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
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 Download PDFInfo
- Publication number
- JP2024006624A JP2024006624A JP2022107701A JP2022107701A JP2024006624A JP 2024006624 A JP2024006624 A JP 2024006624A JP 2022107701 A JP2022107701 A JP 2022107701A JP 2022107701 A JP2022107701 A JP 2022107701A JP 2024006624 A JP2024006624 A JP 2024006624A
- Authority
- JP
- Japan
- Prior art keywords
- data
- sensor data
- machine learning
- instruction information
- sensor
- 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.)
- Pending
Links
- 238000010801 machine learning Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims description 13
- 238000010276 construction Methods 0.000 claims abstract description 15
- 230000004044 response Effects 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 239000004576 sand Substances 0.000 claims description 4
- 239000013049 sediment Substances 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 15
- 230000000875 corresponding effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000009430 construction management Methods 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 208000003028 Stuttering Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Landscapes
- Control Of Positive-Displacement Pumps (AREA)
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。
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)。
[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、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。
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。
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。
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。
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。
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)
- 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022107701A JP2024006624A (ja) | 2022-07-04 | 2022-07-04 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022107701A JP2024006624A (ja) | 2022-07-04 | 2022-07-04 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2024006624A true JP2024006624A (ja) | 2024-01-17 |
Family
ID=89539892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022107701A Pending JP2024006624A (ja) | 2022-07-04 | 2022-07-04 | 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 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2024006624A (ja) |
-
2022
- 2022-07-04 JP JP2022107701A patent/JP2024006624A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9945095B2 (en) | Control system of excavating machine and excavating machine | |
JP4678789B2 (ja) | 捨石投入作業支援装置及び捨石投入シミュレーション作業支援装置 | |
KR102204803B1 (ko) | 정보 처리 장치 및 프로그램 | |
JP2019132064A (ja) | 積込機械の制御装置および制御方法 | |
JP2016176757A (ja) | 魚群探知装置 | |
JP2024006624A (ja) | 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 | |
CN111183093B (zh) | 多阶段离位技术 | |
US20220363357A1 (en) | Underwater vehicle control system | |
JP2021030748A (ja) | 推定方法、学習方法、推定プログラムおよび推定装置 | |
JP2000080673A (ja) | 浚渫船向け経路計画法 | |
JP6526395B2 (ja) | 水中作業装置及び水中作業方法 | |
CN116482984A (zh) | 基于船舶拖缆张力监测的模型自适应最优控制方法及系统 | |
JPH0314B2 (ja) | ||
US20230102473A1 (en) | Nautical drift managing device and nautical drift managing method | |
KR102409380B1 (ko) | 해양로봇의 실시간 운용모드 전환을 위한 가상 물리 운용 시스템 | |
JP2009264781A (ja) | 模型船試験装置 | |
US20220171043A1 (en) | Sonar display features | |
WO2014072965A1 (en) | Method and apparatus for displaying laylines | |
JP7322616B2 (ja) | 情報処理装置、情報処理方法、プログラム及び掘削システム | |
CN204101960U (zh) | 一种基于环境参数分析的海洋地质绞车控制系统 | |
JP2023116950A (ja) | 浚渫制御装置、浚渫制御方法及びプログラム | |
JP2005213937A (ja) | 建設機械の施工管理装置および基礎工事用建設機械 | |
JP2020056250A (ja) | 浚渫施工管理システム及び浚渫施工管理方法 | |
Hval | Modelling and control of underwater inspection vehicle for aquaculture sites | |
JP7148968B2 (ja) | 航跡表示装置 |