JPWO2019106963A1 - 機械設備制御システム、機械設備制御装置、及び機械設備制御方法 - Google Patents

Abstract

【課題】機械設備の操作性を向上する。【解決手段】モータ１４で駆動制御される複数台のロボット２〜５を備える機械設備制御システム１であって、全てのモータ１４の負荷率を検出する負荷率検出部３５と、機械設備制御システム１における所定の運用パラメータの設定入力を受け付ける操作部２１と、いずれの負荷率も許容負荷状態を維持しつつ、設定入力された所定の運用パラメータに対応して複数台のロボット２〜５を制御する統合制御装置６と、有し、ロボット２〜５は、モータ１４の駆動を制御するサーボアンプ１３と、モータ１４及びサーボアンプ１３の少なくとも一方における状態データを検知する内部センサ３６及び外部センサ４０と、を有し、負荷率検出部３５は、検知された状態データに基づいてモータ１４及びサーボアンプ１３の少なくとも一方についての動作余裕度を負荷率として算出する。

Description

開示の実施形態は、機械設備制御システム、機械設備制御装置、及び機械設備制御方法に関する。

特許文献１には、過負荷に近い状態を事前に予知し、機械設備がいきなり停止することのないモータ制御装置の過負荷保護装置が開示されている。

特開平１１−１５５２３０号公報

しかしながら上記従来技術では、単一の駆動軸（モータ）における定格上の過負荷状態を回避するだけでしかない。これに対し、駆動軸で駆動する機械装置を複数備える機械設備全体でその機能ポテンシャルを最大限引き出せるよう制御し、その操作性を向上したいという要望があった。

本発明はこのような問題点に鑑みてなされたものであり、機械設備の操作性を向上できる機械設備制御システム、機械設備制御装置、及び機械設備制御方法を提供することを目的とする。

上記課題を解決するため、本発明の一の観点によれば、駆動軸で駆動制御される機械装置を備える機械設備制御システムであって、前記駆動軸の負荷率を検出する負荷率検出部と、前記機械設備制御システムにおける所定の運用パラメータの設定入力を受け付ける入力部と、前記負荷率の許容負荷状態を維持しつつ、設定入力された前記所定の運用パラメータに対応して前記機械装置を制御する統合制御部と、を有する機械設備制御システムが適用される。

また、本発明の別の観点によれば、駆動軸で駆動制御される機械装置を備える機械設備を制御する機械設備制御装置であって、前記駆動軸から検出された負荷率の許容負荷状態を維持しつつ、前記機械設備に対して設定入力された所定の運用パラメータに対応して前記機械装置を制御する機械設備制御装置が適用される。

また、本発明の別の観点によれば、駆動軸で駆動制御される機械装置を備える機械設備を制御する機械設備制御方法であって、前記駆動軸から検出された負荷率の許容負荷状態を維持しつつ、前記機械設備に対して設定入力された所定の運用パラメータに対応して前記機械装置を制御する機械設備制御方法が適用される。

本発明によれば、機械設備の操作性を向上できる。

実施形態の機械設備制御システム全体の外観を斜視で表す図である。 機械設備制御システムの概略的なシステム構成とその作業工程の一例を表す図である。 機械設備制御システムの制御機能ブロック構成の一例を表す図である。 動作余裕度を負荷率として検出するサーボアンプとその周辺の機能ブロック図である。 負荷率モニタと運用パラメータコントロールパネルの表示画面の一例を表している。 稼働状況モニタの表示画面の一例を表している。 ニューラルネットワークを用いた深層学習での学習内容により稼働シーケンスの調整を行う概念的な自動調整部のモデル構成例を表している。 周期的に実行する稼働シーケンスを表す図である。 周期的に実行する稼働シーケンスの調整を行う自動調整部のモデル構成例を表している。 ニューラルネットワークを用いた深層学習での学習内容により作業指令の運転パターンの調整を行う概念的な自動調整部のモデル構成例を表している。 運用パラメータ別でのロボットの適切な移動経路の違いを説明する図である。 移動経路の違いで作業指令の調整を行う自動調整部のモデル構成例を表している。

以下、実施の形態について図面を参照しつつ説明する。

＜１：機械設備制御システムの概略的なシステム構成と作業工程＞
図１は、本実施形態の機械設備制御システム全体の外観を斜視で表しており、図２は、その機械設備制御システムの概略的なシステム構成とその作業工程の一例を表している。本実施形態の例に示す機械設備制御システムは、供給された多数の部品を用いて組み立てた完成品を検査し、搬出する作業を行う機械設備を制御するシステムである。図１、図２において、機械設備制御システム１は、組み立てロボット２と、完成品移送ロボット３と、検査ロボット４と、完成品搬出ロボット５と、統合制御装置６とを有している。

組み立てロボット２は、それぞれ所定の配置の搬入位置８で供給された多数の部品を把持し、それら部品を組み立て台７の上で載置し組み立てる作業を行うロボットである。この例において当該組み立てロボット２は、いわゆるスカラロボット（水平多関節型ロボット）で構成される。

完成品移送ロボット３は、上記組み立てロボット２が組み立てた製造物の完成品を把持し、組み立て台７から移送して後述の検査ロボット４の検査空間領域内で支持する作業を行うロボットである。この例において当該完成品移送ロボット３は、いわゆる垂直多軸ロボット（垂直多関節型ロボット）で構成される。

検査ロボット４は、光学センサを用いた検査装置４ａを有しており、その検査空間領域内で上記完成品移送ロボット３により支持された完成品の各部の状態を検知するよう上記光学センサを移動させる作業を行うロボットである。この例において当該検査ロボット４は、いわゆるガントリ（門型ロボット）で構成される。なお、上記の検査装置４ａは、例えば光学センサとしてのカメラで撮像した完成品の外観画像を画像認識することで当該完成品の組み立て状態を検査するものがある。

完成品搬出ロボット５は、上記検査ロボット４による検査作業を終えた完成品を上記完成品移送ロボット３から受け取って、所定の配置の搬出場所９へ移送する作業を行うロボットである。この例において当該完成品搬出ロボット５は、いわゆる垂直多軸ロボット（垂直多関節型ロボット）で構成される。

統合制御装置６は、上記の各ロボットとの間で検出情報や制御指令などの各種情報を送受し、当該機械設備制御システム１全体の作業工程を円滑に行わせるよう各ロボットの作業を協調させて同期制御する機能を有する。この例において当該統合制御装置６は、ＣＰＵ、ＲＯＭ、ＲＡＭ、ＨＤＤなどを備えた汎用コンピュータで構成される。

なお以上の構成において、組み立てロボット２、完成品移送ロボット３、検査ロボット４、及び完成品搬出ロボット５がそれぞれ各請求項記載の機械装置に相当し、これらロボットをまとめた全体の構成が各請求項記載の機械設備に相当し、この機械設備の全体を制御する統合制御装置６が各請求項記載の統合制御部及び機械設備制御装置に相当する。また特に図示しないが、機械設備は上記の各ロボットの他にも、ベルトコンベアなどの移送装置や、加工装置、試験装置などの他の多様な機械装置を備えてもよく、統合制御装置６がそれら全ての機械装置の制御を統合的に行わせてもよい。

＜２：機械設備制御システムの概略的なハードウェア制御構成と処理内容＞
図３は、上記機械設備制御システム１の制御機能ブロック構成の一例を表している。なお、この図３では、各ロボットにおいてアクチュエータ制御に関連する制御構成だけを示しており、例えば検査ロボット４における検査装置４ａなどの図示を省略している。この図３において、各ロボット２〜５は、上位コントローラ１１と、エンドエフェクタ１２と、サーボアンプ１３と、モータ１４とを有している。

上位コントローラ１１は、統合制御装置６から入力された後述の作業指令に基づいて、当該ロボットが備える複数のモータ１４それぞれに対してどのような位置、速度、又はトルク（推力）を出力すべきかを指示する制御指令を出力する。またこの制御指令には、エンドエフェクタ１２に対する動作の指示も含まれる。例えば上位コントローラ１１は、当該ロボットに対して上記作業指令に対応した所定動作の実行を実現させるためのエンドエフェクタ１２の目標位置、目標移動経路、及び目標移動速度を算出し、これら目標位置、目標移動経路、及び目標移動速度でエンドエフェクタ１２を移動させるために必要となる各モータ１４の目標出力位置、目標出力速度、目標出力トルク（推力）等を逐次演算し、これらを制御指令として対応するモータ１４のサーボアンプ１３へ出力する。これら目標出力位置、目標出力速度、目標出力トルク（推力）等の演算は、公知のいわゆる逆キネマティクス演算の手法により行えばよく、ここではその詳細な説明を省略する。

サーボアンプ１３（駆動軸制御部；図中では「サーボ」と略記）は、上位コントローラ１１から入力された制御指令に基づいて、対応するモータ１４を駆動制御する駆動電力の給電制御を行う。なお本実施形態の例のサーボアンプ１３の内部構成及び処理については、後に詳述する。

モータ１４は、回転型、直動型など多様なモータが適用される。なお、各ロボット（機械装置）が備えるサーボアンプ１３とモータ１４の数は、図示する例の数に限られず他の数で備えてもよい。また、サーボアンプ１３とモータ１４は、図示するように１対１で対応する組合せで備える以外にも、１つのサーボアンプ１３で複数のモータ１４を制御する構成としてもよい。

統合制御装置６は、例えばキーボード、ポインティングデバイス、又はタッチパネルなどで構成されて運用者（ユーザ）からの各種の操作入力を受け付ける操作部２１（入力部）と、ディスプレイなどで構成されて運用者に対し各種の指令や情報を表示する表示部２２（負荷率表示部）とを備えている。また統合制御装置６は、ソフトウェア的に実装される機能部としての自動調整部２３と手動調整部２４を備えている。

ここで統合制御装置６は、機械設備全体が目的とする運用タスク（つまり、部品の搬入、組み立て、完成品の移送、完成品の検査、完成品の搬出の各工程を通した全体作業）を遂行できるよう、各ロボットにおける稼働状態の時系列シーケンス（以下、稼働シーケンスという；後述の図６参照）を管理してそれぞれの作業指令を対応するタイミングで出力する。この作業指令には、入力される各ロボットのそれぞれにおける作業の動作パターンや、その動作パターンを実現するのに必要とされる各モータ１４の負荷率（後述）が含まれる。

上記の自動調整部２３と手動調整部２４は、後述する運用パラメータの設定入力に応じて、各ロボットの稼働シーケンスや、各ロボットに出力する作業指令の内容（具体的には動作パターンや各モータ１４の負荷率）を調整する機能を有している。自動調整部２３は、統合制御装置６自体で自動的に調整するための機能部であり、手動調整部２４は運用者自身で手動で調整するための機能部である。なお、これら自動調整部２３及び手動調整部２４の処理内容については、後に詳述する。

＜３：本実施形態の特徴＞
上記のような機械設備などのファクトリーオートメーションは、モータ１４を駆動軸として駆動制御される機械装置（ロボット等）を複数台備えた機械設備で構成される。このような機械設備は、例えば全体の消費電力や機器寿命、また本実施形態の例のような生産設備であれば製造物の製造速度（タクトタイム）、製造物の品質（歩留まり）などといった運用の際に考慮すべき多様な運用パラメータが存在する。

上記の多様な運用パラメータの間には特定の相関関係を有する場合があり、例えば消費電力とタクトタイムは一方を上げると他方が下がるといった負の相関関係、つまりトレードオフの関係にある。一般的に、機械設備の全体はそれら多様な運用パラメータのバランスを考慮して初期的に設計され、制御されるものであるが、タスクの確実な遂行を優先して各機械装置それぞれ単体における機能的なポテンシャル（動作（モーション）の自由度、各モータ１４の容量や耐久度など）にある程度の余裕度（マージン）を残して設計、製作されている場合が多い。

