JP2017130094A - セル制御装置、及び製造セルにおける複数の製造機械の稼働状況を管理する生産システム - Google Patents

Abstract

【課題】製造セルの製造機械が停止した際にその製造機械に最適な復旧作業内容を作業者に容易に取得できるようにする。
【解決手段】セル制御装置１２は、複数の製造機械１４、１５、１６の状態を検出する複数のセンサ１９と、各製造機械の状態を記憶する状態記憶部２０と、各製造機械の停止情報を取得する停止情報取得部２１と、各製造機械が停止したときに復旧作業情報を入力する入力部２２と、各製造機械の復旧作業情報を記憶する復旧作業情報記憶部２３と、相関データ生成部２４と、を具備する。相関データ生成部２４は、停止情報取得部２１により取得された停止情報と復旧作業情報記憶部２３に記憶された復旧作業情報とを製造機械ごとに互いに関連付けた相関データを生成して上位コンピュータ１３のデータベースに送信する。
【選択図】図１

Description

本発明は、製造セルを制御するセル制御装置、及び製造セルにおける複数の製造機械の稼働状況を管理する生産システムに関する。

機械工場においては、工作機械やロボットなどの複数の製造機械によって、製造セル、例えば製造ラインが構築されている。このような製造セルを用いて製品を製造する場合には、製造セルにおける製造機械の稼働率が低下すると製品の生産量も減少してしまう。そのため、製造セルにおける製造機械にトラブルが発生したときには、作業者は、製造機械のトラブルの発生要因を突きとめて、製造機械を可能な限り早く復旧させる必要がある。しかし、作業者が非熟練者である場合には、製造機械のトラブルに対する適切な対処方法を見出すのに時間がかかるため、製造機械の復旧が遅くなるという問題があった。

そこで、特許文献１は、各製造機械の稼働データを参照しつつ異常な製造機械を特定し、異常な製造機械に対する対処方法を推論し、この推論結果により自動修正を行う生産システムを開示している。

また、特許文献２は、製造機械の停止時にそれまでの製造機械の状況を解析して複数のタイプに分類し、各タイプに応じて、製造機械の状態を特定する情報を画面に表示するようにした生産システムを開示している。

特許文献３は、製造機械であるロボットへの教示操作履歴に基づいて、エラー状態が発生したロボットの復旧作業をロボットに自動的に教示する教示部と、その復旧作業の内容を保存するライブラリとを備えた生産システムを開示している。

特許第２９３４０２６号公報 特許第４８７３２６７号公報 特許第５４３６４６０号公報

しかしながら、特許文献１に開示された生産システムは、製造機械に異常が発生した際にその異常への対処方法をデータとして蓄積し、更新する機能を備えていない。そのため、特許文献１に開示された生産システムにおいては、過去に発生した異常と同様の異常が発生しても、その異常への対処方法を再び推論する必要が生じるという問題がある。

特許文献２に開示された生産システムにおいては、製造機械が停止した時の状態を特定する情報を作業者に提示するだけであり、その停止した製造機械のトラブルに対して実施された復旧作業内容を記憶及び出力する機能が無い。このため、作業者が、提示された製造機械の状態に対して対処すべき方法を見出すのが困難である場合には、製造機械の復旧が遅くなるという問題がある。

また、特許文献３に開示された生産システムでは、作業者が介入しない環境を想定しており、製造機械にエラー状態が発生した際にそのエラー状態に最適な復旧作業内容を作業者に提示する機能が無い。そのため、特許文献３に開示された生産システムは、作業者が必要な作業において、製造機械の復旧が遅くなる場合がある。

そこで本発明は、上述のような問題点に鑑み、製造セルの製造機械が停止した際にその製造機械に最適な復旧作業内容を作業者に容易に取得させることができるセル制御装置及び生産システムを提供することを目的とする。

本発明の第一態様によれば、データベースを有する上位コンピュータと相互通信可能に接続されていて、複数の製造機械が含まれる製造セルを制御するセル制御装置であって、
複数の製造機械の状態をそれぞれ検出する複数のセンサと、
各センサにより検出された各製造機械の状態を記憶する状態記憶部と、
状態記憶部に記憶された各製造機械の状態情報から各製造機械の停止情報を取得する停止情報取得部と、
各製造機械が停止したときに復旧作業情報を入力する入力部と、
入力部により入力された各製造機械の復旧作業情報を記憶する復旧作業情報記憶部と、
停止情報取得部により取得された停止情報と復旧作業情報記憶部に記憶された復旧作業情報とを製造機械ごとに互いに関連付けた相関データを生成してデータベースに送信する相関データ生成部と、
を具備する、セル制御装置が提供される。

本発明の第二態様によれば、上記第一態様のセル制御装置であって、
停止情報取得部により取得された停止情報に応じて、当該停止情報に対応する復旧作業情報をデータベースから読出す復旧作業情報読出部と、
復旧作業情報読出部により読出された復旧作業情報を出力する出力部と、をさらに具備するセル制御装置が提供される。

本発明の第三態様によれば、上記第一態様または第二態様のセル制御装置であって、
相関データ生成部は、各製造機械のアラーム発生率または稼働率を報酬として相関データを学習する学習器を含む、セル制御装置が提供される。

本発明の第四態様によれば、上記第一態様から第三態様のいずれかのセル制御装置であって、入力部から復旧作業情報記憶部に入力された復旧作業情報を、データベースに蓄積された複数の相関データと比較するデータ判別部をさらに具備し、
データ判別部は、データベースに蓄積された複数の相関データの中から、復旧作業情報記憶部に入力された復旧作業情報に類似する復旧作業情報を発見した際に、その類似する復旧作業情報と該復旧作業情報に関連する停止情報とを出力部に出力するようにした、セル制御装置が提供される。

本発明の第五態様によれば、上記第一態様から第三態様のいずれかのセル制御装置であって、
状態記憶部に記憶された各製造機械の状態情報を、データベースに蓄積された複数の相関データと比較するデータ判別部をさらに具備し、
データ判別部は、データベースに蓄積された複数の相関データの中から、状態記憶部に記憶された各製造機械の状態情報に類似する停止情報を発見した際に、その類似する停止情報と該停止情報に関連する復旧作業情報とを出力部に出力するようにした、セル制御装置が提供される。

本発明の第六態様によれば、上記第四態様のセル制御装置であって、
データ判別部は、データベースにおける各相関データに含まれている復旧作業情報と、復旧作業情報記憶部に入力された復旧作業情報との間の類似性を判別する基準を、各製造機械のアラーム発生率または稼働率を報酬として学習する学習器を含む、セル制御装置が提供される。

本発明の第七態様によれば、上記第五態様のセル制御装置であって、
データ判別部は、データベースにおける各相関データに含まれている停止情報と、状態記憶部に記憶された各製造機械の状態情報との間の類似性を判別する基準を、各製造機械のアラーム発生率または稼働率を報酬として学習する学習器を含む、セル制御装置が提供される。

本発明の第八態様によれば、上記第三態様、第六態様または第七態様のセル制御装置であって、
各製造機械の製造実績情報を記憶する製造実績情報記憶部と、
製造実績情報記憶部に記憶された各製造機械の製造実績情報から、各製造機械のアラーム発生率または稼働率を計算する計算部と、をさらに具備する、セル制御装置が提供される。

本発明の第九態様によれば、複数の製造機械の稼働状況を管理する生産システムであって、複数の製造機械が含まれる少なくとも一つの製造セルを制御する上記第一態様から第八態様のいずれかのセル制御装置と、セル制御装置と相互通信可能に接続された、データベースを有する上位コンピュータと、を備える生産システムが提供される。

上記の第一態様及び第九態様によれば、製造セルの製造機械が停止した際にその製造機械に最適な復旧作業内容の情報を蓄積し、最適な形へと更新していくことにより、作業者に復旧作業を容易に取得させることができる。さらに、上記第二態様によれば、作業者、特に非熟練者は、停止した製造機械に対する復旧作業を素早く、且つ適切に実施することができる。

さらに、上記の第三態様及び第八態様によれば、上位コンピュータのデータベースに蓄積される相関データにおける、各製造機械の停止情報と復旧作業情報との関連性を学習器により強化することができる。

また、上記の第四態様によれば、作業者は、出力された相関データに含まれている復旧作業情報とこれに対応する製造機械の停止情報とに基づいて、予測した復旧作業内容が製造機械の復旧に適した作業であるかどうかを確認することができる。

また、上記の第五態様によれば、作業者は、製造機械の停止情報とこれに類似する製造機械の停止情報とに基づいて、事前に機械の停止を予知し、復旧作業に備えることができる。

さらに、上記の第六態様及び第七態様によれば、学習器をデータ判別部に設けることにより、データ判別部における類似の判別基準の最適化が図れるようになる。

一実施形態の生産システムの構成を示すブロック図である。 図１に示された相関データ生成部により生成されて上位コンピュータのデータベースに蓄積された相関データの構造例を示した図である。 相関データのもう一つの態様を示した図である。 製造機械の停止情報と復旧作業情報とからなる相関データを生成して上位コンピュータのデータベースに記憶させる処理手順を示したフローチャートである。 製造機械の停止情報に対応する復旧作業情報を上位コンピュータのデータベースから読出して提示する処理手順を示したフローチャートである。 図１に示された生産システムの第一変形例の構成を示すブロック図である。 図１に示された生産システムの第二変形例の構成を示すブロック図である。 図１に示された生産システムの第三変形例の構成を示すブロック図である。 ニューロンのモデルを示す模式図である。 ３層のニューラルネットワークモデルを示す模式図である。

次に、本発明の実施形態について図面を参照して説明する。以下の図面において、同様の部材には同様の参照符号が付けられている。理解を容易にするために、これらの図面は縮尺を適宜変更している。また、図面に示される形態は本発明を実施するための一つの例であり、本発明は図示された形態に限定されるものではない。

図１は本発明の一実施形態の生産システムの構成を示すブロック図である。
図１を参照すると、生産システム１０は、少なくとも一つの製造セル１１と、製造セル１１を制御するセル制御装置１２と、データベースを有する上位コンピュータ（ホストコンピュータ）１３と、を備える。

製造セル１１は、製品を製造する工場に配置されている。これに対して、セル制御装置１２及び上位コンピュータ１３は、工場とは異なる建屋に配置されている。例えば、セル制御装置１２は、製造セル１１が配置された工場の敷地にある別の建屋に配置されていてもよい。この場合には、製造セル１１とセル制御装置１２とは、通信装置１８、例えばイントラネットのネットワークを介して通信可能に相互接続されていることが好ましい。

上位コンピュータ１３は、例えば、工場から遠隔地にある事務所に配置されていてもよい。この場合には、セル制御装置１２と上位コンピュータ１３とは、通信装置１７、例えばインターネットのネットワークを介して通信可能に相互接続されていることが好ましい。なお、本実施形態の上位コンピュータ１３には、上記の事務所において複数の製造セル１１もしくは各製造機械の稼働状況を管理する生産計画装置のコンピュータが使用されるのが好ましい。

製造セル１１は、製品を製造する複数の製造機械をフレキシブルに組合せた集合である。本実施形態の製造セル１１には、図１に示されるように第一製造機械１４、第二製造機械１５、及び第三製造機械１６が含まれているが、製造セル１１における製造機械の数は限定されない。また、製造セル１１は、或るワークが複数の製造機械により順次に処理されることによって最終的な製品となる製造ラインでありうる。あるいは、製造セル１１は、二つ以上の製造機械の各々により処理された二つ以上のワーク（部品）を製造工程の途中で別の製造機械によって組合せることにより最終的な製品を完成させる製造ラインであってもよい。また、本願発明においては、二つ以上の製造セル１１により処理された二つ以上のワークを組合せることにより、最終的な製品を完成させてもよい。

製造機械１４〜１６の各々は、例えばＮＣ工作機械又は産業用ロボットである。勿論、本発明に用いられる各製造機械は、ＮＣ工作機械又は産業用ロボットに限定されない。各製造機械としては、例えば、ＰＬＣ、搬送機、計測器、試験装置、プレス機、圧入器、印刷機、ダイカストマシン、射出成型機、食品機械、包装機、溶接機、洗浄機、塗装機、組立装置、実装機、木工機械、シーリング装置、又は切断機、などであってもよい。

さらに、セル制御装置１２の構成について詳述する。
図１に示されるように、セル制御装置１２は、センサ１９、状態記憶部２０、停止情報取得部２１、入力部２２、復旧作業情報記憶部２３、相関データ生成部２４、復旧作業情報読出部２５、及び出力部２６を具備する。以下、これらの構成要素の機能を順次説明する。

センサ１９は、製造機械１４〜１６の各々に設けられていて稼働中の製造機械１４〜１６の各々の状態を所定時間ごとに検出する。状態記憶部２０は、各センサ１９により所定時間ごとに検出される製造機械１４〜１６の各々の状態を逐次記憶する。なお、製造機械１４〜１６の各々における様々な状態を検出できるように製造機械毎に複数のセンサ１９が設けられていることが好ましい。さらに、セル制御装置１２は、各製造機械に配置されたセンサ１９からの状態情報を同時に処理できるように構成されているのが好ましい。

停止情報取得部２１は、状態記憶部２０に逐次記憶された製造機械１４〜１６の各々の状態情報から各製造機械の停止情報を取得する。さらに、停止情報取得部２１は前述の停止情報を取得したら相関データ生成部２４に送信する。

前述の状態情報としては、例えば製造機械１４〜１６がロボットである場合にはロボットのアーム部を駆動するモータに供給される電流値、当該モータに取付けられた位置検出器の出力、などに関する情報が挙げられる。この場合、停止情報は、ロボットがトラブルにより停止した時のモータ電流値の低下や位置検出器の出力異常などの複数の状態情報を含む情報群である。さらに、このような停止情報には、製造機械が停止した時点の製造機械の状態情報だけでなく、製造機械の停止時点から遡った所定期間における製造機械の状態情報も含まれることが好ましい。このことにより、製造機械がトラブルにより停止する場合の予兆状態を停止情報に含ませることができる。

入力部２２は、各製造機械１４〜１６のトラブルによる停止に対して実施された復旧作業内容を示す復旧作業情報をセル制御装置１２に入力する機能を有する。なお、復旧作業情報は、例えば復旧作業内容の一覧表の作業コードである。復旧作業内容の一覧表は、複数の異なる復旧作業内容と、それぞれの復旧作業内容を示す複数の数桁の数字からなる作業コードとを対応付けて記載した表である。そのような作業コードを入力する入力部２２には、キーボードやタッチパネルなどが使用される。また、入力部２２は製造機械１４〜１６の各々に設けられていてもよい。この場合には、ロボットの教示作業を行う教示操作盤や、ＮＣ工作機械の制御盤などが入力部２２として使用されるのが好ましい。

復旧作業情報記憶部２３は、入力部２２により入力された復旧作業情報を記憶しつつ相関データ生成部２４に送信する。相関データ生成部２４は、停止情報取得部２１により取得された停止情報と、復旧作業情報記憶部２３に記憶された復旧作業情報とを製造機械１４〜１６ごとに互いに関連付けた相関データを生成する。

さらに、前述の相関データを生成する際、製造機械の識別情報（ＩＤ）と、停止情報取得部２１から送信された停止情報と、この停止情報に続いて復旧作業情報記憶部２３から送信された復旧作業情報とを互いに対応させることが好ましい。あるいは、相関データ生成部２４は、後述する第一変形例（図６参照）のように、前述の相関データを学習器２７により学習しながら生成するようにしてもよい。以上のように生成された相関データは相関データ生成部２４から上位コンピュータ１３に送信されて、上位コンピュータ１３のデータベースに蓄積される。

復旧作業情報読出部２５は、停止情報取得部２１により取得された停止情報に対応する復旧作業情報を、前述した上位コンピュータ１３のデータベースから読出す。出力部２６は、復旧作業情報読出部２５により読出された復旧作業情報を、停止情報取得部２１により取得された停止情報と一緒に出力する。出力部２６としては、復旧作業情報に対応する復旧作業内容を表示する表示装置や、復旧作業情報に対応する復旧作業内容を紙などのシートに印刷する印刷装置、などが用いられる。また、出力部２６は製造機械１４〜１６の各々に設けられていてもよい。

ここで、図２は、前述のように相関データ生成部２４により生成されて上位コンピュータ１３のデータベースに蓄積された相関データの構造例を示している。図２に示されているように、相関データは、製造機械ＩＤごとに各製造機械の停止情報と復旧作業情報とを互いに関連付けることによって生成されている。このような相関データは図２に示されるようなデータテーブル構造からなり、データテーブルの各行において製造機械ＩＤと停止情報と復旧作業情報とが互いに対応する。

具体的には、図２に示された相関データにおける製造機械ＩＤのテーブルには、製造機械１４〜１６の各々の識別番号（例えばＷＦ０００５、ＲＤ００２、ＳＦ０１１）が書込まれている。「ＷＦ００５」は、搬送ロボットである第一製造機械１４の識別番号である。「ＲＤ００２」は、ドリル加工ロボットである第二製造機械１５の識別番号である。「ＳＦ０１１」は、ねじ締めロボットである第三製造機械１６の識別番号である。

そして、図２に示された相関データにおける停止情報のテーブルには、各製造機械における複数のセンサ１９により検出された複数の状態（状態１、状態２、・・・）を示す複数の状態情報を含む情報群もしくはデータ列が書込まれている。さらに、図２に示された相関データにおける復旧作業情報のテーブルには、各製造機械の復旧時に実施された複数の復旧作業（作業１、作業２、・・・）を示す複数の復旧作業情報を含む情報群もしくはデータ列が書込まれている。例えば製造機械ＩＤ「ＷＦ００５」を有する搬送ロボットの場合には、停止情報は、モータ電流の低下や位置検出器の出力異常などの複数の状態情報を含む情報群である。さらに、その停止作業に対応する復旧作業情報は、ワーク取出しや力覚センサ調整などの複数の復旧作業情報を含む情報群である。つまり、上記「ＷＦ００５」の搬送ロボットの場合、搬送ロボットの停止情報として、モータ電流の低下状態（状態１）を示す状態情報、及び位置検出器の出力異常状態（状態２）を示す状態情報などが同時に取得される。これらの停止情報に応じて、作業者は、ワーク取出しや力覚センサ調整などの複数の復旧作業（作業１、作業２、など）を実施し、これらの復旧作業をそれぞれ示す複数の復旧作業情報をすべて入力部２２に入力する。したがって、図２に示された停止情報のテーブルには、前述の状態１、状態２などを示す複数の状態情報が書込まれている。さらに、図２に示された復旧作業情報のテーブルには、前述の作業１、作業２、などを示す複数の復旧作業情報が書込まれている。

また、図３においては、相関データのもう一つの様態を示している。各製造機械の状態から、停止になりうる状態（停止状態）が抽出されており、それぞれの要因と、実際の復旧作業が関連付けされている。この様態であれば、特定の製造機械で起きた停止状態と復旧作業とが、異なるラインの異なる機械に対しても応用することが出来る。

なお、図２においては、停止情報に含まれる各状態情報が文言により書込まれているが、文言に代えて、例えば製造機械に起りうる各種の状態を示す数桁の数字からなるエラーコードが書込まれるのが好ましい。また、復旧作業情報に関しても、図２に記載された文言に代えて、前述した入力部２２により入力される数桁の数字からなる作業コードが書込まれるのが好ましい。

次に、本実施形態のセル制御装置１２の特徴的な動作を説明する。
本実施形態のセル制御装置１２においては、前述のように停止情報と復旧作業情報とからなる相関データを上位コンピュータ１３のデータベースに蓄積させる動作がある。この動作について、図１及び図４を参照しながら説明する。

図４は、前述した停止情報と復旧作業情報からなる相関データを生成して上位コンピュータ１３のデータベースに記憶させる処理手順を示したフローチャートである。
セル制御装置１２が、製造セル１１における製造機械１４〜１６を制御して製品の製造を開始させる。このような製品製造中、製造機械１４〜１６の各々の状態をセンサ１９により所定時間ごとに検出しつつ、状態記憶部２０に逐次記憶する（ステップＳ１１）。

続いて、停止情報取得部２１が、状態記憶部２０に逐次記憶された製造機械１４〜１６の各々の状態情報から、或る製造機械のトラブルによる停止をリアルタイムに検知する（ステップＳ１２）。例えば、或る製造機械に搭載されたセンサ１９の出力が所定値より低下したことにより、その製造機械のトラブルによる停止が検知される。これに伴い、停止情報取得部２１は、状態記憶部２０に逐次記憶された製造機械１４〜１６の各々の状態情報から、トラブルにより停止した製造機械の停止情報を取得する（ステップＳ１３）。

次いで、復旧作業情報が入力部２２から復旧作業情報記憶部２３に入力されたかどうかが判断される（ステップＳ１４）。ステップＳ１４において復旧作業情報が入力されたと判断されるまで次のステップには移行しない。このため、前述のように停止情報取得部２１が製造機械の停止情報を取得したら、セル制御装置１２は復旧作業情報の入力待ちである旨を光源装置や音源装置などによって外部に報知することが好ましい。

上記ステップＳ１４において復旧作業情報が入力されたと判断されると、相関データ生成部２４は相関データを生成する（ステップＳ１５）。この相関データは、停止した製造機械の識別情報と、前述のように取得された停止情報と、入力された復旧作業情報とを互いに関連付けたデータセットである。次いで、相関データ生成部２４は、前述の相関データを上位コンピュータ１３に送信して上位コンピュータ１３のデータベースに記憶させる（ステップＳ１６）。

その後、ステップＳ１７において、セル制御装置１２への停止指令があったかどうかが判断される。停止指令がある場合には、上述した相関データを生成及び記憶させる処理が終了する。一方、停止指令が無い場合にはステップＳ１７からステップＳ１１に戻り、ステップＳ１１〜ステップＳ１６の処理が再び行われる。以上のような処理が繰返されることにより、前述の相関データが上位コンピュータ１３のデータベースに蓄積される。

また、本実施形態のセル制御装置１２においては、前述した停止情報を取得した際、その停止情報に対応する復旧作業情報を上位コンピュータ１３のデータベースから読出して作業者に提示する動作もある。この動作について、図１及び図５を参照しながら説明する。

図５は、前述した停止情報に対応する復旧作業情報を上位コンピュータ１３のデータベースから読出して提示する処理手順を示したフローチャートである。
図５に示されたステップＳ２１〜ステップＳ２３は、前述した図４のステップＳ１１〜ステップＳ１３と同じである。したがって、ステップＳ２１からステップＳ２３を行うことにより、トラブルにより停止した製造機械の停止情報が取得されている。

その後、復旧作業情報読出部２５は、ステップＳ２３において取得された停止情報に対応する復旧作業情報を、前述した上位コンピュータ１３のデータベースから読出す（ステップＳ２４）。続いて、出力部２６は、復旧作業情報読出部２５により読出された復旧作業情報を出力する（ステップＳ２５）。出力部２６においては、停止した製造機械の停止情報とこれに対応する復旧作業情報とが例えば紙に印刷あるいは画面に表示される。なお、上記のステップＳ２４〜ステップＳ２５の処理は、前述した図４のステップＳ１３とステップＳ１４との間に行われてもよい。

その後、ステップＳ２６において、セル制御装置１２への停止指令があったかどうかが判断される。停止指令がある場合には、上述のような復旧作業情報を出力部２６により出力させる処理が終了する。一方、停止指令が無い場合にはステップＳ２６からステップＳ２１に戻り、再びステップＳ２１〜ステップＳ２６の処理が行われる。

以上に説明したように、本実施形態のセル制御装置１２は、トラブルにより停止した製造機械の状態を示す停止情報と、当該製造機械の復旧作業情報とを製造機械ごとに関連付けた相関データを生成するように構成されている。さらに、そのような相関データは生成の度に上位コンピュータ１３のデータベースに送信されて蓄積される。このため、或る製造機械がトラブルにより停止した際、作業者は、上位コンピュータ１３のデータベースから、その製造機械の停止に対して過去に実施された復旧作業内容を示す復旧作業情報を取出すことができる。つまり、本実施形態のセル制御装置１２は、製造セル１１の各製造機械の停止情報に最適な復旧作業内容を作業者に容易に取得させることができる。

特に、本実施形態のセル制御装置１２においては、製造機械の停止情報が取得されると、当該製造機械の停止情報に対応する復旧作業情報が上位コンピュータ１３のデータベースから読出されて出力部２６に出力されるようになっている。これにより、作業者、特に非熟練者は、停止した製造機械に対する復旧作業内容を素早く取得し、且つ適切に復旧作業を実施することができる。

次に、前述したセル制御装置１２の第一変形例を説明する。図６は図１に示されたセル制御装置１２の第一変形例の構成を示すブロック図である。
図６に示されるように、第一変形例のセル制御装置１２Ａは、図１に示されたセル制御装置１２に対し、学習器２７、製造実績情報記憶部２８、及び計算部２９をさらに備える。以下、これらの構成要素の機能を順次説明する。

図６に示されるセル制御装置１２Ａにおいては、学習器２７が相関データ生成部２４に設けられている。学習器２７は、各製造機械１４〜１６のアラーム発生率もしくは稼働率を報酬として、前述した相関データ生成部２４により生成される相関データを学習する。
具体的には、トラブルにより停止した製造機械に対して復旧作業が行われた後、学習器２７は、その製造機械が復旧してから所定時間が経過するまでのアラーム発生率もしくは稼働率を取得する。取得されたアラーム発生率が小さいほど、もしくは稼働率が大きいほど、その製造機械に対する復旧作業が適切であったと判断することができる。そこで、学習器２７は、前述した停止情報と復旧作業情報とからなる相関データに対して、製造機械のアラーム発生率もしくは稼働率に応じた報酬を与えることにより、相関データの最適化を実施している。

上記のアラーム発生率もしくは稼働率は、製造実績情報記憶部２８及び計算部２９を用いて取得される。すなわち、製造実績情報記憶部２８は、セル制御装置１２Ａからの制御指令に従って稼働された製造機械１４〜１６の各々の製造実績情報を記憶する。計算部２９は、製造実績情報記憶部２８に記憶された製造実績情報を基に、各製造機械１４〜１６のアラーム発生率もしくは稼働率を計算する。

上記の製造実績情報は、製造セル１１により製造される製品の品質管理、工程管理などを行うために用いられる情報である。例えば、製造実績情報としては、製造中の製造機械におけるモータの電流値や、製造に要した時間や、製造中に発生したアラーム情報や、製造に使用されたプログラムやパラメータ値や、製造に使用された工具の識別番号や、製造中の周囲温度や、製造後に測定器により測定された製造誤差などが挙げられる。
本実施形態においては、製造機械名、製造時間、ワーク処理数、アラーム件数などが製造実績情報に含まれる。製造機械名には、製造機械に固有の識別番号が用いられる。製造時間は、その製造機械がワークの処理に要した時間である。ワーク処理数は、その製造機械により処理されたワークの数である。アラーム件数は、製造機械によるワークの処理中に発生したアラームの数である。なお、アラームには、各製造機械の異常を報知するために各製造機械に設置された音源や光源などの出力が用いられる。

計算部２９においては、例えばアラーム発生率は以下のように計算される。アラーム件数を製造時間あるいは製造セル１１における製造機械の数により除算することにより、アラーム発生率を求めることができる。また、アラームの発生により製造機械が停止していた時間を当該製造機械の本来稼働すべき時間により除算した値をアラーム発生率としてもよい。あるいは、アラームの発生により製造機械が停止していた時間をそのままアラーム発生率と見なしてもよい。このようなアラーム発生率の計算方法は一例であって、本発明はこれに限定されない。さらに、計算部２９においては、前述のアラーム発生率ではなく、稼働率が算出されてもよい。稼働率は、製造機械が実際に稼働していた時間を当該製造機械の本来稼働すべき時間により除算することにより求められる。

上述したような第一変形例によれば、上位コンピュータ１３のデータベースに蓄積される相関データにおける、各製造機械の停止情報と復旧作業情報との関連性を学習器２７により強化することができる。

なお、上述した状態記憶部２０、復旧作業情報記憶部２３、及び製造実績情報記憶部２８としては、例えば、ＲＡＭ（Random Access Memory）といったメモリ装置を使用することができる。あるいは、状態記憶部２０、復旧作業情報記憶部２３、及び製造実績情報記憶部２８には、ハードディスク等の固定ディスク装置、又はフレキシブルディスク、光ディスク等の可搬用の記憶装置などを使用することができる。

さらに、前述したセル制御装置１２の第二変形例を説明する。図７は図１に示されたセル制御装置の第二変形例の構成を示すブロック図である。
図７に示されるように、第二変形例のセル制御装置１２Ｂは、図６に示されたセル制御装置１２Ａに対し、データ判別部３０及び学習器３１をさらに備える。以下、これらの構成要素の機能を順次説明する。

データ判別部３０は、入力部２２から復旧作業情報記憶部２３に入力された復旧作業情報を、前述のように上位コンピュータ１３のデータベースに蓄積された複数の相関データと比較する。さらに、データ判別部３０は、データベースにおける複数の相関データの中から、入力された復旧作業情報に類似する復旧作業情報を発見した際に、その類似の復旧作業情報とこれに関連する停止情報を出力部２６に出力する。このとき、復旧作業情報及び停止情報は、出力部２６において紙に印刷されたり、画面に表示されたりすることによって作業者に提示されるのが好ましい。

このような第二変形例のセル制御装置１２Ｂにおいては、作業者が、停止した製造機械に対する復旧作業内容を予測し、その復旧作業内容を示す復旧作業情報を入力部２２から復旧作業情報記憶部２３に入力する。入力された復旧作業情報に類似する復旧作業情報が上位コンピュータ１３のデータベースの中に在った場合には、その類似の復旧作業情報とこれに関連する停止情報が出力部２６により出力される。これにより、作業者は、予測した復旧作業内容に類似する復旧作業情報が製造機械のどのような停止状態に対して実施されたのかを知ることができる。言い換えれば、第二変形例のセル制御装置１２Ｂは、予測した復旧作業内容が現在発生している製造機械の停止状態に対して適切であるのかどうかを作業者に理解させることができる。また、作業者は、予測した復旧作業内容に類似する復旧作業情報を生じさせた製造機械の停止情報から、より適切な復旧作業内容を予測し易くなる。

さらに、前述したセル制御装置１２の第三変形例を説明する。図８は図１に示されたセル制御装置の第三変形例の構成を示すブロック図である。
図８に示されるように、第三変形例のセル制御装置１２Ｃは、図６に示されたセル制御装置１２Ａに対し、前述の第二変形例と同じようにデータ判別部３０及び学習器３１をさらに備えている。但し、以下のとおり、これらの構成要素の機能が前述の第二変形例とは異なる。

図８に示されるように、データ判別部３０は、状態記憶部２０から停止情報取得部２１により取得された停止情報を、前述のように上位コンピュータ１３のデータベースに蓄積された複数の相関データと比較する。さらに、データ判別部３０は、データベースにおける複数の相関データの中から、取得された停止情報に類似する停止情報を発見し、その類似の停止情報を出力部２６に出力する。また、データ判別部３０は、前述のデータベースから、その類似の停止情報に関連する復旧作業情報を呼出し、出力部２６に出力する。このとき、復旧作業情報及び停止情報は、出力部２６において紙に印刷されたり、画面に表示されたりすることによって作業者に提示されるのが好ましい。また、類似の停止情報を発見するのは、実際の停止が起こる前、すなわち、停止の予知でもかまわない。

このような第三変形例のセル制御装置１２Ｃにおいては、状態記憶部２０内の製造機械の状態情報から、停止情報に類似した状態を判別することができる。その類似した停止情報を用いて、上位コンピュータ１３のデータベースの中から、その類似の停止情報に関連する復旧作業情報を読出すことができる。また、類似の停止情報と、それに関連する復旧作業情報はそれぞれ出力部２６により出力される。これにより、作業者は、製造機械が特定の停止情報に類似する状態、つまり、停止する前兆を知ることができる。言い換えれば、第三変形例のセル制御装置１２Ｃは、製造機械の状態から、起こりうる機械の停止を予知することができる。また、作業者は、予測された停止情報を予め知っておくことにより、停止の予防や、復旧作業の準備等が出来るようになる。

但し、前述した第二変形例および第三変形例において各データ判別部３０における類似の判別精度が低い場合には、作業者の予測した復旧作業内容とは大きく異なった復旧作業内容に関連する停止情報が出力されてしまう。この場合、作業者は予測した復旧作業内容が適切であると誤解する可能性がある。そのため、前述の各データ判別部３０には、学習器３１が設けられていることが好ましい。すなわち、第二変形例のセル制御装置１２Ｃにおける学習器３１は、前述したデータベースにおける各相関データに含まれている復旧作業情報と、復旧作業情報記憶部２３に入力された復旧作業情報との間の類似性を判別する基準を学習するように構成されるのが好ましい。一方、第三変形例のセル制御装置１２Ｃにおける学習器３１は、前述したデータベースにおける各相関データに含まれている停止情報と、状態記憶部２０に入力された製造機械の状態情報との間の類似性を判別する基準を学習するように構成されるのが好ましい。特に、これら学習器３１は、そのような類似性の判別基準、例えばデータの一致率を、各製造機械１４〜１６のアラーム発生率もしくは稼働率を報酬として学習している。

具体的には、前述のように作業者が予測した復旧作業内容によって製造機械を復旧させた後、学習器３１は、その製造機械が復旧してから所定時間が経過するまでのアラーム発生率もしくは稼働率を取得する。取得されたアラーム発生率が小さいほど、もしくは稼働率が大きいほど、その予測した復旧作業内容が適切であったと判断することができる。そこで、学習器３１は、前述した類似性の判別基準、例えばデータの一致率に対して、製造機械のアラーム発生率もしくは稼働率に応じた報酬を与えることにより、データ判別部３０における類似性の判別に最適な基準を学習している。なお、上記のアラーム発生率もしくは稼働率は、前述した第一変形例と同様に、製造実績情報記憶部２８及び計算部２９を用いて取得されるのが好ましい。
以上のように、第二変形例のセル制御装置１２Ｂおよび第三変形例のセル制御装置１２Ｃにおいては、学習器３１をデータ判別部３０に設けることにより、データ判別部３０における類似の判別基準の最適化が図れるようになる。

さらに、上述した学習器２７、３１（以下、機械学習装置と呼ぶ）について詳細に説明する。機械学習装置は、装置に入力されるデータの集合から、その中にある有用な規則や知識表現、判断基準などを解析により抽出し、その判断結果を出力するとともに、知識の学習を行う機能を有する。その手法は様々であるが、大別すれば「教師あり学習」、「教師なし学習」、「強化学習」に分けられる。さらに、これらの手法を実現するうえで、特徴量そのものの抽出を学習する、「深層学習」と呼ばれる手法がある。

「教師あり学習」とは、ある入力と結果（ラベル）のデータの組を大量に機械学習装置に与えることにより、それらのデータセットにある特徴を学習し、入力から結果を推定するモデル、即ち、その関係性を帰納的に獲得することができる。これは後述のニューラルネットワークなどのアルゴリズムを用いて実現することができる。

「教師なし学習」とは、入力データのみを大量に機械学習装置に与えることにより、入力データがどのような分布をしているか学習し、対応する教師出力データを与えなくても、入力データに対して圧縮、分類、整形などを行う装置を学習する手法である。それらのデータセットにある特徴を似た者どうしにクラスタリングすることなどができる。この結果を使って、何らかの基準を設けてそれを最適にするような出力の割り当てを行うことで、出力の予測を実現することできる。また「教師なし学習」と「教師あり学習」との中間的な問題設定として、「半教師あり学習」と呼ばれるものもあり、これは一部のみ入力と出力のデータの組が存在し、それ以外は入力のみのデータである場合がこれに当たる。

強化学習の問題を以下のように設定する。
・機械学習装置は環境の状態を観測し、行動を決定する。
・環境は何らかの規則に従って変化し、さらに自分の行動が、環境に変化を与えることもある。
・行動するたびに報酬信号が帰ってくる。
・最大化したいのは将来にわたっての（割引）報酬の合計である。
・行動が引き起こす結果を全く知らない、または不完全にしか知らない状態から学習はスタートする。機械学習装置は実際に動作して初めて、その結果をデータとして得ることが出来る。つまり、試行錯誤しながら最適な行動を探索する必要がある。
・人間の動作を真似るように事前学習（前述の教師あり学習や、逆強化学習といった手法）した状態を初期状態として、良いスタート地点から学習をスタートさせることもできる。

「強化学習」とは、判定や分類だけではなく、行動を学習することにより、環境に行動が与える相互作用を踏まえて適切な行動を学習、即ち、将来的に得られる報酬を最大にするための学習する方法である。このことは、本実施形態において、未来に影響を及ぼすような行動を獲得できることを表している。例えばＱ学習の場合で説明を続けるが、それに限るものではない。

Ｑ学習は、或る環境状態ｓの下で、行動ａを選択する価値Ｑ（ｓ，ａ）を学習する方法である。つまり、或る状態ｓのとき、価値Ｑ（ｓ，ａ）の最も高い行動ａを最適な行動として選択すればよい。しかし、最初は状態ｓと行動ａとの組合せについて、価値Ｑ（ｓ，ａ）の正しい値は全く分かっていない。そこで、エージェント（行動主体）は、或る状態ｓの下で様々な行動ａを選択し、その時の行動ａに対して報酬が与えられる。それにより、エージェントはより良い行動の選択、すなわち正しい価値Ｑ（ｓ，ａ）を学習していく。

行動の結果、将来にわたって得られる報酬の合計を最大化したいので、最終的にＱ（ｓ，ａ）＝Ｅ［Σγ^tｒ_t］となるようにすることを目指す（期待値は最適な行動に従って状態変化したときについてとる。もちろん、それは分かっていないので、探索しながら学習しなければならない）。そのような価値Ｑ（ｓ，ａ）の更新式は、例えば次式により表すことができる。

ここで、ｓ_tは時刻ｔにおける環境の状態を表し、ａ_tは時刻ｔにおける行動を表す。行動ａ_tにより、状態はｓ_t+1に変化する。ｒ_t+1は、その状態の変化により貰える報酬を表している。また、ｍａｘの付いた項は、状態ｓ_t+1の下で、その時に分かっている最もＱ値の高い行動ａを選択した場合のＱ値にγを乗じたものになる。γは、０＜γ≦１のパラメータで、割引率と呼ばれる。αは学習係数で、０＜α≦１の範囲とする。

この式は、試行ａ_tの結果帰ってきた報酬ｒ_t+1を元に、状態ｓ_tにおける行動ａ_tの評価値Ｑ（ｓ_t，ａ_t）を更新する方法を表している。状態ｓにおける行動ａの評価値Ｑ（ｓ_t，ａ_t）よりも、報酬ｒ_t+1＋行動ａによる次の状態における最良の行動ｍａｘ ａの評価値Ｑ（ｓ_t+1，ｍａｘ ａ_t+1）の方が大きければ、Ｑ（ｓ_t，ａ_t）を大きくするし、反対に小さければ、Ｑ（ｓ_t，ａ_t）も小さくする事を示している。つまり、或る状態における或る行動の価値を、結果として即時帰ってくる報酬と、その行動による次の状態における最良の行動の価値に近付けるようにしている。

Ｑ（ｓ，ａ）の計算機上での表現方法は、すべての状態行動ペア（ｓ，ａ）に対して、その値をテーブル（行動価値テーブル）として保持しておく方法と、Ｑ（ｓ，ａ）を近似するような関数を用意する方法がある。後者の方法では、前述の更新式は、確率勾配降下法などの手法で近似関数のパラメータを調整していくことで実現することが出来る。近似関数としては、後述のニューラルネットワークを用いることが出来る。

教師あり学習、教師なし学習、及び強化学習での価値関数の近似アルゴリズムとして、ニューラルネットワークを用いることができる。ニューラルネットワークは、たとえば図９に示すようなニューロンのモデルを模したニューラルネットワークを実現する演算装置及びメモリ等で構成される。図９は、ニューロンのモデルを示す模式図である。

図９に示すように、ニューロンは、複数の入力ｘ（ここでは一例として、入力ｘ₁〜入力ｘ₃）に対する出力ｙを出力するものである。各入力ｘ₁〜ｘ₃には、この入力ｘに対応する重みｗ（ｗ₁〜ｗ₃）が掛けられる。これにより、ニューロンは、次の式により表現される出力ｙを出力する。なお、入力ｘ、出力ｙ及び重みｗは、すべてベクトルである。

ここで、θはバイアスであり、ｆ_kは活性化関数である。

次に、上述したニューロンを組み合わせた３層の重みを有するニューラルネットワークについて、図１０を参照して説明する。図１０は、Ｄ１〜Ｄ３の３層の重みを有するニューラルネットワークを示す模式図である。

図１０に示すように、ニューラルネットワークの左側から複数の入力ｘ（ここでは一例として、入力ｘ１〜入力ｘ３）が入力され、右側から結果ｙ（ここでは一例として、結果ｙ１〜結果ｙ３）が出力される。

具体的には、入力ｘ１〜入力ｘ３は、３つのニューロンＮ１１〜Ｎ１３の各々に対して対応する重みが掛けられて入力される。これらの入力に掛けられる重みはまとめてｗ１と標記されている。

ニューロンＮ１１〜Ｎ１３は、それぞれ、ｚ１１〜ｚ１３を出力する。これらのｚ１１〜ｚ１３はまとめて特徴ベクトルｚ１と標記され、入力ベクトルの特徴量を抽出したベクトルとみなすことができる。この特徴ベクトルｚ１は、重みｗ１と重みｗ２との間の特徴ベクトルである。

ｚ１１〜ｚ１３は、２つのニューロンＮ２１、Ｎ２２の各々に対して対応する重みが掛けられて入力される。これらの特徴ベクトルに掛けられる重みは、まとめてｗ２と標記されている。

ニューロンＮ２１、Ｎ２２は、それぞれ、ｚ２１、ｚ２２を出力する。これらは、まとめて特徴ベクトルｚ２と標記されている。この特徴ベクトルｚ２は、重みｗ２と重みｗ３との間の特徴ベクトルである。

特徴ベクトルｚ２１、ｚ２２は、３つのニューロンＮ３１〜Ｎ３３の各々に対して対応する重みが掛けられて入力される。これらの特徴ベクトルに掛けられる重みは、まとめてｗ３と標記されている。
最後に、ニューロンＮ３１〜Ｎ３３は、それぞれ、結果ｙ１〜結果ｙ３を出力する。

ニューラルネットワークの動作には、学習モードと価値予測モードとがあり、学習モードにおいて学習データセットを用いて重みｗを学習し、そのパラメータを用いて予測モードにおいて加工機の行動判断を行う（便宜上、予測と書いたが、検出、分類、推論など多様なタスクが可能である）。

予測モードで実際に加工機を動かして得られたデータを即時学習し、次の行動に反映させる（オンライン学習）ことも、あらかじめ収集しておいたデータ群を用いてまとめた学習を行い、以降はずっとそのパラメータで検知モードを行う（バッチ学習）こともできる。その中間的な、ある程度データが溜まるたびに学習モードを挟むということも可能である。

重みｗ１〜ｗ３は、誤差逆伝搬法（バックプロパゲーション）により学習可能なものである。誤差の情報は、右側から入り左側に流れる。誤差逆伝搬法は、各ニューロンについて、入力ｘが入力されたときの出力ｙと真の出力ｙ（教師）との差分を小さくするように、それぞれの重みを調整（学習）する手法である。

このようなニューラルネットワークは、３層以上にさらに層を増やすことも可能である（深層学習と称される）。入力の特徴抽出を段階的に行い、結果を回帰する演算装置を、教師データのみから自動的に獲得することが可能である。

なお、図６に示された学習器２７と、図７及び図８に示された学習器３１には、それぞれ、機械学習方法の一種である強化学習、例えばＱ学習が採用されている。勿論、各学習器２７、３１に適用可能な機械学習方法は、Ｑ学習に限定されるものではない。例えば教師あり学習を各学習器２７、３１に適用する場合には、価値関数は学習モデル、報酬は誤差に対応する。

以上、典型的な実施形態を用いて本発明を説明したが、当業者であれば、本発明の範囲から逸脱することなしに、上述の実施形態に変更及び種々の他の変更、省略、追加を行うことができるのを理解できるであろう。

１０ 生産システム
１１ 製造セル
１２、１２Ａ、１２Ｂ、１２Ｃ セル制御装置
１３ 上位コンピュータ
１４〜１６ 製造機械
１７、１８ 通信装置
１９ センサ
２０ 状態記憶部
２１ 停止情報取得部
２２ 入力部
２３ 復旧作業情報記憶部
２４ 相関データ生成部
２５ 復旧作業情報読出部
２６ 出力部
２７、３１ 学習器
２８ 製造実績情報記憶部
２９ 計算部
３０ データ判別部

Claims (9)

1. データベースを有する上位コンピュータ（１３）と相互通信可能に接続されていて、複数の製造機械（１４、１５、１６）が含まれる製造セル（１１）を制御するセル制御装置（１２）であって、
   前記複数の製造機械（１４、１５、１６）の状態をそれぞれ検出する複数のセンサ（１９）と、
   各前記センサ（１９）により検出された各前記製造機械（１４、１５、１６）の状態を記憶する状態記憶部（２０）と、
   前記状態記憶部（２０）に記憶された各前記製造機械（１４、１５、１６）の状態情報から各前記製造機械（１４、１５、１６）の停止情報を取得する停止情報取得部（２１）と、
   各前記製造機械（１４、１５、１６）が停止したときに復旧作業情報を入力する入力部（２２）と、
   前記入力部（２２）により入力された各前記製造機械（１４、１５、１６）の復旧作業情報を記憶する復旧作業情報記憶部（２３）と、
   前記停止情報取得部（２１）により取得された停止情報と前記復旧作業情報記憶部（２３）に記憶された復旧作業情報とを前記製造機械（１４、１５、１６）ごとに互いに関連付けた相関データを生成して前記データベースに送信する相関データ生成部（２４）と、を具備するセル制御装置（１２）。
2. 前記停止情報取得部（２１）により取得された停止情報に応じて、当該停止情報に対応する復旧作業情報を前記データベースから読出す復旧作業情報読出部（２５）と、
   前記復旧作業情報読出部（２５）により読出された復旧作業情報を出力する出力部（２６）と、
   をさらに具備する請求項１に記載のセル制御装置（１２）。
3. 前記相関データ生成部（２４）は、各前記製造機械（１４、１５、１６）のアラーム発生率または稼働率を報酬として前記相関データを学習する学習器（２７）を含む、請求項１または２に記載のセル制御装置（１２）。
4. 前記入力部（２２）から前記復旧作業情報記憶部（２３）に入力された復旧作業情報を、前記データベースに蓄積された複数の前記相関データと比較するデータ判別部（３０）をさらに具備し、
   前記データ判別部（３０）は、前記データベースに蓄積された複数の相関データの中から、前記復旧作業情報記憶部（２３）に入力された復旧作業情報に類似する復旧作業情報を発見した際に、前記類似する復旧作業情報と該復旧作業情報に関連する前記停止情報とを出力部（２６）に出力するようにした、請求項１から３のいずれか一項に記載のセル制御装置（１２）。
5. 前記状態記憶部（２０）に記憶された各前記製造機械（１４、１５、１６）の状態情報を、前記データベースに蓄積された複数の前記相関データと比較するデータ判別部（３０）をさらに具備し、
   前記データ判別部（３０）は、前記データベースに蓄積された複数の相関データの中から、前記状態記憶部（２０）に記憶された各前記製造機械（１４、１５、１６）の状態情報に類似する停止情報を発見した際に、前記類似する停止情報と該停止情報に関連する前記復旧作業情報とを出力部（２６）に出力するようにした、請求項１から３のいずれか一項に記載のセル制御装置（１２）。
6. 前記データ判別部（３０）は、前記データベースにおける各前記相関データに含まれている復旧作業情報と、前記復旧作業情報記憶部（２３）に入力された復旧作業情報との間の類似性を判別する基準を、各前記製造機械のアラーム発生率または稼働率を報酬として学習する学習器（３１）を含む、請求項４に記載のセル制御装置（１２）。
7. 前記データ判別部（３０）は、前記データベースにおける各前記相関データに含まれている停止情報と、前記状態記憶部（２０）に記憶された状態情報との間の類似性を判別する基準を、各前記製造機械のアラーム発生率または稼働率を報酬として学習する学習器（３１）を含む、請求項５に記載のセル制御装置（１２）。
8. 各前記製造機械（１４、１５、１６）の製造実績情報を記憶する製造実績情報記憶部（２８）と、
   前記製造実績情報記憶部（２８）に記憶された各前記製造機械の製造実績情報から、各前記製造機械（１４、１５、１６）のアラーム発生率または稼働率を計算する計算部（２９）と、
   をさらに具備する請求項３、６または７に記載のセル制御装置（１２）。
9. 複数の製造機械（１４、１５、１６）の稼働状況を管理する生産システム（１０）であって、
   複数の製造機械（１４、１５、１６）が含まれる少なくとも一つの製造セル（１１）を制御する請求項１から８のいずれか一項に記載のセル制御装置（１２）と、
   前記セル制御装置（１２）と相互通信可能に接続された、データベースを有する上位コンピュータ（１３）と、
   を備える生産システム（１０）。

Images