JP6958461B2 - 制御装置、制御方法、及び制御プログラム - Google Patents
制御装置、制御方法、及び制御プログラム Download PDFInfo
- Publication number
- JP6958461B2 JP6958461B2 JP2018069320A JP2018069320A JP6958461B2 JP 6958461 B2 JP6958461 B2 JP 6958461B2 JP 2018069320 A JP2018069320 A JP 2018069320A JP 2018069320 A JP2018069320 A JP 2018069320A JP 6958461 B2 JP6958461 B2 JP 6958461B2
- Authority
- JP
- Japan
- Prior art keywords
- prediction model
- command value
- arithmetic processing
- production
- time
- 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
- 238000000034 method Methods 0.000 title claims description 142
- 238000012545 processing Methods 0.000 claims description 442
- 238000004519 manufacturing process Methods 0.000 claims description 239
- 238000004364 calculation method Methods 0.000 claims description 100
- 238000012937 correction Methods 0.000 claims description 24
- 230000015654 memory Effects 0.000 claims description 19
- 239000000047 product Substances 0.000 description 66
- 230000008569 process Effects 0.000 description 63
- 238000003066 decision tree Methods 0.000 description 43
- 238000003860 storage Methods 0.000 description 41
- 230000001133 acceleration Effects 0.000 description 19
- 238000004891 communication Methods 0.000 description 19
- 230000010365 information processing Effects 0.000 description 18
- 238000010801 machine learning Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 6
- 238000000465 moulding Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- 238000001746 injection moulding Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000013067 intermediate product Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000007723 transport mechanism Effects 0.000 description 2
- 239000010749 BS 2869 Class C1 Substances 0.000 description 1
- 239000010750 BS 2869 Class C2 Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Landscapes
- Feedback Control In General (AREA)
- Programmable Controllers (AREA)
Description
まず、図1を用いて、本発明が適用される場面の一例について説明する。図1は、本実施形態に係る制御装置1及び学習装置2の利用場面の一例を模式的に例示する。
[ハードウェア構成]
<制御装置>
次に、図2を用いて、本実施形態に係る制御装置1のハードウェア構成の一例について説明する。図2は、本実施形態に係る制御装置1のハードウェア構成の一例を模式的に例示する。
次に、図3を用いて、本実施形態に係る生産装置3のハードウェア構成の一例について説明する。図3は、本実施形態に係る生産装置3のハードウェア構成の一例を模式的に例示する。
次に、図5を用いて、本実施形態に係る学習装置2のハードウェア構成の一例について説明する。図5は、本実施形態に係る学習装置2のハードウェア構成の一例を模式的に例示する。
<制御装置>
次に、図6を用いて、本実施形態に係る制御装置1のソフトウェア構成の一例について説明する。図6は、本実施形態に係る制御装置1のソフトウェア構成の一例を模式的に例示する。
次に、図7A及び図7Bを更に用いて、本実施形態に係る予測モデル5について説明する。図7Aは、本実施形態に係る予測モデル5の構成の一例を模式的に例示する。また、図7Bは、予測モデル5に対する入力と出力との関係を模式的に例示する。
次に、図8を用いて、本実施形態に係る学習装置2のソフトウェア構成の一例について説明する。図8は、本実施形態に係る学習装置2のソフトウェア構成の一例を模式的に例示する。
制御装置1及び学習装置2の各ソフトウェアモジュールに関しては後述する動作例で詳細に説明する。なお、本実施形態では、制御装置1及び学習装置2の各ソフトウェアモジュールがいずれも汎用のCPUによって実現される例について説明している。しかしながら、以上のソフトウェアモジュールの一部又は全部が、1又は複数の専用のプロセッサにより実現されてもよい。また、制御装置1及び学習装置2それぞれのソフトウェア構成に関して、実施形態に応じて、適宜、ソフトウェアモジュールの省略、置換及び追加が行われてもよい。
[制御装置]
次に、図9を用いて、制御装置1の動作例について説明する。図9は、制御装置1の処理手順の一例を例示するフローチャートである。以下で説明する処理手順は、本発明の「制御方法」の一例である。ただし、以下で説明する処理手順は一例に過ぎず、各処理は可能な限り変更されてよい。また、以下で説明する処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が可能である。
ステップS100では、制御部11は、データ取得部111として動作し、予測モデル5に対する入力データを取得する。
ステップS101では、制御部11は、予測演算部112として動作し、ワーク40から製品41を生産する生産装置3への指令値であって、生産装置3による製品41の生産に適応した指令値を予測するように構築された予測モデル5の演算処理を開始する。
ステップS102では、制御部11は、予測演算部112として動作し、予測モデル5の演算処理を進行させる。本実施形態では、予測モデル5は決定木により構成されているため、予測モデル5の演算処理は、決定木の根ノードから葉ノードに向けてリンクをたどる探索処理である。そのため、制御部11は、予測モデル5の演算処理として、この決定木の探索処理を進行させる。
ステップS103では、制御部11は、残処理時間算出部113として動作し、予測モデル5の演算処理が完了するまでの残処理時間を算出する。残処理時間を算出する方法は、実施の形態に応じて適宜決定されてよい。本実施形態では、制御部11は、演算処理の進捗状態を確認することで、当該演算処理の残処理量を算出し、算出した残処理量に基づいて残処理時間を算出する。具体的には、制御部11は、以下の(式1)の演算によって、残処理時間を算出する。
ステップS104では、制御部11は、遅延判定部114として動作し、算出した残処理時間に基づいて、予測モデル5から得られる出力に基づく指令値の決定が、生産装置3による生産の動作を制御する制御タイミングに間に合うか否かを判定する。
ステップS105では、制御部11は、加速処理部115として動作し、予測モデル5の演算処理の加速が可能か否かを判定する。
ステップS106では、制御部11は、加速処理部115として動作し、予測モデル5の演算処理を加速する。制御部11は、例えば、予測モデル5の演算処理に対するハードウェアの演算資源を優先的に割り当てることで、予測モデル5の演算処理を加速することができる。演算資源は、例えば、CPU、メモリ等である。
まず、図12Aを用いて、予測モデル5の演算処理を加速する第1の方法について説明する。図12Aは、予測モデル5の演算処理を加速する第1の方法を模式的に例示する。
次に、図12Bを用いて、予測モデル5の演算処理を加速する第2の方法について説明する。図12Bは、予測モデル5の演算処理を加速する第2の方法を模式的に例示する。
次に、図12Cを用いて、予測モデル5の演算処理を加速する第3の方法について説明する。図12Cは予測モデル5の演算処理を加速する第3の方法を模式的に例示する。
次に、図12Dを用いて、予測モデル5の演算処理を加速する第4の方法について説明する。図12Dは、予測モデル5の演算処理を加速する第4の方法を模式的に例示する。
上記第1〜第4の方法のうちの少なくともいずれかを採用することで、制御部11は、予測モデル5の演算処理を加速することができる。上記第1〜第4の方法のうちの少なくともいずれかにより予測モデル5の演算処理を加速すると、制御部11は、次のステップS107に処理を進める。
図9に戻り、ステップS107では、制御部11は、予測演算部112として動作し、予測モデル5の演算処理が完了したか否かを判定する。予測モデル5の演算処理が完了したか否かを判定する方法は、予測モデル5に採用するモデルの種別に応じて適宜決定されてよい。
ステップS108では、制御部11は、動作制御部116として動作し、予測モデル5から取得した出力に基づいて、生産装置3への指令値を決定する。指令値を決定する方法は、予測モデル5の出力の形式に応じて適宜決定されてよい。
ステップS109では、制御部11は、動作制御部116として動作し、決定した指令値に基づいて、生産装置3の動作を制御する。指令値に基づいて生産装置3の動作を制御する方法は、指令値の形式に応じて適宜選択されてよい。
ステップS111は、上記のとおり、指令値の決定が制御タイミングに間に合わないと判定され、かつ予測モデル5の演算処理の加速が可能ではないと判定された場合に実行される。すなわち、ステップS111は、指令値の決定が制御タイミングに間に合うように予測モデル5の演算処理を加速することができない場合に実行される。このステップS111では、制御部11は、予測演算部112として動作し、予測モデル5の演算処理を中止する。予測モデル5の演算処理を中止すると、制御部11は、次のステップS112に処理を進める。
ステップS112では、制御部11は、動作制御部116として動作し、予め与えられた設定値を指令値に指定する。
ステップS113では、制御部11は、動作制御部116として動作し、指定した指令値に基づいて、生産装置3の動作を制御する。本ステップS113は、上記ステップS109と同様である。生産装置3の動作を制御すると、制御部11は、本動作例に係る処理を終了する。
以上により、制御部11は、本動作例に係る生産装置3の動作を制御する一連の処理を終了する。制御部11は、この一連の処理を繰り返し実行することで、生産装置3の動作を継続的に制御することができる。
次に、図13を用いて、学習装置2の動作例について説明する。図13は、学習装置2の処理手順の一例を例示するフローチャートである。なお、以下で説明する予測モデル5の機械学習に関する処理手順は、コンピュータによる学習方法の一例である。ただし、以下で説明する処理手順は一例に過ぎず、各処理は可能な限り変更されてよい。また、以下で説明する処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が可能である。
ステップS201では、制御部21は、学習データ取得部211として動作し、予測モデル5の機械学習に利用する学習データを取得する。学習用データの形式は、予測モデル5の種別に応じて適宜決定されてよい。
ステップS202では、制御部21は、学習処理部212として動作し、取得した学習用データセット221を利用した機械学習を行うことにより、学習済みの予測モデル5を構築する。
ステップS203では、制御部21は、学習処理部212として動作して、機械学習により構築した決定木(学習済みの予測モデル5)の構成及び各分岐条件を示す情報を学習結果データ225として記憶部22に格納する。これにより、制御部21は、本動作例に係る予測モデル5の学習処理を終了する。
以上のとおり、本実施形態では、予測モデル5を利用して生産装置3への指令値を予測する際に、ステップS103及びステップS104により、残処理時間を算出し、算出した残処理時間に基づいて、予測モデル5による指令値の決定が制御タイミングに間に合うか否かを判定する。これにより、予測モデル5を利用した指令値の予測に関する演算処理が、その予測した指令値を利用して生産装置3の動作を制御するタイミングに間に合うか否かを特定することができる。つまり、ステップS108による指令値の決定が、生産装置3の動作を制御する制御予定時刻までに完了するか否かを特定することができる。したがって、本実施形態によれば、生産装置3の予測制御の演算時間を適切に管理することができる。
以上、本発明の実施の形態を詳細に説明してきたが、前述までの説明はあらゆる点において本発明の例示に過ぎない。本発明の範囲を逸脱することなく種々の改良や変形を行うことができることは言うまでもない。例えば、以下のような変更が可能である。なお、以下では、上記実施形態と同様の構成要素に関しては同様の符号を用い、上記実施形態と同様の点については、適宜説明を省略した。以下の変形例は適宜組み合わせ可能である。
上記実施形態では、ステップS104において、予測モデル5による指令値の決定が制御タイミングに間に合わないと判定した場合に、制御部11は、ステップS105及びS106により、予測モデル5の演算処理を加速する。この予測モデル5の演算処理を加速する処理は、省略されてもよい。加速処理を省略する場合、上記ステップS105及びS106は省略されてもよく、制御装置1のソフトウェア構成から加速処理部115は省略されてもよい。
上記実施形態では、予測モデル5は、製品41の生産に適応した指令値の予測の結果として、指令値の基準値60に対する補正値63を出力するように構成されている。しかしながら、予測モデル5の出力形式は、このような例に限定されなくてもよく、実施の形態に応じて適宜決定されてよい。例えば、予測モデル5は、指令値そのものを出力するように構成されてもよい。
上記実施形態では、予測モデル5の入力には、ワーク40の特徴量61及び製品41を生産する環境の属性値62の両方が利用されている。しかしながら、予測モデル5の入力は、このような例に限定されなくてもよい。ワーク40の特徴量61及び製品41を生産する環境の属性値62のうちの一方は省略されてもよい。すなわち、上記予測モデル5は、ワーク40の特徴量61及び製品41を生産する環境の属性値62の少なくとも一方に対して、製品41の生産に適応した指令値を予測するように構築されてよい。また、上記予測モデル5の入力には、生産装置3による製品41の生産工程に影響を与え得る要因に関するデータであって、ワーク40の特徴量61及び製品41を生産する環境の属性値62以外のデータが用いられてもよい。
上記実施形態では、予測モデル5は、決定木により構成されている。しかしながら、予測モデル5の構成は、予測処理を実行する時点よりも先の時点(将来の時点)における生産装置3への指令値を予測可能であれば、このような例に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。予測モデル5には、例えば、ニューラルネットワーク、サポートベクタマシン等の決定木以外の学習モデルが用いられてもよい。また、予測モデル5には、学習モデル以外のモデル(例えば、所定の関数)が用いられてもよい。
11…制御部、12…記憶部、13…通信インタフェース、
14…外部インタフェース、
15…入力装置、16…出力装置、17…ドライブ、
111…データ取得部、112…予測演算部、
113…残処理時間算出部、114…遅延判定部、
115…加速処理部、116…動作制御部、
81…制御プログラム、121…割当データ、
91…記憶媒体、
2…学習装置、
21…制御部、22…記憶部、23…通信インタフェース、
24…入力装置、25…出力装置、26…ドライブ、
211…学習データ取得部、212…学習処理部、
82…学習プログラム、221…学習用データセット、
225…学習結果データ、
92…記憶媒体、
3…生産装置(プレス機)、
31…サーボドライバ、32…上金型、33…下金型、
40…ワーク、41…製品、
5…予測モデル(決定木)、
60…(指令値の)基準値、
61…特徴量、62…属性値、63…補正値
Claims (11)
- ハードウェアプロセッサと、
前記ハードウェアプロセッサにより実行されるプログラムを保持するメモリと、
を備える制御装置であって、
前記ハードウェアプロセッサは、前記プログラムに含まれる一連の命令に基づいて、
ワークから製品を生産する生産装置への指令値であって、当該生産装置による前記製品の生産に適応した指令値を予測するように構築された予測モデルの演算処理を開始するステップと、
前記予測モデルの演算処理を開始した後に、前記予測モデルの演算処理が完了するまでの残処理時間を算出するステップと、
算出した前記残処理時間に基づいて、前記予測モデルから得られる出力に基づく前記指令値の決定が、前記生産装置による前記生産の動作を制御する制御タイミングに間に合うか否かを判定するステップと、
前記指令値の決定が前記制御タイミングに間に合うと判定した場合に、前記予測モデルの演算処理を完了するまで継続することで、前記予測モデルから出力を取得し、前記予測モデルから取得した出力に基づいて、前記生産装置への指令値を決定するステップと、
決定した前記指令値に基づいて、前記生産装置の動作を制御するステップと、
前記指令値の決定が前記制御タイミングに間に合わないと判定した場合、前記予測モデルの演算処理を加速するステップと、
を実行し、
前記ハードウェアプロセッサは、複数のコアで構成され、
前記予測モデルの演算処理には、前記複数のコアのうちの一のコアが割り当てられ、
前記複数のコアは、前記予測モデルの演算処理に割り当てられていない他のコアであって、前記一のコアにおいて前記演算処理に割り振られている利用率よりも大きな空き容量を有する他のコアを含んでおり、
前記ハードウェアプロセッサは、前記予測モデルの演算処理に対する割り当てを前記一のコアから前記他のコアに置き換えて、前記一のコアにおいて前記演算処理に割り振られていた利用率よりも大きな利用率を前記他のコアにおいて前記演算処理に割り振ることで、前記予測モデルの演算処理を加速する、
制御装置。 - ハードウェアプロセッサと、
前記ハードウェアプロセッサにより実行されるプログラムを保持するメモリと、
を備える制御装置であって、
前記ハードウェアプロセッサは、前記プログラムに含まれる一連の命令に基づいて、
ワークから製品を生産する生産装置への指令値であって、当該生産装置による前記製品の生産に適応した指令値を予測するように構築された予測モデルの演算処理を開始するステップと、
前記予測モデルの演算処理を開始した後に、前記予測モデルの演算処理が完了するまでの残処理時間を算出するステップと、
算出した前記残処理時間に基づいて、前記予測モデルから得られる出力に基づく前記指令値の決定が、前記生産装置による前記生産の動作を制御する制御タイミングに間に合うか否かを判定するステップと、
前記指令値の決定が前記制御タイミングに間に合うと判定した場合に、前記予測モデルの演算処理を完了するまで継続することで、前記予測モデルから出力を取得し、前記予測モデルから取得した出力に基づいて、前記生産装置への指令値を決定するステップと、
決定した前記指令値に基づいて、前記生産装置の動作を制御するステップと、
前記指令値の決定が前記制御タイミングに間に合わないと判定した場合、前記予測モデルの演算処理を加速するステップと、
を実行し、
前記予測モデルの演算処理を加速するステップを実行した後に、前記ハードウェアプロセッサは、前記残処理時間を算出するステップ、及び前記指令値の決定が前記制御タイミングに間に合うか否かを判定するステップを再度実行する、
制御装置。 - ハードウェアプロセッサと、
前記ハードウェアプロセッサにより実行されるプログラムを保持するメモリと、
を備える制御装置であって、
前記ハードウェアプロセッサは、前記プログラムに含まれる一連の命令に基づいて、
ワークから製品を生産する生産装置への指令値であって、当該生産装置による前記製品の生産に適応した指令値を予測するように構築された予測モデルの演算処理を開始するステップと、
前記予測モデルの演算処理を開始した後に、前記予測モデルの演算処理が完了するまでの残処理時間を算出するステップと、
算出した前記残処理時間に基づいて、前記予測モデルから得られる出力に基づく前記指令値の決定が、前記生産装置による前記生産の動作を制御する制御タイミングに間に合うか否かを判定するステップと、
前記指令値の決定が前記制御タイミングに間に合うと判定した場合に、前記予測モデルの演算処理を完了するまで継続することで、前記予測モデルから出力を取得し、前記予測モデルから取得した出力に基づいて、前記生産装置への指令値を決定するステップと、
決定した前記指令値に基づいて、前記生産装置の動作を制御するステップと、
前記指令値の決定が前記制御タイミングに間に合わないと判定した場合、前記予測モデルの演算処理を加速するステップと、
を実行し、
前記ハードウェアプロセッサは、
前記予測モデルの演算処理の加速が可能か否かを判定し、
前記予測モデルの演算処理の加速が可能ではないと判定した場合、前記予測モデルの演算処理を中止し、予め与えられた設定値を指令値に指定し、指定した前記指令値に基づいて、前記生産装置の動作を制御する、
制御装置。 - 前記予測モデルは、前記製品の生産に適応した前記指令値の予測の結果として、前記指令値の基準値に対する補正値を出力するように構成される、
請求項1から3のいずれか1項に記載の制御装置。 - 前記予測モデルは、前記ワークの特徴量及び前記製品を生産する環境の属性値の少なくとも一方の入力に対して、前記製品の生産に適応した前記指令値を予測するように構築される、
請求項1から4のいずれか1項に記載の制御装置。 - コンピュータのハードウェアプロセッサが、
ワークから製品を生産する生産装置への指令値であって、当該生産装置による前記製品の生産に適応した指令値を予測するように構築された予測モデルの演算処理を開始するステップと、
前記予測モデルの演算処理を開始した後に、前記予測モデルの演算処理が完了するまでの残処理時間を算出するステップと、
算出した前記残処理時間に基づいて、前記予測モデルから得られる出力に基づく前記指令値の決定が、前記生産装置による前記生産の動作を制御する制御タイミングに間に合うか否かを判定するステップと、
前記指令値の決定が前記制御タイミングに間に合うと判定した場合に、前記予測モデルの演算処理を完了するまで継続することで、前記予測モデルから出力を取得し、前記予測モデルから取得した出力に基づいて、前記生産装置への指令値を決定するステップと、
決定した前記指令値に基づいて、前記生産装置の動作を制御するステップと、
前記指令値の決定が前記制御タイミングに間に合わないと判定した場合、前記予測モデルの演算処理を加速するステップと、
を実行し、
前記ハードウェアプロセッサは、複数のコアで構成され、
前記予測モデルの演算処理には、前記複数のコアのうちの一のコアが割り当てられ、
前記複数のコアは、前記予測モデルの演算処理に割り当てられていない他のコアであって、前記一のコアにおいて前記演算処理に割り振られている利用率よりも大きな空き容量を有する他のコアを含んでおり、
前記ハードウェアプロセッサは、前記予測モデルの演算処理に対する割り当てを前記一のコアから前記他のコアに置き換えて、前記一のコアにおいて前記演算処理に割り振られていた利用率よりも大きな利用率を前記他のコアにおいて前記演算処理に割り振ることで、前記予測モデルの演算処理を加速する、
制御方法。 - コンピュータのハードウェアプロセッサが、
ワークから製品を生産する生産装置への指令値であって、当該生産装置による前記製品の生産に適応した指令値を予測するように構築された予測モデルの演算処理を開始するステップと、
前記予測モデルの演算処理を開始した後に、前記予測モデルの演算処理が完了するまでの残処理時間を算出するステップと、
算出した前記残処理時間に基づいて、前記予測モデルから得られる出力に基づく前記指令値の決定が、前記生産装置による前記生産の動作を制御する制御タイミングに間に合うか否かを判定するステップと、
前記指令値の決定が前記制御タイミングに間に合うと判定した場合に、前記予測モデルの演算処理を完了するまで継続することで、前記予測モデルから出力を取得し、前記予測モデルから取得した出力に基づいて、前記生産装置への指令値を決定するステップと、
決定した前記指令値に基づいて、前記生産装置の動作を制御するステップと、
前記指令値の決定が前記制御タイミングに間に合わないと判定した場合、前記予測モデルの演算処理を加速するステップと、
を実行し、
前記予測モデルの演算処理を加速するステップを実行した後に、前記ハードウェアプロセッサは、前記残処理時間を算出するステップ、及び前記指令値の決定が前記制御タイミングに間に合うか否かを判定するステップを再度実行する、
制御方法。 - コンピュータのハードウェアプロセッサが、
ワークから製品を生産する生産装置への指令値であって、当該生産装置による前記製品の生産に適応した指令値を予測するように構築された予測モデルの演算処理を開始するステップと、
前記予測モデルの演算処理を開始した後に、前記予測モデルの演算処理が完了するまでの残処理時間を算出するステップと、
算出した前記残処理時間に基づいて、前記予測モデルから得られる出力に基づく前記指令値の決定が、前記生産装置による前記生産の動作を制御する制御タイミングに間に合うか否かを判定するステップと、
前記指令値の決定が前記制御タイミングに間に合うと判定した場合に、前記予測モデルの演算処理を完了するまで継続することで、前記予測モデルから出力を取得し、前記予測モデルから取得した出力に基づいて、前記生産装置への指令値を決定するステップと、
決定した前記指令値に基づいて、前記生産装置の動作を制御するステップと、
前記指令値の決定が前記制御タイミングに間に合わないと判定した場合、前記予測モデルの演算処理を加速するステップと、
を実行し、
前記ハードウェアプロセッサは、
前記予測モデルの演算処理の加速が可能か否かを判定し、
前記予測モデルの演算処理の加速が可能ではないと判定した場合、前記予測モデルの演算処理を中止し、予め与えられた設定値を指令値に指定し、指定した前記指令値に基づいて、前記生産装置の動作を制御する、
制御方法。 - コンピュータのハードウェアプロセッサに、
ワークから製品を生産する生産装置への指令値であって、当該生産装置による前記製品の生産に適応した指令値を予測するように構築された予測モデルの演算処理を開始するステップと、
前記予測モデルの演算処理を開始した後に、前記予測モデルの演算処理が完了するまでの残処理時間を算出するステップと、
算出した前記残処理時間に基づいて、前記予測モデルから得られる出力に基づく前記指令値の決定が、前記生産装置による前記生産の動作を制御する制御タイミングに間に合うか否かを判定するステップと、
前記指令値の決定が前記制御タイミングに間に合うと判定した場合に、前記予測モデルの演算処理を完了するまで継続することで、前記予測モデルから出力を取得し、前記予測モデルから取得した出力に基づいて、前記生産装置への指令値を決定するステップと、
決定した前記指令値に基づいて、前記生産装置の動作を制御するステップと、
前記指令値の決定が前記制御タイミングに間に合わないと判定した場合、前記予測モデルの演算処理を加速するステップと、
を実行させるための制御プログラムであって、
前記ハードウェアプロセッサは、複数のコアで構成され、
前記予測モデルの演算処理には、前記複数のコアのうちの一のコアが割り当てられ、
前記複数のコアは、前記予測モデルの演算処理に割り当てられていない他のコアであって、前記一のコアにおいて前記演算処理に割り振られている利用率よりも大きな空き容量を有する他のコアを含んでおり、
前記ハードウェアプロセッサに、前記予測モデルの演算処理に対する割り当てを前記一のコアから前記他のコアに置き換えさせ、前記一のコアにおいて前記演算処理に割り振られていた利用率よりも大きな利用率を前記他のコアにおいて前記演算処理に割り振らせることで、前記予測モデルの演算処理を加速させる、
制御プログラム。 - コンピュータのハードウェアプロセッサに、
ワークから製品を生産する生産装置への指令値であって、当該生産装置による前記製品の生産に適応した指令値を予測するように構築された予測モデルの演算処理を開始するステップと、
前記予測モデルの演算処理を開始した後に、前記予測モデルの演算処理が完了するまでの残処理時間を算出するステップと、
算出した前記残処理時間に基づいて、前記予測モデルから得られる出力に基づく前記指令値の決定が、前記生産装置による前記生産の動作を制御する制御タイミングに間に合うか否かを判定するステップと、
前記指令値の決定が前記制御タイミングに間に合うと判定した場合に、前記予測モデルの演算処理を完了するまで継続することで、前記予測モデルから出力を取得し、前記予測モデルから取得した出力に基づいて、前記生産装置への指令値を決定するステップと、
決定した前記指令値に基づいて、前記生産装置の動作を制御するステップと、
前記指令値の決定が前記制御タイミングに間に合わないと判定した場合、前記予測モデルの演算処理を加速するステップと、
を実行させるための制御プログラムであって、
前記予測モデルの演算処理を加速するステップを実行させた後に、前記ハードウェアプロセッサに、前記残処理時間を算出するステップ、及び前記指令値の決定が前記制御タイミングに間に合うか否かを判定するステップを再度実行させる、
制御プログラム。 - コンピュータのハードウェアプロセッサに、
ワークから製品を生産する生産装置への指令値であって、当該生産装置による前記製品の生産に適応した指令値を予測するように構築された予測モデルの演算処理を開始するステップと、
前記予測モデルの演算処理を開始した後に、前記予測モデルの演算処理が完了するまでの残処理時間を算出するステップと、
算出した前記残処理時間に基づいて、前記予測モデルから得られる出力に基づく前記指令値の決定が、前記生産装置による前記生産の動作を制御する制御タイミングに間に合うか否かを判定するステップと、
前記指令値の決定が前記制御タイミングに間に合うと判定した場合に、前記予測モデルの演算処理を完了するまで継続することで、前記予測モデルから出力を取得し、前記予測モデルから取得した出力に基づいて、前記生産装置への指令値を決定するステップと、
決定した前記指令値に基づいて、前記生産装置の動作を制御するステップと、
前記指令値の決定が前記制御タイミングに間に合わないと判定した場合、前記予測モデルの演算処理を加速するステップと、
を実行させるための制御プログラムであって、
前記ハードウェアプロセッサに、
前記予測モデルの演算処理の加速が可能か否かを判定させ、
前記予測モデルの演算処理の加速が可能ではないと判定した場合、前記予測モデルの演算処理を中止させ、予め与えられた設定値を指令値に指定させ、指定した前記指令値に基づいて、前記生産装置の動作を制御させる、
制御プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018069320A JP6958461B2 (ja) | 2018-03-30 | 2018-03-30 | 制御装置、制御方法、及び制御プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018069320A JP6958461B2 (ja) | 2018-03-30 | 2018-03-30 | 制御装置、制御方法、及び制御プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019179469A JP2019179469A (ja) | 2019-10-17 |
JP6958461B2 true JP6958461B2 (ja) | 2021-11-02 |
Family
ID=68278764
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018069320A Active JP6958461B2 (ja) | 2018-03-30 | 2018-03-30 | 制御装置、制御方法、及び制御プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6958461B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021065876A1 (ja) | 2019-09-30 | 2021-04-08 | テルモ株式会社 | エネルギー発生装置および焼灼システム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6113429B2 (ja) * | 2012-07-24 | 2017-04-12 | 株式会社日立ハイテクノロジーズ | ステージ装置及び試料搬送装置並びに位置決め制御方法 |
JP6151669B2 (ja) * | 2014-06-27 | 2017-06-21 | ファナック株式会社 | 加工プログラム指令内容に応じてcpu負荷を分散可能な数値制御装置 |
-
2018
- 2018-03-30 JP JP2018069320A patent/JP6958461B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019179469A (ja) | 2019-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6888577B2 (ja) | 制御装置、制御方法、及び制御プログラム | |
JP7031502B2 (ja) | 制御システム、制御方法、学習装置、制御装置、学習方法及び学習プログラム | |
US20160098631A1 (en) | Apparatus and method for learning a model corresponding to time-series input data | |
KR102016270B1 (ko) | 열간 자유단조 공정의 작업 계획 최적화 시스템 및 방법 | |
US11301294B2 (en) | Control device, control method, and control program | |
US11513851B2 (en) | Job scheduler, job schedule control method, and storage medium | |
US20200159205A1 (en) | Cloud and edge manufacturing data processing system | |
JP2018142199A (ja) | 学習システムおよび学習方法 | |
CN115827253B (zh) | 一种芯片资源算力分配方法、装置、设备及存储介质 | |
JP6958461B2 (ja) | 制御装置、制御方法、及び制御プログラム | |
US20230234136A1 (en) | Heat-aware toolpath reordering for 3d printing of physical parts | |
CN112308337A (zh) | 电力***概率性短期负荷的预测方法、预测装置与处理器 | |
CN114528966B (zh) | 一种本地学习方法、设备及介质 | |
EP4154067B1 (en) | Method and system for determining a compression rate for an ai model of an industrial task | |
US11513866B1 (en) | Method and system for managing resource utilization based on reinforcement learning | |
JP6659260B2 (ja) | Plcプログラムの最適化機能を備えた制御装置及び機械学習器 | |
EP4180954A1 (en) | Information processing device, information processing method, and program | |
CN114819778A (zh) | 进入工艺流程时机生成方法、装置、设备及可读存储介质 | |
US20210089885A1 (en) | Training device and training method | |
EP4369193A1 (en) | Job schedule quality prediction and job scheduling | |
TWI756974B (zh) | 機器學習系統及其資源配置方法 | |
CN116738239B (zh) | 模型训练方法、资源调度方法及装置、***、设备及介质 | |
JP2020071510A (ja) | 生産システム、生産システムの制御方法および生産制御装置 | |
WO2009107313A1 (ja) | 確率モデル選択装置、確率モデル選択方法、およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200305 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210315 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210323 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210421 |
|
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: 20210907 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210920 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6958461 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |