JP2023066236A - 異常推定システム、異常推定方法、及びプログラム - Google Patents

異常推定システム、異常推定方法、及びプログラム Download PDF

Info

Publication number
JP2023066236A
JP2023066236A JP2021176841A JP2021176841A JP2023066236A JP 2023066236 A JP2023066236 A JP 2023066236A JP 2021176841 A JP2021176841 A JP 2021176841A JP 2021176841 A JP2021176841 A JP 2021176841A JP 2023066236 A JP2023066236 A JP 2023066236A
Authority
JP
Japan
Prior art keywords
abnormality
unit
jig
estimation
acquisition unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2021176841A
Other languages
English (en)
Other versions
JP7326401B2 (ja
Inventor
昌弘 合屋
Masahiro Goya
晃平 豊田
Kohei Toyoda
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yaskawa Electric Corp
Original Assignee
Yaskawa Electric Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yaskawa Electric Corp filed Critical Yaskawa Electric Corp
Priority to JP2021176841A priority Critical patent/JP7326401B2/ja
Priority to CN202210948870.6A priority patent/CN116038682A/zh
Priority to US18/048,656 priority patent/US20230137232A1/en
Publication of JP2023066236A publication Critical patent/JP2023066236A/ja
Application granted granted Critical
Publication of JP7326401B2 publication Critical patent/JP7326401B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K11/00—Resistance welding; Severing by resistance heating
    • B23K11/24—Electric supply or control circuits therefor
    • B23K11/25—Monitoring devices
    • B23K11/252—Monitoring devices using digital means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K11/00—Resistance welding; Severing by resistance heating
    • B23K11/10—Spot welding; Stitch welding
    • B23K11/11—Spot welding
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K37/00—Auxiliary devices or processes, not specially adapted to a procedure covered by only one of the preceding main groups
    • B23K37/04—Auxiliary devices or processes, not specially adapted to a procedure covered by only one of the preceding main groups for holding or positioning work
    • B23K37/0426—Fixtures for other work
    • B23K37/0435—Clamps
    • B23K37/0443—Jigs
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31455—Monitor process status
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32187—Correlation between controlling parameters for influence on quality parameters
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32188—Teaching relation between controlling parameters and quality parameters
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32193—Ann, neural base quality management

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Robotics (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Optics & Photonics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Manipulator (AREA)
  • General Factory Administration (AREA)

Abstract

【課題】異常の推定精度を高める。【解決手段】異常推定システム（Ｓ）は、作業の対象となる対象物を押し付けるための治具を制御する産業装置（３０）を有する。取得部（３０３）は、治具により対象物が押し付けられた後の複数の時点の各々において計測された、産業装置（３０）の動作に関する動作データを取得する。推定部（３０４）は、取得部（３０３）により取得された動作データに基づいて、異常を推定する。【選択図】図３

Description

本開示は、異常推定システム、異常推定方法、及びプログラムに関する。
特許文献１には、複数の組立部品を組み付けるメインボディ組立工程において、ワーク位置決め装置の各ロケータにつき、それの目標進出位置と実進出位置との差に基づいて、メインボディの精度を検知することが記載されている。特許文献１には、各ロケータが最終位置決め位置に到達するまでの間及び到達した時に、ロケータが組立部品から受ける反力を測定することによって、不具合を検知することも記載されている。
特許文献２には、自動車の車体を組み立てる工程において、ボディサイドの位置決め時の押し込み力を計測することが記載されている。特許文献２には、押し込み力が所定範囲外の場合に、位置不良の態様ごとに用意した押し込み力の分布パターンと、実際に計測した分布パターンと、を比較することによって、組付け位置が不良の部品を推定することも記載されている。
特許平１－２３３９８９号公報 特公平７－１０８６７４号公報
本開示の目的の１つは、例えば、異常の推定精度を高めることである。
本開示の一側面に係る異常推定システムは、作業の対象となる対象物を押し付けるための治具を制御する産業装置と、前記治具により前記対象物が押し付けられた後の複数の時点の各々において計測された、前記産業装置の動作に関する動作データを取得する取得部と、前記取得部により取得された動作データに基づいて、異常を推定する推定部と、を有する。
本開示によれば、例えば、異常の推定精度が高まる。
異常推定システムの全体構成の一例を示す図である。 治具により対象物が押し付けられる様子の一例を示す図である。 異常推定システムで実現される機能の一例を示す機能ブロック図である。 動作データの一例を示す図である。 異常推定システムで実行される処理の一例を示す図である。 変形例における異常推定システムの全体構成の一例を示す図である。 変形例における機能ブロックの一例を示す図である。
［１．異常推定システムの全体構成］
本開示に係る異常推定システムの実施形態の一例を説明する。図１は、異常推定システムの全体構成の一例を示す図である。例えば、上位コントローラ１０、ロボットコントローラ２０、及びモータコントローラ３０の各々は、産業用ネットワーク等の任意のネットワークに接続される。異常推定システムＳは、後述の産業装置を含めばよく、異常推定システムＳに含まれる装置は、図１の例に限られない。
上位コントローラ１０は、ロボットコントローラ２０及びモータコントローラ３０の各々を制御する装置である。例えば、上位コントローラ１０は、ＰＬＣ（Programmable Logic Controller）、ラインと呼ばれる単位を管理するコントローラ、又はラインよりも小さいセルと呼ばれる単位を管理するコントローラである。ＣＰＵ１１は、少なくとも１つのプロセッサを含む。記憶部１２は、揮発性メモリと、不揮発性メモリと、の少なくとも一方を含む。通信部１３は、有線通信用の通信インタフェースと、無線通信用の通信インタフェースと、の少なくとも一方を含む。
ロボットコントローラ２０は、ロボット２４を制御する装置である。ＣＰＵ２１、記憶部２２、及び通信部２３の物理的構成は、それぞれＣＰＵ１１、記憶部１２、及び通信部１３と同様であってよい。本実施形態では、ロボット２４が溶接ロボットである場合を説明するが、ロボット２４は、任意の種類であってよく、溶接ロボットに限られない。例えば、ロボット２４は、塗装ロボット、搬送ロボット、ピッキングロボット、又は組立ロボットであってもよい。
モータコントローラ３０は、作業の対象となる対象物を押し付けるための治具３４を制御する産業装置の一例である。このため、モータコントローラ３０と記載した箇所は、産業装置と読み替えることができる。産業装置は、治具３４を制御可能な装置であればよく、モータコントローラ３０に限られない。例えば、産業装置は、数値制御装置、マシンコントローラ、ＰＬＣ、ラインを管理するコントローラ、又は先述のセルを管理するコントローラであってもよい。ＣＰＵ３１、記憶部３２、及び通信部３３の物理的構成は、それぞれＣＰＵ１１、記憶部１２、及び通信部１３と同様であってよい。
作業とは、対象物に対して行われる行為である。本実施形態のロボット２４が行う溶接作業は、作業の一例でもある。ロボット２４が行う作業自体は、任意の作業であってよく、溶接作業に限られない。例えば、塗装、切断、又は成型といった溶接作業以外の加工が作業に相当してもよい。例えば、熱処理、組立、検査、計測、又は搬送が作業に相当してもよい。
対象物とは、作業の対象となる物である。対象物は、ワークと呼ばれることもある。本実施形態では、溶接対象の部品が対象物に相当する場合を説明するが、対象物自体は、任意の物であってよく、溶接対象の部品に限られない。例えば、対象物は、最終的な製品であってもよいし、部品を製造するための材料であってもよい。対象物は、工業製品に限られず、食料品又は衣料品といった任意の物であってよい。
治具３４は、モータコントローラ３０により制御されるモータを含む。例えば、治具３４は、モータが回転することにより移動する治具クランプ３４Ａと、対象物を固定するための固定側の部材３４Ｂと、を含む。本実施形態では、ボールねじを利用した溶接治具が治具３４に相当する場合を説明するが、治具３４自体は、公知の種々の治具を利用可能である。例えば、治具３４は、ボールねじ以外の機構を利用した溶接治具であってもよい。例えば、治具３４は、切断治具、曲げ治具、圧入治具、熱処理治具、塗装治具、組立治具、検査治具、又は計測治具であってもよい。
モータコントローラ３０には、センサ３５が接続される。センサ３５自体は、任意の種類のものを利用可能であり、例えば、トルクセンサ、モータエンコーダ、位置センサ、角度センサ、ビジョンセンサ、モーションセンサ、赤外線センサ、超音波センサ、又は温度センサといったセンサが接続されていてもよい。上位コントローラ１０又はロボットコントローラ２０にもこれらの任意のセンサが接続されてよい。例えば、センサ３５は、治具３４又は対象物の状態を検出する。本実施形態では、センサ３５がトルクセンサ及び位置センサを含み、トルクデータ及び位置データが取得される場合を説明する。
なお、各装置に記憶されるプログラム又はデータは、ネットワークを介して供給されてもよい。また、各装置の物理的構成は、上記の例に限られず、種々のハードウェアを適用可能である。例えば、コンピュータ読み取り可能な情報記憶媒体を読み取る読取部（例えば、メモリカードスロット）や外部機器と接続するための入出力部（例えば、ＵＳＢ端子）が含まれてもよい。この場合、情報記憶媒体に記憶されたプログラム又はデータが、読取部又は入出力部を介して供給されてもよい。例えば、ＦＰＧＡ又はＡＳＩＣといった他の回路が各装置に含まれてもよい。本実施形態では、ＣＰＵ１１，２１，３１がcircuitryと呼ばれる構成に相当する場合を説明するが、ＦＰＧＡ又はＡＳＩＣといった他の回路がcircuitryに相当してもよい。
［２．異常推定システムの概要］
図２は、治具３４により対象物が押し付けられる様子の一例を示す図である。図２の下方向の矢印は、時間軸である。例えば、治具３４は、治具クランプ３４Ａと、固定側の部材３４Ｂと、を含む。図２の例では、対象物１及び対象物２が接合するように溶接作業が行われる。対象物１は、治具３４の固定側の部材３４Ｂに予め固定されている。治具クランプ３４Ａにより対象物２が対象物１に押し付けられた状態で、溶接作業が行われる。
本実施形態では、溶接作業は、周期的に行われる。ある対象物１及び対象物２に対する溶接作業が完了すると、次の対象物１及び対象物２に対する溶接作業が行われる。図２では、ある周期において溶接作業が行われる様子が示されている。例えば、ある周期の開始直後の時点Ｔ１では、治具クランプ３４Ａは、原点位置Ｐ０にある。原点位置Ｐ０は、治具クランプ３４Ａの初期位置である。原点位置Ｐ０にある治具クランプ３４Ａと、固定側の部材３４Ｂと、の間に対象物１及び対象物２が配置される。時点Ｔ１では、対象物２は、治具クランプ３４Ａに触れていない。図１では、時点Ｔ１における対象物１及び対象物２の間に空間をあけているが、時点Ｔ１において対象物１及び対象物２は互いに触れていてもよい。
本実施形態における位置は、対象物２の押し込み方向における位置を意味する。図２の例であれば、対象物２が横方向に押し込まれるので、横方向の位置が、本実施形態における位置に相当する。即ち、治具クランプ３４Ａの移動方向における位置が、本実施形態における位置に相当する。例えば、原点位置Ｐ０を基準とした座標によって位置が表現される。本実施形態のような１次元的な情報ではなく、２次元又は３次元的な情報であってもよい。即ち、平面における２次元的な位置、又は、空間における３次元的な位置であってもよい。
例えば、上位コントローラ１０は、モータコントローラ３０に、治具クランプ３４Ａの移動を開始させるための移動指令を送信する。モータコントローラ３０は、移動指令を受信すると、治具クランプ３４Ａが対象物２に向けた移動を開始するように、治具３４を制御する。治具クランプ３４Ａは、原点位置Ｐ０から移動を開始して徐々に対象物２に近づく。治具クランプ３４Ａが位置Ｐ１で対象物２に触れると（図２の時点Ｔ２）、対象物２の押し込みが開始される。
治具クランプ３４Ａは、対象物２に触れたまま対象物２を押し込む。対象物２は、治具クランプ３４Ａにより押し込まれて、徐々に対象物１に近づく。対象物２が対象物１に触れると、対象物１及び対象物２が互いにしっかりと固定されるように更に押し込まれる。対象物２の押し込みが完了すると（図２の時点Ｔ３）、モータコントローラ３０から上位コントローラ１０に、対象物２の固定が完了したことを示す固定完了通知が送信される。図２では、対象物２の固定が完了した位置をＰ３とする。
上位コントローラ１０は、モータコントローラ３０から固定完了通知を受信すると、ロボットコントローラ２０に、溶接作業を開始することを示す作業開始指令を送信する。ロボットコントローラ２０は、作業開始指令を受信すると、対象物１及び対象物２に対する溶接作業を開始するように、ロボット２４を制御する。ロボットコントローラ２０は、溶接作業が完了すると、上位コントローラ１０に、溶接作業が完了したことを示す作業完了通知が送信される。
上位コントローラ１０は、作業完了通知を受信すると、モータコントローラ３０に、対象物２から離れる方向（即ち、原点位置Ｐ０に戻る方向）への移動を開始させるための移動指令を送信する。モータコントローラ３０は、溶接作業が完了して移動指令を受信すると、治具クランプ３４Ａが対象物２から離れる方向への移動を開始するように、治具３４を制御する（図２の時点Ｔ４）。対象物２は、ある程度の力で押し付けられているので、治具クランプ３４Ａが移動を開始しても、すぐには対象物２から離れない。
治具クランプ３４Ａが対象物２から離れる方向への移動を続けると、治具クランプ３４Ａは、位置Ｐ２において対象物２から離れる（図２の時点Ｔ５）。位置Ｐ１及び位置Ｐ２の差は、溶接された対象物１及び対象物２を押し付ける力が無くなった場合の膨らみの幅である。図２では、時点Ｔ５における対象物１及び対象物２の間に空間を設けているが、溶接作業により対象物１及び対象物２は接合されているので、実際には、対象物１及び対象物２の間に空間がないものとする。治具クランプ３４Ａは、対象物２から離れる方向に移動を続けて、原点位置Ｐ０に到達すると停止する（図２の時点Ｔ６）。
本実施形態では、図２の流れにより、対象物１及び対象物２に対する溶接作業が行われる。例えば、溶接作業中又はその前後に何らかの異常が発生すると、トルクデータ又は位置データに何らかの特徴が表れることがある。例えば、溶接作業前の対象物２の表面に、対象物１とうまく接合しないような凹凸がある場合、治具クランプ３４Ａが対象物２に触れる位置Ｐ１が通常とは異なることがある。例えば、溶接作業中に対象物２が過度に膨張すると、治具クランプ３４Ａが対象物２から離れる位置Ｐ２が通常の位置とは異なることがある。そこで、本実施形態の異常推定システムＳは、図２の期間に取得されたトルクデータ及び位置データに基づいて、異常を推定するようにしている。以降、異常推定システムＳの詳細を説明する。
［３．異常推定システムで実現される機能］
図３は、異常推定システムＳで実現される機能の一例を示す機能ブロック図である。
［３－１．上位コントローラで実現される機能］
データ記憶部１００は、記憶部１２を主として実現される。送信部１０１及び受信部１０２の各々は、ＣＰＵ１１を主として実現される。
［データ記憶部］
データ記憶部１００は、ロボットコントローラ２０及びモータコントローラ３０の各々を制御するために必要なデータを記憶する。例えば、データ記憶部１００は、ロボットコントローラ２０を制御するための制御プログラムと、この制御プログラムにより参照されるパラメータと、を記憶する。制御プログラムは、任意の言語で作成可能であり、例えば、ロボット言語又はラダー言語により作成されてよい。この点は、他の制御プログラムも同様である。ロボットコントローラ２０を制御するための制御プログラムには、ロボットコントローラ２０に指令を送信する処理が含まれる。例えば、モータコントローラ３０を制御するための制御プログラムと、この制御プログラムにより参照されるパラメータと、を記憶する。この制御プログラムには、モータコントローラ３０に指令を送信する処理が含まれる。
［送信部］
送信部１０１は、ロボットコントローラ２０を制御するための制御プログラム及びパラメータに基づいて、ロボットコントローラ２０に、所定の動作をさせるための指令を送信する。先述した作業開始指令は、送信部１０１が送信する指令の一例である。送信部１０１が送信する指令自体は、任意の指令であってよく、例えば、ロボット２４を所定位置に移動させる指令、所定のジョブを呼び出す指令、ロボットコントローラ２０を起動させる指令、トレースデータを要求する指令、又はパラメータを設定する指令であってもよい。本実施形態の指令が任意の指令であってよい点は、他の指令も同様である。送信部１０１は、モータコントローラ３０を制御するための制御プログラム及びパラメータに基づいて、モータコントローラ３０に、所定の動作をさせるための指令を送信する。先述した移動指令は、送信部１０１が送信する指令の一例である。
［受信部］
受信部１０２は、ロボットコントローラ２０及びモータコントローラ３０の各々から、指令に応じた応答を受信する。応答は、指令の実行結果を含む。応答は、任意のデータをふくんでよく、例えば、後述の動作データを含んでもよい。例えば、送信部１０１は、ロボットコントローラ２０からの応答が受信されると、送信部１０１は、ロボットコントローラ２０に、次の指令を送信する。次の指令は、ロボットコントローラ２０を制御するための制御プログラムに含まれている。例えば、送信部１０１は、モータコントローラ３０からの応答が受信されると、送信部１０１は、モータコントローラ３０に、次の指令を送信する。次の指令は、モータコントローラ３０を制御するための制御プログラムに含まれている。先述した固定完了通知及び作業完了通知は、受信部１０２が受信する応答の一例である。
［１－３－２．ロボットコントローラで実現される機能］
データ記憶部２００は、記憶部２２を主として実現される。送信部２０１及び受信部２０２の各々は、ＣＰＵ２１を主として実現される。
［データ記憶部］
データ記憶部２００は、ロボット２４を制御するために必要なデータを記憶する。例えば、データ記憶部２００は、ロボット２４を制御するためのロボット制御プログラムと、ロボット制御プログラムにより参照されるロボットパラメータと、を記憶する。本実施形態では、ロボット２４により溶接作業が行われるので、ロボット制御プログラムには、ロボット２４が行う溶接作業の手順を示す処理が含まれている。ロボットパラメータは、ロボット２４の目標位置と、溶接作業における出力又は時間と、を示す。データ記憶部２００は、ロボット２４が行う作業に応じたロボット制御プログラム及びロボットパラメータを記憶すればよい。
［送信部］
送信部２０１は、上位コントローラ１０に、上位コントローラ１０からの指令に応じた応答を送信する。例えば、送信部２０１は、上位コントローラ１０から受信した作業開始指令が示す作業が完了した場合に、上位コントローラ１０に、応答として作業完了通知を送信する。
［受信部］
受信部２０２は、上位コントローラ１０から、ロボットコントローラ２０の動作に関する指令を受信する。例えば、受信部２０２は、上位コントローラ１０から、作業開始指令を受信する。
［１－３－３．モータコントローラで実現される機能］
データ記憶部３００は、記憶部３２を主として実現される。送信部３０１、受信部３０２、取得部３０３、及び推定部３０４の各々は、ＣＰＵ３１を主として実現される。
［データ記憶部］
データ記憶部３００は、治具３４を制御するために必要なデータを記憶する。例えば、データ記憶部３００は、治具３４を制御するための治具制御プログラムと、治具制御プログラムにより参照される治具パラメータと、を記憶する。本実施形態では、治具クランプ３４Ａが固定側の部材３４Ｂの方向に移動するので、治具制御プログラムには、治具クランプ３４Ａの移動の手順を示す処理が含まれている。治具３４の制御は、移動に限られず、治具３４の動作に関する何らかの制御であればよい。例えば、対象物２を固定するために締め付けが必要な治具３４であれば、治具３４の締め付けを行うことが制御に相当してもよい。例えば、対象物２を固定するための穴に部材を通す必要がある治具であれば、穴に部材を通すことが制御に相当してもよい。治具パラメータは、治具クランプ３４Ａの移動速度と、治具クランプ３４Ａの押し付け力と、を示す。データ記憶部３００は、治具３４の種類に応じた治具制御プログラム及び治具パラメータを記憶すればよい。
［送信部］
送信部３０１は、上位コントローラ１０に、上位コントローラ１０からの指令に応じた応答を送信する。例えば、送信部３０１は、上位コントローラ１０から受信した移動指令が示す移動が完了した場合に、上位コントローラ１０に、応答として、固定完了通知又は移動完了通知を送信する。
［受信部］
受信部３０２は、上位コントローラ１０から、ロボットコントローラ２０の動作に関する指令を受信する。例えば、受信部３０２は、上位コントローラ１０から、移動指令を受信する。
［取得部］
取得部３０３は、治具３４により対象物２が押し付けられた後の複数の時点の各々において計測された、モータコントローラ３０の動作に関する動作データを取得する。
治具３４により対象物２が押し付けられるとは、対象物２に触れた治具３４により対象物２に力が加わることである。治具３４が対象物２に触れた瞬間も何らかの力が対象物２に加わるので、治具３４が対象物２に触れることも治具３４により対象物２が押し付けられることに相当する。治具３４により対象物２が押し付けられた後とは、治具３４により対象物２が押し付けられた時点、又は、この時点よりも後の時点である。図２の例であれば、時点Ｔ２は、治具３４により対象物２が押し付けられた後の一例である。時点Ｔ２よりも後の時点（例えば、時点Ｔ３～Ｔ６）も、治具３４により対象物２が押し付けられた後に相当する。
治具３４により対象物２が押し付けられた後の複数の時点とは、治具３４により対象物２が押し付けられた後における互いに異なる２以上の時点である。この複数の時点には、治具３４が対象物２に触れた時点Ｔ２（即ち、治具３４が対象物２に触れた瞬間）が含まれてもよい。例えば、この複数の時点は、治具３４が対象物２に触れた時点Ｔ２と、当該時点Ｔ２よりも後の時点と、を含む。例えば、この複数の時点は、治具３４が対象物２に触れた時点Ｔ２ではなく、治具３４が対象物２に触れた時点よりも後の２以上の時点であってもよい。例えば、溶接作業中の複数の時点であってもよいし、溶接作業が完了してから治具３４が対象物２から離れる時点Ｔ５までの間の複数の時点であってもよい。
動作データは、モータコントローラ３０の動作に関する何らかのデータであればよい。例えば、動作データは、センサ３５により検出されたデータと、モータコントローラ３０の内部処理を示すデータと、の少なくとも一方を含む。本実施形態では、センサ３５に含まれるトルクセンサにより検出されたトルクデータと、センサ３５に含まれる位置センサにより検出された位置データと、が動作データに相当する場合を説明する。
図４は、動作データの一例を示す図である。図４の実線は、トルクデータである。図４の破線は、位置データである。トルクデータ及び位置データは、同じタイムスタンプを有するものとする。図４のように、動作データには、治具クランプ３４Ａが対象物２に触れる前の時点が含まれてもよい。例えば、取得部３０３は、ある周期が開始するとトルク値の取得を開始し、この周期が終了するまでのトルク値の取得を継続する。取得部３０３は、ある周期における開始時点から終了時点までのトルク値を動作データして取得する。動作データには、動作データの取得対象となった期間におけるトルク値の時系列的な変化が示されている。トルク値は、正規化されてもよい。
位置データには、治具クランプ３４Ａの位置（例えば、治具クランプ３４Ａが対象物２に触れる面）の時系列的な変化が示される。位置データは、センサ３５に含まれる位置センサの検出信号に基づいて取得される。例えば、モータエンコーダにより検出されたモータの回転量に基づいて、位置データが取得されもよい。例えば、モーションセンサにより検出された移動量に基づいて、位置データが取得されもよい。例えば、ビジョンセンサにより取得された画像が解析されることによって、位置データが取得されてもよい。なお、動作データは、任意のデータであってよく、トルクデータ及び位置データに限られない。例えば、動作データは、モータの回転方向、モータの速度、モータの角度、又は治具クランプ３４Ａによる対象物２への押し付け圧力であってもよい。
例えば、取得部３０３は、第１取得部３０３Ａ、第２取得部３０３Ｂ、第３取得部３０３Ｃ、第４取得部３０３Ｄ、第７取得部３０３Ｇ、及び第８取得部３０３Ｈを含む。第５取得部３０３Ｅ及び第６取得部３０３Ｆは、後述の変形例で説明する。取得部３０３は、第１取得部３０３Ａ～第８取得部３０３Ｈのうちの何れかだけを含んでもよいし、第１取得部３０３Ａ～第８取得部３０３Ｈの任意の組み合わせを含んでもよい。取得部３０３は、第１取得部３０３Ａ～第８取得部３０３Ｈの何れも含まなくてもよい。
第１取得部３０３Ａは、治具３４が対象物２から離れた時点Ｔ５において計測された動作データを取得する。時点Ｔ５は、治具３４が対象物２に触れた状態から、治具３４が対象物２に触れなくなった状態に変化した時点である。例えば、第１取得部３０３Ａは、ある期間に計測された動作データの中から、時点Ｔ５における計測結果を取得する。治具３４が対象物２から離れる場合、トルク値が特定の特徴を示すことがあるので、第１取得部３０３Ａは、動作データが当該特徴を示した時点を、時点Ｔ５として推定する。第１取得部３０３Ａは、当該推定された時点Ｔ５における計測結果を取得する。第１取得部３０３Ａは、時点Ｔ５を含む期間における計測結果を取得してもよい。
例えば、図４のように、第１取得部３０３Ａは、トルク値が低く、かつ、トルク値の変化がない又は小さい状態から、トルク値の増加量が閾値以上になった場合に、治具３４が対象物２から離れた時点Ｔ５であると推定する。第１取得部３０３Ａは、動作データの中から、当該推定された時点Ｔ５におけるトルク値を取得する。時点Ｔ５の推定方法は、上記の例に限られず、任意の方法であってよい。例えば、第１取得部３０３Ａは、動作データの取得を開始してから所定時間後の時点を、時点Ｔ５として推定してもよい。他にも例えば、第１取得部３０３Ａは、上位コントローラ１０から溶接作業が完了した旨の通知を受信してから所定時間後の時点を、時点Ｔ５として推定してもよい。
第２取得部３０３Ｂは、第１事象が発生した第１時点と、第２事象が発生した第２時点と、の各々における計測結果を含む動作データを取得する。第１事象及び第２事象は、異常を推定するうえで重要な要素になる事象である。本実施形態では、第１事象が、治具３４が対象物２に接触することであり、第２事象が、治具３４が対象物２から離れることである場合を説明する。このため、本実施形態では、第２取得部３０３Ｂの処理は、この後に説明する第３取得部３０３Ｃの処理と同様である。
第３取得部３０３Ｃは、治具３４が対象物２に接触することである第１事象が発生した時点Ｔ２と、治具３４が対象物２から離れることである第２事象が発生した時点Ｔ５と、の各々における計測結果を含む動作データを取得する。時点Ｔ２は、第１時点の一例であり、時点Ｔ５は、第２時点の一例である。このため、時点Ｔ２と記載した箇所は、第１時点と読み替えることができ、時点Ｔ５と記載した箇所は、第２時点と読み替えることができる。
例えば、第３取得部３０３Ｃは、ある期間に計測された動作データの中から、時点Ｔ２における計測結果と、時点Ｔ５における計測結果と、を取得する。治具３４が対象物２に接触した場合、トルク値が特定の第１特徴を示し、治具３４が対象物２から離れる場合、トルク値が特定の第２特徴を示すことがあるので、第３取得部３０３Ｃは、動作データが当該第１特徴を示した時点を、時点Ｔ２として推定し、動作データが当該第２特徴を示した時点を、時点Ｔ５として推定する。第３取得部３０３Ｃは、当該推定された時点Ｔ２及び時点Ｔ５の各々における計測結果を取得する。第３取得部３０３Ｃは、時点Ｔ２及び時点Ｔ５の各々を含む期間における計測結果を取得してもよい。時点Ｔ５の推定方法は、第２取得部３０３Ｂの処理で説明した通りなので、ここでは、時点Ｔ２の推定方法を説明する。
例えば、図４のように、第３取得部３０３Ｃは、トルク値が一定程度あり、かつ、トルク値の変化がない又は小さい状態から、トルク値の増加量が閾値以上になった場合に、治具３４が対象物２に接触した時点Ｔ２であると推定する。第３取得部３０３Ｃは、動作データの中から、当該推定された時点Ｔ２におけるトルク値を取得する。時点Ｔ２の推定方法は、上記の例に限られず、任意の方法であってよい。例えば、第３取得部３０３Ｃは、動作データの取得を開始してから所定時間後の時点を、時点Ｔ２として推定してもよい。他にも例えば、第３取得部３０３Ｃは、治具クランプ３４Ａが移動を開始してから一定距離進んだ時点を、時点Ｔ２として推定してもよい。
なお、第１事象及び第２事象は、本実施形態の例に限られない。例えば、第１事象は、治具３４が対象物２に触れることではなく、治具クランプ３４Ａが移動を開始することであってもよいし、治具クランプ３４Ａが原点位置Ｐ０から所定距離だけ進むことであってもよい。例えば、第１事象は、治具３４が対象物２に触れた後に、トルク値が閾値以上になることであってもよいし、トルク値の変化がない又は小さい状態になることであってもよい。例えば、第１事象は、溶接作業が開始されることであってもよいし、溶接作業が終了することであってもよい。例えば、第１事象は、溶接作業の完了後に、治具クランプ３４Ａが移動を開始することであってもよい。
例えば、第２事象は、第１事象よりも後に発生しうる事象であればよい。例えば、第２事象は、治具３４が対象物２から離れることではなく、治具クランプ３４Ａが原点位置Ｐ０から所定距離だけ進むことであってもよい。例えば、第２事象は、治具３４が対象物２に触れることであってもよい。例えば、第２事象は、治具３４が対象物２に触れた後に、トルク値が閾値以上になることであってもよいし、トルク値の変化がない又は小さい状態になることであってもよい。例えば、第２事象は、溶接作業が開始されることであってもよいし、溶接作業が終了することであってもよい。例えば、第２事象は、溶接作業の完了後に、治具クランプ３４Ａが移動を開始することであってもよい。
第４取得部３０３Ｄは、治具３４が対象物２に接触した位置Ｐ１と、治具３４が対象物２から離れた位置Ｐ２と、を示す動作データを取得する。治具３４が対象物２に接触した位置Ｐ１は、治具３４が対象物２に接触した時点Ｔ２の位置を意味してもよいし、その前後の時点の位置を意味してもよい。即ち、治具３４が対象物２に接触した位置Ｐ１は、治具３４が対象物２に接触した瞬間に限られず、時間的に多少前後した時点の位置であってもよい。
同様に、治具３４が対象物２から離れた位置Ｐ２は、治具３４が対象物２から離れた時点Ｔ５の位置を意味してもよいし、その前後の時点の位置を意味してもよい。即ち、治具３４が対象物２から離れた位置Ｐ２は、治具３４が対象物２から離れた瞬間に限られず、時間的に多少前後した時点の位置であってもよい。なお、位置の意味は、先述したように、治具クランプ３４Ａの移動方向の位置である。位置は、地球上の絶対的な位置を意味してもよいし、治具クランプ３４Ａの原点位置Ｐ０等の基準となる位置に対する相対位置を意味してもよい。
例えば、第４取得部３０３Ｄは、センサ３５により検出された位置データのうち、時点Ｔ２における治具クランプ３４Ａの位置Ｐ１と、時点Ｔ５における治具クランプ３４Ａの位置Ｐ２と、を取得する。時点Ｔ２及び時点Ｔ５の特定方法は、先述した通りである。位置Ｐ１及び位置Ｐ２は、位置データにおける時点Ｔ２及び時点Ｔ５の値である。このため、本実施形態では、トルクデータは時点Ｔ２及び時点Ｔ５を特定するために用いられ、位置データは、位置Ｐ１及び位置Ｐ２を特定するために用いられる。
第７取得部３０３Ｇは、複数種類の動作データを取得する。例えば、第７取得部３０３Ｇは、複数種類の動作データとして、トルクデータ及び位置データを取得する。第７取得部３０３Ｇは、トルクデータ及び位置データ以外の動作データを取得してもよい。例えば、第７取得部３０３Ｇは、動作データとしては、先述したトルクセンサ及び位置センサ以外のセンサ３５で検出された動作データを取得してもよいし、センサ３５により検出された動作データではなく、モータコントローラ３０の内部処理を示す動作データを取得してもよい。第７取得部３０３は、３種類以上の動作データを取得してもよい。
第８取得部３０３Ｈは、動作データとして、トルクに関するトルクデータを取得する。第８取得部３０３Ｈは、トルクセンサであるセンサ３５の検出結果に基づいて、トルクデータを取得する。例えば、第８取得部３０３Ｈは、トルク値の時系列的な変化を示すトルクデータを取得する。
［推定部］
推定部３０４は、取得部３０３により取得された動作データに基づいて、異常を推定する。異常は、異常推定システムＳにおいて発生しうる異常である。異常を推定するとは、異常の発生を判定すること、又は、異常の疑いを示すスコアを計算することである。本実施形態では、対象物１又は対象物２の異常が推定される場合を説明するが、推定部３０４が推定する異常は、任意の種類であってよく、対象物１又は対象物２の異常に限られない。例えば、推定部３０４は、治具３４の異常、モータコントローラ３０の異常、センサ３５の異常、ロボットコントローラ２０の異常、ロボット２４の異常、上位コントローラ１０の異常、その他の周辺機器の異常、又はこれらの複数の異常であってもよい。
推定部３０４は、予め定められた推定方法に基づいて、動作データから異常を推定する。本実施形態では、異常の推定対象となる動作データと、正常時に計測された正常時データと、を比較する方法を推定方法として説明するが、異常の推定方法自体は、種々の方法を利用可能である。例えば、異常の推定方法は、動作データに含まれる値を解析する解析的手法であってもよい。解析的手法では、動作データに含まれる値を閾値と比較したり、動作データに含まれる値の変化量を閾値と比較したりすることによって、異常が推定される。例えば、動作データに含まれる値又はその変化量が閾値以上になった時点が１つでもある場合、又は、この時点が所定数以上ある場合に異常が推定される。
他にも例えば、異常の推定方法は、学習モデルを利用した機械学習手法であってもよい。機械学習手法の場合、教師有り学習又は教師無し学習の何れが利用されてもよい。機械学習自体は、公知の種々の手法を利用可能であり、例えば、畳み込みニューラルネットワーク、再帰的ニューラルネットワーク、又は深層学習を利用可能である。学習モデルには、過去に計測された動作データと、当該動作データが異常であるか否かを示す情報と、のペアを含む訓練データが学習されているものとする。畳み込みニューラルネットワークの場合、動作データは、波形を示す画像として入力されてもよい。例えば、推定部３０４は、取得部３０３により取得された動作データを、学習済みの学習モデルに入力する。学習モデルは、入力された動作データに基づいて特徴量を計算し、当該計算された特徴量に基づいて、異常の推定結果を出力する。学習モデルは、異常の有無ではなく、異常の疑いを示すスコア（異常の蓋然性）を出力してもよい。
例えば、推定部３０４は、第１推定部３０４Ａ、第２推定部３０４Ｂ、第３推定部３０４Ｃ、第４推定部３０４Ｄ、第５推定部３０４Ｅ、第６推定部３０４Ｆ、第７推定部３０４Ｇ、第１３推定部３０４Ｍ、及び第１４推定部３０４Ｎを含む。第８推定部３０４Ｈ～第１２推定部３０４Ｌは、後述の変形例で説明する。推定部３０４は、第１推定部３０４Ａ～第１４推定部３０４Ｎのうちの何れかだけを含んでもよいし、第１推定部３０４Ａ～第１４推定部３０４Ｎの任意の組み合わせを含んでもよい。推定部３０４は、第１推定部３０４Ａ～第１４推定部３０４Ｎの何れも含まなくてもよい。
第１推定部３０４Ａは、第１取得部３０３Ａにより取得された動作データに基づいて、異常を推定する。例えば、第１推定部３０４Ａは、治具３４が対象物２から離れた時点Ｔ５において計測された動作データと、この時点Ｔ５における正常値を示す正常時データと、のずれが閾値以上ではない場合には、異常ではないと推定し、このずれが閾値以上である場合に、異常であると推定する。なお、第１推定部３０４Ａは、正常時データを利用するのではなく、第１取得部３０３Ａにより取得された動作データに含まれる値を解析的手法で解析したり、機械学習手法を利用したりすることによって、異常を推定してもよい。
第２推定部３０４Ｂは、第２取得部３０３Ｂにより取得された動作データに基づいて、異常を推定する。例えば、第２推定部３０４Ｂは、第１事象が発生した第１時点と、第２事象が発生した第２時点と、の各々における計測結果を含む動作データと、これらの時点における計測結果の正常値を示す正常時データと、のずれが閾値以上ではない場合には、異常ではないと推定し、このずれが閾値以上である場合に、異常であると推定する。なお、第２推定部３０４Ｂは、正常時データを利用するのではなく、第２取得部３０３Ｂにより取得された動作データに含まれる値を解析的手法で解析したり、機械学習手法を利用したりすることによって、異常を推定してもよい。
第３推定部３０４Ｃは、第３取得部３０３Ｃにより取得された動作データに基づいて、異常を推定する。例えば、第３推定部３０４Ｃは、治具３４が対象物２に接触した時点Ｔ２と、治具３４が対象物２から離れた時点Ｔ５と、の各々における計測結果を含む動作データと、これらの時点における計測結果の正常値を示す正常時データと、のずれが閾値以上ではない場合には、異常ではないと推定し、このずれが閾値以上である場合に、異常であると推定する。なお、第３推定部３０４Ｃは、正常時データを利用するのではなく、第３取得部３０３Ｃにより取得された動作データに含まれる値を解析的手法で解析したり、機械学習手法を利用したりすることによって、異常を推定してもよい。
第４推定部３０４Ｄは、第４取得部３０３Ｄにより取得された動作データに基づいて、異常を推定する。例えば、第４推定部３０４Ｂは、治具３４が対象物２に接触した位置Ｐ１と、治具３４が対象物２から離れた位置Ｐ２と、を示す動作データと、これらの位置の正常値を示す正常時データと、のずれが閾値以上ではない場合には、異常ではないと推定し、このずれが閾値以上である場合に、異常であると推定する。なお、第４推定部３０４Ｄは、正常時データを利用するのではなく、第４取得部３０３Ｄにより取得された動作データに含まれる値を解析的手法で解析したり、機械学習手法を利用したりすることによって、異常を推定してもよい。
第５推定部３０４Ｅは、モータコントローラ３０の正常時の動作に関する正常時データに基づいて、異常を推定する。正常時データは、データ記憶部３００に予め記憶されているものとする。正常時データは、試験用の対象物を利用して計測された動作データであってもよいし、過去に異常が推定されなかった動作データであってもよい。他にも例えば、正常時データは、過去の複数の動作データの平均であってもよい。第５推定部３０４Ｅは、取得部３０３により取得された動作データと、正常時データと、のずれが閾値以上ではない場合には、異常ではないと推定し、このずれが閾値以上である場合に、異常であると推定する。ずれは、任意の指標を利用して計算可能であり、例えば、ずれの計算対象となる個々の時点の値の差の合計であってもよいし、何らかの重み係数を利用した合計であってもよい。他にも例えば、ずれは、ずれの計算対象となる個々の時点の値の平均値であってもよいし、何らかの重み係数を利用した加重平均であってもよい。
第６推定部３０４Ｆは、取得部３０３により取得された動作データに基づいて、対象物（例えば、対象物１及び対象物２の少なくとも一方。以降、これらの少なくとも一方を意味する場合には、対象物の符号を省略する）に発生した異常を推定する。本実施形態では、対象物に発生した異常が対象物の幅に関する異常である場合を説明する。このため、本実施形態では、第６取得部３０４Ｆの処理は、この後に説明する第７取得部３０４Ｇの処理と同様である。
第７推定部３０４Ｇは、対象物に発生した異常として、対象物の幅に関する異常を推定する。対象物の幅は、治具３４の移動方向における幅である。幅は、対象物の一端から、当該一端に対応する他端までの距離である。当該他端は、当該一端と反対側の端部である。図２の例であれば、対象物の水平方向の幅が対象物の幅に相当する。幅は、厚みということもできる。例えば、第７推定部３０４Ｇは、治具３４が対象物２に触れた位置Ｐ１と、正常時における位置Ｐ１と、の差に基づいて、溶接作業前の対象物の幅の異常を推定してもよい。例えば、第７推定部３０４Ｇは、治具３４が対象物２から離れた位置Ｐ２と、正常時における位置Ｐ２と、の差に基づいて、溶接作業後の対象物の幅の異常を推定してもよい。
第１３推定部３０４Ｍは、第７取得部３０３Ｇにより取得された動作データに基づいて、異常を推定する。例えば、第１３推定部３０４Ｍは、トルクデータ及び位置データに基づいて、異常を推定する。例えば、第１３推定部３０４Ｍは、トルクデータ及び位置データに基づいて推定された位置Ｐ１及び位置Ｐ２に基づいて、異常を推定する。第１３推定部３０４Ｍは、これらの位置Ｐ１及び位置Ｐ２と、正常時における位置Ｐ１及び位置Ｐ２と、のずれが閾値未満の場合には、異常ではないと推定し、このずれが閾値以上である場合に、異常であると推定する。
第１４推定部３０４Ｎは、第８取得部３０３Ｈにより取得されたトルクデータに基づいて、異常を推定する。例えば、第１４推定部３０４Ｎは、トルクデータが示す値と、正常時の値と、のずれが閾値未満の場合には、異常ではないと推定し、このずれが閾値以上である場合に、異常であると推定する。他にも例えば、第１４推定部３０４Ｎは、トルクデータに基づいて推定した時点Ｔ２及び時点Ｔ５と、正常時の時点Ｔ２及び時点Ｔ５と、のずれが閾値未満の場合には、異常ではないと推定し、このずれが閾値以上である場合に、異常であると推定する。なお、この場合の時点Ｔ２及び時点Ｔ５は、ある周期の開始時点からの経過時間を示してもよい。正常時であれば治具クランプ３４Ａが対象物２に触れるはずの時点Ｔ２からのずれが大きい場合には、異常になる。正常時であれば治具クランプ３４Ａが対象物２から離れるはずの時点Ｔ５からのずれが大きい場合には、異常になる。
［４．異常推定システムで実行される処理］
図５は、異常推定システムＳで実行される処理の一例を示す図である。ＣＰＵ１１，２１，３１がそれぞれ記憶部１２，２２，３２に記憶された制御プログラムを実行することによって、図５の処理が実行される。図５の処理は、図３の機能ブロックにより実行される処理の一例である。
図５に示すように、上位コントローラ１０は、モータコントローラ３０に、対象物２に向けて治具３４が移動するように移動指令を送信する（Ｓ１）。モータコントローラ３０は、移動指令を受信すると、対象物２に向けた治具３４の移動を開始させ（Ｓ２）、動作データの取得も開始する（Ｓ３）。Ｓ３では、モータコントローラ３０は、センサ３５の検出信号に基づいて、トルク値及び位置を連続的に取得し、動作データとして時系列的に記録する。以降、本処理が終了するまでの間、トルク値及び位置の取得が継続される。モータコントローラ３０は、治具３４を移動させて対象物１及び対象物２の固定が完了すると（Ｓ４）、上位コントローラ１０に、対象物２の固定が完了したことを示す固定完了通知を送信する（Ｓ５）。対象物１及び対象物２の固定完了は、トルク値等によって判定されるようにしてもよいし、固定完了を検知するセンサ３５が存在してもよい。
上位コントローラ１０は、固定完了通知を受信すると、ロボットコントローラ２０に、溶接作業を開始する旨の作業開始指令を送信する（Ｓ６）。ロボットコントローラ２０は、作業開始指令を受信すると、ロボット２４に溶接作業を開始させる（Ｓ７）。モータコントローラ３０は、溶接作業中も対象物１及び対象物２が固定するように治具３４を制御し、動作データの取得も継続する。溶接作業中に対象物１及び対象物２が膨らむことがあるので、モータコントローラ３０は、この膨らみを抑え込むように治具３４を制御してもよい。ロボットコントローラ２０は、溶接作業が完了すると、上位コントローラ１０に、溶接作業が完了したことを示す作業完了通知を送信する（Ｓ８）。
上位コントローラ１０は、作業完了通知を受信すると、モータコントローラ３０に、対象物２から離れる方向に治具３４を移動するように移動指令を送信する（Ｓ９）。モータコントローラ３０は、移動指令を受信すると、この方向に治具３４の移動を開始する（Ｓ１０）。モータコントローラ３０は、動作データの取得も継続する。モータコントローラ３０は、治具３４が原点位置Ｐ０に到達すると、上位コントローラ１０に、治具３４が原点位置Ｐ０に到達したことを示す移動完了通知を送信する（Ｓ１１）。上位コントローラ１０は、移動完了通知を受信すると、次の対象物２がセットされるのを待機する。
モータコントローラ３０は、動作データに基づいて、異常を推定する（Ｓ１２）。Ｓ１２では、先述したような種々の異常推定が可能である。モータコントローラ３０は、異常が推定された場合、所定のアラートを出力し、本処理は終了する。異常が推定された場合には、次の対象物に対する溶接作業が行われないようにしてもよい。異常が推定されない場合、アラートが出力されることなく本処理は終了し、次の対象物２がセットされた場合に、Ｓ１の処理から再度実行される。なお、動作データに基づく異常推定は、毎周期実行される必要はなく、複数周期の動作データがまとめて解析されてもよい。
本実施形態の異常推定システムＳによれば、治具３４により対象物２が押し付けられた後の複数の時点の各々において計測された動作データに基づいて異常を推定することによって、対象物２が押し付けられた後の複数の時点の各々における計測結果を利用できるので、異常推定システムＳにおける異常の推定精度が高まる。例えば、対象物への作業中における計測結果を利用することによって、作業中に発生した異常を推定できる。例えば、対象物２が治具３４から離れる時における計測結果を利用することによって、対象物の幅等の情報をより正確に推定できるので、対象物２に発生した異常を精度よく推定できる。
また、異常推定システムＳは、治具３４が対象物２から離れた時点Ｔ５において計測された動作データに基づいて異常を推定することによって、治具３４が対象物２から離れた時点Ｔ５の計測結果を利用できるので、異常推定システムＳにおける異常の推定精度が高まる。例えば、治具３４が対象物２から離れた時点Ｔ５の計測結果に基づいて対象物の幅等の情報を正確に特定して異常を推定できる。
また、異常推定システムＳは、第１事象が発生した第１時点と、第２事象が発生した第２時点と、の各々における計測結果を含む動作データに基づいて異常を推定することによって、異常を推定する際に重要な事象が発生した時点の計測結果を利用できるので、異常推定システムＳにおける異常の推定精度が高まる。例えば、異常を推定する際にあまり重要ではない時点の計測結果を異常の推定で利用しないようにすれば、ノイズとなる情報が減るので、異常の推定精度が高まる。異常を推定する際にあまり重要ではない時点の計測結果を取得しないようにすれば、重要ではない情報を計測しないので、異常推定システムＳの処理負荷が軽減する。
また、異常推定システムＳは、治具３４が対象物２に接触した時点Ｔ２と、治具３４が対象物２から離れた時点Ｔ５と、の各々における計測結果を含む動作データに基づいて異常を推定することによって、異常を推定する際に特に重要な事象が発生した時点の計測結果を利用できるので、異常推定システムＳにおける異常の推定精度が高まる。例えば、異常を推定する際にあまり重要ではない時点の計測結果を異常の推定で利用しないようにすれば、ノイズとなる情報が減るので、異常の推定精度が高まる。異常を推定する際にあまり重要ではない時点の計測結果を取得しないようにすれば、重要ではない情報を計測しないので、異常推定システムＳの処理負荷が軽減する。
また、異常推定システムＳは、治具３４が対象物２に接触した位置Ｐ１と、治具３４が対象物２から離れた位置Ｐ２と、を示す動作データに基づいて異常を推定することによって、異常推定システムＳにおける異常の推定精度が高まる。例えば、これらの位置に基づいて、対象物２の幅の異常を推定できる。
また、異常推定システムＳは、モータコントローラ３０の正常時の動作に関する正常時データに基づいて異常を推定することによって、異常推定システムＳにおける異常の推定精度が高まる。より簡易な処理によって異常を推定できるので、異常推定システムＳの処理負荷が軽減する。
また、異常推定システムＳは、対象物に発生した異常の推定精度が高まる。例えば、対象物の品質を評価できる。
また、異常推定システムＳは、対象物の幅に関する異常を推定できる。例えば、対象物に対する作業により発生した膨らみやへこみを推定できる。
また、異常推定システムＳは、トルクデータを利用することによって、異常推定システムＳにおける異常の推定精度が高まる。
また、異常推定システムＳは、複数種類の動作データに基づいて異常を推定することによって、複数種類の動作データを総合的に考慮できるので、異常推定システムＳにおける異常の推定精度が高まる。
［５．変形例］
本開示は、以上に説明した実施形態に限定されるものではない。本開示の趣旨を逸脱しない範囲で、適宜変更可能である。
図６は、変形例における異常推定システムＳの全体構成の一例を示す図である。変形例では、変形例２で説明する前工程装置４０、変形例３で説明する後工程装置５０、及び変形例５で説明する検査装置６０が上位コントローラ１０に接続される。ＣＰＵ４１，５１，６１、記憶部４２，５２，６２、及び通信部４３，５３，６３の物理的構成は、それぞれＣＰＵ１１、記憶部１２、及び通信部１３と同様であってよい。
図７は、変形例における機能ブロックの一例を示す図である。変形例では、取得部３０３は、第５取得部３０３Ｅ及び第６取得部３０３Ｆを含む。推定部３０４は、第８推定部３０４Ｈ～第１２推定部３０４Ｌを含む。前工程解析部１０３、工程制御部１０４、及び登録部１０５は、ＣＰＵ１１を主として実現される。作業制御部３０５及び決定部３０６は、ＣＰＵ３１を主として実現される。
［５－１．変形例１］
例えば、異常推定システムＳにおいて異常の推定対象となるのは、対象物に限られない。溶接作業に関する所定の装置の異常が推定されてもよい。所定の装置とは、溶接作業に何らかの関係がある装置である。変形例１では、モータコントローラ３０が所定の装置に相当する場合を説明する。このため、変形例１でモータコントローラ３０と記載した箇所は、所定の装置と読み替えることができる。
変形例１の異常推定システムＳは、取得部３０３により取得された動作データに基づいて、モータコントローラ３０に関する異常を推定する第８推定部３０４Ｈを含む。第８推定部３０４Ｈは、モータコントローラ３０が実行する内部処理の異常を推定してもよいし、モータコントローラ３０が制御する治具３４の異常を推定してもよい。
例えば、第８推定部３０４Ｈは、取得部３０３により取得された動作データと、モータコントローラ３０が正常に動作する時の正常時データと、のずれが閾値未満の場合には、異常が発生したと推定せず、このずれが閾値以上の場合に、異常が発生したと推定する。第８推定部３０４Ｈは、動作データ及び正常時データのずれの大きさ及びタイミングの少なくとも一方に基づいて、異常の種類を推定してもよい。この場合、ずれの大きさ及びタイミングの少なくとも一方と、異常の種類と、の関係が予めデータ記憶部３００に記憶されているものとする。第８推定部３０４Ｈは、動作データ及び正常時データのずれに関連付けられた種類の異常が発生したことを推定する。
なお、実施形態で説明した推定部３０４と同様に、第８推定部３０４Ｈによる異常の推定方法は、正常時データを利用した方法に限られない。例えば、第８推定部３０４Ｈは、解析的手法に基づいて、モータコントローラ３０に関する異常を推定してもよい。第８推定部３０４Ｈは、動作データが示す値の変化量に基づいて、モータコントローラ３０に関する異常を推定する。例えば、第８推定部３０４Ｈは、変化量が閾値以上の時点が所定時点以上存在する場合に、モータコントローラ３０に異常が発生したと推定する。
他にも例えば、第８推定部３０４Ｈは、機械学習手法に基づいて、モータコントローラ３０に関する異常を推定してもよい。この場合、訓練用に取得された動作データと、モータコントローラ３０の異常に関する情報（例えば、異常の有無及び種類の少なくとも一方）と、の関係を示す訓練データが学習モデルに学習されているものとする。第８推定部３０４Ｈは、学習モデルに動作データを入力し、学習モデルから出力されたモータコントローラ３０の異常の推定結果を取得してもよい。
なお、変形例１で異常の推定対象となる所定の装置は、任意の装置であってよく、モータコントローラ３０に限られない。例えば、所定の装置は、上位コントローラ１０、ロボットコントローラ２０、ロボット２４、治具３４、又はセンサ３５であってもよい。他にも例えば、所定の装置は、溶接作業よりも前の工程を行う装置であってもよいし、溶接作業よりも後の工程を行う装置であってもよい。例えば、第８推定部３０４Ｈは、治具３４の異常として、治具クランプ３４Ａ及び固定側の部材３４Ｂの少なくとも一方の劣化具合を推定してもよい。
変形例１によれば、対象物に対する作業に関するモータコントローラ３０等の所定の装置に関する異常の推定精度が高まる。例えば、モータコントローラ３０等の所定の装置に突発的に発生した異常や経年劣化による異常を推定できる。
［５－２．変形例２］
例えば、推定部３０４による異常の推定結果に基づいて、溶接作業の前工程で得られたデータを解析してもよい。変形例２の異常推定システムＳは、異常の推定結果に基づいて、溶接作業の前工程に関する前工程データを解析する前工程解析部１０３を含む。前工程は、溶接作業よりも前に行われる工程である。前工程は、溶接作業の１つ前の工程であってもよいし、溶接作業の２つ以上前の工程であってもよい。
変形例２では、溶接作業の前に、対象物１及び対象物２に対する塗装が行われるものとする。このため、塗装工程が前工程に相当する。前工程は、任意の工程であってよく、塗装工程に限られない。例えば、塗装工程の前に、対象物１及び対象物２の組立工程が行われる場合には、組立工程も溶接作業の前に行われるので前工程に相当する。他にも例えば、搬送工程、計測工程、又は検査工程といった工程が前工程に相当してもよい。
前工程データは、前工程における動作データである。変形例２では、前工程が塗装工程なので、塗装工程における動作データが前工程データに相当する。動作データという言葉の意味自体は、実施形態で説明した通りである。例えば、前工程データは、前工程装置４０に接続されたトルクセンサに基づくトルクデータであってもよい。
前工程データは、前工程装置４０により取得される。前工程装置４０は、前工程を行う装置である。変形例２では、前工程が塗装工程なので、塗装ロボットを制御するロボットコントローラが前工程装置４０に相当する場合を説明する。前工程装置４０は、任意の装置であってよく、例えば、モータコントローラ又は数値制御装置であってもよい。
前工程解析部１０３は、推定部３０４により異常が推定された場合に、前工程データを解析し、溶接工程における異常の原因が前工程であるか否かを判定する。例えば、前工程解析部１０３は、前工程データと、前工程の正常時の正常時データと、のずれが閾値未満の場合に、溶接工程における異常の原因が前工程ではないと判定し、このずれが閾値以上の場合に、溶接工程における異常の原因が前工程であると判定する。
なお、前工程データの解析方法は、任意の方法を利用可能であり、正常時データを利用した方法に限られない。例えば、前工程解析部１０３は、解析的手法に基づいて、前工程データを解析してもよい。前工程解析部１０３は、前工程データが示す値の変化量に基づいて、溶接工程における異常の原因が前工程であるか否かを判定してもよい。例えば、前工程解析部１０３は、変化量が閾値以上の時点が所定時点以上存在する場合に、溶接工程における異常の原因が前工程であると判定する。
例えば、前工程解析部１０３は、機械学習手法に基づいて、前工程データを解析してもよい。この場合、訓練用に取得された前工程データと、溶接工程における異常の原因が前工程であるか否かを示す情報と、の関係を示す訓練データが学習モデルに学習されているものとする。前工程解析部１０３は、学習モデルに前工程データを入力し、学習モデルから出力された異常の原因の判定結果を取得してもよい。
変形例２によれば、異常の推定結果に基づいて、作業の前工程に関する前工程データを解析することによって、異常の推定精度が高まる。例えば、異常が発生した要因が前工程のこともあるので、異常が発生した要因を精度よく推定できる。
［５－３．変形例３］
例えば、推定部３０４による異常の推定結果を、溶接作業の前工程及び後工程の少なくとも一方の制御に利用してもよい。変形例３の異常推定システムＳは、異常の推定結果に基づいて、作業の前工程及び後工程の少なくとも一方を制御する工程制御部１０４を含む。後工程は、溶接作業よりも後に行われる工程である。後工程は、溶接作業の１つ後の工程であってもよいし、溶接作業の２つ以上後の工程であってもよい。
変形例３では、溶接作業の後に、互いに接合された対象物１及び対象物２と、他の対象物と、の組み立てが行われるものとする。このため、組立工程が後工程に相当する。後工程は、任意の工程であってよく、組立工程に限られない。例えば、組立工程の後に、組立後の対象物（対象物１、対象物２、及び他の対象物が組み立てられた物）の検査工程が行われる場合には、検査工程も溶接作業の後に行われるので後工程に相当する。他にも例えば、搬送工程、計測工程、又は検査工程といった工程が後工程に相当してもよい。
変形例３では、工程制御部１０４が前工程及び後工程の両方を制御する場合を説明するが、工程制御部１０４は、前工程又は後工程の何れか一方のみを制御してもよい。また、変形例３では、工程制御部１０４が上位コントローラ１０で実現され、推定部３０４がモータコントローラ３０で実現されるので、上位コントローラ１０は、モータコントローラ３０から推定部３０４の推定結果を取得するものとする。
例えば、工程制御部１０４は、ある対象物で異常が推定された場合に、次の対象物に対する前工程で異常が発生しないように、前工程を制御する。例えば、溶接作業で異常が発生した原因として、前工程である塗装工程における過度な塗装が原因だったと推定された場合には、工程制御部１０４は、塗装工程における塗装の時間が少なくなるように、前工程を制御する。他にも例えば、工程制御部１０４は、塗装工程で利用される塗料が減るように、前工程を制御する。例えば、工程制御部１０４は、ある対象物で異常が推定された場合に、この対象物に発生した異常を打ち消すように、後工程を制御する。例えば、工程制御部１０４は、溶接作業で対象物の幅に異常が発生した場合に、後工程である組立工程において、この幅に合うようなサイズの他の対象物と組み立てられるように、後工程を制御する。
変形例３によれば、異常の推定結果に基づいて、前工程及び後工程の少なくとも一方を制御することによって、前工程及び後工程の少なくとも一方精度が高まる。例えば、ある対象物で異常が発生した場合に、次の対象物ではその異常が発生しないように前工程を制御することによって、次の対象物の品質が高まる。例えば、異常が発生したとしても、その異常を打ち消すように後工程を制御することによって、対象物の品質が高まる。
［５－４．変形例４］
例えば、変形例３では、推定部３０４による異常の推定結果が、溶接作業の前工程及び後工程の少なくとも一方の制御に利用される場合を説明したが、この推定結果は、実行中の溶接作業の制御に利用してもよいし、次以降の溶接作業に利用してもよい。変形例４の異常推定システムＳは、異常の推定結果に基づいて、作業を制御する作業制御部３０５を含む。
例えば、作業制御部３０５は、ある対象物の溶接作業中に異常が推定された場合に、この対象物に発生した異常を打ち消すように、実行中の溶接作業を制御する。例えば、実行中の溶接作業で対象物の幅に異常が発生した場合に、実行中の溶接作業で対象物があまり膨らまないように溶接の温度を制御する。例えば、作業制御部３０５は、ある対象物の溶接作業中に異常が推定された場合に、次の対象物に対する溶接作業で異常が発生しないように、次の溶接作業を制御してもよい。例えば、溶接作業が完了した対象物の幅に異常が発生した場合に、次の溶接作業では対象物があまり膨らまないように溶接の幅が小さくなるように、次の溶接作業を制御してもよい。
変形例４によれば、異常の推定結果に基づいて、対象物に対する作業を制御することによって、対象物の品質が高まる。例えば、対象物に対する作業中に異常が発生したとしても、その異常を打ち消すような作業をすることによって、対象物の品質が高まる。
［５－５．変形例５］
例えば、異常の推定で利用されるパラメータの適否は、人手で判定することが難しいことがあるので、機械学習を利用して、このパラメータの適否が判定されてもよい。パラメータは、正常時データを利用した異常推定における閾値、解析的手法における閾値、又は機械学習手法における学習モデルの係数である。変形例５の異常推定システムＳは、過去に実行された異常の推定結果と、過去に溶接作業が行われた対象物の検査結果と、が学習された学習モデルに基づいて、異常の推定で利用されるパラメータを決定する決定部３０６を含む。
溶接作業が行われた対象物の検査は、検査装置６０により行われる。検査装置６０は、任意の検査を実行可能であり、例えば、サイズ、形状、強度、色合い、又はこれらの組み合わせを検査する。検査装置６０は、上位コントローラ１０に検査結果を送信する。検査結果は、異常の有無だけではなく、正常値からどの程度離れているか、又は、正常と判定される上限値にどの程度近いかといった情報を含んでもよい。
学習モデルには、訓練用に実行された異常の推定結果と、訓練用の対象物の検査結果と、を含む訓練データが学習されている。この学習モデルは、異常を推定するための学習モデルではなく、異常推定で利用されるパラメータの適否を判定するためのモデルである。例えば、学習モデルは、異常の推定結果が入力されると、検査結果が出力されるものであってもよい。この場合、検査装置６０で実際の検査を行うことなく、現状の推定結果が正しいか否かを学習モデルで推定できる。
異常の推定結果が正しいと推定されなくなった場合には、パラメータを変更する必要があるといった判定が可能になる。この場合、決定部３０６は、現状のパラメータを所定値だけ変化させるようにしてもよい。例えば、決定部３０６は、自動的にパラメータを決定する学習モデルを利用して、現状の動作データに応じたパラメータを決定してもよい。例えば、決定部３０６は、異常の推定結果が正しくなくなった割合に応じて、パラメータの変化量を決定してもよい。
変形例５の異常推定システムＳは、決定部３０６により決定されたパラメータに基づいて、異常を推定する第９推定部３０４Ｉを含む。第９推定部３０４Ｉは、異常推定で利用するパラメータを、決定部３０６により決定されたパラメータに差し替える。パラメータが差し替えられる点で実施形態とは異なるが、異常の推定方法自体は、実施形態で説明した通りである。
変形例５によれば、過去に実行された異常の推定結果と、過去に作業が行われた対象物の検査結果と、が学習された学習モデルに基づいて、異常の推定で利用されるパラメータを決定することによって、異常の推定精度が高まる。例えば、異常の推定で利用されるパラメータの一例である閾値は、ユーザが適否を判定することが難しい。この点、学習モデルを利用してパラメータの適否を推定することによって、異常推定において適切な閾値とすることができる。
［５－６．変形例６］
例えば、対象物２は、複数の治具３４により押し付けられてもよい。変形例６では、治具３４ごとに、当該治具３４を制御するモータコントローラ３０が用意される場合を説明するが、１台のモータコントローラ３０が複数の治具３４を制御してもよい。個々のモータコントローラ３０の構成は、実施形態で説明したモータコントローラ３０と同様であってよい。
変形例６の異常推定システムＳは、複数の治具３４の各々に対応する動作データを取得する第５取得部３０３Ｅを含む。個々の動作データの内容は、実施形態で説明した動作データと同様である。変形例６では、第５取得部３０３Ｅは、複数の治具３４に対応する複数のモータコントローラ３０の各々から動作データを取得する。
変形例６の異常推定システムＳは、第５取得部３０３Ｅにより取得された動作データに基づいて、異常を推定する第１０推定部３０４Ｊを含む。第１０推定部３０４Ｊは、複数の治具３４に対応する複数の動作データを総合的に考慮して、異常を推定する。例えば、第１０推定部３０４Ｊは、実施形態と同様にして個々の動作データに基づいて異常を推定し、所定数以上の治具３４で異常が推定された場合に、最終的に異常が発生した推定してもよい。
他にも例えば、第１０推定部３０４Ｊは、ある治具３４に対応する動作データで異常が推定されたが、他の治具３４に対応する動作データで、当該異常を打ち消すような傾向がみられた場合に、異常が発生したと推定しないようにしてもよい。より具体的には、第１０推定部３０４Ｊは、ある治具に対応する動作データに基づいて、対象物２の所定の箇所に正常範囲を超える厚みが発生したが、他の箇所に、この厚みを打ち消すようなへこみが存在する場合には、異常が発生したと推定しないようにしてもよい。
なお、変形例６では、複数の治具３４が同時に対象物２を押し付ける場合を説明したが、複数の治具３４が交代で対象物２を押し付けてもよい。この場合にも、第１０推定部３０４Ｊは、個々の治具３４に対応する動作データに基づいて、異常を推定すればよい。
変形例６によれば、複数の治具３４の各々に対応する動作データに基づいて異常を推定することによって、複数の治具３４の状態を総合的に考慮して異常を推定できるので、異常推定システムＳにおける異常の推定精度が高まる。例えば、ある１つの治具３４だけであれば異常となる場合でも、この異常を打ち消すような推定結果が他の治具３４から得られた場合には正常とすることができる。
［５－７．変形例７］
例えば、ある１つ対象物ではなく、複数の対象物の各々の動作データが総合的に考慮されて異常が推定されてもよい。変形例７の異常推定システムＳは、複数の対象物の各々に対応する動作データを取得する第６取得部３０３Ｆを含む。個々の動作データの内容は、実施形態で説明した通りである。例えば、第６取得部３０３Ｆは、ある対象物に対する溶接作業が行われた場合に、この対象物に対応する動作データを取得し、次の対象物に対する溶接作業が行われた場合に、次の対象物に対応する動作データを取得する、といったように、対象物に対する溶接作業が行われるたびに次々と動作データを取得する。
変形例７の異常推定システムＳは、第６取得部３０３Ｆにより取得された動作データに基づいて、異常を推定する第１１推定部３０４Ｋを含む。例えば、第１１推定部３０４Ｋは、複数の対象物にまたがる動作データの時系列的な変化に基づいて、異常を推定する。第１１推定部３０４Ｋは、ある対象物に対応する動作データで異常が発生し、かつ、その前後の対象物に対応する動作データは正常の範囲内だった場合には、対象物に異常が発生したと推定する。第１１推定部３０４は、ある対象物に対応する動作データで異常が発生し、かつ、それよりも前の対象物に対応する動作データで徐々に異常に近づいた場合には、モータコントローラ３０又は治具３４といった所定の装置の異常が発生したと推定する。
変形例７によれば、複数の対象物の各々に対応する動作データに基づいて異常を推定することによって、例えば、複数の対象物の状態を総合的に考慮できるので、異常推定システムＳにおける異常の推定精度が高まる。例えば、動作データが突発的に異常になったのか、それとも動作データが徐々に異常に近づいたのか、によって異常の原因を推定できるようになる。例えば、ある対象物で異常が発生していたとしても、この異常を打ち消すような推定結果が他の対象物から得られた場合には正常とすることもできる。
［５－８．変形例８］
例えば、変形例８の異常推定システムＳは、対象物を識別可能な対象物識別情報と、異常の推定結果と、を関連付けてデータベースに登録する登録部１０５を有してもよい。対象物識別情報は、ある期間に生産された対象物を一意に識別可能な情報である。例えば、対象物識別情報は、対象物に付与された対象物ＩＤである。対象物が最終的な製品の場合には、製品のシリアル番号が対象物識別情報に相当する。対象物識別情報に関連付けられる異常の推定結果は、異常の有無だけではなく、異常の疑いを示す確率であってもよい。対象物識別情報及び異常の推定結果が関連付けられるデータベースは、データ記憶部１００に記憶されるものとする。
変形例８によれば、対象物を識別可能な対象物識別情報と、異常の推定結果と、を関連付けてデータベースに登録することによって、対象物のトレーサビリティを担保できる。
［５－９．変形例９］
例えば、変形例９の異常推定システムＳは、異常として、サイクルタイムの変動を推定する第１２推定部３０４Ｌを有してもよい。サイクルタイムは、周期的に行われる作業に要した時間である。例えば、第１２推定部３０４Ｌは、溶接作業に要したサイクルタイムが正常値の範囲内であるか否かを判定する。ある周期において図２のような流れで溶接作業が行われる場合、治具クランプ３４Ａが移動を開始した時点Ｔ１から治具クランプ３４Ａが原点位置Ｐ０に戻るまでの時点Ｔ６までの期間をサイクルタイムとしてもよい。サイクルタイムは、時点Ｔ１～時点Ｔ６までの期間に限られず、動作データから何らかの事象を検知可能な複数の時点の間の期間であればよい。例えば、時点Ｔ２～時点Ｔ５までをサイクルタイムとしてもよい。
変形例９によれば、サイクルタイムの変動の推定精度が高まる。
［５－１０．その他変形例］
例えば、上記変形例を組み合わせてもよい。
例えば、上記説明した各機能は、異常推定システムＳにおける任意の装置で実現されるようにすればよい。上位コントローラ１０に含まれるものとして説明した機能がロボットコントローラ２０又はモータコントローラ３０により実現されてもよい。ロボットコントローラ２０に含まれるものとして説明した機能が上位コントローラ１０又はモータコントローラ３０により実現されてもよい。
例えば、モータコントローラ３０に含まれるものとして説明した機能が上位コントローラ１０又はロボットコントローラ２０により実現されてもよい。上位コントローラ１０は、モータコントローラ２０の動作データを取得して異常を推定してもよい。即ち、上位コントローラ１０により取得部３０３及び推定部３０４が実現されてもよい。ある１つの装置で実現されるものとして説明した機能は、複数の装置で分担されてもよい。
Ｓ 異常推定システム、１０ 上位コントローラ、１１，２１，３１，４１，５１，６１ ＣＰＵ、１２，２２，３２，４２，５２，６１ 記憶部、１３，２３，３３，４３，５３，６３ 通信部、２０ ロボットコントローラ、２４ ロボット、３０ モータコントローラ、３４ 治具、３４Ａ 治具クランプ、３４Ｂ 固定側の部材、３５ センサ、４０ 前工程装置、５０ 後工程装置、６０ 検査装置、Ｔ１，Ｔ２，Ｔ３，Ｔ４，Ｔ５，Ｔ６ 時点、１００ データ記憶部、１０１ 送信部、１０２ 受信部、１０３ 前工程解析部、１０４ 工程制御部、１０５ 登録部、２００ データ記憶部、２０１ 送信部、２０２ 受信部、３００ データ記憶部、３０１ 送信部、３０２ 受信部、３０３ 取得部、３０４ 推定部、３０５ 作業制御部、３０６ 決定部。

Claims (21)

  1. 作業の対象となる対象物を押し付けるための治具を制御する産業装置と、
    前記治具により前記対象物が押し付けられた後の複数の時点の各々において計測された、前記産業装置の動作に関する動作データを取得する取得部と、
    前記取得部により取得された動作データに基づいて、異常を推定する推定部と、
    を有する異常推定システム。
  2. 前記治具が前記対象物から離れた時点において計測された前記動作データを取得する第１取得部と、
    前記第１取得部により取得された動作データに基づいて、前記異常を推定する第１推定部と、
    を有する請求項１に記載の異常推定システム。
  3. 第１事象が発生した第１時点と、第２事象が発生した第２時点と、の各々における計測結果を含む前記動作データを取得する第２取得部と、
    前記第２取得部により取得された動作データに基づいて、前記異常を推定する第２推定部と、
    を有する請求項１又は２に記載の異常推定システム。
  4. 前記治具が前記対象物に接触することである前記第１事象が発生した前記第１時点と、前記治具が前記対象物から離れることである前記第２事象が発生した前記第２時点と、の各々における計測結果を含む前記動作データを取得する第３取得部と、
    前記第３取得部により取得された動作データに基づいて、前記異常を推定する第３推定部と、
    を有する請求項３に記載の異常推定システム。
  5. 前記治具が前記対象物に接触した位置と、前記治具が前記対象物から離れた位置と、を示す前記動作データを取得する第４取得部と、
    前記第４取得部により取得された動作データに基づいて、前記異常を推定する第４推定部と、
    を有する請求項４に記載の異常推定システム。
  6. 前記産業装置の正常時の動作に関する正常時データに基づいて、前記異常を推定する第５推定部を有する、
    請求項１～５の何れかに記載の異常推定システム。
  7. 前記取得部により取得された動作データに基づいて、前記対象物に発生した異常を推定する第６推定部と、
    請求項１～６の何れかに記載の異常推定システム。
  8. 前記対象物に発生した異常として、前記対象物の幅に関する前記異常を推定する第７推定部を有する、
    請求項７に記載の異常推定システム。
  9. 前記取得部により取得された動作データに基づいて、前記作業に関する所定の装置に関する異常を推定する第８推定部を有する、
    請求項１～８の何れかに記載の異常推定システム。
  10. 前記異常の推定結果に基づいて、前記作業の前工程に関する前工程データを解析する前工程解析部を有する、
    請求項１～９の何れかに記載の異常推定システム。
  11. 前記異常の推定結果に基づいて、前記作業の前工程及び後工程の少なくとも一方を制御する工程制御部を有する、
    請求項１～１０の何れかに記載の異常推定システム。
  12. 前記異常の推定結果に基づいて、前記作業を制御する作業制御部を有する、
    請求項１～１１の何れかに記載の異常推定システム。
  13. 過去に実行された前記異常の推定結果と、過去に前記作業が行われた対象物の検査結果と、が学習された学習モデルに基づいて、前記異常の推定で利用されるパラメータを決定する決定部と、
    前記パラメータに基づいて、前記異常を推定する第９推定部と、
    を有する請求項１～１２の何れかに記載の異常推定システム。
  14. 前記対象物は、複数の前記治具により押し付けられ、
    前記複数の治具の各々に対応する前記動作データを取得する第５取得部と、
    前記第５取得部により取得された動作データに基づいて、前記異常を推定する第１０推定部と、
    を有する請求項１～１３の何れかに記載の異常推定システム。
  15. 複数の前記対象物の各々に対応する前記動作データを取得する第６取得部と、
    前記第６取得部により取得された動作データに基づいて、前記異常を推定する第１１推定部と、
    を有する請求項１～１４の何れかに記載の異常推定システム。
  16. 前記対象物を識別可能な対象物識別情報と、前記異常の推定結果と、を関連付けてデータベースに登録する登録部を有する、
    請求項１～１５の何れかに記載の異常推定システム。
  17. 前記異常として、サイクルタイムの変動を推定する第１２推定部を有する、
    請求項１～１６の何れかに記載の異常推定システム。
  18. 複数種類の前記動作データを取得する第７取得部と、
    前記第７取得部により取得された動作データに基づいて、前記異常を推定する第１３推定部と、
    を有する請求項１～１７の何れかに記載の異常推定システム。
  19. 前記動作データとして、トルクに関するトルクデータを取得する第８取得部と、
    前記第８取得部により取得されたトルクデータに基づいて、前記異常を推定する第１４推定部と、
    を有する請求項１～１８の何れかに記載の異常推定システム。
  20. 作業の対象となる対象物を押し付けるための治具を制御し、
    前記治具により前記対象物が押し付けられた後の複数の時点の各々において計測された、前記産業装置の動作に関する動作データを取得し、
    前記動作データに基づいて、異常を推定する、
    異常推定方法。
  21. 作業の対象となる対象物を押し付けるための治具により前記対象物が押し付けられた後の複数の時点の各々において計測された、前記産業装置の動作に関する動作データを取得する取得部、
    前記取得部により取得された動作データに基づいて、異常を推定する推定部、
    としてコンピュータを機能させるためのプログラム。
JP2021176841A 2021-10-28 2021-10-28 異常推定システム、異常推定方法、及びプログラム Active JP7326401B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2021176841A JP7326401B2 (ja) 2021-10-28 2021-10-28 異常推定システム、異常推定方法、及びプログラム
CN202210948870.6A CN116038682A (zh) 2021-10-28 2022-08-09 异常估计系统、异常估计方法和存储介质
US18/048,656 US20230137232A1 (en) 2021-10-28 2022-10-21 Abnormality estimation system, abnormality estimation method, and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2021176841A JP7326401B2 (ja) 2021-10-28 2021-10-28 異常推定システム、異常推定方法、及びプログラム

Publications (2)

Publication Number Publication Date
JP2023066236A true JP2023066236A (ja) 2023-05-15
JP7326401B2 JP7326401B2 (ja) 2023-08-15

Family

ID=86114069

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021176841A Active JP7326401B2 (ja) 2021-10-28 2021-10-28 異常推定システム、異常推定方法、及びプログラム

Country Status (3)

Country Link
US (1) US20230137232A1 (ja)
JP (1) JP7326401B2 (ja)
CN (1) CN116038682A (ja)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0621700A (ja) * 1992-06-30 1994-01-28 Matsushita Electric Ind Co Ltd 実装ラインにおける検査装置
JPH06124997A (ja) * 1992-10-13 1994-05-06 Anelva Corp 基板処理装置の基板クランプ機構
JPH08112728A (ja) * 1994-10-17 1996-05-07 Mazda Motor Corp ワークの搬送方法および搬送制御装置
JP2003080527A (ja) * 2001-09-10 2003-03-19 Star Seiki Co Ltd 取出機の異常診断方法
JP2011177746A (ja) * 2010-03-01 2011-09-15 Kobe Steel Ltd クランプ確認システム、溶接ロボットシステム、クランプ治具制御装置およびクランプ確認方法
JP2020027425A (ja) * 2018-08-10 2020-02-20 東京エレクトロンデバイス株式会社 予防保全装置及び予防保全システム
JP2020157317A (ja) * 2019-03-25 2020-10-01 日産自動車株式会社 異常判定方法及び異常判定装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5596394B2 (ja) * 2010-03-31 2014-09-24 株式会社ダイヘン アーク溶接方法
JP6636284B2 (ja) * 2015-08-21 2020-01-29 株式会社ダイヘン アーク溶接品質判定システム
JP6392819B2 (ja) * 2016-08-23 2018-09-19 ファナック株式会社 製造時間情報により異常検出条件を変更する製造管理システム
JP2018051635A (ja) * 2016-09-26 2018-04-05 セイコーエプソン株式会社 ロボット制御装置、ロボットおよびロボットシステム
CN112677146A (zh) * 2019-10-18 2021-04-20 牧今科技 验证和更新机器人控制用校准信息的方法和控制系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0621700A (ja) * 1992-06-30 1994-01-28 Matsushita Electric Ind Co Ltd 実装ラインにおける検査装置
JPH06124997A (ja) * 1992-10-13 1994-05-06 Anelva Corp 基板処理装置の基板クランプ機構
JPH08112728A (ja) * 1994-10-17 1996-05-07 Mazda Motor Corp ワークの搬送方法および搬送制御装置
JP2003080527A (ja) * 2001-09-10 2003-03-19 Star Seiki Co Ltd 取出機の異常診断方法
JP2011177746A (ja) * 2010-03-01 2011-09-15 Kobe Steel Ltd クランプ確認システム、溶接ロボットシステム、クランプ治具制御装置およびクランプ確認方法
JP2020027425A (ja) * 2018-08-10 2020-02-20 東京エレクトロンデバイス株式会社 予防保全装置及び予防保全システム
JP2020157317A (ja) * 2019-03-25 2020-10-01 日産自動車株式会社 異常判定方法及び異常判定装置

Also Published As

Publication number Publication date
CN116038682A (zh) 2023-05-02
US20230137232A1 (en) 2023-05-04
JP7326401B2 (ja) 2023-08-15

Similar Documents

Publication Publication Date Title
Borgi et al. Data analytics for predictive maintenance of industrial robots
US10852710B2 (en) Thermal displacement compensation apparatus
US8798790B2 (en) Apparatus and method for detecting contact position of robot
US20160279794A1 (en) Robot controller capable of performing fault diagnosis of robot
US20050278148A1 (en) Method and system for appraising the wear of axes of a robot arm
RU2770297C2 (ru) Система и способ определения видов неисправностей из данных датчиков в процессах изготовления и оценки качества изделия
JP2017015396A5 (ja)
Weigelt et al. Conceptual design of an intelligent ultrasonic crimping process using machine learning algorithms
JP6795562B2 (ja) 検査装置及び機械学習方法
CN111051008A (zh) 螺钉连接装置的安装
US11113804B2 (en) Quality estimation device, quality estimation method, and quality estimation program
WO2016121689A1 (ja) 不具合診断方法及び不具合診断システム
JP7326401B2 (ja) 異常推定システム、異常推定方法、及びプログラム
JP6823025B2 (ja) 検査装置及び機械学習方法
US20190033820A1 (en) Numerical controller
US11267129B2 (en) Automatic positioning method and automatic control device
CN110597698B (zh) 用于分析至少一个异常的原因的方法
US20220196611A1 (en) Method For Detecting Position Anomaly Of Test Object, Control System, Testing System, Robot System, Testing Robot, And Programming Device
Jatana Predictive maintenance of industrial robots
JP2022084259A5 (ja)
US20050246064A1 (en) Method for detecting position errors using a motion detector
Mühlbauer et al. An Approach to Progress Monitoring of Industrial Manual Processes Based on Camera Recordings and Object Interactions
TW202001464A (zh) 診斷裝置、診斷方法及程式
US20220032392A1 (en) Method for Operating a Welding Device, and Welding Robot
US11348355B1 (en) Method and system for monitoring manufacturing operations using computer vision for human performed tasks

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220712

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230328

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230522

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20230725

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230802

R150 Certificate of patent or registration of utility model

Ref document number: 7326401

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150