JP2016156193A

JP2016156193A - 操作支援システムおよび操作支援システムを備えた作業機械

Info

Publication number: JP2016156193A
Application number: JP2015034704A
Authority: JP
Inventors: 柄川　索; Saku Egawa; 索柄川
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2015-02-25
Filing date: 2015-02-25
Publication date: 2016-09-01
Anticipated expiration: 2035-02-25
Also published as: JP6343573B2; US20160247332A1; US10373406B2

Abstract

【課題】様々な作業の環境条件に対応して操作者の操作を支援して作業品質を向上させる操作支援システムを提供する。
【解決手段】作業機械の操作データを検出する操作データ検出手段２２６と、作業機械を操作する複数の操作者を識別する操作者識別手段２２７と、操作データおよび識別された複数の操作者の識別情報を蓄積するデータ蓄積手段３０１と、蓄積されたデータに基づき、複数の操作者の作業品質を評価して最良の操作者を選定する作業品質評価手段と、最良の操作者に対応する操作データに基づき、作業機械の操作モデル３０４のパラメータを学習する学習手段３０３と、操作モデルに基づいて、操作者を支援する操作支援手段３０８と、を有する。
【選択図】図３

Description

本発明は、操作支援システムおよび操作支援システムを備えた作業機械に関する。

従来、ショベル等の操作者によって操作される作業機械の作業効率を高めるために、作業機械の操作を支援する技術が提案されている。

操作者に情報を提示することにより操作を支援する技術の一例として、特許文献１には以下のように記載されている。建設機械の運転システムは、建設機械の運転状況に関する所定状態値の頻度分布に対する設定目標値を設定する設定手段と、所定状態値を検出する検出手段と、検出手段により検出された所定状態値の頻度分布を計算し、計算された頻度分布と設定手段により設定された設定目標値とを比較し、その比較結果に応じて、予め用意してあるメッセージを出力する制御手段とを備えている。

また、操作者の操作を学習して操作を支援する技術の一例として、特許文献２には以下のように記載されている。車両の操作具と駆動部の間に制御則を学習可能な、言い換えると入力と出力の関数関係を逐次修正して最適化可能な制御器を介在させる。制御器は操作具が出力する操作信号と、作業環境や車両内部の状況を検出するセンサ信号を入力とし、駆動部に送る動作指令を出力とする。学習と再生の切り替えは操作者らが手動で行うこともできるが、熟練操作者と非熟練操作者の操作具の扱い、言い替えると入力信号の時間変化に有意な差がある場合は、熟練・非熟練を自動判定して、自動的に切り替えることができる。

また、ニューラルネットワーク再構築のための教師データを自動抽出する技術の一例として、特許文献３には以下のように記載されている。自動学習により最新教師データを追加学習する自己成長型のニューラルネットワークを構築して、複数の入力パラメータから出力予測値を算出する想起を行うニューラルネットワークにおいて、制御結果に基づいて教師データを抽出し、当該教師データを前記各入力パラメータのパターン毎に分類し、それぞれのデータベースを構成するニューラルネットワークの教師データ自動抽出方法が提案される。

特許第４１７３１２１号公報特開２００１−１４２５０６号公報特開平７−１６０６６１号公報

作業機械の操作支援によって高い作業品質を得るには、理想的な操作の規範が必要である。ここで、作業品質とは作業の良さを評価する定量指標であり、例えば、作業機械が油圧ショベルの場合は、掘削積込みのサイクルタイム、運搬量、燃料消費量、目標地面形状に対する仕上げ精度などを用いることができる。

操作者に操作をアドバイスする情報を提示する場合、操作者の操作を理想的な操作と比較することが必要である。油圧ショベル等の作業機械では、作業する度に作業環境が変わり、理想的な操作も変化するので、作業環境に応じて理想的な操作の規範を生成する操作モデルが必要である。

油圧ショベル等の作業機械による複雑な作業の操作モデルを人手で作るのは難しいので、操作者による操作の記録データから学習するのが効果的である。良い作業モデルを学習するには、作業品質の良い操作のデータが多く必要である。また、作業環境は作業する度に変化するのに加えて、作業が進むにつれて変化していくので、多くのデータを継続的に収集して繰り返し学習することが必要である。しかし、収集されるデータは作業品質の良いものみではないため、データを選別する必要がある。特に、多数の記録データを扱う場合には、データを手動で選別すると大きなコストがかかるので、選別を自動で行う必要がある。

特許文献１の例では、設定手段により、建設機械の運転状況に関する所定状態値の頻度分布に対する設定目標値を設定するので、作業環境の変化に対応することができず、結果として最適なメッセージを出力できないおそれがある。

また、特許文献２の例には、熟練操作者と非熟練操作者の操作具の扱い、言い替えると入力信号の時間変化に有意な差がある場合は、熟練・非熟練を自動判定して、自動的に切り替えることができると記載されているが、一般には操作の微妙な違いによって作業品質に大きな差が生じるので、入力信号から熟練・非熟練を自動判定するのは困難である。

また、特許文献３の例では、制御結果、すなわち作業品質に基づいて教師データを抽出することが記載されているが、油圧ショベル等の作業機械による作業では、作業する度に作業環境が大きく変わり、理想的な作業品質も変化するため、作業品質のみから熟練度の評価を行うのは困難である。

本発明は、上記の課題を解決し、高い作業品質が得られるデータを自動選別して学習することにより、様々な作業の環境条件に適応し、高い作業品質が得られる操作支援システムおよび操作支援システムを備えた作業機械を提供することを目的とする。

上記課題を解決するための本発明の特徴は、例えば以下の通りである。

作業機械の操作データを検出する操作データ検出手段と、作業機械を操作する複数の操作者を識別する操作者識別手段と、操作データおよび識別された複数の操作者の識別情報を蓄積するデータ蓄積手段と、蓄積されたデータに基づき、複数の操作者の作業品質を評価して最良の操作者を選定する作業品質評価手段と、最良の操作者に対応する操作データに基づき、作業機械の操作モデルのパラメータを学習する学習手段と、操作モデルに基づいて、操作者を支援する操作支援手段と、を有する操作支援システム。

本発明により、様々な作業の環境条件に対応して操作者の操作を支援することができる。上記した以外の課題、構成及び効果は以下の実施形態の説明により明らかにされる。

本発明の一実施形態に関わる操作支援システムのシステム構成図である。本発明の一実施形態に関わるショベルの側面図である。本発明の一実施形態に関わる操作支援システムのブロック図である。本発明の一実施形態に関わる記録データの項目表である。本発明の一実施形態に関わる学習の手順を示すフローチャートである。本発明の効果を説明するグラフである。

以下、図面等を用いて、本発明の実施形態について説明する。以下の説明は本発明の内容の具体例を示すものであり、本発明がこれらの説明に限定されるものではなく、本明細書に開示される技術的思想の範囲内において当業者による様々な変更および修正が可能である。また、本発明を説明するための全図において、同一の機能を有するものは、同一の符号を付け、その繰り返しの説明は省略する場合がある。

なお、下記の説明では、作業機械として油圧ショベルに適用した例を示すが、本発明は、これに限定されるものではなく、工作機械、自動車、産業プラントなど、人によって操作または調整される作業機械へ適用可能である。

図１に本発明の操作支援システム１のシステム構成図を示す。複数台の作業機械である油圧ショベル２が作業サイト３の中に配置されている。ここで作業サイト３は、鉱山現場、土木工事現場などの１つの作業現場に対応している。油圧ショベル２には、それぞれ図示されない操作者が搭乗しており、油圧ショベル２を操作して作業を行う。作業を連続して行うため、一台の油圧ショベル２に対して、複数の操作者が交代して搭乗する。

