JP2022148538A - フォークリフトおよび荷役システム - Google Patents

Abstract

【課題】空気調和装置を適切なタイミングで稼働させることが可能なフォークリフトおよび荷役システムを提供する。【解決手段】有人運転モードと無人運転モードとを備えるフォークリフト２００Ａであって、空気調和装置２１０と制御装置２２０Ａとを備え、制御装置２２０Ａは、荷物の数量データを取得する第１情報取得部２２１と、搬送スケジュールの進行状況データを取得する第２情報取得部２２２と、無人運転モードから有人運転モードに切り替わるタイミングを予測するように機械学習された第１学習モデル部２２３と、第１学習モデル部２２３から上記タイミングに関するタイミング情報を取得する処理部２２４と、無人運転モードから有人運転モードに切り替わる前に空気調和装置２１０に空調制御を開始させる制御部２２５と、を備えることを特徴とする。【選択図】図１

Description

本発明は、フォークリフトおよび荷役システムに関する。

従来から、冷暖房などの空気調和装置を備えたフォークリフトが知られている（例えば、特許文献１参照）。特許文献１のフォークリフトでは、オペレータが操作パネルを操作することで空気調和装置が稼働する。このため、フォークリフトの走行開始前に空気調和装置を予め稼働させておくことで、フォークリフトの走行開始時までに、運転席の温度を適温にすることができる。

しかしながら、有人運転モードと無人運転モードとを備えるフォークリフトの場合、オペレータは有人運転モードの開始時刻を正確に把握することができないため、空気調和装置を適切なタイミングで稼働させることが難しいという問題がある。

特開平８－１８３３２６号公報

本発明は上記事情に鑑みてなされたものであって、その課題とするところは、空気調和装置を適切なタイミングで稼働させることが可能なフォークリフトおよび荷役システムを提供することにある。

上記課題を解決するために、本発明に係るフォークリフトは、
オペレータの手動操作により走行する有人運転モードと、搬送スケジュールに従って荷役作業および自動走行を行う無人運転モードと、を備えるフォークリフトであって、
運転席が設けられた車体と、
前記運転席の空調制御を行う空気調和装置と、
前記空気調和装置の制御を行う制御装置と、
を備え、
前記制御装置は、
外部から前記荷役作業の対象となる荷物の数量データを取得する第１情報取得部と、
前記搬送スケジュールの進行状況を特定して進行状況データを取得する第２情報取得部と、
前記数量データおよび前記進行状況データが入力されると、所定のパラメータを有する機械学習アルゴリズムを用いて、前記無人運転モードから前記有人運転モードに切り替わるタイミングを予測するように機械学習された第１学習モデル部と、
前記数量データおよび前記進行状況データを前記第１学習モデル部に入力することで、前記第１学習モデル部から前記タイミングに関するタイミング情報を取得する処理部と、
前記タイミング情報に基づいて、前記無人運転モードから前記有人運転モードに切り替わる前に前記空気調和装置に前記空調制御を開始させる制御部と、
を備えることを特徴とする。

この構成では、第１学習モデル部が、無人運転モードから有人運転モードに切り替わるタイミングを予測し、制御部が、当該予測に基づいて無人運転モードから有人運転モードに切り替わる前に空気調和装置に空調制御を開始させる。したがって、この構成によれば、空気調和装置を適切なタイミングで稼働させることができる。

前記フォークリフトにおいて、
前記制御装置は、
前記運転席の温度に関する第１温度データを取得する第３情報取得部を備え、
前記制御部は、
前記運転席の温度に基づいて前記空気調和装置の前記風温および／または風量を設定する第１処理を実行するよう構成できる。

前記フォークリフトにおいて、
前記制御装置は、
前記有人運転モード時に前記運転席のオペレータの温度に関する第２温度データを取得する第４情報取得部と、
前記第１温度データおよび前記第２温度データが入力されると、所定のパラメータを有する機械学習アルゴリズムを用いて、前記オペレータの快適さの程度を示す快適スコアを生成するように機械学習された第２学習モデル部と、
を備え、
前記処理部は、前記第１温度データおよび前記第２温度データを前記第２学習モデル部に入力することで、前記第２学習モデル部から前記快適スコアを取得し、
前記制御部は、前記有人運転モード時に、前記第１処理で設定した前記風温および／または風量を前記快適スコアに基づいて変化させる第２処理を実行するよう構成できる。

上記課題を解決するために、本発明に係る荷役システムは、
前記いずれかのフォークリフトと、
前記フォークリフトと通信を行う管理装置と、
を含むことを特徴とする。

本発明によれば、空気調和装置を適切なタイミングで稼働させることが可能なフォークリフトおよび荷役システムを提供することができる。

第１実施形態に係る荷役システムのブロック図である。 第１実施形態に係るフォークリフトを示す図であって、（Ａ）は平面図、（Ｂ）は側面図である。 第１実施形態に係る荷役システムの平面図である。 第２実施形態に係る荷役システムのブロック図である。 第２実施形態に係る空気調和装置の制御方法を示すフローチャートである。

以下、添付図面を参照して、本発明に係るフォークリフトおよび荷役システムの実施形態について説明する。

［第１実施形態］
図１に、本発明の第１実施形態に係る荷役システム１Ａのブロック図を示す。荷役システム１Ａは、管理装置１００Ａと、レーザー誘導方式のフォークリフト２００Ａ（本発明の「フォークリフト」に相当）とを備える。

管理装置１００Ａは、通信部１０１と、統括制御部１０２と、表示部１０３とを備える。管理装置１００Ａは、フォークリフト２００Ａが走行する作業場（例えば、図３に示すように、複数のラック３を有する倉庫２）の外に設けてもよいし、作業場の中に設けてもよい。

通信部１０１は、管理装置１００Ａに予め登録されたフォークリフト２００Ａおよび他の作業車（例えば、無人フォークリフトや有人無人フォークリフト）と無線通信を行うよう構成されている。

統括制御部１０２は、フォークリフト２００Ａの走行および荷役作業を管理するよう構成されている。例えば、統括制御部１０２は、フォークリフト２００Ａによる荷役作業のための搬送スケジュールを作成するとともに荷役作業を円滑に行うための走行ルートを決定する。統括制御部１０２は、通信部１０１を介して搬送スケジュールおよび走行ルートをフォークリフト２００Ａに通知する。

表示部１０３は、例えば、液晶ディスプレイで構成されている。表示部１０３には、フォークリフト２００Ａおよび他の作業車の搬送スケジュールおよび走行ルートが表示される。

フォークリフト２００Ａは、有人運転モードと無人運転モードとを切り替え可能な有人無人フォークリフトである。図２に示すように、フォークリフト２００Ａは、車体２０１と、車体２０１の前部に設けられた荷役装置２０２と、車体２０１の後部に設けられた運転席２０３とを備える。荷役装置２０２は、左右一対のマストと、マストに昇降可能に取り付けられた左右一対のフォークとを含む。運転席２０３には、オペレータが足で操作するブレーキペダルが設けられている。

運転席２０３の前方にはレバー類２０４が設けられており、運転席２０３の側方にはステアリングハンドル２０５が設けられている。レバー類２０４には、車体２０１を前後進させるための走行レバーと、荷役装置２０２を操作して荷役作業を行うための荷役レバー（リフトレバー、リーチレバー、ティルトレバー）が含まれる。

レバー類２０４とステアリングハンドル２０５との間には、表示部２０６が設けられている。表示部２０６は、例えば、液晶ディスプレイで構成される。表示部２０６は、搬送スケジュールや、後述する空気調和装置２１０の情報（例えば、風温および風量等）を表示することができる。

運転席２０３の上方には、落下物からオペレータを保護するためのヘッドガード２０７が設けられている。なお、図２（Ａ）ではヘッドガード２０７を省略している。

ヘッドガード２０７のピラーには、運転席２０３にいるオペレータを撮影してオペレータの画像データ（静止画および／または動画）を取得する撮影手段２０８が設けられている。撮影手段２０８は、本発明の「画像データ生成部」に相当し、例えば、赤外線カメラおよびカラーカメラ（もしくは、カラー画像を取得可能な赤外線カメラ）で構成される。本実施形態では、撮影手段２０８を省略してもよい。

ヘッドガード２０７の天板には、レーザースキャナ２０９および空気調和装置２１０が設けられており、車体２０１の内部には、制御装置２２０Ａが設けられている。

図３に示すように、レーザースキャナ２０９は、レーザー光源を回転させながら周囲にレーザーＬを投光し、倉庫２内に配置された複数の反射板４からの反射光Ｌ’を検出する。レーザースキャナ２０９の演算部は、反射板４の位置を所定のマップ上で記憶しており、三角測量の原理に基づいて車体２０１の現在地（自己位置）を算出する。このようにして、フォークリフト２００Ａは、車体２０１の現在地に関する現在地情報を取得しながら、通知された走行ルートに従って走行する。

空気調和装置２１０は、温風と冷風とを切り替えて運転席２０３に供給することで、運転席２０３の空調制御を行うことが可能な冷暖房装置である。空気調和装置２１０は、制御装置２２０Ａの制御下で、風温および風量が自動調整される。

制御装置２２０Ａは、図１に示すように、第１情報取得部２２１と、第２情報取得部２２２と、第１学習モデル部２２３と、処理部２２４と、制御部２２５とを備える。

第１情報取得部２２１は、荷役作業の対象となる荷物の数量に関する数量データを取得する。具体的には、第１情報取得部２２１は、管理装置１００Ａから、無人運転モードでの荷役作業の対象となる荷物の数量データを所定の周期で取得する。数量データは、フォークリフト２００Ａの搬送スケジュールの進行状況によって変化し、他の作業車の搬送スケジュールの進行状況によっても変化する。

管理装置１００Ａは、荷役作業の対象となる荷物のうち、有人運転モードでの荷役作業の対象となる荷物と無人運転モードでの荷役作業の対象となる荷物とを、予め区別して管理している。そして、管理装置１００Ａは、無人運転モードでの荷役作業の対象となる荷物のうち、荷物００１～１００はフォークリフト２００Ａが搬送、荷物１０１～２００は作業車Ａが搬送、荷物２０１～３００は作業車Ｂが搬送、・・・というように割り当てを行い、搬送スケジュールの進行状況に応じて上記割り当てを修正する。

第２情報取得部２２２は、フォークリフト２００Ａの搬送スケジュールの進行状況を特定することで、フォークリフト２００Ａの進行状況データを取得する。第２情報取得部２２２は、例えば、無人運転モードにおける搬送スケジュールの進行状況を０％～１００％のパーセンテージで特定したり、進行速度で特定したりする。進行状況データは、上記のパーセンテージおよび／または進行速度を含むデータである。

第１学習モデル部２２３は、数量データおよび進行状況データが入力されると、所定のパラメータを有するニューラルネットワーク等の機械学習アルゴリズムを用いて、無人運転モードから有人運転モードに切り替わるタイミングを予測するように機械学習された学習済みモデルである。本実施形態では、無人運転モードにおける搬送スケジュールの進行状況が１００％になったタイミングで、無人運転モードから有人運転モードに切り替わるものとする。

学習済みモデルの機械学習では、上記のとおりニューラルネットワーク等の機械学習アルゴリズムを用いて、教師データを大量に入力する。教師データは、数量データおよび進行状況データに所定のタイミング（例えば、今から１時間後等）を紐付けしたデータを含む。例えば、数量データに含まれる数量が大きいとタイミングは遅くなり、数量が小さいとタイミングは早くなる。進行状況データに含まれる進行状況が０％に近いほどタイミングは遅くなり、進行状況が１００％に近いほどタイミングは早くなる。数量データおよび進行状況データと上記タイミングとの間には、相関関係等の一定の関係が存在することを推認できる。

処理部２２４は、第１情報取得部２２１から取得した数量データおよび第２情報取得部２２２から取得した進行状況データを第１学習モデル部２２３に入力することで、第１学習モデル部２２３から上記タイミングに関するタイミング情報を取得する。処理部２２４は、取得したタイミング情報を制御部２２５と共有する。

制御部２２５は、空気調和装置２１０の風温および風量の自動制御を行うよう構成されている。具体的には、制御部２２５は、タイミング情報に基づいて、無人運転モードから有人運転モードに切り替わる前に（例えば、１０分前に）、空気調和装置２１０に空調制御を開始させる。なお、何分前に開始させるかは、適宜設定・変更することができる。

制御部２２５および処理部２２４は、例えば、少なくとも１つのマイコンで構成され、マイコンのＣＰＵが所定のプログラムを実行すること等によって制御部２２５および処理部２２４の各種機能が実現される。

本実施形態に係るフォークリフト２００Ａでは、第１学習モデル部２２３が、無人運転モードから有人運転モードに切り替わるタイミングを予測し、制御部２２５が、当該予測に基づいて無人運転モードから有人運転モードに切り替わる前に空気調和装置２１０に空調制御を開始させる。したがって、本実施形態に係るフォークリフト２００Ａによれば、空気調和装置２１０を適切なタイミングで稼働させることができる。

［第２実施形態］
図４に、本発明の第２実施形態に係る荷役システム１Ｂのブロック図を示す。荷役システム１Ｂは、管理装置１００Ｂと、レーザー誘導方式のフォークリフト２００Ｂ（本発明の「フォークリフト」に相当）とを備える。

管理装置１００Ｂは、第１実施形態の管理装置１００Ａと共通する。フォークリフト２００Ｂは、制御装置２２０Ｂの構成を除いて第１実施形態のフォークリフト２００Ａと共通する。

制御装置２２０Ｂは、第１実施形態の制御装置２２０Ａに、第３情報取得部２２６、第４情報取得部２２７および第２学習モデル部２２８を追加したものである。

第３情報取得部２２６は、運転席２０３の温度に関する第１温度データを取得する。第３情報取得部２２６は、例えば、運転席２０３に設けられた温度センサ（図示せず）から第１温度データを取得してもよいし、撮影手段２０８が取得したオペレータの画像データに基づいてオペレータの周囲の温度を算出することにより第１温度データを取得してもよい。

第４情報取得部２２７は、撮影手段２０８が取得したオペレータの画像データに対して所定の画像処理を行うことにより、運転席２０３のオペレータの温度（例えば、体表温度）に関する第２温度データを取得する。第４情報取得部２２７は、例えば、撮影手段２０８が取得したオペレータの画像データに基づいて、オペレータの体表温度（皮膚温度）を算出できる。

第２学習モデル部２２８は、オペレータの画像データ、第１温度データおよび第２温度データが入力されると、所定のパラメータを有するニューラルネットワーク等の機械学習アルゴリズムを用いて、オペレータの快適さの程度を示す快適スコアを生成するように機械学習された学習済みモデルである。学習済みモデルの機械学習では、上記のとおりニューラルネットワーク等の機械学習アルゴリズムを用いて、教師データを大量に入力する。教師データは、オペレータの画像データ、第１温度データおよび第２温度データに所定の快適スコアを紐付けしたデータを含む。

快適スコアとしては、数値パラメータ（例えば、１～５の数値パラメータ）を用いる。数値パラメータの設定は、人またはコンピュータが行う。例えば、オペレータの画像データから推定したオペレータの性別、年齢等のバイオメトリック情報と、第１温度データに含まれる運転席２０３の温度とに基づいて所定の閾値を決定し、当該閾値と第２温度データに含まれるオペレータの体表温度とを比較する。

体表温度が閾値よりもはるかに大きい場合（例えば、＋７℃以上）を快適スコア５（不快な暑さを感じる状態）とし、体表温度が閾値よりも大きい場合（例えば、＋７℃から＋３℃）を快適スコア４（暑さを感じる状態）とし、体表温度が閾値と同じか閾値近傍の場合（例えば、＋３℃から－３℃）を快適スコア３（快適な状態）とし、体表温度が閾値よりも小さい場合（例えば、－３℃から－７℃）を快適スコア２（寒さを感じる状態）とし、体表温度が閾値よりもはるかに小さい場合（例えば、－７℃以下）を快適スコア１（不快な寒さを感じる状態）とする。バイオメトリック情報、運転席２０３の温度およびオペレータの体表温度と、オペレータの快適さの程度との間には、相関関係等の一定の関係が存在することを推認できる。

処理部２２４は、第１実施形態の機能に加えて、第２学習モデル部２２８から快適スコアを取得する機能を有する。すなわち、処理部２２４は、オペレータの画像データ、第３情報取得部２２６から取得した第１温度データ、および第４情報取得部２２７から取得した第２温度データを第２学習モデル部２２８に入力することで、第２学習モデル部２２８から快適スコアを取得する。処理部２２４は、取得した快適スコアを制御部２２５と共有する。

制御部２２５は、第１実施形態の機能に加えて、空気調和装置２１０の風温および風量の自動制御に関する第１処理および第２処理を実行する機能を有する。制御部２２５は、第１処理において、空気調和装置２１０の風温および風量を設定し、第２処理において、第１処理で設定した風温および風量の少なくとも一方を快適スコアに基づいて変化させる。

図５に、制御部２２５が行う空気調和装置２１０の制御方法のフローチャートを示す。制御部２２５は、第１実施形態と同様に、無人運転モードから有人運転モードに切り替わる前に（例えば、１０分前に）、空気調和装置２１０に空調制御を開始させる（Ｓ１）。

次いで、制御部２２５は第１処理を実行する（Ｓ２）。制御部２２５は、第１処理において、外気温（本実施形態では、作業場の温度）に基づいて、空気調和装置２１０の風温および風量を設定する。制御部２２５は、図示しない温度センサから外気温を取得してもよいし、管理装置１００Ｂとの通信により外気温を取得してもよい。

第１処理を実行した制御部２２５は、運転モードが有人運転モードか否かを判定する（Ｓ３）。運転モードが無人運転モードから有人運転モードに切り替わっていない場合（Ｓ３でＮＯ）、制御部２２５は、再び第１処理を実行する（Ｓ２）。

運転モードが無人運転モードから有人運転モードに切り替わっている場合（Ｓ３でＹＥＳ）、制御部２２５は、再び第１処理を実行した後に、第２処理を実行する（Ｓ４）。すなわち、制御部２２５は、第１処理において、外気温に基づいて空気調和装置２１０の風温および風量を設定した後、第２処理において、第１処理で設定した風温および風量の少なくとも一方を快適スコアに基づいて変化させる。なお、ステップＳ３の直後のステップＳ４の処理においては、直前のステップＳ２に第１処理が行われているので、第１処理を省略してもよい。

制御部２２５は、第２処理における風温の基準変化量をＡ［℃］（ただし、Ａは正の数値）とする。制御部２２５は、例えば、快適スコア５の場合に風温を（１．２×Ａ）［℃］下げるとともに風量を強くし、快適スコア４の場合に風温をＡ［℃］下げ、快適スコア３の場合には風温および風量を変化させず、快適スコア２の場合に風温をＡ［℃］上げ、快適スコア１の場合に風温を（１．２×Ａ）［℃］上げるとともに風量を強くする。

第２処理を実行した制御部２２５は、運転モードが無人運転モードか否かを判定する（Ｓ５）。運転モードが有人運転モードの場合（Ｓ５でＮＯ）はステップＳ４に移行し、運転モードが無人運転モードの場合（Ｓ５でＹＥＳ）はステップＳ２に移行する。

本実施形態に係るフォークリフト２００Ｂによれば、有人運転モードにおいて、第２学習モデル部２２８がオペレータの快適さの程度を示す快適スコアを生成し、制御部２２５が快適スコアに基づいて風温および／または風量を変化させるので、オペレータの温度感覚に合わせた空気調和装置２１０の自動制御が可能となる。

以上、本発明に係るフォークリフトおよび荷役システムの実施形態について説明したが、本発明は上記実施形態に限定されるものではない。

本発明に係るフォークリフトは、運転席が設けられた車体と、運転席の空調制御を行う空気調和装置と、空気調和装置の制御を行う制御装置とを備え、制御装置は、外部から荷役作業の対象となる荷物の数量データを取得する第１情報取得部と、搬送スケジュールの進行状況を特定して進行状況データを取得する第２情報取得部と、数量データおよび進行状況データが入力されると、所定のパラメータを有する機械学習アルゴリズムを用いて、無人運転モードから有人運転モードに切り替わるタイミングを予測するように機械学習された第１学習モデル部と、数量データおよび進行状況データを第１学習モデル部に入力することで、第１学習モデル部からタイミングに関するタイミング情報を取得する処理部と、タイミング情報に基づいて、無人運転モードから有人運転モードに切り替わる前に空気調和装置に空調制御を開始させる制御部とを備えるのであれば、適宜構成を変更できる。

例えば、本発明の空気調和装置は、温風および冷風の少なくとも一方を運転席に供給するのであれば、適宜構成を変更でき、設置場所も適宜変更できる。空気調和装置として、任意の蓄熱手段および／または蓄冷手段を用いることができる。

本発明の制御部は、タイミング情報に基づいて、無人運転モードから有人運転モードに切り替わる前に空気調和装置に空調制御を開始させ、さらに、空調制御を開始させるタイミングを温度（例えば、第３情報取得部２２６が取得した運転席２０３の温度および／または作業場の温度）に応じて変更するように構成できる。

本発明の第２学習モデル部では、第１温度データに含まれる運転席の温度に基づいて所定の閾値を決定し、当該閾値と第２温度データに含まれるオペレータの体表温度とを比較することで、快適スコアの数値パラメータを設定してもよい。数値パラメータは、上記実施形態では１～５の範囲で設定しているが、当該範囲は適宜変更できる。

本発明の制御部は、荷役作業のときは第２処理を実行しないよう構成できる。荷役作業中か否かは、例えば、オペレータが荷役レバー（リフトレバー、リーチレバー、ティルトレバー）を操作しているか否かで判断できる。すなわち、制御部は、荷役レバーの操作量に応じて荷役作業中か否かを判定できる。この構成によれば、オペレータの荷役作業中に風温および風量が急に変化して、オペレータの集中力が乱れるのを抑制できる。

１Ａ、１Ｂ 荷役システム
２ 倉庫（作業場）
３ ラック
４ 反射板
１００Ａ、１００Ｂ 管理装置
１０１ 通信部
１０２ 統括制御部
１０３ 表示部
２００Ａ、２００Ｂ フォークリフト
２０１ 車体
２０２ 荷役装置
２０３ 運転席
２０４ レバー類
２０５ ステアリングハンドル
２０６ 表示部
２０７ ヘッドガード
２０８ 撮影手段
２０９ レーザースキャナ
２１０ 空気調和装置
２２０Ａ、２２０Ｂ 制御装置
２２１ 第１情報取得部
２２２ 第２情報取得部
２２３ 第１学習モデル部
２２４ 処理部
２２５ 制御部
２２６ 第３情報取得部
２２７ 第４情報取得部
２２８ 第２学習モデル部

Claims (4)

1. オペレータの手動操作により走行する有人運転モードと、搬送スケジュールに従って荷役作業および自動走行を行う無人運転モードと、を備えるフォークリフトであって、
   運転席が設けられた車体と、
   前記運転席の空調制御を行う空気調和装置と、
   前記空気調和装置の制御を行う制御装置と、
   を備え、
   前記制御装置は、
   外部から前記荷役作業の対象となる荷物の数量データを取得する第１情報取得部と、
   前記搬送スケジュールの進行状況を特定して進行状況データを取得する第２情報取得部と、
   前記数量データおよび前記進行状況データが入力されると、所定のパラメータを有する機械学習アルゴリズムを用いて、前記無人運転モードから前記有人運転モードに切り替わるタイミングを予測するように機械学習された第１学習モデル部と、
   前記数量データおよび前記進行状況データを前記第１学習モデル部に入力することで、前記第１学習モデル部から前記タイミングに関するタイミング情報を取得する処理部と、
   前記タイミング情報に基づいて、前記無人運転モードから前記有人運転モードに切り替わる前に前記空気調和装置に前記空調制御を開始させる制御部と、
   を備えることを特徴とするフォークリフト。
2. 前記制御装置は、
   前記運転席の温度に関する第１温度データを取得する第３情報取得部を備え、
   前記制御部は、
   前記運転席の温度に基づいて前記空気調和装置の前記風温および／または風量を設定する第１処理を実行する
   ことを特徴とする請求項１に記載のフォークリフト。
3. 前記制御装置は、
   前記有人運転モード時に前記運転席のオペレータの温度に関する第２温度データを取得する第４情報取得部と、
   前記第１温度データおよび前記第２温度データが入力されると、所定のパラメータを有する機械学習アルゴリズムを用いて、前記オペレータの快適さの程度を示す快適スコアを生成するように機械学習された第２学習モデル部と、
   を備え、
   前記処理部は、前記第１温度データおよび前記第２温度データを前記第２学習モデル部に入力することで、前記第２学習モデル部から前記快適スコアを取得し、
   前記制御部は、前記有人運転モード時に、前記第１処理で設定した前記風温および／または風量を前記快適スコアに基づいて変化させる第２処理を実行する
   ことを特徴とする請求項２に記載のフォークリフト。
4. 請求項１～３のいずれか一項に記載のフォークリフトと、
   前記フォークリフトと通信を行う管理装置と、
   を含むことを特徴とする荷役システム。

Images