CN114237209B - 移动时间预测装置和移动时间预测方法 - Google Patents
移动时间预测装置和移动时间预测方法 Download PDFInfo
- Publication number
- CN114237209B CN114237209B CN202110975319.6A CN202110975319A CN114237209B CN 114237209 B CN114237209 B CN 114237209B CN 202110975319 A CN202110975319 A CN 202110975319A CN 114237209 B CN114237209 B CN 114237209B
- Authority
- CN
- China
- Prior art keywords
- movement
- time
- request
- conveyance
- agv20
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 40
- 230000033001 locomotion Effects 0.000 claims abstract description 286
- 238000012546 transfer Methods 0.000 claims abstract description 82
- 238000003860 storage Methods 0.000 claims description 45
- 238000009826 distribution Methods 0.000 claims description 42
- 238000011156 evaluation Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 21
- 230000008859 change Effects 0.000 claims description 9
- 230000015654 memory Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 94
- 238000005457 optimization Methods 0.000 abstract description 45
- 230000032258 transport Effects 0.000 description 105
- 238000007726 management method Methods 0.000 description 65
- 238000004891 communication Methods 0.000 description 30
- 238000010586 diagram Methods 0.000 description 20
- 230000001133 acceleration Effects 0.000 description 12
- 239000011265 semifinished product Substances 0.000 description 11
- 238000010606 normalization Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000013500 data storage Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 230000010365 information processing Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000011143 downstream manufacturing Methods 0.000 description 3
- 238000011144 upstream manufacturing Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012858 packaging process Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 210000001072 colon Anatomy 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
- G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0291—Fleet control
- G05D1/0297—Fleet control by controlling means in a control room
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Optics & Photonics (AREA)
- Electromagnetism (AREA)
- Acoustics & Sound (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
能够以高准确度预测移动时间。自动配车系统适用于配置有多个制造作业装置的工厂,包括优化服务器、管理服务器以及多个AGV。控制AGV的移动的管理服务器在接收到来自制造作业装置的搬运请求时,将该当前的输送请求发送给优化服务器。优化服务器使用搬运请求间隔的预测模式来预测从其他制造作业装置的每一个接下来发出的搬运请求,并生成针对当前的搬运请求和未来的搬运请求分别以不同的模式分配AGV的多个分配模型。此外,优化服务器对于多个分配模型预测分配的各AGV的移动时间,并对每个分配模型合计移动时间。并且,优化服务器选择移动时间的合计值为最小的一个分配模型,根据所选择的分配模型生成针对当前的搬运请求的移动指示,并向管理服务器发送。
Description
技术领域
本发明涉及移动时间预测装置和移动时间预测方法,尤其涉及例如预测从某据点向其他据点搬运货物的自动行驶装置的移动时间的移动时间预测装置以及移动时间预测方法。
背景技术
背景技术的一例在专利文献1中公开。在该专利文献1中公开了如下内容:在通过第一搬运台车将第一搬运对象物从第一搬运源装置向搬运目的装置搬运的同时,通过第二搬运台车将第二搬运对象物从第二搬运目的装置向搬运目的装置搬运的物品的搬运方法中,选择在规定时间到达的搬运台车作为第二搬运台车,通过该第二搬运台车来配送第二搬运对象物,其中,所述规定时间是根据从第二搬运源装置到搬运目的装置的搬运时间以及第一搬运对象物到达搬运目的装置的时间来决定的时间。
现有技术文献
专利文献
专利文献1:日本特开2006-108264号公报
发明内容
本发明所要解决的技术问题
然而,有时实际的搬运时间与规定时间不同。在上述的背景技术中,在过去,由于未考虑搬运台车配送时的实际搬运时间,因此搬运台车到达搬运目的装置为止的移动时间的预测准确度低。
因此,本发明的主要目的是提供新的移动时间预测装置和移动时间预测方法。
本发明的另一目的在于提供能够以高精度预测移动时间的移动时间预测装置和移动时间预测方法。
用于解决技术问题的技术方案
第一发明是一种移动时间预测装置,包括:多个自动行驶装置;移动指示装置,其根据来自多个请求源的每一个的搬运请求向多个所述自动行驶装置发送移动指示;移动信息存储装置,其记录移动实绩信息,所述移动实绩信息包括根据所述移动指示移动的多个所述自动行驶装置的移动路线和移动时间;移动时间预测单元,其预测所述自动行驶装置在根据所述移动指示的移动路线上移动时的移动时间,所述移动时间预测单元在从一个所述请求源接受了当前的搬运请求时,使用移动时间的预测模式来预测所述移动时间,所述预测模式根据由所述移动信息存储单元存储的移动信息进行了模式化。
第二发明从属于第一发明,所述移动时间预测装置在从一个所述请求源接受了当前的搬运请求时,从多个所述自动行驶装置中选择一个所述自动行驶装置,确定通过该被选择的一个所述自动行驶装置从该自动行驶装置的当前位置移动到移动目的地的移动路线,通过将所述移动路线套用在所述移动时间的预测模式来预测所述移动时间。
第三发明从属于第一或第二发明,移动时间的预测模式包含与多个登记移动路线分别对应的自动行驶装置的移动时间的期望值的信息。
第四发明从属于第三发明,登记移动路线将多个登记位置中的一个作为登记移动路线开始位置,将多个登记位置中的另一个作为登记移动路线结束位置,在所述移动路线上存在所述多个登记位置的情况下,所述移动时间预测单元对于所述移动路线,进行一条以上的所述登记移动路线的分配,算出与该被分配的一条以上的所述登记移动路线分别对应的所述自动行驶装置的移动时间的期望值的总和作为所述移动时间,其中,在一条以上的所述登记移动路线中将存在于所述移动路线上的所述多个登记位置中的一个作为所述登记移动路线开始位置,且将所述多个登记位置中的另一个作为所述登记移动路线结束位置。
第五发明从属于第三或第四发明,移动时间预测单元通过参照与登记移动路线对应的移动规则信息来算出自动行驶装置在登记移动路线上移动时的延迟时间。
第六发明从属于第五发明,移动规则信息包括交叉点待机规则信息,交叉点待机规则信息是在由至少一部分重复或交叉的多条登记移动路线构成的交叉路口中,多个自动行驶装置同时到达该交叉路口时的信息,移动时间预测单元对多个自动行驶装置的每一个预测移动时间,由此判定多个自动行驶装置是否同时到达交叉点,在判定为多个自动行驶装置同时到达交叉点的情况下,根据交叉点待机规则信息,计算交叉点上的自动行驶装置的待机时间作为延迟时间。
第七发明从属于第一至第六发明的任一发明,还包括:搬运请求存储单元,存储搬运请求信息,搬运请求信息包含来自多个请求源的每一个的搬运请求和该搬运请求的发出日期时间;以及搬运请求预测单元,利用基于搬运请求存储单元存储的多条搬运请求信息进行了模式化的搬运请求时刻或搬运请求时间间隔的预测模式,预测从一个或多个其他的请求源在未来发出的一个或多个未来的搬运请求;移动时间预测单元进一步预测自动行驶装置在与一个或多个未来的搬运要求相对应的各个移动路线上移动时的移动时间。
第八发明从属于第七发明,还包括分配确定单元,其考虑当前的搬运请求和一个或多个未来的搬运请求,从多个自动行驶装置对当前的搬运请求和一个或多个未来的搬运请求分别确定一个自动行驶装置的分配,分配确定单元包括:分配单元,生成多个分配模型,多个分配模型用不同的组合的分配模式对关于当前的搬运请求和一个或多个未来的搬运请求各自的移动路线分配作为候选的自动行驶装置;评价值计算单元,计算由分配单元生成的多个分配模型的每一个的评价值;以及选择单元,基于由评价值计算单元计算出的多个评价值,选择一个分配模型。
第九发明从属于第八发明,分配确定单元还包括变更单元,变更单元针对由分配单元生成的多个分配模型的每一个,考虑搬运请求被发出的时刻和延迟时间,变更由移动时间预测机构预测的移动时间,到达时刻预测单元利用由变更单元变更的移动时间,对由分配单元生成的多个分配模型的每一个预测自动行驶装置的移动时间。
第十发明从属于第八或第九发明,评价值是移动时间的合计。
第十一发明从属于第九发明,评价值是在由变更单元变更后的移动时间的合计加上延迟时间后得到的值。
第十二发明从属于第七至第十一发明的任一发明,搬运请求时刻或搬运请求时间间隔的预测模式是将由搬运请求存储装置存储的多条搬运请求信息利用长短期记忆(LongShort Term Memory)法模式化生成的。
第十三发明从属于第一至第十二发明的任一发明,移动时间的预测模式是将由移动信息存储单元存储的多条移动信息利用高斯处理(Gaussian Processing)法模式化生成的。
第十四发明是移动时间预测方法,包括:移动指示发送步骤,根据来自多个请求源每一个的搬运请求,对多个自动行驶装置发送移动指示;移动信息存储步骤,将移动实绩信息记录在存储介质中,移动实绩信息包含按照所述移动指示移动的多个自动行驶装置的移动路线和移动时间;以及移动时间预测步骤,预测自动行驶装置在对应于移动指示的移动路线上移动的情况下的移动时间,在移动时间预测步骤中,从一个请求源接受了当前的搬送要求时,使用基于移动信息存储步骤中存储的移动信息进行了模式化的移动时间的预测模式来预测移动时间。
有益效果
根据本发明,能够以高准确度预测移动时间。
附图说明
图1是示出本发明的实施例的自动配车系统的构成的一个例子的图。
图2是示出图1所示的优化服务器的电气构成的一例的框图。
图3是示出图1所示的管理服务器的电气构成的一例的框图。
图4是示出图1所示的AGV的外观构成的右侧面的一例的图。
图5是表示图1所示的AGV的外观构成的下表面的一例的图。
图6是示出图1所示的AGV的电气构成的一例的框图。
图7是示出AGV的使用环境的一例的概要的图。
图8是用于说明搬运请求实绩数据的内容的图。
图9是用于说明搬运请求间隔预测模式的图。
图10是用于说明标准化信息的内容的图。
图11是用于说明移动时间预测模式的图。
图12是简单地示出AGV的移动路线的概略图。
图13是用于说明预测AGV的到达时间的方法的一例的图。
图14是用于说明预测AGV的到达时间的方法的另一例的图。
图15是示出图2所示的优化服务器的RAM的存储器映像的一例的图。
图16是示出图3所示的管理服务器的RAM的存储器映像的一例的图。
图17是示出图2所示的优化服务器的CPU的移动指示处理的一例的流程图。
图18是示出图3所示的管理服务器的CPU的AGV控制处理的一例的一部分的流程图。
图19是图3所示的管理服务器的CPU的AGV控制处理的另一部分,是接续图18的流程图。
具体实施方式
图1是示出本发明的实施例的自动配车系统(以下称为“系统”)10的结构的一例的图。系统10被应用于后述的自动行驶装置(自主搬运装置或无人搬运装置。(以下,称为“AGV”))的开发源或者交货地,进行AGV的货物搬运计划的合理化,并且管理以及控制AGV的行驶。
但是,AGV的交货地是工厂,AGV在工厂中从某据点移动(或者移动)到其他据点。在此,据点是指AGV的待机场所、货物(在该实施例中,半成品)的装载场所以及货物的搬运目的地(包括保管场所)。在该实施例中,AGV从待机场所移动至货物的装载场所,或从装载场所将货物搬送至搬送目的地、或从搬运目的地返回到待机场所。此外,在该实施例中,据点包括充电站,当AGV的电池的余量少于规定值时,AGV移动到充电站。
例如,在工厂中配置有多个制造作业装置,制造作业装置进行组装工序、检查工序、包装工序等从上游工序到下游工序的各工序的作业。各制造作业装置在当前时刻的半成品的作业结束时,对管理服务器16发送用于将作业完成后的半成品搬运(或搬出)至下游工序的请求(以下,称为“搬运请求”),同时发送用于来自上游的工序搬运(或搬入)下一个半成品的搬运请求。即,配置多个制造作业装置的场所或位置相当于上述的据点。
回到图1,系统10包括优化服务器12,优化服务器12经由诸如因特网、WAN或LAN的网络14与管理服务器16可通信(发送和/或接收)地连接。另外,数据库18设置于网络14,优化服务器12和管理服务器16分别与数据库18可通信地连接。
此外,管理服务器16与多个AGV20中的每一个能够通过无线通信的方式连接。但是,在AGV20自主行驶或自动行驶的场所(在该实施例中,为工厂)设置多个接入点,各AGV20经由包括接入点的其他网络(与上述网络14不同的网络)与管理服务器16进行通信。在该实施例中,管理服务器16与各AGV20发送的数据中包含各个AGV20的识别信息,能够指定AGV20发送数据,或者从接收到的数据中确定(识别)AGV20。
进而,管理服务器16经由网络14以能够通信的方式与多个计算机22连接。多个计算机22配置在配置有多个AGV20的工厂的各据点。但是,计算机22有时也被安装于在各据点配置的制造作业装置中。另外,也会使用管理配置于各据点的制造作业装置的人所持有的终端作为计算机22。
此外,在该实施例中,管理服务器16经由网络14与多个计算机22可通信地连接,但并不需要限定于此。如上所述,由于在工厂设置其他网络,因此管理服务器16也可以经由该其他网络与一部分或全部的计算机22可通信地连接。
另外,由管理服务器16和多个AGV20构成搬运系统10a。
优化服务器12是用于优化多个AGV20的搬运计划的服务器。具体而言,该实施例的优化服务器12是作为如下装置发挥功能的装置:预测装置,其预测从计算机22接下来发出的搬运请求的时刻;搬运计划生成装置,其针对多个搬运请求分别生成有关分配给哪个AGV20的组合的多个模型(以下,称为“分配模型”);预测装置,其针对多个分配模型分别预测各AGV20的移动时间(在此,包含到搬运请求发出为止的时间及拥堵等引起的延迟时间)或到达时刻;搬运计划评价装置,其评价多个分配模型的每一个,选择最佳的一个分配模型;以及作为移动指示生成装置发挥功能的装置,其基于所选择的分配模型生成移动指示,将生成的移动指示发送到管理服务器16。
作为该优化服务器12,能够使用通用的服务器。图2是示出优化服务器12的电气构成的一个例子的框图。如图2所示,优化服务器12包括CPU30,并经由内部总线连接到RAM32和通信装置34。虽然省略了图示,但还设置有辅助存储装置的HDD以及ROM等。
CPU30是负责优化服务器12的整体控制的处理器。RAM32是优化服务器12的主存储设备,并且用作CPU30的缓冲区和工作区。通信装置34是用于按照以太网或Wi-Fi这样的通信方式以有线或无线方式进行通信的通信模块。
另外,在对后述的管理服务器16及AGV20的框图进行说明的情况下,省略针对与优化服务器12相同的电路组件的说明。
管理服务器16是管理AGV20的移动的装置,更具体而言,是作为从AGV20获取行驶信息的获取装置而发挥功能的装置,行驶信息包含反映了AGV20的状态的测量值,其能够使用通用的服务器。如图3所示,管理服务器16包括CPU50,CPU50经由内部总线与RAM52、第一通信装置54以及第二通信装置56连接。
在管理服务器16中,第一通信装置54是用于与网络14之间进行通信的通信模块,且具有与上述通信装置34相同的功能。第二通信装置56是用于与其他装置(这里为AGV20)进行无线通信的通信模块。第二通信装置56是能够LAN连接的无线通信模块,该通信模块的通信方式例如是Wi-Fi或ZigBee(注册商标)。
数据库18是通用的数据库,在该实施例中,优化服务器12及管理服务器16能够访问数据库18。数据库18存储过去的搬运请求(以下,有时称为“搬运请求实绩”)的信息、过去的移动指示(以下,有时称为“移动指示实绩”)的信息、AGV20的行驶信息的历史(以下,有时称为“行驶实绩”)和主信息。
搬运请求实绩是管理服务器16按照时间序列记录了从计算机22接收到的搬运请求信息的实绩信息(日志数据)。移动指示实绩是按照时间序列记录管理服务器16对AGV20发送的移动指示的实绩信息。行驶实绩是按照时间序列记录了管理服务器16观测到的AGV20的行驶信息的实绩信息。
然而,AGV20的行驶信息包括日期时间信息、AGV_ID、搬运请求ID和搬运目的地的位置信息、搬运目的地ID、AGV20的当前位置、AGV20的状态以及交叉点信息。但是,这只是一个例子,并不需要限定。在该实施例中,AGV20的行驶信息在AGV20行驶时,每隔第一规定时间(在该实施例中为2秒)存储第一规定时间段。
AGV_ID是用于单独识别AGV20的识别信息,在该实施例中,使用符号以及数字来表示。搬运请求ID为用于单独识别搬运请求的识别信息,在该实施例中,使用1个字母和4位数字来表示。
搬运目的地的位置信息是分配给搬运目的地的固有的位置信息,在该实施例中,使用数字来表示。搬运目的地ID是用于单独识别搬运目的地的识别信息,在该实施例中,使用两位数字来表示。
AGV20的当前位置是AGV20的当前位置的地图上的位置坐标。AGV20的状态包含使用状态(待机中或者移动中)、速度、电压(电池94的电压值)、装载载荷的信息(货物的载荷)以及错误(急加速、急减速、脱离移动路线)等信息。
交叉点信息在AGV20位于当前交叉点(停止并待机或进入)的情况下记载于行驶信息,其包括待机或进入的状态以及该交叉点的位置信息。在AGV20不在当前交叉点的情况下,交叉点信息不被记载在行驶信息中(NULL信息)。
另外,主信息是搬运系统10a中的多个AGV20的行驶所需的信息。在该实施例中,主信息包括基本信息、行驶参数信息、映射信息、各据点的位置信息、移动路线信息、交叉点位置信息以及行驶规则信息。
基本信息是各AGV20及各据点的识别信息。行驶参数信息是包括通过PID控制进行AGV20的行驶时的转向控制的情况下的P值、I值及D值等多个参数值的行驶参数,每个移动路线都准备有行驶参数信息。
此外,所谓PID控制是基于输出相对于目标值的偏移量(偏差),以适当的比例组合该偏差的比例(P:Propotion)、积分(I:Integral)和微分(D:Differential)这三个要素并进行反馈的控制方法。在该实施例中,适当选择偏差的比例要素的反馈量、积分要素的反馈量及微分要素的反馈量的比率,以使AGV20沿直线行驶。
此外,在该实施例中,作为反馈控制的方法,可使用PID控制,但在其他实施例中,也可以使用PI控制、P控制、接通断开控制、PD控制。
地图信息是关于配置有多个AGV20的工厂的地图,主要记载有各据点以及AGV20能够行驶的路线。各据点的位置信息是地图上的各据点的位置坐标。
移动路线信息是关于在两个据点间预先决定或者所设定的移动路线的信息。在该实施例中,移动路线信息包括:作为移动开始位置的一方的据点与作为移动结束位置的另一方的据点的识别信息、以及在两个据点之间AGV20应该通过(包含方向转换)或停止的位置(中继地点)的识别信息。但是,移动路线信息仅包含关于所有中继地点中,系统10的管理者等预先决定出的一部分中继地点的识别信息。
交叉点位置信息是在地图上,AGV20可行驶的路线中的两条以上的路线交叉的交叉点(包含T字路)的位置坐标。行驶规则信息包括地图上的规定的各个位置的规定动作、障碍物检测动作、会车动作以及交叉点动作各自的规则以及各动作时的行驶参数的识别信息。
但是,在该实施例中,规定动作表示直行、后退、停止、靠左靠右、转弯(左转、右转)以及速度变更(加速、减速)。
障碍物检测动作的规则是,在AGV20的前方或行进方向上检测到成为移动障碍的障碍物的情况下,停止的同时将检测到障碍物通知给管理服务器16。
另外,虽然在后述的图6中省略,但AGV20在AGV20的前端部(及后端部)具备用于检测障碍物的传感器(例如激光测距仪或声波传感器)。
会车动作的规则是:两辆AGV20在相同路线上反向移动的情况下,靠左或靠右。在AGV20是左侧通行的情况下靠左,在AGV20是右侧通行的情况下靠右。对AGV20的每个使用环境设定左侧通行或右侧通行。
在交叉点动作的规则中,某一AGV20于存在交叉点的两条路线之一移动的过程中,其他AGV20到达另一条路线的情况下,允许按照先来后到的顺序向交叉点进入。另外,在两辆AGV20同时到达存在交叉点的两条路线中的每一条的情况下,根据优先顺序允许向交叉点进入。在该实施例中,分配给AGV20的AGV_ID的编号小的一方(或者大的一方)的优先顺序高。但是,这只是一个例子,在其它例子中,也可以提高电池剩余量少的一方(或者多的一方)的AGV20的优先顺序。
AGV20是能够自主行驶的机器人,在该实施例中,根据需要对作为被牵引物的台车进行牵引。图4是AGV20的外观构成中的右侧面的图,图5是AGV20的外观构成中的下表面的图。在图4中,向右是AGV20的前方,向左是AGV20的后方。另外,在图5中,向上为AGV20的前方,向下方为AGV20的后方。
虽然省略了图示,但台车是辊箱台车,也被称为辊箱托盘或轿厢台车。台车包括底座,在底座的下表面的四角分别设置有脚轮,脚轮为万向轮。另外,在底座的上表面设有轿厢。
AGV20包括车主体20a,该车主体20a具有能钻入地板面或地面与台车的下表面之间的低矮的长方体形状,在车主体20a的上部可升降地设置有用于牵引台车的、左右一对牵引臂26。虽然省略了详细的说明,但牵引臂26由连接油压缸260和转向架的连接部262构成,油压缸260由油压驱动装置80升降,连接部262也升降。从侧面观察牵引臂26的情况下,连接部262的端面具有凹字的形状。
另外,由于所使用的台车是预先确定的,因此使牵引臂26上升或下降的长度是预先确定的。并且,根据其长度,还确定了驱动内置于油压驱动装置80的油压泵的驱动马达的转速。虽然省略了图示,但油压驱动装置80包括油压泵及驱动该油压泵的驱动马达。
另外,在图4中示出了牵引臂26上升的状态。
牵引臂26的连接部262具有前方的第一部分26a和后方的第二部分26b,在第一部分26a的上部设置有接近传感器28,在第二部分26b的前方侧的侧面设置有载荷传感器86。
作为一例,接近传感器84是透射型或反射型的光传感器,在将台车与AGV20连接时,检测台车的下表面。AGV20钻入台车(或底座)之下,当由接近传感器84检测到台车的下表面的后端时,AGV20从该位置进一步前进到设置在前方的连接位置为止停止。
在底座的下表面配置有与牵引臂26连接(或卡合)的连接部。连接部是方筒的形状(烟囱形状),在台座的下表面,筒以沿着上下方向延伸的方式形成。
因此,在AGV20停止后,当使牵引臂26上升时,构成连接部的板构件配置在牵引臂26(连接部262)的第一部分26a与第二部分26b之间,在AGV20移动的情况下,板构件与第二部分26b卡合,由此,利用AGV20牵引台车。
载荷传感器86是通用的载荷传感器,其检测在牵引台车时施加于AGV20(或牵引臂26)的载荷。但是,载荷是包括台车的货物的载荷。在本说明书中,在说载于台车以及台车上的货物的载荷的情况下,仅称为“货物的载荷”。
另外,如图5所示,AGV20在车主体20a的下表面设置有三个车轮。在该实施例中,设置有一个前轮122和左右的后轮124L、124R。一个前轮122是辅助轮,设置为能够相对于车主体20a转动。左右的后轮124L、124R是驱动轮,相对于车主体20a固定地设置。
因此,通过使左右的后轮124L、124R的转速不同,能够改变AGV20的移动方向。例如,在使左后轮124L的旋转停止(将转速设为0)、使右后轮124R旋转(将转速设为比0大)时,AGV20向左转。另外,当使右后轮124R的旋转停止(将转速设为0)时,使左后轮124L旋转(将转速设为比0大)时,AGV20向右转。
另外,在车主体20a的内部设置有左车轮马达78L和右车轮马达78R。左车轮马达78L与左后轮124L连结,右车轮马达78R与右后轮124R连结。另外,车轮马达78L和78R连接于车轮驱动电路76。
而且,在车主体20a设置有电池94和控制基板100。在控制基板100中组装有后述的CPU70、RAM72、通信装置74以及惯性传感器90等电路组件。
另外,在车主体20a的下表面设置有线传感器88和RF标签读取器92。在该实施例中,线传感器88是AGV20的前侧的端部,配置在左右方向的中间。另外,在该实施例中,RF标签读取器92从AGV20的前后方向上的中间靠前,左右方向上的中间靠左配置。线传感器88和RF标签读取器92的配置位置是一个例子,不需要进行限定。
图6是表示图1所示的AGV20的电气构成的一例的框图。如图6所示,AGV20包含CPU70,CPU70经由总线与RAM72、通信装置74、车轮驱动电路76、油压驱动装置80、接近传感器84、载荷传感器86、线传感器88、惯性传感器90以及RF标签读取器92连接。另外,车轮驱动电路76与车轮马达78连接。此外,上述电池94与AGV20的各构件连接。
CPU70和RAM72如上所述。另外,虽然省略了图示,但在AGV20中也设置有RAM72以外的HDD和ROM等存储器。在RAM72中存储AGV20行驶的实验环境或使用环境的地图和移动路线的数据。
通信装置74是用于与其它装置(在此为管理服务器16)进行无线通信的通信模块。例如,通信装置74是与管理服务器16的第二通信装置56相同的通信方式(例如,Wi-Fi或ZigBee(注册商标))的通信模块。
车轮驱动电路76是用于在CPU50的指示下生成车轮马达78的驱动电压,并将生成的驱动电压施加于车轮马达78的驱动电路。车轮马达78是用于使AGV20的车轮旋转的马达。虽然在图6中省略,但如上所述,车轮马达78由驱动设置于AGV20的两个后轮(124L、124R)中的左后轮124L的左侧的车轮马达78L和驱动右后轮124R的右侧的车轮马达78R构成。车轮马达78L和车轮马达78R被车轮驱动电路76单独地驱动,AGV20直行、左转、右转、加速、减速以及停止。虽然省略了图示,但在车轮马达78L和车轮马达78R分别设置有编码器,各自的转速由编码器检测,并通知给CPU50。此外,虽然省略了图示,但左后轮124L与车轮马达78L的旋转轴直接连接,右后轮124R与车轮马达78R的旋转轴直接连接。因此,CPU50通过检测车轮马达78L和车轮马达78R的转速,能够获知后轮124L和后轮124R的转速。
油压驱动装置80包括驱动电路,在CPU50的指示下生成驱动马达的驱动电压,并将生成的驱动电压施加于驱动马达,驱动马达驱动油压泵,使牵引臂26的油压缸260升降。
如上所述,接近传感器84在该实施例中为透射型或反射型的光传感器。如上所述,载荷传感器86在该实施例中是通用的载荷传感器。
线传感器88是多个(例如,8个)检测元件排列成横向一列的磁传感器,对装备于工厂的地面的(或者粘贴的)移动用的线(也称为导向线或者导向件)进行检测。在该实施例中,多个检测元件分别是霍尔元件,相邻的检测元件的间隔被设定为规定的长度。此外,线由磁带构成,以规定的宽度设置在AGV20移动(或行驶)的路线上。因此,如后所述,AGV20沿线移动。
惯性传感器90是加速度传感器,检测AGV20的加速度。在该实施例中,惯性传感器90用于检测AGV20的急加速以及急减速的次数。因此,作为加速度传感器,可以使用能够检测AGV20的前后方向的加速度的单轴加速度传感器。通过在第一规定时间内对该加速度传感器检测出的加速度的第一规定时间(在该实施例中为2秒)的平均值,进行积分,能够得知AGV20的行驶速度。但是,也可以由管理服务器16计算AGV20的行驶速度。
RF标签读取器92读取在仓库内的地面装备(或者粘贴)的RFID标签的标签信息。在该实施例中,RFID标签在线的附近,设置在想要AGV20进行与通常的移动不同的规定动作的位置。想要进行预定动作的位置相当于:例如想要使据点的位置、使转动动作(左转、右转)的位置以及使行驶速度(加速、减速)变更的位置。但是,据点的位置是希望AGV20停止的位置。
因此,AGV20由RFID标签读取器92读取RFID标签的标签信息,基于读取的标签信息与管理服务器16进行交换。管理服务器16掌握各AGV20的位置(即,当前位置)并将移动指示发送到各AGV20,在规定的位置将规定动作(停止、左转、右转以及速度变更(即,加速以及减速))的指示发送到各AGV20。
此外,各AGV20掌握自身的移动路线,此外,能够获知车轮马达78的转速。因此,各AGV20在未读取标签信息的场所,基于从读取标签信息起的车轮马达78的转速算出移动的距离,通过参照地图的数据,能够获知当前位置。
电池94是能够充电的二次电池,作为一个例子,可以使用锂离子电池。电池94向AGV20的各电路组件供电。在图6中,为了与信号线区分,用虚线示出了电线。虽然省略了图示,但CPU70能够检测电池94的电压值,基于电压值来检测电池余量。
在这样构成的系统10中,管理服务器16指定移动路线,并且使用预先准备的行驶参数控制AGV20的行驶。AGV20在所配置的工厂中以无载荷或者牵引台车移动。
图7表示关于配置及行驶AGV20的场所(例如,工厂)的地图的一例。在图7中,待机场所L1和待机场所L2分别是未进行货物搬运的、一个或多个AGV20待机的位置或区域。
保管场所是为了将货物配送(或者出货)到其他场所而临时保管半成品或者成品的场所。
制造作业装置A及制造作业装置B分别是进行关于半成品的作业的装置。但是,作业是指组装工序、检查工序、包装工序等,从上游工序到下游工序中的任一工序的作业。
充电站是用于对AGV20的电池94进行充电的位置或区域。
另外,记载成矩阵状的实线是配置及移动AGV20的设置于工厂的线。如上所述,由于AGV20沿线行驶,因此记载成矩阵状的实线也可以称为AGV20行驶的道路。
此外,待机场所、制造作业装置、保管场所以及充电站的个数以及配置位置是一个例子,不必限定,根据配置AGV20的场所适当变更。在该实施例中,为了容易理解地进行说明,减少了待机场所、制造作业装置、保管场所以及充电站的个数。
此外,在图7中,括号的数字表示分配给各据点以及规定的位置的位置信息。规定的位置是AGV20行驶的情况下的中继地点。在图7所示的例子中,在待机场所L1待机的AGV20移动至制造作业装置B的位置时的移动路线由虚线表示。在该情况下,AGV20经由中继地点P1和中继地点P2。另外,在待机场所L2待机的AGV20移动至制造作业装置A的位置时的移动路线由单点划线示出。在该情况下,AGV20经由中继地点P3和中继地点P4。
但是,在图7中,为了易于理解地示出表示移动路线的线,记载成稍微偏离矩阵状的线。
另外,如后所述,中继地点P5是在待机场所L1待机的AGV20通过图7中左端的纵线移动至制造作业装置A的位置时的移动路线上的中继地点,中继地点P6是在待机场所L2待机的AGV20通过图7中的右端的纵线移动至制造作业装置B的位置时的移动路线上的中继地点。
另外,在制造作业装置A及制造作业装置B中,作为搬运请求源的识别信息(即,搬运请求源ID)分配2位的数字(这里,“01”、“02”)。同样地,在保管场所分配两位数的数字(这里为“11”)作为搬运目的地ID。此外,作为AGV_ID,将符号和数字(这里,称为“#1”和“#2”)分配给AGV20。
在现有的搬运系统10a中,如果有从制造作业装置搬运货物的请求(以下,称为“搬运请求”),则管理服务器16控制空的AGV20搬运货物。管理制造作业装置的人指定搬运目的地并发出搬运请求。但是,制造作业装置也可以自动地发出搬运要求。另外,搬运请求也可以是管理服务器16的管理者向管理服务器16输入。
在现有的搬运系统10a中,管理服务器16在有搬运请求时,从数据库18取得从搬运源到搬运目的地之间按每个据点预先设定的AGV20的移动路线,并且从数据库18取得根据移动路线预先设定的行驶参数。
另外,管理服务器16选择空的AGV20,将选择的AGV20分配为与搬运请求对应的AGV20。但是,空的AGV20是指未分配任一搬运请求的待机中的AGV20,不仅包括在待机场所L1、L2,还包括在其他据点待机的AGV20。此外,管理服务器16选择在最接近有搬运请求的制造作业装置的位置待机的AGV20。
然后,管理服务器16向选择的AGV20发送包含获取到的移动路线以及行驶参数的移动指示。因此,AGV20使用移动指示中包含的行驶参数,按照移动指示中包含的移动路线进行移动。
在有多个搬运请求的情况下,管理服务器16对每个搬运请求,依次从数据库18获取移动路线及行驶参数,并且选择在最接近有搬送请求的制造作业装置的位置处待机的AGV20。
这样,在现有的搬运系统10a中,不考虑未来产生的搬运请求而针对当前的搬运请求选择最合适的AGV20,因此在考虑了包含较近的未来产生的搬运请求在内的搬运请求整体的情况下,会发生搬运所花费的时间以及AGV20的功耗的浪费。
作为其原因的一例,如果针对当前的搬运请求,选择使在最接近搬运请求位置的待机位置处待机中的AGV20移动,则该AGV20移动,因此在该移动之后马上在靠近该待机位置的搬运请求位置处存在新的搬运请求的情况下,需要使其他AGV20从较远的待机位置移动。但是,待机位置不仅包括待机场所L1和L2,还包括不被用于搬运而仅停止的其他据点。
此外,在现有的搬运系统10a中,在有多个搬运请求的情况下,由于针对每个搬运请求选择最合适的AGV20,因此,根据该原因,整体上发生搬运所花费的时间以及AGV20的消耗电力的浪费。
例如,在同时或连续发出多个搬运请求的情况下,考虑关于各搬运请求选择哪个AGV20这一点中的多个组合。在该情况下,针对一个搬运请求选择了适当的AGV20的结果是,会针对其他搬运请求选择不适当的AGV20。
进而,在现有的搬运系统10a中,在通过从多个AGV20中选择的AGV20将货物从第一据点搬运到第二据点的情况下,根据从第一据点到第二据点的搬运时间确定的第二规定时间来选择到达第一据点的AGV20,被选择的AGV20搬运货物。
但是,存在从第一据点到第二据点的实际的搬运时间与第二规定时间不同的情况。即,在包含现有的搬运系统10a的系统10中,预测AGV20的到达时刻的准确度低。
因此,在该实施例中,不仅消除整体搬运所花费的时间以及AGV20的功耗的浪费,而且提高了预测到达时刻的的准确度。
简单地说明,分别存储(或积累)多个搬运请求及根据该多个搬运请求的每个而移动的AGV20的行驶信息,基于存储的多个搬运请求及多条行驶信息,分别生成搬运请求间隔的预测模式及移动时间的预测模式,使用这些预测模式预测AGV20的到达时刻,并且选择(即配车)与搬运请求对应的AGV20。
以下,具体地进行说明,对在与图7所示的地图对应的使用环境下移动多个AGV20的情况进行说明。
[搬运请求间隔的预测模式的生成]
在生成搬运请求间隔的预测模式以及移动时间的预测模式之前,如上所述,管理服务器16接收来自制造作业装置A及制造作业装置B的搬运请求,则根据搬运请求,从数据库18取得移动路线及行驶参数,同时从空着的一个或多个AGV20中选择在最接近搬运请求源的位置待机的AGV20,并向所选择的AGV20发送包含移动路线及行驶参数的移动指示。另外,管理服务器16将与搬运请求有关的信息(搬运请求信息)登记到数据库18中。
图8表示搬运请求实绩的一例。在图8所示的搬运请求实绩中,搬运请求信息按照时间序列而记载。搬运请求信息包含搬运请求ID、日期时间的信息、搬运请求源ID以及搬运目的地ID的各信息。搬运请求ID是搬运请求的识别信息,由1个字符的字母和4位数字构成。在该实施例中,1字符的字母表示搬运请求源,即制造作业装置A或制造作业装置B的区别,4位的数字表示发出搬运请求的顺序。因此,在记载有“B00001”作为搬运请求ID的情况下,表示制造作业装置B发出的第一个搬运请求。其他情况也相同。
日期时间的信息由表示年(西历)、月、日的8位数字和表示时刻(时、分、秒)的数字和符号(冒号)构成。但是,在年月日与时刻之间设置空格。因此,在记载有“20200201 08:36:00”作为日期和时间的信息的情况下,表示2020年2月1日的8时36分00秒。其他情况也相同。
搬运请求源ID是搬运请求的发出源的识别信息,并分别预先分配给制造作业装置A及制造作业装置B。在该实施例中,制造请求源ID以2位数字表示。向制造作业装置A分配“01”,向制造作业装置B分配“02”。但是,在该实施例中,表示2位数字中左侧的数字为搬运请求源。
搬运目的地ID是搬运目的地的识别信息,预先分配给各个搬运目的地(在图7中为保管场所)。在该实施例中,搬运目的地ID用2位数字表示。向保管场所分配“11”。但是,在该实施例中,表示2位数字中左侧的数字为搬运目的地。
此外,在图7中,保管场所为一个,但在设置多个保管场所的情况下,分别分配个别的搬送目的地ID。
另外,如上所述,由于半成品会从某个制造作业装置所配置的位置搬运至其他制造作业装置所配置的位置,因此也会向制造作业装置分配搬运请求源ID和搬运目的地ID这两者的情况。
基于如上所述的搬运请求实绩即以前的搬运请求信息,通过公知的LSTM法(LongShort Term Memory:长短期记忆)进行模式化,生成搬运请求间隔的预测模式。
图9是表示基于图8所示的搬运请求实绩生成的搬运请求间隔的预测模式的一例的图。搬运请求间隔的预测模式由模式ID、搬运请求源ID以及搬运请求间隔的期望值(秒)构成。模式ID用5位数字表示。左端的数字表示搬运请求间隔的预测模式。剩余的4位数字是按每个预测模式分配的序列号。如上所述,搬运请求源ID是对搬运请求的发出源的制造作业装置分配的识别信息。搬运请求间隔的期望值(秒)是从搬运请求源ID所表示的制造作业装置发出的搬运请求的时间间隔的期望值(秒)。
因此,例如在搬运请求间隔的预测模式为[10001,01,480]的情况下,模式ID为“10001”,搬运请求源为制造作业装置A,表示该制造作业装置A发出的搬运请求的时间间隔的期望值为480秒。关于其他搬运要求间隔的预测模式也是同样的。
在该实施例中,搬运要求间隔的预测模式是按每个搬运要求源(制造作业装置)生成的,因此在搬运要求源为三个以上的情况下,搬运要求间隔的预测模式也生成三个以上。
[移动时间的预测模式的生成]
在生成移动时间的预测模式之前,管理服务器16将从AGV20取得的行驶信息登记到数据库18中。
如上所述,在该实施例中,行驶信息每隔第一规定时间从AGV20发送到管理服务器16,因此存储的行驶信息有巨大的量。因此,在该实施例中,对于一个搬运请求,通过从AGV20的开始移动到结束移动为止的每个区间的综合来合并行驶信息,从而生成符合模式化(学习)的形式的信息(以下,“标准化信息”)。
具体而言,AGV_ID为#1的AGV20在2020年2月1日从待机场所L1(位置信息(1))开始移动,在146秒后到达(即,结束移动)制造作业装置B的位置(位置信息(4))的情况下,在146秒期间存储73条行驶信息。综合该73条行驶信息,生成标准化信息。
但是,各据点的到达时刻能够从行驶信息中包含的日期时间信息和AGV20的当前位置取得。
根据73条行驶信息,判定(或计算)从位置信息(1)的地点(即,开始移动的地点)到位置信息(4)的地点(即,结束移动的地点)之间存在的中继地点(在图7所示的例子中,位置信息(2)的地点和位置信息(3)的地点)的移动时间。例如,从位置信息(1)的地点到位置信息(2)的地点的移动时间为88秒,从位置信息(1)的地点到位置信息(3)的地点的移动时间为116秒。
图10表示累积的多条标准化信息的一个例子。标准化信息包括标准化ID、日期时间的信息、AGV_ID、开始位置>结束位置(移动路线)以及移动时间信息(秒)的各种信息。
标准化ID是标准化信息的识别信息,以1字符的字母和4位数字来表示。1字符的字母表示标准化信息,4位数字是标注于标准化信息的序列号。
如上所述,日期时间的信息是西历(年月日)和时刻(时、分、秒),在该实施例中,AGV20开始移动的日期时间。如上所述,AGV_ID是分配给AGV20的识别信息。
开始位置>结束位置是表示开始移动的地点和结束移动的地点的区间信息,即表示移动路线的信息,在该实施例中,在开始位置的位置信息和结束位置的位置信息之间记载有向左开口的不等号符号。不等号符号与箭头尖的形状相似,因此表示AGV20移动的方向。以下,关于使用不等号符号的情况是相同的。但是,夹在不等号符号之间的无括号的数字是指夹着不等号符号记载的括号书写的数字所表示的地点间的移动所花费的时间。
移动时间信息是从开始移动的地点到结束移动的地点为止包含一个或两个以上的中继地点的连续的两个地点间的移动时间(秒)的信息。
作为标准化信息的一个例子,记载有[Y0001 09:00:00,#1,(1)>(4),(1)>88>(2)>28>(3)>30>(4)]。在该标准化信息中,标准化ID为Y0001,识别信息为#1的AGV20在2020年2月1日的9时00分00分开始移动,(1)所示的从待机场所L1到(2)所示的中继地点P1为止的移动时间为88秒,从中继地点P1到(3)所示的中转地点P2为止的移动时间为28秒,从中继地点P2到(4)所示的制造作业装置B的位置为止的移动时间为30秒。关于其他标准化信息也是同样的。
但是,图10所示的例子是,AGV_ID为#1、#2、#3的三个AGV20均从待机场所L1经由中继地点P1和中继地点P2移动到制造作业装置B的位置时的标准化信息。虽然省略了图示,但在其他移动路线上移动的情况下的标准化信息也被大量累积。
使用所积累的多条标准化信息生成移动时间的预测模式。图11示出基于图10所累积的多条标准化信息生成的移动时间的预测模式的一例。但是,移动时间的预测模式按每个移动路线生成。
作为一例,通过公知的高斯处理(Gaussian Processing)的方法,按移动路线对累积的多个标准化信息进行模式化。图11所示的移动时间的预测模式由模式ID、开始位置>结束位置(移动路线)以及移动时间的期望值(秒)构成。
模式ID是移动时间的预测模式的识别信息。开始位置>结束位置如上所述是表示移动路线的信息。移动时间的期望值(秒)表示从开始位置到结束位置为止包含中继地点在内的连续两个地点间的移动时间的期望值(秒)。
作为移动时间的预测模式的一个例子,记载有[20001,(1)>(4),(1)>90>(2)>30>(3)>30>(4)]。在移动时间的预测模式中,标准化ID为“20001”,开始位置为待机场所L1,结束位置为制造作业装置B的位置,从待机场所L1到中继地点P1的移动时间的期望值为90秒,从中继地点P1到中继地点P2的移动时间的期望值为30秒,从中继地点P2到制造作业装置B的位置的移动时间的期望值为30秒。关于其他移动时间的预测模式也是同样的。
[到达时刻的预测以及配车]
接着,对使用了搬运要求间隔的预测模式以及移动时间的预测模式的到达时刻的预测及配车进行具体说明。
图12是简化了图7所示的地图的图,使用该图12对AGV20的到达时刻的预测以及配车进行说明。在图12中,黑圆点表示中继地点P1、P2、P3、P4、P5、P6,并且表示交叉点C。如上所述,对各据点以及中继地点P1-P6分别被分配带括号的数字作为位置信息。另外,作为搬运请求源ID以及搬运目的地ID,对搬运请求源以及搬运目的地的据点分配2位数字。
此外,在图12所示的例子中,AGV_ID在#1的AGV20在待机场所L1待机,AGV_ID在#2的AGV20在待机场所L2待机,AGV_ID在#3的AGV20从制造作业装置A向保管场所移动中。
假设现在的日期时间为2020年4月1日的9时00分00秒。另外,假定在该当前的日期和时间,制造作业装置A结束针对半成品的制造作业,将该制造作业装置A结束了制造作业的半成品向保管场所搬运的搬运请求发送给管理服务器16。管理服务器16将该搬运请求(以下,“当前的搬运请求”)向优化服务器12发送,并且将与该当前的搬运请求相关的搬运请求信息登记到数据库18中。因此,搬运请求信息被作为搬运请求实绩累积。
优化服务器12在接收到当前的搬运请求时,在选择AGV20之前,观测(或检测)全部的AGV20的使用状态。如上所述,AGV20的使用状态表示待机中(未使用)或者移动中(使用中)的区别。如上所述,各AGV20每隔第一规定时间(在该实施例中为2秒),向管理服务器16发送行驶信息。管理服务器16将从各AGV20发送来的行驶信息登记到数据库18中,优化服务器12参照数据库18来观测各AGV20的当前位置和使用状态。
在图12所示的例子中,AGV_ID为#1的AGV20在待机场所L1处待机中,AGV_ID为#2的AGV20在待机场所L2处待机中,AGV_ID为#3的AGV20从制造作业装置A移动到保管场所(使用中)。
另外,优化服务器12参照存储在数据库18中的搬运请求实绩,观测发出了当前的搬运请求的制造作业装置(在此为制造作业装置A)以外的其他制造作业装置(在此为制造作业装置B)中的最新搬运请求。
例如,在制造作业装置B中,假设观测到已在2020年4月1日的8:51:00发出请求向半成品的保管场所的搬运的最新搬运请求。另外,如图9所示,制造作业装置B中的搬运请求间隔的预测模式为[10002,02,600]。即,在制造作业装置B中,搬运请求间隔的期望值为600秒。因此,在制造作业装置B中,能够预测向半成品的保管场所发出搬运请求的下一搬运请求是同日的9:01:00。
另外,在设置有制造作业装置A以及B以外的制造作业装置的情况下,以同样的方法预测在未来发出的搬运请求的时刻。
[搬运计划(即,AGV的分配模型)的生成]
如果预测在其他制造作业装置中发出下一搬运请求的时刻,则针对当前搬运请求和下一(未来的)搬运请求,生成对各个搬运请求分配了AGV20的情况下的分配模型。但是,在该实施例中,作为生成分配模型的对象的下一搬运请求,是预测的时刻从当前搬运请求起在第三规定时间(例如,600秒(10分钟))以内的搬运请求。因此,在此考虑的分配模型如下两种。但是,当前使用中的AGV20以及充电中的AGV20是不在分配的对象内。
此外,在此,将两种分配模型中的一方称为分配模型1,将另一方称为分配模型2。此外,将制造作业装置A在9:00:00发出的当前搬运请求称为搬运请求1,将预测制造作业装置B在9:01:00发出的下一搬运请求称为搬运请求2。
在分配模型1中,AGV_ID为#1的AGV20被分配给搬运请求1,AGV_ID为#2的AGV20被分配给搬运请求2。也就是说,成为候补的AGV20分别分配给搬运请求1以及搬运请求2。这对于后述的分配模型2也是相同的。
在分配模型2中,AGV_ID为#1的AGV20被分配给搬运请求1,AGV_ID为#2的AGV20被分配给搬运请求2。
[到达时刻的预测]
当生成多个分配模型时,基于移动时间的预测模式预测到达时刻。优化服务器12针对分配模型1和分配模型2分别预测到达时刻。
首先,对分配模型1的情况进行说明。如上所述,观测到AGV_ID为#1的AGV20在待机位置L1处待机中,AGV_ID为#2的AGV20在待机位置L2处待机中。
因此,在分配模型1中,需要使AGV_ID为#1的AGV20从待机场所L1移动到制造作业装置A,使AGV_ID为#2的AGV20从待机场所L2移动到制造作业装置B。
优化服务器12参照包含于登记在数据库18的主信息中的路线信息,获取使AGV_ID为#1的AGV20从待机场所L1移动到制造作业装置A的移动路线以及登记于该移动路线的位置信息。同样地,优化服务器12参照包含在主信息中的路线信息,获取使AGV_ID为#2的AGV20从待机场所L2移动到制造作业装置B的移动路线以及登记于该移动路线的位置信息。登记于移动路线的位置信息是据点和中继地点的位置信息。这在后述的分配模型2的情况下也相同。
在此,如图12所示,获取(1)>(10)>(8)作为AGV_ID为#1的AGV20的移动路线,获取(5)>(11)>(4)作为AGV_ID为#2的AGV20的移动路线。
通过将各移动路线的移动时间分别应用图11所示的移动时间的预测模式,各移动路线中的移动时间如图13所示,可预测为(1)>90秒>(10)>20秒>(8)、(5)>20秒>(11)>20秒>(4)。但是,在分配模型1中,如果考虑搬运请求被发出的时刻,则AGV_ID为#1的AGV20在AGV_ID为#2的AGV20的60秒后开始移动。因此,考虑搬运请求被发出的时刻的移动时间的预测为(1)>150秒>(10)>20秒>(8)。
在分配模型1中,由于AGV_ID为#1的AGV20的移动路线与AGV_ID为#2的AGV20的移动路线不交叉,因此不需要考虑交叉点的停止时间。
因此,在分配模型1中,AGV_ID为#1的AGV20到达制造作业装置A的预测到达时刻是从当前时刻起170秒后的9:02:50。另外,AGV_ID为#2的AGV20到达制造作业装置B的位置的预测到达时刻是从当前时刻起40秒后的9:00:40。
接着,对分配模型2的情况进行说明。如上所述,由于AGV_ID为#1的AGV20在待机场所L1处待机中,AGV_ID为#2的AGV20在待机场所L2处待机中,因此在分配模型2中,需要将AGV_ID为#1的AGV20从待机场所L1移动到制造作业装置B,并将AGV_ID为#2的AGV20从待机场所L2移动到制造作业装置A。
优化服务器12参照包含在主信息中的路线信息,获取使AGV_ID为#1的AGV20从待机场所L1移动到制造作业装置B的移动路线以及登记在该移动路线中的位置信息。同样地,优化服务器12参考包括在主信息中的路线信息,获取使AGV_ID为#2的AGV20从待机地点L2移动到制造作业装置A的移动路线以及登记在该移动路线中的位置信息。登记于移动路线的位置信息是据点和中继地点的位置信息。
在此,如图12所示,获取(1)>(2)>(3)>(4)作为AGV_ID为#1的AGV20的移动路线,获取(5)>(6)>(7)>(8)作为AGV_ID为#2的AGV20的移动路线。
各移动路线的移动时间通过将各移动路线套用图11所示的移动时间的预测模式,如图14所示,可预测(1)>90秒>(2)>30秒>(3)>30秒>(4)、(5)>35秒>(6)>90秒>(7)>30秒>(8)。但是,在分配模型2中,如果考虑搬运请求被发出的时刻,则AGV_ID为#2的AGV20在AGV_ID为#1的AGV20的60秒后开始移动。因此,考虑了搬运请求被发出的时刻的移动时间的预测为(5)>95秒>(6)>90秒>(7)>30秒>(8)。
此外,优化服务器12将各AGV20的移动路线套用上述的交叉点位置信息及交叉点动作的规则,预测在交叉点的停止时间。在分配模型2中,根据交叉点位置信息,存在AGV_ID为#1的AGV20的移动路线中(2)>(3)的路线(以下称为“部分路线”)和AGV_ID为#2的AGV20的移动路线中的(6)>(7)的部分路线交叉的交叉点C。
此外,如上所述,在某AGV20于存在交叉点的两条部分路线中的一条移动过程中,其他AGV20到达另一条部分路线的情况下,允许交叉点动作的规则以先来后到的顺序的方式进入交叉点。另外,在两辆AGV20同时分别到达存在交叉点的两条部分路线的情况下,根据优先顺序允许进入交叉点。
关于分配模型2的情况,若应用上述的交叉点动作的规则,则如图14所示,AGV_ID为#1的AGV20在从开始移动起90秒后,到达部分路线中的(2)的中继地点P1,在从开始移动起120秒后,到达部分路线中的(3)的中继地点P2,从交叉点C退出。
另一方面,AGV_ID为#2的AGV20在从移动开始起95秒后,到达部分路线中的(6)的中继地点P3,在该中继地点P3,从开始移动起120秒后,到AGV_ID为#1的AGV20退出交叉点C为止待机25秒(停止)。因此,关于AGV_ID为#2的AGV20,考虑了停止时间的移动时间的预测为(5)>95秒>(6)>115秒>(7)>30秒>(8)。
因此,在分配模型2中,AGV_ID为#1的AGV20到达制造作业装置B的预测的到达时刻是从当前时刻起150秒后的9:02:30。另外,AGV_ID为#2的AGV20到达制造作业装置A的位置的预测到达时刻是从当前时刻起240秒后的9:04:00。
[分配模型的选择]
关于各分配模型,如果预测各AGV20的到达时刻,则基于规定的条件,从多个分配模型中选择一个分配模型,按照所选择的分配模型生成针对当前的搬运请求的移动指示。即,对当前的搬运请求的AGV20进行决定(或者配车)。
在该实施例中,规定的条件是评价值较小的一方,作为一个例子,评价值是从各AGV20的开始位置到结束位置的移动所花费的所需时间的合计。但是,所需时间是从当前的时刻至到达结束位置为止的时刻,不仅考虑移动时间,还考虑搬运请求被发出的时刻和停止时间。
在上述的分配模型1中,AGV_ID为#1的AGV20的所需时间为170秒,AGV_ID为#2的AGV20的所需时间为从当前的时刻起40秒,合计为210秒。
另外,在上述的分配模型2中,AGV_ID为#1的AGV20的所需时间为150秒,AGV_ID为#2的AGV20的所需时间为240秒,合计为390秒。
因此,按照规定的条件选择分配模型1。因此,对于当前搬运请求,优化服务器12确定AGV_ID为#1的AGV20,确定(1)>(8)((1)>(10)>(8))作为移动路线,并将确定行驶参数的移动指示发送到管理服务器16,行驶参数对应于该移动路线。管理服务器16将从优化服务器12接收到的移动指示发送至该移动指示中包含的AGV_ID的AGV20(以下,有时称为“对象AGV20”)。严格来说,管理服务器16将移动指示发送(广播)到其他网络,判断该移动指示中包含的AGV_ID是否接收到移动指示的AGV20自身的AGV_ID,在为自身的AGV_ID的情况下,按照移动指示开始移动。另外,管理服务器16将移动指示作为移动指示实绩登记到数据库18中。
另外,管理服务器16将各AGV20每隔第一规定时间发送的行驶信息登记(或累积)到数据库18中。
图15是表示图2所示的优化服务器12中包含的RAM32的存储器映射500的一例的图。如图15所示,RAM32包括程序存储区域502以及数据存储区域504。
程序存储区域502存储由优化服务器12的CPU30执行的程序(信息处理程序),信息处理程序包含通信程序502a、搬运请求间隔预测模式生成程序502b、移动时间预测模式生成程序502c、搬运请求预测程序502d、搬运计划生成程序502e、到达时刻预测程序502f、搬运计划评价程序502g以及搬运计划选择程序502h等。
通信程序502a是用于使用通信装置34与管理服务器16以及数据库18等其他装置或计算机进行通信的程序。
搬运请求间隔预测模式生成程序502b是用于基于搬运请求实绩,通过LSTM法生成搬运请求间隔的预测模式的程序。移动时间预测模式生成程序502c是用于:基于累积的标准化信息(后述的标准化数据504b)生成通过高斯处理(Gaussian Processing)的方法进行了模式化的移动时间的预测模式的程序。
搬运请求预测程序502d是用于:在从制造作业装置发出了当前的搬运请求的情况下,在与该制造作业装置不同的每一个其他制造作业装置中,将未来发出的下一搬运请求套用搬运请求间隔的预测模式以进行预测的程序。
搬运计划生成程序502e是用于:生成针对当前的搬运请求以及下一搬运请求分别分配了不同的候选的AGV20的多个分配模型的程序。
到达时刻预测程序502f是用于:针对按照搬运计划生成程序502e生成的多个分配模型的每一个,预测各AGV20到达结束位置的到达时刻的程序。
搬运计划评价程序502g是用于:针对根据到达时刻预测程序502f预测到达时刻的多个分配模型分别计算评价值的程序。
搬运计划选择程序502h是用于:基于按照搬运计划评价程序502g计算出的评价值,从多个分配模型中选择一个分配模型的程序。
移动指示发送程序502i是用于:基于在搬运计划选择程序502h中选择出的一个分配模型,生成针对当前搬运请求的移动指示(后述的移动指示数据504g),并发送到管理服务器16的程序。但是,在向管理服务器16发送移动指示的情况下,还执行通信程序502a。
另外,在程序存储区域502中还存储有执行信息处理程序所需的其他程序。
在数据存储区域504中存储有搬运请求实绩数据504a、标准化数据504b、搬运请求间隔预测模式数据504c、移动时间预测模式数据504d、分配模型数据504e以及移动指示数据504f等。
搬运请求实绩数据504a是关于将从各制造作业装置发出的搬运请求按照时间序列积累的搬运请求实绩的数据。标准化数据504b是蓄积了基于从各AGV20每隔第一规定时间获取到的行驶信息而生成的标准化信息的数据。
搬运请求间隔预测模式数据504c是使用搬运请求实绩数据504a并根据搬运请求间隔预测模式生成程序502b生成的关于搬运请求的预测模式的数据。
移动时间预测模式数据504d是关于使用标准化数据504b并根据移动时间预测模式生成程序502c生成的移动时间的预测模式的数据。
分配模型数据504e是关于按照搬运计划生成程序502e生成的多个分配模型的数据。
移动指示数据504f是关于基于按照搬运计划选择程序502h选择的一个分配模型生成的针对当前搬运请求的移动指示的数据,是包含对象AGV20的AGV_ID、行驶路线以及行驶参数的数据。
另外,在数据存储区域504中存储执行信息处理程序所需的其它数据,或设置执行信息处理程序所需的计时器(计数器)以及标志等。
图16是表示图3所示的管理服务器16所包含的RAM52的存储器映射600的一例的图。如图16所示,RAM52包括程序存储区域602以及数据存储区域604。
程序存储区域602存储由管理服务器16的CPU50执行的程序(管理程序),管理程序包含通信程序602a、接受程序602b、AGV控制程序602c以及AGV状态观测程序602d等。
通信程序602a是用于使用第一通信装置54与AGV20等其他装置或计算机进行通信的程序。但是,有时也经由接入点进行通信。此外,通信程序602a也是用于使用第二通信装置56通知优化服务器12以及数据库18等其他装置或计算机的程序。
接受程序602b是用于接受搬运请求的程序。另外,接受程序602b也是用于在接受到搬运请求时将接受的搬运请求登记到数据库18中的程序。此时,还执行通信程序602a。
AGV控制程序602c是用于指定控制对象AGV20,并且将包含确定的移动路线及选择的行驶参数的移动指示及规定动作的动作指示发送至该AGV20的程序。但是,在通过优化服务器12接收到移动指示数据504g的情况下,将接收到的移动指示数据504g发送到其他网络。
AGV状态观测程序602d是用于观测关于配置于工厂的多个AGV20中、使用于搬运作业的一个或多个AGV20的每一个的行驶信息的程序。具体而言,接收从各AGV20每隔第一规定时间发送的AGV20的行驶信息,存储于RAM52,同时存储(登记)于数据库18。
此外,在程序存储区域602中还存储有执行管理程序所需的其它程序。例如,在行驶中的AGV20(为了方便说明,称为“对象AGV20”)的前方有其他AGV20停止或者其他AGV20先进入交叉点的情况下,也存储用于使对象AGV20暂停的程序等。
在数据存储区域604中存储请求数据604a、移动指示数据604b以及行驶信息数据604c。
请求数据604a是关于来自配置于工厂的制造作业装置即计算机22的搬运请求的数据。但是,在从多个计算机22同时或者同步具有搬运请求的情况下,请求数据604a是关于多个搬运请求的数据。
移动指示数据604b是与搬运请求对应地生成或从优化服务器12接收到的移动指示有关的数据。行驶信息数据604c是从各AGV20每隔第一规定时间发送的行驶信息的数据。
另外,在数据存储区域604存储执行管理程序所需的其他数据,或者设置执行管理程序所需的计时器(计数器)以及标志等。
图17是表示移动指示处理的流程图,该移动指示处理是由内置于图2所示的优化服务器12中的CPU30执行的信息处理的一例。此外,图17所示的移动指示处理对每个搬运请求(当前的搬运请求)来执行。如图17所示,当有来自制造作业装置的搬运请求时,CPU30开始移动指示处理,在步骤S1中,参照数据库18,观测当前时刻的所有AGV20的位置以及使用状态(待机中或者移动中)。
在下一步骤S3中,预测搬运请求。在此,CPU30使用搬运请求间隔的预测模式预测在有搬运请求的制造作业装置不同的其他制造作业装置中在未来发出的搬运请求。
在接下来的步骤S5中,制作多个分配模型。在此,CPU30针对当前的搬运请求和所预测的搬运请求中的每一个,从存储于数据库18中的主信息所包含的路线信息中获取将可使用的AGV20以不同的模式分配的多条行驶路线,生成多个分配模型。
在下一步骤S7中,预测到达时刻。在此,CPU30针对各分配模型的各AGV20,使用移动时间的预测模式来预测移动时间,考虑搬运请求发发出的时刻和拥堵导致的延迟时间来预测到达时刻。
在接下来的步骤S9中,评价各分配模型。这里,CPU30对每个分配模型计算各AGV20的移动时间的合计(评价值)。
接着,在步骤S11中,基于评价值选择一个分配模型。然后,在步骤S13中,基于在步骤S11中选择的一个分配模型,生成关于对当前搬运请求的移动指示的移动指示数据504g,将生成的移动指示数据504g发送到管理服务器16,结束移动指示处理。
图18和图19是表示由内置于图3所示的管理服务器16中的CPU50执行的AGV控制处理的一例的流程图。但是,该AGV控制处理是与根据搬运请求从优化服务器12发送移动指示的情况相关的处理。
如图18所示,管理服务器16的CPU50开始AGV控制处理后,在步骤S51,判断是否接收到AGV20的行驶信息。
如果在步骤S51中为“否”,即,如果不接收AGV20的行驶信息,则进入步骤S57。另一方面,如果在步骤S51中为“是”,即,如果接收到AGV20的行驶信息,则在步骤S53中存储(更新)接收到的AGV20的行驶信息,在步骤S55中将接收到的AGV20的行驶信息登记到数据库18中,进入步骤S57。在步骤S53中,对行驶信息数据604c进行更新,在步骤S55中,对数据库18中登记的行驶信息的历史记录进行更新。
在步骤S57中,判断是否有来自优化服务器12的移动指示。也就是说,CPU50接收移动指示数据504g,判断是否作为移动指示数据604b存储在数据存储区域604中。
如果在步骤S57中为“否”,也即,若没有来自优化服务器12的移动指示,则在步骤S59中判断是否有移动中的AGV20。但是,这里的“移动中”不仅包括实际搬运货物的状态,还包括为了装载货物而移动到制造作业装置的状态以及在将货物搬运到搬运目的地之后返回到待机场所而移动的状态。
如果在步骤S59中为“否”,即,如果不存在移动中的AGV20,则返回步骤S51。另一方面,如果在步骤S59中为“YES”,即,如果有移动中的AGV20,则进入图19所示的步骤S63。
此外,如果在步骤S57中为“YES”,换句话说,若有来自优化服务器12的移动指示,则在步骤S61中,向对象AGV20发送移动指示数据604b,返回步骤S51。因此,接收了移动指示数据604b的对象AGV20使用移动指示数据604b所示的行驶参数,按照移动指示数据604b所示的移动路线移动的方式开始移动。
如图19所示,在步骤S63中,判断是否执行规定动作。在此,判断对象AGV20是否直行、后退、停止、靠左、靠右、左转、右转或到达变更速度的位置。若在步骤S63中为“否”,即,如果不执行规定动作,则进入步骤S67。另一方面,若在步骤S63中为“是”,换句话说,若为规定动作的执行,则在步骤S65中在对对象AGV20指示规定动作的执行之后,进入步骤S67。
在步骤S67中,判断AGV20是否到达了制造作业装置(即,搬运请求的请求源)的位置。如果在步骤S67中为“否”,即,如果AGV20未到达制造作业装置的位置,则进入步骤S75。另一方面,如果在步骤S67中为“是”,即,如果AGV20到达制造作业装置的位置,则在步骤S69中,从数据库18的主信息中取得从制造作业装置的位置到保管场所为止的移动路线,在步骤S71中,从数据库18的主信息中取得与移动路线对应的行驶参数,在步骤S73中,向对象AGV20发送包含所取得的移动路线及行驶参数的搬运指示,进入步骤S75。
另外,AGV20中,若接收到从制造作业装置的位置到保管场所的移动指示,则在使牵引臂26与台车连接的状态后开始移动(即,搬运)。
在步骤S75中,判断对象AGV20是否到达了保管场所。若在步骤S75中为“否”,即,若对象AGV20未到达保管场所,则返回步骤S51。
另一方面,若在步骤S75中为“是”,即,若AGV20到达保管场所,则在步骤S77中从主信息获取从保管场所到待机场所(在该实施例中为待机场所L1或者L2)的移动路线,在步骤S79中从主信息获取与移动路线对应的行驶参数,在步骤S81中,向对象AGV20发送包含获取的移动路线以及行驶参数的移动指示,返回步骤S51。
另外,AGV20若接收到从保管场所到待机场所的移动指示,则在成为牵引臂26不与台车连接的状态后开始移动。
此外,步骤的处理按照行驶控制的每个AGV20来执行。另外,在图18以及图19所示的AGV控制处理中,在制造作业装置的位置以及保管场所分别从主信息获取从制造作业装置的位置到保管场所的移动路线以及从保管场所到待机场所的移动路线,但也可以在有来自优化服务器12的移动指示时从主信息获取这些移动路线。这对于行驶参数也是同样的。
根据该实施例,在预测移动时间的情况下,使用基于过去的移动实绩生成的移动时间的预测模式,因此能够以高准确度预测达时刻。
另外,根据该实施例,针对以不同的模式向移动路线分配AGV的情况下的多个分配模型的每一个,分别使用移动时间的预测模式来预测从待机场所到制造作业装置的移动时间,而且,考虑搬运请求被发出的时刻以及由拥堵引起的延迟时间,因此能够以更高的准确度预测到达时刻。
进一步,根据该实施例,由于使用基于过去的搬运请求实绩生成的搬运请求间隔的预测模式,因此在某个制造作业装置发出了当前的搬运请求的情况下,能够预测其他制造作业装置接下来发出的搬运请求的时刻。因此,能够考虑包括未来的搬运请求的多个搬运请求以进行配车。
此外,根据该实施例,由于考虑包括未来的搬运请求的多个搬运请求以进行配车,因而能够在整个搬运作业中节省时间和AGV的耗电的浪费。
此外,在上述的实施方式中,使用搬运请求间隔的预测模式预测在与有搬运请求的制造作业装置不同的其他制造作业装置中在未来发出的搬运请求,该搬运请求间隔的预测模式包含搬运请求间隔的期望值(秒),但不需要限于此。也可以包含多个搬运请求时刻的期望值(时分秒)来代替搬运请求间隔的期望值。在该情况下,能够直接获知未来发出的搬运请求的搬运请求时刻。
此外,在上述的实施例中,在预测AGV的到达时刻的情况下,考虑了搬运请求被发出的时刻以及由拥堵引起的延迟时间,但由于行驶信息中也包含错误,因而也可以考虑由错误引起的延迟时间。在这种情况下,通过将行驶路线套用于错误引起的延迟时间的期望值上,能够预测错误引起的延迟时间,在预测到达时刻的情况下,与移动时间相加。
而且,虽然在上述实施例中省略了说明,但在生成了搬运请求间隔的预测模式以及移动时间的预测模式之后,为了将搬运请求以及行驶信息记录在数据库中,也可以在规定的时机(例如,一个月一次)重新生成搬运请求间隔的预测模式以及移动时间的预测模式。在这种情况下,能够根据使用环境的变化生成适当的预测模式,能够根据使用环境的变化预测准确度高的到达时刻,并且能够适当地配车AGV。
另外,在该实施例中,考虑了搬运请求所发出的时刻以及由拥堵引起的延迟时间的移动时间的合计而算出分配模型的评价值,但并不需要限定于此。
在其它例子中,也可以在考虑了搬运请求被发出的时刻以及由拥堵引起的延迟时间的移动时间的合计,进一步加上由拥堵引起的延迟时间。选择评价值小的分配模型这一点与上述的实施例相同。这在其他例子中也相同。
在其他例子中,不仅考虑移动时间的合计,还考虑耗电。这种情况下,将耗电量加到合计的移动时间中。但是,通过将行驶路线套用于基于行驶信息模式化的AGV内置的电池的耗电量的期望值,来预测(或计算)耗电量。
进而,在上述的实施例中,管理服务器从存储在数据库中的主信息,取得行驶路线以及行驶参数,但行驶路线以及行驶参数也可以存储在管理服务器中。
此外,上述实施例所示的系统和AGV的具体的构成在实际的产品中能够适当变更。
例如,采用了AGV牵引台车的方式,但也可以构成为能够将货物装载于AGV。在这种情况下,载荷传感器可使用能够测量所装载的货物的载荷的传感器。
此外,在上述的实施例中,将优化服务器和管理服务器单独设置,但也可以设置具备这两者的功能的一台服务器。另外,数据库也可以内置于优化服务器或管理服务器中。
附图标记说明
10…系统
10a…搬运系统
12…优化服务器
16…管理服务器
20…AGV
22…计算机
30、50、70…CPU
32、52、72…RAM
34、54、56、74…通信装置
76…车轮驱动电路
78…车轮马达
80…升降驱动电路
82…升降马达
84…接近传感器
86…载荷传感器
88…线传感器
90…惯性传感器
92…RF标签读取器
94…电池
Claims (13)
1.一种移动时间预测装置,其特征在于,包括:
多个自动行驶装置;
移动指示装置,其根据来自多个请求源的每一个的搬运请求向多个所述自动行驶装置发送移动指示;
移动信息存储装置,其记录移动实绩信息,所述移动实绩信息包括根据所述移动指示移动的多个所述自动行驶装置的移动路线和移动时间;
移动时间预测单元,其预测所述自动行驶装置在根据所述移动指示的移动路线上移动时的移动时间;
搬运请求存储单元,存储搬运请求信息,所述搬运请求信息包含来自多个请求源的每一个的搬运请求和该搬运请求的发出日期时间;以及
搬运请求预测单元,利用基于所述搬运请求存储单元存储的多条搬运请求信息进行了模式化的搬运请求时刻或搬运请求时间间隔的预测模式,预测从一个或多个其他的所述请求源在未来发出的一个或多个未来的搬运请求,
所述移动时间预测单元在从一个所述请求源接受了当前的搬运请求时,使用移动时间的预测模式来预测所述移动时间,所述预测模式根据由所述移动信息存储装置存储的移动信息进行了模式化,
所述移动时间预测单元进一步预测所述自动行驶装置在与一个或多个所述未来的搬运请求相对应的各个移动路线上移动时的移动时间。
2.根据权利要求1所述的移动时间预测装置,其特征在于,
所述移动时间预测装置在从一个所述请求源接受了当前的搬运请求时,从多个所述自动行驶装置中选择一个所述自动行驶装置,确定通过该被选择的一个所述自动行驶装置从该自动行驶装置的当前位置移动到移动目的地的移动路线,通过将所述移动路线套用在所述移动时间的预测模式来预测所述移动时间。
3.根据权利要求1所述的移动时间预测装置,其特征在于,所述移动时间的预测模式包含与多个登记移动路线分别对应的所述自动行驶装置的移动时间的期望值的信息。
4.根据权利要求3所述的移动时间预测装置,其特征在于,
所述登记移动路线将多个登记位置中的一个作为登记移动路线开始位置,将所述多个登记位置中的另一个作为登记移动路线结束位置,
在所述移动路线上存在所述多个登记位置的情况下,所述移动时间预测单元对于所述移动路线,进行一条以上的所述登记移动路线的分配,算出与该被分配的一条以上的所述登记移动路线分别对应的所述自动行驶装置的移动时间的期望值的总和作为所述移动时间,
其中,在一条以上的所述登记移动路线中将存在于所述移动路线上的所述多个登记位置中的一个作为所述登记移动路线开始位置,且将所述多个登记位置中的另一个作为所述登记移动路线结束位置。
5.根据权利要求3所述的移动时间预测装置,其特征在于,所述移动时间预测单元通过参照与所述登记移动路线对应的移动规则信息来算出所述自动行驶装置在所述登记移动路线上移动时的延迟时间。
6.根据权利要求5所述的移动时间预测装置,其特征在于,
所述移动规则信息包括交叉点待机规则信息,所述交叉点待机规则信息是在由至少一部分重复或交叉的多条所述登记移动路线构成的交叉路口中,多个所述自动行驶装置同时到达该交叉路口时的信息,
所述移动时间预测单元对多个所述自动行驶装置的每一个预测移动时间,由此判定多个所述自动行驶装置是否同时到达所述交叉点,在判定为多个所述自动行驶装置同时到达所述交叉点的情况下,根据所述交叉点待机规则信息,计算所述交叉点上的所述自动行驶装置的待机时间作为所述延迟时间。
7.根据权利要求1所述的移动时间预测装置,其特征在于,
还包括分配确定单元,其考虑所述当前的搬运请求和一个或多个所述未来的搬运请求,从多个所述自动行驶装置对所述当前的搬运请求和一个或多个所述未来的搬运请求分别确定一个所述自动行驶装置的分配,
所述分配确定单元包括:
分配单元,生成多个分配模型,所述多个分配模型用不同的组合的分配模式对关于所述当前的搬运请求和一个或多个所述未来的搬运请求各自的移动路线分配作为候选的所述自动行驶装置;
评价值计算单元,计算由所述分配单元生成的多个分配模型的每一个的评价值;以及
选择单元,基于由所述评价值计算单元计算出的多个评价值,选择一个所述分配模型。
8.根据权利要求7所述的移动时间预测装置,其特征在于,
所述分配确定单元还包括变更单元,所述变更单元针对由所述分配单元生成的多个分配模型的每一个,考虑所述搬运请求被发出的时刻和延迟时间,变更由所述移动时间预测机构预测的移动时间,
到达时刻预测单元利用由所述变更单元变更的移动时间,对由所述分配单元生成的多个分配模型的每一个预测所述自动行驶装置的移动时间。
9.根据权利要求7所述的移动时间预测装置,其特征在于,所述评价值是所述移动时间的合计。
10.根据权利要求8所述的移动时间预测装置,其特征在于,所述评价值是在由所述变更单元变更后的移动时间的合计加上所述延迟时间后得到的值。
11.根据权利要求1至10的任一项所述的移动时间预测装置,其特征在于,所述搬运请求时刻或所述搬运请求时间间隔的预测模式是将由所述搬运请求存储装置存储的多条搬运请求信息利用长短期记忆法模式化生成的。
12.根据权利要求1至10中任一项所述的移动时间预测装置,其特征在于,所述移动时间的预测模式是将由所述移动信息存储装置存储的多条移动信息利用高斯处理法模式化生成的。
13.一种移动时间预测方法,其特征在于,包括:
移动指示发送步骤,根据来自多个请求源每一个的搬运请求,对多个自动行驶装置发送移动指示;
移动信息存储步骤,将移动实绩信息记录在存储介质中,所述移动实绩信息包含按照所述移动指示移动的多个所述自动行驶装置的移动路线和移动时间;
移动时间预测步骤,预测所述自动行驶装置在对应于所述移动指示的移动路线上移动的情况下的移动时间;
搬运请求存储步骤,存储搬运请求信息,所述搬运请求信息包含来自多个请求源的每一个的搬运请求和该搬运请求的发出日期时间;以及
搬运请求预测步骤,利用基于所述搬运请求存储步骤中存储的多条搬运请求信息进行了模式化的搬运请求时刻或搬运请求时间间隔的预测模式,预测从一个或多个其他的所述请求源在未来发出的一个或多个未来的搬运请求,
在所述移动时间预测步骤中,从一个所述请求源接受了当前的搬运请求时,使用基于所述移动信息存储步骤中存储的移动信息进行了模式化的移动时间的预测模式来预测所述移动时间,
所述移动时间预测步骤中,进一步预测所述自动行驶装置在与一个或多个所述未来的搬运请求相对应的各个移动路线上移动时的移动时间。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020151059A JP7453102B2 (ja) | 2020-09-09 | 2020-09-09 | 移動時間予想装置および移動時間予想方法 |
JP2020-151059 | 2020-09-09 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114237209A CN114237209A (zh) | 2022-03-25 |
CN114237209B true CN114237209B (zh) | 2024-05-14 |
Family
ID=80470820
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110975319.6A Active CN114237209B (zh) | 2020-09-09 | 2021-08-24 | 移动时间预测装置和移动时间预测方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220075381A1 (zh) |
JP (1) | JP7453102B2 (zh) |
CN (1) | CN114237209B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024090321A1 (ja) * | 2022-10-27 | 2024-05-02 | パナソニックIpマネジメント株式会社 | 制御方法、制御装置及びプログラム |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002083392A (ja) * | 2000-09-06 | 2002-03-22 | Mitsubishi Electric Corp | 配送計画立案システム |
JP2004038695A (ja) * | 2002-07-04 | 2004-02-05 | Fujitsu Ltd | 到着時間予測方法および到着時間予測プログラム |
JP2004281622A (ja) * | 2003-03-14 | 2004-10-07 | Murata Mach Ltd | 搬送台車システム |
JP2006108264A (ja) * | 2004-10-04 | 2006-04-20 | Sony Corp | 物品の搬送方法及び物品の搬送装置 |
JP2007055692A (ja) * | 2005-08-22 | 2007-03-08 | Yaskawa Electric Corp | シングルシャフトマルチカーエレベータシステムおよびその群管理装置 |
JP2010039961A (ja) * | 2008-08-08 | 2010-02-18 | Saroute:Kk | 配送業務支援システム、配送予測時間算出方法及びプログラム |
JP2012198790A (ja) * | 2011-03-22 | 2012-10-18 | Nifty Corp | 移動体位置推定サーバ |
JP2013170900A (ja) * | 2012-02-20 | 2013-09-02 | Buaru Kenkyusho:Kk | 経路案内方法、経路案内装置、及びコンピュータプログラム |
JP2015184779A (ja) * | 2014-03-20 | 2015-10-22 | 株式会社日立製作所 | 運行計画サーバ、およびダイヤ作成方法 |
JP2017165509A (ja) * | 2016-03-14 | 2017-09-21 | Sbsロジコム株式会社 | 運送管理システム |
CN108352001A (zh) * | 2015-11-23 | 2018-07-31 | 谷歌有限责任公司 | 基于计算设备的用户的场境自动预订运输 |
CN109979219A (zh) * | 2017-12-28 | 2019-07-05 | 丰田自动车株式会社 | 车辆运行管理系统和车辆运行管理方法 |
CN110555646A (zh) * | 2018-05-31 | 2019-12-10 | 富士通株式会社 | 所需时间计算方法、系统、以及记录其程序的记录介质 |
CN111091728A (zh) * | 2018-10-23 | 2020-05-01 | 丰田自动车株式会社 | 调配指示装置、调配指示方法以及记录介质 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10214115A (ja) * | 1997-01-29 | 1998-08-11 | Nec Corp | 無人搬送車制御装置 |
JP2000112915A (ja) | 1998-10-02 | 2000-04-21 | Toshiba Corp | 学習装置 |
JP2004227060A (ja) | 2003-01-20 | 2004-08-12 | Murata Mach Ltd | 無人搬送車システム |
JP5198994B2 (ja) | 2008-09-19 | 2013-05-15 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 所要時間予測システム、方法及びプログラム |
US20170109764A1 (en) * | 2015-10-19 | 2017-04-20 | Xerox Corporation | System and method for mobility demand modeling using geographical data |
JP6362229B1 (ja) | 2017-04-06 | 2018-07-25 | 株式会社イサナ | 物流システム |
JP7013865B2 (ja) * | 2017-12-28 | 2022-02-01 | トヨタ自動車株式会社 | 搬送システムおよび搬送方法 |
US20210149401A1 (en) * | 2018-04-12 | 2021-05-20 | Murata Machinery, Ltd. | Transport vehicle system and transport vehicle control method |
JP2020030724A (ja) | 2018-08-24 | 2020-02-27 | 村田機械株式会社 | 走行車制御装置、走行車システム、及び走行車制御方法 |
JP2020053550A (ja) | 2018-09-27 | 2020-04-02 | 株式会社荏原製作所 | 研磨装置、研磨方法、及び機械学習装置 |
JP6885421B2 (ja) * | 2019-05-28 | 2021-06-16 | 村田機械株式会社 | 搬送制御装置 |
US11574377B2 (en) * | 2019-06-03 | 2023-02-07 | International Business Machines Corporation | Intelligent on-demand management of ride sharing in a transportation system |
US11176821B2 (en) * | 2019-06-13 | 2021-11-16 | Zoox, Inc. | Junction queueing |
-
2020
- 2020-09-09 JP JP2020151059A patent/JP7453102B2/ja active Active
-
2021
- 2021-08-24 CN CN202110975319.6A patent/CN114237209B/zh active Active
- 2021-08-26 US US17/412,946 patent/US20220075381A1/en active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002083392A (ja) * | 2000-09-06 | 2002-03-22 | Mitsubishi Electric Corp | 配送計画立案システム |
JP2004038695A (ja) * | 2002-07-04 | 2004-02-05 | Fujitsu Ltd | 到着時間予測方法および到着時間予測プログラム |
JP2004281622A (ja) * | 2003-03-14 | 2004-10-07 | Murata Mach Ltd | 搬送台車システム |
JP2006108264A (ja) * | 2004-10-04 | 2006-04-20 | Sony Corp | 物品の搬送方法及び物品の搬送装置 |
JP2007055692A (ja) * | 2005-08-22 | 2007-03-08 | Yaskawa Electric Corp | シングルシャフトマルチカーエレベータシステムおよびその群管理装置 |
JP2010039961A (ja) * | 2008-08-08 | 2010-02-18 | Saroute:Kk | 配送業務支援システム、配送予測時間算出方法及びプログラム |
JP2012198790A (ja) * | 2011-03-22 | 2012-10-18 | Nifty Corp | 移動体位置推定サーバ |
JP2013170900A (ja) * | 2012-02-20 | 2013-09-02 | Buaru Kenkyusho:Kk | 経路案内方法、経路案内装置、及びコンピュータプログラム |
JP2015184779A (ja) * | 2014-03-20 | 2015-10-22 | 株式会社日立製作所 | 運行計画サーバ、およびダイヤ作成方法 |
CN108352001A (zh) * | 2015-11-23 | 2018-07-31 | 谷歌有限责任公司 | 基于计算设备的用户的场境自动预订运输 |
JP2017165509A (ja) * | 2016-03-14 | 2017-09-21 | Sbsロジコム株式会社 | 運送管理システム |
CN109979219A (zh) * | 2017-12-28 | 2019-07-05 | 丰田自动车株式会社 | 车辆运行管理系统和车辆运行管理方法 |
CN110555646A (zh) * | 2018-05-31 | 2019-12-10 | 富士通株式会社 | 所需时间计算方法、系统、以及记录其程序的记录介质 |
CN111091728A (zh) * | 2018-10-23 | 2020-05-01 | 丰田自动车株式会社 | 调配指示装置、调配指示方法以及记录介质 |
Also Published As
Publication number | Publication date |
---|---|
JP2022045456A (ja) | 2022-03-22 |
US20220075381A1 (en) | 2022-03-10 |
CN114237209A (zh) | 2022-03-25 |
JP7453102B2 (ja) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102707718B (zh) | 自动制导系统控制工业车辆的通信方法 | |
CN104809606B (zh) | 具有多导引车调度分配功能的仓库管理系统 | |
CN105117892B (zh) | 一种自动化仓储管理方法 | |
CN102692899B (zh) | 操作设施中工业车辆的控制系统及方法 | |
CN102066234B (zh) | 用于管理工业车辆运行以运载易碎负载的系统 | |
CN109279252A (zh) | 货物搬运系统和方法 | |
US10656649B1 (en) | Sensor controlled drive unit ingress and egress | |
US20130190963A1 (en) | System and Method for Gathering Video Data Related to Operation of an Autonomous Industrial Vehicle | |
CN105346913A (zh) | 一种自动导引分拣系统和分拣方法 | |
CN105225090A (zh) | 自动化仓储管理系统及方法 | |
CN114239897A (zh) | 自动配车系统以及自动配车方法 | |
US11738947B2 (en) | Method for predicting energy consumption of motors | |
AU2014201261A1 (en) | System and Method for Gathering Video Data Related to Operation of an Autonomous Industrial Vehicle | |
CN114237209B (zh) | 移动时间预测装置和移动时间预测方法 | |
CN112465219A (zh) | 一种基于近场通信的飞机总装物料配送网络的构建方法 | |
JP7469195B2 (ja) | 走行パラメータ最適化システムおよび走行パラメータ最適化方法 | |
JP7436334B2 (ja) | 自動走行システムおよび走行指示方法 | |
CN214778857U (zh) | 用于自动导引车辆的调度系统及产品生产线 | |
Davies | Deskilling Robots in Logistics Environments | |
CN214987861U (zh) | 仓储拣货系统 | |
WO2021010162A1 (ja) | 搬送管理システム、情報処理システム、搬送実行システム、搬送装置、搬送管理方法及びプログラム | |
WO2022244422A1 (ja) | 走行経路設定装置およびこれを備える自律移動ロボット制御システム、走行経路設定方法、並びに走行経路設定プログラム | |
JP2023076332A (ja) | 集配システム、集配センタ装置、および集配管理方法 | |
Madani | Autonomous Vehicles Delivery Systems: Analyzing Vehicle Routing Problems with a Moving Depot | |
Oldemaat | Improving the Internal Big Volume Transport Logistics at Bosch Thermotechniek Deventer |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |