学习装置、推断装置、诊断系统、模型生成方法及程序制造方法及图纸

学习装置(10)具有：数据取得部，其取得学习用数据，该学习用数据包含表示生产设备(2)的设定的设定数据、表示由照相机(4)对生产设备(2)进行拍摄而得到的拍摄图像的图像数据、表示由温度传感器(5)测定出的生产设备(2)的表面温度的温度数据、表示由距离传感器(6)测定出的从距离传感器(6)至生产设备(2)为止的距离的距离数据和表示由生产设备(2)处理的工件(3)的合格与否的合格与否数据；以及模型生成部，其基于学习用数据而生成用于对由生产设备(2)处理的工件(3)的合格与否进行推断的学习模型。习模型。习模型。

【技术实现步骤摘要】
【国外来华专利技术】学习装置、推断装置、诊断系统、模型生成方法及程序


[0001]本专利技术涉及学习装置、推断装置、诊断系统、模型生成方法及程序。

技术介绍

[0002]在生产现场，由机器人臂、带式输送机等生产设备对工件进行加工、搬运工件等而处理工件，由此生产产品。
[0003]在生产设备存在异常时会发生下述问题，即，在工件的加工时会进行错误的加工，在工件的搬运时会对工件造成损伤等。而且，如果没有发现在生产设备存在异常而继续生产，则会生产出大量不合格品。因此，需要对生产设备进行诊断的技术。
[0004]在专利文献1公开了下述技术，即，基于制造机械的状态、制造机械周围的环境的状态和制造出的产品的检查结果而生成学习模型，在产生不合格品时，基于生成的学习模型对与异常相关的变量进行确定。通过对与异常相关的变量进行确定，从而例如能够基于该变量对制造机械的控制进行变更，抑制产生不合格品。
[0005]专利文献1：日本特开2017－199074号公报

技术实现思路

[0006]在专利文献1的技术中，没有使用对制造机械进行外部观察而得到的信息，因此有可能无法高精度地对与异常相关的变量进行确定。例如，在制造机械所具有的臂和传感器都发生位置偏移的情况下，通过专利文献1的技术有可能无法高精度地对与异常相关的变量进行确定。即，专利文献1的技术在生产设备的诊断这一方面在精度存在问题。
[0007]本专利技术就是鉴于上述情况而提出的，其目的在于提供能够高精度地对生产设备进行诊断的学习装置等。
[0008]为了达到上述的目的，本专利技术所涉及的学习装置具有：
[0009]学习用数据取得单元，其取得学习用数据，该学习用数据包含表示生产设备的设定的设定数据、表示由拍摄装置对所述生产设备进行拍摄而得到的拍摄图像的图像数据、表示由温度传感器测定出的所述生产设备的表面温度的温度数据、表示由距离传感器测定出的从所述距离传感器至所述生产设备为止的距离的距离数据和表示由所述生产设备处理的工件的合格与否的合格与否数据；以及
[0010]模型生成单元，其基于所述学习用数据而生成用于对由所述生产设备处理的工件的合格与否进行推断的学习模型。
[0011]专利技术的效果
[0012]根据本专利技术，能够高精度地对生产设备进行诊断。
附图说明
[0013]图1是表示本专利技术的实施方式1所涉及的诊断系统的整体结构的图。
[0014]图2是表示本专利技术的实施方式1所涉及的生产设备的臂将工件刮擦时的一个例子
的图。
[0015]图3是表示从多方向对本专利技术的实施方式1所涉及的生产设备进行感测的一个例子的图。
[0016]图4是表示在本专利技术的实施方式1所涉及的数据服务器中保存的数据的一个例子的图。
[0017]图5是表示本专利技术的实施方式1所涉及的学习装置的功能结构的图。
[0018]图6是表示本专利技术的实施方式1所涉及的推断装置的功能结构的图。
[0019]图7是表示本专利技术的实施方式1所涉及的学习装置及推断装置的硬件结构的一个例子的图。
[0020]图8是表示通过本专利技术的实施方式1所涉及的学习装置进行的模型生成的动作的一个例子的流程图。
[0021]图9是表示通过本专利技术的实施方式1所涉及的推断装置进行的推断的动作的一个例子的流程图。
[0022]图10是表示在本专利技术的实施方式2所涉及的数据服务器中保存的数据的一个例子的图。
具体实施方式
[0023]下面，参照附图对本专利技术的实施方式所涉及的诊断系统进行说明。在各附图中，对相同或同等的部分标注同一标号。
[0024](实施方式1)
[0025]参照图1对实施方式1所涉及的诊断系统1进行说明。诊断系统1是对在生产现场F设置的生产设备2进行诊断的诊断系统。诊断系统1具有生产设备2、照相机4、温度传感器5、距离传感器6、检查装置7、学习装置10、推断装置20和数据服务器30。生产设备2、照相机4、温度传感器5、距离传感器6、检查装置7、学习装置10及推断装置20分别能够通信地与数据服务器30连接。诊断系统1是本专利技术所涉及的诊断系统的一个例子。
[0026]学习装置10、推断装置20及数据服务器30例如设置于在生产现场F的某工厂设置的管理室。另外，生产设备2、照相机4、温度传感器5、距离传感器6及检查装置7和数据服务器30例如通过工厂内网络进行连接。学习装置10及推断装置20和数据服务器30例如通过管理室内的本地网络进行连接。
[0027]生产设备2设置于生产现场F，是为了生产产品而处理工件3的生产设备。此外，将由生产设备2对工件3进行加工、对工件3进行搬运等汇总而表现为“由生产设备2处理工件3”。生产设备2例如包含机器人臂、加工机、带式输送机等生产用机械。另外，生产设备2能够通信地与数据服务器30连接，根据需要将生产设备2的设定数据发送至数据服务器30。设定数据例如是表示生产设备2所具有的传感器及致动器的参数设定的数据。生产设备2是本专利技术所涉及的生产设备的一个例子。
[0028]在图1所示的例子中，生产设备2包含机器人臂，能够将工件3抓持而搬运。生产设备2通过在机器人臂的前端设置的可动式的手部分而从侧面抓持工件3。更详细地说，生产设备2在将手部分比工件的宽度扩开的状态下使手部分下降至工件3的侧面为止，然后将手部分闭合，由此能够抓持工件3。
[0029]在这里，考虑在生产设备2的机器人臂的手部分发生异常，无法将手部分比工件的宽度扩开的情况。在该情况下，例如如图2所示，如果使手部分下降至工件3的侧面为止，则手部分会刮擦工件3，对工件3造成损伤。此外，图2所示的箭头表示使手部分下降至工件3的侧面为止，锯齿线表示工件3和手部分刮擦的部位。如果在没有发现如上所述的生产设备2的异常的情况下继续生产，则会产生出大量不合格品。因此，需要通过诊断系统1诊断在生产设备2是否存在异常。
[0030]照相机4是在生产现场F设置的照相机。照相机4对生产设备2进行拍摄，将表示拍摄而得到的拍摄图像的图像数据发送至数据服务器30。照相机4例如是具有镜头和拍摄元件的数字照相机。照相机4是本专利技术所涉及的拍摄装置的一个例子。
[0031]温度传感器5是在生产现场F设置的温度传感器。温度传感器5对生产设备2的表面温度进行测定，将表示表面温度的温度数据发送至数据服务器30。温度传感器5例如是通过对红外线进行受光而能够得到生产设备2的热图像的热图像传感器。在温度传感器5为热图像传感器时，生产设备2的热图像示出生产设备2的表面温度分布，因此温度数据成为表示生产设备2的表面温度分布的数据。温度传感器5是本专利技术所涉及的温度传感器的一个例子。
[0032]距离传感器6是在生产现场F设置的距离传感器。距离传感器6对从距离传感器6自身至生产设备2为止的距离进行测定，将表示距离的距离数据发送至数据服务器30。距离传感器6例如是发出激光，对发出的激光的反射光进行受光，基于受光的反射光能够对从距离传感器6至生产设本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种学习装置，其具有：学习用数据取得单元，其取得学习用数据，该学习用数据包含表示生产设备的设定的设定数据、表示由拍摄装置对所述生产设备进行拍摄而得到的拍摄图像的图像数据、表示由温度传感器测定出的所述生产设备的表面温度的温度数据、表示由距离传感器测定出的从所述距离传感器至所述生产设备为止的距离的距离数据和表示由所述生产设备处理的工件的合格与否的合格与否数据；以及模型生成单元，其基于所述学习用数据而生成用于对由所述生产设备处理的工件的合格与否进行推断的学习模型。2.根据权利要求1所述的学习装置，其中，由所述学习用数据取得单元取得的所述学习用数据还包含表示所述生产设备的运转履历的履历数据和表示所述生产设备的设置环境的环境数据，所述模型生成单元还基于所述学习用数据而生成用于对所述生产设备的劣化状态进行推断的学习模型。3.一种推断装置，其具有：推断用数据取得单元，其取得推断用数据，该推断用数据包含表示生产设备的设定的设定数据、表示由拍摄装置对所述生产设备进行拍摄而得到的拍摄图像的图像数据、表示由温度传感器测定出的所述生产设备的表面温度的温度数据和表示由距离传感器测定出的从所述距离传感器至所述生产设备为止的距离的距离数据；以及推断单元，其基于由权利要求1记载的学习装置的所述模型生成单元生成的所述学习模型和所述推断用数据，对由所述生产设备处理的工件的合格与否进行推断。4.根据权利要求3所述的推断装置，其中，所述推断用数据还包含表示所述生产设备的运转履历的履历数据和表示所述生产设备的设置环境的环境数据，所述推断单元还基于由权利要求2记载的学习装置的所述模型生成单元生成的所述学习模型和所述推断用数据，对所...

【专利技术属性】
技术研发人员：阿多大树，生山知，名女松谕，
申请(专利权)人：三菱电机株式会社，
类型：发明
国别省市：