JP6777266B1 - 作業要素分析装置及び作業要素分析方法 - Google Patents
作業要素分析装置及び作業要素分析方法 Download PDFInfo
- Publication number
- JP6777266B1 JP6777266B1 JP2020516763A JP2020516763A JP6777266B1 JP 6777266 B1 JP6777266 B1 JP 6777266B1 JP 2020516763 A JP2020516763 A JP 2020516763A JP 2020516763 A JP2020516763 A JP 2020516763A JP 6777266 B1 JP6777266 B1 JP 6777266B1
- Authority
- JP
- Japan
- Prior art keywords
- work
- work element
- unit
- information
- probability
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims description 47
- 238000012937 correction Methods 0.000 claims abstract description 62
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000004519 manufacturing process Methods 0.000 abstract description 26
- 230000007704 transition Effects 0.000 description 68
- 238000004364 calculation method Methods 0.000 description 31
- 238000000605 extraction Methods 0.000 description 29
- 238000010586 diagram Methods 0.000 description 10
- 230000010354 integration Effects 0.000 description 10
- 238000007476 Maximum Likelihood Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Factory Administration (AREA)
Abstract
Description
本発明は、上記課題を解決するためになされたものであり、より精度の良い作業要素分析装置を得ることを目的とする。
以下、本実施の形態1に係る 作業要素分析装置について説明する。実施の形態1に係る作業要素分析装置200は、生産工場の製造現場などにおいて作業者が行う一連の作業を分析し、その一連の作業を構成する要素である「作業要素」を検知するものである。
例えば、ある物を組み立てるという作業を行う製造現場において、作業者が部品を配置し、ネジ止めをし、固定されているか確認するという行為が行われる場合、「組み立て」が「作業」であり、「部品配置」「ねじ止め」「確認」が「作業要素」となる。ここでは、「部品配置」「ねじ止め」「確認」などの行為を作業要素としたが、これらの行為はさらに細分化することも可能であり、どの行為のまとまりを作業要素と定義するかは、ユーザが考えるまとめ方に応じてユーザが決定すればよい。本実施の形態では、作業要素を4つに分け、分けた作業要素を区別する記号として作業要素番号「0」「1」「2」「3」を付しているものとして説明する。
カメラ101は、作業を行っている作業者及びその周辺を撮影し、映像信号に変換して出力する。マイク102は、作業者が作業を行う作業場や、作業者に設置され、作業者が作業を行う際に生じる音や作業者の声などの音声を電気信号に変換し、音声信号を出力する。生産機器103は、例えば電動ドライバなど、作業者が作業を行う際に使用する生産機器であり、電動モータの駆動、停止、トルクなどを示す状態信号を出力する。カメラ101、マイク102、生産機器103がそれぞれ出力した映像信号、音声信号、状態信号が、作業要素分析装置200の作業情報取得部210に入力される。
作業情報取得部210に入力される信号は、作業者が行う作業に関する情報を含む信号が1つ以上あればよく、カメラ101、マイク102、生産機器103に限らず、加速度センサや深度センサ等で検知した情報を含む信号でもよい。また、作業情報取得部210に入力される信号は、レコーダなどの外部記録装置にあらかじめ記憶されたものを入力しても良い。
骨格情報抽出部211では、カメラ101から取得した映像信号について、例えばフレームごとの画像について作業情報である作業者の骨格情報を抽出する処理を行う。ここで、骨格情報とは、画像座標系における作業者の肩、肘、手首など、人体の代表的な関節位置の座標を表した情報であり、作業者の作業姿勢を表す情報である。映像から作業者の骨格情報を抽出する方法として、作業者に取り付けたマーカ位置から関節位置を抽出する方法のほか、事前に学習済みのConvolutional−Neural−Network(CNN)を用いて関節位置を抽出する方法などがある。骨格情報抽出部211にて抽出された骨格情報は、作業情報統合部215へ入力される。
画像特徴量抽出部212では、カメラ101から取得した映像信号から、フレームごとに例えばHistograms−of−Oriented−Gradients(HOG)特徴量等、画像に関する特徴量を抽出する処理を行う。画像特徴量抽出部212にて抽出された画像特徴量情報は、作業情報統合部215へ入力される。
音声特徴量抽出部213では、マイク102から取得した音声信号の音声について作業情報である音声特徴量を、例えば周波数スペクトル分析を行うことにより抽出する処理を行うことにより抽出する。音声特徴量抽出部213にて抽出された音声特徴量情報は、作業情報統合部215へ入力される。
生産機器特徴量抽出部214は、生産機器103から取得した状態信号について、例えば作業者が電動ドライバのスイッチを入れることによる稼働状態の情報、バーコードリーダがタグを読み込んだ情報などを生産機器の特徴量として抽出する処理を行う。生産機器特徴量抽出部214が抽出した生産機器特徴量情報は、作業情報統合部215へ入力される。
なお、作業要素推論部220が作業要素を推論する方法は従来より種々の方法があり、上記の方法に限らず、統計データから推論を行っても良いし、ユーザが作業情報の特徴量などの情報に設定値を設けて作業要素を推論しても良い。
また、作業要素教示部230は、発生確率取得部240の作業要素出力確率算出部241及び作業要素遷移確率算出部243にも教師データを出力する。
なお、学習済みモデルは学習済みモデル生成部221にて生成されたが、必ずしも作業情報取得部210から作業情報を取得して生成する必要はなく、学習済みモデル記憶部222に直接入力されても良い。その場合、学習済みモデル生成部221は作業要素教示部230に入力された学習済みモデルをそのまま学習済みモデル記憶部222へ出力する。
また、学習済みモデルは作業要素分析装置200の外部で生成、記憶され、推論部223が推論する際にネットワークなどの手段を用いて学習済みモデルを取得する構成としても良い。
また、例えばユーザが作業要素に関する傾向を把握しており統計結果から得られた発生確率を修正する場合に、統計結果から得られた発生確率を修正できるよう構成しても良い。その場合、本実施の形態では、作業要素出力確率情報記憶部242及び作業要素遷移確率情報記憶部244に記憶されている作業要素出力確率情報又は作業要素遷移確率情報を書き換える。
訂正部250は、作業要素出力確率を用いて訂正することで作業要素推論部220が作業要素を推論する性能を考慮することができ、作業要素遷移確率を用いて訂正することで作業情報が1フレーム進んだ時に作業要素が遷移する確率を考慮することができる。このように作業要素推論部220が推論した作業要素の発生率を用いて作業要素を訂正することで、より精度の良い作業要素を得て分析することができる。
本実施の形態では、発生確率取得部240にて2つの確率が取得されたが、発生確率取得部240が取得する確率は1つでもよく、その場合は訂正部250にて1つの確率に基づいて訂正する。
以下、繰り返して行う作業の1サイクルの作業過程が4つの作業要素で構成された例を説明する。各作業要素には、それぞれ0〜3の作業要素番号を付すものとする。
まず、作業要素出力確率算出部241に作業要素推論部220が過去の作業情報から推論した作業要素の情報と、作業要素教示部230にユーザが入力した過去の作業情報に対する真の作業要素の情報が入力される。そして同一フレームの作業情報において真の作業要素の番号iに対して作業要素推論部220が推論した作業要素番号kとなった件数をそれぞれ集計する(以下、集計値cb_ik)。図2に実施の形態1に係る作業要素分析装置200の作業要素出力確率算出部241が作業要素を集計した例である説明図を示す。ここで示した例では、例えば真の作業要素番号が0の時に、作業要素番号0と推論された集計値が43、作業要素番号1と推論された集計値が8、作業要素番号2と推論された集計値が3、作業要素番号3と推論された集計値が6となっており、単に作業情報から推論しただけでは、実際の作業要素ではない作業要素に推論される件数が17件ある状態を示している。
まず、作業要素遷移確率算出部243に、作業要素教示部230からユーザが入力した連続したフレームの真の作業要素の情報が入力される。真の作業要素の番号がiであるフレームの次のフレームの作業要素番号がjとなった件数をそれぞれ集計する(以下、集計値ca_ij)。図5に実施の形態1に係る作業要素分析装置200の作業要素遷移確率算出部243が作業要素を集計した例である説明図を示す。ここで示した例では、例えば遷移元の作業要素番号が0の時に、遷移先の作業要素番号が0である集計値が78、作業要素番号が1である集計値が3、作業要素番号が2である集計値が0件、作業要素が3である集計値が0件となっており、過去に作業要素番号が0から2及び3へ遷移したデータがない状態となっている。
ステップS001にて作業情報取得部210は作業情報を取得する。具体的には、カメラ101、マイク102、生産機器103から情報が入力されると、骨格情報抽出部211、画像特徴量抽出部212、音声特徴量抽出部213、生産機器特徴量抽出部214にて作業者が行う作業に付随して生じた作業情報である骨格情報、画像特徴量情報、音声特徴量情報、生産機器特徴量情報が抽出される。そして、それらの作業情報は作業情報統合部215にて時刻ごとに1フレームに統合され、統合された作業情報が作業要素推論部220へ出力される。
例えば、作業者が15フレーム分の時間において、各フレームの作業要素番号がそれぞれ000002222223333となる作業を行い、作業要素推論部220がこれらの作業に対応した作業情報に基づいて推論し、推論結果として15フレーム分の作業要素番号として000002222223133が出力されたとする。この場合、13フレーム目のタイミングにおいて、作業情報にノイズが入ったり、あるいは作業者が偶然に作業要素番号1と同様の動作を行ってしまったため、推論部223にて13フレーム目の作業要素番号が1と推論されている。このような推論誤りは、訂正部250においてこの作業要素遷移確率に基づいて訂正される。ここで、仮に図5に示すように作業要素番号が0から2へ遷移する集計値が0のまま調整が行われなかった場合、訂正部250において作業要素番号0から2への遷移は許されないこととなり、作業要素番号0と2の境界部分で強制的に作業要素番号1が出現するように、例えば作業要素番号が000012222223333と訂正されてしまう。このように訂正されると、作業要素番号の順番は0、1、2、3と遷移しているため、分析部260は作業抜けを検知する分析を行うことができない。本実施の形態のように発生確率の値が0である作業要素の発生確率に調整値を加える調整を行うことで、訂正部250は作業要素番号として000002222223333という結果を得ることができ、次のステップの分析部にて作業要素番号1が抜けていることを検知する分析を行うことができる。
nxtIdxt ikは、layert+1に含まれるノードnodet+1 IKを指しし示すインデックス(I,K)を最大1つ格納できる変数である。
likehoodt ikは、時刻t、インデックス(i,k)のノードnodet ikに付与される既定値0のスカラであり、時刻0から時刻tまで最尤な作業履歴を辿ったときの尤度を意味する。
bestPathは時刻0から時刻T-1までの尤度が最大となる作業履歴を格納する変数であり、訂正部250が最終的に出力する情報である。
ステップS101にて、訂正部250は時刻0のフレームに対応する各ノードの尤度likehood0 ikを計算する。図10は、実施の形態の作業要素分析装置200の訂正部250がlikehood0 ik を計算するフローチャートを示す。計算式を次の数式6に示す。
ステップS104にて、最尤作業履歴bestPath={bestPatht}を抽出する。図14は、実施の形態2に係る作業要素分析装置200の訂正部250が最尤作業履歴を抽出する詳細のフローチャートである。まず、ステップS301にて尤度likehoodT-1 ikが最大となるnodet ikを抽出し、そのインデックス情報(itmp,ktmp)を保持し、bestPathT-1にitmpを登録する。次にステップS302にてt=T-1からt=1まで、次に示す数式8の処理を行うことにより、確率的に最尤な作業履歴bestPathを得る。
なお、実施の形態2では作業要素推論部220から作業要素ごとの確率値pt i及び作業要素推論部220が推論した作業要素を作業要素推論情報として出力したが、作業要素推論情報は作業要素ごとの確率値pt iのみであっても良い。その場合、訂正部にて作業における作業要素の発生確率を用いて作業要素ごとの確率値pt iを訂正し、最も確率が高い作業要素番号を作業要素訂正情報とする。
102.マイク
103.生産機器
200.作業要素分析装置
201.第1インターフェース
202.第2インターフェース
203.第3インターフェース
204.演算装置
205.主記憶装置
206.補助記憶装置
210.作業情報取得部
211.骨格情報抽出部
212.画像特徴量抽出部
213.音声特徴量抽出部
214.生産機器特徴量抽出部
215.作業情報統合部
220.作業要素推論部
221.学習済みモデル生成部
222.学習済みモデル記憶部
223.推論部
230.作業要素教示部
240.発生確率取得部
241.作業要素出力確率算出部
242.作業要素出力確率情報記憶部
243.作業要素遷移確率算出部
244.作業要素遷移確率情報記憶部
250.訂正部
260.分析部
300.分析結果記憶部
Claims (7)
- 作業者が行う作業に付随して生じた作業情報を取得する作業情報取得部と、
前記作業情報取得部が取得した前記作業情報から前記作業を構成する作業要素を推論する作業要素推論部と、
前記作業要素推論部で推論した前記作業要素毎の集計値に調整値を加算した値を用いて算出した、前記作業における前記作業要素の発生確率を取得する発生確率取得部と、
前記発生確率取得部が取得した前記発生確率に基づいて前記作業要素推論部が推論した作業要素を訂正する訂正部とを備える
ことを特徴とする作業要素分析装置。 - 前記作業情報取得部が取得する作業情報は、骨格情報及び音声特徴量である
ことを特徴とする請求項1に記載の作業要素分析装置。 - 前記作業要素推論部は、
前記作業の過程を構成する作業要素を前記作業情報から推論するために前記作業要素と前記作業情報との関連性を機械学習した学習部に、前記作業情報取得部が取得した前記作業情報を入力し、前記学習部を用いることで前記作業要素を推論する
ことを特徴とする請求項1又は2に記載の作業要素分析装置。 - 前記発生確率取得部が取得する発生確率は、
過去の作業情報に対する前記作業要素と、前記作業要素推論部が前記過去の作業情報から推論した作業要素との統計から算出される確率である
ことを特徴とする請求項1から3のいずれか1項に記載の作業要素分析装置。 - 前記発生確率取得部が取得する発生確率は、
過去に前記作業要素が遷移した作業要素の統計から算出される確率である
ことを特徴とする請求項1から4のいずれか1項に記載の作業要素分析装置。 - 前記作業要素推論部は、
前記作業情報取得部が取得した前記作業情報から求めた前記作業要素ごとの確率値を出力し、
前記訂正部は、
前記作業要素推論部の推論結果である前記作業要素ごとの確率値に基づいて前記作業要素推論部が推論した作業要素を訂正する
ことを特徴とする請求項1から5のいずれか1項に記載の作業要素分析装置。 - 作業要素分析装置が作業者の作業に付随して生じた作業情報から当該作業を構成する作業要素を分析する作業要素分析方法であって、
作業者の作業に付随して生じた作業情報を取得する作業情報取得ステップと、
前記作業情報取得ステップにて取得した前記作業情報から前記作業を構成する作業要素を推論する作業要素推論ステップと、
前記作業要素推論ステップで推論した前記作業要素毎の集計値に調整値を加算した値を用いて算出した、前記作業における前記作業要素の発生確率を取得する発生確率取得ステップと、
前記発生確率取得ステップにて取得した前記発生確率に基づいて前記作業要素推論ステップにて推論した作業要素を訂正する訂正ステップと
を含むこと特徴とする作業要素分析方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/036456 WO2021053738A1 (ja) | 2019-09-18 | 2019-09-18 | 作業要素分析装置及び作業要素分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6777266B1 true JP6777266B1 (ja) | 2020-10-28 |
JPWO2021053738A1 JPWO2021053738A1 (ja) | 2021-03-25 |
Family
ID=72916136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020516763A Active JP6777266B1 (ja) | 2019-09-18 | 2019-09-18 | 作業要素分析装置及び作業要素分析方法 |
Country Status (5)
Country | Link |
---|---|
JP (1) | JP6777266B1 (ja) |
CN (1) | CN114365161A (ja) |
DE (1) | DE112019007626T5 (ja) |
TW (1) | TW202113703A (ja) |
WO (1) | WO2021053738A1 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2022091571A1 (ja) * | 2020-11-02 | 2022-05-05 | ||
WO2022209082A1 (ja) * | 2021-04-02 | 2022-10-06 | パナソニックIpマネジメント株式会社 | 作業分析装置 |
JP7375240B1 (ja) | 2023-03-06 | 2023-11-07 | 株式会社 日立産業制御ソリューションズ | 作業管理装置、作業管理方法、並びに作業管理プログラム |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11259643A (ja) * | 1998-01-30 | 1999-09-24 | Mitsubishi Electric Inf Technol Center America Inc | 行動検出システム |
JP2007328435A (ja) * | 2006-06-06 | 2007-12-20 | Mitsubishi Electric Corp | 移動体行動分析装置 |
JP2011184121A (ja) * | 2010-03-05 | 2011-09-22 | Mitsubishi Electric Corp | 作業内容推定装置及び作業内容推定方法 |
JP2011238221A (ja) * | 2010-05-05 | 2011-11-24 | Palo Alto Research Center Inc | パッセージシーケンスの再使用を介して文書の展開を推測することによる文書類似性の測定 |
WO2015173882A1 (ja) * | 2014-05-13 | 2015-11-19 | 株式会社日立製作所 | コンテンツ生成方法および管理装置 |
JP2016051052A (ja) * | 2014-08-29 | 2016-04-11 | 本田技研工業株式会社 | 環境理解装置および環境理解方法 |
WO2017146094A1 (ja) * | 2016-02-24 | 2017-08-31 | 日本電信電話株式会社 | 攻撃コード検知装置、攻撃コード検知方法及び攻撃コード検知プログラム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6444573B2 (ja) | 2016-11-09 | 2018-12-26 | 三菱電機株式会社 | 作業認識装置および作業認識方法 |
-
2019
- 2019-09-18 DE DE112019007626.4T patent/DE112019007626T5/de active Pending
- 2019-09-18 CN CN201980100185.4A patent/CN114365161A/zh active Pending
- 2019-09-18 WO PCT/JP2019/036456 patent/WO2021053738A1/ja active Application Filing
- 2019-09-18 JP JP2020516763A patent/JP6777266B1/ja active Active
- 2019-11-18 TW TW108141759A patent/TW202113703A/zh unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11259643A (ja) * | 1998-01-30 | 1999-09-24 | Mitsubishi Electric Inf Technol Center America Inc | 行動検出システム |
JP2007328435A (ja) * | 2006-06-06 | 2007-12-20 | Mitsubishi Electric Corp | 移動体行動分析装置 |
JP2011184121A (ja) * | 2010-03-05 | 2011-09-22 | Mitsubishi Electric Corp | 作業内容推定装置及び作業内容推定方法 |
JP2011238221A (ja) * | 2010-05-05 | 2011-11-24 | Palo Alto Research Center Inc | パッセージシーケンスの再使用を介して文書の展開を推測することによる文書類似性の測定 |
WO2015173882A1 (ja) * | 2014-05-13 | 2015-11-19 | 株式会社日立製作所 | コンテンツ生成方法および管理装置 |
JP2016051052A (ja) * | 2014-08-29 | 2016-04-11 | 本田技研工業株式会社 | 環境理解装置および環境理解方法 |
WO2017146094A1 (ja) * | 2016-02-24 | 2017-08-31 | 日本電信電話株式会社 | 攻撃コード検知装置、攻撃コード検知方法及び攻撃コード検知プログラム |
Non-Patent Citations (1)
Title |
---|
清水 尚吾: "骨格情報を用いた生産現場における作業者行動分析手法", 情報処理学会第81回全国大会講演論文集, JPN6019048146, 28 February 2019 (2019-02-28), pages 5 - 05, ISSN: 0004288136 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2022091571A1 (ja) * | 2020-11-02 | 2022-05-05 | ||
WO2022091571A1 (ja) * | 2020-11-02 | 2022-05-05 | 三菱電機株式会社 | 作業手順更新装置、作業手順更新方法及びプログラム |
JP7387025B2 (ja) | 2020-11-02 | 2023-11-27 | 三菱電機株式会社 | 作業手順更新装置、作業手順更新方法及びプログラム |
WO2022209082A1 (ja) * | 2021-04-02 | 2022-10-06 | パナソニックIpマネジメント株式会社 | 作業分析装置 |
JP7375240B1 (ja) | 2023-03-06 | 2023-11-07 | 株式会社 日立産業制御ソリューションズ | 作業管理装置、作業管理方法、並びに作業管理プログラム |
Also Published As
Publication number | Publication date |
---|---|
TW202113703A (zh) | 2021-04-01 |
CN114365161A (zh) | 2022-04-15 |
WO2021053738A1 (ja) | 2021-03-25 |
JPWO2021053738A1 (ja) | 2021-03-25 |
DE112019007626T5 (de) | 2022-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6777266B1 (ja) | 作業要素分析装置及び作業要素分析方法 | |
US10482352B2 (en) | Information processing device and non-transitory computer readable medium | |
Chen et al. | A distribution-free multivariate control chart | |
CN111860605B (zh) | 一种工艺节拍处理方法、系统、装置及存储介质 | |
JP6833642B2 (ja) | 要因分析装置、要因分析方法、およびプログラム | |
JP6783713B2 (ja) | 人行動推定システム | |
US20210225029A1 (en) | Work analyzing system and work analyzing method | |
CN112101318A (zh) | 基于神经网络模型的图像处理方法、装置、设备及介质 | |
JP6751168B2 (ja) | 異常要因推定装置、異常要因推定方法及びプログラム | |
CN113568960B (zh) | 物联网数据实时分析方法、系统及计算机可读存储介质 | |
JP2020149208A (ja) | 異常検出装置および異常検出方法 | |
US11112759B2 (en) | Thermal displacement correction system and computer | |
WO2022222026A1 (zh) | 医疗诊断缺失数据补全方法及补全装置、电子设备、介质 | |
JP2023166525A (ja) | 状態監視装置、方法及びプログラム | |
CN111143101A (zh) | 用于确定故障根源的方法、装置、存储介质及电子设备 | |
JPWO2020159730A5 (ja) | ||
JPWO2018011432A5 (ja) | ||
CN111401563B (zh) | 机器学习模型更新方法和装置 | |
JP2023162140A (ja) | 産業システムのための多目的異常検出システム | |
WO2022244536A1 (ja) | 作業認識装置および作業認識方法 | |
JP7392107B2 (ja) | 異常判定装置 | |
JPWO2022250031A5 (ja) | ||
US11556760B2 (en) | Learning-based data processing system and model update method | |
CN114140875A (zh) | 一种基于计算机视觉识别动作组合效率分析方法 | |
TW201822078A (zh) | 基於感測資料之估測方法及基於感測資料之估測系統 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200319 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200319 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20200319 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20200608 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200623 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200819 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200908 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200921 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6777266 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |