作業動画のAI分析で何が測れるか
作業動画のAI分析は、人が行っていた時間観測を代替・常時化するものです。動画から人の姿勢（関節の位置）を推定し、その動きのパターンから「部品を取る」「締める」「検査する」といった要素作業に区切ります。区切りが分かれば、要素作業ごとの所要時間、サイクルタイム、歩行や探す動作などのムダ時間を毎サイクル計測できます。
測れるものを整理すると次のとおりです。
| 測定項目 | 使い道 | 精度を左右する要因 |
|---|---|---|
| 要素作業の境界と時間 | 標準時間の設定、ばらつきの把握 | ラベルの定義のぶれ |
| サイクルタイム | ライン編成、ボトルネック特定 | 遮蔽、作業者の重なり |
| ムダ時間（歩行・探す・待ち） | 改善テーマの抽出 | カメラの画角 |
| 手順の抜け・順序違い | 品質不良の予防、新人指導 | 要素作業の認識精度 |
評価は、要素作業の境界の時間誤差（秒）、サイクルタイムの推定誤差、ムダ時間の推定精度で行います。「動作認識の正解率」だけを見ても、改善に使えるかどうかは分かりません。
仕組み：姿勢推定から要素作業の分割まで
処理は3段階です。
1段目の姿勢推定は、学習済みの汎用モデルがそのまま使えることが多い部分です。2段目の要素作業の分割は、工程ごとに意味が違うため、自社の動画にラベルを付けて学習させる必要があります。3段目の集計は、分割結果から時間を数えるだけです。
研究の世界では、組立作業の認識の基盤としてIKEA ASMデータセットが知られています。家具の組立動画約35時間（371回の組立、約300万フレーム）に、33種類の基本動作として16,764件の注釈が付いています（Ben-Shabatら, 2020）。工場の1工程でここまでの量は要りませんが、要素作業の定義を細かく揃えることの重要さはこのデータセットからも読み取れます。
必要なデータ量とラベル付け
要素作業のラベルは、1工程あたり数十サイクル分から始めるのが目安です。作業者の違いとシフトの違いを含めることが条件で、熟練者1人の動画だけで学習すると、新人の迷う動きや別の作業者の癖を認識できません。
ラベル付けで最も時間がかかるのは、要素作業の境界の定義を揃えることです。「部品を取る」の終わりは手が部品に触れた瞬間か、持ち上げた瞬間か。これを決めずに複数人でラベルを付けると、境界が数百ミリ秒ずれ、サイクルタイムの精度がそこで頭打ちになります。IE（インダストリアル・エンジニアリング）の担当者が定義書を作り、最初の数サイクルを全員で付けて揃えてから分担するのが確実です。
カメラの位置で精度の上限が決まる
作業動画の分析で最も多い失敗は、カメラ位置のせいで手元が隠れることです。作業者の体や部品棚が手元を遮ると、姿勢推定が途切れ、要素作業の境界が取れなくなります。
- 作業台の斜め上方から俯瞰し、両手と作業対象が同時に映る位置にする
- 部品棚や工具置き場まで画角に入れる（歩行・探す動作を測るため）
- 逆光と照明のちらつきを避ける。窓際の工程は時間帯で画質が変わる
- 作業者の顔を映す必要はない。手元と上半身に絞ると心理的抵抗も下がる
固定カメラで足りない場合は、ウェアラブルカメラを併用します。ただし視点が動くため、分析モデルは固定カメラ用とは別に用意することになります。
測定結果を改善活動につなげる
AIで毎サイクルの時間が取れるようになっても、それを標準作業の改訂に使う体制がなければ、データが増えるだけです。測定結果の使い道を先に決めておきます。
- サイクルタイムのばらつきが大きい要素作業を週次で抽出し、改善テーマにする
- 熟練者と新人の要素作業別の時間差を比べ、新人教育の重点を決める
- 手順の抜けや順序違いを検出したら、品質記録と突き合わせて不良との関係を見る
最後の点は、MESの作業実績や検査結果と動画の時刻を揃えられるかで実現性が変わります。動画のタイムスタンプとMESの作業開始・完了時刻のずれを数秒以内に保つため、カメラとMES端末の時刻同期を最初に確認してください。WEFが2025年9月に認定したライトハウス拠点はサイクルタイムを平均44%短縮したと報告していますが、これは作業分析だけでなく複数の施策を合わせた結果です。
よくある質問
姿勢推定のモデルは自社で学習する必要がありますか
関節の位置を取る姿勢推定は、汎用の学習済みモデルで足りることが多いです。自社で学習が必要なのは、その動きを要素作業に分ける部分です。
手袋や作業服で認識精度は落ちますか
手袋で指の関節が取りにくくなる場合はあります。指先の細かな動作まで区別する必要があるかを先に決め、手首と肘の動きで足りる要素作業の定義にすると影響を小さくできます。
ストップウォッチの時間観測は不要になりますか
定常的な測定はAIで置き換えられますが、要素作業の定義やラベルの基準を作る段階ではIE担当者の観測が欠かせません。AIは測定の頻度と範囲を広げるものと考えてください。
この記事に出てくる用語
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
