JP6901228B1 - 無人フォークリフト用充電システム - Google Patents

Abstract

【課題】トラックの稼働率の低下を抑制できる無人フォークリフト用充電システムを提供する。【解決手段】充電システム１は、自車の位置情報を送信するトラック１０、複数の荷役作業と所定地Ｐに到着したトラック１０に対して積み卸し作業とを行う無人フォークリフト２０、所定地Ｐへのトラック１０の到着時刻を推定する到着時刻推定部、積み卸し作業が行われる積み卸し作業予定時間を算出する作業予定時間算出部、積み卸し作業予定時間における無人フォークリフト２０のバッテリ残量を推定するバッテリ残量推定部、充電を行う充電ステーション３０、および、推定バッテリ残量が予め定められた所定量以下になるとき充電スケジュールを生成するスケジュール生成部を備え、無人フォークリフト２０は、充電スケジュールに従ってバッテリ残量を回復させ、バッテリ残量が積み卸し作業の間に予め定められた一定量以下にならないように回復した後、積み卸し作業を行う。【選択図】図１

Description

本発明は、トラックに対して積み込み作業または取り卸し作業を行う無人フォークリフトのための充電システムに関するものである。

フォークリフトでトラックに対して荷の積み込み作業を行うこと、および、フォークリフトでトラックに対して荷の取り卸し作業を行うことが一般的に行われている（例えば特許文献１参照）。

また、フォークリフトの一種として無人フォークリフトが知られている（例えば特許文献２参照）。無人フォークリフトは、予め設定された荷役スケジュールに従って荷役作業を行い、バッテリ残量が予め定められた一定量以下になったときには無人フォークリフトの充電を行う充電ステーションに移動し、バッテリ残量を回復させるようにプログラムされている。

特開２０１０−２３５２２３号公報 特開平１１−２１０９８号公報

ところで、無人フォークリフトが積み込み作業または取り卸し作業である積み卸し作業を行う場合において、無人フォークリフトの稼働率を向上させるためには、積み卸し作業を行うまで他の荷役作業（例えば、入庫作業、出庫作業、移載作業、または、他のトラックに対する積み卸し作業）を行うことが好ましい。

しかしながら、積み卸し作業の前に行った荷役作業によってバッテリ残量が低下すると、積み卸し作業を行う際に充電ステーションでの無人フォークリフトの充電が必要となる場合がある。このような場合、無人フォークリフトが積み卸し作業を中断して充電ステーションでバッテリ残量の回復を行うため、所定地でのトラックの滞留時間が長くなり、トラックの稼働率が低下するという問題がある。

本発明は、上記事情に鑑みてなされたものであって、トラックの稼働率の低下を抑制できる無人フォークリフト用充電システムを提供することを課題とする。

上記課題を解決するため、請求項１に記載の無人フォークリフト用充電システムは、所定地への走行中に自車の位置情報を送信するトラックと、前記所定地にて予め設定された荷役スケジュールに従って複数の荷役作業を行うとともに、当該所定地に到着した前記トラックに対して荷の積み込み作業または取り卸し作業である積み卸し作業を行う無人フォークリフトと、前記トラックから送信された前記位置情報に基づいて、前記所定地への前記トラックの到着時刻を推定する到着時刻推定部と、前記到着時刻の推定結果である推定到着時刻に基づいて、前記積み卸し作業が行われる積み卸し作業予定時間を算出する作業予定時間算出部と、前記積み卸し作業予定時間における前記無人フォークリフトのバッテリ残量を推定するバッテリ残量推定部と、前記荷役作業により低下した前記バッテリ残量を回復させるために前記無人フォークリフトの充電を行う充電ステーションと、前記バッテリ残量の推定結果である推定バッテリ残量が予め定められた所定量以下になるとき、前記荷役作業と前記積み卸し作業との間に前記充電を割り込ませるための充電スケジュールを生成するスケジュール生成部とを備え、前記無人フォークリフトは、前記充電スケジュールに従って前記充電ステーションに移動して前記バッテリ残量を回復させ、前記バッテリ残量が前記積み卸し作業の間に予め定められた一定量以下にならないように回復した後、前記積み卸し作業を行うことを特徴とする。

請求項２に記載の無人フォークリフト用充電システムは、請求項１に記載の無人フォークリフト用充電システムにおいて、前記スケジュール生成部は、前記充電の終了時刻を前記推定到着時刻前に設定することを特徴とする。

請求項３に記載の無人フォークリフト用充電システムは、請求項１または２に記載の無人フォークリフト用充電システムにおいて、過去の渋滞発生データを教師データとした機械学習により生成された到着時刻推定モデルを記憶する到着時刻推定モデル記憶部をさらに備え、前記到着時刻推定部は、前記到着時刻推定モデルと前記トラックの位置情報と日時情報とに基づいて前記到着時刻を推定することを特徴とする。

請求項４に記載の無人フォークリフト用充電システムは、請求項１〜３のいずれか一項に記載の無人フォークリフト用充電システムにおいて、過去のバッテリ残量推移データを教師データとした機械学習により生成されたバッテリ残量推定モデルを記憶するバッテリ残量推定モデル記憶部をさらに備え、前記バッテリ残量推定部は、前記バッテリ残量推定モデルと前記無人フォークリフトから受信した前記バッテリ残量に係るバッテリ情報とに基づいて前記積み卸し作業予定時間における前記バッテリ残量を推定することを特徴とする。

本発明によれば、トラックの稼働率の低下を抑制できる無人フォークリフト用充電システムを提供することができる。

本発明の一実施形態に係る無人フォークリフト用充電システムの概要図である。 同実施形態に係る管理サーバーのブロック図である。 同実施形態に係る充電スケジュールの生成過程を示すフローチャートである。 （Ａ）は、実施例に係る無人フォークリフトの動作を示すガントチャートであり、（Ｂ）は、バッテリ残量の推移を示すグラフである。 （Ａ）は、変更例に係る無人フォークリフトの動作を示すガントチャートであり、（Ｂ）は、バッテリ残量の推移を示すグラフである。 （Ａ）は、比較例に係る無人フォークリフトの動作を示すガントチャートであり、（Ｂ）は、バッテリ残量の推移を示すグラフである。

図面を参照して、本発明の無人フォークリフト用充電システム１（以下「充電システム１」）を説明する。
図１に示すように、本実施形態の充電システム１は、荷（図示略）を輸送するためのトラック１０と、荷役作業を行う１台以上の無人フォークリフト２０と、無人フォークリフト２０に対して電力を供給する充電ステーション３０と、無人フォークリフト２０を管理する管理サーバー４０とを備えている。

トラック１０は、拠点間の物流を担う貨物自動車であって、所定地Ｐから他の場所へ荷を輸送するため、または、他の場所から所定地Ｐへ荷を輸送するために、所定の走行ルートに沿って走行する。トラック１０は、例えばＧＰＳにより自車の位置情報を取得し、所定地Ｐへの走行中に自車の位置情報を管理サーバー４０に送信する。トラック１０の位置情報は、例えば、所定の時間間隔ごとに（すなわち周期的に）、または、トラック１０が所定の地点を通過したときに取得（送信）される。

無人フォークリフト２０は、管理サーバー４０から荷役スケジュールを受信し、その荷役スケジュールに基づいて所定地Ｐにて荷役作業を行う車両である。また、無人フォークリフト２０は、所定地Ｐにトラック１０が到着すると、当該トラック１０に対して荷の積み込み作業または取り卸し作業である積み卸し作業を行う。具体的には、無人フォークリフト２０は、所定地Ｐから他の場所へ荷を輸送するためのトラック１０が所定地Ｐに到着すると、当該トラック１０に対して荷の積み込み作業を行い、他の場所から所定地Ｐへ荷を輸送するためのトラック１０が所定地Ｐに到着すると、当該トラック１０に対して荷の取り卸し作業を行う。

また、無人フォークリフト２０は、動力源に電力を供給する充電可能なバッテリ２１を備えており、バッテリ２１の残り蓄電量（バッテリ残量）の情報を含むバッテリ情報を管理サーバー４０に送信する。無人フォークリフト２０は、バッテリ残量が予め定められた一定量（例えば最大蓄電量の１５％）以下になると、バッテリ残量を回復させるために充電ステーション３０に移動し、バッテリ残量が予め定められた規定量（例えば最大蓄電量の８０％）以上に回復すると、作業を行うために充電ステーション３０を出発する。また、無人フォークリフト２０は、管理サーバー４０から充電スケジュールを受信し、バッテリ残量の多少に関わらず、受信した充電スケジュールに基づいてバッテリ残量を回復させるために充電ステーション３０に移動し、バッテリ残量が積み卸し作業の間に一定量以下にならないように回復すると、作業を行うために充電ステーション３０を出発する。

充電ステーション３０は、接触式または非接触式の給電装置により構成されており、給電装置に接触するか近傍に位置する無人フォークリフト２０に給電することで、その無人フォークリフト２０のバッテリ２１を充電し、バッテリ残量を回復させる。充電ステーション３０は、バッテリ２１が充電可能な状態になると給電を自動で開始し、充電不可能な状態になるかバッテリ残量が最大蓄電量になると給電を自動で停止する。

管理サーバー４０は、トラック１０と通信可能に構成されており、トラック１０から位置情報を受信する。また、管理サーバー４０は、無人フォークリフト２０とも通信可能に構成されており、無人フォークリフト２０からバッテリ情報を受信し、荷役スケジュールおよび充電スケジュールを無人フォークリフト２０に送信する。

図２は、管理サーバー４０に含まれる構成を示している。
図２に示すように、管理サーバー４０は、位置情報受信部４１、推定モデル記憶部４２、到着時刻推定部４３、作業情報記憶部４４、スケジュール記憶部４５、作業予定時間算出部４６、バッテリ情報受信部４７、バッテリ残量推定部４８、スケジュール生成部４９、および、スケジュール送信部５１を備えている。

位置情報受信部４１は、トラック１０と直接的または間接的に通信する通信装置により構成されている。位置情報受信部４１は、トラック１０の位置情報を受信する。

推定モデル記憶部４２は、所定地Ｐへのトラック１０の到着時刻を推定するための到着時刻推定モデルを予め記憶しており、到着時刻推定モデル記憶部として機能する。到着時刻推定モデルは、過去の渋滞発生データを教師データとした機械学習により生成されたものである。到着時刻推定モデルの生成に用いられる過去の渋滞発生データには、例えば、渋滞が発生した日付、曜日、および時刻、ならびに、渋滞が発生した区間、その区間の交通量（例えば単位時間当たりの自動車の通過数）等のデータを含むことができる。

また、推定モデル記憶部４２は、所定時刻における無人フォークリフト２０のバッテリ残量を推定するためのバッテリ残量推定モデルを予め記憶しており、バッテリ残量推定モデル記憶部として機能する。バッテリ残量推定モデルは、過去のバッテリ残量推移データを教師データとした機械学習により生成されたものである。バッテリ残量推定モデルの生成に用いられる過去のバッテリ残量推移データには、例えば、日付および時刻、バッテリ残量、ならびに、バッテリ搭載車の稼働状況等のデータを含むことができる。

到着時刻推定部４３は、推定モデル記憶部４２に記憶された到着時刻推定モデルと、位置情報受信部４１で受信したトラック１０の位置情報（すなわちトラック１０から送信された自車の位置情報）と、トラック１０が位置情報を取得した日付、曜日、および時刻に係る日時情報とに基づいて、所定地Ｐへのトラック１０の到着時刻を推定する。具体的には、例えば、到着時刻推定部４３は、到着時刻推定モデルを用いてトラック１０の自車位置から所定地Ｐまで走行するための走行所要時間を推定し、トラック１０が位置情報を取得した時刻に走行所要時間を加算することで所定地Ｐへのトラック１０の推定到着時刻を算出する。

作業情報記憶部４４は、無人フォークリフト２０が行う荷役作業および積み卸し作業に係る作業情報を予め記憶している。具体的には、例えば、作業情報記憶部４４は、作業情報として、複数の荷役作業および積み卸し作業の各々について、それらを行うための作業所要時間を記憶している。作業所要時間は、予定されている荷役作業および積み卸し作業の開始時刻および終了時刻の算出に使用することができる。

スケジュール記憶部４５は、無人フォークリフト２０の荷役スケジュールを記憶する。すなわち、スケジュール記憶部４５は、スケジュール生成部４９により生成された荷役スケジュールを記憶する。荷役スケジュールは、無人フォークリフト２０によって行われる荷役作業の特定に使用することができる。

作業予定時間算出部４６は、到着時刻推定部４３によるトラック１０の到着時刻の推定結果（すなわち推定到着時刻）に基づいて、積み卸し作業が行われる積み卸し作業予定時間を算出する。具体的には、作業予定時間算出部４６は、スケジュール記憶部４５に記憶されている荷役スケジュール、および、作業情報記憶部４４に記憶されている作業情報等を参照することで、積み卸し作業予定時間を算出する。積み卸し作業予定時間は、積み卸し作業開始予定時刻から積み卸し作業終了予定時刻までの時間である。積み卸し作業開始予定時刻は、例えば、推定到着時刻後において積み卸し作業が可能となる最も早い時刻であり、積み卸し作業終了予定時刻は、積み卸し作業開始予定時刻に対して作業情報記憶部４４に予め記憶されている積み卸し作業所要時間を加算することで算出される。

バッテリ情報受信部４７は、無人フォークリフト２０と直接的または間接的に通信する通信装置により構成されている。バッテリ情報受信部４７は、無人フォークリフト２０のバッテリ情報を受信する。

バッテリ残量推定部４８は、推定モデル記憶部４２に記憶されたバッテリ残量推定モデルと、バッテリ情報受信部４７で受信した無人フォークリフト２０のバッテリ情報（すなわち無人フォークリフト２０から送信されたバッテリ情報）とに基づいて、積み卸し作業予定時間における無人フォークリフト２０のバッテリ残量を推定する。具体的には、例えば、バッテリ残量推定部４８は、バッテリ残量推定モデルを用いて積み卸し作業予定時間における任意の時刻までのバッテリ使用量を推定し、受信したバッテリ情報に含まれるバッテリ残量からバッテリ使用量を差し引くことで積み卸し作業予定時間におけるバッテリ残量を算出する。

スケジュール生成部４９は、無人フォークリフト２０が行う荷役作業に係る荷役スケジュールを生成する。具体的には、スケジュール生成部４９は、未作業の荷役作業を荷役作業候補とし、複数の荷役作業候補から、無人フォークリフト２０が行うべき複数の荷役作業を選定し、それらの荷役作業を無人フォークリフト２０が行うように荷役スケジュールを生成する。

また、スケジュール生成部４９は、バッテリ残量推定部４８によるバッテリ残量の推定結果（すなわち推定バッテリ残量）が予め定められた所定量以下であるか否かを判断することで、作業予定時間算出部４６で算出された積み卸し作業予定時間にバッテリ残量が一定量（例えば最大蓄電量の１５％）以下になるか否かを推定する。スケジュール生成部４９は、推定バッテリ残量が所定量以下であると判断したとき、積み卸し作業予定時間にバッテリ残量が一定量以下になると推定し、荷役作業と積み卸し作業との間に無人フォークリフト２０の充電を割り込ませるための充電スケジュールを生成する。具体的には、スケジュール生成部４９は、バッテリ残量が積み卸し作業の間に一定量以下にならないように回復する充電時間を決定し、その充電時間に無人フォークリフト２０が充電ステーション３０でバッテリを回復させるための充電スケジュールを生成する。スケジュール生成部４９は、充電の開始時刻および終了時刻を、所定地Ｐへのトラック１０の推定到着時刻前に設定する。充電時間の長さ（すなわち充電の開始時刻から終了時刻までの長さ）は、積み卸し作業所要時間に応じて設定されることが好ましい。

スケジュール送信部５１は、無人フォークリフト２０と直接的または間接的に通信する通信装置により構成されている。スケジュール送信部５１は、スケジュール生成部４９で生成された荷役スケジュールおよび充電スケジュールを無人フォークリフト２０に送信する。

図３を参照して、充電スケジュールの生成の流れを説明する。図３に示す処理は、位置情報受信部４１がトラック１０の位置情報を受信するごとに行われることが好ましい。
図３に示すように、まず、到着時刻推定部４３が、到着時刻推定モデルとトラック１０の位置情報と日時情報とに基づいて、トラック１０の到着時刻を推定する（ステップＳ１）。すなわち、ステップＳ１では推定到着時刻が算出される。

次いで、作業予定時間算出部４６が、ステップＳ１で算出された推定到着時刻に基づいて、積み卸し作業が行われる積み卸し作業予定時間を算出する（ステップＳ２）。すなわち、ステップＳ２では、積み卸し作業開始予定時刻および積み卸し作業終了予定時刻が算出される。

次いで、バッテリ残量推定部４８が、バッテリ残量推定モデルと無人フォークリフト２０のバッテリ情報とに基づいて、ステップＳ２で算出された積み卸し作業予定時間における無人フォークリフト２０のバッテリ残量を推定する（ステップＳ３）。具体的には、例えば、ステップＳ３では、積み卸し作業を行うことによってバッテリ残量が最も少なくなる積み卸し作業終了予定時刻における推定バッテリ残量が算出される。

次いで、スケジュール生成部４９は、ステップＳ３で算出された推定バッテリ残量が予め定められた所定量（例えば最大蓄電量の１５％）以下であるか否かを判断する（ステップＳ４）。すなわち、ステップＳ４では、バッテリ残量が積み卸し作業予定時間に一定量（例えば最大蓄電量の１５％）以下になるか否かが推定される。

推定バッテリ残量が所定量以下でないとステップＳ４で判断された場合（ステップＳ４：ＮＯ）、すなわちバッテリ残量が積み卸し作業予定時間に一定量以下にならないと推定された場合には、スケジュール生成部４９は、無人フォークリフト２０の充電に起因する積み卸し作業の中断が発生しないと判断し、充電スケジュールを生成しない。

一方、推定バッテリ残量が所定量以下であるとステップＳ４で判断された場合（ステップＳ４：ＹＥＳ）、すなわちバッテリ残量が積み卸し作業予定時間に一定量以下になると推定された場合には、スケジュール生成部４９は、荷役作業と積み卸し作業との間に割り込ませる充電時間を決定する（ステップＳ５）。

そして、スケジュール生成部４９は、ステップＳ５で決定した充電時間に無人フォークリフト２０が充電ステーション３０でバッテリ残量を回復させるように充電スケジュールを生成する（ステップＳ６）。こうして、無人フォークリフト２０は、充電スケジュールに従って、ステップＳ１で算出された推定到着時刻前に充電ステーション３０に移動してバッテリ残量を回復させる。

次に、本実施形態により生成される充電スケジュールに従った無人フォークリフト２０の動作の一例を、比較例に係る動作とともに説明する。図４（Ａ）は、実施例に係る無人フォークリフト２０の動作を示すガントチャートであり、図４（Ｂ）は、実施例におけるバッテリ残量の推移を簡略化して示すグラフである。また、図６（Ａ）は、比較例に係るガントチャートであり、図６（Ｂ）は、比較例におけるバッテリ残量の推移を簡略化して示すグラフである。

図６（Ａ）および（Ｂ）に示す比較例では、無人フォークリフト２０は、荷役スケジュールに従って荷役作業Ａ，Ｂを順に行い、時刻ｔ１にトラック１０が所定地Ｐに到着すると、荷役作業Ｂの完了後に積み卸し作業Ｗを開始する。無人フォークリフト２０は、積み卸し作業Ｗの間にバッテリ残量が予め定められた一定量（最大蓄電量の１５％）以下になると、積み卸し作業Ｗを中断し、充電ステーション３０に移動してバッテリ残量を回復させる。そして、無人フォークリフト２０は、バッテリ残量が規定量（最大蓄電量の８０％）以上になると、充電ステーション３０を離れて積み卸し作業Ｗを再開する。したがって、トラック１０は、時刻ｔ１から積み卸し作業Ｗが完了するまでの時間Ｔ１は所定地Ｐに待機する必要がある。

一方で、図４（Ａ）および（Ｂ）に示す実施例では、トラック１０の所定地Ｐへの到着時刻として時刻ｔ１が推定されると、その推定結果に基づいて、積み卸し作業Ｗが予定されている積み卸し作業予定時間Ｔｓが算出される。積み卸し作業予定時間Ｔｓは、荷役作業Ａ，Ｂ後に積み卸し作業Ｗが行われる場合の予定時間であり、この場合、図４（Ａ）中の二点鎖線で示すようにバッテリ残量は積み卸し作業予定時間Ｔｓにおいて予め定められた一定量（最大蓄電量の１５％）以下になると推定される。このため、荷役作業Ａと積み卸し作業Ｗとの間に充電を割り込ませるための充電スケジュールが生成され、無人フォークリフト２０は、荷役作業Ａを完了した後に、充電スケジュールに従って充電ステーション３０に移動してバッテリ残量を回復させる。そして、無人フォークリフト２０は、バッテリ残量が積み卸し作業Ｗの間に予め定められた一定量以下にならないように（すなわち一定量超を維持するように）回復した後、時刻ｔ１まで待機し、時刻ｔ１にトラック１０が所定地Ｐに到着すると、積み卸し作業Ｗを開始し、積み卸し作業Ｗの完了後に荷役作業Ｂを行う。こうして、時刻ｔ１から積み卸し作業Ｗが完了するまでの時間Ｔ２は、積み卸し作業Ｗの中断が発生しないため、図６（Ｂ）の比較例で示す時間Ｔ１に比べて短くなる。また、荷役作業Ｂを完了する前に積み卸し作業Ｗが行われるため、積み卸し作業Ｗが積み卸し作業予定時間Ｔｓよりも早く開始される。

本実施形態では次の効果が得られる。
（１）積み卸し作業予定時間Ｔｓにおける推定バッテリ残量が予め定められた所定量以下になるとき、荷役作業Ａと積み卸し作業Ｗとの間に充電を割り込ませるための充電スケジュールが生成され、無人フォークリフト２０は、充電スケジュールに従って充電ステーション３０に移動してバッテリ残量を回復させ、バッテリ残量が積み卸し作業Ｗの間に予め定められた一定量以下にならないように回復した後、積み卸し作業Ｗを行う。このため、積み卸し作業Ｗの中断が発生せず、積み卸し作業Ｗを早く完了することができ、トラック１０の稼働率の低下を抑制できる。

（２）無人フォークリフト２０の充電の終了時刻は、推定到着時刻（時刻ｔ１）前に設定される。このため、無人フォークリフト２０は、推定到着時刻前に充電を完了させることで、所定地Ｐへのトラック１０の到着直後に積み卸し作業Ｗを速やかに開始でき、トラック１０の稼働率の低下が効果的に抑制できる。

（３）過去の渋滞発生データを教師データとした機械学習により生成された到着時刻推定モデルと、トラック１０の位置情報と、日時情報とに基づいて、所定地Ｐへのトラック１０の到着時刻が推定される。このため、到着時刻推定モデルを更新することで（すなわち機械学習を発展させることで）到着時刻の推定精度を高めることができる。

（４）過去のバッテリ残量推移データを教師データとした機械学習により生成されたバッテリ残量推定モデルと、バッテリ残量に係るバッテリ情報とに基づいて、積み卸し作業予定時間Ｔｓにおけるバッテリ残量が推定される。このため、バッテリ残量推定モデルを更新することで（すなわち機械学習を発展させることで）バッテリ残量の推定精度を高めることができる。

本発明は、上記実施例に限定されるものではなく、上記構成を変更することもできる。例えば、以下のように変更して実施することもでき、以下の変更を組み合わせて実施することもできる。

・バッテリ残量が積み卸し作業の間に一定量以下にならないのであれば、例えば図５（Ａ）および（Ｂ）に示すように、無人フォークリフト２０が、バッテリ残量を回復させてから積み卸し作業を開始するまでの間に荷役作業を行うように構成してもよい。図５（Ａ）は、変更例に係る無人フォークリフト２０の動作を示すガントチャートであり、図５（Ｂ）は、変更例におけるバッテリ残量の推移を簡略化して示すグラフである。

図５（Ａ）および（Ｂ）に示す変更例では、図４で示す実施例と同様に、無人フォークリフト２０は、荷役作業Ａを完了した後に、充電スケジュールに従って充電ステーション３０に移動してバッテリ残量を回復させる。そして、無人フォークリフト２０は、バッテリ残量が積み卸し作業Ｗの間に予め定められた一定量（最大蓄電量の１５％）以下にならないように回復した後（すなわちバッテリ残量が規定量である最大蓄電量の８０％に回復した後）、充電ステーション３０を離れて時刻ｔ１まで荷役作業Ｂを行い、時刻ｔ１にトラック１０が所定地Ｐに到着すると、荷役作業Ｂを中断して積み卸し作業Ｗを行い、積み卸し作業Ｗの完了後に荷役作業Ｂを再開する。この変更例では、積み卸し作業Ｗの前に荷役作業Ｂの一部が行われるため、図４に示す実施例に比べて、無人フォークリフト２０の稼働率の低下を抑制できる。

・積み卸し作業予定時間におけるバッテリ残量が一定量以下になるか否かを推定できるのであれば、バッテリ残量推定部４８により推定されるバッテリ残量は、積み卸し作業終了予定時刻以外の任意の時刻におけるバッテリ残量であってもよい。具体的には、例えば、バッテリ残量推定部４８が、積み卸し作業開始予定時刻におけるバッテリ残量を推定し、スケジュール生成部４９が、推定バッテリ残量が予め定められた所定量（例えば最大蓄電量の３０％）以下である場合に、積み卸し作業予定時間におけるバッテリ残量が予め定められた一定量（例えば最大蓄電量の１５％）以下になると推定し、推定バッテリ残量が所定量を超える場合に、積み卸し作業予定時間におけるバッテリ残量が一定量以下にならないと推定してもよい。

・無人フォークリフト２０のバッテリ残量を推定できるのであれば、バッテリ残量の推定方法を適宜変更してもよい。すなわち、例えば、無人フォークリフト２０の稼働時間に基づいて、積み卸し作業予定時間におけるバッテリ残量を推定することもでき、機械学習により生成されたバッテリ残量推定モデルを使用せずにバッテリ残量を推定することもできる。

・所定地Ｐへのトラック１０の到着時刻が推定できるのであれば、到着時刻の推定方法を適宜変更してもよい。すなわち、例えば、機械学習により生成された到着時刻推定モデルを使用せずに到着時刻を推定することもできる。

・トラック１０の稼働率の低下を抑制できるのであれば、充電スケジュールの生成方法を適宜変更してもよい。すなわち、例えば、充電時間の開始時刻および終了時刻を適宜変更することもでき、図３で示す充電スケジュールの生成過程を変更することもできる。

１ 無人フォークリフト用充電システム
１０ トラック
２０ 無人フォークリフト
２１ バッテリ
３０ 充電ステーション
４０ 管理サーバー
４２ 推定モデル記憶部（到着時刻推定モデル記憶部、バッテリ残量推定モデル記憶部）
４３ 到着時刻推定部
４６ 作業予定時間算出部
４８ バッテリ残量推定部
４９ スケジュール生成部
Ｐ 所定地

Claims (4)

1. 所定地への走行中に自車の位置情報を送信するトラックと、
   前記所定地にて予め設定された荷役スケジュールに従って複数の荷役作業を行うとともに、当該所定地に到着した前記トラックに対して荷の積み込み作業または取り卸し作業である積み卸し作業を行う無人フォークリフトと、
   前記トラックから送信された前記位置情報に基づいて、前記所定地への前記トラックの到着時刻を推定する到着時刻推定部と、
   前記到着時刻の推定結果である推定到着時刻に基づいて、前記積み卸し作業が行われる積み卸し作業予定時間を算出する作業予定時間算出部と、
   前記積み卸し作業予定時間における前記無人フォークリフトのバッテリ残量を推定するバッテリ残量推定部と、
   前記荷役作業により低下した前記バッテリ残量を回復させるために前記無人フォークリフトの充電を行う充電ステーションと、
   前記バッテリ残量の推定結果である推定バッテリ残量が予め定められた所定量以下になるとき、前記荷役作業と前記積み卸し作業との間に前記充電を割り込ませるための充電スケジュールを生成するスケジュール生成部とを備え、
   前記無人フォークリフトは、前記充電スケジュールに従って前記充電ステーションに移動して前記バッテリ残量を回復させ、前記バッテリ残量が前記積み卸し作業の間に予め定められた一定量以下にならないように回復した後、前記積み卸し作業を行う
   ことを特徴とする無人フォークリフト用充電システム。
2. 前記スケジュール生成部は、前記充電の終了時刻を前記推定到着時刻前に設定する
   ことを特徴とする請求項１に記載の無人フォークリフト用充電システム。
3. 過去の渋滞発生データを教師データとした機械学習により生成された到着時刻推定モデルを記憶する到着時刻推定モデル記憶部をさらに備え、
   前記到着時刻推定部は、前記到着時刻推定モデルと前記トラックの位置情報と日時情報とに基づいて前記到着時刻を推定する
   ことを特徴とする請求項１または２に記載の無人フォークリフト用充電システム。
4. 過去のバッテリ残量推移データを教師データとした機械学習により生成されたバッテリ残量推定モデルを記憶するバッテリ残量推定モデル記憶部をさらに備え、
   前記バッテリ残量推定部は、前記バッテリ残量推定モデルと前記無人フォークリフトから受信した前記バッテリ残量に係るバッテリ情報とに基づいて前記積み卸し作業予定時間における前記バッテリ残量を推定する
   ことを特徴とする請求項１〜３のいずれか一項に記載の無人フォークリフト用充電システム。

Images