JP7314664B2 - 異常検知装置、異常検知方法、異常検知装置の制御方法、及び制御プログラム - Google Patents

Description

本発明はプーリ間に懸架されたベルトの異常を検知するための、異常検知装置、異常検知方法、異常検知装置の制御方法、及び制御プログラムに関する。

軸間で回転運動を伝達する機構である、ベルト＆プーリ機構は産業界で広く用いられている。特に、サーボドライバ等の制御装置により制御されるサーボモータの回転軸に連結されたプーリによって、複数のプーリ間に懸架された無端ベルトが駆動される方式が、ベルト＆プーリ機構の動作の精密な制御が必要な場面において用いられている。

特開平８－２１７３０２号公報

ベルト＆プーリ機構において、ベルトの経時劣化等によりベルトがゆるむと、所要の動作が行えなくなる不具合が生じる。そこで、特許文献１では、動作時におけるベルトの蛇行を直接検知するセンサを設けて、ベルトのゆるみを検出する技術が提案されている。しかし、本技術では、ベルトの蛇行を直接検知できるセンサを、ベルト異常検知のために設ける必要がある。

本発明の一態様は、モータにより駆動されるベルト＆プーリ機構におけるベルトの異常を、ベルトの蛇行を直接観察するためのセンサを付加することなく検知し得る異常検知装置を実現することを目的とする。

本発明は、上述の課題を解決するために、以下の構成を採用する。

本発明の一側面に係る異常検知装置は、プーリを回転させることによってプーリ間に懸架された無端ベルトを駆動するモータの、トルクを示すトルク信号を受信する通信部と、前記トルク信号の周期における平均値であるトルク平均を第１特徴量として算出する、第１特徴量算出部と、前記トルク信号の当該周期における変動の大きさを示す変動パラメタを第２特徴量として算出する、第２特徴量算出部と、当該第１特徴量及び当該第２特徴量から異常度スコアを算出する異常度スコア算出部と、前記異常度スコアが所定の閾値を超えると、前記無端ベルトの状態が異常であると判定する異常判定部とを備える。

上記構成によれば、モータにより駆動されるベルト＆プーリ機構におけるベルトの異常を、ベルトの蛇行を直接観察するためのセンサを付加することなく検知し得る異常検知装置を実現できる。あるいは、ベルト＆プーリ機構の管理者は、ベルト＆プーリ機構の周期内における動作がどのようなものであるかを考慮することなくベルト異常の判定基準を定めることができる。あるいは、ベルトへの異物の噛み込みをもベルト異常として検知できるようになる。

上記一側面に係る異常検知装置において、前記変動パラメタは、前記トルク信号の周期における最大幅または標準偏差である構成を備えていてもよい。

上記構成によれば、上記変動パラメタが具体的に定義できる。あるいは、ベルトへの異物の噛み込みをもベルト異常として検知できるようになる。

上記一側面に係る異常検知装置において、前記変動パラメタは、前記トルク信号の周期における、前記トルク信号の高周波成分の最大幅または標準偏差である構成を備えていてもよい。

上記構成によれば、上記変動パラメタが具体的に定義できる。あるいは、ベルトへの異物の噛み込みをもベルト異常として検知できるようになる。

上記一側面に係る異常検知装置において、前記異常度スコアは、前記無端ベルトの状態が正常であるときに取得された前記トルク信号に関しての、多数の前記トルク平均の分布を基礎に、当該分布のばらつきが拡大するように修正された修正トルク平均を第１特徴量とし、前記変動パラメタを第２特徴量とし、各周期における第１特徴量及び第２特徴量の２次元空間での多数の周期についての分布に基づいて、第１特徴量と第２特徴量の関数として定められている構成を備えていてもよい。

上記構成によれば、ベルト＆プーリ機構の構成や使用条件等に依存することが少なく、柔軟にベルト異常の検出機能を付加したシステムの構築が可能となる。あるいは、ベルト＆プーリ機構の管理者は、ベルト異常を故意に発生させた状態でベルト＆プーリ機構を動作させることなく、ベルト異常の判定基準を定めることができる。あるいは、ベルト＆プーリ機構の管理者は、所定の気温でトルク信号のデータを取得することによって、幅を持った所要の気温の範囲においてベルト異常が検知できるシステムの構築が可能となる。

本発明の一側面に係る異常検知方法は、プーリを回転させることによってプーリ間に懸架された無端ベルトを駆動するモータの、トルクを示すトルク信号を受信するステップと、前記トルク信号の周期における平均値であるトルク平均を第１特徴量として算出するステップと、前記トルク信号の当該周期における変動の大きさを示す変動パラメタを第２特徴量として算出するステップと、当該第１特徴量及び当該第２特徴量から異常度スコアを算出するステップと、前記異常度スコアが所定の閾値を超えると、前記無端ベルトの状態が異常であると判定するステップとを備える。

上記構成によれば、モータにより駆動されるベルト＆プーリ機構におけるベルトの異常を、ベルトの蛇行を直接観察するためのセンサを付加することなく検知し得る異常検知装置を実現できる。あるいは、ベルト＆プーリ機構の管理者は、ベルト＆プーリ機構の周期内における動作がどのようなものであるかを考慮することなくベルト異常の判定基準を定めることができる。あるいは、ベルトへの異物の噛み込みをもベルト異常として検知できるようになる。

上記一側面に係る異常検知方法において、前記異常度スコアは、前記無端ベルトの状態が正常であるときに取得された前記トルク信号に関しての、多数の前記トルク平均の分布を基礎に、当該分布のばらつきが拡大するように修正された修正トルク平均を第１特徴量とし、前記変動パラメタを第２特徴量とし、各周期における第１特徴量及び第２特徴量の２次元空間での多数の周期についての分布に基づいて、第１特徴量と第２特徴量の関数として定められている構成を備えていてもよい。

上記構成によれば、ベルト＆プーリ機構の構成や使用条件等に依存することが少なく、柔軟にベルト異常の検出機能を付加したシステムの構築が可能となる。あるいは、ベルト＆プーリ機構２００の管理者は、ベルト異常を故意に発生させた状態でベルト＆プーリ機構を動作させることなく、ベルト異常の判定基準を定めることができる。あるいは、ベルト＆プーリ機構２００の管理者は、所定の気温でトルク信号のデータを取得することによって、幅を持った所要の気温の範囲においてベルト異常が検知できるシステムの構築が可能となる。

本発明の一側面に係る異常検知装置の制御方法は、上記本発明の一側面に係る異常検知装置の制御方法であって、前記異常度スコアを定めるステップと、前記異常検知装置の前記異常度スコア算出部に、当該異常度スコアを設定するステップとを備える。

本発明の一側面に係る制御プログラムは、上記本発明の一側面に係る異常検知装置の制御方法に記載の各ステップをコンピュータに実行させることによって、前記コンピュータを異常検知装置の制御装置として動作させる構成を備える。

上記本発明の一側面に係る異常検知装置の制御方法、または上記本発明の一側面に係る制御プログラムによれば、モータにより駆動されるベルト＆プーリ機構におけるベルトの異常を、ベルトの蛇行を直接観察するためのセンサを付加することなく検知し得る異常検知装置、異常検知システムを実現させることができる。あるいは、ベルト＆プーリ機構の管理者は、ベルト＆プーリ機構の周期内における動作がどのようなものであるかを考慮することなくベルト異常の判定基準を定めることができる。あるいは、ベルトへの異物の噛み込みをもベルト異常として検知できるようになる。

あるいは、ベルト＆プーリ機構の構成や使用条件等に依存することが少なく、柔軟にベルト異常の検出機能を付加したシステムの構築が可能となる。あるいは、ベルト＆プーリ機構の管理者は、ベルト異常を故意に発生させた状態でベルト＆プーリ機構を動作させることなく、ベルト異常の判定基準を定めることができる。あるいは、ベルト＆プーリ機構の管理者は、所定の気温でトルク信号のデータを取得することによって、幅を持った所要の気温の範囲においてベルト異常が検知できるシステムの構築が可能となる。

本発明の一側面に係る異常検知装置によれば、モータにより駆動されるベルト＆プーリ機構におけるベルトの異常を、ベルトの蛇行を直接観察するためのセンサを付加することなく検知し得る。

本発明の一側面に係る異常検知方法によれば、モータにより駆動されるベルト＆プーリ機構におけるベルトの異常を、ベルトの蛇行を直接観察するためのセンサを付加することなく検知し得る異常検知装置を実現することができる。

本発明の実施形態１に係る異常検知装置及び、異常検知装置が監視するベルト＆プーリ機構を含んだ全体の構成を示す図である。 本発明の実施形態１におけるトルク信号を示すタイムチャートである。ベルトの状態が正常である場合と、ゆるみがある場合とを比較して示す。 本発明の実施形態１におけるトルク平均の統計データを、４通りの気温時について示す図である。ベルトの状態が正常である場合、ゆるみがある場合（２通り）を比較して示す。 本発明の実施形態１におけるトルク信号を示すタイムチャートである。ベルトの状態が正常である場合と、ベルトに異物の噛み込みがある場合とを比較して示す。 本発明の実施形態１におけるトルク平均の最大幅の統計データを、４通りの気温時について示す図である。ベルトの状態が正常である場合、異物の噛み込みがある場合（３通り）を比較して示す。 本発明の実施形態１における機械学習処理を説明するフローチャートである。 本発明の実施形態１におけるトルク平均と修正トルク平均を説明するための分布を示すグラフである。 本発明の実施形態１における機械学習処理中の変動パラメタ処理（サブルーチン）を説明するフローチャートである。 本発明の実施形態１における機械学習処理によって異常度スコアが算出されることを説明するための概念図である。 本発明の実施形態１に係る異常検知装置が実行する監視処理を説明するフローチャートである。 本発明の実施形態２における機械学習処理中の変動パラメタ処理（サブルーチン）を説明するフローチャートである。 本発明の実施形態２におけるトルク信号の高周波成分を示すタイムチャートである。ベルトの状態が正常である場合と、異物の噛み込みがある場合とを比較して示す。 本発明の実施形態２におけるトルク平均の高周波成分の最大幅の統計データを、４通りの気温時について示す図である。ベルトの状態が正常である場合、異物の噛み込みがある場合（３通り）を比較して示す。

以下、本発明の一側面に係る実施形態が説明される。

§１ 適用例
まず、本発明が適用される場面の一例が説明される。複数のプーリ間に懸架された無端ベルトと、プーリを回転させることによって前記無端ベルトを駆動するモータを備えたベルト＆プーリ機構に対して、本実施形態に係る異常検知装置は適用される。

本実施形態に係る異常検知装置は、プーリを回転させることによってプーリ間に懸架された無端ベルトを駆動するモータの、トルクを示すトルク信号を受信する通信部を備えている。

また本実施形態に係る異常検知装置は、前記トルク信号の周期における平均値であるトルク平均を第１特徴量として算出する、第１特徴量算出部と、前記トルク信号の当該周期における変動の大きさを示す変動パラメタを第２特徴量として算出する、第２特徴量算出部とを備えている。

更に本実施形態に係る異常検知装置は、当該第１特徴量及び当該第２特徴量から異常度スコアを算出する異常度スコア算出部と、前記異常度スコアが所定の閾値を超えると、前記無端ベルトの状態が異常であると判定する異常判定部とを備えている。

本実施形態に係る異常検知装置は、上記構成を備えることにより、前記モータまたはモータを制御する制御装置からの前記トルク信号に基づいて、前記無端ベルトの状態が異常か否かを判定することができる。

従って、モータにより駆動されるベルト＆プーリ機構におけるベルトの異常を、ベルトの蛇行を直接観察するためのセンサを付加することなく検知し得る。またベルト＆プーリ機構の改造を要することが無いため、既設のベルト＆プーリ機構に対しても容易に後付けで適用が可能である。

よって、ベルト＆プーリ機構を備えるシステムの管理者は、本実施形態に係る異常検知装置の利用によって、ベルト＆プーリ機構が動作不良に至る前にメンテナンスを実行できるようになる。もって、ベルト＆プーリ機構の動作不良の発生を抑制することができるようになる。

あるいは、本実施形態に係る異常検知装置では、上記構成を備えることにより、ベルトのゆるみのみならず、ベルトへの異物の噛み込みも異常として検知することができる。あるいは、ベルト＆プーリ機構の管理者は、ベルト＆プーリ機構の周期内における動作がどのようなものであるかを考慮することなくベルト異常の判定基準を定めることができる。

§２ 構成例
以下に、図１～図１３を参照しつつ、本発明が適用される場面のより具体的な例が説明される。本発明が適用される具体的な場面の例示としては、生産現場におけるファクトリーオートメーション（ＦＡ）があり得る。この場合、異常検知装置は、中央制御装置としてのプログラマブルロジックコントローラ（Programmable Logic Controller：ＰＬＣ）に統合され得る。以下の構成例では、そのように、ＰＬＣが異常検知装置としての機能を実装しているケースを例に説明される。

〔実施形態１〕
＜全体の構成＞
図１は、実施形態１に係る異常検知装置１００と、異常検知装置１００により監視されるベルト＆プーリ機構２００を含めた全体のシステム構成を示す概略図である。ベルト＆プーリ機構２００は、サーボドライバ２１０、サーボモータ２２０、サーボモータ２２０（モータ）の回転軸に連結されたプーリ２２１、可動機構２３０、可動機構２３０の回転軸に連結されたプーリ２３１とベルト２４０（無端ベルト）とを備えている。

ベルト＆プーリ機構２００における駆動力をサーボモータ２２０が発生させる。サーボドライバ２１０は、サーボモータ２２０の回転をフィードバック制御することにより、ベルト＆プーリ機構２００の動作を制御する。サーボドライバ２１０は、サーボモータ２２０の回転をフィードバック制御するに当たり、サーボモータ２２０のトルクを監視する。

プーリ２２１及びプーリ２３１は、無端（リング状）であるベルト２４０が懸架される回転体である。サーボモータ２２０の回転軸に連結されたプーリ２２１は、サーボモータ２２０の回転軸の回転運動をベルト２４０を通じてプーリ２３１に伝達する。可動機構２３０は、プーリ２３１の回転運動によって作動する可動部を備えた機構である。可動機構２３０の具体的な事例としては、生産や検査の工程において、製品等の加工や搬送、検査を実行するための可動部であることが挙げられる。

図１において、ベルト２４０は、２つのプーリ２２１、２３１の間に懸架されるように描かれているが、公知の如く、３つ以上のプーリ間に懸架されてもよい。ベルト＆プーリ機構は、複数の可動機構における回転運動を、連動させて動作させる際にも多用されている機構であり、本発明は当然にそのような構成にも適用され得る。

異常検知装置１００には、コンピュータ５０１及び入出力装置５０２が接続されている。入出力装置５０２は、ＰＬＣでもある異常検知装置１００に対しての管理者からの入力を受け付け、また異常検知装置１００から情報を受け取って表示し得る装置である。コンピュータ５０１も入出力装置５０２と同様に動作し得る。またコンピュータ５０１は、ＰＬＣである異常検知装置１００内部の設定の変更をサポートし得るアプリケーションを備えた、ツールとも称されるコンピュータ（異常検知装置の制御装置）であり得る。

＜異常検知装置の構成＞
異常検知装置１００は、第１通信部１０１（通信部）、記録部１０２、制御部１０３、第２通信部１０４、異常検知部１１０を備える。第１通信部１０１は、サーボドライバ２１０が出力するトルク信号Ｓｔを受信する通信インターフェースである。記録部１０２は、トルク信号Ｓｔやその他の種々の情報を記録するメモリである。

制御部１０３は、外部の機器を制御し、また外部の機器からの情報を取得して種々の情報処理を実行し得る、ＰＬＣである異常検知装置１００が備える機能ブロックである。制御部１０３は、サーボドライバ２１０を制御して、ベルト＆プーリ機構２００に所要の動作を実行させる。そのため制御部１０３は、第１通信部１０１を通じてサーボドライバ２１０等の外部の機器と制御に関する情報のやり取りや情報の取得を行う。

第２通信部１０４は、外部のコンピュータ等との通信を行う通信インターフェースである。実施形態１において、第２通信部１０４には、コンピュータ５０１と、入出力装置５０２とが適宜のネットワークを介して接続されている。

異常検知部１１０は、第１通信部１０１が受信し、あるいは第１通信部１０１が受信して記録部１０２に記録されたトルク信号Ｓｔに基づいて、ベルト＆プーリ機構２００におけるベルト２４０の異常検知を実行する。異常検知部１１０には、第１特徴量算出部１１１、第２特徴量算出部１１２、異常度スコア算出部１１３、異常判定部１１４の各機能ブロックが設けられている。これら各機能ブロックが実行する動作については後述される。

＜ゆるみがある場合のトルク信号＞
実施形態１に係る異常検知装置１００の動作が説明されるにあたり、まず、異常検知装置１００が、ベルト２４０の異常を検知する原理について示される。

図２は、サーボドライバ２１０が出力する、サーボモータ２２０のトルクを示すトルク信号Ｓｔの例を表したタイムチャートである。図２のタイムチャートにおいて、縦軸は任意単位である。図２には、ベルト２４０が正常な場合のトルク信号波形と、実験的に故意にベルトにゆるみを設けてベルト＆プーリ機構２００を動作させたときのトルク信号波形が示されている。

それぞれの場合のトルク信号Ｓｔは周期的な挙動を示し、図２には、その３周期分が表されている。トルク信号Ｓｔの１周期は、ＰＬＣである異常検知装置１００の制御によりベルト＆プーリ機構２００が実行する、１単位分の処理動作に相当する。

ここで、１単位とは、製品の加工処理や検査処理であれば、被処理品（製品）１個分に対応する。１単位分の処理において、サーボモータ２２０は、回転の開始や停止、加速や減速、反転等の所要の動作を実行する。そのためトルク信号Ｓｔは１周期内において複雑な挙動を示す。また、１単位分の処理動作が多数の被処理品に対して繰り返されるため、トルク信号Ｓｔは周期的な挙動を示す。

図２に示されるように、トルク信号Ｓｔについて、ベルト２４０が正常な場合と、ベルト２４０にゆるみがある場合とを比較すると、後者において、トルクの大きさが全体的に小さくなっている。トルク信号Ｓｔの各周期において信号の大きさの平均を取り、それをトルク平均Ａｔとすると、トルク平均Ａｔの大きさは、ゆるみがある場合において小さくなると考えられる。

図３は、多数の周期についてトルク平均Ａｔを取得した統計データを箱ヒゲ図として表したものである。図３は、ベルト２４０にゆるみが無く正常な場合、ゆるみの大きさが小さい場合と大きい場合についての結果を比較して示す。また図３は、トルク信号Ｓｔを取得する時の気温を１０℃、２０℃、３０℃、４０℃としたときの各結果も併せて示す。

一定の気温において比較すると、正常時と比べてゆるみが大きくなるほどトルク平均Ａｔが小さくなっている状況が明確に表れている。従って図３の結果から、トルク平均Ａｔを監視すれば、ベルト２４０のゆるみが検出できる可能性があることが判明する。しかしながら、トルク平均Ａｔは、気温により変動することもまた同時に図３には示されている。気温が低くなるとトルク平均Ａｔは大きくなり、気温が高くなるとトルク平均Ａｔは小さくなる。

ただし図３に示されるように、ゆるみの発生によるトルク平均Ａｔの減少の程度は、ベルト＆プーリ機構２００が設置される工場等の室内における通常の範囲の気温変化に起因する変動と比べて大きい。

例えば、図３において矢印で示されているようなトルク平均Ａｔの範囲を正常である状態と判断し、その範囲を外れた場合を異常と判断するとする。ベルト＆プーリ機構２００の設置箇所の気温が１０℃から４０℃の程度の範囲内にあると想定されるのであれば、ベルト＆プーリ機構２００の動作が不良となるほどの大きなゆるみ（図３のゆるみ（大）よりも更に大きなゆるみ）が発生する以前に、ベルト異常を検知できることになる。また、その場合に気温変化起因の変動により、ベルトのゆるみが発生していないにも係わらずベルト異常と判断してしまう誤検知が発生しない可能性が示されている。

＜異物の噛み込みがある場合のトルク信号＞
ベルト＆プーリ機構２００の動作に異常が生じてしまうようなベルト異常の原因としては、ベルト２４０のゆるみ以外にも、ベルト２４０への異物の噛み込みが想定される。

図４は、ベルト２４０が正常な場合のトルク信号波形と、実験的に故意にベルト２４０に異物の噛み込みを発生させて動作させたときのトルク信号波形を示すタイムチャートである。正常な場合の信号波形は、図２の場合と同様である。

異物の噛み込みがある場合のトルク信号Ｓｔは、トルクが正常な場合から一瞬大きく振れるような、特徴的な波形を示す。この現象は、異物がプーリに接触することにより生じている。トルク信号Ｓｔの各周期においてトルクの変動の大きさを示すようなパラメタ（変動パラメタＤｔ）を算出すると、異物の噛み込み発生時には正常時よりも、変動パラメタＤｔが大きくなると考えられる。

図５は、変動パラメタＤｔとして各周期におけるトルク信号Ｓｔの最大幅を採用し、多数の周期において取得した統計データを箱ヒゲ図として表したものである。最大幅とは、各周期におけるトルク信号Ｓｔの最大値と最小値の差である。

図５は、ベルト２４０に異物の噛み込みが無く正常な場合、異物の噛み込みがある場合の結果を比較して示す。異物についてはその大きさを大、中、小と３通りである場合の結果が示されている。また図５は、トルク信号Ｓｔを取得する時の気温を１０℃、２０℃、３０℃、４０℃としたときの各結果も合わせて示す。

図５から明らかなように、異物の噛み込みが生じると、トルク信号Ｓｔの最大幅が、正常な場合と比較して顕著に増大する状況が明確に表れている。従って図５の結果から、トルク信号Ｓｔの最大幅等の変動パラメタＤｔを監視すれば、ベルト２４０への異物の噛み込みによる異常が検出できる可能性が示された。

なお、変動パラメタＤｔとしては、トルク信号Ｓｔの最大幅に限られず、周期内のトルク信号Ｓｔの標準偏差等、他のトルクの変動の大きさを示すパラメタを用いても、同様に異常の検出が可能である。

＜機械学習処理＞
上述の様に、トルク信号Ｓｔを監視すれば、ベルト２４０のゆるみまたは異物の噛み込みによるベルト異常が検知できる可能性がある。しかし、ベルト＆プーリ機構２００の構成は様々であり、また、生産現場等においてＰＬＣに制御より制御される、ベルト＆プーリ機構２００の動作も様々である。よって、上述の原理に基づいてベルト＆プーリ機構２００のベルト異常を実際に検知するには、これら多種多様な状況に対応する必要がある。

そこで、実施形態１に係る異常検知装置１００では、ベルト＆プーリ機構２００が実際に使用されている現場において、その使用条件に応じてベルト異常の判定基準を定める。その際、実際に監視を行うベルト＆プーリ機構２００についての多数の実測データを用いた機械学習処理によって、判定基準が定められる。

図６は、このような機械学習を利用して、異常検知装置１００における判定基準を定める手順（機械学習処理）を示すフローチャートである。機械学習処理を実施する際に、管理者は所定の気温下において、正常状態にあるベルト＆プーリ機構２００を運転し、異常検知装置１００の記録部１０２にトルク信号Ｓｔを記録させる。

コンピュータ５０１は、記録部１０２に記録されたトルク信号Ｓｔに基づいて、機械学習を実行し、更に異常検知装置１００を制御して、異常検知装置１００に特定の判定モデルを設定させる専用のプログラムを備えたコンピュータである。以下に図６のフローチャートに示された判定基準を定める手順（機械学習処理）が詳細に説明される。

ステップＳ１１：コンピュータ５０１は、異常検知装置１００の記録部１０２から、上記トルク信号Ｓｔのデータを取得する。当該トルク信号Ｓｔのデータは、機械学習のためのデータとなる。

ステップＳ１２：続いてコンピュータ５０１は、ベルト＆プーリ機構２００の動作の１周期をフレームとし、フレーム毎のトルク信号Ｓｔの平均値をトルク平均Ａｔとして算出する。

ステップＳ１３：続いてコンピュータ５０１は、算出した多数のトルク平均Ａｔから、その平均値Ａａを算出する。

ステップＳ１４：続いてコンピュータ５０１は、各フレームのトルク平均Ａｔのデータを、以下のようにして修正トルク平均Ａｍに変換する。トルク平均Ａｔが平均値Ａａである場合には、修正トルク平均Ａｍはトルク平均Ａｔに等しい。

トルク平均Ａｔが平均値Ａａより小さい場合、平均値Ａａとの差異が、Ｅｍ倍になる値に変換する。トルク平均Ａｔと修正トルク平均Ａｍの関係を数式で示すと、各フレームにおいて、（Ａａ－Ａｔ）×Ｅｍ＝Ａａ－Ａｍとなる。

トルク平均Ａｔが平均値Ａａより大きい場合、平均値Ａａとの差異が、Ｅｐ倍になる値に変換する。トルク平均Ａｔと修正トルク平均Ａｍの関係を数式で示すと、各フレームにおいて、（Ａｔ－Ａａ）×Ｅｐ＝Ａｍ－Ａａとなる。

図７は、トルク平均Ａｔの分布、及び修正トルク平均Ａｍの分布を概念的に示す図である。修正トルク平均Ａｍは、トルク平均Ａｔの分布におけるばらつきが、平均値より小さい領域においてＥｍ倍に拡大され、平均値より大きい領域においてＥｐ倍に拡大されたものである。

ステップＳ１５：続いてコンピュータ５０１は、変動パラメタ算出処理を実行する。実施形態１における変動パラメタ算出処理（サブルーチン）のフローチャートは、図８に示される。変動パラメタ算処理は以下の通りである。

ステップＳ２１：コンピュータ５０１は、各フレームにおいてトルク信号Ｓｔの最大幅を算出し、変動パラメタＤｔとする。次に変動パラメタ算出処理は終了し、ステップＳ１６に進む。

ステップＳ１６：続いてコンピュータ５０１は、修正トルク平均Ａｍを第１特徴量、変動パラメタＤｔを第２特徴量とした２次元空間での、各フレームについての分布データから、異常度スコアＳｏを算定する。

各フレームについての分布データは、正常な状態における分布と見なすべきものである。異常度スコアＳｏの算出には、正常な状態における特徴量の分布から、異常値（外れ値）である蓋然性を示す値である異常度スコアを算出する機械学習のアルゴリズムを利用できる。そのようなアルゴリズムの具体例としては、アイソレーションフォレスト（Isolation Forest）やＬＯＦ（Local Outlier Factor）といった公知の手法を用いることができる。

ここで、第１特徴量としての修正トルク平均Ａｍは、所定の気温下で取得された実際のトルク平均Ａｔの分布を拡大したものである。図９は、各フレームについての分布データと異常度スコアの関係を説明するための概念図である。図９のグラフ９Ａは、各フレームについてのデータをプロットしたものであり、トルク平均Ａｔについてのプロットが黒点で、修正トルク平均Ａｍについてのプロットが白抜き点で示されている。

図９のグラフ９Ｂは、修正トルク平均Ａｍである第１特徴量を横軸に、変動パラメタＤｔである第２特徴量を縦軸にして、異常度スコアＳｏを等高線グラフで示した図であり、横軸、縦軸はグラフ９Ａに対応している。横軸方向に分布が拡大された各フレームについての分布データ（修正トルク平均Ａｍと変動パラメタＤｔ）に基づいて、異常度スコアが算定される状況が模式的に示されている。

異常度スコアを算出する機械学習のアルゴリズムによって、各フレームについてのデータが多数存在する領域では、異常度スコアＳｏが小さくなり、その領域から外れていくと異常度スコアＳｏが大きくなる状況が、図９には模式的に表されている。

第１特徴量としての修正トルク平均Ａｍを、所定の気温下で取得された実際のトルク平均Ａｔの分布を拡大したものとすることは、図３に示される正常時の統計データにおいて、ある気温でトルク信号Ｓｔを取得した場合に、矢印で示される範囲まで、正常と見なす範囲を拡大することに相当する。ステップＳ１４にて指定される係数Ｅｍ、係数Ｅｐは、ある気温で取得したデータを、想定される室内の気温条件に対応するようにばらつきを拡大するための係数である。

仮にベルト＆プーリ機構２００が稼働する際の設置された部屋の気温として１０℃から４０℃までの範囲が想定されるとする。例えば正常時の統計データの取得が、１０℃にて行われていた場合には、平均値Ａａよりも小さいデータについては分布の拡大を非常に大きくし（Ｅｍ大）、平均値Ａａより大きいデータについては分布の拡大は少なくする（Ｅｐ小）。

また例えば正常時の統計データの取得が、３０℃にて行われていた場合には、平均値Ａａよりも小さいデータについては分布の拡大を小さくし（Ｅｍ小）、平均値Ａａより大きいデータについては分布の拡大を大きくする（Ｅｐ大）。

このように、係数Ｅｍ、係数Ｅｐの適切な値は、ベルト＆プーリ機構２００が稼働する際の想定される気温条件と、正常時のデータ取得時の気温の関係により調整されるものである。よってあらかじめ、ステップＳ１４でコンピュータ５０１において、これらに応じて目安となる値が準備されており、管理者により選択されるようにされていることが好ましい。

こうして、ステップＳ１６において、第１特徴量と第２特徴量についての関数として、異常度スコアが定められる。異常度スコアＳｏは、第１特徴量と第２特徴量についての関数であるので、その値が第１特徴量と第２特徴量についてのテーブルとして表現されてもよい。

このようにして、第１特徴量及び第２特徴量で定義される２次元空間中の点における値として算定された異常度スコアＳｏが、ベルト異常の監視に利用される。例えば、ベルト２４０の監視時において、ベルト２４０が大きくゆるむとトルク平均Ａｔ（第１特徴量）が低下し、図９のグラフ９Ａにおいて、「異常（ゆるみ）」として示された点で表される状態となり、大きい異常度スコアＳｏが算出されて異常が検知されることとなる。また例えば、ベルト２４０の監視時において、ベルト２４０に異物の噛み込みが発生するとトルク信号Ｓｔの最大幅（第２特徴量）が増大し、図９のグラフ９Ａにおいて、「異常（異物）」として示された点で表される状態となり、大きい異常度スコアＳｏが算出されて異常が検知されることとなる。

ステップＳ１７：コンピュータ５０１は、管理者により選択された値を閾値Ｔｈとして決定する。なお、閾値Ｔｈは、規定値（デフォルト値）であってもよい。

ステップＳ１８：コンピュータ５０１は、異常検知装置１００を制御して、第１特徴量と第２特徴量についての関数としての異常度スコアＳｏを、異常度スコア算出部１１３に設定する。また、閾値Ｔｈを、異常判定部１１４に設定する。次にフローは終了する。

＜監視処理＞
実施形態１に係る異常検知装置１００は、上記機械学習処理により、ベルト＆プーリ機構２００が使用されている現場で取得したトルク信号Ｓｔを基に算定された判定基準に従って、ベルト＆プーリ機構２００のベルト異常の監視を実行する。

図１０は、異常検知装置１００が実行する監視処理を示すフローチャートである。異常検知装置１００は、監視を実行している期間中、図１０のステップＳ４１からステップＳ４８で表されるフローを繰り返し実行する。フローの繰り返しは、フレームと等しい期間毎に実行される。

ステップＳ４１：異常検知装置１００は、第１通信部１０１を通じてサーボドライバ２１０から、トルク信号Ｓｔの１周期分のデータを取得する。なお、異常検知装置１００は、記録部１０２に逐次記録された、サーボドライバ２１０からのトルク信号Ｓｔの１周期分のデータを、記録部１０２から読み出すことによって取得してもよい。

ステップＳ４２：続いて、第１特徴量算出部１１１が、当該フレームにおけるトルク信号Ｓｔの平均であるトルク平均Ａｔを算出し、第１特徴量とする。このように、監視時には、トルク平均Ａｔを第１特徴量に採用する。

ステップＳ４３：続いて、第２特徴量算出部１１２が、当該フレームにおける変動パラメタＤｔを算出し、第２特徴量とする。実施形態１において、変動パラメタＤｔは、当該フレームにおけるトルク信号Ｓｔの最大幅である。

ステップＳ４４：続いて、異常度スコア算出部１１３が、当該第１特徴量及び当該第２特徴量から、異常度スコアＳｏを算出する。

ステップＳ４５：続いて、異常判定部１１４が、当該異常度スコアＳｏが、閾値Ｔｈ以下であるか否かを判断する。閾値以下である（Ｓｏ≦Ｔｈ）と判断される場合（Ｓ４５でＹＥＳ）、ステップＳ４６に進み、それ以外の場合（Ｓ４５でＮＯ）、ステップＳ４７に進む。

ステップＳ４６：異常判定部１１４は、異常度スコアＳｏが、閾値Ｔｈ以下である場合には、ベルトの状態が正常であると判断する。次にフローは終了する。

ステップＳ４７：異常判定部１１４は、異常度スコアＳｏが、閾値Ｔｈ以下でない場合には、ベルトの状態が異常であると判定する。

ステップＳ４８：続いて、異常判定部１１４は、ベルトの状態が異常であることを、第２通信部を通じて、入出力装置５０２に通知する。適宜に入出力装置５０２が、設けられたディスプレイにベルトの状態が異常であることを表示し、管理者に報知する。次にフローは終了する。

上記フローにおいて、異常検知装置１００は、当該フレームにおけるベルトの状態の判断結果を適宜、記録部１０２に記録するようにしてもよい。

＜効果＞
異常検知装置１００によれば、トルク信号Ｓｔに基づいて、ベルト異常の発生が検知される。従って、ベルト＆プーリ機構２００にベルト２４０の動作の蛇行を直接検知するようなセンサを新たに設けずとも、ベルト２４０のゆるみといったベルト異常が検知できる。よって、ベルト２４０のゆるみを低コストで検知できるようになる。またベルト＆プーリ機構２００の改造を要することが無いため、既設のベルト＆プーリ機構２００に対しても容易に後付けで適用が可能である。

異常検知装置１００によれば、ベルト異常の判定基準の設定は、ベルト＆プーリ機構２００が実際に使用されている現場において取得されたトルク信号Ｓｔに基づき、機械学習によって定められる。よって、ベルト＆プーリ機構２００の構成や使用条件、あるいはサーボドライバ２１０の型式に依存することが少なく、柔軟にベルト異常の検出機能を付加したシステムの構築が可能となる。

異常検知装置１００によれば、正常に稼働するベルト＆プーリ機構２００について取得されたトルク信号Ｓｔに基づき、機械学習によってベルト異常の判定基準の設定が行われる。よってベルト＆プーリ機構２００の管理者は、機械学習を行わせるに当たり、ベルトのゆるみやベルトへの噛み込みといった異常を故意に発生させた状態でベルト＆プーリ機構２００を動作させる必要は無く、ベルト異常の判定基準の設定の作業が容易に遂行できる。

異常検知装置１００によれば、トルク信号Ｓｔに基づいたベルト異常の判定基準の設定は、トルク信号Ｓｔの周期分のデータから算出される上記特徴量により行われる。よってベルト＆プーリ機構２００の管理者は、ベルト＆プーリ機構２００の周期内における動作がどのようなものであるかを考慮することなく判定基準を定めることができ、判定基準を定めるに当たってベルト＆プーリ機構２００の動作を詳細に分析する必要が無い。

異常検知装置１００によれば、トルク信号Ｓｔに基づいて、ベルト異常の発生が検知されるから、本発明者らにより実験的に明らかにされたように、誤検知が少なくベルト２４０のゆるみが検知できるようになる。更には、ベルト２４０への異物の噛み込みも併せて検知できるようになる。

また、トルク信号Ｓｔに基づいたベルト異常の判定基準の設定は、トルク信号Ｓｔの周期分のデータから算出されるトルク平均Ａｔの分布のばらつきを拡大した修正トルク平均Ａｍに基づいて行われる。そのため、ベルト＆プーリ機構２００の管理者は、機械学習を行わせるに当たり、所定の気温下においてトルク信号Ｓｔのデータを取得すれば、幅を持った所要の気温の範囲においてベルト異常が検知できるシステムの構築が可能となる。

ベルト＆プーリ機構を備えるシステムの管理者は、実施形態１に係る異常検知装置１００の利用によって、ベルト＆プーリ機構２００が動作不良に至る前にメンテナンスを実行できるようになる。もって、ベルト＆プーリ機構２００の動作不良の発生を抑制することが可能となる。

なお、実施形態１において、機械学習処理及び監視時における変動パラメタＤｔとしては、トルク信号Ｓｔの周期における最大幅が採用された。しかし、変動パラメタＤｔとしては、他のトルク信号Ｓｔの周期における変動に関するパラメタ、例えば標準偏差を用いたとしても、異常検知装置を同様に動作させることができる。ただし、標準偏差を採用すると、計算量が増大するため、その点からは最大幅を採用した方が好ましい。

〔実施形態２〕
本発明の実施形態２が、以下に説明される。なお、説明の便宜上、上記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明は繰り返されない。実施形態２は、第２特徴量の算出方法が、実施形態１とは異なる他は、同様である。

図１１は、実施形態２における、機械学習処理の変動パラメタ算出処理（サブルーチン）を示すフローチャートである。実施形態２において、変動パラメタ算出処理の詳細は以下の通りである。

ステップＳ３１：コンピュータ５０１は、トルク信号Ｓｔの移動平均波形を算出する。ここで、移動平均波形とは、トルク信号Ｓｔの各測定点の値を、その前後合わせてＰ点を平均した値に置き換えた波形である。

ステップＳ３２：コンピュータ５０１は、トルク信号Ｓｔから移動平均波形を差し引いた波形を、高周波信号として算出する。

ステップＳ３３：コンピュータ５０１は、各フレームの高周波信号の最大幅を算出し、変動パラメタＤｔとする。次に変動パラメタ算出処理は終了し、ステップＳ１６に進む。

以上のように算出された高周波信号は、点数Ｐの大きさに応じて、トルク信号Ｓｔの細かい振動成分が取り出された波形である。図１２には、図４に示された正常状態のトルク信号Ｓｔ及びベルト２４０に異物の噛み込みが発生した異常状態のトルク信号Ｓｔから抽出した高周波信号を示す。

図１３は、図５と同様の統計データの箱ヒゲ図を、抽出した高周波信号の各フレームの最大幅について描いた図である。図５と比較すると、トルク信号Ｓｔに基づくよりも高周波信号に基づいた変動パラメタＤｔを採用した方が、正常の場合と異物の噛み込みが発生した異常の場合との、より特徴量の差異が明確になり得ることが示されている。

ただし高周波信号を採用する場合には、ベルト＆プーリ機構２００の管理者が、機械学習を実行するに当たり、高周波成分を抽出するためのパラメタである点数Ｐを適正に設定する必要がある。点数Ｐは、サーボドライバ２１０の制御によるサーボモータ２２０の動作やトルク信号Ｓｔのデータの間隔に応じて設定する必要があり、その分、ベルト＆プーリ機構２００の管理者の負担となる。

実施形態２での、異常検知装置１００が実行する監視処理においても、同様に、第２特徴量として、ステップＳ３１からステップＳ３３の処理に準じて、第２特徴量算出部１１２において第２特徴量が算出される。つまり、図１０のフローチャートにおけるステップＳ４３において、フレームの高周波信号の最大幅が第２特徴量とされる。

実施形態２によっても、実施形態１と同様の効果が奏される。更に、実施形態２によれば、ベルトへの異物の噛み込みによる異常が、より的確に検知できるようになる可能性がある。

なお、実施形態２において、機械学習処理及び監視時における変動パラメタＤｔとしては、高周波信号の周期における最大幅が採用された。しかし、変動パラメタＤｔとしては、高周波信号の周期における変動に関する他のパラメタ、例えば標準偏差を用いたとしても、同様に動作することができる。ただし、標準偏差を採用すると、計算量が増大するため、その点最大幅を採用した方が好ましかった。

〔ソフトウェアによる実現例〕
異常検知装置１００の機能ブロック（特に、制御部１０３、異常検知部１１０）は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ソフトウェアによって実現してもよい。

後者の場合、異常検知装置１００は、各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータを備えている。このコンピュータは、例えば１つ以上のプロセッサを備えていると共に、上記プログラムを記憶したコンピュータ読み取り可能な記録媒体を備えている。そして、上記コンピュータにおいて、上記プロセッサが上記プログラムを上記記録媒体から読み取って実行することにより、本発明の目的が達成される。

上記プロセッサとしては、例えばＣＰＵ（Central Processing Unit）を用いることができる。上記記録媒体としては、「一時的でない有形の媒体」、例えば、ＲＯＭ（Read Only Memory）等の他、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記プログラムを展開するＲＡＭ（Random Access Memory）などを更に備えていてもよい。

また、上記プログラムは、該プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記コンピュータに供給されてもよい。なお、本発明の一態様は、上記プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。

〔付記事項〕
上記実施形態において、フレームを構成するベルト＆プーリ機構２００の動作またはトルク信号Ｓｔの周期は、１周期であるように説明された。しかしながら本発明の適用におけるフレームを構成する周期は、１周期に限らず、２周期や、３周期など、複数の周期であってもよく、この場合についても同様に本発明の効果が奏される。

本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。

１００ 異常検知装置
１０１ 第１通信部
１０２ 記録部
１０３ 制御部
１０４ 第２通信部
１１０ 異常検知部
１１１ 第１特徴量算出部
１１２ 第２特徴量算出部
１１３ 異常度スコア算出部
１１４ 異常判定部
２００ ベルト＆プーリ機構
２１０ サーボドライバ
２２０ サーボモータ（モータ）
２２１、２３１ プーリ
２３０ 可動機構
２４０ ベルト（無端ベルト）
５０１ コンピュータ（異常検知装置の制御装置）
５０２ 入出力装置

Claims (8)

1. １単位分の処理動作を周期的に繰り返す、複数のプーリ、前記プーリ間に懸架された無端ベルト及び前記プーリを回転させることによって前記無端ベルトを駆動するモータを有する機構における、前記モータのトルクを示すトルク信号を受信する通信部と、
   前記トルク信号の前記１単位分の処理動作に相当する周期における平均値であるトルク平均を第１特徴量として算出する、第１特徴量算出部と、
   前記トルク信号の当該周期における変動の大きさを示す変動パラメタを第２特徴量として算出する、第２特徴量算出部と、
   当該第１特徴量及び当該第２特徴量から異常度スコアを算出する異常度スコア算出部と、
   前記異常度スコアが所定の閾値を超えると、前記無端ベルトの状態が異常であると判定する異常判定部と、を備える異常検知装置。
2. 前記変動パラメタは、前記トルク信号の周期における最大幅または標準偏差である、請求項１に記載の異常検知装置。
3. 前記変動パラメタは、前記トルク信号の周期における、前記トルク信号の高周波成分の最大幅または標準偏差である、請求項１に記載の異常検知装置。
4. 前記異常度スコアは、
   前記無端ベルトの状態が正常であるときに取得された前記トルク信号に関しての、
   多数の前記トルク平均の分布を基礎に、当該分布のばらつきが拡大するように修正された修正トルク平均を第１特徴量とし、前記変動パラメタを第２特徴量とし、
   各周期における第１特徴量及び第２特徴量の２次元空間での多数の周期についての分布に基づいて、第１特徴量と第２特徴量の関数として定められている、請求項１から３のいずれか１項に記載の異常検知装置。
5. １単位分の処理動作を周期的に繰り返す、複数のプーリ、前記プーリ間に懸架された無端ベルト及び前記プーリを回転させることによって前記無端ベルトを駆動するモータを有する機構における、前記モータのトルクを示すトルク信号を受信するステップと、
   前記トルク信号の前記１単位分の処理動作に相当する周期における平均値であるトルク平均を第１特徴量として算出するステップと、
   前記トルク信号の当該周期における変動の大きさを示す変動パラメタを第２特徴量として算出するステップと、
   当該第１特徴量及び当該第２特徴量から異常度スコアを算出するステップと、
   前記異常度スコアが所定の閾値を超えると、前記無端ベルトの状態が異常であると判定するステップと、を備える異常検知方法。
6. 前記異常度スコアは、
   前記無端ベルトの状態が正常であるときに取得された前記トルク信号に関しての、
   多数の前記トルク平均の分布を基礎に、当該分布のばらつきが拡大するように修正された修正トルク平均を第１特徴量とし、前記変動パラメタを第２特徴量とし、
   各周期における第１特徴量及び第２特徴量の２次元空間での多数の周期についての分布に基づいて、第１特徴量と第２特徴量の関数として定められている、請求項５に記載の異常検知方法。
7. 請求項４に記載の異常検知装置の制御方法であって、
   前記異常度スコアを定めるステップと、
   前記異常検知装置の前記異常度スコア算出部に、当該異常度スコアを設定するステップと、を備えた異常検知装置の制御方法。
8. 請求項７に記載の各ステップをコンピュータに実行させることによって、前記コンピュータを異常検知装置の制御装置として動作させる制御プログラム。

Images