JP7381280B2 - 診断装置及び機械学習装置 - Google Patents

診断装置及び機械学習装置 Download PDF

Info

Publication number
JP7381280B2
JP7381280B2 JP2019185353A JP2019185353A JP7381280B2 JP 7381280 B2 JP7381280 B2 JP 7381280B2 JP 2019185353 A JP2019185353 A JP 2019185353A JP 2019185353 A JP2019185353 A JP 2019185353A JP 7381280 B2 JP7381280 B2 JP 7381280B2
Authority
JP
Japan
Prior art keywords
frequency
belt
data
machine learning
learning model
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
Application number
JP2019185353A
Other languages
English (en)
Other versions
JP2021060313A (ja
Inventor
蓮成 胡
和宏 佐藤
裕泰 浅岡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fanuc Corp
Original Assignee
Fanuc Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fanuc Corp filed Critical Fanuc Corp
Priority to JP2019185353A priority Critical patent/JP7381280B2/ja
Priority to US17/029,038 priority patent/US11892814B2/en
Priority to CN202011035354.1A priority patent/CN112629731B/zh
Priority to DE102020125645.0A priority patent/DE102020125645A1/de
Publication of JP2021060313A publication Critical patent/JP2021060313A/ja
Application granted granted Critical
Publication of JP7381280B2 publication Critical patent/JP7381280B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G05B19/4063—Monitoring general control system
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G05B19/4062—Monitoring servoloop, e.g. overload of servomotor, loss of feedback or reference
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
    • G01L5/04—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for measuring tension in flexible members, e.g. ropes, cables, wires, threads, belts or bands
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
    • G01L5/0061—Force sensors associated with industrial machines or actuators
    • G01L5/0071—Specific indicating arrangements, e.g. of overload
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
    • G01L5/04—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for measuring tension in flexible members, e.g. ropes, cables, wires, threads, belts or bands
    • G01L5/047—Specific indicating or recording arrangements, e.g. for remote indication, for indicating overload or underload
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32222—Fault, defect detection of origin of fault, defect of product
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/33—Director till display
    • G05B2219/33296—ANN for diagnostic, monitoring
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/41—Servomotor, servo controller till figures
    • G05B2219/41357—Belt
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/50—Machine tool, machine tool null till machine tool work handling
    • G05B2219/50196—Monitor clutch or belt drive

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Biophysics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computational Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Operations Research (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Devices For Conveying Motion By Means Of Endless Flexible Members (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Control Of Electric Motors In General (AREA)

Description

本発明は、診断装置及び機械学習装置に関し、特に動力を伝達するベルトのテンションの診断装置及び機械学習装置に関する。
工場等の製造現場では、製造ラインに設置されるロボットや工作機械、射出成形機等の産業機械の動作状態を監視し、製造ラインが停止しないように、また、製造ラインが停止した場合には速やかに復旧できるように、産業機械の動作状態を診断する装置が導入されている。
産業機械には、モータの回転動力をベルト等の動力伝達部を介して軸へと伝達するものがある。動力伝達部として用いられるベルトは、テンション（張り）が弱すぎても、強すぎても寿命低下の原因となる。また、運転中の滑りや歯飛びなどにも繋がるため、ベルトの張りの強さは一定範囲内の保持することが望ましい。
一方で、ベルトの保管方法や使用環境により、室温変化や経年劣化等と共にベルトのテンションも始終変化する。そのため、ベルトのテンションを定期的に手作業で、又は自動的に保守点検することが重要である（例えば、特許文献１等）。
特開平１１－２６２９３２号公報
ベルトのテンションを点検するためには、ベルトの回転を停止し、音波式ベルト張力計等のテンションメータを用いてベルトの張力を検出する。ベルトの張力が適切なものでなかった場合には、適切な値となるように調整する。しかしながら、テンションメータを用いるベルトのテンションの点検方法は、テンションメータの設備投資のコストが掛かる上に、産業機械の動作を完全に停止（電源を切る）させる必要がある。また、手作業による点検をするためには、産業機械を分解してベルトを露出させる必要があり、生産性が悪いという課題もある。
そこで、産業機械を動作させたままでベルトのテンションまたは異常を診断することを可能とする技術が望まれている。
出願人は、ベルトのテンションが変化した際に、該ベルトを駆動するモータのフィードバックゲインの共振周波数が変化することに着目した。本発明の一態様による診断装置は、ベルトを駆動するモータを所定の範囲の回転数（周波数）でスイープ動作させた際の周波数応答を観測し、その観測結果とベルトのテンションとの相関性を機械学習した学習モデルを作成する。そして、作成した学習モデルを用いて、ベルトを駆動するモータをスイープ動作させた際の周波数応答に基づいてベルトのテンションを推定する。推定されたテンションの値は例えばユーザに表示する等してテンションの異常を検知することができる。
そして、本発明の一態様は、産業機械が備える動力を伝達するベルトのテンションの推定または異常検知をする診断装置であって、前記ベルトを駆動する周波数スイープ動作を行う制御を行う制御部と、前記周波数スイープ動作の時の前記ベルトのテンション値及びフィードバックデータを少なくとも取得するデータ取得部と、前記フィードバックデータの周波数－ゲイン特性を解析し、該周波数－ゲイン特性における共振周波数及び反共振周波数を含む範囲を入力データとして作成し、更に該入力データと、前記データ取得部が取得した前記ベルトのテンション値を含むラベルデータとを含む教師データを作成する前処理部と、前記前処理部が作成したデータに基づいて、機械学習に係る処理を実行する機械学習装置と、を備え、前記機械学習装置は、前記機械学習に係る処理として、前記教師データに基づいて、前記周波数スイープ動作の時に取得されたフィードバックデータの周波数－ゲイン特性に対する前記ベルトのテンション値の相関性を機械学習した学習モデルを作成する学習部と、 前記学習モデルを記憶する学習モデル記憶部と、を備える、診断装置である。
本発明の他の態様は、産業機械が備える動力を伝達するベルトのテンションの推定または異常検知をする診断装置であって、前記ベルトを駆動する周波数スイープ動作を行う制御を行う制御部と、前記周波数スイープ動作の時のフィードバックデータを少なくとも取得するデータ取得部と、前記フィードバックデータの周波数－ゲイン特性を解析し、該周波数－ゲイン特性における共振周波数及び反共振周波数を含む範囲を入力データとして作成する前処理部と、前記前処理部が作成したデータに基づいて、機械学習に係る処理を実行する機械学習装置と、を備え、前記機械学習装置は、周波数スイープ動作時に取得されたフィードバックデータの周波数－ゲイン特性に対する前記ベルトのテンション値の相関性を機械学習した学習モデルを記憶する学習モデル記憶部と、前記機械学習に係る処理として、前記入力データに基づいて、前記学習モデル記憶部に記憶された学習モデルを用いて前記ベルトのテンション値を推定し、その推定結果を出力する推定部と、を備える、診断装置である。
本発明の他の態様は、産業機械が備える動力を伝達するベルトのテンションの推定または異常検知をする機械学習装置であって、前記ベルトを駆動する周波数スイープ動作時に取得されたフィードバックデータの周波数－ゲイン特性を解析し、該周波数－ゲイン特性における共振周波数及び反共振周波数を含む入力データと、前記周波数スイープ動作時の前記ベルトのテンション値を含むラベルデータとを含む教師データに基づいて、前記周波数スイープ動作時に取得されたフィードバックデータの周波数－ゲイン特性に対する前記ベルトのテンション値の相関性を機械学習した学習モデルを作成する学習部と、前記学習モデルを記憶する学習モデル記憶部と、を備えた機械学習装置である。
本発明の他の態様は、産業機械が備える動力を伝達するベルトのテンションの推定または異常検知をする機械学習装置であって、周波数スイープ動作時に取得されたフィードバックデータの周波数－ゲイン特性に対する前記ベルトのテンション値の相関性を機械学習した学習モデルを記憶する学習モデル記憶部と、前記ベルトを駆動する周波数スイープ動作時に取得されたフィードバックデータの周波数－ゲイン特性における共振周波数及び反共振周波数を含む範囲を入力データとして、該入力データに基づいて、前記学習モデル記憶部に記憶された学習モデルを用いて前記ベルトのテンション値を推定し、その推定結果を出力する推定部と、を備えた機械学習装置である。
本発明の一態様により、テンションメータを導入する必要がないため、大きなコストを掛けずにベルトのテンションを点検することが可能となる。また、稼働中の産業機械を完全に停止せずに、また、ベルトを露出すること無くベルトのテンションを点検することが可能となり、産業機械の生産性の向上が見込める。
一実施形態による診断装置の概略的なハードウェア構成図である。 第１実施形態による診断装置の概略的な機能ブロック図である。 周波数応答データの例を示す図である。 第２実施形態による診断装置の概略的な機能ブロック図である。
以下、本発明の実施形態を図面と共に説明する。
図１は本発明の一実施形態による診断装置の要部を示す概略的なハードウェア構成図である。本発明の診断装置１は、例えば制御用プログラムに基づいて産業機械を制御する制御装置として実装することができる。また、本発明の診断装置１は、制御用プログラムに基づいて産業機械を制御する制御装置に併設されたパソコンや、有線／無線のネットワークを介して制御装置と接続されたパソコン、セルコンピュータ、フォグコンピュータ６、クラウドサーバ７の上に実装することができる。本実施形態では、診断装置１を、制御用プログラムに基づいて産業機械を制御する制御装置として実装した例を示す。
本実施形態による診断装置１が備えるＣＰＵ１１は、診断装置１を全体的に制御するプロセッサである。ＣＰＵ１１は、バス２２を介してＲＯＭ１２に格納されたシステム・プログラムを読み出し、該システム・プログラムに従って診断装置１全体を制御する。ＲＡＭ１３には一時的な計算データや表示データ、及び外部から入力された各種データ等が一時的に格納される。
不揮発性メモリ１４は、例えば図示しないバッテリでバックアップされたメモリやＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等で構成され、診断装置１の電源がオフされても記憶状態が保持される。不揮発性メモリ１４には、インタフェース１５を介して外部機器７２から読み込まれた制御用プログラムやデータ、入力装置７１を介して入力された制御用プログラムやデータ、ネットワーク５を介して他の装置から取得された制御用プログラムやデータ等が記憶される。不揮発性メモリ１４に記憶された制御用プログラウやデータは、実行時／利用時にはＲＡＭ１３に展開されても良い。また、ＲＯＭ１２には、公知の解析プログラムなどの各種システム・プログラムがあらかじめ書き込まれている。
インタフェース１５は、診断装置１のＣＰＵ１１とＵＳＢ装置等の外部機器７２と接続するためのインタフェースである。外部機器７２側からは、例えば産業機械の制御に用いられる制御用プログラムや設定データ等が読み込まれる。また、診断装置１内で編集した制御用プログラムや設定データ等は、外部機器７２を介して外部記憶手段に記憶させることができる。ＰＭＣ（プログラマブル・マシン・コントローラ）１６は、ラダープログラムを実行して産業機械及び該産業機械の周辺装置（例えば、工具交換装置や、ロボット等のアクチュエータ、産業機械に取付けられている温度センサや湿度センサ等のセンサ）にＩ／Ｏユニット１９を介して信号を出力し制御する。また、産業機械の本体に配備された操作盤の各種スイッチや周辺装置等の信号を受け、必要な信号処理をした後、ＣＰＵ１１に渡す。
インタフェース２０は、診断装置１のＣＰＵと有線乃至無線のネットワーク５とを接続するためのインタフェースである。ネットワーク５には、他の産業機械やフォグコンピュータ６、クラウドサーバ７等が接続され、診断装置１との間で相互にデータのやり取りを行っている。
表示装置７０には、メモリ上に読み込まれた各データ、プログラム等が実行された結果として得られたデータ、後述する機械学習装置１００から出力されたデータ等がインタフェース１７を介して出力されて表示される。また、キーボードやポインティングデバイス等から構成される入力装置７１は、作業者による操作に基づく指令，データ等をインタフェース１８を介してＣＰＵ１１に渡す。
産業機械が備える軸を制御するための軸制御回路３０はＣＰＵ１１からの軸の移動指令量を受けて、軸の指令をサーボアンプ４０に出力する。サーボアンプ４０はこの指令を受けて、工作機械が備える軸を移動させるサーボモータ５０を駆動する。軸のサーボモータ５０は位置・速度検出器を内蔵し、この位置・速度検出器からの位置・速度フィードバック信号を軸制御回路３０にフィードバックし、位置・速度のフィードバック制御を行う。なお、図１のハードウェア構成図では軸制御回路３０、サーボアンプ４０、サーボモータ５０は１つずつしか示されていないが、実際には制御対象となる産業機械に備えられた軸の数だけ用意される。サーボモータ５０の少なくとも１つは、産業機械の所定の軸と動力伝達部としてのベルトで接続されている。
インタフェース２１は、ＣＰＵ１１と機械学習装置１００とを接続するためのインタフェースである。機械学習装置１００は、機械学習装置１００全体を統御するプロセッサ１０１と、システム・プログラム等を記憶したＲＯＭ１０２、機械学習に係る各処理における一時的な記憶を行うためのＲＡＭ１０３、及び学習モデル等の記憶に用いられる不揮発性メモリ１０４を備える。機械学習装置１００は、インタフェース２１を介して診断装置１で取得可能な各情報（例えば、サーボモータ５０の動作状態を示すデータ、図示しない温度センサや湿度センサの検出値等）を観測することができる。また、診断装置１は、機械学習装置１００から出力される処理結果をインタフェース２１を介して取得し、取得した結果を記憶したり、表示したり、他の装置に対してネットワーク５等を介して送信する。
図２は、本発明の第１実施形態による診断装置１が備える機能を概略的なブロック図として示したものである。本実施形態による診断装置１が備える各機能は、図１に示した診断装置１が備えるＣＰＵ１１と、機械学習装置１００が備えるプロセッサ１０１とがシステム・プログラムを実行し、診断装置１及び機械学習装置１００の各部の動作を制御することにより実現される。本実施形態による診断装置１は、所定の範囲の回転数（周波数）でスイープ動作させた際に得られた周波数応答データと、ベルトのテンション値との相関性を機械学習する。
本実施形態の診断装置１は、制御部１１０、データ取得部１２０、前処理部１３０を備える。また、診断装置１が備える機械学習装置１００は、学習部１０６を備える。更に、診断装置１のＲＡＭ１３乃至不揮発性メモリ１４には、予め産業機械が備えるサーボモータ５０を制御するための制御用プログラム２００が記憶されており、また、データ取得部１２０がサーボモータ５０やセンサ４等から取得したデータを記憶するための領域として取得データ記憶部２１０が予め用意されている。また、機械学習装置１００のＲＡＭ１０３乃至不揮発性メモリ１０４上には、学習部１０６が作成した学習モデルを記憶するための領域として学習モデル記憶部１０９が予め用意されている。
制御部１１０は、図１に示した診断装置１が備えるＣＰＵ１１がＲＯＭ１２から読み出したシステム・プログラムを実行し、主としてＣＰＵ１１によるＲＡＭ１３、不揮発性メモリ１４を用いた演算処理と、軸制御回路３０、ＰＭＣ１６を用いた産業機械の各部の制御処理、インタフェース１８を介した入出力処理が行われることで実現される。制御部１１０は、制御用プログラム２００のブロックを解析し、その解析結果に基づいて産業機械の各部を制御する。制御部１１０は、例えば制御用プログラム２００のブロックが産業機械の各軸を駆動させるように指令している場合には、ブロックによる指令に従って移動指令データを生成してサーボモータ５０に対して出力する。また、制御部１１０は、例えば制御用プログラム２００のブロックが産業機械の取り付けられたセンサ４等の周辺装置を動作させるように指令している場合には、該周辺装置を動作させる所定の信号を生成してＰＭＣ１６に出力する。一方で、制御部１１０は、サーボモータ５０の速度フィードバックゲインや、温度センサや湿度センサ等のセンサ４が検出した検出値データを取得し、データ取得部１２０へと出力する。
制御用プログラム２００は、予めベルトを駆動するサーボモータ５０を所定の範囲の回転数（周波数）でスイープ動作させる指令をするブロックを含む。また、制御用プログラム２００は、スイープ動作中のサーボモータ５０の速度フィードバックゲインを時系列データとして取得する指令をするブロックを含み、更に、スイープ動作の開始時、スイープ動作中及びスイープ動作終了時の少なくともいずれかにおけるセンサ４による検出値データの取得を指令するブロックを含む。
データ取得部１２０は、図１に示した診断装置１が備えるＣＰＵ１１がＲＯＭ１２から読み出したシステム・プログラムを実行し、主としてＣＰＵ１１によるＲＡＭ１３、不揮発性メモリ１４を用いた演算処理が行われることで実現される。データ取得部１２０は、産業機械の動作時においてサーボモータ５０から取得される速度フィードバックゲインや、センサ４が検出した検出値データを取得し、取得データ記憶部に記憶する。データ取得部１２０が取得する速度フィードバックゲインは、時系列データである。データ取得部１２０が取得する検出値データは、所定のタイミングで取得されるデータ値であってよい。また、データ取得部１２０は、例えば入力装置７１から、制御用プログラム２００を実行した時点でのベルトのテンション値をオペレータに入力させる等の手段で取得する。このベルトのテンション値は、オペレータが予め点検作業を行い測定しておく。
前処理部１３０は、図１に示した診断装置１が備えるＣＰＵ１１がＲＯＭ１２から読み出したシステム・プログラムを実行し、主としてＣＰＵ１１によるＲＡＭ１３、不揮発性メモリ１４を用いた演算処理と、インタフェース２１を用いた出力処理が行われることで実現される。前処理部１３０は、取得データ記憶部２１０に記憶されるデータに基づいて、機械学習装置１００による機械学習の処理に用いられる学習データ（教師データ）を作成し、機械学習装置１００へと出力する。前処理部１３０は、少なくとも取得データ記憶部２１０に記憶されるサーボモータ５０の速度フィードバックゲインを周波数解析して得られた周波数－ゲイン特性を示す周波数応答データを含む入力データＳと、ベルトのテンション値を含む出力データＬとを含む教師データを作成する。
入力データＳとしての周波数応答データは、所定の範囲の周波数の範囲におけるゲイン値を所定周波数周期でサンプリングしたデータであって良い。この時、入力データＳとしての周波数応答データは、一次共振周波数と一次反共振周波数とを対で含む範囲を含んでいることが望ましい。図３は、速度フィードバックゲインを周波数解析した例を示す図である。図３の例では、ｆａの位置に反共振周波数の山が、ｆｂの位置に共振周波数の山が存在する。前処理部１３０は、このような共振周波数の山と、反共振周波数の山が有る位置の前後の所定範囲ｆｒの範囲を、所定の周波数周期ｆｐでサンプリングした周波数－ゲインの組の系列データを、入力データＳに用いる周波数応答データとして作成すれば良い。なお、入力データＳとしての周波数応答データには、上記に加えて更に、二次以上の共振周波数と反共振周波数とを対で含む範囲を含めても良い。
