JP6779413B2 - 作業分析装置 - Google Patents

Description

本発明は、所定の作業主体によって実施される一連の複数の動作からなる作業を分析する作業分析装置に関する。

製造業などにおいて、作業工程の改善による生産性の向上は重要な課題であり、そのためにＩＥ（Industrial Engineering）と呼ばれる工学的手法がある。ＩＥにより作業工程を改善するためには、まず現状分析として作業の所要時間を計測することが必要である。ここでは、作業主体が一連の要素作業（目的をもった動作のひと区切り）からなるサイクルを繰り返し行う作業を分析対象とする。分析者は、要素作業ごとに計測した所要時間を用いて、要素作業ごとの標準作業時間、複数のサイクル間での所要時間のばらつき、などといった特性値を算出する。これにより、分析者は、改善を要する要素作業を判定し、作業の見直し又は製造ラインの改善を行うことで、生産性の向上を図ることができる。

所要時間を計測することによる作業分析は、一般的には、分析者がストップウォッチ及び／又はビデオカメラなどを用いることで行われている。分析者は複数のサイクルにおける要素作業ごとの所要時間を目視で計測する必要があるので、膨大な時間と労力がかかる。これに対して、作業分析に要する時間を短縮することを目的とした様々な作業分析装置が提案されている。

例えば特許文献１は、作業が実行されるべき位置と作業の検出対象の位置との位置関係を表すパラメータに基づいて、実行された作業の始点及び終点を特定する作業分析システムを開示している。特許文献１のシステムは、作業が実行されるべき位置を予め定義した作業位置情報（すなわち、予め設計されたテンプレート）と、作業の検出対象の位置から取得された位置情報（すなわち、作業主体の作業から計測されたセンサデータ）とを比較することで、各時刻での要素作業を分類する。さらに、特許文献１のシステムは、要素作業の開始時刻と終了時刻とを特定することで、要素作業の作業時間を算出する。さらに、特許文献１のシステムは、各要素作業の作業時間と、予め設計された要素作業ごとの標準作業時間とを比較することで、各要素作業が改善を要するか否かを判定する。

特開２０１５−１９７８４７号公報

Da-Fei Feng and Russell F. Doolittle, "Progressive sequence alignment as a prerequisite to correct phylogenetic trees", Journal of Molecular Evolution, vol. 25, pp. 351-360, 1987

特許文献１のシステムでは、各時刻における要素作業を分類するためのテンプレート、及び、各要素作業が改善を要するか否かを判定するための標準作業時間、などを予め設計する必要があった。すなわち、特許文献１のシステムは、テンプレート及び標準作業時間などが未知の状態では使用することができないので、事前の設計に時間と労力がかかる。また、予め設計したテンプレート及び標準的な作業時間などを記録しておくために、メモリの使用量が増加するという問題がある。さらに、作業主体が作業の手順を誤り、要素作業を繰り返した場合又はスキップした場合などに、複数のサイクル間で対応する要素作業が不定となり、要素作業ごとの標準作業時間及びばらつきなどを算出できなくなるという問題がある。

本発明の目的は、上述の問題を解決し、予めテンプレート及び標準作業時間などを設計することを必要とせず、また、作業主体が作業の手順を誤った場合にも、分析対象の作業から計測されたセンサデータのみに基づいて要素作業ごとの標準作業時間及びばらつきといった特性値を算出できる作業分析装置を提供することにある。

本発明の一態様に係る作業分析装置によれば、
所定の作業主体によって実施される一連の複数の動作からなる作業を分析する作業分析装置であって、
前記作業主体の作業をセンサで計測することによって生成される時系列のセンサ値を示すセンサデータ列であって、前記作業主体が前記作業を複数回にわたって反復的に実施するときに各反復に対応して生成される複数のセンサデータ列を取得するセンサデータ入力装置と、
前記各センサデータ列に含まれる前記センサ値に基づいて前記各センサデータ列を時間的に分割した複数の区間と、前記各区間に含まれる前記センサ値の時間的変化のタイプを示す前記各区間のクラスとを決定し、前記複数のセンサデータ列のそれぞれに対して、当該センサデータ列の前記各区間及び前記各クラスをそれぞれ示す複数の第１のクラスデータ列を生成するクラスデータ生成器と、
前記複数の第１のクラスデータ列に基づいて、前記複数の第１のクラスデータ列の間で同じクラスを有して互いに対応する前記各区間を互いに関連付けるクラスデータリンカと、
前記クラスデータリンカによって互いに関連付けられた前記各区間の特性値を算出する判定器とを備える。

本発明の一態様に係る作業分析装置によれば、予めテンプレート及び標準作業時間などを設計することを必要とせず、また、作業主体が作業の手順を誤った場合にも、分析対象の作業から計測されたセンサデータのみに基づいて要素作業ごとの標準作業時間及びばらつきといった特性値を算出することができる。

本発明の実施の形態１に係る作業分析装置の構成の一例を示す図である。 本発明の実施の形態１に係るクラスデータ生成器の構成の一例を示す図である。 本発明の実施の形態１に係る作業分析装置の使用例を説明する図である。 本発明の実施の形態１に係るセンサによって計測されるセンサ値の一例を示す図である。 本発明の実施の形態１に係るセンサデータ記憶装置に記憶されるセンサデータ列のデータ構造を説明するための図である。 本発明の実施の形態１に係るセンサデータ記憶装置に記憶されるセンサデータ列を時系列グラフで示す図である。 本発明の実施の形態１に係る第１分類器により生成されるクラスデータ列のデータ構造を説明するための図である。 本発明の実施の形態１に係る第１分類器により生成されるクラスデータ列を時系列グラフで示す図である。 本発明の実施の形態１に係る標準パターン生成器により生成される標準パターンのデータ構造を説明するための図である。 本発明の実施の形態１に係る標準パターン生成器により生成される標準パターンを時系列グラフで示す図である。 本発明の実施の形態１に係る第２分類器により生成されるクラスデータ列のデータ構造を説明するための図である。 本発明の実施の形態１に係る第２分類器により生成されるクラスデータ列を時系列グラフで示す図である。 本発明の実施の形態１に係るクラスデータリンカにより生成されるリンクデータ値のデータ構造を説明するための図である。 本発明の実施の形態１に係るクラスデータリンカにより生成されるリンクデータ値を時系列グラフで示す図である。 本発明の実施の形態１に係る判定器により算出される特性値及び判定データのデータ構造を説明するための図である。 本発明の実施の形態１に係る判定器により算出される判定データを時系列グラフで示す図である。 本発明の実施の形態１に係る作業分析装置の動作を示すフローチャートである。 本発明の実施の形態１に係る作業分析装置のハードウェア構成の一例を示す図である。 本発明の実施の形態１に係る作業分析装置のハードウェア構成の別の例を示す図である。 本発明の実施の形態２に係る作業分析装置の構成の一例を示す図である。 本発明の実施の形態２に係るクラスデータリンカにより生成されるリンクデータ値のデータ構造を説明するための図である。 本発明の実施の形態２に係るクラスデータリンカにより生成されるリンクデータ値を時系列グラフで示す図である。 本発明の実施の形態２に係る判定器により算出される特性値及び判定データのデータ構造を説明するための図である。 本発明の実施の形態２に係る判定器により算出される判定データを時系列グラフで示す図である。

実施の形態１．
図１は、本発明の実施の形態１における作業分析装置１の構成の一例を示す図である。作業分析装置１は、所定の作業主体によって実施される一連の複数の動作からなる作業を分析する。本明細書において、作業主体は、１人もしくは複数人の人物、１つもしくは複数の機械、又はそれらの組み合わせであってもよく、本明細書では、１人の人物の場合を参照して説明する。作業分析装置１は、例えば、センサ２及び表示装置３とともに、工場などにおける何らかの端末装置に搭載される。

図１を参照して、作業分析装置１の全体構成について述べる。作業分析装置１は、センサデータ入力装置１０と、センサデータ記憶装置３１と、クラスデータ生成器２０と、クラスデータリンカ４０と、判定器５０とを備える。さらに、作業分析装置１には、センサ２と、表示装置３とが接続される。作業分析装置１は、センサ２によって計測されたデータを用いて作業を分析し、分析した結果を表示装置３に表示する。

図２は、本実施の形態に係るクラスデータ生成器２０の構成の一例を示す図である。図２を参照して、クラスデータ生成器２０の構成について述べる。クラスデータ生成器２０は、第１分類器２１と、クラスデータ記憶装置３２と、標準パターン生成器２２と、第２分類器２３と、クラスデータ評価器２４とを備える。

図３は、本実施の形態に係る作業分析装置の使用例を説明する図である。本実施の形態において、作業主体１００は、一連の複数の動作からなる作業であるサイクル作業を複数回にわたって反復的に実施する。センサ２は、各１回のサイクル作業が開始されてから終了されるまでの時間であるサイクル区間において動作する。センサ２は、サイクル区間においてサイクル作業を計測することによって生成（検出）される時系列のセンサ値を出力する。センサ２は例えばデプスセンサであり、作業主体１００の左手１０１と右手１０２とによるサイクル作業を撮影できるように配置される。センサ２は、例えば、特定のパターンで赤外線を発光する光源と、対象物が反射した赤外線を受光する撮像素子とを備え、対象物までの深度を画素値として有する深度画像データを生成する。さらに、センサ２は、深度画像データから、作業主体１００の左手１０１及び右手１０２の高さ位置をそれぞれ検出し、これらの高さ位置をセンサ値として２００ミリ秒毎に出力する。なお、デプスセンサの具体例としては、Ｋｉｎｅｃｔ（登録商標）といった既存のデプスセンサが挙げられる。深度画像データから手の位置を検出するための処理は、デプスセンサで利用される既存の処理を用いることができる。

図４は、本実施の形態に係るセンサ２によって出力されるセンサ値の一例を示す図である。図４において、横軸は、センサ値を取得した時刻を示し、縦軸は、センサ値、すなわち、センサ値によって表される左手１０１及び右手１０２の高さ位置の座標値を示す。本実施の形態では、センサ値は、作業主体１００の左手１０１及び右手１０２の高さ位置であるので、２次元の値となる。

なお、本実施の形態においては、センサ２としてデプスセンサを使用した場合について説明するが、これに限定されるものではなく、作業主体の作業を計測してセンサ値を生成できるセンサであればよい。デプスセンサ以外であれば、例えば、ビデオカメラ、３次元加速度センサ、３次元角速度センサ、などを使用可能である。また、本実施の形態においては、作業主体の右手及び左手の位置を検出対象とするが、これに限定されるものではなく、作業主体の頭部位置、身体における複数の関節の角度、あるいは作業主体の生態情報（例えば心拍及び呼吸）を検出対象としてもよい。

次に、本実施の形態に係る作業分析装置１の各構成要素の動作について述べる。

センサデータ入力装置１０は、複数のサイクル作業において、センサ２から出力される時系列のセンサ値をそれぞれ示すセンサデータ列ｘ_ｄを取得する。各センサデータ列ｘ_ｄは、作業主体のサイクル作業をセンサ２で計測することによって生成される時系列のセンサ値をそれぞれ示し、作業主体がサイクル作業を複数回にわたって反復的に実施するときに各反復に対応して生成される。

ここで、ｄは、複数のサイクル作業のそれぞれを識別するための番号であり、１からＤまでの整数である。Ｄは、複数のサイクル作業の反復回数である。本実施の形態において、センサデータ列ｘ_ｄ＝｛ｘ_ｄ（１），ｘ_ｄ（２），…，ｘ_ｄ（Ｎ（ｄ））｝である。ここで、ｘ_ｄ（ｎ）は、サイクル作業ｄにおいてｎ番目に出力されたセンサ値である。また、Ｎ（ｄ）は、サイクル作業ｄのサイクル区間において出力されたセンサ値の個数である。

例えば、サイクル作業ｄのサイクル区間の長さが１０秒であった場合、上述したように、本実施の形態では、センサ２は２００ミリ秒毎にセンサ値を出力するので、センサ値の個数Ｎ（ｄ）は５０個となる。

次に、本実施の形態に係るセンサデータ記憶装置３１について述べる。センサデータ記憶装置３１は、センサデータ入力装置１０によって取得された複数のセンサデータ列を記憶する。図５は、本実施の形態に係るセンサデータ記憶装置３１に記憶されたセンサデータ列のデータ構造を説明するための図である。図５を参照すると、センサデータ記憶装置３１は、Ｄ＝４回のサイクル作業で取得されたセンサデータ列を記憶している。上述したように、各センサデータ列には、センサデータ列が取得されたサイクル作業の番号ｄが割り当てられている。ここで、本実施の形態ではセンサ値は２次元の値であるので、センサデータ記憶装置３１はセンサ値ｘ_ｄ（ｎ）を２個の値として記憶している。図６は、図５に示した複数のセンサデータ列を時系列グラフで示す図である。図６の各段（ａ）〜（ｄ）において、横軸は、サイクル作業ｄにおいて時系列のセンサ値が出力された番号ｎを示し、縦軸はセンサ値を示す。

次に、本実施の形態に係るクラスデータ生成器２０について述べる。クラスデータ生成器２０は、複数のサイクル作業においてセンサデータ入力装置１０によって取得された複数のセンサデータ列ｘ_ｄに基づいて、複数のセンサデータ列ｘ_ｄにそれぞれ対応し、所定の評価基準を満たす複数のクラスデータ列ｓ_ｄを生成して出力する。詳しくは、クラスデータ生成器２０は、各センサデータ列ｘ_ｄに含まれるセンサ値に基づいて各センサデータ列ｘ_ｄを時間的に分割した複数の区間と、各区間に含まれるセンサ値の時間的変化のタイプを示す各区間のクラスとを決定する。さらに、クラスデータ生成器２０は、複数のセンサデータ列ｘ_ｄのそれぞれに対して、当該センサデータ列ｘ_ｄの各区間及び各クラスをそれぞれ示す複数のクラスデータ列ｓ_ｄを生成する。

クラスデータ列ｓ_ｄにおいて、センサデータ列ｘ_ｄと同様に、ｄは複数のサイクル作業のそれぞれを識別するための番号であり、１からＤまでの整数である。ここで、クラスデータ列ｓ_ｄ＝｛ｓ_ｄ，１，ｓ_ｄ，２，…，ｓ_ｄ，ｍ，…，ｓ_ｄ，_Ｍ（ｄ）｝である。Ｍ（ｄ）は、センサデータ列ｘ_ｄを分割した区間の個数である。ｍは、分割された複数の区間のそれぞれを識別するための番号であり、１からＭ（ｄ）までの整数である。ｓ_ｄ，ｍは、センサデータ列ｘ_ｄを分割したｍ番目の区間におけるクラスデータ列の要素であり、ｓ_ｄ，ｍ＝｛ａ_ｄ，ｍ，ｂ_ｄ，ｍ，ｃ_ｄ，ｍ｝である。ａ_ｄ，ｍは、センサデータ列ｘ_ｄを分割したｍ番目の区間の開始番号であり、ｂ_ｄ，ｍは、センサデータ列ｘ_ｄを分割したｍ番目の区間の長さであり、ｃ_ｄ，ｍは、センサデータ列ｘ_ｄを分割したｍ番目の区間を分類したクラス番号である。クラスデータ列ｓ_ｄ，ｍ＝｛ａ_ｄ，ｍ，ｂ_ｄ，ｍ，ｃ_ｄ，ｍ｝を用いることで、例えば、センサデータ列ｘ_ｄを分割したｍ番目の区間に含まれる時系列のセンサ値ｘ_ｄ，ｍは、ｘ_ｄ，ｍ＝｛ｘ_ｄ（ａ_ｄ，ｍ），ｘ_ｄ（ａ_ｄ，ｍ＋１），…，ｘ_ｄ（ａ_ｄ，ｍ＋ｂ_ｄ，ｍ−１）｝と表すことができる。すなわち、センサデータ列ｘ_ｄ＝｛ｘ_ｄ，１，ｘ_ｄ，２，…，ｘ_{ｄ，Ｍ（ｄ）}｝であり、センサデータ列ｘ_ｄを分割した最初の区間の開始番号ａ_ｄ，１＝１であり、センサデータ列ｘ_ｄを分割した最後の区間の開始番号ａ_{ｄ，Ｍ（ｄ）}＝Ｎ（ｄ）−ｂ_{ｄ，Ｍ（ｄ）}＋１である。

前述したように、本実施の形態に係るクラスデータ生成器２０は、第１分類器２１と、クラスデータ記憶装置３２と、標準パターン生成器２２と、第２分類器２３と、クラスデータ評価器２４とを備える。次に、クラスデータ生成器２０の各構成要素について説明する。

まず、本実施の形態に係る第１分類器２１について述べる。第１分類器２１は、複数のセンサデータ列ｘ_ｄのそれぞれに対して、クラスデータ列ｓ_ｄの初期値を算出してクラスデータ記憶装置３２に記憶する。詳しくは、第１分類器２１は、複数のセンサデータ列ｘ_ｄのそれぞれを、クラスの個数Ｊに等しい個数の区間であって、可能な限り互いに等しい長さを有する複数の区間に分割する。すなわち、センサデータ列ｘ_ｄを分割した区間の個数Ｍ（ｄ）＝Ｊである。また、第１分類器２１は、複数のセンサデータ列ｘ_ｄのそれぞれについて、当該センサデータ列ｘ_ｄを分割した複数の区間を、各区間の時間的な順序に基づいて、複数のクラスのうちのいずれか１つに分類する。例えば、分割されたｍ番目の区間にクラス番号ｃ_ｄ，ｍ＝ｍのクラスが割り当てられる。従って、本実施の形態では、第１分類器２１は、これらの区間及びクラスにより、クラスデータ列の初期値を生成する。

図７は、本実施の形態に係る第１分類器２１により生成されるクラスデータ列のデータ構造を説明するための図である。図７は、Ｄ＝４回のサイクル作業で取得されたセンサデータ列に基づいて生成されたクラスデータ列の初期値を示す。また、クラスの個数Ｊ＝６であり、各センサデータ列ｘ_ｄは、可能な限り互いに等しい長さの６個の区間に分割されている。図８は、図７で示したクラスデータ列を時系列グラフで示す図である。図８の各段（ａ）〜（ｄ）において、横軸は、図６と同様に、サイクル作業ｄにおいて時系列のセンサ値が出力された番号ｎであり、数字「１」〜「６」をそれぞれ含む矩形は、センサデータ列ｘ_ｄを分割した各区間［ａ_ｄ，ｍ，ａ_ｄ，ｍ＋ｂ_ｄ，ｍ−１］を表す。また、各区間に記述された数字「１」〜「６」は、各区間を分類したクラス番号ｃ_ｄ，ｍを表す。第１分類器２１は、センサデータ列ｘ_ｄを可能な限り互いに等しい長さの６個の区間に分割したので、各段（ａ）〜（ｄ）のグラフには６個の矩形が含まれている。また、分割したｍ番目の区間にクラス番号ｃ_ｄ，ｍ＝ｍのクラスを割り当てるので、各区間に記述されたクラス番号は順に「１」，「２」，…，「６」となっている。

第１分類器２１は、このようにクラスデータ列の初期値を生成することにより、クラスデータ列を高精度に推定し、推定処理を短時間で収束させることができる。

次に、本実施の形態に係る標準パターン生成器２２について述べる。標準パターンは、各区間に含まれるセンサ値の標準的な時間的変化をそれぞれ示し、複数のクラスのうちの１つに対応する。標準パターン生成器２２は、複数のセンサデータ列ｘ_ｄと、クラスデータ記憶装置３２に記憶された複数のクラスデータ列ｓ_ｄとに基づいて、複数のクラスｊにそれぞれ対応する複数の標準パターンｇ_ｊを生成する。ここで、ｊは、複数のクラスを識別するための番号であり、１からＪまでの整数である。Ｊは、上述したクラスの個数であり、すなわち、標準パターンの個数である。

本実施の形態では、標準パターン生成器２２は、ガウス過程回帰を用いることで、各時刻におけるセンサ値のガウス分布からなる集合として標準パターンｇ_ｊを生成する。このとき、標準パターンｇ_ｊは、クラスｊに分類された区間におけるセンサ値のガウス分布のパラメータとして求められる。標準パターンｇ_ｊ＝｛ｇ_ｊ（１），ｇ_ｊ（２），…，ｇ_ｊ（Ｌ）｝である。ｇ_ｊ（ｉ）は、クラスｊに分類された区間におけるｉ番目のセンサ値のガウス分布のパラメータであり、ｇ_ｊ（ｉ）＝｛μ_ｊ（ｉ），σ_ｊ ^２（ｉ）｝である。ここで、μ_ｊ（ｉ）は、ガウス分布の平均であり、σ_ｊ ^２（ｉ）は、ガウス分布の分散である。また、Ｌは標準パターンの長さであり、すなわちセンサデータ列を分割した各区間に含まれるセンサ値の個数の最大値を表す。

本実施の形態に係る標準パターンｇ_ｊについて、より具体的に説明する。上述したように、μ_ｊ（ｉ）は、クラスｊに分類された区間におけるｉ番目のセンサ値のガウス分布の平均である。μ_ｊ（ｉ）は、センサ値と同様に、２次元の値である。また、σ_ｊ ^２（ｉ）は、クラスｊに分類された区間におけるｉ番目のセンサ値のガウス分布の分散である。本実施の形態では、センサ値のガウス分布の分散はいずれの次元においても同様となることを仮定し、従って、σ_ｊ ^２（ｉ）は１次元の値である。

標準パターンｇ_ｊは、クラスデータ列によってクラスｊに分類された区間におけるセンサ値の集合Ｘ_ｊと、クラスデータ列によってクラスｊに分類された区間においてセンサ値が出力された番号の集合Ｉ_ｊとを用いて推定できる。ここで、Ｘ_ｊ＝｛Ｘ_ｊ（１），Ｘ_ｊ（２），…，Ｘ_ｊ（Ｎ２_ｊ）｝、Ｉ_ｊ＝｛Ｉ_ｊ（１），Ｉ_ｊ（２），…，Ｉ_ｊ（Ｎ２_ｊ）｝である。例えば、Ｘ_ｊ（１）は、クラスｊに分類された区間においてＩ_ｊ（１）番目に出力されたセンサ値である。また、Ｎ２_ｊは、集合Ｘ_ｊ及びＩ_ｊに含まれる要素の個数である。すなわちＮ２_ｊは、Ｄ個のセンサデータ列を分割した区間のうち、クラスｊに分類した区間に含まれるセンサ値の個数の和である。本実施の形態では、式（１）及び式（２）により、標準パターンｇ_ｊ（ｉ）＝｛μ_ｊ（ｉ），σ_ｊ ^２（ｉ）｝を推定する。ここで、βは所定のパラメータであり、Ｅは単位行列を表す。また、Ｋ_ｊは式（３）により計算される行列であり、ｖ_ｊ，ｉは式（４）により計算されるベクトルである。また、ｋはカーネル関数であり、式（５）で示すガウスカーネルを利用することができる。θ_０、θ_１、θ_２、θ_３はカーネル関数ｋにおける所定のパラメータである。

・・・・・式（１）

・・・・・式（２）

・・・・・式（３）

・・・・・式（４）

・・・・・式（５）

図９は、本実施の形態に係る標準パターン生成器２２により生成される標準パターンのデータ構造を説明するための図である。図９の例では、クラスの個数Ｊ＝６である。上述したように、ｊはクラスを識別するための番号である。また、図９の例では、標準パターンの長さＬ＝３０である。図１０は、図９で示した標準パターンを時系列グラフで示す図である。図１０（ａ）〜（ｌ）において、横軸は、各クラスｊに分類された区間におけるセンサ値の番号ｉである。縦軸は、クラスｊに分類された区間におけるセンサ値のガウス分布の平均及び分散である。前述したように、ガウス分布の平均はセンサ値と同様に２次元の値である。また、ガウス分布の分散はいずれの次元においても同様となることを仮定し、従って、１次元の値である。

所定の分散を有する標準パターンを生成することで、クラスデータ列を高精度に推定することができる。

次に、本実施の形態に係る第２分類器２３について述べる。第２分類器２３は、標準パターン生成器２２により生成された複数の標準パターンｇ_ｊを用いて、複数のセンサデータ列ｘ_ｄのそれぞれに対してクラスデータ列ｓ_ｄを生成する。本実施の形態では、Ｆｏｒｗａｒｄ ｆｉｌｔｅｒｉｎｇ−Ｂａｃｋｗａｒｄ ｓａｍｐｌｉｎｇ（ＦＦ−ＢＳ）を用いることで、センサデータ列を複数の区間に分割し、分割された区間のそれぞれにおける時系列のセンサ値を複数のクラスのいずれか１つに分類する。ＦＦ−ＢＳは、ＦＦステップに係る確率計算と、ＢＳステップに係る分割及び分類の２つのステップから構成される。

まず、ＦＦステップについて述べる。ＦＦステップでは、センサデータ列ｘ_ｄにおけるｎ番目のセンサ値ｘ_ｄ（ｎ）が、クラスｊに対応する標準パターンのｉ番目のガウス分布ｇ_ｊ（ｉ）から生成される確率Ｐ（ｘ_ｄ（ｎ）｜Ｘ_ｊ，Ｉ_ｊ）を、式（６）を用いてガウス分布Ｎｏｒｍａｌとして計算する。また、１番目からｎ−ｉ番目の区間を既に分割したセンサデータ列ｘ_ｄから、さらにｎ番目の区間を分割するとき、式（７）を用いて、ｎ番目の区間のクラスがｊである確率α_ｄ［ｎ］［ｉ］［ｊ］を計算する。このとき、Ｐ（ｊ｜ｊ’）はクラス遷移確率であり、式（８）によって計算する。また、Ｎ３_ｊ’，ｊは、全てのセンサデータ列において、センサデータ列を分割したｍ番目の区間がクラスｊ’に分類され、かつ、ｍ＋１番目の区間がクラスｊに分類される回数である。また、Ｎ４_ｊ’は、センサデータ列を分割した区間を分類したクラスがｊとなる回数である。γは、所定のパラメータである。式（７）は漸化式であり、ｎ＝１からｎ＝Ｎ（ｄ）まで順番に確率α_ｄ［ｎ］［ｉ］［ｊ］を計算することができる。

・・・・・式（６）

・・・・・式（７）

・・・・・式（８）

次に、ＢＳステップについて述べる。ＢＳステップでは、センサデータ列ｘ_ｄを分割した区間について、式（９）を用いてクラスデータ列をサンプリングする。式（９）において、１行目のｂ_ｄ，ｍ’及びｃ_ｄ，ｍ’は、右辺の確率分布から得られるランダム変数であり、２行目は変数ａ_ｄ，ｍ’の漸化式である。式（９）によれば、ｍ’＝１からｍ’＝Ｍ２（ｄ）まで順番にクラスデータ列ｓ_ｄ，ｍ’＝｛ａ_ｄ，ｍ’，ｂ_ｄ，ｍ’，ｃ_ｄ，ｍ’｝を生成することができる。ここで、Ｍ２（ｄ）は、式（９）によってセンサデータ列ｘ_ｄを分割した区間の個数である。また、ｓ_ｄ，ｍ’は、センサデータ列ｘ_ｄを分割した後ろからｍ’番目の区間におけるクラスデータ列である。式（９）では、センサデータ列ｘ_ｄを分割した区間におけるクラスデータ列を、センサデータ列ｘ_ｄの後方から順に計算している。すなわち、センサデータ列ｘ_ｄを分割したｍ番目の区間におけるクラスデータ列ｓ_ｄ，ｍ＝｛ａ_ｄ，ｍ，ｂ_ｄ，ｍ，ｃ_ｄ，ｍ｝＝｛ａ_{ｄ，Ｍ２（ｄ）−ｍ＋１}，ｂ_{ｄ，Ｍ２（ｄ）−ｍ＋１}，ｃ_{ｄ，Ｍ２（ｄ）−ｍ＋１}｝である。

・・・・・式（９）

図１１は、本実施の形態に係る第２分類器２３により生成されるクラスデータ列のデータ構造を説明するための図である。図１１は、Ｄ＝４回のサイクル作業で取得されたセンサデータ列から、複数の標準パターンに基づいて生成されたクラスデータ列を示す。また、クラスの個数Ｊ＝６である。図１２は、図１１で示したクラスデータ列を時系列グラフで示す図である。図１２の各段（ａ）〜（ｄ）において、横軸は、図６と同様に、サイクル作業ｄにおいて時系列のセンサ値が出力された番号ｎであり、数字「１」〜「６」をそれぞれ含む矩形は、センサデータ列ｘ_ｄを分割した各区間［ａ_ｄ，ｍ，ａ_ｄ，ｍ＋ｂ_ｄ，ｍ−１］を表す。また、各区間に記述された数字「１」〜「６」は、各区間を分類したクラス番号ｃ_ｄ，ｍを表す。図１２の例では、各区間の範囲は、第１分類器２１によって生成されたクラスデータ列の初期値（図７及び図８を参照）から更新され、例えばセンサデータ列ｘ_４はＭ２（４）＝７個の区間に分割されている。また、各区間のクラスも初期値から更新されている。

次に、本実施の形態に係るクラスデータ評価器２４について述べる。クラスデータ評価器２４は、所定の評価基準に基づいて、第２分類器２３によって生成された各クラスデータ列を評価する。クラスデータ評価器２４は、第２分類器２３によって生成された各クラスデータ列が評価基準を満たさないとき、第２分類器２３によって生成された各クラスデータ列で、クラスデータ記憶装置３２に記憶された各クラスデータ列を更新する。一方、クラスデータ評価器２４は、第２分類器２３によって生成された各クラスデータ列が評価基準を満たすとき、第２分類器２３によって生成された各クラスデータ列を、後述するクラスデータリンカ４０へ出力する。

本実施の形態では、クラスデータ評価器２４は、例えば、クラスデータ記憶装置３２に記憶された各クラスデータ列と、第２分類器２３によって生成された各クラスデータ列と比較し、これらのクラスデータ列の間で各時刻におけるクラスの値が一致する割合を示す類似度を算出する。この場合、クラスデータ評価器２４は、類似度が予め決められたしきい値（例えば９０％）を上回るとき、第２分類器２３によって生成された各クラスデータ列が評価基準を満たすと決定してもよい。代替として、クラスデータ評価器２４は、クラスデータ評価器２４による評価の回数が所定のしきい値を越えたとき、第２分類器２３によって生成された各クラスデータ列が評価基準を満たしたと決定してもよい。

クラスデータ生成器２０は、以上のように、第２分類器２３によって生成されたクラスデータ列が所定の評価基準を満たすまで、標準パターン生成器２２による標準パターンの生成と、第２分類器２３によるクラスデータ列の生成と、クラスデータ評価器によるクラスデータ記憶装置３２に記憶されるクラスデータ列の更新と反復する。クラスデータ生成器２０は、第２分類器２３によって生成されたクラスデータ列が評価基準を満たしたとき、クラスデータ列を出力し、動作を終了する。

クラスデータ生成器２０は、前述の評価基準（類似度又は評価の回数）を用いることにより、反復処理を適切な回数で終了し、その処理時間を短縮することができる。

言い換えると、クラスデータ生成器２０は、複数のセンサデータ列を用いて機械学習を行い、所定の評価基準を満たすように複数の標準パターンを生成し、生成された複数の標準パターンを用いてクラスデータ列を生成する。

なお、クラスデータ生成器２０から出力されるクラスデータ列を「第１のクラスデータ列」と呼ぶ。また、クラスデータ記憶装置３２に記憶されるクラスデータ列を「第２のクラスデータ列」と呼ぶ。なお、第２分類器２３で生成されるクラスデータ列を「第３のクラスデータ列」と呼ぶ。

次に、本実施の形態に係るクラスデータリンカ４０について述べる。クラスデータリンカ４０は、クラスデータ生成器２０によって生成された複数のクラスデータ列に基づき、複数のクラスデータ列間で同じクラスを有して互いに対応する区間を互いに関連付けたリンクデータ値を生成する。クラスデータリンカ４０は、例えば、複数のクラス番号の系列｛ｃ_１，１，ｃ_１，２，…，ｃ_{１，Ｍ２（１）}｝，｛ｃ_２，１，ｃ_２，２，…，ｃ_{２，Ｍ２（２）}｝，…，｛ｃ_Ｄ，１，ｃ_Ｄ，２，…，ｃ_{Ｄ，Ｍ２（Ｄ）}｝に対して、多重シーケンス整列（例えば、非特許文献１を参照）などの多次元の弾性マッチング手法を用いることで、リンクデータ値を生成する。すなわち、クラスデータリンカ４０は、各サイクル作業における区間の順序と、分類されたクラスとに基づいて、対応する区間を互いに関連付ける。

図１３は、本実施の形態に係るクラスデータリンカにより生成されるリンクデータ値のデータ構造を説明するための図である。図１３は、図１１で示した第２分類器２３によって生成されたクラスデータ列ｓ_ｄ，ｍと、クラスデータリンカ４０によって生成されたリンクデータ値ｌ_ｄ，ｍとを並べて示す。また図１４は、図１３で示したリンクデータ値を時系列グラフで示す図である。図１４の各段（ａ）〜（ｄ）において、横軸は、図６と同様に、サイクル作業ｄにおいて時系列のセンサ値が出力された番号ｎであり、数字「１」〜「７」をそれぞれ含む矩形は、センサデータ列ｘ_ｄを分割した各区間［ａ_ｄ，ｍ，ａ_ｄ，ｍ＋ｂ_ｄ，ｍ−１］を表す。また、各区間に記述された数字「１」〜「７」はリンクデータ値ｌ_ｄ，ｍを表す。

次に、本実施の形態に係る判定器５０について述べる。判定器５０は、リンクデータ値によって互いに関連付けられた（すなわち、同じリンクデータ値を有する）複数の区間ごとに各区間の特性値を算出する。判定器５０は、各区間の特性値として、リンクデータ値によって互いに関連付けられた複数の区間の個数を示すカウント値ｃｎｔ_ｄ，ｍと、複数の区間の長さの変動（ばらつき）を示す変動係数ｃｖ_ｄ，ｍとを算出する。変動係数ｃｖ_ｄ，ｍは、例えば、同一のリンクデータ値が割り当てられた区間の長さの集合の標準偏差を、これらの区間の長さの平均で除算することで算出できる。さらに、判定器５０は、互いに関連付けられた複数の区間ごとに算出された特性値に基づいて、各区間における作業主体の動作を改善する必要があるか否かを判定した結果を示す判定データを算出することができる。判定器５０は、カウント値ｃｎｔ_ｄ，ｍと変動係数ｃｖ_ｄ，ｍとに基づいて、式（１０）を用いて、判定データｒ_ｄ，ｍを算出する。ここで、ｃｎｔ_ｔｈとｃｖ_ｔｈは所定のしきい値である。

・・・・・式（１０）

ここで、改善目標Ａは、複数回のサイクル作業において互いに関連付けられた区間が少ない区間、すなわち、一連の動作の中で非定常的な動作が行われた区間を判定したラベルである。また、改善目標Ｂは、複数回のサイクル作業において互いに関連付けられた区間の長さが一定とならない区間、すなわち、安定して実施できない作業の区間を判定したラベルである。判定器５０は、しきい値ｃｎｔ_ｔｈを下回るカウント値を有する区間が存在するとき、当該区間における作業主体の動作を改善する必要があると判定する。また、判定器５０は、しきい値ｃｖ_ｔｈを上回る変動係数を有する区間が存在するとき、当該区間における作業主体の動作を改善する必要があると判定する。

図１５は、本実施の形態に係る判定器５０により算出される特性値及び判定データのデータ構造を説明するための図である。図１５を参照すると、第２分類器２３によって生成されたクラスデータ列ｓ_ｄ，ｍと、クラスデータリンカ４０によって算出されたリンクデータ値ｌ_ｄ，ｍと、判定器５０によって算出された特性値であるカウント値ｃｎｔ_ｄ，ｍ及び変動係数ｃｖ_ｄ，ｍと、判定データｒ_ｄ，ｍとを、リンクデータ値ｌ_ｄ，ｍごとに並べ替えて示している。図１５の例では、判定器５０は、式（１０）にしきい値ｃｎｔ_ｔｈ＝２、ｃｖ_ｔｈ＝０．１５を設定して、作業主体の動作を改善する必要があるか否かを判定している。

図１５を参照すると、例えば、１つのリンクデータ値ｌ_４，４のみが値「４」を有するので、リンクデータ値「４」に関連付けられた区間のカウント値は、ｃｎｔ_４，４＝１＜ｃｎｔ_ｔｈである。従って、判定器５０は、式（１０）を用いて、判定データｒ_４，４＝「改善目標Ａ」を算出する。

また、４つのリンクデータ値｛ｌ_１，４，ｌ_２，４，ｌ_３，４，ｌ_４，５｝が値「５」を有するので、リンクデータ値「４」に関連付けられた区間のカウント値は、ｃｎｔ_１，４＝ｃｎｔ_２，４＝ｃｎｔ_３，４＝ｃｎｔ_４，４＝４＞ｃｎｔ_ｔｈである。また、リンクデータ値「４」に関連付けられた区間の長さは、｛ｂ_１，４，ｂ_２，４、ｂ_３，４，ｂ_４，５｝＝｛２２，１７，１６，２４｝であり、平均１９．７５０及び標準偏差３．８６２を有するので、その変動係数は、ｃｖ_１，４＝ｃｖ_２，４＝ｃｖ_３，４＝ｃｖ_４，５＝０．１９６＞ｃｖ_ｔｈである。従って、判定器５０は、式（１０）を用いて、判定データｒ_１，４、ｒ_２，４、ｒ_３，４、ｒ_４，５＝「改善目標Ｂ」を算出する。

また、４つのリンクデータ値｛ｌ_１，１，ｌ_２，１，ｌ_３，１，ｌ_４，１｝が値「１」を有するので、リンクデータ値「１」に関連付けられた区間のカウント値は、ｃｎｔ_１，１＝ｃｎｔ_２，１＝ｃｎｔ_３，１＝ｃｎｔ_４，１＝４＞ｃｎｔ_ｔｈである。また、リンクデータ値「１」に関連付けられた区間の長さは、｛ｂ_１，１，ｂ_２，１、ｂ_３，１，ｂ_４，１｝＝｛６，５，５，５｝であり、平均５．２５及び標準偏差０．５を有するので、その変動係数は、ｃｖ_１，１＝ｃｖ_２，１＝ｃｖ_３，１＝ｃｖ_４，１＝０．０９５＜ｃｖ_ｔｈである。従って、判定器５０は、式（１０）を用いて、判定データｒ_１，１、ｒ_２，１、ｒ_３，１、ｒ_４，１＝「正常」を算出する。

図１６は、図１５で示した判定データを時系列グラフで示す図である。図１６は、図１４の各区間に記述されたリンクデータ値ｌ_ｄ，ｍを表す数字「１」〜「７」に代えて、対応する判定データｒ_ｄ，ｍの内容を示す。判定データｒ_４，４は「改善目標Ａ」として算出されたので、対応する区間［ａ_４，４，ａ_４，４＋ｂ_４，４−１］に、「改善目標Ａ」と記述されている。また、判定データｒ_１，４、ｒ_２，４、ｒ_３，４、ｒ_４，５は「改善目標Ｂ」として算出されたので、対応する区間［ａ_１，４，ａ_１，４＋ｂ_１，４−１］、［ａ_２，４，ａ_２，４＋ｂ_２，４−１］、［ａ_３，４，ａ_３，４＋ｂ_３，４−１］、［ａ_４，５，ａ_４，５＋ｂ_４，５−１］に、「改善目標Ｂ」と記述されている。

ここで、図１２において、サイクル作業ｄ＝１〜３におけるクラス番号の系列では、５番目の区間のみがクラス番号５に分類されている。これに対して、サイクル作業ｄ＝４におけるクラス番号の系列では、４番目と６番目の区間がクラス番号５に分類されている。すなわち、作業主体がサイクル作業ｄ＝４において作業の手順を誤り、通常は１回のみ実施する要素作業（クラス番号５の標準パターンに類似したセンサデータ列が計測される要素作業）を２回実施している。この状況においては、各サイクル作業に含まれる区間の個数が異なり、また、１つのサイクル作業において同一のクラスに分類された複数の区間がある。このように、複数のサイクル作業間で対応する区間が明確でないので、従来技術では、区間ごとに特性値を算出できないと考えられる。これに対して、本実施の形態に係る作業分析装置１では、クラスデータリンカ４０が複数のサイクル間で互いに対応する区間を互いに関連付けたリンクデータ値を算出することで、判定器５０は、互いに正しく関連付けられた区間の特性値を算出することができる。

さらに、判定器５０は、判定結果である算出した特性値と判定データとを、作業分析装置１の外部に備える表示装置３へ出力する。表示装置３は、判定結果を表示する液晶表示装置などの画像形成装置である。表示装置３の代わりに、判定結果を記憶する記憶装置、判定結果を送信する通信装置、などを備えてもよい。本実施の形態に係る作業分析装置１は、以上のように動作する。

さらに、本実施の形態に係る作業分析装置１の動作について、フローチャートを参照して説明する。

図１７は、本実施の形態に係る作業分析装置１の動作を示すフローチャートである。まずステップＳ１０１において、センサデータ入力装置１０が、複数のサイクル作業に対して、センサ２から出力されるセンサ値に基づいて、センサデータ列を取得する。次にステップＳ１０２において、センサデータ記憶装置３１が、ステップＳ１０１で取得された複数のセンサデータ列を記憶する。

次にステップＳ１０３において、第１分類器２１が、ステップＳ１０２でセンサデータ記憶装置３１に記憶された複数のセンサデータ列に基づいて、複数のクラスデータ列の初期値を生成する。次にステップＳ１０４において、クラスデータ記憶装置３２が、複数のクラスデータ列を記憶する。次にステップＳ１０５において、標準パターン生成器２２が、ステップＳ１０２でセンサデータ記憶装置に記憶された複数のセンサデータ列と、ステップＳ１０４でクラスデータ記憶装置に記憶された複数のクラスデータ列とに基づいて、複数の標準パターンを生成する。次にステップＳ１０６において、第２分類器２３が、ステップＳ１０２でセンサデータ記憶装置に記憶された複数のセンサデータ列と、ステップＳ１０５で生成された複数の標準パターンとに基づいて、複数のクラスデータ列を生成する。次にステップＳ１０７において、クラスデータ評価器２４が、ステップＳ１０６で生成された複数のクラスデータ列を所定の評価基準で評価する。ステップＳ１０７において、各クラスデータ列が評価基準を満たさなかった場合、作業分析装置１の動作はステップＳ１０４に戻る。一方、ステップＳ１０７において、各クラスデータ列が評価基準を満たした場合、作業分析装置１の動作はステップＳ１０８へと進む。

次にステップＳ１０８において、クラスデータリンカ４０が、ステップＳ１０７で評価基準を満たした複数のクラスデータ列に基づき、クラスデータ列間の対応する区間を互いに関連付けたリンクデータ値を生成する。次にステップＳ１０９において、判定器５０が、ステップＳ１０８で生成されたリンクデータ値に基づいて、互いに関連付けられた複数の区間ごとの特性値と、判定データとを生成する。

ステップＳ１０９が終了すると、作業分析装置１の動作は終了する。作業分析装置１は、以上のように動作する。

次に、本実施の形態に係る作業分析装置１を実現するハードウェア構成について述べる。作業分析装置１におけるセンサデータ入力装置１０、第１分類器２１、標準パターン生成器２２、第２分類器２３、クラスデータ評価器２４、クラスデータリンカ４０、及び判定器５０の各機能は、処理回路により実現されてもよい。処理回路は、専用のハードウェア装置であっても、メモリに格納されるプログラムを実行するＣＰＵ（Central Processing Unit、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、プロセッサ、Digital Signal Processorともいう）などの汎用装置であってもよい。また、センサデータ記憶装置３１及びクラスデータ記憶装置３２の各機能は、メモリにより実現されてもよい。

処理回路が専用のハードウェア装置である場合、処理回路は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）、又はこれらを組み合わせたものであってもよい。センサデータ入力装置１０、第１分類器２１、標準パターン生成器２２、第２分類器２３、クラスデータ評価器２４、クラスデータリンカ４０、及び判定器５０の各部の機能を個別に処理回路で実現してもよく、各部の機能をまとめて処理回路で実現してもよい。

処理回路がＣＰＵである場合、センサデータ入力装置１０、第１分類器２１、標準パターン生成器２２、第２分類器２３、クラスデータ評価器２４、クラスデータリンカ４０、及び判定器５０の各機能は、ソフトウェア、ファームウェア、又はソフトウェアとファームウェアとの組み合わせにより実現される。ソフトウェア及び／又はファームウェアはフログラムとして記述され、メモリに格納される。処理回路は、メモリに記憶されたフログラムを読み出して実行することにより、各部の機能を実現する。これらのフログラムは、センサデータ入力装置１０、第１分類器２１、標準パターン生成器２２、第２分類器２３、クラスデータ評価器２４、クラスデータリンカ４０、及び判定器５０の動作の手順及び／又は方法をコンビュータに実行させるものであってもよい。ここで、メモリとは、例えば、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ、ＥＰＲＯＭ（Erasable Programmable ROM）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ROM）などの、不揮発性又は揮発性の半導体メモリ、磁気ディスク、フレキシブルディスク、光ディスク、コンパク卜ディスク、ミニディスク、ＤＶＤ（Digital Versatile Disc）などであってもよい。

なお、センサデータ入力装置１０、第１分類器２１、標準パターン生成器２２、第２分類器２３、クラスデータ評価器２４、クラスデータリンカ４０、及び判定器５０の各機能について、一部を専用のハードウェア装置で実現し、他の一部をソフトウェア又はファームウェアで実現するようにしてもよい。例えば、センサデータ入力装置１０の機能については専用のハードウェア装置としての処理回路で実現し、第１分類器２１、標準パターン生成器２２、第２分類器２３、クラスデータ評価器２４、クラスデータリンカ４０、及び判定器５０の各機能については、処理回路がメモリに格納されたフログラムを読み出して実行することによって実現してもよい。

図１８は、本実施の形態に係る作業分析装置１のハードウェア構成の一例を示す図である。図１８は、処理回路１００１が専用のハードウェア装置である場合の例を示している。図１８の例では、センサデータ入力装置１０、第１分類器２１、標準パターン生成器２２、第２分類器２３、クラスデータ評価器２４、クラスデータリンカ４０、及び判定器５０の各機能は、処理回路１００１で実現される。また、センサデータ記憶装置３１及びクラスデータ記憶装置３２の各機能は、メモリ１００２により実現される。処理回路１００１は、データバス１００３を介してメモリ１００２と接続される。

また、図１９は、本実施の形態に係る作業分析装置１のハードウェア構成の別の例を示す図である。図１９は、処理回路がＣＰＵである場合のハードウェア構成の例を示している。図１９の例では、センサデータ入力装置１０、第１分類器２１、標準パターン生成器２２、第２分類器２３、クラスデータ評価器２４、クラスデータリンカ４０、及び判定器５０の各機能は、メモリ１００５に格納されるプログラムをプロセッサ１００４が実行することで実現される。また、センサデータ記憶装置３１及びクラスデータ記憶装置３２の各機能は、メモリ１００２により実現される。プロセッサ１００４は、データバス１００３を介してメモリ１００２及びメモリ１００５と接続される。

なお、実施の形態２に係る作業分析装置においても、実施の形態１に係る作業分析装置１と同様のハードウェア構成で実現することができる。

以上のように、本実施の形態に係る作業分析装置１によれば、予めテンプレート及び標準作業時間などを設計することを必要とせず、また、作業主体が作業の手順を誤った場合にも、分析対象の作業から計測されたセンサデータのみに基づいて、要素作業ごとの特性値を算出するとともに、改善を要する区間を判定することができる。

また、本実施の形態に係る作業分析装置１によれば、予め設計したテンプレート及び標準作業時間などを記憶する必要がないので、必要なメモリ領域を削減することができる。さらには、予めテンプレート及び標準作業時間を設計するために必要だった計算時間が不要となるので、作業分析の事前の計算処理を高速化できるという効果がある。

実施の形態２．
作業主体が作業を実施した結果、改善モードが生じる場合がある。改善モードとは、作業により不良な製品が製造されること、作業時間が長すぎること、など、各サイクル作業における改善を要する事項を総称したものである。改善モードとして、例えば、「ねじの締め忘れ」、「サイクル時間の超過」、などがある。「ねじの締め忘れ」が生じたサイクル作業では、通常の作業に対して必要な作業をスキップしている可能性がある。また、「サイクル時間の超過」が発生した場合には、通常の作業に対して不要な作業を実施している可能性がある。本実施の形態に係る作業分析装置は、ユーザが改善モードを入力することで、改善モードごとの作業の差異を特性値として算出する。これにより、改善モードの原因となった区間を容易に特定できるようにすることを目的とする。

図２０は、本実施の形態に係る作業分析装置１Ａの構成の一例を示す図である。本実施の形態に係る作業分析装置１Ａは、ユーザが作業の結果を判定して作業の結果として生じた改善モードを入力し、その改善モードの原因となった改善を要する動作を含む区間を特定するという点で、実施の形態１に係る作業分析装置１と異なる。

本実施の形態に係る作業分析装置１Ａには、モード入力装置４が接続される。また、作業分析装置１Ａは、実施の形態１に係る作業分析装置１と比較して、判定器５０Ａの動作の一部が異なる。この結果、本実施の形態に係る作業分析装置１Ａは、改善モードの原因となった改善を要する動作を含む区間を容易に特定することができる。以下、実施の形態１に係る作業分析装置１との差異を中心に説明する。

まず、本実施の形態に係るモード入力装置４について述べる。モード入力装置４は、複数回のサイクル作業のそれぞれの結果として生じた改善モードｍｄ_ｄを示すユーザ入力を取得する。本実施の形態では、モード入力装置４は、改善モードとして、作業にかかったサイクル時間に関する「通常」又は「超過」を示すユーザ入力を取得する。モード入力装置４は、キーボード又はタッチパネル、メモリカード読み取り装置、など、外部から情報を入力できる装置で構成される。ほかの例としては、モード入力装置４は、改善モードとして、製品の品質に関する「良」又は「不良」を示すユーザ入力を取得してもよい。

次に、本実施の形態に係る判定器５０Ａについて述べる。判定器５０Ａは、モード入力装置４から入力された改善モードｍｄ_ｄと、クラスデータリンカ４０によって生成されたリンクデータ値ｌ_ｄ，ｍとに基づいて、互いに関連付けられた区間ごとの特性値を算出するとともに、同一の改善モードが生じたサイクル作業に共通する改善を要する動作を含む区間を判定データとして判定する。

図２１は、本実施の形態に係るクラスデータリンカ４０により生成されるリンクデータ値のデータ構造を説明するための図である。図２１は、Ｄ＝５回のサイクル作業で取得されたセンサデータ列から、第２分類器２３によって生成されたクラスデータ列ｓ_ｄ，ｍと、クラスデータリンカ４０によって生成されたリンクデータ値ｌ_ｄ，ｍとを並べて示す。図２２は、図２１で示したリンクデータ値を時系列グラフで示す図である。図２２を参照すると、横軸は、サイクル作業ｄにおいて時系列のセンサ値が出力された番号ｎであり、センサデータ列ｘ_ｄにおけるセンサ値ｘ_ｄ（ｎ）の番号ｎであり、数字「１」〜「８」をそれぞれ含む矩形は、センサデータ列ｘ_ｄを分割した区間［ａ_ｄ，ｍ，ａ_ｄ，ｍ＋ｂ_ｄ，ｍ−１］を表す。また、各区間に記述された数字「１」〜「８」はリンクデータ値ｌ_ｄ，ｍを表す。

判定器５０Ａは、リンクデータ値ｌ_ｄ，ｍに基づいて互いに関連付けられた区間ごとの特性値として、改善モードｍｄ_ｄ＝「通常」であり、かつ、同一のリンク番号が割り当てられた複数の区間の個数であるカウント値ｃｎｔ２_ｄ，ｍを算出する。判定器５０Ａは、さらに、カウント値ｃｎｔ２_ｄ，ｍに基づいて、式（１１）を用いて、判定データｒ２_ｄ，ｍを算出する。ここで、ｃｎｔ２_ｔｈは所定のしきい値である。

・・・・・式（１１）

ここで、改善目標Ｃは、改善モード「超過」が入力されたサイクル作業に特徴的な区間、すなわち、一連の動作の中で「超過」を生じさせる原因となる動作が行われた区間を判定したラベルである。

図２３は、本実施の形態に係る判定器５０Ａにより算出される特性値及び判定データのデータ構造を説明するための図である。図２３において、第２分類器２３によって生成されたクラスデータ列ｓ_ｄ，ｍと、クラスデータリンカ４０によって生成されたリンクデータ値ｌ_ｄ，ｍと、判定器５０Ａによって算出されたカウント値ｃｎｔ２_ｄ，ｍ及び判定データｒ２_ｄ，ｍとを、リンクデータ値ｌ_ｄ，ｍごとに並べ替えて示している。図２３の例では、判定器５０Ａは、式（１１）にしきい値ｃｎｔ２_ｔｈ＝０を設定して、作業主体の動作を改善する必要があるか否かを判定している。

図２３を参照すると、例えば、２つのリンクデータ値｛ｌ_４，４，ｌ_５，４｝が値「４」を有する。これに対応する改善モードｍｄ_４とｍｄ_５とはいずれも「超過」であるので、カウント値ｃｎｔ２_４，４＝ｃｎｔ２_５，４＝０≦ｃｎｔ２_ｔｈである。従って、判定器５０Ａは、式（１１）を用いて、判定データｒ２_４，４＝ｒ２_５，４＝「改善目標Ｃ」を算出する。

また、１つのリンクデータ値｛ｌ_２，７｝のみが値「８」を有する。これに対応する改善モードｍｄ_２は「通常」であるので、カウント値ｃｎｔ２_２，７＝１＞ｃｎｔ２_ｔｈである。従って、判定器５０Ａは、式（１１）を用いて、判定データｒ２_２，７＝「正常」を算出する。

図２４は、図２３で示した判定データを時系列グラフで示す図である。図２４は、図２２の各区間に記述されたリンクデータ値ｌ_ｄ，ｍを表す数字「１」〜「８」に代えて、対応する判定データｒ２_ｄ，ｍの内容を示す。判定データｒ２_４，４、ｒ２_５，４は「改善目標Ｃ」として算出されたので、対応する区間［ａ_４，４，ａ_４，４＋ｂ_４，４−１］、［ａ_５，４，ａ_５，４＋ｂ_５，４−１］に、「改善目標Ｃ」と記述されている。

判定器５０Ａは、さらに、判定結果である判定データを、作業分析装置１Ａの外部に備える表示装置３へ出力する。表示装置３は、判定データを表示する液晶表示装置などの画像形成装置である。表示装置３の代わりに、判定結果を記憶する記憶装置、判定結果を送信する通信装置、などを備えてもよい。本実施の形態に係る作業分析装置１Ａは、以上のように動作する。

以上のように、本実施の形態に係る作業分析装置１Ａによれば、予めテンプレート及び標準的な作業時間などを設計することなく、作業主体の作業に対して計測されたデータと、作業の結果として生じた改善モードのみから、改善モードの原因となった作業の区間を容易に特定できる。

なお、本実施の形態では、改善モードとして、サイクル作業にかかったサイクル時間に関する「通常」又は「超過」などを設定したが、その他にも、サイクル作業を実施した作業主体に関する「初心者」又は「熟練者」などを設定してもよい。すなわち、作業主体が初心者である場合と、熟練者である場合とでは、作業に係る時間、製品の品質、などに違いが生じる。生産性の向上のためには、初心者の熟練度を速やかに向上することが重要であり、そのためには、初心者の作業において改善を要する動作を具体的に示すことが必要である。本実施の形態に係る作業分析装置１Ａでは、前述したように、入力された改善モード間の差異を特性値として算出できる。したがって、改善モードとして「初心者」又は「熟練者」を入力することで、「初心者」と「熟練者」との差異が生じる区間を容易に特定することができる。また、本実施の形態に係る判定器５０Ａでは、特性値としてカウント値を算出したが、これに限らず、例えば変動係数を算出することで、改善モードによって、安定して実施できない（バラツキが生じる）区間を容易に特定することができる。

変形例．
なお、本発明の各実施の形態は、作業主体が人以外の場合に対しても適用することができる。例えば、外部環境に対して制御を適応的に変化させる作業ロボットなど、制御内容が不明な機械の動作に対して適用する場合、分析者は、サイクル作業の改善モードに対して、その要因を特定することが困難な場合が多いと考えられるので、本発明の適用が効果的となる。

本発明の核実施の形態に係る標準パターン生成器は、各時刻におけるセンサ値のガウス分布からなる集合として標準パターンを生成したが、ガウス分布に代えて、他の適切な確率分布を用いてもよい。

センサデータ入力装置は、センサに接続されることに代えて、着脱可能な記憶媒体の読み取り装置を備えてもよい。これにより、センサデータ入力装置は、センサにより検出されたリアルタイムのセンサデータ列を取得することに代えて、過去に測定されたセンサデータ列を記憶媒体から読み出してもよい。

本発明は、所定の作業主体によって実施される一連の複数の動作からなる作業を分析する作業分析装置に適用可能である。

１，１Ａ 作業分析装置、 ２ センサ、 ３ 表示装置、 ４ モード入力装置、 １０ センサデータ入力装置、 ２０ クラスデータ生成器、 ２１ 第１分類器、 ２２ 標準パターン生成器、 ２３ 第２分類器、 ２４ クラスデータ評価器、 ３１ センサデータ記憶装置、 ３２ クラスデータ記憶装置、 ４０ クラスデータリンカ、 ５０，５０Ａ 判定器、 １００ 作業主体、 １０１ 作業主体の左手、 １０２ 作業主体の右手、 １００１ 処理回路、 １００２，１００５ メモリ、 １００３ データバス、 １００４ プロセッサ。

Claims (11)

1. 所定の作業主体によって実施される一連の複数の動作からなる作業を分析する作業分析装置であって、
   前記作業主体の作業をセンサで計測することによって生成される時系列のセンサ値を示すセンサデータ列であって、前記作業主体が前記作業を複数回にわたって反復的に実施するときに各反復に対応して生成される複数のセンサデータ列を取得するセンサデータ入力装置と、
   前記各センサデータ列に含まれる前記センサ値に基づいて前記各センサデータ列を時間的に分割した複数の区間と、前記各区間に含まれる前記センサ値の時間的変化のタイプを示す前記各区間のクラスとを決定し、前記複数のセンサデータ列のそれぞれに対して、当該センサデータ列の前記各区間及び前記各クラスをそれぞれ示す複数の第１のクラスデータ列を生成するクラスデータ生成器と、
   前記複数の第１のクラスデータ列に基づいて、前記複数の第１のクラスデータ列の間で同じクラスを有して互いに対応する前記各区間を互いに関連付けるクラスデータリンカと、
   前記クラスデータリンカによって互いに関連付けられた前記各区間の特性値を算出する判定器とを備えた、
   作業分析装置。
2. 前記クラスデータ生成器は、
   前記複数のセンサデータ列に基づいて、前記各区間に含まれる前記センサ値の標準的な時間的変化をそれぞれ示し、複数の前記クラスにそれぞれ対応する複数の標準パターンを生成し、
   前記複数の標準パターンを用いて前記複数の第１のクラスデータ列を生成する、
   請求項１記載の作業分析装置。
3. 前記クラスデータ生成器は、前記複数のセンサデータ列を用いて機械学習を行い、所定の評価基準を満たすように前記複数の標準パターンを生成する、
   請求項２記載の作業分析装置。
4. 前記クラスデータ生成器は、
   前記複数のセンサデータ列のそれぞれに対して、当該センサデータ列の前記各区間及び前記各クラスをそれぞれ示す複数の第２のクラスデータ列の初期値を生成する第１分類器と、
   前記複数のセンサデータ列及び前記複数の第２のクラスデータ列に基づいて前記複数の標準パターンを生成する標準パターン生成器と、
   前記複数の標準パターンを用いて、前記複数のセンサデータ列のそれぞれに対して、当該センサデータ列の前記各区間及び前記各クラスをそれぞれ示す複数の第３のクラスデータ列を生成する第２分類器と、
   前記各第３のクラスデータ列が所定の評価基準を満たさないとき、前記各第３のクラスデータ列で前記各第２のクラスデータ列を更新する一方、前記各第３のクラスデータ列が前記評価基準を満たすとき、前記各第３のクラスデータ列を前記各第１のクラスデータ列として生成するクラスデータ評価器とを備え、
   前記クラスデータ生成器は、前記各第３のクラスデータ列が前記評価基準を満たすまで、前記標準パターン生成器による前記複数の標準パターンの生成と、前記第２分類器による前記各第３のクラスデータ列の生成と、前記クラスデータ評価器による前記各第２のクラスデータ列の更新とを繰り返す、
   請求項２記載の作業分析装置。
5. 前記第１分類器は、
   前記複数のセンサデータ列のそれぞれを、前記クラスの個数に等しい個数の区間であって、互いに等しい長さを有する複数の区間に分割し、
   前記複数のセンサデータ列のそれぞれについて、当該センサデータ列を分割した複数の区間を、前記各区間の時間的な順序に基づいて、複数の前記クラスのうちのいずれか１つに分類し、
   これにより、前記複数の第２のクラスデータ列の初期値を生成する、
   請求項４記載の作業分析装置。
6. 前記クラスデータ評価器は、前記各第３のクラスデータ列と前記各第２のクラスデータ列との類似度を算出し、前記類似度が第１のしきい値を上回るとき、前記各第３のクラスデータ列が前記所定の評価基準を満たすと決定する、
   請求項４又は５記載の作業分析装置。
7. 前記クラスデータ生成器は、各時刻における前記センサ値の確率分布として前記各標準パターンを生成する、
   請求項２〜６のいずれか１つに記載の作業分析装置。
8. 前記判定器は、前記各区間の特性値に基づいて、前記各区間における前記作業主体の動作を改善する必要があるか否かを判定する、
   請求項１〜７のいずれか１つに記載の作業分析装置。
9. 前記判定器は、
   前記各区間の特性値として、前記クラスデータリンカによって互いに関連付けられた前記区間の個数を示すカウント値を算出し、
   第２のしきい値を下回る前記カウント値を有する区間が存在するとき、当該区間における前記作業主体の動作を改善する必要があると判定する、
   請求項８記載の作業分析装置。
10. 前記判定器は、
    前記各区間の特性値として、前記クラスデータリンカによって互いに関連付けられた前記各区間の長さの変動を示す変動係数を算出し、
    第３のしきい値を上回る前記変動係数を有する区間が存在するとき、当該区間における前記作業主体の動作を改善する必要があると判定する、
    請求項８又は９記載の作業分析装置。
11. 前記作業分析装置は、前記作業のモードを入力するモード入力装置を備え、
    前記判定器は、前記クラスデータリンカによって互いに関連付けられた前記各区間と、前記モードとに基づいて、前記各区間の特性値を算出する、
    請求項１〜１０のいずれか１つに記載の作業分析装置。

Images