JP2022113712A

JP2022113712A - sensor system

Info

Publication number: JP2022113712A
Application number: JP2022083669A
Authority: JP
Inventors: 典大蓬郷; Norihiro Hogo; 清司今井; Seiji Imai; 雄介飯田; Yusuke Iida; 祐輔柴▲崎▼; yusuke Shibasaki
Original assignee: Omron Corp
Current assignee: Omron Corp
Priority date: 2018-10-17
Filing date: 2022-05-23
Publication date: 2022-08-04
Anticipated expiration: 2038-10-17
Also published as: JP7083454B2; JP2020064468A; JP7372607B2

Abstract

PROBLEM TO BE SOLVED: To provide a sensor system allowing a user to easily check how far learning has been advanced when machine learning of a learning model is promoted while a sensor gathers data.

SOLUTION: A sensor system 1 includes: a sensor 30; an acquisition unit 11 for acquiring data measured by the sensor; a generation unit 14 for generating information indicating a degree of progress of machine learning of a learning model using the data acquired by the acquisition unit; and a display unit 15 for displaying information indicating the degree of progress.

SELECTED DRAWING: Figure 1

Description

本開示は、センサシステムに関する。 The present disclosure relates to sensor systems.

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。 Conventionally, sensors are used to measure the status of workpieces and the status of lines to detect anomalies and sort workpieces. Data measured by sensors may be acquired by a plurality of slave units, transferred to a master unit, and aggregated in a control device such as a PLC (Programmable Logic Controller) connected to the master unit.

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。 Patent Literature 1 listed below describes a sensor system that includes a plurality of slave units and a communication device that transmits information received from each slave unit to a control device. Each slave unit transmits detection information such as sensing data to the communication device after a standby time determined for each slave unit has elapsed, starting from a synchronization signal transmitted from one of the slave units. Here, the standby time of each slave unit is determined to be different from the standby time of other slave units. According to the technology described in Patent Document 1, when data measured by a plurality of sensors is aggregated in a control device, data can be transmitted without waiting for a command from the control device, and communication speed can be improved. .

特開２０１４－９６０３６号公報JP 2014-96036 A

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。 In recent years, attempts have been made to generate a learning model for detecting anomalies and sorting workpieces by machine learning, using data measured by a sensor as learning data. However, when proceeding with machine learning of a learning model while collecting data from sensors, it was not clear how far the learning progressed.

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。 SUMMARY OF THE INVENTION Accordingly, the present invention provides a sensor system that can easily confirm how far the learning has progressed when proceeding with machine learning of a learning model while collecting data with a sensor.

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。 A sensor system according to an aspect of the present disclosure includes a sensor, an acquisition unit that acquires data measured by the sensor, and generates information representing the progress of machine learning of a learning model using the data acquired by the acquisition unit. and a display unit for displaying information indicating the degree of progress.

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。 According to this aspect, the information representing the progress of machine learning of the learning model using the learning data including the data measured by the sensor is generated, and the information representing the progress of machine learning can be visually confirmed. It is possible to easily check how far the learning has progressed.

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。 In the above aspect, the information representing the degree of progress may be information representing the progress of the current accuracy of the learning model with respect to the target accuracy of the learning model.

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。 According to this aspect, it is possible to confirm at a glance how far the current accuracy of the learning model has been achieved compared to the target accuracy.

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。 In the above aspect, the generator may calculate the number of data predicted to be required to achieve the target accuracy of the learning model.

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。 According to this aspect, it is possible to grasp how much data is required in order to achieve the target accuracy, and it is possible to grasp the time required to achieve the target accuracy and the operating cost.

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。 The above aspect may further include an input unit that receives a selection to update the learning model when the progress rate of the current accuracy of the learning model with respect to the target accuracy of the learning model is equal to or greater than a predetermined value.

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。 According to this aspect, by updating the learning model based on the input, the learning model is not unintentionally updated, and the reliability of the sensor system can be improved.

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。 The above aspect may further include an external storage medium for storing a backup of at least one of the learning data and the learning model including the data acquired by the acquisition unit.

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。 According to this aspect, even when the storage capacity of the main storage device is not sufficiently large, the past learning data and learning models can be backed up, and the learning data and learning models can be saved after the fact. You can revert to the previous version.

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。 In the above aspect, the external storage medium may further store a backup of information representing the degree of progress.

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。 According to this aspect, it is possible to back up the information indicating the progress of machine learning, and even if the power supply of the sensor system is temporarily cut off, the machine learning of the learning model can be started from an appropriate place. can be resumed.

