输送系统、输送控制方法、已学习模型、学习系统、学习方法以及存储介质与流程

本公开涉及一种输送系统、输送控制方法、已学习模型、学习系统、学习方法以及存储介质。

背景技术：

1、在日本特开2021-140273中，公开了一种根据需求预测来对物流据点进行调整的信息处理装置。该信息处理装置基于与商品相关的各利用者的实施行动的地点、和在地点被实施的行动的件数，而创建表示每个地域的商品的需求的动向的商品需求信息，并基于商品需求信息来决定商品的物流据点。并且，该信息处理装置基于商品需求信息而创建预先将商品运送至商品的物流据点处的运送计划。此外，该信息处理装置基于商品需求信息，来创建预先将商品的库存从具有商品的库存的其他物流据点转移向商品的物流据点的库存输送计划。

技术实现思路

1、可是，在借出设备的设备借出系统中，会在设备的借出需求急增等的情况下发生库存不足的事态。作为借出设备变得库存不足的一个主要原因，或者作为借出设备的管理上的问题，可以列举出虽然在借出目标处设备的使用已结束但是要由借出目标的工作人员来判断归还输送的实施，因此会产生滞留时间的情况。作为进行由借出目标的工作人员所实施的判断的理由，是由于若以设备为医疗设备的情况为例，则存在根据病房而会因人手不足或急患的存在等从而导致具有能够立即实施装载的局面和无法实施的局面的缘故。

2、因此，期望尽可能地缩短这种滞留时间。特别是在使用移动机器人用于对归还品进行回收的情况下，期望尽可能地抑制移动机器人的劣化以及实现节电化。另外，在日本特开2021-140273所记载的技术中，即使在假设应用借出设备来替代商品的情况下也无法解决这些问题。

3、本公开是为了解决这种问题而完成的，其提供一种针对在设备借出系统中成为借出对象的设备而能够有效地抑制从使用结束起至由移动机器人所实施的归还完成为止的滞留时间的输送系统、输送控制方法、已学习模型以及存储介质、以及提供一种能够生成这种已学习模型的学习系统、学习方法以及存储介质。

4、本公开所涉及的输送系统利用移动机器人而对在设备借出系统中成为借出对象的设备进行输送，并包括：

5、对使用学习数据而被进行了机器学习的已学习模型进行存储，其中，所述学习数据包含表示包括在将所述设备借出之后所述设备的使用已结束的使用结束定时和已作为归还品而进行了回收的回收完成定时在内的回收实际结果的回收实际结果数据、和表示利用所述移动机器人而对所述设备进行了回收的回收路线的回收路线数据，并且，所述已学习模型以输入作为对处于借出中的所述设备的使用结束定时进行了预测而得的结果的结束定时预测结果、并输出利用所述移动机器人而将处于借出中的所述设备作为归还品来进行回收的回收路线的方式而被进行了机器学习；

6、向所述已学习模型中输入作为对处于借出中的所述设备的使用结束定时进行了预测而得的结果的结束定时预测结果，以取得利用所述移动机器人而将处于借出中的所述设备作为归还品来进行回收的回收路线；并且

7、对按照所取得的所述回收路线来实施回收的所述移动机器人进行决定。

8、在上述输送系统中，通过这种结构，针对所借出的设备而取得根据使用结束定时的预测结果来对过往的回收实际结果数据进行考虑所得到的回收路线，并对成为回收主体的移动机器人进行决定。因此，在上述输送系统中，能够利用高效的回收路线来对设备进行回收，作为结果，能够有效地抑制设备的从使用结束起至由移动机器人所实施的归还完成为止的滞留时间。

9、也可以采用如下方式，即，所述已学习模型为，以输出能够对多个所述设备进行回收的这种所述回收路线的方式而被进行了机器学习的模型。

10、由此，在上述输送系统中，由于能够取得对多个设备进行回收的高效的回收路线，因此能够更加有效地抑制多个设备的从使用结束起至由移动机器人所实施的归还完成为止的滞留时间。

11、也可以采用如下方式，即，所述回收实际结果数据包含第一信息，所述第一信息为所述移动机器人进行回收所需的时间、所述移动机器人的移动距离、以及所述移动机器人的消耗电力中的至少一个，

12、所述已学习模型为，以输出使所述第一信息最小化的这种所述回收路线的方式而被进行了机器学习的模型。

13、在上述输送系统中，通过这种结构，针对所借出的设备，而取得根据使用结束定时的预测结果对包含上述第一信息在内的过往的回收实际结果数据进行了考虑而得到的回收路线，并对成为回收主体的移动机器人进行决定。因此，在上述输送系统中，能够利用从时间、移动距离、以及消耗电力中的至少一个观点出发可以说是较为高效的回收路线来对设备进行回收，作为结果，能够以上述观点而有效地抑制设备的从使用结束起至由移动机器人所实施的归还完成为止的滞留时间。

14、也可以采用如下方式，即，所述回收实际结果数据包含第一信息，所述第一信息为所述移动机器人进行回收所需的时间、所述移动机器人的移动距离、以及所述移动机器人的消耗电力中的至少一个，

15、所述已学习模型为以如下方式而被进行了机器学习的模型，即，在与多个所述设备有关的回收地点处的可回收时刻为预定时间以内的情况下，输出以使所述第一信息最小化的方式而对多个所述设备进行回收的所述回收路线。

16、在上述输送系统中，通过这种结构，针对所借出的设备而取得根据使用结束定时的预测结果对包含上述第一信息在内的过往的回收实际结果数据进行了考虑而得到的能够对多个设备进行回收的回收路线，并对成为回收主体的移动机器人进行决定。因此，在上述输送系统中，能够利用从时间、移动距离、以及消耗电力中的至少一个观点出发可以说是较为高效的回收路线来对多个设备进行回收，作为结果，能够以上述观点而有效地抑制多个设备的从使用结束起至由移动机器人所实施的归还完成为止的滞留时间。

17、也可以采用如下方式，即，所述设备为医疗设备。

18、由此，在上述输送系统中，能够对医疗设备的使用方式进行考虑，而有效地抑制医疗设备的从使用结束起至由移动机器人所实施的归还完成为止的滞留时间。

19、本公开所涉及的输送控制方法由计算机来实施利用移动机器人而对在设备借出系统中成为借出对象的设备进行输送的输送控制，并包括：

20、所述计算机对使用学习数据而被进行了机器学习的已学习模型进行存储，其中，所述学习数据包含表示包括在将所述设备借出之后所述设备的使用已结束的使用结束定时和已作为归还品而进行了回收的回收完成定时在内的回收实际结果的回收实际结果数据、和表示利用所述移动机器人而对所述设备进行了回收的回收路线的回收路线数据，并且，所述已学习模型以输入作为对处于借出中的所述设备的使用结束定时进行了预测而得的结果的结束定时预测结果、并输出利用所述移动机器人而将处于借出中的所述设备作为归还品来进行回收的回收路线的方式而被进行了机器学习；

21、所述计算机向所述已学习模型中输入作为对处于借出中的所述设备的使用结束定时进行了预测而得的结果的结束定时预测结果，以取得利用所述移动机器人而将处于借出中的所述设备作为归还品来进行回收的回收路线；并且

22、所述计算机对按照所取得的所述回收路线来实施回收的所述移动机器人进行决定。

23、在上述输送控制方法中，通过这种处理，针对所借出的设备而取得根据使用结束定时的预测结果来对过往的回收实际结果数据进行考虑所得到的回收路线，并对成为回收主体的移动机器人进行决定。因此，在上述输送控制方法中，能够以利用高效的回收路线来对设备进行回收的方式进行控制，作为结果，能够有效地抑制设备的从使用结束起至由移动机器人所实施的归还完成为止的滞留时间。

24、也可以采用如下方式，即，所述已学习模型为，以输出能够对多个所述设备进行回收的这种所述回收路线的方式而被进行了机器学习的模型。

25、由此，在上述输送控制方法中，由于能够取得对多个设备进行回收的高效的回收路线，因此能够更加有效地抑制多个设备的从使用结束起至由移动机器人所实施的归还完成为止的滞留时间。

26、也可以采用如下方式，即，所述回收实际结果数据包含第一信息，所述第一信息为所述移动机器人进行回收所需的时间、所述移动机器人的移动距离、以及所述移动机器人的消耗电力中的至少一个，

27、所述已学习模型为，以输出使所述第一信息最小化的这种所述回收路线的方式而被进行了机器学习的模型。

28、在上述输送控制方法中，通过这种处理，针对所借出的设备而取得根据使用结束定时的预测结果来对包含上述第一信息在内的过往的回收实际结果数据进行了考虑而得到的回收路线，并对成为回收主体的移动机器人进行决定。因此，在上述输送控制方法中，能够以利用从时间、移动距离、以及消耗电力中的至少一个观点出发可以说是较为高效的回收路线来对设备进行回收的方式进行控制，作为结果，能够以上述观点而有效地抑制设备的从使用结束起至由移动机器人所实施的归还完成为止的滞留时间。

29、也可以采用如下方式，即，所述回收实际结果数据包含第一信息，所述第一信息为所述移动机器人进行回收所需的时间、所述移动机器人的移动距离、以及所述移动机器人的消耗电力中的至少一个，

30、所述已学习模型为以如下方式而被进行了机器学习的模型，即，在与多个所述设备有关的回收地点处的可回收时刻为预定时间以内的情况下，输出以使所述第一信息最小化的方式而对多个所述设备进行回收的所述回收路线。

31、在上述输送控制方法中，通过这种处理，针对所借出的设备而取得根据使用结束定时的预测结果来对包含上述第一信息在内的过往的回收实际结果数据进行了考虑而得到的能够对多个设备进行回收的回收路线，并对成为回收主体的移动机器人进行决定。因此，在上述输送控制方法中，能够以利用从时间、移动距离、以及消耗电力中的至少一个观点出发可以说是较为高效的回收路线来对多个设备进行回收的方式进行控制，作为结果，能够以上述观点而有效地抑制多个设备的从使用结束起至由移动机器人所实施的归还完成为止的滞留时间。

32、也可以采用如下方式，即，所述设备为医疗设备。

33、由此，在上述输送控制方法中，能够对医疗设备的使用方式进行考虑而有效地抑制医疗设备的从使用结束起至由移动机器人所实施的归还完成为止的滞留时间。

34、在本公开所涉及的存储介质中，程序为使计算机执行输送控制的程序，其中，所述输送控制包括：

35、向使用学习数据而被进行了机器学习的已学习模型中，输入作为对处于借出中的所述设备的使用结束定时进行了预测而得的结果的结束定时预测结果，以取得利用所述移动机器人而将处于借出中的所述设备作为归还品来进行回收的回收路线，其中，所述学习数据包含表示包括在将所述设备借出之后所述设备的使用已结束的使用结束定时和已作为归还品而进行了回收的回收完成定时在内的回收实际结果的回收实际结果数据、和表示利用所述移动机器人而对所述设备进行了回收的回收路线的回收路线数据，并且，所述已学习模型以输入作为对处于借出中的所述设备的使用结束定时进行了预测而得的结果的结束定时预测结果、并输出利用所述移动机器人而将处于借出中的所述设备作为归还品来进行回收的回收路线的方式而被进行了机器学习；并且

36、对按照所取得的所述回收路线来实施回收的所述移动机器人进行决定。

37、上述程序通过这种处理，针对所借出的设备而取得根据使用结束定时的预测结果来对过往的回收实际结果数据进行考虑所得到的回收路线，并对成为回收主体的移动机器人进行决定。因此，在上述程序中，能够以利用高效的回收路线来对设备进行回收的方式进行控制，作为结果，能够有效地抑制设备的从使用结束起至由移动机器人所实施的归还完成为止的滞留时间。

38、也可以采用如下方式，即，所述已学习模型为，以输出能够对多个所述设备进行回收的这种所述回收路线的方式而被进行了机器学习的模型。

39、由此，在上述程序中，由于能够取得对多个设备进行回收的高效的回收路线，因此能够更加有效地抑制多个设备的从使用结束起至由移动机器人所实施的归还完成为止的滞留时间。

40、也可以采用如下方式，即，所述回收实际结果数据包含第一信息，所述第一信息为所述移动机器人进行回收所需的时间、所述移动机器人的移动距离、以及所述移动机器人的消耗电力中的至少一个，

41、所述已学习模型为，以输出使所述第一信息最小化的这种所述回收路线的方式而被进行了机器学习的模型。

42、在上述程序中，通过这种处理，针对所借出的设备而取得根据使用结束定时的预测结果来对包含上述第一信息在内的过往的回收实际结果数据进行了考虑而得到的回收路线，并对成为回收主体的移动机器人进行决定。因此，在上述程序中，能够以利用从时间、移动距离、以及消耗电力中的至少一个观点出发可以说是较为高效的回收路线来对设备进行回收的方式进行控制，作为结果，能够以上述观点而有效地抑制设备的从使用结束起至由移动机器人所实施的归还完成为止的滞留时间。

43、也可以采用如下方式，即，所述回收实际结果数据包含第一信息，所述第一信息为所述移动机器人进行回收所需的时间、所述移动机器人的移动距离、以及所述移动机器人的消耗电力中的至少一个，

44、所述已学习模型为以如下方式而被进行了机器学习的模型，即，在与多个所述设备有关的回收地点处的可回收时刻为预定时间以内的情况下，输出以使所述第一信息最小化的方式而对多个所述设备进行回收的所述回收路线。

45、在上述程序中，通过这种处理，针对所借出的设备而取得根据使用结束定时的预测结果来对包含上述第一信息在内的过往的回收实际结果数据进行了考虑而得到的能够对多个设备进行回收的回收路线，并对成为回收主体的移动机器人进行决定。因此，在上述程序中，能够以利用从时间、移动距离、以及消耗电力中的至少一个观点出发可以说是较为高效的回收路线来对多个设备进行回收的方式进行控制，作为结果，能够以上述观点而有效地抑制多个设备的从使用结束起至由移动机器人所实施的归还完成为止的滞留时间。

46、也可以采用如下方式，即，所述设备为医疗设备。

47、由此，在上述程序中，能够对医疗设备的使用方式进行考虑而有效地抑制医疗设备的从使用结束起至由移动机器人所实施的归还完成为止的滞留时间。

48、本公开所涉及的已学习模型包括：

49、使用包含表示包括在将在设备借出系统中成为借出对象的设备借出之后所述设备的使用已结束的使用结束定时和已作为归还品而利用移动机器人来进行了回收的回收完成定时在内的回收实际结果的回收实际结果数据、和表示利用所述移动机器人而对所述设备进行了回收的回收路线的回收路线数据的学习数据，而以输入作为对处于借出中的所述设备的使用结束定时进行了预测而得的结果的结束定时预测结果、并输出利用所述移动机器人而将处于借出中的所述设备作为归还品来进行回收的回收路线的方式而进行了机器学习。

50、上述已学习模型通过这种结构，针对所借出的设备而取得根据使用结束定时的预测结果来对过往的回收实际结果数据进行考虑所得到的回收路线。因此，在上述已学习模型中，能够取得有效地抑制设备的从使用结束起至由移动机器人所实施的归还完成为止的滞留时间的那样的回收路线。

51、本公开所涉及的学习系统包括：通过将学习数据输入至未学习的学习模型中并执行机器学习，从而生成已学习模型，其中，所述学习数据包含表示包括在将在设备借出系统中成为借出对象的设备借出之后所述设备的使用已结束的使用结束定时和已作为归还品而利用移动机器人来进行了回收的回收完成定时在内的回收实际结果的回收实际结果数据、和表示利用所述移动机器人而对所述设备进行了回收的回收路线的回收路线数据，所述已学习模型为输入作为对处于借出中的所述设备的使用结束定时进行了预测而得的结果的结束定时预测结果、并输出利用所述移动机器人而将处于借出中的所述设备作为归还品来进行回收的回收路线的模型。

52、上述学习系统通过上述那样的结构，能够生成可取得有效地抑制设备的从使用结束起至由移动机器人所实施的归还完成为止的滞留时间的那样的回收路线的已学习模型。

53、本公开所涉及的学习方法包括：通过将学习数据输入至未学习的学习模型中并执行机器学习，从而生成已学习模型，其中，所述学习数据包含表示包括在将在设备借出系统中成为借出对象的设备借出之后所述设备的使用已结束的使用结束定时和已作为归还品而利用移动机器人来进行了回收的回收完成定时在内的回收实际结果的回收实际结果数据、和表示利用所述移动机器人而对所述设备进行了回收的回收路线的回收路线数据，所述已学习模型为输入作为对处于借出中的所述设备的使用结束定时进行了预测而得的结果的结束定时预测结果、并输出利用所述移动机器人而将处于借出中的所述设备作为归还品来进行回收的回收路线的模型。

54、上述学习方法通过上述那样的处理，能够生成可取得有效地抑制设备的从使用结束起至由移动机器人所实施的归还完成为止的滞留时间的那样的回收路线的已学习模型。

55、在本公开所涉及的存储介质中，程序为使计算机执行学习处理的程序，其中，所述学习处理包括：通过将学习数据输入至未学习的学习模型中并执行机器学习，从而生成已学习模型，其中，所述学习数据包含表示包括在将在设备借出系统中成为借出对象的设备借出之后所述设备的使用已结束的使用结束定时和已作为归还品而利用移动机器人来进行了回收的回收完成定时在内的回收实际结果的回收实际结果数据、和表示利用所述移动机器人而对所述设备进行了回收的回收路线的回收路线数据，所述已学习模型为输入作为对处于借出中的所述设备的使用结束定时进行了预测而得的结果的结束定时预测结果、并输出利用所述移动机器人而将处于借出中的所述设备作为归还品来进行回收的回收路线的模型。

56、在上述程序中，通过这种处理，能够生成可取得有效地抑制设备的从使用结束起至由移动机器人所实施的归还完成为止的滞留时间的那样的回收路线的已学习模型。

57、根据本公开，可提供一种针对在设备借出系统中成为借出对象的设备而能够有效地抑制从使用结束起至由移动机器人所实施的归还完成为止的滞留时间的输送系统、输送控制方法、已学习模型以及存储介质、以及提供一种能够生成这种已学习模型的学习系统、学习方法以及存储介质。