JP2021125266A - 状態推定装置、システム、及び製造方法 - Google Patents

Abstract

【課題】センサ値に基づいて作業機械を制御する機械制御段階と、センサ値に基づいてセンサの状態を推定する状態推定段階とを備える状態推定装置を提供する。
【解決手段】作業機械２０による作業に関連するセンサ値を出力するセンサ３０から取得したセンサ値に基づいて作業機械２０を制御する機械制御部と、センサ値に基づいてセンサの状態を推定する状態推定部とを備える状態推定装置を提供する。また、状態推定装置と、作業機械２０と、センサ３０とを備えるシステムを提供する。また、作業機械２０によって被製造物を製造する製造方法であって、作業機械２０による被製造物に対する作業に関連するセンサ値を出力するセンサ３０から取得したセンサ値に基づいて作業機械２０を制御する機械制御段階と、センサ値に基づいてセンサ３０の状態を推定する状態推定段階とを備える製造方法を提供する。
【選択図】図１

Description

本発明は、状態推定装置、システム、及び製造方法に関する。

作業機械又は周囲環境の状態を検出するセンサからの出力データに基づいて、作業機械が故障しているか否かを判定する技術が知られていた（例えば、特許文献１参照）。
［先行技術文献］
［特許文献］
［特許文献１］特開２０１７−０３３５２６号公報

本発明の第１の態様によれば、状態推定装置が提供される。状態推定装置は、作業機械による作業に関連するセンサ値を出力するセンサから取得したセンサ値に基づいて作業機械を制御する機械制御部を備えてよい。状態推定装置は、センサ値に基づいてセンサの状態を推定する状態推定部を備えてよい。

上記状態推定部は、上記機械制御部が上記作業機械に上記センサの状態を推定するための動作として予め定められた動作を行わせている間に上記センサが出力した上記センサ値に基づいて上記センサの状態を推定してよい。上記機械制御部は、上記センサ値に基づいて上記作業機械の状態を推定してよい。上記状態推定装置は、上記作業機械の状態と上記センサの状態とを合わせて通知する通知処理を実行する機械状態通知部を備えてよい。上記状態推定部は、上記センサ値に基づいて上記センサの信頼度を推定してよい。上記機械状態通知部は、上記作業機械の状態と上記センサの信頼度とを合わせて通知する通知処理を実行してよい。上記機械状態通知部は、上記センサの信頼度に基づいて、上記作業機械による複数の作業を含む一連の作業の成功率と、上記作業機械の状態及び上記センサの信頼度とを合わせて通知する通知処理を実行してよい。

上記状態推定部は、上記センサ値に基づく上記作業機械による複数の作業のうちの、上記センサ値が異常を示す条件を満たした作業に基づいて、上記センサが異常状態であるか否かを推定してよい。上記状態推定部は、上記センサ値に基づく上記作業機械による上記複数の作業のうちの、上記センサ値が異常を示す条件を満たした作業の割合に基づいて、上記センサが異常状態であるか否かを推定してよい。上記状態推定部は、上記センサ値に基づく上記作業機械による上記複数の作業のうちの、上記センサ値が異常を示す条件を満たした作業の組み合わせに基づいて、上記センサが異常状態であるか否かを推定してよい。上記状態推定部は、上記センサ値に基づく上記作業機械による複数の作業のうち、予め定められた期間内に、複数の作業において、上記センサ値が異常を示す条件を満たした場合に、上記センサが異常状態であると推定してよい。

上記状態推定装置は、上記状態推定部によって上記センサが異常状態であると推定された場合に、推定結果と、上記センサ値が異常を示す条件を満たした作業を示す情報とを通知する通知処理を実行するセンサ状態通知部を備えてよい。上記状態推定装置は、上記センサが異常状態であると上記状態推定部が推定した根拠を示す根拠情報と、推定結果の正解率とを対応付けて格納する正解率格納部を備えてよい。上記状態推定部は、上記センサ値に基づく上記作業機械による複数の作業のうちの、上記センサ値が異常を示す条件を満たした作業と、上記根拠情報及び上記正解率とに基づいて、上記センサが異常状態であるか否かを推定してよい。上記状態推定部は、上記センサ値に基づく上記作業機械による上記複数の作業を含む一連の作業の成功率と、上記複数の作業のうちの上記センサ値が異常を示す条件を満たした作業とに基づいて、上記センサが異常状態であるか否かを推定してよい。

上記状態推定部は、複数の作業のそれぞれについて、上記作業機械が作業を行っているときの上記センサの出力に基づく作業センサ値と、上記複数の作業のそれぞれに対応付けて予め格納されている格納センサ値との差が予め定められた閾値より多い場合に、上記作業が異常を示す条件を満たすと判定してよい。上記状態推定装置は、上記センサの出力に基づく上記作業センサ値の履歴を格納する履歴格納部を備えてよい。上記状態推定部は、上記作業センサ値に基づく上記作業機械による複数の作業のうち、複数の作業において、上記格納センサ値と上記作業センサ値との差が時系列に増加している場合に、増加率に基づいて上記センサの故障時期を推定してよい。上記状態推定部は、上記作業センサ値が異常を示す条件を満たした複数の作業における、上記作業センサ値と上記格納センサ値との差の対比に基づいて、上記センサの異常の種類を推定してよい。上記状態推定装置は、上記状態推定部によって上記センサが異常状態であると推定された場合に、上記作業センサ値と上記格納センサ値との差に応じた通知処理を実行する異常通知部を備えてよい。上記状態推定装置は、上記センサの出力に基づく上記作業センサ値の履歴を格納する履歴格納部を備えてよく、上記状態推定部は、上記作業機械による複数の作業において、上記格納センサ値と上記作業センサ値との差が増加している場合に、増加の傾向に基づいて上記センサの故障時期を推定してよい。記状態推定部は、上記センサの上記増加の傾向と、上記センサと同種の他のセンサにおける上記格納センサ値と上記作業センサ値との差の増加の傾向と当該他のセンサの故障時期とを対応付けた対応付けデータとに基づいて、上記センサの故障時期を推定してよい。上記状態推定部は、上記センサから取得した上記センサ値と、上記センサから過去に取得して格納していた上記センサ値とに基づいて、上記センサが異常状態であるか否を推定してよい。上記機械制御部は、上記作業機械が実行する少なくとも１つの作業について、当該作業を上記作業機械に実行させるべく、複数のセンサによって出力されるセンサ値に基づいて上記作業機械を制御してよく、上記状態推定部は、上記複数のセンサのそれぞれのセンサ値に基づいて、上記複数のセンサのそれぞれの状態を推定してよい。上記状態推定装置は、上記作業機械とは異なる作業機械による作業に関連する他のセンサ値を出力する他のセンサの上記他のセンサ値を取得するセンサ値取得部を備えてよく、上記状態推定部は、上記センサ値と上記他のセンサ値とに基づいて、上記センサの状態を推定してよい。

本発明の第２の態様によれば、上記状態推定装置を備えるシステムが提供される。システムは、上記作業機械を備えてよい。システムは、上記センサを備えてよい。

本発明の第３の態様によれば、作業機械によって被製造物を製造する製造方法が提供される。製造方法は、作業機械による被製造物に対する作業に関連するセンサ値を出力するセンサから取得したセンサ値に基づいて作業機械を制御する機械制御段階を備えてよい。製造方法は、センサ値に基づいてセンサの状態を推定する状態推定段階を備えてよい。

なお、上記の発明の概要は、本発明の必要な特徴のすべてを列挙したものではない。また、これらの特徴群のサブコンビネーションもまた、発明となりうる。

システム１０の一例を概略的に示す。 システム１０の一例を概略的に示す。 機械制御装置１００による処理の流れの一例を概略的に示す。 推定テーブル１３０の一例を概略的に示す。 機械制御装置１００による処理の流れの一例を概略的に示す。 機械制御装置１００による処理の流れの一例を概略的に示す。 システム１０による被製造物を製造する方法の流れの一例を概略的に示す。 増加傾向データ４００の一例を概略的に示す。 システム１０の一例を概略的に示す。 システム１０の一例を概略的に示す。 機械制御装置１００又は管理サーバ５００として機能するコンピュータ１２００のハードウェア構成の一例を概略的に示す。

以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせのすべてが発明の解決手段に必須であるとは限らない。

図１は、システム１０の一例を概略的に示す。システム１０は、作業機械２０、センサ３０、及び機械制御装置１００を備える。

作業機械２０は、任意の作業を行う機械である。作業機械２０は、ロボットであってよい。作業機械２０は、例えば、ワークに対して、加工及び組立等の任意の作業を行う。ワークは、単品の部品、複数の部品が組み合わされた半製品、又は複数の部品が組み合わされた製品であってよい。作業機械２０は、被製造物を製造する製造装置であってもよい。被製造物として、作業機械２０による加工を受けるあらゆる物品が該当し得る。

センサ３０は、作業機械２０による作業に関連するセンサ値を出力する。センサ３０は、例えば、作業を行っている作業機械２０の状態を検出して、検出した状態を示すセンサ値を出力する。また、センサ３０は、例えば、作業を行っている作業機械２０の周辺環境の状態を検出して、検出した状態を示すセンサ値を出力する。

センサ３０は、作業機械２０に組み込まれているセンサであってよい。センサ３０は、作業機械２０の外部に配置されるセンサであってもよい。センサ３０は、例えば、力覚センサ、加速度センサ、歪センサ、圧力センサ、ジャイロセンサ、距離センサ、撮像センサ、温度センサ、湿度センサ、集音センサ、光量センサ、粘度センサ、流量センサ、光量センサ、及び臭気センサの少なくともいずれかを含む。

機械制御装置１００は、作業機械２０を制御する。機械制御装置１００は、センサ３０から取得したセンサ値に基づいて作業機械２０を制御してよい。センサ値に基づいて作業機械２０を制御することは、センサ値から導出した導出値に基づいて作業機械２０を制御することを含んでよい。導出値は、例えば、センサ値に対してフィルタ等の処理を施した値であってよい。機械制御装置１００と作業機械２０との接続形態は、有線接続であっても無線接続であってもよい。機械制御装置１００とセンサ３０との接続形態も、有線接続であっても無線接続であってもよい。センサ３０が作業機械２０に組み込まれている場合、機械制御装置１００は、センサ３０によって出力されたセンサ値を機械制御装置１００から受信してよい。

従来のシステムでは、センサ値が異常を示す場合に作業機械に異常が発生したと判定して、管理者等に通知していた。ここで、センサ値が異常を示す原因として、作業機械に異常が発生していることのほかに、センサ自体に異常が発生していることもあり得るが、従来はその点は考慮されずに、センサ値自体は正しいことを前提として作業機械の制御が行われていた。すなわち、従来のシステムでは、実際の状態を正確に把握することが困難な場合があった。

本実施形態に係る機械制御装置１００は、センサ３０から取得したセンサ値に基づいて作業機械２０を制御しつつ、センサ値に基づいてセンサ３０の状態を推定する。これにより、作業機械２０を制御しつつ、作業機械２０を制御するもととなるセンサ値を出力するセンサ３０の状態を把握可能にできる。センサ値に基づいてセンサ３０の状態を推定することは、センサ値から導出した導出値に基づいてセンサ３０の状態を推定することを含んでよい。あるいは、センサ値とはセンサからの出力値そのものに限らず適宜、フィルタなどの一次処理を経た導出値をセンサ値として用いることも許容される。

機械制御装置１００は、例えば、センサ値に基づいて、センサ３０が異常状態であるか否かを推定する。具体例として、機械制御装置１００は、センサ値に基づく作業機械２０による複数の作業のうちの、センサ値が異常を示す条件を満たした作業（異常作業と記載する場合がある。）に基づいて、センサ３０が異常状態であるか否かを推定する。機械制御装置１００は、例えば、複数の作業のうちの異常作業の割合が予め定められた割合よりも低い場合、センサ３０が異常状態ではなく、作業における外乱等が原因であると推定する。機械制御装置１００は、複数の作業のうちの異常作業の割合が予め定められた割合よりも高い場合、センサ３０が異常状態であると推定する。

例えば、複数の作業のうちの１つの作業のみにおいてセンサ３０のセンサ値が異常を示す条件を満たした場合、その作業における外乱等の影響の可能性が高いといえる。一方、複数の作業のうちの多くの作業においてセンサ３０のセンサ値が異常を示す条件を満たした場合、センサ３０そのものに異常が発生している可能性が高いといえる。機械制御装置１００によれば、そのような知見に基づく推定結果を提供することができる。

機械制御装置１００は、状態推定装置の一例であってよい。なお、作業機械２０の制御を行う機械制御装置と、状態推定装置とが別体として構成されてもよい。この場合、状態推定装置は、機械制御装置からセンサ値を取得してよい。また、状態推定装置は、取得したセンサ値に基づく指示を機械制御装置に送信することによって作業機械２０を制御してよい。

図２は、システム１０の一例を概略的に示す。図２に示すシステム１０は、機械制御装置１００、ロボット２００、及び状態検出センサ３２０を備える。

ロボット２００は、作業機械２０の一例であってよい。図２に例示するロボット２００は、篏合部材であるワーク４０を、被篏合部材であるワーク５０に篏合する篏合作業を行う。ロボット２００は、基台２１０、アーム２２０、ハンド２３０、及び力覚センサ３１０を備える。

アーム２２０は、基台２１０に設置されており、複数の構造部材を有する。構造部材の内部にはアクチュエータが配置されており、複数の構造部材のそれぞれは、連結部を関節として、アクチュエータによって回転駆動される。

ハンド２３０は、アーム２２０の先端に配置され、アーム２２０の先端の構造部材内部のアクチュエータによって回転駆動される。ハンド２３０は、把持爪２３２を有し、把持爪２３２によって、ワーク４０を把持する。

力覚センサ３１０は、アーム２２０とハンド２３０との間に配置されている。力覚センサ３１０は、検出部分に作用する、並進３軸方向の力成分と回転３軸回りのモーメント成分との合計６成分を検出可能ないわゆる６軸力覚センサであってよい。力覚センサ３１０は、センサ３０の一例であってよい。

状態検出センサ３２０は、ロボット２００の外部に配置されている。状態検出センサ３２０は、ロボット２００の状態又はロボット２００の周辺環境の状態を検出する。状態検出センサ３２０は、センサ３０の一例であってよい。

機械制御装置１００は、ロボット２００を制御する。機械制御装置１００は、機械通信部１０２、機械制御部１０４、センサ値取得部１０６、センサ値格納部１０８、状態推定部１１０、通知部１１２、出力部１１４、テストデータ格納部１１６、テストデータ登録部１１８、異常確認部１２０、及び正解率格納部１２２を備える。なお、機械制御装置１００がこれらのすべてを備えることは必須とは限らない。

機械通信部１０２は、ロボット２００と通信する。機械通信部１０２は、有線通信によってロボット２００と通信してよく、無線通信によってロボット２００と通信してもよい。

機械制御部１０４は、ロボット２００を制御する。機械制御部１０４は、機械通信部１０２を介して各種指示を送信することによってロボット２００を制御してよい。機械制御部１０４は、力覚センサ３１０によって出力されたセンサ値を、機械通信部１０２を介して取得し、センサ値に基づいてロボット２００を制御する。機械制御部１０４は、例えば、力覚センサ３１０によって出力されたセンサ値に基づいてロボット２００の状態を推定してよい。機械制御部１０４は、推定結果に基づいてロボット２００を制御してよい。

センサ値取得部１０６は、センサ値を取得する。センサ値取得部１０６は、ロボット２００に組み込まれているセンサが出力したセンサ値を、機械通信部１０２を介して取得してよい。センサ値取得部１０６は、力覚センサ３１０が出力したセンサ値を、機械通信部１０２を介して取得する。

また、センサ値取得部１０６は、状態検出センサ３２０によって出力されたセンサ値を取得する。センサ値取得部１０６は、有線通信によって状態検出センサ３２０と通信してよく、無線通信によって状態検出センサ３２０と通信してもよい。

センサ値格納部１０８は、センサ値取得部１０６が取得したセンサ値を格納する。センサ値格納部１０８は、センサ値取得部１０６が取得したセンサ値から導出した導出値を格納してよい。センサ値格納部１０８は、センサ値の履歴を格納してよい。センサ値格納部１０８は、導出値の履歴を格納してよい。センサ値格納部１０８は、履歴格納部の一例であってよい。

機械制御部１０４は、状態検出センサ３２０によって出力され、センサ値格納部１０８に格納されたセンサ値に基づいて、ロボット２００を制御してよい。機械制御部１０４は、センサ値によって示される、ロボット２００の状態及びロボット２００の周辺環境の状態の少なくともいずれかの状態に応じて、ロボット２００を制御してよい。機械制御部１０４は、状態検出センサ３２０によって出力されたセンサ値に基づいてロボット２００の状態を推定してよい。機械制御部１０４は、推定結果に基づいてロボット２００を制御してよい。

機械制御部１０４は、例えば、力覚センサ３１０によって出力されたセンサ値及び状態検出センサ３２０によって出力されたセンサ値の少なくともいずれかに基づいて、ロボット２００の状態を推定する。機械制御部１０４は、公知の技術を用いて、センサ値に基づいてロボット２００の状態を推定してよい。機械制御部１０４は、例えば、ロボット２００が正常状態であるか、異常状態であるかを推定する。また、機械制御部１０４は、ロボット２００の故障予測時期を推定してもよい。

状態推定部１１０は、力覚センサ３１０の状態を推定する。状態推定部１１０は、センサ値格納部１０８に格納されている、力覚センサ３１０によって出力されたセンサ値に基づいて、力覚センサ３１０の状態を推定してよい。状態推定部１１０は、例えば、力覚センサ３１０が異常状態であるか否かを推定する。状態推定部１１０は、例えば、力覚センサ３１０の信頼度を推定する。

状態推定部１１０は、例えば、ロボット２００が作業を行っているときに力覚センサ３１０が出力したセンサ値（作業センサ値と記載する場合がある。）と、予め格納されているセンサ値（格納センサ値と記載する場合がある。）とを比較することによって、力覚センサ３１０の状態を推定する。作業センサ値は、ロボット２００が作業を行っているときの力覚センサ３１０の出力に基づくセンサ値であってよい。作業センサ値は、ロボット２００が作業を行っているときに力覚センサ３１０が出力したセンサ出力値そのものであってよく、また、ロボット２００が作業を行っていときに力覚センサ３１０が出力したセンサ出力に何らかの加工を加えた導出した導出値であってもよい。格納センサ値は、例えば、力覚センサ３１０が正常状態であることが確認されている状況で、ロボット２００が作業を行っているときに、力覚センサ３１０が出力したセンサ値である。状態推定部１１０は、例えば、ロボット２００が作業場所に配置された後、力覚センサ３１０が正常状態であることが確認されている状況で、ロボット２００が作業を行っているときに力覚センサ３１０が出力したセンサ値を、格納センサ値として格納する。

状態推定部１１０は、例えば、時系列の作業センサ値によって構成される作業波形データと、時系列の格納センサ値によって構成される格納波形データとを比較することによって、力覚センサ３１０の状態を推定する。状態推定部１１０は、例えば、１作業中に、作業波形データと格納波形データとの差が予め定められた閾値を超えた回数が、予め定められた回数よりも多い場合に、異常状態であると推定し、少ない場合に、正常状態であると推定する。また、状態推定部１１０は、例えば、作業波形データと格納波形データとの差が大きいほど低くなるように力覚センサ３１０の信頼度を推定する。

状態推定部１１０は、機械学習を利用して力覚センサ３１０の状態を推定してもよい。状態推定部１１０は、例えば、力覚センサ３１０が正常状態であることが確認されている状況で、ロボット２００が作業を行っているときに力覚センサ３１０が出力したセンサ値群の正規分布を生成して基準データとする。そして、状態推定部１１０は、作業センサ値が基準データの正規分布から閾値以上外れている場合に、力覚センサ３１０が異常状態であると推定する。また、状態推定部１１０は、作業センサ値が基準データの正規分布から外れているほど低くなるように力覚センサ３１０の信頼度を推定する。あるいは、状態推定部１１０は、力覚センサ３１０が正常状態であることが確認されている状況で、ロボット２００が作業を行っているときに力覚センサ３１０が出力したセンサ値群に基づいた確率分布や期待値を生成して基準データとする。そして、状態推定部１１０は、作業センサ値が基準データから閾値以上外れている場合に、力覚センサ３１０が異常状態であると推定する。また、状態推定部１１０は、作業センサ値が基準データから外れているほど低くなるように力覚センサ３１０の信頼度を推定する。

状態推定部１１０は、力覚センサ３１０が正常状態であることが確認されている状況におけるセンサ値群と、力覚センサ３１０が異常状態であることが確認されている状況におけるセンサ値群とを収集して、これらに基づいて、機械学習モデルを生成してもよい。状態推定部１１０は、その他、公知の様々な機械学習アルゴリズムを利用し得る。

状態推定部１１０は、力覚センサ３１０のセンサ値に基づくロボット２００による複数の作業のうちの異常作業に基づいて、力覚センサ３１０の状態を推定してもよい。ロボット２００による複数の作業とは、複数種類の作業であってよい。例えば、複数の作業は、篏合作業におけるエアカット、突き当て、探り、及び挿入である。

状態推定部１１０は、複数の作業のそれぞれについて、作業センサ値と、複数の作業のそれぞれに対応付けて予め格納されている格納センサ値とを比較することによって、作業センサ値が異常を示す条件を満たすか否かを判定してよい。状態推定部１１０は、作業センサ値と格納センサ値との差が予め定められた閾値より多い場合に、作業センサ値が異常を示す条件を満たすと判定してよい。複数の作業毎に格納センサ値を準備することによって、作業異常を高い精度で推定することができる。

状態推定部１１０は、例えば、時系列の作業センサ値によって構成される作業波形データと、時系列の格納センサ値によって構成される格納波形データとの差が予め定められた閾値より多い場合に、作業センサ値が異常を示す条件を満たすと判定する。状態推定部１１０は、作業波形データと格納波形データとの差が予め定められた閾値を複数回にわたって超えた場合、差の平均値が予め定められた閾値より多い場合に、作業センサ値が異常を示す条件を満たすと判定してよい。

状態推定部１１０は、機械学習を利用して、作業センサ値が異常を示す条件を満たすか否かを判定してもよい。状態推定部１１０は、例えば、力覚センサ３１０が正常状態であることが確認されている状況で、ロボット２００が作業を行っているときに、力覚センサ３１０が出力したセンサ値群から生成した基準データと、作業センサ値とを比較する。そして、状態推定部１１０は、基準データと作業センサ値との差が予め定められた閾値より多い場合に、作業センサ値が異常を示す条件を満たすと判定する。状態推定部１１０は、その他、公知の様々な機械学習アルゴリズムを利用し得る。

状態推定部１１０は、例えば、力覚センサ３１０のセンサ値に基づくロボット２００による複数の作業のうちの異常作業の割合に基づいて、力覚センサ３１０が異常状態であるか否かを推定する。状態推定部１１０は、例えば、複数の作業のすべてが異常作業である場合に、力覚センサ３１０が異常状態であると推定し、それ以外の場合は、力覚センサ３１０は異常状態でないと推定する。

また、状態推定部１１０は、例えば、複数の作業のうちの異常作業の割合が予め定められた割合以上である場合に力覚センサ３１０が異常状態であると推定する。状態推定部１１０は、複数の作業のうちの異常作業の割合が予め定められた割合未満である場合、力覚センサ３１０の異常ではなく、外乱等による各作業における異常であると推定してよい。

予め定められた割合は、システム１０の管理者等によって任意に設定可能であってよい。また、状態推定部１１０が、予め定められた割合を設定してもよい。例えば、状態推定部１１０は、力覚センサ３１０が異常状態であることが確認されている状況で、ロボット２００が多数回にわたって複数の作業を行っているときに力覚センサ３１０が出力したセンサ値群を取得する。そして、状態推定部１１０は、センサ値群に基づいて、複数の作業のうちの異常作業の割合を特定し、特定した割合に基づいて、予め定められた割合を設定する。例えば、特定した割合が７割５分であった場合、状態推定部１１０は、予め定められた割合を７割に設定する。これにより、実際の状況に基づく割合を設定することができ、力覚センサ３１０の異常状態の推定精度向上に貢献できる。

状態推定部１１０は、力覚センサ３１０のセンサ値に基づくロボット２００による複数の作業のうちの異常作業の割合に基づいて、力覚センサ３１０の信頼度を推定してもよい。状態推定部１１０は、例えば、異常作業の割合が高いほど低くなるように力覚センサ３１０の信頼度を推定する。

状態推定部１１０は、力覚センサ３１０のセンサ値に基づくロボット２００による複数の作業のうち、予め定められた期間内に、複数の作業において、センサ値が異常を示す条件を満たした場合に、力覚センサ３１０が異常状態であると推定してもよい。これにより、複数の作業で同時期に異常が検出された場合には力覚センサ３１０の異常の可能性が高い、という知見に基づく推定を実行でき、推定精度向上に貢献できる。

予め定められた期間は、任意に設定可能であってよい。予め定められた期間は、ロボット２００が行う作業の種類に応じて設定されてよい。また、状態推定部１１０が、予め定められた期間を設定してもよい。例えば、状態推定部１１０は、力覚センサ３１０が異常状態であることが確認されている状況で、ロボット２００が多数回にわたって複数の作業を行っているときに力覚センサ３１０が出力したセンサ値群を取得する。そして、状態推定部１１０は、複数の作業で、センサ値が異常を示す条件を満たす期間を特定し、特定した期間に基づいて、予め定められた割合を設定する。例えば、特定した期間が４分であった場合、状態推定部１１０は、予め定められた期間を５分に設定する。

状態推定部１１０は、センサ値格納部１０８に格納されている作業センサ値の履歴に基づいて、力覚センサ３１０の状態を推定してもよい。状態推定部１１０は、作業センサ値の履歴に基づいて、力覚センサ３１０の故障時期を推定してよい。

例えば、状態推定部１１０は、力覚センサ３１０のセンサ値に基づくロボット２００による複数の作業において、作業センサ値と格納センサ値との差が時系列に増加している場合に、増加率に基づいて力覚センサ３１０の故障時期を推定する。例えば、状態推定部１１０は、作業センサ値と格納センサ値との差の増加率に基づいて、作業センサ値と格納センサ値との差の将来の増加率を推定する。そして、状態推定部１１０は、作業センサ値と格納センサ値との差が、予め定められた閾値より大きくなる時期を故障時期として推定する。

状態推定部１１０は、センサ値格納部１０８に格納されている作業導出値の履歴に基づいて、力覚センサ３１０の状態を推定してもよい。状態推定部１１０は、作業導出値の履歴と、格納センサ値から導出した格納導出値とに基づいて、力覚センサ３１０の故障時期を推定してよい。格納導出値は、格納センサ値に対してフィルタ等の処理を施した値であってよい。

例えば、状態推定部１１０は、力覚センサ３１０のセンサ値に基づくロボット２００による複数の作業において、作業導出値と格納導出値との差が時系列に増加している場合に、増加率に基づいて力覚センサ３１０の故障時期を推定する。例えば、状態推定部１１０は、作業導出値と格納導出値との差の増加率に基づいて、作業導出値と格納導出値との差の将来の増加率を推定する。そして、状態推定部１１０は、作業導出値と格納導出値との差が、予め定められた閾値より大きくなる時期を故障時期として推定する。

状態推定部１１０は、状態検出センサ３２０の状態を推定する。状態推定部１１０は、センサ値格納部１０８に格納されている、状態検出センサ３２０によって出力されたセンサ値に基づいて、状態検出センサ３２０の状態を推定してよい。状態推定部１１０は、例えば、状態検出センサ３２０が異常状態であるか否かを推定する。状態推定部１１０は、力覚センサ３１０の状態を推定する方法と同様の方法で、状態検出センサ３２０の状態を推定してよい。また、状態推定部１１０は、例えば、状態検出センサ３２０の信頼度を推定する。状態推定部１１０は、力覚センサ３１０の信頼度を推定する方法と同様の方法で、状態検出センサ３２０の信頼度を推定してよい。

通知部１１２は、機械制御部１０４によって推定されたロボット２００の状態を通知する通知処理を実行する。また、通知部１１２は、状態推定部１１０によって推定された力覚センサ３１０の状態を通知する通知処理を実行する。また、通知部１１２は、状態推定部１１０によって推定された状態検出センサ３２０の状態を通知する通知処理を実行する。

出力部１１４は、表示出力機能を有してよい。出力部１１４は、ディスプレイを含んでよい。出力部１１４は、音声出力機能を有してよい。スピーカを含んでよい。

通知部１１２は、ロボット２００の状態を出力部１１４に出力させる通知処理を実行してよい。通知部１１２は、例えば、ロボット２００の状態を出力部１１４に表示出力させる通知処理を実行する。通知部１１２は、ロボット２００の状態を出力部１１４に音声出力させる通知処理を実行してもよい。なお、通知部１１２は、機械制御装置１００の外部のディスプレイ及びスピーカ等にロボット２００の状態を出力させる通知処理を実行してもよい。

通知部１１２は、力覚センサ３１０の状態を出力部１１４に出力させる通知処理を実行してよい。通知部１１２は、例えば、力覚センサ３１０の状態を出力部１１４に表示出力させる通知処理を実行する。通知部１１２は、力覚センサ３１０の状態を出力部１１４に音声出力させる通知処理を実行してもよい。なお、通知部１１２は、機械制御装置１００の外部のディスプレイ及びスピーカ等に力覚センサ３１０の状態を出力させる通知処理を実行してもよい。

通知部１１２は、状態検出センサ３２０の状態を出力部１１４に出力させる通知処理を実行してよい。通知部１１２は、例えば、状態検出センサ３２０の状態を出力部１１４に表示出力させる通知処理を実行する。通知部１１２は、状態検出センサ３２０の状態を出力部１１４に音声出力させる通知処理を実行してもよい。なお、通知部１１２は、機械制御装置１００の外部のディスプレイ及びスピーカ等に状態検出センサ３２０の状態を出力させる通知処理を実行してもよい。

通知部１１２は、例えば、機械制御部１０４によって力覚センサ３１０のセンサ値に基づいて推定されたロボット２００の状態と、状態推定部１１０によって力覚センサ３１０のセンサ値に基づいて推定された力覚センサ３１０の状態とを合わせて通知する通知処理を実行する。また、通知部１１２は、例えば、機械制御部１０４によって状態検出センサ３２０のセンサ値に基づいて推定されたロボット２００の状態と、状態推定部１１０によって状態検出センサ３２０のセンサ値に基づいて推定された状態検出センサ３２０の状態とを合わせて通知する通知処理を実行する。通知部１１２は、機械状態通知部の一例であってよい。

通知部１１２は、例えば、ロボット２００の状態を示す文字、数値、グラフ、及び画像の少なくともいずれかと、力覚センサ３１０の状態を示す文字、数値、グラフ、及び画像の少なくともいずれかとを合わせて出力部１１４に表示出力させる。これにより、ロボット２００の状態と、そのロボット２００の状態を推定する根拠を提供した力覚センサ３１０の状態とを容易に把握可能にできる。

例えば、ロボット２００が正常状態であることのみを通知した場合、通知を受けた者はそれを信頼するしかない。しかし、ロボット２００が正常状態であり、かつ、力覚センサ３１０が異常状態であることを通知した場合、通知を受けた者は、ロボット２００が正常状態であることを疑うことができる。また、例えば、ロボット２００が異常状態であり、かつ、力覚センサ３１０が異常状態であることを通知した場合、通知を受けた者は、ロボット２００には異常がない可能性があることを把握することができる。

ロボット２００が正常状態であり、かつ、力覚センサ３１０が正常状態であることを通知した場合、ロボット２００が正常状態であることの信憑性を高めることができる。また、ロボット２００が異常状態であり、かつ、力覚センサ３１０が正常状態であることを通知した場合、ロボット２００が異常状態であることの信憑性を高めることができる。

通知部１１２は、機械制御部１０４によって力覚センサ３１０のセンサ値に基づいて推定されたロボット２００の状態と、状態推定部１１０によって力覚センサ３１０のセンサ値に基づいて推定された力覚センサ３１０の信頼度とを合わせて通知する通知処理を実行してもよい。通知部１１２は、機械制御部１０４によって状態検出センサ３２０のセンサ値に基づいて推定されたロボット２００の状態と、状態推定部１１０によって状態検出センサ３２０のセンサ値に基づいて推定された状態検出センサ３２０の信頼度とを合わせて通知する通知処理を実行してもよい。

通知部１１２は、例えば、ロボット２００の状態を示す文字、数値、グラフ、及び画像の少なくともいずれかと、力覚センサ３１０の信頼度を示す文字、数値、グラフ、及び画像の少なくともいずれかと、を合わせて、出力部１１４に表示出力させる。

また、通知部１１２は、例えば、ロボット２００の状態を示すオブジェクトを、力覚センサ３１０の信頼度に応じて変化させて、出力部１１４に表示出力させる。通知部１１２は、例えば、ロボット２００の状態を示すオブジェクトを、力覚センサ３１０の信頼度が高いほど強調して出力部１１４に表示出力させる。これにより、ロボット２００の状態の推定結果とともに、その推定結果の信憑性を把握可能にできる。

また、例えば、通知部１１２は、ロボット２００の状態を示す内容を、力覚センサ３１０の信頼度に応じて変更して出力部１１４に表示出力させる。具体例として、ロボット２００の故障予測結果が６０日後である場合に、通知部１１２は、力覚センサ３１０の信頼度が低いほど多い日にちを６０日に加算又は減算した日数を、ロボット２００の故障予測結果として出力部１１４に表示出力させる。これにより、力覚センサ３１０の信頼度を反映した、ロボット２００の状態の推定結果を提供可能になる。

通知部１１２は、状態推定部１１０によって推定された力覚センサ３１０の故障時期を通知する通知処理を実行してもよい。通知部１１２は、状態推定部１１０によって推定された状態検出センサ３２０の故障時期を通知する通知処理を実行してもよい。これらにより、力覚センサ３１０又は状態検出センサ３２０が故障する前に、修理したり交換したりする時期として都合のよい時期を検討することを可能にできる。

テストデータ格納部１１６は、力覚センサ３１０の状態を推定するための動作として予め定められた動作をロボット２００に実行させるためのテストデータを格納する。力覚センサ３１０の状態を推定するための動作とは、力覚センサ３１０の状態を推定しやすい動作であってよい。力覚センサ３１０の状態を推定しやすい動作は、例えば、ハンド２３０の上下動作、ハンド２３０の左右動作等、外乱の影響を受けにくい比較的単純な動作であってよい。

テストデータ格納部１１６は、状態検出センサ３２０の状態を推定するための動作として予め定められた動作をロボット２００に実行させるためのテストデータを格納する。状態検出センサ３２０の状態を推定するための動作とは、状態検出センサ３２０の状態を推定しやすい動作であってよい。状態検出センサ３２０の状態を推定しやすい動作は、例えば、状態検出センサ３２０の種類に応じた、外乱の影響を受けにくい動作であってよい。

テストデータは、例えば、システム１０の製造時に、製造者等によってテストデータ格納部１１６に格納される。テストデータは、システム１０の製造後、任意のタイミングでテストデータ格納部１１６に格納されてよい。

テストデータ登録部１１８は、テストデータを登録する。テストデータ登録部１１８は、例えば、ロボット２００が作業場所に配置された後、システム１０の利用者等によるテストデータの登録を受け付ける。

異常確認部１２０は、状態推定部１１０によって力覚センサ３１０が異常状態であると推定された場合に、実際に力覚センサ３１０に異常が発生しているか否かを確認する。異常確認部１２０は、例えば、通知部１１２によって力覚センサ３１０が異常状態であることを示す通知処理が実行された後に、通知を受けた者等によるフィードバックを受け付けることによって、力覚センサ３１０に異常が発生しているか否かを確認する。また、異常確認部１２０は、力覚センサ３１０の異常を検知する異常検知センサを有してよく、異常検知センサによる検知結果によって、力覚センサ３１０に異常が発生しているか否かを確認してもよい。

異常確認部１２０は、力覚センサ３１０が異常状態であると状態推定部１１０が推定した根拠を示す根拠情報に対応付けて、確認結果を記録してよい。そして、異常確認部１２０は、複数回に渡る確認結果に基づいて、推定結果の正解率を導出してよい。

異常確認部１２０は、状態推定部１１０によって状態検出センサ３２０が異常状態であると推定された場合に、実際に状態検出センサ３２０に異常が発生しているか否かを確認する。異常確認部１２０は、例えば、通知部１１２によって状態検出センサ３２０が異常状態であることを示す通知処理が実行された後に、通知を受けた者等によるフィードバックを受け付けることによって、状態検出センサ３２０に異常が発生しているか否かを確認する。また、異常確認部１２０は、状態検出センサ３２０の異常を検知する異常検知センサを有してよく、異常検知センサによる検知結果によって状態検出センサ３２０に異常が発生しているか否かを確認してもよい。

異常確認部１２０は、状態検出センサ３２０が異常状態であると状態推定部１１０が推定した根拠を示す根拠情報に対応付けて、確認結果を記録してよい。そして、異常確認部１２０は、複数回に渡る確認結果に基づいて、推定結果の正解率を導出してよい。

正解率格納部１２２は、力覚センサ３１０が異常状態であると状態推定部１１０が推定した根拠を示す根拠情報と、異常確認部１２０によって導出された推定結果の正解率とを対応付けて格納する。状態推定部１１０は、正解率格納部１２２に格納されている情報に基づいて、力覚センサ３１０が異常状態であるか否かを推定してもよい。

例えば、状態推定部１１０は、力覚センサ３１０のセンサ値に基づくロボット２００による複数の作業のうちの、センサ値が異常を示す条件を満たした作業と、根拠情報及び正解率に基づいて、力覚センサ３１０が異常状態であるか否かを推定する。具体例として、力覚センサ３１０のセンサ値に基づくロボット２００による複数の作業のうちの、センサ値が異常を示す条件を満たした作業の割合が６割より多いことを根拠に力覚センサ３１０が異常状態であると推定した推定結果の正解率が予め定められた閾値より低い場合、状態推定部１１０は、閾値を６割よりも高い値に変更する。これにより、センサ値が異常を示す条件を満たした作業の割合が、６割よりも高いが変更後の閾値より低い場合には、力覚センサ３１０が異常状態でないと推定することができる。このような閾値の調整を実行することによって、推定精度向上に貢献できる。

正解率格納部１２２は、状態検出センサ３２０が異常状態であると状態推定部１１０が推定した根拠を示す根拠情報と、異常確認部１２０によって導出された推定結果の正解率とを対応付けて格納する。状態推定部１１０は、正解率格納部１２２に格納されている情報に基づいて力覚センサ３１０が異常状態であるか否かを推定する推定処理と同様の推定処理を実行することによって、状態検出センサ３２０が異常状態であるか否かを推定してもよい。

図３は、機械制御装置１００による処理の流れの一例を概略的に示す。ここでは、機械制御部１０４がロボット２００に力覚センサ３１０の状態を推定するための動作として予め定められた動作を行わせている間に力覚センサ３１０が出力したセンサ値に基づいて、状態推定部１１０が力覚センサ３１０の状態を推定する処理の流れを説明する。

ステップ（ステップをＳと省略して記載する場合がある。）１０２では、機械制御部１０４が、テストデータ格納部１１６から、複数の動作が登録されているテストデータを取得する。Ｓ１０４では、機械制御部１０４が、テストデータに登録されている複数の動作のうちの１つをロボット２００に実行させる。

Ｓ１０６では、センサ値取得部１０６が、力覚センサ３１０によって出力されたセンサ値を取得してセンサ値格納部１０８に格納する。テストデータに登録されている複数の動作のすべてが終了した場合（Ｓ１０８でＹＥＳ）、Ｓ１１０に進み、終了していない場合（Ｓ１０８でＮＯ）、Ｓ１０４に戻る。

Ｓ１１０では、状態推定部１１０が、Ｓ１０６において取得されたセンサ値に基づいて、力覚センサ３１０の状態を推定する。Ｓ１１２では、通知部１１２が、Ｓ１１０において推定された力覚センサ３１０の状態を通知する通知処理を実行する。

上述したように、テストデータによって力覚センサ３１０の状態を推定しやすい動作をロボット２００に実行させることによって、力覚センサ３１０の状態の推定精度を向上させることができる。機械制御装置１００は、システム１０の管理者等の指示に従って、図３に示す処理を実行してよい。また、機械制御装置１００は、定期的に又は不定期に図３に示す処理を実行してよい。

テストデータ登録部１１８は、テストデータを生成してもよい。テストデータ登録部１１８は、例えば、ロボット２００が複数種類の動作のそれぞれを実行しているときの、力覚センサ３１０のセンサ値に基づいて、力覚センサ３１０のためのテストデータを生成する。センサ値に基づいてテストデータを生成することは、センサ値から導出した導出値に基づいてテストデータを生成することを含んでよい。

例えば、まず、機械制御部１０４が、ロボット２００に、ロボット２００が実行可能な複数種類の動作を実行させる。機械制御部１０４は、ロボット２００に、ロボット２００が実行可能なすべての種類の動作を実行させてもよい。そして、センサ値取得部１０６が、ロボット２００が複数種類の動作のそれぞれを実行しているときの、力覚センサ３１０のセンサ値を取得してセンサ値格納部１０８に格納させる。

テストデータ登録部１１８は、ロボット２００が複数種類の動作のそれぞれを実行しているときの力覚センサ３１０のセンサ値に基づいて、テストデータを生成してよい。例えば、テストデータ登録部１１８は、複数種類の動作のうち、力覚センサ３１０の利用頻度が低い動作を特定する。テストデータ登録部１１８は、例えば、力覚センサ３１０の利用頻度が低い順に、予め定められた数の動作を特定する。そして、テストデータ登録部１１８は、特定した動作をロボット２００に実行させるためのテストデータを生成する。力覚センサ３１０の利用頻度が低い動作を実行させているのに、力覚センサ３１０が頻繁にセンサ値を出力する場合、力覚センサ３１０が異常状態である可能性が高い。よって、当該テストデータを用いることによって、力覚センサ３１０が異常状態であることを推定しやすくすることができる。

テストデータ登録部１１８は、例えば、複数種類の動作のうち、力覚センサ３１０のセンサ値がより小さい動作を特定する。テストデータ登録部１１８は、例えば、力覚センサ３１０のセンサ値が小さい順に、予め定められた数の動作を特定する。そして、テストデータ登録部１１８は、特定した動作をロボット２００に実行させるためのテストデータを生成する。力覚センサ３１０のセンサ値が小さい動作を実行させているのに、力覚センサ３１０が出力するセンサ値が大きい場合、力覚センサ３１０が異常状態である可能性が高い。よって、当該テストデータを用いることによって、力覚センサ３１０が異常状態であることを推定しやすくすることができる。

テストデータ登録部１１８は、ロボット２００が複数種類の動作のそれぞれを実行しているときの状態検出センサ３２０のセンサ値に基づいて、状態検出センサ３２０のためのテストデータを生成してよい。テストデータ登録部１１８は、力覚センサ３１０のためのテストデータの生成方法と同様の方法で、状態検出センサ３２０のためのテストデータを生成してよい。

また、テストデータ登録部１１８は、複数種類の動作のうち、力覚センサ３１０のセンサ値が外乱等の影響を受けにくい動作を特定するように構成されてもよい。例えば、複数回利用した動作について、力覚センサ３１０のセンサ値に基づいた値の変動が閾値より小さい動作を特定する。そして、テストデータ登録部１１８は、特定した動作をロボット２００に実行させるためのテストデータを生成する。

図４は、推定テーブル１３０の一例を概略的に示す。ここでは、嵌合作業に含まれる４種類の作業のうちの、力覚センサ３１０のセンサ値が異常を示す条件を満たした作業の組み合わせに基づいて力覚センサ３１０の状態を推定するための推定テーブル１３０を例示する。状態推定部１１０は、推定テーブル１３０に基づいて、力覚センサ３１０の状態を推定してよい。

例えば、状態推定部１１０は、エアカット、突き当て、探り、及び挿入のうち、エアカット、突き当て、及び挿入においてセンサ値が異常を示す条件を満たした場合、力覚センサ３１０に異常が発生したと推定する。状態推定部１１０は、エアカット、突き当て、探り、及び挿入のうち、突き当てのみにおいてセンサ値が異常を示す条件を満たした場合、力覚センサ３１０の異常ではなく、突き当て動作に異常が発生したと推定してよい。状態推定部１１０は、複数の作業のうちの異常作業の組み合わせに基づいて、力覚センサ３１０が異常であるか否かを推定してよい。

推定テーブル１３０は、人によって登録されてよい。例えば、推定テーブル１３０は、システム１０の管理者及びロボット２００による作業を補助する作業補助者等によって登録される。推定テーブル１３０を登録する登録者は、例えば、複数の作業のうちの異常作業の割合が予め定められた割合よりも高い場合に力覚センサ３１０が異常状態であると推定し、低い場合に各動作に異常が発生したと推定するように、推定テーブル１３０を登録する。

また、登録者は、複数の作業のうちの第１の作業及び第２の作業でセンサ値が異常を示す条件を満たした場合に力覚センサ３１０が異常状態になっている可能性が高い、と経験上感じている場合には、その経験を反映した推定テーブル１３０を登録し得る。このように、状態推定部１１０が推定テーブル１３０を用いた推定を実行することによって、システム１０の管理者及びロボット２００の作業補助者等の経験に基づく推定を実行することができる。

登録者は、複数の作業のうち、外乱等の影響を受けにくい１又は複数の作業でセンサ値が異常を示す条件を満たした場合に力覚センサ３１０が異常状態であると推定するように、推定テーブル１３０を登録してもよい。これにより、外乱等の影響を受けにくい作業において力覚センサ３１０のセンサ値が異常を示す条件を満たした場合、力覚センサ３１０が異常状態である可能性が高い、という知見に基づく推定を実行でき、推定精度向上に貢献できる。

状態推定部１１０は、推定テーブル１３０を生成してもよい。例えば、力覚センサ３１０が異常状態であることが確認されている状況で、機械制御部１０４がロボット２００に篏合作業を実行させ、センサ値取得部１０６が力覚センサ３１０のセンサ値を取得してセンサ値格納部１０８に格納させる。状態推定部１１０は、センサ値格納部１０８に格納されているセンサ値に基づいて、複数の作業のそれぞれにおいて、センサ値が異常を示す条件を満たしているか否かを推定し、記録する。そして、状態推定部１１０は、センサ値が異常を示す条件を満たした作業の組み合わせに、力覚センサ３１０に異常が発生したことを示す推定結果を対応付けた推定テーブル１３０を生成する。

例えば、１回の篏合作業において、複数の作業のすべてでセンサ値が異常を示す条件を満たした場合と、複数の作業のうち探りのみが異常を示す条件を満たさない場合とが存在する場合、状態推定部１１０は、その結果を反映した推定テーブル１３０を生成する。具体的には、状態推定部１１０は、複数の作業のすべてが異常である場合と、複数の作業のうち探りのみが正常である場合に力覚センサ３１０の異常と推定し、それ以外の異常は作業における異常と推定するような推定テーブル１３０を生成する。これにより、力覚センサ３１０が異常状態である場合に、実際に発生する、異常を示す条件を満たす作業の組み合わせに基づく推定を実行可能になり、推定精度向上に貢献できる。

通知部１１２は、状態推定部１１０によって力覚センサ３１０が異常状態であると推定された場合に、推定結果と、力覚センサ３１０のセンサ値が異常を示す条件を満たした作業を示す情報とを通知する通知処理を実行してもよい。通知部１１２は、センサ状態通知部の一例であってよい。

例えば、通知部１１２は、複数の作業のうちの異常作業の割合が予め定められた割合よりも高いことを根拠として力覚センサ３１０が異常状態であると推定したことを通知する通知処理を実行する。また、例えば、通知部１１２は、複数の作業のうちのエアカット、突き当て、及び挿入において、力覚センサ３１０のセンサ値が異常を示す条件を満たしたことを根拠として力覚センサ３１０が異常状態であると推定したことを通知する通知処理を実行する。これにより、推定結果の信憑性を高めることができる。

機械制御部１０４は、力覚センサ３１０のセンサ値に基づくロボット２００による一連の作業の成功率を記録してよく、状態推定部１１０は、当該成功率を用いて、力覚センサ３１０が異常状態であるか否かを推定してもよい。例えば、状態推定部１１０は、エアカット、突き当て、探り、及び挿入の一連の作業の成功率と、エアカット、突き当て、探り、及び挿入のうちの異常作業とに基づいて、力覚センサ３１０が異常状態であるか否かを推定する。

例えば、状態推定部１１０は、一連の作業のうちの異常作業の割合が予め定められた割合よりも高くなった場合において、一連の作業の成功率が低下していると判定した場合に、力覚センサ３１０が異常状態であると推定する。状態推定部１１０は、一連の作業のうちの異常作業の割合が予め定められた割合よりも高くなった場合であっても、一連の作業の成功率が低下していないと判定した場合、力覚センサ３１０は異常状態ではないと推定する。これにより、複数の作業で異常を示しつつ、作業成功率も低下している場合には、力覚センサ３１０の異常の可能性が高いという知見に基づく推定を実行でき、推定精度向上に貢献できる。

通知部１１２は、一連の作業の成功率と、ロボット２００の状態及び力覚センサ３１０の信頼度とを合わせて通知する通知処理を実行してもよい。これにより、力覚センサ３１０の信頼度が比較的低くても作業成功率が低くないのであれば、力覚センサ３１０の調整、修理、及び交換等を急がなくてもよい判断することを可能にできる。また、力覚センサ３１０の信頼度があまり低くなくても、作業成功率が低い場合には、力覚センサ３１０の調整、修理、及び交換等を急ぐ必要があると判断することを可能にできる。

図５は、機械制御装置１００による処理の流れの一例を概略的に示す。ここでは、状態推定部１１０が、力覚センサ３１０のセンサ値が異常を示す条件を満たした複数の作業における、作業センサ値と格納センサ値との差の対比に基づいて、力覚センサ３１０の異常の種類を推定する処理の流れについて説明する。

Ｓ２０２では、状態推定部１１０が、複数の作業のうちの全異常作業において、作業センサ値が格納センサ値よりも大きいか否かを判定する。肯定の場合、Ｓ２０４に進み、否定の場合、Ｓ２０６に進む。Ｓ２０４では、状態推定部１１０が、力覚センサ３１０の異常の種類が、センサ値が高めになってしまう過検出異常であると推定する。

Ｓ２０６では、状態推定部１１０が、複数の作業のうちの全異常作業において、作業センサ値が格納センサ値よりも小さいか否かを判定する。肯定の場合、Ｓ２０８に進み、否定の場合、Ｓ２１０に進む。Ｓ２０８では、状態推定部１１０が、力覚センサ３１０の異常の種類が、センサ値が低めになってしまう低検出異常であると推定する。Ｓ２１０では、状態推定部１１０が、異常の種類が不明であると判定する。

Ｓ２１２では、通知部１１２が、力覚センサ３１０が異常状態であることと、状態推定部１１０によって推定された異常の種類とを通知する通知処理を実行する。図５に例示したように、状態推定部１１０によって推定された力覚センサ３１０の異常の種類を通知部１１２が通知することによって、異常状態であることのみを通知する場合と比較して、力覚センサ３１０に対するその後の対応を取りやすくさせることができる。

図６は、機械制御装置１００による処理の流れの一例を概略的に示す。ここでは、状態推定部１１０によって力覚センサ３１０が異常状態であると推定された場合に、通知部１１２が、作業センサ値と格納センサ値との差に応じた通知処理を実行する場合の処理の流れを説明する。通知部１１２は、異常通知部の一例であってよい。

Ｓ３０２では、通知部１１２が、状態推定部１１０によって推定された力覚センサ３１０の異常度を取得する。Ｓ３０４では、通知部１１２が、Ｓ３０２で取得した力覚センサ３１０の異常度が予め定められた閾値より低いか否かを判定する。低いと判定した場合、Ｓ３０６に進み、低くないと判定した場合、Ｓ３０８に進む。

Ｓ３０６では、通知部１１２が、力覚センサ３１０の設定変更を提案する通知処理を実行する。Ｓ３０８では、通知部１１２が、力覚センサ３１０の修理又は交換を提案する通知処理を実行する。

これにより、作業センサ値と格納センサ値との差が小さく力覚センサ３１０の異常度が比較的低いといえる場合には、設定変更にとどめ、差が大きく力覚センサ３１０の異常度が比較的高いといえる場合には、修理又は交換を提案することができる。すなわち、図６に示す処理を実行することにより、機械制御装置１００は、力覚センサ３１０の異常度に応じた適切な提案を実行することができる。

なお、Ｓ３０６において、通知部１１２は、設定変更を提案する通知処理に代えて、力覚センサ３１０の再起動又は力覚センサ３１０の取付位置の見直しを提案する通知処理を実行してもよい。

図７は、システム１０による被製造物の製造方法の一例を概略的に示す。システム１０は、ワークに対して加工を施すことによって、被製造物を製造する。

Ｓ４０２では、作業機械２０が、加工対象のワークを取得する。作業機械２０は、加工対象のワークが複数の場合、複数のワークを取得する。

Ｓ４０４では、機械制御装置１００が、センサ３０によって出力されたセンサ値に基づいて、作業機械２０にワークの加工を実行させる。Ｓ４０６では、機械制御装置１００が、センサ３０によって出力されたセンサ値に基づいて、センサ３０に異常が発生したか否かを推定する。異常が発生していないと推定した場合、Ｓ４１２に進み、異常が発生したと推定した場合、Ｓ４０８に進む。

Ｓ４０８では、機械制御装置１００が、センサ３０に異常が発生したことを通知する通知処理を実行する。機械制御装置１００は、システム１０の管理者等に対してセンサ３０に異常が発生したことを通知してよい。

Ｓ４１０では、機械制御装置１００が、製造を継続するか否かを判定する。機械制御装置１００は、Ｓ４０８においてセンサ３０に異常が発生したことを通知した管理者等による指示に従って、製造を継続するか否かを判定してよい。製造を継続すると判定した場合、Ｓ４１２に進み、製造を継続しないと判定した場合、製造処理を終了する。

Ｓ４１２では、機械制御装置１００が、ワークの加工が終了したか否かを判定する。Ｓ４０２において複数のワークを取得していた場合、機械制御装置１００は、複数のワークのすべてについて加工が終了したか否かを判定する。加工の終了によって、被製造物の製造が完了する。終了していないと判定した場合、Ｓ４０４に戻り、終了したと判定した場合、処理を終了する。

上記実施形態では、力覚センサ３１０をセンサ３０の一例として挙げて、センサ３０が正常状態であることが確認されている状況における、作業機械２０が作業を行っているときのセンサ３０の出力に基づくセンサ値群の正規分布を生成して基準データとし、作業センサ値が基準データの正規分布から閾値以上外れている場合に、センサ３０が異常状態であると推定したり、作業センサ値が基準データの正規分布から外れているほど低くなるようにセンサ３０の信頼度を推定したりする例について説明した。状態推定部１１０は、作業機械２０が行う作業の内容毎に、当該処理を実行してもよい。

状態推定部１１０は、例えば、篏合作業における複数の作業毎に基準データを生成する。篏合作業における複数の作業は、エアカット、突き当て、探り、及び挿入を含んでよい。また、状態推定部１１０は、例えば、篏合作業以外の作業のそれぞれについて、作業を構成する複数の作業毎に基準データを生成する。篏合作業以外の作業の例として、組立、塗装、ネジ締め、ラベル貼り、梱包、研磨、射出成形、及び溶接等が挙げられるが、これらに限られない。

上記実施形態では、力覚センサ３１０をセンサ３０の一例として挙げて、状態推定部１１０が、センサ３０のセンサ値に基づく作業機械２０による複数の作業において、作業センサ値と格納センサ値との差が時系列に増加している場合に、増加率に基づいてセンサ３０の故障時期を推定する例について説明した。状態推定部１１０は、作業センサ値と格納センサ値との差の増加の傾向に基づいてセンサ３０の故障時期を推定してもよい。

図８は、増加傾向データ４００の一例を概略的に示す。増加傾向データ４００は、ロボットが同じ作業を繰り返し行った場合の、力覚センサによる作業センサ値と格納センサ値との差の増加の傾向を示す。図８は、過去のデータを解析することによって導出された傾向を示す。

状態推定部１１０は、ロボット２００の力覚センサ３１０の故障時期を推定する場合に、ロボット２００と同種の他のロボットの、力覚センサ３１０と同種の他の力覚センサの過去のデータを解析することによって導出された傾向を用いてよい。ロボット２００と同種の他のロボットとは、例えば、ロボット２００と型式が同一のロボットである。ロボット２００と同種の他のロボットとは、ロボット２００と同一の商品であってよい。力覚センサ３１０と同種の他の力覚センサとは、例えば、力覚センサ３１０と型式が同一の力覚センサである。力覚センサ３１０と同種の他の力覚センサとは、力覚センサ３１０と同一の商品であってよい。状態推定部１１０は、このように、作業機械２０のセンサ３０の故障時期を推定する場合に、作業機械２０と同種の他の作業機械の、センサ３０と同種の他のセンサの過去のデータを解析することによって導出された傾向を用いてよい。

力覚センサの過去のデータを解析すると、力覚センサが故障時期４３０を迎えるまでに、作業センサ値と格納センサ値との差が、一次関数的に増加する期間４１０と、指数関数的に増加する期間４２０とが存在することが示される。状態推定部１１０は、運用中のロボット２００の力覚センサ３１０の作業センサ値と格納センサ値との差と、増加傾向データ４００とに基づいて、力覚センサ３１０の故障時期を判定してよい。例えば、状態推定部１１０は、運用中のロボット２００の力覚センサ３１０の作業センサ値と格納センサ値との差を監視して、増加傾向データ４００の期間４１０と期間４２０のどちらに位置するかを判定し、当該差の履歴から各期間が示す傾向の係数などのパラメータを推定して、故障時期がいつになるかを特定する。過去データのもととなった力覚センサと比較して、運用中の力覚センサ３１０が故障しやすくても、故障しにくくても、傾向としては、増加傾向データと同様の傾向を示す蓋然性が高いので、増加傾向データ４００を用いることによって、故障時期の推定精度を向上させることができる。

また、例えば、状態推定部１１０は、運用中のロボット２００の力覚センサ３１０の作業センサ値と格納センサ値との差を監視して、増加傾向データ４００が示す傾向のどこに位置するかを継続的に把握し、現時点が、期間４１０なのか期間４２０なのかを把握する。そして、例えば、状態推定部１１０は、現時点が期間４２０であると判定した場合に、故障時期が近付いていると判定する。通知部１１２は、状態推定部１１０によって故障時期が近付いていると判定されたことに応じて、力覚センサ３１０の故障時期が近付いていることを通知する通知処理を実行してよい。これにより、力覚センサ３１０の劣化度合が高まる前に、故障時期が近付いている可能性があることを通知することができる。

図９は、システム１０の一例を概略的に示す。ここでは、図１及び図２に示すシステム１０とは異なる点を主に説明する。図９に示すシステム１０は、１つの作業に関連する複数のセンサ３０を備える。

機械制御部１０４は、作業機械２０が実行する少なくとも１つの作業について、当該作業を作業機械２０に実行させるべく、複数のセンサ３０によって出力されるセンサ値に基づいて作業機械２０を制御してよい。状態推定部１１０は、複数のセンサ３０のそれぞれのセンサ値に基づいて、複数のセンサ３０のそれぞれの状態を推定してよい。状態推定部１１０は、複数のセンサ３０のそれぞれのセンサ値のうちの一部のみが異常を示す条件を満たした場合に、出力したセンサ値が異常を示す条件を満たしたセンサ３０が、異常状態であると推定してよい。状態推定部１１０は、例えば、複数のセンサ３０のうち１つのセンサ３０のみが異常を示す条件を満たした場合に、当該１つのセンサ３０が異常状態であると推定する。

ある動作に関連する複数のセンサ３０のうち、他のセンサ３０のセンサ値は正常なのに、１つのセンサ３０のセンサ値のみが異常を示す場合、当該１つのセンサ３０は異常状態である可能性が高い。したがって、上述したような推定を実行することによって、推定精度向上に貢献できる。

図１０は、システム１０の一例を概略的に示す。図１０に示すシステム１０は、複数の機械制御装置１００を管理する管理サーバ５００を備える。複数の機械制御装置１００のそれぞれは、自身に接続されたセンサ３０のセンサ値に基づいて、自身に接続された作業機械２０を制御する。複数の作業機械２０は、例えば、複数の作業機械２０のうちの一の作業機械２０が篏合作業を行い、複数の作業機械２０のうちの他の作業機械２０が、当該一の作業機械２０によって篏合された対象物の組立作業を行う等のように、同一の作業対象物に対して連続して作業を行う関係であってよい。

複数の機械制御装置１００のそれぞれは、管理サーバ５００を介して、各種情報を共有してよい。例えば、複数の機械制御装置１００のうちの第１の機械制御装置１００は、管理サーバ５００を介して、複数の機械制御装置１００のうちの第２の機械制御装置１００から各種情報を取得する。

例えば、第１の作業機械２０及び第１のセンサ３０に接続された第１の機械制御装置１００のセンサ値取得部１０６は、管理サーバ５００を介して、第２の作業機械２０及び第２のセンサ３０に接続された第２の機械制御装置１００から、第２のセンサ３０のセンサ値（第２のセンサ値と記載する場合がある。）を取得する。そして、第１の機械制御装置１００の状態推定部１１０（第１の状態推定部１１０と記載する場合がある。）は、第１のセンサ３０のセンサ値（第１のセンサ値と記載する場合がある。）と第２のセンサ値とに基づいて、第１のセンサ３０の状態を推定する。

具体例として、第１の状態推定部１１０は、第１のセンサ３０及び第２のセンサ３０が正常に稼働している状況における作業センサ値の正常範囲を予め格納しておく。複数のセンサ３０のそれぞれの作業センサ値の正常範囲は、例えば、管理サーバ５００によって事前に特定され得る。

例えば、管理サーバ５００は、複数の機械制御装置１００のそれぞれから、センサ３０の作業センサ値を取得して履歴を格納する。管理サーバ５００は、複数の作業機械２０及び複数のセンサ３０が正常に稼働している状況における作業センサ値の履歴を解析することによって、複数のセンサ３０のそれぞれの、作業センサ値の正常範囲を特定する。管理サーバ５００は、例えば、第１のセンサ３０の作業センサ値については、Ａ〜Ｂが正常範囲であり、第２のセンサ３０の作業センサ値については、Ｃ〜Ｄが正常範囲であると特定する。管理サーバ５００は、特定した複数のセンサ３０の作業センサ値の正常範囲を、複数の機械制御装置１００に通知してよい。

第１の状態推定部１１０は、第１のセンサ３０及び第２のセンサ３０の作業センサ値の正常範囲と、運用中の第１のセンサ３０及び第２のセンサ３０の作業センサ値とに基づいて、第１のセンサ３０の状態を推定してよい。第１の状態推定部１１０は、例えば、第２のセンサ３０の作業センサ値が正常範囲内であり、かつ、第１のセンサ３０の作業センサ値が正常範囲外である場合に、第１のセンサ３０が異常状態であると推定する。同一の作業対象物に対して作業を行っている状況において、第１のセンサ３０及び第２のセンサ３０の両方の作業センサ値が正常範囲外である場合には、作業対象物に何らかの問題が発生している可能性があるが、第１のセンサ３０の作業センサ値のみが正常範囲外である場合、第１のセンサ３０に異常が発生している可能性があるといえる。本実施形態に係る機械制御装置１００によれば、そのような知見に基づく推定結果を提供することができる。

なお、ここでは、複数のセンサ３０のそれぞれの作業センサ値の正常範囲を用いる場合を例に挙げて説明したが、これに限らない。複数のセンサ３０のそれぞれの作業センサ値と格納センサ値との差の正常範囲を用いてもよい。この場合、第１の状態推定部１１０は、第２のセンサ３０の作業センサ値と格納センサ値との差が正常範囲内であり、かつ、第１のセンサ３０の作業センサ値と格納センサ値との差が正常範囲外である場合に、第１のセンサ３０が異常状態であると推定してよい。

管理サーバ５００は、状態推定装置として機能してもよい。すなわち、管理サーバ５００は、状態推定装置の一例であってもよい。この場合、管理サーバ５００は、複数の機械制御装置１００のそれぞれからセンサ値を取得して、取得したセンサ値に基づく指示を機械制御装置に送信することによって作業機械２０を制御してもよい。また、管理サーバ５００は、作業機械２０の制御は行わずに、センサ３０のセンサ値に基づいてセンサ３０の状態を推定してもよい。

管理サーバ５００は、複数のセンサ３０のそれぞれの作業センサ値の正常範囲と、運用中の複数の機械制御装置１００のそれぞれから取得するセンサ３０の作業センサ値とに基づいて、複数のセンサ３０の状態を推定してよい。管理サーバ５００は、例えば、複数のセンサ３０のうち、予め定められた割合以下のセンサ３０の作業センサ値が正常範囲から外れている場合に、当該予め定められた割合以下のセンサ３０が異常状態であると推定する。複数のセンサ３０のうち多くのセンサ３０の作業センサ値が正常範囲から外れている場合には、作業対象物に何らかの問題がある可能性が高いといえる。それに対して、例えば、複数のセンサ３０のうち、１つのセンサ３０の作業センサ値のみが正常範囲から外れている場合には、作業対象物ではなく、センサ３０そのものに異常が発生している可能性が高いといえる。本実施形態に係る管理サーバ５００によれば、そのような知見に基づく推定結果を提供することができる。なお、管理サーバ５００は、複数のセンサ３０のそれぞれの作業センサ値の正常範囲に代えて、複数のセンサ３０のそれぞれの作業センサ値と格納センサ値との差の正常範囲を用いてもよい。

管理サーバ５００は、第１のセンサ３０の作業センサ値と、第２のセンサ３０の作業センサ値との関係に基づいて、第１のセンサ３０及び第２のセンサ３０の状態を推定してもよい。例えば、管理サーバ５００は、第１の作業機械２０、第２の作業機械２０、第１のセンサ３０、及び第２のセンサ３０が正常に稼働している状況における、第１のセンサ３０の作業センサ値と、第２のセンサ３０の作業センサ値との関係を示すセンサ値関係データを予め格納する。センサ値関係データには、例えば、第１のセンサ３０の作業センサ値が第１の値である場合に、第２のセンサ３０の作業センサ値がどの範囲の値を示すかが登録される。

管理サーバ５００は、センサ値関係データと、運用中の第１のセンサ３０の作業センサ値及び第２のセンサ３０の作業センサ値とに基づいて、第１のセンサ３０及び第２のセンサ３０の状態を推定してよい。例えば、管理サーバ５００は、第１のセンサ３０の作業センサ値に対応する第２のセンサ３０の作業センサ値の範囲をセンサ値関係データから特定し、第２のセンサ３０の作業センサ値が当該範囲外である場合に、第１のセンサ３０及び第２のセンサ３０のいずれかが異常状態であると推定する。第１の作業機械２０、第２の作業機械２０、第１のセンサ３０、及び第２のセンサ３０が正常に稼働していれば、第１のセンサ３０の作業センサ値と第２のセンサ３０の作業センサ値とは、特定の関係を保つ蓋然性が高くなる。よって、その関係が崩れた場合には、第１のセンサ３０及び第２のセンサ３０の少なくともいずれかが異常状態である可能性が高いといえる。本実施形態に係る管理サーバ５００によれば、そのような知見に基づく推定結果を提供することができる。

管理サーバ５００が管理する複数の機械制御装置１００は、同じ種類の作業機械２０を制御してよい。管理サーバ５００が管理する複数の機械制御装置１００は、異なる種類の作業機械２０を制御してもよい。この場合、管理サーバ５００は、同じ種類の作業機械２０を制御する機械制御装置１００毎に、グループ分けして管理してもよい。

管理サーバ５００は、複数の機械制御装置１００から、センサ３０の作業センサ値を継続的に取得して履歴を格納してよい。管理サーバ５００は、センサ３０の種類毎に、複数のセンサ３０についての、故障するまでの作業センサ値の履歴を収集して、収集したデータを用いた学習を実行することによって、作業センサ値の推移から故障時期を推定する推定モデルを生成してもよい。そして、管理サーバ５００は、運用中の機械制御装置１００から、センサ３０の作業センサ値を継続的に取得し、センサ３０の種類に対応する推定モデルを用いることによって、センサ３０の故障時期を推定してよい。なお、管理サーバ５００は、センサ３０の種類毎に、複数のセンサ３０についての、故障するまでの作業センサ値と格納センサ値との差の履歴を収集して、収集したデータを用いた学習を実行することによって、作業センサ値と格納センサ値との差の推移から故障時期を推定する推定モデルを生成してもよい。

上記実施形態における機械通信部１０２は、作業機械２０と通信する手段の一例であってよい。上記実施形態における機械制御部１０４は、作業機械２０を制御する手段の一例であってよい。上記実施形態におけるセンサ値取得部１０６は、センサ値を取得する手段の一例であってよい。上記実施形態におけるセンサ値格納部１０８は、センサ値取得部１０６が取得したセンサ値を格納する手段の一例であってよい。センサ値格納部１０８は、センサ値及び導出値の少なくともいずれかの履歴を格納する履歴格納手段の一例であってよい。上記実施形態における状態推定部１１０は、センサ３０の状態を推定する手段の一例であってよい。上記実施形態における通知部１１２は、機械制御部１０４によって推定された作業機械２０の状態を通知する通知処理を実行する手段の一例であってよい。上記実施形態における出力部１１４は、表示出力機能及び音声出力機能の少なくともいずれかを有する出力手段の一例であってよい。上記実施形態におけるテストデータ格納部１１６は、センサ３０の状態を推定するための動作として予め定められた動作を作業機械２０に実行させるためのテストデータを格納する手段の一例であってよい。上記実施形態におけるテストデータ登録部１１８は、テストデータを登録する手段の一例であってよい。上記実施形態における異常確認部１２０は、状態推定部１１０によってセンサ３０が異常状態であると推定された場合に、実際にセンサ３０に異常が発生しているか否かを確認する手段の一例であってよい。上記実施形態における正解率格納部１２２は、センサ３０が異常状態であると状態推定部１１０が推定した根拠を示す根拠情報と、異常確認部１２０によって導出された推定結果の正解率とを対応付けて格納する手段の一例であってよい。

図１１は、機械制御装置１００又は管理サーバ５００として機能するコンピュータ１２００のハードウェア構成の一例を概略的に示す。コンピュータ１２００にインストールされたプログラムは、コンピュータ１２００を、本実施形態に係る装置の１又は複数の「部」として機能させ、又はコンピュータ１２００に、本実施形態に係る装置に関連付けられるオペレーション又は当該１又は複数の「部」を実行させることができ、及び／又はコンピュータ１２００に、本実施形態に係るプロセス又は当該プロセスの段階を実行させることができる。そのようなプログラムは、コンピュータ１２００に、本明細書に記載のフローチャート及びブロック図のブロックのうちのいくつか又はすべてに関連付けられた特定のオペレーションを実行させるべく、ＣＰＵ１２１２によって実行されてよい。

本実施形態によるコンピュータ１２００は、ＣＰＵ１２１２、ＲＡＭ１２１４、及びグラフィックコントローラ１２１６を含み、それらはホストコントローラ１２１０によって相互に接続されている。コンピュータ１２００はまた、通信インタフェース１２２２、記憶装置１２２４、ＤＶＤドライブ、及びＩＣカードドライブのような入出力ユニットを含み、それらは入出力コントローラ１２２０を介してホストコントローラ１２１０に接続されている。ＤＶＤドライブは、ＤＶＤ−ＲＯＭドライブ及びＤＶＤ−ＲＡＭドライブ等であってよい。記憶装置１２２４は、ハードディスクドライブ及びソリッドステートドライブ等であってよい。コンピュータ１２００はまた、ＲＯＭ１２３０及びキーボードのようなレガシの入出力ユニットを含み、それらは入出力チップ１２４０を介して入出力コントローラ１２２０に接続されている。

ＣＰＵ１２１２は、ＲＯＭ１２３０及びＲＡＭ１２１４内に格納されたプログラムに従い動作し、それにより各ユニットを制御する。グラフィックコントローラ１２１６は、ＲＡＭ１２１４内に提供されるフレームバッファ等又はそれ自体の中に、ＣＰＵ１２１２によって生成されるイメージデータを取得し、イメージデータがディスプレイデバイス１２１８上に表示されるようにする。

通信インタフェース１２２２は、ネットワークを介して他の電子デバイスと通信する。記憶装置１２２４は、コンピュータ１２００内のＣＰＵ１２１２によって使用されるプログラム及びデータを格納する。ＤＶＤドライブは、プログラム又はデータをＤＶＤ−ＲＯＭ等から読み取り、記憶装置１２２４に提供する。ＩＣカードドライブは、プログラム及びデータをＩＣカードから読み取り、及び／又はプログラム及びデータをＩＣカードに書き込む。

ＲＯＭ１２３０はその中に、アクティブ化時にコンピュータ１２００によって実行されるブートプログラム等、及び／又はコンピュータ１２００のハードウェアに依存するプログラムを格納する。入出力チップ１２４０はまた、様々な入出力ユニットをＵＳＢポート、パラレルポート、シリアルポート、キーボードポート、マウスポート等を介して、入出力コントローラ１２２０に接続してよい。

プログラムは、ＤＶＤ−ＲＯＭ又はＩＣカードのようなコンピュータ可読記憶媒体によって提供される。プログラムは、コンピュータ可読記憶媒体から読み取られ、コンピュータ可読記憶媒体の例でもある記憶装置１２２４、ＲＡＭ１２１４、又はＲＯＭ１２３０にインストールされ、ＣＰＵ１２１２によって実行される。これらのプログラム内に記述される情報処理は、コンピュータ１２００に読み取られ、プログラムと、上記様々なタイプのハードウェアリソースとの間の連携をもたらす。装置又は方法が、コンピュータ１２００の使用に従い情報のオペレーション又は処理を実現することによって構成されてよい。

例えば、通信がコンピュータ１２００及び外部デバイス間で実行される場合、ＣＰＵ１２１２は、ＲＡＭ１２１４にロードされた通信プログラムを実行し、通信プログラムに記述された処理に基づいて、通信インタフェース１２２２に対し、通信処理を命令してよい。通信インタフェース１２２２は、ＣＰＵ１２１２の制御の下、ＲＡＭ１２１４、記憶装置１２２４、ＤＶＤ−ＲＯＭ、又はＩＣカードのような記録媒体内に提供される送信バッファ領域に格納された送信データを読み取り、読み取られた送信データをネットワークに送信し、又はネットワークから受信した受信データを記録媒体上に提供される受信バッファ領域等に書き込む。

また、ＣＰＵ１２１２は、記憶装置１２２４、ＤＶＤドライブ（ＤＶＤ−ＲＯＭ）、ＩＣカード等のような外部記録媒体に格納されたファイル又はデータベースの全部又は必要な部分がＲＡＭ１２１４に読み取られるようにし、ＲＡＭ１２１４上のデータに対し様々なタイプの処理を実行してよい。ＣＰＵ１２１２は次に、処理されたデータを外部記録媒体にライトバックしてよい。

様々なタイプのプログラム、データ、テーブル、及びデータベースのような様々なタイプの情報が記録媒体に格納され、情報処理を受けてよい。ＣＰＵ１２１２は、ＲＡＭ１２１４から読み取られたデータに対し、本開示の随所に記載され、プログラムの命令シーケンスによって指定される様々なタイプのオペレーション、情報処理、条件判断、条件分岐、無条件分岐、情報の検索／置換等を含む、様々なタイプの処理を実行してよく、結果をＲＡＭ１２１４に対しライトバックする。また、ＣＰＵ１２１２は、記録媒体内のファイル、データベース等における情報を検索してよい。例えば、各々が第２の属性の属性値に関連付けられた第１の属性の属性値を有する複数のエントリが記録媒体内に格納される場合、ＣＰＵ１２１２は、当該複数のエントリの中から、第１の属性の属性値が指定されている条件に一致するエントリを検索し、当該エントリ内に格納された第２の属性の属性値を読み取り、それにより予め定められた条件を満たす第１の属性に関連付けられた第２の属性の属性値を取得してよい。

上で説明したプログラム又はソフトウエアモジュールは、コンピュータ１２００上又はコンピュータ１２００近傍のコンピュータ可読記憶媒体に格納されてよい。また、専用通信ネットワーク又はインターネットに接続されたサーバシステム内に提供されるハードディスク又はＲＡＭのような記録媒体が、コンピュータ可読記憶媒体として使用可能であり、それによりプログラムを、ネットワークを介してコンピュータ１２００に提供する。

本実施形態におけるフローチャート及びブロック図におけるブロックは、オペレーションが実行されるプロセスの段階又はオペレーションを実行する役割を持つ装置の「部」を表わしてよい。特定の段階及び「部」が、専用回路、コンピュータ可読記憶媒体上に格納されるコンピュータ可読命令と共に供給されるプログラマブル回路、及び／又はコンピュータ可読記憶媒体上に格納されるコンピュータ可読命令と共に供給されるプロセッサによって実装されてよい。専用回路は、デジタル及び／又はアナログハードウェア回路を含んでよく、集積回路（ＩＣ）及び／又はディスクリート回路を含んでよい。プログラマブル回路は、例えば、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、及びプログラマブルロジックアレイ（ＰＬＡ）等のような、論理積、論理和、排他的論理和、否定論理積、否定論理和、及び他の論理演算、フリップフロップ、レジスタ、並びにメモリエレメントを含む、再構成可能なハードウェア回路を含んでよい。

コンピュータ可読記憶媒体は、適切なデバイスによって実行される命令を格納可能な任意の有形なデバイスを含んでよく、その結果、そこに格納される命令を有するコンピュータ可読記憶媒体は、フローチャート又はブロック図で指定されたオペレーションを実行するための手段を作成すべく実行され得る命令を含む、製品を備えることになる。コンピュータ可読記憶媒体の例としては、電子記憶媒体、磁気記憶媒体、光記憶媒体、電磁記憶媒体、半導体記憶媒体等が含まれてよい。コンピュータ可読記憶媒体のより具体的な例としては、フロッピー（登録商標）ディスク、ディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、消去可能プログラマブルリードオンリメモリ（ＥＰＲＯＭ又はフラッシュメモリ）、電気的消去可能プログラマブルリードオンリメモリ（ＥＥＰＲＯＭ）、静的ランダムアクセスメモリ（ＳＲＡＭ）、コンパクトディスクリードオンリメモリ（ＣＤ−ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、ブルーレイ（登録商標）ディスク、メモリスティック、集積回路カード等が含まれてよい。

コンピュータ可読命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、又はＳｍａｌｌｔａｌｋ（登録商標）、ＪＡＶＡ（登録商標）、Ｃ＋＋等のようなオブジェクト指向プログラミング言語、及び「Ｃ」プログラミング言語又は同様のプログラミング言語のような従来の手続型プログラミング言語を含む、１又は複数のプログラミング言語の任意の組み合わせで記述されたソースコード又はオブジェクトコードのいずれかを含んでよい。

コンピュータ可読命令は、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のプログラム可能なデータ処理装置のプロセッサ、又はプログラマブル回路が、フローチャート又はブロック図で指定されたオペレーションを実行するための手段を生成するために当該コンピュータ可読命令を実行すべく、ローカルに又はローカルエリアネットワーク（ＬＡＮ）、インターネット等のようなワイドエリアネットワーク（ＷＡＮ）を介して、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のプログラム可能なデータ処理装置のプロセッサ、又はプログラマブル回路に提供されてよい。プロセッサの例としては、コンピュータプロセッサ、処理ユニット、マイクロプロセッサ、デジタル信号プロセッサ、コントローラ、マイクロコントローラ等を含む。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更又は改良を加えることが可能であることが当業者に明らかである。その様な変更又は改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

特許請求の範囲、明細書、及び図面中において示した装置、システム、プログラム、及び方法における動作、手順、ステップ、及び段階などの各処理の実行順序は、特段「より前に」、「先立って」などと明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。特許請求の範囲、明細書、及び図面中の動作フローに関して、便宜上「まず、」、「次に、」などを用いて説明したとしても、この順で実施することが必須であることを意味するものではない。

１０ システム、２０ 作業機械、３０ センサ、４０、５０ ワーク、１００ 機械制御装置、１０２ 機械通信部、１０４ 機械制御部、１０６ センサ値取得部、１０８ センサ値格納部、１１０ 状態推定部、１１２ 通知部、１１４ 出力部、１１６ テストデータ格納部、１１８ テストデータ登録部、１２０ 異常確認部、１２２ 正解率格納部、１３０ 推定テーブル、２００ ロボット、２１０ 基台、２２０ アーム、２３０ ハンド、２３２ 把持爪、３１０ 力覚センサ、３２０ 状態検出センサ、４００ 増加傾向データ、４１０ 期間、４２０ 期間、４３０ 故障時期、５００ 管理サーバ、１２００ コンピュータ、１２１０ ホストコントローラ、１２１２ ＣＰＵ、１２１４ ＲＡＭ、１２１６ グラフィックコントローラ、１２１８ ディスプレイデバイス、１２２０ 入出力コントローラ、１２２２ 通信インタフェース、１２２４ 記憶装置、１２３０ ＲＯＭ、１２４０ 入出力チップ

Claims (23)

1. 作業機械による作業に関連するセンサ値を出力するセンサから取得した前記センサ値に基づいて前記作業機械を制御する機械制御部と、
   前記センサ値に基づいて前記センサの状態を推定する状態推定部と
   を備える状態推定装置。
2. 前記状態推定部は、前記機械制御部が前記作業機械に前記センサの状態を推定するための動作として予め定められた動作を行わせている間に前記センサが出力した前記センサ値に基づいて前記センサの状態を推定する、請求項１に記載の状態推定装置。
3. 前記機械制御部は、前記センサ値に基づいて前記作業機械の状態を推定し、
   前記状態推定装置は、前記作業機械の状態と前記センサの状態とを合わせて通知する通知処理を実行する機械状態通知部を備える、請求項１又は２に記載の状態推定装置。
4. 前記状態推定部は、前記センサ値に基づいて前記センサの信頼度を推定し、
   前記機械状態通知部は、前記作業機械の状態と前記センサの信頼度とを合わせて通知する通知処理を実行する、請求項３に記載の状態推定装置。
5. 前記機械状態通知部は、前記センサの信頼度に基づいて、前記作業機械による複数の作業を含む一連の作業の成功率と、前記作業機械の状態及び前記センサの信頼度とを合わせて通知する通知処理を実行する、請求項４に記載の状態推定装置。
6. 前記状態推定部は、前記センサ値に基づく前記作業機械による複数の作業のうちの、前記センサ値が異常を示す条件を満たした作業に基づいて、前記センサが異常状態であるか否かを推定する、請求項１から５のいずれか一項に記載の状態推定装置。
7. 前記状態推定部は、前記センサ値に基づく前記作業機械による前記複数の作業のうちの、前記センサ値が異常を示す条件を満たした作業の割合に基づいて、前記センサが異常状態であるか否かを推定する、請求項６に記載の状態推定装置。
8. 前記状態推定部は、前記センサ値に基づく前記作業機械による前記複数の作業のうちの、前記センサ値が異常を示す条件を満たした作業の組み合わせに基づいて、前記センサが異常状態であるか否かを推定する、請求項６に記載の状態推定装置。
9. 前記状態推定部は、前記センサ値に基づく前記作業機械による複数の作業のうち、予め定められた期間内に、複数の作業において、前記センサ値が異常を示す条件を満たした場合に、前記センサが異常状態であると推定する、請求項６から８のいずれか一項に記載の状態推定装置。
10. 前記状態推定部によって前記センサが異常状態であると推定された場合に、推定結果と、前記センサ値が異常を示す条件を満たした作業を示す情報とを通知する通知処理を実行するセンサ状態通知部
    を備える、請求項６から９のいずれか一項に記載の状態推定装置。
11. 前記センサが異常状態であると前記状態推定部が推定した根拠を示す根拠情報と、推定結果の正解率とを対応付けて格納する正解率格納部
    を備え、
    前記状態推定部は、前記センサ値に基づく前記作業機械による複数の作業のうちの、前記センサ値が異常を示す条件を満たした作業と、前記根拠情報及び前記正解率とに基づいて、前記センサが異常状態であるか否かを推定する、請求項６から１０のいずれか一項に記載の状態推定装置。
12. 前記状態推定部は、前記センサ値に基づく前記作業機械による前記複数の作業を含む一連の作業の成功率と、前記複数の作業のうちの前記センサ値が異常を示す条件を満たした作業とに基づいて、前記センサが異常状態であるか否かを推定する、請求項６から１１のいずれか一項に記載の状態推定装置。
13. 前記状態推定部は、複数の作業のそれぞれについて、前記作業機械が作業を行っているときの前記センサの出力に基づく作業センサ値と、前記複数の作業のそれぞれに対応付けて予め格納されている格納センサ値との差が予め定められた閾値より多い場合に、前記作業センサ値が異常を示す条件を満たすと判定する、請求項６から１２のいずれか一項に記載の状態推定装置。
14. 前記センサの出力に基づく前記作業センサ値の履歴を格納する履歴格納部
    を備え、
    前記状態推定部は、前記作業センサ値に基づく前記作業機械による複数の作業のうち、複数の作業において、前記格納センサ値と前記作業センサ値との差が時系列に増加している場合に、増加率に基づいて前記センサの故障時期を推定する、請求項１３に記載の状態推定装置。
15. 前記状態推定部は、前記作業センサ値が異常を示す条件を満たした複数の作業における、前記作業センサ値と前記格納センサ値との差の対比に基づいて、前記センサの異常の種類を推定する、請求項１３又は１４に記載の状態推定装置。
16. 前記状態推定部によって前記センサが異常状態であると推定された場合に、前記作業センサ値と前記格納センサ値との差に応じた通知処理を実行する異常通知部
    を備える、請求項１３から１５のいずれか一項に記載の状態推定装置。
17. 前記センサの出力に基づく前記作業センサ値の履歴を格納する履歴格納部
    を備え、
    前記状態推定部は、前記作業機械による複数の作業において、前記格納センサ値と前記作業センサ値との差が増加している場合に、増加の傾向に基づいて前記センサの故障時期を推定する、請求項１３から１６のいずれか一項に記載の状態推定装置。
18. 前記状態推定部は、前記センサの前記増加の傾向と、前記センサと同種の他のセンサにおける前記格納センサ値と前記作業センサ値との差の増加の傾向と当該他のセンサの故障時期とを対応付けた対応付けデータとに基づいて、前記センサの故障時期を推定する、請求項１７に記載の状態推定装置。
19. 前記状態推定部は、前記センサから取得した前記センサ値と、前記センサから過去に取得して格納していた前記センサ値とに基づいて、前記センサが異常状態であるか否を推定する、請求項１から１８のいずれか一項に記載の状態推定装置。
20. 前記機械制御部は、前記作業機械が実行する少なくとも１つの作業について、当該作業を前記作業機械に実行させるべく、複数のセンサによって出力されるセンサ値に基づいて前記作業機械を制御し、
    前記状態推定部は、前記複数のセンサのそれぞれのセンサ値に基づいて、前記複数のセンサのそれぞれの状態を推定する、請求項１から１９のいずれか一項に記載の状態推定装置。
21. 前記作業機械とは異なる作業機械による作業に関連する他のセンサ値を出力する他のセンサの前記他のセンサ値を取得するセンサ値取得部
    を備え、
    前記状態推定部は、前記センサ値と前記他のセンサ値とに基づいて、前記センサの状態を推定する、請求項１から２０のいずれか一項に記載の状態推定装置。
22. 前記作業機械と、
    前記センサと、
    請求項１から２１のいずれか一項に記載の状態推定装置と
    を備えるシステム。
23. 作業機械によって被製造物を製造する製造方法であって、
    前記作業機械による前記被製造物に対する作業に関連するセンサ値を出力するセンサから取得した前記センサ値に基づいて前記作業機械を制御する機械制御段階と、
    前記センサ値に基づいて前記センサの状態を推定する状態推定段階と
    を備える製造方法。

Images