提供能够更自动地分析作业且能够缩短分析所需的时间的分析系统、分析方法、程序以及存储介质。实施方式的分析系统具备取得部、处理部。上述取得部取得表示包含多个作业在内的第1工序中的作业者的动作的时序数据。上述处理部检测上述时序数据中的状态的多个变化点,使用上述多个变化点将上述时序数据与上述多个作业的各个作业之间建立对应。
Analysis system, analysis method, program and storage medium
【技术实现步骤摘要】
分析系统、分析方法、程序以及存储介质
本专利技术的实施方式涉及分析系统、分析方法、程序以及存储介质。
技术介绍
以往,为了改善制造现场的生产性,采用了使用视频拍摄或秒表(stopwatch)来记录与作业有关的信息并对该信息进行分析的方法。在反复进行包含多个作业的工序的情况下,在分析中,进行工序的周期的提取、作为其明细的时序图的制作、作业者间的作业的区别等的提取。为了缩短分析所需的时间,存在对这些分析进行支援的工具。但是,在使用了该工具的情况下也需要由人进行信息的标记和判断。此外,因分析的人的技术和经验等不同而产生判断的偏差。因此,期望开发出能够更加自动地分析并且能够进一步缩短分析所需的时间的技术。现有技术文献专利文献专利文献1:日本特开2017-091249号公报
技术实现思路
专利技术要解决的课题本专利技术要解决的课题是,提供一种能够更加自动地分析作业并且能够缩短分析所需的时间的分析系统、分析方法、程序以及存储介质。用于解决课题的手段实施方式的分析系统具备取得部和处理部。上述取得部取得表示包含多个作业在内的第1工序中的作业者的动作的时序数据。上述处理部检测上述时序数据中的状态的多个变化点,使用上述多个变化点,进行上述时序数据与上述多个作业的各个作业之间的建立对应。附图说明图1是表示第1实施方式的分析系统的构成的框图。图2是用于说明第1实施方式的分析系统中的处理的模式图。图3是用于说明第1实施方式的分析系统中的处理的模式图。图4是用于说明第1实施方式的分析系统中的处理的模式图。图5是用于说明第1实施方式的分析系统中的处理的模式图。图6是表示第1实施方式的分析系统中的处理的流程图。图7是用于说明第1实施方式的第1变形例的分析系统中的处理的模式图。图8是表示第1实施方式的第1变形例的分析系统中的处理的流程图。图9是用于说明第1实施方式的第2变形例的分析系统中的处理的模式图。图10是表示第1实施方式的第2变形例的分析系统中的处理的流程图。图11是用于说明第1实施方式的第3变形例的分析系统中的处理的模式图。图12是表示第1实施方式的第3变形例的分析系统中的处理的流程图。图13是用于说明第1实施方式的第4变形例的分析系统中的处理的模式图。图14是表示第1实施方式的第4变形例的分析系统中的处理的流程图。图15是表示第2实施方式的分析系统的构成的框图。图16是表示循环神经网络的模式图。图17是表示LSTM构造的框图。图18是表示第2实施方式的分析系统中的处理的流程图。图19是表示在实施例中取得的数据的曲线图。图20是表示与实施例有关的数据的曲线图。具体实施方式以下参照附图来说明本专利技术的各实施方式。此外,在本申请说明书和各图中,对于与已经说明过的要素相同的要素,附加相同的附图标记而适当省略详细的说明。图1是表示第1实施方式的分析系统的构成的框图。图2~图5是用于说明第1实施方式的分析系统中的处理的模式图。如图1所示,分析系统1具有取得部10、处理部20、存储部30以及显示部40。分析系统1为了分析从事于某工序的作业者的动作而被使用。以下,说明对包含多个作业的第1工序中的作业者的动作进行分析的情况。取得部10取得表示第1工序中的作业者的动作的时序数据。取得部10包括例如摄像装置。取得部10对正在作业的作业者进行摄影,并从得到的影像中提取作业者的骨骼信息。取得部10取得伴随时间经过的骨骼的一部分(例如头部)的位置变化,作为表示作业者的动作的时序数据。或者,取得部10也可以从骨骼信息中提取关节的角度。取得部10取得伴随时间经过的关节的角度(例如肘的角度)变化,作为表示作业者的动作的时序数据。关节的角度不怎么依赖于体格。因此,通过使用关节的角度变化作为时序数据,能够降低不同体格对分析造成的影响,使分析的精度提高。另外,骨骼信息的提取、骨骼的位置变化的检测、间接的角度变化的检测等也可以通过后述的处理部20来进行。或者,取得部10也可以包括加速度计。加速度计被安装在作业者的腕部或脚等身体的一部分。取得部10取得作业者进行了第1工序时所得到的加速度、角速度、方位等信息,作为表示作业者的动作的时序数据。取得部10将所取得的数据存储于存储部30。存储部30是硬盘驱动器、闪存或网络硬盘等。图2的(a)是由取得部10取得且被存储于存储部30的时序数据的一例。图2的(a)是在第1工序中由安装在作业者的手腕的加速度计取得的加速度信息。图2的(b)以后的时序数据表示处理部20所进行的处理。在图2~图5所包含的时序数据中,横轴表示时间Ti,纵轴表示加速度Ac。处理部20(处理回路)分析存储部30所存储的时序数据。首先,处理部20将时序数据分割为多个状态,并提取状态的变化点。状态的变化点的提取使用了例如针对分层狄利克雷过程的隐马尔可夫模型(HDP-HMM)、k-means法、x-means法或谱聚类。图2的(b)表示处理部20所进行的分割的结果。如图2的(b)所示,时序数据被分割为多个状态A,状态A彼此之间的变化点B被提取。接着,处理部20参照第1工序中包含的各作业所需的标准的时间。各作业的标准时间被预先存储于例如存储部30。标准时间可以由人决定,也可以是,自动地读入输入作业的操作手册等所记载的时间。图2的(c)是其一例。在图2的(c)的例子中,第1工序C包含作业C1(第1作业)、作业C2(第2作业)、作业C3(第3作业)。作业C1~C3分别需要18秒、35秒以及19秒。接着,处理部20使用变化点的提取结果以及作业的标准时间,来分析时序数据与各作业之间的对应关系。首先,处理部20在时序数据中设定第1工序C(作业C1)的开始点。例如,多个变化点B的某一个被设定为开始点。或者,开始点也可以被随机地设定,也可以基于某些规则而被设定。处理部20在设定作业C1的开始点时,对作业C2的开始点的候选进行采样。另外,这里对将作业C2的开始点视为与作业C1的结束点一致的情况进行说明。作为一例,如图3的(a)所示,决定作业C1的开始点D1,并设定样本D2a~D2c,作为作业C2的开始点(作业C1的结束点)。例如,样本被设定为以从开始点D1起经过了作业C1所需时间(18秒)后的时间为中心。样本的数量考虑处理所需的时间以及必要的分析的精度而被决定。样本在例如距该中心为规定的范围内以一定间隔或随机地设定。或者,样本的数量可以被设定为,中心附近更多,越从中心远离则越变少。作为一例,对于作业C1~C3的每个作业,如图3的(b)所示,概率分布被预先设定。在图3的(b)中,横轴表示时间Ti,纵轴表示能够取得各时间的概率P。概率P的峰值位于标准时间。处理部20可以按照该概率分布来设定样本。处理部20本文档来自技高网...
【技术保护点】
1.一种分析系统,其中,具备:/n取得部,取得时序数据,该时序数据表示包含多个作业在内的第1工序中的作业者的动作;以及/n处理部,检测上述时序数据中的状态的多个变化点,使用上述多个变化点,将上述时序数据与上述多个作业的各个作业之间建立对应。/n
【技术特征摘要】
20180809 JP 2018-1502131.一种分析系统,其中,具备:
取得部,取得时序数据,该时序数据表示包含多个作业在内的第1工序中的作业者的动作;以及
处理部,检测上述时序数据中的状态的多个变化点,使用上述多个变化点,将上述时序数据与上述多个作业的各个作业之间建立对应。
2.如权利要求1所述的分析系统,其中,
上述处理部,
在上述时序数据中提取彼此相似的多个相似部分,
基于上述相似部分相互之间的时间的长度,切出上述时序数据的一部分,
在上述建立对应中,将所切出的上述时序数据与上述多个作业的各个作业建立对应。
3.如权利要求1或2所述的分析系统,其中,
上述多个作业包含第1作业和在上述第1作业之后执行的第2作业,
上述处理部,在上述建立对应中,
生成包含分别与上述第1作业以及上述第2作业的开始点以及结束点对应的多个样本在内的样本路径,
基于上述多个样本与上述多个变化点之间的适合程度,计算第1评价值,
在上述建立对应中,使用上述第1评价值将上述时序数据与上述第1作业以及上述第2作业分别建立对应。
4.如权利要求3所述的分析系统,其中,
上述处理部,在上述建立对应中,
基于上述多个样本,从上述时序数据提取与上述第1作业对应的第1数据和与上述第2作业对应的第2数据,
计算上述第1数据与上述第2数据之间的第1相似度,
在计算上述第1评价值时,基于上述适合程度、上述第1相似度、上述第1作业与上述第2作业之间的第2相似度来计算上述第1评价值。
5.如权利要求3或4所述的分析系统,其中,
上述处理部,在上述样本路径的生成中,
将上述多个变化点中的一个变化点设定为上述第1作业的开始点,
基于上述第1作业所需的时间,设定多个样本作为上述第2作业的开始点的候选,
对于上述多个样本的各个样本,计算至最靠近的上述变化点为止的距离,
使用上述多个距离,将上述多个样本中的一个样本设定为上述第2作业的开始点。
6.如权利要求3或4所述的分析系统,其中,
上述处理部,在上述样本路径的生成中,
将上述多个变化点中的一个变化点设定为上述第1作业的开始点,
基于上述第1作业所需的时...
【专利技术属性】
技术研发人员:浪冈保男,
申请(专利权)人:株式会社东芝,
类型:发明
国别省市:日本;JP
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。