また、作業サイト３には、管理センタ５が設けられている。油圧ショベル２と管理センタ５は無線および優先の通信システム６により接続されており、油圧ショベル２から管理センタ５へのデータ送信および管理センタ５から油圧ショベル２へのパラメータ送信が行われる。管理センタ５には、統合制御装置１０１、管理ディスプレイ１０２が備えられており、管理者（図示されない）へ、油圧ショベル２から送信されたデータおよびその分析結果を提示する。

図２は本発明の操作支援システム１を備える油圧ショベル２の構造を示す側面図である。油圧ショベル２は、ブーム２０１、アーム２０２、バケット２０３および上部旋回体２０４、および、それらを駆動する油圧アクチュエータであるブームシリンダ２１１、アームシリンダ２１２、バケットシリンダ２１３および旋回モータ２１４、および、これらの油圧アクチュエータを駆動するアクチュエータ駆動装置２１５を備えている。また、油圧アクチュエータの油圧圧力を検出するブーム油圧センサ２４１、アーム油圧センサ２４２、バケット油圧センサ２４３、旋回油圧センサ２４４を備えている。

また、油圧ショベル２は、動作状態を検知するための、ブーム角度センサ２２１、アーム角度センサ２２２、バケット角度センサ２２３、旋回角度センサ２２４、および、作業環境の状態を検知するための環境センサであるカメラ２２５を備えている。

また、油圧ショベル２は、操作者（図示されない）が搭乗する運転席２３０、操作者が操作する操作レバー２３１、操作レバー２３１の操作量を検出する操作量センサ２２６、操作者に操作支援情報を提示するディスプレイ２３２、作業機械を操作する複数の操作者を識別する操作者識別センサ２２７（操作者識別手段）を備えている。ここで、操作者識別センサ２２７は操作者の個人識別を行うものであり、例えば、操作者が携帯している無線タグを検知して識別情報を得る。

また、油圧ショベル２は、センサの情報に基づいて作業データの収集、ディスプレイ２３２へ提示する情報の生成、アクチュエータ駆動装置２１５に与える制御信号の生成を行う車載制御装置２３４を備えている。また、油圧ショベル２は、車載制御装置２３４と管理センタ５の間で通信を行うための通信システム６を介して通信するための無線通信装置２３５を搭載している。

操作者は、操作レバー２３１を操作してブームシリンダ２１１、アームシリンダ２１２、バケットシリンダ２１３を駆動して作業を行うが、ディスプレイ２３２を通じて操作者に操作支援情報を提示することにより作業品質を向上させる。また、車載制御装置２３４からアクチュエータ駆動装置２１５へ与えられる制御信号により、操作者の操作の一部を代替することにより、作業品質を向上させる。

図３は、本発明の操作支援システムにおける情報処理・制御システムの構成を示すブロック図である。この操作支援システム１における情報処理・制御の機能は、管理センタ５に設けられている統合制御装置１０１および油圧ショベル２に設けられている車載制御装置２３４に搭載されたソフトウェアによって実現される。

データ蓄積部３０１（データ蓄積手段）は、操作者識別センサ２２７により得られる操作者識別子３１１と、操作データ３１５を半導体メモリ、磁気記憶装置などの記憶装置に蓄積する。換言すれば、データ蓄積部３０１は、操作データ３１５および識別された複数の操作者の識別情報を蓄積する
記録されるデータの構造を図４に示す。なお、ここで、操作データ３１５は、操作量センサ２２６により得られる操作量３１２、環境センサ２２５により得られる環境状態３１３、車体状態センサ３０９により得られる車体状態３１４をまとめたものである。また、作業機械の操作データを検出する車体状態センサ３０９（操作データ検出手段）は、車体の状態に関わるセンサであるブーム角度センサ２２１、アーム角度センサ２２２、バケット角度センサ２２３、旋回角度センサ２２４、ブーム油圧センサ２４１、アーム油圧センサ２４２、バケット油圧センサ２４３、旋回油圧センサ２４４をまとめて表記したものである。

データ選別部３０２は、データ蓄積部３０１から操作データ３１５を読み出し、後述する手順により作業品質を高めるために有効なデータを選別する。

パラメータ学習部３０３（学習手段）は、データ選別部３０２で選択された操作データ３１５を用いて操作モデル３０４のパラメータを学習し、学習結果の操作モデルパラメータ３２１を操作モデル３０４に設定する。換言すれば、パラメータ学習部３０３は、最良の操作者に対応する操作データ３１５に基づき、作業機械の操作モデル３０４のパラメータを学習する。

操作モデル３０４は、環境状態センサ２２５および車体状態センサ３０９から得られる環境状態３１３、車体状態３１４から、動作目標３２２と操作評価指標基準３２３（作業指標の基準）を生成する関数であり、ニューラルネットなどの入出力の教師データからパラメータを学習する方法で作成する。

ここで、動作目標３２２は、望ましい動作において、例えばバケットの位置などの動作位置（動作点）を示すものであり、これを目標としてアクチュエータを駆動する。また、操作評価指標基準３２３は、後述する評価指標の基準となる値であり、望ましい動作において期待される値を示す。

自動操作部３０５は、動作目標３２２と、環境状態３１３と、車体状態３１４に基づいて、車体の動作を動作目標３２２に近づけるように、操作指令３２２を生成する。

操作選択部３０６は、操作者による手動操作と自動操作を切り替えるものであり、手動操作の場合は操作量センサ２２４で得られる操作量３１２をアクチュエータ駆動装置２１５に伝達し、自動操作の場合は、自動操作部３０５で生成された操作指令３２４によって操作量３１２の一部または全部を置き換えてアクチュエータ駆動装置２１５に伝達する。

操作評価部３０７（作業品質評価手段）は、操作量３１２、環境状態３１３、車体状態３１４から、操作評価指標３２５（作業指標）を算出する。ここで、操作評価指標３２５は、操作の特性を定量的に評価する指標であり、例えば、サイクルタイム等の作業品質は評価指標の一つである。また、停止状態などの特定の動作状態の頻度を評価指標として用いることもできる。操作評価部３０７は、データ蓄積部３０１に蓄積されたデータに基づき、複数の操作者の作業品質を評価して最良の操作者を選定する。

操作支援情報生成部３０８（操作支援手段）は、操作評価部３０７で算出された操作評価指標３２５と、操作モデル３０４で生成された操作評価指標基準３２３を比較して、操作アドバイスなどの操作支援情報３２６を生成し、ディスプレイ２３２に表示する。また、操作モデル３０４で制裁された自動操作の動作目標３２２を可視化してディスプレイ２３２に表示する。ディスプレイ２３２に表示する情報は、管理センタ５へ伝送し、管理ディスプレイ１０２へも表示する。換言すれば、操作支援情報生成部３０８は、操作モデル３０４に基づいて、操作者を支援する。

データの蓄積、選別、学習の手順を図５に示すフローチャートを用いて説明する。

まず、データの蓄積を行う。センサから得られた操作者識別子３１１と操作データ３１５をデータ蓄積部３０１に記録する（ステップ５０１）。次に、所定のデータ記録期間が終了したどうかを判定し（ステップ５０２）、記録期間が終了してない場合は、ステップ５０１のデータ蓄積を繰り返し、終了した場合は以下のデータ選別の段階に進む。

データ選別では、まず、データ蓄積部３０１に蓄積されたデータから最初の操作者の操作データを選択抽出する（ステップ５０３）。選択したデータに対して、そのデータ全体の平均作業品質を計算して記憶する（ステップ５０４）。全ての操作者のデータの平均作業品質の計算が完了したかどうかを判定し（ステップ５０５）、完了していない場合は、次の操作者の操作データを選択し（ステップ５０６）、ステップ５０４の平均作業品質計算を繰り返す。

完了した場合は、全ての操作者のなかから平均作業品質が最大になる操作者を選定し（ステップ５０７）、データ蓄積部３０１からその操作者の操作データを抽出する（ステップ５０８）。

最後に抽出された操作データを用いて操作モデルの学習を行い、操作モデルパラメータ３２１を生成する（ステップ５０９）。その後、ステップ５０１から繰り返す。

以下、本発明の一実施形態における操作支援システムおよび操作支援システムを備えた作業機械の作用を説明する。

操作者が油圧ショベル２の運転席２３０に搭乗すると、操作者識別センサ２２７は操作者が携帯している無線タグから操作者識別子３１１を読み出す。

操作者が操作レバー２３１を操作して作業を行うと、操作者識別子３１１と、操作量センサ２２６、環境状態センサ２２５、車体状態センサ３０９から得られる操作量３１２、環境状態３１３、車体状態３１４からなる操作データ３１５が、無線通信装置２３５と通信システム６を経由して管理センタ５の統合制御装置１０１に送られ、データ蓄積部３０１に記録される。

図５のフローチャートに示したように、所定の期間操作データ３１５が蓄積されると、データの選別と学習が行われる。ここで所定の期間は、多数の異なる操作者のデータを収集するために十分長く、かつ、作業環境が大幅に変化しない範囲に定める。例えば、交替勤務によって連続作業を行っている場合には、交替が一巡する期間を１セットとすると、１回ないし数セットに定める。

データ選別部３０２は、蓄積された操作データ３１５から、操作者ごとに作業品質を評価し、操作者間の作業品質を比較することによってデータ選別を行う。作業環境は時々刻々変化しているため、操作データ３１５には、様々な環境条件での作業が含まれており、作業品質も変動している。

そこで、各操作者について、記録データ全体の平均の作業品質を求めて評価に用いる。例えば、作業品質として、掘削積込み作業のサイクルタイムを用いる場合、一人の操作者の記録データには多くの回数の掘削積込みサイクルが含まれているが、それらのサイクルタイムの平均値をその操作者による平均の作業品質とする。これによって、毎回の作業環境の変動による作業品質のばらつきの影響を除き、操作者ごとの作業品質を比較評価することが可能となる。上記の方法により全ての操作者の平均作業品質を求め、それらを比較して、作業品質が最良となる操作者、すなわち最も優秀な操作者を選定し、その操作者の操作データを抽出してパラメータ学習部３０３に渡す。これによって、作業品質の良い操作規範を生成する操作モデル３０４を得ることができる。

パラメータ学習部３０３は、選定された操作データ３１５を用いて操作モデル３０４のパラメータ３２１を生成する。まず、操作データ３１５から、バケット位置等の動作点を算出する。また、操作評価部３０７と同様に操作評価指標３２５を算出する。環境状態３１３と車体状態３１４を入力、動作点と操作評価指標３２５を出力の教師データとし、これを用いてバックプロパゲーション法などにより操作モデル３０４を学習させ、操作モデルパラメータ３２１を得る。これによって、環境状態３１３と車体状態３１４を入力、動作点の目標と操作評価指標を出力とする操作モデル３０４が得られる。

上記により得られた操作モデル３０４を用いて、以下のように操作支援が行われる。

操作評価部３０７は、操作量３１２、環境状態３１３、車体状態３１４を用いて、サイクルタイムや、動作状態別の頻度などの操作評価指標３２５を生成する。また、操作モデル３０４は、操作モデルパラメータ３２１に基づいて、環境状態３１３と車体状態３１４から、良好な操作が行われた際に得られる操作評価指標値を推測し、操作評価指標基準３２３として出力する。操作支援情報生成部３０８は、操作評価指標３２５と操作評価指標基準３２３を比較して、差が大きい場合には操作をアドバイスする操作支援情報３２６を生成する。例えば停止状態の頻度が基準値よりも高い場合には、停止状態を減らすことを促すメッセージを生成する。操作者はディスプレイ２３２を見てアドバイスを受け、それに従って、あるいは参考にして作業するので、作業品質が高まる。

また、必要に応じて、操作者は操作選択部３０６を自動操作に切り替える。この時、操作モデル３０４は、環境状態３１３と車体状態３１４から、良好な操作が行われた際のバケット２０３の位置などの動作目標３２２を出力する。自動操作部３０５は、動作目標３２２と車体状態３１４から、車体を動作目標３２２に導くための操作指令３２４を求める。すなわち、例えば動作目標３２２がバケット２０３の位置の場合には、バケットをその位置に導くためのレバー操作量を算出して操作指令３２４として出力する。操作選択部３０６は、生成された操作指令３２４により、操作量３１２の一部または全部を置き換えてアクチュエータ駆動装置２１５に伝える。これにより、操作者による操作の一部または全部が、良好な操作を学習している操作モデル３０４によって代替される、つまり、操作支援情報生成部３０８は、動作目標３２２に基づいて、操作者の操作の一部を代替する、ので、作業品質が高まる。なお、自動操作を行っている際には、操作者はレバー操作を行わなくなるため、データ蓄積部３０１はデータ蓄積を行わない。

なお、上記において、操作モデル３０４によって直接にアクチュエータに対する操作指令を生成させるのではなく、操作モデル３０４に動作目標３２２を生成させ、自動動作部３０５によって、動作がその動作目標３２２に一致するように操作指令を生成させている理由は、アクチュエータの動作は外部から働く力などの外乱の影響を強く受けるため、操作指令は外乱に応じて高速かつ大幅に調整する必要があり、操作指令を直接に学習するのは困難なためである。動作目標３２２を学習による操作モデル３０４で生成し、自動動作部３０５で制御理論に基づくフィードバック制御を行うことにより、より学習基の操作者に近い動作させることができる。

上記において、データ選別部３０２は、まず最も作業品質の高い操作者を選定し、その操作者のデータを抽出することによりデータ選別を行うが、その効果を図６を用いて説明する。

図６は、作業環境の状態と、その状態下において得られる作業品質およびその時の動作点の関係を模式的に示したグラフである。作業機械によって得られる最良の作業品質６０１は、一般に未知であり、かつ環境状態によって複雑に変化する。また、最良の作業品質６０１が得られる最良動作点６０４も環境状態によって変化する。

ここで、熟練度の高い操作者Ａと熟練度の低い操作者Ｂが複数回の作業を行い、それぞれ複数の操作者Ａの作業品質データ６０２（黒丸の点群）と操作者Ｂの作業品質データ６０３（白丸の点群）、複数の操作者Ａによる作業の動作点データ６０５（黒丸の点群）、操作者Ｂによる作業の動作点データ６０６（白丸の点群）が得られたとする。環境は作業する度に変化し、得られる作業品質も変化するが、操作者Ａは熟練度が高いため、いずれの環境でも、その作業品質は最良の作業品質６０１に近い。

一方、熟練度の低い操作者Ｂにより得られる作業品質は、その環境における最良作業品質よりも劣る。環境条件によって最良の作業品質６０１が異なるため、個々のデータを比較すると操作者Ａよりも操作者Ｂの方が作業品質が良いケースもあるが、様々な環境条件を含むデータを平均して比較すれば、操作者Ａの平均作業品質６１０は操作者Ｂの平均作業品質６１１よりも良い。

また、操作者Ａ、操作者Ｂによる作業の動作点データ６０５、作業の動作点データ６０６を比較すると、熟練度の高い操作者Ａによる作業の動作点データ６０５の方が、最良動作点６０４に近くなる。

本発明の一実施形態では、作業品質を操作者ごとに平均して比較して、操作者を選定しているので、最良に近い作業品質が得られる熟練度の高い操作者を選定できる。さらに、その選定した操作者のデータから操作モデル３０４のパラメータ３２１を学習するので、図６の操作Ａのデータからの学習結果６０７に示すように、最良動作点６０４に近い値を出力する操作モデルが得られる。これにより、全ての操作者のデータから学習した結果６０８に対して、良い操作モデルを得ることができ、より高い作業品質が得られる。

なお、上記の実施例では、データ蓄積、学習、制御等の機能を油圧ショベル２に搭載した車載制御装置２３４と、管理センタ５に設置した統合制御装置１０１に搭載した例を示したが、機能の配置は上記の例に限定されず、機能をどこに配置しても良い。例えば、より多くの機能を統合制御装置１０１に搭載して油圧ショベル２に搭載する装置を簡素化したり、逆により多くの機能を車載制御装置２３４に搭載して管理センタ５を簡素化しても良い。また、上記の例では管理センタ５は、作業サイト３に設けるものとしているが、複数のサイトの管理センタを統合して、作業サイトとは異なる場所に設置しても良い。

１操作支援システム、２油圧ショベル（作業機械）、３作業サイト、５管理センタ、６通信システム、１０１統合制御装置、１０２管理ディスプレイ、２０１ブーム、２０２アーム、２０３バケット、２０４上部旋回体、２１１ブームシリンダ、２１２アームシリンダ、２１３バケットシリンダ、２１４旋回モータ、２１５アクチュエータ駆動装置、２２１ブーム角度センサ、２２２アーム角度センサ、２２３バケット角度センサ、２２４旋回角度センサ、２２５環境センサ（カメラ）、２２６操作量センサ、２２７操作者識別センサ、２３０運転席、２３１操作レバー、２３２ディスプレイ、２３４車載制御装置、２３５無線通信装置、２４１ブーム油圧センサ、２４２アーム油圧センサ、２４３バケット油圧センサ、２４４旋回油圧センサ、３０１データ蓄積部、３０２データ選別部、３０３パラメータ学習部、３０４操作モデル、３０５自動操作部、３０６操作選択部、３０７操作評価部、３０８操作支援情報生成部、３０９車体状態センサ、３１１操作者識別子、３１２操作量、３１３環境状態、３１４車体状態、３１５操作データ、３２１操作モデルパラメータ、３２２動作目標、３２３操作評価指標基準、３２４操作指令、３２５操作評価指標、３２６操作支援情報、６０１最良の作業品質、６０２操作者Ａの作業品質データ、６０３操作者Ｂの作業品質データ、６０４最良動作点、６０５操作者Ａによる作業の動作点データ、６０６操作者Ｂによる作業の動作点データ、６０７操作者Ａのデータからの学習結果、６０８全ての操作者のデータからの学習結果、６１０操作者Ａの平均作業品質、６１１操作者Ｂの平均作業品質

Claims

作業機械の操作データを検出する操作データ検出手段と、
前記作業機械を操作する複数の操作者を識別する操作者識別手段と、
前記操作データおよび前記識別された複数の操作者の識別情報を蓄積するデータ蓄積手段と、
前記蓄積されたデータに基づき、前記複数の操作者の作業品質を評価して最良の操作者を選定する作業品質評価手段と、
前記最良の操作者に対応する操作データに基づき、前記作業機械の操作モデルのパラメータを学習する学習手段と、
前記操作モデルに基づいて、前記操作者を支援する操作支援手段と、を有する操作支援システム。
請求項１において、
前記操作評価部は、作業指標を算出し、
前記操作モデルにより前記作業指標の基準が生成され、
前記操作支援手段は、前記作業指標と前記作業指標の基準に基づき、前記操作者に支援情報を提供する、操作支援システム。
請求項１乃至２のいずれかにおいて、
前記操作モデルにより前記作業機械の動作目標が生成され、
前記操作支援手段は、前記動作目標に基づいて、前記操作者の操作の一部を代替する、操作支援システム。