JPWO2018047256A1 - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents
情報処理装置、情報処理方法及び情報処理プログラム Download PDFInfo
- Publication number
- JPWO2018047256A1 JPWO2018047256A1 JP2018520632A JP2018520632A JPWO2018047256A1 JP WO2018047256 A1 JPWO2018047256 A1 JP WO2018047256A1 JP 2018520632 A JP2018520632 A JP 2018520632A JP 2018520632 A JP2018520632 A JP 2018520632A JP WO2018047256 A1 JPWO2018047256 A1 JP WO2018047256A1
- Authority
- JP
- Japan
- Prior art keywords
- work
- worker
- information processing
- work process
- unit
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- General Factory Administration (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
工程分割部（１０８）は、複数の作業者の中から選択条件に合致する作業者を選択する。また、工程分割部（１０８）は、選択された作業者である選択作業者について、作業工程における作業回数の増加に伴う作業時間の逓減状況を解析し、作業工程を分割すべきか否かを判定する。
Description
本発明は、情報処理装置、情報処理方法及び情報処理プログラムに関する。
工場では、複数の作業工程を経て一つの製品が製造される。一人の作業者が複数の作業工程の全てを担当することは少なく、複数の作業者が複数の作業工程を分担することが多い。このとき、二人以上の作業者が同じ作業工程を並行して行うこともある。
また、二人以上の作業者が、作業日を変えて、一つの作業工程を分担することも多い。
各作業工程には作業手順が定められており、作業手順通りに作業を行った際の作業完了に要する標準時間が設定されていることが一般的である。しかし、作業者ごとに作業を行う際の手際は異なる。また、同じ作業者でも初めて作業を行う際と、作業を繰り返して作業に慣れた後では、作業に要する時間は異なる。
このため、実際に作業に要する実作業時間が標準時間から大きく乖離することがある。
特許文献１では、作業者の作業時間の実績データを用いて、同一作業工程の累積作業回数に応じた予測作業時間を算出するシステムが開示されている。特許文献１のシステムでは、任意の作業工程に対する作業時間の実績データを用いて、作業者の当該作業工程に対する習熟度合を表す習熟曲線を生成し、生成した習熟曲線を用いて、作業を繰り返した後の作業時間を予測する。
また、二人以上の作業者が、作業日を変えて、一つの作業工程を分担することも多い。
各作業工程には作業手順が定められており、作業手順通りに作業を行った際の作業完了に要する標準時間が設定されていることが一般的である。しかし、作業者ごとに作業を行う際の手際は異なる。また、同じ作業者でも初めて作業を行う際と、作業を繰り返して作業に慣れた後では、作業に要する時間は異なる。
このため、実際に作業に要する実作業時間が標準時間から大きく乖離することがある。
特許文献１では、作業者の作業時間の実績データを用いて、同一作業工程の累積作業回数に応じた予測作業時間を算出するシステムが開示されている。特許文献１のシステムでは、任意の作業工程に対する作業時間の実績データを用いて、作業者の当該作業工程に対する習熟度合を表す習熟曲線を生成し、生成した習熟曲線を用いて、作業を繰り返した後の作業時間を予測する。
工場ラインに含まれる複数の作業工程には、習熟しづらく作業を繰り返しても作業時間が逓減しづらい作業工程と、習熟しやすく作業時間が逓減しやすい作業工程がある。作業計画の最適化の観点からは、習熟しづらい作業工程と習熟しやすい作業工程を把握した上で、作業計画を策定することが望ましい。つまり、工場ラインに、習熟しづらく作業時間が逓減しづらい作業工程が含まれる場合には、作業時間が逓減しづらい作業工程を分割して作業時間を逓減させるようにすることが望ましい。
特許文献１の技術は、作業工程ごとに予測作業時間を算出するが、作業工程を分割すべきか否かを判定するものではない。このため、作業工程を管理する作業管理者は、作業工程の分割を含めた最適な作業計画を策定することができないという課題がある。
特許文献１の技術は、作業工程ごとに予測作業時間を算出するが、作業工程を分割すべきか否かを判定するものではない。このため、作業工程を管理する作業管理者は、作業工程の分割を含めた最適な作業計画を策定することができないという課題がある。
本発明は、このような課題を解決することを主な目的とする。つまり、本発明は、作業工程を分割すべきか否かを判定する構成を得ることを主な目的とする。
本発明に係る情報処理装置は、
複数の作業者の中から選択条件に合致する作業者を選択する作業者選択部と、
前記作業者選択部により選択された作業者である選択作業者について、作業工程における作業回数の増加に伴う作業時間の逓減状況を解析し、前記作業工程を分割すべきか否かを判定する分割判定部とを有する。
複数の作業者の中から選択条件に合致する作業者を選択する作業者選択部と、
前記作業者選択部により選択された作業者である選択作業者について、作業工程における作業回数の増加に伴う作業時間の逓減状況を解析し、前記作業工程を分割すべきか否かを判定する分割判定部とを有する。
本発明によれば、作業工程を分割すべきか否かを判定することができる。
以下、本発明の実施の形態について、図を用いて説明する。以下の実施の形態の説明及び図面において、同一の符号を付したものは、同一の部分または相当する部分を示す。
実施の形態１．
＊＊＊構成の説明＊＊＊
図１は、本実施の形態に係るシステム構成例を示す。
本実施の形態に係るシステムは、情報処理装置１００と、収集データサーバ装置２００と、工場ライン３００とで構成される。工場ライン３００には、作業設備３０１〜作業設備３０５が存在する。
本実施の形態では、作業工程は、作業設備３０１〜作業設備３０５に対応する。
つまり、本実施の形態では、工場ライン３００には、作業設備３０１を用いた作業工程、作業設備３０２を用いた作業工程、作業設備３０３を用いた作業工程、作業設備３０４を用いた作業工程、作業設備３０５を用いた作業工程の５つが存在する。
以下では、作業設備３０１を用いた作業工程を作業工程１という。また、作業設備３０２を用いた作業工程を作業工程２という。また、作業設備３０３を用いた作業工程を作業工程３という。また、作業設備３０４を用いた作業工程を作業工程４という。また、作業設備３０５を用いた作業工程を作業工程５という。
また、本実施の形態では、各作業工程は、複数の作業員により実施されるものとする。但し、作業工程ごとの作業員の組み合わせ及び作業員の数は異なっていてもよい。
また、本実施の形態では、各作業員は、一つ以上の作業工程を担当するものとする。一つの作業工程のみを担当する作業員が存在してもよいが、全作業員のうちの少なくとも半数の作業員は、二つ以上の作業工程を担当しているものとする。
＊＊＊構成の説明＊＊＊
図１は、本実施の形態に係るシステム構成例を示す。
本実施の形態に係るシステムは、情報処理装置１００と、収集データサーバ装置２００と、工場ライン３００とで構成される。工場ライン３００には、作業設備３０１〜作業設備３０５が存在する。
本実施の形態では、作業工程は、作業設備３０１〜作業設備３０５に対応する。
つまり、本実施の形態では、工場ライン３００には、作業設備３０１を用いた作業工程、作業設備３０２を用いた作業工程、作業設備３０３を用いた作業工程、作業設備３０４を用いた作業工程、作業設備３０５を用いた作業工程の５つが存在する。
以下では、作業設備３０１を用いた作業工程を作業工程１という。また、作業設備３０２を用いた作業工程を作業工程２という。また、作業設備３０３を用いた作業工程を作業工程３という。また、作業設備３０４を用いた作業工程を作業工程４という。また、作業設備３０５を用いた作業工程を作業工程５という。
また、本実施の形態では、各作業工程は、複数の作業員により実施されるものとする。但し、作業工程ごとの作業員の組み合わせ及び作業員の数は異なっていてもよい。
また、本実施の形態では、各作業員は、一つ以上の作業工程を担当するものとする。一つの作業工程のみを担当する作業員が存在してもよいが、全作業員のうちの少なくとも半数の作業員は、二つ以上の作業工程を担当しているものとする。
情報処理装置１００は、収集データサーバ装置２００により収集された作業時間データを用いて、作業工程を分割すべきか否かを判定する。また、情報処理装置１００は、作業計画を最適化する。
作業時間データは、作業工程ごとに作業者の単位で作業時間の履歴が示されるデータである。
情報処理装置１００は、ネットワーク４０２を介して収集データサーバ装置２００と接続される。
なお、情報処理装置１００で行われる動作は情報処理方法及び情報処理プログラムに相当する。
作業時間データは、作業工程ごとに作業者の単位で作業時間の履歴が示されるデータである。
情報処理装置１００は、ネットワーク４０２を介して収集データサーバ装置２００と接続される。
なお、情報処理装置１００で行われる動作は情報処理方法及び情報処理プログラムに相当する。
収集データサーバ装置２００は、工場ライン３００から作業時間データを収集する。収集データサーバ装置２００の作業時間データの収集方法は問わない。
収集データサーバ装置２００は、ネットワーク４０１を介して、作業設備３０１〜作業設備３０５と接続されている。
収集データサーバ装置２００は、ネットワーク４０１を介して、作業設備３０１〜作業設備３０５と接続されている。
図２は、情報処理装置１００のハードウェア構成例を示す。
図３は、情報処理装置１００の機能構成例を示す。
先ず、図２を参照して、情報処理装置１００のハードウェア構成例を説明する。
図３は、情報処理装置１００の機能構成例を示す。
先ず、図２を参照して、情報処理装置１００のハードウェア構成例を説明する。
情報処理装置１００は、コンピュータである。
情報処理装置１００は、ハードウェアとして、プロセッサ１１、メモリ１２、ストレージ１３、通信装置１４、入力装置１５、表示装置１６を備える。
ストレージ１３には、図３に示す通信処理部１０１、学習能力判定部１０６、工程分割部１０８、表示処理部１０９、作業計画最適化部１１０の機能を実現するプログラムが記憶されている。
そして、これらプログラムがメモリ１２にロードされ、プロセッサ１１がこれらプログラムを実行する。
また、ストレージ１３は、図３に示す作業時間収集データベース１０２、作業計画データベース１０３、学習能力データベース１０７を実現する。
図３では、プロセッサ１１が通信処理部１０１、学習能力判定部１０６、工程分割部１０８、表示処理部１０９、作業計画最適化部１１０の機能を実現するプログラムを実行している状態を模式的に表している。また、図３では、ストレージ１３が作業時間収集データベース１０２、作業計画データベース１０３、学習能力データベース１０７として用いられている状態を模式的に表している。なお、作業時間収集データベース１０２、作業計画データベース１０３、学習能力データベース１０７の少なくとも一部がメモリ１２により実現されてもよい。
情報処理装置１００は、ハードウェアとして、プロセッサ１１、メモリ１２、ストレージ１３、通信装置１４、入力装置１５、表示装置１６を備える。
ストレージ１３には、図３に示す通信処理部１０１、学習能力判定部１０６、工程分割部１０８、表示処理部１０９、作業計画最適化部１１０の機能を実現するプログラムが記憶されている。
そして、これらプログラムがメモリ１２にロードされ、プロセッサ１１がこれらプログラムを実行する。
また、ストレージ１３は、図３に示す作業時間収集データベース１０２、作業計画データベース１０３、学習能力データベース１０７を実現する。
図３では、プロセッサ１１が通信処理部１０１、学習能力判定部１０６、工程分割部１０８、表示処理部１０９、作業計画最適化部１１０の機能を実現するプログラムを実行している状態を模式的に表している。また、図３では、ストレージ１３が作業時間収集データベース１０２、作業計画データベース１０３、学習能力データベース１０７として用いられている状態を模式的に表している。なお、作業時間収集データベース１０２、作業計画データベース１０３、学習能力データベース１０７の少なくとも一部がメモリ１２により実現されてもよい。
次に、図３を参照して、情報処理装置１００の機能構成例を説明する。
通信処理部１０１は、通信装置１４を用いて、収集データサーバ装置２００から作業時間データを受信する。そして、通信処理部１０１は、受信した作業時間データを作業時間収集データベース１０２に格納する。
また、通信処理部１０１は、収集データサーバ装置２００から作業計画データを受信する。そして、通信処理部１０１は、受信した作業計画データを作業計画データベース１０３に格納する。
また、通信処理部１０１は、収集データサーバ装置２００から作業計画データを受信する。そして、通信処理部１０１は、受信した作業計画データを作業計画データベース１０３に格納する。
学習能力判定部１０６は、作業時間データを用いて、複数の作業者の各々の学習能力を判定する。
また、学習能力判定部１０６は、各作業者についての判定結果が記述される作業者学習能力データを学習能力データベース１０７に格納する。
また、学習能力判定部１０６は、各作業者についての判定結果が記述される作業者学習能力データを学習能力データベース１０７に格納する。
工程分割部１０８は、複数の作業者の中から選択条件に合致する作業者を選択する。より具体的には、工程分割部１０８は、学習能力判定部１０６により判定された学習能力が選択条件に合致する作業者を選択する。
そして、工程分割部１０８は、選択した作業者である選択作業者について、作業工程における作業回数の増加に伴う作業時間の逓減状況を解析し、当該作業工程を分割すべきか否かを判定する。より具体的には、工程分割部１０８は、作業工程において作業回数が増加しても作業時間が逓減していない場合に、当該作業工程を分割すべきであると判定する。
工程分割部１０８は、作業者選択部及び分割判定部に相当する。また、工程分割部１０８の動作は、作業者選択処理及び分割判定処理に相当する。
そして、工程分割部１０８は、選択した作業者である選択作業者について、作業工程における作業回数の増加に伴う作業時間の逓減状況を解析し、当該作業工程を分割すべきか否かを判定する。より具体的には、工程分割部１０８は、作業工程において作業回数が増加しても作業時間が逓減していない場合に、当該作業工程を分割すべきであると判定する。
工程分割部１０８は、作業者選択部及び分割判定部に相当する。また、工程分割部１０８の動作は、作業者選択処理及び分割判定処理に相当する。
作業計画最適化部１１０は作業計画データベース１０３に格納された作業計画データと作業者学習能力データベース１０７に格納された学習能力データとを用いて作業計画を最適化する。
表示処理部１０９は、学習能力判定部１０６の判定結果、工程分割部１０８の判定結果及び作業計画最適化部１１０により最適化された作業計画を表示装置１６に表示する。
＊＊＊動作の説明＊＊＊
次に、図４のフローチャートを参照して、作業工程の分割を判定する動作を説明する。
次に、図４のフローチャートを参照して、作業工程の分割を判定する動作を説明する。
ステップＳ１０８１において、工程分割部１０８は、全作業工程を通じて学習能力の高い作業者を抽出する。つまり、工程分割部１０８は、学習能力が一定以上という選択条件に合致する作業者を選択する。なお、工程分割部１０８により抽出された作業者は選択作業者に該当する。
各作業者の作業工程ごとの学習能力は、学習能力判定部１０６により判定されているものとする。なお、学習能力判定部１０６は、任意の方法で、各作業者の学習能力を判定することができる。
各作業者の作業工程ごとの学習能力は、学習能力判定部１０６により判定されているものとする。なお、学習能力判定部１０６は、任意の方法で、各作業者の学習能力を判定することができる。
次に、ステップＳ１０８２において、工程分割部１０８が作業工程ごとの作業時間の推移を解析する。
より具体的には、工程分割部１０８は、ステップＳ１０８１で抽出された作業者（選択作業者）の作業時間データを作業時間収集データベース１０２から取得する。そして、ステップＳ１０８１で抽出された作業者の作業時間の推移を作業工程ごとに解析する。
例えば、作業者Ａと作業者ＢがステップＳ１０８１で抽出され、作業者Ａが作業工程１と作業工程２を担当し、作業者Ｂが作業工程２と作業工程３を担当している場合を想定する。工程分割部１０８は、作業者Ａの作業工程１における作業回数の増加に伴う作業時間の逓減状況を解析し、作業者Ａの作業工程２における作業回数の増加に伴う作業時間の逓減状況を解析する。同様に、工程分割部１０８は、作業者Ｂの作業工程２における作業回数の増加に伴う作業時間の逓減状況を解析し、作業者Ｂの作業工程３における作業回数の増加に伴う作業時間の逓減状況を解析する。
このようにして、工程分割部１０８は、作業工程ごとに、ステップＳ１０８１で抽出された作業者の作業時間の逓減状況を解析する。
より具体的には、工程分割部１０８は、ステップＳ１０８１で抽出された作業者（選択作業者）の作業時間データを作業時間収集データベース１０２から取得する。そして、ステップＳ１０８１で抽出された作業者の作業時間の推移を作業工程ごとに解析する。
例えば、作業者Ａと作業者ＢがステップＳ１０８１で抽出され、作業者Ａが作業工程１と作業工程２を担当し、作業者Ｂが作業工程２と作業工程３を担当している場合を想定する。工程分割部１０８は、作業者Ａの作業工程１における作業回数の増加に伴う作業時間の逓減状況を解析し、作業者Ａの作業工程２における作業回数の増加に伴う作業時間の逓減状況を解析する。同様に、工程分割部１０８は、作業者Ｂの作業工程２における作業回数の増加に伴う作業時間の逓減状況を解析し、作業者Ｂの作業工程３における作業回数の増加に伴う作業時間の逓減状況を解析する。
このようにして、工程分割部１０８は、作業工程ごとに、ステップＳ１０８１で抽出された作業者の作業時間の逓減状況を解析する。
次に、ステップＳ１０８３において、工程分割部１０８は、作業工程ごとに、作業時間が逓減しているか否かを判定する。
工程分割部１０８は、具体的には、同一作業工程を対象として、作業工程を初めて作業した際の各作業者の作業時間の平均値と、２０回目の作業回数の各作業者の作業時間の平均値を比較する。２０回目の作業時間の平均値が、初めて作業した際の平均値の８０％以下の値であるか、標準時間を下回っている場合は、工程分割部１０８は、対象工程の作業時間が逓減していると判定し、それ以外の場合は作業時間が逓減していないと判定する。
工程分割部１０８は、具体的には、同一作業工程を対象として、作業工程を初めて作業した際の各作業者の作業時間の平均値と、２０回目の作業回数の各作業者の作業時間の平均値を比較する。２０回目の作業時間の平均値が、初めて作業した際の平均値の８０％以下の値であるか、標準時間を下回っている場合は、工程分割部１０８は、対象工程の作業時間が逓減していると判定し、それ以外の場合は作業時間が逓減していないと判定する。
作業時間が逓減している場合（ステップＳ１０８３でＹＥＳ）は、工程分割部１０８は、当該作業工程は分割する必要がない作業工程と判定する（ステップＳ１０８４）。
一方、作業時間が逓減していない場合（ステップＳ１０８３でＮＯ）は、工程分割部１０８は、当該作業工程を分割すべき作業工程と判定する（ステップＳ１０８５）。
例えば、作業工程１の作業時間が逓減していない場合は、工程分割部１０８は、作業工程１を分割すべきとの判定を行う。
一方、作業時間が逓減していない場合（ステップＳ１０８３でＮＯ）は、工程分割部１０８は、当該作業工程を分割すべき作業工程と判定する（ステップＳ１０８５）。
例えば、作業工程１の作業時間が逓減していない場合は、工程分割部１０８は、作業工程１を分割すべきとの判定を行う。
工程分割部１０８により作業工程を分割すべきと判定された場合は、表示処理部１０９が対象の作業工程を表示装置１６に表示して、作業管理者に作業工程を分割するか否かを問い合わせてもよい。
次に、図５のフローチャートを参照して、作業計画を最適化する動作を説明する。
先ず、ステップＳ１１０１において、作業計画最適化部１１０が、作業計画データベース１０３から当日の作業計画データを取得する。作業計画データには、当日製造する製品の種類、量、当日作業する作業者の勤務時が記述されている。
次に、ステップＳ１１０２において、作業計画最適化部１１０が、作業工程および作業者の学習能力から、各作業者の作業工程ごとの予測作業時間を算出する。
作業計画最適化部１１０は、例えば、作業者ごとの逓減率Ａと作業工程ごとの逓減率Ｂの総和平均Ｃを用いて各作業者の作業工程ごとの予測作業時間を算出する。作業者ごとの逓減率Ａとは、対象作業者が作業した全ての作業工程の作業回数ごとの作業時間と１回目の作業時間の比率の平均値である。つまり、作業者ごとの逓減率Ａは、全作業工程についての対象作業者の作業時間の逓減度合いを示す。作業工程ごとの逓減率Ｂとは、対象作業工程を作業した全ての作業者の作業回数ごとの作業時間と１回目の作業時間の比率の平均値である。つまり、作業工程ごとの逓減率Ｂは、全作業者についての対象作業工程の作業時間の逓減度合いを示す。作業計画最適化部１１０は、作業者ごとの逓減率Ａと作業工程ごとの逓減率Ｂの総和平均Ｃを用いて、各作業者が各作業工程を作業する際に１回目の作業時の作業時間と作業回数ごとの作業時間との逓減率Ｄを求める。そして、作業計画最適化部１１０は、各作業者の各作業工程の作業回数ごとの予測作業時間を、対象作業工程を１回目に作業した際の作業時間と逓減率Ｄとの積により算出する。
作業計画最適化部１１０は、例えば、作業者ごとの逓減率Ａと作業工程ごとの逓減率Ｂの総和平均Ｃを用いて各作業者の作業工程ごとの予測作業時間を算出する。作業者ごとの逓減率Ａとは、対象作業者が作業した全ての作業工程の作業回数ごとの作業時間と１回目の作業時間の比率の平均値である。つまり、作業者ごとの逓減率Ａは、全作業工程についての対象作業者の作業時間の逓減度合いを示す。作業工程ごとの逓減率Ｂとは、対象作業工程を作業した全ての作業者の作業回数ごとの作業時間と１回目の作業時間の比率の平均値である。つまり、作業工程ごとの逓減率Ｂは、全作業者についての対象作業工程の作業時間の逓減度合いを示す。作業計画最適化部１１０は、作業者ごとの逓減率Ａと作業工程ごとの逓減率Ｂの総和平均Ｃを用いて、各作業者が各作業工程を作業する際に１回目の作業時の作業時間と作業回数ごとの作業時間との逓減率Ｄを求める。そして、作業計画最適化部１１０は、各作業者の各作業工程の作業回数ごとの予測作業時間を、対象作業工程を１回目に作業した際の作業時間と逓減率Ｄとの積により算出する。
次に、ステップＳ１１０３において、作業計画最適化部１１０が、各作業工程への作業者の割り振りを最適化する。具体的には、作業計画最適化部１１０は、全作業工程の総予測作業時間が最小化するように作業者の割り振りを最適化する。
作業計画最適化部１１０は、作業者の割り振りの最適化手法として、例えば、線形計画法を用いる。つまり、作業計画最適化部１１０は、当日に処理する作業工程の種類、数および当日勤務する各作業者の勤務時間および各作業工程の予測作業時間を制約条件と設定し、全作業工程の予測作業時間の和を最小化するように各作業工程の作業者を決める。線形計画法により、当日の各作業工程の作業者の割り振りが最適化される。
作業計画最適化部１１０は、作業者の割り振りの最適化手法として、例えば、線形計画法を用いる。つまり、作業計画最適化部１１０は、当日に処理する作業工程の種類、数および当日勤務する各作業者の勤務時間および各作業工程の予測作業時間を制約条件と設定し、全作業工程の予測作業時間の和を最小化するように各作業工程の作業者を決める。線形計画法により、当日の各作業工程の作業者の割り振りが最適化される。
最後に、ステップＳ１１０４において、表示処理部１０９が、ステップＳ１１０３で得られた最適化された作業員が割り振りを、最適化された作業計画として表示装置１６に表示する。
＊＊＊実施の形態の効果の説明＊＊＊
本実施の形態では、作業時間の逓減状況を解析し、作業工程を分割すべきか否かを判定する。このため、本実施の形態によれば、作業管理者は、作業工程の分割を含めた最適な作業計画を策定することができる。
本実施の形態では、作業時間の逓減状況を解析し、作業工程を分割すべきか否かを判定する。このため、本実施の形態によれば、作業管理者は、作業工程の分割を含めた最適な作業計画を策定することができる。
実施の形態２．
本実施の形態では、作業工程ごとの各作業者の習熟曲線と決定係数を用いて、より正確に各作業者の学習能力を判定し、また、決定係数を用いて、より正確に作業工程を分割すべきかどうかを判定する例を説明する。
本実施の形態では、作業工程ごとの各作業者の習熟曲線と決定係数を用いて、より正確に各作業者の学習能力を判定し、また、決定係数を用いて、より正確に作業工程を分割すべきかどうかを判定する例を説明する。
＊＊＊構成の説明＊＊＊
図６は、本実施の形態に係る情報処理装置１００の機能構成例を示す。
図６では、図３と比較して、習熟容易性判定部１０４、習熟容易性データベース１０５、習熟曲線生成部１１１、習熟曲線データベース１１２、決定係数算出部１１３、決定係数データベース１１４が追加されている。
他の要素は、図３に示すものと同様である。
なお、本実施の形態でも、通信処理部１０１、習熟容易性判定部１０４、学習能力判定部１０６、工程分割部１０８、表示処理部１０９、作業計画最適化部１１０、習熟曲線生成部１１１、決定係数算出部１１３の機能はプロセッサ１１がプログラムを実行することで実現される。図６では、通信処理部１０１、習熟容易性判定部１０４、学習能力判定部１０６、工程分割部１０８、表示処理部１０９、作業計画最適化部１１０、習熟曲線生成部１１１、決定係数算出部１１３の機能を実現するプログラムをプロセッサ１１が実行している状態を模式的に示している。
また、作業時間収集データベース１０２、作業計画データベース１０３、習熟容易性データベース１０５、学習能力データベース１０７、習熟曲線データベース１１２、決定係数データベース１１４はストレージ１３により実現される。図６では、作業時間収集データベース１０２、作業計画データベース１０３、習熟容易性データベース１０５、学習能力データベース１０７、習熟曲線データベース１１２、決定係数データベース１１４がストレージ１３により実現されることを模式的に示している。なお、作業時間収集データベース１０２、作業計画データベース１０３、習熟容易性データベース１０５、学習能力データベース１０７、習熟曲線データベース１１２、決定係数データベース１１４の少なくとも一部がメモリ１２により実現されてもよい。
図６は、本実施の形態に係る情報処理装置１００の機能構成例を示す。
図６では、図３と比較して、習熟容易性判定部１０４、習熟容易性データベース１０５、習熟曲線生成部１１１、習熟曲線データベース１１２、決定係数算出部１１３、決定係数データベース１１４が追加されている。
他の要素は、図３に示すものと同様である。
なお、本実施の形態でも、通信処理部１０１、習熟容易性判定部１０４、学習能力判定部１０６、工程分割部１０８、表示処理部１０９、作業計画最適化部１１０、習熟曲線生成部１１１、決定係数算出部１１３の機能はプロセッサ１１がプログラムを実行することで実現される。図６では、通信処理部１０１、習熟容易性判定部１０４、学習能力判定部１０６、工程分割部１０８、表示処理部１０９、作業計画最適化部１１０、習熟曲線生成部１１１、決定係数算出部１１３の機能を実現するプログラムをプロセッサ１１が実行している状態を模式的に示している。
また、作業時間収集データベース１０２、作業計画データベース１０３、習熟容易性データベース１０５、学習能力データベース１０７、習熟曲線データベース１１２、決定係数データベース１１４はストレージ１３により実現される。図６では、作業時間収集データベース１０２、作業計画データベース１０３、習熟容易性データベース１０５、学習能力データベース１０７、習熟曲線データベース１１２、決定係数データベース１１４がストレージ１３により実現されることを模式的に示している。なお、作業時間収集データベース１０２、作業計画データベース１０３、習熟容易性データベース１０５、学習能力データベース１０７、習熟曲線データベース１１２、決定係数データベース１１４の少なくとも一部がメモリ１２により実現されてもよい。
習熟曲線生成部１１１は、作業時間収集データベース１０２に格納された作業時間データを用いて、作業工程別に、作業者ごとの習熟曲線を生成する。習熟曲線は、作業工程における作業回数と作業時間との関係が示される曲線である。そして、習熟曲線生成部１１１は、生成した習熟曲線が記述される習熟曲線データを習熟曲線データベース１１２に格納する。
決定係数算出部１１３は、習熟曲線生成部１１１により生成された習熟曲線と作業時間データに示される作業時間の履歴との間の決定係数を算出する。また、決定係数算出部１１３は、算出した決定係数が記述される決定係数データを決定係数データベース１１４に格納する。決定係数は、作業回数の増加に伴う作業時間の逓減状況を表す指標値であり、逓減指標値に相当する。
なお、習熟曲線生成部１１１及び決定係数算出部１１３を、逓減指標値算出部１１５ともいう。
決定係数算出部１１３は、習熟曲線生成部１１１により生成された習熟曲線と作業時間データに示される作業時間の履歴との間の決定係数を算出する。また、決定係数算出部１１３は、算出した決定係数が記述される決定係数データを決定係数データベース１１４に格納する。決定係数は、作業回数の増加に伴う作業時間の逓減状況を表す指標値であり、逓減指標値に相当する。
なお、習熟曲線生成部１１１及び決定係数算出部１１３を、逓減指標値算出部１１５ともいう。
習熟容易性判定部１０４は、複数の作業者の決定係数（逓減指標値）に基づいて、各作業工程が習熟しやすい作業工程であるか否かを判定する。
また、習熟容易性判定部１０４は、各作業工程についての判定結果が記述される習熟容易性データを習熟容易性データベース１０５に格納する。
また、習熟容易性判定部１０４は、各作業工程についての判定結果が記述される習熟容易性データを習熟容易性データベース１０５に格納する。
本実施の形態では、学習能力判定部１０６は、習熟容易性判定部１０４により習熟しやすい作業工程であると判定された作業工程の決定係数を用いて、各作業者の学習能力を判定する。
また、本実施の形態では、工程分割部１０８は、選択作業者の決定係数（逓減指標値）を解析して、作業工程を分割すべきか否かを判定する。より具体的には、選択作業者の決定係数の平均値を算出し、算出した平均値が閾値未満である場合に、作業工程を分割すべきであると判定する。
なお、本実施の形態に係る情報処理装置１００のハードウェア構成例は、図２に示したものと同様である。
以下では、主に実施の形態１との差異を説明する。以下で説明していない事項は、実施の形態１と同様である。
以下では、主に実施の形態１との差異を説明する。以下で説明していない事項は、実施の形態１と同様である。
＊＊＊動作の説明＊＊＊
先ず、習熟曲線生成部１１１による習熟曲線の生成手順を説明する。
先ず、習熟曲線生成部１１１による習熟曲線の生成手順を説明する。
習熟曲線生成部１１１は、作業時間収集データベース１０２に格納されている作業時間データを用いて、作業工程別に、作業者ごとの習熟曲線を生成する。例えば、作業者Ａが作業工程１と作業工程２を担当している場合は、習熟曲線生成部１１１は、作業者Ａの作業工程１についての習熟曲線と、作業者Ａの作業工程２についての習熟曲線を生成する。習熟曲線生成部１１１は、生成した習熟曲線が記述される習熟曲線データを習熟曲線データベース１１２に格納する。
習熟曲線の例を図７に示す。一般的に同一作業工程を繰り返すことにより作業者は作業に慣れるため、作業回数が増えるにつれて作業時間は逓減する傾向にある。図７の例でも、作業回数ｎが増加するに従い、作業時間ＲＴが逓減している。
作業時間の逓減傾向は式（１）で近似される。式（１）において、ＲＴは作業完了までに要する作業時間、ｎは作業工程の作業回数である。
習熟曲線の例を図７に示す。一般的に同一作業工程を繰り返すことにより作業者は作業に慣れるため、作業回数が増えるにつれて作業時間は逓減する傾向にある。図７の例でも、作業回数ｎが増加するに従い、作業時間ＲＴが逓減している。
作業時間の逓減傾向は式（１）で近似される。式（１）において、ＲＴは作業完了までに要する作業時間、ｎは作業工程の作業回数である。
また、式（１）のＡ及びＢは、以下の式（２）、式（３）で得られる変数である。
以下において、ｎは作業回数、Ｎは累積作業回数、ｎ−（ｎの上に−）は、累積作業回数の平均値、ＲＴｎはｎ回目の作業をした際の作業時間、ＲＴ―（ＲＴの上に−）は全作業回数の作業時間の平均値を示す。
以下において、ｎは作業回数、Ｎは累積作業回数、ｎ−（ｎの上に−）は、累積作業回数の平均値、ＲＴｎはｎ回目の作業をした際の作業時間、ＲＴ―（ＲＴの上に−）は全作業回数の作業時間の平均値を示す。
次に、決定係数算出部１１３による決定係数の算出手順を説明する。
決定係数算出部１１３は、習熟曲線生成部１１１により生成された習熟曲線と、対応する作業工程及び作業者の作業時間データに示される作業時間の履歴とを照合して、決定係数Ｒ２を算出する。また、決定係数算出部１１３は、算出した決定係数Ｒ２が記述される決定係数データを決定係数データベース１１４に格納する。
例えば、決定係数算出部１１３は、作業者Ａの作業工程１についての習熟曲線と、作業者Ａの作業工程１についての作業時間データに示される作業時間の履歴とを照合して、決定係数Ｒ２を算出する。
決定係数Ｒ２は、習熟曲線と、実際の作業時間との当てはまり度合を示す指標であり、［０，１］の値を取る。決定係数が１に近いほど実際の作業時間に対する習熟曲線の当てはまりが強く、０に近いほど当てはまりが弱い。決定係数Ｒ２は式（４）で与えられる。
例えば、決定係数算出部１１３は、作業者Ａの作業工程１についての習熟曲線と、作業者Ａの作業工程１についての作業時間データに示される作業時間の履歴とを照合して、決定係数Ｒ２を算出する。
決定係数Ｒ２は、習熟曲線と、実際の作業時間との当てはまり度合を示す指標であり、［０，１］の値を取る。決定係数が１に近いほど実際の作業時間に対する習熟曲線の当てはまりが強く、０に近いほど当てはまりが弱い。決定係数Ｒ２は式（４）で与えられる。
次に、習熟容易性判定部１０４による作業工程ごとの習熟しやすさ（習熟容易性）の判定手順を説明する。
習熟容易性判定部１０４は、決定係数Ｒ２を用いて、作業工程ごとの習熟しやすさを判定する。
習熟容易性判定部１０４は、具体的には、図８に示す手順で各作業工程の習熟しやすさを判定する。習熟容易性判定部１０４は、作業工程ごとに、図８に示す手順を繰り返して、作業工程１〜５の各々について習熟しやすさを判定する。
なお、図８に示すα、β、γの具体的数値は作業管理者が設定することとする。以下、図８の各ステップを説明する。
習熟容易性判定部１０４は、具体的には、図８に示す手順で各作業工程の習熟しやすさを判定する。習熟容易性判定部１０４は、作業工程ごとに、図８に示す手順を繰り返して、作業工程１〜５の各々について習熟しやすさを判定する。
なお、図８に示すα、β、γの具体的数値は作業管理者が設定することとする。以下、図８の各ステップを説明する。
先ず、習熟容易性判定部１０４は、習熟しやすさの判定対象の作業工程の累積作業回数がα回以上である作業者の作業時間データを抽出する（ステップＳ１０９１）。
累積作業回数が少ない段階では作業者は作業に慣れていないため作業時間のバラツキが大きい。このため、累積作業回数が少ない作業者の作業時間データを用いると、作業工程の習熟しやすさを正確に判定できない可能性がある。従って、習熟容易性判定部１０４は、累積作業回数が一定数（α回）以上である作業者の作業時間データのみを作業工程の習熟しやすさの判定に用いる。
累積作業回数が少ない段階では作業者は作業に慣れていないため作業時間のバラツキが大きい。このため、累積作業回数が少ない作業者の作業時間データを用いると、作業工程の習熟しやすさを正確に判定できない可能性がある。従って、習熟容易性判定部１０４は、累積作業回数が一定数（α回）以上である作業者の作業時間データのみを作業工程の習熟しやすさの判定に用いる。
次に、習熟容易性判定部１０４は、ステップＳ１０９１で作業時間データを抽出した作業者の決定係数を数値が大きい順に並べる（ステップＳ１０９２）。
次に、習熟容易性判定部１０４は、ステップＳ１０９２で並べた決定係数のうち、上位β％の決定係数の平均値を算出する（ステップＳ１０９３）。また、習熟容易性判定部１０４は、上位β％の決定係数の平均値を、各作業工程の習熟しやすさとして取り扱う。
ある作業工程の決定係数が低い作業者は全作業工程に対しても学習能力が低いことが多い。このため、値が低い決定係数を用いると作業工程の習熟しやすさを正確に判定できない可能性がある。従って、習熟容易性判定部１０４は、決定係数の上位β％を習熟しやすさの指標として用いる。
ある作業工程の決定係数が低い作業者は全作業工程に対しても学習能力が低いことが多い。このため、値が低い決定係数を用いると作業工程の習熟しやすさを正確に判定できない可能性がある。従って、習熟容易性判定部１０４は、決定係数の上位β％を習熟しやすさの指標として用いる。
次に、習熟容易性判定部１０４は、ステップＳ１０９３で算出した平均値が閾値γ以上であるか否かを判定する（ステップＳ１０９４）。
習熟容易性判定部１０４は、平均値が閾値γ以上である作業工程を習熟しやすい作業工程と判定する（ステップＳ１０９５）。一方、習熟容易性判定部１０４は、平均値が閾値γ未満の作業工程を習熟しづらい作業工程と判定する（ステップＳ１０９６）。
習熟容易性判定部１０４は、平均値が閾値γ以上である作業工程を習熟しやすい作業工程と判定する（ステップＳ１０９５）。一方、習熟容易性判定部１０４は、平均値が閾値γ未満の作業工程を習熟しづらい作業工程と判定する（ステップＳ１０９６）。
次に、学習能力判定部１０６による作業者の学習能力の判定手順を説明する。
学習能力判定部１０６は、具体的には、図９に示す手順で各作業者の学習能力を判定する。なお、図９に示すδの具体的数値は作業管理者が設定することとする。以下、図９の各ステップを説明する。
先ず、学習能力判定部１０６は、図８のステップＳ１０９５で習熟しやすいと判定された作業工程（以下、習熟しやすい作業工程という）を抽出する（ステップＳ１２０１）。
習熟しづらいと判定された作業工程は、学習能力が高い作業者が作業しても習熟しづらく決定係数が低い。習熟しづらいと判定された作業工程の決定係数を用いても、作業者の学習能力を正確に判定できない可能性がある。このため、学習能力判定部１０６は、習熟しやすい作業工程を抽出する。
習熟しづらいと判定された作業工程は、学習能力が高い作業者が作業しても習熟しづらく決定係数が低い。習熟しづらいと判定された作業工程の決定係数を用いても、作業者の学習能力を正確に判定できない可能性がある。このため、学習能力判定部１０６は、習熟しやすい作業工程を抽出する。
次に、学習能力判定部１０６は、作業者ごとに、ステップＳ１２０１で抽出された習熟しやすい作業工程の決定係数の平均値を算出する（ステップＳ１２０２）。学習能力判定部１０６は、算出した平均値を各作業者の学習能力として取り扱う。
例えば、作業者Ａが作業工程１と作業工程２を担当し、作業者Ｂが作業工程２と作業工程３を担当している場合を想定する。作業工程１と作業工程２と作業工程３が習熟しやすい作業工程であれば、学習能力判定部１０６は、作業者Ａに対しては、作業工程１についての決定係数と作業工程２についての決定係数との平均値を算出する。また、学習能力判定部１０６は、作業者Ｂに対しては、作業工程２についての決定係数と作業工程３についての決定係数との平均値を算出する。
例えば、作業者Ａが作業工程１と作業工程２を担当し、作業者Ｂが作業工程２と作業工程３を担当している場合を想定する。作業工程１と作業工程２と作業工程３が習熟しやすい作業工程であれば、学習能力判定部１０６は、作業者Ａに対しては、作業工程１についての決定係数と作業工程２についての決定係数との平均値を算出する。また、学習能力判定部１０６は、作業者Ｂに対しては、作業工程２についての決定係数と作業工程３についての決定係数との平均値を算出する。
次に、学習能力判定部１０６は、作業者ごとに、ステップＳ１２０２で算出された平均値が閾値δ以上であるか否かを判定する（ステップＳ１２０３）。
学習能力判定部１０６は、平均値が閾値δ以上の作業者を学習能力がある作業者と判定する（ステップＳ１２０４）。
一方、学習能力判定部１０６は、平均値が閾値δ未満である作業者を学習能力が足りない作業者と判定する（ステップＳ１２０５）。
学習能力判定部１０６は、平均値が閾値δ以上の作業者を学習能力がある作業者と判定する（ステップＳ１２０４）。
一方、学習能力判定部１０６は、平均値が閾値δ未満である作業者を学習能力が足りない作業者と判定する（ステップＳ１２０５）。
次に、工程分割部１０８による作業工程の分割判定の手順を説明する。
工程分割部１０８は、具体的には、図１０に示す手順で作業工程を分割すべきか否かを判定する。なお、図１０に示すηの具体的数値は作業管理者が設定することとする。以下、図１０の各ステップを説明する。
ステップＳ１１２１において、工程分割部１０８は、全作業工程を通じて学習能力の高い作業者を抽出する。つまり、工程分割部１０８は、図９の手順にて学習能力判定部１０６により判定された各作業者の学習能力において学習能力の高い作業者を抽出する。
次に、ステップＳ１１２２において、工程分割部１０８が作業工程ごとの決定係数を取得する。
より具体的には、工程分割部１０８は、ステップＳ１１２１で抽出された作業者（選択作業者）の作業工程ごとの決定係数を決定係数データベース１１４から取得する。
例えば、作業者Ａと作業者ＢがステップＳ１１２１で抽出され、作業者Ａが作業工程１と作業工程２を担当し、作業者Ｂが作業工程２と作業工程３を担当している場合を想定する。工程分割部１０８は、作業者Ａの作業工程１における決定係数と作業者Ａの作業工程２における決定係数を取得する。同様に、工程分割部１０８は、作業者Ｂの作業工程２における決定係数と作業者Ｂの作業工程３における決定係数を取得する。
このようにして、工程分割部１０８は、作業工程ごとに、Ｓ１１２１で抽出された作業者の決定係数を取得する。
より具体的には、工程分割部１０８は、ステップＳ１１２１で抽出された作業者（選択作業者）の作業工程ごとの決定係数を決定係数データベース１１４から取得する。
例えば、作業者Ａと作業者ＢがステップＳ１１２１で抽出され、作業者Ａが作業工程１と作業工程２を担当し、作業者Ｂが作業工程２と作業工程３を担当している場合を想定する。工程分割部１０８は、作業者Ａの作業工程１における決定係数と作業者Ａの作業工程２における決定係数を取得する。同様に、工程分割部１０８は、作業者Ｂの作業工程２における決定係数と作業者Ｂの作業工程３における決定係数を取得する。
このようにして、工程分割部１０８は、作業工程ごとに、Ｓ１１２１で抽出された作業者の決定係数を取得する。
次に、ステップＳ１１２３において、工程分割部１０８が作用工程ごとの決定係数の平均値を算出する。
つまり、工程分割部１０８は、ステップＳ１１２２で取得した決定係数の作業工程ごとの平均値を算出する。
つまり、工程分割部１０８は、ステップＳ１１２２で取得した決定係数の作業工程ごとの平均値を算出する。
次に、ステップＳ１１２４において、工程分割部１０８は、作業工程ごとに、決定係数の平均値が閾値η以上であるか否かを判定する。
決定係数の平均値が閾値η以上である場合（ステップＳ１１２４でＹＥＳ）は、工程分割部１０８は、当該作業工程は分割する必要がない作業工程と判定する（ステップＳ１１２５）。
一方、決定係数の平均値が閾値η未満である場合（ステップＳ１１２４でＮＯ）は、工程分割部１０８は、当該作業工程を分割すべき作業工程と判定する（ステップＳ１１２６）。
例えば、作業工程１の決定係数の平均値が閾値η未満である場合は、工程分割部１０８は、作業工程１を分割すべきとの判定を行う。
一方、決定係数の平均値が閾値η未満である場合（ステップＳ１１２４でＮＯ）は、工程分割部１０８は、当該作業工程を分割すべき作業工程と判定する（ステップＳ１１２６）。
例えば、作業工程１の決定係数の平均値が閾値η未満である場合は、工程分割部１０８は、作業工程１を分割すべきとの判定を行う。
＊＊＊実施の形態の効果の説明＊＊＊
以上のように、作業工程の分割判定において、作業工程ごとの決定係数を考慮することにより、精度の高い判定が可能となる。
以上のように、作業工程の分割判定において、作業工程ごとの決定係数を考慮することにより、精度の高い判定が可能となる。
＊＊＊ハードウェア構成の説明＊＊＊
最後に、情報処理装置１００のハードウェア構成の補足説明を行う。
図２に示すプロセッサ１１は、プロセッシングを行うＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）である。
プロセッサ１１は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）等である。
図２に示すメモリ１２は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）である。
図２に示すストレージ１３は、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等である。
図２に示す通信装置１４は、データを受信するレシーバー及びデータを送信するトランスミッターを含む。
通信装置１４は、例えば、通信チップ又はＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）である。
入力装置１５は、例えば、マウス、キーボードである。
表示装置１６は、例えば、ディスプレイである。
最後に、情報処理装置１００のハードウェア構成の補足説明を行う。
図２に示すプロセッサ１１は、プロセッシングを行うＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）である。
プロセッサ１１は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）等である。
図２に示すメモリ１２は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）である。
図２に示すストレージ１３は、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等である。
図２に示す通信装置１４は、データを受信するレシーバー及びデータを送信するトランスミッターを含む。
通信装置１４は、例えば、通信チップ又はＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）である。
入力装置１５は、例えば、マウス、キーボードである。
表示装置１６は、例えば、ディスプレイである。
ストレージ１３には、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）も記憶されている。
そして、ＯＳの少なくとも一部がメモリ１２にロードされ、プロセッサ１１により実行される。
プロセッサ１１はＯＳの少なくとも一部を実行しながら、通信処理部１０１、習熟容易性判定部１０４、学習能力判定部１０６、工程分割部１０８、表示処理部１０９、作業計画最適化部１１０、習熟曲線生成部１１１、決定係数算出部１１３の機能を実現するプログラムを実行する。
プロセッサ１１がＯＳを実行することで、タスク管理、メモリ管理、ファイル管理、通信制御等が行われる。
また、通信処理部１０１、習熟容易性判定部１０４、学習能力判定部１０６、工程分割部１０８、表示処理部１０９、作業計画最適化部１１０、習熟曲線生成部１１１、決定係数算出部１１３の処理の結果を示す情報やデータや信号値や変数値が、メモリ１２、ストレージ１３、プロセッサ１１内のレジスタ及びキャッシュメモリの少なくともいずれかに記憶される。
また、通信処理部１０１、習熟容易性判定部１０４、学習能力判定部１０６、工程分割部１０８、表示処理部１０９、作業計画最適化部１１０、習熟曲線生成部１１１、決定係数算出部１１３の機能を実現するプログラムは、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ブルーレイ（登録商標）ディスク、ＤＶＤ等の可搬記憶媒体に記憶されてもよい。
そして、ＯＳの少なくとも一部がメモリ１２にロードされ、プロセッサ１１により実行される。
プロセッサ１１はＯＳの少なくとも一部を実行しながら、通信処理部１０１、習熟容易性判定部１０４、学習能力判定部１０６、工程分割部１０８、表示処理部１０９、作業計画最適化部１１０、習熟曲線生成部１１１、決定係数算出部１１３の機能を実現するプログラムを実行する。
プロセッサ１１がＯＳを実行することで、タスク管理、メモリ管理、ファイル管理、通信制御等が行われる。
また、通信処理部１０１、習熟容易性判定部１０４、学習能力判定部１０６、工程分割部１０８、表示処理部１０９、作業計画最適化部１１０、習熟曲線生成部１１１、決定係数算出部１１３の処理の結果を示す情報やデータや信号値や変数値が、メモリ１２、ストレージ１３、プロセッサ１１内のレジスタ及びキャッシュメモリの少なくともいずれかに記憶される。
また、通信処理部１０１、習熟容易性判定部１０４、学習能力判定部１０６、工程分割部１０８、表示処理部１０９、作業計画最適化部１１０、習熟曲線生成部１１１、決定係数算出部１１３の機能を実現するプログラムは、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ブルーレイ（登録商標）ディスク、ＤＶＤ等の可搬記憶媒体に記憶されてもよい。
また、通信処理部１０１、習熟容易性判定部１０４、学習能力判定部１０６、工程分割部１０８、表示処理部１０９、作業計画最適化部１１０、習熟曲線生成部１１１、決定係数算出部１１３の「部」を、「回路」又は「工程」又は「手順」又は「処理」に読み替えてもよい。
また、情報処理装置１００は、ロジックＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＧＡ（Ｇａｔｅ Ａｒｒａｙ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ−Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）といった電子回路により実現されてもよい。
なお、プロセッサ及び上記の電子回路を総称してプロセッシングサーキットリーともいう。
また、情報処理装置１００は、ロジックＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＧＡ（Ｇａｔｅ Ａｒｒａｙ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ−Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）といった電子回路により実現されてもよい。
なお、プロセッサ及び上記の電子回路を総称してプロセッシングサーキットリーともいう。
１００ 情報処理装置、１０１ 通信処理部、１０２ 作業時間収集データベース、１０３ 作業計画データベース、１０４ 習熟容易性判定部、１０５ 習熟容易性データベース、１０６ 学習能力判定部、１０７ 学習能力データベース、１０８ 工程分割部、１０９ 表示処理部、１１０ 作業計画最適化部、１１１ 習熟曲線生成部、１１２ 習熟曲線データベース、１１３ 決定係数算出部、１１４ 決定係数データベース、１１５ 逓減指標値算出部、２００ 収集データサーバ装置、３００ 工場ライン、３０１ 作業設備、３０２ 作業設備、３０３ 作業設備、３０４ 作業設備、３０５ 作業設備、４０１ ネットワーク、４０２ ネットワーク。
Claims (9)
- 複数の作業者の中から選択条件に合致する作業者を選択する作業者選択部と、
前記作業者選択部により選択された作業者である選択作業者について、作業工程における作業回数の増加に伴う作業時間の逓減状況を解析し、前記作業工程を分割すべきか否かを判定する分割判定部とを有する情報処理装置。 - 前記分割判定部は、
前記作業工程において作業回数が増加しても作業時間が逓減していない場合に、前記作業工程を分割すべきであると判定する請求項１に記載の情報処理装置。 - 前記情報処理装置は、更に、
前記作業工程での前記複数の作業者の作業時間の履歴が作業者ごとに示される作業時間データを用いて、前記作業工程における作業回数の増加に伴う作業時間の逓減状況を表す指標値である逓減指標値を作業者ごとに算出する逓減指標値算出部を有し、
前記分割判定部は、
前記選択作業者の逓減指標値を解析して、前記作業工程を分割すべきか否かを判定する請求項１に記載の情報処理装置。 - 前記分割判定部は、
前記選択作業者の逓減指標値の平均値を算出し、算出した平均値が閾値未満である場合に、前記作業工程を分割すべきであると判定する請求項３に記載の情報処理装置。 - 前記逓減指標値算出部は、
作業者ごとに、前記作業時間データを用いて、前記作業工程における作業回数と作業時間との関係が示される習熟曲線を生成し、前記逓減指標値として、前記習熟曲線と前記作業時間データに示される作業時間の履歴との間の決定係数を算出し、
前記分割判定部は、
前記選択作業者の決定係数を解析して、前記作業工程を分割すべきか否かを判定する請求項３に記載の情報処理装置。 - 前記情報処理装置は、更に、
前記複数の作業者の各々の学習能力を判定する学習能力判定部を有し、
前記作業者選択部は、
前記学習能力判定部により判定された学習能力が前記選択条件に合致する作業者を選択する請求項１に記載の情報処理装置。 - 前記情報処理装置は、更に、
いずれかの作業工程が分割された場合に、分割後の作業工程に基づき、作業計画を最適化する作業計画最適化部を有する請求項１に記載の情報処理装置。 - コンピュータが、複数の作業者の中から選択条件に合致する作業者を選択し、
前記コンピュータが、選択された作業者である選択作業者について、作業工程における作業回数の増加に伴う作業時間の逓減状況を解析し、前記作業工程を分割すべきか否かを判定する情報処理方法。 - 複数の作業者の中から選択条件に合致する作業者を選択する作業者選択処理と、
前記作業者選択処理により選択された作業者である選択作業者について、作業工程における作業回数の増加に伴う作業時間の逓減状況を解析し、前記作業工程を分割すべきか否かを判定する分割判定処理とをコンピュータに実行させる情報処理プログラム。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/JP2016/076318 WO2018047256A1 (ja) | 2016-09-07 | 2016-09-07 | 情報処理装置、情報処理方法及び情報処理プログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPWO2018047256A1 true JPWO2018047256A1 (ja) | 2018-09-06 |
| JP6415786B2 JP6415786B2 (ja) | 2018-10-31 |
Family
ID=61562027
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018520632A Active JP6415786B2 (ja) | 2016-09-07 | 2016-09-07 | 情報処理装置、情報処理方法及び情報処理プログラム |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US20190205804A1 (ja) |
| JP (1) | JP6415786B2 (ja) |
| KR (1) | KR20190029751A (ja) |
| CN (1) | CN109690585A (ja) |
| TW (1) | TW201812653A (ja) |
| WO (1) | WO2018047256A1 (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7199218B2 (ja) * | 2018-12-21 | 2023-01-05 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | 管理装置、管理方法及び管理プログラム |
| JP6736733B1 (ja) * | 2019-07-22 | 2020-08-05 | 日東電工株式会社 | 設備異常処置タイミング決定システム、設備異常処置タイミング決定方法及びコンピュータ・プログラム |
| US20210049440A1 (en) * | 2019-08-16 | 2021-02-18 | Microsoft Technology Licensing, Llc | Smart coach for enhancing personal productivity |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09138823A (ja) * | 1995-09-11 | 1997-05-27 | Hitachi Ltd | 設計・開発の進捗管理方法及びそのシステム並びに設計・開発プロジェクトの管理方法及びそのシステム |
| JPH09256635A (ja) * | 1996-03-21 | 1997-09-30 | Takenaka Komuten Co Ltd | 建設工事管理支援装置及びシステム |
| JP2000170379A (ja) * | 1998-12-08 | 2000-06-20 | Takenaka Komuten Co Ltd | 工程計画管理装置及び記録媒体 |
| JP2002324157A (ja) * | 2001-04-25 | 2002-11-08 | Toshiba Corp | 作業計画立案装置および作業計画立案方法 |
| JP2003263214A (ja) * | 2002-03-08 | 2003-09-19 | Seiko Epson Corp | 工程分割支援システムおよび工程分割支援方法、並びに工程分割支援プログラム |
| JP2005284415A (ja) * | 2004-03-26 | 2005-10-13 | Matsushita Electric Works Ltd | 組立製造ラインにおける作業工程別タクトタイム推定方法、全体工程編成方法、装置およびプログラム |
| JP2014115707A (ja) * | 2012-12-06 | 2014-06-26 | Danway Co Ltd | スケジュール管理装置及びスケジュール管理装置を備えたコンピュータ処理システム |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002287987A (ja) * | 2001-03-28 | 2002-10-04 | Namiki Precision Jewel Co Ltd | タスクの並行処理を実行させるためのプログラム及び並行処理する組込み制御装置及び並行処理方法並びにプログラムが記録されている記録媒体 |
| JP5248756B2 (ja) * | 2006-07-31 | 2013-07-31 | ピーアンドダブリューソリューションズ株式会社 | 更新されたスキル評価データに基づいて人員の配置計画を行う方法 |
| CN104463424A (zh) * | 2014-11-11 | 2015-03-25 | 上海交通大学 | 众包中任务最优分配方法及其*** |
| CN104573995A (zh) * | 2015-01-28 | 2015-04-29 | 重庆软文科技有限责任公司 | 众包任务发布、执行方法及发布、执行装置 |
-
2016
- 2016-09-07 JP JP2018520632A patent/JP6415786B2/ja active Active
- 2016-09-07 WO PCT/JP2016/076318 patent/WO2018047256A1/ja active Application Filing
- 2016-09-07 US US16/325,353 patent/US20190205804A1/en not_active Abandoned
- 2016-09-07 CN CN201680088953.5A patent/CN109690585A/zh active Pending
- 2016-09-07 KR KR1020197006178A patent/KR20190029751A/ko active IP Right Grant
- 2016-11-03 TW TW105135664A patent/TW201812653A/zh unknown
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09138823A (ja) * | 1995-09-11 | 1997-05-27 | Hitachi Ltd | 設計・開発の進捗管理方法及びそのシステム並びに設計・開発プロジェクトの管理方法及びそのシステム |
| JPH09256635A (ja) * | 1996-03-21 | 1997-09-30 | Takenaka Komuten Co Ltd | 建設工事管理支援装置及びシステム |
| JP2000170379A (ja) * | 1998-12-08 | 2000-06-20 | Takenaka Komuten Co Ltd | 工程計画管理装置及び記録媒体 |
| JP2002324157A (ja) * | 2001-04-25 | 2002-11-08 | Toshiba Corp | 作業計画立案装置および作業計画立案方法 |
| JP2003263214A (ja) * | 2002-03-08 | 2003-09-19 | Seiko Epson Corp | 工程分割支援システムおよび工程分割支援方法、並びに工程分割支援プログラム |
| JP2005284415A (ja) * | 2004-03-26 | 2005-10-13 | Matsushita Electric Works Ltd | 組立製造ラインにおける作業工程別タクトタイム推定方法、全体工程編成方法、装置およびプログラム |
| JP2014115707A (ja) * | 2012-12-06 | 2014-06-26 | Danway Co Ltd | スケジュール管理装置及びスケジュール管理装置を備えたコンピュータ処理システム |
Also Published As
| Publication number | Publication date |
|---|---|
| TW201812653A (zh) | 2018-04-01 |
| WO2018047256A1 (ja) | 2018-03-15 |
| JP6415786B2 (ja) | 2018-10-31 |
| CN109690585A (zh) | 2019-04-26 |
| KR20190029751A (ko) | 2019-03-20 |
| US20190205804A1 (en) | 2019-07-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5962190B2 (ja) | 短期電力負荷を予測する方法及び装置 | |
| US9996444B2 (en) | Automated methods and systems for calculating hard thresholds | |
| JP6415786B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
| JP6327234B2 (ja) | イベント解析装置、イベント解析システム、イベント解析方法、およびイベント解析プログラム | |
| US20060184460A1 (en) | Automated learning system | |
| RU2008147223A (ru) | Способ и устройство для определения болезненного состояния с помощью биомаркеров | |
| CN108292380B (zh) | 要因分析装置、要因分析方法以及记录介质 | |
| KR101505546B1 (ko) | 텍스트 마이닝을 이용한 키워드 도출 방법 | |
| JP2004165216A (ja) | 生産管理方法および生産管理装置 | |
| JP2018156346A5 (ja) | ||
| JP6381863B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
| JP2019219848A (ja) | ソースコード解析方法およびソースコード解析装置 | |
| US20150024358A1 (en) | Stress assessment device, stress assessment method and recording medium | |
| JP7120914B2 (ja) | 生産実績データ分析装置 | |
| JP5793228B1 (ja) | 欠陥数予測装置及び欠陥数予測プログラム | |
| CN114266496A (zh) | 一种基于政策完成度分析的政策落地效果评价方法及*** | |
| JP2009258969A (ja) | 進捗計画作成装置及び進捗計画作成方法 | |
| JP7243134B2 (ja) | 入力操作の作業効率管理装置、入力操作の作業効率管理方法、及び、入力操作の作業効率管理プログラム | |
| JP2018181052A (ja) | モデル同定装置、予測装置、監視システム、モデル同定方法および予測方法 | |
| JP6996360B2 (ja) | レポート作成プログラム、およびレポート作成方法 | |
| US10515330B2 (en) | Real time visibility of process lifecycle | |
| JP7500358B2 (ja) | 情報処理装置 | |
| JP5826893B1 (ja) | 変化点予測装置、変化点予測方法、及びコンピュータプログラム | |
| WO2023161993A1 (ja) | 訓練データ生成プログラム、訓練データ生成方法、および情報処理装置 | |
| Al Nahiana et al. | Dynamics of one dimensional mouse map |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180420 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20180420 |
|
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20180510 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180703 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180727 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180904 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181002 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6415786 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |