JP5717033B2 - Work support system - Google Patents
Work support system Download PDFInfo
- Publication number
- JP5717033B2 JP5717033B2 JP2012161026A JP2012161026A JP5717033B2 JP 5717033 B2 JP5717033 B2 JP 5717033B2 JP 2012161026 A JP2012161026 A JP 2012161026A JP 2012161026 A JP2012161026 A JP 2012161026A JP 5717033 B2 JP5717033 B2 JP 5717033B2
- Authority
- JP
- Japan
- Prior art keywords
- work
- worker
- supply
- input
- unit
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
- 238000012545 processing Methods 0.000 claims description 90
- 238000000034 method Methods 0.000 claims description 47
- 230000008569 process Effects 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 description 85
- 230000007704 transition Effects 0.000 description 25
- 238000009826 distribution Methods 0.000 description 24
- 238000012937 correction Methods 0.000 description 14
- 230000008859 change Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 239000002245 particle Substances 0.000 description 5
- 238000013179 statistical model Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 230000007723 transport mechanism Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Manipulator (AREA)
Description
本発明は、一連の作業を行う作業者に対して、工具や部品などの必要な物品を作業者の手元に供給する、作業支援システムに関する。 The present invention relates to a work support system that supplies necessary items such as tools and parts to workers who perform a series of operations.
近年、人と共存できるロボットに関する研究開発が活発になされている（例えば特許文献１〜５）。このような研究開発の状況において、特許文献６に開示されている移動ロボットシステムでは、無人搬送車にロボットアームを搭載し、無人搬送車が設備間を移動してロボットアームにより作業を行わせる。
In recent years, research and development related to robots that can coexist with humans have been actively conducted (for example,
一方、生産現場では、生産効率の向上を目指した産業用ロボットによる工場の自動化が進みつつある。ところが、工場内には、ロボットによるハンドリングが困難な部品を組み付ける作業や、巧みな力加減が要求される作業や、状況判断が必要な作業など、ロボットが行うことの難しい作業が数多く存在する。このように人手が必要な作業が未だに存在し、自動化が行われていない工程が数多く残されている。 On the other hand, at the production site, factory automation with industrial robots aiming to improve production efficiency is progressing. However, there are many tasks in the factory that are difficult for the robot to perform, such as assembling parts that are difficult to handle by the robot, tasks that require skillful adjustment, and tasks that require situational judgment. As described above, there are still many processes that require manual work and are not automated.
そのような例として自動車の組立工程が挙げられる。こういった工程では、作業者は車体への部品の組み付け作業の他に、ボルト等の組付部品の選定、部品を組み付けるための工具の取り出しを行わなければならない。部品や工具を保管して収納しているワゴン台車が作業空間端に位置するため、作業者は作業場所とワゴン台車との間を、部品の供給と工具の交換のために行き来することが必要である。このように、作業者は本来の組み付け作業以外に、その作業に付随する作業をも行わなければならず、作業者はこれらの作業に多くの時間と手間をかけることを余儀なくされている。 An example of this is an automobile assembly process. In such a process, the worker must select an assembly part such as a bolt and take out a tool for assembling the part, in addition to the part assembly work on the vehicle body. A wagon cart that stores and stores parts and tools is located at the end of the work space, so workers need to move between the work area and the wagon cart to supply parts and change tools. It is. Thus, in addition to the original assembling work, the worker must also perform work accompanying the work, and the worker is forced to spend a lot of time and effort on these work.
そのため、本発明者らは、作業に応じて必要な工具や部品をロボットアームにより作業者の手元へ配送する作業支援ロボットシステムを研究開発してきた（例えば、特許文献７、非特許文献１及び非特許文献２）。そのような作業支援ロボットシステムについて、自動車の組立工程を例にとって説明する。
For this reason, the present inventors have researched and developed a work support robot system that delivers necessary tools and parts to a worker's hand using a robot arm according to work (for example, Patent Document 7, Non-Patent
自動車の組立工程において、作業者は多くの作業を行う必要があり、各作業は作業工程表に作業内容毎にまとめられている。作業工程表には、各作業において車体に対する位置で指定される作業場所、その作業に必要な部品や工具なども定められている。よって、作業者は車体一台分の特定の作業内容を決められた時間内にこなし、次の車体への組付作業に移行する。つまり、作業者はある場所での作業が終了すると次の場所に移動する。 In an automobile assembly process, an operator needs to perform a lot of work, and each work is summarized for each work content in a work process chart. In the work process table, a work place designated by a position with respect to the vehicle body in each work and parts and tools necessary for the work are also defined. Therefore, the worker completes specific work contents for one vehicle body within a predetermined time, and shifts to an assembly work for the next vehicle body. That is, the worker moves to the next place when the work at one place is completed.
作業者は作業工程表に忠実に作業を行うものの、実際には作業者によって差異がある。そのため、作業者とロボットの協調作業を実現させるためには、ロボットは作業者に応じて部品や工具の供給時間及び供給場所を適応的に変化させて部品や工具を手元に届ける必要がある。 Although the worker performs the work faithfully to the work schedule, there are actually differences depending on the worker. Therefore, in order to realize cooperative work between the worker and the robot, it is necessary for the robot to deliver the parts and tools to the hand by adaptively changing the supply time and place of the parts and tools according to the worker.
そこで、本発明者らは、作業者の運動の統計的解析結果を基に、作業者に応じてロボットがサポートすることを次のように考えた。このシステムでは、車体座標系を一定幅のメッシュで離散化し、各セル内で作業者が計測された確率を３種類の統計的なモデルを用いて表している。 Therefore, the present inventors considered that the robot supports according to the worker based on the statistical analysis result of the worker's movement as follows. In this system, the vehicle body coordinate system is discretized with a fixed-width mesh, and the probability of the operator being measured in each cell is expressed using three types of statistical models.
統計的モデルの一つ目は、各作業において作業者がどの場所（セル）で作業を行っている割合が高いのかを表した確率（「位置に対する作業者の存在率」と呼ぶ。）を用いて、各作業に対してそれぞれの作業を行う可能性が高い場所（セル）を示す。これにより、部品や工具の供給位置を決定する。 The first statistical model uses a probability (referred to as “the presence rate of the worker with respect to the position”) that expresses in which place (cell) the worker is working in each work. Thus, a place (cell) that is highly likely to perform each work is shown. Thereby, the supply position of components or tools is determined.
統計的モデルの二つ目は、供給時刻を決定するために、ある時刻において各作業を行っている確率（「時間に対する作業の実行率」と呼ぶ。）を求める。 The second statistical model obtains the probability of performing each work at a certain time (referred to as “work execution rate with respect to time”) in order to determine the supply time.
統計的モデルの三つ目は、作業者の位置からどの作業を行っている可能性が高いのかを表す確率（「位置に対する作業の実行率」と呼ぶ。）を用いて、その時の作業者の位置から作業内容を推定し、作業進度の推定を行っている。 The third statistical model uses the probability (referred to as “work execution rate for position”) that indicates which work is likely to be performed from the position of the worker. The work content is estimated from the position, and the work progress is estimated.
この３つ目の統計的モデルを用いることにより、次の供給時刻よりも早く作業者が次の作業場所へ移動した場合には、作業者の位置から次の作業場所へ移動したことを認識し、供給時刻を修正し、修正前の供給時刻よりも早く、作業者の作業進度に合わせて作業者へ部品や工具の供給を行う。 By using this third statistical model, when the worker moves to the next work place earlier than the next supply time, it recognizes that the worker has moved from the worker's position to the next work place. The supply time is corrected, and parts and tools are supplied to the worker in accordance with the work progress of the worker earlier than the supply time before the correction.
このシステムでは、作業進度に合わせて、供給時刻について実時間の修正を行っている。これにより、作業者の作業進度が普段よりも早いペースで進んでいた場合、もともとの供給時刻よりも時間を前倒しして作業者のもとへ部品や工具を供給することができる。 In this system, the actual time is corrected for the supply time in accordance with the work progress. As a result, when the work progress of the worker is proceeding at a faster pace than usual, the parts and tools can be supplied to the worker ahead of time from the original supply time.
また、本発明者らは、作業者の移動に合わせたロボットアームの供給動作を行い、さらに作業効率を向上させるために、作業者の位置情報データからマルコフモデルを生成し、作業者の移動軌道を予測する手法を提案してきた（非特許文献２）。 Further, the present inventors perform a robot arm supply operation in accordance with the movement of the worker, and further generate a Markov model from the worker's position information data in order to improve the work efficiency, Has been proposed (Non-Patent Document 2).
特許文献７、非特許文献１及び非特許文献２に開示したシステムにおいては、作業進度でレーザーセンサでの計測から作業者の動きに関して統計処理を行い、最適な供給タイミングと位置を求めて、その求めた供給位置に基づいてロボットアームの軌道を計算し、その軌道に沿ってかつ供給タイミングに従ってロボットアームを変位させる。
In the systems disclosed in Patent Document 7, Non-Patent
そのため、供給タイミングと位置を決定するためには、ある一定以上の作業者の動きに関するデータが必要となり、オフラインでのデータベース蓄積のために、デモンストレーションとトライが必要となる。 Therefore, in order to determine the supply timing and position, data relating to a certain amount of worker movement is required, and demonstration and trial are required for offline database accumulation.
そのため、複数のモデルへの対応、タクトタイムや作業変成の変更が多い生産ラインにおいては、作業支援ロボットシステムを導入することが難しい。 For this reason, it is difficult to introduce a work support robot system in a production line that supports a plurality of models and has many tact times and work changes.
そこで、本発明では、作業の変更が生じやすい生産ラインへスムーズに導入できる、作業支援システムを提供することを目的とする。 Therefore, an object of the present invention is to provide a work support system that can be smoothly introduced into a production line where work changes are likely to occur.
