特許 7629889 倉庫施設の保全管理システムおよび保全管理方法

(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】2025-02-05

(45)【発行日】2025-02-14

(54)【発明の名称】倉庫施設の保全管理システムおよび保全管理方法

(51)【国際特許分類】

   G06Q 10/08 20240101AFI20250206BHJP

   G06Q 10/20 20230101ALI20250206BHJP

【ＦＩ】

G06Q10/08

G06Q10/20

【請求項の数】 5

(21)【出願番号】P 2022079579

(22)【出願日】2022-05-13

(65)【公開番号】P2023167994

(43)【公開日】2023-11-24

【審査請求日】2024-01-15

(73)【特許権者】

【識別番号】000005902

【氏名又は名称】株式会社三井Ｅ＆Ｓ

(74)【代理人】

【識別番号】110001368

【氏名又は名称】清流国際弁理士法人

(74)【代理人】

【識別番号】100129252

【弁理士】

【氏名又は名称】昼間 孝良

(74)【代理人】

【識別番号】100155033

【弁理士】

【氏名又は名称】境澤 正夫

(72)【発明者】

【氏名】松浦 昌博

【審査官】野元 久道

(56)【参考文献】

【文献】特開２００４－１１０７０９（ＪＰ，Ａ）

【文献】特開２０２２－０１０９７１（ＪＰ，Ａ）

【文献】特開２０１４－０８５６８５（ＪＰ，Ａ）

【文献】特開平１１－２３６１０５（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｑ １０／００－９９／００

(57)【特許請求の範囲】

【請求項1】

多数の荷物を一時的に保管する保管エリアと、前記保管エリアおよび複数の輸送機器の間で前記荷物を荷役する複数の荷役機器と、を有する倉庫施設における前記荷役機器に対する保全作業の日時が予定されている保全予定データを修正する演算装置を備える倉庫施設の保全管理システムにおいて、
前記演算装置が、前記荷役機器に対する保全作業の日時として、前記複数の荷役機器を対象とする複数のセンシング機器が検出した複数の検出データに基づいた予知保全作業の日時が少なくとも予定されている前記保全予定データと、前記複数の輸送機器の発着予定日時に基づいた日時ごとの前記倉庫施設での荷役作業数を示す荷役予定データとが記憶された補助記憶部と、中央演算処理部とを有していて、
前記中央演算処理部は、前記補助記憶部に記憶されている前記保全予定データと前記荷役予定データとの少なくとも一方のデータが更新されると、前記荷役予定データに予定されている所定の日時の前記荷役作業数を、前記複数の荷役機器の中から前記保全予定データにおける前記所定の日時に予定されている前記保全作業の対象となる荷役機器を除いた残りの荷役機器で行うと仮定して、前記倉庫施設の荷役効率が目標とする荷役効率を下回ると予測される日時に予定されている前記保全予定データにおける前記保全作業の日時を変更して、前記保全予定データを修正するデータ処理を実行することを特徴とする倉庫施設の保全管理システム。

【請求項2】

前記中央演算処理部は、予め設定された設定期間の全ての日時での前記倉庫施設の荷役効率が目標とする荷役効率以上になるように、前記修正するデータ処理を実行する請求項１に記載の倉庫施設の保全管理システム。

【請求項3】

前記保全予定データには、予め設定された期間に基づいた予防保全作業の日時と前記予知保全作業の日時と、が予定されていて、
前記修正するデータ処理では、前記予防保全作業の日時の優先度が前記予知保全作業の日時の優先度よりも低く、前記予防保全作業の日時が先に変更される請求項１に記載の倉庫施設の保全管理システム。

【請求項4】

前記中央演算処理部は、前記保全予定データと前記荷役予定データとに基づいて、前記倉庫施設の荷役効率が目標とする荷役効率を下回ると予測される日時を抽出する指標として、前記保全予定データに予定されている前記保全作業の実施による前記倉庫施設での荷役効率の低下への影響度を日時ごとに予測するデータ処理を実行し、前記影響度が予め設定した基準よりも高い日時を、前記倉庫施設の荷役効率が目標とする荷役効率を下回ると予測される日時と見做し、前記影響度が前記基準以下の日時を、前記倉庫施設の荷役効率が目標とする荷役効率以上に維持されると予測される日時と見做し、予め設定された設定期間の日時の中から前記影響度が前記基準よりも高い日時を抽出し、抽出したその日時に予定されている前記保全作業の日時を変更して、前記保全予定データを修正するデータ処理を実行する請求項１に記載の倉庫施設の保全管理システム。

【請求項5】

保管エリアに多数の荷物を一時的に保管し、複数の荷役機器により前記保管エリアおよび輸送機器の間で前記荷物を荷役する倉庫施設における前記荷役機器に対する保全作業の日時が予定されている保全予定データを演算装置により修正する倉庫施設の保全管理方法において、
前記演算装置の補助記憶部に記憶されている、前記荷役機器に対する保全作業の日時として、前記複数の荷役機器を対象とする複数のセンシング機器が検出した複数の検出データに基づいた予知保全作業の日時が少なくとも予定されている前記保全予定データと、前記複数の輸送機器の発着予定日時に基づいた日時ごとの前記倉庫施設での荷役作業数を示す荷役予定データとの少なくとも一方のデータが更新されると、
前記演算装置の中央演算処理部により、
前記荷役予定データに予定されている所定の日時の前記荷役作業数を、前記複数の荷役機器の中から前記保全予定データにおける前記所定の日時に予定されている前記保全作業の対象となる荷役機器を除いた残りの荷役機器で行うと仮定して、前記倉庫施設の荷役効率が目標とする荷役効率を下回ると予測される日時に予定されている前記保全作業の日時を変更して、前記保全予定データを修正することを特徴とする倉庫施設の保全管理方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、倉庫装置の保全管理システムおよび保全管理方法に関し、より詳しくは、多数の荷物を一時的に保管する保管エリアと、前記保管エリアおよび複数の輸送機器の間で前記荷物を荷役する複数の荷役機器と、を有する倉庫施設の保全作業を管理する倉庫施設の保全管理システムおよび保全管理方法に関する。

【背景技術】

【0002】

現在、コンテナターミナルの生産性を向上させるために、人工知能（ＡＩ）を利用する取り組みが進められている。具体的に、熟練技能者のクレーン操作に関する暗黙知をＡＩにより分析し、形式知とする取り組み、クレーンの操作を遠隔操作化あるいは自動化する取り組み、コンテナの品名、荷主名、および過去の搬入搬出日などをＡＩにより分析し、コンテナの蔵置場所を最適化する取り組みなどが、進められている。それらの取り組みにより、コンテナターミナルの荷役の効率化が図られることになる。このように、コンテナターミナルなどの日夜、荷物が出入りする倉庫施設では、荷役効率を向上することが求められている。

【0003】

一方で、コンテナターミナルでの荷役作業の安全性を確保するために、ガントリークレーン、トランスファークレーン（ヤードクレーン）、構内トレーラーなどの様々な種類の多数の荷役機器の保全作業（予防保全作業、予知保全作業）も重要となっている。仮に荷役機器の保全作業が不十分で、荷役作業中の荷役機器が停止する事態が生じると、荷役が停止することに加えて、その復旧に多大な手間が割かれることになり、荷役効率が大幅に低下する。それ故、倉庫施設において荷役機器の保全作業は荷役効率を担保するためにも重要である。この保全作業に関して、ＡＩなどを利用して、対象の異常を早期に発見したり、保全作業に関するスケジュールを管理したりするシステムや方法が種々提案されている（特許文献１、２参照）。

【0004】

しかしながら、保全作業が行われる場合に、保全作業の対象となる荷役機器を除いた残りの荷役機器による荷役作業となり、全ての荷役機器による荷役作業に比して荷役効率が低下する。このように、荷役機器の保全作業の実施状況は、荷役効率の低下への影響の度合いが高い。特許文献１、２に記載の発明は、保全作業の実施による荷役効率の低下への影響が考慮されていない。それ故、対象の設備の異常を早期に発見したことによる予知保全作業や予定されている予防保全作業により荷役効率が低下することになる。このように、倉庫施設での保全作業における荷役効率の低下の抑制と安全性の向上とを両立させるには改善の余地がある。

【先行技術文献】

【特許文献】

【0005】

【文献】特開２０２１－１８２３９３号公報

【文献】特開２０２２－０１０９７１号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

本発明の目的は、倉庫施設での保全作業における荷役効率の低下の抑制と安全性の向上とを両立させることができる倉庫施設の保全管理システムおよび保全管理方法を提供することである。

【課題を解決するための手段】

【0007】

上記の目的を達成する本発明の倉庫施設の保全管理システムは、多数の荷物を一時的に保管する保管エリアと、前記保管エリアおよび複数の輸送機器の間で前記荷物を荷役する複数の荷役機器と、を有する倉庫施設における前記荷役機器に対する保全作業の日時が予定されている保全予定データを修正する演算装置を備える倉庫施設の保全管理システムにおいて、前記演算装置が、前記荷役機器に対する保全作業の日時として、前記複数の荷役機器を対象とする複数のセンシング機器が検出した複数の検出データに基づいた予知保全作業の日時が少なくとも予定されている前記保全予定データと、前記複数の輸送機器の発着予定日時に基づいた日時ごとの前記倉庫施設での荷役作業数を示す荷役予定データとが記憶された補助記憶部と、中央演算処理部とを有していて、前記中央演算処理部は、前記補助記憶部に記憶されている前記保全予定データと前記荷役予定データとの少なくとも一方のデータが更新されると、前記荷役予定データに予定されている所定の日時の前記荷役作業数を、前記複数の荷役機器の中から前記保全予定データにおける前記所定の日時に予定されている前記保全作業の対象となる荷役機器を除いた残りの荷役機器で行うと仮定して、前記倉庫施設の荷役効率が目標とする荷役効率を下回ると予測される日時に予定されている前記保全予定データにおける前記保全作業の日時を変更して、前記保全予定データを修正するデータ処理を実行することを特徴とする。

【0008】

上記の目的を達成する本発明の倉庫施設の保全管理方法は、保管エリアに多数の荷物を一時的に保管し、複数の荷役機器により前記保管エリアおよび輸送機器の間で前記荷物を荷役する倉庫施設における前記荷役機器に対する保全作業の日時が予定されている保全予定データを演算装置により修正する倉庫施設の保全管理方法において、前記演算装置の補助記憶部に記憶されている、前記荷役機器に対する保全作業の日時として、前記複数の荷役機器を対象とする複数のセンシング機器が検出した複数の検出データに基づいた予知保全作業の日時が少なくとも予定されている前記保全予定データと、前記複数の輸送機器の発着予定日時に基づいた日時ごとの前記倉庫施設での荷役作業数を示す荷役予定データとの少なくとも一方のデータが更新されると、前記演算装置の中央演算処理部により、前記荷役予定データに予定されている所定の日時の前記荷役作業数を、前記複数の荷役機器の中から前記保全予定データにおける前記所定の日時に予定されている前記保全作業の対象となる荷役機器を除いた残りの荷役機器で行うと仮定して、前記倉庫施設の荷役効率が目標とする荷役効率を下回ると予測される日時に予定されている前記保全作業の日時を変更して、前記保全予定データを修正することを特徴とする。

