JP7068654B2 - センサシステム - Google Patents

Description

本開示は、センサシステムに関する。

従来、ラインに沿って複数のセンサを配置して、ライン上を搬送されるワークの有無を測定することがある。複数のセンサにより測定されたデータは、複数のスレーブユニットにより取得されてマスタユニットに転送され、マスタユニットに接続されたＰＬＣ（Programmable Logic Controller）等の制御装置に集約されることがある。

下記特許文献１には、複数のセンサユニットと、各々のセンサユニットから受信した情報を制御装置に向けて送信する通信装置とを備えるセンサシステムが記載されている。各センサユニットは、いずれかのセンサユニットから発信される同期信号を起点として、センサユニット毎に定められる待機時間が経過してから、センシングデータ等の検出情報を通信装置に送信する。ここで、各センサユニットの待機時間は、他のセンサユニットの待機時間とは異なるように定められている。特許文献１に記載の技術によって、複数のセンサにより測定したデータを制御装置に集約する場合に、制御装置からのコマンドを待たずにデータを送信することができ、通信速度を向上させることができる。

特開２０１４－９６０３６号公報

近年、複数のセンサにより測定されたデータを学習モデルの機械学習に用いて学習済みモデルを生成し、学習済みモデルによってより高度な判定を行うセンサシステムを構築する研究が行われている。

センサシステムにより収集したデータに基づき教師有り機械学習に用いる学習用データを生成するため、本発明者らは、複数台のスレーブユニットにより取得されたデータをマスタユニットに転送し、マスタユニットからＰＬＣ等の制御装置にデータを集約して、集約したデータに対して制御装置によってラベル付け等を行って学習用データを生成することを検討した。しかしながら、本発明者らは、学習用データの生成処理を制御装置で行うこととすると、制御装置により従来行っていた処理に加えて、学習用データの生成処理を行うこととなり、制御装置の処理負荷が増大してしまうことを見出した。

そこで、本発明は、制御機器の処理負荷を増やさずに教師有り機械学習の学習用データを蓄積することができるセンサシステムを提供する。

本開示の一態様に係るセンサシステムは、複数のセンサと、複数のセンサそれぞれに接続され、複数のセンサにより測定されるデータを取得する複数のスレーブユニットと、複数のスレーブユニット及び制御装置と接続されているマスタユニットと、を備え、マスタユニットは、複数のスレーブユニットのうち一部のスレーブユニットにより取得されたデータを入力データとして設定する第１設定部と、複数のスレーブユニットのうち他の一部のスレーブユニットにより取得されたデータを、入力データの性質を表すラベルデータとして設定する第２設定部と、入力データ及びラベルデータを含み、学習モデルの機械学習に用いる学習用データを生成する生成部と、を有する。

この態様によれば、複数のスレーブユニットのうち一部のスレーブユニットにより取得されたデータを学習モデルの入力データとして設定し、複数のスレーブユニットのうち他の一部のスレーブユニットにより取得されたデータを学習モデルの教師有り学習で用いるラベルデータとして設定して学習用データを生成することで、制御機器の処理負荷を増やさずに機械学習の学習用データを蓄積することができる。

上記態様において、マスタユニットは、複数のスレーブユニットのうちいずれかのスレーブユニットにより取得されたデータに基づいて、入力データ及びラベルデータを学習用データに含めるか否かを決定する決定部をさらに有してもよい。

この態様によれば、適切な入力データ及びラベルデータが学習用データに含まれることとなり、学習済みモデルの予測精度を向上させることができる。

上記態様において、マスタユニットは、外部からラベルデータの入力を受け付ける入力部をさらに有してもよい。

この態様によれば、学習モデルの教師有り学習で用いるラベルデータを外部から受け付けることで、学習用データの生成をより柔軟に行うことができ、制御機器の処理負荷を増やさずに多様な学習用データを蓄積することができる。

上記態様において、マスタユニットは、入力データ及びラベルデータを学習用データに含めるか否かの指定を外部から受け付ける入力部をさらに有してもよい。

この態様によれば、適切な入力データ及びラベルデータが学習用データに含まれるように外部から入力を受け付けることができ、学習済みモデルの予測精度を向上させることができる。

上記態様において、マスタユニットは、学習用データを用いて学習モデルの機械学習を実行し、学習済みモデルを生成する学習部をさらに有してもよい。

この態様によれば、蓄積した学習用データを用いて学習モデルの機械学習を実行することで、制御機器の処理負荷を増やさずに学習済みモデルを生成することができる。

上記態様において、マスタユニットは、複数のスレーブユニットのうち少なくともいずれかにより取得されたデータを学習済みモデルに入力し、学習済みモデルにより予測値を出力させる予測部をさらに有してもよい。

この態様によれば、学習済みモデルにより予測値を出力させることで、制御機器の処理負荷を増やさずに学習済みモデルによる予測を行うことができる。

本発明によれば、制御機器の処理負荷を増やさずに教師有り機械学習の学習用データを蓄積することができるセンサシステムが提供される。

本発明の実施形態に係るセンサシステムの概要を示す図である。 本実施形態に係るマスタユニットの機能ブロックを示す図である。 本実施形態に係るセンサシステムの物理的構成を示す図である。 本実施形態に係るマスタユニットにより実行される学習用データ収集処理のフローチャートである。 本実施形態に係るマスタユニットにより実行される予測処理のフローチャートである。

以下、本発明の一側面に係る実施の形態（以下、「本実施形態」と表記する。）を、図面に基づいて説明する。なお、各図において、同一の符号を付したものは、同一又は同様の構成を有する。

図１は、本発明の実施形態に係るセンサシステム１の概要を示す図である。センサシステム１は、マスタユニット１０、第１スレーブユニット２０ａ、第２スレーブユニット２０ｂ、第３スレーブユニット２０ｃ、第１センサ３０ａ、第２センサ３０ｂ、第３センサ３０ｃ及びＰＬＣ４０を備える。ここで、第１センサ３０ａ、第２センサ３０ｂ及び第３センサ３０ｃは、複数のセンサに相当し、ラインＬに沿って配置され、ラインＬ上を搬送されるワークの通過状況を示すデータを測定する。また、第１スレーブユニット２０ａ、第２スレーブユニット２０ｂ、第３スレーブユニット２０ｃは、複数のセンサそれぞれに接続され、複数のセンサにより測定されるデータを取得する複数のスレーブユニットに相当する。より具体的には、第１スレーブユニット２０ａは第１センサ３０ａに接続され、第２スレーブユニット２０ｂは第２センサ３０ｂに接続され、第３スレーブユニット２０ｃは第３センサ３０ｃに接続されている。ＰＬＣ４０は、制御装置に相当する。そして、マスタユニット１０は、複数のスレーブユニット及び制御装置と接続されているマスタユニットに相当する。本明細書では、第１スレーブユニット２０ａ、第２スレーブユニット２０ｂ、第３スレーブユニット２０ｃをスレーブユニット２０と総称し、第１センサ３０ａ、第２センサ３０ｂ、第３センサ３０ｃをセンサ３０と総称する。

なお、本実施形態に係るセンサシステム１の構成は一例であり、センサシステム１が備える複数のセンサの数、複数のスレーブユニットの数は任意である。また、制御装置は、必ずしもＰＬＣ４０でなくてもよい。

マスタユニット１０は、ＬＡＮ（Local Area Network）等の通信ネットワークを介してＰＬＣ４０に接続されてよい。スレーブユニット２０は、マスタユニット１０に物理的かつ電気的に接続される。本実施形態において、マスタユニット１０は、スレーブユニット２０から受信した情報を記憶部に記憶し、記憶された情報をＰＬＣ４０に送信する。従って、スレーブユニット２０により取得されたデータは、マスタユニット１０によって一元化されてＰＬＣ４０に伝送される。

一例として、スレーブユニット２０からマスタユニット１０には、判定信号及び検出情報が伝送される。判定信号とは、センサ３０により測定されたデータに基づき、スレーブユニット２０によって判定された、ワークに関する判定結果を示す信号である。例えばセンサ３０が光電センサである場合、判定信号は、センサ３０により測定された受光量と閾値とを、スレーブユニット２０によって比較して得られるオン信号又はオフ信号であってよい。検出情報は、スレーブユニット２０の検出動作によって得られる検出値である。例えばセンサ３０が光電センサである場合、検出動作は、投光及び受光の動作であり、検出情報は、受光量であってよい。

スレーブユニット２０は、マスタユニット１０の側面に取り付けられてよい。マスタユニット１０とスレーブユニット２０との通信には、パラレル通信又はシリアル通信が用いられてよい。すなわち、マスタユニット１０と、スレーブユニット２０とがシリアル伝送路及びパラレル伝送路で物理的に接続されてよい。例えば、パラレル伝送路上でスレーブユニット２０からマスタユニット１０に判定信号が送信され、シリアル伝送路上で、スレーブユニット２０からマスタユニット１０に検出情報が送信されてよい。なお、マスタユニット１０とスレーブユニット２０とを、シリアル伝送路及びパラレル伝送路のうちのいずれか一方で接続してもよい。

図２は、本実施形態に係るマスタユニット１０の機能ブロックを示す図である。マスタユニット１０は、取得部１１、第１設定部１２ａ、第２設定部１２ｂ、決定部１３、生成部１４、記憶部１５、入力部１６、学習部１７、予測部１８及び通信部１９を備える。

取得部１１は、複数のスレーブユニット２０からデータを取得する。取得部１１は、パラレル伝送路によってスレーブユニット２０からワークの通過を示す判定信号を取得したり、シリアル伝送路によってスレーブユニット２０から複数のセンサ３０により測定された検出情報を取得したりしてよい。

第１設定部１２ａは、複数のスレーブユニット２０のうち一部のスレーブユニットにより取得されたデータを入力データとして設定する。ここで、入力データとは、学習モデルの機械学習の際に、学習モデルに入力するデータである。入力データは、数値データであってよいが、その他の形式のデータであってもよい。

第２設定部１２ｂは、複数のスレーブユニット２０のうち他の一部のスレーブユニットにより取得されたデータを、入力データの性質を表すラベルデータとして設定する。ここで、入力データの性質とは、入力データから予測される性質であり、例えば、ラインＬに関する異常の有無であったり、ラインＬを搬送されるワークの種類であったりしてよい。ラベルデータは、学習モデルの機械学習の際に、学習モデルが出力すべきデータであり、学習の目標とされるデータである。ラベルデータは、数値データであってよいが、その他の形式のデータであってもよい。

決定部１３は、複数のスレーブユニット２０のうちいずれかのスレーブユニットにより取得されたデータに基づいて、入力データ及びラベルデータを学習用データに含めるか否かを決定する。例えば、決定部１３は、特定のスレーブユニットからオン信号が送信されている期間にわたって入力データ及びラベルデータを学習用データに含め、特定のスレーブユニットからオフ信号が送信されている期間については入力データ及びラベルデータを学習用データに含めないように決定してよい。このように、あるスレーブユニットにより取得されたデータを基準として入力データ及びラベルデータの採否を決定することで、適切な入力データ及びラベルデータが学習用データに含まれることとなり、学習済みモデルの予測精度を向上させることができる。

生成部１４は、入力データ及びラベルデータを含み、学習モデルの機械学習に用いる学習用データを生成する。学習用データは、学習モデルの教師有り学習に用いるデータである。本実施形態に係るセンサシステム１は、複数のスレーブユニット２０のうち一部のスレーブユニットにより取得されたデータを学習モデルの入力データとして設定し、複数のスレーブユニット２０のうち他の一部のスレーブユニットにより取得されたデータを学習モデルの教師有り学習で用いるラベルデータとして設定して学習用データを生成することで、ＰＬＣ４０等の制御機器の処理負荷を増やさずに機械学習の学習用データを蓄積することができる。

記憶部１５は、生成部１４により生成された学習用データ１５ａと、学習済みモデル１５ｂとを記憶する。記憶部１５は、第１設定部１２ａ及び第２設定部１２ｂによって複数のスレーブユニット２０のうちいずれのスレーブユニットから取得したデータを入力データ及びラベルデータとして設定するかを指定する情報を記憶したり、決定部１３によって入力データ及びラベルデータを学習用データに含めるか否かを決定するための条件を記憶したりしてよい。

入力部１６は、外部からラベルデータの入力を受け付ける。入力部１６は、例えば、外部機器から信号の入力を受け付ける外部端子で構成されたり、プッシュボタンで構成されたりしてよく、ワークが不良品の場合にオン信号の入力を受け付け、ワークが良品の場合にオフ信号の入力を受け付けてよい。これにより、ワークの状態を測定する複数のセンサ３０の検出信号と、ワークが不良品であるか否かを示す情報とを含む学習用データを生成することができ、ワークの不良を予測する学習済みモデルを生成することができる。入力部１６によって、学習モデルの教師有り学習で用いるラベルデータを外部から受け付けることで、学習用データの生成をより柔軟に行うことができ、制御機器の処理負荷を増やさずに多様な学習用データを蓄積することができる。

入力部１６は、入力データ及びラベルデータを学習用データに含めるか否かの指定を外部から受け付けてよい。入力部１６は、例えば、外部機器から信号の入力を受け付ける外部端子で構成されたり、プッシュボタンで構成されたりしてよく、入力データ及びラベルデータを学習用データに含める場合にオン信号の入力を受け付け、入力データ及びラベルデータを学習用データに含めない場合にオフ信号の入力を受け付けてよい。このようにして、適切な入力データ及びラベルデータが学習用データに含まれるように外部から入力を受け付けることができ、学習済みモデルの予測精度を向上させることができる。

学習部１７は、学習用データ１５ａを用いて学習モデルの機械学習を実行し、学習済みモデル１５ｂを生成する。例えば、学習モデルがニューラルネットワークの場合、学習部１７は、学習用データ１５ａの入力データをニューラルネットワークに入力し、その出力とラベルデータとの差に基づいて、誤差逆伝播法によりニューラルネットワークの重みを更新してよい。なお、学習モデルは、ニューラルネットワークに限られず、回帰モデルであったり、決定木であったりしてよく、学習部１７は、任意のアルゴリズムによって学習モデルの機械学習を実行してよい。本実施形態に係るセンサシステム１は、蓄積した学習用データを用いて学習モデルの機械学習を実行することで、制御機器の処理負荷を増やさずに学習済みモデルを生成することができる。

予測部１８は、複数のスレーブユニット２０のうち少なくともいずれかにより取得されたデータを学習済みモデル１５ｂに入力し、学習済みモデル１５ｂにより予測値を出力させる。なお、予測部１８は、学習済みモデル１５ｂの出力をそのまま予測値として用いなくてもよく、任意の後処理を行ってよい。学習済みモデルにより予測値を出力させることで、制御機器の処理負荷を増やさずに学習済みモデルによる予測を行うことができる。

通信部１９は、ＰＬＣ４０との通信を行うインターフェースである。通信部１９は、ＰＬＣ４０以外の外部機器との通信を行うものであってもよい。

図３は、本実施形態に係るセンサシステム１の物理的構成を示す図である。マスタユニット１０は、ＰＬＣ４０との接続に用いられる入力／出力コネクタ１０１，１０２と、スレーブユニット２０との接続に用いられる接続コネクタ１０６と、電源入力コネクタとを備える。

また、マスタユニット１０は、ＭＰＵ（Micro Processing Unit）１１０、通信ＡＳＩＣ（Application Specific Integrated Circuit）１１２、パラレル通信回路１１６、シリアル通信回路１１８、Ｆｌａｓｈ ＲＯＭ１２０及び電源回路を備える。

ＭＰＵ１１０は、マスタユニット１０における全ての処理を統括して実行するように動作する。通信ＡＳＩＣ１１２は、ＰＬＣ４０との通信を管理する。パラレル通信回路１１６は、マスタユニット１０とスレーブユニット２０との間でのパラレル通信に用いられる。同様に、シリアル通信回路１１８は、マスタユニット１０とスレーブユニット２０との間でのシリアル通信に用いられる。Ｆｌａｓｈ ＲＯＭ１２０は、不揮発メモリであり、学習モデルを記憶する。例えば、学習モデルがニューラルネットワークの場合、Ｆｌａｓｈ ＲＯＭ１２０は、ニューラルネットワークの重みパラメータやネットワーク構造を記憶してよい。また、学習モデルが回帰モデルであったり、決定木であったりする場合、Ｆｌａｓｈ ＲＯＭ１２０は、回帰パラメータや決定木のハイパーパラメータを記憶してよい。

スレーブユニット２０は、両側壁部分に、マスタユニット１０又は他のスレーブユニット２０との接続コネクタ３０４，３０６が設けられている。スレーブユニット２０は、マスタユニット１０に対して一列に複数接続することが可能である。複数のスレーブユニット２０からの信号は、隣り合うスレーブユニット２０に伝送され、マスタユニット１０に伝送される。

スレーブユニット２０の両側面には、赤外線による光通信用の窓が設けられ、接続コネクタ３０４，３０６を利用して複数のスレーブユニット２０を一つずつ連結して一列に配置すると、互いに対向する光通信用の窓により、隣り合うスレーブユニット２０間で赤外線を利用した双方向光通信が可能となる。

スレーブユニット２０は、ＣＰＵ（Central Processing Unit）４００によって実現される各種の処理機能と、専用の回路によって実現される各種の処理機能とを有する。

ＣＰＵ４００は、投光制御部４０３を制御し、発光素子（ＬＥＤ）４０１から赤外線を放出させる。受光素子（ＰＤ）４０２が受光することによって生じた信号は、増幅回路４０４を介して増幅された後、Ａ／Ｄコンバータ４０５を介してデジタル信号に変換されて、ＣＰＵ４００に取り込まれる。ＣＰＵ４００では、受光データ、すなわち受光量をそのまま検出情報としてマスタユニット１０に向けて送信する。また、ＣＰＵ４００では、受光量が予め設定された閾値よりも大きいか否かを判定することによって得られるオン信号又はオフ信号を、判定信号としてマスタユニット１０に向けて送信する。

さらにＣＰＵ４００は、左右の投光回路４１１，４１３を制御することにより、左右の通信用発光素子（ＬＥＤ）４０７，４０９から隣接するスレーブユニット２０に対して赤外線を放出する。隣接する左右のスレーブユニット２０から到来する赤外線は左右の受光素子（ＰＤ）４０６，４０８で受光された後、受光回路４１０，４１２を介しＣＰＵ４００へと到来する。ＣＰＵ４００では、所定のプロトコルに基づいて、送受信信号を制御することにより、左右の隣接するスレーブユニット２０との間で光通信を行なう。

受光素子４０６、通信用発光素子４０９、受光回路４１０、投光回路４１３は、スレーブユニット２０間の相互干渉を防止するための同期信号を送受信するために利用される。具体的には、各スレーブユニット２０において、受光回路４１０と投光回路４１３とは直接結線される。この構成により、受信した同期信号が、ＣＰＵ４００による遅延処理が施されずに速やかに投光回路４１３を経て通信用発光素子４０９から隣接する別のスレーブユニット２０に送信される。

ＣＰＵ４００は、さらに、表示部４１４を点灯制御する。また、ＣＰＵ４００は、設定スイッチ４１５からの信号を処理する。ＣＰＵ４００の動作に必要な各種のデータは、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）４１６等の記録媒体に記憶される。リセット部４１７から得られた信号は、ＣＰＵ４００へと送られ、計測制御のリセットが行われる。発振器（ＯＳＣ）４１８からＣＰＵ４００には、基準クロックが入力される。

出力回路４１９は、受光量を閾値と比較して得られた判定信号の送信処理を行なう。前述したように、本実施の形態において、判定信号はパラレル通信によってマスタユニット１０に向けて送信される。

パラレル通信用の伝送路は、マスタユニット１０と各スレーブユニット２０とが個別に接続された伝送路である。すなわち、複数のスレーブユニット２０は、それぞれ、別々のパラレル通信線によって、マスタユニット１０に接続される。ただし、マスタユニット１０に隣接するスレーブユニット２０以外のスレーブユニット２０と、マスタユニット１０とを接続するパラレル通信線は、他のスレーブユニット２０を通過し得る。

シリアル通信ドライバ４２０は、マスタユニット１０から送信されたコマンド等の受信処理、検出情報（受光量）の送信処理を行なう。本実施形態においては、シリアル通信にＲＳ－４２２プロトコルが用いられる。シリアル通信にＲＳ－４８５プロトコルを利用してもよい。

シリアル通信用の伝送路は、マスタユニット１０及び全てのスレーブユニット２０が接続された伝送路である。すなわち、全てのスレーブユニット２０は、マスタユニット１０に対して、シリアル通信線によってバス形式で信号伝達可能に接続される。

図４は、本実施形態に係るマスタユニット１０により実行される学習用データ収集処理のフローチャートである。マスタユニット１０は、学習用データを収集する学習用データ収集モードと、学習済みモデルによって予測を行う予測モードとを有する。マスタユニット１０は、例えば入力部１６によって、学習用データ収集モードと、予測モードとの切り替えを受け付けてよい。

はじめに、マスタユニット１０は、現在のモードが学習用データ収集モードであるか否かを判定する（Ｓ１０）。現在のモードが学習用データ収集モードでない場合（Ｓ１０：ＮＯ）、すなわち現在のモードが予測モードである場合、次図に示す「Ａ」の処理に進む。一方、現在のモードが学習用データ収集モードである場合（Ｓ１０：ＹＥＳ）、マスタユニット１０は、複数のスレーブユニット２０から、複数のセンサ３０により測定されたデータを取得する（Ｓ１１）。

その後、マスタユニット１０は、学習用データの収集を開始するか否かを判定する（Ｓ１２）。学習用データの収集を開始するか否かは、入力部１６による入力に基づいて決定してもよいし、特定のスレーブユニットにより取得されたデータに基づいて決定してもよいし、所定の時刻が到来したこと等、予め定められた条件を満たすか否かに基づいて決定してもよい。

学習用データの収集を開始する場合（Ｓ１２：ＹＥＳ）、マスタユニット１０は、取得されたデータの一部を入力データとして設定し（Ｓ１３）、取得されたデータの他の一部をラベルデータとして設定する（Ｓ１４）。ここで、いずれのスレーブユニットから取得されたデータを入力データ又はラベルデータとして設定するかは、入力部１６による入力に基づいて決定してもよい。

その後、マスタユニット１０は、学習用データの収集を終了するか否かを判定する（Ｓ１５）。学習用データの収集を終了しない場合（Ｓ１５：ＮＯ）、取得されたデータの一部を入力データとして設定する処理と（Ｓ１３）、取得されたデータの他の一部をラベルデータとして設定する処理と（Ｓ１４）を繰り返す。一方、学習用データの収集を終了する場合（Ｓ１５：ＹＥＳ）、マスタユニット１０は、収取したデータに基づいて、学習用データを生成する（Ｓ１６）。学習用データの収集を終了するか否かは、入力部１６による入力に基づいて決定してもよいし、特定のスレーブユニットにより取得されたデータに基づいて決定してもよいし、所定の時刻が到来したこと等、予め定められた条件を満たすか否かに基づいて決定してもよい。

さらに、マスタユニット１０は、生成した学習用データを用いた機械学習により、学習済みモデルを生成する（Ｓ１７）。なお、学習済みモデルの生成は、必ずしも学習用データの生成の直後に行われなくてもよく、学習用データを生成した後、任意のタイミングで実行されてよい。

最後に、マスタユニット１０は、生成した学習用データと、生成した学習済みモデルとをＰＬＣ４０に送信する（Ｓ１８）。このようにして、ＰＬＣ４０の処理負荷を増やさずに教師有り機械学習の学習用データを蓄積し、学習済みモデルを生成することができる。

図５は、本実施形態に係るマスタユニット１０により実行される予測処理のフローチャートである。はじめに、マスタユニット１０は、現在のモードが予測モードであるか否かを判定する（Ｓ２０）。現在のモードが予測モードでない場合（Ｓ２０：ＮＯ）、すなわち現在のモードが学習用データ収集モードである場合、図４に示す「Ｂ」の処理に進む。一方、現在のモードが予測モードである場合（Ｓ２０：ＹＥＳ）、マスタユニット１０は、複数のスレーブユニット２０から、複数のセンサ３０により測定されたデータを取得する（Ｓ２１）。

その後、マスタユニット１０は、データの蓄積を開始するか否かを判定する（Ｓ２２）。データの蓄積を開始するか否かは、入力部１６による入力に基づいて決定してもよいし、特定のスレーブユニットにより取得されたデータに基づいて決定してもよいし、所定の時刻が到来したこと等、予め定められた条件を満たすか否かに基づいて決定してもよい。

データの蓄積を開始する場合（Ｓ２２：ＹＥＳ）、マスタユニット１０は、取得されたデータを少なくとも一時的に記憶する（Ｓ２３）。その後、マスタユニット１０は、データの蓄積を終了するか否かを判定する（Ｓ２４）。データの蓄積を終了しない場合（Ｓ２４：ＮＯ）、取得されたデータの記憶（Ｓ２３）を継続する。一方、データの蓄積を終了する場合（Ｓ２４：ＹＥＳ）、マスタユニット１０は、学習済みモデルに蓄積したデータを入力する（Ｓ２５）。データの蓄積を終了するか否かは、入力部１６による入力に基づいて決定してもよいし、特定のスレーブユニットにより取得されたデータに基づいて決定してもよいし、所定の時刻が到来したこと等、予め定められた条件を満たすか否かに基づいて決定してもよい。

さらに、マスタユニット１０は、学習済みモデルから予測値を出力させて、予測値をＰＬＣ４０に送信する（Ｓ２６）。このようにして、ＰＬＣ４０の処理負荷を増やさずに学習済みモデルによる予測を行うことができる。

以上説明した実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。実施形態が備える各要素並びにその配置、材料、条件、形状及びサイズ等は、例示したものに限定されるわけではなく適宜変更することができる。また、異なる実施形態で示した構成同士を部分的に置換し又は組み合わせることが可能である。

［附記１］
複数のセンサ（３０ａ，３０ｂ，３０ｃ）と、
前記複数のセンサ（３０ａ，３０ｂ，３０ｃ）それぞれに接続され、前記複数のセンサ（３０ａ，３０ｂ，３０ｃ）により測定されるデータを取得する複数のスレーブユニット（２０ａ，２０ｂ，２０ｃ）と、
前記複数のスレーブユニット（２０ａ，２０ｂ，２０ｃ）及び制御装置（４０）と接続されているマスタユニット（１０）と、を備え、
前記マスタユニット（１０）は、
前記複数のスレーブユニット（２０ａ，２０ｂ，２０ｃ）のうち一部のスレーブユニットにより取得されたデータを入力データとして設定する第１設定部（１２ａ）と、
前記複数のスレーブユニット（２０ａ，２０ｂ，２０ｃ）のうち他の一部のスレーブユニットにより取得されたデータを、前記入力データの性質を表すラベルデータとして設定する第２設定部（１２ｂ）と、
前記入力データ及び前記ラベルデータを含む学習用データを生成する生成部（１４）と、を有する、
センサシステム（１）。

１…センサシステム、１０…マスタユニット、１１…取得部、１２ａ…第１設定部、１２ｂ…第２設定部、１３…決定部、１４…生成部、１５…記憶部、１５ａ…学習用データ、１５ｂ…学習済みモデル、１６…入力部、１７…学習部、１８…予測部、１９…通信部、２０ａ…第１スレーブユニット、２０ｂ…第２スレーブユニット、２０ｃ…第３スレーブユニット、３０ａ…第１センサ、３０ｂ…第２センサ、３０ｃ…第３センサ、４０…ＰＬＣ、１０１，１０２…入力／出力コネクタ、１０６…接続コネクタ、１１０…ＭＰＵ、１１２…通信ＡＳＩＣ、１１６…パラレル通信回路、１１８…シリアル通信回路、１２０…Ｆｌａｓｈ ＲＯＭ、３０４，３０６…接続コネクタ、４００…ＣＰＵ、４０１…発光素子、４０２，４０６，４０８…受光素子、４０３…投光制御部、４０４…増幅回路、４０５…Ａ／Ｄコンバータ、４０７，４０９…通信用発光素子、４１０，４１２…受光回路、４１１，４１３…投光回路、４１９…出力回路、４２０…シリアル通信ドライバ

Claims (6)

1. 複数のセンサと、
   前記複数のセンサそれぞれに接続され、前記複数のセンサにより測定されるデータを取得する複数のスレーブユニットと、
   前記複数のスレーブユニット及び制御装置と接続されているマスタユニットと、を備え、
   前記マスタユニットは、
   前記複数のスレーブユニットのうち一部のスレーブユニットにより取得されたデータを入力データとして設定する第１設定部と、
   前記複数のスレーブユニットのうち、前記一部のスレーブユニットとは異なる他の一部のスレーブユニットにより取得されたデータを、前記入力データの性質を表すラベルデータとして設定する第２設定部と、
   前記入力データ及び前記ラベルデータを含み、学習モデルの機械学習に用いる学習用データを生成する生成部と、を有する、
   センサシステム。
2. 前記マスタユニットは、前記複数のスレーブユニットのうちいずれかのスレーブユニットにより取得されたデータに基づいて、前記入力データ及び前記ラベルデータを前記学習用データに含めるか否かを決定する決定部をさらに有する、
   請求項１に記載のセンサシステム。
3. 前記マスタユニットは、外部から前記ラベルデータの入力を受け付ける入力部をさらに有する、
   請求項１又は２に記載のセンサシステム。
4. 前記マスタユニットは、前記入力データ及び前記ラベルデータを前記学習用データに含めるか否かの指定を外部から受け付ける入力部をさらに有する、
   請求項１から３のいずれか一項に記載のセンサシステム。
5. 前記マスタユニットは、前記学習用データを用いて学習モデルの機械学習を実行し、学習済みモデルを生成する学習部をさらに有する、
   請求項１から４のいずれか一項に記載のセンサシステム。
6. 前記マスタユニットは、前記複数のスレーブユニットのうち少なくともいずれかにより取得されたデータを前記学習済みモデルに入力し、前記学習済みモデルにより予測値を出力させる予測部をさらに有する、
   請求項５に記載のセンサシステム。
   

Images