信息处理方法、信息处理装置、成型机系统以及计算机程序制造方法及图纸

对多个企业分别使用的多个制造装置的状态进行检测，所述信息处理方法的特征在于，获取对制造装置的物理量进行检出而得到的传感器值数据，将收集到的传感器值数据针对每个企业分别保存至多个数据库，基于所保存的传感器值数据通过机器学习来生成多个学习模型，通过将从一个企业的制造装置获取的传感器值数据输入至由该一个企业选择出的一个或者多个学习模型，来算出一个企业的制造装置的状态。来算出一个企业的制造装置的状态。来算出一个企业的制造装置的状态。

【技术实现步骤摘要】
【国外来华专利技术】信息处理方法、信息处理装置、成型机系统以及计算机程序


[0001]本专利技术涉及信息处理方法、信息处理装置、成型机系统以及计算机程序。

技术介绍

[0002]在专利文献1中公开了获取注射成型机的数据，使用学习模型来推断注射成型机的异常的状态判断装置。专利文献1的状态判断装置存储了多个学习模型，将获取的注射成型机的数据进行分类，并将分类后的数据输入至对应的学习模型，由此高效且高精度地推断注射成型机的异常。例如，状态判断装置针对注射成型的每个工序对数据进行分类，来推断各工序中的异常。
[0003]现有技术文献
[0004]专利文献
[0005]专利文献1：JP特开2020
‑
66178号公报

技术实现思路

[0006]本公开的目的在于，提供通过从多个企业收集制造装置的传感器值数据来准备变化丰富且状态检测精度极佳的多个学习模型，能够适当选择并利用作为信息处理装置的使用者的各个企业所需的学习模型或者最优化的学习模型的信息处理方法、信息处理装置、成型机系统以及计算机程序。
[0007]此外，在专利文献1中公开的状态判断装置只是单纯存储了与多个各工序对应的学习模型，并非能够从准备了变化丰富的学习模型选择并利用使用者期望的学习模型的构成。另外，没有公开收集用于生成或者更新变化丰富且制造装置的状态检测精度极佳的学习模型所需的足够的传感器值数据的构造。
[0008]本公开的信息处理方法对多个企业分别使用的多个制造装置的状态进行检测，所述信息处理方法的特征在于，获取对所述多个企业分别使用的所述多个制造装置的物理量进行检测而得到的传感器值数据，将从所述多个制造装置得到的传感器值数据分别保存至针对使用该制造装置的每个企业准备的多个数据库，基于在所述多个数据库内保存的传感器值数据，通过机器学习生成或者更新用于检测所述制造装置的状态的多个学习模型，将所述企业的识别信息与表示由该企业选择出的一个或者多个所述学习模型的模型选择信息对应关联地进行存储，通过将从一个企业的所述制造装置获取的传感器值数据输入至与该一个企业的所述识别信息对应关联的所述模型选择信息所表示的一个或者多个所述学习模型，算出该一个企业的所述制造装置的状态。
[0009]本公开的信息处理装置对多个企业分别使用的多个制造装置的状态进行检测，所述信息处理装置的特征在于，具备：获取部，其获取对所述多个企业分别使用的所述多个制造装置的物理量进行检测而得到的传感器值数据；多个数据库，其针对使用该制造装置的每个企业分别保存从所述多个制造装置得到的传感器值数据；以及处理部，所述处理部基于在所述多个数据库内保存的传感器值数据，通过机器学习生成或者更新用于检测所述制
造装置的状态的多个学习模型，将所述企业的识别信息与表示由该企业选择出的一个或者多个所述学习模型的模型选择信息对应关联地进行存储，并且通过将从一个企业的所述制造装置获取的传感器值数据输入至与该一个企业的所述识别信息对应关联的所述模型选择信息所表示的一个或者多个所述学习模型，算出该一个企业的所述制造装置的状态。
[0010]本公开的成型机系统具备所述信息处理装置、以及成型机，所述信息处理装置检测所述成型机的状态。
[0011]本公开的计算机程序用于使计算机执行对多个企业分别使用的多个制造装置的状态进行检测的处理，所述计算机程序的特征在于，使所述计算机执行如下的处理：获取对所述多个企业分别使用的所述多个制造装置的物理量进行检测而得到的传感器值数据，将从所述多个制造装置得到的传感器值数据分别保存至针对使用该制造装置的每个企业准备的多个数据库，基于在所述多个数据库内保存的传感器值数据，通过机器学习生成或者更新用于检测所述制造装置的状态的多个学习模型，将所述企业的识别信息与表示由该企业选择出的一个或者多个所述学习模型的模型选择信息对应关联地进行存储，通过将从一个企业的所述制造装置获取的传感器值数据输入至与该一个企业的所述识别信息对应关联的所述模型选择信息所表示的一个或者多个所述学习模型，算出该一个企业的所述制造装置的状态。
[0012]专利技术效果
[0013]根据本公开，通过从多个企业收集制造装置的传感器值数据来准备变化丰富且状态检测精度极佳的多个学习模型，能够适当选择并利用作为信息处理装置的使用者的各个企业所需的学习模型或者最优化的学习模型。
附图说明
[0014]图1是示出本实施方式1的成型机系统的整体构成的框图。
[0015]图2是示出本实施方式1的成型机系统的详细构成的框图。
[0016]图3是示出本实施方式1的成型机的构成例的示意图。
[0017]图4是示出本实施方式1的边缘计算机的构成例的框图。
[0018]图5是示出实施方式1的信息处理装置的构成例的框图。
[0019]图6是示出实施方式1的企业信息DB的记录结构的一例的概念图。
[0020]图7是示出实施方式1的机器信息DB的记录结构的一例的概念图。
[0021]图8是示出实施方式1的构成个别DB组的个别数据库的记录结构的一例的概念图。
[0022]图9是示出模型选择信息的一例的概念图。
[0023]图10是示出信息处理装置所提供的云端平台的一例的概念图。
[0024]图11是示出学习模型的选择处理顺序的流程图。
[0025]图12是示出实施方式1的成型机的状态检测的处理顺序的流程图。
[0026]图13是示出实施方式1的成型机的状态检测的处理顺序的流程图。
[0027]图14是示出实施方式2的多个学习模型的生成、更新以及微调方法的概念图。
[0028]图15是示出实施方式2的学习模型的微调的层次结构的概念图。
[0029]图16是示出实施方式2的模型选择信息的概念图。
[0030]图17是示出微调的处理顺序的流程图。
[0031]图18是示出实施方式2的状态检测的处理顺序的流程图。
[0032]图19是示出实施方式2的状态检测的处理顺序的流程图。
[0033]图20是示出实施方式3的最优化的学习模型的提案的处理顺序的流程图。
[0034]图21是示出实施方式3的最优化的学习模型的提案的处理顺序的流程图。
[0035]图22是示出实施方式4的个别DB的概念图。
[0036]图23是显示实施方式5的成型机的状态检测结果的画面例。
[0037]图24是示出图表的类别分类以及标注标签的处理顺序的流程图。
[0038]图25是示出图表显示的处理顺序的流程图。
[0039]图26是示出作为追加分析的一例的预测处理顺序的流程图。
[0040]图27是示出选择出的图表的示意图。
[0041]图28是示出预测结果的图表的示意图。
[0042]图29是示出作为追加分析的一例的分析处理顺序的流程图。
[0043]图30是显示分析结果的画面例。
具体实施方式
[00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】1.一种信息处理方法，其对多个企业分别使用的多个制造装置的状态进行检测，所述信息处理方法的特征在于，获取对所述多个企业分别使用的所述多个制造装置的物理量进行检测而得到的传感器值数据，将从所述多个制造装置得到的传感器值数据分别保存至针对使用该制造装置的每个企业准备的多个数据库，基于在所述多个数据库内保存的传感器值数据，通过机器学习生成或者更新用于检测所述制造装置的状态的多个学习模型，将所述企业的识别信息与表示由该企业选择出的一个或者多个所述学习模型的模型选择信息对应关联地进行存储，通过将从一个企业的所述制造装置获取的传感器值数据输入至与该一个企业的所述识别信息对应关联的所述模型选择信息所表示的一个或者多个所述学习模型，算出该一个企业的所述制造装置的状态。2.根据权利要求1所述的信息处理方法，其特征在于，所述制造装置为成型机，所述多个学习模型包括检测构成所述成型机的减速器的异常或者劣化的学习模型、检测构成所述成型机的旋转轴的异常或者劣化的学习模型、检测所述成型机的异常或者非效率运行状态的学习模型。3.根据权利要求1或者2所述的信息处理方法，其特征在于，基于从一个企业的所述制造装置得到的传感器值数据对所述学习模型进行微调，来作为所述一个企业的所述制造装置用的学习模型，通过将从所述一个企业的所述制造装置得到的传感器值数据输入至所述微调后的所述学习模型，算出所述一个企业的所述制造装置的状态。4.根据权利要求1～3中任一项所述的信息处理方法，其特征在于，在属于所述企业的多个工厂分别有所述制造装置的情况下，基于从位于一个所述工厂的所述制造装置得到的传感器值数据对所述学习模型进行微调，来作为该一个工厂用的学习模型，通过将从位于所述一个工厂的所述制造装置得到的传感器值数据输入至所述微调后的所述学习模型，算出位于所述一个工厂的所述制造装置的状态。5.根据权利要求1～4中任一项所述的信息处理方法，其特征在于，在属于所述企业的多个工厂分别有所述制造装置的情况下，基于从位于多个工厂的所述制造装置得到的传感器值数据对所述学习模型进行微调，来作为由所述多个工厂共用的学习模型，通过将从位于所述多个工厂中的某一个工厂的所述制造装置得到的传感器值数据输入至所述微调后的所述学习模型，算出所述制造装置的状态。6.根据权利要求1～5中任一项所述的信息处理方法，其特征在于，在经由与多个所述制造装置连接的边缘计算机从各制造装置获取传感器值数据的情况下，基于经由所述边缘计算机得到的各制造装置的传感器值数据对所述学习模型进行微调，来作为由与所述边缘计算机连接的所述多个制造装置共用的学习模型，
通过将从与所述边缘计算机连接的所述制造装置得到的传感器值数据输入至所述微调后的所述学习模型，算出与所述边缘计算机连接的所述制造装置的状态。7.根据权利要求1～6中任一项所述的信息处理方法，其特征在于，在由一个企业使用的所述制造装置存在多个的情况下，基于从各制造装置得到的传感器值数据，对所述学习模型分别进行微调，来作为各制造装置用的学习模型，通过将从一个所述制造装置得到的传感器值数据输入至作为一个所述制造装置用而微调后的所述学习模型，算出所述一个制造装置的状态。8.根据权利要求1～7中任一项所述的信息处理方法，其特征在于，基于从作为关联企业的多个企业使用的多个制造装置得到的传感器值数据对所述学习模型进行微调，来作为由作为关联企业的所述多个企业共用的学习模型，通过将从作为关联企业的所述多个企业的某一个企业使用的所述制造装置得到的传感器值数据输入至所述微调后的所述学习模型，算出所述制造装置的状态。9.根据权利要求1～8中任一项所述的信息处理方法，其特征在于，所述制造装置为成型机，基于从使用相同原料的、相同型号的多个所述制造装置得到的传感器值数据，对所述学习模型进行微调，通过将从使用相同原料的、相同型号的所述制造装置得到的传感器值数据输入至所述微调后的所述学习模型，...

【专利技术属性】
技术研发人员：风吕川干央，铃木润，平野峻之，
申请(专利权)人：株式会社日本制钢所，
类型：发明
国别省市：