JP7645168B2 - 作業員組合せ計算装置、作業チーム管理システム、および、作業員組合せ計算方法 - Google Patents

Description

本発明は、作業員組合せ計算装置、作業チーム管理システム、および、作業員組合せ計算方法に関する。

近年、従業員に関する業務遂行状況と身体状態（健康状態）とを、ＩＴ（Information Technology）を用いて効率的かつ適切に管理することによって、従業員の業務遂行を改善する適切な改善施策を実行できるようにするための技術への期待が高まってきている。

特許文献１には、従業員に関する業務遂行状況と身体状態とを高い精度で管理することにより、従業員の業務遂行を改善する適切な施策を提示する発明が記載されている。

特許第６７２４９４８号公報

例えば、放射線量が多い原子力プラントなどにおいて、作業員は、遠隔地からロボットを操作して所定作業を行っている。しかし、未知の環境での遠隔作業は、総じてロボットを操作する作業員への精神的な負荷が高い。そして、複数の作業員が遠隔でロボットを操作する場合、作業員間の相性や各作業員の状態によって作業効率が大きく変動する。
合理的な遠隔作業を実現するには、作業員間の相性やその時の作業員の状態に基づいた作業チーム管理が必要となっている。

そこで、本発明は、作業チームの配置にて、作業員の相性を考慮することを課題とする。

前記した課題を解決するため、本発明の作業員組合せ計算装置は、作業に従事する作業員の組み合わせにおける作業の分析データの統計量から、過去の作業員の組み合わせにおける作業効率を計算する作業効率計算部と、前記作業に従事する作業チームの作業効率レベルをランキングして作業状況データベースに格納する作業員組合せ計算部と、前記作業状況データベースに蓄積された各作業チームの過去の作業効率レベルとその作業結果を参照して、統計的手法により、作業員を組み合わせた作業チームによる作業効率を推定する作業効率推定部と、を備えることを特徴とする。

本発明の作業チーム管理システムは、作業に従事する作業員の組み合わせにおける作業の分析データの統計量から、過去の作業員の組み合わせにおける作業効率を計算する作業効率計算部と、前記作業に従事する作業チームの作業効率レベルをランキングして作業状況データベースに格納する作業員組合せ計算部と、前記作業状況データベースに蓄積された各作業チームの過去の作業効率レベルとその作業結果を参照して、統計的手法により、作業員を組み合わせた作業チームによる作業効率を推定する作業効率推定部と、を備えることを特徴とする。

本発明の作業員組合せ計算方法は、作業効率計算部が、作業に従事する作業員の組み合わせにおける作業の分析データの統計量から、過去の作業員の組み合わせにおける作業効率を計算するステップと、作業員組合せ計算部が、前記作業に従事する作業チームの作業効率レベルをランキングして作業状況データベースに格納するステップと、作業効率推定部が、前記作業状況データベースに蓄積された各作業チームの過去の作業効率レベルとその作業結果を参照して、統計的手法により、作業員を組み合わせた作業チームによる作業効率を推定するステップと、を実行することを特徴とする。
その他の手段については、発明を実施するための形態のなかで説明する。

本発明によれば、作業チームの配置にて、作業員の相性を考慮することが可能となる。

第１の実施形態に係る作業チーム管理システムの構成図である。 作業状態処理装置の構成図である。 作業員バイタル測定部のデータ出力である。 バイタル分析データ出力イメージである。 作業状況データベースの構成図である。 タイムスタンプ方式による作業状況データベースのデータ管理方法である。 作業名方式による作業状況データベースのデータ管理方法である。 作業員組合せ計算装置の構成図である。 作業管理装置の構成図である。 作業チーム管理処理のフローチャートである。 作業チーム管理処理のフローチャートである。 データ計算の一例である。 作業員の疲労度と緊張度を示すグラフである。 作業員の疲労度と緊張度から算出した相性度合いのグラフである。 周波数特性のヒストグラムデータ計算の一例である。 選択した統計指標によるヒストグラムデータ計算の一例である。 作業員組合せランキング計算処理の詳細フローチャートである。 作業効率算出処理の詳細フローチャートである。 作業効率算出処理の深層学習モデルである。 変形例の作業員組合せランキング計算処理の詳細フローチャートである。 変形例の作業効率算出処理の詳細フローチャートである。 第２の実施形態に係る作業チーム管理システムの構成図である。 作業チーム管理処理のフローチャートである。 作業チーム管理処理のフローチャートである。 作業員組合せ計算装置の構成図である。 目的関数と制約条件を設定する処理のフローチャートである。 作業員Ａの作業時間帯ごとの作業効率の変化データを示す図である。 作業員Ｂの作業時間帯ごとの作業効率の変化データを示す図である。

以降、本発明を実施するための形態を、各図を参照して詳細に説明する。

《第１の実施形態》
図１は、第１の実施形態に係る作業チーム管理システム１の構成図である。
作業チーム管理システム１は、データ・インタフェース部１１と、作業状況処理装置１２と、作業状況データベース１３と、作業員組合せ計算装置１４と、作業管理装置１５とを含んで構成されている。この作業チーム管理システム１は、作業員２ａ～２ｃが、例えば不図示の作業ロボットシステムなどを用いる作業計画を更新するものである。

ここで作業員２ａ～２ｃは、ロボットオペレータや、補助作業員や、作業監督などである。作業員２ａ～２ｃには、能力の個人差があり、作業処理能力にばらつきがある。また、同一作業者が同じ作業を行う場合でも、その時々の体調により能力にばらつきが生じる。作業チームとは、同一作業を共同で実施する複数人のチームである。作業チームは、個人の初期能力の差を考慮して編成するとよい。

データ・インタフェース部１１は、作業員２ａ～２ｃや作業ロボットシステムと、作業チーム管理システム１との間でデータを遣り取りするための界面である。データ・インタフェース部１１は、例えば複数種類のセンサ群と、作業員の端末やロボットに指示を送信する無線ルータなどを含んで構成される。データ・インタフェース部１１は、作業員２ａ～２ｃに作業指示を出し、作業員２ａ～２ｃから予め指定した時間間隔で、後述するバイタルデータを取得する。不図示の作業ロボットシステムは、作業員２ａ～２ｃなどが遠隔制御するものであり、ロボットおよびその制御装置と、動作ログ記録装置と、操作装置と、監視装置と、これらの付帯設備などである。
このデータ・インタフェース部１１は、作業員２ａ～２ｃから、作業に係るデータを予め指定した時間間隔で取得する。

作業付帯情報４とは、作業環境のレイアウトや温度や湿度、水素濃度、酸素濃度、放射線量などの情報や、年月日や、日時などのことをいう。作業付帯情報４は、作業員２ａ～２ｃと作業ロボットシステムの状態を測定した現場データである。データ・インタフェース部１１は、これら現場データを予め指定した時間間隔で取得する。

作業属性情報５とは、作業名、作業目的、作業難易度、作業体制、作業員熟練度、作業員履歴、作業工程、作業時間帯、作業装置仕様、作業装置履歴、作業完了時間や各作業の作業時間などの作業結果で示される履歴である。データ・インタフェース部１１は、これら履歴を予め指定した時間間隔で更新する。この作業結果には、作業成否、作業時間（遅延程度含む）、被ばく量や累積線量、リスク事象発生有無、計画更新有無などがある。

作業状況処理装置１２は、作業員２ａ～２ｃの状態を測定した作業員状態や現場データにより作業状態や作業属性を分析し、この分析データと現場データを作業状況データベース１３に格納する。作業状況処理装置１２は更に、作業員組合せ計算装置１４に分析データを出力する。つまり、作業状況処理装置１２は、データ・インタフェース部１１が取得したデータを分析する作業状況処理部として機能する。

作業状況処理装置１２が分析する作業員状態とは、作業員２ａ～２ｃのバイタルデータや動作データのことをいう。バイタルデータには、心拍数、脳波、発汗量、体温、血圧、体調などがある。動作データには、加速度、位置、移動経路・履歴、視線、歩数などがある。

作業状況処理装置１２が分析した作業状態には、作業の年月日、作業の時間帯、平日と土日祝の違い、１日あたりの作業時間、総作業日数と累積作業日数、作業環境中の温度や湿度、構造物配置、作業環境映像や点群などがある。
作業状況処理装置１２が分析した作業属性には、作業目的、作業難易度（リスク度）、作業緊急度、作業チーム体制、作業員熟練度、勤務体系などがある。

作業員組合せ計算装置１４は、分析データと履歴データに基づいて、作業員の組み合わせを計算する。作業状況処理装置１２で取得したデータが予め指定したしきい値を超える状態を検知した際に、作業員組合せ計算装置１４は、この作業に従事する作業員の組み合わせを計算する。そして作業員組合せ計算装置１４は、作業員の組み合わせ計算結果を作業状況データベース１３に格納し、作業管理装置１５に出力する。
つまり、作業員組合せ計算装置１４は、作業に従事する作業員の組み合わせを計算する作業員組合せ計算部として機能する。

作業管理装置１５は、作業リソース計算結果に基づき、作業員２ａ～２ｃへの操作指示データを出力する。

図２は、作業状態処理装置の構成図である。
作業状況処理装置１２は、作業員バイタル測定部１２１と、作業状態分析評価部１２２と、作業属性分析評価部１２３とを含んで構成される。

作業状況処理装置１２は、装置要素試験や装置組合せ試験、モックアップ試験、トレーニング、実機工事などでデータを取得するものである。

作業員バイタル測定部１２１は、作業員２ａ～２ｃの状態を測定してバイタルデータや動作データを出力する。ここでバイタルデータとは、作業者の心拍数、脳波、発汗量、体温、血圧、体調などである。動作データとは、加速度、位置、移動経路・履歴、視線、歩数などである。

図３は、作業員バイタル測定部１２１のデータ出力の例を示すグラフである。グラフの縦軸は、作業員のバイタルの測定値を示し、横軸は時間を示している。
グラフの実線は、加速度を示している。グラフの破線は、心拍数を示している。グラフの一点鎖線は、発汗量を示している。

図２に戻り説明を続ける。作業状態分析評価部１２２は、各作業員の作業員２ａ～２ｃの状態であるバイタルデータや動作データを分析して、その作業状態を評価する。

図４は、各作業員のバイタル分析データ出力データの例を示すグラフである。グラフの縦軸は各作業員の測定値を示し、横軸は時刻を示している。
バイタル分析データとは、疲労度、集中度、幸福度、リラックス度、警戒度や動揺度のことをいう。各分析データの範囲は、各作業時間の範囲を示している。なお、各個人の体調によるバラツキは各個人の長期間のデータより標準値よりずれた場合と設定する。

図４の初期値や劣化曲線（微分値）でのバラツキもある。作業状態分析評価部１２２は、標準作業におけるバイタル安定性や初期値許容範囲を設定する。

図５は、作業状況データベース１３の構成図である。
作業状況データベース１３は、作業員相性記録管理部１３１と、作業結果記録管理部１３２と、作業状態記録管理部１３３と、作業属性記録管理部１３４とを含んで構成される。作業状況データベース１３は、図３から図４に示す現場データや分析データ、その処理条件などの付帯データを保存する。

作業員相性記録管理部１３１は、作業員バイタル測定部１２１が測定した作業員２ａ～２ｃのバイタルデータや動作データを格納する。

作業結果記録管理部１３２は、作業状態分析評価部１２２が評価した作業の状態データを記録管理する。
作業状態記録管理部１３３は、作業の属性状態を記録管理する。管理方法については、タイムスタンプ方式や作業名方式は一例であって、データを管理するうえでデータを欠落させることがなければよい。

図６は、タイムスタンプ方式による作業状況データベース１３のデータ管理方法である。
図６の作業状況データベース１３は、年月日欄と、時刻欄と、作業員状態欄と、作業属性欄と、作業状態欄と、作業付帯情報欄とを含んで構成される。そして作業員状態欄は、心拍数欄と、加速度欄と、緊張度欄と、幸福度欄などを含んで構成される。
作業状況処理装置１２は、作業状況データベース１３に、タイムスタンプをキーにデータを格納する。

図７は、作業名方式による作業状況データベース１３のデータ管理方法である。
図７の作業状況データベース１３は、作業属性欄と、年月日欄と、時刻欄と、作業員状態欄と、作業属性欄と、作業状態欄と、作業付帯情報欄とを含んで構成される。作業属性欄には、作業名が格納される。作業員状態欄は、心拍数欄と、加速度欄と、緊張度欄と、幸福度欄などを含んで構成される。
作業状況処理装置１２は、作業状況データベース１３に、作業名をキーにデータを格納する。

図８は、作業員組合せ計算装置１４の構成図である。
作業員組合せ計算装置１４は、作業員相性推定部１４１と、作業員組合せ計算部１４２と、作業効率推定部１４３とを含んで構成される。作業員組合せ計算装置１４は、分析データと履歴データに基づいて、作業員の組み合わせによる相性を計算する。

作業員相性推定部１４１は、作業に従事する作業員の相性を数値化またはレベル分けし、作業員の相性を推定する。作業員組合せ計算部１４２は、作業員相性推定部１４１が計算した作業員の相性に基づいて、作業に従事する作業チームの相性レベルをランキングして、作業員の組み合わせを計算する。作業員組合せ計算部１４２は、全体最適化または局所最適化を実施する数理モデルで、作業チームの相性レベルをランキングする。ここで全体最適化の実施とは、例えばプラントに係る全体の作業の最適化のことをいう。また局所最適化とは、例えばプラントの一部を構成する建屋の作業の最適化のことをいう。
作業効率推定部１４３は、作業状況データベース１３に蓄積された各作業チームの過去の相性レベルとその作業結果を参照して、作業員を組み合わせた作業チームによる作業効率を推定する。

図９は、作業管理装置１５の構成図である。
作業管理装置１５は、作業工程管理部１５１と、作業員配置管理部１５２とを含んで構成される。

作業工程管理部１５１は、作業の工程を管理する。作業員配置管理部１５２は、作業員の作業チームへの配置を管理する。

図１０Ａと図１０Ｂは、作業チーム管理処理のフローチャートである。
最初、作業員２ａ～２ｃは、ロボットを操作して作業を実施する（ステップＳ１０）。

作業状況処理装置１２は、作業状態を測定し、これを分析して評価する（ステップＳ１１）。具体的にいうと、作業員バイタル測定部１２１は、作業員のバイタルを測定し、これを作業状態とする。作業状態分析評価部１２２は、作業状態を分析して評価する。そして作業属性分析評価部１２３は、作業属性を分析して評価する。

次に作業状況処理装置１２は、作業状況データベース１３に作業状態を記録して管理する（ステップＳ１２）。作業状況データベース１３に記録される情報は、例えば作業員のバイタルデータや動作データ、およびそれを分析して評価したデータである。
そして、作業員組合せ計算装置１４は、配置計算が必要であるか否かを判定する（ステップＳ１３）。ここで作業員組合せ計算装置１４は、作業状況処理装置１２が測定したデータやこれを分析したデータが予め指定したしきい値を超えるとき、配置計算が必要であると判定する。

作業員組合せ計算装置１４は、配置計算が必要であるならば（Ｙｅｓ）、図１０ＢのステップＳ２０に進み、配置計算が必要でないならば（Ｎｏ）、ステップＳ１４の処理に進む。

ステップＳ１４にて、作業状況処理装置１２は、作業が完了したか否かを判定する。ここで作業の完了は、例えば作業監督が、作業が完了した旨を入力したか否かによって判断される。作業状況処理装置１２は、作業が完了していないならば（Ｎｏ）、ステップＳ１０の処理に戻り、作業が完了したならば（Ｙｅｓ）、図１０Ａの処理を終了する。

ステップＳ２０にて、作業員組合せ計算装置１４は、目的関数や制約条件を設定する。目的関数とは、作業員間の相性や作業効率を算出する関数である。制約条件とは、例えば作業属性や作業状態に関する条件である。作業属性とは、作業シフト（作業チーム）構成、作業種類、作業員の人数、コア作業員(作業成立に必須な個人)の有無／人数などをいう。そして作業状態とは、作業時間帯、気温、湿度などをいう。

次に作業員組合せ計算装置１４は、作業員の相性計算の入力項目を選定する（ステップＳ２１）。具体的にいうと、作業員組合せ計算装置１４は、分析データの指標である疲労度、集中度、幸福度、リラックス度、警戒度や動揺度などから選定する。また作業員組合せ計算装置１４は、分析手法によって１つ以上の指標を選定してもよい。ここで作業時間帯などの作業状態や、作業シフト構成などの作業属性を、分析データに付帯させてもよい。

そして作業員組合せ計算装置１４は、作業員の相性を計算する（ステップＳ２２）。ここで作業員の相性とは、過去の作業員の組み合わせにおける作業効率のことである。作業員組合せ計算装置１４は、ある時間帯における分析データの統計量から、作業効率を計算する。ある時間帯における分析データの統計量とは、時刻トレンド、周波数トレンド、または統計指標におけるデータヒストグラムである。統計指標とは、平均値、中央値、分散、標準偏差、最小値、最大値、第一分位数、第三四分位数、総数（総和）、一次微分量、二次微分量、歪度、尖度などのことをいう。作業員組合せ計算装置１４は、分析データの統計量の計算にあたり、任意の時刻範囲や周波数範囲（ローパスフィルタ、ハイパスフィルタ、バンドパスフィルタ）でフィルタリングしてもよい。分析データを周波数範囲でフィルタリングする例は、後記する図１４や図１５で説明する。

次に作業員組合せ計算装置１４は、作業員の相性を区分けする（ステップＳ２３）。具体的にいうと、作業員組合せ計算装置１４は、作業員の相性を数値化してレベル分けし、作業員相性計算における数値範囲と相性範囲（例：良好／普通／不良）を設定する。数値範囲と相性範囲は、作業状況データベース１３に格納され、履歴データに従って適宜変更可能である。なお数値範囲と相性範囲の変更履歴を保存し、機械学習アルゴリズムを利用することで自動的に相性範囲を更新してもよい。
そして、作業員組合せ計算装置１４は、作業員の組み合わせのランキングを計算する（ステップＳ２４）。作業員組合せ計算装置１４は、作業属性、作業状態、作業員相性結果を参照して、作業員の組み合わせを作業員相性結果順に整列してランキングを計算する。

次に作業員組合せ計算装置１４は、該当する作業員の組み合わせの計算が完了したか否かを判定する（ステップＳ２５）。

ステップＳ２５にて、作業員組合せ計算装置１４は、作業員の組み合わせの計算が完了していないならば（Ｎｏ）、ステップＳ２０に戻り、作業員の組み合わせの計算が完了したならば（Ｙｅｓ）、ステップＳ２６に進む。

ステップＳ２６にて、作業監督は、作業員組合せ計算装置１４が計算した作業員の組み合わせに基づき、この作業チームの更新を判断する。この判断を受けて、作業管理装置１５は、作業員配置の更新と管理を行う（ステップＳ２７）。これにより作業者とロボットは、作業を再開して（ステップＳ２８）、図１０ＡのステップＳ１０に戻る。

図１１は、データ計算の一例を説明するグラフである。グラフの縦軸は、分析値である。グラフの横軸は、時刻である。破線は、作業員Ａの心拍数である。実線は、作業チームの作業効率である。
各時刻範囲ａ，ｂにて、作業員組合せ計算装置１４は、各分析データの統計量を計算する。

《作業員同士の相性度合いの算出》
「ウエアラブル技術による幸福の計測」の著者の矢野和夫らは、身体運動と幸福とは所定の相関があることを見出した。身体運動の持続時間と頻度との関係に１／Ｔ揺らぎがあるとき、幸福度が高く、不自然な揺らぎを伴う場合には幸福度が低い。
・矢野和夫ら、「ウエアラブル技術による幸福の計測」、日立評論、２０１５年６月１７日、インターネット<URL:https://www.hitachihyoron.com/jp/pdf/2015/06_07/2015_06_07_13.pdf>
よって、各作業員のバイタルデータを分析して身体運動の持続時間を測定し、身体運動の持続時間と、その頻度の関係が１／Ｔ揺らぎに近いか否かを算出することで、各作業員の幸福度が算出可能である。

作業員相性推定部１４１は、各シフト期間における各作業員の疲労度や緊張度の持続時間を測定し、その持続時間と頻度の関係が１／Ｔ揺らぎに近いか否かを算出することで、各シフトにおける各作業員の幸福度ｘ_nを算出する。そして、以下の式（１）により、同じシフトにおいて同様な幸福度ｘ_nが算出された作業員の組み合わせの相性度合いｆを算出する。相性度合の閾値や重みづけ係数αは、過去の事例や作業者へのインタビューやアンケートを参考にして、作業監督者や作業計画者などが設定するとよい。

S. Achorによる“Positive Intelligence”Harvard Business Review（2012.1）には、人の幸福感はパフォーマンスに大きく影響することが報告されている。幸福な人は、そうでない人に比べて営業の生産性は３７％、クリエイティビティは３００％も高い。
そこで、本実施形態の作業員相性推定部１４１は、各作業員の幸福感が大きくなるように、作業員の相性度合いが高い組み合わせを推定している。相性度合いが高い複数の作業員の組み合わせで作業チームを編成することで、作業チームのパフォーマンスを向上させることができる。

また、以下の式（２）により、作業員の組み合わせの相性度合いｆを算出してもよい。

図１２は、作業員の疲労度と緊張度を示すグラフである。グラフの縦軸は、作業員の疲労度や緊張度を示している。グラフの横軸は、時刻を示しており、シフト期間ＡからＥに分割されている。作業員の疲労度と緊張度は、身体運動の現れである。

図１３は、作業員の疲労度と緊張度から算出した、作業員ＡとＢの相性度合いのグラフである。グラフの縦軸は、相性度合いを示している。グラフの横軸は、各シフト期間を示している。

図１４は、周波数特性のヒストグラムデータ計算の一例を説明するグラフである。グラフの縦軸は、分析値である。グラフの横軸は、周波数である。実線は、作業員の加速度のヒストグラムである。

図１４のグラフの周波数範囲では、作業員の加速度のヒストグラムが所定値を超えている。よって、作業員組合せ計算装置１４は、この範囲の周期的な動作が頻繁に行われていることを知ることができる。

図１５は、選択した統計指標によるヒストグラムデータ計算の一例を説明するグラフである。グラフの縦軸は、分析値である。グラフの横軸は、統計指標である。破線は、分析範囲の指標と分析値の対応を示している。

図１６は、作業員組合せランキング計算処理の詳細フローチャートである。この処理は、図１０ＢのステップＳ２４の処理の詳細である。
作業員組合せ計算部１４２は、作業属性、作業状態、および作業員相性結果を参照する（ステップＳ６０）。ここで作業属性とは、作業に従事する作業員の人数、作業の難易度、作業の日数、作業の１日当たりの作業時間、作業に従事する作業員の勤務体系、作業のエリア環境、作業に従事する作業員の被ばく線量のうち何れかが含まれる。
そして、作業員組合せ計算部１４２は、作業員の相性結果順に整列させると（ステップＳ６１）、図１６の処理を終了する。

図１７は、作業効率算出処理の詳細フローチャートである。この処理は、図１０ＢのステップＳ２４の処理の詳細であり、かつ図１６の処理の後に実行される処理である。
作業員組合せ計算部１４２は、作業属性、作業状態、および作業員相性結果を参照する（ステップＳ７０）。そして、作業効率推定部１４３は、この作業員の組合せ事例における作業効率を抽出すると（ステップＳ７１）、図１７の処理を終了する。

作業員組合せ計算装置１４は、作業員の相性計算において、数値範囲と相性範囲を設定する。数値範囲と相性範囲は、例えば良好や普通や不良などの種別であり、作業状況データベース１３に格納され、履歴データに従って適宜変更が可能である。

図１８は、作業効率算出処理を実現する深層学習モデル１４３１である。
深層学習モデル１４３１は、所定の作業チームにおける作業属性や数値範囲や相性範囲の組合せを入力とし、深層学習モデル１４３１の出力と作業効率の誤差を最小化するよう回帰をとる。深層学習モデル１４３１の第０層には、作業属性や数値範囲や相性範囲が入力される。深層学習モデル１４３１の第ｎ層は出力であり、教師データである作業効率との誤差が算出され、この誤差が最小化されるように回帰計算される。これにより、未知のる作業属性と数値範囲と相性範囲の組合せにおける作業効率を算出できる。

作業員組合せ計算装置１４は、数値範囲と相性範囲の変更履歴を保存し、深層学習モデル１４３１などを用いた機械学習アルゴリズムを利用することで自動的に相性範囲を更新するとよい。

個人単位かつ短期で考えたとき、作業員組合せ計算装置１４は、集中力欠如に係る作業効率の低下と、脳波や脈拍等のバイタルデータとの関係を示すデータを蓄積して管理するとよい。そして、作業員組合せ計算装置１４は、バイタルデータから確率的に作業効率を求めるとよい。

個人単位かつ長期で考えたとき、学習効果により定型問題を処理する時間が短縮される。これらバイタルデータと作業効率との関係は、何れも個人差があり、時間に対しての曲線を描くことができる。

作業チームで考えたとき、短期では個人単位のデータが類似の曲線のメンバを集めた方が良い場合が多い。これは作業チームの各メンバが同様の疲労・劣化度合いとなるため、シフト時間の管理がしやすい。

一方で、個人単位のデータが類似の曲線のメンバを集めると、時間と共に作業チーム全体が劣化する。これは、作業チームのシフト時間の管理しやすさだけで見た場合は危険であり、集中力が持続しない作業員に集中力が持続する作業員を組み合わせた方が良い場合もある。つまり、失敗が許容されない作業では、作業員の選別ポリシーを変更し、集中力が持続しない作業員に集中力が持続する作業員を組み合わせるとよい。

また、作業チームとしての作業効率データが、各作業員の作業効率データからの類推とは異なる傾向になる場合があると考えられる。これは、作業員同士の相性があるためである。よって、本システムは、作業員の脳波等のストレスデータから作業員同士の相性を、作業チームの編成に反映させる。

更に本システムは、機械学習などで履歴を反映可能とすることで、作業チームの更新精度を向上させる。
作業チームを長期で考えた時、個人単位で得られたデータと同様に、所定の定型練習問題を処理する時間が短縮される学習効果が期待できる。また、初期状態では相性が良い作業チームを編成したが、時間の経過により相性が悪くなるケースも考えられる。つまり、効率曲線により作業チームの編成の見直しが必要となる場合もある。逆に、作業チームの初期状態では、作業効率が良くないが、時間と共に改善が見られる成長カーブが描けるケースもある。

本実施形態の作業チーム管理システム１は、チーム管理の更新周期の設定によって、上記のようなケースに対応可能とするとよい。
作業チームのコアとなる作業員について、作業チーム全体がその特定の人に依存するので、その人中心の作業計画や人員配置となる。これも個人データから作業チームの管理計画への反映の一例となる。

図１９は、変形例の作業員組合せランキング計算処理の詳細フローチャートである。
作業員組合せ計算部１４２は、作業状態データベースの履歴情報も含めて、作業属性、作業状態、作業員相性結果を参照する（ステップＳ８０）。

そして、作業員組合せ計算部１４は、失敗が許容される作業であるか否かを判定する（ステップＳ８１）。作業員組合せ計算部１４は、失敗が許容される作業でないならば（Ｎｏ）、作業員の選別ポリシーを変更し、時間に対するバイタルデータの変化が分散する作業員の組み合わせを相性がよい結果と定義し（ステップＳ８２）、ステップＳ８４に進む。つまり、作業員組合せ計算部１４は、集中力が持続しない作業員に集中力が持続する作業員を組み合わせたものを、作業員の相性がよい結果と定義する。

ステップＳ８１にて作業員組合せ計算部１４は、失敗が許容される作業でないならば（Ｎｏ）、ステップＳ８３に進み、時間に対するバイタルデータの変化が同等の作業員の組み合わせを相性がよい結果と定義し、ステップＳ８４に進む。つまり、作業員組合せ計算部１４は、集中力が同等の作業員の組み合わせを相性がよい結果と定義する。

ステップＳ８４にて作業員組合せ計算部１４２は、数理モデルによる最適化計算を行い、作業員相性結果順に整列する（ステップＳ８５）。

つまり、作業員組合せ計算部１４２は、作業チーム相性レベルをランキングする作業員組合せ計算ステップにおいて、全体最適化もしくは局所最適化を実施する数理モデルによる計算アルゴリズムで、計算を実行する。

そして、作業員組合せ計算部１４は、機械学習アルゴリズムや数理モデルを用いて、所定値よりも作業効率の高い類似作業と作業効率の組み合わせを抽出すると（ステップＳ８６）、図１９の処理を終了する。

図２０は、変形例の作業効率算出処理の詳細フローチャートである。
作業員組合せ計算部１４２は、作業状態データベースの履歴情報も含めて、作業属性、作業状態、作業員相性結果を参照する（ステップＳ９０）。そして、作業効率推定部１４３は、統計的手法による計算を行い（ステップＳ９１）、この作業員組合せの作業効率事例を算出すると（ステップＳ９２）、図２０の処理を終了する。

作業員組合せ計算装置１４は、作業状況データベース１３に蓄積された過去の作業チームにおける相性レベルとその作業結果を参照して、作業員の組合せによる作業効率を推定する。その際、作業員組合せ計算装置１４は、作業員人数や作業難易度、作業日数、１日当たりの作業時間、勤務体系、作業エリア環境、被ばく線量などの作業属性を入力値とし、作業状況に応じて各入力値に係数で重み付けする。

《第２の実施形態》
図２１は、第２の実施形態に係る作業チーム管理システム１Ａの構成図である。
第２の実施形態の作業チーム管理システム１Ａは、図１の作業チーム管理システム１に加えて更に、全体作業管理装置１６を備えている。それ以外の構成は、図１の作業チーム管理システム１と同様である。

全体作業管理装置１６は、全体作業を管理するものである。全体作業管理装置１６は、作業管理装置１５から作業管理データを受け取ると、各作業の更新データを作成して作業状況データベース１３に格納する。全体作業管理装置１６は更に、作成した各作業の更新データを作業管理装置１５に出力する。

図２２Ａと図２２Ｂは、作業チーム管理処理のフローチャートである。
最初、作業員２ａ～２ｃは、ロボットを操作して作業を実施する（ステップＳ３０）。

作業状況処理装置１２は、作業状態を測定し、これを分析して評価する（ステップＳ３１）。次に作業状況処理装置１２は、作業状況データベース１３に作業状態を記録して管理する（ステップＳ３２）。そして、作業員組合せ計算装置１４は、配置計算が必要であるか否かを判定する（ステップＳ３３）。ここで作業員組合せ計算装置１４は、作業状況処理装置１２で取得したデータが予め指定したしきい値を超えるとき、配置計算が必要であると判定する。

作業員組合せ計算装置１４は、配置計算が必要であるならば（Ｙｅｓ）、図２２ＢのステップＳ４０に進み、配置計算が必要でないならば（Ｎｏ）、ステップＳ３４の処理に進む。

ステップＳ３４にて、作業状況処理装置１２は、作業が完了したか否かを判定する。作業状況処理装置１２は、作業が完了していないならば（Ｎｏ）、ステップＳ３０の処理に戻り、作業が完了したならば（Ｙｅｓ）、図２２Ａの処理を終了する。

ステップＳ４０にて、作業員組合せ計算装置１４は、目的関数や制約条件を設定する。作業員組合せ計算装置１４は、作業員の相性計算の入力項目を選定する（ステップＳ４１）。そして作業員組合せ計算装置１４は、作業員の相性を計算する（ステップＳ４２）。ここで作業員の相性とは、過去の作業員の組み合わせにおける作業効率のことである。

次に作業員組合せ計算装置１４は、作業員の相性を区分けする（ステップＳ４３）。具体的にいうと、作業員組合せ計算装置１４は、作業員の相性を数値化してレベル分けする（ステップＳ４４）。そして、作業員組合せ計算装置１４は、作業員の組み合わせのランキングを計算する。

次に作業員組合せ計算装置１４は、該当する作業員の組み合わせの計算が完了したか否かを判定する（ステップＳ４５）。

ステップＳ４５にて、作業員組合せ計算装置１４は、作業員の組み合わせの計算が完了していないならば（Ｎｏ）、ステップＳ４０に戻り、作業員の組み合わせの計算が完了したならば（Ｙｅｓ）、ステップＳ４６に進む。

ステップＳ４６にて、作業監督は、作業員組合せ計算装置１４が計算した作業員の組み合わせに基づき、この作業チームの更新を判断する。この判断を受けて、作業管理装置１５は、作業員配置の更新と管理を行う（ステップＳ４７）。

全体作業管理装置１６は、全体作業の配置を管理して更新する（ステップＳ４８）。ステップＳ４８にて全体作業管理装置１６は、全体最適化もしくは局所最適化を実施する数理モデルによる計算アルゴリズムで作業員シフトを計算する。
ステップＳ４８の処理の後、作業者とロボットは、作業を再開して（ステップＳ４９）、図２２ＡのステップＳ３０に戻る。

《作業員の作業時間帯ごとの作業効率の変化》
作業員のデータを作業中に測定するにあたり、時間帯ごとにデータのばらつきがあるケースがある。例えば２４時間を４交代で回す場合、各作業員の作業効率は、作業時間帯ごとに変化する。そのため本変形例の作業員組合せ計算装置は、各作業員の作業効率の変化データから作業パターンを決定する機能と、各作業員の作業効率の変化データに基づいて作業員をクラスタリングする機能を有している。

図２３は、作業員組合せ計算装置１４Ａの構成図である。
作業員組合せ計算装置１４Ａは、第１の実施形態の作業員組合せ計算装置１４と同様な構成に加えて更に、作業パターン決定部１４４と、作業員クラスタリング部１４５を含んで構成される。
作業パターン決定部１４４は、各作業員の作業効率の変化データから作業パターンを決定する。作業員クラスタリング部１４５は、各作業員の作業効率の変化データに基づき各作業員をクラスタリングする。以降の処理は、作業員クラスタリング部１４５がクラスタリングした作業員の組み合わせで作業チームを編成することが前提となる。

作業員相性推定部１４１は、作業に従事する作業員の相性を数値化またはレベル分けし、作業員の相性を推定する。作業員組合せ計算部１４２は、作業員相性推定部１４１が計算した作業員の相性に基づいて、作業員クラスタリング部１４５がクラスタリングした作業員の組み合わせで作業チームを仮編成し、作業チームの相性レベルをランキングして、作業員の組み合わせを計算する。作業員組合せ計算部１４２は、全体最適化または局所最適化を実施する数理モデルで、作業チームの相性レベルをランキングする。このとき作業員組合せ計算部１４２は、各作業員の作業効率データの作業時間帯や作業効率の変化などに基づき、作業チーム全体としての作業効率を算出する。

作業効率推定部１４３は、作業状況データベース１３に蓄積された各作業チームの過去の相性レベルとその作業結果を参照して、作業員を組み合わせた作業チームによる作業効率を推定する。

図２４は、図１０ＢのステップＳ２０で示した目的関数と制約条件を設定する処理のフローチャートである。
作業パターン決定部１４４は、目的関数を各作業員の作業効率とし（ステップＳ１００）、制約条件を作業効率の最低値とする（ステップＳ１０１）。次に作業パターン決定部１４４は、目的関数の作業効率の変化と制約条件である作業効率の最低値から、制約条件に最適な作業時間と休憩時間のパターンを選択する（ステップＳ１０２）。これにより、作業員組合せ計算装置１４Ａは、現在の作業員に適した作業時間と休憩時間のパターンを選択できるので、作業効率の低下を抑制できる。

そして作業員クラスタリング部１４５は、作業効率の変化の度合いで作業員をクラスタリングすると（ステップＳ１０３）、図２４の処理を終了する。作業員組合せ計算装置１４Ａは、作業効率の変化の度合いが近似する作業員でクラスタリングしたものの中から作業チームを編成するので、作業効率の変化のばらつきが少ない好適な作業チームを編成できる。

図２５は、作業員Ａの作業時間帯ごとの作業効率の変化データを示す図である。
第１列は、作業の開始時間を示している。第２列は、作業開始時における作業員Ａの作業効率を示している。第３列は、作業員Ａの１時間後の作業効率を示している。第４列は、作業員Ａの２時間後の作業効率を示している。第５列は、作業員Ａの３時間後の作業効率を示している。

図２６は、作業員Ｂの作業時間帯ごとの作業効率の変化データを示す図である。
第１列は、作業の開始時間を示している。第２列は、作業開始時における作業員Ｂの作業効率を示している。第３列は、作業員Ｂの１時間後の作業効率を示している。第４列は、作業員Ｂの２時間後の作業効率を示している。第５列は、作業員Ｂの３時間後の作業効率を示している。

例えば作業パターンは、作業開始時から作業員を３時間に亘って作業させたのち、３時間に亘って休憩させ、再び３時間に亘って作業させるものとする。しかし、このような作業効率の変化データを参照して、例えば３時間後の作業効率の低下が顕著な作業員が所定割合以上存在したならば、作業パターンを変化させることが考えられる。例えば、作業開始時から作業員を２時間に亘って作業させたのち、２時間に亘って休憩させ、再び２時間に亘って作業させる作業パターンなどである。これにより、作業員に適した作業パターンを選択可能である。

《作業の難易度と作業効率の変化》
作業効率は、作業の難易度によって更に変化する。例えば作業員が困難な作業を実行した後の作業効率は、顕著に低下する。しかし、作業員が容易な作業を実行した後の作業効率は、さほど低下しない。作業の難易度別に作業効率の変化データに、所定の傾向があると推定できる。よって作業状況処理装置１２は、作業の難易度ごとに各作業員の作業効率を推定するとよい。

作業員組合せ計算装置１４Ａは、作業員が難しい作業を所定時間実施した後に、休憩を設定するとよい。これにより、作業効率の低下した作業員を作業から外すことができる。
また、作業員組合せ計算装置１４Ａは、作業員の回復状況を鑑み、困難な作業を実行したならば、次に易しい作業を設定するとよい。これにより、作業効率の低下した作業員であっても、この作業員が従事可能な作業を割り当てることができる。

（変形例）
本発明は上記した実施形態に限定されるものではなく、様々な変形例が含まれる。例えば上記した実施形態は、本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。ある実施形態の構成の一部を他の実施形態の構成に置き換えることが可能であり、ある実施形態の構成に他の実施形態の構成を加えることも可能である。また、各実施形態の構成の一部について、他の構成の追加・削除・置換をすることも可能である。

上記の各構成、機能、処理部、処理手段などは、それらの一部または全部を、例えば集積回路などのハードウェアで実現してもよい。上記の各構成、機能などは、プロセッサがそれぞれの機能を実現するプログラムを解釈して実行することにより、ソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイルなどの情報は、メモリ、ハードディスク、ＳＳＤ（Solid State Drive）などの記録装置、または、フラッシュメモリカード、ＤＶＤ（Digital Versatile Disk）などの記録媒体に置くことができる。

各実施形態に於いて、制御線や情報線は、説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には、殆ど全ての構成が相互に接続されていると考えてもよい。

１，１Ａ 作業チーム管理システム
１１ データ・インタフェース部
１２ 作業状況処理装置
１２１ 作業員バイタル測定部
１２２ 作業状態分析評価部
１２３ 作業属性分析評価部
１３ 作業状況データベース
１３１ 作業員相性記録管理部
１３２ 作業結果記録管理部
１３３ 作業状態記録管理部
１３４ 作業属性記録管理部
１４ 作業員組合せ計算装置 （作業員組合せ計算部）
１４１ 作業員相性推定部
１４２ 作業員組合せ計算部
１４３ 作業効率推定部
１４４ 作業パターン決定部
１４５ 作業員クラスタリング部
１５ 作業管理装置
１５１ 作業工程管理部
１５２ 作業員配置管理部
１６ 全体作業管理装置
２ａ～２ｃ 作業員
４ 作業付帯情報
５ 作業属性情報

Claims (14)

1. 作業に従事する作業員の組み合わせにおける作業の分析データの統計量から、過去の作業員の組み合わせにおける作業効率を計算する作業効率計算部と、
   前記作業に従事する作業チームの作業効率レベルをランキングして作業状況データベースに格納する作業員組合せ計算部と、
   前記作業状況データベースに蓄積された各作業チームの過去の作業効率レベルとその作業結果を参照して、統計的手法により、作業員を組み合わせた作業チームによる作業効率を推定する作業効率推定部と、
   を備えることを特徴とする作業員組合せ計算装置。
2. 前記作業員組合せ計算部は、前記作業員の過去の作業効率に基づき、作業効率の変化の度合いが近似する各前記作業員をクラスタリングする作業員クラスタリング部を更に備え、
   前記作業員組合せ計算部は、前記作業員クラスタリング部がクラスタリングした作業員から前記作業に従事する作業チームを編成し、当該作業チームの作業効率レベルをランキングする、
   ことを特徴とする請求項１に記載の作業員組合せ計算装置。
3. 前記作業員組合せ計算部は、前記作業員の過去の作業効率の変化データに基づき、当該作業員の所定時間周期の作業パターンにおける効率低下が顕著な場合、前記所定時間よりも短い周期の作業パターンを決定する作業パターン決定部を更に備える、
   ことを特徴とする請求項１に記載の作業員組合せ計算装置。
4. 前記作業効率計算部は、過去の作業における前記作業員の身体運動の持続時間を算出し、前記持続時間とその頻度との関係が１／Ｔ揺らぎに近いか否かによって幸福度を算出し、算出した前記作業員の幸福度に基づいて、前記作業に従事した作業チームの作業効率を数値化する、
   ことを特徴とする請求項１に記載の作業員組合せ計算装置。
5. 前記作業員組合せ計算部は、失敗が許容されない作業ならば、時間に対するバイタルデータの変化が分散する作業員の組み合わせを作業効率がよい結果と定義する、
   ことを特徴とする請求項１に記載の作業員組合せ計算装置。
6. 前記作業員組合せ計算部は、失敗が許容される作業ならば、時間に対するバイタルデータの変化が同等の作業員の組み合わせを作業効率がよい結果と定義する、
   ことを特徴とする請求項１に記載の作業員組合せ計算装置。
7. 前記作業員組合せ計算部は、全体最適化を実施する数理モデルで、前記作業チームの作業効率レベルをランキングする、
   ことを特徴とする請求項１に記載の作業員組合せ計算装置。
8. 前記作業員組合せ計算部は、局所最適化を実施する数理モデルで、前記作業チームの作業効率レベルをランキングする、
   ことを特徴とする請求項１に記載の作業員組合せ計算装置。
9. 前記作業員組合せ計算部は、作業属性や数値範囲や相性範囲の組み合わせを入力とし、教師データである作業効率との誤差が算出され、この誤差が最小化されるように回帰計算される深層学習モデルを用いて、前記作業チームの相性レベルをランキングする、ことを特徴とする請求項１に記載の作業員組合せ計算装置。
10. 前記作業員組合せ計算部は、前記作業の属性を入力値とし、当該作業の状況に応じて各入力値を係数で重み付けし、機械学習アルゴリズムを用いて過去の類似作業をランキングして、所定値よりも作業効率の高い類似作業と前記作業効率の組み合わせを抽出する、
    ことを特徴とする請求項１に記載の作業員組合せ計算装置。
11. 前記作業員組合せ計算部は、前記作業の属性を入力値とし、当該作業の状況に応じて各入力値を係数で重み付けし、数理モデルを用いて過去の類似作業をランキングして、所定値よりも作業効率の高い類似作業と前記作業効率の組み合わせを抽出する、
    ことを特徴とする請求項１に記載の作業員組合せ計算装置。
12. 前記作業の属性とは、当該作業に従事する作業員の人数、当該作業の難易度、当該作業の日数、当該作業の１日当たりの作業時間、当該作業に従事する作業員の勤務体系、当該作業のエリア環境、当該作業に従事する作業員の被ばく線量のうち何れかが含まれる、
    ことを特徴とする請求項１に記載の作業員組合せ計算装置。
13. 作業に従事する作業員の組み合わせにおける作業の分析データの統計量から、過去の作業員の組み合わせにおける作業効率を計算する作業効率計算部と、
    前記作業に従事する作業チームの作業効率レベルをランキングして作業状況データベースに格納する作業員組合せ計算部と、
    前記作業状況データベースに蓄積された各作業チームの過去の作業効率レベルとその作業結果を参照して、統計的手法により、作業員を組み合わせた作業チームによる作業効率を推定する作業効率推定部と、
    を備えることを特徴とする作業チーム管理システム。
14. 作業効率計算部が、作業に従事する作業員の組み合わせにおける作業の分析データの統計量から、過去の作業員の組み合わせにおける作業効率を計算するステップと、
    作業員組合せ計算部が、前記作業に従事する作業チームの作業効率レベルをランキングして作業状況データベースに格納するステップと、
    作業効率推定部が、前記作業状況データベースに蓄積された各作業チームの過去の作業効率レベルとその作業結果を参照して、統計的手法により、作業員を組み合わせた作業チームによる作業効率を推定するステップと、
    を実行することを特徴とする作業員組合せ計算方法。

Images