JP6969856B1 - 荷役システムおよび制御方法 - Google Patents

Abstract

【課題】荷物がフォークから落下する可能性がある場合に、オペレータが適切なフォーク操作を行うようにする。【解決手段】荷役システムは、体調データ及び視認性データと落下可能性スコアとの間の関係に基づく教師データ４６を収集する収集部４０と、収集部４０に収集された教師データ４６から機械学習を行い、機械学習により学習モデルを生成および記憶する学習モデル生成部４１と、現時点の体調データ及び視認性データを取得する取得部４５と、落下可能性スコアを学習モデルから取得する予測部４２と、予測部４２によって取得される落下可能性スコアに基づいて、所定制御を実行する制御部４３と、を備える。【選択図】図５

Description

本発明は、荷役システムおよび制御方法に関する。

一般的に、フォークリフトは、オペレータによって走行運転及びフォーク操作が行われる（特許文献１等参照）。フォークリフトは、車体から前後に延設される一対のストラドルレッグと、ストラドルレッグに沿って前後にスライドするマストと、マストに沿って昇降する一対のフォークと、車体の後部に設けられた駆動輪と、ストラドルレッグの前部に設けられた一対の従動輪と、を備える。

また、車体は、オペレータが搭乗する運転スペースを備える。運転スペースには、アクセルレバーおよびブレーキ、さらに、フォーク操作を行うためのフォーク操作レバー、走行運転を行うためのハンドルが設けられる。フォークリフトは、操作レバーの動作に応じて、フォークの昇降及び前後進の制御を行うための制御部を備える。オペレータがフォークリフトを走行運転及びフォーク操作することで、工場や倉庫などの施設内に設置された棚の収納部に対して荷物を出し入れする荷役作業が行われる。

ところで、荷役作業が行われるとき、オペレータの体調や施設内の照度によって、フォーク操作が適切に行われず荷物がフォークから落下することがある。

特開２００１−３５４３９４号公報

そこで、本発明が解決しようとする課題は、荷物がフォークから落下する可能性がある場合に、オペレータが適切なフォーク操作を行うようにできる荷役システムおよび制御方法を提供することである。

上記の課題を解決するために、本発明に係る荷役システムは、
施設内でオペレータの操作によって走行および荷役作業を行うフォークリフトを備えた荷役システムであって、
フォークリフトは、フォークを用いて、荷物が載置されたパレットを昇降するよう構成され、
荷役システムは、
オペレータの体調に関する体調データ及びオペレータの視認性に関する視認性データと、荷物がパレットから落下する可能性を示す落下可能性スコアとの間の関係に基づく教師データを収集する収集部と、
収集部に収集された教師データから機械学習を行い、機械学習により学習モデルを生成および記憶する学習モデル生成部と、
現時点の体調データ及び視認性データを所定時間ごとに取得する取得部と、
学習モデル生成部で生成された学習モデルに、取得部から取得される現時点の体調データ及び視認性データを入力することで、落下可能性スコアを学習モデルから取得する予測部と、
予測部によって取得される落下可能性スコアに基づいて、所定制御を実行する制御部と、を備える。

好ましくは、
取得部は、
フォークリフトに搭乗するオペレータがフォーク操作レバーを握る圧力を測定する圧力センサと、
オペレータのまばたきの回数を測定するカメラと、
オペレータの周囲の気温を測定する気温センサと、
フォークリフトのフォークの先端の周囲の照度を測定する照度センサと、を備え、
体調データは、
圧力センサで測定された圧力と、
カメラで測定されたまばたきの回数と、
気温センサで測定された気温と、を含み、
視認性データは、
照度センサで測定された照度を含む。

好ましくは、
フォークリフトは、フォークリフトに搭乗するオペレータが視認可能な表示部を備え、
制御部は、表示部に警告画面を表示する制御を行う。

好ましくは、
フォークリフトは、フォークを駆動するシリンダと、シリンダを駆動する作動油ポンプと、作動油ポンプを駆動するモータと、を備え、
制御部は、モータの速度低下又は停止する制御を行う。

また、上記の課題を解決するために、本発明に係る荷役システムの制御方法は、
施設内でオペレータの操作によって走行および荷役作業を行うフォークリフトを備えた荷役システムの制御方法であって、
フォークリフトは、フォークを用いて、荷物が載置されたパレットを昇降するよう構成され、
制御方法は、
オペレータの体調に関する体調データ及びオペレータの視認性に関する視認性データと、荷物がパレットから落下する可能性との間の関係に基づく教師データを収集する収集ステップと、
収集ステップで収集された教師データから機械学習を行い、機械学習により学習モデルを生成および記憶する学習モデル生成ステップと、
現時点の体調データ及び視認性データを所定時間ごとに取得する取得ステップと、
学習モデル生成ステップで生成された学習モデルに、取得ステップで取得される現時点の体調データ及び視認性データを入力することで、荷物がパレットから落下する可能性を示す落下可能性スコアを学習モデルから取得する予測ステップと、
予測ステップによって取得される落下可能性スコアに基づいて、所定制御を実行する制御ステップと、を備える。

本発明に係る荷役システムおよび制御方法は、上記構成を備えることによって、荷物がフォークから落下する可能性がある場合に、オペレータが適切なフォーク操作を行うようにできる。

フォークリフトを示し、（Ａ）は平面図、（Ｂ）は側面図。 フォークリフトの油圧回路を説明するための図。 荷物が載置されたパレットを示す斜視図。 荷物が載置されたパレットを収納する棚を示す正面図。 荷役システムを説明するためのブロック図。 入力データＩＤ及び出力データＯＤを示すグラフ図。 荷役システムの制御方法を示すフローチャート図。

以下、図面に基づいて、本発明に係る荷役システム及び制御方法について説明する。

荷役システムは、オペレータが搭乗して走行及び荷役作業を行うフォークリフト１を備える。また、車体の前後方向Ｘ、左右方向Ｙ及び上下方向Ｚは、それぞれに対して直角である。

図１の通り、フォークリフト１は、車体２の前方に一対のマスト５０が立設される。各マスト５０は、車体の左右方向Ｙに間隔を置いて配置される。リフトブラケット５１は、マスト５０に沿って、車体の上下方向Ｚに昇降するように支持される。

フォークリフト１は、荷役作業を行うための一対のフォーク５２を備える。フォーク５２は、リフトブラケット５１の左右に取り付けられており、車体の左右方向Ｙに間隔を置いて配置される。そのため、フォーク５２は、リフトブラケット５１と共に昇降する。

フォークリフト１は、車体２の前部に一対のストラドルレッグ５３を備える。各ストラドルレッグ５３は、車体の前後方向Ｘに延設されると共に、車体の左右方向Ｙに間隔を置いて配置される。ストラドルレッグ５３は、マスト５０が車体の前後方向Ｘに前後進するようにガイドする。

フォークリフト１は、車体２の後部に運転スペース５５が設けられる。運転スペース５５の下部にはブレーキペダル５４が設けられており、オペレータが足でブレーキペダル５４を操作することで、ブレーキを作用及び解除する。フォークリフト１は、運転スペース５５の上方を覆って落下物からオペレータを保護するためのヘッドガード５７を備える。

フォークリフト１は、ストラドルレッグ５３の前部に設けられた一対の従動輪（前輪）２０，２０を備える。フォークリフト１は、車体２の後部に設けられた駆動輪２１を備える。フォークリフト１は、駆動輪２１を旋回することで、車体２を前後方向Ｘ及び左右方向Ｙに対して所定角度に旋回する。また、フォークリフト１は、駆動輪２１を正方向及び逆方向に回転することで、車体２を前後進する。

運転スペース５５は、運転スペース５５の前側及び左右側のサイドフレームに囲まれており、運転スペース５５の後側に乗降口が形成される。フォークリフト１は、運転スペース５５の前方に操作部５６を備える。

操作部５６は、車体２の進行方向を操作するためのハンドル３及びアクセルレバー１０を備える。ハンドル３は、旋回可能に構成される。操作部５６は、複数のフォーク操作レバー５８を備えており、オペレータが各フォーク操作レバー５８を操作することで、フォーク５２を昇降・傾動・前後進できる。

フォークリフト１は、制御システム４を備える。制御システム４は、ＣＰＵ、ＲＯＭ、ＲＡＭなどからなるマイクロコンピュータを主要構成部品とし、各種プログラムを実行する。制御システム４は、ハンドル３、アクセルレバー１０及びフォーク操作レバー５８の動作に応じて、駆動輪２１の旋回及び回転駆動、フォーク５２の昇降、傾倒及び前後進を行う。

図２の通り、フォークリフト１の油圧回路７は、作動油を貯留する作動油タンク８０と、作動油タンク８０からの作動油を吐出する作動油ポンプ８１と、作動油ポンプ８１を回転駆動するモータ８２とを備える。油圧回路７は、フォークシリンダ７０，７１，７２を制御するための制御弁７３，７４，７５を備える。

リフト用制御弁７３は、リフトシリンダ７０への作動油の給排を制御する。ティルト用制御弁７４は、ティルトシリンダ７１への作動油の給排を制御する。リーチ用制御弁７５は、リーチシリンダ７２への作動油の給排を制御する。油圧回路７は、制御弁７３，７４，７５を介して作動油をフォークシリンダ７０，７１，７２へ供給するための管路８３を備える。油圧回路７は、作動油をフォークシリンダ７０，７１，７２から制御弁７３，７４，７５を介して排出するための管路８４を備える。

図３の通り、荷物ＭはパレットＰに載せられて搬送される。パレットＰは、上壁Ｐｃ及び下壁Ｐｄを備え、上下壁Ｐｃ，Ｐｄは、両側に設けられた左右壁Ｐｅと中央に設けられた中壁Ｐｂとにより支持される。これにより、パレットＰは、左右壁Ｐｅと中壁Ｐｂとの間に、一対のフォーク差込孔Ｐａが形成される。そして、フォークリフト１は、フォーク５２をパレットＰのフォーク差込孔Ｐａに差し込んで搬送する。

図４の通り、荷役システムは、工場や倉庫等の施設内に設置された複数の棚３０を備える。棚３０は、水平方向及び垂直方向に延設された複数のフレーム３２によって形成された複数の収納部３１を備える。収納部３１は、パレットＰに載置された荷物Ｍを収納するよう構成される。フォークリフト１は、フォーク５２を用いて、パレットＰに載置された荷物Ｍを所定の収納部３１から出し入れする荷役作業を行う。

図１の通り、フォークリフト１は、フォーク操作レバー５８に取り付けられた圧力センサ５８０を備える。圧力センサ５８０は、オペレータがフォーク操作レバー５８を握る圧力を測定する。フォークリフト１は、ヘッドガード５７に取り付けられたカメラ６０を備える。カメラ６０は、オペレータのまばたき回数を測定する。

フォークリフト１は、車体２に取り付けられた気温センサ６１を備える。気温センサ６１は、オペレータの周囲の気温を測定する。フォークリフト１は、フォーク５２の先端に取り付けられた照度センサ５２０を備える。照度センサ５２０は、フォーク５２の先端の周囲の照度を測定する。

フォークリフト１は、操作部５６に設けられた表示部５９を備える。表示部５９は、フォーク操作レバー５８を操作するオペレータが視認できるよう、オペレータが見えやすい位置に配置される。

図５の通り、荷役システムは、教師データ４６を収集する収集部４０を備える。教師データ４６は、オペレータの体調に関する体調データＤ１と、オペレータの視認性に関する視認性データＤ２とを含む。オペレータの体調に関する体調データＤ１は、例えば、（１）オペレータがフォーク操作レバー５８を握る圧力Ｉ１、（２）オペレータのまばたき回数Ｉ２、（３）オペレータの周囲の気温Ｉ３である。オペレータの視認性に関する視認性データＤ２は、例えば、（４）フォーク５２の先端の周囲の照度Ｉ４である。

荷役システムは、収集部４０に収集された教師データ４６（上記（１）〜（４））から機械学習を行い、機械学習により学習モデルを生成および記憶する学習モデル生成部４１を備える。本実施の形態の学習モデル生成部４１は、教師あり学習を実施する。教師あり学習では、教師データ４６、すなわち、入力データＩＤと出力データＯＤとの組を大量に学習モデル生成部４１に入力する。

入力データＩＤは、（１）圧力Ｉ１、（２）まばたき回数Ｉ２、（３）気温Ｉ３、（４）照度Ｉ４を含む。出力データＯＤは、落下可能性スコアである。荷物ＭがパレットＰから落下するか否かの可能性を示す落下可能性スコアとして、入力データＩＤを評価し、０から１０までの数値パラメータが設定される。

例えば、落下可能性スコアの数値パラメータが高い、すなわち、荷物ＭがパレットＰから落下する可能性が高いと判断される場合として、（１）オペレータがフォーク操作レバー５８を握る圧力Ｉ１が小さい場合、（２）オペレータのまばたきの回数Ｉ２が多い場合、（３）オペレータの周囲の気温Ｉ３が高い場合、（４）フォーク５２の先端の周囲の照度Ｉ４が低い場合、オペレータの体調不良、睡眠不足、集中力低下、視認性不良等によって、荷物ＭがパレットＰから落下することが多い。

一方、落下可能性スコアの数値パラメータが低い、すなわち、荷物ＭがパレットＰから落下する可能性が低いと判断される場合として、（１）オペレータがフォーク操作レバー５８を握る圧力Ｉ１が大きい場合、（２）オペレータのまばたきの回数Ｉ２が少ない場合、（３）オペレータの周囲の気温Ｉ３が低い場合、（４）フォーク５２の先端の周囲の照度Ｉ４が高い場合、オペレータの体調良好、十分な睡眠、高い集中力、視認性良好等によって、荷物ＭがパレットＰから落下することが少ない。

落下可能性スコアは、（１）圧力Ｉ１、（２）まばたき回数Ｉ２、（３）気温Ｉ３、（４）照度Ｉ４のいずれかの数値パラメータで設定されてもよいし、重み付け係数により加重平均された数値パラメータで設定されてもよい。

なお、実際に、オペレータがフォークリフト１を操作するときに、オペレータの体調悪化、睡眠不足、視認性低下、集中力低下等によって、荷物ＭがパレットＰから落下することが多い。そのため、（１）圧力Ｉ１、（２）まばたき回数Ｉ２、（３）気温Ｉ３、（４）照度Ｉ４と、荷物ＭがパレットＰから落下することとの間に相関関係等の一定の関係が存在することは推認できる。

学習モデル生成部４１は、一般的なニューラルネットワーク等の機械学習アルゴリズムを用いる。学習モデル生成部４１は、相関関係を有する入力データＩＤと出力データＯＤを教師データ４６として機械学習を行うことにより、入力から出力を推定するモデル（学習モデル）、すなわち、入力データＩＤ（上記（１）〜（４））を入力すると、落下可能性スコアを出力するモデルを生成する。

荷役システムは、現時点の入力データＩＤを所定時間ごとに取得する取得部４５を備える。本実施形態では、取得部４５は、圧力センサ５８０、カメラ６０、気温センサ６１、照度センサ５２０である。上記の通り、入力データＩＤは、（１）圧力Ｉ１、（２）まばたき回数Ｉ２、（３）気温Ｉ３、（４）照度Ｉ４である。入力データＩＤは、所定時間（例えば１分）ごとに取得される。

荷役システムは、学習モデル生成部４１で生成された学習モデルを、取得部４５から取得される現時点の入力データＩＤに適用することで、荷物ＭがパレットＰから落下するか否かを予測する予測部４２を備える。

図６の通り、所定時間ごとに予測部４２に現時点の入力データＩＤが入力されたときに、（１）圧力Ｉ１、（２）まばたき回数Ｉ２、（３）気温Ｉ３、（４）照度Ｉ４を解析して落下可能性スコアが取得される。取得された落下可能性スコアが予め設定された所定の数値パラメータ以上という条件を満たせば、荷物ＭがパレットＰから落下する可能性が高いと予測される。

荷役システムは、落下可能性が高いときに、フォークリフト１に設けられた表示部５９に対して所定の警告画面を表示する。警告画面は、例えば、「荷物の落下注意！」「フォーク操作に注意！」等の大きな文字が表示されて、オペレータに対して注意を促す。

図７の通り、上記の荷役システムは、以下の制御方法を実行する。なお、重複説明を避けるため、既に説明した部分は省略する。

収集部４０によって、教師データ４６を収集する（収集ステップ：Ｓ１）。そして、学習モデル生成部４１によって、収集ステップＳ１で収集部４０に収集された教師データ４６から機械学習を行い、機械学習により学習モデルを生成および記憶する（学習モデル生成ステップ：Ｓ２）。取得部４５によって、現時点の入力データＩＤを所定時間ごとに取得する（取得ステップ：Ｓ３）。

予測部４２によって、学習モデル生成ステップＳ２で生成された学習モデルを、取得ステップＳ３で取得される現時点の入力データＩＤに適用することで、落下可能性を予測する（予測ステップ：Ｓ４）。制御部４３によって、予測ステップＳ４によって予測された出力データＯＤに基づいて、表示部５９に警告画面を表示する制御を行う（制御ステップ：Ｓ５）。

以上、本発明の好ましい実施形態を説明したが、本発明の構成はこれらの実施形態に限定されない。

他の実施形態では、オペレータの体調に関する体調データＤ１は、上記に加えて、オペレータの体温を含むことができる。その場合、フォークリフト１は、体表温度検知カメラを備え、オペレータの体温を測定する。オペレータの体温が高い場合、オペレータの体調悪化、集中力低下等によって、荷物ＭがパレットＰから落下することが多い。

また、オペレータの視認性に関する視認性データＤ２は、上記に加えて、オペレータの周囲の照度を含むことができる。その場合、フォークリフト１は、操作部５６に照度センサを備え、オペレータの周囲の照度を測定する。オペレータの周囲の照度が低い場合、オペレータの視認性低下等によって、荷物ＭがパレットＰから落下することが多い。

他の実施形態では、制御部４３は、作動油ポンプ８１を回転駆動するモータ８２の速度低下又は停止などの制限を行うことができる。オペレータの体調や視認性が悪い場合、モータ８２の駆動の制限によって、フォーク５２の動作を制限して、荷物ＭがパレットＰから落下しないようにできる。なお、制御部４３は、モータ８２の速度低下又は停止などの制御を行うと共に、上記の通り、表示部５９に警告画面を表示することができる。

本発明の効果を説明する。
オペレータの体調が悪い場合、フォーク操作が適切に行われず荷物がフォークから落下することがあるが、所定の制御を行うことで、オペレータは適切なフォーク操作を行うことができる。
また、荷物Ｍを収納する棚３０の収納部３１が高所にあり、フォーク５２の先端の周囲の照度が低い場合、オペレータの視認性が低くなるので、フォーク操作が適切に行われず荷物がフォークから落下することがあるが、所定の制御を行うことで、オペレータは適切なフォーク操作を行うことができる。

１ フォークリフト
５２ フォーク
５２０ 照度センサ
５８ フォーク操作レバー
５８０ 圧力センサ
５９ 表示部
６０ カメラ
６１ 気温センサ
４０ 収集部
４１ 学習モデル生成部
４２ 予測部
４３ 制御部
４５ 取得部
４６ 教師データ
７０，７１，７２ シリンダ
８１ 作動油ポンプ
８２ モータ

Claims (5)

1. 施設内でオペレータの操作によって走行および荷役作業を行うフォークリフトを備えた荷役システムであって、
   前記フォークリフトは、フォークを用いて、荷物が載置されたパレットを昇降するよう構成され、
   前記荷役システムは、
   オペレータの体調に関する体調データ及びオペレータの視認性に関する視認性データと、荷物がパレットから落下する可能性を示す落下可能性スコアとの間の関係に基づく教師データを収集する収集部と、
   前記収集部に収集された前記教師データから機械学習を行い、前記機械学習により学習モデルを生成および記憶する学習モデル生成部と、
   現時点の前記体調データ及び前記視認性データを所定時間ごとに取得する取得部と、
   前記学習モデル生成部で生成された前記学習モデルに、前記取得部から取得される前記現時点の前記体調データ及び前記視認性データを入力することで、前記落下可能性スコアを前記学習モデルから取得する予測部と、
   前記予測部によって取得される前記落下可能性スコアに基づいて、所定制御を実行する制御部と、を備える
   ことを特徴とする荷役システム。
2. 前記取得部は、
   前記フォークリフトに搭乗するオペレータがフォーク操作レバーを握る圧力を測定する圧力センサと、
   前記オペレータのまばたきの回数を測定するカメラと、
   前記オペレータの周囲の気温を測定する気温センサと、
   前記フォークリフトのフォークの先端の周囲の照度を測定する照度センサと、を備え、
   前記体調データは、
   前記圧力センサで測定された圧力と、
   前記カメラで測定されたまばたきの回数と、
   前記気温センサで測定された気温と、を含み、
   前記視認性データは、
   前記照度センサで測定された照度を含む
   ことを特徴とする請求項１に記載の荷役システム。
3. 前記フォークリフトは、前記フォークリフトに搭乗するオペレータが視認可能な表示部を備え、
   前記制御部は、前記表示部に警告画面を表示する制御を行う
   ことを特徴とする請求項１又は２に記載の荷役システム。
4. 前記フォークリフトは、前記フォークを駆動するシリンダと、前記シリンダを駆動する作動油ポンプと、前記作動油ポンプを駆動するモータと、を備え、
   前記制御部は、前記モータの速度低下又は停止する制御を行う
   ことを特徴とする請求項１〜３のいずれかに記載の荷役システム。
5. 施設内でオペレータの操作によって走行および荷役作業を行うフォークリフトを備えた荷役システムの制御方法であって、
   前記フォークリフトは、フォークを用いて、荷物が載置されたパレットを昇降するよう構成され、
   前記制御方法は、
   オペレータの体調に関する体調データ及びオペレータの視認性に関する視認性データと、荷物がパレットから落下する可能性との間の関係に基づく教師データを収集する収集ステップと、
   前記収集ステップで収集された前記教師データから機械学習を行い、前記機械学習により学習モデルを生成および記憶する学習モデル生成ステップと、
   現時点の前記体調データ及び前記視認性データを所定時間ごとに取得する取得ステップと、
   前記学習モデル生成ステップで生成された前記学習モデルに、前記取得ステップで取得される前記現時点の前記体調データ及び前記視認性データを入力することで、荷物がパレットから落下する可能性を示す落下可能性スコアを前記学習モデルから取得する予測ステップと、
   前記予測ステップによって取得される前記落下可能性スコアに基づいて、所定制御を実行する制御ステップと、を備える
   ことを特徴とする荷役システムの制御方法。

Images