知財求人 - 知財ポータルサイト「IP Force」
特開2024-171431情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法
(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】P2024171431
(43)【公開日】2024-12-12
(54)【発明の名称】情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法
(51)【国際特許分類】
B08B 5/02 20060101AFI20241205BHJP
B08B 1/20 20240101ALI20241205BHJP
B08B 3/02 20060101ALI20241205BHJP
【ＦＩ】
B08B5/02 A
B08B1/02
B08B3/02 A
B08B3/02 D
【審査請求】未請求
【請求項の数】25
【出願形態】ＯＬ
(21)【出願番号】P 2023088423
(22)【出願日】2023-05-30
(71)【出願人】
【識別番号】000003768
【氏名又は名称】東洋製罐グループホールディングス株式会社
(74)【代理人】
【識別番号】100214248
【弁理士】
【氏名又は名称】青山 純
(74)【代理人】
【識別番号】100214260
【弁理士】
【氏名又は名称】相羽 昌孝
(72)【発明者】
【氏名】柏原 賢
(72)【発明者】
【氏名】兼森 伸兒
【テーマコード（参考）】
3B116
3B201
【Ｆターム（参考）】
3B116AA26
3B116AA46
3B116AB14
3B116BA02
3B116BA12
3B116BB22
3B116BB34
3B116BB62
3B116BB82
3B116BB88
3B116BB90
3B116CC03
3B201AA26
3B201AA46
3B201AB14
3B201BA02
3B201BA12
3B201BB22
3B201BB34
3B201BB82
3B201BB88
3B201BB90
3B201BB98
3B201CB15
3B201CC11
3B201CC12
3B201CD43
(57)【要約】
【課題】パレットに対する洗浄処理を適切に実施することを可能とする情報処理装置を提供する。
【解決手段】情報処理装置２は、荷物を載置可能なパレットに対してパレット処理装置２による洗浄処理が行われる前のパレットの状態を１又は複数の記録方向から記録した１又は複数の状態データを含むパレット情報を取得する情報取得部４００と、情報取得部４００により取得されたパレット情報に対してデータ処理を行うことにより、パレット処理装置２がパレットに対して洗浄処理を行うときの洗浄条件を示す洗浄条件情報を生成する情報生成部４０１と、を備える。
【選択図】 図１２
【解決手段】情報処理装置２は、荷物を載置可能なパレットに対してパレット処理装置２による洗浄処理が行われる前のパレットの状態を１又は複数の記録方向から記録した１又は複数の状態データを含むパレット情報を取得する情報取得部４００と、情報取得部４００により取得されたパレット情報に対してデータ処理を行うことにより、パレット処理装置２がパレットに対して洗浄処理を行うときの洗浄条件を示す洗浄条件情報を生成する情報生成部４０１と、を備える。
【選択図】 図１２
【特許請求の範囲】
【請求項1】
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの状態を１又は複数の記録方向から記録した１又は複数の状態データを含むパレット情報を取得する情報取得部と、
前記情報取得部により取得された前記パレット情報に対してデータ処理を行うことにより、前記パレット処理装置が前記パレットに対して前記洗浄処理を行うときの洗浄条件を示す洗浄条件情報を生成する情報生成部と、を備える、
情報処理装置。
前記情報取得部により取得された前記パレット情報に対してデータ処理を行うことにより、前記パレット処理装置が前記パレットに対して前記洗浄処理を行うときの洗浄条件を示す洗浄条件情報を生成する情報生成部と、を備える、
情報処理装置。
【請求項2】
前記パレット情報は、前記状態データとして、
前記洗浄処理が行われる前の前記パレットの外観を１又は複数の撮像方向から撮像した１又は複数の画像データを含む、
請求項１に記載の情報処理装置。
前記洗浄処理が行われる前の前記パレットの外観を１又は複数の撮像方向から撮像した１又は複数の画像データを含む、
請求項１に記載の情報処理装置。
【請求項3】
前記パレット情報は、前記画像データとして、
前記パレットの天面を撮像した天面画像データ、
前記パレットの地面を撮像した地面画像データ、
前記パレットの側面を撮像した側面画像データ、及び、
前記パレットに形成された凹部の内部を撮像した内部画像データのうち、少なくとも１つを含む、
請求項２に記載の情報処理装置。
前記パレットの天面を撮像した天面画像データ、
前記パレットの地面を撮像した地面画像データ、
前記パレットの側面を撮像した側面画像データ、及び、
前記パレットに形成された凹部の内部を撮像した内部画像データのうち、少なくとも１つを含む、
請求項２に記載の情報処理装置。
【請求項4】
前記パレット情報は、
前記洗浄処理が行われる前の前記パレットの形状を１又は複数の計測方向から計測した１又は複数の形状データを含む、
請求項１に記載の情報処理装置。
前記洗浄処理が行われる前の前記パレットの形状を１又は複数の計測方向から計測した１又は複数の形状データを含む、
請求項１に記載の情報処理装置。
【請求項5】
前記パレット情報は、前記形状データとして、
前記パレットの天面を計測した天面形状データ、
前記パレットの地面を計測した地面形状データ、
前記パレットの側面を計測した側面形状データ、及び、
前記パレットに形成された凹部の内部を計測した内部形状データのうち、少なくとも１つを含む、
請求項４に記載の情報処理装置。
前記パレットの天面を計測した天面形状データ、
前記パレットの地面を計測した地面形状データ、
前記パレットの側面を計測した側面形状データ、及び、
前記パレットに形成された凹部の内部を計測した内部形状データのうち、少なくとも１つを含む、
請求項４に記載の情報処理装置。
【請求項6】
前記パレット処理装置は、
前記パレットを洗浄水で水洗する水洗モジュールと、
前記パレットを脱水する脱水モジュールと、
前記パレットを乾燥する乾燥モジュールのうち、少なくとも１つのモジュールを備え、
前記洗浄条件情報は、
前記水洗モジュールが前記パレットを水洗するときの水洗条件と、
前記脱水モジュールが前記パレットを脱水するときの脱水条件と、
前記乾燥モジュールが前記パレットを乾燥するときの乾燥条件のうち、少なくとも１つを含む、
請求項１乃至請求項５のいずれか一項に記載の情報処理装置。
前記パレットを洗浄水で水洗する水洗モジュールと、
前記パレットを脱水する脱水モジュールと、
前記パレットを乾燥する乾燥モジュールのうち、少なくとも１つのモジュールを備え、
前記洗浄条件情報は、
前記水洗モジュールが前記パレットを水洗するときの水洗条件と、
前記脱水モジュールが前記パレットを脱水するときの脱水条件と、
前記乾燥モジュールが前記パレットを乾燥するときの乾燥条件のうち、少なくとも１つを含む、
請求項１乃至請求項５のいずれか一項に記載の情報処理装置。
【請求項7】
前記水洗モジュールは、
前記パレットを洗浄水で水洗する水圧洗浄モジュール、又は、ブラシを回転させなが
ら前記パレットに接触させて、前記パレットを洗浄水で水洗するブラシ洗浄モジュールであり、
前記水洗条件は、
前記水圧洗浄モジュールが前記パレットを水洗するときの水圧洗浄条件、又は、前記ブラシ洗浄モジュールが前記パレットを水洗するときのブラシ洗浄条件であり、
前記水圧洗浄条件は、
前記水圧洗浄モジュールによる前記パレットの水洗時間、
前記水圧洗浄モジュールが供給する前記洗浄水の供給量、
前記水圧洗浄モジュールが前記洗浄水とともに供給する洗剤の供給量、
前記水圧洗浄モジュールが前記洗浄水とともに供給する前記洗剤の種類、及び、
前記パレットの範囲を複数の区域に区分したときの前記水圧洗浄モジュールによる前記区域毎の洗浄レベルのうち、少なくとも１つを含み、
前記ブラシ洗浄条件は、
前記ブラシ洗浄モジュールによる前記パレットの水洗時間、
前記ブラシ洗浄モジュールが供給する前記洗浄水の供給量、
前記ブラシ洗浄モジュールが前記洗浄水とともに供給する洗剤の供給量、
前記ブラシ洗浄モジュールが前記洗浄水とともに供給する前記洗剤の種類、
前記パレットの範囲を複数の区域に区分したときの前記ブラシ洗浄モジュールによる前記区域毎の洗浄レベル、
前記ブラシ洗浄モジュールによる前記ブラシの回転数、
前記ブラシ洗浄モジュールによる前記ブラシの押圧力、及び、
前記ブラシ洗浄モジュールが前記ブラシを移動させるときの前記ブラシの移動速度のうち、少なくとも１つを含み、
前記脱水条件は、
前記脱水モジュールによる前記パレットの脱水時間、及び、
前記脱水モジュールによる前記パレットの回転数のうち、少なくとも１つを含み、
前記乾燥条件は、
前記乾燥モジュールによる前記パレットの乾燥時間、
前記乾燥モジュールによる温風の温度、及び、
前記乾燥モジュールによる前記温風の風量のうち、少なくとも１つを含む、
請求項６に記載の情報処理装置。
前記パレットを洗浄水で水洗する水圧洗浄モジュール、又は、ブラシを回転させなが
ら前記パレットに接触させて、前記パレットを洗浄水で水洗するブラシ洗浄モジュールであり、
前記水洗条件は、
前記水圧洗浄モジュールが前記パレットを水洗するときの水圧洗浄条件、又は、前記ブラシ洗浄モジュールが前記パレットを水洗するときのブラシ洗浄条件であり、
前記水圧洗浄条件は、
前記水圧洗浄モジュールによる前記パレットの水洗時間、
前記水圧洗浄モジュールが供給する前記洗浄水の供給量、
前記水圧洗浄モジュールが前記洗浄水とともに供給する洗剤の供給量、
前記水圧洗浄モジュールが前記洗浄水とともに供給する前記洗剤の種類、及び、
前記パレットの範囲を複数の区域に区分したときの前記水圧洗浄モジュールによる前記区域毎の洗浄レベルのうち、少なくとも１つを含み、
前記ブラシ洗浄条件は、
前記ブラシ洗浄モジュールによる前記パレットの水洗時間、
前記ブラシ洗浄モジュールが供給する前記洗浄水の供給量、
前記ブラシ洗浄モジュールが前記洗浄水とともに供給する洗剤の供給量、
前記ブラシ洗浄モジュールが前記洗浄水とともに供給する前記洗剤の種類、
前記パレットの範囲を複数の区域に区分したときの前記ブラシ洗浄モジュールによる前記区域毎の洗浄レベル、
前記ブラシ洗浄モジュールによる前記ブラシの回転数、
前記ブラシ洗浄モジュールによる前記ブラシの押圧力、及び、
前記ブラシ洗浄モジュールが前記ブラシを移動させるときの前記ブラシの移動速度のうち、少なくとも１つを含み、
前記脱水条件は、
前記脱水モジュールによる前記パレットの脱水時間、及び、
前記脱水モジュールによる前記パレットの回転数のうち、少なくとも１つを含み、
前記乾燥条件は、
前記乾燥モジュールによる前記パレットの乾燥時間、
前記乾燥モジュールによる温風の温度、及び、
前記乾燥モジュールによる前記温風の風量のうち、少なくとも１つを含む、
請求項６に記載の情報処理装置。
【請求項8】
前記情報生成部は、前記データ処理として、
前記パレット情報と前記洗浄条件情報との相関関係を機械学習により学習させた学習モデルに、前記情報取得部により取得された前記パレット情報を入力することで、当該パレット情報に対する前記洗浄条件情報を生成する、
請求項７に記載の情報処理装置。
前記パレット情報と前記洗浄条件情報との相関関係を機械学習により学習させた学習モデルに、前記情報取得部により取得された前記パレット情報を入力することで、当該パレット情報に対する前記洗浄条件情報を生成する、
請求項７に記載の情報処理装置。
【請求項9】
前記情報生成部は、
前記パレット情報に対して第１のデータ処理を行うことにより、前記パレットの汚れを示す汚れ情報を生成し、
その生成した前記汚れ情報に対して第２のデータ処理を行うことにより、前記洗浄条件情報を生成する、
請求項１に記載の情報処理装置。
前記パレット情報に対して第１のデータ処理を行うことにより、前記パレットの汚れを示す汚れ情報を生成し、
その生成した前記汚れ情報に対して第２のデータ処理を行うことにより、前記洗浄条件情報を生成する、
請求項１に記載の情報処理装置。
【請求項10】
前記汚れ情報は、
前記汚れの程度、
前記汚れの種類、
前記汚れの場所、
前記汚れの範囲、及び、
前記汚れの濃淡のうち、少なくとも１つを含む、
請求項９に記載の情報処理装置。
前記汚れの程度、
前記汚れの種類、
前記汚れの場所、
前記汚れの範囲、及び、
前記汚れの濃淡のうち、少なくとも１つを含む、
請求項９に記載の情報処理装置。
【請求項11】
前記情報生成部は、前記第１のデータ処理として、
前記パレット情報と前記汚れ情報との相関関係を機械学習により学習させた第１の学習モデルに、前記情報取得部により取得された前記パレット情報を入力することで、当該パレット情報に対する前記汚れ情報を生成する、
請求項９に記載の情報処理装置。
前記パレット情報と前記汚れ情報との相関関係を機械学習により学習させた第１の学習モデルに、前記情報取得部により取得された前記パレット情報を入力することで、当該パレット情報に対する前記汚れ情報を生成する、
請求項９に記載の情報処理装置。
【請求項12】
前記情報生成部は、前記第２のデータ処理として、
前記汚れ情報と前記洗浄条件情報との相関関係を機械学習により学習させた第２の学習モデルに、前記第１のデータ処理で生成した前記汚れ情報を入力することで、当該汚れ情報に対する前記洗浄条件情報を生成する、
請求項９に記載の情報処理装置。
前記汚れ情報と前記洗浄条件情報との相関関係を機械学習により学習させた第２の学習モデルに、前記第１のデータ処理で生成した前記汚れ情報を入力することで、当該汚れ情報に対する前記洗浄条件情報を生成する、
請求項９に記載の情報処理装置。
【請求項13】
メモリと、プロセッサとを備える推論装置であって、
前記プロセッサは、
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの状態を１又は複数の記録方向から記録した１又は複数の状態データを含むパレット情報を取得する情報取得処理と、
前記情報取得処理により前記パレット情報を取得すると、当該パレット情報に対してデータ処理を行うことにより、前記パレット処理装置が前記パレットに対して前記洗浄処理を行うときの洗浄条件を示す洗浄条件情報を推論する推論処理と、を実行する、
推論装置。
前記プロセッサは、
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの状態を１又は複数の記録方向から記録した１又は複数の状態データを含むパレット情報を取得する情報取得処理と、
前記情報取得処理により前記パレット情報を取得すると、当該パレット情報に対してデータ処理を行うことにより、前記パレット処理装置が前記パレットに対して前記洗浄処理を行うときの洗浄条件を示す洗浄条件情報を推論する推論処理と、を実行する、
推論装置。
【請求項14】
メモリと、プロセッサとを備える推論装置であって、
前記プロセッサは、
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの状態を１又は複数の記録方向から記録した１又は複数の状態データを含むパレット情報を取得する情報取得処理と、
前記情報取得処理により前記パレット情報を取得すると、当該パレット情報に対してデータ処理を行うことにより、前記パレットの汚れを示す汚れ情報を推論する推論処理と、を実行する、
推論装置。
前記プロセッサは、
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの状態を１又は複数の記録方向から記録した１又は複数の状態データを含むパレット情報を取得する情報取得処理と、
前記情報取得処理により前記パレット情報を取得すると、当該パレット情報に対してデータ処理を行うことにより、前記パレットの汚れを示す汚れ情報を推論する推論処理と、を実行する、
推論装置。
【請求項15】
メモリと、プロセッサとを備える推論装置であって、
前記プロセッサは、
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの汚れを示す汚れ情報を取得する情報取得処理と、
前記情報取得処理により前記汚れ情報を取得すると、当該汚れ情報に対してデータ処理を行うことにより、前記パレット処理装置が前記パレットに対して前記洗浄処理を行うときの洗浄条件を示す洗浄条件情報を推論する推論処理と、を実行する、
推論装置。
前記プロセッサは、
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの汚れを示す汚れ情報を取得する情報取得処理と、
前記情報取得処理により前記汚れ情報を取得すると、当該汚れ情報に対してデータ処理を行うことにより、前記パレット処理装置が前記パレットに対して前記洗浄処理を行うときの洗浄条件を示す洗浄条件情報を推論する推論処理と、を実行する、
推論装置。
【請求項16】
入力データと出力データとで構成される学習用データを複数組記憶する学習用データ記憶部と、
複数組の前記学習用データを学習モデルに入力することで、前記入力データと前記出力データとの相関関係を前記学習モデルに学習させる機械学習部と、
前記機械学習部により前記相関関係を学習させた前記学習モデルを記憶する学習済みモデル記憶部と、を備え、
前記入力データは、
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの状態を１又は複数の記録方向から記録した１又は複数の状態データを含むパレット情報であり、
前記出力データは、
前記パレット処理装置が前記パレットに対して前記洗浄処理を行うときの洗浄条件を示す洗浄条件情報である、
機械学習装置。
複数組の前記学習用データを学習モデルに入力することで、前記入力データと前記出力データとの相関関係を前記学習モデルに学習させる機械学習部と、
前記機械学習部により前記相関関係を学習させた前記学習モデルを記憶する学習済みモデル記憶部と、を備え、
前記入力データは、
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの状態を１又は複数の記録方向から記録した１又は複数の状態データを含むパレット情報であり、
前記出力データは、
前記パレット処理装置が前記パレットに対して前記洗浄処理を行うときの洗浄条件を示す洗浄条件情報である、
機械学習装置。
【請求項17】
入力データと出力データとで構成される学習用データを複数組記憶する学習用データ記憶部と、
複数組の前記学習用データを学習モデルに入力することで、前記入力データと前記出力データとの相関関係を前記学習モデルに学習させる機械学習部と、
前記機械学習部により前記相関関係を学習させた前記学習モデルを記憶する学習済みモデル記憶部と、を備え、
前記入力データは、
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの状態を１又は複数の記録方向から記録した１又は複数の状態データを含むパレット情報であり、
前記出力データは、
前記パレットの汚れを示す汚れ情報である、
機械学習装置。
複数組の前記学習用データを学習モデルに入力することで、前記入力データと前記出力データとの相関関係を前記学習モデルに学習させる機械学習部と、
前記機械学習部により前記相関関係を学習させた前記学習モデルを記憶する学習済みモデル記憶部と、を備え、
前記入力データは、
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの状態を１又は複数の記録方向から記録した１又は複数の状態データを含むパレット情報であり、
前記出力データは、
前記パレットの汚れを示す汚れ情報である、
機械学習装置。
【請求項18】
入力データと出力データとで構成される学習用データを複数組記憶する学習用データ記憶部と、
複数組の前記学習用データを学習モデルに入力することで、前記入力データと前記出力データとの相関関係を前記学習モデルに学習させる機械学習部と、
前記機械学習部により前記相関関係を学習させた前記学習モデルを記憶する学習済みモデル記憶部と、を備え、
前記入力データは、
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの汚れを示す汚れ情報であり、
前記出力データは、
前記パレット処理装置が前記パレットに対して前記洗浄処理を行うときの洗浄条件を示す洗浄条件情報である、
機械学習装置。
複数組の前記学習用データを学習モデルに入力することで、前記入力データと前記出力データとの相関関係を前記学習モデルに学習させる機械学習部と、
前記機械学習部により前記相関関係を学習させた前記学習モデルを記憶する学習済みモデル記憶部と、を備え、
前記入力データは、
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの汚れを示す汚れ情報であり、
前記出力データは、
前記パレット処理装置が前記パレットに対して前記洗浄処理を行うときの洗浄条件を示す洗浄条件情報である、
機械学習装置。
【請求項19】
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの状態を１又は複数の記録方向から記録した１又は複数の状態データを含むパレット情報を取得する情報取得工程と、
前記情報取得工程により取得された前記パレット情報に対してデータ処理を行うことにより、前記パレット処理装置が前記パレットに対して前記洗浄処理を行うときの洗浄条件を示す洗浄条件情報を生成する情報生成工程と、を備える、
情報処理方法。
前記情報取得工程により取得された前記パレット情報に対してデータ処理を行うことにより、前記パレット処理装置が前記パレットに対して前記洗浄処理を行うときの洗浄条件を示す洗浄条件情報を生成する情報生成工程と、を備える、
情報処理方法。
【請求項20】
メモリと、プロセッサとを備える推論装置により実行される推論方法であって、
前記プロセッサは、
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの状態を１又は複数の記録方向から記録した１又は複数の状態データを含むパレット情報を取得する情報取得工程と、
前記情報取得工程により前記パレット情報を取得すると、当該パレット情報に対してデータ処理を行うことにより、前記パレット処理装置が前記パレットに対して前記洗浄処理を行うときの洗浄条件を示す洗浄条件情報を推論する推論工程と、を実行する、
推論方法。
前記プロセッサは、
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの状態を１又は複数の記録方向から記録した１又は複数の状態データを含むパレット情報を取得する情報取得工程と、
前記情報取得工程により前記パレット情報を取得すると、当該パレット情報に対してデータ処理を行うことにより、前記パレット処理装置が前記パレットに対して前記洗浄処理を行うときの洗浄条件を示す洗浄条件情報を推論する推論工程と、を実行する、
推論方法。
【請求項21】
メモリと、プロセッサとを備える推論装置により実行される推論方法であって、
前記プロセッサは、
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの状態を１又は複数の記録方向から記録した１又は複数の状態データを含むパレット情報を取得する情報取得工程と、
前記情報取得工程により前記パレット情報を取得すると、当該パレット情報に対してデータ処理を行うことにより、前記パレットの汚れを示す汚れ情報を推論する推論工程と、を実行する、
推論方法。
前記プロセッサは、
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの状態を１又は複数の記録方向から記録した１又は複数の状態データを含むパレット情報を取得する情報取得工程と、
前記情報取得工程により前記パレット情報を取得すると、当該パレット情報に対してデータ処理を行うことにより、前記パレットの汚れを示す汚れ情報を推論する推論工程と、を実行する、
推論方法。
【請求項22】
メモリと、プロセッサとを備える推論装置により実行される推論方法であって、
前記プロセッサは、
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの汚れを示す汚れ情報を取得する情報取得工程と、
前記情報取得工程により前記汚れ情報を取得すると、当該汚れ情報に対してデータ処理を行うことにより、前記パレット処理装置が前記パレットに対して前記洗浄処理を行うときの洗浄条件を示す洗浄条件情報を推論する推論工程と、を実行する、
推論方法。
前記プロセッサは、
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの汚れを示す汚れ情報を取得する情報取得工程と、
前記情報取得工程により前記汚れ情報を取得すると、当該汚れ情報に対してデータ処理を行うことにより、前記パレット処理装置が前記パレットに対して前記洗浄処理を行うときの洗浄条件を示す洗浄条件情報を推論する推論工程と、を実行する、
推論方法。
【請求項23】
入力データと出力データとで構成される学習用データを学習用データ記憶部に複数組記憶する学習用データ記憶工程と、
複数組の前記学習用データを学習モデルに入力することで、前記入力データと前記出力データとの相関関係を前記学習モデルに学習させる機械学習工程と、
前記機械学習工程により前記相関関係を学習させた前記学習モデルを学習済みモデル記憶部に記憶する学習済みモデル記憶工程と、を備え、
前記入力データは、
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの状態を１又は複数の記録方向から記録した１又は複数の状態データを含むパレット情報であり、
前記出力データは、
前記パレット処理装置が前記パレットに対して前記洗浄処理を行うときの洗浄条件を示す洗浄条件情報である、
機械学習方法。
複数組の前記学習用データを学習モデルに入力することで、前記入力データと前記出力データとの相関関係を前記学習モデルに学習させる機械学習工程と、
前記機械学習工程により前記相関関係を学習させた前記学習モデルを学習済みモデル記憶部に記憶する学習済みモデル記憶工程と、を備え、
前記入力データは、
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの状態を１又は複数の記録方向から記録した１又は複数の状態データを含むパレット情報であり、
前記出力データは、
前記パレット処理装置が前記パレットに対して前記洗浄処理を行うときの洗浄条件を示す洗浄条件情報である、
機械学習方法。
【請求項24】
入力データと出力データとで構成される学習用データを学習用データ記憶部に複数組記憶する学習用データ記憶工程と、
複数組の前記学習用データを学習モデルに入力することで、前記入力データと前記出力データとの相関関係を前記学習モデルに学習させる機械学習工程と、
前記機械学習工程により前記相関関係を学習させた前記学習モデルを学習済みモデル記憶部に記憶する学習済みモデル記憶工程と、を備え、
前記入力データは、
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの状態を１又は複数の記録方向から記録した１又は複数の状態データを含むパレット情報であり、
前記出力データは、
前記パレットの汚れを示す汚れ情報である、
機械学習方法。
複数組の前記学習用データを学習モデルに入力することで、前記入力データと前記出力データとの相関関係を前記学習モデルに学習させる機械学習工程と、
前記機械学習工程により前記相関関係を学習させた前記学習モデルを学習済みモデル記憶部に記憶する学習済みモデル記憶工程と、を備え、
前記入力データは、
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの状態を１又は複数の記録方向から記録した１又は複数の状態データを含むパレット情報であり、
前記出力データは、
前記パレットの汚れを示す汚れ情報である、
機械学習方法。
【請求項25】
入力データと出力データとで構成される学習用データを学習用データ記憶部に複数組記憶する学習用データ記憶工程と、
複数組の前記学習用データを学習モデルに入力することで、前記入力データと前記出力データとの相関関係を前記学習モデルに学習させる機械学習工程と、
前記機械学習工程により前記相関関係を学習させた前記学習モデルを学習済みモデル記憶部に記憶する学習済みモデル記憶工程と、を備え、
前記入力データは、
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの汚れを示す汚れ情報であり、
前記出力データは、
前記パレット処理装置が前記パレットに対して前記洗浄処理を行うときの洗浄条件を示す洗浄条件情報である、
機械学習方法。
複数組の前記学習用データを学習モデルに入力することで、前記入力データと前記出力データとの相関関係を前記学習モデルに学習させる機械学習工程と、
前記機械学習工程により前記相関関係を学習させた前記学習モデルを学習済みモデル記憶部に記憶する学習済みモデル記憶工程と、を備え、
前記入力データは、
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの汚れを示す汚れ情報であり、
前記出力データは、
前記パレット処理装置が前記パレットに対して前記洗浄処理を行うときの洗浄条件を示す洗浄条件情報である、
機械学習方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法に関する。
【背景技術】
【0002】
フォークリフト等の運搬機器にて荷物を運搬する際、荷物を載置可能なパレットが使用される。パレットは、様々な使用環境で繰り返し使用されることでその表面に各種の汚れが付着する。そのようなパレットを再利用品として使用可能にするため、パレットの洗浄処理を行うパレット処理装置が開発されている（例えば、特許文献１参照）。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２００１－１７０５７６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に開示されたパレット処理装置は、パレットの状態に応じてパレットの洗浄処理を行うときの洗浄条件を変更するものではなく、パレットの汚れの種類や分布によってはその汚れを十分に落とすことが困難な場合もあった。
【0005】
本発明は、上記の課題に鑑み、パレットに対する洗浄処理を適切に実施することを可能とする情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法を提供することを目的とする。
【課題を解決するための手段】
【0006】
上記目的を達成するために、本発明の一態様に係る情報処理装置は、
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの状態を１又は複数の記録方向から記録した１又は複数の状態データを含むパレット情報を取得する情報取得部と、
前記情報取得部により取得された前記パレット情報に対してデータ処理を行うことにより、前記パレット処理装置が前記パレットに対して前記洗浄処理を行うときの洗浄条件を示す洗浄条件情報を生成する情報生成部と、を備える。
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの状態を１又は複数の記録方向から記録した１又は複数の状態データを含むパレット情報を取得する情報取得部と、
前記情報取得部により取得された前記パレット情報に対してデータ処理を行うことにより、前記パレット処理装置が前記パレットに対して前記洗浄処理を行うときの洗浄条件を示す洗浄条件情報を生成する情報生成部と、を備える。
【発明の効果】
【0007】
本発明の一態様に係る情報処理装置によれば、パレット処理装置による洗浄処理が行われる前のパレットの状態を記録した状態データを含むパレット情報に基づいて、パレット処理装置がそのパレットに対して洗浄処理を行うときの洗浄条件を示す洗浄条件情報が生成される。したがって、パレット処理装置は、パレットに対する洗浄処理を適切に実施することができる。
【0008】
上記以外の課題、構成及び効果は、後述する発明を実施するための形態にて明らかにされる。
【図面の簡単な説明】
【0009】
【図1】第１の実施形態に係るパレット再利用管理システム１の一例を示す全体構成図である。
【図2】パレット１０の一例を示す概略図である。
【図3】パレット処理装置２の一例を示すブロック図である。
【図4】動作履歴データベース２７５を構成する各テーブル２７５Ａ～２７５Ｃの一例を示すデータ構成図である。
【図5】動作履歴データベース２７５を構成する各テーブル２７５Ｄ～２７５Ｈの一例を示すデータ構成図である。
【図6】動作履歴データベース２７５を構成する各テーブル２７５Ｉ、２７５Ｊの一例を示すデータ構成図である。
【図7】コンピュータ９００の一例を示すハードウエア構成図である。
【図8】第１の実施形態に係る機械学習装置３の一例を示すブロック図である。
【図9】学習モデル１２及び学習用データ１１の一例を示す図である。
【図10】第１の実施形態に係る機械学習装置３による機械学習方法の一例を示すフローチャートである。
【図11】第１の実施形態に係る情報処理装置４の一例を示すブロック図である。
【図12】第１の実施形態に係る情報処理装置４の一例を示す機能説明図である。
【図13】第１の実施形態に係る情報処理装置４による情報処理方法の一例を示すフローチャートである。
【図14】第２の実施形態に係る機械学習装置３ａの一例を示すブロック図である。
【図15】第１の学習モデル１２Ａ及び第１の学習用データ１１Ａの一例を示す図である。
【図16】第２の学習モデル１２Ｂ及び第２の学習用データ１１Ｂの一例を示す図である。
【図17】第２の実施形態に係る情報処理装置４ａの一例を示すブロック図である。
【図18】第２の実施形態に係る情報処理装置４ａの一例を示す機能説明図である。
【発明を実施するための形態】
【0010】
以下、図面を参照して本発明を実施するための実施形態について説明する。以下では、本発明の目的を達成するための説明に必要な範囲を模式的に示し、本発明の該当部分の説明に必要な範囲を主に説明することとし、説明を省略する箇所については公知技術によるものとする。
【0011】
【0012】
パレット再利用管理システム１は、荷物を載置可能な使用済みのパレット１０に対して、処理前状態記録処理、メンテナンス処理、及び、処理後状態記録処理等の複数の処理を行うことにより、パレット１０を再利用品として使用可能とするシステムである。また、パレット再利用管理システム１は、上記の各処理で得られる各種の情報を管理するシステムである。
【0013】
パレット１０は、図２に示すように、天面１００、地面１０１及び側面１０２を有するとともに、側面１０２から内側に向かう横穴状に形成された複数の凹部１０３を有する。パレット１０は、例えば、樹脂材料により成形されて、工場や倉庫にて繰り返し使用される。凹部１０３は、例えば、フォークリフト、ハンドリフタ、無人搬送装置等の運搬機器が備える爪部を挿入するために用いられる。
【0014】
パレット１０は、所定の位置（例えば、側面１０２等）に、パレット１０の識別子を示すパレットＩＤを記録した識別部材１０４を備える。パレットＩＤは、例えば、文字、数字、記号等の文字列により定められる。識別部材１０４としては、例えば、ＲＦＩＤタグ
等の電子タグ、一次元コードや二次元バーコード等の光学コードが用いられる。なお、パレットＩＤは、パレット１０の側面１０２に文字列として印字されていてもよい。
等の電子タグ、一次元コードや二次元バーコード等の光学コードが用いられる。なお、パレットＩＤは、パレット１０の側面１０２に文字列として印字されていてもよい。
【0015】
パレット再利用管理システム１は、その主要な構成として、図１に示すように、パレット処理装置２と、機械学習装置３と、情報処理装置４と、作業者端末装置５とを備える。各装置２～５は、例えば、汎用又は専用のコンピュータ（後述の図７参照）で構成されるとともに、有線又は無線のネットワーク６に接続されて、各種のデータを相互に送受信可能に構成される。なお、各装置２～５の数やネットワーク６の接続構成は、図１の例に限られず、適宜変更してもよい。
【0016】
パレット処理装置２は、処理前状態記録処理、メンテナンス処理、処理後状態記録処理等を行う複数のモジュールを備える。
【0017】
メンテナンス処理には、大きく分けて、洗浄処理と、仕上げ処理とが含まれる。洗浄処理は、水圧洗浄による水洗、ブラシ洗浄による水洗、遠心脱水、温風乾燥等である。洗浄処理は、パレット１０に付着した汚れを除去する処理であれば、上記の洗浄処理に限られない。仕上げ処理は、バリ取り、付着物除去等である。仕上げ処理は、洗浄モジュールで除去できないパレット１０の汚れを除去したり、パレット１０の不備や不良等を解消したりするような処理であれば、上記の仕上げ処理に限られない。
【0018】
処理前状態記録処理には、洗浄処理が行われる前の状態記録処理（洗浄前状態記録処理）と、仕上げ処理が行われる前の状態記録処理（仕上げ前状態記録処理）とが含まれる。処理後状態記録処理には、洗浄処理が行われた後の状態記録処理（洗浄後状態記録処理）と、仕上げ処理が行われた後の状態記録処理（仕上げ後状態記録処理）とが含まれる。
【0019】
本実施形態に係るパレット処理装置２は、パレット１０を搬送方向２１０に沿って搬送する搬送モジュール２１を備える。また、パレット処理装置２は、搬送方向２１０の上流側から下流側に沿って、上流載置台２０Ａと、上流パレット取扱モジュール２２Ａと、識別子読取モジュール２３と、第１の状態記録モジュール２４Ａと、洗浄モジュール２５と、第２の状態記録モジュール２４Ｂと、仕上げモジュール２６と、第３の状態記録モジュール２４Ｃと、下流パレット取扱モジュール２２Ｂと、下流載置台２０Ｂとを備える。さらに、パレット処理装置２は、各モジュール２１～２６を制御するとともに、各種の情報を動作履歴データベース２７５に蓄積する制御モジュール２７を備える。
【0020】
上流載置台２０Ａは、メンテナンス処理前のパレット１０が複数段に積み重ねられたパレット積層体１０Ａを一時的に載置するための台である。下流載置台２０Ｂは、メンテナンス処理後のパレット１０が複数段に積み重ねられたパレット積層体１０Ａを一時的に載置するための台である。
【0021】
搬送モジュール２１は、パレット１０を搬送方向２１０に沿って順次搬送するための搬送機構（不図示）を備える。搬送機構は、例えば、複数の駆動ローラ及び複数の従動ローラにより構成されている。
【0022】
上流パレット取扱モジュール２２Ａは、上流載置台２０Ａから搬入されたパレット積層体１０Ａからパレット１０を１枚ずつ取り出して、搬送方向２１０に沿って搬出する装置である。下流パレット取扱モジュール２２Ｂは、パレット１０を１枚ずつ回収し、規定の段数になるまでパレット１０を積み重ねて、パレット積層体１０Ａとして下流載置台２０Ｂに搬出する装置である。
【0023】
識別子読取モジュール２３は、パレット１０の識別部材１０４に記録されたパレットＩ
Ｄを読み取る装置である。識別部材１０４が電子タグである場合、識別子読取モジュール２３は、ＲＦＩＤリーダで構成される。識別部材１０４が光学コードである場合、識別子読取モジュール２３は、光学コードリーダで構成される。パレットＩＤが文字列としてパレット１０に印字されている場合、識別子読取モジュール２３は、エリアカメラやラインカメラで構成される。識別子読取モジュール２３は、識別部材１０４又はパレット１０から読み取ったパレットＩＤを含む読取データを制御モジュール２７に送信する。なお、パレットＩＤが文字列として印字されている場合には、識別子読取モジュール２３又は制御モジュール２７は、その読み取られた文字列の向きに基づいて、パレット１０の天地面の向きを判定してもよい。
Ｄを読み取る装置である。識別部材１０４が電子タグである場合、識別子読取モジュール２３は、ＲＦＩＤリーダで構成される。識別部材１０４が光学コードである場合、識別子読取モジュール２３は、光学コードリーダで構成される。パレットＩＤが文字列としてパレット１０に印字されている場合、識別子読取モジュール２３は、エリアカメラやラインカメラで構成される。識別子読取モジュール２３は、識別部材１０４又はパレット１０から読み取ったパレットＩＤを含む読取データを制御モジュール２７に送信する。なお、パレットＩＤが文字列として印字されている場合には、識別子読取モジュール２３又は制御モジュール２７は、その読み取られた文字列の向きに基づいて、パレット１０の天地面の向きを判定してもよい。
【0024】
洗浄モジュール２５は、水洗モジュール２５０と、脱水モジュール２５１と、乾燥モジュール２５２とのうち、少なくとも１つのモジュールを備える。なお、洗浄モジュール２５は、水洗モジュール２５０、脱水モジュール２５１及び乾燥モジュール２５２とは異なる洗浄処理を行うモジュールで構成されていてもよい。
【0025】
水洗モジュール２５０は、パレット１０の汚れを洗浄水（洗剤を含むものでもよい）で水洗する装置である。水洗モジュール２５０は、パレット１０を洗浄水で水洗する水圧洗浄モジュール２５０Ａ、又は、ブラシを回転させながらパレット１０に接触させて、パレット１０を洗浄水で水洗するブラシ洗浄モジュール２５０Ｂとして構成される。
【0026】
水圧洗浄モジュール２５０Ａは、洗浄水を供給する洗浄水供給ノズルと、洗浄水とともに洗剤を供給する洗剤供給ノズルと、洗浄水の供給量を調節する洗浄水供給調整機構と、洗浄水供給ノズルの向きを調節する洗浄水ノズル調整機構と、洗浄水の温度を調整する温調ヒータと、洗剤の供給量や種類を調節する洗剤供給調整機構と、洗剤を補充可能な洗剤タンクとを備える。
【0027】
ブラシ洗浄モジュール２５０Ｂは、上記の水圧洗浄モジュール２５０Ａが備える構成の他に、交換可能なブラシと、ブラシの回転数を調整するブラシ回転機構と、ブラシを移動させるときの移動速度、ブラシをパレット１０に接触させるときの向きや押圧力を調整するブラシ移動機構とをさらに備える。
【0028】
脱水モジュール２５１は、パレット１０を回転させてパレット１０に付着している洗浄水を遠心力で脱水する装置である。脱水モジュール２５１は、パレット１０を回転可能に支持する回転支持機構を備える。回転支持機構は、パレット１０を水平回転させるときの回転数を調整可能に構成される。なお、脱水モジュール２５１は、パレット１０を脱水する装置であればよく、上記の例に限られない。
【0029】
乾燥モジュール２５２は、パレット１０に温風を吹き付けて、パレット１０を温風で乾燥する装置である。乾燥モジュール２５２は、温風を供給する温風供給ノズルと、温風の風量を調整する風量機構、温風供給ノズルの向きを調節する温風ノズル調整機構と、温風の温度を調整する温調ヒータとを備える。なお、乾燥モジュール２５２は、パレット１０を乾燥する装置であればよく、上記の例に限られない。
【0030】
仕上げモジュール２６は、バリ取りモジュール２６０、及び、付着物除去モジュール２６１のうち、少なくとも１つのモジュールを備える。なお、仕上げモジュール２６は、バリ取りモジュール２６０及び付着物除去モジュール２６１とは異なる仕上げ処理を行うモジュールで構成されていてもよい。
【0031】
バリ取りモジュール２６０は、研磨部材を回転させながらパレット１０に接触させて、パレット１０に生じたバリを除去する装置である。バリ取りモジュール２６０は、交換可
能な研磨部材と、研磨部材の回転数を調整するバリ取り回転機構と、研磨部材を移動させるときの移動速度、研磨部材をパレット１０に接触させるときの向きや押圧力を調整するバリ取り移動機構とを備える。
能な研磨部材と、研磨部材の回転数を調整するバリ取り回転機構と、研磨部材を移動させるときの移動速度、研磨部材をパレット１０に接触させるときの向きや押圧力を調整するバリ取り移動機構とを備える。
【0032】
付着物除去モジュール２６１は、研磨部材を回転させながらパレット１０に接触させて、又は、付着物を吸着するための吸着部材をパレット１０に接触させて、パレット１０に付着した付着物（例えば、シールやテープ等）を除去する装置である。付着物除去モジュール２６１は、交換可能な研磨部材又は吸着部材と、研磨部材の回転数を調整する付着物除去回転機構と、研磨部材又は吸着部材を移動させるときの移動速度、研磨部材又は吸着部材をパレット１０に接触させるときの向きや押圧力を調整する付着物除去移動機構とを備える。
【0033】
第１の状態記録モジュール２４Ａは、洗浄前状態記録処理として、洗浄処理が行われる前のパレット１０の状態を１又は複数の記録方向から記録する装置である。第２の状態記録モジュール２４Ｂは、洗浄後状態記録処理として、洗浄処理が行われた後のパレット１０の状態を１又は複数の記録方向から記録するとともに、仕上げ前状態記録処理として、仕上げ処理が行われる前のパレット１０の状態を１又は複数の記録方向から記録する。第３の状態記録モジュール２４Ｃは、仕上げ後状態記録処理として、仕上げ処理が行われた後のパレット１０の状態を１又は複数の記録方向から記録する装置である。
【0034】
本実施形態では、第１乃至第３の状態記録モジュール２４Ａ～２４Ｃの各々は、パレット１０の外観を１又は複数の撮像方向から撮像する画像撮像部２４０と、パレット１０の形状を１又は複数の撮像方向から計測する形状計測部２４１とを備える。なお、第１乃至第３の状態記録モジュール２４Ａ～２４Ｃの各々は、画像撮像部２４０及び形状計測部２４１の一方を備えるものでもよい。
【0035】
画像撮像部２４０は、撮像対象物であるパレット１０の外観（凹部１０３の内部も含む）を撮像し、パレット１０の濃淡や色の情報を各画素に記録した画像データ（状態データの一例）を生成する。画像撮像部２４０は、例えば、エリアカメラで構成される。画像撮像部２４０は、カラーカメラが好ましいが、グレースケールカメラでもよい。
【0036】
画像撮像部２４０は、図２に示すように、パレット１０の上方から天面１００を撮像する天面撮像部２４０Ａと、パレット１０の下方から地面１０１を撮像する地面撮像部２４０Ｂと、パレット１０の側方から側面１０２を撮像する側面撮像部２４０Ｃと、パレット１０に形成された凹部１０３の内部を撮像する内部撮像部２４０Ｄとを備える。なお、側面撮像部２４０Ｃは、４方向の側面１０２のうち少なくとも１方向の側面１０２を撮像するものであればよいが、４方向の側面１０２のそれぞれ撮像可能に構成されていてもよい。その場合、側面撮像部２４０Ｃは、複数のエリアカメラで構成されていてもよい。また、内部撮像部２４０Ｄは、複数の凹部１０３のうち少なくとも１つの凹部１０３を撮像するものでもよいが、複数の凹部１０３の全てを撮像可能に構成されるのが好ましい。その場合、内部撮像部２４０Ｄは、複数のエリアカメラで構成されていてもよい。
【0037】
画像撮像部２４０による画像データとして、天面撮像部２４０Ａによりパレット１０の天面１００を撮像した天面画像データと、地面撮像部２４０Ｂによりパレット１０の地面１０１を撮像した地面画像データと、側面撮像部２４０Ｃによりパレット１０の側面１０２を撮像した側面画像データと、内部撮像部２４０Ｄによりパレット１０に形成された凹部１０３の内部を撮像した内部画像データとがそれぞれ生成される。
【0038】
形状計測部２４１は、計測対象物であるパレット１０に対してレーザ光又はパターン光を照射し、パレット１０からの反射光を検出し、パレット１０の各位置までの距離を非接
触で計測することで、パレット１０の三次元形状（凹部１０３の内部も含む）を点群として記録した形状データ（状態データの一例）を生成する。形状計測部２４１は、三次元形状センサで構成される。三次元形状センサは、例えば、三角法方式、タイム・オブ・フライト方式、位相差方式（フェイズ・シフト）等の任意の計測方式を用いることができる。
触で計測することで、パレット１０の三次元形状（凹部１０３の内部も含む）を点群として記録した形状データ（状態データの一例）を生成する。形状計測部２４１は、三次元形状センサで構成される。三次元形状センサは、例えば、三角法方式、タイム・オブ・フライト方式、位相差方式（フェイズ・シフト）等の任意の計測方式を用いることができる。
【0039】
形状計測部２４１は、図２に示すように、パレット１０の上方から天面１００を計測する天面計測部２４１Ａと、パレット１０の下方から地面１０１を計測する地面計測部２４１Ｂと、パレット１０の側方から側面１０２を計測する側面計測部２４１Ｃと、パレット１０に形成された凹部１０３の内部を計測する内部計測部２４１Ｄとを備える。なお、側面計測部２４１Ｃは、４方向の側面１０２のうち少なくとも１方向の側面１０２を計測するものであればよいが、４方向の側面１０２のそれぞれ計測可能に構成されていてもよい。その場合、側面計測部２４１Ｃは、複数の三次元形状センサで構成されていてもよい。また、内部計測部２４１Ｄは、複数の凹部１０３のうち少なくとも１つの凹部１０３を計測するものでもよいが、複数の凹部１０３の全てを計測可能に構成されるのが好ましい。その場合、内部撮像部２４０Ｄは、複数の三次元形状センサで構成されていてもよい。
【0040】
形状計測部２４１による形状データとして、天面計測部２４１Ａによりパレット１０の天面１００を計測した天面形状データと、地面計測部２４１Ｂによりパレット１０の地面１０１を計測した地面形状データと、側面計測部２４１Ｃによりパレット１０の側面１０２を計測した側面形状データと、内部計測部２４１Ｄによりパレット１０に形成された凹部１０３の内部を計測した内部形状データとがそれぞれ生成される。
【0041】
なお、第１乃至第３の状態記録モジュール２４Ａ～２４Ｃの各々が備える画像撮像部２４０及び形状計測部２４１の構成は異なるものでもよい。また、画像撮像部２４０及び形状計測部２４１が設置される設置場所は適宜変更してもよい。例えば、第１の状態記録モジュール２４Ａの一部又は全部が、上流パレット取扱モジュール２２Ａのフレーム等に設置されていてもよいし、第３の状態記録モジュール２４Ｂの一部又は全部が、下流パレット取扱モジュール２２Ｂのフレーム等に設置されていてもよい。さらに、第１乃至第３の状態記録モジュール２４Ａ～２４Ｃの各々は、画像撮像部２４０及び形状計測部２４１の少なくとも一方を可動させるための可動機構（ロボットアーム等）を備えていてもよい。また、パレット処理装置２が、パレット１０の天地面を反転する反転モジュールを備える場合には、反転モジュールと組み合わせることで、天面撮像部２４０Ａ及び地面撮像部２４０Ｂのいずれかを備えるようにしてもよいし、天面計測部２４１Ａ及び地面計測部２４１Ｂのいずれかを備えるようにしてもよい。
【0042】
機械学習装置３は、機械学習の学習フェーズの主体として動作する装置である。機械学習装置３は、例えば、動作履歴データベース２７５に登録された各種の情報を学習用データ１１として取得し、その学習用データ１１に基づいて、情報処理装置４にて用いられる学習モデル１２を機械学習により生成する。学習済みの学習モデル１２は、ネットワーク６や記録媒体等を介して情報処理装置４に提供される。
【0043】
情報処理装置４は、機械学習の推論フェーズの主体として動作する装置である。情報処理装置４は、機械学習装置３により生成された学習モデル１２を用いて、洗浄処理前のパレット１０の状態を示すパレット情報に基づいて、パレット処理装置２がパレット１０に対して洗浄処理を行うときの洗浄条件を示す洗浄条件情報を生成する。その際、情報処理装置４は、パレット処理装置２から画像データや形状データを含むパレット情報を受信し、そのパレット情報に対してデータ処理を行うことにより、洗浄条件情報を生成する。情報処理装置４により生成された洗浄条件情報は、例えば、パレット処理装置２や作業者端末装置５に送信されて、その洗浄条件情報に従ってパレット処理装置２による洗浄処理が行われる。
【0044】
作業者端末装置５は、例えば、据置型コンピュータや携帯型コンピュータで構成され、パレット処理装置２の作業者により使用される。作業者端末装置５は、アプリケーションプログラム、ウェブブラウザ等のプログラムがインストールされて、各種の入力操作を受け付けるとともに、表示画面や音声を介して各種の情報を出力する。作業者端末装置５は、作業者がパレット処理装置２に対する作業指示やパレット処理装置２での作業内容等を入力したり、動作履歴データベース２７５の内容等を表示したりするときに使用される。
【0045】
図３は、パレット処理装置２の一例を示すブロック図である。制御モジュール２７は、各モジュール２１～２６と電気的に接続されて、各モジュール２１～２６を統括的に制御する制御部として機能する。
【0046】
制御モジュール２７は、組込型コンピュータで構成される。制御モジュール２７は、制御部２７０、通信部２７１、入力部２７２、出力部２７３、及び、記憶部２７４を備える。
【0047】
通信部２７１は、ネットワーク６に接続され、各種のデータを送受信する通信インターフェースとして機能する。入力部２７２は、各種の入力操作を受け付けるとともに、出力部２７３は、表示画面、シグナルタワー点灯、ブザー音を介して各種の情報を出力することで、作業者インターフェースとして機能する。
【0048】
記憶部２７４は、パレット処理装置２の動作で使用される各種のプログラム（オペレーティングシステム（ＯＳ）、アプリケーションプログラム、ウェブブラウザ等）やデータ（動作履歴データベース２７５等）を記憶する。
【0049】
制御部２７０は、上記の各モジュール２１～２６を連携して動作させることにより、パレット処理装置２全体として、上流載置台２０Ａに載置された使用済みのパレット１０に対し、識別子読取処理、処理前状態記録処理、メンテナンス処理、及び、処理後状態記録処理等を行い、再利用可能なパレット１０を下流載置台２０Ｂに搬出する。
【0050】
その際、制御部２７０は、各モジュール２１～２６から検出信号を受信するとともに、各モジュール２１～２６に命令信号を送信する。検出信号は、各モジュール２１～２６に設けられた各種のセンサの検出値を示す信号である。命令信号は、各モジュール２１～２６に設けられた各種のアクチュエータ（モータ、流体圧シリンダ等）への命令値を示す信号である。また、制御モジュール２７は、識別子読取モジュール２３から読取データを受信するとともに、第１乃至第３の状態記録モジュール２４Ａ～２４Ｃから画像データや形状データを受信し、記憶部２７４の動作履歴データベース２７５に登録する。
【0051】
なお、各モジュール２１～２６が、組込型コンピュータで構成される制御ユニットをそれぞれ備えて構成されてもよい。その場合には、制御モジュール２７が、各モジュール２１～２６の制御ユニットと連携することで、パレット処理装置２全体を制御してもよい。また、入力部２７２及び出力部２７３は、各モジュール２１～２６に分散して設置されてもよい。
【0052】
（動作履歴データベース２７５）
図４乃至図６は、動作履歴データベース２７５を構成する各テーブル２７５Ａ～２７５Ｊの一例を示すデータ構成図である。動作履歴データベース２７５には、パレット処理装置２が動作したときの各種の情報が分類されて登録される。その際、各種の情報は、識別子読取モジュール２３により読み取られたパレット１０毎のパレットＩＤにより関連付けられた状態で登録される。
図４乃至図６は、動作履歴データベース２７５を構成する各テーブル２７５Ａ～２７５Ｊの一例を示すデータ構成図である。動作履歴データベース２７５には、パレット処理装置２が動作したときの各種の情報が分類されて登録される。その際、各種の情報は、識別子読取モジュール２３により読み取られたパレット１０毎のパレットＩＤにより関連付けられた状態で登録される。
【0053】
本実施形態に係る動作履歴データベース２７５は、第１の状態記録テーブル２７５Ａと、第２の状態記録テーブル２７５Ｂと、第３の状態記録テーブル２７５Ｃと、水洗テーブル２７５Ｄと、遠心脱水テーブル２７５Ｅと、温風乾燥テーブル２７５Ｆと、バリ取りテーブル２７５Ｇと、付着物除去テーブル２７５Ｈと、イベント履歴テーブル２７５Ｉと、作業テーブル２７５Ｊとから構成される。なお、各テーブル２７５Ａ～２７５Ｊには、各種のデータが取得されたときの日時も合わせて登録されるが、図４乃至図６では、日時に関するフィールドを省略している。
【0054】
第１の状態記録テーブル２７５Ａの各レコードには、第１の状態記録モジュール２４Ａによる状態データとして、画像データ及び形状データが登録される。第１の状態記録テーブル２７５Ａに登録される画像データ及び形状データは、メンテナンス処理前（洗浄処理前、かつ、仕上げ処理前）のパレット１０が撮像又は計測されたものである。
【0055】
第２の状態記録テーブル２７５Ｂの各レコードには、第２の状態記録モジュール２４Ｂによる状態データとして、画像データ及び形状データが登録される。第２の状態記録テーブル２７５Ｂに登録される画像データ及び形状データは、洗浄処理後、かつ、仕上げ処理前のパレット１０が撮像又は計測されたものである。
【0056】
第３の状態記録テーブル２７５Ｃの各レコードには、第３の状態記録モジュール２４Ｃによる状態データとして、画像データ及び形状データが登録される。第３の状態記録テーブル２７５Ｃに登録される画像データ及び形状データは、メンテナンス処理後（洗浄処理後、かつ、仕上げ処理後）のパレット１０が撮像又は計測されたものである。
【0057】
水洗テーブル２７５Ｄの各レコードには、水洗モジュール２５０の動作状態が登録される。動作状態としては、例えば、水洗モジュール２５０の水洗条件（詳細は後述）が含まれる。水洗条件には、パレット１０の水洗時間、洗浄水の供給量、洗剤の供給量、洗剤の種類、区域毎の洗浄レベル等が含まれる。水洗モジュール２５０がブラシ洗浄モジュール２５０Ｂで構成される場合、ブラシの回転数、ブラシの押圧力、ブラシの移動速度等がさらに含まれる。また、水洗モジュール２５０がブラシ洗浄モジュール２５０Ｂで構成される場合、動作状態としては、ブラシの使用累積値（使用累積時間又は使用累積回数）が含まれる。
【0058】
遠心脱水テーブル２７５Ｅの各レコードには、脱水モジュール２５１の動作状態が登録される。動作状態としては、例えば、遠心脱水テーブル２７５Ｅの脱水条件が含まれる。脱水条件には、パレット１０の脱水時間、パレット１０の回転数等が含まれる。
【0059】
温風乾燥テーブル２７５Ｆの各レコードには、乾燥モジュール２５２の動作状態が登録される。動作状態としては、例えば、乾燥モジュール２５２の乾燥条件が含まれる。乾燥条件には、パレット１０の乾燥時間、温風の温度、温風の風量等が含まれる。
【0060】
バリ取りテーブル２７５Ｇの各レコードには、バリ取りモジュール２６０の動作状態が登録される。例えば、バリ取りモジュール２６０のバリ取り条件、研磨部材の使用累積値が含まれる。バリ取り条件には、研磨部材の回転数、研磨部材の押圧力、研磨部材の移動速度等が含まれる。
【0061】
付着物除去テーブル２７５Ｈの各レコードには、付着物除去モジュール２６１の動作状態が登録される。例えば、付着物除去モジュール２６１の付着物除去条件、研磨部材の使用累積値、吸着部材の使用累積値が含まれる。付着物除去条件には、研磨部材の回転数、研磨部材又は吸着部材の押圧力、研磨部材又は吸着部材の移動速度等が含まれる。
【0062】
イベント履歴テーブル２７５Ｉの各レコードには、パレット処理装置２で発生したイベントを特定するイベントＩＤ、パレットＩＤ、イベント内容が登録される。イベントＩＤは、パレット処理装置２にて発生したイベントを特定する情報である。パレットＩＤは、パレット処理装置２にて発生したイベントが特定のパレット１０に関連する場合に登録される。イベント内容は、イベントの詳細を特定する情報であり、例えば、異常停止のイベントが発生したときには、その異常停止の発生箇所等が含まれる。
【0063】
作業テーブル２７５Ｊの各レコードには、作業者を特定する作業者ＩＤ、パレットＩＤ、作業者による操作内容や作業内容が登録される。パレットＩＤは、作業者による作業や操作が特定のパレット１０に関連する場合に登録される。操作内容としては、作業者が、入力部２７２や作業者端末装置５を介して入力操作を行ったときに、その操作内容が登録される。入力操作としては、洗浄モジュール２５に対して洗浄条件（水洗条件、脱水条件、乾燥条件）を設定するための入力操作や仕上げモジュール２６に対して仕上げ条件（バリ取り条件、付着物除去条件）を設定するための入力操作等が挙げられる。作業内容としては、作業者が、例えば、洗剤の補充、ブラシの交換、研磨部材の交換、吸着部材の交換等の保全作業を行ったときに、その作業内容が登録される。また、作業内容としては、例えば、メンテナンス処理後のパレット１０に対して目視検査を行ったときに、その検査結果（合格／不合格）が登録される。目視検査は、洗浄処理後、かつ、仕上げ処理前に行われてもよいし、洗浄処理後、かつ、仕上げ処理後に行われてもよい。
【0064】
（各装置のハードウエア構成）
図７は、コンピュータ９００の一例を示すハードウエア構成図である。パレット再利用管理システム１の各装置２～５は、汎用又は専用のコンピュータ９００により構成される。
図７は、コンピュータ９００の一例を示すハードウエア構成図である。パレット再利用管理システム１の各装置２～５は、汎用又は専用のコンピュータ９００により構成される。
【0065】
コンピュータ９００は、図７に示すように、その主要な構成要素として、バス９１０、プロセッサ９１２、メモリ９１４、入力デバイス９１６、出力デバイス９１７、表示デバイス９１８、ストレージ装置９２０、通信Ｉ／Ｆ（インターフェース）部９２２、外部機器Ｉ／Ｆ部９２４、Ｉ／Ｏ（入出力）デバイスＩ／Ｆ部９２６、及び、メディア入出力部９２８を備える。なお、上記の構成要素は、コンピュータ９００が使用される用途に応じて適宜省略されてもよい。
【0066】
プロセッサ９１２は、１つ又は複数の演算処理装置（ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＭＰＵ（Ｍｉｃｒｏ－ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）、ＤＳＰ（ｄｉｇｉｔａｌ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｏｒ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等）で構成され、コンピュータ９００全体を統括する制御部として動作する。メモリ９１４は、各種のデータ及びプログラム９３０を記憶し、例えば、メインメモリとして機能する揮発性メモリ（ＤＲＡＭ、ＳＲＡＭ等）と、不揮発性メモリ（ＲＯＭ）、フラッシュメモリ等とで構成される。
【0067】
入力デバイス９１６は、例えば、キーボード、マウス、テンキー、電子ペン、マイク等で構成され、入力部として機能する。出力デバイス９１７は、例えば、音（音声）出力装置、バイブレーション装置等で構成され、出力部として機能する。表示デバイス９１８は、例えば、液晶ディスプレイ、有機ＥＬディスプレイ、電子ペーパー、プロジェクタ等で構成され、出力部として機能する。入力デバイス９１６及び表示デバイス９１８は、タッチパネルディスプレイのように、一体的に構成されていてもよい。ストレージ装置９２０は、例えば、ＨＤＤ、ＳＳＤ等で構成され、記憶部として機能する。ストレージ装置９２０は、オペレーティングシステムやプログラム９３０の実行に必要な各種のデータを記憶する。
【0068】
通信Ｉ／Ｆ部９２２は、インターネットやイントラネット等のネットワーク９４０（図１のネットワーク６と同じであってもよい）に有線又は無線により接続され、所定の通信規格に従って他のコンピュータとの間でデータの送受信を行う通信部として機能する。外部機器Ｉ／Ｆ部９２４は、カメラ、プリンタ、スキャナ、リーダライタ等の外部機器９５０に有線又は無線により接続され、所定の通信規格に従って外部機器９５０との間でデータの送受信を行う通信部として機能する。Ｉ／ＯデバイスＩ／Ｆ部９２６は、各種のセンサ、アクチュエータ等のＩ／Ｏデバイス９６０に接続され、Ｉ／Ｏデバイス９６０との間で、例えば、センサによる検出信号やアクチュエータへの制御信号等の各種の信号やデータの送受信を行う通信部として機能する。メディア入出力部９２８は、例えば、ＤＶＤドライブ、ＣＤドライブ等のドライブ装置で構成され、ＤＶＤ、ＣＤ等のメディア（非一時的な記憶媒体）９７０に対してデータの読み書きを行う。
【0069】
上記構成を有するコンピュータ９００において、プロセッサ９１２は、ストレージ装置９２０に記憶されたプログラム９３０をメモリ９１４に呼び出して実行し、バス９１０を介してコンピュータ９００の各部を制御する。なお、プログラム９３０は、ストレージ装置９２０に代えて、メモリ９１４に記憶されていてもよい。プログラム９３０は、インストール可能なファイル形式又は実行可能なファイル形式でメディア９７０に記録され、メディア入出力部９２８を介してコンピュータ９００に提供されてもよい。プログラム９３０は、通信Ｉ／Ｆ部９２２を介してネットワーク９４０経由でダウンロードすることによりコンピュータ９００に提供されてもよい。また、コンピュータ９００は、プロセッサ９１２がプログラム９３０を実行することで実現する各種の機能を、例えば、ＦＰＧＡ、ＡＳＩＣ等のハードウエアで実現するものでもよい。
【0070】
コンピュータ９００は、例えば、据置型コンピュータや携帯型コンピュータで構成され、任意の形態の電子機器である。コンピュータ９００は、クライアント型コンピュータでもよいし、サーバ型コンピュータやクラウド型コンピュータでもよいし、例えば、制御盤、コントローラ（マイコン、プログラマブルロジックコントローラ、シーケンサを含む）等と呼ばれる組込型コンピュータでもよい。
【0071】
（機械学習装置３）
図８は、第１の実施形態に係る機械学習装置３の一例を示すブロック図である。機械学習装置３は、制御部３０、通信部３１、学習用データ記憶部３２、及び、学習済みモデル記憶部３３を備える。
図８は、第１の実施形態に係る機械学習装置３の一例を示すブロック図である。機械学習装置３は、制御部３０、通信部３１、学習用データ記憶部３２、及び、学習済みモデル記憶部３３を備える。
【0072】
制御部３０は、学習用データ取得部３００及び機械学習部３０１として機能する。通信部３１は、ネットワーク６を介して外部装置と接続され、各種のデータを送受信する通信インターフェースとして機能する。
【0073】
学習用データ取得部３００は、通信部３１及びネットワーク６を介して外部装置（例えば、パレット処理装置２、作業者端末装置５等）と接続され、パレット情報と洗浄条件情報とで構成される学習用データ１１を取得する。学習用データ１１は、教師あり学習における教師データ（トレーニングデータ）、検証データ及びテストデータとして用いられるデータである。また、洗浄条件情報は、教師あり学習における正解ラベルとして用いられるデータである。
【0074】
学習用データ記憶部３２は、学習用データ取得部３００で取得した学習用データ１１を複数組記憶するデータベースである。なお、学習用データ記憶部３２を構成するデータベースの具体的な構成は適宜設計すればよい。
【0075】
機械学習部３０１は、学習用データ記憶部３２に記憶された複数組の学習用データ１１を用いて機械学習を実施する。すなわち、機械学習部３０１は、学習モデル１２に学習用データ１１を複数組入力し、学習用データ１１に含まれるパレット情報と洗浄条件情報との相関関係を学習モデル１２に学習させることで、学習済みの学習モデル１２を生成する。機械学習部３０１は、機械学習を実施する際、例えば、オンライン学習、バッチ学習、ミニバッチ学習等の任意の手法を採用することができる。なお、機械学習部３０１は、学習モデル１２に入力する入力データ（パレット情報）に対して所定の前処理を行うようにしてもよいし、学習モデル１２から出力される出力データ（洗浄条件情報）に対して所定の後処理を行うようにしてもよい。
【0076】
学習済みモデル記憶部３３は、機械学習部３０１により生成された学習済みの学習モデル１２（具体的には、調整済みの重みパラメータ群やアーキテクチャ）を記憶するデータベースである。学習済みモデル記憶部３３に記憶された学習済みの学習モデル１２は、ネットワーク６や記録媒体等を介して実システム（例えば、情報処理装置４）に提供される。なお、図８では、学習用データ記憶部３２と、学習済みモデル記憶部３３とが別々の記憶部として示されているが、これらは単一の記憶部で構成されてもよい。
【0077】
図９は、学習モデル１２及び学習用データ１１の一例を示す図である。学習モデル１２の機械学習に用いられる学習用データ１１は、洗浄処理前のパレット１０の状態を記録した状態データを含むパレット情報と、洗浄条件情報とで構成される。
【0078】
学習用データ１１の入力データを構成するパレット情報は、パレット処理装置２による洗浄処理前のパレット１０の外観を１又は複数の撮像方向から撮像した１又は複数の画像データ（状態データの一例）を含む。パレット情報は、上記の画像データとして、天面画像データ、地面画像データ、側面画像データ、及び、内部画像データのうち、少なくとも１つを含む。側面画像データは、４方向の側面１０２のそれぞれを撮像したものでもよいし、内部画像データは、複数の凹部１０３のそれぞれを撮像したものでもよい。本実施形態では、パレット情報に含まれる画像データは、洗浄処理前のパレット１０が、第１の状態記録モジュール２４Ａの画像撮像部２４０により撮像されたものである。
【0079】
また、パレット情報は、パレット処理装置２による洗浄処理前のパレット１０の形状を１又は複数の計測方向から計測した１又は複数の形状データ（状態データの一例）を含む。
【0080】
パレット情報は、上記の形状データとして、天面形状データ、地面形状データ、側面形状データ、及び、内部形状データのうち、少なくとも１つを含む。側面形状データは、４方向の側面１０２のそれぞれを計測したものでもよいし、内部形状データは、複数の凹部１０３のそれぞれを計測したものでもよい。本実施形態では、パレット情報に含まれる形状データは、洗浄処理前のパレット１０が、第１の状態記録モジュール２４Ａの形状計測部２４１により計測されたものである。
【0081】
学習用データ１１の出力データを構成する洗浄条件情報は、パレット処理装置２の洗浄モジュール２５がパレット１０に対して洗浄処理を行うときの洗浄条件を示す情報である。
【0082】
具体的には、洗浄条件情報は、水洗モジュール２５０がパレット１０を水洗するときの水洗条件と、脱水モジュール２５１がパレット１０を脱水するときの脱水条件と、乾燥モジュール２５２がパレット１０を乾燥するときの乾燥条件とのうち、少なくとも１つを含む。水洗モジュール２５０が水圧洗浄モジュール２５０Ａである場合には、水洗条件は、水圧洗浄モジュール２５０Ａがパレット１０を水洗するときの水圧洗浄条件である。水洗
モジュール２５０がブラシ洗浄モジュール２５０Ｂである場合には、水洗条件は、ブラシ洗浄モジュール２５０Ｂがパレット１０を水洗するときのブラシ洗浄条件である。なお、本実施形態では、洗浄条件情報は、図９に示すように、ブラシ洗浄条件、脱水条件、及び、乾燥条件を含む場合を中心に説明する。
モジュール２５０がブラシ洗浄モジュール２５０Ｂである場合には、水洗条件は、ブラシ洗浄モジュール２５０Ｂがパレット１０を水洗するときのブラシ洗浄条件である。なお、本実施形態では、洗浄条件情報は、図９に示すように、ブラシ洗浄条件、脱水条件、及び、乾燥条件を含む場合を中心に説明する。
【0083】
水圧洗浄条件は、水圧洗浄モジュール２５０Ａによるパレット１０の水洗時間、水圧洗浄モジュール２５０Ａが供給する洗浄水の供給量、水圧洗浄モジュール２５０Ａが洗浄水とともに供給する洗剤の供給量、水圧洗浄モジュール２５０Ａが洗浄水とともに供給する洗剤の種類、及び、パレット１０の範囲を複数の区域に区分したときの水圧洗浄モジュール２５０Ａによる区域毎の洗浄レベルのうち、少なくとも１つを含む。
【0084】
ブラシ洗浄条件は、ブラシ洗浄モジュール２５０Ｂによるパレット１０の水洗時間、ブラシ洗浄モジュール２５０Ｂが供給する洗浄水の供給量、ブラシ洗浄モジュール２５０Ｂが洗浄水とともに供給する洗剤の供給量、ブラシ洗浄モジュール２５０Ｂが洗浄水とともに供給する洗剤の種類、パレット１０の範囲を複数の区域に区分したときのブラシ洗浄モジュール２５０Ｂによる区域毎の洗浄レベル、ブラシ洗浄モジュール２５０Ｂによるブラシの回転数、ブラシ洗浄モジュール２５０Ｂによるブラシの押圧力、及び、ブラシ洗浄モジュール２５０Ｂがブラシを移動させるときのブラシの移動速度のうち、少なくとも１つを含む。
【0085】
水圧洗浄条件及びブラシ洗浄条件に含まれる洗浄レベルは、パレット１０を洗浄するときの強度が複数の段階（例えば、弱、中、強）で指定される。パレット１０の区域は、例えば、天面１００を縦方向に３等分、横方向に３等分のようにして、全体として９等分することで区分される。そのため、区域毎の洗浄レベルでは、各区域のうちのいずれの区域を強く洗浄するかが指定される。また、洗剤の種類は、アルカリ性、中性、酸性等により指定される。
【0086】
脱水条件は、脱水モジュール２５１によるパレット１０の脱水時間、及び、脱水モジュール２５１によるパレット１０の回転数のうち、少なくとも１つを含む。
【0087】
乾燥条件は、乾燥モジュール２５２によるパレット１０の乾燥時間、乾燥モジュール２５２による温風の温度、及び、乾燥モジュール２５２による温風の風量のうち、少なくとも１つを含む。
【0088】
学習用データ取得部３００は、動作履歴データベース２７５に登録された各種の情報を参照したり、作業者端末装置５から作業者の入力操作を受け付けたりすることにより、学習用データ１１を取得する。例えば、学習用データ取得部３００は、作業テーブル２７５Ｊにおいて、目視検査の検査結果として「合格」と登録されているパレットＩＤを抽出し、その抽出した特定のパレットＩＤに関連付けられた画像データ、形状データ、及び、洗浄条件情報を第１の状態記録テーブル２７５Ａ及び水洗テーブル２７５Ｄから取得することにより、学習用データ１１を取得する。
【0089】
学習モデル１２は、例えば、ニューラルネットワークの構造を採用したものであり、入力層１２０、中間層１２１、及び、出力層１２２を備える。各層の間には、各ニューロンをそれぞれ接続するシナプス（不図示）が張られており、各シナプスには、重みがそれぞれ対応付けられている。各シナプスの重みからなる重みパラメータ群が、機械学習により調整される。なお、学習モデル１２のアーキテクチャとして、ニューラルネットワークの層構造が機械学習により調整されてもよい。
【0090】
入力層１２０は、入力データとしてのパレット情報に対応する数のニューロンを有し、
パレット情報の各値が各ニューロンにそれぞれ入力される。出力層１２２は、出力データとしての洗浄条件情報に対応する数のニューロンを有し、パレット情報に対する洗浄条件情報の予測結果（推論結果）が、出力データとして出力される。
パレット情報の各値が各ニューロンにそれぞれ入力される。出力層１２２は、出力データとしての洗浄条件情報に対応する数のニューロンを有し、パレット情報に対する洗浄条件情報の予測結果（推論結果）が、出力データとして出力される。
【0091】
学習モデル１２として分類モデルを用いる場合には、洗浄条件情報に含まれるパラメータは、複数のクラスに対するスコア（確度）として、所定の範囲（例えば、０～１）に正規化された数値でそれぞれ出力される。例えば、水洗時間に対する複数のクラスが、「０％」、「２０％」、「４０％」、「６０％」、「８０％」、「１００％」で定義された場合には、クラス「１００％」のスコアが最も高いとき、水洗モジュール２５０に予め定められた最大の水洗時間に対応し、クラス「０％」のスコアが最も高いとき、水洗モジュール２５０にてパレット１０を水洗する処理をスキップすることに対応する。また、脱水時間及び乾燥時間についても水洗時間と同様に扱われる。
【0092】
学習モデル１２として回帰モデルを用いる場合には、洗浄条件情報に含まれるパラメータは、所定の範囲（例えば、０～１）に正規化された数値で出力される。例えば、水洗時間の出力値が「１」である場合には、水洗モジュール２５０に予め定められた最大の水洗時間に対応し、水洗時間の出力値が「０」であるとき、水洗モジュール２５０にてパレット１０を水洗する処理をスキップすることに対応する。また、脱水時間及び乾燥時間についても水洗時間と同様に扱われる。
【0093】
なお、本実施形態では、学習モデル１２及び学習用データ１１のデータ構成は、図９で示すように構成される場合について説明したが、例えば、機械学習の手法、パレット１０の種類、パレット処理装置２の構成、パレット情報に含まれるデータの種類、洗浄条件情報に含まれるデータの種類等のように、条件が異なる複数のデータ構成を採用してもよい。その場合には、学習用データ取得部３００は、条件が異なる複数のデータ構成にそれぞれ対応する複数種類の学習用データ１１を取得するとともに、機械学習部３０１は、それらの学習用データ１１をそれぞれ用いて機械学習を実施するようにすればよい。データの種類が異なる例として、パレット情報は、画像データだけを含むものでもよいし、形状データだけを含むものでもよい。
【0094】
（機械学習方法）
図１０は、第１の実施形態に係る機械学習装置３による機械学習方法の一例を示すフローチャートである。
図１０は、第１の実施形態に係る機械学習装置３による機械学習方法の一例を示すフローチャートである。
【0095】
まず、ステップＳ１００において、学習用データ取得部３００は、機械学習を開始するための事前準備として、所望の数の学習用データ１１を取得し、その取得した学習用データ１１を学習用データ記憶部３２に記憶する。ここで準備する学習用データ１１の数については、最終的に得られる学習モデル１２に求められる推論精度を考慮して設定すればよい。
【0096】
次に、ステップＳ１１０において、機械学習部３０１は、機械学習を開始すべく、学習前の学習モデル１２を準備する。ここで準備する学習前の学習モデル１２は、図９に例示したニューラルネットワークモデルで構成されており、各シナプスの重みが初期値に設定されている。
【0097】
次に、ステップＳ１２０において、機械学習部３０１は、学習用データ記憶部３２に記憶された複数組の学習用データ１１から、例えば、ランダムに１組の学習用データ１１を取得する。
【0098】
次に、ステップＳ１３０において、機械学習部３０１は、１組の学習用データ１１に含
まれるパレット情報（入力データ）を、準備された学習前（又は学習中）の学習モデル１２の入力層１２０に入力する。その結果、学習モデル１２の出力層１２２から推論結果として洗浄条件情報（出力データ）が出力されるが、当該出力データは、学習前（又は学習中）の学習モデル１２によって生成されたものである。そのため、学習前（又は学習中）の状態では、推論結果として出力された出力データは、学習用データ１１に含まれる洗浄条件情報（正解ラベル）とは異なる情報を示す。
まれるパレット情報（入力データ）を、準備された学習前（又は学習中）の学習モデル１２の入力層１２０に入力する。その結果、学習モデル１２の出力層１２２から推論結果として洗浄条件情報（出力データ）が出力されるが、当該出力データは、学習前（又は学習中）の学習モデル１２によって生成されたものである。そのため、学習前（又は学習中）の状態では、推論結果として出力された出力データは、学習用データ１１に含まれる洗浄条件情報（正解ラベル）とは異なる情報を示す。
【0099】
次に、ステップＳ１４０において、機械学習部３０１は、ステップＳ１２０において取得された１組の学習用データ１１に含まれる洗浄条件情報（正解ラベル）と、ステップＳ１３０において出力層１２２から推論結果として出力された洗浄条件情報（出力データ）とを比較し、各シナプスの重みを調整する処理（バックプロパゲーション）を実施することで、機械学習を実施する。これにより、機械学習部３０１は、パレット情報と洗浄条件情報との相関関係を学習モデル１２に学習させる。
【0100】
次に、ステップＳ１５０において、機械学習部３０１は、所定の学習終了条件が満たされたか否かを、例えば、学習用データ１１に含まれる洗浄条件情報（正解ラベル）と、推論結果として出力された洗浄条件情報（出力データ）とに基づく誤差関数の評価値や、学習用データ記憶部３２内に記憶された未学習の学習用データ１１の残数に基づいて判定する。
【0101】
ステップＳ１５０において、機械学習部３０１が、学習終了条件が満たされておらず、機械学習を継続すると判定した場合（ステップＳ１５０でＮｏ）、ステップＳ１２０に戻り、学習中の学習モデル１２に対してステップＳ１２０～Ｓ１４０の工程を未学習の学習用データ１１を用いて複数回実施する。一方、ステップＳ１５０において、機械学習部３０１が、学習終了条件が満たされて、機械学習を終了すると判定した場合（ステップＳ１５０でＹｅｓ）、ステップＳ１６０に進む。
【0102】
そして、ステップＳ１６０において、機械学習部３０１は、各シナプスに対応付けられた重みを調整することで生成された学習済みの学習モデル１２（調整済みの重みパラメータ群やアーキテクチャ）を学習済みモデル記憶部３３に記憶し、図１０に示す一連の機械学習方法を終了する。機械学習方法において、ステップＳ１００が学習用データ記憶工程、ステップＳ１１０～Ｓ１５０が機械学習工程、ステップＳ１６０が学習済みモデル記憶工程に相当する。
【0103】
以上のように、本実施形態に係る情報処理装置４及び情報処理方法によれば、パレット処理装置２による洗浄処理前のパレット１０の外観を撮像した画像データ、及び、パレット１０の形状を計測した形状データを含むパレット情報から、当該パレット情報に対する洗浄条件情報を予測（推論）することが可能な学習モデル１２を提供することができる。
【0104】
（情報処理装置４）
図１１は、第１の実施形態に係る情報処理装置４の一例を示すブロック図である。図１２は、第１の実施形態に係る情報処理装置４の一例を示す機能説明図である。情報処理装置４は、制御部４０、通信部４１、及び、学習済みモデル記憶部４２を備える。
図１１は、第１の実施形態に係る情報処理装置４の一例を示すブロック図である。図１２は、第１の実施形態に係る情報処理装置４の一例を示す機能説明図である。情報処理装置４は、制御部４０、通信部４１、及び、学習済みモデル記憶部４２を備える。
【0105】
制御部４０は、情報取得部４００、情報生成部４０１及び出力処理部４０２として機能する。通信部４１は、ネットワーク６を介して外部装置と接続され、各種のデータを送受信する通信インターフェースとして機能する。
【0106】
情報取得部４００は、通信部４１及びネットワーク６を介して外部装置（例えば、パレット処理装置２等）と接続され、パレット処理装置２による洗浄処理前のパレット１０の
外観を撮像した画像データを少なくとも含むパレット情報を取得する。その際、パレット情報は、パレット処理装置２による洗浄処理前のパレット１０の形状を計測した形状データをさらに含むものでもよい。情報取得部４００は、学習モデル１２における入力データのデータ構成に合わせてパレット情報を取得する。
外観を撮像した画像データを少なくとも含むパレット情報を取得する。その際、パレット情報は、パレット処理装置２による洗浄処理前のパレット１０の形状を計測した形状データをさらに含むものでもよい。情報取得部４００は、学習モデル１２における入力データのデータ構成に合わせてパレット情報を取得する。
【0107】
例えば、情報取得部４００は、図１１に示すように、第１の状態記録モジュール２４Ａから、洗浄処理前のパレット１０の外観が画像撮像部２４０により撮像された画像データとして、天面画像データ、地面画像データ、側面画像データ及び内部画像データを取得するとともに、洗浄処理前のパレット１０の形状が形状計測部２４１により計測された形状データとして、天面形状データと、地面形状データ、側面形状データ、内部形状データを取得する。これにより、情報取得部４００は、画像データ及び形状データを含むパレット情報を取得する。
【0108】
その際、情報取得部４００は、パレット情報をパレット処理装置２の制御モジュール２７を介して取得（受信）してもよいし、第１の状態記録モジュール２４Ａから直接取得（受信）してもよい。また、情報取得部４００は、動作履歴データベース２７５の第１の状態記録テーブル２７５Ａに登録された画像データ及び形状データを参照することで、パレット情報を取得してもよい。
【0109】
情報生成部４０１は、上記のように、情報取得部４００により取得されたパレット情報に対してデータ処理を行うことにより、パレット処理装置２がパレット１０に対して洗浄処理を行うときの洗浄条件を示す洗浄条件情報を生成する。
【0110】
本実施形態では、情報生成部４０１は、情報取得部４００により取得されたパレット情報を入力データとして学習モデル１２に入力することで、当該パレット情報に対する洗浄条件情報を生成する。なお、情報生成部４０１は、学習モデル１２に入力する入力データ（パレット情報）に対して所定の前処理を行うようにしてもよいし、学習モデル１２から出力される出力データ（洗浄条件情報）に対して所定の後処理を行うようにしてもよい。
【0111】
学習済みモデル記憶部４２は、情報生成部４０１にて用いられる学習済みの学習モデル１２を記憶するデータベースである。なお、学習済みモデル記憶部４２に記憶される学習モデル１２の数は上記の例に限定されず、例えば、機械学習の手法、パレット１０の種類、パレット処理装置２の構成、パレット情報に含まれるデータの種類、洗浄条件情報に含まれるデータの種類等のように、条件が異なる複数の学習済みモデルが記憶され、選択的又は並列的に利用可能としてもよい。データの種類が異なる例として、パレット情報は、画像データだけを含むものでもよいし、形状データだけを含むものでもよい。また、学習済みモデル記憶部４２は、外部コンピュータ（例えば、サーバ型コンピュータやクラウド型コンピュータ）の記憶部で代用されてもよく、その場合には、情報生成部４０１は、当該外部コンピュータにアクセスすればよい。
【0112】
出力処理部４０２は、情報生成部４０１により生成された洗浄条件情報を出力するための出力処理を行う。
【0113】
例えば、出力処理部４０２は、洗浄条件情報をパレット処理装置２に送信することで、パレット処理装置２は、その洗浄条件情報に従って、その洗浄条件情報を生成したときのパレット情報が取得されたパレット１０に対して洗浄処理を行う。具体的には、水洗モジュール２５０が水圧洗浄モジュール２５０Ａであり、洗浄条件情報として、水圧洗浄条件が含まれている場合には、水圧洗浄モジュール２５０Ａは、その水圧洗浄条件に従ってパレット１０を水洗する。水洗モジュール２５０が、図１２に示すように、ブラシ洗浄モジュール２５０Ｂであり、洗浄条件情報として、ブラシ洗浄条件が含まれている場合には、
ブラシ洗浄モジュール２５０Ｂは、そのブラシ洗浄条件に従ってパレット１０を水洗する。洗浄条件情報として、脱水条件が含まれている場合には、脱水モジュール２５１は、その脱水条件に従ってパレット１０を脱水する。洗浄条件情報として、乾燥条件が含まれている場合には、乾燥モジュール２５２は、その乾燥条件に従ってパレット１０を乾燥する。なお、出力処理部４０２は、洗浄条件情報を作業者端末装置５に送信することで、作業者端末装置５は、その洗浄条件情報に基づく表示画面を出力するようにしてもよい。
ブラシ洗浄モジュール２５０Ｂは、そのブラシ洗浄条件に従ってパレット１０を水洗する。洗浄条件情報として、脱水条件が含まれている場合には、脱水モジュール２５１は、その脱水条件に従ってパレット１０を脱水する。洗浄条件情報として、乾燥条件が含まれている場合には、乾燥モジュール２５２は、その乾燥条件に従ってパレット１０を乾燥する。なお、出力処理部４０２は、洗浄条件情報を作業者端末装置５に送信することで、作業者端末装置５は、その洗浄条件情報に基づく表示画面を出力するようにしてもよい。
【0114】
（情報処理方法）
図１３は、第１の実施形態に係る情報処理装置４による情報処理方法の一例を示すフローチャートである。以下では、上流載置台２０Ａに置かれたメンテナンス処理前（洗浄処理前、かつ、仕上げ処理前）のパレット積層体１０Ａが搬送モジュール２１により上流パレット取扱モジュール２２Ａに搬入されてから、下流パレット取扱モジュール２２Ｂによりメンテナンス処理後（洗浄処理後、かつ、仕上げ処理後）のパレット積層体１０Ａとして積み重ねられて下流載置台２０Ｂに搬出されるまでの各モジュールの動作について説明する。
図１３は、第１の実施形態に係る情報処理装置４による情報処理方法の一例を示すフローチャートである。以下では、上流載置台２０Ａに置かれたメンテナンス処理前（洗浄処理前、かつ、仕上げ処理前）のパレット積層体１０Ａが搬送モジュール２１により上流パレット取扱モジュール２２Ａに搬入されてから、下流パレット取扱モジュール２２Ｂによりメンテナンス処理後（洗浄処理後、かつ、仕上げ処理後）のパレット積層体１０Ａとして積み重ねられて下流載置台２０Ｂに搬出されるまでの各モジュールの動作について説明する。
【0115】
まず、ステップＳ２００において、上流パレット取扱モジュール２２Ａが、段ばらし動作を行うことにより、パレット積層体１０Ａからメンテナンス処理前（洗浄処理前、かつ、仕上げ処理前）の１枚のパレット１０を取り出す。
【0116】
次に、ステップＳ２１０において、メンテナンス処理前のパレット１０が搬送されて、識別子読取モジュール２３に到達すると、識別子読取モジュール２３は、そのパレット１０の識別部材１０４からパレットＩＤを読み取る。そして、そのパレットＩＤの読取データを制御モジュール２７に送信すると、制御モジュール２７は、記憶部２７４に一時記憶する。
【0117】
次に、ステップＳ２２０において、メンテナンス処理前のパレット１０が搬送されて、第１の状態記録モジュール２４Ａに到達すると、第１の状態記録モジュール２４Ａの画像撮像部２４０（２４０Ａ～２４０Ｄ）は、そのパレット１０の外観を撮像し、画像データ（天面画像データ、地面画像データ、側面画像データ、内部画像データ）を取得する。また、第１の状態記録モジュール２４Ａの形状計測部２４１（２４１Ａ～２４１Ｄ）は、そのパレット１０の形状を計測し、形状データ（天面形状データ、地面形状データ、側面形状データ、内部形状データ）を取得する。
【0118】
そして、第１の状態記録モジュール２４Ａは、その画像データ及び形状データを制御モジュール２７に送信すると、制御モジュール２７は、その画像データ及び形状データをステップＳ２００で一時記憶したパレットＩＤに関連付けて、動作履歴データベース２７５に登録する。続けて、制御モジュール２７は、その画像データ及び形状データを含むパレット情報を情報処理装置４に送信する。
【0119】
次に、ステップＳ２３０において、情報処理装置４の情報取得部４００は、ステップＳ２２０にて送信されたパレット情報を受信（取得）する。
【0120】
次に、ステップＳ２３１において、情報生成部４０１は、ステップＳ２３０にて取得されたパレット情報を入力データとして学習モデル１２に入力することで、当該パレット情報に対する洗浄条件情報を出力データとして生成する。
【0121】
次に、ステップＳ２３２において、出力処理部４０２は、ステップＳ２３１にて生成された洗浄条件情報を出力するための出力処理として、その洗浄条件情報をパレット処理装置２に送信する。
【0122】
次に、ステップＳ２４０において、パレット処理装置２の制御モジュール２７が、ステップＳ２３２にて送信された洗浄条件情報を受信すると、その洗浄条件情報を洗浄モジュール２５に送信することで、洗浄モジュール２５が搬送中のパレット１０に対して洗浄処理を行うときの洗浄条件を設定する。
【0123】
次に、ステップＳ２５０において、メンテナンス処理前のパレット１０が搬送されて、洗浄モジュール２５に到達すると、洗浄モジュール２５は、ステップＳ２４０にて設定された洗浄条件に従って、そのパレット１０に対して洗浄処理（ブラシ洗浄による水洗、遠心脱水、温風乾燥）を行う。そのときの洗浄条件（水洗条件、脱水条件、乾燥条件）は、動作履歴データベース２７５に登録される。
【0124】
次に、ステップＳ２６０において、洗浄処理後、かつ、仕上げ処理前のパレット１０が搬送されて、第２の状態記録モジュール２４Ｂに到達すると、第２の状態記録モジュール２４Ｂの画像撮像部２４０（２４０Ａ～２４０Ｄ）は、そのパレット１０の外観を撮像し、画像データ（天面画像データ、地面画像データ、側面画像データ、内部画像データ）を取得する。また、第２の状態記録モジュール２４Ｂの形状計測部２４１（２４１Ａ～２４１Ｄ）は、そのパレット１０の形状を計測し、形状データ（天面形状データ、地面形状データ、側面形状データ、内部形状データ）を取得する。
【0125】
そして、第２の状態記録モジュール２４Ｂは、その画像データ及び形状データを制御モジュール２７に送信すると、制御モジュール２７は、その画像データ及び形状データをステップＳ２００で一時記憶したパレットＩＤに関連付けて、動作履歴データベース２７５に登録する。
【0126】
次に、ステップＳ２７０において、洗浄処理後、かつ、仕上げ処理前のパレット１０が搬送されて、仕上げモジュール２６に到達すると、仕上げモジュール２６は、そのパレット１０に対して仕上げ処理（バリ取り、付着物除去）を行う。そのときの仕上げ条件（バリ取り条件、付着物除去条件）は、動作履歴データベース２７５に登録される。
【0127】
次に、ステップＳ２８０において、メンテナンス処理後（洗浄処理後、かつ、仕上げ処理後）のパレット１０が搬送されて、第３の状態記録モジュール２４Ｃに到達すると、第３の状態記録モジュール２４Ｃの画像撮像部２４０（２４０Ａ～２４０Ｄ）は、仕上げ処理が行われた後のパレット１０の外観を撮像し、画像データ（天面画像データ、地面画像データ、側面画像データ、内部画像データ）を取得する。また、第３の状態記録モジュール２４Ｃの形状計測部２４１（２４１Ａ～２４１Ｄ）は、仕上げ処理が行われた後のパレット１０の形状を計測し、形状データ（天面形状データ、地面形状データ、側面形状データ、内部形状データ）を取得する。
【0128】
そして、第３の状態記録モジュール２４Ｃは、その画像データ及び形状データを制御モジュール２７に送信すると、制御モジュール２７は、その画像データ及び形状データをステップＳ２００で一時記憶したパレットＩＤに関連付けて、動作履歴データベース２７５に登録する。
【0129】
次に、ステップＳ２９０において、メンテナンス処理後のパレット１０が搬送されて、下流パレット取扱モジュール２２Ｂに到達すると、下流パレット取扱モジュール２２Ｂは、段積み動作を行うことにより、そのパレット１０をパレット積層体１０Ａとして積み重ねる。なお、規定の段数まで積み重ねられたパレット積層体１０Ａは、搬送モジュール２１により下流載置台２０Ｂに搬出される。
【0130】
上記の一連の動作が、パレット積層体１０Ａから順次取り出される各パレット１０に対してそれぞれ行われる。なお、上記の一連の動作のうち、ステップＳ２３０が情報取得工程、ステップＳ２３１が情報生成工程、ステップＳ２３２が出力処理工程に相当する。
【0131】
以上のように、本実施形態に係る情報処理装置４及び情報処理方法によれば、洗浄処理前のパレット１０の状態を記録した状態データ（本実施形態では、画像データ及び形状データ）を含むパレット情報を学習モデル１２に入力することで、その洗浄処理前のパレット１０に対する洗浄条件情報が生成される。したがって、パレット処理装置２は、パレット１０に対する洗浄処理を適切に実施することができる。
【0132】
（第２の実施形態）
第２の実施形態は、学習モデル１２が、第１の学習モデル１２Ａと、第２の学習モデル１２Ｂとで構成される点で第１の実施形態と相違する。以下では、第２の実施形態に係る機械学習装置３ａ及び情報処理装置４ａについて、第１の実施形態と異なる部分を中心に説明する。
第２の実施形態は、学習モデル１２が、第１の学習モデル１２Ａと、第２の学習モデル１２Ｂとで構成される点で第１の実施形態と相違する。以下では、第２の実施形態に係る機械学習装置３ａ及び情報処理装置４ａについて、第１の実施形態と異なる部分を中心に説明する。
【0133】
図１４は、第２の実施形態に係る機械学習装置３ａの一例を示すブロック図である。図１５は、第１の学習モデル１２Ａ及び第１の学習用データ１１Ａの一例を示す図である。図１６は、第２の学習モデル１２Ｂ及び第２の学習用データ１１Ｂの一例を示す図である。
【0134】
学習モデル１２は、第１の学習モデル１２Ａ（図１５）と、第２の学習モデル１２Ｂ（図１６）とで構成される。第１の学習モデル１２Ａの機械学習に用いられる第１の学習用データ１１Ａは、図１５に示すように、入力データとしてのパレット情報と、出力データとしての汚れ情報とで構成される。第２の学習モデル１２Ｂの機械学習に用いられる第２の学習用データ１１Ｂは、図１６に示すように、入力データとしての汚れ情報と、出力データとしての洗浄条件情報とで構成される。
【0135】
汚れ情報は、洗浄処理前のパレット１０の汚れを示す情報である。汚れ情報は、汚れの程度、汚れの種類、汚れの場所、汚れの範囲、及び、汚れの濃淡のうち、少なくとも１つを含む。
【0136】
汚れの程度は、パレット１０全体としての汚れのレベルや度合いを示すものであり、複数の段階（例えば、軽度、中度、重度等）で指定される。汚れの種類は、砂、土、埃、油、インク、接着剤、テープ、シール、異物（瓶、缶、石等）の挟み込み等により分類されて特定される。汚れの場所は、汚れが付着した位置を、例えば、パレット１０の天面１００、地面１０１、側面１０２、及び、凹部１０３のそれぞれにおける位置座標等で特定される。汚れの範囲は、汚れの場所が特定されたときに、例えば、その場所を中心として汚れが付着した範囲を、例えば、面積値や面積比により特定される。汚れの濃淡は、例えば、油等の汚れの付着量の多少（厚薄）を示すものであり、複数の段階（例えば、少、中、多等）で指定される。パレット１０に複数の汚れが付着していることを示す場合には、それぞれの汚れに対して、種類、場所、範囲、及び、濃淡が特定される。
【0137】
なお、第１の学習用データ１１Ａを構成するパレット情報は、学習用データ１１を構成するパレット情報と同様であるため、説明を省略する。また、第２の学習用データ１１Ｂを構成する洗浄条件情報は、学習用データ１１を構成する洗浄条件情報と同様であるため、説明を省略する。
【0138】
学習用データ取得部３００は、動作履歴データベース２７５を参照するとともに、必要に応じて作業者端末装置５による作業者の入力操作を受け付けることで、パレット情報と
汚れ情報とで構成される第１の学習用データ１１Ａと、汚れ情報と洗浄条件情報とで構成される第２の学習用データ１１Ｂとを取得する。汚れ情報は、例えば、作業者が、パレット１０を目視確認したときの確認結果が作業者端末装置５を介して入力されたものでもよいし、画像データや形状データを作業者端末装置５の表示画面に表示し、作業者がその表示画面を確認することで入力されたものでもよい。
汚れ情報とで構成される第１の学習用データ１１Ａと、汚れ情報と洗浄条件情報とで構成される第２の学習用データ１１Ｂとを取得する。汚れ情報は、例えば、作業者が、パレット１０を目視確認したときの確認結果が作業者端末装置５を介して入力されたものでもよいし、画像データや形状データを作業者端末装置５の表示画面に表示し、作業者がその表示画面を確認することで入力されたものでもよい。
【0139】
機械学習部３０１は、第１の学習モデル１２Ａに第１の学習用データ１１Ａをそれぞれ複数組入力し、第１の学習用データ１１Ａに含まれるパレット情報と汚れ情報との相関関係を第１の学習モデル１２Ａに学習させることで、学習済みの第１の学習モデル１２Ａを生成する。また、機械学習部３０１は、第２の学習モデル１２Ｂに第２の学習用データ１１Ｂをそれぞれ複数組入力し、第２の学習用データ１１Ｂに含まれる汚れ情報と洗浄条件情報との相関関係を第２の学習モデル１２Ｂに学習させることで、学習済みの第２の学習モデル１２Ｂを生成する。
【0140】
【0141】
情報取得部４００は、第１の実施形態と同様に、洗浄処理前のパレット１０のパレット情報を取得する。
【0142】
情報生成部４０１は、上記のように、情報取得部４００により取得されたパレット情報に対して第１のデータ処理を行うことにより、パレット１０の汚れを示す汚れ情報を生成し、その生成した汚れ情報に対して第２のデータ処理を行うことにより、パレット処理装置２がパレット１０に対して洗浄処理を行うときの洗浄条件を示す洗浄条件情報を生成する。
【0143】
本実施形態では、情報生成部４０１は、第１のデータ処理として、情報取得部４００により取得されたパレット情報を入力データとして第１の学習モデル１２Ａに入力することで、当該パレット情報に対する汚れ情報を生成する。また、情報生成部４０１は、第２のデータ処理として、第１のデータ処理で生成した汚れ情報を入力データとして第２の学習モデル１２Ｂに入力することで、当該汚れ情報に対する洗浄条件情報を生成する。なお、情報生成部４０１は、第１の学習モデル１２Ａに入力する入力データ（パレット情報）に対して所定の前処理を行うようにしてもよいし、第２の学習モデル１２Ｂから出力される出力データ（洗浄条件情報）に対して所定の後処理を行うようにしてもよい。
【0144】
以上のように、本実施形態に係る情報処理装置４ａ及び情報処理方法によれば、洗浄処理前のパレット１０の状態を示すパレット情報を学習モデル１２（第１及び第２の学習モデル１２Ａ、１２Ｂ）に入力することで、その洗浄処理前のパレット１０に対する洗浄条件情報が生成される。したがって、パレット処理装置２は、パレット１０に対する洗浄処理を適切に実施することができる。
【0145】
（他の実施形態）
本発明は上述した実施形態に制約されるものではなく、本発明の主旨を逸脱しない範囲内で種々変更して実施することが可能である。そして、それらはすべて、本発明の技術思想に含まれるものである。
本発明は上述した実施形態に制約されるものではなく、本発明の主旨を逸脱しない範囲内で種々変更して実施することが可能である。そして、それらはすべて、本発明の技術思想に含まれるものである。
【0146】
上記実施形態では、パレット処理装置２は、搬送モジュール２１の搬送方向２１０に沿って、複数のモジュールを備えるものとして説明したが、これに限られない。パレット処理装置２におけるモジュールの並び順は適宜入れ替えてもよいし、一部のモジュールが省略されてもよいし、他のモジュールが追加されてもよい。例えば、パレット処理装置２は
、第２の状態記録モジュール２４Ｂ、仕上げモジュール２６、及び、第３の状態記録モジュール２４Ｃのうち、一部又は全てのモジュールを備えずに省略されたものでもよい。
、第２の状態記録モジュール２４Ｂ、仕上げモジュール２６、及び、第３の状態記録モジュール２４Ｃのうち、一部又は全てのモジュールを備えずに省略されたものでもよい。
【0147】
上記実施形態では、機械学習装置３、３ａ及び情報処理装置４、４ａは、別々の装置で構成されたものとして説明したが、それら２つの装置が、単一の装置で構成されていてもよい。また、機械学習装置３、３ａ及び情報処理装置４、４ａの少なくとも一方は、パレット処理装置２（例えば、制御モジュール２７）又は作業者端末装置５に組み込まれていてもよい。
【0148】
上記実施形態では、パレット再利用管理システム１は、パレット処理装置２、機械学習装置３及び情報処理装置４で構成される場合について説明した。その際、各装置２～４は、特定の管理者により管理されていてもよいし、そうでなくてもよい。また、各装置２～４は、特定の工場に設置されていてもよいし、そうでなくてもよい。第１の例として、機械学習装置３が、パレット処理装置２の製造メーカにより管理されて、情報処理装置４が、パレット処理装置２の装置ユーザにより管理されていてもよい。第２の例として、機械学習装置３及び情報処理装置４が、パレット処理装置２の製造メーカにより管理されていてもよい。その際、学習用データ１１は、製造メーカの試験工場に設置されたパレット処理装置２から取得されてもよいし、それに代えて又は加えて装置ユーザの実工場に設置されたパレット処理装置２から取得されてもよい。
【0149】
上記実施形態では、学習用データ取得部３００は、動作履歴データベース２７５から学習用データ１１を取得する場合について説明したが、他の手法を採用してもよい。例えば、パレット処理装置２の動作を模擬した試験装置やシミュレーション装置により、様々な汚れが付着したパレット１０に対して様々な洗浄条件にて洗浄処理を行い、その試験結果やシミュレーション結果を試験データベースやシミュレーションデータベースに蓄積する。そして、学習用データ取得部３００は、試験データベースやシミュレーションデータベースから学習用データ１１を取得してもよい。また、学習用データ取得部３００は、動作履歴データベース２７５、試験データベース、及び、シミュレーションデータベースを任意に組み合わせて、学習用データ１１を取得してもよい。
【0150】
上記実施形態では、機械学習部３０１による機械学習を実現する学習モデル１２として、ニューラルネットワークを採用した場合について説明したが、他の機械学習のモデルを採用してもよい。他の機械学習のモデルとしては、例えば、決定木、回帰木等のツリー型、バギング、ブースティング等のアンサンブル学習、再帰型ニューラルネットワーク、畳み込みニューラルネットワーク、ＬＳＴＭ等のニューラルネット型(ディープラーニング
を含む)、階層型クラスタリング、非階層型クラスタリング、ｋ近傍法、ｋ平均法等のク
ラスタリング型、主成分分析、因子分析、ロジスティク回帰等の多変量解析、サポートベクターマシン等が挙げられる。
を含む)、階層型クラスタリング、非階層型クラスタリング、ｋ近傍法、ｋ平均法等のク
ラスタリング型、主成分分析、因子分析、ロジスティク回帰等の多変量解析、サポートベクターマシン等が挙げられる。
【0151】
上記第１の実施形態では、情報処理装置４、４ａの情報生成部４０１は、情報取得部４００により取得されたパレット情報に基づいて洗浄条件情報を生成する際、学習済みの学習モデル１２を用いる場合について説明したが、他の手法を採用してもよい。また、上記第２の実施形態では、情報生成部４０１は、パレット情報に基づいて汚れ情報を生成する際、学習済みの第１の学習モデル１２Ａを用いる場合について説明したが、他の手法を採用してもよい。他の手法としては、例えば、画像データに対して２次元画像処理を適用した処理手法や形状データに対して３次元画像処理を適用した処理手法が挙げられる。例えば、情報生成部４０１は、パレット情報に含まれる画像データに対して２次元画像処理を行うことにより、その２次元画像処理の処理結果に基づいて洗浄条件情報や汚れ情報を生成してもよい。また、パレット情報に形状データが含まれる場合には、情報生成部４０１は、パレット情報に含まれる形状データに対して３次元画像処理を行うことにより、２次
元画像処理及び３次元画像処理の処理結果に基づいて洗浄条件情報や汚れ情報を生成してもよい。２次元画像処理結果及び３次元画像処理として、例えば、エッジ処理、二値化処理、鮮鋭化処理、平滑化処理、パターンマッチング処理等を適宜組み合わせて行うことができる。
元画像処理及び３次元画像処理の処理結果に基づいて洗浄条件情報や汚れ情報を生成してもよい。２次元画像処理結果及び３次元画像処理として、例えば、エッジ処理、二値化処理、鮮鋭化処理、平滑化処理、パターンマッチング処理等を適宜組み合わせて行うことができる。
【0152】
上記第２の実施形態では、情報生成部４０１は、汚れ情報に基づいて洗浄条件情報を生成する際、学習済みの第２の学習モデル１２Ｂを用いる場合について説明したが、他の手法を採用してもよい。他の手法としては、例えば、汚れ情報に対してルールベースを適用した処理手法が挙げられる。例えば、情報生成部４０１は、汚れ情報に含まれる汚れの程度が軽度、中度、重度と上がるにつれて、例えば、水洗時間を長く、かつ、洗浄水の供給量を多くするように設定した洗浄条件情報を生成する。情報生成部４０１は、汚れ情報に含まれる汚れの種類が油の場合には、洗剤の種類をアルカリ性に設定した洗浄条件情報を生成する。情報生成部４０１は、汚れ情報に含まれる汚れの場所及び範囲が地面１０１の中央付近を示す場合には、区域毎の洗浄レベルとして、地面１０１の中央付近を含む区域の洗浄レベルを「強」に設定した洗浄条件情報を生成する。
【0153】
（機械学習プログラム及び情報処理プログラム）
本発明は、機械学習装置３、３ａが備える各部としてコンピュータ９００を機能させるプログラム（機械学習プログラム）や、機械学習方法が備える各工程をコンピュータ９００に実行させるためのプログラム（機械学習プログラム）の態様で提供することもできる。また、本発明は、情報処理装置４、４ａが備える各部としてコンピュータ９００を機能させるためのプログラム（情報処理プログラム）や、上記実施形態に係る情報処理方法が備える各工程をコンピュータ９００に実行させるためのプログラム（情報処理プログラム）の態様で提供することもできる。
本発明は、機械学習装置３、３ａが備える各部としてコンピュータ９００を機能させるプログラム（機械学習プログラム）や、機械学習方法が備える各工程をコンピュータ９００に実行させるためのプログラム（機械学習プログラム）の態様で提供することもできる。また、本発明は、情報処理装置４、４ａが備える各部としてコンピュータ９００を機能させるためのプログラム（情報処理プログラム）や、上記実施形態に係る情報処理方法が備える各工程をコンピュータ９００に実行させるためのプログラム（情報処理プログラム）の態様で提供することもできる。
【0154】
（推論装置、推論方法及び推論プログラム）
本発明は、上記実施形態に係る情報処理装置４、４ａ（情報処理方法又は情報処理プログラム）の態様によるもののみならず、洗浄条件情報や汚れ情報を推論するために用いられる推論装置（推論方法又は推論プログラム）の態様で提供することもできる。その場合、推論装置（推論方法又は推論プログラム）としては、メモリと、プロセッサとを含み、このうちのプロセッサが、一連の処理を実行するものとすることができる。当該一連の処理とは、洗浄処理前のパレット１０の外観を１又は複数の撮像方向から撮像した１又は複数の画像データを少なくとも含むパレット情報を取得する情報取得処理（情報取得工程）と、情報取得処理にてパレット情報を取得すると、当該パレット情報に対する洗浄条件情報を推論する推論処理（推論工程）とを含む。また、当該一連の処理とは、洗浄処理前のパレット１０の外観を１又は複数の撮像方向から撮像した１又は複数の画像データを含むパレット情報を取得する情報取得処理（情報取得工程）と、情報取得処理にてパレット情報を取得すると、当該パレット情報に対する汚れ情報を推論する推論処理（推論工程）とを含む。さらに、当該一連の処理とは、洗浄処理前のパレット１０の汚れを示す汚れ情報を取得する情報取得処理（情報取得工程）と、情報取得処理にてパレット情報を取得すると、当該パレット情報に対する汚れ情報を推論する推論処理（推論工程）とを含む。
本発明は、上記実施形態に係る情報処理装置４、４ａ（情報処理方法又は情報処理プログラム）の態様によるもののみならず、洗浄条件情報や汚れ情報を推論するために用いられる推論装置（推論方法又は推論プログラム）の態様で提供することもできる。その場合、推論装置（推論方法又は推論プログラム）としては、メモリと、プロセッサとを含み、このうちのプロセッサが、一連の処理を実行するものとすることができる。当該一連の処理とは、洗浄処理前のパレット１０の外観を１又は複数の撮像方向から撮像した１又は複数の画像データを少なくとも含むパレット情報を取得する情報取得処理（情報取得工程）と、情報取得処理にてパレット情報を取得すると、当該パレット情報に対する洗浄条件情報を推論する推論処理（推論工程）とを含む。また、当該一連の処理とは、洗浄処理前のパレット１０の外観を１又は複数の撮像方向から撮像した１又は複数の画像データを含むパレット情報を取得する情報取得処理（情報取得工程）と、情報取得処理にてパレット情報を取得すると、当該パレット情報に対する汚れ情報を推論する推論処理（推論工程）とを含む。さらに、当該一連の処理とは、洗浄処理前のパレット１０の汚れを示す汚れ情報を取得する情報取得処理（情報取得工程）と、情報取得処理にてパレット情報を取得すると、当該パレット情報に対する汚れ情報を推論する推論処理（推論工程）とを含む。
【0155】
推論装置（推論方法又は推論プログラム）の態様で提供することで、情報処理装置を実装する場合に比して簡単に種々の装置への適用が可能となる。推論装置（推論方法又は推論プログラム）が洗浄条件情報や汚れ情報を推論する際、上記実施形態に係る機械学習装置及び機械学習方法により生成された学習済みの学習モデルを用いて、情報生成部が実施する推論手法を適用してもよいことは、当業者にとって当然に理解され得るものである。
【0156】
以下、本開示の諸態様を付記としてまとめて記載する。
【0157】
（付記１）
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの状態を１又は複数の記録方向から記録した１又は複数の状態データを含むパレット情報を取得する情報取得部と、
前記情報取得部により取得された前記パレット情報に対してデータ処理を行うことにより、前記パレット処理装置が前記パレットに対して前記洗浄処理を行うときの洗浄条件を示す洗浄条件情報を生成する情報生成部と、を備える、
情報処理装置。
（付記２）
前記パレット情報は、前記状態データとして、
前記洗浄処理が行われる前の前記パレットの外観を１又は複数の撮像方向から撮像した１又は複数の画像データを含む、
付記１に記載の情報処理装置。
（付記３）
前記パレット情報は、前記画像データとして、
前記パレットの天面を撮像した天面画像データ、
前記パレットの地面を撮像した地面画像データ、
前記パレットの側面を撮像した側面画像データ、及び、
前記パレットに形成された凹部の内部を撮像した内部画像データのうち、少なくとも１つを含む、
付記１又は付記２に記載の情報処理装置。
（付記４）
前記パレット情報は、
前記洗浄処理が行われる前の前記パレットの形状を１又は複数の計測方向から計測した１又は複数の形状データを含む、
付記１乃至付記３のうちいずれか１つに記載の情報処理装置。
（付記５）
前記パレット情報は、前記形状データとして、
前記パレットの天面を計測した天面形状データ、
前記パレットの地面を計測した地面形状データ、
前記パレットの側面を計測した側面形状データ、及び、
前記パレットに形成された凹部の内部を計測した内部形状データのうち、少なくとも１つを含む、
付記１乃至付記５のうちいずれか１つに記載の情報処理装置。
（付記６）
前記パレット処理装置は、
前記パレットを洗浄水で水洗する水洗モジュールと、
前記パレットを脱水する脱水モジュールと、
前記パレットを乾燥する乾燥モジュールのうち、少なくとも１つのモジュールを備え、
前記洗浄条件情報は、
前記水洗モジュールが前記パレットを水洗するときの水洗条件と、
前記脱水モジュールが前記パレットを脱水するときの脱水条件と、
前記乾燥モジュールが前記パレットを乾燥するときの乾燥条件のうち、少なくとも１つを含む、
付記１乃至付記５のいずれか一項に記載の情報処理装置。
（付記７）
前記水洗モジュールは、
前記パレットを洗浄水で水洗する水圧洗浄モジュール、又は、ブラシを回転させながら前記パレットに接触させて、前記パレットを洗浄水で水洗するブラシ洗浄モジュールで
あり、
前記水洗条件は、
前記水圧洗浄モジュールが前記パレットを水洗するときの水圧洗浄条件、又は、前記ブラシ洗浄モジュールが前記パレットを水洗するときのブラシ洗浄条件であり、
前記水圧洗浄条件は、
前記水圧洗浄モジュールによる前記パレットの水洗時間、
前記水圧洗浄モジュールが供給する前記洗浄水の供給量、
前記水圧洗浄モジュールが前記洗浄水とともに供給する洗剤の供給量、
前記水圧洗浄モジュールが前記洗浄水とともに供給する前記洗剤の種類、及び、
前記パレットの範囲を複数の区域に区分したときの前記水圧洗浄モジュールによる前記区域毎の洗浄レベルのうち、少なくとも１つを含み、
前記ブラシ洗浄条件は、
前記ブラシ洗浄モジュールによる前記パレットの水洗時間、
前記ブラシ洗浄モジュールが供給する前記洗浄水の供給量、
前記ブラシ洗浄モジュールが前記洗浄水とともに供給する洗剤の供給量、
前記ブラシ洗浄モジュールが前記洗浄水とともに供給する前記洗剤の種類、
前記パレットの範囲を複数の区域に区分したときの前記ブラシ洗浄モジュールによる前記区域毎の洗浄レベル、
前記ブラシ洗浄モジュールによる前記ブラシの回転数、
前記ブラシ洗浄モジュールによる前記ブラシの押圧力、及び、
前記ブラシ洗浄モジュールが前記ブラシを移動させるときの前記ブラシの移動速度のうち、少なくとも１つを含み、
前記脱水条件は、
前記脱水モジュールによる前記パレットの脱水時間、及び、
前記脱水モジュールによる前記パレットの回転数のうち、少なくとも１つを含み、
前記乾燥条件は、
前記乾燥モジュールによる前記パレットの乾燥時間、
前記乾燥モジュールによる温風の温度、及び、
前記乾燥モジュールによる前記温風の風量のうち、少なくとも１つを含む、
付記１乃至付記６のうちいずれか１つに記載の情報処理装置。
（付記８）
前記情報生成部は、前記データ処理として、
前記パレット情報と前記洗浄条件情報との相関関係を機械学習により学習させた学習モデルに、前記情報取得部により取得された前記パレット情報を入力することで、当該パレット情報に対する前記洗浄条件情報を生成する、
付記１乃至付記７のうちいずれか１つに記載の情報処理装置。
（付記９）
前記情報生成部は、
前記パレット情報に対して第１のデータ処理を行うことにより、前記パレットの汚れを示す汚れ情報を生成し、
その生成した前記汚れ情報に対して第２のデータ処理を行うことにより、前記洗浄条件情報を生成する、
付記１乃至付記８のうちいずれか１つに記載の情報処理装置。
（付記１０）
前記汚れ情報は、
前記汚れの程度、
前記汚れの種類、
前記汚れの場所、
前記汚れの範囲、及び、
前記汚れの濃淡のうち、少なくとも１つを含む、
付記１乃至付記９のうちいずれか１つに記載の情報処理装置。
（付記１１）
前記情報生成部は、前記第１のデータ処理として、
前記パレット情報と前記汚れ情報との相関関係を機械学習により学習させた第１の学習モデルに、前記情報取得部により取得された前記パレット情報を入力することで、当該パレット情報に対する前記汚れ情報を生成する、
付記１乃至付記１０のうちいずれか１つに記載の情報処理装置。
（付記１２）
前記情報生成部は、前記第２のデータ処理として、
前記汚れ情報と前記洗浄条件情報との相関関係を機械学習により学習させた第２の学習モデルに、前記第１のデータ処理で生成した前記汚れ情報を入力することで、当該汚れ情報に対する前記洗浄条件情報を生成する、
付記１乃至付記１１のうちいずれか１つに記載の情報処理装置。
荷物を載置可能なパレットに対してパレット処理装置による洗浄処理が行われる前の前記パレットの状態を１又は複数の記録方向から記録した１又は複数の状態データを含むパレット情報を取得する情報取得部と、
前記情報取得部により取得された前記パレット情報に対してデータ処理を行うことにより、前記パレット処理装置が前記パレットに対して前記洗浄処理を行うときの洗浄条件を示す洗浄条件情報を生成する情報生成部と、を備える、
情報処理装置。
（付記２）
前記パレット情報は、前記状態データとして、
前記洗浄処理が行われる前の前記パレットの外観を１又は複数の撮像方向から撮像した１又は複数の画像データを含む、
付記１に記載の情報処理装置。
（付記３）
前記パレット情報は、前記画像データとして、
前記パレットの天面を撮像した天面画像データ、
前記パレットの地面を撮像した地面画像データ、
前記パレットの側面を撮像した側面画像データ、及び、
前記パレットに形成された凹部の内部を撮像した内部画像データのうち、少なくとも１つを含む、
付記１又は付記２に記載の情報処理装置。
（付記４）
前記パレット情報は、
前記洗浄処理が行われる前の前記パレットの形状を１又は複数の計測方向から計測した１又は複数の形状データを含む、
付記１乃至付記３のうちいずれか１つに記載の情報処理装置。
（付記５）
前記パレット情報は、前記形状データとして、
前記パレットの天面を計測した天面形状データ、
前記パレットの地面を計測した地面形状データ、
前記パレットの側面を計測した側面形状データ、及び、
前記パレットに形成された凹部の内部を計測した内部形状データのうち、少なくとも１つを含む、
付記１乃至付記５のうちいずれか１つに記載の情報処理装置。
（付記６）
前記パレット処理装置は、
前記パレットを洗浄水で水洗する水洗モジュールと、
前記パレットを脱水する脱水モジュールと、
前記パレットを乾燥する乾燥モジュールのうち、少なくとも１つのモジュールを備え、
前記洗浄条件情報は、
前記水洗モジュールが前記パレットを水洗するときの水洗条件と、
前記脱水モジュールが前記パレットを脱水するときの脱水条件と、
前記乾燥モジュールが前記パレットを乾燥するときの乾燥条件のうち、少なくとも１つを含む、
付記１乃至付記５のいずれか一項に記載の情報処理装置。
（付記７）
前記水洗モジュールは、
前記パレットを洗浄水で水洗する水圧洗浄モジュール、又は、ブラシを回転させながら前記パレットに接触させて、前記パレットを洗浄水で水洗するブラシ洗浄モジュールで
あり、
前記水洗条件は、
前記水圧洗浄モジュールが前記パレットを水洗するときの水圧洗浄条件、又は、前記ブラシ洗浄モジュールが前記パレットを水洗するときのブラシ洗浄条件であり、
前記水圧洗浄条件は、
前記水圧洗浄モジュールによる前記パレットの水洗時間、
前記水圧洗浄モジュールが供給する前記洗浄水の供給量、
前記水圧洗浄モジュールが前記洗浄水とともに供給する洗剤の供給量、
前記水圧洗浄モジュールが前記洗浄水とともに供給する前記洗剤の種類、及び、
前記パレットの範囲を複数の区域に区分したときの前記水圧洗浄モジュールによる前記区域毎の洗浄レベルのうち、少なくとも１つを含み、
前記ブラシ洗浄条件は、
前記ブラシ洗浄モジュールによる前記パレットの水洗時間、
前記ブラシ洗浄モジュールが供給する前記洗浄水の供給量、
前記ブラシ洗浄モジュールが前記洗浄水とともに供給する洗剤の供給量、
前記ブラシ洗浄モジュールが前記洗浄水とともに供給する前記洗剤の種類、
前記パレットの範囲を複数の区域に区分したときの前記ブラシ洗浄モジュールによる前記区域毎の洗浄レベル、
前記ブラシ洗浄モジュールによる前記ブラシの回転数、
前記ブラシ洗浄モジュールによる前記ブラシの押圧力、及び、
前記ブラシ洗浄モジュールが前記ブラシを移動させるときの前記ブラシの移動速度のうち、少なくとも１つを含み、
前記脱水条件は、
前記脱水モジュールによる前記パレットの脱水時間、及び、
前記脱水モジュールによる前記パレットの回転数のうち、少なくとも１つを含み、
前記乾燥条件は、
前記乾燥モジュールによる前記パレットの乾燥時間、
前記乾燥モジュールによる温風の温度、及び、
前記乾燥モジュールによる前記温風の風量のうち、少なくとも１つを含む、
付記１乃至付記６のうちいずれか１つに記載の情報処理装置。
（付記８）
前記情報生成部は、前記データ処理として、
前記パレット情報と前記洗浄条件情報との相関関係を機械学習により学習させた学習モデルに、前記情報取得部により取得された前記パレット情報を入力することで、当該パレット情報に対する前記洗浄条件情報を生成する、
付記１乃至付記７のうちいずれか１つに記載の情報処理装置。
（付記９）
前記情報生成部は、
前記パレット情報に対して第１のデータ処理を行うことにより、前記パレットの汚れを示す汚れ情報を生成し、
その生成した前記汚れ情報に対して第２のデータ処理を行うことにより、前記洗浄条件情報を生成する、
付記１乃至付記８のうちいずれか１つに記載の情報処理装置。
（付記１０）
前記汚れ情報は、
前記汚れの程度、
前記汚れの種類、
前記汚れの場所、
前記汚れの範囲、及び、
前記汚れの濃淡のうち、少なくとも１つを含む、
付記１乃至付記９のうちいずれか１つに記載の情報処理装置。
（付記１１）
前記情報生成部は、前記第１のデータ処理として、
前記パレット情報と前記汚れ情報との相関関係を機械学習により学習させた第１の学習モデルに、前記情報取得部により取得された前記パレット情報を入力することで、当該パレット情報に対する前記汚れ情報を生成する、
付記１乃至付記１０のうちいずれか１つに記載の情報処理装置。
（付記１２）
前記情報生成部は、前記第２のデータ処理として、
前記汚れ情報と前記洗浄条件情報との相関関係を機械学習により学習させた第２の学習モデルに、前記第１のデータ処理で生成した前記汚れ情報を入力することで、当該汚れ情報に対する前記洗浄条件情報を生成する、
付記１乃至付記１１のうちいずれか１つに記載の情報処理装置。
【符号の説明】
【0158】
１…パレット再利用管理システム、２…パレット処理装置、３、３ａ…機械学習装置、
４、４ａ…情報処理装置、５…作業者端末装置、６…ネットワーク、
１０…パレット、１１…学習用データ
１１Ａ…第１の学習用データ、１１Ｂ…第２の学習用データ、１２…学習モデル、
１２Ａ…第１の学習モデル、１２Ｂ…第２の学習モデル
２０Ａ…上流載置台、２０Ｂ…下流載置台、２１…搬送モジュール、
２２Ａ…上流パレット取扱モジュール、２２Ｂ…下流パレット取扱モジュール、
２３…識別子読取モジュール、２４Ａ…第１の状態記録モジュール、
２４Ｂ…第２の状態記録モジュール、２４Ｃ…第３の状態記録モジュール、
２５…洗浄モジュール、２６…仕上げモジュール、２７…制御モジュール、
３０…制御部、３１…通信部、３２…学習用データ記憶部、
３３…学習済みモデル記憶部、
４０…制御部、４１…通信部、４２…学習済みモデル記憶部、
２５０…水洗モジュール、２５０Ａ…水圧洗浄モジュール、
２５０Ｂ…ブラシ洗浄モジュール、２５１…脱水モジュール、
２５２…乾燥モジュール、２６０…バリ取りモジュール、
２６１…付着物除去モジュール、２７５…動作履歴データベース
３００…学習用データ取得部、３０１…機械学習部、
４００…情報取得部、４０１…情報生成部、４０２…出力処理部
４、４ａ…情報処理装置、５…作業者端末装置、６…ネットワーク、
１０…パレット、１１…学習用データ
１１Ａ…第１の学習用データ、１１Ｂ…第２の学習用データ、１２…学習モデル、
１２Ａ…第１の学習モデル、１２Ｂ…第２の学習モデル
２０Ａ…上流載置台、２０Ｂ…下流載置台、２１…搬送モジュール、
２２Ａ…上流パレット取扱モジュール、２２Ｂ…下流パレット取扱モジュール、
２３…識別子読取モジュール、２４Ａ…第１の状態記録モジュール、
２４Ｂ…第２の状態記録モジュール、２４Ｃ…第３の状態記録モジュール、
２５…洗浄モジュール、２６…仕上げモジュール、２７…制御モジュール、
３０…制御部、３１…通信部、３２…学習用データ記憶部、
３３…学習済みモデル記憶部、
４０…制御部、４１…通信部、４２…学習済みモデル記憶部、
２５０…水洗モジュール、２５０Ａ…水圧洗浄モジュール、
２５０Ｂ…ブラシ洗浄モジュール、２５１…脱水モジュール、
２５２…乾燥モジュール、２６０…バリ取りモジュール、
２６１…付着物除去モジュール、２７５…動作履歴データベース
３００…学習用データ取得部、３０１…機械学習部、
４００…情報取得部、４０１…情報生成部、４０２…出力処理部
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】