JP6346251B2

JP6346251B2 - 油漏れ検出装置

Info

Publication number: JP6346251B2
Application number: JP2016229258A
Authority: JP
Inventors: 靖岡島
Original assignee: FANUC Corp
Current assignee: FANUC Corp
Priority date: 2016-11-25
Filing date: 2016-11-25
Publication date: 2018-06-20
Anticipated expiration: 2036-11-25
Also published as: CN108105208A; DE102017127225A1; JP2018083273A; CN108105208B; US20180149551A1; US10267704B2; DE102017127225B4

Description

本発明は、情報処理手段を利用して機械の油漏れが発生している箇所を検出する油漏れ検出装置に関する。

工作機械の機内には、主軸やテーブル、工具マガジンをクランプしたり、ＡＰＣ（ＡｕｔｏＰａｌｌｅｔＣｈａｎｇｅｒ：自動パレット交換装置）を駆動させたりなど、複数の駆動部に対して油を供給する油圧供給装置が設置されている。図９は、工作機械１の機内における油圧供給装置の概略的な構造を示す図である（なお、図９は、工作機械１の内部が透過して見えるようにカバー等の一部を省略して図示している）。工作機械１が備える油圧供給装置２は、油を貯留するタンク３と油圧ポンプ等の圧力源４からなる油圧ユニット５と、工作機械１の各部に配置された分配ユニット６により分配されて工作機械１が備える主軸９やテーブル１０、工具マガジン（図示せず）、ＡＰＣ１１などの各駆動部と油圧ユニット５とを接続する油圧配管７（図中太線。一部の油圧配管に対する符号の付与は省略している）とを備え、油圧ユニット５の圧力源４から各油圧配管７に供給されている油に対して加える圧力を調整すると共に各部に設けられた切換弁（図示せず）などを制御することで、工作機械１の各駆動部に対して供給する油圧を制御している。

このような油圧供給装置２では、運転中に油圧配管７や分配ユニット６などに対して常に油圧がかかっているが、不十分な整備や老朽化などが原因で、油圧配管７と油圧配管７との間、油圧配管７と分配ユニット６との間、油圧配管７と駆動部との間の接続部８（図中黒丸。一部の接続部に対する符号の付与は省略している）などから油漏れが生じることがある。油漏れが生じると、各駆動部に対して十分な油圧を加えられなくなり、駆動部の誤動作や故障の原因となるため、工作機械１の管理者は定期的に油漏れの有無を点検しなければならない。油圧供給装置２において油漏れを検出する従来技術としては、例えば特許文献１に開示される技術などが公知となっている。

特開２００４−３４７０１３号公報

従来は、油漏れの発生が検出された際に、機械を停止させて油圧経路（油圧ユニットから各駆動部に至る油圧配管７、分配ユニット６、接続部８を含む経路）を辿って原因調査を行う必要があった。しかしながら、油圧の供給先となる駆動部が数多く存在する場合には、工作機械１の内部に多数の油圧配管７が入り組んだ状態で張り巡らされているため、入り組んだ油圧配管７を順に辿っていかなければならない油漏れの原因調査は管理者にとって大きな負担となるという問題があった。

このような問題に対応するために、例えば流量計などのセンサを油圧経路の各部に取り付けて油の流量を検出し、検出した流量の変化に基づいて油漏れが発生している場所を特定するということも考えられるが、油圧経路のすべての箇所にセンサを取り付けるとなるとセンサの管理（故障対応・調整）によるトラブルが増加して却って運用コストが増大するという問題が生じる。

そこで本発明の目的は、機械の油漏れが発生している箇所を検出する油漏れ検出装置を提供することである。

上記したように、流量の監視のために油圧経路のすべての箇所にセンサをつけるとコスト高となり現実的ではない。本発明では、流量を検出するセンサは油圧経路の大元の１箇所に取り付け、工作機械の各駆動部を作動させた際の油の流量の変化を変化パターンとして取得し、取得した変化パターンと正常時（油漏れがない時）の変化パターンとの比較を行い、その比較結果に基づいて油漏れが発生している箇所を特定する。油漏れ発生時の変化パターンは、油圧経路の各部の接続状態や外乱などに基づく誤差に影響を受けるため単純な手法では判定できない。そこで、本発明では油漏れ発生時の変化パターンを機械学習により学習させ、その学習結果を利用して油漏れの発生箇所を特定する。

そして、本発明の請求項１に係る発明は、少なくとも１つの駆動部を備える工作機械において、前記駆動部を作動させるために油を供給する油圧供給装置における油漏れの発生を検出する油漏れ検出装置であって、前記工作機械の運転中に記録されたログデータから、前記駆動部の作動状況に対応した前記油圧供給装置により供給される油の流量の変化に係る情報を変化パターンとして取得し、取得した変化パターンに基づいて入力データを作成する状態観測部と、前記工作機械の運転中に記録されたログデータから、前記油圧供給装置における油漏れ発生の有無に係る情報と、前記油圧供給装置における油漏れ発生箇所に係る情報とを取得し、取得した前記油圧供給装置における油漏れ発生の有無に係る情報と、前記油圧供給装置における油漏れ発生箇所に係る情報とに基づいて教師データを作成するラベル取得部と、前記状態観測部が作成した入力データと、前記ラベル取得部が作成した教師データとにより教師あり学習を行い、学習モデルを構築する学習部と、前記学習モデルを記憶する学習モデル記憶部と、を備えた油漏れ検出装置である。

本発明の請求項２に係る発明は、少なくとも１つの駆動部を備える工作機械において、前記駆動部を作動させるために油を供給する油圧供給装置における油漏れの発生を検出する油漏れ検出装置であって、前記駆動部の作動状況に対応した前記油圧供給装置により供給される油の流量の変化に係る情報を変化パターンに基づく入力データと、前記油圧供給装置における油漏れ発生の有無に係る情報及び前記油圧供給装置における油漏れ発生箇所に係る情報に基づく教師データとによる教師あり学習により構築された学習モデルを記憶する学習モデル記憶部と、前記工作機械の運転中に、前記駆動部の作動状況に対応した前記油圧供給装置により供給される油の流量の変化に係る情報を変化パターンに基づいて入力データを作成する状態観測部と、前記学習モデルを用いて、前記状態観測部が作成した入力データから前記油圧供給装置における油漏れ発生の有無及び前記油圧供給装置における油漏れ発生箇所を検出する検出部と、を備えた油漏れ検出装置である。

本発明の請求項３に係る発明は、請求項２に記載の油漏れ検出装置による前記油圧供給装置における油漏れ発生の有無及び前記油圧供給装置における油漏れ発生箇所の検出結果に基づいて警報を出力する警報部と、を備えた工作機械である。

本発明によれば、油圧経路の大元の１箇所にセンサを取り付けるだけで油漏れの発生箇所を自動的に特定することが可能となるため、油圧漏れが発生した際に即時対応することが可能となると共に工作機械の運用コストを低くすることができるようになる。

油の流量を検出するセンサを備えた油圧供給装置の概略的な構成を示す図である。工作機械の各駆動部の作動状況と油の流量の関係を示す図である。正常時と異常時とにおける各駆動部の作動状態を変化させた際に検出される油の流量の変化パターンの例を示す図である。本発明の一実施形態による油漏れ検出装置の学習時の概略的な機能ブロック図である。本発明の一実施形態による油漏れ検出装置が学習に用いる入力データの取得方法について説明する図（１）である。本発明の一実施形態による油漏れ検出装置が学習に用いる入力データの取得方法について説明する図（２）である。多層ニューラルネットを学習モデルとして用いた場合の例を示す図である。本発明の一実施形態による油漏れ検出装置の油漏れ検出時の概略的な機能ブロック図である。工作機械が備える油圧供給装置の概略的な構成を示す図である。

以下、本発明の実施形態を図面と共に説明する。
初めに、図１〜３を用いて本発明による一実施形態の油漏れ検出装置が実行する油漏れ箇所特定処理の概要について説明する。本実施形態の油漏れ検出装置１３は、油圧供給装置２の油圧経路の大元の１箇所に取り付けられたセンサ１２により検出された油の流量を取得できるように構成されている。本実施形態の油漏れ検出装置１３は、油圧供給装置２における油漏れをチェックする際に、工作機械１の各駆動部を作動させた時のセンサ１２により検出された油の流量の変化を取得し、それぞれの作動時における油の流量の変化の組み合わせを１つの変化パターンとして記憶する。

図２は、正常時における工作機械１の各駆動部で使用される油の流量と、ＡＰＣ異常時における工作機械１の各駆動部で使用される油の流量を例示する図である。図２の例では、工作機械１が正常状態にある時にテーブル１０をアンクランプ状態にすると１．５［ｌ／ｍｉｎ］の油が使用されることを示しており、また、工作機械１のＡＰＣが異常状態にあるときにＡＰＣ１２を上昇状態にすると８．５［ｌ／ｍｉｎ］の油が使用されることを示している。このような場合において、工作機械１が正常状態にある時にテーブル１０がアンクランプ、パレットがアンクランプ、ＡＰＣが上昇状態、工具マガジンがアンクランプ、主軸がアンクランプとなっている時、それぞれの駆動部で使用される油の合計は１．５＋２．０＋９．１＋０．６＋１．４＝１４．６［ｌ／ｍｉｎ］となり、センサ１２ではこの値が検出される。また、工作機械１のＡＰＣが異常状態にある時にテーブル１０がアンクランプ、パレットがアンクランプ、ＡＰＣが上昇状態、工具マガジンがアンクランプ、主軸がクランプとなっている時、それぞれの駆動部で使用される油の合計は１．５＋２．１＋８．５＋０．４＋２．３＝１４．８［ｌ／ｍｉｎ］となり、センサ１２ではこの値が検出される。

図３は、正常時と異常時とにおける各駆動部の作動状態を変化させた際にセンサ１２で検出される油の流量の変化パターンの例を示す図である。一般には図３に示すように、工作機械１に油漏れが発生している時には、油漏れが発生している箇所に近い駆動部を作動させた場合の油の流量の変化は正常時と異常時とにおいて大きな差が出る傾向にある。しかしながら、実際に工作機械１を稼動させている場合には、油圧経路の各部の接続状態や各駆動部に加わる負荷などの外乱に基づく誤差に影響を受けるため一律に油の流量の変化が正常時と異常時とにおいて大きな差が出る箇所に油漏れが発生していると判断することはできず、また、油漏れが発生していると判断される閾値も一律に定めることができない。そこで、本実施形態の油漏れ検出装置では、油漏れ箇所の特定に機械学習器を導入し、図３に示した各駆動部の作動状態の変化に伴う流量の変化を示す変化パターンの正常時と異常時の差を示すデータを入力データ、実際に油漏れが発生しているか否か、油漏れが発生していた場合にいずれの箇所で発生していたかを示すデータを教師データとした教師あり学習を行い、該教師あり学習の学習結果を用いて実際に動作している工作機械における油漏れ箇所の特定を行う。

図４は、本発明の一実施形態による学習時の油漏れ検出装置の概略的な機能ブロック図である。本実施形態の油漏れ検出装置１３は、少なくとも１以上の工作機械１から収集され、ログデータ記憶部２００に記憶されたログデータに基づいて機械学習を行う。

ログデータ記憶部２００には、図１に例示される工作機械１が稼動している際の、主軸９、テーブル１０、工具マガジン、ＡＰＣ１１などの各駆動部の作動状態と、センサ１２で検出された油圧供給装置２の大元での油の流量の検出値と、管理者が点検時に該工作機械１の図示しない入力装置から入力して記録される油圧供給装置２の点検結果を示すメンテナンス情報（油漏れ発生の有無、油漏れ有りの場合には油漏れの発生箇所の情報を含む）がログデータとして記録される。ログデータ記憶部２００は、一般的なデータベースとして構築されて良い。

工作機械１では、工作機械１が備える各駆動部を制御してワークの加工を行うと共に、各部から得られた信号により各駆動部の状態やセンサ１２の検出値などに基づいて工作機械１の動作に係るログデータを作成して工作機械１の図示しない不揮発性メモリに記憶している。ログデータは各駆動部の作動状況やセンサ１２による油の流量の検出値などについて時系列が把握できるように作成される。また、ログデータには、工作機械１を操作する管理者や、工作機械１に異常が発生した際に対応するメンテナンス要員が図示しない機械操作盤を介して入力した各種情報（油漏れ発生の有無、油漏れの発生箇所など）が含まれる。このようにして工作機械１の図示しない不揮発性メモリに記憶されたログデータは、ネットワークなどを介して、または、工作機械のメンテナンス要員などの作業者が携帯する外部記憶装置などを介して、ログデータ記憶部２００へと収集される。この収集は、ログデータが作成されるたびに逐次行っても良いし、適当な期間をおいて定期的に行うようにしても良い。

次に、油漏れ検出装置１３が備える各構成ついて説明する前に、油漏れ検出装置１３が行う学習の概要について説明する。

図５，６は、油漏れ検出装置１３が行う学習の概要について説明する図である。本実施形態の油漏れ検出装置１３は、ログデータ記憶部２００に記憶されたログデータの中から、「運転中に油漏れが発生した場合の入力データ及び教師データ」と、「運転中に油漏れが発生しなかった場合の入力データ及び教師データ」とを作成し、作成したデータを用いて機械学習を行う。油漏れ検出装置１３による学習は、大量のログデータに基づいて大量に作成されたデータを用いて行われることが望ましい。油漏れ検出装置１３による学習は、一度に行う必要はなく、ログデータが収集される度に複数回に分けて行うようにしても良い。なお、学習及び検出に用いられる「基準となる正常時の油の流量の変化パターン」については、あらかじめ油漏れが発生していない工作機械１を実験的に動作させて作成し、作成した変化パターンを「基準となる正常時の油の流量の変化パターン」として用いるようにすればよい。

「運転中に油漏れが発生した場合の入力データ及び教師データ」は、ログデータ記憶部２００に記憶されたログデータの中から、工作機械１の管理者やメンテナンス要員により油漏れの発生が発見された時点の前後のログデータに基づいて作成される。例えば、工作機械１の運転中に油漏れの発生が発見された場合、工作機械１の管理者やメンテナンス要員により、図示しない工作機械１の機械操作盤から「油漏れ発生：ＡＰＣ」といったような情報が入力され、時刻情報と共にログデータに記録される。このような場合、「運転中に油漏れが発生した場合の入力データ」は、この「油漏れ発生：ＡＰＣ」が入力された時点より以前のログデータに基づいて作成される。本実施形態の油漏れ検出装置１３による機械学習に用いられる入力データは、基準となる正常時の油の流量の変化パターンと、油漏れ発生時の油の流量の変化パターンとの差分を示すデータとなるが、このデータは、油漏れの発生が発見された時点から過去の直近の各駆動部を作動させた際のセンサ１２で検出された油の流量の変化値を組み合わせて作成した異常時の油の流量の変化パターンと、あらかじめ定めた基準となる正常時の油の流量の変化パターンとから作成すればよい。なお、この例の場合には「運転中に油漏れが発生した場合の教師データ」は「油漏れ発生：ＡＰＣ」となる。

一方で、「運転中に油漏れが発生しなかった場合の入力データ及び教師データ」は、ログデータ記憶部２００に記憶されたログデータの中から、油漏れが発生していない時点の前後のログデータに基づいて作成される。例えば、工作機械１の運転中に油漏れの発生が発見されることなく無事に運転が終了したときのログデータから、ランダムに、又は所定の時間間隔でサンプリングした「運転中に油漏れが発生しなかった場合の入力データ」を用いるようにすればよい。本実施形態の油漏れ検出装置１３による機械学習に用いられる入力データは、基準となる正常時の油の流量の変化パターンと、サンプリング時の油の流量の変化パターンとの差分を示すデータとなるが、このデータは、サンプリング時点から過去の直近の各駆動部を作動させた際のセンサ１２で検出された油の流量の変化値を組み合わせて作成した正常時の油の流量の変化パターンと、あらかじめ定めた基準となる正常時の油の流量の変化パターンとから作成すればよい（サンプリングされた正常時の油の流量の変化パターンは、外乱等の様々な変動要因が原因で、基準となる正常時の油の流量の変化パターンとは必ずしも一致しないことに留意されたい）。なお、この例の場合には「運転中に油漏れが発生しなかった場合の教師データ」は、「油漏れ発生無し」となる。

次に、油漏れ検出装置１３が備える各構成について説明する。油漏れ検出装置１３は、学習部１１１、状態観測部１１２、ラベル取得部１１３、学習モデル記憶部１１４を備える。

学習部１１１は、状態観測部１１２が取得した入力データと、ラベル取得部１１３が取得した教師データ（ラベルとも称する）とに基づいて教師あり学習を行い、学習モデルを構築して学習モデル記憶部１１４に記憶する機能手段である。学習部１１１が構築した学習モデルは、後述するように油漏れの発生の検出に利用される。学習部１１１が構築する学習モデルは、図３，５，６などで説明した入力データから油漏れの発生を検出することが可能な学習モデルであればどのようなものを用いてもよい。例えば、図７に示すような多層ニューラルネットや、ベイジアンネットワークなどを用いることができる。なお、公知のニューラルネットワーク、深層学習などの詳細については本明細書での説明を省略する。

状態観測部１１２は、ログデータ記憶部２００に記憶されているログデータの中から入力データを作成し、作成した入力データを学習部１１１へと出力する。本実施形態の油漏れ検出装置１３では、入力データは油の流量の変化パターン同士の差分値となり、数値の列で表現されるため、状態観測部１１２はこれら数値の列を学習部１１１の入力データとしてそのまま利用することが可能である。なお、状態観測部１１２は入力データとして利用するデータが文字列などの数値以外の情報で示される場合には、文字列のそれぞれを数値へと変換する変換表をあらかじめ図示しないメモリ上に記憶しておき、該変換表を用いて数値以外の情報を数値化して入力データに含めるようにしても良い。

ラベル取得部１１３は、ログデータ記憶部２００に記憶されているログデータに基づいて、状態観測部１１２が入力データを作成するのと同期して該入力データに対応する教師データ（油漏れの発生有無、及び油漏れ箇所）を作成し、作成した教師データを学習部１１１へと出力する。教師データとしては、たとえば図７に示した多層ニューラルネットを学習モデルとして用いる場合には、出力層のそれぞれの信号を「油漏れ無し」、「油漏れ有り：テーブル」、「油漏れ有り：パレット」、「油漏れ有り：ＡＰＣ」、．．．と対応させ、教師データに対応させていずれかの信号が１となるように教師データを定めればよい。

以上の構成により、油漏れ検出装置１３は、工作機械１の運転時における各駆動部の作動状態に対する油漏れの状態について学習を進め、学習モデルを構築することができる。

次に、構築された学習モデルを用いて油漏れの発生を検出する油漏れ検出装置１３について説明する。

図８は、本発明の一実施形態による油漏れ検出装置１３の油漏れの発生を検出時における概略的な機能ブロック図である。本実施形態の油漏れ検出装置１３は、環境としての工作機械１が備えるＰＭＣ１７を介して取得された工作機械１が備える各駆動部の作動状況とセンサ１２の信号に基づいて、工作機械１の油圧供給装置２における油漏れの発生を検出する。ＰＭＣ（プログラマブル・マシン・コントローラ）１７は工作機械１の内部及び外部から入力された信号を受けて、これらの信号をシーケンス・プログラムで処理して、工作機械１の外部及び内部のプロセッサに対して出力する。なお、図８では工作機械１が備える機能ブロックとしてＰＭＣ１７と警報部１８のみが示しているが、実際には図１に示した工作機械１が備える各機能ブロックを備えている

油漏れ検出装置１３は、状態観測部１１２、学習モデル記憶部１１４、及び検出部１１５を備える。

状態観測部１１２は、工作機械１の運転が開始されている最中に、上記で説明した学習時に入力データとして用いられた各データをＰＭＣ１７を介して取得し、取得した情報に基づいて入力データを作成して検出部１１５へと出力する。状態観測部１１２は、工作機械１の各駆動部が作動した際のセンサ１２が検出する油の流量の変化を、それぞれの駆動部に関連付けて記憶することで油の流量の変化パターンを作成し、作成した油の流量の変化パターンと、基準となる正常時の油の流量の変化パターンとの差分を、入力データとして検出部１１５へと出力する。

検出部１１５は、状態観測部１１２から入力された入力データに基づいて、学習モデル記憶部１１４に記憶された学習モデルを用いた油漏れの発生の検出を行う。

このようにして、検出部１１５は工作機械１の各駆動部の作動状況に対する油圧供給装置２の油の流量の変化に基づいて油漏れの発生を検出し、検出した結果としての検出値を工作機械１のＰＭＣ１７に対して出力する。ＰＭＣ１７は、検出部１１５から入力された油漏れの発生の検出値が油漏れの発生を示す値であった場合には、警報部１８に対して警報を発するように指令する。

警報部１８は、ＰＭＣ１７から警報を発するように指令されると、工作機械１の図示しない機械操作盤に配置されたランプや、表示装置の表示、音などにより、油漏れの発生及び油漏れの発生箇所をオペレータに対して通知する。警報部１８は、警報を発する以外にも、工作機械１の各部に対して指令して運転を停止するようにしても良い。

このように、油漏れ検出装置１３は、少なくとも１以上の工作機械１で発生した油漏れに係る情報に基づいた学習をした結果として得られた学習モデルを用いることにより、工作機械１の運転中に油漏れの発生を検出することが可能となる。そして、油漏れ検出装置１３が油漏れの発生を検出した際には、その検出結果を受けて工作機械１はオペレータに対して警報を発し、工作機械１の運転を停止させて誤動作や故障の発生を未然に防ぐことができるようになる。

以上、ここまで本発明の実施の形態について説明したが、本発明は上記した実施の形態の例にのみ限定されるものでなく、適宜の変更を加えることにより様々な態様で実施することができる。

上記した実施形態では１台の油漏れ検出装置１３での学習及び利用の形態を示したが、学習部１１１が構築して学習モデル記憶部１１４に記憶する学習モデル自体は学習結果を示すデータの集合であるため、例えば、図示しない外部記憶装置やネットワークなどを介して学習モデルを他の油漏れ検出装置１３との間で共有するように構成することもできる。このように構成した場合、学習においては、複数の油漏れ検出装置１３の間で一つの学習モデルを共有した状態で、それぞれの油漏れ検出装置１３が並列して学習を行い、学習の完了までに掛かる時間を短縮することができ、一方で学習モデルの利用においては、共有した学習モデルを用いて複数の油漏れ検出装置１３のそれぞれで油漏れの発生の検出を行うことも可能である。学習モデルの共有方法については特定の方法に限定されない。例えば、工場のホストコンピュータ内に学習モデルを記憶しておいて各油漏れ検出装置１３で共有してもよいし、学習モデルをメーカーが設置したサーバ上に記憶しておき、顧客の油漏れ検出装置１３の間で共有できるように構成することもできる。

また、上記した実施形態では、学習時と検出時における油漏れ検出装置１３の構成を個別に説明しているが、油漏れ検出装置１３は、学習時の構成と検出時の構成を同時に備えたものとしても良い。このようにした場合、油漏れ検出装置１３は、油漏れの発生の検出を行いつつ、工作機械１において管理者又はメンテナンス要員により入力される情報に基づいて学習部１１１が更なる追加の学習を行うようにすることができる。

また、上記した実施形態では、油漏れ検出装置１３を工作機械１とは別体として構成した例を示しているが、油漏れ検出装置１３は工作機械１の制御装置の一部として構成するようにしてもよい。

１工作機械
２油圧供給装置
３タンク
４圧力源
５油圧ユニット
６分配ユニット
７油圧配管
８接続部
９主軸
１０テーブル
１２センサ
１３油漏れ検出装置
１７ＰＭＣ
１８警報部
１１１学習部
１１２状態観測部
１１３ラベル取得部
１１４学習モデル記憶部
１１５検出部
２００ログデータ記憶部

Claims

少なくとも１つの駆動部を備える工作機械において、前記駆動部を作動させるために油圧を供給する油圧供給装置における油漏れの発生を検出する油漏れ検出装置であって、
前記工作機械の運転中に記録されたログデータから、前記駆動部の作動状況に対応した前記油圧供給装置により供給される油の流量の変化に係る情報を変化パターンとして取得し、取得した変化パターンに基づいて入力データを作成する状態観測部と、
前記工作機械の運転中に記録されたログデータから、前記油圧供給装置における油漏れ発生の有無に係る情報と、前記油圧供給装置における油漏れ発生箇所に係る情報とを取得し、取得した前記油圧供給装置における油漏れ発生の有無に係る情報と、前記油圧供給装置における油漏れ発生箇所に係る情報とに基づいて教師データを作成するラベル取得部と、
前記状態観測部が作成した入力データと、前記ラベル取得部が作成した教師データとにより教師あり学習を行い、学習モデルを構築する学習部と、
前記学習モデルを記憶する学習モデル記憶部と、
を備えた油漏れ検出装置。
少なくとも１つの駆動部を備える工作機械において、前記駆動部を作動させるために油圧を供給する油圧供給装置における油漏れの発生を検出する油漏れ検出装置であって、
前記駆動部の作動状況に対応した前記油圧供給装置により供給される油の流量の変化に係る情報を変化パターンに基づく入力データと、前記油圧供給装置における油漏れ発生の有無に係る情報及び前記油圧供給装置における油漏れ発生箇所に係る情報に基づく教師データとによる教師あり学習により構築された学習モデルを記憶する学習モデル記憶部と、
前記工作機械の運転中に、前記駆動部の作動状況に対応した前記油圧供給装置により供給される油の流量の変化に係る情報を変化パターンに基づいて入力データを作成する状態観測部と、
前記学習モデルを用いて、前記状態観測部が作成した入力データから前記油圧供給装置における油漏れ発生の有無及び前記油圧供給装置における油漏れ発生箇所を検出する検出部と、
を備えた油漏れ検出装置。
請求項２に記載の油漏れ検出装置による前記油圧供給装置における油漏れ発生の有無及び前記油圧供給装置における油漏れ発生箇所の検出結果に基づいて警報を出力する警報部と、
を備えた工作機械。