JP2024006624A - 機械学習装置、指示情報出力装置、機械学習方法、指示情報出力方法及びプログラム - Google Patents

Abstract

【課題】熟練オペレータによる高精度なポンプ浚渫と同等の操作を支援乃至実現する。【解決手段】機械学習装置２０は、センサ群１２により検出されたセンサデータ（つまりポンプ浚渫装置の各部の状態）と、熟練オペレータによる施工効率が最適となるような操作との関係を学習する。センサデータ取得部１１１は、上述した熟練オペレータよりも操作に不慣れなオペレータ（第２のオペレータ）の操作に応じてセンサ群１２により検出された時系列のセンサデータを取得する。入力部１１２は、機械学習装置２０の記憶部２０３に記憶されている学習済モデルに対し、センサデータ取得部１１１により取得されたセンサデータを説明変数として入力する。指示情報出力部１１３は、センサデータの入力に応じて学習済モデルから目的変数として得られるスイング操作量予測データに応じた指示情報を生成して出力する。【選択図】図７

Description

本発明は、ポンプ浚渫を行うための技術に関する。

航路の維持や泊地等を目的とするポンプ浚渫工事では、オペレータがラダーを水平方向に動かすスイングウインチと鉛直方向に動かすラダーウインチとを操作し、そのラダー先端に設けられたカッターを計画ラインに沿って移動させることで浚渫を行っている。例えば特許文献１には、含泥率計、ラダーウインチ電流計及びスイングウインチ電流計の検出値に基づいて、ラダーウインチ及びスイングウインチを制御する技術が開示されている。

特開昭５８－６９９４１号公報

ポンプ浚渫作業においては、オペレータの技能によって浚渫作業の効率が大きく異なることから熟練のオペレータの豊富な経験と技能が求められるが、高齢化による熟練オペレータの退職により、そのような経験と技能を有するオペレータを確保することは難しくなる一方である。また、若いオペレータにおいても、浚渫工事及び熟練オペレータの減少により、そのような熟練オペレータから経験と技能を取得する機会が減ってきている。

そこで、本発明は、熟練オペレータによるポンプ浚渫作業時の各種作業データを用い、熟練オペレータによる高精度なポンプ浚渫と同等の操作を支援乃至実現することを目的とする。

上記課題を解決するため、本発明は、ラダー先端に設けられたカッターで掘削した水底土砂を吸入口から吸入するポンプ浚渫装置において、第１のオペレータの操作に応じてセンサにより検出された時系列のセンサデータと、当該操作に応じた前記ラダーの時系列のスイング操作量データとを取得する取得部と、取得された前記センサデータと前記スイング操作量データとを時間軸上で対応付けた当該センサデータを説明変数とし、当該センサデータに対応する施工効率が最適となるスイング操作量データを目的変数とした教師データを用いて機械学習を行う機械学習部と、前記機械学習部によって生成された学習済モデルを記憶する記憶部とを備えることを特徴とする機械学習装置である。

前記センサデータは、前記カッターに関するカッターデータ、ラダーポンプに関するラダーポンプデータ、ラダーウインチに関するラダーウインチデータ、メインポンプに関するメインポンプデータ、スイングウインチに関するスイングウインチデータ、船体に関する振動データ及び傾斜データである船体データ、又は、浚渫施工に関する施工データ、のうち少なくともいずれか１以上のデータを含むものであってもよい。

前記センサデータの寄与度を特定する特定部を備えるようにしてもよい。

また、本発明は、ポンプ浚渫装置において第２のオペレータの操作に応じてセンサにより検出された時系列のセンサデータを取得するセンサデータ取得部と、請求項１に記載の機械学習装置の記憶部に記憶されている学習済モデルに対し、前記センサデータ取得部により取得された前記センサデータを説明変数として入力する入力部と、前記センサデータの入力に応じて前記学習済モデルから目的変数として得られるスイング操作量予測データに応じた指示情報を出力する指示情報出力部とを備えることを特徴とする指示情報出力装置である。

前記指示情報出力部は、前記第２のオペレータに対して、前記スイング操作量予測データに応じた指示情報を前記ラダーの操作案内として出力するようにしてもよい。

前記指示情報出力部は、前記ラダーの動作制御を行う制御装置に対して、前記スイング操作量予測データに応じた指示情報を前記ラダーの動作命令として出力するようにしてもよい。

前記センサデータは、前記カッターに関するカッターデータ、ラダーポンプに関するラダーポンプデータ、ラダーウインチに関するラダーウインチデータ、メインポンプに関するメインポンプデータ、スイングウインチに関するスイングウインチデータ、船体に関する振動データ及び傾斜データである船体データ、又は、浚渫施工に関する施工データ、のうち少なくともいずれか１以上のデータを含むものであってもよい。

前記センサが複数あり、各々の検出周期が異なる場合に、複数の前記センサのセンサデータが共通の検出周期となるように各センサデータについて補間処理を行う補間処理部を備えるようにしてもよい。

また、本発明は、ラダー先端に設けられたカッターで掘削した土砂を吸入口から吸入するポンプ浚渫装置において、第１のオペレータの操作に応じてセンサにより検出された時系列のセンサデータと、当該操作に応じた前記ラダーの時系列のスイング操作量データとを取得する取得ステップと、取得された前記センサデータと前記スイング操作量データとを時間軸上で対応付けた前記センサデータを説明変数とし、当該センサデータに対応する施工効率が最適となる前記スイング操作量データを目的変数とした教師データを用いて機械学習を行う機械学習ステップと、前記機械学習によって生成された学習済モデルを記憶する記憶ステップとを備えることを特徴とする機械学習方法である。

また、本発明は、第１のオペレータの新たな操作に応じたセンサデータを説明変数として、上記機械学習方法によって生成された学習済モデルに入力し、出力された目的変数であるスイング操作量予測データと、前記新たな操作に応じたスイング操作量データとを比較し、前記新たな操作に応じたスイング操作量データと前記目的変数であるスイング操作量予測データとの相違量が閾値以内となるデータだけを再学習用の教師データとして用いて前記学習済モデルについて再学習を行うことを特徴とする機械学習方法である。

また、本発明は、ポンプ浚渫装置において第２のオペレータの操作に応じてセンサにより検出された時系列のセンサデータを取得するセンサデータ取得ステップと、上記機械学習方法によって記憶されている学習済モデルに対し、前記センサデータ取得ステップにより取得された前記センサデータを説明変数として入力する入力ステップと、前記センサデータの入力に応じて前記学習済モデルから目的変数として得られるスイング操作量予測データに応じた情報を出力する出力ステップとを備えることを特徴とする指示情報出力方法である。

また、本発明は、コンピュータに、上記方法を実行させるためのプログラムであってもよい。

本発明によれば、熟練オペレータによる高精度なポンプ浚渫と同等の操作を支援乃至実現することが可能となる。

本発明の一実施形態に係るポンプ浚渫装置の船首部を例示する図。 浚渫制御システム１０及び周辺装置のハードウェア構成の主要部を示すブロック図。 センサデータを例示する表。 機械学習装置２０のハードウェア構成の一例を示すブロック図。 制御装置（指示情報出力装置）１１のハードウェア構成の一例を示すブロック図。 機械学習装置２０の機能構成の一例を示すブロック図。 制御装置（指示情報出力装置）１１の機能構成の一例を示すブロック図。 機械学習装置２０による機械学習動作の処理手順を示すフローチャート。 制御装置（指示情報出力装置）１１による指示情報出力動作の処理手順を示すフローチャート。

本発明を実施するための形態の一例について説明する。
［構成］
図１は、本発明の一実施形態に係るポンプ浚渫装置の船首部を例示する模式図である。図１の上段（ａ）はポンプ浚渫装置を側方から見たときの側面図であり、図１の下段（ｂ）はポンプ浚渫装置を上方から見たときの平面図である。このポンプ浚渫装置は、例えばポンプ浚渫船と呼ばれる船舶の船首付近等に設置されている。ポンプ浚渫船の船体に設置された軸支部１において、ラダー２がその先端側（図中右側）が上下方向（Ｚ軸方向）に揺動するように、ラダー２の基端側（図中左側）が軸支されている。ラダー２の先端には、水底を掘削するためのカッター３と、カッター３で掘削した水底土砂を吸入するための吸入口（図示省略）が設けられている。ラダー２は軸支部１側の基端側から直線状に延び、ラダー２の先端側は、ワイヤ４によってラダーシャー５から吊り下げられている。ラダー２は、ラダーウインチ６によってワイヤ４の繰り出し及び巻き取りが行われることで、船体に軸支されている軸支部１を軸として鉛直方向に、つまり図中のＸＺ平面上で揺動する。また、ラダー２の先端側は、スイングワイヤ７によってスイングウインチ８に連結されている。ラダー２は、スイングウインチ８，８によってスイングワイヤ７，７の繰り出し及び巻き取りが行われることで、基端側を軸として水平方向に、つまり図中のＸＹ平面上で揺動する。浚渫時には、ラダー２の先端に設けられたカッター３により水底が掘削されると共に、掘削した土砂が海水と共にラダー２先端の吸入口からポンプ（図示省略）を利用して吸い込まれ、図示しない排砂管を介して陸上等の所定の場所に圧送される。なお、図１において、Ｘ軸を船舶の全長方向に平行な軸としてその正方向を船尾から船首に向かう方向とし、Ｙ軸を船舶の全幅方向に平行な軸としてその正方向を左舷から右舷に向かう方向とし、Ｚ軸をＸ軸及びＹ軸に直交する軸としてその正方向を下方から上方に向かう方向としている（以下において同じ）。

このようなポンプ浚渫装置において、オペレータは、ラダー２を水平方向に動かすスイングウインチ８，８と鉛直方向に動かすラダーウインチ６とを操作し、そのラダー２の先端に設けられたカッター３を計画ラインに沿って水中で移動させることでポンプ浚渫を行う。

図２は、浚渫制御システム１０及び周辺装置のハードウェア構成の主要部を示す図である。浚渫制御システム１０は、本発明の指示情報出力装置として機能する制御装置１１と、各種のセンサを含むセンサ群１２と、ユーザインタフェース装置１３と、施工データを有する施工管理装置１４とが、例えばイーサネットや光ファイバ等の通信回線によってネットワーク化されたシステムである。また、制御装置１１には、ラダーウインチ６及びスイングウインチ８が通信可能に接続されていると、また、制御装置１１には、機械学習装置２０が通信可能に接続されている。

センサ群１２は、例えば、メインポンプに設けられたエンコーダ、電流計及び電圧計等のメインポンプセンサ、ラダーポンプに設けられた電流計及び電圧計等のラダーポンプセンサ、カッターモータに設けられた電流計及び電圧計等のカッターモータセンサ、船舶本体に設けられたＧＮＳＳ（Global Navigation Satellite System）装置及びジャイロセンサ、岸壁等に設けられた潮位計からの検出信号を受信する潮位信号受信装置、ラダー２の中段部等の所定の位置に設けられたラダー深度計、船体の振動データ（加速度データ）及び傾斜データを取得するために船舶本体に設けられた振動・傾斜センサ、吃水計、キャレジストローク等の各種センサを含む。

図３は、センサ群１２によって検出されるセンサデータ群を例示する表である。図３に例示するように、センサデータ群は、カッターに関するカッターデータ、ラダーポンプに関するラダーポンプデータ、ラダーウインチに関するラダーウインチデータ、メインポンプに関するメインポンプデータ、スイングウインチに関するスイングウインチデータ、船体に関する振動・傾斜データである船体データ、及び施工管理装置１４から取得する浚渫施工に関する施工データ、のうち少なくともいずれか１以上のデータを含んでいる。センサ群１２は図３に例示するような例示するセンサデータ群を検出するための各種センサを含んでいる。

ユーザインタフェース装置１３は、例えばキーボード、マウス、マイクロフォン、スイッチ、ボタンなどの操作部と、例えばディスプレイ、スピーカー、LEDランプなどの表示部とを含む。ユーザインタフェース装置１３において、後述する学習済モデルから目的変数として得られるスイング操作量予測データに応じた指示情報が表示される。オペレータはユーザインタフェース装置１３に表示される指示情報を参照しながら、ユーザインタフェース装置１３を用いて、スイングウインチ操作やラダーウインチ操作などポンプ浚渫のための操作を行う。

図４は、機械学習装置２０のハードウェア構成を示す図である。機械学習装置２０は、物理的には、プロセッサ２００１、メモリ２００２、ストレージ２００３、通信装置２００４、及びこれらを接続するバスなどを含むコンピュータ装置として構成されている。これらの各装置は図示せぬ電源から供給される電力によって動作する。機械学習装置２０のハードウェア構成は、図４に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。また、機械学習装置２０の外部に外付けするようにしてもよい。

機械学習装置２０における各機能は、プロセッサ２００１、メモリ２００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ２００１が演算を行い、通信装置２００４による通信を制御したり、他の装置から送信されてきたデータを取得し、取得したデータに基づき演算したデータを出力したり、メモリ２００２及びストレージ２００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。

プロセッサ２００１は、プログラム（プログラムコード）、ソフトウェアモジュール、データなどを、ストレージ２００３及び通信装置２００４の少なくとも一方からメモリ２００２に読み出し、これらに従って各種の処理を実行する。

メモリ２００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read Only Memory）、ＥＰＲＯＭ（Erasable Programmable ＲＯＭ）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ＲＯＭ）、ＲＡＭ（Random Access Memory）などの少なくとも１つによって構成されてもよい。メモリ２００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ２００２は、本実施形態に係る方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。

ストレージ２００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact Disc ＲＯＭ）、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスクなどの光ディスク、ハードディスクドライブ、ソリッドステートドライブ、フレキシブルディスク、などの光磁気ディスク、スマートカード、フラッシュメモリ(例えば、カード、スティック、キードライブ)、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つによって構成されてもよい。ストレージ２００３は、補助記憶装置と呼ばれてもよい。

通信装置２００４は、有線又は無線の少なくとも一方を介してコンピュータと他の装置間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。

図５は、制御装置１１のハードウェア構成を示す図である。制御装置１１は、機械学習装置２０と同様に、物理的には、プロセッサ１１０１、メモリ１１０２、ストレージ１１０３、通信装置１１０４、及びこれらを接続するバスなどを含むコンピュータ装置として構成されている。制御装置１１における各機能は、プロセッサ１１０１、メモリ１１０２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ１１０１が演算を行い、通信装置１１０４による通信を制御したり、メモリ１１０２及びストレージ１１０３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。制御装置１１は例えばＰＬＣ（Programmable Logic Controller）と呼ばれるコンピュータ装置で実現されてもよい。

図６は、機械学習装置２０の機能構成の一例を示す図である。機械学習装置２０において、取得部２０１は、制御装置１１よりポンプ浚渫装置の動作に応じてセンサ群１２により検出された時系列のセンサデータ群（図３参照）と、熟練オペレータ（第１のオペレータ）の操作に応じたラダー２の時系列のスイング操作量データとを取得する。ここでいう、スイング操作量データとは、具体的にはラダー２のＸＹ方向の操作方向、スイング方向、スイング速度のことである。

機械学習部２０２は、取得部２０１により取得されたセンサデータとスイング操作量データとを時間軸上で対応付ける。ここでは、熟練オペレータが、ポンプ浚渫装置の操作盤上に表示された各装置の数値を参照しながら、施工効率が最適となるような操作を例えばその１秒後に行っていると仮定する。このため、機械学習部２０２は、各装置に設置されたセンサデータの検出タイミングから所定時間経過後（例えば１秒後）の時点において熟練オペレータが行った操作の内容を示すスイング操作量データと、上記センサデータとを対応付ける。そして、機械学習部２０２は、センサデータを説明変数とし、そのセンサデータに対応するスイング操作量データ（つまりそのセンサデータの検出タイミングから所定時間経過後（例えば１秒後）の時点において検出されたスイング操作量データ）を目的変数とした教師データを生成し、この教師データを用いて、いわゆる教師あり機械学習を行うことで、学習済モデルを生成する。

記憶部２０３は、機械学習部２０２によって生成された学習済モデルを記憶する。出力部２０４は、制御装置１１との間で目的変数としてのデータの出力を行う。

上記のように、機械学習装置２０は、センサ群１２により検出されたセンサデータ群（つまりポンプ浚渫装置、及びポンプ浚渫船の各部の状態）と、熟練オペレータによる施工効率が最適となるような操作との関係を学習する。

図７は、制御装置１１の機能構成の一例を示す図である。図７の制御装置１１において、センサデータ取得部１１１は、上述した熟練オペレータよりも操作に不慣れなオペレータ（第２のオペレータ）の操作に応じてセンサ群１２により検出された時系列のセンサデータ群を取得する。

入力部１１２は、機械学習装置２０の記憶部２０３に記憶されている学習済モデルに対し、取得部２０１経由でセンサデータ取得部１１１により取得されたセンサデータ群を説明変数として入力する。

指示情報出力部１１３は、センサデータ群の入力に応じて出力部２０４経由で学習済モデルから目的変数として得られるスイング操作量予測データに応じた指示情報を得、生成して出力する。学習済モデルから目的変数として得られるスイング操作量予測データは、熟練オペレータによる高精度なポンプ浚渫と同等の操作に相当するものであり、操作に不慣れなオペレータ（第２のオペレータ）にとっては最適な操作に相当するものといえる。このスイング操作量予測データに応じた指示情報は、目的変数として得られたスイング操作量予測データが、例えばラダー２の操作方向及び操作速度を示すものであるなら、その操作方向及び操作速度でラダーを操作するよう指示する文字、数値、矢印や画像であり、これらはユーザインタフェース装置１３に表示される。即ち、指示情報出力部１１３は、操作中のオペレータ（第２のオペレータ）に対して、スイング操作量予測データに応じた指示情報をラダー２の操作案内として出力する。オペレータ（第２のオペレータ）はこの指示情報に従い、若しくは参照してラダー２を操作することで、熟練オペレータ（第１のオペレータ）が行う操作と同等の操作を実現することが可能となる。

［動作］
次に、本実施形態の動作について説明する。まず、図８を参照して、機械学習装置２０による機械学習動作を説明する。この機械学習動作においては、熟練オペレータ（第１のオペレータ）がポンプ浚渫装置を操作する。機械学習装置２０の取得部２０１は、制御装置１１のセンサデータ取得部１１１から入力部１１２を介して、熟練オペレータ（第１のオペレータ）の操作に応じてセンサ群１２により検出された時系列のセンサデータ群と、その操作に応じたラダー２の時系列のスイング操作量データとを取得する（ステップＳ１０）。

次に、機械学習部２０２は、取得部２０１により取得されたセンサデータ群とスイング操作量データとを時間軸上で対応付けてから、センサデータ群を説明変数とし、そのセンサデータ群に対応するスイング操作量データを目的変数とした教師データを生成する（ステップＳ１１）。そして、機械学習部２０２は、この教師データを用いて教師あり機械学習を行うことで学習済モデルを生成する（ステップＳ１２）。この学習済モデルは記憶部２０３によって記憶される（ステップＳ１３）。

次に、図９を参照して、制御装置１１による指示情報出力動作を説明する。この指示情報出力動作においては、熟練オペレータよりも操作に不慣れなオペレータ（第２のオペレータ）がポンプ浚渫装置を操作する。制御装置１１のセンサデータ取得部１１１は、オペレータ（第２のオペレータ）の操作に応じてセンサ群１２により検出された時系列のセンサデータ群を取得する（ステップＳ２０）。

次に、制御装置１１の入力部１１２は、機械学習装置２０の記憶部２０３に記憶されている学習済モデルに対し、取得部２０１経由でセンサデータ取得部１１１により取得されたセンサデータ群を説明変数として入力する（ステップＳ２１）。

そして、指示情報出力部１１３は、センサデータ群の入力に応じて学習済モデルから目的変数として出力部２０４経由でスイング操作量予測データを得て（ステップＳ２２）、このスイング操作量予測データに応じた指示情報を生成してユーザインタフェース装置１３に出力（表示）する（ステップＳ２３）。オペレータ（第２のオペレータ）はこの指示情報に従い、若しくは参照してラダー２を操作する。

以上説明した実施形態によれば、熟練オペレータによる高精度なポンプ浚渫と同等の操作を支援することができる。

［変形例］
本発明は、上述した実施形態に限定されない。上述した実施形態を以下のように変形してもよい。

［変形例１］
実施形態において、機械学習部２０２は、センサデータ群の検出タイミングから所定時間経過後（例えば１秒後）の時点において検出されたスイング操作量データをそのセンサデータに対応付けて教師データを生成していた。このときの所定時間は、熟練オペレータがポンプ浚渫装置の状態を自ら把握してから自身の操作を行うまでの時間差に相当するものであり、任意に変更し得る値である。また、センサ群１２に含まれるセンサが複数あり、各々のセンサの検出周期が異なる場合には、制御装置１１は、複数のセンサのセンサデータが共通の検出周期となるように時間軸上で前後のセンサデータの間で補間処理を行う補間処理部を備えるようにしてもよい。また、同一箇所に複数の同種のセンサが設置されていた時には、当該複数のセンサのセンサデータの平均値、最大値又は最小値の何れかを用いるようにしてもよい。

