監視カメラを活用したセル生産方式製造現場の作業分類システムの提案

• Item type: SIG Technical Reports(1)
• 公開日: 2023-09-18
• タイトル: 監視カメラを活用したセル生産方式製造現場の作業分類システムの提案
• タイトル / 言語: en
• タイトル: Proposal for a Work Classification System in Cell Production Manufacturing Sites Utilizing Surveillance Cameras
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 生産現場とセンシング技術
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: (株)システック井上
• 著者所属: 長崎大学
• 著者所属: 長崎大学
• 著者所属(英): en
• 著者所属(英): Systec Inoue Corporation
• 著者所属(英): en
• 著者所属(英): Nagasaki University
• 著者所属(英): en
• 著者所属(英): Nagasaki University
• 著者名: 井上, 貴夫; 荒井, 研一; 小林, 透
• 著者名(英): Takao, Inoue; Kenichi, Arai; Toru, Kobayashi
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 中小企業のセル生産方式では作業者が中心となり生産している為，大企業の自動化に比べて生産性が低い傾向にある．作業内容についても多岐にわたり，評価方法も作業ごとに異なる．従来の研究ではセンサーやカメラを用いての方法があるが，作業者や特定の作業など範囲で限定的である．しかも個別にカメラを設置する必要があり，コストが高くなる．そこで本研究では，防犯や安全監視が目的で製造現場にすでに導入されている監視カメラに着目した．ただ，監視カメラの場合，専用カメラと違い，広い製造現場のどこに着目するかが問題になる．その問題を，今回は作業者の向き，手の位置，設備の位置に着目し，その組み合わせにて作業分類がきることが可能であると考えた．検査装置を使った作業を対象にし，深層学習で物体位置を予測し，機械学習で特徴的な作業動作を抽出するアプローチによる解決の試みで，実現可能であるという効果が確認できた．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In small and medium-sized enterprises, the cell production approach involves workers at its core, leading to lower labor productivity compared to the automation in larger companies. The nature of tasks varies widely, and the methods of evaluation also differ for each specific task. Conventional studies have employed methods involving sensors and cameras, but these approaches have limitations in terms of focusing on specific workers or tasks within a limited scope. Moreover, individual camera installations are required, leading to increased costs. Therefore, this study focuses on existing surveillance cameras already implemented in manufacturing sites for security and safety monitoring purposes. However, with surveillance cameras, the challenge lies in determining where to focus within the expansive manufacturing site, unlike dedicated cameras. In this study, the problem was addressed by focusing on the orientation of workers, the position of their hands, and the placement of equipment. It was hypothesized that through this combination, it would be feasible to classify tasks. The study targeted tasks involving inspection equipment and attempted to address the issue through an approach that utilized deep learning to predict object positions and machine learning to extract distinctive task-related actions. The attempt to resolve the issue using this approach confirmed its feasibility and effectiveness.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11851388
• 書誌情報: 研究報告モバイルコンピューティングと新社会システム（MBL）; 巻 2023-MBL-108, 号 4, p. 1-7, 発行日 2023-09-18
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8817
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会