JP7205751B2 - 噛み込み検知システム - Google Patents

Description

本開示は、噛み込み検知システムに関する。

従来、食品等の物品を包装袋に包んで、包装袋を溶着及び切断して、物品を小分けに包装する包装機が用いられている。包装機では、物品を噛み込んだ状態で包装袋を閉じてしまう噛み込みが発生することがある。

下記特許文献１には、被検出物体の位置の適否を判別する処理を実行する近接センサが記載されている。近接センサは、被検出物体までの距離を一定の回数分だけサンプリングし、一周期分のサンプリングが行われる度に、サンプリングした値を過去の対応する時期にサンプリングした値と比較して、被検出物体の位置の適否を判別する。

実用新案登録第３０９３８５２号公報

特許文献１に記載の技術によって、溶着切断時に噛み込みが生じていないか精度良く判定することができる。ここで、噛み込み検知のためには、サンプリングした値と、過去の対応する時期にサンプリングした値との比較基準となる閾値を設定する必要がある。

しかしながら、包装袋等の対象物を加工する加工部は、繰り返し動作の一周期の間に複数の動作を実行することがある。その場合、複数の動作毎に噛み込み検知のための閾値を設定する必要が生じて、設定が困難となり、噛み込み検知の精度を十分に高められないおそれがある。

そこで、本発明は、閾値の設定が容易であり、噛み込み検知の精度を容易に高められる噛み込み検知システムを提供する。

本開示の一態様に係る噛み込み検知システムは、繰り返し動作により対象物を加工する加工部と、加工部の変位を表す変位データを測定するセンサと、所定期間にセンサにより測定された変位データを、機械学習により生成された学習済みモデルに入力して、学習済みモデルの出力に基づいて、所定期間の後にセンサにより測定されると予測される予測データを生成する予測部と、所定期間の後にセンサにより測定された変位データと予測データとの差と、閾値との比較に基づいて、加工部の噛み込みを判定する判定部と、を備える。

この態様によれば、予測部によってセンサにより測定されると予測される予測データを生成し、実際にセンサにより測定された変位データと予測データとの差を閾値と比較して噛み込みを判定することで、加工部によって繰り返し動作の一周期の間に複数の動作を実行する場合であっても、動作の数に関わらず一つの閾値を設定すればよく、閾値の設定が容易であり、噛み込み検知の精度を容易に高められる。

上記態様において、所定期間にセンサにより測定された変位データを含む学習用データを用いて学習モデルの機械学習を実行し、学習済みモデルを生成する学習部をさらに備えてもよい。

この態様によれば、学習済みモデルによって、所定期間の後にセンサにより測定されると予測される予測データを生成することができ、変位データが複雑な波形である場合であっても、噛み込み検知の精度を高めることができる。

上記態様において、加工部の繰り返し動作を表す位置データを測定する位置センサをさらに備え、学習部は、所定期間にセンサにより測定された変位データ及び所定期間に位置センサにより測定された位置データを含む学習用データを用いて学習モデルの機械学習を実行し、学習済みモデルを生成してもよい。

この態様によれば、加工部の繰り返し動作を表す位置データを学習用データに含めることで、加工部によって繰り返し動作の一周期の間に複数の動作を実行する場合であっても、動作を識別してセンサにより測定されると予測される予測データを生成する学習済みモデルを生成することができる。

上記態様において、予測部は、所定期間にセンサにより測定された変位データ及び所定期間に位置センサにより測定された位置データを学習済みモデルに入力して、学習済みモデルの出力に基づいて、所定期間の後にセンサにより測定されると予測される予測データを生成してもよい。

この態様によれば、加工部によって繰り返し動作の一周期の間に複数の動作を実行する場合であっても、位置データに基づいて動作を識別してセンサにより測定されると予測される予測データを生成し、より高精度に噛み込みを検知することができる。

上記態様において、加工部は、繰り返し動作の一周期に対象物を複数回溶着及び切断する複数の溶着切断部を含んでもよい。

この態様によれば、加工部によって繰り返し動作の一周期の間に対象物を複数回溶着及び切断する場合であっても、一周期あたりの溶着及び切断の回数に関わらず一つの閾値を設定すればよく、閾値の設定が容易であり、噛み込み検知の精度を容易に高められる。

上記態様において、複数の溶着切断部は、回転動作により対象物を溶着及び切断し、
位置センサは、複数の溶着切断部の角位置を測定するロータリエンコーダを含んでもよい。

この態様によれば、ロータリエンコーダによって、複数の溶着切断部の角位置を測定することで、溶着切断部によって回転動作の一周期の間に対象物を複数回溶着及び切断する場合であっても、角位置に基づいて動作を識別してセンサにより測定されると予測される予測データを生成し、より高精度に噛み込みを検知することができる。

上記態様において、判定部は、位置データに基づき、複数の溶着切断部のうち噛み込みが発生した溶着切断部を判定してもよい。

この態様によれば、複数の溶着切断部によって繰り返し動作の一周期の間に複数の動作を実行する場合であっても、位置データに基づき、複数の溶着切断部のうち噛み込みが発生した溶着切断部を特定することができ、より高精度に噛み込みを検知することができる。

上記態様において、判定部は、所定期間の後にセンサにより測定された変位データと、予測データとの差に基づいて、加工部の消耗を判定してもよい。

この態様によれば、加工部が摩耗することにより変位データに恒常的なずれが生じることを利用して、加工部のメンテナンス要否を判定することができる。

本発明によれば、閾値の設定が容易であり、噛み込み検知の精度を容易に高められる噛み込み検知システムが提供される。

本発明の実施形態に係る噛み込み検知システムの概要を示す図である。 本実施形態に係るマスタユニットの機能ブロックを示す図である。 本実施形態に係る噛み込み検知システムにより測定される変位データ及び位置データの例を示す図である。 本実施形態に係る噛み込み検知システムにより実行される機械学習処理のフローチャートである。 本実施形態に係る噛み込み検知システムにより測定される変位データ及び位置データと、予測データとの例を示す図である。 本実施形態に係る噛み込み検知システムにより実行される噛み込み検知処理のフローチャートである。

以下、本発明の一側面に係る実施の形態（以下、「本実施形態」と表記する。）を、図面に基づいて説明する。なお、各図において、同一の符号を付したものは、同一又は同様の構成を有する。

図１は、本発明の実施形態に係る噛み込み検知システム１の概要を示す図である。噛み込み検知システム１は、フィルム材１００によって物品を包み、フィルム材１００を送りながら溶着及び切断して、物品を小分けに包装する包装機における噛み込みを検知する。

噛み込み検知システム１は、繰り返し動作により対象物を加工する加工部を備える。本実施形態において、加工部は、繰り返し動作の一周期に対象物であるフィルム材１００を複数回溶着及び切断する複数の溶着切断部５０ａ，５０ｂ，６０ａ，６０ｂを含む。噛み込み検知システム１は、フィルム材１００を送りながら溶着切断部５０ａ，５０ｂ，６０ａ，６０ｂを回転動作させ、溶着切断部５０ａと溶着切断部６０ａを一組として溶着及び切断を行い、溶着切断部５０ｂと溶着切断部６０ｂを一組として溶着及び切断を行う。

噛み込み検知システム１は、加工部の変位を表す変位データを測定する近接センサ３０を備える。本実施形態では、近接センサ３０は、溶着切断部５０ａ，５０ｂの変位に連動して動く金属板９０の変位データを測定する。ここで、溶着切断部５０ａ，５０ｂは、フィルム材１００を溶着及び切断する際に、フィルム材１００の送り方向と直交する方向に僅かに変位する。この変位量は、フィルム材１００を正常に溶着及び切断した場合と、異物を噛み込んでしまった場合とで異なる。なお、加工部の変位を表す変位データを測定するセンサは、近接センサ以外であってもよく、レーザ測距センサ、共焦点センサ又は超音波センサ等であってもよい。

噛み込み検知システム１は、加工部の繰り返し動作を表す位置データを測定する位置センサを備える。本実施形態では、噛み込み検知システム１は、溶着切断部５０ａ，５０ｂの角位置を測定するロータリエンコーダ３１を含む。ロータリエンコーダ３１は、溶着切断部５０ａ，５０ｂの回転角を測定する。なお、加工部が回転動作ではなくピストン動作等の往復動作を行うものである場合、位置センサは、往復動作の位置を表す位置データを測定するものであってよい。

近接センサ３０により測定された変位データと、ロータリエンコーダ３１により測定された位置データとは、マスタユニット１０により取得され、溶着切断部５０ａ，５０ｂ，６０ａ，６０ｂにおいて噛み込みが発生しているか判定される。判定結果は、上位機器であるＰＣ（Personal Computer）２０やＰＬＣ（Programable Logic Controller）４０に送信されてよい。また、ユーザは、ＰＣ２０やＰＬＣ４０を介して、マスタユニット１０を設定してよい。

図２は、本実施形態に係るマスタユニット１０の機能ブロックを示す図である。マスタユニット１０は、取得部１１、記憶部１２、学習部１３、予測部１４、判定部１５及び通信部１６を備える。

取得部１１は、近接センサ３０から加工部の変位を表す変位データを取得し、ロータリエンコーダ３１から加工部の繰り返し動作を表す位置データを取得する。変位データ及び位置データは、時系列データであってよく、取得部１１は、継続的に変位データ及び位置データを取得してよい。もっとも、取得部１１は、変位データ及び位置データを間欠的に取得してもよい。

記憶部１２は、学習用データ１２ａ、学習済みモデル１２ｂ及び閾値１２ｃを記憶する。学習用データ１２ａは、所定期間に近接センサ３０により測定された変位データを含み、所定期間に位置センサ（本実施形態ではロータリエンコーダ３１）により測定された位置データを含んでもよい。学習済みモデル１２ｂは、学習用データ１２ａを用いた機械学習によって生成され、所定期間に近接センサ３０により測定された変位データを入力として、所定期間の後に近接センサ３０により測定されると予測される予測データを生成するモデルであってよい。また、学習済みモデル１２ｂは、所定期間に近接センサ３０により測定された変位データ及び所定期間に位置センサにより測定された位置データを入力として、所定期間の後に近接センサ３０により測定されると予測される予測データを生成するモデルであってもよい。学習済みモデル１２ｂは、例えばニューラルネットワークや二分木で構成されてよい。なお、本例では、１種類の学習用データ１２ａと１種類の学習済みモデル１２ｂを記憶している場合を示しているが、学習用データ１２ａ及び学習済みモデル１２ｂは、複数種類記憶されてもよく、噛み込みの種類によって複数種類の学習済みモデル１２ｂを使い分けることとしてもよい。なお、閾値１２ｃは、判定部１５による判定に用いられる。

学習部１３は、学習用データ１２ａを用いて学習モデルの機械学習を実行し、学習済みモデル１２ｂを生成する。なお、複数の溶着切断部５０ａ，５０ｂ，６０ａ，６０ｂの回転速度を変更した場合等、加工部の動作条件を変更した場合には、学習部１３によって、学習済みモデル１２ｂの再学習を行ってよい。学習部１３により生成される学習済みモデル１２ｂによって、所定期間の後に近接センサ３０により測定されると予測される予測データを生成することができ、変位データが複雑な波形である場合であっても、噛み込み検知の精度を高めることができる。また、加工部の繰り返し動作を表す位置データを学習用データに含めることで、加工部によって繰り返し動作の一周期の間に複数の動作を実行する場合であっても、動作を識別して近接センサ３０により測定されると予測される予測データを生成する学習済みモデル１２ｂを生成することができる。

予測部１４は、所定期間に近接センサ３０により測定された変位データを、機械学習により生成された学習済みモデル１２ｂに入力して、学習済みモデル１２ｂの出力に基づいて、所定期間の後に近接センサ３０により測定されると予測される予測データを生成する。予測部１４は、所定期間に近接センサ３０により測定された変位データ及び所定期間に位置センサ（ロータリエンコーダ３１）により測定された位置データを学習済みモデル１２ｂに入力して、学習済みモデル１２ｂの出力に基づいて、所定期間の後に近接センサ３０により測定されると予測される予測データを生成してもよい。学習済みモデル１２ｂの入力に位置データを含めることで、加工部によって繰り返し動作の一周期の間に複数の動作を実行する場合であっても、位置データに基づいて動作を識別して近接センサ３０により測定されると予測される予測データを生成し、より高精度に噛み込みを検知することができる。

判定部１５は、所定期間の後に近接センサ３０により測定された変位データと予測データとの差と、閾値１２ｃとの比較に基づいて、加工部の噛み込みを判定する。ここで、変位データと予測データとの差は、同時刻に関する両データの差であってよい。また、閾値１２ｃは、ユーザによって任意に設定されてよいが、通常時の変位データと予測データとの差の標準偏差に基づいて、例えば標準偏差の２倍を閾値１２ｃとして自動的に設定してもよい。また、閾値１２ｃは、通常時の変位データと予測データとの差の最大値に基づいて設定してもよいし、通常時の変位データと予測データとの差の平均値に基づいて設定してもよい。なお、判定部１５は、変位データ及び予測データの少なくともいずれかを変換したデータを用いてもよい。例えば、判定部１５は、変位データ及び予測データを平滑化したデータを用いたり、フーリエ変換したデータを用いたり、正規化したデータを用いたりしてよい。

本実施形態に係る噛み込み検知システム１によれば、予測部１４によって近接センサ３０により測定されると予測される予測データを生成し、実際に近接センサ３０により測定された変位データと予測データとの差を閾値１２ｃと比較して噛み込みを判定することで、加工部によって繰り返し動作の一周期の間に複数の動作を実行する場合であっても、動作の数に関わらず一つの閾値１２ｃを設定すればよく、閾値１２ｃの設定が容易であり、噛み込み検知の精度を容易に高められる。

判定部１５は、ロータリエンコーダ３１等の位置センサにより測定される位置データに基づき、複数の溶着切断部５０ａ，５０ｂ，６０ａ，６０ｂのうち噛み込みが発生した溶着切断部を判定してもよい。これにより、複数の溶着切断部５０ａ，５０ｂ，６０ａ，６０ｂによって繰り返し動作の一周期の間に複数の動作を実行する場合であっても、位置データに基づき、複数の溶着切断部５０ａ，５０ｂ，６０ａ，６０ｂのうち噛み込みが発生した溶着切断部を特定することができ、より高精度に噛み込みを検知することができる。

判定部１５は、所定期間の後に近接センサ３０により測定された変位データと、予測データとの差に基づいて、加工部の消耗を判定してもよい。例えば、判定部１５は、通常時の変位データと予測データとの差の標準偏差を算出しておき、変位データと予測データとの差が、恒常的に標準偏差以上片側にずれている場合、加工部が摩耗していたり、加工部とフィルム材１００の位置決めが誤っていたりする可能性があると判定してよい。判定部１５により加工部が消耗していると判定された場合、ＰＣ２０やＰＬＣ４０にその旨を通知してよい。このように、加工部が摩耗することにより変位データに恒常的なずれが生じることを利用して、加工部のメンテナンス要否を判定することができる。

通信部１６は、ＰＣ２０及びＰＬＣ４０との通信を行うインターフェースである。通信部１６は、ＰＣ２０及びＰＬＣ４０以外の外部機器との通信を行うものであってもよく、インターネット等の通信ネットワークに接続されてもよい。

図３は、本実施形態に係る噛み込み検知システム１により測定される変位データｖ及び位置データｗの例を示す図である。同図では、横軸に時間を示し、縦軸に測定値を示して、変位データｖ及び位置データｗの時間変化を表すグラフを示している。なお、同図に示す位置データｗは、複数の溶着切断部５０ａ，５０ｂ，６０ａ，６０ｂいずれかについて、フィルム材１００の送り方向に直交する方向の位置を示すデータであり、複数の溶着切断部５０ａ，５０ｂ，６０ａ，６０ｂの角位置を間接的に示すデータである。同図では、変位データｖを実線で示し、位置データｗを破線で示している。

噛み込み検知システム１は、所定期間に近接センサ３０により測定された変位データ｛ｖ（ｔ－ｎ），ｖ（ｔ－ｎ＋１），…，ｖ（ｔ）｝及び所定期間に位置センサ（ロータリエンコーダ３１）により測定された位置データ｛ｗ（ｔ－ｎ），ｗ（ｔ－ｎ＋１），…，ｗ（ｔ）｝を学習用データ１２ａとして記憶してよい。ここで、所定期間は任意に設定することができるが、例えば、加工部の繰り返し動作の周期の整数倍であってよい。また、位置データｗに基づいて、複数の溶着切断部５０ａ，５０ｂ，６０ａ，６０ｂによってフィルム材１００を溶着及び切断する前後の期間に測定された変位データｖを学習用データ１２ａに含めることとしてもよい。

図４は、本実施形態に係る噛み込み検知システム１により実行される機械学習処理のフローチャートである。はじめに、噛み込み検知システム１は、所定期間に近接センサ３０により測定された変位データを取得し（Ｓ１０）、所定期間にロータリエンコーダ３１により測定された位置データを取得する（Ｓ１１）。

そして、噛み込み検知システム１は、取得されたデータを含む学習用データを用いた学習モデルの機械学習を実行する（Ｓ１２）。噛み込み検知システム１は、学習モデルの精度が目標値以上であるか判定し（Ｓ１３）、学習モデルの精度が目標値以上でない場合（Ｓ１３：ＮＯ）、変位データの取得（Ｓ１０）、位置データの取得（Ｓ１１）及び機械学習の実行（Ｓ１２）を繰り返す。

一方、学習モデルの精度が目標値以上である場合（Ｓ１３：ＹＥＳ）、噛み込み検知システム１は、学習済みモデルを記憶する（Ｓ１４）。以上により、機械学習処理が終了する。

図５は、本実施形態に係る噛み込み検知システム１により測定される変位データｖ及び位置データｗと、予測データｐとの例を示す図である。同図では、横軸に時間を示し、縦軸に測定値を示して、変位データｖ及び位置データｗと、予測データｐとの時間変化を表すグラフを示している。同図では、変位データｖを実線で示し、位置データｗを破線で示し、予測データｐを点線で示している。

噛み込み検知システム１は、所定期間に近接センサ３０により測定された変位データ｛ｖ（ｔ－ｎ），ｖ（ｔ－ｎ＋１），…，ｖ（ｔ）｝及び所定期間に位置センサ（ロータリエンコーダ３１）により測定された位置データ｛ｗ（ｔ－ｎ），ｗ（ｔ－ｎ＋１），…，ｗ（ｔ）｝を学習済みモデル１２ｂに入力して、学習済みモデル１２ｂの出力に基づいて、所定期間の後に近接センサ３０により測定されると予測される予測データｐを生成する。ここで、所定期間は任意に設定することができるが、例えば、加工部の繰り返し動作の周期の整数倍であってよい。

判定部１５は、所定期間の後に近接センサ３０により実際に測定された変位データｖと予測データｐとの差が閾値１２ｃより大きい場合に、加工部において噛み込みが発生したと判定する。図５の例では、所定期間の後に近接センサ３０により実際に測定された変位データｖと予測データｐとの差が比較的大きくなっており、噛み込みが発生したことを示唆している。

加工部は、繰り返し動作の一周期に対象物を複数回溶着及び切断する複数の溶着切断部５０ａ，５０ｂ，６０ａ，６０ｂを含んでよく、この場合、変位データｖは、加工部の繰り返し動作の一周期に複数のピークを有する。このような場合、複数の溶着及び切断動作毎に閾値を設定することとなると、設定が困難であり、結果として噛み込み検知の精度も低くなることがある。本実施形態に係る噛み込み検知システム１によれば、加工部によって繰り返し動作の一周期の間に対象物１００を複数回溶着及び切断する場合であっても、一周期あたりの溶着及び切断の回数に関わらず一つの閾値を設定すればよく、閾値の設定が容易であり、噛み込み検知の精度を容易に高められる。

また、複数の溶着切断部５０ａ，５０ｂ，６０ａ，６０ｂは、回転動作により対象物１００を溶着及び切断し、位置センサは、複数の溶着切断部５０ａ，５０ｂ，６０ａ，６０ｂの角位置を測定するロータリエンコーダ３１を含んでよい。ロータリエンコーダ３１によって、複数の溶着切断部５０ａ，５０ｂ，６０ａ，６０ｂの角位置を測定することで、溶着切断部５０ａ，５０ｂ，６０ａ，６０ｂによって回転動作の一周期の間に対象物１００を複数回溶着及び切断する場合であっても、角位置に基づいて動作を識別して近接センサ３０により測定されると予測される予測データを生成し、より高精度に噛み込みを検知することができる。また、複数の溶着切断部５０ａ，５０ｂ，６０ａ，６０ｂの角位置に基づいて、複数の溶着切断部５０ａ，５０ｂ，６０ａ，６０ｂのうち噛み込みが発生した溶着切断部を判定することができる。

図６は、本実施形態に係る噛み込み検知システム１により実行される噛み込み検知処理のフローチャートである。はじめに、噛み込み検知システム１は、所定期間に近接センサ３０により測定された変位データを取得し（Ｓ２０）、所定期間にロータリエンコーダ３１により測定された位置データを取得する（Ｓ２１）。

そして、噛み込み検知システム１は、取得されたデータを学習済みモデル１２ｂに入力し、予測データを生成する（Ｓ２２）。噛み込み検知システム１は、予測データと実測された変位データの乖離が閾値以上であるか判定し（Ｓ２３）、乖離が閾値以上でない場合（Ｓ２３：ＮＯ）、変位データの取得（Ｓ２０）、位置データの取得（Ｓ２１）及び予測データの生成（Ｓ２２）を繰り返す。

一方、予測データと実測された変位データの乖離が閾値以上である場合（Ｓ２３：ＹＥＳ）、噛み込み検知システム１は、噛み込みを検知し、加工部において噛み込みが発生したことをＰＣ２０やＰＬＣ４０に通知する（Ｓ２４）。以上により、噛み込み検知処理が終了する。

以上説明した実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。実施形態が備える各要素並びにその配置、材料、条件、形状及びサイズ等は、例示したものに限定されるわけではなく適宜変更することができる。また、異なる実施形態で示した構成同士を部分的に置換し又は組み合わせることが可能である。

［附記１］
繰り返し動作により対象物（１００）を加工する加工部（５０ａ，５０ｂ，６０ａ，６０ｂ）と、
前記加工部（５０ａ，５０ｂ，６０ａ，６０ｂ）の変位を表す変位データを測定するセンサ（３０）と、
所定期間に前記センサ（３０）により測定された前記変位データを、機械学習により生成された学習済みモデル（１２ｂ）に入力して、前記学習済みモデル（１２ｂ）の出力に基づいて、前記所定期間の後に前記センサ（３０）により測定されると予測される予測データを生成する予測部（１４）と、
前記所定期間の後に前記センサ（３０）により測定された前記変位データと前記予測データとの差と、閾値との比較に基づいて、前記加工部（５０ａ，５０ｂ，６０ａ，６０ｂ）の噛み込みを判定する判定部（１５）と、
を備える噛み込み検知システム（１）。

１…噛み込み検知システム、１０…マスタユニット、１１…取得部、１２…記憶部、１２ａ…学習用データ、１２ｂ…学習済みモデル、１２ｃ…閾値、１３…学習部、１４…予測部、１５…判定部、１６…通信部、２０…ＰＣ、３０…近接センサ、３１…ロータリエンコーダ、４０…ＰＬＣ、５０ａ，５０ｂ，６０ａ，６０ｂ…溶着切断部、９０…金属板、１００…フィルム材

Claims (7)

1. 繰り返し動作の一周期に対象物を複数回溶着及び切断する複数の溶着切断部を含む加工部と、
   前記加工部の継続的な変位を表す変位データを測定するセンサと、
   前記加工部の繰り返し動作を表す位置データを測定する位置センサと、
   前記加工部の繰り返し動作の周期の整数倍である所定期間に前記センサにより測定された前記変位データ及び前記位置センサにより測定された前記位置データを、機械学習により生成された学習済みモデルに入力して、前記学習済みモデルの出力に基づいて、前記所定期間の後に前記センサにより測定されると予測される前記加工部の継続的な変位を表す予測データを生成する予測部と、
   前記所定期間の後に前記センサにより実際に測定された前記変位データと前記予測データとの前記繰り返し動作中の同じ位置における差と、予め設定された唯一の閾値との比較に基づいて、前記加工部の噛み込みを判定する判定部と、
   を備える噛み込み検知システム。
2. 前記所定期間に前記センサにより測定された前記変位データを含む学習用データを用いて学習モデルの機械学習を実行し、前記学習済みモデルを生成する学習部をさらに備える、
   請求項１に記載の噛み込み検知システム。
3. 前記学習部は、前記所定期間に前記センサにより測定された前記変位データ及び前記所定期間に前記位置センサにより測定された前記位置データを含む前記学習用データを用いて前記学習モデルの機械学習を実行し、前記学習済みモデルを生成する、
   請求項２に記載の噛み込み検知システム。
4. 前記予測部は、前記所定期間に前記センサにより測定された前記変位データ及び前記所定期間に前記位置センサにより測定された前記位置データを前記学習済みモデルに入力して、前記学習済みモデルの出力に基づいて、前記所定期間の後に前記センサにより測定されると予測される前記予測データを生成する、
   請求項３に記載の噛み込み検知システム。
5. 前記複数の溶着切断部は、回転動作により前記対象物を溶着及び切断し、
   前記位置センサは、前記複数の溶着切断部の角位置を測定するロータリエンコーダを含む、
   請求項３又は４に記載の噛み込み検知システム。
6. 前記判定部は、前記位置データに基づき、前記複数の溶着切断部のうち噛み込みが発生した溶着切断部を判定する、
   請求項５に記載の噛み込み検知システム。
7. 前記判定部は、前記所定期間の後に前記センサにより測定された前記変位データと、前記予測データとの差に基づいて、前記加工部の消耗を判定する、
   請求項１から６のいずれか一項に記載の噛み込み検知システム。

Images