［変形例２］
機械学習においては、説明変数が目的変数に対してどの程度寄与するかを算出することができる。そこで、機械学習装置２０は、上述した説明変数としてのセンサデータ群の内のどのセンサデータが目的変数としての操作量データに対してどの程度寄与しているかという寄与度を特定する特定部を備え、その寄与度を出力するようにしてもよい。これにより、有意義な説明変数としてのセンサデータを知ることが可能となるとともに重みづけの見直しにより、より正確な目的変数を出力できる。また、寄与度を表示することによって、操作中のオペレータが機械学習の判断根拠を参考に、操作を決定するのに活用できる。

［変形例３］
上記実施形態では、指示情報出力部１１３は、操作中のオペレータ（第２のオペレータ）に対して、スイング操作量予測データに応じた指示情報をラダー２の操作案内として出力していたが、この指示情報を自動制御に用いてもよい。具体的には、ポンプ浚渫装置は動作命令に応じてラダー２等の各部の動作制御を行う制御装置を備え、さらに、制御装置１１の指示情報出力部１１３は、上記制御装置に対して、スイング操作量予測データに応じた指示情報をラダー２の動作命令として出力する。制御装置はこの動作命令に従い、ラダー２の動作を制御する。このように機械学習の結果を自動制御に用いることで、熟練オペレータによる高精度なポンプ浚渫と同等の操作を実現することが可能となる。

［変形例４］
機械学習においては、いったん生成した学習済モデルについてさらに再学習を繰り返してより高精度なモデルに更新することができる。そこで、機械学習装置２０は、熟練オペレータ（第１のオペレータ）の新たな操作に応じたセンサデータ群を説明変数として学習済モデルに入力し、これにより出力された目的変数であるスイング操作量予測データと、新たな操作によるスイング操作量データとを比較し、新たな操作によるスイング操作量データと目的変数であるスイング操作量予測データとの相違量が閾値以内となるデータだけを再学習用の教師データとして用いて学習済モデルを再学習するようにしてもよい。新たな操作に応じたスイング操作量データと目的変数であるスイング操作量予測データとの相違量が閾値以内となるデータだけを再学習用の教師データとして用いる理由は、たとえ熟練オペレータであっても稀に非効率な操作を行ってしまうこと等があることから、このような教師データとすべきではない特異値に相当する操作量データ（いわゆるバグデータ）を除外するという意図があるからである。

なお、本発明を機械学習方法や指示情報出力方法として実施することも可能である。また、本発明はこれらの方法を実行するためのプログラムであってもよい。

１：軸支部、２：ラダー、３：カッター、４：ワイヤ、５：ラダーシャー、６：ラダーウインチ、７：スイングワイヤ、８：スイングウインチ、１０：浚渫制御システム、１１：制御装置、１２：センサ群、１３：ユーザインタフェース装置、１４：施工管理装置、１１１：センサデータ取得部、１１２：入力部、１１３：指示情報出力部、１１０１：プロセッサ、１１０２：メモリ、１１０３：ストレージ、１１０４：通信装置、２０：機械学習装置、２０１：取得部、２０２：機械学習部、２０３：記憶部、２０４：出力部、２００１：プロセッサ、２００２：メモリ、２００３：ストレージ、２００４：通信装置。

Claims (12)

1. ラダーに設けられたカッターで掘削した水底土砂を吸入口から吸入するポンプ浚渫装置において、第１のオペレータの操作に応じてセンサにより検出された時系列のセンサデータと、当該操作に応じた前記ラダーの時系列のスイング操作量データとを取得する取得部と、
   取得された前記センサデータと前記スイング操作量データとを時間軸上で対応付けた当該センサデータを説明変数とし、当該センサデータに対応する施工効率が最適となるスイング操作量データを目的変数とした教師データを用いて機械学習を行う機械学習部と、
   前記機械学習部によって生成された学習済モデルを記憶する記憶部と
   を備えることを特徴とする機械学習装置。
2. 前記センサデータは、前記カッターに関するカッターデータ、ラダーポンプに関するラダーポンプデータ、ラダーウインチに関するラダーウインチデータ、メインポンプに関するメインポンプデータ、スイングウインチに関するスイングウインチデータ、船体に関する振動データ及び船体に関する傾斜データである船体データ、又は、浚渫施工に関する施工データ、のうち少なくともいずれか１以上のデータを含む
   ことを特徴とする請求項１記載の機械学習装置。
3. 前記センサデータの寄与度を特定する特定部を備える
   ことを特徴する請求項２記載の機械学習装置。
4. ポンプ浚渫装置において第２のオペレータの操作に応じてセンサにより検出された時系列のセンサデータを取得するセンサデータ取得部と、
   請求項１に記載の機械学習装置の記憶部に記憶されている学習済モデルに対し、前記センサデータ取得部により取得された前記センサデータを説明変数として入力する入力部と、
   前記センサデータの入力に応じて前記学習済モデルから目的変数として得られるスイング操作量予測データに応じた指示情報を出力する指示情報出力部と
   を備えることを特徴とする指示情報出力装置。
5. 前記指示情報出力部は、前記第２のオペレータに対して、前記スイング操作量予測データに応じた指示情報を前記ラダーの操作案内として出力する
   ことを特徴とする請求項４記載の指示情報出力装置。
6. 前記指示情報出力部は、前記ラダーの動作制御を行う制御装置に対して、前記スイング操作量予測データに応じた指示情報を前記ラダーの動作命令として出力する
   ことを特徴とする請求項４記載の指示情報出力装置。
7. 前記センサデータは、前記カッターに関するカッターデータ、ラダーポンプに関するラダーポンプデータ、ラダーウインチに関するラダーウインチデータ、メインポンプに関するメインポンプデータ、スイングウインチに関するスイングウインチデータ、船体に関する振動データ及び船体に関する傾斜データである船体データ、又は、浚渫施工に関する施工データ、のうち少なくともいずれか１以上のデータを含む
   ことを特徴とする請求項４に記載の指示情報出力装置。
8. 前記センサが複数あり、各々の検出周期が異なる場合に、
   複数の前記センサのセンサデータが共通の検出周期となるように各センサデータについて補間処理を行う補間処理部を備える
   ことを特徴とする請求項４～７のいずれか１項に記載の指示情報出力装置。
9. ラダーに設けられたカッターで掘削した土砂を吸入口から吸入するポンプ浚渫装置において、第１のオペレータの操作に応じてセンサにより検出された時系列のセンサデータと、当該操作に応じた前記ラダーの時系列のスイング操作量データとを取得する取得ステップと、
   取得された前記センサデータと前記スイング操作量データとを時間軸上で対応付けた前記センサデータを説明変数とし、当該センサデータに対応する施工効率が最適となる前記スイング操作量データを目的変数とした教師データを用いて機械学習を行う機械学習ステップと、
   前記機械学習によって生成された学習済モデルを記憶する記憶ステップと
   を備えることを特徴とする機械学習方法。
10. 第１のオペレータの新たな操作に応じたセンサデータを説明変数として、請求項９に記載の機械学習方法によって生成された学習済モデルに入力し、
    出力された目的変数であるスイング操作量予測データと、前記新たな操作に応じたスイング操作量データとを比較し、
    前記新たな操作に応じたスイング操作量データと前記目的変数であるスイング操作量予測データとの相違量が閾値以内となるデータだけを再学習用の教師データとして用いて前記学習済モデルについて再学習を行う
    ことを特徴とする機械学習方法。
11. ポンプ浚渫装置において第２のオペレータの操作に応じてセンサにより検出された時系列のセンサデータを取得するセンサデータ取得ステップと、
    請求項９又は１０記載の機械学習方法によって記憶されている学習済モデルに対し、前記センサデータ取得ステップにより取得された前記センサデータを説明変数として入力する入力ステップと、
    前記センサデータの入力に応じて前記学習済モデルから目的変数として得られるスイング操作量予測データに応じた情報を出力する出力ステップと
    を備えることを特徴とする指示情報出力方法。
12. コンピュータに、請求項９～１１のいずれか１項に記載の方法を実行させるためのプログラム。

Images