故障预测装置以及机器学习装置制造方法及图纸

本发明专利技术涉及故障预测装置以及机器学习装置，特别是涉及对构成数值控制装置的印刷电路板、部件的故障进行预测的控制装置以及机器学习装置。故障预测装置所具备的机器学习装置具备：状态观测部，其将表示管理对象设备的运转状况的运转状况数据以及表示管理对象设备的设备结构的设备结构数据作为表示环境当前状态的状态变量来进行观测；标签数据获取部，其将表示管理对象设备的维修历史记录的维修历史记录数据作为标签数据来进行获取；以及学习部，其使用状态变量和标签数据，将构成管理对象设备的印刷电路板的故障时期与运转状况数据和设备结构数据关联起来进行学习。

【技术实现步骤摘要】
故障预测装置以及机器学习装置
本专利技术涉及故障预测装置以及机器学习装置，特别是涉及对构成数值控制装置的印刷电路板、部件的故障进行预测的控制装置以及机器学习装置。
技术介绍
为了避免数值控制装置、机床等机械由不良状况引起的生产性下降，强烈要求在发生不良状况之前进行机械维修。典型地，在预定的日期作为定期检查来实施这种事前维修。另外，近年来，还提出了以下技术等：利用某一装置所发生的不良状况的信息，事前预测其它相同类型装置也会发生相同的不良状况的可能性。作为与预测机械故障有关的现有技术，例如在日本特开2002-090266号公报中公开了一种技术，通过使用了神经网络的学习来诊断机床寿命。另外，在日本特开平07-051993号公报中公开了一种技术，通过干扰负载力矩的累加来推定CNC的机械元件的寿命。通常，在使用组装了数值控制装置的机床的生产线上，当装置突然发生故障时对生产线的影响较大。因此，为了将生产线的运转率维持为较高状态，要求考虑了机械运转环境的高精度的寿命预测。然而，在日本特开2002-090266号公报、日本特开平07-051993号公报所公开的技术中，按照特定的推定模型来进行故障预测，并不是进行考虑了机械所运转的各种环境因素的故障预测，因此存在以下问题：在预想以外的模式下导致发生故障的情况下，无法进行高精度的故障预测。另外，在维护机械时，必须决定构成机械的哪一个印刷电路板(主板、CPU卡、伺服卡等)进行作业，但是在日本特开2002-090266号公报、日本特开平07-051993号公报所公开的技术中，由于相对于机械所运转的环境因素，并不是对预测出构成机械的哪一个印刷电路板、部件的故障的情况进行输出，因此并非是有利于消减维护时的作业时间、费用的技术。
技术实现思路
因此，本专利技术的目的在于，提供能够对每个构成机械的印刷电路板、部件进行高精度的故障预测的故障预测装置以及机器学习装置。本专利技术的故障预测装置通过对机械运转的环境所涉及的信息与构成机械的印刷电路板、部件的故障的相关性进行机器学习来解决上述问题。而且，本专利技术的一个方式是一种故障预测装置，其预测构成管理对象设备的印刷电路板的故障时期，其具备：机器学习装置，其学习构成该管理对象设备的印刷电路板相对于上述管理对象设备的运转状况的故障时期，上述机器学习装置具备：状态观测部，其将表示上述管理对象设备的运转状况的运转状况数据以及表示上述管理对象设备的设备结构的设备结构数据作为表示环境当前状态的状态变量来进行观测；标签数据获取部，其将表示上述管理对象设备的维修历史记录的维修历史记录数据作为标签数据来进行获取；以及学习部，其使用上述状态变量和上述标签数据，将构成上述管理对象设备的印刷电路板的故障时期与上述运转状况数据和上述设备结构数据关联起来进行学习。本专利技术的其它方式是一种机器学习装置，其对构成管理对象设备的印刷电路板相对于该管理对象设备的运转状况的故障时期进行学习，其具备：状态观测部，其将表示上述管理对象设备的运转状况的运转状况数据以及表示上述管理对象设备的设备结构的设备结构数据作为表示环境当前状态的状态变量来进行观测；标签数据获取部，其将表示上述管理对象设备的维修历史记录的维修历史记录数据作为标签数据来进行获取；以及学习部，其使用上述状态变量和上述标签数据，将构成上述管理对象设备的印刷电路板的故障时期与上述运转状况数据和上述设备结构数据关联起来进行学习。在本专利技术的故障预测装置中，故障推定模型通过机器学习而随时进行更新，由此能够进行高精度的故障预测。另外，在本专利技术的故障预测装置中，以印刷电路板/部件单位进行故障预测，因此能够消减维护时的作业时间、费用。附图说明通过参照附图来说明以下的实施例，能够更加明确本专利技术的上述和其它目的以及特征。在这些图中：图1是第一实施方式的控制装置的概要硬件结构图。图2是第一实施方式的控制装置的概要功能框图。图3是表示第一实施方式的故障预测装置所获取的状态变量S和标签数据L的示例的图。图4是表示学习部使用状态变量S和标签数据L进行机器学习的示例的图。图5是表示控制装置的一个方式的概要功能框图。图6A是说明神经元的图。图6B是说明神经网络的图。图7是第二实施方式的控制装置的概要功能框图。具体实施方式以下，说明本专利技术的实施方式和附图。图1是表示第一实施方式的故障预测装置以及由该故障预测装置控制的机床的主要部分的概要硬件结构图。故障预测装置1能够安装为例如管理对配置于工厂等的现场的多个机床(未图示)进行控制的控制装置(未图示)、控制机械人(未图示)的控制器(未图示)等管理对象设备的上位装置(主计算机、单元控制器等)。本实施方式的故障预测装置1所具备的CPU11为整体地控制故障预测装置1的处理器。CPU11经由总线20读取存储于ROM12的系统/程序，按照该系统/程序来控制故障预测装置1整体。在RAM13中暂时存储有临时计算数据、显示数据。非易失性存储器14构成为例如使用未图示的电池进行备份等，并且即使故障预测装置1的电源被关闭也保持存储状态的存储器。在非易失性存储器14中除了存储有经由未图示的键盘等输入设备而输入的数据、经由未图示的接口而输入的动作用程序以外，还存储有与管理对象设备有关的用于管理的数据(管理对象设备的种类、结构、网络上的地址、所设置的当前位置等信息)。存储于非易失性存储器14的程序、各种数据也可以在执行时/使用时被展开到RAM13。另外，在ROM12中预先被输入有用于执行针对管理对象设备的指令的各种系统/程序(包括用于控制与后述的机器学习装置100之间的交换的系统/程序)。故障预测装置1能够经由通过有线通信接口15或者无线通信接口16的有线/无线通信，而在与管理对象设备之间进行指令和数据交换。如果在与管理对象设备之间能够进行指令和数据交换，则这些通信接口也可以使用任意的通信协议。接口21为用于连接故障预测装置1与机器学习装置100的接口。机器学习装置100具备用于控制机器学习装置100整体的处理器101、存储有系统/程序等的ROM102、用于进行机器学习所涉及的各处理的临时存储的RAM103、以及用于存储学习模型等的非易失性存储器104。机器学习装置100可以经由接口21观测由故障预测装置1所能够获取的各信息(管理对象设备的运转状况等)。另外，故障预测装置1接收从机器学习装置100输出的构成管理对象设备的印刷电路板、部件等的故障预测结果，经由有线通信接口15或者无线通信接口16发出促使对该故障预测结果进行对应的指令。图2是第一实施方式的故障预测装置1和机器学习装置100的概要功能框图。机器学习装置100包括通过所谓机器学习用于自己学习相对于管理对象设备的运转环境的、构成该管理对象设备的印刷电路板和部件的故障时期(哪一个印刷电路板、哪一个部件从什么时候起发生故障)的软件(学习算法等)和硬件(处理器101等)。故障预测装置1所具备的机器学习装置100进行学习的结构相当于表示管理对象设备的运转环境与构成该管理对象设备的印刷电路板和部件的故障时期(哪一个印刷电路板、哪一个部件从什么时候起发生故障)的相关性的模型结构。如图2的功能块所示，故障预测装置1所具备的机器学习装置100具备：状态观测部106，其观测包括表示管理对象设备的运转本文档来自技高网...

【技术保护点】
1.一种故障预测装置，其对构成管理对象设备的印刷电路板的故障时期进行预测，其特征在于，该故障预测装置具备：机器学习装置，其对构成该管理对象设备的印刷电路板相对于上述管理对象设备的运转状况的故障时期进行学习，上述机器学习装置具备：状态观测部，其将表示上述管理对象设备的运转状况的运转状况数据以及表示上述管理对象设备的设备结构的设备结构数据作为表示环境当前状态的状态变量来进行观测；标签数据获取部，其将表示上述管理对象设备的维修历史记录的维修历史记录数据作为标签数据来进行获取；以及学习部，其使用上述状态变量和上述标签数据，将构成上述管理对象设备的印刷电路板的故障时期与上述运转状况数据以及上述设备结构数据关联起来进行学习。

【技术特征摘要】
2017.06.27 JP 2017-1255981.一种故障预测装置，其对构成管理对象设备的印刷电路板的故障时期进行预测，其特征在于，该故障预测装置具备：机器学习装置，其对构成该管理对象设备的印刷电路板相对于上述管理对象设备的运转状况的故障时期进行学习，上述机器学习装置具备：状态观测部，其将表示上述管理对象设备的运转状况的运转状况数据以及表示上述管理对象设备的设备结构的设备结构数据作为表示环境当前状态的状态变量来进行观测；标签数据获取部，其将表示上述管理对象设备的维修历史记录的维修历史记录数据作为标签数据来进行获取；以及学习部，其使用上述状态变量和上述标签数据，将构成上述管理对象设备的印刷电路板的故障时期与上述运转状况数据以及上述设备结构数据关联起来进行学习。2.根据权利要求1所述的故障预测装置，其特征在于，上述运转状况数据包括上述管理对象设备的累积运转时间、累积耗电、输入电压/电流、输出电压/电流、环境温度、环境湿度、振动、切削液的使用状况、冷却风扇的转速中的至少一个。3.根据权利要求1或2所述的故障预测装置，其特征在于，上述标签数据包括表示安装于上述印刷电路板的部件的不良状况的不良状况部件信息，上述学习部将构成上述管理对象设备的印刷电路板的故障时期以及发生不良状况的部件与上述运转状况数据以及上述设备结构数据关联起来进行学习...

【专利技术属性】
技术研发人员：五岛数哉，
申请(专利权)人：发那科株式会社，
类型：发明
国别省市：日本,JP