CN112534236B - 异常诊断装置和异常诊断方法 - Google Patents

Abstract

一种异常诊断装置，基于从设置在具有多个减速器(14)的机器人(101)中的传感器(13)获取到的、与减速器(14)的状态有关的干扰转矩，来诊断各减速器(14)的异常，并将诊断的结果显示在显示器(62)上，该异常诊断装置具有：维护历史记录DB(32)，其存储与对各减速器(14)实施的维护有关的维护数据；以及控制部(51)，其基于干扰转矩来检测各减速器(14)的异常。控制部(51)在基于干扰转矩检测到减速器(14a)的异常的情况下，基于维护数据来预测与减速器(14a)的异常相关联地发生的减速器(14b)的异常，并将与预测出的异常有关的信息显示在显示器(62)上。

Description

异常诊断装置和异常诊断方法

技术领域

本发明涉及一种对设置在机器人等设备中的减速器等可动部中发生的异常进行诊断的异常诊断装置和异常诊断方法。

背景技术

以往以来，作为对设备中发生的异常进行检测的装置，例如已知专利文献1所公开的装置。在专利文献1中公开了以下一种装置：将作为诊断对象的设备发生了异常时的日期、声音数据、诊断结果的正确与否、作业的记录(有无检查、有无问题、实施的时刻、场所等)以相关联的方式进行记录，向用户呈现设备发生了异常时的声音与过去类似的事例。

现有技术文献

专利文献

专利文献1：日本特开2005-339142号公报

发明内容

然而，在上述的专利文献1中存在以下问题：在作为诊断对象的设备发生了异常的情况下，无法知晓与其它设备的异常之间的因果关系。

本发明是为了解决这样的以往的问题而完成的，其目的在于提供一种在一个可动部发生了异常的情况下能够预测出与之相关联的其它可动部的异常并呈现给操作者的异常诊断装置和异常诊断方法。

本发明的一个方式具有：维护历史记录存储部，其存储与对各可动部实施的维护有关的维护数据；以及控制部，其诊断各可动部的异常。控制部在基于可动部数据检测到一个可动部的异常的情况下，基于维护数据来预测与一个可动部的异常相关联地发生的其它可动部的异常，将与预测出的其它可动部的异常有关的信息输出到显示部。

发明的效果

根据本发明的一个方式，在一个可动部发生了异常的情况下，能够预测出与之相关联的其它可动部的异常并呈现给操作者。

附图说明

图1是示出本发明的实施方式所涉及的异常诊断装置及其周边设备的结构的框图。

图2是示出用一体型的计算机构成图1所示的异常诊断装置的例子的说明图。

图3是示出由本发明所涉及的异常诊断装置实施的相关分析处理的处理过程的流程图。

图4是示出本发明所涉及的异常检测装置的处理过程的流程图。

图5是示出干扰转矩及异常度的变化的曲线图。

图6是示出在各减速器中检测到的异常以及维护的实施的说明图。

图7A是示出维护历史记录A的说明图。

图7B是示出维护历史记录B的说明图。

图8是示出异常诊断的经过的树状图像的说明图。

图9是示出显示器上显示的异常诊断图像的说明图。

图10是示出显示器上显示的异常诊断图像的说明图，示出将维护历史记录A相对于维护历史记录B放大显示的例子。

图11是示出在各减速器中实施的维护(H1～Hn)以及在减速器中检测到的异常的时间图。

具体实施方式

下面，参照附图来说明本发明的实施方式。

[第一实施方式的说明]

图1是示出本发明的实施方式所涉及的异常诊断装置及其周边设备的结构的框图。如图1所示，本实施方式所涉及的异常诊断装置102与机器人101(设备)及用户接口103(在图中标记为“UI”)连接，用于诊断机器人101的异常，将与诊断结果有关的数据输出到设置于用户接口103的显示器62(显示部)，并在显示器62上显示诊断结果。此外，所谓“诊断异常”，是指不仅包括判定当前发生的异常、还包括预测将来会发生的异常的概念。

机器人101例如是示教再现型的多轴型机器人。示教再现表示以下功能：操作者使用附属于机器人的示教器使机器人实际地动作，记录并再现其动作来使机器人进行动作。此外，在本实施方式中，列举示教再现型的机器人为例来进行说明，但本发明不限定于此。

如图1所示，机器人101具备减速器14(可动部)、动作控制部15、传感器13、干扰转矩运算部12以及通信部11。此外，在机器人101中设置有多个减速器14，但在图1中仅记载了1个。

减速器14具备用于使机器人臂的关节轴进行动作的伺服马达(以下简称为“马达”)，通过动作控制部15的控制来进行动作。而且，通过使减速器14进行动作，例如使搭载在机器人臂的顶端的焊接电极(焊接部)接触到成为加工对象的对象物(例如金属制的坯料)的期望部位，从而实施焊接作业。另外，除了焊接作业以外，还能够利用机器人101实施对象物的冲压、涂装、树脂成型、组装等各种作业。

传感器13设置于机器人101，例如包括脉冲发生器、编码器等，用于对通过减速器14进行动作的机器人臂的位置及角度、设置于减速器14的马达的旋转角度、转速、功耗及电流、减速器14的旋转角度等各种物理量进行检测。传感器13还检测在减速器14的马达中产生的转矩值。由传感器13检测出的传感器数据被从通信部11发送到异常诊断装置102。

动作控制部15进行控制，以使减速器14按照通过上述的示教设定的动作程序进行动作，从而搭载于机器人101的各机器人臂、关节轴进行期望的动作。并且，向通信部11输出使机器人101工作时的工作数据。在工作数据中包含与机器人101的工作有关的各种信息。在后面叙述详情。

干扰转矩运算部12运算在减速器14的马达中产生的干扰转矩。干扰转矩表示控制马达时的转矩指令值与由传感器13检测的转矩检测值之差。在马达正常且减速器14稳定地动作时，转矩指令值与转矩检测值之差大致恒定，因此干扰转矩示出稳定的数值。在减速器14发生了异常的情况下，减速器14不能稳定地动作，干扰转矩发生大的变化。此外，干扰转矩是与可动部(减速器14)的状态有关的可动部数据的一例。

通信部11将机器人101的工作数据、由干扰转矩运算部12运算出的干扰转矩、由传感器13检测出的各种传感器数据发送到异常诊断装置102。

能够通过一个或多个处理电路来实现机器人101所具备的上述各功能。处理电路包括包含电气电路的处理装置等被进行了编程的处理装置。处理装置还包括被布局成执行机器人101所具备的功能的面向特定用途的集成电路(ASIC)、现有型的电路部件之类的装置。

用户接口103具备：显示器62，其显示各种信息；以及显示控制部61，其控制从异常诊断装置102发送的各种信息的显示。还具备供操作者进行各种操作的输入部63。在输入部63中输入了表示操作者实施了对机器人101的维护的维护数据的情况下，进行将该维护数据写入后述的维护历史记录DB32(维护历史记录存储部)的操作。用户接口103还能够使用平板终端等。

接着，对异常诊断装置102的结构进行说明。异常诊断装置102具备控制部51和各种数据库(DB)。控制部51包括通信部21、异常度判定部22、异常预测部23、通知内容设定部24以及相关分析部25。数据库包括传感器DB 31、维护历史记录DB 32(维护历史记录存储部)、异常预测DB 33、相关存储DB 34(相关存储部)以及工作历史记录DB 35。

传感器DB 31存储由传感器13检测出的机器人臂的位置及角度、马达的旋转角度及转速等传感器数据。还存储由干扰转矩运算部12运算出的干扰转矩(与可动部的状态有关的数据)。

工作历史记录DB 35存储机器人101的工作数据。在工作数据中包含机器人101的工作日、开始工作的时刻、停止工作的时刻、连续工作的时间、连续停止的时间等与工作有关的各种数据。另外，在工作数据中包含减速器14的运转模式。运转模式包括通常运转模式、维护模式、停止模式。

在减速器14发生了异常的情况下或预测到会发生异常的情况下，维护历史记录DB32存储对机器人101实施了维护时的维护数据。维护数据能够由操作者通过用户接口103的输入部63输入。或者，也可以是，在机器人101以上述的维护模式进行了运转的情况下，判定为正在实施维护，自动地制作维护数据并存储维护数据。在维护数据中包含实施了维护的减速器14的ID编号或搭载于该减速器14的马达的ID编号、实施了维护的日期时间、维护的内容(更换、修理、润滑脂的更换等)。

相关存储DB 34存储由后述的相关分析部25导出的相关关系(详情后述)。相关存储DB 34还存储设置于机器人101的一个减速器与同一个减速器联动地动作的其它减速器之间的对应关系。例如，在机器人101中设置有6台减速器14(将它们设为减速器14a、14b、14c、14d、14e、14f)，在减速器14a与减速器14b联动地动作、且减速器14d、14e、14f联动地动作的情况下，存储它们的对应关系。此外，所谓“减速器14a与减速器14b联动地动作”，是指包括减速器14a的动作对减速器14b的动作给予某种影响的情况的概念。另外，以下在特定地表示各个减速器的情况下，如“减速器14a”、“减速器14b”等那样，以附加后缀的方式示出，在不特定地表示的情况下，表示为“减速器14”。

异常预测DB 33存储由异常预测部23(详情后述)预测出的异常预测数据。例如，在基于某个减速器14a的干扰转矩检测出异常、并且预测出是在与减速器14a联动地动作的减速器14b中发生的异常时，将预测出的数据作为异常预测数据进行存储。

通信部21与设置于机器人101的通信部11之间进行通信。通信部21接收由机器人101发送的机器人101的工作数据，并将该工作数据输出到工作历史记录DB 35。另外，通信部21接收由机器人101发送的干扰转矩、传感器数据，并将它们输出到传感器DB 31。

相关分析部25基于维护历史记录DB 32中存储的各减速器14的维护数据，来实施针对各减速器14中发生的异常的相关分析。图6示出各减速器14的维护历史记录的一例，横轴表示1周～几周的时间。在图6中，“○”表示减速器14中发生的异常，“△”表示实施更换润滑脂的维护，“□”表示实施更换减速器14的维护。如图6所示，在各减速器14a、14b、14c中，如果在发生异常之后更换润滑脂，则在之后数日以内以高的频度进行减速器14的更换。因而，判定为润滑脂的更换与之后的减速器14的更换之间存在相关关系。将通过相关分析得到的相关关系存储到相关存储DB 34中。

异常度判定部22从传感器DB 31获取搭载于减速器14的马达的过去的干扰转矩，并运算表示所获取到的干扰转矩的异常的异常度。以下，对异常度的运算方法进行说明。用下面的式(1)来定义干扰转矩为x’时的异常度a(x’)。

a(x’)＝{(x’-m)²}/2·s²…(1)

其中，m是干扰转矩的样本平均，s是干扰转矩的标准偏差。

而且，在异常度a(x’)超过预先设定的基准值的情况下，判定为该干扰转矩异常。图5的(a)是示出在减速器14a中产生的干扰转矩的波形，基于图5的(a)所示的干扰转矩，通过上述式(1)来运算异常度。其结果，运算出如图5的(b)所示的异常度。例如，在图5的(b)的符号p1处，异常度超过了基准值(1.0)，因此判定为干扰转矩发生了异常。

另外，除上述方法以外，作为运算异常度的方法，能够使用核密度估计、密度比估计等。并且，作为运算异常度的其它方法，运算干扰转矩与规定值之差，并且运算该差相对于时间经过的变化率。而且，还能够在所运算出的变化率超过了规定的阈值的情况下判定为干扰转矩异常。上述的规定值例如能够使用1年前的同月的干扰转矩的平均值。

异常预测部23基于针对各减速器14运算出的异常度，来判定或预测各减速器14中发生的异常。在基于由上述的异常度判定部22运算出的异常度判定为某个减速器14a的异常度高的情况下，判定为该减速器14a异常。并且，参照相关存储DB 34来获取与减速器14a联动地动作的减速器14的列表。在本实施方式中，作为上述列表，获取减速器14b。此外，还有时存在多个与减速器14a联动地动作的减速器14，但在此作为一例仅设为减速器14b来进行说明。

异常预测部23基于维护历史记录DB 32中存储的减速器14a、14b的维护数据(维护时期、维护的内容等)以及相关存储DB 34中存储的相关关系，来检测减速器14a、14b中发生的异常。

例如，如图6所示，如果检测到某个减速器14的异常，则之后进行润滑脂的更换，并且之后以高的频度进行更换减速器14的维护作业。判定为润滑脂的更换与之后的减速器14的更换之间存在相关关系。因而，在减速器14a中检测到异常的时间点是在减速器14b中实施润滑脂更换之后的情况下，判定为在减速器14b中发生了需要更换减速器14的异常的可能性高，因此预测为在减速器14b中发生异常。即，在减速器14a(一个可动部)中检测到异常的情况下，异常预测部23参照相关存储DB 34中存储的相关关系，来预测与在减速器14a中检测到的异常存在相关关系的减速器14b(其它可动部)的异常。

以下，参照图7A、图7B来更详细地进行说明。图7A是示出在减速器14a、14b中过去检测到的异常以及过去实施的维护的图，横轴是1周～几周的时间。将其作为“维护历史记录A”。另外，图7B是示出在减速器14a、14b中过去检测到的异常以及过去实施的维护的图，横轴是1年～几年的期间。将其作为“维护历史记录B”。图7A的“☆”表示此次检测到的异常，图7B的“◎”表示未检测到异常、即正常。另外，“○”表示异常，“△”表示更换润滑脂，“□”表示更换减速器14。

如图7A的维护历史记录A所示，关于减速器14b，在时刻t1发生异常，之后在时刻t2进行了润滑脂的更换。关于减速器14a，在时刻t3检测到此次的异常。

另一方面，如图7B的维护历史记录B所示，关于减速器14a，在时刻t11进行减速器14的更换，在之后1年以内的时刻t12(与图7A的t3对应)检测到此次的异常。

由于在减速器14a中检测到的此次的异常(图7A的t3、图7B的t12)是从上次更换减速器14a起的1年以内，因此异常预测部23判定为减速器14a发生异常的可能性低。

并且，关于减速器14b，在图7A的时刻t2进行了润滑脂的更换。如果参照相关存储DB 34中存储的相关关系，则减速器14b发生了异常的可能性高。即，当参照图7A所示的维护历史记录A时，关于减速器14b，在时刻t1检测到异常、且在时刻t2进行了更换润滑脂的维护，因此判定为在时刻t3减速器14b发生了需要更换减速器的程度的异常的可能性高。也就是说，判定为减速器14b发生了异常、并且由于发生该异常而与减速器14b联动地动作的减速器14a发生了异常的可能性高。

因而，异常预测部23即使在减速器14a中检测到异常的情况下，也判断为在与减速器14a联动地动作的减速器14b中发生了异常的可能性高，从而除了预测减速器14a的异常以外，还预测减速器14b的异常。即，异常预测部23在检测到减速器14a的异常的情况下，参照针对至少一个其它减速器14(减速器14b)的异常的维护数据，来决定与减速器14b的异常有关的信息。

通知内容设定部24对要在用户接口103的显示器62上显示并通知给操作者的内容进行设定。生成将由异常预测部23诊断为异常的减速器14的异常诊断结果表现为树结构状的树状图像73。

图8是示出树状图像73的一例的说明图。例如，在减速器14a中检测到异常的情况下，如图8的块q1所示，生成“异常诊断树”的图像。如块q2所示，生成表示此时运算出的异常度的数值“2.1”大于基准值“1.0”的“异常度2.1>基准值1.0”的图像。并且，如后述的那样，为了易于识别出与异常度的波形之间的对应而生成记号K1的图像。此外，本实施方式中说明的“记号”是还包括文字、规定的标记、图标等的概念。

如块q3所示，生成“维护历史记录B”、“在1年以内更换减速器14a”的图像。如块q4所示，生成“维护历史记录A”、“减速器14b：需要注意”的图像。

并且，生成表示针对该异常实施的维护的内容的图像。在该情况下，由于假定减速器14a或减速器14b发生了异常，因此如块q5所示，生成表示实施“请测定减速器14a、减速器14b的润滑脂的铁粉浓度”的维护的图像。树状图像73包含针对减速器14a及被预测为会发生异常的减速器14b的维护指令，且关联有异常的发生与维护指令之间的关系。

用粗线显示表示从发生异常到实施维护的流程的块q1～q5的显示框。用细线显示除此以外的块q6、q7、q8的显示框。因而，当在减速器14a中检测到异常时，能够使操作者系统化地识别出直到在异常预测部23中预测出减速器14b的异常为止的经过。另外，也可以将块q1～q5和块q6～q8用颜色区分地显示，或者通过阴影显示等来进行强调显示。

即，通知内容设定部24在检测到减速器14a的异常的情况下，生成将减速器14a的信息和减速器14b的信息(图8、图9的块q4、q6)显示为树结构状的树状图像73(参照图9)。而且，针对减速器14b的信息，生成根据减速器14b的异常预测的内容变更减速器14b的信息的显示方式(例如线的粗细)后的树状图像73。

通知内容设定部24生成上述的树状图像73、表示图5所示的干扰转矩的波形、异常度的波形的异常度显示图像71以及图7A、图7B所示的维护历史记录图像72。维护历史记录图像72包括表示维护历史记录A的图像(第一维护历史记录图像)以及表示时间轴的刻度与维护历史记录A不同的维护历史记录B的图像(第二维护历史记录图像)。将所生成的各图像71、72、73组合，来生成图9所示的异常诊断图像70。此外，在图9所示的块q5、q7、q8中示出与图8所示的块q5、q7、q8相同的操作指示。

在此，如图2所示，异常诊断装置102还能够使用具备CPU 41(中央处理装置)、存储器42以及各数据库(传感器DB 31、维护历史记录DB 32、异常预测DB 33、相关存储DB 34、工作历史记录DB 35)的计算机来实现。将用于使计算机作为异常诊断装置102发挥功能的计算机程序(异常诊断程序)安装于计算机并执行该程序。由此，CPU 41作为异常诊断装置102所具备的多个信息处理电路、即通信部21、异常度判定部22、异常预测部23、通知内容设定部24以及相关分析部25发挥功能。

异常诊断装置102所具备的上述的各功能能够通过一个或多个处理电路来实现。处理电路包括包含电气电路的处理装置等被进行了编程的处理装置。处理装置还包括被布局成执行异常诊断装置102所具备的功能的面向特定用途的集成电路(ASIC)或现有型的电路部件之类的装置。

[第一实施方式的动作的说明]

接着，参照图3、图4所示的流程图来说明第一实施方式所涉及的异常诊断装置102的作用。图3是示出由相关分析部25执行的相关分析处理的处理过程的流程图。

首先，在步骤S11中，相关分析部25从维护历史记录DB 32获取在各减速器14中实施的维护数据。

在步骤S12中，相关分析部25基于在多个减速器14中实施的维护数据来实施相关分析。例如，如图6所示，检测到减速器14的异常(图中用“○”表示)、之后进行润滑脂的更换(图中用“△”表示)、并且之后以高的频度进行更换减速器14(图中用“□”表示)的维护作业，因此判定为润滑脂的更换与之后的减速器14的更换之间存在相关关系。

在步骤S13中，相关分析部25将通过相关分析得到的相关关系存储到相关存储DB34中，结束本处理。

图4是示出异常诊断处理的处理过程的流程图。首先，在步骤S31中，异常度判定部22从传感器DB 31获取某个减速器(在此设为减速器14a)的干扰转矩。其结果，例如图5的(a)所示那样得到干扰转矩的时间序列的数据。

在步骤S32中，异常度判定部22基于获取到的干扰转矩，使用上述的式(1)来运算表示减速器14a的异常程度的异常度。其结果，例如图5的(b)所示那样得到异常度的时间序列的数据。

在步骤S33中，异常度判定部22基于在步骤S32的处理中运算出的异常度，来判断减速器14a是否发生了异常。例如，将异常度的基准值设定为1.0，在运算出的异常度超过了该基准值的情况下，判断为减速器14a异常。在图5的(b)所示的例子中，由于在符号p1所示的时间点异常度超过了基准值，因此判定为异常。

如果减速器14a没有发生异常(在步骤S33中为“否”)，则结束本处理。即，在全部减速器14都没有发生异常的情况下，通知内容设定部24不显示与异常有关的信息。仅在诊断为各减速器14中的至少一个减速器发生了异常的情况下，在显示器62上显示与异常有关的信息。

在步骤S34中，通知内容设定部24生成在用户接口103的显示器62上显示的干扰转矩及异常度的显示数据。其结果，生成图9所示的异常度显示图像71的显示数据。

在步骤S35中，异常预测部23基于存储在相关存储DB 24中的信息，来获取与减速器14a联动地动作的减速器14的列表。其结果，作为与减速器14a联动地动作的减速器14，例如确定减速器14b。

在步骤S36中，异常预测部23从维护历史记录DB 32获取减速器14a、14b的维护数据。

在步骤S37中，通知内容设定部24生成要显示在显示器62上的维护历史记录A(参照图7A)和维护历史记录B(参照图7B)的显示数据。其结果，生成图9所示的维护历史记录图像72的显示数据。

在步骤S38中，异常预测部23参照维护历史记录B。并且，在步骤S39中，判定在减速器14a中检测到的异常是否与维护历史记录B的维护数据矛盾。在判定为矛盾的情况下(在步骤S39中为“是”)，使处理进入步骤S40，在没有判定为矛盾的情况下(在步骤S39中为“否”)，使处理进入步骤S43。

在图7B所示的维护历史记录B中，在时刻t11实施减速器14a的更换，在时刻t12检测到的此次的异常是从时刻t11起的1年以内，因此减速器14a发生异常的可能性低。因而，判定为在减速器14a中检测到的异常与维护历史记录B的维护数据矛盾(在步骤S39中为“是”)。

在步骤S40中，异常预测部23参照维护历史记录A，在步骤S41中，判定在减速器14b中是否存在表示异常的维护数据。在存在表示异常的维护数据的情况下(在步骤S41中为“是”)，使处理进入步骤S42，在不存在表示异常的维护数据的情况下(在步骤S41中为“否”)，使处理进入步骤S43。

在图7A所示的例子中，在时刻t1检测到减速器14b的异常，并在时刻t2进行了润滑脂的更换，因此在之后的时刻t3发生了需要更换减速器14b的异常的可能性高。因而，判定为存在表示异常的维护数据(在步骤S41中为“是”)。

在步骤S42中，异常预测部23决定针对减速器14a、14b的铁粉浓度的测定指示。

在步骤S43中，异常预测部23决定针对减速器14a的铁粉浓度的测定指示。

在步骤S44中，通知内容设定部24生成图8所示的树状图像73的显示数据。树状图像73设为以下方式：在减速器14a中检测到异常时，针对该异常检测，操作者易于识别出直到向操作者指示的作业内容为止的经过。并且，生成表示图5所示的干扰转矩和异常度的异常度显示图像71的显示数据以及图7A、图7B所示的维护历史记录图像72的显示数据，从而生成图9所示的异常诊断图像70的显示数据。

如图9所示，在异常度显示图像71中显示记号K1(回形针的标记)，还显示“异常度2.1>基准值1.0”。将与其相同的记号K1和文字显示于树状图像73的块q2。也就是说，以使树状图像73中的对应的信息中附带与异常度显示图像71中示出的记号相同的记号的方式，来生成包括树状图像73和异常度显示图像71的异常诊断图像70。因而，能够将树状图像73与异常度显示图像71之间的对应关系以易于识别的方式进行显示。

另一方面，在维护历史记录图像72中显示记号K2，还显示“减速器14b：需要注意”。将与其相同的记号K2和文字显示于树状图像73的块q4。也就是说，以使树状图像73中的对应的信息中附带与维护历史记录图像72中示出的记号相同的记号的方式，来生成包括树状图像73和维护历史记录图像72的异常诊断图像70。因而，能够将树状图像73与维护历史记录图像72之间的对应关系以易于识别的方式进行显示。

在步骤S45中，通知内容设定部24向用户接口103输出图9所示的异常诊断图像70的显示数据。之后，结束本处理。

用户接口103的显示控制部61接收异常诊断图像70的显示数据，将如图9所示的异常诊断图像70显示于显示器62。操作者通过观察显示在显示器62上的图像，能够识别出以下情况：减速器14a的干扰转矩大幅地变动从而检测到异常，并且有可能在与减速器14a关联地动作的减速器14b中发生了异常。

像这样，在第一实施方式所涉及的异常诊断装置102中能够实现以下所示的效果。

(1)

在基于减速器14a(一个可动部)的干扰转矩(与可动部的状态有关的数据)检测到减速器14a的异常的情况下，预测与减速器14a联动地动作的减速器14b(其它可动部)的异常，将与异常有关的信息显示在显示器62上。因而，不仅能够向操作者通知被检测出异常的减速器14a，还能够向操作者通知有可能与在减速器14a中检测到的异常相关联地发生异常的减速器14b的异常，能够进行范围大的减速器14的异常诊断。

(2)

异常预测部23根据存储在维护历史记录DB 32中的维护数据，基于在各减速器14中实施的维护的时期、润滑脂的更换或减速器14的更换等维护的内容，来决定与减速器14的异常有关的信息。因而，能够进行更高精度的减速器14的异常诊断。

(3)

在检测到减速器14a的异常的情况下，参照与减速器14a联动地动作的减速器14b的维护数据，来决定与减速器14b的异常有关的信息。因而，能够进行高精度的减速器14的异常诊断。

(4)

相关分析部25基于在各减速器14中发生的异常以及在各减速器14中实施的维护的内容来进行相关分析，并将各减速器14的相关关系存储到相关存储DB 34中。然后，在基于相关存储DB 34中存储的相关关系而在减速器14a中检测到异常的情况下，预测与在减速器14a中发生的异常存在相关关系的减速器14b的异常。因而，能够进行与在各减速器14中发生的异常同在各减速器14中实施的维护的相关关系相应的高精度的异常诊断。

(5)

在减速器14a中检测到异常的情况下，生成图9所示的树状图像73的显示数据。并且，在树状图像73中强调地显示从发生异常到实施维护为止的流程。具体地说，用粗线显示图9所示的块q1～q5的框。因而，操作者通过观察异常诊断的树状图像73，能够系统化地识别出从发生异常到实施维护为止的经过。能够以即使是不具有关于机器人101的专业知识的操作者也易于识别的方式来显示异常诊断图像70。此外，也可以通过阴影显示或使用显示色等进行强调显示。

(6)

如图9所示，将维护历史记录图像72中显示的记号K2和异常诊断树的对应部位(块q4)中显示的记号K2设为相同的记号。操作者能够将树状图像73与作为其依据的内容用相同的记号建立关联来进行识别。能够以对于操作者来说更易于理解的方式进行显示。

(7)

如图9所示，将表示干扰转矩和异常度的异常度显示图像71中显示的记号K1与异常诊断树的对应部位(块q2)中显示的记号K1设为相同的记号。操作者能够将树状图像73与作为其依据的内容用相同的记号建立关联来进行识别。能够以对于操作者来说更易于理解的方式进行显示。

(8)

如图9所示，在树状图像73中，将在减速器14a中发生的异常与在被预测为会发生异常的减速器14b中实施的维护的内容相关联地进行显示。能够以对于操作者来说更易于识别的方式向操作者通知应与在减速器14a中发生的异常相关联地实施的维护的内容(块q5、q7、q8)。

(9)

通知内容设定部24仅在至少一个减速器14中发生了异常的情况下，输出图9示出的诊断图像的显示指令。因此，能够省略不必要的显示。另外，在没有发生异常时，不显示异常诊断图像70，因此能够抑制误识别是否发生了异常这一问题的发生。

[第一实施方式的变形例的说明]

接着，对上述第一实施方式的变形例进行说明。在变形例中，将作为维护历史记录图像72而显示的维护历史记录A、维护历史记录B中的、成为用于预测减速器14b的异常的依据的维护历史记录放大或强调地显示。即，显示时间轴的刻度不同的两个维护历史记录、即维护历史记录A和维护历史记录B，将其中的成为预测异常发生的依据的维护历史记录的图像进行放大显示或者强调显示。例如图10所示，将维护历史记录A相比于维护历史记录B而言放大地显示。因而，能够将判断为减速器14b异常的依据以更易于识别的方式通知给操作者。

[第二实施方式的说明]

接着，对本发明的第二实施方式进行说明。第二实施方式所涉及的异常诊断装置的装置结构与上述的图1的结构相同。在第二实施方式中，与上述的第一实施方式不同点在于，在图1所示的相关分析部25中，基于在各减速器14中过去检测到的异常数据以及所实施的维护历史记录来实施机器学习并生成学习模型。即，相关分析部25实施以下机器学习：基于存储在维护历史记录DB 32中的至少一部分期间内的各减速器14的维护数据来学习发生异常的可能性高的维护数据的模式。并且，基于机器学习的结果来检测减速器14的异常。

关于机器学习，从维护历史记录中包含的过去的异常数据和维护数据中提取其规则性，来生成学习模型。作为其方法，例如能够使用公知的“监督学习”。

关于“监督学习”，获取大量过去检测到的异常数据以及所实施的维护数据，根据这些数据的组合、发生顺序、发生的时间间隔来生成学习模型。图11是示出在各减速器14中实施的维护(H1～Hn)和在减速器14中检测到的异常的时间图。如图11所示，基于在过去的时刻t21(例如1个月前)之前在各减速器14中实施的各种维护(H1～Hn)的内容(参照符号201)与在各减速器14中发生的异常数据之间的关系，来实施机器学习并生成学习模型。将所生成的学习模型存储到相关存储DB 34中。

另外，作为监督学习以外的方法，还能够使用“无监督学习”来生成学习模型。并且，作为机器学习以外的方法，还能够使用深度学习来生成学习模型。

而且，异常预测部23在某个减速器14中检测到异常的情况下，参照存储在相关存储DB 34中的学习模型，来提取发生异常的可能性高的其它减速器14。

第二实施方式所涉及的异常诊断装置除了使用学习模型这一点以外，与上述的第一实施方式相同，因此省略处理过程的说明。

像这样，在第二实施方式所涉及的异常诊断装置中，基于在各减速器14中过去实施的维护数据，使用机器学习的方法来生成学习模型。而且，在减速器14a中发生了异常时，参照上述的学习模型来预测减速器14b中发生的异常。因而，能够进行更高精度的减速器14的异常诊断。

此外，作为被诊断异常的对象的设备不限定于机器人101。例如，也可以使用汽车的发动机来代替马达，使用变速器来代替减速器14。另外，还能够将移动体的旋转机构、游乐园的游戏器具等移动体、三维打印机等工作机械、即具有旋转机构和用于传递该旋转的机构的所有设备作为对象。另外，也可以将其它种类的设备作为对象。

另外，也可以将异常诊断装置配置在远处，经由通信线路来发送接收所需要的信号、数据，从而判定设备的异常。另外，也可以用一台异常诊断装置诊断多个设备的异常。另外，多个设备也可以配置在互不相同的场所。

以上，记载了本发明的实施方式，但不应理解为构成本公开的一部分的论述及附图用于限定本发明。根据本公开，本领域技术人员应当清楚各种替代实施方式、实施例以及运用技术。

附图标记说明

11：通信部；12：干扰转矩运算部；13：传感器；14：减速器；15：动作控制部；21：通信部(控制部)；22：异常度判定部(控制部)；23：异常预测部(控制部)；24：通知内容设定部(控制部)；25：相关分析部(控制部)；31：传感器DB；32：维护历史记录DB(维护历史记录存储部)；33：异常预测DB；34：相关存储DB(相关存储部)；61：显示控制部；62：显示器(显示部)；101：机器人；102：异常诊断装置；103：用户接口(UI)。

Claims (12)

1.一种异常诊断装置，基于从设置在具有多个可动部的设备中的传感器获取到的、与各所述可动部的状态有关的可动部数据，来诊断各所述可动部的异常，并将所述诊断的结果输出到显示部，所述异常诊断装置的特征在于，具有：

维护历史记录存储部，其存储与对各所述可动部实施的维护有关的维护数据；以及

控制部，其基于所述可动部数据来检测各所述可动部的异常，

其中，所述控制部在基于所述可动部数据检测到一个可动部的异常的情况下，基于所述维护数据来预测与所述一个可动部的异常相关联地发生的其它可动部的异常，在预测出所述其它可动部的异常的情况下，将与所述预测出的所述其它可动部的异常有关的信息输出到所述显示部。

2.根据权利要求1所述的异常诊断装置，其特征在于，

所述控制部基于所述维护历史记录存储部中存储的所述维护数据中的、在各所述可动部中实施的维护的时期以及维护的内容，来决定与所述其它可动部的异常有关的信息。

3.根据权利要求1或2所述的异常诊断装置，其特征在于，

所述控制部在检测到所述一个可动部的异常的情况下，参照针对至少一个其它可动部的异常的维护数据，来决定与所述其它可动部的异常有关的信息。

4.根据权利要求1或2所述的异常诊断装置，其特征在于，

还具备相关存储部，所述相关存储部存储所述一个可动部中发生的异常与所述其它可动部中发生的异常之间的相关关系，

在所述一个可动部中检测到异常的情况下，所述控制部参照存储在所述相关存储部中的相关关系，来预测与在所述一个可动部中检测到的异常存在相关关系的其它可动部的异常。

5.根据权利要求1或2所述的异常诊断装置，其特征在于，

所述控制部实施机器学习，并基于所述机器学习的结果来检测所述其它可动部的异常，所述机器学习是基于存储在所述维护历史记录存储部中的、至少一部分期间内的各所述可动部的维护数据，来学习发生异常的可能性高的维护数据的模式。

6.根据权利要求1或2所述的异常诊断装置，其特征在于，

所述控制部在检测到所述一个可动部的异常的情况下，生成将所述一个可动部的信息和其它可动部的信息表现为树结构状的树状图像，

所述控制部根据所述其它可动部的异常预测的内容，来变更所述其它可动部的信息的显示方式后输出到所述显示部。

7.根据权利要求6所述的异常诊断装置，其特征在于，

所述控制部不仅生成所述树状图像，还生成维护历史记录图像，该维护历史记录图像表示所述一个可动部及至少一个其它可动部的时间序列的维护数据，

所述控制部在预测出所述其它可动部的异常的情况下，以使所述维护历史记录图像中附带表示是作为预测的依据的维护数据的记号、且使所述树状图像中的所述其它可动部的信息中附带与所述记号相同的记号的方式，将所述树状图像和所述维护历史记录图像输出到所述显示部。

8.根据权利要求7所述的异常诊断装置，其特征在于，

所述控制部生成第一维护历史记录图像和第二维护历史记录图像作为所述维护历史记录图像，所述第二维护历史记录图像的时间轴的刻度不同于所述第一维护历史记录图像的时间轴的刻度，

所述控制部将所述第一维护历史记录图像和所述第二维护历史记录图像中的、包含作为预测出所述其它可动部的异常的依据的维护数据的图像进行强调或放大后输出到所述显示部。

9.根据权利要求6所述的异常诊断装置，其特征在于，

所述控制部运算表示在所述可动部数据中产生的异常程度的异常度，

所述控制部不仅生成所述树状图像，还生成包括所述可动部数据和所述异常度的异常度显示图像、以及表示所述一个可动部及至少一个其它可动部的时间序列的维护数据的维护历史记录图像，

所述控制部在预测出所述其它可动部的异常的情况下，以使所述异常度显示图像中附带表示是作为预测的依据的所述异常度的记号、且使所述树状图像中的所述其它可动部的信息中附带与所述记号相同的记号的方式，将所述树状图像和所述维护历史记录图像输出到所述显示部。

10.根据权利要求6所述的异常诊断装置，其特征在于，

所述树状图像包含针对所述一个可动部及被预测为会发生异常的其它可动部的维护指令，并且在所述树状图像中关联有所述异常的发生与所述维护指令之间的关系。

11.根据权利要求1或2所述的异常诊断装置，其特征在于，

所述控制部仅在诊断为各所述可动部中的至少一个可动部发生了异常的情况下，将与所述异常有关的信息输出到所述显示部。

12.一种异常诊断方法，基于从设置在具有多个可动部的设备中的传感器获取到的、与各所述可动部的状态有关的可动部数据，来诊断各所述可动部的异常，并将所述诊断的结果输出到显示部，所述异常诊断方法的特征在于，

在基于所述可动部数据检测到一个可动部的异常的情况下，基于与对各可动部实施的维护有关的维护数据，来预测与所述一个可动部的异常相关联地发生的其它可动部的异常，在预测出所述其它可动部的异常的情况下，将与所述预测出的所述其它可动部的异常有关的信息输出到所述显示部。

Images