JP6676954B2 - 処理装置、処理方法及び処理プログラム - Google Patents

Description

本発明は、処理装置、処理方法及び処理プログラムに関する。

従来、作業用のロボットにおいて異常を検知する方法として、様々な方法が知られている（例えば、特許文献１〜４等参照）。例えば、異常値を定義し異常値の確率分布モデル（正規分布、カイ２乗分布など）を設定した上で、出現する確率の低い値（例えばμを平均とした場合のμ±３σ）を閾値として、閾値を超えた場合に異常と判定する方法が知られている。

しかし、時系列データの場合、１回の作業で得られるデータ点数が多いため、１回の作業時間内で閾値を超えるデータが頻発し、異常判定が過剰に行われる可能性がある。例えば、上記閾値（μ±３σ）であれば９９．７％の確率でデータが閾値内に収まるが、逆に言えば、１０００回につきおよそ３回という確率でデータが閾値を超えることとなる。この場合、１０００点の時系列データのうち、１点以上のデータが閾値を超える確率は９５％となる。

このため、従来は、閾値を大きくしたり（例えばμ±５σ）、例えば１０００点中５点が閾値を超えるまでは正常と判断するなどして、異常判定が過剰に行われないようにしてきた。また、異常値の時系列に対して移動平均法を導入し、時系列異常値の高周波成分をフィルタリングすることで、大きな変化があった変化点のみを異常と判断する手法も提案されている（例えば、特許文献５等参照）。

特開２００９−７００７１号公報 特開平３−４８７２８号公報 特開平８−５４９１５号公報 特開平１１−１２９１４５号公報 特開２００５−４６５８号公報

しかしながら、閾値を大きくする方法では過剰な異常判定は抑制されるが、その分、異常を見逃す可能性がある。また、閾値を超えたデータを所定数以上出現するまで異常と判定しない方法では、データと閾値との差分が考慮されないため重大な異常を見逃す可能性がある。また、特許文献５では、人がパラメータ（窓幅）を決定する必要があるため、パラメータの値として適切な値を決定するのが難しい。

１つの側面では、本発明は、作業部の異常判定精度を向上することが可能な処理装置、処理方法及び処理プログラムを提供することを目的とする。

一つの態様では、処理装置は、対象物に対して作業を行う作業部の状況を検出するセンサが出力する時系列なデータが、所定の閾値に基づいて定まる範囲を逸脱したか否かを検出する検出部と、前記範囲を逸脱したデータを検出したときに、前記範囲を逸脱したデータが連続して検出された回数をカウントする計数部と、前記計数部がカウントした回数に応じて前記閾値を調整し、前記範囲を逸脱したデータが調整後の閾値に基づいて定まる範囲を逸脱した場合に、前記作業部の異常と判定する判定部と、備える処理装置であって、前記処理装置は、前記作業に先立って前記作業と同一の動作を前記作業部に実行させ、前記センサが出力する時系列なデータを学習データとして取得し、前記閾値に基づいて定まる前記範囲を逸脱した前記学習データが連続して検出された回数に基づいて、検出された前記学習データを分類し、分類された前記学習データの前記範囲からの逸脱量に基づいて前記回数毎に調整値を設定し、前記回数と前記調整値との関係を示す情報を記憶し、前記判定部は、記憶された前記情報に基づいて、前記計数部がカウントした回数に対応する前記調整値を特定し、特定された前記調整値に基づいて前記閾値を調整し、調整後の前記閾値に基づいて定まる前記範囲を前記データが逸脱した場合に、前記作業部の異常と判定する。

作業部の異常判定精度を向上することができる。

一実施形態に係る作業装置の構成を概略的に示す図である。 図２（ａ）〜図２（ｆ）は、両面テープの剥離紙を剥がす作業の流れを示す図である。 センサの出力値の変化の一例を示す図である。 処理装置のハードウェア構成を概略的に示す図である。 処理装置の機能ブロック図である。 閾値及び調整値設定処理を示すフローチャートである。 図７（ａ）は、平均μと閾値とを示す図であり、図７（ｂ）は、学習データが正常範囲を逸脱した例を示す図である。 調整値テーブルのデータ構造の一例を示す図である。 異常判断処理を示すフローチャートである。 図１０（ａ）、図１０（ｂ）は、図９のステップＳ４２の処理を説明するための図である。 変形例を示す図である。

以下、作業装置の一実施形態について、図１〜図１０に基づいて詳細に説明する。

図１は、一実施形態に係る作業装置１００の全体構成を説明するための図である。図１に示すように、作業装置１００は、作業部としてのロボット２２、コントローラ１４、カメラ１２、処理装置１０などを備える。

ロボット２２は、例えば産業用ロボットである。ロボット２２は、例えば、ステージ２５と、マニピュレータ２６と、を有する。マニピュレータ２６は、作用部２８を用いて作業を行う。作用部２８は例えばハンド機構や、ピンセットなどである。ステージ２５は、マニピュレータ２６を支持する。ロボット２２は、コントローラ１４により制御される。コントローラ１４は、一連の作業の時系列の教示データ列に基づいて、ロボット２２を動作させる。ここで、教示データ列は、例えば、図４に示す入出力インタフェース９７を介して外部から取得してもよいし、予めＨＤＤ９６等に格納されていてもよい。

ここで、本実施形態のロボット２２は、一例として、図２（ａ）〜図２（ｆ）に示すような流れに沿って両面テープの剥離紙を剥がす作業を実行する。例えば、図２（ａ）に示すように、ステージ１１０上に対象物としての両面テープ１１５が貼り付けられているものとし、両面テープ１１５は、接着部１１２と剥離紙１１４とを有しているものとする。そして、ロボット２２は、ピンセット状の作用部２８を用いて剥離紙１１４を剥がす作業を実行する。この場合、作用部２８は、マニピュレータ２６により操作され、センサ２４が、マニピュレータ２６の歪みを検出する。

ロボット２２は、まず、図２（ｂ）に示すように、作用部２８の先端をステージ１１０に当てる。次いで、ロボット２２は、図２（ｃ）、図２（ｄ）に示すように、作用部２８の先端を剥離紙１１４と接着部１１２との間に挿入し、作用部２８を用いて剥離紙１１４を摘まむ。そして、ロボット２２は、図２（ｅ）に示すように、作用部２８を用いて剥離紙１１４を接着部１１２から剥がし、図２（ｆ）に示すように、剥がした剥離紙１１４を指定した位置に移動し、破棄する。

図１に戻り、センサ２４は、マニピュレータ２６に設けられ、ロボット２２が行う作業の状況を検出する。センサ２４は、例えばマニピュレータ２６の歪みを検出する歪みセンサである。センサ２４は、マニピュレータ２６に対して複数設けられているものとする。なお、センサ２４としては、例えば、３軸または６軸力覚センサを用いてもよい。この場合、センサ２４は、作用点の力ベクトルおよび／またはトルクを検出する。なお、センサ２４は、荷重センサ、圧力センサ、加速度センサ、マイクロフォン等でもよい。図３には、センサ２４の出力値の変化の一例が示されている。なお、図３において、横軸はロボット２２の作業開始からの時間（時刻）を表し、縦軸はセンサ２４の出力値（センサ値）を表す。図３に示すように、ロボット２２が、差込、剥離紙つまみ、はがし、移動、破棄等の動作を行っている間にセンサ２４の出力値（実線で示す波形）は変化する。なお、図３において、破線で上下挟まれた範囲は、後述する異常判断において利用する閾値を示している。

図１に戻り、カメラ１２は、例えば、ＣＣＤ（Charge Coupled Device）センサまたはＣＭＯＳ（Complimentary Metal Oxide Semiconductor）センサ等の２次元画像センサであるものとする。ただし、これに限られるものではなく、カメラ１２は、１次元画像センサであってもよい。

処理装置１０は、カメラ１２が取得した画像データ、センサ２４が検出するデータ、作用部２８の座標位置などに基づいて、ロボット２２の作業状況の良否（正常か異常か）を判定する。図４には、処理装置１０のハードウェア構成が示されている。図４に示すように、処理装置１０は、ＣＰＵ（Central Processing Unit）９０、ＲＯＭ（Read Only Memory）９２、ＲＡＭ（Random Access Memory）９４、記憶部（ここではＨＤＤ（Hard Disk Drive））９６、入出力インタフェース９７、表示部９３、入力部９５、及び可搬型記憶媒体用ドライブ９９等を備えている。これら処理装置１０の構成各部は、バス９８に接続されている。表示部９３は、液晶ディスプレイ等を含み、入力部９５は、キーボードやマウス、入力ボタン等を含む。処理装置１０では、ＲＯＭ９２あるいはＨＤＤ９６に格納されているプログラム（処理プログラムを含む）、或いは可搬型記憶媒体用ドライブ９９が可搬型記憶媒体９１から読み取ったプログラム（処理プログラムを含む）をＣＰＵ９０が実行することにより、図５に示す、各部の機能が実現される。

図５は、処理装置１０の機能ブロック図である。処理装置１０は、ＣＰＵ９０がプログラムを実行することで、設定部としての値設定部３０、異常判断部３６、及び出力部３８として、機能する。

値設定部３０は、ロボット２２が作業を行うのに先立って、ロボット２２に対して作業と同一の動作を実行させ、動作の間に各センサで検出された値を学習データとして取得する。そして、値設定部３０は、学習データに基づいて、異常判断部３６において用いる閾値を設定したり、閾値を調整するための調整値を設定する。なお、閾値及び調整値の設定方法の詳細については、後述する。

異常判断部３６は、ロボット２２が作業を行っている間に、各センサにより検出された時系列なデータ（出力値）を取得し、該出力値に基づいて、ロボット２２の作業の良否（作業において異常が生じたか）を判断する。なお、異常判断部３６による異常判断処理の詳細については、後述する。異常判断部３６による判断結果は、出力部３８に通知される。

出力部３８は、異常判断部３６がロボット２２に異常が生じたと判断した場合に、異常が生じた旨を表示部９３等を介して出力する。

次に、図５の各部の処理（閾値及び調整値設定処理、異常判断処理）について、詳細に説明する。

（閾値及び調整値設定処理）
図６には、値設定部３０により実行される閾値及び調整値設定処理のフローチャートが示されている。図６の処理は、ロボット２２を最初に動作させる前に実行する処理である。なお、図６の処理は、所定時間毎（例えばメンテナンス時）に実行するようにしてもよい。

図６の処理では、まず、ステップＳ１０において、値設定部３０が、学習データを取得する。具体的には、値設定部３０は、ロボット２２が作業を行うのに先立って、ロボット２２に対して作業と同一の動作を実行させ、動作の間に各センサで検出された値（出力値）を学習データとして取得する。なお、値設定部３０は、多数の学習データを取得するものとする。

次いで、ステップＳ１２では、値設定部３０が、確率モデルを仮定する。なお、ここでは一例として、正規分布を仮定するものとする。なお、仮定する確率モデルは、カイ二乗分布などの他のモデルであってもよい。

次いで、ステップＳ１４では、値設定部３０が、閾値を作成する。なお、ステップＳ１２において確率モデルを仮定したことで、データが出現する確率が低い領域を異常と扱うことができることから、当該領域を規定する値を異常か否かを決める閾値とすることが可能となる。なお、時刻をｋ、時刻ｋにおける学習データの平均をμ_k、時刻ｋにおける学習データの標準偏差をσ_kとすると、３σ管理幅を用いた方法では、閾値ｔｈ_kは、ｔｈ_k＝μ_k±３σ_kとすることができる。なお、図７（ａ）には、一例として、ｋ＝９００〜９２０ｍｓｅｃの区間におけるμ_kと、ｔｈ_ｋ（＝μ_k±３σ_k）が示されている。なお、センサ２４から出力される値がμ_k−３σ_k〜μ_k＋３σ_kの間に入っていれば、ロボット２２は正常と判定されることになる。以下においては、μ_k−３σ_k〜μ_k＋３σ_kの間の範囲を「正常範囲」と呼ぶものとする。

次いで、ステップＳ１６では、値設定部３０が、作成した閾値ｔｈ_ｋからｉ（ｉ＝１，２，３，…）回連続逸脱するデータを全数取得する。上述したステップＳ１４のように学習データを用いてｔｈ_kを計算したとしても、学習データの集合の中には、閾値ｔｈ_kで定まる範囲（正常範囲）を逸脱するデータが確率的に存在する。したがって、値設定部３０は、多数の学習データの中から、正常範囲を逸脱するデータを抽出し、抽出したデータが連続して正常範囲を逸脱する何個目のデータであるか（すなわち、連続逸脱回数ｉ）を特定し、ｉ毎にデータを分類する。例えば、図７（ｂ）において符号Ｐ_a、Ｐ_bで示すデータは、直前に正常範囲を逸脱したデータがないため、「ｉ＝１のデータ」に分類される。また、符号Ｐ_cで示すデータは、直前に正常範囲を逸脱するデータが１つ（Ｐ_b）あるため、「ｉ＝２のデータ」に分類される。

次いで、ステップＳ１８では、値設定部３０が、逸脱する学習データそれぞれが正常範囲から逸脱した量（逸脱量）を算出する。

次いで、ステップＳ２０では、値設定部３０が、ｉごとに、逸脱量の最大値を特定し、調整値Δ_iとして設定する。この場合、値設定部３０は、「ｉ＝１のデータ」のうち、逸脱量が最大のものを特定し、特定した最大逸脱量を調整値Δ₁とする。また、値設定部３０は、「ｉ＝２のデータ」のうち、逸脱量が最大のものを特定し、特定した最大逸脱量を調整値Δ₂とする。Δ₃、Δ₄、…についても同様である。なお、「ｉ＝ｍのデータ」が存在しない場合には、Δ_ｍ＝０とする。

次いで、ステップＳ２２では、値設定部３０は、ステップＳ１４で作成した閾値ｔｈ_k、及びステップＳ２０で設定した調整値Δ_iを、異常判断部３６に対して送信する。なお、調整値Δ_iについては、図８に示すような調整値テーブルの形で、異常判断部３６に送信されるものとする。図８の調整値テーブルには、連続逸脱回数ｉと、調整値Δｉの値が格納される。

以上の処理により、図６の全処理が終了する。図６の処理により、値設定部３０は、学習データから閾値ｔｈ_kと調整値Δ_iを自動的に設定することが可能となっている。

なお、上記説明では、ステップＳ１０で取得した学習データを用いて、閾値ｔｈ_kと、調整値Δ_iを設定する場合について説明したが、これに限られるものではない。例えば、ステップＳ１０で取得した学習データは閾値ｔｈ_kを設定する場合にのみ用い、ステップＳ１６以降の処理においては、ステップＳ１０とは別に取得したデータ（テストデータ）を用いることとしてもよい。

（異常判断処理）
図９には、異常判断処理のフローチャートが示されている。異常判断部３６及び出力部３８は、ロボット２２の作業開始から終了までの間、図９の処理を継続的に実行する。

図９の処理が開始されると、まずステップＳ３０において、異常判断部３６が、時刻ｋを０に設定（初期化）すると共に、連続逸脱回数ｉを０に設定（初期化）する。

次いで、ステップＳ３２では、異常判断部３６が、時刻ｋが時間Ｎよりも小さいか否かを判断する。なお、時間Ｎは、ロボット２２が作業に要する時間を意味する。ここで、ロボット２２が同一の作業を行う場合であれば作業に要する時間Ｎは一定となる。なお、ステップＳ３２では、ｋがＮよりも小さいか否かを判断することで、１回の作業が終了したか否かを判断しているといえる。ステップＳ３２の判断が否定された場合には、図９の全処理を終了するが、肯定された場合には、異常判断部３６は、ステップＳ３４に移行する。

ステップＳ３４に移行すると、異常判断部３６は、時刻ｋにおいてセンサ２４から出力されたデータｘ_ｋを取得する。

次いで、ステップＳ３６では、異常判断部３６が、データｘ_kが閾値により定まる正常範囲（μ_k−３σ_k〜μ_k＋３σ_k）を逸脱しているか否かを判断する。このステップＳ３６の判断が否定された場合には、ステップＳ５０に移行し、異常判断部３６は、ｉを０に設定（初期化）するとともに、ｋを１インクリメントし（ｋ＝ｋ＋１）、ステップＳ３２に戻る。一方、ステップＳ３６の判断が肯定された場合には、異常判断部３６は、ステップＳ３８に移行する。

ステップＳ３８に移行すると、異常判断部３６は、ｉを１インクリメントする（ｉ＝ｉ＋１）。すなわち、異常判断部３６は、連続逸脱回数ｉをカウントアップする。次いで、ステップＳ４０では、異常判断部３６が、調整値テーブルから調整値Δ_iを取得し、閾値ｔｈ_kを調整する（調整後の閾値ｔｈ’_ikを算出する）。例えば、調整値Δ₁を取得した場合には、調整後の閾値ｔｈ'_1kは、ｔｈ'_1k＝μ_k±３σ_k±Δ₁となる（符号同順）。この場合、正常範囲は、μ_k−３σ_k−Δ₁〜μ_k＋３σ_k＋Δ₁となる。また、調整値Δ₂を取得した場合には、調整後の閾値ｔｈ'_2kは、ｔｈ'_2k＝μ_k＋３σ_k＋Δ₂となる（符号同順）。この場合、正常範囲は、μ_k−３σ_k−Δ₂〜μ_k＋３σ_k＋Δ₂となる。

次いで、ステップＳ４２では、異常判断部３６が、ｘ_kが調整後の閾値ｔｈ’_ikにより定まる正常範囲を逸脱しているか否かを判断する。例えば、図１０（ａ）、図１０（ｂ）に示すデータｘ_a、ｘ_b（ｉ＝１のデータ）の場合には、ｔｈ_1k'＝（μ_k＋３σ_k＋Δ₁）と比較して大きければ、ステップＳ４２の判断は肯定される。また、例えば、図１０（ｂ）に示すデータｘ_c（ｉ＝２のデータ）の場合には、データｘ_cがｔｈ'_2k（＝μ_k＋３σ_k＋Δ₂）と比較して大きければ、ステップＳ４２の判断は肯定される。なお、図１０（ａ）、図１０（ｂ）の例では、データｘ_cの場合に、ステップＳ４２の判断が肯定され、データｘ_a，ｘ_bの場合に、ステップＳ４２の判断が否定される。

ステップＳ４２の判断が否定された場合には、正常であるため、ステップＳ４８に移行する。ステップＳ４８に移行すると、異常判断部３６は、ｋを１インクリメント（ｋ＝ｋ＋１）し、ステップＳ３２に戻る。一方、ステップＳ４２の判断が肯定された場合には、ステップＳ４４に移行する。

ステップＳ４４に移行すると、異常判断部３６は、異常と判定する。次いで、ステップＳ４６では、出力部３８が、異常を出力する。この場合、出力部３８は、表示部９３等を介して、異常が発生したことを出力する。その後は、異常判断部３６は、ステップＳ４８においてｋを１インクリメント（ｋ＝ｋ＋１）した後、ステップＳ３２に戻る。

以上の処理をステップＳ３２の判断が否定されるまで繰り返し、ステップＳ３２の判断が否定された段階で、図９の全処理が終了する。上記のような図９の処理を行うことで、正常範囲を逸脱したデータがあった場合に即座に異常と判定しないため、異常判定が過剰に行われるのを抑制することができる。また、正常範囲を逸脱したデータが、連続逸脱回数ｉに応じた調整後の閾値を逸脱するか否かに基づいて異常判定を行うため、データの逸脱量を考慮した適切な異常判定を行うことができる。

これまでの説明から分かるように、異常判断部３６を含んで、ロボット２２の状況を検出するセンサ２４が出力する出力値が、所定の閾値ｔｈ_kに基づいて定まる正常範囲を逸脱したか否かを検出する検出部としての機能が実現されている。また異常判断部３６を含んで、連続逸脱回数ｉをカウントする計数部、及び検出部が検出したデータが調整後の閾値ｔｈ’_ikに基づいて定まる範囲を逸脱した場合に、ロボット２２の異常と判定する判定部、としての機能が実現されている。

以上、詳細に説明したように、本実施形態によると、異常判断部３６は、ロボット２２の状況を検出するセンサ２４が出力する時系列なデータが、所定の閾値ｔｈ_kに基づいて定まる正常範囲を逸脱したか否かを検出する。そして、異常判断部３６は、正常範囲を逸脱したデータを検出したときに正常範囲を逸脱したデータが連続して検出されている回数（連続逸脱回数ｉ）に応じて閾値をｔｈ’_ik（＝ｔｈ_k＋Δ_i）に調整し、正常範囲を逸脱したデータが調整後の閾値ｔｈ’_ikに基づいて定まる範囲を逸脱した場合に、ロボット２２の異常と判定する。このように、本実施形態では、異常判断部３６は、閾値ｔｈ_kにより定まる正常範囲を逸脱したデータがあっても、すぐに異常と判定せずに、連続逸脱回数ｉに応じて調整した閾値により定まる範囲を逸脱していた場合に異常と判定するので、過剰な異常判定を抑制し、異常判定精度を向上することが可能である。例えば、本実施形態によれば、閾値を一律μ±５σなどと大きくした場合に見逃してしまう異常を検出できる。また、本実施形態によれば、所定数以上のデータが正常範囲を逸脱するまで異常とは判定しない方法を採用する場合と比べ、異常と判定すべきデータの見逃しを抑制することが可能である。

また、本実施形態では、値設定部３０は、ロボット２２の作業に先立って作業と同一の動作をロボット２２に行わせ、センサ２４が出力するデータを学習データとして取得し、学習データに基づいて調整値Δ_iを設定する。これにより、値設定部３０は、学習データに基づいて、自動的に適切な調整値を設定することが可能となる。

また、本実施形態では、値設定部３０は、正常範囲を逸脱した学習データを連続逸脱回数ｉに基づいて分類し、分類後の学習データに基づいて調整値Δ_iを設定する。これにより、連続逸脱回数ｉに応じた適切な調整値Δ_iを設定することが可能である。

また、本実施形態では、値設定部３０は、連続逸脱回数ｉに基づいて分類された学習データの逸脱量のうち最大の値を調整値Δ_ｉとする。これにより、過剰な異常判断を抑制することが可能な適切な調整値を学習データに基づいて自動的に設定することが可能となる。

なお、上記実施形態では、値設定部３０は、連続逸脱回数ｉに基づいて分類された学習データの逸脱量のうち最大の値を調整値Δ_ｉとする場合について説明したが、これに限られるものではない。例えば、連続逸脱回数ｉに基づいて分類された学習データの逸脱量の平均値を調整値Δ_iとしてもよい。あるいは、例えば、連続逸脱回数ｉに基づいて分類された学習データの逸脱量から算出される統計的な値を調整値Δ_iとしてもよい。

なお、上記実施形態では、処理装置１０が値設定部３０の機能を有する場合について説明したが、これに限られるものではない。例えば、図１１に示すように、作業装置１００（処理装置１０）とネットワーク８０にて接続されたクラウドサーバ８５が値設定部３０と同様の機能を有していてもよい。この場合、処理装置１０がクラウドサーバ８５に学習データを提供し、クラウドサーバ８５が学習データに基づいて閾値や調整値を算出して、処理装置１０の異常判断部３６に提供するようにしてもよい。なお、クラウドサーバ８５は、図１１に示すように、複数の作業装置１００で利用する閾値及び調整値を算出し、提供してもよい。

更に、上記実施形態の処理装置１０の機能（値設定部３０、異常判断部３６、出力部３８）をクラウドサーバ８５が有していてもよい。この場合、クラウドサーバ８５は、作業装置１００で取得されたデータをネットワーク８０を介して取得し、取得したデータに基づいて上記実施形態と同様の方法で異常を判定し、判定結果を作業装置１００に対して送信するようにしてもよい。なお、作業装置１００とクラウドサーバ８５は、別々の国に設置されていてもよい。

なお、上記の処理機能は、コンピュータによって実現することができる。その場合、処理装置が有すべき機能の処理内容を記述したプログラムが提供される。そのプログラムをコンピュータで実行することにより、上記処理機能がコンピュータ上で実現される。処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体（ただし、搬送波は除く）に記録しておくことができる。

プログラムを流通させる場合には、例えば、そのプログラムが記録されたＤＶＤ（Digital Versatile Disc）、ＣＤ−ＲＯＭ（Compact Disc Read Only Memory）などの可搬型記録媒体の形態で販売される。また、プログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することもできる。

プログラムを実行するコンピュータは、例えば、可搬型記録媒体に記録されたプログラムもしくはサーバコンピュータから転送されたプログラムを、自己の記憶装置に格納する。そして、コンピュータは、自己の記憶装置からプログラムを読み取り、プログラムに従った処理を実行する。なお、コンピュータは、可搬型記録媒体から直接プログラムを読み取り、そのプログラムに従った処理を実行することもできる。また、コンピュータは、サーバコンピュータからプログラムが転送されるごとに、逐次、受け取ったプログラムに従った処理を実行することもできる。

上述した実施形態は本発明の好適な実施の例である。但し、これに限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々変形実施可能である。

なお、以上の実施形態の説明に関して、更に以下の付記を開示する。
（付記１） 対象物に対して作業を行う作業部の状況を検出するセンサが出力する時系列なデータが、所定の閾値に基づいて定まる範囲を逸脱したか否かを検出する検出部と、
前記範囲を逸脱したデータを検出したときに、前記範囲を逸脱したデータが連続して検出された回数をカウントする計数部と、
前記計数部がカウントした回数に応じて閾値を調整し、前記範囲を逸脱したデータが調整後の閾値に基づいて定まる範囲を逸脱した場合に、前記作業部の異常と判定する判定部と、
を備える処理装置。
（付記２） 前記作業に先立って前記作業と同一の動作を前記作業部に行わせ、前記センサが出力する時系列なデータを学習データとして取得し、該学習データに基づいて閾値の調整に用いる調整値を設定する設定部、を更に備える付記１に記載の処理装置。
（付記３） 前記設定部は、
前記所定の閾値に基づいて定まる範囲を逸脱した学習データを検出した場合に、前記範囲を逸脱したデータが連続して検出されている回数に基づいて、検出した前記学習データを分類し、分類した前記学習データに基づいて、前記回数に応じた調整値を設定する、ことを特徴とする付記２に記載の処理装置。
（付記４） 前記設定部は、前記回数に基づいて分類した学習データそれぞれの前記所定の閾値からの逸脱量を算出し、算出した前記逸脱量の最大値を前記回数に応じた調整値として設定し、
前記判定部は、前記調整値に応じた量だけ前記範囲が広がるように閾値を調整する、ことを特徴とする付記３に記載の処理装置。
（付記５） 対象物に対して作業を行う作業部の状況を検出するセンサが出力する時系列なデータを外部装置から取得する取得部と、
前記取得部が取得した前記時系列なデータが、所定の閾値に基づいて定まる範囲を逸脱したか否かを検出する検出部と、
前記範囲を逸脱したデータを検出したときに、前記範囲を逸脱したデータが連続して検出された回数をカウントする計数部と、
前記計数部がカウントした回数に応じて閾値を調整し、前記範囲を逸脱したデータが調整後の閾値に基づいて定まる範囲を逸脱した場合に、前記作業部の異常と判定する判定部と、
を備える処理装置。
（付記６） 前記判定部の判定結果を前記外部装置に対して送信する送信部を更に備える付記５に記載の処理装置。
（付記７） 対象物に対して作業を行う作業部の状況を検出するセンサが出力する時系列なデータが、所定の閾値に基づいて定まる範囲を逸脱したか否かを検出し、
前記範囲を逸脱したデータを検出したときに、前記範囲を逸脱したデータが連続して検出された回数をカウントし、
カウントした前記回数に応じて閾値を調整し、前記範囲を逸脱したデータが調整後の閾値に基づいて定まる範囲を逸脱した場合に、前記作業部の異常と判定する、
処理をコンピュータが実行することを特徴とする処理方法。
（付記８） 前記作業に先立って前記作業と同一の動作を前記作業部に行わせ、前記センサが出力する時系列なデータを学習データとして取得し、該学習データに基づいて閾値の調整に用いる調整値を設定する、処理を前記コンピュータが実行することを特徴とする付記７に記載の処理方法。
（付記９） 前記設定する処理では、
前記所定の閾値に基づいて定まる範囲を逸脱した学習データを検出した場合に、前記範囲を逸脱したデータが連続して検出されている回数に基づいて、検出した前記学習データを分類し、分類した前記学習データに基づいて、前記回数に応じた調整値を設定する、ことを特徴とする付記８に記載の処理方法。
（付記１０） 前記設定する処理では、前記回数に基づいて分類した学習データそれぞれの前記所定の閾値からの逸脱量を算出し、算出した前記逸脱量の最大値を前記回数に応じた調整値として設定し、
前記判定する処理では、前記調整値に応じた量だけ前記範囲が広がるように閾値を調整する、ことを特徴とする付記９に記載の処理方法。
（付記１１） 対象物に対して作業を行う作業部の状況を検出するセンサが出力する時系列なデータを外部装置から取得し、
取得した前記時系列なデータが、所定の閾値に基づいて定まる範囲を逸脱したか否かを検出し、
前記範囲を逸脱したデータを検出したときに、前記範囲を逸脱したデータが連続して検出された回数をカウントし、
カウントした前記回数に応じて閾値を調整し、前記範囲を逸脱したデータが調整後の閾値に基づいて定まる範囲を逸脱した場合に、前記作業部の異常と判定する、
処理をコンピュータが実行することを特徴とする処理方法。
（付記１２） 前記判定する処理で得られた判定結果を前記外部装置に対して送信する処理を前記コンピュータが更に実行することを特徴とする付記１１に記載の処理方法。
（付記１３） 対象物に対して作業を行う作業部の状況を検出するセンサが出力する時系列なデータが、所定の閾値に基づいて定まる範囲を逸脱したか否かを検出し、
前記範囲を逸脱したデータを検出したときに、前記範囲を逸脱したデータが連続して検出された回数をカウントし、
カウントした前記回数に応じて閾値を調整し、前記範囲を逸脱したデータが調整後の閾値に基づいて定まる範囲を逸脱した場合に、前記作業部の異常と判定する、
処理をコンピュータに実行させることを特徴とする処理プログラム。
（付記１４） 前記作業に先立って前記作業と同一の動作を前記作業部に行わせ、前記センサが出力する時系列なデータを学習データとして取得し、該学習データに基づいて閾値の調整に用いる調整値を設定する、処理を前記コンピュータに実行させることを特徴とする付記１３に記載の処理プログラム。
（付記１５） 前記設定する処理では、
前記所定の閾値に基づいて定まる範囲を逸脱した学習データを検出した場合に、前記範囲を逸脱したデータが連続して検出されている回数に基づいて、検出した前記学習データを分類し、分類した前記学習データに基づいて、前記回数に応じた調整値を設定する、ことを特徴とする付記１４に記載の処理プログラム。
（付記１６） 前記設定する処理では、前記回数に基づいて分類した学習データそれぞれの前記所定の閾値からの逸脱量を算出し、算出した前記逸脱量の最大値を前記回数に応じた調整値として設定し、
前記判定する処理では、前記調整値に応じた量だけ前記範囲が広がるように閾値を調整する、ことを特徴とする付記１５に記載の処理プログラム。
（付記１７） 対象物に対して作業を行う作業部の状況を検出するセンサが出力する時系列なデータを外部装置から取得し、
取得した前記時系列なデータが、所定の閾値に基づいて定まる範囲を逸脱したか否かを検出し、
前記範囲を逸脱したデータを検出したときに、前記範囲を逸脱したデータが連続して検出された回数をカウントし、
カウントした前記回数に応じて閾値を調整し、前記範囲を逸脱したデータが調整後の閾値に基づいて定まる範囲を逸脱した場合に、前記作業部の異常と判定する、
処理をコンピュータに実行させることを特徴とする処理プログラム。
（付記１８） 前記判定する処理で得られた判定結果を前記外部装置に対して送信する処理を前記コンピュータに更に実行させることを特徴とする付記１７に記載の処理プログラム。

１０ 処理装置
３０ 値設定部（設定部）
３６ 異常判断部（検出部、計数部、判定部）

Claims (6)

1. 対象物に対して作業を行う作業部の状況を検出するセンサが出力する時系列なデータが、所定の閾値に基づいて定まる範囲を逸脱したか否かを検出する検出部と、
   前記範囲を逸脱したデータを検出したときに、前記範囲を逸脱したデータが連続して検出された回数をカウントする計数部と、
   前記計数部がカウントした回数に応じて前記閾値を調整し、前記範囲を逸脱したデータが調整後の閾値に基づいて定まる範囲を逸脱した場合に、前記作業部の異常と判定する判定部と、
   を備える処理装置であって、
   前記処理装置は、
   前記作業に先立って前記作業と同一の動作を前記作業部に実行させ、前記センサが出力する時系列なデータを学習データとして取得し、前記閾値に基づいて定まる前記範囲を逸脱した前記学習データが連続して検出された回数に基づいて、検出された前記学習データを分類し、分類された前記学習データの前記範囲からの逸脱量に基づいて前記回数毎に調整値を設定し、前記回数と前記調整値との関係を示す情報を記憶し、
   前記判定部は、記憶された前記情報に基づいて、前記計数部がカウントした回数に対応する前記調整値を特定し、特定された前記調整値に基づいて前記閾値を調整し、調整後の前記閾値に基づいて定まる前記範囲を前記データが逸脱した場合に、前記作業部の異常と判定する、
   ことを特徴とする処理装置。
2. 前記処理装置は、前記回数に基づいて分類した学習データそれぞれの前記所定の閾値からの逸脱量の最大値又は平均値を前記回数に応じた調整値として設定し、
   前記判定部は、前記調整値に応じた量だけ前記範囲が広がるように閾値を調整する、ことを特徴とする請求項１に記載の処理装置。
3. 対象物に対して作業を行う作業部の状況を検出するセンサが出力する時系列なデータを外部装置から取得する取得部と、
   前記取得部が取得した前記時系列なデータが、所定の閾値に基づいて定まる範囲を逸脱したか否かを検出する検出部と、
   前記範囲を逸脱したデータを検出したときに、前記範囲を逸脱したデータが連続して検出された回数をカウントする計数部と、
   前記計数部がカウントした回数に応じて前記閾値を調整し、前記範囲を逸脱したデータが調整後の閾値に基づいて定まる範囲を逸脱した場合に、前記作業部の異常と判定する判定部と、
   を備える処理装置であって、
   前記処理装置は、
   前記作業に先立って前記作業と同一の動作を前記作業部に実行させ、前記センサが出力する時系列なデータを学習データとして取得し、前記閾値に基づいて定まる前記範囲を逸脱した前記学習データが連続して検出された回数に基づいて、検出された前記学習データを分類し、分類された前記学習データの前記範囲からの逸脱量に基づいて前記回数毎に調整値を設定し、前記回数と前記調整値との関係を示す情報を記憶し、
   前記判定部は、記憶された前記情報に基づいて、前記計数部がカウントした回数に対応する前記調整値を特定し、特定された前記調整値に基づいて前記閾値を調整し、調整後の前記閾値に基づいて定まる前記範囲を前記データが逸脱した場合に、前記作業部の異常と判定する、
   ことを特徴とする処理装置。
4. 前記判定部の判定結果を前記外部装置に対して送信する送信部を更に備える請求項３に記載の処理装置。
5. 対象物に対して作業を行う作業部の状況を検出するセンサが出力する時系列なデータが、所定の閾値に基づいて定まる範囲を逸脱したか否かを検出し、
   前記範囲を逸脱したデータを検出したときに、前記範囲を逸脱したデータが連続して検出された回数をカウントし、
   カウントした前記回数に応じて前記閾値を調整し、前記範囲を逸脱したデータが調整後の閾値に基づいて定まる範囲を逸脱した場合に、前記作業部の異常と判定する、
   処理をコンピュータが実行する処理方法であって、
   前記作業に先立って前記作業と同一の動作を前記作業部に実行させ、前記センサが出力する時系列なデータを学習データとして取得し、前記閾値に基づいて定まる前記範囲を逸脱した前記学習データが連続して検出された回数に基づいて、検出された前記学習データを分類し、分類された前記学習データの前記範囲からの逸脱量に基づいて前記回数毎に調整値を設定し、前記回数と前記調整値との関係を示す情報を記憶する処理を前記コンピュータが実行し、
   前記判定する処理では、記憶された前記情報に基づいて、前記カウントする処理でカウントした回数に対応する前記調整値を特定し、特定された前記調整値に基づいて前記閾値を調整し、調整後の前記閾値に基づいて定まる前記範囲を前記データが逸脱した場合に、前記作業部の異常と判定する処理を前記コンピュータが実行する、
   ことを特徴とする処理方法。
6. 対象物に対して作業を行う作業部の状況を検出するセンサが出力する時系列なデータが、所定の閾値に基づいて定まる範囲を逸脱したか否かを検出し、
   前記範囲を逸脱したデータを検出したときに、前記範囲を逸脱したデータが連続して検出された回数をカウントし、
   カウントした前記回数に応じて前記閾値を調整し、前記範囲を逸脱したデータが調整後の閾値に基づいて定まる範囲を逸脱した場合に、前記作業部の異常と判定する、
   処理をコンピュータに実行させるための処理プログラムであって、
   前記作業に先立って前記作業と同一の動作を前記作業部に実行させ、前記センサが出力する時系列なデータを学習データとして取得し、前記閾値に基づいて定まる前記範囲を逸脱した前記学習データが連続して検出された回数に基づいて、検出された前記学習データを分類し、分類された前記学習データの前記範囲からの逸脱量に基づいて前記回数毎に調整値を設定し、前記回数と前記調整値との関係を示す情報を記憶する処理を前記コンピュータに実行させ、
   前記判定する処理において、記憶された前記情報に基づいて、前記カウントする処理でカウントした回数に対応する前記調整値を特定し、特定された前記調整値に基づいて前記閾値を調整し、調整後の前記閾値に基づいて定まる前記範囲を前記データが逸脱した場合に、前記作業部の異常と判定する処理を前記コンピュータに実行させる、
   ことを特徴とする処理プログラム。
   

Images