(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】P2024078016
(43)【公開日】2024-06-10
(54)【発明の名称】作業支援システム、作業支援装置、および、作業支援方法
(51)【国際特許分類】
G10L 15/06 20130101AFI20240603BHJP
G06Q 10/20 20230101ALI20240603BHJP
【ＦＩ】
G10L15/06 300C
G06Q10/20
【審査請求】未請求
【請求項の数】11
【出願形態】ＯＬ
(21)【出願番号】P 2022190307
(22)【出願日】2022-11-29
(71)【出願人】
【識別番号】507250427
【氏名又は名称】日立ＧＥニュークリア・エナジー株式会社
(74)【代理人】
【識別番号】110001807
【氏名又は名称】弁理士法人磯野国際特許商標事務所
(72)【発明者】
【氏名】高橋 昌史
(72)【発明者】
【氏名】住吉 貴志
(72)【発明者】
【氏名】小窪 浩明
(72)【発明者】
【氏名】松井 唯
【テーマコード（参考）】
5L049
【Ｆターム（参考）】
5L049CC15
(57)【要約】
【課題】作業内容を示す重要単語を、適切に設定すること。
【解決手段】作業支援システム３０は、要領書データ３６から抽出した文構造から要領書データ３６に含まれる重要単語を評価する評価モデル１７に対して、過去要領書１１に含まれる単語を、過去要領書１１に含まれる重要単語として出力するように評価モデル１７を学習する過去処理部１０と、今回の要領書データ３６から抽出した文構造を評価モデル１７に入力することで、評価モデル１７から出力される重要単語を、今回の要領書データ３６に基づく点検作業で発話されたか否かを確認するキーワードとして重要単語辞書３４に登録する今回処理部２０とを有する。
【選択図】 図８
【解決手段】作業支援システム３０は、要領書データ３６から抽出した文構造から要領書データ３６に含まれる重要単語を評価する評価モデル１７に対して、過去要領書１１に含まれる単語を、過去要領書１１に含まれる重要単語として出力するように評価モデル１７を学習する過去処理部１０と、今回の要領書データ３６から抽出した文構造を評価モデル１７に入力することで、評価モデル１７から出力される重要単語を、今回の要領書データ３６に基づく点検作業で発話されたか否かを確認するキーワードとして重要単語辞書３４に登録する今回処理部２０とを有する。
【選択図】 図８
【特許請求の範囲】
【請求項1】
要領書から抽出した文構造から要領書に含まれる重要単語を評価する評価モデルに対して、過去の要領書に含まれる単語を、前記過去の要領書に含まれる重要単語として出力するように前記評価モデルを学習する重要単語抽出装置と、
今回の要領書から抽出した文構造を前記評価モデルに入力することで、前記評価モデルから出力される重要単語を、前記今回の要領書に基づく作業で用いるキーワードとして重要単語辞書に登録する作業支援装置とを有することを特徴とする
作業支援システム。
今回の要領書から抽出した文構造を前記評価モデルに入力することで、前記評価モデルから出力される重要単語を、前記今回の要領書に基づく作業で用いるキーワードとして重要単語辞書に登録する作業支援装置とを有することを特徴とする
作業支援システム。
【請求項2】
前記評価モデルは、時系列の入力データを受け付けるモデルであり、
前記重要単語抽出装置および前記作業支援装置は、要領書から抽出した単語の並び関係を文構造として抽出し、その抽出した単語の並び関係を時系列の入力データとして前記評価モデルに入力することを特徴とする
請求項１に記載の作業支援システム。
前記重要単語抽出装置および前記作業支援装置は、要領書から抽出した単語の並び関係を文構造として抽出し、その抽出した単語の並び関係を時系列の入力データとして前記評価モデルに入力することを特徴とする
請求項１に記載の作業支援システム。
【請求項3】
前記作業支援装置は、前記今回の要領書に基づく作業よりも前に実行される、前記今回の要領書に基づく演習時に複数の人物によって共通で発話された前記今回の要領書に含まれる単語を、前記評価モデルの入力データに追加することを特徴とする
請求項２に記載の作業支援システム。
請求項２に記載の作業支援システム。
【請求項4】
前記評価モデルは、単語間の係り受け関係を示す特徴量の入力データを受け付けるモデルであり、
前記重要単語抽出装置および前記作業支援装置は、要領書から抽出した作業の動作を示す作業用語に対する単語間の係り受け関係を示す特徴量を文構造として抽出し、その抽出した特徴量を入力データとして前記評価モデルに入力することを特徴とする
請求項１に記載の作業支援システム。
前記重要単語抽出装置および前記作業支援装置は、要領書から抽出した作業の動作を示す作業用語に対する単語間の係り受け関係を示す特徴量を文構造として抽出し、その抽出した特徴量を入力データとして前記評価モデルに入力することを特徴とする
請求項１に記載の作業支援システム。
【請求項5】
前記作業支援装置は、前記重要単語辞書に登録した重要単語のうちの動詞を、次回の前記作業用語として登録することを特徴とする
請求項４に記載の作業支援システム。
請求項４に記載の作業支援システム。
【請求項6】
前記評価モデルは、単語間の係り受け関係を示す特徴量に加え、複数の人物によって共通で発話された単語についての統計情報を示す特徴量の入力データを受け付けるモデルであり、
前記作業支援装置は、前記今回の要領書に基づく作業よりも前に実行される、前記今回の要領書に基づく演習時に前記複数の人物によって共通で発話された単語についての統計情報を、前記評価モデルの入力データに追加することを特徴とする
請求項４に記載の作業支援システム。
前記作業支援装置は、前記今回の要領書に基づく作業よりも前に実行される、前記今回の要領書に基づく演習時に前記複数の人物によって共通で発話された単語についての統計情報を、前記評価モデルの入力データに追加することを特徴とする
請求項４に記載の作業支援システム。
【請求項7】
前記重要単語抽出装置は、過去の要領書に含まれる単語のうち、複数の人物によって共通で発話された過去の要領書に含まれる単語を、前記過去の要領書に含まれる重要単語として出力することを特徴とする
請求項１に記載の作業支援システム。
請求項１に記載の作業支援システム。
【請求項8】
前記複数の人物とは、１人の作業指示者が、１人以上の作業者に作業を指示するチームであり、
前記複数の人物によって共通で発話された単語とは、前記作業指示者が先に発話し、前記作業者がその発話に反応して復唱した単語であることを特徴とする
請求項７に記載の作業支援システム。
前記複数の人物によって共通で発話された単語とは、前記作業指示者が先に発話し、前記作業者がその発話に反応して復唱した単語であることを特徴とする
請求項７に記載の作業支援システム。
【請求項9】
前記作業支援装置は、前記今回の要領書に基づく作業で、前記重要単語辞書に登録された重要単語が発話されたか否かを確認し、発話されなかった重要単語を警告することを特徴とするを特徴とする
請求項１に記載の作業支援システム。
請求項１に記載の作業支援システム。
【請求項10】
要領書から抽出した文構造から要領書に含まれる重要単語を評価する評価モデルに対して、今回の要領書から抽出した文構造を前記評価モデルに入力することで、前記評価モデルから出力される重要単語を、前記今回の要領書に基づく作業で用いるキーワードとして重要単語辞書に登録する今回処理部を有することを特徴とする
作業支援装置。
作業支援装置。
【請求項11】
作業支援システムは、重要単語抽出装置と、作業支援装置とを有しており、
前記重要単語抽出装置は、要領書から抽出した文構造から要領書に含まれる重要単語を評価する評価モデルに対して、過去の要領書に含まれる単語を、前記過去の要領書に含まれる重要単語として出力するように前記評価モデルを学習し、
前記作業支援装置は、今回の要領書から抽出した文構造を前記評価モデルに入力することで、前記評価モデルから出力される重要単語を、前記今回の要領書に基づく作業で用いるキーワードとして重要単語辞書に登録することを特徴とする
作業支援方法。
前記重要単語抽出装置は、要領書から抽出した文構造から要領書に含まれる重要単語を評価する評価モデルに対して、過去の要領書に含まれる単語を、前記過去の要領書に含まれる重要単語として出力するように前記評価モデルを学習し、
前記作業支援装置は、今回の要領書から抽出した文構造を前記評価モデルに入力することで、前記評価モデルから出力される重要単語を、前記今回の要領書に基づく作業で用いるキーワードとして重要単語辞書に登録することを特徴とする
作業支援方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、作業支援システム、作業支援装置、および、作業支援方法に関する。
【背景技術】
【0002】
音声認識システムは、文字データの入力手段として普及している。作業現場での作業員は、作業器具などで手がふさがっていることから、文字データの入力作業には音声入力を使用すると便利である。
例えば、特許文献１には、携帯端末に対して作業員によって入力された音声に基づく情報によって、物件の作業対象項目ごとの保守点検結果を集約する報告書作成システムが記載されている。
例えば、特許文献１には、携帯端末に対して作業員によって入力された音声に基づく情報によって、物件の作業対象項目ごとの保守点検結果を集約する報告書作成システムが記載されている。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０１５－７５７９２号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
