JP2019081206A - 寿命予測装置 - Google Patents

Abstract

【課題】ロボットの関節部分に配線されたケーブルの寿命予測を正確に行うことが可能な寿命予測装置を提供すること。【解決手段】本発明の寿命予測装置１は、ロボットの関節部を動かすアクチュエータのエンコーダ情報に基づいてケーブルの疲労度を推定する疲労度推定部１１０を備え、疲労度推定部１１０が推定したケーブルの疲労度と、ケーブルの許容値とに基づいて、ケーブルの寿命を予測する寿命予測部１２０を備える。【選択図】図２

Description

本発明は、寿命予測装置に関し、特にロボットの関節部に配線されているケーブルの寿命を予測する寿命予測装置に関する。

多関節ロボットでは、図８に示すように、各関節を動かすためのモータ用のケーブルや、ロボットに取り付けた機器類を駆動するためのケーブル、エンコーダとの信号ケーブル等を関節部を越えて配線する必要がある。これらのケーブルは、ロボットの各関節の稼働に伴い曲げられたり捩られたりすることで疲労していく。疲労が進展していくとケーブルに断線などの不具合が発生し、ロボットの停止につながる恐れがある。そのため、ケーブルの寿命を予測し、適切な時期に交換することが重要である。

ロボットを構成するベアリングや減速機等の部品の寿命予測について、例えば特許文献１〜３には、ロボットが動作する際に負荷を受ける部品の寿命を負荷の履歴に基づいて計算する技術が開示されている。これらの従来技術においては、ベアリングや減速機等について既に確立されている寿命を計算する方法（計算式）を用いている。

一方で、ロボットに配線されるケーブルの寿命予測については、その寿命計算方法が確立されておらず、現場では、特許文献４〜６に開示されるような、断線等の異常を事前に予想するための断線検知線を使用する方法や、特許文献７に開示されるような、ケーブルの抵抗値を測定する方法が用いられている。

特開２０１７−１１９３２０号公報 特開２０１３−１４４３４９号公報 特開平０９−０８１２１５号公報 特開２００２−０５６７２６号公報 特許第４９６７４４２号公報 特許第５５０７１５２号公報 特許第４５８５９２９号公報

しかしながら、上記したケーブルの異常を検知する従来技術では、断線を検知するための機器や、抵抗値を測定するための機器などが必要になるため、費用や手間がかかるという課題がある。また、上記したロボットの部品の寿命を予測する技術をケーブルに対して適用しようとしても、どのようにすればケーブルの寿命を適切に予測できるのか、その方法論が確立しておらず、これら技術を単純にケーブルの寿命予測に用いることは困難である。

そこで本発明の目的は、ロボットの関節部分に配線されたケーブルの寿命予測を正確に行うことが可能な寿命予測装置を提供することである。

本発明では、ロボットの動作履歴に基づいてケーブルの疲労度を推測する技術を提案する。一般に、多関節ロボットの決められた固定位置に、決められた長さで配線されているケーブルにおいては、個体ごとのケーブルの取り回しのばらつきが小さいため、各軸の位置（関節の回転角）や速度といった、エンコーダ情報からケーブルの挙動を推測することができる。そこで、本発明の寿命予測装置は、エンコーダ情報の履歴から、ケーブルの疲労度を推定し、事前に実施した耐久試験の結果と比較することで残存寿命を推測する。

そして、本発明の一態様は、ロボットの少なくとも１つの関節部を越えて配線されたケーブルの寿命を予測する寿命予測装置において、前記関節部を動かすアクチュエータのエンコーダ情報に基づいて前記ケーブルの疲労度を推定する疲労度推定部、を備えた寿命予測装置である。

本発明により、ケーブルの寿命を予測するための検知器等の構成を不要とし、費用、手間を低減させることができる。

第１の実施形態による寿命予測装置の要部を示す概略的なハードウェア構成図である。 第１の実施形態による寿命予測装置の概略的な機能ブロック図である。 位置重み係数Ｋ１（θ）を例示する図である。 関節を動かすモータ位置とケーブルの捩り量や曲げ量の関係を説明する図である。 ケーブルの疲労度の推定方法について説明する図である。 第２の実施形態による寿命予測装置の要部を示す概略的なハードウェア構成図である。 第２の実施形態による寿命予測装置の概略的な機能ブロック図である。 ロボットの関節を越えて配線されたケーブルを例示する図である。

以下に本発明を実現するための寿命予測装置の構成例を示す。
図１は、本発明の第１の実施形態による寿命予測装置の要部を示す概略的なハードウェア構成図である。本発明の寿命予測装置１は、例えばロボット６０の制御装置として実装することが出来る。また、本発明の寿命予測装置１は、例えばロボット６０の制御装置とネットワーク等を介して接続されたホストコンピュータ、セルコンピュータ、クラウドサーバ等として実装することも出来る。

本実施形態による寿命予測装置１が備えるＣＰＵ１１は、寿命予測装置１を全体的に制御するプロセッサである。ＣＰＵ１１は、ＲＯＭ１２に格納されたシステム・プログラムをバス２０を介して読み出し、該システム・プログラムに従って寿命予測装置１全体を制御する。ＲＡＭ１３には一時的な計算データや表示データ及び後述する表示器／ＭＤＩユニット７０を介してオペレータが入力した各種データ等が格納される。

不揮発性メモリ１４は、例えば図示しないバッテリでバックアップされるなどして、寿命予測装置１の電源がオフされても記憶状態が保持されるメモリとして構成される。不揮発性メモリ１４には、インタフェース１５を介して読み込まれた制御プログラムや後述する表示器／ＭＤＩユニット７０を介して入力されたロボット６０の制御プログラムに加えて、ケーブルの寿命予測に用いられる係数等のデータが予め記憶されている。不揮発性メモリ１４には更に、制御プログラムを運転するために用いられるシステム・プログラム等が記憶されるが、これらプログラムは実行時にはＲＡＭ１３に展開される。また、ＲＯＭ１２には、制御プログラムの作成及び編集のために必要とされる編集モードの処理などを実行するための各種のシステム・プログラム（ケーブルの寿命予測機能のためのシステム・プログラムを含む）があらかじめ書き込まれている。

インタフェース１５は、寿命予測装置１とアダプタ等の外部機器７２と接続するためのインタフェースである。外部機器７２側からは制御プログラムや各種パラメータ等が読み込まれる。また、寿命予測装置１内で編集した制御プログラムは、外部機器７２を介して外部記憶手段に記憶させることができる。ＰＭＣ（プログラマブル・マシン・コントローラ）１６は、寿命予測装置１に内蔵されたシーケンス・プログラムでロボット６０の周辺装置（例えば、工具交換用のロボットハンドといったアクチュエータ）にＩ／Ｏユニット１７を介して信号を出力し制御する。また、ロボット６０の本体に配備された操作盤の各種スイッチ等の信号を受け、必要な信号処理をした後、ＣＰＵ１１に渡す。

表示器／ＭＤＩユニット７０はディスプレイやキーボード等を備えた手動データ入力装置であり、インタフェース１８は表示器／ＭＤＩユニット７０のキーボードからの指令，データを受けてＣＰＵ１１に渡す。インタフェース１９は各軸を手動で駆動させる際に用いる手動パルス発生器等を備えた操作盤７１に接続されている。

ロボット６０の各関節を動かすアクチュエータとしてのモータ５０を制御するための軸制御回路３０はＣＰＵ１１からの軸の移動指令量（回転量）を受けて、軸の指令をサーボアンプ４０に出力する。サーボアンプ４０はこの指令を受けて、ロボット６０が備えるモータ５０を駆動する。アクチュエータとしてのモータ５０は位置・速度を検出するエンコーダを内蔵し、このエンコーダからの位置・速度をフィードバックするエンコーダ情報を軸制御回路３０にフィードバックし、位置・速度のフィードバック制御を行う。なお、図１のハードウェア構成図では軸制御回路３０、サーボアンプ４０、モータ５０は１つずつしか示されていないが、実際には制御対象となるロボット６０に備えられた関節の数（例えば６つ）だけ用意される。

図２は、寿命予測機能を実現するためのシステム・プログラムを図１で示した寿命予測装置１に実装した場合の、本発明の一実施形態による寿命予測装置の概略的な機能ブロック図である。図２に示した各機能ブロックは、図１に示した寿命予測装置１が備えるＣＰＵ１１が、寿命予測機能のシステム・プログラムを実行し、寿命予測装置１の各部の動作を制御することにより実現される。本実施形態の寿命予測装置１は、制御プログラム２００に基づいてロボット６０を制御するロボット制御部１００、ロボット制御部１００から受けたロボット６０の各関節を動かすモータ５０からフィードバックされたエンコーダ情報に基づいてロボット６０の各関節に渡って配線されたケーブルの疲労度を推定する疲労度推定部１１０、疲労度推定部１１０が推定したケーブルの疲労度と、該ケーブルの耐久力を示す許容値とに基づいて、該ケーブルの寿命を予測する寿命予測部１２０を備える。

ロボット制御部１００は、制御プログラム２００に基づいてロボット６０の各関節を動かすモータ５０を制御すると共に、各モータ５０からフィードバックされたエンコーダ情報を疲労度推定部１１０へと出力する。各モータ５０からフィードバックされるエンコーダ情報には、該モータ５０の位置や速度に係る情報が含まれている。

疲労度推定部１１０は、ロボット制御部１００から受けたロボット６０の各関節を動かすモータ５０のエンコーダ情報に含まれるモータ５０の位置に基づいてケーブルの疲労度を推定する。疲労度推定部１１０は、モータ５０の位置に基づいてケーブルの疲労度を算出する際に、不揮発性メモリ１４等のメモリ上に設けられた記憶領域である疲労度係数記憶部２１０に予め記憶された位置重み係数Ｋ１（θ）を用いる。

図３は、位置重み係数Ｋ１（θ）の例を説明する図である。位置重み係数Ｋ１（θ）は、ロボットの関節を動かすモータ５０が位置θにある場合においてケーブルに加わる捩り量や曲げ量の大きさを表す係数であり、図３に例示されるように、位置重み係数Ｋ１（θ）は、ロボットの関節を動かすモータ５０の位置θ（回転角）に応じて変化する。図３に示した例では、ロボットの関節を動かすモータ５０の位置を５つの領域ａ〜ｅに分けた上で、それぞれのモータ５０の位置の領域における位置重み係数Ｋ１_a〜Ｋ１_eとしている。位置重み係数Ｋ１（θ）は、このようにモータ５０の位置θに対して段階的な値を返す関数として設定しても良いが、これに限られるものではなく、モータ５０の位置θに対して連続的に変化する値を返す関数として設定しても良い。

位置重み係数Ｋ１（θ）は、予めロボットにケーブルを配線した状態で関節をストローク動作させるケーブル耐久試験等を行うことで決定する。例えば図３に例示するように、ロボットの関節を動かすモータ５０の位置θ（回転角）に応じて段階的な値を返す関数として定義する場合には、ロボットの各関節に対するフルストローク試験のほかに領域ａ〜ｅのそれぞれで局所的なケーブル耐久試験を行うことにより、例えば領域ｃにおける位置重み係数を基準（例えば１）とした相対的な値を返す関数として位置重み係数Ｋ１（θ）を求めることが出来る。このようにして実験により求めた位置重み係数Ｋ１（θ）は、寿命予測装置１のメモリ上に設けられた記憶領域である疲労度係数記憶部２１０に記憶され、疲労度推定部１１０により利用される。

なお、位置重み係数Ｋ１（θ）は、ロボット６０の関節毎に用意する。これはロボット６０の各関節のストロークリミットや移動速度、各関節を越えるケーブルの配線取り回し等が異なる為である。例えば、図４に例示するように、関節Ａのようなケーブルの配線がされている場合、関節を動かすモータ５０の位置θが０°である時にケーブルに加わる捩り量や曲げ量は最も小さくなるため位置重み係数Ｋ１（θ）は小さい値となるが、位置θを＋９０°又は−９０°とした時にケーブルに加わる捩り量や曲げ量は、位置θが０°の時の捩り量や曲げ量よりも大きくなるため、位置重み係数Ｋ１（θ）も大きな値となる。一方で、図４に例示する関節Ｂのようなケーブルの配線がされている場合、関節を動かすモータ５０の位置θが０°である時よりも、位置θが＋９０°とした時の方がケーブルに加わる捩り量や曲げ量が小さくなるため位置重み係数Ｋ１（θ）は小さい値となる。このように、各関節の状態（特に、ケーブルの配線状態）によって位置重み係数Ｋ１（θ）は異なるため、位置重み係数Ｋ１（θ）は、ロボット６０の関節毎に用意する必要がある。

疲労度推定部１１０は、ロボット６０の関節毎にケーブルの疲労度を推定する。より具体的には、疲労度推定部１１０は、図５に示すように、各関節の単位時間Δｔ当たりのモータ５０の移動量Δθ（角度変位）の絶対値に対して、モータ５０の当該位置における位置重み係数Ｋ１（θ）を掛けた値をケーブルの使用開始時点から積算することにより、当該関節におけるケーブルの疲労度を推定し（数１式）、推定したケーブルの疲労度を寿命予測部１２０へと出力する。

寿命予測部１２０は、疲労度推定部１１０から入力されたケーブルの疲労度と、許容値記憶部２２０に予め記憶されている該ケーブルの耐久力を示す許容値Ｃとに基づいて、該ケーブルの寿命をロボット６０の関節毎に予測する。許容値記憶部２２０に記憶されているケーブルの耐久力を示す許容値Ｃは、予めケーブルの耐久試験等を行った上で、位置重み係数Ｋ１（θ）を考慮した値として決定しておく。寿命予測部１２０は、ケーブルの疲労度と許容値Ｃに基づいて、以下の数２式を用いることでケーブルの寿命を算出する。

寿命予測部１２０は、作業者からの要求に応じて予測したロボット６０の関節毎のケーブルの寿命を表示器／ＭＤＩユニット７０に表示するようにしても良い。また、寿命予測部１２０は、ロボット６０の各関節の内でケーブルの寿命が予め定めた所定の閾値（例えば９０％）を超えたものが有った場合に、警報を鳴らしたり、表示器／ＭＤＩユニット７０にケーブルの交換時期が来ている旨を表示したりするようにしても良い。

本実施形態の寿命予測部１２０の変形例として、疲労度推定部１１０は、モータ５０の位置に加えて、エンコーダ情報に含まれるモータ５０の動作速度を用いてケーブルの疲労度を算出するようにしても良い。このようにする場合、疲労度推定部１１０は、不揮発性メモリ１４等のメモリ上に設けられた記憶領域である疲労度係数記憶部２１０に予め記憶された速度重み係数Ｋ２（ω）を用いる。

速度重み係数Ｋ２（ω）は、ロボットの関節を動かすモータ５０が速度ωで動いた場合においてケーブルに加わる捩り量や曲げ量の変化の大きさを表す係数であり、ロボットの関節を動かすモータ５０の速度ω（角速度）に応じて変化する。一般に、ロボットの関節を越えて配線されたケーブルは、該ケーブルに加わる捩り量や曲げ量の単位時間当たりの変化の大きさが大きくなるほど疲労が激しくなる傾向にある。そこで、ロボットの関節を動かすモータ５０の速度ω（角速度）が大きくなるほど高い値を示す速度重み係数Ｋ２（ω）を定義し、このように定義した速度重み係数Ｋ２（ω）を用いることで、より精度が高い疲労度の推定が出来るようになる。速度重み係数Ｋ２（ω）は、位置重み係数Ｋ１（θ）と同様に、モータ５０の速度ωに対して段階的な値を返す関数として設定しても良いし、モータ５０の速度ωに対して連続的に変化する値を返す関数として設定しても良い。

速度重み係数Ｋ２（ω）は、位置重み係数Ｋ１（θ）と同様に、予めロボットにケーブルを配線した状態で関節を所定の速度でストローク動作させるケーブル耐久試験等を行うことで決定する。このようにして実験により求めた速度重み係数Ｋ２（ω）は、寿命予測装置１のメモリ上に設けられた記憶領域である疲労度係数記憶部２１０に記憶され、疲労度推定部１１０により利用される。

疲労度推定部１１０は、ロボット６０の関節を動かすモータ５０の位置と速度の両方を用いてケーブルの疲労度を推定する場合、エンコーダ情報に含まれる位置及び速度に基づいて、以下の数３式を用いてケーブルの疲労度を推定する。

上記した変形例によれば、ロボット６０の関節を越えて配線されたケーブルの寿命を、該関節を動かすアクチュエータとしてのモータ５０の位置及び速度に基づいて予測するため、より精度の高いケーブルの寿命予測が可能となる。

図６は、本発明の第２の実施形態による寿命予測装置の要部を示す概略的なハードウェア構成図である。本実施形態の寿命予測装置１は、例えば複数の同型のロボット６０の制御装置とネットワーク等を介して接続されたホストコンピュータ、セルコンピュータ、クラウドサーバ等として実装することが出来る。寿命予測装置１が備えるＣＰＵ１１、ＲＯＭ１２、ＲＡＭ１３、不揮発性メモリ１４の基本的な機能については、図１で説明したものと同様である。

本実施形態による寿命予測装置１は、ネットワークを介して接続されたロボットの制御装置から収集したデータをインタフェース２２を介して受け取り、受け取ったデータに基づいて位置重み係数Ｋ１（θ）、ケーブルの許容値Ｃを推定する機能を備える。寿命予測装置１は、ロボットの制御装置から収集したデータに基づいて位置重み係数Ｋ１（θ）、ケーブルの許容値Ｃを推定する機械学習装置３００を備える。

インタフェース２１は、寿命予測装置１と機械学習装置３００とを接続するためのインタフェースである。機械学習装置３００は、機械学習装置３００全体を統御するプロセッサ３０１と、システム・プログラム等を記憶したＲＯＭ３０２、機械学習に係る各処理における一時的な記憶を行うためのＲＡＭ３０３、及び学習モデル等の記憶に用いられる不揮発性メモリ３０４を備える。機械学習装置３００は、インタフェース２１を介して寿命予測装置１で取得可能な各情報（ロボットの制御装置から収集したデータ等）を観測することができる。また、寿命予測装置１は、機械学習装置３００から出力される、位置重み係数Ｋ１（θ）、ケーブルの許容値Ｃの推定値を受けて、後述する疲労度係数記憶部２１０に記憶される位置重み係数Ｋ１（θ）、及び後述する許容値記憶部２２０に記憶されるケーブルの許容値Ｃを更新する

図７は、本実施形態による寿命予測装置１と機械学習装置３００の概略的な機能ブロック図である。図７に示した各機能ブロックは、図６に示した寿命予測装置１が備えるＣＰＵ１１、及び機械学習装置３００のプロセッサ３０１が、それぞれのシステム・プログラムを実行し、寿命予測装置１及び機械学習装置３００の各部の動作を制御することにより実現される。

本実施形態の寿命予測装置１は、データ取得部１３０がロボット６０の制御装置からネットワークを介して取得したロボット６０の各関節のモータ５０のエンコーダ情報に基づいて、第１の実施形態と同様にケーブルの寿命予測を行い、その予測結果をネットワーク介してロボット６０の制御装置へと送信する。また、本実施形態の寿命予測装置１は、データ取得部１３０が複数のロボット６０の制御装置から取得したロボット６０の各関節のモータ５０のエンコーダ情報の履歴と、実際にケーブルが寿命に達して交換された時刻情報とに基づいて、位置重み係数Ｋ１（θ）乃至ケーブルの許容値Ｃの学習を行う一方で、学習結果に基づいて位置重み係数Ｋ１（θ）乃至ケーブルの許容値Ｃの推定を行い、推定結果に基づいて疲労度係数記憶部２１０に記憶された位置重み係数Ｋ１（θ）乃至許容値記憶部２２０に記憶されたケーブルの許容値Ｃを更新する。

本実施形態の寿命予測装置１が備えるデータ取得部１３０は、ネットワークを介して同型のロボット６０の制御装置からロボット６０の各関節のモータ５０のエンコーダ情報を取得し、疲労度推定部１１０へと出力する。また、データ取得部１３０は、複数のロボット６０の制御装置から取得したロボット６０の各関節のモータ５０のエンコーダ情報を不揮発性メモリ１４等のメモリ上に履歴として蓄積すると共に、それぞれのロボット６０におけるケーブルの交換に係るメンテナンス情報（一般に、メンテナンスを行う作業者がロボット６０の制御装置に入力する）を取得して不揮発性メモリ１４等のメモリ上に記憶する。そして、メモリ上に蓄積した複数のロボット６０の制御装置から取得したエンコーダ情報の履歴とケーブルのメンテナンス情報を機械学習装置３００へと出力する。

一方、寿命予測装置１が備える機械学習装置３００は、ロボット６０の各関節のモータ５０の稼働状態に対する、ケーブルの疲労度の推定に用いられる位置重み係数Ｋ１（θ）乃至ケーブルの寿命予測に用いられるケーブルの許容値Ｃの推定を、いわゆる機械学習により自ら学習するためのソフトウェア（学習アルゴリズム等）及びハードウェア（プロセッサ３０１等）を含む。本実施形態の機械学習装置３００では、予め耐久試験等の結果に基づいて暫定的に定められた位置重み係数Ｋ１（θ）乃至ケーブルの寿命予測に用いられるケーブルの許容値Ｃの推定を学習しておく。そして、実際に現場で使用されているロボット６０のモータ５０の稼動状態の履歴に基づいて位置重み係数Ｋ１（θ）乃至ケーブルの寿命予測に用いられるケーブルの許容値Ｃの推定を行い、また、実際に現場で使用されているロボット６０のモータ５０の稼動状態の履歴と、現場でのメンテナンス作業により得られたケーブルの寿命（ケーブルの交換時に当該ケーブルが寿命に達したと見なせばよい）とに基づいて、位置重み係数Ｋ１（θ）乃至ケーブルの寿命予測に用いられるケーブルの許容値Ｃの推定を学習する（即ち、既に学習されている位置重み係数Ｋ１（θ）乃至ケーブルの寿命予測に用いられるケーブルの許容値Ｃの推定の誤差を修正する）。本実施形態の機械学習装置３００では、位置重み係数Ｋ１（θ）の推定及び学習を行う機械学習装置として用いる場合には、ケーブルの寿命予測に用いられるケーブルの許容値Ｃについては最初に暫定的に定められた値を決定値として扱い、また、ケーブルの寿命予測に用いられるケーブルの許容値Ｃの推定及び学習を行う機械学習装置として用いる場合には、位置重み係数Ｋ１（θ）については最初に暫定的に定められた値を決定値として扱う。寿命予測装置１が備える機械学習装置３００が学習するものは、ロボット６０の各関節の稼働状態と、位置重み係数Ｋ１（θ）乃至ケーブルの許容値Ｃとの、相関性を表すモデル構造に相当する。

図７に機能ブロックで示すように、寿命予測装置１が備える機械学習装置３００は、ロボット６０の各関節のモータ５０の稼働状態を示す稼働状態データＳ１を含む環境の現在状態を表す状態変数Ｓとして観測する状態観測部３０６と、ロボット６０の各関節のモータ５０の稼働状態及びロボット６０におけるケーブルの交換に係るメンテナンス情報とから概算される位置重み係数データＬ１乃至ケーブル許容値データＬ２のいずれかを含むラベルデータＬを取得するラベルデータ取得部３０８と、状態変数ＳとラベルデータＬとを用いて、ロボット６０の各関節のモータ５０の稼働状態に対する、位置重み係数Ｋ１（θ）乃至ケーブルの許容値Ｃの推定を学習する学習部３１０と、学習部３１０による学習済みモデルを用いてロボット６０の各関節のモータ５０の稼働状態から推定した位置重み係数Ｋ１（θ）乃至ケーブルの許容値Ｃを出力する推定結果出力部３２２と、を備える。

状態観測部３０６が観測する状態変数Ｓのうち、稼働状態データＳ１は、例えばロボット６０の各関節のモータ５０の位置を、図３に例示したように予め複数の領域へと分割した場合における、それぞれの領域での移動量の積算値としてとして取得することができる。ロボット６０の各関節のモータ５０の位置を分割する領域はどのように分割しても良いが、推定する位置重み係数Ｋ１(θ)の細かさに合わせて領域を分割し、分割した領域毎に当該領域でのモータ５０の移動量の積算値を取得するようにすれば良い。また、位置重み係数Ｋ１(θ)がモータ５０の位置θに対して連続値を返す関数である場合には、ある程度以上の細かさ（例えば５°毎）に領域を分割し、分割した領域毎に当該領域でのモータ５０の移動量の積算値を取得するようにすれば良い。

ラベルデータ取得部３０８は、学習部３１０の学習時において、ラベルデータＬとして、ロボット６０の各関節のモータ５０の稼働状態及びロボット６０におけるケーブルを使い始めてから交換するまでの期間とから概算される位置重み係数データＬ１乃至ケーブル許容値データＬ２をデータ取得部１３０から取得する。ラベルデータ取得部３０８は、学習部３１０による学習時において利用されるものであり、学習部３１０による学習が完了した後は機械学習装置３００の必須の構成とする必要は無い。

学習部３１０は、機械学習と総称される任意の学習アルゴリズムに従い、状態変数Ｓ（ロボット６０の各関節のモータ５０の稼働状態を示す稼働状態データＳ１）に対するラベルデータＬ（位置重み係数データＬ１乃至ケーブル許容値データＬ２）を学習する。学習部３１０は、例えば状態変数Ｓに含まれる稼働状態データＳ１と、ラベルデータＬに含まれる位置重み係数データＬ１乃至ケーブル許容値データＬ２との相関性を学習することができる。学習部３１０は、状態変数ＳとラベルデータＬとを含むデータ集合に基づく学習を反復実行することができる。

学習部３１０による学習においては、複数の同型のロボット６０の制御装置から取得したデータに基づいた複数の学習サイクルを実行することが望ましい。このような学習サイクルを繰り返すことにより、学習部３１０は、ロボット６０の各関節の稼働状態（稼働状態データＳ１）と、ケーブルの疲労度の推定に用いる係数又は寿命の予測に用いるケーブル許容値（位置重み係数データＬ１乃至ケーブル許容値データＬ２）との相関性を自動的に解釈する。学習アルゴリズムの開始時には稼働状態データＳ１に対する位置重み係数データＬ１乃至ケーブル許容値データＬ２の相関性は実質的に未知であるが、学習部３１０が学習を進めるに従い徐々に稼働状態データＳ１に対する位置重み係数データＬ１乃至ケーブル許容値データＬ２との関係を徐々に解釈し、その結果として得られた学習済みモデルを用いることで稼働状態データＳ１に対する位置重み係数データＬ１乃至ケーブル許容値データＬ２の相関性を解釈可能になる。

推定結果出力部３２２は、学習部３１０が学習した結果（学習済みモデル）に基づいて、ロボット６０の制御装置から得られたロボット６０の各関節の稼働状態からケーブルの疲労度の推定に用いる係数又は寿命の予測に用いるケーブル許容値を推定し、推定したケーブルの疲労度の推定に用いる係数又は寿命の予測に用いるケーブル許容値を出力する。
そして、更新部１４０は、推定結果出力部３２２が出力したケーブルの疲労度の推定に用いる係数又は寿命の予測に用いるケーブル許容値に基づいて、疲労度係数記憶部２１０に記憶された位置重み係数Ｋ１（θ）乃至許容値記憶部２２０に記憶されたケーブルの許容値Ｃを更新する。

上記構成を有する機械学習装置３００では、学習部３１０が実行する学習アルゴリズムは特に限定されず、機械学習として公知の学習アルゴリズムを採用できる。

以上、本発明の実施の形態について説明したが、本発明は上述した実施の形態の例のみに限定されることなく、適宜の変更を加えることにより様々な態様で実施することができる。

１ 寿命予測装置
１１ ＣＰＵ
１２ ＲＯＭ
１３ ＲＡＭ
１４ 不揮発性メモリ
１５，１８，１９，２１，２２ インタフェース
１６ ＰＭＣ
１７ Ｉ／Ｏユニット
２０ バス
３０ 軸制御回路
４０ サーボアンプ
５０ モータ
６０ ロボット
７０ 表示器／ＭＤＩユニット
７１ 操作盤
７２ 外部機器
１００ ロボット制御部
１１０ 疲労度推定部
１２０ 寿命予測部
１３０ データ取得部
１４０ 更新部
２００ 制御プログラム
２１０ 疲労度係数記憶部
２２０ 許容値記憶部
３００ 機械学習装置
３０１ プロセッサ
３０２ ＲＯＭ
３０３ ＲＡＭ
３０４ 不揮発性メモリ
３０６ 状態観測部
３０８ ラベルデータ取得部
３１０ 学習部
３２２ 推定結果出力部

Claims (6)

1. ロボットの少なくとも１つの関節部を越えて配線されたケーブルの寿命を予測する寿命予測装置において、
   前記関節部を動かすアクチュエータのエンコーダ情報に基づいて前記ケーブルの疲労度を推定する疲労度推定部、
   を備えた寿命予測装置。
2. 前記エンコーダ情報は、前記アクチュエータの位置を含み、
   前記疲労度推定部は、前記アクチュエータの位置に応じて設定された第１の重み係数を用いて前記ケーブルの疲労度を推定する、
   請求項１に記載された寿命予測装置。
3. 前記エンコーダ情報は、前記アクチュエータの速度を更に含み、
   前記疲労度推定部は、前記アクチュエータの速度に応じて設定された第２の重み係数を更に用いて前記ケーブルの疲労度を推定する、
   請求項２に記載された寿命予測装置。
4. 前記疲労度推定部が推定した前記ケーブルの疲労度と、事前に決定された前記ケーブルの許容値とに基づいて、前記ケーブルの寿命を予測する寿命予測部を更に備える、
   請求項１〜３のいずれか１つに記載の寿命予測装置。
5. 前記第１の重み係数を推定する機械学習装置を更に備える、
   請求項２に記載の寿命予測装置。
6. 前記ケーブルの許容値を推定する機械学習装置を更に備える、
   請求項４に記載の寿命予測装置。