JP6847898B2 - 予防保全装置及び予防保全システム - Google Patents

Description

本発明は、予防保全装置及び予防保全システムに関する。

従来、製造ラインの予防保全方法として、製造ラインに設置された複数のセンサの測定データと、製造ラインの状態と、の関係を学習する方法が知られている。この予防保全方法によれば、製造ラインの異常（故障、劣化、欠陥など）が測定データに影響する場合、測定データに基づいて当該異常を検出することができる。

特開平０８−５２５５４３号公報

しかしながら、製造ラインの異常は、必ずしもセンサの測定データに影響するとは限らないため、上記従来の予防保全方法では、製造ラインの異常を検出できない場合があった。

本発明は、上記の課題に鑑みてなされたものであり、製造ラインの異常の検出精度を向上させることを目的とする。

一実施形態に係る予防保全装置は、製造ラインに設置された撮影装置により撮影された対象物の画像データに基づいて、前記対象物の状態を判定する状態判定部と、前記状態判定部の判定結果を示すデータと、ユーザにより登録された前記製造ラインの状態を示すデータと、が対応付けられた学習データに基づいて、前記製造ラインの状態を推定する推定モデルを生成するモデル生成部と、前記状態判定部による判定結果を示すデータと、前記推定モデルと、に基づいて、前記製造ラインの状態を推定する状態推定部と、を備える。

本発明の各実施形態によれば、製造ラインの異常の検出精度を向上させることができる。

予防保全システムの概略構成の一例を示す図。 予防保全装置のハードウェア構成の一例を示す図。 予防保全装置の機能構成の一例を示す図。 対象物データの一例を示す図。 学習データの一例を示す図。 測定データの一例を示す図。 学習データの生成方法の一例を示すフローチャート。 製造ラインの状態の推定方法の一例を示すフローチャート。

以下、本発明の各実施形態について、添付の図面を参照しながら説明する。なお、各実施形態に係る明細書及び図面の記載に関して、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重畳した説明を省略する。

一実施形態に係る予防保全システム１００について、図１〜図８を参照して説明する。本実施形態に係る予防保全システム１００は、製造ラインの予防保全のためのシステムであり、製造ライン上を流れる対象物の画像データに基づいて、製造ラインの状態を推定する。

まず、予防保全システム１００の概略構成について説明する。図１は、予防保全システム１００の概略構成の一例を示す図である。図１の予防保全システム１００は、製造ライン２００に適用されている。製造ライン２００は、コンベア４と、コンベア４上に設置された装置Ａ〜Ｃと、を備える。コンベア４は、製造ライン２００により製造される対象物Ｐを搬送する装置である。装置Ａ〜Ｃは、製造工程又は検査工程である工程Ａ〜Ｃをそれぞれ実施する装置である。対象物Ｐは、コンベア４により矢印Ａの方向に搬送され、装置Ａ〜Ｃにより工程Ａ〜Ｃを順番に実施される。なお、製造ライン２００の構成は図１の例に限られない。

図１の予防保全システム１００は、予防保全装置１と、センサ２ａ〜２ｆと、撮影装置３と、を備える。以下、センサ２ａ〜２ｆを区別しない場合、センサ２と称する。他の構成についても同様である。

予防保全装置１は、対象物Ｐの画像データに基づいて、製造ライン２００の状態を推定するコンピュータである。予防保全装置１は、ＰＣ（Personal Computer）、サーバ、ノートＰＣ、又はタブレット端末であるが、これに限られない。予防保全装置１は、複数のコンピュータからなるシステムとして構成されてもよい。予防保全装置１について詳しくは後述する。

センサ２は、製造ラインの各部に設置されたセンサである。センサ２は、有線又は無線により、予防保全装置１に接続される。センサ２は、定期的に測定値を示す測定データを出力する。センサ２が出力した測定データは、予防保全装置１に入力される。センサ２は、加速度センサ、温度センサ、湿度センサ、荷重センサ、音センサ（マイク）、又はトルクセンサであるが、これに限られない。図１の例では、予防保全システム１００は、６つのセンサ２を備え、センサ２ａ，２ｂが装置Ａに設置され、センサ２ｃ，２ｄが装置Ｂに設置され、センサ２ｅ，２ｆが装置Ｃに設置されている。しかしながら、予防保全システム１００が備えるセンサ２の数及び各センサ２の設置位置は、図１の例に限られない。例えば、センサ２は、コンベア４に設置されてもよいし、各装置に１つ又は３つ以上設置されてもよい。

撮影装置３は、対象物Ｐを撮影するデジタルカメラである。撮影装置３は、有線又は無線により予防保全装置１に接続される。撮影装置３は、定期的（例えば、１秒ごと）に、又は所定のタイミングで撮影を実行し、撮影により得られた画像データを出力してもよいし、継続的に動画を撮影し、撮影により得られた動画データ（画像データ）を出力してもよい。所定のタイミングは、例えば、対象物Ｐが撮影装置３による撮影位置に到着したタイミングである。対象物Ｐが撮影位置に到着したことを検出するセンサ（画像センサや赤外線センサなど）を製造ライン２００に設け、対象物Ｐの到着をセンサが撮影装置３に通知することにより、撮影装置３は当該タイミングに撮影を実行することができる。撮影装置３の撮影により得られた画像データは、予防保全装置１に入力される。撮影装置３は、撮像素子としてＣＣＤイメージセンサ又はＣＭＯＳイメージセンサを備えたデジタルカメラであるが、これに限られない。図１の例では、予防保全システム１００は、装置Ｃの下流側に設置された１つの撮影装置３を備える。しかしながら、予防保全システム１００が備える撮影装置３の数及び撮影装置３の設置位置は、図１の例に限られない。例えば、予防保全システム１００は、２つ以上の撮影装置３を備えてもよいし、装置Ｃの上流側に設置されてもよい。

次に、予防保全装置１のハードウェア構成について説明する。図２は、予防保全装置１のハードウェア構成の一例を示す図である。図２の予防保全装置１は、ＣＰＵ（Central Processing Unit）１０１と、ＲＯＭ（Read Only Memory）１０２と、ＲＡＭ（Random Access Memory）１０３と、ＨＤＤ（Hard Disk Drive）１０４と、入力装置１０５と、表示装置１０６と、通信インタフェース１０７と、接続インタフェース１０８と、バス１０９と、を備える。

ＣＰＵ１０１は、プログラムを実行することにより、予防保全装置１の各構成を制御し、予防保全装置１の機能を実現する。ＣＰＵ１０１が実行するプログラムは、ＣＤ（Compact Disk）、ＤＶＤ、フラッシュメモリなどの、コンピュータ読み取り可能な任意の記録媒体に記録され得る。

ＲＯＭ１０２は、ＣＰＵ１０１が実行するプログラムや各種のデータを記憶する。

ＲＡＭ１０３は、ＣＰＵ１０１に作業領域を提供する。

ＨＤＤ１０４は、ＣＰＵ１０１が実行するプログラムや各種のデータを記憶する。予防保全装置１は、ＨＤＤ１０４と共に、又はＨＤＤ１０４の代わりにＳＳＤ（Solid State Drive）を備えてもよい。

入力装置１０５は、ユーザの操作に応じた情報を予防保全装置１に入力する。入力装置１０５は、タッチパッド、キーボード、マウス、又はハードウェアボタンであるが、これに限られない。

表示装置１０６は、ユーザの操作に応じた画面を表示する。表示装置１０６は、液晶ディスプレイ又は有機ＥＬ（Electro Luminescence）ディスプレイであるが、これに限られない。予防保全装置１は、タッチパッドと表示装置１０６が一体化されたタッチパネルを備えてもよい。

通信インタフェース１０７は、予防保全装置１をインターネットやＬＡＮ（Local Area Network）などのネットワークに接続する。予防保全装置１は、通信インタフェース１０７を介して、ネットワーク上の外部装置と通信する。

