特許第6594555号(P6594555)IP Force 特許公報掲載プロジェクト 2022.1.31 β版

知財求人 - 知財ポータルサイト「IP Force」

▶ 株式会社日立物流の特許一覧

(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】6594555
(24)【登録日】2019年10月4日
(45)【発行日】2019年10月23日
(54)【発明の名称】分析システム及び分析方法
(51)【国際特許分類】
   G06Q 10/10 20120101AFI20191010BHJP
【FI】
   G06Q10/10 320
   G06Q10/10 340
【請求項の数】14
【全頁数】21
(21)【出願番号】特願2018-536658(P2018-536658)
(86)(22)【出願日】2016年9月5日
(86)【国際出願番号】JP2016075951
(87)【国際公開番号】WO2018042646
(87)【国際公開日】20180308
【審査請求日】2018年7月27日
(73)【特許権者】
【識別番号】000153546
【氏名又は名称】株式会社日立物流
(74)【代理人】
【識別番号】110001678
【氏名又は名称】特許業務法人藤央特許事務所
(72)【発明者】
【氏名】尾白 大知
(72)【発明者】
【氏名】本林 正裕
(72)【発明者】
【氏名】平山 淳一
(72)【発明者】
【氏名】渡邊 高志
(72)【発明者】
【氏名】櫻田 崇治
(72)【発明者】
【氏名】嶋津 泰毅
【審査官】 関 博文
(56)【参考文献】
【文献】 特開2013−117832(JP,A)
【文献】 大内 一成,携帯電話センサによるリアルタイム生活行動認識とクラウド連携,電子情報通信学会技術研究報告 Vol.111 No.446,日本,社団法人電子情報通信学会,2012年 2月20日,第111巻,第1-6頁
(58)【調査した分野】(Int.Cl.,DB名)
G06Q 10/00−99/00
(57)【特許請求の範囲】
【請求項1】
分析システムであって、
プログラムを実行するプロセッサと、前記プロセッサがアクセスする記憶装置とを備え、
分析対象の作業実績を含む第一の作業実績データを取得する取得部と、
作業実績が記録されていない実績未管理時間を、前記第一の作業実績データから抽出し、前記抽出された実績未管理時間の属性情報を取得する算出部と、
前記取得した属性情報を用いて、前記実績未管理時間を分類するための実績未管理時間分類属性を生成する分類部と、
分析対象でない作業実績を含む第二の作業実績データを取得し、前記生成された実績未管理時間分類属性に従って前記第二の作業実績データを分類し、実績未管理時間分類属性ごとに作業を推定するための確率モデルを生成するモデル生成部と、を有し、
前記分類部は、前記生成された確率モデルを用いて前記第一の作業実績データを分析し、前記第一の作業実績データに含まれる実績未管理時間における作業を推定することを特徴とする分析システム。
【請求項2】
請求項1に記載の分析システムであって、
前記分類部は、作業実績が記録されていない時間の前後で作業者が行っていた作業に基づいて生成された確率モデルを用いて、実績未管理時間の作業を推定することを特徴とする分析システム。
【請求項3】
請求項1に記載の分析システムであって、
前記分類部は、実績未管理時間を含む時間帯における他の作業実績データに基づいて生成された確率モデルを用いて、実績未管理時間の作業を推定することを特徴とする分析システム。
【請求項4】
請求項1に記載の分析システムであって、
前記分類部は、実績未管理時間の出現パターンに基づいて生成された確率モデルを用いて、実績未管理時間の作業を推定することを特徴とする分析システム。
【請求項5】
請求項1に記載の分析システムであって、
作業実績データと実績未管理時間における推定された作業の情報とを用いて、作業者の作業内容を、作業実績データであるか推定された作業の情報であるかを区別可能に表示するためのデータを出力する可視化部を有することを特徴とする分析システム。
【請求項6】
請求項5に記載の分析システムであって、
前記可視化部は、前記推定された作業の情報を修正する入力欄を有する表示データを出力し、利用者が入力したデータを受け、
前記分類部は、前記利用者が入力したデータを用いて前記推定された作業の情報を修正することを特徴とする分析システム。
【請求項7】
請求項1に記載の分析システムであって、
前記モデル生成部は、生成した確率モデルに問題がある場合、実績未管理時間分類属性を再設定して確率モデルを生成することを特徴とする分析システム。
【請求項8】
計算機が実行する分析方法であって、
前記計算機は、プログラムを実行するプロセッサと、前記プロセッサがアクセスする記憶装置とを有し、
前記分析方法は、
前記プロセッサが、分析対象の作業実績を含む第一の作業実績データを取得する取得手順と、
前記プロセッサが、作業実績が記録されていない実績未管理時間を、前記第一の作業実績データから抽出し、前記抽出された実績未管理時間の属性情報を取得する算出手順と、
前記プロセッサが、前記取得した属性情報を用いて、前記実績未管理時間を分類するための実績未管理時間分類属性を生成する分類手順と、
前記プロセッサが、分析対象でない作業実績を含む第二の作業実績データを取得し、前記生成された実績未管理時間分類属性に従って前記第二の作業実績データを分類し、実績未管理時間分類属性ごとに作業を推定するための確率モデルを生成するモデル生成手順と、を含み、
前記分類手順では、前記プロセッサは、前記生成された確率モデルを用いて前記第一の作業実績データを分析し、前記第一の作業実績データに含まれる実績未管理時間における作業を推定することを特徴とする分析方法。
【請求項9】
請求項8に記載の分析方法であって、
前記分類手順では、前記プロセッサは、作業実績が記録されていない時間の前後で作業者が行っていた作業に基づいて生成された確率モデルを用いて、実績未管理時間における作業を推定することを特徴とする分析方法。
【請求項10】
請求項8に記載の分析方法であって、
前記分類手順では、前記プロセッサは、実績未管理時間を含む時間帯における他の作業実績データに基づいて生成された確率モデルを用いて、実績未管理時間の作業を推定することを特徴とする分析方法。
【請求項11】
請求項8に記載の分析方法であって、
前記分類手順では、前記プロセッサは、実績未管理時間の出現パターンに基づいて生成された確率モデルを用いて、実績未管理時間の作業を推定することを特徴とする分析方法。
【請求項12】
請求項8に記載の分析方法であって、
前記プロセッサが、作業実績データと実績未管理時間における推定された作業の情報とを用いて、作業者の作業内容を、作業実績データであるか推定された作業の情報であるかを区別可能に表示するためのデータを出力する可視化手順を含むことを特徴とする分析方法。
【請求項13】
請求項12に記載の分析方法であって、
前記可視化手順では、前記プロセッサは、前記推定された作業の情報を修正する入力欄を有する表示データを出力し、利用者が入力したデータを受け、
前記分類手順では、前記プロセッサは、前記利用者が入力したデータを用いて前記推定された作業の情報を修正することを特徴とする分析方法。
【請求項14】
請求項8に記載の分析方法であって、
前記モデル生成手順では、前記プロセッサは、生成した確率モデルに問題がある場合、実績未管理時間分類属性を再設定して確率モデルを生成することを特徴とする分析方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、作業を分析する分析システムに関する。
【背景技術】
【0002】
工場や倉庫等、複数人の作業者が連携して様々な作業を行っている作業環境では、作業者が手待ちになり無駄な時間が発生している場合がある。そのため、作業内容や作業者の状態を管理し、誰が、いつ、何の作業を行っているかの把握が重要である。
【0003】
本技術分野の背景技術として、以下の先行技術がある。特許文献1(米国特許第8972276号明細書)には、作業負荷を評価する手法の過程で、誰が、いつ、何の作業を行っているかの情報を取得している。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】米国特許第8972276号明細書
【発明の概要】
【発明が解決しようとする課題】
【0005】
作業には直接的に成果を生じる作業(直接作業)と、直接的には成果を生じないが必要な作業(間接作業)の2種類に大別できる。多くの場合、直接作業の実績データは収集され、管理されているが、間接作業のデータを収集し管理するケースは少ない。また、間接作業は種類が多く、かつ計画外に発生する場合があるため、予め全ての間接作業を想定し、間接作業の実績データの収集は困難である。
【0006】
作業実績データを分析することによって、実績が残されている直接作業は把握できる。一方、実績が残されていない間接作業については作業者の状態が不明な時間帯がある。また、センサやカメラを導入しても、データの解釈に人手を要するため、作業者の実態の自動的な把握は困難である。
【0007】
しかし、前述した特許文献1に記載された技術では、評価対象の作業は全ての実績データが揃っている必要がある。
【0008】
そこで、本発明では、作業実績データ等を用いて、作業実績が記録されていない時間帯の作業内容を推定する。
【課題を解決するための手段】
【0009】
本願において開示される発明の代表的な一例を示せば以下の通りである。すなわち、分析システムであって、プログラムを実行するプロセッサと、前記プロセッサがアクセスする記憶装置とを備え、分析対象の作業実績を含む第一の作業実績データを取得する取得部と、作業実績が記録されていない実績未管理時間を、前記第一の作業実績データから抽出し、前記抽出された実績未管理時間の属性情報を取得する算出部と、前記取得した属性情報を用いて、前記実績未管理時間を分類するための実績未管理時間分類属性を生成する分類部と、分析対象でない作業実績を含む第二の作業実績データを取得し、前記生成された実績未管理時間分類属性に従って前記第二の作業実績データを分類し、実績未管理時間分類属性ごとに作業を推定するための確率モデルを生成するモデル生成部と、を有し、前記分類部は、前記生成された確率モデルを用いて前記第一の作業実績データを分析し、前記第一の作業実績データに含まれる実績未管理時間における作業を推定する。
【発明の効果】
【0010】
本発明の一態様によれば、作業実績データとして記録されていない作業を推定できる。前述した以外の課題、構成及び効果は、以下の実施例の説明により明らかにされる。
【図面の簡単な説明】
【0011】
図1A】第一の実施例のシステムの構成を示す図である。
図1B】第一の実施例のシステムを構成するサーバの物理的な構成を示すブロック図である。
図2】作業実績データベースの構成例を示す図である。
図3】作業関連データベースの構成例を示す図である。
図4】拠点情報データベースの構成例を示す図である。
図5】第一の実施例の処理手順のフローチャートである。
図6】第一の実施例の実績未管理時間属性データの構成例を示す図である。
図7】第一の実施例の作業推定確率モデル生成処理の詳細を示すフローチャートである。
図8】第一の実施例の実績未管理時間分類結果の構成例を示す図である。
図9】第一の実施例の実績未管理時間分類属性の構成例を示す図である。
図10】第一の実施例の作業推定確率モデルの構成例を示す図である。
図11】作業の推定結果を出力する画面の例を示す図である。
図12】作業の推定結果を出力する画面の例を示す図である。
図13】作業の推定結果を出力する画面の例を示す図である。
図14】作業の推定結果を出力する画面の例を示す図である。
図15】第二の実施例の作業推定確率モデル生成処理の詳細を示すフローチャートである。
図16】第二の実施例の実績未管理時間分類属性の構成例を示す図である。
図17】第二の実施例の作業推定確率モデルの構成例を示す図である。
図18】第三の実施例の作業推定確率モデル生成処理の詳細を示すフローチャートである。
図19】第三の実施例の実績未管理時間分類属性の構成例を示す図である。
図20】第三の実施例の作業推定確率モデルの構成例を示す図である。
図21】第四の実施例の作業推定確率モデル生成処理の詳細を示すフローチャートである。
図22】第四の実施例の作業推定確率モデルの構成例を示す図である。
図23】第五の実施例の処理手順のフローチャートである。
【発明を実施するための形態】
【0012】
<第一の実施例>
本発明の第一の実施例では、利用者のリクエストに応じて、ある拠点及び期間における全作業者の実績未管理時間の作業を各実績未管理時間の前後の作業内容から推定する処理を説明する。第一の実施例では、例えば、前後の作業が異なる場合に行われる段取り作業や切替え作業など、前後作業が特徴的な作業を推定できる。
【0013】
図1Aは、第一の実施例のシステムの構成を示す図である。
【0014】
第一の実施例のシステムの構成は、情報管理サーバ1100と、計算サーバ1200と、計算機1300とで構成される。計算サーバ1200と情報管理サーバ1100と計算機1300とはネットワーク1400を介して接続される。計算サーバ1200は、実績が記録されていない時間帯の作業及び状態を推定するための計算処理を実行する。情報管理サーバ1100は、計算サーバ1200での処理に必要なデータを管理する。計算機1300は、利用者が分析・可視化結果を閲覧したり入力するためのユーザインタフェースを提供する。なお、情報管理サーバ1100及び計算サーバ1200は一つのサーバで構成してもよい。
【0015】
情報管理サーバ1100は、作業実績データベース1101と、作業関連データベース1102と、拠点情報データベース1103とを有する。情報管理サーバ1100は、図1Bで後述するように、補助記憶装置3を有し、各データベースを補助記憶装置3に格納する。情報管理サーバ1100が格納するデータは、計算機1300から入力されたものでも、他のシステムから取得したものでもよい。
【0016】
作業実績データベース1101は、工場や倉庫等の作業実績データを格納する。作業関連データベース1102は、作業者の動きや位置などの作業実績データ以外で作業の過程で生成される作業関連データを格納する。拠点情報データベース1103は、工場や倉庫等の設備や、業務内容や、取扱い製品や商品や、作業者など拠点情報データを格納する。なお、本実施例において、作業を行う主体は作業者として説明するが、複数種類の作業を行う機械(例えば、ロボット)でもよい。また、作業は、倉庫で行われるピッキング作業や、工場で行われる製造作業を主とするが、オフィスで行われる事務作業でもよい。
【0017】
計算サーバ1200は、実績情報取得部1201と、実績未管理時間算出部1202と、実績未管理時間分類部1203と、作業推定確率モデル生成部1204と、分析・可視化結果出力部1205を有する。計算サーバ1200は、図1Bで後述するように、プログラムを実行するプロセッサ1を有し、プロセッサが所定のプログラムを実行することによって各部が機能する。
【0018】
実績情報取得部1201は、情報管理サーバ1100から特定の拠点の作業実績である第一の作業実績データを取得する。実績未管理時間算出部1202は、第一の作業実績データから各作業者の実績がなく未管理となっている実績未管理時間と、前記実績未管理時間の時間帯や作業者の役割や位置等の実績未管理時間属性とを取得する。実績未管理時間分類部1203は、取得した実績未管理時間属性から実績未管理時間を分類するための実績未管理時間分類属性を生成して、実績未管理時間を分類する。作業推定確率モデル生成部1204は、情報管理サーバ1100から実績未管理時間分類属性が一致する、他拠点を含めた、作業実績である第二の作業実績データを取得し、第二の作業実績データから実績未管理時間分類属性ごとに作業を推定する作業推定確率モデルを生成する。分析・可視化結果出力部1205は、第一の作業実績データと作業推定確率モデルとを用いて作業を推定し、実績未管理時間のデータを分析し、その結果を可視化する。
【0019】
計算機1300は、利用者へ情報を提示したり、利用者がリクエスト等を入力する。計算機1300は、プログラムを実行するプロセッサ(CPU)、プログラムやデータを格納する記憶装置、ユーザインタフェース(キーボード、マウス、タッチパネル,ディスプレイ、プリンタなど)及び通信インタフェースを有する計算機によって構成される。計算機1300では、ユーザインタフェースを提供するウェブブラウザが動作しても、専用プログラムが動作してもよい。
【0020】
図1Bは、第一の実施例のシステムを構成するサーバの物理的な構成を示すブロック図である。なお、図1Bでは、計算サーバ1200について説明するが、情報管理サーバ1100も同じ構成でよい。
【0021】
本実施例の計算サーバ1200は、プロセッサ(CPU)1、メモリ2、補助記憶装置3及び通信インタフェース4を有する計算機によって構成される。
【0022】
プロセッサ1は、メモリ2に格納されたプログラムを実行する。メモリ2は、不揮発性の記憶デバイスであるROM及び揮発性の記憶デバイスであるRAMを含む。ROMは、不変のプログラム(例えば、BIOS)などを格納する。RAMは、DRAM(Dynamic Random Access Memory)のような高速かつ揮発性の記憶デバイスであり、プロセッサ1が実行するプログラム及びプログラムの実行時に使用されるデータを一時的に格納する。
【0023】
補助記憶装置3は、例えば、磁気記憶装置(HDD)、フラッシュメモリ(SSD)等の大容量かつ不揮発性の記憶デバイスによって構成され、プロセッサ1が実行するプログラム及びプログラムの実行時に使用されるデータを格納する。すなわち、プログラムは、補助記憶装置3から読み出されて、メモリ2にロードされて、プロセッサ1によって実行される。
【0024】
通信インタフェース4は、所定のプロトコルに従って、他の装置(計算機102など)との通信を制御するネットワークインタフェース装置である。
【0025】
計算サーバ1200は、入力インタフェース5及び出力インタフェース8を有してもよい。入力インタフェース5は、キーボード6やマウス7などが接続され、管理者からの入力を受けるインタフェースである。出力インタフェース8は、ディスプレイ装置9やプリンタなどが接続され、計算サーバ1200の状態やプログラムの実行結果を管理者が視認可能な形式で出力するインタフェースである。
【0026】
プロセッサ1が実行するプログラムは、リムーバブルメディア(CD−ROM、フラッシュメモリなど)又はネットワークを介して計算サーバ1200に提供され、非一時的記憶媒体である不揮発性の補助記憶装置3に格納される。このため、計算サーバ1200は、リムーバブルメディアからデータを読み込むインタフェースを有するとよい。
【0027】
計算サーバ1200は、物理的に一つの計算機上で、又は、論理的又は物理的に構成された複数の計算機上で構成される計算機システムであり、複数の物理的計算機資源上に構築された仮想計算機上で動作してもよい。また、計算サーバ1200上で実行されるプログラムは、同一の計算機上で別個のスレッドで動作してもよい。
【0028】
また、計算サーバ1200において、プログラムによって実装される機能ブロックの全部又は一部は、物理的な集積回路(例えば、Field-Programmable Gate Array)等によって構成されてもよい。
【0029】
図2は、作業実績データベース1101の構成例を示す図である。
【0030】
作業実績データベース1101が格納する作業実績データは、作業者、前作業、作業内容、後作業、作業時刻、作業が行われた拠点の番号、作業の対象である取扱品、当該取扱品の数量などの情報を記録したデータで、現場管理者が作業進捗を把握したり、作業の証拠として取引先や顧客に提示するために記録される。作業内容は、作業者が行った作業の内容であるが、昼休み、朝礼などの複数の作業者が同時に行う行為や、作業を行っていないこと(作業無し)も含む。作業時刻は、作業終了時刻でも、作業開始時刻でも、作業開始時刻と作業終了時刻との両方でも、作業中の任意の時刻でもよい。取扱品及び数量は、例えば、倉庫内の作業であれば、移動した物品の品番及び数量であり、工場内の作業であれば、加工した物品の品番及び数量である。なお、作業実績データベース1101では、最低限、作業者、作業内容及び作業時刻が記録されていればよい。
【0031】
図3は、作業関連データベース1102の構成例を示す図である。
【0032】
作業関連データベース1102が格納する作業関連データは、作業実績データとして管理されないが作業の過程で生成されるデータ等の作業に関連するデータである。例えば図3では、作業における位置や動作などのセンシングデータを例示する。例えば、位置のセンシングデータは作業者の倉庫、工場内の位置データであり、動作のセンシングデータは加速度データであり、作業中の作業者の動き(行動)を記録する。この他に、作業関連データは、設備のログデータ(例えば、加工機の稼働状況)等も含んでもよい。
【0033】
なお、作業実績データを作業関連データとは、厳密に区別できるものではなく、本システムで記録される作業において、作業実績として把握すべきデータが作業実績データベース1101に格納される。
【0034】
図4は、拠点情報データベース1103の構成例を示す図である。
【0035】
拠点情報データベース1103が格納する拠点情報は、各拠点で取り扱う商品・製品の種類や導入されている設備など、拠点ごとの特徴や基本的な属性情報を記録しているデータである。拠点データは、例えば、当該作業の対象である取扱品、及び当該拠点に設置され稼動している設備のデータを含み、拠点の類似度を判定するために使用される。
【0036】
取扱品は、取り扱いに特に注意を要する物品(例えば、衝撃を与えてはならない化学品、処方の誤りが重大な影響を生じる医薬品など)を区別するために記録される。これらの特に注意を要する物品は、通常の物品より作業の時間が長くなる。設備は、当該設備が当該拠点に設置されており、稼動しているかを示し、例えば仕分け作業の自動化設備が導入されているかが分かる。
【0037】
拠点情報は、拠点(例えば、倉庫)同士の作業を比較する際に使用され、拠点の属性情報の一致又は類似によって比較対象の拠点が決定される。
【0038】
また、図示を省略するが、情報管理サーバ1100が、作業者の情報(実施可能な作業、操作可能な装置、主担当作業)を含む作業者データベースを格納してもよい。
【0039】
図5は、第一の実施例の処理手順のフローチャートである。図5に示す処理は、計算サーバ1200のプロセッサ1が実行する。
【0040】
まず、実績情報取得部1201は、利用者による分析リクエストと分析の条件(対象拠点・期間等)を受信する(5001)。実績情報取得部1201が受信する分析リクエストは、分析の条件(例えば、拠点、期間、作業者など)を含む。分析リクエストは、全データを対象とするものでもよい。
【0041】
次に、実績情報取得部1201は、受信した分析リクエストに含まれる分析の条件に応じて、情報管理サーバ1100の作業実績データベース1101から作業実績データを、作業関連データベース1102から作業関連データを、拠点情報データベース1103から拠点情報データを取得する(5002)。
【0042】
そして、実績未管理時間算出部1202は、取得した作業実績データから、各作業者において就業時間内で一定時間以上実績が記録されていない実績未管理時間を算出し、実績未管理時間に関する属性である実績未管理時間属性を取得する(5003)。
【0043】
図6は、実績未管理時間属性データの構成例を示す図である。なお、図6に示す実績未管理時間属性データは例示であって、実績未管理時間属性データが、図示した項目以外を含んでもよい。また、実績未管理時間属性データは、時間帯を特定するデータと作業者情報を含めば、図示した項目の一部を含まなくてもよい。
【0044】
実績未管理時間属性は、例えば、実績未管理時間の時間帯を特定する開始時刻及び終了時刻、作業者情報、当該作業者が実績未管理時間の前及び後に行った作業実績データに記録されている作業の情報、実績未管理時間における作業関連データ(作業エリア内の位置データ、作業者の動作)の情報、拠点情報データに記載されている拠点での取扱商品や設備情報等である。なお、役割として、当該作業者の主担当作業を前述した作業者データベースから取得してもよい。
【0045】
そして、作業推定確率モデル生成部1204は、実績未管理時間分類属性を設定し、実績未管理時間分類属性と一致する属性を有する作業実績データから作業推定確率モデルを生成する(5004)。
【0046】
図7は、作業推定確率モデル生成処理の詳細を示すフローチャートである。
【0047】
まず、作業推定確率モデル生成部1204は、実績未管理時間分類属性を設定し、実績未管理時間分類結果を生成する(7001)。
【0048】
ここで、前作業及び後作業を実績未管理時間分類属性に設定した例を説明する。例えば、まず、図9に例示するように、前作業及び後作業が実績未管理時間分類属性に設定された実績未管理時間分類属性データを生成する。具体的には、実績未管理時間分類属性に設定された前作業と後作業の組について、作業実績データベース1101から全ての組み合わせを抽出し、実績未管理時間分類属性データに記録する。なお、実績未管理時間分類属性は、本システムの利用者が入力した定義を記録してもよい。なお、図9に示す実績未管理時間分類属性データの3番目のレコードは、前作業が作業Bであることが規定されているが、後作業は何でもよいことを示す。
【0049】
そして、図8に例示するように、実績未管理時間分類結果を生成する。具体的には、実績未管理時間属性データの各レコードについて、実績未管理時間分類属性(前作業、後作業)と実績未管理時間属性データの当該項目とを比較し、各実績未管理時間に実績未管理時間分類属性で定義された分類を割り当てる。
【0050】
ステップ7001によって、実績未管理時間の前後で作業者が行っていた作業をキーにして実績未管理を分類できる。
【0051】
次に、作業推定確率モデル生成部1204は、実績未管理時間分類属性と属性が一致する、全ての拠点の作業実績データ及び当該作業実績データに関連する作業関連データ及び拠点データを取得する。そして、取得した作業実績データから実績未管理時間分類属性ごとに作業を推定する作業推定確率モデルを生成する(7002)。
【0052】
作業推定確率モデルは、図10に例示するように、実績未管理時間分類属性の組み合わせに対応して、推定される作業及び推定される確率が定められる。具体的には、実績未管理時間分類結果の分類ごとに、当該前作業と当該後作業との間で行われていた中間作業を抽出し、作業推定確率モデルに推定作業を記録する。さらに、分類属性及び推定される作業の組み合わせごとに抽出された数を集計して、抽出された全推定作業の数で除した値を、当該中間作業である推定確率として記録する。
【0053】
なお、前作業との間の時間が所定値(例えば10分)を超える作業実績データを除外し、後作業との間の時間が所定値(例えば10分)を超える作業実績データを除外するフィルタリングをしたデータを取得してもよい。これは、記録されている作業と前作業との間の時間や後作業との間の時間が長い場合、当該時間は未管理時間であり、別の作業が行われている可能性があるからである。
【0054】
また、全ての拠点の作業実績データの代わりに、全ての作業を含むモデル拠点のデータを取得してもよい。モデル拠点は、現実に作業者が作業を行っている拠点でも、作業がシミュレーションされた仮想の拠点でもよい。
【0055】
なお、作業実績データベース1101が作業時間(又は、開始時刻と終了時刻)を記録している場合、実績未管理時間の時間幅と作業実績データの作業時間とを照合して、推定作業及び推定確率を決定してもよい。
【0056】
次に、作業推定確率モデル生成部1204は、作成した作業推定確率モデルに問題があるかを判定する(7003)。作成した作業推定確率モデルに問題がある場合、不適切な実績未管理時間分類属性を用いて実績未管理時間を分類したので、実績未管理時間分類属性を再設定し(7004)、ステップ7002に戻る。
【0057】
例えば、属性の指定が大まかである場合は、一つの実績未管理時間分類属性に対応する作業実績データの種類が多くなり、作業推定確率モデルの各推定結果の推定確率が大きくなる。この場合、作業推定確率モデルの信頼性が低く、作業推定確率モデルに問題があると判定されるので、実績未管理時間分類属性の項目数を増やすとよい(例えば、前作業と後作業を属性に設定していた場合、さらに作業者の役割や期間を追加する等)。一方、属性の指定が細かい場合は、一つの実績未管理時間分類属性に対応する作業実績データが少なくなり(又は、存在しない)、作業推定確率モデルの各推定結果の推定確率が小さくなる。この場合、作業推定確率モデルの信頼性が低く、作業推定確率モデルに問題があると判定されるので、実績未管理時間分類属性の項目数を減らすとよい。
【0058】
なお、所定回数試行しても作業推定確率モデルに問題があると判定される場合、有用な作業推定確率モデルが生成できなかったエラーを利用者に通知して、処理を終了してもよい。
【0059】
このように、作業推定確率モデルを評価し、作業推定確率モデルが不適切な場合は、再作成するので、作業実績データとして記録されていない作業を高精度で推定できる。
【0060】
一方、作成した作業推定確率モデルに問題がない場合、作業推定確率モデル生成処理を終了し、図5のステップ5005へ進む。
【0061】
ステップ5005では、実績未管理時間分類部1203は、作成した作業推定確率モデルを用いて各実績未管理時間に作業を推定し、推定された作業(推定作業)を各実績未管理時間に関連付ける。例えば、前作業及び後作業が同じ作業のうち推定確率が最も高い推定作業を、当該実績未管理時間に行われていた作業であると推定する。
【0062】
分析・可視化結果出力部1205は、ステップ5002で取得した第一の作業実績データと、推定作業が関連付けられた実績未管理時間の情報に基づいて、実績未管理時間の情報に基づいて、分析結果を可視化するためのデータを生成し、生成したデータを計算機1300に出力する(5006)。
【0063】
図11から図14は、作業の推定結果を出力する画面の例を示す図である。図11に例示するように、作業者と作業内容を対応付けて時系列に表示してもよい。この画面によると、誰が、何時、何の作業を行っていたかを可視化できる。図11に示す画面において、実績未管理時間に行われていたと推定される作業を一つ表示してもよく、複数の候補を推定確率と共に表示してもよい。また、実績未管理時間を表示するために複数の態様(色や模様)を準備して、複数の態様の各々を推定された作業内容に割り当てて、推定作業を可視化してもよい。
【0064】
また、図12に例示するように、時間帯ごとに各作業(推定作業を含めてもよい)に要した時間を集計して時系列に表示してもよい。表示される作業は一人の分でも、特定のグループの分でも、全員の分でもよい。この画面によると、各時間帯で行われていた作業の割合を可視化でき、主に行われていた作業を知ることができる。
【0065】
また、図13に例示するように、作業が推定される確率と実績未管理時間の量を表示してもよい。この画面において、横軸は、実績未管理時間分類属性ごとの合計時間である。この画面によると、各作業が推定される確率を可視化できる。
【0066】
さらに、図14に例示するように、推定結果を修正するインタフェースを設けてもよい。例えば、各作業の時間帯を指定して、推定が正しいか誤っているかを選択する。誤っている場合は、正しい作業内容を入力できる入力欄が設けられている。このインタフェースは推定結果の修正や、作業が推定できなかった場合に、利用者が作業内容を入力できる。
【0067】
図14に示すインタフェースに利用者が入力すると、分析・可視化結果出力部1205が、利用者の入力を受信する(5007)。
【0068】
その後、実績未管理時間分類部1203は、受信した入力データを用いて実績未管理時間の作業実績データを修正及び生成し、所定の形式に変換して、作業実績データベース1101に格納する(5008)。このため、誤った作業実績データを修正でき、正しい作業実績を作業実績データベース1101に格納できる。
【0069】
以上に説明したように、本発明の第一の実施例では、作業実績データとして記録されていない作業を推定できる。
【0070】
<第二の実施例>
本発明の第二の実施例では、利用者のリクエストに応じて、ある拠点及び期間における全作業者の実績未管理時間の作業を同時刻の作業実績から推定する。これによって実績未管理時間の作業や状態として、例えば、設備不良や申告漏れ等によって、欠落している作業実績を推定できる。
【0071】
なお、第二の実施例では、第一の実施例と同じ構成及び機能には同じ符号を付し、それらの説明は省略する。例えば、第二の実施例のシステムは、図1Aに示す第一の実施例のシステムと同じでよい。
【0072】
また、第二の実施例の処理手順は、図5に示す第一の実施例と同様であるが、作業推定確率モデル生成処理(5004)が第一の実施例と異なる。図15を参照して、第二の実施例の作業推定確率モデル生成処理を説明する。
【0073】
まず、作業推定確率モデル生成部1204は、実績未管理時間の発生時刻を実績未管理時間分類属性に設定する(15001)。なお、実績未管理時間の発生時刻は、5分、10分、30分、1時間等の単位で抽象化して、時間帯に分類してもよい。
【0074】
次に、作業推定確率モデル生成部1204は、他の実績未管理時間属性を実績未管理時間分類属性に設定し、実績未管理時間分類結果を生成する(15002)。ステップ15002で設定される実績未管理時間分類属性は、処理15001で設定された実績未管理時間分類属性の他、作業者の役割、作業拠点における位置などである。
【0075】
ここで、実績未管理時間が発生した時間帯及び作業者の役割を実績未管理時間分類属性に設定した例を説明する。例えば、図16に例示するように、実績未管理時間発生時間帯及び作業者の役割が実績未管理時間分類属性に設定された実績未管理時間分類属性データを生成する。具体的には、実績未管理時間分類属性に設定された時間帯と役割の組について、作業実績データベース1101から全ての組み合わせを抽出し、実績未管理時間分類属性データに記録する。なお、実績未管理時間分類属性は、本システムの利用者が入力した定義を記録してもよい。
【0076】
そして、実績未管理時間分類結果(図示省略)を生成する。具体的には、実績未管理時間属性データの各レコードについて、実績未管理時間分類属性(時間帯、役割)と実績未管理時間属性データの当該項目とを比較し、各実績未管理時間に実績未管理時間分類属性で定義された分類を割り当てる。
【0077】
その後、作業推定確率モデル生成部1204は、実績未管理時間分類属性と属性が一致する、同じ拠点の作業実績データ及び当該作業実績データに関連する作業関連データ及び拠点データを取得する。そして、取得した作業実績データから実績未管理時間分類属性ごとに作業を推定する作業推定確率モデルを生成する(15003)。
【0078】
作業推定確率モデルでは、図17に例示するように、実績未管理時間分類属性の組み合わせに対応して、推定される作業及び推定される確率が定められる。具体的には、実績未管理時間分類結果の分類ごとに、当該時間帯において当該役割を有する作業者が行っている作業を抽出し、作業推定確率モデルに推定作業を記録する。さらに、分類属性及び推定される作業の組み合わせごとに抽出された数を集計して、抽出された全推定作業の数で除した値を、当該作業の推定確率として記録する。
【0079】
なお、同じ拠点の作業実績データに加えて、他の拠点のデータを取得してもよい。他の拠点は、分析対象の拠点と類似している拠点(特に、時間帯による作業が類似している拠点)が望ましい。
【0080】
次に、作業推定確率モデル生成部1204は、作成した作業推定確率モデルに問題があるかを判定する(15004)。作成した作業推定確率モデルに問題がある場合、不適切な実績未管理時間分類属性を用いて実績未管理時間を分類したので、実績未管理時間分類属性を再設定し(15005)、ステップ15003に戻る。
【0081】
例えば、属性の指定が大まかである場合は、一つの実績未管理時間分類属性データに対応する作業実績データが多くなり、作業推定確率モデルの各推定結果の推定確率が大きくなる。この場合、作業推定確率モデルの信頼性が低く、作業推定確率モデルに問題があると判定されるので、実績未管理時間分類属性の項目数を増やすとよい(例えば、時間帯のみを属性に設定していた場合、さらに作業者の役割を追加する等)。一方、属性の指定が細かい場合は、一つの実績未管理時間分類属性に対応する作業実績データが少なくなり(又は、存在しない)、作業推定確率モデルの各推定結果の推定確率が小さくなる。この場合、作業推定確率モデルの信頼性が低く、作業推定確率モデルに問題があると判定されるので、実績未管理時間分類属性の項目数を減らすとよい。
【0082】
なお、所定回数試行しても作業推定確率モデルに問題があると判定される場合、有用な作業推定確率モデルが生成できなかったエラーを利用者に通知して、処理を終了してもよい。
【0083】
一方、作成した作業推定確率モデルに問題がない場合、作業推定確率モデル生成処理を終了し、図5のステップ5005へ進む。ステップ5004以外の処理は、前述した第一の実施例と同じである。
【0084】
以上に説明したように、本発明の第二の実施例では、実績未管理時間において欠落している作業実績を推定できる。特に、複数の作業者が同じ時間帯に同じ作業を行っている拠点において、他の作業者の作業実績から、記録されなかった作業を適切に推定できる。
【0085】
<第三の実施例>
本発明の第三の実施例では、利用者のリクエストに応じて、ある拠点及び期間における全作業者の実績未管理時間の作業を同時刻における他の実績未管理時間の発生傾向から推定する。これによって実績未管理時間の作業や状態として、例えば、複数人が同時に行う作業(昼休み、朝礼など)を推定できる。
【0086】
なお、第三の実施例では、第一の実施例と同じ構成及び機能には同じ符号を付し、それらの説明は省略する。例えば、第三の実施例のシステムは、図1Aに示す第一の実施例のシステムと同じでよい。
【0087】
また、第三の実施例の処理手順は、図5に示す第一の実施例と同様であるが、作業推定確率モデル生成処理(5004)が第一の実施例と異なる。図18を参照して、第三の実施例の作業推定確率モデル生成処理を説明する。
【0088】
まず、作業推定確率モデル生成部1204は、実績未管理時間の発生時刻を比較し、同時間帯に発生している実績未管理時間を纏めて実績未管理時間分類結果を生成する。当該実績未管理時間分類結果では、共起性及び発生時間帯を実績未管理時間分類属性に設定する(18001)。なお、発生時刻は5分、10分、30分、1時間等の単位で抽象化して、時間帯に分類してもよい。なお、時間帯の他に作業者の役割や作業拠点における位置などを実績未管理時間分類属性に設定してもよい。作業者の役割や拠点内の配置場所によって共起する作業が異なる場合に有効である。
【0089】
また、時間帯を使用せず、共起情報だけを実績未管理時間分類属性に設定してもよい。例えば、時間帯によらず、共起する作業が同じである場合(例えば、休憩時間)、実績未管理時間分類属性を減らして処理を簡素化できる。一方、時間帯及び共起情報を実績未管理時間分類属性に設定すると、時間帯によって共起する作業が異なる場合(例えば、非理休み、朝礼)、実績未管理時間の作業内容を正確に推定できる。
【0090】
実績未管理時間分類属性として、例えば、図19に例示するように、実績未管理時間発生時間帯及び共起情報が実績未管理時間分類属性に設定された実績未管理時間分類属性データを生成する。具体的には、実績未管理時間分類属性に設定された時間帯を作業実績データベース1101から抽出し、実績未管理時間分類属性データに記録する。なお、実績未管理時間分類属性は、本システムの利用者が入力した定義を記録してもよい。
【0091】
共起情報は、例えば、実績未管理時間が複数の作業者に共起しているかの情報(共起している場合は1、共起していない場合は0)であるが、実績未管理時間が共起している作業者の数でもよい。共起情報として複数の作業者に共起しているかを記録する場合、共起有りと判定する作業者の数の閾値を予め設定しておくとよい。
【0092】
そして、実績未管理時間分類結果(図示省略)を生成する。具体的には、実績未管理時間属性データの各レコードについて、実績未管理時間分類属性(時間帯)と実績未管理時間属性データの当該項目とを比較し、各実績未管理時間に実績未管理時間分類属性で定義された分類を割り当てる。
【0093】
その後、作業推定確率モデル生成部1204は、実績未管理時間分類属性と属性が一致する、全ての拠点の作業実績データ及び当該作業実績データに関連する作業関連データ及び拠点データを取得する。そして、取得した作業実績データから実績未管理時間分類属性ごとに作業を推定する作業推定確率モデルを生成する(18002)。
【0094】
作業推定確率モデルでは、図20に例示するように、実績未管理時間分類属性(時間帯)に対応して推定される作業及び推定される確率が定められる。具体的には、実績未管理時間分類結果の分類ごとに、実績未管理時間発生時間帯に行われていた作業を抽出し、共起情報によって分類して、作業推定確率モデルに推定作業を記録する。さらに、分類属性及び推定される作業の組み合わせごとに抽出された数を集計して、抽出された全推定作業の数で除した値を、当該作業の推定確率として記録する。
【0095】
なお、全ての拠点の作業実績データではなく、分析対象の拠点と類似している拠点(特に、時間帯による作業が類似している拠点)のデータを取得してもよい。
【0096】
次に、作業推定確率モデル生成部1204は、作成した作業推定確率モデルに問題があるかを判定する(18003)。作成した作業推定確率モデルに問題がある場合、不適切な実績未管理時間分類属性を用いて実績未管理時間を分類したので、実績未管理時間分類属性を再設定し(18004)、ステップ18002に戻る。
【0097】
例えば、属性の指定が大まかである場合は、一つの実績未管理時間分類属性データに対応する作業実績データが多くなり、作業推定確率モデルの各推定結果の推定確率が大きくなる。この場合、作業推定確率モデルの信頼性が低く、作業推定確率モデルに問題があると判定されるので、実績未管理時間分類属性の項目数を増やすとよい(例えば、時間帯のみを属性に設定していた場合、さらに作業者の役割を追加する等)。一方、属性の指定が細かい場合は、一つの実績未管理時間分類属性に対応する作業実績データが少なくなり(又は、存在しない)、作業推定確率モデルの各推定結果の推定確率が小さくなる。この場合、作業推定確率モデルの信頼性が低く、作業推定確率モデルに問題があると判定されるので、実績未管理時間分類属性の項目数を減らすとよい。
【0098】
なお、所定回数試行しても作業推定確率モデルに問題があると判定される場合、有用な作業推定確率モデルが生成できなかったエラーを利用者に通知して、処理を終了してもよい。
【0099】
一方、作成した作業推定確率モデルに問題がない場合、作業推定確率モデル生成処理を終了し、図5のステップ5005へ進む。ステップ5004以外の処理は、前述した第一の実施例と同じである。
【0100】
以上に説明したように、本発明の第三の実施例では、実績未管理時間において欠落している作業実績を推定できる。特に、ある拠点及び期間において複数人が同時に行う作業(昼休み、朝礼など)を推定できる。
【0101】
<第四の実施例>
本発明の第四の実施例では、利用者のリクエストに応じて、ある拠点及び期間における全作業者の実績未管理時間の作業を実績未管理時間の発生パターンから推定する。これによって作業の発生パターン(作業者人数、時系列などの特徴)に特徴がある作業を推定できる。
【0102】
なお、第四の実施例では、第一の実施例と同じ構成及び機能には同じ符号を付し、それらの説明は省略する。例えば、第四の実施例のシステムは、図1Aに示す第一の実施例のシステムと同じでよい。
【0103】
また、第四の実施例の処理手順は、図5に示す第一の実施例と同様であるが、作業推定確率モデル生成処理(5004)が第一の実施例と異なる。図21を参照して、第四の実施例の作業推定確率モデル生成処理を説明する。
【0104】
まず、作業推定確率モデル生成部1204は、実績未管理時間属性から一つ以上の属性データを選択し、実績未管理時間分類属性に設定する。そして、設定された実績未管理時間分類属性に基づいて各実績未管理時間を分類し、属性が共通するグループを作成する(21001)。
【0105】
次に、作業推定確率モデル生成部1204は、グループの発生パターンAを生成する(21002)。発生パターンAは、一人又は複数の作業者において時系列上で実績未管理時間が発生する特徴を指し、例えば、ある一定の時間間隔で繰り返し実績未管理時間が発生している場合や、複数人の作業者で時刻をずらして交代で実績未管理時間が発生している場合等である。複数の発生パターンAを生成してもよい。
【0106】
そして、実績未管理時間分類属性と属性が一致する、全ての拠点の作業実績データ及び当該作業実績データに関連する作業関連データ及び拠点データを取得する。そして、取得した作業実績データから各作業の発生パターンBを生成する(21003)。発生パターンBは発生パターンAと同様に、一人又は複数作業者において時系列上で実績未管理時間が発生する特徴を指す。複数の発生パターンBを生成してもよい。
【0107】
その後、発生パターンAと発生パターンBとを照合し、作業推定確率モデルを生成する(21004)。
【0108】
作業推定確率モデルでは、図22に例示するように、実績未管理時間分類属性(時間帯、共起情報)に対応して、発生パターンごとに推定される作業及び推定される確率が定められる。具体的には、実績未管理時間分類結果の分類ごとに、実績未管理時間発生時間帯に行われていた作業を抽出し、共起情報によって分類して、作業推定確率モデルに推定作業を記録する。さらに、分類属性及び推定される作業の組み合わせごとに抽出された数を集計して、抽出された全推定作業の数で除した値を、当該作業の推定確率として記録する。
【0109】
なお、全ての拠点の作業実績データではなく、分析対象の拠点と類似している拠点(特に、時系列上での作業順序が類似している拠点)のデータを取得してもよく、全ての作業を含むモデル拠点のデータを取得してもよい。モデル拠点は、現実に作業者が作業を行っている拠点でも、作業がシミュレーションされた仮想の拠点でもよい。
【0110】
次に、作業推定確率モデル生成部1204は、作成した作業推定確率モデルに問題があるかを判定する(21005)。作成した作業推定確率モデルに問題がある場合、不適切な実績未管理時間分類属性を用いて実績未管理時間を分類したので、実績未管理時間分類属性を再設定し(21006)、ステップ21001に戻る。
【0111】
例えば、属性の指定が大まかである場合は、発生パターンBに対応する(一致又は類似する)作業実績データが多くなり、作業推定確率モデルの各推定結果の推定確率が大きくなる。この場合、作業推定確率モデルの信頼性が低く、作業推定確率モデルに問題があると判定されるので、実績未管理時間分類属性の項目数を増やすとよい(例えば、時間帯及び共起を属性に設定していた場合、さらに作業者の役割を追加する等)。一方、属性の指定が細かい場合は、発生パターンBに対応する(一致又は類似する)作業実績データが少なくなり(又は、存在しない)、作業推定確率モデルの各推定結果の推定確率が小さくなる。この場合、作業推定確率モデルの信頼性が低く、作業推定確率モデルに問題があると判定されるので、実績未管理時間分類属性の項目数を減らすとよい。
【0112】
なお、所定回数試行しても作業推定確率モデルに問題があると判定される場合、有用な作業推定確率モデルが生成できなかったエラーを利用者に通知して、処理を終了してもよい。
【0113】
一方、作成した作業推定確率モデルに問題がない場合、作業推定確率モデル生成処理を終了し、図5のステップ5005へ進む。ステップ5004以外の処理は、前述した第一の実施例と同じである。
【0114】
以上に説明したように、本発明の第四の実施例では、実績未管理時間において欠落している作業実績を推定できる。特に、特定のパターン(時系列や作業者人数などの特徴)で作業が発生する作業を的確に推定できる。
【0115】
<第五の実施例>
本発明の第五の実施例では、各拠点において行われた作業の実績が作業実績データベース1101に格納されると、各実施例の推定処理を逐次実行し、推定された実績未管理時間の作業を作業実績データベース1101に格納する。これにより実績未管理時間が発生した際にアラームを報知し、その場で現場管理者や作業者の記憶が薄れないうちに実績を入力させ、実績未管理時間を減少できる。
【0116】
なお、第四の実施例では、第一の実施例と同じ構成及び機能には同じ符号を付し、それらの説明は省略する。例えば、第五の実施例のシステムは、図1Aに示す第一の実施例のシステムと同じでよい。
【0117】
図23は、第五の実施例の処理手順のフローチャートである。図23に示す処理は、計算サーバ1200のプロセッサ1が実行する。
【0118】
まず、実績情報取得部1201は、分析リクエストと分析の条件(対象拠点・期間等)を受信する(23001)。第五の実施例では、分析リクエストは、作業実績データが生成されたタイミングで生成される。作業実績データの生成タイミングごとに分析をすると、実績未管理時間の発生をリアルタイムで分析できる。また、分析リクエストは、予め定められたタイミング(例えば、所定の時間間隔)で繰り返し生成されてもよい。所定のタイミングで分析をすると、例えば、前1時間における実績未管理時間の発生を遅滞なく分析できる。また、分析リクエストに含まれる分析の条件は、分析対象の拠点、期間(例えば、前回分析した後の期間)、作業者などである。
【0119】
ステップ23002〜23003の処理は、ステップ5002〜5003と同じなので、説明を省略する。
【0120】
その後、実績未管理時間算出部1202は、ステップ23003において実績未管理時間が算出されたかを判定する。実績未管理時間が算出されていない場合、実績未管理時間発生のアラームを報知する必要がないので、処理を終了する。一方、実績未管理時間が算出された場合、作業推定確率モデル生成部1204は、実績未管理時間分類属性を設定し、実績未管理時間分類属性と一致する属性を有する作業実績データから作業推定確率モデルを生成する(23005)。
【0121】
ステップ23005〜23009の処理は、ステップ5004〜5008と同じなので、説明を省略する。また、作業推定確率モデル生成処理(23005)は、前述したいずれの実施例の処理でもよい。
【0122】
以上に説明したように、本発明の第五の実施例では、実績未管理時間の作業を遅滞なく作業実績データベース1101に格納でき、実績未管理時間を減少できる。
【0123】
なお、以上に説明した各実施例において、実績未管理時間に複数の作業を推定してもよい。例えば、前作業と後作業との間の中間作業として、複数の作業の組を推定作業として含む作業推定確率モデルを作成するとよい。また、実績未管理時間に一つの作業を推定して、推定された作業の標準的な作業時間を当該実績未管理時間に当てはめても実績未管理時間がある場合、さらなる実績未管理時間に作業を推定してもよい。
【0124】
なお、本発明は前述した実施例に限定されるものではなく、添付した特許請求の範囲の趣旨内における様々な変形例及び同等の構成が含まれる。例えば、前述した実施例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本発明は限定されない。また、ある実施例の構成の一部を他の実施例の構成に置き換えてもよい。また、ある実施例の構成に他の実施例の構成を加えてもよい。また、各実施例の構成の一部について、他の構成の追加・削除・置換をしてもよい。
【0125】
また、前述した各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等により、ハードウェアで実現してもよく、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実行することにより、ソフトウェアで実現してもよい。
【0126】
各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリ、ハードディスク、SSD(Solid State Drive)等の記憶装置、又は、ICカード、SDカード、DVD等の記録媒体に格納することができる。
【0127】
また、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、実装上必要な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、ほとんど全ての構成が相互に接続されていると考えてよい。
図1A
図1B
図2
図3
図4
図5
図6
図7
図8
図9
図10
図11
図12
図13
図14
図15
図16
図17
図18
図19
図20
図21
図22
図23