腕の動きをAIで解析し、物流センターの作業実態をリアルタイム可視化

効いたのは、必要な機器と見える化テンプレートを一式にまとめ、サブスクリプションで使える形にした構成です。初期の大掛かりな設備投資を前提としないため、対象を限らずに現場へ持ち込めます。この可搬性があるからこそ、改善したい現場で1〜2週間データを取り、課題を抽出して手を打ち、再び1〜2週間測って確かめるという短い検証サイクルを、日常の業務改善の中に組み込めています。

計測手段そのものの選び方も見逃せません。作業位置が固定されがちな製造現場であれば、カメラ映像から作業を推定する方式が働きますが、作業者が広い庫内を絶えず移動する物流の現場では、その方式だけで全体の活動を正しく捉えるのは困難です。腕の加速度の波形から作業区分を推定するという装着型に寄せた判断は、作業者の負担を抑えたまま、全員を同じ物差しで測ることをねらったものと考えられます。

ビーコンによる位置情報を時間軸に重ねた設計も、分析の解像度を一段引き上げています。何をしていたかという作業区分に、どこでという情報が加わると、区分ごとの時間配分を眺めているだけでは見えてこない動線の無駄や滞留に手が届きます。