| 研究課題/領域番号 |
20K04993
|
|---|
| 研究機関 | 近畿大学 |
|---|
研究代表者 |
片岡 隆之 近畿大学, 工学部, 教授 (40411649)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| キーワード | 混成生産システム / 再編成可能 / 機械学習 / 人間とロボット |
|---|
| 研究実績の概要 |
令和3年度に実施した研究の成果については，研究計画調書に記載した「研究計画」のとおり，以下の点について研究を進めることができた．ただし昨年度に続き，本年度も，新型コロナの影響により，海外でのフィールド調査が実施不可能となったことから，本研究対象であるベイズ学習を含む機械学習機能を応用した再編成可能型混成生産管理方式の確立に向けた研究に注力した．
(1)人間とロボットの共創作業に内在する共創パラメータの確立とその抽出法
新型コロナの影響により，令和3年度に延期していた日独間比較のための国際学会への現地参加とフィールド調査は引き続き実施できなかったことから，ベイズ学習を含む機械学習機能による確率変動に向けた人間とロボットの共創作業に内在する各パラメータの設定/分類及びその抽出法のさらなる文献及びヒアリング調査に注力した．特にNEDO委託事業「産業用ロボット関連技術の標準化」学術研究会での発表及びメンバーとのヒアリング調査により，本研究レベルまでのロボット進化に時間を要することが判明した．
(2)ベイズ学習を含む機械学習機能を応用した再編成可能型混成生産管理方式の確立
本年度は，時系列データに有効性を示している深層学習アプローチの一つであるRNN(Recurrent Neural Network)に加え，近年，その進化系として注目を浴びているCRNN(Convolutional Recurrent Neural Network)アプローチも適用した新たなゲート付きハイブリッドネットワークを構築することにより，これまでの結果とのベンチマークを試みた．その結果，複数のベンチマークデータによる予測実験において，従来手法より優れた結果が得られた．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
令和3年度も新型コロナの影響により，9月に予定していた日独間比較のための国際学会参加とフィールド調査が実施不可能となったことから，ベイズ学習を含む機械学習機能による確率変動に向けた人間とロボットの共創作業に内在する各パラメータの設定/分類及びその抽出法の文献及びヒアリング調査に注力することにより，フィールド調査の延期に伴う研究の遅れをできるだけカバーした．
一方で，各共創パラメータを対話型生産システムにビルトインすることにより，ベイズ学習を含む機械学習機能による再編成可能型混成計画のための新たな検知・調整方式を確立するための研究を先行実施することにより，時系列データに有効な深層学習アプローチの一つであるRNN(Recurrent Neural Network)に加えて，CRNN(Convolutional Recurrent Neural Network)アプローチも適用した，新たなゲート付きハイブリッドネットワークに関する適用可能性を見出すことができた．
|
| 今後の研究の推進方策 |
昨年度に続き，令和3年度もやや遅れながらも次年度に繋がる研究成果が出ているため，令和4年度は新型コロナの影響を考慮に入れながら，以下の内容について研究を進めていく．
(1)人間とロボットの共創作業に内在する共創パラメータの確立とその抽出法
新型コロナの影響はあるものの，令和4年度に延期していた日独間比較のための国際学会は，2年間の延期を経て開催されることが決定しており，現地参加とフィールド調査の準備を進めている．また，引き続き，ベイズ学習を含む機械学習機能による確率変動に向けた人間とロボットの共創作業に内在する各パラメータの設定/分類及びその抽出法のさらなる文献調査研究を継続する一方で，日本国内の協力予定企業へのフィールド調査は先行して実施する予定である．
(2)ベイズ学習を含む機械学習機能を応用した再編成可能型混成生産管理方式の確立
各共創パラメータを対話型生産システムにビルトインすることにより，ベイズ学習を含む機械学習機能による再編成可能型混成計画のための新たな検知・調整方式を確立するため，本年度は，特に令和3年度に新たに開発したゲート付きハイブリッドネットワークの適用可能性について検討する．具体的には，国内自動車メーカーと協力し，実証用データに基づく現場への適用可能性にまで範囲を広げて研究を推進する．
|
| 次年度使用額が生じた理由 |
（理由）
新型コロナの影響に伴い，国内外を問わず，予定していた研究調査出張を実施できなかったが，一方でZoomやスカイプによるテレビ会議システムや電子メールを用いた打ち合わせの機会を効果的に取り入れることにより，旅費項目の効果的な運用を実行することができたため．また数値実験におけるデータ整理の多くを自ら実施したことにより，人件費・謝金項目を減少させつつ成果を出すことができたため．なおビッグデータを機械学習させるには，当初計画を上回る高性能PCが必要であったため，初年度の予算繰越分に加えて，今年度の予算配分により，充分な環境を構築することができた．
（使用計画）
令和4年度に現地またはWeb上で開催予定の大規模な学会 (The 18th Global Conference on Sustainable Manufacturing (GSCM2022) および The 22nd Asia Pacific Industrial Engineering and Management Systems (APIEMS2022)) に新たにエントリーし，成果発表の機会を増やすことにより，研究成果レベルのさらなる向上を図りたい．また令和4年度は，令和2年度及び令和3年度に購入した高性能PCを用いて，構築されたモデルに基づく多くのデータ解析・整理業務が発生することが予想されることから，人件費・謝金を用いて効率的な研究の取りまとめを実行していきたい．
|
