JP6330882B2 - 制御装置 - Google Patents
制御装置 Download PDFInfo
- Publication number
- JP6330882B2 JP6330882B2 JP2016194282A JP2016194282A JP6330882B2 JP 6330882 B2 JP6330882 B2 JP 6330882B2 JP 2016194282 A JP2016194282 A JP 2016194282A JP 2016194282 A JP2016194282 A JP 2016194282A JP 6330882 B2 JP6330882 B2 JP 6330882B2
- Authority
- JP
- Japan
- Prior art keywords
- skill level
- information
- work
- unit
- acquired
- 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.)
- Active
Links
- 238000003860 storage Methods 0.000 claims description 42
- 238000004519 manufacturing process Methods 0.000 claims description 31
- 230000008859 change Effects 0.000 claims description 27
- 230000002123 temporal effect Effects 0.000 claims description 5
- 238000000034 method Methods 0.000 description 57
- 230000008569 process Effects 0.000 description 33
- 238000012545 processing Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000012546 transfer Methods 0.000 description 6
- 230000004886 head movement Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000003252 repetitive effect Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000036772 blood pressure Effects 0.000 description 3
- 230000036760 body temperature Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000036387 respiratory rate Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
Images
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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/416—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by control of velocity, acceleration or deceleration
-
- 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], computer integrated manufacturing [CIM]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J13/00—Controls for manipulators
- B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Description
好ましくは、熟練度ごとに当該熟練度に応じた生体情報が有する特徴量を取得し記憶部に蓄積する蓄積部を、さらに備える。
好ましくは、判定部は、予め定められた時間毎に熟練度を判定し、制御装置は、予め定められた時間毎に判定された熟練度を統計し、統計情報を出力する。
図1は、実施の形態1にかかるシステム1の全体構成を概略的に示す図である。FA(Factory Automation)などの生産ラインには、作業者10の作業に用いられる1または複数のユニット200、PLC(Programmable Logic Controller)などの制御コンピュータ100、および管理者が操作する管理コンピュータ300を備える。これらの各部は、有線または無線で相互に通信する。また、制御コンピュータ100は、作業者10が携帯する端末11と通信することができるが、管理コンピュータ300は、端末11と通信するとしてもよい。なお、システム1は生産現場に設置されるものであればよく、設置対象は生産ラインに限定されない。
図2は、図1の制御コンピュータ100のハードウェア構成を模式的に示す図である。図2を参照して、制御コンピュータ100は、演算処理部であるCPU(Central Processing Unit)110と、記憶部としてのメモリ112およびハードディスク114と、時間を計時し計時データをCPU110に出力するタイマ113と、入力インタフェイス118と、ディスプレイ122を制御する表示コントローラ120と、通信インタフェイス124と、データリーダ/ライタ126とを含む。これらの各部は、バス128を介して、互いにデータ通信可能に接続される。
図3は、図1のロボット60の構成を概略的に示す図である。ロボット60は、ワークWを把持して搬送するために自在に回動するアーム63と、ワークWを搬送するようにアーム63を回動させるための駆動部62、および駆動部62を制御するコントローラ61を備える。なお、作業内容はワークWの搬送に限定されず、ワークWが部品であった場合にはワークWの本体への取付け作業などであってもよい。
図4と図5は、実施の形態1にかかる生体情報を例示する図である。実施の形態1では、生体情報107が有する特徴量を用いて作業の熟練度を判定する。説明を簡単にするために、生体情報107に含まれる身体の動きの経時的な変化の情報(身体の各部位の位置、移動速度、移動加速度、移動距離などの経時的な変化の情報)が有する特徴量を用いる。なお、体温、脈拍、血圧等の経時的な変化を示す情報が有する特徴量を用いても同様に熟練度を判定することができる。
図6は、実施の形態1にかかる制御コンピュータ100の機能の構成を模式的に示す図である。図6に示される機能は、作業者の生体情報107から駆動部62の制御量を決定する機能を含む。実施の形態1にかかる制御コンピュータ100の動作モードは、「学習モード」と「運用モード」とを含む。図6を参照して、制御コンピュータ100は、学習部101、センサ50から生体情報107を取得する取得部103、作業者10の作業に対する熟練度を判定する判定部104、および制御量決定部105を備える。また、制御コンピュータ100は、記憶部(ハードディスク114など)に対応する情報メモリ102を備える。
上記の情報メモリ102の各熟練度のデータは可変であってよい。たとえば、ワークWの種類が変更したときに「学習モード」が実施されて情報メモリ102のデータが変更されてもよい。
上記の「学習モード」および「運用モード」の処理を説明する。なお、図1の各ユニット200においては、以下に説明する「学習モード」および「運用モード」の処理が同様に実施される。
図7を参照して「学習モード」において、コントローラ61には標準の制御量を示す指令信号106が与えられている。取得部103は、熟練した作業者10の作業時に生体情報107をセンサ50から取得し(ステップS3)、学習部101は、取得部103からの生体情報107が有する特徴量CRiを取得する(ステップS4)。学習部101、取得された特徴量(取得特徴量)CRiを当該作業者10の熟練度を示すラベルを付加して情報メモリ102に格納する(ステップS5)。
生体情報107から特徴量を取得する処理を説明する。学習部101は、取得部103からの生体情報107を処理して、図4または図5に示されたように、身体の各部位の動きの経時的な変化を示す特徴量を抽出する。身体の各部位としては、頭、胴体、肩、腕、腰、足、手、指などが含まれる。学習部101は、各部位の特徴量(動きの経時的な変化)を取得する。なお、特徴量は、身体の異なる部分の相対的な位置関係(たとえば、頭と腕の距離により示される位置関係)の経時的な変化であってもよい。
学習部101は、領域E1に格納された情報の分析処理を実施する(ステップS6)。分析処理は、有効パターンEPを決定するための処理(ステップS7、S8およびS9)を含む。
図9を参照して「運用モード」の処理を説明する。なお、「運用モード」の開始時には、情報メモリ102の領域E2には、有効パターンEPならびに閾値TH1、TH2およびTH3が格納されている。また、「運用モード」の開始時には、コントローラ61には標準(中熟練度に対応)の制御量を示す指令信号106が与えられている。
図10は、実施の形態1にかかる学習モードにおける閾値の決定方法の他の例を模式的に示す図である。図8では、有効パターンEPである2つの特徴量の組合せ値(CR1,CR2)の2次元平面における分布状況に従い、閾値TH1、TH2およびTH3を取得したが、取得方法は、この方法に限定されない。
実施の形態2では、作業者10の熟練度を管理する方法を説明する。制御コンピュータ100は、各作業者10について、判定部104により判定された熟練度をハードディスク114などの記憶部に記録(記憶)し、記録した内容を出力(表示)する。図11は、実施の形態2にかかる熟練度の記録内容の表示例を示す図である。
実施の形態3では、作業者10に対して、端末11を介して、特徴量または熟練度に関する情報を提供する。図12は、作業中の手の移動速度の変化の表示例を示す図である。図13は、作業中の手の移動にかかる加速度の変化の表示例を示す図である。実施の形態3では、有効パターンEPが示す識別特徴量の組合せ値(CR1,CR2)は、(手の移動速度,手の移動加速度)を示す。
実施の形態4では、ワークWの動きの経時的な変化から、熟練度を判定する。上記の各実施の形態では、作業者10の生体情報107を用いて熟練度を判定したが、実施の形態4では、作業者10の身体の動きの変化に応じてワークWの動きも変化する点に着目して、ワークWの動きの変化から、熟練度が判定される。
実施の形態5では、上記の各実施の形態における上述の「学習モード」および「運用モード」の少なくとも一方を制御コンピュータ100のCPU110に実行させるためのプログラムが提供される。このようなプログラムは、制御コンピュータ100に付属するフレキシブルディスク、CD−ROM(Compact Disk-Read Only Memory)、ROM、RAMおよびメモリカード123などのコンピュータ読み取り可能な記録媒体にて記録させて、プログラム製品として提供することもできる。あるいは、制御コンピュータ100に内蔵するハードディスク114などの記録媒体にて記録させて、プログラムを提供することもできる。また、図示しないネットワークから通信インタフェイス124を介したダウンロードによって、プログラムを提供することもできる。
上記の実施の形態の制御コンピュータ100は、生産のための駆動部62を制御する制御装置に相当する。この制御装置は、作業者10から測定された生体情報107を取得する取得部103と、作業の熟練度ごとに当該熟練度に応じた生体情報107からなる高熟練度情報151、中熟練度情報152および低熟練度情報153を記憶するための記憶部(情報メモリ102)と、作業時に取得部103により取得される生体情報107が有する特徴量CRiと、記憶部の熟練度ごとの生体情報(高熟練度情報151、中熟練度情報152および低熟練度情報153)が有する特徴量CRiとを比較し、比較の結果に基づき、当該取得される生体情報107がいずれの熟練度に該当するかを判定する判定部104と、判定された熟練度に基づき駆動部62の制御量を決定する決定部(制御量決定部105)と、を備える。
上記の実施の形態によれば、作業者10の熟練度を、作業中の生体情報107またはワーク情報107Aからリアルタイムに判定し、判定された熟練度に応じて制御量を変更する。熟練度が低いと判定された場合には、たとえばロボット60(より特定的にはアーム63)は通常よりも遅く動くように制御量を変更することで人的ミスを少なくし、熟練度が高いと判定された場合には、ロボット60(より特定的にはアーム63)の制御量を通常より速く動くように変更することで生産効率を上げることが可能となる。
Claims (4)
- 生産のための駆動部を制御する制御装置であって、
作業者の作業時の姿勢の経時変化を示す生体情報を取得する取得部と、
作業の熟練度ごとに当該熟練度に応じた前記生体情報を記憶するための記憶部と、
作業時に前記取得部により取得される前記生体情報が有する複数の特徴量のうちの前記熟練度を識別可能な特徴量の組の値と、前記記憶部の熟練度ごとの前記生体情報が有する複数の特徴量のうちの前記識別可能な特徴量の組に基づく閾値とを比較し、比較の結果に基づき、当該取得される生体情報がいずれの熟練度に該当するかを判定する判定部と、
判定された前記熟練度に基づき前記駆動部の制御量を決定する決定部と、を備え、
前記制御装置の動作モードが学習モードである場合に、前記熟練度ごとに当該熟練度に応じた前記生体情報が有する特徴量を取得し前記記憶部に蓄積し、前記制御装置の動作モードが運用モードである場合に、前記判定部より判定された熟練度に応じた前記生体情報が有する特徴量を前記記憶部に蓄積する、制御装置。 - 前記特徴量は、身体の異なる部位の距離を含む両部位の相対的な位置関係の経時変化を含む、請求項1に記載の制御装置。
- 前記制御装置は、さらに、
作業者が作業時に扱うワークの動きを示すワーク情報を取得するワーク情報取得部と、
前記熟練度ごとに当該熟練度に応じた前記ワーク情報を記憶するためのワーク情報記憶部と、
前記作業者の作業時に取得される前記ワーク情報が有する特徴量と、前記ワーク情報記憶部の熟練度ごとの前記ワーク情報が有する特徴量とを比較し、比較の結果に基づき、当該取得されるワーク情報がいずれの熟練度に該当するかを判定するワーク情報判定部と、を備え、
前記決定部は、前記判定部により判定された熟練度と、前記ワーク情報判定部により判定された熟練度に基づき、前記制御量を決定する、請求項1または2に記載の制御装置。 - 前記判定部は、予め定められた時間毎に前記熟練度を判定し、
前記制御装置は、前記予め定められた時間毎に判定された熟練度を統計し、統計情報を出力する、請求項1から3のいずれか1項に記載の制御装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016194282A JP6330882B2 (ja) | 2016-09-30 | 2016-09-30 | 制御装置 |
PCT/JP2017/029429 WO2018061504A1 (ja) | 2016-09-30 | 2017-08-16 | 制御装置、システム、制御方法およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016194282A JP6330882B2 (ja) | 2016-09-30 | 2016-09-30 | 制御装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018055611A JP2018055611A (ja) | 2018-04-05 |
JP6330882B2 true JP6330882B2 (ja) | 2018-05-30 |
Family
ID=61759432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016194282A Active JP6330882B2 (ja) | 2016-09-30 | 2016-09-30 | 制御装置 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6330882B2 (ja) |
WO (1) | WO2018061504A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7170496B2 (ja) * | 2018-10-18 | 2022-11-14 | オークマ株式会社 | 工作機械における加工異常診断モデル構築用の加工データへのラベル付与方法及び加工異常診断システム |
US11119716B2 (en) | 2018-10-31 | 2021-09-14 | Fanuc Corporation | Display system, machine learning device, and display device |
JP6912513B2 (ja) * | 2018-10-31 | 2021-08-04 | ファナック株式会社 | 表示システム、機械学習装置、及び表示装置 |
JP2020129018A (ja) | 2019-02-07 | 2020-08-27 | 株式会社日立製作所 | 動作評価システムおよび方法 |
JP2020135608A (ja) * | 2019-02-22 | 2020-08-31 | 日本電信電話株式会社 | 情報処理装置および方法 |
JP2022097249A (ja) | 2020-12-18 | 2022-06-30 | オムロン株式会社 | 推奨負荷決定装置、能力パラメータ推定モデル学習装置、方法、及びプログラム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007109095A (ja) * | 2005-10-14 | 2007-04-26 | Omron Corp | 工程管理装置、工程管理システム、工程管理方法、制御プログラム、および、記録媒体 |
