JP2023106744A - 故障診断方法及び故障診断装置 - Google Patents

Abstract

【課題】精度良く故障診断を実施する。【解決手段】故障確率推定部２４は、トルクデータ及び荷重データに基づいてロボット軸１１毎に故障確率を推定する。閾値設定部２５は、故障確率に基づいてロボット軸１１毎の故障診断に用いる閾値を設定する。トルクデータ解析部２６は、トルクデータベース２１に蓄積されたトルクデータに基づいて解析値を算出する。故障判断部２７は、上記閾値と上記解析値を比較して、ロボット軸１１毎に故障の有無を判定する。これによって、ロボット軸１１毎に故障の有無を判定できるので、ロボット軸１１毎に精度良く故障診断を実施することができる。【選択図】図１

Description

本発明は、故障診断方法及び故障診断装置に関する。

例えば、特許文献１には、多軸型の産業用ロボットの故障診断方法が開示されている。

特許文献１では、モータを駆動源として相対的に回転運動する一対の被駆動部材が一定速度で相対回転しているときに取得されたトルク指令と速度フィードバックとに基づいて、減速機に関する外乱推定値を推定する。さらに、外乱推定値の周波数成分からクランク軸の回転周波数の定数倍に対応する特定スペクトルを抽出する。そして、特定された特定スペクトルの振幅と閾値を比較し、特定スペクトルの振幅が閾値を超えた場合を異常と診断し、特定スペクトルの振幅がしきい値と同程度ないしそれより小さい場合を正常と診断する。

特開２００８－３２４７７号公報

しかしながら、特許文献１に記載の故障診断では、故障検出を行う際、ロボットにて存在する全ての軸の減速機に対し同一の故障診断の値(閾値)を用いている。１つのロボットにおいては、軸毎に負荷（負担）や可動範囲が異なるため、軸毎に故障確率が異なる。

従って、特許文献１においては、各軸の故障の見逃しを抑制しようとすれば、各軸の故障確率に関わらず、すべての軸に低い閾値を使用して故障診断することになる。そのため、特許文献１においては、故障が発生する可能性の低い軸に対して低い閾値が適用された場合に、正常なのに異常と判断されて、誤報率が高くなる虞がある。

本発明の目的は、多軸型ロボットの故障予知システムにおいて、同一の故障診断閾値による誤報を排除した故障予知が可能となる誤報防止機能を提供することである。

本発明の故障診断は、回転する複数の軸を有する機械の各軸についてのデータに基づいて当該機械の軸毎に故障確率を推定し、上記故障確率と上記データが蓄積されたデータベースからの情報とに基づいて上記機械の軸毎に故障診断に用いる閾値を算出し、上記データベースに蓄積された情報に基づく解析値と上記閾値とを比較して上記機械の軸毎に故障診断を実施することを特徴としている。

本発明の故障診断は、軸毎に故障の有無を判定できるので、軸毎に精度良く故障診断を実施することができる。

本発明が適用された第１実施例の故障診断システムの構成を示すブロック図。 第１実施例の故障診断システムにおける処理の流れを示すフローチャート。 本発明が適用された第２実施例の故障診断システムの構成を示すブロック図。 第２実施例の故障診断システムにおける処理の流れを示すフローチャート。 本発明が適用された第３実施例の故障診断システムの構成を示すブロック図。 第３実施例の故障診断システムにおける処理の流れを示すフローチャート。

以下、本発明の一実施例を図面に基づいて詳細に説明する。

図１は、本発明が適用された第１実施例の故障診断システムの構成を示したブロック図である。

故障診断システムは、故障診断の対象となる生産ロボット１０１と、診断ユニット１０２と、生産ロボット１０１を管理する設備管理ユニット１０３と、を有している。

多軸型ロボットである生産ロボット１０１は、回転する複数の軸を有する機械に相当するものであり、複数のロボット軸１１と、複数の減速機１２と、複数の第１センサとしてのトルクセンサ１３と、後述する通信部２３との間で信号の送受信が可能な通信部１４と、複数の第２センサとしての荷重センサ１５と、を有している。

減速機１２は、ロボット軸１１毎に設けられている。トルクセンサ１３は、減速機１２毎に設けられている。荷重センサ１５は、ロボット軸１１毎に設けられている。各ロボット軸１１には、減速機１２を介して図示せぬモータの回転が伝達される。

減速機１２に入力されるトルクは、減速機１２が接続されたロボット軸１１に入力されるトルクとしてトルクセンサ１３で取得（検出）され、通信部１４を通して診断ユニット１０２に伝達される。トルクセンサ１３で取得（検出）されるトルクのデータは、ロボット軸１１についてのデータに相当する。

ロボット軸１１に入力される荷重（負荷）は、荷重センサ１５で取得（検出）され、通信部１４を通して診断ユニット１０２に伝達される。荷重センサ１５で取得（検出）される荷重（負荷）のデータは、ロボット軸１１についてのデータに相当する。

なお、トルクセンサ１３は、各ロボット軸１１に入力されるトルクを直接取得（検出）してもよい。また、荷重センサ１５は、減速機１２に入力される荷重（負荷）をロボット軸１１に作用する荷重（負荷）として取得（検出）するようにしてもよい。

診断ユニット１０２は、第１データベースとしてのトルクデータベース２１と、第２データベースとしての荷重データベース２２と、通信部１４との間で信号の送受信が可能な通信部２３と、故障確率推定部２４と、閾値設定部２５と、トルクデータ解析部２６と、故障判断部２７と、を有している。

トルクデータベース２１は、通信部２３で受信した通信部１４からのトルクデータ（トルクセンサ１３の検出信号）を蓄積する。

荷重データベース２２は、通信部２３で受信した通信部１４からの荷重（負荷）データ（荷重センサ１５の検出信号）を蓄積する。

故障確率推定部２４は、ロボット軸１１毎の故障確率を推定する。具体的には、故障確率推定部２４は、例えば、通信部１４から送られたトルクデータ及び荷重（負荷）データに基づいてロボット軸１１毎に故障確率を推定（算出）する。つまり、故障確率は、ロボット軸１１についてのデータに基づいて推定（算出）される。

故障確率は、例えば、減速機１２の摩耗量に比例して高くなる。つまり、故障確率は、例えば、使用期間が長くなるほど高くなる。減速機１２の摩耗量は、例えば、ロボット軸１１の回転範囲と負荷に応じて変化する。ロボット軸１１の回転範囲は、ロボット軸１１の回転回数と回転距離に応じて変化する。

ここで、回転距離は、例えば、１サイクル（ロボット軸１１が待機状態から動き出して（回転し出して）再び待機状態に戻るまでの一連の動き）中のロボット軸１１の回転角度の和である。なお、回転距離は、例えば、ロボット軸１１の単位時間あたりの回転角度であってもよい。

回転回数は、例えば、ロボット軸１１が待機状態から動きだして待機状態に戻るまでの一連の動きを何回したかを表している。なお、回転回数は、例えば、単位時間当たりのサイクル数であってもよい。

故障確率は、例えば、回転回数が大きくなるほど低くなるよう設定される。また、故障確率は、例えば、回転距離が大きくなるほど高くなるよう設定される。

また、故障確率推定部２４は、ロボット軸１１毎に設定されるトルク及び荷重（負荷）の設定値（目標値）に基づいてロボット軸１１毎に故障確率を推定（算出）してもよい。この場合、故障確率は、例えば、負荷が大きくなるほど高くなるよう設定される。

閾値設定部２５は、ロボット軸１１毎の故障診断に用いる閾値を設定する。そのため、閾値設定部２５は、例えば、トルクデータベース２１に蓄積された直近の２年間のトルクデータを用いてロボット軸１１毎に故障診断に用いる閾値を計算する。

故障診断は、閾値の値が高く（大きく）なるほど、故障の見逃し数は多くなり、故障ではないのに故障と判定する誤報の数（誤報数）は少なくなる。また、故障診断は、閾値の値が低く（小さく）なるほど、故障の見逃し数は少なくなり、誤報数が多くなる。つまり、故障診断における故障の見逃し数と誤報数は、閾値の値によって変化する。

そこで、閾値設定部２５は、トルクデータベース２１に蓄積されたトルクデータを用いて、故障の見逃し数と誤報数によって（応じて）、高、中、低の３つの異なる値の閾値を算出する。そして、これら３つの閾値の中で相対的に最も高い（大きい）値となる第１閾値は、故障確率が所定の第１確率（例えば３０％）以下の場合の閾値となる。これら３つの閾値の中間の値となる第２閾値は、故障確率が所定の第１確率（例えば３０％）より大きく所定の第２確率（例えば６０％）以下の場合の閾値となる。これら３つの閾値の中で相対的に最も低い（小さい）値となる第３閾値は、故障確率が所定の第２確率（例えば６０％）より大きい場合の閾値となる。

つまり、故障診断に用いる閾値は、トルクデータベース２１に蓄積されたトルクデータと故障確率とに応じてロボット軸１１毎に算出（決定）される。

故障診断は、故障確率に応じて閾値の値を設定することで、ロボット軸１１毎に見逃しと誤報を減少させて、精度を向上させることができる。

トルクデータ解析部２６は、トルクデータベース２１に蓄積されたトルクデータに基づいて解析値を算出する。すなわち、トルクデータ解析部２６は、トルクデータベース２１に蓄積された情報を解析あるいは処理して、上記閾値と比較して故障診断を行う解析値を算出する。

診断部としての故障判断部２７は、上記閾値と上記解析値を比較して、ロボット軸１１毎に故障の有無を判定する。

設備管理ユニット１０３は、故障予知アラームデータベース３１と、通信部２３との間で信号の送受信が可能な通信部３２と、生産設備管理プラットフォーム３３と、第３データベースとしての減速機故障履歴データベース３４と、を有している。

故障予知アラームデータベース３１は、故障判断部２７での判断結果を通信部３２を介して蓄積している。

生産設備管理プラットフォーム３３は、例えば、モニタやタブレットなどの画面表示装置であり、通信部３２を介して受信した故障判断部２７での判断結果を表示する。つまり、生産設備管理プラットフォーム３３は、故障と判断されたロボットの情報を表示する。

減速機故障履歴データベース３４は、故障した減速機１２の故障情報を通信部３２及び生産設備管理プラットフォーム３３を経由して蓄積する。

図２は、上述した第１実施例の故障診断システムにおける処理の流れを示すフローチャートである。

ステップＳ１１では、トルクデータベース２１からトルクデータを取得する。ステップＳ１２では、荷重データベース２２から荷重（負荷）データを取得する。

ステップＳ１３では、トルクデータの解析を行い、ロボット軸１１毎に回転距離と回転回数を抽出する。回転回数、回転距離及び負荷を用いてロボット軸１１毎に故障確率を算出する。

ステップＳ１４では、算出された故障確率の高低の判断を実施する。本実施例では、ステップＳ１４で故障確率が低い（例えば、故障確率≦３０％）と判断された場合にステップＳ１５へ進む。本実施例では、ステップＳ１４で故障確率が中間（例えば、３０％＜故障確率≦６０％）と判断された場合にステップＳ１６へ進む。本実施例では、ステップＳ１４で故障確率が高い（例えば、故障確率＞６０％）と判断された場合にステップＳ１７へ進む。

ステップＳ１５では、故障確率が低いため、相対的に高い値となる第１閾値が算出される。ステップＳ１６では、故障確率が中程度のため、相対的に中間の値となる第２閾値が算出される。ステップＳ１７では、故障確率が高いため、相対的に低い値となる第３閾値が算出される。

ステップＳ１８では、データ処理を行って所定の解析値を算出する。

ステップＳ１９では、ステップＳ１５～ステップＳ１７のいずれかで算出された閾値と、ステップＳ１８で算出された解析値（処理結果）と、を比較する。

そして、ステップＳ１９において解析値が閾値よりも小さい値であれば、該当するロボット軸１１は正常、つまり該当するロボット軸１１に故障がないと判定する。

そして、ステップＳ１９において解析値が閾値以上の値であれば、該当するロボット軸１１は異常、つまり該当するロボット軸１１に故障がある判定し、ステップＳ２０へ進む。

ステップＳ２０では、ロボット軸１１の故障を知らせるアラームを発する。このアラームは、例えば生産設備管理プラットフォーム３３の表示画面上に表示するものや、作業者が聞き取れるアラーム音である。

このような第１実施例においては、ロボット軸１１毎に故障の有無を判定できるので、生産ロボット１０１のロボット軸１１毎に精度良く故障診断を個別に実施することができる。

換言すると、第１実施例の故障診断システムにおいては、生産ロボット１０１の各ロボット軸１１に共通の閾値も用いて故障を判断することによる誤報を排除した故障診断が可能となる。

また、第１実施例においては、ロボット軸１１毎の故障確率の大きさに合わせて、ロボット軸１１毎に閾値を設定することで、ロボット軸１１毎に精度良く故障診断を実施することができる。

また、第１実施例においては、各軸についてのデータに基づいて故障確率が算出されるので、故障確率を短時間で正確に推定することができる。

以下、本発明の他の実施例について説明する。なお、上述した実施例と同一の構成要素には、同一の符号を付し重複する説明を省略する。

図３及び図４を用いて本発明の第２実施例について説明する。図３は、本発明が適用された第２実施例の故障診断システムの構成を示したブロック図である。

第２実施例の故障診断システムは、上述した第１実施例の故障診断システムと略同一構成となっているが、故障確率を算出するにあたって減速機１２の故障履歴を考慮しており、設備管理ユニット１０３が故障履歴に応じた劣化係数を算出する劣化係数計算部３５を有している。

第２実施例の設備管理ユニット１０３は、診断ユニット１０２の故障確率推定部２４が故障確率を推定する際、通信部２３を介して、減速機１２の一般情報（例えば、生産ラインを特定できる名称、生産ロボット１０１を特定できる名称、ロボット軸１１を特定できる名称等）を受信している。

通信部３２は、減速機１２の一般情報を受け取り、減速機故障履歴データベース３４から減速機１２の故障情報を取り出す。減速機故障履歴データベース３４から取り出された減速機１２の故障情報は、劣化係数計算部３５で劣化係数を算出する際に用いられる。劣化係数は、例えば、減速機１２の使用機関が長くなるほど大きな値（故障確率が大きくなるような値）となる。劣化係数計算部３５で算出された劣化係数は、通信部３２及び通信部２３を介して故障確率推定部２４へ伝達されて、故障確率の推定（算出）の際に用いられる。具体的には、例えば上述した第１実施例のように算出された故障確率に劣化係数を乗じた値を第２実施例における故障確率とする。

図４は、第２実施例の故障診断システムにおける処理の流れを示すフローチャートである。第２実施例の故障診断システムは、ステップＳ１３で故障確率を算出（推定）するにあたって、減速機１２の故障情報に基づいて算出された劣化係数を利用している（ステップＳ２１、ステップＳ２２）。

詳述すると、ステップＳ２１では、減速機故障履歴データベース３４から減速機１２の故障情報を読み出す。ステップＳ２２では、減速機１２の故障情報に基づいて劣化係数を算出する。劣化係数は、ロボット軸１１毎に算出してよいし、各ロボット軸１１に共通のものとして算出してもよい。そして、ステップＳ１３では、回転回数、回転距離、負荷及び劣化係数を用いて故障確率を算出する。

なお、図４におけるステップＳ１１、Ｓ１２、Ｓ１４～Ｓ２０における処理内容は、上述した第１実施例の図２におけるステップＳ１１、Ｓ１２、Ｓ１４～Ｓ２０の処理内容と同一である。

例えば、減速機１２のある日の動作設定が、回転回数が少なく、回転距離が短く、負荷がほとんどないような場合、このような動作設定に基づいて算出される使用当日の減速機１２の故障確率は低いものとなる。しかしながら、当日の動作設定がこのような減速機１２の使用期間が長く（例えば６年）、劣化が進んでいるものであれば、実際の故障確率は高いものと考えられる。

また、減速機１２の故障確率は、減速機１２の使用期間が長くなるほど高くなると考えられる。

そこで、減速機１２の故障履歴から算出された減速機１２の劣化係数を用いて減速機１２の故障確率を算出することで、故障判定に適正な閾値が用いられるようにし、故障判定の際に故障が見逃されてしまうことを抑制することができる。

また、この第２実施例の故障診断システムにおいては、例えば、使用年数が減速機定格寿命（定格トルク、定格出力回転数で運転した場合の寿命時間）に近い減速機１２の故障予知に対して、より効果を発揮することができる。

なお、このような第２実施例の故障診断システムにおいても、上述した第１実施と略同様の作用効果を奏することができる。

図５及び図６を用いて本発明の第３実施例について説明する。図５は、本発明が適用された第３実施例の故障診断システムの構成を示したブロック図である。

第３実施例の故障診断システムは、上述した第１実施例の故障診断システムと略同一構成となっているが、故障確率を算出するにあたって減速機１２の故障履歴と過去の故障確率を考慮している。すなわち、第３実施例の故障診断システムは、診断ユニット１０２が故障確率を蓄積する第４データベースとしての故障確率データベース２８を有し、設備管理ユニット１０３が故障履歴に応じた劣化係数を算出する劣化係数計算部３５を有している。

劣化係数計算部３５は、上述した第２実施例の劣化係数計算部３５と同等のものであり、減速機故障履歴データベース３４から取り出された減速機１２の故障情報を用いて劣化係数を算出する。

故障確率データベース２８は、故障確率推定部２４が推定（算出）した故障確率を蓄積する。

また、故障確率推定部２４は、故障確率を推定する際、故障確率データベース２８から、推定されている減速機１２の一定期間（例えば直近の１か月間）の故障確率データの履歴を取り出して利用している。

第３実施例の故障確率推定部２４は、第１実施例のように算出された故障確率に劣化係数を乗じた値と、故障確率データベース２８から取り出された一定期間の故障確率の平均値と、の平均値を第３実施例における故障確率としている。

換言すれば、第３実施例の故障確率推定部２４は、第１実施例のように算出された故障確率に劣化係数を乗じた値と、故障確率データベース２８から取り出された同一のロボット軸１１の一定期間内（例えば直近１か月間内）の故障確率と、の平均値を第３実施例における故障確率としている。

図６は、第３実施例の故障診断システムにおける処理の流れを示すフローチャートである。第３実施例の故障診断システムは、ステップＳ１３で故障確率を算出（推定）するにあたって、減速機１２の故障情報に基づいて算出された劣化係数と（ステップＳ２１、ステップＳ２２）、ロボット軸１１の故障確率履歴と（ステップＳ２３）と、を利用している。

詳述すると、ステップＳ２１では、減速機故障履歴データベース３４から減速機１２の故障情報を読み出す。ステップＳ２２では、減速機１２の故障情報に基づいて劣化係数を算出する。ステップＳ２３では、故障確率データベース２８からロボット軸１１の一定期間内（例えば直近１か月間内）の故障確率を読み出す。そして、ステップＳ１３では、回転回数、回転距離、負荷及び劣化係数を用いて算出された故障確率と、故障確率データベース２８から取り出され故障履歴の平均値である履歴故障確率と、の平均値を今回の故障確率として算出する。

なお、図６におけるステップＳ１１、Ｓ１２、Ｓ１４～Ｓ２０における処理内容は、上述した第１実施例の図２におけるステップＳ１１、Ｓ１２、Ｓ１４～Ｓ２０の処理内容と同一である。

この第３実施例の故障診断システムにおいては、故障確率の履歴を利用することなく故障確率を算出する場合に比べて、より精度よく故障確率を算出することが可能となり、故障判定の際に誤報を一層抑制することができる。

なお、このような第３実施例の故障診断システムにおいても、上述した第１実施及び第２実施例と略同様の作用効果を奏することができる。

以上、本発明の具体的な実施例を説明してきたが、本発明は、上述した実施例に限定されるものではなく、その趣旨を逸脱しない範囲で種々の変更が可能である。

例えば、閾値と解析値とを比較して行う故障診断は、故障予知を行うものであってもよい。この場合の故障診断は、例えば、（解析値が閾値よりも小さい）ＯＫは故障の虞がないことを表し、（解析値が閾値以上となる）ＮＧは故障する虞があることを表すことになる。

また、故障判定に用いる閾値は、故障の見逃し数と誤報数に応じて３段階（高中低）で算出するものに限定されるものではなく、例えば、故障の見逃し数と誤報数に応じて４段階以上で算出するようにしてもよい。

故障確率は、回転回数、回転距離及び負荷を用いて算出された故障確率と、故障確率データベース２８から取り出され故障履歴の平均値と、の平均値を今回の故障確率として算出してもよい。

故障確率は、少なくともトルクデータを用いて算出するようにしてもよいし、少なくとも荷重データを用いて算出するようにしてもよい。

上述した各実施例は、故障診断方法及び故障診断装置に関するものである。

１１…ロボット軸
１２…減速機
１３…トルクセンサ
１４…通信部
１５…荷重センサ
２１…トルクデータベース
２２…荷重データベース
２３…通信部
２４…故障確率推定部
２５…閾値設定部
２６…トルクデータ解析部
２７…故障判断部
３１…故障予知アラームデータベース
３２…通信部
３３…生産設備管理プラットフォーム
３４…減速機故障履歴データベース
１０１…生産ロボット
１０２…故障ユニット
１０３…設備管理ユニット

Claims (9)

1. 回転する複数の軸を有する機械の各軸についてのデータに基づいて当該機械の軸毎に故障確率を推定し、
   上記故障確率と上記データが蓄積されたデータベースからの情報とに基づいて上記機械の軸毎に故障診断に用いる閾値を算出し、上記データベースに蓄積された情報に基づく解析値と上記閾値とを比較して上記機械の軸毎に故障診断を実施することを特徴とする故障診断方法。
2. 上記閾値は、上記故障確率が低いほど高くなることを特徴とする請求項１に記載の故障診断方法。
3. 上記データは、少なくともトルクを含み、
   上記故障確率は、上記トルクから算出される回転回数と回転距離に基づき設定することを特徴とする請求項１または２に記載の故障診断方法。
4. 上記故障確率は、上記回転回数が大きくなるほど低くなるよう設定することを特徴とする請求項３に記載の故障診断方法。
5. 上記故障確率は、上記回転距離が大きくなるほど高くなるよう設定することを特徴とする請求項３または４に記載の故障診断方法。
6. 上記データは、少なくとも負荷を含み、
   上記故障確率は、上記負荷が大きくなるほど高くなるよう設定することを特徴とする請求項１～５のいずれかに記載の故障診断方法。
7. 上記故障確率は、上記機械の故障履歴に基づいて算出することを特徴とする請求項１～６のいずれかに記載の故障診断方法。
8. 上記故障確率は、上記機械の軸毎の過去の故障確率に基づいて算出することを特徴とする請求項１～７のいずれかに記載の故障診断方法。
9. 回転する複数の軸を有する機械の各軸についてのデータを検出する複数のセンサと、
   上記センサで検出した上記データを蓄積するデータベースと、
   上記データに基づいて上記機械の軸毎に故障確率を推定する故障確率推定部と、
   上記故障確率と上記データが蓄積された上記データベースからの情報とに基づいて上記機械の軸毎に故障診断に用いる閾値を算出する閾値設定部と、
   上記データベースに蓄積された情報に基づく解析値と上記閾値とを比較して上記機械の軸毎に故障診断を実施する診断部と、を有することを特徴とする故障診断装置。

Images