亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

發(fā)現(xiàn)制造機械的異常的原因的單元控制裝置的制作方法

文檔序號:11589416閱讀:197來源:國知局

本發(fā)明涉及對搭建制造單元的多個制造機械進行控制的單元控制裝置。



背景技術:

在制造工廠中,通過機床、機器人等制造機械來進行部件的加工、焊接等作業(yè)。另外,為了制造產(chǎn)品,通過多個制造機械來構筑生產(chǎn)線、例如制造單元。在這種情況下,構筑制造單元的各制造機械經(jīng)由網(wǎng)絡通信通過單元控制裝置而被控制。并且,單元控制裝置根據(jù)來自作為上位計算機的生產(chǎn)管理裝置的指令,驅(qū)動各制造機械。

在這樣的制造單元中,有時機器人等制造機械發(fā)生異常,制造機械不能正常運作,生產(chǎn)力低下。因此,提出了多種及早檢測制造機械的異常的方法。

例如,在日本特開2004-202624號公報中,公開有從與網(wǎng)絡相連接的多個機器人收集信息的裝置。該裝置在預定的機器人出現(xiàn)故障時,對預先登記的機器人的信息和實時取得的機器人的個別信息進行比較,由此來預測有可能發(fā)生故障的機器人。在專利文獻1中還公開了根據(jù)已知故障的機器人的信息,提取該機器人在故障時所需部件的候補。

另外,在日本專利第4739556號公報中公開了,具有使用與實際的機器人相同的型號、對該實際的機器人的動作以及狀態(tài)進行再現(xiàn)的模擬部的異常判斷裝置。在該裝置中,通過對針對動作指令的實際的機器人的動作以及狀態(tài)與基于模擬部的再現(xiàn)結果進行比較,來判定實際的機器人的動作以及狀態(tài)中是否存在異常。

為了提高生產(chǎn)力,一般地需要及早探明制造機械發(fā)生異常時的異常原因,盡快使該制造機械恢復正常。

然而,當發(fā)生的異常是由制造機械的設定錯誤、操作錯誤等引起的異常時,存在在查明該異常原因之前需要花費時間的問題。

也就是說,由設定錯誤、操作錯誤等引起的異常多數(shù)情況是通過將從正常地運行的制造機械獲得的信息與從發(fā)生異常的制造機械獲得的信息進行比較而發(fā)現(xiàn)的。但是,由于現(xiàn)狀是需要由維護管理人員、制造機械的制造商的技術支持工程師來進行從各個制造機械中取出內(nèi)部信息并對這些內(nèi)部信息進行比較這樣的一連串的作業(yè),因此需要花費時間來查明異常原因。

因此,期望提供一種及早發(fā)現(xiàn)上述那樣的可能由設定錯誤、操作錯誤等制造機械的內(nèi)部信息所引起而發(fā)生的異常的技術。

此外,在日本特開2004-202624號公報中公開的裝置存在如下問題:盡管預知了機器人等制造機械的部件故障,但是無法預測因制造機械的設定錯誤、操作錯誤即制造機械的內(nèi)部信息所引起的異常的發(fā)生。該問題也存在于日本專利第4739556號公報中所公開的裝置中。日本專利第4739556號公報中所公開的裝置中還存在如下問題:當通過模擬部對針對動作指令的實際的機器人的動作以及狀態(tài)進行再現(xiàn)時,一旦存在模擬誤差,則異常判定結果不再正確。



技術實現(xiàn)要素:

本發(fā)明提供一種高效地發(fā)現(xiàn)因制造機械的內(nèi)部信息所引起的異常的單元控制裝置。

本發(fā)明的第一方式提供一種單元控制裝置,其控制構筑制造單元的多個制造機械,該單元控制裝置具有:

內(nèi)部信息取得部,其取得所述多個制造機械的內(nèi)部信息;

比較對象選出部,其當所述多個制造機械中的第一制造機械發(fā)生異常時,從所述多個制造機械中選出所述第一制造機械以及具有與該第一制造機械類似的結構要素的正常作業(yè)的第二制造機械;

內(nèi)部信息比較部,其對通過所述比較對象選出部選出的所述第一制造機械以及所述第二制造機械,對通過所述內(nèi)部信息取得部分別取得的所述第一制造機械的第一內(nèi)部信息以及所述第二制造機械的第二內(nèi)部信息進行比較,并提取差異;

異常原因發(fā)現(xiàn)部,其根據(jù)通過所述內(nèi)部信息比較部提取出的所述第一內(nèi)部信息與所述第二內(nèi)部信息之間的差異,發(fā)現(xiàn)在所述第一制造機械發(fā)生的異常的原因或者今后可能發(fā)生的異常的原因;以及

異常原因通知部,其將通過所述異常原因發(fā)現(xiàn)部所發(fā)現(xiàn)的異常的原因通知到所述單元控制裝置之外。

本發(fā)明的第二方式提供一種單元控制裝置,其根據(jù)上述第一方式的單元控制裝置,各所述制造機械的內(nèi)部信息包含下列信息中的至少一個:與制造機械的驅(qū)動相關的驅(qū)動參數(shù)、與制造機械的功能相關的功能參數(shù);制造機械執(zhí)行的作業(yè)程序、以及以時序記錄了制造機械為了進行預定的作業(yè)而接收到的作業(yè)指令的作業(yè)指令日志。

本發(fā)明的第三方式提供一種單元控制裝置,其根據(jù)上述第二方式的單元控制裝置,所述單元控制裝置還具有異常位置更正部,其當所述驅(qū)動參數(shù)、所述功能參數(shù)、以及所述作業(yè)程序中的至少一個成為所述異常的原因時,更正該異常的部位。

本發(fā)明的第四方式提供一種單元控制裝置,其根據(jù)上述第二方式的單元控制裝置,所述作業(yè)指令日志是以時序記錄了通過操作者進行的操作、作業(yè)程序執(zhí)行處理、向外部的信號輸入、或者來自外部的信號輸入而發(fā)生的作業(yè)指令的信息。

本發(fā)明的第五方式提供一種單元控制裝置,其根據(jù)上述第二方式的單元控制裝置,所述單元控制裝置還具有作業(yè)指令補充部,其在所述第一內(nèi)部信息中的作業(yè)指令日志和所述第二內(nèi)部信息中的作業(yè)指令日志中的某一個中存在不足這一情況成為所述異常的原因的情況下,對作業(yè)指令不足的制造機械補充該不足的作業(yè)指令的操作。

本發(fā)明的第六方式提供一種單元控制裝置,其根據(jù)從上述第一方式到第五方式的任一個的單元控制裝置,所述比較對象選出部參照表示與各所述制造機械相關聯(lián)的制造機械的結構要素的裝置結構信息,將裝置結構信息彼此進行比較,由此來選出所述第一制造機械以及所述第二制造機械。

本發(fā)明的第七方式提供一種單元控制裝置,其根據(jù)從上述第一方式到第五方式的任一個的單元控制裝置,所述比較對象選出部根據(jù)將類似的所述第一制造機械與所述第二制造機械互相對應起來而預先登記的登記信息,選出所述第一制造機械以及所述第二制造機械。

本發(fā)明的第八方式提供一種單元控制裝置,其根據(jù)從上述第一方式到第七方式的任一個的單元控制裝置,所述內(nèi)部信息取得部以預定的周期取得各所述制造機械的內(nèi)部信息。

本發(fā)明的第九方式提供一種單元控制裝置,其根據(jù)從上述第一方式到第八方式的任一個的單元控制裝置,所述單元控制裝置還具有將在各所述制造機械中發(fā)生的異常的狀態(tài)與該異常發(fā)生的原因關聯(lián)起來進行存儲的數(shù)據(jù)庫,所述異常原因發(fā)現(xiàn)部通過參照該數(shù)據(jù)庫,發(fā)現(xiàn)在所述第一制造機械中發(fā)生的異常的原因或者今后可能發(fā)生的異常的原因。

本發(fā)明的第十方式提供一種單元控制裝置,其根據(jù)上述第九方式的單元控制裝置,所述單元控制裝置還具有數(shù)據(jù)庫更新部,其在所述數(shù)據(jù)庫中分別反映發(fā)生在所述第一制造機械和所述第二制造機械的某一個中的異常的狀態(tài),以及成為該異常的原因的通過所述內(nèi)部信息比較部提取出的所述第一內(nèi)部信息與所述第二內(nèi)部信息之間的差異。

本發(fā)明的第十一方式提供一種單元控制裝置,其根據(jù)上述第九方式的單元控制裝置,所述單元控制裝置包含多個所述單元控制裝置,該單元控制裝置還具有數(shù)據(jù)庫共享部,其與不同于所述單元控制裝置的所述單元控制裝置共享所述數(shù)據(jù)庫。

本發(fā)明的第十二方式提供一種單元控制裝置,其是上述第九方式的單元控制裝置,所述單元控制裝置還具有學習器,其通過使用所述數(shù)據(jù)庫內(nèi)存儲的信息、取得的各所述制造機械的內(nèi)部信息、表示各所述制造機械的結構要素的裝置結構信息進行機械學習,來更新所述數(shù)據(jù)庫內(nèi)存儲的信息。

附圖說明

根據(jù)附圖所示的本發(fā)明的典型的實施方式的詳細說明,本發(fā)明的這些目的、特征和優(yōu)點以及其他的目的、特征和優(yōu)點會變得更明確。

圖1是簡略表示具有一個實施方式的單元控制裝置的生產(chǎn)系統(tǒng)的框圖。

圖2是更具體地表示了圖1所示的生產(chǎn)系統(tǒng)的單元控制裝置的框圖。

圖3是表示神經(jīng)元的模型的示意圖。

圖4是表示3層的神經(jīng)網(wǎng)絡模型的示意圖。

具體實施方式

接下來,參照附圖對本發(fā)明的實施方式進行說明。在所參照的附圖中,對于相同的功能部或部件標記相同的參照符號。為了便于理解,這些附圖適當?shù)馗淖兞吮壤?。另外,附圖中所示的方式是用于實施本發(fā)明的一個例子,本發(fā)明并不限定于被圖示的方式。

圖1是簡略表示具有一個實施方式的單元控制裝置生產(chǎn)系統(tǒng)的框圖。

參照圖1,生產(chǎn)系統(tǒng)10具有至少一個制造單元11、控制制造單元11的單元控制裝置12以及生產(chǎn)管理裝置13。

制造單元11被配置在制造產(chǎn)品的工廠中。與此相對地,單元控制裝置12以及生產(chǎn)管理裝置13被配置在不同于工廠的建筑物中。例如,單元控制裝置12也可以被配置在位于配置了制造單元11的工廠的場地中的其他建筑物中。對于這種情況,優(yōu)選的是制造單元11和單元控制裝置12經(jīng)由通信裝置31、例如內(nèi)部網(wǎng)網(wǎng)絡而能夠通信地互相連接。

生產(chǎn)管理裝置13也可以被配置在例如距離工廠較遠的辦公室中。對于這種情況,優(yōu)選的是單元控制裝置12和生產(chǎn)管理裝置13經(jīng)由通信裝置32、例如因特網(wǎng)網(wǎng)絡而能夠通信地互相連接。此外,對于本實施方式的生產(chǎn)管理裝置13,優(yōu)選的是在上述辦公室中使用管理多個制造單元11或者各制造機械的作業(yè)狀況的上位計算機。

制造單元11是靈活地組合了多個制造產(chǎn)品的制造機械的集合。本實施方式的制造單元11由圖1所示的機床m1、機器人r1、機床m2以及機器人r2的多個制造機械構筑而所,但是在制造單元11中不限定制造機械的數(shù)量。另外,制造單元11可以是通過多個制造機械依次對某工件進行處理而成為最終的產(chǎn)品的生產(chǎn)線?;蛘?,制造單元11也可以是在制造工序的過程中將由兩個以上的制造機械各自所處理而得的兩個以上的工件(部件)由另一個制造機械進行組合,由此來完成最終產(chǎn)品的生產(chǎn)線。另外,在本發(fā)明中,也可以對由兩個以上的制造單元11所處理而得的兩個以上的工件進行組合,由此來完成最終的產(chǎn)品。

另外,用于本發(fā)明的各制造機械不限定于nc機床或工業(yè)用機器人。作為各制造機械,可以是例如plc、搬運機、測量器、試驗裝置、壓力機、壓入裝置、印刷機、壓鑄機、注塑成型機、食品機械、包裝機、焊接機、清洗機、涂裝機、組裝裝置、安裝機、木材加工機械、密封裝置或切割機等。

另外,優(yōu)選的是,上述的單元控制裝置12以及機床m1、機器人r1、機床m2以及機器人r2等制造機械的各自是使用經(jīng)由總線互相連接的計算機系統(tǒng)(未圖示)而構成的,該機器人系統(tǒng)具有rom、ram等存儲器、cpu以及通信控制部。通過這些通信控制部來控制單元控制裝置12與上述各制造機械之間的數(shù)據(jù)的接收發(fā)送。另外,優(yōu)選的是,對于單元控制裝置12以及上述制造機械的各個功能、動作,通過各個cpu執(zhí)行存儲在各個制造機械所具有的rom中的程序來實現(xiàn)的。

進一步,對單元控制裝置12的結構進行描述。圖2是更加具體地表示了圖1所示的生產(chǎn)系統(tǒng)10的單元控制裝置12的框圖。

如圖2所示,本實施方式的單元控制裝置12具有作為基本的組成要素的內(nèi)部信息取得部14、內(nèi)部信息比較部15、異常原因發(fā)現(xiàn)部16以及異常原因通知部17。

內(nèi)部信息取得部14在任意的定時分別取得構筑了制造單元11的多個制造機械25~28的內(nèi)部信息。此外,圖1所示的機床m1、機器人r1、機床m2以及機器人r2分別對應制造機械25~28。

各制造機械25~28的內(nèi)部信息是保存在制造機械內(nèi)的存儲器中的信息,包含驅(qū)動參數(shù)、功能參數(shù)、作業(yè)程序以及作業(yè)指令日志中的至少一項。但是,保存上述內(nèi)部信息的存儲器不必如本實施方式那樣存在于制造機械內(nèi)部,可以位于制造機械外部,也可以位于單元控制裝置12內(nèi)部。

內(nèi)部信息比較部15針對從多個制造機械25~28中選出的第一制造機械以及第二制造機械,將由內(nèi)部信息取得部14分別取得的第一內(nèi)部信息以及第二內(nèi)部信息進行比較,提取這些內(nèi)部信息的差異。

異常原因發(fā)現(xiàn)部16根據(jù)由內(nèi)部信息比較部15提取出的上述第一內(nèi)部信息與第二內(nèi)部信息之間的差異,發(fā)現(xiàn)在第一制造機械或第二制造機械中發(fā)生的異常的原因、或者發(fā)現(xiàn)今后可能發(fā)生的異常的原因。然后,異常原因通知部17將由異常原因發(fā)現(xiàn)部16發(fā)現(xiàn)的異常原因通知到單元控制裝置12之外。對于通知方法,有使用顯示器、印刷裝置等進行通知的方法。

在這里,對于作為如上所述的制造機械的內(nèi)部信息而取得的驅(qū)動參數(shù)、功能參數(shù)、作業(yè)程序以及作業(yè)指令日志,作為代表示例列舉了如下信息。

驅(qū)動參數(shù)是直接關系到制造機械的驅(qū)動的參數(shù)。例如,在以伺服電動機作為驅(qū)動源進行動作的多關節(jié)機器人的情況下,驅(qū)動參數(shù)中包含機器人各軸的主控(mastering)位置的脈沖計數(shù)、伺服控制參數(shù)等。另外,機器人的控制裝置有時控制由伺服電動機所驅(qū)動的機械手、點焊槍等外圍設備,因此驅(qū)動參數(shù)中也包含與這些外圍設備的驅(qū)動有關的參數(shù)。

功能參數(shù)是為了使搭載在制造機械中的預定功能運行而應設定的參數(shù)。例如,是經(jīng)由現(xiàn)場網(wǎng)絡而將制造機械與單元控制裝置以及外圍設備相連接時的網(wǎng)絡設定信息以及信號的分配信息、能夠從軟件功能以及作業(yè)程序而訪問的計數(shù)器(counter)等。進一步,功能參數(shù)還包含搭載在制造機械中的異常判定功能的判定閾值,例如,用于判定以伺服電動機作為驅(qū)動源而動作的多關節(jié)機器人受到了過負載這一情況的、伺服電動機的轉(zhuǎn)矩的上限值等。

作業(yè)程序是對用于供制造機械進行預定作業(yè)的命令處理進行編程而得的信息。例如,在多關節(jié)機器人的情況下,作業(yè)程序中包含用于使臂部移動到作業(yè)位置的動作命令、將任意的信號向外部進行通知的命令、讀取任意的信號的狀態(tài)的命令等信息。另外,作業(yè)程序還包含作業(yè)位置的位置信息、要操作的信號的編號。當然,可以是任何能夠在程序上登記的命令。也就是說,本發(fā)明不限定于在這里示例的編程信息。

作業(yè)指令日志(也稱為操作日志。)是當操作者操作了制造機械、或者制造機械自身執(zhí)行了任意作業(yè)時,按照時間序列對接收到的關鍵事件(keyevent)進行記錄而得的信息。例如是,操作者通過制造機械的操作盤輸入的關鍵操作的日志信息、顯示到顯示器中的畫面信息等。另外,也可以是按照時間序列對執(zhí)行作業(yè)程序時所實施的命令處理進行并排地整理而得的信息。

以上,對于本實施方式的單元控制裝置12的基本結構要素進行了說明,優(yōu)選的是本發(fā)明還具備以下的各種結構要素。即如圖2所示,優(yōu)選的是在單元控制裝置12內(nèi)還具備異常部位更正部18、作業(yè)指令補充部19、比較對象選出部20、異常檢測部21、數(shù)據(jù)庫22、數(shù)據(jù)庫更新部23以及學習器24。以下、按順序說明這些結構要素的功能。

當如上所述的驅(qū)動參數(shù)、功能參數(shù)以及作業(yè)程序中的至少一個成為異常的原因時,異常位置更正部18更正該異常部位。另外,當對制造機械的作業(yè)指令中存在不足而成為異常的原因時,作業(yè)指令補充部19對該不足的作業(yè)指令進行補充。例如,當如上所述的第一內(nèi)部信息中的作業(yè)指令日志與如上所述的第二內(nèi)部信息中的作業(yè)指令日志之間的差異,導致某一方中發(fā)生作業(yè)指令的不足時,作業(yè)指令補充部19對該不足的作業(yè)指令進行補充。

比較對象選出部20從多個制造機械25~28中選出應該在內(nèi)部信息比較部15進行比較的第一制造機械以及第二制造機械。例如,比較對象選出部20參照與各個制造機械相關聯(lián)的、表示制造機械的結構要素的裝置結構信息,比較這些裝置結構信息。由此,比較對象選出部20選出發(fā)生了異常的第一制造機械和具有與其相似的結構要素的第二制造機械?;蛘撸容^對象選出部20也可以根據(jù)對類似的第一制造機械以及第二制造機械進行互相關聯(lián)而預先登記的登記信息,來選出應該進行比較的第一制造機械以及第二制造機械。

異常檢測部21一邊監(jiān)控多個制造機械25~28各自的狀態(tài)一邊檢測異常的發(fā)生。此外,異常檢測部21還將在哪個制造機械中發(fā)生了異常通知到比較對象選出部20。像這樣檢測異常發(fā)生的功能也可以不單獨設置為異常檢測部21,而是包含在比較對象選出部20的功能中。此外,優(yōu)選的是在各個制造機械25~28中對每個制造機械設置多個傳感器(未圖示)以便能夠檢測各種各樣的狀態(tài)。

數(shù)據(jù)庫22將在各制造機械中發(fā)生的異常的狀態(tài)與該異常發(fā)生的原因相關聯(lián)地進行存儲。由此,異常原因發(fā)現(xiàn)部16能夠參照異常原因管理數(shù)據(jù)庫,發(fā)現(xiàn)在第一制造機械或第二制造機械的某一個中發(fā)生的異常的原因,或者今后可能發(fā)生的異常的原因。

數(shù)據(jù)庫更新部23更新所述數(shù)據(jù)庫22內(nèi)存儲的信息。數(shù)據(jù)庫更新部23將在第一制造機械或者所述第二制造機械的某一個中發(fā)生的異常的狀態(tài)、和當時成為原因的、由內(nèi)部信息比較部15得到的第一內(nèi)部信息與第二內(nèi)部信息之間的差異,輸入到數(shù)據(jù)庫22中。此外,優(yōu)選的是,當本實施方式的生產(chǎn)系統(tǒng)10具有多個單元控制裝置12時,設置有使與不同于某單元控制裝置12的另一個單元控制裝置12共享數(shù)據(jù)庫22的數(shù)據(jù)庫共享部(未圖示)、例如服務器。

學習器24被設置在數(shù)據(jù)庫更新部23中。并且,學習器24對應該在數(shù)據(jù)庫22內(nèi)存儲的、在各制造機械中發(fā)生的異常的狀態(tài)與該異常發(fā)生的原因的組合進行學習。

但是,在本發(fā)明的單元控制裝置中,不一定具有如上所述那樣的異常部位更正部18、作業(yè)指令補充部19、比較對象選出部20、異常檢測部21、數(shù)據(jù)庫22、數(shù)據(jù)庫更新部23以及學習器24。

接下來,一邊參照圖2一邊對本實施方式的單元控制裝置12的動作進行說明。

設在多個制造機械25~28中的制造機械26(即圖1所示的機器人r1)中發(fā)生了異常。該異常發(fā)生的檢測由異常檢測部21進行。因此,比較對象選出部20從多個制造機械25~28中選出具有與制造機械26類似的結構要素的制造機械28(即圖1所示的機器人r2)。

特別是,在選出與制造機械26類似的制造機械時,比較對象選出部20使用在各制造機械內(nèi)登記的識別信息、例如裝置的型號名稱,來判別制造機械的類似。例如,確認機器人r1的型號名稱與機器人r2的型號名稱是否相同?;蛘?,也可以預先在單元控制裝置12內(nèi)存儲制造機械26與制造機械28是類似結構的內(nèi)容的信息,根據(jù)該存儲信息進行制造機械的類似的判別。例如,在比較對象選出部20中預先登記了機器人r1與機器人r2是類似結構的內(nèi)容。

接下來,單元控制裝置12的內(nèi)部信息比較部15對于從制造機械26取得的第一內(nèi)部信息a與從制造機械28取得的第二內(nèi)部信息b的相同種類的信息進行比較,并提取其差異。此外,通過內(nèi)部信息取得部14預先取得了制造機械26以及制造機械28的各自的內(nèi)部信息。

對于內(nèi)部信息的取得定時,在異常發(fā)生時也可以,但是優(yōu)選的是,以預定的周期取得未發(fā)生異常時的內(nèi)部信息。這在制造機械的系統(tǒng)中發(fā)生嚴重異常,在異常發(fā)生時內(nèi)部信息的取得變得困難的狀態(tài)中是有效的。另外,在以預定的周期取得制造機械的內(nèi)部信息時,優(yōu)選的是內(nèi)部信息比較部15使用在異常發(fā)生之前的預定時間中所取得的內(nèi)部信息。

接下來,單元控制裝置12的異常原因發(fā)現(xiàn)部16分析由內(nèi)部信息比較部15提取的所述第一內(nèi)部信息a與第二內(nèi)部信息b之間的差異,決定異常的原因的候補。此時,優(yōu)選的是根據(jù)可通過以下示例而比較的信息,來決定異常原因的候補。

例如,設作為制造機械26的機器人r1發(fā)生了移動到與原來的作業(yè)位置不同的位置的異常動作。在這種情況下,比較從制造機械26即機器人r1取得的第一內(nèi)部信息a中的作業(yè)程序與從制造機械28即機器人r2取得的作為第二內(nèi)部信息b的作業(yè)程序。其結果,如果在作業(yè)程序內(nèi)所登記的作業(yè)位置不同,則將該作業(yè)位置的差異作為異常動作的原因。

另外,設在第一內(nèi)部信息a中的作業(yè)指令日志中剩余的作業(yè)程序的執(zhí)行順序是,從執(zhí)行開始、作業(yè)程序no.1、作業(yè)程序no.2以及作業(yè)程序no.3的順序。另一方面,在第二內(nèi)部信息b中的操作日志中剩余的作業(yè)程序的執(zhí)行順序是,從指令開始、作業(yè)程序no.2、作業(yè)程序no.1以及作業(yè)程序no.3的順序。這種情況下,作業(yè)程序的執(zhí)行順序的差異是異常動作的原因。

除此之外,對于應該比較的作業(yè)指令日志的內(nèi)容,可以是哪個制造機械的操作盤的操作的內(nèi)容、來自外部的信號的輸出等使制造機械的狀態(tài)發(fā)生某種變化的內(nèi)容。

另外,對所述第一內(nèi)部信息a中的驅(qū)動參數(shù)與所述第二內(nèi)部信息b中的驅(qū)動參數(shù)進行比較,其結果為,某軸的一個驅(qū)動參數(shù)即伺服控制參數(shù)不同。在這種情況下,認為該控制參數(shù)的差異是異常動作的原因。此外,驅(qū)動參數(shù)是指例如多關節(jié)機器人的各關節(jié)軸的電動機的控制增益、主控計數(shù)(masteringcount)、加減速時間常數(shù)等。

此外,異常原因發(fā)現(xiàn)部16在如上所述決定異常原因的候補時,也可參照在各制造機械25~28中發(fā)生的異常的狀態(tài)與該異常發(fā)生的原因相關聯(lián)地進行存儲的數(shù)據(jù)庫22。優(yōu)選的是,該數(shù)據(jù)庫22不僅供單一的單元控制裝置12,還可以經(jīng)由網(wǎng)絡而共用多個單元控制裝置12的各個數(shù)據(jù)庫22。

接下來,單元控制裝置12的異常原因通知部17將由異常原因發(fā)現(xiàn)部16所發(fā)現(xiàn)的異常原因通知到單元控制裝置12之外。此時,異常原因被通知到與單元控制裝置12相連接的顯示器、印刷裝置等輸出部(未圖示)。另外,異常原因被通知到經(jīng)由通信裝置31與單元控制裝置12相連接的各個制造機械25~28、經(jīng)由通信裝置32與單元控制裝置12相連接的生產(chǎn)管理裝置13等。

操作者根據(jù)從異常原因通知部17通知的異常原因的信息,使發(fā)生異常的制造機械26恢復。

當該制造機械26恢復時,也可以不是由操作者而是由單元控制裝置12的異常部位更正部18訪問制造機械26,來更正成為異常原因的參數(shù)等?;蛘?,也可以當制造機械26的操作步驟中存在缺陷(故障)時,單元控制裝置12的作業(yè)指令補充部19自動地補充該操作。

例如,設在兩個類似的機器人r1、r2中需要定期地啟動維護程序。在這種情況下,存在盡管是對于其中一個機器人r1啟動了維護程序,但是另一個機器人r2有時會保持原樣地繼續(xù)生產(chǎn)。此時,本實施方式的內(nèi)部信息比較部15以及異常原因發(fā)現(xiàn)部16在那樣的機器人r2繼續(xù)進行生產(chǎn)前對兩個機器人r1、r2的操作日志進行比較,來發(fā)現(xiàn)忘記啟動維護程序這一情況。然后,在機器人r2繼續(xù)進行生產(chǎn)前,作業(yè)指令補充部19自動地啟動機器人r2的維護程序。

此外,優(yōu)選的是,作為與所述制造機械26的恢復相關的作業(yè),將本次在制造機械26中發(fā)生的異常的狀態(tài)以及成為該異常原因的所述第一內(nèi)部信息a與第二內(nèi)部信息b之間的差異分別反映到數(shù)據(jù)庫22中。像這樣的數(shù)據(jù)庫22的信息更新既可以由操作者的輸入來進行,也可以由數(shù)據(jù)庫更新部23自動進行。

進一步,優(yōu)選的是,在由數(shù)據(jù)庫更新部23自動更新數(shù)據(jù)庫22內(nèi)的信息時、通過學習器24進行機械學習。學習器24使用在數(shù)據(jù)庫22內(nèi)所存儲的信息、由內(nèi)部信息取得部14取得的內(nèi)部信息、表示制造機械的結構要素的裝置結構信息來進行機械學習、例如無教師學習。然后,數(shù)據(jù)庫更新部23根據(jù)該學習結果,重新生成沒有登記在數(shù)據(jù)庫22中的未發(fā)生的異常與其原因之間相對應的關系,并更新數(shù)據(jù)庫22。

例如,設在過去發(fā)生了6軸多關節(jié)機器人即機器人r1的第一軸不正常動作的異常情況,機器人r1和與其具有相同結構要素的機器人r2進行了比較。作為當時的比較結果,第一軸的伺服控制參數(shù)中存在差異,將該差異設為異常的原因。學習器24從那樣的差異信息、以及制造機械是6軸多關節(jié)機器人的裝置結構信息,得到了除了第一軸以外也可能發(fā)生同樣的異常情況的學習結果。根據(jù)該學習結果,數(shù)據(jù)庫更新部23重新在數(shù)據(jù)庫22中登記如下這樣的信息:第二軸不正常動作的異常情況所對應的原因是在于第二軸的伺服控制參數(shù)。

進一步,進行還包含機器人r1的內(nèi)部信息中的作業(yè)指令日志的機械學習,設存在操作者在過去對所述第一軸的伺服控制參數(shù)進行改寫操作的蹤跡。在這種情況下,能夠得到異常動作的直接原因不僅是伺服控制參數(shù),異常動作的根本原因是操作者的錯誤操這樣的學習結果。因此,數(shù)據(jù)庫更新部23將該錯誤操作的信息重新登記到數(shù)據(jù)庫22中。如上所述,通過機械學習來對多個信息進行多角度的分析,由此能夠擴充數(shù)據(jù)庫22內(nèi)的信息。

像以上所說明的那樣、本實施方式的單元控制裝置12通過與多個制造機械25~28進行網(wǎng)絡通信,來取得制造機械的參數(shù)、操作日志等制造機械的各種內(nèi)部信息。然后,對于發(fā)生了異常的制造機械26和與其類似的正常地運行的制造機械28,對各種內(nèi)部信息進行比較,并分析該差異。進一步,從該分析結果及早發(fā)現(xiàn)異常原因,對發(fā)生了異常的制造機械26進行用于迅速恢復的輔助、例如對外部的通知、異常部位的更正、作業(yè)指令的補充等。通過這樣的方法,能夠高效地發(fā)現(xiàn)在制造機械中發(fā)生的異常的原因、或者今后可能發(fā)生的異常的原因,特別是由制造機械的內(nèi)部信息所引起的異常的原因。

特別是,內(nèi)部信息取得部14以預定周期取得沒有發(fā)生異常時的制造機械25~28的內(nèi)部信息,進一步,內(nèi)部信息比較部15逐個比較類似的兩個制造機械26、28的定期取得的內(nèi)部信息。然后,在即使還未發(fā)生異常,但當通過內(nèi)部信息比較部15發(fā)現(xiàn)了今后很有可能發(fā)生異常的差異點時,將該差異點通知到單元控制裝置12之外。由此,能夠?qū)⒂捎谥圃鞕C械的內(nèi)部信息所引起的異常的發(fā)生防患于未然。

在這里,對如上所述的學習器24(以下稱為機械學習裝置)進行詳細地說明。機械學習裝置具有如下功能:通過解析從輸入裝置的數(shù)據(jù)的集合中提取其中有用的規(guī)則、知識表現(xiàn)、判斷基準等,輸出該判斷結果,并且進行知識學習。其方法多種多樣,大致可分為“有教師學習”、“無教師學習”、“強化學習”。進一步,在實現(xiàn)這些方法的基礎上,存在有學習提取特征量本身的、被稱為“深層學習”的方法。

