-
HINTERGRUND DER ERFINDUNG
-
Gebiet der Erfindung
-
Die vorliegende Erfindung betrifft eine Fehlerursache-Diagnosevorrichtung für eine Spritzgießmaschine, und insbesondere eine Fehlerursache-Diagnosevorrichtung, die dazu fähig ist, die Ursache eines Fehlers bei einer Diagnose mit hoher Zuverlässigkeit unabhängig von dem Wissen und der Erfahrung von Analytikern zu bestimmen.
-
Beschreibung des zugehörigen Stands der Technik
-
Bei einem Fehler einer Spritzgießmaschine analysiert ein Nutzer oder ein Techniker des Herstellers für gewöhnlich Einträge, wie z.B. Spritzgießbedingungen und alarmierende Verläufe, die in der Spritzgießmaschine gespeichert sind, und untersucht die Ursache des Fehlers.
-
Beispielsweise offenbart die JP H05- 157 662 A eine herkömmliche Technik in Bezug auf die Fehleranalyse einer Spritzgießmaschine. Gemäß dieser Technik werden Geräusche und Vibrationen von den Bauteilen der Spritzgießmaschine einer Spektralanalyse unterzogen, um Fehlerspektruminformationen im Fall eines Fehlers der Spritzgießmaschine zu erhalten, und ein grundlegendes Fehlerspektrummuster wird aus den Fehlerspektruminformationen durch Lernen erhalten und für eine Fehlerbestimmung verwendet.
-
Ferner offenbart die
JP 2002 -
229 623 A ein Analyse-/Auswertungssystem für eine Harzmaschine, die eine Lernfunktion aufweist, so dass Parameter in einer Datenbank während eines Betriebs der Harzmaschine gesammelt werden, ein Verarbeitungsverfahren für die Harzmaschine basierend auf den gesammelten Daten analysiert wird und das Ergebnis der Analyse für den nächsten Zyklus der Analyse widergespiegelt wird.
-
Gemäß einiger herkömmlicher manueller Fehleranalyseverfahren kann die Ursache eines Fehlers nicht ohne Weiteres erkannt werden, da das Wissen und die Erfahrung von Nutzern und Techniker des Herstellers, die die Analysen durchführen, begrenzt ist.
-
Ferner kann eine Steuerung für eine Spritzgießmaschine oder eine Verwaltungsvorrichtung, die mit der Spritzgießmaschine verbunden ist, für gewöhnlich die Ursache des Fehlers weder erkennen, basierend auf Daten wie z.B. den Spritzgießbedingungen und den alarmierenden Verläufen, die von der Spritzgießmaschine erhalten werden, noch derartige Spritzgießbedingungen berechnen, so dass kein Fehler auftritt.
-
KURZFASSUNG DER ERFINDUNG
-
Dementsprechend ist die Aufgabe der vorliegenden Erfindung die Bereitstellung einer Fehlerursache-Diagnosevorrichtung für eine Spritzgießmaschine, die dazu fähig ist, die Fehlerursachediagnose mit hoher Zuverlässigkeit unabhängig von dem Wissen und der Erfahrung von Analytikern zu bestimmen.
-
Eine Fehlerursache-Diagnosevorrichtung gemäß der vorliegenden Erfindung weist die Merkmale des Patentanspruchs 1 auf. Vorteilhafte Ausgestaltungen finden sich in den abhängigen Patentansprüchen. Eine Fehlerursache-Diagnosevorrichtung kann eine Fehlerursache-Diagnosevorrichtung zur Erkennung der Ursache eines Fehlers der Spritzgießmaschine auf Basis der Eingabe von internen und externen Zustandsdaten mithilfe einer Maschinenlernvorrichtung sein, wobei ein interner Parameter der Maschinenlernvorrichtung durch Maschinenlernen über die Zustandsdaten bereitgestellt ist, die bei Auftreten des Fehlers erhalten werden, und die des normalen Betriebs der Maschine.
-
Bei der Fehlerursache-Diagnosevorrichtung schließen die internen und externen Zustandsdaten eine Last auf eine Antriebseinheit der Spritzgießmaschine, einen Frequenzgang von Achsen, einen Harzdruck, eine Klemmkraft, einen alarmierenden Verlauf, einen Maschinenbetriebsverlauf, Prozessüberwachungsdaten für jeden Spritzgießzyklus, Spritzgießbedingungen und/oder Qualitätsinformationen über ein Spritzgießteil und Informationen über das Auftreten einer Fehlerursache ein.
-
Die Fehlerursache-Diagnosevorrichtung sagt die Fehlerursache der Spritzgießmaschine unter Verwendung der Zustandsdaten basierend auf dem Ergebnis des Maschinenlernens voraus.
-
Die Fehlerursache-Diagnosevorrichtung erkennt einen Zustandsvariablenverursacher einer Fehlerursache unter den Zustandsdaten, wenn das Auftreten der Fehlerursache vorausgesagt wird.
-
Die Fehlerursache-Diagnosevorrichtung berechnet die Korrelation zwischen den Zustandsdaten und dem Auftreten der Fehlerursache, wenn das Auftreten der Fehlerursache vorausgesagt wird.
-
Die Fehlerursache-Diagnosevorrichtung berechnet einen angepassten Wert der Zustandsdaten so, dass keine Fehlerursache auftritt, wenn das Auftreten der Fehlerursache vorausgesagt wird.
-
Die Fehlerursache-Diagnosevorrichtung erkennt einen Zustandsdatenverursacher einer Fehlerursache unter den Zustandsdaten, wenn die Fehlerursache verursacht wird.
-
Die Fehlerursache-Diagnosevorrichtung berechnet die Korrelation zwischen den Zustandsdaten und dem Auftreten der Fehlerursache berechnet wird, wenn die Fehlerursache verursacht wird.
-
Die Fehlerursache-Diagnosevorrichtung berechnet einen angepassten Wert der Zustandsdaten so, dass keine weitere Fehlerursache auftritt, wenn die Fehlerursache verursacht wird.
-
Bei der Fehlerursache-Diagnosevorrichtung werden die internen und externen Zustandsdaten aus einer Vielzahl von Spritzgießmaschinen eingegeben, die über ein Netz verbunden sind.
-
Bei der Fehlerursache-Diagnosevorrichtung werden die internen Parameter der Maschinenlernvorrichtung von einer Vielzahl von Spritzgießmaschinen geteilt, die über ein Netz verbunden sind.
-
Eine Maschinenlernvorrichtung gemäß der vorliegenden Erfindung weist die Merkmale des Patentanspruchs 11 auf. Eine Maschinenlernvorrichtung kann eine Vorrichtung sein, die eine Fehlerursachediagnose einer Spritzgießmaschine basierend auf internen und externen Zustandsdaten über die Spritzgießmaschine gelernt hat. Ein interner Parameter der Maschinenlernvorrichtung wird durch Durchführen von Maschinenlernen unter Verwendung der Zustandsdaten, die erhalten werden, wenn die Fehlerursache verursacht wird, und der Zustandsdaten, die erhalten werden, wenn keine Fehlerursache verursacht wird, erhalten.
-
Gemäß der vorliegenden Erfindung kann eine Fehlerursachediagnose mit hoher Zuverlässigkeit erzielt werden, unabhängig von dem Wissen und der Erfahrung von Analytikern, durch Durchführung des Maschinenlernens unter Verwendung von Zustandsvariablen, die von den Spritzgießmaschinen vorbehaltlich einer Fehlerursache erhalten werden, und der Zustandsvariablen, die von den Spritzgießmaschinen frei von einer Fehlerursache erhalten werden.
-
Ferner kann eine Steuerung für jede Spritzgießmaschine oder eine Verwaltungsvorrichtung, die mit der Spritzgießmaschine verbunden ist, die Ursache eines Fehlers erkennen, basierend auf Daten, wie z.B. den Spritzgießbedingungen und dem alarmierenden Verlauf, die von der Spritzgießmaschine erhalten werden, und derartige Spritzgießbedingungen berechnen, so dass kein Fehler auftritt.
-
Figurenliste
-
Die zuvor genannten und andere Aufgaben und Merkmale der vorliegenden Erfindung sind aus der nachfolgenden Beschreibung der Ausführungsformen in Bezug auf die anliegenden Zeichnungen ersichtlich. Es zeigen:
- 1A ein Diagramm, das eine Übersicht des Betriebs einer Maschinenlernvorrichtung für überwachtes Lernen unter dem Lernzustand darstellt;
- 1B ein Diagramm, das eine Übersicht des Betriebs einer Maschinenlernvorrichtung für überwachtes Lernen unter der Voraussagephase basierend auf dem Ergebnis des Lernens darstellt; und
- 2 ein schematisches Konfigurationsdiagramm einer Fehlerursache-Diagnosevorrichtung gemäß einer Ausführungsform der vorliegenden Erfindung.
-
DETAILLIERTE BESCHREIBUNG DER BEVORZUGTEN AUSFÜHRUNGSFORMEN
-
Eine Ausführungsform der vorliegenden Erfindung wird nun in Bezug auf die anliegenden Zeichnungen beschrieben.
-
Bei der vorliegenden Erfindung wird die Ursache der Fehlerursache durch Durchführen von Maschinenlernen unter Verwendung von Zustandsvariablen, die von Spritzgießmaschinen vorbehaltlich einer Fehlerursache erhalten werden, und von Zustandsvariablen, die von Spritzgießmaschinen frei von einer Fehlerursache erhalten werden, diagnostiziert. Zum Zeitpunkt des Auftretens einer Fehlerursache wird ferner ein Zustandsvariablenverursacher der Fehlerursache unter den zuvor genannten Zustandsvariablen angegeben und ein angepasster Wert der angegebenen Zustandsvariablen wird so berechnet, dass das Auftreten einer Fehlerursache verhindert wird.
-
<1. Maschinenlernen>
-
Im Allgemeinen wird das Maschinenlernen in verschiedene Algorithmen unterteilt, wie z.B. überwachtes Lernen, nicht überwachtes Lernen und bestärkendes Lernen, abhängig von dem Ziel und den Bedingungen. Die vorliegende Erfindung soll die Korrelation zwischen den Zuständen, die von internen oder externen Parametern einer Spritzgießmaschine dargestellt sind, und einem Fehler in der Spritzgießmaschine lernen. Daher nimmt die vorliegende Erfindung den Algorithmus für überwachtes Lernen unter Berücksichtigung der Machbarkeit des Lernens basierend auf angegebenen Daten und der Notwendigkeit einer Ursachendiagnose basierend auf dem Ergebnis des Lernens an.
-
1 ist ein Diagramm, das eine Übersicht des Betriebs einer Maschinenlernvorrichtung für überwachtes Lernen darstellt. Der Betrieb der Maschinenlernvorrichtung für überwachtes Lernen kann grob in zwei Phasen eingeteilt werden, in eine Lernphase und eine Voraussagephase. Die Maschinenlernvorrichtung für überwachtes Lernen lernt, wie der Wert einer Zielvariablen ausgegeben wird, die als Ausgabedaten verwendet wird, wenn der Wert einer Zustandsvariablen (erklärende Variable), der als Eingabedaten verwendet wird, eingegeben wird, wenn Lehrdaten, die den Wert der Zustandsvariablen und den Wert der Zielvariablen einschließen, in der Lernphase angegeben werden (1A). Durch Angeben einer Anzahl derartiger Daten bildet die Maschinenlernvorrichtung ein Voraussagemodell zur Ausgabe des Werts der Zielvariablen relativ zum Wert der Zustandsvariablen.
-
Wenn neue Eingabedaten (Zustandsvariable) in der Voraussagephase angegeben werden (1B) sagt des Weiteren die Maschinenlernvorrichtung für überwachtes Lernen die Ausgabedaten (Zielvariable) basierend auf dem Ergebnis des Lernens voraus und gibt sie aus (gebildetes Voraussagemodell).
-
Eine Regressionsgleichung für das Voraussagemodell, wie beispielsweise die Gleichung (1), die nachstehend angegeben ist, wird als Beispiel für ein Lernen der Maschinenlernvorrichtung für überwachtes Lernen festgelegt. Das Lernen wird vorangebracht, indem die Werte der Koeffizienten a
0, a
1, a
2, a
3, ... angepasst werden, so dass der Wert einer Zielvariablen y erhalten werden kann, wenn die Werte der Zustandsvariablen x
1, x
2, x
3, ... auf die Regressionsgleichung im Verlauf des Lernens angewandt werden. Das Lernverfahren ist nicht hierauf beschränkt und ist für jeden Algorithmus für überwachtes Lernen unterschiedlich.
-
Verschiedene Verfahren, wie z.B. die Methode der kleinsten Quadrate, das Stufenverfahren, eine Stützvektormaschine, das Verfahren des neuralen Netzes und das Entscheidungsbaumlernen, sind im Allgemeinen als Algorithmen für überwachtes Lernen bekannt. Jeder beliebige dieser Algorithmen für überwachtes Lernen kann als Verfahren angenommen werden, das auf die vorliegende Erfindung angewandt wird. Da die Algorithmen für überwachtes Lernen allgemein bekannt sind, wird auf eine detaillierte Beschreibung davon hierin verzichtet.
-
Nachstehend folgt eine Beschreibung einer bestimmten Ausführungsform einer Fehlerursache-Diagnosevorrichtung gemäß der vorliegenden Erfindung, die in der Maschinenlernvorrichtung für überwachtes Lernen eingeschlossen ist.
-
<2. Ausführungsform>
-
2 ist ein Diagramm, das eine schematische Konfiguration der Fehlerursache-Diagnosevorrichtung gemäß der einen Ausführungsform der vorliegenden Erfindung zeigt. Eine Fehlerursache-Diagnosevorrichtung 10 der vorliegenden Ausführungsform umfasst eine überwachte Maschinenlernvorrichtung (umgeben von einem Rahmen in gepunkteter Linie in 2). Die Fehlerursache-Diagnosevorrichtung 10 ist mit einer Vielzahl von Spritzgießmaschinen 1a, 1b und 1c über Kommunikationsleitungen, Signalleitungen oder dergleichen verbunden. Zustandsdaten, die auf die entsprechenden Zustände der Spritzgießmaschinen 1a bis 1c hinweisen, werden von den Spritzgießmaschinen an die Fehlerursache-Diagnosevorrichtung 10 übertragen.
-
Eine Zustandsbeobachtungseinheit 11 der Fehlerursache-Diagnosevorrichtung 10 ist ein Funktionsmittel zum Beobachten der Zustandsdaten für das Spritzgießen, die von den Spritzgießmaschinen 1a bis 1c geliefert werden, und zur Erfassung dieser in der Fehlerursache-Diagnosevorrichtung 10. Die Zustandsdaten schließen beispielsweise eine Last auf eine Antriebseinheit einer jeden Spritzgießmaschine, einen Frequenzgang von Achsen, einen Harzdruck, eine Klemmkraft, einen Maschinenbetriebsverlauf, Prozessüberwachungsdaten für jeden Spritzgießzyklus, Spritzgießbedingungen, Qualitätsinformationen über ein Spritzgießteil, einen Alarm (alarmierenden Verlauf), Fehlerinformationen und dergleichen ein.
-
Eine Zustandsdaten-Speichereinheit 12 ist ein Funktionsmittel, das die Zustandsdaten, die von der Zustandsbeobachtungseinheit 11 erfasst werden, und die Daten über ein Diagnoseergebnis, das von einer Zustandsvoraussageeinheit 15 (später beschrieben) vorausgesagt wird, speichert, und das die gespeicherten Zustandsdaten und die Daten über das Diagnoseergebnis ansprechend auf eine externe Anfrage ausgibt. Die von der Zustandsdaten-Speichereinheit 12 gespeicherten Zustandsdaten werden als Satz von Zustandsdaten gespeichert, die für jeden Spritzgießvorgang oder in jedem vorgegebenen Zeitraum erzeugt werden. Ferner werden alle Zustandsdaten für jede Spritzgießmaschine gespeichert.
-
Eine Zustandslerneinheit 13, eine Lernergebnis-Speichereinheit 14 und die Zustandsvoraussageeinheit 15 sind Funktionsmittel, die einen wesentlichen Teil der überwachten Maschinenlernvorrichtung darstellen.
-
Die Zustandslerneinheit 13 führt überwachtes Lernen basierend auf den Zustandsdaten durch, die von der Zustandsbeobachtungseinheit 11 erhalten werden, und den Zustandsdaten, die in der Zustandsdaten-Speichereinheit 12 gespeichert sind, und speichert das Ergebnis des Lernens in der Lernergebnis-Speichereinheit 14. Die Zustandslerneinheit 13 der vorliegenden Ausführungsform beschleunigt das überwachte Lernen mit dem Auftreten eines Alarms oder dem Auftreten eines Fehlers in den Zustandsdaten, von welchen angenommen wird, dass sie die Zielvariable sind, und mit den anderen Zustandsdaten als Lehrdaten. Wenn die Regressionsgleichung für das Voraussagemodell verwendet wird, als Beispiel des Lernens, kann sie für jede Art von Alarm oder für jede Art von Fehler vorgesehen sein. Wenn eine Stützvektormaschine (SVM), das Verfahren des neuralen Netzes oder der Entscheidungsbaum verwendet wird, kann des Weiteren ein Klassierer für jede Art von Alarm oder jede Art von Fehler vorgesehen sein. Die Vielzahl von Spritzgießmaschinen kann zusammen für das Lernen verwendet werden, oder ansonsten kann das Lernen separat für eine bestimmte Spritzgießmaschine durchgeführt werden.
-
Beim Lernen wird angenommen, dass ein Satz aus den Zustandsdaten für jeden Start des Spritzgießvorgangs und eines Alarm- oder Fehlerzustands die Lehrdaten sind. In diesem Fall kann die Möglichkeit eines Alarms oder Fehlers für jeden Spritzgießvorgang basierend auf dem Ergebnis des Lernens vorausgesagt werden. Alternativ dazu können die Lehrdaten so ausgestaltet sein, dass eine Zustandsvariable basierend auf den Zustandsdaten zu einem bestimmten Zeitpunkt t eingestellt wird, und das Auftreten eines Alarms oder Fehlers in den Zustandsdaten zu einem Zeitpunkt (t + a) nach einer vorgegebenen Zeitspanne α wird als Zielvariable angenommen. In diesem Fall kann die Möglichkeit eines Alarms oder Fehlers nach dem Ablauf der vorgegebenen Zeitspanne α bei der Spritzgießmaschine in einem bestimmten Zustand basierend auf dem Ergebnis des Lernens vorausgesagt werden.
-
Die Lernergebnis-Speichereinheit 14 ist ein Funktionsmittel zum Speichern des Ergebnisses des Lernens durch die Zustandslerneinheit 13 basierend auf den Lehrdaten. Die Lernergebnis-Speichereinheit 14 gibt das Ergebnis des Lernens aus, das ansprechend auf eine externe Anfrage gespeichert wird. Durch diese Funktion kann das von der Lernergebnis-Speichereinheit 14 gespeicherte Lernergebnis auch auf eine andere Fehlerursache-Diagnosevorrichtung oder dergleichen angewandt werden.
-
Basierend auf dem in der Lernergebnis-Speichereinheit 14 gespeicherten Lernergebnis sagt die Zustandsvoraussageeinheit 15 das Auftreten eines Alarms oder Fehlers unter Verwendung der entsprechenden Zustandsdaten der Spritzgießmaschinen 1a bis 1c voraus, die von der Zustandsbeobachtungseinheit 11 erhalten werden.
-
Wenn das Auftreten eines Alarms oder Fehlers vorausgesagt wird, oder wenn ein Alarm oder Fehler tatsächlich verursacht wird, schätzt ferner die Zustandsvoraussageeinheit 15 den Zustandsvariablenverursacher des Auftretens des Alarms oder des Fehlers, und berechnet einen Anpassungswert für die Aufhebung des Auftretens des Alarms oder des Fehlers in Bezug auf den Wert der geschätzten Zustandsvariablen.
-
In einem möglichen Verfahren zur Einschätzung des Zustandsvariablenverursachers des Auftretens des Alarms oder Fehlers werden frühere Daten, die in der Zustandsdaten-Speichereinheit 12 gespeichert sind, statistisch verarbeitet, und die Korrelation zwischen den entsprechenden Zustandsvariablen und dem Auftreten des Alarms oder Fehlers (Zielvariable) wird analysiert. Das Maschinenlernen oder ein herkömmliches statistisches Verfahren können für die Analyse der Korrelation verwendet werden. Wenn die Korrelation zwischen den Zustandsvariablen und der Zielvariablen analysiert wird, wenn es eine Korrelation zwischen bestimmten Zustandsvariablen gibt, kann angenommen werden, dass eine Vielzahl von Zustandsvariablen eine Fehlerursache verursacht (eine Vielzahl von Zustandsvariablen mit demselben Grad an Korrelation kann extrahiert werden). Wenn es eine Korrelation zwischen den Zustandsvariablen gibt, sollte, um eine derartige Situation zu überwinden, die Korrelation zwischen den Zustandsvariablen lediglich zuvor erfasst werden, so dass eine Zustandsvariable, die angepasst werden soll, basierend auf der erfassten Korrelation erkannt werden kann. Beispielsweise können eine zu hohe Einspritzgeschwindigkeit und der resultierende hohe Druck manchmal jeweils primäre oder sekundäre Ursachen sein. In diesem Fall ist es lediglich notwendig, dass das Verhältnis zwischen der Einspritzgeschwindigkeit und dem Druck im Voraus durch das Maschinenlernen erfasst wird, so dass die Einspritzgeschwindigkeit als primäre Ursache und der Druck als sekundäre Ursache erkannt werden können.
-
Ein heuristisches Verfahren kann ein weiteres mögliches Verfahren zur Einschätzung des Zustandsvariablenverursachers des Auftretens des Alarms oder des Fehlers sein. Eine Heuristik für das Auftreten eines jeden Alarms oder Fehlers kann im Voraus erfasst werden, so dass der Zustandsvariablenverursacher der Fehlerursache gemäß der erfassten Heuristik erkannt werden kann, wenn das Auftreten eines Alarms oder Fehlers vorausgesagt wird. Die Heuristik kann beispielsweise wie folgt aussehen: „die Einspritzgeschwindigkeit ist eine Ursache, wenn sie einer Schwelle entspricht oder höher als diese ist, wenn ein Druckalarm vorausgesagt wird“. Die Heuristik dieser Art kann automatisch von dem Maschinenlernen erfasst werden oder zuvor von einem ausgebildeten Bediener oder dergleichen erfasst worden sein. Auf diese Weise kann die Zustandsvariable erkannt werden, die verursachend ist, wenn das Auftreten eines Alarms oder Fehlers vorausgesagt wird.
-
Ferner passt die Zustandsvoraussageeinheit 15 den Wert der Zustandsvariablen, von welchem angenommen wird, dass er die Ursache für das Auftreten eines Alarms oder Fehlers ist, an den Wert zur Aufhebung des Auftretens des Alarms oder des Fehlers an, wenn das Auftreten des Alarms oder des Fehlers vorausgesagt wird, oder wenn der Alarm oder der Fehler tatsächlich verursacht wird.
-
In einem Verfahren zur Anpassung des Werts der Zustandsvariablen, die für die Ursache gehalten wird, wird der Wert der Zustandsvariablen, die für die Ursache des Auftretens des Alarms oder des Fehlers gehalten wird, innerhalb eines vorgegebenen Bereichs verändert, und das Auftreten des Alarms oder Fehlers basierend auf dem Lernergebnis, das in der Lernergebnis-Speichereinheit 14 gespeichert ist, wird vorläufig unter Verwendung des angepassten Werts der Zustandsvariablen vorausgesagt. Wenn vorausgesagt wird, dass weder der Alarm noch der Fehler als Ergebnis der vorläufigen Voraussage verursacht wird, wird angenommen, dass der angepasste Wert der Zustandsvariablen der angepasste Wert ist. Wenn vorausgesagt wird, dass der Alarm oder der Fehler als Ergebnis der vorläufigen Voraussage verursacht wird, wird die Zustandsvariable erneut angepasst, und diese Verarbeitung wird wiederholt, so dass der Alarm oder der Fehler nicht mehr in der vorläufigen Voraussage auftritt. Bei der Anpassung von Zustandsvariablen ist es lediglich notwendig, dass die Richtung (positiv oder negativ) der Anpassung, jeder Anpassungsbereich, und dergleichen, im Voraus für jede Art von Zustandsvariable definiert wird, so dass der Zustandsvariablenverursacher des Alarms oder Fehlers, der aufgetreten ist oder von welchem erwartet wird, dass er auftritt, angepasst werden kann.
-
Ferner gibt die Zustandsvoraussageeinheit 15 Informationen über die Spritzgießmaschine, von welchen vorausgesagt wird, dass sie dem Auftreten eines Alarms oder Fehlers unterliegen, den Zustandsvariablenverursacher des vorausgesagten Auftretens des Alarms oder Fehlers und den angepassten Wert der Verursacher-Zustandsvariablen an eine Voraussageergebnis-Ausgabeeinheit 16 aus.
-
Die Voraussageergebnis-Ausgabeeinheit 16 gibt die Informationsausgabe von der Zustandsvoraussageeinheit 15 an den Bediener aus. Die Voraussageergebnis-Ausgabeeinheit 16 kann dazu ausgestaltet sein, zu verursachen, dass eine Anzeigevorrichtung (nicht dargestellt) der Fehlerursache-Diagnosevorrichtung die Informationsausgabe aus der Zustandsvoraussageeinheit 15 anzeigt oder die Informationen an eine zentralisierte Steuervorrichtung (nicht dargestellt) ausgibt, die über ein Netz verbunden ist. Ferner kann die Voraussage des Auftretens eines Alarms oder Fehlers durch die Zustandsvoraussageeinheit 15 durch ein akustisches oder optisches Mittel angekündigt werden.
-
Die Fehlerursache-Diagnosevorrichtung 10 der vorliegenden Erfindung kann als Teil einer Steuerung für eine Spritzgießmaschine oder als Vorrichtung für die Spritzgießmaschine ausgebildet sein, die getrennt von der Steuerung ist. In diesem Fall kann die Fehlerursache-Diagnosevorrichtung 10 als Teil einer Verwaltungsvorrichtung ausgebildet sein, die beispielsweise eine Vielzahl von Spritzgießmaschinen verwaltet. Ferner können die Zustandsdaten über die individuellen Spritzgießmaschinen, die von der Fehlerursache-Diagnosevorrichtung 10 erhalten werden und in der Zustandsdaten-Speichereinheit 12 gespeichert sind, als Daten verwaltet werden, die den Spritzgießmaschinen gemein sind.
-
Ferner kann eine Struktur, die der Maschinenlernvorrichtung der Fehlerursache-Diagnosevorrichtung 10 entspricht, so ausgestaltet sein, dass sie von der Fehlerursache-Diagnosevorrichtung 10 entfernbar ist. Ferner können die Maschinenlernvorrichtungen, die das Lernen fertiggestellt haben, in Serie produziert werden, indem das Lernergebnis, das in der Lernergebnis-Speichereinheit 14 einer jeden Maschinenlernvorrichtung gespeichert ist, die das Lernen fertiggestellt hat, und die Zustandsdaten, die in der Zustandsdaten-Speichereinheit 12 gespeichert sind, abgerufen werden und in einer weiteren Maschinenlernvorrichtung gespeichert werden.
-
Während eine Ausführungsform der vorliegenden Erfindung hierin beschrieben wurde, ist die Erfindung nicht auf die zuvor beschriebene Ausführungsform beschränkt und kann entsprechend modifiziert und in unterschiedlichen Formen dargestellt werden.