本実施形態による前処理部は、入力データＳとしての周波数応答データに、単に反共振周波数及び共振周波数の値のみを用いるのではなく、反共振周波数及び共振周波数の周りの所定範囲の値の系列を含めている。これは、モータやベルトの状態等によって反共振点、共振点の周辺の波形が変化することがあり、反共振点、共振点が対できれいに現れずに片側のみ現れる場合があるので、そのような波形の変化とベルトのテンション値との相関性を学習させるためである。入力データＳとして、反共振点，共振点が近傍に存在すると仮定し、片側のみ現れている場合でも範囲設定することで、多くの場合において精度良く学習を行うことができるようになる。
機械学習装置１００が備える学習部１０６は、図１に示した機械学習装置１００が備えるプロセッサ１０１がＲＯＭ１０２から読み出したシステム・プログラムを実行し、主としてプロセッサ１０１によるＲＡＭ１０３、不揮発性メモリ１０４を用いた演算処理が行われることにより実現される。学習部１０６は、前処理部１３０が作成した学習データ（教師データ）を用いた機械学習を行うことで学習モデルを作成し、作成した学習モデルを学習モデル記憶部１０９に記憶する。学習部１０６が行う機械学習は公知の教師あり学習である。学習部１０６が作成する学習モデルは、入力データＳとしての周波数応答データに対するラベルデータＬとしてのベルトのテンション値の相関性を学習したものとなる。学習部１０６が作成する学習モデルとしては、例えばｍｕｌｔｉｌａｙｅｒ ｐｅｒｃｅｐｔｒｏｎ、ｒｅｃｕｒｒｅｎｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ、Ｌｏｎｇ Ｓｈｏｒｔ－Ｔｅｒｍ Ｍｅｍｏｒｙ、ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ等が挙げられる。
また、周波数応答データのうち、共振周波数、反共振周波数を含むいくつかの特徴点を入力データＳ、ベルトのテンション値をラベルデータＬとして、回帰分析、重回帰分析、リッジ回帰等の機械学習を用いてベルトのテンションを推定する学習モデルとしてもよい。回帰による学習モデルは構成が単純であり、プロセッサ１０１に負荷がかかり難い利点がある。一方ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ等のディープラーニングによる学習モデルは、ベルトテンションの推定精度が上がる効果が期待できる。
上記構成を備えた本実施形態による診断装置１は、所定の範囲の回転数（周波数）でスイープ動作させた際に得られた周波数応答データと、ベルトのテンション値との相関性を学習した学習モデルとなる。作業者は、予め異なるベルトのテンションを設定し、それぞれのベルトのテンションにおいて所定の範囲の回転数（周波数）でスイープ動作させた際に得られた周波数応答データを取得し、取得したデータを用いて学習モデルを作成する。作成した学習モデルは、後述する第２実施形態における推定部が、現在のベルトのテンション値を推定するために用いることができる。
本実施形態による診断装置１の一変形例として、前処理部１３０は、入力データＳに、更に検出値データとしての温度データや湿度データを含めるようにしても良い。ベルトが駆動する環境の温度や湿度はベルトのテンションに影響を与える。そこで、検出値データとしての温度データや湿度データを入力データＳに含めることで、ベルトのテンション値の学習の精度を向上させることが期待される。
本実施形態による診断装置１の他の変形例として、予め診断装置に対して産業機械の機械特性（モータ仕様、プーリ比、スパン、可動部重量等）を設定しておき、前処理部１３０は、設定された機械特性に係るデータを入力データＳに含めるようにしても良い。ベルトを駆動するモータに関連する機械特性はベルトのテンションに影響を与える場合がある。そこで、機械特性に係るデータを入力データＳに含めることで、ベルトのテンション値の学習の精度を向上させることが期待される。
本実施形態による診断装置１の他の変形例として、予め診断装置に対してベルトの特性（ベルト形状、材質の物性等）を設定しておき、前処理部１３０は、設定されたベルトの特性に係るデータを入力データＳに含めるようにしても良い。ベルトの特性はベルトのテンションに影響を与える。そこで、ベルト特性に係るデータを入力データＳに含めることで、ベルトのテンション値の学習の精度を向上させることが期待される。
図４は、本発明の第２実施形態による診断装置１が備える機能を概略的なブロック図として示したものである。本実施形態による診断装置１が備える各機能は、図１に示した診断装置１が備えるＣＰＵ１１と、機械学習装置１００が備えるプロセッサ１０１とがシステム・プログラムを実行し、診断装置１及び機械学習装置１００の各部の動作を制御することにより実現される。本実施形態による診断装置１は、所定の範囲の回転数（周波数）でスイープ動作させた際に得られた周波数応答データと、ベルトのテンション値との相関性を学習した学習モデルを用いて、産業機械が備えるベルトのテンション値を推定する。
本実施形態の診断装置１は、制御部１１０、データ取得部１２０、前処理部１３０を備える。また、診断装置１が備える機械学習装置１００は、推定部１０８を備える。更に、診断装置１のＲＡＭ１３乃至不揮発性メモリ１４には、予め産業機械が備えるサーボモータ５０を制御するための制御用プログラム２００が記憶されており、また、データ取得部１２０がサーボモータ５０やセンサ４等から取得したデータを記憶するための領域として取得データ記憶部２１０が予め用意されている。また、機械学習装置１００のＲＡＭ１０３乃至不揮発性メモリ１０４上には、第１実施形態による学習部１０６が作成した学習モデルを記憶している領域として学習モデル記憶部１０９が予め用意されている。
本実施形態による制御部１１０は、第１実施形態による制御部１１０と同様の機能を備える。
本実施形態によるデータ取得部１２０は、産業機械の動作時においてサーボモータ５０から取得される速度フィードバックゲインや、センサ４が検出した検出値データを取得し、取得データ記憶部に記憶する。データ取得部１２０が取得する速度フィードバックゲインは、時系列データである。データ取得部１２０が取得する検出値データは、所定のタイミングで取得されるデータ値であってよい。
本実施形態による前処理部１３０は、取得データ記憶部２１０に記憶されるデータに基づいて、機械学習装置１００による機械学習の処理に用いられる推定用のデータを作成し、機械学習装置１００へと出力する。前処理部１３０は、少なくとも取得データ記憶部２１０に記憶されるサーボモータ５０の速度フィードバックゲインを周波数解析して得られた周波数－ゲイン特性を示す周波数応答データを含む入力データＳを含む推定用のデータを作成する。周波数応答データの作成方法については、第１実施形態で説明したものと同様である。
機械学習装置１００が備える推定部１０８は、図１に示した機械学習装置１００が備えるプロセッサ１０１がＲＯＭ１０２から読み出したシステム・プログラムを実行し、主としてプロセッサ１０１によるＲＡＭ１０３、不揮発性メモリ１０４を用いた演算処理が行われることにより実現される。推定部１０８は、前処理部１３０が作成した推定用のデータに基づいて、学習モデル記憶部１０９に記憶されている学習モデルを用いたベルトのテンション値の推定処理を実行し、その推定結果を出力する。推定部１０８が行う推定処理は、公知の教師あり学習で作成された学習モデルを用いた推定処理である。例えば、学習モデル記憶部１０９に記憶される学習モデルがニューラルネットワーク（ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）として作成されている場合、推定部１０８は、前処理部１３０が作成した推定用のデータをニューラルネットワークに入力し、その出力であるベルトのテンション値の推定値を推定結果として出力する。
推定部１０８による推定結果としてのベルトのテンション値は、例えば表示装置７０に表示出力しても良い。また、ネットワーク５を介して監視端末等のパソコンやフォグコンピュータ６やクラウドサーバ７に送信出力するようにしても良い。また、推定結果としてのベルトのテンション値が予め定めた所定の範囲外となる場合には、ベルトのテンションが異常であることを検知したとしてアラートを出力するようにしても良い。
上記構成を備えた本実施形態による診断装置１は、所定の範囲の回転数（周波数）でスイープ動作させた際に得られた周波数応答データに基づいて、産業機械が備えるベルトのテンションを推定し、その推定結果に基づいて所定の出力処理を行うことができる。この推定処理は、診断のための制御用プログラム２００を実行するだけで行うことができるので、作業者は、産業機械を完全に停止させること無く、また、産業機械を分解してベルトを露出させる等の煩雑な作業も行わずに実行することができる。そのため、産業機械の生産性の向上が見込まれる。
本実施形態による診断装置１の一変形例として、前処理部１３０は、入力データＳに、更に検出値データとしての温度データや湿度データを含めるようにしても良い。ベルトが駆動する環境の温度や湿度はベルトのテンションに影響を与える。そこで、検出値データとしての温度データや湿度データを入力データＳに含めることで、ベルトのテンション値の推定の精度を向上させることが期待される。
本実施形態による診断装置１の他の変形例として、予め診断装置に対して産業機械の機械特性（モータ仕様、プーリ比、スパン、可動部重量等）を設定しておき、前処理部１３０は、設定された機械特性に係るデータを入力データＳに含めるようにしても良い。ベルトを駆動するモータに関連する機械特性はベルトのテンションに影響を与える場合がある。そこで、機械特性に係るデータを入力データＳに含めることで、ベルトのテンション値の推定の精度を向上させることが期待される。
本実施形態による診断装置１の他の変形例として、予め診断装置に対してベルトの特性（ベルト形状、材質の物性等）を設定しておき、前処理部１３０は、設定されたベルトの特性に係るデータを入力データＳに含めるようにしても良い。ベルトの特性はベルトのテンションに影響を与える。そこで、ベルト特性に係るデータを入力データＳに含めることで、ベルトのテンション値の推定の精度を向上させることが期待される。
以上、本発明の一実施形態について説明したが、本発明は上述した実施の形態の例のみに限定されることなく、適宜の変更を加えることにより様々な態様で実施することができる。
１ 診断装置
３ 産業機械
４ センサ
５ ネットワーク
６ フォグコンピュータ
７ クラウドサーバ
１１ ＣＰＵ
１２ ＲＯＭ
１３ ＲＡＭ
１４ 不揮発性メモリ
１５，１７，１８，２０，２１ インタフェース
１６ ＰＭＣ
１９ Ｉ／Ｏユニット
２２ バス
３０ 軸制御回路
４０ サーボアンプ
５０ サーボモータ
７０ 表示装置
７１ 入力装置
７２ 外部機器
１１０ 制御部
１２０ データ取得部
１３０ 前処理部
２００ 制御用プログラム
２１０ 取得データ記憶部
１００ 機械学習装置
１０１ プロセッサ
１０２ ＲＯＭ
１０３ ＲＡＭ
１０４ 不揮発性メモリ
１０６ 学習部
１０８ 推定部
１０９ 学習モデル記憶部

Claims (8)

  1. 産業機械が備える動力を伝達するベルトのテンションの推定または異常検知をする診断装置であって、
    前記ベルトを駆動する周波数スイープ動作を行う制御を行う制御部と、
    前記周波数スイープ動作の時の前記ベルトのテンション値及びフィードバックデータを少なくとも取得するデータ取得部と、
    前記フィードバックデータの周波数－ゲイン特性を解析し、該周波数－ゲイン特性における共振周波数及び反共振周波数を含む範囲を入力データとして作成し、更に該入力データと、前記データ取得部が取得した前記ベルトのテンション値を含むラベルデータとを含む教師データを作成する前処理部と、
    前記前処理部が作成したデータに基づいて、機械学習に係る処理を実行する機械学習装置と、
    を備え、
    前記機械学習装置は、
    前記機械学習に係る処理として、前記教師データに基づいて、前記周波数スイープ動作の時に取得されたフィードバックデータの周波数－ゲイン特性に対する前記ベルトのテンション値の相関性を機械学習した学習モデルを作成する学習部と、
    前記学習モデルを記憶する学習モデル記憶部と、
    を備える、
    診断装置。
  2. 産業機械が備える動力を伝達するベルトのテンションの推定または異常検知をする診断装置であって、
    前記ベルトを駆動する周波数スイープ動作を行う制御を行う制御部と、
    前記周波数スイープ動作の時のフィードバックデータを少なくとも取得するデータ取得部と、
    前記フィードバックデータの周波数－ゲイン特性を解析し、該周波数－ゲイン特性における共振周波数及び反共振周波数を含む範囲を入力データとして作成する前処理部と、
    前記前処理部が作成したデータに基づいて、機械学習に係る処理を実行する機械学習装置と、
    を備え、
    前記機械学習装置は、
    周波数スイープ動作時に取得されたフィードバックデータの周波数－ゲイン特性に対する前記ベルトのテンション値の相関性を機械学習した学習モデルを記憶する学習モデル記憶部と、
    前記機械学習に係る処理として、前記入力データに基づいて、前記学習モデル記憶部に記憶された学習モデルを用いて前記ベルトのテンション値を推定し、その推定結果を出力する推定部と、
    を備える、
    診断装置。
  3. 前記共振周波数及び反共振周波数を含む範囲は、少なくとも一次共振周波数及び一次反共振周波数を含む範囲である、
    請求項１に記載の診断装置。
  4. 前記共振周波数及び反共振周波数を含む範囲は、更に二次以上の共振周波数及び反共振周波数を含む範囲を含む、
    請求項３に記載の診断装置。
  5. 前記入力データに、更に温度、湿度の少なくともいずれかを含む、
    請求項１に記載の診断装置。
  6. 前記入力データに、更に機械特性、ベルト特性の少なくともいずれを含む、
    請求項１に記載の診断装置。
  7. 産業機械が備える動力を伝達するベルトのテンションの推定または異常検知をする機械学習装置であって、
    前記ベルトを駆動する周波数スイープ動作時に取得されたフィードバックデータの周波数－ゲイン特性を解析し、該周波数－ゲイン特性における共振周波数及び反共振周波数を含む入力データと、前記周波数スイープ動作時の前記ベルトのテンション値を含むラベルデータとを含む教師データに基づいて、前記周波数スイープ動作時に取得されたフィードバックデータの周波数－ゲイン特性に対する前記ベルトのテンション値の相関性を機械学習した学習モデルを作成する学習部と、
    前記学習モデルを記憶する学習モデル記憶部と、
    を備えた機械学習装置。
  8. 産業機械が備える動力を伝達するベルトのテンションの推定または異常検知をする機械学習装置であって、
    周波数スイープ動作時に取得されたフィードバックデータの周波数－ゲイン特性に対する前記ベルトのテンション値の相関性を機械学習した学習モデルを記憶する学習モデル記憶部と、
    前記ベルトを駆動する周波数スイープ動作時に取得されたフィードバックデータの周波数－ゲイン特性における共振周波数及び反共振周波数を含む範囲を入力データとして、該入力データに基づいて、前記学習モデル記憶部に記憶された学習モデルを用いて前記ベルトのテンション値を推定し、その推定結果を出力する推定部と、
    を備えた機械学習装置。
JP2019185353A 2019-10-08 2019-10-08 診断装置及び機械学習装置 Active JP7381280B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2019185353A JP7381280B2 (ja) 2019-10-08 2019-10-08 診断装置及び機械学習装置
US17/029,038 US11892814B2 (en) 2019-10-08 2020-09-23 Diagnostic device and machine learning device
CN202011035354.1A CN112629731B (zh) 2019-10-08 2020-09-27 诊断装置以及机器学习装置
DE102020125645.0A DE102020125645A1 (de) 2019-10-08 2020-10-01 Diagnosegerät und maschinenlerngerät

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019185353A JP7381280B2 (ja) 2019-10-08 2019-10-08 診断装置及び機械学習装置

Publications (2)

Publication Number Publication Date
JP2021060313A JP2021060313A (ja) 2021-04-15
JP7381280B2 true JP7381280B2 (ja) 2023-11-15

Family

ID=74875572

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019185353A Active JP7381280B2 (ja) 2019-10-08 2019-10-08 診断装置及び機械学習装置

Country Status (4)

Country Link
US (1) US11892814B2 (ja)
JP (1) JP7381280B2 (ja)
CN (1) CN112629731B (ja)
DE (1) DE102020125645A1 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023026419A1 (ja) * 2021-08-25 2023-03-02 ファナック株式会社 制御装置及び制御方法
WO2023026411A1 (ja) * 2021-08-25 2023-03-02 ファナック株式会社 状態判定装置及び状態判定方法
WO2024157328A1 (ja) * 2023-01-23 2024-08-02 ファナック株式会社 制御装置及び制御方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004123383A (ja) 2002-08-07 2004-04-22 Ricoh Co Ltd ベルト駆動制御方法及びその装置、ベルト装置、画像形成装置、プロセスカートリッジ、プログラム並びに記録媒体
JP2008197062A (ja) 2007-02-15 2008-08-28 Ricoh Co Ltd 転写ベルト駆動機構のモデル化方法及びそのモデル化方法を用いた制御系の設計支援方法
JP2011064247A (ja) 2009-09-16 2011-03-31 Yaskawa Electric Corp ベルトの駆動装置及びそれを備えたロボット
JP2013216030A (ja) 2012-04-11 2013-10-24 Fanuc Ltd 射出成形機の可動部の劣化検出方法および可動部の劣化検出機能を有する射出成形機の制御装置
US20180119790A1 (en) 2016-11-01 2018-05-03 Thermo King Corporation Systems and methods for monitoring belt tension and determining belt lifespan in a transport refrigeration unit
WO2019074002A1 (ja) 2017-10-10 2019-04-18 オムロン株式会社 異常診断装置、異常診断方法、及び異常診断プログラム

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11262932A (ja) 1998-03-16 1999-09-28 Niigata Eng Co Ltd 射出成形機の駆動力伝達装置
WO2007136828A2 (en) * 2006-05-19 2007-11-29 Siemens Energy & Automation, Inc. Automating tuning of a closed loop controller
US9182300B2 (en) * 2012-10-10 2015-11-10 Bosch Automotive Service Solutions Inc. Method and system for measuring belt tension
WO2014091713A1 (ja) * 2012-12-12 2014-06-19 バンドー化学株式会社 固有周波数測定装置、ベルト張力算出プログラム及び方法、並びにベルト固有周波数算出プログラム及び方法
JP5963332B1 (ja) * 2015-03-09 2016-08-03 東芝エレベータ株式会社 搬送装置
JP6474460B2 (ja) * 2017-06-21 2019-02-27 ファナック株式会社 モータ制御装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004123383A (ja) 2002-08-07 2004-04-22 Ricoh Co Ltd ベルト駆動制御方法及びその装置、ベルト装置、画像形成装置、プロセスカートリッジ、プログラム並びに記録媒体
JP2008197062A (ja) 2007-02-15 2008-08-28 Ricoh Co Ltd 転写ベルト駆動機構のモデル化方法及びそのモデル化方法を用いた制御系の設計支援方法
JP2011064247A (ja) 2009-09-16 2011-03-31 Yaskawa Electric Corp ベルトの駆動装置及びそれを備えたロボット
JP2013216030A (ja) 2012-04-11 2013-10-24 Fanuc Ltd 射出成形機の可動部の劣化検出方法および可動部の劣化検出機能を有する射出成形機の制御装置
US20180119790A1 (en) 2016-11-01 2018-05-03 Thermo King Corporation Systems and methods for monitoring belt tension and determining belt lifespan in a transport refrigeration unit
WO2019074002A1 (ja) 2017-10-10 2019-04-18 オムロン株式会社 異常診断装置、異常診断方法、及び異常診断プログラム
JP2019070580A (ja) 2017-10-10 2019-05-09 オムロン株式会社 異常診断装置、異常診断方法、及び異常診断プログラム

Also Published As

Publication number Publication date
CN112629731B (zh) 2024-03-22
JP2021060313A (ja) 2021-04-15
CN112629731A (zh) 2021-04-09
US11892814B2 (en) 2024-02-06
DE102020125645A1 (de) 2021-04-08
US20210103267A1 (en) 2021-04-08

Similar Documents

Publication Publication Date Title
JP7381280B2 (ja) 診断装置及び機械学習装置
JP6810097B2 (ja) 異常検出器
JP6711854B2 (ja) 故障予測装置及び機械学習装置
JP7332438B2 (ja) 診断装置
WO2021157676A1 (ja) 診断装置
JP2020110900A (ja) 判定装置
JP6708676B2 (ja) 異常要因特定装置
US11269710B2 (en) Diagnostic apparatus
US11144032B2 (en) Time to failure analysis of robotic arm cabling
JP6975188B2 (ja) 状態判定装置及び状態判定方法
JP6773738B2 (ja) 状態判定装置及び状態判定方法
JP7010861B2 (ja) 状態判定装置及び状態判定方法
JP6730350B2 (ja) 制御装置
US11731272B2 (en) Robot, control device, and information processing device
CN111936278B (zh) 机器人控制装置、维护管理方法以及计算机可读存储介质
JP2021060633A (ja) 診断装置
WO2021241352A1 (ja) 工具診断装置
JP7278803B2 (ja) 情報処理方法、情報処理装置、ロボットシステム、ロボットシステムの制御方法、ロボットシステムを用いた物品の製造方法、プログラム及び記録媒体
JP7011106B1 (ja) 状態判定装置及び状態判定方法
WO2023026419A1 (ja) 制御装置及び制御方法
WO2023026411A1 (ja) 状態判定装置及び状態判定方法
JP7184997B2 (ja) 状態判定装置及び状態判定方法
WO2023053453A1 (ja) 制御装置及び制御方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220616

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230329

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230509

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230707

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20231003

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20231102

R150 Certificate of patent or registration of utility model

Ref document number: 7381280

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150