DE102017003427A1

DE102017003427A1 - Produktionssystem zur Durchführung eines Produktionsplans

Info

Publication number: DE102017003427A1
Application number: DE102017003427.3A
Authority: DE
Inventors: Yasushi Onishi; Yuuki OONISHI
Original assignee: Fanuc Corp
Current assignee: Fanuc Corp
Priority date: 2016-04-15
Filing date: 2017-04-07
Publication date: 2017-10-19
Also published as: US20170300041A1; JP2017191567A; CN107301489A

Abstract

Ein Ausfall einer Maschine oder dergleichen wird schnell ermittelt, um die Maschine effizient zu betreiben. Eine Zellensteuervorrichtung 10 eines Produktionssystems umfasst eine Überwachungseinheit für Produktinformationen zum überwachen der Produktionsinformation, eine Zustandsüberwachungseinheit der Bauteilzufuhr zum überwachen mehrerer Arten von Bauteilen, die mindestens einer Zelle zuzuführen sind, und der Anzahl jeder Art von Bauteilen, und eine Benachrichtigungseinheit, die eine Mitteilung an einen übergeordneten Management Controller übermittelt, wenn die Anzahl jeder Art von Bauteilen, die von der Zustandsüberwachungseinheit der Bauteilzufuhr überwacht wird, von einem vorgegebenen Bereich, der für jede Art von Bauteilen festgelegt wird, abweicht.

Description

HINTERGRUND DER ERFINDUNG
1. Gebiet der Erfindung
Die vorliegende Erfindung betrifft ein Produktionssystem zur Durchführung eines Produktionsplans, der in einem übergeordneten Management Controller erstellt wird.
2. Beschreibung des Standes der Technik
Herkömmlicherweise werden mehrere Arten und eine Anzahl von Bauteilen in einer Montagelinie verarbeitet, um ein Produkt herzustellen. 8 ist ein Blockdiagramm eines Produktionssystems nach einem Stand der Technik. In 8 umfasst eine Zelle 400 eine Vielzahl von Maschinen R1 und R2, eine Vielzahl von Maschinensteuervorrichtungen RC1 und RC2 zum Steuern der Maschinen R1 und R2. In der Zelle 400 stellen die Maschinen R1 und R2 unabhängig voneinander oder zusammenwirkend Produkte her. Ein übergeordneter Management Controller 200 als Produktionsplanungsvorrichtung ist über eine Kommunikationseinheit 410 kommunizierend mit der Zelle 400 verbunden.
Hierfür sind die zur Herstellung eines Produkts erforderliche Art von Bauteilen und die Anzahl der Bauteile als Produktinformation SO in dem übergeordneten Management Controller 200 enthalten. Der übergeordnete Management Controller 200 bewirkt, dass mehrere Arten von Bauteilen, deren Anzahl gemäß der Produktinformation SO bestimmt wird, der Zelle 400 zugeführt werden.
Ferner offenbart die ungeprüfte japanische Patentveröffentlichung (Kokai) Nr. 2013-016087 , dass die Produktionsplanungsvorrichtung die Produktivität aufgrund einer Information über den Bestand an mehreren Arten von Bauteilen und die Anzahl von Bauteilen verbessert.
KURZDARSTELLUNG DER ERFINDUNG
In dem in 8 dargestellten Produktionssystem werden Produkte in einigen Fällen nicht entsprechend dem Produktionsplan, der dem übergeordneten Management Controller 200 festgelegt ist, hergestellt, wenn die Maschinen R1 und R2 der Zelle 400 ausfallen oder ein Bediener den übergeordneten Management Controller 200 fehlerhaft bedient.
Es folgen spezielle Beispiele.

(1) Die Produktionskapazität sinkt aufgrund eines Ausfalls bei mindestens einer der Maschinen R1 und R2 auffallend.
(2) Der übergeordnete Management Controller 200 weist einen großen Überwachungsbereich, aber eine geringere Ansprechempfindlichkeit auf. Somit tritt eine Verzögerung bei der Zufuhr von Bauteilen auf und entsprechend geraten die Maschinen R1 und R2 in einen Standby-Zustand und dann erfolgt ein Zeitverlust. In diesem Beispiel können Produkte nicht entsprechend hergestellt werden.
(3) Es tritt ein Fehler bei der Eingabe in dem übergeordneten Management Controller 200 auf und es erfolgt eine übermäßige oder unzureichende Zufuhr von Bauteilen.

Werden diese Probleme nicht schnell erkannt, verringert sich die Produktionseffizienz des Produktionssystems im Laufe der Zeit. Es ist anzumerken, dass die ungeprüfte japanische Patentveröffentlichung (Kokai) Nr. 2013-016087 nicht offenbart, dass die oben genannten Probleme schnell erkannt werden.
Die vorliegende Erfindung wurde in Anbetracht der oben beschriebenen Umstände gemacht und zielt darauf ab, ein Produktionssystem bereitzustellen, das beispielsweise einen Ausfall einer Maschine schnell erkennen kann, um die Maschine effizient zu betreiben.
Um die oben genannte Aufgabe zu erreichen, wird gemäß einem ersten Aspekt der Erfindung ein Produktionssystem bereitgestellt, das mindestens eine Zelle umfasst, die eine Vielzahl von Maschinen zur Herstellung von Produkten umfasst, sowie eine Vielzahl von Maschinensteuervorrichtungen zum Steuern der Vielzahl von Maschinen, eine Zellensteuervorrichtung, die kommunizierend mit der mindestens einen Zelle verbunden ist, um die Zelle zu steuern, und einen übergeordneten Management Controller, der kommunizierend mit der Zellensteuervorrichtung verbunden ist und der eine Produktinformation umfasst. Die Produktinformation umfasst mehrere Arten von Bauteilen zur Herstellung jedes Produkts und die Anzahl jeder Art von Bauteilen. Die Zellensteuervorrichtung umfasst eine Überwachungseinheit für Produktinformationen zum Überwachen der Produktionsinformation, eine Zustandsüberwachungseinheit der Bauteilzufuhr zum Überwachen der mehreren Arten von Bauteilen, die der mindestens einen Zelle zuzuführen sind, und der Anzahl jeder Art von Bauteilen, und eine Benachrichtigungseinheit, die eine Mitteilung an den übergeordneten Management Controller übermittelt, wenn die Anzahl jeder Art von Bauteilen, die von der Zustandsüberwachungseinheit der Bauteilzufuhr überwacht wird, von einem vorgegebenen Bereich, der für jede Art von Bauteilen festgelegt wird, abweicht.
Gemäß einem zweiten Aspekt der Erfindung umfasst die Zellensteuervorrichtung in dem Produktionssystem gemäß dem ersten Aspekt der Erfindung eine Produktüberwachungseinheit zum Überwachen der Anzahl der tatsächlich in der Zelle hergestellten Produkte. Ist die Anzahl der in der Zelle herzustellenden Produkte, die gemäß der Anzahl der mehreren Arten von Bauteilen und jeder Art von Bauteilen ermittelt wird, die von der Zustandsüberwachungseinheit der Bauteilzufuhr überwacht werden, geringer als die Anzahl der Produkte, die von der Produktüberwachungseinheit überwacht werden und die tatsächlich in der Zelle hergestellt werden, übermittelt die Benachrichtigungseinheit eine Mitteilung an den übergeordneten Management Controller.
Gemäß einem dritten Aspekt der Erfindung umfasst in dem Produktionssystem gemäß dem ersten Aspekt der Erfindung die Zellensteuervorrichtung eine Produktüberwachungseinheit zum überwachen der Anzahl der tatsächlich in der Zelle hergestellten Produkte. Ist die Anzahl der in der Zelle herzustellenden Produkte, die gemäß der Anzahl der mehreren Arten von Bauteilen und jeder Art von Bauteilen ermittelt wird, die von der Zustandsüberwachungseinheit der Bauteilzufuhr überwacht werden, gleich der Anzahl der Produkte, die von der Produktüberwachungseinheit überwacht werden und die tatsächlich in der Zelle hergestellt werden und ist die Anzahl der in der Zelle herzustellenden Produkte geringer als die gewünschte Anzahl der Produkte, übermittelt die Benachrichtigungseinheit eine Mitteilung an den übergeordneten Management Controller.
