作業(yè)者品質(zhì)管理方法和作業(yè)者品質(zhì)管理裝置的制造方法
【專利摘要】本發(fā)明的課題為從以重復(fù)進(jìn)行同一作業(yè)為特征的作業(yè)現(xiàn)場的圖像，自動判定各作業(yè)者的作業(yè)狀況是正常還是異常。本發(fā)明提供作業(yè)者品質(zhì)管理方法和作業(yè)者品質(zhì)管理裝置。對于進(jìn)行重復(fù)動作的作業(yè)的作業(yè)者的作業(yè)品質(zhì)管理方法的特征為具備：根據(jù)過去的作業(yè)者的動作路線數(shù)據(jù)、該作業(yè)對象物過去的中間品質(zhì)數(shù)據(jù)和該作業(yè)對象物過去的最終品質(zhì)數(shù)據(jù)，在統(tǒng)計學(xué)上構(gòu)建以動作路線數(shù)據(jù)和中間品質(zhì)數(shù)據(jù)為輸入，以最終品質(zhì)數(shù)據(jù)為輸出的預(yù)測模型的模型構(gòu)建步驟；根據(jù)拍攝的圖像數(shù)據(jù)，識別作業(yè)者位置的作業(yè)者位置識別步驟；把在作業(yè)者位置識別步驟中識別出的作業(yè)者位置代入模型構(gòu)建步驟中構(gòu)建的模型中，判定對象的作業(yè)是正常還是異常的作業(yè)者位置異常判定步驟。
【專利說明】
作業(yè)者品質(zhì)管理方法和作業(yè)者品質(zhì)管理裝置
技術(shù)領(lǐng)域
[0001 ]本發(fā)明涉及作業(yè)者品質(zhì)管理方法和作業(yè)者品質(zhì)管理裝置。
【背景技術(shù)】
[0002]作為本技術(shù)領(lǐng)域的【背景技術(shù)】，有日本特開2010-211626號公報(專利文獻(xiàn)I)。該公報記載了“動作路線監(jiān)視系統(tǒng)包括:拍攝裝置200，其生成對在輸送裝置中輸送的第一移動體和第二移動體進(jìn)行拍攝得到的時序拍攝數(shù)據(jù);特征點抽出單元140，其從時序拍攝數(shù)據(jù)中按時序抽出第一移動體的特征點的位置;時序位置坐標(biāo)計算單元150，其基于從時序拍攝數(shù)據(jù)求出的、第二移動體相對于第一移動體的特征點的相對位置，計算在使第一移動體靜止的狀態(tài)下表示的基準(zhǔn)坐標(biāo)上的第二移動體的時序位置坐標(biāo);數(shù)據(jù)蓄積部170，其蓄積基準(zhǔn)坐標(biāo)上的第二移動體的時序位置坐標(biāo)”。
[0003]在上述專利文獻(xiàn)I中記載了從拍攝數(shù)據(jù)取得移動體的動作路線的技術(shù)。但是，在專利文獻(xiàn)I中無法判定取得的動作路線是正常還是異常。
[0004]專利文獻(xiàn)1:日本特開2010-211626號公報

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于，從以反復(fù)進(jìn)行同一作業(yè)為特征的作業(yè)現(xiàn)場的圖像，自動判定各作業(yè)者的作業(yè)狀況是正常還是異常。
[0006]為了解決上述的問題，例如采用權(quán)利要求中記載的方法。
[0007]作為代表性的手段，具有以下的方法:把從拍攝數(shù)據(jù)取得的作業(yè)者的位置(本體位置、間接位置)數(shù)據(jù)與品質(zhì)檢查結(jié)果之間的關(guān)系在統(tǒng)計學(xué)上模型化，通過把判定對象的位置數(shù)據(jù)或間接的位置數(shù)據(jù)代入模型，判定動作路線是正常還是異常。
[0008]根據(jù)本發(fā)明，能夠在以反復(fù)進(jìn)行同一作業(yè)為特征的作業(yè)現(xiàn)場，自動判定各作業(yè)者的作業(yè)狀況是正常還是異常。
[0009]通過以下的實施方式的說明，會使上述以外的問題、結(jié)構(gòu)和效果變得明確。
【附圖說明】
[0010]圖1是作業(yè)者品質(zhì)管理方法的處理流程圖。
[0011]圖2是過去的動作路線數(shù)據(jù)的例子。
[0012]圖3是品質(zhì)數(shù)據(jù)的例子。
[0013]圖4是距離矩陣的例子。
[0014]圖5是存儲了貝葉斯網(wǎng)絡(luò)(Bayesiannetwork)中的網(wǎng)絡(luò)結(jié)構(gòu)的例子。
[0015]圖6是貝葉斯網(wǎng)絡(luò)中的帶條件概率的例子。
[0016]圖7是作業(yè)品質(zhì)管理方法和系統(tǒng)的第二實施方式的處理流程圖。
[0017]圖8是作業(yè)狀態(tài)標(biāo)志的例子。
[0018]圖9是作業(yè)品質(zhì)管理方法和系統(tǒng)的第二個實施方式的例子中的框圖。
[0019]圖10是異常度推移顯示畫面的例子。
[0020]圖11是標(biāo)準(zhǔn)動作路線比較結(jié)果顯示畫面的例子。
[0021]圖12是作業(yè)時間推移顯示畫面的例子。
[0022]圖13是標(biāo)準(zhǔn)動作路線定義畫面的例子。
[0023]圖14是檢測條件設(shè)定畫面的例子。
[0024]圖15是用于推定概率分布的處理方法。
[0025]附圖標(biāo)記的說明
[0026]101:過去數(shù)據(jù)取得步驟；102:模型構(gòu)建步驟；103:圖像數(shù)據(jù)取得步驟；104:作業(yè)位置識別步驟；105:作業(yè)者位置異常判定步驟;201:幀編號；202:重心的X坐標(biāo);203:重心的Y坐標(biāo)；204:頭的X坐標(biāo)；205:頭的Y坐標(biāo)；206:肩的X坐標(biāo)；207:肩的Y坐標(biāo)；208:經(jīng)過時間；601:對象節(jié)點；602:父節(jié)點；603:帶條件概率；701:圖像數(shù)據(jù)取得步驟(圖像取得步驟)；702:作業(yè)狀態(tài)判定步驟;703:作業(yè)開始識別步驟;704:作業(yè)者位置識別步驟;705:作業(yè)者位置異常檢測步驟;706:作業(yè)結(jié)束識別步驟;707:作業(yè)時間異常檢測步驟;708:動作路線識別步驟;709:動作路線異常檢測步驟;801:作業(yè)狀態(tài)標(biāo)志;901: DB部;902:傳感器部;903:引擎部;904:顯示部；1101:異常檢測對象的動作路線；1102:標(biāo)準(zhǔn)的動作路線；1301:節(jié)點；1302:時刻；1501:過去的動作路線數(shù)據(jù)取得步驟；1502:過去的動作路線數(shù)據(jù)選擇步驟；1503:概率分布推定步驟。
【具體實施方式】
[0027]以下，使用【附圖說明】實施例。
[0028]圖1是作業(yè)品質(zhì)管理方法和作業(yè)者品質(zhì)管理裝置的處理流程圖。
[0029]本實施例由以下步驟構(gòu)成:過去數(shù)據(jù)取得步驟101，取得過去的動作路線數(shù)據(jù)、制品完成前的各作業(yè)的數(shù)值檢查即中間品質(zhì)數(shù)據(jù)、判定制品完成后是否能夠作為制品出廠的最終品質(zhì)數(shù)據(jù);模型構(gòu)建步驟102，根據(jù)取得的過去數(shù)據(jù)構(gòu)建統(tǒng)計模型；圖像數(shù)據(jù)取得步驟103，取得通過照相機(jī)等裝置拍攝到的圖像(動畫或以預(yù)定的時間間隔取得的連續(xù)的靜止畫面)數(shù)據(jù);作業(yè)者位置識別步驟104，識別圖像數(shù)據(jù)中包含的作業(yè)者，取得該作業(yè)者的位置信息;作業(yè)者位置異常判定步驟105，把在作業(yè)者位置識別步驟中識別出的位置信息即動作路線數(shù)據(jù)(重心位置等整個作業(yè)者的動作路線數(shù)據(jù)或頭、關(guān)節(jié)(肩、肘、膝等)這樣的作業(yè)者身體一部分的動作路線數(shù)據(jù))代入到在上述模型構(gòu)建步驟102中構(gòu)建的模型中，判定是否為正常。
[0030]在過去數(shù)據(jù)取得步驟101中，取得過去識別出的動作路線數(shù)據(jù)、過去的中間品質(zhì)數(shù)據(jù)，過去的最終品質(zhì)數(shù)據(jù)。
[0031]圖2表示在上述的過去數(shù)據(jù)取得步驟101中取得的過去的動作路線數(shù)據(jù)的例子。
[0032]201表示對象的圖像數(shù)據(jù)的幀編號。202?207表示取得的作業(yè)者的重心、頭的位置、肩的位置各自的XY坐標(biāo)。208表示從對象的圖像數(shù)據(jù)的作業(yè)開始起的經(jīng)過時間。
[0033]圖3表示品質(zhì)數(shù)據(jù)的例子。在上述的過去數(shù)據(jù)取得步驟101中，通過該表取得中間品質(zhì)數(shù)據(jù)和最終品質(zhì)數(shù)據(jù)。第I列表示用于識別制品的制品ID，第2列以后表示品質(zhì)數(shù)據(jù)。
[0034]在模型構(gòu)建步驟102中，基于在上述的過去數(shù)據(jù)取得步驟101中取得的過去數(shù)據(jù)，構(gòu)建以動作路線數(shù)據(jù)和中間品質(zhì)數(shù)據(jù)為輸入，預(yù)測并輸出最終品質(zhì)數(shù)據(jù)的統(tǒng)計模型，將該統(tǒng)計模型存儲在DB部901中。后述的統(tǒng)計模型構(gòu)建引擎執(zhí)行該處理。
[0035]由于針對每個制品ID動作路線數(shù)據(jù)的長度不同，所以變換成距離矩陣。
[0036]圖4表示距離矩陣的例子。第I列表示制品ID。另外，例如，圖4的表中的2行3列成分表示針對制品IDl的作業(yè)者的動作路線數(shù)據(jù)與針對制品ID2的動作路線數(shù)據(jù)的距離。作為距離的例子，有Gromov-Hausdorf f距離。
[0037]然后，生成以制品ID為關(guān)鍵字在列方向上結(jié)合了距離矩陣、中間品質(zhì)數(shù)據(jù)以及最終品質(zhì)數(shù)據(jù)而得到的矩陣，從而構(gòu)建統(tǒng)計模型。作為統(tǒng)計模型的例子，有貝葉斯網(wǎng)絡(luò)等。貝葉斯網(wǎng)絡(luò)是具有帶條件概率的有向網(wǎng)絡(luò)。
[0038]圖5表示存儲了貝葉斯網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)的例子。行方向表示子節(jié)點，列方向表示父節(jié)點。例如，第2行第5列的值為I，這表示對制品ID = I距離與中間品質(zhì)數(shù)據(jù)I之間存在父子關(guān)系。即，對制品ID = I距離與中間品質(zhì)數(shù)據(jù)I通過邊緣連接，關(guān)于方向是以中間品質(zhì)數(shù)據(jù)I為始發(fā)，以對制品ID = I距離為目的地。
[0039]圖6表示了貝葉斯網(wǎng)絡(luò)的帶條件概率的例子。對象節(jié)點601、父節(jié)點602分別表示對象的節(jié)點。帶條件概率603的數(shù)字表示概率的值。
[0040]圖像數(shù)據(jù)取得步驟103是從在作業(yè)現(xiàn)場設(shè)置的照相機(jī)等電子設(shè)備或者保存過去取得的圖像數(shù)據(jù)的數(shù)據(jù)庫取得圖像數(shù)據(jù)的步驟。可以利用的電子設(shè)備有照相機(jī)、把照相機(jī)圖像和深度傳感器數(shù)據(jù)組合起來的3D照相機(jī)等。
[0041]關(guān)于要取得的圖像數(shù)據(jù)，具有從電子設(shè)備只取得一幀最新的圖像的方法、與數(shù)據(jù)庫中保存的過去取得的圖像數(shù)據(jù)一起取得多個幀的方法等。
[0042]作業(yè)者位置識別步驟104是搜索在取得的圖像數(shù)據(jù)內(nèi)拍攝到的作業(yè)者，取得圖像數(shù)據(jù)內(nèi)的作業(yè)者的重心、頭的位置和肩的位置的XY坐標(biāo)、以及從作業(yè)開始起的經(jīng)過時間的步驟。
[0043]作為搜索作業(yè)者的方法，具有事先向計算機(jī)輸入拍攝到作業(yè)者的圖像數(shù)據(jù)和沒有拍攝到作業(yè)者的圖像數(shù)據(jù)，使用機(jī)械學(xué)習(xí)技術(shù)，根據(jù)圖像數(shù)據(jù)構(gòu)建用于判定是否拍攝到作業(yè)者的模型，使用該模型的方法;比較多個幀的圖像，抽出運(yùn)動的物體，將其作為作業(yè)者(作業(yè)者本體、作業(yè)者的身體的一部分)的方法。
[0044]作為取得從作業(yè)開始起的經(jīng)過時間的方法，有從工廠的制造執(zhí)行系統(tǒng)的起始履歷取得作業(yè)開始和結(jié)束時刻，將其與從電子設(shè)備取得圖像數(shù)據(jù)的時刻進(jìn)行比較的方法;從圖像數(shù)據(jù)推定作業(yè)內(nèi)容，取得從作業(yè)開始起的經(jīng)過時間的方法。
[0045]作業(yè)者位置異常判定步驟105是通過把在作業(yè)者位置識別步驟104中識別出的作業(yè)者的位置信息代入在模型構(gòu)建步驟102中構(gòu)建的預(yù)測模型，判定作業(yè)者的位置是正常還是異常的步驟。
[0046]作為正常時的位置信息的模型，具有存儲標(biāo)準(zhǔn)的位置數(shù)據(jù)的推移，使用該標(biāo)準(zhǔn)的位置數(shù)據(jù)的推移的方法;根據(jù)過去的位置數(shù)據(jù)存儲表示在哪個位置存在的概率是怎樣的程度的概率分布，使用該概率分布的方法。
[0047]圖7是作業(yè)品質(zhì)管理方法和系統(tǒng)的第二個實施方式的處理流程圖。
[0048]本實施例的處理的流程具有以下步驟:從照相機(jī)等設(shè)備取得圖像數(shù)據(jù)的圖像數(shù)據(jù)取得步驟701;判定在當(dāng)前時刻，作業(yè)狀況是在作業(yè)中還是不在作業(yè)中的作業(yè)狀態(tài)判定步驟702;根據(jù)取得的圖像數(shù)據(jù)，判定作業(yè)是否已經(jīng)開始的作業(yè)開始識別步驟703;識別作業(yè)者的位置的作業(yè)者位置識別步驟704;判定作業(yè)者的位置是正常還是異常的作業(yè)者位置異常檢測步驟705;根據(jù)取得的圖像數(shù)據(jù)，識別作業(yè)是否已經(jīng)結(jié)束的作業(yè)結(jié)束識別步驟706;根據(jù)識別出的作業(yè)開始、結(jié)束時刻計算作業(yè)時間，識別作業(yè)時間是異常還是正常的作業(yè)時間異常檢測步驟707;把從作業(yè)開始時刻到作業(yè)結(jié)束時刻之間的作業(yè)者的位置識別為動作路線的動作路線識別步驟708;以及判定識別出的動作路線數(shù)據(jù)是異常還是正常的動作路線異常檢測步驟709。
[0049]圖像數(shù)據(jù)取得步驟701進(jìn)行與圖1中的過去數(shù)據(jù)取得步驟101同樣的處理。
[0050]作業(yè)狀態(tài)判定步驟702，讀取在存儲器上存儲的作業(yè)狀態(tài)標(biāo)志，取得與作業(yè)狀態(tài)是在作業(yè)中還是不在作業(yè)中有關(guān)的信息。
[0051 ]圖8表示作業(yè)狀態(tài)標(biāo)志的例子。在作業(yè)狀態(tài)標(biāo)志801中保存有為作業(yè)中的信息。作為表示不在作業(yè)中時的保存方法，具有保持非作業(yè)中這樣的信息的方法等。
[0052]在作業(yè)狀態(tài)判定步驟702中，在作業(yè)狀態(tài)標(biāo)志為在作業(yè)中時，進(jìn)入到作業(yè)者位置識別步驟704，在作業(yè)狀態(tài)標(biāo)志為不在作業(yè)中時，進(jìn)入到作業(yè)開始識別步驟703。這些處理由作業(yè)狀態(tài)判定引擎來進(jìn)行。
[0053]在作業(yè)開始識別步驟703中，根據(jù)過去的多個幀的圖像中的各個圖像的特征量的推移，判定作業(yè)的開始。在沒有開始作業(yè)時，返回到作業(yè)狀態(tài)判定步驟702。在開始了作業(yè)時進(jìn)入到作業(yè)者位置識別步驟704。該判定由后述的作業(yè)開始判定引擎使用后述的作業(yè)開始判定模型來進(jìn)行。作為使用了該作業(yè)開始判定模型的判定方法，具有將過去的多個幀的圖像中的特征量的推移與預(yù)先設(shè)定的閾值進(jìn)行比較，由此來識別作業(yè)開始的方法;根據(jù)過去的多個幀的圖像中的特征量的推移和在各時刻是否在作業(yè)中的數(shù)據(jù)，通過機(jī)械學(xué)習(xí)技術(shù)構(gòu)建用于預(yù)測是否在作業(yè)中的預(yù)測模型的方法等。
[0054]作業(yè)者位置識別步驟704進(jìn)行與圖1中的作業(yè)者位置識別步驟104同樣的處理。該處理由后述的作業(yè)者位置識別引擎進(jìn)行。
[0055]作業(yè)者位置異常檢測步驟705是把在作業(yè)者位置識別步驟704中識別出的作業(yè)者的位置信息與預(yù)先設(shè)定的正常時的位置信息模型進(jìn)行比較，從而判定作業(yè)者的位置是正常還是異常的步驟。該處理由后述的作業(yè)者位置異常檢測引擎使用作業(yè)位置異常檢測模型來進(jìn)行。
[0056]作為正常時的位置信息的模型，具有保存標(biāo)準(zhǔn)的位置數(shù)據(jù)的推移(標(biāo)準(zhǔn)動作路線)，使用該標(biāo)準(zhǔn)的位置數(shù)據(jù)的推移的方法;根據(jù)過去的位置數(shù)據(jù)保存表示在哪個位置存在的概率是何種程度的概率分布，使用概率分布該概率分布的方法。
[0057]在作業(yè)結(jié)束識別步驟706中，根據(jù)過去的多個幀的圖像中的各個圖像的特征量的推移，判定作業(yè)的結(jié)束。在判定為作業(yè)沒有結(jié)束時，返回到圖像數(shù)據(jù)取得步驟701。在判定為作業(yè)結(jié)束時進(jìn)入到作業(yè)時間異常檢測步驟707。判定由后述的作業(yè)結(jié)束判定引擎使用后述的作業(yè)結(jié)束判定模型來進(jìn)行。作為判定的方法，具有將過去的多個幀的圖像中的特征量的推移和預(yù)先設(shè)定的閾值進(jìn)行比較，由此來識別作業(yè)結(jié)束的方法;根據(jù)過去的多個幀的圖像中的特征量的推移和在各時刻是否在作業(yè)中的數(shù)據(jù)，通過機(jī)械學(xué)習(xí)技術(shù)構(gòu)建用于預(yù)測是否在作業(yè)中的預(yù)測模型的方法等。
[0058]在作業(yè)時間異常檢測步驟707中，具有根據(jù)在作業(yè)開始識別步驟703中識別出的作業(yè)開始時刻與在作業(yè)結(jié)束識別步驟706中識別出的作業(yè)結(jié)束時刻的差取得作業(yè)時間，將其與預(yù)先設(shè)定的閾值進(jìn)行比較，把與閾值的差作為異常度，將異常度為一定值以上判定為異常，如果異常度不到一定值則判定為作業(yè)正常的方法等。該異常度也可以像后述那樣表示。這些處理由后述的作業(yè)時間異常檢測引擎使用后述的作業(yè)時間異常檢測模型來進(jìn)行。
[0059]在動作路線識別步驟708中，基于在作業(yè)位置識別步驟704中識別出的各時刻的作業(yè)者位置，生成每個作業(yè)者的動作路線數(shù)據(jù)，該動作路線數(shù)據(jù)的生成由后述的動作路線識別引擎使用后述的動作路線檢測模型來進(jìn)行。
[0060]關(guān)于動作路線數(shù)據(jù)的生成方法，具有基于時刻t-Ι和時刻t的作業(yè)者位置，預(yù)測時亥ljt+?的位置，把位于最近的位置的作業(yè)者位置當(dāng)做相應(yīng)的作業(yè)者在時刻t+Ι的位置，推定動作路線的方法等。作為預(yù)測時刻t+Ι的位置的方法，例如具有狀態(tài)空間模型等。
[0061]在動作路線異常檢測步驟709中是判定在動作路線識別步驟708中識別出的動作路線是正常還是異常的步驟。該判定由后述的動作路線異常檢測引擎使用后述的動作路線異常檢測模型來進(jìn)行。
[0062]作為進(jìn)行判定的方法，具有計算與預(yù)先設(shè)定的標(biāo)準(zhǔn)的動作路線數(shù)據(jù)的差，將該差與預(yù)先設(shè)定的閾值進(jìn)行比較的方法等。
[0063]此時，作為差的計算方法有Gromov-Hausdorff距離等。
[0064]另外，作為其它的異常判定方法，具有把動作路線數(shù)據(jù)埋入I點由動作路線數(shù)據(jù)構(gòu)成的空間中，通過同樣的埋入映射還埋入過去的動作路線數(shù)據(jù)，推定概率分布，計算異常判定對象的動作路線的發(fā)生概率的方法等。
[0065]作為埋入方法，具有將Gromov-Hausdorff距離放入到I點由一維流形構(gòu)成的集合中，從而在距離化的空間中埋入的方法等。
[0066]圖9表示作業(yè)品質(zhì)管理方法和系統(tǒng)的第二個實施方式的例子中的框圖。
[0067]DB部901由作業(yè)開始判定模型、作業(yè)位置檢測模型、作業(yè)結(jié)束判定模型、作業(yè)時間異常檢測模型、動作路線檢測模型、動作路線異常檢測模型、過去數(shù)據(jù)構(gòu)成，通過網(wǎng)絡(luò)與傳感器部902、引擎部903連接。
[0068]傳感器部902具備照相機(jī)和3D照相機(jī)，通過網(wǎng)絡(luò)與DB部901和引擎部903連接。
[0069]引擎部903具備:作業(yè)開始判定引擎、作業(yè)結(jié)束判定引擎、作業(yè)狀態(tài)判定引擎、作業(yè)者位置識別引擎、作業(yè)者位置異常檢測引擎、動作路線識別引擎、動作路線異常檢測引擎、作業(yè)時間異常檢測引擎、統(tǒng)計模型構(gòu)建引擎，通過網(wǎng)絡(luò)與DB部901、傳感器部902、顯示部904連接。
[0070]顯示部904由異常度推移顯示畫面、標(biāo)準(zhǔn)動作路線比較結(jié)果顯示畫面、作業(yè)時間推移顯示畫面、標(biāo)準(zhǔn)動作路線定義畫面、檢測條件設(shè)定畫面構(gòu)成，通過網(wǎng)絡(luò)與引擎部903連接。
[0071]圖10表示異常度推移顯示畫面的例子。橫軸表示處理時刻，縱軸表示異常度。除了處理時刻以外，也有使橫軸為處理ID的方法?？v軸的異常度是在作業(yè)時間異常檢測步驟707中求出的異常度。
[0072]圖11表示標(biāo)準(zhǔn)動作路線比較結(jié)果顯示畫面的例子。是把異常檢測對象的動作路線(目標(biāo)路徑)1101與標(biāo)準(zhǔn)動作路線(普通路徑)1102重疊后的圖。檢測對象的動作路線和標(biāo)準(zhǔn)動作路線是在動作路線異常檢測步驟709中使用的。
[0073]圖12表示作業(yè)時間推移顯示畫面的例子。橫軸表示處理時刻，縱軸表示各作業(yè)需要的作業(yè)時間。除了處理時刻以外，也有使橫軸為處理ID的方法。
[0074]圖13表示標(biāo)準(zhǔn)動作路線定義畫面的例子。在標(biāo)準(zhǔn)動作路線定義畫面中，具有通過操作鼠標(biāo)可自由地移動用邊緣連起來的節(jié)點1301的畫面等。對各節(jié)點關(guān)聯(lián)應(yīng)該觀測各節(jié)點的時刻1302相，用戶還能夠編輯時刻信息。標(biāo)準(zhǔn)動作路線是在動作路線異常檢測步驟709中使用的。
[0075]圖14表示檢測條件設(shè)定畫面的例子。在本畫面中，可設(shè)定注意閾值、警告閾值、標(biāo)準(zhǔn)的作業(yè)時間等。
[0076]圖15表示用于推定在圖1的作業(yè)者位置異常判定步驟105中使用的概率分布的處理方法。
[0077]本處理由取得過去的動作路線數(shù)據(jù)的過去的動作路線數(shù)據(jù)取得步驟1501、從過去的動作路線數(shù)據(jù)中選擇在模型構(gòu)建中使用的數(shù)據(jù)的過去的動作路線數(shù)據(jù)選擇步驟1502、根據(jù)選擇的數(shù)據(jù)推定概率分布的概率分布推定步驟1503構(gòu)成。
[0078]在過去的動作路線數(shù)據(jù)取得步驟1501中，取得預(yù)先指定的期間中的動作路線數(shù)據(jù)。
[0079]在過去的動作路線數(shù)據(jù)選擇步驟1502中，根據(jù)取得的數(shù)據(jù)的作業(yè)時間、異常檢測結(jié)果只選擇正常的動作路線。
[0080]在概率分布推定步驟1503中，根據(jù)選擇出的動作路線數(shù)據(jù)推定概率分布。此時，具有預(yù)先僅確定正態(tài)分布那樣的分布族，根據(jù)數(shù)據(jù)推定參數(shù)的方法;像核密度推定那樣不以分布族為前提的非參數(shù)推定等。
【主權(quán)項】
1.一種對于進(jìn)行重復(fù)動作的作業(yè)的作業(yè)者的作業(yè)品質(zhì)管理方法，其特征在于，具備: 圖像數(shù)據(jù)取得步驟，其取得對作業(yè)進(jìn)行拍攝得到的圖像數(shù)據(jù)； 作業(yè)者位置識別步驟，其從圖像數(shù)據(jù)識別作業(yè)者的位置； 預(yù)測模型取得步驟，其取得根據(jù)過去的作業(yè)者的動作路線數(shù)據(jù)、中間品質(zhì)數(shù)據(jù)以及過去的最終品質(zhì)數(shù)據(jù)在統(tǒng)計學(xué)上構(gòu)建的預(yù)測模型；以及 作業(yè)者位置異常判定步驟，其把在上述作業(yè)者位置識別步驟中識別出的作業(yè)者位置代入上述預(yù)測模型，判定對象的作業(yè)是正常還是異常。2.根據(jù)權(quán)利要求1所述的作業(yè)品質(zhì)管理方法，其特征在于， 在上述模型構(gòu)建步驟中在模型構(gòu)建中使用的作業(yè)者的動作路線數(shù)據(jù)包含作業(yè)者的重心、頭位置或關(guān)節(jié)位置的動作路線數(shù)據(jù)， 在上述作業(yè)者位置識別步驟中，作為作業(yè)者的位置，識別作業(yè)者的重心、頭或關(guān)節(jié)的位置。3.根據(jù)權(quán)利要求1所述的作業(yè)品質(zhì)管理方法，其特征在于， 上述異常的判定使用異常度來進(jìn)行判定， 具有顯示上述異常度的步驟。4.一種對于進(jìn)行重復(fù)動作的作業(yè)的作業(yè)者的作業(yè)品質(zhì)管理裝置，其特征在于， 具備DB部和引擎部； 上述DB部具備:對作業(yè)進(jìn)行拍攝得到的圖像數(shù)據(jù)；以及 根據(jù)過去的作業(yè)者的動作路線數(shù)據(jù)、中間品質(zhì)數(shù)據(jù)以及過去的最終品質(zhì)數(shù)據(jù)在統(tǒng)計學(xué)上構(gòu)建的預(yù)測模型， 上述引擎部執(zhí)行以下步驟: 圖像數(shù)據(jù)取得步驟，其取得對作業(yè)進(jìn)行拍攝得到的圖像數(shù)據(jù)； 作業(yè)者位置識別步驟，其從圖像數(shù)據(jù)識別作業(yè)者的位置； 預(yù)測模型取得步驟，其取得根據(jù)過去的作業(yè)者的動作路線數(shù)據(jù)、中間品質(zhì)數(shù)據(jù)以及過去的最終品質(zhì)數(shù)據(jù)在統(tǒng)計學(xué)上構(gòu)建的預(yù)測模型；以及 作業(yè)者位置異常判定步驟，其把在上述作業(yè)者位置識別步驟中識別出的作業(yè)者位置代入上述預(yù)測模型，判定對象的作業(yè)是正常還是異常。5.根據(jù)權(quán)利要求4所述的作業(yè)品質(zhì)管理裝置，其特征在于， 在上述模型構(gòu)建步驟中在模型構(gòu)建中使用的作業(yè)者的動作路線數(shù)據(jù)包含作業(yè)者的重心、頭位置或關(guān)節(jié)位置的動作路線數(shù)據(jù)， 在上述作業(yè)者位置識別步驟中，作為作業(yè)者的位置，識別作業(yè)者的重心、頭或關(guān)節(jié)的位置。6.根據(jù)權(quán)利要求4所述的作業(yè)品質(zhì)管理裝置，其特征在于， 上述引擎部執(zhí)行使用異常度進(jìn)行上述異常的判定，并使顯示裝置顯示用于顯示上述異常度的異常度推移顯示畫面的步驟。
【文檔編號】G05B19/418GK105929799SQ201610006947
【公開日】2016年9月7日
【申請日】2016年1月5日
【發(fā)明人】今澤慶, 濱村有, 濱村有一, 田中茂范, 多田康郎, 多田康一郎, 百瀨勇, 深谷雄作
【申請人】株式會社日立制作所