生産現場における作業の効率化において，生産設備から収集したデータの自動分析による改善の取組みが盛んに進められている．しかし人の作業では，その動作や順序が多様なため，分析の自動化が難しい．そのため多くの生産現場では目視に頼る作業分析が主流であり，多くの手間と時間を要するという課題がある．そこで本稿ではGaussian Prosess Hiden Semi Markov Model(GP-HSMM)に基づく二重分節解析によって教師なしで分析を行う手法を提案する．このモデルにより，短い時間で行われる局所的行動と，局所的行動の特徴的な出現パターンを抽出することができる．実験では，作業行動を3台のRGB-Dセンサを用いて計測したデータに対して，OpenPoseを用いて動作を計測した．この際，計測誤差を低減させるため，前後のフレームの整合性から候補点を選択する手法を利用した．このデータを解析した結果，繰り返し現れる局所行動と，それらを組み合わせた特徴的なパターンが抽出できることを確認した．
