サーブリッグ分析を用いた深層学習による作業実績把握システムの構築

2023 Fiscal Year Annual Research Report

• Project/Area Number: 20K14988
• Research Institution: Kanagawa University
• Principal Investigator: 山崎 友彰 神奈川大学, 経営学部, 准教授 (30706891)
• Project Period (FY): 2020-04-01 – 2024-03-31
• Keywords: 生産実績 / 作業進捗 / 深層学習

Outline of Annual Research Achievements

生産管理には「生産計画を立てること、そしてその通りに生産活動が行われるようにする」ことが求められる。この両面の活動の基となるものが、生産実績である。実施可能な生産計画でなければならないが、それを測る物差しが過去の生産実績となる。そして、生産計画と実績の差が小さくなるようにコントロールすることが求められる。生産実績といっても、1日あたりの生産数量等のデータもそうであれば、各生産プロセスにおける様々なデータもそれに含まれる。精度の高いデータであることは当然のことながら重要であるが、単位の細かいデータであることも重要になり、生産設備に付けられたセンサーから得られる各種データをリアルタイムに収集するシステムの開発が活発に行われている。しかし、人による作業においては、作業自体が都度変化し、個人差も排除しきれないことから、単位の細かいデータを取得することが難しい。そこで、本研究の課題としては、作業進捗や作業ミス等の作業実績をリアルタイムに把握し、生産管理のレベル向上に寄与することを設定した。この課題解決に深層学習が利用され始めているが、解決すべき課題も多い。そのひとつとして“オーダーメイド”が要求されることがある。深層学習では、作業の映像を用いることが多いが、作業内容が異なる場合は、都度その映像を用意する必要がある。また、作業者間の体格等の個人差や時間経過による熟練度の変化に対応するために、やはり都度その映像を用意する必要がある。これに対して、本研究では、作業の最小単位である要素動作を学習に用いる。この要素動作は作業研究の分野で、作業を分析する際に、個人差の少ない単位として導出された経緯がある。令和5年度の研究では、深層学習の人の骨格を検出する技術を用いて、一般的にモデル作業として利用されるボールペン組み立て作業で、単位時間が分類精度に与える影響を明らかにした。