TWI817010B - 搬送控制裝置 - Google Patents

搬送控制裝置 Download PDF

Info

Publication number
TWI817010B
TWI817010B TW109116352A TW109116352A TWI817010B TW I817010 B TWI817010 B TW I817010B TW 109116352 A TW109116352 A TW 109116352A TW 109116352 A TW109116352 A TW 109116352A TW I817010 B TWI817010 B TW I817010B
Authority
TW
Taiwan
Prior art keywords
transportation
period
transport
mentioned
information
Prior art date
Application number
TW109116352A
Other languages
English (en)
Other versions
TW202101365A (zh
Inventor
北村亘
Original Assignee
日商村田機械股份有限公司（村田機械株式会社）
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 日商村田機械股份有限公司（村田機械株式会社） filed Critical 日商村田機械股份有限公司（村田機械株式会社）
Publication of TW202101365A publication Critical patent/TW202101365A/zh
Application granted granted Critical
Publication of TWI817010B publication Critical patent/TWI817010B/zh

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G05D1/0291—Fleet control
    • G05D1/0297—Fleet control by controlling means in a control room
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3605—Destination input or retrieval
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0011—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement
    • G05D1/0027—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement involving a plurality of vehicles, e.g. fleet or convoy travelling
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Economics (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Control Of Conveyors (AREA)
  • Electrical Discharge Machining, Electrochemical Machining, And Combined Machining (AREA)
  • Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)

Abstract

本發明之課題在於提供可更適當地謀求搬送之最佳化的搬送控制裝置。 本發明之搬送控制裝置20控制搬送系統1之動作。搬送控制裝置20具備有狀態預測部21及決定部22；該狀態預測部21係以如下之方式被進行機械學習：輸入與第1期間建立關聯之搬送指令及表示搬送系統1之狀態的狀態資訊，針對每個用以控制搬送系統1之動作之參數之設定值的候補，分別輸出表示與第1期間之後之第2期間建立關聯之搬送系統1被預測之狀態的狀態預測資訊；該決定部22藉由對狀態預測部21輸入與過去期間Tn 建立關聯之搬送指令及狀態資訊，而針對每個參數之設定值之候補分別取得與預測對象期間Tn+1 建立關聯之狀態預測資訊，並根據每個參數之設定值之候補個別之狀態預測資訊之評價結果，來決定於預測對象期間Tn+1 內被應用於搬送系統1之參數的設定值。

Description

搬送控制裝置
本發明係關於搬送控制裝置。
過去以來，已知一種搬送系統，其例如於半導體製造工廠等中，控制搬送收納有半導體晶圓之匣盒等之物品之搬送車的移行(參照專利文獻1、2)。於如此之搬送系統中，藉由搬送車控制器，包含有表示成為搬送對象之物品、抓貨位置(起始地點)、及卸貨位置(目標地點)之各者之資訊之搬送指令，被分配至搬送車。藉此，可實現利用搬送車所進行之物品的搬送。例如，於專利文獻1記載有在掌握塞車狀況下檢索搬送車之移行路線的方法。於專利文獻2記載有根據關於搬送車延遲之事件的發生來預測塞車之發生的方法。 [先前技術文獻] [專利文獻]
[專利文獻1]日本專利第4441931號公報 [專利文獻2]日本專利特開2010-282567號公報
(發明所欲解決之問題)
於上述搬送系統中，被要求謀求搬送之最佳化(例如，每單位時間之搬送量的最大化等)。因此，要求例如被要盡可能地抑制塞車的發生等。根據上述專利文獻1、2所記載之方法，可抑制塞車的發生。然而，上述專利文獻1所記載之方法必然會成為發生塞車後之事後的對應。又，為了適當地執行上述專利文獻2所記載之方法，必須預先適當地定義關於搬送車延遲之事件的內容。
因此，本發明之目的在於提供可更適當地謀求搬送之最佳化的搬送控制裝置。 (解決問題之技術手段)
本發明之搬送控制裝置係控制搬送系統之動作者；該搬送系統包含有：搬送路徑；複數個搬送車，其等沿著搬送路徑移行，並搬送物品；及搬送車控制器，其對搬送車分配搬送指令；該搬送控制裝置具備有狀態預測部及決定部；該狀態預測部係以如下之方式被進行機械學習：輸入與第1期間建立關聯之搬送指令及表示搬送系統之狀態的狀態資訊，針對每個用以控制搬送系統之動作之參數之設定值的候補，分別輸出表示與第1期間之後之第2期間建立關聯之搬送系統被預測之狀態的狀態預測資訊；該決定部藉由對狀態預測部輸入與較預測對象期間更早之過去期間建立關聯之搬送指令及狀態資訊，而針對每個參數之設定值之候補分別取得與預測對象期間建立關聯之狀態預測資訊，並根據每個參數之設定值之候補個別之狀態預測資訊之評價結果，來決定於預測對象期間內被應用於搬送系統之參數的設定值。
於上述搬送控制裝置中，預測對象期間之搬送系統會被預測之狀態係針對每個參數之設定值之候補，而藉由如上所述般被進行機械學習之狀態預測部，自過去期間之搬送指令及狀態資訊分別被取得。亦即，針對每個參數之設定值的候補，在將該參數之設定值應用於搬送系統之情形時會被預測為會在預測對象期間發生之搬送系統之狀態，將作為狀態預測資訊而被取得。然後，於預測對象期間內會被應用於搬送系統之參數之設定值將會根據每個如此所取得之參數之設定值之候補個別之狀態預測資訊的評價結果所決定。因此，藉由上述搬送控制裝置，可基於搬送系統將來的狀態之預測結果(狀態預測資訊)，而以搬送系統將來的狀態(即，預測對象期間之狀態)會成為盡可能良好之狀態(例如，塞車得以抑制，作為搬送系統整體之搬送時間會變短之狀態)之方式，來決定最佳之參數的設定值。藉此，可根據上述搬送控制裝置，而更適當地謀求搬送之最佳化。
搬送系統之狀態亦可包含有每個搬送指令個別的搬送時間、物品之搬送量、搬送車之稼動率、搬送車之狀態資訊與位置資訊、及搬送車之速度資訊之至少一者。藉由作為搬送系統之狀態而使用如上述般之資訊，可適當地進行利用狀態預測部所進行的預測。又，於決定部當要決定在預測對象期間應用於搬送系統之參數之設定值時，可適當地進行每個參數之設定值之候補個別之狀態預測資訊間的比較(評價)。
上述搬送控制裝置亦可進一步具備有搬送指令預測部，該搬送指令預測部係以如下之方式被進行機械學習：輸入關於與第1期間建立關聯之搬送指令之資訊，並輸出關於會被預測為將在第2期間產生之搬送指令的搬送指令預測資訊；狀態預測部係以如下之方式被進行機械學習：進一步輸入搬送指令預測資訊，並輸出與每個第2期間建立關聯之參數之設定值之候補個別的狀態預測資訊；決定部藉由對搬送指令預測部輸入關於與過去期間建立關聯之搬送指令之資訊，來取得與預測對象期間建立關聯之搬送指令預測資訊，並藉由對狀態預測部輸入與過去期間建立關聯之搬送指令及狀態資訊、以及與預測對象期間建立關聯之搬送指令預測資訊，而針對每個參數之設定值之候補分別取得與預測對象期間建立關聯之狀態預測資訊。藉由上述構成，可根據關於藉由搬送指令預測部所預測之預測對象期間之搬送指令的資訊，而精度更佳地預測預測對象期間內搬送系統之將來的狀態(每個參數之設定值之候補個別的狀態預測資訊)。其結果，就搬送最佳化之觀點而言，於決定部可決定更適當之參數。
參數亦可包含可在搬送路徑上所規定之每個區域個別的目標值，該目標值係同時存在於區域內之空搬送車之台數的目標值。又，參數亦可包含有供搬送車使用搬送路徑上所規定之區域之複數個入口及複數個出口的比例。又，參數亦可包含有當要決定已被分配搬送指令之搬送車之搬送路徑時，用以決定自所預先準備之複數個路徑選擇運算法中要使用哪個運算法的規則。 (對照先前技術之功效)
根據本發明，可提供可更適當地謀求搬送之最佳化的搬送控制裝置。
以下，參照圖式對本發明一實施形態進行說明。再者，於圖式之說明中，存在有對相同或同等之元件標示相同之符號並省略重複之說明的情形。
[第1實施形態] 如圖1所示，本實施形態之搬送系統1包含有搬送路徑4、及可沿著搬送路徑4移行之複數個搬送車2。搬送路徑4例如係被鋪設於工廠內之軌條(軌道)等。搬送車2係搬送物品之無人搬送車。搬送車2例如係高架移行車、有軌道台車等。於本實施形態中作為一例，搬送車2係被設置為可沿著搬送路徑4移行之高架搬送車。例如，搬送車2係高架移行式無人搬送車(OHT；Overhead Hoist Transfer)。作為一例，藉由搬送車2所搬送之物品係收容有複數片半導體晶圓之匣盒(所謂FOUP(前開式晶圓傳送盒；Front Opening Unified Pod))。
搬送路徑4被劃分為複數個(圖1之例子中為12個)區塊(灣區)。搬送路徑4包含有作為灣區內之路線的灣區內輸送路線5、及作為將不同之灣區間加以連接之路線的跨灣區輸送路線6。沿著搬送路徑4設置有處理裝置7及保管庫8。處理裝置7係執行對半導體晶圓之處理的裝置。保管庫8係搬送車2可暫時放置物品之地點，而發揮作為緩衝區之作用。合流部9係於搬送路徑4上，必須進行排除複數個搬送車2同時進入之情形之排他控制的地點。
於處理裝置7及保管庫8，設置有用以搬入物品之入庫埠(即，搬送車2用以將物品卸貨之地點)、及用以搬出物品之出庫埠(即，搬送車2用以對物品進行抓貨之地點)。入庫埠及出庫埠被配置於搬送路徑4之下方。入庫埠亦可兼用作出庫埠。保管庫8具有供物品載置之複數個棚架。又，保管庫8具有於保管庫8內在該複數個棚架、入庫埠、及出庫埠之間搬送物品的堆高式起重機81 (參照圖2)。
如圖2所示，搬送系統1具有MCS(物料控制系統；Material Control System)11、搬送車控制器12、保管庫控制器13、作為搬送車控制器12之控制對象之搬送車2、及作為保管庫控制器13之控制對象之堆高式起重機81。
MCS 11取得來自上位控制器(此處係由製造業者等所管理之MES(製造執行系統；Manufacturing Execution System)3)之搬送請求。MES 3被設為可與處理裝置7進行通信。處理裝置7將已完成處理之物品之搬送請求(抓貨請求、卸貨請求)發送至MES 3。MES 3將自處理裝置7所接收之搬送請求發送至MCS 11。
MCS 11若自MES 3接收到搬送請求，便於必須進行在保管庫8之入庫或出庫之情形時，於既定之時序將入庫或出庫之指令發送至保管庫控制器13。保管庫控制器13會對應於該指令，而將為了入庫或出庫之動作指令發送至對應之保管庫8之堆高式起重機81。
又，MCS 11若自MES 3接收到搬送請求，便將該搬送請求轉換為搬送指令，並將該搬送指令發送至搬送車控制器12。藉此，搬送指令經由搬送車控制器12，而被分配至特定之搬送車2。搬送車控制器12根據所預先規定之選擇基準，來決定成為搬送指令之分配目標之搬送車2。又，搬送車控制器12藉由執行所預先規定之路線探索運算法(例如公知之最短路徑檢索運算法等)，來決定用以執行搬送指令之移行路徑，並將該移行路徑通知給搬送車2。藉此，搬送車2根據該移行路徑進行移行。
搬送車控制器12及搬送車2儲存有路線圖。路線圖係如圖1所示之配置的資訊。具體而言，路線圖係表示移行路線之配置(即，如圖1所示之搬送路徑4的配置)、作為原點所設定之位置、以原點為基準之基準位置、移載位置(上述之入庫埠、出庫埠等)之座標等之資訊。又，搬送車2保持表示自己當下的位置之座標之位置資訊，並藉由比較路線圖與位置資訊來進行基於如上述所決定之移行路徑的移行。
圖3係表示搬送指令所包含之資訊(資料項目)之一例的圖。於本實施形態中，搬送指令包含有「命令ID」、「Fr」、「To」、「搬送優先順序」、及「載體ID」。「命令ID」係將搬送指令特定為唯一者之ID資訊。「Fr」係將抓貨搬送埠(相當於上述之出庫埠)加以特定之資訊。「To」係將卸貨搬送埠(相當於上述之入庫埠)加以特定之資訊。「搬送優先順序」係表示關於搬送之優先度的資訊(此處作為一例，係1至99之數值)。例如，搬送之優先度(使搬送早期完成之必要性)越高之搬送指令，作為搬送之優先順序被設定越小之數值。「載體ID」係將成為搬送對象之物品加以特定之ID資訊。亦即，上述之搬送指令係指示將由「載體ID」特定之物品從由「Fr」所特定之抓貨搬送埠(From(起始)地點)搬送至由「To」所特定之卸貨搬送埠(To(目標)地點)的資訊。
搬送指令之分配係根據所預先規定之規則而被執行。例如，分配對象之搬送指令係對未被分配其他搬送指令之一台以上之搬送車2(空搬送車)中存在於由分配對象之搬送指令之「Fr」所特定之地點附近之位置的搬送車2優先地被分配。
MCS 11具有儲存用以控制搬送系統1之動作之參數的儲存部11a。參數例如係用以規定或限制MCS 11、搬送車控制器12、保管庫控制器13、搬送車2、及堆高式起重機81之至少一者之動作的資訊。參數可包含限制搬送路徑4中搬送車2可進行移行之路徑的資訊、及規定搬送車2之路徑選擇邏輯的資訊等。例如，參數可包含區域台數設定、區域之入口及出口之使用比例、及路徑選擇邏輯等。對於參數之具體例之細節將於後述之。
於本實施形態中作為一例，而將被儲存於儲存部11a之參數，視需要而經由MCS 11被通知至搬送車控制器12、保管庫控制器13、搬送車2、及堆高式起重機81等。藉此，於搬送系統1內上述參數被共有，搬送系統1之動作根據上述參數而被控制。所謂搬送系統1之動作，係對應於由控制器群(MCS 11、搬送車控制器12、保管庫控制器13)所執行之控制內容而定之各搬送車2的移行動作。例如，搬送車控制器12分配搬送指令之時序(例如，是否立即分配自MCS 11所通知之搬送指令、是否以不超出所預先設定之搬送指令之同時執行數之上限值之方式來執行搬送指令之分配等)、或搬送車控制器12為了決定搬送車2之移行路徑所要執行之路線探索運算法之種類等，係藉由上述參數之設定值所決定。
搬送控制裝置20藉由調整上述之參數之設定值，來控制搬送系統1之動作。如圖4所示，搬送控制裝置20可作為電腦系統而被構成，該電腦系統包含有：一個以上之CPU(中央處理單元；Central Processing Unit)等之處理器201；作為主儲存裝置之一個以上之RAM(隨機存取記憶體；Random Access Memory)202及一個以上之ROM(唯讀記憶體；Read Only Memory)203、操作員用以進行操作輸入之鍵盤等之輸入裝置204、對操作員提示資訊之顯示器等之輸出裝置205、及用以與搬送系統1(例如MCS 11等)進行通信之通信模組206、HDD(硬碟驅動器；Hard Disk Drive)及SSD(固態驅動器；Solid State Drive)等之輔助儲存裝置207。搬送控制裝置20既可作為1台伺服器裝置而被構成，亦可作為被分散配置之複數台伺服器裝置而被構成。又，於本實施形態中，搬送控制裝置20雖與搬送系統1之控制器群為不同的裝置，但搬送控制裝置20亦可被組入於搬送系統1之控制器(例如MCS 11)中。
後述之搬送控制裝置20之各功能例如係藉由以下之方式所實現者：使RAM 202等之記憶體讀入既定之程式 ，於處理器201之控制下使輸入裝置204及輸出裝置205動作並且使通信模組206動作，進行RAM 202及輔助儲存裝置207之資料之讀出及寫入。搬送控制裝置20作為功能性之構成元件，而具有狀態預測部21與決定部22。
狀態預測部21係以如下之方式被進行機械學習後之預測模式：輸入與第1期間建立關聯之搬送指令及表示搬送系統1之狀態的狀態資訊，並輸出表示與第1期間之後之第2期間建立關聯之搬送系統1會被預測之狀態的狀態預測資訊。第1期間及第2期間例如係相互地連續之期間。第1期間及第2期間係分別被預先規定之長度的期間。第1期間之長度既可與第2期間之長度相同，亦可不同。
狀態預測部21針對每個上述之參數之設定值之候補，分別輸出與第2期間建立關聯之狀態預測資訊。例如，狀態預測部21被構成為對於所預先規定之參數之設定值之複數個候補之各者，輸出與第2期間建立關聯之狀態預測資訊。此處，所謂對應於某參數之設定值α之與第2期間建立關聯之狀態預測資訊，係於第2期間內將該參數之設定值α應用於搬送系統1之情形時會被預測為會在第2期間發生之搬送系統1的狀態。
此處，與某期間建立關聯之搬送系統1之狀態包含有：每個於該期間所發生之搬送指令個別之搬送時間、該期間內物品之搬送量、該期間內搬送車之稼動率、該期間內搬送車之狀態資訊(待機中、或搬送中等之狀態資訊)與位置資訊、及該期間內搬送車之速度資訊之至少一者。
所謂搬送指令之搬送時間，係自接收來自MES 3之搬送請求之時間點，至物品之卸貨完成，並朝向MES 3發送搬送指令之完成通知為止的時間。具體而言，所謂搬送指令之搬送時間，係從MCS 11自MES 3接收到成為該搬送指令之基礎之搬送請求之時間點t1，至藉由已被分配該搬送指令之搬送車2而於由該搬送指令之「To」所特定之卸貨搬送埠藉由該搬送指令之「載體ID」所特定之物品之卸貨完成之時間點t2為止的時間(t2－t1)。此處，對於在該期間內物品之卸貨未完成之搬送指令，例如亦可將從MCS 11接收到成為該搬送指令之基礎之搬送請求之時間點t1至該期間之結束時間點t3為止的時間(t3－t1)作為暫定之搬送時間而使用。所謂該期間內物品之搬送量，係於該期間內已完成卸貨之搬送的總數。所謂搬送車2之稼動率，係相對於可利用之搬送車2之總數(A1)之已被分配搬送指令之搬送車2之台數(A2)的比例「A2/A1」。作為該期間內搬送車2之稼動率，例如可使用該期間內搬送車2之稼動率之平均、或最大值等。所謂該期間內搬送車之位置資訊及速度資訊，係關於各搬送車2之位置之資訊、及關於各搬送車2之速度之資訊。藉由分析該期間內各搬送車2之狀態資訊與位置資訊、及/或各搬送車2之速度資訊而可得到例如將每個既定之區域(例如灣區)個別之塞車度加以數值化而得之資訊。
作為如上述般之預測模式之狀態預測部21，例如可藉由執行使用如以下般之教師資料之機械學習而得到。亦即，於連續之過去之期間T1、T2之各者內，取得與期間T1建立關聯之搬送指令及狀態資訊，並且取得於期間T2內實際地被應用於搬送系統1之參數之設定值及與期間T2建立關聯之狀態資訊。然後，製作將與期間T1建立關聯之搬送指令及狀態資訊、以及於期間T2內實際地被應用於搬送系統1之參數之設定值及與期間T2建立關聯之狀態資訊設為一對的教師資料。此處，期間T1與期間T2之關係，和上述之第1期間與第2期間之關係相同。對於複數個不同之期間製作如上述般之教師資料，並執行根據所製作之複數個教師資料之機械學習，藉此可得到上述之狀態預測部21。如此所得到之狀態預測部21，例如係包含類神經網路之已學習模式。再者，機械學習之對象並不限定於各種數值資料，亦可為搬送系統1之監視器圖像等之圖像資料。
決定部22藉由對狀態預測部21輸入與較預測對象期間Tn+1 更早之過去期間Tn 建立關聯之搬送指令及狀態資訊，而針對每個參數之設定值之候補分別取得與預測對象期間Tn+1 建立關聯之狀態預測資訊。此處，過去期間Tn 與預測對象期間Tn+1 之關係，和上述之第1期間與第2期間之關係相同。又，決定部22所進行之處理，係於過去期間Tn 之結束時間點被執行。亦即，預測對象期間Tn+1 係較決定部22之處理時間點更晚之期間。例如，作為參數之設定值之候補於，設定值α、設定值β、及設定值γ被預先規定之情形時，可得到對應於設定值α之狀態預測資訊、對應於設定值β之狀態預測資訊、及對應於設定值γ之狀態預測資訊。
然後，決定部22根據每個如上述般所得到之候補個別之狀態預測資訊之評價結果，來決定用以於預測對象期間Tn+1 要應用於搬送系統1之參數的設定值(調整參數)。例如，決定部22從由針對每個複數個候補可個別得到之狀態預測資訊所表示之搬送系統1會被預測之狀態中，選擇最佳者。例如，每個搬送指令個別之搬送時間盡可能短者為佳，物品之搬送量盡可能多者為佳，搬送車2之稼動率成為所預先規定之適當範圍(例如70%以下等)者為佳，而塞車則盡可能少者為佳。作為搬送系統1會被預測之狀態，可藉由使用已規定如上述般之良否判斷之基準之資訊之至少一者，而適當地進行狀態預測資訊間之評價。然後，決定部22將與所選擇之狀態預測資訊對應之候補，決定為於預測對象期間Tn+1 內應用於搬送系統1之調整參數。再者，於決定部22中，亦可藉由執行與狀態預測部21相同之機械學習來得到良否判斷的基準資訊等，而該良否判斷係從由複數個候補之各者可分別得到之狀態預測資訊所表示之搬送系統1被預測之狀態中來選擇最佳者。
圖5係表示利用搬送控制裝置20所進行之調整參數之決定流程的圖。圖6係表示搬送控制裝置20之動作之流程圖。如圖5及圖6所示，首先，藉由與過去期間Tn 建立關聯之搬送指令和與過去期間Tn 建立關聯之狀態資訊被輸入至狀態預測部21，每個與預測對象期間Tn+1 建立關聯之參數之設定值之候補個別的狀態預測資訊會被輸出。藉此，預測對象期間Tn+1 之狀態預測資訊可針對每個參數之設定值之候補得到(步驟S11)。再者，搬送控制裝置20例如分別地可自產生搬送指令之MCS 11得到與過去期間Tn 建立關聯之搬送指令。又，搬送控制裝置20可自監控搬送系統1之狀態的系統(未圖示)等來得到與過去期間Tn 建立關聯之狀態資訊。
接著，決定部22藉由對每個參數之設定值之候補個別之狀態預測資訊進行評價，而從複數個候補中決定調整參數(步驟S12)。然後，決定部22將該調整參數應用於搬送系統1(步驟S13)。於本實施形態中，決定部22將MCS 11發送調整參數。藉此，該調整參數被儲存於MCS 11之儲存部11a，且於預測對象期間Tn+1 內，搬送系統1之動作會根據該調整參數而被控制。
其次，對狀態預測部21所使用之參數之例子與在使用該參數之情形時可得到之效果進行說明。
(第1實施例) 於第1實施例中，狀態預測部21作為參數而使用「區域台數設定」。亦即，狀態預測部21輸出每個區域台數設定之設定值之候補個別的狀態預測資訊。所謂區域係於搬送路徑4(參照圖1)上所規定之區塊。於本實施形態中，區域係以灣區為單位之區塊。控制區域內之搬送車2之區域控制器(例如搬送車控制器12所支配下之控制器)，可以如此之區域單位被設置。所謂區域台數設定，係每個區域個別之同時存在於區域內之空搬送車之台數的目標值(規定台數)。例如，於有3個區域A、B、C存在之情形時，區域台數設定之設定值，可被表示為{NA ，NB ，NC }。此處，「Nk 」(K＝A，B，C)係區域K之規定台數。
例如，搬送車控制器12可被構成為根據區域台數設定，來對於各區域進行如下般之搬送車2之車輛調度控制。再者，上述車輛調度控制亦可經由上述之區域控制器所進行。搬送車控制器12於某區域內之空搬送車之台數多於規定台數之情形時，以該區域內之空搬送車之台數會成為規定台數之方式，使該區域內之空搬送車朝區域外移動。另一方面，搬送車控制器12於某區域內之空搬送車之台數少於規定台數之情形時，以該區域內之空搬送車之台數會成為規定台數之方式，使存在於該區域外(其他區域)之空搬送車朝向該區域內移動。如此，搬送車控制器12於既定之時序(或定期)來比較區域台數設定與空搬送車之分布，而調整搬送系統1整體之空搬送車之分布。亦即，區域台數設定係會對利用搬送車控制器12所進行空搬送車之分布之調整造成影響之參數。
此處，對於如下之情形進行思考：如上述般有3個區域A、B、C存在，當下時間點(過去期間Tn 與預測對象期間Tn+1 之交界時間點)之區域台數設定之設定值為{2，2，5}且於當下時間點實際地存在於各區域之空搬送車之台數亦如同上述設定值(即，區域A有2台，區域B有2台，而區域C有5台)。又，會被預測為在預測對象期間Tn+1 會產生之搬送指令(預想搬送指令)為9個，各個搬送指令之讀取地點(Fr)之分布為{4，4，1}(即，必須在區域A進行之抓貨之搬送指令為4個，必須在區域B進行之抓貨之搬送指令為4個，而必須在區域C進行之抓貨之搬送指令為1個)。此處，預想搬送指令之資訊既可預先由操作員等所規定，亦可根據與過去期間Tn 建立關聯之搬送指令及所預先規定之預測規則來預測。又，於後述之第2實施形態中，可從藉由搬送指令預測部23所輸出之搬送指令預測資訊中得到上述預想搬送指令之資訊。
於上述之情形時，狀態預測部21例如輸出關於區域台數設定之設定值之複數個候補(此處作為一例，係設定值{4，4，1}、設定值{3，3，3}、設定值{2，2，5})之各者的狀態預測資訊。作為一例，狀態預測部21針對每個設定值之候補，分別將每個預想搬送指令個別之搬送時間及每個區域個別之塞車度作為狀態預測資訊。
作為一例，決定部22根據搬送優先度為基準以上(搬送優先順序為預先規定之基準值以下)之預想搬送指令之搬送時間越短越佳，且預先由操作員所選定之一個以上之特定區域(特定之灣區)之塞車度越小越佳的觀點，來對於設定值之各候補進行評價。此處，所謂特定區域係複數個區域(灣區)中，作為區域內之塞車容易成為使搬送系統1整體之搬送效率降低之原因之區域，而預先由操作員所選定之區域等。例如，決定部22對於設定值之各候補i(此處，i＝1、2、3)，計算藉由下式(1)所求取之分數Si 。於下式(1)中，tj 表示搬送優先順序(預想值)為預先由操作員等所規定之閾值γ以下之預想搬送指令j的搬送時間，而ck 表示關於特定區域k之預想塞車度。αj 及βk 係預先由操作員所規定之權重參數。 Si ＝ j (αj tj }＋ k (βk ck )...(1)
此處，上述分數Si 越小，於上述之觀點中便意味著越優異。因此，決定部22將複數個設定值之候補之分數Si (此處，為S1 、S2 、S3 )中具有成為最小之分數之設定值的候補i，決定為在預測對象期間Tn+1 內應用於搬送系統1之調整參數。藉由上述之評價例，於搬送系統1內，可一邊抑制容易成為使搬送系統1之搬送效率降低之原因之塞車的發生，一邊盡可能地縮短搬送之優先度較高之搬送指令的搬送時間。
再者，每個由狀態預測部21所輸出之設定值之候補個別的狀態預測資訊並不一定限於上述例子(每個預想搬送指令個別之搬送時間及每個區域之塞車度)。例如，每個設定值之每候補個別之狀態預測資訊，如下所示，亦可為所有預想搬送指令之預想搬送時間(平均等之統計值)及搬送系統整體之預想塞車度(區域平均等之統計值)。 ＜每個區域台數設定之設定值之候補個別之輸出結果之其他例＞ •設定值{4，4，1}所有預想搬送指令之預想搬送時間(平均30秒，分散10秒)＋搬送系統整體之預想塞車度(區域平均：大) •設定值{3，3，3}所有預想搬送指令之預想搬送時間(平均40秒，分散20秒)＋搬送系統整體之預想塞車度(區域平均：中) •設定值{2，2，5}所有預想搬送指令之預想搬送時間(平均60秒，分散60秒)＋搬送系統整體之預想塞車度(區域平均：小)
又，於上述例子中，雖僅對於搬送優先順序為閾值γ以下之預想搬送指令加算「αj ×tj 」，但於無法得到每個預想搬送指令個別之搬送優先順序之預想值之情形時，亦可對於所有預想搬送指令之「αj ×tj 」的加算。
藉由以上所說明之第1實施例，決定部22可根據狀態預測部21之輸出結果而動態地設定區域設定台數之設定值(調整參數)，藉此謀求搬送之最佳化(此處作為一例，一邊抑制所關注之特定區域之塞車度，一邊盡可能地縮短搬送之優先度較高之搬送指令的搬送時間)。
(第2實施例) 於第2實施例中，狀態預測部21作為參數而使用「區域之入口及出口之使用比例」。亦即，狀態預測部21輸出每個區域(此處作為一例係灣區內)之入口及出口之使用比例之設定值之候補個別之狀態預測資訊。此處，所謂入口(或出口)之使用比例，於存在複數個入口(或出口)之情形時，供搬送車2使用複數個入口(或出口)之比例。此處，所謂區域之入口，係於搬送路徑4上搬送車2為了自該區域外進入該區域內可通過之路徑，而所謂區域之出口，係於搬送路徑4上搬送車2為了自該區域內出去該區域外可通過之路徑。
例如，於圖1之例子中，對於中央左端之灣區內(灣區內輸送路線5)設置有2個入口IN1、IN2與2個出口OUT1、OUT2。於該情形時，在欲使搬送車2以均等之比例來使用入口IN1與入口IN2之情形時，該灣區內入口之使用比例之設定值可被規定為「入口IN1:入口IN2＝1:1」等。另一方面，在欲使搬送車2僅使用入口IN1之情形時，該灣區內入口之使用比例之設定值可被規定為「入口IN1:入口IN2＝1:0」等。該參數之設定值例如當搬送車控制器12決定搬送車2之移行路徑時會被加入考量。亦即，搬送車控制器12會考量該參數之設定值來決定搬送車2之移行路徑。更具體而言，搬送車控制器12會以使上述灣區內之實際之入口或出口的使用比例接近由該參數之設定值所規定之入口或出口之使用比例之方式，來決定各搬送車2之移行路徑。
於上述之情形時，狀態預測部21例如輸出關於某特定區域(例如，由操作員等所預先指定之區域)之入口之使用比例及出口之使用比例之設定值之複數個候補之各者的狀態預測資訊。作為一例，狀態預測部21針對每個設定值之候補，與上述實施例1同樣地，分別輸出每個預想搬送指令個別之搬送時間及每個區域個別之塞車度來作為狀態預測資訊。例如，於上述特定之區域為圖1所示之中央左端之灣區內之情形時，作為複數個設定值之候補，例如可使用以下之候補1〜候補3等。 候補1：入口IN1:入口IN2＝0:1及出口OUT1:出口OUT2＝0:1 候補2：入口IN1:入口IN2＝1:1及出口OUT1:出口OUT2＝1:1 候補3：入口IN1:入口IN2＝1:0及出口OUT1:出口OUT2＝1:0
作為一例，決定部22與上述實施例1相同地，將藉由上式(1)所算出之複數個設定值之候補之分數Si (此處，係候補1之分數S1 ，候補2之分數S2 ，候補3之分數S3 )中具有成為最小之分數之設定值之候補i，決定為在預測對象期間Tn+1 內應用於搬送系統1之調整參數。
藉由以上所說明之第2實施例，決定部22可根據狀態預測部21之輸出結果而動態地設定某特定區域之入口及出口之使用比例之設定值(調整參數)，藉此謀求搬送之最佳化(此處作為一例，一邊抑制所關注之特定區域之塞車度，一邊盡可能地縮短搬送之優先度較高之搬送指令的搬送時間)。再者，於第2實施例中，特定區域之入口或出口亦可存在3個以上。又，複數個區域亦可作為特定之區域來使用。
(第3實施例) 於第3實施例中，狀態預測部21作為參數而使用「路徑選擇邏輯」。亦即，狀態預測部21輸出每個路徑選擇邏輯之設定值之候補個別之狀態預測資訊。此處，所謂路徑選擇邏輯，係當要決定已被分配搬送指令之搬送車2之搬送路徑時，用以決定從所預先準備之複數個路徑選擇運算法中要使用哪一個運算法之規則。
例如，作為路徑探索運算法，而對於準備2個不同之運算法之情形進行思考。具體而言，作為一例，作為路徑探索運算法，而對於準備最短時間路徑探查(例如戴克斯特拉演算法等。以下稱為「方式A」)與統計費用路徑探查(例如，使用統計費用求取最短時間路徑之方法。以下稱為「方式B」)之情形進行思考。於該情形時，作為路徑選擇邏輯之設定值之複數個候補，例如可使用如以下般之候補1〜候補3等。 候補1：始終使用方式A。 候補2：若既定之區域(例如跨灣區輸送路線6等)之塞車度為所預先規定之閾值以下便使用方式A，否則便使用方式B。 候補3：若成為對象之搬送指令之搬送優先順序為所預先規定之閾值以下便使用方式A，若該搬送優先順序大於該閾值便使用方式B。
作為一例，決定部22與上述實施例1、2相同地，將藉由上式(1)所算出之複數個設定值之候補之分數Si (此處，係候補1之分數S1 ，候補2之分數S2 ，候補3之分數S3 )中具有成為最小之分數之設定值之候補i，決定為在預測對象期間Tn+1 內應用於搬送系統1之調整參數。
藉由以上所說明之第3實施例，決定部22可根據於狀態預測部21之輸出結果而動態地設定路徑選擇邏輯之設定值(調整參數)，藉此謀求搬送之最佳化(此處作為一例，一邊抑制所關注之特定區域之塞車度，一邊盡可能地縮短搬送優先度較高之搬送指令的搬送時間)。
再者，上述之第1實施例〜第3實施例既可單獨地實施，亦可適當地加以組合。例如，決定部22亦可根據第1實施例，來決定關於區域設定台數之調整參數，並且根據第2實施例，來決定關於區域之入口及出口之使用比例的調整參數。
於以上所述之搬送控制裝置20中，預測對象期間Tn+1 之搬送系統1會被預測之狀態係藉由如上述般被進行機械學習後之狀態預測部21，而自過去期間Tn 之搬送指令及狀態資訊，針對每個參數之設定值之候補分別地被取得。亦即，針對每個參數之設定值之候補，將該參數之設定值應用於搬送系統1之情形時會被預測為會在預測對象期間Tn+1 內會發生之搬送系統1之狀態，係作為狀態預測資訊而被取得。然後，根據每個如此所取得之參數之設定值之候補個別之狀態預測資訊之評價結果，來決定於預測對象期間Tn+1 內被應用於搬送系統1之參數之設定值(調整參數)。因此，藉由搬送控制裝置20，可基於搬送系統1將來的狀態之預測結果(狀態預測資訊)，而以搬送系統1將來的狀態(即，預測對象期間Tn+1 之狀態)會成為盡可能良好之狀態(例如，塞車得以抑制，搬送系統整體之搬送時間變短之狀態)之方式，來決定最佳之參數之設定值。藉此，可根據搬送控制裝置20，而更適當地謀求搬送之最佳化。
又，搬送系統1之狀態包含每個搬送指令個別的搬送時間、物品之搬送量、搬送車2之稼動率、搬送車2之狀態資訊與位置資訊、及搬送車2之速度資訊之至少一者。藉由作為搬送系統1之狀態而使用如上述般之資訊，可適當地進行利用狀態預測部21所進行的預測。又，於決定部22當要決定調整參數時，可適當地進行每個參數之設定值之候補個別之狀態預測資訊間的比較(評價)。
[第2實施形態] 其次，參照圖7至圖9，對第2實施形態之搬送控制裝置20A進行說明。如圖7所示，搬送控制裝置20A如下的部分與搬送控制裝置20不同：進一步具備有搬送指令預測部23；取代狀態預測部21而具備有狀態預測部21A；及取代決定部22而具備有決定部22A；而關於其他構成則與搬送控制裝置20相同。
搬送指令預測部23係以如下之方式被進行機械學習後之預測模式：輸入關於與第1期間建立關聯之搬送指令之資訊，並輸出關於會被預測為會在第1期間之後之第2期間發生之搬送指令的搬送指令預測資訊。所謂與第1期間建立關聯之搬送指令，係於第1期間所發生之搬送指令(例如，於第1期間根據自MES 3被通知至MCS 11之搬送請求而於MCS 11所產生之搬送指令)。與第1期間建立關聯之搬送指令可存在有複數個。
此處，自成為搬送指令之基礎之MES 3所輸出之搬送請求，係對應於跨一定期間會被執行之既定之製造流程而產生。因此，於某期間產生之搬送指令與在該期間之後續期間會產生之搬送指令之間存在有兩者相關的可能性。因此，例如藉由執行使用如下之教師資料之機械學習，可得到搬送指令預測部23。亦即，藉由於連續之過去之期間T1、T2之各者內，將搬送指令彙整，來取得在期間T1內所產生之每個灣區個別之Fr數及To數，並且取得在期間T2所產生之每個灣區個別之Fr數及To數。然後，製作將在期間T1內所產生之每個灣區個別之Fr數及To數與在期間T2內所產生之每個灣區個別之Fr數及To數設為一對的教師資料。可藉由對於複數個不同期間彙整搬送指令製作複數個如上述般之教師資料。然後，藉由執行根據如此所製作之複數個教師資料之機械學習，可得到以如下之方式所構成之搬送指令預測部23：輸入關於與第1期間建立關聯之搬送指令之資訊(於本實施形態中，第1期間內每個灣區個別之To數及Fr數)，並輸出關於會被預測為會在第2期間內產生之搬送指令之搬送指令預測資訊(第2期間內每個灣區個別之To數及Fr數)。如此所得到之搬送指令預測部23，例如係包含類神經網路之已學習模式。
狀態預測部21A於以如下之方式被進行機械學習的部分與狀態預測部21不同：進一步輸入由搬送指令預測部23輸出之搬送指令預測資訊，並輸出每個與第2期間建立關聯之候補個別的狀態預測資訊。狀態預測部21A例如可藉由執行使用狀態預測部21之機械學習所使用之教師資料(與期間T1建立關聯之搬送指令及狀態資訊、以及於期間T2內實際地應用於搬送系統1之參數之設定值及與期間T2建立關聯之狀態資訊)加上與期間T2建立關聯之搬送指令後所得之教師資料的機械學習來得到。
狀態預測部21A係以如下之方式被進行機械學習後之預測模式：輸入與第1期間建立關聯之搬送指令及表示搬送系統1之狀態之狀態資訊、以及關於與第1期間建立關聯之搬送指令之資訊(即，藉由上述之搬送指令預測部23所輸出之資訊)，並輸出與第2期間建立關聯之表示搬送系統1會被預測之狀態的狀態預測資訊。狀態預測部21A與狀態預測部21同樣地，針對每個上述之參數之設定值之候補分別輸出與第2期間建立關聯之狀態預測資訊。
決定部22A藉由對搬送指令預測部23輸入關於與過去期間Tn 建立關聯之搬送指令之資訊，來取得與預測對象期間Tn+1 建立關聯之搬送指令預測資訊。然後，決定部22A藉由對狀態預測部21A輸入與過去期間Tn 建立關聯之搬送指令及狀態資訊和與預測對象期間Tn+1 建立關聯之搬送指令預測資訊，而針對每個參數之設定值之候補分別取得與預測對象期間Tn+1 建立關聯之狀態預測資訊。其後之決定部22A之處理係與決定部22相同。
圖8係表示利用搬送控制裝置20A所進行調整參數之決定流程的圖。圖9係表示搬送控制裝置20A之動作之流程圖。如圖8及圖9所示，首先，藉由關於與過去期間Tn 建立關聯之搬送指令之資訊(於本實施形態中，係過去期間Tn 內每個灣區個別之To數及Fr數)被輸入至搬送指令預測部23，搬送指令預測資訊(於預測對象期間Tn+1 內所預測之每個灣區個別之To數及Fr數)會被輸出。藉此，可得到預測對象期間Tn+1 之搬送指令預測資訊(步驟S21)。再者，如圖8中以虛線所示般，亦可設為對搬送指令預測部23輸入狀態資訊，且搬送指令預測資訊亦可加入狀態資訊之考量而被輸出。
接著，與過去期間Tn 建立關聯之搬送指令、與過去期間Tn 建立關聯之狀態資訊、及於步驟S21中藉由搬送指令預測部23所輸出之與預測對象期間Tn+1 建立關聯之搬送指令預測資訊，會被輸入至狀態預測部21A。其結果，與預測對象期間Tn+1 建立關聯之每個參數之設定值之候補個別之狀態預測資訊，係藉由狀態預測部21A而被輸出。藉此，預測對象期間Tn+1 之狀態預測資訊，可針對每個參數之設定值之候補而分別地得到(步驟S22)。
步驟S23及步驟S24之處理，與上述之圖6所示之流程圖中步驟S12及步驟S13之處理相同。
於預測對象期間Tn+1 內搬送系統1之狀態，會因在預測對象期間Tn+1 所會產生之搬送指令而受到影響。因此，於搬送控制裝置20A中，狀態預測部21A可根據關於藉由搬送指令預測部23所預測之預測對象期間Tn+1 之搬送指令的資訊，而精度更佳地預測預測對象期間Tn+1 內搬送系統1將來的狀態(每個參數之設定值之候補個別的狀態預測資訊)。其結果，就搬送最佳化之觀點而言，於決定部22A可決定更適當之調整參數。
以上，雖已對本發明之實施形態進行說明，但本發明並非被限定於上述之實施形態者，可於不脫離其主旨之範圍內進行各種變更。
例如，第1實施形態之搬送控制裝置20不具備有搬送指令預測部23，而未將關於將來之搬送指令(會被預測為會在預測對象期間產生之搬送指令)的資訊作為輸入資訊來使用。但是，例如在將來會被預定之搬送請求事先從MES 3被通知至MCS 11，而可預先掌握會被預測為在將來會在MCS 11產生之搬送指令之情形時，狀態預測部21亦可將關於如此所預測之搬送指令之資訊作為輸入資訊來使用。
又，藉由決定部22、22A所決定之調整參數，亦可被使用於用以控制MCS 11等之搬送系統1內之元件以外的動作。例如，調整參數亦可被通知至作為上位控制器之MES 3，MES 3之動作(例如，對MCS 11搬送請求之時序等)亦可藉由該調整參數所控制。
又，上述之用以使用於狀態預測部21、21A或搬送指令預測部23之機械學習之教師資料，會在運用搬送控制裝置20、20A之過程(即，反覆地執行圖6或圖9所示之流程圖之動作之過程)中被新產生以及累積。因此，狀態預測部21、21A或搬送指令預測部23亦可藉由隨時進行使用如此被新產生以及累積之教師資料之機械學習，而適當地被更新。如此，藉由一邊運用搬送控制裝置20、20A，一邊更新作為預測模型之狀態預測部21、21A或搬送指令預測部23，可使預測模型的精準度逐漸地提高。亦即，可逐漸地提高藉由決定部22、22A所決定之調整參數之妥當性。
又，於上述實施形態中，作為由搬送車2所搬送之物品(被搬送物)，雖已例示收容有複數個半導體晶圓之FOUP，但物品並不限定於此，例如，亦可為收容有玻璃晶圓、光罩等之其他容器或其他物品。又，供搬送系統1設置之場所並不限定於半導體製造工廠，搬送系統1亦可被設置於其他的設施。
1:搬送系統 2:搬送車 3:MES 4:搬送路徑 5:灣區內輸送路線 6:跨灣區輸送路線 7:處理裝置 8:保管庫 9:合流部 11:MCS 11a:儲存部 12:搬送車控制器 13:保管庫控制器 20,20A:搬送控制裝置 21,21A:狀態預測部 22,22A:決定部 23:搬送指令預測部 81:堆高式起重機 201:處理器 202:RAM 203:ROM 204:輸入裝置 205:輸出裝置 206:通信模組 207:輔助儲存裝置 IN1,IN2:入口 OUT1,OUT2:出口 S11～S13,S21～S24:步驟 t1,t2,t3:時間點 T1,T2:期間 Tn:過去期間 Tn+1:預測對象期間
圖1係表示搬送系統之配置例的圖。 圖2係表示第1實施形態之搬送控制裝置及搬送系統之功能構成之方塊圖。 圖3係表示搬送控制裝置之硬體構成之一例之方塊圖。 圖4係表示搬送指令之一例的圖。 圖5係表示第1實施形態之利用搬送控制裝置所進行之調整參數之決定流程的圖。 圖6係表示第1實施形態之搬送控制裝置之動作之流程圖。 圖7係表示第2實施形態之搬送控制裝置及搬送系統之功能構成之方塊圖。 圖8係表示第2實施形態之搬送控制裝置之調整參數之決定流程的圖。 圖9係表示第2實施形態之搬送控制裝置之動作之流程圖。
1:搬送系統
2:搬送車
3:MES
11:MCS
11a:儲存部
12:搬送車控制器
13:保管庫控制器
20:搬送控制裝置
21:狀態預測部
22:決定部
81:堆高式起重機

Claims (6)

  1. 一種搬送控制裝置，係控制搬送系統之動作者；該搬送系統包含有：搬送路徑；複數個搬送車，其等沿著上述搬送路徑移行，並搬送物品；及搬送車控制器，其對上述搬送車分配搬送指令； 該搬送控制裝置具備有狀態預測部及決定部； 該狀態預測部係以如下之方式被進行機械學習：輸入與第1期間建立關聯之上述搬送指令及表示上述搬送系統之狀態的狀態資訊，針對每個用以控制上述搬送系統之動作之參數之設定值的候補，分別輸出表示與上述第1期間之後之第2期間建立關聯之上述搬送系統被預測之狀態的狀態預測資訊； 該決定部藉由對上述狀態預測部輸入與較預測對象期間更早之過去期間建立關聯之上述搬送指令及上述狀態資訊，而針對每個上述參數之設定值之候補分別取得與上述預測對象期間建立關聯之上述狀態預測資訊，並根據每個上述參數之設定值之候補個別之上述狀態預測資訊之評價結果，來決定於上述預測對象期間內被應用於上述搬送系統之上述參數的設定值。
  2. 如請求項1之搬送控制裝置，其中，上述搬送系統之狀態包含有每個上述搬送指令個別之搬送時間、上述物品之搬送量、上述搬送車之稼動率、上述搬送車之狀態資訊與位置資訊、及上述搬送車之速度資訊之至少一者。
  3. 如請求項1或2之搬送控制裝置，其中，其進一步具備有搬送指令預測部，該搬送指令預測部係以如下之方式被進行機械學習：輸入關於與上述第1期間建立關聯之上述搬送指令之資訊，並輸出關於會被預測為將在上述第2期間產生之上述搬送指令的搬送指令預測資訊； 上述狀態預測部係以如下之方式被進行機械學習：進一步輸入上述搬送指令預測資訊，並輸出每個與上述第2期間建立關聯之上述參數之設定值之候補個別的上述狀態預測資訊； 上述決定部藉由對上述搬送指令預測部輸入關於與上述過去期間建立關聯之上述搬送指令之資訊，來取得與上述預測對象期間建立關聯之上述搬送指令預測資訊，並 藉由對上述狀態預測部輸入與上述過去期間建立關聯之上述搬送指令及上述狀態資訊、以及與上述預測對象期間建立關聯之上述搬送指令預測資訊，而針對每個上述參數之設定值之候補分別取得與上述預測對象期間建立關聯之上述狀態預測資訊。
  4. 如請求項1或2之搬送控制裝置，其中，上述參數包含有在上述搬送路徑上所規定之每個區域個別的目標值，該目標值係同時存在於區域內之空搬送車之台數的目標值。
  5. 如請求項1或2之搬送控制裝置，其中，上述參數包含有供上述搬送車使用上述搬送路徑上所規定之區域之複數個入口及複數個出口的比例。
  6. 如請求項1或2之搬送控制裝置，其中，上述參數包含有當要決定已被分配上述搬送指令之上述搬送車之搬送路徑時，用以決定自所預先準備之複數個路徑選擇運算法中要使用哪個運算法的規則。
TW109116352A 2019-05-28 2020-05-18 搬送控制裝置 TWI817010B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019099522A JP6885421B2 (ja) 2019-05-28 2019-05-28 搬送制御装置
JP2019-099522 2019-05-28

Publications (2)

Publication Number Publication Date
TW202101365A TW202101365A (zh) 2021-01-01
TWI817010B true TWI817010B (zh) 2023-10-01

Family

ID=73545889

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109116352A TWI817010B (zh) 2019-05-28 2020-05-18 搬送控制裝置

Country Status (4)

Country Link
US (1) US11599115B2 (zh)
JP (1) JP6885421B2 (zh)
CN (1) CN112099484B (zh)
TW (1) TWI817010B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7215257B2 (ja) * 2019-03-15 2023-01-31 トヨタ自動車株式会社 情報処理装置、情報処理方法、及び情報処理プログラム
JP7453102B2 (ja) * 2020-09-09 2024-03-19 シャープ株式会社 移動時間予想装置および移動時間予想方法
JP7331883B2 (ja) * 2021-04-23 2023-08-23 株式会社ダイフク 物品搬送設備、経路設定方法、及び経路設定プログラム
JPWO2022249551A1 (zh) * 2021-05-28 2022-12-01

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100138082A1 (en) * 2008-12-02 2010-06-03 Murata Machinery, Ltd. Transportation vehicle system and method for assigning travel path to transportation vehicle
JP2010282567A (ja) * 2009-06-08 2010-12-16 Murata Machinery Ltd 搬送車システム
CN105923334A (zh) * 2016-04-08 2016-09-07 浙江中烟工业有限责任公司 一种超高速卷烟机的辅料自动配送系统
CN108520375A (zh) * 2018-03-30 2018-09-11 陆英玮 一种基于基站的分布式物流系统和方法
US20190101924A1 (en) * 2017-10-03 2019-04-04 Uber Technologies, Inc. Anomaly Detection Systems and Methods for Autonomous Vehicles

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05120256A (ja) * 1991-10-29 1993-05-18 Toshiba Corp モデル予測制御装置
JPH09153098A (ja) * 1995-11-30 1997-06-10 Omron Corp 車両需要予測システム
JP4441931B2 (ja) 2005-05-06 2010-03-31 村田機械株式会社 搬送台車システム
KR101029258B1 (ko) * 2006-05-12 2011-04-18 무라타 기카이 가부시키가이샤 반송 시스템과 반송 방법
TWI380942B (zh) * 2009-06-25 2013-01-01 Ihi Corp 無人搬送裝置及其搬送路徑決定方法
JP2013050776A (ja) * 2011-08-30 2013-03-14 Murata Mach Ltd 搬送車システムのシミュレーションシステムとシミュレーション方法
KR101440569B1 (ko) * 2013-06-04 2014-09-17 (주)엔스퀘어 무인반송차량 관리 시스템
US9632502B1 (en) * 2015-11-04 2017-04-25 Zoox, Inc. Machine-learning systems and techniques to optimize teleoperation and/or planner decisions
CN107092974B (zh) * 2016-11-29 2021-02-09 北京星选科技有限公司 配送压力预测方法及装置
US10551842B2 (en) * 2017-06-19 2020-02-04 Hitachi, Ltd. Real-time vehicle state trajectory prediction for vehicle energy management and autonomous drive
JP7292824B2 (ja) * 2017-07-25 2023-06-19 ヤフー株式会社 予測装置、予測方法、及び予測プログラム
JP6691077B2 (ja) * 2017-08-18 2020-04-28 ファナック株式会社 制御装置及び機械学習装置
CN108958257A (zh) * 2018-07-25 2018-12-07 深圳市集大自动化有限公司 多台agv组合导航的协同路径规划方法
CN109765915A (zh) * 2019-03-13 2019-05-17 中南大学 一种基于计算机算法的仓储搬运机器人任务调度系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100138082A1 (en) * 2008-12-02 2010-06-03 Murata Machinery, Ltd. Transportation vehicle system and method for assigning travel path to transportation vehicle
JP2010282567A (ja) * 2009-06-08 2010-12-16 Murata Machinery Ltd 搬送車システム
CN105923334A (zh) * 2016-04-08 2016-09-07 浙江中烟工业有限责任公司 一种超高速卷烟机的辅料自动配送系统
US20190101924A1 (en) * 2017-10-03 2019-04-04 Uber Technologies, Inc. Anomaly Detection Systems and Methods for Autonomous Vehicles
CN108520375A (zh) * 2018-03-30 2018-09-11 陆英玮 一种基于基站的分布式物流系统和方法

Also Published As

Publication number Publication date
US11599115B2 (en) 2023-03-07
JP6885421B2 (ja) 2021-06-16
CN112099484A (zh) 2020-12-18
TW202101365A (zh) 2021-01-01
US20200379466A1 (en) 2020-12-03
JP2020194345A (ja) 2020-12-03
CN112099484B (zh) 2024-02-23

Similar Documents

Publication Publication Date Title
TWI817010B (zh) 搬送控制裝置
JP4746674B2 (ja) 搬送システムと搬送方法
US10815058B2 (en) Automated warehouse improvements
JP4782194B2 (ja) 搬送システム
JP2018150124A (ja) ピッキング管理システム、およびピッキング管理方法
US20140018955A1 (en) Production efficiency improving apparatus, production efficiency improving method, and computer program
JPWO2015186444A1 (ja) 搬送車システムと搬送方法
JP4427755B2 (ja) 搬送システム
EP4058954A1 (en) Profiling pallets and goods in a warehouse environment
JP4143828B2 (ja) 搬送台車システム
TW201708997A (zh) 搬運控制裝置及搬運控制系統
JP4441914B2 (ja) 搬送システム
JP7263118B2 (ja) 走行指令割付方法、コントローラ、及び当該コントローラを備える搬送システム
WO2010073475A1 (ja) 搬送車システムおよび搬送車制御方法
Gupta et al. Improving scheduling and control of the OHTC controller in wafer fab AMHS systems
JP4389225B2 (ja) 搬送システム
JP2003347388A (ja) 搬送システム
JP2023098688A (ja) 物品搬送システム及び物品搬送システムの運営方法
JP2003221105A (ja) 自動倉庫の入出庫制御方法
Turhanlar et al. Autonomous Vehicle Travel Between Multiple Aisles by Intelligent Agent-Based Modeling
TW202303817A (zh) 預測裝置
JP2010218380A (ja) 搬送車システム
JP2009237965A (ja) 生産制御装置