JP7106851B2 - 情報処理装置及びプログラム - Google Patents

Description

本発明は、情報処理装置及びプログラムに関する。

近年、作業者の熟練度を判定し、これにより作業者の熟練度に応じて効果的に作業を支援する作業支援装置が提案されている（特許文献１参照。）。

特許文献１に記載された作業支援装置は、測定値に基づく視線移動速度分布データと典型的な初心者の視線移動速度分布データとの間の類似度Ｓｂと、測定値に基づく視線移動速度分布データと典型的な熟練者の視線移動速度分布データとの間の類似度Ｓｓとを算出し、Ｓｂ＞Ｓｓを満たせば当該作業者は初心者であると判定し、Ｓｂ＞Ｓｓを満たさなければ、当該作業者は熟練者であると判定する。

特開２０１２－２３４４０６号公報

本発明の課題は、作業者の成長の程度を示す成長度を評価することが可能な情報処理装置及びプログラムを提供することにある。

［１］作業者の接客相手に対する行動を時系列的に評価した少なくとも２つの第１の評価値、及び前記作業者の模範となる熟練者の行動を評価した基準の評価値を取得し、前記接客相手の前記作業者に対する行動を時系列的に評価した少なくとも２つの第２の評価値、及び前記接客相手の模範となる熟練者の行動を評価した基準の評価値を取得する取得手段と、
前記作業者に関して取得された前記少なくとも２つの第１の評価値と前記基準の評価値との間の類似度を示す少なくとも２つの第１の行動レベルを算出し、前記接客相手に関して取得された前記少なくとも２つの第２の評価値と前記基準の評価値との間の類似度を示す少なくとも２つの第２の行動レベルを算出する算出手段と、
前記少なくとも２つの第１の行動レベルに基づいて前記作業者の成長の程度を示す第１の成長度を出力し、前記少なくとも２つの第２の行動レベルに基づいて前記接客相手の成長の程度を示す第２の成長度を出力する出力手段と、を備えた情報処理装置。
［２］前記評価値は、行動が実行される確率分布である、前記［１］に記載の情報処理装置。
［３］前記行動レベルは、前記確率分布間の距離に対応する値である、前記［２］に記載の情報処理装置。
［４］前記第１の行動レベル及び前記第２の行動レベルを重み付け加算した第３の評価値を算出する評価手段、をさらに備えた前記［１］から［３］のいずれかに記載の情報処理装置。
［５］前記評価手段は、前記第１の行動レベル及び前記第２の行動レベルのそれぞれの成長度に応じて重み付けが異なる計算式を用いて前記第３の評価値を算出する、前記［４］に記載の情報処理装置。
［６］前記取得手段は、前記評価値を行動種別ごとに取得し、
前記算出手段は、前記行動レベルを行動種別ごとに算出する、前記［１］から［５］のいずれかに記載の情報処理装置。
［７］前記評価手段は、行動種別ごとに前記第３の評価値を算出し、行動種別ごとの前記第３の評価値を重み付け加算した第４の評価値を算出する、前記［５］に記載の情報処理装置。
［８］コンピュータを、作業者の接客相手に対する行動を時系列的に評価した少なくとも２つの第１の評価値、及び前記作業者の模範となる熟練者の行動を評価した基準の評価値を取得し、前記接客相手の前記作業者に対する行動を時系列的に評価した少なくとも２つの第２の評価値、及び前記接客相手の模範となる熟練者の行動を評価した基準の評価値を取得する取得手段と、
前記作業者に関して取得された前記少なくとも２つの第１の評価値と前記基準の評価値との間の類似度を示す少なくとも２つの第１の行動レベルを算出し、前記接客相手に関して取得された前記少なくとも２つの第２の評価値と前記基準の評価値との間の類似度を示す少なくとも２つの第２の行動レベルを算出する算出手段と、
前記少なくとも２つの第１の行動レベルに基づいて前記作業者の成長の程度を示す第１の成長度を出力し、前記少なくとも２つの第２の行動レベルに基づいて前記接客相手の成長の程度を示す第２の成長度を出力する出力手段、として機能させるためのプログラム。

請求項１－３及び８に係る発明によれば、作業者及び接客相手の双方の成長度を評価することが可能になる。
請求項４に係る発明によれば、接客相手の行動レベルを考慮した作業者の成長度を評価することが可能になる。
請求項５に係る発明によれば、接客相手の成長度に応じた作業者の成長度を評価することが可能になる。
請求項６に係る発明によれば、行動種別ごとに作業者の成長度を評価することが可能になる。
請求項７に係る発明によれば、作業者の成長度を総合的に評価することが可能になる。

図１は、本発明の第１の実施の形態に係る評価システムの構成の一例を示す図である。 図２は、第１の実施の形態に係る評価システムの制御系の一例を示すブロック図である。 図３は、重み付け係数テーブルの一例を示す図である。 図４は、ある１つの行動種別において、行動レベル及び成長度の算出までの流れの一例を説明するための図である。 図５は、ある１つの行動種別において、行動レベルの算出から行動評価値を算出するまでの流れの一例を模式的に示す図である。 図６は、行動種別ごとに得られた行動評価値から作業スキルを評価するまでの流れの一例を模式的に示す図である。 図７は、本発明の第２の実施の形態に係る評価システムの構成の一例を示す図である。 図８は、第２の実施の形態に係る評価システムの制御系の一例を示すブロック図である。

以下、本発明の実施の形態について図面を参照して説明する。なお、各図中、実質的に同一の機能を有する構成要素については、同一の符号を付してその重複した説明を省略する。

［実施の形態の要約］
本発明の実施の形態に係る情報処理装置は、作業者の行動を時系列的に評価した少なくとも２つの第１の評価値、及び作業者の模範となる熟練者の行動を評価した基準の評価値を取得する取得手段と、少なくとも２つの第１の評価値と基準の評価値との間の類似度を示す少なくとも２つの行動レベルを算出する算出手段と、少なくとも２つの行動レベルに基づいて作業者の成長の程度を示す成長度を出力する出力手段とを備える。

「作業相手」とは、作業者の作業の対象となる人や物をいう。成長度は、２つの行動レベルの差でも、この差を経過時間で割った行動レベルの変化率（成長速度ともう。）でもよい。

［第１の実施の形態］
図１は、本発明の第１の実施の形態に係る評価システムの構成の一例を示す図である。この評価システム１は、例えば、作業エリアに設けられ、作業を行う作業者Ｐ１を撮影する第１のカメラ３Ａと、作業者Ｐ１の作業の対象となる作業相手Ｐ２を撮影する第２のカメラ３Ｂと、カウンタ２に設けられ、作業者Ｐ１の音声を入力する第１のマイク４Ａと、カウンタ２に設けられ、作業相手Ｐ２の音声を入力する第２のマイク４Ｂとを備える。作業相手Ｐ２は、本実施の形態では人である。

本実施の形態の作業エリアは、例えば、コンビニエンスストア等の小売店、ホテルの受付等の接客エリア等が該当する。

第１のマイク４Ａ及び第２のマイク４Ｂ（これらを総称するときは「マイク４」ともいう。）は、カウンタ２に設けられていなくてもよく、壁や他の場所に設けられていてもよい。例えば、第１のマイク４Ａを第１のカメラ３Ａに設け、第２のマイク４Ｂを第２のカメラ３Ｂに設けてもよい。以下、第１のカメラ３Ａ及び第２のカメラ３Ｂ（これらを総称するときは「カメラ３」ともいう。

カメラ３から人の各部の位置及び速度、顔の向き、表情（笑顔等）、姿勢等を検出してもよい。マイク４から発話量、会話量、声のトーン、笑い声等を検出してもよい。カメラ３及びマイク４から検出する情報は、行動情報の一例である。カメラ３及びマイク４は、行動情報を取得するセンサが一体となったウェアラブル端末でもよい。センサは、握力、トルク、手首の回転数、視線、加速度、角加速度、動きの速さ、変動量等を検出するものでもよい。行動情報は、会話量や笑顔回数の他に、声のトーン、心拍数、呼吸数、集中力、ストレス量、疲労度、自律神経の状態等の生体情報でもよい。行動情報は、作業者Ｐ１の種類（営業社員、工場作業員等）によって異なるものとしてもよい。

図２は、評価システム１の制御系の一例を示すブロック図である。評価システム１は、第１のカメラ３Ａ及び第２のカメラ３Ｂと、第１のマイク４Ａ及び第２のマイク４Ｂとが接続された評価装置５を有する。評価装置５は、情報処理装置の一例である。

評価装置５は、例えば、コンピュータ装置により実現される。なお、評価装置５は、１つのコンピュータ装置により実現してもよく、ネットワークにより接続された複数のコンピュータ装置により実現してもよい。

評価装置５には、作業者Ｐ１に対応して、第１の笑顔検出部５１Ａ、第１の発話分析部５２Ａ、第１の確率分布算出部５３Ａ、第１の行動レベル算出部５４Ａ、第１の熟練者確率分布記憶部５５Ａ及び第１の生長段階判定部５６Ａが設けられている。笑顔検出部５１Ａには、第１のカメラ３Ａが接続され、第１の発話分析部５２Ａには、第１のマイク４Ａが接続されている。第１の笑顔検出部５１Ａ、第１の発話分析部５２Ａ及び第１の行動レベル算出部５４Ａは、それぞれ取得手段の一例である。第１の確率分布算出部５３Ａ及び第１の行動レベル算出部５４Ａは、作業者Ｐ１の行動レベルを算出する算出手段の一例である。第１の生長段階判定部５６Ａは、出力手段の一例である。

また、評価装置５には、作業相手Ｐ２に対応して、第２の笑顔検出部５１Ｂ、第２の発話分析部５２Ｂ、第２の確率分布算出部５３Ｂ、第２の行動レベル算出部５４Ｂ、第２の熟練者確率分布記憶部５５Ｂ及び第２の生長段階判定部５６Ｂが設けられている。笑顔検出部５１Ｂには、第２のカメラ３Ｂが接続され、第２の発話分析部５２Ｂには、第２のマイク４Ｂが接続されている。第２の笑顔検出部５１Ｂ、第２の発話分析部５２Ｂ及び第２の行動レベル算出部５４Ｂは、それぞれ取得手段の一例である。第２の確率分布算出部５３Ｂ及び第２の行動レベル算出部５４Ｂは、作業相手Ｐ２の行動レベルを算出する算出手段の一例である。第２の生長段階判定部５６Ｂは、出力手段の一例である。

また、評価装置５には、作業者Ｐ１及び作業相手Ｐ２に共通して、行動評価モデル選定部５７、行動評価モデル記憶部５８及び行動評価部５９が設けられている。

第１の笑顔検出部５１Ａ及び第２の笑顔検出部５１Ｂ（これらを総称するときは「笑顔検出部５１」ともいう。）は、例えば、カメラ３により撮影された画像から顔の領域を検出し、顔の領域についてパターンマッチングを行って笑顔を検出する。笑顔検出部５１は、カメラ３によって撮影された画像から作業者Ｐ１又は作業相手Ｐ２の一日当たりの笑顔の回数を検出する。笑顔の回数は、行動種別の一例である。「行動種別」とは、作業者が行う行動の種類をいう。

第１の発話分析部５２Ａ及び第２の発話分析部５２Ｂ（これらを総称するときは「発話分析部５２」ともいう。）は、マイク４から入力される音声に対して音声認識処理を行って文字列に変換し、発話量を検出する。なお、発話回数、発話時間、発話速度を検出してもよい。発話量とは、１回の発話における総文字数をいう。発話回数とは、一日当たりの発話数をいう。発話時間とは、一人の作業相手Ｐ２に対して会話している時間をいう。発話速度とは、単位時間当たりの文字数をいう。発話量、発話回数、発話時間及び発話速度は、それぞれ行動種別の一例である。

第１の確率分布算出部５３Ａには、作業者Ｐ１について検出又は分析された複数種類の行動情報が時間の経過とともに入力される。第１の確率分布算出部５３Ａは、予め定められた期間（例えば、１日）内の行動情報から行動種別ごとに確率分布を算出する。行動情報は、第１の笑顔検出部５１Ａ及び第１の発話分析部５２Ａから出力される行動種別ごとの値である。これは第２の確率分布算出部５３Ｂに入力される行動情報も同様である。第１の確率分布算出部５３Ａが算出する確率分布は、作業者Ｐ１の行動を時系列的に評価した第１の評価値の一例である。作業者Ｐ１について算出する確率分布は、作業者Ｐ１の成長度を評価するために用いられることから、時系列的に得られた少なくとも２つの確率分布が必要になる。これは第２の確率分布算出部５３Ｂが作業相手Ｐ２について算出する確率分布についても同様である。

第２の確率分布算出部５３Ｂは、作業相手Ｐ２について複数の行動情報が時間の経過とともに入力される。第１の確率分布算出部５３Ａと同様に、予め定められた期間（例えば、１日）内の行動情報から行動種別ごとに確率分布を算出する。第２の確率分布算出部５３Ｂが算出する確率分布は、作業相手Ｐ２の行動を時系列的に評価した第２の評価値の一例である。

第１の行動レベル算出部５４Ａは、予め定められた期間（例えば、１日）内について第１の確率分布算出部５３Ａが算出した作業者の確率分布と、第１の熟練者確率分布記憶部５５Ａに記憶されている熟練者集団の確率分布との距離を用いて、作業者Ｐ１の行動レベルを評価する。

第２の行動レベル算出部５４Ｂは、予め定められた期間（例えば、１日）内について第２の確率分布算出部５３Ｂが算出した作業者相手の確率分布と、第２の熟練者確率分布記憶部５５Ｂに記憶されている熟練者集団の確率分布との距離を用いて、作業相手Ｐ２の行動レベルを評価する。「熟練者集団の確率分布」は、複数の熟練者の確率分布を平均したものである。

第１の熟練者確率分布記憶部５５Ａには、作業者Ｐ１に対応する熟練者集団の確率分布が行動種別ごとに記憶されている。第２の熟練者確率分布記憶部５５Ｂには、作業相手Ｐ２に対応する熟練者集団について、確率分布が行動種別ごとに記憶されている。熟練者集団の確率分布は、基準の評価値の一例である。

第１の生長段階判定部５６Ａは、第１の行動レベル算出部５４Ａが算出した作業者Ｐ１の行動レベルに基づいて、作業者Ｐ１が「未熟期」、「成長期」、「成熟期」（それぞれ成長度「低」、「中」、「高」ともいう。）のどの成長段階にいるかを判定する。なお、成長段階は、３つに限られず、２つ又は４つ以上でもよい。「成長期」とは、行動レベルの移動平均の傾きが連続してプラスとなる期間、又は予め設定した閾値を連続して上回る期間をいう。「未熟期」とは、「成長期」の前の期間（成長段階）をいう。「成熟期」とは、「成長期」の後の期間（成長段階）をいう。なお、「成長期」が特定できない場合は「未熟期」に属することとしてもよい。第１の生長段階判定部５６Ａが作業者Ｐ１に対して判定した成長段階は、第１の成長度の一例である。

第２の生長段階判定部５６Ｂは、第２の行動レベル算出部５４Ｂが算出した作業相手Ｐ２の行動レベルに基づいて、作業相手Ｐ２が「相互未知期」、「親密化過程」、「親密期」それぞれ成長度「低」、「中」、「高」ともいう。）のどの成長段階にいるかを判定する。なお、成長段階は、３つに限られず、２つ又は４つ以上でもよい。「親密化過程」とは、行動レベルの移動平均の傾きが連続してプラスとなる期間、又は予め設定した閾値を連続して上回る期間をいう。「相互未知期」とは、「親密化過程」の前の期間（成長段階）をいう。「親密期」とは、「親密化過程」の後の期間（成長段階）をいう。第２の生長段階判定部５６Ｂが作業相手Ｐ２に対して判定した成長段階は、第２の成長度の一例である。

行動評価モデル記憶部５８には、作業者Ｐ１及び作業相手Ｐ２の成長度の組合せに応じた評価モデルと、重み付け係数テーブル５８０（図３参照）とを記憶している。重み付け係数テーブル５８０は、評価モデルに用いられ、行動種別ごとに作業者Ｐ１及び作業相手Ｐ２の成長度（成長段階）に応じた重み付け係数が記録されている。

行動評価モデル選定部５７は、行動評価モデル記憶部５８に記憶している行動評価モデルから、作業者Ｐ１の成長度及び作業相手Ｐ２の成長度に応じて使用する行動評価モデルを選定し、重み付け係数テーブル５８０から重み付け係数を選定する。

行動評価部５９は、行動種別ごとに、作業者Ｐ１の現在の行動レベル及び作業相手Ｐ２の現在の行動レベルに基づいて、作業者Ｐ１の成長度及び作業相手Ｐ２の成長度によって選定される行動評価モデルを用いて、行動種別ごとに行動評価値を算出する。

ある行動種別１の作業者Ｐ１の行動レベルをｘ_１、作業相手Ｐ２の行動レベルをｘ_２とすると、行動評価値ｙ_１は、例えば、次の式（１）で表すことができる。行動評価値ｙ_１は、第３の評価値の一例である。
ｙ_１＝Ｋ_１・ｘ_１＋Ｋ_２・ｘ_２ ・・・（１）
ここで、Ｋ_１は作業者Ｐ１の成長度及び作業相手Ｐ２の成長度に応じた重み付け係数であり、図３に示すように、α_１１、α_１２、α_１３、α_２１、α_２２、α_２３、α_３１、α_３２、α_３３が定められている。Ｋ_２は、例えば、１としてもよく、作業相手Ｐ２の成長度に応じた重み付け係数でもよく、Ｋ_１と同様に作業者Ｐ１の成長度及び作業相手Ｐ２の成長度に応じた重み付け係数でもよい。なお、Ｋ_１は、１としてもよく、作業者Ｐ１の成長度に応じた重み付け係数でもよい。

また、行動評価部５９は、行動種別ごとに算出した行動評価値を統合して作業者の作業スキルを評価する。行動種別１、２、・・・Ｎの行動評価値をそれぞれｙ１、ｙ２、・・・ｙｎとしたとき、作業スキルｚは、例えば、次の式（２）で表すことができる。作業スキルｚは、第４の評価値の一例である。
ｚ＝ａ_１・ｙ_１＋ａ_２・ｙ_２＋・・・＋ａ_ｎ・ｙ_ｎ ・・・（２）
ここで、ａ_１、ａ_２、・・・ａ_ｎは、重み付け係数である。

図３は、行動評価モデル記憶部５８に記憶されている重み付け係数テーブル５８０の一例を示す図である。重み付け係数テーブル５８０は、行動評価モデル選定部５７が行動評価モデル記憶部５８から行動評価モデルを選定する際に作業者Ｐ１の行動レベルに対する重み付け係数を選定するためのものである。重み付け係数は、行動種別ごとに作業者Ｐ１の成長度及び作業対象Ｐ２の成長度に応じて定められた値が記録されている。例えば、行動種別１は笑顔の回数、行動種別２は発話量、行動種別３は発話回数としてもよい。同図は、行動種別１に対してα_１１、α_１２、α_１３、α_２１、α_２２、α_２３、α_３１、α_３２、α_３３が記録され、行動種別２に対してβ_１１、β_１２、β_１３、β_２１、β_２２、β_２３、β_３１、β_３２、β_３３が記録され、行動種別３に対してγ_１１、γ_１２、γ_１３、γ_２１、γ_２２、γ_２３、γ_３１、γ_３２、γ_３３が記録されている場合を示す。

（第１の実施の形態の動作）
次に、評価システム１の動作の一例を図４～図６を参照して説明する。

図４は、ある１つの行動種別において、行動レベル及び成長度の算出までの流れの一例を説明するための図である。同図において、（ａ）は、作業者Ｐ１が作業を行った時を示し、（ｂ）は、作業者Ｐ１の確率分布Ｐｂ（Ｘ）｜を示し、（ｃ）は、作業者Ｐ１に対応する熟練者集団の確率分布Ｐｐ（Ｘ）を示し、（ｄ）は、（ｂ）及び（ｃ）に示す確率分布間の距離ｄ｜ｔを示し、（ｅ）は、確率分布間の距離ｄ｜ｔを増加関数に変換した値（１／ｄ｜ｔ）で表される行動レベルＬを示し、（ｆ）は作業者Ｐ１及び作業相手Ｐ２の成長期を示す。図４（ｆ）の移動平均は、時系列で得られるデータにおいて、一定区間ごとの平均値を区間をずらしながら求めたもので、ノイズを除去し、滑らかな曲線を取得することができる。

図５は、ある１つの行動種別において、行動レベルの算出から行動評価値を算出するまでの流れの一例を模式的に示す図である。図５は、行動種別ごとに得られた行動評価値から作業スキルを評価するまでの流れの一例を模式的に示す図である。

（接客業における店員の接客スキル評価事例１）
次に、接客業における店員の接客スキルを、発話量に基づいて評価する場合について説明する。

（１）店員の行動レベルの算出、成長段階の判定
図４及び図５に示すように、第１の確率分布算出部５３Ａには、店員Ｐ１について発話の行動情報が時間の経過とともに入力される。図４（ｂ）に示すように、第１の確率分布算出部５３Ａは、作業者Ｐ１について、１日単位で発話量の確率分布Ｐｂ（Ｘ）｜を算出する。

図４（ｃ）に示すように、第１の熟練者確率分布記憶部５５Ａには、店員Ｐ１に対応する熟練者集団について、１日における発話量の確率分布Ｐｐ（Ｘ）を記憶しておく。

次に、図４（ｄ）に示すように、第１の行動レベル算出部５４Ａは、店員Ｐ１の発話量の確率分布Ｐｂ（Ｘ）｜と店員Ｐ１に対応する熟練者集団の発話量の確率分布Ｐｐ（Ｘ）との距離ｄ｜ｔを計算し、図４（ｅ）に示すように、行動レベルＬを算出する。

１回１回の行動情報を熟練者と比較すると、その度に評価結果が変わり、偶然上手くいった場合に本来の技能を評価できない可能性があるため、一定期間内の複数の行動情報の確率分布を比較している。

第１の生長段階判定部５６Ａは、図４（ｆ）に示すように、第１の行動レベル算出部５４Ａが算出した発話の行動レベルに基づいて、店員Ｐ１が「未熟期」、「成長期」、「成熟期」のどの成長段階にいるかを判定し、店員Ｐ１の成長度（生長段階）を推定する。

（２）客の行動レベルの算出、成長段階の判定
作業相手である客Ｐ２についても、店員Ｐ１と同様に、第２の確率分布算出部５３Ｂには、客Ｐ２について発話の行動情報が時間の経過とともに入力される。図４（ｂ）に示すように、第２の確率分布算出部５３Ｂは、客Ｐ２について、１日単位で発話量の確率分布を算出する。

図４（ｃ）に示すように、第２の熟練者確率分布記憶部５５Ｂには、客Ｐ２に対応する熟練者集団について、１日における発話量の確率分布を記憶しておく。

次に、図４（ｄ）に示すように、第２の行動レベル算出部５４Ｂは、客Ｐ２の発話量の確率分布と客Ｐ２に対応する熟練者集団の発話量の確率分布との距離を計算し、行動レベルＬを算出する。

第２の生長段階判定部５６Ｂは、図４（ｆ）に示すように、第２の行動レベル算出部５４Ｂが算出した発話量の行動レベルＬに基づいて、客Ｐ２が「相互未知期」、「親密化過程」、「親密期」のどの成長段階にいるかを判定し、客Ｐ２の成長度（生長段階）を推定する。

（３）作業スキルの評価
行動評価モデル選定部５７は、第１の生長段階判定部５６Ａによって判定された店員Ｐ１の生長段階、及び第２の生長段階判定部５６Ｂによって判定された客Ｐ２の生長段階に応じた行動評価モデル及び重み付け係数を行動評価モデル記憶部５８から取得する。

行動評価部５９は、行動評価モデル選定部５７により選定された行動評価モデル及び重み付け係数を用いて、時間経過と共に得られる行動情報を元に、店員Ｐ１の接客スキルを評価する。

店員Ｐ１と客Ｐ２の成長度に応じて、その行動情報を評価する行動評価モデルを切り替える。行動評価モデルの入力値は、各行動評価モデルによって異なるが、現在の行動レベルは共通とする。

店員Ｐ１と客Ｐ２の発話量は多い方が好ましいが、店員Ｐ１と客Ｐ２の成長度によってはそうとは限らない場合がある。例えば、図４（ｅ）に示すように、店員Ｐ１は「成熟期」にいるが、客Ｐ２が「相互未知期」にいる場合（来店回数が浅い、あまり会話を好まないなど）、発話量は少ない方が適切である。この場合、現在の行動レベルは低いが、高くなるようスケールがかかる。すなわち、発話量の重み付け係数βとして小さい値を採用する。なお、他の行動種別に大きい重み付け係数α、γを採用してもよい。

一方、店員Ｐ１が「未熟期」でも、客Ｐ２が常連であるために「親密期」である場合、積極的に話しかけて発話量を多くすることが好ましい。すなわち、発話量の重み付け係数βとして大きい値を採用する。なお、他の行動種別に小さい重み付け係数α、γを採用してもよい。

前述のしたように、作業者の１つの行動種別に対して１つの行動評価値が得られるため、複数の行動種別の行動情報を取得する場合は、複数の行動評価値が得られることになる。そこで、図６に示すように、複数の行動評価値を重み付け加算により統合して作業スキルを評価する。

各行動評価値に使う重み付け係数は、評価者の経験に基づき設定する方法と、評価者の主観的な作業スキル評価結果を正解値として機械学習により求める方法等がある。また、複数の行動情報に対する行動評価値を正規化して比較することで、作業者が伸ばすべき行動を抽出してもよい。行動評価値が比較的低い行動情報について、それを改善するよう行動を指示・推薦してもよい。

（接客業における店員の接客スキル評価事例２）
次に、接客業における店員の接客スキルの評価事例２として、発話量と笑顔回数に基づく評価事例を説明する。

接客時の店員Ｐ１と客Ｐ２の発話量と笑顔回数をカメラ３とマイク４を用いて取得する。日々得られる発話量と笑顔回数について、１週間ごとに確率分布を作成し、熟練者の確率分布との距離を計算する。客Ｐ２の発話量と笑顔回数の確率分布は、常連の確率分布との距離を計算する。確率分布間距離を増加関数に変換した値を行動レベルとする。つまり１週間ごとに発話量と笑顔回数の行動レベルが取得されることになる。

１週間ごとに得られる店員Ｐ１と客Ｐ２の発話量と笑顔回数の行動レベルについて、それぞれ移動平均を求め、移動平均の傾きからどの期間に属するかを推定する。

店員Ｐ１が「成熟期」と判定され、客Ｐ２が「相互未知期」と判定された場合、その情報を元に行動評価モデル及び重み付け係数を選定する。行動評価モデルの入力値は、店員Ｐ１と客Ｐ２の現在の行動レベル、属する期間での経験回数、経験回数の増加率、過去の行動評価値、安定性（行動レベルのバラつき）、成長率（行動レベルの傾き）などが挙げられる。

店員Ｐ１は、発話量についての行動評価値と、笑顔回数についての行動評価値を得て、これらの重み付き加算により、接客スキルを評価する。このときの重み付き係数は、評価者である店長が主観的に決めてもよい（例えば、この店舗ではとにかく客Ｐ２と話すことを重要視しているならば、発話量の重み付け係数の値を上げるなど）。もしくは店長が主観的に評価した接客スキルの値を正解値としてニューラルネットなどの機械学習により各重み付け係数を計算してもよい。

また、発話量と笑顔回数の行動評価値を正規化して比較したときに、笑顔回数の行動評価値が低かった場合、笑顔回数を増やすよう推薦する。このとき、作業者１人の行動評価値のみを用いて伸ばすべき行動を抽出してもよいが、複数の作業者がいる場合、複数人の行動評価値を基に伸ばすべき行動を抽出してもよい。

［第２の実施の形態］
図７は、本発明の第２の実施の形態に係る評価システムの構成の一例を示す図である。第１の実施の形態では、作業相手Ｐ２を人としたが、本実施の形態は物としたものである。以下、第１の実施の形態と異なる点を中心に説明する。

第２の実施の形態に係る評価システム１は、例えば、作業エリアに設けられ、作業を行う作業者Ｐ１に装着された第１のセンサ６Ａと、作業者Ｐ１の作業の対象となる作業相手Ｐ２に取り付けられた第２のセンサ６Ｂとを備える。第１のセンサ６Ａ及び第２のセンサ６Ｂ（これらを総称するときは「センサ６」ともいう。）は、それぞれ１つでも複数でもよい。作業相手Ｐ２は、本実施の形態では、物の一例として加工機等の装置とした。作業相手Ｐ２は、装置の他、器具でもよい。

本実施の形態の作業エリアは、例えば、工場、木工所、陶芸教室、料理教室等が該当する。同図は、工場の作業エリアに設置されている作業相手Ｐ２の加工機に設けられたボルトＢを、作業者Ｐ１がスパナＳで締め付けている状態を示している。

第１のセンサ６Ａから複数の行動情報を検出する。複数の行動情報としては、例えば、加速度、角速度、変動量、ボルトＢの回し回数、ボルトＢの締付け強さ等がある。なお、第１のセンサ６Ａは、行動情報を取得するセンサが一体となったウェアラブル端末でもよい。第１のセンサ６Ａは、握力、トルク、手首の回転数、視線、加速度、角加速度等を検出するものでもよい。行動情報は、腕の動作の他に、心拍数、呼吸数、集中力等の生体情報でもよい。

第２のセンサ６Ｂから複数の状態情報（第１の実施の形態の行動情報に対応する。）を検出する。複数の状態情報としては、例えば、使用回数、使用時間、使用人数、耐久性、落下回数、振動数、騒音レベル、モータ回転数等でもよい。

図８は、第２の実施の形態に係る評価システム１の制御系の一例を示すブロック図である。評価システム１は、第１のセンサ６Ａ及び第２のセンサ６Ｂ（これらを総称するときは「センサ６」ともいう。）が接続された評価装置５を有する。

評価装置５には、作業者Ｐ１に対応して、第１の分析部５０Ａが設けられ、さらに第１の実施の形態と同様に、第１の確率分布算出部５３Ａ、第１の行動レベル算出部５４Ａ、第１の熟練者確率分布記憶部５５Ａ及び第１の生長段階判定部５６Ａが設けられている。第１の分析部５０Ａには、第１のセンサ６Ａが接続されている。第１の分析部５０Ａは、取得手段の一例である。

また、評価装置５には、作業相手Ｐ２に対応して、第２の分析部５０Ｂ及び状態レベル算出部５４Ｃが設けられ、さらに第１の実施の形態と同様に、第２の確率分布算出部５３Ｂ、第２の熟練者確率分布記憶部５５Ｂ及び第２の生長段階判定部５６Ｂが設けられている。第２の分析部５０Ｂには、第２のセンサ６Ｂが接続されている。第２の分析部５０Ｂは、取得手段の一例である。状態レベル算出部５４Ｃは、作業相手Ｐ２の行動レベルを算出する算出手段の一例である。

また、評価装置５には、第１の実施の形態と同様に、作業者Ｐ１及び作業相手Ｐ２に共通して、行動評価モデル選定部５７、行動評価モデル記憶部５８及び行動評価部５９が設けられている。

第１の分析部５０Ａは、例えば、第１のセンサ６Ａにより検出された加速度から作業者Ｐ１の腕の動きを検出する。腕の動きは、行動種別の一例である。

第２の分析部５０Ｂは、例えば、第２のセンサ６Ｂから入力される加速度から振動数を分析する。振動数は、行動種別の一例である。

状態レベル算出部５４Ｃは、予め定められた期間（例えば、１日）内について第２の確率分布算出部５３Ｂが算出した作業者相手Ｐ２の状態（例えば、振動数）の確率分布と、第２の熟練者確率分布記憶部５５Ｂに記憶されている熟練者集団の状態（例えば、振動数）の確率分布との距離を用いて、作業相手Ｐ２の状態レベル（例えば、老化レベル）を評価する。

第２の生長段階判定部５６Ｂは、第２の行動レベル算出部５４Ｂが算出した作業相手Ｐ２の状態レベルに基づいて、作業相手Ｐ２が「相互未知期」、「親密化過程」、「親密期」それぞれ成長度「低」、「中」、「高」ともいう。）のどの成長段階にいるかを判定する。

行動評価部５９は、行動の種別ごとに、作業者Ｐ１の現在の行動レベル及び作業相手Ｐ２の現在の状態レベルに基づいて、作業者の成長度及び作業相手の成長度によって選定される行動評価モデル及び重み付け係数を用いて、行動の種別ごとに行動評価値を算出する。

本実施の形態では、例えば、振動数の確率分布を求め、古くなったマシンの振動数の確率分布との距離を、老化レベル（作業相手Ｐ２が人の場合の行動レベルに対応する。）として評価する。

時系列で得られる作業相手Ｐ２の老化レベルから「相互未知期」、「親密化過程」、「親密期」を特定する。この場合、「相互未知期」は物が新品の状態、「親密化過程」は物が使い慣らされた状態、「親密期」は物が古くなった状態を表す。

一方、作業者Ｐ１のセンシング情報は、例えば、１つの作業に要した稼働時間や加えた力の大きさ等である。作業者Ｐ１が「成熟期」で物が「相互未知期」での評価モデルでは、物が新品の状態なので慎重に作業するケースや調整しながら作業するケースがある。そのため、１つの作業に要した稼働時間の行動レベルに対する重み付け係数は通常よりも小さく設定される（１つの作業に要した稼働時間は重要視されない。）。

作業者Ｐ１が「未熟期」で物が「親密期」での評価モデルでは、１つの作業に要した稼働時間が長いと負担が大きく物が故障してしまうおそれがある。そのため、１つの作業に要した稼働時間の行動レベルに対する重み付け係数は大きく設定される（熟練に近いほど良い。）。

以上、本発明の実施の形態を説明したが、本発明の実施の形態は上記実施の形態に限定されるものではなく、本発明の要旨を変更しない範囲内で種々の変形、実施が可能である。

評価装置５の各部は、それぞれ一部又は全部を再構成可能回路（ＦＰＧＡ：Field Programmable Gate Array）、特定用途向け集積回路（ＡＳＩＣ：Application Specific Integrated Circuit）等のハードウエア回路によって構成してもよい。

また、本発明の要旨を変更しない範囲内で、上記実施の形態の構成要素の一部を省くことや変更することが可能である。また、本発明の要旨を変更しない範囲内で、上記実施の形態のフローにおいて、ステップの追加、削除、変更、入替え等が可能である。また、上記実施の形態で用いたプログラムをＣＤ－ＲＯＭ等のコンピュータ読み取り可能な記録媒体に記録して提供することができる。また、上記実施の形態で用いたプログラムをクラウドサーバ等の外部サーバに格納しておき、ネットワークを介して利用することができる。

１…評価システム、２…カウンタ、３、３Ａ、３Ｂ…カメラ、４、４Ａ、４Ｂ…マイク、５…評価装置、６、６Ａ、６Ｂ…センサ、５０、５０Ａ、５０Ｂ…分析部、５１、５１Ａ、５１Ｂ…笑顔検出部、５２、５２Ａ、５２Ｂ…発話分析部、５３Ａ、５３Ｂ…確率分布算出部、５４Ａ、５４Ｂ…行動レベル算出部、５４Ｃ…状態レベル算出部、５５Ａ、５５Ｂ…熟練者確率分布記憶部、５６Ａ、５６Ｂ…生長段階判定部、５７…行動評価モデル選定部、５８…行動評価モデル記憶部、５９…行動評価部

Claims (8)

1. 作業者の接客相手に対する行動を時系列的に評価した少なくとも２つの第１の評価値、及び前記作業者の模範となる熟練者の行動を評価した基準の評価値を取得し、前記接客相手の前記作業者に対する行動を時系列的に評価した少なくとも２つの第２の評価値、及び前記接客相手の模範となる熟練者の行動を評価した基準の評価値を取得する取得手段と、
   前記作業者に関して取得された前記少なくとも２つの第１の評価値と前記基準の評価値との間の類似度を示す少なくとも２つの第１の行動レベルを算出し、前記接客相手に関して取得された前記少なくとも２つの第２の評価値と前記基準の評価値との間の類似度を示す少なくとも２つの第２の行動レベルを算出する算出手段と、
   前記少なくとも２つの第１の行動レベルに基づいて前記作業者の成長の程度を示す第１の成長度を出力し、前記少なくとも２つの第２の行動レベルに基づいて前記接客相手の成長の程度を示す第２の成長度を出力する出力手段と、
   を備えた情報処理装置。
2. 前記評価値は、行動が実行される確率分布である、
   請求項１に記載の情報処理装置。
3. 前記行動レベルは、前記確率分布間の距離に対応する値である、
   請求項２に記載の情報処理装置。
4. 前記第１の行動レベル及び前記第２の行動レベルを重み付け加算した第３の評価値を算出する評価手段、
   をさらに備えた請求項１から３のいずれか１項に記載の情報処理装置。
5. 前記評価手段は、前記第１の行動レベル及び前記第２の行動レベルのそれぞれの成長度に応じて重み付けが異なる計算式を用いて前記第３の評価値を算出する、
   請求項４に記載の情報処理装置。
6. 前記取得手段は、前記評価値を行動種別ごとに取得し、
   前記算出手段は、前記行動レベルを行動種別ごとに算出する、
   請求項１から５のいずれか１項に記載の情報処理装置。
7. 前記評価手段は、行動種別ごとに前記第３の評価値を算出し、行動種別ごとの前記第３の評価値を重み付け加算した第４の評価値を算出する、
   請求項５に記載の情報処理装置。
8. コンピュータを、
   作業者の接客相手に対する行動を時系列的に評価した少なくとも２つの第１の評価値、及び前記作業者の模範となる熟練者の行動を評価した基準の評価値を取得し、前記接客相手の前記作業者に対する行動を時系列的に評価した少なくとも２つの第２の評価値、及び前記接客相手の模範となる熟練者の行動を評価した基準の評価値を取得する取得手段と、
   前記作業者に関して取得された前記少なくとも２つの第１の評価値と前記基準の評価値との間の類似度を示す少なくとも２つの第１の行動レベルを算出し、前記接客相手に関して取得された前記少なくとも２つの第２の評価値と前記基準の評価値との間の類似度を示す少なくとも２つの第２の行動レベルを算出する算出手段と、
   前記少なくとも２つの第１の行動レベルに基づいて前記作業者の成長の程度を示す第１の成長度を出力し、前記少なくとも２つの第２の行動レベルに基づいて前記接客相手の成長の程度を示す第２の成長度を出力する出力手段、
   として機能させるためのプログラム。

Images