Gemäß einem vierten Aspekt der Erfindung umfasst in dem Produktionssystem gemäß einem des ersten bis dritten Aspekts der Erfindung das Produktionssystem eine maschinelle Lernvorrichtung zum Lernen von Produktionsdaten des Produktionssystems. Die maschinelle Lernvorrichtung umfasst eine Zustandsgrößen-Beobachtungseinheit zum Beobachten der Zustandsgröße des Produktionssystems, eine Operationsergebnis-Erfassungseinheit zum Erfassen eines Produktionsergebnisses jedes Produktes in dem Produktionssystem, eine Lerneinheit, die eine Ausgabe von der Zustandsgrößen-Beobachtungseinheit und eine Ausgabe von der Operationsergebnis-Erfassungseinheit empfängt, um die Produktionsdaten in Zusammenhang mit der Zustandsgröße des Produktionssystems und dem Produktionsergebnis zu lernen, und eine Entscheidungseinheit, die Produktionsdaten mit Bezug auf die Produktionsdaten, die von der maschinellen Lernvorrichtung gelernt wurden, ausgibt.
Gemäß einem fünften Aspekt der Erfindung umfasst in dem Produktionssystem gemäß dem vierten Aspekt der Erfindung die Zellensteuervorrichtung eine Produktüberwachungseinheit zum Überwachen der Anzahl der tatsächlich in der Zelle hergestellten Produkte. Die von der Zustandsgrößen-Beobachtungseinheit beobachtete Zustandsgröße umfasst mindestens eines aus der gewünschten Anzahl von Produkten, der Produktinformation, die von der Produktinformations-Überwachungseinheit überwacht wird, der Anzahl der mehreren Arten von Bauteilen und jeder Art von Bauteilen, die von der Zustandsüberwachungseinheit der Bauteilzufuhr überwacht werden, der Anzahl der Produkte, die von der Produktüberwachungseinheit überwacht werden und die tatsächlich hergestellt werden, und Einstellungen für die Vielzahl der in der Zelle enthaltenen Maschinen.
Gemäß einem sechsten Aspekt der Erfindung umfasst in dem Produktionssystem gemäß dem vierten oder fünften Aspekt der Erfindung die von der Entscheidungseinheit ausgegebenen Produktionsdaten mindestens eines aus der Anzahl jeder Art von Bauteilen, die an die mindestens eine Zelle geliefert werden sollen, und den Einstellungen für die Vielzahl der in der mindestens einen Zelle enthaltenen Maschinen.
Gemäß einem siebten Aspekt der Erfindung umfasst in der maschinellen Lernvorrichtung gemäß dem vierten Aspekt der Erfindung die maschinelle Lernvorrichtung ein Lernmodell zum Lernen von Produktionsdaten, eine Fehlerberechnungseinheit zum Berechnen eines Fehlers zwischen dem Produktionsergebnis, das von der Operationsergebnis-Erfassungseinheit erfasst wird, und einem vorgegebenen Zielwert, und eine Lernmodell-Aktualisierungseinheit zum Aktualisieren des Lernmodells gemäß dem Fehler.
Gemäß einem achten Aspekt der Erfindung weist in der maschinellen Lernvorrichtung gemäß dem vierten Aspekt der Erfindung die maschinelle Lernvorrichtung eine Wertfunktion zum Ermitteln des Wertes der Produktionsdaten auf Die maschinelle Lernvorrichtung umfasst ferner eine Belohnungsberechnungseinheit, die eine Plus-Belohnung gemäß einer Differenz zwischen dem Produktionsergebnis, das von der Operationsergebnis-Erfassungseinheit erfasst wird, und einem vorgegebenen Zielwert bereitstellt, wenn die Differenz gering ist, und eine Minus-Belohnung gemäß der Differenz bereitstellt, wenn die Differenz groß ist, und eine Wertfunktion-Aktualisierungseinheit zum Aktualisieren der Wertfunktion gemäß der Belohnung.
Diese Aufgaben, Merkmale und Vorteile der vorliegenden Erfindung und andere Aufgaben, Merkmale und Vorteile werden deutlicher aus der ausführlichen Beschreibung typischer Ausführungsformen, die in den beigefügten Zeichnungen veranschaulicht werden.
KURZBESCHREIBUNG DER ZEICHNUNGEN
1 ist ein Blockdiagramm eines Produktionssystems aufgrund der vorliegenden Erfindung.
2 ist eine Ansicht eines Beispiels einer Produktinformation.
3 ist ein Ablaufdiagramm des Betriebs des Produktionssystems aufgrund der vorliegenden Erfindung.
4 ist eine Ansicht eines Beispiels einer maschinellen Lernvorrichtung.
5 ist eine Ansicht eines weiteren Beispiels einer maschinellen Lernvorrichtung.
6 ist ein schematisches Diagramm eines Neuronenmodells.
7 ist ein schematisches Diagramm eines dreischichtigen neuronalen Netzes, das durch das Kombinieren von in 6 dargestellten Neuronen ausgebildet wird.
8 ist ein Blockdiagramm eines Produktionssystems bei einem Stand der Technik.
AUSFÜHRLICHE BESCHREIBUNG
Ausführungsformen der vorliegenden Erfindung werden weiter unten mit Bezug auf die beigefügten Zeichnungen beschrieben. In den folgenden Figuren werden ähnliche Elemente mit denselben Referenzzeichen bezeichnet. Diese Figuren sind maßstabgerecht verändert, um das Verständnis zu unterstützen.
1 ist ein Blockdiagramm eines Produktionssystems aufgrund der vorliegenden Erfindung. Ein Produktionssystem 10 ist mit einer Zelle 40 bereitgestellt, die mindestens eine, vorzugsweise eine Vielzahl von Maschinen (in dem veranschaulichten Beispiel zwei Maschinen) R1 und R2 und eine oder mehrere Maschinensteuervorrichtungen (numerische Steuervorrichtungen) RC1 und RC2 (deren Anzahl üblicherweise mit der Anzahl der Maschinen übereinstimmt) zum Steuern der Maschinen R1 und R2 umfasst, eine Zellensteuervorrichtung (Zellensteuerung) 30, die zur Kommunikation mit den Maschinensteuervorrichtungen RC1 und RC2 konfiguriert ist, und einen übergeordneten Management Controller 20 als Produktionsplanungsvorrichtung, die zur Kommunikation mit einer Zellensteuervorrichtung 30 konfiguriert ist. Die Maschinen R1 und R2 stellen Produkte aus mehreren Arten von Bauteilen her, die unabhängig voneinander oder zusammenwirkend sind. Die Maschinensteuervorrichtungen RC1 und RC2 steuern jeweils die Maschinen R1 und R2 und übertragen in den Maschinen gemessene Daten an die Zellensteuervorrichtung 30.
Die Zelle 40 ist eine Gruppe aus einer Vielzahl von Maschinen zur Durchführung vorgegebener Abläufe. Beispiele der Maschinen R1 und R2 umfassen Werkzeugmaschinen, gelenkig verbundene Roboter, Parallelgelenk-Roboter, Herstellungsmaschinen, industrielle Maschinen, usw. Die Maschinen können aus derselben Art von Maschinen oder aus unterschiedlichen Arten von Maschinen bestehen. Ferner sind die Zellen 40' und 40'', die ähnliche Konfigurationen aufweisen, mit der Zellensteuervorrichtung 30 verbunden.
In 1 sind Sensoren S1 und S2 jeweils an den Maschinen R1 und R2 befestigt. Die Sensoren S1 und S2 erfassen mindestens eines aus der Geschwindigkeit, der Beschleunigung und Verlangsamung und den Zeiten zur Beschleunigung und Verlangsamung der Maschinen R1 und R2. Außerdem ist die Zelle 40 mit einem Sensor S3 zum Erfassen verschiedener Qualitäten der hergestellten Produkte bereitgestellt.
Es ist anzumerken, dass bei der vorliegenden Erfindung die Zellen 40, 40' und 40'' beispielsweise in einem Werk zur Herstellung von Produkten installiert werden können, während die Zellensteuervorrichtung 30 und der übergeordnete Management Controller 20 beispielsweise in einem anderen Gebäude als dem Werk installiert werden können. In diesem Fall können die Zellensteuervorrichtung 30 und die Maschinensteuervorrichtungen RC1 und RC2 über ein Netz, wie beispielsweise einem Intranet (erste Kommunikationseinheit 41), verbunden sein. Der übergeordnete Management Controller 20 kann beispielsweise in einem von dem Werk entfernt gelegenen Büro installiert werden. In diesem Fall kann der übergeordnete Management Controller 20 kommunizierend über ein Netz, wie beispielsweise dem Internet (zweite Kommunikationseinheit 42), mit der Zellensteuervorrichtung 30 verbunden werden. Dies ist jedoch nur ein Beispiel. Jede beliebige Kommunikationseinheit, die die Zellensteuervorrichtung 30 und die Maschinensteuervorrichtungen RC1 und RC2 kommunizierend verbindet, kann als erste Kommunikationseinheit 41 angenommen werden. Jede beliebige Kommunikationseinheit, die die Zellensteuervorrichtung 30 und den übergeordneten Management Controller 20 kommunizierend verbindet, kann als zweite Kommunikationseinheit 42 angenommen werden.
controller 20, can be adopted as the second communication unit 42.
Der übergeordnete Management Controller 20 ist beispielsweise ein Personal Computer und fungiert als Produktionsplanungsvorrichtung, die einen Produktionsplan für das System 10 erstellt und diesen an die Zellensteuervorrichtung 30 überträgt. Wie in 1 dargestellt, umfasst der übergeordnete Management Controller 20 Produktinformationen SO.
2 ist eine Ansicht eines Beispiels einer Produktinformation SO. Die Produktinformation SO drückt die zur Herstellung eines Produkts erforderliche Art von Bauteilen und die Anzahl der Bauteile in Form einer Karte aus. In einem in 2 dargestellten Beispiel besteht ein Produkt aus drei Arten von Bauteilen A bis C. Ferner werden NA0 Teile der Bauteile A, NB0 Teile der Bauteile B und NC0 Teile der Bauteile C zur Herstellung eines Produkts verwendet.
Ein Bediener verwendet beispielsweise eine Eingabeeinheit zur Eingabe der gewünschten Anzahl N0 der Produkte in den übergeordneten Management Controller 20. Der übergeordnete Management Controller 20 steuert die Zufuhr mehrerer Arten der Bauteile A bis C an die Zellen 40, 40' und 40'' aufgrund der Rückmeldung von der Zellensteuervorrichtung 30 und der gewünschten Anzahl N0 der Produkte. Es ist anzumerken, dass die Produktinformation S0 die gewünschte Anzahl N0 der Produkte umfassen kann.
Die Zellensteuervorrichtung 30 ist zur Steuerung der Zellen 40, 40' und 40'' konfiguriert. Die Zellensteuervorrichtung 30 kann insbesondere mehrere Arten von Befehlen an die Maschinensteuervorrichtungen RC1 und RC2 übertragen oder kann Daten, die beispielsweise die Betriebsbedingungen der Maschinen R1 und R2 betreffen, aus den Maschinensteuervorrichtungen RC1 und RC2 erfassen.
Wie in 1 dargestellt, umfasst die Zellensteuervorrichtung 30 eine Produktinformations-Überwachungseinheit 31 zur Überwachung der Produktinformation SO, eine Zustandsüberwachungseinheit der Bauteilzufuhr 32 zur Überwachung mehrerer Arten von Bauteilen, die der Zelle 40 usw. zugeführt werden sollen, und der Anzahl der Bauteile, eine Produktüberwachungseinheit 33 zur Überwachung der Anzahl der Produkte, die tatsächlich in den Zellen 40, 40' und 40'' hergestellt werden. Ferner umfasst die Zellensteuervorrichtung 30 eine Benachrichtigungseinheit 34, die, wenn ein vorgegebenes Ereignis eintritt, Informationen über das Ereignis an den übergeordneten Management Controller 20 als Problem meldet. Die Zellensteuervorrichtung 30 umfasst ebenfalls eine maschinelle Lernvorrichtung 50, die später beschrieben wird. Die maschinelle Lernvorrichtung 50 kann in dem übergeordneten Management Controller 20 enthalten sein. Die maschinelle Lernvorrichtung 50 kann auch als externes Gerät mit der Zellensteuervorrichtung 30 oder dem übergeordneten Management Controller 20 verbunden sein.
3 ist ein Ablaufdiagramm des Betriebs eines Produktionssystems aufgrund der vorliegenden Erfindung. Der Betrieb des Produktionssystems 10 wird unten mit Bezug auf die Zeichnungen beschrieben. Die in 3 dargestellten Abläufe werden in jeder vorgegebenen Steuerperiode wiederholt ausgeführt, wenn das Produktionssystem 10 in Betrieb ist. Es ist anzumerken, dass bei den folgenden Beispielen der Einfachheit halber Produkte nur in der Zelle 40 hergestellt werden. Es ist anzumerken, dass in den Zellen 40' und 40'' eine im Wesentlichen ähnliche Steuerung durchgeführt wird.
In Schritt S11 erfasst die Produktinformations-Überwachungseinheit 31 der Zellensteuervorrichtung 30 die Produktinformation SO und die gewünschte Anzahl N0 der Produkte in dem übergeordneten Management Controller 20. Danach überwacht in Schritt S12 die Zustandsüberwachungseinheit der Bauteilzufuhr 32 der Zellensteuervorrichtung 30 den Zufuhrzustand der Bauteile A bis C. In anderen Worten erfasst die Zustandsüberwachungseinheit der Bauteilzufuhr 32 mehrere Arten der der Zelle 40 zuzuführenden Bauteile A bis C und die Anzahl NA1, NB1 und NC1 der Bauteile A bis C.
Danach wird in Schritt S13 ermittelt, ob jedes der Bauteile A bis C ordnungsgemäß der Zelle 40 zugeführt wird. Für jedes der Bauteile A bis C wird die maximale Anzahl und die minimale Anzahl der Bauteile, die in der Zelle 40 entsprechend verarbeitet werden sollen, festgelegt. In Schritt S13 wird festgelegt, ob die Anzahl NA1 bis NC1 der Bauteile A bis C zwischen der entsprechenden maximalen und minimalen Anzahl geblieben ist.
Ist beispielsweise die Anzahl NA1 des Bauteils A größer die entsprechende maximale Anzahl oder ist sie niedriger als die entsprechende minimale Anzahl, verschiebt sich der Prozess zu Schritt S15. In Schritt S15 wird ermittelt, dass die Anzahl der zugeführten Bauteile A zu hoch oder zu niedrig ist und die Benachrichtigungseinheit 34 übermittelt diesen Zustand an den übergeordneten Management Controller 20. Die anderen Bauteile B und C werden auf ähnliche Weise verarbeitet.
Wie oben beschrieben, sind alle der mehreren Arten der Bauteile A bis C erforderlich, um ein Produkt herzustellen. Wenn festgestellt wird, dass die Anzahl von mindestens einer Art von Bauteilen unter den mehreren Arten der Bauteile A bis C zu niedrig oder nicht ausreichend ist, ist es daher nicht möglich, die Produkte erfolgreich herzustellen und die Benachrichtigungseinheit 34 überträgt diese Information an den übergeordneten Management Controller 20.
In einem derartigen Fall bewirkt der übergeordnete Management Controller 20, dass die zu hohe oder nicht ausreichende Anzahl der Bauteile A bis C beispielsweise um nur eine vorgegebene Anzahl erhöht oder verringert wird. Somit kann das Produktionssystem 10 effizient betrieben werden.
Es ist anzumerken, dass, wenn in Schritt S13 ermittelt wird, dass die Anzahl NA1 bis NC1 der Bauteile A bis C zwischen der entsprechenden maximalen Anzahl und der entsprechenden minimalen Anzahl geblieben ist, ermittelt werden kann, dass Produkte unter Verwendung der Bauteile A bis C entsprechend hergestellt werden können. In diesem Fall verschiebt sich somit der Prozess zu Schritt S14, um die Herstellung von Produkten fortzuführen.
In Schritt S16 wird danach die Anzahl N1 von Produkten berechnet, die in der Zelle 40 hergestellt werden sollen. Die Anzahl N1 von Produkten, die in der Zelle 40 hergestellt werden sollen, wird gemäß der in Schritt S11 erfassten Produktinformation SO und der in Schritt S12 erfassten Anzahl NA1 bis NC der Bauteile A bis C ermittelt.
Danach erfasst in Schritt S17 die Produktüberwachungseinheit 33 der Zellensteuervorrichtung 30 die Anzahl N2 von tatsächlich in der Zelle 40 hergestellten Produkten.
Ferner wird in Schritt S18 ermittelt, ob die Anzahl N1 der in der Zelle 40 herzustellenden Produkte kleiner ist als die Anzahl N2 der tatsächlich hergestellten Produkte und ob die Anzahl N1 der in der Zelle 40 herzustellenden Produkte größer ist als die Anzahl N2 der tatsächlich hergestellten Produkte.
Wenn in Schritt S18 ermittelt wird, dass die Anzahl N1 der in der Zelle 40 herzustellenden Produkte kleiner ist als die Anzahl N2 der tatsächlich hergestellten Produkte, kann ermittelt werden, dass mindestens eine der Maschinen R1 und R2 in der Zelle 40 ausfällt. Somit übermittelt die Benachrichtigungseinheit 34 in Schritt S16 diese Information an den übergeordneten Management Controller 20. Danach bewirkt der übergeordnete Management Controller 20, dass beispielsweise die Anzahl der mehreren Arten von Bauteilen im selben Verhältnis verringert wird. Dies bewirkt, dass das Produktionssystem 10 effizient arbeitet.
Realistischerweise gibt es keine Möglichkeit, dass die Anzahl N1 der in der Zelle 40 herzustellenden Produkte größer ist als die Anzahl N2 der tatsächlich hergestellten Produkte. Wenn somit die vorgenannte Tatsache in Schritt S18 ermittelt wird, übermittelt die Benachrichtigungseinheit 34 die Möglichkeit, dass in Zelle 40 eine Abnormität auftreten kann, an den übergeordneten Management Controller 20 (Schritt S19).
Wenn währenddessen in Schritt S18 ermittelt wird, dass die Anzahl N1 der in der Zelle 40 herzustellenden Produkte mit der Anzahl N2 der tatsächlich hergestellten Produkte übereinstimmt, kann ermittelt werden, dass in der Zelle 40 keine Abnormität auftritt. In einem derartigen Fall wird die gewünschte Anzahl N0 von Produkten in Schritt S20 erfasst und in Schritt S21 wird ermittelt, ob die Anzahl N1 der in der Zelle 40 herzustellenden Produkte kleiner ist als die gewünschte Anzahl N0 von Produkten. Es ist anzumerken, dass der Ablauf in Schritt S20 ausgelassen werden kann.
Stimmt die Anzahl N1 der in der Zelle 40 herzustellenden Produkte mit der Anzahl N2 der tatsächlich hergestellten Produkte überein, ist aber die Anzahl N1 der in der Zelle 40 hergestellten Produkte kleiner als die gewünschte Anzahl N0 von Produkten, kann ermittelt werden, dass die Anzahl der Bauteile A bis C, die der Zelle 40 zugeführt werden sollen, klein ist. Dies bewirkt, dass die Benachrichtigungseinheit 34 diese Information an den übergeordneten Management Controller 20 übermittelt. Danach bewirkt der übergeordnete Management Controller 20, dass die Anzahl der mehreren Arten der Bauteile A bis C beispielsweise um ein vorgegebenes Verhältnis erhöht wird. Dies bewirkt, dass das Produktionssystem 10 effizient arbeitet.
Wie oben ersichtlich ist, verwendet die Zellensteuervorrichtung 30 gemäß der vorliegenden Erfindung die Produktinformations-Überwachungseinheit 31, die Zustandsüberwachungseinheit der Bauteilzufuhr 32 und die Produktüberwachungseinheit 33, um verschiedene Informationen aus dem übergeordneten Management Controller 20 und der Zelle 40 zu erfassen. Ferner ermittelt die Zellensteuervorrichtung 30 aufgrund verschiedener Informationen, ob eine Abnormität auftritt und übermittelt, wenn eine Abnormität auftritt, das Auftreten der Abnormität an den übergeordneten Management Controller 20. Dies beseitigt schnell die Abnormität in der vorliegenden Erfindung und bewirkt entsprechend, dass das Produktionssystem 10 effizient arbeitet.
4 ist eine Ansicht eines Beispiels einer maschinellen Lernvorrichtung. In der vorliegenden Erfindung wird die Information, die aus der Produktinformations-Überwachungseinheit 31, der Zustandsüberwachungseinheit der Bauteilzufuhr 32 und der Produktüberwachungseinheit 33 erhalten wird, verwendet, um das Lernen der maschinellen Lernvorrichtung 50 zu bewirken. Die maschinelle Lernvorrichtung 50 wird mit einer Zustandsgrößenbeobachtungseinheit 11, einer Operationsergebnis-Erfassungseinheit 12, einer Lerneinheit 13 und einer Entscheidungseinheit 14 bereitgestellt.
Die Lerneinheit 13 der maschinellen Lernvorrichtung 50 empfängt eine Ausgabe von der Zustandsgrößen-Beobachtungseinheit 11 zur Beobachtung der Zustandsgröße des Produktionssystems 10 und eine Ausgabe (Produktionsergebnis eines Produkts) von der Operationsergebnis-Erfassungseinheit 12 zum Erfassen eines Verarbeitungsergebnisses in dem Produktionssystem 10, um Produktionsdaten in Zusammenhang mit der Zustandsgröße des Produktionssystems 10 und dem Produktionsergebnis zu lernen. Die Entscheidungseinheit 14 entscheidet über Produktionsdaten mit Bezug auf die Produktionsdaten, die von der Lerneinheit 13 gelernt werden, und gibt diese an die Zellensteuervorrichtung 30 aus.
Hierfür umfasst die von der Zustandsgrößen-Beobachtungseinheit 11 beobachtete Zustandsgröße mindestens eines aus der gewünschten Anzahl N0 von Produkten, der Produktinformation S0, die von der Produktinformations-Überwachungseinheit 31 überwacht wird, mehreren Arten der Bauteile A bis C und der Anzahl NA1 bis NC1 der Bauteile, die von der Zustandsüberwachungseinheit der Bauteilzufuhr 32 überwacht werden, der Anzahl N2 der tatsächlich produzierten Produkte, die von der Produktüberwachungseinheit 33 überwacht wird, und Einstellungen für die Maschinen R1 und R2, die von der Produktüberwachungseinheit 33 überwacht werden. Es ist anzumerken, dass die Einstellungen für die Maschinen R1 und R2 beispielsweise die Arbeitsgeschwindigkeit, die Beschleunigung und Verlangsamung und die Zeiten zur Beschleunigung und Verlangsamung der Maschinen R1 und R2 umfassen.
Ferner umfassen die Produktionsdaten, die von der Entscheidungseinheit 14 ausgegeben werden, die Anzahl NA2 bis NC2 der mehreren Arten von Bauteilen, die der mindestens einen Zelle 40 zugeführt werden sollen, und/oder die Einstellungen für die Maschinen R1 und R2, die in mindestens einer Zelle 40 enthalten sind.
Die Lerneinheit 13 umfasst ein Lernmodell zum Lernen verschiedener Produktionsdaten. Die Lerneinheit 13 umfasst eine Fehlerberechnungseinheit 15, die einen Fehler zwischen dem Produktionsergebnis, das von der Operationsergebnis-Erfassungseinheit 12 erfasst wird, z. B. der Anzahl der Produkte, den verschiedenen Qualitäten von Produkten, usw. und einem vorgegebenen Ziel berechnet, und eine Lernmodell-Aktualisierungseinheit 16 zum Aktualisieren des Lernmodells entsprechend dem Fehler.
Werden Produkte aufgrund gegebener Produktionsdaten hergestellt, gibt die Fehlerberechnungseinheit 15 ein Berechnungsergebnis aus, das angibt, dass ein vorgegebener Fehler in dem Produktionsergebnis der Produktionsdaten auftritt, wenn die Qualität der Produkte, die als eine der Ausgaben von der Operationsergebnis-Erfassungseinheit 12 empfangen wird, einen vorgegebenen Schwellenwert überschreitet. Ferner aktualisiert die Lernmodell-Aktualisierungseinheit 16 das Lernmodell gemäß dem Berechnungsergebnis.
5 ist eine Ansicht eines weiteren Beispiels der maschinellen Lernvorrichtung. Die in 5 dargestellte Lerneinheit 13 umfasst eine Belohnungsberechnungseinheit 18 und eine Wertfunktions-Aktualisierungseinheit 19 zum Aktualisieren einer Wertfunktion gemäß einer Belohnung. Die in 5 dargestellte maschinelle Lernvorrichtung umfasst keine mit dem Ergebnis (Label) verbundene Datenaufzeichnungseinheit 17. Je nach dem Inhalt des Produktionsergebnisses eines Produkts werden verschiedene Wertfunktionen zum Ermitteln des Wertes der Produktionsdaten für die entsprechenden Produktionsdaten bereitgestellt.
Die Belohnungsberechnungseinheit 18 stellt eine Plus-Belohnung gemäß dem Ausmaß einer Differenz bereit, wenn die Differenz zwischen der Qualität von Produkten, die von der Operationsergebnis-Erfassungseinheit 12 erfasst wird, und einer Zielqualität gering ist, und stellt eine Minus-Belohnung gemäß dem Ausmaß einer Differenz bereit, wenn die Differenz groß ist.
In diesem Fall, wenn Produkte aufgrund gegebener Produktionsdaten hergestellt werden, wenn die Qualität der Produkte, die als eine der Ausgaben von der Operationsergebnis-Erfassungseinheit 12 empfangen wird, einen vorgegebenen Schwellenwert überschreitet, ist es besser, dass die Belohnungsberechnungseinheit 18 eine vorgegebene Minus-Belohnung bereitstellt, und die Wertfunktion-Aktualisierungseinheit 14 aktualisiert eine Wertfunktion gemäß der vorgegebenen Minus-Belohnung.
Schließlich wird ein Lernverfahren der maschinellen Lernvorrichtung 50 beschrieben. Die maschinelle Lernvorrichtung 50 weist eine Funktion zum Extrahieren beispielsweise eines sinnvollen Algorithmus, einer Regel, eines Kenntnisse-Ausdrucks, eines Kriteriums, usw. in einer Reihe von darin eingegebenen Daten durch Analyse, Ausgabe eines Ermittlungsergebnisses und Lernen von Kenntnissen auf.
Beispiele für maschinelles Lernen umfassen Algorithmen, wie beispielsweise überwachtes Lernen, unüberwachtes Lernen und bestärkendes Lernen. Um diese Lernmethoden zu erreichen, ist ein weiteres Verfahren vorhanden, das als „vertieftes Lernen” zum Erlernen einer Extraktion einer Merkmalsmenge selbst bezeichnet wird.
Überwachtes Lernen ist ein Verfahren, bei dem eine große Menge von gepaarten Eingabe-Ausgabe-(Label-)Daten in die maschinelle Lernvorrichtung 50 eingegeben wird, sodass Merkmale dieser Datensätze gelernt werden können, und ein Modell zum Ableiten eines Ausgabewerts aus Eingabedaten, d. h. das Eingabe-Ausgabe-Verhältnis kann induktiv erfasst werden. Beim überwachten Lernen sind zum Lernen geeignete gepaarte Eingabe-Ausgabe-Daten gegeben, sodass das Lernen auf verhältnismäßig einfache Weise ermöglicht wird.
Unüberwachtes Lernen ist ein Verfahren, bei dem eine große Menge von Nur-Eingabedaten in eine Lernvorrichtung eingegeben wird, sodass die Verteilung der Eingabedaten gelernt werden kann, und das Lernen wird durch eine Vorrichtung durchgeführt, beispielsweise zum Komprimieren, Klassifizieren und Glätten der Eingabedaten, auch wenn die entsprechenden Lehrerausgabedaten nicht gegeben sind. Dieses Verfahren unterscheidet sich von dem überwachten Lernen dadurch, dass nicht vorherbestimmt wird, „was auszugeben ist”. Dieses Verfahren wird verwendet, um die wesentliche Struktur hinter den Daten zu extrahieren.
Bestärkendes Lernen ist ein Lernverfahren zum Lernen nicht nur von Ermittlungen und Klassifizierungen, sondern auch von Aktionen, um eine geeignete Aktion anhand der Interaktion von Umgebung und einer Aktion zu lernen, d. h. eine Aktion zur Maximierung von zukünftig zu erhaltenden Belohnungen. Beim bestärkenden Lernen beginnt das Lernen aus einem Zustand, in dem ein Ergebnis einer Aktion vollständig unbekannt oder nur unvollständig bekannt ist. Das bestärkende Lernen kann jedoch ab einem Ausgangspunkt, der gute Bedingungen aufweist, begonnen werden, d. h. dem Zustand, in dem das vorherige Lernen durch das bestärkende Lernen, das als Ausgangszustand eingestellt ist, durchgeführt wird. Das bestärkende lernen weist Merkmale auf, bei denen eine Aktion zum Entdecken unbekannter Lernbereiche und eine Aktion zum Verwenden bekannter Lernbereiche in einem ausgewogenen Verhältnis ausgewählt werden können. Somit ist es möglich, dass geeignete Zielproduktionsbedingungen ferner in Zustandsbereichen gefunden werden können, die herkömmlicherweise unbekannt waren. Ferner bewirkt die Ausgabe von Produktionsdaten, dass sich die Temperatur usw. von Maschinen oder Produkten verändert, d. h., eine Aktion übt eine Wirkung auf die Umgebung aus. Daher ist die Einführung des bestärkenden Lernens offenbar sinnvoll.
4 veranschaulicht ein Beispiel der maschinellen Lernvorrichtung 50 für überwachtes Lernen. 5 veranschaulicht ein Beispiel der maschinellen Lernvorrichtung 50 für bestärkendes Lernen.
Zunächst wird ein Lernverfahren beschrieben, das überwachtes Lernen verwendet. Beim überwachten Lernen wird ein Paar von für das Lernen geeigneten Eingabedaten und Ausgabedaten bereitgestellt und es wird eine Funktion (Lernmodell) zum Abbilden von entsprechenden Eingabedaten und Ausgabedaten erzeugt.
Eine Operation der maschinellen Lernvorrichtung, die das überwachte Lernen ausführt, umfasst zwei Stufen, d. h. Eine Lernstufe und eine Voraussagestufe. Auf der Lernstufe, wenn Überwachungsdaten, die einen Wert einer Zustandsvariablen (Erläuterungsvariablen), die als Eingabedaten verwendet wird, und einen Wert einer Zielvariablen, die als Ausgabedaten verwendet wird, umfassen, bereitgestellt werden, lernt die maschinelle Lernvorrichtung, die das überwachte Lernen durchführt, das Ausgeben des Wertes der Zielvariablen zum Zeitpunkt des Eingebens des Wertes der Zustandsvariablen und baut ein Voraussagemodell zum Ausgeben des Wertes der Zielvariablen mit Bezug auf den Wert der Zustandsvariablen. Auf der Voraussagestufe, wenn neue Eingabedaten (Zustandsvariable) bereitgestellt werden, sagt die maschinelle Lernvorrichtung, die das überwachte Lernen durchführt, Ausgabedaten (Zielvariable) gemäß dem Lernergebnis (konstruiertes Vorhersagemodell) voraus und gibt sie aus. Hierbei kann die mit dem Ergebnis (Label) verbundene Datenaufzeichnungseinheit 17 die bisher erhaltenen und mit dem Ergebnis (Label) verbundenen Daten enthalten und die mit dem Ergebnis (Label) verbundenen Daten der Fehlerberechnungseinheit 15 bereitstellen. Alternativ können die mit dem Ergebnis (Label) verbundenen Daten der Zellensteuervorrichtung 30 der Fehlerberechnungseinheit 15 der Zellensteuervorrichtung 30 über eine Speicherkarte, eine Kommunikationsleitung, usw. bereitgestellt werden.
Als Beispiel des Lernens der maschinellen Lernvorrichtung, die das überwachte Lernen ausführt, wird eine Regressionsformel eines Vorhersagemodells, die beispielsweise der aus der folgenden Gleichung (1) ähnelt, festgelegt, und das Lernen erfolgt, um Werte der Faktoren a₀, a₁, a₂, a₃, ... anzupassen, um einen Wert einer Zielvariablen y zu erhalten, wenn Werte, die von den Zustandsvariablen x_x, x₂, x₃, ... während des Lernprozesses genommen werden, auf die Regressionsformen angewandt werden. Es ist anzumerken, dass das Lernverfahren nicht auf dieses Verfahren beschränkt ist und sich von einem überwachten Lernalgorithmus zum nächsten unterscheidet. y = a₀ + a₁x₁ + a₂x₂ + a₃X₃ + ... + a_nx_n
Als überwachte Lernalgorithmen sind verschiedene Verfahren bekannt, wie zum Beispiel ein neuronales Netz, ein Verfahren kleinster Fehlerquadrate und ein schrittweises Verfahren und beliebige dieser überwachten Lernalgorithmen können als ein Verfahren, das auf die vorliegende Erfindung angewendet wird, verwendet werden. Jeder überwachte Lernalgorithmus ist bekannt und folglich erfolgt keine ausführliche Beschreibung davon.
Danach wird ein Lernverfahren beschrieben, das bestärkendes Lernen verwendet. Probleme des bestärkenden Lernens stellen sich wie folgt dar.

• Die Lerneinheit 13 beobachtet einen Zustand einer Umgebung, der einen Zustand der Zelle 40 umfasst, um über eine Aktion zu entscheiden (Ausgeben von Produktionsdaten).
• Die Umgebung verändert sich gemäß einem bestimmten Algorithmus und die Aktion kann eine Veränderung in der Umgebung verursachen.
• Für jede Aktion wird ein Belohnungssignal zurückgegeben.
• Es ist die Summe von zukünftigen Belohnungen, die maximiert werden sollen.
• Das Lernen beginnt aus einem Zustand, in dem ein Ergebnis, das von der Aktion bewirkt wird, vollständig unbekannt oder nur unvollständig bekannt ist.

Als repräsentative bestärkende Lernverfahren sind Q-Lernen und TD-Lernen bekannt. Im Folgenden wird der Fall des Q-Lernens beschrieben, aber ein Verfahren ist nicht auf das Q-Lernen beschränkt.
Das Q-Lernen ist ein Verfahren zum Lernen eines Wertes Q (s, a) zum Auswählen einer Aktion a in einem gegebenen Umgebungszustand s. Im Zustand s kann eine Aktion a mit einem höchsten Wert Q (s, a) als optimale Aktion ausgewählt werden. Da jedoch ein richtiger Wert des Wertes Q (s, a) für eine Kombination des Zustands s mit der Aktion a nicht bekannt ist, wählt zunächst ein Agent (Aktionssubjekt) verschiedene Aktionen a in dem Zustand s aus und erhält zu dem Zeitpunkt Belohnungen für die Aktionen a. Auf diese Weise wählt der Agent eine bessere Aktion aus, anders gesagt, er lernt einen richtigen Wert Q (s, a).
Um ferner die Summe der zukünftig zu erhaltenen Belohnungen als Ergebnis der Aktionen zu maximieren, kann schließlich Q (s, a) = E[Σ(γ^t)r_t] erreicht werden. E[] stellt einen erwarteten Wert dar, γ stellt die Zeit dar, y stellt einen Parameter dar, der als unten beschriebene Abschlagsrate bezeichnet wird, r_t stellt eine Belohnung zum Zeitpunkt t dar und Σ stellt die Summe Zeitpunkt t dar. Der erwartete Wert in dieser Formel wird genommen, wenn ein Zustand sich gemäß der optimalen Option verändert, und durch Suchen gelernt wird, da er nicht bekannt ist. Eine Aktualisierungsformel für einen derartigen Wert Q (s, a) kann beispielsweise durch die unten beschriebene Gleichung (2) dargestellt werden.
Anders gesagt aktualisiert die Wertfunktions-Aktualisierungseinheit 14 eine Wertfunktion Q (s_t, a_t) durch Verwendung der folgenden Gleichung (2):
wobei s_t einen Zustand der Umgebung zum Zeitpunkt t darstellt und a_t eine Aktion zum Zeitpunkt t darstellt.
Die Aktion a_t verändert den Zustand zu s_t+1. r_t+i stellt eine Belohnung dar, die über die Veränderung des Zustands erhalten werden kann. Ferner ist ein Term mit max ein Q-Wert, der mit y multipliziert wird, wobei die Aktion a für den höchsten, zu dem Zeitpunkt bekannten Q-Wert in dem Zustand s_t+i ausgewählt wird. γ ist ein Parameter von 0 < γ ≤ l und wird als Abschlagsrate bezeichnet. α ist ein Lernfaktor, der sich in dem Bereich von 0 < α ≤ 1 befindet.
Die Gleichung (2) stellt ein Verfahren zur Aktualisierung eines Auswertungswertes Q (s_t, a_t) der Aktion a_t in dem Zustand s_t anhand der Belohnung r_t+1 dar, die als Ergebnis der Aktion a_t rückgemeldet wird. Sie gibt an, dass, wenn die Summe der Belohnung r_t+1 und ein Auswertungswert Q (s_t+i, max a_t+1) der besten Aktion max a in dem nächsten Zustand aufgrund der Aktion a größer ist als der Auswertungswert Q (s_t, a_t) der Aktion a in dem Zustand s, Q (s_t, a_t) sich erhöht, während, wenn sie niedriger ist, Q (s_t, a_t) sinkt. Mit anderen Worten wird sie so konfiguriert, dass der Wert eine Aktion in einem Zustand der Belohnung, die sofort als Ergebnis zurückgegeben wird, und dem Wert der besten Aktion in den nächsten Zustand aufgrund dieser Aktion nähergebracht wird.
Verfahren zum Darstellen von Q (s, a) auf einem Computer umfassen ein Verfahren, in dem der Wert als eine Aktionswerttabelle für alle Zustands-Aktionspaare (s, a) festgehalten wird und ein Verfahren, bei dem eine Funktion, die sich Q (s, a) annähert, erstellt wird. Mit dem letztgenannten Verfahren kann die oben genannte Gleichung (2) durch Einstellung von Parametern der Näherungsfunktion durch eine Technik, wie zum Beispiel dem stochastischen Gradientenabstiegsverfahren, implementiert werden. Die Näherungsfunktion kann ein neuronales Netz verwenden.
Wie oben beschrieben, kann das neuronale Netz als Lernalgorithmus des überwachten Lernens oder des Näherungsalgorithmus der Wertfunktion in dem bestärkenden Lernen verwendet werden. Somit weist die maschinelle Lernvorrichtung 50 vorzugsweise das neuronale Netz auf.
6 veranschaulicht schematisch ein Neuronenmodell, und 7 veranschaulicht schematisch ein dreischichtiges neuronales Netz, das durch das Kombinieren von in 6 dargestellten Neuronen ausgebildet wird. Das neuronale Netz umfasst eine arithmetische Einheit, einen Speicher oder dergleichen, der ein Neuronenmodell, wie beispielsweise das in 6 veranschaulichte, nachahmt. Das Neuron gibt eine Ausgabe (Ergebnis) y für eine Vielzahl von Eingaben x aus. Jede Eingabe x (x₁ bis x₃) wird mit einer Gewichtung w (w₁ bis w₃), die der Eingabe x entspricht, multipliziert. Das Neuron gibt die Ausgabe y aus, die durch folgende Gleichung (3) dargestellt wird. Die Eingabe x, die Ausgabe y und die Gewichtung w sind alles Vektoren.
wobei θ eine Vorspannung und f_k eine Aktivierungsfunktion ist.
Wie in 7 veranschaulicht, wird eine Vielzahl von Eingaben x (x₁ bis x₃) von der linken Seite des neuronalen Netzes eingegeben und ein Ergebnis y (y₁ bis y₃) wird von der rechten Seite ausgegeben. Die Eingaben x₁ bis x₃ werden mit entsprechenden Gewichtungen multipliziert und in die drei Neuronen N₁₁ bis N₁₃ eingegeben. Die auf diese Eingaben angewendeten Gewichtungen werden insgesamt mit w₁ bezeichnet.
Die Neuronen N₁₁ bis N₁₃ geben jeweils Z₁₁ bis z₁₃ aus. In 7 werden z₁₁ bis z₁₃ insgesamt als einen Merkmalsvektor z₁ dargestellt und können als einen Vektor betrachtet werden, der durch Entnehmen der Merkmalsbeträge des Eingabevektors erzielt wird. Der Merkmalsvektor z₁ ist ein Merkmalsvektor zwischen der Gewichtung w₁ und der Gewichtung w₂. Die Merkmalsvektoren z₁₁ bis z₁₃ werden mit einer entsprechenden Gewichtung multipliziert und in jedes der beiden Neuronen N₂₁ und N₂₂ eingegeben. Die auf diese Merkmalsvektoren angewandten Gewichtungen werden insgesamt als w₂ dargestellt. Die Neuronen N₂₁ und N₂₂ geben z₂₁ beziehungsweise z₂₂ aus. In 7 werden z₂₁ und z₂₂ insgesamt als ein Merkmalsvektor z₂ dargestellt. Der Merkmalsvektor z₂ ist ein Merkmalsvektor zwischen der Gewichtung w₂ und der Gewichtung w₃. Die Merkmalsvektoren z₂₁ und z₂₂ werden mit einer entsprechenden Gewichtung multipliziert und in jedes der beiden Neuronen N₃₁ und N₃₃ eingegeben. Die mit diesen Merkmalsvektoren multiplizierten Gewichtungen werden insgesamt als w₃ dargestellt.
Schließlich geben die Neuronen N₃₁ bis N₃₃ Ergebnisse y₁ beziehungsweise y₃ aus. Eine Operation des neuronalen Netzes umfasst einen Lernmodus und einen Wertvorhersagemodus: Im Lernmodus wird die Gewichtung w unter Verwendung eines Lerndatensatzes gelernt, und im Vorhersagemodus wird eine Aktion der Ausgabe von Produktionsdaten unter Verwendung von Parametern bestimmt. Hier kann die Vorrichtung tatsächlich im Vorhersagemodus betrieben werden, um die Produktionsdaten auszugeben und die sich ergebenden Daten sofort zu lernen und zu bewirken, dass sie sich in der nachfolgenden Aktion (Online-Lernen) widerspiegeln, und eine Gruppe von im Voraus erhobenen Daten kann verwendet werden, um kollektives Lernen auszuführen und anschließend einen Detektionsmodus mit dem Parameter für eine Weile auszuführen (Stapellernen). Ein Zwischenfall ist ebenfalls möglich, bei dem ein Lernmodus jedes Mal eingeführt wird, wenn Daten sich in einer bestimmten Menge angesammelt haben.
Die Gewichtungen w₁ bis w₃ können durch ein Fehlerrückführungsverfahren gelernt werden. Die Fehlerinformation tritt von der rechten Seite ein und fließt zur linken Seite. Das Fehlerrückführungsverfahren ist eine Technik zum Einstellen (Lernen) jeder Gewichtung, um eine Differenz zwischen einer Ausgabe y, wenn eine Eingabe x eingegeben wird, und einer echten Ausgabe y (Lehrer) für jedes Neuron zu minimieren.
Die Anzahl der Zwischenschichten (versteckte Schichten) des neuronalen Netzes, die in 7 veranschaulicht werden, beträgt eins. Das neuronale Netz kann jedoch die Schichten auf zwei oder mehr erhöhen, und wenn die Anzahl der Zwischenschichten zwei oder mehr beträgt, wird es als vertieftes Lernen bezeichnet.
Die Anwendung des bestärkenden Lernens und des überwachten Lernens wurden beschrieben. Das auf die vorliegende Erfindung angewandte maschinelle Lernverfahren ist jedoch nicht auf diese Verfahren beschränkt. Verschiedene Verfahren, wie beispielsweise „überwachtes Lernen”, „unüberwachtes Lernen” und „halbüberwachtes Lernen” und „bestärkendes Lernen”, die in der maschinellen Lernvorrichtung verwendet werden können, können angewendet werden.
Die oben beschriebene maschinelle Lernvorrichtung 50 führt Lernen aufgrund der Information aus der Produktinformations-Überwachungseinheit 31, der Zustandsüberwachungseinheit der Bauteilzufuhr 32 und der Produktüberwachungseinheit 33 aus, um die erforderliche Anzahl der mehreren Arten der Bauteile A bis C pro herzustellendes Produkt abzuschätzen. Die Anzahl N1 der Produkte, die in der Zelle 40 hergestellt werden kann, wird aus den geschätzten Werten für die Bauteile A bis C berechnet und wird dann mit der Anzahl N2 der tatsächlich hergestellten Produkte verglichen. Wie bei der oben genannten Beschreibung kann beispielsweise abgeschätzt werden, welche der Maschinen R1 und R2 ausfällt.
Ferner lernt die maschinelle Lernvorrichtung 50 die Zeitverschiebung der Anzahl NA1, NB1 und NC1 der mehreren Arten der Bauteile A bis C von der Zustandsüberwachungseinheit der Bauteilzufuhr 32 und der Anzahl N2 der Produkte aus der Produktüberwachungseinheit 33, um den Zustand der Zelle 40 abzuschätzen. Sind die der Zelle 40 zugeführten Bauteile A bis C aufgebraucht, wird abgeschätzt, dass die Zufuhr von Produkten unterbrochen wird. Ist die Anzahl der zugeführten Produkte ausreichend, aber die Anzahl N2 der tatsächlich hergestellten Produkte gering, kann beispielsweise eine Schätzung erzielt werden, welche der Maschinen R1 und R2 ausfällt.
Die maschinelle Lernvorrichtung 50 weist eine ausgezeichnete Echtzeiteigenschaft und einen lokalen Überwachungsbereich auf und kann entsprechend die Genauigkeit der Erfassung der oben beschriebenen Abnormität verbessern.
Es ist anzumerken, dass bei dem Produktionssystem 10 in den oben genannten Ausführungsformen, wie in 1 dargestellt, eine maschinelle Lernvorrichtung 50 in einem Produktionssystem 10 bereitgestellt wird. In der vorliegenden Erfindung ist die Anzahl der Produktionssysteme 10 und der maschinelle Lernvorrichtungen 50 jedoch nicht auf eins beschränkt. Es ist besser, dass eine Vielzahl von Produktionssystemen 10 bereitgestellt werden und eine Vielzahl von maschinellen Lernvorrichtungen 50, die jeweils in dem entsprechenden der Produktionssysteme 10 bereitgestellt sind, teilen Daten oder tauschen sie aus. Das Teilen von Daten, die Lernergebnisse umfassen, die von jedem Produktionssystem 10 erfasst werden, ermöglicht eine genaue Lernwirkung, die in kürzerer Zeit erfasst werden kann, und ermöglicht die Ausgabe geeigneterer Produktionsdaten.
Ferner kann sich die maschinelle Lernvorrichtung 50 innerhalb oder außerhalb des Produktionssystems 10 befinden. Alternativ kann sich eine Vielzahl von Produktionssystemen 10 eine einzige maschinelle Lernvorrichtung 50 über Kommunikationsmedien teilen. Alternativ kann sich die maschinelle Lernvorrichtung auf einem Cloud Server befinden.
Folglich ist es möglich, die Lernwirkung zu teilen und Daten kollektiv zu verwalten und Lernen unter Verwendung eines großen Hochleistungsprozessors auszuführen. Somit kann die Lerngeschwindigkeit und die Lerngenauigkeit verbessert werden und geeignetere Produktionsdaten können ausgegeben werden. Ferner lässt sich die Zeit, die für die Entscheidung, welche Produktionsdaten ausgegeben werden sollen, verringern. Ein Mehrzweckcomputer oder -prozessor können für diese maschinelle Lernvorrichtungen 50 verwendet werden. Wenn jedoch Mehrzweckrechnen auf grafischen Verarbeitungseinheiten (GPGPU) oder großformatige PC-Cluster verwendet werden, kann die Verarbeitung mit einer größeren Geschwindigkeit ausgeführt werden.
WIRKUNG DER ERFINDUNG
Im ersten Aspekt der Erfindung, wenn die Anzahl jeder Art von Bauteilen von einem vorgegebenen Umfang abweicht, kann ermittelt werden, dass mindestens eine der mehreren Arten von Bauteilen, die der Zelle zugeführt werden sollen, zu groß oder nicht ausreichend ist. Somit erhält der übergeordnete Management Controller eine Mitteilung und verändert entsprechend die Anzahl der Bauteile, die zu viel oder nicht ausreichend sind, sodass das Produktionssystem effizient betrieben werden kann.
Im zweiten Aspekt der Erfindung wird die Anzahl der in der Zelle herzustellenden Produkte gemäß der Anzahl der mehreren Arten von Produkten, die der Zelle zugeführt werden sollen, ermittelt. Ist die Anzahl der in der Zellen herzustellenden Produkte kleiner als die Anzahl der Produkte, die von der Produktüberwachungseinheit überwacht werden und die tatsächlich produziert werden, kann ermittelt werden, dass mindestens eine der Maschinen in der Zelle ausfällt. Auf diese Weise empfängt der übergeordnete Management Controller diese Information und verringert die Anzahl der mehreren Arten von Produkten um das gleiche Verhältnis, sodass das Produktionssystem effizient betrieben werden kann.
Im dritten Aspekt der Erfindung, auch wenn die Anzahl der in der Zelle herzustellenden Produkte mit der Anzahl der Produkte übereinstimmt, die von der Produktüberwachungseinheit überwacht werden und die tatsächlich hergestellt werden, wenn die Anzahl der in der Zelle herzustellenden Produkte kleiner ist als die gewünschte Anzahl der Produkte, kann ermittelt werden, dass die Anzahl der mehreren Arten von Bauteilen, die der Zelle zugeführt werden sollen, nicht ausreichend ist. Auf diese Weise empfängt der übergeordnete Management Controller diese Information und erhöht die Anzahl der mehreren Arten von Bauteilen, sodass das Produktionssystem effizient betrieben werden kann.
Im vierten bis achten Aspekt der Erfindung kann die Genauigkeit bei der Erkennung einer Abnormität im Produktionssystem verbessert werden.
Die vorliegende Erfindung wurde oben unter Verwendung von Ausführungsbeispielen beschrieben. Ein Fachmann würde jedoch verstehen, dass die vorgenannten Modifikationen und verschiedene andere Modifikationen, Auslassungen und Hinzufügungen erfolgen können, ohne dass vom Umfang der vorliegenden Erfindung abgewichen wird.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

JP 2013-016087 [0004, 0007]

Claims

Produktionssystem, umfassend: mindestens eine Zelle (16), die eine Vielzahl von Maschinen (R1 bis R3) zum Herstellen von Produkten und eine Vielzahl von Maschinensteuervorrichtungen (RC1 bis RC2) zum Steuern der Vielzahl von Maschinen umfasst; eine Zellensteuervorrichtung (18), die kommunizierend mit der mindestens einen Zelle verbunden ist, um die Zelle zu steuern; und einen übergeordneten Management Controller (20), der kommunizierend mit der Zellensteuervorrichtung verbunden ist und der Produktinformationen umfasst, wobei die Produktinformationen mehrere Arten von Bauteilen zur Herstellung jedes Produkts und die Anzahl jeder Art von Bauteilen umfassen, die Zellensteuervorrichtung umfasst: eine Produktinformations-Überwachungseinheit (31) zur Überwachung der Produktinformationen; eine Zustandsüberwachungseinheit der Bauteilzufuhr (32) zum Überwachen der mehreren Arten von Bauteilen, die der mindestens einen Zelle zugeführt werden sollen, und der Anzahl jeder Art von Bauteilen; und eine Benachrichtigungseinheit (34), die eine Mitteilung an den übergeordneten Management Controller überträgt, wenn die Anzahl jeder Art von Bauteilen, die von der Zustandsüberwachungseinheit der Bauteilzufuhr überwacht wird, von einem vorgegebenen Bereich, der für jede Art von Bauteilen ermittelt wird, abweicht.
Produktionssystem nach Anspruch 1, wobei die Zellensteuervorrichtung eine Produktüberwachungseinheit (33) zum überwachen der Anzahl der tatsächlich in der Zelle hergestellten Produkte umfasst, wenn die Anzahl der in der Zelle herzustellenden Produkte, die gemäß der Anzahl der mehreren Arten von Bauteilen und jeder Art von Bauteilen, die von der Zustandsüberwachungseinheit der Bauteilzufuhr überwacht wird, ermittelt wird, geringer ist als die Anzahl der Produkte, die von der Produktüberwachungseinheit überwacht werden und die tatsächlich in der Zelle hergestellt werden, übermittelt die Benachrichtigungseinheit eine Mitteilung an den übergeordneten Management Controller.
Produktionssystem nach Anspruch 1, wobei die Zellensteuervorrichtung eine Produktüberwachungseinheit (33) zum Überwachen der Anzahl der tatsächlich in der Zelle hergestellten Produkte umfasst, und wenn die Anzahl der in der Zelle herzustellenden Produkte, die gemäß der Anzahl der mehreren Arten von Bauteilen und jeder Art von Bauteilen ermittelt wird, die von der Zustandsüberwachungseinheit der Bauteilzufuhr überwacht werden, gleich der Anzahl der Produkte ist, die von der Produktüberwachungseinheit überwacht werden und die tatsächlich in der Zelle hergestellt werden und die Anzahl der in der Zelle herzustellenden Produkte geringer ist als die gewünschte Anzahl der Produkte, übermittelt die Benachrichtigungseinheit eine Mitteilung an den übergeordneten Management Controller.
Produktionssystem nach einem der Ansprüche 1 bis 3, wobei das Produktionssystem eine maschinelle Lernvorrichtung (50) zum Lernen von Produktionsdaten des Produktionssystems umfasst und die maschinelle Lernvorrichtung umfasst: eine Zustandsgrößen-Beobachtungseinheit (11) zum Beobachten der Zustandsgröße des Produktionssystems; eine Operationsergebnis-Erfassungseinheit (12) zum Erfassen eines Produktionsergebnisses jedes Produkts in dem Produktionssystem; eine Lerneinheit (13), die eine Ausgabe von der Zustandsgrößen-Beobachtungseinheit und eine Ausgabe von der Operationsergebnis-Erfassungseinheit empfängt, um die Produktionsdaten in Zusammenhang mit der Zustandsgröße des Produktionssystems und dem Produktionsergebnis zu lernen; und eine Entscheidungseinheit (14), die Produktionsdaten mit Bezug auf die Produktionsdaten, die von der maschinellen Lernvorrichtung gelernt wurden, ausgibt.
Produktionssystem nach Anspruch 4, wobei die Zellensteuervorrichtung eine Produktüberwachungseinheit (33) zum Überwachen der Anzahl der tatsächlich in der Zelle hergestellten Produkte umfasst, und die von der Zustandsgrößen-Beobachtungseinheit beobachtete Zustandsgröße mindestens eines aus der gewünschten Anzahl von Produkten, der Produktinformationen, die von der Produktinformations-Überwachungseinheit überwacht werden, der Anzahl der mehreren Arten von Bauteilen und jeder Art von Bauteilen, die von der Zustandsüberwachungseinheit der Bauteilzufuhr überwacht werden, der Anzahl der Produkte, die von der Produktüberwachungseinheit überwacht werden und die tatsächlich hergestellt werden, und Einstellungen für die Vielzahl der in der Zelle enthaltenen Maschinen umfasst.
Produktionssystem nach Anspruch 4 oder 5, wobei die Produktionsdaten, die von der Entscheidungseinheit ausgegeben werden, mindestens eines aus jeder Art von Bauteilen, die der mindestens einen Zelle zugeführt werden sollen, und den Einstellungen für die Vielzahl von Maschinen, die in mindestens einer Zelle enthalten sind, umfasst.
Maschinelle Lernvorrichtung nach Anspruch 4, wobei die maschinelle Lernvorrichtung ein Lernmodell zum Lernen von Produktionsdaten umfasst und umfasst: eine Fehlerberechnungseinheit (15) zum Berechnen eines Fehlers zwischen dem Produktionsergebnis, das von der Betriebsergebnis-Erfassungseinheit erfasst wird, und einem vorgegebenen Zielwert; und eine Lernmodell-Aktualisierungseinheit (16) zum Aktualisieren des Lernmodells gemäß dem Fehler.
Maschinelle Lernvorrichtung nach Anspruch 4, wobei die maschinelle Lernvorrichtung eine Wertfunktion zum Ermitteln des Wertes der Produktionsdaten aufweist, und die maschinelle Lernvorrichtung ferner umfasst: eine Belohnungsberechnungseinheit, die eine Plus-Belohnung gemäß einer Differenz zwischen dem Produktionsergebnis, das von der Operationsergebnis-Erfassungseinheit erfasst wird, und einem vorgegebenen Zielwert bereitstellt, wenn die Differenz gering ist, und eine Minus-Belohnung gemäß der Differenz bereitstellt, wenn die Differenz groß ist; und eine Wertfunktion-Aktualisierungseinheit (19) zum Aktualisieren der Wertfunktion gemäß der Belohnung.