JP2020095440A

JP2020095440A - 情報処理装置、生産指示支援方法

Info

Publication number: JP2020095440A
Application number: JP2018232390A
Authority: JP
Inventors: 慶太野木; Keita Nogi; 仲田　輝男; Teruo Nakada; 輝男仲田
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2018-12-12
Filing date: 2018-12-12
Publication date: 2020-06-18
Anticipated expiration: 2038-12-12
Also published as: US20200193354A1; CN111308925B; CN111308925A; US11315064B2; JP7171407B2

Abstract

【課題】Manデータを含む実績データと製造現場での作業内容とを対応付けた作業モデルとを用いて現在の作業状況を推定する。【解決手段】製造現場での生産指示を支援する情報処理装置であって、前記製造現場からManデータを含む実績データを取得するデータ抽出部と、前記実績データと前記製造現場での作業内容とを対応付けた作業モデルとを用いて現在の作業状況を推定する作業候補計算部と、を備える。【選択図】図１

Description

本発明は、生産指示を支援する技術に関する。

本技術分野の背景技術として、特許文献１がある。この公報には、ベースワークモデルの作業経路情報を利用して、取得した類似ワークモデルの構造情報から類似ワークモデルの作業経路情報を作成することで、被作業対象機器の動作軌跡情報を作成する度に行われるオペレータによる作業経路情報の入力作業を軽減する方法が記載されている。また、特許文献２がある。この公報には、作業内容項目別障害復旧率および作業時間に基づいて最適な作業手順を推定することで、保守作業者の要求に応じた最適な保守作業手順を提示できる保守作業支援プログラムを提供する方法が記載されている。

特開２０１４−１９４６５８号公報特開２００６−３１３３９９号公報

製造業では、製品の品質や生産性、製造コストなど種々のKPIを満たすように、作業手順や作業内容を工夫しているが、作業者の熟練度や製造現場に関する知識に応じて、生産性や品質に違いがある。特に新規の装置や工程導入時は、既存の実績がある工場に比べて、生産性や品質が低水準になりがちである。このような実績の有無に応じて発生する品質、生産性の差異を埋めるためには、過去の生産実績から最適な生産手順などをモデル化しておき、設備の稼働状況や、作業状態など刻一刻と変化する生産状況を認識し、前記で作成したモデルと照らし合わせて推奨される作業を提示する生産指示といった方法が有効である。しかしながら、前記モデルを構築する一般的な方法は無く、従来技術では、装置間、工場間で、設備や作業が異なるため、他の工場で構築したモデルを流用することができない。そのため、異なる装置間、工程間で作業内容を流用できるようなモデルを構築し、そのモデルを用いて最適な推奨すべき作業内容を提示することが必要である。

前記特許文献１には、オペレータが作業経路情報を作成する際に、過去実績における類似ワークモデルの構造情報から作業経路情報を抽出することで、オペレータの作業負荷を軽減する方法が記載されているが、工場間、装置間など前提となるワークモデルが異なる場合には、流用することが出来ないと考えられる。

また前記特許文献２には、保守作業者が作業を実施する際に、作業内容項目別障害復旧率および作業時間に基づいて最適な作業手順を推定する方法が記載されているが、刻一刻と変化する状況変動に対する対処については記載されていない。更に、前記特許文献１と同様に、装置、工場間で、作業が異なる場合についても記載が無く、やはり製造現場が異なれば、元々の現場で最適であった作業手順が最適になるとは限らない。さらに、作業手順を最適とするためには、作業者の作業状況を推定する必要がある。このため、当該推定の際には、例えば、4Mデータ等の実績データのうち、作業者が実行する作業の状況を示すManデータについて留意する必要があるが、上記特許文献１、特許文献２には、この点について考慮されていない。

そこで、本発明は、Manデータを含む実績データと製造現場での作業内容とを対応付けた作業モデルとを用いて現在の作業状況を推定することが可能な技術を提供することを目的とする。

本発明の一態様にかかる情報処理装置は、製造現場での生産指示を支援する情報処理装置であって、前記製造現場からManデータを含む実績データを取得するデータ抽出部と、前記実績データと前記製造現場での作業内容とを対応付けた作業モデルとを用いて現在の作業状況を推定する作業候補計算部と、を備えることを特徴とする情報処理装置として構成される。

また、本発明の一態様では、上記情報処理装置で行われる生産指示支援方法としても把握される。

本発明の一態様によれば、Manデータを含む実績データと製造現場での作業内容とを対応付けた作業モデルとを用いて現在の作業状況を推定することができる。

生産指示支援装置の構成例である。作業モデル選択処理フローの例である。生産形態の定義例である。作業モデルパターンの定義例である。作業モデルデータの定義例である。作業モデル表示画面の例である。作業候補計算処理フローの例である。 4Mデータの定義例である。 Manデータの定義例である。作業候補データの定義例である。作業候補表示画面の例である。推奨作業計算処理フローの例である。ＫＰＩデータの定義例である。推奨作業データの定義例である。推奨作業表示画面の例である。生産指示支援装置を備えたシステムの活用例である。

以下、本発明の実施形態について、図面を参照しながら説明する。以下、説明は半導体製造装置及び装置に付帯する作業を想定した内容であるが、特に設備が限定されることは無く、工作機械等でもよい。尚、実施の形態を説明するための全図において、同一部には原則として同一符号を付し、その繰り返しの説明は省略する。

図１は、本実施形態における情報処理装置の一例である生産指示支援装置の構成を示している。本装置１００は、一般的な計算機（ＰＣ等）で構成でき、例えばソフトウェアプログラムの実行処理により本実施例の特徴的な処理を実現する。

本装置１００は、入出力部１１０、表示部１２０、制御部１３０、記憶部１４０、およびバス等で構成される。

入出力部１１０では、ユーザの操作により、作業モデルの選択項目やグラフィカルユーザインターフェース（ＧＵＩ）上にある項目の入力を行う入力装置や特定した作業候補や推奨作業内容の出力を行う出力装置であり、例えばキーボード、マウス、ディスプレイ、プリンタ等がある。

本装置では、表示部１２０の画面で、ＧＵＩを構成し、各種の情報を表示する。

制御部１３０は、例えばＣＰＵやＲＡＭ、ＲＯＭ等の公知の要素により構成される。制御部１３０は、データ抽出部１３１と、モデル選択部１３２と、作業候補計算部１３３と、推奨作業計算部１３４とを有し、本実施例の特徴的な機能を実現する処理を行う部分である。

データ抽出部１３１は、製造現場から作業モデル構築に必要な4Mデータを抽出する。4Mデータは、製造時に蓄積された実績データである。本実施例では、データ抽出部１３１が4Mデータを取得する場合について説明しているが、少なくともManデータを含む2Mデータ、3Mデータ、4Mデータのいずれかを実績データとして取得してもよい。本装置において、抽出された4Mデータは、記憶部１４０における4Mデータ記憶部１４３に記憶される。モデル選択部１３２では、生産形態記憶部１４１に記憶された生産形態データと、作業モデルパターン記憶部１４５に記憶された作業モデルパターンから、作業者が選択した生産形態に応じて作業モデルを計算し、計算した作業モデルを作業モデル記憶部１４４に記憶する。

次に作業候補計算部１３３は、データ抽出部１３１が製造現場から抽出した4Mデータと前記作業モデル記憶部１４４に記憶された作業モデルを用いて、現在の作業状況を推定し、次に発生する作業候補を導出する。導出した作業候補を作業候補データ記憶部１４６に記憶する。

最後に、推奨作業計算部１３４は、作業候補データ記憶部１４６に記憶されている作業候補と、作業者が入力したKPIが記憶されているKPIデータ記憶部１４２におけるKPIデータとから、推奨すべき作業データを計算し、計算した推奨すべき作業データを推奨作業データ記憶部１４７に記憶し、推奨作業表示部１２３へ表示する。

以下、制御部における処理の詳細について説明する。

図２から図６を用いて、モデル選択部１３２の詳細な処理について説明する。図２はモデル選択部１３２で実施する処理フローの例である。まず、モデル選択部１３２は、入出力部１１０が受け付けた、テーブル形式の生産形態データ２０１と、作業モデルパターン２０２を入力とする。

生産形態データ２０１の定義例を図３に示す。図３において、生産形態を、縦軸に作業主体、横軸に生産量/品種の２軸で分類している。すなわち、生産形態を、生産を行う作業の主体の種類と、生産対象となる客体の種類とを用いた２軸により分類している。作業主体については、更に搬送作業と段取り作業で分けて、それぞれの作業主体が作業者に拠るのか、もしくはロボットに拠るのか、あるいはその組み合わせで分類している。

搬送/段取りの定義としては、設備間で製品を運ぶ作業を搬送と定義し、段取りについては、設備前に到着した製品を設備に投入/設置する作業もしくは設備から外す作業を段取りとして定義している。生産量/品種については、一品一様、少品種大量、多品種少量で分類している。この分類の理由として大きいのは、段取りの有無である。例えば一品一様であれば、製品毎に仕様が異なるため、段取りがほぼ必須となる想定である。一方で少品種大量生産であれば、殆ど同じ製品が流れるため、作業として段取りがほぼ発生しなくなることが想定される。上記の分類により、本実施例においては、生産形態を９パターンで分割しているが、必ずこのパターン分割である必要は無い。また、生産形態データに限らず、以下で示すデータ定義は例であり、データ保持方法は別の方法であってよい。

次に、作業モデルパターン２０２の定義例を図４に示す。図３で説明した生産形態に対して、それぞれ対応する作業モデルを登録することにより、作業モデルパターンを構築する。

例えば、図４のパターン５に対しては、作業モデル４０１が対応した例である。図２のフローにおいては、モデル選択部１３２は、作業者が選択した生産形態データと作業モデルパターンから、生産形態に対応する作業モデルを出力する。

作業モデル２０４の定義例について、図５に示す。この作業モデルは、製造現場での作業内容部分と4M判別用の列に分かれる。作業内容部分は、作業内容、工数、定常/非定常の分類列、4M判別用の列は、それぞれの作業に対して、そのときの4Mデータがどのような値になるかを示している。このような構成にすることで、ある4Mデータが与えられたときに、そのときの作業内容を推定することが可能となる。このように、作業モデル２０４には、それぞれの生産形態について、作業内容に応じて、作業内容と4Mデータ等の製造時の実績データとを対応付けた作業データが、作業手順ごとに記憶されている。

この作業モデル選択処理結果の表示画面例を図６に示す。作業モデル表示画面６０１は、モデル選択部１３２が実行した作業モデル選択処理の結果、選択された作業モデルを表示する画面例である。作業者は生産形態データ２０１からパターンを選択する。選択した結果、モデル選択部１３２が作業モデル選択処理を実行し、結果として、作業モデル４０１が表示される。

次に、図７から図１１を用いて、作業候補計算部１３３の詳細な処理について説明する。図７は作業候補導出処理フローの例である。まず、データ抽出部１３１が、製造現場７０１から生産管理システムや設備のコントローラを通してデータ抽出処理７０２を実行することにより、4Mデータ７０３の実績を収集する。作業候補計算部１３３は、データ抽出部１３１が収集した4Mデータ７０３と、モデル選択部１３２が図２の処理結果として出力された作業モデル７０４を入力とする。

4Mデータ７０３の定義例を図８に示す。図８において、4Mデータ７０３は、4Mデータ記憶部１４３で記憶される。4Mデータ７０３は、Machineデータ８０１、Manデータ８０２、Materialデータ８０３、Methodデータ８０４を含む。Machineデータ８０１は、１列目から順に設備ID、稼働状況、実行レシピ、累積稼働時間、電流値など設備に関するデータを保持する。Manデータ８０２は、１列目から順に作業者ID、位置、作業時間、パネル操作など、作業者の作業に関するデータを保持する。Materialデータ８０３は、１列目から順に製品ID、ID Read、工程搬送、品質、温度など製品に関するデータを保持する。Methodデータ８０４は、１列目から順にMethod ID、レシピ、作業指示Noなど作業方法に関するデータを保持する。特にレシピは半導体製造における製造条件をまとめたデータを示している。

4Mデータの中で、特に作業を実施する作業者の状況を示す。Manデータについて、図９を用いて詳細に説明する。図９は、データ抽出部１３１が取得したManデータとその活用例である。まず図９の(a)に示すように、作業内容を示す作業リストと位置毎のカメラデータ９０１を取得する。このとき、作業内容と位置は必ずしも一対一に対応するものではない。データ抽出部１３１は、このカメラデータから、作業内容と関連付けられた位置に作業者がいる時間帯を抽出し、図９の(b)に示す作業者データ９０２を構成する。すなわち、データ抽出部１３１は、作業（例えば、作業Ａ）を行う位置（例えば、エリア３）に設置されたカメラが撮像した動画像データであるカメラデータ（例えば、Ｃａｍ１、Ｃａｍ２）の上記位置と同じ位置を含む作業者データを抽出し、抽出した作業者データに含まれる開始時国および終了時刻から作業時間を算出する。データ抽出部１３１は、算出した作業時間と作業時間を算出するために用いた位置とを対応付けてManデータに記録する。

実際には、データ抽出部１３１が、カメラデータ９０１からリアルタイムに位置を把握し、他のデータを組み合わせて作業を特定することで、作業状況を推定ことが可能となる。尚、本願においては、カメラデータを用いてManデータを取得していたが、作業位置における感圧センサやビーコン等を活用して、作業者の位置を把握しても良い。

このように、本装置では、作業状況を推定するために、作業を実行する作業者の状況を示すManデータを用いてリアルタイムに作業者の位置を把握している。作業者のデータ取得方法としては、作業者が作業開始/終了時にID読込や、動画から動作を分析する手法などがあるところ、前者は、ID読込を作業者が忘れることもあり、正確な状況を取得するのは困難である。また、後者は、そもそも動作分析が難しく、動作を分析したとしても、どの作業に該当するのか判別できない。そのため、本装置では、作業内容と作業者の位置がほぼ関連付くことを利用し、カメラ画像やその他センサ等により、作業者の位置とその時間帯をManデータとして取得し、他のMachine、Material、Methodのデータも交えて分析することで、精度の高い作業状態の推定が可能とする。

後述するように、Man、Machine、Material、Methodデータからなる4Mデータの実績から、作業モデルを構築し、構築した作業モデルとリアルタイムの4Mデータとを照らし合わせることで、現在の作業状況を推定することができ、上記のように推定された作業状況から次の作業候補を抽出し、KPIデータから選択した、例えば設備稼働率のようなKPIに基づいて、作業候補から推奨すべき作業を導出する。更に、この推奨作業導出時に用いる作業モデルは設備や工場が異なる製造現場でも適用できるように各製造現場の生産形態に応じて作業モデルパターンとしてパターン化して構築する。

図７のフローにおいて、作業候補計算部１３３は、データ抽出部１３１が収集した4Mデータを用いて、作業モデル４０１における作業判別用の列と比較する処理７０５を行い、合致するデータを現在実施している作業を推定する。作業候補計算部１３３は、現在実施している作業を推定した後、次に発生しうる作業を作業候補データ７０５として抽出する。

作業候補データ７０５の定義例を図１０に示す。作業候補データ７０５は、図７の処理により、作業候補計算部１３３が、作業モデル４０１から4Mデータ７０３に合致する作業を抽出したデータである。そのため、作業候補データ７０５の形式は作業モデルの形式をそのまま継承する。データの形式については、継承が必須ではない。

図７で説明した作業候補の計算について、図１１で示す作業候補表示画面を用いて具体例を交えて説明する。作業候補表示画面１１０１では、製造現場から抽出された4Mデータ７０３と合致する作業を、作業モデル４０１から抽出される。その結果、現在の作業状況が推定できる。図１１の実施例では、作業候補計算部１３３は、作業モデル４０１における１行目の作業１１０２を、現在の作業状況として推定した作業として特定する。このとき、作業候補計算部１３３は、基本的に、特定した行の次の行を作業モデル４０１における次作業の候補１１０３とする。さらに、作業候補計算部１３３は、製造指示における段取り/加工以外の作業については、いつでも発生しうる作業であると判断し、エリアが一致していれば、作業モデル４０１における次作業の候補１１０４とする。この現行の作業から、次の作業候補を抽出する条件については、今回の条件で必ずしも選ぶとは限らず、別の条件により作業候補を抽出してもよい。このようにして、作業候補計算部１３３は、次に実施する作業候補を抽出する。

最後に図１２〜１５を用いて、推奨作業計算部１３４の詳細な処理について説明する。推奨作業を計算する処理フローの例を図１２に示す。作業候補計算部１３３で計算した作業候補データ７０５と、入出力部１１０が受け付けた、作業者が入力するＫＰＩデータ１２０１を入力とする。

ＫＰＩデータ１２０１の例を図１３に示す。ＫＰＩデータ１２０１は、作業者が入力するデータであり、この図においては、設備稼働率をＫＰＩとして選択した例である。推奨作業計算部１３４は、作業候補データ７０５に記憶された作業候補毎にＫＰＩを比較することで、よりＫＰＩが改善する作業を推奨作業データ１２０３として出力する。例えば、推奨作業計算部１３４は、作業候補データ７０５に記憶された作業候補の中から、入力されたＫＰＩが最も改善する作業を抽出し、推奨作業データ１２０３として出力する。

推奨作業データ１２０３の例を図１４に示す。本実施例においては、推奨作業候補データ７０５も作業モデルから抽出したデータであるため、推奨作業データ１２０３はこれと同じデータの形式を継承する。作業候補と同様に、こちらもデータの形式を継承することが必須ではない。

図１５を用いて、推奨作業表示画面を用いて、具体的な推奨作業計算の流れを説明する。図１５は推奨作業表示画面１５０１の例である。

まず、入出力部１１０は、作業者から、ＫＰＩ設定部１５０２において、ＫＰＩの設定および推奨作業計算の実行指示を受け付ける。図１５では、作業候補計算部１３３が計算した作業候補７０５が表示されている。その後、推奨作業計算部１３４は、選択されたＫＰＩ（本実施例では設備稼働率）について、どちらの作業がよりＫＰＩが改善する作業であるかを比較するために、ガントチャートで比較し、その結果を出力する。図１５では、ＫＰＩ比較処理１５０３の出力結果のうち、上側の出力結果１５０３ａが項番２の作業を次に実施した場合であり、下側の出力結果１５０３ｂが項番６の作業を次に実施する場合である。これらの計算結果によれば、項番２を先に実施すると、ロボットが設備設置を自動で実施するため、並行して用品搬送も出来るため稼動開始が早くなる。一方で、項番６を先に実施すると、その後に製品配置をするため、稼働開始が遅くなる。稼働開始が早くなるほど、設備稼働率は向上する。このため、推奨作業計算部１３４は、この場合の推奨作業として項番２の作業、すなわち「製品をケースに設置」が、次に行うべき推奨作業１５０４として決定し、当該作業を導出する。

本実施例では、作業候補計算部１３３が推奨作業計算の実行指示を受け付けて現在の作業状況の推定を行う前提で説明している。しかし、作業候補計算部１３３は、現在の作業状況の推定を、作業の実行完了を検知したタイミング、作業を行う装置が停止したタイミング、作業の停止を検知したタイミング等の様々なタイミングで実行してよい。この場合、作業候補計算部１３３が各タイミングに応じた作業候補を出力することができる。作業の実行完了を検知したタイミングは、例えば、作業候補計算部１３３が4MデータのMachine（稼働状況）を参照して「実行完了」を読み取った場合に、作業の実行完了であると判定すれば良い。また、作業を行う装置が停止したタイミングは、例えば、作業候補計算部１３３が4MデータのMachine（稼働状況）を参照して「停止中」を読み取った場合に、装置が停止していると判定すれば良い。また、作業の停止を検知したタイミングは、例えば、作業候補計算部１３３が4MデータのMethod（作業条件）を参照して「メンテ期間上限」を読み取った場合に、作業が停止していると判定すれば良い。この場合「メンテ期間上限」は、作業に使用する装置のメンテナンス期間の上限（期限日）が到来しているために、当該装置を用いた作業を停止していることを示している。

図１６は、本装置の活用例を示した図である。図１６のモデルの活用ブロック１６０１については、上記説明した内容である。図１６においては、作業モデルパターン２０２をクラウド側で保管し、必要に応じて作業モデルをエッジ側、製造現場に近い場所に保管されているストレージのような場所に保管し、推奨作業を出力するシステムとして利用しても良い。製品が変わる頻度が多く、作業モデルパターンの変更がしばしば発生する場合には、作業モデルパターン自体もクラウドではなく、エッジ側に保管しても良く、保管場所を限定するものではない。

また、図１６におけるパターンの追加ブロック１６０２は、作業モデルパターン２０２から抽出した作業モデルが、いずれのパターンにおいても、現場の作業と一致しない場合の活用例を示している。この場合、該当する製造現場から抽出した4Mデータを用いて、作業モデルを構築し、作業モデルパターンに登録することで、別の製造現場でも利用可能となる。

図１６では、モデル選択部１３２が、作業モデルパターン２０２から選択した作業モデルＡ１６０１と、データ抽出部１３１が製造現場１６０５から抽出した4Mデータ１６０３とを用いて抽出した作業モデルが、あらかじめ記憶部１４０に記憶されている製造現場での作業モデルと一致するか否かを判定する（Ｓ１６Ａ）。モデル選択部１３２は、両者が一致しないと判定した場合、上記4Mデータ１６０３を用いて新たな作業モデルを構築し、構築した新たな作業モデルＢ１６０４を、作業モデルパターン２０２の新たなパターン（例えば、パターン１０）として登録する。これにより、クラウド上に登録された新たな作業モデルパターンが別の製造現場でも抽出対象となるため、様々な製造現場において、当該新たな作業モデルを考慮した推奨作業データを出力することができる。

このように、本実施例によれば、少なくともManデータを含み、Machine、Material、Methodデータからなる4Mデータの実績から構築した作業モデルとリアルタイムの4Mデータとを照らし合わせることで、現行の作業状況を推定することができる。また、既存装置で培った作業モデルを、工場の共有・展開することにより、生産性の向上に貢献することができる。また、新規の工程、工場にも技術知識を展開することにより、立ち上げ期間を短縮することができる。

１００・・・生産指示支援装置
１１０・・・入出力部
１２０・・・表示部
１２１・・・作業モデル表示部
１２２・・・作業候補表示部
１２３・・・推奨作業表示部
１３０・・・制御部
１３１・・・データ抽出部
１３２・・・モデル選択部
１３３・・・作業候補計算部
１３４・・・推奨作業計算部
１４０・・・記憶部
１４１・・・生産形態記憶部
１４２・・・KPIデータ記憶部
１４３・・・4Mデータ記憶部
１４４・・・作業モデル記憶部
１４５・・・作業モデルパターン記憶部
１４６・・・作業候補データ記憶部
１４７・・・推奨作業データ記憶部

Claims

製造現場での生産指示を支援する情報処理装置であって、
前記製造現場からManデータを含む実績データを取得するデータ抽出部と、
前記実績データと前記製造現場での作業内容とを対応付けた作業モデルとを用いて現在の作業状況を推定する作業候補計算部と、
を備えることを特徴とする情報処理装置。
生産形態毎に作業モデルが定められた作業モデルパターンの中から、前記作業モデルを選択するモデル選択部を備え、
前記作業候補計算部は、前記モデル選択部が選択した作業モデルと前記実績データとを用いて現在の作業を特定して前記作業状況を推定する、
ことを特徴とする請求項１に記載の情報処理装置。
前記作業モデルの中で前記作業候補計算部が推定した前記現在の作業の後に行われる作業の候補の中から、ＫＰＩが改善する作業を推奨作業として出力する推奨作業計算部、
ことを特徴とする請求項１に記載の情報処理装置。
前記推奨作業計算部は、KPIを設備稼働率として、前記作業の候補の中から、設備の稼働開始時刻が早い作業を推奨作業として決定する、
ことを特徴とする請求項３に記載の情報処理装置。
前記推奨作業計算部は、前記推奨作業の作業内容を含む推奨作業表示画面を表示装置に表示する、
ことを特徴とする請求項４に記載の情報処理装置。
前記作業候補計算部は、前記現在の作業状況の推定を、作業の実行完了を検知したタイミング、前記作業を行う装置が停止したタイミング、前記作業が停止を検知したタイミングで実行する、
ことを特徴とする請求項１に記載の情報処理装置。
前記モデル選択部は、クラウドに記憶された前記作業モデルパターンから選択した作業モデルと前記データ抽出部が製造現場から抽出した実績データとを用いて抽出した作業モデルが、前記製造現場での作業モデルと一致するか否かを判定し、両者が一致しないと判定した場合、前記実績データを用いて新たな作業モデルを構築し、構築した前記新たな作業モデルを、前記クラウドに記憶された作業モデルパターンの新たなパターンとして登録する、
ことを特徴とする請求項２に記載の情報処理装置。
前記データ抽出部は、少なくともManデータを含む2Mデータ、3Mデータ、4Mデータのいずれかを前記実績データとして取得する、
ことを特徴とする請求項１に記載の情報処理装置。
製造現場での生産指示を支援する生産指示支援方法であって、
データ抽出部が、前記製造現場からManデータを含む実績データを取得し、
作業候補計算部が、前記実績データと前記製造現場での作業内容とを対応付けた作業モデルとを用いて現在の作業状況を推定する、
ことを特徴とする生産指示支援方法。