start-ver=1.4
cd-journal=joma
no-vol=53
cd-vols=
no-issue=5
article-no=
start-page=295
end-page=302
dt-received=
dt-revised=
dt-accepted=
dt-pub-year=2014
dt-pub=20141015
dt-online=
en-article=
kn-article=
en-subject=
kn-subject=
en-title=Image Recognition Method to Measure Angular Velocity from Movement of a Back of Hand for Safety Education
kn-title=安全教育のため手の甲によるバルブ速度測定画像認識法
en-subtitle=
kn-subtitle=
en-abstract=　The realization of training of virtual reality is expected to prevent the accidents caused by human factor. The benefits of training in virtual environment is a realization of training in a simulated real environment. However, there is a problem that a trainee cannot train in the simulated real environment because there is no user interface （UI） to transmit the valve operations which is basic manipulation in the industrial plant to the training system.
In this study, we propose an image recognition method for developing a valve manipulation UI which aims to realize the training of valve opening manipulation in virtual environment. The method to measure the angular velocity of the circular handle of a valve utilizes the optical natural feature points obtained from the hand turning the handle. The advantage of our valve manipulation UI is that the UI can construct easily by popular products such as PC, web camera.
Our method was revealed to be able to be applied to the UI of training system for worker to train valve operating manipulation which assumed fire risk because it can measure the velocity of 22.5～90 deg/s.
kn-abstract=　人的要因の事故を防止する為，仮想現実感を利用した訓練の実現が期待されている．仮想環境での訓練の利点は実環境に近い環境で訓練できる点にある．しかし，プラント内で基本操作であるバルブの操作をシステムへ伝えるユーザ・インタフェース（UIと省略）は現在なく，実環境に即した訓練ができない問題がある．
　そこで本研究では，仮想環境におけるバルブ開操作訓練を実現するバルブ操作UI開発のため，バルブの丸ハンドルの回転速度を測定する画像認識手法を提案する．本手法はバルブの丸ハンドルを回す手から取得した光学的自然特徴点を利用する．本バルブ開操作UIはPC，Webカメラといった一般的な製品を用い平易に実現できる利点がある．
　本手法は，評価実験で22.5-90deg/sを測定できる事を確認できたため，発火危険を想定したバルブ操作訓練のためのUIに適用できる事が明らかとなった．
en-copyright=
kn-copyright=

en-aut-name=MINOWAHirotsugu
en-aut-sei=MINOWA
en-aut-mei=Hirotsugu
kn-aut-name=箕輪弘嗣
kn-aut-sei=箕輪
kn-aut-mei=弘嗣
aut-affil-num=1
ORCID=

en-aut-name=MUNESAWAYoshiomi
en-aut-sei=MUNESAWA
en-aut-mei=Yoshiomi
kn-aut-name=宗澤良臣
kn-aut-sei=宗澤
kn-aut-mei=良臣
aut-affil-num=2
ORCID=

en-aut-name=HASHIMOTOKohei
en-aut-sei=HASHIMOTO
en-aut-mei=Kohei
kn-aut-name=橋本康平
kn-aut-sei=橋本
kn-aut-mei=康平
aut-affil-num=3
ORCID=

affil-num=1
en-affil=
kn-affil=岡山大学自然科学研究科

affil-num=2
en-affil=
kn-affil=広島工業大学 工学部 機械システム工学科

affil-num=3
en-affil=
kn-affil=（株）今仙電機製作所
en-keyword=画像認識
kn-keyword=画像認識
en-keyword=仮想現実感
kn-keyword=仮想現実感
en-keyword=ユーザ・インタフェース
kn-keyword=ユーザ・インタフェース
en-keyword=バルブ
kn-keyword=バルブ
en-keyword=プラント安全
kn-keyword=プラント安全
END

start-ver=1.4
cd-journal=joma
no-vol=53
cd-vols=
no-issue=5
article-no=
start-page=317
end-page=324
dt-received=
dt-revised=
dt-accepted=
dt-pub-year=2014
dt-pub=20141015
dt-online=
en-article=
kn-article=
en-subject=
kn-subject=
en-title=Integrated Analyzing Method for the Progress Event based on Subjects and Predicates in Events
kn-title=事象の主体と振舞に注目した進展事象の統合解析法
en-subtitle=
kn-subtitle=
en-abstract=　It is expected to make use of the knowledge that was extracted by analyzing the mistakes of the past to prevent recurrence of accidents. Currently main analytic style is an analytic style that experts decipher deeply the accident cases, but cross-analysis has come to an end with extracting the common factors in the accident cases.
We propose an integrated analyzing method for progress events to analyze among accidents in this study. Our method realized the integration of many accident cases by the integration connecting the common keyword called as “Subject” or “Predicate” that are extracted from each progress event in accident cases or near-miss cases. Our method can analyze and visualize the partial risk identification and the frequency to cause accidents and the risk assessment from the data integrated accident cases.
The result of applying our method to PEC-SAFER accident cases identified 8 hazardous factors which can be caused from tank again, and visualized the high frequent factors that the first factor was damage of tank 26 ％ and the second factor was the corrosion 21 ％, and visualized the high risks that the first risk was the damage 3.3×10^(-2)[risk rank / year] and the second risk was the destroy 2.5×10^(-2)[risk rank / year] .
kn-abstract=　事故の再発防止には，過失を解析し将来に活かす事が求められている．ただ，現在の解析は，専門家が事例を深く読み解く解析が主であり，複数の事例を横断した解析は共通要因の抽出迄に留まっている．　そこで，本研究では従来の横断解析法を高度化した進展事象の統合解析法を提案する．本手法は，事故やヒヤリハット等事例の進展事象を主体と振舞という単位のキーワードに分離し，同一の主体と振舞に該当するキーワードを連結する統合化により，事例の横断解析を可能にした．そして，事象の進展経路とその経路を辿る頻度を基に，危険同定，頻度解析，部分的なリスク解析と，その可視化を実現した．　本統合解析法をPEC事故事例423件へ適用した結果，タンクから再発しうる危険事象を8種類と同定し，頻度が高い要因は破損26 ％，腐食21 ％，高いリスクは破損3.3×10^(-2)［リスクランク／年］，破壊2.5×10^(-2)［リスクランク／年］である事を可視化できた．
en-copyright=
kn-copyright=

en-aut-name=MINOWAHirotsugu
en-aut-sei=MINOWA
en-aut-mei=Hirotsugu
kn-aut-name=箕輪弘嗣
kn-aut-sei=箕輪
kn-aut-mei=弘嗣
aut-affil-num=1
ORCID=

en-aut-name=MUNESAWAYoshiomi
en-aut-sei=MUNESAWA
en-aut-mei=Yoshiomi
kn-aut-name=宗澤良臣
kn-aut-sei=宗澤
kn-aut-mei=良臣
aut-affil-num=2
ORCID=

affil-num=1
en-affil=
kn-affil=岡山大学自然科学研究科

affil-num=2
en-affil=
kn-affil=広島工業大学 工学部 機械システム工学科
en-keyword=進展事象の連結
kn-keyword=進展事象の連結
en-keyword=事例の横断解析
kn-keyword=事例の横断解析
en-keyword=リスク評価
kn-keyword=リスク評価
en-keyword=リスク可視化
kn-keyword=リスク可視化
en-keyword=事故事例解析
kn-keyword=事故事例解析
END

start-ver=1.4
cd-journal=joma
no-vol=51
cd-vols=
no-issue=5
article-no=
start-page=319
end-page=326
dt-received=
dt-revised=
dt-accepted=
dt-pub-year=2012
dt-pub=20121015
dt-online=
en-article=
kn-article=
en-subject=
kn-subject=
en-title=Method to Extract Remarkable Words and Grouped Accidents according to Co-occurrence and Frequency of Words
kn-title=単語の共起や頻度に注目した注意要因及び類似事例の抽出
en-subtitle=
kn-subtitle=
en-abstract=　Common factors of accident cause are attempted to extract from accident reports by the statistical analysis.
The result from the conventional analysis is difficult to show the factor of accident directly because this analysis classifies a vast description of accident reports into existing classification factors such as “mistaken operation” and “lack of ability”.
In this paper, the proposed method reveals common factors in accident report automatically by extracting remarkable factors and grouped accidents. The remarkable factor shows appearance frequency in accident report. The grouped accidents which are evaluated as based on the number of accidents in one group have a characteristic of frequent accident.
This paper reports our method was applied to PEC-SAFER accident reports to acquire remarkable factors and similar accident cases.
kn-abstract=　事故事例の統計解析により，事故の共通要因を抽出する試みがなされている．しかし，その手法は膨大な言葉で記された事故の詳細を，「操作ミス」，「能力不足」といった人為的に定められた分類要因へ分類する統計解析であるため，解析結果から直接事故の要因を知ることは難しい．
　そこで本手法は，自然言語処理の機械テキストマイニング技術を用い，形態素解析で事故報告書等の文章中の出現頻度の多い単語を注意要因として抽出し，注意要因を用いて原因表現をグループ化するという方法で類似事例を抽出する．グループ化された類似事例は，事例の数から事故の頻度を定量的に評価でき，頻発する事故の内容を知ることができる特徴がある．本手法をPEC-SAFER事故事例集に適用し注意要因や類似事例を抽出する事ができたので報告する．
en-copyright=
kn-copyright=

en-aut-name=MINOWAHirotsugu
en-aut-sei=MINOWA
en-aut-mei=Hirotsugu
kn-aut-name=箕輪弘嗣
kn-aut-sei=箕輪
kn-aut-mei=弘嗣
aut-affil-num=1
ORCID=

en-aut-name=MUNESAWAYoshiomi
en-aut-sei=MUNESAWA
en-aut-mei=Yoshiomi
kn-aut-name=宗澤良臣
kn-aut-sei=宗澤
kn-aut-mei=良臣
aut-affil-num=2
ORCID=

en-aut-name=SUZUKIKazuhiko
en-aut-sei=SUZUKI
en-aut-mei=Kazuhiko
kn-aut-name=鈴木和彦
kn-aut-sei=鈴木
kn-aut-mei=和彦
aut-affil-num=3
ORCID=

affil-num=1
en-affil=
kn-affil=岡山大学大学院 自然科学研究科 産業創生工学専攻

affil-num=2
en-affil=
kn-affil=岡山大学大学院 自然科学研究科 産業創生工学専攻

affil-num=3
en-affil=
kn-affil=岡山大学大学院 自然科学研究科 産業創生工学専攻
en-keyword=事故事例
kn-keyword=事故事例
en-keyword=形態素解析
kn-keyword=形態素解析
en-keyword=注意要因
kn-keyword=注意要因
en-keyword=テキストマイニグ
kn-keyword=テキストマイニグ
END