JP6865913B1 - 予知保守装置、予知保守方法、及び、学習装置 - Google Patents

Abstract

画像判定装置から出力される判定結果情報を記憶し、複数の判定結果情報に基づいて保守判定値を決定する。そして、保守判定値を第１の判定基準より判定基準が高くなるように設定された第２の判定基準に基づいて判定する。さらに、判定した結果が第２の判定基準に基づいて設定された通知条件を満たす場合に、画像判定装置の確認を促す保守通知を出力する。これにより、画像判定装置の誤判定に繋がる画像判定装置の状態の変化を予め知らせることができる。

Description

この開示は、画像判定装置の誤判定に繋がる画像判定装置の状態の変化を予め知らせるための予知保守装置、予知保守方法、及び、学習装置に関する。

製品の生産現場では、生産設備の自動化に伴い、製品の不良を検出するために画像判定装置を用いる場合がある。画像判定装置とは、検査対象である製品が良品であるか不良品であるかを判定する装置である。画像判定装置としては、画像を撮像するカメラと撮像した画像の判定を行う判定機構を備えている。具体的には、利用者は、画像判定装置に製品における良品をマスター画像として登録しておく。画像判定装置は、検査対象である製品を撮像したのち、画像処理を行って検査画像を取得する。そして、画像判定装置は、検査画像とマスター画像とを比較することで、検査画像とマスター画像との一致度を算出する。画像判定装置での良品又は不良品の判定の際には、利用者があらかじめ設定した良品又は不良品の判定するための閾値が用いられ、閾値と一致度とを比較することで判定が行われる（例えば、一致度が閾値を下回った場合に、不良品と判定する）。

一方、画像判定装置を生産現場で使用した場合には、時間経過とともに外的な環境要因による画像判定装置の状態の変化によって良品を不良品と誤判定してしまう場合がある。外的な環境要因による画像判定装置の状態の変化としては、例えば、生産設備内のオイルや埃等が画像判定装置の有するカメラのレンズに付着することや、生産設備の振動のより画像判定装置の取り付け位置がずれてしまう、等があげられる。オイルや埃がカメラのレンズに付着した場合、画像判定装置で撮像した画像にオイルや埃等が写り込んでしまい、検査画像が正しく生成されないことから一致度の算出に影響を与える。また、生産設備の振動により画像判定装置の取り付け位置にずれが生じた場合、画像判定装置の有するカメラの撮像範囲が変わってしまうことで検査画像が正しく生成されないことから、一致度の算出に影響を与える。このような画像判定装置の状態の変化は、画像判定装置の誤判定に繋がる。

画像判定装置が誤判定を行ってしまうと、誤判定の検証や製品の確認等多くの工数が発生したり、誤判定により製品の廃棄による生産ロスが発生してしまう。つまり、画像判定装置が誤判定を行う前に、画像判定装置の誤判定に繋がる画像判定装置の状態の変化を予め知ることができれば、画像判定装置が誤判定を行う前に対処することが可能となる。

従来、生産設備の異常を予知する技術として、制御装置から出力されるデータを受信した際、データを受信した受信時刻を蓄積し、蓄積された受信時刻に基づいて制御装置の状態を監視する監視装置が知られている（例えば、特許文献１参照）。

このような監視装置は、制御装置が制御対象装置を制御している状態では、制御装置がデータを送信する時刻に一定の周期性等の時間的な特性が存在することを利用して、制御装置の状態を監視している。具体的には、監視装置は、データが受信された時間的な間隔である受信時時間間隔あるいは単位時間当たりに受信されたデータの個数である単位時間受信データ数を用いて、これらと基準値とを比較することで制御装置の状態が、異常状態なのか、正常状態なのかを判定することで制御装置の状態を監視している。

特開２０１３−０８０３５４号公報

しかしながら、特許文献１に開示されている制御装置の状態を監視する監視装置は、蓄積した受信時刻に基づいて、制御装置の状態の監視を行っているため、上述のような画像判定装置の誤判定に繋がる画像判定装置の状態の変化を予め知らせることができないという問題があった。つまり、画像判定装置は、外的な環境要因で画像判定装置の状態の変化が発生した場合に、検査画像が正しく生成されず、一致度の算出に影響を与えるため良品又は不良品の誤判定を行う恐れがあるが、誤判定であった場合でも、判定が行われた後は、判定結果をデータとして送信するため、判定結果がデータの送信に影響を与えることがないからである。

本開示は、上述の問題点を解決するためになされたものであり、画像判定装置の誤判定に繋がる画像判定装置の状態の変化を予め知らせるための予知保守装置、予知保守方法、及び、学習装置、を提供することを目的とする。

本開示に係る予知保守装置は、検査対象の良又は不良を判定するための判定基準となる第１の判定基準に基づいて検査対象に対して判定を行う画像判定装置から出力される判定結果情報を記憶する判定結果記憶部と、判定結果記憶部に記憶されている判定結果情報に基づいて保守判定値を決定する判定値決定部と、第１の判定基準より判定基準が高くなるように設定された第２の判定基準に基づいて保守判定値に対する判定を行った結果が、第２の判定基準に基づいて設定された通知条件を満たす場合に、画像判定装置の確認を促す保守通知情報を出力する通知制御部と、を備える。

本開示によれば、画像判定装置の誤判定に繋がる画像判定装置の状態の変化を予め知らせるための技術を提供することができる。

本開示に係る生産システムの概略図 実施の形態１に係る予知保守装置の機能ブロックの一例を示す図 実施の形態１に係る画像判定装置の撮像範囲の一例を示す図 実施の形態１に係る画像判定装置を確認することを促す通知の一例を示す図 実施の形態１に係る予知保守装置の動作及び予知保守方法を示すフローチャート 実施の形態２に係る予知保守装置の機能ブロックの一例を示す図 実施の形態２に係る学習装置部の機能ブロックの一例を示す図 実施の形態２に係る学習装置部での学習モデル生成の一例を示す図 実施の形態２に係る学習装置部での学習処理に関するフローチャート 実施の形態２に係る予知保守装置の動作及び予知保守方法を示すフローチャート

実施の形態１．
本開示の実施の形態１に係る予知保守装置１及び予知保守方法について、図面を用いて説明する。図１は、予知保守装置１を含む画像判定装置を用いた生産システムＰＳの概略を示す図である。

図１に示すように、生産システムＰＳは、製品を生産する生産設備１５０、生産設備１５０を制御する制御装置１０１、生産設備１５０を有する生産ライン１００で生産される製品の良又は不良を判定する画像判定装置として機能するビジョンセンサ１０２、制御装置１０１及びビジョンセンサ１０２の出力情報を表示でき、予知保守装置１として機能するプログラマブル表示器１０３、を備えている。なお、生産ライン１００は、製品を生産するための生産設備１５０を１つ以上備えている。

生産設備１５０と制御装置１０１、制御装置１０１及びビジョンセンサ１０２とプログラマブル表示器１０３は、専用線又はネットワークを介して通信可能に接続される。専用線を用いて接続される場合、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ケーブルを介して接続されてもよい。ネットワークを介して接続される場合、例えば、インターネットの様なオープンネットワークを介して接続されてもよいし、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）の様なクローズドネットワークを介して接続されていてもよい。

ビジョンセンサ１０２は、生産設備１５０に組み込まれており、生産設備１５０内において、製品である検査対象の良又は不良を判定する。ビジョンセンサ１０２は、例えば、生産設備１５０内において製品を把持して搬送するロボットアームの先端や、製品が搬送されるコンベアの上部、等に製品を撮像できるように取り付けられている。また、ビジョンセンサ１０２は、検査対象の良又は不良の判定を行い、判定結果情報を出力する。判定結果情報の詳細については後述する。なお、ビジョンセンサ１０２は画像判定装置の一例である。画像判定装置としては、画像を撮像するカメラと製品の判定を行う判定機構とを備えていればよく、カメラと判定機構が一体であってもよいし、別体であってもよい。本実施の形態１で示すビジョンセンサ１０２は、カメラと判定機構が一体である画像判定装置の一例である。また、カメラと判定機構が別体である場合は、カメラが製品を撮像できるように取り付けられていればよく、判定機構は生産設備１５０の内側に備えられていてもよく、外側に備えられていてもよい。

プログラマブル表示器１０３は、生産システムＰＳを構成する生産ライン１００や生産設備１５０、ビジョンセンサ１０２、等の稼働状態を表示することや、スクリプトプログラムを実行することができる機器である。プログラマブル表示器１０３は、各種動作を実行する動作用メモリと各種動作の結果や動作のためのプログラムを記憶する格納用メモリと、動作メモリで行った動作結果を表示する表示部と、制御装置１０１やビジョンセンサ１０２等の機器と接続する通信部及び入出力端子部と、を有している。

プログラマブル表示器１０３は、各種動作を実行して、生産設備１５０の稼働状態を制御装置１０１から出力される情報を基に表示部に表示することや、ビジョンセンサ１０２の稼働状態や判定結果、等を表示部に表示することができる。また、ユーザからの操作を受け付け各種動作を実行し、制御装置１０１やビジョンセンサ１０２に対してユーザの操作に基づく制御信号を送信することもできる装置である。本実施の形態１では、プログラマブル表示器１０３が予知保守装置１として機能する形態を説明する。

なお、予知保守装置１として機能する機器は、プログラマブル表示器１０３に限られるものではなく、例えば、ハードウェア構成として、演算処理が可能なＣＰＵやメモリ、等を備えた演算端末を採用することができる。このような演算端末としては、例えば、ノート型コンピュータ、デスクトップ型コンピュータ、タブレット型コンピュータ、スマートフォン、プログラマブルロジックコントローラ、等である。

図２は、上述の動作用メモリやＣＰＵ及び格納用メモリ等で実現される予知保守装置１の機能ブロックの一例を示す図である。

図２に示すように、本実施の形態１に係る予知保守装置１は、画像判定装置の誤判定に繋がる画像判定装置の状態の変化を予め知らせるための機能を有する。予知保守装置１は、画像判定装置の一例であるビジョンセンサ１０２から出力される判定結果情報を複数記憶する判定結果記憶部１１、複数の判定結果情報に基づいて保守判定値を決定する判定値決定部１２、保守判定閾値と保守判定値とを比較する判定値比較部１３、通知条件を満たす場合に保守通知情報を出力する通知制御部１４、を有している。

判定結果記憶部１１は、ビジョンセンサ１０２から出力される判定結果情報を複数記憶する。なお、ビジョンセンサ１０２で１つの検査対象Ｃに対して判定が行われると１の判定結果情報が出力される。判定結果記憶部１１は、ビジョンセンサ１０２から出力された複数回分の判定結果情報を記憶しているため、判定結果情報を複数記憶していることとなる。また、判定結果情報とは、ビジョンセンサ１０２の撮像範囲内の所定位置からの検査対象Ｃの位置ずれ量の情報、検査対象Ｃの検査画像とビジョンセンサ１０２に登録されたマスター画像との一致度の情報、検査対象Ｃの良又は不良の情報、を対応付けたものである。以下に、判定結果情報に含まれる各情報について一例を示し説明する。

位置ずれ量の情報とは、ビジョンセンサ１０２の撮像範囲内の所定位置からの検査対象Ｃがどの程度位置ずれているか位置ずれ量を示す情報である。位置ずれ量の情報は、具体的には、図３に一例として示すように、ビジョンセンサ１０２の撮像範囲ＩＡを矩形形状として、横方向をＸ軸、縦方向をＹ軸としたときの撮像範囲内ＩＡに定められた所定点Ｐ１からの撮像された検査対象Ｃの所定点Ｐ２の位置ずれ量をＸ軸、Ｙ軸の座標で示した情報である。図３では、Ｘ軸及びＹ軸をそれぞれ１０分割して、所定点Ｐ１からの所定点Ｐ２の位置ずれ量を正の整数として（Ｘ：２、Ｙ：１）で表している。ビジョンセンサ１０２では、所定点Ｐ１と所定点Ｐ２との間の位置ずれ量が大きくなると、撮像範囲ＩＡから検査対象Ｃが外れてしまい、検査画像とマスター画像とを比較する際に検査対象Ｃに欠損があると判断され、後述する一致度を示す数値が小さくなる。

一致度の情報とは、検査対象Ｃの検査画像とビジョンセンサ１０２に登録されたマスター画像との一致度を点数として数値で示す情報である。具体的には、ビジョンセンサ１０２が検査対象Ｃである製品を撮像し、画像処理を行うことで検査画像を取得する。次に、ビジョンセンサ１０２は、ビジョンセンサ１０２に登録されている良品を示すマスター画像と検査画像とを比較して一致度を点数化して一致度を示す数値として算出する。なお、マスター画像と検査画像とを比較して一致度を点数化して一致度を示す数値として算出する方法は、従来既知の方法を採用することができる。算出方法の一例としては、マスター画像から複数の特徴部位を抽出し、検査画像から特徴部位と対比するための対比部位を抽出する。抽出した特徴部位と対比部位とを比較して一致しない部位に応じて点数を減算していき一致度を示す数値を算出することができる（例えば、満点を１００点として、１００点から点数を減算して算出する）。対比部位に欠損や傷などがあると一致度を示す数値が小さくなる。

検査対象Ｃの良又は不良の情報とは、上述の一致度の情報に含まれる一致度を示す数値と、予め定められた良否判定閾値とを比較して検査対象Ｃの良又は不良を判定した結果を示す情報である。良否判定閾値とは、検査対象Ｃの良又は不良を判定するための判定基準となる数値である。上述の一例として示した算出方法で算出された一致度を示す数値に対して良否判定閾値を基に検査対象Ｃの良又は不良を判定する場合は、一致度を示す数値が良否判定閾値以上である場合、良品と判断され、一致度を示す数値が良否判定閾値未満の場合は不良品と判断される。良否判定閾値は、良又は不良の水準によって、任意に決定することができる判定基準となる数値である。なお、良否判定閾値は、第１の判定基準の一例である。

判定値決定部１２は、判定結果記憶部１１に記憶されている複数の判定結果情報に基づいて保守判定値を決定する。具体的には、判定値決定部１２は、判定結果記憶部１１から判定結果情報を読み出して、判定結果情報のうちの一致度の情報に含まれる一致度を示す数値を抽出する。判定値決定部１２は、一致度を示す数値を複数の判定結果情報からそれぞれ抽出して、一致度を示す数値の平均値である一致度平均値を算出する。さらに、判定値決定部１２は、判定結果情報のうちの位置ずれ量の情報に含まれる位置ずれ量を抽出する。判定値決定部１２は、位置ずれ量を複数の判定結果情報からそれぞれ抽出して、位置ずれ量の平均値であるずれ量平均値を算出する。なお、ずれ量平均値は、一例として示した上述の位置ずれ量を用いる場合、Ｘ軸の位置ずれ量の平均値と、Ｙ軸の位置ずれ量の平均値とをそれぞれ求めた（Ｘ：Ｘ軸のずれ量の平均値、Ｙ：Ｙ軸のずれ量の平均値）の形で示される。つまり、本実施の形態１では、一致度平均値及びずれ量平均値のそれぞれが保守判定値として決定される。なお、一致度平均値及びずれ量平均値は、一致度を示す数値及び位置ずれ量に対して算術平均の手法により統計をとった統計値である。

判定値比較部１３は、予め設定された保守判定閾値と上述の保守判定値とを比較して、比較した結果を出力する。本実施の形態１では、保守判定値として、上述の一致度平均値及びずれ量平均値の２つの保守判定値を決定しているため、保守判定閾値についても、各保守判定値に合わせた２つの保守判定閾値が設定されている。以下に、保守判定閾値について、一例を示し説明する。

保守判定閾値は、保守のための判定基準が検査対象Ｃの良又は不良を判定するための判定基準より高くなるように設定されたものである。具体的には、一致度平均値と比較する保守判定閾値（以下、「一致度保守判定閾値」という）は、上述の一致度を示す数値と比較した良否判定閾値よりも大きい数値が設定される。例えば、上述の良否判定閾値が７０である場合、一致度保守判定閾値は７０より大きい数値（例えば、８０）が設定される。つまり、一致度保守判定閾値が良否判定閾値よりも大きい数値であるということは、保守のための判定基準が検査対象Ｃの良又は不良を判定するための判定基準より高いことを示している。これは、一例として上述した一致度を示す数値を例に説明すると、一致度を示す数値が、満点を１００点として数値を減算して算出される数値であるため、一致度を示す数値が大きいほど、検査対象Ｃはマスター画像で示される良品と一致していることを示す。したがって、一致度保守判定閾値が良否判定閾値よりも大きい数値であるほど、良品に近い判定が出ている段階でビジョンセンサ１０２の保守のための判定を行うこととなるため、保守のための判定基準が良又は不良の判定をするための判定基準より高いことを示す。なお、一致度保守判定閾値は、第２の判定基準の一例である。つまり、第２の判定基準は、上述の第１の判定基準よりも判定基準が高くなるように設定されている。

また、ずれ量平均値と比較する保守判定閾値（以下、「ずれ量保守判定閾値」という）は、Ｘ軸の位置ずれ量またはＹ軸の位置ずれ量の少なくとも一方が、上述の一致度を示す数値と比較した良否判定閾値に基づく位置ずれ量よりも小さい位置ずれ量として設定される。これにより、保守のための判定基準が、検査対象の良又は不良を判定するための判定基準より高くなるようにずれ量保守判定閾値を設定することができる。なお、一致度を示す数値と比較した良否判定閾値に基づく位置ずれ量とは、検査対象Ｃの良又は不良を判定するための判定基準を位置ずれ量で示すものである。

具体的には、良及び不良を判定するための判定基準は、上述したように一致度を示す数値が良否判定閾値と比較して良否判定閾値以上であれば良品、良否判定閾値未満であれば不良品と判定する基準である。つまり、良否判定閾値が例えば７０であれば一致度を示す数値が７０以上である検査対象Ｃは良品と判定される。ここで、上述のように位置ずれ量が、一致度を示す数値に影響を与えることから、一致度を示す数値が７０となる位置ずれ量について、Ｘ軸の位置ずれ量、Ｙ軸の位置ずれ量がそれぞれどの程度であるかを求めることで、検査対象の良又は不良を判定するための判定基準を位置ずれ量における数値として表すことができる。

例えば、良否判定閾値が７０であり、この７０という数値を位置ずれ量で表した場合、位置ずれ量（Ｘ：６、Ｙ：５）で表されるとする。位置ずれ量は、Ｘ軸及びＹ軸の少なくとも一方の数値が大きくなるほど、撮像範囲ＩＡに定められた所定点Ｐ１から、検査対象Ｃの所定点Ｐ２が位置ずれしていることを表しているため、Ｘ軸の位置ずれ量が６を超えるか、又は、Ｙ軸の数値が５を超えるか、少なくとも一方の状態が起こるとき、良否判定閾値は、７０未満の数値となる。したがって、ずれ量保守判定閾値として、Ｘ軸の位置ずれ量またはＹ軸の位置ずれ量の少なくとも一方が、上述の一致度を示す数値と比較した良否判定閾値に基づく位置ずれ量よりも小さい位置ずれ量（例えば、（Ｘ：５、Ｙ：５）や（Ｘ：５、Ｙ：４）、等）として設定されることで、検査対象Ｃを良品に近い判定が出ている段階でビジョンセンサ１０２の保守のための判定を行うこととなるため、保守のための判定基準が良又は不良の判定をするための判定基準より高いことを示す。なお、ずれ量保守判定閾値は、第２の判定基準の一例である。つまり、第２の判定基準は、上述の第１の判定基準よりも判定基準が高くなるように設定されている。

通知制御部１４は、上述の判定値比較部１３から出力される保守判定値と保守判定閾値との比較結果が、保守判定閾値に基づいて設定された通知条件を満たす場合に、ビジョンセンサ１０２の状態を確認することを促す保守通知情報を出力する。つまり、通知制御部１４は、第２の判定基準に基づいて上述の保守判定値に対する判定を行った結果が、第２の判定基準に基づいて設定された通知条件を満たす場合に、ビジョンセンサ１０２の状態を確認することを促す保守通知情報を出力する。

ここで、保守判定閾値に基づいて設定された通知条件とは、ユーザが任意に設定することができる通知条件である。例えば、保守判定閾値として、上述の一致度保守判定閾値とずれ量保守判定閾値との２つが設定されている場合は、通知条件としては、一致度平均値が一致度保守判定閾値未満であり、且つ、ずれ量平均値がずれ量保守判定閾値を超える場合に保守通知情報を出力すると設定することが考えられる。このような通知条件は、第２の判定基準に基づいて設定された通知条件の一例である。

なお、出力される保守通知情報は、ユーザにビジョンセンサ１０２を確認することを促すための情報を含んでおり、プログラマブル表示器１０３は、保守通知情報に基づき表示部にビジョンセンサ１０２を確認することを促す通知を表示して、ユーザに知らせることができる。図４は、表示部に表示された通知の一例を示している。なお、保守通知情報に基づき表示部にビジョンセンサ１０２を確認することを促す通知をユーザに知らせる方法は、表示部への表示に限られず、音声案内として知らせてもよく、ブザーを鳴らすなどの単純な音で知らせてもよく、プログラマブル表示器１０３以外の機器で表示や音声、等で知らせてもよい。

以下に、図５を用いて、本実施の形態１に係る予知保守装置１の動作及び予知保守方法について説明する。図５は、予知保守装置１の動作及び予知保守方法を示すフローチャートである。

予知保守装置１は、生産システムＰＳの稼働に合わせて動作を開始する。図５に示すように、予知保守装置１は、以下のステップＳ１０１からステップＳ１０４で示す予知保守方法を実行して動作する。

予知保守装置１は、生産設備１５０内にて生産された製品をビジョンセンサ１０２が検査し、ビジョンセンサ１０２が出力した検査対象Ｃである製品の良又は不良を判定した判定結果情報を判定結果記憶部１１に記憶する（ステップＳ１０１）。判定結果記憶部１１に記憶されている判定結果情報に基づいて保守判定値を判定値決定部１２にて決定する（ステップＳ１０２）。予め設定された保守判定閾値と保守判定値とを判定値比較部１３にて比較する（ステップＳ１０３）。判定値比較部１３にて比較された比較結果に基づいて、通知条件を満たす場合に保守通知情報を通知制御部１４にて出力する（ステップＳ１０４）。以下各ステップについて説明する。

ステップＳ１０１において、判定結果記憶部１１は、ビジョンセンサ１０２から出力される判定結果情報を順次記憶していく。判定結果情報はビジョンセンサ１０２において検査対象Ｃそれぞれに対して、良又は不良を判定するための判定基準となる良否判定閾値に基づいて良品又は不良品を判定した結果の情報であり、１つの検査対象Ｃに対して、位置ずれ量の情報、一致度の情報、検査対象Ｃの良又は不良の情報を対応付けた情報である。判定結果記憶部１１は、この判定結果情報を検査対象Ｃごとに複数記憶していく。なお、ステップＳ１０１は判定結果記憶ステップの一例である。

ステップＳ１０２において、判定値決定部１２は、判定結果記憶部１１に記憶されている複数の判定結果情報に基づいて保守判定値を決定する。本実施の形態１において、判定値決定部１２において決定される保守判定閾値は、上述のように一致度平均値とずれ量平均値との２つである。なお、ステップＳ１０２は判定値決定ステップの一例である。

ステップＳ１０３において、判定値比較部１３は、ステップＳ１０２で決定された保守判定値と予め設定されている保守判定閾値とを比較して比較結果を出力する。つまり、ここでの比較結果は、第２の判定基準に基づいて保守判定値に対する判定を行った結果の一例である。本実施の形態１においては、保守判定閾値は、上述のように一致度平均値と比較するための一致度保守判定閾値と、ずれ量平均値と比較するためのずれ量保守判定閾値とが予め設定されている。ステップＳ１０３において、判定値比較部１３は、一致度平均値と一致度保守判定閾値とを比較した比較結果として、一致度平均値が一致度保守判定閾値以上であるか未満であるかの第１の比較結果と、ずれ量平均値とずれ量保守判定閾値とを比較した比較結果として、ずれ量平均値がずれ量保守判定閾値を超えるか以下であるかの第２の比較結果とを出力する。本実施の形態１では、第１の比較結果及び第２の比較結果が、第２の判定基準に基づいて保守判定値を判定した結果となる。なお、ステップＳ１０３は、判定値比較ステップともいえる。

ステップＳ１０４において、通知制御部１４は、ステップＳ１０３で出力された第１の比較結果と第２の比較結果とが、保守判定閾値に基づいて設定されている通知条件を満たす場合に、ビジョンセンサ１０２の確認を促す保守通知情報を出力する。つまり、ステップＳ１０４は、第２の判定基準に基づいて保守判定値に対する判定を行った結果が、第２の判定基準に基づいて設定された通知条件を満たす場合に、画像判定装置の確認を促す保守通知情報を出力するステップである。なお、通知条件としては、上述にて一例を示した通り、一致度平均値が一致度保守判定閾値未満であり、且つ、ずれ量平均値がずれ量保守判定閾値を超える場合に保守通知情報を出力すると設定されている場合、第１の比較結果と第２の比較結果とを通知条件を満たすか否か判定し、通知条件を満たした場合、保守通知情報を出力する。なお、通知条件を満たさない場合は、保守通知情報を出力しない。ここで、ステップＳ１０４は、通知制御ステップの一例である。

ステップＳ１０４で出力された保守通知情報は、任意の形態にてユーザに知らせられる。以上のステップＳ１０１からステップＳ１０４を完了したら予知保守装置１は動作を終了する。

以上により、本実施の形態１における予知保守装置１及び予知保守方法によれば、第２の判定基準が、検査対象Ｃの良又は不良を判定するための判定基準となる第１の判定基準より高くなるように設定されており、第２の判定基準に基づいて保守判定値に対する判定を行った結果が、第２の判定基準に基づいて設定された通知条件を満たすことで保守通知情報が出力される。したがって、ビジョンセンサ１０２の誤判定に繋がるビジョンセンサ１０２の状態の変化を予め知らせることができる。

また、本実施の形態１における予知保守装置１及び予知保守方法によれば、保守判定値を、一致度平均値及びずれ量平均値といった、統計値を用いて決定しているため、ビジョンセンサ１０２が判定した判定結果の中に、極端な不良品を判定した結果が含まれていたとしても、極端な不良品を判定した結果の影響を小さくし、ビジョンセンサ１０２の状態の変化による保守に関わる通知を出力することができる。

実施の形態２．
本開示の実施の形態２に係る予知保守装置１、予知保守方法、及び、学習装置について図を用いて説明する。なお、上述の実施の形態１と同様の構成については同じ符号を用いて記載し、具体的な説明は省略する。以下、実施の形態１と異なる構成について具体的に説明する。

図６は、本実施の形態２に係る予知保守装置１ｂの機能ブロックの一例を模式的に示す図である。予知保守装置１ｂは、上述の実施の形態１で示した判定値決定部１２、判定値比較部１３、を有しており、上述の実施の形態１で示した判定結果記憶部１１、通知制御部１４に変えて、判定結果記憶部１１ｂ、通知制御部１４ｂを有している。さらに、予知保守装置１ｂは、累積稼働時間算出部２１及び学習装置部２２を有している。以下に、累積稼働時間算出部２１、判定結果記憶部１１ｂ、学習装置部２２、及び、通知制御部１４ｂについて具体的に説明する。なお、本実施の形態２においても、画像判定装置の一例としてビジョンセンサ１０２を用いる形態を示す。

累積稼働時間算出部２１は、少なくともビジョンセンサ１０２の稼働時間を累積して、累積稼働時間を算出する。本実施の形態２では、ビジョンセンサ１０２が組み込まれている生産設備１５０の稼働時間を累積して累積稼働時間を算出し取得する場合を用いて説明する。ビジョンセンサ１０２が組み込まれている生産設備１５０の稼働時間を累積して累積稼働時間を算出するということは、少なくともビジョンセンサ１０２の稼働時間を累積して累積稼働時間を算出することとなる。これは、ビジョンセンサ１０２が組付けられた生産設備１５０が稼働するということは、ビジョンセンサ１０２も稼働すると言えるからである。

累積稼働時間算出部２１は、ビジョンセンサ１０２が組み込まれている生産設備１５０が稼働を開始した時間と稼働を終了した時間に基づいて生産設備１５０の稼働時間を算出し、判定結果記憶部１１ｂに記憶されている最新の累積稼働時間（これまでの稼働時間）に、算出した稼働時間を加算して累積稼働時間を算出する。なお、判定結果記憶部１１ｂに累積稼働時間が記憶されていない場合は、算出した稼働時間が累積稼働時間となる。

なお、生産設備１５０の稼働を開始した時間（以下、「稼働開始時間」という）は、生産設備１５０を制御する制御装置１０１にて、生産設備１５０を制御し稼働させる制御プログラムの実行が開始された時間とすることができる。また、生産設備１５０が稼働を終了した時間（以下、「稼働終了時間」という）は、生産設備１５０を制御する制御装置１０１にて実行されている制御プログラムの実行が終了された時間とすることができる。制御プログラムの実行の開始及び実行の終了は、プログラマブル表示器１０３に稼働開始ボタン及び稼働終了ボタンを表示させて、これらのボタンを操作することで行ってもよい。

判定結果記憶部１１ｂは、累積稼働時間算出部２１が算出した累積稼働時間と判定結果情報とを対応付けて記憶する。なお、累積稼働時間と対応付けられる判定結果情報は、１つの判定結果情報でもよいが、より好ましくは、複数の判定結果情報に基づいた累積稼働時間における判定結果情報であることが好ましい。

具体的には、今回の累積稼働時間の算出の際に使用した稼働開始時間を基準にした今回の稼働における最初の判定結果情報と、今回の累積稼働時間の算出の際に使用した稼働終了時間を基準にした今回の稼働における最後の判定結果情報と、これら最初の判定結果情報と最後の判定結果情報との間の判定結果情報とを抽出する。そして、抽出した複数の判定結果情報にそれぞれ含まれる位置ずれ量の情報及び一致度の情報を上述の保守判定値を算出した方法にて、それぞれ平均値として算出する。これらの平均値を累積稼働時間における判定結果情報とすることができる。

そして、累積稼働時間における判定結果情報と累積稼働時間算出部２１にて算出した累積稼働時間とを対応付けて記憶する。つまり、判定結果記憶部１１ｂには、単独の判定結果情報と、累積稼働時間と判定結果情報とが対応付けられた情報とが記憶されている。

学習装置部２２は、判定結果記憶部１１ｂに記憶されている判定結果情報と累積稼働時間とを対応付けた情報を情報取得部２３にて取得し、情報取得部２３にて取得した情報を演算処理部２６に入力する。そして、演算処理部２６にて学習済モデルを使用した演算処理を実行して、ビジョンセンサ１０２の誤判定に繋がるビジョンセンサ１０２の状態の変化が発生するまでの期間を推論する。つまり、学習装置部２２は、学習済モデルを使用した演算処理を実行して、画像判定装置の誤判定に繋がる画像判定装置の状態の変化が発生するまでの期間を推論する。学習装置部２２の構成や動作については後述する。

通知制御部１４ｂは、上述の実施の形態１で説明した、判定値比較部１３から出力される保守判定値と保守判定閾値との比較結果が、保守判定閾値に基づいて設定された通知条件を満たす場合に、ビジョンセンサ１０２の状態を確認することを促す保守通知情報を出力することに加えて、演算処理部２６が推論し、学習装置部２２から出力される推論結果に基づいてビジョンセンサ１０２の状態を確認することを促す保守通知情報を出力する。言い換えれば、通知制御部１４ｂは、実施の形態１で述べたように、第２の判定基準に基づいて保守判定値に対する判定を行った結果が、第２の判定基準に基づいて設定された通知条件を満たす場合に加えて、上述の推論結果に基づいて画像判定装置の状態を確認することを促す保守通知情報を出力する。

図７は、本実施の形態２に係る学習装置部２２の機能ブロックの一例を示す図である。

図７に示すように、学習装置部２２は、後述する学習済モデルを用いた演算処理に使用する情報、及び、後述する学習モデルを生成する際に使用する学習用データを取得する情報取得部２３、学習用データに基づいて、ビジョンセンサ１０２の誤判定に繋がるビジョンセンサ１０２の状態の変化が発生するまでの期間を推論する学習済モデルを生成するモデル生成部２４、学習済モデルを記憶するモデル記憶部２５、モデル記憶部２５に記憶された学習済モデルを読み出し、入力された情報に基づいて、ビジョンセンサ１０２の誤判定に繋がるビジョンセンサ１０２の状態の変化が発生するまでの期間を推論する演算処理を行う演算処理部２６を備えている。

以下に本実施の形態２に係る学習装置部２２で行う学習済モデルの生成について説明する。なお、モデル生成部２４が用いる学習アルゴリズムは教師あり学習、教師なし学習、強化学習等の公知のアルゴリズムを用いることができる。本実施の形態２では、一例としてニューラルネットワークを適用した例について説明する。

モデル生成部２４は、例えば、ニューラルネットワークモデルに従って、いわゆる教師あり学習により、ビジョンセンサ１０２の誤判定に繋がるビジョンセンサ１０２の状態の変化が発生するまでの期間を学習する。ここで、教師あり学習とは、ある入力と結果(ラベル)のデータの組を大量に学習装置に与えることで、それらの学習用データにある特徴を学習し、入力から結果を推論するモデルをいう。

ニューラルネットワークは、複数のニューロンからなる入力層、複数のニューロンからなる中間層(隠れ層)、及び複数のニューロンからなる出力層で構成される。中間層は、１層、又は２層以上でもよい。

例えば、図８に示すような３層のニューラルネットワークであれば、複数の入力が入力層に入力層（Ｘ１‐Ｘ３）に入力されると、その値に重みＷ１（ｗ１１‐ｗ１６）を掛けて中間層（Ｙ１‐Ｙ２）に入力され、その結果にさらに重みＷ２（ｗ２１‐ｗ２６）を掛けて出力層（Ｚ１‐Ｚ３）から出力される。この出力結果は、重みＷ１とＷ２の値によって変わる。

本実施の形態２において、ニューラルネットワークは、情報取得部２３によって取得される判定結果情報と累積稼働時間とを対応付けた情報と、この情報における累積稼働時間においてビジョンセンサ１０２の保守が必要であったか否かの情報の組合せに基づいて作成される学習用データに従って、いわゆる教師あり学習により、ビジョンセンサ１０２の誤判定に繋がるビジョンセンサ１０２の状態の変化が発生するまでの期間を学習する。

なお、ビジョンセンサ１０２の保守が必要であったか否かの情報とは、ビジョンセンサ１０２の機能を正常に保つための保守作業（固定位置の調整、ビジョンセンサ１０２の清掃、等）が必要であったか否かを示す情報である。累積稼働時間において、ビジョンセンサ１０２の状態が保守作業の必要な状態であれば保守要となり、保守作業が不要な状態であれば保守否となる。ここで、ビジョンセンサ１０２の保守が必要であったか否かの情報は、画像判定装置の保守が必要であったか否かの情報の一例である。

すなわち、ニューラルネットワークは、入力層に判定結果情報と累積稼働時間とを対応付けた情報を入力して出力層から出力された結果が、入力された情報における累積稼働時間にてビジョンセンサ１０２の保守が必要であったか否かに近づくように重みＷ１とＷ２を調整することで学習する。

モデル生成部２４は、以上のような学習を実行することで学習済モデルを生成し、出力する。

すなわち、モデル生成部２４で学習済モデルを生成する際には、情報取得部２３において、上述の累積稼働時間における判定結果情報と累積稼働時間とを対応付けた情報と、この情報における累積稼働時間にてビジョンセンサ１０２の保守が必要であったか否かの情報と、を学習用データとして取得する。

なお、累積稼働時間における判定結果情報と累積稼働時間とを対応付けた情報は、上述の判定結果記憶部１１ｂから取得すればよく、この情報における累積稼働時間にてビジョンセンサ１０２の保守が必要であったか否かの情報は、外部から入力してよい。また、累積判定時間における判定結果情報と累積稼働時間とを対応付けた情報と、この情報における累積稼働時間にてビジョンセンサ１０２の保守が必要であったか否かの情報とを対応付けて判定結果記憶部１１ｂに記憶しておいてもよい。

モデル生成部２４は、情報取得部２３で取得した累積稼働時間における判定結果情報と累積稼働時間とを対応付けた情報と、この情報における累積稼働時間にてビジョンセンサ１０２の保守が必要であったか否かの情報とを対応させた学習用データに基づいて、ビジョンセンサ１０２の誤判定に繋がるビジョンセンサ１０２の状態の変化が発生するまでの期間を上述のニューラルネットワークを用いて学習する。

すなわち、モデル生成部２４は、生産設備１５０に組付けられたビジョンセンサ１０２の累積稼働時間における判定結果情報、ビジョンセンサ１０２が組付けられた生産設備１５０の累積稼働時間、この累積稼働時間にてビジョンセンサ１０２の保守が必要であったか否かの情報、からビジョンセンサ１０２の誤判定に繋がるビジョンセンサ１０２の状態の変化が発生するまでの期間を推論する学習済モデルを生成する。言い換えれば、モデル生成部２４は、学習用データを用いて、画像判定装置の誤判定に繋がる画像判定装置の状態の変化が発生するまでの期間を推論する学習済モデルを生成する。

次に、図９を用いて、学習装置部２２が学習する処理について説明する。図９は学習装置部２２の学習処理に関するフローチャートである。

ステップＳ２０１において、情報取得部２３は累積稼働時間における判定結果情報と累積稼働時間とを対応付けた情報と、この情報における累積稼働時間にてビジョンセンサ１０２の保守が必要であったか否かの情報を取得する。なお、累積稼働時間における判定結果情報と累積稼働時間とを対応付けた情報と、この情報における累積稼働時間にてビジョンセンサ１０２の保守が必要であったか否かの情報を同時に取得するものとしてもよいし、累積稼働時間における判定結果情報と累積稼働時間とを対応付けた情報と、この情報における累積稼働時間にてビジョンセンサ１０２の保守が必要であったか否かの情報を関連づけて入力できれば良く、累積稼働時間における判定結果情報と累積稼働時間とを対応付けた情報と、この情報における累積稼働時間にてビジョンセンサ１０２の保守が必要であったか否かの情報のデータをそれぞれ別のタイミングで取得しても良い。これらの情報は学習用データの一例である。なお、ステップＳ２０１は、情報取得ステップの一例である。

ステップＳ２０２において、モデル生成部２４は、情報取得部２３によって取得される累積稼働時間における判定結果情報と累積稼働時間とを対応付けた情報と、この情報における累積稼働時間にてビジョンセンサ１０２の保守が必要であったか否かの情報の組合せに基づいて作成される学習用データに従って、いわゆる教師あり学習により、ビジョンセンサ１０２の誤判定に繋がるビジョンセンサ１０２の状態の変化が発生するまでの期間を学習し、学習済モデルを生成する。なお、ステップＳ２０２は、モデル生成ステップの一例である。

ステップＳ２０３において、モデル記憶部２５は、モデル生成部２４が生成した学習済モデルを記憶する（ステップＳ２０３）。

以下に、本実施の形態２における予知保守装置１ｂの動作及び予知保守方法について説明する。図１０は、予知保守装置１ｂの動作及び予知保守方法を示すフローチャートである。なお、上述の実施の形態１と同様のステップについては、同じ符号を付して説明を省略する。

予知保守装置１ｂは、生産システムＰＳの稼働に合わせて動作を開始する。図１０に示すように、予知保守装置１ｂは、以下のステップＳ１０１からステップＳ３０５で示す予知保守方法を実行して動作する。

予知保守装置１ｂは、上述の実施の形態１と同様にステップＳ１０１を判定結果情報を判定結果記憶部１１ｂに記憶するものとして実行する。また、累積稼働時間算出部２１において、ビジョンセンサ１０２が組付けられている生産設備１５０が稼働を開始したら稼働開始時間を記憶し、稼働を開始した生産設備１５０が稼働を終了したら稼働終了時間を記憶し、稼働開始時間と稼働終了時間に基づいて生産設備１５０の稼働時間を算出する。そして、判定結果記憶部１１ｂを参照し、既に累積稼働時間が記憶されている場合は、判定結果記憶部１１ｂに記憶されている最新の累積稼働時間と算出した稼働時間とを加算して、今回の累積稼働時間を算出する（ステップＳ３０１）。そして、稼働開始時間及び稼働終了時間を基準に累積稼働時間における判定結果情報と算出した今回の累積稼働時間とを対応付けて判定記憶部１１ｂに記憶する（ステップＳ３０２）。なお、ステップ３０１は、累積稼働時間算出ステップの一例である。

そして、上述の実施の形態１と同様にステップＳ１０２からステップＳ１０４を実行する。また、ステップＳ１０２からステップS１０４の実行に併せて、学習装置部２２は、情報取得部２３にて、判定結果記憶部１１ｂに記憶されている累積稼働時間における判定結果情報と累積稼働時間とを対応付けた情報を取得する（ステップＳ３０３）。そして、学習装置部２２は、取得した情報を演算処理部２６に入力し、演算処理部２６にて学習済モデルを使用した演算処理を実行して、ビジョンセンサ１０２の誤判定に繋がるビジョンセンサ１０２の状態の変化が発生するまでの期間を推論し推論結果を出力する（ステップＳ３０４）。つまり、学習装置部２２は、演算処理部２６にて学習済モデルを使用した演算処理を実行して、画像判定装置の誤判定に繋がる画像判定装置の状態の変化が発生するまでの期間を推論し推論結果を出力する。なお、ステップＳ３０３とステップＳ３０４とは、推論ステップの一例である。

通知制御部１４ｂは、ステップＳ１０３で出力された第１に比較結果と第２の比較結果とが、保守判定閾値に基づいて設定されている通知条件を満たす場合に、ビジョンセンサ１０２の確認を促す保守通知情報を出力することに加えて、学習装置部２２から出力される推論結果に基づいてビジョンセンサ１０２の状態を確認することを促す保守通知情報を出力する（ステップＳ３０５）。言い換えれば、ステップＳ３０５は、実施の形態１で述べたように、第２の判定基準に基づいて保守判定値に対する判定を行った結果が、第２の判定基準に基づいて設定された通知条件を満たす場合に加えて、上述の推論結果に基づいて画像判定装置の状態を確認することを促す保守通知情報を出力するステップである。なお、ステップＳ３０５は、通知制御ステップの一例である。

具体的には、ステップＳ３０５において、通知制御部１４ｂは、ステップＳ１０３で出力された比較結果が通知条件を満たす場合、保守通知情報を出力し、通知条件を満たさない場合は保守通知情報を出力しない。さらに、推論結果が、例えば、１００時間稼働後にビジョンセンサ１０２の誤判定に繋がるビジョンセンサ１０２の状態の変化が発生である場合には、推論結果に基づいて、ステップＳ２０２にて取得した累積稼働時間に対して、１００時間加算した時間の情報を含んだビジョンセンサ１０２の確認を促す保守通知情報を出力する。なお、推論結果に基づいて、保守通知情報を出力する場合、ステップＳ２０２にて取得した累積稼働時間から、さらに１００時間ビジョンセンサ１０２が組付けられている生産設備１５０を稼働したときに、保守通知情報を出力することとしてもよい。

ステップＳ３０５で出力された保守通知情報は、上述の実施の形態１と同様に任意の形態にてユーザに知らせられる。以上のステップＳ３０５を完了したら予知保守装置１は動作を終了する。

以上により、本実施の形態２における予知保守装置１ｂ及び予知保守方法によれば、上述の実施の形態１同様に画像判定装置の誤判定に繋がる画像判定装置の状態の変化を予め知らせることができる。さらに、学習装置部２２による推論を用いることで、将来的な画像判定装置の誤判定に繋がる画像判定装置の状態の変化を予め知らせることができる。

また、本実施の形態２における予知保守装置１ｂ及び予知保守方法によれば、判定結果記憶部１１ｂに累稼働時間における判定結果情報と累積稼働時間とを対応付けて記憶しておき、学習装置部２２における学習済モデルを生成するための学習処理、及び、学習済モデルを使用した演算処理部２６の演算処理に、累稼働時間における判定結果情報（つまり、位置ずれ量における平均値、及び、一致度における平均値）を使用しているため、画像判定装置が判定した判定結果の中に、極端な不良品を判定した結果が含まれていたとしても、極端な不良品を判定した結果の影響を小さくし、より高精度な学習済モデルの生成が行え、且つ、極端な不良品を判定した結果の影響を小さくした画像判定装置の状態の変化による保守に関わる通知を出力することができる。

以上の実施の形態に示した構成は、本開示の内容の一例を示すものであり、別の公知の技術と組み合わせることも可能であるし、本開示の要旨を逸脱しない範囲で、構成の一部を省略、変更することも可能である。

上述の実施の形態１及び実施の形態２において、ビジョンセンサ１０２により検査対象Ｃに対して良又は不良の判定を行い判定結果情報を出力する形態を説明したが、このような形態に限られるものではない。例えば、画像判定装置のカメラが取得した所定の情報を基に、画像判定装置からの情報を使って、判定機構として機能する演算端末にて検査対象Ｃに対して良又は不良の判定を行い、演算端末から判定結果情報を出力する形態としてもよい。

上述の実施の形態１及び実施の形態２において、保守判定値として、ずれ量平均値及び一致度平均値のような統計値を用いたが、保守判定値として統計値を用いなくともよい。例えば、ずれ量や一致度を所定周期事に抽出して、保守判定値としてもよい。このような場合でも、保守のための判定基準が、検査対象Ｃの良又は不良を判定するための判定基準より高くなるように設定されているため、画像判定装置の誤判定に繋がる画像判定装置の状態の変化を予め知らせることができる。

上述の実施の形態１及び実施の形態２において、保守判定値として、ずれ量平均値及び一致度平均値を用いたが、これらは平均値に限られるものではない。つまり、統計をとって数値として表した統計値（例えば、標準偏差、等）を用いてもよい。

また、保守判定値としてずれ量平均値及び一致度平均値との２つを用いたが、保守判定値は、これら２つでなくともよく、例えば、一致度平均値等の１つの保守判定値を決定してもよいし、２つ以上の複数の保守判定値を決定してもよい。

また、保守判定閾値についても、用いる保守判定値の数に併せて、設定すればよい。

上述の実施の形態１及び実施の形態２において、予知保守装置１、１ｂとして、プログラマブル表示器１０３を用いる場合を説明したが、予知保守装置１，１ｂは他の装置を用いて実現することとしてよい。例えば、各種演算装置等の機器によって実現されてもよいし、複数の機器を用いて、機能ブロックを分けて実行させる形態としてもよい。複数の機器を用いる場合、それらの機器群によって予知保守装置が実現されていることとなる。

上述の実施の形態２において、累積稼働時間として、ビジョンセンサ１０２が組付けられた生産設備１５０の稼働時間を累積した時間を累積稼働時間として算出したが、累積稼働時間を算出する対象は、ビジョンセンサ１０２が組付けられた生産設備１５０を有する生産ライン１００の稼働時間を対象としてもよい。また、ビジョンセンサ１０２の稼働時間を対象としてもよい。このような場合でも、少なくとも画像判定装置の稼働時間を累積した累積稼働時間を算出していると言える。

上述の実施の形態２において、学習装置部２２を予知保守装置１ｂの機能ブロックとして説明したが、学習装置部２２を構成する機能ブロックを予知保守装置１ｂの外部に備えられたプログラマブル表示器や各種演算端末等の機器で実行することとしてもよい。つまり、学習装置部２２を構成する機能ブロックを実行する機器は学習装置２となる。このような場合であっても、学習装置２から推論結果を出力することができるため、将来的な画像判定装置の誤判定に繋がる画像判定装置の状態の変化を予め知らせることができる。

ＰＳ 生産システム、１５０ 生産設備、１０１ 制御装置、１０２ ビジョンセンサ、１０３ プログラマブル表示器、１ １ｂ 予知保守装置、１１ １１ｂ 判定結果記憶部、１２ 判定値決定部、１３ 判定値比較部、１４ １４ｂ 通知制御部、２ 学習装置、２１ 累積稼働時間算出部、２２ 学習装置部、２３ 情報取得部、２４ モデル生成部、２５ モデル記憶部、２６ 演算処理部。

Claims (7)

1. 検査対象の良又は不良を判定するための判定基準となる第１の判定基準に基づいて前記検査対象に対して前記判定を行う画像判定装置から出力される判定結果情報を記憶する判定結果記憶部と、
   前記判定結果記憶部に記憶されている前記判定結果情報に基づいて保守判定値を決定する判定値決定部と、
   前記第１の判定基準より前記判定基準が高くなるように設定された第２の判定基準に基づいて前記保守判定値に対する判定を行った結果が、前記第２の判定基準に基づいて設定された通知条件を満たす場合に、前記画像判定装置の確認を促す保守通知情報を出力する通知制御部と、
   少なくとも前記画像判定装置の稼働時間を累積して累積稼働時間を算出する累積稼働時間算出部と、
   前記判定結果情報、及び、前記累積稼働時間を取得し、学習済モデルを用いて演算処理を行うことで、前記画像判定装置の誤判定に繋がる前記画像判定装置の状態の変化が発生するまでの期間を推論し推論結果を出力する学習装置部と、を備え、
   前記通知制御部は、前記通知条件を満たす場合に加えて、前記推論結果に基づいて、前記保守通知情報を出力する予知保守装置。
2. 前記判定結果記憶部は、複数の前記判定結果情報を記憶し、
   前記判定結果情報は、前記検査対象と前記画像判定装置のマスター画像との一致度を示す一致度の情報を含んでおり、
   前記保守判定値は、複数の前記判定結果情報に含まれる複数の前記一致度の情報から統計をとった統計値を含んでいる
   請求項１に記載の予知保守装置。
3. 前記学習装置部は、前記判定結果情報、前記累積稼働時間、及び、前記累積稼働時間において前記画像判定装置の保守が必要であったか否かの情報を含む学習用データを取得する情報取得部と、
   前記学習用データを用いて、前記画像判定装置の誤判定に繋がる前記画像判定装置の状態の変化が発生するまでの期間を推論する前記学習済モデルを生成するモデル生成部と、
   を備える請求項１または２に記載の予知保守装置。
4. 検査対象の良又は不良を判定するための判定基準となる第１判定基準に基づいて前記検査対象に対して前記判定を行う画像判定装置から出力される判定結果情報と、少なくとも前記画像判定装置の稼働時間を累積して算出された累積稼働時間と、を取得する情報取得部と、
   前記判定結果情報、及び、前記累積稼働時間を取得し、学習済モデルを用いて演算処理を行うことで、前記画像判定装置の誤判定に繋がる前記画像判定装置の状態の変化が発生するまでの期間を推論し推論結果を出力する演算処理部と、
   を備える学習装置。
5. 前記情報取得部は、前記判定結果情報、前記累積稼働時間、及び、前記累積稼働時間において前記画像判定装置の保守が必要であったか否かの情報を含む学習用データを取得し、
   前記学習用データを用いて、前記画像判定装置の誤判定に繋がる前記画像判定装置の状態の変化が発生するまでの期間を推論する前記学習済モデルを生成するモデル生成部、
   を備える請求項４に記載の学習装置。
6. 検査対象の良又は不良を判定するための判定基準となる第１の判定基準に基づいて前記検査対象に対して前記判定を行う画像判定装置から出力される判定結果情報を記憶する判定結果記憶ステップと、
   前記判定結果記憶ステップで記憶した前記判定結果情報に基づいて保守判定値を決定する判定値決定ステップと、
   前記第１の判定基準より前記判定基準が高くなるように設定された第２の判定基準に基づいて前記保守判定値に対する判定を行った結果が、前記第２の判定基準に基づいて設定された通知条件を満たす場合に、前記画像判定装置の確認を促す保守通知情報を出力する通知制御ステップと、
   少なくとも前記画像判定装置の稼働時間を累積して累積稼働時間を算出する累積稼働時間算出ステップと、
   前記判定結果情報、及び、前記累積稼働時間を取得し、学習済モデルを用いて演算処理を行うことで、前記画像判定装置の誤判定に繋がる前記画像判定装置の状態の変化が発生するまでの期間を推論し推論結果を出力する推論ステップと、を備え、
   前記通知制御ステップは、前記通知条件を満たす場合に加えて、前記推論結果に基づいて、前記保守通知情報を出力する予知保守方法。
7. 前記判定結果情報、前記累積稼働時間、及び、前記累積稼働時間において前記画像判定装置の保守が必要であったか否かの情報を含む学習用データを取得する情報取得ステップと、
   前記学習用データを用いて、前記画像判定装置の誤判定に繋がる前記画像判定装置の状態の変化が発生するまでの期間を推論する前記学習済モデルを生成するモデル生成ステップと、
   を備える請求項６に記載の予知保守方法。

Images