KR20190026950A - 정보 처리 장치, 정보 처리 방법 및 기억 매체에 저장된 정보 처리 프로그램 - Google Patents

정보 처리 장치, 정보 처리 방법 및 기억 매체에 저장된 정보 처리 프로그램 Download PDF

Info

Publication number
KR20190026950A
KR20190026950A KR1020197006080A KR20197006080A KR20190026950A KR 20190026950 A KR20190026950 A KR 20190026950A KR 1020197006080 A KR1020197006080 A KR 1020197006080A KR 20197006080 A KR20197006080 A KR 20197006080A KR 20190026950 A KR20190026950 A KR 20190026950A
Authority
KR
South Korea
Prior art keywords
work
work process
worker
information processing
value
Prior art date
Application number
KR1020197006080A
Other languages
English (en)
Inventor
겐고 시라키
Original Assignee
미쓰비시덴키 가부시키가이샤
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 미쓰비시덴키 가부시키가이샤 filed Critical 미쓰비시덴키 가부시키가이샤
Publication of KR20190026950A publication Critical patent/KR20190026950A/ko

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
    • G06Q10/0633—Workflow analysis
    • 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
    • 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
    • G06Q10/10—Office automation; Time management
    • G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
    • G06Q10/1091—Recording time for administrative or management purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

체감 지표치 산출부(112)는, 작업 공정에서의 복수의 작업자의 작업 시간의 이력이 작업자마다 나타내어지는 작업 시간 데이터를 이용하여, 작업 공정에 있어서의 작업 횟수의 증가에 수반하는 작업 시간의 체감 상황을 나타내는 지표치인 체감 지표치를 작업자마다 산출한다. 숙달 용이성 판정부(107)는, 복수의 작업자의 체감 지표치에 근거하여, 작업 공정이 숙달되기 쉬운 작업 공정인지 여부를 판정한다.

Description

정보 처리 장치, 정보 처리 방법 및 정보 처리 프로그램
본 발명은, 정보 처리 장치, 정보 처리 방법 및 정보 처리 프로그램에 관한 것이다.
공장에서는, 복수의 작업 공정을 거쳐 하나의 제품이 제조된다. 한 명의 작업자가 복수의 작업 공정의 전부를 담당하는 일은 적고, 복수의 작업자가 복수의 작업 공정을 분담하는 일이 많다. 이때, 두 명 이상의 작업자가 동일한 작업 공정을 병행하여 행하는 일도 있다.
또한, 두 명 이상의 작업자가, 작업일(working day)을 바꾸어, 하나의 작업 공정을 분담하는 일도 많다.
각 작업 공정에는 작업 수순이 정해져 있고, 작업 수순대로 작업을 행했을 때의 작업 완료에 요하는 표준 시간이 설정되어 있는 것이 일반적이다. 그러나, 작업자마다 작업을 행할 때의 솜씨는 상이하다. 또한, 동일한 작업자라도 처음으로 작업을 행할 때와, 작업을 반복하여 작업에 익숙해진 후는, 작업에 요하는 시간은 상이하다.
이 때문에, 실제로 작업에 요하는 실제 작업 시간이 표준 시간과 크게 괴리하는 일이 있다.
특허문헌 1에서는, 작업자의 작업 시간의 실적 데이터를 이용하여, 동일 작업 공정의 누적 작업 횟수에 따른 예측 작업 시간을 산출하는 시스템이 개시되어 있다. 특허문헌 1의 시스템에서는, 임의의 작업 공정에 대한 작업 시간의 실적 데이터를 이용하여, 작업자의 해당 작업 공정에 대한 숙달 정도를 나타내는 숙달 곡선을 생성하고, 생성한 숙달 곡선을 이용하여, 작업을 반복한 후의 작업 시간을 예측한다.
특허문헌 1 : 일본 특허 공개 2005-284415호 공보
공장 라인에 포함되는 복수의 작업 공정에는, 숙달되기 어렵고 작업을 반복하더라도 작업 시간이 체감(遞減)하기 어려운 작업 공정과, 숙달되기 쉽고 작업 시간이 체감하기 쉬운 작업 공정이 있다. 작업 계획의 최적화의 관점으로부터는, 숙달되기 어려운 작업 공정과 숙달되기 쉬운 작업 공정을 파악한 다음, 작업 계획을 책정하는 것이 바람직하다.
특허문헌 1의 기술은, 작업 공정마다 예측 작업 시간을 산출하지만, 작업 공정이 숙달되기 쉬운지 여부를 판정하는 것이 아니다. 이 때문에, 작업 공정을 관리하는 작업 관리자는, 작업 공정의 숙달 용이성을 고려한 최적의 작업 계획을 책정할 수 없다고 하는 과제가 있다.
본 발명은, 이와 같은 과제를 해결하는 것을 주된 목적으로 한다. 다시 말해, 본 발명은, 작업 공정이 숙달되기 쉬운지 여부를 판정하는 구성을 얻는 것을 주된 목적으로 한다.
본 발명과 관련되는 정보 처리 장치는,
작업 공정에서의 복수의 작업자의 작업 시간의 이력이 작업자마다 나타내어지는 작업 시간 데이터를 이용하여, 상기 작업 공정에 있어서의 작업 횟수의 증가에 수반하는 작업 시간의 체감 상황을 나타내는 지표치인 체감 지표치를 작업자마다 산출하는 체감 지표치 산출부와,
상기 복수의 작업자의 체감 지표치에 근거하여, 상기 작업 공정이 숙달되기 쉬운 작업 공정인지 여부를 판정하는 숙달 용이성 판정부를 갖는다.
본 발명에 의하면, 작업 공정이 숙달되기 쉬운지 여부를 판정할 수 있다.
도 1은 실시의 형태 1과 관련되는 시스템 구성예를 나타내는 도면이다.
도 2는 실시의 형태 1과 관련되는 정보 처리 장치의 하드웨어 구성예를 나타내는 도면이다.
도 3은 실시의 형태 1과 관련되는 정보 처리 장치의 기능 구성예를 나타내는 도면이다.
도 4는 실시의 형태 1과 관련되는 정보 처리 장치의 하드웨어 구성과 기능 구성의 관계를 나타내는 도면이다.
도 5는 실시의 형태 1과 관련되는 정보 처리 장치의 동작예를 나타내는 플로차트이다.
도 6은 실시의 형태 1과 관련되는 숙달 곡선의 예를 나타내는 도면이다.
도 7은 실시의 형태 1과 관련되는 숙달 용이성 판정 처리의 상세를 나타내는 플로차트이다.
도 8은 실시의 형태 1과 관련되는 학습 능력 판정 처리의 상세를 나타내는 플로차트이다.
도 9는 실시의 형태 2와 관련되는 정보 처리 장치의 기능 구성예를 나타내는 도면이다.
도 10은 실시의 형태 2와 관련되는 상한치 곡선과 하한치 곡선의 예를 나타내는 도면이다.
이하, 본 발명의 실시의 형태에 대하여, 도면을 이용하여 설명한다. 이하의 실시의 형태의 설명 및 도면에 있어서, 동일한 부호를 붙인 것은, 동일한 부분 또는 상당하는 부분을 나타낸다.
실시의 형태 1.
***구성의 설명***
도 1은 본 실시의 형태와 관련되는 시스템 구성예를 나타낸다.
본 실시의 형태와 관련되는 시스템은, 정보 처리 장치(100)와, 수집 데이터 서버 장치(200)와, 공장 라인(300)으로 구성된다. 공장 라인(300)에는, 작업 설비(301)~작업 설비(305)가 존재한다.
본 실시의 형태에서는, 작업 공정은, 작업 설비(301)~작업 설비(305)에 대응한다.
다시 말해, 본 실시의 형태에서는, 공장 라인(300)에는, 작업 설비(301)를 이용한 작업 공정, 작업 설비(302)를 이용한 작업 공정, 작업 설비(303)를 이용한 작업 공정, 작업 설비(304)를 이용한 작업 공정, 작업 설비(305)를 이용한 작업 공정의 5개가 존재한다.
이하에서는, 작업 설비(301)를 이용한 작업 공정을 작업 공정 1이라고 한다. 또한, 작업 설비(302)를 이용한 작업 공정을 작업 공정 2라고 한다. 또한, 작업 설비(303)를 이용한 작업 공정을 작업 공정 3이라고 한다. 또한, 작업 설비(304)를 이용한 작업 공정을 작업 공정 4라고 한다. 또한, 작업 설비(305)를 이용한 작업 공정을 작업 공정 5라고 한다.
또한, 본 실시의 형태에서는, 각 작업 공정은, 복수의 작업원에 의해 실시되는 것으로 한다. 단, 작업 공정마다의 작업원의 조합 및 작업원의 수는 상이하더라도 좋다.
또한, 본 실시의 형태에서는, 각 작업원은, 하나 이상의 작업 공정을 담당하는 것으로 한다. 하나의 작업 공정만을 담당하는 작업원이 존재하더라도 좋지만, 모든 작업원 중 적어도 반수의 작업원은, 2개 이상의 작업 공정을 담당하고 있는 것으로 한다.
정보 처리 장치(100)는, 수집 데이터 서버 장치(200)에 의해 수집된 작업 시간 데이터를 이용하여, 작업 공정의 숙달되기 쉬움을 판정한다. 또한, 정보 처리 장치(100)는, 작업자의 학습 능력을 판정한다.
작업 시간 데이터는, 작업 공정마다 작업자의 단위로 작업 시간의 이력이 나타내어지는 데이터이다.
정보 처리 장치(100)는, 네트워크(402)를 거쳐서 수집 데이터 서버 장치(200)와 접속된다.
또, 정보 처리 장치(100)에서 행하여지는 동작은 정보 처리 방법 및 정보 처리 프로그램에 상당한다.
수집 데이터 서버 장치(200)는, 공장 라인(300)으로부터 작업 시간 데이터를 수집한다. 수집 데이터 서버 장치(200)의 작업 시간 데이터의 수집 방법은 묻지 않는다.
수집 데이터 서버 장치(200)는, 네트워크(401)를 거쳐서, 작업 설비(301)~작업 설비(305)와 접속되어 있다.
도 2는 정보 처리 장치(100)의 하드웨어 구성예를 나타낸다.
도 3은 정보 처리 장치(100)의 기능 구성예를 나타낸다.
먼저, 도 2를 참조하여, 정보 처리 장치(100)의 하드웨어 구성예를 설명한다.
정보 처리 장치(100)는, 컴퓨터이다.
정보 처리 장치(100)는, 하드웨어로서, 프로세서(11), 메모리(12), 스토리지(13), 통신 장치(14), 입력 장치(15), 표시 장치(16)를 구비한다.
스토리지(13)에는, 도 3에 나타내는 통신 처리부(101), 숙달 곡선 생성부(103), 결정 계수 산출부(105), 숙달 용이성 판정부(107), 학습 능력 판정부(109), 표시 처리부(111)의 기능을 실현하는 프로그램이 기억되어 있다.
그리고, 이들 프로그램이 메모리(12)에 로드되고, 프로세서(11)가 이들 프로그램을 실행한다.
또한, 스토리지(13)는, 도 3에 나타내는 작업 시간 수집 데이터베이스(102), 숙달 곡선 데이터베이스(104), 결정 계수 데이터베이스(106), 숙달 용이성 데이터베이스(108), 학습 능력 데이터베이스(110)를 실현한다.
도 4는 도 2의 하드웨어 구성과 도 3의 기능 구성의 관계를 나타낸다.
다시 말해, 도 4에서는, 프로세서(11)가 통신 처리부(101), 숙달 곡선 생성부(103), 결정 계수 산출부(105), 숙달 용이성 판정부(107), 학습 능력 판정부(109), 표시 처리부(111)의 기능을 실현하는 프로그램을 실행하고 있는 상태를 모식적으로 나타내고 있다. 또한, 도 4에서는, 스토리지(13)가 작업 시간 수집 데이터베이스(102), 숙달 곡선 데이터베이스(104), 결정 계수 데이터베이스(106), 숙달 용이성 데이터베이스(108), 학습 능력 데이터베이스(110)로서 이용되고 있는 상태를 모식적으로 나타내고 있다. 또, 작업 시간 수집 데이터베이스(102), 숙달 곡선 데이터베이스(104), 결정 계수 데이터베이스(106), 숙달 용이성 데이터베이스(108), 학습 능력 데이터베이스(110)의 적어도 일부가 메모리(12)에 의해 실현되더라도 좋다.
다음으로, 도 3을 참조하여, 정보 처리 장치(100)의 기능 구성예를 설명한다.
통신 처리부(101)는, 통신 장치(14)를 이용하여, 수집 데이터 서버 장치(200)로부터 작업 시간 데이터를 수신한다.
또한, 통신 처리부(101)는, 수신한 작업 시간 데이터를 작업 시간 수집 데이터베이스(102)에 저장한다.
숙달 곡선 생성부(103)는, 작업 시간 수집 데이터베이스(102)에 저장된 작업 시간 데이터를 이용하여, 작업 공정별로, 작업자마다의 숙달 곡선을 생성한다. 숙달 곡선은, 작업 공정에 있어서의 작업 횟수와 작업 시간의 관계가 나타내어지는 곡선이다. 그리고, 숙달 곡선 생성부(103)는, 생성한 숙달 곡선이 기술되는 숙달 곡선 데이터를 숙달 곡선 데이터베이스(104)에 저장한다.
결정 계수 산출부(105)는, 숙달 곡선 생성부(103)에 의해 생성된 숙달 곡선과 작업 시간 데이터에 나타내어지는 작업 시간의 이력의 사이의 결정 계수를 산출한다. 또한, 결정 계수 산출부(105)는, 산출한 결정 계수가 기술되는 결정 계수 데이터를 결정 계수 데이터베이스(106)에 저장한다. 결정 계수는, 작업 횟수의 증가에 수반하는 작업 시간의 체감 상황을 나타내는 지표치이고, 체감 지표치에 상당한다.
또, 숙달 곡선 생성부(103) 및 결정 계수 산출부(105)를, 체감 지표치 산출부(112)라고도 한다. 또한, 숙달 곡선 생성부(103) 및 결정 계수 산출부(105)의 동작은, 체감 지표치 산출 처리에 상당한다.
숙달 용이성 판정부(107)는, 복수의 작업자의 결정 계수(체감 지표치)에 근거하여, 각 작업 공정이 숙달되기 쉬운 작업 공정인지 여부를 판정한다. 보다 구체적으로는, 숙달 용이성 판정부(107)는, 작업 공정마다, 복수의 작업자의 결정 계수 중에서 선택 조건에 합치하는 결정 계수를 선택한다. 그리고, 숙달 용이성 판정부(107)는, 선택한 결정 계수의 평균치를 산출하고, 산출한 평균치가 임계치 이상인 경우에, 해당 작업 공정을 숙달되기 쉬운 작업 공정으로 판정한다.
또한, 숙달 용이성 판정부(107)는, 각 작업 공정에 대한 판정 결과가 기술되는 숙달 용이성 데이터를 숙달 용이성 데이터베이스(108)에 저장한다.
또, 숙달 용이성 판정부(107)의 동작은, 숙달 용이성 판정 처리에 상당한다.
학습 능력 판정부(109)는, 숙달 용이성 판정부(107)에 의해 숙달되기 쉬운 작업 공정이라고 판정된 작업 공정의 결정 계수를 이용하여, 각 작업자의 학습 능력을 판정한다. 보다 구체적으로는, 학습 능력 판정부(109)는, 작업자마다, 숙달 용이성 판정부(107)에 의해 숙달되기 쉬운 작업 공정이라고 판정된 작업 공정의 결정 계수의 평균치를 산출한다. 그리고, 학습 능력 판정부(109)는, 산출한 평균치가 임계치 이상인 경우에, 해당 작업자는 요구되는 학습 능력을 갖추고 있다고 판정한다. 한편, 산출한 평균치가 임계치 미만인 경우는, 학습 능력 판정부(109)는, 해당 작업자는 요구되는 학습 능력을 갖추고 있지 않다고 판정한다.
또한, 학습 능력 판정부(109)는, 각 작업자에 대한 판정 결과가 기술되는 작업자 학습 능력 데이터를 작업자 학습 능력 데이터베이스(110)에 저장한다.
표시 처리부(111)는, 학습 능력 판정부(109)의 판정 결과를 표시 장치(16)에 표시한다. 예컨대, 표시 처리부(111)는, 요구되는 학습 능력을 갖추고 있지 않다고 판정된 작업자를 표시 장치(16)에 표시한다.
***동작의 설명***
다음으로, 도 5의 플로차트를 참조하여, 본 실시의 형태와 관련되는 정보 처리 장치(100)의 동작예를 설명한다.
스텝 S101에 있어서, 통신 처리부(101)가 통신 장치(14)를 거쳐서 수집 데이터 서버 장치(200)로부터 작업 시간 데이터를 수신한다. 또한, 통신 처리부(101)는, 수신한 작업 시간 데이터를 작업 시간 수집 데이터베이스(102)에 저장한다.
작업 시간 데이터에는, 작업자 이름, 작업 공정, 작업 개시 시각, 작업 종료 시각, 해당 작업 공정의 누적 작업 횟수가 기술된다.
다음으로, 스텝 S102에 있어서, 숙달 곡선 생성부(103)가, 작업 시간 데이터를 이용하여, 작업 공정별로, 작업자마다의 숙달 곡선을 생성한다. 예컨대, 작업자 A가 작업 공정 1과 작업 공정 2를 담당하고 있는 경우는, 숙달 곡선 생성부(103)는, 작업자 A의 작업 공정 1에 대한 숙달 곡선과, 작업자 A의 작업 공정 2에 대한 숙달 곡선을 생성한다. 숙달 곡선 생성부(103)는, 생성한 숙달 곡선이 기술되는 숙달 곡선 데이터를 숙달 곡선 데이터베이스(104)에 저장한다.
숙달 곡선의 예를 도 6에 나타낸다. 일반적으로 동일 작업 공정을 반복하는 것에 의해 작업자는 작업에 익숙해지기 때문에, 작업 횟수가 증가함에 따라 작업 시간은 체감하는 경향이 있다. 도 6의 예에서도, 작업 횟수 n이 증가함에 따라, 작업 시간 RT가 체감하고 있다.
작업 시간의 체감 경향은 식 (1)로 근사된다. 식 (1)에 있어서, RT는 작업 완료까지 요하는 작업 시간, n은 작업 공정의 작업 횟수이다.
[수학식 1]
Figure pct00001
또한, 식 (1)의 A 및 B는, 이하의 식 (2), 식 (3)으로 얻어지는 변수이다.
이하에 있어서, n은 작업 횟수, N은 누적 작업 횟수, n-(n의 위에 -)는, 누적 작업 횟수의 평균치, RTn은 n회째의 작업을 했을 때의 작업 시간, RT-(RT의 위에 -)는 모든 작업 횟수의 작업 시간의 평균치를 나타낸다.
[수학식 2]
Figure pct00002
스텝 S103에 있어서, 결정 계수 산출부(105)가 결정 계수를 산출한다. 보다 구체적으로는, 스텝 S102에서 생성된 숙달 곡선과, 대응하는 작업 공정 및 작업자의 작업 시간 데이터에 나타내어지는 작업 시간의 이력을 대조하여, 결정 계수 R2를 산출한다. 또한, 결정 계수 산출부(105)는, 산출한 결정 계수 R2가 기술되는 결정 계수 데이터를 결정 계수 데이터베이스(106)에 저장한다.
예컨대, 결정 계수 산출부(105)는, 작업자 A의 작업 공정 1에 대한 숙달 곡선과, 작업자 A의 작업 공정 1에 대한 작업 시간 데이터에 나타내어지는 작업 시간의 이력을 대조하여, 결정 계수 R2를 산출한다.
결정 계수 R2는, 숙달 곡선과, 실제의 작업 시간의 관련 정도를 나타내는 지표이고, [0, 1]의 값을 취한다. 결정 계수가 1에 가까울수록 실제의 작업 시간에 대한 숙달 곡선의 관련이 강하고, 0에 가까울수록 관련이 약하다. 결정 계수 R2는 식 (4)로 주어진다.
[수학식 3]
Figure pct00003
스텝 S104에서는, 숙달 용이성 판정부(107)가, 결정 계수 R2를 이용하여, 작업 공정마다의 숙달되기 쉬움(숙달 용이성)을 판정한다. 또한, 숙달 용이성 판정부(107)는, 판정 결과가 기술되는 숙달 용이성 데이터를 숙달 용이성 데이터베이스(108)에 저장한다.
숙달 용이성 판정부(107)는, 구체적으로는, 도 7에 나타내는 수순으로 각 작업 공정의 숙달되기 쉬움을 판정한다. 숙달 용이성 판정부(107)는, 작업 공정마다, 도 7에 나타내는 수순을 반복하여, 작업 공정 1~5의 각각에 대하여 숙달되기 쉬움을 판정한다.
또, 도 7에 나타내는 α, β, γ의 구체적 수치는 작업 관리자가 설정하는 것으로 한다. 이하, 도 7의 각 스텝을 설명한다.
먼저, 숙달 용이성 판정부(107)는, 숙달되기 쉬움의 판정 대상의 작업 공정의 누적 작업 횟수가 α회 이상인 작업자의 작업 시간 데이터를 추출한다(스텝 S1041).
누적 작업 횟수가 적은 단계에서는 작업자는 작업에 익숙해져 있지 않기 때문에 작업 시간의 격차가 크다. 이 때문에, 누적 작업 횟수가 적은 작업자의 작업 시간 데이터를 이용하면, 작업 공정의 숙달되기 쉬움을 정확하게 판정할 수 없을 가능성이 있다. 따라서, 숙달 용이성 판정부(107)는, 누적 작업 횟수가 일정 수(α회) 이상인 작업자의 작업 시간 데이터만을 작업 공정의 숙달되기 쉬움의 판정에 이용한다.
다음으로, 숙달 용이성 판정부(107)는, 스텝 S1041에서 작업 시간 데이터를 추출한 작업자의 결정 계수를 수치가 큰 순서로 배열한다(스텝 S1042).
다음으로, 숙달 용이성 판정부(107)는, 스텝 S1042에서 배열한 결정 계수 중, 상위 β％의 결정 계수의 평균치를 산출한다(스텝 S1043). 또한, 숙달 용이성 판정부(107)는, 상위 β％의 결정 계수의 평균치를, 각 작업 공정의 숙달되기 쉬움으로서 취급한다.
어느 작업 공정의 결정 계수가 낮은 작업자는 모든 작업 공정에 대해서도 학습 능력이 낮은 일이 많다. 이 때문에, 값이 낮은 결정 계수를 이용하면 작업 공정의 숙달되기 쉬움을 정확하게 판정할 수 없을 가능성이 있다. 따라서, 숙달 용이성 판정부(107)는, 결정 계수의 상위 β％를 숙달되기 쉬움의 지표로서 이용한다.
다음으로, 숙달 용이성 판정부(107)는, 스텝 S1043에서 산출한 평균치가 임계치 γ 이상인지 여부를 판정한다(스텝 S1044).
숙달 용이성 판정부(107)는, 평균치가 임계치 γ 이상인 작업 공정을 숙달되기 쉬운 작업 공정으로 판정한다(스텝 S1045). 한편, 숙달 용이성 판정부(107)는, 평균치가 임계치 γ 미만인 작업 공정을 숙달되기 어려운 작업 공정으로 판정한다(스텝 S1046).
도 5의 플로차트로 돌아가서, 스텝 S105에서는, 학습 능력 판정부(109)가, 각 작업자의 학습 능력을 판정한다. 또한, 학습 능력 판정부(109)는, 판정 결과가 기술되는 학습 능력 데이터를 학습 능력 데이터베이스(110)에 저장한다.
학습 능력 판정부(109)는, 구체적으로는, 도 8에 나타내는 수순으로 각 작업자의 학습 능력을 판정한다. 또, 도 8에 나타내는 δ의 구체적 수치는 작업 관리자가 설정하는 것으로 한다. 이하, 도 8의 각 스텝을 설명한다.
먼저, 학습 능력 판정부(109)는, 스텝 S1045에서 숙달되기 쉽다고 판정된 작업 공정(이하, 숙달되기 쉬운 작업 공정이라고 한다)을 추출한다(스텝 S1051).
숙달되기 어렵다고 판정된 작업 공정은, 학습 능력이 높은 작업자가 작업하더라도 숙달되기 어렵고 결정 계수가 낮다. 숙달되기 어렵다고 판정된 작업 공정의 결정 계수를 이용하더라도, 작업자의 학습 능력을 정확하게 판정할 수 없을 가능성이 있다. 이 때문에, 학습 능력 판정부(109)는, 숙달되기 쉬운 작업 공정을 추출한다.
다음으로, 학습 능력 판정부(109)는, 작업자마다, 스텝 S1051에서 추출된 숙달되기 쉬운 작업 공정의 결정 계수의 평균치를 산출한다(스텝 S1052). 학습 능력 판정부(109)는, 산출한 평균치를 각 작업자의 학습 능력으로서 취급한다.
예컨대, 작업자 A가 작업 공정 1과 작업 공정 2를 담당하고, 작업자 B가 작업 공정 2와 작업 공정 3을 담당하고 있는 경우를 상정한다. 작업 공정 1과 작업 공정 2와 작업 공정 3이 숙달되기 쉬운 작업 공정이면, 학습 능력 판정부(109)는, 작업자 A에 대해서는, 작업 공정 1에 대한 결정 계수와 작업 공정 2에 대한 결정 계수의 평균치를 산출한다. 또한, 학습 능력 판정부(109)는, 작업자 B에 대해서는, 작업 공정 2에 대한 결정 계수와 작업 공정 3에 대한 결정 계수의 평균치를 산출한다.
다음으로, 학습 능력 판정부(109)는, 작업자마다, 스텝 S1052에서 산출된 평균치가 임계치 δ 이상인지 여부를 판정한다(스텝 S1053).
학습 능력 판정부(109)는, 평균치가 임계치 δ 이상인 작업자를 학습 능력이 있는 작업자로 판정한다(스텝 S1054).
한편, 학습 능력 판정부(109)는, 평균치가 임계치 δ 미만인 작업자를 학습 능력이 부족한 작업자로 판정한다(스텝 S1055).
도 5의 플로차트로 돌아가서, 스텝 S106에서는, 표시 처리부(111)가, 학습 능력 판정부(109)의 판정 결과를 표시 장치(16)에 표시한다.
제조 현장의 작업 관리자는 제조 작업을 원활히 진행시키기 위해, 각 작업자의 작업 능력을 파악할 필요가 있다. 이 때문에, 표시 처리부(111)는, 스텝 S1055에서 학습 능력이 부족하다고 판정된 작업자를 표시 장치(16)에 표시하여, 작업 관리자에게 학습 능력이 부족한 작업자를 통지한다.
또한, 표시 처리부(111)는, 숙달 용이성 판정부(107)의 판정 결과, 즉, 작업 공정마다의 숙달되기 쉬움을 표시 장치(16)에 표시하도록 하더라도 좋다.
***실시의 형태의 효과의 설명***
본 실시의 형태에 의하면, 각 작업 공정이 숙달되기 쉬운지 여부를 판정할 수 있다. 이 때문에, 작업 관리자는, 각 작업 공정의 숙달되기 쉬움을 고려하여, 최적의 작업 계획을 책정할 수 있다.
또한, 본 실시의 형태에 의하면, 작업자마다의 학습 능력의 유무를 판정할 수 있다. 이 때문에, 작업 관리자는, 각 작업자의 학습 능력을 고려하여, 최적의 작업 계획을 책정할 수 있다.
실시의 형태 2.
실시의 형태 1에서는, 도 8의 스텝 S1053의 작업자의 학습 능력의 판정 처리에 있어서, 판정 지표로서 결정 계수만이 이용되고 있다.
본 실시의 형태에서는, 결정 계수에 더하여, 도 5의 스텝 S102에서 생성된 숙달 곡선을 판정 지표로 함으로써, 작업자의 학습 능력의 판정의 판정 정확도를 향상시킨다.
도 9는 본 실시의 형태와 관련되는 정보 처리 장치(100)의 기능 구성예를 나타낸다.
도 9에서는, 도 3과 비교하여, 학습 능력 판정부(109)가 숙달 곡선 데이터베이스(104)로부터 숙달 곡선을 취득하는 점이 상이하다. 또, 도 9의 다른 요소는, 도 3에 나타낸 것과 동일하기 때문에, 설명을 생략한다. 또한, 본 실시의 형태와 관련되는 정보 처리 장치(100)의 하드웨어 구성예는, 도 2에 나타낸 것과 마찬가지이다.
이하에서는, 주로 실시의 형태 1과의 차이를 설명한다. 이하에서 설명하고 있지 않은 사항은, 실시의 형태 1과 마찬가지이다.
본 실시의 형태에서는, 학습 능력 판정부(109)는, 결정 계수와 숙달 곡선을 이용하여, 작업자의 학습 능력을 판정한다. 학습 능력 판정부(109)는, 결정 계수를 이용한 평가 및 숙달 곡선을 이용한 평가의 양쪽에서 학습 능력이 있다고 판정된 작업자만을 학습 능력이 있다고 인정한다.
결정 계수를 이용한 평가는, 실시의 형태 1에 나타낸 것과 동일하기 때문에, 설명을 생략한다.
본 실시의 형태에서는 학습 능력 판정부(109)는, 숙달 곡선을 이하와 같이 이용하여, 작업자의 학습 능력을 평가한다.
학습 능력 판정부(109)는, 숙달 용이성 판정부(107)에 의해 숙달되기 쉬운 작업 공정이라고 판정된 작업 공정의 숙달 곡선을 따라 작업 시간의 상한치의 곡선인 상한치 곡선과 작업 시간의 하한치의 곡선인 하한치 곡선을 설정한다. 다시 말해, 학습 능력 판정부(109)는, 작업 횟수마다, 작업 시간의 허용 범위의 상한치와 하한치를 산출하고, 상한치 곡선과 하한치 곡선을 설정한다. 도 10은 상한치 곡선과 하한치 곡선이 설정된 숙달 곡선의 예를 나타낸다.
작업 횟수마다의 허용 범위의 상하한치는 해당 작업 공정의 숙달 곡선을 베이스로 각각 식 (5), 식 (6)으로 산출한다.
[수학식 4]
Figure pct00004
허용 범위의 상하한을 규정하는 함수 f1(n), f2(n)은 작업 관리자가 설정한다. 함수 f1(n), f2(n)은, 예로서, 숙달 곡선의 상하한의 폭이 작업 횟수의 누적에 수반하여 체감하여 좁아지는 식 (7)로 할 수 있다.
[수학식 5]
Figure pct00005
학습 능력 판정부(109)는, 작업 시간의 허용 범위의 상하한치와 실제의 작업 시간의 어긋남을 작업자의 학습 능력의 판정에 사용한다. 다시 말해, 학습 능력 판정부(109)는, 작업 시간 데이터에 나타내어지는 작업 시간의 이력과 숙달 곡선의 상한치 곡선 및 하한치 곡선의 비교를 행하여, 작업자의 학습 능력을 판정한다.
학습 능력 판정부(109)는, 이하의 어느 하나의 조건을 만족시키는 경우에, 작업자에게 학습 능력이 부족하다고 판정한다.
a) 누적 작업 횟수가 5회 이하인 단계에서, 작업 시간 데이터의 작업 시간이 상한치 또는 하한치를 벗어난 횟수가 3회 이상.
b) 누적 작업 횟수가 5회를 넘은 단계에서, 작업 시간 데이터의 작업 시간이 3회 연속으로 상한치 또는 하한치를 벗어난다.
또, 작업 시간 데이터의 작업 시간이 하한치를 벗어나는 경우는, 반드시 작업자에게 학습 능력이 부족하다고는 할 수 없다. 그렇지만, 복수 회에 있어서 작업 시간 데이터의 작업 시간이 하한치를 벗어나는 경우는, 작업자가 일부의 작업 수순을 행하지 않은 등의 문제가 있을 가능성이 있다. 이 때문에, 어느 작업자의 작업 시간이 하한치를 규정 횟수 이상 벗어나는 경우에는, 작업 관리자의 주의를 환기하기 위해, 학습 능력 판정부(109)는, 해당 작업자에게 학습 능력이 부족하다고 판정하고, 표시 처리부(111)에 해당 작업자를 작업 관리자에게 제시시킨다.
이상과 같이, 본 실시의 형태에서는, 작업자의 학습 능력의 판정에 있어서, 결정 계수에 더하여 작업 시간의 숙달 곡선의 상하한치로부터의 괴리를 고려하기 때문에, 정확도가 높은 판정이 가능하게 된다.
이상, 본 발명의 실시의 형태에 대하여 설명했지만, 이들 실시의 형태 중, 2개 이상을 조합하여 실시하더라도 상관없다.
혹은, 이들 실시의 형태 중, 하나를 부분적으로 실시하더라도 상관없다.
혹은, 이들 실시의 형태 중, 2개 이상을 부분적으로 조합하여 실시하더라도 상관없다.
또, 본 발명은, 이들 실시의 형태로 한정되는 것이 아니고, 필요에 따라서 다양한 변경이 가능하다.
***하드웨어 구성의 설명***
마지막으로, 정보 처리 장치(100)의 하드웨어 구성의 보충 설명을 행한다.
도 2에 나타내는 프로세서(11)는, 프로세싱을 행하는 IC(Integrated Circuit)이다.
프로세서(11)는, 예컨대, CPU(Central Processing Unit), DSP(Digital Signal Processor) 등이다.
도 2에 나타내는 메모리(12)는, 예컨대, RAM(Random Access Memory)이다.
도 2에 나타내는 스토리지(13)는, 예컨대, ROM(Read Only Memory), 플래시 메모리, HDD(Hard Disk Drive) 등이다.
도 2에 나타내는 통신 장치(14)는, 데이터를 수신하는 리시버 및 데이터를 송신하는 트랜스미터를 포함한다.
통신 장치(14)는, 예컨대, 통신 칩 또는 NIC(Network Interface Card)이다.
입력 장치(15)는, 예컨대, 마우스, 키보드이다.
표시 장치(16)는, 예컨대, 디스플레이이다.
스토리지(13)에는, OS(Operating System)도 기억되어 있다.
그리고, OS의 적어도 일부가 메모리(12)에 로드되고, 프로세서(11)에 의해 실행된다.
프로세서(11)는 OS의 적어도 일부를 실행하면서, 통신 처리부(101), 숙달 곡선 생성부(103), 결정 계수 산출부(105), 숙달 용이성 판정부(107), 학습 능력 판정부(109), 표시 처리부(111)의 기능을 실현하는 프로그램을 실행한다.
프로세서(11)가 OS를 실행함으로써, 태스크 관리, 메모리 관리, 파일 관리, 통신 제어 등이 행하여진다.
또한, 통신 처리부(101), 숙달 곡선 생성부(103), 결정 계수 산출부(105), 숙달 용이성 판정부(107), 학습 능력 판정부(109), 표시 처리부(111)의 처리의 결과를 나타내는 정보나 데이터나 신호치나 변수치가, 메모리(12), 스토리지(13), 프로세서(11) 내의 레지스터 및 캐시 메모리 중 적어도 어느 하나에 기억된다.
또한, 통신 처리부(101), 숙달 곡선 생성부(103), 결정 계수 산출부(105), 숙달 용이성 판정부(107), 학습 능력 판정부(109), 표시 처리부(111)의 기능을 실현하는 프로그램은, 자기 디스크, 플렉서블 디스크, 광 디스크, 콤팩트 디스크, 블루레이(등록상표) 디스크, DVD 등의 가반 기억 매체에 기억되더라도 좋다.
또한, 통신 처리부(101), 숙달 곡선 생성부(103), 결정 계수 산출부(105), 숙달 용이성 판정부(107), 학습 능력 판정부(109), 표시 처리부(111)의 "부"를, "회로" 또는 "공정" 또는 "수순" 또는 "처리"로 바꾸어 읽더라도 좋다.
또한, 정보 처리 장치(100)는, 로직 IC(Integrated Circuit), GA(Gate Array), ASIC(Application Specific Integrated Circuit), FPGA(Field-Programmable Gate Array)라고 하는 전자 회로에 의해 실현되더라도 좋다.
또, 프로세서 및 상기의 전자 회로를 총칭하여 프로세싱 서킷트리라고도 한다.
100 : 정보 처리 장치
101 : 통신 처리부
102 : 작업 시간 수집 데이터베이스
103 : 숙달 곡선 생성부
104 : 숙달 곡선 데이터베이스
105 : 결정 계수 산출부
106 : 결정 계수 데이터베이스
107 : 숙달 용이성 판정부
108 : 숙달 용이성 데이터베이스
109 : 학습 능력 판정부
110 : 학습 능력 데이터베이스
111 : 표시 처리부
112 : 체감 지표치 산출부
200 : 수집 데이터 서버 장치
300 : 공장 라인
301 : 작업 설비
302 : 작업 설비
303 : 작업 설비
304 : 작업 설비
305 : 작업 설비
401 : 네트워크
402 : 네트워크

Claims (9)

  1. 작업 공정에서의 복수의 작업자의 작업 시간의 이력이 작업자마다 나타내어지는 작업 시간 데이터를 이용하여, 상기 작업 공정에 있어서의 작업 횟수의 증가에 수반하는 작업 시간의 체감(遞減) 상황을 나타내는 지표치인 체감 지표치를 작업자마다 산출하는 체감 지표치 산출부와,
    상기 복수의 작업자의 체감 지표치에 근거하여, 상기 작업 공정이 숙달되기 쉬운 작업 공정인지 여부를 판정하는 숙달 용이성 판정부
    를 갖는 정보 처리 장치.
  2. 제 1 항에 있어서,
    상기 숙달 용이성 판정부는, 상기 복수의 작업자의 체감 지표치 중에서 선택 조건에 합치하는 체감 지표치를 선택하고, 선택한 체감 지표치의 평균치를 산출하고, 산출한 평균치가 임계치 이상인 경우에, 상기 작업 공정을 숙달되기 쉬운 작업 공정으로 판정하는 정보 처리 장치.
  3. 제 1 항에 있어서,
    상기 체감 지표치 산출부는, 복수의 작업 공정에서의 상기 복수의 작업자의 작업 시간의 이력이 작업자마다 나타내어지는 작업 시간 데이터를 이용하여, 작업 공정별로 상기 체감 지표치를 작업자마다 산출하고,
    상기 숙달 용이성 판정부는, 상기 복수의 작업자의 체감 지표치에 근거하여, 각 작업 공정이 숙달되기 쉬운 작업 공정인지 여부를 판정하고,
    상기 정보 처리 장치는, 또한, 상기 숙달 용이성 판정부에 의해 숙달되기 쉬운 작업 공정이라고 판정된 작업 공정의 체감 지표치를 이용하여, 각 작업자의 학습 능력을 판정하는 학습 능력 판정부를 갖는
    정보 처리 장치.
  4. 제 3 항에 있어서,
    상기 학습 능력 판정부는, 작업자마다, 상기 숙달 용이성 판정부에 의해 숙달되기 쉬운 작업 공정이라고 판정된 작업 공정의 체감 지표치의 평균치를 산출하고, 산출한 평균치가 임계치 이상인 경우에, 해당 작업자는 요구되는 학습 능력을 갖추고 있다고 판정하고, 산출한 평균치가 임계치 미만인 경우에, 해당 작업자는 요구되는 학습 능력을 갖추고 있지 않다고 판정하는 정보 처리 장치.
  5. 제 1 항에 있어서,
    상기 체감 지표치 산출부는, 작업자마다, 상기 작업 시간 데이터를 이용하여, 상기 작업 공정에 있어서의 작업 횟수와 작업 시간의 관계가 나타내어지는 숙달 곡선을 생성하고, 상기 체감 지표치로서, 상기 숙달 곡선과 상기 작업 시간 데이터에 나타내어지는 작업 시간의 이력의 사이의 결정 계수를 산출하는 정보 처리 장치.
  6. 제 5 항에 있어서,
    상기 체감 지표치 산출부는, 복수의 작업 공정에서의 상기 복수의 작업자의 작업 시간의 이력이 작업자마다 나타내어지는 작업 시간 데이터를 이용하여, 작업 공정별로 상기 숙달 곡선의 생성 및 상기 결정 계수의 산출을 작업자마다 행하고,
    상기 숙달 용이성 판정부는, 상기 복수의 작업자의 결정 계수에 근거하여, 각 작업 공정이 숙달되기 쉬운 작업 공정인지 여부를 판정하고,
    상기 정보 처리 장치는, 또한, 상기 숙달 용이성 판정부에 의해 숙달되기 쉬운 작업 공정이라고 판정된 작업 공정의 결정 계수를 이용하여, 각 작업자의 학습 능력을 판정하는 학습 능력 판정부를 갖는
    정보 처리 장치.
  7. 제 6 항에 있어서,
    상기 학습 능력 판정부는, 작업자마다, 상기 숙달 용이성 판정부에 의해 숙달되기 쉬운 작업 공정이라고 판정된 작업 공정의 결정 계수의 평균치를 산출하고, 작업자마다, 상기 숙달 용이성 판정부에 의해 숙달되기 쉬운 작업 공정이라고 판정된 작업 공정의 숙달 곡선을 따라 작업 시간의 상한치의 곡선인 상한치 곡선과 작업 시간의 하한치의 곡선인 하한치 곡선을 설정하고, 작업자마다, 산출한 평균치와 임계치의 비교와, 상기 작업 시간 데이터에 나타내어지는 작업 시간의 이력과 상기 상한치 곡선 및 상기 하한치 곡선의 비교를 행하여, 학습 능력을 판정하는 정보 처리 장치.
  8. 컴퓨터가, 작업 공정에서의 복수의 작업자의 작업 시간의 이력이 작업자마다 나타내어지는 작업 시간 데이터를 이용하여, 상기 작업 공정에 있어서의 작업 횟수의 증가에 수반하는 작업 시간의 체감 상황을 나타내는 지표치인 체감 지표치를 작업자마다 산출하고,
    상기 컴퓨터가, 상기 복수의 작업자의 체감 지표치에 근거하여, 상기 작업 공정이 숙달되기 쉬운 작업 공정인지 여부를 판정하는
    정보 처리 방법.
  9. 작업 공정에서의 복수의 작업자의 작업 시간의 이력이 작업자마다 나타내어지는 작업 시간 데이터를 이용하여, 상기 작업 공정에 있어서의 작업 횟수의 증가에 수반하는 작업 시간의 체감 상황을 나타내는 지표치인 체감 지표치를 작업자마다 산출하는 체감 지표치 산출 처리와,
    상기 복수의 작업자의 체감 지표치에 근거하여, 상기 작업 공정이 숙달되기 쉬운 작업 공정인지 여부를 판정하는 숙달 용이성 판정 처리
    를 컴퓨터에 실행시키는 정보 처리 프로그램.
KR1020197006080A 2016-09-07 2016-09-07 정보 처리 장치, 정보 처리 방법 및 기억 매체에 저장된 정보 처리 프로그램 KR20190026950A (ko)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/076317 WO2018047255A1 (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 (1)

Publication Number Publication Date
KR20190026950A true KR20190026950A (ko) 2019-03-13

Family

ID=61561776

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020197006080A KR20190026950A (ko) 2016-09-07 2016-09-07 정보 처리 장치, 정보 처리 방법 및 기억 매체에 저장된 정보 처리 프로그램

Country Status (6)

Country Link
US (1) US20190205802A1 (ko)
JP (1) JP6381863B2 (ko)
KR (1) KR20190026950A (ko)
CN (1) CN109690584A (ko)
TW (1) TWI636419B (ko)
WO (1) WO2018047255A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021135537A (ja) * 2020-02-21 2021-09-13 株式会社日立製作所 データ補完装置及びデータ補完方法
JP7412592B2 (ja) * 2020-11-06 2024-01-12 三菱電機株式会社 情報処理装置、情報処理方法及びプログラム

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH086992A (ja) * 1994-06-15 1996-01-12 Sumitomo Wiring Syst Ltd 生産調整装置
JPH10261122A (ja) * 1997-03-18 1998-09-29 Sumitomo Wiring Syst Ltd 作業配分最適化方法
JP4139042B2 (ja) * 2000-04-26 2008-08-27 本田技研工業株式会社 工数管理システム
JP4120188B2 (ja) * 2001-07-30 2008-07-16 株式会社日立製作所 組立時間推定システム
JP2003288388A (ja) * 2002-03-28 2003-10-10 Sharp Corp 作業支援システム、作業支援方法、作業支援処理プログラム及び作業支援プログラムを記録した記録媒体
JP4359154B2 (ja) * 2004-01-21 2009-11-04 富士通株式会社 プロジェクト管理装置、プロジェクト管理方法、およびプログラム
TWI370979B (en) * 2004-05-14 2012-08-21 Ibm Grid computing system, information processing unit, job execution request generation unit, control method, program, and recording medium
TW200847038A (en) * 2007-05-16 2008-12-01 Tai-Woei Shiah One kind of an expert system for process time measurement and production line balancing
TW200849113A (en) * 2007-06-08 2008-12-16 Hon Hai Prec Ind Co Ltd System and method for arranging a production plan
TW200903355A (en) * 2007-07-06 2009-01-16 Hon Hai Prec Ind Co Ltd System and method for arranging a purchase order
JP5430913B2 (ja) * 2008-11-26 2014-03-05 株式会社日立製作所 標準作業時間計算装置、標準作業時間管理システム、標準作業時間計算方法、及び、そのプログラム
JP2010205027A (ja) * 2009-03-04 2010-09-16 Toshiba Corp 製品の製造支援装置、製品の製造支援方法、および製品の製造支援プログラム
JP5192476B2 (ja) * 2009-10-22 2013-05-08 株式会社日立製作所 作業支援システム、作業支援方法、および作業支援プログラム
JP6041307B2 (ja) * 2013-03-05 2016-12-07 株式会社日立プラントコンストラクション 作業管理システム
JP6171436B2 (ja) * 2013-03-19 2017-08-02 富士通株式会社 組立時間算出プログラム、組立時間算出方法及び組立時間算出装置
CN105243434A (zh) * 2015-09-16 2016-01-13 西安工业大学 一种装配序列规划的方法
CN105741034A (zh) * 2016-01-27 2016-07-06 浪潮电子信息产业股份有限公司 一种服务器产品的组装测试生产工时计算方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Also Published As

Publication number Publication date
JP6381863B2 (ja) 2018-08-29
TWI636419B (zh) 2018-09-21
US20190205802A1 (en) 2019-07-04
CN109690584A (zh) 2019-04-26
WO2018047255A1 (ja) 2018-03-15
JPWO2018047255A1 (ja) 2018-09-06
TW201812679A (zh) 2018-04-01

Similar Documents

Publication Publication Date Title
US10585423B2 (en) Data processing apparatus, data processing system, data processing method, and program
EP3502814B1 (en) Processing loads balancing of control and monitoring functions
CN105022957B (zh) 随选检测恶意程序的方法及其电子装置
JP6691082B2 (ja) 指標選択装置及びその方法
CN107203676B (zh) 用以提升集成电路设计的时序性能的方法及数据处理***
TW201822080A (zh) 故障風險指標推定裝置以及故障風險指標推定方法
KR20190026950A (ko) 정보 처리 장치, 정보 처리 방법 및 기억 매체에 저장된 정보 처리 프로그램
US20170004188A1 (en) Apparatus and Method for Graphically Displaying Transaction Logs
KR20190029751A (ko) 정보 처리 장치, 정보 처리 방법 및 기억 매체에 저장된 정보 처리 프로그램
JP6012860B2 (ja) 作業時間推定装置
JPWO2016079782A1 (ja) 業務状況管理システム、及び業務状況管理方法
JP6757846B2 (ja) 工程／装備の計測データの微細変動検知方法及びシステム
JP2015014856A (ja) ソフトウェア開発プロジェクトの評価方法及びシステム
US9348733B1 (en) Method and system for coverage determination
CN111382925A (zh) 生产实绩数据分析装置
US11755980B2 (en) Skill index calculation apparatus, annotation providing apparatus, skill index calculation method, annotation providing method and program
US11151763B2 (en) Information presentation device, information presentation method, and storage medium
JP7339063B2 (ja) 作業工程に関する学習を行う機械学習プログラム及び機械学習装置
JP2011175593A (ja) プロジェクト管理装置、プロジェクト管理方法、プロジェクト管理プログラム及び記録媒体
JP7515322B2 (ja) 設定管理装置、設定管理方法、及び、設定管理プログラム
JP2013045421A (ja) 保守度測定装置
WO2015186249A1 (ja) データ分析作業支援装置及びデータ分析作業支援方法
US20230040133A1 (en) Work sequence generation apparatus and work sequence generation method
US10157056B2 (en) Device, method, and program for visualizing dependent portions of program
US20230152759A1 (en) Information processing apparatus, information processing method, and computer program product

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right