林業機械作業への習熟モデルの適用と技術習得プロセスの分析

Size: px

Start display at page:

Download "林業機械作業への習熟モデルの適用と技術習得プロセスの分析"

えみひのと
5 years ago
Views:

1 森利誌 31 (4) 論文林業機械作業への習熟モデルの適用と技術習得プロセスの分析山口浩和 * 岡勝 ** 鹿島潤 * 毛綱昌弘 * 陣川雅樹 * 加利屋義広 *** 山口浩和岡勝鹿島潤毛綱昌弘陣川雅樹加利屋義広 : 林業機械作業への習熟モデルの適用と技術習得プロセスの分析. 森利誌 31(4):155 ~ 162,2016. 林業機械や油圧ショベル等の機械を操作したことがない未経験のオペレータ 4 名を対象に, グラップルローダを使った丸太の荷役作業における習熟過程を追跡調査した 1 車両分の丸太積みおろし作業にかかる作業所要時間は経験時間とともに減少し, その習熟は決定係数 0.9 以上で対数線型習熟モデル式に近似された観察数が習熟モデルの精度に与える影響を調べた結果, 各オペレータに対して 5 回以上の作業の観察を行うことで平均予測誤差率 10% 程度の習熟モデルが得られることが分かった次に, 機械の動作計測手法を用いて機械操作における技術的な変化を計測し, 習熟に関わる要因について分析した作業開始から経験時間 5 ~ 6 時間頃までは, 機械操作方法の理解と機械の動作特性への慣れが習熟の大半を占めたと考えられ, 経験時間 20 時間頃までは顕著な技術的変化は確認できなかったしかし 20 時間を超える頃から同時操作時間の割合が大きく増加するなど操作技術の向上が確認された丸太の中心付近を掴む等の作業方法の習得やポンプで発生させた圧油の利用率の向上などは作業経験とともに徐々に進んだこのように林業機械作業の習熟は, 機械操作技術, 作業方法等, 複合的な技術レベルの向上によるものであると言えるキーワード : 荷役作業, グラップルローダ, 習熟モデル, オペレータ, 操作技術 Hirokazu YAMAGUCHI, Masaru OKA, Jun KASHIMA, Masahiro MOZUNA, Masaki JINKAWA and Yoshihiro KARIYA : Application of a learning model to a forest machinery work and analysis of progress in a machine operation technique. J. Jpn. For. Eng. Soc. 31(4): , We observed changes in the productivity of log-loading work using a grapple loader and determined how an operator can gain proficiency in operating forest machines by evaluating the subsequent machine work of the operators who were inexperienced in forest machine operations. Consequently, we found that the work time tended to decrease with an increase in the work experience of the operator. This could be because of the improvement in machine operation techniques such as simultaneous operation of actuators or effective uses of machine abilities and the acquisition of work knowledge regarding log treatment or efficient trajectory of the work machine. This consistent decrease in work time and improvement in productivity can be expressed using a log-linear learning model, with a determination coefficient of > 0.90 in regression analysis. This showed that an operator s long-term improvement in forest machine operation can be predicted by observing the early progress of the operator. In addition, we revealed that observation of the work should be performed at least five times to complete an exact model. Keywords : log-loading work, grapple loader, learning model, operator, operation technique 論文 ( 研究 )2016 年 6 月 3 日受付,2016 年 9 月 23 日受理連絡先 (Corresponding author): 山口浩和 (Hirokokazu YAMAGUCHI) hiroy@ffpri.affrc.go.jp * 森林総合研究所 For. and Forest Prod. Res. Inst., Tsukuba ** 鹿児島大学農学部 Fac. of Agric. Kagoshima Univ., Kagoshima *** 森林技術総合研修所林業機械化センター For. Mec. Ctr., Numata

156 1. はじめに森林林業基本計画において, 平成 37 年度には木材自給率を 50% とすることが目標に示されている ( 林野庁 2015) その実現のためには国産材の安定供給体制を整え, 生産量を現在の約 1.

2 はじめに森林林業基本計画において, 平成 37 年度には木材自給率を 50% とすることが目標に示されている ( 林野庁 2015) その実現のためには国産材の安定供給体制を整え, 生産量を現在の約 1.6 倍程度に高める必要があり, 今後さらに生産性の高い機械作業システムの導入が進むものと予想されるしかし, 機械作業システムの中心となる高性能林業機械は操作が複雑で難しく, 機械を操作するオペレータの技量が作業の生産性に大きく影響する (YAMAGUCHI et al. 2008, 山口ら 2015) そのため, 高性能林業機械の性能を発揮させるためには優れたオペレータが必要であり, オペレータ育成の重要性はますます高まっているといえるこれまで事業体が高性能林業機械を導入する際には, 作業システムの生産性やコストの事例は多くあるものの, オペレータの技術習得にどのくらいの期間が必要であるかといった情報が少なく, オペレータの技術レベルを評価する方法もなかったそのため, オペレータが実際どのくらいの生産性を実現できるのか不透明であり, 機械を導入した際の事業計画の立案や人員配置を効果的に行うことができない等の問題があった製造業分野においては, 以前より作業の習熟を考慮した生産計画が行われており, 生産工数の推定や商品製造における見積もりの作成等に習熟性理論が利用されてきた ( 師岡 1969) 一方, 森林作業は工場内生産とは異なり, 同一条件で作業が繰り返し行われる場面が少ないため, 習熟の基準となる作業を設定することができないしかし, 同じサイズの機械を使用するといった, 環境条件に影響されない一工程のみを対象とすれば, 習熟性理論が適用できる可能性がある古川 (1997) は, 研修機関における複数の機械を対象とした研修において, それぞれの機械について最も習熟効果の高い研修時間あるいは訓練回数を明らかにし, 限られた研修時間の中で最大限の効果を得るための最適な研修時間配分を明らかにしたまたこの中で, 作業に要する時間が経験時間や作業回数の累乗に反比例する傾向があることを示唆した年単位の比較的長期的な習熟については, 渡井佐々木 (2008) がハーベスタによる造材作業時間の推移が習熟モデルで表現できることを示している木幡由田 (1997) は, プロセッサ作業を対象に, 無駄時間の減少や作業手順の改善等による生産性の向上を習熟の要因として示したしかし, オペレータの機械操作に関する技術的変化に着目した研究事例はなく, これを明らかにすることはより効率的な技術習得方法を開発する上で有益な資料となりうると考えられるそこで本報告では, 林業機械作業の中で最も基本的な作業であるグラップルローダによる荷役作業を例に, 習熟モデルの適用可能性を検討するとともに, オペレータの機械操作における技術的変化から習熟の要因を明らかにする J. Jpn. For. Eng. Soc. 31 (4) 方法 2.1 調査の概要被験者林業機械および油圧ショベル等の車両系機械の操作経験がない 30 代の男性 4 名を被験者とし, それぞれオペレータ A,B,C,D としたこれら 4 名は林業関係者であり, 森林作業に関する知識を有しているまた調査開始年度から業務の一部として, フォワーダ, 油圧ショベルやスイングヤーダなど, さまざまな機械を使った作業に従事する予定となっているしかしこれまで現場の作業経験はないため, 初回の調査の前に 30 分 ~ 1 時間程度, 調査対象機種によりグラップルローダの基本操作練習を行った調査期間オペレータ A,B,C は 2009 年 6 月から 2009 年 12 月及び,2010 年 6 月から 2010 年 12 月までの計 12 か月間, オペレータ D については,2008 年 6 月から 2008 年 12 月までの 6 か月間, 調査したその期間中に各オペレータに対して 7 回 ~ 12 回の作業の観察を行った調査期間中の機械作業経験時間は, オペレータによって異なるが, 延べ時間で 23 ~ 45 時間となったオペレータが通常の業務において行った作業については, 作業日報に機械種類, 作業内容, 作業時間を記録してもらい, 作業経験時間として積算したただし記録の対象とした機械作業は, 油圧ショベルまたはグラップルローダを使用した作業のみとした作業内容調査した作業は, グラップル搭載型フォワーダ (UOTANI AK - 3) を用いた丸太の荷役作表 -1 荷役作業に用いた丸太はいⅠ はいⅡ 樹種スギスギ最大径 (cm) 最小径 (cm) 平均径 (cm) 標準偏差 (cm) 材長 (m) 材本数 ( 本 ) 材積 (m 3 ) 図 - 1 荷役作業試験の様子

3 森利誌 31 (4) 業とし, フォワーダ横にはい積みされている丸太をフォワーダの荷台へ積み込む作業および積み込んだ丸太を荷おろしする作業 ( はい積み作業 ) とした荷役作業に使用した丸太の詳細を表 - 1 に示すオペレータに対する調査年度が異なるため 2 つのはいを使用したオペレータ A ~ C についてははい Ⅰ を, オペレータ D についてははい Ⅱ を用いた図 - 1 の通り, 両はいともに丸太は車両と平行の向きに前後方向に 2 列に並べてはい積みされている荷おろし作業では,2 列のはいの材積が均等になるように仕分けした短材であるため積み方はフォワーダ進行方向に対して横積みとした 2.2 分析方法作業時間分析と習熟モデルの適用オペレータ A ~ D の 4 名による作業を記録したビデオ映像を用いて作業分析を行い, オペレータによるグラップルローダを使ったフォワーダ 1 車両分の積み込み作業および荷おろし作業に要する作業時間が習熟とともにどのように変化するのかを調査したまた, 各オペレータの経験時間と作業所要時間の関係に習熟モデルを適用し, その適合性を評価した習熟モデルを作成する大きな目的の 1 つは, 初期の観察結果から長期的な習熟を予測することにあるこの習熟モデルの各係数を決定するためには, 複数回の観察データが必要であるが, 各事業体やオペレータ自身が実用的に習熟モデルを活用するためには, なるべく手間をかけずに, 精度の高いモデルが構築できることが望ましく, 作業の観察回数はできるだけ少ない方が良いそこで習熟モデルの各係数の安定解を得るために必要な作業の観察数を明らかにするため, 観察数の違いがモデルの精度にどの程度影響するのか検証した機械操作技術の分析オペレータ D を対象として, 作業中にオペレータが操作するグラップルローダの動作解析を行い, 経験にともない機械操作技術や作業方法がどのように変化するのか明らかにすることにより, 機械作業における習熟の要因を分析したグラップルローダの動作解析を行うため, ナックルブ作業所要時間 ( 時間 ) オペレータ A オペレータ B オペレータ C オペレータ D* 経験時間 ( 時間 ) 図 - 2 オペレータ (A ~ D) による積み込み作業時間の推移 * はい Ⅱ を使用ームを駆動する各油圧アクチュエータにセンサ ( ポテンショメータ ) を取り付け, 作業中の各アクチュエータの変化量を計測し,10Hz でデータロガーに記録したこれらの計測データからオペレータの技術レベルの指標となる様々な数値を演算した ( 山口ら 2015) 具体的には, ブーム, アーム, エクステンション, 旋回部の動きから a) グラップル作業機の移動軌跡,b) 丸太の荷つかみ位置, c) アクチュエータを同時に操作する時間比率,d) 作業に利用している圧油量をもとにした機械能力の有効利用率, であり, 習熟によりこれらの指標がどのように変化するのかを解析した 3. 結果と考察 3.1 作業時間の変化図 - 2 および図 - 3 に, オペレータ A ~ D の機械作業経験時間と積み込み作業および荷おろし作業の所要作業時間の関係を示したどのオペレータについても, 作業所要時間は機械作業の経験とともに減少している作業時間は経験時間 10 時間程度まで急激に減少した後, なだらかに漸減する曲線を描いたそれぞれのオペレータについて, 初回の作業と経験時間 20 時間付近の作業所要時間を比較した ( 表 - 2) 積み込み作業, 荷おろし作業ともに初回の作業所要時間はオペレータごとに大きく異なり, 積み込み作業では最大 0.84 時間, 荷おろし作作業所要時間 ( 時間 ) オペレータ A オペレータ B オペレータ C オペレータ D* 経験時間 ( 時間 ) 図 - 3 オペレータ (A ~ D) による荷おろし作業時間の推移 * はい Ⅱ を使用表 - 2 初回と 20 時間経験後の作業時間の比較 (* はいⅡ を使用 ) 初回 20 時間経験後作業種類オペレータ作業時間 ( 時間 ) 作業時間 ( 時間 ) 時間比率 (%) A 積み込み B C D* A 荷おろし B C D*

4 158 業では最大 1.56 時間の開きがあったまた 20 時間経験した後の作業所要時間と初回の作業所要時間を比較した時間比率, つまりは上達の程度も大きく異なり, 積み込み作業では 10.8ppt, 荷おろし作業では 24.5ppt の開きがあったこのように, 習熟の過程は機械操作に対する適正や学習能力, あるいは作業の種類により大きく異なり, 荷役作業においてオペレータがどのような過程で習熟していくのかを予測するためには, 各作業について, オペレータ個別にモデル化する必要があるといえる 3.2 習熟モデルの適用オペレータの習熟に対して, 製造業分野で広く利用されている対数線型習熟モデル ( 師岡 1969) を適用したこのモデルは習熟曲線が累乗式に近似できる場合によくあてはまり, 両対数グラフ上では線型となるため, 各係数を容易に決定することができる点に特徴がある本調査における観測データを両対数グラフ上でプロットすると図 - 4, 図 - 5 の通り直線式に近似されたこのことから, 荷役作業における習熟には, 対数線型習熟モデルを適用できる可能性がある対数線型習熟モデルは, 機械作業経験時間を x, 作業作業所要時間 ( 時間 ) 作業所要時間 ( 時間 ) 経験時間 ( 時間 ) 図 - 4 オペレータ (A ~ D) による積み込み作業時間の推移 ( 両対数グラフ ) * はい Ⅱ を使用オペレータ A 経験時間 ( 時間 ) オペレータ A オペレータ B オペレータ C オペレータ D* オペレータ B オペレータ C オペレータ D* 図 - 5 オペレータ (A ~ D) による荷おろし作業時間の推移 ( 両対数グラフ ) * はい Ⅱ を使用 J. Jpn. For. Eng. Soc. 31 (4)2016 所要時間を y とした場合に (5) 式のように表される y = ax b (5) a は機械作業の経験時間が 1 時間であった時の作業時間とし,b は習熟係数である経験時間とともに作業時間が減少する今回の調査のような場合には, 習熟係数 b は負の値をとる (5) 式の両辺に対数をとると (6) 式のように表すことができる log y = log a + b log x (6) ここで Y =log y,x = log x,a = log a おくと (6) 式は, Y =A + bx (7) と表される (7) 式は線形式であるため,2 つ以上の観測値があれば係数 a,b を決定できるオペレータ A ~ D の積み込み作業および荷おろし作業の観測データから, それぞれの係数を最小二乗法により求め, オペレータ個別の習熟モデルを作成した表 - 3 に各オペレータの習熟モデルの係数と決定係数 (R 2 ) を示す線形近似による決定係数は 0.9 以上と高い相関関係があったこのことから機械作業時間は経験時間の累乗に比例する習熟モデルを用いてよく表現できることが分かった習熟モデルは 2 倍の経験 ( 時間, 回数 ) を積むことにより, ある一定の割合 ( 習熟率 ) で作業時間が減少していく様子をモデル化したものである ( 師岡 1969) つまり習熟率 LP(%) は, 経験時間 x 1 の時の作業時間 y 1 と, 経験時間 2 x 1 となった時の作業時間 y 2 の比であり, 下記のように表すことができる y = 2 a 100 = ( 2 x b 1) b LP 100 = (8) y1 a( x1 ) b (8) 式で得られた LP は,0 < LP =2 = b 100 < 100(b<0) の範囲にあり, この値が大きいと習熟に時間を要する作業であることを示している習熟モデルの係数から習熟率は 64.3% ~ 87.1%( 習熟係数 ) と演算された積み込み作業と荷おろし作業を比較すると, 全表 - 3 習熟モデルの各係数 (* はいⅡ を使用) 荷役作習熟率決定係数オペレータ係数 a 係数 b 業種類 (%) (R 2 ) A 積み込 B み作業 C D* 荷おろし作業 A B C D*

