複数種類の時系列作業データに基づく工程作業推定

カテゴリ: 研究会(論文単位)

論文No: IS24047

グループ名: 【C】電子・情報・システム部門 情報システム研究会

発行日: 2024/12/02

タイトル(英語): Work Estimation based on Multiple Types of Time-Series Information

著者名: 大島 宏友(東芝),福田 雅允(東芝),新沼 歩(東芝),前川 卓也(大阪大学),浪岡 保男(東京都立産業技術大学院大学)

著者名(英語): Hirotomo Oshima(Toshiba),Masamitsu Fukuda(Toshiba),Ayumu Niinuma(Toshiba),Takuya Maekawa(Osaka University),Yasuo Namioka(Advanced Institute of Industrial Technology)

キーワード: 作業推定|組立工程|時系列データ|ＧＮＮ|ＬＳＴＭ|Work estimation|Assembly process|Time-series data|GNN|LSTM

要約(日本語): 製造現場では、リアルタイムかつ効率的な進捗管理を行うために、高い精度での作業認識技術が求められている。本研究では、GNN(Graph Neural Network)とLSTM(Long Short-Term Memory)を組み合わせた作業推定モデルを用いて、作業者、作業対象となる製品、および、作業の作用点に関する時系列データを統合的に扱うことで、高精度に作業推定する手法を提案する。実際の組立工程で取得した作業データを用いた評価実験により、提案手法の有効性を確認した。

要約(英語): In a manufacturing site, highly accurate work recognition method is required for real-time and efficient work progress management. In this study, we propose a work estimation method using a work estimation model that combines GNN (Graph Neural Network) and LSTM (Long Short-Term Memory) to integrate time-series information about the worker, the product, and their processing parts. We evaluated the proposed method using actual data which are collected at an assembly process and the effectiveness of this method was investigated.

本誌: 2024年12月5日-2024年12月6日情報システム研究会

本誌掲載ページ: 95-100 p

原稿種別: 日本語

PDFファイルサイズ: 907 Kバイト