JPWO2017037839A1 - 情報処理装置及び情報処理方法 - Google Patents

Abstract

制御部と、前記制御部に接続される記憶部と、を有する情報処理装置であって、前記記憶部は、複数の人物の各々の、時間ごとの活動量を示すデータ、及び、第１の所定の期間ごとの前記各人物のストレス量を示すデータを保持し、前記制御部は、前記第１の所定の期間ごとに、前記活動量の帯域ごとの累積量を計算し、複数の前記第１の所定の期間を含む第２の所定の期間における前記累積量に対する、各前記第１の所定の期間における前記累積量の乖離度を計算し、計算された前記各第１の所定の期間における前記累積量の乖離度と、前記各第１の所定の期間における前記ストレス量と、に基づいて、前記ストレス量を説明変数、前記乖離度を目的変数とする１次の回帰方程式の傾きを計算し、前記計算した傾きに対する前記乖離度のばらつきを計算する。

Description

本発明は、システムのパラメータを調整する情報処理技術システムに関する。

本発明の背景技術として、特開２０１３−２１８７２５号公報（特許文献１）及び特表２００９−５１７１８８号公報（特許文献２）がある。

特開２０１３−２１８７２５号公報には、「異常検知システム１は、（１）データ間の類似度に着目し、正常事例からなるコンパクトな学習データを生成、（２）類似度と異常有無により、新規データを学習データに追加、（３）設備のアラーム発生区間を学習データから削除、（４）随時更新された学習データを部分空間法でモデル化し、観測データと部分空間の距離関係に基づき、異常候補を検知、（５）イベント情報を対象にした解析を組み合わせて、異常候補から異常を検知、（６）学習データの活用頻度分布に基づいて、観測データの乖離度を求め、観測データの異常要素（センサ信号）を特定する。」と記載されている（要約参照）。

一方、特表２００９−５１７１８８号公報には、「改善されたヒトの健康のモニタリングを、典型的なバイタルサインおよび他の生物学的パラメータについてのセンサ測定との背景において、パラメータの経験的モデルを使用し、実際の測定値に応じてパラメータの値を推定するように配置されたシステムおよび方法によって提供する。推定値と実際の測定値との差から得られる残差は、初期の健康問題についての堅固な指標に関して分析される。残差分析は、バイタルサインに対する従来の単変数範囲のチェックよりも堅固かつ高感度である。」と記載されている（要約参照）。

特開２０１３−２１８７２５号公報 特表２００９−５１７１８８号公報

上記の特許文献１に記載されている技術は、産業機械の異常診断に用いられるものであり、強力な正常動作識別機を構成して、起こり得る全ての正常動作を学習させ、それでも識別できない現象を異常と判定する方法が記載されている。特許文献２には、特許文献１と同様の方法を健康モニタリングに適用することが記載されている。いずれの場合も、診断しようとする対象に関する完全な学習データが必要になる。しかし、実際には、問題を相当に限定しない限り組合せ爆発が起こるため、完全な学習データを得ることは困難である。

上記の課題を解決するために、本発明の一態様は、制御部と、前記制御部に接続される記憶部と、を有する情報処理装置であって、前記記憶部は、複数の人物の各々の、時間ごとの活動量を示すデータ、及び、第１の所定の期間ごとの前記各人物のストレス量を示すデータを保持し、前記制御部は、前記第１の所定の期間ごとに、前記活動量の帯域ごとの累積量を計算し、複数の前記第１の所定の期間を含む第２の所定の期間における前記累積量に対する、各前記第１の所定の期間における前記累積量の乖離度を計算し、計算された前記各第１の所定の期間における前記累積量の乖離度と、前記各第１の所定の期間における前記ストレス量と、に基づいて、前記ストレス量を説明変数、前記乖離度を目的変数とする１次の回帰方程式の傾きを計算し、前記計算した傾きに対する前記乖離度のばらつきを計算することを特徴とする。

本発明の一態様によれば、完全な学習データを得ることができない場合であっても、外部の悪要因に対して頑健となるようにシステムを調整することができる。

本発明の実施形態の物流システムの構成を示す第１の説明図である。 本発明の実施形態の物流システムの構成を示す第２の説明図である。 本発明の実施形態の物流システムの構成要素間でやり取りされるデータ及び指示の説明図である。 本発明の実施形態の物流システムを構成するコンピュータ装置のハードウェア構成の説明図である。 本発明の実施形態の物流システムのパラメータを調整する処理の全体の概要の説明図である。 本発明の実施形態の物流システムにおけるコンピュータ装置が保持する物流システムパラメータの説明図である。 本発明の実施形態の物流システムにおいて活動量センサが計測する活動量データの説明図である。 本発明の実施形態の物流システムにおける活動量から計算される累積量の説明図である。 本発明の実施形態の物流システムにおけるコンピュータ装置によって計算された健全状態からの乖離度の説明図である。 本発明の実施形態の物流システムにおけるコンピュータ装置によって計算された作業員の理想関係式の推定値の説明図である。 本発明の実施形態の物流システムにおけるコンピュータ装置が実行する処理を示すフローチャートである。 本発明の実施形態の物流システムにおいて計測される活動量及びそこから計算される活動帯域データの具体例の説明図である。 本発明の実施形態の物流システムにおいて計算される乖離度の具体例の説明図である。

図１は、本発明の実施形態の物流システムの構成を示す第１の説明図である。

具体的には、図１には、本発明によるパラメータの調整が行われるシステムの一例である物流システムの構成を示す。本実施形態の物流システムは、複数の作業員１０１（図１の例では作業員１０１Ａ及び１０１Ｂ）、一つ以上のビーコン１０２、一つ以上の監視カメラ１０３、一つ以上の作業ロボット１０４、一つ以上の作業機器１０５及びコンピュータ装置１０６を有する。各作業員１０１は、腕輪型センサ１０７（図１の例では腕輪型センサ１０７Ａ及び１０７Ｂ）を装着している。

各作業員１０１は、物流システムにおける種々の作業（例えばピッキング、組立、梱包等）に従事する人物である。各作業員１０１が装着する腕輪型センサ１０７は、各作業員の活動量を計測する活動量センサである。腕輪型センサ１０７は、例えば、それが装着された作業員１０１の腕の動きを計測するための加速度センサであってもよいし、各作業員１０１の移動量を計測するための位置センサであってもよいし、他の作業員１０１とのコミュニケーション量を計測するために対面及び会話を検出するセンサであってもよいし、各作業員１０１の脈拍、呼吸数といったバイタルサインを検出するセンサであってもよい。

なお、図１には活動量センサとして腕輪型センサを記載したが、これは一例であり、例えば名札型センサ等、他の形態のセンサが採用されてもよい。例えば、各作業員１０１が体の前面に名札型センサを装着し、その名札型センサが赤外線信号の送受信部と、音声センサとを備える場合、それらを用いて各作業員１０１が他の作業員と対面したこと及び会話したこと等を検出できるため、その検出結果に基づいて作業員１０１間のコミュニケーション量を計測することができる。

ビーコン１０２は、各作業員１０１の位置を計測する手段の一つである。例えば複数のビーコン１０２がそれぞれ所定の位置に設置され、自己位置データを含む無線信号を常時発信している。作業員１０１の腕輪型センサ１０７がそこに近づくとその位置と時刻を受信する。その後、腕輪型センサ１０７が受信したビーコンデータを調べることによって、作業員１０１の移動軌跡を特定できるため、それに基づいて作業員１０１の活動量の一種である移動量を計測できる。

監視カメラ１０３は、作業員１０１、作業ロボット１０４及び作業機器１０５の位置を計測する手段の一つである。例えば一つ又は複数の監視カメラ１０３がそれぞれ所定の位置に設置され、所定の範囲を撮影する。撮影された画像を分析することによって、作業員１０１等の位置を特定することができる。監視カメラ１０３が撮影した画像から抽出された各作業員１０１の時刻ごとの位置に基づいて各作業員１０１の移動量が特定され、それが活動量として使用される場合には、監視カメラ１０３が活動量センサに相当する。

作業ロボット１０４は、指定された棚から物品を取り出して作業台に設置する、作業台から棚に物品を戻す、物品を梱包する、物品を組み立てる、といった、物流システムにおける種々の作業を行う。

作業機器１０５は、作業員１０１が作業を行うために使用する機器であり、例えば、物品をその上に載せて作業を行う作業台、物品を組み立てる組立機、又は、物品を加工する工作機等である。

コンピュータ装置１０６は、本実施形態の物流システムのパラメータを調整する処理を行う情報処理装置である。具体的には、コンピュータ装置１０６は、腕輪型センサ１０７、ビーコン１０２、監視カメラ１０３及び作業ロボット１０４と有線又は無線による通信を行い、データの取得及び指示を行う。コンピュータ装置１０６がやり取りするデータ及びその構成の詳細については後述する（図３、図４参照）。

図２は、本発明の実施形態の物流システムの構成を示す第２の説明図である。

具体的には、図２は、図１に示した物流システムのそれぞれの構成要素の配置の一例を示す平面図である。

物流システムの作業場所（例えば倉庫）２０１の所定の位置に物品棚２０２及び複数の作業台１０５が設置される。例えば複数の作業ロボット１０４が物品棚２０２と各作業台１０５との間で物品（図示省略）を運搬し、各作業員１０１が各作業台１０５に載せられた物品に対する作業（例えば梱包、組立等）を行うことで、作業ロボット１０４と作業員１０１とによる連携作業が行われる。このような連携の形態は一例であり、例えば作業員１０１が物品を運搬して作業ロボット１０４が運搬された物品に対する作業を行ってもよい。

図２の例では、作業場所２０１の天井又は床面に多数のビーコン１０２が設置される。図２では省略されているが各作業員１０１には腕輪型センサ１０７が装着され、いずれかのビーコン１０２からのデータを受信する。図２では省略されているが、作業場所２０１の天井等にさらに監視カメラ１０３が設置されてもよい。

コンピュータ装置１０６は、腕輪型センサ１０７、ビーコン１０２、監視カメラ１０３及びロボット１０４等と通信し、人間計測データ（例えば作業者１０１の加速度データ又は位置データ等）、作業ロボット１０４の位置データ、及び、作業機器１０５の位置データ等を受信し、人間への行動指示、作業ロボット１０４への指示及び作業機器１０５への指示等を送信する。

図３は、本発明の実施形態の物流システムの構成要素間でやり取りされるデータ及び指示の説明図である。

図３の人間計測センサ３０１は、腕輪型センサ１０７、ビーコン１０２及び監視カメラ１０３等に相当する。コンピュータ装置１０６は、人間計測センサ３０１から、人間計測データを受信する。人間計測データは、例えば、作業員１０１の身体の加速度、作業量、移動量、作業手順、移動軌跡、他の作業員１０１とのコミュニケーション量、バイタルサインの水準、又はその他の活動量データ等を含む。また、コンピュータ装置１０６は、作業手順の変更、作業内容の変更、作業場所の変更、又は、作業員１０１の交代、休憩、退役といった人間への行動指示を人間計測センサ３０１に送信する。

コンピュータ装置１０６は、作業ロボット１０４からロボット移動データ及びロボット作業データを受信し、作業ロボット１０４に指示を送信する。ロボット移動データは、例えば、移動目標、経路、移動速度、ロボット間の優先関係等を含む。ロボット作業データは、例えば、作業場所、作業内容及び作業手順等を含む。ロボットへの指示は、例えば、目標、経路、速度、ロボット間の優先関係、作業場所、作業内容、作業手順等の変更の指示等を含む。

コンピュータ装置１０６は、作業機器１０５からその作業機器１０５の位置データ及び作業データを受信し、作業機器１０５に指示を送信する。作業データは、例えば、作業機器１０５を使用して作業員１０１が行った組み立て、検査又は梱包等のデータを含む。作業機器１０５への指示は、その作業機器１０５の設置位置の変更又は作業情報の変更等の指示を含む。なお、コンピュータ装置１０６は、作業機器１０５の代わりに監視カメラ１０３から作業機器１０５の位置データを受信してもよい。

図４は、本発明の実施形態の物流システムを構成するコンピュータ装置１０６のハードウェア構成の説明図である。

本実施形態のコンピュータ装置１０６は、動画を表示可能な表示部４０８を備えた（内蔵した）機器であり、コンピュータ装置などの各種情報表示装置に適用可能である。表示部４０８は別体（外付け）であってもよい。表示部４０８を内蔵の装置と、外付けの装置とを総称して情報提示装置とも呼ぶ。

コンピュータ装置１０６の動作を制御する中央制御ユニット（ＣＰＵ，Central Processing Unit）４０１に、ＲＯＭ（Read Only Memory）４０２及びＲＡＭ（Random Access Memory）４０３が内部バスライン４１０を介して接続され、さらに外部のネットワークと接続するためのネットワークインターフェース４０４にも接続されている。

ＣＰＵ４０１は、後述する情報処理を実行する制御部として機能し、接続されたＲＡＭ４０３等のメモリが後述するパラメータの記憶部としても機能する。また、情報処理を実行させるプログラムが、ＲＯＭ又はＲＡＭに実装され、そのプログラムに基づいてＣＰＵ４０１が情報処理を実行する。すなわち、以下の説明においてコンピュータ装置１０６が実行する処理は、実際には、ＣＰＵ４０１が、ＲＡＭ４０３等に格納されたプログラムに従って実行する。

ＲＡＭ４０３などの記憶部については、半導体メモリの他に、ハードディスクなどの記憶部を使用しても良く、或いはメモリカードなどの着脱自在の記憶部であってもよい。ハードディスクなどの大容量の記憶部（記録部）を備えた場合には、コンピュータ装置１０６が、監視カメラ１０３の映像データを蓄積する録画機能を備えてもよい。

ネットワークインターフェース４０４としては、例えば、アナログ電話回線用のアナログモデム、ＩＳＤＮ回線用のモデム、ＡＤＳＬ（Asymmetric Digital Subscriber Line）用のルータ又はモデム、ＬＡＮ（Local Area Network：構内情報通信網）用のアダプタ、無線電話用のアダプタ、Bluetoothなどの無線通信用のアダプタなどが適用可能である。コンピュータ装置１０６は、これらの構成のインタフェースを経由して、インターネットに接続できる。

また、コンピュータ装置１０６は、各種情報及び動画の表示制御を行うためのグラフィックコントローラ４０７を備える。このグラフィックコントローラ４０７に映像データを保持するＶＲＡＭ４０９が接続され、グラフィックコントローラの制御で描画された映像を、表示部４０８が表示する。表示部４０８としては、例えば液晶表示パネルなどが使用される。

さらに、コンピュータ装置１０６は、各種操作キー及び操作ボタンなどで構成される操作部４０６と、その操作部の操作を受け付けるユーザインターフェースコントローラ４０５とを備え、ユーザインターフェースコントローラ４０５が受け付けた操作データが内部バスライン４１０を介してＣＰＵ４０１に供給される。

図５は、本発明の実施形態の物流システムのパラメータを調整する処理の全体の概要の説明図である。

本実施形態のコンピュータ装置１０６は、物流システムの作業員が種々の悪要因にさらされても安定した作業が行えるように物流システムの各種のパラメータを調整する。具体的には、コンピュータ装置１０６は、各作業員の活動量に関する計測データに基づいて、後述する理想関係を維持するように、物流システムのパラメータ水準を決定し、その決定結果に従って物流システムに調整指示を行う。パラメータが調整された物流システムにおいて作業員の活動量が計測され、コンピュータ装置１０６は、作業員のストレスを説明変数、作業員の活動量の健全状態からの乖離度を目的変数とする一次の回帰方程式である理想関係式（図５のグラフ５０１に右上がりの実線で示すχ＝βＳ）の傾き（β）を計算し、さらに、乖離度のばらつきを計算して、そのばらつきが小さくなるように、再度、物流システムのパラメータ水準を調整する。乖離度のばらつきが小さくなるようなパラメータの値を適用することによって、ストレスの量が増えても作業員の状態が健全に保たれるため、作業員の基本機能が種々の外部悪要因に対して頑健化し、事故又は配送遅延といったインシデント発生のリスクが低下することが期待できる。

上記のように、本実施形態の物流システムでは、物流現場における人、物、場所に関するパラメータを最適化することによって目標性能が実現される。しかし、パラメータによっては、最適解を見つけるために試行実験を繰り返すことは現実的でない場合もある。そこで、以下、物流システムのパラメータの最適解を求めるための試行実験が十分にできる場合に適用される第一の方法及び十分にできない場合に適用される第二の方法について説明する。

なお、本実施形態では、物流現場で働く複数の作業員の基本機能を表す理想関係式を目的関数としているが、一般的には作業効率又は作業実績等が目的関数として設定されることが多い。それは、本発明が、まず作業員の活力を高め、その結果として作業効率及び作業実績を高めることを第一目標としているからであり、もしも、作業効率又は作業実績を高めることを第一目標とするのであれば、それに相応しい目的関数を選択しても計算上の不都合は発生しない。

以下に説明する処理は、本実施形態の物流システムにおけるコンピュータ装置１０６のＲＡＭ４０３等に格納されたプログラムに記述され、それに従い、ＣＰＵ４０１によって自動的に実行される。

まず、第一の方法として、作業員の基本機能を表す理想関係式の直線性を実現する効果が高い（すなわち目的変数への影響度が高い）物流システムのパラメータを最適化する方法を説明する。ここで、理想関係式の直線性を実現することは、上記の健全状態からの乖離度のばらつきを小さくすることに相当する。

まず、コンピュータ装置１０６は、物流パラメータＸに対するストレスＳの影響度を判定する必要がある。そのために、作業員のストレスに関するパラメータＳ（Ｓ_１，Ｓ_２，・・・，Ｓ_ｎ）の水準と、健全状態からの乖離度のばらつきσ_ｅ（σ_ｅ１，１，σ_ｅ１，２，・・・，σ_ｅｉ，Ｌ）、理想関係式の係数β（β_１，１，β_１，２，・・・，β_ｉ，Ｌ）、業務実績Ｅ（Ｅ_１，１，Ｅ_１，２，・・・，Ｅ_ｉ，Ｌ）及び物流パラメータＸ（Ｘ_１，１，Ｘ_１，２，・・・，Ｘ_ｉ，Ｌ）との関係を表す回帰方程式Ｆ（Ｓ）＝σ_ｅ、Ｆ（Ｓ）＝β、Ｆ（Ｓ）＝Ｅ及びＦ（Ｓ）＝Ｘが必要である。

図６は、本発明の実施形態の物流システムにおけるコンピュータ装置１０６が保持する物流システムパラメータの説明図である。

物流システムパラメータは、物流システムにおける人、物、場所等に関するパラメータであり、これによって作業者の行動が制約される。具体的には、物流システムパラメータは、例えば、各作業者が担当する作業を示す値、各作業の対象物の属性を示す値、各作業が行われる場所を示す値、及び、各作業のマニュアルの内容を示す値等のいずれかを含む。ここで、各作業のマニュアルとは、さまざまな方法で作業者に提示することが可能な指示及びガイダンス等を総称したものである。また、物流システムにおいて（すなわち各作業者が作業を行う場所又はその周囲で）ロボットが使用される場合、そのロボットの動きによって作業員の行動が制約を受ける場合があるため、そのロボットの制御パラメータを示す値が物流システムパラメータに含まれてもよい。ロボットの制御パラメータの一例は、そのロボットが物品を運搬する場合に、そのロボットの移動速度又は移動経路等を制御するパラメータである。

図６は、上記のようなパラメータの二次元配列表の一例である。この例において、各列に割りつけられたＸ_１〜Ｘ_ｊが上記のようなそれぞれのパラメータに相当し、１〜ｉの各行の値Ｌがそれぞれのパラメータの値（すなわち各パラメータの水準）である。例えば、パラメータＸ_１が、ある作業者が担当する作業を示すパラメータである場合、Ｌ_１，１〜Ｌ_ｉ，１は、それぞれ、その作業者が担当する具体的な作業を示す値である。

二次元配列表の１行のｊ個の値の組（例えばＬ_１，１〜Ｌ_１，ｊ）は、互いに矛盾なく、過不足もなく物流システムに適用できるパラメータの値の組である。コンピュータ装置１０６は、ｉ個の組のいずれかを選択し、物流システムに適用する。すなわち、各行がそれぞれ一つの物流システムを条件づけており、図６の二次元配列表は、物流システムのパラメータ群と理想関係式との対応関係を表している。

図７は、本発明の実施形態の物流システムにおいて活動量センサが計測する活動量データの説明図である。

この活動量データは、コンピュータ装置１０６の記憶部（例えばＲＡＭ４０３）に格納される。ここでは、各作業員に活動量センサとして加速度センサが装着された場合に取得される活動量データの例を示す。この例において、図７のＣｈ_１〜Ｃｈ_３は、それぞれ別の作業員に対応する。各作業員の活動量データは、計測日ごとの分析データと活動帯域データとを含む。分析データは、分析対象の活動量データ（この例では加速度データ）であり、例えば所定の間隔で繰り返し計測した加速度の値からなる時系列データである。活動帯域データは、所定の期間ごと（例えば各計測日ごと）に集計された累積量の値からなる。ここで、累積量とは、活動量の帯域ごとの、その帯域の活動の出現しやすさを示す指標（例えば出現回数又は出現頻度等）である。例えば、活動量として、加速度データから計算された作業員の動きの周波数を活動量として使用した場合、帯域ごとの累積量は、所定の期間（例えば１日又は１００日等）の作業員の動きの周波数スペクトルの帯域ごとの平均に相当する。

例えば、Ｃｈ_１に対応する作業者に装着された加速度センサが１日目にｎ回計測した加速度データがＤ_１１〜Ｄ_１ｎ、２日目にｎ回計測した加速度データがＤ_２１〜Ｄ_２ｎとして格納される。さらに、１日目の加速度データのうち、第１、第２及び第３の帯域の累積量ａ_１１、ｂ_１２及びＣ_１３、２日目の加速度データのうち、第１、第２及び第３の帯域の累積量ａ_２１、ｂ_２２及びＣ_２３が格納される。同様に、ｍ日目までの加速度データＤ_ｍ１〜Ｄ_ｍｎ及び累積量ａ_ｍ１、ｂ_ｍ２及びＣ_ｍ３までが活動量データとして格納される。

図８は、本発明の実施形態の物流システムにおける活動量から計算される累積量の説明図である。

この累積量は、図７の活動帯域データをグラフ表示したものである。例えば、活動帯域データａ_１１〜ａ_ｍ１は、加速度の値「４」から「５」までの帯域の累積量である。同様に、活動帯域データｂ_１２〜ｂ_ｍ２は、加速度の値「６」から「７」までの帯域の累積量であり、活動帯域データｃ_１３〜ｃ_ｍ３は、加速度の値「８」から「９」までの帯域の累積量である。図８にグラフ用時されたＣｈ_１〜Ｃｈ_３のａ，ｂ，ｃは、各作業員のｍ日分（例えば１００日分）のそれぞれの帯域の累積量を集計した結果である。一般に、活動量の累積量は、図８に示すように、活動量が大きくなるほど小さくなる、右下がりの分布を示す。

なお、図７及び図８には、説明を簡単にするために三つの帯域の累積量のみを計算する例を示したが、実際にはより多くの帯域の累積量を活動帯域データとして計算することが望ましい。

毎日の活動帯域データにはばらつきがあるが、仮に、十分に長い期間（例えば１００日間）、一度もインシデントが発生しなければ、その期間の平均値は健全なデータの平均値と考えられるため、それを理想データとして使用することができる。それぞれの日の三つの帯域の活動帯域データをｆ＝（ａ，ｂ，ｃ）とし、例えば１００日間の活動帯域データの平均（すなわち理想的な活動バランス）をｆ_ａｖ＝（ａ_ａｖ，ｂ_ａｖ，ｃ_ａｖ）とした場合、両者のユークリッド距離をそれぞれの日の活動帯域データの健全状態からの乖離度として計算することもできるが、本実施形態では、それぞれの日の活動帯域データの間の相関を考慮して、次のように乖離度χが計算される。すなわち、例えば１００日分の活動帯域データ及びその平均値が計算された場合、１００日分のｆ及びｆ_ａｖは、それぞれ３［データ／１日］×１００［日］の配列データとなり、Σを共分散行列として、式（１）によって乖離度χが計算される。

χ^２＝（ｆ−ｆ_ａｖ）^ＴΣ^−１（ｆ−ｆ_ａｖ） ・・・（１）

図９は、本発明の実施形態の物流システムにおけるコンピュータ装置１０６によって計算された健全状態からの乖離度の説明図である。

図９に示す表９０１は、Ｎ_１からＮ_ｍまでのｍ人の各作業員の、Ｓ_１からＳ_ｔまでのストレスが与えられた時の活動量から計算された乖離度χの値を含む。これらの値がコンピュータ装置１０６の記憶部に格納される。各行が各作業員Ｎ_１〜Ｎ_ｍに対応し、各列がストレス量Ｓ_１〜Ｓ_ｔに対応する。例えば、作業員Ｎ_１のストレス量Ｓ_１のときの活動量から計算された乖離度はχ_１，１、同じ作業員Ｎ_１のストレス量Ｓ_ｔのときの活動量から計算された乖離度はχ_１，ｔである。このように、図９の表９０１は、各作業員のストレス量と、健全な活動状態からの乖離度との関係を示している。

コンピュータ装置１０６は、図９の表９０１に格納された値に下記の式（２）〜式（９）の計算手順を適用することによって、理想関係式の推定値Ｙ（σ_ｅ，β）を得る。

全２乗和（χ_１１からχ_ｍｎまでの総和）
Ｓ_Ｔ＝Σχ^２＝χ_１１ ^２＋χ_１２ ^２＋・・・＋χ_１ｎ ^２
＋χ_２１ ^２＋χ_２２ ^２＋・・・＋χ_２ｎ ^２
＋・・・・・・・・・・・・・・
＋χ_ｍ１ ^２＋χ_ｍ２ ^２＋・・・＋χ_ｍｎ ^２ （自由度ｆ＝ｍｎ）
・・・（２）

有効除数
ｒ＝Σ（Ｓ）^２＝Ｓ_１ ^２＋Ｓ_２ ^２＋・・・＋Ｓ_ｎ ^２ （自由度ｆ＝１）
・・・（３）

比例項
β＝ΣΣ（Ｓ×χ）＝Ｓ_１×χ_１１＋Ｓ_２×χ_１２＋・・・＋Ｓ_ｎ×χ_１ｎ
＋Ｓ_１×χ_２１＋Ｓ_２×χ_２２＋・・・＋Ｓ_ｎ×χ_２ｎ
＋・・・・・・・・・・・・・・・
＋Ｓ_１×χ_ｍ１＋Ｓ_２×χ_ｍ２＋・・・＋Ｓ_ｎ×χ_ｍｎ
・・・（４）

比例項の変動
Ｓ_β＝β^２／ｒ （自由度ｆ＝１）・・・（５）

誤差変動
Ｓ_ｅ＝Ｓ_Ｔ−Ｓ_β （自由度ｆ＝ｍｎ−１）・・・（６）

誤差分散
Ｖ_ｅ＝Ｓ_ｅ／（ｍｎ−１） ・・・（７）

乖離度のばらつき（標準偏差）
σ_ｅ＝Ｖ_ｅ ^{（１／２）} ・・・（８）

図６の二次元配列表においてＸ_ｊの水準がＬとなる場合の総和
Ｙ_ｉ，Ｌ＝（ΣＹ_ｉ，ｊ）／（Ｌ^ｉ／Ｌ） ・・・（９）

図１０は、本発明の実施形態の物流システムにおけるコンピュータ装置１０６によって計算された作業員の理想関係式の推定値の説明図である。

図１０の表１００１には、コンピュータ装置１０６が上記の式（９）によって計算した各物流パラメータＸ（Ｘ_１〜Ｘ_ｉ）の各水準数（１〜Ｌ）に対応するＹの値（Ｙ_１，１〜Ｙ_ｉ，Ｌ）が含まれる。これらの値は、コンピュータ装置１０６の記憶部に格納される。コンピュータ装置１０６は、図６の二次元配列表の行１〜ｉのパラメータの水準数について、各作業員にストレス量Ｓ１〜Ｓｔを与えながら、上記の処理を繰り返し実行することによって、表１００１の全てのフィールドの値を計算する。

例えば、乖離度のばらつきを小さくしようとする場合において、パラメータＸ_１の水準数１〜Ｌに対応するＹ_１，１〜Ｙ_１，Ｌのうち、水準数３に対応するＹ_１，３の値が最も小さい場合、パラメータＸ_１については水準数３が最適である。このように、物流システムパラメータＸ_１〜Ｘ_ｉの各々について、乖離度のばらつきを最小にするための最適な値（水準数）を特定することができる。

次に、第二の方法として、作業員の基本機能を表す理想関係式の直線性を実現する効果が高い（すなわち目的変数への影響度が高い物流システムのパラメータを抽出し、そのパラメータの調整によって最適解へ近づける方法を説明する。

第二の方法では、第一の方法と同様に、図６の二次元配列表の各行がそれぞれ一つの物流システムを条件づけていると仮定したとき、現在の物流システムの状態が、二次元配列表のいずれかの行に対応しており、パラメータの調整はその行に含まれる複数のパラメータのうちせいぜい一つ又は二つ程度の間の交互作用しか扱えない場合を想定している。

この物流システムで働く作業員の基本機能の測定結果が図９の表９０１で与えられた場合について説明する。表９０１の各行が一人の作業員Ｎ（Ｎ_１，Ｎ_２，・・・，Ｎ_ｍ）に対応している。各列は、作業員のストレスＳ（Ｓ_１，Ｓ_２，・・・，Ｓ_ｎ）に対応している。この表が、作業員のストレスと、健全な活動状態からの乖離度χ（χ_１，１，χ_１，２，・・・，χ_ｍ，ｎ）との関係を表している点は第一の方法の説明と同様である。

ただし、第二の方法では、コンピュータ装置１０６は、各作業員がどの程度理想関係式の直線性の実現に貢献しているかを評価し、貢献度が低い作業員（例えば貢献度がある閾値より低い一人の作業員又は作業員のペア）を選び、それらの作業員の改善を行う。ここでは作業員Ｎをパラメータとしているが、作業員のストレスＳをパラメータとすることもできる。この場合には特定の作業はストレスＳの成分スペクトルを特徴量として記述される。

例えば、コンピュータ装置１０６は、ある一人の作業員（以下、これを作業員Ａと記載する）の健全な活動状態からの乖離度をχ_Ａ（χ_Ａ，１，χ_Ａ，２，・・・，χ_Ａ，ｎ）として、下記の式（１０）〜式（１６）の計算手順を適用することで、第一の方法のような作業員全体に関する値ではなく、作業員Ａの理想関係式推定値Ｙ_Ａ（σ_Ａｅ，β_Ａ）を得る。

全２乗和（χ_Ａ１からχ_Ａｎまでの総和）
Ｓ_Ｔ＝Σχ_Ａ ^２＝χ_Ａ１ ^２＋χ_Ａ２ ^２＋・・・＋χ_Ａｎ ^２
（自由度ｆ＝ｎ）・・・（１０）

有効除数
ｒ＝Σ（Ｓ）^２＝Ｓ_１ ^２＋Ｓ_２ ^２＋・・・＋Ｓ_ｎ ^２
（自由度ｆ＝１）・・・（１１）

比例項
β_Ａ＝Σ（Ｓ×χ）＝Ｓ_１×χ_Ａ１＋Ｓ_２×χ_Ａ２＋・・・＋Ｓ_ｎ×χ_Ａｎ
・・・（１２）

比例項の変動
Ｓ_β＝β_Ａ ^２／ｒ （自由度ｆ＝１）・・・（１３）

誤差変動
Ｓ_ｅ＝Ｓ_Ｔ−Ｓ_β （自由度ｆ＝ｎ−１）・・・（１４）

誤差分散
Ｖ_ｅ＝Ｓ_ｅ／（ｎ−１） ・・・（１５）

乖離度のばらつき（標準偏差）
σ_Ａｅ＝Ｖ_ｅ ^{（１／２）} ・・・（１６）

式（１２）及び式（１６）から作業員Ａの理想関係式の推定値Ｙ_Ａ（σ_Ａｅ，β_Ａ）が得られるので、コンピュータ装置１０６は、これと作業員全員の理想関係式の推定値Ｙ（σ_ｅ，β）とを比較する。仮にこれがある１日の結果であったとすると、１００日分の比較を行う場合には、Ｙ_Ａ（σ_Ａｅ）とＹ（σ_ｅ）との１００日分のデータの相関を計算することになる。コンピュータ装置１０６は、作業員Ａ以外の各作業員についても同じ要領で相関を計算する。また、コンピュータ装置１０６は、二人の作業員の交互作用についても同じ要領で相関を計算する。相関がある閾値より低くなる一人の作業員又は作業員のペアが理想関係式をばらつかせる元凶になっている可能性が高いため、コンピュータ装置１０６は、それらの作業員の作業が安定するように物流システムのパラメータを調整する。

例えば、コンピュータ装置１０６は、乖離度のばらつきが所定の閾値を超える一人の作業員を選択すると、物流システムのパラメータを変更し、計測された活動量データに基づいてその作業員の乖離度を計算する処理を繰り返すことで、その作業員の乖離度のばらつきが最も小さくなる物流システムのパラメータをその作業員の作業が安定するパラメータとして特定してもよい。このとき、コンピュータ装置１０６は、図６の二次元配列表６０１の各行を順次選択してそれを物流システムに適用することによって、物流システムのパラメータを変更してもよい。その場合、各作業員が担当する作業、各作業が行われる場所、作業マニュアルといった種々のパラメータの値が順次変更される。あるいは、コンピュータ装置１０６は、種々の物流システムのパラメータのうち、選択した作業員が担当する作業を示す値のみを変更してもよい。

乖離度のばらつきが所定の閾値を超える作業員が複数いる場合には、例えばそれらのうち最もばらつきが大きい作業員を選択してもよい。また、そのようにして選択した作業員を含む二人ないしはそれ以上の少数の作業員の組を選択し、その組について上記と同様の処理を行って、選択した作業員の組の作業が安定する物流システムのパラメータを特定してもよい。

このようにして特定されたパラメータの値は、第一の方法で最適値として得られたパラメータの値と異なり、必ずしも全体を最適化するものではないが、作業員の作業をある程度安定化できるパラメータであって、かつ、第一の方法と比較して格段に少ない試行回数で得ることができる。このため、例えば、パラメータの数及びそれぞれの水準数が多く、第一の方法では膨大な試行回数が必要とされるが、短期間でシステムを改善したい、といった場合等に、第二の方法が有効である。

図１１は、本発明の実施形態の物流システムにおけるコンピュータ装置１０６が実行する処理を示すフローチャートである。

具体的には、図１１は、これまでに説明した処理の手順をまとめたものである。

最初に、ユーザ（例えば物流システムの管理者等）は、人間行動の目的及び目標値を入力する（ステップ１１０１）。例えば、産業指標であれば、目的は実績向上であり、目標値は作業量又は作業効率であり、これらはストレス量に対応すると考えられる。

次に、コンピュータ装置１０６は、目的に従う人間行動の計測を行う（ステップ１１０２）。これは、図７等を参照して説明したように、十分に長い期間（例えば１００日間）の活動量を計測することに相当する。

次に、コンピュータ装置１０６は、人間の活動バランスを支配する普遍則を求める（ステップ１１０３）。これは、図８等を参照して説明した累積量を計算する処理に相当する。被験者の精神状態が健全であれば、日によって生活パターンが異なっても、グラフの形状は一致するので、それを普遍則として利用できる。このステップから、産業指標が精神医学指標に置き換えられる。精神医学指標の目的はホメオスタシス（自律神経の恒常性の維持）であり、目標値は活動バランスを支配する普遍則への適応の良さ、言い換えると乖離度の低さである。

次に、コンピュータ装置１０６は、毎日加速度波形の周波数スペクトルを計算して、普遍則からの乖離度を計算し（ステップ１１０４）、さらに乖離度のばらつき（標準偏差）を計算する（ステップ１１０６）。これらのステップは、図９、式（１）〜（８）、式（１０）〜（１６）を参照して説明した処理に相当する。

次に、コンピュータ装置１０６は、周囲改善又は自己改善等によって乖離度のばらつきを最小化する要因を自動決定するか、又は乖離度のばらつきを大きくする悪要因を自動推定する（ステップ１１０６）。これは、第一の方法では、物流システムのパラメータを変更しながら繰り返し乖離度のばらつきを計算し、式（９）、図１０等を参照して説明したように最適なパラメータを特定する処理に相当し、第二の方法では、乖離度のばらつきが所定の閾値より大きい作業員を特定する処理に相当する。

次に、コンピュータ装置１０６は、ステップ１１０６の結果に従って、改善を実行する（ステップ１１０７）。具体的には、選択された物流システムのパラメータに従って周囲の環境を整えたり、各作業員の行動方法を改善したり、作業を担当する作業者を変更したりする。

次に、コンピュータ装置１０６は、ステップ１１０７の改善によって目標が達成されたか否かを判定し（ステップ１１０８）、達成された場合には処理を終了し、達成されていない場合にはステップ１１０４以降の処理を繰り返し実行する。

図１２は、本発明の実施形態の物流システムにおいて計測される活動量及びそこから計算される活動帯域データの具体例の説明図である。

図１２（ａ）〜（ｃ）は、それぞれ別の日に計測された作業員の活動量の例である。この例では、活動量として、腕輪型センサ１０７に含まれる加速度センサが計測した加速度の交流成分の実行値が表示されている。これらの加速度データから計算した活動帯域データを図１２（ｄ）に示す。図１２（ｄ）の横軸は、加速度データから特定される腕の動きの周期であり、動きの周期の短さ（すなわち周波数の高さ）が活動量の高さに相当する。縦軸の累積量は、それぞれの周期の動きの出現回数である。すなわち、図１２（ｄ）は、作業員の活動を示す加速度波形の周波数スペクトルに相当する。

図１２（ａ）〜（ｃ）に示すように、作業員の行動パターンは日によって異なるが、累積量の分布の傾向は図１２（ｄ）に示すように類似する。このため、本実施形態では、十分に長い期間（例えば１０日又は１００日等）計測した加速度データから求められる活動帯域データが、人間の活動バランスを支配する普遍則として用いられる。

図１３は、本発明の実施形態の物流システムにおいて計算される乖離度の具体例の説明図である。

具体的には、図１３は、複数の作業員の活動量データのそれぞれについて計算された乖離度を重ねて表示したものである。すなわち、図１３は第二の方法で計算された乖離度の一例である。

この例において、複数の作業員の乖離度から右上がりの実線で示す理想関係式χ＝βＳの傾きβが計算されると、各作業員の乖離度は、図１３に示すように理想関係式の傾きβから求められる値に対して、その周囲にばらつく。このばらつき（言い換えると各作業員の乖離度の傾きのばらつき）が小さくなるように、既に説明した方法によって物流システムのパラメータが調整される。第一の方法についても、全作業員の活動量データ全体から計算された乖離度のばらつきが小さくなるように調整されるという点は上記と同様である。

以上の実施形態では作業員に装着された加速度センサが計測した加速度を作業員の活動量として使用する例を示したが、例えば、作業員の移動量、作業員間のコミュニケーション量、又はバイタルサインの水準等、加速度以外の活動量を使用してもよい。

また、作業員のストレス量は、例えば、各作業員が行うことが求められる作業の量又はその作業の実行を阻害する要因の大きさの少なくとも一方を含んでもよい。各作業員が行うことが求められる作業の量とは、物流システムにおいては、例えば１日にピッキング又は運搬等を行う物品の総量（総数又は総重量等）であってもよい。作業の実行を阻害する要因の大きさとは、例えば、病気、飲酒、服用している薬品、又は睡眠不足等による体調不良の程度であってもよい。

また、以上の実施形態では、腕輪型センサ１０７に含まれる加速度センサが計測した加速度データがコンピュータ装置１０６に送信され、コンピュータ装置が活動帯域データを生成する例を示したが、実際にはセンサ側である程度の計算処理を行ってもよい。例えば、腕輪型センサ１０７が、加速度センサ（図示省略）に加えて、ＣＰＵ（制御部、図示省略）及びメモリ（記憶部、図示省略）を有し、ＣＰＵが加速度データから活動帯域データ（すなわち帯域ごとの累積量）を計算し、その結果をコンピュータ装置１０６に送信してもよい。その場合、腕輪型センサのＣＰＵ、メモリ、コンピュータ装置１０６のＣＰＵ４０１及びＲＡＭ４０３等が情報処理装置を構成する。

以上の本発明の実施形態によれば、各作業員に与えられたストレスと十分に長い期間計測された各作業員の活動量とに基づいてストレスと活動量との理想的な関係を示す一次の回帰方程式である理想関係式を導出し、所定の期間（例えば１日）ごとの活動量の理想状態（健全状態）からの乖離度を計算し、その乖離度が小さくなるように物流システムのパラメータを調整することによって、作業員の基本機能を外部悪要因に対して頑健化し、インシデント発生のリスクを低下させることができる。

特に、第一の方法によれば、全作業員の活動量から計算された乖離度のばらつきが小さくなるようにパラメータを調整することによって、物流システム全体でパラメータを最適化することができる。また、第二の方法によれば、物流システム全体での最適解を求めるための第一の方法による試行実験が十分にできない場合であっても、特に乖離度のばらつきを悪化させる要因となっている作業員に着目して、その作業員の乖離度のばらつきが小さくなるようにパラメータを調整することで、基本機能を頑健化するために好適なパラメータを選択することができる。このとき、変更するパラメータを当該着目した作業員の担当作業のみに限定することによって、さらに簡便に、比較的好適なパラメータを選択することができる。

以上の実施形態は、物流システムにおける作業員のストレス及び活動量に基づいて物流システムのパラメータを調整する例を示したが、例えば、物品を製造する工場における作業員、又は、サービス産業の従事者等、任意のシステムを構成する人物及びそのシステムにおけるパラメータに本発明を適用することによって、同様に、人物の基本機能を頑健化し、インシデント発生のリスクを低下させることができる。

なお、本発明は上述した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。

上記の各構成、機能、処理部、処理手段等は、それらの一部または全部を、例えば集積回路で設計する等によってハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによってソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリ、ハードディスクドライブ、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶装置、または、ＩＣカード、ＳＤカード、ＤＶＤ等の計算機読み取り可能な非一時的データ記憶媒体に格納することができる。

また、図面には、実施例を説明するために必要と考えられる制御線及び情報線を示しており、必ずしも、本発明が適用された実際の製品に含まれる全ての制御線及び情報線を示しているとは限らない。実際にはほとんど全ての構成が相互に接続されていると考えてもよい。

Claims (12)

1. 制御部と、前記制御部に接続される記憶部と、を有する情報処理装置であって、
   前記記憶部は、複数の人物の各々の、時間ごとの活動量を示すデータ、及び、第１の所定の期間ごとの前記各人物のストレス量を示すデータを保持し、
   前記制御部は、
   前記第１の所定の期間ごとに、前記活動量の帯域ごとの累積量を計算し、
   複数の前記第１の所定の期間を含む第２の所定の期間における前記累積量に対する、各前記第１の所定の期間における前記累積量の乖離度を計算し、
   計算された前記各第１の所定の期間における前記累積量の乖離度と、前記各第１の所定の期間における前記ストレス量と、に基づいて、前記ストレス量を説明変数、前記乖離度を目的変数とする１次の回帰方程式の傾きを計算し、
   前記計算した傾きに対する前記乖離度のばらつきを計算することを特徴とする情報処理装置。
2. 請求項１に記載の情報処理装置であって、
   前記記憶部は、前記複数の人物の行動を制約するパラメータの値を保持し、
   前記制御部は、
   前記複数の人物全員の前記乖離度に基づいて、前記回帰方程式の傾きを計算し、
   前記計算した傾きに対する前記乖離度のばらつきを計算し、
   前記パラメータの値を変更しながら、それぞれの前記パラメータの値における前記活動量及び前記ストレス量に基づいて、前記乖離度を繰り返し計算することによって、前記乖離度のばらつきが小さくなる前記パラメータの値を探索することを特徴とする情報処理装置。
3. 請求項２に記載の情報処理装置であって、
   前記活動量は、前記各人物の身体のいずれかの部位の加速度、前記各人物の移動量、前記各人物と他の人物との間のコミュニケーション量、及び、前記各人物のバイタルサインのレベルの少なくとも一つを含み、
   前記ストレス量は、前記各人物が行うことが求められる作業の量、及び、前記作業の実行を阻害する要因の大きさの少なくとも一つを含み、
   前記パラメータは、前記各人物が担当する作業を示す値、各作業の対象物の属性を示す値、各作業が行われる場所を示す値、各作業のマニュアルの内容を示す値、及び、各作業が行われる場所又はその周囲で使用されるロボットの制御パラメータの少なくとも一つを含むことを特徴とする情報処理装置。
4. 請求項１に記載の情報処理装置であって、
   前記記憶部は、前記複数の人物の行動を制約するパラメータの値を保持し、
   前記制御部は、
   前記各人物の前記乖離度に基づいて、前記各人物について、前記回帰方程式の傾きを計算し、
   前記各人物について、前記計算した傾きに対する前記乖離度のばらつきを計算し、
   前記複数の人物のうち、計算された前記乖離度のばらつきが最も大きい人物を特定し、
   前記パラメータの値を変更しながら、それぞれの前記パラメータの値における前記活動量及び前記ストレス量に基づいて、前記特定された人物の前記乖離度を繰り返し計算することによって、前記特定された人物の前記乖離度のばらつきが小さくなる前記パラメータの値を探索することを特徴とする情報処理装置。
5. 請求項４に記載の情報処理装置であって、
   前記パラメータの値は、前記各人物が担当する作業を示す値を含み、
   前記制御部は、前記特定された人物が担当する作業を変更するように、前記パラメータの値を変更することを特徴とする情報処理装置。
6. 請求項４に記載の情報処理装置であって、
   前記活動量は、前記各人物の身体のいずれかの部位の加速度、前記各人物の移動量、前記各人物と他の人物との間のコミュニケーション量、及び、前記各人物のバイタルサインのレベルの少なくとも一つを含み、
   前記ストレス量は、前記各人物が行うことが求められる作業の量、及び、前記作業の実行を阻害する要因の大きさの少なくとも一つを含み、
   前記パラメータは、前記各人物が担当する作業を示す値、各作業の対象物の属性を示す値、各作業が行われる場所を示す値、各作業のマニュアルの内容を示す値、及び、各作業が行われる場所又はその周囲で使用されるロボットの制御パラメータの少なくとも一つを含むことを特徴とする情報処理装置。
7. 制御部と、前記制御部に接続される記憶部と、を有する計算機が実行する情報処理方法であって、
   前記記憶部が、複数の人物の各々の、時間ごとの活動量を示すデータ、及び、第１の所定の期間ごとの前記各人物のストレス量を示すデータを保持し、
   前記制御部が、前記第１の所定の期間ごとに、前記活動量の帯域ごとの累積量を計算し、
   前記制御部が、複数の前記第１の所定の期間を含む第２の所定の期間における前記累積量に対する、各前記第１の所定の期間における前記累積量の乖離度を計算し、
   前記制御部が、計算された前記各第１の所定の期間における前記累積量の乖離度と、前記各第１の所定の期間における前記ストレス量と、に基づいて、前記ストレス量を説明変数、前記乖離度を目的変数とする１次の回帰方程式の傾きを計算し、
   前記制御部が、前記計算した傾きに対する前記乖離度のばらつきを計算することを特徴とする情報処理方法。
8. 請求項７に記載の情報処理方法であって、
   前記記憶部が、前記複数の人物の行動を制約するパラメータの値を保持し、
   前記制御部が、前記複数の人物全員の前記乖離度に基づいて、前記回帰方程式の傾きを計算し、
   前記制御部が、前記計算した傾きに対する前記乖離度のばらつきを計算し、
   前記制御部が、前記パラメータの値を変更しながら、それぞれの前記パラメータの値における前記活動量及び前記ストレス量に基づいて、前記乖離度を繰り返し計算することによって、前記乖離度のばらつきが小さくなる前記パラメータの値を探索することを特徴とする情報処理方法。
9. 請求項８に記載の情報処理方法であって、
   前記活動量は、前記各人物の身体のいずれかの部位の加速度、前記各人物の移動量、前記各人物と他の人物との間のコミュニケーション量、及び、前記各人物のバイタルサインのレベルの少なくとも一つを含み、
   前記ストレス量は、前記各人物が行うことが求められる作業の量、及び、前記作業の実行を阻害する要因の大きさの少なくとも一つを含み、
   前記パラメータは、前記各人物が担当する作業を示す値、各作業の対象物の属性を示す値、各作業が行われる場所を示す値、各作業のマニュアルの内容を示す値、及び、各作業が行われる場所又はその周囲で使用されるロボットの制御パラメータの少なくとも一つを含むことを特徴とする情報処理方法。
10. 請求項７に記載の情報処理方法であって、
    前記記憶部が、前記複数の人物の行動を制約するパラメータの値を保持し、
    前記制御部が、前記各人物の前記乖離度に基づいて、前記各人物について、前記回帰方程式の傾きを計算し、
    前記制御部が、前記各人物について、前記計算した傾きに対する前記乖離度のばらつきを計算し、
    前記制御部が、前記複数の人物のうち、計算された前記乖離度のばらつきが最も大きい人物を特定し、
    前記制御部が、前記パラメータの値を変更しながら、それぞれの前記パラメータの値における前記活動量及び前記ストレス量に基づいて、前記特定された人物の前記乖離度を繰り返し計算することによって、前記特定された人物の前記乖離度のばらつきが小さくなる前記パラメータの値を探索することを特徴とする情報処理方法。
11. 請求項１０に記載の情報処理方法であって、
    前記パラメータの値は、前記各人物が担当する作業を示す値を含み、
    前記制御部が、前記特定された人物が担当する作業を変更するように、前記パラメータの値を変更することを特徴とする情報処理方法。
12. 請求項１０に記載の情報処理方法であって、
    前記活動量は、前記各人物の身体のいずれかの部位の加速度、前記各人物の移動量、前記各人物と他の人物との間のコミュニケーション量、及び、前記各人物のバイタルサインのレベルの少なくとも一つを含み、
    前記ストレス量は、前記各人物が行うことが求められる作業の量、及び、前記作業の実行を阻害する要因の大きさの少なくとも一つを含み、
    前記パラメータは、前記各人物が担当する作業を示す値、各作業の対象物の属性を示す値、各作業が行われる場所を示す値、各作業のマニュアルの内容を示す値、及び、各作業が行われる場所又はその周囲で使用されるロボットの制御パラメータの少なくとも一つを含むことを特徴とする情報処理方法。

Images