しかしその一方で、運用者が意図的に他の運用パラメータを犠牲にしてまで特定の運用パラメータを優先的に増大させたい場合（例えば消費電力を大きく増大させてまでタクトタイムを上げたい場合など）があり、目的とする運用タスクの遂行を確保しつつそのような特定の運用パラメータを優先した機械設備全体の機能ポテンシャル（機能リソース）を最大限引き出せるよう制御したいという要望があった。

これに対し本実施形態では、全てのモータ１４の負荷率を検出する負荷率検出部（後述）と、当該機械設備制御システム１における所定の運用パラメータの設定入力を受け付ける操作部２１と、いずれのモータ１４の負荷率も許容負荷状態を維持しつつ、設定入力された所定の運用パラメータに対応して複数台の機械装置（ロボット）を制御する統合制御装置６と、を有している。

これにより、統合制御装置６は、当該機械設備が有する全てのモータ１４の負荷率を許容負荷状態に維持することで当該機械設備全体における運用タスクの遂行状態を確保しつつ、設定入力された所定の運用パラメータに適切に対応したロボット間の稼働シーケンス調整や負荷率の分担調整によって各ロボットを制御することができる。以下において、そのような機能を実現するための構成及び手法について順に説明する。

＜４：サーボアンプの詳細構成と負荷率について＞
まず、本実施形態の例における各モータ１４の負荷率について説明する。例えばモータ１４の定格電流に対してその時点で当該モータ１４に給電している瞬時電流値の比率を負荷率としてもよいが、本実施形態の例においては、以下に説明するようにそのモータ１４及び対応するサーボアンプ１３におけるその時点の動作状態及び環境状態も考慮した動作定格値に対する動作状態値の比率で算出した動作余裕度を負荷率として適用する。

図４は、動作余裕度を負荷率として検出するサーボアンプ１３とその周辺の機能ブロック図を示している。この図４に示すように、サーボアンプ１３は、コンバータ３１と、平滑コンデンサ３２と、インバータ３３と、制御部３４と、負荷率検出部３５と、各種の内部センサ３６とを備えている。

コンバータ３１は、商用電源である３相交流電源１５に接続して、当該３相交流電源１５から供給される交流電力を直流電力へ電力変換して直流母線へ給電する機能を有する。

平滑コンデンサ３２は、直流母線間を渡すように接続され、上記コンバータ３１によって全波整流した直流電力を平滑する。

インバータ３３は、モータ１４に接続して、直流母線から供給される直流電力を所定の振幅と周波数にある３相交流相当の駆動電力にＰＷＭ変換してモータ１４へ給電する機能を有する。

制御部３４は、ＣＰＵ、ＲＯＭ、ＲＡＭ等からなるコンピュータで構成されており、上記の上位コントローラ１１から入力される制御指令に基づいて、上記のコンバータ３１とインバータ３３の各アームスイッチング素子Ｑに対するＯＮ／ＯＦＦ制御信号を生成し出力する。

負荷率検出部３５は、当該サーボアンプ１３及びモータ１４の少なくとも一つの動作定格値に対する動作状態値の動作余裕度（負荷率）を、後述する環境状態データに基づいて出力する処理部である。この負荷率検出部３５は、格納部３７と、算出部３８と、比較部３９とを備えている。格納部３７は、当該サーボアンプ１３及び接続しているモータ１４に対応して予め算出された動作定格値を記憶する記憶部である。算出部３８は、上記の内部センサ３６や外部センサ４０で検出した各種の環境状態データに基づいて、動作状態値を算出する演算部である。比較部３９は、上記の格納部３７に記憶されている動作定格値と、上記の算出部３８で算出された動作状態値との比較に基づいて動作余裕度を算出し、上位コントローラ１１に出力する演算部である。

そして本実施形態の例では、上記負荷率検出部３５の算出部３８に入力する各種環境状態データを検出するためのセンサとして、サーボアンプ１３自体がその内部に備える内部センサ３６と、サーボアンプ１３の外部に備える外部センサ４０とを有している。図示する例では、内部センサ３６としてコンバータ温度センサ３６ａ、平滑コンデンサ温度センサ３６ｂ、インバータ温度センサ３６ｃ、装置内雰囲気温度センサ３６ｄ、湿度センサ３６ｅ、及び振動センサ３６ｆが設けられている。また、外部センサ４０として、外気温度センサ４０ａ及びモータ温度センサ４０ｂが設けられている。なお、これら内部センサ３６と外部センサ４０が、各請求項記載の状態量検知部に相当する。

本実施形態の例では、複数の動作状態データ（出力電力、電流、電圧、損失、速度、トルク（推力）等）に対応する定格値を統合的に組み合わせたものを動作定格値とし、複数の動作状態データを統合的に組み合わせたものを動作状態値とする。そして上記負荷率検出部３５は、その時点で検出された環境状態データに基づいて、当該サーボアンプ１３及びモータ１４の正常状態を維持するための動作定格値に対し、その時点の動作状態値がどの程度の機器使用状況にあるかの指標となる動作余裕度を本実施形態における負荷率として出力する。

動作定格値は、サーボアンプ１３及びモータ１４の少なくとも一つの正常状態を保証する指標値としてあらかじめメーカー側で設定し、上記格納部に格納させる数値である。上記算出部３８が逐次算出する動作状態値は、状態データの検出時においてサーボアンプ１３及びモータ１４にどれだけの負荷が付加されているかを動作定格値と同じ尺度で示す数値である。そして、比較部が動作定格値に対する動作状態値の比率（＝動作状態値／動作定格値）で動作余裕度（負荷率）を算出する。つまり、動作状態値が動作定格値以下（負荷率＝動作余裕度≦１００％）であれば、動作状態にあるサーボアンプ１３及びモータ１４の正常状態が維持され、動作状態値が上記動作定格値を越えた場合（負荷率＝動作余裕度＞１００％）には、動作状態にあるサーボアンプ１３及びモータ１４の正常状態が保証されない（異常が発生する可能性がある）とみなせる。以上の動作定格値、動作状態値、及び動作余裕度に関する算出手法などの他の詳細な点については特願２０１７−０６１７１１号での開示内容と同等であり、ここではその説明を省略する。なお、上記の動作状態データ及び環境状態データが、各請求項記載の状態量に相当する。

＜５：負荷率のモニタと運用パラメータの設定入力について＞
以上説明したように、動作余裕度で算出される負荷率は、対応するサーボアンプ１３とモータ１４についてその潜在的な機能リソースをどの程度引き出せているかを示す単一の指標値として参照できる。本実施形態における統合制御装置６は、各ロボットの上位コントローラ１１を介して全てのモータ１４についてそれぞれ検出された負荷率を受信し、表示部２２に表示できる。図５は、統合制御装置６の表示部２２において負荷率モニタと運用パラメータコントロールパネルをいわゆるＧＵＩ（Ｇｒａｐｈｉｃ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）で表示した画面の一例を表している。この図５において、表示画面の左側上方にはモニタウィンドウ５１が表示され、その下方には運用コントロールウィンドウ５２が表示され、その他右側の領域には負荷率モニタウィンドウ５３を表示している。

モニタウィンドウ５１は、モニタ表示する内容（図示する例では「異常予測」、「温度」、「寿命」、「負荷率モニタ」、及び「稼働状況モニタ」）を示すモニタ内容表示領域５１ａと、さらに別途選択されたモータ１４の負荷率についてのオーバーライド状況を詳細に表示するオーバーライド表示領域５１ｂとを有している。図示する例では、モニタ内容表示領域５１ａにおいて負荷率モニタをモニタ表示するよう選択操作された状態を表示しており、その選択操作の結果、右側の表示領域に各モータ１４の負荷率モニタウィンドウ５３が表示されている。この負荷率モニタには、機械設備が備える４つのロボットの全てのモータ１４で検出された負荷率について、それぞれ一律に正規化された動作定格値の長さ（図中の点線部分参照）に対する比率の棒グラフで一覧表示されている。そのうちさらに運用者が任意に選択した１つのモータ１４（図示する例では、組み立てロボット２の第２軸）の負荷率については、そのオーバーライド状況がオーバーライド表示領域５１ｂに表示されている。これら表示は、各モータ１４の負荷率が受信される時間間隔で逐次更新される。このような負荷率のモニタ表示により、各モータ１４の負荷率の高さ、つまりその統合的な機能ポテンシャルがどの程度まで引き出されているかを機械設備全体を通してリアルタイムに確認できる。

運用コントロールウィンドウ５２は、運用パラメータを手動で設定操作するための運用パラメータ設定操作領域５２ａと、その設定入力の対象とする運用パラメータの種類（図示する例では「タクト」、「消費電力」、「歩留まり」、及び「延命運転」）を選択操作するための対象運用パラメータ選択操作領域５２ｂと、後述する制御調整を自動調整モードで行うか手動調整モードで行うかを切り換え操作するためのモード切り換え操作領域５２ｃとを有している。図示する例では、対象運用パラメータとしてタクトタイムが選択操作され、制御調整が自動調整モードに切り換えられ、運用者のカーソル操作によって運用パラメータ設定操作領域５２ａのスライドバーが中央のデフォルトよりも上方のＭＡＸ側へ設定操作された状態を表示している。この設定入力により、統合制御装置６は、タクトタイムの運用パラメータをデフォルトより最大（ＭＡＸ）に近い状態まで優先的に引き上げるよう制御調整を自動的に行う。このような運用コントロールにより、当該機械設備が目的とする運用タスクの遂行状態を維持しつつ、運用者が任意に設定した対象運用パラメータの内容を実現できるよう、統合制御装置６が各ロボットに対して出力する作業指令を調整できる。

なお、設定入力する対象の運用パラメータの種類として、「タクト」は機械設備による製造物の製造速度を操作する運用パラメータであり、「消費電力」は製造物の製造時における機械設備全体の消費電力を操作する運用パラメータであり、「歩留まり」は機械設備により製造する製造物の品質を操作する運用パラメータであり、「延命運転」は製造物の製造時における機械設備（各ロボット等の機械装置と各部品）の寿命や耐久度を操作する運用パラメータである。

＜６：制御調整について＞
上述した本実施形態における制御調整、具体的には統合制御装置６が各ロボットの上位コントローラ１１に出力する作業指令の調整について以下に説明する。まず、機械設備が運用タスクの遂行状態を維持するための条件としては、各ロボット（機械装置）が備える全てのモータ１４及びサーボアンプ１３の負荷率が許容負荷状態を維持すること、すなわち上記の動作状態値が動作定格値以下（動作余裕度＝負荷率≦１００％）を維持することが条件となる。

そしてこの条件を満たしつつ運用パラメータの設定変更を実現するための手法として、本実施形態では主に各ロボットの稼働シーケンスを調整する手法と、各ロボットに出力する作業指令の内容を調整する手法の２つの手法がある。また、２つの調整手法のそれぞれで、上記の自動調整部２３による自動的な調整モードと、上記の手動調整部２４を介した運用者の手動による調整モードの２つの調整モードが用意されている。また、特に自動調整モードの場合には、数理モデルに基づいて自動調整する形態と、機械学習により自動調整する形態の２つの形態を適用できる。

＜７：手動調整モードについて＞
＜７−１：稼働シーケンスの手動調整モードについて＞
図６は、上記図５に対応した稼働状況モニタの表示画面の一例を表している。この図６において、右側の領域には稼働状況モニタウィンドウ５４が表示されている。図示する例では、稼働状況モニタウィンドウ５４に当該画面を表示した時点から直近１分の間における各ロボットの単位での稼働状態の時系列シーケンス、つまり稼働シーケンスが表示されている。この稼働シーケンスの表示では、対応するロボットの各稼働状態（図示する例の「動作中」、「省エネ中」、「アラーム」、「停止中」、及び「切断中」）が塗りつぶしパターン別で区別されて時系列順に配置されている。この図６を見て分かるように、当該機械設備の運用中において各ロボットは常に動作状態にあるわけではなく、実際には各ロボット間での連携作業を同期させる関係から省エネ、停止、又は切断の各稼働状態となる期間が頻繁に設けられている。

これに対して、例えばタクトタイムの運用パラメータを増大させたい場合には、省エネ、停止、又は切断のそれぞれの稼働状態期間を短くするよう各ロボットの稼働シーケンスを調整することが有効である。そのためには手動調整部２４での設定入力処理により、図示するように任意の稼働状態期間の時間長をカーソル操作で手動修正したり、または全てのロボットの稼働シーケンス全体の時間長を圧縮するよう手動修正する操作（特に図示せず）を行えるようにするとよい。このとき手動調整部２４は、全てのモータ１４の負荷率が許容負荷状態を維持できる範囲で各修正操作量を制限することで、上述した機械設備における運用タスクの遂行条件を満たすことができる。また、運用パラメータの設定内容に特に影響を与える稼働状態期間の箇所を例えば点滅等で注視させるように表示することで、修正が必要な稼働状態期間の箇所を明確に視認させることができる。

＜７−２：作業指令の手動調整モードについて＞
例えば垂直多軸ロボットの場合、同じ移動先位置にエンドエフェクタ１２を移動させる場合でも、それまでの移動経路やその移動中における各アーム節の配置によって必要とされるモータ１４の負荷率や到達時間が変化する場合がある。そのため、同じ移動先位置への移動作業を維持しつつロボットの動作パターンを手動修正することや、各モータ１４の負荷率自体を手動修正することは、各モータ１４間における負荷率の分担（負荷分担）の調整に有効である。そのためには手動調整部２４での設定入力処理により、特に図示しないエディタ画面で動作パターンを手動修正する操作を行えるようにするとよい。このとき手動調整部２４は、全てのモータ１４の負荷率が許容負荷状態を維持できる範囲で各修正操作量を制限することで、上述した機械設備における運用タスクの遂行条件を満たすことができる。また、運用パラメータの設定内容に特に影響を与える動作パターンを例えば点滅等で注視させるように表示することで、修正が必要な稼働状態期間の箇所を明確に視認させることができる。

＜８：自動調整モードについて＞
統合制御装置６の自動調整部２３は、基本的に上述した稼働シーケンスの調整手法、又は作業指令の調整手法における修正を自動的に行えばよい。その調整形態として数理モデルに基づく場合には、全てのモータ１４の負荷率が許容負荷状態を維持できる範囲で、設定入力された運用パラメータに応じた稼働状態期間の修正や運転パターンの修正が可能なソフトウェアプログラムをあらかじめ作成すればよい。適用する数理モデルとしては、例えば各ロボットの運動学（順キネマティクス、逆キネマティクス）、システム伝達関数、又はラダープログラム等におけるシーケンスモデルなどがある。

また調整形態として機械学習に基づく場合には、全てのモータ１４の負荷率が許容負荷状態を維持できる範囲で、設定入力された運用パラメータと、稼働状態期間の配置パターン又は各ロボットの運転パターンとの間の相関関係を特徴量として機械学習すればよい。

＜８−１：稼働シーケンスの自動調整について＞
図７は、ニューラルネットワークを用いた深層学習での学習内容により稼働シーケンスの調整を行う自動調整部２３Ａの概念的なモデル構成例を表している。図示する例の自動調整部２３Ａでは、設定入力された運用パラメータに対して、各ロボットの稼働状態期間の時系列パターンを出力するよう設計、調整されている。出力される各稼働状態期間の時系列配置パターン（つまり稼働シーケンス）は、機械学習プロセス（深層学習）での学習内容に基づくものであり、全てのモータ１４の負荷率が許容負荷状態を維持できる範囲で、入力された運用パラメータを実現できると推定されたものである。すなわち、この自動調整部２３Ａのニューラルネットワークは、運用パラメータの値と各ロボットの稼働シーケンスとの相関を表す特徴量を学習している。なお、図示する例のように、自動調整部２３Ａで他の運用パラメータの推定値を出力するよう学習させてもよい。

このニューラルネットワークの学習手法としては、いわゆる深層強化学習を行うことが好適である。その場合には、ランダムな値で設定された運用パラメータに対して、全てのモータ１４の負荷率が許容負荷状態を維持できる範囲でそれぞれランダムに設定された稼働状態期間での稼働シーケンスで運用した際の誤差量（評価値）を検出し、その誤差量が少なくなるように（将来的に評価値に基づく報酬が最大に得られるように）ニューラルネットワークのバックプロパゲーション処理（誤差逆伝搬処理）を行う。運用パラメータのランダム性を逐次調整しながらこのような学習作業を繰り返すことで、自動調整部２３のニューラルネットワークは運用パラメータの値とそれに対する適切な稼働シーケンスを出力するための特徴量を学習できる。このような強化学習は、いわゆる公知のＱ学習アルゴリズム等を用いればよく、ここではその詳細な説明を省略する。なお、上記のバックプロパゲーションの他にも、いわゆる積層オートエンコーダ、ドロップアウト、ノイズ付加、及びスパース正則化などの公知の多様な学習手法を併用して処理精度を向上させてもよい。

＜８−２：稼働シーケンスの自動調整の具体例＞
上記図７に示した稼働シーケンスの調整を行う自動調整部２３Ａは入出力する情報を概略的に示したものであるが、その具体的な構成としては多様な構成が考えられる。例えば生産設備における稼働シーケンスは、図８に示すように、所定長の制御周期ΔＴの間における各稼働状態期間の時系列配置パターンを周期的に繰り返し実行する場合が多い。これに対応して、標準的な制御周期ΔＴ以内における経過時間を所定の周期内経過時間ｔ（図示する例ではｔ＝０〜１０００）で規定し、稼働シーケンスの自動調整部２３が計時された各周期内経過時間ｔに逐次対応して各ロボットの適切な稼働状態を推定し出力すればよい。

この場合の具体的な自動調整部２３Ｂのモデル構成例を図９に示す。図示する例の自動調整部２３Ｂでは、その時点で入力された周期内経過時間ｔと運用パラメータに対して、当該周期内経過時間ｔで適切と推定される各ロボットの稼働状態を出力するよう設計、調整されている。すなわち、この自動調整部２３Ｂのニューラルネットワークは、その時点の周期内経過時間ｔ及び運用パラメータの値と、各ロボットの稼働シーケンスとの相関を表す特徴量を学習している。稼働状態の出力は、２値のクラスタリング出力でもよいし、多値の回帰出力でもよい。このように出力される稼働状態の時系列的な配置パターンが、上記図７における稼働シーケンスに相当する。

なお、各モータの負荷率にはその時点の各モータ１４及び各サーボアンプ１３で検出された各種の動作状態データや環境状態データが反映されているため、これら負荷率も自動調整部２３Ｂに入力して各ロボットの稼働状態の推定に反映させることでさらにリアルタイムで推定精度のよい出力が可能となる。また、タクトを調整制御する場合などのように選択対象とした運用パラメータによっては周期内経過時間ｔの最大時間ｔｅｎｄが増減変化（つまり制御周期ΔＴ全体の時間長が増減変化）する場合があるが、上位コントローラ１１がそれに対応した最大時間ｔｅｎｄ（制御周期ΔＴ）を算出して計時し、統合制御装置の自動調整部２３Ｂに入力すればよい。この場合、算出された制御周期ΔＴも自動調整部２３Ｂに別途入力するとよい。また図示する例では、統合制御装置６が備える１つの自動調整部２３Ｂでシステム全体における各ロボットの稼働状態を出力する構成としているが、各ロボットの上位コントローラ１１が個別に自動調整部を備えてそれぞれの時間周期ΔＴを同期させつつ協調制御してもよい。この場合には、各上位コントローラ１１内で上記の周期内経過時間ｔや負荷率を算出して自動調整部２３Ｂに直接入力できるため、処理のリアルタイム性が向上する。

＜８−３：作業指令の自動調整について＞
また図１０は、ニューラルネットワークを用いた深層学習での学習内容により作業指令の運転パターンの調整を行う自動調整部２３Ｂの概念的なモデル構成例を表している。この場合には、設定入力された運用パラメータに対して、対応するロボットにおける各モータ１４の運転パターンを出力するよう設計、調整されている。すなわち、この自動調整部２３Ｂのニューラルネットワークは、運用パラメータの値と各モータ１４の運転パターンとの相関を表す特徴量を学習している。なお、図示する例のように、自動調整部２３で他の運用パラメータの推定値を出力するよう学習させてもよい。

＜８−４：作業指令の自動調整の具体例＞
上記図１０に示した作業指令の調整を行う自動調整部２３Ｃは入出力する情報を概略的に示したものであるが、その具体的な構成としては多様な構成が考えられる。例えば図１１に示すように、垂直多軸ロボット３１のエンドエフェクタ１２を現在位置Ｐｓから目的位置Ｐｔへ移動させる場合であっても、これら２点間の直線経路を移動させることで必要とされる到達時間（タクトタイム）を最短にできるが、それ以外の迂回経路で移動することで消費電力を削減できる場合がある。これに対応して、作業指令の自動調整部２３が、その時点の現在位置Ｐｓの近傍で運用パラメータの実現に適切と推定される途中経路位置Ｐｉを逐次推定して出力すればよい。なお、この図１１の説明ではエンドエフェクタ１２の移動位置だけを説明しているが、当該垂直多軸ロボット３１が多くの駆動軸を備えている場合にはエンドエフェクタ１２の姿勢も考慮する必要がある。

この場合の具体的な自動調整部２３Ｄのモデル構成例を図１２に示す。図示する例の自動調整部２３Ｄでは、その時点で入力された現在位置姿勢情報、目的位置姿勢情報、及び運用パラメータに対して、上記現在位置姿勢情報の近傍で適切と推定される経路位置姿勢情報（上記図１０における運転パターンに相当）を出力するよう設計、調整されている。なお、上記の現在位置姿勢情報、目的位置姿勢情報、及び経路位置姿勢情報は、エンドエフェクタ１２の位置と姿勢を表す情報であり、別途設定されたロボット座標系（図示省略）における座標位置やベクトルで規定されてもよいし、各モータ１４の出力位置（各モータがそれぞれ備えるエンコーダ（図示省略）で検出された回転位置）で規定されてもよい。

なお、作業指令の調整を行う自動調整部２３Ｄに対しても各モータ１４の負荷率を入力することで、さらにリアルタイムで推定精度のよい出力が可能となる。また図示する例では、統合制御装置６が各ロボットにそれぞれ適用する自動調整部２３Ｄを個別に備える構成としているが、各ロボットの上位コントローラ１１が個別に自動調整部を備えて互いに同期させつつ協調制御してもよい。この場合には、各上位コントローラ１１内で上記の現在位置姿勢情報、目的位置姿勢情報、経路位置姿勢情報、及び負荷率を算出して自動調整部２３Ｄに直接入力できるため、処理のリアルタイム性が向上する。

以上説明した自動調整部２３Ａ〜２３Ｄでは、設定入力された運用パラメータの値に対応する稼働シーケンスや作業指令を推定して出力していたが、最も適切な出力を推定させる（最適化させる）ためだけに自動調整部２３を特化させてもよく、その場合には運用パラメータの値の入力は不要となる。

なお、自動調整部２３の処理アルゴリズムは、図示したニューラルネットワークを用いた深層学習（ディープラーニング）によるもの以外にも、例えばサポートベクトルマシンやベイジアンネットワーク等を利用した他の処理アルゴリズム（特に図示せず）を適用してもよい。

＜９：本実施形態による効果＞
以上説明したように、本実施形態の機械設備制御システム１は、全てのモータ１４及びサーボアンプ１３の負荷率を検出する負荷率検出部３５と、当該機械設備制御システム１における所定の運用パラメータの設定入力を受け付ける操作部２１と、いずれの負荷率も許容負荷状態を維持しつつ、設定入力された運用パラメータに対応して複数台のロボットを制御する統合制御装置６と、有している。

これにより、統合制御装置６は、当該機械設備が有する全てのモータ１４の負荷率を許容負荷状態に維持することで当該機械設備全体における運用タスクの遂行状態を確保しつつ、設定入力された所定の運用パラメータに適切に対応したロボット間の稼働シーケンス調整や負荷率の分担調整によって各ロボットを制御することができる。この結果、機械設備の操作性を向上できる。なお、運用パラメータの設定入力は、操作部２１での手動操作による入力に限られず、他にも通信インターフェースを介して他の制御装置から受信して入力できるようにしてもよい。

また、本実施形態では特に、各ロボットがサーボアンプ１３と内部センサ３６及び外部センサ４０とを有し、統合制御装置６の負荷率検出部３５は、各センサ３６、４０で検知された環境状態データや動作状態データに基づいてモータ１４及びサーボアンプ１３の少なくとも一方についての動作余裕度（動作状態値／動作定格値）を負荷率として算出する。

これにより、モータ１４及びサーボアンプ１３の各状態データの定格値（全て同時に満たした場合に正常動作を保証するとしてメーカー側で設定した状態データ条件）によらず、それら状態データを統合した当該モータ１４及びサーボアンプ１３の機能ポテンシャルの最大限界値に相当する動作定格値と、同じ尺度で示されるその時点の機能ポテンシャル値に相当する動作状態値との比率で示される動作余裕度に基づいて負荷率を算出し、その負荷率が許容負荷状態にあるか否かを監視できる。なお、負荷率検出部３５は統合制御装置６内に設けてもよく、この場合にはサーボアンプ１３で検知された各種状態データを統合制御装置６に出力し、統合制御装置６は対応するモータ１４及びサーボアンプ１３の組ごとに負荷率を算出する。

また、本実施形態では特に、統合制御装置６は、全てのモータ１４の負荷率（＝動作余裕度＝動作状態値／動作定格値）を表示する表示部２２（負荷率モニタ表示領域）と、運用者からのロボットの制御調整の設定入力を受け付ける手動調整部２４と、を有している。これにより、負荷率を確認しつつユーザが意図した任意の調整によって各ロボットの制御を調整できる。

また、本実施形態では特に、統合制御装置６は、設定入力された所定の運用パラメータに対応して複数台のロボットの制御を調整する自動調整部２３、を有している。これにより、ユーザの手動調整によらず統合制御装置６が自動的に各ロボットの制御を調整でき、操作性がより向上する。なお、本実施形態では、制御調整を自動調整モードで行うか手動調整モードで行うかの切り換えを運用者の手動操作により任意に選択して行っていたが、これに限られない。例えば、統合制御装置６が他の多様な設定条件に基づいて自律的に（自動的に）自動調整モードに切り換えるようにしてもよい。

また、本実施形態では特に、自動調整部２３は、設定入力された所定の運用パラメータに対応して、ロボットの単位でそれぞれの稼働状態の時系列シーケンスを調整する。これにより、運用パラメータの設定入力内容に応じて、各ロボットの単体で見た機能ポテンシャルを最大限に引き出せる稼働シーケンスで機械設備を制御できる。

また、本実施形態では特に、自動調整部２３は、設定入力された所定の運用パラメータに対応して、ロボット内におけるモータ１４の単位での負荷分担を調整する。これにより、運用パラメータの設定入力内容に応じて、単体のロボットにおける複数のモータ１４の間でそれぞれの機能ポテンシャルを最大限に引き出せるよう協調制御させることができる。

また、本実施形態では特に、自動調整部２３は、数理モデルに基づいて制御調整を行う。これにより、事前に把握した手法で調整でき、補正等も容易に行える。

また、本実施形態では特に、自動調整部２３Ａ、２３Ｂは、機械学習プロセスでの学習内容に基づいて制御調整を行う。これにより、各ロボット及び機械設備全体の構成が複雑であってその調整内容も複雑となる場合であっても、人為的な数理モデルの設計によらず精度のよい調整が可能となる。

なお、以上の説明において、「垂直」「平行」「平面」等の記載がある場合には、当該記載は厳密な意味ではない。すなわち、それら「垂直」「平行」「平面」とは、設計上、製造上の公差、誤差が許容され、「実質的に垂直」「実質的に平行」「実質的に平面」という意味である。

また、以上の説明において、外観上の寸法や大きさ、形状、位置等が「同一」「同じ」「等しい」「異なる」等の記載がある場合は、当該記載は厳密な意味ではない。すなわち、それら「同一」「等しい」「異なる」とは、設計上、製造上の公差、誤差が許容され、「実質的に同一」「実質的に同じ」「実質的に等しい」「実質的に異なる」という意味である。

また、以上既に述べた以外にも、上記実施形態や各変形例による手法を適宜組み合わせて利用しても良い。その他、一々例示はしないが、上記実施形態や各変形例は、その趣旨を逸脱しない範囲内において、種々の変更が加えられて実施されるものである。

１ 機械設備制御システム（機械装置）
２ 組み立てロボット（機械装置）
３ 完成品移送ロボット（機械装置）
４ 検査ロボット（機械装置）
５ 完成品搬出ロボット（機械装置）
６ 統合制御装置（統合制御部）
１１ 上位コントローラ
１２ エンドエフェクタ
１３ サーボアンプ（駆動制御部）
１４ モータ（駆動軸）
２１ 操作部（入力部）
２２ 表示部（負荷率表示部）
２３、 自動調整部
２３Ａ〜２３Ｄ
２４ 手動調整部
３５ 負荷率検出部
３６ 内部センサ（状態量検知部）
４０ 外部センサ（状態量検知部）

上記課題を解決するため、本発明の一の観点によれば、機械設備における駆動軸の駆動を制御する駆動軸制御部と、前記駆動軸及び前記駆動軸制御部の少なくとも一方における状態量を検知する状態量検知部と、を備える機械装置と、前記駆動軸及び前記駆動軸制御部の少なくとも一方において、検知された前記状態量である動作状態データ及び環境状態データの少なくとも一方を統合的に組み合わせた動作状態値を、前記状態量にそれぞれ対応する定格値を統合的に組み合わせた動作定格値で除算した動作余裕度を負荷率として算出する負荷率検出部と、前記機械設備に関連する所定の運用パラメータの設定入力を受け付ける入力部と、前記負荷率の許容負荷状態を維持しつつ、設定入力された前記所定の運用パラメータに対応して前記機械装置を制御する統合制御部と、を有する機械設備制御システムが適用される。

また、本発明の別の観点によれば、駆動軸の駆動を制御する駆動軸制御部と、前記駆動軸及び前記駆動軸制御部の少なくとも一方における状態量を検知する状態量検知部と、を備える機械装置を備える機械設備を制御する機械設備制御装置であって、前記駆動軸及び前記駆動軸制御部の少なくとも一方において、検知された前記状態量である動作状態データ及び環境状態データの少なくとも一方を統合的に組み合わせた動作状態値を、前記状態量にそれぞれ対応する定格値を統合的に組み合わせた動作定格値で除算した動作余裕度を負荷率とした許容負荷状態を維持しつつ、前記機械設備に関連して設定入力された所定の運用パラメータに対応して前記機械装置を制御する機械設備制御装置が適用される。

また、本発明の別の観点によれば、駆動軸の駆動を制御する駆動軸制御部と、前記駆動軸及び前記駆動軸制御部の少なくとも一方における状態量を検知する状態量検知部と、を備える機械装置を備える機械設備を制御する機械設備制御方法であって、前記駆動軸及び前記駆動軸制御部の少なくとも一方において、検知された前記状態量である動作状態データ及び環境状態データの少なくとも一方を統合的に組み合わせた動作状態値を、前記状態量にそれぞれ対応する定格値を統合的に組み合わせた動作定格値で除算した動作余裕度を負荷率とした許容負荷状態を維持しつつ、前記機械設備に関連して設定入力された所定の運用パラメータに対応して前記機械装置を制御する機械設備制御方法が適用される。

Claims (10)

1. 駆動軸で駆動制御される機械装置を備える機械設備制御システムであって、
   前記駆動軸の負荷率を検出する負荷率検出部と、
   前記機械設備制御システムにおける所定の運用パラメータの設定入力を受け付ける入力部と、
   前記負荷率の許容負荷状態を維持しつつ、設定入力された前記所定の運用パラメータに対応して前記機械装置を制御する統合制御部と、
   を有することを特徴とする機械設備制御システム。
2. 前記機械装置は、
   前記駆動軸の駆動を制御する駆動軸制御部と、
   前記駆動軸及び前記駆動軸制御部の少なくとも一方における状態量を検知する状態量検知部と、
   を有し、
   前記負荷率検出部は、
   検知された前記状態量に基づいて前記駆動軸及び前記駆動軸制御部の少なくとも一方についての動作余裕度を前記負荷率として算出することを特徴とする請求項１記載の機械設備制御システム。
3. 前記統合制御部は、
   前記駆動軸の負荷率を表示する負荷率表示部と、
   前記機械装置の制御の調整の設定入力を受け付ける手動調整部と、
   を有することを特徴とする請求項１又は２記載の機械設備制御システム。
4. 前記統合制御部は、
   設定入力された前記所定の運用パラメータに対応して前記機械装置の制御を調整する自動調整部、
   を有することを特徴とする請求項１又は２記載の機械設備制御システム。
5. 前記自動調整部は、
   設定入力された前記所定の運用パラメータに対応して、前記機械装置の稼働状態の時系列シーケンスを調整することを特徴とする請求項４記載の機械設備制御システム。
6. 前記自動調整部は、
   設定入力された前記所定の運用パラメータに対応して、前記機械装置内における駆動軸の負荷を調整することを特徴とする請求項４又は５記載の機械設備制御システム。
7. 前記自動調整部は、
   数理モデルに基づいて前記調整を行うことを特徴とする請求項４乃至６のいずれか１項に記載の機械設備制御システム。
8. 前記自動調整部は、
   機械学習プロセスでの学習内容に基づいて前記調整を行うことを特徴とする請求項４乃至７のいずれか１項に記載の機械設備制御システム。
9. 駆動軸で駆動制御される機械装置を備える機械設備を制御する機械設備制御装置であって、
   前記駆動軸から検出された負荷率の許容負荷状態を維持しつつ、前記機械設備に対して設定入力された所定の運用パラメータに対応して前記機械装置を制御することを特徴とする機械設備制御装置。
10. 駆動軸で駆動制御される機械装置を備える機械設備を制御する機械設備制御方法であって、
    前記駆動軸から検出された負荷率の許容負荷状態を維持しつつ、前記機械設備に対して設定入力された所定の運用パラメータに対応して前記機械装置を制御することを特徴とする機械設備制御方法。
    

Images