KR102265241B1 - 작업 분석 지원 장치, 작업 분석 지원 방법, 컴퓨터 프로그램 및 정보 기억 매체 - Google Patents
작업 분석 지원 장치, 작업 분석 지원 방법, 컴퓨터 프로그램 및 정보 기억 매체 Download PDFInfo
- Publication number
- KR102265241B1 KR102265241B1 KR1020187027381A KR20187027381A KR102265241B1 KR 102265241 B1 KR102265241 B1 KR 102265241B1 KR 1020187027381 A KR1020187027381 A KR 1020187027381A KR 20187027381 A KR20187027381 A KR 20187027381A KR 102265241 B1 KR102265241 B1 KR 102265241B1
- Authority
- KR
- South Korea
- Prior art keywords
- pattern
- evaluation
- job
- computer
- unit
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 28
- 238000004590 computer program Methods 0.000 title claims description 17
- 238000011156 evaluation Methods 0.000 claims abstract description 232
- 230000006870 function Effects 0.000 claims description 18
- 238000012937 correction Methods 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 4
- 230000006399 behavior Effects 0.000 claims description 2
- 238000005259 measurement Methods 0.000 description 18
- 230000010365 information processing Effects 0.000 description 10
- 230000009471 action Effects 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000002950 deficient Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000036982 action potential Effects 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- 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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- 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
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Multimedia (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Sewing Machines And Sewing (AREA)
Abstract
작업자의 작업에 대한 익숙도를 고려하여 당해 작업자의 동작 패턴을 평가한다. 작업자가 작업을 행할 때의 동작 패턴을 취득하는 패턴 취득부(12)와, 동작 패턴에 대한 평가 기준을 설정하는 평가 기준 설정부(15)와, 평가 기준에 기초하여 동작 패턴을 평가하는 패턴 평가부(18)를 갖고, 평가 기준 설정부(18)는, 어떠한 작업자가 어떠한 작업을 행할 때의 동작 패턴에 대한 평가 기준을, 어떠한 작업자가 어떠한 작업을 행한 횟수에 따라 설정한다.
Description
본 발명은 작업 분석 지원 장치, 작업 분석 지원 방법, 작업 분석 지원용 컴퓨터 프로그램, 및 컴퓨터 프로그램을 기억한 정보 기억 매체에 관한 것이며, 특히 작업자의 동작 패턴을 평가하는 작업 분석 지원 장치, 작업 분석 지원 방법, 컴퓨터 프로그램 및 정보 기억 매체에 관한 것이다.
작업 분석에 있어서, 작업자의 동작 패턴을 특정하는 것은 이미 알려져 있다. 그 일례로서는, 특허문헌 1에 기재된 기술을 들 수 있다. 특허문헌 1에는, 동작 패턴으로서, 작업 중에 있어서의 작업자의 궤적(이동 궤적)을 특정하는 것이 기재되어 있다. 또한, 특허문헌 1에는, 특정한 궤적에 작업의 표준 경로를 겹쳐서 표시하는 것이 기재되어 있다. 이에 의해, 분석자는, 작업자의 쓸데없는 움직임 등을 파악하는 등, 동작 패턴의 평가를 행하는 것이 가능하게 된다.
그런데, 동일한 작업자가 동일한 작업을 행하는 경우, 작업을 반복함에 따라 동작 패턴이 변화한다(구체적으로는, 이상적인 패턴에 접근함). 그 때문에, 각 회의 작업의 동작 패턴을 평가할 때에는, 작업자의 작업에 대한 익숙도를 고려하여 행할 필요가 있다. 한편, 특허문헌 1을 비롯하여, 종래의 작업 분석에서는, 익숙도를 고려한 동작 패턴의 평가가 실시되지 않았다. 그래서, 본 발명은 상기 문제를 감안하여 이루어진 것이며, 그 목적은, 작업자의 동작 패턴을 평가할 때 작업자의 작업에 대한 익숙도를 고려하는 것이 가능한 작업 분석 지원 장치, 작업 분석 지원 방법, 및 이것을 실현하기 위한 컴퓨터 프로그램, 그리고 당해 컴퓨터 프로그램을 기억한 정보 기억 매체를 제공하는 데 있다.
상기 과제는, 본 발명의 작업 분석 지원 장치에 따르면, 작업자가 작업을 행할 때의 동작 패턴을 취득하는 패턴 취득부와, 상기 동작 패턴에 대한 평가 기준을 설정하는 평가 기준 설정부와, 상기 평가 기준에 기초하여 상기 동작 패턴을 평가하는 패턴 평가부를 갖고, 상기 평가 기준 설정부는, 특정의 작업자가 특정의 작업을 행할 때의 상기 동작 패턴에 대한 상기 평가 기준을, 상기 특정의 작업자가 상기 특정의 작업을 행한 횟수에 따라 설정하고, 상기 동작 패턴이 취득된 작업의 양부에 관한 판정 결과의 입력을 접수하는 입력 접수부를 더 갖고, 상기 입력 접수부는, 상기 패턴 취득부가 취득한 상기 동작 패턴별로, 상기 판정 결과의 입력을 접수하고, 상기 평가 기준 설정부는, 과거에 취득한 상기 동작 패턴과, 해당 동작 패턴별로 입력을 접수한 상기 판정 결과를 사용하여 학습함으로써 상기 평가 기준을 설정하고, 상기 패턴 평가부는, 상기 동작 패턴에 대한 평가로서, 상기 평가 기준에 기초하여, 상기 동작 패턴이 취득된 작업의 양부를 판정함으로써 해결된다.
상술한 본 발명의 작업 분석 지원 장치는, 평가 기준에 기초하여 작업자의 동작 패턴을 평가한다. 여기서, 어떠한 작업자가 어떠한 작업을 행할 때의 동작 패턴에 대한 평가 기준에 대해서는, 어떠한 작업자가 어떠한 작업을 행한 횟수에 따라 설정되게 된다. 이에 의해, 작업자의 익숙도가 평가 기준에 반영되게 되고, 결과로서, 익숙도를 고려하여 동작 패턴을 평가하는 것이 가능하게 된다.
또한, 상기 구성에서는, 취득한 각 동작 패턴의 각각에 대하여, 작업의 양부에 관한 판정 결과의 입력을 접수한다. 그리고, 동작 패턴별 판정 결과를 학습하여 평가 기준을 설정한다. 그리고 나서, 새롭게 동작 패턴을 취득하였을 때에는, 당해 동작 패턴이 취득된 작업의 양부를 상기 평가 기준에 기초하여 판정한다. 이에 의해, 동작 패턴과 작업의 양부의 관계(상관)에 준하여 작업의 양부를 적절하게 판정하는 것이 가능하게 된다.
또한, 상기 구성에서는, 취득한 각 동작 패턴의 각각에 대하여, 작업의 양부에 관한 판정 결과의 입력을 접수한다. 그리고, 동작 패턴별 판정 결과를 학습하여 평가 기준을 설정한다. 그리고 나서, 새롭게 동작 패턴을 취득하였을 때에는, 당해 동작 패턴이 취득된 작업의 양부를 상기 평가 기준에 기초하여 판정한다. 이에 의해, 동작 패턴과 작업의 양부의 관계(상관)에 준하여 작업의 양부를 적절하게 판정하는 것이 가능하게 된다.
또한, 상기 작업 분석 지원 장치에 있어서, 상기 패턴 취득부는, 작업자가 작업을 행하고 있는 모습을 나타내는 영상을 해석하여 상기 동작 패턴을 취득시켜도 된다.
상기 구성에서는, 작업자가 작업을 행하고 있는 모습을 나타내는 영상을 해석하여 동작 패턴을 취득한다. 이에 의해, 동작 패턴을 적절하게 취득하는 것이 가능하게 된다.
삭제
삭제
또한, 상기 작업 분석 지원 장치에 있어서, 상기 패턴 평가부는, 상기 동작 패턴에 대한 평가로서, 상기 동작 패턴에 대한 득점의 산출을 상기 평가 기준에 기초하여 실시해도 된다.
상기 구성에서는, 동작 패턴에 대한 평가로서, 동작 패턴에 대한 득점을 산출한다. 이에 의해, 동작 패턴에 대하여 정량적인 평가가 가능하게 된다. 또한, 예를 들어 득점을 작업자에게 알림으로써, 자신의 동작을 다시 볼 계기를 제공하는 것이 가능하게 된다.
또한, 상기 작업 분석 지원 장치에 있어서, 상기 패턴 평가부는, 상기 동작 패턴과 기준 동작 패턴의 상이 정도를 특정하고, 해당 상이 정도 및 상기 평가 기준에 기초하여 상기 동작 패턴을 평가해도 된다.
상기 구성에서는, 동작 패턴을 평가함에 있어서, 당해 동작 패턴과 기준 동작 패턴을 대비하여, 양쪽 패턴간의 상이 정도를 특정한다. 그리고, 특정한 상이 정도 및 평가 기준에 기초하여 동작 패턴을 평가한다. 이와 같이 기준 동작 패턴과의 상이 정도에 기초하여 동작 패턴을 평가하면, 보다 타당한 평가 결과가 얻어지게 된다.
또한, 상기 작업 분석 지원 장치에 있어서, 작업자가 작업을 행할 때의 상태를 계측한 상태 정보, 및 작업자가 작업을 행하는 환경에 관한 환경 정보 중 적어도 하나의 정보를 취득하는 정보 취득부와, 해당 정보 취득부가 취득한 정보에 기초하여 상기 동작 패턴을 예측하는 패턴 예측부를 갖고, 상기 패턴 평가부는, 상기 패턴 예측부에 의해 예측된 상기 동작 패턴을 상기 평가 기준에 기초하여 평가해도 된다.
상기 구성에 따르면, 작업자의 상태나 작업 환경에 관한 정보를 취득하고, 취득한 정보에 기초하여 동작 패턴을 예측한다. 그리고, 예측된 동작 패턴을 평가 기준에 기초하여 평가한다. 이에 의해, 어떠한 상태 또는 어떠한 작업 환경 하에서 작업자가 작업을 행한 경우의 동작 패턴, 그리고 당해 동작 패턴에 대한 평가 결과를 예측하는 것이 가능하게 된다. 이 결과, 예를 들어 작업자의 상태나 환경을 개선하는 계기를 제공하는 것이 가능하게 된다.
또한, 상술한 과제는, 본 발명의 작업 분석 지원 방법에 따르면, 컴퓨터가, 작업자가 작업을 행할 때의 동작 패턴을 취득하는 것과, 컴퓨터가, 상기 동작 패턴에 대한 평가 기준을 설정하는 것과, 컴퓨터가, 상기 평가 기준에 기초하여 상기 동작 패턴을 평가하는 것을 갖고, 컴퓨터가, 특정의 작업자가 특정의 작업을 행할 때의 상기 동작 패턴에 대한 상기 평가 기준을, 상기 특정의 작업자가 상기 특정의 작업을 행한 횟수에 따라 설정하고, 컴퓨터가, 상기 동작 패턴을 취득한 작업의 양부에 관한 판정 결과의 입력을 접수하는 것을 더 갖고, 컴퓨터가, 취득한 상기 동작 패턴별로, 상기 판정 결과의 입력을 접수하고, 과거에 취득한 상기 동작 패턴과, 해당 동작 패턴별로 입력을 접수한 상기 판정 결과를 사용하여 학습함으로써 상기 평가 기준을 설정하고, 상기 동작 패턴에 대한 평가로서, 상기 평가 기준에 기초하여, 상기 동작 패턴을 취득한 작업의 양부를 판정함으로써 해결된다.
상기 방법에 따르면, 작업자의 작업에 대한 익숙도를 고려하여 당해 작업자의 동작 패턴을 평가하는 것이 가능하게 된다.
또한, 상술한 과제는, 본 발명의 컴퓨터 프로그램에 따르면, 컴퓨터를 작업 분석 지원 장치로서 기능시키기 위한 정보 기억 매체에 기억된 컴퓨터 프로그램이며, 상기 컴퓨터를, 작업자가 작업을 행할 때의 동작 패턴을 취득하는 패턴 취득부와, 상기 동작 패턴에 대한 평가 기준을 설정하는 평가 기준 설정부와, 상기 평가 기준에 기초하여 상기 동작 패턴을 평가하는 패턴 평가부를 갖는 상기 작업 분석 지원 장치로서 기능시키고, 상기 평가 기준 설정부로서 기능하는 상기 컴퓨터에, 특정의 작업자가 특정의 작업을 행할 때의 상기 동작 패턴에 대한 상기 평가 기준을, 상기 특정의 작업자가 상기 특정의 작업을 행한 횟수에 따라 설정시키고, 상기 컴퓨터를, 상기 동작 패턴이 취득된 작업의 양부에 관한 판정 결과의 입력을 접수하는 입력 접수부를 더 갖는 상기 작업 분석 지원 장치로서 기능시키고, 상기 입력 접수부로서 기능하는 상기 컴퓨터에, 상기 패턴 취득부가 취득한 상기 동작 패턴별로, 상기 판정 결과의 입력을 접수시키고, 상기 평가 기준 설정부로서 기능하는 상기 컴퓨터에, 과거에 취득한 상기 동작 패턴과, 해당 동작 패턴별로 입력을 접수한 상기 판정 결과를 사용하여 학습시킴으로써 상기 평가 기준을 설정시키고, 상기 패턴 평가부로서 기능하는 상기 컴퓨터에, 상기 동작 패턴에 대한 평가로서, 상기 평가 기준에 기초하여, 상기 동작 패턴이 취득된 작업의 양부를 판정시킴으로써 해결된다.
상술한 본 발명의 컴퓨터 프로그램을 컴퓨터에 실행시키면, 작업자의 작업에 대한 익숙도를 고려하여 당해 작업자의 동작 패턴을 평가하는 것이 가능하게 된다.
삭제
삭제
본 발명에 따르면, 작업 분석에 있어서, 작업자의 작업에 대한 익숙도를 고려하여 당해 작업자의 동작 패턴을 적절하게 평가하는 것이 가능하게 된다.
도 1은, 어떠한 작업자가 어떠한 작업을 행하고 있는 모습을 도시하는 도면이다.
도 2는, 본 발명의 컴퓨터의 구성예를 도시하는 도면이다.
도 3은, 본 발명의 컴퓨터의 기능을 도시하는 도면이다.
도 4는, 동작 패턴의 일례를 도시하는 도면이다.
도 5는, 제1 실시 형태에 관한 평가 기준 설정 플로우의 흐름을 도시하는 도면이다.
도 6은, 제1 실시 형태에 관한 패턴 평가 플로우의 흐름을 도시하는 도면이다.
도 7은, 제1 실시 형태에 관한 예측 패턴 평가 플로우의 흐름을 도시하는 도면이다.
도 8은, 제2 실시 형태에 관한 패턴 평가 플로우의 흐름을 도시하는 도면이다.
도 9는, 제2 실시 형태에 관한 예측 패턴 평가 플로우의 흐름을 도시하는 도면이다.
도 2는, 본 발명의 컴퓨터의 구성예를 도시하는 도면이다.
도 3은, 본 발명의 컴퓨터의 기능을 도시하는 도면이다.
도 4는, 동작 패턴의 일례를 도시하는 도면이다.
도 5는, 제1 실시 형태에 관한 평가 기준 설정 플로우의 흐름을 도시하는 도면이다.
도 6은, 제1 실시 형태에 관한 패턴 평가 플로우의 흐름을 도시하는 도면이다.
도 7은, 제1 실시 형태에 관한 예측 패턴 평가 플로우의 흐름을 도시하는 도면이다.
도 8은, 제2 실시 형태에 관한 패턴 평가 플로우의 흐름을 도시하는 도면이다.
도 9는, 제2 실시 형태에 관한 예측 패턴 평가 플로우의 흐름을 도시하는 도면이다.
이하, 본 발명의 작업 분석 지원 장치, 작업 분석 지원 방법, 컴퓨터 프로그램 및 정보 기억 매체의 각각에 대하여, 구체예를 들어 설명하는 것으로 한다. 또한, 이하의 설명 중, 「작업」이란, 일련의 흐름을 따라 행해지는 복수의 소작(동작)을 의미한다. 또한, 「동작 요소」란, 작업의 구성 단위에 상당하며, 통상, 하나의 작업에는 복수의 동작 요소가 포함되어 있다.
본 발명의 컴퓨터 프로그램은, 컴퓨터에 판독 가능한 플래시 메모리 혹은 광디스크 등의 정보 기억 매체에 기억되어 있고, 컴퓨터에 실행됨으로써, 컴퓨터를 작업 분석 지원 장치로서 기능시키는 것이다. 컴퓨터는, 일반적인 퍼스널 컴퓨터, 서버 컴퓨터, 스마트폰, PDA(Personal Digital Assistant) 등이 해당된다. 분석자는, 컴퓨터에 탑재된 본 발명의 컴퓨터 프로그램을 기동함으로써, 당해 컴퓨터를 작업 분석 지원 장치로서 사용하는 것이 가능하다.
그리고, 작업 분석 지원 장치인 컴퓨터는, 작업 중인 작업자의 행동(동작)을 평가하는 기능을 구비하고 있고, 구체적으로는, 작업에 있어서의 작업자의 동작 패턴을 평가한다. 또한, 동작 패턴 및 그 평가 방법에 대해서는, 나중에 상세하게 설명한다.
이하, 본 발명의 구체적 실시 형태로서 2개의 실시 형태를 들어, 각각의 실시 형태별로, 작업 분석 지원 장치인 컴퓨터의 구성이나 기능에 대하여 설명하는 것으로 한다. 또한, 이하에서는, 도 1에 도시한 작업을 구체적으로 설명하면, 어떠한 작업자(이하, 작업자(P))가 컨베이어(Q) 상에서 반송되는 짐 상자(W)에 도시하지 않은 제품을 넣어서 봉함하는 작업(이하, 작업(X))을 분석하는 케이스를 상정하여 설명하는 것으로 한다. 또한, 당연히, 분석 대상의 작업은 특별히 한정되는 것은 아니며, 상기 내용과는 상이한 작업을 분석하는 경우에도 본 발명을 적용하는 것이 가능하다.
<<제1 실시 형태>>
우선, 제1 실시 형태에 대하여 설명한다. 제1 실시 형태에 있어서, 작업 분석 지원 장치인 컴퓨터(10)는, 도 2에 도시하는 바와 같이, CPU(10a), 메모리(10b), 하드 디스크 드라이브(10c)(도면 중, HDD라고 표기), I/O 포트(10d), 입력 기기(10e) 및 출력 기기(10f)를 구비하고 있다. 또한, 컴퓨터(10)에는, 컴퓨터(10)를 작업 분석 지원 장치로서 기능시키기 위한 프로그램(이하, 작업 분석 지원 프로그램)이 인스톨되어 있다. 이 작업 분석 지원 프로그램이, 본 발명의 컴퓨터 프로그램에 해당된다.
또한, 컴퓨터(10)는, I/O 포트(10d)를 통하여 카메라(R)의 촬상 영상이나 계측 센서(S)의 계측 결과를 취득한다. 카메라(R)는, 도 1에 도시하는 바와 같이, 작업자(P)가 작업(X)을 행하고 있는 모습을 촬영한다. 계측 센서(S)는, 작업자(P)가 작업(X)을 행하고 있는 동안에 작업자(P)의 상태 정보, 보다 구체적으로는 작업자(P)의 생체 정보(예를 들어, 맥박수, 체온, 근육의 활동 전위, 호흡량, 동공의 개방 상태 등)를 계측한다. 또한, 컴퓨터(10)는, I/O 포트(10d)를 통하여 반송 컨베이어(Q)를 향하여 제어 신호를 출력함으로써 컨베이어(Q)를 원격 제어하고, 그의 반송 속도를 조정한다.
컴퓨터(10)의 기능에 대하여 도 3을 참조하면서 설명하면, 컴퓨터(10)는, 영상 취득부(11), 패턴 취득부(12), 기준 동작 패턴 선택부(13), 입력 접수부(14), 평가 기준 설정부(15), 정보 취득부(16), 패턴 예측부(17), 패턴 평가부(18), 평가 결과 출력부(19) 및 기기 제어부(20)를 갖는다. 이들 기능부는, 상술한 컴퓨터(10)의 구성 기기(하드웨어 기기)가 소프트웨어인 작업 분석 지원 프로그램과 협동함으로써 실현된다. 이하, 각 기능부에 대하여, 각각 설명한다.
영상 취득부(11)는, 카메라(R)의 촬영 영상을 취득한다. 또한, 본 실시 형태에 있어서, 영상 취득부(11)는, 작업자(P)가 작업(X)을 행할 때마다, 그 모습을 촬영한 영상을 카메라(R)로부터 취득한다.
패턴 취득부(12)는, 영상 취득부(11)가 취득한 촬영 영상을 해석함으로써, 작업(X)에 있어서의 작업자(P)의 동작 패턴을 취득한다. 동작 패턴이란, 작업(X) 중에 작업자(P)가 행하는 동작의 내용을, 그 동작이 행해지고 있는 시간과 함께 나타내고 있는 것이다. 또한, 본 실시 형태에서는, 동작 패턴의 일례로서 도 4에 도시한 동작 요소표를 취득한다. 이 동작 요소표는, 작업(X)을 구성하는 각 동작 요소에 대하여, 동작 시간대, 동작 내용, 동작 시간 및 무효 시간을 수록한 것이다. 「동작 시간대」란, 동작 요소가 실행되는 시간대이며, 구체적으로는 동작 요소의 개시 시점에서 종료 시점까지의 기간이다. 「동작 내용」이란, 동작 요소에 관한 구체적 내용이다. 「동작 시간」이란, 동작 요소에 요하는 실제 시간이다. 「무효 시간」이란, 동작 시간 중, 유효한 동작이 행해지고 있지 않은 시간이다.
패턴 취득부(12)는, 영상 취득부(11)가 카메라(R)의 촬영 영상을 취득하면, 그때마다, 동작 패턴으로서의 동작 요소표를 취득한다. 환언하면, 본 실시 형태에서는, 작업자(P)가 작업(X)을 행할 때마다, 당해 작업자(P)의 동작 패턴이 취득되게 된다. 또한, 취득된 동작 패턴은, 작업(X)에 있어서의 작업자(P)의 동작 패턴으로서 하드 디스크 드라이브(10c)에 축적된다.
동작 요소표에 대하여 부언해 두면, 동작 요소표의 수록 내용에 대해서는, 상기 내용에 한정되지 않고, 다른 내용(예를 들어, 동작 요소의 종별 등)이 포함되어 있어도 된다. 덧붙여서 말하자면, 작업 영상으로부터 동작 요소표를 취득하는 방법으로서는, 공지의 방법이 이용 가능하며, 예를 들어 작업 영상을 동작 요소 단위로 구획하고, 각각의 동작 요소에 대하여 동작 시간대나 무효 시간 등을 수록함으로써 동작 요소표를 취득하는 방법을 이용해도 된다.
또한, 동작 패턴은, 상기 동작 요소표 이외의 것이어도 되고, 예를 들어 작업(X) 중에 작업자(P)가 이동하였을 때의 이동 궤적, 혹은 작업자(P)의 신체 각 부의 움직임(변위)을 나타낸 것을 동작 패턴으로서 취득해도 된다.
기준 동작 패턴 선택부(13)는, 하드 디스크 드라이브(10c)에 축적된 동작 패턴(엄밀하게는, 작업(X)에 있어서의 작업자(P)의 동작 패턴) 중에서 하나의 동작 패턴을 기준 동작 패턴으로서 선택한다. 「기준 동작 패턴」이란, 작업(X)에 있어서의 이상적인 패턴으로서 설정되는 동작 패턴이다. 또한, 본 실시 형태에서는, 작업자(P)의 동작 패턴 중에서 기준 동작 패턴을 선택하는 것으로 하였지만, 이것에 한정되는 것은 아니다. 예를 들어, 작업자(P) 이외의 사람, 구체적으로는 작업(X)에 익숙한 사람(숙련자)의 동작 패턴을 미리 등록해 두고, 이러한 동작 패턴을 기준 동작 패턴으로 해도 된다. 혹은, 기준 동작 패턴을 이론적으로 구해도 된다.
입력 접수부(14)는, 입력 기기(10e)를 통하여 분석자가 입력한 사항을 접수한다. 입력 접수부(14)가 접수하는 입력 사항에는, 동작 패턴(동작 요소표)이 취득된 작업(X)의 양부에 관한 판정 결과가 포함되어 있다. 구체적으로 설명하면, 분석자는, 영상 취득부(11)가 취득한 카메라(R)의 영상을 보면서, 작업자(P)에 의해 행해진 작업(X)에 대한 양부를 판정하고, 그 판정 결과를 입력 기기(10e)에 의해 입력한다. 입력 접수부(14)는, 작업(X)에 대한 양부 판정 결과에 대한 입력을 접수한다.
또한, 입력 접수부(14)는, 작업 양부의 판정 결과를, 판정 대상인 작업(구체적으로는 작업(X))에 있어서의 동작 패턴과 관련지어서 하드 디스크 드라이브(10c)에 축적시킨다. 즉, 입력 접수부(14)는, 패턴 취득부(12)가 취득한 동작 패턴별로, 작업 양부의 판정 결과의 입력을 접수하고, 당해 판정 결과와 대응하는 동작 패턴을 세트로 하여 하드 디스크 드라이브(10c)에 기억시킨다.
평가 기준 설정부(15)는, 작업(X)에 있어서의 작업자(P)의 동작 패턴(동작 요소표)을 평가할 때의 평가 기준을 설정한다. 제1 실시 형태에 있어서, 평가 기준 설정부(15)는, 패턴 취득부(12)가 과거에 취득한 동작 패턴과, 입력 접수부(14)가 동작 패턴별로 입력을 접수한 양부 판정 결과에 기초하여 평가 기준으로서의 역치를 설정한다.
보다 상세하게 설명하면, 평가 기준 설정부(15)는, 과거에 취득한 동작 패턴의 각각에 대하여, 기준 동작 패턴과의 상이 정도를 특정한다. 「상이 정도」란, 동작 패턴과 기준 동작 패턴의 차이를 수치화(정량화)한 것이며, 예를 들어 유클리드 거리나 마하라노비스 거리 등에 의한 유사도 측정법을 채용함으로써 특정된다. 상이 정도를 특정한 후, 평가 기준 설정부(15)는, 동작 패턴별로 구한 기준 동작 패턴과의 상이 정도, 및 동작 패턴별로 입력을 접수한 양부 판정 결과를 인풋으로 하여 심층 학습(엄밀하게는, 교사가 있는 학습)을 실시한다. 이 심층 학습에 의해, 작업(X)의 양부를 판정할 때의 기준값으로서의 역치가 설정된다.
제1 실시 형태에 있어서, 평가 기준 설정부(15)는, 상술한 수순으로 평가 기준으로서의 역치를 설정한다. 또한, 평가 기준 설정부(15)는, 작업(X)에 있어서의 작업자(P)의 동작 패턴에 대한 평가 기준을, 작업자(P)가 작업(X)을 행한 횟수(작업 실시 횟수)에 따라 설정한다. 구체적으로 설명하면, 작업 실시 횟수가 N회(N은 2 이상의 자연수) 이상으로 된 경우, 평가 기준 설정부(15)는, 상술한 수순으로 설정된 역치를 보정한다. 이 때문에, 작업 실시 횟수가 N회로 된 후에 취득된 동작 패턴을 평가할 때에는, 보정 후의 역치에 기초하여 평가하게 된다. 또한, 보정 방법에 대해서는, 특별히 한정되는 것은 아니지만, 보정 후의 역치가 보정 전의 역치보다 작아지도록 보정하면 된다.
정보 취득부(16)는, 계측 센서(S)가 계측한 생체 정보를 취득한다. 패턴 예측부(17)는, 정보 취득부(16)가 취득한 생체 정보에 기초하여 동작 패턴을 예측한다. 여기서, 예측되는 동작 패턴은, 정보 취득부(16)에 의해 취득된 생체 정보 하에서 작업자(P)가 작업(X)을 행한 경우에 취득될 것으로 예상되는 동작 패턴이다.
또한, 패턴 예측부(17)는, 동작 패턴을 예측함에 있어서, 생체 정보와 동작 패턴의 상관 관계를 특정한다. 구체적으로 설명하면, 패턴 예측부(17)는, 정보 취득부(16)가 과거에 취득한 생체 정보와, 그 계측 시점에서 행해지고 있던 작업(X)에 있어서의 동작 패턴의 상관 관계를 통계학적 방법(예를 들어, 회귀 분석)에 의해 특정한다. 그리고, 패턴 예측부(17)는, 정보 취득부(16)가 새롭게 생체 정보를 취득하였을 때, 당해 생체 정보를 상기 상관 관계(구체적으로는 회귀식)에 도입함으로써 동작 패턴을 예측한다.
패턴 평가부(18)는, 평가 기준 설정부(15)가 설정한 평가 기준에 기초하여, 패턴 취득부(12)가 취득한 동작 패턴을 평가한다. 구체적으로 설명하면, 패턴 취득부(12)가 평가 대상의 동작 패턴(이하, 평가 대상 패턴)을 취득하면, 패턴 평가부(18)는, 평가 대상 패턴과 기준 동작 패턴을 대비하여, 양쪽 패턴의 상이 정도를 특정한다. 그 후, 패턴 평가부(18)는, 특정한 상이 정도와 평가 기준으로서 설정된 역치의 대소 관계를 특정한다. 그리고, 특정한 상이 정도가 역치를 하회하는 경우, 패턴 평가부(18)는, 평가 대상 패턴이 취득된 작업(X)을 양호라고 판정한다. 반대로, 특정한 상이 정도가 역치 이상인 경우, 패턴 평가부(18)는, 평가 대상 패턴이 특정된 작업(X)을 불량이라고 판정한다.
또한, 패턴 평가부(18)는, 패턴 예측부(17)에 의해 예측된 패턴에 대해서도, 상기와 마찬가지의 요령으로 평가한다.
평가 결과 출력부(19)는, 패턴 평가부(18)가 동작 패턴을 평가하였을 때의 평가 결과를, 출력 기기(10f)를 통하여 출력한다. 구체적으로 설명하면, 평가 결과 출력부(19)는, 출력 기기(10f)인 디스플레이(도시하지 않음)에 평가 결과를 표시한다. 또한, 평가 결과 출력부(19)에 의한 평가 결과의 출력 방법에 대해서는, 디스플레이로의 표시에 한정되는 것은 아니며, 평가 결과에 따른 음을 스피커나 경보 발생기에 발생시켜도 되고, 평가 결과에 따른 색으로 발광 기기를 발광시켜도 된다.
기기 제어부(20)는, 패턴 평가부(18)가 동작 패턴을 평가하였을 때의 평가 결과에 따라, 반송 컨베이어(Q)를 제어하고, 반송 컨베이어(Q)에 있어서의 짐 상자(W)의 반송 속도를 조정한다. 구체적으로 설명하면, 패턴 평가부(18)는, 동작 패턴과 기준 동작 패턴의 상이 정도가 역치 이상인지 여부를 특정함으로써, 당해 동작 패턴이 취득된 작업(X)의 양부를 판정한 후에, 상기 상이 정도와 역치의 차를 더 평가한다. 이러한 차가 소정값 이상인 경우, 기기 제어부(20)는, 반송 속도가 상승하도록 반송 컨베이어(Q)를 제어한다.
이상과 같이, 본 실시 형태에서는, 동작 패턴이 기준 동작 패턴과 현저하게 상이한 경우, 즉 작업(X)에 있어서의 작업자(P)의 동작이 이상적인 움직임과 동떨어져 있는 경우에는, 기기 제어부(20)가 반송 컨베이어(Q)에 있어서의 반송 속도를 조정한다(상승시킨다). 이에 의해, 작업자(P)의 작업 속도를 강제적으로 빠르게 하여 작업자(P)의 동작을 이상적인 움직임에 가깝게 하는 것이 가능하게 된다.
이어서, 제1 실시 형태에 있어서 컴퓨터(10)가 작업 분석 지원 장치로서 동작할 때의 동작예에 대하여 설명한다. 분석자가 작업 분석 지원 프로그램의 기동 조작을 행하면, 컴퓨터(10)는, 입력 기기(10e)를 통하여 당해 기동 조작을 접수하고, 작업 분석 지원 장치로서 기능하게 된다. 즉, 컴퓨터(10)는, 작업 분석 지원 프로그램이 기동함으로써, 상술한 기능(구체적으로는, 영상 취득부(11), 패턴 취득부(12), 기준 동작 패턴 선택부(13), 입력 접수부(14), 평가 기준 설정부(15), 정보 취득부(16), 패턴 예측부(17), 패턴 평가부(18), 평가 결과 출력부(19) 및 기기 제어부(20)로서의 기능)을 발휘하게 된다.
그리고, 작업 분석 지원 장치로서의 컴퓨터(10)는, 작업(X)에 있어서의 작업자(P)의 동작 패턴을 평가하기 위해 일련의 정보 처리를 실행한다. 이때, 컴퓨터(10)는, 본 발명의 작업 분석 지원 방법에 준하여, 동작 패턴 평가에 관한 각종 정보 처리를 실행한다. 즉, 본 발명의 작업 분석 지원 방법은, 작업 분석 지원 장치로서의 컴퓨터(10)가 동작 패턴 평가에 관한 각종 정보 처리를 실행함으로써 실현된다.
컴퓨터(10)에 의한 정보 처리에 대하여 상세하게 설명하면, 작업 분석 지원 프로그램이 기동된 후, 도시하지 않은 지정 화면에 있어서 3개의 실행 모드가 제시된다. 여기서, 제시되는 3개의 실행 모드는, 「학습 모드」, 「패턴 평가 모드」 및 「예측 패턴 평가 모드」이다. 분석자는, 제시된 3개의 실행 모드 중에서 하나의 모드를 지정한다. 그리고, 작업 분석 지원 장치로서의 컴퓨터(10)는, 지정된 실행 모드에 대응한 정보 처리를 실행한다. 이하, 각 모드에 있어서의 정보 처리에 대하여 개별적으로 설명한다. 또한, 이하의 설명에서는, 작업(X)에 있어서의 작업자(P)의 동작 패턴을 간단히 「동작 패턴」이라고 칭하는 것으로 한다.
「학습 모드」가 지정된 경우, 컴퓨터(10)는, 도 5에 도시된 평가 기준 설정 플로우를 실행한다. 본 처리는, 과거에 취득한 복수의 동작 패턴과, 기준 동작 패턴과, 동작 패턴별로 입력을 접수한 작업(X)에 대한 양부 판정의 결과를 사용하여 심층 학습을 실시하고, 평가 기준으로서의 역치를 설정하기 위한 처리이다.
평가 기준 설정 플로우에 대하여 도 5를 참조하면서 설명하면, 우선, 컴퓨터(10)는, 과거에 취득한 동작 패턴을 하드 디스크 드라이브(10c)로부터 판독한다(S001). 또한, 컴퓨터(10)는, 전 스텝 S011에서 판독한 동작 패턴과 기준 동작 패턴의 상이 정도를 특정한다(S002). 또한, 기준 동작 패턴에 대해서는, 평가 기준 설정 플로우의 실시 시에 분석자가 기준 동작 패턴으로 하는 동작 패턴을 결정하여 입력 기기(10e)에서 소정의 조작을 행하고, 컴퓨터(10)가 당해 조작을 접수함으로써 선택된다.
또한, 컴퓨터(10)는, 스텝 S001에서 판독한 동작 패턴과 세트로 되어 있는 작업(X)에 대한 양부 판정의 결과를 하드 디스크 드라이브(10c)로부터 판독한다(S003). 이상까지의 스텝(S001 내지 S003)에 대해서는, 과거에 취득한 동작 패턴 전부에 대하여 반복된다(S004).
그 후, 컴퓨터(10)는, 스텝 S002에서 특정한 동작 패턴별 상이 정도와, 스텝 S003에서 판독한 동작 패턴별 판정 결과를 인풋으로 하여 심층 학습을 실시한다(S005). 이러한 심층 학습에 의해, 전술한 역치가 설정된다. 또한, 컴퓨터(10)는, 과거에 취득한 동작 패턴의 수로부터 작업(X)의 실시 횟수를 특정하고, 특정한 작업 실시 횟수가 N회 이상인지 여부를 판정한다(S006). 작업 실시 횟수가 N회 미만인 경우, 전 스텝 S005에서 설정된 역치는, 그 값인 채로 후술하는 패턴 평가 플로우나 예측 패턴 평가 플로우에 있어서 이용된다.
한편, 작업 실시 횟수가 N회 이상인 경우, 컴퓨터(10)는, 전 스텝 S005에서 설정한 역치를 작업 실시 횟수에 따라 보정한다(S007). 이와 같이 역치가 보정된 경우, 보정 후의 역치가 패턴 평가 플로우나 예측 패턴 평가 플로우에 있어서 이용된다.
이상까지의 스텝이 모두 완료된 시점(환언하면, 역치가 확정된 시점)에서 평가 기준 플로우는 종료된다.
이어서, 「패턴 평가 모드」에 대하여 설명한다. 「패턴 평가 모드」가 지정된 경우, 컴퓨터(10)는, 도 6에 도시된 패턴 평가 플로우를 실행한다. 본 처리는, 컴퓨터(10)가 새롭게 취득한 동작 패턴을 평가하기 위한 처리이다. 구체적으로 설명하면, 제1 실시 형태에 관한 패턴 평가 플로우에서는, 평가 대상의 동작 패턴(이하, 평가 대상 패턴)의 내용을 기초로, 당해 평가 대상 패턴이 취득된 작업(X)에 대한 양부를 판정(엄밀하게는 추정)한다.
패턴 평가 플로우에 대하여 도 6을 참조하면서 설명하면, 우선, 컴퓨터(10)는, 카메라(R)로부터 새롭게 취득한 작업(X)의 촬상 영상을 해석하고, 당해 작업(X)에 있어서의 동작 패턴을 평가 대상 패턴으로서 취득한다(S011). 또한, 컴퓨터(10)는, 전 스텝 S011에서 취득한 평가 대상 패턴과 기준 동작 패턴의 상이 정도를 특정한다(S012).
그 후, 컴퓨터(10)는, 평가 기준 설정 플로우에 있어서 이미 설정되어 있는 역치를 판독한다(S013). 그리고, 컴퓨터(10)는, 스텝 S012에서 특정한 상이 정도와, 스텝 S013에서 판독한 역치에 기초하여, 평가 대상 패턴이 취득된 작업(X)의 양부를 판정한다(S014). 구체적으로는, 상이 정도와 역치의 대소 관계를 특정하고, 상이 정도가 역치를 하회하였을 때에는 작업(X)을 양호라고 판정하고, 상이 정도가 역치 이상일 때에는 작업(X)을 불량이라고 판정한다.
판정 종료 후, 컴퓨터(10)는, 전 스텝 S014에 있어서의 판정 결과를 디스플레이에 표시한다(S015). 또한, 컴퓨터(10)는, 상이 정도와 역치의 차를 구하고, 그 차가 소정값 이상인지 여부를 판정한다(S016). 차가 소정값 미만이면 컴퓨터(10)가 판정하였을 때에는, 그 시점에서 패턴 평가 플로우가 종료된다. 한편, 차가 소정값 이상이라고 판정하였을 때, 컴퓨터(10)는, 컨베이어(Q)를 원격 제어하고, 컨베이어(Q)의 반송 속도가 상승하도록 당해 반송 속도를 조정한다(S017). 이러한 조정이 종료되면, 그 시점에서 패턴 평가 플로우가 종료된다.
이어서, 「예측 패턴 평가 모드」에 대하여 설명한다. 「예측 패턴 평가 모드」가 지정된 경우, 컴퓨터(10)는, 도 7에 도시된 예측 패턴 평가 플로우를 실행한다. 본 처리는, 작업자(P)의 생체 정보를 계측 센서(S)로부터 취득하고, 취득한 생체 정보로부터 동작 패턴을 예측하고, 예측한 동작 패턴(이하, 예측 패턴)을 평가하기 위한 처리이다. 또한, 제1 실시 형태에 관한 예측 패턴 평가 플로우에서는, 장래적으로 예측 패턴이 취득될 것으로 예상되는 작업(X)(즉, 실시 전 또는 실시 도중의 단계에 있는 작업(X))에 대하여, 그 양부를 판정한다.
예측 패턴 평가 플로우에 대하여 도 7을 참조하면서 설명하면, 우선, 컴퓨터(10)는, 계측 센서(S)로부터 작업자(P)의 생체 정보를 취득한다(S021). 그 후, 컴퓨터(10)는, 전 스텝 S021에서 취득한 생체 정보를 기초로 동작 패턴을 예측한다(S022). 또한, 동작 패턴의 예측 방법에 대해서는, 전술한 바와 같으며, 구체적으로는 생체 정보와 동작 패턴의 상관 관계에 기초하여 예측한다.
그 후, 컴퓨터(10)는, 예측 패턴과 기준 동작 패턴의 상이 정도를 특정한다(S023). 이후의 스텝(S024 내지 S028)에 대해서는, 전술한 패턴 평가 플로우 중의 스텝 S013 내지 S017과 공통되기 때문에, 설명을 생략한다. 그리고, 예측 패턴 평가 플로우가 상기 수순에 따라 실행됨으로써, 장래적으로 예측 패턴이 취득되는 작업(X)이 행해지는 경우를 상정하여, 그 양부에 관한 판정 결과를 예측하여 디스플레이에 표시한다. 또한, 예측 패턴 평가 플로우에 있어서도, 패턴 평가 플로우와 마찬가지로, 예측 패턴이 기준 동작 패턴으로부터 동떨어져 있는 경우에 반송 컨베이어(Q)의 반송 속도를 상승시킨다.
이상까지 본 발명의 제1 실시 형태에 대하여 설명하였지만, 본 실시 형태에서는, 과거에 취득한 작업자(P)의 동작 패턴과, 동작 패턴별로 입력을 접수한 작업(X)에 대한 양부의 판정 결과를 사용하여 학습한다. 또한, 제1 실시 형태에서는, 학습을 통하여 동작 패턴의 평가 기준(구체적으로는 역치)을 설정하고, 설정된 평가 기준에 기초하여 동작 패턴을 평가하고, 구체적으로는 당해 동작 패턴이 취득된 작업(X)의 양부를 판정한다. 이와 같이 제1 실시 형태에서는, 동작 패턴과 작업(X)의 양부 판정의 결과의 사이의 관계(경향)를 파악한 후, 당해 관계에 준하여, 평가 대상의 동작 패턴이 취득된 작업(X)의 양부를 판정하는 것이 가능하게 된다.
또한, 제1 실시 형태에서는, 평가 기준을 설정할 때, 작업자(P)가 이제까지 작업(X)을 행해 온 횟수(작업 실시 횟수)에 따라 설정하는 것으로 하였다. 구체적으로는, 작업 실시 횟수가 N회 이상인 경우, 평가 기준인 역치를 보정하는 것으로 하였다. 이에 의해, 평가 기준을 설정할 때, 당해 평가 기준에 작업 실시 횟수, 환언하면 작업(X)에 대한 작업자(P)의 익숙도가 반영되게 된다. 이 결과, 평가 대상 패턴을 평가할 때에는, 작업자(P)의 익숙도를 고려하여 평가하는 것이 가능하게 된다.
또한, 제1 실시 형태에서는, 작업 실시 횟수를 익숙도의 지표로서 채용하였지만, 이것에 한정되는 것은 아니며, 익숙도를 나타내는 지표로서 적합한 것인 한, 다른 지표를 사용해도 된다. 또한, 제1 실시 형태에서는, 익숙도를 2단계로 나누기로 하고, 이에 수반하여 평가 기준에 대해서도 2개의 평가 기준(구체적으로는, 보정 전의 역치와 보정 후의 역치)을 설정하는 것으로 하였다. 단, 이것에 한정되는 것은 아니며, 익숙도를 3단계 이상으로 나누어, 그것과 동일 수의 평가 기준을 설정해도 된다.
또한, 제1 실시 형태에서는, 계측 센서(S)의 계측 결과(엄밀하게는 생체 정보)로부터 동작 패턴을 예측하고, 예측된 동작 패턴을 상기 평가 기준에 기초하여 평가하고, 구체적으로는 예측 패턴이 취득되는 작업(X)이 행해지는 경우를 상정하고, 장래의 작업(X)의 양부를 예측 판정한다. 이에 의해, 동작 패턴을 아직 취득하지 않은 작업(X)(즉, 실시 전 또는 실시 도중인 작업(X))에 대하여, 그 양부를 추정하는 것이 가능하게 된다.
<<제2 실시 형태>>
이어서, 제2 실시 형태에 대하여 설명한다. 제2 실시 형태에 있어서, 작업 분석 지원 장치인 컴퓨터(10)는, 제1 실시 형태에 관한 컴퓨터(10)와 마찬가지의 구성이며, 제1 실시 형태에 있어서의 기능과 대략 마찬가지의 기능을 갖는다. 이하에서는, 제2 실시 형태 중, 제1 실시 형태와 상이한 내용을 중심으로 설명하는 것으로 한다.
제2 실시 형태에 관한 컴퓨터(10)는, 제1 실시 형태와 마찬가지로, 영상 취득부(11), 패턴 취득부(12), 기준 동작 패턴 선택부(13), 입력 접수부(14), 평가 기준 설정부(15), 정보 취득부(16), 패턴 예측부(17), 패턴 평가부(18), 평가 결과 출력부(19) 및 기기 제어부(20)를 갖는다. 이 중, 영상 취득부(11), 패턴 취득부(12), 기준 동작 패턴 선택부(13), 정보 취득부(16), 패턴 예측부(17), 평가 결과 출력부(19) 및 기기 제어부(20)에 대해서는, 제1 실시 형태와 공통되어 있다.
한편, 제2 실시 형태에 있어서, 평가 기준 설정부(15)는, 동작 패턴에 대한 평가 기준으로서의 채점 룰을 설정하고, 패턴 평가부(18)는, 동작 패턴에 대한 평가로서, 동작 패턴의 득점의 산출을 실시한다. 구체적으로 설명하면, 분석자에 의한 룰 결정 사항의 입력을 입력 접수부(14)가 접수하면, 평가 기준 설정부(15)가 당해 룰 결정 사항을 기초로 채점 룰을 설정한다. 이때, 평가 기준 설정부(15)는, 작업 실시 횟수에 따라 채점 룰을 설정한다.
보다 상세하게 설명하면, 평가 기준 설정부(15)는, 작업 실시 횟수가 N회 미만인 경우에 적용되는 채점 룰(이하, 일반 룰)과, 작업 실시 횟수가 N회 이상인 경우에 적용되는 채점 룰(이하, 숙련자용 룰)을 설정한다. 여기서, 숙련자용 룰은, 일반 룰보다 엄격한 룰, 예를 들어 감점 정도가 보다 큰 룰로 되어 있다.
패턴 평가부(18)는, 평가 대상의 동작 패턴(평가 대상 패턴)과 기준 동작 패턴의 상이 정도를 특정하고, 특정한 상이 정도를 상기 채점 룰에 적용함으로써 평가 대상 패턴에 대한 득점을 산출한다. 또한, 제2 실시 형태에 있어서, 패턴 평가부(18)는, 패턴 예측부(17)에 의해 예측된 패턴에 대해서도, 상기와 마찬가지의 요령으로 득점을 산출한다.
이어서, 제2 실시 형태에 있어서 컴퓨터(10)가 작업 분석 지원 장치로서 동작할 때의 동작예에 대하여 설명한다. 제2 실시 형태에 있어서, 제1 실시 형태와 마찬가지로, 분석자가 작업 분석 지원 프로그램의 기동 조작을 행하면, 이것을 트리거로서, 컴퓨터(10)가 작업 분석 지원 장치로서 기능하게 된다. 그리고, 컴퓨터(10)는, 작업(X)에 있어서의 작업자(P)의 동작 패턴을 평가하기 위해 일련의 정보 처리를 실행한다. 이때, 컴퓨터(10)는, 본 발명의 작업 분석 지원 방법에 준하여, 동작 패턴 평가에 관한 각종 정보 처리를 실행한다.
구체적으로 설명하면, 제2 실시 형태에서는, 작업 분석 지원 프로그램이 기동한 후, 도시하지 않은 지정 화면에 있어서 2개의 실행 모드, 구체적으로는 「패턴 평가 모드」 및 「예측 패턴 평가 모드」가 제시된다. 그리고, 분석자가 제시된 2개의 실행 모드 중에서 하나의 모드를 지정하면, 작업 분석 지원 장치로서의 컴퓨터(10)가 지정된 실행 모드에 대응한 정보 처리를 실행한다. 이하, 각 모드에 있어서의 정보 처리에 대하여 설명한다. 또한, 이하의 설명에서는, 작업(X)에 있어서의 작업자(P)의 동작 패턴을 간단히 「동작 패턴」이라고 칭하는 것으로 한다.
구체적으로 설명하면, 「패턴 평가 모드」가 지정된 경우, 컴퓨터(10)는, 도 8에 도시된 패턴 평가 플로우를 실행한다. 본 처리는, 컴퓨터(10)가 평가 대상의 동작 패턴에 대한 평가로서, 당해 동작 패턴에 대한 득점을 산출하기 위한 처리이다.
제2 실시 형태에 관한 패턴 평가 플로우에 대하여 도 8을 참조하면서 설명하면, 우선, 컴퓨터(10)는, 카메라(R)로부터 새롭게 취득한 작업(X)의 촬상 영상을 해석하고, 당해 작업(X)에 있어서의 동작 패턴을 평가 대상 패턴으로서 취득한다(S031). 또한, 컴퓨터(10)는, 전 스텝 S031에서 취득한 평가 대상 패턴과 기준 동작 패턴의 상이 정도를 특정한다(S032). 그 후, 컴퓨터(10)는, 이미 설정되어 있는 2개의 채점 룰을 판독한다(S033). 또한, 컴퓨터(10)는, 하드 디스크 드라이브(10c)에 축적된 동작 패턴의 수로부터 작업 실시 횟수를 특정하고, 특정한 작업 실시 횟수가 N회 이상인지 여부를 판정한다(S034).
그리고, 작업 실시 횟수가 N회 미만이라고 판정하였을 때, 컴퓨터(10)는, 스텝 S033에서 판독한 2개의 채점 룰 중, 일반 룰을 적용하여 평가 대상 패턴의 득점을 산출한다(S035). 한편, 작업 실시 횟수가 N회 이상이라고 판정하였을 때, 컴퓨터(10)는, 상기 2개의 채점 룰 중, 숙련자 룰을 적용하여 평가 대상 패턴의 득점을 산출한다(S036). 득점 산출의 종료 후, 컴퓨터(10)는, 산출한 득점을 디스플레이에 표시한다(S037). 그리고, 득점 표시가 완료된 시점에서 제2 실시 형태에 관한 패턴 평가 플로우가 종료된다.
이어서, 「예측 패턴 평가 모드」에 대하여 설명한다. 「예측 패턴 평가 모드」가 지정된 경우, 컴퓨터(10)는, 도 9에 도시된 예측 패턴 평가 플로우를 실행한다. 본 처리는, 작업자(P)의 생체 정보를 계측 센서(S)로부터 취득하고, 취득한 생체 정보로부터 동작 패턴을 예측하고, 그 예측 패턴의 득점을 산출하기 위한 처리이다.
제2 실시 형태에 관한 예측 패턴 평가 플로우에 대하여 도 9를 참조하면서 설명하면, 우선, 컴퓨터(10)는, 계측 센서(S)로부터 작업자(P)의 생체 정보를 취득한다(S041). 그 후, 컴퓨터(10)는, 전 스텝 S041에서 취득한 생체 정보를 기초로 동작 패턴을 예측한다(S042). 패턴 예측 후, 컴퓨터(10)는, 예측 패턴과 기준 동작 패턴의 상이 정도를 특정한다(S043). 이후의 스텝(S044 내지 S048)에 대해서는, 전술한 제2 실시 형태에 관한 패턴 평가 플로우 중의 스텝 S033 내지 S037과 공통되기 때문에, 설명을 생략한다. 그리고, 제2 실시 형태에 관한 예측 패턴 평가 플로우가 상기 수순에 따라 실행되면, 최종적으로, 예측 패턴에 대한 득점의 산출 결과가 디스플레이에 표시되게 된다.
이상까지 본 발명의 제2 실시 형태에 대하여 설명하였지만, 본 실시 형태에서는, 평가 대상의 동작 패턴에 대한 득점을 평가 기준으로서의 채점 룰에 준하여 산출한다. 구체적으로는, 평가 대상 패턴과 기준 동작 패턴의 상이 정도를 특정하고, 특정한 상이 정도를 상기 채점 룰에 적용함으로써 득점을 산출한다. 이와 같이 제2 실시 형태에서는, 동작 패턴에 대한 평가 결과가 수치(득점)로서 나타난다. 이에 의해, 작업자(P)는, 자기의 동작에 대한 평가를 수치(득점)로 확인하고, 그 확인 결과로부터 자신의 동작을 다시 보는 계기를 얻는 것이 가능하게 된다.
또한, 제2 실시 형태에 있어서도, 제1 실시 형태와 마찬가지로, 평가 기준을 설정할 때, 작업자(P)가 이제까지 작업(X)을 행해 온 횟수(작업 실시 횟수)에 따라 설정하는 것으로 하였다. 구체적으로는, 상이한 2개의 채점 룰을 준비하고, 작업 실시 횟수에 따라 채점 룰을 구분지어 사용하는 것으로 하였다. 이에 의해, 평가 대상 패턴에 대한 득점을 산출할 때, 작업자(P)의 익숙도를 고려하여 산출하는 것이 가능하게 된다.
또한, 제2 실시 형태에 있어서도, 제1 실시 형태와 마찬가지로, 계측 센서(S)의 계측 결과(엄밀하게는 생체 정보)로부터 동작 패턴을 예측하고, 예측된 동작 패턴에 대한 득점을 상기 채점 룰에 따라 산출한다. 이에 의해, 실시 전 또는 실시 도중인 작업(X)에 대하여, 작업자(P)의 생체 정보로부터 동작 패턴을 예측하고, 또한 당해 동작 패턴의 평가 결과(구체적으로는 득점)를 작업 실시 전의 단계에서 얻는 것이 가능하게 된다.
<<그 밖의 실시 형태>>
상기 실시 형태에서는, 본 발명의 컴퓨터 프로그램, 작업 분석 지원 방법 및 작업 분석 지원 장치에 대하여 일례를 들어 설명하였다. 그러나, 상기 실시 형태는, 본 발명의 이해를 용이하게 하기 위한 것이며, 본 발명을 한정하는 것은 아니다. 즉, 본 발명은 그 취지를 일탈하지 않고, 변경, 개량될 수 있음과 함께, 본 발명에는 그의 등가물이 포함되는 것은 물론이다.
상기 실시 형태에서는, 1대의 컴퓨터(10)가 작업 분석 지원 장치로서의 기능 모두를 실현하는 것으로 하였지만, 이것에 한정되는 것은 아니며, 복수의 컴퓨터가 협동하여 작업 분석 지원 장치를 구성해도 된다. 또한, 상기 실시 형태에서는, 동작 패턴, 및 동작 패턴을 평가하기 위해 필요한 각종 정보(예를 들어, 분석자가 입력한 작업(X)에 대한 양부 판정의 결과)를 컴퓨터(10)의 하드 디스크 드라이브(10c)에 기억하는 것으로 하였다. 단, 이것에 한정되는 것은 아니며, 동작 패턴 등을 외부 서버(예를 들어, 클라우드 서비스 제공용 서버 컴퓨터)에 축적하고, 작업 분석 지원 장치로서의 컴퓨터(10)가 필요에 따라 상기 외부 서버로부터 판독하는 구성이어도 된다.
또한, 상기 실시 형태(구체적으로는, 제1 실시 형태)에서는, 동작 패턴에 대한 평가 기준을 설정함에 있어서, 과거에 취득한 동작 패턴과, 동작 패턴별로 입력을 접수한 작업(X)에 대한 양부 판정의 결과를 사용하여 심층 학습을 행하는 것으로 하였다. 즉, 상기 실시 형태에서는, 심층 학습으로서 교사가 있는 학습을 행하는 것으로 하였다. 단, 이것에 한정되는 것은 아니며, 상기 평가 기준을 설정하기 위한 학습으로서 교사가 없는 학습을 행해도 된다.
또한, 상기 실시 형태에서는, 동작 패턴을 예측함에 있어서, 계측 센서(S)가 계측한 작업자(P)의 생체 정보를 취득하는 것으로 하였다. 단, 이것에 한정되는 것은 아니며, 생체 정보 이외의 상태 정보(작업자(P)가 작업(X)을 행할 때의 상태를 계측하였을 때의 정보)를 취득해도 되고, 예를 들어 작업자(P)의 기울기나 자세를 가속도 센서를 포함하는 계측 센서(S)로 계측하고, 그 계측 결과를 나타내는 정보를 취득해도 된다.
또한, 상태 정보 대신에, 혹은, 상태 정보와 함께 환경 정보를 취득해도 된다. 환경 정보는, 작업자(P)가 작업(X)을 행할 때의 작업 환경에 관하여 계측 가능한 정보이며, 구체적으로는, 기온이나 습도, 소음 레벨, 조도, 작업자(P)와 함께 작업하는 사람의 유무나 그 인원수 등이 해당된다. 그리고, 취득한 환경 정보에 기초하여 동작 패턴을 예측해도 된다.
또한, 상기 실시 형태에서는, 작업(X)의 촬상 영상을 해석하여 당해 작업(X)의 동작 패턴을 취득하는 것으로 하였지만, 이것에 한정되는 것은 아니다. 예를 들어, 작업자(P)에게 모션 센서를 설치하고, 작업(X) 중에 있어서의 모션 센서의 계측 결과의 경시 변화를 동작 패턴으로서 취득해도 된다.
또한, 상기 실시 형태에서는, 한 사람의 작업자(P)에 의해 행해지는 작업을 분석 대상으로 하는 케이스를 예로 들어 설명하였지만, 이것에 한정되는 것은 아니다. 복수인의 작업자에 의해 행해지는 작업(예를 들어, 작업자(P)가 다른 작업자와 제휴하면서 행하는 작업)을 분석 대상으로 하는 경우에도 본 발명은 적용 가능하다. 이러한 경우에는, 작업자별로 동작 패턴을 취득하여 각 작업자의 동작 패턴을 개별적으로 평가하는 것 외에, 각 작업자의 동작 패턴을 하나의 패턴으로 통합한 후에 종합적으로 평가함으로써 작업자간의 제휴성이나 작업 전체로서의 성과를 평가하는 것이 가능하게 된다.
10: 컴퓨터
10a: CPU
10b: 메모리
10c: 하드 디스크 드라이브
10d: I/O 포트
10e: 입력 기기
10f: 출력 기기
11: 영상 취득부
12: 패턴 취득부
13: 기준 동작 패턴 선택부
14: 입력 접수부
15: 평가 기준 설정부
16: 정보 취득부
17: 패턴 예측부
18: 패턴 평가부
19: 평가 결과 출력부
20: 기기 제어부
P: 작업자
Q: 컨베이어
R: 카메라
S: 계측 센서
W: 짐 상자
10a: CPU
10b: 메모리
10c: 하드 디스크 드라이브
10d: I/O 포트
10e: 입력 기기
10f: 출력 기기
11: 영상 취득부
12: 패턴 취득부
13: 기준 동작 패턴 선택부
14: 입력 접수부
15: 평가 기준 설정부
16: 정보 취득부
17: 패턴 예측부
18: 패턴 평가부
19: 평가 결과 출력부
20: 기기 제어부
P: 작업자
Q: 컨베이어
R: 카메라
S: 계측 센서
W: 짐 상자
Claims (9)
- 작업자가 작업을 행할 때의 동작 패턴을 취득하는 패턴 취득부와,
상기 동작 패턴에 대한 평가 기준을 설정하는 평가 기준 설정부와,
상기 평가 기준에 기초하여 상기 동작 패턴을 평가하는 패턴 평가부를 갖고,
상기 평가 기준 설정부는, 특정의 작업자가 특정의 작업을 행할 때의 상기 동작 패턴에 대한 상기 평가 기준을, 상기 특정의 작업자가 상기 특정의 작업을 행한 작업 실시 횟수에 따라 설정하고,
상기 동작 패턴이 취득된 작업의 양부에 관한 판정 결과의 입력을 접수하는 입력 접수부를 더 갖고,
상기 입력 접수부는, 상기 패턴 취득부가 취득한 상기 동작 패턴별로, 상기 판정 결과의 입력을 접수하고,
상기 평가 기준 설정부는,
과거에 취득한 상기 동작 패턴과, 해당 동작 패턴별로 입력을 접수한 상기 판정 결과를 사용하여 학습함으로써 상기 평가 기준을 설정하고, 또한,
상기 작업 실시 횟수가 N회(N은 2 이상의 자연수) 이상인 경우에는, 설정한 상기 평가 기준을 보정하는 것으로 하고,
상기 패턴 평가부는,
상기 동작 패턴에 대한 평가로서, 상기 작업 실시 횟수가 N회 이상인 경우에는, 보정 후의 상기 평가 기준에 기초하여, 상기 동작 패턴이 취득된 작업의 양부를 판정하고,
상기 작업 실시 횟수가 N회 미만인 경우에는, 보정 전의 상기 평가 기준에 기초하여, 상기 동작 패턴이 취득된 작업의 양부를 판정하는 것을 특징으로 하는 작업 분석 지원 장치. - 제1항에 있어서, 상기 패턴 취득부는, 작업자가 작업을 행하고 있는 모습을 나타내는 영상을 해석하여 상기 동작 패턴을 취득하는 것을 특징으로 하는 작업 분석 지원 장치.
- 삭제
- 제1항 또는 제2항에 있어서, 상기 패턴 평가부는, 상기 동작 패턴에 대한 평가로서, 상기 동작 패턴에 대한 득점의 산출을 상기 평가 기준에 기초하여 실시하는 것을 특징으로 하는 작업 분석 지원 장치.
- 제1항 또는 제2항에 있어서, 상기 패턴 평가부는, 상기 동작 패턴과 기준 동작 패턴의 상이 정도를 특정하고, 해당 상이 정도 및 상기 평가 기준에 기초하여 상기 동작 패턴을 평가하는 것을 특징으로 하는 작업 분석 지원 장치.
- 제1항 또는 제2항에 있어서, 작업자가 작업을 행할 때의 상태를 계측한 상태 정보, 및 작업자가 작업을 행하는 환경에 관한 환경 정보 중 적어도 하나의 정보를 취득하는 정보 취득부와,
해당 정보 취득부가 취득한 정보에 기초하여 상기 동작 패턴을 예측하는 패턴 예측부를 갖고,
상기 패턴 평가부는, 상기 패턴 예측부에 의해 예측된 상기 동작 패턴을 상기 평가 기준에 기초하여 평가하는 것을 특징으로 하는 작업 분석 지원 장치. - 컴퓨터가, 작업자가 작업을 행할 때의 동작 패턴을 취득하는 것과,
컴퓨터가, 상기 동작 패턴에 대한 평가 기준을 설정하는 것과,
컴퓨터가, 상기 평가 기준에 기초하여 상기 동작 패턴을 평가하는 것을 갖고,
컴퓨터가, 특정의 작업자가 특정의 작업을 행할 때의 상기 동작 패턴에 대한 상기 평가 기준을, 상기 특정의 작업자가 상기 특정의 작업을 행한 작업 실시 횟수에 따라 설정하고,
컴퓨터가, 상기 동작 패턴을 취득한 작업의 양부에 관한 판정 결과의 입력을 접수하는 것을 더 갖고,
컴퓨터가,
취득한 상기 동작 패턴별로, 상기 판정 결과의 입력을 접수하고,
과거에 취득한 상기 동작 패턴과, 해당 동작 패턴별로 입력을 접수한 상기 판정 결과를 사용하여 학습함으로써 상기 평가 기준을 설정하고, 또한,
상기 작업 실시 횟수가 N회(N은 2 이상의 자연수) 이상인 경우에는, 설정한 상기 평가 기준을 보정하는 것으로 하고,
상기 동작 패턴에 대한 평가로서, 상기 작업 실시 횟수가 N회 이상인 경우에는, 보정 후의 상기 평가 기준에 기초하여, 상기 동작 패턴을 취득한 작업의 양부를 판정하고,
상기 작업 실시 횟수가 N회 미만인 경우에는, 보정 전의 상기 평가 기준에 기초하여, 상기 동작 패턴이 취득된 작업의 양부를 판정하는 것을 특징으로 하는 작업 분석 지원 방법. - 컴퓨터를 작업 분석 지원 장치로서 기능시키기 위한 정보 기억 매체에 기억된 컴퓨터 프로그램으로서,
상기 컴퓨터를,
작업자가 작업을 행할 때의 동작 패턴을 취득하는 패턴 취득부와,
상기 동작 패턴에 대한 평가 기준을 설정하는 평가 기준 설정부와,
상기 평가 기준에 기초하여 상기 동작 패턴을 평가하는 패턴 평가부를 갖는 상기 작업 분석 지원 장치로서 기능시키고,
상기 평가 기준 설정부로서 기능하는 상기 컴퓨터에, 특정의 작업자가 특정의 작업을 행할 때의 상기 동작 패턴에 대한 상기 평가 기준을, 상기 특정의 작업자가 상기 특정의 작업을 행한 작업 실시 횟수에 따라 설정시키고,
상기 컴퓨터를, 상기 동작 패턴이 취득된 작업의 양부에 관한 판정 결과의 입력을 접수하는 입력 접수부를 더 갖는 상기 작업 분석 지원 장치로서 기능시키고,
상기 입력 접수부로서 기능하는 상기 컴퓨터에, 상기 패턴 취득부가 취득한 상기 동작 패턴별로, 상기 판정 결과의 입력을 접수시키고,
상기 평가 기준 설정부로서 기능하는 상기 컴퓨터에, 과거에 취득한 상기 동작 패턴과, 해당 동작 패턴별로 입력을 접수한 상기 판정 결과를 사용하여 학습시킴으로써 상기 평가 기준을 설정시키고, 또한,
상기 작업 실시 횟수가 N회(N은 2 이상의 자연수) 이상인 경우에는, 설정한 상기 평가 기준을 보정시키는 것으로 하고,
상기 패턴 평가부로서 기능하는 상기 컴퓨터에, 상기 동작 패턴에 대한 평가로서, 상기 작업 실시 횟수가 N회 이상인 경우에는, 보정 후의 상기 평가 기준에 기초하여, 상기 동작 패턴이 취득된 작업의 양부를 판정시키고,
상기 작업 실시 횟수가 N회 미만인 경우에는, 보정 전의 상기 평가 기준에 기초하여, 상기 동작 패턴이 취득된 작업의 양부를 판정시키는 것을 특징으로 하는 정보 기억 매체에 기억된 컴퓨터 프로그램. - 삭제
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JPJP-P-2016-030854 | 2016-02-22 | ||
| JP2016030854A JP6666744B2 (ja) | 2016-02-22 | 2016-02-22 | コンピュータプログラム、作業分析支援方法及び作業分析支援装置 |
| PCT/JP2017/002675 WO2017145628A1 (ja) | 2016-02-22 | 2017-01-26 | 作業分析支援装置、作業分析支援方法、コンピュータプログラム、及び情報記憶媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180119608A KR20180119608A (ko) | 2018-11-02 |
| KR102265241B1 true KR102265241B1 (ko) | 2021-06-14 |
Family
ID=59686503
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020187027381A KR102265241B1 (ko) | 2016-02-22 | 2017-01-26 | 작업 분석 지원 장치, 작업 분석 지원 방법, 컴퓨터 프로그램 및 정보 기억 매체 |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US11068831B2 (ko) |
| EP (1) | EP3422127B1 (ko) |
| JP (1) | JP6666744B2 (ko) |
| KR (1) | KR102265241B1 (ko) |
| CN (1) | CN108713177B (ko) |
| CA (1) | CA3015311C (ko) |
| PH (1) | PH12018501780A1 (ko) |
| WO (1) | WO2017145628A1 (ko) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6965679B2 (ja) * | 2017-10-12 | 2021-11-10 | 富士通株式会社 | 作業支援システム、作業支援方法及び作業支援プログラム |
| JP2019200560A (ja) | 2018-05-16 | 2019-11-21 | パナソニックＩｐマネジメント株式会社 | 作業分析装置および作業分析方法 |
| JP7070252B2 (ja) * | 2018-08-31 | 2022-05-18 | オムロン株式会社 | パフォーマンス計測装置、パフォーマンス計測方法及びパフォーマンス計測プログラム |
| JP7070253B2 (ja) * | 2018-08-31 | 2022-05-18 | オムロン株式会社 | パフォーマンス計測装置、パフォーマンス計測方法及びパフォーマンス計測プログラム |
| JP2020135608A (ja) * | 2019-02-22 | 2020-08-31 | 日本電信電話株式会社 | 情報処理装置および方法 |
| JP2021131806A (ja) * | 2020-02-21 | 2021-09-09 | オムロン株式会社 | 行動解析装置及び行動解析方法 |
| WO2021261905A1 (ko) * | 2020-06-24 | 2021-12-30 | (주) 넥스트랩 | 영상 분석 기반 작업 동작 인식 및 생산량 측정 장치와 그 방법 |
| JP7335044B2 (ja) * | 2021-06-07 | 2023-08-29 | Ｎｅｃフィールディング株式会社 | 作業スキル判定システム、作業スキル判定方法、及び作業スキル判定プログラム |
| WO2023152825A1 (ja) * | 2022-02-09 | 2023-08-17 | 日本電気株式会社 | 動作評価システム、動作評価方法、及び非一時的なコンピュータ可読媒体 |
| WO2023152893A1 (ja) * | 2022-02-10 | 2023-08-17 | 日本電気株式会社 | 管理装置、管理システム、管理方法及びプログラム |
| JP7224561B1 (ja) * | 2022-07-07 | 2023-02-17 | 三菱電機株式会社 | コンベア制御装置、生産システム、及びコンベア制御プログラム |
| CN116277069B (zh) * | 2023-04-24 | 2023-10-31 | 东莞全职数控科技有限公司 | 一种用于机器人运动控制系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003058231A (ja) * | 2001-08-21 | 2003-02-28 | Sharp Corp | 工程管理装置 |
| JP2005346274A (ja) * | 2004-06-01 | 2005-12-15 | Olympus Corp | 組立作業支援装置、その方法，プログラム |
| US20110208558A1 (en) * | 2008-11-05 | 2011-08-25 | Honda Motor Co., Ltd. | Method for smoothing workload and support system for smoothing workload |
| JP2015228123A (ja) * | 2014-05-30 | 2015-12-17 | 富士電機株式会社 | 作業分析システム、作業分析方法、及び作業分析プログラム |
Family Cites Families (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0446749A (ja) * | 1990-06-13 | 1992-02-17 | Joho Syst Kenkyusho:Kk | 作業実績管理方法 |
| JP2000180162A (ja) * | 1998-12-11 | 2000-06-30 | Hitachi Plant Eng & Constr Co Ltd | 作業分析装置 |
| JP2000354943A (ja) * | 1999-06-09 | 2000-12-26 | Nippon Telegr & Teleph Corp <Ntt> | 作業管理・支援方法、その装置及びそのプログラムを記録した記録媒体 |
| US7027621B1 (en) * | 2001-03-15 | 2006-04-11 | Mikos, Ltd. | Method and apparatus for operator condition monitoring and assessment |
| JP2004173342A (ja) * | 2002-11-18 | 2004-06-17 | Hitachi Ltd | 運転支援システム及び運転支援コンピュータプログラム |
| JP2004310210A (ja) * | 2003-04-02 | 2004-11-04 | Nissan Motor Co Ltd | 作業支援システム |
| JP2005250990A (ja) * | 2004-03-05 | 2005-09-15 | Mitsubishi Electric Corp | 作業支援装置 |
| JP2006171184A (ja) * | 2004-12-14 | 2006-06-29 | Toshiba Corp | 技能評価システムおよび技能評価方法 |
| US20060193262A1 (en) * | 2005-02-25 | 2006-08-31 | Mcsheffrey Brendan T | Collecting and managing data at a construction site |
| WO2008043049A2 (en) * | 2006-10-04 | 2008-04-10 | Marine Imaging Systems S.A. | System and method for measuring and reporting productivity |
| JP5057166B2 (ja) * | 2008-10-30 | 2012-10-24 | アイシン・エィ・ダブリュ株式会社 | 安全運転評価システム及び安全運転評価プログラム |
| KR101081643B1 (ko) * | 2008-11-10 | 2011-11-09 | 성균관대학교산학협력단 | 관절과 근육 이상 진단 시스템 및 관절과 근육 이상 진단 방법 |
| US9143843B2 (en) * | 2010-12-09 | 2015-09-22 | Sealed Air Corporation | Automated monitoring and control of safety in a production area |
| US9529348B2 (en) * | 2012-01-24 | 2016-12-27 | Emerson Process Management Power & Water Solutions, Inc. | Method and apparatus for deploying industrial plant simulators using cloud computing technologies |
| EP2902984A4 (en) * | 2012-09-26 | 2016-07-13 | Kubota Kk | FLOOR WORKING VEHICLE, MANAGEMENT SYSTEM FOR THE FLOOR WORKING VEHICLE AND METHOD FOR DISPLAYING FLOOR WORKING INFORMATION |
| CN103026973B (zh) * | 2012-11-30 | 2018-08-07 | 中国航天员科研训练中心 | 奖赏性操作条件反射实时检测分析处理装置 |
| CN103034130B (zh) * | 2013-01-09 | 2015-07-01 | 武安市新峰水泥有限责任公司 | 水泥在线模拟系统及其实现方法 |
| US9251598B2 (en) * | 2014-04-10 | 2016-02-02 | GM Global Technology Operations LLC | Vision-based multi-camera factory monitoring with dynamic integrity scoring |
| US9524426B2 (en) * | 2014-03-19 | 2016-12-20 | GM Global Technology Operations LLC | Multi-view human detection using semi-exhaustive search |
| JP6402469B2 (ja) | 2014-04-04 | 2018-10-10 | 富士電機株式会社 | 安全制御装置および安全制御システム |
| US9256944B2 (en) * | 2014-05-19 | 2016-02-09 | Rockwell Automation Technologies, Inc. | Integration of optical area monitoring with industrial machine control |
| WO2016100554A1 (en) * | 2014-12-16 | 2016-06-23 | Rhumbix, Inc. | Systems and methods for optimizing project efficiency |
| US20160306172A1 (en) * | 2015-04-20 | 2016-10-20 | NSF International | Computer-implemented techniques for remotely interacting with performance of food quality, food safety, and workplace safety tasks |
| US10325485B1 (en) * | 2018-09-11 | 2019-06-18 | Rockwell Automation Technologies, Inc. | System or process to detect, discriminate, aggregate, track, and rank safety related information in a collaborative workspace |
-
2016
- 2016-02-22 JP JP2016030854A patent/JP6666744B2/ja active Active
-
2017
- 2017-01-26 US US16/077,925 patent/US11068831B2/en active Active
- 2017-01-26 WO PCT/JP2017/002675 patent/WO2017145628A1/ja active Application Filing
- 2017-01-26 EP EP17756070.3A patent/EP3422127B1/en active Active
- 2017-01-26 CN CN201780010122.0A patent/CN108713177B/zh active Active
- 2017-01-26 CA CA3015311A patent/CA3015311C/en active Active
- 2017-01-26 KR KR1020187027381A patent/KR102265241B1/ko active IP Right Grant
-
2018
- 2018-08-22 PH PH12018501780A patent/PH12018501780A1/en unknown
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003058231A (ja) * | 2001-08-21 | 2003-02-28 | Sharp Corp | 工程管理装置 |
| JP2005346274A (ja) * | 2004-06-01 | 2005-12-15 | Olympus Corp | 組立作業支援装置、その方法，プログラム |
| US20110208558A1 (en) * | 2008-11-05 | 2011-08-25 | Honda Motor Co., Ltd. | Method for smoothing workload and support system for smoothing workload |
| JP2015228123A (ja) * | 2014-05-30 | 2015-12-17 | 富士電機株式会社 | 作業分析システム、作業分析方法、及び作業分析プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2017151520A (ja) | 2017-08-31 |
| US20200293972A1 (en) | 2020-09-17 |
| PH12018501780A1 (en) | 2019-06-17 |
| EP3422127A4 (en) | 2019-01-30 |
| EP3422127A1 (en) | 2019-01-02 |
| JP6666744B2 (ja) | 2020-03-18 |
| KR20180119608A (ko) | 2018-11-02 |
| CA3015311A1 (en) | 2017-08-31 |
| WO2017145628A1 (ja) | 2017-08-31 |
| CN108713177B (zh) | 2021-05-07 |
| CA3015311C (en) | 2020-09-22 |
| US11068831B2 (en) | 2021-07-20 |
| CN108713177A (zh) | 2018-10-26 |
| EP3422127B1 (en) | 2022-10-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102265241B1 (ko) | 작업 분석 지원 장치, 작업 분석 지원 방법, 컴퓨터 프로그램 및 정보 기억 매체 | |
| Jiang et al. | Accelerating deep learning by focusing on the biggest losers | |
| CN108509970B (zh) | 学习方法、对应的系统、设备和计算机程序产品 | |
| KR102579904B1 (ko) | 비전 검사 관리 방법 및 비전 검사 시스템 | |
| JP5061382B2 (ja) | 時系列データの識別装置および動画像への人物メタ情報付与装置 | |
| WO2021056914A1 (zh) | 一种目标检测模型的自动建模方法及装置 | |
| CN110737785B (zh) | 一种图片标注的方法及装置 | |
| JP7380567B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
| US10762329B2 (en) | Inter-object relation recognition apparatus, learned model, recognition method and non-transitory computer readable medium | |
| KR102380289B1 (ko) | 소고기 등급 판정 장치 및 방법 | |
| US10551369B2 (en) | Probabilistic defect detection in laid fiber ribbons | |
| KR20220005434A (ko) | 조립 라인에 대한 조립 오차 수정 | |
| JP2019086475A (ja) | 学習プログラム、検出プログラム、学習方法、検出方法、学習装置および検出装置 | |
| CN108563204B (zh) | 控制方法、装置、电子设备及计算机可读存储介质 | |
| JP2021089731A (ja) | クラス分類器を訓練するための装置および方法 | |
| US20140347480A1 (en) | Apparatus and method for automatically detecting an event in sensor data | |
| US20210125320A1 (en) | Image processing system | |
| CN114511697A (zh) | 图像检测方法、装置及系统 | |
| US20210407109A1 (en) | Visual product identification | |
| US20240071058A1 (en) | Microscopy System and Method for Testing a Quality of a Machine-Learned Image Processing Model | |
| CN112347975B (zh) | 一种可视化融合通信调度系统及其实现方法 | |
| CN116912198A (zh) | 基于机器视觉的混凝土振捣施工质量监测方法和系统 | |
| KR20210078400A (ko) | 플랫폼 대기승객 화상정보를 기반으로 한 기계학습을 이용한 스크린도어 개폐 시간 제어 방법 및 이를 위한 컴퓨팅장치 | |
| Scavo et al. | Quasi-Online Detection of Take and Release Actions from Egocentric Videos | |
| CN114155277A (zh) | 一种基于视频目标追踪的微流体分析方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |