知財求人 - 知財ポータルサイト「IP Force」
(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】P2024050173
(43)【公開日】2024-04-10
(54)【発明の名称】作業監視装置、作業監視方法、及びプログラム
(51)【国際特許分類】
G06Q 10/0639 20230101AFI20240403BHJP
G06Q 50/04 20120101ALI20240403BHJP
【ＦＩ】
G06Q10/06 332
G06Q50/04
【審査請求】未請求
【請求項の数】13
【出願形態】ＯＬ
(21)【出願番号】P 2022156851
(22)【出願日】2022-09-29
(71)【出願人】
【識別番号】000003193
【氏名又は名称】ＴＯＰＰＡＮホールディングス株式会社
(74)【代理人】
【識別番号】100149548
【弁理士】
【氏名又は名称】松沼 泰史
(74)【代理人】
【識別番号】100139686
【弁理士】
【氏名又は名称】鈴木 史朗
(74)【代理人】
【識別番号】100169764
【弁理士】
【氏名又は名称】清水 雄一郎
(74)【代理人】
【識別番号】100147267
【弁理士】
【氏名又は名称】大槻 真紀子
(72)【発明者】
【氏名】田村 英地
(72)【発明者】
【氏名】若尾 あすか
(72)【発明者】
【氏名】上田 芳弘
(72)【発明者】
【氏名】宮路 大勇
【テーマコード（参考）】
5L010
5L049
5L050
【Ｆターム（参考）】
5L010AA06
5L049AA06
5L049CC03
5L050CC03
(57)【要約】
【課題】労働災害の発生を抑制することが可能な作業監視装置、作業監視方法、及びプログラムを提供する。
【解決手段】作業者の作業状態を分析するための情報を示す分析情報として、前記作業者の動作に伴い検出されるデータを取得する分析情報取得部と、取得された前記分析情報に基づき、前記作業者の作業状態を分析する分析部と、前記作業者の作業状態の分析結果に基づき、前記作業者の作業において労働災害が発生する予兆を検出する予兆検出部と、を備える作業監視装置。
【選択図】図２
【解決手段】作業者の作業状態を分析するための情報を示す分析情報として、前記作業者の動作に伴い検出されるデータを取得する分析情報取得部と、取得された前記分析情報に基づき、前記作業者の作業状態を分析する分析部と、前記作業者の作業状態の分析結果に基づき、前記作業者の作業において労働災害が発生する予兆を検出する予兆検出部と、を備える作業監視装置。
【選択図】図２
【特許請求の範囲】
【請求項1】
作業者の作業状態を分析するための情報を示す分析情報として、前記作業者の動作に伴い検出されるデータを取得する分析情報取得部と、
取得された前記分析情報に基づき、前記作業者の作業状態を分析する分析部と、
前記作業者の作業状態の分析結果に基づき、前記作業者の作業において労働災害が発生する予兆を検出する予兆検出部と、
を備える作業監視装置。
取得された前記分析情報に基づき、前記作業者の作業状態を分析する分析部と、
前記作業者の作業状態の分析結果に基づき、前記作業者の作業において労働災害が発生する予兆を検出する予兆検出部と、
を備える作業監視装置。
【請求項2】
前記作業者の作業状態には、前記作業者が前記作業のための動作を行っている動作状態と、前記作業を行っている前記作業者の生体状態とを含み、
前記予兆検出部は、前記動作状態又は前記生体状態の少なくともいずれか一方に基づき、前記予兆を検出する、
請求項１に記載の作業監視装置。
前記予兆検出部は、前記動作状態又は前記生体状態の少なくともいずれか一方に基づき、前記予兆を検出する、
請求項１に記載の作業監視装置。
【請求項3】
前記予兆検出部は、前記動作状態又は前記生体状態と、前記労働災害が発生する確率との関係を学習した予兆検出モデルを用いて、前記分析部から出力される分析結果を入力として、前記労働災害が発生する確率を出力する、
請求項２に記載の作業監視装置。
請求項２に記載の作業監視装置。
【請求項4】
前記予兆検出部は、前記分析結果が示す前記動作状態より、前記作業者が前記作業における特定の動作を行っていると推定される場合には前記予兆を検出せず、前記作業者が前記作業における特定の動作を行っていないと推定される場合には前記予兆を検出する、
請求項２に記載の作業監視装置。
請求項２に記載の作業監視装置。
【請求項5】
前記予兆検出部は、前記分析結果が示す前記動作状態より、前記作業者が前記作業において前記労働災害を起こしやすい動作を行っていると推定される場合には前記予兆を検出し、前記作業者が前記作業において前記労働災害を起こしやすい動作を行っていないと推定される場合には前記予兆を検出しない、
請求項２に記載の作業監視装置。
請求項２に記載の作業監視装置。
【請求項6】
前記予兆検出部は、前記分析結果が示す前記生体状態より、前記作業における前記作業者の生体状態が正常であると推定される場合には前記予兆を検出せず、前記作業における前記作業者の生体状態が正常でないと推定される場合には前記予兆を検出する、
請求項２に記載の作業監視装置。
請求項２に記載の作業監視装置。
【請求項7】
前記分析情報取得部は、前記作業者の動作に伴う加速度情報を前記分析情報として取得し、
前記分析部は、前記加速度情報に基づき、前記動作状態を分析する、
請求項２に記載の作業監視装置。
前記分析部は、前記加速度情報に基づき、前記動作状態を分析する、
請求項２に記載の作業監視装置。
【請求項8】
前記分析部は、前記作業における特定の動作と、前記作業者が前記特定の動作を行った際に検出される加速度情報との関係を学習した動作状態分析モデルを用いて、前記分析情報取得部によって取得された前記加速度情報を入力として、前記作業者が前記特定の動作を行っている度合を出力する、
請求項７に記載の作業監視装置。
請求項７に記載の作業監視装置。
【請求項9】
前記分析情報取得部は、前記作業者の動作に伴う生体情報を前記分析情報として取得し、
前記分析部は、前記生体情報に基づき、前記生体状態を分析する、
請求項２に記載の作業監視装置。
前記分析部は、前記生体情報に基づき、前記生体状態を分析する、
請求項２に記載の作業監視装置。
【請求項10】
前記分析部は、前記作業における特定の動作と、前記作業者が前記特定の動作を行った際に検出される生体情報との関係を学習した生体状態分析モデルを用いて、前記分析情報取得部によって取得された前記生体情報を入力として、前記作業者の前記生体状態が正常である度合を出力する、
請求項９に記載の作業監視装置。
請求項９に記載の作業監視装置。
【請求項11】
前記作業者の作業において労働災害が発生する予兆が検出された場合に、前記作業の監督者が使用する端末へ通知を出力する出力制御部、
をさらに備える請求項１に記載の作業監視装置。
をさらに備える請求項１に記載の作業監視装置。
【請求項12】
分析情報取得部が、作業者の作業状態を分析するための情報を示す分析情報として、前記作業者の動作に伴い検出されるデータを取得する分析情報取得過程と、
分析部が、取得された前記分析情報に基づき、前記作業者の作業状態を分析する分析過程と、
予兆検出部が、前記作業者の作業状態の分析結果に基づき、前記作業者の作業において労働災害が発生する予兆を検出する予兆検出過程と、
を含む作業監視方法。
分析部が、取得された前記分析情報に基づき、前記作業者の作業状態を分析する分析過程と、
予兆検出部が、前記作業者の作業状態の分析結果に基づき、前記作業者の作業において労働災害が発生する予兆を検出する予兆検出過程と、
を含む作業監視方法。
【請求項13】
コンピュータを、
作業者の作業状態を分析するための情報を示す分析情報として、前記作業者の動作に伴い検出されるデータを取得する分析情報取得手段と、
取得された前記分析情報に基づき、前記作業者の作業状態を分析する分析手段と、
前記作業者の作業状態の分析結果に基づき、前記作業者の作業において労働災害が発生する予兆を検出する予兆検出手段と、
として機能させるためのプログラム。
作業者の作業状態を分析するための情報を示す分析情報として、前記作業者の動作に伴い検出されるデータを取得する分析情報取得手段と、
取得された前記分析情報に基づき、前記作業者の作業状態を分析する分析手段と、
前記作業者の作業状態の分析結果に基づき、前記作業者の作業において労働災害が発生する予兆を検出する予兆検出手段と、
として機能させるためのプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、作業監視装置、作業監視方法、及びプログラムに関する。
【背景技術】
【0002】
従来、工場などの製造ラインでは、機械による作業だけではなく、人（作業者）による作業も多く行われている。例えば複数の作業者が同じ作業を行う場合、各作業者が作業に費やす時間は作業の習熟度によって異なり、作業の習熟度が低い作業者の方が作業に費やす時間が多くなってしまう。このため、作業の習熟度が低い作業者が作業を行う製造ラインでは、作業の習熟度が高い作業者が作業を行う製造ラインよりも製造効率が低下してしまう。そこで、作業の習熟度が低い作業者が作業を行う製造ラインの製造効率の低下を抑制するための技術が各種提案されている。
【0003】
例えば、下記特許文献１には、作業中の作業者から得られる動作に関する情報に基づき、所定の作業時の動作において改善すべき動作を検出する技術が開示されている。動作に関する情報は、例えば、時間の経過に伴う骨格の位置の変化や加速度の変化などを示す情報である。当該技術により、作業の習熟度が低い作業者は、検出された動作を改善することで製造ラインの製造効率の低下を抑制することができる。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２０１９－４０４２１号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
ところで、製造現場において作業効率の低下を抑制することは重要な事項であるが、作業者の安全を確保して労働災害（労災）の発生を抑制することも重要な事項である。しかしながら、上記特許文献１の技術は、検出された動作から作業者が安全に作業を行っているか否かを検出することまではできず、労働災害の発生を抑制することまでは考慮されていなかった。
【0006】
上述の課題を鑑み、本発明の目的は、労働災害の発生を抑制することが可能な作業監視装置、作業監視方法、及びプログラムを提供することにある。
【課題を解決するための手段】
【0007】
上述の課題を解決するために、本発明の一態様に係る作業監視装置は、作業者の作業状態を分析するための情報を示す分析情報として、前記作業者の動作に伴い検出されるデータを取得する分析情報取得部と、取得された前記分析情報に基づき、前記作業者の作業状態を分析する分析部と、前記作業者の作業状態の分析結果に基づき、前記作業者の作業において労働災害が発生する予兆を検出する予兆検出部と、を備える。
【0008】
本発明の一態様に係る作業監視方法は、分析情報取得部が、作業者の作業状態を分析するための情報を示す分析情報として、前記作業者の動作に伴い検出されるデータを取得する分析情報取得過程と、分析部が、取得された前記分析情報に基づき、前記作業者の作業状態を分析する分析過程と、予兆検出部が、前記作業者の作業状態の分析結果に基づき、前記作業者の作業において労働災害が発生する予兆を検出する予兆検出過程と、を含む。
【0009】
本発明の一態様に係るプログラムは、コンピュータを、作業者の作業状態を分析するための情報を示す分析情報として、前記作業者の動作に伴い検出されるデータを取得する分析情報取得手段と、取得された前記分析情報に基づき、前記作業者の作業状態を分析する分析手段と、前記作業者の作業状態の分析結果に基づき、前記作業者の作業において労働災害が発生する予兆を検出する予兆検出手段と、として機能させる。
【発明の効果】
【0010】
本発明によれば、労働災害の発生を抑制することができる。
【図面の簡単な説明】
【0011】
【図1】本実施形態に係る作業監視システムの概略構成の一例を示すブロック図である。
【図2】本実施形態に係るウェアラブルデバイスの機能構成の一例を示すブロック図である。
【図3】本実施形態に係る作業監視システムにおける処理の流れの一例を示すシーケンス図である。
【図4】本実施形態に係る分析処理における処理の流れの一例を示すフローチャートである。
【発明を実施するための形態】
【0012】
以下、図面を参照しながら本発明の実施形態について詳しく説明する。
【0013】
【0014】
図１に示す作業監視システム１は、作業者が行う作業を監視するためのシステムである。作業監視システム１は、例えば、作業者による作業が正常に行われているか否かを監視したり、作業者による作業において労働災害（以下、「労災」とも称される）が発生する予兆があるか否かを監視したりする。
作業監視システム１は、これらの監視を行うにあたり、作業者の作業状態を分析する。作業者の作業状態には、例えば、作業者が作業のための動作を行っている動作状態と、作業を行っている作業者の生体状態とが含まれる。作業監視システム１は、作業者の作業状態を分析するにあたり、作業者の作業状態を分析するための情報を示す分析情報を取得する。作業監視システム１は、動作状態の分析のために、例えば作業者の動作に伴う加速度情報を分析情報として取得する。また、作業監視システム１は、生体状態の分析のために、例えば作業者の動作に伴う生体情報を分析情報として取得する。
作業監視システム１は、これらの監視を行うにあたり、作業者の作業状態を分析する。作業者の作業状態には、例えば、作業者が作業のための動作を行っている動作状態と、作業を行っている作業者の生体状態とが含まれる。作業監視システム１は、作業者の作業状態を分析するにあたり、作業者の作業状態を分析するための情報を示す分析情報を取得する。作業監視システム１は、動作状態の分析のために、例えば作業者の動作に伴う加速度情報を分析情報として取得する。また、作業監視システム１は、生体状態の分析のために、例えば作業者の動作に伴う生体情報を分析情報として取得する。
【0015】
作業者の作業状態を分析した結果、作業者による作業が正常に行われていない（即ち作業状態に異常がある）場合、作業監視システム１は、作業者に対して作業状態に異常があることを示す通知（以下、「異常通知」とも称される）を行う。異常通知には、作業者に対して作業状態を改善させるための指示が含まれてもよい。これにより、作業者は、通知を確認して自身の作業状態を改善することで、労災の発生を防止することができる。
さらに、作業者による作業において労災が発生する予兆が検出された場合、作業監視システム１は、労災が発生する予兆を検出したことを示す通知（以下、「労災発生予兆通知」とも称される）を作業の監督者へ通知する。これにより、監督者は、通知を確認して作業者の作業状態を改善させることで、労災の発生を防止することができる。また、通知を受けた時点で既に労災が発生している場合であっても、通知を確認して現場へ急行することで、労災の発生から時間をおくことなく対応することができ、被害を最小限に抑えることができる。
さらに、作業者による作業において労災が発生する予兆が検出された場合、作業監視システム１は、労災が発生する予兆を検出したことを示す通知（以下、「労災発生予兆通知」とも称される）を作業の監督者へ通知する。これにより、監督者は、通知を確認して作業者の作業状態を改善させることで、労災の発生を防止することができる。また、通知を受けた時点で既に労災が発生している場合であっても、通知を確認して現場へ急行することで、労災の発生から時間をおくことなく対応することができ、被害を最小限に抑えることができる。
【0016】
以下では、工場などの製造現場において、製造ラインにて製品の製造のために作業者が繰り返し行う作業を監視する例を一例として、作業監視システム１について説明する。なお、作業監視システム１の適用例は、かかる例に限定されない。例えば、作業者が作業を行っている状況であれば、作業監視システム１を適用する業界、場所、作業内容などは特に限定されない。業界は、例えば、製造業界や建設業界などである。
【0017】
工場などの製造現場において想定される労災の一例として、機械への挟まれや巻き込まれなどがある。例えば、製品が流れるラインの横で作業をしている際に、ローラーの手前にて流れてくる製品に汚れが確認された場合、作業者はラインを停止して清掃を行う必要がある。しかしながら、作業者は、微細な汚れであったために、ラインを停止しなくても清掃できると判断し、流れていく製品に上半身を追随させながら清掃を行ったとする。この清掃のための動作は、普段の作業における動作と異なる動作となる。この時、普段とは異なる体勢での作業のためになかなか汚れが取れず、誤って作業者の指がローラーに挟まってしまったとする。作業者は指を引き抜くことができたものの、激痛により指を抑えてその場にうずくまってしまった。このうずくまることで動かなくなる動作も、普段の作業における動作と異なる動作といえる。
これより、上述した清掃のための動作やうずくまる動作など、普段の作業における動作と異なる動作は、即ち労災につながる動作ともいえる。
これより、上述した清掃のための動作やうずくまる動作など、普段の作業における動作と異なる動作は、即ち労災につながる動作ともいえる。
【0018】
図１に示すように、作業監視システム１は、ウェアラブルデバイス１０と、監督者端末２０と、管理ＤＢ（Ｄａｔａ Ｂａｓｅ）３０とを備える。
【0019】
（１）ウェアラブルデバイス１０
ウェアラブルデバイス１０は、作業者が装着する端末であり、作業監視装置の一例である。なお、ウェアラブルデバイス１０の装着形態は、必要な分析情報を取得可能であれば特に限定されず、グローブ型、リストバンド型、腕時計型、メガネ型、ヘッドマウント型など、いずれの装着形態であってもよい。
ウェアラブルデバイス１０は、作業者が装着する端末であり、作業監視装置の一例である。なお、ウェアラブルデバイス１０の装着形態は、必要な分析情報を取得可能であれば特に限定されず、グローブ型、リストバンド型、腕時計型、メガネ型、ヘッドマウント型など、いずれの装着形態であってもよい。
【0020】
ウェアラブルデバイス１０は、ネットワークＮＷを介して、監督者端末２０と、管理ＤＢ３０と通信可能に接続されている。監督者端末２０との通信において、ウェアラブルデバイス１０は、労災発生予兆通知を送信する。管理ＤＢ３０との通信において、ウェアラブルデバイス１０は、作業情報を送信する。作業情報は、作業者が行っている作業に関して取得される情報である。具体的に、作業情報は、例えば作業状態の分析結果を示す情報や過去の作業内容を示す情報などである。
【0021】
（２）監督者端末２０
監督者端末２０は、監督者が作業者やその作業などを管理するために使用する端末である。監督者端末２０は、例えば、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、スマートフォン、タブレット端末などである。
監督者端末２０は、監督者が作業者やその作業などを管理するために使用する端末である。監督者端末２０は、例えば、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、スマートフォン、タブレット端末などである。
【0022】
監督者端末２０は、ネットワークＮＷを介して、ウェアラブルデバイス１０と、管理ＤＢ３０と通信可能に接続されている。ウェアラブルデバイス１０との通信において、監督者端末２０は、労災発生予兆通知を受信する。管理ＤＢ３０との通信において、監督者端末２０は、作業情報の参照要求を送信し、要求した作業情報を受信する。
【0023】
（３）管理ＤＢ３０
管理ＤＢ３０は、作業情報を管理するＤＢサーバである。管理ＤＢ３０は、例えば、１つ又は複数のサーバ装置（例えば、クラウドサーバ）で構成される。
管理ＤＢ３０は、ネットワークＮＷを介して、ウェアラブルデバイス１０と、監督者端末２０と通信可能に接続されている。ウェアラブルデバイス１０との通信において、管理ＤＢ３０は、作業情報を受信する。監督者端末２０との通信において、管理ＤＢ３０は、作業情報の参照要求を受信し、要求した作業情報を受信する。
管理ＤＢ３０は、作業情報を管理するＤＢサーバである。管理ＤＢ３０は、例えば、１つ又は複数のサーバ装置（例えば、クラウドサーバ）で構成される。
管理ＤＢ３０は、ネットワークＮＷを介して、ウェアラブルデバイス１０と、監督者端末２０と通信可能に接続されている。ウェアラブルデバイス１０との通信において、管理ＤＢ３０は、作業情報を受信する。監督者端末２０との通信において、管理ＤＢ３０は、作業情報の参照要求を受信し、要求した作業情報を受信する。
【0024】
＜２．ウェアラブルデバイスの機能構成＞
以上、本実施形態に係る作業監視システム１の概略構成について説明した。続いて、図２を参照して、本実施形態に係るウェアラブルデバイス１０の機能構成について説明する。図２は、本実施形態に係るウェアラブルデバイス１０の機能構成の一例を示すブロック図である。
以上、本実施形態に係る作業監視システム１の概略構成について説明した。続いて、図２を参照して、本実施形態に係るウェアラブルデバイス１０の機能構成について説明する。図２は、本実施形態に係るウェアラブルデバイス１０の機能構成の一例を示すブロック図である。
【0025】
図２に示すように、ウェアラブルデバイス１０は、通信部１１０と、入力部１２０と、加速度情報取得部１３０と、生体情報取得部１４０と、記憶部１５０と、制御部１６０と、出力部１７０とを備える。
【0026】
（１）通信部１１０
通信部１１０は、各種情報を送受信する機能を有する。例えば、通信部１１０は、ネットワークＮＷを介して、監督者端末２０と、管理ＤＢ３０と通信を行い、各種情報を送受信する。
通信部１１０は、各種情報を送受信する機能を有する。例えば、通信部１１０は、ネットワークＮＷを介して、監督者端末２０と、管理ＤＢ３０と通信を行い、各種情報を送受信する。
【0027】
（２）入力部１２０
入力部１２０は、作業者からの入力を受け付ける機能を有する。入力部１２０は、ウェアラブルデバイス１０がハードウェアとして備える入力装置、例えばボタン、タッチパネル、マイクロフォン等によって構成される。
入力部１２０は、作業者からの入力を受け付ける機能を有する。入力部１２０は、ウェアラブルデバイス１０がハードウェアとして備える入力装置、例えばボタン、タッチパネル、マイクロフォン等によって構成される。
【0028】
（３）加速度情報取得部１３０
加速度情報取得部１３０は、加速度情報を取得する機能を有する。加速度情報取得部１３０は、ウェアラブルデバイス１０がハードウェアとして備える加速度センサによって実現される。加速度情報取得部１３０は、ウェアラブルデバイス１０を装着した作業者が作業を行うことで生じる加速度を加速度センサによって検出し、当該加速度を示す加速度情報を取得する。
加速度情報取得部１３０は、加速度情報を取得する機能を有する。加速度情報取得部１３０は、ウェアラブルデバイス１０がハードウェアとして備える加速度センサによって実現される。加速度情報取得部１３０は、ウェアラブルデバイス１０を装着した作業者が作業を行うことで生じる加速度を加速度センサによって検出し、当該加速度を示す加速度情報を取得する。
【0029】
（４）生体情報取得部１４０
生体情報取得部１４０は、生体情報を取得する機能を有する。生体情報取得部１４０は、ウェアラブルデバイス１０がハードウェアとして備える生体センサによって実現される。例えば、生体センサは、心拍センサや脳波センサなどである。心拍センサの場合、生体情報取得部１４０は、ウェアラブルデバイス１０を装着した作業者が作業を行っている際の心拍数を心拍センサによって検出し、当該心拍数を示す生体情報を取得する。脳波センサの場合、生体情報取得部１４０は、ウェアラブルデバイス１０を装着した作業者が作業を行っている際の脳波を脳波センサによって検出し、当該脳波を示す生体情報を取得する。
生体情報取得部１４０は、生体情報を取得する機能を有する。生体情報取得部１４０は、ウェアラブルデバイス１０がハードウェアとして備える生体センサによって実現される。例えば、生体センサは、心拍センサや脳波センサなどである。心拍センサの場合、生体情報取得部１４０は、ウェアラブルデバイス１０を装着した作業者が作業を行っている際の心拍数を心拍センサによって検出し、当該心拍数を示す生体情報を取得する。脳波センサの場合、生体情報取得部１４０は、ウェアラブルデバイス１０を装着した作業者が作業を行っている際の脳波を脳波センサによって検出し、当該脳波を示す生体情報を取得する。
【0030】
（５）記憶部１５０
記憶部１５０は、各種情報を記憶する機能を有する。記憶部１５０は、ウェアラブルデバイス１０がハードウェアとして備える記憶媒体、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、フラッシュメモリ、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ ｒｅａｄ／ｗｒｉｔｅ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、又はこれらの記憶媒体の任意の組み合わせによって構成される。
図２に示すように、記憶部１５０は、動作状態分析モデル１５１と、生体状態分析モデル１５２と、予兆検出モデル１５３とを記憶する。
記憶部１５０は、各種情報を記憶する機能を有する。記憶部１５０は、ウェアラブルデバイス１０がハードウェアとして備える記憶媒体、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、フラッシュメモリ、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ ｒｅａｄ／ｗｒｉｔｅ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、又はこれらの記憶媒体の任意の組み合わせによって構成される。
図２に示すように、記憶部１５０は、動作状態分析モデル１５１と、生体状態分析モデル１５２と、予兆検出モデル１５３とを記憶する。
【0031】
（５－１）動作状態分析モデル１５１
動作状態分析モデル１５１は、動作状態を分析するモデルである。例えば、動作状態分析モデル１５１は、作業における特定の動作と、作業者が特定の動作を行った際に検出される加速度情報との関係を学習したモデル（学習済みモデル）である。このため、動作状態分析モデル１５１は、分析情報取得部１６１によって取得された加速度情報を入力として、作業者が特定の動作を行っている度合を出力する。作業者が特定の動作を行っている度合は、例えば、作業における特定の動作と、作業者が実際に行っている特定の動作との乖離度合である。
動作状態分析モデル１５１は、動作状態を分析するモデルである。例えば、動作状態分析モデル１５１は、作業における特定の動作と、作業者が特定の動作を行った際に検出される加速度情報との関係を学習したモデル（学習済みモデル）である。このため、動作状態分析モデル１５１は、分析情報取得部１６１によって取得された加速度情報を入力として、作業者が特定の動作を行っている度合を出力する。作業者が特定の動作を行っている度合は、例えば、作業における特定の動作と、作業者が実際に行っている特定の動作との乖離度合である。
【0032】
なお、動作状態分析モデル１５１は、作業者ごとに、かつ作業者が行う作業ごとに用意される。即ち、各作業者の各作業に専用の動作状態分析モデル１５１が用意される。このため、各作業者は、動作状態分析モデル１５１の生成のために、事前にウェアラブルデバイス１０を装着した状態で自身の各作業での動作を行い、各作業の動作に対応する加速度情報を学習データとして取得する。
【0033】
（５－２）生体状態分析モデル１５２
生体状態分析モデル１５２は、生体状態を分析するモデルである。生体状態分析モデル１５２は、作業における特定の動作と、作業者が特定の動作を行った際に検出される生体情報との関係を学習したモデル（学習済みモデル）である。このため、生体状態分析モデル１５２は、分析情報取得部１６１によって取得された生体情報を入力として、作業者の生体状態が正常である度合を出力する。作業者の生体状態が正常である度合は、例えば、作業における特定の動作を行っている際の正常な生体情報と、作業者が実際に特定の動作を行っている際の生体情報との乖離度合である。
生体状態分析モデル１５２は、生体状態を分析するモデルである。生体状態分析モデル１５２は、作業における特定の動作と、作業者が特定の動作を行った際に検出される生体情報との関係を学習したモデル（学習済みモデル）である。このため、生体状態分析モデル１５２は、分析情報取得部１６１によって取得された生体情報を入力として、作業者の生体状態が正常である度合を出力する。作業者の生体状態が正常である度合は、例えば、作業における特定の動作を行っている際の正常な生体情報と、作業者が実際に特定の動作を行っている際の生体情報との乖離度合である。
【0034】
なお、生体状態分析モデル１５２は、作業者ごとに、かつ作業者が行う作業ごとに用意される。即ち、各作業者の各作業に専用の生体状態分析モデル１５２が用意される。このため、各作業者は、生体状態分析モデル１５２の生成のために、事前にウェアラブルデバイス１０を装着した状態で自身の各作業での動作を行い、各作業の動作に対応する生体情報を学習データとして取得する。
【0035】
（５－３）予兆検出モデル１５３
予兆検出モデル１５３は、労災が発生する予兆を検出するモデルである。予兆検出モデル１５３は、動作状態又は生体状態と、労災が発生する確率との関係を学習したモデル（学習済みモデル）である。予兆検出モデル１５３は、動作状態分析モデル１５１又は生体状態分析モデル１５２（後述する分析部１６２）から出力される情報を入力として、労災が発生する確率（以下、「労災発生確率」とも称される）を出力する。
ここで、予兆検出モデル１５３に対して入力する動作状態と生体情報の組み合わせに応じて出力される労災発生確率の一例ついて説明する。
予兆検出モデル１５３は、労災が発生する予兆を検出するモデルである。予兆検出モデル１５３は、動作状態又は生体状態と、労災が発生する確率との関係を学習したモデル（学習済みモデル）である。予兆検出モデル１５３は、動作状態分析モデル１５１又は生体状態分析モデル１５２（後述する分析部１６２）から出力される情報を入力として、労災が発生する確率（以下、「労災発生確率」とも称される）を出力する。
ここで、予兆検出モデル１５３に対して入力する動作状態と生体情報の組み合わせに応じて出力される労災発生確率の一例ついて説明する。
【0036】
例えば、予兆検出モデル１５３に入力される動作状態が示す乖離度合が大きく、生体情報が示す乖離度合が大きいとする。この場合、動作状態から作業者が普段とは異なる動作をしていると推定され、かつ生体情報から作業者の心拍や脳波が乱れていると推定される。普段とは異なる動作は、例えば、不測の事態に対応する場合、事故を回避する場合、既に事故が発生した場合などに行われることがある。心拍や脳波の乱れは、作業者が焦って作業をしている場合や、既に事故が発生して怪我をしている場合などに生じることがある。このため、作業者が普段とは異なる動作をしており、かつ作業者の心拍や脳波が乱れていると推定される場合、作業者は労災が非常に発生しやすい状態にあると推定される。よって、予兆検出モデル１５３は、例えば労災発生確率を高めに出力する。
【0037】
また、予兆検出モデル１５３に入力される動作状態が示す乖離度合が大きく、生体情報が示す乖離度合が小さいとする。この場合、動作状態から作業者が普段とは異なる動作をしていると推定され、かつ生体情報から作業者の心拍や脳波は落ち着いていると推定される。これより、作業者が普段とは異なる動作をしているが冷静に対応していると推定されるため、作業者は労災が発生しやすい状態にあると推定される。よって、予兆検出モデル１５３は、例えば労災発生確率を少し高めに出力する。
【0038】
また、予兆検出モデル１５３に入力される動作状態が示す乖離度合が小さく、生体情報が示す乖離度合が大きいとする。この場合、動作状態から作業者が普段と同様の動作をしていると推定され、かつ生体情報から作業者の心拍や脳波が乱れていると推定される。これより、作業者が普段と同様の動作を焦って行っていると推定されるため、作業者は労災が少し発生しやすい状態にあると推定される。よって、予兆検出モデル１５３は、例えば労災発生確率を少し低めに出力する。
【0039】
また、予兆検出モデル１５３に入力される動作状態が示す乖離度合が小さく、生体情報が示す乖離度合が小さいとする。この場合、動作状態から作業者が普段と同様の動作をしていると推定され、かつ生体情報から作業者の心拍や脳波は落ち着いていると推定される。これより、作業者が普段と同様の動作を冷静に行っていると推定されるため、作業者は労災が発生しにくい状態にあると推定される。よって、予兆検出モデル１５３は、例えば労災発生確率を低めに出力する。
【0040】
なお、動作状態分析モデル１５１、生体状態分析モデル１５２、及び予兆検出モデル１５３における学習済みモデルは、深層学習モデルを用いて学習されたモデルであっても良い。また、各モデルにおける学習済みモデルは、非深層学習型で非線形の時系列データに対して予測可能なアルゴリズムを使用して学習することで得られるモデルであってもよい。この場合、学習時間を短縮させ、システムの応答のたびに、その時点での最新の情報を使い、ＡＩモデルを作成できる。これにより、リアルタイムで精度の高い予測が可能となる。
【0041】
（６）制御部１６０
制御部１６０は、ウェアラブルデバイス１０の動作全般を制御する機能を有する。制御部１６０は、例えば、ウェアラブルデバイス１０がハードウェアとして備えるＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）又はＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）にプログラムを実行させることによって実現される。
図２に示すように、制御部１６０は、分析情報取得部１６１と、分析部１６２と、予兆検出部１６３と、出力制御部１６４とを備える。
制御部１６０は、ウェアラブルデバイス１０の動作全般を制御する機能を有する。制御部１６０は、例えば、ウェアラブルデバイス１０がハードウェアとして備えるＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）又はＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）にプログラムを実行させることによって実現される。
図２に示すように、制御部１６０は、分析情報取得部１６１と、分析部１６２と、予兆検出部１６３と、出力制御部１６４とを備える。
【0042】
（６－１）分析情報取得部１６１
分析情報取得部１６１は、分析情報を取得する機能を有する。分析情報取得部１６１は、分析情報として、作業者の動作に伴い検出されるデータを取得する。例えば、分析情報取得部１６１は、作業者の動作に伴い加速度情報取得部１３０によって検出かつ取得された加速度情報を、分析情報として取得する。また、分析情報取得部１６１は、作業者の動作に伴い生体情報取得部１４０によって検出かつ取得された生体情報を、分析情報として取得する。
分析情報取得部１６１は、分析情報を取得する機能を有する。分析情報取得部１６１は、分析情報として、作業者の動作に伴い検出されるデータを取得する。例えば、分析情報取得部１６１は、作業者の動作に伴い加速度情報取得部１３０によって検出かつ取得された加速度情報を、分析情報として取得する。また、分析情報取得部１６１は、作業者の動作に伴い生体情報取得部１４０によって検出かつ取得された生体情報を、分析情報として取得する。
【0043】
（６－２）分析部１６２
分析部１６２は、分析情報取得部１６１によって取得された分析情報に基づき、作業者の作業状態を分析する機能を有する。例えば、分析部１６２は、加速度情報に基づき、動作状態分析モデル１５１を用いて、作業者の動作状態を分析する。より具体的に、分析部１６２は、記憶部１５０に記憶されている動作状態分析モデル１５１に対して、分析情報取得部１６１によって取得された加速度情報を入力し、作業者が特定の動作を行っている度合を出力（分析結果）として得る。
分析部１６２は、分析情報取得部１６１によって取得された分析情報に基づき、作業者の作業状態を分析する機能を有する。例えば、分析部１６２は、加速度情報に基づき、動作状態分析モデル１５１を用いて、作業者の動作状態を分析する。より具体的に、分析部１６２は、記憶部１５０に記憶されている動作状態分析モデル１５１に対して、分析情報取得部１６１によって取得された加速度情報を入力し、作業者が特定の動作を行っている度合を出力（分析結果）として得る。
【0044】
また、分析部１６２は、生体情報に基づき、生体状態分析モデル１５２を用いて、作業者の生体状態を分析する。より具体的に、分析部１６２は、記憶部１５０に記憶されている生体状態分析モデル１５２に対して、分析情報取得部１６１によって取得された生体情報を入力し、作業者の生体状態が正常である度合を出力（分析結果）として得る。
【0045】
なお、分析部１６２は、動作状態の分析より、作業者が正常に動作を行っている場合には、加速度情報から動作の速度を算出することで、作業者による作業の実施速度を分析してもよい。実施速度の分析より、実施速度が遅い場合には、作業の進捗に遅れが生じると推定され得る。
【0046】
（６－３）予兆検出部１６３
予兆検出部１６３は、分析部１６２による作業者の作業状態の分析結果に基づき、作業者の作業において労災が発生する予兆を検出する機能を有する。例えば、予兆検出部１６３は、動作状態又は生体状態の少なくともいずれか一方に基づき、予兆検出モデル１５３を用いて予兆を検出する。より具体的に、予兆検出部１６３は、記憶部１５０に記憶されている予兆検出モデル１５３に対して、分析部１６２から出力される分析結果を入力し、労働災害が発生する確率を出力として得る。
予兆検出部１６３は、分析部１６２による作業者の作業状態の分析結果に基づき、作業者の作業において労災が発生する予兆を検出する機能を有する。例えば、予兆検出部１６３は、動作状態又は生体状態の少なくともいずれか一方に基づき、予兆検出モデル１５３を用いて予兆を検出する。より具体的に、予兆検出部１６３は、記憶部１５０に記憶されている予兆検出モデル１５３に対して、分析部１６２から出力される分析結果を入力し、労働災害が発生する確率を出力として得る。
【0047】
なお、予兆検出部１６３は、分析結果が示す動作状態より、作業者が作業における特定の動作を行っていると推定される場合には予兆を検出せず、作業者が作業における特定の動作を行っていないと推定される場合には予兆を検出するようにしてもよい。
また、予兆検出部１６３は、分析結果が示す生体状態より、作業における作業者の生体状態が正常であると推定される場合には予兆を検出せず、作業における作業者の生体状態が正常でないと推定される場合には予兆を検出するようにしてもよい。
また、予兆検出部１６３は、分析結果が示す生体状態より、作業における作業者の生体状態が正常であると推定される場合には予兆を検出せず、作業における作業者の生体状態が正常でないと推定される場合には予兆を検出するようにしてもよい。
【0048】
（６－４）出力制御部１６４
出力制御部１６４は、各種情報の出力を制御する機能を有する。例えば、出力制御部１６４は、作業者の作業において作業状態に異常があった場合に、出力部１７０に異常通知を出力させる。これにより、出力制御部１６４は、作業者に対して作業状態に異常があることを知らせることができる。
また、出力制御部１６４は、作業者の作業において労災が発生する予兆が検出された場合に、監督者端末２０へ労災発生予兆通知を送信し、出力させる。これにより、出力制御部１６４は、監督者に対して作業者の作業において労災が発生する予兆があることを知らせることができる。
出力制御部１６４は、各種情報の出力を制御する機能を有する。例えば、出力制御部１６４は、作業者の作業において作業状態に異常があった場合に、出力部１７０に異常通知を出力させる。これにより、出力制御部１６４は、作業者に対して作業状態に異常があることを知らせることができる。
また、出力制御部１６４は、作業者の作業において労災が発生する予兆が検出された場合に、監督者端末２０へ労災発生予兆通知を送信し、出力させる。これにより、出力制御部１６４は、監督者に対して作業者の作業において労災が発生する予兆があることを知らせることができる。
【0049】
なお、出力制御部１６４は、分析部１６２による作業者の作業の実施速度の監視結果から作業の進捗に遅れが生じると推定された場合、出力部１７０に作業の実施速度を改善させる指示を出力させてもよい。
【0050】
（７）出力部１７０
出力部１７０は、各種情報を出力する機能を有する。出力部１７０は、ウェアラブルデバイス１０がハードウェアとして備える出力装置、例えばディスプレイ装置やタッチスクリーン（タッチパネル）などの表示装置やスピーカなどの音声出力装置によって構成される。
出力部１７０は、各種情報を出力する機能を有する。出力部１７０は、ウェアラブルデバイス１０がハードウェアとして備える出力装置、例えばディスプレイ装置やタッチスクリーン（タッチパネル）などの表示装置やスピーカなどの音声出力装置によって構成される。
【0051】
出力部１７０は、例えば、作業者の作業において作業状態に異常があった場合に、出力制御部１６４から入力される異常通知を出力する。なお、出力部１７０は、異常通知を表示装置に表示させてもよいし、音声出力装置から音声で出力してもよい。
【0052】
＜３．処理の流れ＞
以上、本実施形態に係るウェアラブルデバイス１０の機能構成について説明した。続いて、図３及び図４を参照して、本実施形態に係る処理の流れについて説明する。図３は、本実施形態に係る作業監視システム１における処理の流れの一例を示すシーケンス図である。図４は、本実施形態に係る分析処理における処理の流れの一例を示すフローチャートである。
以上、本実施形態に係るウェアラブルデバイス１０の機能構成について説明した。続いて、図３及び図４を参照して、本実施形態に係る処理の流れについて説明する。図３は、本実施形態に係る作業監視システム１における処理の流れの一例を示すシーケンス図である。図４は、本実施形態に係る分析処理における処理の流れの一例を示すフローチャートである。
【0053】
図３に示すように、まず、作業者は、ウェアラブルデバイス１０を装着した上で、作業を開始する（ステップＳ１０１）。
次いで、ウェアラブルデバイス１０の分析情報取得部１６１は、ウェアラブルデバイス１０の加速度情報取得部１３０によって取得される加速度情報や生体情報取得部１４０によって取得される生体情報を、分析情報として取得する（ステップＳ１０２）。
次いで、ウェアラブルデバイス１０の分析部１６２は、分析情報取得部１６１によって取得された分析情報に基づき、分析処理を行う（ステップＳ１０３）。
次いで、ウェアラブルデバイス１０の分析情報取得部１６１は、ウェアラブルデバイス１０の加速度情報取得部１３０によって取得される加速度情報や生体情報取得部１４０によって取得される生体情報を、分析情報として取得する（ステップＳ１０２）。
次いで、ウェアラブルデバイス１０の分析部１６２は、分析情報取得部１６１によって取得された分析情報に基づき、分析処理を行う（ステップＳ１０３）。
【0054】
ここで、図４を参照して、ステップＳ１０３の分析処理における処理の流れについて説明する。
図４に示すように、まず、分析部１６２は、分析情報として取得された加速度情報と動作状態分析モデル１５１を用いて、作業者の動作状態を分析する（ステップＳ２０１）。
次いで、分析部１６２は、動作状態の分析結果から、作業者が正常な動作を行っているか否かを判定する（ステップＳ２０２）。作業者が正常な動作を行っている場合（ステップＳ２０２／ＹＥＳ）、処理はステップＳ２０３へ進む。一方、作業者が正常な動作を行っていない場合（ステップＳ２０２／ＮＯ）、処理はステップＳ２０４へ進む。
図４に示すように、まず、分析部１６２は、分析情報として取得された加速度情報と動作状態分析モデル１５１を用いて、作業者の動作状態を分析する（ステップＳ２０１）。
次いで、分析部１６２は、動作状態の分析結果から、作業者が正常な動作を行っているか否かを判定する（ステップＳ２０２）。作業者が正常な動作を行っている場合（ステップＳ２０２／ＹＥＳ）、処理はステップＳ２０３へ進む。一方、作業者が正常な動作を行っていない場合（ステップＳ２０２／ＮＯ）、処理はステップＳ２０４へ進む。
【0055】
処理がステップＳ２０３へ進んだ場合、分析部１６２は、作業者による作業の実施速度を分析する（ステップＳ２０３）。分析後、処理はステップＳ２０３へ進む。
処理がステップＳ２０４へ進んだ場合、分析部１６２は、分析情報として取得された生体情報と生体状態分析モデル１５２を用いて、作業者の生体状態を分析する（ステップＳ２０４）。
次いで、ウェアラブルデバイス１０の予兆検出部１６３は、分析部１６２によって分析された動作状態及び生体状態と、予兆検出モデル１５３とを用いて、作業者の作業において労災が発生する予兆を検出する（ステップＳ２０５）。
処理がステップＳ２０４へ進んだ場合、分析部１６２は、分析情報として取得された生体情報と生体状態分析モデル１５２を用いて、作業者の生体状態を分析する（ステップＳ２０４）。
次いで、ウェアラブルデバイス１０の予兆検出部１６３は、分析部１６２によって分析された動作状態及び生体状態と、予兆検出モデル１５３とを用いて、作業者の作業において労災が発生する予兆を検出する（ステップＳ２０５）。
【0056】
図３に戻り、作業者の作業状態に異常があった場合（ステップＳ１０４／ＹＥＳ）、処理はステップＳ１０５へ進む。一方、作業者の作業状態に異常がなかった場合（ステップＳ１０４／ＮＯ）、処理はステップＳ１０２から繰り返す。
処理がステップＳ１０５へ進んだ場合、ウェアラブルデバイス１０の出力制御部１６４は、出力部１７０に異常通知を出力させる（ステップＳ１０５）。
作業者は、出力部１７０によって出力された異常通知を確認し、異常通知に対する対応を行う（ステップＳ１０６）。
処理がステップＳ１０５へ進んだ場合、ウェアラブルデバイス１０の出力制御部１６４は、出力部１７０に異常通知を出力させる（ステップＳ１０５）。
作業者は、出力部１７０によって出力された異常通知を確認し、異常通知に対する対応を行う（ステップＳ１０６）。
【0057】
次いで、労災が発生する予兆が検出された場合（ステップＳ１０７／ＹＥＳ）、処理はステップＳ１０８へ進む。一方、労災が発生する予兆が検出されなかった場合（ステップＳ１０７／ＮＯ）、処理はステップＳ１１０へ進む。
【0058】
処理がステップＳ１０８へ進んだ場合、出力制御部１６４は、監督者端末２０へ労災発生予兆通知を送信し、出力させる（ステップＳ１０８）。
監督者は、監督者端末２０に通知された労災発生予兆通知を確認し、対応する（ステップＳ１０９）。
監督者は、監督者端末２０に通知された労災発生予兆通知を確認し、対応する（ステップＳ１０９）。
【0059】
処理がステップＳ１１０へ進んだ場合、出力制御部１６４は、管理ＤＢ３０へ作業情報を送信する（ステップＳ１１０）。管理ＤＢ３０は、ウェアラブルデバイス１０から受信した作業情報を記憶する（ステップＳ１１１）。
監督者端末２０は、管理ＤＢ３０へ作業情報の参照要求を送信し、作業情報を参照可能な状態にする（ステップＳ１１２）。監督者は、監督者端末２０から作業情報を確認する（ステップＳ１１３）。
監督者端末２０は、管理ＤＢ３０へ作業情報の参照要求を送信し、作業情報を参照可能な状態にする（ステップＳ１１２）。監督者は、監督者端末２０から作業情報を確認する（ステップＳ１１３）。
【0060】
以上説明したように、本実施形態に係るウェアラブルデバイス１０（作業監視装置）は、作業者の作業状態を分析するための情報を示す分析情報として、作業者の動作に伴い検出されるデータを取得する分析情報取得部１６１と、取得された分析情報に基づき、作業者の作業状態を分析する分析部１６２と、作業者の作業状態の分析結果に基づき、作業者の作業において労働災害が発生する予兆を検出する予兆検出部１６３と、を備える。
【0061】
かかる構成により、作業者の作業状態から、作業者の作業において労災が発生する予兆を検出することができる。これにより、作業者や監督者に対して、労災が発生する予兆が検出されたことを知らせることで、労災の発生前に作業状態を改善することができる。
よって、本実施形態に係るウェアラブルデバイス１０は、労働災害の発生を抑制することを可能とする。
よって、本実施形態に係るウェアラブルデバイス１０は、労働災害の発生を抑制することを可能とする。
【0062】
＜４．変形例＞
以上、実施形態について説明した。続いて、上述した実施形態の変形例について説明する。なお、以下に説明する各変形例は、単独で実施形態に適用されてもよいし、組み合わせで実施形態に適用されてもよい。また、各変形例は、実施形態で説明した構成に代えて適用されてもよいし、実施形態で説明した構成に対して追加的に適用されてもよい。
以上、実施形態について説明した。続いて、上述した実施形態の変形例について説明する。なお、以下に説明する各変形例は、単独で実施形態に適用されてもよいし、組み合わせで実施形態に適用されてもよい。また、各変形例は、実施形態で説明した構成に代えて適用されてもよいし、実施形態で説明した構成に対して追加的に適用されてもよい。
【0063】
上述した実施形態では、作業監視装置の機能がウェアラブルデバイス１０によって実現される例について説明したが、かかる例に限定されない。例えば、作業監視装置の機能の一部又は全部を１つ又は複数のサーバ装置（例えば、クラウドサーバ）で実現するようにしてもよい。また、作業監視装置の機能の一部又は全部を量子コンピュータによって実現するようにしてもよい。
【0064】
また、上述した実施形態では、加速度情報取得部１３０の機能が加速度センサによって実現され、当該加速度センサによって検出された加速度情報を取得する例について説明したが、かかる例に限定されない。例えば、加速度情報取得部１３０は、作業者の近傍に設けられたカメラによって撮像される、作業者が作業している様子を示す画像（動画像又は複数の静止画像）を取得し、当該画像に基づき加速度を算出することで、加速度情報を取得してもよい。
【0065】
また、上述した実施形態では、動作状態分析モデル１５１及び生体状態分析モデル１５２が、作業者ごとかつ作業ごとに用意される例について説明したが、かかる例に限定されない。例えば、動作状態分析モデル１５１及び生体状態分析モデル１５２は、複数の作業者に単一のモデルが用意されてもよい。即ち、複数の作業者が同じモデルを利用可能であってもよい。
【0066】
また、上述した実施形態では、予兆検出部１６３が予兆検出において、動作状態又は生体状態と、労災が発生する確率との関係を学習した予兆検出モデル１５３を用いる例について説明したが、かかる例に限定されない。例えば、予兆検出部１６３は、労災を起こしやすい動作と労災が発生する確率との関係を学習したモデルを用いて、予兆検出を行ってもよい。この場合、予兆検出部１６３は、分析結果が示す動作状態より、作業者が作業において労災を起こしやすい動作を行っていると推定される場合には予兆を検出し、作業者が作業において労災を起こしやすい動作を行っていないと推定される場合には予兆を検出しないようにしてもよい。
【0067】
また、上述した実施形態では、分析部１６２が動作状態の分析と、生体状態の分析と、予兆検出において学習済みモデルを用いる例について説明したが、かかる例に限定されない。例えば、分析部１６２は、取得された加速度情報や生体情報と、予め設定される閾値との比較に基づき、動作状態の分析と生体状態の分析を行ってもよい。また、分析部１６２には、動作状態の分析結果と生体状態の分析結果と、予め設定される閾値との比較に基づき、予兆検出を行ってもよい。
【0068】
また、上述した実施形態において、作業者の作業状態の判断理由となる情報をＥｘｐｌａｉｎａｂｌｅ ＡＩ（説明可能なＡＩ）に分類される技術や手法を用いて算出し、ウェアラブルデバイス１０や監督者端末２０などに表示させるようにしてもよい。
【0069】
以上、実施形態の変形例について説明した。
なお、上述した実施形態における作業監視システム１及びウェアラブルデバイス１０（作業監視装置）の機能の一部又は全部をコンピュータで実現するようにしてもよい。その場合、この機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって実現してもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでもよい。また、上記プログラムは、前述した機能の一部を実現するためのものであってもよく、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよく、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等のプログラマブルロジックデバイスを用いて実現されるものであってもよい。
なお、上述した実施形態における作業監視システム１及びウェアラブルデバイス１０（作業監視装置）の機能の一部又は全部をコンピュータで実現するようにしてもよい。その場合、この機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって実現してもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでもよい。また、上記プログラムは、前述した機能の一部を実現するためのものであってもよく、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよく、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等のプログラマブルロジックデバイスを用いて実現されるものであってもよい。
【0070】
以上、図面を参照してこの発明の実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、この発明の要旨を逸脱しない範囲内において様々な設計変更等をすることが可能である。
【符号の説明】
【0071】
１…作業監視システム、１０…ウェアラブルデバイス、２０…監督者端末、３０…管理ＤＢ、１１０…通信部、１２０…入力部、１３０…加速度情報取得部、１４０…生体情報取得部、１５０…記憶部、１５１…動作状態分析モデル、１５２…生体状態分析モデル、１５３…予兆検出モデル、１６０…制御部、１６１…分析情報取得部、１６２…分析部、１６３…予兆検出部、１６４…出力制御部、１７０…出力部、ＮＷ…ネットワーク
【図1】
【図2】
【図3】
【図4】