状态判定装置制造方法及图纸

本发明专利技术涉及一种基于注塑成型机的动作状态判定该注塑成型机的异常所涉及的状态的状态判定装置具备学习该注塑成型机的异常的状态的机器学习装置。该机器学习装置将表示注塑成型机的动作状态的注塑数据作为表示环境的当前状态的状态变量进行观测，获取表示注塑成型机的异常所涉及的状态的标签数据，将该观测到的状态变量和该获取的标签数据关联起来进行学习。

State judging device

The invention relates to a state judging device for judging the abnormal state of the injection molding machine based on the action state of the injection molding machine, which has a machine learning device for learning the abnormal state of the injection molding machine. The machine learning device observes the injection data representing the action state of the injection molding machine as the state variable representing the current state of the environment, obtains the label data representing the state involved in the abnormality of the injection molding machine, and associates the observed state variable with the label data obtained for learning.

【技术实现步骤摘要】
状态判定装置
本专利技术涉及一种基于注塑成型机的动作状态来判定该注塑成型机所涉及的异常状态并辅助该注塑成型机的维护的状态判定装置。
技术介绍
注塑成型机的维护是定期或者产生异常时进行。作为在注塑成型机的维护时判定注塑成型机的状态的方法之一，有以下方法：使用注塑成型机制造成型品的注塑成型周期中的模具开闭动作或成型品推出动作中，将对应时间或者可动部的位置来驱动上述可动部的电动机的负荷状态作为基准负荷，并以预定的采样周期记录到存储器等，而且，使该记录的上述基准负荷和实际的电动机负荷对应时间或者可动部的位置而依次比较，根据其偏差是否超过预先设定的阈值来判定模具开闭动作或推出动作是正常还是异常。这样，在维护注塑成型机时，通过利用在注塑成型机的动作时记录的表示注塑成型机的动作状态的物理量，来判定注塑成型机的注塑动作的状态。作为判定注塑成型机的状态的现有技术，例如在日本特开2001－30326号公报、日本特开2001－38775号公报中公开了将进行了正常的模具开闭动作或推出动作的至少过去1次相对应的量的负荷或者通过计算多次的动作的移动平均值所得到的负荷作为基准负荷设定的技术。然而，从注塑成型机获取的数据被记录为以下两种数据：按成型周期以预定的采样周期获取的采样数据(离散时间序列数据)和按成型周期1次获取的数据。例如，图9A～9C是记录注塑成型机的注塑工序中的塑化螺杆驱动用电动机的转矩的例子，图9A表示某动作设定(条件A)下的电动机的时间－转矩曲线，图9B表示以相同的部件变更动作设定(条件B)时的电动机的时间－转矩曲线，图9C表示条件A下部件损耗时的电动机的时间－转矩曲线的例子。这些图9A～9C所示的数据作为按成型周期以预定的采样周期获取的采样数据来进行记录。另外，表示动作设定的各设定值或树脂的性质的值等作为按成型周期1次获取的数据来进行记录。这里，如图9A以及图9B所示，虽然按成型周期以预定的采样周期获取的采样数据在成型周期中的注塑工序的动作条件不同的情况下(图9A和图9B)曲线的形状大多类似，但是由于注塑工序的时间根据动作设定而有所不同，所以如果以相同的采样周期获取则所得到的时间方向的数据个数不同。因此，产生如下注塑成型机特有的问题，即，在采样数据中从获取开始时刻起第i个值表示什么，按动作条件不同的成型周期而有所不同，从而在为了判定注塑成型机的状态而观察各个的成型周期中获取的采样数据的情况下，若直接使用采样数据则不能正确地判定注塑成型机的状态。这样的问题例如在各成型周期间的采样数据的比较中较为显著。例如，如果发生部件的损耗，则如图9A以及图9C所示，即使是相同的动作条件，曲线的形状也会变化，但是如果在图9A与图9C(动作条件为条件A)中比较则能够容易判定曲线的形状的变化，但是即使比较图9B与图9C(动作条件中条件B与条件A不同)也不能容易地判定曲线的形状的变化。另外，注塑成型机的生产大多为多品种，即使是一个机械，根据生产对象而条件较大不同情况也十分显著，从而也存在难以对这些采样数据全部以相同的方式进行处理的注塑成型机特有的问题。
技术实现思路
因此本专利技术的目的在于，提供一种无论注塑成型机的动作条件或生产对象如何，基于所获取的数据就可以判定注塑成型机的状态的状态判定装置。本专利技术的状态判定装置设置有对从注塑成型机获取的该注塑成型机的成型动作所涉及的信息进行预处理的预处理部，通过该预处理部，在表示注塑成型机的动作状态的信息内，对根据动作条件而在数据个数或尺度等发生变化的数据进行调整，通过将该调整后的数据作为用于机器学习或数据分析的输入从而解决上述问题。本专利技术的状态判定装置基于注塑成型机的动作状态，判定该注塑成型机所涉及的异常的状态。本专利技术的状态判定装置的第1方式，具备：预处理部，其对在上述注塑成型机的动作状态所涉及的数据中包含的时间序列数据中的至少一个数据执行预处理；以及机器学习装置，其学习相对于上述注塑成型机的动作状态的上述注塑成型机的异常所涉及的状态。并且，上述机器学习装置具备：状态观测部，其将表示上述注塑成型机的动作状态的、包含由上述预处理部预处理过的数据的注塑数据作为表示环境的当前状态的状态变量来进行观测；标签数据获取部，其获取表示上述注塑成型机的异常所涉及的状态的标签数据；以及学习部，其将上述状态变量与上述标签数据关联起来进行学习。上述状态判定装置还可以具备设定了上述注塑成型机的动作状态所涉及的固定的内部参数的内部参数设定部，而且上述状态观测部也可以构成为将表示上述注塑成型机的动作状态的、包含由上述预处理部预处理过的数据的注塑数据、以及上述内部参数作为表示环境的当前状态的状态变量进行观测。也可以在上述内部参数设定部中设定多个内部参数，并能够将上述多个内部参数中的一个选择为作为上述状态变量而被进行观测的内部参数。上述学习部可以具备：误差计算部，其对根据上述状态变量来判定上述注塑成型机的异常所涉及的状态的相关性模型、与从预先准备的监督数据中识别的相关性特征的误差进行计算；以及模型更新部，其以缩小上述误差的方式更新上述相关性模型。上述学习部也可以构成为以多层构造对上述状态变量和上述标签数据进行运算。上述状态判定装置还可以具备对基于上述状态变量和上述学习部的学习结果而判定的上述注塑成型机的异常所涉及的状态进行输出的判定输出部。上述判定输出部也可以构成为在由上述学习部判定的上述注塑成型机的异常所涉及的状态超过预先设定的阈值的情况下输出警告。上述预处理也可以是对上述注塑成型机的动作状态所涉及的数据中包含的时间序列数据中的至少一个数据进行补全或者进行提取或者进行两者的组合调整上述时间序列数据的输入个数的处理。上述注塑成型机的动作状态所涉及的数据也可以是利用上述注塑成型机的驱动部或者可动部的负荷、驱动部或者可动部的速度、驱动部或者可动部的位置、对驱动部的指令值、压力、锁模力、温度、每个成型周期的物理量、成型条件、成型材料、成型品、注塑成型机的结构部件的形状、注塑成型机的结构部件的变形、动作声音、图像中的至少一个而得到的值。为了进行基于上述学习部的对上述注塑成型机的异常所涉及的状态的判定，可以使上述注塑成型机进行预先决定的预定的动作。另外，也可以是自动或者根据作业者的要求来进行用于进行上述判定的预先决定的预定的动作。另外，还可以对进行了用于进行上述判定的预先决定的预定的动作的日期时间进行存储，在从上述存储的日期时间起经过了一定期间的情况下输出信息。上述状态判定装置也可以构成为上述注塑成型机的控制装置的一部分。上述状态判定装置也可以构成为经由网络对多个上述注塑成型机进行管理的成型机管理装置的一部分。本专利技术的状态判定装置的第2方式，具备：预处理部，其对在上述注塑成型机的动作状态所涉及的数据中包含的时间序列数据中的至少一个数据执行预处理；机械学习装置，其具有学习相对于上述注塑成型机的动作状态的上述注塑成型机的异常所涉及的状态的学习部。而且，上述机器学习装置具备：状态观测部，其将表示上述注塑成型机的动作状态的、包含由上述预处理部预处理过的数据的注塑数据作为表示环境的当前状态的状态变量进行观测；以及判定输出部，其对基于上述状态变量和上述学习部的学习结果而判定的上述注塑成型机的异常所涉及的状态进行输出。根据本专利技术，无论注塑成型机的动本文档来自技高网...

【技术保护点】
1.一种状态判定装置，其基于注塑成型机的动作状态，判定该注塑成型机的异常所涉及的状态，其特征在于，该状态判定装置具备：预处理部，其对在上述注塑成型机的动作状态所涉及的数据中包含的时间序列数据中的至少一个数据执行预处理；以及机器学习装置，其学习相对于上述注塑成型机的动作状态的上述注塑成型机的异常所涉及的状态，而且，上述机器学习装置具备：状态观测部，其观测表示上述注塑成型机的动作状态的包含由上述预处理部预处理过的数据的注塑数据，作为表示环境的当前状态的状态变量；标签数据获取部，其获取表示上述注塑成型机的异常所涉及的状态的标签数据；以及学习部，其将上述状态变量与上述标签数据关联起来进行学习。

【技术特征摘要】
2017.03.29 JP 2017-0647741.一种状态判定装置，其基于注塑成型机的动作状态，判定该注塑成型机的异常所涉及的状态，其特征在于，该状态判定装置具备：预处理部，其对在上述注塑成型机的动作状态所涉及的数据中包含的时间序列数据中的至少一个数据执行预处理；以及机器学习装置，其学习相对于上述注塑成型机的动作状态的上述注塑成型机的异常所涉及的状态，而且，上述机器学习装置具备：状态观测部，其观测表示上述注塑成型机的动作状态的包含由上述预处理部预处理过的数据的注塑数据，作为表示环境的当前状态的状态变量；标签数据获取部，其获取表示上述注塑成型机的异常所涉及的状态的标签数据；以及学习部，其将上述状态变量与上述标签数据关联起来进行学习。2.根据权利要求1所述的状态判定装置，其特征在于，该状态判定装置还具备设定有上述注塑成型机的动作状态所涉及的固定的内部参数的内部参数设定部，上述状态观测部构成为，观测表示上述注塑成型机的动作状态的包含由上述预处理部预处理过的数据的注塑数据以及上述内部参数，作为表示环境的当前状态的状态变量。3.根据权利要求2所述的状态判定装置，其特征在于，在上述内部参数设定部中设定有多个内部参数，并能够将上述多个内部参数中的一个选择为作为上述状态变量而被观测的内部参数。4.根据权利要求1～3中任意一项所述的状态判定装置，其特征在于，上述学习部具备：误差计算部，其对根据上述状态变量来判定上述注塑成型机的异常所涉及的状态的相关性模型与从预先准备的监督数据所识别的相关性特征的误差进行计算；以及模型更新部，其以缩小上述误差的方式更新上述相关性模型。5.根据权利要求1～4中任意一项所述的状态判定装置，其特征在于，上述学习部构成为，以多层结构对上述状态变量和上述标签数据进行运算。6.根据权利要求1～5中任意一项所述的状态判定装置，其特征在于，该状态判定装置还具备对基于上述状态变量和上述学习部的学习结果所判定的上述注塑成型机的异常所涉及的状态进行输出的判定输出部。7.根据权利要求6所述的状态判定装置，其特征在于，上述判定输出部构成为，在由上述学习部判定的上述注塑成型机的异常所涉及的状态超过预先设定的阈值的情况下输出警告。8.根据权...

【专利技术属性】
技术研发人员：浅冈裕泰，堀内淳史，清水显次郎，
申请(专利权)人：发那科株式会社，
类型：发明
国别省市：日本,JP