KR20230135065A - 이상 검지 시스템, 성형기 시스템, 이상 검지 장치,이상 검지 방법 및 컴퓨터 프로그램 - Google Patents

Abstract

이상 검지 시스템은, 제조 장치의 이상을 검지하는 이상 검지 장치와, 제조 장치의 운전 제어를 실시하고, 운전 데이터를 송신하는 제어 장치와, 제조 장치의 동작 또는 제품에 따른 물리량을 검출하고, 센서치 데이터를 출력하는 센서라고 진단 장치를 구비하고, 이상 검지 장치는, 제어 장치로부터 송신되는 운전 데이터와 센서로부터 출력되는 센서치 데이터에 근거하여, 제조 장치의 이상의 유무를 판정하고, 판정 결과를 제어 장치로 송신한다. 또, 이상 검지 장치는, 운전 데이터 및 센서치 데이터를 진단 장치로 송신하고, 진단 장치는 데이터베이스에 축적된 과거의 센서치 데이터와 수신한 데이터에 근거해 제조 장치의 상태를 진단하고, 진단 결과를 이상 검지 장치로 송신한다. 이상 검지 장치는 진단 결과를 제어 장치로 송신한다.

Description

이상 검지 시스템, 성형기 시스템, 이상 검지 장치, 이상 검지 방법 및 컴퓨터 프로그램

본 발명은, 이상 검지 시스템, 성형기 시스템(molding equipment system), 이상 검지 장치, 이상 검지 방법 및 컴퓨터 프로그램에 관한 것이다.

특허 문헌 1에는, 사출 성형기의 각 가동부의 진동을 가속도 센서에 의해 감시하고, 성형 공정 상태 및 가동부의 이상 발생을 검지하는 감시 방법이 개시되고 있다.

일본 특허공개 특개평 5-50480호 공보

하지만, 특허 문헌 1에는, 사출 성형기와 같은 제조 장치의 운전 제어를 실시하는 제어 장치와, 상기 제조 장치의 이상을 검지하거나 또는 제조 장치의 상태를 진단하는 장치를 별체(別體)로 구성하는 구체적 기술은 개시되어 있지 않다. 제어 장치가 제조 장치의 이상 검지 및 진단을 실시하도록 구성한 경우, 운전 제어 처리의 지연 등, 제조 장치의 동작에 악영향이 발생할 가능성이 있다.

본 개시의 목적은, 제조 장치의 운전 제어를 실시하는 제어 장치와, 이상 검지 장치와, 진단 장치를 구비하고, 각 장치가 협력하는 것에 의해서 제어 장치에 과도한 부하를 주는 일 없이, 제조 장치의 이상을 검지하고, 제조 장치의 상태를 진단할 수 있는 이상 검지 시스템, 성형기 시스템, 이상 검지 장치, 이상 검지 방법 및 컴퓨터 프로그램을 제공하는 것에 있다.

본 개시에 따른 이상 검지 시스템은, 제조 장치의 이상을 검지하는 이상 검지 장치와, 상기 제조 장치의 상태를 진단하는 진단 장치를 구비한 이상 검지 시스템이며, 상기 제조 장치의 운전 제어를 실시하고, 상기 운전 제어의 내용을 나타내는 운전 데이터를 상기 이상 검지 장치로 송신하는 제어 장치와, 상기 제조 장치의 동작 또는 제품에 따른 물리량을 검출하고, 검출한 상기 물리량을 나타내는 시계열의 센서치 데이터를 상기 이상 검지 장치로 출력하는 센서와 상기 운전 데이터, 상기 센서치 데이터, 및 상기 제조 장치의 상태를 포함한 정보를 축적하는 데이터베이스를 구비하고, 상기 이상 검지 장치는, 상기 제어 장치로부터 송신되는 상기 운전 데이터를 수신하는 제1 통신부와, 상기 센서로부터 출력되는 상기 센서치 데이터를 취득하는 취득부와, 상기 취득부에서 취득한 상기 센서치 데이터의 통계량을 산출하고, 산출한 상기 통계량과, 수신한 상기 운전 데이터에 따른 임계치에 근거하여, 상기 제조 장치의 이상의 유무를 판정하는 처리부를 구비하고, 상기 제1 통신부는, 상기 운전 데이터 및 상기 센서치 데이터를 상기 진단 장치로 송신하고, 상기 진단 장치는, 상기 이상 검지 장치로부터 송신된 상기 운전 데이터 및 상기 센서치 데이터를 수신하는 제2 통신부와, 상기 제2 통신부에서 수신한 상기 운전 데이터 및 상기 센서치 데이터, 및 상기 데이터베이스에 축적된 정보에 근거하여, 상기 제조 장치의 상태를 진단하는 진단 처리부를 구비하고, 상기 제2 통신부는, 상기 진단 처리부에 의한 진단 결과를 상기 이상 검지 장치로 송신하고, 상기 이상 검지 장치의 상기 제1 통신부는, 상기 진단 처리부에 의한 상기 진단 결과를 수신하고, 상기 처리부에 의한 판정 결과와, 상기 통계량과, 상기 진단 처리부에 의한 상기 진단 결과를 상기 제어 장치로 송신한다.

본 개시에 따른 성형기 시스템은, 상기 이상 검지 시스템과, 성형기를 구비하고, 상기 이상 검지 시스템은, 상기 성형기의 이상을 검지하도록 하고 있다.

본 개시에 따른 이상 검지 장치는, 제조 장치의 이상을 검지하는 이상 검지 장치이며, 상기 제조 장치의 운전 제어를 실시하는 제어 장치로부터 송신되는, 상기 운전 제어의 내용을 나타내는 운전 데이터를 수신하는 통신부와, 상기 제조 장치의 동작 또는 제품에 따른 물리량을 검출하는 센서로부터 출력되는 시계열의 센서치 데이터를 취득하는 취득부와, 상기 취득부에서 취득한 상기 센서치 데이터의 통계량을 산출하고, 산출한 상기 통계량과, 취득한 상기 운전 데이터에 따른 임계치에 근거하여, 상기 제조 장치의 이상의 유무를 판정하는 처리부를 구비하고, 상기 통신부는, 상기 운전 데이터 및 상기 센서치 데이터를, 상기 제조 장치의 상태를 진단하는 외부의 진단 장치로 송신하고, 상기 진단 장치로부터 송신된 진단 결과를 수신하고, 상기 처리부에 의한 판정 결과와, 상기 통계량과, 수신한 상기 진단 결과를 상기 제어 장치로 송신한다.

본 개시에 따른 이상 검지 방법은, 제조 장치의 이상을 검출하는 처리를 컴퓨터가 실행하는 이상 검지 방법이며, 상기 컴퓨터는, 상기 제조 장치의 운전 제어를 실시하는 제어 장치로부터 송신되는, 상기 운전 제어의 내용을 나타내는 운전 데이터를 수신하고, 상기 제조 장치의 동작 또는 제품에 따른 물리량을 검출하는 센서로부터 출력되는 시계열의 센서치 데이터를 취득하고, 취득한 상기 센서치 데이터의 통계량을 산출하고, 산출한 상기 통계량과, 취득한 상기 운전 데이터에 따른 임계치에 근거하여, 상기 제조 장치의 이상의 유무를 판정하고, 상기 운전 데이터 및 상기 센서치 데이터를, 상기 제조 장치의 상태를 진단하는 외부의 진단 장치로 송신하고, 상기 진단 장치로부터 송신된 진단 결과를 수신하고, 이상의 유무를 나타내는 판정 결과와, 상기 통계량과, 수신한 상기 진단 결과를 상기 제어 장치로 송신하는 처리를 실행한다.

본 개시에 따른 컴퓨터 프로그램은, 제조 장치의 이상을 검출하는 처리를 컴퓨터에 실행시키기 위한 컴퓨터 프로그램이며, 상기 제조 장치의 운전 제어를 실시하는 제어 장치로부터 송신되는, 상기 운전 제어의 내용을 나타내는 운전 데이터를 수신하고, 상기 제조 장치의 동작 또는 제품에 따른 물리량을 검출하는 센서로부터 출력되는 시계열의 센서치 데이터를 취득하고, 취득한 상기 센서치 데이터의 통계량을 산출하고, 산출한 상기 통계량과, 취득한 상기 운전 데이터에 따른 임계치에 근거하여, 상기 제조 장치의 이상의 유무를 판정하고, 상기 운전 데이터 및 상기 센서치 데이터를, 상기 제조 장치의 상태를 진단하는 외부의 진단 장치로 송신하고, 상기 진단 장치로부터 송신된 진단 결과를 수신하고, 이상의 유무를 나타내는 판정 결과와, 상기 통계량과, 수신한 상기 진단 결과를 상기 제어 장치로 송신하는 처리를 상기 컴퓨터에 실행시킨다.

본 개시에 의하면, 제조 장치의 운전 제어를 실시하는 제어 장치와, 이상 검지 장치와, 진단 장치를 구비하고, 각 장치가 협력하는 것에 의해서 제어 장치에 과도한 부하를 주는 일 없이, 제조 장치의 이상을 검지하고, 제조 장치의 상태를 진단할 수 있다.

[도 1] 본 실시형태 1에 따른 성형기 시스템의 구성예를 나타내는 블록도이다.
[도 2] 본 실시형태 1에 따른 2축혼련압출기의 구성예를 나타내는 모식도이다.
[도 3] 본 실시형태 1에 따른 이상 검지 장치의 구성예를 나타내는 블록도이다.
[도 4] 실시형태 1에 따른 진단 장치의 구성예를 나타내는 블록도이다.
[도 5] 실시형태 1에 따른 데이터베이스의 레코드 레이아웃의 일례를 나타내는 개념도이다.
[도 6] 실시형태 1에 따른 2축혼련압출기의 이상 검지 및 진단에 따른 처리 순서를 나타내는 플로우차트이다.
[도 7] 실시형태 1에 따른 2축혼련압출기의 이상 검지 및 진단에 따른 처리 순서를 나타내는 플로우차트이다.
[도 8] 이상 판정의 처리 순서를 나타내는 플로우차트이다.
[도 9] 이상 진단의 처리 순서를 나타내는 플로우차트이다.
[도 10] 스크류축(11)의 이상 진단의 처리 순서를 나타내는 플로우차트이다.
[도 11] 2개의 스크류축의 변이를 나타내는 시계열 데이터 화상이다.
[도 12] 시계열 데이터 화상의 특징량 및 이상 검지 결과를 나타내는 개념도이다.
[도 13] 수명 진단의 처리 순서를 나타내는 플로우차트이다.
[도 14] 학습 모델의 생성 방법의 개요를 나타내는 개념도이다.
[도 15] 학습 페이즈에서의 학습 모델을 나타내는 개념도이다.
[도 16] 테스트 페이즈에서의 학습 모델을 나타내는 개념도이다.
[도 17] 제어 장치에서의 이상 판정 결과 등의 표시예를 나타내는 모식도이다.
[도 18] 단말장치에서의 이상 판정 결과 등의 표시예를 나타내는 모식도이다.
[도 19] 실시형태 2에 따른 진단 결과에 관한 피드백 처리 순서를 나타내는 플로우차트이다.
[도 20] 실시형태 3에 따른 2축혼련압출기의 상태에 관한 피드백 처리 순서를 나타내는 플로우차트이다.

본 발명의 실시형태에 따른 이상 검지 시스템, 성형기 시스템, 이상 검지 장치, 이상 검지 방법 및 컴퓨터 프로그램의 구체적인 예를, 이하에서 도면을 참조하면서 설명한다. 또한, 본 발명은 이러한 예시로 한정되는 것이 아니고, 청구의 범위에 의해서 나타나고, 청구의 범위와 균등의 의미 및 범위내에서의 모든 변경이 포함되는 것이 의도된다. 또, 이하에 기재하는 실시형태 및 변형 예의 적어도 일부를 임의로 조합해도 무방하다.

도 1은 본 실시형태 1에 따른 성형기 시스템의 구성예를 나타내는 블록도이다. 성형기 시스템은, 2축혼련압출기(1)와, 복수의 센서(2)와, 이상 검지 장치(3)와, 라우터(4)와, 진단 장치(5)와, 데이터베이스(6)와, 유저의 단말장치(7)를 구비한다. 또한, 성형기 시스템은, 2축혼련압출기(1)와, 이상 검지 시스템으로 이루어지고, 상기 이상 검지 시스템은 복수의 센서(2), 이상 검지 장치(3), 진단 장치(5) 및 데이터베이스(6)에 의해 구성되어 있다.

<2축혼련압출기(1)>

도 2는 본 실시형태 1에 따른 2축혼련압출기(1)의 구성예를 나타내는 모식도이다. 2축혼련압출기(1)는, 수지 원료가 투입되는 호퍼(10a)를 가지는 실린더(10)와, 2개의 스크류축(11)을 구비한다. 2개의 스크류축(11)은, 서로 맞물려진 상태에서 대략 평행으로 배치되고, 실린더(10)의 구멍 내에 회전 가능하게 삽입되고 있고, 호퍼(10a)에 투입된 수지 원료를 압출 방향(도 1 및 도 2 내 우측방향)으로 반송하고, 용해 및 혼련(混練) 한다.

스크류축(11)은, 복수 종류의 스크류피스를 조합하고, 일체화하는 것에 의해서 한 개의 스크류축(11)으로서 구성되어 있다. 예를 들면, 수지 원료를 순방향으로 수송하는 플라이트스크류 형상의 순플라이트피스, 수지 원료를 역방향으로 수송하는 역플라이트피스, 수지 원료를 혼련하는 니딩피스 등을, 수지 원료의 특성에 따른 순서 및 위치에 배치하여 조합하는 것에 의해, 스크류축(11)이 구성된다.

또, 2축혼련압출기(1)는, 스크류축(11)을 회전시키기 위한 구동력을 출력하는 모터(12)와, 모터(12)의 구동력을 감속 전달하는 감속기(13)와, 제어 장치(14)를 구비한다. 스크류축(11)은 감속기(13)의 출력축에 접속되고 있다. 스크류축(11)은, 감속기(13)에 의해서 감속 전달된 모터(12)의 구동력에 의해서 회전한다.

<센서(2)>

센서(2)는, 2축혼련압출기(1)의 동작 또는 성형품에 따른 물리량을 검출하고, 검출한 물리량을 나타내는 시계열의 센서치 데이터를 이상 검지 장치(3)로 출력한다. 물리량에는, 온도, 위치, 속도, 가속도, 전류, 전압, 압력, 시간, 화상 데이터, 토크, 힘, 왜곡, 소비 전력, 무게 등이 있다. 이러한 물리량은, 온도계, 위치 센서, 속도 센서, 가속도 센서, 전류계, 전압계, 압력계, 타이머, 카메라, 토크 센서, 전력계, 중량계 등을 이용해 측정할 수 있다.

보다 구체적으로는, 2축혼련압출기(1)의 동작에 따른 물리량을 검출하는 센서(2)는, 감속기(13)의 진동을 검출하는 가속도 센서 등의 진동 센서, 스크류축(11)에 가해지는 축토크를 검출하는 토크 센서, 스크류축(11)의 온도를 검출하는 온도계, 스크류축(11)의 회전 중심의 변위를 검출하는 변위 센서, 성형품 또는 스트랜드(strand)의 치수를 검출하는 광 센서, 성형품 또는 스트랜드를 촬상하는 촬상 장치, 수지압을 검출하는 수지압 센서 등이다.

성형품에 따른 물리량을 검출하는 센서(2)는, 성형품의 치수, 색도, 휘도 등을 검출하는 광학적 계측기, 촬상 장치, 성형품의 중량을 검출하는 중량계 등이다.

<제어 장치(14)>

제어 장치(14)는, 2축혼련압출기(1)의 운전 제어를 실시하는 컴퓨터이며, 이상 검지 장치(3)와의 사이에 정보를 송수신하는 도시하지 않는 송수신부, 및 표시부를 구비한다.

구체적으로는, 제어 장치(14)는, 2축혼련압출기(1)의 운전 상태를 나타내는 운전 데이터를 이상 검지 장치(3)로 송신한다. 운전 데이터는, 예를 들면 피더 공급량(수지 원료의 공급량), 스크류축(11)의 회전수, 압출량, 실린더 온도, 수지압, 모터 전류 등이다.

제어 장치(14)는, 이상 검지 장치(3)로부터 송신되는 2축혼련압출기(1)의 이상의 유무를 나타내는 후술의 판정 결과, 센서치 데이터의 각종 통계량, 2축혼련압출기(1)의 이상, 수명 등에 관한 진단 결과를 수신하고, 수신한 판정 결과, 통계량의 값 및 그래프, 진단 결과를 표시한다. 또, 제어 장치(14)는, 판정 결과 등을 이용해 2축혼련압출기(1)의 이상을 감시하고, 필요에 따라서 경고를 출력하고, 2축혼련압출기(1)의 동작을 정지시키는 처리를 실행한다.

<이상 검지 장치(3)>

도 3은 본 실시형태 1에 따른 이상 검지 장치(3)의 구성예를 나타내는 블록도이다. 이상 검지 장치(3)는, 엣지 컴퓨터이며, 처리부(31), 기억부(32), 통신부(33) 및 취득부(34)를 구비하고, 기억부(32), 통신부(33) 및 취득부(34)는 처리부(31)에 접속되고 있다. 이상 검지 장치(3)를 구성하는 엣지 컴퓨터는, 후술의 진단 장치(5)에 비해 하드웨어의 스펙이 낮은 컴퓨터이며, 2축혼련압출기(1)의 간단하고 쉬운 이상 검지 처리를 실행하는 것이다.

처리부(31)는, CPU(Central Processing Unit), 멀티 코어 CPU, ASIC(Application Specific Integrated Circuit), FPGA(Field-Programmable Gate Array) 등의 연산 처리 회로, ROM(Read Only Memory), RAM(Random Access Memory) 등의 내부 기억 장치, I/O단자 등을 갖는다. 처리부(31)는, 후술의 기억부(32)가 기억하는 컴퓨터 프로그램(프로그램 제품) P1을 실행하는 것에 의해, 본 실시형태 1에 따른 이상 검지 장치(3)로서 기능한다. 또한, 이상 검지 장치(3)의 각 기능부는, 소프트웨어적으로 실현되어도 무방하고, 일부 또는 전부를 하드웨어적으로 실현해도 무방하다.

기억부(32)는, 하드 디스크, EEPROM(Electrically Erasable Programmable 　ROM), 플래쉬 메모리 등의 불휘발성 메모리이다. 기억부(32)는, 본 실시형태 1에 따른 이상 검지 방법을 컴퓨터에 실시시키기 위한 컴퓨터 프로그램 P1을 기억하고 있다.

본 실시형태 1에 따른 컴퓨터 프로그램 P1은, 기록 매체(30)에 컴퓨터 독출 가능하게 기록되고 있는 형태라도 무방하다. 기억부(32)는, 도시하지 않는 독출장치에 의해서 기록 매체(30)로부터 독출된 컴퓨터 프로그램 P1을 기억한다. 기록 매체(30)는 플래쉬 메모리 등의 반도체 메모리이다. 또, 기록 매체(30)는 CD(Compact Disc)-ROM, DVD(Digital Versatile Disc)-ROM, BD(Blu-ray(등록상표) Disc) 등의 광디스크라도 무방하다. 또한, 기록 매체(30)는, 플렉서블 디스크, 하드 디스크 등의 자기 디스크, 자기 광디스크 등이여도 무방하다. 더욱이 또, 도시하지 않는 통신망에 접속되고 있는 도시하지 않는 외부 서버로부터 본 실시형태 1에 따른 컴퓨터 프로그램 P1을 다운로드하고, 기억부(32)에 기억시켜도 무방하다.

통신부(33)는, 이더넷(ethernet)(등록상표) 등의 소정의 통신 프로토콜에 따라서 정보를 송수신하는 통신 회로이다. 통신부(33)는, LAN 등의 제1 통신 네트워크를 통해 제어 장치(14)에 접속되고 있고, 처리부(31)는 통신부(33)를 통해 제어 장치(14)와의 사이에 각종 정보를 송수신 할 수 있다.

제1 네트워크에는 라우터(4)가 접속되고 있고, 통신부(33)는 라우터(4)를 통해 제2 통신 네트워크인 곳간 클라우드 상의 진단 장치(5)에 접속되고 있다. 처리부(31)는, 통신부(33) 및 라우터(4)를 통해 진단 장치(5)와의 사이에 각종 정보를 송수신 할 수 있다.

취득부(34)는, 신호가 입력하는 입력 인터페이스이다. 취득부(34)에는 센서(2)가 접속되고 있고, 센서(2)로부터 출력된 시계열 데이터인 센서치 데이터가 입력된다.

<진단 장치(5) 및 데이터베이스(6)>

도 4는 실시형태 1에 따른 진단 장치(5)의 구성예를 나타내는 블록도이다. 진단 장치(5)는, 컴퓨터이며, 진단 처리부(51), 기억부(52), 통신부(53)를 구비한다. 기억부(52), 통신부(53)는, 진단 처리부(51)에 접속되고 있다.

진단 처리부(51)는, CPU, 멀티 코어 CPU, GPU(Graphics Processing Unit), GPGPU(General-purpose computing on graphics processing units), TPU(Tensor Processing Unit), ASIC, FPGA, NPU(Neural Processing Unit) 등의 연산 처리 회로, ROM, RAM 등의 내부 기억 장치, I/O단자 등을 갖는다. 진단 처리부(51)는, 후술의 기억부(52)가 기억하는 컴퓨터 프로그램(프로그램 제품) P2를 실행하는 것에 의해, 본 실시형태 1에 따른 진단 장치(5)로서 기능한다. 또한, 진단 장치(5)의 각 기능부는, 소프트웨어적으로 실현되어도 무방하고, 일부 또는 전부를 하드웨어적으로 실현되어도 무방하다.

기억부(52)는, 하드 디스크, EEPROM, 플래쉬 메모리 등의 불휘발성 메모리이다. 기억부(52)는, 2축혼련압출기(1)의 이상, 수명 등, 2축혼련압출기(1)의 상태를 진단하는 처리를 컴퓨터에 실시시키기 위한 컴퓨터 프로그램 P2와, 1 또는 복수의 학습 모델(54)을 기억하고 있다.

컴퓨터 프로그램 P2 및 학습 모델(54)은, 기록 매체(50)에 컴퓨터 독출 가능하게 기록되고 있는 형태라도 무방하다. 기억부(52)는, 도시하지 않는 독출장치에 의해서 기록 매체(50)로부터 독출된 컴퓨터 프로그램 P2 및 학습 모델(54)을 기억한다. 기록 매체(50)는 플래쉬 메모리 등의 반도체 메모리이다. 또, 기록 매체(50)는 CD(Compact Disc)-ROM, DVD(Digital Versatile Disc)-ROM, BD(Blu-ray(등록상표) Disc) 등의 광디스크라도 무방하다. 또한, 기록 매체(50)는, 플렉서블 디스크, 하드 디스크 등의 자기 디스크, 자기 광디스크 등이여도 무방하다. 더욱이 또, 도시하지 않는 통신망에 접속되고 있는 도시하지 않는 외부 서버로부터 컴퓨터 프로그램 P2 및 학습 모델(54)을 다운로드하고, 기억부(52)에 기억시켜도 무방하다.

통신부(53)는, 이더넷(ethernet)(등록상표) 등의 소정의 통신 프로토콜에 따라서 정보를 송수신하는 통신 회로이다. 통신부(53)는, 제2 통신 네트워크를 통해 이상 검지 장치(3), 데이터베이스(6) 및 단말장치(7)에 접속되고 있고, 처리부(31)는 통신부(53)를 통해 이상 검지 장치(3), 데이터베이스(6) 및 단말장치(7)와의 사이에 각종 정보를 송수신 할 수 있다.

도 5는 실시형태 1에 따른 데이터베이스(6)의 레코드 레이아웃의 일례를 나타내는 개념도이다. 데이터베이스(6)는, 하드 디스크, DBMS(DataBase Management System)를 구비하고, 2축혼련압출기(1)의 운전에 관한 각종 정보를 기억한다. 예를 들면, 데이터베이스(6)의 테이블은, 「No.」(레코드 번호) 열, 「운전 일시」열, 「운전 데이터」열, 「스크류 구성」열, 「수지종류」열, 「센서치」열, 「상태」열, 「품질 평가」열, 「수명」열을 갖는다.

「운전 일시」열은, 레코드로서 기억되는 각종 데이터를 얻을 수 있는 연, 달, 일시 등을 나타내는 정보를 격납한다.

「운전 데이터」열은, 2축혼련압출기(1)의 운전 상태를 나타내는 정보, 예를 들면 피더 공급량(수지 원료의 공급량), 스크류축(11)의 회전수, 압출량, 실린더 온도, 수지압, 모터 전류 등을 격납한다.

「스크류 구성」열은, 스크류축(11)을 구성하는 각종 스크류피스의 종류, 배열 내지 조합에 관한 정보를 격납한다.

「수지종류」열은, 2축혼련압출기(1)에 공급된 수지 원료의 종류를 나타내는 정보를 격납한다.

「센서치」열은, 센서치 데이터를 격납한다. 「센서치」열에는, 수치 데이터를 그대로 격납해도 무방하고, 후술 하듯이 시계열 데이터인 센서치 데이터를 화상으로 나타낸 시계열 데이터 화상으로서 격납해도 무방하다.

「상태」열은, 상기 운전 데이터가 나타내는 운전 제어를 수행하고, 상기 센서치 데이터가 얻어지고 있을 때의 2축혼련압출기(1)의 상태를 나타내는 정보가 격납된다. 예를 들면, 정상적인 것을 나타내는 정보, 스크류축(11)의 마모가 생기고 있는 이상 상태를 나타내는 정보, 상기 스크류축(11)에 적합하지 않는 수지 원료가 사용되고 있는 이상 상태를 나타내는 정보, 과부하이상을 나타내는 정보 등이 격납되고 있다.

「품질 평가」열은, 상기 운전 데이터가 나타내는 운전 제어를 수행하고, 상기 센서치 데이터가 얻어지고 있을 때의 2축혼련압출기(1)가 제조하는 성형품의 품질 평가를 나타내는 정보를 격납한다. 예를 들면, 성형품이 정상적인지 아닌지, 치수 이상 등을 나타내는 정보를 격납한다.

「수명」열은, 상기 정보를 얻기 위해서 사용된 2축혼련압출기(1)의 수명을 나타내는 정보를 격납한다. 수명은 토탈(total)의 제품 수명이여도 무방하고, 상기 데이터가 얻어지고 있는 시점으로부터의 나머지 수명이여도 무방하다.

데이터베이스(6)에 격납되는 상기 각종 데이터는, 예를 들면 2축혼련압출기(1)를 시험적으로 동작시키고, 2축혼련압출기(1)의 동작 상태를 확인하고, 성형품을 평가하는 것에 의해서 얻을 수 있다. 또, 시뮬레이터에 의해 2축혼련압출기(1)의 동작 상태를 시뮬레이션 하고, 상기 각종 데이터를 준비해도 무방하다. 본 실시형태 1에서는, 데이터베이스(6)는, 시험적 또는 실험적으로 2축혼련압출기(1)를 동작시켜 얻을 수 있던 상기 데이터, 혹은 시뮬레이션에 의해 얻을 수 있던 상기 데이터를 격납하고 있는 것으로 한다.

<이상의 예>

이상 검지 장치(3) 및 진단 장치(5)에 의한 검지 또는 진단 대상이 되는 이상에는, 예를 들면, 감속기(13)의 이상 진동, 과부하, 성형품의 치수 이상, 스크류축(11)의 상처, 균열, 마모, 부식, 감속기(13) 및 그 각부의 마모에 의한 성능 열화 혹은 오일의 이상, 비효율적 운전 상태(소비 에너지의 증대 등), 품질 이상을 초래하는 운전 상태(무리한 시작 등), 스트랜드의 이상(치수, 이물, 색, 감기(뒤틀림) 등의 불량), 수지 점도(품질) 이상 등이 있다.

본 실시형태 1에 있어서는, 이상 검지 장치(3)는, 센서치 데이터에 근거하여, 감속기(13)의 이상 진동, 과부하, 성형품의 치수 이상, 스트랜드의 이상, 수지 점도 이상 등을 검출한다. 구체적으로는, 이상 검지 장치(3)는, 상기 센서치의 평균, 분산, 2승평균평방근(root mean square) 등의 통계량을 산출하고, 산출된 통계량에 근거하는 부하가 작은 처리로, 감속기(13)의 이상 진동, 과부하, 성형품의 치수 이상, 스트랜드의 이상, 수지 점도 이상 등을 검출한다.

한편, 진단 장치(5)는, 이상 검지 장치(3)를 통해 제어 장치(14)로부터 취득하는 운전 데이터 및 센서치 데이터, 및 데이터베이스(6)에 축적된 과거의 센서치 데이터 등을 이용하여, 스크류축(11)의 상처, 균열, 마모, 부식, 감속기(13)의 성능 열화 혹은 오일의 이상, 비효율적 운전 상태, 품질 이상을 초래하는 운전 상태라고 하는 이상의 유무 등을 진단한다. 또, 진단 장치(5)는, 감속기(13)의 고장 개소, 예를 들면 베어링, 기어 등을 특정하는 처리 등도 실시한다.

또한, 이상 검지 장치(3)가 실시하는 이상 검지 처리와, 진단 장치(5)가 실시하는 진단 처리의 분담은, 일례이며, 이상 검지 장치(3)가 처리 가능하면, 이상 검지 장치(3)측에서 실행하도록 구성해도 무방하다.

<이상 검지 처리의 전체의 흐름>

도 6 및 도 7은 실시형태 1에 따른 2축혼련압출기(1)의 이상 검지 및 진단에 따른 처리 순서를 나타내는 플로우차트이다. 제어 장치(14)는, 2축혼련압출기(1)의 운전 제어 상태를 나타내는 운전 데이터를 이상 검지 장치(3)로 송신한다(스텝 S11).

이상 검지 장치(3)의 처리부(31)는, 제어 장치(14)로부터 송신된 운전 데이터를 통신부(33)에서 수신한다(스텝 S12).

처리부(31)는 센서(2)로부터 출력되는 시계열의 센서치 데이터를 취득한다(스텝 S13). 그리고, 처리부(31)는 센서치 데이터에 근거하여, 상기 센서치의 평균, 분산, 2승평균평방근 등의 통계량을 산출하고(스텝 S14), 산출된 통계량에 근거하여, 2축혼련압출기(1)의 이상 판정 처리를 실행한다(스텝 S15).

다음으로 처리부(31)는, 2축혼련압출기(1)의 이상의 유무를 나타내는 판정 결과와 스텝 S14에서 산출한 통계량을 통신부(33)에서 제어 장치(14)로 송신한다(스텝 S16).

제어 장치(14)는, 이상 검지 장치(3)로부터 송신된 판정 결과 및 통계량을 수신하고(스텝 S17), 수신한 판정 결과 또는 통계량에 근거하여, 2축혼련압출기(1)의 동작을 감시한다(스텝 S18). 예를 들면, 판정 결과가 소정의 이상을 나타내고 있는 경우, 제어 장치(14)는, 2축혼련압출기(1)의 운전 제어를 정지시킨다.

다음으로, 제어 장치(14)는, 수신한 판정 결과 및 통계량 등을 표시부에 표시시킨다(스텝 S19).

다음으로, 판정 결과 및 통계량을 송신한 이상 검지 장치(3)의 처리를 설명한다. 스텝 S16의 처리를 끝낸 이상 검지 장치(3)의 처리부(31)는, 스텝 S12에서 수신한 운전 데이터와 스텝 S13에서 취득한 센서치 데이터를 통신부(33)에서 진단 장치(5)로 송신한다(스텝 S20).

진단 장치(5)는, 이상 검지 장치(3)로부터 송신된 운전 데이터 및 센서치 데이터를 수신하고(스텝 S21), 진단 처리부(51)는, 수신한 운전 데이터 및 센서치 데이터, 및 데이터베이스(6)에 축적된 과거의 센서치 데이터 등을 이용하여, 2축혼련압출기(1)의 이상 진단 처리를 실행한다(스텝 S22). 또, 진단 처리부(51)는, 2축혼련압출기(1)의 수명 진단 처리를 실행한다(스텝 S23). 진단 처리부(51)는, 예를 들면, 축토크의 파형으로부터 재료 피로를 평가하고, 남은 수명을 산출한다.

스텝 S22 및 스텝 S23의 처리를 끝낸 진단 처리부(51)는, 통신부(53)에서 진단 결과를 이상 검지 장치(3)로 송신한다(스텝 S24).

이상 검지 장치(3)의 처리부(31)는, 진단 장치(5)로부터 송신된 진단 결과를 수신하고(스텝 S25), 수신한 진단 결과를 통신부(33)에서 제어 장치(14)로 송신한다(스텝 S26).

제어 장치(14)는, 이상 검지 장치(3)로부터 송신된 진단 결과를 수신하고(스텝 S27), 수신한 진단 결과를 표시부에 표시한다(스텝 S28).

또한, 이상 검지 장치(3)는, 단말장치(7)로부터의 요구에 따라, 처리부(31)에 의한 이상 판정 결과, 산출한 센서치 데이터의 통계량, 진단 처리부(51)에 의한 진단 결과 등을 단말장치(7)로 송신할 수 있다. 단말장치(7)는, 수신한 이상 판정 결과, 통계량 및 진단 결과를 표시한다.

<이상 검지 장치(3)에 의한 이상 검지 처리>

도 8은 이상 판정의 처리 순서를 나타내는 플로우차트이다. 이상 검지 장치(3)는, 대량의 센서치 데이터를 기억할 수 없기 때문에, 당일의 운전 데이터 및 센서치 데이터를 이용하여 2축혼련압출기(1)의 이상의 유무를 판정하는 처리를 실행한다.

처리부(31)는, 스텝 S12에서 수신한 운전 데이터에 근거하여, 2축혼련압출기(1)의 이상의 유무를 판정하기 위한 판정 기준의 임계치를 특정한다(스텝 S51). 예를 들면, 축토크와 스크류축(11)의 회전수는 반비례 관계에 있기 때문에, 토크의 과부하를 검지하는 임계치는, 운전 데이터의 하나인 스크류축(11)의 회전수에 의존한다. 이와 같이, 처리부(31)는, 운전 데이터에 의해, 이상을 검지하기 위한 임계치를 특정할 수 있다.

구체적으로는, 이상 검지 장치(3)는, 운전 데이터와, 이상의 종류와, 판정 기준의 임계치를 대응시킨 테이블을 기억부(32)에 기억한다. 처리부(31)는 운전 데이터를 이용하여 상기 테이블을 참조하는 것에 의해 임계치를 독출하는 것에 의해, 운전 데이터에 따른 각종 이상의 판정 기준인 임계치를 특정할 수 있다.

다음으로 처리부(31)는, 감속기(13)의 진동을 나타내는 센서치 데이터의 통계량과 스텝 S51에 특정한 임계치에 근거하여, 감속기(13)의 이상 진동의 유무를 판정한다(스텝 S52). 또한, 처리부(31)는, 감속기(13)의 진동을 나타내는 센서치 데이터를 시간 주파수 성분으로 변환하고, 상기 시간 주파수 성분의 데이터에 근거하여 감속기(13)의 이상의 유무를 판정하도록 구성해도 무방하다.

또, 처리부(31)는, 축토크, 스크류축(11)의 온도, 스크류축(11)의 회전 중심의 변위를 나타내는 센서치 데이터의 통계량과, 스텝 S51에서 특정한 임계치에 근거하여, 과부하의 유무를 판정한다(스텝 S53).

또한, 처리부(31)는, 성형품의 치수를 나타내는 통계량과, 스텝 S51에서 특정한 임계치에 근거하여, 성형품의 치수 이상의 유무를 판정한다(스텝 S54).

처리부(31)는, 스트랜드를 촬상하여 얻은 화상과, 정상 화상과의 차분을 나타내는 통계량과, 스텝 S51에서 특정한 임계치에 근거하여, 스트랜드의 이상의 유무를 판정한다(스텝 S55). 또한, 처리부(31)는, 촬상 화상에 포함되는 스트랜드의 화상의 픽셀 사이즈(픽셀의 수)에 의해서, 스트랜드 지름을 측정할 수 있다. 또, 처리부(31)는, 촬상 화상에 포함되는 화상 부분의 색을 판정하는 것에 의해 이물의 유무를 판정할 수도 있다.

처리부(31)는, 센서(2), 예를 들면 수지압 센서에서 검출된 수지압의 시간 평균과, 스텝 S51에서 특정한 임계치에 근거하여, 수지 점도의 이상의 유무를 판정하고(스텝 S56), 이상 판정 처리를 종료한다.

<진단 장치(5)에 의한 이상 진단 처리>

도 9는 이상 진단의 처리 순서를 나타내는 플로우차트이다. 진단 처리부(51)는, 스크류축(11)의 회전 중심의 변위를 나타내는 센서치 데이터, 또는 상기 센서치 데이터의 시간 주파수 해석에 의해서 얻을 수 있는 시간 주파수 데이터를 학습 모델(54)에 입력하는 것에 의해, 스크류축(11)의 이상 진단을 실시한다(스텝 S61).

스텝 S61에서 이용하는 학습 모델(54)은, 예를 들면 시계열 데이터인 센서치 데이터를 화상으로 나타낸 후술의 시계열 데이터 화상이 입력되었을 경우, 상기 시계열 데이터 화상의 특징을 추출하고, 추출된 특징량을 출력하는 합성곱 뉴럴 네트워크 모델이다. 학습 모델(54)은, CNN(Convolutional Neural Network)의 특징 추출층을 가지는 모델, 예를 들면 1 클래스 분류 모델이다. 진단 처리부(51)는, 스텝 S12에서 수신한 운전 데이터와 동일 또는 유사한 운전 데이터에 대응될 수 있고, 한편 2축혼련압출기(1)가 정상적으로 동작하고 있을 때의 센서치 데이터로부터 얻을 수 있는 특징량과, 진단 대상의 특징량을 비교하는 것에 의해, 스크류축(11)의 이상의 유무를 진단할 수 있다. 학습 모델(54)의 생성 방법 및 구성의 자세한 것은 후술 한다.

또, 진단 처리부(51)는, 감속기(13)에 설치한 센서(2), 예를 들면 진동 센서로부터 얻을 수 있는 진동 센서 데이터, 또는 상기 센서치 데이터의 시간 주파수 해석에 의해서 얻을 수 있는 시간 주파수 데이터를 학습 모델(54)에 입력하는 것에 의해, 감속기(13) 및 그 각부의 마모에 의한 성능 열화 혹은 오일의 이상의 유무를 진단한다(스텝 S62).

스텝 S62에서 이용하는 학습 모델(54)은, 예를 들면 서포트 벡터 머신이다. 상기 서포트 벡터 머신은, 정상적인 감속기(13)에 따른 진동 센서 데이터의 시간 주파수 해석에 의해서 얻을 수 있는 시간 주파수 성분과, 이상인 감속기(13)에 따른 진동 센서 데이터의 시간 주파수 해석에 의해서 얻을 수 있는 시간 주파수 성분을 학습하고, 정상적인 감속기(13)에 따른 정상 클래스와, 이상인 감속기(13)에 따른 이상 클래스로 분류하는 분류기이다. 또한, 해석 대상의 주파수 성분은, 예를 들면 감속기(13)로부터 얻을 수 있는 주요 주파수 성분, 고장시에 나타나는 고장 주파수 성분 등, 특정의 주파수 성분이여도 무방하다. 진단 처리부(51)는, 예를 들면, 진동 센서 데이터의 시간 주파수 해석에 의해서 얻을 수 있는 주요 주파수 성분, 고장 주파수 성분 등을 특정한다. 그리고, 진단 처리부(51)는, 진동 센서 데이터의 시간 주파수 성분, 예를 들면 주요 주파수 성분 및 고장 주파수 성분을 서포트 벡터 머신에 입력하는 것에 의해, 감속기(13)가 정상적인지 아닌지를 진단한다.

학습 모델(54)은, 합성곱 뉴럴 네트워크 모델을 이용한 분류기이여도 무방하다. 학습 모델(54)은, 예를 들면, 진동 센서 데이터, 또는 상기 센서치 데이터의 시간 주파수 해석에 의해서 얻을 수 있는 시간 주파수 데이터가 입력되었을 경우, 감속기(13)의 이상 개소, 이상 레벨을 나타내는 데이터를 출력하도록 학습해도 무방하다. 이상 개소는, 예를 들면 감속기(13)의 베어링, 기어 등이다.

또, 진단 처리부(51)는, 센서(2)로부터 얻을 수 있는 축토크, 스크류축(11)의 회전 중심의 변위, 진동 등을 나타내는 센서치 데이터, 또는 상기 센서치 데이터의 시간 주파수 해석에 의해서 얻을 수 있는 시간 주파수 데이터를 학습 모델(54)에 입력하는 것에 의해, 비효율적 운전 상태에 있는지 아닌지를 진단한다(스텝 S63).

스텝 S63에서 이용하는 학습 모델(54)은, 예를 들면 시계열 데이터인 센서치 데이터를 화상으로 나타낸 후술의 시계열 데이터 화상이 입력되었을 경우, 상기 시계열 데이터 화상의 특징을 추출하고, 추출된 특징량을 출력하는 합성곱 뉴럴 네트워크 모델이다. 학습 모델(54)은, CNN의 특징 추출층을 가지는 모델, 예를 들면 1 클래스 분류 모델이다.

진단 처리부(51)는, 스텝 S12에서 수신한 운전 데이터와 동일 또는 유사한 운전 데이터에 대응할 수 있고, 한편 2축혼련압출기(1)가 효율적 운전 상태에 있을 때의 센서치 데이터로부터 얻을 수 있는 특징량과, 진단 대상의 특징량을 비교하는 것에 의해, 비효율적 운전 상태에 있는지 아닌지를 진단할 수 있다.

또, 진단 처리부(51)는, 센서(2)로부터 얻을 수 있는 축토크, 스크류축(11)의 회전 중심의 변위, 진동 등을 나타내는 센서치 데이터, 또는 상기 센서치 데이터의 시간 주파수 해석에 의해서 얻을 수 있는 시간 주파수 데이터를 학습 모델(54)에 입력하는 것에 의해, 품질 이상을 초래하는 운전 상태에 있는지 아닌지를 진단한다(스텝 S64).

스텝 S64에서 이용하는 학습 모델(54)은, 예를 들면 시계열 데이터인 센서치 데이터를 화상으로 나타낸 후술의 시계열 데이터 화상이 입력되었을 경우, 상기 시계열 데이터 화상의 특징을 추출하고, 추출된 특징량을 출력하는 합성곱 뉴럴 네트워크 모델이다. 학습 모델(54)은, CNN의 특징 추출층을 가지는 모델, 예를 들면 1 클래스 분류 모델이다.

진단 처리부(51)는, 스텝 S12에서 수신한 운전 데이터와 동일 또는 유사한 운전 데이터에 대응할 수 있고, 한편 2축혼련압출기(1)가 품질 이상을 초래하는 운전 상태가 없는 정상적인 운전 상태에 있을 때의 센서치 데이터로부터 얻을 수 있는 특징량과, 진단 대상의 특징량을 비교하는 것에 의해, 품질 이상을 초래하는 운전 상태에 있는지 아닌지를 진단할 수 있다.

또한, 진단 처리부(51)는, 이상 검지 장치(3)를 통해 제어 장치(14)로부터 얻을 수 있는 통전 데이터를 감시하고, 일정시간의 가동률을 산출하는 것에 의해, 가동률을 감시하도록 구성해도 무방하다. 진단 처리부(51), 가동률에 근거해 2축혼련압출기(1)의 이상의 유무를 진단하도록 구성해도 무방하다.

이하, 1 클래스 분류 모델의 일례로서 스크류축 이상 진단에 대해 상세히 서술한다.

도 10은 스크류축(11)의 이상 진단의 처리 순서를 나타내는 플로우차트이다. 진단 처리부(51)는, 복수의 센서치 데이터를 화상으로 나타낸 1 또는 복수의 시계열 데이터 화상으로 변환하고(스텝 S71), 변환된 시계열 데이터 화상이 복수의 경우, 상기 복수의 시계열 화상 데이터를 1장의 시계열 데이터 화상으로 합성한다(스텝 S72). 예를 들면, 센서치 데이터가 2개의 스크류축(11) 각각의 2 방향에서의 변위를 나타내는 데이터인 경우, 진단 처리부(51)는, 제1 스크류축(11)의 회전 중심축의 2 방향에서의 변위를 화상으로 나타낸 제1 시계열 데이터 화상과, 제2 스크류축(11)의 회전 중심축의 2 방향에서의 변위를 화상으로 나타낸 제2 시계열 데이터 화상을 합성한다.

도 11은 2개의 스크류축(11)의 변이를 나타내는 시계열 데이터 화상이다. 제1 시계열 데이터 화상은, 제1 스크류축(11)의 변위를 나타내고 있다. 제1 시계열 데이터 화상은 대략 정방형의 화상이며, 스크류축(11)의 회전 중심에 대해 직교하는 X축 방향 및 Y축 방향의 변위량이, X축 및 Y축의 좌표치로서 플롯(plot) 된다. 제1 시계열 데이터 화상은, 3 회전 분의 변위를 플롯한 것이다. 제2 시계열 데이터 화상도 이와 같이 하여 작성할 수 있다.

합성된 시계열 데이터 화상은, 제1 시계열 데이터 화상의 2배의 크기(면적은 4배)를 가지는 대략 정방형의 화상이다. 시계열 데이터 화상은, 제1 및 제2 시계열 데이터 화상의 종횡비를 변경하는 일 없이, 원래의 화상이 가지는 정보를 그대로 포함 한다. 구체적으로는, 시계열 데이터 화상은, 도 11 중 상측 좌우에 나란히 배치한 제1 및 제2 시계열 데이터 화상과, 시계열 데이터 화상을 대략 정방형으로 하기 위해서 하측에 배치한 블랭크 화상을 갖는다. 또한, 제1 및 제2 시계열 데이터 화상 및 블랭크 화상의 배치 방법은, 특별히 한정되는 것이 아니고, 제1 및 제2 시계열 데이터 화상을 그대로 포함하는 한, 그 배치 방법은 특별히 한정되는 것은 아니다.

또한, 그 외의 복수의 센서치 데이터에 대해서도 동일하게 하여 시계열 데이터 화상으로 변환하고, 합성하면 무방하다. 도 11에 나타내는 예에서는, 합계 8개의 센서치 데이터를 화상으로 나타낼 수 있지만, 종횡 3Х3의 9장의 시계열 데이터 화상을 합성하는 경우, 18개의 센서치 데이터를 1장의 시계열 데이터 화상으로 나타낼 수 있다.

다음으로, 진단 처리부(51)는, 스텝 S72에서 합성한 시계열 데이터 화상을 학습 모델(54)에 입력하는 것에 의해, 시계열 데이터 화상의 특징량을 산출한다(스텝 S73).

또, 진단 처리부(51)는, 데이터베이스(6)로부터, 스텝 S12에서 수신한 운전 데이터와 동일 또는 유사한 운전 데이터에 대응할 수 있고, 한편 2축혼련압출기(1)가 정상적으로 동작하고 있을 때의 센서치 데이터를 독출하고(스텝 S74), 동일하게 하여 시계열 데이터 화상으로 변환하고(스텝 S75), 합성하고(스텝 S76), 합성된 시계열 데이터 화상을 학습 모델(54)에 입력하는 것에 의해, 정상 동작시의 시계열 데이터 화상의 특징량을 산출한다(스텝 S77).

다음으로, 진단 처리부(51)는, 스텝 S73에서 산출한 시계열 데이터 화상의 특징량의 이상치 스코어(outlier score)를 산출한다(스텝 S78). 이상치 스코어는, 정상적인 2축혼련압출기(1)의 동작시에 얻을 수 있던 시계열 데이터 화상의 특징량(이하, 샘플 특징량이라 부른다)에 대한, 스텝 S77에서 산출된 시계열 데이터 화상의 특징량이 이상치의 정도(degree)를 평가해 수치화한 것이다. 이상치 스코어는, 예를 들면 LOF(Local Outlier Factor)이다. LOF는, 이상 검지 대상인 특징량의 국소 밀도 ld(P)와, 상기 특징량의 근방군(近傍群)(상기 특징량에 대한 최근방(最近傍)의 k개의 샘플 특징량)의 국소 밀도 평균<ld(Q)>과의 비<ld(Q)>/ld(P)로 나타낼 수 있다. LOF가 1보다 클수록, 이상치로서의 정도가 커진다. 또한, P는 이상 검지 대상인 특징량을 나타내고, Q는 상기 샘플 특징량을 나타내고 있다.

그리고, 처리부(31)는, 산출한 이상치 스코어가 소정의 임계치 이상인지 아닌지를 판정하는 것에 의해, 2축혼련압출기(1)의 이상의 유무를 판정한다(스텝 S79). 이상치 스코어가 상기의 LOF인 경우, 임계치는 1이상의 값이다. LOF가 임계치 이상인 경우, 진단 처리부(51)는 이상있음으로 판정하고, LOF가 임계치 미만인 경우, 정상으로 판정한다.

또한, 상술한 LOF를 이용한 이상 판정은 일례이며 k근방법, SVM에 의해 2축혼련압출기(1)가 이상인지 아닌지를 판정해도 무방하다. 또, 호텔링법에 의해, 이상 검지 대상의 특징량이, 정상시의 샘플 특징량으로부터 동떨어진 것인지 아닌지를 판정하는 것에 의해, 2축혼련압출기(1)가 이상인지 아닌지를 판정하도록 구성해도 무방하다.

도 12는, 시계열 데이터 화상의 특징량 및 이상 검지 결과를 나타내는 개념도이다. 도 12는, 시계열 데이터 화상의 고차원의 특징량을 2차원의 특징량으로 차원 삭감하여 2차원 평면에 플롯한 것이다. 도 12에 나타내는 그래프의 횡축 및 종축은, 차원 삭감된 시계열 데이터 화상의 제1 특징량 및 제2 특징량을 나타내고 있다. 또한, 특징량의 차원 압축은, 예를 들면 t-SNE 등의 차원 삭감 알고리즘에 의해서 실시할 수 있다.

도 12에 나타내듯이 학습 모델(54)은, 상기 학습 모델(54)로부터 출력되는 정상시의 특징량의 국소 밀도가 높아지도록 학습되고 있다.

파선의 원은 임계치의 이미지를 나타낸 것이다. 이상 검지 대상인 시계열 데이터 화상의 특징량(예를 들면, 성형육각형 플롯)과, 정상시의 시계열 데이터 화상의 특징량군과의 통계 거리가 짧고(국소 밀도가 상대적으로 높고), LOF치가 작은 경우, 2축혼련압출기(1)는 정상적인 상태이다라고 추정된다. 이상 검지 대상인 시계열 데이터 화상의 특징량(예를 들면, X표플롯)과, 정상시의 시계열 데이터 화상의 특징량군과의 통계 거리가 길고(국소 밀도가 상대적으로 낮고), LOF치가 큰 경우, 2축혼련압출기(1)는 이상인 상태이다라고 추정된다.

스크류축(11)의 회전 중심축의 변위를 이용한 이상 진단에 의해, 스크류축(11)의 마모 등의 이상의 유무를 진단할 수 있다.

또한, 스크류축(11)의 변위에 근거하여 이상 검지를 주로 설명했지만, 이것으로 한정되는 것은 아니다. 예를 들면, 감속기(13)의 진동을 나타내는 센서치 데이터에 근거하여, 주파수 스펙트럼을 산출하고, 상기 주파수 스펙트럼을 화상으로 나타낸 시계열 데이터 화상을 생성하고, 생성한 시계열 데이터 화상을 이용해 감속기(13)의 진동 이상을 진단할 수 있다.

또, 스크류축(11)에 가해지는 축토크를 나타내는 센서치 데이터를 화상으로 나타낸 시계열 데이터 화상을 생성하고, 생성한 시계열 데이터 화상을 이용해 과부하의 유무를 진단할 수 있다.

도 13은 수명 진단의 처리 순서를 나타내는 플로우차트이다. 진단 처리부(51)는, 복수의 센서치 데이터를 화상으로 나타낸 1 또는 복수의 시계열 데이터 화상으로 변환하고(스텝 S91), 변환된 시계열 데이터 화상이 복수의 경우, 상기 복수의 시계열 화상 데이터를 1장의 시계열 데이터 화상으로 합성한다(스텝 S92). 센서치 데이터는, 예를 들면, 축토크 또는 스크류축(11)의 회전 중심의 변위를 나타내는 데이터이다. 다음으로, 진단 처리부(51)는, 스텝 S92에서 합성한 시계열 데이터 화상을 학습 모델(54)에 입력하는 것에 의해, 시계열 데이터 화상의 특징량을 산출한다(스텝 S93).

또, 진단 처리부(51)는, 데이터베이스(6)로부터, 특정의 센서치 데이터, 예를 들면 스텝 S12에서 수신한 운전 데이터와 동일 또는 유사한 운전 데이터에 대응할 수 있고, 한편 정상적인 수명을 가지는 2축혼련압출기(1)의 센서치 데이터를 독출하고(스텝 S94), 동일하게 하여 시계열 데이터 화상으로 변환하고(스텝 S95), 합성하고(스텝 S96), 합성된 시계열 데이터 화상을 학습 모델(54)에 입력하는 것에 의해, 정상 수명을 가지는 2축혼련압출기(1)에 따른 시계열 데이터 화상의 특징량을 산출한다(스텝 S97).

다음으로, 진단 처리부(51)는, 스텝 S97에서 산출한 시계열 데이터 화상의 특징량의 이상치 스코어를 산출한다(스텝 S98). 그리고, 처리부(31)는, 산출한 이상치 스코어가 소정의 임계치 이상인지 아닌지를 판정하는 것에 의해, 진단 대상의 2축혼련압출기(1)의 수명이, 정상 수명을 가지는지 아닌지를 판정한다(스텝 S99). 이상치 스코어가 상기의 LOF인 경우, 임계치는 1이상의 값이다. LOF가 임계치 이상인 경우, 진단 처리부(51)는 수명이 짧다고 판정하고, LOF가 임계치 미만인 경우, 정상적인 수명을 갖는다고 판정한다.

또한, 여기에서는 수명이 정상적인지 아닌지를 진단하는 예를 설명했지만, 특정의 수명을 가지는 2축혼련압출기(1)로부터 얻을 수 있던 센서치 데이터의 특징량과, 현재의 센서치 데이터의 특징량을 비교하는 것에 의해, 2축혼련압출기(1)가 특정의 수명을 가지는지 아닌지를 판정할 수 있다.

<학습 모델 생성 방법>

진단 장치(5)에 의한 진단 처리에 이용한 학습 모델(54)의 생성 방법을 설명한다.

도 14는 학습 모델(54)의 생성 방법의 개요를 나타내는 개념도이다. 2축혼련압출기(1)의 동작이 정상적인지 아닌지를 판정하기 위한 학습 모델(54)의 생성 방법에 대해 설명한다. 이하, 진단 장치(5)의 진단 처리부(51)가 학습 모델(54)을 기계 학습시키는 예를 설명한다.

우선 1 클래스 분류 모델을 생성하기 위해서 필요한 학습용 데이터 세트로서, 2축혼련압출기(1)가 정상적으로 동작하고 있을 때 검출해 얻을 수 있던 복수의 시계열 데이터 화상과, 시계열 데이터 화상과 무관계한 임의의 복수의 참고화상 A, B, C를 준비한다. 참고화상 A, B, C는, 예를 들면 Image　Net 등의 학습용 데이터 세트로부터 선택한 복수 클래스의 화상 데이터이다. 도 14에 나타내는 예에서는, 라벨 0, 라벨 1, 라벨 2가 첨부된 참고화상 A, B, C가 준비되어 있다.

그리고, 화상의 특징을 추출하는 복수의 합성곱층(convolutional layer) 및 풀링층(pooling layer)으로 구성되는 특징 추출층을 가지는 학습 모델(54)에, 정상 동작시의 시계열 데이터 화상과, 참고화상 A, B, C를 기계 학습시킨다. 구체적으로는 진단 처리부(51)는, 각 화상의 특징을 판별하는 것이 가능한 특징량, 즉, 도 14의 오른쪽 도에 나타내듯이 시계열 데이터 화상의 특징량의 국소 밀도가 높고, 게다가 참고화상 A, B, C의 특징량과의 식별성이 높아지는 특징량을 출력하도록, 학습 모델(54)을 학습시킨다.

이하, 1 클래스 분류 모델의 생성 방법의 상세를 설명한다.

도 15는 학습 페이즈에서의 학습 모델(54)을 나타내는 개념도이다. 우선, 제1 뉴럴 네트워크(레퍼런스 네트워크)(54a)와, 제2 뉴럴 네트워크(세컨더리 네트워크)(54a)를 준비한다.

제1 뉴럴 네트워크(54a)는, 입력층, 특징 추출층 및 분류층을 가지는 CNN이다. 특징 추출층은, 복수의 합성곱층 및 풀링층의 반복 구조를 갖는다. 분류층은, 예를 들면 1 또는 복수 층의 전(全)결합층을 갖는다. 제1 뉴럴 네트워크(54a)는, 예를 들면 Image　Net 등의 학습용 데이터 세트를 이용해 예비 학습되고 있다.

제2 뉴럴 네트워크(54a)는 제1 뉴럴 네트워크(54a)와 같은 네트워크 구성이며, 특징 추출층 및 분류층을 특징지우는 각종 파라미터(가중치 계수)도 같다. 이하, 제1 및 제2 뉴럴 네트워크(54a, 54a)의 학습 페이즈에 있어서, 특징 추출층 및 분류층의 각종 파라미터는 같은 값을 공유한다.

그리고, 진단 처리부(51)는, 제1 뉴럴 네트워크(54a)에 참고화상 A를 입력하고, 손실 함수인 기술적 로스(descriptiveness loss)를 산출한다. 한편, 진단 처리부(51)는, 제2 뉴럴 네트워크(54a)에 정상시의 시계열 데이터 화상을 입력하고, 손실 함수인 컴팩트 로스(compactness loss)를 산출한다. 기술적 로스는, 분류기의 학습으로 일반적으로 사용되는 손실 함수이며, 예를 들면 교차 엔트로피 오차이다. 컴팩트 로스는 하기 식(1), (2), (3)으로 표시된다. 컴팩트 로스는, 배치(batch) 내, 즉 학습용 데이터 세트에서의 제2 뉴럴 네트워크(54a)의 출력의 분산에 상당하는 값이다.

그리고, 진단 처리부(51)는 기술적 로스와 컴팩트 로스에 근거하여 토탈 로스를 산출한다. 토탈 로스는, 예를 들면 아래와 같이 식(4)로 표시한다.

진단 처리부(51)는, 상기 (4)에서 표시된 토탈 로스가 작아지도록 오차 역전파법(BackPropagation) 등을 이용해 제1 및 제2 뉴럴 네트워크(54a, 54a)의 각종 파라미터의 최적화를 실시하는 것에 의해, 제1 및 제2 뉴럴 네트워크(54a, 54a)를 학습시킨다. 또한, 기계 학습시킬 때, 전단의 각종 파라미터를 고정하고, 후단의 복수 층의 파라미터를 조정하면 무방하다.

이와 같이 하여 학습된 제1 및 제2 뉴럴 네트워크(54a, 54a)의 특징 추출층으로부터 출력되는 특징량은, 도 14에 나타내듯이, 2축혼련압출기(1)가 정상시에 얻을 수 있는 시계열 데이터 화상의 특징량의 국소 밀도가 높아져, 다른 임의 화상의 특징량과의 국소 밀도가 낮아진다.

도 16은 테스트 페이즈에서의 학습 모델(54)을 나타내는 개념도이다. 도 16에 나타내듯이, 본 실시형태 1에 따른 학습 모델(54)은, 상기와 같이 학습한 제2 뉴럴 네트워크(54a)의 입력층 및 특징 추출층을 이용해 구성할 수 있다. 따라서, 도 15에 나타내는 분류층은, 본 실시형태 1에 따른 학습 모델(54)의 필수의 구성은 아니다. 다만, 도 15에 나타내는 제2 뉴럴 네트워크(54a)를 그대로 학습 모델(54)로서 이용하고, 특징 추출층으로부터 출력되는 특징량을 이용할 수도 있다.

또한, 도 16에는, 2개의 학습 모델(54)을 도시하고 있지만, 검출 대상인 시계열 데이터 화상과, 샘플인 정상시의 시계열 데이터 화상이 입력되고 있는 상태를 개념적으로 나타낸 것으로, 2개의 모델이 존재하는 것을 나타내는 것은 아니다.

테스트 페이즈에 있어서는, 진단 처리부(51)는, 정상시에 얻을 수 있는 시계열 데이터 화상을 샘플 데이터로서 학습 모델(54)에 입력하는 것에 의해, 정상시의 시계열 데이터 화상의 특징량을 출력시킨다. 한편, 이상 검지 대상의 시계열 데이터 화상을 학습 모델(54)에 입력하는 것에 의해, 상기 시계열 데이터 화상의 특징량을 출력시킨다. 그리고, 진단 처리부(51)는, 샘플 데이터의 특징량에 대하여, 이상 검지 대상의 특징량의 이상치 스코어를 산출하고, 산출된 이상치 스코어와 임계치를 비교하는 것에 의해, 이상 검지 대상의 시계열 데이터 화상이 이상인지 아닌지, 즉 2축혼련압출기(1)가 이상인지 아닌지를 판별한다.

또한, 도 16에서는, 샘플 데이터를 학습 모델(54)에 입력해 상기 샘플 데이터의 특징량을 산출하는 예를 나타내고 있지만, 미리 산출되어 복수의 샘플 데이터의 특징량을 기억부(32)에 기억해 두고, 이상 검지 처리에 있어서는, 기억부(32)가 기억하는 샘플 데이터의 특징량을 이용해서 이상치 스코어를 산출해도 무방하다.

또, 2축혼련압출기(1)의 이상의 유무를 진단하기 위한 학습 모델(54)을 설명했지만, 정상적인 수명을 가지는 2축혼련압출기(1)로부터 얻을 수 있는 센서치 데이터를 이용하여, 학습 모델(54)을 학습시키는 것에 의해, 2축혼련압출기(1)가 정상적인 수명을 가지는지 아닌지를 진단하기 위한 학습 모델(54)을 생성할 수 있다.

또한, 상기의 설명으로는 정상과 이상을 분류하는 예를 설명했지만, 복수의 1 클래스 분류 모델인 학습 모델(54)을 이용하여, 전형적인 이상시의 시계열 화상 데이터를, 그 외의 이상시의 시계열 데이터 화상과 판별하도록 구성해도 무방하다. 예를 들면, 이상 검지 장치(3)는, 상기 실시형태 1과 같이, 정상시의 시계열 데이터 화상을 학습시킨 제1 학습 모델(54)을 구비한다. 또, 이상 검지 장치(3)는, 정상시의 시계열 데이터 화상과, 제1 이상시의 시계열 데이터 화상을 학습시킨 제2 학습 모델(54)을 구비한다. 이상 검지 장치(3)는, 제1 학습 모델(54)과, 제2 학습 모델(54)을 이용하는 것에 의해, 정상시의 시계열 데이터 화상과, 제1 이상시의 시계열 데이터 화상과, 그 외의 이상시의 시계열 데이터 화상을 판별하는 것이 가능하다. 동일하게 하여, 이상 검지 장치(3)에 3개 이상의 학습 모델(54)을 갖추는 것에 의해, 2 이상의 이상시의 시계열 데이터 화상을 판별 가능하게 구성할 수 있다.

또, 스크류축 이상 진단에 대해 상술했지만, 스텝 S63 및 스텝 S64에서의 비효율 운전 상태에 있는지 아닌지의 진단, 품질 이상을 초래하는 운전 상태에 있는지 아닌지의 진단을 실시하는 학습 모델(54)도 동일하게 구성 및 생성할 수 있다.

또한, 학습 모델(54)의 일례로서 1 클래스 분류 모델을 설명했지만, 일반적인 CNN, U-Net, RNN(Recurrent Neural Network) 등의 뉴럴 네트워크), 그 외의 SVM(Support Vector Machine), 베이지안 네트워크, 또는 회귀목(regression tree) 등을 이용해도 무방하다.

예를 들면, 정상시의 센서치 데이터, 각종 이상시의 센서치 데이터가 축적되었을 경우, 2축혼련압출기(1)의 상태를 교사 데이터로 하고, 센서치 데이터 또는 시계열 데이터 화상에 라벨을 붙인 학습용 데이터 세트를 작성하고, CNN 등으로 구성되는 학습 모델(54)을 학습시키면 무방하다. 2축혼련압출기(1)의 상태에는, 2축혼련압출기(1)가 정상적인 것을 나타내는 정상 상태, 스크류축(11)이 마모한 이상 상태, 스크류축(11)에 적합하지 않는 수지 원료가 사용되고 있는 이상 상태, 과부하가 생기고 있는 과부하 이상 상태, 감속기(13)의 진동 이상, 수명이 짧은 이상 상태, 성형품의 치수 등의 이상 상태 등이 포함된다.

학습 모델(54)은, 입력층, 중간층 및 출력층을 갖는다. 중간층은, 화상의 특징을 추출하는 복수의 합성곱층 및 풀링층을 갖는다. 출력층은, 2축혼련압출기(1)의 복수 상태에 대응하는 복수의 노드를 가지고, 상기 상태에 있을 확신도를 출력한다. 학습 모델(54)은, 센서치 데이터, 또는 센서치 데이터 에 따른 시계열 데이터 화상이 입력되었을 경우, 학습 모델(54)로부터 출력되는 2축혼련압출기(1)의 상태가 교사 데이터가 나타내는 상태에 가까워지도록, 중간층의 가중치 계수를 최적화한다. 상기 가중치 계수는, 예를 들면 뉴런 간의 가중치(결합 계수) 등이다. 파라미터의 최적화의 방법은 특별히 한정되지 않지만, 예를 들면 최급강하법, 오차 역전파법 등을 이용해 각종 파라미터의 최적화를 실시한다.

이와 같이 생성된 학습 모델(54)에 의하면, 진단 대상의 2축혼련압출기(1)로부터 얻을 수 있던 센서치 데이터의 시계열 데이터 화상을 학습 모델(54)에 입력하는 것에 의해, 2축혼련압출기(1)의 상태를 진단할 수 있다. 예를 들면, 진단 처리부(51)는, 2축혼련압출기(1)는, 가장 높은 확신도를 출력하는 노드에 대한 상태에 있다고 판정한다.

또, 학습 모델(54)은, 시계열 데이터 화상이 입력되었을 경우, 보다 최적인 성형 조건, 또는 성형 조건의 조정량을 출력하도록 구성해도 무방하다. 진단 장치(5)는, 학습 모델(54)로부터 출력된 성형 조건을 이상 검지 장치(3)로 송신하고, 이상 검지 장치(3)는 수신한 상기 성형 조건을 제어 장치(14)로 송신한다.

<진단 결과 및 판정 결과의 표시 처리>

스텝 S19에서의 판정 결과 및 통계량 등의 표시예를 설명한다.

도 17은 제어 장치(14)에서의 이상 판정 결과 등의 표시예를 나타내는 모식도이다. 표시부에 표시되는 판정 결과 등 표시 화면(141)은, 그래프 표시부(141a), 경고 표시부(141b), AI 진단 표시부(141c), 처리치 표시부(141d)를 갖는다. 그래프 표시부(141a)는, 예를 들면, 축토크, 스크류축(11)의 진동, 변위의 통계량의 시간 변화를 그래프로 표시한다. 경고 표시부(141b)는, 수신한 2축혼련압출기(1)의 이상의 유무를 나타내는 판정 결과를 표시하고, 이상이 있는 경우, 경고 내용을 표시한다. AI 진단 표시부(141c)는, 후술의 진단 장치(5)에 의한 진단 결과를 표시한다. 처리치 표시부(141d)는, 수신한 통계량의 값을 표시한다.

스텝 S28에서의 진단 결과의 표시예를 설명한다.

도 18은 단말장치(7)에서의 이상 판정 결과 등의 표시예를 나타내는 모식도이다. 판정 결과 등 표시 화면(71)은, 그래프 표시부(71a), 경고 이력 표시부(71b), AI 진단 이력 표시부(71c), 처리치 표시부(71d), 데이터 선택부(71e)를 갖는다. 데이터 선택부(71e)는, 표시하는 데이터의 선택을 받아들인다. 예를 들면, 데이터 선택부(71e)는, 2축혼련압출기(1)의 운전 일시, 표시하는 통계량의 종류, 진단 항목의 선택을 받아들인다. 제1 네트워크에 복수의 2축혼련압출기(1)가 접속되고 있는 경우, 데이터 선택부(71e)는, 2축혼련압출기(1)의 선택을 받아들이도록 구성해도 무방하다. 단말장치(7)는 데이터 선택부(71e)에 의해서 선택된 운전 일시, 2축혼련압출기(1)의 식별 정보 등을 이상 검지 장치(3)로 송신하고, 선택된 2축혼련압출기(1) 및 운전 일시에서의 이상 판정 결과의 이력, 센서치 데이터의 통계량, 진단 결과의 이력을 요구한다. 단말장치(7)는, 요구에 따라 진단 장치(5)로부터 송신되는 이러한 정보를 수신하고, 수신한 정보를 표시한다.

그래프 표시부(71a)는, 센서치 데이터의 통계량의 시간 변화를 그래프로 표시한다. 경고 이력 표시부(71b)는, 수신한 2축혼련압출기(1)의 이상의 유무를 나타내는 판정 결과의 이력을 표시한다. AI 진단 이력 표시부(71c)는, 2축혼련압출기(1)의 이상 또는 수명에 따른 진단 결과의 이력을 표시한다. 처리치 표시부(71d)는, 수신한 통계량의 값을 표시한다.

<본 실시형태 1에 따른 성형기 시스템의 작용 효과>

이상, 본 실시형태 1에 따른 성형기 시스템에 의하면, 2축혼련압출기(1)의 운전 제어를 실시하는 제어 장치(14)와, 이상 검지 장치(3)와, 진단 장치(5)를 구비하고, 각 장치가 협력하는 것에 의해서 제어 장치(14)에 과도한 부하를 주는 일 없이, 2축혼련압출기(1)의 이상을 검지하고, 2축혼련압출기(1)의 이상, 수명 등의 상세한 상태를 진단할 수 있다.

또, 이상 검지 장치(3)는 센서치 데이터 및 운전 데이터를 이용해 간단하고 쉽게 2축혼련압출기(1)의 이상을 검지하고, 이상 판정 결과를 제어 장치(14)로 송신할 수 있다. 제어 장치(14)는, 운전 데이터를 이상 검지 장치(3)로 송신하는 것만으로, 2축혼련압출기(1)의 이상 판정 결과를 수신할 수 있고, 이상 판정 결과에 근거해 2축혼련압출기(1)의 동작을 감시할 수 있다.

또한, 이상 검지 장치(3)는 센서치 데이터의 통계량을 산출하여 제어 장치(14)로 송신하고, 통계량의 그래프, 및 통계량의 값을 표시부에 표시시킬 수 있다.

더욱이 또, 이상 검지 장치(3)는, 감속기(13)의 진동 이상, 스크류축(11)에 대한 과부하, 성형품의 치수 이상을 검지하고, 이러한 이상을 제어 장치(14)로 송신할 수 있다.

더욱이 또, 진단 장치(5)는, 현재의 2축혼련압출기(1)의 운전 데이터 및 센서치 데이터와 데이터베이스(6)에 축적된 과거의 센서치 데이터에 근거하여, 2축혼련압출기(1)의 이상 및 수명을 상세하게 진단할 수 있다. 진단 장치(5)는, 이상 검지 장치(3)에서는 불가능한 2축혼련압출기(1)의 상태 진단을 실시할 수 있다.

이상 검지 장치(3)는, 현재의 2축혼련압출기(1)의 운전 데이터 및 센서치 데이터를 진단 장치(5)로 송신하여 진단을 요구하는 것에 의해, 진단 결과를 취득하고, 취득한 진단 결과를 제어 장치(14)로 송신할 수 있다. 제어 장치(14)는, 운전 데이터를 이상 검지 장치(3)로 송신하는 것 만으로, 진단 장치(5)에 의한 진단 결과를 수신하고, 진단 결과를 표시부에 표시할 수 있다.

더욱이 또, 진단 장치(5)는, 학습 모델(54)을 이용하여 2축혼련압출기(1)의 이상, 수명 등 상태를 진단할 수 있다.

더욱이 또, 학습 모델(54)을 1 클래스 분류 모델로 구성하는 것에 의해, 이상시의 2축혼련압출기(1)의 시계열 데이터 화상을 이용하는 일 없이, 정상적인 2축혼련압출기(1)의 동작시에 얻을 수 있는 시계열 데이터 화상을 이용하여 상기 학습 모델(54)을 기계 학습시킬 수 있다.

더욱이 또, 복수의 센서(2)로부터 출력되는 센서치 데이터를 1장의 시계열 데이터 화상으로 표현하고, 학습 모델(54)을 이용하여 상기 시계열 데이터 화상의 특징량을 산출하는 것에 의해, 2축혼련압출기(1)의 상태를 정밀도 좋게 표시한 특징량을 간단하고 쉽게 얻을 수 있다. 이와 같이 하여 얻을 수 있던 특징량을 이용하는 것에 의해, 2축혼련압출기(1)의 상태를 정밀도 좋게 진단할 수 있다.

더욱이 또, 본 실시형태 1에서는 진단 장치(5)가 학습 모델(54)을 기계 학습시키는 예를 설명했지만, 외부의 다른 컴퓨터 또는 서버를 이용하여 학습 모델(54)을 기계 학습시켜도 무방하다.

더욱이 또, 본 실시형태 1에서는 주로 2축혼련압출기(1)의 이상 검지 및 진단을 설명했지만, 사출 성형기, 필름 성형기 등의 성형기, 그 외의 제조 장치의 이상 검지 및 진단을 실시하도록 구성해도 무방하다.

(변형예)

진단 장치(5)는, 학습 모델(54)을 이용한 진단 처리에 대해서, 과금 처리를 실행하도록 구성해도 무방하다. 예를 들면, 진단 장치(5)는, 2축혼련압출기(1)의 대수, 센서(2)의 수, 센서(2)의 종류, 진단 처리 대상의 데이터량, 사용하는 학습 모델(54)의 수 등에 따라, 진단 요금을 산출하고, 산출된 진단 요금, 이상 진단 시스템의 유저 ID, 2축혼련압출기(1)의 식별 ID, 이용 일시, 데이터량, 진단 항목을 대응시켜 기억부(52)에 기억하면 무방하다.

(실시형태 2)

실시형태 2에 따른 성형기 시스템은, 진단 결과에 대한 유저의 피드백을 받아들여, 학습 모델(54) 또는 진단 기준을 갱신하는 점이 실시형태 2와 다르다. 성형기 시스템의 그 외의 구성은, 실시형태 1에 따른 성형기 시스템과 같기 때문에, 같은 개소에는 같은 부호를 교부하고, 상세한 설명을 생략 한다.

도 19는 실시형태 2에 따른 진단 결과에 관한 피드백 처리 순서를 나타내는 플로우차트이다. 이상 검지 장치(3)는, 제어 장치(14)를 통해 진단 결과의 적부(適否), 또는 2축혼련압출기(1)의 올바른 상태를 받아들인다(스텝 S211). 이상 검지 장치(3)의 처리부(31)는, 평가 대상인 진단 결과를 얻는 원인이 된 운전 데이터 및 센서치 데이터, 및 2축혼련압출기(1)의 올바른 상태를 나타내는 데이터를 포함한 피드백 정보를 진단 장치(5)로 송신한다(스텝 S212).

또한, 상기의 피드백 정보의 내용은 일례이다. 예를 들면 진단 ID, 운전 데이터, 센서치 데이터 및 진단 결과가 데이터베이스(6)에 기억되고 있는 경우, 이상 검지 장치(3)는, 수신한 진단 결과에 첨부된 진단 ID와 2축혼련압출기(1)의 올바른 상태를 포함한 피드백 정보를 진단 장치(5)로 송신하면 무방하다. 또, 이상 검지 장치(3)는, 진단 ID 및 진단 결과의 적부를 포함한 피드백 정보를 진단 장치(5)로 송신하도록 구성해도 무방하다.

진단 장치(5)는, 이상 검지 장치(3)로부터 송신된 피드백 정보를 수신하고(스텝 S213), 수신한 피드백 정보를 데이터베이스(6)에 기억한다(스텝 S214). 즉, 운전 데이터, 센서치, 2축혼련압출기(1)의 올바른 상태를 기억한다. 그리고, 진단 처리 장치는, 피드백 정보에 근거하여 학습 모델(54)을 추가 학습시키고, 또는 진단 기준을 갱신한다(스텝 S215).

예를 들면, 이상의 진단 결과에 오류가 있어, 2축혼련압출기(1)가 정상이다라고 하는 경우, 진단 결과를 오류한 센서치 데이터를 정상시의 데이터로서 학습용 데이터 세트에 더하고, 학습 모델(54)을 추가 학습시키는 것에 의해, 학습 모델(54)에 의한 특징량의 추출 정밀도를 향상시킬 수 있다.

또, 산출된 스코어 값에 근거하여, 2축혼련압출기(1)의 이상을 진단하기 위한 임계치를 변경하도록 구성해도 무방하다. 예를 들면, 이상의 진단 결과에 오류가 있어, 2축혼련압출기(1)가 정상이다라고 하는 경우, 진단 처리부(51)는, 임계치를 증대시킨다. 정상의 진단 결과가 오류되어, 2축혼련압출기(1)가 이상이다라고 하는 경우, 진단 처리부(51)는, 임계치를 감소시킨다.

또한, 학습 모델(54) 및 진단 기준의 변경은, 복수의 피드백 정보를 수신 및 축적하여 실시하면 무방하다.

실시형태 2에 따른 성형기 시스템에 의하면, 유저로부터의 피드백에 의해, 진단 장치(5)의 진단 정밀도를 보다 향상시킬 수 있다.

(실시형태 3)

실시형태 3에 따른 성형기 시스템은, 현장에서 얻을 수 있는 운전 데이터, 센서치 데이터, 2축혼련압출기(1)의 상태를 나타내는 데이터를 데이터베이스(6)에 축적하고, 학습 모델(54)을 추가 학습시키는 점이 실시형태 3과 다르다. 성형기 시스템의 그 외의 구성은, 실시형태 1에 따른 성형기 시스템과 같기 때문에, 같은 개소에는 같은 부호를 교부하고, 상세한 설명을 생략한다.

도 20은 실시형태 3에 따른 2축혼련압출기(1)의 상태에 관한 피드백 처리 순서를 나타내는 플로우차트이다. 이상 검지 장치(3)는, 제어 장치(14)를 통해 2축혼련압출기(1)의 상태를 받아들인다(스텝 S311). 즉, 이상 검지 장치(3)는 유저에 의해서 평가된, 2축혼련압출기(1)의 현재 상태를 받아들인다. 그리고, 이상 검지 장치(3)의 처리부(31)는, 운전 데이터, 센서치 데이터, 2축혼련압출기(1)의 상태를 포함한 정보를 진단 장치(5)로 송신한다(스텝 S312).

또, 이상 검지 장치(3)는, 2축혼련압출기(1)의 스크류축(11)의 구성, 수지 원료의 종류, 성형품의 품질 평가, 추정 수명 등의 정보를 받아들여 진단 장치(5)로 송신하면 무방하다.

진단 장치(5)는, 이상 검지 장치(3)로부터 송신된, 운전 데이터, 센서치 데이터, 2축혼련압출기(1)의 상태, 그 외의 상기 정보를 포함한 정보를 수신하고(스텝 S313), 수신한 정보를 데이터베이스(6)에 기억한다(스텝 S314). 즉, 진단 처리부(51)는, 운전 데이터, 센서치 데이터, 2축혼련압출기(1)의 상태, 그 외의 상기 정보를 기억한다. 그리고, 진단 처리 장치는, 데이터베이스(6)에 축적된 유저의 평가에 근거하는, 센서치 데이터를 포함한 학습용 데이터 세트를 이용하여 학습 모델(54)을 추가 학습시킨다(스텝 S315).

실시형태 3에 따른 이상 검지 장치(3)에 의하면, 유저의 평가를 반영시켜 학습 모델(54)을 추가 학습시키는 것에 의해, 진단 장치(5)의 진단 정밀도를 보다 향상시킬 수 있다.

또한, 이와 같이 하여 이상 검지 장치(3)로부터 송신되는 정보에 의하면, 감독 학습용의 데이터 세트를 작성할 수 있다. 진단 장치(5)는, 실시형태 1에서 설명한 것처럼, 감독 학습용 데이터 세트를 이용하여, 센서치 데이터 또는 시계열 데이터 화상이 입력되었을 경우, 2축혼련압출기(1)의 상태에 따른 정보를 출력하는 학습 모델(54)을 생성하고, 또는 추가 학습시키도록 구성해도 무방하다.

1　2축혼련압출기
2　센서
3　이상 검지 장치
4　라우터
5　진단 장치
6　데이터베이스
7　단말장치
10　실린더
11　스크류축
12　모터
13　감속기
14　제어 장치
31　처리부
33　통신부
34　취득부
51　진단 처리부
53　통신부
54　학습 모델
54a　뉴럴 네트워크
P1, P2　컴퓨터 프로그램

Claims (9)

1. 제조 장치의 이상을 검지하는 이상 검지 장치와, 상기 제조 장치의 상태를 진단하는 진단 장치를 구비한 이상 검지 시스템이며,
   상기 제조 장치의 운전 제어를 실시하고, 상기 운전 제어의 내용을 나타내는 운전 데이터를 상기 이상 검지 장치로 송신하는 제어 장치와,
   상기 제조 장치의 동작 또는 제품에 따른 물리량을 검출하고, 검출한 상기 물리량을 나타내는 시계열의 센서치 데이터를 상기 이상 검지 장치로 출력하는 센서와,
   상기 운전 데이터, 상기 센서치 데이터, 및 상기 제조 장치의 상태를 포함한 정보를 축적하는 데이터베이스
   를 구비하고,
   상기 이상 검지 장치는,
   상기 제어 장치로부터 송신되는 상기 운전 데이터를 수신하는 제1 통신부와,
   상기 센서로부터 출력되는 상기 센서치 데이터를 취득하는 취득부와,
   상기 취득부에서 취득한 상기 센서치 데이터의 통계량을 산출하고, 산출한 상기 통계량과, 수신한 상기 운전 데이터에 따른 임계치에 근거하여, 상기 제조 장치의 이상의 유무를 판정하는 처리부
   를 구비하고,
   상기 제1 통신부는,
   상기 운전 데이터 및 상기 센서치 데이터를 상기 진단 장치로 송신하고,
   상기 진단 장치는,
   상기 이상 검지 장치로부터 송신된 상기 운전 데이터 및 상기 센서치 데이터를 수신하는 제2 통신부와,
   상기 제2 통신부에서 수신한 상기 운전 데이터 및 상기 센서치 데이터, 및 상기 데이터베이스에 축적된 정보에 근거하여, 상기 제조 장치의 상태를 진단하는 진단 처리부
   를 구비하고,
   상기 제2 통신부는,
   상기 진단 처리부에 의한 진단 결과를 상기 이상 검지 장치로 송신하고,
   상기 이상 검지 장치의 상기 제1 통신부는,
   상기 진단 처리부에 의한 상기 진단 결과를 수신하고, 상기 처리부에 의한 판정 결과와, 상기 통계량과, 상기 진단 처리부에 의한 상기 진단 결과를 상기 제어 장치로 송신하는
   이상 검지 시스템.
2. 제1항에 있어서,
   상기 데이터베이스에 축적되고 있는 상기 제조 장치의 상태는, 상기 제조 장치 또는 상기 제조 장치의 부품의 수명에 관한 정보, 상기 제조 장치 또는 상기 부품의 이상에 관한 정보를 포함하고,
   상기 진단 처리부는,
   상기 제조 장치 또는 상기 부품의 수명 또는 이상의 유무를 진단하는
   이상 검지 시스템.
3. 제1항 또는 제2항에 있어서,
   상기 진단 장치는,
   상기 센서치 데이터가 입력되었을 경우, 상기 제조 장치 또는 제품의 특징량을 출력하는 학습 모델을 구비하고,
   상기 진단 처리부는,
   수신한 상기 센서치 데이터를 상기 학습 모델에 입력해 얻을 수 있는 특징량과, 상기 데이터베이스에 축적되고 있는 상기 센서치 데이터를 상기 학습 모델에 입력해 얻을 수 있는 특징량을 비교하는 것에 의해, 상기 제조 장치의 상태를 진단하는
   이상 검지 시스템.
4. 제3항에 있어서,
   상기 제2 통신부는,
   상기 진단 처리부에 의한 상기 진단 결과의 적부 또는 올바른 진단 결과를 나타내는 피드백 정보를 수신하고,
   상기 진단 처리부는,
   수신한 상기 피드백 정보에 근거하여, 상기 학습 모델을 추가 학습시키고, 또는 상기 특징량에 근거하는 진단 기준을 갱신하는
   이상 검지 시스템.
5. 제1항 내지 제4항 중 어느 한 항에 있어서,
   상기 제1 통신부 또는 상기 제2 통신부는,
   상기 운전 데이터 및 상기 센서치 데이터에 대응하는 상기 제조 장치의 상태를 나타내는 정보를 수신하고,
   상기 이상 검지 장치 또는 상기 진단 장치는,
   상기 운전 데이터 및 상기 센서치 데이터에 대응하여, 수신한 상기 상태를 상기 데이터베이스에 기억하는
   이상 검지 시스템.
6. 제1항 내지 제5항 중 어느 한 항에 기재된 이상 검지 시스템과,
   성형기
   를 구비하고,
   상기 이상 검지 시스템은, 상기 성형기의 이상을 검지하도록 하는
   성형기 시스템.
7. 제조 장치의 이상을 검지하는 이상 검지 장치이며,
   상기 제조 장치의 운전 제어를 실시하는 제어 장치로부터 송신되는, 상기 운전 제어의 내용을 나타내는 운전 데이터를 수신하는 통신부와,
   상기 제조 장치의 동작 또는 제품에 따른 물리량을 검출하는 센서로부터 출력되는 시계열의 센서치 데이터를 취득하는 취득부와,
   상기 취득부에서 취득한 상기 센서치 데이터의 통계량을 산출하고, 산출한 상기 통계량과, 취득한 상기 운전 데이터에 따른 임계치에 근거하여, 상기 제조 장치의 이상의 유무를 판정하는 처리부
   를 구비하고,
   상기 통신부는,
   상기 운전 데이터 및 상기 센서치 데이터를, 상기 제조 장치의 상태를 진단하는 외부의 진단 장치로 송신하고,
   상기 진단 장치로부터 송신된 진단 결과를 수신하고, 상기 처리부에 의한 판정 결과와, 상기 통계량과, 수신한 상기 진단 결과를 상기 제어 장치로 송신하는
   이상 검지 장치.
8. 제조 장치의 이상을 검출하는 처리를 컴퓨터가 실행하는 이상 검지 방법이며,
   상기 컴퓨터는,
   상기 제조 장치의 운전 제어를 실시하는 제어 장치로부터 송신되는, 상기 운전 제어의 내용을 나타내는 운전 데이터를 수신하고,
   상기 제조 장치의 동작 또는 제품에 따른 물리량을 검출하는 센서로부터 출력되는 시계열의 센서치 데이터를 취득하고,
   취득한 상기 센서치 데이터의 통계량을 산출하고,
   산출한 상기 통계량과, 취득한 상기 운전 데이터에 따른 임계치에 근거하여, 상기 제조 장치의 이상의 유무를 판정하고,
   상기 운전 데이터 및 상기 센서치 데이터를, 상기 제조 장치의 상태를 진단하는 외부의 진단 장치로 송신하고,
   상기 진단 장치로부터 송신된 진단 결과를 수신하고, 이상의 유무를 나타내는 판정 결과와, 상기 통계량과, 수신한 상기 진단 결과를 상기 제어 장치로 송신하는
   처리를 실행하는 이상 검지 방법.
9. 제조 장치의 이상을 검출하는 처리를 컴퓨터에 실행시키기 위한 컴퓨터 프로그램이며,
   상기 제조 장치의 운전 제어를 실시하는 제어 장치로부터 송신되는, 상기 운전 제어의 내용을 나타내는 운전 데이터를 수신하고,
   상기 제조 장치의 동작 또는 제품에 따른 물리량을 검출하는 센서로부터 출력되는 시계열의 센서치 데이터를 취득하고,
   취득한 상기 센서치 데이터의 통계량을 산출하고,
   산출한 상기 통계량과, 취득한 상기 운전 데이터에 따른 임계치에 근거하여, 상기 제조 장치의 이상의 유무를 판정하고,
   상기 운전 데이터 및 상기 센서치 데이터를, 상기 제조 장치의 상태를 진단하는 외부의 진단 장치로 송신하고,
   상기 진단 장치로부터 송신된 진단 결과를 수신하고, 이상의 유무를 나타내는 판정 결과와, 상기 통계량과, 수신한 상기 진단 결과를 상기 제어 장치로 송신하는
   처리를 상기 컴퓨터에 실행시키기 위한 컴퓨터 프로그램.