WO2018180722A1 - 作業支援方法及び作業支援装置 - Google Patents

作業支援方法及び作業支援装置 Download PDF

Info

Publication number
WO2018180722A1
WO2018180722A1 PCT/JP2018/010858 JP2018010858W WO2018180722A1 WO 2018180722 A1 WO2018180722 A1 WO 2018180722A1 JP 2018010858 W JP2018010858 W JP 2018010858W WO 2018180722 A1 WO2018180722 A1 WO 2018180722A1
Authority
WO
WIPO (PCT)
Prior art keywords
work
item
prediction information
procedure
information
Prior art date
Application number
PCT/JP2018/010858
Other languages
English (en)
French (fr)
Inventor
政紀 近藤
Original Assignee
アズビル株式会社
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 アズビル株式会社 filed Critical アズビル株式会社
Publication of WO2018180722A1 publication Critical patent/WO2018180722A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • 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 work support method and a work support apparatus.
  • Patent Document 1 discloses a support device that assists an unskilled worker in deriving proper molding conditions and working when a resin product is manufactured.
  • An object of the present invention is to provide a work support method and a work support apparatus that can easily support work performed by an operator.
  • a work support method is a method controlled by a processor, and learns work procedures performed in the past in a time series using a predetermined machine learning algorithm to generate work prediction information.
  • a learning step a reading step for reading a process identification code for identifying a process to be worked, and a work scheduled to be stored in association with the process identification code read in the reading step
  • Work items that include work schedule information that includes procedures, work steps that are different from each other in comparison between the acquisition step of acquiring the work prediction information, the work procedures included in the work schedule information, and the work procedures included in the work prediction information
  • a notification step for notifying the detected work item as a work item that requires an operator's attention. And, including the.
  • the method may further include a second learning step of updating the work prediction information by using the work procedure based on the work schedule information as learning data for learning and executing the machine learning algorithm.
  • the detection step calculates a difference score for each work item based on a degree of difference between work items included in the work procedure to be compared, and detects a work item having the maximum difference score. It is good.
  • the notification step may notify the work item when a difference score corresponding to the detected work item is equal to or greater than a predetermined value.
  • the detecting step calculates a difference score for each work item based on a degree of difference between work items included in the work procedure to be compared, and detects a work item having a difference score of a predetermined value or more. It is good to do.
  • the machine learning algorithm may be any one of RNN (Recurrent Neural Network) or LSTM (Long Short Term Memory).
  • a work support apparatus is a work target that learns work procedures performed in the past in a time series using a predetermined machine learning algorithm and generates work prediction information.
  • a reading unit for reading a process identification code for identifying a process, work schedule information including a work procedure scheduled from now on, stored in association with the process identification code read by the reading unit, and the An acquisition unit that acquires work prediction information, a detection unit that compares a work procedure included in the work schedule information and a work procedure included in the work prediction information, and detects work items having different work contents, and the detection
  • a notification unit for notifying the work item as a work item that needs to call attention to the worker.
  • FIG. 1 is a block diagram illustrating a schematic configuration of a work support apparatus according to an embodiment.
  • the work support apparatus 1 includes, for example, a reading unit 11, a work information acquisition unit 12, a difference detection unit 13, a notification unit 14, and a learning unit 15 as functional configurations. Details of these parts will be described later.
  • the work support device 1 includes, for example, a CPU (Central Processing Unit), a memory, and an input / output interface as a physical configuration.
  • the memory includes, for example, a ROM (Read Only Memory) and HDD (Hard Disk Drive) that store programs and data processed by the CPU, and a RAM (Random Access Memory) mainly used as various work areas for control processing. Etc. are included. These elements are connected to each other via a bus.
  • the CPU executes the program stored in the ROM and processes the data received via the input / output interface and the data developed in the RAM, so that the functions of each part of the work support apparatus 1 are manifested.
  • the work information DB 3 shown in FIG. 1 is a database that stores work schedule information and work prediction information, for example.
  • the work schedule information and the work prediction information are stored in association with a process number (process identification code) for identifying a process as a work target.
  • the work schedule information is work information including a work procedure scheduled from now on.
  • the work prediction information is work information generated by learning work procedures performed in the past in a time series using a machine learning algorithm.
  • the machine learning algorithm for example, it is desirable to use a deep learning algorithm using a neural network represented by RNN (Recurrent Neural Network), LSTM (Long short term memory), etc. considering time series weights.
  • the work information includes, for example, a process number item, a work time item, and a work procedure item.
  • the process number item stores a process number.
  • the work time item stores work start time and / or work end time.
  • the work procedure item stores the contents of the work procedure.
  • the work procedure is constituted by a combination of a plurality of work numbers and work items, for example.
  • the work item stores the contents of each work included in the work procedure individually.
  • the work prediction information 32 is generated by the learning unit 15 described later.
  • the learning unit 15 generates the work prediction information 32 by executing a machine learning algorithm. In this machine learning algorithm, a plurality of work schedule information 31 executed in the past is input as input data.
  • the work prediction information 32 shown in FIG. 3 exemplifies that “Bottom” is set in the work item “process connection direction” in all (100%) work schedule information 31 executed in the past.
  • “None” is set in 90% of the work schedule information 31 performed in the past
  • “Bolt / Nut” all the work performed in the past (100% "XXXX / XXXX” is set in the work schedule information 31)
  • "XXXX” is set in the work item "housing” in all (100%) work schedule information 31 performed in the past.
  • a ratio (%) different from a ratio (%) obtained by simple statistical processing is calculated and used.
  • the reading unit 11 of the work support device 1 shown in the figure reads the process number read by the reading device 4.
  • the process number is displayed as a barcode on the instruction corresponding to the current work.
  • the instruction book is a document indicating a work procedure and the like.
  • the reading device 4 is, for example, a barcode reader.
  • the identification code for displaying the process number is not limited to a barcode, and may be a two-dimensional code such as a QR code (registered trademark). In that case, the reading device 4 uses a two-dimensional code reader corresponding to the two-dimensional code.
  • the work information acquisition unit 12 acquires work schedule information and work prediction information stored in association with the process number read by the reading unit 11 from the work information DB 3.
  • the difference detection unit 13 compares the work procedure included in the work schedule information acquired by the work information acquisition unit 12 with the work procedure included in the work prediction information acquired by the work information acquisition unit 12. The difference detection unit 13 calculates a difference score for each work item based on the degree of difference between work items included in the work procedure to be compared. The difference detection unit 13 detects a work item having a maximum difference score.
  • FIG. 4 the concept for detecting work items having different work contents by comparing work procedures will be described.
  • This figure illustrates the current work schedule information 33 and work prediction information 32 whose process number is “X-XXX-XX”.
  • the difference detection unit 13 compares “process connection direction”, “oil-free process”, “bolt / nut”, and “housing”, which are work items included in each work procedure.
  • the difference detection unit 13 detects “oil-free processing” as a work item having the maximum difference score.
  • the difference score in the present embodiment is normalized so that the sum is 100.
  • the notification unit 14 shown in the figure notifies the work item detected by the difference detection unit 13 as a work item that needs to alert the worker.
  • the notification may be a message displayed on the display 5, a voice may be output, or an email may be sent to the worker.
  • the learning unit 15 uses the work procedure based on the work schedule information as learning data for learning, and updates the work prediction information in the work information DB 3 by executing a machine learning algorithm.
  • the machine learning algorithm executed by the learning unit 15 further includes a learning function for learning the algorithm itself.
  • work schedule information 33 (same content as the work schedule information 33 in FIG. 4) performed in the current work shown in FIG. 5 is input as teacher data for learning.
  • the teacher data for learning is data for updating the parameters of the machine learning algorithm. More specifically, when the learning function is executed using the work schedule information 33 shown in FIG. 5 as teacher data, the content of the work item “oil-free process” in the work prediction information 32 shown in FIG. "No”) is updated to the content of the work item “Oil Prohibition Process” (86% is "No") in the work prediction information 34 shown in FIG.
  • the learning unit 15 inputs the work schedule information 33 performed in the current work as input data to the machine learning algorithm after the parameters are updated by the learning function, and executes the machine learning algorithm. Thereby, the work prediction information is updated, and the updated work prediction information is used as information for predicting the next work content.
  • the reading unit 11 reads the process number read using the reading device 4 (step S101).
  • the work information acquisition unit 12 acquires work schedule information and work prediction information from the work information DB 3 based on the process number read in step S101 (step S102).
  • the difference detection unit 13 compares the work procedure included in the work schedule information acquired in step S102 with the work procedure included in the work prediction information (step S103).
  • the difference detection unit 13 calculates a difference score for each work item based on the degree of difference between the work items included in the work procedure compared in step S103 (step S104).
  • the difference detection unit 13 detects a work item corresponding to the maximum difference score among the difference scores calculated in step S104 (step S105).
  • the notification unit 14 notifies the work item detected in step S105 as a work item that needs to alert the worker (step S106).
  • the learning unit 15 updates the parameters of the machine learning algorithm by executing the machine learning algorithm using the work procedure included in the work schedule information as learning data for learning (step S107).
  • the learning unit 15 updates the work prediction information by executing a machine learning algorithm using the work schedule information as input data (step S108). And this operation
  • the process number is read, the work schedule information and the work prediction information stored in association with the read process number are acquired from the work information DB 3, and the work schedule is obtained.
  • Compare the work procedure included in the information with the work procedure included in the work prediction information detect work items with different work contents, and work items that need to alert the worker to the detected work items Can be notified to the operator.
  • the worker does not need to perform preparation work before performing the work, and when there is a work item that may be accidentally mistaken unlike a normal work pattern, the work item is Notifications can be received as work items requiring attention. Therefore, according to the work support device 1 in the embodiment, it is possible to easily support the work performed by the worker.
  • the difference score for each work item is calculated based on the degree of difference between the work items included in the work procedure to be compared, and the work item having the maximum difference score is calculated. Since it can be detected, it is possible to alert the worker about work items that are most likely to be mistaken in the work procedure.
  • the present invention is not limited to the above-described embodiment, and can be implemented in various other forms without departing from the gist of the present invention. For this reason, the said embodiment is only a mere illustration in all points, and is not interpreted limitedly.
  • the above-described processes (steps) can be arbitrarily changed in order as long as the process contents do not contradict, or can be executed in parallel.
  • the difference detection unit 13 in the above-described embodiment detects the work item having the maximum difference score, but is not limited to the work item having the maximum difference score. For example, it is good also as detecting the work item from which a difference score becomes more than predetermined value.
  • the notification unit 14 in the above-described embodiment notifies the work item detected by the difference detection unit 13, but the notification target is not limited to this.
  • a work item whose difference score is a predetermined value or more may be notified.
  • the work support method and work support device according to the present invention are suitable for simply supporting work performed by an operator.

Landscapes

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

Abstract

作業者が行う作業を簡便に支援する。過去に実施した作業手順を、所定の機械学習アルゴリズムを用いて時系列に学習して作業予測情報を生成する学習部と、作業の対象となる工程を識別するための工程識別コードを読み込む読込部と、読込部により読み込まれた工程識別コードに対応付けて記憶されている、これから予定されている作業手順を含む作業予定情報、及び作業予測情報を取得する作業情報取得部と、作業予定情報に含まれる作業手順と作業予測情報に含まれる作業手順とを比較し、作業内容が相違する作業項目を検出する相違検出部と、検出された作業項目を、作業者に注意を促す必要がある作業項目として通知する通知部と、を備える。

Description

作業支援方法及び作業支援装置
　本発明は、作業支援方法及び作業支援装置に関する。
　製品を組み立てる工場等では、製品を組み立てる際に、作業の手順等を示す指図書に基づいて作業員が組み立て作業を進めることが一般に行われている。組み立て作業では、部品を間違えることや、部品の取り付け方向を間違える等の組み立てミスが発生する。このような組み立てミスは、その後の人手による検査等により組立不良が発見され、組み立て作業をやり直すことになる。しかしながら、人手による検査では、全ての組立不良を発見することは難しく、一部の組立不良品が出荷されてしまうことも起こり得る。
　下記特許文献１には、樹脂製品を製造する際に、未熟練作業者であっても適正な成形条件を導き出して作業できるように支援する支援装置が開示されている。
特開２００８－１１０４８６号公報
　特許文献１の支援装置では、作業員が作業を行う際に成形条件や目標品質値等を入力する必要があるため、製品の製造作業を行う前の準備作業に手間がかかる。
　本発明は、作業者が行う作業を簡便に支援することができる作業支援方法及び作業支援装置を提供することを目的とする。
　本発明の一態様に係る作業支援方法は、プロセッサにより制御される方法であって、過去に実施した作業手順を、所定の機械学習アルゴリズムを用いて時系列に学習して作業予測情報を生成する学習ステップと、作業の対象となる工程を識別するための工程識別コードを読み込む読込ステップと、前記読込ステップにおいて読み込まれた前記工程識別コードに対応付けて記憶されている、これから予定されている作業手順を含む作業予定情報、及び前記作業予測情報を取得する取得ステップと、前記作業予定情報に含まれる作業手順と前記作業予測情報に含まれる作業手順とを比較し、作業内容が相違する作業項目を検出する検出ステップと、前記検出された作業項目を、作業者に注意を促す必要がある作業項目として通知する通知ステップと、を含む。
　上記態様において、前記作業予定情報に基づく作業手順を学習用の教師データとし、前記機械学習アルゴリズムを実行することにより、前記作業予測情報を更新する第２学習ステップを、さらに含むこととしてもよい。
　上記態様において、前記検出ステップは、前記比較する作業手順に含まれる作業項目間の相違の度合いに基づいて、作業項目ごとの相違スコアを算出し、相違スコアが最大となる作業項目を検出することとしてもよい。
　上記態様において、前記通知ステップは、前記検出された作業項目に対応する相違スコアが所定値以上である場合に、当該作業項目を通知することとしてもよい。
　上記態様において、前記検出ステップは、前記比較する作業手順に含まれる作業項目間の相違の度合いに基づいて、作業項目ごとの相違スコアを算出し、相違スコアが所定値以上となる作業項目を検出することとしてもよい。
　上記態様において、前記機械学習アルゴリズムは、ＲＮＮ（Recurrent Neural Network）又はＬＳＴＭ(Long short term memory)のいずれかであることとしてもよい。
　本発明の他の態様に係る作業支援装置は、過去に実施した作業手順を、所定の機械学習アルゴリズムを用いて時系列に学習して作業予測情報を生成する学習部と、作業の対象となる工程を識別するための工程識別コードを読み込む読込部と、前記読込部により読み込まれた前記工程識別コードに対応付けて記憶されている、これから予定されている作業手順を含む作業予定情報、及び前記作業予測情報を取得する取得部と、前記作業予定情報に含まれる作業手順と前記作業予測情報に含まれる作業手順とを比較し、作業内容が相違する作業項目を検出する検出部と、前記検出された作業項目を、作業者に注意を促す必要がある作業項目として通知する通知部と、を備える。
　本発明によれば、作業者が行う作業を簡便に支援することができる作業支援方法及び作業支援装置を提供することができる。
実施形態における作業支援装置の構成を例示する図である。 図１に示す作業情報ＤＢに格納される作業情報の基本的なデータ項目を例示する図である。 過去に実施した作業手順に基づいて作業予測情報を生成する際の概念を示す図である。 作業手順を比較して作業内容が相違する作業項目を検出する際の概念を示す図である。 作業情報ＤＢに格納される作業予測情報を更新する際の概念を示す図である。 図１に示す作業支援装置の動作の一例を説明するためのフローチャートである。
　添付図面を参照して、本発明の好適な実施形態について説明する。なお、各図において、同一の符号を付したものは、同一又は同様の構成を有する。
　図１は、実施形態における作業支援装置の概略構成を例示するブロック図である。作業支援装置１は、機能構成として、例えば、読込部１１と、作業情報取得部１２と、相違検出部１３と、通知部１４と、学習部１５とを有する。これら各部の詳細については後述する。
　作業支援装置１は、物理構成として、例えば、ＣＰＵ（Central Processing Unit）と、メモリと、入出力インターフェースとを含んで構成される。メモリには、例えば、ＣＰＵで処理されるプログラムやデータを記憶するＲＯＭ（Read Only Memory）やＨＤＤ（Hard Disk Drive）、主として制御処理のための各種作業領域として使用されるＲＡＭ（Random Access Memory）等の要素が含まれる。これらの要素は、互いにバスを介して接続される。ＣＰＵが、ＲＯＭに記憶されたプログラムを実行し、入出力インターフェースを介して受信されるデータや、ＲＡＭに展開されるデータを処理することで、作業支援装置１の各部機能が発現する。
　図１に示す作業情報ＤＢ３は、例えば、作業予定情報及び作業予測情報を記憶するデータベースである。作業予定情報及び作業予測情報は、作業の対象となる工程を識別するための工程番号（工程識別コード）に対応付けて記憶されている。作業予定情報は、これから予定されている作業手順を含む作業情報である。作業予測情報は、過去に実施した作業手順を、機械学習アルゴリズムを用いて時系列に学習することで生成される作業情報である。機械学習アルゴリズムとして、例えば、時系列的な重みを考慮する、ＲＮＮ（Recurrent Neural Network）、ＬＳＴＭ(Long short term memory)等に代表されるニューラルネットワークを用いたディープラーニングのアルゴリズムを用いることが望ましい。
　図２を参照し、作業情報ＤＢ３に格納される作業情報の基本的なデータ項目について説明する。作業情報は、例えば、工程番号項目、作業時刻項目、作業手順項目を含む。工程番号項目は、工程番号を格納する。作業時刻項目は、作業開始時刻及び／又は作業終了時刻を格納する。作業手順項目は、作業手順の内容を格納する。作業手順は、例えば複数の作業番号及び作業項目の組み合わせにより構成される。作業項目は、作業手順に含まれる個々の作業の内容を個別に格納する。
　図３を参照し、作業予測情報を生成する際の概念について説明する。作業予測情報３２は、後述する学習部１５により生成される。学習部１５は、機械学習アルゴリズムを実行することで作業予測情報３２を生成する。この機械学習アルゴリズムには、入力データとして、過去に実施した複数の作業予定情報３１が入力される。
　図３に示す作業予測情報３２は、作業項目“プロセス接続方向”には、過去に実施した全て（１００％）の作業予定情報３１で“Ｂｏｔｔｏｍ”が設定されていたことを例示する。同様に、作業項目“禁油処理”には、過去に実施した９０％の作業予定情報３１で“無”が設定され、作業項目“ボルト・ナット”には、過去に実施した全て（１００％）の作業予定情報３１で“ＸＸＸＸ・ＸＸＸＸ”が設定され、作業項目“ハウジング”には、過去に実施した全て（１００％）の作業予定情報３１で“ＸＸＸＸ”が設定されていたことを例示する。なお、ニューラルネットワークでは、単なる統計処理による割合（％）とは異なる割合（％）が算出され、用いられる。
　図１の説明に戻る。同図に示す作業支援装置１の読込部１１は、読取装置４により読み取られた工程番号を読み込む。工程番号は、例えば、今回の作業に対応する指図書にバーコードで表示されている。指図書は、作業の手順等を示す書類である。読取装置４は、例えば、バーコードリーダである。なお、工程番号を表示する識別コードは、バーコードに限定されず、例えばＱＲコード（登録商標）等の二次元コードであってもよい。その場合、読取装置４は、二次元コードに対応する二次元コードリーダを用いる。
　作業情報取得部１２は、読込部１１により読み込まれた工程番号に対応付けて記憶されている作業予定情報及び作業予測情報を、作業情報ＤＢ３から取得する。
　相違検出部１３は、作業情報取得部１２により取得された作業予定情報に含まれる作業手順と、作業情報取得部１２により取得された作業予測情報に含まれる作業手順と、を比較する。相違検出部１３は、比較する作業手順に含まれる作業項目間の相違の度合いに基づいて、作業項目ごとの相違スコアを算出する。相違検出部１３は、相違スコアが最大となる作業項目を検出する。
　図４を参照し、作業手順を比較して作業内容が相違する作業項目を検出する際の概念について説明する。同図には、工程番号が“Ｘ－ＸＸＸ－ＸＸ”である今回の作業予定情報３３及び作業予測情報３２が例示されている。相違検出部１３は、それぞれの作業手順に含まれる作業項目である“プロセス接続方向”、“禁油処理”、“ボルト・ナット”及び“ハウジング”同士を比較する。
　作業項目“プロセス接続方向”は、今回の作業予定情報３３の内容である“Ｂｏｔｔｏｍ”と作業予測情報３２の内容である“Ｂｏｔｔｏｍ”とが一致するため、相違スコアは、最小スコアの“０”となる。作業項目“禁油処理”は、今回の作業予定情報３３の内容である“有”と作業予測情報３２の内容である“無”とが一致しないため、相違スコアは、最大スコアの“１００”となる。
　作業項目“ボルト・ナット”は、今回の作業予定情報３３の内容である“ＸＸＸＸ・ＸＸＸＸ”と作業予測情報３２の内容である“ＸＸＸＸ・ＸＸＸＸ”とが一致するため、相違スコアは、最小スコアの“０”となる。作業項目“ハウジング”は、今回の作業予定情報３３の内容である“ＸＸＸＸ”と作業予測情報３２の内容である“ＸＸＸＸ”とが一致するため、相違スコアは、最小スコアの“０”となる。
　この結果、相違検出部１３は、相違スコアが最大となる作業項目として“禁油処理”を検出する。なお、本実施形態における相違スコアは、合計が１００となるように正規化されている。
　図１の説明に戻る。同図に示す通知部１４は、相違検出部１３により検出された作業項目を、作業者に注意を促す必要がある作業項目として通知する。通知は、ディスプレイ５にメッセージを表示することとしてもよいし、音声を出力することとしてもよいし、作業者宛てにメールを送信することとしてもよい。
　学習部１５は、作業予定情報に基づく作業手順を学習用の教師データとし、機械学習アルゴリズムを実行することで、作業情報ＤＢ３の作業予測情報を更新する。
　図５を参照し、機械学習アルゴリズムを実行して作業予測情報を更新する際の概念について説明する。学習部１５が実行する機械学習アルゴリズムには、アルゴリズム自体を学習させる学習機能がさらに含まれている。この学習機能では、学習用の教師データとして、図５に示す今回の作業で実施した作業予定情報３３（図４の作業予定情報３３と同一の内容）が入力される。学習用の教師データは、機械学習アルゴリズムのパラメータを更新するためのデータである。具体的に説明すると、図５に示す作業予定情報３３を教師データとして学習機能を実行した場合には、図４に示す作業予測情報３２の作業項目“禁油処理”の内容（９０％が“無”）が、図５に示す作業予測情報３４の作業項目“禁油処理”の内容（８６％が“無”）に更新される。
　学習部１５は、学習機能によりパラメータが更新された後の機械学習アルゴリズムに対し、入力データとして今回の作業で実施した作業予定情報３３を入力し、機械学習アルゴリズムを実行する。これにより、作業予測情報が更新され、更新後の作業予測情報が、次回の作業内容を予測する情報として用いられることになる。
　次に、図６を参照して、作業支援装置１の動作の一例について説明する。
　最初に、読込部１１は、読取装置４を用いて読み取られた工程番号を読み込む（ステップＳ１０１）。
　続いて、作業情報取得部１２は、上記ステップＳ１０１で読み込まれた工程番号に基づいて、作業情報ＤＢ３から、作業予定情報及び作業予測情報を取得する（ステップＳ１０２）。
　続いて、相違検出部１３は、上記ステップＳ１０２で取得された作業予定情報に含まれる作業手順と作業予測情報に含まれる作業手順とを比較する（ステップＳ１０３）。
　続いて、相違検出部１３は、上記ステップＳ１０３で比較した作業手順に含まれる作業項目間の相違の度合いに基づいて、作業項目ごとの相違スコアを算出する（ステップＳ１０４）。
　続いて、相違検出部１３は、上記ステップＳ１０４で算出した相違スコアのうち、最大の相違スコアに対応する作業項目を検出する（ステップＳ１０５）。
　続いて、通知部１４は、上記ステップＳ１０５で検出された作業項目を、作業者に注意を促す必要がある作業項目として通知する（ステップＳ１０６）。
　続いて、学習部１５は、作業予定情報に含まれる作業手順を学習用の教師データとし、機械学習アルゴリズムを実行することで、機械学習アルゴリズムのパラメータを更新する（ステップＳ１０７）。
　続いて、学習部１５は、作業予定情報を入力データとして機械学習アルゴリズムを実行することで、作業予測情報を更新する（ステップＳ１０８）。そして、本動作を終了する。
　前述したように、実施形態における作業支援装置１によれば、工程番号を読み込み、読み込んだ工程番号に対応付けて記憶されている作業予定情報及び作業予測情報を作業情報ＤＢ３から取得し、作業予定情報に含まれる作業手順と作業予測情報に含まれる作業手順とを比較して、作業内容が相違する作業項目を検出し、その検出した作業項目を、作業者に注意を促す必要がある作業項目として作業者に通知することができる。
　これにより、作業者は、作業を行う前の準備作業をする必要がなく、さらに、通常の作業パターンと異なり、うっかり間違えてしまう可能性がある作業項目が存在する場合に、その作業項目を、要注意の作業項目として通知を受けることができる。それゆえ、実施形態における作業支援装置１によれば、作業者が行う作業を簡便に支援することが可能となる。
　また、実施形態における作業支援装置１によれば、作業予定情報に基づく作業手順を学習用の教師データとして機械学習アルゴリズムを実行し、機械学習アルゴリズムのパラメータを更新することができるため、作業予測情報の精度を高めることが可能となる。
　また、実施形態における作業支援装置１によれば、比較する作業手順に含まれる作業項目間の相違の度合いに基づいて、作業項目ごとの相違スコアを算出し、相違スコアが最大となる作業項目を検出することができるため、作業手順の中で最も間違える可能性が高い作業項目について、作業者に注意を喚起することが可能となる。
　[変形例]
　なお、本発明は、前述した実施形態に限定されるものではなく、本発明の要旨を逸脱しない範囲内において、他の様々な形で実施することができる。このため、上記実施形態はあらゆる点で単なる例示にすぎず、限定的に解釈されるものではない。例えば、前述した各処理（ステップ）は処理内容に矛盾を生じない範囲で任意に順番を変更し、または並列に実行することができる。
　また、前述した実施形態における相違検出部１３は、相違スコアが最大となる作業項目を検出しているが、相違スコアが最大となる作業項目であることには限定されない。例えば、相違スコアが所定値以上となる作業項目を検出することとしてもよい。
　これにより、作業手順の中に間違える可能性が高い作業項目が複数ある場合に、その複数の作業項目について、作業者に注意を喚起することが可能となる。
　また、前述した実施形態における通知部１４は、相違検出部１３により検出された作業項目を通知しているが、通知対象はこれに限定されない。例えば、相違検出部１３により検出された作業項目のうち、相違スコアが所定値以上となる作業項目を通知することとしてもよい。
　これにより、相違スコアが最大であっても、間違える可能性が低い作業項目については、通知を差し控えることが可能となる。
　本発明に係る作業支援方法及び作業支援装置は、作業者が行う作業を簡便に支援することに適している。
１…作業支援装置、３…作業情報ＤＢ、４…読取装置、５…ディスプレイ、１１…読込部、１２…作業情報取得部、１３…相違検出部、１４…通知部、１５…学習部

Claims (7)

  1. 　プロセッサにより制御される方法であって、
    　過去に実施した作業手順を、所定の機械学習アルゴリズムを用いて時系列に学習して作業予測情報を生成する学習ステップと、
    　作業の対象となる工程を識別するための工程識別コードを読み込む読込ステップと、
    　前記読込ステップにおいて読み込まれた前記工程識別コードに対応付けて記憶されている、これから予定されている作業手順を含む作業予定情報、及び前記作業予測情報を取得する取得ステップと、
    　前記作業予定情報に含まれる作業手順と前記作業予測情報に含まれる作業手順とを比較し、作業内容が相違する作業項目を検出する検出ステップと、
    　前記検出された作業項目を、作業者に注意を促す必要がある作業項目として通知する通知ステップと、
    　を含む作業支援方法。
  2. 　前記作業予定情報に基づく作業手順を学習用の教師データとし、前記機械学習アルゴリズムを実行することにより、前記機械学習アルゴリズムのパラメータを更新する第２学習ステップを、
    　さらに含む請求項１記載の作業支援方法。
  3. 　前記検出ステップは、前記比較する作業手順に含まれる作業項目間の相違の度合いに基づいて、作業項目ごとの相違スコアを算出し、相違スコアが最大となる作業項目を検出する、
    請求項１又は２記載の作業支援方法。
  4. 　前記通知ステップは、前記検出された作業項目に対応する相違スコアが所定値以上である場合に、当該作業項目を通知する、
    請求項３記載の作業支援方法。
  5. 　前記検出ステップは、前記比較する作業手順に含まれる作業項目間の相違の度合いに基づいて、作業項目ごとの相違スコアを算出し、相違スコアが所定値以上となる作業項目を検出する、
    請求項１又は２記載の作業支援方法。
  6. 　前記機械学習アルゴリズムは、ＲＮＮ（Recurrent Neural Network）又はＬＳＴＭ(Long short term memory)のいずれかである、
    請求項１から５のいずれか１項に記載の作業支援方法。
  7. 　過去に実施した作業手順を、所定の機械学習アルゴリズムを用いて時系列に学習して作業予測情報を生成する学習部と、
    　作業の対象となる工程を識別するための工程識別コードを読み込む読込部と、
    　前記読込部により読み込まれた前記工程識別コードに対応付けて記憶されている、これから予定されている作業手順を含む作業予定情報、及び前記作業予測情報を取得する取得部と、
    　前記作業予定情報に含まれる作業手順と前記作業予測情報に含まれる作業手順とを比較し、作業内容が相違する作業項目を検出する検出部と、
    　前記検出された作業項目を、作業者に注意を促す必要がある作業項目として通知する通知部と、
    　を備える作業支援装置。
PCT/JP2018/010858 2017-03-30 2018-03-19 作業支援方法及び作業支援装置 WO2018180722A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017-068517 2017-03-30
JP2017068517A JP6836447B2 (ja) 2017-03-30 2017-03-30 作業支援方法及び作業支援装置

Publications (1)

Publication Number Publication Date
WO2018180722A1 true WO2018180722A1 (ja) 2018-10-04

Family

ID=63675579

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/010858 WO2018180722A1 (ja) 2017-03-30 2018-03-19 作業支援方法及び作業支援装置

Country Status (2)

Country Link
JP (1) JP6836447B2 (ja)
WO (1) WO2018180722A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022098327A (ja) * 2020-12-21 2022-07-01 株式会社クボタ 作業管理装置、作業管理方法、指標推定モデル、および作業推定モデル

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0238209A (ja) * 1988-07-25 1990-02-07 Nec Corp 誤作業防止装置
JP2003141499A (ja) * 2001-11-05 2003-05-16 Denso Corp ニューラルネットワーク学習方法
JP2008110486A (ja) * 2006-10-27 2008-05-15 Nissei Plastics Ind Co 射出成形機の支援装置
JP2011253232A (ja) * 2010-05-31 2011-12-15 Fujitsu Ltd 名寄せ処理プログラム、名寄せ処理方法、および名寄せ処理装置
WO2016053822A1 (en) * 2014-09-30 2016-04-07 Microsoft Technology Licensing, Llc Natural motion-based control via wearable and mobile devices
JP2016218772A (ja) * 2015-05-21 2016-12-22 株式会社日立プラントコンストラクション 作業安全支援装置、作業安全支援システム、および、作業安全支援方法
WO2017018113A1 (ja) * 2015-07-29 2017-02-02 株式会社オートネットワーク技術研究所 対象物のハンドリングシミュレーション装置、対象物のハンドリングシミュレーションシステム、対象物のハンドリングをシミュレーションする方法、対象物の製造方法及び対象物のハンドリングシミュレーションプログラム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014115700A (ja) * 2012-12-06 2014-06-26 Nec Corp 要確認度判定装置、要確認度判定方法、及びプログラム

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0238209A (ja) * 1988-07-25 1990-02-07 Nec Corp 誤作業防止装置
JP2003141499A (ja) * 2001-11-05 2003-05-16 Denso Corp ニューラルネットワーク学習方法
JP2008110486A (ja) * 2006-10-27 2008-05-15 Nissei Plastics Ind Co 射出成形機の支援装置
JP2011253232A (ja) * 2010-05-31 2011-12-15 Fujitsu Ltd 名寄せ処理プログラム、名寄せ処理方法、および名寄せ処理装置
WO2016053822A1 (en) * 2014-09-30 2016-04-07 Microsoft Technology Licensing, Llc Natural motion-based control via wearable and mobile devices
JP2016218772A (ja) * 2015-05-21 2016-12-22 株式会社日立プラントコンストラクション 作業安全支援装置、作業安全支援システム、および、作業安全支援方法
WO2017018113A1 (ja) * 2015-07-29 2017-02-02 株式会社オートネットワーク技術研究所 対象物のハンドリングシミュレーション装置、対象物のハンドリングシミュレーションシステム、対象物のハンドリングをシミュレーションする方法、対象物の製造方法及び対象物のハンドリングシミュレーションプログラム

Also Published As

Publication number Publication date
JP6836447B2 (ja) 2021-03-03
JP2018169933A (ja) 2018-11-01

Similar Documents

Publication Publication Date Title
US11215967B2 (en) Predictive troubleshooting for abnormal plant operations
JP2018077757A (ja) 情報処理装置、情報処理方法、情報処理プログラム及び記録媒体
CN109241997B (zh) 一种生成训练集的方法及装置
EP3405844B1 (en) Methods and systems for root cause analysis for assembly lines using path tracking
JP2018010608A (ja) 制御システム用のコンテキストベースのオペレータ支援の方法およびシステム
CN111666198A (zh) 日志异常监控方法、装置及电子设备
JP2019144716A (ja) 非定常状態検出システム、及び非定常状態検出方法
WO2018180722A1 (ja) 作業支援方法及び作業支援装置
JP2024061754A (ja) 支援装置、表示装置、支援方法及び支援プログラム
CN109564423B (zh) 监测和控制工业过程的方法以及过程控制系统
CN112749183A (zh) 用于现场设备维护请求管理的装置、方法和计算机程序产品
US9971345B2 (en) Manufacturing process management support device
US20170183016A1 (en) Early warning system for locomotive bearings failures
US10295965B2 (en) Apparatus and method for model adaptation
US20210232686A1 (en) Attack detection device, attack detection method, and attack detection program
JP7377670B2 (ja) プラント運転支援システム、プラント運転支援方法
CN113433856A (zh) 设备状态监测方法、装置、系统及存储介质
JP6833669B2 (ja) 設備監視システム
JP6798968B2 (ja) ノイズ発生原因推定装置
JP2017162108A (ja) Ｉ／ｏモジュール管理装置、ｉ／ｏモジュール管理方法
US11809175B2 (en) Alarm management apparatus, alarm management method, and computer-readable recording medium
TWI837371B (zh) 支援裝置、顯示裝置、支援方法及支援程式
EP4287089A1 (en) Apparatus, method and program
JP7412655B1 (ja) 異常判定装置、異常判定システム、および異常判定方法
JP6707215B1 (ja) エンジニアリングツール、学習装置、およびデータ収集システム

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: 18777949

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: 18777949

Country of ref document: EP

Kind code of ref document: A1