接続インタフェース１０８は、予防保全装置１をセンサ２及び撮影装置３に接続する。予防保全装置１は、接続インタフェース１０８を介して、センサ２及び撮影装置３と通信する。

バス１０９は、ＣＰＵ１０１、ＲＯＭ１０２、ＲＡＭ１０３、ＨＤＤ１０４、入力装置１０５、表示装置１０６、通信インタフェース１０７、及び接続インタフェース１０８を相互に接続する。

なお、図２の例では、予防保全装置１が１つのコンピュータにより構成される場合を想定しているが、上述の通り、予防保全装置１は、ネットワークを介して接続された複数のコンピュータからなるシステムとして構成されてもよい。

次に、予防保全装置１の機能構成について説明する。図３は、予防保全装置１の機能構成の一例を示す図である。図３の予防保全装置１は、対象物データ記憶部１１と、状態判定部１２と、学習データ記憶部１３と、モデル生成部１４と、モデル記憶部１５と、状態推定部１６と、を備える。対象物データ記憶部１１、学習データ記憶部１３、及びモデル記憶部１５は、ＨＤＤ１０４により構成される。状態判定部１２、モデル生成部１４、及び状態推定部１６は、ＣＰＵ１０１がプログラムを実行することにより実現される。

対象物データ記憶部１１は、対象物データを記憶する。対象物データは、対象物Ｐに関するデータであり、対象物Ｐの製造ロットデータと、対象物Ｐの画像データと、対象物Ｐの判定結果データと、対象物Ｐに対応する測定データと、が対応づけられたデータである。対象物Ｐの製造ロットデータは、対象物Ｐの製造ロットを示すデータであり、ユーザ（製造ライン２００の管理者など）により予防保全装置１に予め登録される。対象物Ｐの判定結果データは、状態判定部１２による対象物Ｐの状態の判定結果を示すデータである。対象物Ｐに対応する測定データは、撮影装置３による対象物Ｐの撮影時を含む所定期間に、センサ２から入力された測定データである。

撮影装置３から対象物Ｐの画像データが予防保全装置１に入力されると、対象物データ記憶部１１は、予め登録された対象物Ｐの製造ロットデータと、撮影装置３から入力された対象物Ｐの画像データと、状態判定部１２から受け取った対象物Ｐの判定結果データと、対象物Ｐに対応する測定データと、を対応付けて記憶する。これにより、対象物データ記憶部１１には、各対象物Ｐの対象物データが記憶される。なお、対象物データは、上記の例に限られない。対象物データは、対象物Ｐの種類、名称、属性、及び撮影日時などを示すデータを含んでもよい。

図４は、対象物データ記憶部１１に記憶された対象物データの一例を示す図である。図４の対象物データは、製造ロットデータと、判定結果データと、画像データと、測定値１を示す測定データと、測定値２を示す測定データと、を含んでいる。例えば、１行目の対象物データの「製造ロット」は「Ｌ００１」であり、「判定結果」は「異常なし」であり、「画像データ」は「ｉｍｇ１」であり、「測定値１」は「Ｘ１，Ｘ２，・・・，Ｘｐ」であり、「測定値２」は「Ｙ１，Ｙ２，・・・，Ｙｐ」である。

対象物データ記憶部１１に記憶された対象物Ｐの対象物データは、対象物Ｐについて事後的に調査するためのトレーサビリティ情報として利用することができる。例えば、状態判定部１２が発見できなかった対象物Ｐの異常が後で発見された場合に、当該対象物Ｐの対象物データに基づいて、後で発見された異常の原因や、当該異常に対応する測定データ及び画像データの特徴を、事後的に調査することができる。

状態判定部１２は、撮影装置３から入力された対象物Ｐの画像データに基づいて、対象物Ｐの状態を判定する。具体的には、状態判定部１２は、対象物Ｐの状態として、対象物Ｐの異常の有無、種類、数、位置、大きさ、色むら、色違いなどを判定する。対象物Ｐの異常は、欠陥、傷、汚れ、異物（虫や破片など）の混入、変形、及び位置ずれの少なくとも１つを含む。状態判定部１２は、パターンマッチングなどの周知の任意の方法により、対象物Ｐの状態を判定することができる。状態判定部１２は、対象物Ｐの状態を判定すると、判定結果（対象物Ｐの状態）を示す判定結果データを、対象物データ記憶部１１及び状態推定部１６に渡す。また、状態判定部１２は、対象物Ｐを「異常あり」と判定した場合、当該対象物Ｐの判定結果データを、学習データ記憶部１３に渡す。なお、予防保全装置１及び製造ライン２００の連携によって、状態判定部１２により「異常あり」と判定された対象物Ｐは、製造ライン２００を構成する装置（コンベア４など）により、製造ライン２００から除去されるのが好ましい。

学習データ記憶部１３は、学習データを記憶する。学習データは、対象物Ｐの製造ロットデータと、状態判定部１２により「異常あり」と判定された対象物Ｐの判定結果データと、製造ライン２００の状態を示す状態データと、対象物Ｐに対応する測定データと、が対応付けられたデータである。状態判定部１２により対象物Ｐが「異常あり」と判定されると、製造ライン２００のユーザは、対象物Ｐに異常が発生した原因を調査する。対象物Ｐの異常の原因が製造ライン２００の異常（故障、劣化、又は欠陥）であった場合、ユーザは、製造ライン２００の状態（異常の種類及び位置）を示す状態データを、対象物Ｐの製造ロットデータと対応付けて登録する。製造ライン２００の異常は、故障、劣化、及び欠陥の少なくとも一方を含む。状態データは、異常の種類及び位置の少なくとも一方を示すデータである。学習データ記憶部１３は、製造ライン２００の状態データを登録されると、当該状態データを、製造ロットデータが対応する判定結果データと対応付けて記憶する。これにより、学習データ記憶部１３には、状態判定部１２により「異常あり」と判定された各対象物Ｐの学習データが記憶される。なお、学習データは、上記の例に限られない。学習データは、対象物Ｐの種類、名称、属性、及び撮影日時などを示すデータを含んでもよい。

図５は、学習データ記憶部１３に記憶された学習データの一例を示す図である。図５の学習データは、製造ロットデータと、判定結果データと、状態データと、測定値１を示す測定データと、測定値２を示す測定データと、を含んでいる。例えば、１行目の学習データの「製造ロット」は「Ｌ００１」であり、「判定結果」は「頂部に傷あり」であり、「製造ラインの状態」は「装置Ａが故障」であり、「測定値１」は「Ｘ３１，Ｘ３２，・・・，Ｘｓ」であり、「測定値２」は「Ｙ３１，Ｙ３２，・・・，Ｙｓ」である。

モデル生成部１４は、学習データ記憶部１３に記憶された学習データに基づいて、対象物Ｐの状態と、センサ２の測定値と、製造ライン２００の状態と、の関係を学習する。そして、モデル生成部１４は、対象物Ｐの状態と、センサ２の測定値と、に基づいて、製造ライン２００の状態を推定する推定モデルを生成する。推定モデルは、対象物Ｐの状態及びセンサ２の測定値に応じた製造ライン２００の状態を出力する数理モデルであり、機械学習によりそのパラメータを最適化される。学習データは教師ありデータに相当する。モデル生成部１４は、サポートベクターマシン、決定木、ランダムフォレスト、ニューラルネットワーク、ディープラーニング、及びｋ近傍法などの、周知の任意の機械学習方法を利用して推定モデルを生成することができる。

モデル記憶部１５は、モデル生成部１４が生成した推定モデルを記憶する。具体的には、モデル記憶部１５は、予め登録された推定モデルの関数と、モデル生成部１４により最適化された当該関数のパラメータ値と、を記憶する。

状態推定部１６は、対象物Ｐの判定結果データと、センサ２から入力された測定データと、モデル記憶部１５に記憶された推定モデルと、に基づいて、製造ライン２００の状態を推定する。具体的には、状態推定部１６は、製造ライン２００の異常の有無、種類、及び位置の少なくとも１つを推定する。また、状態推定部１６は、製造ライン２００への異常の発生のおそれ（予兆）を推定してもよい。

測定データ記憶部１７は、センサ２から定期的に入力される測定データを、センサ２ごとに測定日時を示すデータと対応付けて記憶する。

図６は、測定データ記憶部１７に記憶された測定データの一例を示す図である。図６の例では、測定日時を示すデータと、測定値１を示す測定データと、測定値２を示す測定データと、が対応付けて記憶されている。例えば、「１２：００：０１」の「測定値１」及び「測定値２」は、それぞれ「Ｘ１」及び「Ｙ１」である。対象物データ記憶部１１、学習データ記憶部１３、及び状態推定部１６は、測定データ記憶部１７から対象物Ｐに対応する測定データを取得する。

次に、学習データの生成方法について説明する。図７は、学習データの生成方法の一例を示すフローチャートである。以下では、撮影装置３が定期的に撮影を実行する、又は動画を撮影する場合を例に説明する。予防保全装置１は、撮影装置３から画像データを入力されるたびに図７の処理を実行する。

撮影装置３から画像データを入力されると、状態判定部１２は、当該画像データに対象物Ｐの画像データが含まれるか確認する（ステップＳ１０１）。すなわち、撮影装置３が撮影した画像に対象物Ｐの画像が含まれるか確認する。状態判定部１２は、パターンマッチングなどの周知の任意の方法により、対象物Ｐの画像を検出することができる。撮影装置３から入力された画像データに対象物Ｐの画像データが含まれない場合（ステップＳ１０１：ＮＯ）、予防保全装置１は処理を終了する。

一方、撮影装置３から入力された画像データに対象物Ｐの画像データが含まれる場合（ステップＳ１０１：ＹＥＳ）、状態判定部１２は、対象物Ｐの画像データに基づいて、対象物Ｐの状態を判定する（ステップＳ１０２）。なお、対象物Ｐが撮影装置３による撮影位置に到着したタイミングで、撮影装置３が撮影を実行する場合には、画像データに対象物Ｐの画像データが必ず含まれるため、ステップＳ１０１の処理は省略してもよい。

状態判定部１２は、対象物Ｐの状態を判定すると、対象物Ｐの判定結果データ及び画像データを対象物データ記憶部１１に渡す。対象物データ記憶部１１は、対象物Ｐの判定結果データ及び画像データを受け取ると、測定データ記憶部１７から対象物Ｐに対応する測定データを取得する。そして、対象物データ記憶部１１は、対象物Ｐの判定結果データ、画像データ、及び測定データを、予め登録された対象物Ｐの製造ロットデータと対応付けて記憶する。これにより、図４のような対象物Ｐの対象物データが対象物データ記憶部１１に記憶される。状態判定部１２が対象物Ｐを「異常なし」と判定した場合（ステップＳ１０３：ＮＯ）、予防保全装置１は処理を終了する。

一方、状態判定部１２は、対象物Ｐを「異常あり」と判定した場合（ステップＳ１０３：ＹＥＳ）、対象物Ｐの判定結果データを学習データ記憶部１３に渡す。学習データ記憶部１３は、対象物Ｐの判定結果データを受け取ると、測定データ記憶部１７から対象物Ｐに対応する測定データを取得する（ステップＳ１０４）。そして、学習データ記憶部１３は、対象物Ｐの判定結果データ、及び測定データを、予め登録された対象物Ｐの製造ロットデータと対応付けて記憶する。これにより、対象物Ｐの学習データが生成される。この時点では、対象物Ｐの状態データは空値である。

その後、ユーザが、調査により判明した対象物Ｐの異常の原因（状態データ）を、製造ロットデータと対応付けて予防保全装置１に登録すると、学習データ記憶部１３は、登録された状態データを取得する（ステップＳ１０５）。そして、学習データ記憶部１３は、取得した状態データを、製造ロットデータが対応する学習データの状態データとして記憶する。これにより、図５のような対象物Ｐの学習データが学習データ記憶部１３に記憶される。

以上の処理により、予防保全装置１は、「異常あり」と判定された対象物Ｐの判定結果データ、状態データ、及び測定データを対応付けた学習データを生成することができる。こうして生成された学習データを学習することにより、モデル生成部１４は、製造ライン２００の状態を推定する推定モデルを生成することができる。なお、モデル生成部１４は、学習データが追加されるたびに推定モデルを生成してもよいし、ユーザからの要求に応じて推定モデルを生成してもよい。

次に、製造ライン２００の状態の推定方法について説明する。図８は、製造ライン２００の状態の推定方法の一例を示すフローチャートである。以下では、撮影装置３が定期的に撮影を実行する、又は動画を撮影する場合を例に説明する。予防保全装置１は、撮影装置３から画像データを入力されるたびに図８の処理を実行する。

撮影装置３から画像データを入力されると、状態判定部１２は、当該画像データに対象物Ｐの画像データが含まれるか確認する（ステップＳ２０１）。すなわち、撮影装置３が撮影した画像に対象物Ｐの画像が含まれるか確認する。状態判定部１２は、パターンマッチングなどの周知の任意の方法により、対象物Ｐの画像を検出することができる。撮影装置３から入力された画像データに対象物Ｐの画像データが含まれない場合（ステップＳ２０１：ＮＯ）、予防保全装置１は処理を終了する。

一方、撮影装置３から入力された画像データに対象物Ｐの画像データが含まれる場合（ステップＳ２０１：ＹＥＳ）、状態判定部１２は、対象物Ｐの画像データに基づいて、対象物Ｐの状態を判定する（ステップＳ２０２）。なお、対象物Ｐが撮影装置３による撮影位置に到着したタイミングで、撮影装置３が撮影を実行する場合には、画像データに対象物Ｐの画像データが必ず含まれるため、ステップＳ２０１の処理は省略してもよい。

状態判定部１２は、対象物Ｐの状態を判定すると、対象物Ｐの判定結果データ及び画像データを対象物データ記憶部１１に渡す。対象物データ記憶部１１は、対象物Ｐの判定結果データ及び画像データを受け取ると、測定データ記憶部１７から対象物Ｐに対応する測定データを取得する。そして、対象物データ記憶部１１は、対象物Ｐの判定結果データ、画像データ、及び測定データを、予め登録された対象物Ｐの製造ロットデータと対応付けて記憶する。これにより、図４のような対象物Ｐの対象物データが対象物データ記憶部１１に記憶される。状態判定部１２が対象物Ｐを「異常なし」と判定した場合（ステップＳ２０３：ＮＯ）、予防保全装置１は処理を終了する。

一方、状態判定部１２は、対象物Ｐを「異常あり」と判定した場合（ステップＳ２０３：ＹＥＳ）、対象物Ｐの判定結果データを状態推定部１６に渡す。状態推定部１６は、対象物Ｐの判定結果データを受け取ると、測定データ記憶部１７から対象物Ｐに対応する測定データを取得する（ステップＳ２０４）。また、状態判定部１２は、モデル記憶部１５から推定モデルを取得する（ステップＳ２０５）。

その後、状態推定部１６は、測定データ、判定結果データ、及び推定モデルに基づいて、製造ライン２００の状態を推定する（ステップＳ２０６）。これにより、「装置Ａが故障」、「装置Ｂに欠陥」、「装置Ｃが劣化」といった推定結果が得られる。

以上の処理により、予防保全装置１は、「異常あり」と判定された対象物Ｐの判定結果データ及び対象物Ｐに対応する測定データに基づいて、製造ライン２００の状態を推定することができる。状態推定部１６は、推定結果を表示装置１０６に表示してもよいし、通信インタフェース１０７を介して外部装置に通知してもよい。

以上説明した通り、本実施形態によれば、予防保全装置１は、対象物Ｐの判定結果データ及び対象物Ｐに対応する測定データに基づいて、製造ライン２００の状態を推定することができる。これにより、予防保全装置１は、センサ２の測定データに影響しない製造ライン２００の異常が発生した場合であっても、当該異常の影響により、対象物Ｐに画像データから検出可能な異常が発生する場合には、製造ライン２００の異常を検出することができる。したがって、測定データのみから製造ライン２００の異常を検出する従来の予防保全装置に比べて、予防保全装置１は、製造ライン２００の異常を精度よく検出することができる。結果として、ユーザによる製造ライン２００のメンテナンス効率を向上させ、対象物Ｐの歩留まりを向上させたり、製造ライン２００の寿命を長期化したりすることができる。

なお、以上では、判定結果データ及び測定データを併用して製造ライン２００の異常を推定する場合を例に説明したが、予防保全装置１は、判定結果データのみを利用して製造ライン２００の異常を推定してもよい。この場合、モデル生成部１４が、学習データに基づいて、対象物Ｐの状態と、製造ライン２００の状態と、の関係を学習し、推定モデルを生成し、状態推定部１６が、当該推定モデルに基づいて、製造ライン２００の状態を推定すればよい。このような構成により、予防保全装置１は、センサ２の測定データに影響しない製造ライン２００の異常が発生した場合であっても、当該異常の影響により、対象物Ｐに画像データから検出可能な異常が発生する場合には、製造ライン２００の異常を検出することができる。

以上、本発明の好ましい実施形態について詳説したが、本発明は、上述した実施形態に制限されることはなく、本発明の範囲を逸脱することなしに上述した実施形態に種々の変形及び置換を加えることができる。

１：予防保全装置
２：センサ
３：撮影装置
１１：対象物データ記憶部
１２：状態判定部
１３：学習データ記憶部
１４：モデル生成部
１５：モデル記憶部
１６：状態推定部
１７：測定データ記憶部
１００：予防保全システム
１０１：ＣＰＵ
１０２：ＲＯＭ
１０３：ＲＡＭ
１０４：ＨＤＤ
１０５：入力装置
１０６：表示装置
１０７：通信インタフェース
１０８：接続インタフェース
１０９：バス

Claims (4)

1. 製造ラインに設置された撮影装置により撮影された対象物の画像データに基づいて、前記対象物の状態を判定する状態判定部と、
   前記状態判定部による判定結果を示すデータと、対象物の状態から製造ラインの異常の種類および位置の少なくとも一方を推定する推定モデルと、に基づいて、前記対象物が撮影されたときの製造ラインの異常の種類および位置の少なくとも一方を推定する状態推定部と、
   を備える予防保全装置。
2. 前記状態推定部は、前記状態判定部による判定結果を示すデータおよび前記製造ラインに設置されたセンサの測定データと、対象物の状態および前記製造ラインに設置されたセンサの測定データから製造ラインの異常の種類および位置の少なくとも一方を推定する推定モデルと、に基づいて、前記対象物が撮影されたときの製造ラインの異常の種類および位置の少なくとも一方を推定する、請求項１に記載の予防保全装置。
3. 前記対象物の画像データと、前記状態判定部による判定結果を示すデータと、前記製造ラインに設置されたセンサの測定データと、を対応付けて記憶する対象物データ記憶部を更に備える
   請求項１又は請求項２に記載の予防保全装置。
4. 製造ラインに設置された撮影装置と、
   予防保全装置と、
   を備えた予防保全システムであって、
   前記予防保全装置は、
   製造ラインに設置された撮影装置により撮影された対象物の画像データに基づいて、前記対象物の状態を判定する状態判定部と、
   前記状態判定部による判定結果を示すデータと、対象物の状態から製造ラインの異常の種類および位置の少なくとも一方を推定する推定モデルと、に基づいて、前記対象物が撮影されたときの製造ラインの異常の種類および位置の少なくとも一方を推定する状態推定部と、
   を備える予防保全システム。

Images