CN111511509B - 异常判定方法以及异常判定装置 - Google Patents
异常判定方法以及异常判定装置 Download PDFInfo
- Publication number
- CN111511509B CN111511509B CN201780097993.0A CN201780097993A CN111511509B CN 111511509 B CN111511509 B CN 111511509B CN 201780097993 A CN201780097993 A CN 201780097993A CN 111511509 B CN111511509 B CN 111511509B
- Authority
- CN
- China
- Prior art keywords
- abnormality determination
- period
- abnormality
- production
- operation stop
- 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
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J13/00—Controls for manipulators
- B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
- B25J13/085—Force or torque sensors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J13/00—Controls for manipulators
- B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
- B25J13/087—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices for sensing other physical parameters, e.g. electrical or chemical properties
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/06—Safety devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/10—Programme-controlled manipulators characterised by positioning means for manipulator elements
- B25J9/12—Programme-controlled manipulators characterised by positioning means for manipulator elements electric
-
- 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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0245—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a qualitative model, e.g. rule based; if-then decisions
-
- 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
- G05B2219/37—Measurements
- G05B2219/37435—Vibration of machine
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Manipulator (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明的异常判定方法,在具有电动机作为旋转机构的驱动源的生产设备中,获取用于检测生产设备的状态的传感器的传感器数据,根据生产设备的运转历史,判定生产设备是否有停止运转了规定期间以上的运转停止期间,在有运转停止期间的情况下,根据运转停止期间的长度,设定将生产设备的异常判定暂停的异常判定暂停期间,在异常判定暂停期间以外的期间中,判定生产设备是否异常。
Description
技术领域
本发明涉及在具有电动机作为旋转机构的驱动源的生产设备中,获取检测生产设备的状态的传感器的传感器数据,判定生产设备的异常的异常判定方法以及异常判定装置。
背景技术
以往,专利文献1公开了作为检测在电机上被施加了异常的负载的情况的异常负载检测装置。在专利文献1中公开的异常负载检测装置中,电机的运转停止时或运转开始时、或者低速运转时那样的电动机的旋转速度低于了基准速度时,容易发生误检测,所以不进行异常负载的检测而判定为正常。
现有技术文献
专利文献
专利文献1:日本专利特开2007-219991号公报
发明内容
发明要解决的课题
但是,在生产机器人那样的生产设备中,有与电机的速度等工作状态无关而误检测异常的情况,在这样的情况下,在上述的专利文献1中公开的方法中,存在不能防止误检测的问题。例如,若将在较长期间停止运转的生产设备起动,则存在在紧接起动之后,尽管在生产设备中未发生异常,也误检测为有异常在发生的情况。对于这样的生产设备较长期间停止运转的状况,由于与电机的工作状态无关,所以在上述的专利文献1中公开的方法中,无法防止误检测。
因此,本发明鉴于上述实际情况而提出,目的在于提供可以防止由于与电机的工作状态无关的状况、例如生产设备较长期间停止运转而产生的异常的误检测的异常判定方法及其装置。
用于解决课题的手段
为了解决上述的课题,本发明的一个方式的异常判定方法及其装置根据生产设备的运转历史判定是否存在生产设备停止运转规定期间以上的运转停止期间。然后,在有运转停止期间的情况下,根据运转停止期间的长度,设定将生产设备的异常判定暂停的异常判定暂停期间,在异常判定暂停期间以外的期间中,判定生产设备是否异常。
发明的效果
按照本发明,可以防止由于与电机的工作状态无关的状况、例如生产设备较长期间停止运转的状况而产生的异常的误检测。
附图说明
图1是表示具有本发明的第1实施方式的异常判定装置的异常判定***的结构的方框图。
图2是表示本发明的第1实施方式的异常判定装置的异常判定处理的处理步骤的流程图。
图3是用于说明本发明的第1实施方式的异常判定装置的异常的判定方法的图。
图4用于说明本发明的第1实施方式的异常判定装置的异常判定暂停期间的设定方法的图。
图5是表示具有本发明的第2实施方式的异常判定装置的异常判定***的结构的方框图。
图6用于说明本发明的第2实施方式的异常判定装置的异常判定暂停期间的设定方法的图。
图7是用于说明本发明的第2实施方式的异常判定装置的异常的判定方法的图。
图8是用于说明本发明的第2实施方式的异常判定装置的异常的判定方法的图。
具体实施方式
[第1实施方式]
以下,参照附图,说明适用了本发明的第1实施方式。对于附图的记载中同一部分附加相同的标号,省略详细的说明。
[异常判定***的结构]
图1是表示具有本实施方式的异常判定装置的异常判定***的结构的方框图。如图1所示,本实施方式的异常判定***100具有生产机器人1、异常判定装置3、用户接口5。
生产机器人1是具有多个电机驱动***作为关节轴的生产设备。电机驱动***具有电机作为机器人小臂等旋转机构的驱动源。该电机经由减速机驱动机器人小臂。生产机器人1具有传感器11、运算单元13以及通信单元15。
传感器11检测生产机器人1的状态,检测为了判定生产机器人1的异常所需要的电动机驱动***的各种数据。例如,检测电机的旋转角位置和速度、扭矩值、减速机等旋转机构的振动值等。运算单元13求得传感器11中检测到的扭矩值与电动机控制值之差,运算干扰扭矩值。通信单元15具有例如通过LAN等,与异常判定装置3之间进行需要的数据的发送接收的功能。特别是,通信单元15发送表示生产机器人1的状态的传感器数据。传感器数据是,例如电动机的旋转角位置和速度、扭矩值、旋转机构的振动值、干扰扭矩值等。
异常判定装置3获取检测生产机器人1的状态的传感器11的传感器数据,判定生产机器人1的异常。异常判定装置3具有通信单元21、运转状态判定单元23、暂停期间设定单元25、异常判定单元27、传感器信息数据库29、维护历史数据库31、以及运转历史数据库33。这里,异常判定装置3由包含微计算机、微处理器、CPU的通用的电子电路和存储器等***设备构成。然后,通过执行确定的程序,作为上述的通信单元21、运转状态判定单元23、暂停期间设定单元25、以及异常判定单元27进行动作。这样的异常判定装置3的各功能可以通过一个或者多个处理电路实现。处理电路包括例如包含电气电路的处理装置等被编程的处理装置,或者包含被安排的面向确定用途的集成电路(ASIC)或现有型的电路部件那样的装置,以执行实施方式中记载的功能。
通信单元21具有例如通过LAN等,与生产机器人1的通信单元15之间进行需要的数据的发送接收的功能。特别是,通信单元21接收表示生产机器人1的状态的传感器数据。
运转状态判定单元23根据生产机器人1的运转历史,判定生产机器人1是否存在停止运转了规定期间以上的运转停止期间。具体地说,运转状态判定单元23从运转历史数据库33获取生产机器人1的运转开始日期和运转停止日期,计算运转停止期间。然后,通过比较算出的运转停止期间和预先设定的阈值,判定生产机器人1是否存在停止运转了规定期间以上的期间。例如,运转状态判定单元23判定是否存在6小时以上、2天以上、10天以上、20天以上的运转停止期间。
在生产机器人1中存在运转停止期间的情况下,暂停期间设定单元25根据运转停止期间的长度,设定将生产机器人1的异常判定暂停的异常判定暂停期间。异常判定暂停期间,从运转停止期间结束而生产机器人1开始了运转的时刻起被设定。在异常判定暂停期间中,暂停异常判定单元27进行的生产机器人1的异常判定。
一般来说,若生产设备较长期间停止运转,则被认为润滑油等***。由此,若在较长期间停止运转后起动生产设备,则尽管在生产设备中未发生异常,但也在输出干扰扭矩值等中异常大的值,有时误检测为发生异常的情况。因此,暂停期间设定单元25设定紧接在运转停止期间之后与运转停止期间的长度相应的异常判定暂停期间,防止异常的误检测。而且,随着运转停止期间变长,润滑油等变得更硬,所以暂停期间设定单元25设定为使得异常判定暂停期间随着运转停止期间变长也变长。
异常判定单元27使用表示生产机器人1的状态的传感器数据来判定生产机器人1是否异常。具体地说,异常判定单元27从传感器信息数据库29获取规定期间内的传感器数据,判定生产机器人1是否异常。作为异常的判定方法,计算干扰扭矩的差分比率等异常判定值,通过该异常判定值是否为规定的阈值以上,判定生产机器人1是否异常。
特别是,在生产机器人1中存在规定期间以上的运转停止期间的情况下,异常判定单元27在异常判定暂停期间以外的期间中,判定生产机器人1是否异常。即,异常判定单元27使用异常判定暂停期间以外的传感器数据,判定生产机器人1是否异常。
传感器信息数据库29积累表示生产机器人1的状态的传感器数据。例如,通过通信单元15、21获取并积累由传感器11检测到的电动机的旋转角位置和速度、扭矩值、旋转机构的振动值等数据、或由运算单元13运算出的干扰扭矩的数据。
维护历史数据库31积累生产机器人1的维护历史数据。例如,积累换了减速机的日期或实施了润滑油更换的日期等维护记录。
运转历史数据库33积累生产机器人1开始了运转的日期或停止了运转的日期等运转历史数据。
用户接口5是监视器或平板电脑终端等显示装置,具有显示异常的判定结果或警报画面、或发出警报的功能。
[异常判定处理]
接着,参照图2,说明本实施方式的异常判定装置3的异常判定方法。图2是表示异常判定装置3进行的异常判定处理的处理步骤的流程图。
如图2所示,在步骤S101中,异常判定单元27获取被积累在传感器信息数据库29中的传感器数据。这时,异常判定单元27获取预先对每个固定期间区分的期间之中的一个期间的数据。在获取的数据中,包含干扰扭矩和旋转机构的振动值等。而且,异常判定单元27从维护历史数据库31获取生产机器人1的维护历史数据。在获取的维护历史中,包含减速机的更换日和润滑油更换的实施日期等。但是,异常判定单元27也可以不从传感器信息数据库29获取传感器数据,而从生产机器人1实时地获取。
在步骤S103中,异常判定单元27使用传感器数据运算异常判定值。异常判定值是为了判定生产机器人1的异常而算出的统计值。例如,在使用传感器数据中的干扰扭矩的数据的情况下,使用干扰扭矩的差分比率作为异常判定值。而且也可以使用旋转机构的振动值的差分比率作为异常判定值。但是,只要可以判定生产机器人1的异常,则除了差分比率以外,也可以使用平均值等其它统计值。
差分比率是测量值相对预先设定的基准值的变化率,干扰扭矩的差分比率使用基准值如式(1)那样表示。
差分比率=(干扰扭矩的测量值-基准值)/基准值 (1)
基准值例如可以使用前年同月的干扰扭矩的平均值。但是,只要是为了判定生产机器人1的异常而成为基准的数值,则也可以使用其它的数值作为基准值。例如,只要是季节和温度不变化的地区,则也可以使用运转停止期间的平均值作为基准值。
在步骤S105中,异常判定单元27比较异常判定值和规定的阈值,判定在生产机器人1中是否有异常。例如,如图3所示,在使用了干扰扭矩的差分比率作为异常判定值的情况下,将阈值设定为20%,在干扰扭矩的差分比率为20%以上的情况下判定为在生产机器人1有异常。在判定为有异常的情况下,进至步骤S107。另一方面,在差分比率不足20%的情况下,判定为生产机器人1无异常。在判定为无异常的情况下,返回步骤S101,获取当前判定为异常的期间的下一个期间的传感器数据,再次实施异常的判定。
在步骤S107中,运转状态判定单元23从运转历史数据库33获取生产机器人1的运转历史数据。在获取的运转历史数据中,包含生产机器人1的运转开始日期和运转停止日期。
在步骤S109中,运转状态判定单元23根据获取的运转历史数据,判定生产机器人1是否有停止运转了规定期间以上的运转停止期间。具体地说,运转状态判定单元23从运转历史数据库33获取生产机器人1的运转开始日期和运转停止日期,计算运转停止期间,判定运转停止期间是否为规定期间以上。作为规定期间,例如设定6小时、2天、10天、20天。因此,在有生产机器人1停止运转6小时以上的期间的情况下,运转状态判定单元23判定为有运转停止期间。在判定为有运转停止期间的情况下,进至步骤S111。另一方面,在判定为无运转停止期间的情况下,进至步骤S115。
在步骤S111中,暂停期间设定单元25根据运转停止期间的长度,设定暂停生产机器人1的异常判定的异常判定暂停期间。如图4所示,在生产机器人1的运转停止期间为6小时以上不足2天的情况下,暂停期间设定单元25将异常判定暂停期间设定为1小时。同样,在运转停止期间为2天以上不足10天的情况下,将异常判定暂停期间设定为0.5天,在运转停止期间为10天以上不足20天的情况下,将异常判定暂停期间设定为2天,在运转停止期间为20天以上的情况下,将异常判定暂停期间设定为5天。这样,暂停期间设定单元25设定为使得异常判定暂停期间随着运转停止期间变长也变长。但是,在异常判定暂停期间的长度中设置上限,使得即使运转停止期间变长,异常判定暂停期间也不超过上限而被设定得长。例如,即使在运转停止期间超过1个月那样的情况下,异常判定暂停期间也被设定为5天。
而且,异常判定暂停期间,从紧接运转停止期间之后,即运转停止期间结束而生产机器人1开始了运转的时刻起被设定。例如,在图3中,在2天的运转停止期间结束,在7月4日生产机器人1开始了运转的时刻起0.5天的期间,被设定异常判定暂停期间L1。
在步骤S113中,在异常判定暂停期间以外的期间中,异常判定单元27比较异常判定值和规定的阈值,判断在生产机器人1中是否有异常。例如,在图3中,由于被设定异常判定暂停期间L1,在异常判定暂停期间L1以外的期间中,所以异常判定单元27判定在生产机器人1中是否有异常。即,异常判定单元27使用在异常判定暂停期间L1以外的期间检测的传感器数据,判定生产机器人1是否异常。
在图3的情况下,在异常判定暂停期间L1中,异常判定值干扰扭矩的差分比率超过阈值的20%。但是,在异常判定暂停期间L1以外的期间中,异常判定值不在阈值的20%以上。因此,异常判定单元27判定为在生产机器人1中没有异常。这样,在判定为没有异常的情况下,返回步骤S101,获取当前判定了异常的期间的下一个期间的传感器数据,继续实施异常的判定。另一方面,在判定为有异常的情况下,进至步骤S115。
另外,在判定生产机器人1中是否有异常时,异常判定单元27也可以不仅进行图3所示的异常判定值的波形分析,还对其它因素进行分析,考虑其结果而判定生产机器人1的异常。例如,也可以使用其它的误报防止逻辑进行异常判定,根据其结果来判定生产机器人1的异常。
在步骤S115中,异常判定单元27经由用户接口5输出警报。例如,在用户接口5的显示画面上显示异常的判定结果和警报画面,或输出警告音。然后,若异常判定单元27在数据库中记录异常的判定结果和警报的输出记录,则本实施方式的异常判定装置3的异常判定处理结束。
[第1实施方式的效果]
如以上详细地说明的那样,在本实施方式的异常判定方法及其装置中,根据生产设备的运转历史,判定生产设备是否有停止运转规定期间以上的运转停止期间。然后,在有运转停止期间的情况下,根据运转停止期间的长度,设定生产设备的异常判定的异常判定暂停期间,在异常判定暂停暂停期间以外的期间中,判定生产设备是否异常。由此,可以防止因与电动机的工作状态无关的状况、例如生产设备较长期间停止运转那样的状况而产生的异常的误检测。
一般来说,若生产设备较长期间停止运转,则被认为润滑油等***。因此,若在较长期间停止运转后起动生产设备,则尽管在生产设备中未发生异常,也有误检测为发生了异常的情况。但是,在本实施方式的异常判定方法及其装置中,在异常判定暂停期间以外的期间中,判定生产设备是否异常,所以可以防止如上述那样的异常的误检测。进而,通过防止了误检测,可以减少生产设备的维护作业工时,还可以降低维护成本。
而且,在本实施方式的异常判定方法及其装置中,根据先前的传感器数据决定基准值,通过基准值的传感器数据的变化率是否为规定的阈值以上,判定生产设备的异常。由此,在从先前的生产设备的状态较大地变化了的情况下,可以判定为生产设备异常,所以可以更正确地判定生产设备的异常。其结果,可以更可靠地防止生产设备自动异常的误检测。
进而,在本实施方式的异常判定方法及其装置中,使传感器数据存储在数据库中,获取数据库中已存储的传感器数据,判定生产设备的异常。由此,可以在任意的定时进行异常判定,所以可以在异常判定所需要的数据全部聚齐后进行异常判定。因此,可以更正确地判定生产设备的异常,其结果,可以可靠地防止生产设备自动异常的误检测。
而且,在本实施方式的异常判定方法及其装置中,作为生产设备的异常判定中使用的传感器数据,使用施加到电机上的干扰扭矩的数据。由此,从感测了电机自身的结果判定生产设备的异常,可以更正确地判定生产设备的异常。其结果,可以更可靠地防止生产设备中的异常的误检测。
进而,在本实施方式的异常判定方法及其装置中,作为在生产设备的异常判定中使用的传感器数据,使用旋转机构的振动值的数据。由此,从感测了电机的输出侧的结果判定生产设备的异常,所以可以更正确地判定生产设备的异常。其结果,可以更可靠地防止生产设备中的异常的误检测。
[第2实施方式]
以下,参照附图说明适用了本发明的第2实施方式。在附图的记载中,对与第1实施方式相同的部分附加相同的标号,省略详细的说明。
[异常判定***的结构]
图5是表示具有本实施方式的异常判定装置的异常判定***的结构的方框图。如图5所示,本实施方式的异常判定装置3还具有环境温度数据库51,这与第1实施方式不同。
环境温度数据库51积累生产机器人1的环境温度数据。该环境温度数据是生产机器人1的温度,但未必需要生产机器人1的温度,也可以是设置有生产机器人1的设施内的温度。而且,也可以从因特网等外部收集并积累设施所在地区的气温。
在生产机器人1中有运转停止期间的情况下,暂停期间设定单元25根据运转停止期间的长度和生产机器人1的环境温度,设定暂停生产机器人1的异常判定的异常判定暂停期间。在第1实施方式中仅根据运转停止期间的长度设定了异常判定暂停期间,但是在本实施方式中根据运转停止期间的长度和生产机器人1的环境温度两者设定异常判定暂停期间。在异常判定暂停期间的设定中所使用的生产机器人1的环境温度是运转停止期间中的生产机器人1的平均温度。例如,既可以是生产机器人1的平均温度,也可以是设施内的平均温度或设施所在地区的平均气温。
一般来说,若生产设备较长期间停止运转,则润滑油等***。这时若环境温度低,则润滑油进一步***。因此,若在环境温度低时较长期间停止运转,之后起动生产设备,则尽管在生产设备中未发生异常,误检测为发生了异常的可能性也变高。因此,根据运转停止期间的长度和生产设备的环境温度,暂停期间设定单元25设定异常判定暂停期间。因此,暂停期间设定单元25设定为使得异常判定暂停期间随着运转停止期间变长也变长,设定为使得异常判定暂停期间随着环境温度变低而变长。
如图6所示,异常判定暂停期间在生产机器人1的运转停止期间为6小时以上不足2天、环境温度为10℃的情况下被设定为2小时,在环境温度为30℃的情况下被设定为1小时。同样,异常判定暂停期间在运转停止期间为2天以上不足10天、环境温度为10℃的情况下被设定为1天,在30℃的情况下被设定为0.5天。而且,在运转停止期间为10天以上不足20天、环境温度为10℃的情况下被设定为5天,在30℃的情况下被设定为2天。进而,在运转停止期间为20天以上、环境温度为10℃的情况下被设定为10天,在30℃的情况下被设定为5天。这样,暂停期间设定单元25设定为使得异常判定暂停期间随着运转停止期间变长也变长,进而设定为使得异常判定暂停期间随着环境温度变低而变长。
例如,在图7中,运转停止期间为2天,环境温度为30℃左右,所以异常判定暂停期间L1被设定为0.5天。而且,在图8中,运转停止期间为2天,环境温度为10℃左右,所以异常判定暂停期间L2被设定为1天。
另外,在图6中,在环境温度为10℃的情况和30℃的情况下,设定不同的异常判定暂停期间,但是也可以取代环境温度,对每个季节设定不同的异常判定暂停期间。例如,可以在夏天和冬天设定不同的异常判定暂停期间,也可以分别对春、夏、秋、冬设定不同的异常判定暂停期间。
[异常判定处理]
接着,说明本实施方式的异常判定装置3进行的异常判定方法。本实施方式的异常判定处理进行与图2所示的第1实施方式的异常判定处理同样的处理。但是,在第1实施方式中,在步骤S107中,运转状态判定单元23仅获取了运转历史数据。但是,在本实施方式中,在步骤S107中,运转状态判定单元23从运转历史数据库33获取生产机器人1的运转历史数据,同时暂停期间设定单元25从环境温度数据库51获取生产机器人1的环境温度数据。
之后,在步骤S111中,如上述那样,暂停期间设定单元25根据运转停止期间的长度和生产设备的环境温度设定异常判定暂停期间。对于其它的步骤,进行与第1实施方式同样的处理,异常判定装置3进行的异常判定处理结束。
[第2实施方式的效果]
如以上详细地说明的那样,在本实施方式的异常判定方法及其装置中,根据运转停止期间的长度和生产设备的环境温度设定异常判定暂停期间。由此,可以考虑温度造成的影响来设定异常判定暂停期间,所以可以更可靠地防止生产设备重大异常的误检测。
而且,在本实施方式的异常判定方法及其装置中,作为生产设备的环境温度,使用运转停止期间中的生产设备的平均温度。由此,可以反映运转停止期间中的生产设备的状态而设定异常判定暂停期间,所以可以更可靠地防止生产设备中的异常的误检测。
而且,上述的实施方式是本发明的一个例子。因此,本发明不限于上述的实施方式,即使是该实施方式以外的方式,只要在不脱离本发明的技术的思想的范围内,当然根据设计等而可进行各种变更。
标号说明
1 生产机器人
3 异常判定装置
5 用户接口
11 传感器
13 运算单元
15,21 通信单元
23 运转状态判定单元
25 暂停期间设定单元
27 异常判定单元
29 传感器信息数据库
31 维护历史数据库
33 运转历史数据库
51 环境温度数据库
100 异常判定***
Claims (8)
1.一种异常判定方法,其为在具有电动机作为旋转机构的驱动源的生产设备中,获取用于检测所述生产设备的状态的传感器的传感器数据而判定所述生产设备的异常的异常判定装置的异常判定方法,其特征在于,
根据所述生产设备的运转历史,判定所述生产设备是否有停止运转了规定期间以上的运转停止期间,
在有所述运转停止期间的情况下,根据所述运转停止期间的长度,设定将所述生产设备的异常判定暂停的异常判定暂停期间,
在所述异常判定暂停期间以外的期间中,判定所述生产设备是否异常。
2.如权利要求1所述的异常判定方法,其特征在于,
根据所述运转停止期间的长度和所述生产设备的环境温度,设定所述异常判定暂停期间。
3.如权利要求2所述的异常判定方法,其特征在于,
所述生产设备的环境温度是所述运转停止期间中的所述生产设备的平均温度。
4.如权利要求1至3的任意一项所述的异常判定方法,其特征在于,
根据过去的传感器数据决定基准值,通过所述传感器数据相对于所述基准值的变化率是否为规定的阈值以上,进行所述生产设备的异常判定。
5.如权利要求1至4的任意一项所述的异常判定方法,其特征在于,
将所述传感器数据存储在数据库中,获取被存储在所述数据库中的传感器数据,进行所述生产设备的异常判定。
6.如权利要求1至5的任意一项所述的异常判定方法,其特征在于,
在所述生产设备的异常判定中使用的传感器数据是,施加在所述电动机上的干扰扭矩的数据。
7.如权利要求1至5的任意一项所述的异常判定方法,其特征在于,
在所述生产设备的异常判定中使用的传感器数据是,所述旋转机构的振动值的数据。
8.一种异常判定装置,其为在具有电动机作为旋转机构的驱动源的生产设备中,获取用于检测所述生产设备的状态的传感器的传感器数据而判定所述生产设备的异常的异常判定装置,其特征在于,
根据所述生产设备的运转历史,判定所述生产设备是否有停止运转了规定期间以上的运转停止期间,
在有所述运转停止期间的情况下,根据所述运转停止期间的长度,设定将所述生产设备的异常判定暂停的异常判定暂停期间,
在所述异常判定暂停期间以外的期间中,判定所述生产设备是否异常。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2017/046666 WO2019130430A1 (ja) | 2017-12-26 | 2017-12-26 | 異常判定方法及び異常判定装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111511509A CN111511509A (zh) | 2020-08-07 |
CN111511509B true CN111511509B (zh) | 2022-10-14 |
Family
ID=67066821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780097993.0A Active CN111511509B (zh) | 2017-12-26 | 2017-12-26 | 异常判定方法以及异常判定装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11518034B2 (zh) |
EP (1) | EP3733361B1 (zh) |
JP (1) | JP6852811B2 (zh) |
CN (1) | CN111511509B (zh) |
MX (1) | MX2020006692A (zh) |
WO (1) | WO2019130430A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113110362A (zh) * | 2021-05-24 | 2021-07-13 | 深创高新产业研究中心(深圳)有限公司 | 一种基于工业4.0的注塑设备状态监控*** |
US11462324B1 (en) * | 2021-08-21 | 2022-10-04 | Ix Innovation Llc | Surgical equipment monitoring |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5793635A (en) * | 1992-12-28 | 1998-08-11 | Mitsubishi Denki Kabushiki Kaisha | Numerically controlled machine tool and method |
CN102036789A (zh) * | 2008-05-21 | 2011-04-27 | 松下电器产业株式会社 | 机器人的异常判定方法 |
CN102667414A (zh) * | 2009-12-24 | 2012-09-12 | 丰田自动车株式会社 | 旋转传感器的异常判断装置 |
CN104690711A (zh) * | 2010-08-31 | 2015-06-10 | 株式会社安川电机 | 机器人***、使用机器人的状态判定方法 |
CN105014235A (zh) * | 2014-04-30 | 2015-11-04 | 发那科株式会社 | 激光加工*** |
CN105204436A (zh) * | 2015-08-26 | 2015-12-30 | 山东省计算中心(国家超级计算济南中心) | 基于分级预警的数控机床故障诊断方法 |
WO2017014026A1 (ja) * | 2015-07-17 | 2017-01-26 | コマツ産機株式会社 | プレスシステムおよびプレスシステムの制御方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002175104A (ja) | 2000-12-05 | 2002-06-21 | Murata Mach Ltd | 異常負荷監視機能付き工作機械 |
JP4182082B2 (ja) * | 2005-04-18 | 2008-11-19 | ファナック株式会社 | 工作機械 |
JP2007219991A (ja) | 2006-02-20 | 2007-08-30 | Fanuc Ltd | 異常負荷検出装置 |
JP2007286904A (ja) * | 2006-04-17 | 2007-11-01 | Fanuc Ltd | 電動機の制御装置及び制御方法 |
JP4335286B2 (ja) * | 2008-02-08 | 2009-09-30 | ファナック株式会社 | 部品保護機能を備えたロボット制御装置及びロボット制御方法 |
JP6378112B2 (ja) | 2015-03-02 | 2018-08-22 | 日立オートモティブシステムズ株式会社 | 回転検出異常診断装置及び方法とそれを用いた回転位置制御装置 |
ES2763004T3 (es) * | 2015-05-25 | 2020-05-26 | Nissan Motor | Dispositivo de diagnóstico de fallos y método de diagnóstico de fallos |
KR101849895B1 (ko) * | 2015-05-29 | 2018-04-17 | 닛산 지도우샤 가부시키가이샤 | 고장 진단 장치 및 고장 진단 방법 |
US10695907B2 (en) * | 2017-09-29 | 2020-06-30 | Intel Corporation | Methods and apparatus for monitoring robot health in manufacturing environments |
-
2017
- 2017-12-26 EP EP17936814.7A patent/EP3733361B1/en active Active
- 2017-12-26 JP JP2019561434A patent/JP6852811B2/ja active Active
- 2017-12-26 MX MX2020006692A patent/MX2020006692A/es unknown
- 2017-12-26 WO PCT/JP2017/046666 patent/WO2019130430A1/ja unknown
- 2017-12-26 CN CN201780097993.0A patent/CN111511509B/zh active Active
- 2017-12-26 US US16/958,270 patent/US11518034B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5793635A (en) * | 1992-12-28 | 1998-08-11 | Mitsubishi Denki Kabushiki Kaisha | Numerically controlled machine tool and method |
CN102036789A (zh) * | 2008-05-21 | 2011-04-27 | 松下电器产业株式会社 | 机器人的异常判定方法 |
CN102667414A (zh) * | 2009-12-24 | 2012-09-12 | 丰田自动车株式会社 | 旋转传感器的异常判断装置 |
CN104690711A (zh) * | 2010-08-31 | 2015-06-10 | 株式会社安川电机 | 机器人***、使用机器人的状态判定方法 |
CN105014235A (zh) * | 2014-04-30 | 2015-11-04 | 发那科株式会社 | 激光加工*** |
WO2017014026A1 (ja) * | 2015-07-17 | 2017-01-26 | コマツ産機株式会社 | プレスシステムおよびプレスシステムの制御方法 |
CN105204436A (zh) * | 2015-08-26 | 2015-12-30 | 山东省计算中心(国家超级计算济南中心) | 基于分级预警的数控机床故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
MX2020006692A (es) | 2020-09-03 |
CN111511509A (zh) | 2020-08-07 |
JP6852811B2 (ja) | 2021-03-31 |
EP3733361A4 (en) | 2020-12-23 |
EP3733361B1 (en) | 2023-08-23 |
JPWO2019130430A1 (ja) | 2020-12-03 |
US20200331145A1 (en) | 2020-10-22 |
EP3733361A1 (en) | 2020-11-04 |
WO2019130430A1 (ja) | 2019-07-04 |
US11518034B2 (en) | 2022-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3305482B1 (en) | Failure diagnosis device and failure diagnosis method | |
CN107614217B (zh) | 故障诊断装置及故障诊断方法 | |
CN107614215B (zh) | 故障诊断装置及故障诊断方法 | |
JP6943332B2 (ja) | 異常検出装置及び異常検出方法 | |
CN110546624A (zh) | 生产设备在线维护***及其方法 | |
EP3299132A1 (en) | Failure diagnostic device and failure diagnostic method | |
CN111511509B (zh) | 异常判定方法以及异常判定装置 | |
JPWO2019167171A6 (ja) | 異常検出装置及び異常検出方法 | |
JP2019185415A (ja) | 異常判定装置及び異常判定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |