特許 7351702 ワーク搬送システム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2023-09-19

(45)【発行日】2023-09-27

(54)【発明の名称】ワーク搬送システム

(51)【国際特許分類】

   B25J 13/08 20060101AFI20230920BHJP

   B65G 47/90 20060101ALI20230920BHJP

   B25J 13/00 20060101ALI20230920BHJP

【ＦＩ】

B25J13/08 A

B65G47/90 B

B25J13/00 Z

【請求項の数】 15

(21)【出願番号】P 2019183878

(22)【出願日】2019-10-04

(65)【公開番号】P2021058956

(43)【公開日】2021-04-15

【審査請求日】2022-06-16

(73)【特許権者】

【識別番号】390008235

【氏名又は名称】ファナック株式会社

(74)【代理人】

【識別番号】100106002

【弁理士】

【氏名又は名称】正林 真之

(74)【代理人】

【識別番号】100165157

【弁理士】

【氏名又は名称】芝 哲央

(74)【代理人】

【識別番号】100160794

【弁理士】

【氏名又は名称】星野 寛明

(72)【発明者】

【氏名】大渡 寛

【審査官】樋口 幸太郎

(56)【参考文献】

【文献】特開２０１７－０９４４３８（ＪＰ，Ａ）

【文献】特開２０１９－０４８３６５（ＪＰ，Ａ）

【文献】特開２００７－０３００８７（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｂ２５Ｊ １３／０８

Ｂ６５Ｇ ４７／９０

Ｂ２５Ｊ １３／００

(57)【特許請求の範囲】

【請求項1】

ワークを供給するワーク供給装置と、
供給される前記ワークを搬送するロボットと、
前記ワーク供給装置から、前記ロボットが搬送したワークを置くワーク搬出装置と、
前記ロボットの動作条件を指示する学習モデルを構築する機械学習装置と、
前記ワークに係る条件、及び／又は前記ロボットに係る条件を、前記学習モデルに適用することによって前記ロボットの動作条件を選択し、前記動作条件に基づいて前記ロボットを制御する制御装置とを備え、
前記機械学習装置は、
前記ワークに係る条件、及び／又は前記ロボットに係る条件と、前記動作条件との対応関係を、入力データとして取得する入力データ取得部と、
前記ロボットの処理能力の過不足が発生したか否かをラベルとして取得するラベル取得部と、
前記入力データと前記ラベルとの組を教師データとして教師あり学習を行うことにより、前記ロボットの動作条件を指示する学習モデルを構築する学習部とを備え、
前記制御装置は、
前記機械学習装置から取得した前記学習モデルを記憶する記憶部と、
前記学習モデルに基づいて、前記ロボットの動作条件として最適な動作条件を選択する選択部と、
前記選択部によって選択された動作条件で、前記ロボットの動作を制御する動作制御部と、
を備え、
前記ワーク供給装置に設定されたワーク取出可能領域内において、
前記ロボットが前記ワーク取出可能領域内の上流領域から前記ワークを取り出し続ける場合に、前記ラベル取得部は、前記処理能力が過剰であるとし、
前記ロボットが前記ワーク取出可能領域内の中流領域から前記ワークを取り出し続ける場合に、前記ラベル取得部は、前記処理能力が適正であるとし、
前記ロボットが前記ワーク取出可能領域内の下流領域から前記ワークを取り出し続ける場合に、前記ラベル取得部は、前記処理能力が不足しているとする、ワーク搬送システム。

【請求項2】

ワークを供給するワーク供給装置と、
供給される前記ワークを搬送するロボットと、
前記ワーク供給装置から、前記ロボットが搬送したワークを置くワーク搬出装置と、
前記ロボットの動作条件を指示する学習モデルを構築する機械学習装置と、
前記ワークに係る条件、及び／又は前記ロボットに係る条件を、前記学習モデルに適用することによって前記ロボットの動作条件を選択し、前記動作条件に基づいて前記ロボットを制御する制御装置とを備え、
前記機械学習装置は、
前記ワークに係る条件、及び／又は前記ロボットに係る条件と、前記動作条件との対応関係を、入力データとして取得する入力データ取得部と、
前記ロボットの処理能力の過不足が発生したか否かをラベルとして取得するラベル取得部と、
前記入力データと前記ラベルとの組を教師データとして教師あり学習を行うことにより、前記ロボットの動作条件を指示する学習モデルを構築する学習部とを備え、
前記制御装置は、
前記機械学習装置から取得した前記学習モデルを記憶する記憶部と、
前記学習モデルに基づいて、前記ロボットの動作条件として最適な動作条件を選択する選択部と、
前記選択部によって選択された動作条件で、前記ロボットの動作を制御する動作制御部と、
を備え、
前記ロボットにおいて、前記ワークが、前記ワーク供給装置に設定されたワーク取出可能領域に供給されるまでの待機時間が発生する場合に、前記ラベル取得部は、前記処理能力が過剰であるとする、ワーク搬送システム。

【請求項3】

ワークを供給するワーク供給装置と、
供給される前記ワークを搬送するロボットと、
前記ワーク供給装置から、前記ロボットが搬送したワークを置くワーク搬出装置と、
前記ロボットの動作条件を指示する学習モデルを構築する機械学習装置と、
前記ワークに係る条件、及び／又は前記ロボットに係る条件を、前記学習モデルに適用することによって前記ロボットの動作条件を選択し、前記動作条件に基づいて前記ロボットを制御する制御装置とを備え、
前記機械学習装置は、
前記ワークに係る条件、及び／又は前記ロボットに係る条件と、前記動作条件との対応関係を、入力データとして取得する入力データ取得部と、
前記ロボットの処理能力の過不足が発生したか否かをラベルとして取得するラベル取得部と、
前記入力データと前記ラベルとの組を教師データとして教師あり学習を行うことにより、前記ロボットの動作条件を指示する学習モデルを構築する学習部とを備え、
前記制御装置は、
前記機械学習装置から取得した前記学習モデルを記憶する記憶部と、
前記学習モデルに基づいて、前記ロボットの動作条件として最適な動作条件を選択する選択部と、
前記選択部によって選択された動作条件で、前記ロボットの動作を制御する動作制御部と、
を備え、
前記ロボットが前記ワークを取り逃がす場合に、前記ラベル取得部は、前記処理能力が不足しているとする、ワーク搬送システム。

【請求項4】

前記ワークに係る条件は、前記ワークの供給密度、前記ワークが供給される際の前記ワークの姿勢、前記ワーク搬出装置への前記ワークの搬出位置、前記ワークが搬出される際の前記ワークの姿勢のうち、少なくとも１に係る条件である、請求項１から請求項３のいずれか１項に記載のワーク搬送システム。

【請求項5】

前記ロボットに係る条件は、前記ロボットの現在位置、及び前記ロボットの姿勢のうち、少なくとも１に係る条件である、請求項１から請求項４のいずれか１項に記載のワーク搬送システム。

【請求項6】

前記制御装置は、
前記ワーク供給装置に供給される複数のワークの中で最初に取り出す予定の第１ワークの位置及び姿勢と、２番目に取り出す予定の第２ワークの位置及び姿勢を常時監視する監視部を更に備え、
前記選択部は、前記ワーク供給装置に設定されるワーク取出可能領域において、前記第１ワークが、前記ロボットによって前記第１ワークを見逃されることのない下限ラインに到達するまでの第１時間、及び／又は、前記第２ワークが、前記ロボットによって前記第２ワークを見逃されることのない下限ラインに到達するまでの第２時間を前記学習モデルに適用することにより、前記動作条件を選択する、請求項１から請求項５のいずれか１項に記載のワーク搬送システム。

【請求項7】

前記選択部は、前記第１時間が短いほど、前記第１ワークを取り出すための速い前記動作条件を選択し、前記第２時間が短いほど、前記第１ワークを置くための速い前記動作条件を選択し、前記第１時間と前記第２時間との差分が小さいほど、前記第１ワークの取出動作又は置き動作をするための速い前記動作条件を選択する、請求項６に記載のワーク搬送システム。

【請求項8】

前記制御装置は、
前記ワークの位置及び姿勢を常時監視する監視部と、
前記監視部によって監視される前記ワークの位置及び姿勢を用いて、前記ロボットの各軸の変化量を計算する変化量計算部とを更に備え、
前記選択部は、前記変化量を前記学習モデルに適用することにより、前記動作条件を選択する、請求項１から請求項５のいずれか１項に記載のワーク搬送システム。

【請求項9】

前記監視部は、前記ワーク供給装置で供給される複数のワークの中で最初に取り出す予定の第１ワークの位置及び姿勢を常時監視し、
前記変化量計算部は、前記第１ワークの位置及び姿勢と、前記ロボットの現在位置及び姿勢とから、前記第１ワークの取り出し動作における前記ロボットの各軸の変化量を計算し、
前記選択部は、前記変化量を前記学習モデルに適用することにより、前記動作条件を選択する、請求項８に記載のワーク搬送システム。

【請求項10】

前記選択部は、前記変化量が大きいほど、前記第１ワークの取り出し動作において、動作速度の速い前記動作条件を選択する、請求項９に記載のワーク搬送システム。

【請求項11】

前記監視部は、前記ワーク供給装置に供給される複数のワークの中で最初に取り出す予定の第１ワークの位置及び姿勢を常時監視し、
前記変化量計算部は、前記第１ワークの位置及び姿勢と、前記ロボットが前記第１ワークを前記ワーク搬出装置へ置く位置及び姿勢とから、前記第１ワークの置き動作における前記ロボットの各軸の変化量を計算し、
前記選択部は、前記変化量を前記学習モデルに適用することにより、前記動作条件を選択する、請求項８から請求項１０のいずれか１項に記載のワーク搬送システム。

【請求項12】

前記選択部は、前記変化量が大きいほど、前記第１ワークの置き動作において、動作速度の速い前記動作条件を選択する、請求項１０に記載のワーク搬送システム。

【請求項13】

前記監視部は、前記ワーク供給装置で供給される複数のワークの中で２番目に取り出す予定の第２ワークの位置及び姿勢を常時監視し、
前記変化量計算部は、前記ロボットが前記第１ワークを前記ワーク搬出装置へ置く位置及び姿勢と、前記第２ワークの位置及び姿勢とから、前記第２ワークの取り出し動作における前記ロボットの各軸の変化量を計算し、
前記選択部は、前記変化量を前記学習モデルに適用することにより、前記動作条件を選択する、請求項９から請求項１１のいずれか１項に記載のワーク搬送システム。

【請求項14】

前記選択部は、前記変化量が大きいほど、前記第１ワークの取出動作又は置き動作において、動作速度の速い前記動作条件を選択する、請求項１３に記載のワーク搬送システム。

【請求項15】

前記制御装置は、
ワーク搬送作業を繰り返す際の単位時間当たりの消費電力量を計算する電力量計算部を更に備え、
前記選択部は、前記選択の過程で、最適な動作条件として複数の動作条件が得られる場合、前記消費電力量がより小さくなる動作条件を選択する、請求項１から請求項５のいずれか１項に記載のワーク搬送システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、ワーク搬送システムに関する。

