JP2022002081A - Work content analysis device, work content analysis method, program, and sensor - Google Patents
Work content analysis device, work content analysis method, program, and sensor Download PDFInfo
- Publication number
- JP2022002081A JP2022002081A JP2021041721A JP2021041721A JP2022002081A JP 2022002081 A JP2022002081 A JP 2022002081A JP 2021041721 A JP2021041721 A JP 2021041721A JP 2021041721 A JP2021041721 A JP 2021041721A JP 2022002081 A JP2022002081 A JP 2022002081A
- Authority
- JP
- Japan
- Prior art keywords
- worker
- work content
- information
- work
- state information
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 139
- 238000012545 processing Methods 0.000 claims description 56
- 238000004891 communication Methods 0.000 claims description 35
- 230000033001 locomotion Effects 0.000 claims description 33
- 238000010586 diagram Methods 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 210000000707 wrist Anatomy 0.000 claims description 3
- 210000005069 ears Anatomy 0.000 claims description 2
- 238000009434 installation Methods 0.000 claims 1
- 238000012986 modification Methods 0.000 abstract description 3
- 230000004048 modification Effects 0.000 abstract description 3
- 230000001133 acceleration Effects 0.000 description 14
- 230000006872 improvement Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 9
- 238000000034 method Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 230000001186 cumulative effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 210000004247 hand Anatomy 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明の実施形態は、工場等における作業者の作業内容を、作業者の状態に基づいて分析するための作業内容分析装置、作業内容分析方法、プログラム、および作業内容分析装置のためのセンサに関する。 An embodiment of the present invention relates to a work content analysis device for analyzing the work content of a worker in a factory or the like based on the state of the worker, a work content analysis method, a program, and a sensor for the work content analysis device. ..
通常、作業の効率化を図るためには、実際の作業に要する時間を計測し、作業手順を分析し、この計測結果および分析結果に基づいて、現状の作業の可視化を図り、手順を標準化し、各作業者が、標準化された手順に従って作業することが一般的である。 Normally, in order to improve work efficiency, the time required for actual work is measured, the work procedure is analyzed, and based on this measurement result and analysis result, the current work is visualized and the procedure is standardized. , It is common for each worker to work according to standardized procedures.
しかしながら、このような従来の作業手順の分析のために必要な作業時間の計測は、計測員によって、ストップウォッチによってなされている。これでは、人件費が余分にかかってしまう。 However, the measurement of the working time required for the analysis of such a conventional working procedure is performed by a measurer and a stopwatch. This would result in extra labor costs.
余分な人件費をかけることなく作業時間を計測するために、IoTを利用することもできる。すなわち、人間系の作業を、IoTによって代替させるという発想である。 IoT can also be used to measure working hours without incurring extra labor costs. That is, the idea is to substitute IoT for human-related work.
しかしながら、重厚なIoTは、工場の設備自体の改修を要するために、すでに稼働している工場の設備に後付けで設置することは難しい。 However, it is difficult to retrofit the heavy IoT to the equipment of the factory that is already in operation because the equipment of the factory itself needs to be repaired.
このように、作業内容分析を実施しようとしても、そのためのデータ収集のために、余分な人件費がかかり、逆に人件費を削減しようとすれば、設備の改造が必要となるというように、実施することは容易ではない。 In this way, even if you try to perform work content analysis, extra labor costs will be incurred to collect data for that purpose, and conversely, if you try to reduce labor costs, you will need to remodel the equipment. It's not easy to do.
このため、関係するすべての工場における作業効率向上策まで実施する余裕はなく、それぞれの工場の作業効率向上策については、それぞれの工場に任せているのが現状である。 For this reason, there is no room to implement measures to improve work efficiency in all related factories, and the current situation is that the measures to improve work efficiency in each factory are left to each factory.
本発明が解決しようとする課題は、余分な人件費をかけず、設備の大幅な改造も要することなく、工場等の作業者の作業内容を分析する作業内容分析装置、作業内容分析方法、およびプログラムを提供することである。また、作業内容分析装置のために使用されるセンサを提供することである。 The problem to be solved by the present invention is a work content analysis device, a work content analysis method, and a work content analysis method for analyzing the work content of a worker such as a factory without incurring extra labor cost and major modification of equipment. To provide a program. It is also to provide sensors used for work content analyzers.
実施形態の作業内容分析装置は、作業者の作業内容を、作業者の状態に基づいて分析する作業内容分析装置であって、1人または複数の作業者の状態を表す状態情報を、時間情報および作業者の識別情報に関連付けて記憶する第1のデータベースと、第1のデータベースに記憶された状態情報のうち、同一時間に関連付けられた少なくとも2つの状態情報から、作業者によってなされた作業内容を推定する推定部と、第1のデータベースに記憶された状態情報と、状態情報に関連付けられた時間情報とから、推定された作業内容に費やされた作業時間を特定する特定部と、推定された作業内容と、特定された作業時間とに基づいて、作業内容を分析する分析部とを備えている。状態情報は、作業者の位置情報と、作業者の手が動作しているか否かを示す動き情報と、作業者の周辺の設備の稼働状態を示す情報とのうちの少なくとも何れかを含む。 The work content analysis device of the embodiment is a work content analysis device that analyzes the work content of the worker based on the state of the worker, and the state information representing the state of one or a plurality of workers is time information. The work content performed by the worker from at least two state information associated with the same time among the first database stored in association with the worker's identification information and the state information stored in the first database. A specific unit that specifies the work time spent on the estimated work content from the estimation unit that estimates, the state information stored in the first database, and the time information associated with the state information. It is equipped with an analysis unit that analyzes the work content based on the work content performed and the specified work time. The state information includes at least one of the position information of the worker, the movement information indicating whether or not the worker's hand is operating, and the information indicating the operating state of the equipment around the worker.
以下に、本発明の各実施形態を、図面を参照して説明する。 Hereinafter, each embodiment of the present invention will be described with reference to the drawings.
(第1の実施形態)
第1の実施形態の作業内容分析方法が適用された作業内容分析装置について説明する。
(First Embodiment)
The work content analysis device to which the work content analysis method of the first embodiment is applied will be described.
図1は、第1の実施形態の作業内容分析方法が適用された作業内容分析装置の電子回路構成例を示すブロック図である。 FIG. 1 is a block diagram showing an example of an electronic circuit configuration of a work content analysis device to which the work content analysis method of the first embodiment is applied.
図2Aは、作業内容分析装置の他の装置との接続関係の一例(カメラを含む)を示す概念図である。 FIG. 2A is a conceptual diagram showing an example (including a camera) of the connection relationship with other devices of the work content analysis device.
作業内容分析装置10は、工場等の作業者による作業内容を分析する装置である。
The work
作業内容分析装置10の電子回路は、図1に示すように、バス11によって互いに接続されたCPU12、記録媒体読取部14、通信部15、表示部16(例えば、ディスプレイ)、メモリ20、および記憶装置30を備えている。
As shown in FIG. 1, the electronic circuit of the work
メモリ20は、作業内容分析装置10を実現するプログラムとして、処理モジュール21、推定モジュール22、特定モジュール23、作業時間比較モジュール24、分析モジュール25、表示制御モジュール26、および判定モジュール27を記憶している。
The
これらプログラムモジュール21〜27は、メモリ20に予め記憶されていてもよいし、あるいはメモリカード等の外部記録媒体13から記録媒体読取部14を介してメモリ20に読み込まれて記憶されたものであってもよい。これらプログラムモジュール21〜27は、書き換えできないようになっている。
These
メモリ20には、このようなユーザ書き換え不可能なエリアの他に、書き換え可能なデータを記憶するエリアとして、書込可能データエリア29が確保されている。
In the
CPU12は、各プログラムモジュール21〜27を実行可能な1つまたは複数のプロセッサの一例であって、各プログラムモジュール21〜27に従い回路各部の動作を制御する。
The
記憶装置30は、作業者データベース31、状態情報データベース32、および基準時間データベース33を備えている。
The
作業者データベース31は、例えば工場の各作業者100の作業者ID(例えば、社員番号等)を記憶する。
The
状態情報データベース32は、各作業者100に取り付けられた各センサ110からのセンシング情報を、各作業者100の状態を表す状態情報として、時間情報、作業者ID、およびセンサIDに関連付けて記憶する。
The
また、状態情報データベース32は、カメラ等、作業者100の近傍あるいは周囲に設置されたセンサ110からのセンシング情報も、各作業者100の状態情報として、時間情報、作業者ID、およびセンサIDに関連付けて記憶することができる。ただし、この場合、センサ110は、作業者100に取り付けられていないが、例えば、所定距離内にいる作業者100のように、センサ110の近傍にいる作業者100の作業者IDに関連付けて記憶する。
Further, in the
状態情報は、作業者100の位置情報、作業者100の手が動作しているか否かを示す動き情報、作業者100の周辺の設備の稼働状態を示す情報、作業者100が移動しているか否かを示す移動情報、作業者100のバイタル情報、作業者100の音声情報、作業者100の周囲音情報、および作業者100の周囲の映像情報を含むことができる。
The state information includes the position information of the
また、状態情報データベース32は、状態情報として、センサ110(カメラ115を含む)から取得されたセンシング情報(以下、「第1の状態情報」とも称する)のみならず、センシング情報(第1の状態情報)から、数学的な演算処理がなされた状態情報(以下、「第2の状態情報」とも称する)も、同様に、各作業者100の状態を表す状態情報として、時間情報、作業者ID、およびセンサIDに関連付けて記憶することができる。状態情報は、センサ110からのセンシング情報(第1の状態情報)に限定されず、カメラ115からの画像情報や、例えば、パトランプからの信号を含むこともできる。
Further, the
状態情報は、各作業者100に取り付けられた各センサ110や、定点に設置され、マイクロコントローラ120によって制御されるカメラ115から送信されるセンシング情報として取得されるのみならず、前述した第1の状態情報から得られる第2の状態情報のように、センシング情報に基づいて取得されることも可能である。
The state information is not only acquired as sensing information transmitted from each
各作業者100には、1種類に限らず、複数種類のセンサ110を取り付けることもできる。
Not only one type but also a plurality of types of
これらセンサ110やカメラ115を含むセンサ類は、作業者の動作を可視化するためのIoTデバイスであり、具体的な種類としては、GPS機能やWiFi機能、ブルートゥース(登録商標)機能、あるいはビーコン125を介して、作業者100の位置を測定する位置センサ、作業者100の手の動きを検出する加速度センサ、作業者100の脈拍等のバイタル情報を測定するバイタルセンサ、作業者100の音声を検出するマイク、作業者100の周囲の音を検出する音センサ、作業者自体に取り付けられ、作業者100の視線上の映像を撮像するカメラ等の撮像センサを含むがこれらに限定されない。
The sensors including the
これらセンサ類は、ビーコン125からの電波を受信しやすいように、作業者100の身体の前面、腰の左右、腕、手首、首、肩、耳、および頭等に取り付けられる。また、特に、前述した加速度センサのように、動き情報を取得するセンサ110は、作業者100の利き腕または利き手に取り付けられる。
These sensors are attached to the front surface of the body of the
位置センサとして、スマートフォンを含むウェアラブル端末を適用することもできる。この場合、スマートフォンをウェストホルダーに入れベルトで固定するか、フックをベルト通しに引っかけて装着する。装着位置が背中側になると、通信部15は、スマートフォンからの信号を受信しにくくなるため、スマートフォンを、作業者100の前面や腰部の左右に装着するのが望ましい。また、作業者100のズボンのポケットや胸ポケットで携帯してもよい。
Wearable terminals including smartphones can also be applied as position sensors. In this case, put the smartphone in the waist holder and fix it with a belt, or hook the hook on the belt loop and attach it. When the mounting position is on the back side, it becomes difficult for the
バイタルセンサとして、リストバンド側のデバイスを使用することができる。この場合、作業者100の両腕もしくは両手にデバイスを装着すると、作業に支障をもたらす恐れがあるので、最小限の構成で、作業者100の動きや作業内容を詳しく捉えることができるように、バイタルセンサを、作業者100の利き腕もしくは利き手の、腕や手首に装着するのが好ましい。
A device on the wristband side can be used as a vital sensor. In this case, if the device is attached to both arms or hands of the
音センサとして、ヘッドセット型のデバイスを使用することができる。この場合、作業者100の首に掛けたり、肩に載せて使用することができる。
A headset-type device can be used as the sound sensor. In this case, the
音センサとして、イヤホン型のデバイスを使用することができる。この場合、作業者100の耳に取り付けて使用することができる。
An earphone-type device can be used as the sound sensor. In this case, it can be attached to the ear of the
撮像センサとして、スマートグラス型のデバイスを使用することができる。この場合、作業者100の頭部に取り付けて使用することができる。
A smart glass type device can be used as an image pickup sensor. In this case, it can be attached to the head of the
また、作業者100には取り付けられないが、例えば、定点に設置されたカメラ115も、センサ類に含まれるが、これらに限定されない。
Further, although not attached to the
図2Bは、作業内容分析装置の他の装置との接続関係の一例(設備を含む)を示す概念図である。 FIG. 2B is a conceptual diagram showing an example (including equipment) of the connection relationship with other devices of the work content analysis device.
図2Bを用いて、状態情報のうち、作業者100の周辺の設備の稼働情報の取得方法について説明する。
With reference to FIG. 2B, a method of acquiring operation information of equipment around the
図2Bに示す接続関係は、図2Aに示すカメラ115の代わりに設備116を備えた点が異なり、他の構成は同じである。したがって、以下では、図2Aと異なる点について説明する。
The connection relationship shown in FIG. 2B is different in that the
設備116は、マイクロコントローラ120によって制御されることによって、設備116の稼働情報を、通信部15へ送信する。また、設備116に、稼働情報を取得するためのセンサ(図示せず)を設置し、これらセンサから取得した稼働情報を、通信部15へ送信することもできる。
The
このようにして、作業内容分析装置10は、状態情報の1つである、作業者100の周辺の設備116の稼働情報を取得することができる。
In this way, the work
図2Cは、センサの電子回路構成例を示すブロック図である。 FIG. 2C is a block diagram showing an example of electronic circuit configuration of the sensor.
図2Cに例示するブロック図は、前述したように多くの種類からなるセンサ110を一般的に示す構成例である。
The block diagram illustrated in FIG. 2C is a configuration example generally showing the
センサ110は、一般的に、バス1101によって互いに接続されたCPU1102、センシング部1103、送信部1104、受信部1105、メモリ1110、および記憶装置1120を備えている。
The
CPU12は、バス1101によって互いに接続された上記回路各部の動作を制御するプロセッサである。
The
センシング部1103は、作業者100のセンシング情報を取得する部位である。センシング部1103は、例えば、センサ110が加速度センサである場合、加速度を検出する検出部、バイタルセンサである場合、脈拍等のバイタル値を検出する検出部、音センサである場合、音を検出する集音部、カメラである場合、撮像素子、位置センサである場合、GPS機能やWiFi機能、ブルートゥース機能に相当する。
The
センサ110は、ビーコン125を介して、作業者100の位置を測定する位置センサとなることもできるが、その場合は、受信部1105が、ビーコン125からの信号を、センシング情報として受信する。なお、ビーコン125は、送信する電波強度を変更することが可能である。
The
センシング部1103および受信部1105は、このようにしてセンシング情報を取得すると、記憶装置1120へ出力する。記憶装置1120は、センシング情報を記憶するセンシング情報データベース1221を記憶しており、センシング部1103および受信部1105から出力されたセンシング情報を記憶する。
When the
記憶装置1120は、例えばSSD(Solid State Drive)やHDD(Hard Disk Drive)等からなる。
The
メモリ1110は、センサ110が備えているプログラムとして、通信判定モジュール1111を記憶している。
The
通信判定モジュール1111は、センサ110が、作業内容分析装置10と通信可能であるか否かを判定する。
The
通信判定モジュール1111によって、センサ110と作業内容分析装置10との通信が可能であると判定されなかった場合(すなわち、通信判定モジュール1111によって、センサ110と作業内容分析装置10との通信が可能ではないと判定された場合)、センシング情報データベース1221に、センシング情報が記憶され続ける。
When it is not determined by the
通信判定モジュール1111によって、センサ110と作業内容分析装置10との通信が可能であると判定された場合、送信部1104は、新たなセンシング情報が取得されているか否かに関わらず、センシング情報データベース1221に記憶されているセンシング情報を、所定の単位毎(例えば、5秒毎、10秒毎)に、通信ネットワーク70を介して、作業内容分析装置10へ送信する。
When it is determined by the
なお、各センサ110には、センサの識別情報であるセンサIDが付与されているとともに、取り付けられている作業者100の作業者IDに関連付けられており、送信部1104は、センシング情報を状態情報として作業内容分析装置10へ送信する際には、センサIDおよび作業者IDとともに送信する。
In addition, each
センサ110が特にカメラ115である場合、送信部1104は、センシング情報である映像情報を、センサIDとともに、作業内容分析装置10へ送信する。
When the
図1に戻って説明するように、作業内容分析装置10の通信部15は、通信ネットワーク70に接続されており、通信ネットワーク70を介して、各センサ110から送信されるセンサID、作業者ID、およびセンシング情報を受信し、受信したセンサID、作業者ID、およびセンシング情報を処理モジュール21へ送る。同様に、カメラ115から送信されたセンサIDおよびセンシング情報である映像情報を受信し、受信したセンサID、およびセンシング情報である映像情報を処理モジュール21へ送る。
As will be described by returning to FIG. 1, the
通信部15はまた、後述するように、表示制御モジュール26によって表示部16から表示されるグラフ等を、外部端末130から表示させるために、グラフ表示に必要なデータを、図2A、図2Bに示すように、通信ネットワーク70を介して外部端末130へ出力することもできる。
As will be described later, the
このように、センサ110から状態情報として送信されるセンシング情報は、作業者100の位置情報、作業者100の手の動きに関する動き情報、作業者100の移動に関する移動情報、作業者100のバイタル情報、作業者100の音声情報、作業者100の周囲音情報、作業者100の視線上の映像情報、および作業者100の映像情報等を含んでいる。なお、後述するように、カメラ115からの映像情報から、処理モジュール21によって、作業者100の動き情報および位置情報を得ることもできる。
As described above, the sensing information transmitted from the
状態情報データベース32は、状態情報を記憶するためのデータベースであって、時間情報として、作業内容分析装置10の内部時計(図示せず)によって計時された時間情報を使うことができる。また、作業内容分析装置10の接続先の外部システムの時計(計時手段)と同期された時間情報を使うこともできる。
The
また、接続先のシステムの計時手段との同期ができない場合、センサ間で時刻のずれが発生しないように、作業内容分析装置10自体の時刻を基準時刻とし、各センサ110は作業内容分析装置10と同期された時刻を使うこともできる。
Further, when synchronization with the time measuring means of the connected system cannot be performed, the time of the work
基準時間データベース33は、作業内容毎にあらかじめ決定された基準時間を記憶している。基準時間には、限定される訳ではないが、例えば、作業内容毎にあらかじめ決定された目標時間や、作業内容を完成させるために、熟練度の高い人によって費やされる時間を適用することができる。
The
これらデータベース31〜33を記憶する記憶装置30もまた、記憶装置1120と同様に、例えばSSD(Solid State Drive)やHDD(Hard Disk Drive)等からなる。
The
処理モジュール21は、通信部15から送られたセンシング情報を、センサIDや、存在する場合には作業者IDとともに受信し、このセンシング情報に対して処理が必要であるか否かを判定する。そして、処理が必要なセンシング情報に対しては、必要な処理を行い、状態情報を取得し、状態情報を、センサID、作業者IDとともに、状態情報データベース32へ送る。一方、処理が必要ではないセンシング情報の場合、センシング情報に対して処理を行わず、センシング情報を状態情報として、センサID、作業者IDとともに、状態情報データベース32へ送る。
The
処理が必要なセンシング情報の例としては、カメラ115からの映像情報がある。この映像情報に対する処理としては、例えばAI技術によって、この映像情報から、撮像されている作業者100を特定し、作業者100の作業者IDを特定し、特定された作業者100の動き情報および位置情報を検出し、検出された動き情報および位置情報を、状態情報とする。このように、映像情報を処理する場合、処理モジュール21は特に映像処理モジュールとして機能する。また、加速度センサからのセンシング情報に対しても、例えばAI技術を使って処理や加工等を行う場合もあり得る。なお、処理が必要なセンシング情報は、これらに限定されないことに留意されたい。
An example of sensing information that needs to be processed is video information from the
状態情報データベース32は、状態情報が、センサIDおよび作業者IDとともに送られると、状態情報、センサID、および作業者IDを、時間情報に関連付けて記憶する。
When the state information is sent together with the sensor ID and the worker ID, the
このように、作業内容分析装置10は、センサ110(カメラ115を含む)から送信されるセンシング情報を、状態情報として蓄積することができる。しかしながら、作業内容分析装置10が正常であるにも関わらず、例えば、センサ110(カメラ115を含む)からの通信エラー等によって、センシング情報が送信されず、状態情報を取得できない場合がある。逆に、センサ110(カメラ115を含む)からの通信に問題はないものの、例えば、作業内容分析装置10に何らかのトラブルがあって、センシング情報を受信できず、状態情報を取得できない場合もある。
In this way, the work
判定モジュール27は、作業内容分析装置10が正常に動作しているか否かを判定する。判定モジュール27は、例えば、CPU12や、通信部15の動作を監視することによって、作業内容分析装置10が正常に動作しているか否かを判定することができる。
The
状態情報を取得できない場合、処理モジュール21は、判定モジュール27によって、作業内容分析装置10が正常であると判定されたのであれば、状態情報として第1の固定データ(例えば、「0(ゼロ)」)を、状態情報データベース32に記憶させ、作業内容分析装置10が正常ではないと判定されたのであれば、状態情報として第2の固定データ(例えば、「−1」)を、状態情報データベース32に記憶させる。なお、「0(ゼロ)」だけでなく、「NULL」等の文字列でも良い。
When the state information cannot be acquired, the
このような固定データを状態情報データベース32に記憶させることによって、以下のようなことが可能となる。
By storing such fixed data in the
例えば、状態情報が、設備116の稼働状態を示すセンシング情報である場合を例に説明する。従来は、設備116を監視しているセンサから、稼働状態を示す「1」であるセンシング情報を受信した場合に、状態情報データベース32に、状態情報として「1」を記憶していた。これによって作業内容分析装置10は、設備116が稼働していると判定することができた。
For example, a case where the state information is sensing information indicating the operating state of the
しかしながら、これでは、センシング情報を受信しないと、状態情報は記憶されないことになる。したがって、作業内容分析装置10が正常であるにも関わらず、例えば、設備116を監視しているセンサからの通信エラー等によって、センシング情報を受信できない場合や、逆に、センサからの通信に問題はないものの、作業内容分析装置10の故障等によって、センシング情報を受信できない場合も、状態情報は記憶されないことになる。
However, in this case, the state information is not stored unless the sensing information is received. Therefore, even though the work
図3Aは、このような場合に、従来、状態情報データベース32に記憶されていた状態情報(ある設備の稼働状態を示すセンシング情報)を時系列的に示す例である。
FIG. 3A is an example in which state information (sensing information indicating an operating state of a certain facility) conventionally stored in the
例えば、最初の4つの時間では、状態情報は記憶されなかったので、状態情報は(無し)と示されている。その後連続する3つの時間では、状態情報が受信されたので、状態情報データベース32に「1」が記憶され、その後(無し)となり、その後「1」が記憶され、その後(無し)となっている。
For example, in the first four hours, the state information was not stored, so the state information is shown as (none). Since the status information was received in the subsequent three consecutive times, "1" is stored in the
このように、状態データベース32に状態情報が記憶されていない場合、その原因が、作業内容分析装置10側に問題があったからなのか、あるいは作業内容分析装置10以外に問題があったからなのか一切不明である。
In this way, when the state information is not stored in the
それに対して、本実施形態では、判定モジュール27によって、作業内容分析装置10が正常であると判定されたにも関わらず状態情報を取得できない場合、処理モジュール21によって、状態情報として、「0(ゼロ)」が、状態情報データベース32に記憶される。一方、判定モジュール21によって、作業内容分析装置10が正常ではないと判定された場合に、状態情報を取得できないときは、処理モジュール21によって、状態情報として「−1」が、状態情報データベース32に記憶される。なお、「0(ゼロ)」だけでなく、「NULL」等の文字列でも良い。
On the other hand, in the present embodiment, when the
図3Bは、本実施形態において状態情報データベースに記憶される状態情報(設備の稼働状態を示すセンシング情報)を時系列的に示す例である。 FIG. 3B is an example showing the state information (sensing information indicating the operating state of the equipment) stored in the state information database in the present embodiment in chronological order.
図3Bに示すように、本実施形態では、(無し)ということはなくなる。そして、図3Bを図3Aと比較すると、図3Aに示す最初の2つの(無し)は、図3Bでは「−1」と示されている。これは、作業内容分析装置10が正常ではないことにより状態情報を取得できなかった状態であることがわかる。また、図3Aに示す他の4つの(無し)は、図3Bでは「1」と示されている。これは、作業内容分析装置10が正常であるにも関わらず状態情報を取得できなかった状態であることがわかる。
As shown in FIG. 3B, in this embodiment, there is no such thing as (none). Then, comparing FIG. 3B with FIG. 3A, the first two (none) shown in FIG. 3A are shown as "-1" in FIG. 3B. It can be seen that this is a state in which the state information could not be acquired because the work
また、処理の別の例として、処理モジュール21は、複数の状態情報のうちの1つまたは複数の第1の状態情報に対して数学的な演算処理を行うことによって第2の状態情報を得る。そして、第1の状態情報と第2の状態情報とを、状態情報データベース32に記憶させる。このように、1つの状態情報から、別の状態情報を派生させることができる。
Further, as another example of processing, the
数学的な演算処理として、例えば、平均化や多数決を採用することができる。数学的な演算処理として平均化や多数決を採用した例として、位置情報を示すセンシング情報に適用した場合について以下に説明する。 For example, averaging and majority voting can be adopted as mathematical arithmetic processing. As an example of adopting averaging and majority voting as mathematical arithmetic processing, the case where it is applied to sensing information indicating position information will be described below.
図4Aは、位置情報としてエリア番号を示すセンシング情報の時系列的な変化の例を示す図である。 FIG. 4A is a diagram showing an example of time-series changes in sensing information indicating an area number as position information.
図4Aに示す例では、作業者100に取り付けられたセンサ110によって、毎秒検出された位置情報を示す10個のセンシング情報を時系列的に並べたものである。番号は、エリア番号を示している。すなわち、図4Aは、作業者100が10秒間の間に存在していたエリア番号を1秒毎に示している。この例によれば、作業者100は、最初の1秒間は、エリア1にいたものの、1秒後にエリア2に移動し、さらに1秒後にエリア1に戻り、その後も毎秒目まぐるしくエリア1、2,3間を移動していることが示されている。
In the example shown in FIG. 4A, ten sensing information indicating the position information detected per second by the
しかしながら、位置の検出においては、しばしば誤検出が発生することが知られている。また、現実的には、短時間の間に作業者100の位置が、瞬間移動的に3つのエリアの間を頻繁に移動するとは考えにくい。そのため、状態情報として、位置情報を示すセンシング情報を取り扱う場合には、生データをそのまま使用するのではなく、例えば10秒間のような任意の一定の期間内で、センシング情報を平均化したり、多数決を採るといった演算処理を施すことによって、状態情報を決定することが望ましい。
However, it is known that erroneous detection often occurs in position detection. Further, in reality, it is unlikely that the position of the
図4Bは、図4Aに示すセンシング情報に対して演算処理を施すことによって決定された状態情報の例を示す図である。 FIG. 4B is a diagram showing an example of state information determined by performing arithmetic processing on the sensing information shown in FIG. 4A.
図4Aの例に示す10秒間では、位置情報は、エリア1を示すことが6回と最も多い。したがって、1→2→1のような場合、前後のエリア1は、正しいと判断し、確定する。一方、中間のエリア2は、現実的ではなく、エリア1と考えることが妥当であろうから、1→1→1のように修正する。また、1→2→3→1のような場合、最初と最後のエリア1は正しいと判断し、確定する。すると、中間のエリア2、3も、現実的ではなく、エリア1と考えることが妥当であろうから、エリア1と見なして、1→1→1→1のように修正する。
In the 10 seconds shown in the example of FIG. 4A, the position information most often indicates the
このような演算処理によって、図4Aに示すような時系列を示すセンシング情報から、図4Bに示すような時系列の状態情報が得られる。 By such arithmetic processing, the time-series state information as shown in FIG. 4B can be obtained from the sensing information showing the time-series as shown in FIG. 4A.
なお、図示していないが、図4Aと同様に、位置情報は、エリア1を示すことが最も多い条件において、位置情報が1→2→2→1のような時系列を示す場合は、最初と最後のエリア1は正しいと判断し、確定するが、エリア1とエリア2とが近い場合、エリア1からエリア2に移動し、2秒間滞在してからエリア1に戻ることはあり得るので、そのまま1→2→2→1とすることができる。
Although not shown, as in FIG. 4A, when the position information indicates a time series such as 1 → 2 → 2 → 1 under the condition that the
再び図1に戻って説明するように、推定モジュール22は、状態情報データベース32に記憶された作業者100の状態情報のうち、同一時間に関連付けられた少なくとも2つの状態情報から、作業者100によってなされた作業内容を推定する。なお、本明細書において、作業内容としては、例えば、手作業や、台車を移動させる移動作業のような、有用作業や付帯作業のみならず、単なる歩行、その場での静止、および休憩のような非有用作業をも含むものとする。
As will be described by returning to FIG. 1, the
推定モジュール22は、例えば、作業者100(#1)の作業内容を推定する場合、状態情報データベース32に記憶された状態情報のうち、作業者100(#1)の作業者IDに関連付けられている状態情報を対象とする。さらに、状態情報に関連付けられている時間情報と、状態情報に関連付けられているセンサIDとに基づいて、同一時間に関連付けられた少なくとも2つの状態情報に着目し、作業者100(#1)によってなされた作業内容を推定する。なお、同一時間に関連付けられた少なくとも2つの状態情報は、本例における作業者100(#1)のように、1人の作業者の状態情報のみならず、本例における作業者100(#1)と、他の作業者100(#2)とのように、複数の作業者の状態情報とすることもできる。
For example, when the
少なくとも2つの状態情報が、1人の作業者(例えば、作業者100(#1))からの2つの状態情報である場合の例として、1人の作業者の位置センサからの位置情報と、加速度センサからの加速度情報である場合について説明する。この場合、位置情報が作業エリア内を示し、加速度情報が、所定値よりも大きな値(手作業のために手が動いている状態)を示すのであれば、推定モジュール22は、この作業者100(#1)の作業内容は手作業であると推定することができる。
As an example of the case where at least two state information is two state information from one worker (for example, worker 100 (# 1)), the position information from one worker's position sensor and the position information from one worker. The case where the acceleration information is from the acceleration sensor will be described. In this case, if the position information indicates the inside of the work area and the acceleration information indicates a value larger than a predetermined value (a state in which the hand is moving due to manual work), the
一方、位置情報がまったく変化せず、加速度情報も、所定値よりも大きな加速度を示さない状態(ほとんど手の動きのない状態)を示すのであれば、推定モジュール22は、この作業者100(#1)は静止している、すなわち、何も作業していないと推定することができる。この場合、さらに、時間情報を考慮することによって、それが作業者100(#1)の休憩時間内であれば、作業者100(#1)は休憩していると推定することができ、休憩時間内でなければ、作業者100(#1)は待ちの状態であると推定することもできる。
On the other hand, if the position information does not change at all and the acceleration information also shows a state in which the acceleration larger than the predetermined value is not shown (a state in which there is almost no movement of the hand), the
また、少なくとも2つの状態情報が、1人の作業者(例えば、作業者100(#1))からの2つの状態情報である場合の別の例として、位置情報が経時的に変化しており、加速度情報が変化しないのであれば、推定モジュール22は、この作業者100(#1)は移動中であったと推定することができる。しかしながら、これでは、作業者100(#1)は、例えば、台車を押すような作業による移動であったのか、あるいは作業ではなく、単に歩いていただけなのかを区別することができない。このような場合、推定モジュール22はさらに、状態情報として、マイクからの音にも着目し、台車の移動に伴い発生する音が検出されているか否かに応じて、作業者100(#1)が、台車の移動作業を行っていたのか、単に歩いていただけなのかを区別することができる。
Further, as another example in the case where at least two state information is two state information from one worker (for example, worker 100 (# 1)), the position information changes with time. If the acceleration information does not change, the
少なくとも2つの状態情報が、複数(例えば、作業者100(#1)と作業者100(#2)との2人)の作業者からの状態情報である場合の例として、作業者100(#1)の位置センサからの位置情報およびマイクからの音声情報と、作業者100(#2)の位置センサからの位置情報およびマイクからの音声情報である場合について説明する。この場合、作業者100(#1)の位置情報および作業者100(#2)の位置情報が同じ作業エリア内であることを示し、作業者100(#1)の音声情報と作業者100(#2)の音声情報より、作業者100(#1)と作業者100(#2)とが作業に関する会話をしているのであれば、推定モジュール22は、作業者100(#1)と作業者100(#2)とは、一緒に作業していたと推定することができ、さらに会話の内容に基づいて、作業内容を推定することができる。
As an example of the case where at least two state information is state information from a plurality of workers (for example, two workers, a worker 100 (# 1) and a worker 100 (# 2)), the worker 100 (#). The case where the position information from the position sensor and the voice information from the microphone of 1) and the position information from the position sensor of the worker 100 (# 2) and the voice information from the microphone will be described. In this case, it is shown that the position information of the worker 100 (# 1) and the position information of the worker 100 (# 2) are in the same work area, and the voice information of the worker 100 (# 1) and the worker 100 (# 1) are shown. From the voice information of # 2), if the worker 100 (# 1) and the worker 100 (# 2) are having a conversation about the work, the
少なくとも2つの状態情報が、複数(例えば、作業者100(#1)と作業者100(#2)との2人)の作業者からの状態情報である場合の別の例として、作業者100の位置情報と、作業者100の手が動作しているか否かを示す動き情報と、作業者100の周辺の設備の稼働状態を示す情報とのうちの少なくとも何れかとすることができる。
As another example when at least two state information is state information from a plurality of workers (for example, two workers 100 (# 1) and 100 (# 2)), the
位置情報と動き情報との2つのデータを使用することで、作業場所単位での作業内容を推定することが可能となる。 By using two types of data, position information and motion information, it is possible to estimate the work content for each work location.
位置情報と設備情報との2つのデータを使用することで、稼働状態に合わせた作業者100の行動を推定することが可能なる。
By using the two data of the position information and the equipment information, it is possible to estimate the behavior of the
動き情報と設備情報との2つのデータを使用することで、稼働状態に合わせた作業者100の作業を推定することが可能となる。
By using the two data of motion information and equipment information, it is possible to estimate the work of the
さらに、上記3ケースについて、複数人の作業者100からなるグループのデータを使用することでグループとしての作業を推定することも可能となる。
Further, for the above three cases, it is possible to estimate the work as a group by using the data of the group consisting of a plurality of
なお、上記は、単なる一例であり、推定モジュール22は、その他様々な状態情報の組合せから、様々な作業内容を推定することができる。そして、推定された作業内容を、対応する状態情報に関連付けて、状態情報データベース32に記憶する。
The above is just an example, and the
特定モジュール23は、状態情報データベース32に記憶された作業者100の状態情報と、状態情報に関連付けられた時間情報とから、推定モジュール22によって推定された作業内容に費やされた作業時間を特定する。例えば、推定モジュール22によって、手作業がなされていたと推定された場合、手作業の開始タイミングに対応する時間情報に対応する時刻から、手作業の終了タイミングに対応する時間情報に対応する時刻までの時間帯を、手作業に費やされた作業時間として特定する。そして、このように特定した作業時間を、対応する状態情報に関連付けて、状態情報データベース32に記憶する。
The
作業時間比較モジュール24は、推定モジュール22によって推定された作業内容について、特定モジュール23によって特定された作業時間と、基準時間データベース33に記憶されている基準時間とを比較する。この比較結果は、作業時間と、対応する基準時間との差分とすることができる。例えば、推定モジュール22によって作業内容として手作業が推定され、特定モジュール23によって、この手作業として特定された作業時間が30分であり、基準時間データベース33に、手作業の基準時間として33分が記憶されている場合、作業時間比較モジュール24は、この手作業は基準時間+3分という比較結果を得る。あるいは、比較結果は、差分ではなく、基準時間に対するパーセンテージ(この場合、基準時間+10%)とすることもできる。
The work
分析モジュール25は、作業時間比較モジュール24による比較結果や、状態情報データベース32および基準時間データベース33に記憶されている情報を使って、様々な観点から作業者100の作業内容を分析する。
The
表示制御モジュール26は、分析モジュール25によって行われた様々な分析結果を表すグラフ等を、表示部16から表示させたり、また、通信ネットワーク70を介して、外部端末130から表示させる。これらグラフとしては、例えば、作業時間比較モジュール24によって得られた作業時間の比較結果、特定モジュール23によって特定された時間帯に基づいて作成される作業実績図等が含まれる。
The
分析モジュール25によってなされる分析や、表示制御モジュール26によって表示される分析結果等の具体例については後述する。
Specific examples of the analysis performed by the
次に、以上のように構成した第1の実施形態の作業内容分析方法が適用された作業内容分析装置の動作例について説明する。 Next, an operation example of the work content analysis device to which the work content analysis method of the first embodiment configured as described above is applied will be described.
図5は、第1の実施形態の作業内容分析方法が適用された作業内容分析装置の動作例を示すフローチャートである。 FIG. 5 is a flowchart showing an operation example of the work content analysis device to which the work content analysis method of the first embodiment is applied.
作業者100の作業内容を分析するためには、各作業者100にセンサ110を取り付ける必要がある。各作業者100には、1種類に限らず、複数種類のセンサ110を取り付けることも可能である。
In order to analyze the work contents of the
これらセンサ110は、作業者100の動作を可視化するためのIoTデバイスであり、例えば、GPS機能やWiFi機能、ブルートゥース機能、あるいはビーコン125を介して、作業者100の位置を測定する位置センサ、作業者100の手の動きを検出する加速度センサ、作業者100の脈拍等のバイタル情報を測定するバイタルセンサ、作業者100の音声を検出するマイク、作業者100の周囲の音を検出する音センサ、作業者100の視線上の映像を撮像するカメラ等が挙げられるが、これらに限定されない。
These
また、作業者100の作業内容を分析するために、定点に設置されたカメラ115からの映像情報や設備116に取り付けられたセンサからのセンシング情報を用いることもできる。
Further, in order to analyze the work contents of the
各センサ110には、固有のセンサIDが付与されているとともに、取り付けられている作業者100の作業者IDも関連付けられている。カメラ115には、固有のセンサIDが付与されている。
A unique sensor ID is assigned to each
作業者100や設備116に取り付けられた各センサによって計測されたセンシング情報は、センサIDおよび作業者IDとともに、センサ110から通信ネットワーク70を介して作業内容分析装置10へ送信される。カメラ115によって計測されたセンシング情報である映像情報は、センサIDとともに、通信ネットワーク70を介して作業内容分析装置10へ送信される。(S1)。
The sensing information measured by each sensor attached to the
作業内容分析装置10へ送信されたこれらセンシング情報は、センサIDや、存在する場合には作業者IDとともに通信部15によって受信され、通信部15から処理モジュール21へ送られる。処理モジュール21では、センシング情報に対して処理が必要か否かが判定される(S2)。
These sensing information transmitted to the work
そして、処理が必要なセンシング情報の場合(S2:Yes)、処理モジュール21において、センシング情報に対して必要な処理が行われ、センシング情報から状態情報が取得される(S3)。
Then, in the case of the sensing information that needs to be processed (S2: Yes), the
ステップS2において、処理が必要なセンシング情報の例としては、カメラ115からの映像情報がある。この映像情報に対する処理としては、処理モジュール21において、例えばAI技術によって、この映像情報から、撮像されている作業者100が特定され、作業者100の作業者IDが特定され、特定された作業者100の動き情報および位置情報が検出され、検出された動き情報および位置情報が、状態情報とされる。
As an example of the sensing information that needs to be processed in step S2, there is video information from the
このように、映像情報を処理する場合、処理モジュール21は特に映像処理モジュールとして機能することができる。
In this way, when processing video information, the
また、処理モジュール21では、加速度センサからのセンシング情報に対しても、例えばAI技術を使って処理や加工等を行うこともできる。なお、処理モジュール21によって処理を必要とされるセンシング情報は、これらに限定されない。
Further, in the
この状態情報は、センサID、作業者IDとともに、処理モジュール21から、状態情報データベース32へ送られる(S4)。
This state information is sent from the
処理が必要なセンシング情報の例としては、カメラ115からの映像情報や、加速度センサからのセンシング情報がある。
Examples of sensing information that needs to be processed include video information from the
カメラ115からの映像情報に対する処理が行われる場合、処理モジュール21は、映像処理モジュールとして機能する。そして、処理モジュール21では、例えばAI技術によって、この映像情報から、撮像されている作業者100が特定され、作業者100の作業者IDが特定され、特定された作業者100の動き情報および位置情報が検出され、検出された動き情報および位置情報が、状態情報とされる。
When processing the video information from the
また、加速度センサからのセンシング情報に対する処理が行われる場合、処理モジュール21では、例えばAI技術が適用されたた処理や加工等が行われることによって、状態情報が取得される。
Further, when the processing for the sensing information from the acceleration sensor is performed, the
一方、処理が必要ではないセンシング情報の場合(S2:No)、処理モジュール21では、センシング情報に対する処理は行われず、センシング情報は、状態情報として、センサID、作業者IDとともに、状態情報データベース32へ送られる(S5)。
On the other hand, in the case of sensing information that does not require processing (S2: No), the
状態情報データベース32では、ステップS4およびステップS5において送られた状態情報、センサID、および作業者IDが、時間情報に関連付けて記憶される(S6)。
In the
なお、判定モジュール27は、CPU12や通信部15の動作監視を常時行い、作業内容分析装置10が正常に動作しているか否かを常に判定している。これに応じて、判定モジュール27によって、作業内容分析装置10が正常に動作していると判定されたにも関わらず、状態情報を取得できない場合、処理モジュール21によって、状態情報として「0」が状態情報データベース32に記憶される一方、判定モジュール27によって、作業内容分析装置10が正常に動作していないと判定された場合に状態情報を取得できないときは、図3Bに例示されるように、処理モジュール21によって、状態情報として「−1」が状態情報データベース32に記憶される。
The
さらに、図4Aおよび図4Bを用いて説明したように、必要に応じて、処理モジュール21によって演算処理がなされ、状態情報が決定される。
Further, as described with reference to FIGS. 4A and 4B, if necessary, the
その後、推定モジュール22では、状態情報データベース32に記憶された作業者100の状態情報のうち、同一時間に関連付けられた少なくとも2つの状態情報から、作業者100によってなされた作業内容が推定される(S7)。推定結果は、対応する状態情報に関連付けられて、状態情報データベース32に記憶される。
After that, in the
特定モジュール23では、状態情報データベース32に記憶された作業者100の状態情報と、状態情報に関連付けられた時間情報とから、推定モジュール22によって推定された作業内容に費やされた作業時間が特定される(S8)。
In the
作業時間比較モジュール24では、推定モジュール22によって推定された作業内容について、特定モジュール23によって特定された作業時間と、基準時間データベース33に記憶されている基準時間とが比較される(S9)。この比較の結果は、作業時間と、対応する基準時間との差分、または作業時間の基準時間に対する割合(パーセンテージ)とすることができる。例えば、推定モジュール22によって作業内容として手作業が推定され、特定モジュール23によって、この手作業として特定された作業時間が30分であり、基準時間データベース33に、手作業の基準時間として33分が記憶されている場合、作業時間比較モジュール24によって、この手作業は基準時間+3分、あるいは基準時間+10%という比較結果が得られる。
In the work
分析モジュール25では、この比較結果や、状態情報データベース32および基準時間データベース33に記憶されている情報を使って、様々な観点から作業者100の作業内容が分析される(S10)。
In the
分析モジュール25によって行われた様々な分析の結果は、例えばグラフの形式で表示制御モジュール26によって表示部16から、および/または外部端末130から表示される(S11)。これらグラフとしては、例えば、作業時間比較モジュール24によって得られた作業時間の比較結果や、特定モジュール23によって特定された時間帯に基づいて作成される作業実績図のみならず、次に説明するようなグラフィック表示も含まれる。
The results of various analyzes performed by the
図6は、作業内容毎に要した時間を示すグラフィック表示例である。 FIG. 6 is a graphic display example showing the time required for each work content.
ここでは、例として、基準時間データベース33には、主作業、付帯作業、およびその他の作業の各基準時間(主作業150分、付帯作業90分、その他60分)が記憶されているとする。
Here, as an example, it is assumed that the
また、状態情報データベース32には、作業者100の状態情報に、推定モジュール22によって推定された作業内容(主作業、付帯作業、その他)と、特定モジュール23によって特定された各作業内容の作業時間(120分、150分、120分)とが関連付けて記憶されているとする。
Further, in the
図6(a)には、各作業内容の累積時間(分)が基準時間と実績時間とに分けて表示されている。 In FIG. 6A, the cumulative time (minutes) of each work content is displayed separately for the reference time and the actual time.
前述したように、基準時間データベース33には、主作業、付帯作業、およびその他の基準時間として、150分、90分、および60分が記憶されているので、分析モジュール25が、基準時間データベース33を参照することによって、基準時間グラフa1に示すように、作業内容別に基準時間が累積されたグラフが作成される。
As described above, the
同様に、状態情報データベース32には、ある作業者100の状態情報に、作業内容(主作業、付帯作業、その他)と、各作業内容の作業時間(120分、150分、120分)とが関連付けて記憶されているので、分析モジュール25が、状態情報データベース32を参照することによって、実績時間グラフa2に示すように、作業者100について作業内容別に作業時間が累積されたグラフが作成される。また、実績時間グラフa2の各作業内容の横には、基準時間グラフa1の同一作業内容との差分時間(分)が示されている。
Similarly, in the
この例によれば、作業者100は、主作業については基準時間よりも実績時間が30分短く、付帯作業については基準時間よりも実績時間が60分長く、その他については基準時間よりも実績時間が90分長いことが示されている。
According to this example, the
一方、図6(b)には、各作業内容の時間割合がパーセント表示されている。 On the other hand, in FIG. 6B, the time ratio of each work content is displayed as a percentage.
基準時間グラフb1は、基準時間グラフa1を、実績時間グラフb2は、実績時間グラフa2を、それぞれ全時間を100%として、各作業内容の時間割合をパーセント表示したものである。 The reference time graph b1 is a reference time graph a1, and the actual time graph b2 is an actual time graph a2. The total time is 100%, and the time ratio of each work content is displayed as a percentage.
このような図6(a)および図6(b)のグラフィック表示から、実績時間は、基準時間と比較して主作業については短時間しかなされておらず、作業全体に対する割合も低く、逆に、付帯作業やその他については、基準時間よりも長くなっていることのみならず、作業全体に対する割合も基準時間よりも高くなっていることがわかる。したがって、作業効率を高めるためには、主作業にかける時間をもっと増やし、付帯作業およびその他に費やす時間をもっと短時間で済ませるようにすればよいと、具体的な対応策を明確化することが可能となる。 From the graphic display of FIGS. 6 (a) and 6 (b), the actual time is only a short time for the main work as compared with the reference time, and the ratio to the whole work is low, and conversely. It can be seen that not only the incidental work and others are longer than the standard time, but also the ratio to the total work is higher than the standard time. Therefore, in order to improve work efficiency, it is necessary to clarify specific countermeasures, such as spending more time on the main work and spending less time on incidental work and others. It will be possible.
このようなグラフィック表示によって、作業内容が可視化され、作業に内在する隠れた無駄を特定することができる。これによって、作業効率向上のための具体的な改善点が明確になるので、改善案を効率的に策定することが可能となる。 With such a graphic display, the work content can be visualized and the hidden waste inherent in the work can be identified. As a result, specific points for improvement for improving work efficiency are clarified, and it becomes possible to efficiently formulate improvement plans.
さらには、この改善効果によって、生産性が向上すれば、生産コストや調達コストの抑制にもつながるので、費用削減効果も期待できる。 Furthermore, if productivity is improved by this improvement effect, it will lead to reduction of production cost and procurement cost, so cost reduction effect can be expected.
図7は、業務改善の流れを説明するためのフローチャートである。 FIG. 7 is a flowchart for explaining the flow of business improvement.
上述したように、第1の実施形態の作業内容分析方法が適用された作業内容分析装置によれば、図7のフローチャートに示すように、作業者100や設備116に取り付けられたセンサ110や、定点に設置されたカメラ115(S21)からのセンシング情報を取得することによって、作業に関する様々な状態情報を収集し(S22)、状態情報データベース32に蓄積し(S23)、種々の分析を行い(S24)、この分析の結果により、作業内容が可視化され、作業に内在する隠れた無駄が特定されるので、生産性を向上させるための具体的かつ効果的な改善案を立案することが可能となる(S25)。
As described above, according to the work content analysis device to which the work content analysis method of the first embodiment is applied, as shown in the flowchart of FIG. 7, the
このように、作業内容分析装置10は、センシング情報の取得のための要員を要することなく、また、工場側の設備に対する改造を要することもなく、作業内容を分析することができる。
As described above, the work
そして、改善案の実施(S26)によって、効果として、生産性の向上が測定されれば(S27)、生産コストや調達コストの抑制にもつながるので、費用削減効果も期待できる。 If the improvement of productivity is measured as an effect by implementing the improvement plan (S26) (S27), the production cost and the procurement cost can be suppressed, so that the cost reduction effect can be expected.
(第2の実施形態)
第2の実施形態の作業内容分析方法が適用された作業内容分析装置について説明する。
(Second embodiment)
The work content analysis device to which the work content analysis method of the second embodiment is applied will be described.
作業者個人の作業内容分析は、個人攻撃に陥る恐れもある。そして、その場合、個人は生産意欲を失い、作業内容分析結果が素直に受け入れられることは難しく、生産性向上につながりにくいという懸念もある。 Analyzing the work content of individual workers may lead to personal attacks. In that case, the individual loses motivation for production, it is difficult for the work content analysis result to be accepted obediently, and there is a concern that it is difficult to improve productivity.
一方、個人の評価ではなく、グループとしての評価であれば、個人攻撃になることはないので、作業内容分析結果は受け入れられ易くなる。これによって、グループ内での協調意識も高まり、もって、生産性向上につながることも期待できる。 On the other hand, if it is an evaluation as a group rather than an individual evaluation, it will not be an individual attack, so the work content analysis result will be easily accepted. This will increase the sense of cooperation within the group, which can be expected to lead to improved productivity.
グループには、作業チームとして編成された複数の作業者が含まれる場合、検査作業や組み立て作業など、同一作業を実施する複数の作業者が含まれる場合、班長や検査担当など、役割によって区別された複数の作業者が含まれる場合などがある。 When a group includes multiple workers organized as a work team, when it includes multiple workers who perform the same work such as inspection work and assembly work, it is distinguished by roles such as team leader and inspector. In some cases, multiple workers may be included.
このため、第2の実施形態の作業内容分析方法が適用された作業内容分析装置は、作業内容分析を、例えば作業チームのようなグループ単位で行うものとする。 Therefore, the work content analysis device to which the work content analysis method of the second embodiment is applied performs the work content analysis in a group unit such as a work team.
したがって、本実施形態では、各作業者は、あらかじめ分類された何れかのグループに属しており、第1の実施形態とは異なり、作業内容分析を、作業者単位に行うのではなく、グループ単位で行う。 Therefore, in the present embodiment, each worker belongs to any of the pre-classified groups, and unlike the first embodiment, the work content analysis is not performed on a worker-by-worker basis, but on a group-by-group basis. Do it at.
このような第2の実施形態の作業内容分析方法が適用された作業内容分析装置の構成は、図1を用いて説明できるので、以下では、図1を参照しながら、重複説明をすることなく、第1の実施形態と異なる点について説明する。 The configuration of the work content analysis device to which the work content analysis method of the second embodiment is applied can be described with reference to FIG. 1, and therefore, in the following, with reference to FIG. 1, no duplicate explanation will be given. , Differences from the first embodiment will be described.
本実施形態では、各作業者100は、いずれかのグループに分類されている。グループは、例えば、ともに作業を実施する作業グループとすることができる。
In this embodiment, each
これに応じて、各作業者100の作業者IDは、作業者100を識別する識別情報のみならず、作業者100が属するグループを指定するグループ情報も含んでいる。例えば、グループ情報として、グループにあらかじめ付与されたグループ番号とした場合、作業者IDを、社員番号とグループ番号を直列的に結合した数字情報とすることができる。
Correspondingly, the worker ID of each
したがって、作業者データベース31は、作業者を特定する識別情報と、作業者が属するグループを指定する識別情報とを含む作業者IDを、作業者100毎に記憶している。同様に、状態情報データベース32に、時間情報とともに記憶される状態情報も、このような作業者IDに関連付けられて記憶される。
Therefore, the
推定モジュール22は、状態情報データベース32に記憶された、同一のグループに属する複数の作業者100の状態情報のうち、同一時間に関連付けられた少なくとも2つの状態情報から、当該グループによってなされた作業内容を推定する。
The
例えば、少なくとも2つの状態情報が、同一のグループに属する2人の作業者100(#1)、100(#2)からの状態情報である場合の例として、作業者100(#1)の位置センサからの位置情報およびマイクからの音声情報と、作業者100(#2)の位置センサからの位置情報およびマイクからの音声情報である場合について説明する。この場合、作業者100(#1)の位置情報および作業者100(#2)の位置情報がともに作業エリア内であることを示し、作業者100(#1)の音声情報と作業者100(#2)の音声情報より、作業者100(#1)と作業者100(#2)とが作業に関する会話をしているのであれば、推定モジュール22は、当該グループは、作業中であったと推定することができ、さらに会話の内容に基づいて、作業内容を推定することができる。
For example, as an example in the case where at least two state information is state information from two workers 100 (# 1) and 100 (# 2) belonging to the same group, the position of the worker 100 (# 1). The case where the position information from the sensor and the voice information from the microphone, the position information from the position sensor of the worker 100 (# 2), and the voice information from the microphone will be described. In this case, it is shown that the position information of the worker 100 (# 1) and the position information of the worker 100 (# 2) are both within the work area, and the voice information of the worker 100 (# 1) and the worker 100 (# 1) are shown. From the voice information of # 2), if the worker 100 (# 1) and the worker 100 (# 2) are having a conversation about the work, the
なお、上記は、単なる一例であり、推定モジュール22は、同一のグループに属する複数の作業者からのその他様々な状態情報の組合せから、当該グループによってなされた様々な作業内容を推定することができる。そして、推定結果を、対応する作業者100の状態情報に関連付けて、状態情報データベース32に記憶する。
The above is just an example, and the
特定モジュール23は、状態情報データベース32に記憶された同一のグループに属する複数の作業者100の状態情報から、推定モジュール22によって推定された作業内容に対応する作業時間を特定する。例えば、推定モジュール22によって、当該グループにおいて手作業がなされていたと推定された場合、手作業の開始タイミングに対応する時間情報に対応する時刻から、手作業の終了タイミングに対応する時間情報に対応する時刻までの時間帯を、手作業に費やされた作業時間として特定する。そして、このように特定した作業時間を、対応する作業者100の状態情報に関連付けて、状態情報データベース32に記憶する。
The
作業時間比較モジュール24は、第1の実施形態と同様に、推定モジュール22によって推定された作業内容について、特定モジュール23によって特定された作業時間と、基準時間データベース33に記憶されている基準時間とを比較する。
Similar to the first embodiment, the work
分析モジュール25は、推定モジュール22によって推定された作業内容と、特定モジュール23によって特定された作業時間とに基づいて、当該グループの作業内容を分析する。あるいは、推定モジュール22によって推定された作業内容と、特定モジュール23によって特定された作業時間とに基づいて、当該グループに属する各作業者100の作業内容を分析し、さらに、この結果に基づいて、グループ全体としての作業内容を分析する。
The
次に、以上のように構成した第2の実施形態の作業内容分析方法が適用された作業内容分析装置の動作例について説明する。 Next, an operation example of the work content analysis device to which the work content analysis method of the second embodiment configured as described above is applied will be described.
図8は、第2の実施形態の作業内容分析方法が適用された作業内容分析装置の動作例を示すフローチャートである。 FIG. 8 is a flowchart showing an operation example of the work content analysis device to which the work content analysis method of the second embodiment is applied.
図8では、図5と同一の処理については、同じステップ番号を付し、重複説明を避け、異なる内容について説明する。 In FIG. 8, the same processes as those in FIG. 5 are given the same step numbers, duplicate explanations are avoided, and different contents are described.
各作業者100には、第1の実施形態と同様に、1種類または複数種類のセンサ110が取り付けられている。また、第1の実施形態と同様に、定点にカメラ115が設置されている。
As in the first embodiment, one type or a plurality of types of
各センサ110には、センサIDが付与され、作業者IDが関連付けられているが、作業者IDには、作業者100の識別情報のみならず、作業者100が属するグループの識別番号も含まれている。
A sensor ID is assigned to each
したがって、以下では、図5の説明において、作業者IDには、作業者100の識別情報のみならず、作業者100が属するグループの識別番号も含まれているものとする。
Therefore, in the following, in the description of FIG. 5, it is assumed that the worker ID includes not only the identification information of the
推定モジュール22では、状態情報データベース32に記憶された、同一のグループに属する複数の作業者100の状態情報のうち、同一時間に関連付けられた少なくとも2つの状態情報から、当該グループによってなされた作業内容が推定される(S7a)。
In the
特定モジュール23では、状態情報データベース32に記憶された同一のグループに属する複数の作業者100の状態情報から、推定モジュール22によって推定された作業内容に費やされた作業時間が特定される(S8a)。
In the
作業時間比較モジュール24では、第1の実施形態と同様に、推定モジュール22によって推定された作業内容について、特定モジュール23によって特定された作業時間と、基準時間データベース33に記憶されている基準時間とが比較される(S9a)。
In the work
分析モジュール25では、推定モジュール22によって推定された作業内容と、特定モジュール23によって特定された作業時間とに基づいて、当該グループの作業内容が分析される。あるいは、推定モジュール22によって推定された作業内容と、特定モジュール23によって特定された作業時間とに基づいて、当該グループに属する各作業者100の作業内容が分析され、さらに、この結果に基づいて、グループ全体としての作業内容が分析される(S10a)。
In the
この分析は、第1の実施形態と同様に、状態情報データベース32および基準時間データベース33に記憶されている情報を使って、様々な観点から実施することも可能である。
Similar to the first embodiment, this analysis can be performed from various viewpoints by using the information stored in the
当該グループについて、分析モジュール25によって行われた様々な分析結果を表すグラフが、表示制御モジュール26によって、表示部16や外部端末130から表示される(S11a)。
Graphs showing various analysis results performed by the
以下に、分析モジュール25による分析結果に基づいて、表示部16および/または外部端末130から表示されるグラフィック表示の例を紹介する。
The following is an example of a graphic display displayed from the
図9は、グループ内の全作業者による工場内のエリア毎の立ち入り頻度および立ち入り時間長さを示すグラフィック表示例である。 FIG. 9 is a graphic display example showing the entry frequency and the entry time length for each area in the factory by all the workers in the group.
図9(a)は、手作業のために1日(あるいは、1週間)に各エリアA〜J別に作業者100が滞在していた累積時間を示している。図9(a)において、縦軸は累積時間を表し、横軸はエリアを表す。
FIG. 9A shows the cumulative time during which the
図9(a)によれば、エリアDには、手作業のために当該グループに属する作業者が累積して6時間15分滞在していたことが分かる。さらに、図9(b)によれば、6時間15分の内訳として、作業者Xが3時間33分、作業者Yが1時間24分、作業者Zが1時間18分であったことが分かる。 According to FIG. 9A, it can be seen that the workers belonging to the group have accumulated 6 hours and 15 minutes in the area D due to manual work. Further, according to FIG. 9B, the breakdown of 6 hours and 15 minutes was 3 hours and 33 minutes for the worker X, 1 hour and 24 minutes for the worker Y, and 1 hour and 18 minutes for the worker Z. I understand.
図9(c)は、図9(a)に示す全エリアの累積時間の総和に対する各エリア毎の滞在時間割合(エリア集中度)に基づいて3分類した結果を示している。図9(c)において、各エリアは、工場内の実際のレイアウトにしたがう位置関係にしたがって模式的に表示されている。図9(c)の例によれば、手作業のためにエリア集中度が21%以上であるのはエリアDのみであり、エリア集中度が4%以下であるのはエリアIのみであり、他のエリアはエリア集中度が5〜20%であることがわかる。 FIG. 9 (c) shows the results of three classifications based on the ratio of staying time (area concentration ratio) for each area to the total cumulative time of all areas shown in FIG. 9 (a). In FIG. 9C, each area is schematically displayed according to the positional relationship according to the actual layout in the factory. According to the example of FIG. 9 (c), only area D has an area concentration ratio of 21% or more due to manual work, and only area I has an area concentration ratio of 4% or less. It can be seen that the other areas have an area concentration ratio of 5 to 20%.
また、図9(a)の凡例に示されているように、手作業のみならず、台車作業、歩行、静止など、作業者100の各作業内容に応じて、図9のような表示を行うことも可能である。
Further, as shown in the legend of FIG. 9A, not only manual work but also display as shown in FIG. 9 is performed according to each work content of the
このような表示によれば、どの作業の時に、どのエリアに作業者が集中する/しないか、どの担当者の負担が大きい/小さいかといったグループ全体での現場での行動実態を可視化することができる。 According to such a display, it is possible to visualize the actual behavior of the entire group, such as which area the worker concentrates on / does not concentrate at which work, and which person in charge has a heavy / small burden. can.
図10に、熟練度の高い人と低い人との作業実績比較の別の例を示す。 FIG. 10 shows another example of comparing work performance between a person with a high skill level and a person with a low skill level.
図10は、作業時間実績を、作業内容別に内訳表示したグラフィック表示例である。 FIG. 10 is a graphic display example in which the actual work time is displayed in detail according to the work content.
作業内容としては、この例では、主作業、付帯作業、その他に分類されている。 In this example, the work contents are classified into main work, incidental work, and others.
図10(a)は、縦軸が累積時間を表し、図10(b)は、縦軸が時間割合(%)を表す。 In FIG. 10A, the vertical axis represents the cumulative time, and in FIG. 10B, the vertical axis represents the time ratio (%).
例えば経験者のように熟練度の高い人と、例えば初心者のように熟練度の低い人との作業時間実績の比較である図10(a)および図10(b)によれば、経験者である作業者Xに対して、初心者である作業者Yは、総労働時間が長く、主作業の割合が低く、付帯作業と、その他作業の割合が多くなっていることが分かる。したがって、初心者の作業効率向上のための要改善項目は、付帯作業や、その他作業の割合を減らし、主作業の割合を高めることによって、総労働時間の短縮化を図ることであると具体的に明確化することができる。 For example, according to FIGS. 10 (a) and 10 (b), which are comparisons of actual working hours between a person with a high degree of skill such as an experienced person and a person with a low skill level such as a beginner, the experienced person It can be seen that the worker Y, who is a beginner, has a long total working time, a low ratio of main work, and a large ratio of incidental work and other work with respect to a certain worker X. Therefore, the items that need improvement to improve the work efficiency of beginners are to reduce the ratio of incidental work and other work and increase the ratio of main work to shorten the total working hours. Can be clarified.
上述したように、第2の実施形態の作業内容分析方法が適用された作業内容分析装置によれば、第1の実施形態において作業者個人別に対してなされている作業内容分析を、グループ単位で実施することができる。 As described above, according to the work content analysis device to which the work content analysis method of the second embodiment is applied, the work content analysis performed for each worker in the first embodiment can be performed on a group basis. Can be carried out.
これによって、作業者個人は批判されることはなくなるので、各作業者は、分析結果や、分析結果から得られる要改善項目を、受け入れ易くなる。これにより、各作業者は、必然的に、自ら積極的に業務改善に取り組むようになり、グループ内の協調意識も醸成も期待できる。これによって、例えば、グループ内でのコミュニケーションが増したり、作業手順や、レイアウトの変更など、必要な業務改善に対しても、積極的に取り組むようになるなど、グループの活性化を期待することができる。 As a result, the individual worker is not criticized, and each worker can easily accept the analysis result and the items requiring improvement obtained from the analysis result. As a result, each worker will inevitably actively work on business improvement by himself / herself, and it can be expected that a sense of cooperation and fostering within the group will be fostered. As a result, we can expect the group to become more active, for example, by increasing communication within the group and actively working on necessary business improvements such as work procedure and layout changes. can.
そして、最終的には、生産性の向上、生産コストや調達コストの抑制といった費用削減効果につながることが大いに期待できる。 Ultimately, it can be expected to lead to cost reduction effects such as improvement of productivity and reduction of production cost and procurement cost.
なお、上記では、作業効率改善のために、経験者の作業時間や、作業時間内訳に着目することについて説明したが、その他にも、経験者の移動場所(例えば、経験者は、その場所に行ったが、初心者は行かなかった)や移動経路(経験者は、この経路で移動したが、初心者は、別の経路で移動した)に着目して、作業効率改善に活用することもできる。 In the above, in order to improve work efficiency, it was explained that the work time of the experienced person and the breakdown of the work time are focused on. It can be used to improve work efficiency by focusing on the movement route (experienced people moved on this route, but beginners moved on another route) and the movement route (experienced people moved on this route, but beginners did not go).
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。 Although some embodiments of the present invention have been described, these embodiments are presented as examples and are not intended to limit the scope of the invention. These embodiments can be implemented in various other embodiments, and various omissions, replacements, and changes can be made without departing from the gist of the invention. These embodiments and variations thereof are included in the scope of the invention described in the claims and the equivalent scope thereof, as are included in the scope and gist of the invention.
10・・作業内容分析装置、11・・バス、13・・外部記録媒体、14・・記録媒体読取部、15・・通信部、16・・表示部、20・・メモリ、21・・処理モジュール、22・・推定モジュール、23・・特定モジュール、24・・作業時間比較モジュール、25・・分析モジュール、26・・表示制御モジュール、27・・判定モジュール、29・・書込可能データエリア、30・・記憶装置、31・・作業者データベース、32・・行動情報データベース、33・・基準時間データベース、70・・通信ネットワーク、100・・作業者、110・・センサ、115・・カメラ、116・・設備、120・・マイクロコントローラ、125・・ビーコン、130・・外部端末、1101・・バス、1102・・CPU、1103・・センシング部、1104・・送信部、1105・・受信部、1110・・メモリ、1111・・通信判定モジュール、1120・・記憶装置、1121・・センシング情報データベース
10 ... Work content analyzer, 11 ... Bus, 13 ... External recording medium, 14 ... Recording medium reading unit, 15 ... Communication unit, 16 ... Display unit, 20 ... Memory, 21 ... Processing module , 22 ... estimation module, 23 ... specific module, 24 ... work time comparison module, 25 ... analysis module, 26 ... display control module, 27 ... judgment module, 29 ... writable data area, 30・ ・ Storage device, 31 ・ ・ Worker database, 32 ・ ・ Behavior information database, 33 ・ ・ Reference time database, 70 ・ ・ Communication network, 100 ・ ・ Worker, 110 ・ ・ Sensor, 115 ・ ・ Camera, 116 ・・ Equipment, 120 ・ ・ Microcontroller, 125 ・ ・ Beacon, 130 ・ ・ External terminal 1101 ・ ・
Claims (22)
1人または複数の前記作業者の状態を表す状態情報を、時間情報および前記作業者の識別情報に関連付けて記憶する第1のデータベースであって、前記状態情報は、前記作業者の位置情報と、前記作業者の手が動作しているか否かを示す動き情報と、前記作業者の周辺の設備の稼働状態を示す情報とのうちの少なくとも何れかを含む、第1のデータベースと、
前記第1のデータベースに記憶された状態情報のうち、同一時間に関連付けられた少なくとも2つの状態情報から、前記作業者によってなされた作業内容を推定する推定部と、
前記第1のデータベースに記憶された前記状態情報と、前記状態情報に関連付けられた時間情報とから、前記推定された作業内容に費やされた作業時間を特定する特定部と、
前記推定された作業内容と、前記特定された作業時間とに基づいて、前記作業内容を分析する分析部とを備えた、作業内容分析装置。 It is a work content analysis device that analyzes the work content of the worker based on the state of the worker.
A first database that stores state information representing the state of one or more workers in association with time information and identification information of the worker, and the state information is the position information of the worker. A first database containing at least one of motion information indicating whether or not the worker's hand is operating and information indicating the operating state of equipment around the worker.
Of the state information stored in the first database, an estimation unit that estimates the work content performed by the worker from at least two state information associated with the same time, and an estimation unit.
A specific unit that specifies the work time spent on the estimated work content from the state information stored in the first database and the time information associated with the state information.
A work content analysis device including an analysis unit that analyzes the work content based on the estimated work content and the specified work time.
前記状態情報を取得できない場合、前記判定部によって、前記作業内容分析装置が正常であると判定されたのであれば、前記状態情報として第1の固定データを、前記判定部によって、前記作業内容分析装置が正常ではないと判定されたのであれば、前記状態情報として第2の固定データを、前記第1のデータベースに記憶させる処理部をさらに備えた、請求項1に記載の作業内容分析装置。 A determination unit for determining whether or not the work content analyzer is operating normally, and a determination unit.
When the state information cannot be acquired, if the determination unit determines that the work content analysis device is normal, the first fixed data is used as the state information, and the determination unit analyzes the work content. The work content analysis device according to claim 1, further comprising a processing unit for storing second fixed data as the state information in the first database if it is determined that the device is not normal.
前記推定された作業内容について、前記特定された作業時間と、対応する前記基準時間とを比較する作業時間比較部とをさらに備えた、請求項1に記載の作業内容分析装置。 A second database that stores a predetermined reference time for each work content,
The work content analysis device according to claim 1, further comprising a work time comparison unit for comparing the specified work time with the corresponding reference time for the estimated work content.
前記表示制御部は、前記特定された時間帯に基づいて、時間軸上に前記作業内容が表示された作業実績図を、前記分析結果として表示させる、請求項10に記載の作業内容分析装置。 The specific unit further identifies a time zone corresponding to the estimated work content from the state information stored in the first database.
The work content analysis device according to claim 10, wherein the display control unit displays a work performance diagram in which the work content is displayed on a time axis based on the specified time zone as the analysis result.
前記識別情報は、前記作業者が属するグループを指定するグループ情報を含み、
前記推定部は、前記第1のデータベースに記憶された同一のグループに属する作業者の状態情報のうち、同一時間に関連付けられた少なくとも2つの状態情報から、前記グループによってなされた作業内容を推定し、
前記特定部は、前記第1のデータベースに記憶された同一のグループに属する作業者の状態情報から、前記推定された作業内容に費やされた作業時間を特定し、
前記分析部は、前記推定された作業内容と、前記特定された作業時間とに基づいて、前記グループの作業内容を分析する、請求項1に記載の作業内容分析装置。 The worker belongs to one of the pre-classified groups and
The identification information includes group information that specifies the group to which the worker belongs.
The estimation unit estimates the work content performed by the group from at least two state information associated with the same time among the state information of the workers belonging to the same group stored in the first database. ,
The specific unit identifies the work time spent on the estimated work content from the state information of the workers belonging to the same group stored in the first database.
The work content analysis device according to claim 1, wherein the analysis unit analyzes the work content of the group based on the estimated work content and the specified work time.
前記作業内容分析装置は、
1人または複数の前記作業者の状態を表す状態情報を、時間情報および前記作業者の識別情報に関連付けてデータベースに記憶することであって、前記状態情報は、前記作業者の位置情報と、前記作業者の手が動作しているか否かを示す動き情報と、前記作業者の周辺の設備の稼働状態を示す情報とのうちの少なくとも何れかを含む、データベースに記憶することと、
前記データベースに記憶された状態情報のうち、同一時間に関連付けられた少なくとも2つの状態情報から、前記作業者によってなされた作業内容を推定することと、
前記データベースに記憶された前記状態情報と、前記状態情報に関連付けられた時間情報とから、前記推定された作業内容に費やされた作業時間を特定することと、
前記推定された作業内容と、前記特定された作業時間とに基づいて、前記作業内容を分析することとを行う、作業内容分析方法。 It is a work content analysis method performed by a work content analysis device in order to analyze the work content of a worker based on the state of the worker.
The work content analyzer is
The state information representing the state of one or more of the workers is stored in the database in association with the time information and the identification information of the worker, and the state information includes the position information of the worker and the position information of the worker. Storage in a database containing at least one of motion information indicating whether or not the worker's hand is operating and information indicating the operating status of equipment around the worker.
Estimating the work content performed by the worker from at least two state information associated with the same time among the state information stored in the database.
Identifying the work time spent on the estimated work content from the state information stored in the database and the time information associated with the state information.
A work content analysis method for analyzing the work content based on the estimated work content and the specified work time.
1人または複数の前記作業者の状態を表す状態情報を、時間情報および前記作業者の識別情報に関連付けてデータベースに記憶する機能であって、前記状態情報は、前記作業者の位置情報と、前記作業者の手が動作しているか否かを示す動き情報と、前記作業者の周辺の設備の稼働状態を示す情報とのうちの少なくとも何れかを含む、記憶する機能と、
前記データベースに記憶された状態情報のうち、同一時間に関連付けられた少なくとも2つの状態情報から、前記作業者によってなされた作業内容を推定する機能、
前記データベースに記憶された前記状態情報と、前記状態情報に関連付けられた時間情報とから、前記推定された作業内容に費やされた作業時間を特定する機能、
前記推定された作業内容と、前記特定された作業時間とに基づいて、前記作業内容を分析する機能、をコンピュータに実現させるためのプログラム。 It is a program for analyzing the work contents of the worker based on the state of the worker.
It is a function of storing state information representing the state of one or more workers in a database in association with time information and identification information of the worker, and the state information includes the position information of the worker and the position information of the worker. A function for storing a function including at least one of motion information indicating whether or not the worker's hand is operating and information indicating the operating state of equipment around the worker.
A function of estimating the work content performed by the worker from at least two state information associated with the same time among the state information stored in the database.
A function of specifying the work time spent on the estimated work content from the state information stored in the database and the time information associated with the state information.
A program for realizing a function of analyzing the work content on a computer based on the estimated work content and the specified work time.
前記作業者の状態情報を取得するセンシング部と、
前記取得された状態情報を記憶する状態情報データベースと、
前記作業内容分析装置との通信が可能であるか否かを判定する通信判定部と、
前記通信判定部によって通信が可能であると判定された場合、前記状態情報データベースに記憶されている状態情報を、所定の単位毎に、前記作業内容分析装置へ送信する送信部とを備える、センサ。 A sensor that acquires the state information transmitted to the work content analyzer according to claim 4.
The sensing unit that acquires the status information of the worker and
A status information database that stores the acquired status information, and
A communication determination unit that determines whether or not communication with the work content analysis device is possible, and
A sensor including a transmission unit that transmits status information stored in the status information database to the work content analysis device in predetermined units when it is determined by the communication determination unit that communication is possible. ..
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210077168A KR20210157874A (en) | 2020-06-22 | 2021-06-15 | Work specifications analysis device, work specifications analysis method, program, and sensor |
EP21180059.4A EP3929837A1 (en) | 2020-06-22 | 2021-06-17 | Work content analyzing apparatus, work content analyzing method, program, and sensor |
CN202110675486.9A CN114091799A (en) | 2020-06-22 | 2021-06-18 | Job content analysis device, job content analysis method, program, and sensor |
US17/304,328 US20210398053A1 (en) | 2020-06-22 | 2021-06-18 | Work content analyzing apparatus, work content analyzing method, program, and sensor |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020107164 | 2020-06-22 | ||
JP2020107164 | 2020-06-22 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022002081A true JP2022002081A (en) | 2022-01-06 |
Family
ID=79244593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021041721A Pending JP2022002081A (en) | 2020-06-22 | 2021-03-15 | Work content analysis device, work content analysis method, program, and sensor |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2022002081A (en) |
-
2021
- 2021-03-15 JP JP2021041721A patent/JP2022002081A/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3014905B1 (en) | User activity tracking system and device | |
US9519672B2 (en) | User activity tracking system and device | |
EP3197217A1 (en) | System for determining location of entrance and area of interest | |
US20100217672A1 (en) | Positional Information Analysis Apparatus, Positional Information Analysis Method, and Positional Information Analysis System | |
CN108369419A (en) | Generating a spatiotemporal object manifest using object observations of a mobile robot and using the manifest to determine monitoring parameters for the mobile robot | |
US20200000414A1 (en) | Monitors for movements of workers | |
JP2022009097A (en) | Discrimination device, discrimination method and program | |
Balamurugan et al. | Wearables to improve efficiency, productivity, and safety of operations | |
WO2012043605A1 (en) | Standard work time updating method and system | |
CN103310185A (en) | Monitoring device, reliability calculation program, and reliability calculation method | |
US9462416B2 (en) | Information processing system, management server and information processing method | |
US20220137609A1 (en) | Production information management system and production information management method | |
CN105931311A (en) | Equipment routine inspection system and equipment routine inspection method | |
JP2020024688A (en) | Information service system, information service method, and program | |
US10825211B2 (en) | Information processing device, display method, and program storage medium for monitoring object movement | |
EP2546815B1 (en) | System and method of alarm installation and configuration | |
JPWO2011145312A1 (en) | Information processing system, server, and information processing method | |
US20150220613A1 (en) | Relationship estimation device and relationship estimation method | |
KR20210157874A (en) | Work specifications analysis device, work specifications analysis method, program, and sensor | |
US20190122228A1 (en) | Examination device | |
JP2016103690A (en) | Monitoring system, monitoring apparatus, and monitoring method | |
JP2011197768A (en) | Sensor network system, organizational behavior information collection method, organizational behavior analysis server and portable sensor node | |
JP2022002081A (en) | Work content analysis device, work content analysis method, program, and sensor | |
US20210166180A1 (en) | Information processing apparatus, information processing method, and work evaluation system | |
RU2734099C1 (en) | Apparatus and system for monitoring objects |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20230112 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20230113 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231024 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240710 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240723 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240919 |