JP2012234406A (ja) * | 2011-05-02 | 2012-11-29 | Kawasaki Heavy Ind Ltd | 作業支援装置および作業支援方法 |
JP2013200440A (ja) * | 2012-03-26 | 2013-10-03 | Mitsubishi Electric Corp | 映像表示装置 |
JP6283231B2 (ja) * | 2014-02-14 | 2018-02-21 | 日本電信電話株式会社 | 習熟度評価方法、およびプログラム |
JP6397226B2 (ja) * | 2014-06-05 | 2018-09-26 | キヤノン株式会社 | 装置、装置の制御方法およびプログラム |
-
2016
- 2016-09-30 JP JP2016194282A patent/JP6330882B2/ja active Active
-
2017
- 2017-08-16 WO PCT/JP2017/029429 patent/WO2018061504A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2018061504A1 (ja) | 2018-04-05 |
JP2018055611A (ja) | 2018-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6330882B2 (ja) | 制御装置 | |
CN108136592B (zh) | 控制装置、控制系统、控制方法及计算机可读存储介质 | |
Zhang et al. | Ergonomic posture recognition using 3D view-invariant features from single ordinary camera | |
Li et al. | A Control Framework for Tactile Servoing. | |
JP7010542B2 (ja) | 作業分析装置、作業分析方法、及びプログラム | |
CN102310409A (zh) | 机器人装置及基于机器人装置的把持方法 | |
JP2015519624A5 (ja) | ||
Seo et al. | Automated postural ergonomic risk assessment using vision-based posture classification | |
WO2017141565A1 (ja) | 演算装置、演算方法及び演算プログラム | |
JP7160602B2 (ja) | 工具識別装置及び工具識別システム | |
Diego-Mas et al. | Using RGB-D sensors and evolutionary algorithms for the optimization of workstation layouts | |
US11669084B2 (en) | Controller and control system | |
Al-Amin et al. | Sensor data based models for workforce management in smart manufacturing | |
WO2022234678A1 (ja) | 機械学習装置、分類装置、及び制御装置 | |
Tran et al. | Assessing human worker performance by pattern mining of Kinect sensor skeleton data | |
JP4023614B2 (ja) | 把持装置、把持制御方法及び把持制御プログラム並びに記録媒体 | |
KR20160118678A (ko) | 근골격계 질환 예방을 위한 작업부하 측정 및 작업순환 순서 결정 방법 | |
CN109934155A (zh) | 一种基于深度视觉的协作机器人手势识别方法及装置 | |
JP2008046786A (ja) | 点検業務システム | |
JP7412592B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
Ishiguro et al. | Behavior selection and environment recognition methods for humanoids based on sensor history | |
EP3801434B1 (en) | Method and system for measuring ergonomic load | |
WO2014047944A1 (en) | system and method for improving manufacturing production | |
JP3005358B2 (ja) | 人体の活動状態解析装置 | |
Miyashita et al. | Methods for Environment Recognition based on Active Behaviour Selection and Simple Sensor History |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180213 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180314 |
|
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: 20180327 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180409 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6330882 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |