JP2019179468A - 制御装置、制御方法、及び制御プログラム - Google Patents
制御装置、制御方法、及び制御プログラム Download PDFInfo
- Publication number
- JP2019179468A JP2019179468A JP2018069319A JP2018069319A JP2019179468A JP 2019179468 A JP2019179468 A JP 2019179468A JP 2018069319 A JP2018069319 A JP 2018069319A JP 2018069319 A JP2018069319 A JP 2018069319A JP 2019179468 A JP2019179468 A JP 2019179468A
- Authority
- JP
- Japan
- Prior art keywords
- prediction model
- value
- command value
- calculation process
- determined
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 444
- 238000004519 manufacturing process Methods 0.000 claims abstract description 244
- 238000012545 processing Methods 0.000 claims abstract description 234
- 230000008569 process Effects 0.000 claims description 359
- 238000004364 calculation method Methods 0.000 claims description 324
- 238000003066 decision tree Methods 0.000 claims description 78
- 238000012937 correction Methods 0.000 claims description 42
- 230000001133 acceleration Effects 0.000 claims description 21
- 239000000047 product Substances 0.000 description 71
- 238000003860 storage Methods 0.000 description 42
- 238000004891 communication Methods 0.000 description 19
- 230000010365 information processing Effects 0.000 description 17
- 238000010801 machine learning Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000000465 moulding Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 239000010749 BS 2869 Class C1 Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- 238000001746 injection moulding Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000013067 intermediate product Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000007723 transport mechanism Effects 0.000 description 2
- 239000010750 BS 2869 Class C2 Substances 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/041—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a variable is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/047—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators the criterion being a time optimal performance criterion
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/22—Pc multi processor system
- G05B2219/2205—Multicore
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/22—Pc multi processor system
- G05B2219/2214—Multicontrollers, multimicrocomputers, multiprocessing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
まず、図1を用いて、本発明が適用される場面の一例について説明する。図1は、本実施形態に係る制御装置1及び学習装置2の利用場面の一例を模式的に例示する。
[ハードウェア構成]
<制御装置>
次に、図2を用いて、本実施形態に係る制御装置1のハードウェア構成の一例について説明する。図2は、本実施形態に係る制御装置1のハードウェア構成の一例を模式的に例示する。
次に、図3を用いて、本実施形態に係る生産装置3のハードウェア構成の一例について説明する。図3は、本実施形態に係る生産装置3のハードウェア構成の一例を模式的に例示する。
次に、図5を用いて、本実施形態に係る学習装置2のハードウェア構成の一例について説明する。図5は、本実施形態に係る学習装置2のハードウェア構成の一例を模式的に例示する。
<制御装置>
次に、図6を用いて、本実施形態に係る制御装置1のソフトウェア構成の一例について説明する。図6は、本実施形態に係る制御装置1のソフトウェア構成の一例を模式的に例示する。
次に、図7A及び図7Bを更に用いて、本実施形態に係る予測モデル5について説明する。図7Aは、本実施形態に係る予測モデル5の構成の一例を模式的に例示する。また、図7Bは、予測モデル5に対する入力と出力との関係を模式的に例示する。
次に、図8を用いて、本実施形態に係る学習装置2のソフトウェア構成の一例について説明する。図8は、本実施形態に係る学習装置2のソフトウェア構成の一例を模式的に例示する。
制御装置1及び学習装置2の各ソフトウェアモジュールに関しては後述する動作例で詳細に説明する。なお、本実施形態では、制御装置1及び学習装置2の各ソフトウェアモジュールがいずれも汎用のCPUによって実現される例について説明している。しかしながら、以上のソフトウェアモジュールの一部又は全部が、1又は複数の専用のプロセッサにより実現されてもよい。また、制御装置1及び学習装置2それぞれのソフトウェア構成に関して、実施形態に応じて、適宜、ソフトウェアモジュールの省略、置換及び追加が行われてもよい。
[制御装置]
次に、図9A及び図9Bを用いて、制御装置1の動作例について説明する。図9A及び図9Bは、制御装置1の処理手順の一例を例示するフローチャートである。以下で説明する処理手順は、本発明の「制御方法」の一例である。ただし、以下で説明する処理手順は一例に過ぎず、各処理は可能な限り変更されてよい。また、以下で説明する処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が可能である。
ステップS100では、制御部11は、データ取得部111として動作し、予測モデル5に対する入力データを取得する。
ステップS101では、制御部11は、予測演算部112として動作し、ワーク40から製品41を生産する生産装置3への指令値であって、生産装置3による製品41の生産に適応した指令値を予測するように構築された予測モデル5の演算処理を開始する。
ステップS102では、制御部11は、予測演算部112として動作し、予測モデル5の演算処理を進行させる。本実施形態では、予測モデル5は決定木により構成されているため、予測モデル5の演算処理は、決定木の根ノードから葉ノードに向けてリンクをたどる探索処理である。そのため、制御部11は、予測モデル5の演算処理として、この決定木の探索処理を進行させる。
ステップS103では、制御部11は、残処理時間算出部113として動作し、予測モデル5の演算処理が完了するまでの残処理時間を算出する。残処理時間を算出する方法は、実施の形態に応じて適宜決定されてよい。本実施形態では、制御部11は、演算処理の進捗状態を確認することで、当該演算処理の残処理量を算出し、算出した残処理量に基づいて残処理時間を算出する。具体的には、制御部11は、以下の(式1)の演算によって、残処理時間を算出する。
ステップS104では、制御部11は、遅延判定部114として動作し、算出した残処理時間に基づいて、予測モデル5から得られる出力値に基づく指令値の決定が、生産装置3による生産の動作を制御する制御タイミングに間に合うか否かを判定する。
ステップS105では、制御部11は、加速処理部115として動作し、予測モデル5の演算処理の加速が可能か否かを判定する。
ステップS106では、制御部11は、加速処理部115として動作し、予測モデル5の演算処理を加速する。制御部11は、例えば、予測モデル5の演算処理に対するハードウェアの演算資源を優先的に割り当てることで、予測モデル5の演算処理を加速することができる。演算資源は、例えば、CPU、メモリ等である。
まず、図12Aを用いて、予測モデル5の演算処理を加速する第1の方法について説明する。図12Aは、予測モデル5の演算処理を加速する第1の方法を模式的に例示する。
次に、図12Bを用いて、予測モデル5の演算処理を加速する第2の方法について説明する。図12Bは、予測モデル5の演算処理を加速する第2の方法を模式的に例示する。
次に、図12Cを用いて、予測モデル5の演算処理を加速する第3の方法について説明する。図12Cは予測モデル5の演算処理を加速する第3の方法を模式的に例示する。
次に、図12Dを用いて、予測モデル5の演算処理を加速する第4の方法について説明する。図12Dは、予測モデル5の演算処理を加速する第4の方法を模式的に例示する。
上記第1〜第4の方法のうちの少なくともいずれかを採用することで、制御部11は、予測モデル5の演算処理を加速することができる。上記第1〜第4の方法のうちの少なくともいずれかにより予測モデル5の演算処理を加速すると、制御部11は、次のステップS107に処理を進める。
図9に戻り、ステップS107では、制御部11は、予測演算部112として動作し、予測モデル5の演算処理が完了したか否かを判定する。予測モデル5の演算処理が完了したか否かを判定する方法は、予測モデル5に採用するモデルの種別に応じて適宜決定されてよい。
ステップS108では、制御部11は、動作制御部116として動作し、予測モデル5から取得した出力値に基づいて、生産装置3への指令値を決定する。指令値を決定する方法は、予測モデル5の出力値の形式に応じて適宜決定されてよい。
ステップS109では、制御部11は、動作制御部116として動作し、決定した指令値に基づいて、生産装置3の動作を制御する。指令値に基づいて生産装置3の動作を制御する方法は、指令値の形式に応じて適宜選択されてよい。
ステップS111は、上記のとおり、指令値の決定が制御タイミングに間に合わないと判定され、かつ予測モデル5の演算処理の加速が可能ではないと判定された場合に実行される。すなわち、ステップS111は、指令値の決定が制御タイミングに間に合うように予測モデル5の演算処理を加速することができない場合に実行される。このステップS111では、制御部11は、予測演算部112として動作し、予測モデル5の演算処理を中止する。そして、制御部11は、予測モデル5の演算処理の途中結果の値を取得する。
図9Bに戻り、ステップS112では、制御部11は、動作制御部116として動作し、途中結果の値が予測の結果として信頼できるか否かの度合いを示す信頼度を取得する。この信頼度は、実施の形態に応じて適宜算出されてよい。
ステップS113では、制御部11は、動作制御部116として動作し、ステップS112で取得した信頼度が、指定された閾値を超えるか否かを判定する。閾値は、実施の形態に応じて適宜指定されてよい。閾値は、例えば、制御装置1を利用するユーザにより指定されてもよいし、制御プログラム81において予め指定されていてもよい。取得した信頼度が閾値を超えると判定した場合には、制御部11は、次のステップS114に処理を進める。一方、取得した信頼度が閾値を超えないと判定した場合には、制御部11は、ステップS114及びS115を省略して、ステップS121に処理を進める。
ステップS114では、制御部11は、動作制御部116として動作し、途中結果の値に基づいて生産装置3への指令値を決定する。上記のとおり、本実施形態に係る途中結果の値(第2の値)は、指令値の基準値60に対する補正値である。そのため、本ステップS114では、制御部11は、上記ステップS108と同様に、途中結果の値として取得した補正値により基準値60を補正することで、生産装置3への指令値を決定することができる。指令値を決定すると、制御部11は、次のステップS115に処理を進める。
ステップS115では、制御部11は、動作制御部116として動作し、ステップS114で決定した指令値に基づいて、生産装置3の動作を制御する。本ステップS115は、上記ステップS109と同様である。生産装置3の動作を制御すると、制御部11は、本動作例に係る処理を終了する。
ステップS121では、制御部11は、動作制御部116として動作し、予め与えられた設定値を指令値に指定する。
ステップS122では、制御部11は、動作制御部116として動作し、ステップS121により指定した指令値に基づいて、生産装置3の動作を制御する。本ステップS122は、上記ステップS109と同様である。生産装置3の動作を制御すると、制御部11は、本動作例に係る処理を終了する。
以上により、制御部11は、本動作例に係る生産装置3の動作を制御する一連の処理を終了する。制御部11は、この一連の処理を繰り返し実行することで、生産装置3の動作を継続的に制御することができる。
次に、図14を用いて、学習装置2の動作例について説明する。図14は、学習装置2の処理手順の一例を例示するフローチャートである。なお、以下で説明する予測モデル5の機械学習に関する処理手順は、コンピュータによる学習方法の一例である。ただし、以下で説明する処理手順は一例に過ぎず、各処理は可能な限り変更されてよい。また、以下で説明する処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が可能である。
ステップS201では、制御部21は、学習データ取得部211として動作し、予測モデル5の機械学習に利用する学習データを取得する。学習用データの形式は、予測モデル5の種別に応じて適宜決定されてよい。
ステップS202では、制御部21は、学習処理部212として動作し、取得した学習用データセット221を利用した機械学習を行うことにより、学習済みの予測モデル5を構築する。
ステップS203では、制御部21は、学習処理部212として動作して、機械学習により構築した決定木(学習済みの予測モデル5)の構成及び各分岐条件を示す情報を学習結果データ225として記憶部22に格納する。これにより、制御部21は、本動作例に係る予測モデル5の学習処理を終了する。
以上のとおり、本実施形態では、予測モデル5を利用して生産装置3への指令値を予測する際に、ステップS103及びステップS104により、残処理時間を算出し、算出した残処理時間に基づいて、予測モデル5による指令値の決定が制御タイミングに間に合うか否かを判定する。これにより、予測モデル5を利用した指令値の予測に関する演算処理が、その予測した指令値を利用して生産装置3の動作を制御するタイミングに間に合うか否かを特定することができる。つまり、ステップS108による指令値の決定が、生産装置3の動作を制御する制御予定時刻までに完了するか否かを特定することができる。
以上、本発明の実施の形態を詳細に説明してきたが、前述までの説明はあらゆる点において本発明の例示に過ぎない。本発明の範囲を逸脱することなく種々の改良や変形を行うことができることは言うまでもない。例えば、以下のような変更が可能である。なお、以下では、上記実施形態と同様の構成要素に関しては同様の符号を用い、上記実施形態と同様の点については、適宜説明を省略した。以下の変形例は適宜組み合わせ可能である。
上記実施形態では、ステップS104において、予測モデル5による指令値の決定が制御タイミングに間に合わないと判定した場合に、制御部11は、ステップS105及びS106により、予測モデル5の演算処理を加速する。この予測モデル5の演算処理を加速する処理は、省略されてもよい。加速処理を省略する場合、上記ステップS105及びS106は省略されてもよく、制御装置1のソフトウェア構成から加速処理部115は省略されてもよい。
上記実施形態では、予測モデル5は、製品41の生産に適応した指令値の予測の結果として、指令値の基準値60に対する補正値63を出力するように構成されている。しかしながら、予測モデル5の出力形式は、このような例に限定されなくてもよく、実施の形態に応じて適宜決定されてよい。例えば、予測モデル5は、指令値そのものを出力するように構成されてもよい。
上記実施形態では、予測モデル5の入力には、ワーク40の特徴量61及び製品41を生産する環境の属性値62の両方が利用されている。しかしながら、予測モデル5の入力は、このような例に限定されなくてもよい。ワーク40の特徴量61及び製品41を生産する環境の属性値62のうちの一方は省略されてもよい。すなわち、上記予測モデル5は、ワーク40の特徴量61及び製品41を生産する環境の属性値62の少なくとも一方に対して、製品41の生産に適応した指令値を予測するように構築されてよい。また、上記予測モデル5の入力には、生産装置3による製品41の生産工程に影響を与え得る要因に関するデータであって、ワーク40の特徴量61及び製品41を生産する環境の属性値62以外のデータが用いられてもよい。
上記実施形態では、予測モデル5は、決定木により構成されている。しかしながら、予測モデル5の構成は、予測処理を実行する時点よりも先の時点(将来の時点)における生産装置3への指令値を予測可能であり、かつ演算処理の途中結果を出力可能であれば、このような例に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。また、予測モデル5は、学習モデル以外のモデルが用いられてもよい。
11…制御部、12…記憶部、13…通信インタフェース、
14…外部インタフェース、
15…入力装置、16…出力装置、17…ドライブ、
111…データ取得部、112…予測演算部、
113…残処理時間算出部、114…遅延判定部、
115…加速処理部、116…動作制御部、
81…制御プログラム、121…割当データ、
91…記憶媒体、
2…学習装置、
21…制御部、22…記憶部、23…通信インタフェース、
24…入力装置、25…出力装置、26…ドライブ、
211…学習データ取得部、212…学習処理部、
82…学習プログラム、221…学習用データセット、
225…学習結果データ、
92…記憶媒体、
3…生産装置(プレス機)、
31…サーボドライバ、32…上金型、33…下金型、
40…ワーク、41…製品、
5…予測モデル(決定木)、
60…(指令値の)基準値、
61…特徴量、62…属性値、63…補正値
Claims (16)
- ハードウェアプロセッサと、
前記ハードウェアプロセッサにより実行されるプログラムを保持するメモリと、
を備える制御装置であって、
前記ハードウェアプロセッサは、前記プログラムに含まれる一連の命令に基づいて、
ワークから製品を生産する生産装置への指令値であって、当該生産装置による前記製品の生産に適応した指令値を予測するように構築された予測モデルの演算処理を開始するステップと、
前記予測モデルの演算処理を開始した後に、前記予測モデルの演算処理が完了するまでの残処理時間を算出するステップと、
算出した前記残処理時間に基づいて、前記予測モデルから得られる出力値に基づく前記指令値の決定が、前記生産装置による前記生産の動作を制御する制御タイミングに間に合うか否かを判定するステップと、
前記指令値の決定が前記制御タイミングに間に合うと判定した場合、前記予測モデルの演算処理を完了するまで継続することで、前記演算処理の最終結果として前記予測モデルから出力値を取得し、前記予測モデルから取得した出力値に基づいて前記生産装置への指令値を決定し、決定した前記指令値に基づいて前記生産装置の動作を制御するステップと、
前記指令値の決定が前記制御タイミングに間に合わないと判定した場合、前記予測モデルの演算処理を中止し、前記演算処理の途中結果の値に基づいて前記生産装置への指令値を決定し、決定した前記指令値に基づいて前記生産装置の動作を制御するステップと、
を実行する、
制御装置。 - 前記予測モデルは、決定木により構成されており、
決定木は、根ノード、葉ノード、及び前記根ノードと前記葉ノードとの間に配置された中間ノードを含み、
前記予測モデルの演算処理は、前記決定木の根ノードから葉ノードに向けてリンクをたどる探索処理であり、
前記葉ノードには、第1の値が対応付けられており、
前記決定木の探索処理を完了した際には、前記ハードウェアプロセッサは、前記探索処理において到達した葉ノードに対応付けられた第1の値を前記出力値として取得し、
前記決定木の探索処理を中止した際には、前記ハードウェアプロセッサは、前記探索処理を中止した時点で到達した中間ノードに属する葉ノードに対応付けられた第1の値に基づいて決定された第2の値を前記途中結果の値として取得する、
請求項1に記載の制御装置。 - 前記第2の値は、前記探索処理を中止した時点で到達した中間ノードに属する全ての葉ノードに対応付けられた第1の値の平均値である、
請求項2に記載の制御装置。 - 前記第2の値は、前記中間ノードに紐付けられており、
前記決定木の探索処理を中止した際には、前記ハードウェアプロセッサは、前記探索処理を中止した時点で到達した中間ノードに紐付けられた第2の値を前記途中結果の値として取得する、
請求項2又は3に記載の制御装置。 - 前記予測モデルの演算処理を中止した場合、前記ハードウェアプロセッサは、前記途中結果の値が予測の結果として信頼できるか否かの度合いを示す信頼度を取得し、
前記ハードウェアプロセッサは、取得した前記信頼度が、指定された閾値を超えるか否かを判定し、
前記信頼度が前記閾値を超えると判定した場合には、前記ハードウェアプロセッサは、前記途中結果の値に基づいて前記生産装置への指令値を決定し、決定した前記指令値に基づいて前記生産装置の動作を制御し、
前記信頼度が前記閾値を超えないと判定した場合には、前記ハードウェアプロセッサは、前記途中結果の値に基づいて前記生産装置への指令値を決定する処理を省略して、予め与えられた設定値を前記指令値に指定し、指定した前記指令値に基づいて前記生産装置の動作を制御する、
請求項1から4のいずれか1項に記載の制御装置。 - 前記信頼度は、前記演算処理の進行度に基づいて決定される、
請求項5に記載の制御装置。 - 前記指令値の決定が前記制御タイミングに間に合わないと判定した場合、前記ハードウェアプロセッサは、前記予測モデルの演算処理を加速するステップを更に実行し、
前記予測モデルの演算処理を加速するステップを実行した後に、前記ハードウェアプロセッサは、前記残処理時間を算出するステップ、及び前記指令値の決定が前記制御タイミングに間に合うか否かを判定するステップを再度実行し、
前記指令値の決定が前記制御タイミングに間に合わないと再度判定した場合、前記ハードウェアプロセッサは、前記予測モデルの演算処理を中止し、前記演算処理の途中結果の値に基づいて前記生産装置への指令値を決定する、
請求項1から6のいずれか1項に記載の制御装置。 - 前記ハードウェアプロセッサは、
前記予測モデルの演算処理の加速が可能か否かを判定し、
前記予測モデルの演算処理の加速が可能ではないと判定した場合、前記予測モデルの演算処理を中止し、前記演算処理の途中結果の値に基づいて前記生産装置への指令値を決定する、
請求項7に記載の制御装置。 - 前記ハードウェアプロセッサは、1又は複数のコアで構成され、
前記予測モデルの演算処理には、少なくとも1つのコアが割り当てられ、
前記ハードウェアプロセッサは、前記予測モデルの演算処理に対して、割り当てられた前記コアの利用率を高めることで、前記予測モデルの演算処理を加速する、
請求項7又は8に記載の制御装置。 - 前記ハードウェアプロセッサは、1又は複数のコアで構成され、
前記予測モデルの演算処理には、少なくとも1つのコアが割り当てられ、
前記ハードウェアプロセッサは、割り当てられた前記コアにおいて、前記予測モデルの演算処理の優先度を高めることによって、前記予測モデルの演算処理を加速する、
請求項7から9のいずれか1項に記載の制御装置。 - 前記ハードウェアプロセッサは、複数のコアで構成され、
前記予測モデルの演算処理には、前記複数のコアのうちの第1のコアが割り当てられ、
前記ハードウェアプロセッサは、前記複数のコアのうちの第2のコアであって、前記予測モデルの演算処理に割り当てられていなかった第2のコアを、前記予測モデルの演算処理に更に割り当てることによって、前記予測モデルの演算処理を加速する、
請求項7から10のいずれか1項に記載の制御装置。 - 前記ハードウェアプロセッサは、複数のコアで構成され、
前記予測モデルの演算処理には、前記複数のコアのうちの第3のコアが割り当てられ、
前記複数のコアは、前記予測モデルの演算処理に割り当てられていない第4のコアであって、前記第3のコアにおいて前記演算処理に割り振られている利用率よりも大きな空き容量を有する第4のコアを含んでおり、
前記ハードウェアプロセッサは、前記予測モデルの演算処理に対する割り当てを前記第3のコアから前記第4のコアに置き換えて、前記第3のコアにおいて前記演算処理に割り振られていた利用率よりも大きな利用率を前記第4のコアにおいて前記演算処理に割り振ることで、前記予測モデルの演算処理を加速する、
請求項7から11のいずれか1項に記載の制御装置。 - 前記予測モデルは、前記製品の生産に適応した前記指令値の予測の結果に対応する前記出力値として、前記指令値の基準値に対する補正値を出力するように構成される、
請求項1から12のいずれか1項に記載の制御装置。 - 前記予測モデルは、前記ワークの特徴量及び前記製品を生産する環境の属性値の少なくとも一方の入力に対して、前記製品の生産に適応した前記指令値を予測するように構築される、
請求項1から13のいずれか1項に記載の制御装置。 - コンピュータが、
ワークから製品を生産する生産装置への指令値であって、当該生産装置による前記製品の生産に適応した指令値を予測するように構築された予測モデルの演算処理を開始するステップと、
前記予測モデルの演算処理を開始した後に、前記予測モデルの演算処理が完了するまでの残処理時間を算出するステップと、
算出した前記残処理時間に基づいて、前記予測モデルから得られる出力値に基づく前記指令値の決定が、前記生産装置による前記生産の動作を制御する制御タイミングに間に合うか否かを判定するステップと、
前記指令値の決定が前記制御タイミングに間に合うと判定した場合、前記予測モデルの演算処理を完了するまで継続することで、前記演算処理の最終結果として前記予測モデルから出力値を取得し、前記予測モデルから取得した出力値に基づいて前記生産装置への指令値を決定し、決定した前記指令値に基づいて前記生産装置の動作を制御するステップと、
前記指令値の決定が前記制御タイミングに間に合わないと判定した場合、前記予測モデルの演算処理を中止し、前記演算処理の途中結果の値に基づいて前記生産装置への指令値を決定し、決定した前記指令値に基づいて前記生産装置の動作を制御するステップと、
を実行する、
制御方法。 - コンピュータに、
ワークから製品を生産する生産装置への指令値であって、当該生産装置による前記製品の生産に適応した指令値を予測するように構築された予測モデルの演算処理を開始するステップと、
前記予測モデルの演算処理を開始した後に、前記予測モデルの演算処理が完了するまでの残処理時間を算出するステップと、
算出した前記残処理時間に基づいて、前記予測モデルから得られる出力値に基づく前記指令値の決定が、前記生産装置による前記生産の動作を制御する制御タイミングに間に合うか否かを判定するステップと、
前記指令値の決定が前記制御タイミングに間に合うと判定した場合、前記予測モデルの演算処理を完了するまで継続することで、前記演算処理の最終結果として前記予測モデルから出力値を取得し、前記予測モデルから取得した出力値に基づいて前記生産装置への指令値を決定し、決定した前記指令値に基づいて前記生産装置の動作を制御するステップと、
前記指令値の決定が前記制御タイミングに間に合わないと判定した場合、前記予測モデルの演算処理を中止し、前記演算処理の途中結果の値に基づいて前記生産装置への指令値を決定し、決定した前記指令値に基づいて前記生産装置の動作を制御するステップと、
を実行させるための、
制御プログラム。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018069319A JP6888577B2 (ja) | 2018-03-30 | 2018-03-30 | 制御装置、制御方法、及び制御プログラム |
PCT/JP2019/010188 WO2019188273A1 (ja) | 2018-03-30 | 2019-03-13 | 制御装置、制御方法、及び制御プログラム |
US16/968,878 US11762347B2 (en) | 2018-03-30 | 2019-03-13 | Control device, control method, and non-transitory computer-readable recording medium |
CN201980012402.4A CN111699444B (zh) | 2018-03-30 | 2019-03-13 | 控制装置、控制方法以及计算机可读记录介质 |
EP19778267.5A EP3779617B1 (en) | 2018-03-30 | 2019-03-13 | Control device, control method, and control program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018069319A JP6888577B2 (ja) | 2018-03-30 | 2018-03-30 | 制御装置、制御方法、及び制御プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019179468A true JP2019179468A (ja) | 2019-10-17 |
JP6888577B2 JP6888577B2 (ja) | 2021-06-16 |
Family
ID=68061510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018069319A Active JP6888577B2 (ja) | 2018-03-30 | 2018-03-30 | 制御装置、制御方法、及び制御プログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US11762347B2 (ja) |
EP (1) | EP3779617B1 (ja) |
JP (1) | JP6888577B2 (ja) |
CN (1) | CN111699444B (ja) |
WO (1) | WO2019188273A1 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021256215A1 (ja) * | 2020-06-17 | 2021-12-23 | オムロン株式会社 | 制御装置、上位コントローラ、制御方法、及び制御プログラム |
JP2022041873A (ja) * | 2020-08-31 | 2022-03-11 | 株式会社日立製作所 | 製造現場においてエッジプログラムを分散させるシステムおよび方法 |
DE112020007299T5 (de) | 2020-06-05 | 2023-04-20 | Mitsubishi Electric Corporation | Servosteuervorrichtung |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7031502B2 (ja) * | 2018-06-07 | 2022-03-08 | オムロン株式会社 | 制御システム、制御方法、学習装置、制御装置、学習方法及び学習プログラム |
CN111353601A (zh) * | 2020-02-25 | 2020-06-30 | 北京百度网讯科技有限公司 | 用于预测模型结构的延时的方法和装置 |
CN113838127A (zh) * | 2021-09-28 | 2021-12-24 | 天津朗硕机器人科技有限公司 | 一种基于机器视觉的装配孔定位方法 |
CN113848845B (zh) * | 2021-11-26 | 2022-04-15 | 佛山华数机器人有限公司 | 一种多机器人打磨调度方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0695707A (ja) * | 1992-09-11 | 1994-04-08 | Toshiba Corp | モデル予測制御装置 |
JPH0954611A (ja) * | 1995-08-18 | 1997-02-25 | Hitachi Ltd | プロセス制御装置 |
JP2001175735A (ja) * | 1999-12-17 | 2001-06-29 | Canon Inc | 時系列予測装置及びシステム及び方法及び記憶媒体 |
JP2002278603A (ja) * | 2001-03-16 | 2002-09-27 | Toshiba Corp | 最適水運用計画装置及び最適水運用計画方法 |
JP2011100338A (ja) * | 2009-11-06 | 2011-05-19 | Hitachi Automotive Systems Ltd | 車載用マルチアプリ実行装置 |
JP2016192010A (ja) * | 2015-03-31 | 2016-11-10 | 株式会社日立製作所 | 電子制御装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9110971B2 (en) * | 2010-02-03 | 2015-08-18 | Thomson Reuters Global Resources | Method and system for ranking intellectual property documents using claim analysis |
CN107632521B (zh) * | 2017-08-30 | 2020-09-29 | 中国矿业大学 | 一种基于决策树和神经网络的恒电位仪控制方法 |
-
2018
- 2018-03-30 JP JP2018069319A patent/JP6888577B2/ja active Active
-
2019
- 2019-03-13 EP EP19778267.5A patent/EP3779617B1/en active Active
- 2019-03-13 CN CN201980012402.4A patent/CN111699444B/zh active Active
- 2019-03-13 WO PCT/JP2019/010188 patent/WO2019188273A1/ja active Application Filing
- 2019-03-13 US US16/968,878 patent/US11762347B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0695707A (ja) * | 1992-09-11 | 1994-04-08 | Toshiba Corp | モデル予測制御装置 |
JPH0954611A (ja) * | 1995-08-18 | 1997-02-25 | Hitachi Ltd | プロセス制御装置 |
JP2001175735A (ja) * | 1999-12-17 | 2001-06-29 | Canon Inc | 時系列予測装置及びシステム及び方法及び記憶媒体 |
JP2002278603A (ja) * | 2001-03-16 | 2002-09-27 | Toshiba Corp | 最適水運用計画装置及び最適水運用計画方法 |
JP2011100338A (ja) * | 2009-11-06 | 2011-05-19 | Hitachi Automotive Systems Ltd | 車載用マルチアプリ実行装置 |
JP2016192010A (ja) * | 2015-03-31 | 2016-11-10 | 株式会社日立製作所 | 電子制御装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE112020007299T5 (de) | 2020-06-05 | 2023-04-20 | Mitsubishi Electric Corporation | Servosteuervorrichtung |
WO2021256215A1 (ja) * | 2020-06-17 | 2021-12-23 | オムロン株式会社 | 制御装置、上位コントローラ、制御方法、及び制御プログラム |
JP2022041873A (ja) * | 2020-08-31 | 2022-03-11 | 株式会社日立製作所 | 製造現場においてエッジプログラムを分散させるシステムおよび方法 |
JP7182662B2 (ja) | 2020-08-31 | 2022-12-02 | 株式会社日立製作所 | 製造現場においてエッジプログラムを分散させるシステムおよび方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6888577B2 (ja) | 2021-06-16 |
WO2019188273A1 (ja) | 2019-10-03 |
US11762347B2 (en) | 2023-09-19 |
US20210011438A1 (en) | 2021-01-14 |
EP3779617A1 (en) | 2021-02-17 |
EP3779617B1 (en) | 2024-05-01 |
CN111699444B (zh) | 2022-05-24 |
CN111699444A (zh) | 2020-09-22 |
EP3779617A4 (en) | 2021-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019188273A1 (ja) | 制御装置、制御方法、及び制御プログラム | |
Ananthanarayanan et al. | {GRASS}: Trimming stragglers in approximation analytics | |
US11301294B2 (en) | Control device, control method, and control program | |
JP2017520068A5 (ja) | ||
US11513851B2 (en) | Job scheduler, job schedule control method, and storage medium | |
Joseph et al. | Analysis of dynamic due-date assignment models in a flexible manufacturing system | |
CN110402430B (zh) | 控制装置、控制方法以及记录介质 | |
JP7031502B2 (ja) | 制御システム、制御方法、学習装置、制御装置、学習方法及び学習プログラム | |
CN108205469B (zh) | 一种基于MapReduce的资源分配方法及服务器 | |
JP2016042284A (ja) | 並列計算機システム、管理装置、並列計算機システムの制御方法及び管理装置の制御プログラム | |
Obeid et al. | Scheduling job families on non-identical parallel machines with time constraints | |
JP2018142199A (ja) | 学習システムおよび学習方法 | |
JP2020028196A (ja) | 判定装置および判定方法 | |
US20230068058A1 (en) | Machine learning device, computer device, control system, and machine learning method | |
JP6958461B2 (ja) | 制御装置、制御方法、及び制御プログラム | |
Zou et al. | Design parameter optimization of automated production systems | |
KR101335038B1 (ko) | 위상 정렬 및 잉여 시간을 기반으로 하는 주기 및 비주기 실시간 태스크 스케줄링 알고리즘 | |
CN108268313A (zh) | 数据处理的方法和装置 | |
JP6806065B2 (ja) | 仮想計算機システムの性能予測装置、性能予測方法およびコンピュータプログラム | |
US11513866B1 (en) | Method and system for managing resource utilization based on reinforcement learning | |
US20230213918A1 (en) | Method and System for Determining a Compression Rate for an AI Model of an Industrial Task | |
US10417050B2 (en) | Apparatus and method to control calculation resources of an information processing device based on predictive values of reference data | |
EP4369193A1 (en) | Job schedule quality prediction and job scheduling | |
RU2018145551A (ru) | Способ и система для планирования обработки операций ввода/вывода | |
CN112667397B (zh) | 机器学习系统及其资源配置方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200305 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210126 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210224 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210420 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210503 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6888577 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |