Construction of a Work Performance Monitoring System Using Deep Learning with Therbrig Analysis

2023 Fiscal Year Final Research Report

• Project/Area Number: 20K14988
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 25010:Social systems engineering-related
• Research Institution: Kanagawa University
• Principal Investigator: Yamazaki Tomoaki 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 Final Research Achievements

I have set the objective of this study to grasp work progress and errors in real-time to contribute to improving the level of production management. Deep learning has begun to be used to solve this problem. In deep learning, video footage of tasks is often used, but if the task content differs, the footage must be prepared each time. In this study, we used elemental movements, which are the smallest units of work, for learning. First, using technology that detects human skeletons with deep learning models, we clarified the impact of unit time on classification accuracy using simple tasks with laboratory-level LEGO blocks. Then, we clarified the impact of unit time on classification accuracy in the commonly used model task of ballpoint pen assembly.

Free Research Field

生産管理

Academic Significance and Societal Importance of the 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。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。この問題に深層学習モデルが利用されているが、オーダーメイドであることが求められる。本研究によって都度学習の必要がない、より現実的に実装可能な解決策の導出に一定の前進があったと考える。