JP6969858B1 - 荷役システムおよび制御方法 - Google Patents

Abstract

【課題】車体が横転する可能性がある場合に、オペレータが慎重な運転を行うようにする。【解決手段】スリップ度合データと、バランス度合データと、横転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４６と、収集部４６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４１と、現時点のスリップ度合データ及びバランス度合データを所定時間ごとに取得する取得部４５と、学習モデル生成部４１で生成された学習モデルに、取得部４５から取得される現時点のスリップ度合データ及びバランス度合データを入力することで、横転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横転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４

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、フォーク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、施設の床面と駆動輪とに関するスリップ度合や、車体重量と荷物重量とに関するバランス度合によっては、オペレータが車両の走行速度や旋回角に十分な注意をしなければ、車体が横転することがある。

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、車体が横転する可能性がある場合に、オペレータが慎重な運転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、
施設の床面に対するフォークリフトのスリップ度合に関するスリップ度合データと、フォークリフトのバランス度合に関するバランス度合データと、フォークリフトが横転する可能性を示す横転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、
現時点のスリップ度合データ及びバランス度合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スリップ度合データ及びバランス度合データを入力することで、横転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横転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、
フォークリフトの駆動輪の回転速度を検出する駆動輪検出部と、
フォークリフトの従動輪の回転速度を検出する従動輪検出部と、
フォークの位置を検出するフォーク位置検出部と、
フォークで昇降される荷物の重量を検出する重量検出部と、を備え、
スリップ度合データは、駆動輪検出部及び従動輪検出部で検出された駆動輪と従動輪との間の回転速度の差を含み、
バランス度合データは、
フォークリフトの種類と、
フォークリフトの重量と、
フォーク位置検出部で検出されたフォークの位置と、
重量検出部で検出された荷物の重量と、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、駆動輪を旋回する駆動輪旋回機構と、駆動輪を回転駆動する駆動輪駆動機構と、を備え、
制御部は、駆動輪旋回機構及び駆動輪駆動機構の駆動速度低下又は停止する制限を行う。

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、
施設の床面に対するフォークリフトのスリップ度合に関するスリップ度合データと、フォークリフトのバランス度合に関するバランス度合データと、フォークリフトが横転する可能性を示す横転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、
現時点のスリップ度合データ及びバランス度合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スリップ度合データ及びバランス度合データを入力することで、横転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横転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、車体が横転する可能性がある場合に、オペレータが慎重な運転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。 車体重心及び荷物重心を説明するための図。 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とともに昇降する。

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に進退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・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を旋回するための駆動輪旋回機構２３と、駆動輪２１を回転駆動するための駆動輪駆動機構（走行モータ）２４と、を備える。駆動輪旋回機構２３は、駆動輪２１を車体の前後方向Ｘ及び左右方向Ｙに対して所定角度に旋回する。駆動輪駆動機構２４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。

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を回転駆動するシリンダ用モータ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１の通り、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（操作レバー）１０を備える。ハンドル３は、旋回可能に構成される。フォークリフト１は、ハンドル３の旋回角度αを検知するための旋回ポテンショメータ３０を備える。

アクセルレバー１０は、車体の上下方向Ｚに対して傾動可能に構成される。フォークリフト１は、アクセルレバー１０の傾き角度θ１を検知するための第１傾きポテンショメータ１２を備える。

操作部５６は、複数の操作レバー５８を備えており、オペレータが各操作レバー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、各操作レバー５８の傾き角度θ２を検知するための第２傾きポテンショメータ１３を備える。

フォークリフト１は、駆動輪旋回機構２３及び駆動輪駆動機構２４を制御するための制御システム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、アクセルレバー１０の傾き角度θ１に基づいて、駆動輪駆動機構２４を制御する。また、制御システム４は、ハンドル３の旋回角度αに基づいて、駆動輪旋回機構２３を制御する。また、制御システム４は、各操作レバー５８の傾き角度θ２に基づいて、制御弁７３，７４，７５及びシリンダ用モータ８２を制御する。

フォークリフト１は、駆動輪２１の回転速度を検出する駆動輪検出部３１と、従動輪２０の回転速度を検出する従動輪検出部３２と、を備える。駆動輪検出部３１及び従動輪検出部３２は、ロータリーエンコーダー等からなり、その回転数信号に基づいて、駆動輪２１及び従動輪２０の回転の速度及び方向（前進または後進）を検出する。

フォークリフト１は、フォーク５２に接続されたフォーク位置検出部５８０を備える。フォーク位置検出部５８０は、フォーク５２の前後方向Ｘ及び上下方向Ｚの位置を測定する。フォーク位置検出部５８０は、例えば、制御弁７３，７４，７５における開閉弁の位置を検知し、フォーク用モータ８２の回転角を測定して、フォーク５２の前後方向Ｘ及び上下方向Ｚの位置を測定する。

フォークリフト１は、フォーク５２に取り付けられた重量検出部５８１を備える。重量検出部５８１は、例えば、フォーク５２の上面に取り付けられた圧力センサーからなり、フォーク５２で持ち上げられた荷物Ｍの圧力に基づいて荷物Ｍの重量を測定する。

図１の通り、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、ハンドル３、アクセルレバー１０、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４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、スリップ度合Ｓに関するスリップ度合データＤ１と、バランス度合Ｂに関するバランス度合データＤ２とを含む。

スリップ度合Ｓに関するスリップ度合データＤ１は、例えば、（１）駆動輪検出部３１及び従動輪検出部３２で検出された駆動輪２１の回転速度Ｖ１と従動輪２０の回転速度Ｖ２との間の回転速度の差ｄＶである。

バランス度合Ｂに関するバランス度合データＤ２は、例えば、図３の通り、（２）フォークリフト１の種類、（３）フォークリフト１の重量Ｗ１、（４）フォーク位置検出部５８０で検出されたフォーク５２の前後方向Ｘの位置Ｐ及び上下方向Ｚの位置Ｈ、（５）荷物Ｍの重量Ｗ２である。なお、上記（２）フォークリフト１の種類は、リーチ型フォークリフトや、カウンタバランス型フォークリフト等のバランス度合等に応じて、予め数値パラメータが設定される。

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）〜（５））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）回転速度の差ｄＶ、（２）フォークリフト１の種類、（３）フォークリフト１の重量Ｗ１、（４）フォーク５２の位置Ｐ，Ｈ、（５）荷物Ｍの重量Ｗ２を含む。出力データＯＤは、横転可能性スコアである。フォークリフト１が横転するか否かの可能性を示す横転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、横転可能性スコアの数値パラメータが高い、すなわち、フォークリフト１が横転する可能性が高いと判断される場合として、（１）回転速度の差ｄＶが大きい場合、（２）フォークリフト１がカウンタバランス型である場合、（３）フォークリフト１の重量Ｗ１が小さい場合、（４）フォーク５２の位置Ｐ，Ｈが車体２から離れている場合、（５）荷物Ｍの重量Ｗ２が大きい場合、フォークリフト１が不安定になるので、フォークリフト１が横転することが多い。

一方、横転可能性スコアの数値パラメータが低い、すなわち、フォークリフト１が横転する可能性が低いと判断される場合として、（１）回転速度の差ｄＶが小さい場合、（２）フォークリフト１がリーチ型である場合、（３）フォークリフト１の重量Ｗ１が大きい場合、（４）フォーク５２の位置Ｐ，Ｈが車体２に近い場合、（５）荷物Ｍの重量Ｗ２が小さい場合、フォークリフト１が安定しているので、フォークリフト１が横転することが少ない。

横転可能性スコアは、（１）回転速度の差ｄＶ、（２）フォークリフト１の種類、（３）フォークリフト１の重量Ｗ１、（４）フォーク５２の位置Ｐ，Ｈ、（５）荷物Ｍの重量Ｗ２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を運転するとき、施設の床面に対するスリップ度合、フォークリフトの種類・重量、フォークの位置、荷物の重量等によって、フォークリフト１が横転することが多い。そのため、（１）回転速度の差ｄＶ、（２）フォークリフト１の種類、（３）フォークリフト１の重量Ｗ１、（４）フォーク５２の位置Ｐ，Ｈ、（５）荷物Ｍの重量Ｗ２と、フォークリフト１が横転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）〜（５））を入力すると、横転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、駆動輪検出部３１、従動輪検出部３２、フォーク位置検出部５８０、重量検出部５８１である。上記の通り、入力データＩＤは、（１）回転速度の差ｄＶ、（２）フォークリフト１の種類、（３）フォークリフト１の重量Ｗ１、（４）フォーク５２の位置Ｐ，Ｈ、（５）荷物Ｍの重量Ｗ２である。入力データＩＤのうち（１）回転速度の差ｄＶ、（４）フォーク５２の位置Ｐ，Ｈ、（５）荷物Ｍの重量Ｗ２は、所定時間（例えば１分）ごとに取得される。入力データＩＤのうち（２）フォークリフト１の種類、（３）フォークリフト１の重量Ｗ１は、一度取得されると、フォークリフト１が変更されるまで再取得されない。

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、フォークリフト１が横転するか否かを予測する予測部４２を備える。

図５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）回転速度の差ｄＶ、（４）フォーク５２の位置Ｐ，Ｈ、（５）荷物Ｍの重量Ｗ２を解析して横転可能性スコアが取得される。なお、上記の通り、入力データＩＤのうち（２）フォークリフト１の種類、（３）フォークリフト１の重量Ｗ１は、一度取得されると、フォークリフト１が変更されるまで再取得されない。取得された横転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、フォークリフト１が横転する可能性が高いと予測される。

荷役システムは、横転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、「横転に注意！」「運転に注意！」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６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、横転可能性を予測する（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、バランス度合Ｂに関するバランス度合データＤ２は、上記に加えて、従動輪２０の回転速度Ｖ２、ハンドル３の旋回角度αを含むことができる。従動輪２０の回転速度Ｖ２（フォークリフト１の走行速度）が速い場合、ハンドル３の旋回角度αが大きい場合、フォークリフト１が横転することが多い。

他の実施形態では、制御部４３は、駆動輪２１を旋回する駆動輪旋回機構２３と、駆動輪２１を回転駆動する駆動輪駆動機構（走行モータ）２４との駆動速度低下や停止などの制限を行うことができる。フォークリフトの走行が不安定な場合、駆動輪旋回機構２３及び駆動輪駆動機構２４の駆動の制限によって、フォークリフト１の走行及び旋回動作を制限して、フォークリフト１が横転しないようにできる。なお、制御部４３は、駆動輪旋回機構２３及び駆動輪駆動機構２４の駆動の制限を行うと共に、上記の通り、表示部５９に警告画面を表示できる。

本発明の効果を説明する。
フォークリフトの走行が不安定な場合、フォークリフトが横転することがあるが、所定の制御を行うことで、オペレータは慎重な運転を行うことができる。

１ フォークリフト
２０ 従動輪
２１ 駆動輪
５２ フォーク
３１ 駆動輪検出部
３２ 従動輪検出部
５８０ フォーク位置検出部
５８１ 重量検出部
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
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、
   前記施設の床面に対する前記フォークリフトのスリップ度合に関するスリップ度合データと、前記フォークリフトのバランス度合に関するバランス度合データと、前記フォークリフトが横転する可能性を示す横転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、
   現時点の前記スリップ度合データ及び前記バランス度合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スリップ度合データ及び前記バランス度合データを入力することで、前記横転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横転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の駆動輪の回転速度を検出する駆動輪検出部と、
   前記フォークリフトの従動輪の回転速度を検出する従動輪検出部と、
   前記フォークの位置を検出するフォーク位置検出部と、
   前記フォークで昇降される前記荷物の重量を検出する重量検出部と、を備え、
   前記スリップ度合データは、前記駆動輪検出部及び前記従動輪検出部で検出された前記駆動輪と前記従動輪との間の回転速度の差を含み、
   前記バランス度合データは、
   前記フォークリフトの種類と、
   前記フォークリフトの重量と、
   前記フォーク位置検出部で検出された前記フォークの位置と、
   前記重量検出部で検出された前記荷物の重量と、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、駆動輪を旋回する駆動輪旋回機構と、駆動輪を回転駆動する駆動輪駆動機構と、を備え、
   前記制御部は、前記駆動輪旋回機構及び前記駆動輪駆動機構の駆動速度低下又は停止する制限を行う
   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、
   前記施設の床面に対する前記フォークリフトのスリップ度合に関するスリップ度合データと、前記フォークリフトのバランス度合に関するバランス度合データと、前記フォークリフトが横転する可能性を示す横転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、
   現時点の前記スリップ度合データ及び前記バランス度合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スリップ度合データ及び前記バランス度合データを入力することで、前記横転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横転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