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。 The above aspect may further include a control device that stores a backup of at least one of the learning data including the data acquired by the acquisition unit and the learning model, and controls the external device based on the data measured by the sensor. .

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。 In the above aspect, the control device may further store a backup of information representing the degree of progress.

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。 In the above aspect, the generation unit may generate information representing a plurality of degrees of progress of machine learning of a plurality of learning models using a plurality of types of learning data including the data acquired by the acquisition unit.

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。 According to this aspect, information representing the progress of machine learning of a plurality of learning models using a plurality of types of learning data including data measured by a sensor is generated, and how far learning has progressed for each learning model. You can easily check if there is

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。 In the above aspect, a plurality of slave units that are connected to the plurality of sensors and acquire data measured by the plurality of sensors, and a master unit that is connected to the plurality of slave units and the control device and has an acquisition unit and a generation unit. , wherein a slave unit that acquires data included in a plurality of types of learning data out of the plurality of slave units displays at least one of information representing a plurality of degrees of progress corresponding to the plurality of learning models. may have a part.

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。 According to this aspect, the slave unit that acquires the data included in the plurality of types of learning data has the display section that displays at least one of the plurality of pieces of progress information corresponding to the plurality of learning models. , which slave unit has collected learning data for which learning model, and how far the learning has progressed can be easily confirmed.

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。 In the above aspect, at least some of the plurality of slave units may have a display section for displaying that the trigger signal specifying the range of data included in the plurality of types of learning data is being generated.

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。 According to this aspect, since the slave unit has the display section for displaying that the trigger signal specifying the range of the data included in the learning data is generated, any learning data can be generated by any slave unit. It is possible to easily confirm whether a trigger signal for is being generated.

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。 ADVANTAGE OF THE INVENTION According to this invention, the sensor system which can confirm easily how much learning progresses, when advancing the machine learning of a learning model while collecting data by a sensor is provided.

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。It is a figure showing an outline of a sensor system concerning an embodiment of the present invention. 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。It is a figure which shows the functional block of the master unit which concerns on this embodiment. 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。It is a figure showing physical composition of a sensor system concerning this embodiment. 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。It is a figure which shows the 1st example which displays the information showing the progress degree of machine learning by the sensor system which concerns on this embodiment. 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。It is a figure which shows the 2nd example which displays the information showing the progress degree of machine learning by the sensor system which concerns on this embodiment. 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。FIG. 11 is a diagram showing a third example of displaying information indicating the degree of progress of machine learning by the sensor system according to the present embodiment; 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。4 is a flowchart of processing executed by the sensor system according to the embodiment; 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。FIG. 11 is a diagram showing a fourth example of displaying information indicating the degree of progress of machine learning by the sensor system according to the present embodiment; 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。It is a figure which shows an example of several data for learning acquired by the sensor system which concerns on this embodiment.

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。 EMBODIMENT OF THE INVENTION Hereinafter, embodiment (it is described as "this embodiment" hereafter.) which concerns on one aspect of this invention is described based on drawing. It should be noted that, in each figure, the same reference numerals have the same or similar configurations.

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。 FIG. 1 is a diagram showing an overview of a sensor system 1 according to an embodiment of the invention. The sensor system 1 includes a master unit 10, a first slave unit 20a, a second slave unit 20b, a third slave unit 20c, a first sensor 30a, a second sensor 30b, a third sensor 30c and a PLC40. Here, the first sensor 30a, the second sensor 30b, and the third sensor 30c are arranged along the line L, and data indicating the passage state of the work conveyed on the line L, the state of the work, and the state of the line L to measure. Also, the first slave unit 20a, the second slave unit 20b, and the third slave unit 20c correspond to multiple slave units that are connected to multiple sensors and acquire data measured by the multiple sensors. More specifically, the first slave unit 20a is connected to the first sensor 30a, the second slave unit 20b is connected to the second sensor 30b, and the third slave unit 20c is connected to the third sensor 30c. The PLC 40 corresponds to a control device. The master unit 10 corresponds to a master unit connected to a plurality of slave units and control devices. In this specification, the first slave unit 20a, the second slave unit 20b, and the third slave unit 20c are collectively referred to as the slave unit 20, and the first sensor 30a, the second sensor 30b, and the third sensor 30c are collectively referred to as the sensor 30. .

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。 The configuration of the sensor system 1 according to this embodiment is an example, and the number of sensors and the number of slave units included in the sensor system 1 are arbitrary. Also, the control device may not necessarily be the PLC 40 .

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。 The master unit 10 may be connected to the PLC 40 via a communication network such as a LAN (Local Area Network). Slave unit 20 is physically and electrically connected to master unit 10 . In this embodiment, the master unit 10 stores information received from the slave unit 20 in the storage section and transmits the stored information to the PLC 40 . Therefore, the data acquired by the slave unit 20 are unified by the master unit 10 and transmitted to the PLC 40 .

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。 As an example, a determination signal and detection information are transmitted from the slave unit 20 to the master unit 10 . The determination signal is a signal indicating the determination result regarding the workpiece determined by the slave unit 20 based on the data measured by the sensor 30 . For example, when the sensor 30 is a photoelectric sensor, the determination signal may be an ON signal or an OFF signal obtained by comparing the amount of light received by the sensor 30 and a threshold value by the slave unit 20 . Detection information is a detection value obtained by the detection operation of the slave unit 20 . For example, when the sensor 30 is a photoelectric sensor, the detection operation may be light projection and light reception, and the detection information may be the amount of received light.

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。 The slave unit 20 may be attached to the side of the master unit 10 . Parallel communication or serial communication may be used for communication between the master unit 10 and the slave unit 20 . That is, the master unit 10 and the slave unit 20 may be physically connected by a serial transmission line and a parallel transmission line. For example, the determination signal may be transmitted from the slave unit 20 to the master unit 10 over the parallel transmission line, and the detection information may be transmitted from the slave unit 20 to the master unit 10 over the serial transmission line. Note that the master unit 10 and the slave unit 20 may be connected through either a serial transmission line or a parallel transmission line.

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。 The PLC 40 controls external devices based on data measured by sensors integrated by the master unit 10 . The PLC 40 may store a backup of at least one of learning data including data received by the master unit 10 from the slave unit 20 and a learning model generated by machine learning using the learning data. By storing at least one of the learning data and the learning model in the PLC 40, the past learning data and the learning model can be backed up even when the storage capacity of the main storage device of the master unit 10 is not sufficiently large. It is possible to restore the training data and learning model to the previous version after the fact.

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。 The external storage medium 50 stores a backup of information received by the master unit 10 from the slave unit 20 . The external storage medium 50 may store a backup of at least one of learning data including data received by the master unit 10 from the slave unit 20 and a learning model generated by machine learning using the learning data. . By providing the external storage medium 50, even if the storage capacity of the main storage device of the master unit 10 is not sufficiently large, it is possible to back up past learning data and learning models. Data and learning models can be reverted to previous versions after the fact.

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。 FIG. 2 is a diagram showing functional blocks of the master unit 10 according to this embodiment. The master unit 10 includes an acquisition section 11 , a storage section 12 , a learning section 13 , a generation section 14 , a display section 15 , an input section 16 and a communication section 17 .

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。 The acquisition unit 11 acquires data measured by the sensor 30 . Acquisition unit 11 acquires a determination signal indicating the passage state of a work from slave unit 20 via a parallel transmission line, and acquires detection information measured by a plurality of sensors 30 from slave unit 20 via a serial transmission line. good.

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。 The storage unit 12 stores first learning data 12a, first learning model 12b, second learning data 12c, and second learning model 12d. The first learning data 12 a includes data measured by the sensor 30 and received from the slave unit 20 . The first learning model 12b is a learning model generated by machine learning using the first learning data 12a, and may be a model in the process of learning. Similarly, the second learning data 12 c includes data measured by the sensor 30 and received from the slave unit 20 . The second learning model 12d is a learning model generated by machine learning using the second learning data 12c, and may be a model in the process of learning. The first learning data 12a and the second learning data 12c may contain different data, but may also contain the same data. Also, the first learning model 12b and the second learning model 12d may be different models, but may be the same model trained with different learning data.

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。 In this embodiment, the storage unit 12 stores two types of learning data and two types of learning models. may be three or more types, or may be one type.

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。 The learning unit 13 performs machine learning of the first learning model 12b using the first learning data 12a stored in the storage unit 12, and performs machine learning of the second learning model 12d using the second learning data 12c. carry out learning.

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。 The generation unit 14 generates information representing the progress of machine learning of the learning model using the data acquired by the acquisition unit 11 . The generation unit 14 may generate information representing a plurality of degrees of progress of machine learning of a plurality of learning models using a plurality of types of learning data including the data acquired by the acquisition unit 11 . In the present embodiment, the generating unit 14 generates information representing the progress of machine learning of the first learning model 12b using the first learning data 12a and the second learning model 12d using the second learning data 12c. Information indicating the degree of progress of machine learning may be generated.

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。 The display unit 15 displays information representing the degree of progress generated by the generation unit 14 . The display unit 15 may be configured by, for example, a liquid crystal display device. Screen examples displayed by the display unit 15 will be described in detail with reference to FIGS. According to the sensor system 1 according to the present embodiment, information representing the progress of machine learning of a learning model using data measured by the sensor 30 is generated, and the information representing the progress of machine learning is visually confirmed. You can easily check how far your learning has progressed. In addition, by generating information representing the progress of machine learning of a plurality of learning models using a plurality of types of learning data including data measured by the sensor 30, it is possible to determine how far learning has progressed for each learning model. You can easily check if there is It should be noted that the display section for displaying the information indicating the degree of progress generated by the generation section 14 may be provided in a device other than the master unit 10, and the display section is provided in the slave unit 20 as illustrated later. may be Also, the display section may be provided in another device capable of communicating with the master unit 10 or the PLC 40 .

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。 The input unit 16 receives a selection to update the learning model when the progress rate of the current accuracy of the learning model with respect to the target accuracy of the learning model is equal to or greater than a predetermined value. The input unit 16 is capable of at least binary input indicating whether or not to update the learning model, and may be configured by a touch panel or numeric keypad. By updating the learning model based on the input from the input unit 16, the learning model is not unintentionally updated, and the reliability of the sensor system 1 can be improved.

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。 The communication unit 17 is an interface that communicates with the PLC 40 . The communication unit 17 may also communicate with an external device other than the PLC 40 , such as an external storage medium 50 .

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。 The external storage medium 50 may store a backup of the information representing the degree of progress generated by the generation unit 14 . Also, the PLC 40 may store a backup of the information representing the degree of progress generated by the generation unit 14 . By storing a backup of information representing the degree of progress in at least one of the external storage medium 50 and the PLC 40, even if the sensor system 1 is temporarily powered off, the machine learning of the learning model can be performed appropriately. You can restart from where you left off.

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。 FIG. 3 is a diagram showing the physical configuration of the sensor system 1 according to this embodiment. The master unit 10 includes input/output connectors 101 and 102 used for connection with the PLC 40, a connection connector 106 used for connection with the slave unit 20, and a power input connector.

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。 The master unit 10 also includes an MPU (Micro Processing Unit) 110, a communication ASIC (Application Specific Integrated Circuit) 112, a parallel communication circuit 116, a serial communication circuit 118, and a power supply circuit.

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。 The MPU 110 operates to centralize and execute all processing in the master unit 10 . Communication ASIC 112 manages communication with PLC 40 . A parallel communication circuit 116 is used for parallel communication between the master unit 10 and the slave unit 20 . Similarly, serial communication circuit 118 is used for serial communication between master unit 10 and slave unit 20 .

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。 The slave unit 20 is provided with connectors 304 and 306 for connection with the master unit 10 or other slave units 20 on both side wall portions. A plurality of slave units 20 can be connected to the master unit 10 in a line. Signals from a plurality of slave units 20 are transmitted to adjacent slave units 20 and then transmitted to the master unit 10 .

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。 Windows for optical communication using infrared rays are provided on both sides of the slave unit 20, and when a plurality of slave units 20 are connected one by one using connectors 304 and 306 and arranged in a line, the light beams facing each other can be seen. The communication window enables two-way optical communication using infrared rays between adjacent slave units 20 .

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。 The slave unit 20 has various processing functions realized by a CPU (Central Processing Unit) 400 and various processing functions realized by a dedicated circuit.

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。 The CPU 400 controls the light projection control unit 403 to cause the light emitting element (LED) 401 to emit infrared rays. A signal generated by the light received by the photodetector (PD) 402 is amplified through an amplifier circuit 404 , converted into a digital signal through an A/D converter 405 , and input to the CPU 400 . The CPU 400 transmits the received light data, that is, the amount of received light as it is to the master unit 10 as detection information. In addition, the CPU 400 transmits an ON signal or an OFF signal obtained by determining whether or not the amount of received light is greater than a preset threshold to the master unit 10 as a determination signal.

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。 Furthermore, the CPU 400 controls the left and right light projection circuits 411 and 413 to emit infrared rays from the left and right communication light emitting elements (LEDs) 407 and 409 to the adjacent slave units 20 . Infrared rays arriving from adjacent left and right slave units 20 are received by left and right light receiving elements (PD) 406 and 408 and then reach CPU 400 via light receiving circuits 410 and 412 . CPU 400 performs optical communication between adjacent slave units 20 on the left and right by controlling transmission and reception signals based on a predetermined protocol.

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。 The light-receiving element 406, the communication light-emitting element 409, the light-receiving circuit 410, and the light-projecting circuit 413 are used to transmit and receive synchronization signals for preventing mutual interference between the slave units 20. FIG. Specifically, in each slave unit 20, the light receiving circuit 410 and the light emitting circuit 413 are directly connected. With this configuration, the received synchronization signal is quickly transmitted from the communication light emitting element 409 to another adjacent slave unit 20 via the light projecting circuit 413 without being subjected to delay processing by the CPU 400 .

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。 The CPU 400 also controls lighting of the display unit 414 . The CPU 400 also processes signals from the setting switch 415 . Various data necessary for the operation of the CPU 400 are stored in a recording medium such as an EEPROM (Electrically Erasable Programmable Read Only Memory) 416 or the like. A signal obtained from the reset unit 417 is sent to the CPU 400 to reset the measurement control. A reference clock is input from an oscillator (OSC) 418 to the CPU 400 .

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。 The output circuit 419 performs transmission processing of a determination signal obtained by comparing the amount of received light with a threshold value. As described above, in this embodiment, the determination signal is transmitted to the master unit 10 by parallel communication.

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。 A transmission line for parallel communication is a transmission line in which the master unit 10 and each slave unit 20 are individually connected. That is, the plurality of slave units 20 are each connected to the master unit 10 by separate parallel communication lines. However, the parallel communication line connecting the master unit 10 and the slave units 20 other than the slave unit 20 adjacent to the master unit 10 can pass through other slave units 20 .

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。 The serial communication driver 420 performs reception processing of commands and the like transmitted from the master unit 10 and transmission processing of detection information (light receiving amount). In this embodiment, the RS-422 protocol is used for serial communication. The RS-485 protocol may be used for serial communication.

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。 A transmission line for serial communication is a transmission line to which the master unit 10 and all the slave units 20 are connected. That is, all the slave units 20 are connected to the master unit 10 via serial communication lines in a bus format so that signals can be transmitted.

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。 FIG. 4 is a diagram showing a first example of displaying information indicating the degree of progress of machine learning by the sensor system 1 according to this embodiment. In the figure, an example of the first screen DP1 displayed on the display unit 15 is shown.

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。 The first screen DP1 includes a graph showing the relationship between the accuracy of the learning model and the number of different data included in the learning data (the number of learning data). The graph shown in the figure is an example of information representing the degree of progress of machine learning. In this example, when the current number of learning data is 600, the accuracy of the current learning model is 92.5%, indicating that the target accuracy of 99.0% is not reached. Also, from the graph, it can be seen that the relationship between the accuracy of the learning model and the number of training data is not linear. can be read. The person who manages the learning model can set the target accuracy so as to balance the accuracy and the learning time while confirming the relationship between the accuracy of the learning model and the number of learning data.

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。 The first screen DP1 also indicates the number of data predicted to be required to achieve the target accuracy of the learning model as "the number of data predicted to be required". In this example, the "predicted number of data required" is 1,950. The generation unit 14 may calculate the number of data predicted to be required to achieve the target accuracy of the learning model. As a result, it is possible to grasp how much data is required in order to achieve the target accuracy, and it is possible to grasp the time required to achieve the target accuracy and the operating cost.

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。 The first screen DP1 includes a display of learning progress rate. The learning progress rate is an example of information representing the degree of progress of machine learning, and is an example of information representing the progress of the current accuracy of the learning model with respect to the target accuracy. In this example, the learning progress rate is 30.8%. In this way, the progress rate of machine learning can be visually confirmed, and the progress of learning can be confirmed at a glance. In addition, it is possible to confirm at a glance how far the current accuracy of the learning model has been achieved compared to the target accuracy.

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。 FIG. 5 is a diagram showing a second example of displaying information indicating the degree of progress of machine learning by the sensor system 1 according to this embodiment. In the figure, an example of the second screen DP2 displayed on the display unit 15 is shown.