【発明の効果】

【0009】

本発明によれば、修正された保全予定データは、元の保全予定データに比して保全作業による荷役効率の低下への影響度が考慮されることで、実際に保全作業が実施された場合の倉庫施設の荷役効率の低下を抑制することができる。つまり、予定で示される保全作業の実施による荷役効率の低下への影響度が高いと予測される場合には、その予定を変更し、保全作業の実施による荷役効率の低下への影響度が低いと予測される場合には、その予定を変更しない。このように、本発明は、荷役機器の保全作業により倉庫施設の安全性を向上する構成でありながら、その保全作業による荷役効率の低下を抑制することで、荷役効率の低下の抑制と安全性の向上とを両立させることができる。

【図面の簡単な説明】

【0010】

【図1】倉庫施設を例示する説明図である。

【図2】倉庫施設の保全管理システムの実施形態を例示する説明図である。

【図3】保全予定データを例示する説明図である。

【図4】荷役予定データを例示する説明図である。

【図5】倉庫施設の保全管理方法における保全予定データを更新する方法を例示するフロー図である。

【図6】倉庫施設の保全管理方法における荷役予定データを更新する方法を例示するフロー図である。

【図7】倉庫施設の保全管理方法における保全予定データを修正する方法を例示するフロー図である。

【図8】修正した保全予定データを例示する説明図である。

【発明を実施するための形態】

【0011】

以下、本発明の倉庫施設の保全管理システムおよび保全管理方法を、図に示す実施形態に基づいて説明する。

【0012】

図１に例示する倉庫施設１は、コンテナターミナルを示している。倉庫施設１は、物流の拠点となっているコンテナターミナルや物流倉庫などの公知の種々の倉庫施設であればよい。倉庫施設１は、複数の輸送機器２により輸送された荷物３が入庫して一時的に保管され、保管された荷物３が複数の輸送機器２により外部へと出庫して輸送されている。輸送機器２は、荷物３を輸送する公知の種々の乗り物であり、コンテナターミナルにおいて、荷物３としてコンテナを輸送する船舶や車両が例示される。倉庫施設１は、保管エリア４と複数の荷役機器５とを有している。保管エリア４は、多数の荷物３を一時的に保管するエリアである。コンテナターミナルにおける保管エリア４は、荷物３として多数のコンテナが蔵置される蔵置レーンが該当する。複数の荷役機器５は、倉庫施設１での荷物３の荷役を行う公知の種々の荷役機器である。コンテナターミナルにおける複数の荷役機器５は、荷物３としてコンテナを荷役、運搬するガントリークレーン、トランスファークレーン（ヤードクレーン）、構内シャーシが該当する。

【0013】

図２に例示する保全管理システム１０の実施形態は、倉庫施設１の複数の荷役機器５の保全作業を管理している。保全管理システム１０は、複数のセンシング機器１１と演算装置１２とを備えている。

【0014】

複数のセンシング機器１１は、複数の荷役機器５をセンシングの対象としており、公知の種々のセンシング機器を用いることができる。センシング機器としては、荷役機器５の位置、荷役機器５のモータなどの駆動源の温度、荷役機器５の可動部の振動、荷役機器５の全体像や部分像を撮像した画像、荷役機器５に搭載された装置の通電状況などを検知する多種多様なセンサが例示される。複数のセンシング機器１１は、倉庫施設１の各所に配置されていてもよく、複数の荷役機器５のそれぞれに設置されていてもよい。

【0015】

演算装置１２は、中央演算処理部（ＣＰＵ）１３、主記憶部（メモリ）１４、補助記憶部（例えば、HDD）１５、入出力部（例えば、マウス、キーボード、ネットワークのインターフェース）１６を備えている。補助記憶部１５には、保全予定データ２０および荷役予定データ２１が記憶されている。演算装置１２は、複数のセンシング機器１１が取得した複数の検知データが入力可能に複数のセンシング機器１１と接続されている。また、演算装置１２は、図示しない輸送機器２に搭載された通信機器や輸送機器２の運行を管理する管理装置から送信されるデータが入力可能にそれらの通信機器や管理装置と接続されている。演算装置１２との他の機器との接続には、ネットワーク（インターネットを含む）を用いてもよい。

【0016】

図３は、保全予定データ２０の一例を示している。保全予定データ２０は、設定期間内の日時（D１、・・・、Dｎ）ごとに、複数の荷役機器５ごと（ａ、ｂ、・・・）の保全作業（ＰＶ、ＰＤ）が予定されている。複数の荷役機器５の保全作業は、保全予定データ２０に予定されている日時に実施される。

【0017】

保全作業は、事後保全作業を含まず、複数の荷役機器５に不具合や故障が生じるよりも前に行われる点検、整備、部品交換などの作業を示す。保全作業には、予防保全作業ＰＶおよび予知保全作業（劣化予兆診断、状態基準保全）ＰＤを含む。予防保全作業ＰＶは、予め設定された所定の期間ごとに行われる定期点検作業である。予防保全作業ＰＶは、その作業の日時が所定の期間に基づいて予定されている。所定の期間としては、一ヶ月などの短期的な期間と、一年などの長期的な期間と、が例示される。予防保全作業ＰＶとしては、短期的な期間の定期点検作業と長期的な期間の定期点検作業との両方を行うことが望ましい。予知保全作業ＰＤは、複数の荷役機器５を常時、監視して、監視により不具合や故障の兆候が予測された場合に行われる点検、整備、部品交換などの作業を示す。予知保全作業ＰＤは、予防保全作業ＰＶと異なり、その作業の日時が荷役機器５の監視に基づいて予測されている。つまり、予防保全作業ＰＶは、倉庫施設１での荷役作業の予定を考慮した日時に予定することが可能であるが、予知保全作業ＰＤは、その作業の日時が荷役作業の予定を考慮せずに突発的に予測される。保全作業の作業時間は、その作業時間の単位時間が一日に限定されるものではなく、単位時間が１２時間などでもよい。保全作業の作業時間は、一日のものもあり、複数日に亘るものもある。

【0018】

保全予定データ２０の設定期間は、任意に設定可能である。設定期間は、予防保全作業ＰＶの日時が予定されている場合に、その予定されている日時を含む期間に設定されてもよい。また、設定期間は、例えば、一週間などの短い期間に設定されてもよく、その場合に、設定期間外の予防保全作業ＰＶの日時が予定されている別の予定データを用意しておくとよい。

【0019】

保全予定データ２０は、まず、所定の期間に基づいた予防保全作業ＰＶの日時が表中に埋められて予定される。ついで、保全予定データ２０は、監視に基づいた予知保全作業ＰＤの日時が予測されるごとに、予測された予防保全作業ＰＤの日時が表中に埋められて、更新される。

【0020】

図４は、荷役予定データ２１の一例を示している。荷役予定データ２１は、設定期間内の日時（D１、・・・、Dｎ）ごとに、予測される倉庫施設１の荷役作業数を表している。荷役予定データ２１は、日時ごとの荷役作業数を示す度数分布に限定されるものではなく、保全予定データ２０と同様に、日時ごとに、複数の荷役機器５ごとの荷役作業の予定が集積されたデータでもよい。本実施形態では、後述するように、保全作業の実施による荷役効率の低下への影響度を予測できればよく、各荷役機器５の詳細な荷役作業の予定が特に必要になることがないが、場合によっては各荷役機器５の詳細な荷役作業の予定が必要になる場合もある。

【0021】

一日当たりの倉庫施設１の荷役作業数は、倉庫施設１に入庫される荷物３の数と倉庫施設１から出庫される荷物３の数とを合計した入出庫数に概ね比例する。よって、荷役作業数の代わりに、倉庫施設１の入出庫数を用いてもよい。倉庫施設１の荷役作業数（入出庫数）の変位は、複数の輸送機器２の発着状況に応じている。発着する輸送機器２が多くなるに連れて、荷役作業数が多くなり、発着する輸送機器２が少なくなるに連れて、荷役作業数が少なくなる。コンテナターミナルにおける荷役作業数は、輸送機器２のなかでも特に、荷物３としてコンテナを輸送する船舶の発着状況に左右される。

【0022】

図５～図７に倉庫施設１の保全管理方法の一例を示す。まず、演算装置１２の補助記憶部１５に保存されている所定のプログラムを起動、実行する。所定のプログラムは、演算装置１２に各手順を実行させる。具体的に、所定のプログラムは、図５に例示する（Ｓ１１０）～（Ｓ１４０）の各手順を演算装置１２に実行させて、保全予定データ２０を更新する。また、所定のプログラムは、図６に例示する（Ｓ２１０）～（Ｓ２３０）の各手順を演算装置１２に実行させて、荷役予定データ２１を更新する。さらに、所定のプログラムは、図７に例示する（Ｓ３１０）～（Ｓ３５０）の各手順を演算装置１２に実行させて、保全予定データ２０を修正する。図５、図６、および、図７に例示する各々のステップ郡は、互いに独立して行われる。以下に各ステップの内容を詳述する。

【0023】

図５に例示する各ステップにより、予知保全作業ＰＶの日時が予測され、保全予定データ２０に予測された予知保全作業ＰＶの日時が予定される。各ステップが行われる前に、保全予定データ２０には、所定の期間に基づいた予防保全作業ＰＶの日時が予定されているものとする。各ステップは、所定の周期ごとに繰り返し行われる。所定の周期は、任意に設定することが可能であるが、複数のセンシング機器１１のサンプリング周期に設定してもよく、そのサンプリング周期が複数回繰り返される周期に設定してもよい。サンプリング周期が複数回繰り返される周期としては、一時間、あるいは、一日などが例示される。

【0024】

検知データを取得するステップ（Ｓ１１０）では、複数のセンシング機器１１により取得された複数の検知データが演算装置１２に入力される。複数のセンシング機器により取得された複数の検知データは、演算装置１２の補助記憶部１５に保存される。

【0025】

予知保全作業ＰＤの日時を予測するステップ（Ｓ１２０）では、演算装置１２により、複数の検知データに基づいて、荷役機器５に不具合や故障が発生する日時を予測し、予測したその日時よりも前の日時を予知保全作業ＰＤの日時として予測するデータ処理が実行される。不具合や故障が発生する日時の予測には、公知の種々の予測手法を用いることができる。予測手法としては、検知データと予め設定された閾値とを比較して、不具合や故障の兆候を特定し、不具合や故障が発生する日時を予測する手法が例示される。この手法で用いられる閾値や予測される日時は、過去の不具合や故障の履歴から得られる経験則に基づいて予め設定することができる。予測される日時は、不具合や故障の兆候が特定された時から経験則に基づいた期間が経過した日時として特定される。過去の不具合や故障の履歴は、倉庫施設１の運用の履歴の他、多数の実験や試験の蓄積やコンピュータシミュレーション結果の蓄積を用いることができる。また、予測手法としては、複数の検知データと教師あり機械学習により作成された予測モデルとを用いて日時を予測する手法なども例示される。

【0026】

予測手法の閾値の設定基準や機械学習での目的関数は、安全性を示す指標を用いることが望ましい。安全性を示す指標としては、荷役機器５を構成する種々の部品ごとの仕様や定期点検項目などを用いることができる。例えば、荷役機器５がクレーンの場合に、ワイヤーロープの安全性を示す指標としては、ワイヤーロープの断線の度合い（断線本数およびその分布状況）、ワイヤーロープの直径、ワイヤーロープの腐食の度合いなどの規定された交換基準が例示される。

【0027】

予測した予知保全作業ＰＤの日時は、予測した不具合や故障が発生する日時よりも前の日時であればよいが、保全作業が日程的に余裕を持って対応可能なようにより早めの日時であることが望ましい。例えば、予測した予知保全作業ＰＤの日時は、予測した不具合や故障が発生する日時に固定値（例えば、一週間など）を加算して算出される。また、予測した予知保全作業ＰＤの日時は、予測した不具合や故障が発生する日時までの期間の長さに対して、「１」よりも小さい正の値（例えば、「０．７」）を乗算して算出される。このように、予測した予知保全作業ＰＤの日時が予測した不具合や故障が発生する日時よりも前の日時に設定されることで、予知保全作業ＰＤの日時が前後しても、実際に不具合や故障が発生するよりも前に予知保全作業ＰＤを実施することが可能となる。

【0028】

保全予定データ２０を更新するステップ（Ｓ１３０）では、演算装置１２により、保全予定データ２０に予測した予知保全作業ＰＤの日時を予定して、保全予定データ２０を更新するデータ処理が実行される。このステップにより、保全予定データ２０には、所定の期間に基づいた予防保全作業ＰＶの日時と、複数のセンシング機器１１の検出データ（監視）に基づいた予知保全作業ＰＤの日時と、が予定されることになる。

【0029】

図６に例示する各ステップにより、日時ごとの荷役作業数が予測され、荷役予定データ２１は、予測された荷役作業数に更新される。各ステップは、図５の各ステップと同様に所定の周期ごとに繰り返し行われてもよく、複数の輸送機器２の発着予定日時が演算装置１２に入力される毎に行われてもよい。

【0030】

輸送機器２の発着予定日時を取得するステップ（Ｓ２１０）では、輸送機器２や輸送機器２の管理者から送信された輸送機器２の発着予定日時が演算装置１２に入力される。輸送機器２の発着予定日時は、演算装置１２の補助記憶部１５に保存される。輸送機器２の発着予定日時は、荷物３の品名、荷主名、および過去の入出庫日などを教師データとして教師あり機械学習により作成された予測モデルを用いて予測してもよい。

【0031】

荷役作業数を予測するステップ（Ｓ２２０）では、演算装置１２により、輸送機器２の発着予定日時に基づいて、設定期間の日時ごとの荷役作業数を予測するデータ処理が実行する。荷役作業数の予測には、公知の種々の予測手法を用いることができる。予測手法としては、日時ごとの輸送機器２の発着台数とその種類（例えば、外来シャーシと船舶）から倉庫施設１の入出庫数を算出して、算出したその入出庫数に基づいて荷役作業数を算出する手法、輸送機器２の発着予定日時と教師あり機械学習により作成された予測モデルとを用いる手法などが例示される。

【0032】

予測した荷役作業数は、保管エリア４および複数の輸送機器２の間の荷役作業に加えて、保管エリア４での荷繰り作業を含めることが望ましい。荷繰り作業は、保管エリア４に保管された荷物３を整理する作業であり、円滑な荷役作業に必要な作業である。そこで、このステップでは、輸送機器２の発着予定日時に加えて、保管エリア４での荷物３の保管位置を荷役作業数の予測に用いるとよい。予測した荷役作業数が荷繰り作業も含むことで、荷役作業数をより高精度に予測可能になる。

【0033】

荷役予定データ２１を更新するステップ（Ｓ２３０）では、演算装置１２により、荷役予定データ２１の日時ごとの荷役作業数を更新するデータ処理が実行される。荷役予定データ２１は、日時ごとの荷役作業数が輸送機器２の発着予定日時により大幅に変動する可能性がある。それ故、荷役予定データ２１は、輸送機器２の発着予定日時を取得するごとに更新されることが望ましい。特に、倉庫施設１がコンテナターミナルで構成される場合に、荷役予定データ２１は、荷役作業数が大幅に変動する船舶の発着予定日時を取得するごとに更新されることが望ましい。

【0034】

図７に例示する各ステップにより、保全予定データ２０に予定されている保全作業の実施による倉庫施設１での荷役効率の低下への影響度が予測され、予測された影響度に基づいて保全予定データ２０が修正される。各ステップは、（Ｓ３１０）のステップにより、保全予定データ２０および荷役予定データ２１の少なくともどちらか一方のデータが更新された場合に行われてもよく、図５および図６の各ステップと同様に所定の周期ごとに繰り返し行われてよい。

【0035】

データが更新されたか否かを判定するステップ（Ｓ３１０）では、演算装置１２により、保全予定データ２０および荷役予定データ２１の更新を監視し、少なくともどちらか一方のデータが更新されたか否かを判定するデータ処理が実行される。図７に例示する各ステップが所定の周期ごとに行われる場合に、このステップは省略することが可能である。

【0036】

データを読み込むステップ（Ｓ３２０）では、演算装置１２により、保全予定データ２０および荷役予定データ２１の両方のデータを読み込むデータ処理が実行される。データの読み込みは、補助記憶部１５に保存されている保全予定データ２０および荷役予定データ２１を主記憶部１４に読み込むことである。

【0037】

荷役効率の低下への影響度を予測するステップ（Ｓ３３０）では、演算装置１２により、保全予定データ２０および荷役予定データ２１に基づいて、設定期間の日時ごとに、保全予定データ２０に予定されている保全作業の実施による倉庫施設１の荷役効率の低下への影響度を予測するデータ処理が実行される。影響度を予測する手法としては、種々の手法を用いることができる。例えば、荷役予定データ２１の所定の日時に予定されている荷役作業数と、保全予定データ２０のその所定の日時に予定されている保全作業の対象となる荷役機器５を除いた残りの荷役機器５での最大荷役作業数と、の割合と予め設定した閾値を比較する手法を用いてもよい。また、所定の日時のそれらの残りの複数の荷役機器５の一台当たりの荷役作業数を算出し、算出した一台当たりの荷役作業数と予め設定した閾値を比較する手法を用いてもよい。また、荷役予定データ２１の所定の日時に予定されている荷役作業数を、複数の荷役機器５のなかの保全予定データ２０のその所定の日時に予定されている保全作業の対象となる荷役機器５を除いた残りの荷役機器５で行うと仮定したコンピュータシミュレーションにより予測する手法を用いてもよい。コンピュータシミュレーションは、倉庫施設１での荷役作業をモデル化したモデルを用いてもよく、教師あり機械学習により作成された予測モデルを用いてもよい。

【0038】

影響度を予測する手法の閾値の設定基準やコンピュータシミュレーションでの目的関数は、荷役効率を示す指標を用いることが望ましい。荷役効率を示す指標としては、複数の荷役機器５の一台あたりの荷役作業数、複数の輸送機器２の倉庫施設１での滞在時間、時間当たりの荷物３の入出庫数、荷物３の荷役速度などを用いることができる。例えば、倉庫施設１がコンテナターミナルの場合に、コンテナ港湾生産性指数（ＣＰＰＩ）が例示される。

【0039】

影響度は、保全予定データ２０に予定されている保全作業が実施された場合の倉庫施設１の荷役効率の低下に影響を及ぼす度合いを示す。影響度は、所定の日時の荷役作業数およびその所定の日時の荷役作業可能な荷役機器５の台数の割合と正の相関関係がある。影響度は、所定の日時の荷役作業数が多くなるにつれて高くなり、所定の日時の荷役作業数が少なくなるにつれて低くなる。また、影響度は、所定の日時の荷役作業可能な荷役機器５の台数が少なくなるにつれて高くなり、所定の日時の荷役作業可能な荷役機器５の台数が多くなるにつれて低くなる。

【0040】

影響度が高いか否かを判定するステップ（Ｓ３４０）では、演算装置１２により設定期間の日時ごとの影響度が、予め設定した基準よりも高いか否かを判定するデータ処理が実行される。このステップで、設定期間の日時のいずれか一つでも影響度が基準よりも高いと判定されると、（Ｓ３５０）のステップへ進み、設定期間の日時のいずれも影響度が基準以下と判定されると、スタートへ戻る。具体的に、演算装置１２は、影響度が基準よりも高い場合に、予定されている保全作業を実施すると倉庫施設１の荷役効率が目標とする荷役効率を下回ると見做し、影響度が基準以下の場合に、予定されている保全作業を実施しても倉庫施設１の荷役効率が目標とする荷役効率以上に維持されると見做している。

【0041】

倉庫施設１の荷役効率が、倉庫施設１が目標とする荷役効率を下回ると、複数の輸送機器２の倉庫施設１での滞在時間が長期化したり、時間当たりの荷物３の入出庫数が減少したりする。つまり、倉庫施設１の荷役効率は、目標とする荷役効率を下回ることなく維持されることが望ましい。予定されている保全作業が実施されても影響度が低い場合では荷役効率が低下してもその低下幅が小さく、倉庫施設１が目標とする荷役効率を下回る可能性が低い。一方で、影響度が高い場合では荷役効率の低下幅が大きく、倉庫施設１が目標とする荷役効率を大幅に下回る可能性が高い。このように、予定されている保全作業が実施された場合の影響度は、倉庫施設１の目標とする荷役効率が維持可能か否かを判断する指標になっている。それ故、影響度を予測することにより、倉庫施設１の荷役効率を目標とする荷役効率を下回らないように対処することが可能になる。

【0042】

影響度の高低の基準は、任意に設定してもよいが、目標とする荷役効率を下回ることを回避するために倉庫施設１が目標とする荷役効率を基準とするとよい。倉庫施設１が目標とする荷役効率は、予め設定された荷役効率を示す指標（複数の荷役機器５の一台あたりの荷役作業数、複数の輸送機器２の倉庫施設１での滞在時間、時間当たりの荷物３の入出庫数、荷物３の荷役速度）の目標値で表してもよく、倉庫施設１の荷役効率を示す指標の平均値、中間値、中央値などで表してもよい。また、倉庫施設１が目標とする荷役効率は、予定されている荷役作業数に応じた荷役作業可能な荷役機器５の台数で表してもよい。このように、影響度の高低を判断して、影響度が高いことに起因した荷役効率が基準を下回らない条件を設けることで、より確実に倉庫施設１の荷役効率を目標とする荷役効率を下回らないように維持することが可能となる。

【0043】

保全予定データ２０を修正するステップ（Ｓ３５０）では、演算装置１２により、予測した影響度に基づいて、保全予定データ２０を修正するデータ処理が実行される。具体的に、演算装置１２は、設定期間の日時のなかから影響度が高い日時を抽出し、抽出した日時に予定されている保全作業を実施すると倉庫施設１の荷役効率が目標とする荷役効率を下回ると見做して、その抽出した日時を変更して、保全予定データ２０を修正するデータ処理を実行する。最終的に修正された保全予定データ２０は、予定されている保全作業が実施されても設定期間の全ての日時の影響度が基準よりも低くなっていて、倉庫施設１の荷役効率が目標とする荷役効率を維持可能になっている。なお、最終的に修正された保全予定データ２０は、設定期間の全ての日時の影響度が基準よりも低くなっていなくてもよく、保全予定データ２０の最初の日時から所定の期間（例えば、一週間）までの間の日時の影響度が基準よりも低くなっていればよい。最終的に修正された保全予定データ２０での影響度が基準よりも低くなっている期間は、任意に設定することができるが、三日～一週間以上であることが望ましい。

【0044】

保全予定データ２０を修正する手法としては、所定の期間（設定期間の全ての日時を含む）の影響度が基準よりも低くなっていれば、公知の種々の日程調整の手法を用いることができる。日程調整の手法としては、影響度が基準よりも高い日時のなかの影響度が最も高い日時に予定されている保全作業の日時を変更して保全予定データ２０を修正し、修正した保全予定データ２０の影響度を予測し直すことを繰り返す手法が例示される。この繰り返す手法では、日時の変更の単位が短い期間であることが望ましく、保全作業の作業時間でもよく、一日～三日の期間でもよい。また、この繰り返す手法では、変更後の日時を元の日時に対して早めるか、あるいは、遅らすかを任意に設定してもよく、元の日時の影響度よりも低い影響度の日時の側へ早めたり、遅らせたりしてもよい。また、日程調整の手法としては、保全予定データ２０を修正する手法としては、目的関数を影響度とする教師あり機械学習により作成された日程調整モデルを用いる手法も例示される。なお、保全予定データ２０を修正する手法として、教師あり機械学習により作成された日程調整モデルを用いる場合には、影響度の予測や保全予定データ２０の修正を繰り返す必要がないため、（Ｓ３５０）のステップが終了するとスタートへ戻るようにしてもよい。

【0045】

このステップでは、予防保全作業ＰＶの日時の優先度を予知保全作業ＰＤの日時の優先度よりも低く設定することが望ましい。この設定により、日時を変更する場合に、優先度が低い予防保全作業ＰＶの日時が先に修正されることになる。予防保全作業ＰＶは、予め設定された所定の期間ごとに行われていればよく、その日時は予定された日時から変更しても問題がない。一方で、予知保全作業ＰＤは、予測された不具合や故障が発生する日時を超過する前に行われる必要がある。それ故、予防保全作業ＰＶの日時の優先度を予知保全作業ＰＤの日時の優先度よりも低く設定することで、予知保全作業ＰＤが予定された日時どおりに実施される頻度を高くすることができる。これにより、予知保全作業ＰＤが余裕を持って予測された不具合や故障が発生する日時よりも前に実施されることになり、荷役機器５に不具合や故障が発生するリスクを回避するには有利になる。なお、予知保全作業ＰＶの日時が変更されることもあるが、予知保全作業ＰＶの予定された日時は、予測された不具合や故障が発生する日時に対して十分に猶予を有して設定されている。それ故、予定された日時が多少前後しても、予測された不具合や故障が発生する日時よりも前に予知保全作業ＰＶを実施することが可能になっている。

【0046】

図８は、図３に例示する元の保全予定データ２０と図４に例示する荷役予定データ２１とに基づいて、修正された保全予定データ２０の一例を示している。元の保全予定データに例示するように、設定期間の日時Ｄ３、Ｄ７、Ｄｎには、短期的な期間に基づいた予防保全作業ＰＶが予定されており、日時Ｄ４～Ｄ６には、長期的な期間に基づいた予防保全作業ＰＶが予定されており、日時Ｄ６～Ｄ８には、予知保全作業ＰＤが予定されている。荷役予定データ２１に例示するように、設定期間の日時Ｄ４～Ｄ７は、予定されている荷役作業数が多くなっている。元の保全予定データ２０の予定では、日時Ｄ５～Ｄ７の影響度が高くなっている。

【0047】

上記の（Ｓ３１０）～（Ｓ３５０）の各ステップの実行により、最終的に修正された保全予定データ２０では、図中の（１）に例示するように、優先度に基づいて、日時Ｄ５～Ｄ７に予定されている予防保全作業ＰＶの日時が変更されている。これにより、日時Ｄ５、Ｄ７の影響度が低くなる。また、図中の（２）に例示するように、日時Ｄ５～Ｄ７に予定されていた予防保全作業ＰＶの日時を変更しても、日時Ｄ６の影響度が高いままであるため、日時Ｄ６～Ｄ８に予定されている予知保全作業ＰＤの日時が日時Ｄ７～Ｄ９に変更されている。これにより、日時Ｄ６の荷役作業可能な荷役機器５の台数が確保されることで、日時Ｄ６の影響度が低くなる。さらに、図中の（３）に例示するように、（１）での予防保全作業ＰＶの日時の変更により、日時Ｄ３の影響度が高くなったため、日時Ｄ３に予定されている予防保全作業ＰＶの日時が変更されている。以上の日時の変更により、最終的に修正された保全予定データ２０では、設定期間の全ての日時での影響度が低くなっている。このように、保全予定データ２０の設定期間の全ての日時での影響度が低くなることで、保全予定データ２０に予定されている全ての保全作業が実施されても倉庫施設１の荷役効率が大幅に低下することが回避される。この結果、倉庫施設１の荷役効率が目標とする荷役効率以上に維持される。

【0048】

以上のように、本実施形態によれば、修正された保全予定データ２０（図８）は、元の保全予定データ２０（図３）に比して保全作業による荷役効率の低下への影響度が考慮されることで、実際に保全作業が実施された場合の倉庫施設１の荷役効率の低下を抑制することができる。このように、本実施形態は、荷役機器５の保全作業により倉庫施設１の安全性を向上する構成でありながら、その保全作業による荷役効率の低下を抑制することで、荷役効率の向上と安全性の向上とを両立させることができる。

【0049】

また、本実施形態によれば、予防保全作業ＰＶに加えて、予知保全作業ＰＤが実施されることで、荷役機器５に不具合や故障が生じる直前に交換、修理作業が行われることになり、不要な交換や修理の頻度が減り、保全に要する費用を低く抑えることができる。また、荷役作業中の荷役機器５が不具合や故障により荷役作業が中断される事態が生じる頻度も大幅に低減する。これにより、停止した荷役機器５の復旧に要する多大な手間が省かれることにより、荷役効率の大幅な低を回避することができる。この結果、目標とする荷役効率を担保することが可能となる。

【0050】

以上、本発明の実施形態について説明したが、本発明の倉庫施設の保全管理システム１０および保全管理方法は特定の実施形態に限定されるものではなく、本発明の要旨の範囲内において、種々の変形・変更が可能である。

【0051】

保全管理システム１０は、保全作業の対象が複数の荷役機器５のみに限定されるものではない。保全管理システム１０は、複数のセンシング機器１１が保管エリア４も対象とすることで、保管エリア４の保全作業を管理してもよい。保管エリア４の保全作業としては、荷役機器５が走行する走行路面の点検、整備が例示される。保管エリア４の保全作業は、荷役機器５の保全作業よりも倉庫施設１の荷役効率の低下への影響度が高い場合がある。それ故、保全管理システム１０は、保管エリア４の保全作業も管理することが望ましく、保管エリア４の保全作業を管理することにより、より倉庫施設１の荷役効率を考慮した保全作業を実施することが可能となる。

【0052】

保全作業は、予防保全作業ＰＶと予知保全作業ＰＤとの両方の作業を含むことが望ましいが、予知保全作業ＰＤのみで安全性を担保することが可能であれば、予知保全作業ＰＤのみでもよい。予知保全作業ＰＤの日時の予測は、予測回数が多くなるにつれてその精度が高まる可能性がある。保全作業が予知保全作業ＰＤのみになることで、不必要な部品交換費用の削減に加えて、定期的な予防保全作業ＰＶに要する手間や費用の削減も図ることができる。

【0053】

保全管理システム１０は、複数のセンシング機器１１により複数の荷役機器５を常時、監視している。それ故、荷役作業中の荷役機器５に予測できなかった不具合や故障が生じてその荷役機器５が停止しても、その荷役機器５の停止を迅速に検知することができる。これにより、早急に復旧作業により対処することが可能となり、早期の復旧によるダウンタイムの最小化に寄与する。

【0054】

保全管理システム１０は、演算装置１２が少なくとも三つの演算装置で構成されてもよい。具体的に、三つの演算装置として、保全予定データ２０を作成、更新するデータ処理を実行する保全用演算装置と、荷役予定データ２１を作成、更新するデータ処理を実行する荷役用演算装置と、保全予定データ２０および荷役予定データ２１に基づいて、保全予定データ２０を修正する演算装置と、が例示される。このように、演算装置１２が複数の演算装置で構成されることで、演算負荷の分散には有利になる。なお、保全管理システム１０は、保全予定データ２０および荷役予定データ２１を作成、更新するデータ処理を実行せずに、他の装置で作成、更新された保全予定データ２０および荷役予定データ２１を用いて、保全予定データ２０を修正するデータ処理のみを実行してもよい。

【0055】

保全管理システム１０は、センシング機器１１、輸送機器２の通信機および管理装置と演算装置１２とがネットワークを介して接続される場合に、演算装置１２として物理サーバーや仮想サーバー（クラウドサーバーを含む）などの公知の種々のサーバーを用いることができる。演算装置１２と他の機器とは、同一のネットワーク（ＬＡＮ）を介して相互に接続されていてもよく、複数のネットワークがインターネットルータを介して相互に接続された広域通信網（ＷＡＮ）を介して相互に接続されていてもよく、インターネットを介して相互に接続されていてもよい。保全管理システム１０は、クライアントサーバーシステムでもよく、Ｗｅｂシステムでもよい。本開示において、クライアントサーバーシステムは、Ｗｅｂブラウザではなく、専用のアプリケーションを使用するシステムを示し、Ｗｅｂシステムは、Ｗｅｂブラウザを使用するシステムを示す。

【0056】

既述した実施形態の保全予定データ２０および荷役予定データ２１は、それぞれの予定が一日ごとに示されているが、それぞれの予定が時間ごとに示されていてもよい。保全予定データ２０および荷役予定データ２１のそれぞれの予定が時間ごとに示されることで、より詳細に倉庫施設１の日程を管理することが可能となる。

【符号の説明】

【0057】

１ 倉庫施設
２ 輸送機器
３ 荷物
４ 保管エリア
５ 荷役機器
１０ 保全管理システム
１１ センシング機器
１２ 演算装置
２０ 保全予定データ
２１ 荷役予定データ
ＰＶ 予防保全作業
ＰＤ 予知保全作業

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】