[发明专利]机器学习装置、工业机械单元、制造系统及机器学习方法

说明书

技术领域

本发明涉及学习多个工业机械的作业分担的机器学习装置、工业机械单元、制造系统以及机器学习方法。

背景技术

目前，例如具备多个机器人等工业机械，通过这些多个工业机械进行作业的工业机械单元被实用化。此时，提出以下方案，计算没有被处理的工件的合计数量，从处理后的工件合计数量多的机器向上述合计数量少的机器再次分配一个以上的工件，由此将各个机器的负荷平均化(例如，日本专利第4827731号公报：专利文献1)。

另外，目前还提出了以下方案，即使是机器人的动作路径或物品运输间隔发生变化的情况下，也能够高效率地把持物品，预先规定了各个控制装置所控制的机器人把持的工件以及不把持的工件的个数，根据该规定的个数判断是否进行工件的把持(例如日本特开2008-296330号公报：专利文献2)。

进一步，目前还提出了以下方案，在预先设定了工件和部件的信息以及机器人的信息的基础上，针对所决定的作业将任务分配给多个机器人，决定动作的顺序，避免碰撞，谋求作业的最佳化(例如，日本特开2004-243461号公报：专利文献3)。

另外，目前还提出了以下方案，即使在由于焊接机器人的故障等，点焊枪陷入不能动作的情况下，预先设想各点焊枪不能动作的情况，进行生产线的作业分配模拟(例如，日本特开2000-141147号公报：专利文献4)。

另外，作为机器人的应用，不仅是进行制造作业的装置，也可以是例如交接运输传送带(传送带)上的物品的物流跟踪装置(例如日本特开2007-030087号公报：专利文献5)等各种装置。

如上所述，目前提出各种方案，例如，如专利文献1那样，通过多台机器人分担进行某个作业时，对各机器人决定作业分担使得作业量平均时，或者如专利文献2那样，判断是否预先决定作业个数来进行作业时，根据各个机器人固有的状态(例如作业区域或作业内容的不同等)，在某机器人中会产生超过能力的作业。并且，如果在某个机器人中产生超过该机器人的能力(容许值)的作业，则作为结果会进行工件的漏过或不完整的作业。

另外，为了防止这样的问题，考虑各机器人固有的状态并预先决定作业比例(每个机器人所分担的作业量)，或者考虑动态地控制该作业比例的情况。但是，多个机器人的作业内容等的条件组合变得大量，因此例如预先决定作业比例或预先制作变更作业比例的程序并动态地控制作业比例在现实中是困难的。

上述问题例如在生产中某机器人由于某种理由停止并且通过剩余的其他机器人分担作业继续生产的情况下变得显著。此时，考虑例如如专利文献1那样通过剩余的其他机器人平均地分担作业的情况，但是如上所述，如果在某机器人中产生超过能力的作业，则有可能会进行漏过多个工件或不完整的作业。

另外，例如在通过多个机器人进行点焊接的系统中，由于某种原因系统内的任意机器人停止时，需要通过其他机器人分担该停止的机器人的作业。但是，例如在专利文献3中，需要在输入任务(作业)之前输入机器人的信息，因此当任意的机器人停止时，在更新机器人信息的基础上进行任务的再分配，再次构筑作业的优化，因此有可能导致系统整体停止时间的增大。

进一步，例如在专利文献4中预先在各个机器人停止时，为了能够通过其他机器人分担作业而进行模拟，但是存在不仅需要用于进行事先的模拟的工时，还只采取基于模拟结果的举动的问题。

发明内容

本发明的目的为，鉴于上述现有技术的问题，提供能够将多个工业机械的作业分担进行优化的机器学习装置、工业机械单元、制造系统及机器学习方法。

根据本发明第一实施方式，提供一种机器学习装置，通过多个工业机械进行作业，学习针对上述多个工业机械的作业分担，该机器学习装置具备：状态量观测部，其观测上述多个工业机械的状态量；以及学习部，其根据通过上述状态量观测部观测到的上述状态量学习针对上述多个工业机械的作业分担。

上述机器学习装置最好还具备意图决定部，其参照由上述学习部学习到的上述作业分担，对上述多个工业机械决定并指示作业的分担内容。上述机器学习装置经由网络分别与上述多个工业机械连接，上述状态量观测部经由上述网络取得上述多个工业机械的状态量，上述意图决定部能够经由上述网络对上述多个工业机械发送上述作业的分担内容。