WO2021182245A1 - 技能評価装置及び技能評価方法 - Google Patents

技能評価装置及び技能評価方法 Download PDF

Info

Publication number
WO2021182245A1
WO2021182245A1 PCT/JP2021/008210 JP2021008210W WO2021182245A1 WO 2021182245 A1 WO2021182245 A1 WO 2021182245A1 JP 2021008210 W JP2021008210 W JP 2021008210W WO 2021182245 A1 WO2021182245 A1 WO 2021182245A1
Authority
WO
WIPO (PCT)
Prior art keywords
skill
unit
period
worker
index
Prior art date
Application number
PCT/JP2021/008210
Other languages
English (en)
French (fr)
Inventor
瞳 嶺岸
悠太 島崎
佐々木　幸紀
Original Assignee
パナソニックＩｐマネジメント株式会社
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 パナソニックＩｐマネジメント株式会社 filed Critical パナソニックＩｐマネジメント株式会社
Priority to JP2022505976A priority Critical patent/JPWO2021182245A1/ja
Priority to DE112021001541.9T priority patent/DE112021001541T5/de
Priority to CN202180013832.5A priority patent/CN115104118A/zh
Priority to US17/800,477 priority patent/US20230106962A1/en
Publication of WO2021182245A1 publication Critical patent/WO2021182245A1/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
    • 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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06398—Performance of employee with respect to a job function
    • 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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063112—Skill-based matching of a person or a group to a task
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations

Definitions

  • This disclosure relates to a skill evaluation device and a skill evaluation method.
  • Patent Document 1 a method of evaluating a worker's proficiency level based on a worker's tact has been known (see, for example, Patent Document 1).
  • the present disclosure provides a skill evaluation device and a skill evaluation method capable of equally evaluating the skills of workers.
  • the skill evaluation device includes a plurality of first product varieties produced in the first period, a plurality of facilities used for producing the plurality of first products, and the plurality of first products.
  • the acquisition unit that acquires the first information indicating the skill indexes of a plurality of workers involved in the production of the product and the first information
  • the probability distribution of the standard skill index in the first period is estimated.
  • a model generation unit that generates an estimated model, an aggregation unit that calculates a skill index of the specific worker by aggregating the production results of a specific worker in the second period, and the specific worker are the first.
  • Second information indicating the product types of the plurality of second products engaged in production in the two periods and one or more facilities used by the specific worker in the second period is input to the estimation model as input data. Therefore, the estimation unit that estimates the probability distribution of the skill index of the specific worker, the calculation unit that calculates the degree of deviation between the probability distribution estimated by the estimation unit and the skill index calculated by the aggregation unit. And an output unit that outputs information based on the degree of deviation.
  • the skill evaluation method includes a plurality of first product varieties produced in the first period, a plurality of facilities used for producing the plurality of first products, and the plurality of first products. Estimating the probability distribution of the standard skill index in the first period using the step of acquiring the first information indicating the skill index of a plurality of workers involved in the production of the product and the first information. A step of generating a model, a step of calculating a skill index of the specific worker by aggregating the production results of a specific worker in the second period, and a step of producing by the specific worker in the second period.
  • the said The step of estimating the probability distribution of the skill index of a specific worker, the step of calculating the degree of deviation between the probability distribution estimated in the estimation step and the skill index calculated in the calculation step, and the deviation. Includes steps to output degree-based information.
  • one aspect of the present disclosure can be realized as a program for causing a computer to execute the above skill evaluation method.
  • it can be realized as a computer-readable non-temporary recording medium in which the program is stored.
  • FIG. 1 is a diagram showing a configuration of a production system according to the first embodiment.
  • FIG. 2 is a diagram showing a relationship between a variety and equipment in the production system shown in FIG.
  • FIG. 3 is a diagram showing an example of production record data stored in the storage device according to the first embodiment.
  • FIG. 4 is a block diagram showing a functional configuration of the skill evaluation device according to the first embodiment.
  • FIG. 5 is a diagram for explaining the degree of deviation between the standard productivity index distribution and the worker's productivity index.
  • FIG. 6 is a flowchart showing a process of generating a standard production model among the operations of the skill evaluation device according to the first embodiment.
  • FIG. 1 is a diagram showing a configuration of a production system according to the first embodiment.
  • FIG. 2 is a diagram showing a relationship between a variety and equipment in the production system shown in FIG.
  • FIG. 3 is a diagram showing an example of production record data stored in the storage device according to the first embodiment.
  • FIG. 4 is a
  • FIG. 7 is a flowchart showing a process of evaluating the productivity of the worker among the operations of the skill evaluation device according to the first embodiment.
  • FIG. 8 is a flowchart showing a process of evaluating the productivity of each worker among the operations of the skill evaluation device according to the first embodiment.
  • FIG. 9 is a diagram showing an example of displaying a score by the skill evaluation device according to the first embodiment.
  • FIG. 10 is a diagram showing an example of stop history data stored in the storage device according to the second embodiment.
  • FIG. 11 is a block diagram showing a functional configuration of the skill evaluation device according to the second embodiment.
  • FIG. 12 is a flowchart showing a process of generating a standard downtime model among the operations of the skill evaluation device according to the second embodiment.
  • FIG. 13 is a flowchart showing a process of evaluating the stop time of the worker in the operation of the skill evaluation device according to the second embodiment.
  • FIG. 14 is a diagram showing an example of displaying a score by the skill evaluation device according
  • the skill evaluation device includes a plurality of first product varieties produced in the first period, a plurality of facilities used for producing the plurality of first products, and the plurality of first products.
  • the acquisition unit that acquires the first information indicating the skill indexes of a plurality of workers involved in the production of the product and the first information
  • the probability distribution of the standard skill index in the first period is estimated.
  • a model generation unit that generates an estimated model, an aggregation unit that calculates a skill index of the specific worker by aggregating the production results of a specific worker in the second period, and the specific worker are the first.
  • Second information indicating the product types of the plurality of second products engaged in production in the two periods and one or more facilities used by the specific worker in the second period is input to the estimation model as input data. Therefore, the estimation unit that estimates the probability distribution of the skill index of the specific worker, the calculation unit that calculates the degree of deviation between the probability distribution estimated by the estimation unit and the skill index calculated by the aggregation unit. And an output unit that outputs information based on the degree of deviation.
  • the probability distribution of the skill index of a specific worker estimated by the estimation unit is based on the estimation model that estimates the probability distribution of the standard skill index, and the information on the product type and equipment handled by the specific worker. Since it is obtained by inputting, it represents the probability distribution of the standard skill index under the production conditions of a specific worker. Therefore, by comparing the probability distribution of the estimated skill index with the skill index obtained from the aggregated result of the production performance of the specific worker, it is possible to judge the skill level of the specific worker. Specifically, the calculated degree of divergence is a numerical value that quantifies the level of skill of a specific worker. As described above, according to the skill evaluation device according to this aspect, the skill level can be determined based on the probability distribution of the standard skill index, so that the skill of the worker can be evaluated equally.
  • the skill index may be an index indicating the productivity of the worker.
  • the skill index may be the downtime required for the worker to restart the stopped equipment.
  • the totaling unit calculates the stop time for each of the stop factors by totaling the production results of the specific worker in the second period for each stop factor of the equipment, and the calculation unit can calculate the stop time for each stop factor.
  • the degree of deviation may be calculated for each of the stopping factors.
  • the restarting ability can be evaluated for each stop factor, so that the skills that the worker is good at and the skills that the worker lacks can be identified.
  • the calculation unit may identify the skill lacking in the specific worker based on the degree of deviation for each of the stop factors.
  • the aggregation unit calculates the skill index for each specific worker, and the estimation unit calculates the probability of the skill index for each specific worker.
  • the distribution may be calculated, and the calculation unit may calculate the degree of deviation for each specific worker.
  • the skill evaluation device may further include an input unit that accepts inputs between the second period and one or more of the specific workers.
  • the skill evaluation method includes a plurality of first product varieties produced in the first period, a plurality of facilities used for producing the plurality of first products, and the plurality of first products.
  • the step of acquiring the first information indicating the skill indexes of a plurality of workers involved in the production of the first product and the first information the probability distribution of the standard skill index in the first period is estimated.
  • a step of estimating the probability distribution of the skill index of the specific worker a step of calculating the degree of deviation between the probability distribution estimated in the estimation step and the skill index calculated in the calculation step, It includes a step of outputting information based on the degree of deviation.
  • the program according to one aspect of the present disclosure is a program that causes a computer to execute the above skill evaluation method.
  • each figure is a schematic view and is not necessarily exactly illustrated. Therefore, for example, the scales and the like do not always match in each figure. Further, in each figure, substantially the same configuration is designated by the same reference numerals, and duplicate description will be omitted or simplified.
  • FIG. 1 is a diagram showing a configuration of a production system according to the present embodiment.
  • a product is produced by going through three steps A to C in order.
  • Steps A to C are, for example, an assembly step, a welding step, and a packaging step, respectively.
  • the number of steps and specific examples of the steps are merely examples, and are not limited thereto.
  • the product produced by the production system 1 is, for example, an electric appliance, but may be a mounting board on which a plurality of circuit components are mounted, or may be a circuit component.
  • the production system 1 is a system equipped with a plurality of facilities and produces a plurality of products of a plurality of varieties.
  • the production system 1 is provided with a plurality of facilities for each process. As shown in FIG. 1, two workers are assigned to each process. Each of the workers U1 to U6 is assigned four facilities. Each worker produces a product by operating the equipment in charge. In addition, each worker performs maintenance on the equipment in charge and restarts the equipment when the equipment in charge is stopped.
  • the types of equipment and product types handled by workers U1 to U6 are different for each worker.
  • the combination of the type of equipment and the type of product is represented by the difference in the shape and shading of the figure schematically representing the equipment.
  • FIG. 2 is a diagram showing the relationship between the product type and the equipment in the production system shown in FIG.
  • the workers I can't decide the level of skill. For example, if the product A is easier to produce than the product B, the workers U3 and U6 who handle a large number of the product A are advantageous in the example shown in FIG. Further, when the new equipment is more productive than the old equipment, the workers U1 and U6 who use a lot of the new equipment are advantageous. As described above, an index showing productivity such as takt time cannot be used as an index for evaluating skills equally among workers.
  • workers U1 to U6 are not always involved in the production of products of the same type with the same equipment. Depending on the day or time of day, the equipment and varieties in charge may change. Since the combinations of equipment and varieties that the workers U1 to U6 are involved in are diverse, it is difficult to set uniform conditions among the workers and compare their skills.
  • the skill evaluation device generates an estimation model that estimates the probability distribution of a standard skill index based on the production results of a plurality of workers.
  • the estimation model it is possible to obtain a probability distribution of a standard skill index under the production conditions of a specific worker. Since the skill level can be determined based on the probability distribution of the standard skill index, the skill of the worker can be evaluated equally.
  • a productivity index which is an index indicating the productivity of the worker, is used.
  • FIG. 3 is a diagram showing an example of production record data stored in the storage device according to the present embodiment.
  • the identification number (product ID) of the product As shown in FIG. 3, in the production record data, the identification number (product ID) of the product, the time when the product was produced, the productivity index information 191 and the product type information 192, and the equipment are used for each product.
  • Information 193, environment information 194, and worker information 195 are associated with each other.
  • the equipment information 193, the worker information 195, and the productivity index information 191 are associated with each process.
  • Productivity index information 191 is information indicating the productivity index of workers involved in the production of the corresponding product (first product).
  • the productivity index is, for example, takt time. The shorter the takt time, the more products can be produced in a short period of time, and the higher the productivity.
  • the productivity index may be the number of products produced per unit time. The higher the number of products produced per unit time, the higher the productivity.
  • Product type information 192 is information indicating the product type of the corresponding product.
  • the variety indicated by the variety information 192 may mean a category for each variety. That is, the product type information 192 may be classification information indicating a category in which the product product type is further classified.
  • Equipment information 193 is information indicating the equipment used in the production of the corresponding product.
  • Environmental information 194 is information indicating an environmental value during production of the corresponding product.
  • Environmental values include room temperature and humidity in the space where the product is produced. Alternatively, the environmental value may be the temperature of the product or equipment.
  • Worker information 195 is information indicating a worker involved in the production of the corresponding product.
  • the production record data is generated based on the production log information of the production system 1.
  • the data format of the production record data is not particularly limited.
  • the production record data may be associated with each information for each facility.
  • the production record data may be associated with each information for each worker.
  • the production record data does not have to include the environmental information 194.
  • FIG. 4 is a block diagram showing a functional configuration of the skill evaluation device according to the present embodiment.
  • the skill evaluation device 100 includes a first extraction unit 110, a model generation unit 120, an input unit 130, a second extraction unit 140, an index estimation unit 150, and an aggregation unit 160. It includes an evaluation unit 170 and a display unit 180.
  • the skill evaluation device 100 evaluates the skill of the worker using the information stored in the storage device 190.
  • the storage device 190 stores, for example, the production record data shown in FIG. That is, the storage device 190 stores the productivity index information 191 and the product type information 192, the equipment information 193, the environmental information 194, and the worker information 195.
  • the storage device 190 is a non-volatile storage element such as an HDD (Hard Disk Drive) or a flash memory.
  • the first extraction unit 110 is an example of an acquisition unit that acquires the first information.
  • the first information includes a plurality of first product varieties produced during the modeling period, a plurality of facilities used for the production of the plurality of first products, and a plurality of operations involved in the production of the plurality of first products. It is information indicating the productivity index of the person.
  • the first information includes productivity index information 191 and product type information 192, and equipment information 193.
  • the first information further includes environmental information 194. From the production record data stored in the storage device 190, the first extraction unit 110 includes productivity index information 191, product type information 192, equipment information 193, and environmental information associated with the time included in the modeling period. 194 and are extracted.
  • the modeling period is an example of the first period, which is the period during which production was performed to obtain production performance data used for generating an estimated model.
  • the modeling period is a period earlier than the time when the skill of the worker is evaluated and the time when the estimation model is generated.
  • the modeling period is a fixed period such as one day, one week, one month or one year.
  • the modeling period is, for example, a past period in which a product of the same variety as the product currently being produced was produced using the same equipment as the equipment currently in use.
  • the modeling period may be the entire period from the construction of the production system 1 to the present.
  • the model generation unit 120 uses the first information acquired by the first extraction unit 110 to generate an estimation model that estimates the probability distribution of a standard productivity index during the modeling period.
  • the model generation unit 120 generates an estimation model based on, for example, Bayesian estimation. Specifically, the model generation unit 120 calculates a plurality of parameters that define the estimation model using the first information. More specifically, the model generation unit 120 calculates the parameters of the hierarchical Bayes model using the information of the modeling period.
  • the hierarchical Bayesian model according to the present embodiment is a model in which the product type information and the equipment information are used as explanatory variables, the productivity index for each production condition and its frequency are estimated, and the overall productivity index is estimated.
  • the overall productivity index is the sum of products of the productivity index and the frequency divided by the frequency (average).
  • the estimation model is a standard production model, which estimates the probability distribution of a standard productivity index under predetermined production conditions.
  • the model generation unit 120 generates a standard production model by using all of the production record data in the modeling period among the past production record data. Specifically, all of the production record data during the modeling period are productivity index information 191 and product type information 192, equipment information 193, and environmental information 194. At this time, the environmental information 194 may not be included.
  • the standard productivity model when the production conditions of a specific worker are input as input data, the probability distribution of the standard productivity index under the production conditions of the specific worker as output data (hereinafter referred to as the probability distribution). , Described as standard productivity index distribution) is output.
  • the production conditions are defined by the combination of product type, equipment and environmental value. Production conditions may be defined by a combination of varieties and equipment, excluding environmental values.
  • the input unit 130 accepts the evaluation period and the input of a specific worker.
  • a specific worker is a worker who is subject to skill evaluation.
  • the evaluation period is an example of the second period, and is the period subject to skill evaluation.
  • the evaluation period is different from the modeling period.
  • the evaluation period may be a part of the modeling period or may be a period including a part of the modeling period.
  • the input unit 130 is realized by an input device such as a touch panel display, a keyboard or a mouse, for example.
  • the input unit 130 displays a text box for inputting an evaluation period, list information for selecting a specific worker, and the like on the display.
  • the list information is, for example, information indicating all the workers included in the production record data.
  • the user of the skill evaluation device 100 can input the evaluation period and a specific worker, and the input unit 130 evaluates the input period and the worker. And accept as a specific worker.
  • the input unit 130 may be realized by a microphone and may accept voice input.
  • the evaluation period and the input format of a specific worker are not particularly limited.
  • the evaluation period is a predetermined period such as 1 hour, 1 day, 1 week, 1 month, and is not particularly limited. Further, the input unit 130 may accept only the input of a specific worker without accepting the input of the evaluation period. The input unit 130 may accept inputs from a plurality of specific workers.
  • the second extraction unit 140 extracts the evaluation period received by the input unit 130 and the production record data related to a specific worker from the storage device 190. Specifically, the second extraction unit 140 extracts production record data relating to a product (second product) produced within the evaluation period and a product in which a specific worker is involved in the production of the product. For example, in the example shown in FIG. 3, when the evaluation period is one day of 2020/2/26 and the specific worker is the worker U4, the second extraction unit 140 has the product ID “00002”.
  • the product type information 192, the equipment information 193 related to the process B, the productivity index information 191 and the environmental information 194 are extracted for each of "00003".
  • the index estimation unit 150 provides second information indicating the types of a plurality of products (second products) produced by a specific worker during the evaluation period and one or more facilities used by the specific worker during the evaluation period. Is input to the estimation model as input data to estimate the probability distribution of the productivity index of a specific worker.
  • the second information further indicates an environmental value (eg, room temperature) for a particular worker during the evaluation period. That is, the index estimation unit 150 inputs the product type information 192, the equipment information 193, and the environmental information 194 related to the specific worker in the evaluation period into the estimation model as input data.
  • the estimated probability distribution is the probability distribution of the standard productivity index under the production conditions of a specific worker during the evaluation period.
  • the aggregation unit 160 calculates the productivity index of a specific worker by aggregating the production results of the specific worker during the evaluation period. Specifically, the aggregation unit 160 calculates statistical values such as the average or variance of the productivity index of a specific worker during the evaluation period as the productivity index of the specific worker. For example, when a specific worker handles a plurality of varieties and a plurality of facilities during the evaluation period, the aggregation unit 160 calculates the average or variance of the productivity index for each combination of the varieties and the facilities.
  • the evaluation unit 170 is an example of a calculation unit that calculates the degree of deviation between the probability distribution estimated by the index estimation unit 150 (that is, the standard productivity index distribution) and the productivity index calculated by the aggregation unit 160. For example, the evaluation unit 170 compares the average of the standard productivity index distribution (hereinafter referred to as the standard average) with the average calculated by the aggregation unit 160 (hereinafter referred to as the actual average). Alternatively, the evaluation unit 170 may compare the variance of the standard productivity index distribution with the variance calculated by the aggregation unit 160.
  • FIG. 5 is a diagram for explaining the degree of deviation between the standard productivity index distribution and the worker's productivity index. As shown in FIG. 5, the evaluation unit 170 can calculate the difference between the standard average and the actual average as the degree of deviation. The degree of divergence may be the difference between these two variances. Alternatively, the degree of divergence may be the ratio of mean or variance.
  • the evaluation unit 170 converts the degree of divergence into a score.
  • the score is an evaluation value indicating the high level of skill.
  • the score is expressed in the range of 0 to 10 points, for example, and the higher the value, the higher the skill.
  • the score can be expressed by a linear function of the degree of divergence.
  • the degree of divergence is a value obtained by subtracting the standard average from the actual average
  • the degree of divergence is 0, it means that the skill of the worker is standard. Therefore, for example, when the degree of deviation is 0, the evaluation unit 170 sets the score to 5 points, which is an intermediate value.
  • the degree of deviation is a positive value, it means that the skill of the worker is higher than the standard, so the evaluation unit 170 determines the score to a value larger than 5 points and 10 points or less.
  • the degree of deviation is a negative value, it means that the skill of the worker is lower than the standard, so the evaluation unit 170 determines the score to a value of 0 points or more and less than 5 points.
  • the evaluation unit 170 is calculated by the standard productivity index distribution and the aggregation unit 160 for each combination of the varieties and equipments. Based on the productivity index, the degree of divergence is calculated for each combination of product type and equipment. Further, the evaluation unit 170 converts the calculated degree of deviation into a score for each combination of product type and equipment. The evaluation unit 170 weights the score for each combination by the ratio of the period in which a specific worker handles the combination of varieties and equipment to the evaluation period and the number of products produced by the combination. Then, calculate the total score. The calculated total score is the score of a specific worker during the evaluation period.
  • the display unit 180 is an example of an output unit that outputs information based on the degree of deviation.
  • the display unit 180 displays the score of a specific worker. A display example by the display unit 180 will be described later.
  • the display unit 180 is, for example, a liquid crystal display device, but is not limited to this.
  • the display unit 180 may be an organic EL (Electroluminescence) display device.
  • the skill evaluation device 100 may include an audio output unit such as a speaker or a communication unit in place of the display unit 180 or in addition to the display unit 180.
  • the audio output unit outputs information based on the degree of deviation as audio.
  • the communication unit may transmit a signal including information based on the degree of deviation to another device.
  • the communication by the communication unit may be either wired or wireless.
  • the skill evaluation device 100 is, for example, a computer device.
  • the skill evaluation device 100 is realized by a non-volatile memory in which the program is stored, a volatile memory which is a temporary storage area for executing the program, an input / output port, a processor for executing the program, and the like.
  • each processing unit other than the input unit 130 and the display unit 180 is realized by, for example, an LSI (Large Scale Integration) which is an integrated circuit (IC: Integrated Circuit).
  • the integrated circuit is not limited to the LSI, and may be a dedicated circuit or a general-purpose processor.
  • each processing unit may be a microcontroller.
  • each processing unit may be a programmable FPGA (Field Programmable Gate Array) or a reconfigurable processor in which the connection and setting of circuit cells in the LSI can be reconfigured.
  • the function executed by each processing unit may be realized by software or hardware.
  • Each processing unit may share hardware resources such as a memory and a processor.
  • FIG. 6 is a flowchart showing a process of generating a standard production model among the operations of the skill evaluation device according to the present embodiment.
  • the first extraction unit 110 extracts information on the modeling period (S10). Specifically, the first extraction unit 110 extracts all the production record data of the modeling period from the past production record data stored in the storage device 190, excluding the worker information 195. That is, the first extraction unit 110 extracts all the productivity index information 191 and the variety information 192, the equipment information 193, and the environmental information 194 without filtering by the worker, the equipment, the product type, the environmental value, and the like.
  • the model generation unit 120 generates a standard production model based on the extracted information (S12). Specifically, the model generation unit 120 calculates a plurality of parameters that define a standard production model based on Bayesian inference.
  • the standard production model generation process shown above is performed as a pre-process for evaluating the productivity of a specific worker.
  • the generation process of the standard production model may be repeated every time the production record data is accumulated.
  • the generation process of the standard production model may be performed every day or week.
  • FIG. 7 is a flowchart showing a process of evaluating the productivity of the worker among the operations of the skill evaluation device according to the present embodiment.
  • the second extraction unit 140 extracts information on the evaluation period of a specific worker (S20).
  • the specific worker and evaluation period are the worker and period accepted by the input unit 130.
  • the second extraction unit 140 extracts the productivity index information 191 and the variety information 192, the equipment information 193 and the environmental information 194 of the product in which the specific worker was involved in the production within the evaluation period with reference to the worker information 195. ..
  • the aggregation unit 160 calculates the productivity index of a specific worker (S22). Specifically, the totaling unit 160 calculates the average of the productivity indexes by totaling the production results of a specific worker.
  • the index estimation unit 150 estimates the standard productivity index distribution of a specific worker based on the standard production model generated by the process shown in FIG. 6 (S24). Specifically, the index estimation unit 150 inputs the product type information 192, the equipment information 193, and the environmental information 194 extracted by the second extraction unit 140 as input data into the standard production model, so that the standard productivity index distribution To estimate.
  • processing by the aggregation unit 160 and the processing by the index estimation unit 150 may be performed first or in parallel.
  • the evaluation unit 170 calculates the degree of deviation between the standard productivity index distribution and the productivity index (S26). Further, the evaluation unit 170 converts the calculated degree of deviation into a score (S28). Next, the display unit 180 displays the score converted by the evaluation unit 170 (S30).
  • the standard productivity index distribution can be obtained based on the estimation model, so that the productivity of the worker can be suppressed by suppressing the influence of the equipment and the product type. Can be evaluated equally. Moreover, since the productivity index can be quantitatively calculated for each worker, it is possible to compare the high and low productivity among the workers.
  • FIG. 8 is a flowchart showing a process of evaluating the productivity of each worker among the operations of the skill evaluation device according to the present embodiment.
  • the second extraction unit 140 selects one worker as a specific worker to be calculated for the productivity index (S19). For example, when a plurality of workers are input by the input unit 130, the second extraction unit 140 is a worker whose degree of divergence and score have not been calculated from among the plurality of input workers, that is, productivity. Select an unevaluated worker who has not yet been evaluated as a specific worker.
  • the actual data of the evaluation period is extracted (S20), the productivity index is calculated (S22), and the standard productivity index distribution is estimated for the selected specific worker. (S24), the degree of deviation is calculated (S26), and the score is converted (S28).
  • the second extraction unit 140 determines whether or not there is an unevaluated worker (S29). When there is an unevaluated worker (Yes in S29), the second extraction unit 140 selects one of the unevaluated workers as a specific worker (S19) and repeats the processes of steps S20 to S29. .. When there are no unrated workers (No in S29), that is, when the evaluation of all the workers to be evaluated is completed, the display unit 180 displays the score for each worker (S30).
  • FIG. 8 shows an example of evaluating the productivity of each worker for a plurality of workers
  • the productivity of one or a plurality of workers is evaluated for a plurality of evaluation periods. You may.
  • the input unit 130 accepts inputs for a plurality of periods. In this case, the processes of steps S19 to S29 shown in FIG. 8 are performed for each evaluation period.
  • FIG. 9 is a diagram showing an example of displaying a score by the skill evaluation device according to the present embodiment.
  • the display unit 180 displays the scores of each of the plurality of workers in a tabular format for each evaluation period. In this way, the display unit 180 displays the score for each worker on the same screen, so that the difference in skill between the workers can be easily discriminated. Therefore, for example, a worker who lacks skills and needs training can be easily identified.
  • the display example by the display unit 180 is not particularly limited.
  • the display unit 180 may display the workers side by side in descending order of score. In this case, the display unit 180 does not have to display the numerical value of the score itself. Further, when there is only one worker to be evaluated, the display unit 180 may display the score of one or a plurality of periods of one worker.
  • the equipment downtime is used instead of the productivity index as the skill index of the worker.
  • the differences from the first embodiment will be mainly described, and the common points will be omitted or simplified.
  • FIG. 10 is a diagram showing an example of stop history data stored in the storage device according to the present embodiment.
  • the stop history data is an example of production record data by the production system 1.
  • the time when the stop of the equipment occurred the product type information 192, the environmental information 194, the worker information 195, and the stop information 296 are added to the equipment information 193. Are associated with each other.
  • the product type information 192 is information indicating the product type that was processed when the corresponding equipment stopped.
  • Equipment information 193 is, for example, information indicating a unique identifier (equipment ID) assigned to each equipment.
  • Environmental information 194 is information indicating an environmental value when the corresponding equipment is stopped.
  • Worker information 195 is information indicating a worker who handles the corresponding equipment and who has restarted the equipment.
  • the stop information 296 includes the stop time and the stop factor.
  • the downtime is the time required to restart the corresponding downed equipment.
  • the outage factor is the cause of the outage of the corresponding equipment.
  • the stop history data is generated based on the production log information of the production system 1.
  • the data format of the stop history data is not particularly limited.
  • the stop history data may be associated with each information for each product ID, as in the production record data shown in FIG.
  • the stop history data may be associated with each information for each worker.
  • the stop history data may not include the environment information 194.
  • the stop history data may include the productivity index information 191.
  • FIG. 11 is a block diagram showing a functional configuration of the skill evaluation device according to the present embodiment.
  • the skill evaluation device 200 includes a first extraction unit 210, a model generation unit 220, an input unit 130, a second extraction unit 240, an index estimation unit 250, and an aggregation unit 260. It includes an evaluation unit 270 and a display unit 280.
  • the input unit 130 is the same as that of the first embodiment.
  • the skill evaluation device 200 evaluates the skill of the worker using the information stored in the storage device 290.
  • the storage device 290 stores, for example, the stop history data shown in FIG. That is, the storage device 290 stores the product type information 192, the equipment information 193, the environmental information 194, the worker information 195, and the stop information 296.
  • the storage device 290 may store the productivity index information 191.
  • the storage device 290 is a non-volatile storage element such as an HDD or a flash memory.
  • the first extraction unit 210 is an example of an acquisition unit that acquires the first information.
  • the first information includes a plurality of first product varieties produced during the modeling period, a plurality of facilities used for the production of the plurality of first products, and a plurality of operations involved in the production of the plurality of first products. It is information indicating the downtime required for each person to restart the stopped equipment.
  • the first information includes the product type information 192, the equipment information 193, and the stop information 296.
  • the first information further includes environmental information 194.
  • the first extraction unit 210 uses the stop history data stored in the storage device 290 to provide stop information 296, product type information 192, and equipment information 193 associated with the time included in the modeling period. And the environmental information 194 are extracted.
  • the modeling period is an example of the first period as in the first embodiment, and is the period during which production is performed to obtain the stop history data used for generating the estimation model.
  • the model generation unit 220 uses the first information acquired by the first extraction unit 210 to generate an estimation model that estimates the probability distribution of the standard stop time in the modeling period.
  • the model generation unit 220 generates an estimation model based on, for example, Bayesian estimation. Specifically, the model generation unit 220 calculates a plurality of parameters that define the estimation model using the first information. More specifically, the model generation unit 220 calculates the parameters of the hierarchical Bayes model using the information of the modeling period.
  • the hierarchical Bayes model according to the present embodiment is a model in which the product type information and the equipment information are used as explanatory variables, the stop time and its frequency for each stop factor are estimated, and the total stop time is estimated. The total stop time corresponds to the sum of the product of the stop time and the frequency for each stop factor.
  • the estimation model is a standard downtime model, which estimates the probability distribution of the standard downtime under predetermined production conditions.
  • the model generation unit 220 generates a standard stop time model by using all of the stop history data of the modeling period among the past stop history data. Specifically, all of the stop history data in the modeling period are stop information 296, product type information 192, equipment information 193, and environmental information 194. At this time, the environmental information 194 may not be included.
  • the probability distribution when the production conditions of a specific worker are input as input data, the probability distribution of the standard downtime under the production conditions of the specific worker as output data (hereinafter referred to as the probability distribution). , Described as standard downtime distribution) is output.
  • the second extraction unit 240 extracts the evaluation period received by the input unit 130 and the stop history data related to the specific worker from the storage device 290. Specifically, the second extraction unit 240 extracts stop history data related to products produced within the evaluation period (second products) and products in which a specific worker is involved in the production of the products. For example, in the example shown in FIG. 10, when the evaluation period is one day of 2020/2/26 and the specific worker is the worker U4, the second extraction unit 240 has the equipment ID “M013”. The stop information 296, the product type information 192, the environmental information 194, and the worker information 195 are extracted.
  • the index estimation unit 250 provides second information indicating the types of a plurality of products (second products) produced by a specific worker during the evaluation period and one or more facilities used by the specific worker during the evaluation period. Is input to the estimation model as input data to estimate the probability distribution of the stop time of a specific worker.
  • the second information further indicates an environmental value (eg, room temperature) for a particular worker during the evaluation period. That is, the index estimation unit 250 inputs the product type information 192, the equipment information 193, and the environmental information 194 related to the specific worker in the evaluation period into the estimation model as input data.
  • the estimated probability distribution is the standard downtime probability distribution under the production conditions of a specific worker during the evaluation period. By comparing the actual values of specific workers with the estimated probability distribution as a comparison target, it is possible to determine the length of the stop time of a specific worker.
  • the index estimation unit 250 estimates the probability distribution of the stop time for each stop factor.
  • the totaling unit 260 calculates the downtime of a specific worker by totaling the production results of the specific worker during the evaluation period. Specifically, the aggregation unit 260 calculates statistical values such as the average or variance of the downtime of a specific worker during the evaluation period as the downtime of the specific worker. The totaling unit 260 may calculate the downtime for each outage factor by totaling the production results for each outage factor of the equipment. For example, when a specific worker handles a plurality of types and a plurality of facilities during the evaluation period, the aggregation unit 260 calculates the average or variance of the stop time for each stop factor of each facility and for each type. do.
  • the evaluation unit 270 is an example of a calculation unit that calculates the degree of deviation between the probability distribution estimated by the index estimation unit 250 (that is, the standard stop time distribution) and the stop time calculated by the aggregation unit 260. For example, the evaluation unit 270 compares the average of the standard downtime distribution (hereinafter referred to as the standard average) with the average calculated by the aggregation unit 260 (hereinafter referred to as the actual average). Alternatively, the evaluation unit 270 may compare the variance of the standard downtime distribution with the variance calculated by the aggregation unit 260.
  • the evaluation unit 270 converts the degree of divergence into a score.
  • the score is the same as that of the first embodiment, and can be expressed by, for example, a linear function of the degree of divergence. For example, when the degree of divergence is a value obtained by subtracting the standard average from the actual average, when the degree of divergence is 0, it means that the stop time of the worker is standard. Therefore, for example, when the degree of deviation is 0, the evaluation unit 270 sets the score to 5 points, which is an intermediate value. Further, when the degree of deviation is a negative value, it means that the stop time by the operator is shorter than the standard. Therefore, when the degree of deviation is a negative value, the evaluation unit 270 is larger than 5 points.
  • the score is determined to a value of 10 points or less.
  • the degree of deviation is a positive value, it means that the stop time by the worker is longer than the standard, so the evaluation unit 270 determines the score to a value of 0 points or more and less than 5 points. Further, when the downtime is calculated for each stop factor of the equipment by the aggregation unit 260, the evaluation unit 270 may calculate the degree of deviation for each stop factor and convert it into a score.
  • the evaluation unit 270 When a specific worker handles a plurality of varieties and a plurality of facilities during the evaluation period, the evaluation unit 270 has a standard stop time distribution for each stop factor and each type calculated by the aggregation unit 260. The degree of deviation for each variety is calculated based on the stop time, and the calculated degree of deviation is converted into a score. The evaluation unit 270 weights the score for each variety by the ratio of the period in which a specific worker handles the variety to the evaluation period and the number of products produced, thereby stopping the overall score. Calculated for each. The calculated total score is the score for each stop factor in the evaluation period of a specific worker.
  • the evaluation unit 270 identifies the skills that a specific worker lacks based on the degree of divergence for each stop factor. Specifically, the evaluation unit 270 compares the score for each stop factor with the threshold value, and identifies the score below the threshold value. The evaluation unit 270 identifies the skill for restarting the equipment stopped by the stop factor corresponding to the specified score as the skill lacking for a specific worker.
  • the display unit 280 is an example of an output unit that outputs information based on the degree of deviation.
  • the display unit 280 displays the score of a specific worker.
  • the display unit 280 displays the score for each stop factor.
  • a display example by the display unit 280 will be described later.
  • FIG. 12 is a flowchart showing a process of generating a standard downtime model among the operations of the skill evaluation device according to the present embodiment.
  • the first extraction unit 210 extracts information on the modeling period (S40). Specifically, the first extraction unit 210 extracts all the stop history data of the modeling period from the past stop history data stored in the storage device 290, excluding the worker information 195. That is, the first extraction unit 210 extracts all the stop information 296, the product type information 192, the equipment information 193, and the environmental information 194 without filtering by the worker, the equipment, the product type, the stop factor, the environmental value, and the like.
  • the model generation unit 220 generates a standard downtime model based on the extracted information (S42). Specifically, the model generation unit 220 calculates a plurality of parameters that define a standard downtime model based on Bayesian inference.
  • the standard downtime model generation process shown above is performed as a pre-process for evaluating the downtime of a specific worker.
  • the generation process of the standard stop time model may be repeated every time the stop history data is accumulated.
  • a standard downtime model generation process may be performed every day or week.
  • FIG. 13 is a flowchart showing a process of evaluating the stop time of the worker in the operation of the skill evaluation device according to the present embodiment.
  • the second extraction unit 240 selects one stop factor from the plurality of stop factors (S49). For example, the second extraction unit 240 selects an unevaluated stop factor for which the stop time has not yet been evaluated.
  • the second extraction unit 240 extracts information on the evaluation period of a specific worker (S50).
  • the specific worker and evaluation period are the worker and period accepted by the input unit 130.
  • the second extraction unit 240 extracts the stop information 296, the product type information 192, the equipment information 193, and the environmental information 194 of the product in which the specific worker is engaged in the production within the evaluation period with reference to the worker information 195.
  • the aggregation unit 260 calculates the stop time based on the selected stop factor for a specific worker (S52). Specifically, the totaling unit 260 calculates the average stop time by totaling the production results of a specific worker.
  • the index estimation unit 250 estimates the standard downtime distribution of a specific worker based on the standard downtime model generated by the process shown in FIG. 11 (S54). Specifically, the index estimation unit 250 inputs the product type information 192, the equipment information 193, and the environmental information 194 extracted by the second extraction unit 240 as input data into the standard downtime model, so that the standard downtime distribution is distributed. To estimate.
  • processing by the aggregation unit 260 and the processing by the index estimation unit 250 may be performed first or in parallel.
  • the evaluation unit 270 calculates the degree of deviation between the standard downtime distribution and the worker's downtime specifically (S56). Further, the evaluation unit 270 converts the calculated degree of deviation into a score (S58).
  • the calculated score is an evaluation value that evaluates the shortness of the stop time based on the stop factor of a specific worker. The higher the score, the shorter the downtime of a particular worker and the higher the ability to restore equipment.
  • the second extraction unit 240 determines whether or not there is an unevaluated stop factor (S59). When there is an unevaluated stop factor (Yes in S59), the second extraction unit 240 selects the unevaluated stop factor (S49) and repeats the processes of steps S50 to S59. When there is no unevaluated stop factor (No in S59), that is, when the evaluation of all the stop factors to be evaluated is completed, the display unit 280 displays the score for each worker (S60).
  • FIG. 14 is a diagram showing an example of displaying a score by the skill evaluation device according to the present embodiment.
  • the display unit 280 displays the score for each stop factor for a specific worker in a tabular format.
  • the display unit 280 displays the score for each stop factor on the same screen, so that the difference in recovery ability between the stop factors can be easily determined. That is, it is possible to discriminate between skills that are superior and skills that are inferior to a specific worker. By determining the inferior skill, the training content of the worker can be appropriately determined, and the improvement of the skill can be supported.
  • the display example by the display unit 280 is not particularly limited.
  • the display unit 280 may display the stop factors in descending order of score. In this case, the display unit 280 does not have to display the numerical value of the score itself.
  • the standard downtime distribution can be obtained based on the estimation model, so that the influence of the equipment and the type of equipment can be suppressed and the equipment can be restored by the operator. High ability can be evaluated equally.
  • the score for each stop factor may be calculated for each of the plurality of specific workers. Alternatively, the score may be calculated for each worker regardless of the stopping factor.
  • the communication method between the devices described in the above embodiment is not particularly limited.
  • the wireless communication method is, for example, short-range wireless communication such as ZigBee (registered trademark), Bluetooth (registered trademark), or wireless LAN (Local Area Network).
  • the wireless communication method may be communication via a wide area communication network such as the Internet.
  • wired communication may be performed between the devices instead of wireless communication.
  • the wired communication includes power line communication (PLC: Power Line Communication) or communication using a wired LAN.
  • another processing unit may execute the processing executed by the specific processing unit. Further, the order of the plurality of processes may be changed, or the plurality of processes may be executed in parallel. Further, the distribution of the components of the skill evaluation device to a plurality of devices is an example. For example, the components of one device may be included in another device.
  • the processing described in the above embodiment may be realized by centralized processing using a single device (system), or may be realized by distributed processing using a plurality of devices. good.
  • the number of processors that execute the above program may be singular or plural. That is, centralized processing may be performed, or distributed processing may be performed.
  • control unit may be configured by dedicated hardware, or may be realized by executing a software program suitable for each component. May be good.
  • Each component may be realized by a program execution unit such as a CPU (Central Processing Unit) or a processor reading and executing a software program recorded on a recording medium such as an HDD or a semiconductor memory.
  • program execution unit such as a CPU (Central Processing Unit) or a processor reading and executing a software program recorded on a recording medium such as an HDD or a semiconductor memory.
  • a component such as a control unit may be composed of one or a plurality of electronic circuits.
  • the one or more electronic circuits may be general-purpose circuits or dedicated circuits, respectively.
  • One or more electronic circuits may include, for example, a semiconductor device, an IC, an LSI, or the like.
  • the IC or LSI may be integrated on one chip or may be integrated on a plurality of chips.
  • it is called IC or LSI, but the name changes depending on the degree of integration, and it may be called system LSI, VLSI (Very Large Scale Integration), or ULSI (Ultra Large Scale Integration).
  • an FPGA programmed after the LSI is manufactured can be used for the same purpose.
  • the general or specific aspects of the present disclosure may be realized by a system, an apparatus, a method, an integrated circuit or a computer program.
  • a computer-readable non-temporary recording medium such as an optical disk, HDD or semiconductor memory in which the computer program is stored.
  • it may be realized by any combination of a system, a device, a method, an integrated circuit, a computer program and a recording medium.
  • This disclosure can be used as a skill evaluation device or the like capable of equally evaluating the skills of workers, and can be used, for example, in a factory production system or the like.

Landscapes

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

Abstract

技能評価装置（１００）は、第１期間に生産された複数の第１製品の品種と、生産に使用された複数の設備と、生産に携わった複数の作業者の技能指標とを示す第１情報を取得する第１抽出部（１１０）と、第１情報を用いて、第１期間における標準的な技能指標の確率分布を推定する推定モデルを生成するモデル生成部（１２０）と、第２期間における特定の作業者の生産実績を集計することで、特定の作業者の技能指標を算出する集計部（１６０）と、特定の作業者が第２期間に生産に携わった複数の第２製品の品種と、特定の作業者が使用した１以上の設備とを示す第２情報を、入力データとして推定モデルに入力することで、特定の作業者の技能指標の確率分布を推定する指標推定部（１５０）と、指標推定部（１５０）によって推定された確率分布と、集計部（１６０）によって算出された技能指標との乖離度を算出する評価部（１７０）とを備える。

Description

技能評価装置及び技能評価方法
　本開示は、技能評価装置及び技能評価方法に関する。
　従来、作業者のタクトに基づいて作業者の習熟度を評価する方法が知られている（例えば、特許文献１を参照）。
特開平７－１２９６８０号公報
　複数の品種の製品を生産する生産システムでは、作業者が取り扱う設備及び製品の品種が作業者毎に異なる。設備及び品種が異なれば、作業者に必要な技能も異なる。このため、上記従来の評価方法を適用したとしても、作業者の技能を平等に評価することができない。
　そこで、本開示は、作業者の技能を平等に評価することができる技能評価装置及び技能評価方法を提供する。
　本開示の一態様に係る技能評価装置は、第１期間に生産された複数の第１製品の品種と、前記複数の第１製品の生産に使用された複数の設備と、前記複数の第１製品の生産に携わった複数の作業者の技能指標とを示す第１情報を取得する取得部と、前記第１情報を用いて、前記第１期間における標準的な技能指標の確率分布を推定する推定モデルを生成するモデル生成部と、第２期間における特定の作業者の生産実績を集計することで、前記特定の作業者の技能指標を算出する集計部と、前記特定の作業者が前記第２期間に生産に携わった複数の第２製品の品種と、前記特定の作業者が前記第２期間に使用した１以上の設備とを示す第２情報を、入力データとして前記推定モデルに入力することで、前記特定の作業者の技能指標の確率分布を推定する推定部と、前記推定部によって推定された確率分布と、前記集計部によって算出された技能指標との乖離度を算出する算出部と、前記乖離度に基づく情報を出力する出力部とを備える。
　本開示の一態様に係る技能評価方法は、第１期間に生産された複数の第１製品の品種と、前記複数の第１製品の生産に使用された複数の設備と、前記複数の第１製品の生産に携わった複数の作業者の技能指標とを示す第１情報を取得するステップと、前記第１情報を用いて、前記第１期間における標準的な技能指標の確率分布を推定する推定モデルを生成するステップと、第２期間における特定の作業者の生産実績を集計することで、前記特定の作業者の技能指標を算出するステップと、前記特定の作業者が前記第２期間に生産に携わった複数の第２製品の品種と、前記特定の作業者が前記第２期間に使用した１以上の設備とを示す第２情報を、入力データとして前記推定モデルに入力することで、前記特定の作業者の技能指標の確率分布を推定するステップと、前記推定するステップにおいて推定された確率分布と、前記算出するステップにおいて算出された技能指標との乖離度を算出するステップと、前記乖離度に基づく情報を出力するステップとを含む。
　また、本開示の一態様は、上記技能評価方法をコンピュータに実行させるプログラムとして実現することができる。あるいは、当該プログラムを格納したコンピュータ読み取り可能な非一時的な記録媒体として実現することもできる。
　本開示によれば、作業者の技能を平等に評価することができる。
図１は、実施の形態１に係る生産システムの構成を示す図である。 図２は、図１に示される生産システムにおける品種と設備との関係を示す図である。 図３は、実施の形態１に係る記憶装置に蓄積される生産実績データの一例を示す図である。 図４は、実施の形態１に係る技能評価装置の機能構成を示すブロック図である。 図５は、標準生産性指標分布と作業者の生産性指標との乖離度を説明するための図である。 図６は、実施の形態１に係る技能評価装置の動作のうち、標準生産モデルを生成する処理を示すフローチャートである。 図７は、実施の形態１に係る技能評価装置の動作のうち、作業者の生産性を評価する処理を示すフローチャートである。 図８は、実施の形態１に係る技能評価装置の動作のうち、作業者の生産性を作業者毎に評価する処理を示すフローチャートである。 図９は、実施の形態１に係る技能評価装置によるスコアの表示例を示す図である。 図１０は、実施の形態２に係る記憶装置に蓄積される停止履歴データの一例を示す図である。 図１１は、実施の形態２に係る技能評価装置の機能構成を示すブロック図である。 図１２は、実施の形態２に係る技能評価装置の動作のうち、標準停止時間モデルを生成する処理を示すフローチャートである。 図１３は、実施の形態２に係る技能評価装置の動作のうち、作業者の停止時間を評価する処理を示すフローチャートである。 図１４は、実施の形態２に係る技能評価装置によるスコアの表示例を示す図である。
　（本開示の概要）
　本開示の一態様に係る技能評価装置は、第１期間に生産された複数の第１製品の品種と、前記複数の第１製品の生産に使用された複数の設備と、前記複数の第１製品の生産に携わった複数の作業者の技能指標とを示す第１情報を取得する取得部と、前記第１情報を用いて、前記第１期間における標準的な技能指標の確率分布を推定する推定モデルを生成するモデル生成部と、第２期間における特定の作業者の生産実績を集計することで、前記特定の作業者の技能指標を算出する集計部と、前記特定の作業者が前記第２期間に生産に携わった複数の第２製品の品種と、前記特定の作業者が前記第２期間に使用した１以上の設備とを示す第２情報を、入力データとして前記推定モデルに入力することで、前記特定の作業者の技能指標の確率分布を推定する推定部と、前記推定部によって推定された確率分布と、前記集計部によって算出された技能指標との乖離度を算出する算出部と、前記乖離度に基づく情報を出力する出力部とを備える。
　これにより、推定部によって推定される特定の作業者の技能指標の確率分布は、標準的な技能指標の確率分布を推定する推定モデルに、特定の作業者が扱った製品の品種及び設備の情報を入力することで得られたものであるので、特定の作業者の生産条件のもとでの標準的な技能指標の確率分布を表す。したがって、この推定された技能指標の確率分布と、特定の作業者の生産実績の集計結果から得られる技能指標とを比較することで、特定の作業者の技能の高低を判断することができる。具体的には、算出される乖離度が、特定の作業者の技能の高低を定量化した数値である。このように、本態様に係る技能評価装置によれば、標準的な技能指標の確率分布に基づいて技能の高低を判定することができるので、作業者の技能を平等に評価することができる。
　また、例えば、前記技能指標は、作業者の生産性を示す指標であってもよい。
　これにより、作業者の生産性を平等に評価することができる。
　また、例えば、前記技能指標は、停止した設備を作業者が再稼働させるのに要した停止時間であってもよい。
　これにより、作業者による設備の再稼働能力（復旧能力又はメンテナンス能力）を平等に評価することができる。
　また、例えば、前記集計部は、前記第２期間における前記特定の作業者の生産実績を設備の停止要因毎に集計することで、前記停止要因毎の停止時間を算出し、前記算出部は、前記乖離度を前記停止要因毎に算出してもよい。
　これにより、停止要因毎に再稼働能力を評価することができるので、作業者が得意な技能、及び、作業者に不足している技能を特定することができる。
　また、例えば、前記算出部は、前記停止要因毎の前記乖離度に基づいて、前記特定の作業者に不足している技能を特定してもよい。
　これにより、作業者に不足している技能が特定されるので、不足している技能を補うために必要な訓練内容の決定を支援することができる。
　また、例えば、前記特定の作業者は複数であり、前記集計部は、前記特定の作業者毎に前記技能指標を算出し、前記推定部は、前記特定の作業者毎に前記技能指標の確率分布を算出し、前記算出部は、前記特定の作業者毎に前記乖離度を算出してもよい。
　これにより、作業者間での技能の比較を容易に行うことができる。
　また、例えば、本開示の一態様に係る技能評価装置は、さらに、前記第２期間と１以上の前記特定の作業者との入力を受け付ける入力部を備えてもよい。
　これにより、技能の評価を行う対象となる期間及び作業者を指定することができる。
　また、本開示の一態様に係る技能評価方法は、第１期間に生産された複数の第１製品の品種と、前記複数の第１製品の生産に使用された複数の設備と、前記複数の第１製品の生産に携わった複数の作業者の技能指標とを示す第１情報を取得するステップと、前記第１情報を用いて、前記第１期間における標準的な技能指標の確率分布を推定する推定モデルを生成するステップと、第２期間における特定の作業者の生産実績を集計することで、前記特定の作業者の技能指標を算出するステップと、前記特定の作業者が前記第２期間に生産に携わった複数の第２製品の品種と、前記特定の作業者が前記第２期間に使用した１以上の設備とを示す第２情報を、入力データとして前記推定モデルに入力することで、前記特定の作業者の技能指標の確率分布を推定するステップと、前記推定するステップにおいて推定された確率分布と、前記算出するステップにおいて算出された技能指標との乖離度を算出するステップと、前記乖離度に基づく情報を出力するステップとを含む。
　これにより、上記技能評価装置と同様に、作業者の技能を平等に評価することができる。
　また、本開示の一態様に係るプログラムは、上記技能評価方法をコンピュータに実行させるプログラムである。
　これにより、上記技能評価装置と同様に、作業者の技能を平等に評価することができる。
　以下では、実施の形態について、図面を参照しながら具体的に説明する。
　なお、以下で説明する実施の形態は、いずれも包括的又は具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本開示を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、独立請求項に記載されていない構成要素については、任意の構成要素として説明される。
　また、各図は、模式図であり、必ずしも厳密に図示されたものではない。したがって、例えば、各図において縮尺などは必ずしも一致しない。また、各図において、実質的に同一の構成については同一の符号を付しており、重複する説明は省略又は簡略化する。
　（実施の形態１）
　［１－１．生産システム］
　まず、実施の形態１に係る技能評価装置が適用される生産システムの概要について、図１を用いて説明する。図１は、本実施の形態に係る生産システムの構成を示す図である。
　図１に示される生産システム１では、３つの工程Ａ～工程Ｃを順に経ることにより、製品が生産される。工程Ａ～工程Ｃはそれぞれ、例えば、組立工程、溶接工程、パッケージ（包装）工程である。なお、工程数及び工程の具体例は一例に過ぎず、これらに限定されない。生産システム１が生産する製品は、例えば、電化製品であるが、複数の回路部品が実装された実装基板であってもよく、回路部品であってもよい。
　本実施の形態に係る生産システム１は、複数の設備を備え、複数の品種の複数の製品を生産するシステムである。生産システム１は、工程毎に複数の設備を備える。図１に示されるように、工程毎に２人の作業者が割り当てられている。作業者Ｕ１～Ｕ６はそれぞれ、１人当たり４つの設備が割り当てられている。各作業者は、担当する設備の操作を行うことで製品の生産を行う。また、各作業者は、担当する設備が停止した場合に、当該設備のメンテナンスを行い、設備を再稼働させる。
　作業者Ｕ１～Ｕ６が扱う設備の種類及び製品の品種は、作業者毎に異なっている。図１では、設備の種類と製品の品種との組み合わせを、設備を模式的に表す図形の形状及び網掛けの差異によって表している。
　図２は、図１に示される生産システムにおける品種と設備との関係を示す図である。図２に示されるように、製品の品種は、品種Ａと品種Ｂとの２種類である。設備は、新設備と旧設備との２種類である。したがって、品種と設備との組み合わせには、品種Ａを新設備で処理する場合、品種Ａを旧設備で処理する場合、品種Ｂを新設備で処理する場合、及び、品種Ｂを旧設備で処理する場合の４パターンが含まれる。これらの４パターンを区別するため、品種Ａを処理する新設備を設備１１ａ、品種Ａを処理する旧設備を設備１２ａ、品種Ｂを処理する新設備を設備１１ｂ、品種Ｂを処理する旧設備を設備１２ｂとする。
　作業者毎に品種及び設備が異なるので、単純に作業者の生産性を表す指標（例えば、製品１つ当たりに要する生産時間、すなわち、タクトタイム）を作業者間で比較したとしても、作業者の技能の高低を決めることができない。例えば、品種Ａの方が品種Ｂよりも生産が容易であれば、図１に示される例では、品種Ａを多く扱う作業者Ｕ３及びＵ６が有利である。また、新設備が旧設備よりも生産性が高い場合は、新設備を多く使用する作業者Ｕ１及びＵ６が有利である。このように、タクトタイムなどの生産性を示す指標は、作業者間で平等に技能を評価する指標としては使用できない。
　また、作業者Ｕ１～Ｕ６は、常に同じ設備で同じ品種の製品の生産に携わるとは限らない。日又は時間帯によって、担当する設備及び品種が変更されることが起こりうる。作業者Ｕ１～Ｕ６が携わる設備及び品種の組み合わせは多岐にわたるので、作業者間で均一な条件を定めて技能を比較することも難しい。
　これに対して、本実施の形態に係る技能評価装置は、複数の作業者の生産実績に基づいて標準的な技能指標の確率分布を推定する推定モデルを生成する。当該推定モデルを利用することにより、特定の作業者の生産条件のもとでの標準的な技能指標の確率分布を得ることができる。標準的な技能指標の確率分布に基づいて技能の高低を判定することができるので、作業者の技能を平等に評価することができる。本実施の形態では、技能指標の一例として、作業者の生産性を示す指標である生産性指標を用いる。
　［１－２．生産実績データ］
　次に、本実施の形態に係る技能評価装置が利用する生産実績データについて、図３を用いて説明する。図３は、本実施の形態に係る記憶装置に蓄積される生産実績データの一例を示す図である。
　図３に示されるように、生産実績データでは、製品毎に、当該製品の識別番号（製品ＩＤ）と、当該製品が生産された時刻と、生産性指標情報１９１と、品種情報１９２と、設備情報１９３と、環境情報１９４と、作業者情報１９５とが対応付けられている。設備情報１９３と、作業者情報１９５と、生産性指標情報１９１とは、工程毎に対応付けられている。
　生産性指標情報１９１は、対応する製品（第１製品）の生産に携わった作業者の生産性指標を示す情報である。生産性指標は、例えばタクトタイムである。タクトタイムが短い程、短期間で多くの製品を生産することができるので、生産性が高い。あるいは、生産性指標は、単位時間当たりの製品の生産数であってもよい。単位時間当たりの生産数が多い程、生産性が高い。
　品種情報１９２は、対応する製品の品種を示す情報である。なお、品種情報１９２が示す品種は、品種毎のカテゴリを意味してもよい。つまり、品種情報１９２は、製品の品種を更に細かく分類したカテゴリを示す分類情報であってもよい。
　設備情報１９３は、対応する製品の生産に使用された設備を示す情報である。
　環境情報１９４は、対応する製品の生産中の環境値を示す情報である。環境値は、製品を生産する空間の室温及び湿度などである。あるいは、環境値は、製品又は設備の温度であってもよい。
　作業者情報１９５は、対応する製品の生産に携わった作業者を示す情報である。
　生産実績データは、生産システム１の生産ログ情報などに基づいて生成される。生産実績データのデータ形式は、特に限定されない。例えば、生産実績データは、設備毎に各情報が対応付けられていてもよい。あるいは、生産実績データは、作業者毎に各情報が対応付けられていてもよい。また、生産実績データには、環境情報１９４が含まれていなくてもよい。
　［１－３．技能評価装置］
　次に、本実施の形態に係る技能評価装置の機能構成について図４を用いて説明する。図４は、本実施の形態に係る技能評価装置の機能構成を示すブロック図である。
　図４に示されるように、技能評価装置１００は、第１抽出部１１０と、モデル生成部１２０と、入力部１３０と、第２抽出部１４０と、指標推定部１５０と、集計部１６０と、評価部１７０と、表示部１８０とを備える。なお、技能評価装置１００は、記憶装置１９０に蓄積された情報を用いて作業者の技能を評価する。記憶装置１９０には、例えば図３に示される生産実績データが蓄積されている。つまり、記憶装置１９０は、生産性指標情報１９１と、品種情報１９２と、設備情報１９３と、環境情報１９４と、作業者情報１９５とを記憶している。なお、記憶装置１９０は、ＨＤＤ（Hard Disk Drive）又はフラッシュメモリなどの不揮発性記憶素子である。
　第１抽出部１１０は、第１情報を取得する取得部の一例である。第１情報は、モデル化期間に生産された複数の第１製品の品種と、複数の第１製品の生産に使用された複数の設備と、複数の第１製品の生産に携わった複数の作業者の生産性指標とを示す情報である。具体的には、第１情報は、生産性指標情報１９１と、品種情報１９２と、設備情報１９３とを含んでいる。本実施の形態では、第１情報は、さらに環境情報１９４を含んでいる。第１抽出部１１０は、記憶装置１９０に蓄積された生産実績データから、モデル化期間に含まれる時刻に対応付けられた生産性指標情報１９１と、品種情報１９２と、設備情報１９３と、環境情報１９４とを抽出する。
　モデル化期間は、第１期間の一例であり、推定モデルの生成に使用される生産実績データを得るための生産が行われた期間である。モデル化期間は、作業者の技能を評価する時点及び推定モデルを生成する時点よりも過去の期間である。具体的には、モデル化期間は、１日、１週間、１ヶ月又は１年などの一定期間である。モデル化期間は、例えば、現在生産中の製品の品種と同じ品種の製品を、現在使用している設備と同じ設備を使用して生産していた過去の期間である。モデル化期間は、生産システム１が構築されてから現在に至るまでの全期間であってもよい。
　モデル生成部１２０は、第１抽出部１１０が取得した第１情報を用いて、モデル化期間における標準的な生産性指標の確率分布を推定する推定モデルを生成する。モデル生成部１２０は、例えば、ベイズ推定に基づいて推定モデルを生成する。具体的には、モデル生成部１２０は、第１情報を用いて、推定モデルを定義する複数のパラメータを算出する。より具体的には、モデル生成部１２０は、モデル化期間の情報を用いて、階層ベイズモデルのパラメータを算出する。本実施の形態に係る階層ベイズモデルは、品種情報と設備情報とを説明変数とし、生産条件毎の生産性指標及びその頻度を推定し、さらに、全体の生産性指標を推定するモデルである。全体の生産性指標は、生産性指標と頻度との積和を頻度で割った値（平均）である。
　本実施の形態では、推定モデルは、標準生産モデルであり、所定の生産条件のもとでの標準的な生産性指標の確率分布を推定するモデルである。モデル生成部１２０は、過去の生産実績データのうち、モデル化期間の生産実績データの全てを利用することで、標準生産モデルを生成する。なお、モデル化期間の生産実績データの全てとは、具体的には、生産性指標情報１９１、品種情報１９２、設備情報１９３及び環境情報１９４である。このとき、環境情報１９４は含まれていなくてもよい。標準生産モデルは、入力データとして、特定の作業者の生産条件を入力した場合に、出力データとして、当該特定の作業者の生産条件のもとでの標準的な生産性指標の確率分布（以下、標準生産性指標分布と記載）を出力する。なお、生産条件は、品種、設備及び環境値の組み合わせで定義される。生産条件は、環境値を除いた、品種及び設備の組み合わせで定義されてもよい。
　入力部１３０は、評価期間と特定の作業者の入力とを受け付ける。特定の作業者は、技能評価の対象となる作業者である。評価期間は、第２期間の一例であり、技能評価の対象となる期間である。例えば、評価期間は、モデル化期間とは異なる期間である。評価期間は、モデル化期間の一部であってもよく、モデル化期間の一部を含む期間であってもよい。
　入力部１３０は、例えば、タッチパネルディスプレイ、キーボード又はマウスなどの入力装置で実現される。例えば、入力部１３０は、評価期間を入力するためのテキストボックス、及び、特定の作業者を選択させるためのリスト情報などをディスプレイに表示する。リスト情報は、例えば、生産実績データに含まれる全ての作業者を示す情報である。
　これにより、技能評価装置１００のユーザ（例えば、生産システム１の管理者）などに評価期間及び特定の作業者を入力させることができ、入力部１３０は、入力された期間及び作業者を評価期間及び特定の作業者として受け付ける。なお、入力部１３０は、マイクロフォンで実現され、音声入力を受け付けてもよい。評価期間及び特定の作業者の入力形式は、特に限定されない。
　評価期間は、例えば１時間、１日、１週間、１ヶ月などの所定の期間であり、特に限定されない。また、入力部１３０は、評価期間の入力を受け付けずに、特定の作業者の入力のみを受け付けてもよい。なお、入力部１３０は、複数の特定の作業者の入力を受け付けてもよい。
　第２抽出部１４０は、入力部１３０によって受け付けられた評価期間及び特定の作業者に関する生産実績データを記憶装置１９０から抽出する。具体的には、第２抽出部１４０は、評価期間内に生産された製品（第２製品）で、かつ、当該製品の生産に特定の作業者が携わった製品に関する生産実績データを抽出する。例えば、図３に示される例において、評価期間が２０２０／２／２６の１日であり、かつ、特定の作業者が作業者Ｕ４である場合、第２抽出部１４０は、製品ＩＤ「００００２」及び「００００３」の各々についての、品種情報１９２と、工程Ｂに関する設備情報１９３及び生産性指標情報１９１と、環境情報１９４とを抽出する。
　指標推定部１５０は、特定の作業者が評価期間に生産に携わった複数の製品（第２製品）の品種と、特定の作業者が評価期間に使用した１以上の設備とを示す第２情報を、入力データとして推定モデルに入力することで、特定の作業者の生産性指標の確率分布を推定する。本実施の形態では、第２情報は、さらに、評価期間における特定の作業者に関する環境値（例えば、室温）を示す。つまり、指標推定部１５０は、評価期間における特定の作業者に関連する品種情報１９２、設備情報１９３及び環境情報１９４を入力データとして推定モデルに入力する。
　推定された確率分布は、評価期間における特定の作業者の生産条件のもとでの標準的な生産性指標の確率分布である。推定された確率分布を比較対象として、特定の作業者の実績値を比較することにより、特定の作業者の生産性の高低を判断することができる。
　集計部１６０は、評価期間における特定の作業者の生産実績を集計することで、特定の作業者の生産性指標を算出する。具体的には、集計部１６０は、評価期間における特定の作業者の生産性指標の平均又は分散などの統計値を、特定の作業者の生産性指標として算出する。例えば、評価期間中に特定の作業者が複数の品種及び複数の設備を扱っている場合、集計部１６０は、品種及び設備の組み合わせ毎に、生産性指標の平均又は分散を算出する。
　評価部１７０は、指標推定部１５０によって推定された確率分布（すなわち、標準生産性指標分布）と、集計部１６０によって算出された生産性指標との乖離度を算出する算出部の一例である。例えば、評価部１７０は、標準生産性指標分布の平均（以下、標準平均と記載）と、集計部１６０によって算出された平均（以下、実績平均と記載）とを比較する。あるいは、評価部１７０は、標準生産性指標分布の分散と、集計部１６０によって算出された分散とを比較してもよい。図５は、標準生産性指標分布と作業者の生産性指標との乖離度を説明するための図である。図５に示されるように、評価部１７０は、標準平均と実績平均との差を乖離度として算出することができる。なお、乖離度は、この２つの分散の差であってもよい。あるいは、乖離度は、平均又は分散の比であってもよい。
　本実施の形態では、評価部１７０は、乖離度をスコアに変換する。スコアは、技能の高さを示す評価値である。スコアは、例えば０点から１０点の範囲で表され、数値が高い程、技能が高いことを表している。
　例えば、スコアは、乖離度の一次関数で表すことができる。例えば、乖離度が実績平均から標準平均を引いた値である場合、乖離度が０のとき、作業者の技能が標準であることを意味する。このため、例えば、評価部１７０は、乖離度が０である場合、スコアを中間値の５点とする。また、乖離度が正の値である場合には、作業者の技能が標準より高いことを意味するので、評価部１７０は、５点より大きく１０点以下の値にスコアを決定する。乖離度が負の値である場合には、作業者の技能が標準より低いことを意味するので、評価部１７０は、０点以上５点未満の値にスコアを決定する。
　なお、評価期間中に特定の作業者が複数の品種及び複数の設備を扱っている場合、評価部１７０は、標準生産性指標分布と、品種及び設備の組み合わせ毎の、集計部１６０によって算出された生産性指標とに基づいて、品種及び設備の組み合わせ毎に乖離度を算出する。さらに、評価部１７０は、品種及び設備の組み合わせ毎に、算出した乖離度をスコアに変換する。評価部１７０は、組み合わせ毎のスコアに対して、特定の作業者が品種及び設備の組み合わせを扱った期間の評価期間に占める割合、及び、当該組み合わせによって生産された製品の個数による重み付けを行うことで、総合スコアを算出する。算出された総合スコアが、特定の作業者の評価期間におけるスコアである。
　表示部１８０は、乖離度に基づく情報を出力する出力部の一例である。本実施の形態では、表示部１８０は、特定の作業者のスコアを表示する。表示部１８０による表示例については、後で説明する。
　表示部１８０は、例えば、液晶ディスプレイ装置であるが、これに限らない。表示部１８０は、有機ＥＬ（Ｅｌｅｃｔｒｏｌｕｍｉｎｅｓｃｅｎｃｅ）表示装置であってもよい。
　なお、技能評価装置１００は、表示部１８０の代わりに、又は、表示部１８０に加えて、スピーカーなどの音声出力部、又は、通信部を備えてもよい。音声出力部は、乖離度に基づく情報を音声として出力する。通信部は、乖離度に基づく情報を含む信号を他の機器に送信してもよい。通信部による通信は、有線及び無線のいずれであってもよい。
　本実施の形態に係る技能評価装置１００は、例えばコンピュータ機器である。技能評価装置１００は、プログラムが格納された不揮発性メモリ、プログラムを実行するための一時的な記憶領域である揮発性メモリ、入出力ポート、及び、プログラムを実行するプロセッサなどで実現される。
　本実施の形態では、入力部１３０及び表示部１８０を除く各処理部は、例えば、集積回路（ＩＣ：Integrated Circuit）であるＬＳＩ（Large Scale Integration）によって実現される。集積回路は、ＬＳＩに限られず、専用回路又は汎用プロセッサであってもよい。例えば、各処理部は、マイクロコントローラであってもよい。また、各処理部は、プログラム可能なＦＰＧＡ（Field Programmable Gate Array）、又は、ＬＳＩ内の回路セルの接続及び設定が再構成可能なリコンフィギュラブルプロセッサであってもよい。各処理部が実行する機能は、ソフトウェアで実現されてもよく、ハードウェアで実現されてもよい。各処理部は、メモリ及びプロセッサなどのハードウェア資源を共用していてもよい。
　［１－４．動作］
　続いて、本実施の形態に係る技能評価装置１００の動作について説明する。
　［１－４－１．標準生産モデルの生成］
　まず、本実施の形態に係る技能評価装置１００の動作のうち、標準生産モデルの生成処理について図６を用いて説明する。図６は、本実施の形態に係る技能評価装置の動作のうち、標準生産モデルを生成する処理を示すフローチャートである。
　図６に示されるように、まず、第１抽出部１１０がモデル化期間の情報を抽出する（Ｓ１０）。具体的には、第１抽出部１１０は、記憶装置１９０に記憶された過去の生産実績データから、作業者情報１９５を除く、モデル化期間の生産実績データを全て抽出する。つまり、第１抽出部１１０は、作業者、設備、品種及び環境値などでフィルタリングすることなく、全ての生産性指標情報１９１、品種情報１９２、設備情報１９３及び環境情報１９４を抽出する。
　次に、モデル生成部１２０は、抽出された情報に基づいて標準生産モデルを生成する（Ｓ１２）。具体的には、モデル生成部１２０は、ベイズ推定に基づいて、標準生産モデルを定義する複数のパラメータを算出する。
　以上に示される標準生産モデルの生成処理は、特定の作業者の生産性の評価の前処理として行われる。標準生産モデルの生成処理は、生産実績データが蓄積される度に、繰り返し行われてもよい。例えば、１日又は１週間毎に標準生産モデルの生成処理が行われてもよい。
　［１－４－２．生産性の評価］
　次に、本実施の形態に係る技能評価装置１００の動作のうち、作業者の生産性の評価処理について図７を用いて説明する。図７は、本実施の形態に係る技能評価装置の動作のうち、作業者の生産性を評価する処理を示すフローチャートである。
　図７に示されるように、まず、第２抽出部１４０は、特定の作業者の評価期間の情報を抽出する（Ｓ２０）。なお、特定の作業者及び評価期間は、入力部１３０によって受け付けられた作業者及び期間である。第２抽出部１４０は、作業者情報１９５を参考に、評価期間内に特定の作業者が生産に携わった製品の生産性指標情報１９１、品種情報１９２、設備情報１９３及び環境情報１９４を抽出する。
　次に、集計部１６０は、特定の作業者の生産性指標を算出する（Ｓ２２）。具体的には、集計部１６０は、特定の作業者の生産実績を集計することで、生産性指標の平均を算出する。
　次に、指標推定部１５０は、図６に示される処理によって生成された標準生産モデルに基づいて、特定の作業者の標準生産性指標分布を推定する（Ｓ２４）。具体的には、指標推定部１５０は、標準生産モデルに、入力データとして、第２抽出部１４０が抽出した品種情報１９２、設備情報１９３及び環境情報１９４を入力することで、標準生産性指標分布を推定する。
　なお、集計部１６０による処理と指標推定部１５０による処理とは、いずれが先に行われてもよく、並列して行われてもよい。
　次に、評価部１７０は、標準生産性指標分布と生産性指標との乖離度を算出する（Ｓ２６）。さらに、評価部１７０は、算出した乖離度をスコアに変換する（Ｓ２８）。次に、表示部１８０は、評価部１７０によって変換されたスコアを表示する（Ｓ３０）。
　以上のように、本実施の形態に係る技能評価装置１００によれば、推定モデルに基づいて標準生産性指標分布を得ることができるので、設備及び品種などの影響を抑えて作業者の生産性を平等に評価することができる。また、作業者毎に生産性指標を定量的に算出することができるので、生産性の高低を作業者間で比較することができる。
　［１－４－３．作業者間の生産性の比較］
　次に、作業者間の生産性の比較処理について、図８を用いて説明する。図８は、本実施の形態に係る技能評価装置の動作のうち、作業者の生産性を作業者毎に評価する処理を示すフローチャートである。
　図８に示されるように、まず、第２抽出部１４０は、生産性指標の算出対象である特定の作業者として、１人の作業者を選択する（Ｓ１９）。例えば、入力部１３０によって複数の作業者が入力された場合、第２抽出部１４０は、入力された複数の作業者の中から、乖離度及びスコアが未算出の作業者、すなわち、生産性の評価がまだ行われていない未評価の作業者を特定の作業者として選択する。
　以降、図７に示される処理と同様に、選択された特定の作業者に対して、評価期間の実績データの抽出（Ｓ２０）、生産性指標の算出（Ｓ２２）、標準生産性指標分布の推定（Ｓ２４）、乖離度の算出（Ｓ２６）及びスコアへの変換（Ｓ２８）を行う。
　次に、第２抽出部１４０は、未評価の作業者が存在するか否かを判定する（Ｓ２９）。未評価の作業者が存在する場合（Ｓ２９でＹｅｓ）、第２抽出部１４０は、未評価の作業者の１人を特定の作業者として選択し（Ｓ１９）、ステップＳ２０～Ｓ２９の処理を繰り返す。未評価の作業者が存在しない場合（Ｓ２９でＮｏ）、すなわち、評価対象となった全ての作業者の評価が終了した場合、表示部１８０は、作業者毎にスコアを表示する（Ｓ３０）。
　なお、図８では、複数の作業者を対象として、作業者毎に生産性を評価する例を示したが、複数の評価期間を対象として、１人又は複数の作業者の生産性を評価してもよい。例えば、入力部１３０は、複数の期間の入力を受け付ける。この場合、図８に示されるステップＳ１９～Ｓ２９の処理が、評価期間毎に行われる。
　図９は、本実施の形態に係る技能評価装置によるスコアの表示例を示す図である。図９に示されるように、表示部１８０は、評価期間毎に、複数の作業者の各々のスコアを表形式で表示する。このように、表示部１８０が作業者毎のスコアを同一画面で表示することにより、作業者間の技能の差を容易に判別することができる。このため、例えば、技能が不足しておりトレーニングが必要な作業者を容易に特定することができる。
　なお、表示部１８０による表示例は、特に限定されない。例えば、表示部１８０は、スコアの高い順に作業者を並べて表示してもよい。この場合、表示部１８０は、スコアの数値のそのものを表示しなくてもよい。また、評価対象の作業者が１人のみの場合、表示部１８０は、１人の作業者の１つ又は複数の期間のスコアを表示すればよい。
　（実施の形態２）
　続いて、実施の形態２について説明する。
　実施の形態２では、作業者の技能指標として、生産性指標の代わりに設備の停止時間を利用する。以下では、実施の形態１との相違点を中心に説明し、共通点の説明を省略又は簡略化する。
　［２－１．停止履歴データ］
　まず、本実施の形態に係る技能評価装置が利用する停止履歴データについて、図１０を用いて説明する。図１０は、本実施の形態に係る記憶装置に蓄積される停止履歴データの一例を示す図である。停止履歴データは、生産システム１による生産実績データの一例である。
　図１０に示されるように、停止履歴データでは、設備情報１９３に対して、当該設備の停止が発生した時刻と、品種情報１９２と、環境情報１９４と、作業者情報１９５と、停止情報２９６とが対応付けられている。
　品種情報１９２は、対応する設備が停止したときに処理していた製品の品種を示す情報である。
　設備情報１９３は、例えば、設備毎に割り当てられた固有の識別子（設備ＩＤ）を示す情報である。
　環境情報１９４は、対応する設備が停止したときの環境値を示す情報である。
　作業者情報１９５は、対応する設備を取り扱う作業者であり、当該設備を再稼働させた作業者を示す情報である。
　停止情報２９６は、停止時間と停止要因とを含んでいる。停止時間は、対応する停止した設備を再稼働させるのに要した時間である。停止要因は、対応する設備が停止した要因である。
　停止履歴データは、生産システム１の生産ログ情報などに基づいて生成される。停止履歴データのデータ形式は、特に限定されない。例えば、停止履歴データは、図３に示される生産実績データと同様に、製品ＩＤ毎に各情報が対応付けられていてもよい。あるいは、停止履歴データは、作業者毎に各情報が対応付けられていてもよい。また、停止履歴データには、環境情報１９４が含まれていなくてもよい。また、停止履歴データには、生産性指標情報１９１が含まれていてもよい。
　［２－２．技能評価装置］
　次に、本実施の形態に係る技能評価装置の機能構成について図１１を用いて説明する。図１１は、本実施の形態に係る技能評価装置の機能構成を示すブロック図である。
　図１１に示されるように、技能評価装置２００は、第１抽出部２１０と、モデル生成部２２０と、入力部１３０と、第２抽出部２４０と、指標推定部２５０と、集計部２６０と、評価部２７０と、表示部２８０とを備える。入力部１３０は、実施の形態１と同様である。
　なお、技能評価装置２００は、記憶装置２９０に蓄積された情報を用いて作業者の技能を評価する。記憶装置２９０には、例えば図１０に示される停止履歴データが蓄積されている。つまり、記憶装置２９０は、品種情報１９２と、設備情報１９３と、環境情報１９４と、作業者情報１９５と、停止情報２９６とを記憶している。記憶装置２９０は、生産性指標情報１９１を記憶していてもよい。なお、記憶装置２９０は、ＨＤＤ又はフラッシュメモリなどの不揮発性記憶素子である。
　第１抽出部２１０は、第１情報を取得する取得部の一例である。第１情報は、モデル化期間に生産された複数の第１製品の品種と、複数の第１製品の生産に使用された複数の設備と、複数の第１製品の生産に携わった複数の作業者の各々が、停止した設備を再稼働させるのに要した停止時間とを示す情報である。具体的には、第１情報は、品種情報１９２と、設備情報１９３と、停止情報２９６とを含んでいる。本実施の形態では、第１情報は、さらに、環境情報１９４を含んでいる。本実施の形態では、第１抽出部２１０は、記憶装置２９０に蓄積された停止履歴データから、モデル化期間に含まれる時刻に対応付けられた停止情報２９６と、品種情報１９２と、設備情報１９３と、環境情報１９４とを抽出する。
　モデル化期間は、実施の形態１と同様に、第１期間の一例であり、推定モデルの生成に使用される停止履歴データを得るための生産が行われた期間である。
　モデル生成部２２０は、第１抽出部２１０が取得した第１情報を用いて、モデル化期間における標準的な停止時間の確率分布を推定する推定モデルを生成する。モデル生成部２２０は、例えば、ベイズ推定に基づいて推定モデルを生成する。具体的には、モデル生成部２２０は、第１情報を用いて、推定モデルを定義する複数のパラメータを算出する。より具体的には、モデル生成部２２０は、モデル化期間の情報を用いて、階層ベイズモデルのパラメータを算出する。本実施の形態に係る階層ベイズモデルは、品種情報と設備情報とを説明変数とし、停止要因毎の停止時間及びその頻度を推定し、さらに、総停止時間を推定するモデルである。総停止時間は、停止要因毎の停止時間と頻度との積和に相当する。
　本実施の形態では、推定モデルは、標準停止時間モデルであり、所定の生産条件のもとでの標準的な停止時間の確率分布を推定するモデルである。モデル生成部２２０は、過去の停止履歴データのうち、モデル化期間の停止履歴データの全てを利用することで、標準停止時間モデルを生成する。なお、モデル化期間の停止履歴データの全てとは、具体的には、停止情報２９６、品種情報１９２、設備情報１９３及び環境情報１９４である。このとき、環境情報１９４は含まれていなくてもよい。標準停止時間モデルは、入力データとして、特定の作業者の生産条件を入力した場合に、出力データとして、当該特定の作業者の生産条件のもとでの標準的な停止時間の確率分布（以下、標準停止時間分布と記載）を出力する。
　第２抽出部２４０は、入力部１３０によって受け付けられた評価期間及び特定の作業者に関する停止履歴データを記憶装置２９０から抽出する。具体的には、第２抽出部２４０は、評価期間内に生産された製品（第２製品）で、かつ、当該製品の生産に特定の作業者が携わった製品に関する停止履歴データを抽出する。例えば、図１０に示される例において、評価期間が２０２０／２／２６の１日であり、かつ、特定の作業者が作業者Ｕ４である場合、第２抽出部２４０は、設備ＩＤ「Ｍ０１３」についての、停止情報２９６と、品種情報１９２と、環境情報１９４と、作業者情報１９５とを抽出する。
　指標推定部２５０は、特定の作業者が評価期間に生産に携わった複数の製品（第２製品）の品種と、特定の作業者が評価期間に使用した１以上の設備とを示す第２情報を、入力データとして推定モデルに入力することで、特定の作業者の停止時間の確率分布を推定する。本実施の形態では、第２情報は、さらに、評価期間における特定の作業者に関する環境値（例えば、室温）を示す。つまり、指標推定部２５０は、評価期間における特定の作業者に関連する品種情報１９２、設備情報１９３及び環境情報１９４を入力データとして推定モデルに入力する。
　推定された確率分布は、評価期間における特定の作業者の生産条件のもとでの標準的な停止時間の確率分布である。推定された確率分布を比較対象として、特定の作業者の実績値を比較することにより、特定の作業者の停止時間の長短を判断することができる。本実施の形態では、指標推定部２５０は、停止要因毎に停止時間の確率分布を推定する。
　集計部２６０は、評価期間における特定の作業者の生産実績を集計することで、特定の作業者の停止時間を算出する。具体的には、集計部２６０は、評価期間における特定の作業者の停止時間の平均又は分散などの統計値を、特定の作業者の停止時間として算出する。集計部２６０は、設備の停止要因毎に生産実績を集計することで、停止要因毎の停止時間を算出してもよい。例えば、評価期間中に特定の作業者が複数の品種及び複数の設備を扱っている場合、集計部２６０は、各設備の停止要因毎、かつ、品種毎に、停止時間の平均又は分散を算出する。
　評価部２７０は、指標推定部２５０によって推定された確率分布（すなわち、標準停止時間分布）と、集計部２６０によって算出された停止時間との乖離度を算出する算出部の一例である。例えば、評価部２７０は、標準停止時間分布の平均（以下、標準平均と記載）と、集計部２６０によって算出された平均（以下、実績平均と記載）とを比較する。あるいは、評価部２７０は、標準停止時間分布の分散と、集計部２６０によって算出された分散とを比較してもよい。
　本実施の形態では、評価部２７０は、乖離度をスコアに変換する。スコアは、実施の形態１と同様であり、例えば、乖離度の一次関数で表すことができる。例えば、乖離度が実績平均から標準平均を引いた値である場合、乖離度が０のとき、作業者の停止時間が標準であることを意味する。このため、例えば、評価部２７０は、乖離度が０である場合、スコアを中間値の５点とする。また、乖離度が負の値である場合には、作業者による停止時間が標準よりも短いことを意味するので、評価部２７０は、乖離度が負の値である場合に、５点より大きく１０点以下の値にスコアを決定する。乖離度が正の値である場合には、作業者による停止時間が標準よりも長いことを意味するので、評価部２７０は、０点以上５点未満の値にスコアを決定する。また、集計部２６０によって設備の停止要因毎に停止時間が算出された場合、評価部２７０は、停止要因毎に乖離度を算出し、スコアに変換してもよい。
　なお、評価期間中に特定の作業者が複数の品種及び複数の設備を扱っている場合、評価部２７０は、停止要因毎に、標準停止時間分布と、集計部２６０によって算出された品種毎の停止時間とに基づいて、品種毎の乖離度を算出し、算出した乖離度をスコアに変換する。評価部２７０は、品種毎のスコアに対して、特定の作業者が品種を扱った期間の評価期間に占める割合、及び、生産された製品の個数による重み付けを行うことで、総合スコアを停止要因毎に算出する。算出された総合スコアが、特定の作業者の評価期間における停止要因毎のスコアである。
　また、評価部２７０は、停止要因毎の乖離度に基づいて、特定の作業者に不足している技能を特定する。具体的には、評価部２７０は、停止要因毎のスコアと閾値とを比較し、閾値を下回っているスコアを特定する。評価部２７０は、特定したスコアに対応する停止要因によって停止した設備を再稼働させる技能を、特定の作業者に不足している技能として特定する。
　表示部２８０は、乖離度に基づく情報を出力する出力部の一例である。本実施の形態では、表示部２８０は、特定の作業者のスコアを表示する。スコアが停止要因毎に算出された場合、表示部２８０は、停止要因毎のスコアを表示する。表示部２８０による表示例については、後で説明する。
　［２－３．動作］
　続いて、本実施の形態に係る技能評価装置２００の動作について説明する。
　［２－３－１．標準停止時間モデルの生成］
　まず、本実施の形態に係る技能評価装置２００の動作のうち、標準停止時間モデルの生成処理について図１２を用いて説明する。図１２は、本実施の形態に係る技能評価装置の動作のうち、標準停止時間モデルを生成する処理を示すフローチャートである。
　図１２に示されるように、まず、第１抽出部２１０がモデル化期間の情報を抽出する（Ｓ４０）。具体的には、第１抽出部２１０は、記憶装置２９０に記憶された過去の停止履歴データから、作業者情報１９５を除く、モデル化期間の停止履歴データを全て抽出する。つまり、第１抽出部２１０は、作業者、設備、品種、停止要因及び環境値などでフィルタリングすることなく、全ての停止情報２９６、品種情報１９２、設備情報１９３及び環境情報１９４を抽出する。
　次に、モデル生成部２２０は、抽出された情報に基づいて標準停止時間モデルを生成する（Ｓ４２）。具体的には、モデル生成部２２０は、ベイズ推定に基づいて、標準停止時間モデルを定義する複数のパラメータを算出する。
　以上に示される標準停止時間モデルの生成処理は、特定の作業者の停止時間の評価の前処理として行われる。標準停止時間モデルの生成処理は、停止履歴データが蓄積される度に、繰り返し行われてもよい。例えば、１日又は１週間毎に標準停止時間モデルの生成処理が行われてもよい。
　［２－３－２．停止時間の評価］
　次に、本実施の形態に係る技能評価装置２００の動作のうち、作業者の停止時間の評価処理について図１３を用いて説明する。図１３は、本実施の形態に係る技能評価装置の動作のうち、作業者の停止時間を評価する処理を示すフローチャートである。
　図１３に示されるように、まず、第２抽出部２４０は、複数の停止要因の中から１つの停止要因を選択する（Ｓ４９）。例えば、第２抽出部２４０は、停止時間の評価がまだ行われていない未評価の停止要因を選択する。
　次に、第２抽出部２４０は、特定の作業者の評価期間の情報を抽出する（Ｓ５０）。なお、特定の作業者及び評価期間は、入力部１３０によって受け付けられた作業者及び期間である。第２抽出部２４０は、作業者情報１９５を参考に、評価期間内に特定の作業者が生産に携わった製品の停止情報２９６、品種情報１９２、設備情報１９３及び環境情報１９４を抽出する。
　次に、集計部２６０は、特定の作業者についての、選択された停止要因に基づく停止時間を算出する（Ｓ５２）。具体的には、集計部２６０は、特定の作業者の生産実績を集計することで、停止時間の平均を算出する。
　次に、指標推定部２５０は、図１１に示される処理によって生成された標準停止時間モデルに基づいて、特定の作業者の標準停止時間分布を推定する（Ｓ５４）。具体的には、指標推定部２５０は、標準停止時間モデルに、入力データとして、第２抽出部２４０が抽出した品種情報１９２、設備情報１９３及び環境情報１９４を入力することで、標準停止時間分布を推定する。
　なお、集計部２６０による処理と指標推定部２５０による処理とは、いずれが先に行われてもよく、並列して行われてもよい。
　次に、評価部２７０は、標準停止時間分布と特定に作業者の停止時間との乖離度を算出する（Ｓ５６）。さらに、評価部２７０は、算出した乖離度をスコアに変換する（Ｓ５８）。算出したスコアは、特定の作業者の停止要因に基づく停止時間の短さを評価した評価値である。スコアが高い程、特定の作業者の停止時間が短く、設備の復旧能力が高いことを意味する。
　次に、第２抽出部２４０は、未評価の停止要因が存在するか否かを判定する（Ｓ５９）。未評価の停止要因が存在する場合（Ｓ５９でＹｅｓ）、第２抽出部２４０は、未評価の停止要因を選択し（Ｓ４９）、ステップＳ５０～Ｓ５９の処理を繰り返す。未評価の停止要因が存在しない場合（Ｓ５９でＮｏ）、すなわち、評価対象となった全ての停止要因の評価が終了した場合、表示部２８０は、作業者毎にスコアを表示する（Ｓ６０）。
　図１４は、本実施の形態に係る技能評価装置によるスコアの表示例を示す図である。図１４に示されるように、表示部２８０は、特定の作業者について、停止要因毎にスコアを表形式で表示する。このように、表示部２８０が停止要因毎のスコアを同一画面で表示することにより、停止要因間の復旧能力の差を容易に判別することができる。つまり、特定の作業者にとって優れている技能、及び、劣っている技能を判別することができる。劣っている技能が判別することにより、当該作業者のトレーニング内容を適切に定めることができ、技能の向上を支援することができる。
　なお、表示部２８０による表示例は、特に限定されない。例えば、表示部２８０は、スコアの高い順に停止要因を並べて表示してもよい。この場合、表示部２８０は、スコアの数値のそのものを表示しなくてもよい。
　以上のように、本実施の形態に係る技能評価装置２００によれば、推定モデルに基づいて標準停止時間分布を得ることができるので、設備及び品種などの影響を抑えて作業者による設備の復旧能力の高さを平等に評価することができる。
　本実施の形態では、実施の形態１と同様に、複数の特定の作業者の各々に対して、停止要因毎のスコアを算出してもよい。あるいは、停止要因によらず、作業者毎にスコアを算出してもよい。
　（他の実施の形態）
　以上、１つ又は複数の態様に係る技能評価装置及び技能評価方法について、実施の形態に基づいて説明したが、本開示は、これらの実施の形態に限定されるものではない。本開示の主旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したもの、及び、異なる実施の形態における構成要素を組み合わせて構築される形態も、本開示の範囲内に含まれる。
　また、上記実施の形態で説明した装置間の通信方法については特に限定されるものではない。装置間で無線通信が行われる場合、無線通信の方式（通信規格）は、例えば、ＺｉｇＢｅｅ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、又は、無線ＬＡＮ（Local Area Network）などの近距離無線通信である。あるいは、無線通信の方式（通信規格）は、インターネットなどの広域通信ネットワークを介した通信でもよい。また、装置間においては、無線通信に代えて、有線通信が行われてもよい。有線通信は、具体的には、電力線搬送通信（ＰＬＣ：Power Line Communication）又は有線ＬＡＮを用いた通信などである。
　また、上記実施の形態において、特定の処理部が実行する処理を別の処理部が実行してもよい。また、複数の処理の順序が変更されてもよく、あるいは、複数の処理が並行して実行されてもよい。また、技能評価装置が備える構成要素の複数の装置への振り分けは、一例である。例えば、一の装置が備える構成要素を他の装置が備えてもよい。
　例えば、上記実施の形態において説明した処理は、単一の装置（システム）を用いて集中処理することによって実現してもよく、又は、複数の装置を用いて分散処理することによって実現してもよい。また、上記プログラムを実行するプロセッサは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、又は分散処理を行ってもよい。
　また、上記実施の形態において、制御部などの構成要素の全部又は一部は、専用のハードウェアで構成されてもよく、あるいは、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵ（Central Processing Unit）又はプロセッサなどのプログラム実行部が、ＨＤＤ又は半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。
　また、制御部などの構成要素は、１つ又は複数の電子回路で構成されてもよい。１つ又は複数の電子回路は、それぞれ、汎用的な回路でもよいし、専用の回路でもよい。
　１つ又は複数の電子回路には、例えば、半導体装置、ＩＣ又はＬＳＩなどが含まれてもよい。ＩＣ又はＬＳＩは、１つのチップに集積されてもよく、複数のチップに集積されてもよい。ここでは、ＩＣ又はＬＳＩと呼んでいるが、集積の度合いによって呼び方が変わり、システムＬＳＩ、ＶＬＳＩ（Very Large Scale Integration）、又は、ＵＬＳＩ（Ultra Large Scale Integration）と呼ばれるかもしれない。また、ＬＳＩの製造後にプログラムされるＦＰＧＡも同じ目的で使うことができる。
　また、本開示の全般的又は具体的な態様は、システム、装置、方法、集積回路又はコンピュータプログラムで実現されてもよい。あるいは、当該コンピュータプログラムが記憶された光学ディスク、ＨＤＤ若しくは半導体メモリなどのコンピュータ読み取り可能な非一時的記録媒体で実現されてもよい。また、システム、装置、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。
　また、上記の各実施の形態は、請求の範囲又はその均等の範囲において種々の変更、置き換え、付加、省略などを行うことができる。
　本開示は、作業者の技能を平等に評価することができる技能評価装置などとして利用でき、例えば、工場の生産システムなどに利用することができる。
１　生産システム
１１ａ、１１ｂ、１２ａ、１２ｂ　設備
１００、２００　技能評価装置
１１０、２１０　第１抽出部
１２０、２２０　モデル生成部
１３０　入力部
１４０、２４０　第２抽出部
１５０、２５０　指標推定部
１６０、２６０　集計部
１７０、２７０　評価部
１８０、２８０　表示部
１９０、２９０　記憶装置
１９１　生産性指標情報
１９２　品種情報
１９３　設備情報
１９４　環境情報
１９５　作業者情報
２９６　停止情報
Ｕ１、Ｕ２、Ｕ３、Ｕ４、Ｕ５、Ｕ６　作業者

Claims (9)

  1. 　第１期間に生産された複数の第１製品の品種と、前記複数の第１製品の生産に使用された複数の設備と、前記複数の第１製品の生産に携わった複数の作業者の技能指標とを示す第１情報を取得する取得部と、
    　前記第１情報を用いて、前記第１期間における標準的な技能指標の確率分布を推定する推定モデルを生成するモデル生成部と、
    　第２期間における特定の作業者の生産実績を集計することで、前記特定の作業者の技能指標を算出する集計部と、
    　前記特定の作業者が前記第２期間に生産に携わった複数の第２製品の品種と、前記特定の作業者が前記第２期間に使用した１以上の設備とを示す第２情報を、入力データとして前記推定モデルに入力することで、前記特定の作業者の技能指標の確率分布を推定する推定部と、
    　前記推定部によって推定された確率分布と、前記集計部によって算出された技能指標との乖離度を算出する算出部と、
    　前記乖離度に基づく情報を出力する出力部とを備える、
    　技能評価装置。
  2. 　前記技能指標は、作業者の生産性を示す指標である、
    　請求項１に記載の技能評価装置。
  3. 　前記技能指標は、停止した設備を作業者が再稼働させるのに要した停止時間である、
    　請求項１に記載の技能評価装置。
  4. 　前記集計部は、前記第２期間における前記特定の作業者の生産実績を設備の停止要因毎に集計することで、前記停止要因毎の停止時間を算出し、
    　前記算出部は、前記乖離度を前記停止要因毎に算出する、
    　請求項３に記載の技能評価装置。
  5. 　前記算出部は、前記停止要因毎の前記乖離度に基づいて、前記特定の作業者に不足している技能を特定する
    　請求項４に記載の技能評価装置。
  6. 　前記特定の作業者は複数であり、
    　前記集計部は、前記特定の作業者毎に前記技能指標を算出し、
    　前記推定部は、前記特定の作業者毎に前記技能指標の確率分布を算出し、
    　前記算出部は、前記特定の作業者毎に前記乖離度を算出する、
    　請求項１～５のいずれか１項に記載の技能評価装置。
  7. 　さらに、
    　前記第２期間と１以上の前記特定の作業者との入力を受け付ける入力部を備える、
    　請求項１～６のいずれか１項に記載の技能評価装置。
  8. 　第１期間に生産された複数の第１製品の品種と、前記複数の第１製品の生産に使用された複数の設備と、前記複数の第１製品の生産に携わった複数の作業者の技能指標とを示す第１情報を取得するステップと、
    　前記第１情報を用いて、前記第１期間における標準的な技能指標の確率分布を推定する推定モデルを生成するステップと、
    　第２期間における特定の作業者の生産実績を集計することで、前記特定の作業者の技能指標を算出するステップと、
    　前記特定の作業者が前記第２期間に生産に携わった複数の第２製品の品種と、前記特定の作業者が前記第２期間に使用した１以上の設備とを示す第２情報を、入力データとして前記推定モデルに入力することで、前記特定の作業者の技能指標の確率分布を推定するステップと、
    　前記推定するステップにおいて推定された確率分布と、前記算出するステップにおいて算出された技能指標との乖離度を算出するステップと、
    　前記乖離度に基づく情報を出力するステップとを含む
    　技能評価方法。
  9. 　請求項８に記載の技能評価方法をコンピュータに実行させるプログラム。
PCT/JP2021/008210 2020-03-11 2021-03-03 技能評価装置及び技能評価方法 WO2021182245A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2022505976A JPWO2021182245A1 (ja) 2020-03-11 2021-03-03
DE112021001541.9T DE112021001541T5 (de) 2020-03-11 2021-03-03 Fertigkeitsbewertungsvorrichtung und Fertigkeitsbewertungsverfahren
CN202180013832.5A CN115104118A (zh) 2020-03-11 2021-03-03 技能评价装置以及技能评价方法
US17/800,477 US20230106962A1 (en) 2020-03-11 2021-03-03 Skill evaluation device and skill evaluation method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020042472 2020-03-11
JP2020-042472 2020-03-11

Publications (1)

Publication Number Publication Date
WO2021182245A1 true WO2021182245A1 (ja) 2021-09-16

Family

ID=77671627

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/008210 WO2021182245A1 (ja) 2020-03-11 2021-03-03 技能評価装置及び技能評価方法

Country Status (5)

Country Link
US (1) US20230106962A1 (ja)
JP (1) JPWO2021182245A1 (ja)
CN (1) CN115104118A (ja)
DE (1) DE112021001541T5 (ja)
WO (1) WO2021182245A1 (ja)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05282323A (ja) * 1992-03-31 1993-10-29 Nippon Steel Corp 標準時間集計装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6464358B2 (ja) * 2014-10-30 2019-02-06 パナソニックＩｐマネジメント株式会社 作業者支援システム、及び作業者支援方法、並びに部品実装装置
JP2018025932A (ja) * 2016-08-09 2018-02-15 ファナック株式会社 センサと機械学習部を備えた作業管理システム
US10394871B2 (en) * 2016-10-18 2019-08-27 Hartford Fire Insurance Company System to predict future performance characteristic for an electronic record
US10915850B2 (en) * 2018-02-22 2021-02-09 International Business Machines Corporation Objective evidence-based worker skill profiling and training activation
GB201817061D0 (en) * 2018-10-19 2018-12-05 Sintef Tto As Manufacturing assistance system
US11017339B2 (en) * 2019-02-05 2021-05-25 International Business Machines Corporation Cognitive labor forecasting
EP4133634A1 (en) * 2020-04-07 2023-02-15 Assia Spe, Llc Systems and methods for remote collaboration
US11346751B1 (en) * 2020-12-10 2022-05-31 Sas Institute Inc. Interactive diagnostics for evaluating designs for measurement systems analysis

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05282323A (ja) * 1992-03-31 1993-10-29 Nippon Steel Corp 標準時間集計装置

Also Published As

Publication number Publication date
DE112021001541T5 (de) 2022-12-29
CN115104118A (zh) 2022-09-23
JPWO2021182245A1 (ja) 2021-09-16
US20230106962A1 (en) 2023-04-06

Similar Documents

Publication Publication Date Title
AU2020203862B2 (en) Artificial intelligence (ai) based predictions and recommendations for equipment
US20230385034A1 (en) Automated decision making using staged machine learning
CN110442936A (zh) 基于数字孪生模型的设备故障诊断方法、装置及***
Abd Rahman et al. Enhancement of overall equipment effectiveness (OEE) data by using simulation as decision making tools for line balancing
US10444746B2 (en) Method for managing subsystems of a process plant using a distributed control system
US10699225B2 (en) Production management support apparatus, production management support method, and production management support program
JP2018180759A (ja) システム分析装置、及びシステム分析方法
JP6467264B2 (ja) 計画作成支援装置および計画作成支援方法
EP3315465A1 (en) Method and system for dynamically managing waste water treatment process for optimizing power consumption
CN111859047A (zh) 一种故障解决方法及装置
CN112200459B (zh) 一种配电网数据质量分析评价方法及***
Yu et al. Hierarchical indices to detect equipment condition changes with high dimensional data for semiconductor manufacturing
Gamme et al. Organizational or system boundaries; possible threats to continuous improvement process
US20110178948A1 (en) Method and system for business process oriented risk identification and qualification
JP7367196B2 (ja) レジーム・シフトの識別及び分析のための方法及びシステム
WO2021182245A1 (ja) 技能評価装置及び技能評価方法
Khemiri et al. Improving business process in semiconductor manufacturing by discovering business rules
CN111445006A (zh) 开源社区中开发者代码提交次数的预测方法及***
CN115018471A (zh) 数据处理方法及相关装置
López-Campos et al. Reliability Assessment Methodology for Massive Manufacturing Using Multi‐Function Equipment
Hwang et al. AN IOT DATA ANOMALY RESPONSE MODEL FOR SMART FACTORY PERFORMANCE MEASUREMENT.
TWI844845B (zh) 產線運作預測方法以及產線運作預測系統
CN112422312B (zh) 一种基于众包的工业互联网***日志处理方法
Sandhu et al. Data mining application in process control of smart material manufacturing [J]
Szaller et al. Real-time prediction of manufacturing lead times in complex production environments

Legal Events

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

Ref document number: 21768645

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022505976

Country of ref document: JP

Kind code of ref document: A

122 Ep: pct application non-entry in european phase

Ref document number: 21768645

Country of ref document: EP

Kind code of ref document: A1