JP7263185B2 - 学習済みモデルの製造方法、生産システム、異常判定装置、及び異常判定方法 - Google Patents
学習済みモデルの製造方法、生産システム、異常判定装置、及び異常判定方法 Download PDFInfo
- Publication number
- JP7263185B2 JP7263185B2 JP2019160162A JP2019160162A JP7263185B2 JP 7263185 B2 JP7263185 B2 JP 7263185B2 JP 2019160162 A JP2019160162 A JP 2019160162A JP 2019160162 A JP2019160162 A JP 2019160162A JP 7263185 B2 JP7263185 B2 JP 7263185B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- determination
- production
- learning
- unit
- 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
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
- 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
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/14—Quality control systems
- G07C3/146—Quality control systems during manufacturing process
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Numerical Control (AREA)
- General Factory Administration (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
図1は、学習済みモデル1を製造するための学習モジュール10の構成を示す図である。図2は、学習用データD1の一例を示す図である。図3は、学習用分割データD3の作成例を示す図である。図4及び図5は、モデル学習部13の構造の一例を示す図である。
学習用データ取得部11は、学習用データD1を取得する。学習用データD1は、生産機械15による正常な生産作業における生産機械15の状態を示す複数のパラメータに関するデータである。正常な生産作業とは、設計情報通りに実行される生産作業を意味する。
前処理部12は、学習用データ取得部11とモデル学習部13との間に配置される。前処理部12は、正規化部12a、分割部12b、及び分割データ記憶部12cを有する。
モデル学習部13は、前処理部12とモデル記憶部14との間に配置される。モデル学習部13は、特徴抽出部13a、特性抽出部13b、復元部13c、及び調整部13dを有する。
モデル記憶部14は、特徴抽出部13a、特性抽出部13b及び復元部13cの全構成を示す学習済みモデル1を記憶する。
次に、図6を参照しながら、学習済みモデル1の製造方法のフローを説明する。
図7は、生産機械15を含む生産システム20の構成を示す図である。図8は、判定用データE1の一例を示す図である。
判定用データ取得部17は、判定用データE1を取得する。判定用データE1は、生産機械15による生産作業における生産機械15の状態を示す複数のパラメータに関するデータである。この段階において、生産作業が正常であるか異常であるかを判定用データE1から判断することはできない。
前処理部18は、正規化部18a、分割部18b、及び分割データ記憶部18cを有する。
判定部19は、モデル記憶部14から学習済みモデル1を読み出す。判定部19は、分割データ記憶部18cから判定用分割データE3を読み出す。
通知部30は、生産機械15による生産作業が異常であると判定部19が判定した場合、判定部19によって起動される。
次に、図9を参照しながら、異常判定方法のフローを説明する。
(1)学習済みモデル1の製造方法は、学習用分割データD3を生成する工程と、特徴量を抽出する工程と、特性量を抽出する工程と、学習用分割復元データD4を復元する工程と、学習用分割データD3と学習用分割復元データD4との差を小さくする工程とを備える。特徴量を抽出する工程では、学習用分割データD3を時間方向のみに圧縮することによって、複数のパラメータそれぞれに関する特徴量を抽出する。特性量を抽出する工程では、複数のパラメータそれぞれに関して抽出された特徴量を互いに結合することによって、学習用分割データD3全体の特性量を抽出する。学習用分割復元データD4を復元する工程では、特性量を時間方向のみに展開することによって、学習用分割復元データD4を復元する。
以上、本開示の一実施形態について説明したが、本開示は上記実施形態に限定されるものではなく、開示の要旨を逸脱しない範囲で種々の変更が可能である。
コントローラ16は、生産機械15の外部に配置されることとしたが、生産機械15の制御を行うコントローラと一体化されていてもよい。
コントローラ16は、複数のプロセッサを含んでもよい。上述した処理の少なくとも一部は、CPUに限らず、GPU(Graphics Processing Unit)などの他のプロセッサによって実行されてもよい。上述した処理は、複数のプロセッサに分散して実行されてもよい。
上述した処理の一部は、省略又は変更してもよい。例えば、学習用分割データD3及び判定用分割データE3を記憶する処理は省略してもよい。
上記実施形態に係る学習モジュール10は、学習用データD1を正規化した後に学習用分割データD3を生成することとしたが、学習用分割データD3を生成した後に学習用分割データD3を正規化してもよい。
上記実施形態に係る生産システム20は、判定用データE1を正規化した後に判定用分割データE3を生成することとしたが、判定用分割データE3を生成した後に判定用分割データE3を正規化してもよい。
10 学習モジュール
11 学習用データ取得部
12 前処理部
12a 正規化部
12b 分割部
12c 分割データ記憶部
13 モデル学習部
13a 特徴抽出部
13b 特性抽出部
13c 復元部
13d 調整部
14 モデル記憶部
15 生産機械
16 コントローラ
17 判定用データ取得部
18 前処理部
18a 正規化部
18b 分割部
18c 分割データ記憶部
19 判定部
20 生産システム
30 通知部
Claims (7)
- 生産機械による生産作業の異常を判定するための学習済みモデルの製造方法であって、
前記生産機械による正常な生産作業における前記生産機械の状態を示す複数のパラメータに関する学習用データを時間方向において分割することによって、所定時間長の学習用分割データを生成する工程と、
前記学習用分割データを時間方向のみに圧縮することによって、前記複数のパラメータそれぞれに関する特徴量を抽出する工程と、
前記複数のパラメータそれぞれに関して抽出された前記特徴量を互いに結合することによって、前記学習用分割データ全体の特性量を抽出する工程と、
前記特性量を時間方向のみに展開することによって、学習用分割復元データを復元する工程と、
前記学習用分割データと前記学習用分割復元データとの差を小さくする工程と、
を備える学習済みモデルの製造方法。 - 生産機械と、
前記生産機械による生産作業の異常を判定するコントローラと、
学習済みモデルを記憶する記憶部と、
を備え、
前記コントローラは、
前記生産機械による生産作業における前記生産機械の状態を示す複数のパラメータに関する判定用データを時間方向に分割することによって、所定時間長の判定用分割データを生成する分割部と、
前記学習済みモデルを用いて、前記判定用分割データから前記生産作業の異常を判定する判定部と、
を有する、
生産システム。 - 前記判定部は、前記判定用分割データを前記学習済みモデルに入力することで、前記判定用分割データを復元した判定用分割復元データを取得し、前記判定用分割データと前記判定用分割復元データとの差に基づいて前記生産作業の異常を判定する、
請求項2に記載の生産システム。 - 前記コントローラは、前記判定用データ及び前記判定用分割データのいずれかを正規化する正規化部を有する、
請求項2又は3に記載の生産システム。 - 前記生産機械は、工作機械、溶接機械及び作業機械のいずれかである、
請求項2乃至4のいずれかに記載の生産システム。 - 生産機械による生産作業の異常を判定するための異常判定装置であって、
学習済みモデルを記憶する記憶部と、
前記生産機械による生産作業における前記生産機械の状態を示す複数のパラメータに関する判定用データを時間方向に分割することによって、所定時間長の判定用分割データを生成する分割部と、
前記学習済みモデルを用いて、前記判定用分割データから前記生産作業の異常を判定する判定部と、
を備える異常判定装置。 - コンピュータによって実行される異常判定方法であって、
生産機械による生産作業における前記生産機械の状態を示す複数のパラメータに関する判定用データを時間方向に分割することによって、所定時間長の判定用分割データを生成する工程と、
請求項1に記載の製造方法によって製造された学習済みモデルを用いて、前記判定用分割データから前記生産作業の異常を判定する工程と、
を備える異常判定方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019160162A JP7263185B2 (ja) | 2019-09-03 | 2019-09-03 | 学習済みモデルの製造方法、生産システム、異常判定装置、及び異常判定方法 |
DE102020120512.0A DE102020120512A1 (de) | 2019-09-03 | 2020-08-04 | Erzeugungsverfahren für ein erlerntes Modell, Produktionssystem, Vorrichtung zur Feststellung von Anomalien und Verfahren zum Feststellen von Anomalien |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019160162A JP7263185B2 (ja) | 2019-09-03 | 2019-09-03 | 学習済みモデルの製造方法、生産システム、異常判定装置、及び異常判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021039529A JP2021039529A (ja) | 2021-03-11 |
JP7263185B2 true JP7263185B2 (ja) | 2023-04-24 |
Family
ID=74565461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019160162A Active JP7263185B2 (ja) | 2019-09-03 | 2019-09-03 | 学習済みモデルの製造方法、生産システム、異常判定装置、及び異常判定方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7263185B2 (ja) |
DE (1) | DE102020120512A1 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017207904A (ja) | 2016-05-18 | 2017-11-24 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | 異常検知システム、モデル生成装置、異常検知装置、異常検知方法、モデル生成プログラム、および、異常検知プログラム |
JP2018005773A (ja) | 2016-07-07 | 2018-01-11 | 株式会社リコー | 異常判定装置及び異常判定方法 |
JP2019040431A (ja) | 2017-08-25 | 2019-03-14 | 三菱重工業株式会社 | 異常判定装置、異常判定方法、プログラム、学習済みモデル、および学習済みモデルの生成方法 |
JP2019061565A (ja) | 2017-09-27 | 2019-04-18 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 異常診断方法および異常診断装置 |
-
2019
- 2019-09-03 JP JP2019160162A patent/JP7263185B2/ja active Active
-
2020
- 2020-08-04 DE DE102020120512.0A patent/DE102020120512A1/de active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017207904A (ja) | 2016-05-18 | 2017-11-24 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | 異常検知システム、モデル生成装置、異常検知装置、異常検知方法、モデル生成プログラム、および、異常検知プログラム |
JP2018005773A (ja) | 2016-07-07 | 2018-01-11 | 株式会社リコー | 異常判定装置及び異常判定方法 |
JP2019040431A (ja) | 2017-08-25 | 2019-03-14 | 三菱重工業株式会社 | 異常判定装置、異常判定方法、プログラム、学習済みモデル、および学習済みモデルの生成方法 |
JP2019061565A (ja) | 2017-09-27 | 2019-04-18 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 異常診断方法および異常診断装置 |
Also Published As
Publication number | Publication date |
---|---|
DE102020120512A1 (de) | 2021-03-04 |
JP2021039529A (ja) | 2021-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10695884B2 (en) | Tool wear monitoring and predicting method | |
US8090557B2 (en) | Quality assurance method when operating an industrial machine | |
JP6031202B1 (ja) | 製造機械の異常の原因を発見するセル制御装置 | |
US20190041808A1 (en) | Controller and machine learning device | |
US10725465B2 (en) | State diagnostic device | |
Haber et al. | Intelligent process supervision for predicting tool wear in machining processes | |
CN107738140A (zh) | 一种监控刀具状态的方法、系统以及处理设备 | |
CN102929210A (zh) | 基于特征的数控加工过程控制和优化系统及方法 | |
WO2006110246A2 (en) | Diagnostic and prognostic method and system | |
Marinescu et al. | An automated monitoring solution for avoiding an increased number of surface anomalies during milling of aerospace alloys | |
Brecher et al. | Use of NC kernel data for surface roughness monitoring in milling operations | |
TWI518469B (zh) | 加工監控系統及方法 | |
KR20220062555A (ko) | 치부 가공 기계에서의 자동 공정 모니터링 | |
TW202012905A (zh) | 刀具磨耗監控方法 | |
CN110807245B (zh) | 一种设备故障预警的自动建模方法和系统 | |
CN109960232B (zh) | 领先辅助参数的选择方法和设备维护预诊断的方法 | |
US20230004152A1 (en) | Method for monitoring and/or predecting machining processes and/or machnining outcomes | |
CN116757648B (zh) | 基于人工智能的生产制造管理系统及方法 | |
KR20180014364A (ko) | Cnc 공구 마모 보정 장치 및 방법 | |
JPWO2020152741A1 (ja) | 異常要因推定装置、異常要因推定方法、及びプログラム | |
CN113627304A (zh) | 一种基于人工智能的机床主轴健康监控方法和系统 | |
Pan et al. | Milling force coefficients-based tool wear monitoring for variable parameter milling | |
JP7263185B2 (ja) | 学習済みモデルの製造方法、生産システム、異常判定装置、及び異常判定方法 | |
JP2020067776A (ja) | 工作機械の異常診断システム、異常診断方法、異常診断プログラム | |
TWI676873B (zh) | 刀具監控系統及刀具監控方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220808 |
|
TRDD | Decision of grant or rejection written | ||
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230331 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230404 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230412 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7263185 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |