WO2018047255A1 - 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 PDF

Info

Publication number
WO2018047255A1
WO2018047255A1 PCT/JP2016/076317 JP2016076317W WO2018047255A1 WO 2018047255 A1 WO2018047255 A1 WO 2018047255A1 JP 2016076317 W JP2016076317 W JP 2016076317W WO 2018047255 A1 WO2018047255 A1 WO 2018047255A1
Authority
WO
WIPO (PCT)
Prior art keywords
work
worker
work process
learning
determination unit
Prior art date
Application number
PCT/JP2016/076317
Other languages
English (en)
French (fr)
Inventor
研吾 白木
Original Assignee
三菱電機株式会社
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 三菱電機株式会社 filed Critical 三菱電機株式会社
Priority to KR1020197006080A priority Critical patent/KR20190026950A/ko
Priority to PCT/JP2016/076317 priority patent/WO2018047255A1/ja
Priority to CN201680088947.XA priority patent/CN109690584A/zh
Priority to US16/325,336 priority patent/US20190205802A1/en
Priority to JP2018520631A priority patent/JP6381863B2/ja
Priority to TW105135663A priority patent/TWI636419B/zh
Publication of WO2018047255A1 publication Critical patent/WO2018047255A1/ja

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

Definitions

  • the present invention relates to an information processing apparatus, an information processing method, and an information processing program.
  • one product is manufactured through a plurality of work processes.
  • One worker rarely takes charge of all of the plurality of work processes, and a plurality of workers often share a plurality of work processes.
  • two or more workers may perform the same work process in parallel.
  • two or more workers often share one work process by changing the work day.
  • a work procedure is defined for each work process, and a standard time required to complete the work when the work is performed according to the work procedure is generally set.
  • the skill when performing work for each worker is different.
  • the time required for the work differs. For this reason, the actual work time actually required for the work may greatly deviate from the standard time.
  • Patent Document 1 discloses a system that calculates predicted work time corresponding to the cumulative number of work steps of the same work process using actual work time record data.
  • a learning curve representing the level of proficiency of an operator with respect to the work process is generated using the actual work time data for an arbitrary work process, and the work is repeated using the generated learning curve. Estimate later work time.
  • the plurality of work processes included in the factory line include a work process in which the work time is difficult to decrease even if the work that is difficult to learn is repeated, and a work process that is easy to learn and easy to reduce the work time. From the viewpoint of optimizing the work plan, it is desirable to formulate a work plan after grasping work processes that are difficult to master and work processes that are easy to master.
  • the technique of Patent Document 1 calculates a predicted work time for each work process, but does not determine whether the work process is easy to master. For this reason, there is a problem that the work manager who manages the work process cannot formulate an optimal work plan in consideration of the ease of learning of the work process.
  • the main object of the present invention is to solve such problems. That is, the main object of the present invention is to obtain a configuration for determining whether or not a work process is easy to master.
  • An information processing apparatus includes: A diminishing index that is an index value representing a diminishing state of work time accompanying an increase in the number of work times in the work process, using work time data in which work history of a plurality of workers in the work process is indicated for each worker.
  • a decreasing index value calculation unit for calculating a value for each worker;
  • a proficiency determination unit that determines whether the work process is an easy-to-learn work process based on the decreasing index values of the plurality of workers.
  • FIG. 3 is a diagram illustrating an example of a system configuration according to the first embodiment.
  • FIG. 3 is a diagram illustrating a hardware configuration example of the information processing apparatus according to the first embodiment.
  • FIG. 3 is a diagram illustrating a functional configuration example of the information processing apparatus according to the first embodiment.
  • FIG. 3 is a diagram illustrating a relationship between a hardware configuration and a functional configuration of the information processing apparatus according to the first embodiment.
  • 5 is a flowchart illustrating an operation example of the information processing apparatus according to the first embodiment. The figure which shows the example of the learning curve which concerns on Embodiment 1.
  • FIG. 3 is a diagram illustrating an example of a system configuration according to the first embodiment.
  • FIG. 3 is a diagram illustrating a hardware configuration example of the information processing apparatus according to the first embodiment.
  • FIG. 3 is a diagram illustrating a functional configuration example of the information processing apparatus according to the first embodiment.
  • FIG. 3 is a diagram illustrating a relationship between a hardware configuration and a
  • FIG. *** Explanation of configuration *** FIG. 1 shows a system configuration example according to the present embodiment.
  • the system according to the present embodiment includes an information processing apparatus 100, a collected data server apparatus 200, and a factory line 300.
  • the factory line 300 includes work facilities 301 to 305.
  • the work process corresponds to work equipment 301 to work equipment 305. That is, in the present embodiment, the factory line 300 includes a work process using the work equipment 301, a work process using the work equipment 302, a work process using the work equipment 303, a work process using the work equipment 304, There are five work processes using the work equipment 305.
  • a work process using the work facility 301 is referred to as a work process 1.
  • a work process using the work facility 302 is referred to as a work process 2.
  • a work process using the work facility 303 is referred to as a work process 3.
  • a work process using the work facility 304 is referred to as a work process 4.
  • a work process using the work facility 305 is referred to as a work process 5.
  • each work process is performed by a plurality of workers. However, the combination of workers and the number of workers for each work process may be different.
  • each worker is in charge of one or more work steps. There may be workers in charge of only one work process, but at least half of all workers are in charge of two or more work processes.
  • the information processing apparatus 100 uses the work time data collected by the collected data server apparatus 200 to determine the ease of learning the work process. Further, the information processing apparatus 100 determines the learning ability of the worker.
  • the work time data is data indicating a history of work time in units of workers for each work process.
  • the information processing apparatus 100 is connected to the collected data server apparatus 200 via the network 402. The operations performed in the information processing apparatus 100 correspond to an information processing method and an information processing program.
  • the collected data server device 200 collects work time data from the factory line 300.
  • the collection method of the work time data of the collection data server device 200 is not limited.
  • the collected data server device 200 is connected to the work equipment 301 to the work equipment 305 via the network 401.
  • FIG. 2 shows a hardware configuration example of the information processing apparatus 100.
  • FIG. 3 shows a functional configuration example of the information processing apparatus 100. First, a hardware configuration example of the information processing apparatus 100 will be described with reference to FIG.
  • the information processing apparatus 100 is a computer.
  • the information processing apparatus 100 includes a processor 11, a memory 12, a storage 13, a communication device 14, an input device 15, and a display device 16 as hardware.
  • a program that realizes the functions of the communication processing unit 101, the learning curve generation unit 103, the determination coefficient calculation unit 105, the learning ease determination unit 107, the learning ability determination unit 109, and the display processing unit 111 illustrated in FIG. It is remembered. These programs are loaded into the memory 12, and the processor 11 executes these programs.
  • the storage 13 implements the work time collection database 102, the learning curve database 104, the determination coefficient database 106, the learning ease database 108, and the learning ability database 110 shown in FIG.
  • FIG. 4 shows the relationship between the hardware configuration of FIG.
  • the learning curve generation unit 103 uses the work time data stored in the work time collection database 102 to generate a learning curve for each worker for each work process.
  • the learning curve is a curve indicating the relationship between the number of operations and the operation time in the operation process.
  • the learning curve generation unit 103 stores learning curve data in which the generated learning curve is described in the learning curve database 104.
  • the determination coefficient calculation unit 105 calculates a determination coefficient between the learning curve generated by the learning curve generation unit 103 and the work time history indicated in the work time data. Further, the determination coefficient calculation unit 105 stores the determination coefficient data in which the calculated determination coefficient is described in the determination coefficient database 106.
  • the coefficient of determination is an index value that represents a decreasing state of work time accompanying an increase in the number of operations, and corresponds to a decreasing index value.
  • the learning curve generation unit 103 and the determination coefficient calculation unit 105 are also referred to as a decreasing index value calculation unit 112. The operations of the learning curve generation unit 103 and the determination coefficient calculation unit 105 correspond to a
  • the proficiency determination unit 107 determines whether each work process is an easy-to-learn work process based on a determination coefficient (a decreasing index value) of a plurality of workers. More specifically, the proficiency determination unit 107 selects a determination coefficient that matches the selection condition from among the determination coefficients of a plurality of workers for each work process. The proficiency determination unit 107 calculates an average value of the selected determination coefficients, and when the calculated average value is equal to or greater than a threshold value, determines that the work process is an easily learned work process. The proficiency determination unit 107 also stores proficiency data in which determination results for each work process are described in the proficiency database 108. Note that the operation of the proficiency determination unit 107 corresponds to proficiency determination processing.
  • the learning ability determination unit 109 determines the learning ability of each worker using the determination coefficient of the work process determined by the easy learning determination part 107 as a work process that is easy to master. More specifically, the learning ability determination unit 109 calculates, for each worker, an average value of determination coefficients of work processes that are determined to be work processes that are easily learned by the proficiency determination unit 107. And the learning ability determination part 109 determines with the said operator having the required learning ability, when the calculated average value is more than a threshold value. On the other hand, when the calculated average value is less than the threshold value, the learning ability determination unit 109 determines that the worker does not have the required learning ability. Further, the learning ability determination unit 109 stores worker learning ability data in which a determination result for each worker is described in the worker learning ability database 110.
  • the display processing unit 111 displays the determination result of the learning ability determination unit 109 on the display device 16. For example, the display processing unit 111 displays an operator who is determined not to have the required learning ability on the display device 16.
  • step S ⁇ b> 101 the communication processing unit 101 receives work time data from the collected data server device 200 via the communication device 14.
  • the communication processing unit 101 stores the received work time data in the work time collection database 102.
  • the work time data an operator name, work process, work start time, work end time, and cumulative work number of the work process are described.
  • a and B in the formula (1) are variables obtained by the following formulas (2) and (3).
  • n is the number of operations
  • N is the number of accumulated operations
  • n ⁇ ( ⁇ ) is the average value of the accumulated operations
  • RT n is the operation time when the n-th operation is performed
  • RT ⁇ (RT Above-is the average value of the work time of all work times.
  • step S104 it determines proficiency easy determination unit 107, using the determined coefficient R 2, ease of proficiency each work step (familiarization ease).
  • the proficiency determination unit 107 also stores proficiency data in which the determination result is described in the proficiency database 108. Specifically, the proficiency determination unit 107 determines the ease of mastering each work process in the procedure shown in FIG.
  • the proficiency determination unit 107 repeats the procedure shown in FIG. 7 for each work process, and determines the ease of learning for each of the work processes 1 to 5. Note that specific values of ⁇ , ⁇ , and ⁇ shown in FIG. 7 are set by the work manager. Hereinafter, each step of FIG. 7 will be described.
  • the proficiency determination unit 107 extracts work time data of a worker whose cumulative work number of work steps to be determined for easy learning is ⁇ or more (step S1041). At the stage where the cumulative number of operations is small, the operator is not used to the operation, so the variation in the operation time is large. For this reason, if work time data of an operator with a small cumulative work number is used, there is a possibility that it is difficult to accurately determine the ease of familiarizing the work process. Accordingly, the proficiency determination unit 107 uses only the work time data of the worker whose cumulative work number is a certain number ( ⁇ times) or more for determining the ease of mastering the work process.
  • the proficiency determination unit 107 determines whether or not the average value calculated in step S1043 is greater than or equal to the threshold ⁇ (step S1044).
  • the proficiency determination unit 107 determines that the work process whose average value is equal to or greater than the threshold value ⁇ is an easy work process (step S1045).
  • the proficiency determination unit 107 determines that a work process having an average value less than the threshold value ⁇ is a work process that is difficult to master (step S1046).
  • step S ⁇ b> 105 the learning ability determination unit 109 determines the learning ability of each worker. Further, the learning ability determination unit 109 stores learning ability data in which the determination result is described in the learning ability database 110. Specifically, the learning ability determination unit 109 determines the learning ability of each worker according to the procedure shown in FIG. Note that the specific value of ⁇ shown in FIG. 8 is set by the work manager. Hereinafter, each step of FIG. 8 will be described.
  • the learning ability determination unit 109 calculates, for each worker, an average value of the determination coefficients of the work processes that are easy to master extracted in step S1051 (step S1052).
  • the learning ability determination unit 109 handles the calculated average value as the learning ability of each worker. For example, it is assumed that worker A is in charge of work process 1 and work process 2, and worker B is in charge of work process 2 and work process 3. If the work process 1, the work process 2, and the work process 3 are easy to learn, the learning ability determination unit 109 determines, for the worker A, the determination coefficient for the work process 1 and the determination for the work process 2. The average value with the coefficient is calculated. The learning ability determination unit 109 calculates an average value of the determination coefficient for the work process 2 and the determination coefficient for the work process 3 for the worker B.
  • step S ⁇ b> 106 the display processing unit 111 displays the determination result of the learning ability determination unit 109 on the display device 16.
  • the work manager at the manufacturing site needs to grasp the work ability of each worker in order to smoothly carry out the manufacturing work. For this reason, the display processing unit 111 displays on the display device 16 the worker determined to lack learning ability in step S1055, and notifies the worker who does not have learning ability to the work manager. Further, the display processing unit 111 may display the determination result of the proficiency determination unit 107, that is, the ease of learning for each work process on the display device 16.
  • Embodiment 2 FIG. In the first embodiment, only the determination coefficient is used as a determination index in the determination process of the learning ability of the worker in step S1053 in FIG. In this embodiment, in addition to the determination coefficient, the learning curve generated in step S102 in FIG. 5 is used as a determination index, thereby improving the determination accuracy of the determination of the worker's learning ability.
  • FIG. 9 shows a functional configuration example of the information processing apparatus 100 according to the present embodiment.
  • FIG. 9 differs from FIG. 3 in that the learning ability determination unit 109 acquires a learning curve from the learning curve database 104.
  • the other elements in FIG. 9 are the same as those shown in FIG.
  • the hardware configuration example of the information processing apparatus 100 according to the present embodiment is the same as that shown in FIG.
  • differences from the first embodiment will be mainly described. Matters not described below are the same as those in the first embodiment.
  • the learning ability determination unit 109 determines the learning ability of the worker using the determination coefficient and the learning curve.
  • the learning ability determination unit 109 determines that only an operator who is determined to have learning ability in both evaluation using a determination coefficient and evaluation using a learning curve has learning ability. Since the evaluation using the determination coefficient is the same as that shown in the first embodiment, the description thereof is omitted.
  • the learning ability determination unit 109 evaluates the worker's learning ability using the learning curve as follows.
  • the learning ability determination unit 109 includes an upper limit value curve that is a curve of an upper limit value of the work time and a lower limit of the work time along the learning curve of the work process that is determined to be a work process that is easily learned by the proficiency determination unit 107
  • a lower limit curve that is a value curve is set. That is, the learning ability determination unit 109 calculates an upper limit value and a lower limit value of an allowable range of work time for each work count, and sets an upper limit value curve and a lower limit value curve.
  • FIG. 10 shows an example of a learning curve in which an upper limit curve and a lower limit curve are set.
  • the upper and lower limit values of the allowable range for each number of operations are calculated by equations (5) and (6), respectively, based on the learning curve of the operation process.
  • Functions f 1 (n) and f 2 (n) that define the upper and lower limits of the allowable range are set by the work manager.
  • the functions f 1 (n) and f 2 (n) can be expressed by Equation (7) in which the upper and lower limits of the learning curve gradually decrease and narrow as the number of operations is accumulated.
  • the learning ability determination unit 109 uses a deviation between the upper and lower limit values of the allowable work time range and the actual work time to determine the worker's learning ability. That is, the learning ability determination unit 109 compares the work time history indicated in the work time data with the upper limit curve and the lower limit curve of the learning curve to determine the worker's learning ability. The learning ability determination unit 109 determines that the worker lacks learning ability when any of the following conditions is satisfied. a) The number of times the work time of the work time data deviates from the upper limit value or the lower limit value when the cumulative work number is 5 or less. b) When the cumulative number of operations exceeds five, the operation time of the operation time data deviates from the upper limit value or the lower limit value for three consecutive times.
  • the learning ability determination unit 109 indicates that the worker lacks learning ability in order to call the work manager's attention.
  • the display processing unit 111 is made to present the worker to the work manager.
  • the deviation from the upper and lower limits of the learning curve of the working time is taken into consideration in addition to the determination coefficient, so that a highly accurate determination is possible.
  • the processor 11 illustrated in FIG. 2 is an IC (Integrated Circuit) that performs processing.
  • the processor 11 is, for example, a CPU (Central Processing Unit), a DSP (Digital Signal Processor), or the like.
  • the memory 12 illustrated in FIG. 2 is, for example, a RAM (Random Access Memory).
  • the storage 13 illustrated in FIG. 2 is, for example, a ROM (Read Only Memory), a flash memory, an HDD (Hard Disk Drive), or the like.
  • the communication device 14 shown in FIG. 2 includes a receiver that receives data and a transmitter that transmits data.
  • the communication device 14 is, for example, a communication chip or a NIC (Network Interface Card).
  • the input device 15 is, for example, a mouse or a keyboard.
  • the display device 16 is a display, for example.
  • the storage 13 also stores an OS (Operating System). At least a part of the OS is loaded into the memory 12 and executed by the processor 11.
  • the processor 11 performs the functions of the communication processing unit 101, the learning curve generation unit 103, the determination coefficient calculation unit 105, the learning ease determination unit 107, the learning ability determination unit 109, and the display processing unit 111 while executing at least a part of the OS. Execute the program to be realized.
  • the processor 11 executes the OS, task management, memory management, file management, communication control, and the like are performed.
  • the communication processing unit 101, the learning curve generation unit 103, the determination coefficient calculation unit 105, the proficiency determination unit 107, the learning ability determination unit 109, and the display processing unit 111 may be referred to as “circuit” or “process”. It may be read as “procedure” or “processing”.
  • the information processing apparatus 100 may be realized by an electronic circuit such as a logic IC (Integrated Circuit), a GA (Gate Array), an ASIC (Application Specific Integrated Circuit), or an FPGA (Field-Programmable Gate Array).
  • the processor and the electronic circuit are also collectively referred to as a processing circuit.
  • DESCRIPTION OF SYMBOLS 100 Information processing apparatus, 101 Communication processing part, 102 Work time collection database, 103 Learning curve generation part, 104 Learning curve database, 105 Determination coefficient calculation part, 106 Determination coefficient database, 107 Learning ability determination part, 108 Learning ability database 109 learning ability determination unit, 110 learning ability database, 111 display processing unit, 112 decreasing index value calculation unit, 200 collection data server device, 300 factory line, 301 work equipment, 302 work equipment, 303 work equipment, 304 work equipment, 305 work equipment, 401 network, 402 network.

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

逓減指標値算出部（１１２）は、作業工程での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、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。習熟容易性判定部（１０７）は、複数の作業者の逓減指標値に基づいて、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。

Description

情報処理装置、情報処理方法及び情報処理プログラム
　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。
特開２００５－２８４４１５号公報
　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。
　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、作業工程が習熟しやすい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、作業工程の習熟容易性を考慮し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、作業工程が習熟しやすい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、
　作業工程での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と、
　前記複数の作業者の逓減指標値に基づいて、前記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習熟容易性判定部とを有する。
　本発明によれば、作業工程が習熟しやすいか否かを判定することができる。
実施の形態１に係るシステム構成例を示す図。 実施の形態１に係る情報処理装置のハードウェア構成例を示す図。 実施の形態１に係る情報処理装置の機能構成例を示す図。 実施の形態１に係る情報処理装置のハードウェア構成と機能構成との関係を示す図。 実施の形態１に係る情報処理装置の動作例を示すフローチャート。 実施の形態１に係る習熟曲線の例を示す図。 実施の形態１に係る習熟容易性判定処理の詳細を示すフローチャート。 実施の形態１に係る学習能力判定処理の詳細を示すフローチャート。 実施の形態２に係る情報処理装置の機能構成例を示す図。 実施の形態２に係る上限値曲線と下限値曲線の例を示す図。
　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。
　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、作業工程の習熟しやすさを判定する。また、情報処理装置１００は、作業者の学習能力を判定する。
　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。
　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。
　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、習熟曲線生成部１０３、決定係数算出部１０５、習熟容易性判定部１０７、学習能力判定部１０９、表示処理部１１１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、習熟曲線データベース１０４、決定係数データベース１０６、習熟容易性データベース１０８、学習能力データベース１１０を実現する。
　図４は、図２のハードウェア構成と図３の機能構成との関係を示す。
　つまり、図４では、プロセッサ１１が通信処理部１０１、習熟曲線生成部１０３、決定係数算出部１０５、習熟容易性判定部１０７、学習能力判定部１０９、表示処理部１１１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４では、ストレージ１３が作業時間収集データベース１０２、習熟曲線データベース１０４、決定係数データベース１０６、習熟容易性データベース１０８、学習能力データベース１１０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、習熟曲線データベース１０４、決定係数データベース１０６、習熟容易性データベース１０８、学習能力データベース１１０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。
　また、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。
　習熟曲線生成部１０３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１０３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１０４に格納する。
　決定係数算出部１０５は、習熟曲線生成部１０３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１０５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１０６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１０３及び決定係数算出部１０５を、逓減指標値算出部１１２ともいう。また、習熟曲線生成部１０３及び決定係数算出部１０５の動作は、逓減指標値算出処理に相当する。
　習熟容易性判定部１０７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。より具体的には、習熟容易性判定部１０７は、作業工程ごとに、複数の作業者の決定係数の中から選択条件に合致する決定係数を選択する。そして、習熟容易性判定部１０７は、選択した決定係数の平均値を算出し、算出した平均値が閾値以上である場合に、当該作業工程を習熟しやすい作業工程と判定する。
　また、習熟容易性判定部１０７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１０８に格納する。
　なお、習熟容易性判定部１０７の動作は、習熟容易性判定処理に相当する。
　学習能力判定部１０９は、習熟容易性判定部１０７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。より具体的には、学習能力判定部１０９は、作業者ごとに、習熟容易性判定部１０７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の平均値を算出する。そして、学習能力判定部１０９は、算出した平均値が閾値以上である場合に、当該作業者は要求される学習能力を備えていると判定する。一方、算出した平均値が閾値未満である場合は、学習能力判定部１０９は、当該作業者は要求される学習能力を備えていないと判定する。
　また、学習能力判定部１０９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作業者学習能力データベース１１０に格納する。
　表示処理部１１１は、学習能力判定部１０９の判定結果を表示装置１６に表示する。例えば、表示処理部１１１は、要求される学習能力を備えていないと判定された作業者を表示装置１６に表示する。
＊＊＊動作の説明＊＊＊
　次に、図５のフローチャートを参照して、本実施の形態に係る情報処理装置１００の動作例を説明する。
　ステップＳ１０１において、通信処理部１０１が通信装置１４を介し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。また、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。
　作業時間データには、作業者名、作業工程、作業開始時刻、作業終了時刻、当該作業工程の累積作業回数が記述される。
　次に、ステップＳ１０２において、習熟曲線生成部１０３が、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１０３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１０３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１０４に格納する。
　習熟曲線の例を図６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６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。
Figure JPOXMLDOC01-appb-M000001
　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。
Figure JPOXMLDOC01-appb-M000002
　ステップＳ１０３において、決定係数算出部１０５が決定係数を算出する。より具体的には、ステップＳ１０２で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１０５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１０６に格納する。
　例えば、決定係数算出部１０５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。
Figure JPOXMLDOC01-appb-M000003
　ステップＳ１０４では、習熟容易性判定部１０７が、決定係数Ｒ２を用いて、作業工程ごとの習熟しやすさ（習熟容易性）を判定する。また、習熟容易性判定部１０７は、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１０８に格納する。
　習熟容易性判定部１０７は、具体的には、図７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１０７は、作業工程ごとに、図７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７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７の各ステップを説明する。
