JPH05157662A - 射出成形機の故障診断方法及び故障診断装置 - Google Patents
射出成形機の故障診断方法及び故障診断装置Info
- Publication number
- JPH05157662A JPH05157662A JP3320334A JP32033491A JPH05157662A JP H05157662 A JPH05157662 A JP H05157662A JP 3320334 A JP3320334 A JP 3320334A JP 32033491 A JP32033491 A JP 32033491A JP H05157662 A JPH05157662 A JP H05157662A
- Authority
- JP
- Japan
- Prior art keywords
- failure
- information
- spectrum
- injection molding
- molding machine
- 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.)
- Pending
Links
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Injection Moulding Of Plastics Or The Like (AREA)
Abstract
(57)【要約】
【目的】 早期に射出成形機の故障を的確に診断する。
【構成】 射出成形機に人為的に故障を発生させて、各
構成要素の音及び振動を故障検出情報として音響センサ
ー１１ａで採取して、この故障検出情報をスペクトルア
ナライザ１１ｅでスペクトル解析して故障スペクトル情
報を得る。そして、演算器１１ｆでニューラルネットワ
ーク手法を用いて故障ペクトル情報から故障基本スペク
トルパターンを学習によって求め、入力装置１１ｇから
与えられる故障情報とともに記憶装置１１ｈに格納す
る。実際に射出成形機を稼働した際各構成要素における
音及び振動を音響センサー１２ａで検出情報として採取
し、この検出情報をスペクトルアナライザ１２ｅでスペ
クトル解析して検出スペクトル情報を得る。そして、判
定器１２ｆは検出スペクトル情報が故障状態を表すか否
かを記憶装置を参照して判断し、故障であればその旨を
故障情報とともに表示器１２ｇに表示する。
構成要素の音及び振動を故障検出情報として音響センサ
ー１１ａで採取して、この故障検出情報をスペクトルア
ナライザ１１ｅでスペクトル解析して故障スペクトル情
報を得る。そして、演算器１１ｆでニューラルネットワ
ーク手法を用いて故障ペクトル情報から故障基本スペク
トルパターンを学習によって求め、入力装置１１ｇから
与えられる故障情報とともに記憶装置１１ｈに格納す
る。実際に射出成形機を稼働した際各構成要素における
音及び振動を音響センサー１２ａで検出情報として採取
し、この検出情報をスペクトルアナライザ１２ｅでスペ
クトル解析して検出スペクトル情報を得る。そして、判
定器１２ｆは検出スペクトル情報が故障状態を表すか否
かを記憶装置を参照して判断し、故障であればその旨を
故障情報とともに表示器１２ｇに表示する。
Description
【０００１】
【産業上の利用分野】本発明は射出成形機の故障診断方
法及び故障診断装置に関する。
法及び故障診断装置に関する。
【０００２】
【従来の技術】一般に、射出成形機においてその構成要
素（例えば、モータ、ギア、型締シリンダー、及びスク
リュー）の故障を診断する際には、これら構成要素に故
障が発生した際における動作的不具合を検知して、この
検知結果に基づいて構成要素に故障が発生したと診断し
ている。つまり、従来の故障診断装置では、射出成形機
の動作を観察して、動作に不具合が生じた際故障が発生
したと診断している。
素（例えば、モータ、ギア、型締シリンダー、及びスク
リュー）の故障を診断する際には、これら構成要素に故
障が発生した際における動作的不具合を検知して、この
検知結果に基づいて構成要素に故障が発生したと診断し
ている。つまり、従来の故障診断装置では、射出成形機
の動作を観察して、動作に不具合が生じた際故障が発生
したと診断している。
【０００３】
【発明が解決しようとする課題】上述のように、従来の
故障診断装置では、射出成形機の構成要素における動作
的不具合を検知して、この検知結果に基づいて故障の診
断を行っているから、つまり、実際に構成要素の動作に
異常が発生したことによって、故障と診断しているか
ら、故障の発見が遅れ、その結果、構成要素に回復不可
能なダメージを与える場合が多い。さらには、故障の発
見の遅れによって重大な事故が発生する恐れもある。
故障診断装置では、射出成形機の構成要素における動作
的不具合を検知して、この検知結果に基づいて故障の診
断を行っているから、つまり、実際に構成要素の動作に
異常が発生したことによって、故障と診断しているか
ら、故障の発見が遅れ、その結果、構成要素に回復不可
能なダメージを与える場合が多い。さらには、故障の発
見の遅れによって重大な事故が発生する恐れもある。
【０００４】本発明の目的は早期に射出成形機の故障を
診断することのできる故障診断方法及び故障診断装置を
提供することにある。
診断することのできる故障診断方法及び故障診断装置を
提供することにある。
【０００５】
【課題を解決するための手段】本発明によれば、射出成
形機の故障診断を行う際に用いられ、前記射出成形機の
各構成要素における故障の際の音及び振動を故障音響情
報として予め得る第１のステップと、該故障音響情報を
スペクトル解析して故障スペクトル情報を得る第２のス
テップと、前記音響情報に対する故障状態を示す故障情
報が与えられ、ニューラルネットワーク手法を用いて前
記スペクトル情報から前記構成要素に対する基本スペク
トルパターンを学習によって得る第３のステップと、前
記射出成形機が稼働された際前記構成要素における音響
情報を採取する第４のステップと、該音響情報をスペク
トル解析してスペクトル情報を得る第５のステップと、
該スペクトル情報と前記基本スペクトルパターンとを用
いて前記射出成形機の構成要素における故障を判定する
第６のステップと、故障と判定された際該当する構成要
素名とその故障情報とを表示する第７のステップとを有
することを特徴とする射出成形機の故障診断方法が得ら
れる。
形機の故障診断を行う際に用いられ、前記射出成形機の
各構成要素における故障の際の音及び振動を故障音響情
報として予め得る第１のステップと、該故障音響情報を
スペクトル解析して故障スペクトル情報を得る第２のス
テップと、前記音響情報に対する故障状態を示す故障情
報が与えられ、ニューラルネットワーク手法を用いて前
記スペクトル情報から前記構成要素に対する基本スペク
トルパターンを学習によって得る第３のステップと、前
記射出成形機が稼働された際前記構成要素における音響
情報を採取する第４のステップと、該音響情報をスペク
トル解析してスペクトル情報を得る第５のステップと、
該スペクトル情報と前記基本スペクトルパターンとを用
いて前記射出成形機の構成要素における故障を判定する
第６のステップと、故障と判定された際該当する構成要
素名とその故障情報とを表示する第７のステップとを有
することを特徴とする射出成形機の故障診断方法が得ら
れる。
【０００６】さらに、本発明によれば、射出成形機の故
障診断を行う際に用いられ、前記射出成形機の各構成要
素における故障の際の音及び振動を検出して故障検出情
報を得る第１の検出部と、該故障検出情報をスペクトル
解析して故障スペクトル情報を得る第１のスペクトル解
析部と、前記音及び前記振動に対する故障状態が故障情
報として与えられるとともに前記故障スペクトル情報を
受け、ニューラルネットワーク手法を用いて前記故障ス
ペクトル情報から学習によって故障基本スペクトルパタ
ーンを求め、該故障基本スペクトルパターンを前記故障
情報に応じて記憶部に格納する演算部ととを有するとと
もに前記構成要素毎にその音及び振動を連続的に検出し
て検出情報を得る第２の検出部と、該検出情報をスペク
トル解析してスペクトル情報を得る第２のスペクトル解
析部と、前記スペクトル情報と前記故障基本スペクトル
パターンとに基づいて前記構成要素毎に故障が発生した
か否かを判定し、故障が発生したと判定した際該当する
構成要素名とともにその故障情報を表示部に表示する判
定部とを有することを特徴とする射出成形機の故障診断
装置が得られる。
障診断を行う際に用いられ、前記射出成形機の各構成要
素における故障の際の音及び振動を検出して故障検出情
報を得る第１の検出部と、該故障検出情報をスペクトル
解析して故障スペクトル情報を得る第１のスペクトル解
析部と、前記音及び前記振動に対する故障状態が故障情
報として与えられるとともに前記故障スペクトル情報を
受け、ニューラルネットワーク手法を用いて前記故障ス
ペクトル情報から学習によって故障基本スペクトルパタ
ーンを求め、該故障基本スペクトルパターンを前記故障
情報に応じて記憶部に格納する演算部ととを有するとと
もに前記構成要素毎にその音及び振動を連続的に検出し
て検出情報を得る第２の検出部と、該検出情報をスペク
トル解析してスペクトル情報を得る第２のスペクトル解
析部と、前記スペクトル情報と前記故障基本スペクトル
パターンとに基づいて前記構成要素毎に故障が発生した
か否かを判定し、故障が発生したと判定した際該当する
構成要素名とともにその故障情報を表示部に表示する判
定部とを有することを特徴とする射出成形機の故障診断
装置が得られる。
【０００７】
【作用】本発明では、射出成形機に人為的に故障を発生
させて、各構成要素の音及び振動を故障検出情報として
採取して、この故障検出情報をスペクトル解析して故障
スペクトル情報を得て、これら故障スペクトル情報をニ
ューラルネットワーク手法を用いて故障スペクトル情報
から故障基本スペクトルパターンを学習によって求め
る。そして、実際に射出成形機を稼働した際各構成要素
における音及び振動を検出情報として採取し、この検出
情報をスペクトル解析して検出スペクトル情報を得て、
この検出スペクトル情報が故障状態を表すか否かを故障
スペクトルパターンを参照して判断し、故障であればそ
の旨を表示する。このように各構成要素の音及び振動を
採取してニューラルネットワーク手法によって得られた
故障基本スペクトルパターンに基づいて故障が発生した
か否かを判定するようにしたから、故障の初期に故障状
態が発生したか否かを精度よく診断することができる。
させて、各構成要素の音及び振動を故障検出情報として
採取して、この故障検出情報をスペクトル解析して故障
スペクトル情報を得て、これら故障スペクトル情報をニ
ューラルネットワーク手法を用いて故障スペクトル情報
から故障基本スペクトルパターンを学習によって求め
る。そして、実際に射出成形機を稼働した際各構成要素
における音及び振動を検出情報として採取し、この検出
情報をスペクトル解析して検出スペクトル情報を得て、
この検出スペクトル情報が故障状態を表すか否かを故障
スペクトルパターンを参照して判断し、故障であればそ
の旨を表示する。このように各構成要素の音及び振動を
採取してニューラルネットワーク手法によって得られた
故障基本スペクトルパターンに基づいて故障が発生した
か否かを判定するようにしたから、故障の初期に故障状
態が発生したか否かを精度よく診断することができる。
【０００８】
【実施例】以下本発明について実施例によって説明す
る。
る。
【０００９】図１を参照して、本発明による故障診断装
置は故障パターン学習部１１及び故障診断部１２とを備
えている。図示のように故障パターン学習部１１は音響
センサー１１ａを備えており、この音響センサー１１ａ
は、例えば、マイクロフォンと振動センサーとによって
構成される。音響センサー１１ａは射出成形機（図示せ
ず）の各構成要素（例えば、モータ、型締シリンダー、
及びスクリュー）に対応して配置される。まず、人為的
に射出成形機の各構成要素毎に故障を発生させて、射出
成形機の各構成要素に故障が発生した際における音及び
振動が音響センサー１１ａで採取する。そして、これら
音及び振動は故障音響検知情報として出力される。この
故障音響検知情報は増幅器１１ｂで所定のレベルに増幅
され、バンドパスフィルター１１ｃで予め定められた周
波数範囲の周波数情報（以下故障周波数情報という）の
みが取り出されてＡ／Ｄ変換器１１ｄに与えられる。こ
の故障周波数情報はＡ／Ｄ変換器１１ｄでディジタル周
波数情報（以下故障ディジタル周波数情報という）に変
換されて、スペクトルアナライザー１１ｅに与えられ
る。スペクトルアナライザー１１ｅでは故障ディジタル
情報をスペクトル解析してスペクトル情報（以下故障ス
ペクトル情報という）を算出する。そして、この故障ス
ペクトル情報を演算器１１ｆに与える。
置は故障パターン学習部１１及び故障診断部１２とを備
えている。図示のように故障パターン学習部１１は音響
センサー１１ａを備えており、この音響センサー１１ａ
は、例えば、マイクロフォンと振動センサーとによって
構成される。音響センサー１１ａは射出成形機（図示せ
ず）の各構成要素（例えば、モータ、型締シリンダー、
及びスクリュー）に対応して配置される。まず、人為的
に射出成形機の各構成要素毎に故障を発生させて、射出
成形機の各構成要素に故障が発生した際における音及び
振動が音響センサー１１ａで採取する。そして、これら
音及び振動は故障音響検知情報として出力される。この
故障音響検知情報は増幅器１１ｂで所定のレベルに増幅
され、バンドパスフィルター１１ｃで予め定められた周
波数範囲の周波数情報（以下故障周波数情報という）の
みが取り出されてＡ／Ｄ変換器１１ｄに与えられる。こ
の故障周波数情報はＡ／Ｄ変換器１１ｄでディジタル周
波数情報（以下故障ディジタル周波数情報という）に変
換されて、スペクトルアナライザー１１ｅに与えられ
る。スペクトルアナライザー１１ｅでは故障ディジタル
情報をスペクトル解析してスペクトル情報（以下故障ス
ペクトル情報という）を算出する。そして、この故障ス
ペクトル情報を演算器１１ｆに与える。
【００１０】演算器１１ｆには入力装置１１ｇから故障
箇所及び故障状態を示す故障情報が与えられる。演算器
１１ｆではニューラルネットワーク手法によって学習し
つつ故障スペクトル情報をから最適な故障スペクトルパ
ターンを得る。そして、この故障スペクトルパターンを
基本スペクトルパターンとして故障情報に対応づけて記
憶装置１１ｈに格納する。このようにして、演算器１１
ｆではニューラルネットワーク手法を用いて各構成要素
毎に基本スペクトルパターンを求めて、故障情報ととも
に記憶装置１１ｈに格納する。
箇所及び故障状態を示す故障情報が与えられる。演算器
１１ｆではニューラルネットワーク手法によって学習し
つつ故障スペクトル情報をから最適な故障スペクトルパ
ターンを得る。そして、この故障スペクトルパターンを
基本スペクトルパターンとして故障情報に対応づけて記
憶装置１１ｈに格納する。このようにして、演算器１１
ｆではニューラルネットワーク手法を用いて各構成要素
毎に基本スペクトルパターンを求めて、故障情報ととも
に記憶装置１１ｈに格納する。
【００１１】上述のようにして、故障情報とともに基本
スペクトルパターンを記憶装置１１ｈに格納した後、射
出成形機を実際に起動して成形品を製造するとともに故
障診断部１２を起動する。故障診断部１２では音響セン
サー１２ａによって各構成要素毎に音及び振動を採取し
て、音響検知情報として出力する。この音響検知情報は
増幅器１２ｂで所定のレベルに増幅された後、バンドパ
スフィルター１２ｃで予め定められた周波数範囲の周波
数情報（以下検知周波数情報という）のみが取り出され
てＡ／Ｄ変換器１２ｄに与えられる。この検知周波数情
報はＡ／Ｄ変換器１２ｄでディジタル周波数情報（以下
検知ディジタル周波数情報という）に変換されて、スペ
クトルアナライザー１２ｅに与えられる。スペクトルア
ナライザー１２ｅでは検知ディジタル情報をスペクトル
解析してスペクトル情報（以下検知スペクトル情報とい
う）を求める。そして、この検知スペクトル情報を判定
器１２ｆに与える。判定器１２ｆでは検知スペクトル情
報を受けると、記憶装置１１ｈをアクセスして各構成要
素毎に基本スペクトルパターンを読み出す。そして、各
構成要素毎に基本スペクトルパターンと検知スペクトル
情報とを比較する。そして、この比較結果（偏差）が予
め設定された閾値以内であると、故障が発生したと判断
して記憶装置１１ｈから対応する基本スペクトルパター
ンが示す故障情報を読み出し、構成要素名ととにも故障
情報を表示器１２ｇに表示する。これによって、射出成
形機のどの構成要素にどのような故障が発生したかを直
ちに認識することができる。
スペクトルパターンを記憶装置１１ｈに格納した後、射
出成形機を実際に起動して成形品を製造するとともに故
障診断部１２を起動する。故障診断部１２では音響セン
サー１２ａによって各構成要素毎に音及び振動を採取し
て、音響検知情報として出力する。この音響検知情報は
増幅器１２ｂで所定のレベルに増幅された後、バンドパ
スフィルター１２ｃで予め定められた周波数範囲の周波
数情報（以下検知周波数情報という）のみが取り出され
てＡ／Ｄ変換器１２ｄに与えられる。この検知周波数情
報はＡ／Ｄ変換器１２ｄでディジタル周波数情報（以下
検知ディジタル周波数情報という）に変換されて、スペ
クトルアナライザー１２ｅに与えられる。スペクトルア
ナライザー１２ｅでは検知ディジタル情報をスペクトル
解析してスペクトル情報（以下検知スペクトル情報とい
う）を求める。そして、この検知スペクトル情報を判定
器１２ｆに与える。判定器１２ｆでは検知スペクトル情
報を受けると、記憶装置１１ｈをアクセスして各構成要
素毎に基本スペクトルパターンを読み出す。そして、各
構成要素毎に基本スペクトルパターンと検知スペクトル
情報とを比較する。そして、この比較結果（偏差）が予
め設定された閾値以内であると、故障が発生したと判断
して記憶装置１１ｈから対応する基本スペクトルパター
ンが示す故障情報を読み出し、構成要素名ととにも故障
情報を表示器１２ｇに表示する。これによって、射出成
形機のどの構成要素にどのような故障が発生したかを直
ちに認識することができる。
【００１２】このように、本発明ではニューラルネット
ワーク手法を用いて学習によって各構成要素の故障スペ
クトルパターンを予め記憶するようにしたから、各構成
要素に応じた最適のスペクトルパターンを得ることがで
き、しかも、射出成形機においては故障の早期において
異常音及び異常振動が発生する場合が多いから、的確に
射出成形機の故障を早期に発見することができる。
ワーク手法を用いて学習によって各構成要素の故障スペ
クトルパターンを予め記憶するようにしたから、各構成
要素に応じた最適のスペクトルパターンを得ることがで
き、しかも、射出成形機においては故障の早期において
異常音及び異常振動が発生する場合が多いから、的確に
射出成形機の故障を早期に発見することができる。
【００１３】
【発明の効果】以上説明したように、本発明では射出成
形機における各構成要素の音及び振動を採取してニュー
ラルネットワーク手法によって得られた故障基本スペク
トルパターンに基づいて故障が発生したか否かを判定す
るようにしたから、故障の初期に故障状態が発生したか
否かを精度よく診断することができるという効果があ
る。
形機における各構成要素の音及び振動を採取してニュー
ラルネットワーク手法によって得られた故障基本スペク
トルパターンに基づいて故障が発生したか否かを判定す
るようにしたから、故障の初期に故障状態が発生したか
否かを精度よく診断することができるという効果があ
る。
【図１】本発明による故障診断装置を示すとともに故障
診断方法を説明するためのブロック図である。
診断方法を説明するためのブロック図である。
【符号の説明】 １１ 故障パターン学習部 １２ 故障診断部
Claims (2)
- 【請求項１】 射出成形機の故障診断を行う際に用いら
れ、前記射出成形機の各構成要素における故障の際の音
及び振動を故障音響情報として予め得る第１のステップ
と、該故障音響情報をスペクトル解析して故障スペクト
ル情報を得る第２のステップと、前記音響情報に対する
故障状態を示す故障情報が与えられ、ニューラルネット
ワーク手法を用いて前記スペクトル情報から前記構成要
素に対する基本スペクトルパターンを学習によって得る
第３のステップと、前記射出成形機が稼働された際前記
構成要素における音響情報を採取する第４のステップ
と、該音響情報をスペクトル解析してスペクトル情報を
得る第５のステップと、該スペクトル情報と前記基本ス
ペクトルパターンとを用いて前記射出成形機の構成要素
における故障を判定する第６のステップと、故障と判定
された際該当する構成要素名とその故障情報とを表示す
る第７のステップとを有することを特徴とする射出成形
機の故障診断方法。 - 【請求項２】 射出成形機の故障診断を行う際に用いら
れ、前記射出成形機の各構成要素における故障の際の音
及び振動を検出して故障検出情報を得る第１の検出部
と、該故障検出情報をスペクトル解析して故障スペクト
ル情報を得る第１のスペクトル解析部と、前記音及び前
記振動に対する故障状態が故障情報として与えられると
ともに前記故障スペクトル情報を受け、ニューラルネッ
トワーク手法を用いて前記故障スペクトル情報から学習
によって故障基本スペクトルパターンを求め、該故障基
本スペクトルパターンを前記故障情報に応じて記憶部に
格納する演算部ととを有するとともに前記構成要素毎に
その音及び振動を連続的に検出して検出情報を得る第２
の検出部と、該検出情報をスペクトル解析してスペクト
ル情報を得る第２のスペクトル解析部と、前記スペクト
ル情報と前記故障基本スペクトルパターンとに基づいて
前記構成要素毎に故障が発生したか否かを判定し、故障
が発生したと判定した際該当する構成要素名とともにそ
の故障情報を表示部に表示する判定部とを有することを
特徴とする射出成形機の故障診断装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3320334A JPH05157662A (ja) | 1991-12-04 | 1991-12-04 | 射出成形機の故障診断方法及び故障診断装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3320334A JPH05157662A (ja) | 1991-12-04 | 1991-12-04 | 射出成形機の故障診断方法及び故障診断装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH05157662A true JPH05157662A (ja) | 1993-06-25 |
Family
ID=18120325
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3320334A Pending JPH05157662A (ja) | 1991-12-04 | 1991-12-04 | 射出成形機の故障診断方法及び故障診断装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH05157662A (ja) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5533383A (en) * | 1994-08-18 | 1996-07-09 | General Electric Company | Integrated acoustic leak detection processing system |
| CN103245524A (zh) * | 2013-05-24 | 2013-08-14 | 南京大学 | 基于神经网络的声学故障诊断方法 |
| CN103743554A (zh) * | 2013-06-28 | 2014-04-23 | 国家电网公司 | 一种基于振动信号分析的高压断路器机械故障诊断方法 |
| CN104483121A (zh) * | 2014-12-24 | 2015-04-01 | 重庆大学 | 往复式机械位置序列采样和诊断方法 |
| KR101669844B1 (ko) * | 2016-05-24 | 2016-10-27 | 이원자 | 취출로봇 |
| US20170028593A1 (en) * | 2015-07-31 | 2017-02-02 | Fanuc Corporation | Failure cause diagnostic device for injection molding machine |
| CN110154346A (zh) * | 2019-06-12 | 2019-08-23 | 萨玛瑞汽车配件(盐城)有限公司 | 一种用于汽车后视镜生产的注塑机点检方法 |
| CN112659498A (zh) * | 2020-12-14 | 2021-04-16 | 广东工业大学 | 一种注塑机深度神经网络实时最优控制方法 |
| KR20210080010A (ko) * | 2019-12-20 | 2021-06-30 | 주식회사 모빅랩 | 사출 성형 설비의 고장 예측 시스템 및 그 방법 |
| CN113146986A (zh) * | 2020-01-22 | 2021-07-23 | 精工爱普生株式会社 | 注射成型装置的检查方法、试验用模具以及检查系统 |
| JP2021122955A (ja) * | 2020-01-31 | 2021-08-30 | 住友重機械工業株式会社 | 射出成形機の調整装置、及び射出成形機 |
| KR20210111253A (ko) | 2019-01-07 | 2021-09-10 | 스미도모쥬기가이고교 가부시키가이샤 | 모션컨트롤러 및 성형기 |
| US20210308924A1 (en) * | 2020-04-03 | 2021-10-07 | Engel Austria Gmbh | Method for diagnosing a state of at least one component of a molding machine |
| WO2022158074A1 (ja) * | 2021-01-25 | 2022-07-28 | 株式会社日本製鋼所 | 異常検知システム、成形機システム、異常検知装置、異常検知方法及びコンピュータプログラム |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02272326A (ja) * | 1989-04-14 | 1990-11-07 | Hitachi Ltd | 機器／設備の状態診断システム |
| JPH0392795A (ja) * | 1989-09-05 | 1991-04-17 | Toshiba Corp | 原子力発電プラントの診断方法 |
| JPH03154896A (ja) * | 1989-11-13 | 1991-07-02 | Toshiba Corp | 原子炉の再循環ポンプ異常診断システム |
-
1991
- 1991-12-04 JP JP3320334A patent/JPH05157662A/ja active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02272326A (ja) * | 1989-04-14 | 1990-11-07 | Hitachi Ltd | 機器／設備の状態診断システム |
| JPH0392795A (ja) * | 1989-09-05 | 1991-04-17 | Toshiba Corp | 原子力発電プラントの診断方法 |
| JPH03154896A (ja) * | 1989-11-13 | 1991-07-02 | Toshiba Corp | 原子炉の再循環ポンプ異常診断システム |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5533383A (en) * | 1994-08-18 | 1996-07-09 | General Electric Company | Integrated acoustic leak detection processing system |
| CN103245524A (zh) * | 2013-05-24 | 2013-08-14 | 南京大学 | 基于神经网络的声学故障诊断方法 |
| CN103743554A (zh) * | 2013-06-28 | 2014-04-23 | 国家电网公司 | 一种基于振动信号分析的高压断路器机械故障诊断方法 |
| CN103743554B (zh) * | 2013-06-28 | 2017-03-29 | 国家电网公司 | 一种基于振动信号分析的高压断路器机械故障诊断方法 |
| CN104483121A (zh) * | 2014-12-24 | 2015-04-01 | 重庆大学 | 往复式机械位置序列采样和诊断方法 |
| DE102016009114B4 (de) * | 2015-07-31 | 2021-06-02 | Fanuc Corporation | Fehlerursache-Diagnosevorrichtung für eine Spritzgießmaschine und Maschinenlernvorrichtung |
| US20170028593A1 (en) * | 2015-07-31 | 2017-02-02 | Fanuc Corporation | Failure cause diagnostic device for injection molding machine |
| DE102016009114A1 (de) | 2015-07-31 | 2017-02-02 | Fanuc Corporation | Fehlerursachediagnosevorrichtung für Spritzgießmaschine |
| US10618202B2 (en) * | 2015-07-31 | 2020-04-14 | Fanuc Corporation | Failure cause diagnostic device for injection molding machine |
| KR101669844B1 (ko) * | 2016-05-24 | 2016-10-27 | 이원자 | 취출로봇 |
| KR20210111253A (ko) | 2019-01-07 | 2021-09-10 | 스미도모쥬기가이고교 가부시키가이샤 | 모션컨트롤러 및 성형기 |
| CN110154346A (zh) * | 2019-06-12 | 2019-08-23 | 萨玛瑞汽车配件(盐城)有限公司 | 一种用于汽车后视镜生产的注塑机点检方法 |
| KR20210080010A (ko) * | 2019-12-20 | 2021-06-30 | 주식회사 모빅랩 | 사출 성형 설비의 고장 예측 시스템 및 그 방법 |
| CN113146986A (zh) * | 2020-01-22 | 2021-07-23 | 精工爱普生株式会社 | 注射成型装置的检查方法、试验用模具以及检查系统 |
| CN113146986B (zh) * | 2020-01-22 | 2023-04-07 | 精工爱普生株式会社 | 注射成型装置的检查方法以及检查系统 |
| JP2021122955A (ja) * | 2020-01-31 | 2021-08-30 | 住友重機械工業株式会社 | 射出成形機の調整装置、及び射出成形機 |
| US20210308924A1 (en) * | 2020-04-03 | 2021-10-07 | Engel Austria Gmbh | Method for diagnosing a state of at least one component of a molding machine |
| CN112659498A (zh) * | 2020-12-14 | 2021-04-16 | 广东工业大学 | 一种注塑机深度神经网络实时最优控制方法 |
| WO2022158074A1 (ja) * | 2021-01-25 | 2022-07-28 | 株式会社日本製鋼所 | 異常検知システム、成形機システム、異常検知装置、異常検知方法及びコンピュータプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH05157662A (ja) | 射出成形機の故障診断方法及び故障診断装置 | |
| US8768634B2 (en) | Diagnosis method of defects in a motor and diagnosis device thereof | |
| JP4232162B2 (ja) | 圧縮機検査装置 | |
| US11579043B2 (en) | Information terminal and machine component diagnosis system | |
| JP2003528292A (ja) | 振動解析によるベアリングの状態ベースのモニタリング | |
| JP3214233B2 (ja) | 回転機振動診断装置 | |
| JP2001272268A (ja) | 機械の異常検査装置 | |
| JP3020349B2 (ja) | 異常検出方法及び装置 | |
| JP2002268742A (ja) | 加工診断監視システム、加工診断監視装置、および加工診断監視プログラム | |
| JP2003130724A (ja) | 評価装置 | |
| JP2004020484A (ja) | 異常監視装置および異常監視プログラム | |
| JPS6154167B2 (ja) | ||
| JP3132388B2 (ja) | 回転機械の異音検査方法およびその装置 | |
| JP2000146771A (ja) | 加減速型回転機械設備の簡易異常診断方法 | |
| JPH07318457A (ja) | 軸受の異常診断装置 | |
| JP3223623B2 (ja) | 回転機の異常検査装置 | |
| JP2918683B2 (ja) | 軸受疲労によるａｅ信号の特定方法およびこの特定方法を用いた軸受破壊予知方法 | |
| JP2006300524A (ja) | 異音検査方法 | |
| JPH1078350A (ja) | トンネル内送風機の設備診断用監視方法及びシステム | |
| JP2003149090A (ja) | 回転機の軸受診断装置 | |
| JPH0450731A (ja) | 回転機故障診断システム | |
| KR960000803B1 (ko) | 회전기계 진단방법 | |
| JPH1137835A (ja) | 振動検査装置 | |
| JPS63309824A (ja) | 機械の異常診断方法 | |
| KR20230045115A (ko) | 결함 유형별 대역 구분과 머신러닝을 이용한 유도 전동기의 결함 진단 장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 19990825 |