作業現場での点検などの作業では、１名の指示者と１名以上の作業者との作業チームで行われることもある。作業チームの指示者と作業者とは、お互いにトランシーバなどの通信装置を介して音声会話を行う。以下、作業の一例である点検作業について、その概要手順の一例を示す。
（手順１）各点検項目の作業手順が記載された「要領書」を指示者が持つ。要領書は電子化されたデータを画面から参照する形式でもよい。
（手順２）指示者が作業者に要領書の点検項目を読み上げることで、点検指示を作業者に伝達する。
（手順３）作業者が伝達された点検項目を復唱することにより、点検指示が伝わっていることを指示者に返答する。そして、作業者は、点検指示に応じて点検作業を実行する。
（手順４）指示者は作業者が正しく点検をしたか否かを、復唱の内容から確認する。そして、復唱されなかった点検項目は作業ミスの恐れがあるので、再度、指示者から作業者に確認する。
（手順１）各点検項目の作業手順が記載された「要領書」を指示者が持つ。要領書は電子化されたデータを画面から参照する形式でもよい。
（手順２）指示者が作業者に要領書の点検項目を読み上げることで、点検指示を作業者に伝達する。
（手順３）作業者が伝達された点検項目を復唱することにより、点検指示が伝わっていることを指示者に返答する。そして、作業者は、点検指示に応じて点検作業を実行する。
（手順４）指示者は作業者が正しく点検をしたか否かを、復唱の内容から確認する。そして、復唱されなかった点検項目は作業ミスの恐れがあるので、再度、指示者から作業者に確認する。
【0005】
ここで、（手順４）における指示者の負担を軽減するために、音声認識システムを導入して指示者および作業者の発言から、復唱の内容が正しいか否かを機械的にチェックすることを検討する。なお、要領書の文章の内容を一字一句そのまま朗読していたのでは、意思伝達に時間がかかってしまい、指示者も作業者も負担が大きい。そのため、作業者は、要領書の文章から抜粋した各点検項目の内容を誤解しないようにするための重要な単語（以下、重要単語）を中心に伝達し、その他の重要ではない要領書の単語は省略する傾向にある。
よって、点検作業に導入する音声認識システムでは、重要単語が指示者と作業者とで正しく発話されていたか否かが、機械的にチェックするポイントとなる。
よって、点検作業に導入する音声認識システムでは、重要単語が指示者と作業者とで正しく発話されていたか否かが、機械的にチェックするポイントとなる。
【0006】
音声認識システムの進化により、発話の音声データを文字データに変換する文字変換精度は向上し続けている。一方で、指示者から作業者への点検項目の作業内容が正しく伝達されているか否かという観点では、点検項目を特徴づける重要単語をどのように設定するかが、伝達チェック精度に大きく影響する。なお、伝達チェック精度とは、作業内容が正しく伝達されていることを確認するときの精度、つまり、重要単語により伝達をチェックするシステムの精度である。
【0007】
例えば、「定期点検、盤番号Ｘ１内の端子台番号Ｙ１内のケーブル端子Ｚ１からケーブルを引き抜く」という点検項目が要領書に記載されているとする。
指示者は「定期点検を開始。盤番号Ｘ１のケーブル端子Ｚ１からケーブルを引き抜いて」と発話したとする。
作業者は「ケーブル端子Ｚ１からケーブルを引き抜きます」と復唱したとする。
この場合、指示者と作業者とで、「ケーブル端子Ｚ１からケーブルを引き抜く」という作業内容の認識は一致する。しかし、作業者は指示者が発話した「盤番号Ｘ１」を復唱しておらず、勘違いして「盤番号Ｘ２」の作業を行う恐れがある。さらに、作業者は「端子台番号Ｙ１」を発話しておらず、作業者が勘違いして「端子台番号Ｙ２」の作業を行う恐れがある。
一方、指示者の「定期点検を開始」という発言を作業者は復唱しなかったが、この不一致は作業内容の伝達には全く影響しない。
指示者は「定期点検を開始。盤番号Ｘ１のケーブル端子Ｚ１からケーブルを引き抜いて」と発話したとする。
作業者は「ケーブル端子Ｚ１からケーブルを引き抜きます」と復唱したとする。
この場合、指示者と作業者とで、「ケーブル端子Ｚ１からケーブルを引き抜く」という作業内容の認識は一致する。しかし、作業者は指示者が発話した「盤番号Ｘ１」を復唱しておらず、勘違いして「盤番号Ｘ２」の作業を行う恐れがある。さらに、作業者は「端子台番号Ｙ１」を発話しておらず、作業者が勘違いして「端子台番号Ｙ２」の作業を行う恐れがある。
一方、指示者の「定期点検を開始」という発言を作業者は復唱しなかったが、この不一致は作業内容の伝達には全く影響しない。
【0008】
このように、単純に、指示者の発話内容と作業者の発話内容とを照合して一致または不一致を検出するだけでは、要領書に記載されている点検項目が正しく指示者から作業者に伝達されているか否かを判断できない場合もある。なお、上記の例の場合、「盤番号Ｘ１」、「端子台番号Ｙ１」、「ケーブル端子Ｚ１」、「ケーブルを引き抜く」という４つの重要単語を設定することが望ましい。これにより、その４つの重要単語が指示者および作業者の発話内容でカバーされていれば、作業内容が正しく伝達されたとみなすことができる。また、「定期点検」という単語は、重要単語から除外してもよいなど、重要単語は多ければ多いほど良いわけでもない。
【0009】
しかし、従来の技術では、重要単語をどのように設定したら作業内容が正しく伝達されていることを確認できるか、という観点で重要単語の設定を支援する仕組みは提供されていない。例えば、特許文献１には、作業点検場所を示す予め定められたキーワードや、点検対象機器を示す予め定められたキーワードや、点検概要を示す予め定められたキーワードをもとに、点検者の発話内容を要約する旨が記載されている。しかし、「予め定められたキーワード」をどのように設定するかについては、記載されていない。
以上、点検を例示したが、上記の問題は作業一般において発生しうる。
以上、点検を例示したが、上記の問題は作業一般において発生しうる。
【0010】
そこで、本発明では、作業内容を示す重要単語を、適切に設定することを主な課題とする。
【課題を解決するための手段】
【0011】
前記課題を解決するために、本発明の作業支援システムは、以下の特徴を有する。
本発明は、要領書から抽出した文構造から要領書に含まれる重要単語を評価する評価モデルに対して、過去の要領書に含まれる単語を、前記過去の要領書に含まれる重要単語として出力するように前記評価モデルを学習する重要単語抽出装置と、
今回の要領書から抽出した文構造を前記評価モデルに入力することで、前記評価モデルから出力される重要単語を、前記今回の要領書に基づく作業で用いるキーワードとして重要単語辞書に登録する作業支援装置とを有することを特徴とする。
その他の手段は、後記する。
本発明は、要領書から抽出した文構造から要領書に含まれる重要単語を評価する評価モデルに対して、過去の要領書に含まれる単語を、前記過去の要領書に含まれる重要単語として出力するように前記評価モデルを学習する重要単語抽出装置と、
今回の要領書から抽出した文構造を前記評価モデルに入力することで、前記評価モデルから出力される重要単語を、前記今回の要領書に基づく作業で用いるキーワードとして重要単語辞書に登録する作業支援装置とを有することを特徴とする。
その他の手段は、後記する。
【発明の効果】
【0012】
本発明によれば、作業内容を示す重要単語を、適切に設定することができる。
【図面の簡単な説明】
【0013】
【図1】本実施形態に関する点検作業の概要図である。
【図2】本実施形態に関する点検支援装置の構成図である。
【図3】本実施形態に関する点検支援装置のハードウェア構成図である。
【図4】本実施形態に関する辞書生成部の処理の概要を示すフローチャートである。
【図5】本実施形態に関する収集されたデータから抽出される復唱確認結果を示すテーブルである。
【図6】本実施形態に関する要領書データから抽出される２種類の文構造を示す説明図である。
【図8】本実施形態に関する辞書生成部の第１例の詳細を示す構成図である。
【図10】本実施形態に関する辞書生成部の第２例の詳細を示す構成図である。
【図12】本実施形態に関する辞書生成部の第３例の詳細を示す構成図である。
【図13】本実施形態に関する辞書生成部の第４例の詳細を示す構成図である。
【発明を実施するための形態】
【0014】
本実施形態について、図面を参照しながら説明する。
【0015】
図１は、点検作業の概要図である。
以下、本明細書では、作業の一例として設備の点検作業を例示するが、災害現場などチームで作業する任意の作業現場にも本発明は適用可能である。このチームは、１人の点検指示者１が、１人以上の点検作業者２に点検作業を指示するもので、点検指示者１が先に発話した重要単語を、点検作業者２がその発話に反応して復唱することにより、以下の手順で点検作業が行われる。
（手順１）点検指示者１の把持するタブレット端末（図２の点検端末３）から、各点検項目の作業手順が記載された「要領書」を点検指示者１に確認させる。
（手順２）点検指示者１が点検作業者２に要領書の点検項目を読み上げることで、点検指示を点検作業者２に伝達する。
（手順３）点検作業者２が伝達された点検項目を復唱することにより、点検指示が伝わっていることを点検指示者１に返答する。そして、点検作業者２は、点検指示に応じて点検作業を実行する。
（手順４）図２の作業支援システム３０は、（手順２）および（手順３）の発話内容１０２を音声認識し、その結果から得られる復唱確認結果を、音声または画面表示で点検指示者１にフィードバックする。
以下、本明細書では、作業の一例として設備の点検作業を例示するが、災害現場などチームで作業する任意の作業現場にも本発明は適用可能である。このチームは、１人の点検指示者１が、１人以上の点検作業者２に点検作業を指示するもので、点検指示者１が先に発話した重要単語を、点検作業者２がその発話に反応して復唱することにより、以下の手順で点検作業が行われる。
（手順１）点検指示者１の把持するタブレット端末（図２の点検端末３）から、各点検項目の作業手順が記載された「要領書」を点検指示者１に確認させる。
（手順２）点検指示者１が点検作業者２に要領書の点検項目を読み上げることで、点検指示を点検作業者２に伝達する。
（手順３）点検作業者２が伝達された点検項目を復唱することにより、点検指示が伝わっていることを点検指示者１に返答する。そして、点検作業者２は、点検指示に応じて点検作業を実行する。
（手順４）図２の作業支援システム３０は、（手順２）および（手順３）の発話内容１０２を音声認識し、その結果から得られる復唱確認結果を、音声または画面表示で点検指示者１にフィードバックする。
【0016】
要領書データ１０１は、点検項目の作業手順が記載されたデータである。図１の要領書データ１０１は、文章として点検項目を説明しているが、チェックリストやチェック表などの他のデータ形式でもよい。
発話内容１０２は、要領書データ１０１に沿った点検指示者１と点検作業者２との間の（手順２）および（手順３）の発言を示す。例えば、点検指示者１の「ケーブルのリフトをお願いします」に対して、点検作業者２の「リフトですね」と復唱されている。これにより、点検作業の動作「リフトする」が点検指示者１から点検作業者２に伝達されていることがわかる。
発話内容１０２は、要領書データ１０１に沿った点検指示者１と点検作業者２との間の（手順２）および（手順３）の発言を示す。例えば、点検指示者１の「ケーブルのリフトをお願いします」に対して、点検作業者２の「リフトですね」と復唱されている。これにより、点検作業の動作「リフトする」が点検指示者１から点検作業者２に伝達されていることがわかる。
【0017】
確認画面１０３は、（手順４）で作業支援システム３０が発話内容１０２から認識した復唱確認結果の表示画面であり、点検指示者１の把持するタブレット端末（図２の点検端末３）などに表示される。確認画面１０３は、要領書欄１０３Ａと、注意喚起欄１０３Ｂとを有する。
要領書欄１０３Ａには、復唱確認結果が反映される。例えば、要領書欄１０３Ａは、要領書データ１０１上に記載される重要単語（リフト、1-2345Aなど）を下線で表示し、その重要単語のうちの発話内容１０２で復唱された重要単語を囲むなど強調表示したものである。なお、重要単語の復唱は、要領書データ１０１に記載される重要単語の出現順に行われ、点検作業者２が複数の場合は最低１人が復唱すればよい。
注意喚起欄１０３Ｂには、要領書欄１０３Ａで下線が引かれているが、復唱されなかった重要単語（ここでは「B67」）について注意喚起するメッセージを表示したものである。
この確認画面１０３により、点検指示者１は、復唱されなかった点検項目（齟齬のある点検項目）を確認し、再度、点検指示者１から点検作業者２に確認することで、ヒューマンエラーを予防できる。
要領書欄１０３Ａには、復唱確認結果が反映される。例えば、要領書欄１０３Ａは、要領書データ１０１上に記載される重要単語（リフト、1-2345Aなど）を下線で表示し、その重要単語のうちの発話内容１０２で復唱された重要単語を囲むなど強調表示したものである。なお、重要単語の復唱は、要領書データ１０１に記載される重要単語の出現順に行われ、点検作業者２が複数の場合は最低１人が復唱すればよい。
注意喚起欄１０３Ｂには、要領書欄１０３Ａで下線が引かれているが、復唱されなかった重要単語（ここでは「B67」）について注意喚起するメッセージを表示したものである。
この確認画面１０３により、点検指示者１は、復唱されなかった点検項目（齟齬のある点検項目）を確認し、再度、点検指示者１から点検作業者２に確認することで、ヒューマンエラーを予防できる。
【0018】
図２は、作業システム１００の構成図である。作業システム１００は、作業支援システム３０と点検端末３とがネットワーク接続される。
作業支援システム３０は、点検結果通知部３１と、音声認識部３２と、辞書生成部３３と、要領書通知部３５とを有する。作業支援システム３０は、重要単語辞書３４と、要領書データ３６とを記憶部に格納する。
要領書データ３６は、図１の要領書データ１０１などの各点検項目の作業手順が記載されたデータである。
重要単語辞書３４は、要領書データ３６から抽出された重要単語である。重要単語とは、作業内容の伝達チェック精度に影響する重要な単語であり、図１の確認画面１０３で示したように、復唱されなかった重要単語により作業内容が伝達されなかったとみなされる。
辞書生成部３３は、要領書データ３６から重要単語辞書３４を生成する（詳細は図８など）。後記するように、辞書生成部３３は、過去の点検作業で復唱された発話内容を学習することにより、重要単語辞書３４を管理者が手動で抽出する手間を削減しつつ、高精度に重要単語を抽出できる。
作業支援システム３０は、点検結果通知部３１と、音声認識部３２と、辞書生成部３３と、要領書通知部３５とを有する。作業支援システム３０は、重要単語辞書３４と、要領書データ３６とを記憶部に格納する。
要領書データ３６は、図１の要領書データ１０１などの各点検項目の作業手順が記載されたデータである。
重要単語辞書３４は、要領書データ３６から抽出された重要単語である。重要単語とは、作業内容の伝達チェック精度に影響する重要な単語であり、図１の確認画面１０３で示したように、復唱されなかった重要単語により作業内容が伝達されなかったとみなされる。
辞書生成部３３は、要領書データ３６から重要単語辞書３４を生成する（詳細は図８など）。後記するように、辞書生成部３３は、過去の点検作業で復唱された発話内容を学習することにより、重要単語辞書３４を管理者が手動で抽出する手間を削減しつつ、高精度に重要単語を抽出できる。
【0019】
要領書通知部３５は、図１の要領書データ１０１などを点検端末３に通知する（手順１）。
音声認識部３２は、点検指示者１および点検作業者２からそれぞれトランシーバなどで取得した発話音声（図１の発話内容１０２など）を音声認識によりテキスト化し、その結果から復唱確認結果を得る（手順４）。そして、音声認識部３２は、重要単語辞書３４に登録された重要単語と、復唱確認結果として復唱された単語とを照合し、その一致不一致をもとに点検結果を求め、その点検結果を点検結果通知部３１に伝達する。
点検結果通知部３１は、音声認識部３２から伝達された点検結果を図１の確認画面１０３などで点検端末３に通知するとともに、図１の注意喚起欄１０３Ｂの内容を点検指示者１の把持するトランシーバに音声出力する。
音声認識部３２は、点検指示者１および点検作業者２からそれぞれトランシーバなどで取得した発話音声（図１の発話内容１０２など）を音声認識によりテキスト化し、その結果から復唱確認結果を得る（手順４）。そして、音声認識部３２は、重要単語辞書３４に登録された重要単語と、復唱確認結果として復唱された単語とを照合し、その一致不一致をもとに点検結果を求め、その点検結果を点検結果通知部３１に伝達する。
点検結果通知部３１は、音声認識部３２から伝達された点検結果を図１の確認画面１０３などで点検端末３に通知するとともに、図１の注意喚起欄１０３Ｂの内容を点検指示者１の把持するトランシーバに音声出力する。
【0020】
図３は、作業支援システム３０のハードウェア構成図である。
作業支援システム３０の各装置（後記する重要単語抽出装置、作業支援装置など）は、ＣＰＵ９０１と、ＲＡＭ９０２と、ＲＯＭ９０３と、ＨＤＤ９０４と、通信Ｉ／Ｆ９０５と、入出力Ｉ／Ｆ９０６と、メディアＩ／Ｆ９０７とを有するコンピュータ９００として構成される。
通信Ｉ／Ｆ９０５は、外部の通信装置９１５と接続される。入出力Ｉ／Ｆ９０６は、入出力装置９１６と接続される。メディアＩ／Ｆ９０７は、記録媒体９１７からデータを読み書きする。さらに、ＣＰＵ９０１は、ＲＡＭ９０２に読み込んだプログラム（アプリケーションや、その略のアプリとも呼ばれる）を実行することにより、各処理部を改善制御する。そして、このプログラムは、通信回線を介して配布したり、ＣＤ－ＲＯＭ等の記録媒体９１７に記録して配布したりすることも可能である。
なお、辞書生成部３３は、作業支援システム３０の外部に別の装置として構成してもよい。
作業支援システム３０の各装置（後記する重要単語抽出装置、作業支援装置など）は、ＣＰＵ９０１と、ＲＡＭ９０２と、ＲＯＭ９０３と、ＨＤＤ９０４と、通信Ｉ／Ｆ９０５と、入出力Ｉ／Ｆ９０６と、メディアＩ／Ｆ９０７とを有するコンピュータ９００として構成される。
通信Ｉ／Ｆ９０５は、外部の通信装置９１５と接続される。入出力Ｉ／Ｆ９０６は、入出力装置９１６と接続される。メディアＩ／Ｆ９０７は、記録媒体９１７からデータを読み書きする。さらに、ＣＰＵ９０１は、ＲＡＭ９０２に読み込んだプログラム（アプリケーションや、その略のアプリとも呼ばれる）を実行することにより、各処理部を改善制御する。そして、このプログラムは、通信回線を介して配布したり、ＣＤ－ＲＯＭ等の記録媒体９１７に記録して配布したりすることも可能である。
なお、辞書生成部３３は、作業支援システム３０の外部に別の装置として構成してもよい。
【0021】
以下、辞書生成部３３の詳細として、以下の４つの例を説明する。
（第１例）要領書データ３６から抽出した単語の並び関係の文構造（詳細は図６）と、過去の点検時の発話内容とをもとに、要領書データ３６に出現する単語の評価モデル１７を作成する方式（図８、図９）。
（第２例）要領書データ３６から抽出した単語の並び関係の文構造と、過去の点検時および今回の演習（リハーサル）時の発話内容とをもとに、要領書データ３６に出現する単語の評価モデル１７を作成する方式（図１０、図１１）。
（第３例）要領書データ３６から抽出した単語間の係り受け関係の文構造（詳細は図６）と、過去の点検時の発話内容とをもとに、要領書データ３６に出現する単語の評価モデル１７を作成する方式（図１２）。
（第４例）要領書データ３６から抽出した単語間の係り受け関係の文構造と、過去の点検時および今回の演習時の発話内容とをもとに、要領書データ３６に出現する単語の評価モデル１７を作成する方式（図１３）。
（第１例）要領書データ３６から抽出した単語の並び関係の文構造（詳細は図６）と、過去の点検時の発話内容とをもとに、要領書データ３６に出現する単語の評価モデル１７を作成する方式（図８、図９）。
（第２例）要領書データ３６から抽出した単語の並び関係の文構造と、過去の点検時および今回の演習（リハーサル）時の発話内容とをもとに、要領書データ３６に出現する単語の評価モデル１７を作成する方式（図１０、図１１）。
（第３例）要領書データ３６から抽出した単語間の係り受け関係の文構造（詳細は図６）と、過去の点検時の発話内容とをもとに、要領書データ３６に出現する単語の評価モデル１７を作成する方式（図１２）。
（第４例）要領書データ３６から抽出した単語間の係り受け関係の文構造と、過去の点検時および今回の演習時の発話内容とをもとに、要領書データ３６に出現する単語の評価モデル１７を作成する方式（図１３）。
【0022】
図４は、辞書生成部３３の処理の概要を示すフローチャートである。
辞書生成部３３は、過去の要領書データに基づく過去の点検作業から、発話内容などのデータを収集する（Ｓ１１）。辞書生成部３３は、Ｓ１１で収集したデータから、過去の評価モデルを作成する（Ｓ１２）。このＳ１１およびＳ１２の処理は、（第１例）～（第４例）で実行される。
辞書生成部３３は、今回の要領書データ３６に基づく今回の点検演習作業から、発話内容などのデータを収集する（Ｓ１３）。このＳ１３の処理は、（第１例）および（第３例）では省略される。
辞書生成部３３は、Ｓ１２の過去の評価モデルに、今回の要領書データ３６を入力することで、今回の重要単語辞書３４を生成する（Ｓ１４）。なお、Ｓ１３が実行される（第２例）および（第４例）では、さらに、Ｓ１３で収集された発話内容から抽出される復唱確認結果も、併せて、Ｓ１２の過去の評価モデルに入力される。
辞書生成部３３は、図２で説明したように、Ｓ１４の重要単語辞書３４を音声認識部３２に提供することで、今回の点検を支援する（Ｓ１５）。Ｓ１５の支援を受け、作業支援システム３０は、図２で説明したように、今回の要領書データ３６に基づく作業で、重要単語辞書３４に登録された重要単語が発話されたか否かを確認し、発話されなかった重要単語を警告する（図１の注意喚起欄１０３Ｂ）。
辞書生成部３３は、過去の要領書データに基づく過去の点検作業から、発話内容などのデータを収集する（Ｓ１１）。辞書生成部３３は、Ｓ１１で収集したデータから、過去の評価モデルを作成する（Ｓ１２）。このＳ１１およびＳ１２の処理は、（第１例）～（第４例）で実行される。
辞書生成部３３は、今回の要領書データ３６に基づく今回の点検演習作業から、発話内容などのデータを収集する（Ｓ１３）。このＳ１３の処理は、（第１例）および（第３例）では省略される。
辞書生成部３３は、Ｓ１２の過去の評価モデルに、今回の要領書データ３６を入力することで、今回の重要単語辞書３４を生成する（Ｓ１４）。なお、Ｓ１３が実行される（第２例）および（第４例）では、さらに、Ｓ１３で収集された発話内容から抽出される復唱確認結果も、併せて、Ｓ１２の過去の評価モデルに入力される。
辞書生成部３３は、図２で説明したように、Ｓ１４の重要単語辞書３４を音声認識部３２に提供することで、今回の点検を支援する（Ｓ１５）。Ｓ１５の支援を受け、作業支援システム３０は、図２で説明したように、今回の要領書データ３６に基づく作業で、重要単語辞書３４に登録された重要単語が発話されたか否かを確認し、発話されなかった重要単語を警告する（図１の注意喚起欄１０３Ｂ）。
【0023】
図５は、Ｓ１１およびＳ１３で収集されたデータから抽出される復唱確認結果を示すテーブルである。
復唱確認結果は、要領書データ３６に出現する単語ごとに、点検作業者２によって復唱された「復唱回数」と、点検指示者１が発話してから点検作業者２が復唱するまでの発話数を示す「復唱間隔」とが対応付けされる。例えば、図１の点検指示者１の「ケーブルのリフトをお願いします」に対して、その直後の吹き出しとして点検作業者２の「リフトですね」と復唱されているので、復唱間隔＝１（呼びかけの直後に応答する）である。また、点検作業者２が「リフト」と発話する箇所は、合計２か所あるので、復唱回数＝２である。
復唱確認結果は、要領書データ３６に出現する単語ごとに、点検作業者２によって復唱された「復唱回数」と、点検指示者１が発話してから点検作業者２が復唱するまでの発話数を示す「復唱間隔」とが対応付けされる。例えば、図１の点検指示者１の「ケーブルのリフトをお願いします」に対して、その直後の吹き出しとして点検作業者２の「リフトですね」と復唱されているので、復唱間隔＝１（呼びかけの直後に応答する）である。また、点検作業者２が「リフト」と発話する箇所は、合計２か所あるので、復唱回数＝２である。
【0024】
図６は、要領書データ３６から抽出される２種類の文構造を示す説明図である。
図１でも示した要領書データ１０１は、点検項目の作業手順を文章として説明している。以下で説明する２種類の文構造で、文章を単語ごとに区切って分解する形態素解析が前処理としてともに実行される。
単語の並び関係１１１は、形態素解析後の単語列を要領書データ１０１の登場順に接続した（図面の矢印）データである。単語の並び関係１１１は、例えば、機械学習ベースのモデルを適用することで、要領書データ１０１から抽出される。
図１でも示した要領書データ１０１は、点検項目の作業手順を文章として説明している。以下で説明する２種類の文構造で、文章を単語ごとに区切って分解する形態素解析が前処理としてともに実行される。
単語の並び関係１１１は、形態素解析後の単語列を要領書データ１０１の登場順に接続した（図面の矢印）データである。単語の並び関係１１１は、例えば、機械学習ベースのモデルを適用することで、要領書データ１０１から抽出される。
【0025】
係り受け解析結果１１２は、形態素解析後の単語列に対して、文を構成する主語、述語、目的語、修飾語などの品詞間の係り受け構造が出力されるデータである。まず、事前に用意された点検単語辞書に登録されている点検用語「リフト」が、文の動詞として抽出される。次に、その動詞「リフト」に対する目的語（＝ケーブル、端子）や、指示語「1-2345A、B67、CD890A12、端子T1」などの動詞「リフト」と係り受け構造を有する関連深い単語も、抽出される。
【0026】
図７は、図６の係り受け解析結果１１２を示すテーブルである。
このテーブルは、形態素解析後の単語ごとに、その単語が点検用語に該当するか否かを示す情報と、点検用語の動詞に対して各種の係り受け構造（主語、目的語、修飾語、文節など）に該当するか否かを示す情報とを対応付けている。テーブル内の「有」は該当することを示す。
このテーブルは、形態素解析後の単語ごとに、その単語が点検用語に該当するか否かを示す情報と、点検用語の動詞に対して各種の係り受け構造（主語、目的語、修飾語、文節など）に該当するか否かを示す情報とを対応付けている。テーブル内の「有」は該当することを示す。
【0027】
図８は、辞書生成部３３の第１例の詳細を示す構成図である。
辞書生成部３３は、過去の点検作業のデータを処理（図４のＳ１１，Ｓ１２）する過去処理部（重要単語抽出装置）１０Ａと、今回の点検作業のデータを処理（図４のＳ１３～Ｓ１５）する今回処理部（作業支援装置）２０Ａとを有する。
過去処理部１０Ａは、過去音声認識部１２と、単語並び解析部１３Ａと、学習部１５とを有し、過去要領書１１と、並び単語１４Ａと、過去復唱単語１６と、評価モデル１７とを記憶部に格納する。
過去要領書１１は、図２の要領書データ３６として、過去の点検作業に使用されたサンプルとなるデータであり、１つでも複数（ｎ回の過去の点検作業）でもよい。なお、過去の点検作業と、今回の点検作業とでは、作業現場や、その作業現場で行われる点検項目や、その点検項目を点検するチームのメンバは、同じでもよいし異なってもよい。
辞書生成部３３は、過去の点検作業のデータを処理（図４のＳ１１，Ｓ１２）する過去処理部（重要単語抽出装置）１０Ａと、今回の点検作業のデータを処理（図４のＳ１３～Ｓ１５）する今回処理部（作業支援装置）２０Ａとを有する。
過去処理部１０Ａは、過去音声認識部１２と、単語並び解析部１３Ａと、学習部１５とを有し、過去要領書１１と、並び単語１４Ａと、過去復唱単語１６と、評価モデル１７とを記憶部に格納する。
過去要領書１１は、図２の要領書データ３６として、過去の点検作業に使用されたサンプルとなるデータであり、１つでも複数（ｎ回の過去の点検作業）でもよい。なお、過去の点検作業と、今回の点検作業とでは、作業現場や、その作業現場で行われる点検項目や、その点検項目を点検するチームのメンバは、同じでもよいし異なってもよい。
【0028】
過去音声認識部１２は、図２の音声認識部３２として、点検指示者１および点検作業者２から取得した過去要領書１１に基づく過去の発話音声から、復唱確認結果を得る。過去音声認識部１２は、点検指示者１および点検作業者２の双方で発話（復唱）された単語を、過去復唱単語１６として記憶する。なお、過去復唱単語１６は、一部の品詞（名詞、動詞、形容詞など）に限り記憶してもよい。また、過去復唱単語１６には、図５に示すように、単語ごとの統計情報（復唱回数、復唱間隔など）も付加してもよい。さらに、過去復唱単語１６は、音声認識で抽出する代わりに、手動で入力してもよい。
単語並び解析部１３Ａは、図６の単語の並び関係１１１で説明したように、過去要領書１１に出現する単語の並び関係を文構造として抽出し、その抽出結果を並び単語１４Ａとして記憶する。
単語並び解析部１３Ａは、図６の単語の並び関係１１１で説明したように、過去要領書１１に出現する単語の並び関係を文構造として抽出し、その抽出結果を並び単語１４Ａとして記憶する。
【0029】
学習部１５は、並び単語１４Ａおよび過去復唱単語１６から、評価モデル１７を機械学習する。そして、学習部１５は、過去のデータから学習した評価モデル１７を、今回処理部２０Ａの評価モデル２５として記憶することで、評価モデル２５を今回のデータの推論処理に使用させる。
評価モデル１７は、要領書データ３６の文構造と、要領書データ３６の文を構成する各単語の重要度との関係を学習したモデルである。重要度とは、重要単語として選ばれやすくする度合いであり、例えば値0～1の範囲を取り得る。値0＝確実に重要単語ではないことを示し、値1=確実に重要単語であることを示す。
なお、要領書データ３６の文を構成する各単語の並び関係は、単語ごとの重要度に影響することが多い。例えば同じ「ケーブル」という単語でも、その直後に「リフトする」などの点検を意味する動詞が存在する場合は重要度が大きくなる。一方、「ケーブル」という単語の直後に「販売する」などの点検とは関係ない動詞が存在する場合は、「ケーブル」の重要度は小さくなる。
評価モデル１７は、要領書データ３６の文構造と、要領書データ３６の文を構成する各単語の重要度との関係を学習したモデルである。重要度とは、重要単語として選ばれやすくする度合いであり、例えば値0～1の範囲を取り得る。値0＝確実に重要単語ではないことを示し、値1=確実に重要単語であることを示す。
なお、要領書データ３６の文を構成する各単語の並び関係は、単語ごとの重要度に影響することが多い。例えば同じ「ケーブル」という単語でも、その直後に「リフトする」などの点検を意味する動詞が存在する場合は重要度が大きくなる。一方、「ケーブル」という単語の直後に「販売する」などの点検とは関係ない動詞が存在する場合は、「ケーブル」の重要度は小さくなる。
【0030】
ここで、学習部１５は、過去復唱単語１６も評価モデル１７の入力データとすることで、以下に例示するように、復唱確認結果が単語ごとの重要度に反映させる。
・過去復唱単語１６に含まれる単語（図５のテーブルにおける復唱回数≧１の単語）の重要度を、過去復唱単語１６に含まれない単語の重要度よりも上げる。
・図５のテーブルにおける復唱回数が多い単語ほど、単語の重要度を大きく上げる。
・図５のテーブルにおける復唱間隔が短い単語ほど、単語の重要度を大きく上げる。
・過去復唱単語１６に含まれる単語（図５のテーブルにおける復唱回数≧１の単語）の重要度を、過去復唱単語１６に含まれない単語の重要度よりも上げる。
・図５のテーブルにおける復唱回数が多い単語ほど、単語の重要度を大きく上げる。
・図５のテーブルにおける復唱間隔が短い単語ほど、単語の重要度を大きく上げる。
【0031】
今回処理部２０Ａは、単語並び解析部２２Ａと、識別部２４とを有し、今回の要領書データ３６と、並び単語２３Ａと、評価モデル２５と、過去復唱単語１６と、今回の重要単語辞書３４とを記憶部に格納する。単語並び解析部２２Ａは、単語並び解析部１３Ａと同様に、今回の要領書データ３６に出現する単語の並び関係を文構造として抽出し、その抽出結果を並び単語２３Ａとして記憶する。
識別部２４は、機械学習の学習部１５に対応する機械学習の推論部として機能する。つまり、識別部２４は、評価モデル２５に対して並び単語２３Ａを入力することで、その並び単語２３Ａの単語別の重要度を評価モデル２５から出力させる。そして、識別部２４は、単語別の重要度から、例えば、「重要度＞0.80なら重要単語とする」などの判定式を用いて、並び単語２３Ａから重要単語を抽出し、その抽出結果を今回の重要単語辞書３４とする。
識別部２４は、機械学習の学習部１５に対応する機械学習の推論部として機能する。つまり、識別部２４は、評価モデル２５に対して並び単語２３Ａを入力することで、その並び単語２３Ａの単語別の重要度を評価モデル２５から出力させる。そして、識別部２４は、単語別の重要度から、例えば、「重要度＞0.80なら重要単語とする」などの判定式を用いて、並び単語２３Ａから重要単語を抽出し、その抽出結果を今回の重要単語辞書３４とする。
【0032】
図９は、図８の評価モデル１７の詳細を示す説明図である。
並び単語２０１は、図８の並び単語１４Ａに対応する評価モデル１７への入力データである。ベクトル変換２０２は、並び単語２０１を単語ベクトル２０３に変換する処理部であり、評価モデル１７の入力層に該当する。
単語ベクトル２０３は、並び単語２０１の各単語について、１つの単語を複数のベクトル成分値で表現したデータである。並び単語２０１の先頭の単語「下記」は、先頭の単語ベクトル２０３「x1」に変換され、並び単語２０１の２番目の単語「ケーブル」は、２番目の単語ベクトル２０３「x2」に変換される。なお、７番目の単語「（２－９２１Ａ）」に対応する７番目の単語ベクトル２０３「x7」は、どのベクトル成分値も「１」であるため未知語であり、未知語は専門用語である可能性が高く重要語になりやすい。
並び単語２０１は、図８の並び単語１４Ａに対応する評価モデル１７への入力データである。ベクトル変換２０２は、並び単語２０１を単語ベクトル２０３に変換する処理部であり、評価モデル１７の入力層に該当する。
単語ベクトル２０３は、並び単語２０１の各単語について、１つの単語を複数のベクトル成分値で表現したデータである。並び単語２０１の先頭の単語「下記」は、先頭の単語ベクトル２０３「x1」に変換され、並び単語２０１の２番目の単語「ケーブル」は、２番目の単語ベクトル２０３「x2」に変換される。なお、７番目の単語「（２－９２１Ａ）」に対応する７番目の単語ベクトル２０３「x7」は、どのベクトル成分値も「１」であるため未知語であり、未知語は専門用語である可能性が高く重要語になりやすい。
【0033】
中間層２０４は、各単語の単語ベクトル２０３を並び単語２０１の並び順に入力することで、各単語の推定結果２０５を出力する処理部であり、評価モデル１７の中間層に該当する。なお、図９では、評価モデル１７として、RNN（Recurrent Neural Network）、LSTM（Long short-term memory）などの時系列DNN（Deep Neural Network）モデルを用いている。そのため、評価関数ｈ１、ｈ２、…、ｈ４、…、ｈ７は、１つずつ後段の評価関数と接続されている。中間層２０４の先頭の評価関数ｈ１は、並び単語２０１の先頭の単語「下記」を入力し、中間層２０４の２番目の評価関数ｈ１は、並び単語２０１の２番目の単語「ケーブル」を入力する。
【0034】
推定結果２０５は、中間層２０４の評価結果として、並び単語２０１の各単語について、推定結果ベクトル（y1,y2,…,y7）と、尤度（値0～値1の範囲）との組み合わせを示し、評価モデル１７の入力層に該当する。
推定結果ベクトルは、上下２つの値を格納するベクトルであり、上の値が「重要単語である」と分類されたことを「値１」で示し、下の値が「重要単語でない」と分類されたことを「値１」で示す。
尤度は、重要単語になりやすさを示す値であり、数値が大きいほど重要単語になりやすい。
推定結果ベクトルは、上下２つの値を格納するベクトルであり、上の値が「重要単語である」と分類されたことを「値１」で示し、下の値が「重要単語でない」と分類されたことを「値１」で示す。
尤度は、重要単語になりやすさを示す値であり、数値が大きいほど重要単語になりやすい。
【0035】
重要単語２０６は、評価モデル１７の出力データに該当する単語のリストである。識別部２４は、例えば、推定結果２０５から、推定結果ベクトルで「重要単語」と分類され、かつ尤度が所定値（0.80）以上の単語を重要単語２０６に重要度＝尤度として追加する。一方、尤度の値にかかわらず、推定結果ベクトルで「重要単語」と分類された単語については、識別部２４は、重要度＝０として重要単語２０６から除外する。
学習部１５は、図８の並び単語１４Ａを図９の並び単語２０１として評価モデル１７に入力し、その評価モデル１７から重要単語２０６として過去復唱単語１６が出力されるように、評価モデル１７を学習する。換言すると、過去復唱単語１６は、評価モデル１７が出力する重要単語２０６の正解を示す教材データとして、学習部１５の機械学習に活用される。
学習部１５は、図８の並び単語１４Ａを図９の並び単語２０１として評価モデル１７に入力し、その評価モデル１７から重要単語２０６として過去復唱単語１６が出力されるように、評価モデル１７を学習する。換言すると、過去復唱単語１６は、評価モデル１７が出力する重要単語２０６の正解を示す教材データとして、学習部１５の機械学習に活用される。
【0036】
以上、図８、図９を参照して説明した辞書生成部３３の第１例は、以下の特徴を有する。
評価モデル１７は、時系列の入力データを受け付けるモデルである。
過去処理部１０Ａおよび今回処理部２０Ａは、要領書データ３６から抽出した単語の並び関係を文構造として抽出し、その抽出した単語の並び関係を時系列の入力データとして評価モデル１７に入力する。
評価モデル１７は、時系列の入力データを受け付けるモデルである。
過去処理部１０Ａおよび今回処理部２０Ａは、要領書データ３６から抽出した単語の並び関係を文構造として抽出し、その抽出した単語の並び関係を時系列の入力データとして評価モデル１７に入力する。
【0037】
図１０は、辞書生成部３３の第２例の詳細を示す構成図である。
辞書生成部３３は、過去の点検作業のデータを処理する過去処理部１０Ｂと、今回の点検作業のデータを処理する今回処理部２０Ｂとを有する。
過去処理部１０Ｂは図８の過去処理部１０Ａと同じである。図１０の第２例での今回処理部２０Ｂは、図８の今回処理部２０Ａに対して、演習音声認識部２６Ｂおよび演習復唱単語２７Ｂが追加される。
辞書生成部３３は、過去の点検作業のデータを処理する過去処理部１０Ｂと、今回の点検作業のデータを処理する今回処理部２０Ｂとを有する。
過去処理部１０Ｂは図８の過去処理部１０Ａと同じである。図１０の第２例での今回処理部２０Ｂは、図８の今回処理部２０Ａに対して、演習音声認識部２６Ｂおよび演習復唱単語２７Ｂが追加される。
【0038】
演習音声認識部２６Ｂは、今回の点検作業の演習を対象として、過去音声認識部１２と同様に、点検指示者１および点検作業者２から取得した今回の要領書データ３６に基づく発話音声から演習復唱単語２７Ｂを得る。演習復唱単語２７Ｂは、過去復唱単語１６と同じように復唱された単語を示すが、復唱された時点が過去から現在（今回）に置き換わる。なお、演習復唱単語２７Ｂは、音声認識で抽出する代わりに、手動で入力してもよい。
識別部２４は、並び単語２３Ａに加えて演習復唱単語２７Ｂも評価モデル２５に入力することで、並び単語２３Ａから重要単語を抽出し、その抽出結果を今回の重要単語辞書３４とする。これにより、演習復唱単語２７Ｂを重要単語の判定に考慮させることで、重要単語の検出精度を向上させる。
識別部２４は、並び単語２３Ａに加えて演習復唱単語２７Ｂも評価モデル２５に入力することで、並び単語２３Ａから重要単語を抽出し、その抽出結果を今回の重要単語辞書３４とする。これにより、演習復唱単語２７Ｂを重要単語の判定に考慮させることで、重要単語の検出精度を向上させる。
【0039】
以上、図１０を参照して説明した辞書生成部３３の第２例は、以下の特徴を有する。
今回処理部２０Ｂは、今回の要領書データ３６に基づく点検作業よりも前に実行される、今回の要領書データ３６に基づく演習時に複数の人物によって共通で発話された今回の要領書データ３６に含まれる単語を、評価モデル１７の入力データに追加する。
今回処理部２０Ｂは、今回の要領書データ３６に基づく点検作業よりも前に実行される、今回の要領書データ３６に基づく演習時に複数の人物によって共通で発話された今回の要領書データ３６に含まれる単語を、評価モデル１７の入力データに追加する。
【0040】
図１１は、図１０の評価モデル１７の詳細を示す説明図である。
図１１の評価モデル１７は、図９の評価モデル１７と基本的に同じであるが、図１１の単語ベクトル２０３Ｂには、単語ごとに演習復唱単語フラグ２０３Ｂ１が末尾に追加されている。演習復唱単語フラグ２０３Ｂ１は、単語ごとに図１０の演習復唱単語２７Ｂに含まれているか（値=1）否か（値=0）を示す。この演習復唱単語フラグ２０３Ｂ１の拡張により、中間層２０４は、演習復唱単語２７Ｂも考慮して、各単語の推定結果２０５を出力できる。
図１１の評価モデル１７は、図９の評価モデル１７と基本的に同じであるが、図１１の単語ベクトル２０３Ｂには、単語ごとに演習復唱単語フラグ２０３Ｂ１が末尾に追加されている。演習復唱単語フラグ２０３Ｂ１は、単語ごとに図１０の演習復唱単語２７Ｂに含まれているか（値=1）否か（値=0）を示す。この演習復唱単語フラグ２０３Ｂ１の拡張により、中間層２０４は、演習復唱単語２７Ｂも考慮して、各単語の推定結果２０５を出力できる。
【0041】
図１２は、辞書生成部３３の第３例の詳細を示す構成図である。
辞書生成部３３は、過去の点検作業のデータを処理する過去処理部１０Ｃと、今回の点検作業のデータを処理する今回処理部２０Ｃとを有する。
図１２の第３例は、図８の第１例に対して、要領書データ３６から文構造を抽出する方式を、単語並び解析部１３Ａの方式から、係り受け解析部１３Ｃの方式に置き換えたものである。そのため、図１２の過去処理部１０Ｃは、図８の過去処理部１０Ａに対して、単語並び解析部１３Ａおよび並び単語１４Ａが削除され、代わりに、係り受け解析部１３Ｃ、係り受け単語１４Ｃ、および、点検単語辞書１８Ｃが追加される。
点検単語辞書１８Ｃ、点検単語辞書２１Ｃは、「リフトする」などの点検時に発話される可能性が高い動詞が、点検用語として事前に登録された辞書である。
辞書生成部３３は、過去の点検作業のデータを処理する過去処理部１０Ｃと、今回の点検作業のデータを処理する今回処理部２０Ｃとを有する。
図１２の第３例は、図８の第１例に対して、要領書データ３６から文構造を抽出する方式を、単語並び解析部１３Ａの方式から、係り受け解析部１３Ｃの方式に置き換えたものである。そのため、図１２の過去処理部１０Ｃは、図８の過去処理部１０Ａに対して、単語並び解析部１３Ａおよび並び単語１４Ａが削除され、代わりに、係り受け解析部１３Ｃ、係り受け単語１４Ｃ、および、点検単語辞書１８Ｃが追加される。
点検単語辞書１８Ｃ、点検単語辞書２１Ｃは、「リフトする」などの点検時に発話される可能性が高い動詞が、点検用語として事前に登録された辞書である。
【0042】
係り受け解析部１３Ｃは、図６の係り受け解析結果１１２で示したように、過去要領書１１の文から点検単語辞書１８Ｃの点検用語に着目し、その点検用語に対して係り受け関係を有する他の単語を、係り受け単語１４Ｃとして抽出する。係り受け単語１４Ｃは、図７に示したように、点検用語に加え、その点検用語に対して係り受け関係を有する他の単語ごとに、どのような係り受け関係（主語、目的語、…）にあるかを示す情報（以下、単語の「特徴量」）も付加されている。
図１２の評価モデル１７は、図８の評価モデル１７と同様に、要領書データ３６の文構造と、要領書データ３６の文を構成する各単語の重要度との関係を学習したモデルである。図８の評価モデル１７では、要領書データ３６の文構造として、単語並び解析部１３Ａが抽出した並び単語１４Ａを入力していた。一方、図１２の評価モデル１７では、要領書データ３６の文構造として、係り受け解析部１３Ｃが抽出した係り受け単語１４Ｃおよびその特徴量を入力するように置き換わる。
図１２の評価モデル１７は、図８の評価モデル１７と同様に、要領書データ３６の文構造と、要領書データ３６の文を構成する各単語の重要度との関係を学習したモデルである。図８の評価モデル１７では、要領書データ３６の文構造として、単語並び解析部１３Ａが抽出した並び単語１４Ａを入力していた。一方、図１２の評価モデル１７では、要領書データ３６の文構造として、係り受け解析部１３Ｃが抽出した係り受け単語１４Ｃおよびその特徴量を入力するように置き換わる。
【0043】
なお、第３例および第４例の評価モデル１７は、以下のいずれかを用いて実現される。
・第１例および第２例で用いた、図９で示したLSTMなどの時系列DNNモデル。
・ニューラルネットワークやサポートベクターマシン、回帰分析などによりモデル化する。
・図７のテーブルの情報（その単語は点検用語かどうか、その単語は点検用語の主語にあたるか、など）を単語ごとの特徴量として入力して、その特徴量から単語ごとの重要度を計算する評価関数。
この評価関数は、例えば、単語ごとに、その単語から抽出される特徴量どうしの全結合である。そして、学習部１５は、係り受け単語１４Ｃを評価モデル１７の評価関数に入力し、その評価関数から重要単語２０６として過去復唱単語１６が出力されるように、評価関数の内容を学習（更新）する。
・第１例および第２例で用いた、図９で示したLSTMなどの時系列DNNモデル。
・ニューラルネットワークやサポートベクターマシン、回帰分析などによりモデル化する。
・図７のテーブルの情報（その単語は点検用語かどうか、その単語は点検用語の主語にあたるか、など）を単語ごとの特徴量として入力して、その特徴量から単語ごとの重要度を計算する評価関数。
この評価関数は、例えば、単語ごとに、その単語から抽出される特徴量どうしの全結合である。そして、学習部１５は、係り受け単語１４Ｃを評価モデル１７の評価関数に入力し、その評価関数から重要単語２０６として過去復唱単語１６が出力されるように、評価関数の内容を学習（更新）する。
【0044】
なお、まだ学習部１５が学習していない評価モデル１７の初期状態は、例えば、以下のいずれかの方法により作成される。
（方法１）点検単語辞書１８Ｃの点検用語のみが重要単語として出力される評価モデル１７を作成する。
（方法２）点検単語辞書１８Ｃの点検用語に加え、サンプルとなる要領書に記載されている点検用語の係り受け関係（主語、目的語、…）となる単語も、重要単語として出力される評価モデル１７を作成する。
（方法３）点検単語辞書１８Ｃの点検用語に加え、演習で抽出した発話内容における点検用語の係り受け関係となる単語も、重要単語として出力される評価モデル１７を作成する。
（方法１）点検単語辞書１８Ｃの点検用語のみが重要単語として出力される評価モデル１７を作成する。
（方法２）点検単語辞書１８Ｃの点検用語に加え、サンプルとなる要領書に記載されている点検用語の係り受け関係（主語、目的語、…）となる単語も、重要単語として出力される評価モデル１７を作成する。
（方法３）点検単語辞書１８Ｃの点検用語に加え、演習で抽出した発話内容における点検用語の係り受け関係となる単語も、重要単語として出力される評価モデル１７を作成する。
【0045】
図１２の今回処理部２０Ｃは、図８の今回処理部２０Ａに対して、単語並び解析部２２Ａおよび並び単語２３Ａが削除され、代わりに、点検単語辞書２１Ｃ、係り受け解析部２２Ｃ、および、係り受け単語２３Ｃが追加される。
係り受け解析部２２Ｃは、係り受け解析部１３Ｃと同様に、今回の要領書データ３６の文から点検単語辞書２１Ｃの点検用語に着目し、その点検用語に対して係り受け関係を有する他の単語を、係り受け単語２３Ｃとして抽出する。そして、識別部２４は、係り受け単語２３Ｃを評価モデル２５（時系列DNNモデルまたは評価関数）に入力し、その評価モデル２５から出力される重要単語を今回の重要単語辞書３４に登録する。
係り受け解析部２２Ｃは、係り受け解析部１３Ｃと同様に、今回の要領書データ３６の文から点検単語辞書２１Ｃの点検用語に着目し、その点検用語に対して係り受け関係を有する他の単語を、係り受け単語２３Ｃとして抽出する。そして、識別部２４は、係り受け単語２３Ｃを評価モデル２５（時系列DNNモデルまたは評価関数）に入力し、その評価モデル２５から出力される重要単語を今回の重要単語辞書３４に登録する。
【0046】
以上、図１１、図１２を参照して説明した辞書生成部３３の第３例は、以下の特徴を有する。
評価モデル１７は、単語間の係り受け関係を示す特徴量の入力データを受け付けるモデルである。
過去処理部１０Ｃおよび今回処理部２０Ｃは、要領書データ３６から抽出した点検の動作を示す点検用語に対する単語間の係り受け関係を示す特徴量を文構造として抽出し、その抽出した特徴量を入力データとして評価モデル１７に入力する。
今回処理部２０Ｃは、重要単語辞書３４に登録した重要単語のうちの動詞を、次回の点検用語として登録してもよい。
評価モデル１７は、単語間の係り受け関係を示す特徴量の入力データを受け付けるモデルである。
過去処理部１０Ｃおよび今回処理部２０Ｃは、要領書データ３６から抽出した点検の動作を示す点検用語に対する単語間の係り受け関係を示す特徴量を文構造として抽出し、その抽出した特徴量を入力データとして評価モデル１７に入力する。
今回処理部２０Ｃは、重要単語辞書３４に登録した重要単語のうちの動詞を、次回の点検用語として登録してもよい。
【0047】
図１３は、辞書生成部３３の第４例の詳細を示す構成図である。
辞書生成部３３は、過去の点検作業のデータを処理する過去処理部１０Ｄと、今回の点検作業のデータを処理する今回処理部２０Ｄとを有する。
過去処理部１０Ｄは図１２の過去処理部１０Ｃと同じである。図１３の第４例での今回処理部２０Ｄは、図１２の今回処理部２０Ｃに対して、演習音声認識部２６Ｄおよび演習復唱単語２７Ｄが追加される。演習音声認識部２６Ｄおよび演習復唱単語２７Ｄは、図１０の演習音声認識部２６Ｂおよび演習復唱単語２７Ｂと同じである。
辞書生成部３３は、過去の点検作業のデータを処理する過去処理部１０Ｄと、今回の点検作業のデータを処理する今回処理部２０Ｄとを有する。
過去処理部１０Ｄは図１２の過去処理部１０Ｃと同じである。図１３の第４例での今回処理部２０Ｄは、図１２の今回処理部２０Ｃに対して、演習音声認識部２６Ｄおよび演習復唱単語２７Ｄが追加される。演習音声認識部２６Ｄおよび演習復唱単語２７Ｄは、図１０の演習音声認識部２６Ｂおよび演習復唱単語２７Ｂと同じである。
【0048】
演習音声認識部２６Ｄは、今回の点検作業の演習を対象として、過去音声認識部１２と同様に、点検指示者１および点検作業者２から取得した今回の要領書データ３６に基づく発話音声から演習復唱単語２７Ｄを得る。
評価モデル２５は、例えば、図１２の評価モデル１７で示した単語ごとの特徴量（その単語は点検用語かどうかなど）に加えて、演習復唱単語２７Ｄの統計情報（図５の復唱回数、復唱間隔など）も評価関数の入力データとするモデルである。
識別部２４は、並び単語２３Ａに加えて演習復唱単語２７Ｄも評価モデル２５に入力することで、並び単語２３Ａから重要単語を抽出し、その抽出結果を今回の重要単語辞書３４とする。これにより、演習復唱単語２７Ｄを重要単語の判定に考慮させることで、重要単語の検出精度を向上させる。
さらに、識別部２４は、重要単語の抽出結果のうちの動詞を、次回に使用する点検用語として点検単語辞書２１Ｃにも追加してもよい。これにより、次回の重要単語の抽出数を増加させることができる。
評価モデル２５は、例えば、図１２の評価モデル１７で示した単語ごとの特徴量（その単語は点検用語かどうかなど）に加えて、演習復唱単語２７Ｄの統計情報（図５の復唱回数、復唱間隔など）も評価関数の入力データとするモデルである。
識別部２４は、並び単語２３Ａに加えて演習復唱単語２７Ｄも評価モデル２５に入力することで、並び単語２３Ａから重要単語を抽出し、その抽出結果を今回の重要単語辞書３４とする。これにより、演習復唱単語２７Ｄを重要単語の判定に考慮させることで、重要単語の検出精度を向上させる。
さらに、識別部２４は、重要単語の抽出結果のうちの動詞を、次回に使用する点検用語として点検単語辞書２１Ｃにも追加してもよい。これにより、次回の重要単語の抽出数を増加させることができる。
【0049】
以上、図１３を参照して説明した辞書生成部３３の第４例は、以下の特徴を有する。
評価モデル１７は、単語間の係り受け関係を示す特徴量に加え、複数の人物によって共通で発話された単語についての統計情報を示す特徴量の入力データを受け付けるモデルである。
今回処理部２０Ｄは、今回の要領書データ３６に基づく点検作業よりも前に実行される、今回の要領書データ３６に基づく演習時に複数の人物によって共通で発話された単語についての統計情報を、評価モデル１７の入力データに追加する。
評価モデル１７は、単語間の係り受け関係を示す特徴量に加え、複数の人物によって共通で発話された単語についての統計情報を示す特徴量の入力データを受け付けるモデルである。
今回処理部２０Ｄは、今回の要領書データ３６に基づく点検作業よりも前に実行される、今回の要領書データ３６に基づく演習時に複数の人物によって共通で発話された単語についての統計情報を、評価モデル１７の入力データに追加する。
【0050】
以上説明した本実施形態の辞書生成部３３は、過去処理部１０Ａ～１０Ｄと、今回処理部２０Ａ～２０Ｄとを有する。
過去処理部１０Ａ～１０Ｄは、要領書データ３６から抽出した文構造から要領書データ３６に含まれる重要単語を評価する評価モデル１７に対して、複数の人物によって共通で発話された過去要領書１１に含まれる単語を、過去要領書１１に含まれる重要単語として出力するように評価モデル１７を学習する。
今回処理部２０Ａ～２０Ｄは、今回の要領書データ３６から抽出した文構造を評価モデル１７に入力することで、評価モデル１７から出力される重要単語を、今回の要領書データ３６に基づく点検作業で発話されたか否かを確認するキーワードとして重要単語辞書３４に登録する（第１例～第４例で共通する特徴）。
これにより、過去復唱単語１６として過去の点検作業に実績のある重要単語が、今回の重要単語辞書３４にも抽出されることで、作業内容を示す重要単語を、適切に設定することができる。さらに、過去要領書１１から抽出した文構造の単語をもとに重要単語を抽出することで、点検作業に用いられない単語についてはノイズとして適切に重要単語辞書３４から除外できる。
過去処理部１０Ａ～１０Ｄは、要領書データ３６から抽出した文構造から要領書データ３６に含まれる重要単語を評価する評価モデル１７に対して、複数の人物によって共通で発話された過去要領書１１に含まれる単語を、過去要領書１１に含まれる重要単語として出力するように評価モデル１７を学習する。
今回処理部２０Ａ～２０Ｄは、今回の要領書データ３６から抽出した文構造を評価モデル１７に入力することで、評価モデル１７から出力される重要単語を、今回の要領書データ３６に基づく点検作業で発話されたか否かを確認するキーワードとして重要単語辞書３４に登録する（第１例～第４例で共通する特徴）。
これにより、過去復唱単語１６として過去の点検作業に実績のある重要単語が、今回の重要単語辞書３４にも抽出されることで、作業内容を示す重要単語を、適切に設定することができる。さらに、過去要領書１１から抽出した文構造の単語をもとに重要単語を抽出することで、点検作業に用いられない単語についてはノイズとして適切に重要単語辞書３４から除外できる。
【0051】
さらに、辞書生成部３３の（第１例）および（第２例）では、単語の並び関係を文構造として抽出する。これにより、少ない計算量で文構造を抽出できる。一方、辞書生成部３３の（第３例）および（第４例）では、単語間の係り受け関係を文構造として抽出する。これにより、文章の意味まで踏み込んだ高精度の文構造を抽出できる。
また、辞書生成部３３の（第２例）および（第４例）では、過去の点検時だけでなく今回の演習（リハーサル）時の発話内容も評価モデル１７に反映される。これにより、今回の要領書データ３６として、演習時と点検本番時とで同じ要領書を用いるので、点検本番前に高精度な重要単語辞書３４を用意できる。
また、辞書生成部３３の（第２例）および（第４例）では、過去の点検時だけでなく今回の演習（リハーサル）時の発話内容も評価モデル１７に反映される。これにより、今回の要領書データ３６として、演習時と点検本番時とで同じ要領書を用いるので、点検本番前に高精度な重要単語辞書３４を用意できる。
【0052】
さらに、本発明は上述した各実施形態に限られるものではなく、特許請求の範囲に記載した本発明の要旨を逸脱しない限りにおいて、その他種々の応用例、変形例を取り得ることは勿論である。例えば、上述した各実施形態は本発明を分かりやすく説明するために作業支援システム３０の構成を詳細かつ具体的に説明したものであり、必ずしも説明した全ての構成要素を備えるものに限定されない。また、ある実施形態の構成の一部を他の実施形態の構成要素に置き換えることが可能である。また、ある実施形態の構成に他の実施形態の構成要素を加えることも可能である。また、各実施形態の構成の一部について、他の構成要素の追加又は置換、削除をすることも可能である。
【0053】
また、上記の各構成、機能、処理部等は、それらの一部又は全部を、例えば集積回路で設計するなどによりハードウェアで実現してもよい。ハードウェアとして、ＦＰＧＡ（Field Programmable Gate Array）やＡＳＩＣ（Application Specific Integrated Circuit）などの広義のプロセッサデバイスを用いてもよい。
また、上述した実施形態にかかる作業支援システム３０の各構成要素は、それぞれのハードウェアがネットワークを介して互いに情報を送受信できるならば、いずれのハードウェアに実装されてもよい。また、ある処理部により実行される処理が、１つのハードウェアにより実現されてもよいし、複数のハードウェアによる分散処理により実現されてもよい。
また、上述した実施形態にかかる作業支援システム３０の各構成要素は、それぞれのハードウェアがネットワークを介して互いに情報を送受信できるならば、いずれのハードウェアに実装されてもよい。また、ある処理部により実行される処理が、１つのハードウェアにより実現されてもよいし、複数のハードウェアによる分散処理により実現されてもよい。
【符号の説明】
【0054】
１ 点検指示者
２ 点検作業者
３ 点検端末
１０Ａ，１０Ｂ，１０Ｃ，１０Ｄ 過去処理部（重要単語抽出装置）
１１ 過去要領書（過去の要領書）
１２ 過去音声認識部
１３Ａ 単語並び解析部
１４Ａ 並び単語
１３Ｃ 係り受け解析部
１４Ｃ 係り受け単語
１５ 学習部
１６ 過去復唱単語
１７ 評価モデル
１８Ｃ 点検単語辞書
２０Ａ，２０Ｂ，２０Ｃ，２０Ｄ 今回処理部（作業支援装置）
２１Ｃ 点検単語辞書
２２Ａ 単語並び解析部
２３Ａ 並び単語
２２Ｃ 係り受け解析部
２３Ｃ 係り受け単語
２４ 識別部
２５ 評価モデル
２６Ｂ，２６Ｄ 演習音声認識部
２７Ｂ，２７Ｄ 演習復唱単語
３０ 作業支援システム
３１ 点検結果通知部
３２ 音声認識部
３３ 辞書生成部
３４ 重要単語辞書
３５ 要領書通知部
３６ 要領書データ（今回の要領書）
１００ 作業システム
２ 点検作業者
３ 点検端末
１０Ａ，１０Ｂ，１０Ｃ，１０Ｄ 過去処理部（重要単語抽出装置）
１１ 過去要領書（過去の要領書）
１２ 過去音声認識部
１３Ａ 単語並び解析部
１４Ａ 並び単語
１３Ｃ 係り受け解析部
１４Ｃ 係り受け単語
１５ 学習部
１６ 過去復唱単語
１７ 評価モデル
１８Ｃ 点検単語辞書
２０Ａ，２０Ｂ，２０Ｃ，２０Ｄ 今回処理部（作業支援装置）
２１Ｃ 点検単語辞書
２２Ａ 単語並び解析部
２３Ａ 並び単語
２２Ｃ 係り受け解析部
２３Ｃ 係り受け単語
２４ 識別部
２５ 評価モデル
２６Ｂ，２６Ｄ 演習音声認識部
２７Ｂ，２７Ｄ 演習復唱単語
３０ 作業支援システム
３１ 点検結果通知部
３２ 音声認識部
３３ 辞書生成部
３４ 重要単語辞書
３５ 要領書通知部
３６ 要領書データ（今回の要領書）
１００ 作業システム
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【手続補正書】
【提出日】2024-02-01
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
要領書から抽出した文構造から要領書に含まれる重要単語を評価する評価モデルに対して、過去の要領書に基づく過去の作業で用いられた単語を、前記過去の要領書に含まれる重要単語として出力するように前記評価モデルを学習する重要単語抽出装置と、
今回の要領書から抽出した文構造を前記評価モデルに入力することで、前記評価モデルから出力される重要単語を、前記今回の要領書に基づく作業で用いるキーワードとして重要単語辞書に登録する作業支援装置とを有することを特徴とする
作業支援システム。
今回の要領書から抽出した文構造を前記評価モデルに入力することで、前記評価モデルから出力される重要単語を、前記今回の要領書に基づく作業で用いるキーワードとして重要単語辞書に登録する作業支援装置とを有することを特徴とする
作業支援システム。
【請求項2】
前記評価モデルは、時系列の入力データを受け付けるモデルであり、
前記重要単語抽出装置および前記作業支援装置は、要領書から抽出した単語の並び関係を文構造として抽出し、その抽出した単語の並び関係を時系列の入力データとして前記評価モデルに入力することを特徴とする
請求項１に記載の作業支援システム。
前記重要単語抽出装置および前記作業支援装置は、要領書から抽出した単語の並び関係を文構造として抽出し、その抽出した単語の並び関係を時系列の入力データとして前記評価モデルに入力することを特徴とする
請求項１に記載の作業支援システム。
【請求項3】
前記作業支援装置は、前記今回の要領書に基づく作業よりも前に実行される、前記今回の要領書に基づく演習時に複数の人物によって共通で発話された前記今回の要領書に含まれる単語を、前記評価モデルの入力データに追加することを特徴とする
請求項２に記載の作業支援システム。
請求項２に記載の作業支援システム。
【請求項4】
前記評価モデルは、単語間の係り受け関係を示す特徴量の入力データを受け付けるモデルであり、
前記重要単語抽出装置および前記作業支援装置は、要領書から抽出した作業の動作を示す作業用語に対する単語間の係り受け関係を示す特徴量を文構造として抽出し、その抽出した特徴量を入力データとして前記評価モデルに入力することを特徴とする
請求項１に記載の作業支援システム。
前記重要単語抽出装置および前記作業支援装置は、要領書から抽出した作業の動作を示す作業用語に対する単語間の係り受け関係を示す特徴量を文構造として抽出し、その抽出した特徴量を入力データとして前記評価モデルに入力することを特徴とする
請求項１に記載の作業支援システム。
【請求項5】
前記作業支援装置は、前記重要単語辞書に登録した重要単語のうちの動詞を、次回の前記作業用語として登録することを特徴とする
請求項４に記載の作業支援システム。
請求項４に記載の作業支援システム。
【請求項6】
前記評価モデルは、単語間の係り受け関係を示す特徴量に加え、複数の人物によって共通で発話された単語についての統計情報を示す特徴量の入力データを受け付けるモデルであり、
前記作業支援装置は、前記今回の要領書に基づく作業よりも前に実行される、前記今回の要領書に基づく演習時に前記複数の人物によって共通で発話された単語についての統計情報を、前記評価モデルの入力データに追加することを特徴とする
請求項４に記載の作業支援システム。
前記作業支援装置は、前記今回の要領書に基づく作業よりも前に実行される、前記今回の要領書に基づく演習時に前記複数の人物によって共通で発話された単語についての統計情報を、前記評価モデルの入力データに追加することを特徴とする
請求項４に記載の作業支援システム。
【請求項7】
前記重要単語抽出装置は、過去の要領書に基づく過去の作業で用いられた単語のうち、複数の人物によって共通で発話された過去の要領書に含まれる単語を、前記過去の要領書に含まれる重要単語として出力することを特徴とする
請求項１に記載の作業支援システム。
請求項１に記載の作業支援システム。
【請求項8】
前記複数の人物とは、１人の作業指示者が、１人以上の作業者に作業を指示するチームであり、
前記複数の人物によって共通で発話された単語とは、前記作業指示者が先に発話し、前記作業者がその発話に反応して復唱した単語であることを特徴とする
請求項７に記載の作業支援システム。
前記複数の人物によって共通で発話された単語とは、前記作業指示者が先に発話し、前記作業者がその発話に反応して復唱した単語であることを特徴とする
請求項７に記載の作業支援システム。
【請求項9】
前記作業支援装置は、前記今回の要領書に基づく作業で、前記重要単語辞書に登録された重要単語が発話されたか否かを確認し、発話されなかった重要単語を警告することを特徴とするを特徴とする
請求項１に記載の作業支援システム。
請求項１に記載の作業支援システム。
【請求項10】
過去の要領書に基づく過去の作業で用いられた単語を、前記過去の要領書に含まれる重要単語として出力するように学習されており、要領書から抽出した文構造から要領書に含まれる重要単語を評価する評価モデルに対して、今回の要領書から抽出した文構造を前記評価モデルに入力することで、前記評価モデルから出力される重要単語を、前記今回の要領書に基づく作業で用いるキーワードとして重要単語辞書に登録する今回処理部を有することを特徴とする
作業支援装置。
作業支援装置。
【請求項11】
作業支援システムは、重要単語抽出装置と、作業支援装置とを有しており、
前記重要単語抽出装置は、要領書から抽出した文構造から要領書に含まれる重要単語を評価する評価モデルに対して、過去の要領書に基づく過去の作業で用いられた単語を、前記過去の要領書に含まれる重要単語として出力するように前記評価モデルを学習し、
前記作業支援装置は、今回の要領書から抽出した文構造を前記評価モデルに入力することで、前記評価モデルから出力される重要単語を、前記今回の要領書に基づく作業で用いるキーワードとして重要単語辞書に登録することを特徴とする
作業支援方法。
前記重要単語抽出装置は、要領書から抽出した文構造から要領書に含まれる重要単語を評価する評価モデルに対して、過去の要領書に基づく過去の作業で用いられた単語を、前記過去の要領書に含まれる重要単語として出力するように前記評価モデルを学習し、
前記作業支援装置は、今回の要領書から抽出した文構造を前記評価モデルに入力することで、前記評価モデルから出力される重要単語を、前記今回の要領書に基づく作業で用いるキーワードとして重要単語辞書に登録することを特徴とする
作業支援方法。
【手続補正2】
【補正対象書類名】明細書
【補正対象項目名】００１１
【補正方法】変更
【補正の内容】
【0011】
前記課題を解決するために、本発明の作業支援システムは、以下の特徴を有する。
本発明は、要領書から抽出した文構造から要領書に含まれる重要単語を評価する評価モデルに対して、過去の要領書に基づく過去の作業で用いられた単語を、前記過去の要領書に含まれる重要単語として出力するように前記評価モデルを学習する重要単語抽出装置と、
今回の要領書から抽出した文構造を前記評価モデルに入力することで、前記評価モデルから出力される重要単語を、前記今回の要領書に基づく作業で用いるキーワードとして重要単語辞書に登録する作業支援装置とを有することを特徴とする。
その他の手段は、後記する。
本発明は、要領書から抽出した文構造から要領書に含まれる重要単語を評価する評価モデルに対して、過去の要領書に基づく過去の作業で用いられた単語を、前記過去の要領書に含まれる重要単語として出力するように前記評価モデルを学習する重要単語抽出装置と、
今回の要領書から抽出した文構造を前記評価モデルに入力することで、前記評価モデルから出力される重要単語を、前記今回の要領書に基づく作業で用いるキーワードとして重要単語辞書に登録する作業支援装置とを有することを特徴とする。
その他の手段は、後記する。