【背景技術】

【0002】

ワークを取り出すロボットを含むワーク搬送システムにおいて、ワークの供給量に疎密がある場合、ロボットの動作条件は、最もワークの供給量が密な場合に合わせて調整されている。

【0003】

しかし、ワークの供給量が疎であった場合、ロボットの処理能力の方が、ワークの供給量に勝るので、ロボットは早く仕事を終えてしまい、次のワークが供給されるまで待機状態になってしまう。待機状態に入る際には、ロボットは減速する必要があり、待機状態を解除する際には、ロボットには加速が発生する。余計な加減速の発生は無駄に電力を消費すると共に、減速機も損耗する。またロボットの動作速度を必要以上に速くすることにも由来して、無駄な電力消費と減速機の損耗が発生する。

【0004】

この点、ワーク一つ当たりの処理時間を演算し、当該処理時間に対応する運転パターンに従って、加速、定速、減速等の各速度を計算し、ロボットを動作するロボットパレタイザが知られている（例えば特許文献１参照）。

【先行技術文献】

【特許文献】

【0005】

【文献】特開平０６－１２６６６８号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

しかし、特許文献１に開示される技術においては、ワーク一つ当たりの処理時間に対応する各運転パターンが固定化されており、ワークの供給状況に応じて、各運転パターンや動作条件を変化したり、更新したりすることは想定されていなかった。

【0007】

ワークの供給状況やロボットの動作状況に応じて、各運転パターンや動作条件を柔軟に変化したり更新したりすることが可能なワーク搬送システムが望まれている。

【課題を解決するための手段】

【0008】

本開示の一態様は、ワークを供給するワーク供給装置と、供給される前記ワークを搬送するロボットと、前記ワーク供給装置から、前記ロボットが搬送したワークを置くワーク搬出装置と、前記ロボットの動作条件を指示する学習モデルを構築する機械学習装置と、前記ワークに係る条件、及び／又は前記ロボットに係る条件を、前記学習モデルに適用することによって前記ロボットの動作条件を選択し、前記動作条件に基づいて前記ロボットを制御する制御装置とを備え、前記機械学習装置は、前記ワークに係る条件、及び／又は前記ロボットに係る条件と、前記動作条件との対応関係を、入力データとして取得する入力データ取得部と、前記ロボットの処理能力の過不足が発生したか否かをラベルとして取得するラベル取得部と、前記入力データと前記ラベルとの組を教師データとして教師あり学習を行うことにより、前記ロボットの動作条件を指示する学習モデルを構築する学習部とを備え、前記制御装置は、前記機械学習装置から取得した前記学習モデルを記憶する記憶部と、前記学習モデルに基づいて、前記ロボットの動作条件として最適な動作条件を選択する選択部と、前記選択部によって選択された動作条件で、前記ロボットの動作を制御する動作制御部と、を備えるワーク搬送システムである。

【発明の効果】

【0009】

一態様によれば、ワークの供給状況やロボットの動作状況に応じて、各運転パターンや動作条件を変化したり更新したりすることが可能となる。

【図面の簡単な説明】

【0010】

【図1】一実施形態のワーク搬送システムの全体構成図である。

【図2】一実施形態のワーク搬送システムに含まれる制御装置の機能ブロック図である。

【図3】一実施形態のワーク搬送システムに含まれる制御装置及び機械学習装置の詳細を示すブロック図である。

【図4】一実施形態のワーク搬送システムにおいて、学習モデルとしての動作条件テーブルを更新する際に用いる各座標位置を示す図である。

【図5A】一実施形態のワーク搬送システムにおいて、学習モデルとしての動作条件テーブルを更新するフローを示す図である。

【図5B】一実施形態のワーク搬送システムにおいて、学習モデルとしての動作条件テーブルを更新するフローを示す図である。

【図5C】一実施形態のワーク搬送システムにおいて、学習モデルとしての動作条件テーブルを更新するフローを示す図である。

【図6A】一実施形態のワーク搬送システムにおける学習モデルとしての動作条件テーブルの例である。

【図6B】一実施形態のワーク搬送システムにおける学習モデルとしての動作条件テーブルの例である。

【図7】一実施形態のワーク搬送システムの全体構成図である。

【図8】一実施形態のワーク搬送システムにおける取出可能領域を示す図である。

【発明を実施するための形態】

【0011】

〔１ 第１実施形態〕
以下、本発明の第１実施形態について、図１～図６Ｂを参照することにより説明する。

【0012】

〔１．１ 実施形態の構成〕
図１は、本発明の第１実施形態に係るワーク搬送システム１の全体構成を示す図である。

【0013】

図１に示すように、一実施形態によるワーク搬送システム１は、ロボット２と、検出装置３と、ワーク供給装置４と、ワーク搬出装置５と、制御装置１０と、機械学習装置１５とを備える。

【0014】

ロボット２は、ワーク供給装置４によって供給されるワーク７１を取り出し、ワーク搬出装置５に置く。

【0015】

なお、ワーク７１の「取出動作」の具体例として、後述のハンド２３の先端に吸着パッドが配置され、吸着パッドが樹脂チューブで真空発生装置に接続され、「取り位置」にて、ワーク７１と吸着パッドとの間に真空状態を作り出すことで、吸着パッドがワーク７１を吸着し、ワーク７１を取り出す動作が挙げられる。

【0016】

また、ワーク７１の「置き動作」の具体例として、「置き位置」において、上記の真空発生装置をＯＦＦすることで、吸着パッドとワーク７１との間の真空状態を解除し、ワーク７１を置く動作が挙げられる。

【0017】

ロボット２は、ロボット本体２１と、アーム２２と、ハンド２３とを備える。ロボット２は、ロボット本体２１からの指令によりアーム２２を駆動し、アーム２２の先端に備わるハンド２３によって、ワーク７１の取り出しや置き等の動作を実行する。

【0018】

検出装置３は、ワーク供給装置４によって供給されるワーク７１を検出する。より詳細には、検出装置３は、ワーク７１の個数、ワーク７１の各々の位置や姿勢等を検出し、制御装置１０に出力する。

【0019】

ワーク供給装置４は、ワーク搬出装置５に対してワーク７１を供給する装置であり、例えばベルトコンベヤによって実現される。なお、以下では、ロボット２によって最初に取り出す予定のワークを第１ワーク７１ａ、ロボット２によって２番目に取り出す予定のワークを第２ワーク７１ｂとする。また、本実施形態において、ワーク供給装置４で供給される複数のワーク７１は、コンベヤ上で概ね一列に並ぶこと、及び後述の第２実施形態に比較して、コンベヤの速度が速いことを想定している。

【0020】

また、ワーク供給装置４には、ワーク取出可能領域６０が設定される。ワーク取出可能領域６０は、ワーク搬出装置５の、ワーク供給装置４に直交する中心軸を中心とし、上限ライン６１と下限ライン６２に挟まれた領域である。また、ワーク取出可能領域６０には、ロボット２がワーク７１を見逃す下限である見逃しライン６３が含まれる。

【0021】

なお、本実施形態においては、後述の第２実施形態に比較して、ワーク取出可能領域６０をワーク７１が通過する時間が短いことを想定している。

【0022】

ワーク搬出装置５は、ワーク供給装置４からロボット２によって取り出され、置かれたワーク７１を系外に搬出する装置である、例えばベルトコンベヤによって実現される。一例として、ワーク搬出装置５にはパレット５１が載置され、ロボット２は、ワーク７１をワーク供給装置４から取り出し、パレット５１上に置く。

【0023】

制御装置１０は、ワーク搬送システム１全体を制御する装置である。図２は制御装置１０の機能を示すブロック図である。

【0024】

制御装置１０は、制御部１１と記憶部１２とを備える。

【0025】

制御部１１は、制御装置１０の全体を制御する部分であり、各種プログラムを、ＲＯＭ、ＲＡＭ、フラッシュメモリ又はハードディスク（ＨＤＤ）等の記憶領域から適宜読み出して実行することにより、本実施形態における各種機能を実現している。制御部は、ＣＰＵであってよい。制御部１１は、選択部１１１、動作制御部１１２、監視部１１３、変化量計算部１１４、電力量計算部１１５、特徴量出力部１１６を備える。

【0026】

選択部１１１は、ワーク７１に係る条件、及び／又はロボット２に係る条件を、機械学習装置１５から取得し記憶部１２に格納された学習モデルに適用することで、ロボット２の動作条件として最適な動作条件を選択する。

【0027】

なお、ここで、ワーク７１に係る条件とは、例えば、ワーク供給装置４によるワーク７１の供給密度、ワーク７１がワーク供給装置４で供給される際のワーク７１の姿勢、ワーク搬出装置５へのワーク７１の搬出位置、ワーク７１が搬出される際のワーク７１の姿勢のうち、少なくとも一つを含む。

【0028】

選択部１１１は、ワーク取出可能領域６０において、第１ワーク７１ａが、ロボット２によって第１ワーク７１ａが見逃されることのない下限である、見逃しライン６３に到達するまでの第１時間、及び／又は、第２ワーク７１ｂが、ロボット２によって第２ワーク７１ｂが見逃されることのない下限である、見逃しライン６３に到達するまでの第２時間を、機械学習装置１５から取得した学習モデルに適用することで、動作条件を選択してもよい。

【0029】

その結果として、選択部１１１は、例えば、第１時間が短いほど、第１ワーク７１ａを取り出すための動作速度の速い動作条件を選択し、第２時間が短いほど、第１ワーク７１ａを置くための動作速度の速い動作条件を選択し、第１時間と第２時間との差分が小さいほど、第１ワーク７１ａに対して取出動作又は置き動作をするための動作速度の速い動作条件を選択してもよい。

【0030】

また、ロボット２に係る条件とは、例えば、ロボット２の現在位置、及びロボット２の姿勢のうち、少なくとも一つを含む。

【0031】

動作制御部１１２は、選択部１１１によって選択された動作条件でロボット２の動作を制御する。

【0032】

監視部１１３は、ロボット２の現在位置、及びロボット２の姿勢等、ロボット２に係る情報を監視する。更に、監視部１１３は、検出装置３を用いて、ワーク７１の位置及び姿勢を常時監視する。とりわけ、監視部１１３は、検出装置３を用いて、ワーク供給装置４で供給される複数のワークの中で、１番目に取り出す予定の第１ワーク７１ａと、２番目に取り出す予定の第２ワーク７１ｂの位置及び姿勢を常時監視することが可能である。

【0033】

変化量計算部１１４は、監視部１１３によって監視されるワーク７１の位置及び姿勢を用いて、ロボット２の各軸の変化量を計算する。

【0034】

とりわけ、変化量計算部１１４は、第１ワーク７１ａの位置及び姿勢と、ロボット２の現在位置及び姿勢とから、第１ワーク７１ａの取り出し動作におけるロボット２の各軸の変化量を計算することが可能である。
この場合に、選択部１１１は、当該変化量を学習モデルに適用した結果として、当該変化量が大きいほど、第１ワーク７１ａの取り出し動作において、動作速度の速い動作条件を選択してもよい。

【0035】

あるいは、変化量計算部１１４は、第１ワーク７１ａの位置及び姿勢と、ロボット２が第１ワーク７１ａをワーク搬出装置５へ置く位置及び姿勢とから、第１ワーク７１ａの置き動作におけるロボット２の各軸の変化量を計算することが可能である。
この場合に、選択部１１１は、当該変化量を学習モデルに適用した結果として、当該変化量が大きいほど、第１ワーク７１ａの置き動作において、動作速度の速い動作条件を選択してもよい。

【0036】

あるいは、変化量計算部１１４は、ロボット２が第１ワーク７１ａをワーク搬出装置５へ置く位置及び姿勢と、第２ワーク７１ｂの位置及び姿勢とから、第２ワーク７１ｂの取り出し動作におけるロボット２の各軸の変化量を計算することが可能である。
この場合に、選択部１１１は、当該変化量を学習モデルに適用した結果として、当該変化量が大きいほど、第１ワーク７１ａの取出動作又は置き動作において、動作速度の速い動作条件を選択してもよい。

【0037】

電力量計算部１１５は、ワーク搬送システム１でワーク７１の搬送作業を繰り返す際の単位時間当たりの消費電力量を計算する。

【0038】

特徴量出力部１１６は、ロボット２の現在位置、及びロボット２の姿勢等のロボットに係る情報、監視部１１３によって監視されたワーク７１の位置及び姿勢、変化量計算部１１４によって計算されたロボット２の各軸の変化量等を、機械学習装置１５に対して特徴量として出力する。

【0039】

記憶部１２は、機械学習装置１５から取得した学習モデルを記憶する。

【0040】

図３は、ワーク搬送システム１に含まれる制御装置１０及び機械学習装置１５の詳細を示すブロック図である。なお、説明の簡略化のため、制御装置１０の構成要素としては、上記の特徴量出力部１１６のみを示す。

【0041】

機械学習装置１５は、教師あり機械学習により、制御装置１０でロボット２の動作条件を指示するための学習モデルを構築する。そのため、図３に示すように、機械学習装置１５は、入力データ取得部１６、ラベル取得部１７、学習部１８、及び学習モデル記憶部１９を備えている。

【0042】

入力データ取得部１６は、制御装置２０の特徴量出力部１１６から、特徴量を取得する。

【0043】

ラベル取得部１７は、ロボット２の処理能力の過不足が発生したか否かを示すラベルを取得する。

【0044】

ここで、「ロボット２の処理能力が不足している」とは、ロボット２の処理能力に比較して、ワーク７１の供給量が勝ることであり、これにより、例えば、ロボット２がワーク７１を取り逃がすケースが発生する。

【0045】

また、「ロボット２の処理能力が過剰である」とは、ワーク７１の供給量に比較して、ロボット２の処理能力が勝ることであり、これにより、例えば、ワーク７１がワーク取出可能領域６０に供給されるまでに、ロボット２に待機時間が発生する。

【0046】

学習部１８は、特徴量とラベルとの組を教師データとして教師あり学習を行うことにより、制御装置１０でロボット２の動作条件を指示するための学習モデルを構築し、構築した学習モデルを、制御装置１０に送信する。学習モデル記憶部１９は、学習部１８が構築した学習モデルを記憶する。

【0047】

なお、学習部１８は、例として、サポート・ベクター・マシン（Support Vector Machine、以下ＳＶＭともいう）を用いて実現することが可能である。ＳＶＭは公知技術であるのでその詳細な説明は省略するが、教師あり学習（正解データと非正解データが教師データとして与えられる学習）を用いる識別手法の一つであり、識別が優れた学習モデルとして知られており、例えば、未学習データに対して高い識別性能（高い汎化性能）を得られることが知られている。

【0048】

学習部１８は、上記のラベルとして、ロボット２の処理能力の過不足が発生したか否かに係る二値化されたラベルを用いると共に、上記の特徴量を含む空間を、ロボット２の処理能力の過不足が発生したか否かに関して、マージンが最大となるように分離する超平面を算出する。更に、学習部１８は、この超平面の係数を、制御装置１０でロボット２の動作条件を指示するために用いる学習モデルのパラメータとすることが可能である。
また、学習部１８は、構築した学習モデルを制御装置１０に出力する。

【0049】

学習モデル記憶部１９は、上記のように、学習部１８が構築した学習モデルを記憶する。

【0050】

以下、図４～図６Ｂを参照することにより、学習部１８による学習モデルの構築方法の一例について説明する。

【0051】

図４は、学習部１８によって学習モデルを構築する際に用いる各座標を示す図である。第１ワーク７１ａの取出目標位置を（Ｘ_Ｐ，Ｙ_Ｐ，Ｒ_Ｐ）とする。また、第１ワーク７１ａを取り出すためのハンド２３の移動距離である「ワーク取出動作移動距離」をＤ_Ｐとする。また、ハンド２３で第１ワーク７１ａを取り出してから、第１ワーク７１ａをパレット５１に置くまでの移動距離である「ワーク置動作移動距離」をＤ_Ｄとする。また、ロボット２がハンド２３で第１ワーク７１ａを置いた位置である「置位置」を（Ｘ_Ｄ，Ｙ_Ｄ，Ｒ_Ｄ）とする。また、ロボット２が第１ワーク７１ａを置いた瞬間の最下流ワーク（すなわち新たな第１ワーク）７１ｂの現在位置を（Ｘ_１，Ｙ_１，Ｒ_１）とする。また、ロボット２が第１ワーク７１ａを置いた瞬間の下流から２番目のワーク（すなわち新たな第２ワーク）７１ｃの現在位置を（Ｘ_２，Ｙ_２，Ｒ_２）とする。また、ロボット２がハンド２３で第１ワーク７１ａを置いた瞬間のロボット２の現在位置を（Ｘ_Ｓ，Ｙ_Ｓ，Ｒ_Ｓ）とする。また、ワーク７１の取出可能領域の上限の位置をＬ_Ｕ、下限の位置をＬ_Ｌとする。また、ワーク７１の取出目標ラインの位置をＬ_Ｐとする。また、ワーク供給装置４によるワーク７１の供給速度、具体的にはワーク供給装置４がベルトコンベヤであった場合、コンベヤの移動速度をＶとする。

【0052】

図５Ａ～図５Ｃは、ワーク搬送システム１による学習モデルの構築方法の一例を示すフローチャートである。

【0053】

ステップＳ１において、制御部１１は、ワーク７１をワーク搬出装置５に置いた瞬間のロボット２の現在位置（Ｘ_Ｓ，Ｙ_Ｓ，Ｒ_Ｓ）を記録する。

【0054】

ステップＳ２において、制御部１１は、ワーク７１をワーク搬出装置５に置いた瞬間の新たな第１ワーク７１ｂの現在位置（Ｘ_１，Ｙ_１，Ｒ_１）を記録する。

【0055】

ステップＳ３において、制御部１１は、ワーク７１をワーク搬出装置５に置いた瞬間の新たな第２ワーク７１ｃの現在位置（Ｘ_２，Ｙ_２，Ｒ_２）を記録する。

【0056】

ステップＳ４において、制御部１１は、ワーク供給装置４の速度（Ｖ）と、第１ワーク７１ｂの現在位置とから、第１ワーク７１ｂがワーク取出目標ライン（Ｌ_Ｐ）に到達するまでの時間（Ｔ_１）を、以下の数式（１）を用いて計算する。
Ｔ_１＝（Ｘ_１－Ｌ_Ｐ）÷Ｖ （１）

【0057】

ステップＳ５において、制御部１１は、ワーク供給装置４の速度（Ｖ）と、第２ワーク７１ｃの現在位置とから、第２ワーク７１ｃがワーク取出可能領域６０の上限（Ｌ_Ｕ）に到達するまでの時間（Ｔ_２）を、以下の数式（２）を用いて計算する。
Ｔ_２＝（Ｘ_１－Ｌ_Ｐ）÷Ｖ （２）

【0058】

ステップＳ６において、制御部１１は、第１ワーク７１ｂの取り出し目標位置を、以下の数式（３）により設定する。
Ｘ_Ｐ＝Ｌ_Ｐ Ｙ_Ｐ＝Ｙ_１ Ｒ_Ｐ＝Ｒ_１ （３）

【0059】

ステップＳ７において、制御部１１は、ロボット２の現在位置（Ｘ_Ｓ，Ｙ_Ｓ，Ｒ_Ｓ）、第１ワーク７１ｂの取出目標位置（Ｘ_Ｐ，Ｙ_Ｐ，Ｒ_Ｐ）から、第１ワーク７１ｂの取出動作時のロボット２の移動距離（Ｄ_Ｐ）を、以下の数式（４）により設定する。
Ｄ_Ｐ＝√（（Ｘ_Ｐ－Ｘ_Ｓ）^２＋（Ｙ_Ｐ－Ｙ_Ｓ）^２） （４）

【0060】

ステップＳ８において、制御部１１は、取り出し動作所要時間（Ｔ_１）で、移動距離（Ｄ_Ｐ）を移動する条件を、学習モデルとしての動作条件テーブルから選択し、ロボット２は、実際に取動作を行う。

【0061】

ここで、「動作条件テーブル」とは、ロボット２の動作条件が記載された表であり、記憶部１２に記憶される。図５Ａは、動作条件テーブルの一例を示す。

【0062】

図６Ａに例示される動作条件テーブルにおいて、各行は、取り出し動作所要時間毎の移動速度を示し、各列は、移動距離（Ｄ_Ｐ）毎の移動速度を示す。選択部１１１は、この動作条件テーブルから、取り出し動作所要時間（Ｔ_１）と移動距離（Ｄ_Ｐ）が合致する移動速度を選択する。

【0063】

ステップＳ９において、制御部１１は、実際の取出動作時間（Ｔ_Ｐ）を計測し、置き動作目標時間（Ｔ_Ｄ）を、以下の数式（５）により計算する。
Ｔ_Ｄ＝（Ｔ_２－Ｔ_Ｐ） （５）

【0064】

ステップＳ１０において、制御部１１は、実際に第１ワーク７１ｂを取り出した位置（Ｘ_Ｐ’，Ｙ_Ｐ’，Ｒ_Ｐ’）を取得する。

【0065】

ステップＳ１１において、制御部１１は、第１ワーク７１ｂの取出位置と取出目標位置との距離（Ｄ_Ｐ’）を求める。
Ｄ_Ｐ’＝Ｘ_Ｐ’－Ｘ_Ｐ （６）

【0066】

ステップＳ１２において、Ｄ_Ｐ’が許容値下限（Ａ_ＭＩＮ）から許容値上限（Ａ_ＭＡＸ）の範囲内にある（Ａ_ＭＩＮ≦Ｄ_Ｐ’≦Ａ_ＭＡＸ）場合（Ｓ１２：ＹＥＳ）には、処理はステップＳ１３に移行する。Ｄ_Ｐ’が許容値下限（Ａ_ＭＩＮ）未満であるか、許容値上限（Ａ_ＭＡＸ）を超える場合には、処理はステップＳ１４に移行する。

【0067】

ステップＳ１３において、制御部１１は、動作条件テーブルから選択した動作速度の値は適正だったと判断し、入力データ取得部１６によって入力された特徴量と、ロボット２の処理能力が適正だったというラベルとの組に基づいて、学習モデルを更新する。

【0068】

ステップＳ１４において、学習部１８は、入力データ取得部１６によって入力された特徴量と、ロボットの処理能力に過不足が発生したというラベルとの組に基づいて、学習モデルを更新する。学習部１８は、学習モデルの更新の結果として、例えば動作条件テーブルを細分化してもよい。

【0069】

図６Ｂは、図５Ａに示す動作条件テーブルを細分化したテーブルの例を示す。図６Ｂに例示するテーブルにおいては、図６Ａに例示するテーブル中、“１８０＜Ｄ_Ｐ≦２２０”の列を、“１８０＜Ｄ_Ｐ≦２００”の列と、“２００＜Ｄ_Ｐ≦２２０”の列に分割する。

【0070】

ステップＳ１５において、制御部１１は、第１ワーク７１ｂの置き位置（Ｘ_Ｄ，Ｙ_Ｄ，Ｒ_Ｄ）を取得する。

【0071】

ステップＳ１６において、制御部１１は、第１ワーク７１ｂの取出位置、第１ワーク７１ｂの置き位置から、第１ワーク７１ｂの置き動作時の移動距離（Ｄ_Ｄ）を、以下の数式（７）により計算する。
Ｄ_Ｄ＝√（（Ｘ_Ｄ－Ｘ_Ｐ’）^２＋（Ｙ_Ｄ－Ｙ_Ｐ’）^２） （７）

【0072】

ステップＳ１７において、制御部１１は、置き動作所要時間（Ｔ_Ｄ）で、移動距離（Ｄ_ＤＰ）を移動する条件を動作条件テーブルから選択し、ロボット２は実際に置き動作を行う。

【0073】

ステップＳ１８において、第１ワーク７１ｂの置き動作が完了すると、第２ワーク７１ｃは第１ワークに繰り上がる。制御部１１は、置き動作が完了したときの第１ワーク（旧第２ワーク）７１ｃの現在位置（Ｘ_１，Ｙ_１，Ｒ_１）を取得する。

【0074】

ステップＳ１９において、第１ワーク７１ｃとワーク取出可能領域６０の上限（Ｌ_Ｕ）との距離（Ｄ_１）を、以下の数式（８）により計算する。
Ｄ_１＝Ｘ_１－Ｌ_Ｕ （８）

【0075】

ステップＳ２０において、Ｄ_１が許容値下限（Ａ_ＭＩＮ）から許容値上限（Ａ_ＭＡＸ）の範囲内にある（Ａ_ＭＩＮ≦Ｄ_１≦Ａ_ＭＡＸ）場合（Ｓ２０：ＹＥＳ）には、処理はステップＳ２１に移行する。Ｄ_１が許容値下限（Ａ_ＭＩＮ）未満であるか、許容値上限（Ａ_ＭＡＸ）を超える場合には、処理はステップＳ２２に移行する。

【0076】

ステップＳ２１において、制御部１１は、動作条件テーブルから選択した動作速度の値は適正だったと判断し、入力データ取得部１６によって入力された特徴量と、ロボットの処理能力が適正だったというラベルとの組に基づいて、学習モデルを更新する。その後、処理はステップＳ１に戻る。

【0077】

ステップＳ２２において、制御部１１は、入力データ取得部１６によって入力された特徴量と、ロボットの処理能力に過不足が発生したというラベルとの組に基づいて、学習モデルを更新する。学習部１８は、学習モデルの更新の結果として、例えば動作条件テーブルを細分化してもよい。その後、処理はステップＳ１に戻る。

【0078】

上記のように、制御部１１が、ワーク７１に係る条件、及び／又はロボット２に係る条件に基づいて、学習モデルとしての動作条件テーブルから、ロボット２の最適な動作条件を選択する際、複数の動作条件が得られた場合には、単位時間当たりの消費電力量が、より小さな動作条件を選択してもよい。

【0079】

制御装置１０が、上記の構成を備えることにより、本実施形態に係るワーク搬送システム１は、最適な動作条件に従ってロボット２を動作させることが可能となるのみならず、ロボット２の動作状況に応じて、記憶部１２に記録された動作条件の構成を変更することが可能となる。

【0080】

〔１．２ 実施形態が奏する効果〕
本実施形態に係るワーク搬送システム１は、ワーク７１を供給するワーク供給装置４と、供給されるワーク７１を搬送するロボット２と、ワーク供給装置４から、ロボット２が搬送したワーク７１を置くワーク搬出装置５と、ロボット２の動作条件を指示する学習モデルを構築する機械学習装置１５と、ワーク７１に係る条件、及び／又はロボット２に係る条件を、学習モデルに適用することによってロボットの動作条件を選択し、選択した動作条件に基づいてロボット２を制御する制御装置１０とを備え、機械学習装置１５は、ワーク７１に係る条件、及び／又はロボット２に係る条件と、動作条件との対応関係を、入力データとして取得する入力データ取得部１６と、ロボット２の処理能力の過不足が発生したか否かをラベルとして取得するラベル取得部１７と、入力データとラベルとの組を教師データとして教師あり学習を行うことにより、ロボット２の動作条件を指示する学習モデルを構築する学習部１８とを備え、制御装置１０は、機械学習装置１５から取得した学習モデルを記憶する記憶部１２と、学習モデルに基づいて、ロボット２の動作条件として最適な動作条件を選択する選択部１１１と、選択部１１１によって選択された動作条件で、ロボット２の動作を制御する動作制御部１１２と、を備える。

【0081】

これにより、条件に応じてロボット動作条件を制御することで、無駄な待機状態によるロボット２の加減速を無くすと共に、ロボット２は必要十分な動作速度しか出さないため、省電力化、減速機の寿命を延伸する効果が得られる。

【0082】

更に、ワークの供給状況やロボットの動作状況に応じて、各運転パターンや動作条件を柔軟に変化したり更新したりすることが可能となる。

【0083】

〔２ 第２実施形態〕
以下、本発明の第２実施形態について、図７を参照することにより説明する。なお、以下では説明の簡略化のため、第１実施形態と同一の構成要素については、同一の符号を用いて説明すると共に、その機能の説明も省略する。

【0084】

〔２．１ 実施形態の構成〕
図７は、本発明の第２実施形態に係るワーク搬送システム１Ａの全体構成を示す図である。

【0085】

ワーク搬送システム１Ａにおいては、ワーク７１が一列に並ぶワーク搬送システム１とは異なり、ワーク供給装置４上のワーク７１が、ランダムに並ぶ。これに伴い、ワーク搬送システム１Ａは、ワーク搬送システム１で動作するロボット２とは別のロボット２Ａを備える。ロボット２Ａは、ロボット２とは異なり、アーム２２の代わりにアーム２２Ａを、ハンド２３の代わりにハンド２３Ａを備える。

【0086】

また、第２実施形態においては第１実施形態に比較して、ワーク供給装置４に備わるコンベヤの速度が遅いと共に、ワーク取出可能領域６０をワーク７１が通過する時間が長いことを想定している。

【0087】

図８は、第２実施形態におけるワーク取出可能領域６０の構成を示す図である。ワーク取出可能領域６０は、当該ワーク取出可能領域６０とワーク搬出装置５とが重なる領域を「中流領域」とし、それよりも上流の領域を「上流領域」、下流の領域を「下流領域」とする。

【0088】

第２実施形態に係る機械学習装置１５Ａは、第１実施形態に係る機械学習装置１５とは異なり、ラベル取得部１７の代わりにラベル取得部１７Ａを備える。ラベル取得部１７Ａは、ロボット２が「上流領域」からワーク７１を取り出し続ける場合に、処理能力が過剰であるし、「中流領域」からワーク７１を取り出し続ける場合に、処理能力が適正であるとし、「下流領域」からワーク７１を取り出し続ける場合に、処理能力が不足しているとする。学習部１８は、これらのラベルを用いて学習モデルを構築する。

【0089】

〔２．２ 実施形態が奏する効果〕
本実施形態に係るワーク搬送システム１Ａにおいて、ロボット２がワーク取出可能領域６０内の上流領域からワーク７１を取り出し続ける場合に、ラベル取得部１７Ａは、処理能力が過剰であるとし、ロボット２がワーク取出可能領域６０内の中流領域からワーク７１を取り出し続ける場合に、ラベル取得部１７Ａは、処理能力が適正であるとし、ロボット２がワーク取出可能領域６０内の下流領域からワーク７１を取り出し続ける場合に、ラベル取得部１７Ａは、処理能力が不足しているとする。

【0090】

これにより、とりわけ、ワーク供給装置４に備わるコンベヤの速度が遅いと共に、ワーク取出可能領域６０をワーク７１が通過する時間が長い場合に、ワーク７１の供給状況やロボット２の動作状況に応じて、各運転パターンや動作条件を柔軟に変化したり更新したりすることが可能となる。

【0091】

以上、本発明の実施形態について説明したが、本発明は前述した実施形態に限るものではない。また、本実施形態に記載された効果は、本発明から生じる最も好適な効果を列挙したに過ぎず、本発明による効果は、本実施形態に記載されたものに限定されるものではない。

【符号の説明】

【0092】

１，１Ａ ワーク搬送システム
２，２Ａ ロボット
４ ワーク供給装置
５ ワーク搬出装置
１０，１０Ａ 制御装置
１１ 制御部
１２ 記憶部
２０ 機械学習装置
２１ 入力データ取得部
２２ ラベル取得部
２３ 学習部
２４ 学習モデル記憶部
６０ ワーク取出可能領域
７１ ワーク
１１１ 選択部
１１２ 動作制御部
１１３ 監視部
１１４ 変化量計算部
１１５ 電力量計算部
１１６ 特徴量出力部

【図1】

【図2】

【図3】

【図4】

【図5A】

【図5B】

【図5C】

【図6A】

【図6B】

【図7】

【図8】