程の習熟しやすさを正確に判定できない可能性がある。従って、習熟容易性判定部１０７は、累積作業回数が一定数（α回）以上である作業者の作業時間データのみを作業工程の習熟しやすさの判定に用いる。

次に、習熟容易性判定部１０７は、ステップＳ１０４１で作業時間データを抽出した作業者の決定係数を数値が大きい順に並べる（ステップＳ１０４２）。

次に、習熟容易性判定部１０７は、ステップＳ１０４２で並べた決定係数のうち、上位β％の決定係数の平均値を算出する（ステップＳ１０４３）。また、習熟容易性判定部１０７は、上位β％の決定係数の平均値を、各作業工程の習熟しやすさとして取り扱う。
ある作業工程の決定係数が低い作業者は全作業工程に対しても学習能力が低いことが多い。このため、値が低い決定係数を用いると作業工程の習熟しやすさを正確に判定できない可能性がある。従って、習熟容易性判定部１０７は、決定係数の上位β％を習熟しやすさの指標として用いる。

次に、習熟容易性判定部１０７は、ステップＳ１０４３で算出した平均値が閾値γ以上であるか否かを判定する（ステップＳ１０４４）。
習熟容易性判定部１０７は、平均値が閾値γ以上である作業工程を習熟しやすい作業工程と判定する（ステップＳ１０４５）。一方、習熟容易性判定部１０７は、平均値が閾値γ未満の作業工程を習熟しづらい作業工程と判定する（ステップＳ１０４６）。

図５のフローチャートに戻り、ステップＳ１０５では、学習能力判定部１０９が、各作業者の学習能力を判定する。また、学習能力判定部１０９は、判定結果が記述される学習能力データを学習能力データベース１１０に格納する。
学習能力判定部１０９は、具体的には、図８に示す手順で各作業者の学習能力を判定する。なお、図８に示すδの具体的数値は作業管理者が設定することとする。以下、図８の各ステップを説明する。

先ず、学習能力判定部１０９は、ステップＳ１０４５で習熟しやすいと判定された作業工程（以下、習熟しやすい作業工程という）を抽出する（ステップＳ１０５１）。
習熟しづらいと判定された作業工程は、学習能力が高い作業者が作業しても習熟しづらく決定係数が低い。習熟しづらいと判定された作業工程の決定係数を用いても、作業者の学習能力を正確に判定できない可能性がある。このため、学習能力判定部１０９は、習熟しやすい作業工程を抽出する。

次に、学習能力判定部１０９は、作業者ごとに、ステップＳ１０５１で抽出された習熟しやすい作業工程の決定係数の平均値を算出する（ステップＳ１０５２）。学習能力判定部１０９は、算出した平均値を各作業者の学習能力として取り扱う。
例えば、作業者Ａが作業工程１と作業工程２を担当し、作業者Ｂが作業工程２と作業工程３を担当している場合を想定する。作業工程１と作業工程２と作業工程３が習熟しやすい作業工程であれば、学習能力判定部１０９は、作業者Ａに対しては、作業工程１についての決定係数と作業工程２についての決定係数との平均値を算出する。また、学習能力判定部１０９は、作業者Ｂに対しては、作業工程２についての決定係数と作業工程３についての決定係数との平均値を算出する。

次に、学習能力判定部１０９は、作業者ごとに、ステップＳ１０５２で算出された平均値が閾値δ以上であるか否かを判定する（ステップＳ１０５３）。
学習能力判定部１０９は、平均値が閾値δ以上の作業者を学習能力がある作業者と判定する（ステップＳ１０５４）。
一方、学習能力判定部１０９は、平均値が閾値δ未満である作業者を学習能力が足りない作業者と判定する（ステップＳ１０５５）。

図５のフローチャートに戻り、ステップＳ１０６では、表示処理部１１１が、学習能力判定部１０９の判定結果を表示装置１６に表示する。
製造現場の作業管理者は製造作業を円滑に進めるため、各作業者の作業能力を把握する必要がある。このため、表示処理部１１１は、ステップＳ１０５５で学習能力に欠けると判定された作業者を表示装置１６に表示して、作業管理者に学習能力に欠ける作業者を通知する。
また、表示処理部１１１は、習熟容易性判定部１０７の判定結果、すなわち、作業工程ごとの習熟のしやすさを表示装置１６に表示するようにしてもよい。

＊＊＊実施の形態の効果の説明＊＊＊
本実施の形態によれば、各作業工程が習熟しやすいか否かを判定することができる。このため、作業管理者は、各作業工程の習熟のしやすさを考慮して、最適な作業計画を策定することができる。
また、本実施の形態によれば、作業者ごとの学習能力の有無を判定することができる。このため、作業管理者は、各作業者の学習能力を考慮して、最適な作業計画を策定することができる。

実施の形態２．
実施の形態１では、図８のステップＳ１０５３の作業者の学習能力の判定処理において、判定指標として決定係数のみが用いられている。
本実施の形態では、決定係数に加えて、図５のステップＳ１０２で生成された習熟曲線を判定指標とすることで、作業者の学習能力の判定の判定精度を向上させる。

図９は、本実施の形態に係る情報処理装置１００の機能構成例を示す。
図９では、図３と比較して、学習能力判定部１０９が習熟曲線データベース１０４から習熟曲線を取得する点が異なる。なお、図９の他の要素は、図３に示したものと同じであるため、説明を省略する。また、本実施の形態に係る情報処理装置１００のハードウェア構成例は、図２に示したものと同様である。
以下では、主に実施の形態１との差異を説明する。以下で説明していない事項は、実施の形態１と同様である。

本実施の形態では、学習能力判定部１０９は、決定係数と習熟曲線とを用いて、作業者の学習能力を判定する。学習能力判定部１０９は、決定係数を用いた評価及び習熟曲線を用いた評価のいずれでも学習能力ありと判定された作業者のみ学習能力があると認定する。
決定係数の用いた評価は、実施の形態１に示したものと同じであるため、説明を省略する。
本実施の形態では学習能力判定部１０９は、習熟曲線を以下のように用いて、作業者の学習能力を評価する。

学習能力判定部１０９は、習熟容易性判定部１０７により習熟しやすい作業工程であると判定された作業工程の習熟曲線に沿って作業時間の上限値の曲線である上限値曲線と作業時間の下限値の曲線である下限値曲線とを設定する。つまり、学習能力判定部１０９は、作業回数ごとに、作業時間の許容範囲の上限値と下限値とを算出し、上限値曲線と下限値曲線を設定する。図１０は、上限値曲線と下限値曲線が設定された習熟曲線の例を示す。
作業回数ごとの許容範囲の上下限値は当該作業工程の習熟曲線をベースにそれぞれ式（５）、式（６）で算出する。

許容範囲の上下限を規定する関数ｆ_１（ｎ）、ｆ_２（ｎ）は作業管理者が設定する。関数ｆ_１（ｎ）、ｆ_２（ｎ）は、例として、習熟曲線の上下限の幅が作業回数の累積に伴い逓減し狭まる式（７）とすることができる。

学習能力判定部１０９は、作業時間の許容範囲の上下限値と実際の作業時間のずれを作業者の学習能力の判定に使用する。つまり、学習能力判定部１０９は、作業時間データに示される作業時間の履歴と習熟曲線の上限値曲線及び下限値曲線との比較を行って、作業者の学習能力を判定する。
学習能力判定部１０９は、以下のいずれかの条件を満たす場合に、作業者に学習能力が欠けていると判定する。
ａ）累積作業回数が５回以下の段階で、作業時間データの作業時間が上限値又は下限値を外れた回数が３回以上。
ｂ）累積作業回数が５回を超えた段階で、作業時間データの作業時間が３回連続で上限値又は下限値を外れる。
なお、作業時間データの作業時間が下限値を外れる場合は、必ずしも作業者に学習能力が欠けているとは言えない。しかしながら、複数回において作業時間データの作業時間が下限値を外れる場合は、作業者が一部の作業手順を行っていない等の問題がある可能性がある。このため、ある作業者の作業時間が下限値を規定回数以上外れる場合には、作業管理者の注意を喚起するために、学習能力判定部１０９は、当該作業者に学習能力が欠けていると判定し、表示処理部１１１に当該作業者を作業管理者に提示させる。

以上のように、本実施の形態では、作業者の学習能力の判定において、決定係数に加えて作業時間の習熟曲線の上下限値からの乖離を考慮するため、精度の高い判定が可能となる。

以上、本発明の実施の形態について説明したが、これらの実施の形態のうち、２つ以上を組み合わせて実施しても構わない。
あるいは、これらの実施の形態のうち、１つを部分的に実施しても構わない。
あるいは、これらの実施の形態のうち、２つ以上を部分的に組み合わせて実施しても構わない。
なお、本発明は、これらの実施の形態に限定されるものではなく、必要に応じて種々の変更が可能である。

＊＊＊ハードウェア構成の説明＊＊＊
最後に、情報処理装置１００のハードウェア構成の補足説明を行う。
図２に示すプロセッサ１１は、プロセッシングを行うＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）である。
プロセッサ１１は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）等である。
図２に示すメモリ１２は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）である。
図２に示すストレージ１３は、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等である。
図２に示す通信装置１４は、データを受信するレシーバー及びデータを送信するトランスミッターを含む。
通信装置１４は、例えば、通信チップ又はＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）である。
入力装置１５は、例えば、マウス、キーボードである。
表示装置１６は、例えば、ディスプレイである。

ストレージ１３には、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）も記憶されている。
そして、ＯＳの少なくとも一部がメモリ１２にロードされ、プロセッサ１１により実行される。
プロセッサ１１はＯＳの少なくとも一部を実行しながら、通信処理部１０１、習熟曲線生成部１０３、決定係数算出部１０５、習熟容易性判定部１０７、学習能力判定部１０９、表示処理部１１１の機能を実現するプログラムを実行する。
プロセッサ１１がＯＳを実行することで、タスク管理、メモリ管理、ファイル管理、通信制御等が行われる。
また、通信処理部１０１、習熟曲線生成部１０３、決定係数算出部１０５、習熟容易性判定部１０７、学習能力判定部１０９、表示処理部１１１の処理の結果を示す情報やデータや信号値や変数値が、メモリ１２、ストレージ１３、プロセッサ１１内のレジスタ及びキャッシュメモリの少なくともいずれかに記憶される。
また、通信処理部１０１、習熟曲線生成部１０３、決定係数算出部１０５、習熟容易性判定部１０７、学習能力判定部１０９、表示処理部１１１の機能を実現するプログラムは、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、ブルーレイ（登録商標）ディスク、ＤＶＤ等の可搬記憶媒体に記憶されてもよい。

また、通信処理部１０１、習熟曲線生成部１０３、決定係数算出部１０５、習熟容易性判定部１０７、学習能力判定部１０９、表示処理部１１１の「部」を、「回路」又は「工程」又は「手順」又は「処理」に読み替えてもよい。
また、情報処理装置１００は、ロジックＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＧＡ（Ｇａｔｅ Ａｒｒａｙ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ−Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）といった電子回路により実現されてもよい。
なお、プロセッサ及び上記の電子回路を総称してプロセッシングサーキットリーともいう。

１００ 情報処理装置、１０１ 通信処理部、１０２ 作業時間収集データベース、１０３ 習熟曲線生成部、１０４ 習熟曲線データベース、１０５ 決定係数算出部、１０６ 決定係数データベース、１０７ 習熟容易性判定部、１０８ 習熟容易性データベース、１０９ 学習能力判定部、１１０ 学習能力データベース、１１１ 表示処理部、１１２ 逓減指標値算出部、２００ 収集データサーバ装置、３００ 工場ライン、３０１ 作業設備、３０２ 作業設備、３０３ 作業設備、３０４ 作業設備、３０５ 作業設備、４０１ ネットワーク、４０２ ネットワーク。

Claims (9)

1. 作業工程での複数の作業者の作業時間の履歴が作業者ごとに示される作業時間データを用いて、前記作業工程における作業回数の増加に伴う作業時間の逓減状況を表す指標値である逓減指標値を作業者ごとに算出する逓減指標値算出部と、
   前記複数の作業者の逓減指標値に基づいて、前記作業工程が習熟しやすい作業工程であるか否かを判定する習熟容易性判定部とを有する情報処理装置。
2. 前記習熟容易性判定部は、
   前記複数の作業者の逓減指標値の中から選択条件に合致する逓減指標値を選択し、選択した逓減指標値の平均値を算出し、算出した平均値が閾値以上である場合に、前記作業工程を習熟しやすい作業工程と判定する請求項１に記載の情報処理装置。
3. 前記逓減指標値算出部は、
   複数の作業工程での前記複数の作業者の作業時間の履歴が作業者ごとに示される作業時間データを用いて、作業工程別に前記逓減指標値を作業者ごとに算出し、
   前記習熟容易性判定部は、
   前記複数の作業者の逓減指標値に基づいて、各作業工程が習熟しやすい作業工程であるか否かを判定し、
   前記情報処理装置は、更に、
   前記習熟容易性判定部により習熟しやすい作業工程であると判定された作業工程の逓減指標値を用いて、各作業者の学習能力を判定する学習能力判定部を有する請求項１に記載の情報処理装置。
4. 前記学習能力判定部は、
   作業者ごとに、前記習熟容易性判定部により習熟しやすい作業工程であると判定された作業工程の逓減指標値の平均値を算出し、
   算出した平均値が閾値以上である場合に、当該作業者は要求される学習能力を備えていると判定し、
   算出した平均値が閾値未満である場合に、当該作業者は要求される学習能力を備えていないと判定する請求項３に記載の情報処理装置。
5. 前記逓減指標値算出部は、
   作業者ごとに、前記作業時間データを用いて、前記作業工程における作業回数と作業時間との関係が示される習熟曲線を生成し、前記逓減指標値として、前記習熟曲線と前記作業時間データに示される作業時間の履歴との間の決定係数を算出する請求項１に記載の情報処理装置。
6. 前記逓減指標値算出部は、
   複数の作業工程での前記複数の作業者の作業時間の履歴が作業者ごとに示される作業時間データを用いて、作業工程別に前記習熟曲線の生成及び前記決定係数の算出を作業者ごとに行い、
   前記習熟容易性判定部は、
   前記複数の作業者の決定係数に基づいて、各作業工程が習熟しやすい作業工程であるか否かを判定し、
   前記情報処理装置は、更に、
   前記習熟容易性判定部により習熟しやすい作業工程であると判定された作業工程の決定係数を用いて、各作業者の学習能力を判定する学習能力判定部を有する請求項５に記載の情報処理装置。
7. 前記学習能力判定部は、
   作業者ごとに、前記習熟容易性判定部により習熟しやすい作業工程であると判定された作業工程の決定係数の平均値を算出し、
   作業者ごとに、前記習熟容易性判定部により習熟しやすい作業工程であると判定された作業工程の習熟曲線に沿って作業時間の上限値の曲線である上限値曲線と作業時間の下限値の曲線である下限値曲線とを設定し、
   作業者ごとに、算出した平均値と閾値との比較と、前記作業時間データに示される作業時間の履歴と前記上限値曲線及び前記下限値曲線との比較を行って、学習能力を判定する請求項６に記載の情報処理装置。
8. コンピュータが、作業工程での複数の作業者の作業時間の履歴が作業者ごとに示される作業時間データを用いて、前記作業工程における作業回数の増加に伴う作業時間の逓減状況を表す指標値である逓減指標値を作業者ごとに算出し、
   前記コンピュータが、前記複数の作業者の逓減指標値に基づいて、前記作業工程が習熟しやすい作業工程であるか否かを判定する情報処理方法。
9. 作業工程での複数の作業者の作業時間の履歴が作業者ごとに示される作業時間データを用いて、前記作業工程における作業回数の増加に伴う作業時間の逓減状況を表す指標値である逓減指標値を作業者ごとに算出する逓減指標値算出処理と、
   前記複数の作業者の逓減指標値に基づいて、前記作業工程が習熟しやすい作業工程であるか否かを判定する習熟容易性判定処理とをコンピュータに実行させる情報処理プログラム。

Images