5 森利誌 31 (4) 体的に積み込み作業の方が作業の所要時間は長かったが, 習熟率の平均値はほぼ等しかったしかしその傾向はオペレータにより大きく異なった各オペレータの特徴を見ると, オペレータ A とオペレータ B は積み込み作業において所要時間が短く, 習熟曲線は同様の傾向を示した荷おろし作業については, 初回の作業では, オペレータ B の所要時間が短かったが, 習熟率ではオペレータ A の方が小さく所要時間の短縮効果が大きいため, 早い段階で逆転する可能性があるオペレータ C は, 積み込み作業, 荷おろし作業ともに所要時間は大きいが, 習熟率は小さいため, 機械作業の経験時間を積むことで上達していくものと考えられるオペレータ D は丸太材積の多いはいⅡ を用いた作業を行っているため, 単純に比較はできないが, 習熟率のみを比較すると, 積み込み作業, 荷おろし作業ともに習熟率が小さく, 特に積み込み作業は上達が早いと予想されたこのように機械作業の習熟過程には機械操作の難しさや作業の複雑さ, あるいはオペレータの経験や学習能力, 器用さや慎重さなどが大きく関係しているため, 習熟モデルは個々の計画や目標を設定するプロセスにおいて有効であると考えられる表 - 4 は, オートメーション工程の割合の違いにより作業の習熟率が異なることを示したものである (HIRSHLEIFFER 1962,HIRSHMANN 1964) オートメーション化が進んだ工程では作業の習熟率が大きく習熟効果は小さいが, 手作業の占める割合が大きい工程では習熟率が小さく習熟効果が大きいという関係を表している今回の調査において荷役作業の習熟率は平均で 75.8% であったことから, 機械作業 25%, 手作業 75% の作業よりもさらに手作業の比率が高い作業に分類されるプロセッサ作業における習熟を追跡した渡井佐々木 (2008) の調査結果では, 造材作業の習熟係数が ( 習熟率 : 80.3%) と報告されており, 今回のわれわれの調査結果と同等の数値であったこれらのことから, 林業機械作業の生産性はオペレータの操作技術によるところが大きく, 習熟により生産性が大きく高まる可能性があることを意味しているオペレータの機械作業における習熟に対して習熟モデルが適用できる場合, 目標とする作業時間 y に到達するまでの経験時間 x( 習熟期間 ) は,(5) 式を x について解いて得られる (9) 式により予測することができるこの式を用いて, 各オペレータの習熟モデルの係数 a, b を代入することにより, オペレータごとに目標とするレベルに到達するまでの習熟期間を予測することが可能となるこの習熟期間の予測精度は, つまりはモデルの精度であり, 実際にオペレータが目標とする習熟レベルに到達するまでの追跡調査による検証が必要である 3.3 観察回数とモデルの精度図 - 6, 図 - 7 に作業観察回数とモデルの平均予測誤差率を示した平均予測誤差率は, 作業時間の実測値とモデルを用いた予測値との誤差を作業時間実測値で除して誤差率 (%) として求め, 観測回数で平均化したものである各オペレータに対するモデルの平均予測誤差率は, 観察回数を増やすことにより小さくなり, モデルの精度は向上したが, 積み込み作業では観測回数 4 回以上, 荷おろし作業では観測回数 5 回以上では大きな精度の向上が見られず, おおむね安定解が得られているとみられる積み込み作業および荷おろし作業を合わせた平均誤差率は,2 回の観測では 26.3%,3 回の観測では 19.2%, 4 回の観測では 13.1%,5 回の観測では 10.7%,6 回の観測では 9.8% となったこのことから誤差 10% 程度の習熟モデルを得ようとするならば, 今回の調査結果からは 5 ~ 6 回程度の観察が必要であったといえる 3.4 機械操作技術の変化作業機の移動軌跡機械操作技術の解析はオ図 - 6 観察回数とモデルによる平均予測誤差率の関係 ( 積み込み作業 ) x b y = a (9) 表 - 4 生産工程の特性と習熟率生産工程の特性習熟率 % 完全なオートメーション工程 100 機械作業 75% 手作業 25% 90 機械作業 50% 手作業 50% 85 機械作業 25% 手作業 75% 80 図 - 7 観察回数とモデルによる平均予測誤差率の関係 ( 荷おろし作業 )

160 ペレータ D を対象として行った図 - 8 は, 荷役作業中にオペレータ D が操作したナックルブーム先端部 ( 作業機取り付け位置 ) の移動軌跡を機械前方から見た正面図に投影した図である各点は 1 秒毎の機械の位置を表し, 点の数はその地点に作業機が存在した秒数に比例する点が密な地点ほどその場所で行う作業に時間を要していた, あるいはその地点を通過した頻度が高いことを示す

6 160 ペレータ D を対象として行った図 - 8 は, 荷役作業中にオペレータ D が操作したナックルブーム先端部 ( 作業機取り付け位置 ) の移動軌跡を機械前方から見た正面図に投影した図である各点は 1 秒毎の機械の位置を表し, 点の数はその地点に作業機が存在した秒数に比例する点が密な地点ほどその場所で行う作業に時間を要していた, あるいはその地点を通過した頻度が高いことを示す (a) は経験時間が 1 時間程度の時に行った作業の軌跡であり,(b),(c) はそれぞれ 4 回目 (15 時間 ),7 回目 (18 時間 ) の軌跡である作業時間の累積とともに, 作業空間内の点分布が高密度広範囲から低密度局所的 (a) (b) J. Jpn. For. Eng. Soc. 31 (4)2016 に変化している作業経験を積むことにより, 荷台上やはい積み地点など時間を要する場所以外での時間の消費が少なくなり, かつ作業機の移動を速くスムーズに行えるようになったことが分かる軌跡の形状に注目すると, 1 つの操作を順番に行うコの字形状から, 旋回操作とアーム, ブーム操作を複合的に組み合わせた円弧形状に変化しており, 効率的な移動経路を通るように変化している様子が確認されたこのことは,1 サイクルあたりの作業機の平均移動距離の変化 ( 図 - 9) からも推測できる平均移動距離は, 荷おろし作業, 積み込み作業ともに経験とともに減少する傾向を示し,9 回目には 1 回目と比較して 52%,77% に減少したこれは, 複合操作による移動経路の効率化以外にも, 機械構造を理解し目標地点へ真っ直ぐに移動できるようになったことや丸太の荷崩れ等の修正作業が少なくなったこと等によるものであることが作業の分析から確認された同時操作割合図 - 10(a),(b) はオペレータ D が作業中に同時に操作していたアクチュエータの個数と, その操作時間の割合を示したグラフである初回の作業では, アクチュエータを操作している時間割合は全作業時間に対して 20 ~ 23% 程度であり, 作業時間の 8 割程度は操作を行っていない時間であったそれに対して 9 回目の作業では, 操作時間の割合は 50 ~ 60% 程度に増加していた 2 系統以上の操作を同時に行っている複合操作の時間割合は, 荷おろし作業では 0.2% から 27.8% へ, 積み込み作業では 3.0% から 21.0% へ増加したことが分かったこのような技術の向上は,2 回目から 7 回目まで (6 時間から 18 時間まで ) は大きな変化は見られないが,1 つ以上の操作を行っている時間が漸増していることから, 考えている時間や待ち時間が減少しているものと考えられるしかし,7 回目の観測 (19 時間付近 ) から 8 回目の観測 (28 時間付近 ) にかけて, 積み込み作業, 荷おろし作業ともに 2 操作以上を同時に行う複数操作時間割合が増加する傾向がみられたこのことは, オペレータの機械操作における技術的向上が今後進 (c) サイクルあたり作業機平均移動距離 (m) 荷おろし作業積み込み作業機械操作延べ時間 ( 時間 ) 図 - 8 作業機移動軌跡の推移 ( 積み込み作業 ) 図 - 9 サイクルあたりの作業機平均移動距離の変化

7 森利誌 31 (4) むことを示唆するものであると推察される機械能力の有効利用率油圧ポンプが発生させた圧油のうち, オペレータが操作するアクチュエータにおいて利用される圧油の割合は, オペレータの機械操作技術を計る有効な指標となる各アクチュエータが使用している油量はアクチュエータの変位量と単位変位量あたりの容積から演算することができるその総量が機械作業に使用されている油量となるこの機械のエンジンおよび油圧ポンプが発生できる最大流量は 40.5 l/min であり, この値に近づくほど機械の能力を有効利用していることになる図 - 11 に作業中の平均圧油使用量の推移を表したこの平均圧油使用量は, 作業中にアクチュエータが使用した圧油の総量を作業時間で除した値である機械に触れて間もない 1 回目の荷おろし作業では, 平均油圧使用量は 2.65 l/min であったが,2 回目の計測では 5.92 l/min と大幅に増加した積み込み作業でも 4.69 l/min から 6.43 l/min に増加した 1 回目の作業では, 操作時間割合 (%) 100% 80% 60% 40% 20% 0% 100% 1 回 2 回 3 回 4 回 5 回 6 回 7 回 8 回 9 回観測回数操作なし 1 操作 2 操作 3 操作 4 操作 (a) 積み込み作業機械操作に不慣れであるためアクチュエータを動かす速度が遅く, また次の操作を考えている時間が長く操作していない時間が増加した等の理由から, 平均圧油使用量は低い値を示した一方, 圧油使用量が大きく増加した 2 回目の観測 ( 機械操作経験 5 時間程度 ) 以降では, ある程度操作レバーの使い方を理解したと見られ, その後は漸増傾向で推移し, 技術的に目立った向上は見られなかったしかし,7 回目から 8 回目にかけて再び増加する傾向を示した油量を多く使えるようになった要因として, アクチュエータの動作速度が速くなったこと, 複数アクチュエータを同時に操作できるようになったこと, 操作を連続的に行えるようになったことなどが挙げられる特に図 - 10 で示したようにアクチュエータを複合的に操作する作業時間が増えるなど技術的な向上を確認することができるこれらのことから, 機械操作における最初の 5 ~ 6 時間程度は, 主に操作レバーとアクチュエータの対応や操作方向と動作方向等の確認, あるいはグラップルローダの動きを理解する時間であったと考えられるこの過程は技術習得の基礎的部分であり, その後の習熟にも関わる可能性があるそのため, 複雑な操作が必要となる機械作業の中で技術を習得するのではなく,1 つずつアクチュエータの動きを理解し, 操作感覚を身に付けるトレーニングが必要であると考えられるまた, 同時操作技術等については, 操作の効率化のために非常に重要であるが, なかなか習得し難い技術である ( 山田 2006) 高度な技術を要するオペレータを早期に養成するためには, これらの技術を効果的に習得できる訓練方法や訓練装置の開発が望まれる丸太つかみ位置荷役作業においては, グラップル作業機で丸太のどの位置を把持するかによって, 丸太の安定性や挙動が大きく異なる実移動の際に丸太が傾くと荷崩れの原因となるばかりか荷台に載せにくくなり, 把持した丸太を高く持ち上げなければならないなど作業所要時間や安全性にも影響する表 - 5 はオペレータ D が荷つかみ時に丸太のどの位置をつかんでいるか, 操作時間割合 (%) 80% 60% 40% 20% 0% 1 回 2 回 3 回 4 回 5 回 6 回 7 回 8 回 9 回観測回数平均圧油使用量 (l/min) 積み込み作業荷おろし作業操作なし 1 操作 2 操作 3 操作 4 操作 (b) 荷おろし作業機械操作延べ時間 ( 時間 ) 図 - 10 オペレータのレバー操作状況の変化図 - 11 作業中の平均圧油使用量の推移

8 162 長さ方向のばらつきとして示したものである経験にしたがって平均荷つかみ位置からの誤差, ばらつきともに少なくなっているなるべく丸太の中心付近をつかむことで丸太の挙動が安定し, 傾かないことが荷台への積み込みを容易にしたことをオペレータ D は作業経験の中から学習したものと理解できる 4. おわりに機械操作未経験者 4 名を対象として, グラップルローダを用いた丸太の荷役作業について, 習熟にともなう作業所要時間の推移を追跡調査した各オペレータともに作業の所要時間は, 作業経験の増加とともに減少し, 経験時間 10 時間程度まで急激に減少し, それ以降漸減する傾向を示したこれらの習熟に対して対数線型習熟モデルを適用した結果, 今回調査したすべてのオペレータに対して, 決定係数 0.9 以上の高い相関により習熟モデルが適用できることが分かったこのことから初期の作業を観察することによりモデルを使って長期的な生産性を推測できる可能性が示唆されたまた習熟モデルの各係数を決定する際に安定解を得るためには, 各オペレータに対して 5 回程度作業を観察する必要があることが分かった習熟モデルを用いる際, 後期習熟については修正が必要であるといわれている ( 師岡 1969) 習熟モデルを実用的に用いる場合には, さらに追跡調査を行う必要があるオペレータ D を対象とした機械操作に関する技術的習熟を解析した結果では, 操作技術の習得はおおむね 5 ~ 6 時間で一定のレベルに到達する傾向が認められたこの初期の習熟においては機械操作に対する慣れが大きな要因であるとみられるその後に穏やかな傾向で進んだ習熟には, 作業手順の効率化や作業方法の工夫等が関係していると考えられたまた経験時間 19 時間付近から 28 時間付近にかけて,2 操作以上の複数同時操作時間の増加や, 圧油を有効に利用した操作技術の習得など機械能力を有効に利用できる技術の向上がみられた一般化するにはデータが十分とはいえないが, これらの結果から, グラップルローダの操作技術における習熟は, 操作への慣れ等によるごく初期の習熟と, 経験日数 4 ~ 5 日目頃から確認された複数同時操作にみられる技術的習熟など段階的に進むものと予想された表 - 5 荷つかみ位置の精度 1 回目 4 回目 7 回目最大誤差 (m) 標準偏差 (m) J. Jpn. For. Eng. Soc. 31 (4)2016 林業機械作業の習熟は, 機械操作技術, 作業方法等の複合的な技術レベルの向上によるものであるといえる今回調査対象としたグラップルローダによる荷役作業は林業機械作業の中では単純化された作業であるしたがってハーベスタやプロセッサ作業の習熟に関しては, 丸太の取り扱い, 作業手順の工夫や採材の判断能力など技術的な側面より知識や経験的な能力の向上が影響すると考えられるそのため生産性や機械操作技術とは別に, 作業の質を評価基準に加えた解析が必要となるであろう最後になりましたが, 本調査試験にご協力頂きましたオペレータの方々並びに, 森林技術総合研修所林業機械化センター所長, 指導官の方々, 機械の提供および調整を行って頂いた魚谷鉄工株式会社飯澤様には深く感謝申し上げます引用文献古川邦明 (1997) 地域に適合した林業機械作業システム研究 (Ⅰ)- 高性能林業機械の訓練システムとその効果に関する調査 -. 岐阜県森林研研報 26:7 ~ 20. HIRSHLEIFER, J. (1962) The Firm s Cost Function: A Successful Reconstruction?. J.Bus. 35(3): HIRSHMANN, W. B. (1964) Learning Curve. Chem. Eng. 71(7): 木幡靖夫由田茂一 (1997) 機械操作の習熟度と生産性プロセッサ使用初期を対象とした事例分析. 日林北支論 45:149 ~ 151. 師岡孝次 (1969) 習熟性工学動的評価と計画の技術. 200pp, 建帛社, 東京. 林野庁 (2015) 森林林業基本計画, オンライン, ( 年 5 月 7 日参照. 山田容三 (2006) プロセッサオペレータの機械操作技術を考える. 機械化林業 634:30 ~ 36. YAMAGUCHI, H., OKA, M. and KASHIMA, J. (2008) Characteristic machine operation skills for high productivity of loading work, Proceedings of IUFRO ALL-D3-Conference, Sapporo Japan. 山口浩和岡勝鹿島潤加利屋義広清水直喜毛綱昌弘田中良明上村巧 (2015) グラップルローダを用いた丸太積み込み作業における熟練オペレータによる機械作業の特徴. 森利誌 30(1):17 ~ 28. 渡井純佐々木重樹 (2009) ハーベスタによる造材作業の習熟度の違いにおける労働生産性. 日林学術講 120:E16.

画像類似度測定の初歩的な手法の検証

画像類似度測定の初歩的な手法の検証島根大学総合理工学部数理情報システム学科計算機科学講座田中研究室 S539 森瀧昌志 1 目次第 1 章序論第章画像間類似度測定の初歩的な手法について.1 A. 画素値の平均を用いる手法.. 画素値のヒストグラムを用いる手法.3 C. 相関係数を用いる手法.4 D. 解像度を合わせる手法.5 E. 振れ幅のヒストグラムを用いる手法.6 F. 周波数ごとの振れ幅を比較する手法第