　先ず、習熟容易性判定部１０７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Ｓ１０４１）。
　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１０７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１０７は、ステップＳ１０４１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Ｓ１０４２）。
　次に、習熟容易性判定部１０７は、ステップＳ１０４２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Ｓ１０４３）。また、習熟容易性判定部１０７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１０７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１０７は、ステップＳ１０４３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Ｓ１０４４）。
　習熟容易性判定部１０７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Ｓ１０４５）。一方、習熟容易性判定部１０７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Ｓ１０４６）。
　図５のフローチャートに戻り、ステップＳ１０５では、学習能力判定部１０９が、各作業者の学習能力を判定する。また、学習能力判定部１０９は、判定結果が記述される学習能力データを学習能力データベース１１０に格納する。
　学習能力判定部１０９は、具体的には、図８に示す手順で各作業者の学習能力を判定する。なお、図８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８の各ステップを説明する。
　先ず、学習能力判定部１０９は、ステップＳ１０４５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Ｓ１０５１）。
　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１０９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１０９は、作業者ごとに、ステップＳ１０５１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Ｓ１０５２）。学習能力判定部１０９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１０９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１０９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１０９は、作業者ごとに、ステップＳ１０５２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Ｓ１０５３）。
　学習能力判定部１０９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Ｓ１０５４）。
　一方、学習能力判定部１０９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Ｓ１０５５）。
　図５のフローチャートに戻り、ステップＳ１０６では、表示処理部１１１が、学習能力判定部１０９の判定結果を表示装置１６に表示する。
　製造現場の作業管理者は製造作業を円滑に進めるため、各作業者の作業能力を把握する必要がある。このため、表示処理部１１１は、ステップＳ１０５５で学習能力に欠けると判定された作業者を表示装置１６に表示して、作業管理者に学習能力に欠ける作業者を通知する。
　また、表示処理部１１１は、習熟容易性判定部１０７の判定結果、すなわち、作業工程ごとの習熟のしやすさを表示装置１６に表示するようにしてもよい。
＊＊＊実施の形態の効果の説明＊＊＊
　本実施の形態によれば、各作業工程が習熟しやすいか否かを判定することができる。このため、作業管理者は、各作業工程の習熟のしやすさを考慮して、最適な作業計画を策定することができる。
　また、本実施の形態によれば、作業者ごとの学習能力の有無を判定することができる。このため、作業管理者は、各作業者の学習能力を考慮して、最適な作業計画を策定することができる。
実施の形態２．
　実施の形態１では、図８のステップＳ１０５３の作業者の学習能力の判定処理において、判定指標として決定係数のみが用いられている。
　本実施の形態では、決定係数に加えて、図５のステップＳ１０２で生成された習熟曲線を判定指標とすることで、作業者の学習能力の判定の判定精度を向上させる。
　図９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９では、図３と比較して、学習能力判定部１０９が習熟曲線データベース１０４から習熟曲線を取得する点が異なる。なお、図９の他の要素は、図３に示したものと同じであるため、説明を省略する。また、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。
　本実施の形態では、学習能力判定部１０９は、決定係数と習熟曲線とを用いて、作業者の学習能力を判定する。学習能力判定部１０９は、決定係数を用いた評価及び習熟曲線を用いた評価のいずれでも学習能力ありと判定された作業者のみ学習能力があると認定する。
　決定係数の用いた評価は、実施の形態１に示したものと同じであるため、説明を省略する。
　本実施の形態では学習能力判定部１０９は、習熟曲線を以下のように用いて、作業者の学習能力を評価する。
　学習能力判定部１０９は、習熟容易性判定部１０７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習熟曲線に沿って作業時間の上限値の曲線である上限値曲線と作業時間の下限値の曲線である下限値曲線とを設定する。つまり、学習能力判定部１０９は、作業回数ごとに、作業時間の許容範囲の上限値と下限値とを算出し、上限値曲線と下限値曲線を設定する。図１０は、上限値曲線と下限値曲線が設定された習熟曲線の例を示す。
　作業回数ごとの許容範囲の上下限値は当該作業工程の習熟曲線をベースにそれぞれ式（５）、式（６）で算出する。
Figure JPOXMLDOC01-appb-M000004
　許容範囲の上下限を規定する関数ｆ１（ｎ）、ｆ２（ｎ）は作業管理者が設定する。関数ｆ１（ｎ）、ｆ２（ｎ）は、例として、習熟曲線の上下限の幅が作業回数の累積に伴い逓減し狭まる式（７）とすることができる。
Figure JPOXMLDOC01-appb-M000005
　学習能力判定部１０９は、作業時間の許容範囲の上下限値と実際の作業時間のずれを作業者の学習能力の判定に使用する。つまり、学習能力判定部１０９は、作業時間データに示される作業時間の履歴と習熟曲線の上限値曲線及び下限値曲線との比較を行って、作業者の学習能力を判定する。
　学習能力判定部１０９は、以下のいずれかの条件を満たす場合に、作業者に学習能力が欠けていると判定する。
ａ）累積作業回数が５回以下の段階で、作業時間データの作業時間が上限値又は下限値を外れた回数が３回以上。
ｂ）累積作業回数が５回を超えた段階で、作業時間データの作業時間が３回連続で上限値又は下限値を外れる。
　なお、作業時間データの作業時間が下限値を外れる場合は、必ずしも作業者に学習能力が欠けているとは言えない。しかしながら、複数回において作業時間データの作業時間が下限値を外れる場合は、作業者が一部の作業手順を行っていない等の問題がある可能性がある。このため、ある作業者の作業時間が下限値を規定回数以上外れる場合には、作業管理者の注意を喚起するために、学習能力判定部１０９は、当該作業者に学習能力が欠けていると判定し、表示処理部１１１に当該作業者を作業管理者に提示させる。
　以上のように、本実施の形態では、作業者の学習能力の判定において、決定係数に加えて作業時間の習熟曲線の上下限値からの乖離を考慮するため、精度の高い判定が可能となる。
　以上、本発明の実施の形態について説明したが、これらの実施の形態のうち、２つ以上を組み合わせて実施しても構わない。
　あるいは、これらの実施の形態のうち、１つを部分的に実施しても構わない。
　あるいは、これらの実施の形態のうち、２つ以上を部分的に組み合わせて実施しても構わない。
　なお、本発明は、これらの実施の形態に限定されるものではなく、必要に応じて種々の変更が可能である。
＊＊＊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。
　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、習熟曲線生成部１０３、決定係数算出部１０５、習熟容易性判定部１０７、学習能力判定部１０９、表示処理部１１１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、習熟曲線生成部１０３、決定係数算出部１０５、習熟容易性判定部１０７、学習能力判定部１０９、表示処理部１１１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、習熟曲線生成部１０３、決定係数算出部１０５、習熟容易性判定部１０７、学習能力判定部１０９、表示処理部１１１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、習熟曲線生成部１０３、決定係数算出部１０５、習熟容易性判定部１０７、学習能力判定部１０９、表示処理部１１１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。
　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　習熟曲線生成部、１０４　習熟曲線データベース、１０５　決定係数算出部、１０６　決定係数データベース、１０７　習熟容易性判定部、１０８　習熟容易性データベース、１０９　学習能力判定部、１１０　学習能力データベース、１１１　表示処理部、１１２　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)

  1. 　作業工程での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と、
    　前記複数の作業者の逓減指標値に基づいて、前記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習熟容易性判定部とを有する情報処理装置。
  2. 　前記習熟容易性判定部は、
    　前記複数の作業者の逓減指標値の中から選択条件に合致する逓減指標値を選択し、選択した逓減指標値の平均値を算出し、算出した平均値が閾値以上である場合に、前記作業工程を習熟しやすい作業工程と判定する請求項１に記載の情報処理装置。
  3. 　前記逓減指標値算出部は、
    　複数の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、作業工程別に前記逓減指標値を作業者ごとに算出し、
    　前記習熟容易性判定部は、
    　前記複数の作業者の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し、
    　前記情報処理装置は、更に、
    　前記習熟容易性判定部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逓減指標値を用いて、各作業者の学習能力を判定する学習能力判定部を有する請求項１に記載の情報処理装置。
  4. 　前記学習能力判定部は、
    　作業者ごとに、前記習熟容易性判定部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逓減指標値の平均値を算出し、
    　算出した平均値が閾値以上である場合に、当該作業者は要求される学習能力を備えていると判定し、
    　算出した平均値が閾値未満である場合に、当該作業者は要求される学習能力を備えていないと判定する請求項３に記載の情報処理装置。
  5. 　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する請求項１に記載の情報処理装置。
  6. 　前記逓減指標値算出部は、
    　複数の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、作業工程別に前記習熟曲線の生成及び前記決定係数の算出を作業者ごとに行い、
    　前記習熟容易性判定部は、
    　前記複数の作業者の決定係数に基づいて、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し、
    　前記情報処理装置は、更に、
    　前記習熟容易性判定部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学習能力判定部を有する請求項５に記載の情報処理装置。
  7. 　前記学習能力判定部は、
    　作業者ごとに、前記習熟容易性判定部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の平均値を算出し、
    　作業者ごとに、前記習熟容易性判定部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習熟曲線に沿って作業時間の上限値の曲線である上限値曲線と作業時間の下限値の曲線である下限値曲線とを設定し、
    　作業者ごとに、算出した平均値と閾値との比較と、前記作業時間データに示される作業時間の履歴と前記上限値曲線及び前記下限値曲線との比較を行って、学習能力を判定する請求項６に記載の情報処理装置。
  8. 　コンピュータが、作業工程での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し、
    　前記コンピュータが、前記複数の作業者の逓減指標値に基づいて、前記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情報処理方法。
  9. 　作業工程での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処理と、
    　前記複数の作業者の逓減指標値に基づいて、前記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習熟容易性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。
PCT/JP2016/076317 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 WO2018047255A1 (ja)

Priority Applications (6)

Application Number Priority Date Filing Date Title
KR1020197006080A KR20190026950A (ko) 2016-09-07 2016-09-07 정보 처리 장치, 정보 처리 방법 및 기억 매체에 저장된 정보 처리 프로그램
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
CN201680088947.XA CN109690584A (zh) 2016-09-07 2016-09-07 信息处理装置、信息处理方法及信息处理程序
US16/325,336 US20190205802A1 (en) 2016-09-07 2016-09-07 Information processing device, information processing method and computer readable medium
JP2018520631A JP6381863B2 (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
TW105135663A TWI636419B (zh) 2016-09-07 2016-11-03 Information processing device, information processing method and information processing program product

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
WO2018047255A1 true WO2018047255A1 (ja) 2018-03-15

Family

ID=61561776

Family Applications (1)

Application Number Title Priority Date Filing Date
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

Country Status (6)

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

Cited By (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
JPWO2022097381A1 (ja) * 2020-11-06 2022-05-12

Citations (6)

* 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
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
JP2005208804A (ja) * 2004-01-21 2005-08-04 Fujitsu Ltd 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
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
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

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
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 (6)

* 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
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
JP2005208804A (ja) * 2004-01-21 2005-08-04 Fujitsu Ltd 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
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
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

Cited By (4)

* 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
JPWO2022097381A1 (ja) * 2020-11-06 2022-05-12
WO2022097381A1 (ja) * 2020-11-06 2022-05-12 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
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

Also Published As

Publication number Publication date
JP6381863B2 (ja) 2018-08-29
TWI636419B (zh) 2018-09-21
KR20190026950A (ko) 2019-03-13
US20190205802A1 (en) 2019-07-04
CN109690584A (zh) 2019-04-26
JPWO2018047255A1 (ja) 2018-09-06
TW201812679A (zh) 2018-04-01

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
JP5100675B2 (ja) 計測器ドリフト検知装置および計測器ドリフト検知方法
US8607153B2 (en) Graphic for displaying multiple assessments of critical care performance
WO2018168193A1 (ja) 業務改善支援装置および業務改善支援方法
JP2018156346A5 (ja)
US20110238606A1 (en) Kernel regression system, method, and program
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
JP5771317B1 (ja) 異常診断装置及び異常診断方法
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
JP2019125206A (ja) 情報処理装置、情報処理方法及びプログラム
WO2014188524A1 (ja) 作業時間推定装置
WO2019073512A1 (ja) システム分析方法、システム分析装置、および、プログラム
JP6625183B1 (ja) リモデル支援装置、および、リモデル支援方法
TW202013104A (zh) 資料處理、資料處理裝置以及電腦可讀取記錄媒體
JP6627258B2 (ja) システムモデル生成支援装置、システムモデル生成支援方法、及び、プログラム
WO2016163008A1 (ja) 異常診断装置および異常診断方法
JP2021185469A (ja) 性能分析装置および性能分析方法
JP7427746B1 (ja) 情報処理装置、情報処理方法および情報処理プログラム
US10515330B2 (en) Real time visibility of process lifecycle
JP2019145160A (ja) 表示方法、表示装置、および、プログラム
JP6021648B2 (ja) 試験結果判定支援装置
JP2017157109A (ja) 推定装置、推定方法および推定プログラム
WO2023223448A1 (ja) 情報処理装置、情報処理方法及びプログラム
JP2019204290A (ja) 異常原因推定装置、異常原因推定方法、および異常原因推定プログラム
JP2019159406A (ja) データ解析システム、データ解析方法、及びプログラム

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 2018520631

Country of ref document: JP

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16915674

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 20197006080

Country of ref document: KR

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16915674

Country of ref document: EP

Kind code of ref document: A1