JP6659647B2 - 数値制御システム及び逆流防止弁状態検知方法 - Google Patents

数値制御システム及び逆流防止弁状態検知方法 Download PDF

Info

Publication number
JP6659647B2
JP6659647B2 JP2017191872A JP2017191872A JP6659647B2 JP 6659647 B2 JP6659647 B2 JP 6659647B2 JP 2017191872 A JP2017191872 A JP 2017191872A JP 2017191872 A JP2017191872 A JP 2017191872A JP 6659647 B2 JP6659647 B2 JP 6659647B2
Authority
JP
Japan
Prior art keywords
state
learning model
injection operation
unit
learning
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.)
Active
Application number
JP2017191872A
Other languages
English (en)
Other versions
JP2019067138A (ja
Inventor
一憲 飯島
一憲 飯島
裕泰 浅岡
裕泰 浅岡
和臣 前田
和臣 前田
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.)
FANUC Corp
Original Assignee
FANUC 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 FANUC Corp filed Critical FANUC Corp
Priority to JP2017191872A priority Critical patent/JP6659647B2/ja
Priority to US16/141,421 priority patent/US11460831B2/en
Priority to DE102018007641.6A priority patent/DE102018007641B4/de
Priority to CN201811149109.6A priority patent/CN109571897B/zh
Publication of JP2019067138A publication Critical patent/JP2019067138A/ja
Application granted granted Critical
Publication of JP6659647B2 publication Critical patent/JP6659647B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/4155—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by programme execution, i.e. part programme or machine function execution, e.g. selection of a programme
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
    • B29C45/17—Component parts, details or accessories; Auxiliary operations
    • B29C45/76—Measuring, controlling or regulating
    • B29C45/768—Detecting defective moulding conditions
    • 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
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G05B19/4065—Monitoring tool breakage, life or condition
    • 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
    • B29C2945/76—Measuring, controlling or regulating
    • B29C2945/76344—Phase or stage of measurement
    • B29C2945/76367—Metering
    • 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
    • G05B2219/45—Nc applications
    • G05B2219/45244—Injection molding
    • 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
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49307—Learn, learn operational zone, feed, speed to avoid tool breakage
    • 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
    • G05B2219/50—Machine tool, machine tool null till machine tool work handling
    • G05B2219/50185—Monitoring, detect failures, control of efficiency of machine, tool life
    • 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
    • G05B2219/50—Machine tool, machine tool null till machine tool work handling
    • G05B2219/50308—Estimate wear from machining data and conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Mechanical Engineering (AREA)
  • Injection Moulding Of Plastics Or The Like (AREA)
  • Numerical Control (AREA)

Description

本発明は、数値制御システムに関し、特に学習モデルを切り替えて射出成形機の逆流防止弁の摩耗検知を行う数値制御システムに関する。
インライン式の射出成形機においては、スクリュ先端の逆流防止弁が射出および計量中に相対的に後退動作または前進動作を行うことによって、射出中は樹脂がスクリュの後方に流れるのを防止し、計量中は樹脂が後方から前方に流れるようにしている。ここで、射出中に逆流防止弁が後退していなかったり、後退してもその動作タイミングがばらついたりすると、樹脂のスクリュ後方への逆流現象によって成形品の質量が所定値にならなかったり、成形品の質量にばらつきが生じたりするという問題が発生する。
このような逆流防止弁の動作の問題は、主に長時間の成形により逆流防止弁が摩耗して寸法が当初の寸法から変化したことに起因している。したがって、高品質な射出成形品を長期間安定して生産するためには、逆流防止弁の摩耗が無いかを監視し、摩耗が検出された場合には、逆流防止弁を速やかに新品に交換する必要がある。
逆流防止弁の摩耗量検出方法としては、定期的に射出シリンダからスクリュを抜き出して、寸法を直接測定する方法が知られている。しかしながらこの方法では生産を一旦停止して、測定作業を行わなくてはならず、生産性が低下するという問題が有った。そこで、射出シリンダからスクリュを抜き出さなくても、間接的に摩耗量を検出する方法として、樹脂のスクリュ後方への逆流現象を検出する方法が知られている。例えば、特許文献１，３には、スクリュの回転方向に加わる負荷トルクを測定して樹脂の逆流現象を検出することが示されている。また、特許文献２，５には、保圧中のスクリュの前進速度を測定して樹脂の逆流現象を検出することが示されている。さらに特許文献４には、検出した逆流防止弁の閉鎖時点のスクリュ位置を使用して逆流防止弁の摩耗量を推定することが示されている。
特開平０１−１６８４２１号公報 特開平０１−２８１９１２号公報 特開２００８−３０２５２７号公報 特開２００８−３０２５２８号公報 特開２００９−０９６０４５号公報
しかしながら、逆流防止弁の摩耗状態を加工中に外部から観測可能な情報に基づいて判断しようとしても、逆流防止弁の摩耗時に外部から観測される射出成形動作の状態情報は、射出成形機のサイズやスクリュ径、射出成形に用いている樹脂の種類（粘度）等によっても異なるため、これらの様々な状況に対応して上記従来技術を運用することは困難である。また、射出成形機の逆流防止弁の摩耗状態を推定するために機械学習器を導入するというやり方もあるが、上記した様々な状況に対応可能な汎用的な機械学習器（汎用的な学習モデル）を作成するためには、様々な状況において検出される多くの状態情報が必要であり、また、状況に係るデータを含む多くの媒介変数が必要となるため過学習等の既知の問題が発生することもある。
そこで本発明の目的は、射出成形機の運転条件や環境条件が異なる場合であっても、射出成形機の逆流防止弁の摩耗検知を、より広範に行うことが可能な数値制御システム及び逆流防止弁状態検知方法を提供することである。
本発明の数値制御システムでは、射出成形機の運転条件や環境条件によって使用する学習モデルを切り替える機構を設けることにより、上記課題を解決する。本発明の数値制御システムは、複数の学習モデルを持ち、射出成形機の運転条件や環境条件に応じて学習モデルを選択し、選択した学習モデルに対して射出時に検出された状態量に基づく機械学習を行い、また、このようにして作成された学習モデルを、射出成形機の運転条件や環境条件に応じて使い分けて射出成形機の逆流防止弁の摩耗検知を行う。
そして、本発明の一態様は、射出成形機の逆流防止弁の摩耗状態を検知する数値制御システムであって、前記射出成形機の射出動作における条件を指定する条件指定部と、前記射出成形機による射出動作の状態を示す状態量を検出する状態量検出部と、前記状態量から射出動作の状態を特徴付ける特徴量を作成する特徴量作成部と、前記特徴量から射出動作の状態に対する評価値を推論する推論計算部と、前記評価値に基づいて異常状態を検知する異常検知部と、前記特徴量を用いた機械学習により学習モデルを生成乃至更新する学習モデル生成部と、前記学習モデル生成部が生成した少なくとも１つの学習モデルを前記条件指定部により指定された条件の組み合わせ及び該学習モデルを用いるために必要な推論処理乃至処理能力を含む利用条件と関連付けて記憶する学習モデル記憶部と、を具備し、前記推論計算部は、前記条件指定部が指定する射出動作における条件及び該推論計算部が実行可能な推論処理乃至処理能力に基づいて前記学習モデル記憶部に記憶された学習モデルの中から少なくとも１つの学習モデルを選択的に用いて、射出動作の状態に対する評価値を計算する数値制御システムである。
本発明の他の態様は、射出成形機の射出動作における条件を指定するステップと、前記射出成形機による射出動作の状態を示す状態量を検出するステップと、前記状態量から射出動作の状態を特徴付ける特徴量を作成するステップと、前記特徴量から射出動作の状態に対する評価値を推論するステップと、前記評価値に基づいて異常状態を検知するステップと、前記特徴量を用いた機械学習により学習モデルを生成乃至更新するステップと、を実行する射出成形機の逆流防止弁状態検知方法であって、前記推論するステップは、前記射出成形機の射出動作における条件の組み合わせ及び該学習モデルを用いるために必要な推論処理乃至処理能力を含む利用条件と予め関連付けられている少なくとも１つの前記学習モデルの中から、前記条件を指定するステップで指定された射出動作における条件及び実行可能な推論処理乃至処理能力に基づいて使用する学習モデルを選択し、選択した学習モデルを用いて射出動作の状態に対する評価値を計算する、射出成形機の逆流防止弁状態検知方法である。
本発明により、射出成形機の運転条件や環境条件に応じて選択された学習モデルを、それぞれの条件において検出された状態量に基づいて機械学習を行うことができるため、効率の良い機械学習を行うことができ、また、射出成形機の逆流防止弁の摩耗検知に射出成形機の運転条件や環境条件に応じて選択された学習モデルを用いるため、射出成形機の逆流防止弁の摩耗検知の精度が向上する。
第１の実施形態による数値制御システムの概略的な機能ブロック図である。 第２の実施形態による数値制御システムの概略的な機能ブロック図である。 第３の実施形態による数値制御システムの概略的な機能ブロック図である。 第４の実施形態による数値制御システムの概略的な機能ブロック図である。 第５の実施形態による数値制御システムの概略的な機能ブロック図である。 第５の実施形態による数値制御システムの変形例を示す概略的な機能ブロック図である。 第６の実施形態による数値制御システムの概略的な機能ブロック図である。 数値制御システム上で実行される処理の概略的なフローチャートである。 数値制御システム上で実行される処理の概略的なフローチャートである。 一実施形態による数値制御装置及び機械学習装置の要部を示す概略的なハードウェア構成図である。
以下、本発明の実施形態を図面と共に説明する。
図１は、第１の実施形態による数値制御システム１の概略的な機能ブロック図である。図２に示した各機能ブロックは、数値制御システム１を構成する数値制御装置や、セルコンピュータ、ホストコンピュータ、クラウドサーバ等のコンピュータが備えるＣＰＵ、ＧＰＵ等のプロセッサが、それぞれのシステム・プログラムに従って装置の各部の動作を制御することにより実現される。
本実施形態の数値制御システム１は、少なくとも状態の観察・推論対象となるエッジデバイスとしての数値制御部１００、エッジデバイスの状態に対する推論を行う推論処理部２００、複数の学習モデルを記憶して管理する学習モデル記憶部３００を備える。本実施形態の数値制御システム１は、更に、エッジデバイスの状態について推論処理部２００が推論した結果に基づいて射出成形機１２０による射出動作の異常（逆流防止弁の摩耗）を検知する異常検知部４００、学習モデル記憶部３００に記憶する学習モデルの作成及び更新をする学習モデル生成部５００を備える。
本実施形態の数値制御部１００は、図示しないメモリに記憶された位置ループ，速度ループ，電流ループの処理を行うサーボ制御専用の制御プログラムに基づいて射出成形機１２０を制御する。数値制御部１００は、例えば数値制御装置として実装され、図示しないメモリに記憶された制御プログラムを読み出して解析し、解析した結果に基づいて射出成形機１２０の射出用モータ、スクリュ回転軸に接続されたスクリュ回転用モータ等を制御する。
数値制御部１００が備える条件指定部１１０は、数値制御部１００（及び該数値制御部１００により制御される射出成形機）が制御する射出動作における条件（加工条件、運転条件、環境条件など）を指定する機能手段である。射出動作に設定される条件としては、例えば射出成形機のサイズやスクリュ径、射出成形に用いている樹脂の種類（粘度）等が挙げられる。条件指定部１１０は、作業者が図示しない入力装置を介して数値制御部１００に設定した条件、ネットワーク等を介して接続された他のコンピュータが数値制御部１００に設定した条件、制御プログラムにより指令された条件、又は、数値制御部１００に別途設けられたセンサ等の機器により検出された条件等を必要に応じて数値制御部１００の各部に対して指定（出力）すると共に、当該条件を学習モデル記憶部３００、学習モデル生成部５００に対して指定（出力）する。条件指定部１１０は、エッジデバイスとしての数値制御部１００の現在の射出動作における条件を学習モデルを選択するための条件として数値制御システム１の各部に対して知らせる役割を持つ。
数値制御部１００が備える状態量検出部１４０は、数値制御部１００（及び該数値制御部１００により制御される射出成形機）による射出動作の状態を状態量として検出する機能手段である。射出動作の状態量としては、例えばバックフロー（Ｃ軸電流）、ロードセル圧力等が挙げられる。状態量検出部１４０は、例えば数値制御部１００や該数値制御部１００が制御する射出成形機の各機構を駆動するモータに流れる電流値や、各部に別途設けられたセンサ等の機器により検出された検出値を状態量として検出する。状態量検出部１４０が検出した状態量は、推論処理部２００、学習モデル生成部５００に対して出力される。
本実施形態の推論処理部２００は、エッジデバイスとしての数値制御部１００（及び該数値制御部１００により制御される射出成形機）の状態を観測し、該観測した結果に基づく数値制御部１００の状態（加工の状態）を推論する。推論処理部２００は、例えば数値制御装置やセルコンピュータ、ホストコンピュータ、クラウドサーバ、又は機械学習装置等として実装することができる。
推論処理部２００が備える特徴量作成部２１０は、状態量検出部１４０が検出した状態量に基づいて、数値制御部１００の射出動作の状態の特徴を示す特徴量を作成する機能手段である。特徴量作成部２１０が作成する射出動作の状態の特徴を示す特徴量を、数値制御部１００（及び該数値制御部１００により制御される射出成形機）が制御する射出動作において、逆流防止弁の摩耗状態を検知する際の判断の材料として有用である情報である。また、特徴量作成部２１０が作成する射出動作の状態の特徴を示す特徴量は、後述する推論計算部２２０が学習モデルを用いた推論を行う際の入力データである。特徴量作成部２１０が作成する射出動作の状態の特徴を示す特徴量は、例えば状態量検出部１４０が検出したバックフローを、過去の所定の期間分だけ所定のサンプリング周期でサンプリングしたものであってよく、また、状態量検出部１４０が検出したロードセル圧力の過去の所定の期間分内のピーク値であってもよい。特徴量作成部２１０は、状態量検出部１４０が検出した状態量を、推論計算部２２０が取り扱えるように前処理を行い正規化したものである。
推論処理部２００が備える推論計算部２２０は、現在の射出動作における条件に基づいて学習モデル記憶部３００から選択された学習モデルと、特徴量作成部２１０が作成した特徴量とに基づいて、数値制御部１００（及び該数値制御部１００により制御される射出成形機）が制御する射出動作の状態の評価値を推論する機能手段である。推論計算部２２０は、機械学習による推論処理を実行可能なプラットフォームに対して、学習モデル記憶部３００に記憶される学習モデルを適用することにより実現される。推論計算部２２０は、例えば多層ニューラルネットワークを用いた推論処理を行うためのものであっても良く、また、ベイジアンネットワークやサポートベクタマシン、混合ガウスモデル等の機械学習として公知の学習アルゴリズムを用いた推論処理を行うためのものであっても良い。推論計算部２２０は、例えば教師あり学習、教師なし学習、強化学習などの学習アルゴリズムを用いた推論処理を行うためのものであって良い。また、推論計算部２２０は、複数種類の学習アルゴリズムに基づく推論処理をそれぞれ実行可能であっても良い。推論計算部２２０は、機械学習の学習モデル記憶部３００から選択された学習モデルに基づいた機械学習器を構成し、該機械学習器の入力データとして特徴量作成部２１０が作成した特徴量を用いた推論処理を実行することで数値制御部１００（及び該数値制御部１００により制御される射出成形機）が制御する射出動作の状態の評価値を推論する。推論計算部２２０が推論した結果としての評価値は、例えば現在の射出動作の状態と正常時の射出動作の状態の分布との距離や、逆流防止弁の摩耗量、逆流防止弁の破損／摩耗の状態を示すものであって良い。
本実施形態の学習モデル記憶部３００は、条件指定部１１０により指定された射出動作における条件の組み合わせに関連付けられた複数の学習モデルを記憶することが可能な機能手段である。学習モデル記憶部３００は、例えば数値制御装置やセルコンピュータ、ホストコンピュータ、クラウドサーバ、データベースサーバ等として実装することができる。
学習モデル記憶部３００には、条件指定部１１０により指定された射出動作における条件（加工条件、運転条件、環境条件など）の組み合わせに関連付けられた複数の学習モデル１，２，…，Ｎが記憶される。ここで言うところの射出動作における条件（加工条件、運転条件、環境条件など）の組み合わせは、それぞれの条件が取り得る値、値の範囲、値の列挙に関する組み合わせを意味する。
学習モデル記憶部３００に記憶される学習モデルは、推論計算部２２０における推論処理に適合する１つの学習モデルを構成可能な情報として記憶される。学習モデル記憶部３００に記憶される学習モデルは、例えば多層ニューラルネットワークの学習アルゴリズムを用いた学習モデルである場合には、各層のニューロン数、各層のニューロン間の重みパラメータなどとして記憶することができ、また、ベイジアンネットワークの学習アルゴリズムを用いた学習モデルである場合には、ベイジアンネットワークを構成するノードとノード間の遷移確率などとして記憶することができる。学習モデル記憶部３００に記憶される学習モデルのそれぞれは、同じ学習アルゴリズムを用いた学習モデルであっても良く、また、異なる学習アルゴリズムを用いた学習モデルであっても良く、推論計算部２２０による推論処理に利用可能であればどのような学習アルゴリズムを用いた学習モデルであっても良い。
学習モデル記憶部３００は、１つの射出動作における条件の組み合わせに対して１つの学習モデルを関連付けて記憶しても良く、また、１つの射出動作における条件の組み合わせに対して２以上の異なる学習アルゴリズムを用いた学習モデルを関連付けて記憶しても良い。学習モデル記憶部３００は、その組み合わせの範囲が重畳する複数の射出動作における条件の組み合わせのそれぞれに対して異なる学習アルゴリズムを用いた学習モデルを関連付けて記憶しても良い。この時、学習モデル記憶部３００は、射出動作における条件の組み合わせに対応する学習モデルに対して、更に必要処理能力や学習アルゴリズムの種類等の利用条件を定めることにより、例えば射出動作における条件の組み合わせに対して、実行可能な推論処理や処理能力が異なる推論計算部２２０に応じた学習モデルを選択することが可能となる。
学習モデル記憶部３００は、射出動作における条件の組み合わせを含む学習モデルの読み出し／書き込み要求を外部から受けると、当該射出動作における条件の組み合わせに関連付けて記憶された学習モデルに対して読み出し／書き込みを行う。この時、学習モデルの読み出し／書き込み要求には、推論計算部２２０が実行可能な推論処理や処理能力の情報を含めるようにしても良く、そのようにした場合、学習モデル記憶部３００は、射出動作における条件の組み合わせ、及び、推論計算部２２０が実行可能な推論処理や処理能力に関連付けられた学習モデルに対して読み出し／書き込みを行う。学習モデル記憶部３００は、外部からの学習モデルの読み出し／書き込み要求に対して、条件指定部１１０から指定された条件に基づいて、該条件（の組み合わせ）に関連付けられた学習モデルに対して読み出し／書き込みが行なわれるようにする機能を備えていても良い。このような機能を設けることで、推論計算部２２０や学習モデル生成部５００に対して、条件指定部１１０から指定された条件に基づく学習モデルを要求する機能を設ける必要がなくなる。
なお、学習モデル記憶部３００は、学習モデル生成部５００が生成した学習モデルを暗号化して記憶し、推論計算部２２０により学習モデルが読み出される際に暗号化された学習モデルを復号化するようにしても良い。
異常検知部４００は、推論処理部２００で推論された射出動作の状態の評価値に基づいて、数値制御部１００（及び該数値制御部１００により制御される射出成形機）で発生した異常を検知する機能手段である。異常検知部４００は、推論計算部２２０が出力する推論結果としての評価値の内容に応じた射出動作の状態の正常／異常の検知を行う。異常検知部４００は、例えば現在の射出動作の状態と正常時の射出動作の状態の分布との距離が予め定めた所定の閾値を超える場合に射出動作の状態が異常であると検知し、それ以外の場合には射出動作の状態が正常であると検知するようにしても良い。異常検知部４００は、例えば逆流防止弁の摩耗量が予め定められた閾値を超える場合に射出動作の状態が異常であると検知し、それ以外の場合には射出動作の状態が正常であると検知するようにしても良い。
異常検知部４００は、射出動作の状態が異常であると検知した場合、図示しない表示装置、ランプ、音声出力装置などにより作業者に対して射出動作の状態の異常を通知するようにしても良い。また、異常検知部４００は、射出動作の状態が異常であると検知した場合、数値制御部１００に対して加工を中止するように指令するようにしても良い。
学習モデル生成部５００は、条件指定部１１０により指定された射出動作における条件と、特徴量作成部２１０により作成された射出動作の状態の特徴を示す特徴量とに基づいて、学習モデル記憶部３００に記憶された学習モデルの生成乃至更新（機械学習）を行う機能手段である。学習モデル生成部５００は、条件指定部１１０により指定された射出動作における条件に基づいて生成乃至更新の対象となる学習モデルを選択し、選択した学習モデルに対して特徴量作成部２１０により作成された射出動作の状態の特徴を示す特徴量による機械学習を行う。学習モデル生成部５００は、条件指定部１１０により指定された射出動作における条件（の組み合わせ）と関連付けられた学習モデルが学習モデル記憶部３００に記憶されていない場合には、当該条件（の組み合わせ）と関連付けた学習モデルを新たに生成し、条件指定部１１０により指定された射出動作における条件（の組み合わせ）と関連付けられた学習モデルが学習モデル記憶部３００に記憶されている場合には、該学習モデルに対する機械学習を行うことで該学習モデルを更新する。学習モデル生成部５００は、学習モデル記憶部３００に条件指定部１１０により指定された射出動作における条件（の組み合わせ）に関連付けられた学習モデルが複数記憶されている場合には、それぞれの学習モデルに対して機械学習を行うようにしても良く、また、学習モデル生成部５００により実行可能な学習処理や処理能力に基づいて、一部の学習モデルに対してのみ機械学習を行うようにしてもよい。
学習モデル生成部５００は、学習モデル記憶部３００に記憶された学習モデルに対して改変を加え、新たな学習モデルを生成するようにしても良い。学習モデル生成部５００による学習モデルの改変の例としては、例えば蒸留モデルの生成が例示される。蒸留モデルは、学習済みモデルを組み込んだ機械学習器に対する入力に対して得られる出力を用いて、他の機械学習器において１から学習を行うことで得られる学習済みモデルである。学習モデル生成部５００は、このような工程（蒸留工程と言う）を経て得られた蒸留モデルを、新たな学習モデルとして学習モデル記憶部３００に記憶して利用することができる。一般に、蒸留モデルは元の学習済みモデルよりもサイズが小さく、それでいて元の学習済みモデルと同等の正確度を出せるため、ネットワーク等を介した他のコンピュータに対する配布により適している。学習モデル生成部５００による学習モデルの改変の他の例としては、学習モデルの統合が例示される。学習モデル生成部５００は、射出動作における条件（の組み合わせ）と関連付けて記憶された２以上の学習モデルの構造が類似している場合、例えば、各重みパラメータの値が予め定めた所定の閾値内にある場合に、これらの学習モデルに関連付けられている射出動作における条件（の組み合わせ）を統合した上で、これに対応付けて構造が類似する２以上の学習モデルのいずれかを記憶するようにしても良い。
図２は、第２の実施形態による数値制御システム１の概略的な機能ブロック図である。本実施形態の数値制御システム１では、各機能ブロックを１台の数値制御装置２の上に実装している。このように構成することで、本実施形態の数値制御システム１は、例えば数値制御装置２が制御する射出成形機１２０の射出動作における条件に応じて異なる学習モデルを用いて射出動作の状態を推論し、射出動作の状態の異常を検出することができるようになる。また、１台の数値制御装置２で、射出動作における条件に応じたそれぞれの学習モデルを生成／更新することができる。
図３は、第３の実施形態による数値制御システム１の概略的な機能ブロック図である。本実施形態の数値制御システム１では、数値制御部１００、推論処理部２００、及び異常検知部４００を数値制御装置２の上に実装し、また、学習モデル記憶部３００及び学習モデル生成部５００を数値制御装置２と標準的なインタフェースやネットワークを介して接続された機械学習装置３の上に実装している。機械学習装置３は、セルコンピュータ、ホストコンピュータ、クラウドサーバ、データベースサーバ上に実装しても良い。このように構成することで、比較的軽い処理である学習済みのモデルを用いた推論処理は数値制御装置２の上で実行し、比較的重い処理である学習モデルの生成／更新の処理を機械学習装置３の上で実行することができるため、数値制御装置２で実行される射出成形機１２０の制御の処理を妨げることなく数値制御システム１の運用を行うことができる。
図４は、第４の実施形態による数値制御システム１の概略的な機能ブロック図である。本実施形態の数値制御システム１では、数値制御部１００を数値制御装置２の上に実装し、推論計算部２２０、学習モデル記憶部３００、学習モデル生成部５００を数値制御装置２と標準的なインタフェースやネットワークを介して接続された機械学習装置３の上に実装している。また、別途、異常検知部４００を用意している。なお、本実施形態の数値制御システム１では、状態量検出部１４０が検出する状態量をそのまま推論計算部２２０による推論処理や学習モデル生成部５００による学習モデルの生成／更新処理に用いることができるデータであるものと想定して、特徴量作成部２１０の構成を省略している。このように構成することで、学習済みのモデルを用いた推論処理及び学習モデルの生成／更新の処理を機械学習装置３の上で実行することができるため、数値制御装置２で実行される射出成形機１２０の制御の処理を妨げることなく数値制御システム１の運用を行うことができる。
図５は、第５の実施形態による数値制御システム１の概略的な機能ブロック図である。本実施形態の数値制御システム１では、各機能ブロックを１台の数値制御装置２の上に実装している。なお、本実施形態の数値制御システム１では、学習モデル記憶部３００には射出動作における条件の組み合わせに関連付けられた複数の学習済みの学習モデルが既に記憶されており、学習モデルの生成／更新を行なわないと想定して、学習モデル生成部５００の構成を省略している。このように構成することで、本実施形態の数値制御システム１は、例えば数値制御装置２が制御する射出成形機１２０の射出動作の条件に応じて異なる学習モデルを用いて射出動作の状態を推論し、射出動作の状態の異常を検出することができるようになる。また、勝手な学習モデルの更新は行われないので、例えば顧客に対して出荷される数値制御装置２の構成として採用することができる。
図６は、第５の実施形態による数値制御システム１の変形例を示す概略的な機能ブロック図である。本実施形態の数値制御システム１では、第５の実施形態において学習モデル記憶部３００を数値制御装置２に接続された外部ストレージ４に実装した例である。本変形例では、容量の大きい学習モデルを外部ストレージ４に記憶することで、多くの学習モデルを利用することが可能となると共に、ネットワーク等を介することなく学習モデルの読み出しができるため、推論処理にリアルタイム性を必要とする場合に有効である。
図７は、第６の実施形態による数値制御システム１の概略的な機能ブロック図である。本実施形態の数値制御システム１では、数値制御部１００を数値制御装置２の上に実装し、推論計算部２２０、学習モデル記憶部３００を数値制御装置２と標準的なインタフェースやネットワークを介して接続された機械学習装置３の上に実装している。機械学習装置３は、セルコンピュータ、ホストコンピュータ、クラウドサーバ、データベースサーバ上に実装しても良い。なお、本実施形態の数値制御システム１では、学習モデル記憶部３００には射出動作における条件の組み合わせに関連付けられた複数の学習済みの学習モデルが既に記憶されており、学習モデルの生成／更新を行なわないと想定して、学習モデル生成部５００の構成を省略している。また、本実施形態の数値制御システム１では、状態量検出部１４０が検出する状態量をそのまま推論計算部２２０による推論処理に用いることができるデータであるものと想定して、特徴量作成部２１０の構成を省略している。このように構成することで、本実施形態の数値制御システム１は、例えば数値制御装置２が制御する射出成形機１２０の射出動作の条件に応じて異なる学習モデルを用いて射出動作の状態を推論し、射出動作の状態の異常を検出することができるようになる。また、勝手な学習モデルの更新は行われないので、例えば顧客に対して出荷される数値制御装置２の構成として採用することができる。
図８は、本発明の数値制御システム１で実行される処理の概略的なフローチャートである。図８に示すフローチャートは、数値制御システム１における学習モデルの更新が行われない場合（第５，６の実施形態）の処理の流れを例示している。
●［ステップＳＡ０１］条件指定部１１０は、数値制御部１００（及び該数値制御部１００により制御される射出成形機）による射出動作における条件を指定する。
●［ステップＳＡ０２］状態量検出部１４０は、数値制御部１００（及び該数値制御部１００により制御される射出成形機）による射出動作の状態を状態量として検出する。
●［ステップＳＡ０３］特徴量作成部２１０は、ステップＳＡ０２で検出された状態量に基づいて、射出動作の特徴を示す特徴量を作成する。
●［ステップＳＡ０４］推論計算部２２０は、ステップＳＡ０１で指定された射出動作における条件に対応する学習モデルを推論に使用する学習モデルとして学習モデル記憶部３００から選択して読み出す。
●［ステップＳＡ０５］推論計算部２２０は、ステップＳＡ０４で読み出した学習モデルとステップＳＡ０３で作成された特徴量とに基づいて射出動作の状態の評価値を推論する。
●［ステップＳＡ０６］異常検知部４００は、ステップＳＡ０５において推論された評価値に基づいて、射出動作の状態の異常を検知する。
図９は、本発明の数値制御システム１で実行される処理の概略的なフローチャートである。図９に示すフローチャートは、数値制御システム１における学習モデルの生成・更新が行われる場合（第１〜４の実施形態）の処理の流れを例示している。
●［ステップＳＢ０１］条件指定部１１０は、数値制御部１００（及び該数値制御部１００により制御される射出成形機）による射出動作における条件を指定する。
●［ステップＳＢ０２］状態量検出部１４０は、数値制御部１００（及び該数値制御部１００により制御される射出成形機）による射出動作の状態を状態量として検出する。
●［ステップＳＢ０３］特徴量作成部２１０は、ステップＳＢ０２で検出された状態量に基づいて、射出動作の特徴を示す特徴量を作成する。
●［ステップＳＢ０４］推論計算部２２０は、ステップＳＢ０１で指定された射出動作における条件に対応する学習モデルを推論に使用する学習モデルとして学習モデル記憶部３００から選択して読み出す。
●［ステップＳＢ０５］学習モデル生成部５００は、学習モデル記憶部３００にステップＳＢ０１で指定された射出動作における条件に対応する学習済みの学習モデルが生成されているか否かを判定する。学習済みの学習モデルが生成されている場合にはステップＳＢ０７へ処理を移行し、学習済みの学習モデルが生成されていない場合にはステップＳＢ０６へ処理を移行する。
●［ステップＳＢ０６］学習モデル生成部５００は、ステップＳＢ０３で作成された特徴量に基づいて、ステップＳＢ０１で指定された射出動作における条件に対応する学習モデルの生成・更新を行ない、ステップＳＢ０１へ処理を移行する。
●［ステップＳＢ０７］推論計算部２２０は、ステップＳＢ０４で読み出した学習モデルとステップＳＢ０３で作成された特徴量とに基づいて射出動作の状態の評価値を推論する。
●［ステップＳＢ０８］異常検知部４００は、ステップＳＢ０５において推論された評価値に基づいて、射出動作の状態の異常を検知する。
図１０は本発明の一実施形態による数値制御装置及び機械学習装置の要部を示す概略的なハードウェア構成図である。本実施形態による数値制御装置２が備えるＣＰＵ１１は、数値制御装置２を全体的に制御するプロセッサである。ＣＰＵ１１は、ＲＯＭ１２に格納されたシステム・プログラムを読み出し、該システム・プログラムに従って数値制御装置２全体を制御する。ＲＡＭ１３には一時的な計算データや表示データ、図示しない入力部を介してオペレータが入力した各種データ等が一時的に格納される。
表示器７０は液晶表示装置などで構成される。表示器７０には射出成形機１２０の逆流防止弁の摩耗状況を示す推論評価値の値や履歴を表示することもできる。提案されるシステムの実現形態としては、しきい値判定方式、トレンドグラフ判定方式、外れ検知方式など種々の方法で最終結果を得ることができるが、その結果が得られる過程の一部が可視化されることによって、射出成形機１２０を実際に生産現場で運転している作業者にとっての工業上の直観に一致した結果を与えることができるようになる。
射出成形機１２０が備える軸を制御するための軸制御回路３０はＣＰＵ１１からの軸の移動指令量を受けて、軸の指令をサーボアンプ４０に出力する。サーボアンプ４０はこの指令を受けて、射出成形機１２０が備える軸を移動させるモータを駆動する。軸のモータは位置・速度検出器を内蔵し、この位置・速度検出器からの位置・速度フィードバック信号を軸制御回路３０にフィードバックし、位置・速度のフィードバック制御を行う。なお、図１のハードウェア構成図では軸制御回路３０、サーボアンプ４０、モータは１つずつしか示されていないが、実際には制御対象となる射出成形機１２０に備えられた軸の数だけ用意される。
インタフェース２１は、数値制御装置２と機械学習装置３とを接続するためのインタフェースである。機械学習装置３は、機械学習装置３全体を統御するプロセッサ８０と、システム・プログラムや学習モデル等を記憶したＲＯＭ８１、機械学習に係る各処理における一時的な記憶を行うためのＲＡＭ８２を備える。機械学習装置３は、インタフェース８４及びインタフェース２１を介して数値制御装置２との間で各種データのやり取りを行う。
以上、本発明の実施の形態について説明したが、本発明は上述した実施の形態の例のみに限定されることなく、適宜の変更を加えることにより様々な態様で実施することができる。
１ 数値制御システム
２ 数値制御装置
３ 機械学習装置
４ 外部ストレージ
１１ ＣＰＵ
１２ ＲＯＭ
１３ ＲＡＭ
２０ バス
２１ インタフェース
３０ 軸制御回路
４０ サーボアンプ
７０ 表示器
８０ プロセッサ
８１ ＲＯＭ
８２ ＲＡＭ
８４ インタフェース
１００ 数値制御部
１１０ 条件指定部
１２０ 射出成形機
１４０ 状態量検出部
２００ 推論処理部
２１０ 特徴量作成部
２２０ 推論計算部
３００ 学習モデル記憶部
４００ 異常検知部
５００ 学習モデル生成部

Claims (10)

  1. 射出成形機の逆流防止弁の摩耗状態を検知する数値制御システムであって、
    前記射出成形機の射出動作における条件を指定する条件指定部と、
    前記射出成形機による射出動作の状態を示す状態量を検出する状態量検出部と、
    前記状態量から射出動作の状態に対する評価値を推論する推論計算部と、
    前記評価値に基づいて異常状態を検知する異常検知部と、
    前記状態量を用いた機械学習により学習モデルを生成乃至更新する学習モデル生成部と、前記学習モデル生成部が生成した少なくとも１つの学習モデルを前記条件指定部により指定された条件の組み合わせ及び該学習モデルを用いるために必要な推論処理乃至処理能力を含む利用条件と関連付けて記憶する学習モデル記憶部と、
    を具備し、
    前記推論計算部は、前記条件指定部が指定する射出動作における条件及び該推論計算部が実行可能な推論処理乃至処理能力に基づいて前記学習モデル記憶部に記憶された学習モデルの中から少なくとも１つの学習モデルを選択的に用いて、射出動作の状態に対する評価値を計算する
    数値制御システム。
  2. 状態量検出部が検出した状態量から射出動作の状態を特徴付ける特徴量を作成する特徴量作成部を更に備え、
    前記推論計算部は、前記特徴量から射出動作の状態に対する評価値を推論し、
    前記学習モデル生成部は、前記特徴量を用いた機械学習により学習モデルを生成乃至更新する、
    請求項１に記載の数値制御システム。
  3. 前記学習モデル生成部は、前記学習モデル記憶部が記憶する既存の学習モデルに対する改変を実施することによって新しい学習モデルを生成する、
    請求項１または２に記載の数値制御システム。
  4. 前記学習モデル記憶部は、前記学習モデル生成部が生成した学習モデルを暗号化して記憶し、前記推論計算部により学習モデルが読み出される際に暗号化された学習モデルを復号する、
    請求項１〜３のいずれか１つに記載の数値制御システム。
  5. 射出成形機の逆流防止弁の摩耗状態を検知する数値制御システムであって、
    前記射出成形機の射出動作における条件を指定する条件指定部と、
    前記射出成形機による射出動作の状態を示す状態量を検出する状態量検出部と、
    前記状態量から射出動作の状態に対する評価値を推論する推論計算部と、
    前記評価値に基づいて異常状態を検知する異常検知部と、
    前記射出成形機の射出動作における条件の組み合わせ及び該学習モデルを用いるために必要な推論処理乃至処理能力を含む利用条件と予め関連付けられている少なくとも１つの学習モデルを記憶する学習モデル記憶部と、
    を具備し、
    前記推論計算部は、前記条件指定部が指定する射出動作における条件及び該推論計算部が実行可能な推論処理乃至処理能力に基づいて前記学習モデル記憶部に記憶された学習モデルの中から少なくとも１つの学習モデルを選択的に用いて、射出動作の状態に対する評価値を計算する
    数値制御システム。
  6. 前記状態量から射出動作の状態を特徴付ける特徴量を作成する特徴量作成部を更に備え、
    前記推論計算部は、前記特徴量から射出動作の状態に対する評価値を推論する、
    請求項５に記載の数値制御システム。
  7. 射出成形機の射出動作における条件を指定するステップと、
    前記射出成形機による射出動作の状態を示す状態量を検出するステップと、
    前記状態量から射出動作の状態に対する評価値を推論するステップと、
    前記評価値に基づいて異常状態を検知するステップと、
    前記状態量を用いた機械学習により学習モデルを生成乃至更新するステップと、
    を実行する射出成形機の逆流防止弁状態検知方法であって、
    前記推論するステップは、前記射出成形機の射出動作における条件の組み合わせ及び該学習モデルを用いるために必要な推論処理乃至処理能力を含む利用条件と予め関連付けられている少なくとも１つの前記学習モデルの中から、前記条件を指定するステップで指定された射出動作における条件及び実行可能な推論処理乃至処理能力に基づいて使用する学習モデルを選択し、選択した学習モデルを用いて射出動作の状態に対する評価値を計算する、
    射出成形機の逆流防止弁状態検知方法。
  8. 前記状態量から射出動作の状態を特徴付ける特徴量を作成するステップを更に実行し、前記推論するステップは、前記特徴量から射出動作の状態に対する評価値を推論し、
    前記学習モデルを生成乃至更新するステップは、前記特徴量を用いた機械学習により学習モデルを生成乃至更新する、
    請求項７に記載の逆流防止弁状態検知方法。
  9. 射出成形機の射出動作における条件を指定するステップと、
    前記射出成形機による射出動作の状態を示す状態量を検出するステップと、
    前記状態量から射出動作の状態に対する評価値を推論するステップと、
    前記評価値に基づいて異常状態を検知するステップと、
    を実行する射出成形機の逆流防止弁状態検知方法であって、
    前記推論するステップは、前記射出成形機の射出動作における条件の組み合わせ及び該学習モデルを用いるために必要な推論処理乃至処理能力を含む利用条件と予め関連付けられている少なくとも１つの学習モデルの中から、前記条件を指定するステップで指定された射出動作における条件実行可能な推論処理乃至処理能力に基づいて使用する学習モデルを選択し、選択した学習モデルを用いて射出動作の状態に対する評価値を計算する、
    射出成形機の逆流防止弁状態検知方法。
  10. 前記状態量から射出動作の状態を特徴付ける特徴量を作成するステップを更に実行し、前記推論するステップは、前記特徴量から射出動作の状態に対する評価値を推論する、
    請求項９に記載の逆流防止弁状態検知方法。
JP2017191872A 2017-09-29 2017-09-29 数値制御システム及び逆流防止弁状態検知方法 Active JP6659647B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2017191872A JP6659647B2 (ja) 2017-09-29 2017-09-29 数値制御システム及び逆流防止弁状態検知方法
US16/141,421 US11460831B2 (en) 2017-09-29 2018-09-25 Numerical control system
DE102018007641.6A DE102018007641B4 (de) 2017-09-29 2018-09-27 Numerisches steuersystem und verfahren zum erkennen eines status eines rückschlagventils einer spritzgussmaschine
CN201811149109.6A CN109571897B (zh) 2017-09-29 2018-09-29 数值控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017191872A JP6659647B2 (ja) 2017-09-29 2017-09-29 数値制御システム及び逆流防止弁状態検知方法

Publications (2)

Publication Number Publication Date
JP2019067138A JP2019067138A (ja) 2019-04-25
JP6659647B2 true JP6659647B2 (ja) 2020-03-04

Family

ID=65728062

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017191872A Active JP6659647B2 (ja) 2017-09-29 2017-09-29 数値制御システム及び逆流防止弁状態検知方法

Country Status (4)

Country Link
US (1) US11460831B2 (ja)
JP (1) JP6659647B2 (ja)
CN (1) CN109571897B (ja)
DE (1) DE102018007641B4 (ja)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6856591B2 (ja) * 2018-09-11 2021-04-07 ファナック株式会社 制御装置、ｃｎｃ装置及び制御装置の制御方法
JP7101131B2 (ja) * 2019-01-31 2022-07-14 ファナック株式会社 数値制御システム
JP6932160B2 (ja) * 2019-07-22 2021-09-08 株式会社安川電機 機械学習方法及び産業用機器のパラメータ又は産業用機器により制御される機器の内部状態の推定方法
JP7344754B2 (ja) * 2019-10-23 2023-09-14 株式会社日本製鋼所 学習モデル生成方法、コンピュータプログラム、設定値決定装置、成形機及び成形装置システム
JP7391737B2 (ja) 2020-03-18 2023-12-05 住友重機械工業株式会社 射出成形機、産業機械
AT525098B1 (de) 2021-05-21 2023-01-15 Engel Austria Gmbh Einspritzeinheit, Formgebungsmaschine mit einer solchen Einspritzeinheit und Verfahren zum Überprüfen einer Einspritzeinheit
DE102022103483A1 (de) * 2022-02-15 2023-08-17 Arburg Gmbh + Co Kg Verfahren und Vorrichtung zur Bestimmung des Verschleißes an einer Vorrichtung zur Verarbeitung von Kunststoffen
JP2024072085A (ja) * 2022-11-15 2024-05-27 株式会社日本製鋼所 成形条件修正装置、成形機、成形条件修正方法及びコンピュータプログラム

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6468421A (en) 1987-09-10 1989-03-14 Sumitomo Metal Ind Production of high-tensile steel plate for construction
JPH0712634B2 (ja) 1987-12-25 1995-02-15 ファナック株式会社 射出装置の異常検出装置
JP2597881B2 (ja) 1988-05-10 1997-04-09 ファナック株式会社 樹脂漏れ検出装置
JPH10133730A (ja) 1996-10-30 1998-05-22 Asahi Sanac Kk ロボットの動作プログラム作成方法及びその作成装置
US5919492A (en) * 1997-06-13 1999-07-06 Tarr; John Injection molding system with sequential gate control
JP3820232B2 (ja) * 2003-05-02 2006-09-13 日精樹脂工業株式会社 射出成形機の型締制御方法
JP3898686B2 (ja) 2003-10-20 2007-03-28 ファナック株式会社 数値制御装置
WO2005061206A1 (ja) * 2003-12-18 2005-07-07 Mitsubishi Denki Kabushiki Kaisha 射出成形機の制御装置
JP2007112100A (ja) 2005-10-24 2007-05-10 Denso Corp 成形状態監視システム
JP4728839B2 (ja) * 2006-03-02 2011-07-20 株式会社デンソーアイティーラボラトリ 車載機器制御装置
JP4137975B2 (ja) * 2006-12-26 2008-08-20 ファナック株式会社 射出成形機、及び射出成形機における逆回転工程の制御条件調整方法
JP4156651B2 (ja) 2007-02-15 2008-09-24 ファナック株式会社 射出成形機の逆流防止弁閉鎖状態判別方法
JP4171515B2 (ja) * 2007-02-15 2008-10-22 ファナック株式会社 射出成形機
JP4199284B1 (ja) 2007-06-05 2008-12-17 ファナック株式会社 射出成形機
JP4216318B2 (ja) * 2007-06-05 2009-01-28 ファナック株式会社 射出成形機
JP5199639B2 (ja) * 2007-10-16 2013-05-15 東洋機械金属株式会社 射出成形機
DE102008037102B4 (de) * 2008-08-08 2010-07-08 Sumitomo (Shi) Demag Plastics Machinery Gmbh Einspritzeinheit für eine Spritzgießmaschine sowie Verfahren zum Betrieb einer solchen Einspritzeinheit
US20100257838A1 (en) * 2009-04-09 2010-10-14 General Electric Company Model based health monitoring of aeroderivatives, robust to sensor failure and profiling
JP5016707B2 (ja) * 2010-07-27 2012-09-05 日精樹脂工業株式会社 射出成形機のベルト監視装置
CN102073300B (zh) 2010-12-28 2013-04-17 华中科技大学 一种数控加工状态自学习的刀具磨损监控系统
JP5668090B2 (ja) * 2013-01-09 2015-02-12 キヤノン株式会社 医療診断支援装置及び医療診断支援方法
CN107605635B (zh) * 2013-07-29 2022-11-18 日立安斯泰莫株式会社 燃料喷射装置的驱动装置
JP6517147B2 (ja) 2013-11-08 2019-05-22 東芝三菱電機産業システム株式会社 生産ラインのシミュレーション装置
JP6346128B2 (ja) 2015-07-28 2018-06-20 ファナック株式会社 最適な操作条件を算出できる射出成形システム及び機械学習器
JP6294268B2 (ja) 2015-07-31 2018-03-14 ファナック株式会社 射出成形機の異常診断装置
JP6063013B1 (ja) 2015-08-27 2017-01-18 ファナック株式会社 びびり或いは工具摩耗／破損の発生を抑制する加工条件調整機能を有する数値制御装置
JP6290835B2 (ja) 2015-08-27 2018-03-07 ファナック株式会社 数値制御装置及び機械学習器
JP6088613B1 (ja) 2015-09-30 2017-03-01 ファナック株式会社 ロータにおける磁石の配置位置を学習する機械学習装置および方法ならびに該機械学習装置を備えたロータ設計装置
JP6156566B2 (ja) * 2015-12-25 2017-07-05 株式会社リコー 診断装置、診断方法、プログラムおよび診断システム
JP6517728B2 (ja) 2016-05-12 2019-05-22 ファナック株式会社 射出成形機の逆流防止弁の摩耗量推定装置および摩耗量推定方法
JP6840953B2 (ja) * 2016-08-09 2021-03-10 株式会社リコー 診断装置、学習装置および診断システム
US11531909B2 (en) * 2017-06-30 2022-12-20 Abeja, Inc. Computer system and method for machine learning or inference

Also Published As

Publication number Publication date
DE102018007641B4 (de) 2023-06-22
JP2019067138A (ja) 2019-04-25
US20190101897A1 (en) 2019-04-04
CN109571897B (zh) 2021-02-12
US11460831B2 (en) 2022-10-04
CN109571897A (zh) 2019-04-05
DE102018007641A1 (de) 2019-04-04

Similar Documents

Publication Publication Date Title
JP6659647B2 (ja) 数値制御システム及び逆流防止弁状態検知方法
JP6698603B2 (ja) 数値制御システム、及び運転状態異常検知方法
CN109581962B (zh) 数值控制系统
JP6691087B2 (ja) 熱変位補正システム
US11628609B2 (en) State determination device and method
JP2019066135A (ja) 空調制御システム
JP6734318B2 (ja) 駆動装置及び機械学習装置
JP2018167424A (ja) 状態判定装置
JP6683667B2 (ja) 熱変位補正システム
CN109753019A (zh) 控制装置和机器学习装置
US20200249650A1 (en) Numerical control system
JP2017103882A (ja) 制御装置、制御プログラムおよび記録媒体
US11150636B2 (en) State determination device and state determination method
CN109794657A (zh) 控制装置以及机器学习装置
US20230367304A1 (en) State determination device and state determination method
US20240131765A1 (en) Reinforcement Learning Method, Non-Transitory Computer Readable Recording Medium, Reinforcement Learning Device and Molding Machine
JP2022125288A (ja) 異常予知装置、異常予知システム、異常予知方法及び異常予知プログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20181221

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20190520

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20190819

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190827

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20191023

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: 20200107

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200206

R150 Certificate of patent or registration of utility model

Ref document number: 6659647

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150