JP6993072B2 - 荷役システム - Google Patents

Description

本発明は、無人フォークリフトで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荷役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い、トラックで荷を輸送した後、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うようにプログラムされる。

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で積み込み作業または取り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、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直前まで他の荷役作業（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込み作業もしくは取り卸し作業）を行うことが好ましい。

しかしながら、所定の荷役作業の完了後に積み込み作業または取り卸し作業を行うように荷役スケジュールが設定されている場合において、例えば、トラックが予定よりも早く到着したときには、トラックの到着時刻から積み込み作業または取り卸し作業の開始時刻までの時間が長くなるため、トラックの待機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った。

そこで、トラックの到着に備えて無人フォークリフトがトラックの予定到着時刻前に荷役作業を完了して待機するように構成することも考えられるが、このような構成では、無人フォークリフトの稼働率が低下するおそれがある。特に、トラックが予定よりも遅く到着した場合には、トラックが予定通りに到着した場合に比べて、無人フォークリフトの待機時間が長くなり、無人フォークリフト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、トラックの稼働率および無人フォークリフトの稼働率の低下を抑制できる荷役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に記載の荷役システムは、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、前記所定地にて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を行う無人フォークリフトと、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、複数の荷役作業候補から、前記推定到着時刻後に作業が完了するとともに作業完了時刻が前記推定到着時刻に最も近い１つの荷役作業、または、前記推定到着時刻後に最後の作業が完了するとともに最後の作業完了時刻が前記推定到着時刻に最も近くなる複数の荷役作業を、前記無人フォークリフトが行うべき荷役作業として選定して、当該無人フォークリフトの荷役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、前記荷役スケジュールに基づいて、選定された１つまたは複数の前記荷役作業を行った後に、前記積み込み作業または前記取り卸し作業を行うことを特徴とする。

また、上記課題を解決するため、請求項２に記載の荷役システムは、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、前記所定地にて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を行う無人フォークリフトと、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、複数の荷役作業候補から、前記推定到着時刻前に作業が完了するとともに作業完了時刻が前記推定到着時刻に最も近い１つの荷役作業、または、前記推定到着時刻前に最後の作業が完了するとともに最後の作業完了時刻が前記推定到着時刻に最も近くなる複数の荷役作業を、前記無人フォークリフトが行うべき荷役作業として選定して、当該無人フォークリフトの荷役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、前記荷役スケジュールに基づいて、選定された１つまたは複数の前記荷役作業を行った後に、前記積み込み作業または前記取り卸し作業を行うことを特徴とする。

請求項３に記載の荷役システムは、請求項１または２に記載の荷役システムにおいて、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。

本発明によれば、トラックの稼働率および無人フォークリフトの稼働率の低下を抑制できる荷役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荷役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。 同実施形態に係る荷役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）および（Ｂ）は、実施例に係る無人フォークリフトが行う作業の一例を示すガントチャートであり、（Ｃ）および（Ｄ）は、比較例に係るガントチャートである。 変形例に係る荷役スケジュールの生成過程を示すフローチャートである。 他の変形例に係る荷役スケジュールの生成過程を示すフローチャートである。

図面を参照して、本発明の荷役システム１を説明する。
図１に示すように、本実施形態の荷役システム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を管理する管理サーバー３０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３０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３０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。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。

管理サーバー３０は、トラック１０および無人フォークリフト２０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し、荷役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３０の概略構成を示している。
図２に示すように、管理サーバー３０は、位置情報受信部３１と、推定モデル記憶部３２と、到着時刻推定部３３と、作業情報記憶部３４と、スケジュール生成部３５と、スケジュール記憶部３６と、スケジュール配信部３７とを備えている。

位置情報受信部３１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３１は、トラック１０の位置情報を受信する。

推定モデル記憶部３２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いる。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車両の通過数）等のデータを含むことができる。

到着時刻推定部３３は、推定モデル記憶部３２に記憶された到着時刻推定モデルと、位置情報受信部３１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３３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３４は、無人フォークリフト２０が行う荷役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３４は、作業情報として、複数の荷役作業の各々について、それらの荷役作業を行うための作業所要時間を記憶している。

スケジュール生成部３５は、到着時刻推定部３３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）と、作業情報記憶部３４に記憶された作業所要時間とに基づいて、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３５は、未作業の荷役作業を荷役作業候補とし、荷役作業候補の各々の作業所要時間に基づいて、無人フォークリフト２０が１つまたは複数の荷役作業候補を行ったときの作業完了時刻を算出する。そして、スケジュール生成部３５は、作業完了時刻の算出結果に基づいて、複数の荷役作業候補から、トラック１０の推定到着時刻前後の所定時間（以下「所定時間ｔ」という）に完了する予定の１つまたは複数の荷役作業を選定し、そ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３５は、スケジュール記憶部３６に記憶された荷役スケジュールと、到着時刻推定部３３によるトラック１０の到着時刻の推定結果に基づいて、荷役スケジュールの更新が必要と判断した場合は、荷役スケジュールを生成し直す。

スケジュール記憶部３６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３６は、スケジュール生成部３５により生成された荷役スケジュールを記憶する。

スケジュール配信部３７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。スケジュール配信部３７は、スケジュール生成部３５で生成された荷役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、推定到着時刻に基づく荷役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３１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３３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、スケジュール生成部３５は、無人フォークリフト２０の荷役スケジュールの生成が必要であるか否かを判断する（ステップＳ２）。具体的には、例えば、スケジュール生成部３５は、無人フォークリフト２０の荷役スケジュールが既に生成されている場合において、その荷役スケジュールに基づいて無人フォークリフト２０が１つ以上の荷役作業を行ったときに、ステップＳ１で算出された推定到着時刻を含む所定時間ｔ内に無人フォークリフト２０がその荷役作業を完了できない場合には、新たな荷役スケジュールの生成が必要であると判断する。また、スケジュール生成部３５は、無人フォークリフト２０の荷役スケジュールが生成されていない場合も、荷役スケジュールの生成が必要であると判断する。一方で、例えば、スケジュール生成部３５は、荷役スケジュールが既に生成されている場合において、その荷役スケジュールに基づいて無人フォークリフト２０が１つ以上の荷役作業を行ったときに、ステップＳ１で算出された推定到着時刻を含む所定時間ｔ内に無人フォークリフト２０がその荷役作業を完了できる場合には、新たな荷役スケジュールの生成が必要でないと判断する。

荷役スケジュールの生成が必要でないとステップＳ２で判断された場合（ステップＳ２：ＮＯ）には、スケジュール生成部３５が荷役スケジュールを生成し直すことはなく、無人フォークリフト２０は生成済みの荷役スケジュールに基づいて荷役作業を行う。

一方、荷役スケジュールの生成が必要であるとステップＳ２で判断された場合（ステップＳ２：ＹＥＳ）には、スケジュール生成部３５は、各荷役作業候補の作業所要時間に基づいて、無人フォークリフト２０が各荷役作業候補および各荷役作業候補の組み合わせを行ったときの作業完了時刻を算出する（ステップＳ３）。

次いで、スケジュール生成部３５は、ステップＳ１で算出された推定到着時刻とステップＳ３で算出された作業完了時刻とに基づいて、複数の荷役作業候補から、推定到着時刻を含む所定時間ｔ内に完了する予定の１つまたは複数の荷役作業（以下「荷役作業Ｘ」という）を選定する（ステップＳ４）。すなわち、荷役作業Ｘは、作業完了時刻が所定時間ｔ内である１つの荷役作業または複数の荷役作業の組み合わせからなる。所定時間ｔ内に完了する予定の荷役作業Ｘが複数存在する場合は、作業完了時刻が推定到着時刻に最も近い荷役作業Ｘが選定されることが好ましい。

そして、スケジュール生成部３５は、荷役作業Ｘを行うための荷役スケジュールを生成する（ステップＳ５）。すなわち、スケジュール生成部３５は、トラック１０および無人フォークリフト２０の待機時間が短くなるように、無人フォークリフト２０が荷役作業Ｘを行う荷役スケジュールを生成する。

図４（Ａ）および（Ｂ）を参照して、本実施形態により生成される荷役スケジュールの一例を説明する。図４（Ａ）および（Ｂ）は、実施例に係る荷役スケジュールを示すガントチャートである。

図４（Ａ）は、推定到着時刻を含む所定時間ｔ内に完了する予定の荷役作業Ｘとして、作業Ｗ１，Ｗ４が選定された荷役スケジュールを示している。すなわち、作業Ｗ１，Ｗ４は、作業完了時刻が所定時間ｔ内である荷役作業の組み合わせである。この荷役スケジュールでは、作業Ｗ１，Ｗ４が順に行われた後、積み込み作業または取り卸し作業である作業Ｔが行われ、作業Ｔ後に残りの荷役作業である作業Ｗ２，Ｗ３が行われる。

図４（Ｂ）は、推定到着時刻を含む所定時間ｔ内に完了する予定の荷役作業Ｘとして、作業Ｗ１，Ｗ３が選定された荷役スケジュールを示している。すなわち、作業Ｗ１，Ｗ３は、作業完了時刻が所定時間ｔ内である荷役作業の組み合わせである。この荷役スケジュールでは、作業Ｗ１，Ｗ３が順に行われた後、積み込み作業または取り卸し作業である作業Ｔが行われ、作業Ｔ後に残りの荷役作業である作業Ｗ２，Ｗ４が行われる。

一方、図４（Ｃ）および（Ｄ）は、比較例に係る荷役スケジュールを示すガントチャートである。
図４（Ｃ）に示す荷役スケジュールでは、作業Ｗ１，Ｗ２が順に行われた後、積み込み作業または取り卸し作業である作業Ｔが行われ、作業Ｔ後に残りの荷役作業である作業Ｗ３，Ｗ４が行われる。また、図４（Ｄ）に示す荷役スケジュールでは、作業Ｗ１が行われた後、積み込み作業または取り卸し作業である作業Ｔが行われ、作業Ｔ後に残りの荷役作業である作業Ｗ２～Ｗ４が行われる。

図４（Ａ）で示す実施例では、推定到着時刻にトラック１０が所定地Ｐに到着すると、トラック１０の短い待機時間Ｔｔが発生するものの、荷役作業Ｘが推定到着時刻後の所定時間ｔ１内（ｔ１＜ｔ）に完了するため、図４（Ｃ）で示す比較例に比べてトラック１０の待機時間Ｔｔを短縮できる。また、図４（Ｄ）で示す無人フォークリフト２０の待機時間Ｔｆが発生しない。

図４（Ｂ）で示す実施例では、推定到着時刻にトラック１０が所定地Ｐに到着すると、無人フォークリフト２０の短い待機時間Ｔｆが発生するものの、荷役作業Ｘが推定到着時刻前の所定時間ｔ２内（ｔ２＜ｔ）に完了するため、図４（Ｄ）で示す比較例に比べて無人フォークリフト２０の待機時間Ｔｆを短縮できる。また、図４（Ｃ）で示すトラック１０の待機時間Ｔｔが発生しない。

本実施形態では次の効果が得られる。
（１）スケジュール生成部３５は、所定地Ｐへのトラック１０の到着時刻の推定結果に基づいて、推定到着時刻を含んだ所定時間ｔ内に完了する予定の荷役作業Ｘを選定して、荷役作業Ｘ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し、無人フォークリフト２０は、その荷役スケジュールに基づいて荷役作業Ｘを行った後に、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を行う。このため、トラック１０の到着時刻を適宜推定することで、その推定結果である推定到着時刻に応じて、無人フォークリフト２０が行うべき荷役作業が柔軟に設定される。したがって、トラック１０および無人フォークリフト２０の待機時間Ｔｔ，Ｔｆが短くなるように充電スケジュールを生成することができるため、トラック１０の待機時間Ｔｔを短縮することでトラック１０の稼働率の低下を抑制でき、無人フォークリフト２０の待機時間Ｔｆを短縮することで無人フォークリフト２０の稼働率の低下を抑制できる。

（２）複数の荷役作業候補から、推定到着時刻後であって推定到着時刻から所定時間ｔ１内に完了する予定の荷役作業Ｘを選定される。この場合は、無人フォークリフト２０は、荷役作業Ｘの作業完了後に積み込み作業または取り卸し作業を速やかに開始でき、無人フォークリフト２０の待機時間Ｔｆを発生させないことで無人フォークリフト２０の稼働率の低下を効果的に抑制できる。

（３）複数の荷役作業候補から、推定到着時刻前であって推定到着時刻から所定時間ｔ２内に完了する予定の荷役作業Ｘが選定される。この場合は、無人フォークリフト２０は、荷役作業Ｘの完了後に待機することで、所定地Ｐへのトラック１０の到着直後に積み込み作業または取り卸し作業を速やかに開始でき、トラック１０の待機時間Ｔｔを発生させないことでトラック１０の稼働率の低下を効果的に抑制できる。

（４）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。

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。

・図５および図６に示すように、荷役スケジュールの生成過程を適宜変更してもよい。具体的には、図５に示すように、スケジュール生成部３５が、上記ステップＳ４に代えて、複数の荷役作業候補から、推定到着時刻後であって推定到着時刻から所定時間ｔ１内に完了する予定の荷役作業Ｘを選定してもよい（ステップＳ４Ａ）。すなわち、本変更例の荷役作業Ｘの作業完了時刻は、推定到着時刻前ではなく、図４（Ａ）で示すように推定到着時刻後の所定時間ｔ１内である。所定時間ｔ１内に完了する予定の荷役作業Ｘが複数存在する場合は、作業完了時刻が推定到着時刻に最も近い荷役作業Ｘが選定されることが好ましい。

また、図６に示すように、スケジュール生成部３５は、上記ステップＳ４に代えて、複数の荷役作業候補から、推定到着時刻前であって推定到着時刻から所定時間ｔ２内に完了する予定の荷役作業Ｘを選定してもよい（ステップＳ４Ｂ）。すなわち、本変更例の荷役作業Ｘの作業完了時刻は、推定到着時刻後ではなく、図４（Ｂ）で示すように推定到着時刻前の所定時間ｔ２内である。所定時間ｔ２内に完了する予定の荷役作業Ｘが複数存在する場合は、作業完了時刻が推定到着時刻に最も近い荷役作業Ｘが選定されることが好ましい。

・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、その推定方法を適宜変更してもよい。すなわち、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。

１ 荷役システム
１０ トラック
２０ 無人フォークリフト
３０ 管理サーバー
３２ 推定モデル記憶部
３３ 到着時刻推定部
３５ スケジュール生成部
Ｐ 所定地

Claims (3)

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、
   前記所定地にて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を行う無人フォークリフトと、
   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、複数の荷役作業候補から、前記推定到着時刻後に作業が完了するとともに作業完了時刻が前記推定到着時刻に最も近い１つの荷役作業、または、前記推定到着時刻後に最後の作業が完了するとともに最後の作業完了時刻が前記推定到着時刻に最も近くなる複数の荷役作業を、前記無人フォークリフトが行うべき荷役作業として選定して、当該無人フォークリフトの荷役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、前記荷役スケジュールに基づいて、選定された１つまたは複数の前記荷役作業を行った後に、前記積み込み作業または前記取り卸し作業を行う
   ことを特徴とする荷役システム。
2. 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、
   前記所定地にて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を行う無人フォークリフトと、
   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、複数の荷役作業候補から、前記推定到着時刻前に作業が完了するとともに作業完了時刻が前記推定到着時刻に最も近い１つの荷役作業、または、前記推定到着時刻前に最後の作業が完了するとともに最後の作業完了時刻が前記推定到着時刻に最も近くなる複数の荷役作業を、前記無人フォークリフトが行うべき荷役作業として選定して、当該無人フォークリフトの荷役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、前記荷役スケジュールに基づいて、選定された１つまたは複数の前記荷役作業を行った後に、前記積み込み作業または前記取り卸し作業を行う
   ことを特徴とする荷役システム。
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に記載の荷役システム。

Images