WO2021192084A1 - 作業学習モデル生成装置、作業推論装置及び作業学習モデル生成方法 - Google Patents

作業学習モデル生成装置、作業推論装置及び作業学習モデル生成方法 Download PDF

Info

Publication number
WO2021192084A1
WO2021192084A1 PCT/JP2020/013300 JP2020013300W WO2021192084A1 WO 2021192084 A1 WO2021192084 A1 WO 2021192084A1 JP 2020013300 W JP2020013300 W JP 2020013300W WO 2021192084 A1 WO2021192084 A1 WO 2021192084A1
Authority
WO
WIPO (PCT)
Prior art keywords
work
data
learning model
tool
model generation
Prior art date
Application number
PCT/JP2020/013300
Other languages
English (en)
French (fr)
Inventor
薫 浅沼
洋平 河田
一穂 田中
淳史 植村
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/JP2020/013300 priority Critical patent/WO2021192084A1/ja
Publication of WO2021192084A1 publication Critical patent/WO2021192084A1/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
    • Y02P90/30—Computing systems specially adapted for manufacturing

Definitions

  • the present invention relates to a work learning model generation device, a work inference device, and a work learning model generation method.
  • Patent Document 1 a method of performing work analysis without using a camera has been proposed in recent years (for example, Patent Document 1).
  • Patent Document 1 reads the work station ID from the work station RF-ID tag holding the work station ID, and is attached to the parts tray to hold the part ID.
  • Weight measurement that measures the ID information reading means that reads the partial ID from, the standard work information storage means 1 that stores the standard work information, and the weight change value and the generation time of the weight change value and detects them as the weight change information.
  • power tool operation status detection means that detects the number of times and operation time of the power tool as operation information, standard work information reading process, ID information reading process, power tool operation detection process, weight change detection process And a control means for carrying out the work order determination process.
  • the present invention has been made in view of the above problems, and is a work learning model generation device, a work inference device, and a work capable of generating a work learning model related to detailed and appropriate work without using an imaging device such as a camera.
  • the purpose is to provide a learning model generation method.
  • a work learning model generator is a device that generates a work learning model for a work of assembling parts using a tool, and a standard work procedure for the work is defined.
  • a storage unit that stores standard work procedure data, tool data related to tools, and parts data related to parts, data related to changes in tool movements and physical quantities of parts during work acquired in chronological order, and the quality of work. It has a model generation unit that acquires work data including data, compares the work data with standard work procedure data, tool data, and part data, and generates a work learning model related to the work.
  • a work learning model generation device it is possible to realize a work learning model generation device, a work inference device, and a work learning model generation method capable of generating a work learning model related to detailed and appropriate work without using an imaging device such as a camera. Can be done.
  • an expression such as "xxx data” may be used as an example of information, but the data structure of the information may be any. That is, the "xxx data” can be referred to as a “xxx table” to show that the information does not depend on the data structure. Further, “xxx data” may be simply referred to as "xxx”. Then, in the following description, the configuration of each information is an example, and the information may be divided and held, or may be combined and held.
  • the embodiment of the present invention has the following features as an example.
  • the work learning model generator is a sensor (for example, a motion sensor for a tool and a motion sensor for a part) installed on a tool, a workbench, or the like to observe the movement of the tool or the movement / weight of a part. From the sensing results (distance sensor, weight sensor, etc.), the movement that is the starting point and the movement that is the ending point are detected, the working time is measured, and the details of the work (tool orientation, tool moving speed, tightening torque, welding (solder)). (Attachment) Obtain the temperature, etc.) and work results (good or bad of the product, etc.).
  • the work learning model generator compares these data with the pre-input standard work procedure (part installation order, tool use order, tool use count, etc.) and standard work time, and the appropriateness of the work itself (the appropriateness of the work itself (. Whether the work content and work time match the standard work procedure and standard work time) is measured.
  • the work learning model generator makes it possible to analyze the event that has occurred by comparing the sensor data with the movement of tools and parts during the work that should be done (for example, a tool that is normally used only twice). If it is used above, it will detect an event such as rework (generally a work error).
  • the work learning model generator has the most efficient operation, appropriate work time, and characteristic movements (tool orientation + tightening torque, and tightening torque) when a work error occurs after the sensing data of each process is accumulated.
  • a work learning model is generated by modeling the moving speed of the tool + welding (soldering) temperature, etc.).
  • the work inference device compares the sensor data (actual result) of the worker with the work learning model (prediction) generated by the work learning model generation device in real time, and makes a predictive diagnosis (prediction) of the occurrence of a defect. implement. Then, when a sign of failure is observed, the worker or the inspector is warned.
  • the work learning model generator relearns work data, work logs, results of predictive diagnosis of defects, etc., and continuously improves the accuracy of the work learning model.
  • the work learning model generation device and the work inference device of this embodiment execute a data acquisition process, a modeling process, an inference process, and a data utilization process as an example.
  • the standard upper / lower limit time required for each work is used as a model, and intentional time reduction (some work such as check time can be intentionally shortened) is performed. It is possible to realize a mechanism to guarantee that it is not.
  • Weight transition model it has a mechanism to reliably identify the work being done by taking into account the change in weight when mounting parts (considering the weight increase when holding it by hand and the weight decrease when releasing it). Weight transition model) can be realized.
  • FIG. 1 is a block diagram showing an example of the functional configuration of the work analysis system to which the work learning model generation device and the work inference device according to the embodiment are applied.
  • the work analysis system of this embodiment includes sensors 101 to 10n, 201 to 20n, ... n0n, receiving devices 111, 211, ..., N11, arithmetic units 121, 221, ..., N21 arranged in each step of the work. And an information processing device 1000 that functions as a work learning model generation device and a work inference device.
  • Sensors 101 are acceleration sensors that detect the movement of the tool, gyro sensors that are attached to the tool and detect the orientation and angle of the tool, and base parts (or semi-finished products) that have been sent to the process. These include an infrared sensor that detects an infrared sensor, and a pressure sensor that is installed on a workbench (manufacturing line) and detects a change in weight that occurs when parts are attached to the workbench. Each sensor 101, ... Wirelessly (may be wired) transmits sensor data to the receiving device 111, ... The receiving device 111, ... Sends the received sensor data to the arithmetic unit 121, ...
  • the arithmetic unit 121 has a sensor data processing unit 122 and a storage device for storing the sensor data 123.
  • the information processing device 1000 is a device capable of various information processing, for example, a computer or the like.
  • the information processing device 1000 includes a main arithmetic unit 1101 and a storage device 1201 that form a control unit.
  • the information processing device 1000 of this embodiment may be configured by a so-called cloud in which a plurality of information processing devices can communicate with each other via a communication network.
  • the main arithmetic unit 1101 is, for example, a CPU (Central Processing Unit), an FPGA (Field-Programmable Gate Array), or the like.
  • the storage device 1201 includes, for example, a magnetic storage medium such as an HDD (Hard Disk Drive), a semiconductor storage medium such as a RAM (Random Access Memory), a ROM (Read Only Memory), and an SSD (Solid State Drive). Further, a combination of an optical disk such as a DVD (Digital Versatile Disk) and an optical disk drive is also used as a storage medium. In addition, a known storage medium such as a magnetic tape medium is also used as the storage medium.
  • the storage device 1201 stores a program such as firmware that is illustrated. At the start of operation of the information processing device 1000 (for example, when the power is turned on), a program such as firmware is read from the storage device 1201 and executed to control the entire information processing device 1000. In addition to the program, the storage medium stores data and the like required for each process of the information processing apparatus 1000.
  • the main arithmetic unit 1101 has a position information calculation unit 1102, a weight information calculation unit 1103, a work content calculation unit 1104, a model generation unit 1105, and a data analysis unit 1106.
  • the functions and operations of the position information calculation unit 1102 and the like will be described in detail later.
  • the storage device 1201 stores tool-related data 1202, parts-related data 1203, standard work procedure data 1204, analysis model / data 1205, and sensor data / work analysis data / tool log data 1206.
  • Tool-related data 1202 is data related to tools used in each process of work.
  • the component-related data 1203 is data relating to the shape, weight, screw hole position, and the like of the component.
  • part-related data 1203 existing part data such as 3D CAD data related to the part may be utilized.
  • standard work procedure data 1204 An example of standard work procedure data 1204 is shown in FIG.
  • the standard work procedure data 1204 of this embodiment has a key: value in which a work ID and a standard work procedure are described.
  • the Key legend is as follows as an example.
  • Parts_ID ID of the part to be used
  • Parts_weight Weight of parts used
  • Parts_location_x Parts mounting position (x coordinate)
  • Parts_location_y Parts mounting position (y coordinate)
  • tool_type Type of tool to use (Example D: Electric screwdriver, S: Soldering iron)
  • tool_defined_L_val Lower limit of tool (eg lower limit of torque for electric screwdriver)
  • tool_defined_H_val Upper limit value of tool (example: upper limit value of torque for electric screwdriver)
  • Work_ST Standard work time
  • Figure 3 shows an example of work analysis data.
  • the work analysis data of this embodiment has a unit ID, a work ID, a work start time, a work end time, a work time, a total weight, and a work result.
  • an example of tool log data is shown in FIG.
  • the tool log data of this embodiment has a work ID, a work start time, a tool position, a tool angle, a tightening torque, and a work result.
  • the individual items of the work analysis data and the tool log data will be described in detail when the operation of the work learning model generator of the present embodiment described later is described. Further, an example of sensor data is shown in FIG.
  • the work in which the work analysis is performed in this embodiment is a work in which a certain part is placed on a base part and four places are stopped by an electric screwdriver.
  • the work point of the base component is detected by detecting the passage of the base component with an infrared sensor installed in front of the point where the work is performed, and by detecting the weight equivalent to the pre-registered base component with the pressure sensor. Recognize arrival. This starts the work.
  • the base parts Based on the weight of the base part, by comparing the change in the total weight (detected by the pressure sensor) due to the parts installed according to the procedure with the pre-registered "weight transition model", the base parts are in the correct order. Recognize that the part has been installed.
  • screw the second place From the movement distance / direction starting from the position information of the first place and the "work feature model" registered in advance, it is determined whether the screwed place is the correct position. Similar to the first location, the angle and tightening torque of the electric screwdriver are detected and recorded, and the quality of the work (product) is predicted by comparing it with the "work feature model".
  • the 3rd and 4th locations were screwed in the same way as the 1-2 locations. It detects and records the status and information of the electric screwdriver and compares it with the "work feature model" to predict the quality of the work (product).
  • the total weight detected at the work point is the same as the final weight of the "weight transition model", so that the completion of all assembly work is recognized.
  • the work point of the base component is detected by detecting the passage of the base component with an infrared sensor installed in front of the point where the work is performed, and by detecting the weight equivalent to the pre-registered base component with the pressure sensor. Recognize arrival. This starts the work.
  • the base parts Based on the weight of the base part, by comparing the change in the total weight (detected by the pressure sensor) due to the parts installed according to the procedure with the pre-registered "weight transition model", the base parts are in the correct order. Recognize that the part has been installed.
  • the total weight detected at the work point is the same as the final weight of the "weight transition model", so that the completion of all assembly work is recognized.
  • FIG. 6 is a sequence diagram showing an example of a data acquisition process and a modeling process by the work analysis system according to the embodiment.
  • the user attaches the sensor 101, ... In a predetermined place. Further, the user registers the tool-related data 1202, the part-related data 1203, and the standard work procedure data 1204 in the storage device.
  • the sensors 101, ... Acquire the sensor data that is the basis of the work analysis data and the tool log data.
  • the passage time data is acquired by detecting the passage of parts (semi-finished products, etc.) that are the basis of assembly work with an infrared sensor.
  • the pressure sensor installed in the work area detects a weight equivalent to the "weight of the base component” registered in advance, and acquires the amount of change in weight and the time of change.
  • the pressure sensor detects a weight change equivalent to the "weight of parts to be attached based on the standard work procedure" registered in advance, and acquires the amount of change in weight and the time of change.
  • the component mounting work is repeated until all the components are mounted, and the amount of change in weight and the changed time are acquired.
  • the motion sensor detects the first movement of the electric screwdriver, and the time when it starts moving is acquired.
  • the position where the electric screwdriver was first used is detected by the motion sensor, and the place of use (coordinates) which is the starting point is acquired.
  • the orientation and angle when the electric screwdriver is used are detected by the gyro sensor, and the state of use of the electric screwdriver is acquired.
  • the tightening torque of the electric screwdriver is also acquired.
  • the sensor data processing unit 122 acquires these sensor data from the sensors 101, ..., And when there is a missing value in the sensor data, the missing value is replaced with a predetermined numerical value based on a predetermined rule, and information is provided. It is transmitted to the processing device 1000.
  • the position information calculation unit 1102, the weight information calculation unit 1103, and the work content calculation unit 1104 are based on the passing time of the parts that are the base of the assembly work, the first weight change (0 ⁇ specified weight) in the work area, and the change time. Generate work start time. Next, the position information calculation unit 1102 and the like generate the component mounting time from the weight change (increase) from the specified weight and the change time. Here, if there are parts that can be mounted even if the mounting order is changed, the mounted parts are also specified based on the difference in the amount of change in weight. By this work, work analysis data as shown in FIG. 3 is generated.
  • the position information calculation unit 1102, the weight information calculation unit 1103, and the work content calculation unit 1104 are screwed at the first place from the time when the electric screwdriver was first used, based on the first movement start time of the electric screwdriver. Generate time. At the same time, the usage status of the electric screwdriver, tightening torque, etc. are also embedded in this time series. The position when the electric screwdriver is used is compared with the screw tightening order in the "standard work procedure", and the orientation and angle are compared with the shape data in the "parts drawing" registered in advance, and the screw tightening order is compared.
  • the driver calculates the number of pluses and minuses from the right angle (vertical) to the screw tightening direction.
  • the orientation and angle when the electric screwdriver is used are detected by the gyro sensor, and the usage status of the electric screwdriver, tightening torque, etc. are also acquired.
  • the movement of the electric screwdriver from the second place onward is acquired until all the parts are installed.
  • the model generation unit 1105 performs work learning based on the work analysis data, tool log data, and standard work procedure data 1204 generated by the position information calculation unit 1102, the weight information calculation unit 1103, and the work content calculation unit 1104. Generate a model.
  • preprocessing data shaping / expansion / classification, etc.
  • Examples of preprocessing include the following processing. That is, processing of category data (converting character string data to numerical data (example: replacing day with numerical value)), processing of missing value (processing when there is a missing value in the data (example: missing value based on the rule)) (Replace with a fixed numerical value, etc.)), scaling of feature quantities (normalization, standardization), deletion of dimensions (compression of data volume (eg, conversion of two-dimensional information (x, y) to one-dimensional information (z), etc.)) ), Correction of imbalanced data when there is a bias in the number of data between classes (work result: good or bad).
  • the model generation unit 1105 divides a copy of the tool log data stored in the storage device 1201 into training data and test data, and stores the copy in the analysis model / data 1205. After that, the model generation unit 1105 repeats adjustment, learning, and evaluation of hyperparameters to create a work learning model that is a trained model.
  • the state of the learning model is the work content (where the work procedure is performed) and the work position (where the work is being performed), and the actions are the use of the tool and the movement of the tool.
  • model generation unit 1105 divides the copy of the sensor data stored in the storage device 1201 into training data and test data, and stores the copy in the analysis model / data 1205. After that, the model generation unit 1105 repeats adjustment, learning, and evaluation of hyperparameters to create a work learning model that is a trained model.
  • the state of the learning model is the work content (where the work procedure is carried out), the total weight of the parts (how much the parts are mounted), and the action is the mounting of the parts (change in the total weight).
  • the difference from the standard work procedure (“+” if correct, “-” if incorrect), good / defective product (“+” for non-defective product, “-” for defective product),
  • the work time is constant (“+” if there is no variation in each work time, “-” if there is variation), and the weight of the reward is good / defective of the product> constant work time> in-process work time Balance> Difference from standard procedure.
  • the learning model generated by the model generation unit 1105 is stored in the analysis model / data 1205.
  • the learning model is created for each process.
  • FIG. 7 is a flowchart showing an example of a data acquisition process and a modeling process by the work analysis system according to the embodiment.
  • the information processing device 1000 acquires sensor data and tool log data, and specifies the work content (S100). Next, the information processing apparatus 1000 learns the work learning model using the tool log data (S101). Further, the information processing apparatus 1000 learns the work learning model using the sensor data (S102).
  • the sensors 101, ... Wait for the passage of the base component to be detected (S200), and when the passage is detected, the work content calculation unit 1104 uses the sensor data of the infrared sensor to perform the work start time (1) and end time (2). ) Is acquired and recorded in the work analysis data (see S201, FIG. 13).
  • the work content calculation unit 1104 compares the component weight acquired by the sensor 101, ... With the component weight in the component-related data 1203, and the component weight acquired by the sensor 101, ... Is the component weight in the component-related data 1203. It is determined whether or not it is within the range of the tolerance from (S202). Then, if it is determined that it is within the range, the process proceeds to S203, and if it is determined that it is out of the range, a warning is given to the operator via a notification device (for example, a lamp) shown in the figure (S204). This warning warns that the base parts transported to the workbench may be different from the predetermined ones.
  • a notification device for example, a lamp
  • the work content calculation unit 1104 registers the work result of the work analysis data as "good” (3).
  • the weight information calculation unit 1103 acquires the total weight (4) of the base component from the sensor data of the pressure sensor, and the work content calculation unit 1104 records it in the work analysis data (S205).
  • the work content calculation unit 1104 refers to the standard work procedure data 1204 to generate a unique unit ID (5) and records it in the work analysis data (S206).
  • the work content calculation unit 1104 acquires the work ID (6) with reference to the standard work procedure data 1204 and records it in the work analysis data (S207).
  • the work content calculation unit 1104 calculates the work time (7) from the difference between the work start time (1) and the work end time (2), and records it in the work analysis data (S208).
  • the weight information calculation unit 1103 acquires the work start time (1) from the change (weight change data) of the sensor data of the pressure sensor, and the work content calculation unit 1104 uses the work analysis data. Record (see S209, FIG. 14).
  • the work content calculation unit 1104 waits for the end of the weight change (S210), and the weight information calculation unit 1103 acquires the work end time (2) from the change (weight change data) of the sensor data of the pressure sensor, and the work content The calculation unit 1104 records in the work analysis data (S211).
  • the work content calculation unit 1104 compares the total weight acquired by the sensors 101, ... With the component weight in the component-related data 1203, and the total weight acquired by the sensors 101, ... Is the component weight in the component-related data 1203. From (here, the total weight of the base component and the component 1 added together), it is determined whether or not the weight is within the tolerance range (S212). Then, if it is determined that it is within the range, the process proceeds to S213, and if it is determined that it is out of the range, a warning is given to the operator via the notification device (not shown) (S214). This warning warns that the component 1 attached to the base component may be different from a predetermined one.
  • the work content calculation unit 1104 registers the work result of the work analysis data as "good” (3).
  • the weight information calculation unit 1103 acquires the total weight (4), which is the sum of the base component and the component 1, from the sensor data of the pressure sensor, and the work content calculation unit 1104 records it in the work analysis data (S215).
  • the work content calculation unit 1104 generates a unique unit ID (5) with reference to the standard work procedure data 1204, and records it in the work analysis data (S216).
  • the work content calculation unit 1104 acquires the work ID (6) with reference to the standard work procedure data 1204 and records it in the work analysis data (S217).
  • the work content calculation unit 1104 calculates the work time (7) from the difference between the work start time (1) and the work end time (2), and records it in the work analysis data (S218).
  • the work content calculation unit 1104 executes the processes of S219 to S228 described below in a loop as many as the number of works.
  • the work content calculation unit 1104 executes the processes of S219 to S228 described below in a loop as many as the number of works.
  • an electric screwdriver is used as a tool will be described.
  • the work content calculation unit 1104 waits for the electric screwdriver, which is a tool, to be used by the operator from the sensor data of the sensors 101, ... (S219), and starts the work from the operating status (tool log data) of the electric screwdriver (tool log data). 1) and the work end time (2) are acquired (see S220, FIGS. 15 and 16).
  • the work content calculation unit 1104 compares the total weight acquired by the sensors 101, ... With the component weight in the component-related data 1203, and the total weight acquired by the sensor 101, ... Is the component weight in the component-related data 1203. (Here, the total weight obtained by adding the total weight so far and the screws attached by this work) is used to determine whether or not the weight is within the tolerance range (S221). Then, if it is determined that it is within the range, the process proceeds to S222, and if it is determined that it is out of the range, a warning is given to the operator via the notification device (not shown) (S223). This warning warns that the screws attached to the base component may be different from the specified ones.
  • the work content calculation unit 1104 registers the work result of the work analysis data as "good” (3).
  • the weight information calculation unit 1103 acquires the total weight (4) obtained by adding the total weight so far and the screws attached by this work from the sensor data of the pressure sensor, and the work content calculation unit 1104 works.
  • Record in the analysis data S224.
  • the work content calculation unit 1104 refers to the standard work procedure data 1204 to generate a unique unit ID (5) and records it in the work analysis data (S225).
  • the work content calculation unit 1104 acquires the work ID (6) with reference to the standard work procedure data 1204 and records it in the work analysis data (S226).
  • the work content calculation unit 1104 calculates the work time (7) from the difference between the work start time (1) and the work end time (2), and records it in the work analysis data (S227).
  • the work content calculation unit 1104 acquires the tool log data (S228).
  • the details of the tool log data acquisition process in S228 will be described with reference to FIG.
  • the position information calculation unit 1102 acquires the tool position (7) at the time of tightening the nth screw from the data of the sensor 101, particularly the gyro sensor (see S300, FIG. 17).
  • the work content calculation unit 1104 determines whether or not the tool position acquired in S300 matches the work position stored in the standard work procedure data 1204 (S301). Then, if it is determined that they match, the process proceeds to S302, and if it is determined that they do not match, information is provided to the operator via the notification device (not shown) (S303). Information provision only conveys facts that differ from the standard work procedure and does not require rework by the operator.
  • the position information calculation unit 1102 acquires the tool angle (8) at the time of tightening the nth screw from the data of the sensor 101, particularly the gyro sensor.
  • the work content calculation unit 1104 refers to the part-related data 1203 and determines whether or not the tool angle acquired in S302 is within the range of the correct tool angle tolerance in view of the part shape (S304). Then, if it is determined that it is within the range, the process proceeds to S305, and if it is determined that it is out of the range, a warning is given to the operator via the notification device (not shown) (S306). This warning warns that a screw may be improperly tightened.
  • the work content calculation unit 1104 determines whether or not the screws are correctly tightened (S307). Then, if it is determined that the tightening is correct, the process proceeds to S305, and if it is determined that the tightening is not correct, the process proceeds to S310.
  • the work content calculation unit 1104 acquires the tightening torque (9) of the nth screw from the data of the sensor 101, particularly the gyro sensor.
  • the work content calculation unit 1104 refers to the standard work procedure data 1204 and determines whether or not the tightening torque acquired in S305 is within the tolerance range (S308). Then, if it is determined that it is within the range, the process proceeds to S309, and if it is determined that it is out of the range, the process proceeds to S310.
  • the work content calculation unit 1104 registers the work result (10) as "good”. After that, if all the screws have been tightened, the process proceeds to S229 in FIG. 12, and if all the screws have not been tightened yet, the process returns to S219 in FIG.
  • the work content calculation unit 1104 registers the work result (10) as "non-defective". After that, the process returns to S219 of FIG. 10 and the work is reworked.
  • the position information calculation unit 1102 waits for the detection of the passage of the assembled assay by the sensor 101, ...
  • the work start time (1) and the work end time (2) are acquired from the sensor data (see S230, FIG. 18).
  • the work content calculation unit 1104 determines the work start time (4) and the work end time of the "confirmation" process from the difference between the work end time (3) of the final screw tightening and the work start time (1) of the assay transfer. (5) and working time (6) are generated (S231).
  • the work content calculation unit 1104 determines whether or not the work time (6) acquired in S231 is within the range of the work time tolerance stored in the standard work procedure data 1204 (S232). Then, if it is determined that the information is within the range, the process proceeds to S233, and if it is determined that the information is out of the range, information is provided to the operator via the notification device (not shown) (S234).
  • the information provision only conveys the fact that the confirmation time was shorter than the specified confirmation time, and if there is no defect as a result of the confirmation by the operator, no action by the operator is required.
  • the work content calculation unit 1104 registers the work result (7) as "good”.
  • the work content calculation unit 1104 refers to the standard work procedure data 1204 to generate a unique unit ID (7) (S235), and further acquires the work ID (8).
  • the work content calculation unit 1104 calculates the work time (9) from the difference between the work start time (1) and the work end time (2), and records it in the work analysis data (S237).
  • FIG. 19 is a flowchart showing an example of the modeling process by the work analysis system according to the embodiment, and is a flowchart showing an example of the detailed operation of S101 of FIG. 7.
  • the model generation unit 1105 divides the tool log data into training data and test data (S400), and reads the tool log data (S401). Next, the model generation unit 1105 determines the algorithm of the work learning model (S402), adjusts the parameters (S403), performs the learning work of pattern extraction (S404), and evaluates with the test data divided by S400 (S402). S405).
  • the model generation unit 1105 repeats the work of S403 to S405 until a highly accurate work learning model can be generated as a result of the evaluation in S405 (S406).
  • a threshold value for example, 90% or more, 95% or more is determined in advance.
  • sensor data regarding the tool position and the tool angle can be acquired as continuous values (that is, as the trajectory of the tool movement) from the sensors 101, ... As the work is performed. As described above, this sensor data is acquired as tool log data as shown in the middle of FIG. 21.
  • the model generation unit 1105 generates a tool position model and a tool angle model as shown in the lower part of FIG. 21 based on the tool log data.
  • FIG. 20 is a flowchart showing an example of the modeling process by the work analysis system according to the embodiment, and is a flowchart showing an example of the detailed operation of S102 of FIG. 7.
  • the model generation unit 1105 extracts the feature amount from the sensor data of the sensor 101, particularly the pressure sensor (S500).
  • the feature amount referred to here means a data amount reduced from the sensor data to an amount that can be used for the modeling process by the model generation unit 1105.
  • the model generation unit 1105 divides the feature amount extracted in S500 into training data and test data (S501), and reads the feature amount (S502).
  • the model generation unit 1105 determines the algorithm of the work learning model (S503), adjusts the parameters (S504), performs the learning work of pattern extraction (S505), and evaluates with the test data divided in S501 (S501). S506).
  • the model generation unit 1105 repeats the work of S504 to S506 until a highly accurate work learning model can be generated as a result of the evaluation in S506 (S507).
  • a threshold value for example, 90% or more, 95% or more is determined in advance.
  • the model generation unit 1105 extracts the features (WID1 to WIDn) discretely along the time axis from the continuous values of the pressure sensor.
  • the feature amount data of the pressure sensor is extracted in a table format.
  • the model generation unit 1105 generates a weight change model as shown in the lower part of FIG. 22 based on the feature amount data data of the pressure sensor.
  • FIG. 23 is a sequence diagram showing an example of the inference process by the work analysis system according to the embodiment.
  • the model generation unit 1105 creates a copy of the work learning model, which is a trained model stored in the analysis model / data 1205, distributes (deploys) it to the data analysis unit 1106, and uses the distributed trained model. Set to the enabled state.
  • the actual work data is acquired from the sensors 101, ..., And the data analysis unit 1106 performs a work analysis based on the actual work data using the distributed trained model.
  • the infrared sensor is a part (data analysis unit 1106 does not know what this part is, but it becomes the base of the assembly work. Detects the passage (arrival) of (presumed to be a part) and acquires the passage time data. In addition, the pressure sensor installed in the work area detects the weight of the arrived parts, and acquires the amount of change in weight and the time of change.
  • the data analysis unit 1106 compares the weight change when the parts arrive with the "weight transition model" shown in the lower part of FIG. 22. Then, if it is determined that the model is within the tolerance (appropriate range) (see FIG. 35), the data analysis unit 1106 infers that the correct part (the part that is the base of the assembly work) has arrived, and the work result is "good”. Register with "" and proceed to the next work.
  • a "warning" is issued by the notification device. This warning warns the operator that the parts arriving at the work line may be different. After that, if there is a problem as a result of confirmation by the worker, the work result is registered as "defective” and corrective action is taken. On the other hand, if there is no problem, register the work result as "good” and proceed to the next work.
  • the tolerance is based on the accuracy of the weight of the parts.
  • the pressure sensor in the work area detects the change in weight and acquires the amount of change in weight and the time of change. Then, the data analysis unit 1106 compares this weight change with the "weight transition model" shown in the lower part of FIG. 22. Then, if it is determined that the model is within the tolerance (appropriate range) (see FIG. 35), the data analysis unit 1106 infers that the correct part (part 1) is mounted on the base part, and registers the work result as "good”. Then proceed to the next work.
  • a "warning" is issued by the notification device if there is no other component mounting work. This warning warns the operator that he has predicted that the installed parts will be different. After that, if the parts are different as a result of confirmation by the operator, the work result is registered as "defective” and corrective action is taken. On the other hand, if the parts do not differ, the work result is registered as "good”, and the data analysis unit 1106 determines that it is a false alarm (need to consider model re-learning) and proceeds to the next work.
  • a "warning" will be issued by the notification device. This warning warns the operator that the work procedure may be different. After that, as a result of confirmation by the operator, if there is an order in component installation, the work result is registered as “defective” and corrective action is taken. On the other hand, if there is no order in mounting parts, the work result is registered as "good” and the next work is performed.
  • the motion sensor detects the use (tightening) of the electric screwdriver and acquires the tightening start / end time, tightening position (xy coordinate of tool position), tightening angle (xyz coordinate of tool angle), and tightening torque.
  • the data analysis unit 1106 describes the acquired usage state of the electric screwdriver, the "tool position model” and the “tool angle model” shown in the lower part of FIG. 21, and the “torque upper limit / upper limit /" of the standard working procedure data 1204 shown in FIG.
  • the "lower limit value” is compared and it is determined that the usage state of the electric screwdriver is within the upper limit / lower limit value of the torque and further within the tolerance (appropriate range) of the "tool position model” and the “tool angle model” (FIG. 36).
  • Fig. 37 infer that the screw is tightened correctly, register the work result as "good”, and proceed to the next work.
  • the data analysis unit 1106 predicts a screw tightening failure (insufficient tightening). After that, if there is a screw tightening defect as a result of confirmation by the operator, the work result is registered as "defective" and corrective action is taken. On the other hand, if there is no screw tightening defect, the work result is registered as "good", and it is determined that the data analysis unit 1106 is a false alarm (requires consideration of model re-learning) and proceeds to the next work.
  • the motion sensor detects the final use (tightening) of the electric screwdriver and acquires it as the confirmation start time. Next, the passage (departure) of the worked part is detected by the infrared sensor, and the assay transfer start / end time is acquired.
  • the data analysis unit 1106 calculates the confirmation time from the difference between the confirmation start time and the assay transfer start / end time, and compares it with the "standard working time" of the standard working procedure data 1204 shown in FIG. Then, when it is determined that the standard working time is within the appropriate range, it is inferred as correct confirmation, and the work result is registered as "good” to complete this process.
  • a "warning" is issued by the notification device. This warning warns the operator that there is a possibility of omission of confirmation by the operator. After that, if a problem is found by reconfirmation as a result of confirmation by the worker, the work result is registered as "defective” and corrective action is taken. If there is no problem in the reconfirmation, the work result is registered as "good” and this process is completed.
  • the sensor data 123 of the edge arithmetic unit 121, ..., And the stored data are stored in the sensor data / work analysis data / tool log data 1206 of the storage device 1201.
  • the work analysis data (see FIG. 3) and the tool log data (see FIG. 4) generated by the data analysis unit 1106 are stored in the sensor data / work analysis data / tool of the storage device 1201. Save in log data 1206.
  • FIG. 24 is a flowchart showing an example of the inference process by the work analysis system according to the embodiment.
  • the model generation unit 1105 creates a copy of the trained model (S600), and distributes (deploys) the created copy to the data analysis unit 1106 (S601).
  • the model generation unit 1105 sets the distributed trained model in a usable state (S602).
  • the data analysis unit 1106 acquires actual work data and performs work analysis (inference) (S603).
  • the data analysis unit 1106 loops the operation of S604 by the amount of the edge arithmetic unit 121, ... In S604, the sensor data of the edge arithmetic unit 121, ... Is stored in the storage device 1201. Then, the data analysis unit 1106 stores the generated work analysis data and tool log data in the storage device 1201 (S605).
  • 25 to 33 are flowcharts showing an example of the inference process by the work analysis system according to the embodiment, and are flowcharts showing an example of the detailed operation of S603 of FIG. 24.
  • the data analysis unit 1106 acquires the work start time (1) and the work end time (2) from the sensor data from the infrared sensor (S700). (See FIG. 38).
  • the data analysis unit 1106 acquires real-time sensor data of the pressure sensor, and compares the weight change when the part arrives with the "weight transition model" shown in the lower part of FIG.
  • the data analysis unit 1106 determines whether or not the weight change is within the model tolerance (appropriate range), and if it determines that the weight change is within the range (see S703 and FIG. 39), proceeds to S704 and proceeds to the model tolerance (appropriate range). If it is determined that it is out of the range), a "warning" is issued by the notification device (S705). This warning warns the operator that the parts arriving at the work line may be different. After that, the operator determines whether or not there is a difference in parts or damage to parts (S706), and if there is a difference in parts, the process proceeds to S711, and if there is no difference in parts, the process proceeds to S704.
  • the data analysis unit 1106 registers the work result (3) as "good”.
  • the data analysis unit 1106 acquires the total weight (4) of the base component from the sensor data of the pressure sensor and records it in the work analysis data (S707).
  • the data analysis unit 1106 generates a unique unit ID (5) with reference to the standard work procedure data 1204 (S708), and further acquires the work ID (6) and records it in the work analysis data (S709). ..
  • the data analysis unit 1106 calculates the work time (7) from the difference between the work start time (1) and the work end time (2) and records it in the work analysis data (S710).
  • the data analysis unit 1106 registers the work result (3) as "non-defective”, returns to S700, and performs the repair work (S712).
  • the data analysis unit 1106 detects the start of weight change from the sensor data of the pressure sensor and acquires the work start time (1) (see S713 and FIG. 40).
  • the data analysis unit 1106 waits for the end of the weight change (S714), detects the end of the weight change, and acquires the work end time (2) (S715).
  • the data analysis unit 1106 compares this weight change with the "weight transition model" shown in the lower part of FIG. 22 (S716), and determines whether or not the weight change is within the tolerance (appropriate range) of the model. (S717). As a result of the determination, if it is determined that it is within the tolerance range, the process proceeds to S718, and if it is determined that it is outside the tolerance range, the data analysis unit 1106 determines whether or not there is other component mounting work (S719). As a result of the determination, if it is determined that there is another component mounting work, the process proceeds to S721, and if it is determined that there is no other component mounting work, the process proceeds to S720.
  • the data analysis unit 1106 registers the work result (3) as "good”. Next, the data analysis unit 1106 acquires the total weight (4) of the base component from the sensor data of the pressure sensor and records it in the work analysis data (S722). Further, the data analysis unit 1106 generates a unique unit ID (5) with reference to the standard work procedure data 1204 (S723), and further acquires the work ID (6) and records it in the work analysis data (S724). .. Then, the data analysis unit 1106 calculates the work time (7) from the difference between the work start time (1) and the work end time (2) and records it in the work analysis data (S725).
  • the data analysis unit 1106 issues a "warning" by the notification device. This warning warns the operator that he has predicted that the installed parts will be different. After that, the operator confirms (S726), and as a result, determines whether or not the attached parts are different (S727). If the parts are different as a result of the determination, the work result (3) is registered as "non-defective" (S728), and the process returns to S713 to implement corrective action. On the other hand, if the parts are not different, it is determined that the data analysis unit 1106 is a false alarm (requires examination of model re-learning), and the process proceeds to S718.
  • the data analysis unit 1106 issues a "warning" by the notification device. This warning warns the operator that the work procedure may be different. After that, the operator confirms the order of component mounting (S730), and as a result, determines whether or not the component mounting is in order (S731). As a result of the determination, if there is an order in component mounting, the process proceeds to S728, and if there is no order in component mounting, the process proceeds to S718.
  • the data analysis unit 1106 loops the processing up to S774 by the number of operations.
  • the data analysis unit 1106 detects the start of weight change from the sensor data of the pressure sensor and acquires the work start time (1) (see S732, FIG. 41, and FIG. 42). The data analysis unit 1106 waits for the end of the weight change (S733).
  • the data analysis unit 1106 compares this weight change with the "weight transition model" shown in the lower part of FIG. 22 (S734), and determines whether or not the weight change is within the tolerance (appropriate range) of the model. (S735). As a result of the determination, if it is determined that it is within the tolerance range, the process proceeds to S736, and if it is determined that it is outside the tolerance range, the data analysis unit 1106 determines whether or not there is other component mounting work (S737). As a result of the determination, if it is determined that there is another component mounting work, the process proceeds to S739, and if it is determined that there is no other component mounting work, the process proceeds to S738.
  • the data analysis unit 1106 acquires the total weight (2) of the parts from the sensor data of the pressure sensor. Next, the data analysis unit 1106 acquires the sensor data of the motion sensor and waits for the detection of the use of the electric screwdriver (S740). The data analysis unit 1106 acquires the tool use start (time) (3) (S741), and further tightens the tightening position (xy coordinate of the tool position) (4), the tightening angle (xyz coordinate of the tool angle) (5), and Acquire the tightening torque (6) (S742 to S744).
  • the data analysis unit 1106 issues a "warning" by the notification device. This warning warns the operator that he has predicted that the installed parts will be different. After that, the operator confirms (S745), and as a result, determines whether or not the attached parts are different (S746). If the parts are different as a result of the determination, the work result (7) is registered as "non-defective" (S747), and the process returns to S732 to implement corrective action. On the other hand, if the parts are not different, it is determined that the data analysis unit 1106 is a false alarm (need to examine model re-learning), and the process proceeds to S736.
  • the data analysis unit 1106 issues a "warning" by the notification device. This warning warns the operator that the work procedure may be different. After that, the operator confirms the order of component mounting (S749), and as a result, determines whether or not the component mounting is in order (S750). As a result of the determination, if there is an order in component mounting, the process proceeds to S747, and if there is no order in component mounting, the process proceeds to S736.
  • the data analysis unit 1106 shows the usage state of the electric screwdriver acquired in S742 to S744 of FIG. 27, and the "tool position model” and “tool angle model” shown in the lower part of FIG. And the “torque upper limit / lower limit value” of the standard work procedure data 1204 shown in FIG. 2 are compared (S751).
  • the data analysis unit 1106 determines whether or not the usage state of the electric screwdriver is within the range of the upper limit / lower limit of the torque (S752). As a result, if it is determined that the usage state of the electric screwdriver is within the range of the upper limit / lower limit of the torque, the process proceeds to S753, and if it is determined that the state is out of the range, the process proceeds to S758.
  • S754 it is determined whether or not the usage state of the electric screwdriver is within the tolerance (appropriate range) of the "tool angle model” (see FIGS. 36 and 46). As a result, if it is determined that the usage state of the electric screwdriver is within the tolerance (appropriate range) of the "tool accuracy model", the process proceeds to S755, and if it is determined to be out of the range, the process proceeds to S756.
  • the data analysis unit 1106 determines whether or not the torque is equal to or greater than the upper limit value based on the sensor data (S760). As a result, if the torque is equal to or higher than the upper limit value, corrective action (screw replacement) is performed (S761). If the torque is equal to or less than the lower limit, corrective action (tightening of screws) is performed (S762). After that, the process returns to S732 and the repair work is carried out.
  • the data analysis unit 1106 determined that the torque was within the upper limit / lower limit value but was outside the tolerance (appropriate range) of the tool angle model, so that the data analysis unit 1106 screwed. Predict poor tightening (insufficient tightening).
  • the operator confirms (S765), and the data analysis unit 1106 determines whether or not there is a screw tightening defect (S767).
  • the data analysis unit 1106 registers the work result (7) as "defective” (see S768, FIG. 47, and FIG. 48), and implements corrective action (S770).
  • the data analysis unit 1106 registers the work result (7) as "good” (see S769, FIG. 47, FIG. (Examination required) and proceed to S771.
  • the process proceeds to FIG. 31, and the data analysis unit 1106 registers the unit ID (8) (see S771, FIG. 47, and FIG. 48).
  • the data analysis unit 1106 acquires the work ID (9) with reference to the standard work procedure data 1204 and stores it in the work analysis data (S772). Further, the data analysis unit 1106 acquires the work end time (10) when the end of use of the tool is detected (see S773, FIG. 47). Then, the data analysis unit 1106 calculates the work time (11) from the difference between the work start time (1) and the work end time (10) (see S774, FIG. 47).
  • the data analysis unit 1106 waits for detecting the use (tightening) of the final electric screwdriver from the sensor data of the motion sensor (S775), and confirms the end time of the final use of the electric screwdriver. It is acquired as the work start time (1) in the work (see S776, FIG. 49).
  • the data analysis unit 1106 waits for detecting the passage (departure) of the worked part from the sensor data from the infrared sensor (S777), and based on the sensor data from the infrared sensor, the work start time in the assay transfer operation (S777). 2) and the work end time (3) are acquired (see S778 and FIG. 49).
  • the data analysis unit 1106 calculates the work time (4) from the difference between the work start time (2) and the work end time (3) in the assay transfer work and stores it in the work analysis data (see S779, FIG. 49). .. Further, the data analysis unit 1106 calculates the work time (6) of the confirmation work from the difference between the work start time (1) in the confirmation work and the work start time (2) in the assay transfer work, and stores it in the work analysis data ( S780, see FIG. 49).
  • the data analysis unit 1106 compares the confirmation time calculated in S780 of FIG. 32 with the “standard working time” of the standard work procedure data 1204 shown in FIG. 2 (S781). Then, it is determined whether or not the standard working time calculated in S780 is within the appropriate range of the "standard working time” of the standard working procedure data 1204 (S782). As a result, if it is determined that the work result is within the appropriate range of the "standard work time", it is inferred as correct confirmation, and the work result is registered as "good” (S783).
  • the data analysis unit 1106 acquires the total weight (8) from the data of the previous process of the confirmation work and stores it in the work analysis data (S785). Further, the data analysis unit 1106 generates a unique unit ID (9) from the standard work procedure data 1204 (S786), acquires the work ID (10), and stores it in the work analysis data (S787). Then, this process is completed.
  • FIG. 52 is a sequence diagram showing an example of the re-learning process by the work analysis system according to the embodiment.
  • the user analyzes the sensor data / work analysis data / tool log data 1206 stored in the storage device 1201 as needed.
  • the analysis results can be expected to be used for design changes and manual changes for the design department, and work improvement for the assembly department.
  • the viewpoints of analysis and examples of utilization for improvement are given below.
  • the average work time, yield, defect rate, etc. for each worker are aggregated / visualized, and the proficiency level of the work is confirmed by comparing with skilled workers and their own work in the past.
  • Aggregate / visualize processes / operations where many assembly defects occur identify the structural cause of why defects occur frequently, aggregate work that deviates from the standard work procedure and its results (work time, work quality) , Characteristic operation / work order that speeds up / slows down the work time, characteristic operation / work order when a defect occurs, and the like are specified.
  • the model generation unit 1105 carries out the re-learning process of the work learning model using the tool log data and the pressure sensor data. Since the details of the re-learning process are the same as the model generation process by the model generation unit 1105 already described, the description here will be omitted. After that, the model generation unit 1105 deploys (distributes) the relearning model generated by the relearning process. Since the deployment of the re-learning model is the same as the deployment process by the model generation unit 1105 already described, the description here will be omitted.
  • FIG. 53 is a flowchart showing an example of the re-learning process by the work analysis system according to the embodiment.
  • the model generation unit 1105 carries out a re-learning process of the work learning model using the tool log data (S800). Since the detailed contents are the same as the learning process of the work learning model shown in FIG. 19, the description here is omitted.
  • the model generation unit 1105 carries out a re-learning process of the work learning model using the pressure sensor data (S801).
  • the detailed content is shown in FIG. 20. The detailed content is the same as the learning process of the work learning model shown in FIG. 19, so the description thereof is omitted here.
  • the model generation unit 1105 deploys the work learning model by the re-learning process (S802 to S804). Since this work is also the same as the operation of S600 to S602 of FIG. 24, the description here will be omitted.
  • a work learning model generator capable of generating a work learning model related to detailed and appropriate work without using an imaging device such as a camera are provided. It can be realized.
  • the actual work content / time of the process involving a person can be measured in consideration of the privacy of the worker.
  • the history of non-routine work such as rework work can be recognized and acquired.
  • the operator there is no need for the operator to request new work / operation to measure the actual work time.
  • each of the above configurations, functions, processing units, processing means, etc. may be realized by hardware by designing a part or all of them by, for example, an integrated circuit.
  • the present invention can also be realized by a program code of software that realizes the functions of the examples.
  • a storage medium in which the program code is recorded is provided to the computer, and the processor included in the computer reads the program code stored in the storage medium.
  • the program code itself read from the storage medium realizes the functions of the above-described embodiment, and the program code itself and the storage medium storing the program code itself constitute the present invention.
  • Examples of the storage medium for supplying such a program code include a flexible disk, a CD-ROM, a DVD-ROM, a hard disk, an SSD (Solid State Drive), an optical disk, a magneto-optical disk, a CD-R, and a magnetic tape.
  • Non-volatile memory cards, ROMs, etc. are used.
  • program code that realizes the functions described in this embodiment can be implemented in a wide range of programs or script languages such as assembler, C / C ++, perl, Shell, PHP, and Java (registered trademark).
  • the program code is stored in a storage means such as a hard disk or memory of a computer or a storage medium such as a CD-RW or CD-R.
  • the processor provided in the computer may read and execute the program code stored in the storage means or the storage medium.
  • control lines and information lines indicate those that are considered necessary for explanation, and do not necessarily indicate all the control lines and information lines in the product. All configurations may be interconnected.

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (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)

Abstract

カメラ等の撮像装置を用いずとも詳細かつ適切な作業に関する作業学習モデルを生成する。　工具を用いて部品を組み立てる作業についての作業学習モデルを生成する作業学習モデル生成装置は、作業についての標準作業手順が規定された標準作業手順データ１２０４、工具に関する工具データ１２０２、及び部品に関する部品データ１２０３が格納された記憶部１２０１と、時系列上で取得した作業中における工具の動き及び部品の物理量の変化に関するデータ及び作業の良否に関するデータを含む作業分析データ１２０６を取得し、作業データと標準作業手順データ、工具データ及び部品データと比較して作業に関する作業学習モデルを生成するモデル生成部１１０５とを有する。

Description

作業学習モデル生成装置、作業推論装置及び作業学習モデル生成方法
　本発明は、作業学習モデル生成装置、作業推論装置及び作業学習モデル生成方法に関する。
　生産現場のデジタル化推進には、Ｍａｎ（人）、Ｍａｃｈｉｎｅ（機械）、Ｍａｔｅｒｉａｌ（材料）、Ｍｅｔｈｏｄ（方法）の４Ｍ情報が不可欠である。しかし、技術面・コスト面・心情的な面などから、Ｍａｎ情報は、あまり取得されていなかったのが実情である。
　近年、カメラで撮影した画像を分析し、Ｍａｎ情報を取得する方法も実用化されはじめてきたが、監視をされているようで嫌だという現場の声も多い。また、各種デバイスを用いて作業者に開始－終了を入力させる仕組みもあるが、作業者の負担が増える、人の行動に依存し、正確なデータが取れないといった問題もある。
　そこで、カメラを用いずに作業分析を行う手法が近年提案されている（例えば特許文献１）。
　特許文献１に開示された技術は、作業ステーションＩＤを保持している作業ステーションＲＦ－ＩＤタグから作業ステーションＩＤを読取るとともに、部品トレイに貼付されており、部品ＩＤを保持している部品ＩＤタグから部分ＩＤを読取るＩＤ情報読取り手段と、標準作業情報を記憶している標準作業情報記憶手段１と、重量変化値と重量変化値の発生時間とを計測して重量変化情報として検知する重量測定手段と、電動工具の作動回数と作動時間とを作動情報として検知する電動工具作動状況検知手段と、標準作業情報読取工程と、ＩＤ情報読取工程と、電動工具作動検知工程と、重量変化検知工程と、作業順番確定工程とを実施する制御手段とを備えている。
特開２００７－１１５１３４号公報
　上述した特許文献１に開示された技術では、電動工具の使用状況は取得しているが、工具の位置情報などは取得していない。そのため、不具合を修復するために行った手直し作業を通常作業としてカウントしてしまい、作業のミス（例えばネジの付け忘れ）を見逃す恐れがある。
　本発明は上記の課題に鑑みてなされたもので、カメラ等の撮像装置を用いずとも詳細かつ適切な作業に関する作業学習モデルを生成することが可能な作業学習モデル生成装置、作業推論装置及び作業学習モデル生成方法を提供することにある。
　上記課題を解決すべく、本発明の一つの観点に従う作業学習モデル生成装置は、工具を用いて部品を組み立てる作業についての作業学習モデルを生成する装置であって、作業についての標準作業手順が規定された標準作業手順データ、工具に関する工具データ、及び部品に関する部品データが格納された記憶部と、時系列上で取得した作業中における工具の動き及び部品の物理量の変化に関するデータ及び作業の良否に関するデータを含む作業データを取得し、作業データと標準作業手順データ、工具データ及び部品データと比較して作業に関する作業学習モデルを生成するモデル生成部とを有する。
　本発明によれば、カメラ等の撮像装置を用いずとも詳細かつ適切な作業に関する作業学習モデルを生成することが可能な作業学習モデル生成装置、作業推論装置及び作業学習モデル生成方法を実現することができる。
実施形態に係る作業学習モデル生成装置及び作業推論装置が適用される作業分析システムの機能構成の一例を示すブロック図である。 実施形態に係る作業分析システムの標準作業手順データの一例を示す図である。 実施形態に係る作業分析システムの作業分析データの一例を示す図である。 実施形態に係る作業分析システムの工具ログデータの一例を示す図である。 実施形態に係る作業分析システムのセンサデータの一例を示す図である。 実施形態に係る作業分析システムによるデータ取得プロセス及びモデリングプロセスの一例を示すシーケンス図である。 実施形態に係る作業分析システムによるデータ取得プロセス及びモデリングプロセスの一例を示すフローチャートである。 実施形態に係る作業分析システムによるデータ取得プロセスの一例を示すフローチャートである。 実施形態に係る作業分析システムによるデータ取得プロセスの一例を示すフローチャートである。 実施形態に係る作業分析システムによるデータ取得プロセスの一例を示すフローチャートである。 実施形態に係る作業分析システムによるデータ取得プロセスの一例を示すフローチャートである。 実施形態に係る作業分析システムによるデータ取得プロセスの一例を示すフローチャートである。 実施形態に係る作業分析システムによるデータ取得プロセスにおける作業分析データの一例を示す図である。 実施形態に係る作業分析システムによるデータ取得プロセスにおける作業分析データの一例を示す図である。 実施形態に係る作業分析システムによるデータ取得プロセスにおける作業分析データの一例を示す図である。 実施形態に係る作業分析システムによるデータ取得プロセスにおける工具ログデータの一例を示す図である。 実施形態に係る作業分析システムによるデータ取得プロセスにおける工具ログデータの一例を示す図である。 実施形態に係る作業分析システムによるデータ取得プロセスにおける作業分析データの一例を示す図である。 実施形態に係る作業分析システムによるモデリングプロセスの一例を示すフローチャートである。 実施形態に係る作業分析システムによるモデリングプロセスの一例を示すフローチャートである。 実施形態に係る作業分析システムによるモデリングプロセスを説明するための図である。 実施形態に係る作業分析システムによるモデリングプロセスを説明するための図である。 実施形態に係る作業分析システムによる推論プロセスの一例を示すシーケンス図である。 実施形態に係る作業分析システムによる推論プロセスの一例を示すフローチャートである。 実施形態に係る作業分析システムによる推論プロセスの一例を示すフローチャートである。 実施形態に係る作業分析システムによる推論プロセスの一例を示すフローチャートである。 実施形態に係る作業分析システムによる推論プロセスの一例を示すフローチャートである。 実施形態に係る作業分析システムによる推論プロセスの一例を示すフローチャートである。 実施形態に係る作業分析システムによる推論プロセスの一例を示すフローチャートである。 実施形態に係る作業分析システムによる推論プロセスの一例を示すフローチャートである。 実施形態に係る作業分析システムによる推論プロセスの一例を示すフローチャートである。 実施形態に係る作業分析システムによる推論プロセスの一例を示すフローチャートである。 実施形態に係る作業分析システムによる推論プロセスの一例を示すフローチャートである。 実施形態に係る作業分析システムにおける重量推移モデルと作業内容との対応の一例を示す図である。 実施形態に係る作業分析システムにおける重量推移モデルの公差の一例を示す図である。 実施形態に係る作業分析システムにおける工具角度モデルの公差の一例を示す図である。 実施形態に係る作業分析システムにおける工具位置モデルの公差の一例を示す図である。 実施形態に係る作業分析システムによる推論プロセスにおける作業分析データの一例を示す図である。 実施形態に係る作業分析システムにおける重量変化と重量推移モデルとの比較の一例を示す図である。 実施形態に係る作業分析システムによる推論プロセスにおける作業分析データの一例を示す図である。 実施形態に係る作業分析システムによる推論プロセスにおける作業分析データの一例を示す図である。 実施形態に係る作業分析システムによる推論プロセスにおける工具ログデータの一例を示す図である。 実施形態に係る作業分析システムによる推論プロセスにおける作業分析データの一例を示す図である。 実施形態に係る作業分析システムによる推論プロセスにおける工具ログデータの一例を示す図である。 実施形態に係る作業分析システムにおける工具角度と工具角度モデルとの比較の一例を示す図である。 実施形態に係る作業分析システムにおける工具位置と工具位置モデルとの比較の一例を示す図である。 実施形態に係る作業分析システムによる推論プロセスにおける作業分析データの一例を示す図である。 実施形態に係る作業分析システムによる推論プロセスにおける工具ログデータの一例を示す図である。 実施形態に係る作業分析システムによる推論プロセスにおける作業分析データの一例を示す図である。 実施形態に係る作業分析システムによる推論プロセスにおける工具ログデータの一例を示す図である。 実施形態に係る作業分析システムによる推論プロセスにおける作業分析データの一例を示す図である。 実施形態に係る作業分析システムによる再学習プロセスの一例を示すシーケンス図である。 実施形態に係る作業分析システムによる再学習プロセスの一例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、図面を参照して説明する。なお、以下に説明する実施形態は請求の範囲に係る発明を限定するものではなく、また実施形態の中で説明されている諸要素及びその組み合わせの全てが発明の解決手段に必須であるとは限らない。
　なお、実施形態を説明する図において、同一の機能を有する箇所には同一の符号を付し、その繰り返しの説明は省略する。
　また、以下の説明では、情報の一例として「ｘｘｘデータ」といった表現を用いる場合があるが、情報のデータ構造はどのようなものでもよい。すなわち、情報がデータ構造に依存しないことを示すために、「ｘｘｘデータ」を「ｘｘｘテーブル」と言うことができる。さらに、「ｘｘｘデータ」を単に「ｘｘｘ」と言うこともある。そして、以下の説明において、各情報の構成は一例であり、情報を分割して保持したり、結合して保持したりしても良い。
　本発明の実施形態は、一例として次のような特徴を有する。
　実施形態に係る作業学習モデル生成装置は、工具や作業台などに設置した、工具の動きや部品の動き／重量の変化などをみるセンサの（一例として工具であればモーションセンサ、部品であれば距離センサ、重量センサなど）センシング結果から、起点となる動きと終点となる動きを検知し、作業時間を計測するとともに、作業の詳細（工具の向き、工具の移動速度、締め付けトルク、溶接（ハンダ付け）温度など）や作業結果（製品の良否など）を取得する。
　次いで、作業学習モデル生成装置は、これらデータを予め入力された標準作業手順（部品の取り付け順、工具の使用順、工具の使用回数など）や標準作業時間と比較し、作業自体の適正度（作業内容や作業時間が標準作業手順や標準作業時間に合致しているか）を測定する。
　さらに、作業学習モデル生成装置は、センサデータと本来あるべき作業時の工具、部品の動きと比較することで、発生した事象を分析可能とする（一例として、通常２回しか使わない工具がそれ以上使われた場合には作業のやり直し（一般的には作業ミス）が発生したなどの事象を検知する）。
　さらに、作業学習モデル生成装置は、各工程のセンシングデータが蓄積された後、最も効率的な動作や適切な作業時間、作業ミスを起こす時の特徴的な動き（工具の向き＋締め付けトルクや、工具の移動速度＋溶接（ハンダ付け）温度など）などをモデル化して、作業学習モデルを生成する。
　また、実施形態に係る作業推論装置は、作業者のセンサデータ（実績）と作業学習モデル生成装置が生成した作業学習モデル（予測）とをリアルタイムで比較し、不良発生の予兆診断（予測）を実施する。そして、不良発生の予兆がみられた場合には、作業者や検査者に警告する。
　一方、作業学習モデル生成装置は、作業データや作業ログ、不良発生の予兆診断の結果などを再学習し、作業学習モデルの精度を持続的に向上させる。
　本実施例の作業学習モデル生成装置及び作業推論装置は、一例として、データ取得プロセス、モデリングプロセス、推論プロセス及びデータ活用プロセスを実行する。
　データ取得プロセスでは、工具や部材といった作業に関連する物の動きから人の動きを推論することで、カメラ等の画像で人の動きを直接取得する場合よりも、より詳細なデータの取得が可能となる。
　また、モデリングプロセス及び推論プロセスでは、各作業に掛かる標準的な上限／下限時間をモデルとして持ち、意図的な時間短縮（チェック時間のような意図的に時間短縮のできる作業あり）などが行われていないことを担保する仕組みを実現できる。
　また、部品搭載時の重さの変化（手で押さえてるときの重量増や手を離したときの重量減なども考慮）をモデルとして持ち、いま行われている作業を確実に特定する仕組み（重量推移モデル）を実現できる。
　さらに、ネジ締め付けなどの工具を使用した作業が行われた場所（位置）を特定するとともに、工具の移動方向や移動スピード、工具の向き／角度と、工具作業状況（電動ドライバーの締め付けトルク、溶接（ハンダ付け）温度など）を検知し、それぞれ単独では異常値ではないデータが、複数組み合わさると異常になるようなケースから、作業ミスを起こす時の特徴的な状況をモデル化し、製品の良否予測が行える仕組み（作業特徴モデル）を実現できる。
　さらに、標準作業手順から逸脱した作業も、センサ情報（工具の挙動、重量の増減など）と動作モデルの差異からから推論できる仕組み（例えば、一度、ネジ締め付けを行った箇所と同じ位置情報で、電動ドライバーによるネジの締め付けを検知した場合、ネジ締め付けで不具合が発生し、手直しを行ったと推論できる）を実現できる。
　そして、このような手直しの発生原因が推測可能（画像認識の場合、手直しが行われたことは分かるが、理由までは通常分からない）となる。
　さらに、データ活用プロセス（含む際学習プロセス）では、標準作業手順から逸脱した作業（手直し作業など）が頻発する工程の特徴的な状況から根本原因分析が可能となる。
　また、標準作業手順からの逸脱を０，１で判定するのではなく、作業がどのように行われたかも記録し、障害発生時の原因分析や熟練工のノウハウ伝承に活用できる。
　そして、蓄積された作業ログの分析および、それらのデータを用いたモデルの再学習により、標準作業手順のカイゼンが可能となる（多くの作業者が標準から逸脱してしまう工程において、実は逸脱と見られていた動作の方が効率的だと分かるなど）。
　図１は、実施形態に係る作業学習モデル生成装置及び作業推論装置が適用される作業分析システムの機能構成の一例を示すブロック図である。
　本実施例の作業分析システムは、作業の各工程に配置されたセンサ１０１～１０ｎ、２０１～２０ｎ、…ｎ０ｎと、受信装置１１１、２１１、…、ｎ１１と、演算装置１２１、２２１、…、ｎ２１と、作業学習モデル生成装置及び作業推論装置として機能する情報処理装置１０００とを有する。
　センサ１０１、…は、工具の動きを検知する加速度センサ、工具に取り付けられてこの工具の向き、角度を検知するジャイロセンサ、ベースとなる部品（または半製品）が自工程に送られてきたことを検知する赤外線センサ、作業台（製造ライン）に設置されてこの作業台に部品を取り付けたことにより発生する重量の変化を検知する圧力センサなどである。各々のセンサ１０１、…はセンサデータを無線（有線でもよい）により受信装置１１１、…に送信する。受信装置１１１、…は、受信したセンサデータを演算装置１２１、…に送出する。
　演算装置１２１は、センサデータ処理部１２２とセンサデータ１２３を格納する記憶装置とを有する。
　情報処理装置１０００は、各種情報処理が可能な装置、一例としてコンピュータ等である。情報処理装置１０００は、制御部を構成するメイン演算装置１１０１及び記憶装置１２０１を有する。
　なお、本実施例の情報処理装置１０００は、複数の情報処理装置が通信ネットワークを介して通信可能に構成された、いわゆるクラウドにより構成されてもよい。
　メイン演算装置１１０１は、例えばＣＰＵ（Central Processing Unit）、ＦＰＧＡ（Field-Programmable Gate Array）等である。記憶装置１２０１は、例えばＨＤＤ（Hard Disk Drive）などの磁気記憶媒体、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、ＳＳＤ（Solid State Drive）などの半導体記憶媒体等を有する。また、ＤＶＤ（Digital Versatile Disk）等の光ディスク及び光ディスクドライブの組み合わせも記憶媒体として用いられる。その他、磁気テープメディアなどの公知の記憶媒体も記憶媒体として用いられる。
　記憶装置１２０１には、ファームウェアなどの図略のプログラムが格納されている。情報処理装置１０００の動作開始時（例えば電源投入時）にファームウェア等のプログラムをこの記憶装置１２０１から読み出して実行し、情報処理装置１０００の全体制御を行う。また、記憶媒体には、プログラム以外にも、情報処理装置１０００の各処理に必要なデータ等が格納されている。
　メイン演算装置１１０１は、位置情報演算部１１０２、重量情報演算部１１０３、作業内容演算部１１０４、モデル生成部１１０５及びデータ分析部１１０６を有する。これら位置情報演算部１１０２等の機能、動作については後に詳述する。
　記憶装置１２０１には、工具関連データ１２０２、部品関連データ１２０３、標準作業手順データ１２０４、分析モデル／データ１２０５及びセンサデータ／作業分析データ／工具ログデータ１２０６が格納されている。
　工具関連データ１２０２は、作業の各工程において用いられる工具に関するデータである。部品関連データ１２０３は、部品の形状、重量、ネジ穴の位置などに関するデータである。部品関連データ１２０３は、部品に関する３Ｄ　ＣＡＤデータなどの既存部品データを活用すればよい。
　標準作業手順データ１２０４の一例を図２に示す。本実施例の標準作業手順データ１２０４は、作業ＩＤ及び標準作業手順が記述されたＫｅｙ：Ｖａｌｕｅを有する。図２に示すＫｅｙ：Ｖａｌｕｅに記載された標準作業手順のうち、Ｋｅｙの凡例は一例として次のようなものである。
Parts_ID:使用する部品のＩＤ
Parts_weight:使用する部品の重量（ｇ）
Parts_location_x:部品の取り付け位置（ｘ座標）
Parts_location_y:部品の取り付け位置（ｙ座標）
tool_type:使用する工具の種類（例　Ｄ:電動ドライバ、Ｓ:半田ごて）
tool_defined_L_val:工具の下限規定値（例　電動ドライバならばトルク下限値）
tool_defined_H_val:工具の上限規定値（例　電動ドライバならばトルク上限値）
Work_ST:標準作業時間
　作業分析データの一例を図３に示す。本実施例の作業分析データは、ユニットＩＤ、作業ＩＤ、作業開始時間、作業終了時間、作業時間、総重量及び作業結果を有する。また、工具ログデータの一例を図４に示す。本実施例の工具ログデータは、作業ＩＤ、作業開始時間、工具位置、工具角度、締め付けトルク及び作業結果を有する。これら作業分析データ及び工具ログデータの個々の項目については、後述する本実施例の作業学習モデル生成装置の動作を説明する際に詳細に説明する。さらに、センサデータの一例を図５に示す。
　次に、本実施例の作業学習モデル生成装置及び作業推論装置が作業分析を行う作業の一例を説明する。本実施例において作業分析が行われる作業は、ある部品をベースとなる部品上に載せ、４か所を電動ドライバーで止める作業である。
　まず、各種部品やネジなど本工程で使われるモノのそれぞれの重量とそれらが取り付けられる手順・順番などを登録する。次いで、作業が行われるポイントの前方に設置された赤外線センサにてベース部品の通過を検知するとともに、あらかじめ登録されたベース部品相当の重量を圧力センサにて検知することにより、ベース部品の作業ポイント到着を認識する。これにより作業が開始する。
　ベース部品の重量を基準とし、手順に従い取付られた部品による全体重量の変化（圧力センサで検知）と、あらかじめ登録された「重量推移モデル」を比較することで、ベース部品に対し、正しい順序で部品が取付られたことを認識する。
　次いで、１か所目のネジ止めを実施する。工具である電動ドライバーが最初に使われた位置をモーションセンサにより、起点として記憶する。併せて、取付部品を基準とした電動ドライバーの角度（部品に対して直角にあてられているか）をジャイロセンサにて、締め付けトルクをトルクセンサにて検知・記録するとともに、あらかじめ登録された「作業特徴モデル」を比較することで、作業（製品）の良否を予測する。
　さらに、２か所目のネジ止めを実施する。１か所目の位置情報を起点とした移動距離・方向と、あらかじめ登録された「作業特徴モデル」から、ネジ止めされた場所が正しい位置かを判定する。１か所目と同様に、電動ドライバーの角度や締め付けトルクなどを検知・記録するとともに、「作業特徴モデル」と比較することで、作業（製品）の良否を予測する。
　３か所目、４か所目も、１－２か所目と同様にネジ止めを実施。電動ドライバーの状況・情報を検知・記録するとともに「作業特徴モデル」と比較し、作業（製品）の良否を予測する。
　そして、作業ポイントで検知されている全体重量が、「重量推移モデル」の最終重量と同じであることにより、全組立作業の完了を認識する。
　作業ポイントの重量が「０」になったことを検知し、組立て終わった部品（アッシー）が、次の工程に移動したことを認識して作業を終了する。
　また、通常作業において、部品の取り付け（ネジの締め付け）を失敗し、一旦ネジを外した後で、ネジの再締め付けを実施する作業については次のようになる。
　まず、各種部品やネジなど本工程で使われるモノのそれぞれの重量とそれらが取り付けられる手順・順番などを登録する。次いで、作業が行われるポイントの前方に設置された赤外線センサにてベース部品の通過を検知するとともに、あらかじめ登録されたベース部品相当の重量を圧力センサにて検知することにより、ベース部品の作業ポイント到着を認識する。これにより作業が開始する。
　ベース部品の重量を基準とし、手順に従い取付られた部品による全体重量の変化（圧力センサで検知）と、あらかじめ登録された「重量推移モデル」を比較することで、ベース部品に対し、正しい順序で部品が取付られたことを認識する。
　次いで、１か所目のネジ止めを実施する。電動ドライバーが最初に使われた位置をモーションセンサにより、起点として記憶する。併せて、取付部品を基準とした電動ドライバーの角度（部品に対して直角にあてられているか）をジャイロセンサにて、締め付けトルクをトルクセンサにて検知・記録するとともに、あらかじめ登録された「作業特徴モデル」を比較することで、作業（製品）の良否を予測する。
　さらに、２か所目のネジ止めを実施する。１か所目の位置情報を起点とした移動距離・方向と、あらかじめ登録された「作業特徴モデル」からネジ止めされた場所が正しい位置かを判定する。１か所目と同様に、電動ドライバーの角度や締め付けトルクなどを検知・記録するとともに、「作業特徴モデル」と比較することで、作業（製品）の良否を予測する。
　ここで、２か所目の位置情報と同じ位置で、電動ドライバーによるネジの締め付けを検知したとする。この作業は、２か所目のネジ締め付け箇所での修正作業であると認識する。１度目の作業内容の分析により、修正作業の原因分析を行いその内容を記録する。
　３か所目、４か所目も、１－２か所目と同様にネジ止めを実施する。電動ドライバーの状況・情報を検知・記録するとともに「作業特徴モデル」と比較し、作業（製品）の良否を予測する。
　そして、作業ポイントで検知されている全体重量が、「重量推移モデル」の最終重量と同じであることにより、全組立作業の完了を認識する。
　作業ポイントの重量が「０」になったことを検知し、組立て終わった部品（アッシー）が、次の工程に移動したことを認識して作業を終了する。
　図６は、実施形態に係る作業分析システムによるデータ取得プロセス及びモデリングプロセスの一例を示すシーケンス図である。
　まず、ユーザは、センサ１０１、…を所定の場所に取り付ける。また、ユーザは、工具関連データ１２０２、部品関連データ１２０３及び標準作業手順データ１２０４を記憶装置に登録する。
　次いで、センサ１０１、…は、作業分析データ及び工具ログデータの基礎となるセンサデータを取得する。
　具体的には、組立作業のベースとなる部品（半製品等）の通過を赤外線センサで検知して通過時間データを取得する。次に、作業エリアに設置された圧力センサにて、あらかじめ登録された「ベースとなる部品の重量」と同等の重量を検知して、重量の変化量、変化した時間を取得する。さらに、圧力センサにて、あらかじめ登録された「標準作業手順に基づき取り付けられる部品の重量」と同等の重量変化を検知して、重量の変化量、変化した時間を取得する。そして、部品取り付け作業を、全ての部品が取り付けられるまで繰り返し、重量の変化量、変化した時間を取得する。
　また、組立作業のベースとなる部品の通過時間からみて、電動ドライバーの最初の移動をモーションセンサで検知して、移動し始めた時間を取得する。次いで、電動ドライバーの最初の移動から、電動ドライバーが最初に使われた位置をモーションセンサで検知し、起点となる使用場所（座標）を取得する。これとともに、電動ドライバーが使われた際の向き、角度をジャイロセンサで検知し、電動ドライバー使用状態を取得する。あわせて、電動ドライバーの締め付けトルクも取得する。以降、あらかじめ登録された「標準作業手順に基づいた部品取り付け」を参考に、２か所目以降の電動ドライバーの動きを、全ての部品が取り付けられるまで取得し、移動し始めた時間、使用場所（座標）、電動ドライバーの使用状態、締め付けトルクなどを取得する。
　センサデータ処理部１２２はセンサ１０１、…からこれらセンサデータを取得し、センサデータに欠損値が有った場合、あらかじめ定められたルールに基づき、この欠損値を決められた数値に置き換えて、情報処理装置１０００に送信する。
　位置情報演算部１１０２、重量情報演算部１１０３及び作業内容演算部１１０４は、組立作業のベースとなる部品の通過時間と、作業エリアにおける最初の重量変化（０→規定重量）、および変化時間から、作業開始時間を生成する。次いで、位置情報演算部１１０２等は、規定重量からの重量変化（増加）と変化時間から部品の取り付け時間を生成する。ここで、取り付け順が前後しても可能な部品がある場合は、重量の変化量の違いから取り付けられた部品の特定も実施する。この作業により、図３に示すような作業分析データを生成する。
　また、位置情報演算部１１０２、重量情報演算部１１０３及び作業内容演算部１１０４は、電動ドライバーの最初の移動開始時間を基準に、電動ドライバーが最初に使われた時間から１か所目のネジ止め時間を生成する。あわせて、電動ドライバーの使用状態、締め付けトルクなども、本時系列に埋め込む。なお、電動ドライバーが使われた際の位置に関しては「標準作業手順」のネジ締め付け順序と比較、向き、角度に関しては、あらかじめ登録された「部品図面」の形状データと比較し、ネジ締め付けの順序は正しいか（締め付けられた場所は１番目に締め付けられる場所かなど）、ネジ締め付けの方向に対してドライバーが直角（垂直）からプラス・マイナス何度かなどを算出する。これらとともに電動ドライバーが使われた際の向き、角度をジャイロセンサで検知し、あわせて、電動ドライバーの使用状態、締め付けトルクなども取得する。そして、あらかじめ登録された「標準作業手順に基づいた部品取り付け」を参考に、全ての部品が取り付けられるまで、２か所目以降の電動ドライバーの動きを取得する。この作業により、図４に示すような工具ログデータを生成する。
　次に、モデル生成部１１０５は、位置情報演算部１１０２、重量情報演算部１１０３及び作業内容演算部１１０４が生成した作業分析データ、工具ログデータ、さらには標準作業手順データ１２０４に基づいて、作業学習モデルを生成する。
　モデル生成部１１０５による作業学習モデルの生成に先立ち、ユーザは必要に応じて、データの前処理（データの整形／拡張／分類など）を実施する。前処理の例として、以下のような処理があげられる。すなわち、カテゴリーデータの処理（文字列データを数値データに変換（例：曜日を数値に置き換えるなど））、欠損値処理（データに欠損値が有った場合の処理（例：ルールに基づき欠損値を決められた数値に置き換えるなど））、特徴量のスケーリング（正規化、標準化）、次元削除（データ量の圧縮（例：二次元情報（ｘ，ｙ）の一次元情報（ｚ）化など））、クラス間のデータ数（作業結果：良否）に偏りがある場合の不均衡データの是正などである。
　モデル生成部１１０５は、記憶装置１２０１に格納されている工具ログデータのコピーをトレーニングデータとテストデータに分割し、分析モデル／データ１２０５に格納する。以降、モデル生成部１１０５は、ハイパーパラメータの調整、学習、評価を繰り返し、学習済モデルである作業学習モデルを作成する。
　ここで、学習モデルの状態としては、作業内容（作業手順のどこを実施しているか）、作業位置（どこの箇所を作業しているか）であり、行動としては、工具の使用、工具の移動（方向／スピード）、工具と部品の接触（位置／角度）、工具の詳細ログ（例：ドライバーであれば締め付けトルク、半田ゴテであればコテ先温度など）であり、報酬としては標準作業手順との差異（合っていれば「＋」、間違っていれば「－」）、製品の良／不良（良品なら「＋」、不良品なら「－」）、作業時間の一定性（それぞれの作業時間にバラつきが無ければ「＋」、バラついていれば「－」）であり、報酬の重みは製品の良／不良＞作業時間の一定性＞工程内作業時間のバランス＞標準手順との差異である。
　また、モデル生成部１１０５は、記憶装置１２０１に格納されているセンサデータのコピーをトレーニングデータとテストデータに分割し、分析モデル／データ１２０５に格納する。以降、モデル生成部１１０５は、ハイパーパラメータの調整、学習、評価を繰り返し、学習済モデルである作業学習モデルを作成する。
　ここで、学習モデルの状態としては、作業内容（作業手順のどこを実施しているか）、部品総重量（どこまで部品が搭載されたか）であり、行動としては部品の取付（総重量の変化）であり、報酬としては標準作業手順との差異（合っていれば「＋」、間違っていれば「－」）、製品の良／不良（良品なら「＋」、不良品なら「－」）、作業時間の一定性（それぞれの作業時間にバラつきが無ければ「＋」、バラついていれば「－」）であり、報酬の重みは製品の良／不良＞作業時間の一定性＞工程内作業時間のバランス＞標準手順との差異である。
　モデル生成部１１０５により生成された学習モデルは、分析モデル／データ１２０５に格納される。なお、学習モデルは工程ごとに作成される。
　次に、図７～図１２、図１９、図２０のフローチャート及び図１３～図１８、図２１、図２２を参照して、本実施例の作業学習モデル生成装置の処理について詳細に説明する。
　図７は、実施形態に係る作業分析システムによるデータ取得プロセス及びモデリングプロセスの一例を示すフローチャートである。
　まず、情報処理装置１０００は、センサデータ及び工具ログデータを取得し、作業内容を特定する（Ｓ１００）。次いで、情報処理装置１０００は、工具ログデータを用いて作業学習モデルの学習を行う（Ｓ１０１）。さらに、情報処理装置１０００は、センサデータを用いて作業学習モデルの学習を行う（Ｓ１０２）。
　図８～図１２は、実施形態に係る作業分析システムによるデータ取得プロセスの一例を示すフローチャートであり、図７のＳ１００の詳細な動作の一例を示すフローチャートである。なお、以下の明細書の説明において、図中の丸数字は（）に置き換えて示す。
　まず、センサ１０１、…はベース部品の通過を検知するのを待ち（Ｓ２００）、通過を検知したら、作業内容演算部１１０４は、赤外線センサのセンサデータから作業開始時間（１）及び終了時間（２）を取得し、作業分析データに記録する（Ｓ２０１、図１３参照）。
　次いで、作業内容演算部１１０４は、センサ１０１、…が取得した部品重量と部品関連データ１２０３内の部品重量とを比較し、センサ１０１、…が取得した部品重量が部品関連データ１２０３内の部品重量から公差の範囲内にあるか否かを判定する（Ｓ２０２）。そして、範囲内であると判定したらＳ２０３に進み、範囲外であると判定したら、図略の報知装置（例えばランプ）を介して作業者に警告を行う（Ｓ２０４）。この警告は、作業台に搬送されたベース部品が所定のものと異なるなどの可能性があることを警告するものである。
　Ｓ２０３において、作業内容演算部１１０４は、作業分析データの作業結果を「良」（３）で登録する。次いで、重量情報演算部１１０３は、圧力センサのセンサデータからベース部品の総重量（４）を取得し、作業内容演算部１１０４は作業分析データに記録する（Ｓ２０５）。次いで、作業内容演算部１１０４は、標準作業手順データ１２０４を参照して一意のユニットＩＤ（５）を生成し、作業分析データに記録する（Ｓ２０６）。次いで、作業内容演算部１１０４は、標準作業手順データ１２０４を参照して作業ＩＤ（６）を取得し、作業分析データに記録する（Ｓ２０７）。そして、作業内容演算部１１０４は、作業開始時間（１）及び終了時間（２）の差分から作業時間（７）を算出し、作業分析データに記録する（Ｓ２０８）。
　次に、図９に移行して、重量情報演算部１１０３は、圧力センサのセンサデータの変化（重量変化データ）から作業開始時間（１）を取得し、作業内容演算部１１０４は作業分析データに記録する（Ｓ２０９、図１４参照）。
　次いで、作業内容演算部１１０４は重量変化の終了を待ち（Ｓ２１０）、重量情報演算部１１０３は、圧力センサのセンサデータの変化（重量変化データ）から作業終了時間（２）を取得し、作業内容演算部１１０４は作業分析データに記録する（Ｓ２１１）。
　次いで、作業内容演算部１１０４は、センサ１０１、…が取得した総重量と部品関連データ１２０３内の部品重量とを比較し、センサ１０１、…が取得した総重量が部品関連データ１２０３内の部品重量（ここではベース部品と部品１とを足し合わせた総重量）から公差の範囲内にあるか否かを判定する（Ｓ２１２）。そして、範囲内であると判定したらＳ２１３に進み、範囲外であると判定したら、図略の報知装置を介して作業者に警告を行う（Ｓ２１４）。この警告は、ベース部品に取り付けられた部品１が所定のものと異なるなどの可能性があることを警告するものである。
　Ｓ２１３において、作業内容演算部１１０４は、作業分析データの作業結果を「良」（３）で登録する。次いで、重量情報演算部１１０３は、圧力センサのセンサデータからベース部品と部品１の総和である総重量（４）を取得し、作業内容演算部１１０４は作業分析データに記録する（Ｓ２１５）。次いで、作業内容演算部１１０４は、標準作業手順データ１２０４を参照して一意のユニットＩＤ（５）を生成し、作業分析データに記録する（Ｓ２１６）。次いで、作業内容演算部１１０４は、標準作業手順データ１２０４を参照して作業ＩＤ（６）を取得し、作業分析データに記録する（Ｓ２１７）。そして、作業内容演算部１１０４は、作業開始時間（１）及び終了時間（２）の差分から作業時間（７）を算出し、作業分析データに記録する（Ｓ２１８）。
　次に、図１０に移行して、作業内容演算部１１０４は、以下に説明するＳ２１９～Ｓ２２８の処理を作業の数だけループして実行する。なお、本実施例では工具として電動ドライバーを使用した場合について説明する。
　作業内容演算部１１０４は、センサ１０１、…のセンサデータから、工具である電動ドライバーが作業者によって使用されるのを待ち（Ｓ２１９）、電動ドライバーの稼働状況（工具ログデータ）から作業開始時間（１）及び作業終了時間（２）を取得する（Ｓ２２０、図１５、図１６参照）。
　次いで、作業内容演算部１１０４は、センサ１０１、…が取得した総重量と部品関連データ１２０３内の部品重量とを比較し、センサ１０１、…が取得した総重量が部品関連データ１２０３内の部品重量（ここではこれまでの総重量と今回の作業により取り付けられたネジとを足し合わせた総重量）から公差の範囲内にあるか否かを判定する（Ｓ２２１）。そして、範囲内であると判定したらＳ２２２に進み、範囲外であると判定したら、図略の報知装置を介して作業者に警告を行う（Ｓ２２３）。この警告は、ベース部品に取り付けられたネジが所定のものと異なるなどの可能性があることを警告するものである。
　Ｓ２２２において、作業内容演算部１１０４は、作業分析データの作業結果を「良」（３）で登録する。次いで、重量情報演算部１１０３は、圧力センサのセンサデータからこれまでの総重量と今回の作業により取り付けられたネジとを足し合わせた総重量（４）を取得し、作業内容演算部１１０４は作業分析データに記録する（Ｓ２２４）。次いで、作業内容演算部１１０４は、標準作業手順データ１２０４を参照して一意のユニットＩＤ（５）を生成し、作業分析データに記録する（Ｓ２２５）。次いで、作業内容演算部１１０４は、標準作業手順データ１２０４を参照して作業ＩＤ（６）を取得し、作業分析データに記録する（Ｓ２２６）。そして、作業内容演算部１１０４は、作業開始時間（１）及び終了時間（２）の差分から作業時間（７）を算出し、作業分析データに記録する（Ｓ２２７）。
　そして、作業内容演算部１１０４は工具ログデータを取得する（Ｓ２２８）。Ｓ２２８における工具ログデータの取得処理の詳細を、図１１を参照して説明する。
　まず、位置情報演算部１１０２は、センサ１０１、…特にジャイロセンサのデータからｎ番目のネジの締め付け時の工具位置（７）を取得する（Ｓ３００、図１７参照）。
　次いで、作業内容演算部１１０４は、Ｓ３００で取得した工具位置が、標準作業手順データ１２０４に格納された作業位置と合致するか否かを判定する（Ｓ３０１）。そして、合致すると判定したらＳ３０２に進み、合致していないと判定したら、図略の報知装置を介して作業者に情報を提供する（Ｓ３０３）。情報提供は、標準作業手順と異なっていた事実のみを伝達するものであり、作業者による手直しは不要である。
　Ｓ３０２において、位置情報演算部１１０２は、センサ１０１、…特にジャイロセンサのデータからｎ番目のネジの締め付け時の工具角度（８）を取得する。
　次いで、作業内容演算部１１０４は、部品関連データ１２０３を参照して、Ｓ３０２において取得した工具角度が部品形状からみて正しい工具角度の公差の範囲内にあるか否かを判定する（Ｓ３０４）。そして、範囲内であると判定したらＳ３０５に進み、範囲外であると判定したら、図略の報知装置を介して作業者に警告を行う（Ｓ３０６）。この警告は、ネジの締め付け不良が発生している可能性があることを警告するものである。
　この後、作業内容演算部１１０４は、ネジが正しく締め付けられているか否かを判定する（Ｓ３０７）。そして、正しく締め付けられていると判定したらＳ３０５に進み、正しく締め付けられていないと判定したらＳ３１０に進む。
　Ｓ３０５において、作業内容演算部１１０４は、センサ１０１、…特にジャイロセンサのデータからｎ番目のネジの締め付けトルク（９）を取得する。
　次いで、作業内容演算部１１０４は、標準作業手順データ１２０４を参照して、Ｓ３０５において取得した締め付けトルクが公差の範囲内にあるか否かを判定する（Ｓ３０８）。そして、範囲内であると判定したらＳ３０９に進み、範囲外であると判定したらＳ３１０に進む。
　Ｓ３０９において、作業内容演算部１１０４は、作業結果（１０）を「良」で登録する。その後、全てのネジの締め付けを完了していれば図１２のＳ２２９に進み、まだ全てのネジの締め付けを完了していなければ図１０のＳ２１９に戻る。
　Ｓ３１０において、作業内容演算部１１０４は、作業結果（１０）を「不（不良）」で登録する。その後、図１０のＳ２１９に戻り、作業の手直しを行う。
　図１２に移行して、位置情報演算部１１０２は、センサ１０１、…特に赤外線センサからのセンサデータに基づき、センサ１０１、…による組立済みアッセイの通過の検出を待ち（Ｓ２２９）、赤外線センサからのセンサデータから作業開始時間（１）及び作業終了時間（２）を取得する（Ｓ２３０、図１８参照）。
　次いで、作業内容演算部１１０４は、最後のネジ締め付けの作業終了時間（３）とアッセイ搬送の作業開始時間（１）との差分から、「確認」工程の作業開始時間（４）、作業終了時間（５）及び作業時間（６）を生成する（Ｓ２３１）。
　次いで、作業内容演算部１１０４は、Ｓ２３１で取得した作業時間（６）が、標準作業手順データ１２０４に格納された作業時間の公差の範囲内であるか否かを判定する（Ｓ２３２）。そして、範囲内であると判定したらＳ２３３に進み、範囲外であると判定したら、図略の報知装置を介して作業者に情報を提供する（Ｓ２３４）。情報提供は、規定の確認時間より短かったという事実のみを伝達するものであり、作業者による確認の結果不良がなければ作業者による対応は不要である。
　Ｓ２３３において、作業内容演算部１１０４は、作業結果（７）を「良」で登録する。次いで、作業内容演算部１１０４は、標準作業手順データ１２０４を参照して一意のユニットＩＤ（７）を生成し（Ｓ２３５）、さらに作業ＩＤ（８）を取得する。そして、作業内容演算部１１０４は、作業開始時間（１）及び終了時間（２）の差分から作業時間（９）を算出し、作業分析データに記録する（Ｓ２３７）。
　図１９は、実施形態に係る作業分析システムによるモデリングプロセスの一例を示すフローチャートであり、図７のＳ１０１の詳細な動作の一例を示すフローチャートである。
　モデル生成部１１０５は、工具ログデータをトレーニングデータとテストデータとに分割し（Ｓ４００）、工具ログデータを読み込む（Ｓ４０１）。次いで、モデル生成部１１０５は、作業学習モデルのアルゴリズムを決定し（Ｓ４０２）、パラメータを調整し（Ｓ４０３）、パターン抽出の学習作業をし（Ｓ４０４）、Ｓ４００で分割したテストデータによる評価を行う（Ｓ４０５）。
　そして、モデル生成部１１０５は、Ｓ４０５における評価の結果、確度の高い作業学習モデルが生成できるまでＳ４０３～Ｓ４０５の作業を繰り返す（Ｓ４０６）。確度についてはあらかじめ閾値（例えば９０％以上、９５％以上）を決定しておく。
　図１９におけるモデル生成部１１０５による作業学習モデルの生成過程の概念を図２１を参照して説明する。図２１の上段に示すように、作業に伴って、センサ１０１、…から工具位置及び工具角度に関するセンサデータが連続値として（つまり工具移動の軌跡として）取得できる。このセンサデータは、既に説明したように、図２１の中段に示すような工具ログデータとして取得される。モデル生成部１１０５は、この工具ログデータに基づいて、図２１の下段に示すような工具位置モデル及び工具角度モデルを生成する。
　図２０は、実施形態に係る作業分析システムによるモデリングプロセスの一例を示すフローチャートであり、図７のＳ１０２の詳細な動作の一例を示すフローチャートである。
　モデル生成部１１０５は、センサ１０１、…特に圧力センサのセンサデータから特徴量を抽出する（Ｓ５００）。ここにいう特徴量とは、センサデータからモデル生成部１１０５によるモデリングプロセスに使用可能な量にデータ量を削減したものをいう。次いで、モデル生成部１１０５は、Ｓ５００で抽出した特徴量をトレーニングデータとテストデータとに分割し（Ｓ５０１）、特徴量を読み込む（Ｓ５０２）。次いで、モデル生成部１１０５は、作業学習モデルのアルゴリズムを決定し（Ｓ５０３）、パラメータを調整し（Ｓ５０４）、パターン抽出の学習作業をし（Ｓ５０５）、Ｓ５０１で分割したテストデータによる評価を行う（Ｓ５０６）。
　そして、モデル生成部１１０５は、Ｓ５０６における評価の結果、確度の高い作業学習モデルが生成できるまでＳ５０４～Ｓ５０６の作業を繰り返す（Ｓ５０７）。確度についてはあらかじめ閾値（例えば９０％以上、９５％以上）を決定しておく。
　図２０におけるモデル生成部１１０５による作業学習モデルの生成過程の概念を図２２を参照して説明する。図２２の上左段に示すように、モデル生成部１１０５は、圧力センサの連続値から、時間軸に沿って離散的に（ＷＩＤ１～ＷＩＤｎ）特徴量を抽出する。特徴量抽出作業により、圧力センサの特徴量データがテーブル形式で抽出される。モデル生成部１１０５は、圧力センサの特徴量データデに基づいて、図２２の下段に示すような重量変化モデルを生成する。
　図２３は、実施形態に係る作業分析システムによる推論プロセスの一例を示すシーケンス図である。
　まず、モデル生成部１１０５は、分析モデル／データ１２０５に格納された学習済モデルである作業学習モデルのコピーを作成し、データ分析部１１０６に配布（デプロイ）して、配布した学習済モデルを使用可能状態に設定する。
　次いで、実作業データをセンサ１０１、…から取得し、データ分析部１１０６が、配布した学習済モデルを用いてこの実作業データに基づく作業分析を行う。
　まず、作業ラインにベース部品が到着すると（図３４において作業ＩＤ：Ｐ００１）、赤外線センサは部品（データ分析部１１０６はこの部品が具体的に何であるかを知らないが、組立作業のベースとなる部品であると推測）の通過（到着）を検知し、通過時間データを取得する。また、作業エリアに設置された圧力センサにて、到着した部品の重量を検知し、重量の変化量、変化した時間を取得する。
　次いで、データ分析部１１０６は、部品が到着した際の重量変化と、図２２の下段に示す「重量推移モデル」とを比較する。そして、モデルの公差（適正範囲）内であると判定したら（図３５参照）、データ分析部１１０６は正しい部品（組立作業のベースとなる部品）が到着したものと推論し、作業結果を「良」で登録して次の作業へ進む。
　一方、モデルの公差（適正範囲）外であると判定したら、報知装置により「警告」の発報をする。この警告は、作業ラインに到着した部品が異なる可能性があることを作業者に警告するものである。この後、作業者が確認した結果、問題がある場合は作業結果を「不良」で登録し、是正処置を実施する。一方、問題がない場合は作業結果を「良」で登録 し、次の作業へ進む。なお、公差は部品重量の精度に準ずる。
　次に、ベース部品への部品１の搭載作業に進む（図３４において作業ＩＤ：Ｐ００２）。
　作業エリアの圧力センサにて重量の変化を検知し、重量の変化量及び変化した時間を取得する。そして、データ分析部１１０６は、この重量変化と、図２２の下段に示す「重量推移モデル」とを比較する。そして、モデルの公差（適正範囲）内であると判定したら（図３５参照）、データ分析部１１０６は正しい部品（部品１）がベース部品に搭載されたと推論し、作業結果を「良」で登録して次の作業へ進む。
　一方、モデルの公差（適正範囲）外であると判定したら、他に部品搭載作業がない場合は報知装置により「警告」の発報をする。この警告は、取り付けた部品が異なることを予測したことを作業者に警告するものである。この後、作業者が確認した結果、部品が相違した場合は作業結果を「不良」で登録し、是正処置を実施する。一方、部品が相違しない場合は作業結果を「良」で登録し、データ分析部１１０６の誤報（モデル再学習の検討要）であると判断して次の作業へ進む。
　また、他に部品搭載作業がある場合は報知装置により「警告」の発報をする。この警告は、作業手順が異なる可能性があることを作業者に警告するものである。この後、作業者が確認した結果、部品取り付けに順序性がある場合は作業結果を「不良」で登録し、是正処置を実施する。一方、部品取り付けに順序性がない場合は作業結果を「良」で登録し、次の作業へ進む。
　次に、部品のベース部品へのネジ締め付け作業に進む（図３４において作業ＩＤ：Ｐ００３～Ｐ００６）。
　モーションセンサは電動ドライバーの使用（締め付け）を検知し、締め付け開始／終了時間、締め付け位置（工具位置のｘｙ座標）、締め付け角度（工具角度のｘｙｚ座標）、締め付けトルクを取得する。
　次いで、データ分析部１１０６は、取得した電動ドライバーの使用状態と、図２１の下段に示す「工具位置モデル」、「工具角度モデル」、および図２に示す標準作業手順データ１２０４の「トルク上限／下限値」を比較し、電動ドライバーの使用状態がトルクの上限／下限値内であり、さらに「工具位置モデル」、「工具角度モデル」の公差（適正範囲）内であると判定したら（図３６、図３７参照）、正しいネジ締め付けと推論し、作業結果を「良」で登録して次の作業へ進む。
　一方、トルクの上限／下限値外であると判定したら、報知装置により「エラー」を発報する。この「エラー」は、ネジ締め付けが不良であることを作業者に報知するものである。この後、作業者が確認した結果、トルクが上限値以上である場合は作業結果を「不良」で登録し、是正処置（ネジの交換）を実施する。また、トルクが下限値以下である場合は作業結果を「不良」で登録し、是正処置（ネジの増し締め）を実施する。
　また、トルクの上限／下限値内であるが、工具角度モデルの公差（適正範囲）外である場合は、データ分析部１１０６はネジ締め不良（締め付け不足）を予測する。この後、作業者が確認した結果、ネジ締め不良がある場合は作業結果を「不良」で登録し、是正処置を実施する。一方、ネジ締め不良がない場合は作業結果を「良」で登録し、データ分析部１１０６の誤報（モデル再学習の検討要）であると判断して次の作業へ進む。
　さらに、工具位置モデルの公差（適正範囲）外への逸脱があった場合は、別作業の工具位置モデル公差内への復帰を指示する「情報」を発報する。この情報発報は、ネジ締め順が相違したことを作業者に報知するものであり、他の警告が無ければ作業結果を「良」で登録して次の作業へ進む。
　次に、部品取付の確認及びアッセイ搬送の作業開始時間作業に進む（図３４において作業ＩＤ：Ｐ００７、Ｐ００８）。
　モーションセンサは最終の電動ドライバーの使用（締め付け）を検知し、確認開始時間として取得する。次に、赤外線センサにて作業済部品の通過（出発）を検知し、アッセイ搬送開始／終了時間として取得する。
　次いで、データ分析部１１０６は、これら確認開始時間、及びアッセイ搬送開始／終了時間の差分から確認時間を算出し、図２に示す標準作業手順データ１２０４の「標準作業時間」と比較する。そして、標準作業時間の適正範囲内であると判定したら正しい確認と推論し、作業結果を「良」で登録して本工程を完了する。
　一方、標準作業時間の適正範囲以下であると判定したら、報知装置により「警告」を発報する。この警告は、作業者の確認漏れの可能性があることを作業者に警告するものである。この後、作業者が確認した結果、再確認にて問題を発見した場合は作業結果を「不良」で登録し、是正処置を実施する。また、再確認にて問題がない場合は作業結果を「良」で登録し、本工程を完了する。
　次に、センサデータ／作業分析データ／工具ログデータの保存作業に進む。
　エッジ演算装置１２１、…のセンサデータ１２３、…保管されたデータ（図５参照）を記憶装置１２０１のセンサデータ／作業分析データ／工具ログデータ１２０６に保存する。
　次いで、取得したセンサデータ等をもとに、データ分析部１１０６で生成された作業分析データ（図３参照）、工具ログデータ（図４参照）を記憶装置１２０１のセンサデータ／作業分析データ／工具ログデータ１２０６に保存する。
　次に、図２４～図３３のフローチャート及び図３８～図５１を参照して、本実施例の作業学習モデル生成装置の処理について詳細に説明する。
　図２４は、実施形態に係る作業分析システムによる推論プロセスの一例を示すフローチャートである。
　まず、モデル生成部１１０５は学習済モデルのコピーを作成し（Ｓ６００）、作成したコピーをデータ分析部１１０６に配布（デプロイ）する（Ｓ６０１）。次いで、モデル生成部１１０５は配布した学習済モデルを使用可能状態に設定する（Ｓ６０２）。
　次いで、データ分析部１１０６は実作業データを取得して作業分析（推論）を行う（Ｓ６０３）。
　また、データ分析部１１０６は、エッジ演算装置１２１、…の分だけＳ６０４の動作をループする。Ｓ６０４では、エッジ演算装置１２１、…のセンサデータを記憶装置１２０１に保存する。そして、データ分析部１１０６は、生成した作業分析データ及び工具ログデータを記憶装置１２０１に保存する（Ｓ６０５）。
　図２５～図３３は、実施形態に係る作業分析システムによる推論プロセスの一例を示すフローチャートであり、図２４のＳ６０３の詳細な動作の一例を示すフローチャートである。
　まず、赤外線センサがベース部品通過（到着）を検知するのを待ち（Ｓ７００）、データ分析部１１０６は赤外線センサからのセンサデータから作業開始時間（１）及び作業終了時間（２）を取得する（図３８参照）。次いで、データ分析部１１０６は、圧力センサのリアルタイムセンサデータを取得し、部品が到着した際の重量変化と、図２２の下段に示す「重量推移モデル」とを比較する。
　そして、データ分析部１１０６は、重量変化がモデルの公差（適正範囲）内であるか否かを判定し（Ｓ７０３、図３９参照）範囲内であると判定したらＳ７０４に進み、モデルの公差（適正範囲）外であると判定したら、報知装置により「警告」の発報をする（Ｓ７０５）。この警告は、作業ラインに到着した部品が異なる可能性があることを作業者に警告するものである。この後、作業者が部品の相違または部品破損があるか否かを判定し（Ｓ７０６）、部品相違等があればＳ７１１に進み、部品相違等がなければＳ７０４に進む。
　Ｓ７０４では、データ分析部１１０６が作業結果（３）を「良」で登録する。次いで、データ分析部１１０６は、圧力センサのセンサデータからベース部品の総重量（４）を取得し、作業分析データに記録する（Ｓ７０７）。また、データ分析部１１０６は、標準作業手順データ１２０４を参照して一意のユニットＩＤ（５）を生成し（Ｓ７０８）、さらに作業ＩＤ（６）を取得して作業分析データに記録する（Ｓ７０９）。そして、データ分析部１１０６は、作業開始時間（１）及び作業終了時間（２）の差分から作業時間（７）を算出し、作業分析データに記録する（Ｓ７１０）。
　一方、Ｓ７１１では、データ分析部１１０６が作業結果（３）を「不（不良）」で登録し、Ｓ７００に戻って手直し作業を実施する（Ｓ７１２）。
　次に、図２６に移行して、データ分析部１１０６は圧力センサのセンサデータから重量変化開始を検知し、作業開始時間（１）を取得する（Ｓ７１３、図４０参照）。データ分析部１１０６は重量変化の終了を待ち、（Ｓ７１４）、重量変化終了を検知して作業終了時間（２）を取得する（Ｓ７１５）。
　そして、データ分析部１１０６は、この重量変化と、図２２の下段に示す「重量推移モデル」とを比較し（Ｓ７１６）、重量変化がモデルの公差（適正範囲）内であるか否かを判定する（Ｓ７１７）。判定の結果、公差の範囲内であると判定したらＳ７１８に進み、公差の範囲外であると判定したら、データ分析部１１０６は他の部品搭載作業があるか否かを判定する（Ｓ７１９）。判定の結果、他の部品搭載作業があると判定したらＳ７２１に進み、他の部品搭載作業がないと判定したらＳ７２０に進む。
　Ｓ７１８では、データ分析部１１０６が作業結果（３）を「良」で登録する。次いで、データ分析部１１０６は、圧力センサのセンサデータからベース部品の総重量（４）を取得し、作業分析データに記録する（Ｓ７２２）。また、データ分析部１１０６は、標準作業手順データ１２０４を参照して一意のユニットＩＤ（５）を生成し（Ｓ７２３）、さらに作業ＩＤ（６）を取得して作業分析データに記録する（Ｓ７２４）。そして、データ分析部１１０６は、作業開始時間（１）及び作業終了時間（２）の差分から作業時間（７）を算出し、作業分析データに記録する（Ｓ７２５）。
　Ｓ７２０では、データ分析部１１０６が報知装置により「警告」の発報をする。この警告は、取り付けた部品が異なることを予測したことを作業者に警告するものである。この後、作業者が確認し（Ｓ７２６）、その結果、取り付けた部品が相違したか否かを判定する（Ｓ７２７）。判定の結果、部品が相違した場合は作業結果（３）を「不（不良）」で登録し（Ｓ７２８）、Ｓ７１３に戻って是正処置を実施する。一方、部品が相違しない場合にはデータ分析部１１０６の誤報（モデル再学習の検討要）であると判断してＳ７１８へ進む。
　Ｓ７２１では、データ分析部１１０６が報知装置により「警告」の発報をする。この警告は、作業手順が異なる可能性があることを作業者に警告するものである。この後、作業者が部品取付の順序性を確認し（Ｓ７３０）、その結果、部品取り付けに順序性があるか否かを判定する（Ｓ７３１）。判定の結果、部品取り付けに順序性がある場合はＳ７２８に進み、部品取り付けに順序性がない場合はＳ７１８に進む。
　次に、図２７に移行して、データ分析部１１０６はＳ７７４までの処理を作業数分だけループする。
　まず、データ分析部１１０６は、圧力センサのセンサデータから重量変化開始を検知し、作業開始時間（１）を取得する（Ｓ７３２、図４１、図４２参照）。データ分析部１１０６は重量変化の終了を待つ（Ｓ７３３）。
　そして、データ分析部１１０６は、この重量変化と、図２２の下段に示す「重量推移モデル」とを比較し（Ｓ７３４）、重量変化がモデルの公差（適正範囲）内であるか否かを判定する（Ｓ７３５）。判定の結果、公差の範囲内であると判定したらＳ７３６に進み、公差の範囲外であると判定したら、データ分析部１１０６は他の部品搭載作業があるか否かを判定する（Ｓ７３７）。判定の結果、他の部品搭載作業があると判定したらＳ７３９に進み、他の部品搭載作業がないと判定したらＳ７３８に進む。
　Ｓ７３６では、データ分析部１１０６が圧力センサのセンサデータから部品の総重量（２）を取得する。次いで、データ分析部１１０６は、モーションセンサのセンサデータを取得し、電動ドライバーの使用の検知を待つ（Ｓ７４０）。データ分析部１１０６は、工具使用開始（時間）（３）を取得し（Ｓ７４１）、さらに締め付け位置（工具位置のｘｙ座標）（４）、締め付け角度（工具角度のｘｙｚ座標）（５）、及び締め付けトルク（６）を取得する（Ｓ７４２～Ｓ７４４）。
　Ｓ７３８では、データ分析部１１０６が報知装置により「警告」の発報をする。この警告は、取り付けた部品が異なることを予測したことを作業者に警告するものである。この後、作業者が確認し（Ｓ７４５）、その結果、取り付けた部品が相違したか否かを判定する（Ｓ７４６）。判定の結果、部品が相違した場合は作業結果（７）を「不（不良）」で登録し（Ｓ７４７）、Ｓ７３２に戻って是正処置を実施する。一方、部品が相違しない場合にはデータ分析部１１０６の誤報（モデル再学習の検討要）であると判断してＳ７３６へ進む。
　Ｓ７３９では、データ分析部１１０６が報知装置により「警告」の発報をする。この警告は、作業手順が異なる可能性があることを作業者に警告するものである。この後、作業者が部品取付の順序性を確認し（Ｓ７４９）、その結果、部品取り付けに順序性があるか否かを判定する（Ｓ７５０）。判定の結果、部品取り付けに順序性がある場合はＳ７４７に進み、部品取り付けに順序性がない場合はＳ７３６に進む。
　次に、図２８に移行して、データ分析部１１０６は、図２７のＳ７４２～Ｓ７４４で取得した電動ドライバーの使用状態と、図２１の下段に示す「工具位置モデル」、「工具角度モデル」、および図２に示す標準作業手順データ１２０４の「トルク上限／下限値」を比較する（Ｓ７５１）。
　そして、データ分析部１１０６は、電動ドライバーの使用状態がトルクの上限／下限値の範囲内であるか否かを判定する（Ｓ７５２）。その結果、電動ドライバーの使用状態がトルクの上限／下限値の範囲内であると判定したらＳ７５３に進み、範囲外であると判定したらＳ７５８に進む。
　Ｓ７５３では、電動ドライバーの使用状態が「工具位置モデル」の公差（適正範囲）内であるか否かを判定する（図３７、図４５参照）。その結果、電動ドライバーの使用状態が「工具位置モデル」の公差（適正範囲）内であると判定したらＳ７５４に進み、範囲外であると判定したらＳ７６４に進む。
　Ｓ７５４では、電動ドライバーの使用状態が「工具角度モデル」の公差（適正範囲）内であるか否かを判定する（図３６、図４６参照）。その結果、電動ドライバーの使用状態が「工具確度モデル」の公差（適正範囲）内であると判定したらＳ７５５に進み、範囲外であると判定したらＳ７５６に進む。
　Ｓ７５５では、作業者の作業が正しいネジ締め付けと推論し、作業結果（７）を「良」で登録する（図４３、図４４参照）。
　Ｓ７５６では、工具位置モデルの公差（適正範囲）外への逸脱があったと判断し、別作業の工具位置モデル公差内への復帰を待って、データ分析部１１０６は報知装置を用いて作業者へ「情報」を発報する。この情報発報は、ネジ締め順が相違したことを作業者に報知するものであり、他の警告が無ければ作業結果を「良」で登録して（Ｓ７５５）Ｓ７７１へ進む。
　次に、図２９のＳ７５８に進み、データ分析部１１０６は、トルクの上限／下限値外であると判定したので、報知装置により「エラー」を発報する。この「エラー」は、ネジ締め付けが不良であることを作業者に報知するものである。この後、データ分析部１１０６は作業結果（７）を「不（不良）」で登録する（Ｓ７５９）。
　Ｓ７５８における「エラー」報知を受けて作業者が確認したあと、データ分析部１１０６は、センサデータに基づいてトルクが上限値以上であるか否かを判定する（Ｓ７６０）。この結果、トルクが上限値以上である場合は是正処置（ネジの交換）を実施する（Ｓ７６１）。また、トルクが下限値以下である場合は是正処置（ネジの増し締め）を実施する（Ｓ７６２）。この後、Ｓ７３２に戻って手直し作業を実施する。
　次に、図３０のＳ７６４に進み、データ分析部１１０６は、トルクの上限／下限値内であるが、工具角度モデルの公差（適正範囲）外であると判定したので、データ分析部１１０６はネジ締め不良（締め付け不足）を予測する。
　この後、作業者が確認し（Ｓ７６５）、データ分析部１１０６はネジ締め不良があるか否かを判定する（Ｓ７６７）。その結果、ネジ締め不良があったと判定したら、データ分析部１１０６は作業結果（７）を「不良」で登録し（Ｓ７６８、図４７、図４８参照）、是正処置を実施する（Ｓ７７０）。一方、ネジ締め不良がないと判定したら、データ分析部１１０６は作業結果（７）を「良」で登録し（Ｓ７６９、図４７、図４８参照）、データ分析部１１０６の誤報（モデル再学習の検討要）であると判断してＳ７７１へ進む。
　次に、図３１に進み、データ分析部１１０６はユニットＩＤ（８）を登録する（Ｓ７７１、図４７、図４８参照）。次いで、データ分析部１１０６は、標準作業手順データ１２０４を参照して作業ＩＤ（９）を取得して作業分析データに格納する（Ｓ７７２）。さらに、データ分析部１１０６は工具の使用終了を検知したら作業終了時間（１０）を取得する（Ｓ７７３、図４７参照）。そして、データ分析部１１０６は、作業開始時間（１）と作業終了時間（１０）との差分から作業時間（１１）を算出する（Ｓ７７４、図４７参照）。
　次に、図３２に進み、データ分析部１１０６は、モーションセンサのセンサデータから最終の電動ドライバーの使用（締め付け）を検知するのを待ち（Ｓ７７５）、最終の電動ドライバー使用の終了時間を、確認作業における作業開始時間（１）として取得する（Ｓ７７６、図４９参照）。
　次いで、データ分析部１１０６は、赤外線センサからのセンサデータから作業済部品の通過（出発）を検知するのを待ち（Ｓ７７７）、赤外線センサからのセンサデータに基づいてアッセイ搬送作業における作業開始時間（２）及び作業終了時間（３）を取得する（Ｓ７７８、図４９参照）。
　次いで、データ分析部１１０６は、アッセイ搬送作業における作業開始時間（２）及び作業終了時間（３）の差分から作業時間（４）を算出し、作業分析データに格納する（Ｓ７７９、図４９参照）。また、データ分析部１１０６は、確認作業における作業開始時間（１）とアッセイ搬送作業における作業開始時間（２）の差分から確認作業の作業時間（６）を算出し、作業分析データに格納する（Ｓ７８０、図４９参照）。
　次に、図３３に進み、データ分析部１１０６は、図３２のＳ７８０で算出した確認時間と図２に示す標準作業手順データ１２０４の「標準作業時間」とを比較する（Ｓ７８１）。そして、Ｓ７８０で算出した標準作業時間が標準作業手順データ１２０４の「標準作業時間」の適正範囲内であるか否かを判定する（Ｓ７８２）。その結果、「標準作業時間」の適正範囲内であると判定したら正しい確認と推論し、作業結果を「良」で登録する（Ｓ７８３）。
　その後、データ分析部１１０６は、確認作業の前工程のデータから総重量（８）を取得し、作業分析データに格納する（Ｓ７８５）。また、データ分析部１１０６は、標準作業手順データ１２０４から一意のユニットＩＤ（９）を生成し（Ｓ７８６）、作業ＩＤ（１０）を取得して作業分析データに格納する（Ｓ７８７）。そして本工程を完了する。
　一方、「標準作業時間」の適正範囲以下であると判定したら、報知装置により「警告」を発報する（Ｓ７８４）。この警告は、作業者の確認漏れの可能性があることを作業者に警告するものである。
　この後、作業者が確認した結果（Ｓ７８８）、再確認にて問題を発見したか否か（不良があるか否か）を判定する（Ｓ７８９）。その結果、問題があると判定した場合は作業結果を「不良」で登録し（Ｓ７９０）、是正処置を実施する（Ｓ７９１）。また、再確認にて問題がないと判定した場合は作業結果を「良」で登録する（Ｓ７８３）。
　図５２は、実施形態に係る作業分析システムによる再学習プロセスの一例を示すシーケンス図である。
　ユーザは必要に応じて、記憶装置１２０１に格納されているセンサデータ／作業分析データ／工具ログデータ１２０６を解析する。解析した結果は、設計部門に対する、設計変更やマニュアル変更、組立部門に対する、作業改善などへの活用が期待できる。以下に解析の視点や改善への活用例をあげる。
　例えば、作業解析への活用例としては、作業者ごとの平均作業時間、歩留まり、不良率などを集計／見える化し、熟練工や過去の自分の作業と比較することで作業の習熟度を確認する、組立不良が多く発生する工程／作業を集計／見える化し、なぜ不良が多発するかの構造的な原因を特定する、標準作業手順から逸脱した作業とその結果（作業時間、作業良否）を集計し、作業時間が早くなる／遅くなる特徴的な動作／作業順序や不良が発生する際の特徴的な動作／作業順序などを特定するなどが挙げられる。
　また、作業改善への活用例としては、工具を使用する際の角度が、部品に対して、常に直角にならない作業は、部品等の構造に問題があるケースが考えられる（他の部品が工具に干渉する、作業が行いにくい等）ため、部品構造の見直してレコメンドし、設計者はレコメンド内容を確認して、必要であれば設計変更を実施する、標準作業手順から逸脱しているにも関わらず、作業時間が短縮され、品質も良好な場合には、現在の作業手順よりも効率的な手順があると考えられるため、作業マニュアル（手順）の見直しレコメンドする。設計者はレコメンド内容を確認し、必要であれば作業マニュアル（手順）変更を実施する、熟練工とそうでない作業者の動作が明らかに異なっている場合は、その部分を改善することで作業効率や品質が向上すると考えられるため、作業改善をレコメンドし、設計者はレコメンド内容を確認し、必要であれば作業改善を実施する、などが挙げられる。
　次に、モデル生成部１１０５は、工具ログデータ及び圧力センサデータを用いて作業学習モデルの再学習プロセスを実施する。再学習プロセスの詳細は、既に説明したモデル生成部１１０５によるモデル生成プロセスと同一であるので、ここでの説明は省略する。その後、モデル生成部１１０５は再学習プロセスにより生成された再学習モデルのデプロイ（配布）作業を行う。再学習モデルのデプロイについても、既に説明したモデル生成部１１０５によるデプロイプロセスと同一であるので、ここでの説明は省略する。
　図５３は、実施形態に係る作業分析システムによる再学習プロセスの一例を示すフローチャートである。
　まず、モデル生成部１１０５は、工具ログデータを用いた作業学習モデルの再学習プロセスを実施する（Ｓ８００）。詳細な内容は図１９に示した作業学習モデルの学習プロセスと同一であるので、ここでの説明は省略する。次いで、モデル生成部１１０５は、圧力センサデータを用いた作業学習モデルの再学習プロセスを実施する（Ｓ８０１）。詳細な内容は図２０に詳細な内容は図１９に示した作業学習モデルの学習プロセスと同一であるので、ここでの説明は省略する。
　その後、モデル生成部１１０５は、再学習プロセスによる作業学習モデルのデプロイを行う（Ｓ８０２～Ｓ８０４）。この作業も、図２４のＳ６００～Ｓ６０２の動作と同一であるので、ここでの説明は省略する。
　従って、本実施例によれば、カメラ等の撮像装置を用いずとも詳細かつ適切な作業に関する作業学習モデルを生成することが可能な作業学習モデル生成装置、作業推論装置及び作業学習モデル生成方法を実現することができる。
　また、本実施例によれば、人の動きを検知するよりも、より詳細なデータの取得が可能となる（工具類が使用されているときの角度や動きのスピードなど）。加えて、カメラを組み合わせないケースでは、作業者のプライバシーに配慮した形で、人が介在する工程の実作業内容／時間が測定可能となる。また、手直し作業などの非定常業務の履歴（定常業務との差異）も認識し、取得することができる。加えて、作業者に実作業時間を測定するための、新たな作業/動作の要求が不要である。さらに、作業ミスを起こす時の特徴的な動き（工具の向き＋締め付けトルクや、工具の移動速度＋溶接（ハンダ付け）温度など）から製品の良否予測が可能となる。そして、熟練工との作業と自分の作業や、過去の自分の作業と訓練後の自分の作業を比較することで、作業の習熟度アップを促進できる。
　なお、上記した実施例は本発明を分かりやすく説明するために構成を詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、各実施例の構成の一部について、他の構成に追加、削除、置換することが可能である。
　また、上記の各構成、機能、処理部、処理手段等は、それらの一部または全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、本発明は、実施例の機能を実現するソフトウェアのプログラムコードによっても実現できる。この場合、プログラムコードを記録した記憶媒体をコンピュータに提供し、そのコンピュータが備えるプロセッサが記憶媒体に格納されたプログラムコードを読み出す。この場合、記憶媒体から読み出されたプログラムコード自体が前述した実施例の機能を実現することになり、そのプログラムコード自体、及びそれを記憶した記憶媒体は本発明を構成することになる。このようなプログラムコードを供給するための記憶媒体としては、例えば、フレキシブルディスク、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、ハードディスク、ＳＳＤ（Solid State Drive）、光ディスク、光磁気ディスク、ＣＤ－Ｒ、磁気テープ、不揮発性のメモリカード、ＲＯＭなどが用いられる。
　また、本実施例に記載の機能を実現するプログラムコードは、例えば、アセンブラ、Ｃ／Ｃ＋＋、ｐｅｒｌ、Ｓｈｅｌｌ、ＰＨＰ、Ｊａｖａ（登録商標）等の広範囲のプログラムまたはスクリプト言語で実装できる。
　さらに、実施例の機能を実現するソフトウェアのプログラムコードを、ネットワークを介して配信することによって、それをコンピュータのハードディスクやメモリ等の記憶手段またはＣＤ－ＲＷ、ＣＤ－Ｒ等の記憶媒体に格納し、コンピュータが備えるプロセッサが当該記憶手段や当該記憶媒体に格納されたプログラムコードを読み出して実行するようにしてもよい。
　上述の実施例において、制御線や情報線は、説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。全ての構成が相互に接続されていてもよい。
　１０１…センサ　１１１…受信装置　１２１…エッジ演算装置　１２２…センサデータ処理部　１２３…センサデータ　２１１…受信装置　２２１…演算装置　１０００…情報処理装置　１１０１…メイン演算装置　１１０２…位置情報演算部　１１０３…重量情報演算部　１１０４…作業内容演算部　１１０５…モデル生成部　１１０６…データ分析部　１２０１…記憶装置　１２０２…工具関連データ　１２０３…部品関連データ　１２０４…標準作業手順データ　１２０５…分析モデル／データ　１２０６…センサデータ／作業分析データ／工具ログデータ
 
 
　　

Claims (8)

  1. 　工具を用いて部品を組み立てる作業についての作業学習モデルを生成する装置であって、
    　前記作業についての標準作業手順が規定された標準作業手順データ、前記工具に関する工具データ、及び前記部品に関する部品データが格納された記憶部と、
    　時系列上で取得した前記作業中における前記工具の動き及び前記部品の物理量の変化に関するデータ及び前記作業の良否に関するデータを含む作業データを取得し、前記作業データと前記標準作業手順データ、前記工具データ及び前記部品データと比較して前記作業に関する前記作業学習モデルを生成するモデル生成部と
    を有することを特徴とする作業学習モデル生成装置。
  2. 　前記標準作業手順データは、前記作業についての標準的な作業時間を有することを特徴とする請求項１に記載の作業学習モデル生成装置。
  3. 　前記モデル生成部は、前記作業学習モデルとして、前記作業における時系列上の前記部品の重量の推移に関する学習モデルを生成することを特徴とする請求項１に記載の作業学習モデル生成装置。
  4. 　前記モデル生成部は、前記作業学習モデルとして、前記工具を使用した前記作業が行われた場所、前記工具の移動方向、移動速度及び向き、及び前記工具の作業状況に関する学習モデルを生成することを特徴とする請求項１に記載の作業学習モデル生成装置。
  5. 　前記モデル生成部は、前記作業学習モデルとして、前記作業データについての公差を含む学習モデルを生成することを特徴とする請求項１に記載の作業学習モデル生成装置。
  6. 　前記モデル生成部は、前記作業学習モデルの生成後、前記作業データを取得して再学習した前記作業学習モデルを生成することを特徴とする請求項１に記載の作業学習モデル生成装置。
  7. 　工具を用いて部品を組み立てる作業についてその適否を推論する装置であって、
    　時系列上で取得した前記作業中における前記工具の動き及び前記部品の物理量の変化に関するデータ及び前記作業の良否に関するデータを含む作業データを取得し、この作業データと請求項１に記載の前記モデル生成部が生成した作業学習モデルとに基づいて、前記作業データに基づく前記作業の適否を推論するデータ分析部を有することを特徴とする作業推論装置。
  8. 　作業についての標準作業手順が規定された標準作業手順データ、工具に関する工具データ、及び部品に関する部品データが格納された記憶部を有する作業学習モデル生成装置により、前記工具を用いて前記部品を組み立てる前記作業についての作業学習モデルを生成する方法であって、
    　時系列上で取得した前記作業中における前記工具の動き及び前記部品の物理量の変化に関するデータ及び前記作業の良否に関するデータを含む作業データを取得し、前記作業データと前記標準作業手順データ、前記工具データ及び前記部品データと比較して前記作業に関する前記作業学習モデルを生成する
    ことを特徴とする作業学習モデル生成方法。
     
     
     
PCT/JP2020/013300 2020-03-25 2020-03-25 作業学習モデル生成装置、作業推論装置及び作業学習モデル生成方法 WO2021192084A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/013300 WO2021192084A1 (ja) 2020-03-25 2020-03-25 作業学習モデル生成装置、作業推論装置及び作業学習モデル生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/013300 WO2021192084A1 (ja) 2020-03-25 2020-03-25 作業学習モデル生成装置、作業推論装置及び作業学習モデル生成方法

Publications (1)

Publication Number Publication Date
WO2021192084A1 true WO2021192084A1 (ja) 2021-09-30

Family

ID=77891057

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/013300 WO2021192084A1 (ja) 2020-03-25 2020-03-25 作業学習モデル生成装置、作業推論装置及び作業学習モデル生成方法

Country Status (1)

Country Link
WO (1) WO2021192084A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE2230332A1 (en) * 2022-10-17 2024-04-18 Atlas Copco Ind Technique Ab Estimation of class-imbalance in training data of an iterative learning process

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007043127A1 (ja) * 2005-10-03 2007-04-19 Nicki Try System Co., Ltd. ネジ締め付け作業管理システム
JP2007115134A (ja) * 2005-10-21 2007-05-10 Sharp Corp 作業実績収集システム
JP2010079533A (ja) * 2008-09-25 2010-04-08 Fujitsu Ltd 組立時間予測装置、人員配置決定装置、及び組立時間予測方法
JP2011184121A (ja) * 2010-03-05 2011-09-22 Mitsubishi Electric Corp 作業内容推定装置及び作業内容推定方法
JP2019012328A (ja) * 2017-06-29 2019-01-24 株式会社 日立産業制御ソリューションズ 人行動推定システム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007043127A1 (ja) * 2005-10-03 2007-04-19 Nicki Try System Co., Ltd. ネジ締め付け作業管理システム
JP2007115134A (ja) * 2005-10-21 2007-05-10 Sharp Corp 作業実績収集システム
JP2010079533A (ja) * 2008-09-25 2010-04-08 Fujitsu Ltd 組立時間予測装置、人員配置決定装置、及び組立時間予測方法
JP2011184121A (ja) * 2010-03-05 2011-09-22 Mitsubishi Electric Corp 作業内容推定装置及び作業内容推定方法
JP2019012328A (ja) * 2017-06-29 2019-01-24 株式会社 日立産業制御ソリューションズ 人行動推定システム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE2230332A1 (en) * 2022-10-17 2024-04-18 Atlas Copco Ind Technique Ab Estimation of class-imbalance in training data of an iterative learning process

Similar Documents

Publication Publication Date Title
US20220339875A1 (en) Robotic assembly of transport structures using on-site additive manufacturing
US10025657B2 (en) Information processing system and failure diagnosis method
WO2017090098A1 (ja) 設備管理装置および方法
KR101920372B1 (ko) 제품 제조 자동화 라인의 설비고장과 품질불량의 가시적 예지 시스템
US11016468B1 (en) Monitoring system for use in industrial operations
CN107944563B (zh) 机械学习装置以及机械学习方法
JPH06170696A (ja) 工具寿命と予測工具摩耗の診断用のリアル・タイム・エキスパート・システムを使用するシステムと方法
WO2021192084A1 (ja) 作業学習モデル生成装置、作業推論装置及び作業学習モデル生成方法
US20210209488A1 (en) Inference computing apparatus, model training apparatus, inference computing system
US20230315043A1 (en) System and method for instantaneous performance management of a machine tool
JP2020032475A (ja) 工具識別装置及び工具識別システム
US6662066B1 (en) Dynamic adjustment and auto generation of water per hour (WPH) in capacity check system (CCS) by tool performance tracking platform (TP2)
CN117742224B (zh) Pad终端实时异常监控与智能处理方法
CN117742241B (zh) 一种基于云计算的数据采集方法和系统
CN116759355B (zh) 一种晶圆传送控制方法及系统
CN102867272A (zh) 生产管理系统和生产管理方法、控制程序、可读存储介质
TWI380226B (en) System and method of prognostic analysis and resource planning for apparatu
KR101917477B1 (ko) 권취 설비 이상 사전 감지 장치
EP3591483B1 (en) Method, device and positioning system for positioning a sensor
JP2021096639A (ja) 制御方法、制御装置、機械設備、制御プログラム、記録媒体
US20230027840A1 (en) Anomaly detecting method in sequence of control segment of automation equipment using graph autoencoder
JP2023032839A (ja) 保守計画システム、保守計画方法、および故障予測装置
JP2021086219A (ja) 協調作業システム、解析収集装置および解析プログラム
CN116165966B (zh) 一种数控机床信息化自适应物料调控方法及系统
JP2005293235A (ja) 市場品質問題処理支援システム

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: 20927816

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: 20927816

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP