WO2015186227A1 - 工程管理データ補正方法および装置 - Google Patents

工程管理データ補正方法および装置 Download PDF

Info

Publication number
WO2015186227A1
WO2015186227A1 PCT/JP2014/065003 JP2014065003W WO2015186227A1 WO 2015186227 A1 WO2015186227 A1 WO 2015186227A1 JP 2014065003 W JP2014065003 W JP 2014065003W WO 2015186227 A1 WO2015186227 A1 WO 2015186227A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
correction
series
process management
monitoring
Prior art date
Application number
PCT/JP2014/065003
Other languages
English (en)
French (fr)
Inventor
幸久 藤田
友洋 中村
Original Assignee
株式会社日立製作所
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 株式会社日立製作所 filed Critical 株式会社日立製作所
Priority to PCT/JP2014/065003 priority Critical patent/WO2015186227A1/ja
Publication of WO2015186227A1 publication Critical patent/WO2015186227A1/ja

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G61/00—Use of pick-up or transfer devices or of manipulators for stacking or de-stacking articles not otherwise provided for
    • 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]
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock 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
    • 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

Definitions

  • the present invention relates to a process control data automatic correction method and apparatus.
  • process management systems are used for the purpose of reducing the cost of process management and associated asset management.
  • the process management system refers to a system that performs various management such as process management, asset management, and transportation plan management necessary for production activities, including systems such as EAM (Enterprise Asset Management) and SCM (Supply Chain Management). Shall.
  • Patent Document 1 discloses a technique for collecting information on the delivery status of an article using a portable device and replanning a delivery plan from the collected result.
  • Patent Document 2 discloses a technique for predicting an abnormal situation from the current operating situation, calculating an optimum response to the prediction result by simulation, and executing a countermeasure based on the calculation result.
  • the technology related to the conventional process management system is only a technology related to the future such as abnormality detection and re-planning, and cannot deal with when there is an error in the current data.
  • Patent Document 1 a person who performs delivery inputs the end or change of the delivery through a portable device. However, it is not considered that the user makes an incorrect input to the device. Therefore, when incorrect information is input, a plan that cannot be realized in a subsequent re-planning may be output.
  • Patent Document 2 it is necessary to predict an abnormal situation first by predictive detection. However, since it is not considered that the current data necessary for the detection is wrong, it cannot be applied to a case where the data may be wrong.
  • the present invention takes the above-mentioned problems into consideration, and in order to cope with a situation in which the data stored in the process management system includes an error, data of sensors such as GPS (Global Positioning System) and load cell It is an object of the present invention to provide an automatic data correction method and apparatus for automatically detecting the error and correcting the warning and data.
  • GPS Global Positioning System
  • a typical example of the invention disclosed in the present application is as follows. That is, a method for correcting data on a process management system, which uses a work model to calculate a divergence degree between monitoring data and process management system data, and from the calculated divergence degree and monitoring data And a data correction unit that generates correction candidates. From the monitoring data extracted using the work model, the divergence degree calculation unit calculates the divergence degree between the process management system data and the extracted monitoring data. The data correction unit generates correction data from the degree of deviation, and outputs correct data candidates on the process management system based on the correction data.
  • the method of the present invention is a data correction method for a process management system configured by an information processing device having a storage device, a processing device, an input device, and an output device, and managing work on a work object.
  • the work object is an object related to work such as work machines, materials, and materials.
  • the processing device executes a divergence degree calculating step for calculating a divergence degree between the monitoring data regarding the work object and the management data of the process management system, and a data correction step for generating a correction candidate from the calculated divergence degree and the monitoring data.
  • the monitoring data is acquired by various sensors arranged in the work environment, for example, and is input to the processing device via the input device.
  • the management data of the process management system may be, for example, information input by an operator who creates a process plan, an operator who performs work, or data automatically created by a processing device.
  • a series of the work from the work model indicating a series of events assumed in the work and management data including at least two of time, place, or characteristic data related to the work object.
  • There is an estimated sequence creating step for generating an estimated sequence that expresses the event in time series as an element including at least two of time, place, or characteristic data related to the work object. It becomes easy to calculate the degree of divergence by comparing the estimated series with the monitoring data.
  • the characteristic data includes the data indicating the temperature, humidity, quantity, weight, normality or abnormality of the work object, presence / absence, ID for identifying the object, image data of the object photographed, etc. Is a broad concept.
  • a series of events in the work is expressed in time series as an element including at least two of time, place, or characteristic data related to the work object from the estimated series and the monitoring data.
  • a progress sequence creating step for generating a progress sequence to be performed It becomes easy to calculate the divergence degree by comparing the estimated series and the elapsed series.
  • the actual substance of the work can be grasped specifically by including position information and time information in the monitoring data.
  • the monitoring data includes a record including at least two pieces of data of time, place, or characteristics related to the work object.
  • specific elements in the estimation series are extracted.
  • a record including corresponding data having the same or predetermined relationship with the key is extracted from the monitoring data.
  • data other than the corresponding data in the extracted record of the monitoring data is set as a data correction candidate. In this way, the management data can be corrected using the monitoring data.
  • the management data includes asset data including data selected from data indicating an ID for identifying an asset, a location where the asset exists, an asset state, etc., an ID for identifying a record, a work subject, a work object, Process management data including data selected from data representing a place and time is included.
  • asset data including data selected from data indicating an ID for identifying an asset, a location where the asset exists, an asset state, etc., an ID for identifying a record, a work subject, a work object
  • Process management data including data selected from data representing a place and time is included.
  • the data correction candidate is obtained, the data in a specific element in the estimated series is replaced, or instead of the replacement, the replacement is reflected in at least one of the asset data and the process management data. .
  • correction candidates can be displayed to give the operator an opportunity to confirm.
  • Another aspect of the present invention is an apparatus for correcting data on a process management system including an information processing apparatus including a storage device, a processing device, an input device, and an output device.
  • This device uses a work model stored in a storage device, a divergence degree calculation unit that calculates a divergence degree between monitoring data input from the input device and data of a process management system stored in the storage device, and a calculation
  • the processing apparatus includes a data correction unit that generates a correction candidate from the divergence degree and the monitoring data.
  • the deviation degree calculation unit extracts predetermined monitoring data using the work model, and calculates a deviation degree between the process management system data and the extracted monitoring data.
  • the data correction unit generates correction data from the degree of divergence and outputs data correction candidates on the process management system based on the correction data.
  • the divergence degree calculation unit generates an estimated sequence estimated from the work model and arranged in time series of work events.
  • the divergence degree calculation unit generates an elapsed series in which the data extracted in relation to the work event is arranged in time series from the monitoring data, and calculates the divergence degree by comparing the estimated series and the elapsed series. To do.
  • Another aspect of the present invention is a data monitoring method of a process management system configured by an information processing apparatus having a storage device, a processing device, an input device, and an output device, and managing work on a work object.
  • the storage device stores management information including information that specifies the work object and information including at least time information as information related to the work object.
  • the input device receives monitoring data transmitted from an external sensor and including at least time information.
  • the processing device creates an estimated sequence in which management information is arranged in a time series and an elapsed series in which monitoring data related to the estimated series are arranged in a time series, and compares the estimated series with the elapsed series.
  • the series is not based on the time itself, but at a place associated with the time (for example, a passing point along the route of the delivery vehicle) and a work object associated with the time (for example, a work object whose order of use is determined). You can also create and compare.
  • the record to be corrected is extracted from the records in the estimated series.
  • the extracted record can be displayed on the output device. Further, the record may be extracted, or alternatively, the comparison result may be displayed on the output device so that the operator can judge the situation.
  • the comparison is performed by calculating the distance between the estimated sequence and the elapsed sequence.
  • the present invention it is possible to automatically detect an error in data in the process management system from monitoring data such as a GPS, a load meter, and a sensor, and perform warning or correction.
  • FIG. 1 is a hardware configuration diagram illustrating a configuration example of an apparatus according to the first embodiment of the present invention.
  • the process management server 101, the divergence calculation server 111, the monitoring server 121, the sensor 253, the monitoring camera 254, and the GPS 255 are connected by a network 100.
  • the network 100 is a LAN (Local Area Network) or an Internet line.
  • the process management server 101 includes a CPU (Central Processing Unit) 102, an output device 103, an input device 104, a memory 105, a network interface 106, and an external storage device 107 connected to each other via a bus.
  • CPU Central Processing Unit
  • the CPU 102 is an arithmetic processing unit that executes various processes by processing a program stored in the memory 105.
  • the external storage device 107 is a storage device that stores data used by a program main body stored in the memory 105 or a program stored in the memory 105.
  • the memory 105 is a storage device that stores a program processed by the CPU 102 and data used. Programs and data that are not processed by the CPU 102 are stored in the external storage device 107.
  • the memory 105 stores a program that realizes the function of the process management system 201.
  • the external storage device 107 stores a process management data table 203 and an asset data table 204, and may store other tables used for the process management system 201.
  • the output device 103 is a display device such as a display.
  • the output device 103 displays (presents) data correction candidates and a parameter management interface (see FIG. 14) used for correction by a method described below.
  • the input device 104 is an input device such as a keyboard or a mouse. Using this input device 104, an operation for managing parameters used for correction and an operation for selecting correction candidates are performed.
  • the input / output device may include an input / output interface that transmits and receives data via an external storage device or a network.
  • the network interface 106 is an interface device for connecting to and communicating with the divergence calculation server 111, the monitoring server 121, and other external computers and monitoring devices.
  • the divergence degree calculation server 111 includes a CPU 113, an output device 114, an input device 115, a memory 117, a network interface 112, and an external storage device 116 that are connected to each other via a bus.
  • the external storage device 116 stores a work model table 252.
  • the memory 117 stores programs that realize the functions of the difference estimation unit 211 and the data correction unit 221.
  • the monitoring server 121 includes a CPU 124, a memory 123, a network interface 122, and an external storage device 125 connected to each other via a bus.
  • the external storage device 125 stores a monitoring data table 251.
  • the sensor 253 is a load meter, an acceleration sensor, or a thermometer.
  • the sensor 253, the monitoring camera 254, and the GPS 255 may be mounted on various other devices, and may cooperate with devices such as a network interface and storage.
  • FIG. 2 is a software block diagram for realizing automatic data correction processing. The overall flow of the automatic data correction process will be described with reference to FIG.
  • the process management system 201 manages processes based on data stored in the process management data table 203 and the asset data table 204.
  • the process management system 201 may be realized by any method as long as the process can be managed. Further, the process management data table 203 and the asset data table 204 may be a single table. Furthermore, the process management system 201 may be able to handle other tables necessary for process management.
  • the format of the process management data table 203 will be described with reference to FIG. 3, and the format of the asset data table 204 will be described with reference to FIG.
  • the process management system 201 has at least a user input unit 202 or accepts an input from a function corresponding to the external user input unit 202.
  • the user input unit 202 provides a function for inputting corrections and work completions for processes managed by the process management server 101.
  • the user input unit 202 may accept input from the user through the input device 104, or may accept input from another portable device or sensor.
  • the monitoring data table 251 stores data acquired by the sensor 253, the monitoring camera 254, and the GPS 255.
  • the monitoring data table 251 may store data of a plurality of other devices or may be configured of a plurality of tables.
  • the difference estimation unit 211 includes a progress estimation unit 212, a data extraction unit 213, and a deviation degree calculation unit 214.
  • the progress estimating unit 212 uses the work model stored in the work model table 252 to estimate an ideal work sequence when a specific work is performed (hereinafter simply referred to as an estimated sequence). The estimated sequence will be described with reference to FIG.
  • the data extraction unit 213 creates an actual progress series using the estimated series and the data stored in the monitoring data table 251 (hereinafter simply referred to as the progress series). The outline of the progress series will be described with reference to FIG. Then, the divergence degree calculation unit 214 calculates the divergence degree from the estimated series and the elapsed series. The calculation of the degree of divergence will be described with reference to FIG.
  • the data correction unit 221 includes a correction data generation unit 222 and a result output unit 223. If correction of data is required according to the divergence degree calculated by the divergence degree calculation unit 214, the correction data generation unit 222 corrects the data. If it is not possible to determine whether data correction is necessary, the result output unit 223 creates a GUI (Graphical User Interface) that outputs a warning. Even when data correction is performed, the correction result is output via the GUI. As the GUI, a GUI as shown in FIG. 14 may be created independently, or may be integrated with an interface on the process management system.
  • the present invention can be applied to cases where there are processes such as construction and production, but for the sake of simplicity, the following description will be made on the delivery of articles among various processes.
  • FIG. 3 is a diagram showing an example of the process management data table 203.
  • Each record in the process management data table stores articles to be delivered and a delivery plan.
  • Each record is entered by the user. Or you may create automatically according to model data.
  • the configuration of each record is arbitrary, but typical examples include data selected from data representing an ID for identifying the record, a work subject, a work object, a place, and time.
  • a TID (Transport IDentifier) 301 is an identifier for uniquely identifying each record, and any expression may be used as long as it can be uniquely identified.
  • Name 302 indicates the name of the process and can be arbitrarily set by the user.
  • Qty 303 indicates the amount of articles to be delivered. The quantity of articles may be in the form of number, weight, volume, etc. as long as the delivery target can be recognized.
  • Vehicle 304 indicates a device that performs delivery.
  • T1 and T2 of the vehicle 304 indicate individual tracks. When a specific track is expressed in the future, it is described as T1 or T2, and when an arbitrary track is expressed, it is described as Tx.
  • From 305 indicates a place where delivery is started, and To 307 indicates the place of the delivery destination.
  • Vehicle 304, From 305, and To 307 may have any format as long as the contents indicated by each can be uniquely identified.
  • Pick-up time 306 and Delivery time 308 indicate the scheduled loading date and the unloading scheduled date and time, respectively.
  • Pick-up time 306 and Delivery time 308 may be in any format as long as the date and time can be expressed.
  • Complete 309 indicates whether the delivery indicated by each record has been completed.
  • Y indicates that delivery has been completed and N has not yet been delivered.
  • other expression formats may be used as long as similar contents can be indicated.
  • FIG. 4 is a diagram showing an example of the asset data table 204.
  • Each record of the asset data table 204 indicates information such as the position and amount of each asset.
  • Each record is entered by the user or automatically created.
  • the record typically includes data selected from data indicating an ID for identifying an asset, a location where the asset exists, an asset state, and the like.
  • time information or the like may be held to hold the time-series change of assets.
  • An AID (Asset IDentifier) 401 is an identifier for uniquely identifying each record, and any expression may be used as long as it can be uniquely identified.
  • Name 402 and Qty 403 represent the name and quantity of each asset.
  • FL1 of Name 402 indicates an individual forklift. When a specific forklift is to be expressed in the future, FL is appended with a number and described as FL1 or FL2, and when an arbitrary forklift is expressed, it is described as FLx.
  • Location 404 is a value that uniquely identifies the facility in which the asset represented by each record is stored, and may be in any format as long as each facility can be uniquely identified.
  • the Detailed location 405 is a value that uniquely represents the location stored in the facility, and may be in any format as long as the location in each facility can be uniquely identified.
  • the Detail location 405 of “ ⁇ ” indicates that the asset is a moving device such as a truck or a forklift and not an asset stored in a specific location.
  • Weight / item 406 indicates the weight per asset, and any format may be used as long as the same contents can be expressed.
  • the weight / item 406 is “ ⁇ ” indicates that the asset is a moving device such as a truck or a forklift, and it is not necessary to manage the weight.
  • FIG. 5 is a diagram showing an example of the monitoring data table 251.
  • Each record in the monitoring data table 251 represents data collected from the sensor 253, the monitoring camera 254, the GPS 255, and the like.
  • data obtained from the sensor 253, the monitoring camera 254, the GPS 255, or the like may be stored as it is, or may be stored in a processed and edited state.
  • the monitoring data typically includes data selected from an ID for identifying the sensor, the location of the sensor, the data acquired by the sensor, the time when the data was acquired, and the like.
  • SDID (Sensed Data IDentifier) 501 is an identifier for uniquely identifying each record, and any expression may be used as long as it can be uniquely identified.
  • An SID (sensor IDentifier) 502 is an identifier for uniquely identifying each device such as the sensor 253, the monitoring camera 254, and the GPS 255, and any expression may be used as long as it can be uniquely identified.
  • Time 503 is a value expressing the date and time when the data of each record was obtained, and any format may be used as long as the date and time can be expressed.
  • Value 504 expresses the value of the obtained data.
  • a plurality of data formats are allowed, for example, the value obtained from the load meter is the weight, and the value obtained from the monitoring camera is stored as an image file.
  • Location 505 is a value indicating where the data is obtained, and may be in any format as long as the location can be uniquely identified.
  • the value of Location 505 being “ ⁇ ” represents that Value 504 indicates location information.
  • “Machine” 506 indicates that the sensor 253, the monitoring camera 254, and the GPS 255 that have obtained the data are mounted on a device such as a truck or a forklift.
  • FIG. 6 is a diagram illustrating an example of the work model table 252.
  • Each record in the work model table 252 represents an event (one work unit) such as package delivery, stacking, and unloading in the process.
  • Each work model is represented by a set of events.
  • the work model is defined in advance by the user based on, for example, experience.
  • Each record typically includes data selected from an ID for identifying a work model, information indicating the order of events in the model, information representing characteristics of the subject of the event, an object, work content, and the like.
  • Model ID (Model IDentifier) 601 is an identifier for uniquely identifying each work model, and any expression may be used as long as it can be uniquely identified.
  • Model_name 602 is a value indicating the name of each work model, and can be arbitrarily set by the user.
  • Order 603 is a value indicating in what order the events represented by each record occur, and any format may be used as long as the order relation can be expressed.
  • Action 604 expresses the contents of each event.
  • Description 605 expresses information associated with each event. For example, a record in which Model ID 601 and Order 603 are both 1 represents that an event of loading medicine into an arbitrary truck occurs by an arbitrary forklift at the beginning of chemical transportation.
  • Action 604 has only Load and Transport values, but this can be variously defined depending on the contents of the process.
  • FIG. 7 is a flowchart of automatic data correction processing. This process is executed by a user input from the user input unit 202, the time of the Delivery time 308 in the process management data table 203, or the passage of a predefined interval.
  • Step 701 is a process executed by the progress estimation unit 212.
  • an estimated sequence is created using the work model. A method of creating the estimation sequence will be described with reference to FIG. The work model used at this time is selected based on the trigger of this processing.
  • Step 702 is a process executed by the data extraction unit 213.
  • step 702 monitoring data related to the estimated series is acquired, and an elapsed series is created. A method for creating the progression series will be described with reference to FIG.
  • Step 703 is a process executed by the divergence degree calculation unit 214. Step 703 calculates the degree of divergence from the estimated series and the elapsed series. A method for calculating the degree of deviation will be described with reference to FIG.
  • step 704 if the calculated divergence degree is equal to or greater than the correction threshold value, step 705 is executed, and if not, step 706 is executed.
  • step 705 since it is determined that the data is incorrect, the data correction unit 221 corrects the data. Finally, if the calculated degree of divergence is greater than or equal to the warning threshold value in step 706, a data error is suspected, so that a warning output is executed in step 707, and if not, this process ends.
  • FIG. 8 is a flowchart showing the estimated sequence generation process, and shows the process of step 701.
  • a work model to be used in step 801 is selected.
  • a work model expressing a process in which a change has occurred due to the user input is targeted.
  • a work model representing a process having the lapse time is targeted.
  • a work model expressing a process scheduled to end at each time point is targeted.
  • step 802 an estimated series is created using the work model selected in step 801.
  • the process whose TID 301 is 2 in the process management data table 203 of FIG.
  • the name of the process is “medicine transportation”, and a work model having the same Model name 602 and Model IV ID of 1 is selected.
  • FIG. 9A is an estimated sequence created using the selected work model and the process management data applied thereto.
  • Supplier (S1) 901, Storage (S3) 902, and Storage (S2) 903 are delivery bases.
  • a black point represented by a point 904 is a specific point on the movement route. The specific point is, for example, a main intersection or a point where a landmark exists.
  • FIG. 9A illustrates a situation in which Track (T1) 906 is loaded with a medicine and moves from Supplier (S1) 901 to Storage (S2) 903 using a path represented by a line 907.
  • the medicine is carried out of the truck by FL2 and is transported to Area 2 in Storage (S2) 903. Yes.
  • FIG. 9B represents the estimated sequence of the above situation in a table format.
  • the information included in the table 910 typically includes data selected from event time, place, subject, object, and other information.
  • an EID (Estimation IDentifier) 911 is an identifier for uniquely identifying each record, and any expression may be used as long as it can be uniquely identified.
  • Time 912 is a value representing the expected occurrence time of the event, and may be in any format as long as the time can be expressed.
  • Item ID (Item IDentifier) 913 is the operating subject of the event represented by the record, and is, for example, the truck T1 or the forklift FL2.
  • Action 914 represents the action performed by the action subject represented by Item ID 913
  • Location 915 represents the place where the action was performed.
  • Value 916 is additional information for the operation. For example, a record with an eID of 1 represents that the load meter of the forklift FL1 will show a value of 30 kg. The record with EID 5 indicates that the load meter of the forklift FL2 shows a value of 20 kg and will appear in Area2.
  • the estimated series is created using the data of the work model table 252 and the data of the process management data table 203.
  • the asset management data table 204 may be used. Further, if data in the same format can be obtained, it may be created using mathematical programming, agent-based simulation, or the like. In such an estimated series, if the data in the process management data table 203 and the data in the asset management data table 204 are incorrect, the current state cannot be accurately reflected. The cause of the error may be that the user inputs an incorrect numerical value.
  • FIGS. 10A and 10B are diagrams showing an overview of the progress sequence created in step 702. FIG. 10A and 10B, the description of the same parts as those in FIGS. 9A and 9B is omitted.
  • a solid line 1001 is an actual route calculated from GPS data mounted on the truck T1.
  • a surveillance camera video sequence 1002 indicates an actual time-series video of the surveillance camera that monitors Area2.
  • the table 1010 represents the above contents in a table format.
  • An MID (Monitored IDentifier) 1011 is an identifier for uniquely identifying each record in the table 1010, and any expression may be used as long as it can be uniquely identified.
  • Time 1012, Item ID 1013, Location 1014, and Value 1015 are the same as Time 912, Item ID 913, Location 915, and Value 916, respectively.
  • the information included in the table 1010 typically includes data selected from event time, place, subject, object, and other information.
  • the progress series is created based on the estimated series. That is, it is created by arranging, in chronological order, images of a monitoring camera that shows a moving path of a truck estimated to be used in an estimated series, a moving range of a forklift, and the like. For example, since the track T1 is used in the estimation sequence of FIG. 9B, a record with MID of 2, 3, and 4 in FIG. 10B is created by tracking the GPS of T1. Further, it can be seen from the records of EID 5 and 6 in the estimation sequence of FIG. 9B that the video of the load meter of forklift FL2 and the monitoring camera for monitoring Area2 is necessary. The result of acquiring the value is a record with MIDs 6 and 7 in FIG. 10B.
  • a track or the like can also be specified from the vehicle 304 of the process management data table.
  • the progression series is based on the sensor data related to the estimation series, it can be estimated that at least the numerical values such as the position, quantity, and time indicated by the sensor accurately reflect the current situation.
  • FIG. 11 shows a method for calculating the divergence degree from the estimated series of FIG. 9 and the elapsed series of FIG.
  • FIG. 11 shows details of the processing in step 703.
  • Each element 1101 represents each record of the estimated series table 910 and the elapsed series table 1010, respectively.
  • the upper stage 1101a represents an estimated series
  • the lower stage 1101b represents an elapsed series.
  • the leftmost element 1101a in the upper stage represents a record whose EID911 is 1 in the table 910 of FIG. 9B.
  • An arrow 1102 represents the sequence order
  • a difference 1103 and a difference 1104 indicate different portions of the estimated sequence and the elapsed sequence.
  • the difference 1104 will be described as an example.
  • the value of the value of the forklift F2 is 20 kg. However, in 1101b-1, the value of Value is 0 kg. In 1101a-2, the forklift F2 is located at Area2. However, the sensor data of 1101b-2 indicates that there is no device whose Value in Area2 is 0.
  • the degree of divergence is a distance obtained by normalizing the distance of the estimated series and the elapsed series and the Diameter-Levenshtein distance. For the same distance, the distance is calculated in consideration of insertion, replacement, deletion, etc. of the element 1101. In the case of the example in FIG. 11, the Damau-Levenshtein distance is 5 and the longer sequence length is 7, so the divergence is 5/7, which is 0.714. Note that the divergence degree may be calculated using another method such as a Jaro-Winker distance or a Levenshtein distance as long as a difference between series can be calculated as a distance.
  • FIG. 12 is a flowchart showing the correction data calculation process in step 705.
  • Step 1201 indicates the start of repetition processing.
  • Step 1202, step 1203, and step 1204 are sequentially applied to the difference 1103 and the difference 1104 shown in FIG.
  • step 1202 a single divergence degree that is a divergence degree for each difference is calculated. That is, when 0.714 is distributed, the single deviation degree of the difference 1103 is 0.285, and the single deviation degree of the difference 1104 is 0.429.
  • step 1203 it is determined whether the single divergence is less than the correction threshold. If the single deviation is greater than or equal to the correction threshold, step 1204 is executed. In step 1204, the value of each element in the difference series is corrected.
  • FIG. 13 is a flowchart detailing the process of correcting the value of each element in the difference series in step 1204.
  • the processing after step 1301 is all processing for each element 1101 in the difference.
  • the iterative process is performed in ascending order of time series.
  • description will be made using the contents of the difference 1104 in FIG.
  • the estimated series data is corrected in consideration of the elapsed series data.
  • the asset data table 204 and the process management data table 203 are finally corrected.
  • a corresponding element is acquired from the estimated sequence.
  • the corresponding element is the element used to create the element in the history series.
  • the element 1101a-1 at the left end of the difference 1104, that is, the element whose Time 912 is “201404203-100500” and Item ID 913 is FL2 is acquired.
  • step 1303 conditional branching is performed according to the action of the acquired element. If the element Action is accompanied by a device change, such as Load, for example, Step 1305 and Step 1306 are executed in sequence, otherwise Step 1304 is executed. Similarly, in step 1304, if the action is a location move, for example, a transport, for example, step 1307 is executed.
  • a device change such as Load
  • Step 1305 and Step 1306 are executed in sequence
  • Step 1304 is executed.
  • step 1304 if the action is a location move, for example, a transport, for example, step 1307 is executed.
  • step 1305 devices having the same value 916 as that of the estimated sequence are extracted from devices in the same location 915 as the item ID 912 of the target element.
  • Item ID 912 is FL2
  • Value is 20 kg.
  • the value of FL2 indicates 0 kg. Therefore, assuming that the Item ID of the forklift is wrong, a forklift that is the same type as FL2 and that has a location 915 of S2 and a load meter mounted thereon shows a value of 20 kg is extracted. It can be seen from the asset data table 204 of FIG. 4 that FL3 is in S2. If the load cell mounted on the device shows a value of 20 kg in the time zone indicated by “201404203-100500”, FL3 is the device extracted in step 1305.
  • step 1306 the item ID is changed to the item ID obtained by extracting all the subsequent elements in the difference from the element. That is, the Item ID 1013 of each element 1101a-1, 1101a-2, 1101a-3 in the difference is changed from FL2 to FL3. Also, the value is changed to 20 kg.
  • step 1307 the location 1014 and the value 1015 are changed by extracting from the GPS and surveillance camera data mounted on the device indicated by the item ID 1013.
  • the Item ID 1013 is changed to FL3 in Step 1306, so the value is acquired from the GPS mounted on the FL3.
  • FL3 is in S2, and then FL3 is extracted from the video of the surveillance camera in S2.
  • Extraction from video uses a technique that is publicly available for image retrieval, object extraction, and the like. Other techniques may be used as long as the location of the device can be extracted from a plurality of monitoring data.
  • the correction process is executed assuming that the Value and Location are correct.
  • the assumption that other data is incorrect may be used.
  • the correction process can be executed assuming that the Item ID and Value of the forklift are correct.
  • the accuracy of correction can be improved.
  • FIG. 14 shows an example of a GUI for functionally managing and executing the processing described so far.
  • the window 1401 includes parameter settings necessary for automatic data correction processing input through the user input unit 202 of the process management system 201 and the result of the data correction unit 221.
  • a correction threshold value input field 1402 is a field for inputting a correction threshold value required in step 704.
  • the warning threshold value input field 1403 is a field for inputting a warning threshold value required in step 706.
  • the correction threshold value input field 1404 is a field for inputting a correction threshold value required in step 1203.
  • the correction target data 1405 is displayed on the process system 201, but data that needs to be corrected is displayed.
  • data of the asset data table 204 is displayed, but data of another table may be displayed.
  • As correction candidate information Rank 1406, Score 1407, and correction candidate data 1408 are displayed.
  • the correction candidate data 1408 indicates the expected result of the correction described above.
  • Score 1407 is a value obtained by subtracting from 1 the degree of divergence of the corrected progression series.
  • Rank 1406 is a rank when the Scores 1407 are arranged in descending order. As a result of the above-described correction example, Rank 1406 is displayed as a record of 1, and the correction portion is highlighted.
  • the calculation details 1411 is an output indicating on what basis the correction has been performed, and here, an estimated sequence and an elapsed sequence when corrected (hereinafter referred to as a correction sequence) are output. The operator can review the validity of the correction.
  • the calculation details 1411 can be switched by clicking or selecting one of the correction candidate 1408 records.
  • Usage data 1412 is output by selecting an element in the correction series.
  • the usage data 1412 indicates data used for performing the correction. For example, here, the usage data 1412 indicates an image file of a monitoring camera which is data used to obtain a value 1015 called Area3.
  • An automatic correction / warning display 1409 indicates whether the result output to the window 1401 is a result of automatic correction or a warning. Here, a warning is shown.
  • correction according to the correction result is performed by pressing the correction button 1410.
  • the user may have a function of changing the correction candidate again.
  • a different interface may be used or another input / output may be added.
  • an error in the data in the process management system is automatically detected from the work model and monitoring data such as a GPS, a load meter, and a sensor, and a warning and correction are performed. It can be performed.
  • FIG. 15 is a hardware configuration diagram showing a configuration example of the second embodiment of the present invention. In the following description, the same components as those in FIG.
  • the 2nd Embodiment has the work model production
  • the work model generation unit 1601 automatically generates a work model using data in the monitoring data table 251, the process management data table 203, and the asset data table 204.
  • FIG. 16 is a software block diagram illustrating automatic work model generation according to the second embodiment of this invention. The overall flow of automatic work model generation will be described with reference to FIG. In the following description, the same components as those in FIG.
  • the work model automatic generation process is executed with user input or process termination as a trigger, as in automatic data correction.
  • the work model generation unit 1601 extracts a process to be learned.
  • monitoring data related to the process is acquired from the monitoring data table 251, a work model is generated, and stored in the work model table 252.
  • FIG. 17 is a flowchart of the work model automatic generation process.
  • step 1701 all monitoring data obtained from the start time to the end time of the target process is acquired.
  • the start time is the time of Pick-up time 306.
  • the end time is the time when the user input is performed, and when the process is ended, the time of Delivery time 308 is used.
  • the obtained monitoring data is regarded as a time-series transition, and the sequence with the maximum likelihood is selected by maximum likelihood estimation. That is, one sequence such as the estimated sequence of FIG. 11 is created from the monitoring data. At that time, since the connection of the series is unknown only by the monitoring data, the series is created by maximum likelihood estimation. For example, if the time when the GPS data of a certain truck no longer changes is close to the time when the value of a load meter of a certain forklift changes, it can be determined that the likelihood is high. Therefore, the switching of data fluctuation is regarded as a high likelihood point, and maximum likelihood estimation is performed. Note that other methods may be used as long as similar data is obtained.
  • step 1703 the first element of the obtained series is set as the investigation target element.
  • step 1704 the Item ID of the investigation target element is compared with the immediately following Item ID. If the results are equal, step 1705 is executed; otherwise, step 1706 is executed.
  • step 1705 the action 604 of the investigation target element is set to “Transport”, the description 605 is set from the value of the GPS or the monitoring camera, and the immediately following element is deleted.
  • the value to be set is, for example, “Tx on shortest path” for a truck, and “FLx on replicate location” for a forklift.
  • step 1706 Action 604 of the investigation target element is set to Load
  • Description 605 is set to “Item ID of the investigation target element to Item ID immediately after the element”, and the number in Item ID is replaced with “x”.
  • the values set in steps 1705 and 1706 are set according to the design policy of the work model table 252 and may be set using other machine learning methods.
  • step 1707 it is determined whether or not an element remains immediately after that. If an element remains immediately after that, the element immediately after is set as an investigation target element in step 1708, and the process returns to step 1704. If the element has not returned immediately after that, in step 1709, the elements set so far are stored in the work model table 252 in order.
  • Order 603 is set sequentially from 1 in the order in which it is stored, and Model name 602 may ask the user for input or may automatically name it.
  • management data and monitoring data are treated as time series data, and the work model having the maximum likelihood of time series data is generated.
  • the second embodiment can automatically generate a work model and reduce the work model creation effort.
  • the present invention is not limited to the above-described embodiment, and includes various modifications.
  • a part of the configuration of one embodiment can be replaced with the configuration of another embodiment, and the configuration of another embodiment can be added to the configuration of one embodiment.
  • functions equivalent to those configured by software can also be realized by hardware such as FPGA (Field Programmable Gate Array) and ASIC (Application Specific Integrated Circuit). Such an embodiment is also included in the scope of the present invention.
  • the present invention can be used to improve the accuracy of data in the process management system.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Manufacturing & Machinery (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

　ＧＰＳや荷重計といったセンサのデータからデータの誤りを自動検知し、且つ、警告および補正を行う自動補正方法および装置を提供することを目的とする。　工程管理システム上のデータを補正する方法であって、作業モデルを用いてモニタリングデータと工程管理システムのデータの乖離度を算出する乖離度算出部と、前記算出された乖離度と前記モニタリングデータから補正候補を生成するデータ補正部と、を備え、前記作業モデルを用いて抽出されたモニタリングデータから、前記乖離度算出部が前記工程管理システムのデータと前記抽出されたモニタリングデータの乖離度を算出し、前記乖離度から前記データ補正部が補正データを生成し、当該補正データによって前記工程管理システム上の正しいデータの候補を出力する、ことを特徴とする工程管理データ自動補正方法。

Description

工程管理データ補正方法および装置
　本発明は工程管理データ自動補正方法および装置に関する。
　Ｏｉｌ＆Ｇａｓ分野を含む様々な分野において、工程管理およびそれに伴う資産管理のコスト低減を目的として、工程管理システムが用いられている。ここにおける工程管理システムとは、ＥＡＭ（Ｅｎｔｅｒｐｒｉｓｅ Ａｓｓｅｔ Ｍａｎａｇｅｍｅｎｔ）やＳＣＭ（Ｓｕｐｐｌｙ Ｃｈａｉｎ Ｍａｎａｇｅｍｅｎｔ）等のシステムを含む、生産活動に必要な工程管理、資産管理、輸送計画管理といった様々な管理を行うシステムを指すものとする。
　例えば、海底から資源を掘削・生産するために必要な労働者や機械類を収容する洋上プラットフォームでは、生産に伴う消耗品等の配送状況を考慮した工程管理が重要となる。工程管理を効率的に行うには、正確な物品の管理や異常な状況への対処、状況変化に対する再計画といった機能が必要となる。物品の管理には、例えばＲＦＩＤ（Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ ＩＤｅｎｔｉｆｉｃａｔｉｏｎ）を用いて管理する技術が知られている。また、特許文献１には、ポータブルデバイスを用いて物品の配送状況に関する情報収集を行い、当該収集結果から配送計画を再計画する技術が開示されている。さらに、特許文献２には、現状の稼働状況から異常な状況を予測し、当該予測結果に対する最適な対応をシミュレーションにより算出し、当該算出結果に基づいた対処を実行する技術が開示されている。
米国公開ＵＳ７６２４０２４号公報 米国公開ＵＳ２０１２/０１７３２９９号公報
　しかしながら、従来の工程管理システムに関する技術は、異常検知や再計画等といった今後生じることに関する技術のみであり、現状のデータに間違いがあった場合に対処できなかった。
　例えば異常検知や再計画を行うためには、現状を正確に把握することが重要となる。しかしながら、現実にはユーザの勘違いや入力ミス等によりデータの正確性は保証されない。また、そのような状況は予兆検知等の対象となるような異常や故障ではないため、従来技術では対処できなかった。
　なお、特許文献１にて開示された技術では、配送を行う人物が当該配送の終了や変更をポータブルデバイスを通じて入力する。しかし、ユーザが当該デバイスに対して間違った入力を行うことは考慮されていない。そのため、間違った情報が入力された場合、その後行われる再計画において実現不可能な計画を出力する場合がある。
　また、特許文献２にて開示された技術では、最初に予兆検知により異常な状況を予測することが必要となる。しかしながら、当該検知に必要な現状のデータが間違っていることは考慮されていないため、データが間違っている可能性があるケースには適用できなかった。
　本発明は、上述した問題を考慮したものであって、工程管理システムに格納されているデータには誤りが含まれる状況にも対応するため、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）や荷重計といったセンサのデータから自動で当該誤りを検知し、且つ、警告およびデータの補正を行うデータ自動補正方法および装置を提供することを目的とする。
　本願において開示される発明の代表的な一例を示せば以下の通りである。すなわち、工程管理システム上のデータを補正する方法であって、作業モデルを用いてモニタリングデータと工程管理システムのデータの乖離度を算出する乖離度算出部と、算出された乖離度とモニタリングデータから補正候補を生成するデータ補正部と、を用いる。作業モデルを用いて抽出されたモニタリングデータから、乖離度算出部が工程管理システムのデータと抽出されたモニタリングデータの乖離度を算出する。乖離度からデータ補正部が補正データを生成し、補正データによって工程管理システム上の正しいデータの候補を出力する。
　本発明の方法は、記憶装置と、処理装置と、入力装置と、出力装置を有する情報処理装置によって構成され、作業対象物に対する作業を管理する工程管理システムのデータ補正方法である。作業対象物とは、例えば作業用機械、材料、資材などの作業に関わる対象物である。処理装置は、作業対象物に関するモニタリングデータと工程管理システムの管理データの乖離度を算出する乖離度算出ステップと、算出された乖離度とモニタリングデータから補正候補を生成するデータ補正ステップとを実行する。モニタリングデータは、例えば作業環境に配置される各種のセンサで取得され、入力装置を介して処理装置に入力される。工程管理システムの管理データは、例えば、工程計画を作成するオペレータや、作業を行う作業員によって入力された情報、あるいは処理装置により自動的に作成されたデータが考えられる。
　乖離度算出ステップの好ましい例では、作業において想定される一連のイベントを示す作業モデルと、作業対象物に関する時間、場所、もしくは特性のデータのうち少なくとも２つを含む管理データとから、作業における一連のイベントを、作業対象物に関する時間、場所、もしくは特性のデータのうち少なくとも２つを含む要素として時系列的に表現する推定系列を生成する推定系列作成ステップを有する。推定系列とモニタリングデータを比較することで乖離度を算出することが容易になる。ここで特性のデータは、作業対象物の温度、湿度、分量、重量、正常または異常などの状態を表すデータのほか、存在の有無、対象物を特定するID、対象物を撮影した画像データ等を含む、広い概念である。
　乖離度算出ステップのさらに好ましい例では、推定系列とモニタリングデータから、作業における一連のイベントを、作業対象物に関する時間、場所、もしくは特性のデータのうち少なくとも２つを含む要素として時系列的に表現する経過系列を生成する経過系列作成ステップを有する。推定系列と経過系列を比較することで乖離度を算出することが容易になる。好ましくは、モニタリングデータに位置情報と時間情報を含むことで、作業の実体を具体的に把握することができる。
　さらに好ましい形態では、モニタリングデータは、作業対象物に関する時間、場所、もしくは特性のデータの少なくとも二つのデータを含むレコードを含む。補正データ生成ステップは、推定系列中の特定の要素を抽出する。そして、抽出された要素中の、作業対象物に関する時間、場所、もしくは特性のデータの少なくとも一つをキーとして、当該キーと同じあるいは所定の関係を有する対応データを含むレコードをモニタリングデータから抽出する。そして、抽出されたモニタリングデータのレコード中の、対応データ以外のデータをデータ補正候補とする。このような方法で、モニタリングデータを用いて、管理データを訂正することが可能となる。
　好ましい一例では、管理データは、資産を識別するＩＤ、資産の存在する場所、資産の状態等を示すデータから選ばれるデータが含まれる資産データと、レコードを識別するＩＤ、作業主体、作業客体、場所、時間を表すデータから選ばれるデータが含まれる工程管理データを、含む。データ補正候補が得られた後、推定系列中の特定の要素中のデータを置換するとともに、あるいは、置換することに代えて、資産データおよび工程管理データの少なくとも一つに、当該置換を反映させる。反映させる前に、補正候補を表示し、オペレータに確認の機会を与えることもできる。
　本発明の他の側面は、記憶装置と、処理装置と、入力装置と、出力装置により構成される情報処理装置によって構成される工程管理システム上のデータを補正する装置である。
　この装置は、記憶装置に格納される作業モデルを用いて、入力装置から入力されるモニタリングデータと、記憶装置に格納される工程管理システムのデータの乖離度を算出する乖離度算出部と、算出された乖離度とモニタリングデータから補正候補を生成するデータ補正部とを処理装置中に備える。
　乖離度算出部は、作業モデルを用いて所定のモニタリングデータを抽出し、工程管理システムのデータと抽出されたモニタリングデータの乖離度を算出する。データ補正部は、乖離度から補正データを生成し、補正データによって工程管理システム上のデータの補正候補を出力する。好ましくは、乖離度算出部は、作業モデルから推定され、作業のイベントを時系列的に並べた推定系列を生成する。また、乖離度算出部は、モニタリングデータから、作業のイベントに関連して抽出されたデータを時系列的に並べた経過系列を生成し、推定系列と経過系列を比較することで乖離度を算出する。
　本発明の他の側面は、記憶装置と、処理装置と、入力装置と、出力装置を有する情報処理装置によって構成され、作業対象物に対する作業を管理する工程管理システムのデータ監視方法である。
　記憶装置は、作業対象物を特定する情報および作業対象物に関連する情報として少なくとも時間情報を含むレコードからなる管理情報を記憶する。入力装置は、外部のセンサから送信され、少なくとも時間情報を含むモニタリングデータを受信する。処理装置は、管理情報を時系列に並べた推定系列と、推定系列と関連するモニタリングデータを時系列に並べた経過系列を作成し、推定系列と経過系列を比較する。
　以上で、作業工程を時系列に表現すると比較が容易になる。このとき、時間そのものではなく、時間と関連付けられる場所（例えば配送車の経路に沿った通過ポイント）や、時間と関連付けられる作業対象物（例えば使用の順序が決まっている作業対象物）で系列を作成し、比較することもできる。そして、比較結果に基づいて、推定系列中のレコードのうちから補正対象となるレコードを抽出する。抽出したレコードは出力装置に表示することができる。また、レコードを抽出するとともに、あるいは、これに代えて、比較結果を出力装置に表示し、オペレータが状況の判断ができるようにしてもよい。典型的な一例としては、比較は、推定系列と経過系列の距離を計算することにより行う。
本発明によれば、ＧＰＳや荷重計、センサ等のモニタリングデータから自動で工程管理システム内のデータの誤りを検知し、警告あるいは補正を行うことができる。
本発明の第１の実施形態のデータ自動補正装置の構成例を示す図である。 本発明の第１の実施形態のデータ自動補正処理を説明するブロック図である。 本発明の第１の実施形態の工程管理データテーブルの一例を示す表図である。 本発明の第１の実施形態の資産データテーブルの一例を示す表図である。 本発明の第１の実施形態のモニタリングデータテーブルの一例を示す表図である。 本発明の第１の実施形態の作業モデルテーブルの一例を示す表図である。 本発明の第１の実施形態のデータ自動補正処理を示すフローチャートである。 本発明の第１の実施形態の推定系列生成処理を示すフローチャートである。 本発明の第１の実施形態の推定系列を表現した概念図である。 本発明の第１の実施形態の推定系列を表現した表図である。 本発明の第１の実施形態の経過系列を表現した概念図である。 本発明の第１の実施形態の経過系列を表現した表図である。 本発明の第１の実施形態の乖離度計算処理を示すフローチャートである。 本発明の第１の実施形態の補正データ算出処理を説明するフローチャートである。 本発明の第１の実施形態の差分系列修正処理を示すフローチャートである。 本発明の第１の実施形態の管理用ＧＵＩの一例を示す平面図である。 本発明の第２の実施形態のデータ自動補正装置の構成例を示すブロック図である。 本発明の第２の実施形態の作業モデル生成処理を説明するブロック図である。 本発明の第２の実施形態の作業モデル生成処理を示すフローチャートである。
　以下、本発明の実施形態について図面を用いて説明する。ただし、本発明は以下に示す実施の形態の記載内容に限定して解釈されるものではない。本発明の思想ないし趣旨から逸脱しない範囲で、その具体的構成を変更し得ることは当業者であれば容易に理解される。以下の実施例では、資材の搬送を例にとって説明するが、本発明はこれに限定されるものではなく、種々の作業に適用可能である。
　図面等において示す各構成の位置、大きさ、形状、範囲などは、発明の理解を容易にするため、実際の位置、大きさ、形状、範囲などを表していない場合がある。このため、本発明は、必ずしも、図面等に開示された位置、大きさ、形状、範囲などに限定されない。
　図１は、本発明の第１の実施形態の装置の構成例を示すハードウェア構成図である。工程管理サーバ１０１、乖離度算出サーバ１１１、モニタリングサーバ１２１、センサ２５３、監視カメラ２５４、ＧＰＳ２５５はネットワーク１００によって接続されている。ネットワーク１００とはＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）やインターネット回線である。
　工程管理サーバ１０１は、バスによって相互に接続されたＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）１０２、出力装置１０３、入力装置１０４、メモリ１０５、ネットワークインターフェース１０６、外部記憶装置１０７を備える。
　ＣＰＵ１０２は、メモリ１０５に記憶されているプログラムを処理することによって、各種処理を実行する演算処理装置である。外部記憶装置１０７は、メモリ１０５に記憶されているプログラム本体又はメモリ１０５に記憶されているプログラムによって利用されるデータを格納する記憶装置である。メモリ１０５は、ＣＰＵ１０２によって処理されるプログラム及び使用されるデータを格納する記憶装置である。ＣＰＵ１０２によって処理されないプログラム及びデータは、外部記憶装置１０７に格納される。
　メモリ１０５は、工程管理システム２０１の機能を実現するプログラムを格納する。外部記憶装置１０７は、工程管理データテーブル２０３、資産データテーブル２０４を格納しており、また、他に工程管理システム２０１に用いられるテーブルを格納してもよい。
　出力装置１０３は、例えばディスプレイなどの表示装置である。この出力装置１０３は、以降説明する方法によってデータ補正の候補や、補正に用いられるパラメータの管理用インターフェース（図１４参照）を表示（提示）する。入力装置１０４は、例えばキーボードやマウスなどの入力装置である。この入力装置１０４を用いて、補正に用いられるパラメータを管理するための操作や補正候補の選択操作を行う。入出力装置としては、外部記憶装置やネットワークを介してデータを送受信する、入出力インターフェースを備えてもよい。
　ネットワークインターフェース１０６は、乖離度算出サーバ１１１、モニタリングサーバ１２１及びその他の外部の計算機やモニタリング用の機器と接続し、通信するためのインターフェース装置である。
　乖離度算出サーバ１１１は、バスによって相互に接続されたＣＰＵ１１３、出力装置１１４、入力装置１１５、メモリ１１７、ネットワークインターフェース１１２、外部記憶装置１１６を備える。外部記憶装置１１６は作業モデルテーブル２５２を格納する。メモリ１１７は差分推定部２１１、データ補正部２２１の機能を実現するプログラムを格納する。
　モニタリングサーバ１２１は、バスによって相互に接続されたＣＰＵ１２４、メモリ１２３、ネットワークインターフェース１２２、外部記憶装置１２５を備える。外部記憶装置１２５はモニタリングデータテーブル２５１を格納する。
　センサ２５３とは、荷重計や加速度センサ、温度計である。センサ２５３、監視カメラ２５４、ＧＰＳ２５５は、他の様々な装置に搭載されていてもよく、またネットワークインターフェースやストレージ等の機器と連携してもよい。
　図２はデータ自動補正処理を実現するソフトウェアブロック図である。図２を用いてデータ自動補正処理の全体的な流れを説明する。
　工程管理システム２０１は、工程管理データテーブル２０３および資産データテーブル２０４に格納されているデータを基に工程を管理する。工程管理システム２０１は、工程を管理可能であればどのような方法で実現してもよい。また、工程管理データテーブル２０３および資産データテーブル２０４は、単一のテーブルであってもよい。さらに、工程管理システム２０１は、工程管理に必要な他のテーブルを扱うことができてもよい。工程管理データテーブル２０３の形式は図３で、資産データテーブル２０４の形式は図４で述べる。
　工程管理システム２０１は、少なくともユーザ入力部２０２を持つか、外部のユーザ入力部２０２に相当する機能から入力を受け付ける。ユーザ入力部２０２は、工程管理サーバ１０１で管理されている工程に対して、修正や作業完了の入力を行うための機能を提供する。ユーザ入力部２０２は、入力装置１０４を通じてユーザからの入力を受け付けてもよいし、他のポータブルデバイスやセンサから入力を受け付けてもよい。
　モニタリングデータテーブル２５１は、センサ２５３、監視カメラ２５４、ＧＰＳ２５５によって取得されたデータを格納する。モニタリングデータテーブル２５１は、他の複数の機器のデータを格納してもよいし、複数のテーブルで構成してもよい。
　差分推定部２１１は、経過推定部２１２、データ抽出部２１３、乖離度算出部２１４によって構成される。経過推定部２１２は、作業モデルテーブル２５２に格納されている作業モデルを用いて、特定の作業が行われた場合の理想的な作業系列を推定する（以降、単に推定系列と呼ぶ）。推定系列に関しては、図９にて述べる。
　データ抽出部２１３は、推定系列およびモニタリングデータテーブル２５１に格納されているデータを用いて、実際の経過系列を作成する（以降、単に経過系列と呼ぶ）。経過系列の概要は図１０にて述べる。そして、乖離度算出部２１４は、推定系列と経過系列から乖離度を算出する。乖離度の算出については図１１にて述べる。
　データ補正部２２１は、補正データ生成部２２２と結果出力部２２３から構成される。乖離度算出部２１４によって算出された乖離度に応じて、データの補正が必要とされた場合は補正データ生成部２２２がデータの補正を行う。データの補正が必要かどうかの判断がつかない場合、結果出力部２２３にて警告を出力するＧＵＩ（Ｇｒａｐｈｉｃａｌ　Ｕｓｅｒ　Ｉｎｔｅｒｆａｃｅ）を作成する。また、データ補正を行う場合でも、当該補正結果をＧＵＩ経由で出力する。当該ＧＵＩは図１４で示すようなＧＵＩを独自に作成してもよいし、工程管理システム上のインターフェースと統合されてもよい。
　本発明は、建設や生産といった工程が存在するケースに適用可能であるが、以下、簡単のために様々な工程の中でも物品の配送を対象として説明する。
　図３は工程管理データテーブル２０３の一例を示す図である。工程管理データテーブルの各レコードは配送対象の物品と配送計画が格納されている。各レコードはユーザが入力する。あるいは、雛形データに従って自動的に作成してもよい。各レコードの構成は任意であるが、典型例としては、レコードを識別するＩＤ、作業主体、作業客体、場所、時間を表すデータから選ばれるデータが含まれる。
　ＴＩＤ（Ｔｒａｎｓｐｏｒｔ　ＩＤｅｎｔｉｆｉｅｒ）３０１は、各レコードを一意に識別するための識別子であり、一意に識別可能であればどのような表現でもよい。Ｎａｍｅ３０２は工程の名称を示しており、ユーザが任意に設定可能である。Ｑｔｙ３０３は、配送対象の物品の量を示している。物品の量は、配送対象を認識可能であれば、個数や重量、体積等の形式でもよい。
　Ｖｅｈｉｃｌｅ３０４は配送を行う機器を示している。Ｖｅｈｉｃｌｅ３０４のＴ１、Ｔ２は個々のトラックを示しており、今後特定のトラックを表現する場合はＴ１やＴ２と記載し、任意のトラックを表現する場合はＴｘと記載する。Ｆｒｏｍ３０５は配送が開始される場所を示し、Ｔｏ３０７は配送先の場所を示している。Ｖｅｈｉｃｌｅ３０４、Ｆｒｏｍ３０５、Ｔｏ３０７は、それぞれが示す内容を一意に識別可能であればどのような形式でもよい。
　Ｐｉｃｋ－ｕｐ　ｔｉｍｅ３０６およびＤｅｌｉｖｅｒｙ　ｔｉｍｅ３０８は、それぞれ配送物品の積込み予定日時、積み降ろし予定日時を示している。Ｐｉｃｋ－ｕｐ　ｔｉｍｅ３０６およびＤｅｌｉｖｅｒｙ　ｔｉｍｅ３０８は日時を表現可能であればどのような形式でもよい。
　Ｃｏｍｐｌｅｔｅ３０９は、各レコードが示す配送が終了したかどうかを示す。ここではＹが配送終了、Ｎが未配送であることを示しているが、同様の内容を示すことが可能であれば他の表現形式でもよい。
　図４は資産データテーブル２０４の一例を示す図である。資産データテーブル２０４の各レコードは各資産の位置や量等の情報を示している。各レコードはユーザが入力し、あるいは、自動的に作成される。レコードには、典型例としては、資産を識別するＩＤ、資産の存在する場所、資産の状態等を示すデータから選ばれるデータが含まれる。なお、ここでは最新時点での情報のみを保持しているが、資産の時系列変化を保持するために時刻情報等を持っても良い。
　ＡＩＤ（Ａｓｓｅｔ ＩＤｅｎｔｉｆｉｅｒ）４０１は各レコードを一意に識別するための識別子であり、一意に識別可能であればどのような表現でもよい。Ｎａｍｅ４０２およびＱｔｙ４０３は各資産の名称および量を表している。Ｎａｍｅ４０２のＦＬ１は個々のフォークリフトを示しており、今後特定のフォークリフトを表現する場合はＦＬの後ろに数字を付けＦＬ１やＦＬ２と記載し、任意のフォークリフトを表現する場合はＦＬｘと記載する。
　Ｌｏｃａｔｉｏｎ４０４は各レコードが表す資産が保管されている施設を一意に識別する値であり、各施設が一意に識別可能であればどのような形式でもよい。Ｄｅｔａｉｌｅｄ　ｌｏｃａｔｉｏｎ４０５は施設内に保管されている場所を一意に表す値であり、各施設内の場所を一意に識別可能であればどのような形式でもよい。Ｄｅｔａｉｌｅｄ　ｌｏｃａｔｉｏｎ４０５が“－”となっているのは、当該資産がトラックやフォークリフト等の移動機器であり、特定の場所に保管される資産ではないことを示している。
　Ｗｅｉｇｈｔ／ｉｔｅｍ４０６は、各資産一個あたりの重量を示しており、同様の内容を表現可能であればどのような形式でもよい。Ｗｅｉｇｈｔ／ｉｔｅｍ４０６が“－”となっているのは、当該資産がトラックやフォークリフト等の移動機器であり、重量を管理する必要が無いことを示している。
　図５はモニタリングデータテーブル２５１の一例を示す図である。モニタリングデータテーブル２５１の各レコードはセンサ２５３や監視カメラ２５４、ＧＰＳ２５５等から集められたデータを表している。各レコードの値はセンサ２５３や監視カメラ２５４、ＧＰＳ２５５等から得られるデータをそのまま格納してもよいし、加工、編集した状態で格納してもよい。モニタリングデータは、典型例としては、センサを識別するＩＤ、センサの場所、センサが取得したデータ、データを取得した時間等から選ばれるデータを含む。
　ＳＤＩＤ（Ｓｅｎｓｅｄ　Ｄａｔａ　ＩＤｅｎｔｉｆｉｅｒ）５０１は各レコードを一意に識別するための識別子であり、一意に識別可能であればどのような表現でもよい。ＳＩＤ（Ｓｅｎｓｏｒ ＩＤｅｎｔｉｆｉｅｒ）５０２はセンサ２５３や監視カメラ２５４、ＧＰＳ２５５等の各機器を一意に識別するための識別子であり、一意に識別可能であればどのような表現でもよい。
　Ｔｉｍｅ５０３は各レコードのデータが得られた日時を表現する値であり、日時が表現可能であればどのような形式でもよい。Ｖａｌｕｅ５０４は得られたデータの値を表現している。荷重計から得られる値は重量で、監視カメラから得られた値は画像ファイルで格納する等、複数のデータ形式が許容される。
　Ｌｏｃａｔｉｏｎ５０５は、当該データがどこの個所で得られたデータかを示す値であり、場所が一意に識別可能であればどのような形式でもよい。Ｌｏｃａｔｉｏｎ５０５の値が“－”となっているのは、Ｖａｌｕｅ５０４が場所の情報を示すことを表現する。Ｍａｃｈｉｎｅ５０６は、当該データを得たセンサ２５３や監視カメラ２５４、ＧＰＳ２５５がトラックやフォークリフト等の機器に搭載されていることを示す。
　図６は作業モデルテーブル２５２の一例を示す図である。作業モデルテーブル２５２の各レコードは、工程における荷物配送、積み上げ、積み降ろしといったイベント（一つの作業単位）を表現する。各作業モデルは一連のイベントの集合で表現される。作業モデルは、例えばユーザが経験等に基づいてあらかじめ定義しておく。各レコードは、典型例としては、作業モデルを識別するＩＤ、モデルの中のイベントの順序を示す情報、イベントの主体、客体、作業内容等の特性を表す情報から選ばれるデータを含む。
　Ｍｏｄｅｌ ＩＤ（Ｍｏｄｅｌ　ＩＤｅｎｔｉｆｉｅｒ）６０１は、各作業モデルを一意に識別するための識別子であり、一意に識別可能であればどのような表現でもよい。Ｍｏｄｅｌ ｎａｍｅ６０２は各作業モデルの名称を示す値であり、ユーザが任意に設定可能である。
　Ｏｒｄｅｒ６０３は各レコードが表すイベントがどのような順序で発生するかを示す値であり、順序関係が表現可能であればどのような形式でもよい。Ａｃｔｉｏｎ６０４は、各イベントの内容を表現している。Ｄｅｓｃｒｉｐｔｉｏｎ６０５は、各イベントに付随する情報を表現している。例えば、Ｍｏｄｅｌ ＩＤ６０１、Ｏｒｄｅｒ６０３がともに１であるレコードは、薬品輸送の最初は任意のフォークリフトにより任意のトラックへ薬品を積み込むイベントが発生することを表現している。
　ここでは、Ａｃｔｉｏｎ６０４にＬｏａｄおよびＴｒａｎｓｐｏｒｔの値しかないが、これは工程の内容によって様々に定義しうる。
　図７はデータ自動補正処理のフローチャートである。なお、本処理は、ユーザ入力部２０２からのユーザ入力や、工程管理データテーブル２０３のＤｅｌｉｖｅｒｙ　ｔｉｍｅ３０８の時刻経過、あるいはあらかじめ定義された間隔の経過等によって実行される。
　ステップ７０１は経過推定部２１２で実行される処理である。ステップ７０１では、作業モデルを用いて推定系列を作成する。推定系列の作成方法は図８にて述べる。この時用いられる作業モデルは、本処理のトリガを基に選択される。
　ステップ７０２はデータ抽出部２１３で実行される処理である。ステップ７０２では、推定系列に関連するモニタリングデータを取得し、経過系列を作成する。経過系列の作成方法は図１０にて述べる。
　ステップ７０３は、乖離度算出部２１４で実行される処理である。ステップ７０３は、推定系列と経過系列から乖離度を算出する。乖離度の算出方法は、図１１にて説明する。そして、ステップ７０４にて、算出された乖離度が補正閾値以上であればステップ７０５を、そうでなければステップ７０６を実行する。ステップ７０５では、データの誤りと判断されるので、データ補正部２２１によるデータの補正が行われる。最後に、ステップ７０６において、算出された乖離度が警告閾値以上であれば、データの誤りが疑われるので、ステップ７０７で警告出力を実行し、そうでなければ本処理を終了する。
　図８は推定系列生成処理を示すフローチャートであり、ステップ７０１の処理を示している。まず、ステップ８０１において使用する作業モデルを選択する。ユーザ入力がトリガとなって本処理が実行された場合、ユーザ入力によって変化が生じた工程を表現する作業モデルが対象となる。工程管理データテーブル２０３のＤｅｌｉｖｅｒｙ　ｔｉｍｅ３０８の時刻経過をトリガに本処理を行った場合、当該経過時刻を持つ工程を表現する作業モデルが対象となる。定義された間隔ごとに実行された場合は、各時間時点で終了予定の工程を表現する作業モデルが対象となる。
　次にステップ８０２において、ステップ８０１で選択された作業モデルを用いて推定系列を作成する。以下、図３の工程管理データテーブル２０３のＴＩＤ３０１が２であるレコードのＣｏｍｐｌｅｔｅ３０９がユーザ入力により“Ｙ”となったケースを用いて説明する。当該ケースではユーザ入力によりＴＩＤが２である工程が変化したため、当該工程を対象とする。当該工程の名称は“薬品輸送”であり、同様のＭｏｄｅｌ　ｎａｍｅ６０２を持つＭｏｄｅｌ ＩＤが１である作業モデルを選択する。
　図９Ａは、選択された作業モデルとそれに適応される工程管理データを用いて作成された推定系列である。Ｓｕｐｐｌｉｅｒ（Ｓ１）９０１、Ｓｔｏｒａｇｅ（Ｓ３）９０２、Ｓｔｏｒａｇｅ（Ｓ２）９０３はそれぞれ配送拠点である。また、点９０４で代表される黒点は移動経路上の特定ポイントである。特定ポイントとは、例えば主要な交差点や、ランドマークが存在する地点である。
図９Ａでは、Ｔｒａｃｋ（Ｔ１）９０６が薬品を積んだ状態で、線９０７で表現される経路を用いてＳｕｐｐｌｉｅｒ（Ｓ１）９０１からＳｔｏｒａｇｅ（Ｓ２）９０３まで移動する状況を表現している。また、Ｓｔｏｒａｇｅ（Ｓ２）９０３内において、同薬品はＦＬ２によってトラックから搬出され、Ｓｔｏｒａｇｅ（Ｓ２）９０３内のＡｒｅａ２に運ばれている様子が監視カメラの映像９０５に映るであろうことを表現している。
　図９Ｂは、以上の状況の推定系列をテーブル形式で表現したものである。テーブル９１０に含まれる情報は、典型例としては、イベントの時間、場所、主体、客体、その他の情報から選ばれるデータを含む。テーブル９１０において、ＥＩＤ（Ｅｓｔｉｍａｔｉｏｎ　ＩＤｅｎｔｉｆｉｅｒ）９１１は各レコードを一意に識別するための識別子であり、一意に識別可能であればどのような表現でもよい。Ｔｉｍｅ９１２はイベントの想定発生時刻を表す値であり、時刻が表現可能であればどのような形式でもよい。
Ｉｔｅｍ ＩＤ（Ｉｔｅｍ　ＩＤｅｎｔｉｆｉｅｒ）９１３は、当該レコードが表すイベントの動作主体であり、例えばトラックＴ１や、フォークリフトＦＬ２である。Ａｃｔｉｏｎ９１４は、Ｉｔｅｍ ＩＤ９１３が表す動作主体が行った動作を表し、Ｌｏｃａｔｉｏｎ９１５は動作が行われた場所を示す。Ｖａｌｕｅ９１６は当該動作に対する付加情報である。例えば、ｅＩＤが１のレコードでは、フォークリフトＦＬ１の荷重計が３０ｋｇの値を示すであろうことを表現している。また、ＥＩＤが５のレコードでは、フォークリフトＦＬ２の荷重計が２０ｋｇの値を示し、かつＡｒｅａ２に出現するであろうことを表現している。
　推定系列は、作業モデルテーブル２５２のデータと、工程管理データテーブル２０３のデータを用いて作成される。これに加え、資産管理データテーブル２０４を用いてもよい。また、同様の形式のデータが得られるのであれば、数理計画法やエージェントベースシミュレーション等を用いて作成してもよい。このような推定系列では、工程管理データテーブル２０３のデータや資産管理データテーブル２０４のデータが誤っていると、現状を正確に反映できない。誤りの原因としては、ユーザが誤った数値を入力すること等が考えられる。　図１０Ａ、Ｂは、ステップ７０２において作成される経過系列の概要を示した図である。図１０Ａ、Ｂ内で図９Ａ、Ｂと同様の部分は説明を省略する。実線１００１は、トラックＴ１に搭載されているＧＰＳデータから算出された実際の経路である。また、監視カメラ映像系列１００２は、Ａｒｅａ２を監視する監視カメラの実際の時系列映像を示す。
　上記内容をテーブル形式で表現したものがテーブル１０１０である。ＭＩＤ（Ｍｏｎｉｔｏｒｅｄ　ＩＤｅｎｔｉｆｉｅｒ）１０１１はテーブル１０１０の各レコードを一意に識別するための識別子であり、一意に識別可能であればどのような表現でもよい。Ｔｉｍｅ１０１２、Ｉｔｅｍ ＩＤ１０１３、Ｌｏｃａｔｉｏｎ１０１４、Ｖａｌｕｅ１０１５はそれぞれＴｉｍｅ９１２、Ｉｔｅｍ ＩＤ９１３、Ｌｏｃａｔｉｏｎ９１５、Ｖａｌｕｅ９１６と同様である。テーブル１０１０に含まれる情報は、典型例としては、イベントの時間、場所、主体、客体、その他の情報から選ばれるデータを含む。
　経過系列は推定系列を基に作成される。すなわち、推定系列において使用されると推定されたトラックの移動経路、フォークリフトの移動範囲を写す監視カメラの映像等を時系列順に並べることにより作成する。例えば、図９Ｂの推定系列においてトラックＴ１が用いられているので、Ｔ１のＧＰＳを追跡することにより、図１０ＢのＭＩＤが２，３，４であるレコードを作成する。また、図９Ｂの推定系列でＥＩＤが５，６のレコードから、フォークリフトＦＬ２の荷重計とＡｒｅａ２を監視する監視カメラの映像が必要なことがわかる。当該値を取得した結果が、図１０ＢのＭＩＤが６，７のレコードである。別の方法としては、工程管理データテーブル２０３で、Ｃｏｍｐｌｅｔｅ３０９がユーザ入力により“Ｙ”になったケースの推定系列を作成している場合、工程管理データテーブルのvehicle３０４からもトラック等は特定できる。以上のように、経過系列は推定系列に関連するセンサデータを基にしているので、少なくともセンサが示す、位置、分量、時間などの数値に関しては、現状を正確に反映していると推定できる。
　図１１には、図９の推定系列、図１０の経過系列から乖離度を算出する方式を示す。図１１はステップ７０３の処理の詳細である。それぞれの要素１１０１はそれぞれ推定系列テーブル９１０、経過系列テーブル１０１０の各レコードを表す。上段の１１０１aが推定系列、下段の１１０１bが経過系列を表し、例えば上段の一番左の要素１１０１aは、図９Ｂのテーブル９１０のＥＩＤ９１１が１のレコードを示す。矢印１１０２は系列の順序を表し、差分１１０３、差分１１０４は推定系列、経過系列の異なる部分を示す。差分１１０４を例にとって説明する。１１０１a－１はフォークリフトＦ２のＶａｌｕｅの値は２０ｋｇである。しかし、１１０１b－１では、Ｖａｌｕｅの値は０ｋｇとなっている。また、１１０１a－２では、フォークリフトＦ２は、Ａｒｅａ２に存在することになっている。しかし、１１０１b－２のセンサデータでは、Ａｒｅａ２にあるＶａｌｕｅが０の機器は存在しないことを示している。
　乖離度は推定系列、経過系列の距離を、Ｄａｍｅｒａｕ－Ｌｅｖｅｎｓｈｔｅｉｎ距離を正規化した値とする。同距離は、要素１１０１の挿入、置換、削除等を考慮して距離を計算する。図１１の例の場合、Ｄａｍｅｒａｕ－Ｌｅｖｅｎｓｈｔｅｉｎ距離が５、長い方の系列長が７となるため、乖離度は５／７で０．７１４となる。なお、乖離度の算出は同様に系列間の差分を距離として算出できるのであれば、Ｊａｒｏ－Ｗｉｎｋｌｅｒ距離，Ｌｅｖｅｎｓｈｔｅｉｎ距離など、他の手法を用いてもよい。
　図１２はステップ７０５の補正データ算出処理を表すフローチャートである。ステップ１２０１は繰り返し処理の開始を示す。ステップ１２０２、ステップ１２０３、ステップ１２０４は、図１１で示される差分１１０３、差分１１０４それぞれに対して順に適用される。ステップ１２０２では、差分ごとの乖離度である単独乖離度を算出する。すなわち、０．７１４を分配すると、差分１１０３の単独乖離度は０．２８５、差分１１０４の単独乖離度は０．４２９となる。
　ステップ１２０３で、単独乖離度が修正閾値未満かどうかを判定する。単独乖離度が修正閾値以上だった場合、ステップ１２０４を実行する。ステップ１２０４で差分の系列内の各要素の値を修正する。
　図１３は、ステップ１２０４の差分系列内の各要素の値を修正する処理を詳述したフローチャートである。ステップ１３０１以降の処理は、全て差分内の要素１１０１ごとの処理となる。なお、繰り返し処理は時系列の昇順に行われる。以下、図１１の差分１１０４の内容を用いて説明する。上述のように差分１１０４において、推定系列１１０１aと経過系列１１０１bの値は異なっているので、経過系列のデータを参酌して推定系列のデータを修正する。これにより最終的には、資産データテーブル２０４や工程管理データテーブル２０３を修正することになる。
　まず、ステップ１３０２において、推定系列から対応する要素を取得する。対応する要素とは、経過系列の当該要素を作成するのに使用した要素である。差分１１０４の左端の要素１１０１a－１、すなわち、Ｔｉｍｅ９１２が“２０１４０２０３－１００５００”であり、Ｉｔｅｍ ＩＤ９１３がＦＬ２である要素を取得する。
　次にステップ１３０３において、取得した要素のＡｃｔｉｏｎによって条件分岐する。当該要素Ａｃｔｉｏｎが機器変更を伴う、例えばＬｏａｄのようなものであればステップ１３０５、ステップ１３０６を順次実行し、そうでなければステップ１３０４を実施する。同様にステップ１３０４ではＡｃｔｉｏｎが場所移動を伴う、例えばＴｒａｎｓｐｏｒｔのようなものであればステップ１３０７を実行する。
　ステップ１３０５では、対象としている要素のＩｔｅｍ ＩＤ９１２と同種かつ同じＬｏｃａｔｉｏｎ９１５にある機器で、推定系列と同じＶａｌｕｅ９１６となるものを抽出する。
例えば、要素１１０１a－１では、Ｉｔｅｍ　ＩＤ９１２がＦＬ２であり、Ｖａｌｕｅは２０ｋｇである。しかし、センサのデータでは、ＦＬ２のＶａｌｕｅは０ｋｇを示している。そこで、フォークリフトのＩｔｅｍ　ＩＤが誤っていると仮定し、ＦＬ２と同種であるフォークリフトであり、かつＬｏｃａｔｉｏｎ９１５がＳ２であり、かつ搭載されている荷重計が２０ｋｇの値を示す機器を抽出する。図４の資産データテーブル２０４からＦＬ３がＳ２にあることがわかる。当該機器に搭載された荷重計が“２０１４０２０３－１００５００”が示す時間帯に２０ｋｇの値を示していれば、ＦＬ３がステップ１３０５で抽出される機器となる。
　次にステップ１３０６で、当該要素から差分内の以降の要素全てを抽出したＩｔｅｍ　ＩＤに変更する。すなわち、差分内の１１０１a－１、１１０１a－２、１１０１a－３それぞれの要素のＩｔｅｍ　ＩＤ１０１３をＦＬ２からＦＬ３に変更する。また、Ｖａｌｕｅを２０ｋｇに変更する。
　ステップ１３０７では、Ｉｔｅｍ　ＩＤ１０１３が示す機器に搭載されているＧＰＳおよび監視カメラのデータから抽出しＬｏｃａｔｉｏｎ１０１４およびＶａｌｕｅ１０１５を変更する。
　１１０１a－２の要素を例にとれば、ステップ１３０６においてＩｔｅｍ　ＩＤ１０１３はＦＬ３に変更されているので、ＦＬ３が搭載するＧＰＳから値を取得する。その結果、ＦＬ３がＳ２にあることがわかるので、その後、Ｓ２内の監視カメラの映像からＦＬ３を抽出する。映像からの抽出は画像検索やオブジェクト抽出等で一般公開されている技術を用いる。また、複数のモニタリングデータから機器の場所を抽出できるのであれば他の技術を用いてもよい。
　監視カメラの映像から、“２０１４０２０３－１０１０００”が示す時間に、ＦＬ３がＡｒｅａ３に存在することが得られたとする。１１０１a－２の要素のＶａｌｕｅ１０１５をステップ１３０６で変更された“２０ｋｇ”から“２０ｋｇ＆Ａｒｅａ３”に変更する。
　ステップ１３０５での機器抽出、およびステップ１３０７における検索対象の選定時には、Ｖａｌｕｅ１０１５やＴｉｍｅ１０１２が完全一致する要素のみを求める必要はない。例えば、左端の要素のＶａｌｕｅ１０１５を考えた時に、２０ｋｇに完全一致するのではなく、１８ｋｇや２５ｋｇの値を持つ機器を抽出してもよい。これにより、誤差による影響を無くす。
また、Ｖａｌｕｅ１０１５が近い値であったり、複数の候補が抽出されたりした場合は、それぞれ抽出された候補ごとに修正候補を作成する。これにより、もっともらしい修正候補から、正解である確率の低い候補まで、確率的に候補を作成することが可能になる。さらに、確率的に候補を抽出する際に、Ｖａｌｕｅ１０１５の距離や時間のずれ等を確率計算の要因としてもよい。
　以上の内容が得られるのであれば、修正候補の作成は他の方法を用いてもよい。
　なお、上記の例では、フォークリフトのＩｔｅｍ　ＩＤが誤っていると仮定し、ＶａｌｕｅとＬｏｃａｔｉｏｎが正しいものとして、修正プロセスを実行した。別の例としては、他のデータが誤っているという仮定を用いることもできる。例えばＬｏｃａｔｉｏｎが間違っていると仮定し、フォークリフトのＩｔｅｍ　ＩＤとＶａｌｕｅが正しいものとして、修正プロセスを実行することもできる。さまざまな仮定を組み合わせて用いることにより、修正の精度を向上することができる。
ステップ１２０４で経過系列が修正された後、ステップ１２０５でテーブルの値を補正する。工程管理システム２０１上は、配送終了により、図１１の１１０１a－１～１１０１a－３に基づいて、Ａｒｅａ２に２０ｋｇ分運ばれたと判断されてしまい、Ａｒｅａ２に薬品があるという情報が格納されている（図９Ｂ参照）。また資産データテーブル２０４もこの情報を反映している。そこで、上述した修正結果を用いて、図４の資産データテーブル２０４で、配送した薬品Ｄｅｔａｉｌｅｄ　ｌｏｃａｔｉｏｎ４０５をＡｒｅａ３に変更する。
図１４にこれまで述べた処理を機能的に管理、実行するためのＧＵＩの一例を示す。ウィンドウ１４０１は、工程管理システム２０１のユーザ入力部２０２を通じて入力されるデータ自動補正処理に必要なパラメータ設定と、データ補正部２２１の結果から構成される。
補正閾値入力フィールド１４０２は、ステップ７０４で必要な補正閾値を入力するフィールドである。警告閾値入力フィールド１４０３は、ステップ７０６で必要な警告閾値を入力するフィールドである。修正閾値入力フィールド１４０４は、ステップ１２０３で必要な修正閾値を入力するフィールドである。
補正対象データ１４０５は、工程システム２０１上終了したとされたが、補正が必要とされたデータが表示されている。ここでは、資産データテーブル２０４のデータが表示されているが、他のテーブルのデータが表示されてもよい。
補正候補の情報として、Ｒａｎｋ１４０６、Ｓｃｏｒｅ１４０７、補正候補データ１４０８が表示されている。補正候補データ１４０８は、前述した補正による結果の予想を示している。Ｓｃｏｒｅ１４０７は、修正後の経過系列の乖離度を１から引いた値である。Ｒａｎｋ１４０６は、Ｓｃｏｒｅ１４０７を降順に並べた際の順位である。前述した補正例の結果はＲａｎｋ１４０６が１のレコードとして表示されており、補正箇所がハイライトされている。
算出詳細１４１１は、補正がどのような根拠で行われたかを示す出力であり、ここでは推定系列と補正した場合の経過系列（以降、補正系列と呼ぶ）を出力している。オペレータは補正の妥当性を再検討することが可能となる。算出詳細１４１１は、補正候補１４０８のいずれかのレコードをクリックや選択することによって切り替えることが可能である。
補正系列内の要素を選択することで、利用データ１４１２が出力される。利用データ１４１２は、当該補正を行うために利用されたデータを示しており、例えばここでは、Ａｒｅａ３というＶａｌｕｅ１０１５を得るために利用されたデータである監視カメラの画像ファイルを示している。
自動補正／警告表示１４０９は、ウィンドウ１４０１に出力された結果が、自動補正の結果か警告かを示す。ここでは警告の場合を示している。自動補正／警告表示１４０９の場合、補正ボタン１４１０を押すことで、当該補正結果に従った補正が行われる。
以上のＧＵＩにより、補正の対象となっているデータ、補正の仕方、補正の根拠、補正に用いるデータを俯瞰した上で、どのように補正するかを選択することが可能になる。また、補正候補をユーザがあらためて改変するような機能を持たせてもよい。さらに、以上のような機能が実現されるのであれば、異なるインターフェースを用いたり、他の入出力を追加したりしてもよい。
以上に示した本発明の第１の実施形態によれば、作業モデルと、ＧＰＳや荷重計、センサ等のモニタリングデータから自動で工程管理システム内のデータの誤りを検知し、且つ、警告および補正を行うことができる。
前述の第１の実施形態では、作業モデルをあらかじめ作成しておく必要があった。第２の実施形態では、モニタリングデータから作業モデルを自動生成する形態を説明する。
　図１５は、本発明の第２の実施形態の構成例を示すハードウェア構成図である。なお、以下では図１と同様の構成要素には同一の符号を付して重複する説明を適宜省略する。
　第２の実施形態は、前述の第１の実施形態（図１参照）の各構成要素に加えて、作業モデル生成部１６０１を有する。作業モデル生成部１６０１は、モニタリングデータテーブル２５１と工程管理データテーブル２０３、資産データテーブル２０４のデータを用いて作業モデルを自動生成する。
　図１６は、本発明の第２の実施形態の作業モデル自動生成を説明するソフトウェアブロック図である。図１６を用いて、作業モデル自動生成の全体的な流れを説明する。なお、以下では図２と同様の構成要素には同一の符号を付して重複する説明を適宜省略する。
　作業モデルの自動生成処理は、自動データ補正同様、ユーザの入力や、工程の終了をトリガとして実行される。当該トリガが発生した後、作業モデル生成部１６０１は、学習対象となる工程を抽出する。そして、当該工程に関連するモニタリングデータをモニタリングデータテーブル２５１から取得し、作業モデルを生成して作業モデルテーブル２５２に格納する。
　図１７は作業モデル自動生成処理のフローチャートである。まず、ステップ１７０１において、対象となる工程の開始時刻から終了時刻までに得られた全モニタリングデータを取得する。開始時刻はＰｉｃｋ―ｕｐ　ｔｉｍｅ３０６の時刻である。終了時刻はトリガがユーザ入力であればユーザ入力が行われた時刻を、工程終了であればＤｅｌｉｖｅｒｙ　ｔｉｍｅ３０８の時刻を用いる。
　次にステップ１７０２において、得られたモニタリングデータを時系列での遷移とみなし、最尤推定により尤度最大の系列を選択する。すなわち、モニタリングデータから図１１の推定系列のような系列をひとつ作成する。その際、モニタリングデータだけでは、系列のつながりが不明なので、最尤推定により、系列を作成する。
例えば、あるトラックのＧＰＳデータに変動が生じなくなった時刻と、あるフォークリフトの荷重計の値が変動した時刻が近い場合、尤度が高いと判断できる。そこで、データの変動の切り替わりを尤度が高い点とみなし、最尤推定を行う。なお、同様のデータが得られれば他の手法を用いてもよい。
そして、ステップ１７０３で、得られた系列の先頭要素を調査対象要素とする。次に、ステップ１７０４において、調査対象要素のＩｔｅｍ　ＩＤと直後のＩｔｅｍ　ＩＤを比較する。結果が等しければ、ステップ１７０５を、そうでなければステップ１７０６を実行する。
ステップ１７０５では、調査対象要素のＡｃｔｉｏｎ６０４をＴｒａｎｓｐｏｒｔと設定し、Ｄｅｓｃｒｉｐｔｉｏｎ６０５をＧＰＳまたは監視カメラの値から設定し、直後の要素を削除する。設定する値は、例えばトラックであれば“Ｔｘ　ｏｎ　ｓｈｏｒｔｅｓｔ　ｐａｔｈ”となり、フォークリフトであれば“ＦＬｘ　　ｏｎ ａｐｐｒｏｐｒｉａｔｅ ｌｏｃａｔｉｏｎ”となる。
ステップ１７０６では、調査対象要素のＡｃｔｉｏｎ６０４をＬｏａｄとし、Ｄｅｓｃｒｉｐｔｉｏｎ６０５を“調査対象要素のＩｔｅm　ＩＤ　ｔｏ　直後の要素のＩｔｅｍ　ＩＤ”とし、Ｉｔｅｍ　ＩＤ内の数字を“ｘ”で置換する。
ステップ１７０５、ステップ１７０６で設定する値は、作業モデルテーブル２５２の設計方針に従うものとし、また、他の機械学習の手法を用いて設定してもよい。
そして、ステップ１７０７で、直後に要素が残っているかどうかを判定する。直後に要素が残っていればステップ１７０８で直後の要素を調査対象要素に設定し、ステップ１７０４に戻る。直後に要素が戻っていなければ、ステップ１７０９で、これまで設定した各要素を順に作業モデルテーブル２５２に格納する。Ｏｒｄｅｒ６０３は、格納した順に１から連番で設定され、Ｍｏｄｅｌ　ｎａｍｅ６０２は、ユーザに入力を求めてもよいし、自動で名前をつけてもよい。
　以上に示した本発明の第２の実施形態によれば、管理データとモニタリングデータを時系列データとして扱い、時系列データの尤度が最大であるものを作業モデルとして生成する。第２の実施形態は第１の実施形態の利点に加え、作業モデルを自動生成し、作業モデル作成の手間を削減することが可能となる。
　以上、本発明の各実施形態について説明したが、上記各実施形態は本発明の適用例の一つを示したものであり、本発明の技術的範囲を上記各実施形態の具体的構成に限定する趣旨ではない。
　本発明は上記した実施形態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、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることが可能である。また、各実施例の構成の一部について、他の実施例の構成の追加・削除・置換をすることが可能である。
　本実施例中、ソフトウエアで構成した機能と同等の機能は、FPGA（Field Programmable Gate Array）、ASIC（Application Specific Integrated Circuit）などのハードウエアでも実現できる。そのような態様も本願発明の範囲に含まれる。
　本発明は、工程管理システム内のデータの正確性を向上することに利用可能である。
１０１　工程管理サーバ
１１１　乖離度算出サーバ
１２１　モニタリングサーバ
２０１　工程管理システム
２０３　工程管理データテーブル
２０４　資産データテーブル
２１１　差分推定部
２２１　データ補正部
２５１　モニタリングデータテーブル
２５２　作業モデルテーブル
２５３　センサ
２５４　監視カメラ
２５５　ＧＰＳ

Claims (15)

  1. 　記憶装置と、処理装置と、入力装置と、出力装置を有する情報処理装置によって構成され、作業対象物に対する作業を管理する工程管理システムのデータ補正方法であって、
    　前記処理装置は、
    　前記作業対象物に関するモニタリングデータと前記工程管理システムの管理データの乖離度を算出する乖離度算出ステップと、
    　前記算出された乖離度と前記モニタリングデータから補正候補を生成するデータ補正ステップとを備えることを特徴とする工程管理データ補正方法。
  2. 　前記乖離度算出ステップは、
    　作業において想定される一連のイベントを示す作業モデルと、前記作業対象物に関する時間、場所、もしくは特性のデータのうち少なくとも２つを含む管理データとから、前記作業における一連のイベントを、作業対象物に関する時間、場所、もしくは特性のデータのうち少なくとも２つを含む要素として時系列的に表現する推定系列を生成する推定系列作成ステップを有し、
    　前記推定系列と前記モニタリングデータを比較することで乖離度を算出する、
    　ことを特徴とする請求項１に記載の工程管理データ補正方法。
  3. 　前記乖離度算出ステップは、
    　前記推定系列と前記モニタリングデータから、前記作業における一連のイベントを、作業対象物に関する時間、場所、もしくは特性のデータのうち少なくとも２つを含む要素として時系列的に表現する経過系列を生成する経過系列作成ステップを有し、
    　前記推定系列と前記経過系列を比較することで乖離度を算出する、
    　ことを特徴とする請求項２に記載の工程管理データ補正方法。
  4. 　前記乖離度算出ステップは、
    　位置情報と時間情報を保持した前記モニタリングデータを用い、
    　前記モニタリングデータを単独または複数組み合わせることで乖離度を算出する、
    　ことを特徴とする請求項３に記載の工程管理データ補正方法。
  5. 　前記補正データ生成ステップは、
    　単独または複数のデータ補正候補を算出し、前記出力装置に、補正対象データと前記前記データ補正候補を表示する、
    　ことを特徴とする請求項３に記載の工程管理データ補正方法。
  6. 　前記補正データ生成ステップは、
    　前記乖離度算出ステップで算出された前記乖離度と、単独または複数の閾値との比較結果に基づいてデータの自動補正を行うか警告を表示するかを決定する、
    　ことを特徴とする請求項３に記載の工程管理データ補正方法。
  7. 　前記補正データ生成ステップは、
    　前記乖離度算出ステップに用いた情報と、前記データ補正候補の算出に用いた情報と、
    を表示データとして生成し、出力装置に出力する、
    　ことを特徴とする請求項５に記載の工程管理データ補正方法。
  8. 　前記作業モデルは、
    　前記管理データとモニタリングデータを時系列データとして扱い、
    　前記時系列データの尤度が最大であるものを作業モデルとして生成する、
    ことを特徴とする請求項３に記載の工程管理データ補正方法。
  9. 　前記補正データ生成ステップは、
    　前記推定系列中の特定の要素を抽出し、
    　前記モニタリングデータは、作業対象物に関する時間、場所、もしくは特性のデータの少なくとも二つのデータを含むレコードを含み、
    　前記抽出された要素中の、作業対象物に関する時間、場所、もしくは特性のデータの少なくとも一つをキーとして、当該キーと同じあるいは所定の関係を有する対応データを含むレコードを前記モニタリングデータから抽出し、
    　当該抽出されたモニタリングデータのレコード中の、前記対応データ以外のデータをデータ補正候補とする、
    　ことを特徴とする請求項３に記載の工程管理データ補正方法。
  10. 　前記データ補正候補によって、前記推定系列中の特定の要素中のデータを置換する、
    　ことを特徴とする請求項９に記載の工程管理データ補正方法。
  11. 　前記管理データは、
    　資産を識別するＩＤ、資産の存在する場所、資産の状態等を示すデータから選ばれるデータが含まれる資産データと、
    　レコードを識別するＩＤ、作業主体、作業客体、場所、時間を表すデータから選ばれるデータが含まれる工程管理データを、含み、
    　前記推定系列中の特定の要素中のデータを置換するとともに、あるいは、置換することに代えて、前記、資産データおよび工程管理データの少なくとも一つに、当該置換を反映させる、
    　ことを特徴とする請求項１０に記載の工程管理データ補正方法。
  12. 　記憶装置と、処理装置と、入力装置と、出力装置により構成される情報処理装置によって構成される工程管理システム上のデータを補正する装置であって、
    前記記憶装置に格納される作業モデルを用いて、前記入力装置から入力されるモニタリングデータと、前記記憶装置に格納される工程管理システムのデータの乖離度を算出する乖離度算出部と、
    前記算出された乖離度と前記モニタリングデータから補正候補を生成するデータ補正部と、
    を備え、
    前記乖離度算出部は、前記作業モデルを用いて所定のモニタリングデータを抽出し、
    前記工程管理システムのデータと前記抽出されたモニタリングデータの乖離度を算出し、
    前記データ補正部は、前記乖離度から補正データを生成し、
    当該補正データによって前記工程管理システム上のデータの補正候補を出力する、
    ことを特徴とする工程管理データ補正装置。
  13. 　前記乖離度算出部は、
    　前記作業モデルから推定され、作業のイベントを時系列的に並べた推定系列を生成し、
    　前記モニタリングデータから、前記作業のイベントに関連して抽出されたデータを時系列的に並べた経過系列を生成し、
    　前記推定系列と前記経過系列を比較することで乖離度を算出する、
    　ことを特徴とする請求項１２に記載の工程管理データ補正装置。
  14. 　記憶装置と、処理装置と、入力装置と、出力装置を有する情報処理装置によって構成され、作業対象物に対する作業を管理する工程管理システムのデータ監視方法であって、
    　前記記憶装置は、作業対象物を特定する情報および作業対象物に関連する情報として少なくとも時間情報を含むレコードからなる管理情報を記憶し、
    　前記入力装置は、外部のセンサから送信され、少なくとも時間情報を含むモニタリングデータを受信し、
    　前記処理装置は、前記管理情報を時系列に並べた推定系列と、当該推定系列と関連する前記モニタリングデータを時系列に並べた経過系列を作成し、
    　前記推定系列と経過系列を比較し、
    　前記比較結果に基づいて、前記推定系列中のレコードのうちから補正対象となるレコードを抽出するか、
    　あるいは、前記比較結果を前記出力装置に表示させることを特徴とするデータの監視方法。
  15. 　前記比較は、前記推定系列と経過系列の距離を計算することにより行うことを特徴とする請求項１４記載のデータの監視方法。
PCT/JP2014/065003 2014-06-05 2014-06-05 工程管理データ補正方法および装置 WO2015186227A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/JP2014/065003 WO2015186227A1 (ja) 2014-06-05 2014-06-05 工程管理データ補正方法および装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2014/065003 WO2015186227A1 (ja) 2014-06-05 2014-06-05 工程管理データ補正方法および装置

Publications (1)

Publication Number Publication Date
WO2015186227A1 true WO2015186227A1 (ja) 2015-12-10

Family

ID=54766323

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2014/065003 WO2015186227A1 (ja) 2014-06-05 2014-06-05 工程管理データ補正方法および装置

Country Status (1)

Country Link
WO (1) WO2015186227A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016121271A1 (ja) * 2015-01-27 2016-08-04 日本精機株式会社 プラント機器状態収集システム
JP2022092608A (ja) * 2020-12-10 2022-06-22 株式会社日立製作所 複数のセンサを含む複数のシステムを管理する方法、プログラム及び装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03221357A (ja) * 1990-01-24 1991-09-30 Mitsubishi Electric Corp データ収集方法及び装置
JPH08194854A (ja) * 1995-01-13 1996-07-30 Shin Meiwa Ind Co Ltd 生産情報収集システム
JP2003292116A (ja) * 2002-04-01 2003-10-15 Murata Mach Ltd 搬送システム
JP2010159113A (ja) * 2009-01-07 2010-07-22 Hino Motors Ltd エネルギー消費量算出装置、エネルギー消費量算出方法およびプログラム
WO2011152273A1 (ja) * 2010-06-01 2011-12-08 グンゼ株式会社 物品管理システム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03221357A (ja) * 1990-01-24 1991-09-30 Mitsubishi Electric Corp データ収集方法及び装置
JPH08194854A (ja) * 1995-01-13 1996-07-30 Shin Meiwa Ind Co Ltd 生産情報収集システム
JP2003292116A (ja) * 2002-04-01 2003-10-15 Murata Mach Ltd 搬送システム
JP2010159113A (ja) * 2009-01-07 2010-07-22 Hino Motors Ltd エネルギー消費量算出装置、エネルギー消費量算出方法およびプログラム
WO2011152273A1 (ja) * 2010-06-01 2011-12-08 グンゼ株式会社 物品管理システム

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016121271A1 (ja) * 2015-01-27 2016-08-04 日本精機株式会社 プラント機器状態収集システム
US10416659B2 (en) 2015-01-27 2019-09-17 Nippon Seiki Co., Ltd. Plant equipment state gathering system
JP2022092608A (ja) * 2020-12-10 2022-06-22 株式会社日立製作所 複数のセンサを含む複数のシステムを管理する方法、プログラム及び装置
JP7216794B2 (ja) 2020-12-10 2023-02-01 株式会社日立製作所 複数のセンサを含む複数のシステムを管理する方法、プログラム及び装置

Similar Documents

Publication Publication Date Title
Cline et al. Predictive maintenance applications for machine learning
WO2019090264A1 (en) Real time anomaly detection systems and methods
US7054699B2 (en) Process management system and production management system
US10558946B2 (en) Item replenishment
US20070083421A1 (en) Business process model design measurement
Brundage et al. Where do we start? Guidance for technology implementation in maintenance management for manufacturing
JP2019185422A (ja) 故障予知方法、故障予知装置および故障予知プログラム
Fang et al. Data analytics-enable production visibility for Cyber-Physical Production Systems
Stertz et al. Analyzing process concept drifts based on sensor event streams during runtime
US20090012836A1 (en) Handling Exceptional Situations in a Warehouse Management
JP2012099071A (ja) プラント解析システム
Busert et al. Information quality focused value stream mapping for the coordination and control of production processes
EP2634733A1 (en) Operations task management system and method
Blum et al. Towards a data-oriented optimization of manufacturing processes
JP2020052714A5 (ja)
CA3130733A1 (en) Distributed logbook for anomaly monitoring
Shu et al. Managing supply chain execution: monitoring timeliness and correctness via individualized trace data
WO2015186227A1 (ja) 工程管理データ補正方法および装置
JP6904427B2 (ja) 搬送作業制御装置、搬送作業制御方法、及び、搬送作業制御プログラム
US20160170395A1 (en) Case management linkage of updates, evidence, and triggers
CN117010549A (zh) 基于大数据管理体系的信息溯源方法及终端
JP2005338906A (ja) 基板の欠陥検出方法及びその欠陥検出システム
Schmitz et al. Definition of process performance indicators for the application of process mining in end-to-end order processing processes
Ollesch et al. Engineering Events in CPS-Experiences and Lessons Learned
WO2008096016A1 (en) Configurable system, method and associated software for managing the manufacturing and processing of high valued goods in high volume

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14893993

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 14893993

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP