MAD-TN: 人とロボットの協調における流暢性を測る道具(MAD-TN: A Tool for Measuring Fluency in Human-Robot Collaboration)

田中専務

拓海先生、最近うちの現場でロボットと人が一緒に働く話が出てきましてね。でも現場の人たちが不安そうでして、何を指標に良し悪しを判断すればいいのか見当がつきません。要するに何を測れば“うまく回っている”と判断できるんでしょうか。

AIメンター拓海

素晴らしい着眼点ですね!ひと言で言うと「流暢性(Fluency)」を測れば良いんですよ。ここでの流暢性は、人とロボットが時間や動作をどれだけスムーズに噛み合わせて働けるか、という感覚です。大丈夫、一緒に整理すれば導入の判断ができるようになりますよ。

田中専務

流暢性、ですか。なんだか抽象的ですね。現場ではアイドル時間とか待ちが問題になると言われていますが、そういう具体的な数字も含みますか。

AIメンター拓海

その通りです。流暢性は感覚ですが、測るための指標がいくつかあります。たとえば人の「待ち時間(human idle time)」やロボットの「待ち時間(robot idle time)」、同時作業の有無、作業間の遅延(function delay)などです。まずは現場で見える指標をいくつか選んで記録してみるとよいですよ。

田中専務

ふむ。で、それらをどうやってひとつのモデルで整理するのですか。これって要するに時間の関係性を図にしたものを作れば良いということ?

AIメンター拓海

よく分かっていますね!要するに時間の制約を書き出す時間ネットワークの考え方を使います。3点にまとめると、1) 各作業者の行為を時間の区間として表現する、2) 区間どうしの順序や同時性を数式的に整理する、3) そこから待ちや遅延を定量化する、です。これで議論が定量的になりますよ。

田中専務

なるほど。で、うちの工場で使うとしたらまず何を測れば費用対効果(ROI)が分かりますか。現場の人間に負担を掛けずにできることが知りたいのです。

AIメンター拓海

素晴らしい着眼点ですね!まずは簡単に取れるメトリクスから始めましょう。要点を3つにまとめると、1) 人のアイドル時間の計測、2) 機械(ロボット)のアイドル時間の計測、3) 作業間の遅延時間の記録です。これだけで改善の余地と投資効果の見積りができますよ。

田中専務

それなら現場にも負担は少なそうですね。ところで実際に人の評価と指標が合うのかも気になります。現場の感覚と一致するものを選びたいのですが。

AIメンター拓海

いい質問です。研究では観察者に動画を見せて「流暢に見えるか」を聞き、記録した指標と相関を見る手法が使われます。興味深い点は、観察者や当事者の立場によって有意な指標が変わる点です。実務ではまず自社の現場でパイロット検証を行うことが近道です。

田中専務

なるほど、まずは現場で試す。最後にひとつだけ確認ですが、これを導入して改善につなげる際の注意点を教えてください。

AIメンター拓海

大丈夫、一緒にやれば必ずできますよ。注意点は3つです。1) 指標の選定を現場と共に行い合意を取ること、2) データ収集は簡便にして継続可能にすること、3) 指標を改善に結びつけるアクションまで設計することです。これができれば投資対効果は明確になりますよ。

田中専務

分かりました。要するに現場と合意した簡単な指標をまずは取り、データを取って改善につなげるという流れですね。私の言葉で言い直すと、まずは人とロボットの”待ち”と”遅れ”を測り、改善で時間を取り戻すことで投資を回収する、ということです。

AIBRプレミアム

関連する記事

AI Business Reviewをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む