上記目的を達成するために、本発明は、作業者に対して物品を供給する供給手段と、作業者から作業状況に関する入力を受ける入力手段と、入力手段から入力されたデータに基づいて作業の状況を特定する作業状況特定手段と、レーザーセンサを有する計測手段と、計測手段から入力されたデータに基づいて作業者の位置を特定する作業者位置特定手段と、作業状況特定手段から入力された作業の状況情報及び作業者位置特定手段から入力された作業者の位置情報に基づいて、作業者へ追従するように又は作業者を誘導するように、供給手段のうち特定の部位の位置を決定する位置決定手段と、位置決定手段により決定された位置に基づいて供給手段を制御する第１制御手段と、作業者位置特定手段から入力された作業者の位置情報から統計処理を行って作業状況を予測する作業状況予測手段と、作業状況予測手段により予測された作業状況に基づいて供給手段を制御する第２制御手段と、第１制御手段、第２制御手段の何れかに基づいて供給手段を制御するように切り替える制御切替手段と、を備えており、これにより、作業状況予測手段による統計処理が可能となるまで作業者位置特定手段から入力された作業者の位置情報を作業状況予測手段に蓄積させながら第１制御手段により供給手段を制御する一方、作業状況予測手段による統計処理が可能となるまで上記作業状況予測手段が作業者の位置情報を蓄積したと判断すると第２制御手段により供給手段を制御する。 In order to achieve the above object, the present invention provides a supply means for supplying an article to an operator, an input means for receiving an input regarding the work status from the worker, and a work based on data input from the input means. Work status specifying means for specifying the situation, measurement means having a laser sensor, worker position specifying means for specifying the position of the worker based on data input from the measurement means, and input from the work status specifying means Based on the work status information and the worker position information input from the worker position specifying means, the position of a specific part of the supply means is determined so as to follow the worker or guide the worker. The position determination means, the first control means for controlling the supply means based on the position determined by the position determination means, and the statistical information from the worker position information input from the worker position specifying means. Any of the first control means, the second control means, the second control means for controlling the supply means based on the work situation predicted by the work situation prediction means Control switching means for switching so as to control the supply means on the basis of the position of the worker input from the worker position specifying means until statistical processing by the work status prediction means becomes possible. While the information is stored in the work situation prediction means, the supply means is controlled by the first control means, and it is determined that the work situation prediction means has accumulated the position information of the worker until the statistical processing by the work situation prediction means becomes possible. Then, the supply means is controlled by the second control means.
上記作業支援システムにおいて、第２制御手段による供給手段の制御から第１制御手段による供給手段の制御に切り替えるよう、制御切替手段への指令の入力を受ける切替入力手段を備える。 The work support system includes switching input means for receiving a command input to the control switching means so as to switch from control of the supplying means by the second control means to control of the supplying means by the first control means.
上記作業支援システムにおいて、供給手段がロボットアームであり、作業位置決定手段は、現在の作業者の位置と所定範囲内の距離を保つように、ロボットアームが把持する物品の載置部位に関する位置を決定する。 In the work support system, the supply means is a robot arm, and the work position determination means determines a position related to a placement part of an article held by the robot arm so as to maintain a distance within a predetermined range from the current worker position. decide.
上記作業支援システムにおいて、作業位置決定手段は、入力手段からの信号に基づいて作業進度を把握し、工程表を参照しながら、必要に応じてオフセットを加味して次の作業位置を決定する。 In the work support system, the work position determining means determines the work progress based on the signal from the input means, and determines the next work position by adding an offset as necessary while referring to the process chart.
本発明によれば、作業工程に変更等が生じても、変更後の新たな作業工程を作業者に行わせて作業者の行動に関するデータを蓄積することを必要としない。そのため、作業支援システムの導入が容易となり、組立作業などの作業に応じて作業者に必要な物品を提供することができ、生産性の向上を図ることができる。 According to the present invention, even if a change or the like occurs in the work process, it is not necessary to cause the worker to perform a new work process after the change and accumulate data relating to the behavior of the worker. Therefore, the introduction of the work support system is facilitated, and necessary articles can be provided to the worker according to work such as assembly work, and productivity can be improved.
以下、図面を参照しながら本発明の実施形態を説明する。 Hereinafter, embodiments of the present invention will be described with reference to the drawings.
〔第１の実施形態〕
図１ないし図４は、本発明の第１実施形態に係る作業支援システムを示しており、図１は本発明の第１の実施形態に係る作業支援システムのブロック構成図である。図２は図１に示す作業支援システムを作業現場に配置した際の様子を模式的に示す図である。
[First Embodiment]
1 to 4 show a work support system according to the first embodiment of the present invention, and FIG. 1 is a block configuration diagram of the work support system according to the first embodiment of the present invention. FIG. 2 is a diagram schematically showing a state when the work support system shown in FIG. 1 is arranged at the work site.
本発明の第１の実施形態に係る作業支援システム１０は、ロボットアームなどの供給手段１１と、入力手段１２と、計測手段１３と、作業者位置特定手段１４と、作業状況特定手段１５と、位置決定手段１６と、第１制御手段１７と、作業状況予測手段１８と、第２制御手段１９と、制御切替手段２０と、切替入力手段２１と、を備える。
A
供給手段１１は、作業者に対して必要な工具や部品を供給する手段であり、例えば図２に示すようなロボットアーム１１ｘであってよく、これ以外に、ベルトコンベアなどの搬送手段であってもよい。以下、供給手段１１をロボットアーム１１ｘとした場合を例に挙げて説明する。
The supply means 11 is a means for supplying necessary tools and parts to the worker, and may be, for example, a
図２を参照しながら作業支援システム１０を作業現場に配置した際の状況を説明する。自動車の組立ラインにおいては、車体１が図示しない一対のＬ字状のアームで支持され、車体１が移動しながら組み立てられる。図では筐体３０は一つしか示していないが、車体１が移動するラインに沿って筐体３０が間隔を開けて配備されている。筐体３０には、作業者２が作業遂行に当たって必要とする物品、例えば工具や部品を載置可能なテーブル３１が備えられ、テーブル３１の上部には必要となる部品が排出される排出口３２が設けられている。テーブル３１の一端部には一又は複数のロボットアーム１１ｘが駆動可能に取り付けられている。
The situation when the
ロボットアーム１１ｘは、複数の関節がリンク同士を駆動可能に結合して構成されている。ロボットアーム１１ｘは例えば二自由度の水平多関節型のロボットアームであって、図２に示すように、第１の関節部１１ａがテーブル３１と第１のアーム１１ｄとを連結し、第２の関節部１１ｂが第１のアーム１１ｄと第２のアーム１１ｅとを連結し、第３の関節部１１ｃが第２のアーム１１ｅと工具取付用アタッチメント１１ｆ及びトレー１１ｇとを連結している。第１乃至第３の関節部１１ａ，１１ｂ，１１ｃは、何れも鉛直方向に沿って平行に配置される回動軸を有している。筐体３０において、ロボットアーム１１が駆動可能に取り付けられている側と逆側には、複数の工具設置用ボックス３３が設けられている。各工具設置用ボックス３３にはドライバー、トルクレンチなどの手動又は電動の各種工具３４が上から挿入され、ロボットアーム１１ｘ又は作業者により取り出し可能に収容されている。
The
筐体３０には、ロボットアーム１１ｘにおける駆動用電源や駆動部のほか、ビスやナットなど比較的小さな各種の部品３５が収容され、排出口３２からテーブル３１に向けて排出される。ロボットアーム１１ｘの各関節部１１ａ，１１ｂ，１１ｃを駆動してトレー１１ｇをテーブル３１上に移動すれば、トレー１１ｇに部品３５を載せることができ、その後、ロボットアーム１１ｘの各関節部１１ａ，１１ｂ，１１ｃを駆動すれば部品３５を作業者の近くまで搬送することができるし、各種工具３４を取り出すこともできる。
In addition to the driving power source and driving unit for the
入力手段１２は、作業者から作業状況に関する入力を受ける手段であり、作業者２が作業支援システム１０に対する指令や作業状況を入力するためのものである。ここで、入力手段１２は、例えば工具類に備わる動作スイッチのようなものの組み合わせでもよい。
The
計測手段１３は、レーザーセンサを有し作業者の位置を計測する手段である。計測手段１３は、例えば図２に示すようにレーザーセンサ１３ａ，１３ｂを有する。作業者２の作業現場には、作業者２の位置を特定するために複数のレーザーセンサ１３ａ，１３ｂが配置される。このようなレーザーセンサ１３ａ，１３ｂは、レーザ式測域センサ（ＬＲＦ：Laser Range Finder）と呼ばれ、例えば縦に並べて配置されており、ＬＲＦでそれぞれ作業者の腰と両脚の高さを計測することができる。レーザーセンサ１３ａ，１３ｂの配置等については図２に示す場合に限らず、図２に示す筐体３０や建物の壁面でもよい。
The measuring means 13 is a means that has a laser sensor and measures the position of the operator. The measuring means 13 has
作業者位置特定手段１４は、計測手段１３から入力されたデータに基づいて作業者の位置を特定する手段であり、例えば、計測部１３から入力されたデータをクラスタリングして作業者の位置を特定する。センサからのデータ、即ち反射点の集合をクラスタリングし、ある特徴空間上の点をその分布状態に応じて幾つかのグループに分類する。クラスタリングには、ＮＮ(Nearest Neighbor)法、Ｋ−ＮＮ(K Nearest Neighbor Algorithm)法、Ｋ平均（K Mean Algorithm）法などの周知の技術を用いる。
The worker
作業者の位置の特定の仕方についての詳細は、特許文献７及び非特許文献１に開示されている。その手法の概要を説明する。例えば図２を示して説明したように、作業者２の腰の高さ近傍と作業者の脚の高さ近傍とで、鉛直方向に上下に離れた第１のレーザーセンサ１３ａと第２のレーザーセンサ１３ｂとが配置されている。そして、第１のレーザーセンサ１３ａからの出力データをクラスタリングして作業者の位置を特定するためのデータを求め、第２のレーザーセンサ１３ｂからの出力データをクラスタリングして作業者の位置を特定するためのデータを求める。第１のレーザーセンサ１３ａの出力データからクラスタリングにより求めた結果を「腰クラスタ」と呼び、第２のレーザーセンサ１３ｂの出力データからクラスタリングにより求めた結果を「脚クラスタ」と呼ぶことにする。
Details on how to specify the position of the worker are disclosed in Patent Document 7 and
作業者の腰と両脚との位置関係からすると、水平面で考えれば、作業者を示す腰クラスタの周りで一定距離内に、脚クラスタが二つ存在することになる。そこで、計測手段１３から入力されたデータをクラスタリングした結果に基づいて、腰クラスタの中心から所定半径内に二つの脚クラスタがあるか否かにより作業者の位置に関するデータと判定し、作業者の位置を特定することができる。 Considering the positional relationship between the operator's waist and both legs, when considered in the horizontal plane, there are two leg clusters within a certain distance around the waist cluster indicating the operator. Therefore, based on the result of clustering the data input from the measuring means 13, it is determined that the data is related to the worker's position depending on whether there are two leg clusters within a predetermined radius from the center of the waist cluster. The position can be specified.
作業状況特定手段１５は、入力手段１２から入力されたデータに基づいて作業の状況を特定する手段である。前述した入力手段１２の一部として、作業者２が現在行っている作業状況について意図的に入力するためのマイクロスイッチなどの入力ボタンが設けられてもよく、入力手段１２としてマイクロスイッチや赤外線センサなどのセンサがロボットアーム１１ｘの先端側のトレーや工具ホルダなどに設けられてもよい。そのようなセンサ検出信号が作業状況特定手段１５に入力されると、作業状況特定手段１５は入力された信号に基づいて何番目の作業であるかといった作業状況を特定する。なお、作業状況特定手段１５には、作業工程に関する情報として、例えば作業手順、作業エリア、必要となる部品や工具などの情報が格納されており、そのような作業工程テーブルを参照することにより、作業状況を特定することができる。
The work
位置決定手段１６は、作業者２へ追従するように供給手段１１の特定の部位の位置を決定する追従位置決定手段であるか、又は、作業者２を誘導するように供給手段１１の特定の部位の位置を決定する誘導位置決定手段である。位置決定手段１６は、作業者位置特定手段１４から入力された作業者の位置情報と、作業状況特定手段１５から入力された作業の状況情報に基づいて、追従位置又は誘導位置の決定を行う。
The position determination means 16 is a follow-up position determination means for determining the position of a specific part of the supply means 11 so as to follow the
ここで、位置決定手段１６が追従位置決定手段である場合には、現在の作業者の位置と所定の範囲内の距離を保つように、ロボットアーム１１ｘのうち必要な物の載置部位、例えば図２に示すトレーに関する位置を決定する。例えば、位置決定手段１６は、新たに作業状況特定手段１５により特定した作業状況と作業者位置特定手段１４で特定した作業者の位置とから、作業者の移動状況を把握し、次にロボットアーム１１ｘのうち必要な物の載置部位の位置を特定する。その際、前回決定した追従位置と前回からの時間との関係からその特定が妥当か否かを判断する。
また、ロボットアーム１１ｘの載置部位が作業者の位置と仮想的なバネとダンパで繋がっているものとしてモデル化し、そのインピーダンス制御を用いて逐次制御を行ってもよい。
Here, when the
Alternatively, the
一方、位置決定手段１６が誘導位置決定手段である場合、次のような処理を行う。入力手段１２からの信号により作業状況特定手段１５が作業進度を特定するため、位置決定手段１６が、作業状況特定手段１５が保有する作業工程テーブルのような情報を参照し、その特定された作業進度から次の作業位置を特定する。その際、作業者位置特定手段１４から入力された現在の位置情報を考慮する。また、必要に応じてオフセットを考慮し次の作業位置を特定する。 On the other hand, when the position determination means 16 is a guidance position determination means, the following processing is performed. Since the work situation specifying means 15 specifies the work progress by the signal from the input means 12, the position determining means 16 refers to information such as a work process table held by the work situation specifying means 15 and the specified work The next work position is identified from the progress. At that time, the current position information input from the worker position specifying means 14 is considered. Further, the next work position is specified in consideration of the offset as necessary.
第１制御手段１７は、位置決定手段１６により決定された位置に基づいて供給手段１１を制御する。位置決定手段１６により決定される位置は逐次更新されるため、第１制御手段はロボットアーム１１ｘの先端の目標位置を逐次更新し、ロボットアームを制御する。
The
作業状況予測手段１８は、作業者位置特定手段１４から入力された作業者の位置情報、つまり位置座標（Ｘｗ，Ｙｗ）から統計処理を行って作業状況を予測する手段である。ここでの統計処理は各種の処理が考えられるところ、特許文献６及び非特許文献１に開示した処理でも、非特許文献２で開示した処理でも、その他の処理でもよい。ここでは図１に示した処理を説明する。
The work situation prediction means 18 is a means for predicting the work situation by performing statistical processing from the position information of the worker input from the worker position specifying means 14, that is, the position coordinates (Xw, Yw). The statistical processing here may be various types of processing, and may be processing disclosed in
図１に示す形態では、作業状況予測手段１８は、特許文献６及び非特許文献１に開示したように、計算処理兼データベース部１８ａ、供給位置決定手段１８ｅ、供給軌道計算部１８ｆ、供給タイミング決定部１８ｇ、作業進度推定部１８ｈその他の各部により構成されている。
In the form shown in FIG. 1, as disclosed in
計算処理兼データベース部１８ａは作業者位置特定手段１４から作業者の位置（Ｘｗ，Ｙｗ）の入力を受けて統計的処理を行い、第１計算処理部１８ｂにおいて位置に対する作業者の存在率Ｅｍ，ｎ，ｉ，ｊを求め、第２計算処理部１８ｃにおいて時間に対する作業の実行率Ｉｎ，ｔを求め、第３計算処理部１８ｄにおいて位置に対する作業の実行率Ｒｎ，ｉ，ｊを求める。各処理部１８ｂ〜１８ｄは、作業者位置特定手段１４から作業者の位置（Ｘｗ，Ｙｗ）の入力を受けるたびに、Ｅｍ，ｎ，ｉ，ｊ、Ｉｎ，ｔ、Ｒｎ，ｉ，ｊを求めて蓄積し、絶えず更新をする。
The calculation processing /
供給位置決定部１８ｅは、第１計算処理部１８ｂから入力された、位置に対する作業者の存在率に基づいて供給位置を決定し、供給位置調整部１８ｉに出力する。供給位置調整部１８ｉは、入力された供給位置に対して外部から入力することにより教示された供給位置オフセットを加算して、供給軌道計算部１８ｆに出力する。供給軌道計算部１８ｆは、供給位置オフセットを加算して求めた供給位置に基づいて、供給手段１１であるロボットアーム１１ｘの供給軌道ｙ（ｘ）を計算し、第２制御手段１９としてのロボットアーム軌道制御部に出力する。
The supply position determination unit 18e determines a supply position based on the presence rate of the worker with respect to the position input from the first calculation processing unit 18b, and outputs the supply position to the supply position adjustment unit 18i. The supply position adjusting unit 18i adds the supplied supply position offset by inputting from the outside to the input supply position, and outputs it to the supply
供給タイミング決定部１８ｇは、第２計算処理部１８ｃから、時間に対する作業の実行率Ｉｎ，tの入力を受けて供給タイミングｔｎを決定する。作業進度推定部１８ｈは、第３計算処理部１８ｄから、位置に対する作業の実行率Ｒｎ，ｉ，ｊの入力を受け、作業者位置特定部１４から作業者の位置（Ｘｗ、Ｙｗ）の入力を受け、作業進度を推定し、供給時間の修正の必要性を加味して供給時間修正量Δｔｕを求める。よって、供給タイミング決定部１８ｇで決定して求めた供給タイミングｔｎは、教示された供給時刻オフセットΔｔｎを供給時刻調整部１８ｊで加算され、さらに作業進度推定部１８ｈで求めた供給時間修正量Δｔｕを供給時刻実時間修正部１８ｋで加算されて、第２制御手段１９に出力される。
The supply timing determination unit 18g determines the supply timing t n in response to the input of the work execution rate In , t with respect to time from the second
第１計算処理部１８ｂから供給軌道計算部１８ｆまでのデータ処理の流れについて説明する。第１計算処理部１８ｂには、「位置に対する作業者の存在率」の確率分布のデータが算出されて格納されている。この確率分布の計算手法は次の通りである。例えば一定の幅のメッシュで表され、かつ作業対象物である車両２を基準に設定されている座標系において、セル毎に作業者が観測された度数を求め、これを各作業におけるデータの総数で割ることにより、各作業ｎにおいて作業者がその位置（ｉ，ｊ）で作業を行っている割合、すなわち、作業ｎにおける位置（ｉ，ｊ）に対する作業者の存在率Ｅｎ，ｉ，ｊを求める。つまり、Ｅｎ，ｉ，ｊは、作業番号ｎが与えられたときにその作業をしている作業者がどの点にいる可能性が高いかを示している。Ｅｎ，ｉ，ｊは式（１）から求められる。
第１計算処理部１８ｂは上記の確率分布として、Ｅｎ，ｉ，ｊを全ての作業及び全ての位置について求めて格納する。よって、ある作業が与えられたならば、その作業を行う際に、作業者が存在する可能性の最も高い位置を統計的に求めることができる。 The first calculation processing unit 18b obtains and stores En , i, j for all work and all positions as the above probability distribution. Therefore, if a certain work is given, the position where the worker is most likely to exist can be statistically obtained when the work is performed.
供給位置決定部１８ｅは、第１計算処理部１８ｂから入力された、位置に対する作業者の存在率に基づいて供給位置を決定する。Ｅｎ，ｉ，ｊが最も高い位置（ｉ，ｊ）は、各作業についてその作業を行っている作業者が最も存在する可能性が高い位置であるので、この位置の座標を供給位置（ｘｎ、ｙｎ）として出力する。 The supply position determination unit 18e determines the supply position based on the presence rate of the worker with respect to the position input from the first calculation processing unit 18b. Since the position (i, j) with the highest En, i, j is the position where the worker who performs the work is most likely to exist for each work, the coordinates of this position are used as the supply position (x n , y n ).
供給位置調整部１８ｉは、供給位置決定部１８ｅと供給軌道計算部１８ｆとの間に設けられる。供給位置調整部１８ｉは、第１計算処理部１８ｂから出力された、位置に対する作業者の存在率から求めた供給位置（ｘｎ、ｙｎ）にオフセット量（Δｘｎ，Δｙｎ）を加減して供給軌道計算部１８ｆに出力する。
The supply position adjusting unit 18i is provided between the supply position determining unit 18e and the supply
供給位置決定部１８ｅは、当該作業を行う際、作業者が存在する可能性が最も高い位置を（ｘｎ，ｙｎ）として求める。この求めた値（ｘｎ、ｙｎ）は供給位置調整部１８ｉに入力される。そこで、供給位置調整部１８ｉは、その座標に作業者の体の大きさ分だけの任意のオフセット、即ち供給位置オフセット（Δｘｎ，Δｙｎ）を加えた座標を供給位置とする。このオフセットは作業者の好みなどに応じ適宜調整してもよい。 When performing the work, the supply position determination unit 18e obtains the position where the worker is most likely to exist as (x n , y n ). The obtained values (x n , y n ) are input to the supply position adjusting unit 18i. Accordingly, the supply position adjusting unit 18i sets a coordinate obtained by adding an arbitrary offset corresponding to the size of the worker's body, that is, a supply position offset (Δx n , Δy n ) to the coordinates. This offset may be appropriately adjusted according to the preference of the operator.
ここで、ある作業、例えば作業Ａと作業Ｅについては存在率が高い位置が複数存在するような場合、存在率の高い複数の位置の中から先に作業をする位置を選択して、供給位置オフセットを加えた位置を供給位置とする。また、この供給位置は車両に設定されている座標系における作業位置であるため、ロボット座標系に変換し、供給手段であるロボットアームへの手先の目標位置とする。 Here, for a certain work, for example, work A and work E, when there are a plurality of positions with a high presence rate, a position to work first is selected from a plurality of positions with a high presence rate, and the supply position The position to which the offset is added is the supply position. Further, since this supply position is a work position in the coordinate system set in the vehicle, it is converted into a robot coordinate system and set as a target position of the hand to the robot arm as supply means.
このように、供給位置決定部１８ｅが、第１計算処理部１８ｂから、位置に対する作業者の存在率Ｅｍ，ｎ，ｉ，ｊの入力を受けて供給位置（Ｘｎ，Ｙｎ）を決定し、供給位置調整部１８ｉに出力し、供給位置調整部１８ｉが、その供給位置（Ｘｎ、Ｙｎ）に供給位置オフセット量（ΔＸｎ，ΔＹｎ）を加算して供給軌道計算部１８ｆに入力し、供給軌道計算部１８ｆがロボットアームの軌道計算ｙ（ｘ）を行って第２制御手段１９としてのロボットアーム軌道制御部に出力する。
In this way, the supply position determination unit 18e receives the input of the worker presence rate Em, n, i, j with respect to the position from the first calculation processing unit 18b, determines the supply position (Xn, Yn), The supply position adjustment unit 18i outputs the result, and the supply position adjustment unit 18i adds the supply position offset amount (ΔXn, ΔYn) to the supply position (Xn, Yn) and inputs the supply position offset amount (ΔXn, ΔYn) to the supply
一方、第２計算処理部１８ｃ、第３計算処理部１８ｄのそれぞれから第２制御手段１９までにおいては順にデータ処理がなされる。第２計算処理部１８ｃには、「時間に対する作業の実行率」の確率分布が求められて格納されている。この確率分布の算出手法は以下の通りである。ある時間に作業ｎを行っている度数を、計測した車両の台数で割ることで、各時刻ｔに作業者がどの作業ｎを行っているかの割合、すなわち、作業ｎにおける時刻ｔに対する作業の実行率Ｉｎ，ｔを求めることができる。このＩｎ，ｔは、時刻ｔが与えられたとき、その時刻ｔにどの作業を行っている可能性が高いかを示し、次式（２）で求められる。
ここで、Ｗｎ，ｔは時刻ｔにおいてｎ番目の作業が行われた回数であり、Ｍは計測した車両台数、即ち、開始後に作業がなされた作業対象物の数である。時刻ｔはタクトタイムが開始される度にゼロにリセットされる。第２計算処理部１８ｃは、工場の車両搬送コンベヤからの情報を通信により得るなどの方法で、タクトタイムが開始される度にリセットされた時刻情報を得ることができる。
On the other hand, data processing is sequentially performed from each of the second
Here, W n, t is the number of times the n-th work has been performed at time t, and M is the number of measured vehicles, that is, the number of work objects that have been worked after the start. The time t is reset to zero each time the tact time starts. The second
供給タイミング決定部１８ｇは、第２計算処理部１８ｃから入力された、時間に対する作業の実行率に基づいて供給タイミングｔｎを求める。第２計算処理部１８ｃから出力された、時間に対する作業の実行率Ｉｎ、ｔに基づいて、ある時刻において一番度数の高い作業を作業者が行っているものとすると、ある作業から次の作業へと作業が切り替わる時刻が分かるので、次の作業の供給タイミングｔｎが求まる。
The supply timing determination unit 18g obtains the supply timing t n based on the work execution rate with respect to time input from the second
供給時刻調整部１８ｊは、供給タイミング決定部１８ｇと供給時刻実時間修正部１８ｋとの間に設けられ、時間に対する作業の実行率から求めた供給タイミング、即ち供給時刻ｔｎにオフセット量Δｔｎを加えて供給時刻実時間修正部１８ｉに出力する。
The supply
図３は供給タイミング決定部１８ｇ及び供給時刻調整部１８ｊの機能を説明するための図である。図３において、横軸が時刻（Time）、縦軸が繰り返し頻度（Frequency）である。図３のようにタクト時間を１００％に規格化したときの時刻から、何番目の作業が行われているかを判別することができる。作業が切り替わる時刻は、統計的に作業が切り替わる可能性の高い時刻であると仮定して、この時刻をそのまま供給タイミングｔｎとして設定すると、供給が遅れる場合も存在し得る。そのため、供給時刻調整部１８ｊにおいて、供給タイミングｔｎに任意の調整時間である前倒し時間Δｔｎが加えられる。なお、前倒し時間Δｔｎは必ず負の値をとる。作業者が実際に作業に取り掛かる時刻と比べて実際の供給時刻が必ず若干早くなるようにオフセットが設定されていれば、作業者の好みなどに応じてオフセット量を任意に設定してもよい。
FIG. 3 is a diagram for explaining the functions of the supply timing determination unit 18g and the supply
第３計算処理部１８ｄには、「位置に対する作業の実行率」の確率分布が求められて格納されている。この確率分布の算出手法は次の通りである。ある一定の幅の刻みのメッシュでセルに分割された車両座標系において、各作業に対し、セル毎に作業者が計測された度数を当該セルにおけるデータの総数で割る。これにより、作業者がその場所に存在するとき各作業を行っている可能性の割合、すなわち、位置に対する作業の実行率Ｒｎ，ｉ，ｊが求まる。このＲｎ，ｉ，ｊは、作業者の位置（ｉ，ｊ）が与えられたときにその位置にいる作業者がどの作業を行っている可能性が高いかを示しており、式（３）により求められる。
ここで、Ｂｍ，ｎ，ｉ，ｊは、ｌ（エル）台目に（ｉ，ｊ）番地において計測されたデータ点の数であり、Ｌはその番地で作業者が作業した車両の台数である。ｎは作業番号である。
In the third
Here, B m, n, i, j is the number of data points measured at the (i, j) address in the l (el) platform, and L is the number of vehicles on which the worker worked at that address. It is. n is a work number.
作業進度推定部１８ｈは、第３計算処理部１８ｄから入力された、位置に対する作業の実行率と、作業者位置特定部１４から入力された作業者の位置と、から現在行われている作業を推定して供給時刻の修正量を求める。作業進度推定部１８ｈは、実際の作業者の位置に関して実時間で計測した位置から、その時に作業者が最も行っている確率の高い作業を推定し、供給時刻以前に作業者が次の作業に進んでいるか否かを判断する。作業者が次の作業に進んでいる場合には即時に次の工具や部品を供給するよう、供給時刻修正量を出力する。
The work
供給時刻実時間修正部１８ｋは、供給タイミング決定部１８ｇで求めた供給タイミングと、作業進度推定部１８ｈで求めた供給時刻の修正量とを加えることで供給時刻を求める。
The supply time real
供給軌道計算部１８ｆは、供給位置決定部１８ｅから入力された供給位置（ｘｎ，ｙｎ）に供給位置オフセット（Δｘｎ,Δｙｎ）を足した値と、ロボットアームに対し部品や工具を補給する位置について予め設定された値と、に基づいてロボットアーム４１ｂの先端の空間軌道を求める。
The supply
第２制御手段１９としてのロボットアーム軌道制御部は、供給軌道計算部１８ｆで決定されたロボットアーム１１ｘの先端の空間軌道ｙ（ｘ）と、供給タイミング決定部１８ｇ及び供給時刻調整部１８ｊを経由して供給時刻実時間修正部１８ｋから入力された供給時刻Ｔｎ（＝ｔｎ＋Δｔｎ＋Δｔｕ）と、さらにロボットアームに対し部品・工具を補給するタイミングについて予め設定された値と、に基づいてロボットアームの先端の時間軌道を求め、その通りにロボットアームを制御し、運動する。このように第２制御手段１９は、作業状況予測手段１８により予測された作業状況に基づいて供給手段２０を制御する。
The robot arm trajectory control unit as the second control means 19 passes through the spatial trajectory y (x) at the tip of the
以上のように、図１に示す形態では、図１に示す作業状況予測手段１８が、必要となる部品、工具の何れか一方又は双方を供給するタイミング及び位置を決定し、その決定した供給位置に供給手段１１としてのロボットアーム１１ｘの先端を変位するようロボットアーム１１ｘの軌道を計算し、計算結果を第２制御手段１９に入力する。第２制御手段１９には、供給軌道計算部１８ｆから入力された供給軌道ｙ（ｘ）と、供給タイミング決定部１８ｇから出力された供給タイミングｔｎに供給時刻オフセット量Δｔｎ及び供給時間修正量Δｔｕを加えた供給時刻とが入力されるので、それら入力されたデータに基づいてロボットアーム１１を制御する。
As described above, in the form shown in FIG. 1, the work
制御切替手段２０は、第１制御手段１７、第２制御手段１８の何れかに基づいて供給手段２０を制御するように、入力スイッチ２０ａを切り替える。入力スイッチ２０ａは、第１制御手段１７、第２制御手段１８の何れか一方にだけ接続される。予め、入力スイッチ２０ａは第１制御手段１７に接続された状態になっている。作業状況予測手段１８が統計処理を行うのに十分なデータ量を超えると、例えば計算処理兼データベース部１８ａから制御切替手段２０に対して信号が送信されることにより、入力スイッチ２０ａが第２制御手段１８に接続された状態に切り替わる。
The
作業者などが切替入力手段２１にスイッチの切替指令を入力することによりその指令を制御切替手段２０が受けると、入力スイッチ２０ａは第２制御手段１７に接続された状態から第１制御手段１７に接続された状態に強制的に切り替わり、或いはその逆に切り替わる。
When an operator or the like inputs a switch switching command to the switching
これにより、作業者２の作業工程の変更又は作業者２の交代などにより、計算処理兼データベース１８ａに蓄積されているデータがそのまま使用することができない場合であっても対処することができる。
Thereby, even when the data accumulated in the calculation processing /
本発明の第１の実施形態に係る作業支援システム１０では、作業状況予測手段１８に統計処理を行うのに十分な情報が蓄積されていない場合には、制御切替手段２０内の入力スイッチを第１制御手段１７に接続しておく。つまり、作業状況予測手段１８による統計処理が可能となるまで作業者位置特定手段１４から入力された作業者の位置情報を作業状況予測手段１８に蓄積させながら第１制御手段１７により供給手段１１を制御する。そして、作業状況予測手段１８による統計処理が可能となるまで作業状況予測手段１８が作業者の位置情報を蓄積したことを、例えば制御切替手段２０が判断すると、制御切替手段２０は、入力スイッチ２０ａを第１制御手段１７から第２制御手段１９に切り替えて接続する。これにより、第２制御手段１９が供給手段１１としてのロボットアーム１１ｘを制御する。
In the
本発明の第１の実施形態では、作業状況予測手段１８が統計処理を行えるのに十分な情報を未蓄積であっても、第１制御手段１７により供給手段１１の作業者への追従制御又は誘導制御を行える。よって、作業支援システム１０を作業者による作業現場に導入し易くなる。
In the first embodiment of the present invention, even if the work status prediction means 18 has not accumulated enough information to perform statistical processing, the first control means 17 performs tracking control of the supply means 11 to the worker or Guidance control can be performed. Therefore, it becomes easy to introduce the
また、作業支援システム１０は切替入力手段２１を備えているため、この切替入力手段２１により入力スイッチ２０ａを第１制御手段１７、第２制御手段１９の何れか一方に強制的に切り替え制御することができる。よって、一旦システム導入をした後、作業工程に変更等が生じても次のようにすればよい。すなわち、作業者が切替入力手段２１を用いて入力スイッチ２０ａを第２制御手段１９から第１制御手段１７に切り替える。これにより、作業者は変更後の新たな作業工程を行いつつ供給手段１１を第１制御手段１７により制御しながら作業者に必要な物を供給し、同時に作業者の行動に関するデータを作業状況予測手段１８に蓄積することが可能となる。
Further, since the
次に、図１に示す作業支援システム１０による作業支援方法の一例を説明する。図４は、図１に示す作業支援システム１０による作業支援方法の一例の概略フロー図である。
ＳＴＥＰ１として、入力手段１２又は切替入力手段２１に対して逐次追従制御を行うか、統計処理結果に基づく制御を行うかの何れかが入力される。入力手段１２又は切替入力手段２１は逐次追従制御の指令があったかを判断し（ＳＴＥＰ２）、ＳＴＥＰ２でＹＥＳの場合にはＳＴＥＰ３に移り、ＳＴＥＰ２でＮｏの場合にはＳＴＥＰ４に移る。
Next, an example of a work support method by the
As
ＳＴＥＰ３では次に示す逐次追従制御を行う。
ＳＴＥＰ３−１において、作業者位置特定手段１４が作業者の位置をセンサデータから求める。
ＳＴＥＰ３−２において、位置決定手段１６がロボットアーム１１ｘの先端に関する目標位置を演算する。
ＳＴＥＰ３−３として、第１制御手段１７がフィードバックによりロボットアーム１１ｘの先端の現在の位置の入力を受け、その現在の位置とＳＴＥＰ３−２で演算した目標位置との差分が一定の範囲を超えるか否かを判定する。ＳＴＥＰ３−３による判定がＹｅｓであればＳＴＥＰ３−４に移り、ＮｏであればＳＴＥＰ３−１に戻る。
ＳＴＥＰ３−４として、第１制御手段１７はロボットアーム１１ｘの軌道計算を生成する。
ＳＴＥＰ３−５として、第１制御手段１７はＳＴＥＰ３−４で求めた軌道に従い作業者に対する部品や工具の供給位置にロボットアーム１１ｘを動作する。
ＳＴＥＰ３−６として、所定のサイクル数動作したかを例えば切替制御手段２０が判定する。ここで、所定サイクル数とは、ロボットアーム１１ｘの逐次追従制御により作業者の位置データなどが計算処理兼データベース部１８ａに所定量蓄積されるに必要なサイクル数であり、その必要なサイクル数は作業者の作業内容に応じて決定される。ＳＴＥＰ３−６としての判定がＹｅｓであれば、ＳＴＥＰ４の統計処理結果に基づいた制御に移行する。一方、ＳＴＥＰ３−６としての判定がＮｏであれば、ＳＴＥＰ３−１に戻る。
In
In STEP 3-1, the worker
In STEP 3-2, the position determining means 16 calculates a target position related to the tip of the
As STEP 3-3, the first control means 17 receives the input of the current position of the tip of the
As STEP 3-4, the first control means 17 generates a trajectory calculation of the
In STEP 3-5, the first control means 17 operates the
As STEP 3-6, for example, the switching control means 20 determines whether or not the operation has been performed for a predetermined number of cycles. Here, the predetermined number of cycles is the number of cycles necessary for the operator position data and the like to be accumulated in the calculation processing /
ＳＴＥＰ４では次に示す統計処理結果に基づく制御を行う。
ＳＴＥＰ４−１において、作業者位置特定手段１４が作業者の位置をセンサデータから求める。
ＳＴＥＰ４−２において、供給位置決定部１８ｅにおいて、供給位置となる、ロボットアーム１７先端の目標位置を演算する。
ＳＴＥＰ４−３として、供給軌道計算部１８ｆにおいてロボットアーム１１ｘの軌道を生成する。
ＳＴＥＰ４−４として、第２制御手段１９はＳＴＥＰ４−４で求めた軌道に従い部品や工具の供給位置にロボットアーム１１ｘを動作する。
ＳＴＥＰ４‐５として、動作終了か否かを判断し、動作終了でなければＳＴＥＰ４‐１に戻る。
In STEP4, control based on the following statistical processing result is performed.
In STEP 4-1, the worker
In STEP 4-2, the supply position determination unit 18 e calculates the target position of the tip of the
As STEP 4-3, the trajectory of the
In STEP 4-4, the second control means 19 operates the
In STEP 4-5, it is determined whether or not the operation is finished. If the operation is not finished, the process returns to STEP 4-1.
ここで、ＬＲＦの検出データは、誤差や作業者の僅かな動きによりセンサの性能が一定にならない。そのため、ＳＴＥＰ３の逐次追従制御において、ＳＴＥＰ３−３を設けないと、仮にロボットアーム１７が同じ位置にある状態にもかかわらず振動してしまう。すると、ロボットアーム１７により部品や工具などの必要な物品を供給しても、作業者は必要な物品を受け取りにくくなる。
Here, the LRF detection data does not have a constant sensor performance due to an error or a slight movement of the operator. Therefore, if STEP3-3 is not provided in the sequential follow-up control of STEP3, the
そこで、ＳＴＥＰ３の逐次追従制御にあっては、ＳＴＥＰ３−３においてロボットアーム１７先端の現在の位置とロボットアーム１７の先端の目標位置との差分を計算し、その差分が閾値を超えた場合に限り、ＳＴＥＰ３−４においてアーム１７の軌道計算を行い、ＳＴＥＰ３−５においてロボットアーム１７を動作させる。
Therefore, in the sequential follow-up control of
なお、ＳＴＥＰ３の逐次追従制御においても、ＳＴＥＰ４の統計処理結果に基づく制御と同様、レーザーセンサ１２Ａ，１２Ｂにより作業者２の位置を検出すると、統計データとしてデータベース１３ａに蓄積される。
In the sequential follow-up control in
〔第２の実施形態〕
次に、本発明の第２の実施形態について、図５及び図６を用いて説明する。
図５は、第２の実施形態に係る作業支援システムの構成図である。第１の実施形態に係る作業支援システム１０とは、作業位置決定手段１４と第２制御手段１９の間の構成が異なる。
[Second Embodiment]
Next, a second embodiment of the present invention will be described with reference to FIGS.
FIG. 5 is a configuration diagram of a work support system according to the second embodiment. The
作業状況予測手段４０は、予測手段４１と供給位置決定手段４２と供給軌道計手段４３で構成される。予測手段４１は、作業者の移動データから生成したマルコフモデルを用いて作業者の行動を予測するものである。つまり、予測手段４１が、マルコフモデルを用いて作業者の一連の作業中の運動をモデル化し、そのモデルに基づいて、作業毎の作業者位置、作業者の予測軌道、次の作業の開始時刻などを予測すること、及び、そのモデルに基づいて現在の位置を特定すること、のうち一つ以上を行う。そして、第２制御手段１９が、予測手段１０により予測、推定した結果のうち、一又は複数の結果に基づいて、供給手段１１を制御して工具や部品その他の必要な物品を作業者に供給する。
The work
供給位置決定手段４２は、予測手段４１から入力された値であって作業に対する作業者の存在率の期待値に基づいて供給位置を決定するための手段である。供給軌道計算手段４３は供給手段１１による供給タイミングの決定及び供給軌道の計算を行って供給手段１１に対して供給軌道を出力する。 The supply position determination means 42 is a means for determining the supply position based on the value inputted from the prediction means 41 and based on the expected value of the worker presence rate for the work. The supply trajectory calculation means 43 determines the supply timing by the supply means 11 and calculates the supply trajectory, and outputs the supply trajectory to the supply means 11.
作業者の作業空間が状態変数として複数のセルに区分されていることを前提にして説明すると、予測手段４１は、作業者の移動データからマルコフモデルを生成し必要に応じて更新を行い、そのマルコフモデルを用いて作業者が次の作業場所へ移動する到達時間及び移動軌道などを予測するものである。 Assuming that the worker's workspace is divided into a plurality of cells as state variables, the prediction means 41 generates a Markov model from the worker's movement data, updates it as necessary, and The Markov model is used to predict the arrival time, movement trajectory, and the like for the worker to move to the next work location.
ここで、マルコフモデルとは、マルコフ連鎖で記述される確率モデルであり、マルコフ連鎖とは、状態を離散的に表し未来の状態を現在の状態のみによって決定しようとする確率的手法の一つである。 Here, the Markov model is a probabilistic model described by a Markov chain, and the Markov chain is one of the probabilistic methods for discretely representing states and determining the future state only by the current state. is there.
作業者の作業空間が状態変数として複数のセルに分割されている場合を例に挙げて、マルコフモデルをどのように生成するかを説明する。状態変数は作業空間を離散化して定義される。例えば、作業空間が４ｍ×８ｍの空間とすると、３２×６４個のセルに区分し、各セルにセル番号を付してこれを状態変数として定義する。そして、或る時刻に或るセルに作業者が存在するとして現在のセルに留まるか隣接する他のセルに移動するかを状態遷移確率行列で記述する。この状態遷移確率行列を作成すること又は更新することをマルコフモデルの生成、更新と呼ぶ。この状態遷移確率行列に基づいて作業者の移動軌道を予測する。 An example of how a Markov model is generated will be described by taking as an example a case where the worker's workspace is divided into a plurality of cells as state variables. State variables are defined by discretizing the workspace. For example, if the work space is a 4 m × 8 m space, it is divided into 32 × 64 cells, each cell is given a cell number, and this is defined as a state variable. Then, it is described in a state transition probability matrix whether the worker exists in a certain cell at a certain time and whether the worker stays in the current cell or moves to another adjacent cell. Creating or updating this state transition probability matrix is called Markov model generation / update. An operator's movement trajectory is predicted based on this state transition probability matrix.
作業者の位置については、計測手段１３によって、作業者の腰の高さに設定されたLaser Range Finder(LRF)によって計測され、作業者位置推定手段１４によって、計測された点群についてクラスタリング手法とパーティクルフィルタを適用して、作業者の位置を推定する。この推定手法については、先ず、ＬＲＦにより得られたデータ点から背景差分法を用いて障害物と作業者を区別して作業者のデータを抽出し、クラスタリング手法をその抽出結果に適用して生成したクラスタの数を作業者の数とする。次に、各々の作業者をパーティクルフィルタにより追跡することで、パートナーである作業者とそれ以外の作業者の位置推定を行うものである。ここで、パーティクルフィルタとは、多数のパーティクルを用いて過去の状態からの予測と現在の観測情報とを利用することにより、現在の状態を推定する手法である。 The worker's position is measured by the measuring means 13 using a Laser Range Finder (LRF) set at the height of the operator's waist, and the point group measured by the worker position estimating means 14 is a clustering technique. Apply the particle filter to estimate the worker's position. The estimation method is generated by first extracting the worker data from the data points obtained by the LRF by distinguishing the obstacle and the worker using the background difference method, and applying the clustering method to the extraction result. Let the number of clusters be the number of workers. Next, each worker is tracked by a particle filter to estimate the positions of the partner worker and other workers. Here, the particle filter is a method for estimating the current state by using a large number of particles and using prediction from a past state and current observation information.
予測手段４１は、マルコフモデル生成手段４１ａと、マルコフモデル生成手段４１ａにより生成されたマルコフモデルを用いて作業に対する作業者存在位置の期待値を計算する第１計算処理部４１ｂと、作業者の現在の作業を推定する第２計算処理部４１ｃと、マルコフモデル生成手段４１ａにより生成されたマルコフモデルを用いて作業者の予測移動軌道を計算する第３計算処理部４１ｄと、次の作業場所への予測到達時間及び予測移動軌道を計算する第４計算処理部４１ｅと、を備える。
The
第１計算処理部４１ｂは、マルコフモデル生成手段４１ａにより生成したマルコフモデルから状態遷移確率の低い状態変数を抽出し、その抽出した状態変数の分布から、各作業毎に作業者の状態の期待値を求める。状態変数がセルの場合を例にとって具体的に説明すると、第１計算処理部４１ｂは、マルコフモデルにおいて同じセルに居続ける確率の高いセルを抽出し、その抽出したセルの分布を作業数だけのガウス分布で近似し、この中心の座標を各作業毎の作業者が存在する位置の期待値とする。セルの分布をガウス分布で近似しているが、セルの分布をガウス分布以外の近似式で求めてもよい。
The first calculation processing unit 41b extracts a state variable having a low state transition probability from the Markov model generated by the Markov
第２計算処理部４１ｃは、第１計算処理部４１ｂで求めた各作業毎の作業者位置に関するガウス分布その他の近似分布と、作業者位置推定手段１４から入力される作業者の現在の位置（Ｘｗ，Ｙｗ）とを比較することにより、作業者が現在行っている作業を推定する。
The second
第３計算処理部４１ｄは、マルコフモデル生成手段４１ａで生成したマルコフモデルから、任意の状態変数のままである期間（「状態継続時間長」と呼ぶ。）の期待値を計算すること、及び、その状態継続時間長が経過したときの移動先を決定することにより、作業者の移動軌道を予測する。状態変数がセルの場合を例にとって具体的に説明すると、第３計算処理部４１ｄは、マルコフモデル生成手段４１ａにより生成したマルコフモデルにおいて、作業者が各セルに留まり続ける期間（「状態継続時間長」と呼ぶ。）の期待値を計算し、またその状態継続時間長が経過したときの移動先セルをその瞬間の遷移確率が最も高いセルへと決定する。これを繰り返すことにより、予測される作業者の移動軌道を計算する。
The third
第４計算処理部４１ｅは、第２計算処理部４１ｃで推定した現在の作業と第３計算処理部４１ｄで計算した予測移動軌道とに基づいて、次の作業場所へ移動する到達時間と次の作業場所への予測移動軌道を求める。
The fourth
供給位置決定手段４２は、第１計算処理部４１ｂで求めた値であって作業に対する作業者の存在率の期待値に基づいて、供給位置（Ｘｎ，Ｙｎ）を決定する。 The supply position determining means 42 determines the supply position (Xn, Yn) based on the value obtained by the first calculation processing unit 41b and the expected value of the presence rate of the worker for the work.
供給軌道計算手段４２は、供給手段１１による供給タイミングの決定及び供給軌道の計算を行う。 The supply trajectory calculation means 42 determines the supply timing by the supply means 11 and calculates the supply trajectory.
本発明の第２実施形態に係る作業支援システム５０では、第１計算処理部４１ｂ乃至第４計算処理部４１ｅに作業者の位置情報等のデータが統計処理をするのに十分蓄積されていない場合には、第１実施形態と同様、切替スイッチ２０ａを第１制御手段１７に接続しておく。つまり、作業状況予測手段４０による統計処理が可能となるまで、作業者位置特定手段１４から入力された作業者の位置情報を予測手段４１の各計算処理部で処理しながら蓄積させつつ、第１制御手段１７により供給手段１１を制御する。そして、作業状況予測手段４０による統計処理が可能となるまで、各計算処理部４１乃至４１ｅに作業者の位置情報を蓄積したと、例えば制御切替手段２０が判断すると、制御切替手段２０は、入力スイッチ２０ａを第１制御手段１７から第２制御手段１９に切り替えて接続する。これにより、第２制御手段１９が供給手段１１としてのロボットアーム１１ｘを制御する。
In the
作業者の移動データから生成したマルコフモデルを用いて、作業者が次の作業場所へ移動する到達時間及び移動軌道について、作業状況予測手段４がどのように予測するかについて説明する。 A description will be given of how the work situation prediction means 4 predicts the arrival time and movement trajectory for the worker to move to the next work place using a Markov model generated from the worker's movement data.
いま、作業空間が複数のセルに区分されてセル番号が付され、そのセル番号が状態変数として定義されているとする。また、座標Ｘｃと座標Ｙｃからなる車体座標系Σｃの作業空間をセルに分割し、車一台毎に作業者が一連の作業を繰り返し行うものとすると、計測手段１３により、例えばＬＲＦにより作業者の位置が計測されるので、作業者位置推定手段１４により、自動車一台分の作業者の移動軌道データが得られる。マルコフモデル生成手段４１ａにはその自動車一台分の作業者の移動軌道データが入力される。マルコフモデル生成手段４１ａは、その入力を受けて状態遷移確率行列で記述されることにより、マルコフモデルを生成し、更新する。 Now, it is assumed that the work space is divided into a plurality of cells, cell numbers are assigned, and the cell numbers are defined as state variables. In addition, when the work space of the vehicle body coordinate system Σc composed of the coordinates Xc and the coordinates Yc is divided into cells and the worker repeats a series of work for each vehicle, the worker performs measurement by the LRF, for example, Therefore, the worker position estimation means 14 can obtain the movement trajectory data of the worker for one vehicle. The Markov model generation means 41a receives the movement trajectory data of the worker for one vehicle. The Markov model generation means 41a receives the input and is described by the state transition probability matrix, thereby generating and updating the Markov model.
作業者の移動経路を予測するために、マルコフモデル生成手段４１ａが作業者の行動データからマルコフモデルを生成する。いま、作業者の動きについて、前述のように作業空間を複数のセルに区分けして、各セルにセル番号を付して状態変数を定義する。作業者の作業空間、例えば車体座標系における作業空間をメッシュ状に離散化し、それぞれのセルに状態変数を定義する。各セルに対して離散時間間隔Δｔ（秒）毎に作業者の存在した回数をカウントし、統計的にマルコフモデルを生成する。 In order to predict the movement route of the worker, the Markov model generation means 41a generates a Markov model from the worker's behavior data. Now, regarding the movement of the worker, the work space is divided into a plurality of cells as described above, and a cell number is assigned to each cell to define a state variable. An operator's work space, for example, a work space in the vehicle body coordinate system is discretized in a mesh shape, and a state variable is defined in each cell. For each cell, the number of times the worker is present is counted every discrete time interval Δt (seconds), and a Markov model is statistically generated.
この作業状況予測手法では、状態遷移確率ａｉｊは各セルに固有であって、時間によって変化しない値である。つまり、あるセルに作業者が入ったら、この工程の作業開始からの時間は一切関係なく、ある状態継続時間長の期待値分の時間だけそのセルにとどまり、その後状態遷移確率の一番高いセルに移動する、というように作業者の運動をモデル化する。 In this work situation prediction method, the state transition probability a ij is unique to each cell and is a value that does not change with time. In other words, when an operator enters a cell, the time from the start of the operation of this process does not matter at all, it stays in that cell for the time of the expected value of a certain state duration length, and then the cell with the highest state transition probability To model the movement of the worker.
具体的に説明すると、式（４）を用いて、状態遷移確率ａｉｊを計算する。
ここで、ｉは時間ｔ−Δｔのときの状態を示し、ｊは時間ｔのときの状態を示す。Ｎｉｊは作業者が存在したセルがｉからｊへ遷移した回数を示し、Ｎｉは作業者がセルｉに存在した回数を離散時間間隔ごとにカウントしたものである。この状態遷移確率ａｉｊを全iとjの組み合わせについてすべて求め、行列[ａｉｊ]として表したものがこの形態でのマルコフモデルである。なお、ｉ，ｊは状態変数の数がｍ個であれば、ｉ，ｊは１≦ｉ，ｊ≦ｍの関係式を満たす自然数である。
More specifically, the state transition probability a ij is calculated using Equation (4).
Here, i indicates a state at time t-Δt, and j indicates a state at time t. N ij indicates the number of times that the cell in which the worker was present has transitioned from i to j, and N i is the number of times that the worker has been present in cell i at each discrete time interval. This state transition probability a ij is obtained for all combinations of i and j, and expressed as a matrix [a ij ] is a Markov model in this form. Note that i and j are natural numbers satisfying the relational expression of 1 ≦ i and j ≦ m if the number of state variables is m.
このようにして作業者の移動データからマルコフモデルを生成するわけであるが、マルコフモデル生成手段４１ａは、車一台分の作業者の移動軌道データの入力のたびにマルコフモデルを更新してもよいが、必ず更新しなければならないというわけではない。 In this way, the Markov model is generated from the movement data of the worker. The Markov model generation means 41a can update the Markov model every time the movement trajectory data of the worker for one vehicle is input. Good, but not necessarily updated.
次に、上述の生成したマルコフモデルから作業行動をモデル化し作業行動を推定する。第１計算処理部４１ｂによって、作業に対する作業者の存在位置について期待値を計算する。この期待値は、まず作業数のみを既知とし、マルコフモデルにおいて同じセルに居続ける確率の高いセルを抽出し、その抽出したセルの分布を作業数だけのガウス分布その他の分布で近似する。具体的にはＥＭアルゴリズムを用いて各作業におけるガウス分布のパラメータを計算し、そのガウス分布の中心の座標を各作業毎の作業者が存在する位置の期待値とする。ここで、ＥＭアルゴリズムとは、統計学において、確率モデルのパラメータを最尤法に基づいて推定する手法であり、期待値（expectation，Ｅ）ステップと最大化（maximization，Ｍ）ステップとを交互に繰り替えることで計算を進行させるものである。 Next, the work behavior is modeled from the generated Markov model and the work behavior is estimated. The first calculation processing unit 41b calculates an expected value for the worker's location for the work. For this expected value, first, only the number of operations is known, cells having a high probability of staying in the same cell in the Markov model are extracted, and the distribution of the extracted cells is approximated by a Gaussian distribution or other distributions corresponding to the number of operations. Specifically, the parameters of the Gaussian distribution in each work are calculated using the EM algorithm, and the coordinates of the center of the Gaussian distribution are set as the expected value of the position where the worker exists for each work. Here, the EM algorithm is a technique for estimating a parameter of a probabilistic model based on the maximum likelihood method in statistics. The expectation (expectation, E) step and the maximization (maximization, M) step are alternately performed. The calculation is advanced by repeating.
作業者の現在の位置については、第２計算処理部４１ｃによって、前述のように計測手段１３及び作業者位置推定手段１４から求めた作業者の位置と、既に求めた分布であって各作業における作業者位置のガウス分布を比較することにより、作業者がその位置にいるならばどの作業を行っている確率が高いかが計算できるので、その作業を行っていると推定することができる。
As for the current position of the worker, the second
第３計算処理部４１ｄによって、作業者の移動軌道を予測する。作業者の移動軌道予測は、作業者の移動データから生成したマルコフモデルを利用して行われる。この予測は次の２つのステップから成っている。一つは、状態継続時間長の期待値の計算ステップであり、一つは状態遷移確率に従った遷移先の決定ステップである。
The third
状態継続時間長の期待値の計算ステップについて説明する。
状態継続時間長とは、マルコフ過程において状態ｉに留まり続ける期間を意味する。状態継続時間を指定すると、式（５）から、状態ｉが指定した時間ｄ（秒）続く確率pi(d)を求めることができる。
The state duration length means a period during which the state i remains in the Markov process. When the state duration is designated, the probability p i (d) that the state i lasts for the designated time d (seconds) can be obtained from the equation (5).
ここで、πiは初期確率を表す。状態継続時間長の期待値ｄｅｘｐは状態ｉが続く期間の平均を表したもので、式（６）から求めることができる。
この状態継続時間長の期待値は、作業者がこのセルに留まり続ける期間の長さの期待値であるので、このｄｅｘｐ後には別のセルに移動すると考えられる。したがって、移動軌道予測手法において、この期待値が移動時間を予測するために用いられる。 Since the expected value of the state duration time is an expected value of the length of the period during which the worker stays in this cell, it is considered that the cell moves to another cell after this d exp . Therefore, in the moving trajectory prediction method, this expected value is used to predict the moving time.
状態遷移確率に従って遷移先を決定するステップについて説明する。
状態継続時間長の考え方から、状態ｉが状態継続時間長の期待値ｄｅｘｐだけ続いた直後、状態は状態ｉ以外の状態ｊに遷移すると考えられる。すなわち、この状態ｊはｊ≠ｉを満たす何れかの状態である。状態の遷移先は状態遷移確率に従い、状態遷移確率が最大である状態に決定される。
The step of determining the transition destination according to the state transition probability will be described.
From the viewpoint of the state duration length, it is considered that the state transitions to a state j other than the state i immediately after the state i continues by the expected value d exp of the state duration time length. That is, this state j is any state that satisfies j ≠ i. The state transition destination is determined according to the state transition probability to a state having the maximum state transition probability.
よって、以上の、状態継続時間長の期待値を計算するステップ（Ｓｔｅｐ１）と状態遷移確率に従って遷移先を決定するステップ（Ｓｔｅｐ２）とを順に繰り返すことにより、作業者の移動軌道を求めることができる。 Therefore, the movement trajectory of the worker can be obtained by sequentially repeating the above step (Step 1) for calculating the expected value of the state duration time and the step (Step 2) for determining the transition destination according to the state transition probability. .
図６は、図５に示す入力スイッチを第２制御手段に接続した場合において、作業者の移動軌跡予測に関する説明図であり、（ａ）はＳｔｅｐ１とＳｔｅｐ２とを繰り返し、予測される観測系列を求める様子を示したものであり、（ｂ）は、予測された観測系列を基に、離散化された状態空間上において，予測される作業者の移動場所と移動経路を示している。
FIG. 6 is an explanatory diagram regarding the movement trajectory prediction of the operator when the input switch shown in FIG. 5 is connected to the second control means. FIG. 6A repeats
予測の手順としては、まず現在の作業者が離散化された状態空間上の状態３に存在したとして、Ｓｔｅｐ１により状態３に作業者が存在し続ける時間を計算する。次に、Ｓｔｅｐ２によって状態遷移確率に従った遷移先を決定する。いま、遷移先が状態９になったとする。そして、再びＳｔｅｐ１を行い、状態９に作業者が存在し続ける時間を求め、Ｓｔｅｐ２を再び適用して次の遷移先を決める。
As a prediction procedure, first, assuming that the current worker exists in the
このように、２つのステップを繰り返し、状態継続時間長の期待値の合計が対象とする予測時間Ｔｐとなったときに、最終的な遷移状態が、予測されるＴｐ時間後の作業者の移動場所である。図では、作業者の予測される移動場所は状態２０であり、予測される移動経路は、３，９，１４，２０であり，各セルに滞在する時間を含めた移動軌道としては３，３，３，９，９，１４，１４，１４，１４，２０，２０，２０，２０となる。
In this way, when the two steps are repeated and the total expected value of the state duration time reaches the target prediction time Tp, the final transition state is the movement of the worker after the predicted Tp time. Is a place. In the figure, the predicted movement location of the worker is the
次に、第４計算処理部４１ｅでは、第２計算処理部４１ｃで求まった作業者の現在位置と、第３計算処理部４１ｄで求まった予測移動軌道とから、次の作業場所への予測到達時刻と予測移動軌道の計算を行う。具体的には、現在の作業から次の作業を特定し、次の作業箇所への移動が終了する時刻を求め、これと現在の時間の差から到達時間を求める。また次の作業場所への予測移動軌道は全予測軌道のうち現在の場所から次作業場所までの軌道をそのまま用いる。なお、第３計算処理部４１ｄで求まる予測移動軌道とは、一連の作業を通した作業者の予測移動軌道であり、第４計算処理部４１ｅで求める予測移動軌道とは、次の作業場所への作業者の予測移動軌道である。つまり、第４計算処理部４１ｅでは一連の作業者の予測軌道から、次の作業へ向かう予測軌道を抜き出している。
Next, the fourth
以上のように予測手段４０において、作業者に対する作業者の存在率の期待値と、次の作業場所への予測到達時間及び予測移動軌道とが求まる。 As described above, in the prediction means 40, the expected value of the presence rate of the worker with respect to the worker, the predicted arrival time to the next work place, and the predicted movement trajectory are obtained.
そこで、供給位置決定手段４２において、第１計算処理部４１ｂから入力される「作業に対する作業者の存在率の期待値」が最も高い位置を供給位置（Ｘｎ，Ｙｎ）として決定する。この後、作業者が手を伸ばしやすい位置などのオフセット（Δｘｎ，Δｙｎ）を加えて最終供給位置とする。このオフセット値は教示などにより作業者の作業のしやすさなどを考慮した微調整を行うためにも用いられる。 Accordingly, the supply position determination means 42 determines the position having the highest “expected value of the presence rate of the worker for the work” input from the first calculation processing unit 41b as the supply position (Xn, Yn). Thereafter, an offset (Δx n , Δy n ) such as a position where the operator can easily reach his / her hand is added to obtain the final supply position. This offset value is also used for fine adjustment in consideration of ease of work of the operator by teaching or the like.
供給軌道計算手段４３は、供給手段１１によって作業者に対して部品、工具その他の必要な物品を供給するタイミングを決定すると共に、供給手段１１の供給軌道ｘ（ｔ），ｙ（ｔ）を計算する。タイミングの決定は、予測手段４１から入力される、次の作業場所への予測到達時間から、供給手段１１によって部品、工具その他の物品を供給するタイミングを決定する。もっとも簡単には、供給タイミングは作業者の予測到達時間をそのまま用いることができ、また意図的に前倒しの時間を設けて早めに供給することができる。供給手段１１の軌道計算は、予測手段４０から入力される、次の作業場所への作業者の予測移動軌道と、供給位置決定手段２３から入力される供給位置に供給位置オフセット情報（ΔＸｎ，ΔＹｎ）を加えた最終供給位置と、決定した供給タイミングとから、供給手段１１の供給軌道を計算する。ここで、供給軌道は、ただ単に工具、部品その他の必要な物品の補給位置から最終供給位置までを直線で結んだものを、時間軸に関して例えば多項式で補間した軌道でもよいし、作業者の予測移動軌道を考慮して衝突が起こりにくいように作成した軌道であってもよい。 The supply trajectory calculation means 43 determines the timing of supplying parts, tools and other necessary articles to the worker by the supply means 11 and calculates the supply trajectories x (t) and y (t) of the supply means 11. To do. In determining the timing, the supply means 11 determines the timing for supplying parts, tools and other articles from the predicted arrival time at the next work place input from the prediction means 41. The simplest is that the estimated arrival time of the worker can be used as it is for the supply timing, and it can be supplied early by intentionally providing a time for advance. The trajectory calculation of the supply means 11 includes the supply position offset information (ΔXn, ΔYn) in the predicted movement trajectory of the worker to the next work place input from the prediction means 40 and the supply position input from the supply position determination means 23. The supply trajectory of the supply means 11 is calculated from the final supply position to which () is added and the determined supply timing. Here, the supply trajectory may simply be a trajectory obtained by interpolating a straight line from the replenishment position to the final supply position of tools, parts, and other necessary items, with a time axis, for example, using a polynomial, or an operator's prediction. It may be a trajectory created in consideration of the moving trajectory so that collision does not easily occur.
第２制御手段１９は、供給軌道計算手段４３から入力された供給軌道ｘ（ｔ），ｙ（ｔ）に従って、ロボットアームなどの供給機構１１の先端、例えばロボットアーム１１ｘの手の先を移動させる。この供給手段１１には、搬送機構の他、作業に応じて部品、工具などの必要な物品のリストが情報として蓄積されており、供給軌道計算手段４３からの入力により、そのリストアップの中から、必要な物品が選択され、搬送機構により、作業者の手元に供給される。
The second control means 19 moves the tip of the
このように、第２の実施形態に係る作業支援システム５０においても、作業状況予測手段４０が統計処理を行えるのに十分な情報を未蓄積であっても、第１制御手段１７により供給手段１１の作業者への追従制御又は誘導制御を行え、データが或る程度蓄積されると、制御切替手段２０により、入力スイッチ２０ａを第１制御手段１７から第２制御手段１９に切り替え、作業状況予測手段４０によりマルコフモデルに基づいて作業支援を行うことができる。よって、作業支援システム１０を作業者による作業現場に導入し易くなる。
As described above, even in the
なお、第２実施形態においては、作業状況予測手段４０による予測は、作業者の作業空間が状態変数として複数のセルに区分されている場合を例にとって説明しているが、例えば作業者の運動パターンを別途用意したセンサで取得し、この取得した運動パターンから作業状況を推定し、その推定値を状態変数としてもよい。状態変数をこのように設定しても、作業者の運動パターンから生成したマルコフモデルを用いて作業者が次の作業場所へ移動する到達時間及び移動軌道などを予測することができ、その予測結果に応じて作業者の移動軌道を求めて、供給手段を制御するようにしてもよい。
In the second embodiment, the prediction by the work
１０，５０：作業支援システム
１１：供給手段
１１ａ，１１ｂ，１１ｃ：関節部
１１ｄ，１１ｅ：アーム
１１ｆ：工具取付用アタッチメント
１１ｇ：トレー
１１ｘ：ロボットアーム
１２：入力手段
１３：計測手段
１３ａ，１３ｂ：レーザーセンサ
１４：作業者位置特定手段
１５：作業状況特定手段
１６：位置決定手段
１７：第１制御手段
１８：作業状況予測手段
１８ａ：計算処理兼データベース部
１８ｂ：第１計算処理部
１８ｃ：第２計算処理部
１８ｄ：第３計算処理部
１８ｅ：供給位置決定部
１８ｆ：供給軌道計算部
１８ｇ：供給タイミング決定部
１８ｈ：作業進度推定部
１８ｊ：供給時刻実時間修正部
１８ｉ：供給位置調整部
１８ｊ：供給時刻調整部
１８ｋ：供給時刻実時間修正部
１９：第２制御手段
２０：制御切替手段
２０ａ：入力スイッチ
２１：切替入力手段
３０：筐体
３１：テーブル
３２：排出口
３３：工具設置用ボックス
３４：工具
３５：部品
４０：作業状況予測手段
４１：予測手段
４１ａ：アルコフモデル生成手段
４１ｂ：第１計算処理部
４１ｃ：第２計算処理部
４１ｄ：第３計算処理部
４１ｅ：第４計算処理部
４２：供給決定手段
４３：供給軌道計算手段
DESCRIPTION OF
Claims (4)
作業者から作業状況に関する入力を受ける入力手段と、
上記入力手段から入力されたデータに基づいて作業の状況を特定する作業状況特定手段と、
レーザーセンサを有する計測手段と、
上記計測手段から入力されたデータに基づいて作業者の位置を特定する作業者位置特定手段と、
上記作業状況特定手段から入力された作業の状況情報及び上記作業者位置特定手段から入力された作業者の位置情報に基づいて、作業者へ追従するように又は作業者を誘導するように、上記供給手段のうち特定の部位の位置を決定する位置決定手段と、
上記位置決定手段により決定された位置に基づいて上記供給手段を制御する第１の制御手段と、
上記作業者位置特定手段から入力された作業者の位置情報から統計処理を行って作業状況を予測する作業状況予測手段と、
上記作業状況予測手段により予測された作業状況に基づいて上記供給手段を制御する第２制御手段と、
上記第１制御手段、上記第２制御手段の何れかに基づいて上記供給手段を制御するように切り替える制御切替手段と、
を備え、
上記作業状況予測手段による統計処理が可能となるまで上記作業者位置特定手段から入力された作業者の位置情報を上記作業状況予測手段に蓄積させながら、上記第１制御手段により上記供給手段を制御する一方、上記作業状況予測手段による統計処理が可能となるまで上記作業状況予測手段が作業者の位置情報を蓄積したと判断すると、上記第２制御手段により上記供給手段を制御する、作業支援システム。 Supply means for supplying articles to the operator;
Input means for receiving input regarding the work status from the worker;
Work status specifying means for specifying the status of work based on data input from the input means;
Measuring means having a laser sensor;
Worker position specifying means for specifying the position of the worker based on the data input from the measuring means;
Based on the status information of the work input from the work status specifying means and the position information of the worker input from the worker position specifying means, to follow the worker or to guide the worker Position determining means for determining the position of a specific part of the supply means;
First control means for controlling the supply means based on the position determined by the position determination means;
Work status prediction means for predicting the work status by performing statistical processing from the position information of the worker input from the worker position specifying means;
Second control means for controlling the supply means based on the work situation predicted by the work situation prediction means;
Control switching means for switching to control the supply means based on either the first control means or the second control means;
With
The first control means controls the supply means while accumulating the worker position information input from the worker position specifying means in the work situation prediction means until statistical processing by the work situation prediction means becomes possible. On the other hand, when it is determined that the work status prediction unit has accumulated the position information of the worker until the statistical processing by the work status prediction unit becomes possible, the work support system controls the supply unit by the second control unit. .
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012161026A JP5717033B2 (en) | 2012-07-19 | 2012-07-19 | Work support system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012161026A JP5717033B2 (en) | 2012-07-19 | 2012-07-19 | Work support system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2014018927A JP2014018927A (en) | 2014-02-03 |
| JP5717033B2 true JP5717033B2 (en) | 2015-05-13 |
Family
ID=50194396
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2012161026A Active JP5717033B2 (en) | 2012-07-19 | 2012-07-19 | Work support system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5717033B2 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102017123088B4 (en) | 2016-10-07 | 2021-01-28 | Fanuc Corporation | Work support system comprising a machine learning unit |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11045955B2 (en) | 2016-05-26 | 2021-06-29 | Mitsubishi Electric Corporation | Robot control device |
| IT201800006156A1 (en) * | 2018-06-08 | 2019-12-08 | PREDICTIVE CONTROL METHOD OF A ROBOT AND RELATIVE CONTROL SYSTEM | |
| WO2020066850A1 (en) * | 2018-09-27 | 2020-04-02 | パナソニックＩｐマネジメント株式会社 | Conveyance system, method for controlling conveyance device, and program |
| CN113454550A (en) * | 2019-02-20 | 2021-09-28 | 松下知识产权经营株式会社 | Standby position determination device and standby position determination method |
| JP7200046B2 (en) * | 2019-05-31 | 2023-01-06 | 川崎重工業株式会社 | Board assembly device and board assembly method |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4246324B2 (en) * | 1999-08-09 | 2009-04-02 | 川崎重工業株式会社 | Robot skill teaching method and apparatus |
| JP4037341B2 (en) * | 2003-08-27 | 2008-01-23 | 株式会社前川製作所 | Agricultural work assistance robot and farm work support system |
| JP4375090B2 (en) * | 2004-03-31 | 2009-12-02 | パナソニック電工株式会社 | Mobile robot system |
| EP2286963B1 (en) * | 2009-05-22 | 2019-05-15 | Toyota Motor East Japan, Inc. | Work-assisting robot system |
| JP5231463B2 (en) * | 2010-02-03 | 2013-07-10 | トヨタ自動車東日本株式会社 | Work assistance system, work assistance method, and recording medium recording the work assistance method |
-
2012
- 2012-07-19 JP JP2012161026A patent/JP5717033B2/en active Active
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102017123088B4 (en) | 2016-10-07 | 2021-01-28 | Fanuc Corporation | Work support system comprising a machine learning unit |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2014018927A (en) | 2014-02-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5717033B2 (en) | Work support system | |
| US11458626B2 (en) | Trajectory generating method, and trajectory generating apparatus | |
| JP5574202B2 (en) | Work robot support system | |
| CN110198813B (en) | Robot path generation device and robot system | |
| CN108340351B (en) | Robot teaching device and method and teaching robot | |
| US9840008B2 (en) | Robot system control method and robot system | |
| JP5641243B2 (en) | Work support system | |
| US8423187B2 (en) | Autonomous robots with planning in unpredictable, dynamic and complex environments | |
| Riazi et al. | Energy optimization of multi-robot systems | |
| WO2014164303A1 (en) | Reducing energy consumption of industrial robots by using new methods for motion path programming | |
| Tanaka et al. | Motion planning with worker's trajectory prediction for assembly task partner robot | |
| Kinugawa et al. | Adaptive task scheduling for an assembly task coworker robot based on incremental learning of human's motion patterns | |
| KR20120073616A (en) | Path planning apparatus of robot and method thereof | |
| CN110722552A (en) | Automatic route generation device | |
| JP2020062690A (en) | Control device, working robot, program and control method | |
| Kinugawa et al. | PaDY: Human-friendly/cooperative working support robot for production site | |
| JP2009125920A (en) | Robot work operation optimization device | |
| JP2020062741A (en) | Controller, working robot, program, and control method | |
| Verscheure et al. | On-line time-optimal path tracking for robots | |
| JP7448327B2 (en) | Robot systems, control methods, machine learning devices, and machine learning methods that assist workers in their work | |
| CN114952870B (en) | Four-axis mechanical arm motion control method and system for high-frequency contact object disinfection | |
| JP2020052816A (en) | Control unit | |
| CN114080304B (en) | Control device, control method, and control program | |
| JP2020062740A (en) | Control device, working robot, program and control method | |
| Su et al. | A method of human-robot collaboration for grinding of workpieces |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140416 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20140416 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150206 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20150224 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150306 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5717033 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |