JP7504163B2 - 異常予知装置、異常予知システム、異常予知方法及び異常予知プログラム - Google Patents
異常予知装置、異常予知システム、異常予知方法及び異常予知プログラム Download PDFInfo
- Publication number
- JP7504163B2 JP7504163B2 JP2022109778A JP2022109778A JP7504163B2 JP 7504163 B2 JP7504163 B2 JP 7504163B2 JP 2022109778 A JP2022109778 A JP 2022109778A JP 2022109778 A JP2022109778 A JP 2022109778A JP 7504163 B2 JP7504163 B2 JP 7504163B2
- Authority
- JP
- Japan
- Prior art keywords
- machine
- abnormality
- learning model
- machine learning
- degree
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 52
- 238000010801 machine learning Methods 0.000 claims description 114
- 230000005856 abnormality Effects 0.000 claims description 111
- 238000012549 training Methods 0.000 claims description 27
- 238000012423 maintenance Methods 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 2
- 230000036461 convulsion Effects 0.000 claims description 2
- 238000013528 artificial neural network Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 12
- 230000000306 recurrent effect Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B25/00—Models for purposes not provided for in G09B23/00, e.g. full-sized devices for demonstration purposes
- G09B25/02—Models for purposes not provided for in G09B23/00, e.g. full-sized devices for demonstration purposes of industrial processes; of machinery
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
- G05B19/4063—Monitoring general control system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
- G05B19/4065—Monitoring tool breakage, life or condition
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31359—Object oriented model for fault, quality control
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/33—Director till display
- G05B2219/33321—Observation learning
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/34—Director, elements to supervisory
- G05B2219/34477—Fault prediction, analyzing signal trends
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37214—Detect failed machine component, machine performance degradation
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/50—Machine tool, machine tool null till machine tool work handling
- G05B2219/50185—Monitoring, detect failures, control of efficiency of machine, tool life
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S901/00—Robots
- Y10S901/46—Sensing device
- Y10S901/47—Optical
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Robotics (AREA)
- Medical Informatics (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Fuzzy Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Description
本願の2番目の発明によれば、産業機械の故障に関連付けられる条件を学習する機械学習装置であって、前記産業機械又は周囲環境の状態を検出するセンサの出力データ、前記産業機械を制御する制御ソフトウェアの内部データ、及び、前記出力データ又は前記内部データに基づいて得られる計算データの少なくとも1つを含む状態変数を前記産業機械の動作中又は静止中に観測する状態観測部と、前記産業機械の故障の有無又は故障の度合いを表す判定データを取得する判定データ取得部と、前記状態変数及び前記判定データの組合せに基づいて作成される訓練データセットに従って、前記産業機械の故障に関連付けられる条件を教師なし学習によって学習する学習部と、を備える機械学習装置が提供される。
本願の3番目の発明によれば、1番目又は2番目の発明に係る機械学習装置において、前記学習部は、複数の産業機械に対して作成される前記訓練データセットに従って、前記条件を学習するように構成される。
本願の4番目の発明によれば、1番目から3番目のいずれかの発明に係る機械学習装置において、前記学習部は、ある一定期間のみで正常状態を学習し、その後は、前記判定データ取得部による故障発生を検知するように構成される。
本願の5番目の発明によれば、1番目から4番目のいずれかの発明に係る機械学習装置において、前記学習部は、前記判定データ取得部が、前記産業機械の故障を表す判定データを取得したときに、前記訓練データセットに含まれる前記判定データを、故障発生時から前記判定データの取得時まで遡った時間の長さに応じて重み付けして前記条件を更新するように構成される。
本願の6番目の発明によれば、1番目から5番目のいずれかの発明に係る機械学習装置を備えた、前記産業機械の故障を予知する故障予知装置であって、前記学習部が前記訓練データセットに従って学習した結果に基づいて、現在の前記状態変数の入力に応答して、前記産業機械の故障の有無又は故障の度合いを表す故障情報を出力する故障情報出力部をさらに備える、故障予知装置が提供される。
本願の7番目の発明によれば、6番目の発明に係る故障予知装置において、前記学習部は、前記現在の状態変数及び前記判定データの組合せに基づいて作成される追加の訓練データセットに従って、前記条件を再学習するように構成される。
本願の8番目の発明によれば、6番目又は7番目の発明に係る故障予知装置において、前記機械学習装置がネットワークを介して前記産業機械に接続され、前記状態観測部は、前記ネットワークを介して、前記現在の状態変数を取得するように構成される。
本願の9番目の発明によれば、8番目の発明に係る故障予知装置において、前記機械学習装置は、クラウドサーバ上に存在する。
本願の10番目の発明によれば、6番目から8番目のいずれかの発明に係る故障予知装置において、前記機械学習装置は、前記産業機械を制御する制御装置に内蔵されている。
本願の11番目の発明によれば、6番目から10番目のいずれかの発明に係る故障予知装置において、前記機械学習装置による学習結果は、複数の前記産業機械で共用される。
本願の12番目の発明によれば、6番目から11番目のいずれかの発明に係る故障予知装置と、前記出力データを出力するセンサと、前記故障情報をオペレータに通知する故障情報通知部と、を備える故障予知システムが提供される。
本願の13番目の発明によれば、12番目の発明に係る故障予知システムにおいて、前記故障情報通知部で前記故障情報がオペレータに通知される時期は、故障が発生する時期から遡って第1の所定期間で定められる時期より前である。
本願の14番目の発明によれば、13番目の発明に係る故障予知システムにおいて、前記故障情報通知部で前記故障情報がオペレータに通知される時期は、故障が発生する時期から遡って第1の所定期間で定められる時期より前であり、かつ、故障が発生する時期から遡って、前記第1の所定期間よりも長い第2の所定期間で定められる時期より後である。
本願の15番目の発明によれば、産業機械の故障に関連付けられる条件を学習する機械学習方法であって、前記産業機械又は周囲環境の状態を検出するセンサの出力データ、前記産業機械を制御する制御ソフトウェアの内部データ、及び、前記出力データ又は前記内部データに基づいて得られる計算データの少なくとも1つを含む状態変数を前記産業機械の動作中又は静止中に観測し、前記産業機械の故障の有無又は故障の度合いを表す判定データを取得し、前記状態変数及び前記判定データの組合せに基づいて作成される訓練データセットに従って、前記産業機械の故障に関連付けられる条件を教師あり学習によって学習する機械学習方法が提供される。
本願の16番目の発明によれば、産業機械の故障に関連付けられる条件を学習する機械学習方法であって、前記産業機械又は周囲環境の状態を検出するセンサの出力データ、前記産業機械を制御する制御ソフトウェアの内部データ、及び、前記出力データ又は前記内部データに基づいて得られる計算データの少なくとも1つを含む状態変数を前記産業機械の動作中又は静止中に観測し、前記産業機械の故障の有無又は故障の度合いを表す判定データを取得し、前記状態変数及び前記判定データの組合せに基づいて作成される訓練データセットに従って、前記産業機械の故障に関連付けられる条件を教師なし学習によって学習する機械学習方法が提供される。
2 ロボット
3 ロボット制御装置
4 故障予知装置
5 機械学習装置
11 センサ
31 故障判定部
32 通知部
41 状態観測部
42 故障情報出力部
51 判定データ取得部
52 状態観測部
53 学習部
Claims (57)
- 少なくとも、第1の機械に関する情報を検出するセンサの出力データ、前記第1の機械の制御ソフトウェアの内部データ、前記出力データ又は前記内部データに基づいて得られるデータのいずれか1つを含む状態変数を取得する観測部と、
機械学習モデルに前記状態変数を入力した際の前記機械学習モデルからの出力に基づいて生成された、前記第1の機械の異常の度合いに関する情報を異常が発生する前に出力する出力部と、
前記出力部からの出力を通知する通知部と、を備え、
前記第1の機械に関する情報は、少なくとも前記第1の機械の状態又は前記第1の機械の周囲環境の状態のいずれか1つを含み、
前記通知部は、複数の時点における前記異常の度合いに関する情報を、時間の経過を表す第1の軸と異常の度合いに関する値を表す第2の軸を有するグラフを用いて表示装置に表示する、
異常予知システム。 - 少なくとも、第1の機械に関する情報を検出するセンサの出力データ、前記第1の機械の制御ソフトウェアの内部データ、前記出力データ又は前記内部データに基づいて得られるデータのいずれか1つを含む状態変数を取得する観測部と、
機械学習モデルに前記状態変数を入力した際の前記機械学習モデルからの出力に基づいて生成された、前記第1の機械の異常の度合いに関する情報を異常が発生する前に出力する出力部と、
前記出力部からの出力を通知する通知部と、を備え、
前記第1の機械に関する情報は、少なくとも前記第1の機械の状態又は前記第1の機械の周囲環境の状態のいずれか1つを含み、
前記通知部は、前記異常が発生する時期から遡って第1の所定期間で定められる時期より前に、前記出力部からの出力を通知する、
異常予知システム。 - 前記通知部は、前記異常が発生する時期から遡って前記第1の所定期間よりも長い第2の所定期間で定められる時期より後に、前記出力部からの出力を通知する、
請求項2に記載の異常予知システム。 - 前記通知部は、複数の時点における前記異常の度合いに関する情報を、表示装置に表示する、
請求項2又は3に記載の異常予知システム。 - 前記通知部は、前記複数の時点における前記異常の度合いに関する情報を、時間の経過を表す第1の軸と異常の度合いに関する値を表す第2の軸を有するグラフを用いて前記表示装置に表示する、
請求項4に記載の異常予知システム。 - 前記通知部は、前記異常の度合いに基づいて、警告音を発生する、
請求項1乃至5のいずれか1項に記載の異常予知システム。 - 前記機械学習モデルは、少なくとも、前記第1の機械の異常が無いとき又は異常の度合いが低いときの前記状態変数、第2の機械の異常が無いとき又は異常の度合いが低いときの状態変数のいずれかを用いて学習されたものである、
請求項1乃至6のいずれか1項に記載の異常予知システム。 - 前記機械学習モデルは、少なくとも、前記第1の機械が出荷された後又はメンテナンスされた後を起点とした一定期間の前記状態変数、第2の機械が出荷された後又はメンテナンスされた後を起点とした一定期間の状態変数のいずれかを用いて学習されたものである、
請求項1乃至6のいずれか1項に記載の異常予知システム。 - 前記機械学習モデルは、教師なし学習で学習されたモデルである、
請求項1乃至8のいずれか1項に記載の異常予知システム。 - 前記機械学習モデルは正常モデルであって、前記異常の度合いに関する情報は、前記正常モデルからの距離に基づいて生成される、
請求項1乃至9のいずれか1項に記載の異常予知システム。 - 前記機械学習モデルは、時系列データを扱う機械学習モデルである、
請求項1乃至10のいずれか1項に記載の異常予知システム。 - 前記機械学習モデルは、少なくとも、前記第1の機械の状態変数と前記第1の機械の異常情報との組合せ、第2の機械の状態変数と前記第2の機械の異常情報との組合せのいずれかを含む訓練データセットを用いて学習されたものである、
請求項1乃至6のいずれか1項に記載の異常予知システム。 - 前記機械学習モデルは、複数の機械で得られた状態変数を用いて学習されたものである、
請求項1乃至12のいずれか1項に記載の異常予知システム。 - 前記機械学習モデルは、前記状態変数を用いて学習された学習モデルを含む、
請求項1乃至6のいずれか1項に記載の異常予知システム。 - 前記機械学習モデルを学習する学習部、を更に備え、
前記学習部は、異常予知の実行と並行して前記機械学習モデルを学習する、
請求項1乃至14のいずれか1項に記載の異常予知システム。 - 前記出力部は、前記異常の度合いに関する閾値を用いて、複数の異常レベルの情報を出力する、
請求項1乃至15のいずれか1項に記載の異常予知システム。 - 前記センサは、少なくとも、力センサ、トルクセンサ、振動センサ、集音センサ、撮像センサ、距離センサ、温度センサ、湿度センサ、流量センサ、光量センサ、pHセンサ、圧力センサ、粘度センサ、臭気センサのいずれか1つを含む、
請求項1乃至16のいずれか1項に記載の異常予知システム。 - 前記内部データは、少なくとも、トルク、位置、速度、加速度、加加速度、電流、電圧、推定外乱値のいずれか1つを含む、
請求項1乃至17のいずれか1項に記載の異常予知システム。 - 前記異常の度合いに関する情報は、前記第1の機械の構成部品に関する情報である、
請求項1乃至18のいずれか1項に記載の異常予知システム。 - 少なくとも、第1の機械に関する情報を検出するセンサの出力データ、前記第1の機械の制御ソフトウェアの内部データ、前記出力データ又は前記内部データに基づいて得られるデータのいずれか1つを含む状態変数を取得する観測部と、
機械学習モデルに前記状態変数を入力した際の前記機械学習モデルからの出力に基づいて生成された、前記第1の機械の異常の度合いに関する情報を異常が発生する前に出力する出力部と、を備え、
前記第1の機械に関する情報は、少なくとも前記第1の機械の状態又は前記第1の機械の周囲環境の状態のいずれか1つを含み、
前記機械学習モデルは正常モデルであって、前記異常の度合いに関する情報は、前記正常モデルからの距離に基づいて生成される、
異常予知装置。 - 前記機械学習モデルを学習する学習部、を更に備え、
前記学習部は、異常予知の実行と並行して前記機械学習モデルを学習する、
請求項20に記載の異常予知装置。 - 少なくとも、第1の機械に関する情報を検出するセンサの出力データ、前記第1の機械の制御ソフトウェアの内部データ、前記出力データ又は前記内部データに基づいて得られるデータのいずれか1つを含む状態変数を取得する観測部と、
機械学習モデルに前記状態変数を入力した際の前記機械学習モデルからの出力に基づいて生成された、前記第1の機械の異常の度合いに関する情報を異常が発生する前に出力する出力部と、
前記機械学習モデルを学習する学習部と、を備え、
前記第1の機械に関する情報は、少なくとも前記第1の機械の状態又は前記第1の機械の周囲環境の状態のいずれか1つを含み、
前記学習部は、異常予知の実行と並行して前記機械学習モデルを学習する、
異常予知装置。 - 前記機械学習モデルは、少なくとも、前記第1の機械の異常が無いとき又は異常の度合いが低いときの前記状態変数、第2の機械の異常が無いとき又は異常の度合いが低いときの状態変数のいずれかを用いて学習されたものである、
請求項20乃至22のいずれか1項に記載の異常予知装置。 - 前記機械学習モデルは、少なくとも、前記第1の機械が出荷された後又はメンテナンスされた後を起点とした一定期間の前記状態変数、第2の機械が出荷された後又はメンテナンスされた後を起点とした一定期間の状態変数のいずれかを用いて学習されたものである、
請求項20乃至22のいずれか1項に記載の異常予知装置。 - 前記機械学習モデルは、少なくとも、前記第1の機械の状態変数と前記第1の機械の異常情報との組合せ、第2の機械の状態変数と前記第2の機械の異常情報との組合せのいずれかを含む訓練データセットを用いて学習されたものである、
請求項22に記載の異常予知装置。 - 前記機械学習モデルは、複数の機械で得られた状態変数を用いて学習されたものである、
請求項20乃至25のいずれか1項に記載の異常予知装置。 - 前記出力部は、前記異常の度合いに関する閾値を用いて、複数の異常レベルの情報を出力する、
請求項20乃至26のいずれか1項に記載の異常予知装置。 - 前記異常の度合いに関する情報は、前記第1の機械の構成部品に関する情報である、
請求項20乃至27のいずれか1項に記載の異常予知装置。 - 前記出力部は、複数の時点における前記異常の度合いに関する情報を出力する、
請求項20乃至28のいずれか1項に記載の異常予知装置。 - 少なくとも、第1の機械に関する情報を検出するセンサの出力データ、前記第1の機械の制御ソフトウェアの内部データ、前記出力データ又は前記内部データに基づいて得られるデータのいずれか1つを含む状態変数を取得するステップと、
機械学習モデルに前記状態変数を入力した際の前記機械学習モデルからの出力に基づいて生成された、前記第1の機械の異常の度合いに関する情報を異常が発生する前に出力するステップと、
前記出力するステップからの出力を通知するステップと、を備え、
前記第1の機械に関する情報は、少なくとも前記第1の機械の状態又は前記第1の機械の周囲環境の状態のいずれか1つを含み、
前記通知するステップは、複数の時点における前記異常の度合いに関する情報を、時間の経過を表す第1の軸と異常の度合いに関する値を表す第2の軸を有するグラフを用いて表示装置に表示する、
異常予知方法。 - 少なくとも、第1の機械に関する情報を検出するセンサの出力データ、前記第1の機械の制御ソフトウェアの内部データ、前記出力データ又は前記内部データに基づいて得られるデータのいずれか1つを含む状態変数を取得するステップと、
機械学習モデルに前記状態変数を入力した際の前記機械学習モデルからの出力に基づいて生成された、前記第1の機械の異常の度合いに関する情報を異常が発生する前に出力するステップと、
前記出力するステップからの出力を通知するステップと、を備え、
前記第1の機械に関する情報は、少なくとも前記第1の機械の状態又は前記第1の機械の周囲環境の状態のいずれか1つを含み、
前記通知するステップは、前記異常が発生する時期から遡って第1の所定期間で定められる時期より前に、前記出力するステップからの出力を通知する、
異常予知方法。 - 前記通知するステップは、前記異常が発生する時期から遡って前記第1の所定期間よりも長い第2の所定期間で定められる時期より後に、前記出力するステップからの出力を通知する、
請求項31に記載の異常予知方法。 - 前記通知するステップは、複数の時点における前記異常の度合いに関する情報を、表示装置に表示する、
請求項31又は32に記載の異常予知方法。 - 前記通知するステップは、前記複数の時点における前記異常の度合いに関する情報を、時間の経過を表す第1の軸と異常の度合いに関する値を表す第2の軸を有するグラフを用いて前記表示装置に表示する、
請求項33に記載の異常予知方法。 - 前記通知するステップは、前記異常の度合いに基づいて、警告音を発生する、
請求項30乃至34のいずれか1項に記載の異常予知方法。 - 前記機械学習モデルは、少なくとも、前記第1の機械の異常が無いとき又は異常の度合いが低いときの前記状態変数、第2の機械の異常が無いとき又は異常の度合いが低いときの状態変数のいずれかを用いて学習されたものである、
請求項30乃至35のいずれか1項に記載の異常予知方法。 - 前記機械学習モデルは、少なくとも、前記第1の機械が出荷された後又はメンテナンスされた後を起点とした一定期間の前記状態変数、第2の機械が出荷された後又はメンテナンスされた後を起点とした一定期間の状態変数のいずれかを用いて学習されたものである、
請求項30乃至35のいずれか1項に記載の異常予知方法。 - 前記機械学習モデルは、教師なし学習で学習されたモデルである、
請求項30乃至37のいずれか1項に記載の異常予知方法。 - 前記機械学習モデルは正常モデルであって、前記異常の度合いに関する情報は、前記正常モデルからの距離に基づいて生成される、
請求項30乃至38のいずれか1項に記載の異常予知方法。 - 前記機械学習モデルは、時系列データを扱う機械学習モデルである、
請求項30乃至39のいずれか1項に記載の異常予知方法。 - 前記機械学習モデルは、少なくとも、前記第1の機械の状態変数と前記第1の機械の異常情報との組合せ、第2の機械の状態変数と前記第2の機械の異常情報との組合せのいずれかを含む訓練データセットを用いて学習されたものである、
請求項30乃至35のいずれか1項に記載の異常予知方法。 - 前記機械学習モデルは、複数の機械で得られた状態変数を用いて学習されたものである、
請求項30乃至41のいずれか1項に記載の異常予知方法。 - 前記機械学習モデルは、前記状態変数を用いて学習された学習モデルを含む、
請求項30乃至35のいずれか1項に記載の異常予知方法。 - 前記機械学習モデルを学習するステップ、を更に備え、
前記学習するステップは、異常予知の実行と並行して前記機械学習モデルを学習する、
請求項30乃至43のいずれか1項に記載の異常予知方法 - 前記出力するステップは、前記異常の度合いに関する閾値を用いて、複数の異常レベルの情報を出力する、
請求項30乃至44のいずれか1項に記載の異常予知方法。 - 前記異常の度合いに関する情報は、前記第1の機械の構成部品に関する情報である、
請求項30乃至45のいずれか1項に記載の異常予知方法。 - 少なくとも、第1の機械に関する情報を検出するセンサの出力データ、前記第1の機械の制御ソフトウェアの内部データ、前記出力データ又は前記内部データに基づいて得られるデータのいずれか1つを含む状態変数を取得するステップと、
機械学習モデルに前記状態変数を入力した際の前記機械学習モデルからの出力に基づいて生成された、前記第1の機械の異常の度合いに関する情報を異常が発生する前に出力するステップと、を備え、
前記第1の機械に関する情報は、少なくとも前記第1の機械の状態又は前記第1の機械の周囲環境の状態のいずれか1つを含み、
前記機械学習モデルは正常モデルであって、前記異常の度合いに関する情報は、前記正常モデルからの距離に基づいて生成される、
異常予知方法。 - 前記機械学習モデルを学習するステップ、を更に備え、
前記学習するステップは、異常予知の実行と並行して前記機械学習モデルを学習する、
請求項47に記載の異常予知方法。 - 少なくとも、第1の機械に関する情報を検出するセンサの出力データ、前記第1の機械の制御ソフトウェアの内部データ、前記出力データ又は前記内部データに基づいて得られるデータのいずれか1つを含む状態変数を取得するステップと、
機械学習モデルに前記状態変数を入力した際の前記機械学習モデルからの出力に基づいて生成された、前記第1の機械の異常の度合いに関する情報を異常が発生する前に出力するステップと、
前記機械学習モデルを学習するステップと、を備え、
前記第1の機械に関する情報は、少なくとも前記第1の機械の状態又は前記第1の機械の周囲環境の状態のいずれか1つを含み、
前記学習するステップは、異常予知の実行と並行して前記機械学習モデルを学習する、
異常予知方法。 - 前記機械学習モデルは、少なくとも、前記第1の機械の異常が無いとき又は異常の度合いが低いときの前記状態変数、第2の機械の異常が無いとき又は異常の度合いが低いときの状態変数のいずれかを用いて学習されたものである、
請求項47乃至49のいずれか1項に記載の異常予知方法。 - 前記機械学習モデルは、少なくとも、前記第1の機械が出荷された後又はメンテナンスされた後を起点とした一定期間の前記状態変数、第2の機械が出荷された後又はメンテナンスされた後を起点とした一定期間の状態変数のいずれかを用いて学習されたものである、
請求項47乃至49のいずれか1項に記載の異常予知方法。 - 前記機械学習モデルは、少なくとも、前記第1の機械の状態変数と前記第1の機械の異常情報との組合せ、第2の機械の状態変数と前記第2の機械の異常情報との組合せのいずれかを含む訓練データセットを用いて学習されたものである、
請求項47乃至49のいずれか1項に記載の異常予知方法。 - 前記機械学習モデルは、複数の機械で得られた状態変数を用いて学習されたものである、
請求項47乃至52のいずれか1項に記載の異常予知方法。 - 前記出力するステップは、前記異常の度合いに関する閾値を用いて、複数の異常レベルの情報を出力する、
請求項47乃至53のいずれか1項に記載の異常予知方法。 - 前記異常の度合いに関する情報は、前記第1の機械の構成部品に関する情報である、
請求項47乃至54のいずれか1項に記載の異常予知方法。 - 前記出力するステップは、複数の時点における前記異常の度合いに関する情報を出力する、
請求項47乃至55のいずれか1項に記載の異常予知方法。 - 請求項30乃至56のいずれか1項に記載の異常予知方法を、少なくとも1台のコンピュータに実行させるための異常予知プログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015152572 | 2015-07-31 | ||
JP2015152572 | 2015-07-31 | ||
JP2020167222A JP7104121B2 (ja) | 2015-07-31 | 2020-10-01 | 故障予知装置、故障予知システム及び故障予知方法 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020167222A Division JP7104121B2 (ja) | 2015-07-31 | 2020-10-01 | 故障予知装置、故障予知システム及び故障予知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022125288A JP2022125288A (ja) | 2022-08-26 |
JP7504163B2 true JP7504163B2 (ja) | 2024-06-21 |
Family
ID=57988307
Family Applications (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015234022A Active JP6148316B2 (ja) | 2015-07-31 | 2015-11-30 | 故障条件を学習する機械学習方法及び機械学習装置、並びに該機械学習装置を備えた故障予知装置及び故障予知システム |
JP2017020403A Active JP6773582B2 (ja) | 2015-07-31 | 2017-02-07 | 機械学習装置、故障予知装置及び故障予知システム、並びに機械学習方法及び故障予知方法 |
JP2020167222A Active JP7104121B2 (ja) | 2015-07-31 | 2020-10-01 | 故障予知装置、故障予知システム及び故障予知方法 |
JP2022109778A Active JP7504163B2 (ja) | 2015-07-31 | 2022-07-07 | 異常予知装置、異常予知システム、異常予知方法及び異常予知プログラム |
Family Applications Before (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015234022A Active JP6148316B2 (ja) | 2015-07-31 | 2015-11-30 | 故障条件を学習する機械学習方法及び機械学習装置、並びに該機械学習装置を備えた故障予知装置及び故障予知システム |
JP2017020403A Active JP6773582B2 (ja) | 2015-07-31 | 2017-02-07 | 機械学習装置、故障予知装置及び故障予知システム、並びに機械学習方法及び故障予知方法 |
JP2020167222A Active JP7104121B2 (ja) | 2015-07-31 | 2020-10-01 | 故障予知装置、故障予知システム及び故障予知方法 |
Country Status (2)
Country | Link |
---|---|
JP (4) | JP6148316B2 (ja) |
CN (1) | CN106409120B (ja) |
Families Citing this family (100)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6346251B2 (ja) * | 2016-11-25 | 2018-06-20 | ファナック株式会社 | 油漏れ検出装置 |
CN110268350B (zh) * | 2017-03-03 | 2022-12-20 | 松下知识产权经营株式会社 | 劣化诊断系统追加学习方法 |
JP6499689B2 (ja) | 2017-03-08 | 2019-04-10 | ファナック株式会社 | 仕上げ加工量予測装置及び機械学習装置 |
JP6693451B2 (ja) * | 2017-03-14 | 2020-05-13 | オムロン株式会社 | 判定装置、判定プログラムおよび学習方法 |
JP2018156151A (ja) * | 2017-03-15 | 2018-10-04 | ファナック株式会社 | 異常検知装置及び機械学習装置 |
WO2018173121A1 (ja) * | 2017-03-21 | 2018-09-27 | 株式会社Preferred Networks | サーバ装置、学習済モデル提供プログラム、学習済モデル提供方法及び学習済モデル提供システム |
JP6527187B2 (ja) * | 2017-03-22 | 2019-06-05 | ファナック株式会社 | 学習モデル構築装置、異常検出装置、異常検出システム及びサーバ |
JP6557272B2 (ja) * | 2017-03-29 | 2019-08-07 | ファナック株式会社 | 状態判定装置 |
JP6313516B1 (ja) * | 2017-03-30 | 2018-04-18 | 三菱総研Dcs株式会社 | 情報処理装置、情報処理方法およびコンピュータプログラム |
JP6514260B2 (ja) * | 2017-04-13 | 2019-05-15 | ファナック株式会社 | 制御装置及び機械学習装置 |
JP6530779B2 (ja) * | 2017-04-20 | 2019-06-12 | ファナック株式会社 | 加工不良要因推定装置 |
CN110785716B (zh) | 2017-06-30 | 2023-03-31 | 三菱电机株式会社 | 不稳定检测装置、不稳定检测系统以及不稳定检测方法 |
JP6572265B2 (ja) * | 2017-06-30 | 2019-09-04 | ファナック株式会社 | 制御装置及び機械学習装置 |
KR102616698B1 (ko) * | 2017-07-07 | 2023-12-21 | 오티스 엘리베이터 컴파니 | 엘레베이터 상태 모니터링 시스템 |
JP7082461B2 (ja) * | 2017-07-26 | 2022-06-08 | 株式会社Ye Digital | 故障予知方法、故障予知装置および故障予知プログラム |
JP6380628B1 (ja) * | 2017-07-31 | 2018-08-29 | 株式会社安川電機 | 電力変換装置、サーバ、及びデータ生成方法 |
JP6680730B2 (ja) * | 2017-08-08 | 2020-04-15 | ファナック株式会社 | 制御装置及び学習装置 |
JP6989841B2 (ja) * | 2017-08-25 | 2022-01-12 | 国立大学法人 鹿児島大学 | 教師情報付学習データ生成方法、機械学習方法、教師情報付学習データ生成システム及びプログラム |
JP6577542B2 (ja) * | 2017-09-05 | 2019-09-18 | ファナック株式会社 | 制御装置 |
JP6926904B2 (ja) * | 2017-09-28 | 2021-08-25 | 株式会社デンソーウェーブ | ロボットの異常判定装置 |
CN111164524B (zh) * | 2017-09-30 | 2023-09-01 | 西门子股份公司 | 一种数控机床的故障诊断信息库的生成方法和装置 |
JP6629815B2 (ja) | 2017-10-23 | 2020-01-15 | ファナック株式会社 | 寿命推定装置及び機械学習装置 |
KR101989579B1 (ko) * | 2017-10-31 | 2019-06-14 | 한국전자통신연구원 | 시스템 감시 장치 및 방법 |
JP6622778B2 (ja) * | 2017-11-01 | 2019-12-18 | ファナック株式会社 | 回転テーブル装置 |
JP6798968B2 (ja) | 2017-11-22 | 2020-12-09 | ファナック株式会社 | ノイズ発生原因推定装置 |
JP6972971B2 (ja) * | 2017-11-28 | 2021-11-24 | 株式会社安川電機 | 制御システム、機械学習装置、メンテナンス支援装置、及びメンテナンス支援方法 |
JP6721563B2 (ja) | 2017-11-28 | 2020-07-15 | ファナック株式会社 | 数値制御装置 |
JP7173273B2 (ja) * | 2017-12-11 | 2022-11-16 | 日本電気株式会社 | 障害分析装置、障害分析方法および障害分析プログラム |
EP3726437A4 (en) * | 2017-12-11 | 2020-12-16 | NEC Corporation | ERROR ANALYSIS DEVICE, ERROR ANALYSIS PROCEDURE AND ERROR ANALYSIS PROGRAM |
JP7007715B2 (ja) * | 2017-12-28 | 2022-01-25 | ローレル精機株式会社 | 状態判定装置、貨幣処理機状態判定システム、状態判定方法及びプログラム |
CN107919054B (zh) * | 2018-01-04 | 2019-06-25 | 南京旭上数控技术有限公司 | 一种工业机器人教学装置 |
CN110065091A (zh) * | 2018-01-24 | 2019-07-30 | 固德科技股份有限公司 | 一种机械手臂动态监测系统及其实施方法 |
JP6892400B2 (ja) * | 2018-01-30 | 2021-06-23 | ファナック株式会社 | レーザ装置の故障発生メカニズムを学習する機械学習装置 |
JP6662926B2 (ja) * | 2018-01-31 | 2020-03-11 | ファナック株式会社 | ロボットおよびロボットに関する保守時期の報知方法 |
CN111670094B (zh) * | 2018-02-01 | 2022-12-06 | 本田技研工业株式会社 | 机器人系统和机器人的控制方法 |
JP2019141869A (ja) * | 2018-02-19 | 2019-08-29 | ファナック株式会社 | 制御装置及び機械学習装置 |
JP6711854B2 (ja) * | 2018-02-22 | 2020-06-17 | ファナック株式会社 | 故障予測装置及び機械学習装置 |
DE102018203234A1 (de) * | 2018-03-05 | 2019-09-05 | Kuka Deutschland Gmbh | Vorausschauende Beurteilung von Robotern |
JP7167990B2 (ja) * | 2018-03-05 | 2022-11-09 | オムロン株式会社 | ロボットを制御する方法、装置、システム及びプログラム、並びに記憶媒体 |
JP6882719B2 (ja) | 2018-03-07 | 2021-06-02 | オムロン株式会社 | ロボット制御装置、異常診断方法、及び異常診断プログラム |
JP6965798B2 (ja) * | 2018-03-12 | 2021-11-10 | オムロン株式会社 | 制御システムおよび制御方法 |
DE102019001760A1 (de) * | 2018-03-19 | 2019-09-19 | Fanuc Corporation | Informationsverarbeitungsgerät, maschinelle lernvorrichtungund system |
CN108459933B (zh) * | 2018-03-21 | 2021-10-22 | 哈工大大数据(哈尔滨)智能科技有限公司 | 一种基于深度递归网络的大数据计算机系统故障检测方法 |
JP2019191799A (ja) | 2018-04-23 | 2019-10-31 | 株式会社日立製作所 | 故障予兆診断システム及び故障予兆診断方法 |
CN108621159B (zh) * | 2018-04-28 | 2020-05-19 | 首都师范大学 | 一种基于深度学习的机器人动力学建模方法 |
JP6909410B2 (ja) * | 2018-05-08 | 2021-07-28 | オムロン株式会社 | ロボット制御装置、保守管理方法、及び保守管理プログラム |
JP6810097B2 (ja) * | 2018-05-21 | 2021-01-06 | ファナック株式会社 | 異常検出器 |
CN110539331A (zh) * | 2018-05-28 | 2019-12-06 | 睿胜自动化工程有限公司 | 可预先侦测机械手臂及泵异常的方法及装置 |
WO2019239562A1 (ja) * | 2018-06-14 | 2019-12-19 | ヤマハ発動機株式会社 | 機械学習装置及びこれを備えたロボットシステム |
KR102239040B1 (ko) * | 2018-06-29 | 2021-04-13 | 성균관대학교산학협력단 | 운송 수단의 부품에 대한 고장예지 및 건전성 관리 시스템 및 방법 |
JP2021529395A (ja) * | 2018-06-29 | 2021-10-28 | ローベルト ボツシユ ゲゼルシヤフト ミツト ベシユレンクテル ハフツングRobert Bosch Gmbh | 電気駆動システムにおけるセンサ故障を監視及び識別するための方法 |
JP7060546B2 (ja) * | 2018-07-10 | 2022-04-26 | ファナック株式会社 | 歯当たり位置調整量推定装置、機械学習装置、ロボットシステム及び歯当たり位置調整量推定システム |
MX2021001101A (es) * | 2018-07-31 | 2021-03-31 | Nissan Motor | Dispositivo de determinacion de anormalidad y metodo de determinacion de anormalidad. |
EP3835750B1 (en) * | 2018-08-06 | 2024-07-24 | Nissan Motor Co., Ltd. | Abnormality diagnosis device and abnormality diagnosis method |
CN112601934B (zh) | 2018-09-03 | 2023-02-17 | 三菱电机株式会社 | 信号显示控制装置以及计算机可读取的记录介质 |
JP6856591B2 (ja) | 2018-09-11 | 2021-04-07 | ファナック株式会社 | 制御装置、cnc装置及び制御装置の制御方法 |
CN109270921A (zh) * | 2018-09-25 | 2019-01-25 | 深圳市元征科技股份有限公司 | 一种故障诊断方法及装置 |
JP2020052821A (ja) * | 2018-09-27 | 2020-04-02 | 株式会社ジェイテクト | 劣化判定装置および劣化判定システム |
JP7110884B2 (ja) | 2018-10-01 | 2022-08-02 | オムロン株式会社 | 学習装置、制御装置、学習方法、及び学習プログラム |
JP6885911B2 (ja) * | 2018-10-16 | 2021-06-16 | アイダエンジニアリング株式会社 | プレス機械及びプレス機械の異常監視方法 |
JP6787971B2 (ja) * | 2018-10-25 | 2020-11-18 | ファナック株式会社 | 状態判定装置及び状態判定方法 |
US11119716B2 (en) * | 2018-10-31 | 2021-09-14 | Fanuc Corporation | Display system, machine learning device, and display device |
JP6867358B2 (ja) * | 2018-11-13 | 2021-04-28 | ファナック株式会社 | 状態判定装置及び状態判定方法 |
JP7107830B2 (ja) * | 2018-12-21 | 2022-07-27 | ファナック株式会社 | 学習用データ確認支援装置、機械学習装置、故障予知装置 |
CN109514560A (zh) * | 2018-12-25 | 2019-03-26 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 工业机器人故障监控系统、方法以及装置 |
JP7162550B2 (ja) | 2019-02-15 | 2022-10-28 | オムロン株式会社 | モデル生成装置、予測装置、モデル生成方法、及びモデル生成プログラム |
JP7357450B2 (ja) * | 2019-02-28 | 2023-10-06 | コマツ産機株式会社 | 学習データを収集するためのシステム、及び方法 |
JP7219117B2 (ja) * | 2019-02-28 | 2023-02-07 | コマツ産機株式会社 | 産業機械の予知保全装置、方法、及びシステム |
JP6915638B2 (ja) * | 2019-03-08 | 2021-08-04 | セイコーエプソン株式会社 | 故障時期推測装置、機械学習装置、故障時期推測方法 |
JP6647461B1 (ja) * | 2019-03-08 | 2020-02-14 | 三菱電機株式会社 | 故障診断システム、故障予測方法、および故障予測プログラム |
JP6993374B2 (ja) * | 2019-03-25 | 2022-01-13 | ファナック株式会社 | ロボット制御システム |
KR102398307B1 (ko) * | 2019-03-26 | 2022-05-16 | 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 | 이상 판정 지원 장치 |
CN113614660B (zh) * | 2019-03-28 | 2022-07-29 | 三菱电机株式会社 | 数控装置及数控方法 |
US10996664B2 (en) * | 2019-03-29 | 2021-05-04 | Mitsubishi Electric Research Laboratories, Inc. | Predictive classification of future operations |
JP7000376B2 (ja) * | 2019-04-23 | 2022-01-19 | ファナック株式会社 | 機械学習装置、予測装置、及び制御装置 |
TR201906067A2 (tr) * | 2019-04-24 | 2020-11-23 | Borusan Makina Ve Guec Sistemleri Sanayi Ve Ticaret Anonim Sirketi | İş maki̇neleri̇nde ariza tahmi̇ni̇ yapilmasina i̇li̇şki̇n bi̇r si̇stem ve yöntem |
CN111942973B (zh) * | 2019-05-16 | 2023-04-11 | 株式会社日立制作所 | 电梯控制装置、机器人故障预兆诊断系统及其方法 |
JP7260402B2 (ja) * | 2019-05-31 | 2023-04-18 | ファナック株式会社 | ケーブルの状態を学習する機械学習装置、ロボットシステム、及び機械学習方法 |
JP7347969B2 (ja) | 2019-06-18 | 2023-09-20 | ファナック株式会社 | 診断装置及び診断方法 |
JP7401207B2 (ja) | 2019-06-21 | 2023-12-19 | ファナック株式会社 | ツールの状態を学習する機械学習装置、ロボットシステム、及び機械学習方法 |
US20210331655A1 (en) * | 2019-07-08 | 2021-10-28 | Lg Electronics Inc. | Method and device for monitoring vehicle's brake system in autonomous driving system |
JP7436169B2 (ja) * | 2019-09-18 | 2024-02-21 | ファナック株式会社 | 診断装置および診断方法 |
JP7396850B2 (ja) | 2019-10-18 | 2023-12-12 | ファナック株式会社 | ロボット |
CN111086025A (zh) * | 2019-12-25 | 2020-05-01 | 南京熊猫电子股份有限公司 | 一种应用于工业机器人的多故障原因诊断系统及诊断方法 |
JP7282700B2 (ja) * | 2020-01-22 | 2023-05-29 | 双葉電子工業株式会社 | ロボット、モータ駆動ユニット、ロボットの制御方法 |
JP7298494B2 (ja) | 2020-01-31 | 2023-06-27 | 横河電機株式会社 | 学習装置、学習方法、学習プログラム、判定装置、判定方法、および判定プログラム |
US20210247753A1 (en) | 2020-02-07 | 2021-08-12 | Kabushiki Kaisha Yaskawa Denki | State estimation device, system, and manufacturing method |
US11531339B2 (en) * | 2020-02-14 | 2022-12-20 | Micron Technology, Inc. | Monitoring of drive by wire sensors in vehicles |
JP2021160031A (ja) * | 2020-03-31 | 2021-10-11 | セイコーエプソン株式会社 | 故障予測方法および故障予測装置 |
KR102181432B1 (ko) * | 2020-04-22 | 2020-11-24 | 김한수 | 지능형 로봇제어 시스템 |
KR102129480B1 (ko) * | 2020-04-23 | 2020-07-02 | 호서대학교 산학협력단 | 무인 자율주행차량의 예지보전장치 및 이의 예지보전방법 |
AT524001B1 (de) * | 2020-07-10 | 2023-10-15 | Engel Austria Gmbh | Verfahren zur Optimierung und/oder Bedienung mindestens eines Produktionsprozesses |
KR102316773B1 (ko) * | 2020-07-31 | 2021-10-26 | 삼성중공업(주) | 선박 상태 예측 시스템 및 방법 |
KR102538542B1 (ko) * | 2021-04-12 | 2023-05-30 | 서울대학교산학협력단 | 상전류 신호를 이용한 모터 고장 진단 방법 및 장치 |
US20220342391A1 (en) | 2021-04-27 | 2022-10-27 | Aida Engineering, Ltd. | Press machine and method of displaying operating state of press machine |
CN114142605B (zh) | 2021-11-09 | 2022-07-15 | 广东工业大学 | 纵联保护方法、装置和存储介质 |
CN114055516B (zh) * | 2021-11-10 | 2023-08-11 | 合肥欣奕华智能机器股份有限公司 | 一种故障诊断和维保的方法、系统、设备及存储介质 |
CN114565058A (zh) * | 2022-03-16 | 2022-05-31 | 广东电网有限责任公司 | 一种孤岛检测模型训练方法、装置、设备和介质 |
CN114770509A (zh) * | 2022-05-05 | 2022-07-22 | 新代科技(苏州)有限公司 | 一种应用于焊接机器人系统的故障诊断方法 |
WO2024053101A1 (ja) * | 2022-09-09 | 2024-03-14 | 富士通株式会社 | 学習プログラム、生成プログラム、学習方法および情報処理装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005207644A (ja) | 2004-01-21 | 2005-08-04 | Mitsubishi Electric Corp | 機器診断装置、冷凍サイクル装置、流体回路診断方法、機器監視システム、冷凍サイクル監視システム |
JP2006300896A (ja) | 2005-04-25 | 2006-11-02 | Matsushita Electric Works Ltd | 設備監視方法および設備監視装置 |
US20070038838A1 (en) | 2005-08-11 | 2007-02-15 | The University Of North Carolina At Chapel Hill | Novelty Detection Systems, Methods and Computer Program Products for Real-Time Diagnostics/Prognostics In Complex Physical Systems |
WO2008120552A1 (ja) | 2007-03-29 | 2008-10-09 | Nec Corporation | 診断システム |
JP5684941B1 (ja) | 2014-07-31 | 2015-03-18 | 株式会社日立パワーソリューションズ | 異常予兆診断装置及び異常予兆診断方法 |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08202444A (ja) * | 1995-01-25 | 1996-08-09 | Hitachi Ltd | 機械設備の異常診断方法および装置 |
JPH08263131A (ja) * | 1995-03-27 | 1996-10-11 | Hitachi Ltd | プラント劣化診断装置及び方法 |
JPH1049223A (ja) * | 1996-07-31 | 1998-02-20 | Nissan Motor Co Ltd | ニューラルネットワークを用いた故障診断方法およびその装置 |
JPH10154900A (ja) * | 1996-11-25 | 1998-06-09 | Hitachi Ltd | 電子部品実装用プリント基板の故障解析方法およびシステム |
JP3604860B2 (ja) * | 1997-03-24 | 2004-12-22 | 三洋電機株式会社 | 機器の運転状態管理装置 |
JPH11212637A (ja) * | 1998-01-22 | 1999-08-06 | Hitachi Ltd | 予防保全方法及び装置 |
JP2000064964A (ja) * | 1998-08-21 | 2000-03-03 | Ebara Corp | 真空ポンプの故障予知システム |
JP4592235B2 (ja) * | 2001-08-31 | 2010-12-01 | 株式会社東芝 | 生産装置の故障診断方法及び生産装置の故障診断システム |
JP2003208220A (ja) | 2002-01-11 | 2003-07-25 | Hitachi Industries Co Ltd | 設備の劣化診断方法と劣化診断装置 |
TWI240216B (en) * | 2002-06-27 | 2005-09-21 | Ind Tech Res Inst | Pattern recognition method by reducing classification error |
US7536371B2 (en) * | 2005-12-05 | 2009-05-19 | Insyst Ltd. | Apparatus and method for the analysis of a process having parameter-based faults |
CN101127100A (zh) * | 2006-08-18 | 2008-02-20 | 张湛 | 一种处理不确定因果关系类信息的智能系统的构造方法 |
CN101008992A (zh) * | 2006-12-30 | 2007-08-01 | 北京市劳动保护科学研究所 | 基于人工神经网络的管道泄漏的检测方法 |
US8036999B2 (en) * | 2007-02-14 | 2011-10-11 | Isagacity | Method for analyzing and classifying process data that operates a knowledge base in an open-book mode before defining any clusters |
CN100468263C (zh) * | 2007-09-05 | 2009-03-11 | 东北大学 | 连采机远程实时故障预测及诊断方法与装置 |
CN101697079B (zh) * | 2009-09-27 | 2011-07-20 | 华中科技大学 | 用于航天器实时信号处理的盲系统故障检测与隔离方法 |
JP5454671B2 (ja) * | 2010-02-26 | 2014-03-26 | 株式会社日立製作所 | 故障原因診断システムおよびその方法 |
CN102063109B (zh) * | 2010-11-29 | 2012-09-05 | 株洲南车时代电气股份有限公司 | 一种基于神经网络的地铁列车故障诊断装置及其方法 |
JP2012168799A (ja) | 2011-02-15 | 2012-09-06 | Hitachi Ltd | プラント監視装置およびプラント監視方法 |
CN103064340B (zh) * | 2011-10-21 | 2014-12-03 | 沈阳高精数控技术有限公司 | 一种面向数控机床的故障预测方法 |
CN102609764A (zh) * | 2012-02-01 | 2012-07-25 | 上海电力学院 | 一种基于cpn神经网络的汽轮发电机组故障诊断方法 |
CN102629243B (zh) * | 2012-03-02 | 2015-01-07 | 燕山大学 | 基于神经网络集成和bs-emd的端点效应抑制方法 |
JP5996384B2 (ja) * | 2012-11-09 | 2016-09-21 | 株式会社東芝 | プロセス監視診断装置、プロセス監視診断プログラム |
CN103018660B (zh) * | 2012-12-25 | 2015-04-22 | 重庆邮电大学 | 采用量子Hopfield神经网络的模拟电路多故障智能诊断方法 |
WO2014116888A1 (en) * | 2013-01-25 | 2014-07-31 | REMTCS Inc. | Network security system, method, and apparatus |
JP5530019B1 (ja) * | 2013-11-01 | 2014-06-25 | 株式会社日立パワーソリューションズ | 異常予兆検知システム及び異常予兆検知方法 |
CN104571079A (zh) * | 2014-11-25 | 2015-04-29 | 东华大学 | 一种基于多传感器信息融合的无线远程故障诊断系统 |
CN104699994A (zh) * | 2015-04-02 | 2015-06-10 | 刘岩 | 一种基于fbf神经网络的电机气隙偏心故障诊断方法 |
-
2015
- 2015-11-30 JP JP2015234022A patent/JP6148316B2/ja active Active
-
2016
- 2016-07-29 CN CN201610616706.XA patent/CN106409120B/zh active Active
-
2017
- 2017-02-07 JP JP2017020403A patent/JP6773582B2/ja active Active
-
2020
- 2020-10-01 JP JP2020167222A patent/JP7104121B2/ja active Active
-
2022
- 2022-07-07 JP JP2022109778A patent/JP7504163B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005207644A (ja) | 2004-01-21 | 2005-08-04 | Mitsubishi Electric Corp | 機器診断装置、冷凍サイクル装置、流体回路診断方法、機器監視システム、冷凍サイクル監視システム |
JP2006300896A (ja) | 2005-04-25 | 2006-11-02 | Matsushita Electric Works Ltd | 設備監視方法および設備監視装置 |
US20070038838A1 (en) | 2005-08-11 | 2007-02-15 | The University Of North Carolina At Chapel Hill | Novelty Detection Systems, Methods and Computer Program Products for Real-Time Diagnostics/Prognostics In Complex Physical Systems |
WO2008120552A1 (ja) | 2007-03-29 | 2008-10-09 | Nec Corporation | 診断システム |
JP5684941B1 (ja) | 2014-07-31 | 2015-03-18 | 株式会社日立パワーソリューションズ | 異常予兆診断装置及び異常予兆診断方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7104121B2 (ja) | 2022-07-20 |
JP2017033526A (ja) | 2017-02-09 |
CN106409120B (zh) | 2021-03-23 |
JP2022125288A (ja) | 2022-08-26 |
CN106409120A (zh) | 2017-02-15 |
JP6773582B2 (ja) | 2020-10-21 |
JP6148316B2 (ja) | 2017-06-14 |
JP2017120649A (ja) | 2017-07-06 |
JP2021002398A (ja) | 2021-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7504163B2 (ja) | 異常予知装置、異常予知システム、異常予知方法及び異常予知プログラム | |
US12066797B2 (en) | Fault prediction method and fault prediction system for predecting a fault of a machine | |
JP6140331B1 (ja) | 主軸または主軸を駆動するモータの故障予知を学習する機械学習装置および機械学習方法、並びに、機械学習装置を備えた故障予知装置および故障予知システム | |
JP6810097B2 (ja) | 異常検出器 | |
JP6956028B2 (ja) | 故障診断装置及び機械学習装置 | |
US7395188B1 (en) | System and method for equipment life estimation | |
JP7320368B2 (ja) | 故障予測装置、故障予測方法およびコンピュータプログラム | |
CN112727965B (zh) | 采煤机制动器的故障监测方法及装置 | |
JP2018500709A5 (ja) | コンピューティングシステム、プログラムおよび方法 | |
JP2009053938A (ja) | 複数モデルに基づく設備診断システム及びその設備診断方法 | |
JP6711323B2 (ja) | プロセスの異常状態診断方法および異常状態診断装置 | |
JP6647473B1 (ja) | 異常検知装置および異常検知方法 | |
JP6702297B2 (ja) | プロセスの異常状態診断方法および異常状態診断装置 | |
JP2021121888A (ja) | 学習装置、学習方法、学習プログラム、判定装置、判定方法、および判定プログラム | |
JP2021015573A (ja) | 異常判定装置及び異常判定システム | |
JP2018086715A (ja) | テレスコピックカバーの異常発生推定装置及び異常発生推定方法 | |
US12103169B2 (en) | Abnormality diagnosis device and abnormality diagnosis method | |
JP7085140B2 (ja) | 制御装置、制御方法及び制御プログラム | |
JP6662222B2 (ja) | 製造プロセスの異常状態診断方法及び異常状態診断装置 | |
WO2017199652A1 (ja) | 診断システム及び電子制御装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220804 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220804 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230808 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230928 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240109 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240216 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240514 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240611 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7504163 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |