特許ウォッチ

公開番号2025082990
公報種別公開特許公報(A)
公開日2025-05-30
出願番号2023196595
出願日2023-11-20
発明の名称解析装置、解析方法、プログラム、学習済み機械学習モデル、および、機械学習方法
出願人株式会社小松製作所
代理人弁理士法人志賀国際特許事務所
主分類E02F 9/26 20060101AFI20250523BHJP(水工;基礎;土砂の移送)
要約【課題】作業機械の稼働状態を表す時系列のデータに基づいて作業を効率的に分類する。
【解決手段】解析装置は、第1可動部と第2可動部とを有する作業機械の前記第1可動部の稼働状態と前記第2可動部の稼働状態とを少なくとも表す時系列データを取得する取得部と、前記時系列データに基づき前記第1可動部の稼働状態を分類する第1稼働状態分類部と、前記第1可動部の稼働状態の分類結果に基づき前記時系列データの時間軸を複数の区間に区分する区分部と、前記時系列データに基づき前記区間毎に前記第2可動部の稼働状態を分類する第2稼働状態分類部と、前記第1可動部の稼働状態の分類結果と前記第2可動部の稼働状態の分類結果とに基づき前記作業機械による作業を分類する作業分類部とを備える。
【選択図】図1
特許請求の範囲【請求項１】
第１可動部と第２可動部とを有する作業機械の前記第１可動部の稼働状態と前記第２可動部の稼働状態とを少なくとも表す時系列データを取得する取得部と、
前記時系列データに基づき前記第１可動部の稼働状態を分類する第１稼働状態分類部と、
前記第１可動部の稼働状態の分類結果に基づき前記時系列データの時間軸を複数の区間に区分する区分部と、
前記時系列データに基づき前記区間毎に前記第２可動部の稼働状態を分類する第２稼働状態分類部と、
前記第１可動部の稼働状態の分類結果と前記第２可動部の稼働状態の分類結果とに基づき前記作業機械による作業を分類する作業分類部と
を備える解析装置。
続きを表示（約 1,600 文字）【請求項２】
前記作業分類部は、１または複数の前記区間を単位として、前記作業を分類する
請求項１に記載の解析装置。
【請求項３】
前記第２稼働状態分類部は、
前記区間毎の前記第２可動部の稼働状態に関する複数の所定の特徴量を含む入力情報を入力し、
前記第２可動部の稼働状態を分類した結果を表す出力情報を出力する機械学習モデルであって、
前記第２可動部の稼働状態の種類がラベル付けされた前記入力情報を用いて機械学習された学習済み機械学習モデルを用いて、
前記第２可動部の稼働状態を分類する
請求項２に記載の解析装置。
【請求項４】
前記第１可動部は走行部であり、
前記第２可動部は作業機である
請求項３に記載の解析装置。
【請求項５】
前記時系列データを、前記区間を単位として統計的に分析する詳細分析部を
備える請求項４に記載の解析装置。
【請求項６】
第１可動部と第２可動部とを有する作業機械の前記第１可動部の稼働状態と前記第２可動部の稼働状態とを少なくとも表す時系列データを取得するステップと、
前記時系列データに基づき前記第１可動部の稼働状態を分類するステップと、
前記第１可動部の稼働状態の分類結果に基づき前記時系列データの時間軸を複数の区間に区分するステップと、
前記時系列データに基づき前記区間毎に前記第２可動部の稼働状態を分類するステップと、
前記第１可動部の稼働状態の分類結果と前記第２可動部の稼働状態の分類結果とに基づき前記作業機械による作業を分類するステップと
を含む解析方法。
【請求項７】
第１可動部と第２可動部とを有する作業機械の前記第１可動部の稼働状態と前記第２可動部の稼働状態とを少なくとも表す時系列データを取得するステップと、
前記時系列データに基づき前記第１可動部の稼働状態を分類するステップと、
前記第１可動部の稼働状態の分類結果に基づき前記時系列データの時間軸を複数の区間に区分するステップと、
前記時系列データに基づき前記区間毎に前記第２可動部の稼働状態を分類するステップと、
前記第１可動部の稼働状態の分類結果と前記第２可動部の稼働状態の分類結果とに基づき前記作業機械による作業を分類するステップと
をコンピュータに実行させるプログラム。
【請求項８】
第１可動部と第２可動部とを有する作業機械の前記第１可動部の稼働状態と前記第２可動部の稼働状態とを少なくとも表す時系列データに基づく所定の入力情報を入力し、
前記第２可動部の稼働状態を分類した結果を表す出力情報を出力する機械学習モデルであって、
前記入力情報は、前記第１可動部の稼働状態の分類結果に基づいて前記時系列データの時間軸を複数の区間に区分した前記区間毎の前記第２可動部の稼働状態に関する複数の所定の特徴量を含み、
前記第２可動部の稼働状態の種類がラベル付けされた前記入力情報を用いて機械学習されている
学習済み機械学習モデル。
【請求項９】
前記第２可動部が、複数の部分可動部を有する作業機であり、
前記複数の特徴量は、時間軸上で互いに対応する前記複数の部分可動部の各可動量を異なる複数の座標軸上の各座標値で表した１以上の値を含む
請求項８に記載の学習済み機械学習モデル。
【請求項１０】
前記各座標値で表した１以上の値は、前記区分毎の前記各座標値の初期値、最大値、最小値、平均値、または、最終値に対応した値を含む
請求項９に記載の学習済み機械学習モデル。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本開示は、解析装置、解析方法、プログラム、学習済み機械学習モデル、および、機械学習方法に関する。
続きを表示（約 2,000 文字）【背景技術】
【０００２】
特許文献１には、空荷前進、掘削、積荷後進、積荷前進、積込、および、空荷後進の各作業モードを繰り返すサイクル作業（この例では積込作業）を実施するようにホイールローダがオペレータにより運転されたときに、サイクル作業が含む各作業モードを、ホイールローダの状態を表す数値に基づいて判別する技術が開示されている。
【先行技術文献】
【特許文献】
【０００３】
国際公開第２０２２／２４４６３２号
【発明の概要】
【発明が解決しようとする課題】
【０００４】
ところで、ホイールローダが実施する作業には、積込作業のほか、掘削物の選別作業、かき上げ作業等、複数種類の作業がある。また、ホイールローダ等の作業機械では、作業機械の稼働状態を表す時系列のデータに基づいて、作業機械がどのような作業を実施しているのかを効率的に解析したいというニーズがある。
【０００５】
本開示は、上記事情に鑑みてなされたものであり、作業機械の稼働状態を表す時系列のデータに基づいて作業を効率的に分類することができる解析装置、解析方法、プログラム、学習済み機械学習モデル、および、機械学習方法を提供することを目的とする。
【課題を解決するための手段】
【０００６】
本開示の解析装置は、第１可動部と第２可動部とを有する作業機械の前記第１可動部の稼働状態と前記第２可動部の稼働状態とを少なくとも表す時系列データを取得する取得部と、前記時系列データに基づき前記第１可動部の稼働状態を分類する第１稼働状態分類部と、前記第１可動部の稼働状態の分類結果に基づき前記時系列データの時間軸を複数の区間に区分する区分部と、前記時系列データに基づき前記区間毎に前記第２可動部の稼働状態を分類する第２稼働状態分類部と、前記第１可動部の稼働状態の分類結果と前記第２可動部の稼働状態の分類結果とに基づき前記作業機械による作業を分類する作業分類部とを備える。
【０００７】
また、本開示の解析方法は、第１可動部と第２可動部とを有する作業機械の前記第１可動部の稼働状態と前記第２可動部の稼働状態とを少なくとも表す時系列データを取得するステップと、前記時系列データに基づき前記第１可動部の稼働状態を分類するステップと、前記第１可動部の稼働状態の分類結果に基づき前記時系列データの時間軸を複数の区間に区分するステップと、前記時系列データに基づき前記区間毎に前記第２可動部の稼働状態を分類するステップと、前記第１可動部の稼働状態の分類結果と前記第２可動部の稼働状態の分類結果とに基づき前記作業機械による作業を分類するステップとを含む。
【０００８】
また、本開示のプログラムは、第１可動部と第２可動部とを有する作業機械の前記第１可動部の稼働状態と前記第２可動部の稼働状態とを少なくとも表す時系列データを取得するステップと、前記時系列データに基づき前記第１可動部の稼働状態を分類するステップと、前記第１可動部の稼働状態の分類結果に基づき前記時系列データの時間軸を複数の区間に区分するステップと、前記時系列データに基づき前記区間毎に前記第２可動部の稼働状態を分類するステップと、前記第１可動部の稼働状態の分類結果と前記第２可動部の稼働状態の分類結果とに基づき前記作業機械による作業を分類するステップとをコンピュータに実行させる。
【０００９】
また、本開示の学習済み機械学習モデルは、第１可動部と第２可動部とを有する作業機械の前記第１可動部の稼働状態と前記第２可動部の稼働状態とを少なくとも表す時系列データに基づく所定の入力情報を入力し、前記第２可動部の稼働状態を分類した結果を表す出力情報を出力する機械学習モデルであって、前記入力情報は、前記第１可動部の稼働状態の分類結果に基づいて前記時系列データの時間軸を複数の区間に区分した前記区間毎の前記第２可動部の稼働状態に関する複数の所定の特徴量を含み、前記第２可動部の稼働状態の種類がラベル付けされた前記入力情報を用いて機械学習されている。
【００１０】
また、本開示の機械学習方法は、第１可動部と第２可動部とを有する作業機械の前記第１可動部の稼働状態と前記第２可動部の稼働状態とを少なくとも表す時系列データに基づく所定の入力情報を入力し、前記第２可動部の稼働状態を分類した結果を表す出力情報を出力する機械学習モデル、の機械学習方法であって、前記入力情報は、前記第１可動部の稼働状態の分類結果に基づいて前記時系列データの時間軸を複数の区間に区分した前記区間毎の前記第２可動部の稼働状態に関する複数の所定の特徴量を含み、前記第２可動部の稼働状態の種類がラベル付けされた前記入力情報を用いて前記機械学習モデルを機械学習する。
【発明の効果】
（【００１１】以降は省略されています）

関連特許