JP7387025B2 - 作業手順更新装置、作業手順更新方法及びプログラム - Google Patents

Description

本開示は、作業手順更新装置、作業手順更新方法及びプログラムに関する。

工場を含む生産現場において、生産機種の変更時には、部品の交換、実装基板の変更、治具又は工具の交換、及び、設備のプログラム変更を含む、いわゆる段取り作業が必要となる。近年の市場ニーズは、多品種少量生産が求められているため、日々の生産機種切り替え時に発生する段取り作業時間の短縮が工場改革の優先課題となっている。このような段取り作業を抽出し、段取り作業に要する作業時間を算出するシステムが存在する（例えば、特許文献１）。

特許文献１に記載の段取り作業管理システムは、段取り作業を同時に効率的に作業できる限界の作業者の人数である同時作業限界人数と、各段取り作業に割り当てられた作業者の人数である割り当て人数と、に基づいて、段取り作業に要する所要時間を算出する。これにより、部品実装ラインに対応して発生する段取り作業を適切に管理することができると説明されている。

特開２０１８－９２９７１号公報

特許文献１に記載の段取り作業管理システムは、実装データ及び生産計画情報に基づき、段取り替えに伴って発生する段取り作業を抽出する。そして、抽出された段取り作業と単位段取り作業情報とに基づいて、同時作業限界人数を算出する。

しかし、実際の生産現場では日々作業者が入れ替わっており、各作業者の習熟度の違いにより、段取り作業時間、手順及び作業状況は作業者によってばらつきがある。このため特許文献１のように、同時作業限界人数に基づいて正確な作業時間を予測することは困難であった。

また、段取り替えは1日に数回しか行われず、日々の生産状況によって段取り作業のタイミングにばらつきが発生するため、作業を分析するタイミングを特定するのも難しい。このため、段取り作業改善のための生産技術者を現場に配置する必要があり非効率であった。つまり、生産効率を低下させずに、実際の段取り作業状態を評価して作業手順に反映させることが困難であった。

本開示は、上述のような事情に鑑みてなされたものであり、実作業状態に即した最速作業時間を実現可能な最適作業手順に更新することができる作業手順更新装置、作業手順更新方法及びプログラムを提供することを目的とする。

上記目的を達成するため、本開示の作業手順更新装置は、作業を撮影した実作業動画に基づいて実績作業時間を取得し、記憶部に記憶されている最速作業時間よりも短い場合に、最速作業時間を実績作業時間に更新する最速作業時間更新部を備える。更に、作業手順更新装置は、予め取得した最速作業時間に含まれる各作業手順の内容及び各作業手順に要する手順作業時間と、作業の適正度と、を含む学習用データに基づいて、学習済モデルを生成するモデル生成部と、最速作業時間更新部が更新した最速作業時間に含まれる各作業手順の内容及び手順作業時間に基づいて、学習済モデルを用いて、作業の適正度を推論して、適正度が最も高い最適作業手順を抽出する最適作業手順抽出部と、記憶部に記憶されている作業手順を、抽出した最適作業手順に更新する作業手順更新部と、を備える。

本開示によれば、作業を撮影した動画に基づいて最速作業時間を更新し、最速作業時間での最適な作業手順を抽出するため、実作業状態に即した最速作業時間を実現可能な最適作業手順に更新することが可能となる。

本開示の実施の形態に係る作業手順更新システムの構成例を示すブロック図 実作業動画取得処理のフローチャート 最速作業時間更新処理のフローチャート 最適作業手順抽出部の学習装置を示すブロック図 学習処理のフローチャート 最適作業手順抽出部の推論装置を示すブロック図 推論処理のフローチャート 最速作業時間と最短実績作業時間を示すグラフ 最適作業手順を示す表 最適作業手順の作業時間を示す表 実作業手順の作業時間を示す表 作業改善案を示す表

（実施の形態）
以下に、本開示を実施するための形態について図面を参照して詳細に説明する。

図１は、この開示の実施の形態に係る作業手順更新システム１の構成例を示すブロック図である。作業手順更新システム１は、工場における作業を最速作業時間で実行するときの作業手順を生成し更新するシステムである。本実施の形態においては、作業手順更新システム１は、生産機種の変更時に発生する段取り作業について作業手順を生成し更新する。段取り作業は、工場で生産する製品の機種の切り替えに伴って発生する作業であり、例えば、部品の交換、実装基板の変更、治具又は工具の交換、及び、設備のプログラム変更である。

作業手順更新システム１は、図１に示すように、段取り作業を実施する作業者を撮影する撮影装置１００と、撮影装置１００が撮影した作業動画に基づいて最速作業時間及び最適作業手順を更新する作業手順更新装置２００と、を備える。

撮影装置１００は、予め設定した分析対象機種の段取り作業期間中、かつ、予め設定した分析対象期間中に、現場作業者の段取り作業を撮影する任意の撮影装置である。作業者の作業内容を至近距離で撮影するために、作業者の体に装着して撮影できるウェアラブル機器が好ましい。例えば、スマートグラス又はＨｏｌｏＬｅｎｓ（登録商標）でもよい。あるいは、作業者のヘルメットの横に装着したアクションカメラ又はウェアラブルカメラであってもよい。

撮影のタイミングは、作業者の操作により決定してもよい。作業者が段取り作業に着手するタイミングで、撮影装置１００の撮影開始ボタンを押すことにより撮影が開始される。また、作業者が段取り作業を完了したタイミングで、撮影装置１００の撮影終了ボタンを押すことにより撮影が停止される。これにより１サイクルの段取り作業を撮影する。分析対象機種でない、又は、分析対象期間でない場合は、撮影装置１００は自動又は手動で撮影を停止する。

撮影装置１００は、作業手順更新装置２００と有線又は無線の任意の通信手段により接続することができる。撮影装置１００は、作業手順更新装置２００に、撮影した動画を任意のタイミングで送信する。撮影装置１００の撮影開始又は停止を含む動作は、作業手順更新装置２００が制御してもよい。

作業手順更新装置２００は、撮影装置１００が撮影した撮影動画に基づいて各種データを取得し又は生成する処理を実行する演算処理部２１０と、演算処理部２１０が取得し又は生成したデータを記憶する記憶部２２０と、演算処理部２１０が取得し又は生成した情報を表示する表示部２３０と、を備える。

演算処理部２１０は、任意の演算処理装置であり、例えば、ＣＰＵ（Central Processing Unit）である。演算処理部２１０は、記憶部２２０に格納されるプログラムを実行することにより、撮影動画に含まれる実作業動画を取得して記憶部２２０に保存する実作業動画取得部２１１、実績作業時間に基づいて最速作業時間を更新する最速作業時間更新部２１２と、人工知能（Artificial Intelligence：ＡＩ）により最適作業手順を抽出する最適作業手順抽出部２１３、作業手順を更新する作業手順更新部２１４、最適作業手順の作業時間と実績作業時間とを比較する作業時間比較部２１５、及び、作業時間の比較結果に基づいて作業改善案を出力する作業改善案出力部２１６、として機能する。

記憶部２２０は、任意の記憶装置であり、例えば、フラッシュメモリ、ＥＰＲＯＭ（Erasable Programmable Read Only Memory）を含む不揮発性半導体メモリ、又は、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、ミニディスク、ＤＶＤ（Digital Versatile Disc）である。

記憶部２２０は、図１に示すように、実作業に係るデータを含む実績作業データベース２２１と、最速作業時間のデータを含む最速作業時間データベース２２２と、最適作業手順抽出部２１３が使用する学習済モデルを記憶する学習済モデル記憶部２２３と、作業手順を記憶する作業手順記憶部２２４と、を有する。記憶部２２０には、さらに演算処理部２１０が実行するプログラムも格納されている。

演算処理部２１０の機能と、記憶部２２０の内容について、詳細に述べる。演算処理部２１０の実作業動画取得部２１１は、撮影装置１００が撮影した撮影動画から、一連の段取り作業ごとの作業着手から作業完了までの実作業動画を取得する。

図２は、実作業動画取得処理のフローチャートである。実作業動画取得部２１１は、図２に示すように、まず、分析対象の段取り作業を決定し（ステップＳ１０１）、分析対象の作業期間と製品の機種を決定する（ステップＳ１０２）。その後、撮影装置１００より、作業の着手から完了までの動画を取得し（ステップＳ１０３）、取得した実作業データを記憶部２２０の実績作業データベース２２１に保存する。

ステップＳ１０３で取得する実作業動画は、一連の実作業動画取得処理の開始前に、事前に撮影装置１００が録画したものでもよく、又は、実作業動画取得処理の一部として、作業手順更新装置２００からの制御信号に基づき撮影装置１００が撮影したものであってもよい。撮影装置１００による撮影の開始と停止のタイミングは、操作者が決めてもよい。

撮影装置１００がスマートグラス又はＨｏｌｏＬｅｎｓを含む動画撮影装置の場合は、ステップＳ１０３で実作業動画を取得するために、作業手順更新装置２００には、当該動画撮影装置を制御するアプリケーションソフトを予めインストールしておく。

撮影された実作業の動画は、撮影装置１００又は作業手順更新装置２００に内蔵された時計により計測された時刻とともに記録されている。実績作業データベース２２１において、各動画ファイルは、作業者の識別情報、作業期間、製品機種の情報に対応づけられており、グループ化して保存されている。

なお、ここでは、製造部門が管理する作業手順更新装置２００の記憶部２２０が実績作業データベース２２１を含むとしたが、実績作業データベース２２１は、作業手順更新装置２００の外部のローカルデータベースあるいはクラウド型データベースであってもよい。実績作業データベース２２１に記録されるデータは、圧縮されて保存されてもよい。また、各現場で決められている期間を過ぎれば、古いデータを自動削除してデータベースの保管容量を管理してもよい。

最速作業時間更新部２１２は、記憶部２２０の実績作業データベース２２１から取得した動画データを基に段取り作業１サイクル当たりの実績作業時間を算出する。より具体的には、最速作業時間更新部２１２は、段取り作業の着手から完了までの時間を１サイクルの実績作業時間として算出する。作業の着手時に撮影開始し、作業の完了時に撮影完了する場合は、撮影時間が実績作業時間となる。作業開始と撮影開始の時刻、又は、作業完了と撮影完了の時刻が一致していない場合は、手作業による計測を行ってもよい。あるいは、撮影したビデオ映像から任意の分析ソフトを使用して実績作業時間を算出してもよい。分析ソフトとして、例えば、作業動態分析システムであるスマートロガー（登録商標）が使用可能である。

図３は、最速作業時間更新処理のフローチャートである。最速作業時間更新部２１２は、図３に示すように、１日の間に実施された分析対象機種の段取り作業の実績作業時間を算出して、その中で最も短時間である最短実績作業時間を抽出する（ステップＳ２０１）。実績作業時間の数値について、予め定めた分析期間中に継続管理を行い、最速作業時間データベース２２２に記憶されている、前の期間における最速作業時間と、１日の最短実績作業時間と、の比較を繰り返し実行する（ステップＳ２０２）。

最短実績作業時間が最速作業時間より短くなった日があれば（ステップＳ２０３：Ｙｅｓ）、最速作業時間をその日の最短実績作業時間に更新する（ステップＳ２０４、最速作業時間更新ステップ）。分析期間中に複数の実績作業時間が最速作業時間より短かった場合は、分析期間内で最短となる実績作業時間を新たな最速作業時間にする。一方、全ての実績作業時間が最速作業時間以上であった場合には（ステップＳ２０３：Ｎｏ）、最速作業時間を変更せずに処理を終了する。

なお、ステップＳ２０３において、分析期間中に複数の同じ最短作業時間を抽出した場合は、後述する最適作業手順抽出部２１３が動作の無駄が最も少ない作業手順の最短作業時間を抽出してもよい。動作の無駄が最も少ない作業手順は、予め定めた基準に基づいて導出した単位時間あたりの付加価値を示す付加価値時間比率が最も大きい作業手順である。

最速作業時間更新部２１２を用いることで、従来の現場において、段取り作業者が作業動画を撮影して分析し、最速作業時間を求めていた間接作業時間を大きく削減することが可能となる。例えば、スマートロガーを活用した場合の分析時間短縮効果は１／１０になる。また、従来の数式から求めた最速作業時間ではなく、実際の生産現場での実績値に基づいた最速作業時間を作業効率の評価に用いることが可能となる。

最速作業時間更新部２１２が更新した最速作業時間は、記憶部２２０の最速作業時間データベース２２２に記憶される。ここで、最速作業時間データベース２２２は、製造部門が管理する作業手順更新装置２００が有する記憶部２２０に含まれるとしたが、最速作業時間データベース２２２は、作業手順更新装置２００の外部のローカルデータベースあるいはクラウド型データベースであってもよい。

最適作業手順抽出部２１３は、最速作業時間更新部２１２が最速作業時間を更新した際に、更新された最速作業時間のうち、各作業手順に対応する手順作業時間に基づいて最適作業手順を抽出する。最適作業手順の抽出は人工知能（Artificial Intelligence：ＡＩ）を用いて行う。

最適作業手順の抽出を行う人工知能は、図１において、演算処理部２１０の最適作業手順抽出部２１３と、記憶部２２０の学習済モデル記憶部２２３と、により実現する。最適作業手順抽出部２１３は、学習装置２１７と推論装置２１８とを含む（図４Ａ，図５Ａ参照）。

なお、本実施の形態では、学習装置２１７及び推論装置２１８が、作業手順更新装置２００に含まれる構成について説明している。学習装置２１７及び推論装置２１８は、掃除機、除湿機、食器洗い乾燥機を含む対象製品の段取り作業の適正度を学習するために使用される。学習装置２１７及び推論装置２１８の形態は任意であり、例えば、対象製品とは別個の装置であって、ネットワークを介して対象製品に接続される形態であってもよい。あるいは、対象製品に内蔵されてもよい。さらに、学習装置２１７及び推論装置２１８は、学習済モデル記憶部２２３とともにクラウドサーバ上に存在していてもよい。

まず、学習処理について説明する。図４Ａは、最適作業手順抽出部２１３の学習装置２１７を示すブロック図であり、図４Ｂは、学習処理のフローチャートである。ここでは、掃除機、除湿機、食器洗い乾燥機を含む対象製品の段取り作業について学習する場合について説明する。

学習装置２１７は、図４Ａに示すように、データ取得部２１７１とモデル生成部２１７２と、を備える。データ取得部２１７１は、最速作業時間更新部２１２が更新した新たな最速作業時間と、作業の適正度を学習用データとして取得する。ここで、最速作業時間のデータは、一連の段取り作業に含まれる各作業手順の内容とそれらに要した時間である手順作業時間のデータも含む。作業の適正度は、作業のしやすさ又は作業の無駄の数の少なさを示す指標であり、作業内に潜む動作の無駄の数が最も少ない作業を最適とする。作業の適正度は、ユーザが設定してもよく、又は、予め定めた基準に基づいて自動判定してもよい。

モデル生成部２１７２は、データ取得部２１７１が取得した新たな最速作業時間及び作業の適正度の組合せの情報を含む学習用データに基づいて、作業の適正度を学習する。すなわち、モデル生成部２１７２は、対象製品の段取り作業に係る新たな最速作業時間と作業の適正度から、作業の適正度を推論するための学習済モデルを生成する。この学習処理における学習用データは、新たな最速作業時間及び作業の適正度を互いに関連付けたデータである。

モデル生成部２１７２が用いる学習アルゴリズムは、従来のアルゴリズムでよい。例えば、教師あり学習、教師なし学習又は強化学習を用いることができる。

また、特徴量そのものの抽出を学習する深層学習（Deep Learning）を実行してもよく、又は遺伝的プログラミング、機能論理プログラミング、サポートベクターマシンに従って機械学習を実行してもよい。

本実施の形態では、一例として、ニューラルネットワークを適用した場合について説明する。この場合、モデル生成部２１７２は、ニューラルネットワークモデルに従って、教師あり学習により、最速作業時間に対する作業の適正度を学習する。ここで、教師あり学習とは、入力と結果（ラベル）のデータの組を学習装置に与えることで、それらの学習用データにある特徴を学習し、入力から結果を推論する手法をいう。

ニューラルネットワークは、複数のニューロンを有する入力層、複数のニューロンを有する中間層（隠れ層）及び複数のニューロンを有する出力層で構成される。中間層は、１層又は２層以上である。

本実施の形態におけるニューラルネットワークでは、データ取得部２１７１が取得する新たな最速作業時間と作業の適正度との組合せの情報を含む学習用データに基づいて、モデル生成部２１７２が、教師あり学習により、最速作業時間に対する作業の適正度を学習する。

すなわち、モデル生成部２１７２は、入力層中間層間の重みＷ１と中間層出力層間の重みＷ２を調整して、入力層に新たな最速作業時間を入力したときの出力層からの出力を、結果（正解）である作業の適正度に近づけることのできる重みＷ１，Ｗ２を求めることで学習する。例えば、入力層に、最速作業時間に含まれる手順作業時間から算出した作業速度が入力されたとき、中間層で動作の無駄の少なさを示す指標が得られ、出力層に作業の適正度が出力され、これを正解である作業の適正度と比較して重みＷ１、Ｗ２を決定する。

学習済モデル記憶部２２３は、モデル生成部２１７２が出力した学習済モデルを記憶する。

学習処理（モデル生成ステップ）の流れは、図４Ｂのフローチャートに示したとおりである。まず、学習装置２１７のデータ取得部２１７１が、新たな最速作業時間と作業の適正度のデータを取得する（ステップＳ３０１）。ここでは新たな最速作業時間及び作業の適正度を同時に取得しているが、新たな最速作業時間と作業の適正度を関連づけて入力できればよく、データ取得部２１７１は、新たな最速作業時間と作業の適正度のデータを互いに異なるタイミングで取得してもよい。

その後、モデル生成部２１７２は、データ取得部２１７１が取得した新たな最速作業時間及び作業の適正度の組合せに基づいて学習処理して（ステップＳ３０２）、学習済モデルを生成する。そして、生成された学習済モデルを学習済モデル記憶部２２３に保存する（ステップＳ３０３）。

次に、推論処理について説明する。図５Ａは、最適作業手順抽出部２１３の推論装置２１８を示すブロック図であり、図５Ｂは、推論処理のフローチャートである。

ここでは、掃除機、除湿機、食器洗い乾燥機を含む製品の段取り作業について推論する場合について説明する。推論装置２１８は、図５Ａに示すように、データ取得部２１８１と推論部２１８２と、を備える。データ取得部２１８１は、入力データとして、最速作業時間更新部２１２が更新した新たな最速作業時間を取得する。

推論部２１８２は、学習済モデル記憶部２２３に記憶されている学習済モデルを用いて、データ取得部２１８１が取得した最速作業時間に対する作業の適正度を推論する。つまり、推論部２１８２は、学習済モデルに最速作業時間を入力することで、新たな最速作業時間とそれに含まれる手順作業時間から推論される作業の適正度を出力する。

なお、本実施の形態では、学習装置２１７のモデル生成部２１７２が生成した学習済モデルを用いて作業の適正度を出力する構成について説明したが、作業手順更新装置の外部から学習済モデルを取得し、この学習済モデルに基づいて作業の適正度を推論してもよい。

推論処理（最適作業手順抽出ステップ）の流れは、図５Ｂのフローチャートに示したとおりである。まず、推論装置２１８のデータ取得部２１８１が、新たな最速作業時間のデータを取得する（ステップＳ４０１）。次に、推論部２１８２が学習済モデル記憶部２２３に記憶された学習済モデルに新たな最速作業時間を入力し（ステップＳ４０２）、作業の適正度を推論し出力する（ステップＳ４０３）。

最適作業手順抽出部２１３は、出力された作業の適正度に基づいて、対象機種について適正度の最も高い最適作業手順を決定して出力する（ステップＳ４０４）。具体的には、最適作業手順抽出部２１３は、新たな最速作業時間に係る一連の作業に含まれる各作業手順の内容と、それらに要した時間である手順作業時間と、に基づいて最も無駄の少ない最適の手順を抽出する。新たな最速作業時間に係る実作業が複数あった場合には、最速作業時間に係る実作業の作業手順のうち、最も無駄の少ない最適の作業手順を抽出する。

従来の最適作業手順の決定は技術者の裁量でなされており、段取り作業者の実情に合っていない場合があるという問題があったが、本実施の形態では、人工知能を活用した最適作業手順抽出部２１３により、客観的な評価に基づいて最適作業手順を決定することができる。

最適作業手順抽出部２１３が抽出した最適作業手順は、作業手順更新部２１４及び作業時間比較部２１５に対して出力される。作業手順更新部２１４は、作業手順記憶部２２４に記憶されている作業者に提示するための段取り作業の作業手順を、最適作業手順抽出部２１３から入力された最適作業手順に更新する（作業手順更新ステップ）。

作業時間比較部２１５は、実作業動画取得部２１１が取得した動画に基づいて実作業における手順毎の手順作業時間を算出し、最適作業手順抽出部２１３から入力された最適作業手順における手順作業時間と比較する。手順作業時間について実作業の時間の方が長い場合に、その作業の情報を出力する。ここで、最適作業手順と比較する実作業のデータは、実績作業データベース２２１に格納されている対象作業者の実績作業データであってもよく、対象作業者の最短作業時間に係る実績作業データであってもよい。

作業改善案出力部２１６は、作業時間比較部２１５において、実作業の手順作業時間の方が長かった手順を、最適作業手順に含まれる手順に変更することを示した作業改善案を作成して表示部２３０に表示する。作業改善案の表示形態は任意の形態でよく、例えば、抽出された差異部分を市販の表比較ツールを用いて可視化した改善案表示シートでもよい。改善案表示シートを作業者に提示する事で、段取り作業時間のばらつきを抑制する効果を得ることができる。

以上のように構成された作業手順更新システム１の動作について、図６Ａ－８に示した例を用いて説明する。

図６Ａ，Ｂは、作業の一例について、最速作業時間更新部２１２と最適作業手順抽出部２１３の動作について説明するための図であり、図６Ａは最速作業時間と１日の最短実績作業時間を示すグラフであり、図６Ｂは最適作業手順を示す表である。

まず、実作業動画取得部２１１が撮影装置１００で撮影した実作業の動画を取得して実績作業データベース２２１に保存する。最速作業時間更新部２１２は、実績作業データベース２２１に保存された実作業動画に基づいて実績作業時間を算出し、１日の最短実績作業時間と最速作業時間とを比較する。比較した結果、１日の最短実績作業時間が現時点の最速作業時間より短い場合に、最速作業時間を更新する。

図６Ａの例において、最速作業時間が２５分なのに対し、１日の最短実績作業時間は黒点で示すように変化し、１０月５日の最短実績作業時間が最速作業時間より短くなっており、さらに１０月１０日の最短実績作業時間が１０月５日の最短実績作業時間より短くなっている。このため、最速作業時間更新部２１２は、次期の最速作業時間を、１０月１０日の最短実績作業時間に更新する。

最速作業時間更新部２１２は、更新された最速作業時間とともに、その最速作業時間に係る実作業に含まれる各作業手順の手順作業時間を、最速作業時間データベース２２２に保存する。

学習済モデル記憶部２２３には、過去の最速作業時間と作業の適正度に基づいて学習した学習済モデルが記憶されている。最適作業手順抽出部２１３は、最速作業時間データベース２２２に保存された最速作業時間と手順作業時間に基づいて、学習済モデルを用いて最適作業手順を抽出する。最適作業手順抽出部２１３が抽出する最適作業手順は、例えば、図６Ｂに示すように各作業手順の識別番号（手順Ｎｏ）と作業内容で表される。なお、分析期間内に最速作業時間が同じ実作業が複数あった場合には、最適作業手順抽出部２１３は、学習済モデルに基づいて、作業の無駄の少ない手順の方を選択して最適作業手順とする。

図７Ａ，Ｂは、作業の一例について、作業時間比較部２１５の動作について説明するための図であり、図７Ａは最適作業手順の作業時間を示す表であり、図７Ｂは実作業手順の作業時間を示す表である。まず、作業時間比較部２１５は、最適作業手順抽出部２１３が抽出した最適作業手順と、各作業手順に要する時間である手順作業時間と、を取得する。図７Ａは、最適作業手順の各作業手順について作業内容と作業時間を示している。

また、作業時間比較部２１５は、実作業動画取得部２１１が取得した作業者Ａの実作業動画に基づいて、作業者Ａの段取り作業のうち、作業時間が最短であった実作業における手順毎の手順作業時間を算出する。図７Ｂは、実作業の各作業手順について作業内容と作業時間を示している。作業時間比較部２１５は、最適作業手順と実作業の作業内容と作業時間を比較し、実作業の方が、時間が長い項目を抽出する。図７Ｂにおいて、実作業の方が、時間が長い項目を網掛けで示している。

図７Ｂに示すように差異を可視化する事で、現場作業者は最適作業時間とどのくらい差異があり、どの作業手順が最適作業手順と乖離しているかを把握することができる。

作業改善案出力部２１６は、作業時間比較部２１５において、実作業の手順作業時間の方が長かった手順を、最適作業手順に含まれる手順に変更することを示した作業改善案を作成して出力する。図８は、図７Ａ，Ｂに示した例に対する作業改善案の表である。

実作業の方が、時間が長かった作業手順１，２，１０について、改善内容を示している。改善内容は、各作業手順に対する独立した内容でもよく、又は、複数の作業手順に係る内容でもよい。図８の例において、作業手順１，２についての改善内容は、作業手順１と２の順番の入れ替えと、作業手順２の工具を探す動線の変更である。

表示部２３０は、最速作業時間、最適作業手順及び作業改善案の少なくともいずれか１つを表示する。最速作業時間、最適作業手順及び作業改善案の提示方法は任意であり、表示部２３０に表示し又は作業者への教育資料として配布してもよい。

このようにして、最速作業時間更新部２１２が最速作業時間を更新することにより、その時点の実情に合致した最速作業時間を示すことができる。また、最適作業手順抽出部２１３が、新たな最速作業時間に基づいた最適作業手順を抽出し、それに基づいて作業手順書を作成することができる。

作業手順書の作成は、更新した最速作業時間に係る実作業動画から汎用の作業分析ソフトを用いて作成してもよい。汎用の作業分析ソフトは、例えば、動画ファイルから作業手順書作成が可能な分析ソフトＯＴＲＳ（登録商標）が利用可能である。作成した手順書は、表示部２３０に表示してもよく、又は紙媒体にしてもよい。作業改善案出力部２１６は、最適作業手順との比較により、日々の実作業に対して改善内容を示すことができる。作業改善案出力部２１６は、実作業の作業手順と最適作業手順との比較を行うため、分析方法の条件を一致させなければならない。よって、作業時間比較部２１５が分析する実作業の作業手順も最適作業手順の分析と同じ分析ソフトを用いる。

以上説明したように本実施の形態に係る作業手順更新システム１は、最速作業時間更新部２１２が、実作業動画に基づいて算出した実績作業時間から最短である最短実績作業時間を抽出し、最短実績作業時間が最速作業時間より短かった場合に最速作業時間を更新する。最適作業手順抽出部２１３は、予め学習しておいた学習済モデルを用いて、最速作業時間に基づいて最適作業手順を抽出する。また、作業時間比較部２１５は、最適作業手順抽出部２１３が抽出した最適作業手順の各手順作業時間と実作業の各手順作業時間とを比較し、比較結果に基づいて作業改善案出力部２１６が実作業からの作業改善案を出力することとした。これにより、実作業状態に合致した最速作業時間、最適作業手順及び作業改善案を提示することが可能となる。

なお、上記実施の形態において、最適作業手順抽出部２１３が用いる学習済モデルは、掃除機、除湿機、食器洗い乾燥機を含む製品について最速作業時間と作業の適性度を学習して生成されるが、学習対象は、複数種類の製品であってもよい。また、学習装置２１７は、１つのエリア内での実作業について学習してもよいし、互いに異なる複数のエリアで独立して行われる実作業について学習してもよい。

また、学習済モデルの学習対象の製品を途中で追加してもよく、又は途中で学習対象から除去してもよい。さらに、任意の学習済モデルを、他の機種の学習済モデルに適用してもよく、当該任意の学習済モデルを元に他の機種について再学習させてもよい。

上記実施の形態に示したハードウェア構成及びフローチャートは一例であり、任意に変更及び修正が可能である。演算処理部２１０及び記憶部２２０で実現する各機能は、専用のシステムによらず、通常のコンピュータシステムを用いて実現可能である。

例えば、上記実施の形態の動作を実行するためのプログラムを、コンピュータが読み取り可能なＣＤ－ＲＯＭ（Compact Disc Read-Only Memory）、ＤＶＤ（Digital Versatile Disc）、ＭＯ（Magneto Optical Disc）、メモリカード等の記録媒体に格納して配布し、プログラムをコンピュータにインストールすることにより、各機能を実現することができるコンピュータを構成してもよい。そして、各機能をＯＳ（Operating System）とアプリケーションとの分担、又はＯＳとアプリケーションとの協同により実現する場合には、ＯＳ以外の部分のみを記録媒体に格納してもよい。

本開示は、本開示の広義の精神と範囲を逸脱することなく、様々な実施の形態及び変形が可能とされるものである。また、上述した実施の形態は、本開示を説明するためのものであり、本開示の範囲を限定するものではない。すなわち、本開示の範囲は、実施の形態ではなく、請求の範囲によって示される。そして、請求の範囲内及びそれと同等の開示の意義の範囲内で施される様々な変形が、本開示の範囲内とみなされる。

本出願は、２０２０年１１月２日に出願された、日本国特許出願特願２０２０－１８３８４２号に基づく。本明細書中に日本国特許出願特願２０２０－１８３８４２号の明細書、特許請求の範囲、図面全体を参照として取り込むものとする。

１ 作業手順更新システム、１００ 撮影装置、２００ 作業手順更新装置、２１０ 演算処理部、２１１ 実作業動画取得部、２１２ 最速作業時間更新部、２１３ 最適作業手順抽出部、２１４ 作業手順更新部、２１５ 作業時間比較部、２１６ 作業改善案出力部、２１７ 学習装置、２１８ 推論装置、２２０ 記憶部、２２１ 実績作業データベース、２２２ 最速作業時間データベース、２２３ 学習済モデル記憶部、２２４ 作業手順記憶部、２３０ 表示部、２１７１ データ取得部、２１７２ モデル生成部、２１８１ データ取得部、２１８２ 推論部。

Claims (9)

1. 作業を撮影した実作業動画に基づいて実績作業時間を取得し、記憶部に記憶されている最速作業時間よりも短い場合に、前記最速作業時間を前記実績作業時間に更新する最速作業時間更新部と、
   予め取得した前記最速作業時間に含まれる各作業手順の内容及び各作業手順に要する手順作業時間と、作業の適正度と、を含む学習用データに基づいて、学習済モデルを生成するモデル生成部と、
   前記最速作業時間更新部が更新した前記最速作業時間に含まれる前記各作業手順の内容及び前記手順作業時間に基づいて、前記学習済モデルを用いて、作業の前記適正度を推論して、前記適正度が最も高い最適作業手順を抽出する最適作業手順抽出部と、
   前記記憶部に記憶されている作業手順を、抽出した前記最適作業手順に更新する作業手順更新部と、
   を備える、
   作業手順更新装置。
2. 前記実績作業時間は、作業者の体に装着した撮影装置が撮影した実作業動画に基づいて算出する、
   請求項１に記載の作業手順更新装置。
3. 前記最速作業時間更新部は、前記実績作業時間を計測し、予め定めた期間の中で最も短い最短実績作業時間を取得し、前記最短実績作業時間が前記記憶部に記憶されている前記最速作業時間よりも短い場合に、前記最速作業時間を前記最短実績作業時間に更新する、
   請求項１又は２に記載の作業手順更新装置。
4. 前記最速作業時間更新部は、前記実績作業時間を計測し、予め定めた期間の中で最も短い最短実績作業時間が２以上あって、前記最短実績作業時間が前記記憶部に記憶されている前記最速作業時間よりも短い場合に、前記最短実績作業時間に係る作業の動作の無駄の少なさを示す付加価値時間比率を取得し、前記付加価値時間比率が高い作業に係る前記最短実績作業時間を選択し、前記最速作業時間を選択した前記最短実績作業時間に更新する、
   請求項１から３のいずれか１項に記載の作業手順更新装置。
5. 前記実作業動画は、製品の生産機種を変更する際に発生する、部品の交換、実装基板の変更、治具及び工具の交換、並びに設備のプログラム変更を含む段取り作業を撮影した動画である、
   請求項１から４のいずれか１項に記載の作業手順更新装置。
6. 前記適正度は、作業のしやすさ又は作業の無駄の数の少なさを示す指標である、
   請求項１から５のいずれか１項に記載の作業手順更新装置。
7. 前記実績作業時間に含まれる各手順作業時間と、前記最適作業手順の各手順作業時間と、を比較する作業時間比較部と、
   前記作業時間比較部の比較結果に基づいて、前記実績作業時間に係る作業に対する作業改善案を出力する作業改善案出力部と、をさらに備える、
   請求項１から６のいずれか１項に記載の作業手順更新装置。
8. 作業手順更新装置により実行される作業手順更新方法であって、
   実績作業時間を取得し、前に記憶されている最速作業時間よりも短い場合に、前記最速作業時間を前記実績作業時間に更新する最速作業時間更新ステップと、
   予め取得した前記最速作業時間に含まれる各作業手順の内容及び各作業手順に要する手順作業時間と、作業の適正度と、を含む学習用データに基づいて、学習済モデルを生成するモデル生成ステップと、
   前記学習済モデルを用いて、前記最速作業時間更新ステップで更新された前記最速作業時間に含まれる前記各作業手順の内容及び前記手順作業時間に基づいて作業の前記適正度を推論して、前記適正度が最も高い最適作業手順を抽出する最適作業手順抽出ステップと、
   前に記憶されている作業手順を、前記最適作業手順抽出ステップで抽出した前記最適作業手順に更新する作業手順更新ステップと、
   を備える、
   作業手順更新方法。
9. コンピュータを、
   実績作業時間を取得し、前に記憶されている最速作業時間よりも短い場合に、前記最速作業時間を前記実績作業時間に更新する最速作業時間更新部、
   予め取得した前記最速作業時間に含まれる各作業手順の内容及び各作業手順に要する手順作業時間と、作業の適正度と、を含む学習用データに基づいて、学習済モデルを生成するモデル生成部、
   前記学習済モデルを用いて、前記最速作業時間更新部が更新した前記最速作業時間に含まれる前記各作業手順の内容及び前記手順作業時間に基づいて作業の前記適正度を推論して、前記適正度が最も高い最適作業手順を抽出する最適作業手順抽出部、
   前に記憶されている作業手順を、前記最適作業手順抽出部が抽出した前記最適作業手順に更新する作業手順更新部、
   として機能させるプログラム。

Images