発明の名称 ：

予測制御開発装置、 予測制御開発方法、 及び予測制御開発プログラム

技術分野

[0001] 本発明は、 予測制御開発装置、 予測制御開発方法、 及び予測制御開発プロ グラムに関する。

背景技術

[0002] 制御対象装置の動作を制御するために、 P LC (programmable logic cont roller) 等のコントローラが一般的に利用されている 。 従来、 コントローラ の計算能力が限られていたため、 コントローラは、 例えば、 P 丨 D (Proport ional-Integral-Different ial) 制御、 P 丨制御等の演算の比較的に簡単な制 御方法により、 制御対象装置の動作を制御するように構成さ れていた。 しか しながら、 近年、 コントローラの計算能力が向上したことによ り、 予測モデ ルを利用した高度な制御方法の実装が可能と なった。

[0003] 例えば、 特許文献 1では、 化学プラント、 製油所等の工場プロセスの制御 に利用する P LCに予測モデルを実装する方法が提案されて� ��る。 具体的に は、 システムプロセスの動作結果を示すデータを 収集し、 得られたデータに 基づいて、 システムの状態を予測する予測モデルを生成 し、 生成した予測モ デルを利用して、 システムの制御を最適化することが提案され ている。 この 方法によれば、 工場プロセスを最適化し、 品質の悪い製品が製造される確率 を低減することができる。

先行技術文献

特許文献

[0004] 特許文献 1 :米国特許出願公開第 201 4/0297002号明細書

発明の概要

発明が解決しようとする課題

[0005] 本件発明者らは、 上記のような、 制御対象装置の状態 (すなわち、 制御量 〇 2020/175418 2 卩（：171? 2020 /007284

) を予測する予測モデルを利用した従来の予測 制御には、 次のような問題点 があることを見出した。

[0006] すなわち、 特許文献 1では、 化学プラント、 製油所等の比較的に大規模な 生産装置において、 !- ⁽ 3の利用が想定されている。 この大規模な生産装置 では、 例えば、 ワークの切り替え、 調整等の段取り替えが殆ど発生しないた め、 予測制御システムのモデル開発において、 様々な状況下での制御結果を 示すデータを収集することができる。 そのため、 収集されたデータに基づい て、 制御量を高精度に予測可能な予測モデルを容 易に生成することができる

[0007] しかしながら、 搬送機、 プレス機等の比較的に小規模な生産装置を制 御対 象装置とする場合、 生産装置の段取り替えが頻繁に発生するため 、 様々な状 況下での制御結果を示すデータを収集する時 間を十分に確保するのは困難で ある。 そのため、 収集されるデータには偏りが生じてしまい、 制御量を高精 度に予測可能な予測モデルを生成するのが困 難である。 これにより、 予測精 度の低い予測モデルが生成されてしまい、 この予測モデルを利用した生産装 置の予測制御が実施されることで、 かえって品質の悪い製品の生成される確 率が高くなってしまう可能性がある。 本件発明者らは、 予測モデルを利用し た従来の予測制御には、 このような問題点があることを見出した。

[0008] 本発明は、 一側面では、 このような実情を鑑みてなされたものであり 、 そ の目的は、 大規模な生産装置は勿論のこと、 比較的に小規模な生産装置を制 御対象装置とする場合でも、 制御量を高精度に予測可能な予測モデルを生 成 するための技術を提供することである。

課題を解決するための手段

[0009] 本発明は、 上述した課題を解決するために、 以下の構成を採用する。

[0010] すなわち、 本発明の一側面に係る予測制御開発装置は、 コントローラが、 操作量の時系列データとして複数の指令値を 制御対象装置に与えることによ り制御対象装置を制御している間における、 制御対象装置の制御量の値の推 移を示す第 1時系列データを取得する第 1取得部と、 取得された前記第 1時 〇 2020/175418 3 卩（：171? 2020 /007284

系列データを分析することで、 前記制御量の予測モデルを生成するモデル生 成部と、 前記コントローラに、 前記予測モデルにより予測される前記制御量 の予測値に応じて前記各指令値を補正させ、 かつ補正された前記各指令値を 前記制御対象装置に与えることにより前記制 御対象装置を制御させるように 、 前記予測モデルを前記コントローラに提供す るモデル提供部と、 前記コン トローラが、 補正された前記各指令値を前記制御対象装置 に与えることによ り前記制御対象装置を制御している間におけ る、 前記制御対象装置の制御量 の値の推移を示す第 2時系列データを取得する第 2取得部と、 前記予測モデ ルにより予測される前記制御量の予測値及び 前記第 2時系列データにより示 される前記制御量の値の差に基づいて、 前記予測モデルによる予測の精度が 許容されるか否かを評価するモデル評価部と 、 を備える。 そして、 前記予測 モデルによる予測の精度が許容されないと評 価された場合には、 前記モデル 生成部は、 取得された前記第 2時系列データを分析することで、 前記制御量 の予測モデルを再度生成し、 前記モデル提供部は、 再度生成された前記予測 モデルを前記コントローラに提供することで 、 前記コントローラの保持する 予測モデルを更新する。

[001 1 ] 当該構成に係る予測制御開発装置は、 制御量の値の推移を示す第 1時系列 データを取得し、 取得された第 1時系列データを分析することで、 制御量の 予測モデルを生成する。 生成された予測モデルは、 制御対象装置の動作を制 御するコントローラに提供される。 コントローラは、 得られた予測モデルを 利用して、 制御対象装置の予測制御を実行する。 当該構成に係る予測制御開 発装置は、 この予測モデルを利用した予測制御の間にお ける制御対象装置の 芾 I」御量の値の推移を示す第 2時系列データを取得する。 次に、 当該構成に係 る予測制御開発装置は、 予測モデルにより予測される制御量の予測値 及び第 2時系列データにより示される制御量の値の� �に基づいて、 予測モデルによ る予測の精度が許容されるか否かを評価する 。 そして、 予測モデルによる予 測の精度が許容されないと評価された場合に は、 当該構成に係る予測制御開 発装置は、 第 2時系列データを分析することで、 制御量の予測モデルが再度 〇 2020/175418 4 卩（：171? 2020 /007284

生成し、 再度生成された予測モデルをコントローラに 提供することで、 コン トローラに保持される予測モデルを更新する 。

[0012] すなわち、 当該構成によれば、 予測モデルをコントローラに提供した後に 、 この予測モデルによる予測の精度を検証する ことができる。 そして、 その 検証の結果、 予測モデルによる予測の精度が許容されない 場合には、 予測モ デルを提供した環境下で新たに得られた第 2時系列データに基づいて新たな 予測モデルを生成し、 生成された新たな予測モデルにより、 予測制御に利用 される予測モデルを更新することができる。 これにより、 第 1時系列データ を収集する時間が比較的に短時間であること で、 得られた予測モデルによる 制御量の予測の精度が低い場合であっても、 この第 2時系列データを利用し た予測モデルの更新により、 予測モデルによる予測の精度を改善すること が できる。 つまり、 予測モデルを運用しながらであっても、 予測モデルによる 制御量の予測の精度を改善し続けることがで きる。 したがって、 当該構成に 係る予測制御開発装置によれば、 大規模な生産装置は勿論のこと、 比較的に 小規模な生産装置を制御対象装置とする場合 でも、 制御量を高精度に予測可 能な予測モデルを生成することができる。

[0013] なお、 制御量は、 例えば、 モータの回転角度、 回転速度等の制御の対象と なる量である。 制御量の時系列データは、 シミュレーションで得られてもよ いし、 実機の駆動により得られてもよい。 時系列データの取得には、 センサ が利用されてもよい。 センサは、 計測する制御量に応じて適宜選択されてよ い。 第 1時系列データは、 予測モデルを利用しない制御 （すなわち、 通常の 制御） の間に得られてもよい。 或いは、 第 1時系列データは、 第 2時系列デ —夕と同様に、 予測モデルによる予測制御の間に得られても よい。 この場合 、 予測モデルは、 予め与えられてよい。

[0014] 操作量は、 例えば、 モータの電圧等の制御対象装置に与える量で ある。 制 御対象装置の種類は、 特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。 制御対象装置は、 例えば、 プレス機、 ウェブ搬送装置、 射 出成形機、 N（3旋盤、 放電加工機、 包装機等の生産ラインで利用される比較 〇 2020/175418 5 卩（：171? 2020 /007284

的に小規模な生産装置であってもよい。 この比較的に小規模な生産装置の動 作は、 例えば、 !_〇に代表される小規模な制御装置によって� ��御されてよ い。 操作量として制御対象装置に与えられる指令 値は、 丨 口制御、 I制 御等の公知の制御方法により決定されてよい 。 制御量の予測値に応じて指令 値を補正することは、 決定された指令値を予測値に応じて直接的に 補正する こと、 及び予測値に応じて制御量の目標値を補正す ることで、 決定される指 令値を間接的に補正することを含んでよい。

[0015] 予測モデルは、 第 1時刻における制御量の値 （計測値又は予測値） から第

1時刻より未来の第 2時刻における制御量の予測値を予測するよ� �に構成さ れる。 つまり、 予測モデルは、 第 1時刻における制御量の値が入力されると 、 第 2時刻における制御量の予測値を出力するよ� �に構成される。 予測モデ ルの入力には、 1時刻の値が用いられてもよいし、 過去の所定の時間区間内 の複数の値が用いられてもよい。 また、 予測モデルの入力には、 制御量の値 以外のデータが更に用いられてもよい。 制御量の値以外のデータとして、 例 えば、 操作量の値、 ワークの個体情報等が予測モデルに入力され てよい。

[0016] このような予測モデルの種類は、 特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。 予測モデルは、 例えば、 自己回帰モデル等の 回帰モデルにより構成されてもよいし、 例えば、 ニューラルネッ トワーク等 の機械学習モデルにより構成されてもよい。 予測モデルを生成するために、 時系列データを分析する方法は、 特に限定されなくてもよく、 予測モデルの 種類に応じて適宜選択されてよい。 予測モデルが自己回帰モデルにより構成 される場合、 分析方法には、 最小二乗法等の公知の回帰分析方法が用いら れ てよい。 また、 予測モデルがニューラルネッ トワーク等の機械学習モデルに より構成される場合、 分析方法には、 誤差逆伝播法等の公知の機械学習方法 が用いられてよい。

[0017] 上記一側面に係る予測制御開発装置は、 前記コントローラに、 前記各指令 値に対する前記補正の量を指定する補正量指 定部を更に備えてもよい。 当該 構成によれば、 予測モデルの検証及び更新を繰り返す際に、 予測モデルによ 〇 2020/175418 6 卩（：171? 2020 /007284

る予測制御の程度を調整することができる 。 これにより、 当該予測モデルに よる予測制御の最適化を図ることができる。

[0018] 上記一側面に係る予測制御開発装置において 、 前記補正量指定部は、 前記 予測モデルが更新される度に、 前記補正の量が大きくなるように指定しても よい。 当該構成によれば、 予測モデルの検証及び更新を繰り返す度に、 予測 モデルによる予測制御における各指令値に対 する補正量を徐々に高めていく （すなわち、 予測制御の程度を徐々に高めていく） ことで、 当該予測モデル による予測制御を最適化することができる。

[0019] 上記一側面に係る予測制御開発装置は、 前記予測モデルにより予測される 前記制御量の予測値及び前記第 2時系列データにより示される前記制御量の 値を表示装置に表示させる出力部を更に備え てもよい。 当該構成によれば、 生成された予測モデルによる制御量の予測の 精度を確認することができる。

[0020] 上記一側面に係る予測制御開発装置において 、 前記制御対象装置は、 金型 により構成されたプレス機であってよく、 前記操作量は、 前記金型を駆動す るサーボモータの電圧であってよく、 前記制御量は、 前記金型の位置であっ てもよい。 当該構成によれば、 金型の位置を高精度に予測可能でかつプレス 機の予測制御に利用可能な予測モデルを生成 することができる。 これにより 、 プレス機を含む工場プロセスを最適化し、 品質の悪い製品が製造される確 率を低減することができる。

[0021 ] 上記一側面に係る予測制御開発装置において 、 前記制御対象装置は、 ウェ ブを搬送するように構成されたウェブ搬送装 置であってよく、 前記操作量は 、 前記ウェブの端部の位置を調節するためのア クチユエータの電圧であって よく前記制御量は、 前記ウェブの端部の位置であってよい。 当該構成によれ ば、 ウェブの端部の位置を高精度に予測可能でか つウェブ搬送装置の予測制 御に利用可能な予測モデルを生成することが できる。 これにより、 ウェブ搬 送装置を含む工場プロセスを最適化し、 品質の悪い製品が製造される確率を 低減することができる。

[0022] 上記各形態に係る予測制御開発装置の別の態 様として、 本発明の一側面は 〇 2020/175418 7 卩（：171? 2020 /007284

、 以上の各構成を実現する情報処理方法であっ てもよいし、 プログラムであ ってもよいし、 このようなプログラムを記憶した、 コンビュータ等が読み取 り可能な記憶媒体であってもよい。 ここで、 コンピュータ等が読み取り可能 な記憶媒体とは、 プログラム等の情報を、 電気的、 磁気的、 光学的、 機械的 、 又は、 化学的作用によって蓄積する媒体である。

[0023] 例えば、 本発明の一側面に係る予測制御開発方法は、 コンピュータが、 コ ントローラが、 操作量の時系列データとして複数の指令値を 制御対象装置に 与えることにより制御対象装置を制御してい る間における、 制御対象装置の 制御量の値の推移を示す第 1時系列データを取得するステップと、 取得され た前記第 1時系列データを分析することで、 前記制御量の予測モデルを生成 するステップと、 前記コントローラに、 前記予測モデルにより予測される前 記制御量の予測値に応じて前記各指令値を補 正させ、 かつ補正された前記各 指令値を前記制御対象装置に与えることによ り前記制御対象装置を制御させ るように、 前記予測モデルを前記コントローラに提供す るステップと、 前記 コントローラが、 補正された前記各指令値を前記制御対象装置 に与えること により前記制御対象装置を制御している間に おける、 前記制御対象装置の制 御量の値の推移を示す第 2時系列データを取得するステップと、 前記予測モ デルにより予測される前記制御量の予測値及 び前記第 2時系列データにより 示される前記制御量の値の差に基づいて、 前記予測モデルによる予測の精度 が許容されるか否かを評価するステップと、 を実行し、 前記予測モデルによ る予測の精度が許容されないと評価された場 合、 前記コンピュータは、 取得 された前記第 2時系列データを分析することで、 前記制御量の予測モデルを 再度生成し、 かつ再度生成された前記予測モデルを前記コ ントローラに提供 することで、 前記コントローラの保持する予測モデルを更 新する、 情報処理 方法である。

[0024] また、 例えば、 本発明の一側面に係る予測制御開発プログラ ムは、 コンビ ュータに、 コントローラが、 操作量の時系列データとして複数の指令値を 制 御対象装置に与えることにより制御対象装置 を制御している間における、 制 〇 2020/175418 8 卩（：171? 2020 /007284

御対象装置の制御量の値の推移を示す第 1時系列データを取得するステップ と、 取得された前記第 1時系列データを分析することで、 前記制御量の予測 モデルを生成するステップと、 前記コントローラに、 前記予測モデルにより 予測される前記制御量の予測値に応じて前記 各指令値を補正させ、 かつ補正 された前記各指令値を前記制御対象装置に与 えることにより前記制御対象装 置を制御させるように、 前記予測モデルを前記コントローラに提供す るステ ップと、 前記コントローラが、 補正された前記各指令値を前記制御対象装置 に与えることにより前記制御対象装置を制御 している間における、 前記制御 対象装置の制御量の値の推移を示す第 2時系列データを取得するステップと 、 前記予測モデルにより予測される前記制御量 の予測値及び前記第 2時系列 データにより示される前記制御量の値の差に 基づいて、 前記予測モデルによ る予測の精度が許容されるか否かを評価する ステップと、 を実行させ、 前記 予測モデルによる予測の精度が許容されない と評価された場合、 前記コンビ ユータに、 取得された前記第 2時系列データを分析することで、 前記制御量 の予測モデルを再度生成させ、 かつ再度生成された前記予測モデルを前記コ ントローラに提供することで、 前記コントローラの保持する予測モデルを更 新させる、 ための、 プログラムである。

発明の効果

［0025］ 本発明によれば、 比較的に小規模な生産装置を制御対象装置と する場合で も、 制御量を高精度に予測可能な予測モデルを生 成することができる。

図面の簡単な説明

［0026］ ［図 1］図 1は、 本発明が適用される場面の一例を模式的に例 示する。

［図 2］図 2は、 実施の形態に係る予測制御開発装置のハード ウエア構成の一例 を模式的に例示する。

［図 3］図 3は、 実施の形態に係る !_〇 （コントローラ） のハードウエア構成 の一例を模式的に例示する。

［図 4］図 4は、 実施の形態に係るプレス機 （制御対象装置） の一例を模式的に 例示する。 \¥0 2020/175418 9 卩（：17 2020 /007284

［図 5 ］図 5八は、 図 4のプレス機における生産工程の一例を模式� �に例示す る。

［図 58］図 5巳は、 図 4のプレス機における生産工程の一例を模式� �に例示す る。

［図 5（：］図 5〇は、 図 4のプレス機における生産工程の一例を模式� �に例示す る。

［図 50］図 5 0は、 図 4のプレス機における生産工程の一例を模式� �に例示す る。

［図 6］図 6は、 実施の形態に係る予測制御開発装置のソフト ウヱア構成の一例 を模式的に例示する。

［図 7］図 7は、 実施の形態に係る 1_〇 （コントローラ） のソフトウェア構成 の一例を模式的に例示する。

［図 8］図 8は、 実施の形態に係る 1_〇 （コントローラ） の処理手順の一例を 例示する。

［図 9］図 9は、 実施の形態に係る予測制御開発装置の処理手 順の一例を例示す る。

［図 10］図 1 0は、 実施の形態に係る評価結果の出力画面の一例 を模式的に例 」、する。

［図 1 1］図 1 1は、 本発明が適用される場面の他の一例を模式的 に例示する。 ［図 12］図 1 2は、 図 1 1のウェブ搬送装置において搬送されるウェ� �の端部 の位置を調節する場面を模式的に例示する。

［図 13］図 1 3は、 変形例に係る予測制御開発装置のソフトウヱ ア構成の一例 を模式的に例示する。

［図 14八］図 1 4 は、 変形例に係る予測制御開発装置の処理手順の 一例を例示 する。

［図 148］図 1 4巳は、 変形例に係る予測制御開発装置の処理手順の 一例を例示 する。

発明を実施するための形態 〇 2020/175418 10 卩（：171? 2020 /007284

[0027] 以下、 本発明の一側面に係る実施の形態 （以下、 「本実施形態」 とも表記 する） を、 図面に基づいて説明する。 ただし、 以下で説明する本実施形態は 、 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。 つまり 、 本発明の実施にあたって、 実施形態に応じた具体的構成が適宜採用され て もよい。 なお、 本実施形態において登場するデータを自然言 語により説明し ているが、 より具体的には、 コンピュータが認識可能な疑似言語、 コマンド 、 パラメータ、 マシン語等で指定される。

[0028] § 1 適用例

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、 本実施形態に係る予測制御システム 1 〇〇の適用場面の一例を模式 的に例示する。

[0029] 図 1 に示されるとおり、 本実施形態に係る予測制御システム 1 0 0は、 ネ ッ トワークを介して互いに接続される予測制御 開発装置 1及び !_ 0 2を備 えている。 これにより、 予測制御システム 1 0 0は、 制御対象装置の制御量 を予測するための予測モデルを生成し、 生成された予測モデルを利用して制 御対象装置の動作を予測制御するように構成 される。 予測制御開発装置 1及 び !_〇2の間のネッ トワークの種類は、 例えば、 インターネッ ト、 無線通 信網、 移動通信網、 電話網、 専用網等から適宜選択されてよい。

[0030] !_〇2は、 制御対象装置の動作を制御するように構成さ れたコンピュー 夕である。 !_〇2は、 コントローラの一例である。 本実施形態では、 !_ 〇2には、 プレス機 3が接続されている。 プレス機 3は、 制御対象装置の一 例である。 ただし、 コントローラ及び制御対象装置はそれぞれ、 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。

[0031 ] また、 図 1の例では、 予測制御開発装置 1及び !_ 0 2は、 互いに別個の コンビュータである。 しかしながら、 予測制御システム 1 0 0の構成は、 こ のような例に限定されなくてもよい。 予測制御開発装置 1及び !_〇 2は、 一体のコンピュータで構成されてもよい。 また、 予測制御開発装置 1及び 〇 2020/175418 1 1 卩（：171? 2020 /007284

1_〇 2はそれぞれ複数台のコンピュータにより構� �されてよい。

[0032] 本実施形態に係る予測制御開発装置 1は、 制御対象装置の予測制御に利用 可能な予測モデルを生成するように構成され たコンピュータである。 具体的 に、 本実施形態に係る予測制御開発装置 1は、 操作量の時系列データとして 複数の指令値を制御対象装置に与えることに よりコントローラが制御対象装 置を制御している間における、 制御対象装置の制御量の値の推移を示す第 1 時系列データを取得する。 予測制御開発装置 1は、 取得された第 1時系列デ —夕を分析することで、 制御量の予測モデルを生成する。 制御量は、 制御の 対象となる量である。 操作量は、 制御対象装置に与える量である。 制御量及 び操作量はそれぞれ、 制御対象装置に応じて適宜選択されてよい。

[0033] 次に、 本実施形態に係る予測制御開発装置 1は、 コントローラに、 予測モ デルにより予測される制御量の予測値に応じ て各指令値を補正させ、 かつ補 正された各指令値を制御対象装置に与えるこ とにより制御対象装置の動作を 制御するように、 予測モデルをコントローラに提供する。 これにより、 !_ 〇2は、 予測制御開発装置 1 により生成された予測モデルを取得する。 !_ 〇 2は、 予測モデルを利用して制御対象装置の動作を 制御する予測制御モー ド、 及び予測モデルを利用せずに、 丨 口制御等の公知の制御方法により制 御量の計測値から指令値を決定する通常の制 御モードの 2つのモードを切り 替え可能に構成されてよい。

[0034] 続いて、 本実施形態に係る予測制御開発装置 1は、 コントローラが、 補正 された各指令値を制御対象装置に与えること により当該制御対象装置を制御 している間における、 制御対象装置の制御量の値の推移を示す第 2時系列デ —夕を取得する。 そして、 予測制御開発装置 1は、 予測モデルにより予測さ れる制御量の予測値及び第 2時系列データにより示される制御量の値の� �に 基づいて、 予測モデルによる予測の精度が許容されるか 否かを評価する。

[0035] 予測モデルによる予測の精度が許容されない と評価された場合、 本実施形 態に係る予測制御開発装置 1は、 取得された第 2時系列データを分析するこ とで、 制御量の予測モデルを再度生成する。 そして、 予測制御開発装置 1は 〇 2020/175418 12 卩（：171? 2020 /007284

、 再度生成された予測モデルをコントローラに 提供することで、 コントロー ラの保持する予測モデルを更新する。 つまり、 予測モデルによる予測の精度 が比較的に低い場合には、 本実施形態に係る予測制御開発装置 1は、 第 2時 系列データに基づいて新たな予測モデルを生 成し、 生成された予測モデルに より !_ 0 2の保持する予測モデルを更新する。

[0036] 以上のとおり、 本実施形態に係る予測制御システム 1 0 0では、 予測制御 開発装置 1 により生成された予測モデルが し〇 2に提供された後、 この予 測モデルによる予測の精度を検証することが できる。 そして、 その検証の結 果、 予測モデルによる予測の精度が許容されない 場合には、 予測モデルを提 供した環境下で新たに得られた第 2時系列データに基づいて新たな予測モデ ルを生成し、 生成された新たな予測モデルにより、 予測制御に利用される予 測モデルを更新することができる。 これにより、 第 1時系列データを収集す る時間が比較的に短時間であることに起因し て、 得られた予測モデルによる 制御量の予測の精度が低い場合であっても、 第 2時系列データを利用した予 測モデルの更新により、 予測モデルによる予測の精度を改善すること ができ る。 つまり、 予測モデルを運用しながらであっても、 予測モデルの予測精度 を改善し続けることができる。 したがって、 本実施形態によれば、 大規模な 生産装置は勿論のこと、 プレス機 3のような比較的に小規模な生産装置を制 御対象装置とする場合でも、 制御量を高精度に予測可能な予測モデルを生 成 することができる。

[0037] § 2 構成例

[ハードウェア構成]

＜予測制御開発装置＞

次に、 図 2を用いて、 本実施形態に係る予測制御開発装置 1のハードウェ ア構成の一例について説明する。 図 2は、 本実施形態に係る予測制御開発装 置 1のハードウェア構成の一例を模式的に例示� �る。

[0038] 図 2に示されるとおり、 本実施形態に係る予測制御開発装置 1は、 制御部

1 1、 記憶部 1 2、 通信インタフェース 1 3、 入力装置 1 4、 表示装置 1 5 〇 2020/175418 13 卩（：171? 2020 /007284

、 及びドライブ 1 6が電気的に接続されたコンピュータである� � なお、 図 2 では、 通信インタフェースを 「通信丨 / F」 と記載している。

[0039] 制御部 1 1は、 ハードウェアプロセッサである C P U (Cent ra l Process i n g Un i t) 、 R A M (Random Access Memory) 、 R O M (Read On ly Memory) 等を含み、 プログラム及び各種データに基づいて情報処 理を実行するように 構成される。 記憶部 1 2は、 メモリの一例であり、 例えば、 ハードディスク ドライブ、 ソリッ ドステートドライブ等で構成される。 本実施形態では、 記 憶部 1 2は、 予測制御開発プログラム 8 1、 第 1時系列データ 2 2 3、 第 2 時系列データ 2 2 5、 生成結果データ 1 2 5等の各種情報を記憶する。

[0040] 予測制御開発プログラム 8 1は、 予測モデルの生成に関する後述の情報処 理 (図 9 ) を予測制御開発装置 1 に実行させるためのプログラムである。 予 測制御開発プログラム 8 1は、 この情報処理の一連の命令群を含む。 第 1時 系列データ 2 2 3は、 上記第 1時系列データの一例であり、 第 2時系列デー 夕 2 2 5は、 上記第 2時系列データの一例である。 生成結果データ 1 2 5は 、 生成された予測モデルに関する情報を示す。 生成結果データ 1 2 5は、 予 測制御開発プログラム 8 1 を実行した結果として得られる。 詳細は後述する

[0041 ] 通信インタフェース 1 3は、 例えば、 有線 L A N (Loca l Area Network) モジュール、 無線 L A Nモジュール等であり、 ネッ トワークを介した有線又 は無線通信を行うためのインタフェースであ る。 予測制御開発装置 1は、 こ の通信インタフェース 1 3を利用することで、 ネッ トワークを介したデータ 通信を他の情報処理装置 (例えば、 P L C 2 ) と行うことができる。 また、 予測制御開発装置 1は、 この通信インタフェース 1 3を利用することで、 生 成された生成結果データ 1 2 5を外部の装置に配信することができる。

[0042] 入力装置 1 4は、 例えば、 マウス、 キーボード等の入力を行うための装置 である。 また、 表示装置 1 5は、 出力装置の一例であり、 例えば、 ディスプ レイである。 オペレータは、 入力装置 1 4及び表示装置 1 5を介して、 予測 制御開発装置 1 を操作することができる。 なお、 表示装置 1 5は、 タッチパ 〇 2020/175418 14 卩（：171? 2020 /007284

ネルディスプレイであってもよい。 この場合、 入力装置 1 4は省略されても よい。

[0043] ドライブ 1 6は、 例えば、 C Dドライブ、 D V Dドライブ等であり、 記憶 媒体 9 1 に記憶されたプログラムを読み込むためのド ライブ装置である。 ド ライブ 1 6の種類は、 記憶媒体 9 1の種類に応じて適宜選択されてよい。 上 記予測制御開発プログラム 8 1、 第 1時系列データ 2 2 3、 及び第 2時系列 データ 2 2 5の少なくともいずれかは、 この記憶媒体 9 1 に記憶されていて もよい。

[0044] 記憶媒体 9 1は、 コンピュータその他装置、 機械等が、 記録されたプログ ラム等の情報を読み取り可能なように、 当該プログラム等の情報を、 電気的 、 磁気的、 光学的、 機械的又は化学的作用によって蓄積する媒体 である。 予 測制御開発装置 1は、 この記憶媒体 9 1から、 上記予測制御開発プログラム 8 1、 第 1時系列データ 2 2 3、 及び第 2時系列データ 2 2 5の少なくとも いずれかを取得してもよい。

[0045] ここで、 図 2では、 記憶媒体 9 1の一例として、 C D、 D V D等のディス ク型の記憶媒体を例示している。 しかしながら、 記憶媒体 9 1の種類は、 デ ィスク型に限定される訳ではなく、 ディスク型以外であってもよい。 ディス ク型以外の記憶媒体として、 例えば、 フラッシュメモリ等の半導体メモリを 挙げることができる。

[0046] なお、 予測制御開発装置 1の具体的なハードウェア構成に関して、 実施形 態に応じて、 適宜、 構成要素の省略、 置換及び追加が可能である。 例えば、 制御部 1 1は、 複数のハードウェアプロセッサを含んでもよ い。 ハードウェ アプロセッサは、 マイクロプロセッサ、 F P G A (f i e ld-prog rammab le gate ar ray) 等で構成されてよい。 記憶部 1 2は、 制御部 1 1 に含まれる R A M 及び R O Mにより構成されてもよい。 通信インタフェース 1 3、 入力装置 1 4、 表示装置 1 5及びドライブ 1 6の少なくともいずれかは省略されてもよ い。 予測制御開発装置 1は、 複数台の情報処理装置で構成されてもよい。 こ の場合、 各コンビュータのハードウェア構成は、 一致していてもよいし、 一 〇 2020/175418 15 卩（：171? 2020 /007284

致していなくてもよい。 また、 予測制御開発装置 1 には、 提供されるサービ ス専用に設計された情報処理装置の他、 汎用のサーバ装置、 汎用の PC (Per sonal Computer) 等が用いられてもよい。

[0047] <P LC>

次に、 図 3を用いて、 本実施形態に係る P LC 2のハードウェア構成の一 例を説明する。 図 3は、 本実施形態に係る P LC2のハードウェア構成の一 例を模式的に例示する。

[0048] 図 3に示されるとおり、 P LC2は、 制御部 2 1、 記憶部 22、 通信イン タフェース 23、 及び外部インタフェース 24が電気的に接続されたコンビ ュータである。 これらにより、 P LC2は、 プレス機 3等の制御対象装置の 動作を制御するように構成される。 なお、 図 3では、 通信インタフェース及 び外部インタフェースをそれぞれ 「通信丨 / F」 及び 「外部 I / F」 と記載 している。

[0049] 制御部 2 1は、 C P U、 RAM、 ROM等を含み、 プログラム及び各種デ —夕に基づいて情報処理を実行するように構 成される。 記憶部 22は、 例え ば、 RAM、 ROM等で構成され、 制御プログラム 82、 目標値情報 22 1 、 第 1時系列データ 223、 第 2時系列データ 225、 生成結果データ 1 2 5等の各種情報を記憶する。 制御プログラム 82は、 制御対象装置の動作を 制御する後述の情報処理 (図 8) を P LC 2に実行させるためのプログラム である。 制御プログラム 82は、 当該情報処理の一連の命令群を含む。 目標 値情報 22 1は、 所定の動作を制御対象装置に実行させる際の 制御量の一連 の基礎目標値を示す。 詳細は後述する。

[0050] 通信インタフェース 23は、 例えば、 有線 LANモジュール、 無線 LAN モジュール等であり、 有線又は無線通信を行うためのインタフェー スである 。 P LC2は、 この通信インタフェース 23を利用することで、 ネッ トワー クを介したデータ通信を他の情報処理装置 (例えば、 予測制御開発装置 1 ) と行うことができる。

[0051] 外部インタフェース 24は、 例えば、 US B (Universal Serial Bus) ポ 〇 2020/175418 16 卩（：171? 2020 /007284

—卜、 専用ポート等であり、 外部装置と接続するためのインタフェースで あ る。 外部インタフヱース 2 4の種類及び数は、 接続される外部装置の種類及 び数に応じて適宜選択されてよい。 本実施形態では、 1_〇2は、 外部イン タフェース 2 4を介して、 プレス機 3に接続される。 これにより、 P L C 2 は、 プレス機 3に対して指令値を送信することで、 プレス機 3の動作を制御 することができる。 また、 1_〇2は、 制御量の計測値をプレス機 3から取 得することができる。

[0052] なお、 !_〇 2の具体的なハードウェア構成に関して、 実施の形態に応じ て、 適宜、 構成要素の省略、 置換、 及び追加が可能である。 例えば、 制御部 2 1は、 複数のプロセッサを含んでもよい。 記憶部 2 2は、 制御部 2 1 に含 まれる 八 IV!及び [¾〇 IV!により構成されてもよい。 記憶部 2 2は、 ハードデ イスクドライブ、 ソリッ ドステートドライブ等の補助記憶装置により 構成さ れてもよい。 また、 !_〇2は、 提供されるサービス専用に設計された情報 処理装置の他、 制御する対象に応じて、 デスクトップ ＜3、 タブレッ ト 〇 等の汎用の情報処理装置に置き換えられても よい。

[0053] ＜プレス機＞

次に、 図 4を用いて、 プレス機 3のハードウェア構成の一例について説明 する。 図 4は、 本実施形態に係るプレス機 3のハードウェア構成の一例を模 式的に例示する。

[0054] 本実施形態に係るプレス機 3は、 サーボドライバ 3 1、 上側金型 3 2、 下 側金型 3 3、 及び位置センサ 3 5を備えている。 下側金型 3 3が固定されて いるのに対して、 上側金型 3 2は、 サーボモータ （不図示） によって、 上下 方向に移動可能に構成されている。 位置センサ 3 5は、 下側金型 3 3に対す る上側金型 3 2の位置を計測するように構成される。 これにより、 上側金型 3 2は、 その位置を制御されることで、 下側金型 3 3にワークを押し付けて 、 ワークの成形を行ったり、 下側金型 3 3から離れたりすることができる。 サーボドライバ 3 1は、 !_ 0 2からの指令値に基づいて、 上側金型 3 2の サーボモータを駆動するように構成される。 本実施形態において、 上側金型 〇 2020/175418 17 卩（：171? 2020 /007284

3 2を駆動するサーボモータの電圧が操作量の� �例であり、 上側金型 3 2の 位置が制御量の _例である。

[0055] ただし、 プレス機 3の構成は、 このような例に限定されなくてもよい。 プ レス機 3の構成に関して、 実施の形態に応じて、 適宜、 構成要素の省略、 置 換、 及び追加が可能である。 例えば、 上側金型 3 2及び下側金型 3 3の両方 が移動可能に構成されてもよい。 また、 位置センサ 3 5の配置は、 図 4の例 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。 位置セ ンサ 3 5の種類は、 上側金型 3 2と下側金型 3 3との間の距離を測定可能で あれば、 特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。 位置センサ 3 5には、 公知のセンサが利用されてもよい。

[0056] 次に、 図 5八~図 5 0を用いて、 プレス機 3における生産工程の一例を模 式的に例示する。 プレス機 3は、 生産ラインに適宜配置されてよい。 図 5八 に示されるとおり、 初期状態では、 上側金型 3 2は、 下側金型 3 3から離れ た待機位置に配置され、 下側金型 3 3にワーク 4 0が搬送されるまで待機す る。 ワーク 4 0は、 例えば、 金属製の板材である。 ただし、 ワーク 4 0の種 類は、 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選択 されてよい。 ワーク 4 0は、 例えば、 製品の原料、 加工前の物、 組み立て前 の部品等であってよい。

[0057] 下側金型 3 3の所定の位置にワーク 4 0が配置された後、 プレス機 3は、 図 5巳に示されるとおり、 サーボドライバ 3 1 により上側金型 3 2のサーボ モータを駆動し、 上側金型 3 2を成形開始位置に配置する。 成形開始位置は 、 例えば、 上側金型 3 2の先端がワーク 4 0に接触する又はその直前の位置 である。

[0058] そして、 プレス機 3は、 図 5〇に示されるとおり、 サーボドライバ 3 1 に より上側金型 3 2のサーボモータを更に駆動し、 上側金型 3 2を目標位置 （ 下死点） まで移動させ、 上側金型 3 2及び下側金型 3 3によりワーク 4 0の 成形を行う。 これにより、 プレス機 3は、 ワーク 4 0から製品 4 1 を生産す ることができる。 なお、 この製品 4 1は、 ワーク 4 0に対してプレス機 3が 〇 2020/175418 18 卩（：171? 2020 /007284

生産処理を行うことで得られる物であれば 特に限定されなくてもよく、 最終 品であってもよいし、 中間品 （加工途中のもの） であってもよい。

［0059］ 成形が完了した後、 プレス機 3は、 図 5 0に示されるとおり、 サーボドラ イバ 3 1 により上側金型 3 2のサーボモータを駆動し、 上側金型 3 2を待機 位置まで移動させる。 そして、 ワーク 4 0を成形することで得られた製品 4 1 をべルトコンベア （不図示） 等によりプレス機 3から搬送する。 これによ り、 ワーク 4 0から製品 4 1 を生産する生産工程の一連の動作が完了する 。

!_〇2は、 この一連の生産工程をプレス機 3に実行させるように、 位置セ ンサ 3 5により得られる上側金型 3 2の位置の計測値及び目標値から指令値 を決定し、 決定された指令値をサーボドライバ 3 1 に与えることで、 プレス 機 3の動作を制御する。

［0060］ ［ソフトウェア構成］

＜予測制御開発装置＞

次に、 図 6を用いて、 本実施形態に係る予測制御開発装置 1のソフトウェ ア構成の一例について説明する。 図 6は、 本実施形態に係る予測制御開発装 置 1のソフトウェア構成の一例を模式的に例示� �る。

［0061］ 予測制御開発装置 1の制御部 1 1は、 記憶部 1 2に記憶された予測制御開 発プログラム 8 1 を 八1\/1に展開する。 そして、 制御部 1 1は、 ［¾八1\/1に展 開された予測制御開発プログラム 8 1 を〇 IIにより解釈及び実行して、 予 測制御開発プログラム 8 1 に含まれる一連の命令群に基づいて、 各構成要素 を制御する。 これによって、 図 6に示されるとおり、 本実施形態に係る予測 制御開発装置 1は、 第 1取得部 1 1 1、 モデル生成部 1 1 2、 モデル提供部 1 1 3、 補正量指定部 1 1 4、 第 2取得部 1 1 5、 モデル評価部 1 1 6、 及 び出力部 1 1 7をソフトウェアモジュールとして備えるコ� �ビュータとして 動作する。 すなわち、 本実施形態では、 各ソフトウェアモジュールは、 制御 部 1 1 （〇 11） により実現される。

［0062］ 第 1取得部 1 1 1は、 コントローラが、 操作量の時系列データとして複数 の指令値を制御対象装置に与えることにより 制御対象装置を制御している間 〇 2020/175418 19 卩（：171? 2020 /007284

における、 制御対象装置の制御量の値の推移を示す第 1時系列データ 2 2 3 を取得する。 モデル生成部 1 1 2は、 取得された第 1時系列データ 2 2 3を 分析することで、 制御量の予測モデル 5 0を生成し、 生成された予測モデル 5 0を示す生成結果データ 1 2 5を生成する。 本実施形態では、 コントロー ラは !_〇 2であり、 制御対象装置はプレス機 3である。

[0063] モデル提供部 1 1 3は、 生成結果データ 1 2 5をコントローラに配信する ことで、 生成された予測モデル 5 0をコントローラに提供する。 これにより 、 モデル提供部 1 1 3は、 コントローラに、 予測モデル 5 0により予測され る制御量の予測値に応じて各指令値を補正さ せ、 かつ補正された各指令値を 制御対象装置に与えることにより当該制御対 象装置の動作を制御させる。 補 正量指定部 1 1 4は、 コントローラに、 各指令値に対する補正の量を指定す る。

[0064] 第 2取得部 1 1 5は、 コントローラが、 補正された各指令値を制御対象装 置に与えることにより制御対象装置を制御し ている間における、 制御対象装 置の制御量の値の推移を示す第 2時系列データ 2 2 5を取得する。 モデル評 価部 1 1 6は、 予測モデル 5 0により予測される制御量の予測値及び第 2時 系列データ 2 2 5により示される制御量の値の差に基づいて� � 予測モデル 5 0による予測の精度が許容されるか否かを評� �する。 出力部 1 1 7は、 予測 モデル 5 0により予測される制御量の予測値及び第 2時系列データ 2 2 5に より示される制御量の値を表示装置 1 5に表示させる。

[0065] 予測モデル 5 0による予測の精度が許容されないと評価さ� �た場合、 モデ ル生成部 1 1 2は、 取得された第 2時系列データ 2 2 5を分析することで、 制御量の予測モデル 5 0を再度生成する。 これにより、 モデル生成部 1 1 2 は、 生成結果データ 1 2 5を更新する。 モデル提供部 1 1 3は、 更新された 生成結果データ 1 2 5をコントローラに配信することで、 再度生成された予 測モデル 5 0をコントローラに提供する。 これにより、 モデル提供部 1 1 3 は、 コントローラの保持する予測モデル 5 0を更新する。

[0066] 予測モデル 5 0は、 第 1時刻における制御量の値 （計測値又は予測値） か 〇 2020/175418 20 卩（：171? 2020 /007284

ら第 1時刻より未来の第 2時刻における制御量の予測値を予測するよ� �に構 成される。 つまり、 予測モデル 5 0は、 第 1時刻における制御量の値の入力 に対して、 第 2時刻における制御量の予測値を出力するよ� �に構成される。 予測モデル 5 0の入力には、 1時刻の値が用いられてもよいし、 過去の所定 の時間区間内の複数の値が用いられてもよい 。 また、 予測モデル 5 0の入力 には、 制御量の値以外のデータが更に用いられても よい。 制御量の値以外の データとして、 例えば、 操作量の値、 ワーク 4 0の個体情報等が予測モデル 5 0に入力されてよい。

[0067] 予測モデル 5 0は、 制御量の入力値から予測値を算出するための 演算パラ メータを含むように構成される。 このような予測モデル 5 0の種類は、 特に 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 0は、 例えば、 自己回帰モデル等の回帰モデルにより構成さ れてもよい し、 例えば、 ニューラルネッ トワーク等の機械学習モデルにより構成され て もよい。 自己回帰モデルは、 自己回帰係数を含む 1又は複数の項を総和する 回帰式により表現される。 この自己回帰モデルにより予測モデル 5 0が構成 される場合、 演算パラメータの一例は、 当該自己回帰モデルの各項における 自己回帰係数等である。 また、 ニューラルネッ トワークは、 1又は複数の二 ューロン （ノード） を含む 1又は複数の層を備える。 複数の層を備える場合 、 典型的には、 入力側から出力側に各層は配置され、 隣接する層に含まれる ニューロン同士は適宜結合される。 各結合には重み （結合荷重） が設定され る。 各ニューロンには閾値が設定されており、 基本的には、 各入力と各重み との積の和が閾値を超えているか否かによっ て各ニューロンの出力が決定さ れる。 このニューラルネッ トワークにより予測モデル 5 0が構成される場合 、 演算パラメータの一例は、 例えば、 各ニューロン間の結合の重み、 各ニュ —ロンの閾値等である。

[0068] この予測モデル 5 0を生成するために、 時系列データを分析する方法は、 特に限定されなくてもよく、 予測モデル 5 0の種類に応じて適宜選択されて よい。 予測モデル 5 0が自己回帰モデルにより構成される場合、 モデル生成 〇 2020/175418 21 卩（：171? 2020 /007284

部 1 1 2は、 最小二乗法等の公知の回帰分析方法により、 各項における自己 回帰係数等の演算パラメータを導出すること で、 予測モデル 5 0を生成して もよい。 また、 予測モデル 5 0がニューラルネッ トワーク等の機械学習モデ ルにより構成される場合、 モデル生成部 1 1 2は、 誤差逆伝播法等の公知の 機械学習方法により、 各ニューロン間の結合の重み、 各ニューロンの閾値等 の演算パラメータを導出することで、 予測モデル 5 0を生成してもよい。

[0069] < P L C>

次に、 図 7を用いて、 本実施形態に係る !_ 0 2のソフトウェア構成の一 例について説明する。 図 7は、 本実施形態に係る !_ 0 2のソフトウェア構 成の—例を模式的に例示する。

[0070] !_〇 2の制御部 2 1は、 記憶部 2 2に記憶された制御プログラム 8 2を

[¾八1\/1に展開する。 そして、 制御部 2 1は、

ラム 8 2を 0 IIにより解釈及び実行して、 制御プログラム 8 2に含まれる —連の命令群に基づいて、 各構成要素を制御する。 これによって、 図 7に示 されるとおり、 本実施形態に係る し〇 2は、 目標値取得部 2 1 1、 動作制 御部 2 1 2、 補正処理部 2 1 3、 及びデータ収集部 2 1 4をソフトウェアモ ジュールとして備えるコンピュータとして動 作する。 すなわち、 本実施形態 では、 各ソフトウェアモジュールは、 制御部 2 1 （〇 11） により実現され る。

[0071 ] 目標値取得部 2 1 1は、 上記生産工程の動作等の所定の動作を制御対 象装 置に実行させる際に、 制御対象装置の制御量の目標となる基礎目標 値を取得 する。 本実施形態では、 所定の動作における一連の基礎目標値は、 目標値情 報 2 2 1 により与えられる。 目標値取得部 2 1 1は、 目標値情報 2 2 1 を参 照することで、 制御量の基礎目標値を取得する。

[0072] 動作制御部 2 1 2は、 制御対象装置の制御量の計測値を取得する。 そして 、 動作制御部 2 1 2は、 制御量の計測値及び指令目標値に基づいて指 令値を 決定し、 決定された指令値を制御対象装置に与えるこ とで、 制御対象装置の 動作を制御する。 本実施形態の一例では、 制御量は、 上側金型 3 2の位置で 〇 2020/175418 22 卩（：171? 2020 /007284

あり、 操作量は、 上側金型 3 2を駆動するサーボモータの電圧である。 動作 制御部 2 1 2は、 位置センサ 3 5により計測された上側金型 3 2の位置の計 測値を取得し、 取得された計測値及び指令目標値に基づいて 指令値を決定す る。 そして、 動作制御部 2 1 2は、 決定された指令値を操作量としてサーボ ドライバ 3 1 に与えることで、 プレス機 3における上側金型 3 2の位置を制 御する。

[0073] 予測制御を実施しない場合、 動作制御部 2 1 2は、 基礎目標値を指令目標 値として利用し、 基礎目標値及び計測値から指令値 6 0を決定する。 他方、 予測制御を実施する場合、 補正処理部 2 1 3が、 予測モデル 5 0を利用して 、 指令値 6 0を補正する。 本実施形態では、 補正処理部 2 1 3は、 生成結果 データ 1 2 5を保持することで、 予測モデル 5 0を含んでいる。 また、 補正 処理部 2 1 3は、 制御量の予測値に応じて、 基礎目標値を補正するように構 成された補正器 5 5を含んでいる。 補正器 5 5は、 計算式等により表現され た演算モジユールにより構成されてよい。

[0074] 補正処理部 2 1 3は、 生成結果データ 1 2 5を参照することで、 予測制御 開発装置 1 により生成された予測モデル 5 0を設定する。 補正処理部 2 1 3 は、 設定された予測モデル 5 0を利用して、 制御量の計測値から予測値を算 出する。 次に、 補正処理部 2 1 3は、 補正器 5 5を利用して、 予測モデル 5 0により予測された予測値に応じて、 基礎目標値を補正することで、 補正済 みの目標値 6 3を取得する。 動作制御部 2 1 2は、 補正済みの目標値 6 3を 指令目標値として利用し、 補正済みの目標値 6 3及び計測値から指令値 6 5 を決定する。 すなわち、 本実施形態では、 補正処理部 2 1 3は、 制御量の基 礎目標値を補正することで、 制御対象装置に与える指令値を間接的に補正 す る。

[0075] 制御対象装置の動作を制御する間、 動作制御部 2 1 2及び補正処理部 2 1

3の上記一連の処理は繰り返される。 動作制御部 2 1 2は、 指令値 （6 0、

6 5） を生成し、 生成された指令値 （6 0、 6 5） を制御対象装置に与える 処理を繰り返す。 これにより、 動作制御部 2 1 2は、 操作量の時系列データ 〇 2020/175418 23 卩（：171? 2020 /007284

として複数の指令値 （6 0、 6 5） を制御対象装置に与えることで、 所定の 動作を実行するように制御対象装置を制御す る。 なお、 繰り返すタイミング 及び一度に生成する指令値 （6 0、 6 5） の数はそれぞれ、 特に限定されな くてもよく、 実施の形態に応じて適宜決定されてよい。 動作制御部 2 1 2は 、 例えば、 制御周期毎に、 上記処理を繰り返してもよい。

[0076] 図 7では、 時刻 Iの指令値を決定する場面が例示されている� � 動作制御部

2 1 2は、 時刻 よりも前の時刻である時刻 に計測された制御量 の計測値丫 （I - a） を取得する。 予測間隔 3は、 特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。 予測間隔 3は、 例えば、 制御 周期の整数倍 （1以上） と一致してもよいし、 制御周期とは無関係であって もよい。 予測間隔 3は、 例えば、 制御量を計測するセンサ （例えば、 位置セ ンサ 3 5） に依存してもよい。 予測制御を実施しない場合、 動作制御部 2 1 2は、 時刻 1に目標とする制御量の基礎目標値及び計測� �丫 （ t - a） から 指令値 1·! （1：） を決定し、 決定された指令値 1 _*1 （1：） を制御対象装置に与え る。

[0077] 予測制御を実施する場合、 補正処理部 2 1 3は、 予測モデル 5 0を利用し て、 計測値丫 から時刻 1：における制御量の予測値 （ 1：） を予測 する。 続いて、 補正処理部 2 1 3は、 補正器 5 5を利用して、 予測値 （1 ） に応じて、 時刻 1の基礎目標値を補正することで、 補正済みの目標値 6 3 を取得する。 動作制御部 2 1 2は、 時刻 Iの補正済みの目標値 6 3及び計測 値丫 （1 - 3） から指令値 II （1:） を決定し、 決定された指令値 II （1:） を 制御対象装置に与える。

[0078] データ収集部 2 1 4は、 上記一連の処理により得られた制御量の計測 値及 び予測値を収集する。 データ収集部 2 1 4は、 操作量の時系列データとして 複数の指令値 （6 0、 6 5） を制御対象装置に与えることにより制御対象 装 置の動作を制御している間に得られた制御量 の計測値を収集する。 これによ り、 データ収集部 2 1 4は、 制御量の値の推移を示す第 1時系列データ 2 2 3を生成することができる。 同様に、 データ収集部 2 1 4は、 予測モデル 5 〇 2020/175418 24 卩（：171? 2020 /007284

0を利用して導出された各指令値 6 5を制御対象装置に与えることにより制 御対象装置の動作を制御している間に得られ た制御量の計測値を収集する。 これにより、 データ収集部 2 1 4は、 制御量の値の推移を示す第 2時系列デ —夕 2 2 5を生成することができる。 また、 データ収集部 2 1 4は、 各指令 値 6 5を導出する際に、 予測モデル 5 0により得られた予測値を収集する。 これにより、 データ収集部 2 1 4は、 予測制御の間に得られた一連の予測値 を示す予測結果データ 2 2 7を生成することができる。

[0079] <その他 >

予測制御開発装置 1及び卩し〇 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、 予測制御開発装 置 1及び !_〇 2の各ソフトウェアモジュールがいずれも汎� �の〇 IIによ つ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、 予測制御開発装置 1及び !_ 0 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、 ソフトウヱアモジュールの省 略、 置換及び追加が行われてもよい。

[0080] § 3 動作例

[ 1-（3 ]

次に、 図 8を用いて、 本実施形態に係る 1_〇 2の動作例について説明す る。 図 8は、 本実施形態に係る !_◦ 2の処理手順の一例を示すフローチヤ —卜である。 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。 依存 関係のない処理の順序は適宜入れ替えられて よい。

[0081 ] （ステップ 3 1 0 1）

ステップ 3 1 0 1では、 制御部 2 1は、 目標値取得部 2 1 1 として動作し 、 制御対象装置の制御量の目標となる基礎目標 値を取得する。

[0082] 本実施形態では、 所定の動作における一連の基礎目標値を示す 目標値情報 〇 2020/175418 25 卩（：171? 2020 /007284

2 2 1が記憶部 2 2に保持されている。 目標値情報 2 2 1は、 所定の動作を 制御対象装置に実行させることができるよう に適宜生成されてよい。 例えば 、 実機又はシミュレーションにより制御対象装 置に所定の動作を実行させた 結果に基づいて、 目標値情報 2 2 1の各基礎目標値が決定されてよい。 また 、 例えば、 各基礎目標値は、 オペレータの指定により与えられてもよい。 制 御部 2 1は、 記憶部 2 2に記憶された目標値情報 2 2 1 を参照することで、 制御量の基礎目標値を取得する。

[0083] ただし、 基礎目標値を取得する経路は、 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選択されてよい。 例えば、 制御量の目標値は 、 他の情報処理装置からの指示により与えられ てもよいし、 オペレータの指 定により与えられてもよい。 また、 例えば、 目標値情報 2 2 1は、 外部記憶 装置、 記憶メディア等の他の記憶領域に保存されて いてもよい。 外部記憶装 置は、 例えば、 N A S (Network Attached Storage) 等のデータサーバであ ってもよいし、 P L C 2に接続される外付けの記憶装置であっても� �い。 記 憶メディアは、 例えば、 C D、 D V D等であってよい。 制御部 2 1は、 他の 記憶領域から適宜目標値情報 2 2 1 を取得してもよい。

[0084] 本実施形態の一例では、 制御対象装置は、 プレス機 3であり、 制御量は、 上側金型 3 2の位置である。 この場合、 目標値情報 2 2 1の各基礎目標値は 、 上記生産工程によりワーク 4 0を成形する際における上側金型 3 2の目標 の位置を示す。 例えば、 実機又はシミュレーションによりプレス機 3に上記 生産工程の動作を実行させた結果に基づいて 、 プレス不足等による不良が製 品 4 1 に生じないように、 各時点における上側金型 3 2の位置を決定するこ とで、 目標値情報 2 2 1の各基礎目標値は導出されてよい。 制御量の基礎目 標値を取得すると、 制御部 2 1は、 次のステップ S 1 0 2に処理を進める。

[0085] (ステップ S 1 0 2 )

ステップ S 1 0 2では、 制御部 2 1は、 動作制御部 2 1 2として動作し、 制御対象装置の制御量の計測値を取得する。

[0086] 制御量の計測には、 センサが適宜利用されてよい。 センサの種類は、 特に 〇 2020/175418 26 卩（：171? 2020 /007284

限定されなくてもよく、 制御対象装置及び制御量それぞれに応じて適 宜選択 されてよい。 また、 制御量の計測は、 シミュレーション上で行われてもよい し、 制御対象装置の実機を利用して行われてもよ い。 また、 制御部 2 1は、 制御量の計測値を、 制御対象装置から直接的に取得してもよいし 、 例えば、 外部記憶装置、 記憶メディア、 他の情報処理装置等を介して制御対象装置か ら間接的に取得してもよい。

[0087] 本実施形態の一例では、 プレス機 3は、 下側金型 3 3に対する上側金型 3

2の位置を計測するための位置センサ 3 5を備えている。 制御部 2 1は、 位 置センサ 3 5により得られた上側金型 3 2の位置の計測値を取得する。 芾 I」御 量の計測値を取得すると、 制御部 2 1は、 次のステップ 3 1 0 3に処理を進 める。

[0088] （ステップ 3 1 0 3）

ステップ 3 1 0 3では、 制御部 2 1は、 動作制御部 2 1 2として動作し、 制御対象装置の予測制御を実施するか否かを 判定する。 本実施形態の一例で は、 制御部 2 1は、 プレス機 3における上側金型 3 2の位置の予測制御を実 施するか否かを判定する。

[0089] 制御対象装置の予測制御を実施するか否かは 適宜決定されてよい。 例えば 、 制御対象装置の予測制御を実施するか否かは 、 予測制御開発装置 1等の他 の情報処理装置又はオペレータの指示により 決定されてもよい。 この場合、 制御部 2 1は、 他の情報処理装置又はオペレータの指示に応 じて、 予測制御 を実施するか否かを判定してもよい。

[0090] また、 例えば、 制御部 2 1は、 予測モデル 5 0を保持しているか否かに応 じて、 予測制御を実施するか否かを判定してもよい 。 すなわち、 制御部 2 1 は、 予測モデル 5 0を保持している場合に、 予測制御を実施すると判定して もよく、 予測モデル 5 0を保持していない場合に、 予測制御を実施しないと 判定してもよい。

[0091 ] 予測制御を実施すると判定した場合、 制御部 2 1は、 次のステップ 3 1 0 4に処理を進める。 他方、 予測制御を実施しないと判定した場合、 制御部 2 〇 2020/175418 27 卩（：171? 2020 /007284

1は、 ステップ 3 1 0 4及びステップ 3 1 0 5の処理を省略して、 次のステ ップ 3 1 0 6に処理を進める。

[0092] （ステップ 3 1 0 4）

ステップ 3 1 0 4では、 制御部 2 1は、 補正処理部 2 1 3として動作し、 予測モデル 5 0を利用して、 制御量の予測値を予測する。

[0093] 本実施形態では、 制御部 2 1は、 生成結果データ 1 2 5を参照することで 、 予測制御開発装置 1 により生成された予測モデル 5 0を設定する。 生成結 果データ 1 2 5は、 ステップ 3 1 0 4の処理を実行する前の任意のタイミン グで !_〇 2に配信されてよい。 制御部 2 1は、 設定された予測モデル 5 0 に制御量の計測値を入力し、 予測モデル 5 0の演算処理を実行する。 これに より、 制御部 2 1は、 制御量の予測値を算出する。

[0094] 例えば、 予測モデル 5 0が自己回帰モデルにより構成される場合、 生成結 果データ 1 2 5は、 各項における自己回帰係数等の演算パラメー タの値を示 す。 制御部 2 1は、 生成結果データ 1 2 5を参照して、 予測モデル 5 0の回 帰式の設定を行う。 次に、 制御部 2 1は、 回帰式の各項に制御量の計測値を 入力して、 回帰式の演算処理を実行する。 この演算結果により、 制御部 2 1 は、 制御量の予測値を取得することができる。

[0095] また、 例えば、 予測モデル 5 0がニューラルネッ トワークにより構成され る場合、 生成結果了 ¹ _夕 1 2 5は、 各ニュ _ロン間の結合の重み、 各ニュ _ ロンの閾値等の演算パラメータの値を示す。 制御部 2 1は、 生成結果データ 1 2 5を参照して、 学習済みのニューラルネッ トワークの設定を行う。 次に 、 制御部 2 1は、 ニューラルネッ トワークの入力層に制御量の計測値を入力 し、 入力側から順に各層に含まれる各ニューロン の発火判定を行う。 これに より、 制御部 2 1は、 制御量を予測した結果に対応する出力値 （すなわち、 制御量の予測値） を出力層から取得することができる。

[0096] なお、 予測モデル 5 0が、 例えば、 操作量の値、 ワーク 4 0の個体情報等 の制御量の値以外の他のデータを更に入力可 能に構成されている場合、 芾 I」御 部 2 1は、 ステップ 3 1 0 4を実行する前に、 他のデータを更に取得する。 〇 2020/175418 28 卩（：171? 2020 /007284

他のデータを取得する方法は、 特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。 制御部 2 1は、 得られた他のデータを予測モデル 5 0に更に入力し、 予測モデル 5 0の演算処理を実行することで、 制御量の 予測値を取得することができる。

[0097] 本実施形態の一例では、 制御部 2 1は、 時間 3後に予測される上側金型 3

2の位置を示す予測値を取得する。 制御量の予測値を取得すると、 制御部 2 1は、 次のステップ 3 1 0 5に処理を進める。

[0098] （ステップ 3 1 0 5）

ステップ 3 1 0 5では、 制御部 2 1は、 予測モデル 5 0により予測された 予測値に応じて、 基礎目標値を補正することで、 補正済みの目標値 6 3を取 得する。 本実施形態では、 基礎目標値の補正に補正器 5 5が利用される。 補 正器 5 5は、 制御量の予測値に応じて、 基礎目標値から補正済みの目標値 6 3を算出するように構成される。

[0099] この補正器 5 5は、 例えば、 制御量の予測値と補正量との関係を示す計算 式等の演算モジュールにより構成されてよい 。 制御量の予測値と補正量との 関係は、 特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。 予測モデル 5 0により得られる予測値が基礎目標値から乖� �するという ことは、 基礎目標値に基づいてそのまま制御対象装置 を制御しても、 外乱等 の影響により、 基礎目標値からずれた挙動で制御対象装置が 動作することが 予測されたことに相当し得る。 そこで、 制御量の予測値と補正量との関係は 、 例えば、 制御量の予測値と基礎目標値との乖離を減ら すように与えられて もよい。 一例として、 補正器 5 5は、 基礎目標値よりも予測値が小さい場合 には基礎目標値を大きな値に補正し、 基礎目標値よりも予測値が大きい場合 には基礎目標値を小さな値に補正するように 構成されてよい。 これにより、 基礎目標値に沿う挙動で制御対象装置を動作 させることができるように、 制 御量の目標値を補正することができる。 このような制御量の予測値と補正量 との関係は、 例えば、 以下の式 1 により与えられてもよい。

[01 00] \¥0 2020/175418 29 ?01/1?2020/007284

[数 1 ]

¾ （で） = 1： （ （ 1；） — ? （ 1：） ） + 8 · - * <¾ [）

なお、 （1） は、 時刻 1における補正量の値 （補正値） を示す。 「は、 比例定数を示す。 巳 （ 1:） は、 時刻 1：における制御量の基礎目標値を示す。

（ 1：） は、 時刻 1：における制御量の予測値を示す。 3は、 定数項を示す。

[0101 ] この計算式では、 比例定数「及び定数項 3の値により、 補正の度合いが決 定される。 比例定数「及び定数項 3は、 補正の度合いを定める重みの一例で ある。 「及び 3それぞれの値は、 後述するステップ 3 2 0 4により決定され てよい。 本実施形態では、 補正器 5 5は、 この計算式の演算モジュールによ り構成されてよい。 ただし、 制御量の予測値と補正量との関係は、 式 1の例 に限られなくてもよく、 実施の形態に応じて適宜決定されてよい。 また、 補 正器 5 5の構成は、 上記の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。

[0102] 制御部 2 1は、 取得された制御量の予測値及び基礎目標値を 式 1の各項に 代入し、 式 1の演算処理を実行することで、 補正値 （I） を算出する。 す なわち、 制御部 2 1は、 基礎目標値と予測値との差分を算出し、 算出された 差分及び重みに基づいて、 補正値 （1） を決定する。 具体的には、 制御部 2 1は、 算出された差分と比例定数「との積を算出し 、 算出された積に定数 項 を加えることにより、 補正値 （1:） を算出する。 そして、 制御部 2 1 は、 基礎目標値に補正値 8 （ ） を加算することで、 補正済みの目標値 6 3 を算出することができる。 この加算処理は、 減算処理により実現されてもよ い。 補正済みの目標値 6 3を取得すると、 制御部 2 1は、 次のステップ 3 1 0 6に処理を進める。

[0103] （ステップ 3 1 0 6）

ステップ 3 1 0 6では、 制御部 2 1は、 動作制御部 2 1 2として動作し、 芾 I」御量の指令目標値に従って、 指令値 （操作量） を決定する。 予測制御を実 施する場面では、 ステップ 3 1 0 5により得られた補正済みの目標値 6 3が 指令目標値として取り扱われる。 他方、 予測制御を実施しない場面、 すなわ 〇 2020/175418 30 卩（：171? 2020 /007284

ち、 通常の制御を実施する場面では、 ステップ 3 1 0 1 により得られた制御 量の基礎目標値がそのまま指令目標値として 取り扱われる。

[0104] 指令値を決定する方法は、 実施の形態に応じて適宜選択されてよい。 指令 値を決定する方法には、 例えば、 丨 口制御、 I制御等の公知の方法が採 用されてよい。 この場合、 制御部 2 1は、 設定された指令目標値と制御量の 計測値との差分を算出し、 算出された差分に応じて指令値を決定する。 制御 部 2 1は、 決定された指令値を制御対象装置に与えるこ とで、 制御対象装置 の動作を制御する。

[0105] 詳細には、 予測制御を実施しない場合、 制御部 2 1は、 基礎目標値と計測 値との差分に応じて指令値 6 0を決定し、 決定された指令値 6 0を制御対象 装置に与えることで、 制御対象装置の動作を制御する。 他方、 予測制御を実 施する場合、 制御部 2 1は、 補正された目標値 6 3と計測値との差分に応じ て指令値 6 5を決定し、 決定された指令値 6 5を制御対象装置に与えること で、 制御対象装置の動作を制御する。

[0106] 本実施形態の一例では、 指令値 （6 0、 6 5） は、 上側金型 3 2を目標の 位置に移動させるために、 上側金型 3 2を駆動するサーボモータに加える電 圧を示す。 制御部 2 1は、 この指令値 （6 0、 6 5） をサーボドライバ 3 1 に与えることで、 プレス機 3における上側金型 3 2の位置を制御する。 当該 動作の制御は、 シミュレーション上で行われてもよいし、 制御対象装置の実 機を利用して行われてもよい。 指令値 （6 0、 6 5） により制御対象装置の 動作を制御すると、 制御部 2 1は、 次のステップ 3 1 0 7に処理を進める。

[0107] （ステップ 3 1 0 7）

ステップ 3 1 0 7では、 制御部 2 1は、 データ収集部 2 1 4として動作し 、 ステップ 3 1 0 2により得られた制御量の計測値を所定の記� �領域に保存 する。 予測制御を実施した場合、 制御部 2 1は、 ステップ 3 1 0 4により得 られた制御量の予測値を更に所定の記憶領域 に保存する。 所定の記憶領域は 、 例えば、 記憶部 2 2、 外部記憶装置、 記憶メディア等であってよい。 計測 値 （及び予測値） を保存すると、 制御部 2 1は、 次のステップ 3 1 0 8に処 〇 2020/175418 31 卩（：171? 2020 /007284

理を進める。

[0108] （ステップ 3 1 0 8）

ステップ 3 1 0 8では、 制御部 2 1は、 動作制御部 2 1 2として動作し、 制御対象装置の制御を終了するか否かを判定 する。

[0109] 制御対象装置の制御を終了するか否かは適宜 決定されてよい。 例えば、 制 御対象装置の制御を終了するか否かは、 予測制御開発装置 1等の他の情報処 理装置又はオペレータの指示により決定され てもよい。 この場合、 制御部 2 1は、 他の情報処理装置又はオペレータの指示に応 じて、 制御対象装置の制 御を終了するか否かを判定してもよい。

[01 10] また、 例えば、 制御部 2 1は、 上記生産工程によりワーク 4 0を成形する 等の制御対象装置に実行させる _連の動作が完了したか否かに応じて、 制御 対象装置の制御を終了するか否かを判定して もよい。 すなわち、 制御部 2 1 は、 制御対象装置に実行させる一連の動作が完了 した場合に、 制御対象装置 の制御を終了すると判定してもよい。 この場合、 制御部 2 1は、 一連の動作 が複数回繰り返し実行されたことに応じて、 制御対象装置の制御を終了する と判定してもよい。 また、 制御部 2 1は、 一連の動作を繰り返した時間が所 定時間を経過したことに応じて、 制御対象装置の制御を終了すると判定して もよい。 他方、 制御対象装置に実行させる一連の動作が完了 していない場合 に、 制御部 2 1は、 制御対象装置の制御を終了しないと判定して もよい。

[01 1 1 ] 制御対象装置の制御を終了すると判定した場 合、 制御部 2 1は、 本動作例 に係る処理を終了する。 一方、 制御対象装置の制御を終了しない、 換言する と、 制御対象装置の制御を継続すると判定した場 合、 制御部 2 1は、 ステッ プ3 1 0 1 に戻り、 ステップ 3 1 0 1〜ステップ 3 1 0 7の処理を繰り返す

[01 12] ステップ 3 1 0 1〜ステップ 3 1 0 7の処理を繰り返す過程で、 制御部 2

1は、 操作量の時系列データとして複数の指令値 （6 0、 6 5） を制御対象 装置に与えることにより、 所定の動作を実行するように制御対象装置を 制御 する。 本実施形態の一例では、 プレス機 3の実機を利用した制御を実施する 〇 2020/175418 32 卩（：171? 2020 /007284

ことで、 成形された製品 4 1 を生成することができる。 なお、 繰り返すタイ ミング及び一度に生成する指令値 （6 0、 6 5） の数はそれぞれ、 特に限定 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。 制御部 2 1は 、 例えば、 制御周期毎に、 ステップ 3 1 0 1〜ステップ 3 1 0 7の処理を繰 り返してもよい。

[01 13] また、 繰り返しの過程で、 制御部 2 1は、 ステップ 3 1 0 7の処理により 、 制御量の計測値及び予測値を収集する。 予測制御開発装置 1 により予測モ デル 5 0を生成する場面において、 制御部 2 1は、 操作量の時系列データと して複数の指令値 （6 0、 6 5） を制御対象装置に与えることにより制御対 象装置の動作を制御している間に得られた制 御量の計測値を収集する。 これ により、 制御部 2 1は、 時系列に沿って制御量の値の推移を示す第 1時系列 データ 2 2 3を生成することができる。

[01 14] 同様に、 予測制御開発装置 1 により生成された予測モデル 5 0の予測精度 を検証する場面において、 制御部 2 1は、 生成された予測モデル 5 0を利用 して導出された各指令値 6 5を制御対象装置に与えることにより制御対� �装 置の動作を制御している間に得られた制御量 の計測値を収集する。 これによ り、 制御部 2 1は、 時系列に沿って制御量の値の推移を示す第 2時系列デー 夕 2 2 5を生成することができる。 更に、 この場面において、 制御部 2 1は 、 ステップ 3 1 0 4により算出された制御量の予測値を収集す� �。 これによ り、 制御部 2 1は、 予測制御の間に得られた制御量の一連の予測 値を時系列 に沿って示す予測結果データ 2 2 7を生成することができる。

[01 15] なお、 上記一連の処理が完了した後、 又はステップ 3 1 0 1〜ステップ 3

1 〇 7の処理を繰り返す間に、 制御部 2 1は、 制御対象装置を正常に動作さ せた際における制御量の計測値を収集しても よい。 本実施形態の一例では、 制御部 2 1は、 製品 4 1 に不良の生じなかった際における上側金型 3 2の一 連の位置の計測値を収集してもよい。 そして、 制御部 2 1は、 収集された各 計測値に基づいて、 各基礎目標値を修正することで、 目標値情報 2 2 1 を更 新してもよい。 例えば、 制御部 2 1は、 各基礎目標値と対応する時点におけ 〇 2020/175418 33 卩（：171? 2020 /007284

る計測値との乖離を減らすように、 各基礎目標値を修正してもよい。 また、 例えば、 制御部 2 1は、 収集された各計測値を新たな基礎目標値に設 定する ことで、 目標値情報 2 2 1 を更新してもよい。

[01 16] [予測制御開発装置]

次に、 図 9を用いて、 本実施形態に係る予測制御開発装置 1の動作例につ いて説明する。 図 9は、 本実施形態に係る予測制御開発装置 1の処理手順の 一例を示すフローチヤートである。 以下で説明する予測制御開発装置 1の処 理手順は、 本発明の 「予測制御開発方法」 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。 依存関係のない処理の順序は適宜入 れ替えられてよい。

[01 17] （ステップ 3 2 0 1）

ステップ3 2 0 1では、 制御部 1 1は、 第 1取得部 1 1 1 として動作し、 コントローラが、 操作量の時系列データとして複数の指令値を 制御対象装置 に与えることにより制御対象装置を制御して いる間における、 制御対象装置 の制御量の値の推移を示す第 1時系列データ 2 2 3を取得する。

[01 18] 本実施形態では、 制御部 1 1は、 !_〇 2から第 1時系列データ 2 2 3を 取得することができる。 制御部 1 1は、 第 1時系列データ 2 2 3を !_〇2 から直接的に取得してもよいし、 例えば、 外部記憶装置、 記憶媒体 9 1等を 介して !_〇2から間接的に取得してもよい。 ただし、 第 1時系列データ 2 2 3の取得先は、 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 て適宜選択されてよい。 例えば、 第 1時系列データ 2 2 3は、 !_〇2以外 の他の情報処理装置により生成されてよい。 この場合、 制御部 1 1は、 第 1 時系列データ 2 2 3を他の情報処理装置から取得してもよい。

[01 19] 上記のとおり、 第 1時系列データ 2 2 3は、 予測制御ではない通常の制御 により制御対象装置を動作させることで得ら れたものであってもよいし、 予 測制御により制御対象装置を動作させること で得られたものであってもよい 〇 2020/175418 34 卩（：171? 2020 /007284

。 第 1時系列データ 2 2 3が予測制御により得られたものである場合� � 1_ 〇 2には、 本ステップ3 2 0 1 よりも前に生成された予測モデルが予め与え られる。 予め与えられる予測モデルは、 以下のステップ 3 2 0 2以降の処理 により生成される予測モデル 5 0と同様の方法で予測制御開発装置 1 により 生成されたものであってもよいし、 他の情報処理装置により生成されたもの であつてもよい。

[0120] 本実施形態の一例では、 第 1時系列データ 2 2 3は、 複数の指令値 （ 6 0

、 6 5） をサーボドライバ 3 1 に与えることで、 !_〇2がプレス機 3の動 作を制御している間における、 上側金型 3 2の位置の計測値を時系列に沿っ て示す。 第 1時系列データ 2 2 3を取得すると、 制御部 1 1は、 次のステッ プ3 2 0 2に処理を進める。

[0121 ] （ステップ 3 2 0 2）

ステップ3 2 0 2では、 制御部 1 1は、 モデル生成部 1 1 2として動作し 、 取得された第 1時系列データ 2 2 3を分析することで、 制御量の予測モデ ル 5 0を生成し、 生成された予測モデル 5 0を示す生成結果データ 1 2 5を 生成する。

[0122] 予測モデル 5 0を生成するために、 時系列データを分析する方法は、 特に 限定されなくてもよく、 予測モデル 5 0の種類に応じて適宜選択されてよい 。 本実施形態では、 予測モデル 5 0は、 制御量の入力値から予測値を算出す るための演算パラメータを含むように構成さ れる。 制御部 1 1は、 第 1時系 列データ 2 2 3を分析して、 演算パラメータの値を導出することで、 予測モ デル 5 0を生成する。

[0123] 例えば、 予測モデル 5 0が自己回帰モデルにより構成される場合、 制御部

1 1は、 最小二乗法等の公知の回帰分析方法により、 自己回帰係数等の演算 パラメータの値を第 1時系列データ 2 2 3から導出する。 これにより、 制御 部 1 1は、 予測モデル 5 0を生成することができる。 制御部 1 1は、 各項に おいて導出された自己回帰係数を含む回帰式 を示すデータを生成結果データ 1 2 5として生成する。 〇 2020/175418 35 卩（：171? 2020 /007284

[0124] また、 例えば、 予測モデル 5 0がニューラルネッ トワーク等の機械学習モ デルにより構成される場合、 制御部 1 1は、 第 1時系列データ 2 2 3を学習 データとして利用し、 公知の機械学習方法により、 機械学習モデルの演算パ ラメータの値を導出する。 一例として、 予測モデル 5 0がニューラルネッ ト ワークにより構成される場合、 制御部 1 1は、 第 1時系列データ 2 2 3の任 意の時刻におけるサンプルを訓練データとし て利用し、 任意の時刻よりも未 来の時刻におけるサンプルを教師データとし て利用して、 予測モデル 5 0の 機械学習を実行する。 具体的には、 制御部 1 1は、 誤差逆伝播法により演算 パラメータの値を調整することで、 訓練データの入力に対して教師データに 適合する出力値を出力するように予測モデル 5 0を訓練する。 これにより、 制御部 1 1は、 予測モデル 5 0を生成することができる。 制御部 1 1は、 導 出された演算パラメータの値及び予測モデル 5 0の構造 （例えば、 層の数、 各層に含まれるニューロンの数、 隣接する層のニューロン同士の結合関係等 ） を示すデータを生成結果データ 1 2 5として生成する。

[0125] 予測モデル 5 0が、 例えば、 操作量の値、 ワーク 4 0の個体情報等の制御 量の値以外のデータを更に入力可能に構成さ れる場合、 制御部 1 1は、 他の データを更に取得する。 他のデータを取得する方法は、 特に限定されなくて もよく、 実施の形態に応じて適宜決定されてよい。 制御部 1 1は、 上記の分 析において、 得られた他のデータを更に利用する。 例えば、 予測モデル 5 0 が自己回帰モデルにより構成される場合、 制御部 1 1は、 自己回帰係数の導 出に、 得られた他のデータを更に利用する。 また、 例えば、 予測モデル 5 0 がニューラルネッ トワークにより構成される場合、 制御部 1 1は、 上記機械 学習の処理において、 得られた他のデータを訓練データとして更に 利用する 。 これにより、 制御部 1 1は、 制御量の値及び制御量の値以外のデータの入 力に対して、 制御量の予測値を出力するように構成された 予測モデル 5 0を 生成することができる。

[0126] —例では、 本ステップ 3 2 0 2の処理により、 予測モデル 5 0は、 プレス 機 3における上側金型 3 2の位置を予測するように構成される。 なお、 制御 〇 2020/175418 36 卩（：171? 2020 /007284

部 1 1は、 第 1時系列データ 2 2 3のうち不要な部分を削除してもよい。 予 測モデル 5 0を生成すると、 制御部 1 1は、 次のステップ 3 2 0 3に処理を 進める。

[0127] （ステップ 3 2 0 3）

ステップ3 2 0 3では、 制御部 1 1は、 モデル提供部 1 1 3として動作す ることで、 生成結果データ 1 2 5をコントローラに配信することで、 生成さ れた予測モデル 5 0をコントローラに提供する。

[0128] 生成結果データ 1 2 5を配信する方法は、 実施の形態に応じて適宜決定さ れてよい。 例えば、 制御部 1 1は、 自身の処理又はコントローラからの要求 に応じて、 ネッ トワークを介して生成結果データ 1 2 5をコントローラに直 接的に配信してもよい。 また、 例えば、 制御部 1 1は、 データサーバ等の外 部機構装置に生成結果データ 1 2 5を送信し、 コントローラに対して、 外部 記憶装置に保存された生成結果データ 1 2 5を取得させるようにしてもよい 。 同様に、 制御部 1 1は、 例えば、 記憶媒体 9 1等の記憶メディアに生成結 果データ 1 2 5を保存し、 コントローラに対して、 記憶メディアに保存され た生成結果データ 1 2 5を取得させるようにしてもよい。 このように、 制御 部 1 1は、 コントローラに生成結果データ 1 2 5を間接的に配信してもよい

[0129] これにより、 コントローラは、 予測モデル 5 0により予測される制御量の 予測値に応じて各指令値を補正させ、 かつ補正された各指令値を制御対象装 置に与えることにより、 制御対象装置の予測制御を実行することがで きるよ うになる。 本実施形態の一例では、 生成された予測モデル 5 0は !_〇 2に 提供される。 !_〇2は、 上記ステップ 3 1 0 4〜ステップ 3 1 0 6の処理 により、 提供された予測モデル 5 0を利用して、 プレス機 3の予測制御を実 行することができるようになる。 生成された予測モデル 5 0をコントローラ に提供すると、 制御部 1 1は、 次のステップ 3 2 0 4に処理を進める。

[0130] （ステップ 3 2 0 4）

ステップ 3 2 0 4では、 制御部 1 1は、 補正量指定部 1 1 4として動作し 〇 2020/175418 37 卩（：171? 2020 /007284

、 コントローラに、 各指令値に対する補正量を指定する。 補正量を指定する 方法は、 予測制御において指令値を補正する方法に応 じて適宜決定されてよ い。 本実施形態の一例では、 指令値に対する補正の度合いは、 上記式 1の比 例定数「及び定数項 3の値に応じて決定される。 そのため、 制御部 1 1は、 比例定数「及び定数項 3の少なくともいずれかの値を定めることで� � 各指令 値に対する補正量を指定する。 これにより、 !_〇2は、 予測制御開発装置 1 により指定された補正量に従った、 プレス機 3の予測制御における指令値 の補正を実行することができるようになる。

[0131 ] なお、 補正量の値 （本実施形態では、 比例定数「及び定数項 3の少なくと もいずれかの値） を決定する方法は、 実施の形態に応じて適宜選択されてよ い。 補正量の値は、 例えば、 オペレータの指定により手動的に決定されて も よい。 この場合、 制御部 1 1は、 入力装置 1 4を介してオペレータの指定を 受け付け、 オペレータの指定に応じて、 補正量の値を決定してもよい。 また 、 例えば、 制御部 1 1は、 テンプレート等に応じて、 補正量の値を自動的に 決定してもよい。 補正量を指定すると、 制御部 1 1は、 次のステップ 3 2 0 5に処理を進める。

[0132] （ステップ 3 2 0 5）

ステップ 3 2 0 5では、 制御部 1 1は、 第 2取得部 1 1 5として動作し、 コントローラが、 補正された各指令値を制御対象装置に与える ことにより制 御対象装置を制御している間における、 制御対象装置の制御量の値の推移を 示す第 2時系列データ 2 2 5を取得する。

[0133] 本実施形態では、 第 1時系列データ 2 2 3と同様に、 制御部 1 1は、 !_ 〇2から第 2時系列データ 2 2 5を取得することができる。 制御部 1 1は、 第 2時系列データ 2 2 5を !_〇 2から直接的に取得してもよいし、 例えば 、 外部記憶装置、 記憶媒体 9 1等を介して !_〇2から間接的に取得しても よい。 また、 第 2時系列データ 2 2 5は、 し〇 2以外の他の情報処理装置 により生成されてよい。 この場合、 制御部 1 1は、 第 2時系列データ 2 2 5 を他の情報処理装置から取得してもよい。 〇 2020/175418 38 卩（：171? 2020 /007284

[0134] —例では、 第 2時系列データ 2 2 5は、 予測モデル 5 0を利用して導出さ れた各指令値 6 5をサーボドライバ 3 1 に与えることで、 !_〇2がプレス 機 3の動作を予測制御している間における、 上側金型 3 2の位置の計測値を 時系列に沿って示す。 第 2時系列データ 2 2 5を取得すると、 制御部 1 1は 、 次のステップ 3 2 0 6に処理を進める。

[0135] （ステップ 3 2 0 6及びステップ 3 2 0 7）

ステップ 3 2 0 6では、 制御部 1 1は、 予測モデル 5 0により予測される 制御量の予測値及び第 2時系列データ 2 2 5により示される制御量の値の差 に基づいて、 予測モデル 5 0による予測の精度が許容されるか否かを評� �す る。 ステップ 3 2 0 7では、 制御部 1 1は、 出力部 1 1 7として動作し、 予 測モデル 5 0による予測の精度の評価に関する情報を表� �装置 1 5に表示さ せる。 評価に関する情報は、 予測モデル 5 0により予測される制御量の予測 値及び第 2時系列データ 2 2 5により示される制御量の値を含んでもよい� �

[0136] 本実施形態では、 !_〇 2の上記ステップ3 1 0 7の処理により、 予測制 御を実行する過程において、 各時点で予測された制御量の予測値を示す予 測 結果データ 2 2 7が生成される。 そのため、 制御部 1 1は、 予測モデル 5 0 により予測される制御量の予測値を示す情報 として、 予測結果データ 2 2 7 を !_〇2から取得することができる。 ただし、 予測値を取得する方法は、 このような例に限定されなくてもよい。 例えば、 制御部 1 1は、 第 2時系列 データ 2 2 5により示される制御量の各値を予測モデル 5 0に入力し、 予測 モデル 5 0の演算処理を実行することで、 制御量の予測値を取得してもよい

[0137] また、 予測モデル 5 0による予測の精度を評価する方法は、 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、 対応する時刻における制御量 の予測値と計測値とが乖離するほど、 予測モデル 5 0による予測の精度が悪 いと評価することができる。 そこで、 ステップ 3 2 0 6では、 制御部 1 1は 、 予測結果データ 2 2 7により示される制御量の予測値と第 2時系列データ 2 2 5により示される制御量の計測値との相違の� �度を算出し、 算出された 〇 2020/175418 39 卩（：171? 2020 /007284

相違の程度と閾値とを比較してもよい。 閾値は、 適宜決定されてよい。 そし て、 制御部 1 1は、 算出された相違の程度が閾値を超えている場 合に、 予測 モデル 5 0による予測の精度が許容されないと評価し� � そうではない場合に 、 予測モデル 5 0による予測の精度が許容されると評価して� �よい。 相違の 程度は、 例えば、 差分の合計値、 相違の比率等により表現されてよい。 これ により、 制御部 1 1は、 予測モデル 5 0による予測の精度が許容されるか否 かを自動的に評価してもよい。 なお、 この場合、 制御部 1 1は、 ステップ 3 2 0 6の前及び後のいずれのタイミングで、 ステップ3 2 0 7の処理を実行 してもよい。

[0138] また、 例えば、 制御部 1 1は、 ステップ 3 2 0 6を実行する前に、 ステッ づ 2 0 7の処理を実行して、 予測モデル 5 0による予測の精度の評価に関 する情報を表示装置 1 5に出力してもよい。 当該情報は、 予測モデル 5 0に より予測される制御量の予測値及び第 2時系列データ 2 2 5により示される 制御量の計測値を含んでもよい。 また、 当該情報は、 予測結果データ 2 2 7 により示される制御量の予測値と第 2時系列データ 2 2 5により示される制 御量の計測値との相違の程度を算出した結果 を含んでもよい。 これに応じて 、 制御部 1 1は、 ステップ 3 2 0 6の処理において、 入力装置 1 4を介して 、 予測モデル 5 0による予測の精度が許容されるか否かに対� �るオペレータ の入力を受け付けてもよい。 この場合、 制御部 1 1は、 オペレータの入力に 応じて、 予測モデル 5 0による予測の精度が許容されるか否かを評� �するこ とができる。 このように、 予測モデル 5 0による予測の精度が許容されるか 否かは手動で評価されてもよい。

[0139] 図 1 0は、 ステップ 3 2 0 7により表示装置 1 5に出力される画面 1 5 0 の一例を模式的に例示する。 画面 1 5 0は、 複数の領域 （1 5 0 1、 1 5 0 2、 1 5 0 7、 1 5 0 8） に分けられている。 領域 1 5 0 1 には、 予測モデ ル 5 0により予測される制御量の予測値及び第 2時系列データ 2 2 5により 示される制御量の計測値が時系列に沿って表 示される。 領域 1 5 0 2には、 制御量の予測値と計測値との相違の程度を算 出した結果に関する情報が表示 〇 2020/175418 40 卩（：171? 2020 /007284

される。 図 1 0の例では、 相違の程度を算出した結果に関する情報とし て予 測モデル 5 0による予測の精度の値が領域 1 5 0 2に表示される。

[0140] 領域 1 5 0 7には、 制御対象 （例えば、 上側金型 3 2を駆動するサーボモ —夕） に対応する変数のリストが表示される。 領域 1 5 0 7から変数が選択 されると、 選択された変数に対応する制御対象に関する 情報が領域 1 5 0 1 及び領域 1 5 0 2に表示される。 領域 1 5 0 8には、 予測モデル 5 0を生成 するプロジェクトの一覧が表示される。 プロジェクトは、 生産ライン、 制御 対象装置等の制御単位毎に生成されてよい。 領域 1 5 0 8からプロジェクト が選択されると、 選択されたプロジェクトに関する情報が各領 域 （1 5 0 1 、 1 5 0 2、 1 5 0 7） に表示される。

[0141 ] また、 画面 1 5 0は、 複数のボタン 1 5 0 3〜 1 5 0 6を含む。 ボタン 1

5 0 3は、 ステップ 3 2 0 2又は後述するステップ 3 2 0 9により、 予測モ デル 5 0を生成するために利用される。 ボタン 1 5 0 4は、 生成された予測 モデル 5 0による予測の精度を検証する、 すなわち、 ステップ 3 2 0 5及び ステップ 3 2 0 6の処理を実行するために利用される。 予測モデル 5 0が生 成された後、 ボタン 1 5 0 3は、 予測モデル 5 0による予測の精度が許容さ れないことを受け付けるために利用されてよ い。

[0142] また、 一対のボタン （1 5 0 5、 1 5 0 6） は、 予測モデル 5 0の一連の 検証処理を実行するモードの切り替えに利用 される。 本実施形態では、 予測 モデル 5 0の一連の検証処理を実行するモードとして� � オフライン検証及び オンライン検証の 2つのモードが用意される。 オフライン検証は、 第 2時系 列データ 2 2 5及び予測結果データ 2 2 7を !_〇2から収集した後に、 ス テップ3 2 0 5及びステップ3 2 0 6の処理を実行して、 予測モデル 5 0に よる予測の精度を検証するモードである。 一方、 オンライン検証は、 !_〇 2に接続して、 第 2時系列データ 2 2 5及び予測結果データ 2 2 7を !_〇 2からリアルタイムに収集しながら、 ステップ3 2 0 5及びステップ3 2 0 6の処理を実行して、 予測モデル 5 0による予測の精度を検証するモードで ある。 制御部 1 1は、 一対のボタン （1 5 0 5、 1 5 0 6） による選択に応 〇 2020/175418 41 卩（：171? 2020 /007284

じて、 オフライン検証及びオンライン検証のいずれ かのモードで、 ステップ 3 2 0 5及びステップ 3 2 0 6の処理を実行する。

[0143] —例では、 制御部 1 1は、 !_〇 2によるプレス機 3の予測制御において 、 予測モデル 5 0による上側金型 3 2の位置の予測の精度が許容されるか否 かを評価する。 予測モデル 5 0による予測の精度を評価し、 当該評価に関す る情報を表示装置 1 5に出力すると、 制御部 1 1は、 次のステップ 3 2 0 8 に処理を進める。

[0144] （ステップ 3 2 0 8）

ステップ 3 2 0 8では、 制御部 1 1は、 ステップ 3 2 0 6の評価結果に基 づいて、 処理の分岐先を決定する。 ステップ 3 2 0 6において、 予測モデル 5 0による予測の精度が許容されないと評価さ� �た場合、 制御部 1 1は、 次 のステップ 3 2 0 9に処理を進める。 他方、 ステップ 3 2 0 6において、 予 測モデル 5 0による予測の精度が許容されると評価され� �場合には、 制御部 1 1は、 本動作例に係る処理を終了する。

[0145] （ステップ 3 2 0 9）

ステップ3 2 0 9では、 制御部 1 1は、 モデル生成部 1 1 2として動作し 、 取得された第 2時系列データ 2 2 5を分析することで、 制御量の予測モデ ル 5 0を再度生成する。 制御部 1 1は、 上記ステップ 3 2 0 2と同様の処理 により、 第 2時系列データ 2 2 5を利用して、 新たな予測モデル 5 0を生成 する。 そして、 制御部 1 1は、 生成された新たな予測モデル 5 0を示すよう に生成結果データ 1 2 5を更新する。 なお、 制御部 1 1は、 第 2時系列デー 夕 2 2 5のうち不要な部分を削除してもよい。

[0146] 予測モデル 5 0を更新すると、 制御部 1 1は、 ステップ 3 2 0 3に戻り、 ステップ3 2 0 3〜ステップ3 2 0 7の処理を繰り返す。 ステップ3 2 0 3 では、 制御部 1 1は、 モデル提供部 1 1 3として動作し、 更新された生成結 果データ 1 2 5をコントローラに配信することで、 再度生成された予測モデ ル 5 0をコントローラに提供する。 これにより、 制御部 1 1は、 コントロー ラの保持する予測モデル 5 0を更新する。 〇 2020/175418 42 卩（：171? 2020 /007284

[0147] これに応じて、 コントローラは、 更新された予測モデル 5 0を利用して、 制御対象装置の予測制御を実行することがで きるようになる。 ステップ 3 2 0 5では、 制御部 1 1は、 更新された予測モデル 5 0を利用した予測制御に 関する第 2時系列データ 2 2 5を取得する。 ステップ 3 2 0 6では、 制御部 1 1は、 更新された予測モデル 5 0による予測の精度が許容されるか否かを 評価する。 予測モデル 5 0による予測の精度が許容されるまで、 この予測モ デル 5 0の生成及び評価の一連の処理が繰り返され� �よい。

[0148] なお、 基本的には、 予測モデル 5 0の生成を繰り返す度に、 生成される予 測モデル 5 0による予測の精度は向上すると想定される� � そこで、 予測モデ ル 5 0の生成を繰り返す場合、 制御部 1 1は、 ステップ 3 2 0 4の処理によ り、 予測モデル 5 0が更新される度に、 補正量が大きくなるように当該補正 量の値を決定してもよい。 例えば、 制御部 1 1は、 予測モデル 5 0を更新す る度に、 補正量の値に所定の値を加える又は掛けるこ とで、 補正量の値を大 きく してもよい。 所定の値及び補正量の初期値はそれぞれ適宜 与えられてよ い。 所定の値及び補正量の初期値は、 例えば、 オペレータの指定等による手 動で決定されてもよいし、 テンプレート等により自動的に決定されても よい 。 これにより、 予測モデル 5 0を利用した予測制御の程度を徐々に高めて� � きながら、 予測モデル 5 0による予測の精度の向上を図り、 制御対象装置の 動作を適切に制御することができるように、 当該予測制御を最適化すること ができる。

[0149] [特徴]

以上のとおり、 本実施形態に係る予測制御開発装置 1は、 予測モデル 5 0 がコントローラに提供された後、 ステップ 3 2 0 5及びステップ 3 2 0 6に より、 この予測モデル 5 0による予測の精度を検証することができる� � そし て、 その検証の結果、 予測モデル 5 0による予測の精度が予測制御の利用に 許容されない場合には、 予測制御開発装置 1は、 ステップ3 2 0 9により、 予測モデル 5 0を提供した環境下で新たに得られた第 2時系列データ 2 2 5 に基づいて新たな予測モデル 5 0を生成する。 予測制御開発装置 1は、 この 〇 2020/175418 43 卩（：171? 2020 /007284

一連の処理を繰り返すことで、 制御対象装置を運用する環境下で、 予測モデ ル 5 0による予測の精度を改善することができる� �

[0150] この一連の処理の繰り返しによる予測モデル 5 0の改善は、 制御対象装置 を実運用する前に実行されてもよいし、 制御対象装置を実運用しながら実行 されてもよい。 つまり、 本実施形態に係る予測制御開発装置 1は、 予測モデ ル 5 0を実運用しながらであっても、 当該予測モデル 5 0の予測精度を改善 し続けることができる。 したがって、 本実施形態に係る予測制御開発装置 1 によれば、 大規模な生産装置は勿論のこと、 プレス機 3のような比較的に小 規模な生産装置を制御対象装置とする場合で も、 制御量を高精度に予測可能 な予測モデル 5 0を生成することができる。 本実施形態の一例では、 プレス 機 3を含む工場プロセスを最適化し、 生産される製品 4 1 に不良が生じる可 能性を低減することができる。

[0151 ] § 4 変形例

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。

[0152] < 4 . 1 >

上記実施形態において、 制御対象装置の数は、 1つに限られなくてもよく 、 実施の形態に応じて適宜決定されてよい。 また、 上記実施形態の一例では 、 芾 I」御対象装置はプレス機 3である。 しかしながら、 制御対象装置の種類は 、 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選択され てよい。 制御対象装置は、 プレス機の他、 例えば、 例えば、 ウェブ搬送装置 、 射出成形機、 N ⁽ 3旋盤、 放電加工機、 包装機等の生産ラインで利用される 比較的に小規模な生産装置であってもよい。 この比較的に小規模な生産装置 の動作は、 例えば、 1- ⁽ 3に代表される小規模な制御装置によっ� �制御され 〇 2020/175418 44 卩（：171? 2020 /007284

てよい。 また、 上記実施形態の一例では、 制御量は、 上側金型 3 2の位置で あり、 操作量は、 上側金型 3 2を駆動するサーボモータの電圧である。 しか しながら、 制御量及び操作量はそれぞれ、 このような例に限定されなくても よく、 制御対象装置に応じて適宜選択されてよい。

[0153] 図 1 1は、 本変形例に係る予測制御システム 1 0 0八の適用場面の一例を 模式的に例示する。 予測制御システム 1 0 0 は、 上記実施形態に係る予測 制御システム 1 0 0と同様に、 予測制御開発装置 1及び し〇 2を備えてい る。 本変形例では、 !_〇2には、 プレス機 3に代えて、 ウェブ搬送装置 7 が接続されている。 この点を除き、 本変形例は、 上記実施形態と同様に構成 される。 ウェブ搬送装置 7は、 制御対象装置の他の一例である。 ウェブ搬送 装置 7は、 ウェブ 7 0の端部の位置を調節しながら、 当該ウェブ 7 0を搬送 するように構成されている。

[0154] 図 1 2を更に用いて、 ウェブ搬送装置 7の構成の一例について説明する。

図 1 2は、 ウェブ搬送装置 7においてウェブ 7 0の端部の位置を調節する場 面を模式的に例示する。 図 1 1 に示されるとおり、 本変形例に係るウェブ搬 送装置 7は、 ウェブ 7 0を供給する供給口ール 7 1、 及び供給されたウェブ 7 0を回収する回収口ール 7 6を備えている。 ウェブ 7 0の種類は、 特に限 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。 ウェブ 7 0 は、 例えば、 ポリエチレンフィルム等の樹脂フィルムであ ってよい。 供給口 —ル 7 1及び回収口ール 7 6の回転軸にはそれぞれサーボモータ （7 1 1、

7 6 1） が取り付けられている。 これにより、 各サーボモータ （7 1 1、 7 6 1） を駆動することで、 供給口ール 7 1からウェブ 7 0が繰り出され、 供 給されたウェブ 7 0が回収口ール 7 6に巻き取られる。

[0155] 供給口ール 7 1及び回収口ール 7 6の間には、 3つの従動口ーラ （7 2、

7 3、 7 4 1） が配置されている。 これらのうち従動口ーラ 7 4 1 において 、 ウェブ 7 0の端部の位置を修正する （すなわち、 変位させる） ように構成 された修正装置 7 4が設けられている。 図 1 2に示されるとおり、 修正装置 7 4は、 従動口ーラ 7 4 1及びアクチユエータ 7 4 3を備えている。 従動口 〇 2020/175418 45 卩（：171? 2020 /007284

—ラ 7 4 1は、 軸 7 4 2を有し、 ウェブ 7 0を搬送するように軸 7 4 2の周 りに回転可能に構成されている。 また、 軸 7 4 2にはアクチユエータ 7 4 3 が取り付けられており、 従動口ーラ 7 4 1は、 このアクチユエータ 7 4 3の 駆動により、 軸方向にスライ ド可能に構成されている。 この修正装置 7 4に よれば、 ァクチユエータ 7 4 3の駆動により、 従動口ーラ 7 4 1 を軸方向に スライ ドさせることで、 ウェブ 7 0の端部の位置を修正することができる。 具体的には、 従動口ーラ 7 4 1 をスライ ドさせた方向に、 スライ ドさせた分 に応じて、 ウェブ 7 0の端部の位置を変位させることができる。

[0156] 修正装置 7 4付近には、 エッジセンサ 7 5が配置されている。 本実施形態 では、 エッジセンサ 7 5は、 ウェブ 7 0の搬送方向に対して、 修正装置 7 4 を備える従動口ーラ 7 4 1 より回収口ール 7 6側に配置されている。 エッジ センサ 7 5は、 搬送されるウェブ 7 0の端部の位置を検出するように構成さ れる。 エッジセンサ 7 5の種類は、 特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。 図 1 2の例では、 エッジセンサ 7 5は、 光学 センサであり、 コの字型の間を通過するウェブ 7 0の端部の位置を測定可能 に構成されている。

[0157] 以上により、 本実施形態に係るウェブ搬送装置 7は、 ウェブ 7 0の端部の 位置を調節しながら、 当該ウェブ 7 0を搬送するように構成されている。 た だし、 ウェブ搬送装置 7の構成は、 このような例に限定されなくてもよい。 ウェブ搬送装置 7の構成に関して、 実施の形態に応じて、 適宜、 構成要素の 省略、 置換、 及び追加が可能である。 例えば、 従動口ーラの数は、 3つに限 られなくてもよい。 また、 修正装置 7 4の配置は、 図 1 1の例に限定されな くてもよく、 実施の形態に応じて適宜選択されてよい。 修正装置 7 4の種類 は、 図 1 2の例に限られなくてもよく、 実施の形態に応じて適宜選択されて よい。 修正装置 7 4の構成に関して、 実施の形態に応じて、 適宜、 構成要素 の省略、 置換、 及び追加が可能である。

[0158] 本変形例において、 !_〇2は、 各口ール （7 1、 7 6） の各サーボモー 夕 （7 1 1、 7 6 1） を操作することで、 ウェブ 7 0の搬送速度を制御する 〇 2020/175418 46 卩（：171? 2020 /007284

ことができる。 そのため、 各サーボモータ （7 1 1、 7 6 1） の電圧が操作 量として取り扱われ、 ウェブ 7 0の搬送速度が制御量として取り扱われても よい。 すなわち、 予測制御開発装置 1は、 上記処理手順により、 ウェブ 7 0 の搬送速度の推移を示す第 1時系列データを取得し、 取得された第 1時系列 データを分析することで、 ウェブ 7 0の搬送速度を予測するための予測モデ ルを生成してもよい。 ウェブ 7 0の搬送速度は、 速度センサ （不図示） 等に より適宜計測されてよい。 !_〇2は、 生成された予測モデルを利用して、 各サーボモータ （7 1 1、 7 6 1） に対する指令値を補正することで、 ウェ ブ 7 0の搬送速度を予測制御してもよい。 予測制御開発装置 1は、 予測制御 の間におけるウェブ 7 0の搬送速度の推移を示す第 2時系列データを取得し 、 予測モデルにより予測される予測値及び第 2時系列データにより示される 搬送速度の値の差に基づいて、 予測モデルによる予測の精度が許容されるか 否かを評価してもよい。 そして、 予測モデルによる予測の精度が許容されな いと評価される場合には、 予測制御開発装置 1は、 第 2時系列データを分析 することで、 搬送速度の予測モデルを再度生成し、 再度生成された予測モデ ルを !_〇 2に提供してもよい。

[0159] また、 本変形例において、 !_〇 2は、 修正装置 7 4のアクチユエータ 7 4 3を操作することで、 ウェブ 7 0の端部の位置を制御することができる。 そのため、 ウェブ 7 0の端部の位置を調節するためのアクチユエ� �タ 7 4 3 の電圧が操作量として取り扱われ、 ウヱブ 7 0の端部の位置が制御量として 取り扱われてよい。 すなわち、 予測制御開発装置 1は、 上記処理手順により 、 ウェブ 7 0の端部の位置の推移を示す第 1時系列データを取得し、 取得さ れた第 1時系列データを分析することで、 ウェブ 7 0の端部の位置を予測す るための予測モデルを生成してもよい。 ウェブ 7 0の端部の位置は、 エッジ センサ 7 5により計測されてよい。 !_〇2は、 生成された予測モデルを利 用して、 アクチユエータ 7 4 3に対する指令値を補正することで、 ウェブ 7 0の端部の位置を予測制御してもよい。 予測制御開発装置 1は、 予測制御の 間におけるウェブ 7 0の端部の位置の推移を示す第 2時系列データを取得し 〇 2020/175418 47 卩（：171? 2020 /007284

、 予測モデルにより予測される予測値及び第 2時系列データにより示される 端部の位置の値の差に基づいて、 予測モデルによる予測の精度が許容される か否かを評価してもよい。 そして、 予測モデルによる予測の精度が許容され ないと評価される場合には、 予測制御開発装置 1は、 第 2時系列データを分 析することで、 端部位置の予測モデルを再度生成し、 再度生成された予測モ デルを !_〇 2に提供してもよい。 本変形例によれば、 ウェブ搬送装置 7を 含む工場プロセスを最適化し、 品質の悪い製品が製造される確率を低減する ことができる。

[0160] < 4 . 2 >

上記実施形態では、 予測制御開発装置 1は、 ステップ3 2 0 7において、 予測モデル 5 0の評価に関する情報を表示装置 1 5に出力している。 しかし ながら、 情報の出力先は、 このような例に限られなくてもよく、 実施の形態 に応じて適宜選択されてよい。 例えば、 制御部 1 1は、 予測モデル 5 0の評 価に関する情報を、 表示装置 1 5とは別の表示装置に出力してもよいし、 表 示装置以外の出力先 （例えば、 メモリ、 表示装置以外の出力装置） に出力し てもよい。

[0161 ] < 4 . 3 >

上記実施形態では、 予測モデル 5 0及び補正器 5 5は別体に構成されてい る。 しかしながら、 予測モデル 5 0及び補正器 5 5の構成は、 このような例 に限定されなくてもよい。 予測モデル 5 0は、 補正器 5 5を含んでもよい。 すなわち、 予測モデル 5 0は、 制御量の計測値及び基礎目標値の入力に対し て、 予測される制御量の予測値に応じて補正済み の目標値 6 3を出力するよ うに構成されてよい。 この場合、 予測制御開発装置 1は、 予測モデル 5 0の 生成に、 制御量の計測値に対応する補正済みの目標値 6 3を更に利用する。 制御量の計測値に対応する補正済みの目標値 6 3は適宜与えられてよい。 ま た、 上記実施形態において、 予測モデル 5 0の入力値及び出力値の少なくと も一方には、 何らかの情報処理が実行されてよい。 例えば、 制御量の計測値 は、 特徴量に変換されてもよく、 予測モデル 5 0は、 計測値から算出された 〇 2020/175418 48 卩（：171? 2020 /007284

特徴量の入力を受け付けるように構成され てもよい。 なお、 特徴量は、 計測 値の何らかの特徴を表し得るものであれば、 その種類は、 特に限定されなく てもよく、 実施の形態に応じて適宜選択されてよい。 例えば、 特徴量は、 計 測値の時系列データから予測に利用する対象 の特徴を抽出することで得られ てもよい。 また、 例えば、 特徴量は、 集約された情報 （例えば、 単位区間毎 の平均値の時系列） 、 予測時点から過去の位置区間の系列そのもの 等であっ てよい。 具体例として、 特徴量は、 例えば、 最小値、 最大値、 平均値、 尖度 、 微分値等であってよい。

[0162] また、 上記実施形態では、 予測制御において制御対象装置に与える指令 値 は、 予測モデル 5 0により予測される制御量の予測値に応じて� �御量の基礎 目標値を補正することで間接的に補正される 。 しかしながら、 指令値を補正 する方法は、 このような例に限定されなくてもよい。 指令値は、 予測モデル 5 0により予測される制御量の予測値に応じて� �接的に補正されてもよい。 例えば、 !_〇2の制御部 2 1は、 上記予測制御の処理において、 例えば、 丨 口制御、 丨制御等の公知の方法により、 制御量の基礎目標値に従って 、 指令値を決定してもよい。 次に、 制御部 2 1は、 ステップ 3 1 0 4の処理 を実行し、 予測モデル 5 0を利用して、 取得された制御量の計測値から予測 値を算出してもよい。 そして、 制御部 2 1は、 上記ステップ 3 1 0 5に代え て、 算出された制御量の予測値に応じて、 決定された指令値を補正してもよ い。 指令値の補正量は適宜決定されてよい。 例えば、 指令値の補正量は、 上 記式 1 と同様の方法で算出されてよい。

[0163] なお、 予測モデル 5 0は、 過去の複数の時刻における各値、 複数種類の特 徴量等の複数の値が入力されるように構成さ れてよい。 基本的には、 予測モ デル 5 0に入力される値の数が増えるほど、 予測モデル 5 0による予測の精 度が向上する。 一方で、 予測モデル 5 0に入力される値の数が増えると、 予 測モデル 5 0の予測処理の計算量が増えるため、 当該予測処理の実行時間が 長くなってしまう。 予測モデル 5 0は、 予測の精度が高く、 かつ予測処理の 実行時間が短くなるように生成されるのが好 ましい。 特に、 1-（3等の比較 〇 2020/175418 49 卩（：171? 2020 /007284

的に小規模な制御装置で予測モデル 5 0を利用する場合には、 予測処理の実 行時間に起因して、 予測制御を実施することができない可能性が ある。 そこ で、 上記実施形態に係る予測制御開発装置 1は、 予測モデル 5 0を提供する 前に、 予測モデル 5 0の予測精度及び予測処理の実行時間に基づ� �て、 当該 予測モデル 5 0が予測制御に利用可能か否かを評価しても� �い。

[0164] 図 1 3は、 本変形例に係る予測制御開発装置 1のソフトウェア構成の一例 を模式的に例示する。 当該変形例では、 モデル評価部 1 1 6は、 テストデー 夕 2 2 9を利用して、 生成された予測モデル 5 0の予測精度及び予測処理の 実行時間を評価する。 そして、 モデル評価部 1 1 6は、 予測精度及び予測処 理の実行時間の評価の結果に基づいて、 生成された予測モデル 5 0を予測制 御に利用するか否かを判定する。 生成された予測モデル 5 0を予測制御に利 用すると判定された場合、 モデル提供部 1 1 3は、 生成された予測モデル 5 0をコントローラに提供する。 一方、 生成された予測モデル 5 0を予測制御 に利用しないと判定された場合、 モデル生成部 1 1 2は、 予測モデル 5 0の パラメータを変更し、 予測モデル 5 0を再度生成する。 パラメータは、 予測 モデル 5 0の入力値及び出力値 （予測値） の少なくともいずれかに対応する 。 パラメータを変更することは、 入力項目を減らすこと、 入力項目を増やす こと、 特徴量の種類を変更すること等を含んでよい 。 これらの点を除き、 本 変形例は、 上記実施形態と同様であってよい。

[0165] 図 1 4 及び図 1 4巳は、 本変形例に係る予測制御開発装置 1の処理手順 の一例を示すフローチヤートである。 本変形例では、 制御部 1 1は、 上記ス テップ3 2 0 1及び 3 2 0 2の処理を実行した後に、 モデル評価部 1 1 6と して動作し、 ステップ 3 2 0 2 II及び 3 2 0 2 の処理を実行する。

[0166] ステップ 3 2 0 2 11では、 制御部 1 1は、 テストデータ 2 2 9を利用して 、 生成された予測モデル 5 0の予測の精度及び予測処理の実行時間を評� �す る。 テストデータ 2 2 9は、 第 1時系列データ 2 2 3及び第 2時系列データ 2 2 5と同様に、 制御対象装置の制御量の値の推移を示す。 ステップ 3 2 0 2 IIでは、 テストデータ 2 2 9は、 第 1時系列データ 2 2 3と同様に取得さ 〇 2020/175418 50 卩（：171? 2020 /007284

れてよい。 例えば、 テストデータ 2 2 9は、 第 1時系列データ 2 2 3のうち 、 予測モデル 5 0の生成に利用されなかった部分から取得さ� �てよい。

[0167] テストデータ 2 2 9を利用して、 予測モデル 5 0の予測の精度を評価する 方法は、 上記ステップ 3 2 0 6とほぼ同様であってよい。 例えば、 制御部 1 1は、 生成された予測モデル 5 0を利用した予測制御の動作、 すなわち、 上 記ステップ3 1 0 1 1 0 6の処理をシミュレートしてもよい。 制御量の 計測値には、 テストデータ 2 2 9により示される制御量の値が用いられてよ い。 制御部 1 1は、 これにより得られる一連の予測値とテストデ ータ 2 2 9 により示される制御量の値との相違の程度に 基づいて、 予測モデル 5〇の予 測の精度を算出してもよい。

[0168] また、 予測処理の実行時間を評価する方法は、 特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。 予測処理の実行時間を算出する 方法には、 プログラムの計算時間を算出する公知の方法 が採用されてよい。 例えば、 制御部 1 1は、 コントローラ （ !_〇2） の演算資源の性能を示す 情報に基づいて、 予測モデル 5 0を利用した予測制御の演算処理をシミュレ —卜することで、 予測処理の実行時間を算出してもよい。 演算資源は、 例え ば、 メモリ、 プロセッサ等である。 予測制御の処理は、 例えば、 上記ステッ までの処理である。

[0169] また、 例えば、 コントローラ上での予測処理の実行時間を予 測モデル 5 0 のパラメータから推定するための推定モデル が予め生成されてもよい。 この 推定モデルは、 予測モデル 5 0のパラメータとその予測モデル 5 0をコント 口ーラが利用した時の実行時間の実測値との 相関関係から適宜生成されてよ い。 制御部 1 1は、 この推定モデルを利用して、 生成された予測モデル 5 0 のパラメータから予測処理の実行時間を推定 してもよい。

[0170] ステップ 3 2 0 2 では、 制御部 1 1は、 予測精度及び予測処理の実行時 間それぞれを評価した結果に基づいて、 生成された予測モデル 5 0を予測制 御に利用するか否かを判定する。 例えば、 制御部 1 1は、 ステップ 3 2 0 2 IIにより算出された予測モデル 5 0の予測精度及び予測処理の実行時間を表 〇 2020/175418 51 卩（：171? 2020 /007284

示装置 1 5に出力し、 生成された予測モデル 5 0を予測制御に利用するか否 かの選択を受け付けてもよい。 そして、 制御部 1 1は、 オペレータによる当 該選択に基づいて、 生成された予測モデル 5 0を予測制御に利用するか否か を判定してもよい。

[0171 ] また、 例えば、 制御部 1 1は、 ステップ 3 2 0 2 IIにより算出された予測 モデル 5 0の予測精度及び予測処理の実行時間それぞ� �と閾値との比較に基 づいて、 生成された予測モデル 5 0を予測制御に利用するか否かを判定して もよい。 予測精度に対する第 1閾値及び予測処理の実行時間に対する第 2閾 値はそれぞれ適宜決定されてよい。 各閾値は、 オペレータ等により手動で設 定されてもよいし、 コントローラを利用した過去の実績から適宜 決定されて もよい。 制御部 1 1は、 算出された予測精度の値が第 1閾値よりも高く、 か つ算出された予測処理の実行時間の推定値が 第 2閾値よりも短い場合に、 生 成された予測モデル 5 0を予測制御に利用すると判定してもよい。 一方、 そ うではない場合に、 制御部 1 1は、 生成された予測モデル 5 0を予測制御に 利用しないと判定してもよい。

[0172] 生成された予測モデル 5 0を予測制御に利用すると判定した場合、 制御部

1 1は、 上記実施形態と同様に、 ステップ 3 2 0 3以降の処理を実行する。 一方、 生成された予測モデル 5 0を予測制御に利用しないと判定した場合、 制御部 1 1は、 ステップ3 2 0 2に戻って、 予測モデル 5 0の生成処理を繰 り返す。 この際、 制御部 1 1は、 予測モデル 5 0のパラメータを変更する。

[0173] パラメータの変更は、 オペレータ等により手動で行われてよい。 例えば、 制御部 1 1は、 予測モデル 5 0のパラメータを表示装置 1 5に出力すると共 に、 当該パラメータの変更の指定を受け付けても よい。 そして、 制御部 1 1 は、 受け付けた内容に従って、 予測モデル 5 0のパラメータを変更してもよ い。

[0174] また、 例えば、 制御部 1 1は、 予測精度及び予測処理の実行時間を評価し た結果に基づいて、 予測モデル 5 0のパラメータを自動的に変更してもよい 。 一例として、 予測処理の実行時間が閾値よりも長い場合、 入力項目を減ら 〇 2020/175418 52 卩（：171? 2020 /007284

すこと、 及び対象の特徴量をより演算時間の短い特徴 量に変更することのい ずれか一方が選択されてよい。 また、 例えば、 予測精度が閾値よりも低い場 合に、 入力項目を増やすこと、 及び特徴量を変更することのいずれか一方が 選択されてよい。

[0175] 予測モデル 5 0のパラメータを変更した後、 制御部 1 1は、 ステップ 3 2

0 2の処理を再度実行し、 変更されたパラメータを有する予測モデル 5 0を 第 1時系列データ 2 2 3から生成する。 そして、 制御部 1 1は、 生成された 予測モデル 5 0に対してステップ 3 2 0 2 II及び 3 2 0 2 の処理を実行す る。

[0176] 本変形例では、 制御部 1 1は、 上記ステップ3 2 0 3〜3 2 0 9の処理を 実行した後に、 モデル評価部 1 1 6として動作し、 ステップ3 2 0 9 II及び 3 2 0 9 の処理を実行する。 ステップ 3 2 0 2で生成された予測モデル 5 0からステップ 3 2 0 9で生成された予測モデル 5 0に評価の対象が変更さ れる点を除き、 ステップ 3 2 0 9 II及び 3 2 0 9 \^/は、 上記ステップ 3 2 0 2 II及び 3 2 0 と同様であってよい。 ステップ 3 2 0 9 \^/において、 生 成された予測モデル 5 0を予測制御に利用しないと判定した場合、 制御部 1 1は、 ステップ 3 2 0 9に戻って、 予測モデル 5 0の生成処理を繰り返す。 この際、 上記ステップ3 2 0 2と同様に、 制御部 1 1は、 予測モデル 5 0の パラメータを変更した上で、 第 2時系列データ 2 2 5から予測モデル 5 0を 生成してもよい。 なお、 ステップ 3 2 0 9 IIにおいて、 テストデータ 2 2 9 は、 第 1時系列データ 2 2 3及び第 2時系列データ 2 2 5のうち、 予測モデ ル 5 0の生成に利用されなかった部分から取得さ� �てよい。

[0177] < 4 . 4 >

上記実施形態において、 予測制御開発装置 1のソフトウェア構成から補正 量指定部 1 1 4が省略されてもよく、 予測制御開発装置 1の処理手順からス テップ3 2 0 4が省略されてもよい。 この場合、 指令値に対する補正量の値 は、 予め与えられてもよい。 また、 ステップ 3 2 0 4は、 予測モデル 5 0を 利用するまでの任意のタイミングで実行され てよい。 ステッブ 2 0 3〜ス 〇 2020/175418 53 卩（：171? 2020 /007284

テップ3207の処理が繰り返される際、 制御部 1 1は、 ステップ 3204 において、 指令値に対する補正量の値を適宜決定しても よい。 また、 予測制 御開発装置 1の処理手順からステップ3207による出力処理� ��省略されて もよい。 これに応じて、 予測制御開発装置 1のソフトウェア構成から出力部 1 1 7が省略されてもよい。

符号の説明

[0178] 1 予測制御開発装置、

1 1 制御部、 1 2 記憶部、 1 3 通信インタフェース、

1 4 入力装置、 1 5 表示装置、 1 6 ドライブ、

1 1 1 第 1取得部、 1 1 2 モデル生成部、

1 1 3 モデル提供部、 1 1 4 補正量指定部、

1 1 5 第 2取得部、 1 1 6 モデル評価部、

1 1 7 出力部、

1 25 生成結果データ、

81 予測制御開発プログラム、 9 1 記憶媒体、

2-9 !_〇、

2 1 制御部、 22 記憶部、 23 通信インタフェース、

24 外部インタフェース、

2 1 1 目標値取得部、 2 1 2 動作制御部、

2 1 3 補正処理部、 2 1 4 データ収集部、

22 1 目標値情報、

223 第 1時系列データ、 225 第 2時系列データ、

227 予測結果データ、

82 制御プログラム、

3 プレス機 （制御対象装置） 、

3 1 サーボドライバ、 32 上側金型、 33 下側金型、

35 位置センサ、

40 ワーク、 4 1 製品、 \¥0 2020/175418 54 卩（：17 2020 /007284

5〇 予測モデル、 5 5 補正器、

6〇 指令値、

1 5 0 画面