特開 2023-176324 コントローラ、制御方法およびプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023176324

(43)【公開日】2023-12-13

(54)【発明の名称】コントローラ、制御方法およびプログラム

(51)【国際特許分類】

   B67C 3/28 20060101AFI20231206BHJP

   B65B 3/26 20060101ALI20231206BHJP

【ＦＩ】

B67C3/28

B65B3/26

【審査請求】未請求

【請求項の数】6

【出願形態】ＯＬ

(21)【出願番号】P 2022088550

(22)【出願日】2022-05-31

(71)【出願人】

【識別番号】311007202

【氏名又は名称】アサヒビール株式会社

(71)【出願人】

【識別番号】000002945

【氏名又は名称】オムロン株式会社

(74)【代理人】

【識別番号】110001195

【氏名又は名称】弁理士法人深見特許事務所

(72)【発明者】

【氏名】美馬 恒治

(72)【発明者】

【氏名】三輪 和矢

(72)【発明者】

【氏名】渡邉 俊也

(72)【発明者】

【氏名】平川 朋浩

(72)【発明者】

【氏名】人見 繁

(72)【発明者】

【氏名】秋元 幸浩

(72)【発明者】

【氏名】杉山 大貴

【テーマコード（参考）】

3E079

3E118

【Ｆターム（参考）】

3E079AA02

3E079AA10

3E079AB01

3E079AB02

3E079CC01

3E079CD42

3E079CD50

3E118AA02

3E118AA07

3E118AB14

3E118BA01

3E118BB02

3E118CA15

3E118DA05

3E118EA01

3E118FA03

3E118FA07

(57)【要約】

【課題】容器内の液体量のばらつきを低減する。
【解決手段】コントローラは、取得部と、予測部と、調整部と、を備える。取得部は、容器内の液体量に影響する１以上のパラメータの計測結果を示す第１データと容器内の液体量の計測結果を示す第２データとを取得する。予測部は、少なくとも１以上のパラメータの実績と容器内の液体量の実績とを示す１以上の訓練データセットを用いた機械学習によって生成された予測モデルに第１データおよび第２データを入力することによって、容器内の液体量の予測値を求める。調整部は、予測値に基づいて、充填機の動作条件を調整する。
【選択図】図１

【特許請求の範囲】

【請求項1】

容器に液体を充填する充填機を制御するコントローラであって、
前記容器内の液体量に影響する１以上のパラメータの計測結果を示す第１データと前記容器内の液体量の計測結果を示す第２データとを取得する取得部と、
少なくとも前記１以上のパラメータの実績と前記容器内の液体量の実績とを示す１以上の訓練データセットを用いた機械学習によって生成された予測モデルに前記第１データおよび前記第２データを入力することによって、前記容器内の液体量の予測値を求める予測部と、
前記予測値に基づいて、前記充填機の動作条件を調整する調整部と、を備えるコントローラ。

【請求項2】

前記１以上の訓練データセットの各々は、第１期間における前記１以上のパラメータの各々の平均と、前記第１期間において前記液体が充填された前記容器内の液体量の平均と、前記第１期間よりも後の第２期間において前記液体が充填された前記容器内の液体量の平均とを示し、
前記第１データは、前記第１期間と同じ時間長さを有する対象期間における前記１以上のパラメータの各々の平均を示し、
前記第２データは、前記対象期間において前記液体が充填された前記容器内の液体量の平均を示す、請求項１に記載のコントローラ。

【請求項3】

前記１以上のパラメータは、前記充填機の動作に関するパラメータ、前記充填機の外部環境に関するパラメータおよび前記液体の特性に関するパラメータの少なくとも１つを含む、請求項１または２に記載のコントローラ。

【請求項4】

前記機械学習は、木構造の学習アルゴリズムを用いる、請求項１または２に記載のコントローラ。

【請求項5】

容器に液体を充填する充填機を制御するための制御方法であって、
前記容器内の液体量に影響する１以上のパラメータの計測結果を示す第１データと前記容器内の液体量の計測結果を示す第２データとを取得するステップと、
少なくとも前記１以上のパラメータの実績と前記容器内の液体量の実績とを示す１以上の訓練データセットを用いた機械学習によって生成された予測モデルに前記第１データおよび前記第２データを入力することによって、前記容器内の液体量の予測値を求めるステップと、
前記予測値に基づいて、前記充填機の動作条件を調整するステップと、を備える制御方法。

【請求項6】

容器に液体を充填する充填機を制御するためのプログラムであって、
コンピュータに、
前記容器内の液体量に影響する１以上のパラメータの計測結果を示す第１データと前記容器内の液体量の計測結果を示す第２データとを取得するステップと、
少なくとも前記１以上のパラメータの実績と前記容器内の液体量の実績とを示す１以上の訓練データセットを用いた機械学習によって生成された予測モデルに前記第１データおよび前記第２データを入力することによって、前記容器内の液体量の予測値を求めるステップと、
前記予測値に基づいて、前記充填機の動作条件を調整するステップと、を実行させるプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、コントローラ、制御方法およびプログラムに関する。

【背景技術】

【0002】

ビール、茶、水等の飲料に例示される液体は、容器に充填された状態で出荷される。容器内の液体量は、一定範囲に収まるように制御される。一定範囲外の液体量が充填された容器は、不良品として判別される。不良品が増加すると生産効率が低下する。そのため、特開２００１－２４０００４号公報（特許文献１）は、容器内の液体量の計測値と予め設定した値とに一定の差異があるときに、計測値に基づき演算された新たな設定値により充填バルブをコントロールする液体充填装置を開示している。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２００１－２４０００４号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

特許文献１に開示の技術では、計測値と予め設定した値とに一定の差異が生じるまで、充填バルブの動作条件が変更されない。そのため、液体量のばらつきの低減には限界があった。その結果、生産効率の低減にも限界があった。

【0005】

本開示は、上記の問題に鑑みてなされたものであり、その目的は、容器内の液体量のばらつきを低減することが可能なコントローラ、制御方法およびプログラムを提供することである。

【課題を解決するための手段】

【0006】

本開示の一側面に係るコントローラは、容器に液体を充填する充填機を制御する。コントローラは、取得部と、予測部と、調整部と、を備える。取得部は、容器内の液体量に影響する１以上のパラメータの計測結果を示す第１データと容器内の液体量の計測結果を示す第２データとを取得する。予測部は、少なくとも１以上のパラメータの実績と容器内の液体量の実績とを示す１以上の訓練データセットを用いた機械学習によって生成された予測モデルに第１データおよび第２データを入力することによって、容器内の液体量の予測値を求める。調整部は、予測値に基づいて、充填機の動作条件を調整する。

【0007】

この開示によれば、予測モデルは、液体量の計測結果を示す第２データだけでなく、容器内の液体量に影響する１以上のパラメータの計測結果を示す第１データの入力を受け、未来に液体が充填される容器内の液体量の予測値を出力する。そのため、予測モデルの予測精度が高い。その結果、予測値に基づいて充填機の動作条件が調整されることにより、容器内の液体量のばらつきを低減できる。

【0008】

上述の開示において、１以上の訓練データセットの各々は、第１期間における１以上のパラメータの各々の平均と、第１期間において液体が充填された容器内の液体量の平均と、第１期間よりも後の第２期間において液体が充填された容器内の液体量の平均とを示す。第１データは、第１期間と同じ時間長さを有する対象期間における１以上のパラメータの各々の平均を示す。第２データは、対象期間において液体が充填された容器内の液体量の平均を示す。

【0009】

１以上のパラメータおよび液体量の計測結果にはノイズ成分が含まれる。しかしながら、上記の開示によれば、対象期間における１以上のパラメータの各々の平均を示す第１データと、対象期間において液体が充填された容器内の液体量の平均を示す第２データとを用いるため、１以上のパラメータおよび液体量の計測結果に含まれるノイズ成分の変動の影響が抑制される。これにより、予測モデルの予測精度がさらに向上し、容器内の液体量のばらつきがより一層低減する。

【0010】

上述の開示において、１以上のパラメータは、充填機の動作に関するパラメータ、充填機の外部環境に関するパラメータおよび液体の特性に関するパラメータの少なくとも１つを含む。上記の開示によれば、予測モデルの予測精度がさらに向上する。

【0011】

上述の開示において、機械学習として、例えば、木構造の学習アルゴリズムが用いられ得る。

【0012】

本開示の一側面に係る、容器に液体を充填する充填機を制御するための制御方法は、第１～第３のステップを備える。第１のステップは、容器内の液体量に影響する１以上のパラメータの計測結果を示す第１データと容器内の液体量の計測結果を示す第２データとを取得するステップである。第２のステップは、少なくとも１以上のパラメータの実績と容器内の液体量の実績とを示す１以上の訓練データセットを用いた機械学習によって生成された予測モデルに第１データおよび第２データを入力することによって、容器内の液体量の予測値を求めるステップである。第３のステップは、予測値に基づいて、充填機の動作条件を調整するステップである。

【0013】

本開示の一側面に係るプログラムは、上記の制御方法をコンピュータに実行させる。これらの開示によっても、容器内の液体量のばらつきを低減できる。

【発明の効果】

【0014】

本開示によれば、容器内の液体量のばらつきを低減できる。

【図面の簡単な説明】

【0015】

【図1】実施の形態に係るシステムを示す概略図である。

【図2】充填設備の構成の一例を示す図である。

【図3】充填バルブの構造の一例を示した模式断面図である。

【図4】実施の形態に係るコントローラのハードウェア構成例を示すブロック図である。

【図5】実施の形態に係る学習装置のハードウェア構成例を示すブロック図である。

【図6】学習装置の機能構成の一例を示す図である。

【図7】収集部の処理を説明する図である。

【図8】訓練データセットを示す図である。

【図9】コントローラの機能構成の一例を示す図である。

【図10】コントローラの処理を説明する図である。

【図11】液体量のばらつきを示す図である。

【図12】画面データ生成部によって生成された画面データに基づいて表示装置に表示される画面の一例を示す図である。

【発明を実施するための形態】

【0016】

本発明の実施の形態について、図面を参照しながら詳細に説明する。なお、図中の同一または相当部分については、同一符号を付してその説明は繰返さない。

【0017】

＜Ａ．適用例＞
図１を参照して、本発明が適用される場面の一例について説明する。図１は、実施の形態に係るシステムを示す概略図である。図１に示すシステム１は、コントローラ１００と、学習装置２００と、表示装置３００と、充填設備４００と、を備える。コントローラ１００および学習装置２００と充填設備４００とは、フィールドバス４によって通信可能に接続される。

【0018】

充填設備４００は、液体を容器に充填する。例えば、液体は、ビール、ビール以外の発泡性飲料、ジュース、茶、水、ビール以外のアルコール飲料、調味料、油、化学製品、医薬品、化粧品などを含む。

【0019】

充填設備４００は、充填機４１０と、監視盤４２０と、液体量検査装置４３０と、を含む。

【0020】

充填機４１０は、液体を容器に充填させる。監視盤４２０は、充填機４１０の外部環境、液体の状態などを監視する。液体量検査装置４３０は、容器内の液体量を計測する。容器内の液体量は、「入味量」とも称される場合がある。

【0021】

学習装置２００は、学習フェーズにおいて動作し、少なくとも容器内の液体量に影響する１以上のパラメータの実績と容器内の液体量の実績とを示す１以上の訓練データセットを用いた機械学習によって、予測モデル１１２を生成する。学習フェーズは、充填設備４００の試運転の期間、あるいは、充填設備４００の立ち上げ後の一定期間に設定される。

【0022】

１以上のパラメータは、例えば、充填機４１０の動作に関するパラメータ、充填機４１０の外部環境に関するパラメータ、液体の特性に関するパラメータなどを含み、充填機４１０および監視盤４２０から取得される。容器内の液体量の実績は、液体量検査装置４３０から取得される。学習フェーズにおいて生成された予測モデル１１２は、コントローラ１００に提供される。

【0023】

コントローラ１００は、学習フェーズ後の運用フェーズにおいて、充填機４１０を制御する処理として、以下のステップ（１）～（３）を実行する。
ステップ（１）：上記の１以上のパラメータの計測結果を示す第１データと、容器内の液体量の計測結果を示す第２データとを取得する。
ステップ（２）：予測モデル１１２に第１データおよび第２データを入力することによって、容器内の液体量の予測値を求める。
ステップ（３）：予測値に基づいて、充填機４１０の動作条件を調整する。

【0024】

表示装置３００は、コントローラ１００と接続され、コントローラ１００による制御状況を示す画面を表示する。

【0025】

本実施の形態に係るシステム１によれば、予測モデル１１２を用いて液体量の予測値が求められ、予測値に基づいて充填機４１０の動作条件が調整される。これにより、容器内の液体量のばらつきが低減する。

【0026】

＜Ｂ．充填設備＞
図２は、充填設備の構成の一例を示す図である。図２に示されるように、充填設備４００は、充填機４１０と、監視盤４２０と、液体量検査装置４３０と、洗浄機４４０と、を含む。

【0027】

洗浄機４４０は、容器２を洗浄する。容器２は、例えば、缶、ビン、ＰＥＴ（ポリエチレンテレフタレート）ボトル、樽、紙パック、パウチである。洗浄機４４０によって洗浄された容器２は、充填機４１０に搬送される。

【0028】

充填機４１０は、回転駆動される回転部材４１４と、回転部材４１４の周上に等ピッチで配置された複数の充填バルブ４１２と、充填機４１０の制御盤としての制御盤４１６とを含む。

【0029】

図３は、充填バルブの構造の一例を示した模式断面図である。充填バルブ４１２は、エアーシリンダー４５１、流量計４５２、送液管４５３、ヘッドタンク４５４およびノズル部４５５を有する。送液管４５３により、ヘッドタンク４５４とノズル部４５５とが接続される。送液管４５３には、途中に流量計４５２が配設されている。ヘッドタンク４５４には、送液管４５６を介してサージタンク（非表示）から供給された液体が貯留される。ノズル部４５５は、ヘッドタンク４５４から送液管４５３を介して供給された液体を充填口へと通流させる流路、流路に配設されたリキッドバルブ４５７を有している。

【0030】

制御盤４１６（図２参照）は、リキッドバルブ４５７を開閉させる。これにより、液体は充填口から容器把持部４５８に把持されている容器２に充填される。制御盤４１６は、流量計４５２による計測量が予め設定された目標流量に到達したタイミングで、リキッドバルブ４５７を閉じる。

【0031】

制御盤４１６は、コントローラ１００から補正値を受け付け可能である。制御盤４１６は、補正値を受け付けると、補正値だけ目標流量を補正する。

【0032】

液体が充填された容器２は、容器把持部４５８からキャンフィードチェーン（非表示）に排出され、密封装置（非表示）に搬送されて缶蓋、王冠、キャップ、その他、容器に応じた方法で密封される。

【0033】

制御盤４１６は、充填機４１０の動作に関するパラメータの値を出力する。充填機４１０の動作に関するパラメータには、例えば、流量計４５２による計測量、リキッドバルブ４５７を開いてから流量計４５２がカウントを開始するまでの時間差（「液弁開遅れ時間」）リキッドバルブ４５７を閉じてから流量計４５２がカウントを終了するまでの時間差（「液弁閉遅れ時間」）などが含まれる。

【0034】

図２に示す監視盤４２０は、充填機４１０の外部環境、液体の状態などを監視する。具体的には、監視盤４２０は、充填機４１０の外部環境に関するパラメータ、液体の特性に関するパラメータなどを計測し、計測結果をコントローラ１００に出力する。充填機４１０の外部環境に関するパラメータには、外気温度、洗浄機４４０に使用するリンサー水の温度などが含まれる。液体の特性に関するパラメータには、液温などが含まれる。

【0035】

液体量検査装置４３０は、液体が充填された容器２内の液体量を計測する。液体量検査装置４３０は、容器２ごとの液体量の計測結果を出力する。液体量は、体積、重量、液面高さ等によって表される。液体量検査装置４３０として、従来公知の検査装置が適用され得る。例えば、液体量検査装置４３０は、Ｘ線ラインセンサ、デジタルカメラ、ビデオカメラ、ラインセンサカメラ、ウェイトチェッカーなどによって構成される。容器２が不透明の缶である場合、液体量検査装置４３０は、Ｘ線ラインセンサによって構成される。例えば、液体量検査装置４３０は、Ｘ線ラインセンサで計測された容器２内の液面高さと予め定められた基準高さとの差を液体量として出力する。容器２がビンのように透明である場合、液体量検査装置４３０は、デジタルカメラ、ビデオカメラなどによって得られる画像を用いて液体量を計測してもよい。

【0036】

液体量検査装置４３０は、充填機４１０によって液体が容器２に充填されてから時間Δｔだけ経過した後に、容器２の液体量を計測する。

【0037】

＜Ｃ．コントローラのハードウェア構成＞
図４は、実施の形態に係るコントローラのハードウェア構成例を示すブロック図である。コントローラ１００は、例えば、ＰＬＣ（Programmable Logic Controller）、ＩＰＣ（Industrial Personal Computer）などによって構成される。図４に示されるように、コントローラ１００は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro-Processing Unit）などのプロセッサ１０１と、チップセット１０２と、主メモリ１０３と、ストレージ１０４と、フィールドバスコントローラ１０５と、ネットワークコントローラ１０６と、ＵＳＢコントローラ１０７と、メモリカードインターフェイス１０８とを含む。

【0038】

プロセッサ１０１は、ストレージ１０４に格納された各種プログラムを読み出して、主メモリ１０３に展開して実行することで、制御対象を制御するための制御演算を実現する。チップセット１０２は、プロセッサ１０１と各コンポーネントとのデータ伝送などを制御する。

【0039】

ストレージ１０４には、制御プログラム１１１と、学習装置２００によって生成された予測モデル１１２とが格納される。制御プログラム１１１は、充填設備４００からの各種データの収集、充填機４１０を制御するための演算、充填設備４００へのデータの出力などを実行するための命令群を含む。

【0040】

フィールドバスコントローラ１０５は、フィールドバス４を介して、制御対象となる充填設備４００とのデータのやり取りを制御する。

【0041】

ネットワークコントローラ１０６は、上位ネットワークを介して、各種の機器とのデータのやり取りを制御する。

【0042】

ＵＳＢコントローラ１０７は、ＵＳＢ接続を介した外部装置（例えば、表示装置３００）とのデータのやり取りを制御する。

【0043】

メモリカードインターフェイス１０８は、メモリカード１２０を着脱可能に構成されており、メモリカード１２０に対してデータを書き込み、メモリカード１２０から各種データ（制御プログラム１１１など）を読み出すことが可能になっている。

【0044】

図４には、プロセッサ１０１がプログラムを実行することで必要な処理が提供される構成例を示したが、これらの提供される処理の一部または全部を、専用の１以上のハードウェア回路（例えば、ＡＳＩＣまたはＦＰＧＡなど）を用いて実装してもよい。あるいは、コントローラ１００の主要部を、汎用的なアーキテクチャに従うハードウェア（例えば、汎用パソコンをベースとした産業用パソコン）を用いて実現してもよい。この場合には、仮想化技術を用いて、用途の異なる複数のＯＳを並列的に実行させるとともに、各ＯＳ上で必要なアプリケーションを実行させるようにしてもよい。また、ストレージ１０４には、データベース管理用のソフトウェアであるデータベース管理システムが格納されており、コントローラ１００における情報処理のために当該データベース管理システムが利用されてもよい。

【0045】

＜Ｄ．学習装置のハードウェア構成＞
図５は、実施の形態に係る学習装置のハードウェア構成例を示すブロック図である。学習装置２００は、例えばＩＰＣ、汎用のコンピュータ装置等によって構成される。図５に示されるように、学習装置２００は、ＣＰＵやＭＰＵなどのプロセッサ２０１と、チップセット２０２と、主メモリ２０３と、ストレージ２０４と、フィールドバスコントローラ２０５と、ネットワークコントローラ２０６と、ＵＳＢコントローラ２０７と、メモリカードインターフェイス２０８とを含む。

【0046】

プロセッサ２０１は、ストレージ２０４に格納された各種プログラムを読み出して、主メモリ２０３に展開して実行することで、制御対象を制御するための制御演算を実現する。チップセット２０２は、プロセッサ２０１と各コンポーネントとのデータ伝送などを制御する。

【0047】

ストレージ２０４には、充填設備４００から各種のデータを収集する収集プログラム２１１と、モデル生成プログラム２１２とが格納される。

【0048】

フィールドバスコントローラ２０５は、フィールドバス４を介して、充填設備４００とのデータのやり取りを制御する。

【0049】

ネットワークコントローラ２０６は、ネットワークを介して、各種の機器とのデータのやり取りを制御する。ＵＳＢコントローラ２０７は、ＵＳＢ接続を介した外部装置とのデータのやり取りを制御する。

【0050】

メモリカードインターフェイス２０８は、メモリカード２２０を着脱可能に構成されており、メモリカード２２０に対してデータを書き込み、メモリカード２２０から各種データを読み出すことが可能になっている。

【0051】

図５には、プロセッサ２０１がプログラムを実行することで必要な処理が提供される構成例を示したが、これらの提供される処理の一部または全部を、専用の１以上のハードウェア回路（例えば、ＡＳＩＣまたはＦＰＧＡなど）を用いて実装してもよい。あるいは、学習装置２００の主要部を、汎用的なアーキテクチャに従うハードウェア（例えば、汎用パソコンをベースとした産業用パソコン）を用いて実現してもよい。この場合には、仮想化技術を用いて、用途の異なる複数のＯＳを並列的に実行させるとともに、各ＯＳ上で必要なアプリケーションを実行させるようにしてもよい。

【0052】

＜Ｅ．学習装置の機能構成＞
図６は、学習装置の機能構成の一例を示す図である。図６に示されるように、学習装置２００は、収集部２１と、モデル生成部２２とを備える。収集部２１は、図５に示すプロセッサ２０１が収集プログラム２１１を実行することにより実現される。モデル生成部２２は、プロセッサ２０１がモデル生成プログラム２１２を実行することにより実現される。

【0053】

収集部２１は、充填設備４００から、容器ごとに、当該容器２内の液体量に影響する１以上のパラメータの値と、当該容器２内の液体量の値とを収集する。

【0054】

モデル生成部２２は、１以上のパラメータおよび容器２内の液体量の実績を示す１以上の訓練データセットを用いた機械学習によって、予測モデル１１２を生成する。

【0055】

モデル生成部２２は、収集部２１によって収集された、容器２ごとの１以上のパラメータおよび液体量の値から、１以上の訓練データセットを抽出する。

【0056】

図７は、収集部によって収集されるデータを示す図である。図７に示されるように、収集部２１は、充填機４１０および監視盤４２０から、複数の充填バルブ４１２の各々について、当該充填バルブ４１２に関する１以上のパラメータの値を収集する。収集部２１は、複数の充填バルブ４１２の各々について、当該充填バルブ４１２によって液体が充填された容器２の液体量の値を液体量検査装置４３０から収集する。図２を参照して説明したように、充填機４１０によって液体が容器２に充填されてから、容器２の液体量が計測されるまでの時間はΔｔである。すなわち、ある容器２について、当該容器２に液体が充填されたときの１以上のパラメータの値が収集されるタイミングと、当該容器２の液体量の値が収集されるタイミングとの時間差はΔｔである。そのため、モデル生成部２２は、訓練データセットを抽出する前処理として、容器２ごとに１以上のパラメータの値と液体量の値とを紐付ける処理を実行する。

【0057】

図８は、訓練データセットを示す図である。複数の充填バルブ４１２の各々について訓練データセットが生成される。訓練データセットは、説明変数と目的変数とを示す。説明変数は、一定の時間長さＴ１を有する第１期間Ｔａにおける、対応する充填バルブ４１２に関する１以上のパラメータの各々の平均、および、第１期間Ｔａにおいて対応する充填バルブ４１２によって液体が充填された容器２内の液体量の平均を含む。目的変数は、第１期間Ｔａの終了タイミングから予め定められた時間Ｔ３だけ経過した後の第２期間Ｔｂ（時間長さＴ２を有する）において、対応する充填バルブ４１２によって液体が充填された容器２内の液体量の平均を含む。モデル生成部２２は、第１期間Ｔａの開始タイミングが互いに異なる１以上の訓練データセットを抽出する。なお、モデル生成部２２は、ある訓練データセットの第１期間Ｔａの一部が別の訓練データセットの第１期間Ｔａと重複するように複数の訓練データセットを抽出してもよいし、第１期間Ｔａが互いに重複しないように複数の訓練データセットを抽出してもよい。

【0058】

時間長さＴ１，Ｔ２および時間Ｔ３は、充填設備４００、液体の種類、容器２の種類等に応じて適宜設定される。時間長さＴ１は、例えば、１０秒、３０秒、１分、５分、１０分、３０分、１時間などである。時間長さＴ２は、時間長さＴ１と時間Ｔ３との和である。時間Ｔ３は、目標流量に対する補正値の決定および充填機４１０への反映に要する時間よりも長く、例えば、３０秒、４５秒、１分などである。

【0059】

モデル生成部２２は、１以上の訓練データセットを用いた機械学習を実行することにより、予測モデル１１２を生成する。モデル生成部２２は、複数の充填バルブ４１２に共通した１つの予測モデル１１２を生成する。あるいは、モデル生成部２２は、複数の充填バルブ４１２の各々について予測モデル１１２を生成してもよい。

【0060】

生成された予測モデル１１２は、コントローラ１００に送られる。例えば、モデル生成部２２は、ネットワークコントローラ２０６またはＵＳＢコントローラ２０７を介して、生成した予測モデル１１２をコントローラ１００に送信してもよい。あるいは、予測モデル１１２は、メモリカードインターフェイス２０８を介して、メモリカード２２０に予測モデル１１２を格納してもよい。この場合、ユーザは、メモリカード２２０をコントローラ１００に接続することにより、予測モデル１１２をコントローラ１００にインストールすればよい。

【0061】

予測モデル１１２は、容器２内の液体量に影響する１以上のパラメータの計測結果を示す第１データと容器２内の液体量の計測結果を示す第２データとの入力を受けて、未来に液体が充填される容器２内の液体量の予測値を出力する。

【0062】

学習アルゴリズムとして、サポートベクター回帰、ディープラーニング、木構造の学習アルゴリズム（例えば、ランダムフォレスト）などの公知のアルゴリズムが採用され得る。予測モデル１１２の予測精度が良好となる学習アルゴリズムを用いれば良い。予測精度は、例えば、予測値と実測値との差の平均２乗誤差によって表される。

【0063】

液体としてビールを用いた充填設備４００に関して予測精度を確認したところ、木構造の学習アルゴリズムであるランダムフォレストを用いた機械学習により生成された予測モデル１１２の予測精度は、サポートベクター回帰、ディープラーニンを用いたときの予測精度よりも優れていた。そのため、木構造の学習アルゴリズム（例えば、ランダムフォレスト）を用いることが好ましい。

【0064】

ランダムフォレストを用いた機械学習の場合、予測モデル１１２の容量は、木の数および木の深さに依存する。そのため、木の数および木の深さを制限して機械学習を実行することにより、予測モデル１１２の容量が削減される。その結果、予測モデル１１２を用いた液体量の予測に要する時間が短縮される。

【0065】

＜Ｆ．コントローラの機能構成＞
図９は、コントローラの機能構成の一例を示す図である。図９に示されるように、コントローラ１００は、取得部１０と、予測部１３と、調整部１４と、画面データ生成部１７と、を備える。取得部１０、予測部１３、調整部１４および画面データ生成部１７は、図４に示すプロセッサ１０１が制御プログラム１１１を実行することにより実現される。

【0066】

取得部１０は、容器２内の液体量に影響する１以上のパラメータの計測結果を示す第１データと容器２内の液体量の計測結果を示す第２データとを取得する。取得部１０は、複数の充填バルブ４１２の各々について、第１データおよび第２データを取得する。すなわち、第１データは、対応する充填バルブ４１２によって液体が充填された容器２内の液体量に影響する１以上のパラメータの計測結果を示す。第２データは、対応する充填バルブ４１２によって液体が充填された容器２内の液体量の計測結果を示す。図９に示されるように、取得部１０は、収集部１１と平均化部１２とを含む。

【0067】

収集部１１は、充填設備４００から、容器２ごとに、当該容器２内の液体量に影響する１以上のパラメータの計測値と、当該容器２内の液体量の計測値とを収集する。

【0068】

平均化部１２は、複数の充填バルブ４１２の各々について、対象期間ごとに、当該対象期間における当該充填バルブ４１２に関する１以上のパラメータの各々の平均を算出するとともに、当該対象期間において当該充填バルブ４１２によって液体が充填された容器２内の液体量の平均を算出する。対象期間は、図８に示す第１期間Ｔａの時間長さＴ１を有する。

【0069】

平均化部１２は、複数の充填バルブ４１２の各々について、対象期間における１以上のパラメータの各々の平均を示すデータを第１データとして出力し、対象期間において液体が充填された容器２内の液体量の平均を示すデータを第２データとして出力する。

【0070】

予測部１３は、複数の充填バルブ４１２の各々について、予測モデル１１２に第１データおよび第２データを入力することによって、容器２内の液体量の予測値を求める。具体的には、予測部１３は、時間Ｔ３経過後の補正期間である未来に液体が充填される容器２内の液体量の予測値を求める。補正期間は、図８に示す第２期間Ｔｂの時間長さＴ２を有する。

【0071】

調整部１４は、複数の充填バルブ４１２の各々について、予測値に基づいて、充填機４１０の動作条件を調整する。具体的には、調整部１４は、予測値に基づいて、容器２内の液体量が目標値に近づくように充填機４１０の動作条件を調整する。言い換えると、調整部１４は、予測値に基づいて、容器２内の液体量が一定となるように充填機４１０の動作条件を調整する。図９に示されるように、調整部１４は、偏差演算部１５と補正値出力部１６とを含む。

【0072】

偏差演算部１５は、予測値と予め定められた目標値との偏差を演算する。補正値出力部１６は、偏差が０に近づくように、目標流量に対する補正値を算出する。補正値出力部１６は、算出した補正値をコントローラ１００に出力する。

【0073】

例えば、補正値出力部１６は、偏差を説明変数とし、補正値を目的変数とする関数を用いて、補正値を算出すればよい。当該関数は、実験またはシミュレーションに基づいて、予め作成される。

【0074】

画面データ生成部１７は、取得部１０によって取得された第１データおよび第２データの推移、予測部１３によって求められた予測値の推移などを示す画面データを生成する。生成された画面データは、ＵＳＢコントローラ１０７を介して表示装置３００に送信される。その結果、画面データによって示される画面が表示装置３００に表示される。

【0075】

＜Ｇ．コントローラの処理例＞
図１０は、コントローラの処理を説明する図である。図１０に示されるように、コントローラ１００は、補正サイクルごとに同じ処理を繰り返して実行する。補正サイクルの時間長さは、図８に示す第２期間Ｔｂの時間長さＴ２と同じである。図１０に示す例では、時刻ｔ１から補正サイクルが開始し、時刻ｔ１から時間長さＴ２だけ経過した時刻ｔ２から次の補正サイクルが開始する。

【0076】

プロセッサ１０１は、補正サイクルの開始タイミングから時間長さＴ１だけ経過するまでの対象期間において収集された１以上のパラメータの各々の平均を示す第１データを取得する。さらに、プロセッサ１０１は、対象期間において液体が充填された容器２の液体量の計測結果を示す第２データを取得する。図２を参照して説明したように、充填機４１０によって液体が容器２に充填されてから、容器２の液体量が計測されるまでの時間はΔｔである。そのため、第１データおよび第２データの取得に要する時間は、時間長さＴ１とΔｔとの和である。プロセッサ１０１は、複数の充填バルブ４１２の各々について、第１データおよび第２データを取得する。

【0077】

次に、プロセッサ１０１は、第１データおよび第２データを予測モデル１１２に入力することにより、次の補正サイクルにおいて液体が充填される容器２の液体量の予測値を求める。なお、充填バルブ４１２ごとに予測モデル１１２が生成されている場合、プロセッサ１０１は、複数の充填バルブ４１２の各々について、当該充填バルブ４１２に対応する第１データおよび第２データを当該充填バルブ４１２に対応する予測モデル１１２に入力する。さらに、プロセッサ１０１は、予測値と予め定められた目標値との偏差に応じた補正値を算出する。プロセッサ１０１は、複数の充填バルブ４１２の各々について補正値を算出する。

【0078】

その後、プロセッサ１０１は、補正値の出力タイミングに到達するまで待機する。補正値の出力タイミングは、次の補正サイクルの開始タイミングから所定時間遡った時刻である。当該所定時間は、補正値の出力処理および充填機４１０における補正値の反映処理に要する時間を考慮して定められる。

【0079】

プロセッサ１０１は、補正値の出力タイミングに到達すると、算出された補正値を充填機４１０に出力する。プロセッサ１０１は、各充填バルブ４１２を識別するバルブＩＤと当該充填バルブ４１２について算出した補正値とを対応付けて充填機４１０に出力する。充填機４１０の制御盤４１６は、複数の充填バルブ４１２の各々について、コントローラ１００から受け付けた補正値に従って目標流量を補正する。

【0080】

＜Ｈ．液体量のばらつき＞
図１１は、液体量のばらつきを示す図である。図１１の上部には、調整部１４の動作をオフにしたとき、つまり、目標流量の補正を行なわないときの液体量の度数分布が示される。図１１の下部には、調整部１４の動作をオンにしたとき、つまり、予測値に応じて目標流量を補正するときの液体量の度数分布が示される。図１１に示されるように、予測値に応じて目標流量を補正することにより、液体量のばらつきが低減される。

【0081】

＜Ｉ．画面例＞
図１２は、画面データ生成部によって生成された画面データに基づいて表示装置に表示される画面の一例を示す図である。図１２には、図８に示す時間長さＴ１，Ｔ２がそれぞれ１分，２分であるときの画面５０が示される。すなわち、補正サイクルの時間は２分（１２０秒）間である。図１２に示されるように、画面５０は、グラフ５１と、選択欄５２ａ，５２ｂと、ボタン５３ａ，５３ｂ，５８と、状態表示ランプ群５４と、表示欄５５と、スイッチ５６，５７と、を含む。

【0082】

選択欄５２ａ，５２ｂには、複数の充填バルブ４１２のうち選択された充填バルブ４１２を識別するバルブナンバーが入力される。

【0083】

グラフ５１は、４つの折れ線５１ａ～５１ｄを含む。グラフ５１の横軸は時間を表す。折れ線５１ａ～５１ｄは、補正サイクルごとの点を結ぶ線である。折れ線５１ａの各点は、対応する補正サイクルについて設定された液体量の目標値（図中では、「目標液体量」と称される。）を示す。折れ線５１ｂの各点は、対応する補正サイクルの対象期間において、全ての充填バルブ４１２によって液体が充填された複数の容器２の液体量の計測結果の平均を示す。折れ線５１ｃの各点は、対応する補正サイクルの対象期間において、選択欄５２ａに入力された充填バルブ４１２によって液体が充填された複数の容器２の液体量の計測結果の平均を示す。折れ線５１ｄの各点は、対応する補正サイクルの対象期間において、選択欄５２ｂに入力された充填バルブ４１２によって液体が充填された複数の容器２の液体量の計測結果の平均を示す。なお、図１２に示す例では、液体量は、容器２の液面高さと基準高さとの差を表す。

【0084】

ユーザは、選択欄５２ａ，５２ｂに所望の充填バルブ４１２のバルブナンバーを入力することにより、グラフ５１において、当該充填バルブ４１２によって液体が充填された容器２の液体量の推移を確認できる。

【0085】

画面データ生成部１７は、ボタン５３ａが押下されたことに応じて、選択欄５２ａに入力されたバルブナンバーの充填バルブ４１２に関する詳細な情報を含む詳細画面データを生成する。画面データ生成部１７は、ボタン５３ｂが押下されたことに応じて、選択欄５２ｂに入力されたバルブナンバーの充填バルブ４１２に関する詳細な情報を含む詳細画面データを生成する。詳細画面データは、例えば、対応する充填バルブ４１２について、動作を示すパラメータの値の推移、補正サイクルの対象期間において液体が充填された複数の容器２の液体量の平均の推移、予測値の推移、補正値の推移などを示す。

【0086】

状態表示ランプ群５４は、充填設備４００の動作状態および通信接続状態を示す複数のランプを含む。表示欄５５には、充填機４１０の品種、液体量の目標値（目標液体量）、補正サイクルが表示される。

【0087】

スイッチ５６は、取得部１０および予測部１３の動作の有効および無効を切り替えるために操作される。スイッチ５６がオン状態に切り替えられることにより、取得部１０および予測部１３は、動作を開始する。

【0088】

スイッチ５７は、調整部１４による補正値の出力動作の有効および無効を切り替えるために操作される。スイッチ５７がオン状態に切り替えられることにより、調整部１４は、動作を開始する。

【0089】

画面データ生成部１７は、ボタン５８が押下されたことに応じて、容器２の液体量に関する詳細なトレンドグラフを含む画面データを生成する。トレンドグラフは、例えば、複数の充填バルブ４１２について、液体量の計測結果の推移、予測値の推移、補正値の推移、容器２の液体量に影響する１以上のパラメータの推移を示す。

【0090】

ユーザは、画面５０および各種のボタンを操作することにより表示される画面を確認することにより、充填設備４００の状況を詳細に把握できる。

【0091】

＜Ｊ．利点＞
以上のように、本実施の形態に係るコントローラ１００は、容器２に液体を充填する充填機４１０を制御する。コントローラ１００は、取得部１０と、予測部１３と、調整部１４と、を備える。取得部１０は、容器２内の液体量に影響する１以上のパラメータの計測結果を示す第１データと容器２内の液体量の計測結果を示す第２データとを取得する。予測部１３は、少なくとも１以上のパラメータの実績と容器２内の液体量の実績とを示す１以上の訓練データセットを用いた機械学習によって生成された予測モデル１１２に第１データおよび第２データを入力することによって、未来に液体が充填される容器２内の液体量の予測値を求める。調整部１４は、予測値に基づいて、容器２内の液体量が一定となるように充填機４１０の動作条件を調整する。

【0092】

これにより、予測モデル１１２を用いて液体量の予測値が求められ、予測値に基づいて、容器内の液体量が一定となるように充填機４１０の動作条件が調整される。予測モデル１１２は、液体量の計測結果を示す第２データだけでなく、容器２内の液体量に影響する１以上のパラメータの計測結果を示す第１データの入力を受ける。そのため、予測モデル１１２の予測精度が高い。その結果、容器２内の液体量のばらつきを低減できる。

【0093】

１以上の訓練データセットの各々は、第１期間Ｔａにおける１以上のパラメータの各々の平均と、第１期間Ｔａにおいて液体が充填された容器２内の液体量の平均と、第１期間Ｔａよりも後の第２期間Ｔｂにおいて液体が充填された容器２内の液体量の平均とを示す。第１データは、第１期間Ｔａと同じ時間長さＴ１を有する対象期間における１以上のパラメータの各々の平均を示す。第２データは、対象期間において液体が充填された容器２内の液体量の平均を示す。

【0094】

１以上のパラメータおよび液体量の計測結果にはノイズ成分が含まれる。対象期間における１以上のパラメータの各々の平均を示す第１データと、対象期間において液体が充填された容器２内の液体量の平均を示す第２データとを用いることにより、ノイズ成分の変動の影響が抑制される。これにより、予測モデル１１２の予測精度がさらに向上する。その結果、容器２内の液体量のばらつきをより一層低減できる。

【0095】

＜Ｋ．変形例＞
予測モデル１１２の生成が完了した後、学習装置２００とフィールドバス４との接続が遮断されてもよい。

【0096】

学習装置２００は、充填機４１０、液体および容器２の品種ごとに予測モデル１１２を生成してもよい。生成された複数の予測モデル１１２は、コントローラ１００にインストールされる。この場合、コントローラ１００の予測部１３は、複数の予測モデル１１２の中から、充填機４１０、液体および容器２の品種に応じた予測モデル１１２を選択し、選択した予測モデル１１２を用いて、未来に液体が充填される容器２の液体量を予測すればよい。

【0097】

なお、学習装置２００は、液体の品種にかかわらず、共通の予測モデル１１２を生成してもよい。この場合、学習装置２００は、複数の品種の液体を用いたときの複数の訓練データセットを用いた機械学習により、予測モデル１１２を生成すればよい。これにより、コントローラ１００は、液体の品種にかかわらず、共通の予測モデル１１２を用いることができる。その結果、コントローラ１００のストレージ１０４において、予測モデル１１２を格納するための容量を低減することができる。

【0098】

上記の説明では、学習装置２００は、収集プログラム２１１を備えるものとした。しかしながら、学習装置２００は、収集プログラム２１１を備えておらず、外部のハードウェア装置に構築されたデータベースからデータ検索を行なうことにより、１以上の訓練データセットを生成してもよい。

【0099】

外部のハードウェア装置に構築されたデータベースには、学習フェーズにおいて、充填機４１０および監視盤４２０から収集された容器２ごとの１以上のパラメータの値と、液体量検査装置４３０から収集された容器２ごとの液体量の値とが蓄積される。データベースへのデータの蓄積は、外部のハードウェア装置によって実施される。あるいは、データベースへのデータの蓄積は、コントローラ１００によって実施されてもよい。

【0100】

上記の説明では、コントローラ１００は、プロセッサ１０１を備える１つのデバイスによって構成されるものとした。しかしながら、コントローラ１００は、各々がプロセッサを備える複数のデバイス（例えばＰＬＣ，ＩＰＣ）によって構成されてもよい。この場合、図４に示す制御プログラム１１１が複数の部分プログラムに分割され、複数の部分プログラムの各々は、複数のデバイスのうちの対応するデバイスにインストールされる。

【0101】

例えば、コントローラ１００は、１つのＰＬＣと１つのＩＰＣとによって構成されてもよい。ＰＬＣは、第１データおよび第２データの取得することと、第１データおよび第２データをＩＰＣに送信し、ＩＰＣから予測値を取得することと、予測値に基づいて、充填機４１０の動作条件を調整することと、を実行する。ＩＰＣは、予測モデル１１２を備えており、ＰＬＣから受けた第１データおよび第２データを予測モデル１１２に入力することにより、未来に液体が充填される容器内の液体量の予測値を出力する。

【0102】

上記の説明では、学習装置２００とコントローラ１００とが別体とした。しかしながら、コントローラ１００は、学習装置２００の機能を有し、予測モデル１１２を生成してもよい。

【0103】

＜Ｌ．付記＞
以上のように、本実施の形態は以下のような開示を含む。

【0104】

（構成１）
容器（２）に液体を充填する充填機（４１０）を制御するコントローラ（１００）であって、
前記容器（２）内の液体量に影響する１以上のパラメータの計測結果を示す第１データと前記容器（２）内の液体量の計測結果を示す第２データとを取得する取得部（１０，１０１）と、
少なくとも前記１以上のパラメータの実績と前記容器（２）内の液体量の実績とを示す１以上の訓練データセットを用いた機械学習によって生成された予測モデル（１１２）に前記第１データおよび前記第２データを入力することによって、前記容器（２）内の液体量の予測値を求める予測部（１３，１０１）と、
前記予測値に基づいて、前記充填機の動作条件を調整する調整部（１４，１０１）と、を備えるコントローラ（１００）。

【0105】

（構成２）
前記１以上の訓練データセットの各々は、第１期間（Ｔａ）における前記１以上のパラメータの各々の平均と、前記第１期間（Ｔａ）において前記液体が充填された前記容器（２）内の液体量の平均と、前記第１期間（Ｔａ）よりも後の第２期間（Ｔｂ）において前記液体が充填された前記容器（２）内の液体量の平均とを示し、
前記第１データは、前記第１期間（Ｔａ）と同じ時間長さを有する対象期間における前記１以上のパラメータの各々の平均を示し、
前記第２データは、前記対象期間において前記液体が充填された前記容器（２）内の液体量の平均を示す、請求項１に記載のコントローラ（１００）。

【0106】

（構成３）
前記１以上のパラメータは、前記充填機（４１０）の動作に関するパラメータ、前記充填機（４１０）の外部環境に関するパラメータおよび前記液体の特性に関するパラメータの少なくとも１つを含む、請求項１または２に記載のコントローラ（１００）。

【0107】

（構成４）
前記機械学習は、木構造の学習アルゴリズムを用いる、請求項１または２に記載のコントローラ（１００）。

【0108】

（構成５）
容器（２）に液体を充填する充填機（４１０）を制御するための制御方法であって、
前記容器（２）内の液体量に影響する１以上のパラメータの計測結果を示す第１データと前記容器（２）内の液体量の計測結果を示す第２データとを取得するステップと、
少なくとも前記１以上のパラメータの実績と前記容器（２）内の液体量の実績とを示す１以上の訓練データセットを用いた機械学習によって生成された予測モデル（１１２）に前記第１データおよび前記第２データを入力することによって、前記容器（２）内の液体量の予測値を求めるステップと、
前記予測値に基づいて、前記充填機（４１０）の動作条件を調整するステップと、を備える制御方法。

【0109】

（構成６）
容器（２）に液体を充填する充填機（４１０）を制御するためのプログラムであって、
コンピュータに、
前記容器（２）内の液体量に影響する１以上のパラメータの計測結果を示す第１データと前記容器（２）内の液体量の計測結果を示す第２データとを取得するステップと、
少なくとも前記１以上のパラメータの実績と前記容器（２）内の液体量の実績とを示す１以上の訓練データセットを用いた機械学習によって生成された予測モデル（１１２）に前記第１データおよび前記第２データを入力することによって、前記容器（２）内の液体量の予測値を求めるステップと、
前記予測値に基づいて、前記充填機（４１０）の動作条件を調整するステップと、を実行させるプログラム。

【0110】

（構成７）
前記調整部（１４，１０１）は、前記容器（２）内の液体量が目標値に近づくように前記充填機（４１０）の動作条件を調整する、構成１から４のいずれかのコントローラ（１００）。

【0111】

（構成８）
前記調整部（１４，１０１）は、前記容器（２）内の液体量が一定となるように前記充填機（４１０）の動作条件を調整する、構成１から４のいずれかのコントローラ（１００）。

【0112】

本発明の実施の形態について説明したが、今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

【符号の説明】

【0113】

１ システム、２ 容器、４ フィールドバス、１０ 取得部、１１，２１ 収集部、１２ 平均化部、１３ 予測部、１４ 調整部、１５ 偏差演算部、１６ 補正値出力部、１７ 提供部、２２ モデル生成部、５０ 画面、５１ グラフ、５１ａ～５１ｄ 折れ線、５２ａ，５２ｂ 選択欄、５３ａ，５３ｂ，５８～６２ ボタン、５４ 状態表示ランプ群、５５ 表示欄、５６，５７ スイッチ、１００ コントローラ、１０１，２０１ プロセッサ、１０２，２０２ チップセット、１０３，２０３ 主メモリ、１０４，２０４ ストレージ、１０５，２０５ フィールドバスコントローラ、１０６，２０６ ネットワークコントローラ、１０７，２０７ ＵＳＢコントローラ、１０８，２０８ メモリカードインターフェイス、１１１ 制御プログラム、１１２ 予測モデル、１２０，２２０ メモリカード、２００ 学習装置、２１１ 収集プログラム、２１２ モデル生成プログラム、３００ 表示装置、４００ 充填設備、４１０ 充填機、４１２ 充填バルブ、４１４ 回転部材、４１６ 制御盤、４２０ 監視盤、４３０ 液体量検査装置、４４０ 洗浄機、４５１ エアーシリンダー、４５２ 流量計、４５３，４５６ 送液管、４５４ ヘッドタンク、４５５ ノズル部、４５７ リキッドバルブ、４５８ 容器把持部。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】