KR20190029751A - 정보 처리 장치, 정보 처리 방법 및 기억 매체에 저장된 정보 처리 프로그램 - Google Patents

정보 처리 장치, 정보 처리 방법 및 기억 매체에 저장된 정보 처리 프로그램 Download PDF

Info

Publication number
KR20190029751A
KR20190029751A KR1020197006178A KR20197006178A KR20190029751A KR 20190029751 A KR20190029751 A KR 20190029751A KR 1020197006178 A KR1020197006178 A KR 1020197006178A KR 20197006178 A KR20197006178 A KR 20197006178A KR 20190029751 A KR20190029751 A KR 20190029751A
Authority
KR
South Korea
Prior art keywords
work
worker
information processing
unit
work process
Prior art date
Application number
KR1020197006178A
Other languages
English (en)
Inventor
겐고 시라키
하루유키 오타니
Original Assignee
미쓰비시덴키 가부시키가이샤
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 미쓰비시덴키 가부시키가이샤 filed Critical 미쓰비시덴키 가부시키가이샤
Publication of KR20190029751A publication Critical patent/KR20190029751A/ko

Links

Images

Classifications

    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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"
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

공정 분할부(108)는, 복수의 작업자 중에서 선택 조건에 합치하는 작업자를 선택한다. 또한, 공정 분할부(108)는, 선택된 작업자인 선택 작업자에 대하여, 작업 공정에 있어서의 작업 횟수의 증가에 수반하는 작업 시간의 체감 상황을 해석하고, 작업 공정을 분할해야 하는지 여부를 판정한다.

Description

정보 처리 장치, 정보 처리 방법 및 정보 처리 프로그램
본 발명은, 정보 처리 장치, 정보 처리 방법 및 정보 처리 프로그램에 관한 것이다.
공장에서는, 복수의 작업 공정을 거쳐 하나의 제품이 제조된다. 한 명의 작업자가 복수의 작업 공정의 전부를 담당하는 일은 적고, 복수의 작업자가 복수의 작업 공정을 분담하는 일이 많다. 이때, 두 명 이상의 작업자가 동일한 작업 공정을 병행하여 행하는 일도 있다.
또한, 두 명 이상의 작업자가, 작업일(working day)을 바꾸어, 하나의 작업 공정을 분담하는 일도 많다.
각 작업 공정에는 작업 수순이 정해져 있고, 작업 수순대로 작업을 행했을 때의 작업 완료에 요하는 표준 시간이 설정되어 있는 것이 일반적이다. 그러나, 작업자마다 작업을 행할 때의 솜씨는 상이하다. 또한, 동일한 작업자라도 처음으로 작업을 행할 때와, 작업을 반복하여 작업에 익숙해진 후는, 작업에 요하는 시간은 상이하다.
이 때문에, 실제로 작업에 요하는 실제 작업 시간이 표준 시간과 크게 괴리하는 일이 있다.
특허문헌 1에서는, 작업자의 작업 시간의 실적 데이터를 이용하여, 동일 작업 공정의 누적 작업 횟수에 따른 예측 작업 시간을 산출하는 시스템이 개시되어 있다. 특허문헌 1의 시스템에서는, 임의의 작업 공정에 대한 작업 시간의 실적 데이터를 이용하여, 작업자의 해당 작업 공정에 대한 숙달 정도를 나타내는 숙달 곡선을 생성하고, 생성한 숙달 곡선을 이용하여, 작업을 반복한 후의 작업 시간을 예측한다.
특허문헌 1 : 일본 특허 공개 2005-284415호 공보
공장 라인에 포함되는 복수의 작업 공정에는, 숙달되기 어렵고 작업을 반복하더라도 작업 시간이 체감(遞減)하기 어려운 작업 공정과, 숙달되기 쉽고 작업 시간이 체감하기 쉬운 작업 공정이 있다. 작업 계획의 최적화의 관점으로부터는, 숙달되기 어려운 작업 공정과 숙달되기 쉬운 작업 공정을 파악한 다음, 작업 계획을 책정하는 것이 바람직하다. 다시 말해, 공장 라인에, 숙달되기 어렵고 작업 시간이 체감하기 어려운 작업 공정이 포함되는 경우에는, 작업 시간이 체감하기 어려운 작업 공정을 분할하여 작업 시간을 체감시키도록 하는 것이 바람직하다.
특허문헌 1의 기술은, 작업 공정마다 예측 작업 시간을 산출하지만, 작업 공정을 분할해야 하는지 여부를 판정하는 것이 아니다. 이 때문에, 작업 공정을 관리하는 작업 관리자는, 작업 공정의 분할을 포함한 최적의 작업 계획을 책정할 수 없다고 하는 과제가 있다.
본 발명은, 이와 같은 과제를 해결하는 것을 주된 목적으로 한다. 다시 말해, 본 발명은, 작업 공정을 분할해야 하는지 여부를 판정하는 구성을 얻는 것을 주된 목적으로 한다.
본 발명과 관련되는 정보 처리 장치는,
복수의 작업자 중에서 선택 조건에 합치하는 작업자를 선택하는 작업자 선택부와,
상기 작업자 선택부에 의해 선택된 작업자인 선택 작업자에 대하여, 작업 공정에 있어서의 작업 횟수의 증가에 수반하는 작업 시간의 체감 상황을 해석하고, 상기 작업 공정을 분할해야 하는지 여부를 판정하는 분할 판정부를 갖는다.
본 발명에 의하면, 작업 공정을 분할해야 하는지 여부를 판정할 수 있다.
도 1은 실시의 형태 1과 관련되는 시스템 구성예를 나타내는 도면이다.
도 2는 실시의 형태 1과 관련되는 정보 처리 장치의 하드웨어 구성예를 나타내는 도면이다.
도 3은 실시의 형태 1과 관련되는 정보 처리 장치의 기능 구성예를 나타내는 도면이다.
도 4는 실시의 형태 1과 관련되는 정보 처리 장치의 동작예를 나타내는 플로차트이다.
도 5는 실시의 형태 1과 관련되는 정보 처리 장치의 동작예를 나타내는 플로차트이다.
도 6은 실시의 형태 2와 관련되는 정보 처리 장치의 기능 구성예를 나타내는 도면이다.
도 7은 실시의 형태 2와 관련되는 숙달 곡선의 예를 나타내는 도면이다.
도 8은 실시의 형태 2와 관련되는 정보 처리 장치의 동작예를 나타내는 플로차트이다.
도 9는 실시의 형태 2와 관련되는 정보 처리 장치의 동작예를 나타내는 플로차트이다.
도 10은 실시의 형태 2와 관련되는 정보 처리 장치의 동작예를 나타내는 플로차트이다.
이하, 본 발명의 실시의 형태에 대하여, 도면을 이용하여 설명한다. 이하의 실시의 형태의 설명 및 도면에 있어서, 동일한 부호를 붙인 것은, 동일한 부분 또는 상당하는 부분을 나타낸다.
실시의 형태 1.
***구성의 설명***
도 1은 본 실시의 형태와 관련되는 시스템 구성예를 나타낸다.
본 실시의 형태와 관련되는 시스템은, 정보 처리 장치(100)와, 수집 데이터 서버 장치(200)와, 공장 라인(300)으로 구성된다. 공장 라인(300)에는, 작업 설비(301)~작업 설비(305)가 존재한다.
본 실시의 형태에서는, 작업 공정은, 작업 설비(301)~작업 설비(305)에 대응한다.
다시 말해, 본 실시의 형태에서는, 공장 라인(300)에는, 작업 설비(301)를 이용한 작업 공정, 작업 설비(302)를 이용한 작업 공정, 작업 설비(303)를 이용한 작업 공정, 작업 설비(304)를 이용한 작업 공정, 작업 설비(305)를 이용한 작업 공정의 5개가 존재한다.
이하에서는, 작업 설비(301)를 이용한 작업 공정을 작업 공정 1이라고 한다. 또한, 작업 설비(302)를 이용한 작업 공정을 작업 공정 2라고 한다. 또한, 작업 설비(303)를 이용한 작업 공정을 작업 공정 3이라고 한다. 또한, 작업 설비(304)를 이용한 작업 공정을 작업 공정 4라고 한다. 또한, 작업 설비(305)를 이용한 작업 공정을 작업 공정 5라고 한다.
또한, 본 실시의 형태에서는, 각 작업 공정은, 복수의 작업원에 의해 실시되는 것으로 한다. 단, 작업 공정마다의 작업원의 조합 및 작업원의 수는 상이하더라도 좋다.
또한, 본 실시의 형태에서는, 각 작업원은, 하나 이상의 작업 공정을 담당하는 것으로 한다. 하나의 작업 공정만을 담당하는 작업원이 존재하더라도 좋지만, 모든 작업원 중 적어도 반수의 작업원은, 2개 이상의 작업 공정을 담당하고 있는 것으로 한다.
정보 처리 장치(100)는, 수집 데이터 서버 장치(200)에 의해 수집된 작업 시간 데이터를 이용하여, 작업 공정을 분할해야 하는지 여부를 판정한다. 또한, 정보 처리 장치(100)는, 작업 계획을 최적화한다.
작업 시간 데이터는, 작업 공정마다 작업자의 단위로 작업 시간의 이력이 나타내어지는 데이터이다.
정보 처리 장치(100)는, 네트워크(402)를 거쳐서 수집 데이터 서버 장치(200)와 접속된다.
또, 정보 처리 장치(100)에서 행하여지는 동작은 정보 처리 방법 및 정보 처리 프로그램에 상당한다.
수집 데이터 서버 장치(200)는, 공장 라인(300)으로부터 작업 시간 데이터를 수집한다. 수집 데이터 서버 장치(200)의 작업 시간 데이터의 수집 방법은 묻지 않는다.
수집 데이터 서버 장치(200)는, 네트워크(401)를 거쳐서, 작업 설비(301)~작업 설비(305)와 접속되어 있다.
도 2는 정보 처리 장치(100)의 하드웨어 구성예를 나타낸다.
도 3은 정보 처리 장치(100)의 기능 구성예를 나타낸다.
먼저, 도 2를 참조하여, 정보 처리 장치(100)의 하드웨어 구성예를 설명한다.
정보 처리 장치(100)는, 컴퓨터이다.
정보 처리 장치(100)는, 하드웨어로서, 프로세서(11), 메모리(12), 스토리지(13), 통신 장치(14), 입력 장치(15), 표시 장치(16)를 구비한다.
스토리지(13)에는, 도 3에 나타내는 통신 처리부(101), 학습 능력 판정부(106), 공정 분할부(108), 표시 처리부(109), 작업 계획 최적화부(110)의 기능을 실현하는 프로그램이 기억되어 있다.
그리고, 이들 프로그램이 메모리(12)에 로드되고, 프로세서(11)가 이들 프로그램을 실행한다.
또한, 스토리지(13)는, 도 3에 나타내는 작업 시간 수집 데이터베이스(102), 작업 계획 데이터베이스(103), 학습 능력 데이터베이스(107)를 실현한다.
도 3에서는, 프로세서(11)가 통신 처리부(101), 학습 능력 판정부(106), 공정 분할부(108), 표시 처리부(109), 작업 계획 최적화부(110)의 기능을 실현하는 프로그램을 실행하고 있는 상태를 모식적으로 나타내고 있다. 또한, 도 3에서는, 스토리지(13)가 작업 시간 수집 데이터베이스(102), 작업 계획 데이터베이스(103), 학습 능력 데이터베이스(107)로서 이용되고 있는 상태를 모식적으로 나타내고 있다. 또, 작업 시간 수집 데이터베이스(102), 작업 계획 데이터베이스(103), 학습 능력 데이터베이스(107)의 적어도 일부가 메모리(12)에 의해 실현되더라도 좋다.
다음으로, 도 3을 참조하여, 정보 처리 장치(100)의 기능 구성예를 설명한다.
통신 처리부(101)는, 통신 장치(14)를 이용하여, 수집 데이터 서버 장치(200)로부터 작업 시간 데이터를 수신한다. 그리고, 통신 처리부(101)는, 수신한 작업 시간 데이터를 작업 시간 수집 데이터베이스(102)에 저장한다.
또한, 통신 처리부(101)는, 수집 데이터 서버 장치(200)로부터 작업 계획 데이터를 수신한다. 그리고, 통신 처리부(101)는, 수신한 작업 계획 데이터를 작업 계획 데이터베이스(103)에 저장한다.
학습 능력 판정부(106)는, 작업 시간 데이터를 이용하여, 복수의 작업자의 각각의 학습 능력을 판정한다.
또한, 학습 능력 판정부(106)는, 각 작업자에 대한 판정 결과가 기술되는 작업자 학습 능력 데이터를 학습 능력 데이터베이스(107)에 저장한다.
공정 분할부(108)는, 복수의 작업자 중에서 선택 조건에 합치하는 작업자를 선택한다. 보다 구체적으로는, 공정 분할부(108)는, 학습 능력 판정부(106)에 의해 판정된 학습 능력이 선택 조건에 합치하는 작업자를 선택한다.
그리고, 공정 분할부(108)는, 선택한 작업자인 선택 작업자에 대하여, 작업 공정에 있어서의 작업 횟수의 증가에 수반하는 작업 시간의 체감 상황을 해석하고, 해당 작업 공정을 분할해야 하는지 여부를 판정한다. 보다 구체적으로는, 공정 분할부(108)는, 작업 공정에 있어서 작업 횟수가 증가하더라도 작업 시간이 체감하고 있지 않은 경우에, 해당 작업 공정을 분할해야 한다고 판정한다.
공정 분할부(108)는, 작업자 선택부 및 분할 판정부에 상당한다. 또한, 공정 분할부(108)의 동작은, 작업자 선택 처리 및 분할 판정 처리에 상당한다.
작업 계획 최적화부(110)는 작업 계획 데이터베이스(103)에 저장된 작업 계획 데이터와 작업자 학습 능력 데이터베이스(107)에 저장된 학습 능력 데이터를 이용하여 작업 계획을 최적화한다.
표시 처리부(109)는, 학습 능력 판정부(106)의 판정 결과, 공정 분할부(108)의 판정 결과 및 작업 계획 최적화부(110)에 의해 최적화된 작업 계획을 표시 장치(16)에 표시한다.
***동작의 설명***
다음으로, 도 4의 플로차트를 참조하여, 작업 공정의 분할을 판정하는 동작을 설명한다.
스텝 S1081에 있어서, 공정 분할부(108)는, 모든 작업 공정을 통해서 학습 능력이 높은 작업자를 추출한다. 다시 말해, 공정 분할부(108)는, 학습 능력이 일정 이상이라고 하는 선택 조건에 합치하는 작업자를 선택한다. 또, 공정 분할부(108)에 의해 추출된 작업자는 선택 작업자에 해당한다.
각 작업자의 작업 공정마다의 학습 능력은, 학습 능력 판정부(106)에 의해 판정되고 있는 것으로 한다. 또, 학습 능력 판정부(106)는, 임의의 방법으로, 각 작업자의 학습 능력을 판정할 수 있다.
다음으로, 스텝 S1082에 있어서, 공정 분할부(108)가 작업 공정마다의 작업 시간의 추이를 해석한다.
보다 구체적으로는, 공정 분할부(108)는, 스텝 S1081에서 추출된 작업자(선택 작업자)의 작업 시간 데이터를 작업 시간 수집 데이터베이스(102)로부터 취득한다. 그리고, 스텝 S1081에서 추출된 작업자의 작업 시간의 추이를 작업 공정마다 해석한다.
예컨대, 작업자 A와 작업자 B가 스텝 S1081에서 추출되고, 작업자 A가 작업 공정 1과 작업 공정 2를 담당하고, 작업자 B가 작업 공정 2와 작업 공정 3을 담당하고 있는 경우를 상정한다. 공정 분할부(108)는, 작업자 A의 작업 공정 1에 있어서의 작업 횟수의 증가에 수반하는 작업 시간의 체감 상황을 해석하고, 작업자 A의 작업 공정 2에 있어서의 작업 횟수의 증가에 수반하는 작업 시간의 체감 상황을 해석한다. 마찬가지로, 공정 분할부(108)는, 작업자 B의 작업 공정 2에 있어서의 작업 횟수의 증가에 수반하는 작업 시간의 체감 상황을 해석하고, 작업자 B의 작업 공정 3에 있어서의 작업 횟수의 증가에 수반하는 작업 시간의 체감 상황을 해석한다.
이와 같이 하여, 공정 분할부(108)는, 작업 공정마다, 스텝 S1081에서 추출된 작업자의 작업 시간의 체감 상황을 해석한다.
다음으로, 스텝 S1083에 있어서, 공정 분할부(108)는, 작업 공정마다, 작업 시간이 체감하고 있는지 여부를 판정한다.
공정 분할부(108)는, 구체적으로는, 동일 작업 공정을 대상으로 하여, 작업 공정을 처음으로 작업했을 때의 각 작업자의 작업 시간의 평균치와, 20회째의 작업 횟수의 각 작업자의 작업 시간의 평균치를 비교한다. 20회째의 작업 시간의 평균치가, 처음으로 작업했을 때의 평균치의 80% 이하의 값이거나, 표준 시간을 하회하고 있는 경우는, 공정 분할부(108)는, 대상 공정의 작업 시간이 체감하고 있다고 판정하고, 그 이외의 경우는 작업 시간이 체감하고 있지 않다고 판정한다.
작업 시간이 체감하고 있는 경우(스텝 S1083에서 "예")는, 공정 분할부(108)는, 해당 작업 공정은 분할할 필요가 없는 작업 공정으로 판정한다(스텝 S1084).
한편, 작업 시간이 체감하고 있지 않은 경우(스텝 S1083에서 "아니오")는, 공정 분할부(108)는, 해당 작업 공정을 분할해야 하는 작업 공정으로 판정한다(스텝 S1085).
예컨대, 작업 공정 1의 작업 시간이 체감하고 있지 않은 경우는, 공정 분할부(108)는, 작업 공정 1을 분할해야 한다는 판정을 행한다.
공정 분할부(108)에 의해 작업 공정을 분할해야 한다고 판정된 경우는, 표시 처리부(109)가 대상의 작업 공정을 표시 장치(16)에 표시하여, 작업 관리자에게 작업 공정을 분할할지 여부를 문의하더라도 좋다.
다음으로, 도 5의 플로차트를 참조하여, 작업 계획을 최적화하는 동작을 설명한다.
먼저, 스텝 S1101에 있어서, 작업 계획 최적화부(110)가, 작업 계획 데이터베이스(103)로부터 당일의 작업 계획 데이터를 취득한다. 작업 계획 데이터에는, 당일 제조할 제품의 종류, 양, 당일 작업할 작업자의 근무 시간이 기술되어 있다.
다음으로, 스텝 S1102에 있어서, 작업 계획 최적화부(110)가, 작업 공정 및 작업자의 학습 능력으로부터, 각 작업자의 작업 공정마다의 예측 작업 시간을 산출한다.
작업 계획 최적화부(110)는, 예컨대, 작업자마다의 체감률 A와 작업 공정마다의 체감률 B의 총합 평균 C를 이용하여 각 작업자의 작업 공정마다의 예측 작업 시간을 산출한다. 작업자마다의 체감률 A란, 대상 작업자가 작업한 모든 작업 공정의 작업 횟수마다의 작업 시간과 1회째의 작업 시간의 비율의 평균치이다. 다시 말해, 작업자마다의 체감률 A는, 모든 작업 공정에 대한 대상 작업자의 작업 시간의 체감 정도를 나타낸다. 작업 공정마다의 체감률 B란, 대상 작업 공정을 작업한 모든 작업자의 작업 횟수마다의 작업 시간과 1회째의 작업 시간의 비율의 평균치이다. 다시 말해, 작업 공정마다의 체감률 B는, 모든 작업자에 대한 대상 작업 공정의 작업 시간의 체감 정도를 나타낸다. 작업 계획 최적화부(110)는, 작업자마다의 체감률 A와 작업 공정마다의 체감률 B의 총합 평균 C를 이용하여, 각 작업자가 각 작업 공정을 작업할 때에 1회째의 작업시의 작업 시간과 작업 횟수마다의 작업 시간의 체감률 D를 구한다. 그리고, 작업 계획 최적화부(110)는, 각 작업자의 각 작업 공정의 작업 횟수마다의 예측 작업 시간을, 대상 작업 공정을 1회째에 작업했을 때의 작업 시간과 체감률 D의 곱에 의해 산출한다.
다음으로, 스텝 S1103에 있어서, 작업 계획 최적화부(110)가, 각 작업 공정에 대한 작업자의 할당을 최적화한다. 구체적으로는, 작업 계획 최적화부(110)는, 모든 작업 공정의 총 예측 작업 시간이 최소화되도록 작업자의 할당을 최적화한다.
작업 계획 최적화부(110)는, 작업자의 할당의 최적화 수법으로서, 예컨대, 선형 계획법을 이용한다. 다시 말해, 작업 계획 최적화부(110)는, 당일에 처리할 작업 공정의 종류, 수 및 당일 근무할 각 작업자의 근무 시간 및 각 작업 공정의 예측 작업 시간을 제약 조건으로 설정하고, 모든 작업 공정의 예측 작업 시간의 합을 최소화하도록 각 작업 공정의 작업자를 결정한다. 선형 계획법에 의해, 당일의 각 작업 공정의 작업자의 할당이 최적화된다.
마지막으로, 스텝 S1104에 있어서, 표시 처리부(109)가, 스텝 S1103에서 얻어진 최적화된 작업원이 할당을, 최적화된 작업 계획으로서 표시 장치(16)에 표시한다.
***실시의 형태의 효과의 설명***
본 실시의 형태에서는, 작업 시간의 체감 상황을 해석하고, 작업 공정을 분할해야 하는지 여부를 판정한다. 이 때문에, 본 실시의 형태에 의하면, 작업 관리자는, 작업 공정의 분할을 포함한 최적의 작업 계획을 책정할 수 있다.
실시의 형태 2.
본 실시의 형태에서는, 작업 공정마다의 각 작업자의 숙달 곡선과 결정 계수를 이용하여, 보다 정확하게 각 작업자의 학습 능력을 판정하고, 또한, 결정 계수를 이용하여, 보다 정확하게 작업 공정을 분할해야 하는지 여부를 판정하는 예를 설명한다.
***구성의 설명***
도 6은 본 실시의 형태와 관련되는 정보 처리 장치(100)의 기능 구성예를 나타낸다.
도 6에서는, 도 3과 비교하여, 숙달 용이성 판정부(104), 숙달 용이성 데이터베이스(105), 숙달 곡선 생성부(111), 숙달 곡선 데이터베이스(112), 결정 계수 산출부(113), 결정 계수 데이터베이스(114)가 추가되어 있다.
다른 요소는, 도 3에 나타내는 것과 마찬가지이다.
또, 본 실시의 형태에서도, 통신 처리부(101), 숙달 용이성 판정부(104), 학습 능력 판정부(106), 공정 분할부(108), 표시 처리부(109), 작업 계획 최적화부(110), 숙달 곡선 생성부(111), 결정 계수 산출부(113)의 기능은 프로세서(11)가 프로그램을 실행함으로써 실현된다. 도 6에서는, 통신 처리부(101), 숙달 용이성 판정부(104), 학습 능력 판정부(106), 공정 분할부(108), 표시 처리부(109), 작업 계획 최적화부(110), 숙달 곡선 생성부(111), 결정 계수 산출부(113)의 기능을 실현하는 프로그램을 프로세서(11)가 실행하고 있는 상태를 모식적으로 나타내고 있다.
또한, 작업 시간 수집 데이터베이스(102), 작업 계획 데이터베이스(103), 숙달 용이성 데이터베이스(105), 학습 능력 데이터베이스(107), 숙달 곡선 데이터베이스(112), 결정 계수 데이터베이스(114)는 스토리지(13)에 의해 실현된다. 도 6에서는, 작업 시간 수집 데이터베이스(102), 작업 계획 데이터베이스(103), 숙달 용이성 데이터베이스(105), 학습 능력 데이터베이스(107), 숙달 곡선 데이터베이스(112), 결정 계수 데이터베이스(114)가 스토리지(13)에 의해 실현되는 것을 모식적으로 나타내고 있다. 또, 작업 시간 수집 데이터베이스(102), 작업 계획 데이터베이스(103), 숙달 용이성 데이터베이스(105), 학습 능력 데이터베이스(107), 숙달 곡선 데이터베이스(112), 결정 계수 데이터베이스(114)의 적어도 일부가 메모리(12)에 의해 실현되더라도 좋다.
숙달 곡선 생성부(111)는, 작업 시간 수집 데이터베이스(102)에 저장된 작업 시간 데이터를 이용하여, 작업 공정별로, 작업자마다의 숙달 곡선을 생성한다. 숙달 곡선은, 작업 공정에 있어서의 작업 횟수와 작업 시간의 관계가 나타내어지는 곡선이다. 그리고, 숙달 곡선 생성부(111)는, 생성한 숙달 곡선이 기술되는 숙달 곡선 데이터를 숙달 곡선 데이터베이스(112)에 저장한다.
결정 계수 산출부(113)는, 숙달 곡선 생성부(111)에 의해 생성된 숙달 곡선과 작업 시간 데이터에 나타내어지는 작업 시간의 이력의 사이의 결정 계수를 산출한다. 또한, 결정 계수 산출부(113)는, 산출한 결정 계수가 기술되는 결정 계수 데이터를 결정 계수 데이터베이스(114)에 저장한다. 결정 계수는, 작업 횟수의 증가에 수반하는 작업 시간의 체감 상황을 나타내는 지표치이고, 체감 지표치에 상당한다.
또, 숙달 곡선 생성부(111) 및 결정 계수 산출부(113)를, 체감 지표치 산출부(115)라고도 한다.
숙달 용이성 판정부(104)는, 복수의 작업자의 결정 계수(체감 지표치)에 근거하여, 각 작업 공정이 숙달되기 쉬운 작업 공정인지 여부를 판정한다.
또한, 숙달 용이성 판정부(104)는, 각 작업 공정에 대한 판정 결과가 기술되는 숙달 용이성 데이터를 숙달 용이성 데이터베이스(105)에 저장한다.
본 실시의 형태에서는, 학습 능력 판정부(106)는, 숙달 용이성 판정부(104)에 의해 숙달되기 쉬운 작업 공정이라고 판정된 작업 공정의 결정 계수를 이용하여, 각 작업자의 학습 능력을 판정한다.
또한, 본 실시의 형태에서는, 공정 분할부(108)는, 선택 작업자의 결정 계수(체감 지표치)를 해석하여, 작업 공정을 분할해야 하는지 여부를 판정한다. 보다 구체적으로는, 선택 작업자의 결정 계수의 평균치를 산출하고, 산출한 평균치가 임계치 미만인 경우에, 작업 공정을 분할해야 한다고 판정한다.
또, 본 실시의 형태와 관련되는 정보 처리 장치(100)의 하드웨어 구성예는, 도 2에 나타낸 것과 마찬가지이다.
이하에서는, 주로 실시의 형태 1과의 차이를 설명한다. 이하에서 설명하고 있지 않은 사항은, 실시의 형태 1과 마찬가지이다.
***동작의 설명***
먼저, 숙달 곡선 생성부(111)에 의한 숙달 곡선의 생성 수순을 설명한다.
숙달 곡선 생성부(111)는, 작업 시간 수집 데이터베이스(102)에 저장되어 있는 작업 시간 데이터를 이용하여, 작업 공정별로, 작업자마다의 숙달 곡선을 생성한다. 예컨대, 작업자 A가 작업 공정 1과 작업 공정 2를 담당하고 있는 경우는, 숙달 곡선 생성부(111)는, 작업자 A의 작업 공정 1에 대한 숙달 곡선과, 작업자 A의 작업 공정 2에 대한 숙달 곡선을 생성한다. 숙달 곡선 생성부(111)는, 생성한 숙달 곡선이 기술되는 숙달 곡선 데이터를 숙달 곡선 데이터베이스(112)에 저장한다.
숙달 곡선의 예를 도 7에 나타낸다. 일반적으로 동일 작업 공정을 반복하는 것에 의해 작업자는 작업에 익숙해지기 때문에, 작업 횟수가 증가함에 따라 작업 시간은 체감하는 경향이 있다. 도 7의 예에서도, 작업 횟수 n이 증가함에 따라, 작업 시간 RT가 체감하고 있다.
작업 시간의 체감 경향은 식 (1)로 근사된다. 식 (1)에 있어서, RT는 작업 완료까지 요하는 작업 시간, n은 작업 공정의 작업 횟수이다.
또한, 식 (1)의 A 및 B는, 이하의 식 (2), 식 (3)으로 얻어지는 변수이다.
이하에 있어서, n은 작업 횟수, N은 누적 작업 횟수, n-(n의 위에 -)는, 누적 작업 횟수의 평균치, RTn은 n회째의 작업을 했을 때의 작업 시간, RT-(RT의 위에 -)는 모든 작업 횟수의 작업 시간의 평균치를 나타낸다.
Figure pct00002
다음으로, 결정 계수 산출부(113)에 의한 결정 계수의 산출 수순을 설명한다.
결정 계수 산출부(113)는, 숙달 곡선 생성부(111)에 의해 생성된 숙달 곡선과, 대응하는 작업 공정 및 작업자의 작업 시간 데이터에 나타내어지는 작업 시간의 이력을 대조하여, 결정 계수 R2를 산출한다. 또한, 결정 계수 산출부(113)는, 산출한 결정 계수 R2가 기술되는 결정 계수 데이터를 결정 계수 데이터베이스(114)에 저장한다.
예컨대, 결정 계수 산출부(113)는, 작업자 A의 작업 공정 1에 대한 숙달 곡선과, 작업자 A의 작업 공정 1에 대한 작업 시간 데이터에 나타내어지는 작업 시간의 이력을 대조하여, 결정 계수 R2를 산출한다.
결정 계수 R2는, 숙달 곡선과, 실제의 작업 시간의 관련 정도를 나타내는 지표이고, [0, 1]의 값을 취한다. 결정 계수가 1에 가까울수록 실제의 작업 시간에 대한 숙달 곡선의 관련이 강하고, 0에 가까울수록 관련이 약하다. 결정 계수 R2는 식 (4)로 주어진다.
Figure pct00003
다음으로, 숙달 용이성 판정부(104)에 의한 작업 공정마다의 숙달되기 쉬움(숙달 용이성)의 판정 수순을 설명한다.
숙달 용이성 판정부(104)는, 결정 계수 R2를 이용하여, 작업 공정마다의 숙달되기 쉬움을 판정한다.
숙달 용이성 판정부(104)는, 구체적으로는, 도 8에 나타내는 수순으로 각 작업 공정의 숙달되기 쉬움을 판정한다. 숙달 용이성 판정부(104)는, 작업 공정마다, 도 8에 나타내는 수순을 반복하여, 작업 공정 1~5의 각각에 대하여 숙달되기 쉬움을 판정한다.
또, 도 8에 나타내는 α, β, γ의 구체적 수치는 작업 관리자가 설정하는 것으로 한다. 이하, 도 8의 각 스텝을 설명한다.
먼저, 숙달 용이성 판정부(104)는, 숙달되기 쉬움의 판정 대상의 작업 공정의 누적 작업 횟수가 α회 이상인 작업자의 작업 시간 데이터를 추출한다(스텝 S1091).
누적 작업 횟수가 적은 단계에서는 작업자는 작업에 익숙해져 있지 않기 때문에 작업 시간의 격차가 크다. 이 때문에, 누적 작업 횟수가 적은 작업자의 작업 시간 데이터를 이용하면, 작업 공정의 숙달되기 쉬움을 정확하게 판정할 수 없을 가능성이 있다. 따라서, 숙달 용이성 판정부(104)는, 누적 작업 횟수가 일정 수(α회) 이상인 작업자의 작업 시간 데이터만을 작업 공정의 숙달되기 쉬움의 판정에 이용한다.
다음으로, 숙달 용이성 판정부(104)는, 스텝 S1091에서 작업 시간 데이터를 추출한 작업자의 결정 계수를 수치가 큰 순서로 배열한다(스텝 S1092).
다음으로, 숙달 용이성 판정부(104)는, 스텝 S1092에서 배열한 결정 계수 중, 상위 β％의 결정 계수의 평균치를 산출한다(스텝 S1093). 또한, 숙달 용이성 판정부(104)는, 상위 β％의 결정 계수의 평균치를, 각 작업 공정의 숙달되기 쉬움으로서 취급한다.
어느 작업 공정의 결정 계수가 낮은 작업자는 모든 작업 공정에 대해서도 학습 능력이 낮은 일이 많다. 이 때문에, 값이 낮은 결정 계수를 이용하면 작업 공정의 숙달되기 쉬움을 정확하게 판정할 수 없을 가능성이 있다. 따라서, 숙달 용이성 판정부(104)는, 결정 계수의 상위 β％를 숙달되기 쉬움의 지표로서 이용한다.
다음으로, 숙달 용이성 판정부(104)는, 스텝 S1093에서 산출한 평균치가 임계치 γ 이상인지 여부를 판정한다(스텝 S1094).
숙달 용이성 판정부(104)는, 평균치가 임계치 γ 이상인 작업 공정을 숙달되기 쉬운 작업 공정으로 판정한다(스텝 S1095). 한편, 숙달 용이성 판정부(104)는, 평균치가 임계치 γ 미만인 작업 공정을 숙달되기 어려운 작업 공정으로 판정한다(스텝 S1096).
다음으로, 학습 능력 판정부(106)에 의한 작업자의 학습 능력의 판정 수순을 설명한다.
학습 능력 판정부(106)는, 구체적으로는, 도 9에 나타내는 수순으로 각 작업자의 학습 능력을 판정한다. 또, 도 9에 나타내는 δ의 구체적 수치는 작업 관리자가 설정하는 것으로 한다. 이하, 도 9의 각 스텝을 설명한다.
먼저, 학습 능력 판정부(106)는, 도 8의 스텝 S1095에서 숙달되기 쉽다고 판정된 작업 공정(이하, 숙달되기 쉬운 작업 공정이라고 한다)을 추출한다(스텝 S1201).
숙달되기 어렵다고 판정된 작업 공정은, 학습 능력이 높은 작업자가 작업하더라도 숙달되기 어렵고 결정 계수가 낮다. 숙달되기 어렵다고 판정된 작업 공정의 결정 계수를 이용하더라도, 작업자의 학습 능력을 정확하게 판정할 수 없을 가능성이 있다. 이 때문에, 학습 능력 판정부(106)는, 숙달되기 쉬운 작업 공정을 추출한다.
다음으로, 학습 능력 판정부(106)는, 작업자마다, 스텝 S1201에서 추출된 숙달되기 쉬운 작업 공정의 결정 계수의 평균치를 산출한다(스텝 S1202). 학습 능력 판정부(106)는, 산출한 평균치를 각 작업자의 학습 능력으로서 취급한다.
예컨대, 작업자 A가 작업 공정 1과 작업 공정 2를 담당하고, 작업자 B가 작업 공정 2와 작업 공정 3을 담당하고 있는 경우를 상정한다. 작업 공정 1과 작업 공정 2와 작업 공정 3이 숙달되기 쉬운 작업 공정이면, 학습 능력 판정부(106)는, 작업자 A에 대해서는, 작업 공정 1에 대한 결정 계수와 작업 공정 2에 대한 결정 계수의 평균치를 산출한다. 또한, 학습 능력 판정부(106)는, 작업자 B에 대해서는, 작업 공정 2에 대한 결정 계수와 작업 공정 3에 대한 결정 계수의 평균치를 산출한다.
다음으로, 학습 능력 판정부(106)는, 작업자마다, 스텝 S1202에서 산출된 평균치가 임계치 δ 이상인지 여부를 판정한다(스텝 S1203).
학습 능력 판정부(106)는, 평균치가 임계치 δ 이상인 작업자를 학습 능력이 있는 작업자로 판정한다(스텝 S1204).
한편, 학습 능력 판정부(106)는, 평균치가 임계치 δ 미만인 작업자를 학습 능력이 부족한 작업자로 판정한다(스텝 S1205).
다음으로, 공정 분할부(108)에 의한 작업 공정의 분할 판정의 수순을 설명한다.
공정 분할부(108)는, 구체적으로는, 도 10에 나타내는 수순으로 작업 공정을 분할해야 하는지 여부를 판정한다. 또, 도 10에 나타내는 η의 구체적 수치는 작업 관리자가 설정하는 것으로 한다. 이하, 도 10의 각 스텝을 설명한다.
스텝 S1121에 있어서, 공정 분할부(108)는, 모든 작업 공정을 통해서 학습 능력이 높은 작업자를 추출한다. 다시 말해, 공정 분할부(108)는, 도 9의 수순에서 학습 능력 판정부(106)에 의해 판정된 각 작업자의 학습 능력에 있어서 학습 능력이 높은 작업자를 추출한다.
다음으로, 스텝 S1122에 있어서, 공정 분할부(108)가 작업 공정마다의 결정 계수를 취득한다.
보다 구체적으로는, 공정 분할부(108)는, 스텝 S1121에서 추출된 작업자(선택 작업자)의 작업 공정마다의 결정 계수를 결정 계수 데이터베이스(114)로부터 취득한다.
예컨대, 작업자 A와 작업자 B가 스텝 S1121에서 추출되고, 작업자 A가 작업 공정 1과 작업 공정 2를 담당하고, 작업자 B가 작업 공정 2와 작업 공정 3을 담당하고 있는 경우를 상정한다. 공정 분할부(108)는, 작업자 A의 작업 공정 1에 있어서의 결정 계수와 작업자 A의 작업 공정 2에 있어서의 결정 계수를 취득한다. 마찬가지로, 공정 분할부(108)는, 작업자 B의 작업 공정 2에 있어서의 결정 계수와 작업자 B의 작업 공정 3에 있어서의 결정 계수를 취득한다.
이와 같이 하여, 공정 분할부(108)는, 작업 공정마다, S1121에서 추출된 작업자의 결정 계수를 취득한다.
다음으로, 스텝 S1123에 있어서, 공정 분할부(108)가 작용 공정마다의 결정 계수의 평균치를 산출한다.
다시 말해, 공정 분할부(108)는, 스텝 S1122에서 취득한 결정 계수의 작업 공정마다의 평균치를 산출한다.
다음으로, 스텝 S1124에 있어서, 공정 분할부(108)는, 작업 공정마다, 결정 계수의 평균치가 임계치 η 이상인지 여부를 판정한다.
결정 계수의 평균치가 임계치 η 이상인 경우(스텝 S1124에서 "예")는, 공정 분할부(108)는, 해당 작업 공정은 분할할 필요가 없는 작업 공정으로 판정한다(스텝 S1125).
한편, 결정 계수의 평균치가 임계치 η 미만인 경우(스텝 S1124에서 "아니오")는, 공정 분할부(108)는, 해당 작업 공정을 분할해야 할 작업 공정으로 판정한다(스텝 S1126).
예컨대, 작업 공정 1의 결정 계수의 평균치가 임계치 η 미만인 경우는, 공정 분할부(108)는, 작업 공정 1을 분할해야 한다는 판정을 행한다.
***실시의 형태의 효과의 설명***
이상과 같이, 작업 공정의 분할 판정에 있어서, 작업 공정마다의 결정 계수를 고려하는 것에 의해, 정확도가 높은 판정이 가능하게 된다.
***하드웨어 구성의 설명***
마지막으로, 정보 처리 장치(100)의 하드웨어 구성의 보충 설명을 행한다.
도 2에 나타내는 프로세서(11)는, 프로세싱을 행하는 IC(Integrated Circuit)이다.
프로세서(11)는, 예컨대, CPU(Central Processing Unit), DSP(Digital Signal Processor) 등이다.
도 2에 나타내는 메모리(12)는, 예컨대, RAM(Random Access Memory)이다.
도 2에 나타내는 스토리지(13)는, 예컨대, ROM(Read Only Memory), 플래시 메모리, HDD(Hard Disk Drive) 등이다.
도 2에 나타내는 통신 장치(14)는, 데이터를 수신하는 리시버 및 데이터를 송신하는 트랜스미터를 포함한다.
통신 장치(14)는, 예컨대, 통신 칩 또는 NIC(Network Interface Card)이다.
입력 장치(15)는, 예컨대, 마우스, 키보드이다.
표시 장치(16)는, 예컨대, 디스플레이이다.
스토리지(13)에는, OS(Operating System)도 기억되어 있다.
그리고, OS의 적어도 일부가 메모리(12)에 로드되어, 프로세서(11)에 의해 실행된다.
프로세서(11)는 OS의 적어도 일부를 실행하면서, 통신 처리부(101), 숙달 용이성 판정부(104), 학습 능력 판정부(106), 공정 분할부(108), 표시 처리부(109), 작업 계획 최적화부(110), 숙달 곡선 생성부(111), 결정 계수 산출부(113)의 기능을 실현하는 프로그램을 실행한다.
프로세서(11)가 OS를 실행함으로써, 태스크 관리, 메모리 관리, 파일 관리, 통신 제어 등이 행하여진다.
또한, 통신 처리부(101), 숙달 용이성 판정부(104), 학습 능력 판정부(106), 공정 분할부(108), 표시 처리부(109), 작업 계획 최적화부(110), 숙달 곡선 생성부(111), 결정 계수 산출부(113)의 처리의 결과를 나타내는 정보나 데이터나 신호치나 변수치가, 메모리(12), 스토리지(13), 프로세서(11) 내의 레지스터 및 캐시 메모리 중 적어도 어느 하나에 기억된다.
또한, 통신 처리부(101), 숙달 용이성 판정부(104), 학습 능력 판정부(106), 공정 분할부(108), 표시 처리부(109), 작업 계획 최적화부(110), 숙달 곡선 생성부(111), 결정 계수 산출부(113)의 기능을 실현하는 프로그램은, 자기 디스크, 플렉서블 디스크, 광 디스크, 콤팩트 디스크, 블루레이(등록상표) 디스크, DVD 등의 가반 기억 매체에 기억되더라도 좋다.
또한, 통신 처리부(101), 숙달 용이성 판정부(104), 학습 능력 판정부(106), 공정 분할부(108), 표시 처리부(109), 작업 계획 최적화부(110), 숙달 곡선 생성부(111), 결정 계수 산출부(113)의 "부"를, "회로" 또는 "공정" 또는 "수순" 또는 "처리"로 바꾸어 읽더라도 좋다.
또한, 정보 처리 장치(100)는, 로직 IC(Integrated Circuit), GA(Gate Array), ASIC(Application Specific Integrated Circuit), FPGA(Field-Programmable Gate Array)라고 하는 전자 회로에 의해 실현되더라도 좋다.
또, 프로세서 및 상기의 전자 회로를 총칭하여 프로세싱 서킷트리라고도 한다.
100 : 정보 처리 장치
101 : 통신 처리부
102 : 작업 시간 수집 데이터베이스
103 : 작업 계획 데이터베이스
104 : 숙달 용이성 판정부
105 : 숙달 용이성 데이터베이스
106 : 학습 능력 판정부
107 : 학습 능력 데이터베이스
108 : 공정 분할부
109 : 표시 처리부
110 : 작업 계획 최적화부
111 : 숙달 곡선 생성부
112 : 숙달 곡선 데이터베이스
113 : 결정 계수 산출부
114 : 결정 계수 데이터베이스
115 : 체감 지표치 산출부
200 : 수집 데이터 서버 장치
300 : 공장 라인
301 : 작업 설비
302 : 작업 설비
303 : 작업 설비
304 : 작업 설비
305 : 작업 설비
401 : 네트워크
402 : 네트워크

Claims (9)

  1. 복수의 작업자 중에서 선택 조건에 합치하는 작업자를 선택하는 작업자 선택부와,
    상기 작업자 선택부에 의해 선택된 작업자인 선택 작업자에 대하여, 작업 공정에 있어서의 작업 횟수의 증가에 수반하는 작업 시간의 체감(遞減) 상황을 해석하고, 상기 작업 공정을 분할해야 하는지 여부를 판정하는 분할 판정부
    를 갖는 정보 처리 장치.
  2. 제 1 항에 있어서,
    상기 분할 판정부는, 상기 작업 공정에 있어서 작업 횟수가 증가하더라도 작업 시간이 체감하고 있지 않은 경우에, 상기 작업 공정을 분할해야 한다고 판정하는 정보 처리 장치.
  3. 제 1 항에 있어서,
    상기 정보 처리 장치는, 또한, 상기 작업 공정에서의 상기 복수의 작업자의 작업 시간의 이력이 작업자마다 나타내어지는 작업 시간 데이터를 이용하여, 상기 작업 공정에 있어서의 작업 횟수의 증가에 수반하는 작업 시간의 체감 상황을 나타내는 지표치인 체감 지표치를 작업자마다 산출하는 체감 지표치 산출부를 갖고,
    상기 분할 판정부는, 상기 선택 작업자의 체감 지표치를 해석하여, 상기 작업 공정을 분할해야 하는지 여부를 판정하는
    정보 처리 장치.
  4. 제 3 항에 있어서,
    상기 분할 판정부는, 상기 선택 작업자의 체감 지표치의 평균치를 산출하고, 산출한 평균치가 임계치 미만인 경우에, 상기 작업 공정을 분할해야 한다고 판정하는 정보 처리 장치.
  5. 제 3 항에 있어서,
    상기 체감 지표치 산출부는, 작업자마다, 상기 작업 시간 데이터를 이용하여, 상기 작업 공정에 있어서의 작업 횟수와 작업 시간의 관계가 나타내어지는 숙달 곡선을 생성하고, 상기 체감 지표치로서, 상기 숙달 곡선과 상기 작업 시간 데이터에 나타내어지는 작업 시간의 이력의 사이의 결정 계수를 산출하고,
    상기 분할 판정부는, 상기 선택 작업자의 결정 계수를 해석하여, 상기 작업 공정을 분할해야 하는지 여부를 판정하는
    정보 처리 장치.
  6. 제 1 항에 있어서,
    상기 정보 처리 장치는, 또한, 상기 복수의 작업자의 각각의 학습 능력을 판정하는 학습 능력 판정부를 갖고,
    상기 작업자 선택부는, 상기 학습 능력 판정부에 의해 판정된 학습 능력이 상기 선택 조건에 합치하는 작업자를 선택하는
    정보 처리 장치.
  7. 제 1 항에 있어서,
    상기 정보 처리 장치는, 또한, 어느 하나의 작업 공정이 분할된 경우에, 분할 후의 작업 공정에 근거하여, 작업 계획을 최적화하는 작업 계획 최적화부를 갖는 정보 처리 장치.
  8. 컴퓨터가, 복수의 작업자 중에서 선택 조건에 합치하는 작업자를 선택하고,
    상기 컴퓨터가, 선택된 작업자인 선택 작업자에 대하여, 작업 공정에 있어서의 작업 횟수의 증가에 수반하는 작업 시간의 체감 상황을 해석하고, 상기 작업 공정을 분할해야 하는지 여부를 판정하는
    정보 처리 방법.
  9. 복수의 작업자 중에서 선택 조건에 합치하는 작업자를 선택하는 작업자 선택 처리와,
    상기 작업자 선택 처리에 의해 선택된 작업자인 선택 작업자에 대하여, 작업 공정에 있어서의 작업 횟수의 증가에 수반하는 작업 시간의 체감 상황을 해석하고, 상기 작업 공정을 분할해야 하는지 여부를 판정하는 분할 판정 처리
    를 컴퓨터에 실행시키는 정보 처리 프로그램.
KR1020197006178A 2016-09-07 2016-09-07 정보 처리 장치, 정보 처리 방법 및 기억 매체에 저장된 정보 처리 프로그램 KR20190029751A (ko)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/076318 WO2018047256A1 (ja) 2016-09-07 2016-09-07 情報処理装置、情報処理方法及び情報処理プログラム

Publications (1)

Publication Number Publication Date
KR20190029751A true KR20190029751A (ko) 2019-03-20

Family

ID=61562027

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020197006178A KR20190029751A (ko) 2016-09-07 2016-09-07 정보 처리 장치, 정보 처리 방법 및 기억 매체에 저장된 정보 처리 프로그램

Country Status (6)

Country Link
US (1) US20190205804A1 (ko)
JP (1) JP6415786B2 (ko)
KR (1) KR20190029751A (ko)
CN (1) CN109690585A (ko)
TW (1) TW201812653A (ko)
WO (1) WO2018047256A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210013021A (ko) * 2019-07-22 2021-02-03 닛토덴코 가부시키가이샤 설비 이상 처치 타이밍 결정 시스템, 설비 이상 처치 타이밍 결정 방법 및 컴퓨터 프로그램

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7199218B2 (ja) * 2018-12-21 2023-01-05 エヌ・ティ・ティ・コミュニケーションズ株式会社 管理装置、管理方法及び管理プログラム
US20210049440A1 (en) * 2019-08-16 2021-02-18 Microsoft Technology Licensing, Llc Smart coach for enhancing personal productivity

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005284415A (ja) 2004-03-26 2005-10-13 Matsushita Electric Works Ltd 組立製造ラインにおける作業工程別タクトタイム推定方法、全体工程編成方法、装置およびプログラム

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09138823A (ja) * 1995-09-11 1997-05-27 Hitachi Ltd 設計・開発の進捗管理方法及びそのシステム並びに設計・開発プロジェクトの管理方法及びそのシステム
JPH09256635A (ja) * 1996-03-21 1997-09-30 Takenaka Komuten Co Ltd 建設工事管理支援装置及びシステム
JP2000170379A (ja) * 1998-12-08 2000-06-20 Takenaka Komuten Co Ltd 工程計画管理装置及び記録媒体
JP2002287987A (ja) * 2001-03-28 2002-10-04 Namiki Precision Jewel Co Ltd タスクの並行処理を実行させるためのプログラム及び並行処理する組込み制御装置及び並行処理方法並びにプログラムが記録されている記録媒体
JP2002324157A (ja) * 2001-04-25 2002-11-08 Toshiba Corp 作業計画立案装置および作業計画立案方法
JP2003263214A (ja) * 2002-03-08 2003-09-19 Seiko Epson Corp 工程分割支援システムおよび工程分割支援方法、並びに工程分割支援プログラム
JP5248756B2 (ja) * 2006-07-31 2013-07-31 ピーアンドダブリューソリューションズ株式会社 更新されたスキル評価データに基づいて人員の配置計画を行う方法
JP5941399B2 (ja) * 2012-12-06 2016-06-29 ダンウェイ株式会社 スケジュール管理装置及びスケジュール管理装置を備えたコンピュータ処理システム
CN104463424A (zh) * 2014-11-11 2015-03-25 上海交通大学 众包中任务最优分配方法及其系统
CN104573995A (zh) * 2015-01-28 2015-04-29 重庆软文科技有限责任公司 众包任务发布、执行方法及发布、执行装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005284415A (ja) 2004-03-26 2005-10-13 Matsushita Electric Works Ltd 組立製造ラインにおける作業工程別タクトタイム推定方法、全体工程編成方法、装置およびプログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210013021A (ko) * 2019-07-22 2021-02-03 닛토덴코 가부시키가이샤 설비 이상 처치 타이밍 결정 시스템, 설비 이상 처치 타이밍 결정 방법 및 컴퓨터 프로그램

Also Published As

Publication number Publication date
TW201812653A (zh) 2018-04-01
JPWO2018047256A1 (ja) 2018-09-06
US20190205804A1 (en) 2019-07-04
WO2018047256A1 (ja) 2018-03-15
CN109690585A (zh) 2019-04-26
JP6415786B2 (ja) 2018-10-31

Similar Documents

Publication Publication Date Title
US20060184460A1 (en) Automated learning system
US20130042147A1 (en) Fault analysis rule extraction device, fault analysis rule extraction method and storage medium
US20090292662A1 (en) Time-series data analyzing apparatus, time-series data analyzing method, and computer program product
KR20190029751A (ko) 정보 처리 장치, 정보 처리 방법 및 기억 매체에 저장된 정보 처리 프로그램
US8930293B2 (en) Prediction apparatus, prediction method, and recording medium
EP3502814A1 (en) Processing loads balancing of control and monitoring functions
KR101505546B1 (ko) 텍스트 마이닝을 이용한 키워드 도출 방법
US20140365403A1 (en) Guided event prediction
US20140208437A1 (en) Anonymization device, anonymization method and recording medium recording program therefor
US10089589B2 (en) Intelligent threshold editor
US10496251B2 (en) Screen creation apparatus having application screen creation support function
KR20190026950A (ko) 정보 처리 장치, 정보 처리 방법 및 기억 매체에 저장된 정보 처리 프로그램
US20150024358A1 (en) Stress assessment device, stress assessment method and recording medium
US20200202232A1 (en) Production record data analyzer
AU2014390009A1 (en) Parameter measurement refinement in oil exploration operations
CN114266496A (zh) 一种基于政策完成度分析的政策落地效果评价方法及系统
WO2023195139A1 (ja) 表示データ作成装置、操作システム、表示データ作成方法及び表示データ作成プログラム
EP3798935A1 (en) Parameter selection method, parameter selection program, and information processing device
US11443265B2 (en) Analysis system and analysis method
KR101609292B1 (ko) 연구 개발 프로젝트 관리 장치 및 방법
US10114362B2 (en) Method and system for controlling the production process of a product
US11886513B2 (en) Data analysis system, data analysis method, and computer program product
JP2009271564A (ja) 施策分析評価システム及び施策分析評価プログラム
KR101649913B1 (ko) 연구 개발 프로젝트 관리 장치 및 방법
JP7515322B2 (ja) 設定管理装置、設定管理方法、及び、設定管理プログラム

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right