【技术实现步骤摘要】
劣化判定装置以及劣化判定系统
本专利技术涉及劣化判定装置以及劣化判定系统。
技术介绍
在日本特开2017－202632号公报记载了估计注塑成形机的止回阀的磨损量的方法。即，在分别安装了磨损量不同的多个止回阀的状态下进行注塑动作，在注塑成形机进行注塑动作时获取与注塑动作相关的物理量，并提取获取到的物理量的特征量。然后，进行将止回阀的磨损量作为正确答案信息，并将提取出的特征量作为输入的监督学习，基于监督学习的学习结果在输入了物理量的任意的特征量时估计止回阀的磨损量。
技术实现思路
本专利技术的目的之一在于提供通过与以往不同的方法，使用机器学习进行处理装置的劣化的判定的劣化判定装置以及劣化判定系统。作为本专利技术的一个方式的劣化判定装置具备：动作条件获取部，获取执行规定的处理的处理装置的动作条件；处理时状态数据获取部，获取在通过上述处理装置执行上述规定的处理时，由安装于上述处理装置的传感器检测出的处理时状态数据；学习模型生成部，通过将上述动作条件和上述处理时状态数据作为学习数据的...
【技术保护点】
1.一种劣化判定装置，具备：/n动作条件获取部，获取执行规定的处理的处理装置的动作条件；/n处理时状态数据获取部，获取在通过上述处理装置执行上述规定的处理时，由安装于上述处理装置的传感器检测出的处理时状态数据；/n学习模型生成部，通过将上述动作条件和上述处理时状态数据作为学习数据的机器学习，预先生成与上述动作条件和上述处理时状态数据相关的学习模型；/n实际数据获取部，获取判定时刻的上述处理时状态数据作为实际数据；/n预测数据获取部，使用上述学习模型，获取上述判定时刻的针对上述动作条件的上述处理时状态数据作为预测数据；以及/n判定部，基于上述实际数据与上述预测数据的背离程度判...
【技术特征摘要】 【专利技术属性】
20180927 JP 2018-1826751.一种劣化判定装置，具备：
动作条件获取部，获取执行规定的处理的处理装置的动作条件；
处理时状态数据获取部，获取在通过上述处理装置执行上述规定的处理时，由安装于上述处理装置的传感器检测出的处理时状态数据；
学习模型生成部，通过将上述动作条件和上述处理时状态数据作为学习数据的机器学习，预先生成与上述动作条件和上述处理时状态数据相关的学习模型；
实际数据获取部，获取判定时刻的上述处理时状态数据作为实际数据；
预测数据获取部，使用上述学习模型，获取上述判定时刻的针对上述动作条件的上述处理时状态数据作为预测数据；以及
判定部，基于上述实际数据与上述预测数据的背离程度判定上述处理装置的劣化程度。
2.根据权利要求1所述的劣化判定装置，其中，
上述处理时状态数据、上述实际数据以及上述预测数据是规定的统计量，
上述判定部获取上述实际数据与上述预测数据的差分作为表示上述背离程度的指标，并基于表示上述背离程度的指标判定上述处理装置的劣化程度。
3.根据权利要求2所述的劣化判定装置，其中，
上述学习模型生成部通过将上述处理装置的初始状态下的上述动作条件和上述处理时状态数据作为上述学习数据的机器学习，预先生成上述初始状态下的上述学习模型。
4.根据权利要求3所述的劣化判定装置，其中，
还具备周围环境数据获取部，该周围环境数据获取部获取通过上述处理装置执行上述规定的处理时的周围环境数据，
上述学习模型生成部通过将上述动作条件、上述处理时状态数据以及上述周围环境数据作为学习数据的机器学习，预先生成与上述动作条件、上述处理时状态数据以及上述周围环境数据相关的上述学习模型，
上述预测数据获取部使用上述学习模型，获取上述判定时刻的针对上述动作条件以及上述周围环境数据的上述处理时状态数据作为上述预测数据。
技术研发人员：大久保勇佐，莲池正晴，马场纪行，木村幸治，
申请(专利权)人：株式会社捷太格特，
类型：发明
国别省市：日本;JP
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。