JP7327893B2 - 荷役システムおよび制御方法 - Google Patents

Description

本発明は、有人フォークリフト及び無人フォークリフトが同一施設内で荷役作業を行う荷役システムおよび制御方法に関する。

従来から、フォークリフトを用いて、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。フォークリフトに関しては、オペレータが搭乗して運転する有人フォークリフトと、オペレータが搭乗せずに自動で運転する無人フォークリフトとがある。

無人フォークリフトは、単純で容易な荷役作業を行う一方、有人フォークリフトは、複雑で難しい荷役作業を行うことができる。そのため、同一施設内に、複数の有人フォークリフト及び複数の無人フォークリフトが荷役作業を行う（特許文献１等参照）。

フォークリフトはバッテリーが搭載されており、バッテリーに充電された電力によって、走行モータやリフトモータ等が駆動される。バッテリーは、長期間使用されると、疲労や劣化等によって、新たなバッテリーと交換される。一方、バッテリーは高額であることから、コスト削減のため、バッテリーをできるだけ長く使用したいという要望がある。しかし、オペレータが搭乗する有人フォークリフトでは、特に安全性が最優先されるため、高い安全基準を満たしたバッテリーを使用しなければならない。

特開２０１８－１４４９６７号公報

そこで、本発明が解決しようとする課題は、有人フォークリフト及び無人フォークリフトが同一施設内で荷役作業を行う場合、高い安全基準を満たすと共に、バッテリーのコストを削減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、バッテリーが搭載された有人フォークリフト及び無人フォークリフトを備える。荷役システムは、バッテリーの使用に関する使用データと、バッテリーを交換する時期を判断するための使用度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を備える。また、荷役システムは、学習モデル生成部を備える。学習モデル生成部は、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。荷役システムは、現時点の使用データを取得する取得部を備える。また、荷役システムは、予測部を備える。予測部は、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使用データを入力することで、使用度スコアを学習モデルから取得する。荷役システムは、制御部を備え、制御部は、予測部によって取得される使用度スコアが、予め設定された第１使用度レベル以上になると、バッテリーが有人フォークリフトから無人フォークリフトに交換されて使用されるように案内し、さらに、予め設定された第２使用度レベル以上になると、バッテリーが無人フォークリフトから破棄されるように案内する。

このように構成することで、バッテリーを有人フォークリフトでまず使用して、第１使用度レベルに達すると、有人フォークリフトから無人フォークリフトに交換されて使用される。無人フォークリフトは、走行操作及び荷役操作が自動制御のため急加速及び急停止がなく、また、安全性を考慮して走行速度及び荷役速度が低速であることから、有人フォークリフトと比較してバッテリーの劣化を抑える制御が行われる。これによって、バッテリーについてのオペレータに対する安全性を最大に確保しつつ、バッテリーの劣化を抑えてバッテリーをより長く使用することができる。また、バッテリーは、第２使用度レベルに達すると破棄されて使用されなくなるので、バッテリーについてのオペレータに対するさらに安全性を高めることができる。よって、有人フォークリフトに搭乗するオペレータに対する安全性を最大に確保すると共に、バッテリーをできるだけ長く使用することができ、コストを大幅に削減できる。

また、使用データは、駆動輪を駆動するための走行モータの使用時間と、リフトシリンダ、ティルトシリンダ及びリーチシリンダを駆動するための油圧モータの使用時間と、を含むことが望ましい。

好ましくは、使用度スコアは、使用データにおける重み付け係数により加重平均された数値パラメータに基づいて設定される。

さらに、リフトシリンダを駆動する間における油圧モータの使用時間に関する重み付け係数は、その他の使用データの重み付け係数に比べて大きく設定されていることが望ましい。

そして、荷役システムは、バッテリーを交換する時期を表示する表示部を備える。制御部は、バッテリーが有人フォークリフトから無人フォークリフトに交換されて使用されるように案内する第１案内と、バッテリーが無人フォークリフトから破棄されるように案内する第２案内と、を表示する制御を行う。

また、本発明に係る荷役システムの制御方法は、バッテリーが搭載された有人フォークリフト及び無人フォークリフトを備える。制御方法は、バッテリーの使用に関する使用データと、バッテリーを交換する時期を判断するための使用度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を含む。また、制御方法は、学習モデル生成ステップを含み、学習モデル生成ステップは、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。制御方法は、現時点の使用データを取得する取得ステップを含む。また、制御方法は、予測ステップを含み、予測ステップは、学習モデル生成ステップで生成された学習モデルに、取得ステップから取得される現時点の使用データを入力することで、使用度スコアを学習モデルから取得する。そして、制御方法は、予測ステップによって取得される使用度スコアが、予め設定された第１使用度レベル以上になると、バッテリーが有人フォークリフトから無人フォークリフトに交換されて使用されるように案内し、さらに、予め設定された第２使用度レベル以上になると、バッテリーが無人フォークリフトから破棄されるように案内する制御ステップを備える。

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、高い安全基準を満たすと共に、バッテリーのコストを削減できる。

荷役システムを示す平面図。 フォークリフトの構成を説明するための図。 荷役システムの一部を説明するためのブロック図。 入力データ及び出力データを説明するための説明図。 （Ａ）は表示部に表示された第１案内画面、（Ｂ）は表示部に表示された第２案内画面を示す図。 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。

図１の通り、荷役システムは、工場や倉庫などの同一施設内に、有人フォークリフト１と、無人フォークリフト２と、棚１０と、充電装置５と、管理装置６と、を備える。有人フォークリフト１及び無人フォークリフト２は、施設内に設置された棚１０の収納部に対して荷物を出し入れする荷役作業を行う。

有人フォークリフト１は、オペレータＯが搭乗して運転する。無人フォークリフト２は、オペレータが搭乗せずに自動で運転する。無人フォークリフト２は、予め記憶された荷役作業のスケジュールに従って、荷物を搬送及び積み降ろしするように構成される。また、有人フォークリフト１は、オペレータＯの操作に従って、荷物を搬送及び積み降ろしするように構成される。

無人フォークリフト２は、単純で容易な荷役作業を行う一方、有人フォークリフト１は、複雑で難しい荷役作業を行うことができる。そのため、同一施設内で、複数の有人フォークリフト１及び複数の無人フォークリフト２が荷役作業を行う。

有人フォークリフト１及び無人フォークリフト２は、バッテリー式フォークリフトで構成されており、充電式バッテリー３が、有人フォークリフト１及び無人フォークリフト２に搭載される。

充電装置５は、フォークリフト１，２に搭載されたバッテリー３に対して、電力を供給するケーブル５０を備える。
管理装置６は、ＣＰＵ（中央処理装置）、入出力インターフェース、ＲＯＭ、ＲＡＭ等で構成されており、情報を処理するためのプログラムが記憶される。

図２の通り、フォークリフト１，２は、車体を走行するための駆動輪７３と、マストを昇降するためのリフトシリンダ７０と、マストをティルトするためのティルトシリンダ７１と、マストを前後するためのリーチシリンダ７２とを備えている。

そして、フォークリフト１，２は、駆動輪７３を駆動するための走行モータ８３と、リフトシリンダ７０、ティルトシリンダ７１及びリーチシリンダ７２を駆動するための油圧モータ８０とを備えている。

また、フォークリフト１，２は、充電式バッテリー３を搭載しており、バッテリー３は、ＲＦＩＤ３２を備える。
ＲＦＩＤ３２は、それぞれのバッテリー３におけるバッテリー番号等を識別するための情報が記憶される。バッテリー番号は、各バッテリーを識別するための識別番号が付される。この情報は、設定されると変更されない。

ＲＦＩＤ３２は、さらに、それぞれのバッテリー３における車種タイプ、バッテリー使用時間、モータ使用時間、充電回数等の情報が記憶される。車種タイプは、バッテリー３が搭載される車種であり、有人フォークリフト１、無人フォークリフト２がある。バッテリー使用時間は、各バッテリー３において現時点まで使用された使用時間である。モータ使用時間は、各バッテリー３において、駆動輪７３を駆動するための走行モータ８３と、リフトシリンダ７０、ティルトシリンダ７１及びリーチシリンダ７２を駆動するための油圧モータ８０とが現時点まで使用された使用時間である。充電回数は、現時点までに充電された回数である。
これら情報は、状況が更新される度に変更される。

フォークリフト１，２は、使用データ測定装置３３を備えている。使用データ測定装置３３は、バッテリー３、ＲＦＩＤ３２、走行モータ８３，油圧モータ８０に接続され、各バッテリー３におけるバッテリー使用時間、モータ使用時間及び充電回数をそれぞれ測定及び記憶するように構成されている。また、使用データ測定装置３３は、モータ使用時間のうち、走行モータ８３の使用時間、油圧モータ８０の使用時間をそれぞれ測定及び記憶するように構成されており、さらに、油圧モータ８０の使用時間のうち、リフトシリンダ７０が駆動する間の油圧モータ８０の使用時間、ティルトシリンダ７１が駆動する間の油圧モータ８０の使用時間、リーチシリンダ７２が駆動する間の油圧モータ８０の使用時間をそれぞれ測定及び記憶するように構成されている。

管理装置６の算出集計部６１（図１）は、使用データ測定装置３３に無線又は有線で接続される。そして、算出集計部６１は、使用データ測定装置３３によって測定及び記憶された各バッテリー３におけるバッテリー使用時間、モータ使用時間及び充電回数の情報を取得する。

図３の通り、管理装置６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、バッテリー３の使用に関する使用データＤを含む。
バッテリー３の使用に関する使用データＤは、例えば、上記した（１）車種タイプ、（２）バッテリー使用時間、（３）走行モータ使用時間、（４）リフトシリンダが駆動する間の油圧モータ使用時間、（５）リーチシリンダが駆動する間の油圧モータ使用時間、（６）ティルトシリンダが駆動する間の油圧モータ使用時間、（７）充電回数である。

管理装置６は、収集部４０に収集された教師データ４６（上記（１）～（７））から機械学習を行い、機械学習により学習モデルを生成及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）車種タイプ、（２）バッテリー使用時間、（３）走行モータ使用時間、（４）リフトシリンダが駆動する間の油圧モータ使用時間、（５）リーチシリンダが駆動する間の油圧モータ使用時間、（６）ティルトシリンダが駆動する間の油圧モータ使用時間、（７）充電回数を含む。出力データＯＤは、使用度スコアＳである。バッテリー３の使用度によって交換する時期を判断するための使用度スコアＳ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、使用度スコアＳが高い、すなわち、バッテリー３の使用度合が高くて交換する時期が近い場合として、（１）車種タイプが有人フォークリフトである場合、（２）～（６）使用時間が長い場合、（７）充電回数が多い場合に、バッテリー３の使用度合（劣化、疲労）が進んでいるので、バッテリー３を交換する時期が近い。

一方、使用度スコアＳが低い、すなわち、バッテリー３の使用度合が低くて交換する時期が遠い場合として、（１）車種タイプが無人フォークリフトである場合、（２）～（６）使用時間が短い場合、（７）充電回数が少ない場合、バッテリー３の使用度合（劣化、疲労）が進んでいないので、バッテリー３を交換する時期が遠い。

使用度スコアＳは、（１）車種タイプ、（２）バッテリー使用時間、（３）走行モータ使用時間、（４）リフトシリンダが駆動する間の油圧モータ使用時間、（５）リーチシリンダが駆動する間の油圧モータ使用時間、（６）ティルトシリンダが駆動する間の油圧モータ使用時間、（７）充電回数の使用データＤ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。

ここで、フォークリフトが昇降する荷物が重量物であることから、リフトモータに加わる負荷がその他のモータに比べて大きいので、（３）～（６）各モータ使用時間において、（４）リフトシリンダが駆動する間の油圧モータ使用時間がバッテリー３の使用度に大きく影響すると考えられて、（４）リフトシリンダが駆動する間の油圧モータ使用時間に関する重み付け係数が、その他のモータ使用時間に関する重み付け係数に比べて大きく設定されてもよい。

なお、実際に、車種タイプ、バッテリー使用時間、モータ使用時間、充電回数等によって、バッテリーの使用度合を判断することが多い。そのため、（１）車種タイプ、（２）バッテリー使用時間、（３）走行モータ使用時間、（４）リフトシリンダが駆動する間の油圧モータ使用時間、（５）リーチシリンダが駆動する間の油圧モータ使用時間、（６）ティルトシリンダが駆動する間の油圧モータ使用時間、（７）充電回数と、バッテリー３を交換する時期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）～（７））を入力すると、使用度スコアＳ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を取得する取得部４５を備える。本実施形態では、取得部４５は、ＲＦＩＤ３２、使用データ測定装置３３、算出集計部６１を含む。上記の通り、入力データＩＤは、（１）車種タイプ、（２）バッテリー使用時間、（３）走行モータ使用時間、（４）リフトシリンダが駆動する間の油圧モータ使用時間、（５）リーチシリンダが駆動する間の油圧モータ使用時間、（６）ティルトシリンダが駆動する間の油圧モータ使用時間、（７）充電回数である。入力データＩＤのうち（１）車種タイプは、一度取得されると、搭載されるフォークリフト１，２が変更されるまで再取得されない。一方、入力データＩＤのうち（２）～（６）使用時間、（７）充電回数は、ケーブル５０がバッテリー３に接続される度に、または、所定時間ごとに取得される。

管理装置６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、バッテリー３を交換する時期か否かを予測する予測部４２を備える。

図４の通り、ケーブル５０がバッテリー３に接続されるごとに、または、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、（２）バッテリー使用時間、（３）走行モータ使用時間、（４）リフトシリンダが駆動する間の油圧モータ使用時間、（５）リーチシリンダが駆動する間の油圧モータ使用時間、（６）ティルトシリンダが駆動する間の油圧モータ使用時間、（７）充電回数を解析して使用度スコアＳが取得される。なお、上記の通り、入力データＩＤのうち（１）車種タイプは、一度取得されると、搭載されるフォークリフト１，２が変更されるまで再取得されない。

バッテリー３を交換する時期を判断するために、第１使用度レベルＬ１（安全性上位の下限）と第２使用度レベルＬ２（安全性中位の下限）とが、管理装置６に設定及び記憶される。第１使用度レベルＬ１以上（例えば、使用度スコアＳ「５」＞Ｌ１）と判定されるバッテリー３は、有人フォークリフト１に搭載されると、オペレータに対する安全性が損なわれるおそれがある時期と判断される。また、第２使用度レベルＬ２以上（例えば、使用度スコアＳ「１０」＞Ｌ２）と判定されるバッテリー３は、無人フォークリフト２に搭載されると、無人フォークリフト２が破損するおそれがある時期と判断される。

取得された使用度スコアＳが、第１使用度レベルＬ１以上という条件を満たすと、そのバッテリー３は有人フォークリフト１から無人フォークリフト２に交換されるべき時期であると予測される。取得された使用度スコアＳが、第２使用度レベルＬ２以上という条件を満たすと、そのバッテリー３は無人フォークリフト２でも使用されずに破棄されるべき時期であると予測される。

管理装置６は、表示部６０を備える（図１）。取得された使用度スコアＳが、第１使用度レベルＬ１以上という条件を満たすと、管理装置６は、制御部４３によって、表示部６０に第１案内画面を表示する。第１案内画面は、例えば、「バッテリーを有人フォークリフトから無人フォークリフトに交換してください。このバッテリーは、有人フォークリフトには使用しないでください。」等の案内が表示されて、バッテリー３を有人フォークリフト１から無人フォークリフト２に交換するよう案内する。

取得された使用度スコアＳが、第２使用度レベルＬ２以上という条件を満たすと、荷役システムは、制御部４３によって、表示部６０に第２案内画面を表示する。第２案内画面は、例えば、「バッテリーを無人フォークリフトから破棄してください。このバッテリーは、有人フォークリフト及び無人フォークリフトに使用しないでください。」等の案内が表示されて、バッテリー３を無人フォークリフト１から破棄するよう案内する。

表示部６０に表示された案内画面に従って、オペレータがバッテリー３を交換及び破棄することができる。それによって、有人フォークリフト１に搭乗するオペレータＯに対する安全性を最大に確保すると共に、バッテリー３をできるだけ長く使用することができ、コストを大幅に削減できる。

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、交換時期（使用度スコアＳ）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６０に案内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。
例えば、上記実施形態では、リフトシリンダ、リーチシリンダ及びティルトシリンダは１つの油圧モータ８０によって駆動されるように構成されているが、リフトシリンダはリフト用油圧モータによって、リーチシリンダはリーチ用油圧モータによって、ティルトシリンダはティルト用油圧モータによってそれぞれ駆動するように構成されていてもよい。その場合、使用データ測定装置３３は、リフト用油圧モータ、リーチ用油圧モータ、ティルト用油圧モータに接続され、リフトシリンダ７０が駆動する間のリフト用油圧モータの使用時間、リーチシリンダ７２が駆動する間のリーチ用油圧モータの使用時間、ティルトシリンダ７１が駆動する間のティルト用油圧モータの使用時間をそれぞれ測定及び記憶するように構成されていてもよい。

本発明の効果を説明する。
バッテリー３は、有人フォークリフト１でまず使用されて、第１使用度レベルＬ１（安全性上位の下限）に達すると、有人フォークリフト１から無人フォークリフト２に交換されて使用される。無人フォークリフト２は、走行操作及び荷役操作が自動制御のため急加速及び急停止がなく、また、安全性を考慮して走行速度及び荷役速度が低速であることから、有人フォークリフト１と比較してバッテリー３の劣化を抑える制御が行われる。これによって、オペレータＯに対する安全性を最大に確保しつつ、バッテリー３の劣化を抑えてバッテリー３をより長く使用することができる。また、バッテリー３は、第２使用度レベルＬ２（安全性中位の下限）に達すると破棄されて使用されなくなるので、さらに安全性を高めることができる。よって、有人フォークリフト１に搭乗するオペレータＯに対する安全性を最大に確保すると共に、バッテリー３をできるだけ長く使用することができ、コストを大幅に削減できる。

１ 有人フォークリフト
２ 無人フォークリフト
３ バッテリー
３２ ＲＦＩＤ
３３ 使用データ測定装置
５ 充電装置
６ 管理装置
６０ 表示部
６１ 算出集計部
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
Ｓ 使用度スコア
Ｌ１ 第１使用度レベル
Ｌ２ 第２使用度レベル

Claims (6)

1. バッテリーが搭載された有人フォークリフト及び無人フォークリフトを備えた荷役システムであって、
   前記バッテリーの使用に関する使用データと、前記バッテリーを交換する時期を判断するための使用度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、
   現時点の前記使用データを取得する取得部と、
   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使用データを入力することで、前記使用度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使用度スコアが、予め設定された第１使用度レベル以上になると、前記バッテリーが前記有人フォークリフトから前記無人フォークリフトに交換されて使用されるように案内し、さらに、予め設定された第２使用度レベル以上になると、前記バッテリーが前記無人フォークリフトから破棄されるように案内する制御部と、を備える
   ことを特徴とする荷役システム。
2. 前記使用データは、
   駆動輪を駆動するための走行モータの使用時間と、
   リフトシリンダ、ティルトシリンダ及びリーチシリンダを駆動するための油圧モータの使用時間と、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. 前記使用度スコアは、前記使用データにおける重み付け係数により加重平均された数値パラメータに基づいて設定される
   ことを特徴とする請求項２に記載の荷役システム。
4. 前記リフトシリンダを駆動する間における前記油圧モータの使用時間に関する重み付け係数は、その他の前記使用データの重み付け係数に比べて大きく設定されている
   ことを特徴とする請求項３に記載の荷役システム。
5. 前記荷役システムは、前記バッテリーを交換する時期を表示する表示部を備え、
   前記制御部は、前記バッテリーが前記有人フォークリフトから前記無人フォークリフトに交換されて使用されるように案内する第１案内と、前記バッテリーが前記無人フォークリフトから破棄されるように案内する第２案内と、を表示する制御を行う
   ことを特徴とする請求項１～４のいずれかに記載の荷役システム。
6. バッテリーが搭載された有人フォークリフト及び無人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、
   前記バッテリーの使用に関する使用データと、前記バッテリーを交換する時期を判断するための使用度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、
   現時点の前記使用データを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、前記取得ステップから取得される前記現時点の前記使用データを入力することで、前記使用度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使用度スコアが、予め設定された第１使用度レベル以上になると、前記バッテリーが前記有人フォークリフトから前記無人フォークリフトに交換されて使用されるように案内し、さらに、予め設定された第２使用度レベル以上になると、前記バッテリーが前記無人フォークリフトから破棄されるように案内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