JP7372607B2 - 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、センサによってワークの状態やラインの状態を測定して、異常検知やワークの選別を行うことがある。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、複数のスレーブユニットと、各々のスレーブ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。各スレーブユニットは、いずれかのスレーブユニットから発信される同期信号を起点として、スレーブ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、各スレーブユニットの待機時間は、他のスレーブ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、センサにより測定されたデータを学習用データとして、異常検知やワークの選別を行う学習モデルを機械学習により生成することが試みられている。しかしながら、センサによりデータを集めながら学習モデルの機械学習を進めていく場合、学習がどこまで進んでいるのかが明らかでなかった。

そこで、本発明は、センサによりデータを集めながら学習モデルの機械学習を進めていく場合に、学習がどこまで進んでいるのか容易に確認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、センサと、センサにより測定されるデータを取得する取得部と、取得部により取得されたデータを用いた学習モデルの機械学習の進捗度を表す情報を生成する生成部と、進捗度を表す情報を表示する表示部と、を備える。

この態様によれば、センサにより測定されたデータを含む学習用データを用いた学習モデルの機械学習の進捗度を表す情報が生成され、機械学習の進捗度を表す情報を視覚的に確認することができ、学習がどこまで進んでいるのか容易に確認できる。

上記態様において、進捗度を表す情報は、学習モデルの目標精度に対する学習モデルの現在の精度の進捗を表す情報であってもよい。

この態様によれば、学習モデルの現在の精度が目標精度と比較してどこまで達成されているかを一目で確認することができる。

上記態様において、生成部は、学習モデルの目標精度を達成するために必要と予測されるデータ数を算出してもよい。

この態様によれば、目標精度を達成するために、どの程度のデータ数が必要となるか把握することができ、目標精度を達成するまでに要する時間や稼働コストを把握することができる。

上記態様において、学習モデルの目標精度に対する学習モデルの現在の精度の進捗率が所定値以上である場合に、学習モデルを更新する選択を受け付ける入力部をさらに備えてもよい。

この態様によれば、入力に基づいて学習モデルを更新することで、意図しない学習モデルの更新が行われず、センサシステムの信頼性を向上させることができる。

上記態様において、取得部により取得されたデータを含む学習用データ及び学習モデルの少なくともいずれかのバックアップを記憶する外部記憶媒体をさらに備えてもよい。

この態様によれば、主記憶装置の記憶容量が十分に大きくない場合であっても、過去の学習用データや学習モデルをバックアップしておくことができ、学習用データや学習モデルを事後的に以前のバージョンに戻すことができる。

上記態様において、外部記憶媒体は、進捗度を表す情報のバックアップをさらに記憶してもよい。

この態様によれば、機械学習の進捗度を表す情報をバックアップしておくことができ、センサシステムの電源が一時的に断たれた場合であっても、学習モデルの機械学習を適切な箇所から再開することができる。

上記態様において、取得部により取得されたデータを含む学習用データ及び学習モデルの少なくともいずれかのバックアップを記憶し、センサにより測定されたデータに基づき外部機器を制御する制御装置をさらに備えてもよい。

この態様によれば、主記憶装置の記憶容量が十分に大きくない場合であっても、過去の学習用データや学習モデルをバックアップしておくことができ、学習用データや学習モデルを事後的に以前のバージョンに戻すことができる。

上記態様において、制御装置は、進捗度を表す情報のバックアップをさらに記憶してもよい。

この態様によれば、機械学習の進捗度を表す情報をバックアップしておくことができ、センサシステムの電源が一時的に断たれた場合であっても、学習モデルの機械学習を適切な箇所から再開することができる。

上記態様において、生成部は、取得部により取得されたデータを含む複数種類の学習用データを用いた複数の学習モデルの機械学習の複数の進捗度を表す情報を生成してもよい。

この態様によれば、センサにより測定されたデータを含む複数種類の学習用データを用いた複数の学習モデルの機械学習の進捗度を表す情報が生成され、それぞれの学習モデルについて学習がどこまで進んでいるのか容易に確認できる。

上記態様において、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、取得部及び生成部を有するマスタユニットと、をさらに備え、複数のスレーブユニットのうち複数種類の学習用データに含まれるデータを取得するスレーブユニットは、複数の学習モデルに対応する複数の進捗度を表す情報の少なくともいずれかを表示する表示部を有してもよい。

この態様によれば、複数種類の学習用データに含まれるデータを取得するスレーブユニットが、複数の学習モデルに対応する複数の進捗度を表す情報の少なくともいずれかを表示する表示部を有することで、いずれのスレーブユニットによっていずれの学習モデルのための学習用データが収集されており、その学習がどこまで進んでいるのか容易に確認することができる。

上記態様において、複数のスレーブユニットの少なくとも一部は、複数種類の学習用データに含まれるデータの範囲を指定するトリガ信号を生成していることを表示する表示部を有してもよい。

この態様によれば、スレーブユニットが、学習用データに含まれるデータの範囲を指定するトリガ信号を生成していることを表示する表示部を有することで、いずれのスレーブユニットによっていずれの学習用データのためのトリガ信号が生成されているのか容易に確認することができる。

本発明によれば、センサによりデータを集めながら学習モデルの機械学習を進めていく場合に、学習がどこまで進んでいるのか容易に確認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。 本実施形態に係るセンサシステムにより機械学習の進捗度を表す情報を表示する第１例を示す図である。 本実施形態に係るセンサシステムにより機械学習の進捗度を表す情報を表示する第２例を示す図である。 本実施形態に係るセンサシステムにより機械学習の進捗度を表す情報を表示する第３例を示す図である。 本実施形態に係るセンサシステムにより実行される処理のフローチャートである。 本実施形態に係るセンサシステムにより機械学習の進捗度を表す情報を表示する第４例を示す図である。 本実施形態に係るセンサシステムにより取得される複数の学習用データの一例を示す図である。

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、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やワークの状態、ラインＬの状態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及び第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及び第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及び第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。

ＰＬＣ４０は、マスタユニット１０によって一元化されたセンサにより測定されたデータに基づき外部機器を制御する。ＰＬＣ４０は、マスタユニット１０がスレーブユニット２０から受信したデータを含む学習用データと、学習用データを用いた機械学習により生成される学習モデルとの少なくともいずれかのバックアップを記憶してよい。ＰＬＣ４０によって学習用データ及び学習モデルの少なくともいずれかを記憶することで、マスタユニット１０が有する主記憶装置の記憶容量が十分に大きくない場合であっても、過去の学習用データや学習モデルをバックアップしておくことができ、学習用データや学習モデルを事後的に以前のバージョンに戻すことができる。

外部記憶媒体５０は、マスタユニット１０がスレーブユニット２０から受信した情報のバックアップを記憶する。外部記憶媒体５０は、マスタユニット１０がスレーブユニット２０から受信したデータを含む学習用データと、学習用データを用いた機械学習により生成される学習モデルとの少なくともいずれかのバックアップを記憶してよい。外部記憶媒体５０を備えることで、マスタユニット１０が有する主記憶装置の記憶容量が十分に大きくない場合であっても、過去の学習用データや学習モデルをバックアップしておくことができ、学習用データや学習モデルを事後的に以前のバージョンに戻すことができる。

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、記憶部１２、学習部１３、生成部１４、表示部１５、入力部１６及び通信部１７を備える。

取得部１１は、センサ３０により測定されるデータを取得する。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からワークの通過状況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。

記憶部１２は、第１学習用データ１２ａ、第１学習モデル１２ｂ、第２学習用データ１２ｃ及び第２学習モデル１２ｄを記憶する。第１学習用データ１２ａは、センサ３０により測定されて、スレーブユニット２０から受信したデータを含む。第１学習モデル１２ｂは、第１学習用データ１２ａを用いた機械学習により生成される学習モデルであり、学習途中のモデルであってよい。同様に、第２学習用データ１２ｃは、センサ３０により測定されて、スレーブユニット２０から受信したデータを含む。第２学習モデル１２ｄは、第２学習用データ１２ｃを用いた機械学習により生成される学習モデルであり、学習途中のモデルであってよい。第１学習用データ１２ａと第２学習用データ１２ｃは、異なるデータを含んでよいが、同じデータを含んでもよい。また、第１学習モデル１２ｂと第２学習モデル１２ｄは、異なるモデルであってよいが、同じモデルを異なる学習用データにより学習させたものであってもよい。

なお、本実施形態では、記憶部１２に２種類の学習用データと、２種類の学習モデルとが記憶されている場合を示しているが、記憶部１２に記憶される学習用データと学習モデルの種類は３種類以上であってもよいし、１種類であってもよい。

学習部１３は、記憶部１２に記憶された第１学習用データ１２ａを用いて第１学習モデル１２ｂの機械学習を実行したり、第２学習用データ１２ｃを用いて第２学習モデル１２ｄの機械学習を実行したりする。

生成部１４は、取得部１１により取得されたデータを用いた学習モデルの機械学習の進捗度を表す情報を生成する。生成部１４は、取得部１１により取得されたデータを含む複数種類の学習用データを用いた複数の学習モデルの機械学習の複数の進捗度を表す情報を生成してもよい。本実施形態では、生成部１４は、第１学習用データ１２ａを用いた第１学習モデル１２ｂの機械学習の進捗度を表す情報と、第２学習用データ１２ｃを用いた第２学習モデル１２ｄの機械学習の進捗度を表す情報とをそれぞれ生成してよい。

表示部１５は、生成部１４により生成された進捗度を表す情報を表示する。表示部１５は、例えば液晶表示装置によって構成されてよい。表示部１５により表示される画面例については、図４から６を用いて詳細に説明する。本実施形態に係るセンサシステム１によれば、センサ３０により測定されたデータを用いた学習モデルの機械学習の進捗度を表す情報が生成され、機械学習の進捗度を表す情報を視覚的に確認することができ、学習がどこまで進んでいるのか容易に確認できる。また、センサ３０により測定されたデータを含む複数種類の学習用データを用いた複数の学習モデルの機械学習の進捗度を表す情報が生成されることで、それぞれの学習モデルについて学習がどこまで進んでいるのか容易に確認できる。なお、生成部１４により生成された進捗度を表す情報を表示する表示部は、マスタユニット１０以外の機器に設けられていてもよく、後に例示するように、表示部はスレーブユニットに２０に設けられてもよい。また、表示部は、マスタユニット１０又はＰＬＣ４０と通信可能な他の機器に設けられていてもよい。

入力部１６は、学習モデルの目標精度に対する学習モデルの現在の精度の進捗率が所定値以上である場合に、学習モデルを更新する選択を受け付ける。入力部１６は、少なくとも学習モデルを更新するか否かを示す２値の入力が可能なものであり、タッチパネルやテンキーで構成されてよい。入力部１６による入力に基づいて学習モデルを更新することで、意図しない学習モデルの更新が行われず、センサシステム１の信頼性を向上させることができる。

通信部１７は、ＰＬＣ４０との通信を行うインターフェースである。通信部１７は、ＰＬＣ４０以外の外部機器、例えば外部記憶媒体５０との通信も行ってよい。

外部記憶媒体５０は、生成部１４により生成された進捗度を表す情報のバックアップを記憶してよい。また、ＰＬＣ４０は、生成部１４により生成された進捗度を表す情報のバックアップを記憶してよい。外部記憶媒体５０及びＰＬＣ４０の少なくともいずれかで進捗度を表す情報のバックアップを記憶することで、センサシステム１の電源が一時的に断たれた場合であっても、学習モデルの機械学習を適切な箇所から再開することができる。

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。

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、本実施形態に係るセンサシステム１により機械学習の進捗度を表す情報を表示する第１例を示す図である。同図では、表示部１５に表示される第１画面ＤＰ１の一例を示している。

第１画面ＤＰ１は、学習モデルの精度と、学習用データに含まれる異なるデータの数（学習用データの数）との関係を示すグラフを含む。同図に示すグラフは、機械学習の進捗度を表す情報の一例である。本例では、学習用データの現在のデータ数が６００の場合に、現在の学習モデルの精度が９２．５％であり、目標精度である９９．０％に達していないことを示している。また、グラフから、学習モデルの精度と学習用データの数との関係が線形ではないことが読み取れ、学習モデルの精度が上がるにつれて学習用データの数を増やしても精度の改善が進みづらくなることが読み取れる。学習モデルを管理する者は、このような学習モデルの精度と学習用データの数との関係を確かめながら、精度と学習時間のバランスを取るように目標精度を設定することができる。

また、第１画面ＤＰ１は、「必要と予測されるデータ数」として、学習モデルの目標精度を達成するために必要と予測されるデータ数を示している。本例の場合、「必要と予測されるデータ数」は１９５０である。生成部１４は、学習モデルの目標精度を達成するために必要と予測されるデータ数を算出してよい。これにより、目標精度を達成するために、どの程度のデータ数が必要となるか把握することができ、目標精度を達成するまでに要する時間や稼働コストを把握することができる。

第１画面ＤＰ１は、学習進捗率の表示を含む。学習進捗率は、機械学習の進捗度を表す情報の一例であり、目標精度に対する学習モデルの現在の精度の進捗を表す情報の一例である。本例の場合、学習進捗率は３０．８％である。このように、機械学習の進捗率を視覚的に確認することができ、学習がどこまで進んでいるのかを一目で確認することができる。また、学習モデルの現在の精度が目標精度と比較してどこまで達成されているかを一目で確認することができる。

図５は、本実施形態に係るセンサシステム１により機械学習の進捗度を表す情報を表示する第２例を示す図である。同図では、表示部１５に表示される第２画面ＤＰ２の一例を示している。

第２画面ＤＰ２は、学習モデルの精度と、学習用データに含まれる異なるデータの数との関係を示すグラフを含む。同図に示すグラフは、機械学習の進捗度を表す情報の一例である。本例では、学習用データのデータ数が２０００の場合に、学習モデルの精度が９９．７％であり、目標精度である９９．０％を超えていることを示している。

第２画面ＤＰ２は、学習進捗率の表示を含む。学習進捗率は、機械学習の進捗度を表す情報の一例であり、目標精度に対する学習モデルの現在の精度の進捗を表す情報の一例である。本例の場合、学習進捗率は１００％である。このように、機械学習の進捗率を視覚的に確認することができ、学習がどこまで進んでいるのかを一目で確認することができる。

第２画面ＤＰ２は、学習モデルの更新を受け付ける「学習モデル更新」と示された第１ボタンＢ１と、学習モデルの更新を行わずに学習結果の反映を保留する「キャンセル」と示された第２ボタンＢ２とを含む。第１ボタンＢ１及び第２ボタンＢ２は、学習モデルの精度が目標精度を上回った場合に表示されてよく、入力部１６によって第１ボタンＢ１を選択すると、学習モデルの更新が行われる。

図６は、本実施形態に係るセンサシステム１により機械学習の進捗度を表す情報を表示する第３例を示す図である。同図では、表示部１５に表示される第３画面ＤＰ３の一例を示している。

第３画面ＤＰ３は、「目標精度」、「現在の学習モデルの精度」及び「学習進捗率」の表示を含む。本例では、「目標精度」は９９．００％、「現在の学習モデルの精度」は９２．７４％であり、「学習進捗率」は６１．００％である。

また、第３画面ＤＰ３は、学習の進捗率を示すインジケータＩを含む。インジケータＩは、機械学習の進捗度を表す情報の一例である。インジケータＩは、目標精度に対する学習モデルの現在の精度の進捗率をバーによって示すものであり、例えば進捗率が１０％進むと表示されるバーが一本増えるものであってよい。このような表示によっても、機械学習の進捗率を視覚的に確認することができ、学習がどこまで進んでいるのかを一目で確認することができる。

図７は、本実施形態に係るセンサシステム１により実行される処理のフローチャートである。はじめに、センサシステム１は、センサ３０により測定されたデータを取得する（Ｓ１０）。そして、センサシステム１は、取得されたデータを含む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（Ｓ１１）。

センサシステム１は、取得されたデータを含む学習用データを用いた学習モデルの機械学習の進捗度を表す情報を生成し（Ｓ１２）、学習モデルの目標精度を達成するために必要と予測されるデータ数を算出する（Ｓ１３）。そして、センサシステム１は、進捗度を表す情報及び目標精度を達成するために必要と予測されるデータ数を表示部１５に表示する（Ｓ１４）。

センサシステム１は、学習の進捗率が所定値以上であるか判定する（Ｓ１５）。学習の進捗率が所定値以上でない場合（Ｓ１５：ＮＯ）、データの取得（Ｓ１０）から進捗度を表す情報等の表示（Ｓ１４）までの処理を再び実行する。一方、学習の進捗率が所定値以上である場合（Ｓ１５：ＹＥＳ）、学習モデルを更新するか判定する（Ｓ１６）。ここで、学習モデルを更新するか否かは、入力部１６からの入力に基づいて定められてよい。学習モデルを更新する場合（Ｓ１６：ＹＥＳ）、学習モデルの更新を実行する（Ｓ１７）。一方、学習モデルを更新しない場合（Ｓ１６：ＮＯ）、学習モデルを更新せずに、処理を終了する。なお、学習モデルを更新する場合、更新前の学習モデルに関するバックアップを外部記憶媒体５０に記憶してもよい。

図８は、本実施形態に係るセンサシステム１により機械学習の進捗度を表す情報を表示する第４例を示す図である。複数のスレーブユニット２０のうち複数種類の学習用データに含まれるデータを取得するスレーブユニット２０は、複数の学習モデルに対応する複数の進捗度を表す情報の少なくともいずれかを表示する表示部２１を有する。本例では、複数のスレーブユニット２０として、第４スレーブユニット２０ｄ、第５スレーブユニット２０ｅ、第６スレーブユニット２０ｆ、第７スレーブユニット２０ｇ、第８スレーブユニット２０ｈ及び第９スレーブユニット２０ｉを示している。第４スレーブユニット２０ｄは、第１学習用データ１２ａを取得する第４センサ３０ｄに接続されており、第５スレーブユニット２０ｅは、第１学習用データ１２ａに含めるデータの開始点を表すトリガ信号を生成する第５センサ３０ｅに接続されており、第６スレーブユニット２０ｆは、第１学習用データ１２ａに含めるデータの終了点を表すトリガ信号を生成する第６センサ３０ｆに接続されている。同様に、第７スレーブユニット２０ｇは、第２学習用データ１２ｃを取得する第７センサ３０ｇに接続されており、第８スレーブユニット２０ｈは、第２学習用データ１２ｃに含めるデータの開始点を表すトリガ信号を生成する第８センサ３０ｈに接続されており、第９スレーブユニット２０ｉは、第２学習用データ１２ｃに含めるデータの終了点を表すトリガ信号を生成する第９センサ３０ｉに接続されている。

図８には、スレーブユニット２０の表示部２１に表示されるセンサ状態Ｓを示している。表示部２１に表示されるセンサ状態Ｓは、「学習中」、「トリガ」、「学習完了」及び「モデル無効」を含んでよい。このようなセンサ状態Ｓの表示は、進捗度を表す情報の表示の一例である。「学習中」は、スレーブユニット２０に接続されたセンサ３０により測定されたデータを用いて学習モデルの機械学習を進行させており、学習が完了していないことを表す。「トリガ」は、スレーブユニット２０に接続されたセンサ３０により、学習用データに含めるデータの範囲を指定するトリガ信号を生成していることを表す。「学習完了」は、スレーブユニット２０に接続されたセンサ３０により測定されたデータを用いて学習モデルの機械学習を進行させ、学習が完了したことを表す。「モデル無効」は、スレーブユニット２０に接続されたセンサ３０により測定されたデータを用いて生成された学習モデルを稼働させていないことを表す。スレーブユニット２０の表示部２１は、マスタユニット１０の生成部１４から発信される指示に基づいて、センサ状態Ｓを表示してよい。生成部１４から発信される指示は、マスタユニット１０からシリアル通信回路１１８を介して第４スレーブユニット２０ｄ、第５スレーブユニット２０ｅ、第６スレーブユニット２０ｆ、第７スレーブユニット２０ｇ、第８スレーブユニット２０ｈ及び第９スレーブユニット２０ｉに伝送されてよい。

本例では、第４スレーブユニット２０ｄの第４表示部２１ｄは、「学習完了」であることを表しており、第４スレーブユニット２０ｄに接続された第４センサ３０ｄにより測定されたデータを用いて、学習モデルの機械学習が完了したことを表している。第５スレーブユニット２０ｅの第５表示部２１ｅ及び第６スレーブユニット２０ｆの第６表示部２１ｆは、「トリガ」であることを表しており、第１学習用データ１２ａのデータ範囲を指定するトリガ信号を生成している第５センサ３０ｅ及び第６センサ３０ｆにそれぞれ接続されていることを表している。第７スレーブユニット２０ｇの第７表示部２１ｇは、「学習中」であることを表しており、第７スレーブユニット２０ｇに接続された第７センサ３０ｇにより測定されたデータを用いて、学習モデルの機械学習を進行させていることを表している。第８スレーブユニット２０ｈの第８表示部２１ｈ及び第９スレーブユニット２０ｉの第９表示部２１ｉは、「トリガ」であることを表しており、第２学習用データ１２ｃのデータ範囲を指定するトリガ信号を生成している第８センサ３０ｈ及び第９センサ３０ｉにそれぞれ接続されていることを表している。

このように、複数種類の学習用データに含まれるデータを取得するスレーブユニット２０が、複数の学習モデルに対応する複数の進捗度を表す情報の少なくともいずれかを表示する表示部２１を有することで、いずれのスレーブユニット２０によっていずれの学習モデルのための学習用データが収集されており、その学習がどこまで進んでいるのか容易に確認することができる。

また、スレーブユニット２０が、学習用データに含まれるデータの範囲を指定するトリガ信号を生成していることを表示する表示部２１を有することで、いずれのスレーブユニット２０によっていずれの学習用データのためのトリガ信号が生成されているのか容易に確認することができる。

なお、本例に示したセンサ状態Ｓは一例であり、スレーブユニット２０の表示部２１は、他の態様で機械学習の進捗度を表す情報を表示してもよい。例えば、スレーブユニット２０の表示部２１は、複数の学習モデルを区別して「学習中」、「トリガ」及び「学習完了」の表示を行ってもよい。

図９は、本実施形態に係るセンサシステム１により取得される複数の学習用データの一例を示す図である。同図では、第４スレーブユニット２０ｄに接続された第４センサ３０ｄにより測定されたデータと、第５スレーブユニット２０ｅに接続された第５センサ３０ｅにより測定されたデータと、第６スレーブユニット２０ｆに接続された第６センサ３０ｆにより測定されたデータと、第７スレーブユニット２０ｇに接続された第７センサ３０ｇにより測定されたデータと、第８スレーブユニット２０ｈに接続された第８センサ３０ｈにより測定されたデータと、第９スレーブユニット２０ｉに接続された第９センサ３０ｉにより測定されたデータとを示している。

第４センサ３０ｄにより測定されたデータは、時系列データであり、マスタユニット１０は、第４センサ３０ｄにより測定されたデータのうち、第５センサ３０ｅにより測定されたデータの波形立ち上がり時点から、第６センサ３０ｆにより測定されたデータの波形立ち下がり時点までの第１範囲Ａを第１学習用データ１２ａとして取得する。

また、第７センサ３０ｇにより測定されたデータは、時系列データであり、マスタユニット１０は、第７センサ３０ｇにより測定されたデータのうち、第８センサ３０ｈにより測定されたデータの波形立ち上がり時点から、第９センサ３０ｉにより測定されたデータの波形立ち下がり時点までの第２範囲Ｂを第２学習用データ１２ｃとして取得する。

このように、学習用データとして用いるデータ範囲をセンサのトリガ信号によって規定することで、学習用データを大量に自動生成することができる。

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］
センサ（３０）と、
前記センサ（３０）により測定されるデータを取得する取得部（１１）と、
前記取得部（１１）により取得されたデータを用いた学習モデルの機械学習の進捗度を表す情報を生成する生成部（１４）と、
前記進捗度を表す情報を表示する表示部（１５）と、
を備えるセンサシステム（１）。

１…センサシステム、１０…マスタユニット、１１…取得部、１２…記憶部、１２ａ…第１学習用データ、１２ｂ…第１学習モデル、１２ｃ…第２学習用データ、１２ｄ…第２学習モデル、１３…学習部、１４…生成部、１５…表示部、１６…入力部、１７…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、２０ｄ…第４スレーブユニット、２１ｄ…第４表示部、２０ｅ…第５スレーブユニット、２１ｅ…第５表示部、２０ｆ…第６スレーブユニット、２１ｆ…第６表示部、２０ｇ…第７スレーブユニット、２１ｇ…第７表示部、２０ｈ…第８スレーブユニット、２１ｈ…第８表示部、２０ｉ…第９スレーブユニット、２１ｉ…第９表示部、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、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 (13)

1. 学習モデルの機械学習に用いられる学習用データを集めながら当該機械学習を進めるセンサシステムであって、
   センサと、
   前記機械学習に用いられる学習用データとして前記センサにより測定されるデータを取得する取得部と、
   前記取得部により取得されたデータを用いた前記学習モデルの機械学習の進捗度を表す情報を生成する生成部と、
   前記進捗度を表す情報を表示する表示部と、を備え、
   前記生成部は、前記集められた学習用データの現在のデータ数と現在の学習モデルの精度との第１関係性、及び将来学習に用いるデータ数と予測される前記学習モデルの精度との第２関係性を生成する、
   センサシステム。
2. 前記表示部は、前記第１関係性と前記第２関係性とを異なる態様で表示する、
   請求項１に記載のセンサシステム。
3. 前記第１関係性は、前記学習用データの現在のデータ数に至るまでの学習モデルの精度の推移を示す情報を含み、
   前記第２関係性は、前記将来学習に用いるデータ数に至るまでの学習モデルの精度の予測される推移を示す情報を含む、
   請求項１又は２に記載のセンサシステム。
4. 前記進捗度を表す情報は、前記学習モデルの目標精度に対する前記学習モデルの現在の精度の進捗を表す情報である、
   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. 前記生成部は、前記学習モデルの目標精度を達成するために必要と予測されるデータ数を算出する、
   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. 前記学習モデルの目標精度に対する前記学習モデルの現在の精度の進捗率が所定値以上である場合に、前記学習モデルを更新する選択を受け付ける入力部をさらに備える、
   請求項４又は５に記載のセンサシステム。
7. 前記取得部により取得されたデータを含む学習用データ及び前記学習モデルの少なくともいずれかのバックアップを記憶する外部記憶媒体をさらに備える、
   請求項１から６のいずれか一項に記載のセンサシステム。
8. 前記外部記憶媒体は、前記進捗度を表す情報のバックアップをさらに記憶する、
   請求項７に記載のセンサシステム。
9. 前記取得部により取得されたデータを含む学習用データ及び前記学習モデルの少なくともいずれかのバックアップを記憶し、前記センサにより測定されたデータに基づき外部機器を制御する制御装置をさらに備える、
   請求項１から８のいずれか一項に記載のセンサシステム。
10. 前記制御装置は、前記進捗度を表す情報のバックアップをさらに記憶する、
    請求項９に記載のセンサシステム。
11. 前記生成部は、前記取得部により取得されたデータを含む複数種類の学習用データを用いた複数の学習モデルの機械学習の複数の進捗度を表す情報を生成する、
    請求項１から１０のいずれか一項に記載のセンサシステム。
12. 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、前記取得部及び前記生成部を有するマスタユニットと、をさらに備え、
    前記複数のスレーブユニットのうち前記複数種類の学習用データに含まれるデータを取得するスレーブユニットは、前記複数の学習モデルに対応する前記複数の進捗度を表す情報の少なくともいずれかを表示する表示部を有する、
    請求項１１に記載のセンサシステム。
13. 前記複数のスレーブユニットの少なくとも一部は、前記複数種類の学習用データに含まれるデータの開始点又は終了点を表すトリガ信号を生成していることを表示する表示部を有する、
    請求項１１又は１２に記載のセンサシステム。
    

Images