本研究は、製造現場の改善活動支援を目的としたデータ駆動型の動作分析手法を開発する。
先行研究では、ライン生産の組立作業を対象に姿勢推定で抽出した手の骨格データの特徴量をクラスタリングすることで標準動作と逸脱動作に分類した。また、グラフニューラルネットワーク(GNN)を用いた動作分類モデルの学習を行うことで、動作の手順と時間を可視化した。
本稿では、検出された逸脱動作の詳細な要因分析を行う手法を提案する。また、分類精度向上を目的として、骨格データを特徴量に時系列を考慮したGNNによる動作分類を行う。さらに、提案手法の有効性を確認するために行った検証実験の結果を報告する。