状态判定装置以及状态判定方法制造方法及图纸

本发明专利技术提供状态判定装置以及状态判定方法。状态判定装置取得与注射成形机有关的数据，存储学习了该数据所对应的该注射成形机的动作状态的学习模型，并根据该数据进行使用了学习模型的推定。并且，取得与注射成形机的机型以及安装在注射成形机上的器材相关联的校正系数，使用应用了该取得的校正系数的预定校正函数，对上述推定结果进行数值变换并进行校正。

State judging device and state judging method

【技术实现步骤摘要】
状态判定装置以及状态判定方法
本专利技术涉及状态判定装置以及状态判定方法，特别涉及辅助注射成形机的维护的状态判定装置以及状态判定方法。
技术介绍
定期或在异常产生时进行注射成形机等的工业机器的维护。在维护工业机器时，使用在工业机器动作时记录的表示该工业机器的动作状态的物理量，维护担当者判定该工业机器的动作状态有无异常，并进行产生了异常的部件的更换等维护作业。例如，作为注射成形机所具备的注射缸的逆流防止阀的维护作业，知道一种定期地从注射缸拔出螺杆并直接测量逆流防止阀的尺寸的方法。但是，在该方法中必须暂停停止生产，进行测量作业，会有生产率下降的问题。另外，注射成形机的机型有具备注射缸的注射装置、合模装置、成形品的顶出装置等规格不同的多种多样的变化。因此，需要准备与注射成形机的机型对应的数量的判定有无异常的状态判定装置，并且准备有无异常的判定基准。作为用于解决这种问题的现有技术已知以下一种技术，为了从注射缸拔出螺杆等没有使生产暂时停止而间接地检测注射缸的逆流防止阀的磨损量并且诊断异常，检测施加给螺杆的旋转转矩，或检测树脂向螺杆后方逆流的现象。例如，日本特开平01-168421号公报中公开了测量作用于螺杆的旋转方向的旋转转矩，如果超过了容许范围则判定为异常的情况。另外，日本特开2017-030221号公报以及日本特开2017-202632号公报中公开了通过监督学习来诊断驱动部的负荷或树脂压力等的异常的内容。但是，在上述日本特开平01-168421号公报公开的技术中，在构成注射成形机的驱动部的电动机额定转矩、惯性、减速机的减速比等各个源数据不同的机器中，会有将对判断为异常的容许范围进行调整的作业设为必要的问题。另外，在上述日本特开2017-030221号公报以及日本特开2017-202632号公报中公开的技术中，在构成注射成形机的驱动部的要素的各个数据不同的机器中，由该机器得到的测量值和机器学习时所输入的学习数据的数值之间的乖离较大，所以会有不能够准确地进行基于机器学习的判定的问题。特别是会有不能在具有多种多样的变化的注射成形机中通用地使用通过机器学习得到的一个学习模型的问题。另外，如果注射成形机所生产的成形品的原材料即树脂的种类、注射成形机的附带设备即金属模具、金属模具温度控制器、树脂干燥机等是与机器学习时不同的种类，则受到这些种类差异的影响，通过该机器得到的测量值在与学习模型生成时所使用的测量值之间会产生乖离，因此会有不能够准确地进行基于机器学习的有无异常的判定的问题。为了提高机器学习的判定精度，在生成机器学习的学习模型时，准备与构成注射成形机的电动机、减速机、可动部的器材组合的数量对应的多种多样的学习条件来进行机器学习。但是，备齐多种多样的注射成形机、附带设备、结构部件进行机器学习需要很多的成本。此外，在运行机器时，也需要准备树脂、工件等原材料，为了取得学习数据所需要的原材料的成本也较大。另外，取得学习数据的作业需要很多的时间。因此，会有不能够有效地收集学习数据的问题。
技术实现思路
因此本专利技术的目的为提供能够不花费较大成本而辅助各种注射成形机的维护的状态判定装置以及状态判定方法。本专利技术中，关于通过机器学习推定出的异常度，针对将控制装置所取得的时间系列的物理量(电流、速度等)作为学习数据进行机器学习并导出的注射成形机的驱动部的异常度推定値，导出附加预定的校正量等实施了数值变换后的异常度校正值，从而解决上述问题。更具体地说，实现以下单元，即使注射成形机的机型不同，或者注射成形机的附带设备或作为生产材料的树脂不同而例如机器的大小与小型/大型不同，并且即使构成注射成形机的注射装置和合模装置或注射缸、螺杆和电动机等的结构部件不同，也能够以吸收机型和附带设备的差异的方式将异常度推定值进行数值变换并导出异常度校正值，从而将一个学习模型通用且有效地适用于多种多样的注射成形机来判定有无异常。另外，设置以下单元，以作为机器学习的输出得到的异常度为基础，在显示装置显示表现异常状态的消息、图标，或在异常度为预定值以上时为了确保作业人员的安全停止机器可动部的动作，或为了可动部在安全状态下动作而使驱动可动部的电动机减速，或将电动机的驱动转矩限制得较小。本专利技术一个方式的状态判定装置判定注射成形机的动作状态，该状态判定装置具备：数据取得部，其取得与注射成形机有关的数据；学习模型存储部，其存储学习模型，上述学习模型学习了与注射成形机有关的数据所对应的该注射成形机的动作状态；推定部，其根据上述数据取得部取得的数据，进行使用了存储在上述学习模型存储部中的学习模型的推定；校正系数存储部，其存储至少与注射成形机的机型以及安装在注射成形机上的器材中的任意一个相关联的校正系数；以及数值变换部，其根据上述数据取得部取得了数据的注射成形机的机型或者安装在该注射成形机上的器材中的至少任意一个来取得存储在上述校正系数存储部中的校正系数，并使用应用了所取得的上述校正系数的预定的校正函数对上述推定部的推定结果进行数值变换并进行校正。通过监督学习、无监督学习以及强化学习中的至少一个学习方法来学习上述学习模型。上述校正函数是多项式函数、有理函数中至少一个。上述数据取得部从经由有线/无线的网络连接的多个注射成形机取得与各个注射成形机有关的数据。本专利技术的其他方式的状态判定方法为判定注射成形机的动作状态的方法，该状态判定方法包括如下步骤：数据取得步骤，取得与注射成形机有关的数据；推定步骤，根据上述数据取得步骤取得的数据，进行使用了学习模型的推定，上述学习模型学习了与注射成形机有关的数据所对应的该注射成形机的动作状态；以及数值变换步骤，使用应用了校正系数的预定的校正函数，对上述推定步骤的推定结果进行数值变换并进行校正，上述校正系数与在上述数据取得步骤取得了数据的注射成形机的机型或者安装在该注射成形机上的器材中的至少任意一个相关联。根据本专利技术，即使没有收集并学习各种机型的学习数据，也能够根据成为判定对象的注射成形机的机型以及安装在该注射成形机上的器材来变换表示推定时所输出的注射成形机的状态的异常度，并根据该变换后的结果来进行注射成形机的异常判定，所以能够在学习时不花费较大的成本地进行与各种注射成形机有关的状态推定。附图说明图1是一个实施方式的状态判定装置的概略硬件结构图。图2是学习时的状态判定装置的概略功能框图。图3是一个实施方式的状态判定装置的概略功能框图。图4是表示存储在校正系数存储部中的校正系数的例子的图。图5是表示存储在校正系数存储部中的校正系数的其他例子的图。图6是表示设定校正系数的界面的例子的图。图7是表示异常状态的显示例的图。具体实施方式图1是表示一个实施方式的具备机器学习装置的状态判定装置的主要部件的概略硬件结构图。本实施方式的状态判定装置1例如能够安装在控制注射成形机的控制装置上，另外，也能够安装为与控制注射成形机的控制装置并列设置的个人电脑、经由有线/无线的本文档来自技高网...

【技术保护点】
1.一种状态判定装置，判定注射成形机的动作状态，其特征在于，/n该状态判定装置具备：/n数据取得部，其取得与注射成形机有关的数据；/n学习模型存储部，其存储学习模型，上述学习模型学习了与注射成形机有关的数据所对应的该注射成形机的动作状态；/n推定部，其根据上述数据取得部取得的数据，进行使用了存储在上述学习模型存储部中的学习模型的推定；/n校正系数存储部，其存储至少与注射成形机的机型以及安装在注射成形机上的器材中的任意一个相关联的校正系数；以及/n数值变换部，其根据上述数据取得部取得了数据的注射成形机的机型或者安装在该注射成形机上的器材中的至少任意一个来取得存储在上述校正系数存储部中的校正系数，并使用应用了所取得的上述校正系数的预定的校正函数对上述推定部的推定结果进行数值变换并进行校正。/n

【技术特征摘要】
20180919 JP 2018-1749871.一种状态判定装置，判定注射成形机的动作状态，其特征在于，
该状态判定装置具备：
数据取得部，其取得与注射成形机有关的数据；
学习模型存储部，其存储学习模型，上述学习模型学习了与注射成形机有关的数据所对应的该注射成形机的动作状态；
推定部，其根据上述数据取得部取得的数据，进行使用了存储在上述学习模型存储部中的学习模型的推定；
校正系数存储部，其存储至少与注射成形机的机型以及安装在注射成形机上的器材中的任意一个相关联的校正系数；以及
数值变换部，其根据上述数据取得部取得了数据的注射成形机的机型或者安装在该注射成形机上的器材中的至少任意一个来取得存储在上述校正系数存储部中的校正系数，并使用应用了所取得的上述校正系数的预定的校正函数对上述推定部的推定结果进行数值变换并进行校正。


2.根据权利要求1所述的状态判定装置，其特征在于，
通过监督学习...

【专利技术属性】
技术研发人员：堀内淳史，浅冈裕泰，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