• 検索結果がありません。

骨格情報を用いた生産現場における作業者行動分析手法

N/A
N/A
Protected

Academic year: 2021

シェア "骨格情報を用いた生産現場における作業者行動分析手法"

Copied!
2
0
0

読み込み中.... (全文を見る)

全文

(1)情報処理学会第 81 回全国大会. 5C-05. 骨格情報を用いた生産現場における作業者行動分析手法 清水. 尚吾†. 草野. 勝大†. 小平. 三菱電機株式会社. 孝之†. 新井. 士人†. 奥村. 誠司†. 情報技術総合研究所†. 1.背景 生産性改善活動ではボトルネック工程を特定 するため,工程ごとに生産性評価を行う.主な 評価項目として,作業時間や異常作業発生件数 がある.作業時間は,“ねじ締め”や“部品取 り”といった作業要素の単位での計測が行われ, 異常作業は,品質問題につながる作業抜けや作 業誤りが対象となる.これまで,現場監督者が 作業時間や異常作業発生状況を目視確認してい たが,確認が長時間に及ぶことが課題となって いた.. カメラ. 作業要素推論 作業要素番号. 作業映像. 誤り訂正 骨格情報抽出. 図 1.提案手法「骨紋*」の構成. 2.従来手法 高橋ら[1]や渡辺ら[2][3]は,Kinect などで抽 出した骨格情報をもとに,作業者の手先が所定 の判定領域を通過したタイミングや順序から, 作業時間計測や異常作業検知を行う作業者行動 分析手法を開発している.これにより生産性評 価の自動化が可能となったが,作業内容を熟知 したユーザが作業要素ごとに判定領域を設定す る必要があるという課題がある.. 作業時間 作業抜け 情報 情報. 相対骨格情報. 𝑝0. 𝑝4. 𝑝1 𝑝2. 作業映像. 𝑝3. 𝑝5. 𝑝1′. 𝑝6. 骨格情報. 𝑝4′ 𝑝2′. 𝑝3′. 𝑝5′. 𝑝6′. 相対骨格情報. 図 2.相対骨格情報抽出. 3.提案手法 判定領域の設定が不要な作業者行動分析手法 「骨紋 *」を提案する.本手法では,作業者の骨 格情報から作業内容を直接推定するよう学習し たニューラルネットワークを用いる.ユーザは 事前準備として,作業映像へのラベル付けのみ を行えばよく,従来必要であった判定領域の設 定は不要となる. 本手法の構成は,図 1 に示す通りである.作 業映像から抽出した骨格情報をもとに作業要素 を推論し,誤り訂正を行うことで作業時間計測 と作業抜け検知を行う.. “Worker Behavior Analysis Method using Skeleton Information at the Production Site.” Shogo SHIMIZU†, Katsuhiro KUSANO†, Takayuki KODAIRA†, Akito ARAI†, Seiji OKUMURA† †Information Technology R&D Center, Mitsubishi Electric Corporation. 2-9. 3.1 骨格情報抽出 作業映像から対象作業者の骨格情報𝑷𝑷を抽出後 (式 1),立ち位置の影響を排除するため,式 2 に 従い相対骨格情報𝑷𝑷′ を計算する.(図 2) 𝑷𝑷 = {𝒑𝒑0 , 𝒑𝒑1 , … , 𝒑𝒑6 } 𝑷𝑷′ = {𝒑𝒑′1 , 𝒑𝒑′2 , … , 𝒑𝒑′6 } = {𝒑𝒑1 − 𝒑𝒑0 , 𝒑𝒑2 − 𝒑𝒑0 , … , 𝒑𝒑6 − 𝒑𝒑𝟎𝟎 }. (1) (2). 3.2 作業要素推論 相対骨格情報𝑷𝑷′ と作業要素ラベルの対応をあら かじめ学習させたニューラルネットワークを用 いて,相対骨格情報𝑷𝑷′ から作業要素を推論する. * 商標「骨紋」/「KOTSUMON」出願中. Copyright 2019 Information Processing Society of Japan. All Rights Reserved..

(2) 3.3 誤り訂正 作業要素番号の時系列にビタビアルゴリズム を適用することで推論誤り訂正を行い,最尤な 作業を推定する.ビタビアルゴリズム適用時に 必要となる遷移確率及び信号出力確率は,ニュ ーラルネットワーク学習時に得られる混合行列 を利用する.. 作業要素番号. 情報処理学会第 81 回全国大会. 9 8 7 6 5 4 3 2 1 0 16000. 真値 推定値. 作業抜け. 16500. 17000. 17500. 18000. 18500. 19000. 19500. 20000. 時刻[フレーム]. 4.実験. 図 3.実験結果(作業抜け検知結果) 当社工場の製品組立工程で撮影した作業映像 を用いて実験を行った.実験条件を表1に示す. 表 3. 分析時間の比較結果 表 2 に示した作業要素時間推定結果より,推定 目視確認 提案手法 速度比 誤差が 0.5 秒,推定精度が 93.0%であった.また, 約 2 時間 約 10 分 1/12 図 3 に示した実験結果から,18,800 フレーム付近 で発生している作業要素番号 8 の作業抜けを正し 5.まとめと今後の展望 く検知していることが分かる. 目視確認の手間低減を目的として,骨格情報 表 3 に示した評価用作業映像の分析時間の比較 を用いた生産現場における作業者行動分析手法 結果からは,目視確認と比較して 12 倍の高速化 を提案した.精度検証の結果,90%以上の精度 効果が得られたことが分かる. で作業時間推定が可能で,かつ正しく作業抜け を検知できることを確認した.また,分析に要 表 1.実験条件 した時間は従来比 1/12 であり,生産性評価にお 項目 内容 ける手間低減の効果を確認した. 撮影解像度 1920×1080(FullHD) 今後は,別の作業工程の映像を用いて汎用性 フレームレート 30fps を評価していく他、作業誤り検知手法の開発に 平均作業時間 約 80 秒 取り組む. (学習)作業 13 回分 使用した作業データ (評価)作業 15 回分 参考文献 評価用作業映像の長さ 0:21:28 [1] 高橋健太,佐藤永欣,高山毅,村田嘉利, PC 環境 Windows®10/ “Kinect を用いたピッキング作業モニタリ (OS/CPU/MEMORY) Core™i5-6500/8.00GB ングシステム”,岩手県立大学ソフトウェ ア情報学科,情報処理学会第 75 回全国大会, 表 2.実験結果(作業要素時間推定結果) pp.587-588,2013. 作業要素時間(平均値) 作業要素 作業要素 [2] 松原早苗,渡辺博己,曽賀野健一,棚橋英 番号 内容 誤差[秒] 精度 樹,“距離画像を用いた両手作業の動作解 0 ラベル貼り付け 0.2 98.0% 析システムの開発”,岐阜県情報技術研究 1 部品取り付け 0.3 95.7% 所研究報告 第 18 号,pp.24-29,2016. 2 シート貼り付け 0.4 93.6% [3] 渡辺博己,生駒晃大,棚橋英樹,“Kinect 3 基板接続 0.3 93.5% を用いた作業分析システムの開発”,岐阜 4 基板取り付け 0.3 96.6% 県情報技術研究所研究報告 第 19 号,pp.415 シート貼り付け 0.9 85.0% 46,2017. 6 金具取り付け 1.4 93.0% 7 カバー取り付け 0.7 87.5% 8 カバーねじ締め 0.3 92.9% 9 外観確認 0.4 94.1% 全体平均 0.5 93.0%. 2-10. Copyright 2019 Information Processing Society of Japan. All Rights Reserved..

(3)

参照

関連したドキュメント

土木工事では混合廃棄物の削減に取り組み、「安定型のみ」「管理型

産業廃棄物を適正に処理するには、環境への有害物質の排出(水系・大気系・土壌系)を 管理することが必要であり、 「産業廃棄物に含まれる金属等の検定方法」 (昭和

バッテリー内蔵型LED照 明を作業エリアに配備して おり,建屋内常用照明消灯 時における作業性を確保し

・環境、エネルギー情報の見える化により、事業者だけでなく 従業員、テナント、顧客など建物の利用者が、 CO 2 削減を意識

バッテリー内蔵型LED照 明を作業エリアに配備して おり,建屋内常用照明消灯 時における作業性を確保し

バッテリー内蔵型LED照 明を作業エリアに配備して おり,建屋内常用照明消灯 時における作業性を確保し

6 他者の自動車を利用する場合における自動車環境負荷を低減するための取組に関する報告事項 報  告  事  項 内    

作業所の条件により実施する範囲や程度は異なるが、木くず・コンク