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。 The second screen DP2 includes a graph showing the relationship between the accuracy of the learning model and the number of different data included in the learning data. The graph shown in the figure is an example of information representing the degree of progress of machine learning. In this example, when the number of data in the learning data is 2000, the accuracy of the learning model is 99.7%, which indicates that it exceeds the target accuracy of 99.0%.

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。 The second screen DP2 includes a display of learning progress rate. The learning progress rate is an example of information representing the degree of progress of machine learning, and is an example of information representing the progress of the current accuracy of the learning model with respect to the target accuracy. In this example, the learning progress rate is 100%. In this way, the progress rate of machine learning can be visually confirmed, and the progress of learning can be confirmed at a glance.

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。 The second screen DP2 includes a first button B1 indicated as "update learning model" for accepting update of the learning model, and a first button B1 indicated as "cancel" for suspending reflection of the learning result without updating the learning model. 2 button B2. The first button B1 and the second button B2 may be displayed when the accuracy of the learning model exceeds the target accuracy, and when the first button B1 is selected by the input unit 16, the learning model is updated.

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。 FIG. 6 is a diagram showing a third example of displaying information indicating the degree of progress of machine learning by the sensor system 1 according to this embodiment. In the figure, an example of the third screen DP3 displayed on the display unit 15 is shown.

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。 The third screen DP3 includes displays of "target accuracy", "accuracy of current learning model", and "learning progress rate". In this example, the "target accuracy" is 99.00%, the "current learning model accuracy" is 92.74%, and the "learning progress rate" is 61.00%.

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。 The third screen DP3 also includes an indicator I that indicates the learning progress rate. The indicator I is an example of information representing the degree of progress of machine learning. The indicator I indicates the progress rate of the current accuracy of the learning model with respect to the target accuracy using a bar. With such a display as well, the progress rate of machine learning can be visually confirmed, and the progress of learning can be confirmed at a glance.

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）。 FIG. 7 is a flowchart of processing executed by the sensor system 1 according to this embodiment. First, the sensor system 1 acquires data measured by the sensor 30 (S10). Then, the sensor system 1 uses learning data including the acquired data to perform machine learning of the learning model (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）。 The sensor system 1 generates information representing the progress of machine learning of the learning model using the learning data including the acquired data (S12), and is predicted to be necessary for achieving the target accuracy of the learning model. The number of data is calculated (S13). Then, the sensor system 1 displays information representing the degree of progress and the number of data estimated to be required to achieve the target accuracy on the display unit 15 (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。 The sensor system 1 determines whether the learning progress rate is equal to or greater than a predetermined value (S15). If the progress rate of learning is not equal to or greater than the predetermined value (S15: NO), the process from acquisition of data (S10) to display of information indicating the degree of progress (S14) is executed again. On the other hand, if the learning progress rate is equal to or greater than the predetermined value (S15: YES), it is determined whether to update the learning model (S16). Here, whether or not to update the learning model may be determined based on the input from the input unit 16 . If the learning model is to be updated (S16: YES), the learning model is updated (S17). On the other hand, if the learning model is not updated (S16: NO), the process ends without updating the learning model. When updating the learning model, a backup of the learning model before updating may be stored in the external storage medium 50 .

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。 FIG. 8 is a diagram showing a fourth example of displaying information indicating the degree of progress of machine learning by the sensor system 1 according to this embodiment. Among the plurality of slave units 20, the slave unit 20 that acquires the data included in the plurality of types of learning data has a display unit 21 that displays at least one of the plurality of pieces of progress information corresponding to the plurality of learning models. have. In this example, a fourth slave unit 20d, a fifth slave unit 20e, a sixth slave unit 20f, a seventh slave unit 20g, an eighth slave unit 20h, and a ninth slave unit 20i are shown as the plurality of slave units 20. . The fourth slave unit 20d is connected to a fourth sensor 30d that acquires the first learning data 12a, and the fifth slave unit 20e outputs a trigger signal representing the starting point of the data to be included in the first learning data 12a. The sixth slave unit 20f is connected to a sixth sensor 30f that generates a trigger signal representing the end point of the data to be included in the first learning data 12a. Similarly, the seventh slave unit 20g is connected to a seventh sensor 30g that acquires the second training data 12c, and the eighth slave unit 20h represents the starting point of the data to be included in the second training data 12c. The ninth slave unit 20i is connected to the eighth sensor 30h that generates the trigger signal, and the ninth slave unit 20i is connected to the ninth sensor 30i that generates the trigger signal representing the end point of the data to be included in the second learning data 12c. .

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。 FIG. 8 shows the sensor state S displayed on the display section 21 of the slave unit 20. As shown in FIG. The sensor state S displayed on the display unit 21 may include "learning", "trigger", "learning completed", and "model invalid". Such display of the sensor state S is an example of display of information indicating the degree of progress. “Learning” indicates that the machine learning of the learning model is progressing using the data measured by the sensor 30 connected to the slave unit 20, and the learning is not completed. “Trigger” indicates that the sensor 30 connected to the slave unit 20 is generating a trigger signal specifying the range of data to be included in the learning data. "Learning completed" indicates that the machine learning of the learning model is progressed using the data measured by the sensor 30 connected to the slave unit 20, and the learning is completed. “Model invalid” indicates that the learning model generated using the data measured by the sensor 30 connected to the slave unit 20 is not running. The display section 21 of the slave unit 20 may display the sensor state S based on the instruction sent from the generation section 14 of the master unit 10 . Instructions sent from the generator 14 are sent from the master unit 10 via the serial communication circuit 118 to the fourth slave unit 20d, fifth slave unit 20e, sixth slave unit 20f, seventh slave unit 20g, and eighth slave unit 20h. and the ninth slave unit 20i.

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。 In this example, the fourth display section 21d of the fourth slave unit 20d indicates that "learning is completed", and using the data measured by the fourth sensor 30d connected to the fourth slave unit 20d, , indicating that the machine learning of the learning model has completed. A fifth display portion 21e of the fifth slave unit 20e and a sixth display portion 21f of the sixth slave unit 20f indicate "trigger", and a trigger signal designating the data range of the first learning data 12a is displayed. are connected to the fifth sensor 30e and the sixth sensor 30f that generate the . The seventh display section 21g of the seventh slave unit 20g indicates that "learning is in progress", and the data measured by the seventh sensor 30g connected to the seventh slave unit 20g is used to determine the learning model. It shows that machine learning is progressing. The eighth display section 21h of the eighth slave unit 20h and the ninth display section 21i of the ninth slave unit 20i indicate "trigger", and a trigger signal specifying the data range of the second learning data 12c are connected to the eighth sensor 30h and the ninth sensor 30i that generate the .

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。 In this way, the slave unit 20 that acquires data included in multiple types of learning data has the display unit 21 that displays at least one of information representing multiple progress levels corresponding to multiple learning models. , which slave unit 20 has collected learning data for which learning model, and how far the learning has progressed can be easily confirmed.

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。 Further, by having the display unit 21 for displaying that the slave unit 20 is generating a trigger signal that designates the range of data included in the learning data, it is possible to determine which learning data is generated by which slave unit 20. It is possible to easily confirm whether a trigger signal for is generated.

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。 Note that the sensor state S shown in this example is merely an example, and the display unit 21 of the slave unit 20 may display information indicating the degree of progress of machine learning in another manner. For example, the display unit 21 of the slave unit 20 may display "learning in progress", "trigger", and "learning completed" by distinguishing between a plurality of learning models.

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。 FIG. 9 is a diagram showing an example of a plurality of learning data acquired by the sensor system 1 according to this embodiment. In the figure, data measured by the fourth sensor 30d connected to the fourth slave unit 20d, data measured by the fifth sensor 30e connected to the fifth slave unit 20e, and data measured by the sixth slave unit 20f Data measured by the connected sixth sensor 30f, data measured by the seventh sensor 30g connected to the seventh slave unit 20g, and data measured by the eighth sensor 30h connected to the eighth slave unit 20h. and data measured by the ninth sensor 30i connected to the ninth slave unit 20i.

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。 The data measured by the fourth sensor 30d is time-series data, and the master unit 10, among the data measured by the fourth sensor 30d, measures the waveform of the data measured by the fifth sensor 30e from the rising time of the waveform. The first range A up to the point of time when the waveform of the data measured by the 6 sensor 30f falls is acquired as the first learning data 12a.

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。 In addition, the data measured by the seventh sensor 30g is time-series data, and the master unit 10 measures the data measured by the eighth sensor 30h from the waveform rising time of the data measured by the seventh sensor 30g. , the second range B up to the waveform falling edge of the data measured by the ninth sensor 30i is acquired as the second learning data 12c.

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。 In this way, by defining the data range used as learning data by the trigger signal of the sensor, a large amount of learning data can be automatically generated.

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。 The embodiments described above are for facilitating understanding of the present invention, and are not intended to limit and interpret the present invention. Each element included in the embodiment and its arrangement, materials, conditions, shape, size, etc. are not limited to those illustrated and can be changed as appropriate. Also, it is possible to partially replace or combine the configurations shown in different embodiments.

［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）。 [Appendix 1]
a sensor (30);
an acquisition unit (11) for acquiring data measured by the sensor (30);
a generation unit (14) that generates information representing the progress of machine learning of the learning model using the data acquired by the acquisition unit (11);
a display unit (15) for displaying information indicating the degree of progress;
A sensor system (1) comprising:

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 Reference Signs List 1 sensor system 10 master unit 11 acquisition unit 12 storage unit 12a first learning data 12b first learning model 12c second learning data 12d second learning model 13... Learning unit 14... Generation unit 15... Display unit 16... Input unit 17... Communication unit 20a... First slave unit 20b... Second slave unit 20c... Third slave unit 20d... Fourth Slave unit 21d... 4th display section 20e... 5th slave unit 21e... 5th display section 20f... 6th slave unit 21f... 6th display section 20g... 7th slave unit 21g... 7th display Part 20h... Eighth slave unit 21h... Eighth display part 20i... Ninth slave unit 21i... Ninth display part 30a... First sensor 30b... Second sensor 30c... Third sensor 40... PLC 101, 102 Input/output connector 106 Connector 110 MPU 112 Communication ASIC 116 Parallel communication circuit 118 Serial communication circuit 304, 306 Connector 400 CPU 401 Light emitting elements 402, 406, 408 Light receiving elements 403 Light emission control section 404 Amplifier circuit 405 A/D converter 407, 409 Communication light emitting elements 410, 412 Light receiving circuit 411, 413 ... Light emitting circuit 419 ... Output circuit 420 ... Serial communication driver

Claims

センサと、
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、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。 a sensor;
an acquisition unit that acquires data measured by the sensor;
a generation unit that generates information representing the progress of machine learning of the learning model using the data acquired by the acquisition unit;
a display unit that displays information representing the degree of progress;
The generating unit determines a first relationship between the current number of learning data and the accuracy of the current learning model, and a second relationship between the number of data to be used for future learning and the predicted accuracy of the learning model. generate,
sensor system.

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。 The display unit displays the first relationship and the second relationship in different modes,
A sensor system according to claim 1 .

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。 The first relationship includes information indicating the transition of the accuracy of the learning model up to the current number of data of the learning data,
The second relationship includes information indicating the predicted transition of the accuracy of the learning model up to the number of data used for future learning,
3. A sensor system according to claim 1 or 2.

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。 The information representing the degree of progress is information representing the progress of the current accuracy of the learning model with respect to the target accuracy of the learning model.
4. The sensor system according to any one of claims 1-3.

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。 The generating unit calculates the number of data predicted to be required to achieve the target accuracy of the learning model,
5. A sensor system according to any one of claims 1-4.

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。 Further comprising an input unit that receives a selection to update the learning model when the progress rate of the current accuracy of the learning model with respect to the target accuracy of the learning model is equal to or greater than a predetermined value.
A sensor system according to claim 4 or 5.

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。 Further comprising an external storage medium for storing a backup of at least one of the learning data including the data acquired by the acquisition unit and the learning model,
Sensor system according to any one of claims 1 to 6.

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。 The external storage medium further stores a backup of information representing the degree of progress;
A sensor system according to claim 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。 A control device that stores a backup of at least one of the learning data including the data acquired by the acquisition unit and the learning model, and controls an external device based on the data measured by the sensor.
Sensor system according to any one of claims 1 to 8.

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。 The control device further stores a backup of information representing the degree of progress.
A sensor system according to claim 9 .

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。 The generation unit generates information representing a plurality of progresses of machine learning of a plurality of learning models using a plurality of types of learning data including the data acquired by the acquisition unit.
Sensor system according to any one of claims 1 to 10.

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。 a plurality of slave units connected to each of a plurality of sensors and acquiring data measured by the plurality of sensors;
a master unit connected to the plurality of slave units and a control device and having the acquisition unit and the generation unit;
A slave unit that acquires data included in the plurality of types of learning data, among the plurality of slave units, has a display unit that displays at least one of the plurality of progress degrees corresponding to the plurality of learning models. having
12. The sensor system of claim 11.

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、
請求項１１又は１２に記載のセンサシステム。
At least some of the plurality of slave units have a display unit for displaying that a trigger signal specifying a range of data included in the plurality of types of learning data is being generated,
Sensor system according to claim 11 or 12.