“有教師學習”是指,通過將某輸入和結果(標簽)的數(shù)據(jù)集大量地提供到機械學習裝置中,來學習這些數(shù)據(jù)集中的特征,能夠歸納地獲得從輸入來推定結果的模型、即其關聯(lián)性。這能夠使用后面描述的神經(jīng)網(wǎng)絡等算法而實現(xiàn)。

“無教師學習”是指如下方法:通過僅將輸入數(shù)據(jù)大量的提供到機械學習裝置中,來學習輸入數(shù)據(jù)如何進行了分布,即使不提供所對應的教師輸出數(shù)據(jù),也對輸入數(shù)據(jù)進行壓縮、分類、整形等的裝置進行學習。能夠?qū)⑦@些數(shù)據(jù)集中的特征在相似者之間進行聚類等。通過使用該結果設置某基準來進行使其最佳化的輸出分配,能夠?qū)崿F(xiàn)輸出預測。另外,作為“無教師學習”與“有教師學習”之間的中間性的問題設定,還有被稱為“半有教師學習”的方法,其對應于僅存在一部分輸入和輸出的數(shù)據(jù)的組合,除此之外僅有輸入的數(shù)據(jù)的情況。

對強化學習的問題進行如下設定。

·機械學習裝置觀測環(huán)境狀態(tài),并決定行為。

·環(huán)境根據(jù)某規(guī)則進行變化,自己的行為還可能給環(huán)境帶來變化。

·每次行動時都返回回報信號。

·想要最大化的是將來的(折扣)回報的合計。

·從完全不了解或不完全了解行為引起的結果的狀態(tài)開始學習。機械學習裝置能夠?qū)嶋H上首次動作,得到其結果而作為數(shù)據(jù)。也就是說,需要一邊試錯一邊探索最佳行為。

·能夠像模擬人的動作那樣,以事先進行了學習(如所述的有教師學習、反向強化學習的方法)的狀態(tài)作為初始狀態(tài),從良好的開始地點開始學習。

“強化學習”是指,不僅通過判定、分類,并且還通過對行為進行學習,在行為對于環(huán)境的相互作用的基礎上對適當?shù)男袨檫M行學習,即,為了使將來能夠得到的回報最大化的學習方法。這表示在本實施方式中,能夠獲得對未來產(chǎn)生影響的行為。例如在q學習的情況下,繼續(xù)進行說明,但是不限定于此。

q學習是在某環(huán)境狀態(tài)s下,學習選擇行為a的價值q(s,a)的方法。也就是說,在某狀態(tài)s時,選擇價值q(s,a)最高的行為a作為最佳行為即可。但是,最初對于狀態(tài)s和行為a的組合,完全不了解價值q(s,a)的正確的值。因此,智能體(行為主體)在某狀態(tài)s下選擇各種各樣的行為a,對于當時的行為a給與回報。由此,智能體不斷選擇更好的行為,即學習正確的價值q(s,a)。

行為的結果,由于希望使將來所能夠得到的回報的合計最大化,因此目標是最終使q(s,a)=e[σγtrt](期待值是根據(jù)最佳行為在狀態(tài)發(fā)生了變化時取得的值。當然,這也是不知道的,所以必須一邊探索一邊學習)。像這樣的價值q(s,a)的更新式,能夠通過以下式來表示。

在這里,st表示在時間t時的環(huán)境狀態(tài),at表示在時間t時的行為。通過行為at,狀態(tài)變?yōu)閟t+1。rt+1表示由該狀態(tài)變化所獲得的回報。另外,帶有max的項是,在狀態(tài)st+1下,選擇了當時所知的q值為最高的行為a時的q值乘以γ后得出的值。γ是0<γ≤1的參數(shù),被稱為折扣率。α是學習系數(shù),范圍是0<α≤1。

該式表示根據(jù)試行at的結果所返回的回報rt+1,更新狀態(tài)st的行為at的評價值q(st,at)的方法。表示,如果根據(jù)回報rt+1+行為a的下一狀態(tài)的最佳的行為maxa的評價值q(st+1,maxat+1)大于狀態(tài)s的行為a的評價值q(st,at),則增大回報q(st,at),相反地如果小,則縮小q(st,at)。也就是說,使某狀態(tài)的某行為的價值,接近于基于作為結果即時返回的回報、和該行為的下一個狀態(tài)下的最佳行為的價值。

q(s、a)在計算機上的表現(xiàn)方法,有針對全部的狀態(tài)行為對(s、a)作為表格(行為價值表)預先保持該值的方法、以及準備對q(s、a)進行近似的函數(shù)的方法。后者的方法,通過利用隨機梯度下降法等方法調(diào)整近似函數(shù)的參數(shù),能夠?qū)崿F(xiàn)上述更新式。作為近似函數(shù),可以使用后述的神經(jīng)網(wǎng)絡。

作為在有教師學習、無教師學習以及強化學習中的價值函數(shù)的近似算法,能夠使用神經(jīng)網(wǎng)絡。神經(jīng)網(wǎng)絡由實現(xiàn)如圖3所示的模擬了神經(jīng)元的模型的神經(jīng)網(wǎng)絡的運算裝置以及存儲器等構成。圖3表示神經(jīng)元模型的示意圖。

如圖3所示,神經(jīng)元對于多個輸入x(在這里作為一個例子是輸入x1~輸入x3)來輸出輸出y。對于各輸入x1~x3,乘以該輸入x所對應的權重w(w1~w3)。由此,神經(jīng)元輸出由下面的式所表現(xiàn)的輸出y。此外,輸入x、輸出y以及權重w全是矢量。

在這里,θ是偏置(bias),fk是激活函數(shù)。

接下來,參照圖4對具有組合了如上所述的神經(jīng)元的具有3層的權重的神經(jīng)網(wǎng)絡進行說明。圖4是表示具有d1~d3的3層權重的神經(jīng)網(wǎng)絡的示意圖。

如圖4所示,從神經(jīng)網(wǎng)絡左側(cè)輸入多個輸入x(在這里作為一個例子是輸入x1~輸入x3),從右側(cè)輸出結果y(在這里作為一個例子是結果y1~結果y3)。

具體地,輸入x1~輸入x3是對于3個神經(jīng)元n11~n13的每一個乘以所對應的權重而進行輸入。這些輸入所乘的權重匯總地標記為w1。

神經(jīng)元n11~n13分別輸出z11~z13。這些z11~z13匯總地標記為特征矢量z1,能夠看作是提取出輸入矢量的特征量而得的矢量。該特征矢量z1是權重w1與權重w2之間的特征矢量。

z11~z13是對于2個神經(jīng)元n21、n22的每一個乘以所對應的權重而進行輸入。這些特征矢量所乘的權重匯總地標記為w2。

神經(jīng)元n21、n22分別輸出z21、z22。其被匯總地標記為特征矢量z2。該特征矢量z2是權重w2與權重w3之間的特征矢量。

特征矢量z21、z22是對于3個神經(jīng)元n31~n33的每一個乘以所對應的權重而進行輸入。這些特征矢量所乘的權重匯總地標記為w3。

最后,神經(jīng)元n31~n33分別輸出結果y1~結果y3。

神經(jīng)網(wǎng)絡的動作有學習模式和價值預測模式,在學習模式中使用學習數(shù)據(jù)集來學習權重w,在預測模式中使用該參數(shù)來進行加工機的行為判斷(為了方便寫的是預測,也能夠是檢測、分類、推論等多種任務)。

可以對在預測模式下實際上使加工機動作而得的數(shù)據(jù)進行即時學習,并反映到接下來的行為中(在線學習);也可以使用預先收集到的數(shù)據(jù)組而進行匯總的學習,以后一直利用該參數(shù)來進行檢測模式(批量學習)?;蛘?,也可以是中間性的,每當數(shù)據(jù)以某程度發(fā)生積存時插入學習模式。

可以通過誤差反傳播法(誤差反向傳播法:backpropagation)來學習權值w1~w3。誤差信息從右側(cè)輸入并流向左側(cè)。誤差反傳播法是為了針對各神經(jīng)元使輸入了輸入x時的輸出y與真實的輸出y(教師)之間的差值變小,對各自的權值進行調(diào)整(學習)的方法。

這樣的神經(jīng)網(wǎng)絡可以在三層以上進一步增加層(稱為深層學習)。還可以僅根據(jù)教師數(shù)據(jù)自動地獲得階段性地進行輸入的特征提取并對結果進行回歸的運算裝置。

此外,圖2所示的學習器24是一種機械學習方法,采用了無教師學習。當然,能夠應用于學習器24的機械學習方法不限定于無教師學習。例如對學習器24應用有教師學習時,所述價值函數(shù)對應于學習模型、回報對應于誤差。

以上,使用典型的實施方式對本發(fā)明進行了說明,本領域技術人員能夠在不脫離本發(fā)明范圍地對上述實施方式進行改變以及進行各種其他的改變、省略、追加進行理解。

發(fā)明效果

根據(jù)本發(fā)明的第一方式,能夠高效地發(fā)現(xiàn)在制造機械中發(fā)生的異常的原因、或者今后可能發(fā)生的異常的原因,特別是由制造機械的內(nèi)部信息所引起的異常的原因。進一步,根據(jù)本發(fā)明的第二方式,能夠取得用于發(fā)現(xiàn)異常原因的有力的信息。進一步,根據(jù)本發(fā)明的第三方式以及第四方式,當發(fā)現(xiàn)了異常原因時,能夠自動地更正成為異常原因的部位。

進一步,根據(jù)上述第五方式,當發(fā)現(xiàn)了與操作日志有關的異常原因時,能夠自動地補充不足的操作。進一步,根據(jù)本發(fā)明的第六方式以及第七方式,能夠簡單地選出作為比較對象的制造裝置。

進一步,根據(jù)本發(fā)明的第八方式,即使當制造機械中發(fā)生嚴重異常,從而內(nèi)部信息取得部不能從制造機械得到信息時,也能夠使用在異常發(fā)生之前的預定時間中所取得的信息。

進一步,根據(jù)本發(fā)明的第九方式,通過參照數(shù)據(jù)庫的信息,能夠提高發(fā)現(xiàn)異常原因時的精度。進一步,根據(jù)本發(fā)明的第十方式,通過更新數(shù)據(jù)庫,更加提高發(fā)現(xiàn)異常原因時的精度。另外,根據(jù)本發(fā)明的第十一方式,通過在多個單元控制裝置之間共享數(shù)據(jù)庫內(nèi)的信息,能夠更加提高發(fā)現(xiàn)異常原因時的精度。進一步,根據(jù)本發(fā)明的第十二方式,通過將從使用機械學習的結果所得的、制造機械的異常與其原因之間的對應關系反映到數(shù)據(jù)庫中,能夠自動地進行數(shù)據(jù)庫內(nèi)的信息的擴充。

當前第1頁1 2 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1