JP7442704B1 - 工作機械、情報処理装置および制御プログラム - Google Patents

Abstract

【課題】自動ドアの開閉動作（移動）の異常を正確に検知することが可能な工作機械、情報処理装置および制御プログラム、を提供する。【解決手段】工作機械は、ドアと、ドアを開閉動作させるモータと、ドアの開閉動作時におけるモータのトルク波形が入力され、入力されたモータのトルク波形と、ドアの正常な開閉動作時のモータのトルク波形を学習データとして生成された学習済みモデル７０（適応ＡＩフィルタＦ）とに基づいて、モータを停止させるモータ制御部とを備える。【選択図】図４

Description

この発明は、工作機械、情報処理装置および制御プログラムに関する。

たとえば、特開２０２０－４４６０１号公報（特許文献１）には、開口部が設けられるカバー体と、開口部に配置され、水平方向にスライド可能に支持される扉部と、扉部を開閉動作させるアクチュエータとを備える工作機械が開示されている。アクチュエータは、サーボモータからなり、扉部を任意の位置で停止させることが可能である。

特開２０２０－４４６０１号公報

上述の特許文献１に開示されるように、モータにより開閉動作されるドアを備えた工作機械が知られている。このような工作機械において、ドアの衝突または異物の巻き込み等が発生した場合に、モータを停止させたり、停止からさらに反転させたりする制御を行なうために、モータのトルク波形（ドアの駆動に必要なモータ電流値の変動）に基づいて、ドアの開閉動作の異常を検知することが試みられている。

しかしながら、モータのトルク波形は、ドアの開閉動作時に生じる振動成分を含んでおり、モータのトルク波形に占める振動成分が大きいと、ドアの開閉動作の異常を正確に検知することが難しくなる。また、振動の主要因であるドアの固有振動数（共振周波数）の値を予め特定しておき、その値に基づいて、振動成分を除去するという方法も考えられる。しかしながら、ドアの開閉動作時の抵抗の増減、モータおよびドア間に懸架されるベルトの張力の変化、または、ドアに後付けされる資材（たとえば、ホワイトボード）による重量の変化などに起因して、共振現象における周波数および振幅は、経時的に変化する。このため、振動成分に対して固定的に対処するだけでは、共振現象の経時的な変化に対応することができない。

そこでこの発明の目的は、上記の課題を解決することであり、自動ドアの開閉動作（移動）の異常を正確に検知することが可能な工作機械、情報処理装置および制御プログラムを提供することである。

［１］ドアと、上記ドアを開閉動作させるモータと、上記ドアの開閉動作時における上記モータのトルク波形が入力され、入力された上記モータのトルク波形と、上記ドアの正常な開閉動作時の上記モータのトルク波形を学習データとして生成された学習済みモデルとに基づいて、上記モータを停止させるモータ制御部とを備える、工作機械。

このように構成された工作機械によれば、ドアの正常な開閉動作時のモータのトルク波形を学習データとして生成された学習済みモデルを用いることによって、入力されたモータのトルク波形からドアの開閉動作の異常を正確に検知し、モータを停止させることができる。

［２］上記学習済みモデルでは、上記モータのトルク波形が、上記モータの回転速度、上記モータの回転加速度、上記モータの回転角度、周辺温度、時間情報、および、ドアの位置情報のうちの少なくとも１つのパラメータと関連付けられており、上記モータ制御部には、上記パラメータがさらに入力される、［１］に記載の工作機械。

このように構成された工作機械によれば、ドアの開閉動作の異常をさらに正確に検知することができる。

［３］上記モータ制御部は、上記ドアの正常な開閉動作時の上記モータのトルク波形を学習データとして取得し、上記学習データに基づいて、上記学習済みモデルを更新する、［１］または［２］に記載の工作機械。

このように構成された工作機械によれば、ドアの開閉動作の異常をさらに正確に検知することができる。

［４］上記ドアの開閉動作の完了を検出するためのセンサをさらに備え、上記モータ制御部は、上記センサにより上記ドアの開閉動作の完了が検出された場合に、上記学習済みモデルを更新する、［３］に記載の工作機械。

［５］上記モータ制御部は、上記ドアの開閉動作時に、上記モータのトルク波形を随時取得することにより、上記学習済みモデルの更新を進行し、上記ドアの異常な開閉動作時の上記モータのトルク波形を取得した時点で、上記学習済みモデルの更新を停止する、［３］に記載の工作機械。

このように構成された工作機械によれば、学習済みモデルの更新に、ドアの異常な開閉動作時のモータのトルク波形が学習データとして用いられることを防止できる。

［６］ドアと、上記ドアを移動させるモータと、上記ドアの移動における上記モータのトルク波形が入力されることで、予め上記ドアの移動と、上記モータのトルク波形との関係を学習した学習済みモデルに基づいて、上記モータを停止させるモータ制御部とを備える、工作機械。

このように構成された工作機械によれば、ドアの移動と、モータのトルク波形との関係を学習した学習済みモデルを用いることによって、入力されたモータのトルク波形からドアの移動の異常を正確に検知し、モータを停止させることができる。

［７］ドアを開閉動作させるモータを備える工作機械を制御するための情報処理装置であって、上記モータを制御するモータ制御部を備え、上記モータ制御部は、上記工作機械から上記ドアの開閉動作時における上記モータのトルク波形を取得するトルク波形取得部と、上記トルク波形取得部から上記モータのトルク波形が入力され、入力された上記モータのトルク波形と、上記ドアの正常な開閉動作時の上記モータのトルク波形を学習データとして生成された学習済みモデルとに基づいて、上記モータを停止させる異常検知部とを含む、情報処理装置。

このように構成された情報処理装置によれば、ドアの正常な開閉動作時のモータのトルク波形を学習データとして生成された学習済みモデルを用いることによって、入力されたモータのトルク波形からドアの開閉動作の異常を正確に検知し、モータを停止させることができる。

［８］ドアを開閉動作させるモータを備える工作機械の制御プログラムであって、上記制御プログラムは、上記工作機械に、上記ドアの開閉動作時における上記モータのトルク波形の入力を受け付けるステップと、受け付けた上記モータのトルク波形と、上記ドアの正常な開閉動作時の上記モータのトルク波形を学習データとして生成された学習済みモデルとに基づいて、上記モータを停止させるステップとを実行させる、制御プログラム。

このように構成された制御プログラムによれば、ドアの正常な開閉動作時のモータのトルク波形を学習データとして生成された学習済みモデルを用いることによって、入力されたモータのトルク波形からドアの開閉動作の異常を正確に検知し、モータを停止させることができる。

以上に説明したように、この発明に従えば、自動ドアの開閉動作（移動）の異常を正確に検出することが可能な工作機械、情報処理装置および制御プログラムを提供することができる。

この発明の実施の形態１における工作機械を示す斜視図である。 図１中の工作機械において、ドアが閉動作する状態を模式的に示す前面図である。 図１中の工作機械において、ドアが開動作する状態を模式的に示す前面図である。 ドアの開閉動作の異常検知のための処理を模式的に示す図である。 ドアの開閉動作の異常検知のための処理を模式的に示す別の図である。 ドアの開閉動作の異常検知の処理の流れを示すフローチャートである。 ドアの閉動作時のモータのトルク変動および速度の一例を示す図である。 図６中のドアの開閉動作の異常検知の処理の流れの変形例を示すフローチャートである。 図１中の工作機械において、ドアの開閉動作に関連する構成を示すブロック図である。 ドアの開閉動作の異常検知を実現するための機能構成を示すブロック図である。 この発明の実施の形態２における情報処理装置と、情報処理装置により制御される工作機械とにおいて、ドアの開閉動作に関連する構成を示すブロック図である。

この発明の実施の形態について、図面を参照して説明する。なお、以下で参照する図面では、同一またはそれに相当する部材には、同じ番号が付されている。

（実施の形態１）
図１は、この発明の実施の形態１における工作機械を示す斜視図である。図１を参照して、本実施の形態における工作機械１０は、コンピュータによる数値制御によって、ワーク加工のための各種動作が自動化されたＮＣ（Numerically Control）工作機械である。

工作機械１０は、加工エリア１８においてワークを加工する。工作機械１０は、旋盤である。本発明における工作機械は、マシニングセンタであってもよいし、旋削機能と、ミーリング機能とを有する複合加工機であってもよいし、ワークの除去加工（ＳＭ（Subtractive Manufacturing））と、ワークの付加加工（ＡＭ（Additive Manufacturing））とが可能なＡＭ／ＳＭハイブリッド加工機であってもよい。

工作機械１０は、カバー体１２と、ドア２１と、駆動側プーリ３１および従動側プーリ３２と、ベルト３６と、モータ４１とを有する。

カバー体１２は、スプラッシュガードとも呼ばれ、工作機械１０の外観をなすとともに、加工エリア１８を区画形成している。カバー体１２は、全体として、直方体形状をなしており、前部２７と、天井部２８とを有する。カバー体１２には、開口部１６が設けられている。開口部１６は、加工エリア１８を外部空間に開放している。

ドア２１は、開口部１６に設けられている。ドア２１は、カバー体１２に対して、水平方向にスライド可能なように取り付けられている。ドア２１がスライド動作することによって、開口部１６が開状態とされたり、閉状態とされたりする。開口部１６が閉状態とされた時に、ドア２１は、カバー体１２とともに加工エリア１８を区画形成する。

本実施の形態では、開口部１６が、上方開口部１３と、前方開口部１４とを有する。上方開口部１３は、カバー体１２の天井部２８に設けられている。前方開口部１４は、カバー体１２の前部２７に設けられている。上方開口部１３は、加工エリア１８の上方の位置で開口している。前方開口部１４は、水平方向において加工エリア１８と対向する位置で開口している。前方開口部１４の上端部は、上方開口部１３の前端部に連なっている。

ドア２１は、前方ドア部２２と、上方ドア部２３とを有する。ドア２１が閉状態とされた場合に、前方ドア部２２は、前方開口部１４を閉塞し、上方ドア部２３は、上方開口部１３を閉塞している。前方ドア部２２の上端部と、上方ドア部２３の前端部とが繋がって、角部をなしている。前方ドア部２２および上方ドア部２３は、ドア２１のスライド方向に見た場合に、Ｌ字形状をなしている。前方ドア部２２には、透明窓２４が設けられている。作業者は、透明窓２４を通して、加工エリア１８内のワーク加工の状況を確認することができる。

図２は、図１中の工作機械において、ドアが閉動作する状態を模式的に示す前面図である。図３は、図１中の工作機械において、ドアが開動作する状態を模式的に示す前面図である。

図１から図３を参照して、駆動側プーリ３１および従動側プーリ３２は、カバー体１２によって支持されている。駆動側プーリ３１および従動側プーリ３２は、ドア２１のスライド方向に互いに離れて設けられている。駆動側プーリ３１は、中心軸１０１を中心に回転可能に設けられている。従動側プーリ３２は、中心軸１０６を中心に回転可能に設けられている。中心軸１０１および中心軸１０６は、水平方向であって、ドア２１のスライド方向に直交する方向に延びている。

ベルト３６は、駆動側プーリ３１および従動側プーリ３２と係合している。ベルト３６は、駆動側プーリ３１および従動側プーリ３２の間に掛け渡されている。ベルト３６は、駆動側プーリ３１および従動側プーリ３２の間で周回する環状の無端ベルトである。

ドア２１は、ベルト３６と連結されている。ドア２１は、連結部材２６を介して、ベルト３６と連結されている。連結部材２６は、ドア２１の上方ドア部２３に取り付けられている。連結部材２６は、ドア２１のスライド方向における上方ドア部２３の中央部に配置されている。

モータ４１は、カバー体１２に取り付けられている。モータ４１は、カバー体１２の天井部２８に取り付けられている。モータ４１は、ドア２１のスライド方向における上方開口部１３の開口端部と、ドア２１のスライド方向に直交する水平方向（工作機械１０の前後方向）に隣り合って配置されている。

モータ４１は、回転シャフト４２を有する。回転シャフト４２は、モータ４１からの回転運動を出力する軸部材である。モータ４１は、回転シャフト４２の回転方向、回転速度（加速度）および回転角を任意に制御することが可能なサーボモータである。回転シャフト４２は、中心軸１０１の軸上で延びている。回転シャフト４２には、駆動側プーリ３１が接続されている。駆動側プーリ３１は、回転シャフト４２とともに、中心軸１０１を中心に回転する。

図２に示されるように、ドア２１を閉動作させる場合、モータ４１の回転シャフト４２を、矢印１１０Ａに示す方向に回転させる。駆動側プーリ３１が、回転シャフト４２とともに矢印１１０Ａに示す方向に回転すると、ベルト３６は、駆動側プーリ３１からの回転を受けることによって、駆動側プーリ３１および従動側プーリ３２の間で反時計回り方向に周回する。これにより、ドア２１が矢印１１２Ａに示す方向にスライド移動する。

図３に示されるように、ドア２１の開動作させる場合、モータ４１の回転シャフト４２を矢印１１０Ｂに示す方向に回転させる。駆動側プーリ３１が、回転シャフト４２とともに矢印１１０Ｂに示す方向に回転すると、ベルト３６は、駆動側プーリ３１からの回転を受けることによって、駆動側プーリ３１および従動側プーリ３２の間で時計回り方向に周回する。これにより、ドア２１が、矢印１１２Ｂに示す方向にスライド移動する。

本実施の形態では、開口部１６の開口面積を減少させるドア２１の動作が、「閉動作」に対応し、開口部１６の開口面積を増大させるドア２１の動作が、「開動作」に対応している。本発明は、このようなドアの開閉動作に限られず、たとえば、ドアが開口部の第１領域および第２領域の間で移動し、開口部の開口面積が不変であるような場合にも適用され得る。

ドア２１が、上記開閉動作（移動）に伴って、ワーク、または、ワークを搬送するロボットアーム等と衝突したり、ドア２１を支持するレールに切屑等の異物が巻き込まれたりする場合がある。このような場合に、ドア２１の開閉動作（移動）の異常を検知して、モータ４１を停止させる制御が行なわれる。以下においては、ドア２１の開閉動作（移動）の異常検知について説明する。

図４および図５は、ドアの開閉動作の異常検知のための処理を模式的に示す図である。図６は、ドアの開閉動作の異常検知の処理の流れを示すフローチャートである。

図７は、ドアの閉動作時のモータのトルク変動および速度の一例を示す図である。図７中では、モータ４１のトルク変動が、ライン２１０により示され、モータ４１の速度が、ライン２２０により示されている。図７中の縦軸は、モータ４１のトルク変動および速度を表わし、図７中の横軸は、時間を表わしている。図７中のライン２１０に示されるモータ４１のトルク波形は、ドア２１を全開位置から全閉位置まで閉動作させる場合に、ドア２１の駆動に必要なモータ４１の電流値の変動に対応している。図７中のライン２１０に示されるモータ４１のトルク波形は、ドア２１の閉動作に伴って生じる振動成分を含んでいる。

なお、図７中では、ドア２１を開動作させるときのモータ４１の回転方向を正転方向と想定し、ドア２１を閉動作させるときのモータ４１の回転方向を逆転方向と想定しているため、ドア２１の閉動作時のモータ４１のトルク変動および速度は、負数のグラフで表わされている。図示を省略しているが、ドア２１の開動作時のモータ４１のトルク変動および速度は、正数のグラフで表わされる。

図４から図７を参照して、工作機械１０は、モータ制御部６１（後出の図９および図１０を参照）を有する。モータ制御部６１には、ドア２１の開閉動作時におけるモータ４１のトルク波形が入力される。モータ制御部６１は、入力されたモータ４１のトルク波形と、学習済みモデル７０とに基づいて、モータ４１を停止させる。より特定的には、モータ制御部６１は、入力されたモータ４１のトルク波形と、学習済みモデル７０とに基づいて、ドア２１の開閉動作が正常であるか否かを判定し、ドア２１の開閉動作が異常であると判定した場合に、モータ４１を停止させる。

学習済みモデル７０は、ドア２１の正常な開閉動作時のモータ４１のトルク波形を学習データとして生成される人工知能モデルである。学習済みモデル７０は、ドア２１の正常な開閉動作時のモータ４１のトルク波形の正常モデルである。本実施の形態では、図４および図５に示される適応ＡＩフィルタＦが、学習済みモデル７０に対応している。

モータ制御部６１は、ドア２１の移動におけるモータ４１のトルク波形が入力されることによって、学習済みモデル７０に基づいてモータ４１を停止させる。学習済みモデル７０は、予めドア２１の移動と、モータ４１のトルク波形との関係を学習したものである。

適応ＡＩフィルタＦでは、モータ４１のトルク波形が、モータ４１の回転速度、モータ４１の回転加速度、モータ４１の回転角度、周辺温度、時間情報、および、ドア２１の位置情報のうちの少なくとも１つのパラメータＮと関連付けられている。これらパラメータＮは、モータ４１のトルク波形に含まれる振動成分に影響を与え得る因子である。

モータ４１の速度、加速度および回転角度は、開閉動作時におけるドア２１の挙動（ドア２１の開閉動作の途中停止および再開、または、ドア２１の開閉動作の開始位置および完了位置など）と相関するため、モータ４１のトルク波形に含まれる振動成分に影響を与え得る。

周辺温度は、工作機械１０（ドア２１）の周辺の空間の温度である。周辺温度は、たとえば、ドア２１およびカバー体１２の間に配置されるグリス等の潤滑剤の粘度と相関するため、モータ４１のトルク波形に含まれる振動成分に影響を与え得る。時間情報は、たとえば、日付け、工作機械１０の累積使用時間、または、ドア２１の累積開閉時間などである。時間情報は、たとえば、グリス等の潤滑剤の粘度の経時的な変化、または、ベルト３６の伸びもしくは張力の経時的な変化と相関するため、モータ４１のトルク波形に含まれる振動成分に影響を与え得る。

ドア２１の位置情報は、ドア２１の現位置に関する情報であり、本実施の形態では、ドア２１のスライド方向における座標によって表わされる。たとえば、ドア２１の現位置によってベルト３６の張力が変化するため、ドア２１の位置情報は、モータ４１のトルク波形に含まれる振動成分に影響を与え得る。

適応ＡＩフィルタＦの学習処理について説明する。まず、工作機械１０のメーカーの作業者が、ドア２１を開閉動作させるためのランニングプログラムを作成する。作業者は、かかるランニングプログラムを用いてモータ４１を駆動させることにより、ドア２１を正常に開閉動作させるステップを繰り返す。本ステップにおいては、ドア２１を、全開位置および全閉位置の間で開閉動作させたり、全開位置または全閉位置と、ドア２１が途中停止する全開位置および全閉位置の間の中間位置との間で開閉動作させたりする。

なお、ドア２１の正常な開閉動作とは、ドア２１が衝突を起こしたり、ドア２１に異物が巻き込まれたりすることがない開閉動作である。

ドア２１を正常に開閉動作させるステップに伴って、モータ４１のトルク波形と、モータ４１の回転速度、モータ４１の回転加速度、モータ４１の回転角度、周辺温度、時間情報、および、ドア２１の位置情報のうちの少なくとも１つのパラメータＮとを検出する。検出したモータ４１のトルク波形と、そのモータ４１のトルク波形に対応するパラメータＮとを含む学習データを収集し、これらを用いて適応ＡＩフィルタＦを機械学習させる。

適応ＡＩフィルタＦは、各種のパラメータＮに対応するモータ４１のトルク波形の正常モデルｘ’（ｎ）である。正常モデルｘ’（ｎ）は、パラメータＮの条件下で発生する振動の成分を含んでいる。

次に、作成した適応ＡＩフィルタＦを、販売される前の工作機械１０の記憶部６６（後出の図１０を参照）内に初期データとして格納する。初期データとして記憶部６６に格納される適応ＡＩフィルタＦは、個別の工作機械１０に対応して作成されてもよいし、同種の工作機械１０に対応して（工作機械１０の機種毎に）作成されてもよい。

適応ＡＩフィルタＦを用いたドア２１の開閉動作の異常検知のための処理について説明する。適応ＡＩフィルタＦを用いたドア２１の開閉動作の異常検知は、工作機械１０がユーザに販売された後、工作機械１０が実際にユーザにより使用される場面において実行される。

図４から図６に示されるように、まず、ドア２１の開閉動作を開始する（Ｓ１０１）。本ステップにおいては、ユーザが作成した制御プログラムに従って、ドア２１を自動的に開閉動作させる。

次に、図４および図６に示されるように、ドア２１の開閉動作に伴って、モータ４１のトルク波形と、モータ４１の回転速度、モータ４１の回転加速度、モータ４１の回転角度、周辺温度、時間情報、および、ドア２１の位置情報のうちの少なくとも１つのパラメータＮとを検出する（Ｓ１０２）。検出したモータ４１のトルク波形ｘ（ｎ）と、パラメータＮとは、モータ制御部６１に入力される。

図５に示されるように、モータ制御部６１に入力されるモータ４１のトルク波形ｘ（ｎ）は、ドア２１の正常な開閉動作時のモータ４１のトルク波形に含まれる振動の周期的成分と、周期的成分以外の非周期的成分（たとえば、ドア２１の衝突または異物の巻き込みに起因する異常振動の成分）とを含んでいる。

次に、図４から図６に示されるように、モータ制御部６１は、入力されたモータ４１のトルク波形ｘ（ｎ）と、適応ＡＩフィルタＦとに基づいて、ドア２１の開閉動作が正常であるか否かを判定する（Ｓ１０３）。

より具体的には、図５に示されるように、モータ制御部６１は、入力されたモータ４１のトルク波形ｘ（ｎ）と、適応ＡＩフィルタＦにおけるモータ４１のトルク波形の正常モデルｘ’（ｎ）との差分を算出し、算出した差分ｙ（ｎ）を出力する。

差分ｙ（ｎ）は、振動の周期的成分および非周期的成分のうちの非周期的成分のみを含んでいる。また、本実施の形態では、モータ４１のトルク波形が、モータ４１の回転速度、モータ４１の回転加速度、モータ４１の回転角度、周辺温度、時間情報、および、ドア２１の位置情報のうちの少なくとも１つのパラメータＮと関連付けられているため、これらパラメータＮに対応した振動成分の周期性成分を除去することができる。

モータ制御部６１は、差分ｙ（ｎ）が予め定められた閾値以下である場合に、ドア２１の開閉動作が正常であると判定し、差分ｙ（ｎ）が予め定められた閾値を超える場合に、ドア２１の開閉動作が異常であると判定する。閾値は、たとえば、モータ制御部６１に入力されるモータ４１のトルク波形ｘ（ｎ）の最大の振幅に対して、２０％であってもよいし、１０％であってもよい。

次に、モータ制御部６１は、Ｓ１０３のステップでドア２１の開閉動作が異常であると判定した場合に、モータ４１を停止させる（Ｓ１０４）。モータ４１を停止させることによって、ドア２１の開閉動作が停止する。本ステップにおいて、モータ制御部６１は、モータ４１を停止からさらに反転させてもよい。この場合、モータ４１を反転させることによって、ドア２１が開動作および閉動作のいずれか一方の動作から、開動作および閉動作のいずれか他方の動作に転じる。

モータ制御部６１は、Ｓ１０３のステップでドア２１の開閉動作が正常であると判定した場合に、モータ４１の運転を継続する。モータ制御部６１は、ドア２１の開閉動作の完了を確認する（Ｓ１０５）。

本ステップにおいて、ドア２１の開閉動作の完了は、ドア２１および／またはカバー体１２に設けられる各種のセンサ８１（後出の図１０を参照）により検出される。センサ８１は、リミットスイッチおよびマイクロスイッチ等の接触式センサであってもよいし、近接センサ等の非接触式センサであってもよい。

モータ制御部６１は、Ｓ１０５のステップでドア２１の開閉動作の完了を確認した場合に、適応ＡＩフィルタＦを更新する（Ｓ１０６）。

本ステップにおいては、モータ制御部６１に入力されたモータ４１のトルク波形ｘ（ｎ）を用いて適応ＡＩフィルタＦを更新する。より具体的には、Ｓ１０３のステップで算出されたモータ４１のトルク波形ｘ（ｎ）と、モータ４１のトルク波形の正常モデルｘ’（ｎ）との差分がゼロになるように、適応ＡＩフィルタＦにおけるモータ４１のトルク波形の正常モデルｘ’（ｎ）を再学習させる。

正常であるか異常であるかが予め判明している教師データを用いた機械学習とは異なり、本実施の形態における機械学習では、ドア２１の開閉動作時に、衝突または巻き込み等の不測の事態がいつ発生するかが不明である。これに対して、ドア２１の開閉動作の完了を確認した後に、適応ＡＩフィルタＦの更新を実行することによって、ドア２１の開閉動作の途中で正常から異常に切り替わるような学習データを用いた機械学習を防ぐことができる。これにより、モータ４１の正常モデルｘ’（ｎ）の適切な再学習が可能となる。

図８は、図６中のドアの開閉動作の異常検知の処理の流れの変形例を示すフローチャートである。図８を参照して、本変形例では、モータ制御部６１が、ドア２１の開閉動作時に、モータ４１のトルク波形を随時取得することにより、適応ＡＩフィルタＦの更新を進行し、ドア２１の異常な開閉動作時のモータ４１のトルク波形を取得した時点で、適応ＡＩフィルタＦの更新を停止する。

より具体的には、Ｓ１０２のステップで検出されたトルク波形ｘ（ｎ）と、パラメータＮとは、モータ制御部６１に随時入力される。モータ制御部６１は、入力されるモータ４１のトルク波形ｘ（ｎ）と、適応ＡＩフィルタＦとに基づいて、ドア２１の開閉動作が正常であるか否かを判定する（Ｓ１０３）。

モータ制御部６１は、Ｓ１０３のステップでドア２１の開閉動作が正常であると判定した場合に、モータ４１の運転を継続するとともに、モータ制御部６１に入力されるモータ４１のトルク波形ｘ（ｎ）を用いて適応ＡＩフィルタＦを更新する（Ｓ１１１）。一方、モータ制御部６１は、Ｓ１０３のステップでドア２１の開閉動作が異常であると判定した場合に、モータ４１を停止させるとともに、適応ＡＩフィルタＦの更新を停止する（Ｓ１１２）。

本変形例においても、モータ４１の正常モデルｘ’（ｎ）の適切な再学習を実現することができる。

なお、ドア２１の開動作時の速度と閉動作時の速度とが同じである場合であっても、適応ＡＩフィルタＦの機械学習において、ドア２１の開閉動作（移動）を停止させる基準値としてのトルク波形の閾値を、ドア２１の開動作時と閉動作時との間で異なる設定としてもよい。

また、ドア２１の閉動作の間に、ドア２１の速度を多段階に変化させてもよい。この場合に、ドア２１の閉動作の開始時には、停止しているドア２１を動かすため、他の速度より速い第１速度が設定され、それ以降、段階的に第２速度および第３速度と速度を落とし、最終的にドア２１の閉動作を完了する速度設定としてもよい。

また、工作機械１０が、ドア２１の閉動作時に、工作機械１０の周りの防護柵の閉状態を検出する信号、工作機械１０の周りに物体が存在しないことを伝える信号、自動加工運転を行なう指令に関する信号などの入力の有無を確認し、これら信号の入力を確認した場合に、ドア２１の閉動作の全体時間を短くする設定が可能であってもよい。たとえば、工作機械１０が信号の入力を確認した場合には、相対的に速いドア２１の速度を設定し、工作機械１０が信号の入力を確認できなかった場合には、相対的に遅いドア２１の速度を設定してもよい。

また、本実施の形態では、モータ４１のトルク波形の正常モデルｘ’（ｎ）の再学習について説明したが、適応ＡＩフィルタＦの更新は必ずしも実行されなくてもよい。また、ドア２１の衝突時または異物の巻き込み時のモータ４１のトルク波形をさらに収集することによって、モータ４１のトルク波形の正常モデルおよび異常モデルの両方を用いて、適応ＡＩフィルタＦを機械学習させてもよい。この場合に、まず、上記のＳ１０３のステップに従って、モータ４１のトルク波形の正常モデルｘ’（ｎ）を用いて、ドア２１の開閉動作が正常であるか否かを判定し、さらに、ドア２１の開閉動作が異常であると判定した場合に、モータ４１のトルク波形の異常モデルを用いて、本当に異常であるか否かを分類してもよい。

本発明における学習済みモデルは、少なくともドアの正常な開閉動作時のモータのトルク波形を学習データとして生成されるものであれば、特に限定されない。本発明における学習済みモデルの作成には、たとえば、リザーバコンピューティング手法が利用されてもよい。

続いて、ドア２１の開閉動作に関連する工作機械１０の構成と、ドア２１の開閉動作の異常検知を実現するための機能構成とについて説明する。

図９は、図１中の工作機械において、ドアの開閉動作に関連する構成を示すブロック図である。図９を参照して、工作機械１０は、操作盤５１と、ＰＬＣ（Programmable Logic Controller）５２と、自動ドアコントローラ５３と、サーボドライバ５４とをさらに有する。

操作盤５１は、ワーク加工に関する各種情報を表示したり、工作機械１０に対する各種操作を受け付けたりする。ＰＬＣ５２は、予め準備されている制御プログラムの指令を読み取って、自動ドアコントローラ５３に出力する。制御プログラムは、たとえば、ラダープログラムで記述されている。

自動ドアコントローラ５３は、ＰＬＣ５２からの制御プログラムに従って、サーボドライバ５４に制御信号を出力する。サーボドライバ５４は、自動ドアコントローラ５３からの制御信号を受けて、ドア２１を開閉動作させるためのモータ４１を制御する。

図１０は、ドアの開閉動作の異常検知を実現するための機能構成を示すブロック図である。図９および図１０を参照して、本実施の形態では、モータ制御部６１が、自動ドアコントローラ５３に含まれている。

モータ制御部６１の各構成要素は、ＣＰＵ（Central Processing Unit）および各種コンピュータプロセッサなどの演算器、メモリおよびストレージなどの記憶装置、ならびに、それらを連結する有線または無線の通信線を含むハードウェアと、記憶装置に格納され、演算器に処理命令を供給するソフトウェアとによって実現される。コンピュータプログラムは、デバイスドライバ、オペレーティングシステム、それらの上位層に位置する各種アプリケーションプログラム、または、これらのプログラムに共通機能を提供するライブラリによって構成されてもよい。

モータ制御部６１は、信号出力部６２と、異常検知部６３と、トルク波形取得部６４と、パラメータ取得部６５と、記憶部６６と、機械学習部６７とを有する。

信号出力部６２は、ＰＬＣ５２からの制御プログラムに従ったモータ４１の制御信号をサーボドライバ５４に出力する。さらに、信号出力部６２は、異常検知部６３でドア２１の開閉動作の異常が検知された場合に、モータ４１を停止させるための制御信号をサーボドライバ５４に出力する。信号出力部６２は、モータ４１を停止からさらに反転させるための制御信号をサーボドライバ５４に出力してもよい。

サーボドライバ５４は、モータ４１のトルク波形を検出する。サーボドライバ５４は、検出したモータ４１のトルク波形をモータ制御部６１に出力する。トルク波形取得部６４は、サーボドライバ５４からのモータ４１のトルク波形を取得する。

トルク波形取得部６４は、サーボドライバ５４から取得したモータ４１のトルク波形を異常検知部６３および機械学習部６７に出力する。

サーボドライバ５４は、モータ４１の回転速度、回転加速度および回転角度をさらに検出する。モータ４１には、モータ４１の回転角を検出するためのエンコーダが内蔵されている。サーボドライバ５４は、そのエンコーダからの検出信号を受けて、モータ４１の回転速度、回転加速度および回転角度を算出する。

特に本実施の形態では、モータ４１に内蔵されるエンコーダが、多回転角度を検出することが可能な絶対値エンコーダである。サーボドライバ５４は、エンコーダからの検出信号を受けて、リファレンス位置からのモータ４１の多回転角度を算出することで、ドア２１の現位置を特定する。なお、ドア２１の位置情報は、ドア２１および／またはカバー体１２に設置され、ドア２１の位置を検出するための位置センサからの検出信号に基づいて算出されてもよい。

サーボドライバ５４は、検出したモータ４１の回転速度、回転加速度、回転角度、および、ドア２１の位置情報をモータ制御部６１に出力する。パラメータ取得部６５は、サーボドライバ５４からのモータ４１の回転速度、回転加速度、回転角度、および、ドア２１の位置情報を取得する。

温度センサ６８は、工作機械１０の周辺温度を検出する。温度センサ６８は、検出した周辺温度をモータ制御部６１に出力する。パラメータ取得部６５は、温度センサ６８からの周辺温度を取得する。

操作盤５１は、時間情報を検出する。操作盤５１は、検出した時間情報をモータ制御部６１に出力する。パラメータ取得部６５は、操作盤５１からの時間情報を取得する。

パラメータ取得部６５は、サーボドライバ５４から取得したモータ４１の回転速度、回転加速度、回転角度、および、ドア２１の位置情報と、温度センサ６８から取得した周辺温度と、操作盤５１から取得した時間情報とからなる各種パラメータＮを、異常検知部６３および機械学習部６７に出力する。

記憶部６６は、学習済みモデル７０に対応する適応ＡＩフィルタＦを記憶している。記憶部６６は、工作機械１０において、ドア２１の開閉動作の異常検知を実行するための制御プログラムをさらに記憶している。

異常検知部６３は、記憶部６６から適応ＡＩフィルタＦを読み取る。異常検知部６３は、パラメータＮと関連付けられたモータ４１のトルク波形と、適応ＡＩフィルタＦとに基づいて、ドア２１の開閉動作が正常であるか否かを判定することによって、ドア２１の開閉動作の異常を検知する。異常検知部６３は、ドア２１の開閉動作の異常を検知した場合に、モータ４１の停止信号をサーボドライバ５４に出力するように信号出力部６２に指令する。

センサ８１は、ドア２１の開閉動作の完了を検出する。センサ８１は、ドア２１の開閉動作の完了を検出した場合に、その検出信号を機械学習部６７に出力する。

機械学習部６７は、記憶部６６から適応ＡＩフィルタＦを読み取る。機械学習部６７は、センサ８１からドア２１の開閉動作の完了の検出信号が入力された場合に、トルク波形取得部６４からのモータ４１のトルク波形と、パラメータ取得部６５からのモータ４１の回転速度、モータ４１の回転加速度、モータ４１の回転角度、周辺温度、時間情報、および、ドア２１の位置情報からなる各種パラメータＮとの組み合わせを学習データとして、適応ＡＩフィルタＦを再学習させる。機械学習部６７は、再学習させた適応ＡＩフィルタＦを記憶部６６に格納する。

以上に説明した、この発明の実施の形態１における工作機械１０の構成をまとめると、本実施の形態における工作機械１０は、ドア２１と、ドア２１を開閉動作させるモータ４１と、ドア２１の開閉動作時におけるモータ４１のトルク波形が入力され、入力されたモータ４１のトルク波形と、ドア２１の正常な開閉動作時のモータ４１のトルク波形を学習データとして生成された学習済みモデル７０（適応ＡＩフィルタＦ）とに基づいて、モータ４１を停止させるモータ制御部６１とを備える。

また、本実施の形態における工作機械１０は、ドア２１と、ドア２１を移動させるモータ４１と、ドア２１の移動におけるモータ４１のトルク波形が入力されることで、予めドア２１の移動と、モータ４１のトルク波形との関係を学習した学習済みモデルに基づいて、モータ４１を停止させるモータ制御部６１とを備える。

また、本実施の形態における工作機械１０の制御プログラムは、工作機械１０に、ドア２１の開閉動作時におけるモータ４１のトルク波形の入力を受け付けるステップと、受け付けたモータ４１のトルク波形と、ドア２１の正常な開閉動作時のモータ４１のトルク波形を学習データとして生成された学習済みモデル７０（適応ＡＩフィルタＦ）とに基づいて、モータ４１を停止させるステップとを実行させる。

このように構成された、この発明の実施の形態１における工作機械１０およびその制御プログラムによれば、ドア２１の正常な開閉動作時のモータ４１のトルク波形を学習データとして生成された学習済みモデル７０（適応ＡＩフィルタＦ）を用いることによって、入力されたモータ４１のトルク波形に含まれる異常振動の成分を容易に抽出することができる。これにより、ドア２１の開閉動作の異常を正確に検出することができる。

（実施の形態２）
図１１は、この発明の実施の形態２における情報処理装置と、情報処理装置により制御される工作機械とにおいて、ドアの開閉動作に関連する構成を示すブロック図である。

図１１を参照して、本実施の形態における情報処理装置１００は、実施の形態１において説明した工作機械１０を制御する。より特定的には、情報処理装置１００は、工作機械１０におけるドア２１の開閉動作の異常の検知して、モータ４１を制御する。

情報処理装置１００の各構成要素は、ＣＰＵ（Central Processing Unit）および各種コンピュータプロセッサなどの演算器、メモリおよびストレージなどの記憶装置、ならびに、それらを連結する有線または無線の通信線を含むハードウェアと、記憶装置に格納され、演算器に処理命令を供給するソフトウェアとによって実現される。コンピュータプログラムは、デバイスドライバ、オペレーティングシステム、それらの上位層に位置する各種アプリケーションプログラム、または、これらのプログラムに共通機能を提供するライブラリによって構成されてもよい。

情報処理装置１００は、工作機械１０と通信可能に構成されている。情報処理装置１００および工作機械１０の間の通信手段は、無線であってもよいし、有線であってもよい。一例として、工作機械１０および情報処理装置１００の通信規格には、ＥｔｈｅｒＮＥＴ（登録商標）が採用される。

情報処理装置１００は、モータ４１を制御するモータ制御部１６１を有する。モータ制御部１６１には、図１０中の異常検知部６３、トルク波形取得部６４、パラメータ取得部６５、記憶部６６および機械学習部６７の機能構成が含まれている。一方、工作機械１０における自動ドアコントローラ５３には、図１０中の信号出力部６２の機能構成が含まれている。

本実施の形態における情報処理装置１００の構成をまとめると、情報処理装置１００は、モータ４１を制御するモータ制御部１６１を備える。モータ制御部１６１は、工作機械１０からドア２１の開閉動作時におけるモータ４１のトルク波形を取得するトルク波形取得部６４と、トルク波形取得部６４からモータ４１のトルク波形が入力され、入力されたモータ４１のトルク波形と、ドア２１の正常な開閉動作時のモータ４１のトルク波形を学習データとして生成された学習済みモデル７０（適応ＡＩフィルタＦ）とに基づいて、モータ４１を停止させる異常検知部６３とを含む。

このように構成された、この発明の実施の形態２における情報処理装置１００によれば、実施の形態１における工作機械１０と同様の効果を奏することができる。

今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

１０ 工作機械、１２ カバー体、１３ 上方開口部、１４ 前方開口部、１６ 開口部、１８ 加工エリア、２１ ドア、２２ 前方ドア部、２３ 上方ドア部、２４ 透明窓、２６ 連結部材、２７ 前部、２８ 天井部、３１ 駆動側プーリ、３２ 従動側プーリ、３６ ベルト、４１ モータ、４２ 回転シャフト、５１ 操作盤、５３ 自動ドアコントローラ、５４ サーボドライバ、６１，１６１ モータ制御部、６２ 信号出力部、６３ 異常検知部、６４ トルク波形取得部、６５ パラメータ取得部、６６ 記憶部、６７ 機械学習部、６８ 温度センサ、７０ 学習済みモデル、８１ センサ、１００ 情報処理装置。

Claims (7)

1. 開口が設けられ、加工エリアを区画形成するカバー体と、
   前記開口を覆う位置に移動可能であり、前記カバー体とともに前記加工エリアを区画形成するドアと、
   前記ドアを開閉動作させるモータと、
   前記ドアの正常な開閉動作時の前記モータのトルク波形データと、トルク波形に振動の非周期的成分が加わったトルク波形データと、を学習データとして、生成された学習済みモデルと、
   前記ドアの開閉動作時における前記モータの信号を検出し、検出信号で形成されるトルク波形データを前記学習済みモデルに入力し、前記学習済みモデルから出力される波形データに基づいて、前記モータを停止させるモータ制御部とを備える、工作機械。
2. 前記学習済みモデルでは、前記モータのトルク波形が、前記モータの回転速度、前記モータの回転加速度、前記モータの回転角度、周辺温度、時間情報、および、前記ドアの位置情報のうちの少なくとも１つのパラメータと関連付けられており、
   前記モータ制御部には、前記パラメータがさらに入力される、請求項１に記載の工作機械。
3. 前記モータ制御部は、前記ドアの正常な開閉動作時の前記モータのトルク波形を学習データとして取得し、前記学習データに基づいて、前記学習済みモデルを更新する、請求項１または２に記載の工作機械。
4. 前記ドアの開閉動作の完了を検出するためのセンサをさらに備え、
   前記モータ制御部は、前記センサにより前記ドアの開閉動作の完了が検出された場合に、前記学習済みモデルを更新する、請求項３に記載の工作機械。
5. 開口が設けられ、加工エリアを区画形成するカバー体と、
   前記開口を覆う位置に移動可能であり、前記カバー体とともに前記加工エリアを区画形成するドアと、
   前記ドアを移動させるモータと、
   前記ドアの正常な移動時の前記モータのトルク波形データと、トルク波形に振動の非周期的成分が加わったトルク波形データと、を学習データとして、生成された学習済みモデルと、
   前記ドアの移動時における前記モータの信号を検出し、検出信号で形成されるトルク波形データを前記学習済みモデルに入力し、前記学習済みモデルから出力される波形データに基づいて、前記モータを停止させるモータ制御部とを備える、工作機械。
6. 開口が設けられ、加工エリアを区画形成するカバー体と、前記開口を覆う位置に移動可能であり、前記カバー体とともに前記加工エリアを区画形成するドアと、前記ドアを開閉動作させるモータとを備える工作機械を制御するための情報処理装置であって、
   前記ドアの正常な開閉動作時の前記モータのトルク波形データと、トルク波形に振動の非周期的成分が加わったトルク波形データと、を学習データとして、生成された学習済みモデルと、
   前記ドアの開閉動作時における前記モータの信号を検出し、検出信号で形成されるトルク波形データを前記学習済みモデルに入力し、前記学習済みモデルから出力される波形データに基づいて、前記モータを停止させるモータ制御部とを備える、情報処理装置。
7. 開口が設けられ、加工エリアを区画形成するカバー体と、前記開口を覆う位置に移動可能であり、前記カバー体とともに前記加工エリアを区画形成するドアと、前記ドアを開閉動作させるモータとを備える工作機械の制御プログラムであって、
   前記制御プログラムは、前記工作機械に、
   前記ドアの開閉動作時における前記モータの信号を検出し、検出信号で形成されるトルク波形データを、前記ドアの正常な開閉動作時の前記モータのトルク波形データと、トルク波形に振動の非周期的成分が加わったトルク波形データと、を学習データとして、生成された学習済みモデルに入力するステップと、
   前記学習済みモデルから出力される波形データに基づいて、前記モータを停止させるステップとを実行させる、制御プログラム。

Images