学习系统、学习方法及程序技术方案

在学习系统(1)中，通过由学习部(111)使用了学习用数据的机器学习生成诊断模型，诊断部(112)基于诊断模型对诊断对象数据进行诊断。反馈处理部(115)在取得了表示诊断结果为误诊断的用户输入的情况下，输出误诊断数据，另外，基于用户输入对误诊断数据进行修正。类似度判定部(113)对相对于由反馈处理部(115)输出的修正前的误诊断数据来说的未执行反馈处理的学习用数据或诊断结果的类似度进行判定，在判定为存在类似度为一定值以上的类似数据的情况下，将类似数据发送至反馈处理部(115)。反馈处理部(115)对类似数据执行反馈处理，学习部(111)使用包含通过反馈处理进行修正后的误诊断数据在内的数据进行重新学习。断数据在内的数据进行重新学习。断数据在内的数据进行重新学习。

【技术实现步骤摘要】
【国外来华专利技术】学习系统、学习方法及程序


[0001]本专利技术涉及学习系统、学习方法及程序。

技术介绍

[0002]在生产现场，使用对生产设备的状态或产品品质进行诊断的系统。例如，公开了如下系统，即，从在生产设备设置的多个传感器取得传感器数据，基于传感器数据生成机器学习模型，使用机器学习模型对设备或产品进行诊断(例如，专利文献1)。
[0003]专利文献1所记载的诊断装置在诊断结果表示设备的异常的情况下输出警报，并且使用户输入表示警报是否正确的反馈。反映了反馈的传感器数据被标记为教师数据而进行存储。诊断装置使用存储的教师数据进一步对解析模型进行学习，由此生成反映了反馈信息的解析模型。由此，说明了能够容易地执行设备的诊断。
[0004]专利文献1：日本特开2019
‑
101495号公报

技术实现思路

[0005]文献1所记载的诊断装置通过警报的输出提供反馈的机会。因此，仅对系统判断为异常的诊断数据进行反馈，在系统判断为正常的诊断结果或学习用数据中存在错误的情况下，存在无法对它们进行订正这样的问题。
[0006]另外，诊断结果仅由正常或异常表示，仅对与过去的诊断结果完全一致的异常进行检测，因此存在无法应对类似的异常这样的问题。
[0007]本专利技术就是鉴于上述那样的情况而提出的，其目的在于，提供生成能够实现高精度诊断的诊断模型的学习系统、学习方法及程序。
[0008]为了达到上述目的，本专利技术的学习系统具有：学习部，其通过使用了学习用数据的机器学习生成诊断模型；诊断部，其基于诊断模型对诊断对象数据进行诊断，输出诊断结果；以及反馈处理部，其执行反馈处理，即，对用户提示诊断结果，在取得了表示诊断结果为误诊断的用户输入的情况下，输出误诊断数据，另外，基于用户输入对误诊断数据进行修正。学习系统还具有类似度判定部，类似度判定部对相对于由反馈处理部输出的修正前的误诊断数据来说的未执行反馈处理的学习用数据或诊断结果的类似度进行判定，在判定为存在类似度为一定值以上的类似数据的情况下，将类似数据发送至反馈处理部。反馈处理部针对由类似度判定部发送的类似数据执行反馈处理，学习部使用包含通过反馈处理进行修正后的误诊断数据在内的数据进行重新学习。
[0009]专利技术的效果
[0010]根据本专利技术，由于使用与通过针对诊断对象数据的诊断结果的反馈判定为错误的误诊断数据类似的数据进行重新学习，因此能够生成可以进行高精度诊断的诊断模型。
附图说明
[0011]图1是表示实施方式涉及的学习系统的结构例的框图。
[0012]图2是表示诊断模型生成处理的整体流程的流程图。
[0013]图3是表示学习处理的流程图。
[0014]图4是表示诊断处理的流程图。
[0015]图5是表示实施方式1涉及的反馈用数据选定处理的流程图。
[0016]图6是表示反馈处理的流程图。
[0017]图7是表示重新学习处理的流程图。
[0018]图8是表示实施方式2涉及的反馈用数据选定处理的流程图。
具体实施方式
[0019](实施方式1)
[0020]下面，参照附图对用于实施本专利技术的实施方式1详细地进行说明。此外，在图中，对相同或相当的部分标注相同标号。
[0021]图1是表示实施方式1涉及的学习系统1的结构例的框图。学习系统1是通过学习生成用于在生产现场对生产设备的状态或产品品质进行诊断的诊断模型的装置。
[0022]如图1所示，学习系统具有：存储部100，其对包含学习用数据在内的数据进行保存；以及运算部110，其通过使用了学习用数据的机器学习生成诊断模型，使用诊断模型进行诊断。学习系统1还具有：显示器120，其对包含诊断结果的信息进行显示；以及输入部130，其对用户的操作及数据的输入进行接收。
[0023]存储部100为任意存储装置，例如为闪存、包含EPROM(Erasable Programmable Read Only Memory)的非易失性半导体存储器、或磁盘、软盘、光盘、高密度盘、迷你盘、DVD(Digital Versatile Disc)。
[0024]存储部100包含：学习用数据保存部101，其对机器学习所使用的学习用数据进行保存；追加学习用数据保存部102，其对反馈回来的追加学习用数据进行保存；以及诊断结果保存部103，其保存使用诊断模型进行的诊断的诊断结果。并且，存储部100还对由运算部110执行的机器学习的程序进行存储。
[0025]运算部110为任意的运算处理装置，例如为CPU(Central Processing Unit)。运算部110作为如下各部起作用：学习部111，其执行在存储部100储存的程序，通过使用了学习用数据的机器学习生成诊断模型；诊断部112，其使用诊断模型，进行针对诊断对象数据的诊断；类似度判定部113，其对输入进来的数据的类似度进行判定；反馈用数据选定部114，其对反馈用数据进行选定；以及反馈处理部115，其执行反馈处理。
[0026]存储部100的学习用数据保存部101所保存的学习用数据是包含生产设备的数据、在工厂中生产的产品的测试数据、部件的数据、生产者的生物体数据在内的数据。具体而言，学习用数据包含从安装于生产装置、检查装置、部件、产品或生产者处、或与它们相对设置的1个或多个传感器输出的传感器数据。传感器例如为振动传感器或温度传感器。学习用数据也可以包含表示取得了传感器数据时的装置的运转状态或产品品质的信息。另外，学习用数据也可以是对传感器数据进行了加工或通过特定的处理将多个传感器数据汇总得到的数据。
[0027]对学习用数据的各数据赋予标签。标签是表示数据所属的类的信息，例如，是表示取得了数据时的设备的运转状态、在取得数据时在生产线上流转的部件或产品品质状态、
或者通过根据其它数据预测的信息而分类出的类的信息。
[0028]学习用数据的保存形式可以是任意形式，例如，可以是包含关系数据库的数据库形式或包含CSV(Comma Separated Value)的文件形式。
[0029]运算部110的学习部111从学习用数据保存部101取得学习用数据，使用预先指定的机器学习方法生成诊断模型，输出至诊断部112。机器学习方法可以是现有的任意方法，例如为神经网络方法、决定树方法、随机森林方法。诊断模型是学习部111通过机器学习生成的机器学习模型。
[0030]学习部111在进行了学习用数据的追加的情况下针对现有的诊断模型追加地进行学习，对诊断模型进行更新，输出至诊断部112。
[0031]诊断部112使用从学习部111输出的诊断模型，对与诊断对象数据对应的装置的运转状态或者部件或产品品质进行推定。之后，将诊断部112使用诊断模型对包含装置的运转状态或者部件或产品品质的诊断结果进行推定的动作称为诊断。诊断对象数据是与学习用数据相同的包含生产设备的数据、在工厂中生产的产品的测试数据、部件的数据、生产者的生物体数据在内的数本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种学习系统，其具有：学习部，其通过使用了学习用数据的机器学习生成诊断模型；诊断部，其基于所述诊断模型对诊断对象数据进行诊断，输出诊断结果；反馈处理部，其执行反馈处理，即，对用户提示所述诊断结果，在取得了表示所述诊断结果为误诊断的用户输入的情况下，输出误诊断数据，另外，基于所述用户输入对所述误诊断数据进行修正；以及类似度判定部，其对相对于由所述反馈处理部输出的修正前的所述误诊断数据来说的未执行所述反馈处理的所述学习用数据或所述诊断结果的类似度进行判定，在判定为存在所述类似度为一定值以上的类似数据的情况下，将该类似数据发送至所述反馈处理部，所述反馈处理部针对由所述类似度判定部发送的所述类似数据执行所述反馈处理，所述学习部使用包含通过所述反馈处理进行修正后的所述误诊断数据在内的数据进行重新学习。2.根据权利要求1所述的学习系统，其中，还具有反馈用数据选定部，该反馈用数据选定部对由所述诊断部输出的所述诊断结果中的执行反馈处理的诊断结果进行选定，将选定的所述诊断结果发送至所述反馈处理部。3.根据权利要求2所述的学习系统，其中，所述反馈用数据选定部以预先设定的概率对所述诊断结果进行选定，或对符合预先规定的条件的所述诊断结果进行选定。4.根据权利要求2所述的学习系统，其中，由所述诊断部输出的诊断结果的信息包含诊断的可信度，所述反馈用数据选定部将所述诊断的可信度小于或等于预先规定的阈值的所述诊断结果发送至所述反馈处理部。5.根据权利要求1至4中任一项所述的学习系统，其中，所述学习用数据包含装置、部件或产品的信息以及标签的信息，该标签表示与所述装置、所述部件或所述产品相关的数据所属的类，所述诊断部对所述诊断对象数据进行诊断，将通过诊断而选择出的所述标签赋予给所述诊断对象数...

【专利技术属性】
技术研发人员：西马伸一郎，柏木僚，
申请(专利权)人：三菱电机株式会社，
类型：发明
国别省市：