| 研究概要 |
これまで,FAシステムを制御する代表的ツールとして,シーケンス制御装置が考えられてきた.しかしながら,FAシステムに対する要求が高度になるに従って,これまで,熟練者によって支えられてきたシーケンス制御系の設計ノウハウを自動化し,さらにはFAシステムそのものに自律性を持たせたいという要求が高まってきた.実際にFAシステムに自律性を持たせる最も有効な方法は,ある種の学習機能をFAシステムに持たせることであると考えられる.一般に,シーケンス制御系は,その動作が離散的でかつ,事象と状態遷移という形で表現できることから,通常,離散事象システムとして定式化される.本奨励研究では,離散事象システムでの学習を実現する手法として,学習オートマトンを新たに導入することによって,制御理論に基づいた学習方式をさらに拡張し,事象駆動型のシステムに対する学習機能を実現した.学習オートマトンは生体の学習機能を模擬するモデルとして最近注目を集めている.一般に,高等な動物は過去の経験に基づいて,自己に有利な行動を選択する学習能力を有するが,その抽象的なモデルとして学習オートマトンの有効性が認識され始めている.また,学習オートマトンは確率オートマトンの一種で,その数理的挙動は確率過程の一種とみなすことができ,学習の収束性に対する定量的な議論が可能となる.このことは,学習アルゴリズムの設計が可能であることを意味しており,産業界への応用も充分に期待できる手法である.以上より,学習オートマトンを用いることによって,通常人間が何気なく行っている高度な作業を,FAシステム自身が自律的に試行錯誤を通して獲得する能力が実現できるようになった.今後は,従来の制御理論に基づいた学習機能との併用方法についても検討し,階層的な学習方法の構築を目指す.
|
