特開 2022-191939 生産計画作成装置、学習装置及び推論装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2022191939

(43)【公開日】2022-12-28

(54)【発明の名称】生産計画作成装置、学習装置及び推論装置

(51)【国際特許分類】

   G06Q 10/06 20120101AFI20221221BHJP

   G06Q 50/04 20120101ALI20221221BHJP

【ＦＩ】

G06Q10/06 302

G06Q50/04

【審査請求】未請求

【請求項の数】6

【出願形態】ＯＬ

(21)【出願番号】P 2021100476

(22)【出願日】2021-06-16

(71)【出願人】

【識別番号】000006013

【氏名又は名称】三菱電機株式会社

(74)【代理人】

【識別番号】100095407

【弁理士】

【氏名又は名称】木村 満

(74)【代理人】

【識別番号】100131152

【弁理士】

【氏名又は名称】八島 耕司

(74)【代理人】

【識別番号】100147924

【弁理士】

【氏名又は名称】美恵 英樹

(74)【代理人】

【識別番号】100148149

【弁理士】

【氏名又は名称】渡邉 幸男

(74)【代理人】

【識別番号】100181618

【弁理士】

【氏名又は名称】宮脇 良平

(74)【代理人】

【識別番号】100174388

【弁理士】

【氏名又は名称】龍竹 史朗

(72)【発明者】

【氏名】寺本 一季

(72)【発明者】

【氏名】荒木 敬夫

(72)【発明者】

【氏名】井上 雄太

(72)【発明者】

【氏名】西村 勇司

【テーマコード（参考）】

5L049

【Ｆターム（参考）】

5L049AA06

5L049CC03

(57)【要約】

【課題】作業者各個人に寄り添った適切な作業目標を設定することを可能とし、各作業者のモチベーションを維持する。
【解決手段】生産計画作成装置１００は、作業中の作業者の生体データを取得する生体データ取得部２１と、作業者のモチベーションに関わる生体データと、作業者の作業目標と、を含む学習用データを用いて、作業者のモチベーションを維持する作業者の作業目標を推論するための学習済モデルを生成する学習部２３と、作業者のモチベーションを維持する作業者の作業目標を推論するための学習済モデルを用いて、作業者のモチベーションを維持する作業者の作業目標を出力する推論部２４と、を備える。
【選択図】図２

【特許請求の範囲】

【請求項1】

作業中の作業者の生体データを取得する生体データ取得部と、
前記作業者のモチベーションに関わる生体データと、前記作業者の作業目標と、を含む学習用データを用いて、前記作業者のモチベーションを維持する前記作業者の作業目標を推論するための学習済モデルを生成する学習部と、
前記作業者のモチベーションを維持する前記作業者の作業目標を推論するための学習済モデルを用いて、前記作業者のモチベーションを維持する前記作業者の作業目標を出力する推論部と、
を備える生産計画作成装置。

【請求項2】

前記作業者のモチベーションに関わる生体データは、前記作業者の視線のばらつき、あくびの有無、高アルファ波又は低ベータ波の脳波のうちの少なくとも１つを含む、
請求項１に記載の生産計画作成装置。

【請求項3】

前記作業目標は、前記作業者の製品１台あたりの作業時間である、
請求項１又は２に記載の生産計画作成装置。

【請求項4】

前記推論部から出力された前記作業者の作業目標に基づいて生産計画を作成する生産計画立案部を備える、
請求項１から３のいずれか１項に記載の生産計画作成装置。

【請求項5】

作業者のモチベーションに関わる生体データと、前記作業者の作業目標と、を含む学習用データを取得するデータ取得部と、
前記学習用データを用いて、前記作業者のモチベーションを維持する前記作業者の作業目標を推論するための学習済モデルを生成するモデル生成部と、
を備える学習装置。

【請求項6】

作業者のモチベーションに関わる生体データを含む学習用データを取得するデータ取得部と、
前記作業者のモチベーションを維持する前記作業者の作業目標を推論するための学習済モデルを用いて、前記作業者のモチベーションを維持する前記作業者の作業目標を出力する推論部と、
を備える推論装置。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、生産計画作成装置、学習装置及び推論装置に関する。

【背景技術】

【0002】

製造現場では、各受注の納期、各生産ラインの生産能力、各作業者の作業効率等を勘案して作業日程が作成される。作成された作業日程を遵守するためには、作業者が常に一定の作業速度を保つことが必要であり、各作業者の生産目標を設定し、作業者のモチベーションを維持することが重要である。「○○[s/台]の作業ペース」などの生産目標は、作業者自身の周辺環境、特性により「過度に目標が高い」と作業者に感じさせることがあり、モチベーションの低下により作業効率が低下する一因となる。

【0003】

作業者のモチベーションを維持する方法として、例えば特許文献１に、個人の作業効率、不具合発生状況をディスプレイに表示し、迅速に作業者へ知らせることにより作業者のモチベーションを維持させることが開示されている。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０１５－５２１２号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、特許文献１は、作業者の作業結果をモニタリングし、迅速に伝えることで作業者のモチベーションを維持しているだけであり、各作業者のモチベーションを維持できる作業目標を設定することについて開示していない。

【0006】

本開示は、上述の事情に鑑みてなされたものであり、作業者各個人に寄り添った適切な作業目標を設定することを可能とし、各作業者のモチベーションを維持することを目的とする。

【課題を解決するための手段】

【0007】

上記目的を達成するために、本開示の生産計画作成装置は、作業中の作業者の生体データを取得する生体データ取得部と、作業者のモチベーションに関わる生体データと、作業者の作業目標と、を含む学習用データを用いて、作業者のモチベーションを維持する作業者の作業目標を推論するための学習済モデルを生成する学習部と、作業者のモチベーションを維持する作業者の作業目標を推論するための学習済モデルを用いて、作業者のモチベーションを維持する作業者の作業目標を出力する推論部と、を備える。

【発明の効果】

【0008】

本開示によれば、センサ類により収集した作業者各個人の情報をＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）によって処理することで作業者各個人に寄り添った適切な作業目標を設定することを可能とし、各作業者のモチベーションを維持することができる。

【図面の簡単な説明】

【0009】

【図1】本開示の実施の形態に係る生産計画作成システムの構成を示す図

【図2】本開示の実施の形態に係る生産計画作成装置の機能構成を示す図

【図3】本開示の実施の形態に係る生産計画作成装置のハードウェア構成を示す図

【図4】本開示の実施の形態に係る学習部の構成を示す図

【図5】本開示の実施の形態に係る学習処理の動作を示すフローチャート

【図6】本開示の実施の形態に係る推論部の構成を示す図

【図7】本開示の実施の形態に係る出力を得る処理の動作を示すフローチャート

【図8】本開示の実施の形態に係る生産計画を作成するまでの処理の動作を示すフローチャート

【発明を実施するための形態】

【0010】

以下、本開示の生産計画作成装置の実施の形態について図面を参照して詳細に説明する。

【0011】

図１を参照しながら、実施の形態に係る生産計画作成システム１を説明する。生産計画作成システムは、生産ラインとして工程Ａ、工程Ｂ、工程Ｃを備え、これらの工程Ａ、工程Ｂ、工程Ｃには、それぞれ作業者２Ａ、作業者２Ｂ、作業者２Ｃ（以下、作業者２Ａ、作業者２Ｂ、作業者２Ｃのそれぞれを限定しない場合には、適宜「作業者２」と称する）が配置される。

【0012】

工程Ａ、工程Ｂ、工程Ｃには、それぞれディスプレイ装置３Ａ、ディスプレイ装置３Ｂ、ディスプレイ装置３Ｃ（以下、ディスプレイ装置３Ａ、ディスプレイ装置３Ｂ、ディスプレイ装置３Ｃのそれぞれを限定しない場合には、適宜「ディスプレイ装置３」と称する）が配置される。これらのディスプレイ装置３Ａ、ディスプレイ装置３Ｂ、ディスプレイ装置３Ｃには、それぞれ作業者２Ａ、作業者２Ｂ、作業者２Ｃに対する生産目標Ａ、生産目標Ｂ、生産目標Ｃが表示される。

【0013】

工程Ａ、工程Ｂ、工程Ｃには、それぞれ作業者２Ａ、作業者２Ｂ、作業者２Ｃを撮影するためのカメラ４Ａ、カメラ４Ｂ、カメラ４Ｃ（以下、カメラ４Ａ、カメラ４Ｂ、カメラ４Ｃのそれぞれを限定しない場合には、適宜「カメラ４」と称する）が配置される。これらのカメラ４Ａ、カメラ４Ｂ、カメラ４Ｃで撮影された画像は、それぞれ作業者２Ａ、作業者２Ｂ、作業者２Ｃの目の動き、あくびの有無についての生体データを取得するために用いられる。カメラ４Ａ、カメラ４Ｂ、カメラ４Ｃは、それぞれの工程における作業空間の上方に固定配置されてもよいし、作業者が身に付ける帽子、眼鏡等に備え付けてもよい。

【0014】

工程Ａ、工程Ｂ、工程Ｃには、それぞれ作業者２Ａ、作業者２Ｂ、作業者２Ｃの脳波を測定するための脳波センサ５Ａ、脳波センサ５Ｂ、脳波センサ５Ｃ（以下、脳波センサ５Ａ、脳波センサ５Ｂ、脳波センサ５Ｃのそれぞれを限定しない場合には、適宜「脳波センサ５」と称する）が配置される。これらの脳波センサ５Ａ、脳波センサ５Ｂ、脳波センサ５Ｃは、それぞれ作業者２Ａ、作業者２Ｂ、作業者２Ｃの生体データである脳波を取得するために用いられる。脳波センサ５Ａ、脳波センサ５Ｂ、脳波センサ５Ｃは、作業者の頭部に電極を貼り付けるタイプであってもよく、作業者が身に付ける帽子、眼鏡等に備え付けてもよい。

【0015】

生産ライン上のディスプレイ装置３Ａ、ディスプレイ装置３Ｂ、ディスプレイ装置３Ｃ、カメラ４Ａ、カメラ４Ｂ、カメラ４Ｃ、脳波センサ５Ａ、脳波センサ５Ｂ、脳波センサ５Ｃは、ネットワークを介して生産計画作成装置１００に接続されている。

【0016】

次に、生産計画作成装置１００の構成について、図２を参照して説明する。生産計画作成装置１００は、インタフェース部１０と、制御部２０と、記憶部３０とを備える。

【0017】

インタフェース部１０は、図示しないネットワークを介して、カメラ４、脳波センサ５から有線又は無線通信により送信されたデータを受信するとともに、生成された作業者２の作業目標のデータをディスプレイ装置３に送信する。

【0018】

記憶部３０は、パーソナリティＤＢ３１と、作業目標実績ＤＢ３２と、学習済モデル記憶部３３と、生産情報ＤＢ３４と、設備情報ＤＢ３５とを備える。

【0019】

パーソナリティＤＢ３１は、作業者２のモチベーションに関わるデータを計測することができるセンサ類、すなわちカメラ４及び脳波センサ５が観測した作業者２のモチベーションに関わるデータを作業者２の個人情報と対応付けて記憶するデータベースである。

【0020】

作業目標実績ＤＢ３２は、作業者２各個人の現在の作業目標時間と作業効率に関するデータを記憶するデータベースである。パーソナリティＤＢ３１に記憶された作業者２のモチベーションに関わるデータと作業目標実績ＤＢ３２に記憶された作業者２各個人の作業目標及び作業実績との相関関係から作業者２各個人に寄り添った適切な作業目標を設定する。

【0021】

学習済モデル記憶部３３は、作業者２毎に生成される作業目標の推定に使用する学習データを記憶するために使用される。

【0022】

生産情報ＤＢ３４は、製造工程における作業量を算出する際に必要とする情報である工程に関する情報、部品に関する情報、作業原単位に関する情報、生産完了期日に関する情報、生産計画の対象範囲、数量及び加工情報等が記憶されているデータベースである。

【0023】

設備情報ＤＢ３５は、各工程で使用する製造設備の種類、型名、性能、稼働状態、使用状況等の製造設備に関する情報を記憶するデータベースである。生産情報ＤＢ３４及び設備情報ＤＢ３５に基づいて生産計画を作成することにより、作業者２の作業効率悪化による生産計画の見直しが発生しにくい生産計画を作成する。

【0024】

制御部２０は、生体データ取得部２１と、特徴量抽出部２２と、学習部２３と、推論部２４と、生産計画立案部２５とを備える。

【0025】

生体データ取得部２１は、カメラ４から送信される画像データ及び脳波センサ５から送信される脳波の観測データをインタフェース部１０を介して取得する。取得したデータは、パーソナリティＤＢ３１に記憶される。

【0026】

特徴量抽出部２２は、カメラ４で撮影された画像データ及び脳波センサ５で観測された脳波データをパーソナリティＤＢ３１から読み出し、それぞれについて作業者２のモチベーションに関わる特徴量を抽出する。特徴量抽出部２２は、画像データから作業者２の口の動きを表すデータ及び目の動きを表すデータを抽出する。特徴量抽出部２２は、作業者２の口の動きからあくびの有無を特徴量として抽出する。また、特徴量抽出部２２は、作業者の目の動きから視線の位置、視線の移動速度等の変化を特徴量として抽出する。また、特徴量抽出部２２は、脳波センサ５で観測された脳波データから一般的に集中している際に観測される高アルファ波、低ベータ波等の脳波を特徴量として抽出する。

【0027】

学習部２３は、作業者２の作業目標である製品１台あたりの作業時間を自動決定するために、カメラ４で撮影した作業者２の画像及び脳波センサ５の観測データから、作業者２の目の動き、あくびの有無、脳波データ等を学習する。学習は、教師あり学習、教師なし学習、強化学習等の機械学習によって行う。学習したデータは、学習済モデルとして学習済モデル記憶部３３に記憶される。

【0028】

推論部２４は、学習部２３により生成されて学習済モデル記憶部３３に記憶された学習済モデルを利用して、作業者２の作業目標を推論する。

【0029】

生産計画立案部２５は、推論部２４で推論された作業者２の作業目標と生産情報ＤＢ３４から読み出した生産情報と設備情報ＤＢ３５から読み出した設備情報に基づいて生産計画を立案する。

【0030】

生産計画作成装置１００は、ハードウェア的には、図３に示すように、制御プログラムにしたがってデータを処理するプロセッサ４１と、プロセッサのワークエリアとして機能する主記憶部４２と、データを長期間にわたって記憶するための補助記憶部４３と、データ入力を受け付ける入力部４４と、データを出力する出力部４５と、他の装置と通信する通信部４６とこれらの要素を相互に接続するバスと、を備える。補助記憶部４３には、プロセッサが実行する生産計画作成処理の制御プログラムが記憶されている。入力部４４は、カメラ４及び脳波センサ５から送信されてくる生体データを受信し、プロセッサ４１に提供する。プロセッサ４１は、補助記憶部４３に記憶されたプログラムを主記憶部４２に読み出して実行することにより、図２に示した生体データ取得部２１、特徴量抽出部２２、学習部２３、推論部２４、生産計画立案部２５として機能する。また、補助記憶部４３は、パーソナリティＤＢ３１、作業目標実績ＤＢ３２、学習済モデル記憶部３３、生産情報ＤＢ３４、設備情報ＤＢ３５として機能する。

【0031】

次に、作業者２の生体データに基づいて学習データを生成し、作業者２個人に寄り添った目標を推定する、作業者２のモチベーション維持目標設定に関し、学習データを生成する学習部２３と作業目標を推定する推論部２４について説明する。

【0032】

図４は、生産計画作成装置１００に関する学習部２３の構成図である。学習部２３は、データ取得部２０１、モデル生成部２０２を備える。学習は、教師あり学習、教師なし学習、強化学習等の機械学習によって行うが、ここでは強化学習（Ｑ学習）を例に挙げて説明する。

【0033】

データ取得部２０１は、行動Ａとして作業者２の作業目標である製品１台あたりの作業時間、状態Ｓとしてカメラ４で撮影した作業者２の画像及び脳波センサ５の観測データから得られた、作業者２の目の動き、あくびの有無、脳波データを学習用データとして取得する。

【0034】

モデル生成部２０２は、行動Ａとして作業者２の作業目標である製品１台あたりの作業時間を含むとともに、状態Ｓとして作業者２の目の動き、あくびの有無、脳波データのうちの少なくとも１つを含む学習用データに基づいて、最適な行動Ａとして作業者２のモチベーションを維持する作業者２各個人に寄り添った適切な作業目標を設定するための「作業者２の作業目標である製品１台あたりの作業時間」を学習する。すなわち、生産計画作成装置１００の状態Ｓから最適な行動Ａを推論する学習済モデルを生成する。

【0035】

モデル生成部２０２が用いる学習アルゴリズムは教師あり学習、教師なし学習、強化学習等の公知のアルゴリズムを用いることができる。一例として、強化学習（Ｒｅｉｎｆｏｒｃｅｍｅｎｔ Ｌｅａｒｎｉｎｇ）を適用した場合について説明する。強化学習では、ある環境内におけるエージェント（行動主体）が、現在の状態（環境のパラメータ）を観測し、取るべき行動を決定する。エージェントの行動により環境が動的に変化し、エージェントには環境の変化に応じて報酬が与えられる。エージェントはこれを繰り返し、一連の行動を通じて報酬が最も多く得られる行動方針を学習する。強化学習の代表的な手法として、Ｑ学習（Ｑ－ｌｅａｒｎｉｎｇ）、ＴＤ学習（ＴＤ－ｌｅａｒｎｉｎｇ）が知られている。例えば、Ｑ学習の場合、行動価値関数Ｑ（ｓ，ａ）の一般的な更新式は式（１）で表される。

【0036】

【数1】

【0037】

式（１）において、ｓ_ｔは時刻ｔにおける環境の状態を表し、ａ_ｔは時刻ｔにおける行動を表す。行動ａ_ｔにより、状態はｓ_ｔ＋１に変わる。ｒ_ｔ＋１はその状態の変化によってもらえる報酬を表し、γは割引率を表し、αは学習係数を表す。なお、γは０＜γ≦１、αは０＜α≦１の範囲とする。行動Ａが行動ａ_ｔとなり、状態Ｓが状態ｓ_ｔとなり、時刻ｔの状態ｓ_ｔにおける最良の行動ａ_ｔを学習する。

【0038】

式（１）で表される更新式は、時刻ｔ＋１における最もＱ値の高い行動ａの行動価値Ｑが、時刻ｔにおいて実行された行動ａの行動価値Ｑよりも大きければ、行動価値Ｑを大きくし、逆の場合は、行動価値Ｑを小さくする。換言すれば、時刻ｔにおける行動ａの行動価値Ｑを、時刻ｔ＋１における最良の行動価値に近づけていき、行動価値関数Ｑ（ｓ，ａ）を更新する。それにより、ある環境における最良の行動価値が、それ以前の環境における行動価値に順次伝播していく。

【0039】

上記のように、強化学習によって学習済モデルを生成する場合、モデル生成部２０２は、報酬計算部２０３と、関数更新部２０４と、を備えている。

【0040】

報酬計算部２０３は、行動Ａ、状態Ｓに基づいて報酬を計算する。報酬計算部２０３は、報酬基準として作業者２の視線のばらつき量、あくびの発生量、脳波について高アルファ波又は低ベータ波の発生量に基づいて、報酬ｒを計算する。作業者２のモチベーションを維持する作業者２各個人に寄り添った適切な作業目標を設定するための「作業者２の作業目標である製品１台あたりの作業時間」が正しく得られないと、作業者２にとって適切でない作業目標が設定され、作業者２のモチベーションが低下するので、作業者２の視線のばらつき、あくびの発生、脳波について高アルファ波又は低ベータ波の増大が起こると考えられる。したがって、作業者２の視線のばらつき量、あくびの発生量、脳波について高アルファ波又は低ベータ波の発生量を報酬基準とする。作業者２の視線のばらつき量、あくびの発生量が減少、脳波について高アルファ波又は低ベータ波の発生量が増大する場合には報酬ｒを増大させ（例えば「１」の報酬を与える。）、他方、作業者２の視線のばらつき量、あくびの発生量が増大、脳波について高アルファ波又は低ベータ波の発生量が低下する場合には報酬ｒを低減する（例えば「－１」の報酬を与える。）。

【0041】

関数更新部２０４は、報酬計算部２０３によって計算される報酬に従って、最適な行動Ａを決定するための関数を更新し、学習済モデル記憶部３３に出力する。例えばＱ学習の場合、式（１）で表される行動価値関数Ｑ（ｓ_ｔ，ａ_ｔ）を最適な行動Ａを算出するための関数として用いる。

【0042】

以上のような学習を繰り返し実行する。学習済モデル記憶部３３は、関数更新部２０４によって更新された行動価値関数Ｑ（ｓ_ｔ，ａ_ｔ）、すなわち、学習済モデルを記憶する。

【0043】

次に、図５を用いて、学習部２３が学習する処理について説明する。図５は学習部２３の学習処理に関するフローチャートである。

【0044】

ステップＳ１０１において、データ取得部２０１は行動Ａ、状態Ｓを学習用データとして取得する。

【0045】

ステップＳ１０２において、モデル生成部２０２は行動Ａ、状態Ｓに基づいて報酬を計算する。具体的には、報酬計算部２０３は、行動Ａ、状態Ｓを取得し、予め定められた報酬基準に基づいて報酬を増加させるか又は報酬を減じるかを判断する。

【0046】

報酬計算部２０３は、報酬を増大させると判断した場合（ステップＳ１０２：Ｙｅｓ）に、ステップＳ１０３において報酬を増大させる。一方、報酬計算部２０３は、報酬を減少させると判断した場合（ステップＳ１０２：Ｎｏ）に、ステップＳ１０４において報酬を減少させる。

【0047】

ステップＳ１０５において、関数更新部２０４は、報酬計算部２０３によって計算された報酬に基づいて、学習済モデル記憶部３３が記憶する式（１）で表される行動価値関数Ｑ（ｓ_ｔ，ａ_ｔ）を更新する。

【0048】

学習部２３は、以上のステップＳ１０１からＳ１０５までのステップを繰り返し実行し、生成された行動価値関数Ｑ（ｓ_ｔ，ａ_ｔ）を学習済モデルとして記憶する。

【0049】

図６は生産計画作成装置１００に関する推論部２４の構成図である。推論部２４は、データ取得部３０１、作業目標推論部３０２を備える。

【0050】

データ取得部３０１は状態Ｓを取得する。

【0051】

作業目標推論部３０２は、学習済モデルを利用して最適な行動Ａを推論する。すなわち、この学習済モデルにデータ取得部３０１が取得した状態Ｓを入力することで、状態Ｓに適した最適な行動Ａを推論することができる。なお、ここで入力される状態Ｓはカメラ４で撮影した作業者２の画像及び脳波センサ５の観測データから得られた、作業者２の目の動き、あくびの有無、脳波データのうちの少なくとも１つを含むデータである。

【0052】

なお、本実施の形態では、生産計画作成装置１００に関する学習部２３のモデル生成部２０２で学習した学習済モデルを用いて最適な行動Ａを出力するものとして説明したが、他の生産計画作成装置１００から学習済モデルを取得し、この学習済モデルに基づいて最適な行動Ａを出力してもよい。

【0053】

次に、図７を用いて、学習部２３を使って最適な行動Ａを得るための処理を説明する。

【0054】

ステップＳ２０１において、データ取得部３０１は状態Ｓを取得する。

【0055】

ステップＳ２０２において、作業目標推論部３０２は学習済モデル記憶部３３に記憶された学習済モデルに状態Ｓを入力し、最適な行動Ａを得る。作業目標推論部３０２は得られた最適な行動Ａを出力する（ステップＳ２０３）。

【0056】

なお、本実施の形態では、作業目標推論部３０２が用いる学習アルゴリズムに強化学習を適用した場合について説明したが、これに限られるものではない。学習アルゴリズムについては、強化学習以外にも、教師あり学習、教師なし学習、又は半教師あり学習等を適用することも可能である。

【0057】

また、モデル生成部２０２に用いられる学習アルゴリズムとしては、特徴量そのものの抽出を学習する、深層学習（Ｄｅｅｐ Ｌｅａｒｎｉｎｇ）を用いることもでき、他の公知の方法、例えばニューラルネットワーク、遺伝的プログラミング、機能論理プログラミング、サポートベクターマシンなどに従って機械学習を実行してもよい。

【0058】

本実施の形態に係る学習部２３は、生産計画作成装置１００の制御部２０に設けられ、学習済モデル記憶部３３は、生産計画作成装置１００の記憶部３０に設けられており、生産計画作成装置１００に内蔵されている。ただし、これに限らず、学習部２３を外部に設けられた学習装置とし、例えば、ネットワークを介して生産計画作成装置１００に接続され、この生産計画作成装置１００とは別個の装置であってもよい。また、学習済モデル記憶部３３を学習装置の内部に備えてもよいし、外部に備えていてもよい。さらに、学習装置は、クラウドサーバ上に存在していてもよい。同様に、生産計画作成装置１００の制御部２０に設けられた推論部２４を外部に設けられた推論装置とし、ネットワークを介して生産計画作成装置１００に接続され、この生産計画作成装置１００とは別個の装置であってもよい。さらに、推論装置は、クラウドサーバ上に存在していてもよい。

【0059】

また、モデル生成部２０２は、複数の生産計画作成装置１００から取得される学習用データを用いて、最適な行動Ａを学習してもよい。なお、モデル生成部２０２は、同一のエリアで使用される複数の生産計画作成装置１００から学習用データを取得してもよいし、異なるエリアで独立して動作する複数の生産計画作成装置１００から収集される学習用データを利用して最適な行動Ａを学習してもよい。また、学習用データを収集する生産計画作成装置１００を途中で対象に追加したり、対象から除去することも可能である。さらに、ある生産計画作成装置１００に関して最適な行動Ａを学習した学習部２３あるいは学習装置を、これとは別の生産計画作成装置１００に適用し、当該別の生産計画作成装置１００に関して最適な行動Ａを再学習して更新してもよい。

【0060】

次に、生産計画作成装置１００が生産計画を作成するまでの処理を、図８のフローチャートを参照して説明する。

【0061】

生産ラインに設けられたセンサ類であるカメラ４、脳波センサ５が作業者２のモチベーションに関わる生体データを収集し、ネットワークを介して生産計画作成装置１００のパーソナリティＤＢ３１へ送信する（ステップＳ３０１）。

【0062】

パーソナリティＤＢ３１は、センサ類であるカメラ４、脳波センサ５から受信した作業者２のモチベーションに関わる生体データを、日次で入力される作業者２の勤怠に関わるデータ、昼食時間等の個人情報のデータと統合し、制御部２０へ送信する（ステップＳ３０２）。ここで、パーソナリティＤＢ３１への勤怠に関わるデータ、昼食時間等の個人情報のデータ入力は正しくデータが入力される手法であればどのような手段でもよい。

【0063】

作業目標実績ＤＢ３２は、作業者２各個人の作業実績、作業実績と作業目標との差異を取得し、制御部２０へ送信する（ステップＳ３０３）。

【0064】

制御部２０内の学習部２３及び推論部２４は、生体データに基づく機械学習を活用し、作業者個人に寄り添った新しい作業目標を設定する（ステップＳ３０４）。学習部２３は、作業者２の作業目標である製品１台あたりの作業時間を自動決定するために、生体データから、作業者２の目の動き、あくびの有無、脳波データ等を機械学習し、学習済モデルとして学習済モデル記憶部３３に記憶する。推論部２４は、学習部２３により生成されて学習済モデル記憶部３３に記憶された学習済モデルを利用して、作業者２の作業目標を推論し、新しい作業目標が設定される。

【0065】

制御部２０は、推論部２４により設定された新しい作業目標に基づいて生産計画を作成するために、生産情報ＤＢ３４と設備情報ＤＢ３５から生産計画の作成に必要なデータを要求する（ステップＳ３０５）。

【0066】

生産情報ＤＢ３４は、制御部２０からデータ要求を受信すると、制御部２０に対して生産計画の対象範囲、数量及び加工情報等の生産を行うのに必要なデータを読み出して送信する（ステップＳ３０６）。

【0067】

また、設備情報ＤＢ３５は、制御部２０からデータ要求を受信すると、制御部２０に対して、設備の稼働状態、使用状況等のデータを送信する（ステップＳ３０７）。

【0068】

制御部２０内の生産計画立案部２５は、推論部２４から得られた作業目標と生産情報ＤＢ３４から受信したデータと設備情報ＤＢ３５から受信したデータとに基づき、作業者２の作業効率によって見直しの発生しにくい生産計画を作成する（ステップＳ３０８）。

【0069】

生産計画作成装置１００は、作成された生産計画と各作業者２の作業目標をネットワークを介してディスプレイ装置３に送信し、ディスプレイ装置３は、受信した生産計画を基に、作業者２各個人に寄り添った適切な作業目標を画面へ表示し、作業者２へ明示する（ステップＳ３０９）。

【0070】

本実施の形態では、作業者２のモチベーションを維持する生体データとして、作業者２の視線のばらつき、あくびの有無、高アルファ波又は低ベータ波の脳波を用いたが、これに限らず、例えば心拍データを用いてもよい。

【0071】

本開示は、本開示の広義の精神と範囲を逸脱することなく、様々な実施の形態及び変形が可能とされるものである。また、上述した実施の形態は、本開示を説明するためのものであり、本開示の範囲を限定するものではない。つまり、本開示の範囲は、実施の形態ではなく、請求の範囲によって示される。そして、請求の範囲内及びそれと同等の開示の意義の範囲内で施される様々な変形が、本開示の範囲内とみなされる。

【符号の説明】

【0072】

１ 生産計画作成システム、２Ａ，２Ｂ，２Ｃ 作業者、３Ａ，３Ｂ，３Ｃ ディスプレイ装置、４Ａ，４Ｂ，４Ｃ カメラ、５Ａ，５Ｂ，５Ｃ 脳波センサ、１０ インタフェース部、２０ 制御部、２１ 生体データ取得部、２２ 特徴量抽出部、２３ 学習部、２４ 推論部、２５ 生産計画立案部、３０ 記憶部、３１ パーソナリティＤＢ、３２ 作業目標実績ＤＢ、３３ 学習済モデル記憶部、３４ 生産情報ＤＢ、３５ 設定情報ＤＢ、４１ プロセッサ、４２ 主記憶部、４３ 補助記憶部、４４ 入力部、４５ 出力部、４６ 通信部、１００ 生産計画作成装置、２０１，３０１ データ取得部、２０２ モデル生成部、２０３ 報酬計算部、２０４ 関数更新部、３０２ 作業目標推論部。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】