JP6414925B2 - ショベルの処理装置及び作業内容判定方法 - Google Patents

Description

本発明は、何らかの作業を行っているショベルから取得された運転変数に基づいて、ショベルの作業内容を判定するショベルの処理装置及び作業内容判定方法に関する。

ショベル、リフティングマグネット型作業機械等の作業機械に、エンジン回転数、油圧等の運転変数を測定するための種々のセンサが取り付けられている。これらのセンサの検出値に基づいて、作業機械の異常診断を行う技術が公知である。異常診断を行うためには、センサの検出値が、どのような作業を行っていた時に取得されたものであるのかを特定することが必要な場合がある。

下記の特許文献１に、油圧ショベルの動作状態を示す所定の特徴量に基づいて、油圧ショベルの作業内容を判別する技術が開示されている。動作状態を示す所定の特徴量として、ブーム操作の複雑さ表示量、バケット操作の複雑さ表示量、高速旋回時間、ブーム逆操作時間、バケットアーム停止時間、ブーム操作量平均値、アーム操作量平均値、バケット操作量平均値、旋回操作量平均値、右側走行操作量平均値及び左側走行操作量平均値が用いられる。

特開平１０−６０９４８号公報

種々の運転変数の平均値等を特徴量として、この特徴量により作業内容を判別する方法では、運転変数の平均値が類似した傾向を示す複数の作業内容が存在する場合に、作業内容を正確に判定することが困難である。本発明の目的は、作業内容を、より正確に判定することが可能なショベルの処理装置、及び作業内容判定方法を提供することである。

本発明の一観点によると、
ショベルの稼働状態に依存する複数の運転変数を、ある期間に亘って測定して得られた運転変数の時間変化が入力される入力装置と接続され、前記ショベルによる作業内容を判定するショベルの処理装置であって、
前記処理装置は、
前記入力装置から入力された前記運転変数の時間変化を、時間軸上で複数の区間に区分し、前記区間ごとに、複数の前記運転変数の特徴量を決定し、
前記複数の特徴量が時系列に並んだ検証データに基づいて、前記ショベルの作業内容を判定するショベルの処理装置が提供される。

本発明の他の観点によると、
ショベルの稼働状態に依存する複数の運転変数を、前記ショベルに搭載されるセンサによりある期間に亘って測定することにより、前記運転変数の時間変化を求め、
求められた前記運転変数の時間変化を、時間軸上で複数の区間に区分し、
前記区間ごとに、複数の前記運転変数の特徴量を決定し、
前記複数の特徴量が時系列に並んだ検証データに基づいて、前記ショベルの作業内容を判定する作業内容判定方法が提供される。

特徴量の時系列からなる検証データに基づいて、作業内容を判定することにより、ある時刻の特徴量に基づいて判定する場合に比べて、より正確な判定を行うことができる。

図１は、実施例による作業機械の管理装置のブロック図、及び管理対象の作業機械の概略図である。 図２は、実施例による作業機械の管理装置に記憶されている状態遷移モデルを示す図である。 図３は、状態遷移モデルを決定する方法のフローチャートである。 図４は、作業内容（単純掘削作業）の運転変数の時間変化の一例を示すグラフ、及び運転変数の時間変化から決定された参照データを示す図である。 図５は、１つの参照データに関して生成された複数の状態系列、及び状態系列ごとに算出された生成確率を示す図である。 図６は、作業内容が未知の運転変数の時間変化に対応する作業内容を判定する方法のフローチャートである。 図７は、図６のステップＳＢ３の詳細なフローチャートである。 図８は、作業内容が未知の運転変数の時間変化の一例を示すグラフ、及び運転変数の時間変化から決定された検証データを示す図である。 図９は、検証データに対応して生成された状態系列、状態系列ごとに算出された生成確率、及び一致確率を示す図である。 図１０Ａ及び図１０Ｂは、入出力装置の表示装置に表示された内容を示す図である。

図１に、実施例による作業機械の管理装置１０のブロック図、及び管理対象の作業機械１８の概略図を示す。作業機械の管理装置１０は、入出力装置１１、処理装置１２、及び記憶装置１３を含む。入出力装置１１には、通信装置、画像表示装置、キーボード、ポインティングデバイス、ＵＳＢポート、リムーバブルメモリ用スロット等が含まれる。入出力装置１１は、通信回線１９を介して作業機械１８と各種データの送受信を行う。図１では、管理対象の作業機械１８としてショベルを示しているが、他の作業機械を管理対象とすることも可能である。

作業機械１８に複数のセンサが搭載されている。センサは、作業機械１８の稼働状態に依存する複数の運転変数を測定する。運転変数には、例えばエンジン回転数、油圧ポンプ圧力、ショベルの前進、後退、旋回等を制御する作動圧、ブーム等を制御するための油圧シリンダの作動圧等が含まれる。これらの運転変数の測定値が、作業機械の管理装置１０に送信される。

処理装置１２は、記憶装置１３に記憶されているプログラムを実行することにより、作業機械１８から受信した運転変数の時間変化に基づいて、運転変数が検出されたときの作業内容を判定する。記憶装置１３には、処理装置１２で実行されるプログラム、作業内容を判定する処理で使用される種々のデータが記憶されている。

図２を参照して、作業内容の判定処理で利用される状態遷移モデルについて説明する。作業内容Ｗごとに状態遷移モデルＳＴＭが定義されている。状態遷移モデルＳＴＭは、状
態Ｓの遷移の経路を定義する状態遷移経路、状態間の遷移確率ｔ、及び状態Ｓごとに出現する事象の出現確率ｅを含む。複数の状態Ｓは、時系列に並んでおり、時間の経過と共に、１つの状態から次の状態に遷移する。ある状態から前の状態に戻ることはない。さらに、遷移先の状態は、自己、または他の１つの状態であり、１つの状態から複数の次の状態に分岐することはない。この状態遷移モデルＳＴＭは、記憶装置１３（図１）に記憶される。

各状態Ｓは、作業機械の１つの動作に対応する。状態Ｓごとに出現する事象は、本実施例において特徴量Ｅがとる値で表される。一例として、状態Ｓごとに出現する事象には、特徴量Ｅが値「ａ」をとる事象、値「ｂ」をとる事象、及び値「ｃ」をとる事象が含まれる。特徴量Ｅは、運転変数の値に基づいて決定される。なお、事象の数が、３個に限定されない。状態Ｓごとに４個以上の事象が現れるように状態遷移モデルＳＴＭを定義することも可能である。

作業内容Ｗには、例えば単純掘削作業（作業内容Ｗ１）、旋回地ならし作業（作業内容Ｗ２）、積み込み作業（作業内容Ｗ３）等が含まれる。単純掘削作業（作業内容Ｗ１）の状態遷移モデルＳＴＭ１は、状態Ｓ１１から状態Ｓ１６までの６個の状態を含む。例えば、状態Ｓ１１〜Ｓ１６は、それぞれブーム上げ動作、アーム伸ばし動作、バケット解放動作、ブーム下げ動作、アーム曲げ動作、及びバケット掘削動作に対応する。

状態間の遷移は、自己遷移と次状態への遷移で構成される。状態Ｓ_ｉの自己遷移確率をｔ_（ｉｉ）で表し、状態Ｓ_ｉから次状態Ｓ_ｊへの遷移確率をｔ_（ｉｊ）と表記する。ある時刻ｎにおける確率変数をＸ_ｎとすると、ｔ_（ｉｉ）は、確率変数Ｘ_ｎが状態Ｓ_ｉである場合に、Ｘ_ｎ＋１も状態Ｓ_ｉであるという条件付き確率で表される。すなわち、ｔ_（ｉｉ）は、
ｔ_（ｉｉ）＝Ｐ（Ｘ_ｎ＋１＝Ｓ_ｉ｜Ｘ_ｎ＝Ｓ_ｉ）
と表される。また、状態Ｓ_１１の自己遷移確率はｔ_{（１１ １１）}と表記され、状態Ｓ_１１から次状態Ｓ_１２への遷移確率はｔ_{（１１ １２）}と表記される。

状態Ｓ_ｉにおいて、特徴量Ｅが値「ｋ」をとる事象の出現確率をｅ_ｉ（ｋ）と表記する。例えば、状態Ｓ_１１において、特徴量Ｅが値「ａ」、「ｂ」、及び「ｃ」をとる事象の出現確率が、それぞれｅ_１１（ａ）、ｅ_１１（ｂ）、及びｅ_１１（ｃ）と表記される。

図３に、状態遷移モデルＳＴＭを決定する方法のフローチャートを示す。作業内容Ｗごとに図３に示した処理を実行することにより、各作業内容Ｗの状態遷移モデルＳＴＭが決定される。状態遷移モデルＳＴＭの各状態Ｓ、及び状態が遷移する経路は、作業内容Ｗに応じて事前に定義しておく。処理装置１２（図１）が図３に示した処理を実行することにより、状態遷移モデルの遷移確率ｔ及び出現確率ｅが決定される。

ステップＳＡ１において、作業内容Ｗが既知の運転変数Ｖの時間変化を取得する。運転変数Ｖの時間変化は、ある作業内容Ｗに対応する作業を実行している作業機械の複数の運転変数Ｖを、ある期間に亘って測定することにより得られる。同一機種の異なる機体から、運転変数Ｖの複数の時間変化を取得してもよいし、同一の機体において、運転日時の異なる複数の時期に運転変数Ｖを測定することにより、運転変数Ｖの複数の時間変化を取得してもよい。

ステップＳＡ２において、複数の運転変数Ｖの時間変化を、時間軸上で複数の区画に区分する。

図４に、作業内容Ｗ１（単純掘削作業）の運転変数Ｖ１、Ｖ２、Ｖ３、・・・時間変化
の一例を示す。運転変数Ｖ１、Ｖ２、Ｖ３、・・・の時間変化が、時間軸上で複数の区画Ｄ１〜Ｄ１０に区分されている。各区画Ｄ１〜Ｄ１０の時間の長さは、例えば１秒である。区画Ｄ１〜Ｄ１０の各々の時間の長さは、適宜設定すればよい。１つの区画の長さを短くすると、作業内容の判定精度を高めることができるが、作業内容を判定するための処理時間が長くなってしまう。１つの区画の長さは、要求される判定精度、及び処理装置１２（図１）の処理能力に応じて設定すればよい。１つの区画の長さが変わると、区分されて得られた区画の個数も変化する。実施例では、１０個の区画Ｄ１〜Ｄ１０に区分された場合について説明する。

ステップＳＡ３（図３）において、区画Ｄ１〜Ｄ１０ごとに、運転変数Ｖ１、Ｖ２、Ｖ３、・・・の値に基づいて、特徴量Ｅを決定する。決定された特徴量Ｅの値を時系列に並べることにより、参照データＲが生成される。図４に示した例では、区画Ｄ１〜Ｄ１０おいて、特徴量Ｅの値が、それぞれ「ａ」、「ｂ」、「ｃ」、「ａ」、「ａ」、「ｃ」、「ｂ」、「ｂ」、「ａ」、「ａ」と決定される。この場合、生成される参照データＲは、「ａｂｃａａｃｂｂａａ」となる。

運転変数Ｖ１、Ｖ２、Ｖ３、・・・の各々について複数の時間変化が準備されているため、複数の参照データＲが生成される。複数の時間変化の時間の長さが同一であるとは限らない。時間変化の長さが異なると、時間変化を区分して得られる区画の個数が異なる。このため、参照データＲを構成している特徴量Ｅの個数は、すべての参照データＲで同一であるとは限らない。

ステップＳＡ４（図３）において、状態遷移モデルＳＴＭの遷移確率ｔ及び出現確率ｅの暫定値を設定する。遷移確率ｔ及び出現確率ｅの暫定値として、適当な値を設定すればよい。

ステップＳＡ５（図３）において、参照データＲを構成する複数の特徴量Ｅの各々に、状態遷移モデルＳＴＭの各状態Ｓを当てはめることにより、複数の状態系列Ｋを生成する。

図５に、１つの参照データＲに関して生成された複数の状態系列Ｋ（１）〜Ｋ（Ｎ）の例を示す。参照データＲを構成する特徴量Ｅの個数が１０個であり、状態遷移モデルＳＴＭを構成する状態Ｓ_１１〜Ｓ_１６の個数が６個である。このため、複数の特徴量Ｅに同一の状態Ｓが割り当てられる。図５に示した状態系列Ｋ（ｉ）においては、１番目の値「ａ」をとる特徴量Ｅ、及び２番目の値「ｂ」をとる特徴量Ｅに、同一の状態Ｓ_１１が割り当てられている。

図５には、１つの参照データＲに当てはめられた状態系列Ｋ（１）〜Ｋ（Ｎ）を示しているが、実際には、すべての参照データＲについて、同様に状態系列Ｋが生成される。

ステップＳＡ６（図３）において、状態系列Ｋ（ｉ）ごとに、遷移確率ｔ及び出現確率ｅの暫定値を用いて、状態系列Ｋ（ｉ）の生成確率ＰＫ（ｉ）を算出する。例えば、図５に示した状態系列Ｋ（１）の値「ａ」をとる１番目の特徴量Ｅに割り当てられた状態Ｓ_１１については、特徴量Ｅが値「ａ」をとる事象が出現し、かつ遷移先の状態がＳ_１１である（自己遷移している）ため、この確率は、ｅ_１１（ａ）×ｔ_{（１１ １１）}となる。出現確率ｅ_１１（ａ）及び遷移確率ｔ_{（１１ １１）}は、図２で定義されているとおりである。状態系列Ｋ（１）を構成する１０個の状態Ｓについて同様の確率を求めることができる。これらの１０個の状態Ｓについて求められた確率をすべて乗ずることにより、状態系列Ｋ（１）の生成確率ＰＫ（１）が算出される。図５に示した状態系列Ｋ（ｉ）の生成確率ＰＫ（ｉ）は、以下の式で表される。

ＰＫ（ｉ）＝ｅ_１１（ａ）×ｔ_{（１１ １１）}
×ｅ_１１（ｂ）×ｔ_{（１１ １２）}
×ｅ_１２（ｃ）×ｔ_{（１２ １２）}
×ｅ_１２（ａ）×ｔ_{（１２ １３）}
×ｅ_１３（ａ）×ｔ_{（１３ １３）}
×ｅ_１３（ｃ）×ｔ_{（１３ １４）}
×ｅ_１４（ｂ）×ｔ_{（１４ １４）}
×ｅ_１４（ｂ）×ｔ_{（１４ １５）}
×ｅ_１５（ａ）×ｔ_{（１５ １６）}
×ｅ_１６（ａ）×ｔ_{（１６ ｅｎｄ）}

ステップＳＡ７（図３）において、状態系列Ｋの生成確率ＰＫに基づいて、遷移確率ｔ及び出現確率ｅを算出し、その暫定値を新たに算出された値に置き換える。具体的には、図５に示したすべての状態系列Ｋ（１）〜Ｋ（Ｎ）、及び図５には示されていない他の参照データＲに当てはめられたすべての状態系列Ｋに現れているすべての状態Ｓ_１１について、特徴量Ｅが値「ａ」、「ｂ」、及び「ｃ」をとる事象の出現回数を、生成確率ＰＫで重みづけして合計する。この合計の回数に基づいて、出現確率ｅ_１１（ａ）、ｅ_１１（ｂ）、及びｅ_１１（ｃ）を算出することができる。同様に、すべての出現確率ｅを算出することができる。

さらに、図５に示したすべての状態系列Ｋ（１）〜Ｋ（Ｎ）、及び図５には示されていない他の参照データＲに当てはめられたすべての状態系列Ｋに現れているすべての状態Ｓ１１について、自己遷移する回数、及び次の状態Ｓ１２に遷移する回数を、それぞれ生成確率ＰＫで重みづけして合計する。この合計の回数に基づいて、遷移確率ｔ_{（１１ １１）}及びｔ_{（１１ １２）}を算出することができる。同様に、すべての遷移確率ｔを算出することができる。

ステップＳＡ８（図３）において、状態系列Ｋの各々の生成確率ＰＫが収束したか否かを判定する。具体的には、ステップＳＡ６で生成確率ＰＫを算出する前の生成確率ＰＫの値と、算出後の生成確率ＰＫの値との差が、収束判定値よりも小さくなったら、生成確率ＰＫが収束したと判定される。生成確率ＰＫが収束していないと判定された場合には、ステップＳＡ６に戻り、新たな暫定値を用いて生成確率ＰＫの算出を行う。

生成確率ＰＫが収束したと判定された場合には、ステップＳＡ９において、遷移確率ｔ及び出現確率ｅの直近の暫定値を、確定値とする。この確定値は状態遷移モデルを定義するパラメータの一部として、記憶装置１３（図１）に記憶される。

図６に、作業内容Ｗが未知の運転変数Ｖの時間変化の作業内容を判定する方法のフローチャートを示す。このフローチャートの処理は、処理装置１２（図１）が実行する。

ステップＳＢ１において、作業内容Ｗが未知の運転変数Ｖの時間変化が、入出力装置１１（図１）を介して処理装置１２（図１）に入力される。図８に、作業内容Ｗが未知の運転変数Ｖ１、Ｖ２、Ｖ３の時間変化の一例を示す。この運転変数Ｖ１、Ｖ２、Ｖ３は、状態遷移モデルＳＴＭを定義するときに用いられた運転変数Ｖ１、Ｖ２、Ｖ３（図４）と同一である。

ステップＳＢ２において、入力された運転変数Ｖの時間変化に基づいて、特徴量Ｅの時系列で構成される検証データＴを生成する。以下、検証データＴを生成する方法について説明する。

ステップＳＢ２１において、運転変数Ｖの時間変化を時間軸上で複数の区画に区分する。図８に示した例では、運転変数Ｖ１、Ｖ２、Ｖ３の時間変化が８個の区画Ｄ１〜Ｄ８に区分されている。区画Ｄ１〜Ｄ８の各々の時間の長さは、状態遷移モデルＳＴＭを定義するときにステップＳＡ２（図３）において区分した区画の時間の長さと同一である。

ステップＳＢ２２（図６）において、区画Ｄ１〜Ｄ８の各々について、運転変数Ｖ１、Ｖ２、Ｖ３の値に基づいて、特徴量Ｅを決定する。複数の特徴量Ｅが時系列に並んだ検証データＴが生成される。図８に示した例では、検証データＴは、「ａｂｂａｃｂａｃ」になる。

ステップＳＢ３（図６）において、検証データＴと状態遷移モデルＳＴＭとの一致確率Ｐｃを算出する。

図７に、ステップＳＢ３の詳細なフローチャートを示す。ステップＳＢ３において、すべての作業内容Ｗ１、Ｗ２、Ｗ３、・・・について、作業内容ごとにステップＳＢ３１〜ＳＢ３４の処理を繰り返し実行する。

ステップＳＢ３１において、検証データＴから、複数の状態系列Ｌを生成する。ステップＳＢ３１の処理は、状態遷移モデルＳＴＭを定義する処理のステップＳＡ５（図３）で、状態系列Ｋを生成する処理と同一である。図９に、生成された状態系列Ｌ（１）〜Ｌ（Ｍ）を示す。検証データＴを構成する特徴量Ｅが８個であるため、状態系列Ｌの各々は、時系列に並んだ８個の状態Ｓで構成される。

ステップＳＢ３２（図７）において、状態系列Ｌ（１）〜Ｌ（Ｍ）の各々の生成確率ＰＬ（１）〜ＰＬ（Ｍ）（図９）を算出する。生成確率ＰＬ（１）〜ＰＬ（Ｍ）の算出方法は、状態遷移モデルＳＴＭを定義する処理のステップＳＡ６（図３）で、生成確率ＰＫを算出した方法と同一である。なお、生成確率ＰＬを算出する際には、遷移確率ｔ及び出現確率ｅとして、その確定値が用いられる。

ステップＳＢ３３（図７）において、すべての状態系列Ｌ（１）〜Ｌ（Ｍ）について、生成確率ＰＬ（１）〜ＰＬ（Ｍ）を足し合わせて、生成確率ＰＬ（１）〜ＰＬ（Ｍ）の合計値を算出する。ステップＳＢ３４において、合計値を、検証データＴと状態遷移モデルＳＴＭとの一致確率Ｐｃとして採用する。作業内容Ｗ１、Ｗ２、Ｗ３、・・・ごとにステップＳＢ３１〜ＳＢ３４を実行することにより、作業内容Ｗ１、Ｗ２、Ｗ３、・・・について、それぞれ一致確率Ｐｃ１、Ｐｃ２、Ｐｃ３、・・・（図９）が算出される。

ステップＳＢ４（図６）において、一致確率Ｐｃ１、Ｐｃ２、Ｐｃ３、・・・の各々と閾値ＰｃＴとを比較する。ステップＳＢ５において、ステップＳＢ４の比較結果に基づいて、作業内容を判定する。具体的には、一致確率Ｐｃが閾値ＰｃＴ以上になっている作業内容が、検証データＴが収集されたときの作業内容の候補として抽出される。

ステップＳＢ６（図６）において、作業内容の判定結果を、入出力装置１１（図１）に出力する。例えば、作業内容の判定結果が入出力装置１１の画像表示装置に表示される。

図１０Ａに、入出力装置１１の表示装置に表示された内容の一例を示す。ステップＳＢ５で抽出された候補が１つの場合には、候補として抽出された作業内容が、検証データ及び状態の遷移の経路とともに、入出力装置１１に出力される。

図１０Ｂに、ステップＳＢ５で複数の候補が抽出された場合の表示例を示す。候補とし
て抽出された複数の作業内容が、一致確率及び状態の遷移の経路とともに、入出力装置１１に出力される。オペレータは、表示された一致確率、及び状態の遷移の経路に基づいて、検証データＴに対応する作業内容を推測することができる。

上記実施例では、作業機械から取得された種々の運転変数のある期間の平均値ではなく、時間変化（すなわち、特徴量の時系列）に基づいて作業内容が判定される。このため、判定精度を高めることができる。

以上実施例に沿って本発明を説明したが、本発明はこれらに制限されるものではない。例えば、種々の変更、改良、組み合わせ等が可能なことは当業者に自明であろう。

１０ 作業機械の管理装置
１１ 入出力装置
１２ 処理装置
１３ 記憶装置
１８ 作業機械
１９ 通信回線
Ｅ 特徴量
Ｋ、Ｌ 状態系列
Ｓ 状態
ＳＴＭ 状態遷移モデル
Ｐｃ 一致確率
ＰｃＴ 閾値
ｔ 遷移確率
ｅ 出現確率
ＰＫ、ＰＬ 生成確率
Ｒ 参照データ
Ｔ 検証データ
Ｗ 作業内容
Ｖ 運転変数

Claims (6)

1. ショベルの稼働状態に依存する複数の運転変数を、ある期間に亘って測定して得られた運転変数の時間変化が入力される入力装置と接続され、前記ショベルによる作業内容を判定するショベルの処理装置であって、
   前記処理装置は、
   前記入力装置から入力された前記運転変数の時間変化を、時間軸上で複数の区間に区分し、前記区間ごとに、複数の前記運転変数の特徴量を決定し、
   前記複数の特徴量が時系列に並んだ検証データに基づいて、前記ショベルの作業内容を判定するショベルの処理装置。
2. さらに、前記作業内容ごとに、ショベルの動作の各々を１つの状態に対応付けた状態の遷移を定義する状態遷移経路を含む状態遷移モデルを記憶する記憶装置を有し、
   前記処理装置は、
   前記検証データと前記状態遷移モデルとに基づいて、前記検証データに対応する作業内容を判定する請求項１に記載のショベルの処理装置。
3. 前記状態遷移モデルは、状態間の遷移確率、及び状態ごとに前記特徴量がある値をとる事象の出現確率を含み、
   前記処理装置は、
   前記ショベルの作業内容が既知である前記運転変数の時間変化に基づいて、前記状態遷移モデルの、前記遷移確率及び前記出現確率を算出し、
   前記状態遷移モデルの、前記遷移確率及び前記出現確率の算出値を前記記憶装置に記憶させる請求項２に記載のショベルの処理装置。
4. 前記処理装置は、前記作業内容ごとに、
   （ａ）前記ショベルの作業内容が既知である前記運転変数の時間変化を、時間軸上で複数の区間に区分し、前記区間ごとに、複数の前記運転変数の特徴量を決定することにより、作業内容が既知の複数の参照データを生成し、
   （ｂ）前記状態遷移モデルの前記遷移確率及び前記出現確率として暫定値を設定し、
   （ｃ）前記参照データを構成する複数の特徴量の各々に、前記状態遷移モデルの各状態を当てはめることにより、複数の状態系列を生成し、
   （ｄ）前記状態系列ごとに、前記状態遷移モデルの前記遷移確率及び前記出現確率として前記暫定値を用いて、前記状態系列の生成確率を算出し、
   （ｅ）算出された前記状態系列の生成確率に基づいて、前記状態遷移モデルの前記遷移確率及び前記出現確率として設定されている暫定値を再設定し、
   （ｆ）前記状態系列の生成確率が収束するまで、前記（ｄ）及び（ｅ）を繰り返すことにより、前記状態遷移モデルの前記遷移確率及び前記出現確率を算出する請求項３に記載のショベルの処理装置。
5. ショベルの稼働状態に依存する複数の運転変数を、前記ショベルに搭載されるセンサによりある期間に亘って測定することにより、前記運転変数の時間変化を求め、
   求められた前記運転変数の時間変化を、時間軸上で複数の区間に区分し、
   前記区間ごとに、複数の前記運転変数の特徴量を決定し、
   前記複数の特徴量が時系列に並んだ検証データに基づいて、前記ショベルの作業内容を判定する作業内容判定方法。
6. 前記ショベルの作業内容ごとに、ショベルの動作の各々を１つの状態に対応付けた状態の遷移を定義する状態遷移経路、状態間の遷移確率、及び状態ごとに特徴量がある値をとる事象の出現確率を含む状態遷移モデルに、前記検証データを当てはめて、前記ショベルの作業内容を判定する請求項５に記載の作業内容判定方法。

Images