JP2021064081A - 情報処理装置、及び情報処理方法 - Google Patents

Abstract

【課題】階層構造を有する複数の工程により行われる作業についての指標の予測を効率よく高い精度で行う。【解決手段】情報処理装置は、下位工程について設定された下位モデルに基づく下位シミュレーションを実行することにより生成される指標を含むサンプルデータを、夫々の作業を表すパラメータに対応付けて記憶し、予測される作業について、上位工程について設定された上位モデルに基づく上位シミュレーションを、予測作業を表すパラメータに類似するパラメータに対応づけられているサンプルデータを用いて行うことにより指標を予測する。予測作業を表すパラメータに類似するパラメータに対応づけられているサンプルデータを記憶していない場合、情報処理装置は、下位シミュレーションを行ってサンプルデータを補完し、補完したサンプルデータを用いて上位シミュレーションを行う。【選択図】図３

Description

本発明は、情報処理装置、及び情報処理方法に関し、とくに工程のシミュレーションを行う技術に関する。

特許文献１には、複数のシミュレータの各々が実行するシミュレーションを同期させることができないという課題を解決することを目的として構成されたシミュレータ連携装置に関して開示されている。シミュレータ連携装置は、シミュレーションを周期的に実行させるサンプル間隔をユーザから受け付け、第１シミュレータから第１シミュレータのサンプル間隔分の第１実行結果を取得し、被制御装置についての第２シミュレータからサンプル間隔分の第２実行結果を取得し、第１実行結果を第２シミュレータに出力し、第２実行結果を第１シミュレータに出力し、第１シミュレータ及び第２シミュレータの各々にサンプル間隔でシミュレーションを周期的に実行させることにより上記課題の解決を図る。

特開２０１８−３６９４５号公報

階層構造を有する複数の工程により行われる作業について、作業効率等に関する指標の予測をシミュレーションにより求める方法としては、上位工程について設定したモデルである上位モデルを用いたシミュレーション（以下、「上位シミュレーション」と称する。）による方法と、上位工程を構成する下位工程の夫々について設定したモデルである下位モデルを用いたシミュレーション（以下、「下位シミュレーション」と称する。）による方法と、がある。

ここで上位シミュレーションによる場合は、処理負荷が比較的小さく迅速に結果を得ることができるが、高い予測精度は期待できない。一方、下位シミュレーションによる場合は上位シミュレーションに比べて予測精度は高くなるが、処理負荷が大きく、結果が得られるまでの時間も長くなる。

上記特許文献１は、複数のシミュレータを連携する方法を開示するが、階層構造を有する複数の工程により行われる作業のシミュレーションにおいて、精度の向上や処理負荷の低減を図るための仕組みについては何も開示していない。

本発明はこのような背景に鑑みてなされたものであり、階層構造を有する複数の工程により行われる作業についての指標の予測を効率よく高い精度で行うことが可能な、情報処理装置、及び情報処理方法を提供することを目的とする。

上記目的を達成するための本発明の一つは、階層構造を有する複数の工程により作業を行う際の指標を予測する情報処理装置であって、前記作業について、下位の前記工程である下位工程について設定されたモデルである下位モデルに基づくシミュレーションである下位シミュレーションを実行することにより生成される指標を含むデータであるサンプルデータを、夫々の前記作業を表すパラメータに対応付けて記憶し、予測される作業である予測作業について、上位の前記工程である上位工程について設定されたモデルである上位
モデルに基づくシミュレーションである上位シミュレーションを、前記予測作業を表すパラメータに類似するパラメータに対応づけられている前記サンプルデータを用いて行うことにより、前記予測作業についての指標を予測する。

その他、本願が開示する課題、及びその解決方法は、発明を実施するための形態の欄、及び図面により明らかにされる。

本発明によれば、階層構造を有する複数の工程により行われる作業についての指標の予測を効率よく高い精度で行うことができる。

階層構造を有する複数の工程により行われる作業の例である。 予測装置のハードウェア構成を示す図である。 予測装置が備える主な機能を示す図である。 作業情報の一例である。 機器情報の一例である。 作業者情報の一例である。 パラメータ生成情報の一例である。 （ａ）はパラメータの一例であり、（ｂ）はサンプルデータの一例である。 工程作業スタック表の一例である。 仮想工程進捗表の一例である。 パラメータの要素毎の変化率の算出方法を説明するフローチャートである。 （ａ）はロボットシミュレータが表示する画面の例であり、（ｂ）は人作業シミュレータが表示する画面の例である。 （ａ）はＲＰＡスクリプトの実行に際して用いる画面情報の一例であり、（ｂ）はシミュレータを自動実行するためのＲＰＡスクリプトの一例である。 予測処理を説明するフローチャートである。 予測結果提示画面の一例である。 作業情報の一例である（第２実施形態）。 パラメータの一例である（第２実施形態）。 予測処理を説明するフローチャートである（第２実施形態）。 仮想空間モデルの一例である（第３実施形態）。 運搬ロボット制御システムの一例である（第３実施形態）。 ３次元シミュレーション映像の一例である（第３実施形態）。 パラメータの一例である（第３実施形態）。

以下、実施形態について図面を参照しつつ説明する。以下の説明において、同一の又は類似する機能を有する構成について同一の符号を付すことにより重複した説明を省略することがある。また以下の説明において、符号の前に付した「Ｓ」の文字は処理ステップを意味する。

［第１実施形態］
図１は、階層構造を有する複数の工程により行われる作業（例えば、倉庫業務における作業、製品製造業務における作業等）の例である。同図に示すように、例示する作業は、上位工程３１（Ａ１，Ａ２，Ａ３）と、上位工程３１を構成する下位工程３２（同図では上位工程Ａ１の下位工程３２（Ａ１１、Ａ１２、Ａ１３）のみ例示）と、を含む。各工程の出力は、バッファ３５（荷物や製品の保管エリア等）を介して、後続する工程に入力さ
れる。

同図に示す作業において、例えば、作業効率や作業品質、利益率等の各種指標(ＫＰＩ:Key Performance Indicator)の予測値をシミュレーションにより求める方法としては、上位工程３１について設定したモデルである上位モデルを用いたシミュレーション（以下、「上位シミュレーション」と称する。）による方法と、上位工程３１を構成する下位工程３２の夫々について設定したモデルである下位モデルを用いたシミュレーション（以下、「下位シミュレーション」と称する。）による方法と、がある。

例えば、公知の作業量予測手法によって予測された作業（以下、「予測作業」と称する。）を上位工程３１に入力した場合の所要時間を予測値として求める場合を考える。この場合、上位シミュレーションでは、例えば、予測作業の作業量を平均処理数や平均生産数で除算する等の概算処理を行う上位モデルにより上記の所用時間を求める。一方、下位シミュレーションでは、例えば、人が作業主体となる場合であれば「作業の総量」や「関与する作業人数」、「作業を阻害するような停滞要因の発生率」、「作業者の熟練度」、「疲労による集中力の低下」等を、またロボット等の機械が作業主体となる場合であれば「作業対象物の認識処理時間」や「認識成功率」等を、夫々パラメータとして設定して機械学習モデル等からなる下位モデルに入力することにより上記の所用時間を求める。

ここで上位シミュレーションによる場合は後者の下位シミュレーションによる場合に比べて不定性を有する細かいパラメータの設定が必要でなく、また処理負荷が小さいため迅速に結果を得ることができる等の利点がある。一方、下位シミュレーションによる場合は精度の向上が期待できるが、詳細なパラメータを取り扱うことで処理が重くなり易く、上位シミュレーションによる場合に比べて結果が得られるまでの時間も長くなる。また確定できないパラメータについては、デフォルト値や、ランダム値により求めた平均値や分散値等により補完する必要があり、精度の低下や処理負荷の増大につながる。

そこで以下に示す実施形態では、入力される様々な作業について実測されたデータ（以下、「実測データ」と称する。）や下位シミュレーションにより生成したデータ（以下、「サンプルデータ」と称する。）を、作業の特徴を表すパラメータ（特徴量）に対応づけて記憶しておき、予測作業を表わすパラメータに類似するパラメータに対応づけられているサンプルデータを記憶している場合は、当該サンプルデータを利用して上位シミュレーションを行うことにより上位工程３１についての予測値を求める。

また予測作業を表わすパラメータに類似するパラメータに対応づけられているサンプルデータを記憶していない場合は、当該上位工程３１の下位工程３２について下位シミュレーションを行うことによりサンプルデータを補完するデータ（サンプルデータとして追加するデータ。以下、「補完データ」と称する。）を生成し、サンプルデータと補完データ（もしくは補完データのみ）を用いて上位シミュレーションを行うことにより、上位工程３１についての予測値を求める。

このように、予測作業を表わすパラメータに類似するパラメータに対応づけられているサンプルデータを記憶している場合は、サンプルデータを利用して上位シミュレーションを行い、予測作業を表わすパラメータに類似するパラメータに対応づけられているサンプルデータを記憶していない場合は、必要な補完データを下位シミュレーションにより生成して上位シミュレーションを行うことで、効率よく高い精度で予測値を求めることができる。以下、作業が倉庫業務における作業である場合を例として説明する。

図２に、以上の仕組みの実現に用いる情報処理装置（以下、「予測装置１００」と称する。）のハードウェア構成を示している。同図に示すように、予測装置１００は、プロセ
ッサ１１、主記憶装置１２、補助記憶装置１３、入力装置１４、出力装置１５、及び通信装置１６を備える。尚、予測装置１００は、例えば、クラウドシステム（Cloud System）により提供されるクラウドサーバ（Cloud Server）のように仮想的な情報処理資源を用いて実現されるものであってもよい。また予測装置１００は、同図に示す構成を有する複数の情報処理装置を用いて構成してもよい。

プロセッサ１１は、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＦＰＧＡ（Field Programmable
Gate Array）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＡＩ（Artificial Intelligence）チップ等を用いて構成されている。

主記憶装置１２は、プログラムやデータを記憶する装置であり、例えば、ＲＯＭ（Read
Only Memory）、ＲＡＭ（Random Access Memory）、不揮発性メモリ（ＮＶＲＡＭ（Non Volatile RAM））等である。

補助記憶装置１３は、例えば、ＳＳＤ（Solid State Drive）、ハードディスクドライ
ブ、光学式記憶装置（ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）等）、ストレージシステム、ＩＣカード、ＳＤカードや光学式記録媒体等の記録媒体の読取／書込装置、クラウドサーバの記憶領域等である。補助記憶装置１３には、記録媒体の読取装置や通信装置１６を介してプログラムやデータを読み込むことができる。補助記憶装置１３に格納（記憶）されているプログラムやデータは主記憶装置１２に随時読み込まれる。

入力装置１４は、外部からの入力を受け付けるインタフェースであり、例えば、キーボード、マウス、タッチパネル、カードリーダ、音声入力装置等である。

出力装置１５は、処理経過や処理結果等の各種情報を出力するインタフェースである。出力装置１５は、例えば、上記の各種情報を可視化する表示装置（液晶モニタ、ＬＣＤ（Liquid Crystal Display）、グラフィックカード等）、上記の各種情報を音声化する装置（音声出力装置（スピーカ等））、上記の各種情報を文字化する装置（印字装置等）である。尚、例えば、予測装置１００が通信装置１６を介して他の装置との間で情報の入力や出力を行う構成としてもよい。

通信装置１６は、他の装置との間の通信を実現する装置である。通信装置１６は、通信ネットワークを介した他の装置（例えば、工程が行われる現場に設けられている情報処理装置やユーザ端末（スマートフォン、タブレット、携帯電話機等））との間の通信を実現する、有線方式または無線方式の通信インタフェースであり、例えば、ＮＩＣ（Network Interface Card）、無線通信モジュール（ＢＬＥモジュール、ＷｉＦｉモジュール等）、ＵＳＢモジュール、シリアル通信モジュール等である。

予測装置１００が備える機能は、プロセッサ１１が、主記憶装置１２に格納されているプログラムを読み出して実行することによって、もしくは、夫々を構成するハードウェア（ＦＰＧＡ、ＡＳＩＣ、ＡＩチップ等）によって実現される。予測装置１００には、例えば、オペレーティングシステム、デバイスドライバ、ファイルシステム、ＤＢＭＳ（DataBase Management System）（リレーショナルデータベース、ＮｏＳＱＬ等）等が導入されていてもよい。

図３に予測装置１００が備える主な機能を示す。同図に示すように、予測装置１００は、記憶部１１０、作業予測部１３０、機器情報管理部１３２、作業者情報管理部１３３、パラメータ生成情報管理部１３４、パラメータ生成部１３５、サンプルデータ管理部１４０、予測処理部１５０、及び進捗管理部１６０の各機能を備える。

記憶部１１０は、上位モデル情報１１１、下位モデル情報１１２、作業情報１１３、機器情報１１４、作業者情報１１５、パラメータ生成情報１１６、パラメータ１１７、サンプルデータ１１８、補完データ１１９、仮想工程進捗表１２１、及び工程作業スタック表１２０の各情報（データ）を記憶する。記憶部１１０は、例えば、ＤＢＭＳが提供するデータベースのテーブルや、ファイルシステムが提供するファイルとして、これらの情報を記憶する。

上位モデル情報１１１は、上位モデルを定義するデータ（例えば、線形予測を行う算出式、機械学習モデルの定義情報）を含む。上位モデルは、作業予測部１３０が生成（予測）した作業について、パラメータ生成部１３５が生成したパラメータ１１７を入力とする上位シミュレーションを行うことにより予測値を出力する。

下位モデル情報１１２は、下位モデルを定義するデータ（例えば、線形予測を行う算出式、機械学習モデルの定義情報）を含む。下位モデルは、作業予測部１３０が生成した作業について、パラメータ生成部１３５が生成したパラメータ１１７や、前段の下位シミュレーションの出力を入力として下位シミュレーションを行うことにより、予測値等の結果を出力する。

作業情報１１３は、作業予測部１３０が予測した予測作業に関する情報（予測作業の種類や作業量等）を含む。

機器情報１１４は、機器情報管理部１３２によって管理される情報であり、工程の作業が実施される現場に存在する機器に関する情報を含む。機器情報１１４は、パラメータ生成部１３５や補完データ生成部１７０によって参照される。

作業者情報１１５は、作業者情報管理部１３３によって管理されるデータであり、工程の作業を実施する作業者に関する情報を含む。作業者情報１１５は、パラメータ生成部１３５や補完データ生成部１７０によって参照される。

パラメータ生成情報１１６は、パラメータ生成情報管理部１３４によって管理される情報であり、パラメータ１１７の生成方法に関する情報を含む。パラメータ生成情報１１６は、パラメータ生成部１３５がパラメータ１１７を生成する際に参照される。

パラメータ１１７は、作業情報１１３、機器情報１１４、作業者情報１１５、及びパラメータ生成情報１１６に基づき生成される、予測作業の特徴を表す情報（特徴量）であり、例えば、ベクトル形式で表現される。パラメータ１１７は、シミュレーション（上位シミュレーション、下位シミュレーション）の実行に際してモデル（上位モデル、下位モデル）に入力される。

サンプルデータ１１８は、サンプルデータ管理部１４０によって管理される情報であり、工程の指標を表わす情報を含む。サンプルデータ１１８は、工程の様々な状況下で実測された情報や、下位シミュレーションにより得られる情報に基づき生成される。

補完データ１１９は、上位シミュレーションに実施において不足するサンプルデータ１１８を補完するデータであり、後述する補完データ生成部１５３によって生成される。

仮想工程進捗表１２１は、進捗管理部１６０によって管理される情報であり、予測処理部１５０により生成された予測値に基づく仮想的な工程の進捗状況に関する情報を含む。

工程作業スタック表１２０は、進捗管理部１６０によって管理される情報であり、作業毎の仮想的な進捗状況に関する情報を含む。

作業予測部１３０は、公知の作業量予測手法により工程に入力される作業（作業の種類、作業量等）を予測して作業情報１１３を生成する。

図４に作業情報１１３の一例を示す。同図に示すように、例示する作業情報１１３は、作業ＩＤ１１３１、品目１１３２、数量１１３３、重量１１３４、容積１１３５、最大長１１３６、上下配慮要否１１３７、値札付け作業有無１１３８、検品作業形式１１３９、及び個別梱包要否１１４０の各項目からなる一つ以上のエントリ（レコード）で構成される。

作業ＩＤ１１３１には、作業の識別子である作業ＩＤが設定される。品目１１３２には、当該作業で取り扱われる品目を示す情報（本例では品目名）が設定される。数量１１３３には、当該作業で取り扱われる当該品目の数量が設定される。重量１１３４には、当該品目１つあたりの重量が設定される。容積１１３５には、当該品目１つあたりの容積が設定される。最大長１１３６には、当該品目の最大長が設定される。上下配慮要否１１３７には、当該品目の取り扱いに際し、当該品目の上下を逆にしないように配慮する必要があるか否かを示す情報（本例では、要の場合は「○」、否の場合は「×」）が設定される。値札付け作業有無１１３８には、当該品目の作業に際し値札を付ける必要があるか否かを示す情報（本例では、要の場合は「○」、否の場合は「×」）が設定される。検品作業形式１１３９には、当該商品の検品作業の形式を示す情報が設定される。個別梱包要否１１４０には、当該商品が個別梱包対象か否かを示す情報（本例では、要の場合は「○」、否の場合は「×」）が設定される。

図３に戻り、機器情報管理部１３２は、機器情報１１４を管理する。また作業者情報管理部１３３は、作業者情報１１５を管理する。またパラメータ生成情報管理部１３４は、パラメータ生成情報１１６を管理する。機器情報１１４や作業者情報１１５は、例えば、入力装置１４を介して入力されるものでもよいし、通信装置１６を介して工程が行われる現場等から自動取得されるものでもよい。

パラメータ生成部１３５は、作業情報１１３、機器情報１１４と作業者情報１１５のうちの少なくともいずれか、及びパラメータ生成情報１１６を参照してパラメータ１１７を生成する。

図５に機器情報１１４の一例を示す。例示する機器情報１１４は、機器が荷捌きロボット等の作業ロボットである場合の例である。同図に示すように、例示する機器情報１１４は、機器ＩＤ１１４１、アーム垂直移動最大速度１１４２、アーム水平移動最大速度１１４３、認識モジュール平均性能値１１４４、及びハードウェア性能劣化マージン１１４５の各項目を有する一つ以上のエントリ（レコード）で構成される。

機器ＩＤ１１４１には、機器の識別子である機器ＩＤが設定される。アーム垂直移動最大速度１１４２には、当該機器が備えるアームの垂直移動最大速度が設定される。アーム水平移動最大速度１１４３には、当該機器が備えるアームの水平移動最大速度が設定される。認識モジュール平均性能値１１４４には、当該機器が備える物体認識装置が、コンベアを流れる物体の特徴を取得するのに要する平均時間が設定される。ハードウェア性能劣化マージン１１４５には、機器が備えるハードウェア（例えば、モータ）の使用限界（劣化マージン）を示す情報が設定される。

図６に作業者情報１１５の一例を示す。作業者情報１１５には、工程が行われる現場で
作業を行う作業者に関するリアルタイムな情報が管理される。同図に示すように、例示する作業者情報１１５は、商品特徴量１１５１、環境特徴量１１５２、作業内容１１５３、経験期間１１５４、所要時間１１５５、及び連続従事時間１１５６の各項目を有する一つ以上のエントリ（レコード）で構成される。

商品特徴量１１５１には、作業者が取り扱う商品の特徴を示す情報（本例では、要素ｚ₁〜ｚ₃の組み合わせ）が設定される。環境特徴量１１５２には、作業者の作業環境を示す情報（本例では商品を搬送するコンベアの長さ）が設定される。作業内容１１５３には、作業者が行う作業の内容を示す情報が設定される。経験期間１１５４には、当該作業を行う作業者について想定する当該作業の経験期間が設定される。所要時間１１５５には、作業者が当該作業を行うのに要する時間が設定される。連続従事時間１１５６には、作業者が当該作業に連続して従事可能な上限時間が設定される。

図７にパラメータ生成情報１１６の一例を示す。（ａ）は機器（ロボット）を利用して工程の作業を行う場合のパラメータ生成情報１１６であり、（ｂ）は作業者が工程の作業を行う場合のパラメータ生成情報１１６である。同図に示すように、パラメータ生成情報１１６は、パラメータＩＤ１１６１、取得先１１６２、利用項目１１６３、及び算出式１１６４の各項目を有する一つ以上のエントリ（レコード）で構成される。

パラメータＩＤ１１６１には、パラメータ（特徴量）の識別子であるパラメータＩＤが設定される。取得先１１６２には、当該パラメータの算出に用いる情報（項目）の取得先を示す情報（「作業情報」（取得先が作業情報１１３である場合）、「機器情報」（取得先が機器情報１１４である場合）、「作業者情報」（取得先が作業者情報１１５である場合）等）が設定される。利用項目１１６３には、取得先から取得する一つ以上の項目を特定する情報が設定される。算出式１１６４には、当該パラメータを求めるための算出式が設定される。

パラメータ生成部１３５は、以上に例示した、作業情報１１３、機器情報１１４、及び作業者情報１１５のうちの少なくともいずれかとパラメータ生成情報１１６とに基づき、例えば、作業情報１１３から取得されるパラメータである品目数（品目１１３２の種類の数）、重量１１３４、最大長１１３６、上下配慮要否１１３７、機器情報１１４から取得される能力や性能（アーム垂直移動最大速度１１４２、アーム水平移動最大速度１１４３、認識モジュール平均性能値１１４４、及びハードウェア性能劣化マージン１１４５）等を要素とする特徴ベクトルをパラメータ１１７として生成する。

図８（ａ）に、パラメータ１１７の一例を示す。例示するパラメータ１１７は、データＩＤ１１７１、及びパラメータ要素１１７２の各項目を有する一つ以上のエントリ（レコード）で構成される。データＩＤ１１７１には、パラメータ１１７の識別子であるパラメータＩＤが設定される。パラメータ要素１１７２には、パラメータの要素（ｚ₁〜ｚ₆）が設定される。

図３に戻り、サンプルデータ管理部１４５は、工程が行われる現場等から取得されたサンプルデータをサンプルデータ１１８として管理する。

図８（ｂ）に、サンプルデータ１１８の一例を示す。例示するサンプルデータ１１８は、データＩＤ１１８１、パラメータ要素１１８２、所用時間１１８３、及びパラメータの要素毎の変化率１１８４の各項目を有する一つ以上のエントリ（レコード）で構成される。

データＩＤ１１８１には、サンプルデータ１１８の識別子であるサンプルデータＩＤが
設定される。パラメータ要素１１８２には、当該サンプルデータ１１８に対応付けられるパラメータの要素（ｚ₁〜ｚ₆）が設定される。尚、パラメータ要素１１８２は、上位シミュレーションの入力となるパラメータ１１７に類似するサンプルデータ１１８を検索する際のインデックスとなる。所用時間１１８３には、生産性指標（所用時間等）の実測値又は下位シミュレーションの結果が設定される。パラメータの要素毎の変化率１１８４には、パラメータの要素毎の変化率の算出値が設定される。パラメータの要素毎の変化率の算出方法については後述する。尚、補完データ１１９もサンプルデータ１１８と同様の構成を有する。

図３に戻り、予測処理部１５０は、シミュレーション（上位シミュレーション、下位シミュレーション）を実行することにより、作業の生産性に関する指標である予測値を求める。予測処理部１５０は、予測作業を表わすパラメータ１１７に類似するパラメータに対応づけられているサンプルデータ１１８を記憶している場合、当該サンプルデータ１１８を用いて上位シミュレーションを行うことにより上位工程３１についての予測値を求める。

また予測処理部１５０は、予測作業を表わすパラメータ１１７に類似するパラメータに対応づけられているサンプルデータ１１８を記憶していない場合、当該上位工程３１の下位工程３２について下位シミュレーションを行うことにより補完データ１１９を生成し、サンプルデータ１１８と生成した補完データ１１９（もしくは生成した補完データ１１９のみ）を用いて上位シミュレーションを行うことにより、上位工程３１についての予測値を求める。

同図に示すように、予測処理部１５０は、サンプルデータ抽出部１５１、補完要否判定部１５２、補完データ生成部１５３、及び予測値算出部１５４を含む。

サンプルデータ抽出部１５１は、記憶部１１０が記憶しているサンプルデータ１１８の中から、予測値を求めたい予測作業を表わすパラメータ１１７に類似するパラメータに対応づけられているサンプルデータ１１８を抽出する。サンプルデータ１１８の抽出方法の詳細については後述する。

補完要否判定部１５２は、上位シミュレーションの実行に際し、予測作業を表わすパラメータ１１７に類似するパラメータに対応づけられているサンプルデータ１１８を記憶しているか否かを判定することにより、補完データ１１９の生成要否を判定する。補完データ１１９の生成要否の判定方法の詳細については後述する。

補完データ生成部１５３は、上位工程を構成する下位工程について下位シミュレーションを実行することにより補完データ１１９を生成する。補完データ１１９の生成方法の詳細については後述する。

予測値算出部１５４は、上位シミュレーションを行うことにより予測値を求める。

図３に戻り、進捗管理部１６０は、各上位シミュレーションの実行結果に基づき、各工程の進捗状況を管理する。同図に示すように、進捗管理部１６０は、作業進捗予測部１６１、作業進捗管理部１６２、及び工程進捗管理部１６３を含む。

作業進捗予測部１６１は、上位シミュレーションの実行結果に基づき、作業の進捗量（進捗度）を求める。

作業進捗管理部１６２は、工程作業スタック表１２０に作業の進捗状況を管理する。

図９に工程作業スタック表１２０の一例を示す。同図に示すように、例示する工程作業スタック表１２０は、工程ＩＤ１２０１、作業ＩＤ１２０２、進捗度１２０３、所用時間１２０４、仮想開始時間１２０５の各項目を有する一つ以上のエントリ（レコード）で構成される。工程ＩＤ１２０１には、工程の識別子である工程ＩＤが設定される。作業ＩＤ１２０２には、作業ＩＤが設定される。進捗度１２０３には、工程の現在の進捗度が設定される。所用時間１２０４には、現時点までに当該作業に要した時間が設定される。仮想開始時間１２０５には、当該作業のシミュレーション上の仮想的な開始時間が設定される。尚、本例はシミュレーション上の現在時刻が「午前１０：００」であるときの例である。

図３に示す工程進捗管理部１６３は、工程作業スタック表１２０に基づく工程の進捗状況（完了状況）を仮想工程進捗表１２１に反映する。

図１０に仮想工程進捗表１２１の一例を示す。例示する仮想工程進捗表１２１は、作業ＩＤ１２１１、及び各工程の開始／終了時刻の設定欄１２１２〜１２１３の各項目を有する一つ以上のエントリ（レコード）で構成される。作業ＩＤ１２１１には、作業ＩＤが設定される。各工程の開始／終了時刻の設定欄１２１２〜１２１３には夫々、各工程の開始又は終了時刻が設定される。尚、本例は現在時刻が「午前１０：００」であるときの例である。

＜パラメータの要素毎の変化率の算出方法＞
図１１は、図８（ｂ）のサンプルデータ１１８におけるパラメータの要素毎の変化率１１８４の算出処理（以下、「パラメータの要素毎変化率算出処理Ｓ１１００」と称する。）、を説明するフローチャートである。以下、同図とともにパラメータの要素毎変化率算出処理Ｓ１１００について説明する。

サンプルデータ管理部１４０は、例えば、予測装置１００が新たなサンプルデータ１１８を記憶したことを契機として当該処理を実行する（Ｓ１１１１：ＹＥＳ）。

まずサンプルデータ管理部１４０は、パラメータｚの要素ｚ_iの一つを選択し（Ｓ１１
１２）、選択した要素ｚ_iを微小変化（ｚ＋Δｚ_i）させる（Ｓ１１１３）。

続いて、サンプルデータ管理部１４０は、ｚ＋Δｚ_iで上位シミュレーションを実行し
て予測値ｙ_iを求める（Ｓ１１１４）。

続いて、サンプルデータ管理部１４０は、予測値ｙ_iの元の予測値ｙ₀からの変化量Δｙ_i＝ｙ_i−ｙ₀を求める（Ｓ１１１５）。

続いて、サンプルデータ管理部１４０は、予測値ｙ_iの変化率（＝Δｙ_i／Δｚ_i）を変
化率ｄｙ／ｄｚ_iとしてサンプルデータ１１８に設定する（Ｓ１１１６）。

続いて、サンプルデータ管理部１４０は、Ｓ１１１２で全ての要素ｚ_iを選択済か否か
を判定する（Ｓ１１１７）。全ての要素ｚ_iを選択済であれば（Ｓ１１１７：ＹＥＳ）当
該処理は終了する。未選択の全ての要素ｚ_iがあれば（Ｓ１１１７：ＮＯ）、処理はＳ１
１１２に戻る。

＜予測値の算出方法の例＞
予測値算出部１５４は、例えば、上位シミュレーションにおいて次式に基づく線形予測を行うことにより予測値を生成する。

上式において、左辺のｙ（ｚ＋Δｚ）は、上位シミュレーションにより求めようとする生産性の予測値である。また右辺第１項のｙ（ｚ）は、生産性指標の実測値(作業所用時
間等）である。また右辺第２項のΔｚ_iは、予測作業のパラメータの要素ｚ_i ⁰毎のサンプ
ルデータ１１８又は補完データ１１９のパラメータ要素ｚ_iとの差である。右辺第２項の
偏微分は、サンプルデータ１１８又は補完データ１１９から取得される、生産性のパラメータ要素ｚ_i毎の変化率（図８のパラメータの要素毎の変化率１１８４）である。

＜補完要否判定部１５２による補完要否の判定方法＞
補完要否判定部１５２は、サンプルデータ１１８に対応づけられているパラメータの変化量に対する、上位シミュレーションによる予測作業についての指標の予測値の変化量の大きさに基づき補完要否を判定する。具体的には、例えば、補完要否判定部１５２は、次式で定義される距離ｄ（ｚ⁰，ｚ）に基づき補完データ１１９の生成要否を判定する。

上式において、ｚ_i ⁰は、予測作業のパラメータ１１７の要素であり、ｚ_iは、サンプル
データ１１８に対応付けて記憶しているパラメータの要素である。

このようにサンプルデータ１１８に対応づけられているパラメータの変化量に対する、上位シミュレーションによる予測作業についての指標の予測値の変化量の大きさに基づき補完要否を判定することで、予測作業についての指標の予測精度を高めることができる。

補完要否判定部１５２は、距離ｄ（ｚ⁰，ｚ）が小さいＮ個のサンプルデータ１１８が
予測作業のパラメータ１１７の近傍に存在する場合は、補完データ１１９の生成は不要であると判定し、一方、存在しない場合は、補完データ１１９の生成が必要であると判定する。具体的には、例えば、補完要否判定部１５２は、ｗを正の定数として次式を満たすサンプルデータ１１８が存在する場合は補完データ１１９の生成は不要であると判定し、存在しない場合は補完データ１１９の生成が必要であると判定する。

＜補完データの生成方法＞
補完データ生成部１５３は、下位シミュレーションに入力するパラメータを生成し、生成したパラメータを用いて下位シミュレーションを実行することにより補完データ１１９を生成する。補完データ生成部１５３は、例えば、サンプルデータ１１８に対応づけられているパラメータから把握されるデータ分布に従ったランダム値を生成することにより、下位シミュレーションに用いるパラメータを生成する。また補完データ生成部１５３は、例えば、下位工程３２の作業主体が作業ロボットである場合、生成したパラメータを用いて、機器情報１１４を参照しつつ、作業ロボットの作業を模擬するシミュレータ（以下、「ロボットシミュレータ」と称する。）を実行することにより、補完データ１１９を生成する。

図１２（ａ）に、ロボットシミュレータが表示する画面の例を示す。例示するロボットシミュレータは、例えば、ユーザインタフェースを介して、パラメータとして、商品のサイズ、商品の重量、商品の表面の摩擦係数、商品の形状を特定するデータ等を設定することによりシミュレーションを実行し、補完データ１１９に相当する情報を出力する。尚、パラメータの設定から補完データ１１９の取得までの一連の処理をＲＰＡ（Robotic Process Automation）等を用いて自動化することで、ロボットシミュレータを用いて効率よく補完データ１１９を生成することができる。

また補完データ生成部１５３は、例えば、下位工程３２の作業主体が作業者（人）である場合、生成したパラメータを用いて、補完データ生成部１５３は、作業者情報１１５を参照しつつ、人の作業を模擬するシミュレータ（以下、「人作業シミュレータ」と称する。）を実行することにより、補完データ１１９を生成する。

図１２（ｂ）に、人作業シミュレータが表示する画面の例を示す。例示する人作業シミュレータは、例えば、ユーザインタフェースを介して、パラメータとして、商品の特徴（商品のサイズ、商品の重量、商品の表面の摩擦係数、商品の形状、梱包材の形状等）や作業環境の特徴（入力用作業バッファ、入力コンベア、出力コンベア、作業机、コンベア操作盤、検品センサ等）、作業者の経験期間、作業内容等を特定するデータ等を設定することによりシミュレーションを実行し、補完データ１１９に相当する情報を出力する。尚、パラメータの設定から補完データ１１９の取得までの一連の処理をＲＰＡ等を用いて自動化することで、人作業シミュレータを用いて効率よく補完データ１１９を生成することができる。

図１３にシミュレータを自動実行する際に用いるＲＰＡスクリプトの例を示す。（ａ）は、ＲＰＡスクリプトの実行に際して用いる画面情報の一例である。また（ｂ）は、シミュレータを自動実行するためのＲＰＡスクリプトの一例である。

このように下位シミュレーションを既存のシミュレータを用いて行うことで、低コストで簡便に下位シミュレーションを行うことができる。またＲＰＡスクリプトによりシミュレータを自動実行することで、効率よく下位シミュレーションを行うことができる。

＜予測処理＞
図１４は、予測装置１００が予測値の生成に際して行う処理（以下、「予測処理Ｓ１４００」と称する。）を説明するフローチャートである。以下、同図とともに予測処理Ｓ１４００について説明する。

同図に示すように、予測処理Ｓ１４００は、シミュレーションの対象となる上位モデル毎、予め設定された単位時間毎、及び作業予測部１３０により予測された作業毎のループ処理（順にＳ１４０１Ｓ〜Ｓ１４０１Ｅ、Ｓ１４０２Ｓ〜Ｓ１４０２Ｅ、Ｓ１４０３Ｓ〜Ｓ１４０３Ｅ）を含む。尚、予測処理Ｓ１４００の開始時点において、作業予測部１３０により作業情報１１３は既に生成されているものとする。

上記ループ処理では、まずパラメータ生成部１３５が、作業情報１１３、機器情報１１４及び作業者情報１１５のうちの少なくともいずれか、及びパラメータ生成情報１１６を参照してパラメータ１１７を生成する（Ｓ１４１１）。

続いて、予測処理部１５０のサンプルデータ抽出部１５１が、生成されたパラメータ１１７と対応づけられているパラメータが類似するサンプルデータ１１８を検索し、補完要否判定部１５２が、予測作業を表わすパラメータ１１７に類似するパラメータに対応づけ
られているサンプルデータ１１８を抽出できたか否かを判定する（Ｓ１４１２）。サンプルデータ１１８を抽出できた場合（Ｓ１４１２：ＹＥＳ）、予測値算出部１５４が、抽出したサンプルデータ１１８を用いて上位シミュレーションを行い予測値を算出する（Ｓ１４２０）。

一方、サンプルデータ１１８を抽出できなかった場合（Ｓ１４１２：ＮＯ）、パラメータ生成部１３５が、下位シミュレーションに用いるパラメータを生成し（Ｓ１４１５）、補完データ生成部１５３が、生成された上記パラメータを入力として下位シミュレーションを行うことにより補完データ１１９を生成して記憶する（Ｓ１４１５、Ｓ１４１６）。そして予測値算出部１５４が、生成したサンプルデータ１１８と生成した補完データ１１９（もしくは生成した補完データ１１９のみ）を用いて上位シミュレーションを行い予測値を算出する（Ｓ１４２０）。

続いて、進捗管理部１６０の作業進捗予測部１６１が、上位シミュレーションの実行結果に基づき、作業の進捗度を求める（Ｓ１４３０）。

続いて、作業進捗管理部１６２が、求めた進捗度を工程作業スタック表１２０に反映する（Ｓ１４３１）。

続いて、工程進捗管理部１６３が、工程作業スタック表１２０に基づき工程の完了有無を把握し、把握した内容を仮想工程進捗表１２１に反映する（Ｓ１４３２）。

＜予測結果の提示＞
図１５は、予測装置１００が予測結果としてユーザに提示する画面（以下、「予測結果提示画面１５００」と称する。）の一例である。同図に示すように、予測結果提示画面１５００は、横軸をパラメータｚのいずれかの要素（ｚ₁〜ｚ₄）とし、縦軸を予測値ｙの大きさとして、予測値、サンプルデータ、最近傍のサンプルデータ、及び補完データをプロットしたグラフの表示欄１５１１、上記グラフの横軸の内容をユーザに選択させるためのリストボックス１５１２、予測値（生産性推定値）の表示欄１５１３、Δｙ／ｙ１５１４の値（式１の右辺第１項に対する右辺第２項の比に相当）の表示欄１５１４、前述したｗの値（更新閾値）の表示欄１５１５、手動再計算ボタン１５１６等を含む。

ユーザは、リストボックス１５１２を操作することで、上記グラフの横軸のパラメータの要素（ｚ₁〜ｚ₄）の一つを選択することができる。またユーザは、手動再計算ボタン１５１６を操作することで、予測装置１００に、最新のサンプルデータ１１８に基づく予測処理Ｓ１４００を再実行させることができる。例えば、Δｙ／ｙ１５１４の値が予め設定された閾値よりも大きい場合、ユーザは手動再計算ボタン１５１６を操作して最新のサンプルデータ１１８に基づく予測処理Ｓ１４００を再実行させる。

ユーザは、予測結果提示画面１５００を参照することで、予測処理Ｓ１４００により生成された予測値とサンプルデータもしくは補完データとの関係や、予測処理Ｓ１４００で用いられた各種の値を容易に確認することができる。

［第２実施形態］
続いて、第２実施形態として、作業が倉庫の経営計画（週次予測計画）に関する作業である場合における構成例を示す。第２実施形態の予測装置１００の基本的な構成は第１実施形態の予測装置１００と同様である。以下、第１実施形態と相違する部分を中心として説明する。

図１６は、第２実施形態の予測装置１００の作業予測部１３０が生成する作業情報１１
３の一例である。同図に示すように、作業予測部１３０は、倉庫の作業計画表を作業情報１１３として生成する。作業情報１１３は、日毎の作業計画を示す情報を含む。例示する作業情報１１３は、作業、作業総品目数、作業種類数、作業総重量、作業予定人数、終了予定時刻、及び利益指標予測の各項目について設定された情報を含む。

図１７は、第２実施形態の予測装置１００のパラメータ生成部１３５が生成するパラメータ１１７の一例である。同図に示すように、本例では、作業日１１７１毎に、作業総品目数、作業種類数、作業総重量、作業予定人数、及び作業ロボット数を要素（ｚ₁〜ｚ₅）とするパラメータが生成される。

図１８は、第２実施形態の予測装置１００が予測値の生成に際して行う処理（以下、「予測処理Ｓ１８００」と称する。）を説明するフローチャートである。以下、同図とともに予測処理Ｓ１８００について説明する。尚、予測処理Ｓ１８００の開始時点において、作業予測部１３０により図１６に示す作業情報１１３が既に生成されているものとする。

同図に示すように、予測処理Ｓ１８００は、作業情報１１３の作業日毎のループ処理（Ｓ１８０１Ｓ〜Ｓ１８０１Ｅ）を含む。

上記ループ処理では、まずパラメータ生成部１３５が、作業情報１１３、機器情報１１４及び作業者情報１１５のうちの少なくともいずれか、及びパラメータ生成情報１１６を参照してパラメータ１１７（図１７に例示するパラメータ１１７）を生成する（Ｓ１８１１）。

続いて、予測処理部１５０のサンプルデータ抽出部１５１が、生成されたパラメータ１１７と、対応づけられているパラメータが類似するサンプルデータ１１８を検索し、補完要否判定部１５２が、予測作業を表わすパラメータ１１７に類似するパラメータに対応づけられているサンプルデータ１１８を抽出できたか否かを判定する（Ｓ１８１２）。サンプルデータ１１８を抽出できた場合（Ｓ１８１２：ＹＥＳ）、予測値算出部１５４が、抽出したサンプルデータ１１８を用いて上位シミュレーションを行うことにより予測値（本例では作業の終了予定時刻、利益指標の予測値）を求める（Ｓ１８２０）。

一方、サンプルデータ１１８を抽出できなかった場合（Ｓ１８１２：ＮＯ）、補完データ生成部１５３が、下位シミュレーションに用いるパラメータを生成し（Ｓ１８１５）、生成したパラメータを入力として下位シミュレーションを行うことにより補完データ１１９を生成して記憶し（Ｓ１８１５、Ｓ１８１６）、生成したサンプルデータ１１８と生成した補完データ１１９（もしくは生成した補完データ１１９のみ）を用いて上位シミュレーションを行って予測値を求める（Ｓ１８２０）。

ループ処理（Ｓ１８０１Ｓ〜Ｓ１８０１Ｅ）を抜けると、続いて、予測値算出部１５４が、月間総利益の予測値を算出するとともに（Ｓ１８３０）、算出した各予測値（作業の終了予定時刻、利益指標の予測値、月間総利益の予測値）を記載した、所定期間における予定表を生成して出力する（Ｓ１８３１）。

続いて、予測処理部１５０は、ユーザから確認日の追加入力を受け付けたか否かを判定する（Ｓ１８４０）。追加入力を受け付けた場合は（Ｓ１８４０：ＹＥＳ）、受け付けた確認日を作業日に加えてＳ１８０１Ｓからの処理を行う。追加入力を受け付けていない場合（Ｓ１８４０：ＮＯ）、予測処理Ｓ１８００は終了する。

このように、第１実施形態の構成は、倉庫の経営計画における作業の指標を予測する場合にも適用することができ、倉庫の経営計画に関する作業の指標の予測を効率よく高い精
度で行うことができる。

［第３実施形態］
第３実施形態では、第１実施形態の予測装置１００の仕組みを、自律制御ロボットを用いて物流業務（検品、仕分け、梱包等）に関する作業を行う物流業務システムへの適用事例を示す。以下に例示する物流業務システムは、個々のロボットが自律的に状況判断を行って動作するシステム（以下、「自律行動システム」と称する。）と、複数のロボットに対して作業の概要を指示して複数のロボットの全体的な動作を管理するシステム（以下、「協調管理システム」と称する。）と、を含む。

図１９は、物流業務システムのシミュレーションに際して用いる、作業現場の仮想空間モデル５である。同図に示すように、仮想空間モデル５は、作業対象となる物品６を作業エリア２０に搬入する、複数の搬入口２１ａを有する搬入装置２１、各搬入口２１ａから作業エリア２０に搬入される物品６を運搬する複数の運搬ロボットＲＴ、物品６に対して作業（検品、仕分け、梱包等）を行う複数の作業ロボットＲＷ、作業ロボットＲＷが物品６に対して作業を行う複数の作業台２２、物品６を搬送する複数のコンベアＢＣ（作業位置まで物品６を搬送するコンベア、作業後の物品６を搬出するコンベア）、各コンベアＢＣに載置されている物品６の数（作業前の物品６の数、作業後の物品６の数）を計数する複数の物品計数装置ＣＴ、を含む。作業ロボットＲＷは、アタッチメントＡの交換が可能であり、アタッチメントＡを交換することで物品６に対して行う作業の種類を変更することができる。アタッチメントＡの交換には所定時間を要する。

予測装置１００は、仮想空間モデル５について、上位シミュレーションとして協調管理システムのシミュレーションを行う。また予測装置１００は、仮想空間モデル５について、下位シミュレーションとして自律行動システムのシミュレーションを行う。例えば、予測装置１００は、コンベアＢＣに載置されている作業前物品（未処理物品）の数に基づき、運搬ロボットＲＴに作業指示を出すアルゴリズムや、コンベアＢＣに載置されている作業前物品の数に基づき作業ロボットＲＷにアタッチメントＡの交換指示を出すアルゴリズムの効率検証を目的として、上位シミュレーションを行う。また例えば、予測装置１００は、運搬ロボットＲＴの衝突回避のアルゴリズムや、作業物体の認識を行うアルゴリズムの効率検証を目的として、下位シミュレーションを行う。

ここで下位シミュレーションとしての作業ロボットＲＷの動作のシミュレーションは、第１実施形態で説明したロボットシミュレータを用いる方法（図１２（ａ）等）と同様の方法で行うことができる。一方、運搬ロボットＲＴの動作のシミュレーションについては、例えば、以下に説明する方法により行う。

図２０は、下位シミュレーションとして運搬ロボットＲＴの動作をシミュレーションする情報処理システム（以下、「運搬ロボット制御システム７」と称する。）の一例である。運搬ロボット制御システム７は、第１実施形態の予測装置１００の機能を備える。

同図に示すように、運搬ロボット制御システム７は、シミュレーション処理部７１、運搬ロボット制御部７２、及びロボット行動判定部７３を備える。このような構成を有する公知のロボット制御システムとして、例えば、ＲＯＳ（Robot Operating System）やＩｓｓａｃによるものがある。

シミュレーション処理部７１は、運搬ロボットＲＴの物理的な挙動をシミュレーションする物理挙動シミュレーション部７１１、運搬ロボットＲＴに関する３次元シミュレーション映像を生成する３次元映像レンダリング部７１２、及びロボット行動判定部７３からの制御指示を受け付ける抽象化ＡＰＩ７１３を有する。尚、シミュレーション処理部７１
は、作業エリア２０に存在する各運搬ロボットＲＴの動作履歴７５を取得可能である。

図２０に示すように、運搬ロボット制御部７２は、実際の運搬ロボットＲＴを制御する実ロボット制御部７２１、運搬ロボットＲＴや作業エリア２０に設けられたセンサ装置７２２（撮影装置（カメラ）、各種センサ）、及びロボット行動判定部７３からの制御指示を受け付ける抽象化ＡＰＩ７２３を有する。

ロボット行動判定部７３は、予め設定された業務指示を示すデータと、シミュレーション処理部７１や運搬ロボット制御部７２から入力されるセンサデータ（撮影装置により撮影された映像データや画像データ、各種センサにより取得された計測値）とに基づき、運搬ロボットＲＴがとるべき行動を判定し、判定の結果に応じた制御指示（モータ（アクチュエータ）の制御信号等）を、シミュレーション処理部７１又は運搬ロボット制御部７２に入力する。上記の判定は、例えば、運搬ロボットＲＴの過去の動作履歴等に基づく学習データにより学習された機械学習モデルを用いて行われる。尚、図２１に、３次元映像レンダリング部７１２がセンサデータとして生成する３次元シミュレーション映像の一例を示す。

上記の機械学習モデルは、運搬ロボットＲＴを、業務指示を示すデータに応じて、搬入装置２１の搬入口２１ａの一つに移動させて物品６を受け取り、受け取った物品６を指示されたコンベアＢＣまで運搬する制御指示を出力する。また機械学習モデルは、運搬ロボットＲＴが、他の運搬ロボットＲＴや障害物と衝突する可能性がある場合、動作制御（方向転換、速度調節等）を行って衝突を回避するように学習される。尚、上記の動作制御の度合いは、例えば、衝突が生じた場合のペナルティ値を設定することで調節することができる。

シミュレーション処理部７１は、ロボット行動判定部７３から入力される制御指示に従って運搬ロボットＲＴを制御した場合における運搬ロボットＲＴの挙動をシミュレーションし、シミュレーションの結果に基づき生成したセンサデータをロボット行動判定部７３に入力する。上記挙動は、例えば、制御指示の受信、搬入装置２１の搬入口２１ａの一つへの移動、物品６の受け取り、搬送先のコンベアＢＣまでの移動、物品６のコンベアＢＣへの載置等である。シミュレーション処理部７１は、シミュレーションの結果（ログ情報）をサンプルデータ１１８として記憶する。またシミュレーション処理部７１は、運搬ロボットＲＴが制御指示に従った行動をしたときの所要時間を算出し、算出した所要時間を含むサンプルデータ１１８を生成して記憶する。

運搬ロボット制御部７２は、ロボット行動判定部７３から入力される制御指示に従って運搬ロボットＲＴを制御する。また運搬ロボット制御部７２は、センサデータをロボット行動判定部７３に入力する。

図２２は、予測装置１００のパラメータ生成部１３５が生成するパラメータ１１７の一例である。同図に示すように、本例では、データＩＤ２１１１毎に、運搬元の自動倉庫モデルの運び出し口の識別子、運搬先のコンベアの識別子、移動中の運搬ロボットの総数、コンベア（１）のセンサのカウント数、コンベア（２）のセンサのカウント数、コンベア（３）のセンサのカウント数、コンベア（１）に向けて動いている運搬ロボットの数、コンベア（２）に向けて動いている運搬ロボットの数、コンベア（３）に向けて動いている運搬ロボットの数、コンベア（１）から帰っていく運搬ロボットの数、コンベア（２）から帰っていく運搬ロボットの数、コンベア（３）から帰っていく運搬ロボットの数、対象の自律体に与えられている衝突ペナルティの値（４）、及び全ロボットに与えられている衝突ペナルティの値の平均値を要素（ｚ₁〜ｚ₁₄）とするパラメータが生成される。

尚、下位シミュレーションの実行に際して必要になる、注目する運搬ロボットＲＴ以外の運搬ロボットＲＴの動作については、例えば、過去の運搬ロボットＲＴの動作履歴や、既に実施したシミュレーションの結果を用いて事前に保存された行動パターンを利用する。また運搬ロボットＲＴ同士の衝突が生じる可能性がある場合は、衝突の可能性のある各運搬ロボットＲＴについてシミュレーションを実行するようにしてもよい。

このように、第１実施形態の構成は、自律制御ロボットを用いて物流業務（検品、仕分け、梱包等）に関する作業を行う、自律行動システム及び協調管理システムを含む物流業務システムにおける作業の指標を予測する場合にも適用することができ、これにより物流業務システムにおける作業の指標の予測を効率よく高い精度で行うことができる。

以上、本発明の一実施形態について詳細に説明したが、本発明は上記の実施形態に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能であることはいうまでもない。例えば、上記の実施形態は本発明を分かりやすく説明するために詳細に説明したものであり、説明した全ての構成を備えるものに必ずしも限定されるものではない。また上記実施形態の構成の一部について、他の構成の追加や削除、置換をすることが可能である。

また上記の各構成、機能部、処理部、処理手段等は、それらの一部または全部を、例えば、集積回路で設計する等によりハードウェアで実現してもよい。また上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリやハードディスク、ＳＳＤ（Solid State Drive）等の記録装置、ＩＣ
カード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。

また各図において、制御線や情報線は説明上必要と考えられるものを示しており、必ずしも実装上の全ての制御線や情報線を示しているとは限らない。例えば、実際には殆ど全ての構成が相互に接続されていると考えてもよい。

また以上に説明した各情報処理装置の各種機能部、各種処理部、各種データベースの配置形態は一例に過ぎない。各種機能部、各種処理部、各種データベースの配置形態は、これらの装置が備えるハードウェアやソフトウェアの性能、処理効率、通信効率等の観点から最適な配置形態に変更し得る。

また前述した各種のデータを格納するデータベースの構成（スキーマ（Schema）等）は、リソースの効率的な利用、処理効率向上、アクセス効率向上、検索効率向上等の観点から柔軟に変更し得る。

３１ 上位工程、３２ 下位工程、３５ バッファ、１００ 予測装置、１１０ 記憶部、１１１ 上位モデル情報、１１２ 下位モデル情報、１１３ 作業情報、１１４ 機器情報、１１５ 作業者情報、１１６ パラメータ生成情報、１１７ パラメータ、１１８
サンプルデータ、１１９ 補完データ、１２０ 工程作業スタック表、１２１ 仮想工程進捗表、１３０ 作業予測部、１３２ 機器情報管理部、１３３ 作業者情報管理部、１３４ パラメータ生成情報管理部、１３５ パラメータ生成部、１４０ サンプルデータ管理部、１５０ 予測処理部、１５１ サンプルデータ抽出部、１５２ 補完要否判定部、１５３ 補完データ生成部、１５４ 予測値算出部、１６０ 進捗管理部、１６１ 作業進捗予測部、１６２ 作業進捗管理部、１６３ 工程進捗管理部

Claims (12)

1. 階層構造を有する複数の工程により作業を行う際の指標を予測する情報処理装置であって、
   前記作業について、下位の前記工程である下位工程について設定されたモデルである下位モデルに基づくシミュレーションである下位シミュレーションを実行することにより生成される指標を含むデータであるサンプルデータを、夫々の前記作業を表すパラメータに対応付けて記憶し、
   予測される作業である予測作業について、上位の前記工程である上位工程について設定されたモデルである上位モデルに基づくシミュレーションである上位シミュレーションを、前記予測作業を表すパラメータに類似するパラメータに対応づけられている前記サンプルデータを用いて行うことにより、前記予測作業についての指標を予測する、
   情報処理装置。
2. 請求項１に記載の情報処理装置であって、
   前記上位シミュレーションの実行に際し、前記予測作業を表すパラメータに類似するパラメータに対応づけられている前記サンプルデータを記憶しているか否かを判定し、
   前記予測作業を表すパラメータに類似するパラメータに対応づけられている前記サンプルデータを記憶している場合は、当該サンプルデータを用いて前記上位シミュレーションを行うことにより指標の予測値を求め、
   前記予測作業を表すパラメータに類似するパラメータに対応づけられている前記サンプルデータを記憶していない場合は、前記上位工程を構成する前記下位工程の前記下位シミュレーションを行うことにより、前記予測作業を表すパラメータに類似するパラメータについての前記サンプルデータを生成し、生成した前記サンプルデータを用いて前記上位シミュレーションを行うことにより、前記予測作業についての指標の予測値を求める、
   情報処理装置。
3. 請求項２に記載の情報処理装置であって、
   前記判定を、前記サンプルデータの前記パラメータの変化量に対する、前記上位シミュレーションによる前記予測作業についての指標の予測値の変化量の大きさに基づき行う、
   情報処理装置。
4. 請求項１乃至３のいずれか一項に記載の情報処理装置であって、
   前記下位シミュレーションを、前記下位工程の作業を行うロボットの動作を模擬するシミュレータ、及び前記下位工程の作業を行う作業者の動作を模擬するシミュレータのうちの少なくともいずかを用いて行う、
   情報処理装置。
5. 請求項１乃至３のいずれか一項に記載の情報処理装置であって、
   ユーザインタフェースを介して受け付けた情報を入力として前記下位シミュレーションに相当する処理を行うシミュレータと通信可能に接続し、
   前記下位モデルに入力するパラメータを前記シミュレータに入力して前記シミュレータによりシミュレーション行い当該シミュレーションの結果を取得する一連の処理を自動で行うＲＰＡ（Robotic Process Automation）のスクリプトを実行する、
   情報処理装置。
6. 請求項１乃至３のいずれか一項に記載の情報処理装置であって、
   前記作業は、自律制御が可能な複数のロボットを用いて行われる作業を含み、
   前記上位シミュレーションは、前記複数のロボットの全体としての協調動作についてのシミュレーションであり、
   前記下位シミュレーションは、前記複数のロボットの個々の自律動作についてのシミュレーションである、
   情報処理装置。
7. 階層構造を有する複数の工程により作業を行う際の指標を予測する情報処理方法であって、
   情報処理装置が、
   前記作業について、下位の前記工程である下位工程について設定されたモデルである下位モデルに基づくシミュレーションである下位シミュレーションを実行することにより生成される指標を含むデータであるサンプルデータを、夫々の前記作業を表すパラメータに対応付けて記憶するステップ、及び、
   予測される作業である予測作業について、上位の前記工程である上位工程について設定されたモデルである上位モデルに基づくシミュレーションである上位シミュレーションを、前記予測作業を表すパラメータに類似するパラメータに対応づけられている前記サンプルデータを用いて行うことにより、前記予測作業についての指標を予測するステップ、
   を実行する、情報処理方法。
8. 請求項７に記載の情報処理方法であって、
   前記情報処理装置が、
   前記上位シミュレーションの実行に際し、前記予測作業を表すパラメータに類似するパラメータに対応づけられている前記サンプルデータを記憶しているか否かを判定するステップ、
   前記予測作業を表すパラメータに類似するパラメータに対応づけられている前記サンプルデータを記憶している場合は、当該サンプルデータを用いて前記上位シミュレーションを行うことにより指標の予測値を求めるステップ、及び、
   前記予測作業を表すパラメータに類似するパラメータに対応づけられている前記サンプルデータを記憶していない場合は、前記上位工程を構成する前記下位工程の前記下位シミュレーションを行うことにより、前記予測作業を表すパラメータに類似するパラメータについての前記サンプルデータを生成し、生成した前記サンプルデータを用いて前記上位シミュレーションを行うことにより、前記予測作業についての指標の予測値を求めるステップ、
   をさらに実行する、情報処理方法。
9. 請求項８に記載の情報処理方法であって、
   前記情報処理装置が、前記判定を、前記サンプルデータの前記パラメータの変化量に対する、前記上位シミュレーションによる前記予測作業についての指標の予測値の変化量の大きさに基づき行うステップ、
   をさらに実行する、情報処理方法。
10. 請求項７乃至９のいずれか一項に記載の情報処理方法であって、
    前記情報処理装置が、前記下位シミュレーションを、前記下位工程の作業を行うロボットの動作を模擬するシミュレータ、及び前記下位工程の作業を行う作業者の動作を模擬するシミュレータのうちの少なくともいずかを用いて行う、
    情報処理方法。
11. 請求項７乃至９のいずれか一項に記載の情報処理方法であって、
    前記情報処理装置は、ユーザインタフェースを介して受け付けた情報を入力として前記下位シミュレーションに相当する処理を行うシミュレータと通信可能に接続しており、
    前記情報処理装置が、前記下位モデルに入力するパラメータを前記シミュレータに入力して前記シミュレータによりシミュレーション行い当該シミュレーションの結果を取得す
    る一連の処理を自動で行うＲＰＡ（Robotic Process Automation）のスクリプトを実行するステップ、
    をさらに実行する、情報処理方法。
12. 請求項７乃至９のいずれか一項に記載の情報処理方法であって、
    前記作業は、自律制御が可能な複数のロボットを用いて行われる作業を含み、
    前記上位シミュレーションは、前記複数のロボットの全体としての協調動作についてのシミュレーションであり、
    前記下位シミュレーションは、前記複数のロボットの個々の自律動作についてのシミュレーションである、
    情報処理方法。

Images