JP2019091285A - 異常予兆報知システム、異常予兆報知方法及びプログラム - Google Patents

異常予兆報知システム、異常予兆報知方法及びプログラム Download PDF

Info

Publication number
JP2019091285A
JP2019091285A JP2017220039A JP2017220039A JP2019091285A JP 2019091285 A JP2019091285 A JP 2019091285A JP 2017220039 A JP2017220039 A JP 2017220039A JP 2017220039 A JP2017220039 A JP 2017220039A JP 2019091285 A JP2019091285 A JP 2019091285A
Authority
JP
Japan
Prior art keywords
abnormal
data
abnormality
sign
robot
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.)
Granted
Application number
JP2017220039A
Other languages
English (en)
Other versions
JP7043801B2 (ja
Inventor
駿 佐藤
Shun Sato
駿 佐藤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Toyota Motor Corp filed Critical Toyota Motor Corp
Priority to JP2017220039A priority Critical patent/JP7043801B2/ja
Priority to US16/185,593 priority patent/US11340140B2/en
Priority to CN201811346401.7A priority patent/CN109933020A/zh
Publication of JP2019091285A publication Critical patent/JP2019091285A/ja
Application granted granted Critical
Publication of JP7043801B2 publication Critical patent/JP7043801B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/04—Bearings

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Manipulator (AREA)
  • General Factory Administration (AREA)

Abstract

【課題】適切なタイミングで機器の異常予兆を報知することが可能な異常予兆報知システムを提供する。【解決手段】データ格納部２１２は、少なくとも過去に異常が発生したロボットの動作状態データに対応する複数の異常データを、環境情報及び使用態様情報と対応付けて格納する。異常データ選択部２１８は、対象ロボットの環境情報と、対象ロボットの使用態様情報とに基づいて、データ格納部２１２によって格納された複数の異常データの中から１つ以上の異常データを絞り込んで選択する。タイミング設定部２２０は、選択された異常データと、対象ロボットの、選択された異常データに対応する動作状態データとに基づいて、異常予兆を報知するタイミングを設定する。報知部１２６は、タイミング設定部２２０によって設定されたタイミングで、対象ロボットに関する異常予兆を報知する。【選択図】図２

Description

本発明は、異常予兆報知システム、異常予兆報知方法及びプログラムに関し、特に、機器の異常発生の予兆を報知する異常予兆報知システム、異常予兆報知方法及びプログラムに関する。
産業用ロボット等の機器を用いて、車体等の加工工場において、溶接及び塗装等の予め定められた作業が行われる。機器は、モータ及び減速機等を用いて所定の動作を行う。このような機器においては、モータ又は減速機等の劣化により機器に異常が発生して機器が正常に動作しなくなるおそれがある。したがって、機器が正常に動作しなくなる前に、機器の異常を診断し、機器の異常発生の予兆である異常予兆を報知することが望まれる。
上記の技術に関連し、特許文献１は、機器又は設備の出力する時系列のイベント情報に基づいて異常の発生を予測するアラーム予測装置を開示する。特許文献１にかかるアラーム予測装置は、イベント情報と予め記憶された予測モデルとを比較することで、機器のアラームを通知する。
特開２０１６−２１２６４２号公報
機器の使用環境及び機器の使用態様に応じて、機器を構成する部品の劣化の進行具合が異なる可能性がある。したがって、機器の使用環境及び機器の使用態様を考慮しなければ、適切なタイミングで機器の異常予兆を報知することができないおそれがある。ここで、特許文献１にかかる方法のように、予め記憶されたデータを用いて異常の予兆を診断する場合、機器の使用環境及び機器の使用態様が考慮されていないので、適切なタイミングで機器の異常予兆を報知することが困難であるおそれがある。
本発明は、適切なタイミングで機器の異常予兆を報知することが可能な異常予兆報知システム、異常予兆報知方法及びプログラムを提供するものである。
本発明にかかる異常予兆報知システムは、機器の異常発生の予兆である異常予兆を報知する異常予兆報知システムであって、複数の前記機器に関する、時系列に沿った動作状態を示す動作状態データを取得する動作状態取得部と、少なくとも過去に異常が発生した機器の前記動作状態データに対応する複数の異常データを、前記機器の使用されていた環境を示す環境情報及び前記機器の使用態様を示す使用態様情報と対応付けて格納するデータ格納部と、前記機器のうち異常予兆の報知対象である対象機器の前記環境情報と、前記対象機器の前記使用態様情報とに基づいて、前記データ格納部によって格納された前記複数の異常データの中から１つ以上の異常データを絞り込んで選択する異常データ選択部と、前記選択された異常データと、前記対象機器の前記選択された異常データに対応する前記動作状態データとに基づいて、異常予兆を報知するタイミングを設定するタイミング設定部と、前記タイミング設定部によって設定されたタイミングで、前記対象機器に関する異常予兆を報知する報知部とを有する。
また、本発明にかかる異常予兆報知方法は、機器の異常発生の予兆である異常予兆を報知する異常予兆報知方法であって、複数の前記機器に関する、時系列に沿った動作状態を示す動作状態データを取得するステップと、少なくとも過去に異常が発生した機器の前記動作状態データに対応する複数の異常データを、前記機器の使用されていた環境を示す環境情報及び前記機器の使用態様を示す使用態様情報と対応付けて格納するステップと、前記機器のうち異常予兆の報知対象である対象機器の前記環境情報と、前記対象機器の前記使用態様情報とに基づいて、前記格納するステップで格納された前記複数の異常データの中から１つ以上の異常データを絞り込んで選択するステップと、前記選択された異常データと、前記対象機器の前記選択された異常データに対応する前記動作状態データとに基づいて、異常予兆を報知するタイミングを設定するステップと、前記設定されたタイミングで、前記対象機器に関する異常予兆を報知するステップとを有する。
また、本発明にかかるプログラムは、機器の異常発生の予兆である異常予兆を報知する異常予兆報知方法を実行するプログラムであって、複数の前記機器に関する、時系列に沿った動作状態を示す動作状態データを取得するステップと、少なくとも過去に異常が発生した機器の前記動作状態データに対応する複数の異常データを、前記機器の使用されていた環境を示す環境情報及び前記機器の使用態様を示す使用態様情報と対応付けて格納するステップと、前記機器のうち異常予兆の報知対象である対象機器の前記環境情報と、前記対象機器の前記使用態様情報とに基づいて、前記格納するステップで格納された前記複数の異常データの中から１つ以上の異常データを絞り込んで選択するステップと、前記選択された異常データと、前記対象機器の前記選択された異常データに対応する前記動作状態データとに基づいて、異常予兆を報知するタイミングを設定するステップと、前記設定されたタイミングで、前記対象機器に関する異常予兆を報知するステップとをコンピュータに実行させる。
本発明は、上記のように構成されているので、膨大な異常データから、より適切に、異常予兆の報知のタイミングを設定するための異常データを選択することができる。また、本発明は、上記のように構成されているので、異常予兆の「見逃し」及び「過剰検出」の発生を抑制することが可能となる。したがって、本発明にかかる異常予兆報知システムは、より適切なタイミングで、異常予兆の報知を行うことが可能となる。
また、好ましくは、前記タイミング設定部は、前記選択された異常データと前記対象機器の前記動作状態データとの相関に基づいて、前記動作状態データに関する閾値を設定し、前記報知部は、前記対象機器の前記動作状態データが前記閾値を超えたときに、前記異常予兆を報知する。
このように構成されることによって、異常予兆の報知のタイミングに関する閾値を自動で設定することができる。これにより、異常予兆の「見逃し」及び「過剰検出」の発生を抑制することが可能となる。したがって、本発明にかかる異常予兆報知システムは、より適切なタイミングで、異常予兆の報知を行うことが可能となる。
また、好ましくは、前記タイミング設定部は、前記対象機器の複数の前記動作状態データと複数の前記選択された異常データとの相関に基づいて、前記閾値を設定するための少なくとも１つの前記異常データを判定し、前記判定された異常データにおいて異常が発生した時点よりも所定期間前の時点における前記異常データの値を、前記閾値として設定する。
このように構成されることによって、より適切に閾値を設定することが可能となる。
また、好ましくは、前記異常データそれぞれに異常モードを対応付ける異常モード設定部をさらに有し、前記タイミング設定部は、前記対象機器の前記動作状態データと前記選択された異常データとの相関に基づいて、前記対象機器について発生し得ると予測される異常モードを判定する。
このように構成されることによって、対象ロボットに将来発生すると予測される異常モードを判定することが可能となる。これにより、ユーザは、対象機器にどのような異常モードが発生するかを予測することができる。
また、好ましくは、前記機器は、複数の加工工程を有する工場において前記複数の加工工程それぞれで動作し、前記タイミング設定部は、複数の加工工程のうちの第１の工程と第２の工程とで使用される前記機器の機種が同じであり、前記機器に発生する異常モードが前記第１の工程と前記第２の工程とで同じ場合に、前記第１の工程における前記使用態様と前記第２の工程における前記使用態様とに基づいて、前記異常予兆を報知するタイミングが異なるように、前記タイミングを設定する。
このように構成されることによって、より厳しい条件で使用される工程で使用される機器に関する異常予兆を、早いタイミングで報知するように構成されている。これにより、より厳しい条件で使用される工程であっても、異常が発生する前に、異常予兆の段階で、より確実に、報知を行うことが可能となる。
また、本発明にかかる第２の異常予兆報知システムは、複数の加工工程を有する工場において前記複数の加工工程それぞれで使用される機器の異常発生の予兆である異常予兆を報知する異常予兆報知システムであって、前記異常予兆報知システムは、異常予兆の報知対象の機器である対象機器に関する異常予兆を報知する報知部を有し、前記複数の加工工程は、第１の工程と、前記機器のブレーキの動作回数が前記第１の工程よりも多い第２の工程とを有し、前記報知部は、前記第１の工程と前記第２の工程とで使用される前記機器の機種が同じであり、前記機器に発生する異常モードが前記第１の工程と前記第２の工程とで同じ場合に、前記第２の工程で使用される前記機器に関する異常予兆を、前記第１の工程で使用される前記機器に関する異常予兆よりも早いタイミングで報知する。
本発明は、上記のように構成されているので、ブレーキの動作回数が多い工程で使用される機器に関する異常予兆を、早いタイミングで報知するように構成されている。これにより、ブレーキの動作回数が多い工程であっても、異常が発生する前に、異常予兆の段階で、より確実に、報知を行うことが可能となる。
また、本発明にかかる第３の異常予兆報知システムは、複数の加工工程を有する工場において前記複数の加工工程それぞれで使用される機器の異常発生の予兆である異常予兆を報知する異常予兆報知システムであって、前記異常予兆報知システムは、異常予兆の報知対象の機器である対象機器に関する異常予兆を報知する報知部を有し、前記複数の加工工程は、第１の工程と、前記機器の往復動作回数が前記第１の工程よりも多い第２の工程とを有し、前記報知部は、前記第１の工程と前記第２の工程とで使用される前記機器の機種が同じであり、前記機器に発生する異常モードが前記第１の工程と前記第２の工程とで同じ場合に、前記第２の工程で使用される前記機器に関する異常予兆を、前記第１の工程で使用される前記機器に関する異常予兆よりも早いタイミングで報知する。
本発明は、上記のように構成されているので、往復動作回数が多い工程で使用される機器に関する異常予兆を、早いタイミングで報知するように構成されている。これにより、往復動作回数が多い工程であっても、異常が発生する前に、異常予兆の段階で、より確実に、報知を行うことが可能となる。
本発明によれば、適切なタイミングで機器の異常予兆を報知することが可能な異常予兆報知システム、異常予兆報知方法及びプログラムを提供できる。
実施の形態１にかかる異常予兆報知システムを示す図である。 実施の形態１にかかる異常予兆報知システムの各装置の構成を示す機能ブロック図である。 実施の形態１にかかる異常予兆報知システムによって実行される異常予兆報知方法を示すフローチャートである。 実施の形態１にかかる、異常データの絞り込みを説明するための図である。 実施の形態１にかかる、現在データと異常データとの相関係数の算出について説明するための図である。 実施の形態１にかかる、現在データと異常データとの相関係数の算出について説明するための図である。 実施の形態１にかかる異常データ判定部によってなされた、異常データの順位付けを例示する図である。 実施の形態１にかかる閾値設定方法を説明するための図である。 現在データについて閾値が設定された状態を示す図である。 予め定められた閾値を用いて異常予兆の報知を行う場合の問題点を説明するための図である。 予め定められた閾値を用いて異常予兆の報知を行う場合の問題点を説明するための図である。 実施の形態１にかかる異常予兆報知システムが、工場に適用された例を示す図である。 実施の形態１にかかる異常予兆報知システムが、工場に適用された例を示す図である。 ロボットの機種が同じであっても使用環境及び使用態様によって異常の進行度が異なることを例示する図である。 ロボットの機種が同じであっても使用環境及び使用態様によって異常の進行度が異なることを例示する図である。 ロボットの機種が同じであっても使用環境及び使用態様によって異常の進行度が異なることを例示する図である。
（実施の形態１）
以下、図面を参照して本発明の実施の形態について説明する。
図１は、実施の形態１にかかる異常予兆報知システム１を示す図である。また、図２は、実施の形態１にかかる異常予兆報知システム１の各装置の構成を示す機能ブロック図である。異常予兆報知システム１は、複数のロボット１０と、制御装置１００と、監視装置２００とを有する。異常予兆報知システム１は、例えば、複数の加工工程を有する工場に設けられている。そして、異常予兆報知システム１は、複数の加工工程それぞれで使用されるロボット１０（機器）の異常発生の予兆を報知するように構成されている。
ロボット１０は、例えば、産業用ロボット等の機器である。制御装置１００は、複数のロボット１０ごとに設けられていてもよい。監視装置２００は、異常予兆報知システム１に少なくとも１つ設けられていればよい。制御装置１００は、例えば、ロボット１０と有線又は無線を介して通信可能に接続されている。また、監視装置２００は、例えば、制御装置１００と有線又は無線を介して通信可能に接続されている。制御装置１００は、対応するロボット１０の動作を制御するために必要な処理を行う。監視装置２００は、複数のロボット１０それぞれの異常の診断に必要な処理を行う。また、監視装置２００は、過去に故障等の異常が発生したロボット１０に関するデータを格納する。
ロボット１０は、例えば、車両の製造ラインの近傍等に設置されている。ロボット１０は、例えば、車両に対して溶接（例えばスポット溶接）、塗装（例えば中塗り又は上塗り）等の予め定められた作業を行うためのロボットである。ロボット１０は、１つ以上のアーム１２を有する。アーム１２は、１つ以上の関節１４を有する。関節１４は、モータ装置２０を有する。モータ装置２０は、関節１４を駆動するモータ２２と、モータ２２の動力を関節１４に伝達する減速機２４とを有する。また、モータ装置２０は、モータ２２の回転を制動するブレーキ２６を有する。さらに、モータ装置２０は、モータ２２の回転角度を検出するエンコーダ２８を有する。制御装置１００は、モータ２２及びブレーキ２６の動作を制御することで、関節１４を動作させる。これにより、ロボット１０は、所望の動作を行うように構成されている。つまり、ロボット１０は、関節１４を駆動させて動作する関節駆動ロボットである。
制御装置１００は、例えばコンピュータとしての機能を有する。制御装置１００は、ロボット１０の内部に搭載されてもよいし、ロボット１０と有線又は無線を介して通信可能に接続されてもよい。制御装置１００は、ロボット１０の近傍に設置された制御盤又は操作盤であってもよい。制御装置１００は、ハードウェアとして、ＣＰＵ（Central Processing Unit）１０１、ＲＯＭ（Read Only Memory）１０２、ＲＡＭ（Random Access Memory）１０３、Ｉ／Ｏ（Input/Output）１０４及びＵＩ（User Interface）１０５を有する。
ＣＰＵ１０１は、制御処理及び演算処理等を行う処理デバイスとしての機能を有する。ＲＯＭ１０２は、ＣＰＵ１０１によって実行される制御プログラム及び演算プログラム等を記憶するための機能を有する。ＲＡＭ１０３は、処理データ等を一時的に記憶するための機能を有する。Ｉ／Ｏ１０４は、入出力装置であり、ロボット１０又は監視装置２００等の外部からデータ及び信号を入力し、外部にデータ及び信号を出力する。ＵＩ１０５は、例えばキーボード等の入力デバイスと、例えばディスプレイ等の出力デバイスとから構成される。なお、ＵＩ１０５は、入力デバイスと出力デバイスとが一体となったタッチパネルとして構成されてもよい。また、ＵＩ１０５は、制御盤等で構成された制御装置１００から物理的に独立し、制御装置１００のＣＰＵ１０１等と有線又は無線で接続されたリモコンであってもよい。なお、ＲＯＭ１０２は、ロボット１０を制御するための動作プログラム（ティーチングデータ）を格納できるように構成されている。
監視装置２００は、例えばコンピュータとしての機能を有する。監視装置２００は、例えば、異常予兆報知システム１が設けられた工場の中央監視室等に設置され得る。監視装置２００は、ハードウェアとして、ＣＰＵ２０１、ＲＯＭ２０２、ＲＡＭ２０３、Ｉ／Ｏ２０４及びＵＩ２０５を有する。
ＣＰＵ２０１は、制御処理及び演算処理等を行う処理デバイスとしての機能を有する。ＲＯＭ２０２は、ＣＰＵ２０１によって実行される制御プログラム及び演算プログラム等を記憶するための機能を有する。ＲＡＭ２０３は、処理データ等を一時的に記憶するための機能を有する。Ｉ／Ｏ２０４は、入出力装置であり、制御装置１００等の外部からデータ及び信号を入力し、外部にデータ及び信号を出力する。ＵＩ２０５は、例えばキーボード等の入力デバイスと、例えばディスプレイ等の出力デバイスとから構成される。なお、ＵＩ２０５は、入力デバイスと出力デバイスとが一体となったタッチパネルとして構成されてもよい。
図２に示すように、制御装置１００は、ロボット制御部１１０、データ取得部１１２、データ処理部１２０、データ記録部１２２、予兆判定部１２４、及び報知部１２６を有する。データ取得部１１２は、計測データ取得部１１４と、環境情報取得部１１６と、使用態様取得部１１８とを有する。なお、図２に示した制御装置１００の各構成要素は、ＣＰＵ１０１がＲＯＭ１０２に記憶されたプログラムを実行することによって実現可能である。また、制御装置１００は、必要なプログラムを任意の不揮発性記録媒体に記録しておき、必要に応じてそのプログラムをインストールするようにしてもよい。なお、図２に示した制御装置１００の各構成要素は、上記のようにソフトウェアによって実現されることに限定されず、何らかの回路素子等のハードウェアによって実現されてもよい。
また、図２に示した制御装置１００の各構成要素の１つ以上は、制御装置１００とは別の装置によって実現されてもよい。例えば、データ記録部１２２、予兆判定部１２４、及び報知部１２６は、制御装置１００とは別の装置（例えば監視装置２００）によって実現されてもよい。つまり、ロボット１０の制御を行い、必要なデータ及び情報を取得する装置と、ロボット１０の異常を診断する装置とは、物理的に別の装置であってもよい。
図２に示すように、監視装置２００は、データ格納部２１２、異常モード設定部２１４、データ処理部２１６、異常データ選択部２１８、及びタイミング設定部２２０を有する。タイミング設定部２２０は、相関係数算出部２２２と、異常データ判定部２２４と、異常モード判定部２２６と、閾値設定部２２８とを有する。なお、図２に示した監視装置２００の各構成要素は、ＣＰＵ２０１がＲＯＭ２０２に記憶されたプログラムを実行することによって実現可能である。また、制御装置１００と同様に、監視装置２００は、必要なプログラムを任意の不揮発性記録媒体に記録しておき、必要に応じてそのプログラムをインストールするようにしてもよい。なお、制御装置１００と同様に、図２に示した監視装置２００の各構成要素は、上記のようにソフトウェアによって実現されることに限定されず、何らかの回路素子等のハードウェアによって実現されてもよい。また、図２に示した監視装置２００の各構成要素の１つ以上は、監視装置２００とは別の装置（例えば制御装置１００）によって実現されてもよい。
次に、図２に示した制御装置１００の各構成要素について説明する。
ロボット制御部１１０は、ロボット１０の動作を制御する。ロボット制御部１１０は、ＲＯＭ１０２に格納された動作プログラムに従って、ロボット１０を制御してもよい。具体的には、ロボット制御部１１０は、ロボット１０のモータ装置２０の動作を制御する。つまり、ロボット制御部１１０は、モータ装置２０のモータ２２及びブレーキ２６を制御する。さらに具体的には、ロボット制御部１１０は、制御値（指令値）である指令電流値を示す指令電流をモータ２２に送信して、モータ２２を動作させる。また、ロボット制御部１１０は、エンコーダ２８から、モータ２２の回転角度を示すエンコーダ値を受信する。ロボット制御部１１０は、エンコーダ値が示す回転角度を用いて、フィードバック制御等により、ロボット１０の関節１４が所定の動作を行うように、モータ２２を回転させてもよい。さらに、ロボット制御部１１０は、ブレーキ信号（ブレーキ開放信号）をブレーキ２６に送信し、ブレーキ２６を開放させる。
データ取得部１１２は、モータ装置２０（モータ２２）から、ロボット１０に関するデータ（情報）であるロボット情報を取得する。このとき、データ取得部１１２は、ロボット１０の識別情報とともに、ロボット情報を取得してもよい。データ取得部１１２は、取得されたロボット情報を、監視装置２００に送信する。ロボット情報は、ロボット１０の識別情報と、計測データと、後述する環境情報及び使用態様情報とを含み得る。
計測データ取得部１１４は、モータ装置２０において計測された計測データを取得する。計測データは、ロボット１０（モータ装置２０）の動作状態を示す生データである。したがって、計測データ取得部１１４は、ロボット１０の動作状態を取得する動作状態取得部としての機能を有し得る。計測データは、例えば、指令電流値、ブレーキ信号、エンコーダ値である。しかしながら、計測データは、これらの値に限られない。例えば、計測データ取得部１１４は、モータ電流値を取得してもよい。
環境情報取得部１１６は、ロボット１０が使用される環境を示す環境情報を取得する。環境情報は、例えば、ロボット１０が使用されている周囲の温度である。環境情報取得部１１６は、例えば、エンコーダ２８からエンコーダ温度を取得することで、周囲の温度を取得し得る。なお、エンコーダ温度は、エンコーダ２８に設けられた温度センサ等によって計測され得る。なお、計測データ及び環境情報は、時系列に沿って取得される。例えば、計測データ及び環境情報は、数秒（例えば１０秒以内）ごとに計測され得る。計測データ及び環境情報は、計測値と、その計測値が計測された時間とを含む。ここで、「計測された時間」とは、ロボット１０の使用開始時点からの経過時間である。
使用態様取得部１１８は、制御装置１００の制御対象のロボット１０の使用態様を示す使用態様情報を取得する。なお、使用態様取得部１１８は、予め、使用態様情報を記憶しておいてもよい。ここで、使用態様とは、ロボット１０（及び対応する制御装置１００）がどのように使用されるかを示すものである。使用態様は、例えば、ロボット１０の機種（型番等）を含み得る。また、使用態様は、ロボット１０が使用される加工工程（溶接工程及び塗装工程等）を含み得る。また、使用態様は、工場におけるロボット１０の取付向きを含み得る。
データ処理部１２０は、計測データ取得部１１４によって取得された計測データを処理して、判定用データに変換する処理を行う。判定用データは、後述する異常予兆の判定に用いられるデータである。ここで、判定用データは、ロボット１０の動作状態を示す。つまり、データ処理部１２０は、ロボット１０の動作状態を取得する動作状態取得部としての機能を有し得る。計測データが時系列に沿って取得されるので、判定用データは、時系列に沿った動作状態を示している。判定用データは、例えば、平均指令電流値、最大電流値、標準偏差、振幅、吸引時間等であるが、これらに限られない。なお、以降、計測データと判定用データとを含む用語「動作状態データ」を用いることがある。
例えば、データ処理部１２０は、指令電流値を用いて、平均指令電流値、最大電流値、標準偏差及び振幅等を取得する。平均指令電流値は、例えば、ロボット１０の１サイクルの動作における指令電流値の平均値である。また、最大電流値は、例えば、ロボット１０の１サイクルの動作における指令電流値の最大値である。また、標準偏差は、例えば、指令電流値の平均値からのバラつきである。また、振幅は、指令電流値の振れ幅（１周期中の山谷差）である。なお、データ処理部１２０は、振幅の平均値（ロボット１０の１サイクルの動作における平均値）又は振幅の最大値（ロボット１０の１サイクルの動作における最大値）を取得してもよい。
平均指令電流値、最大電流値、標準偏差及び振幅は、モータ装置２０のベアリング又はギア（減速機２４）の劣化の進行に応じて大きくなる傾向がある。したがって、平均指令電流値、最大電流値、標準偏差及び振幅は、ベアリング又はギアに関する異常モードの予兆を判定するのに使用され得る。
また、データ処理部１２０は、エンコーダ値を用いて、モータ回転速度を取得する。モータ回転速度は、エンコーダ値（回転角度）の変化量から、算出され得る。ここで、データ処理部１２０は、モータ回転速度が略一定（回転速度の振れ幅が一定範囲以内）であるときの指令電流値を用いて、平均指令電流値、最大電流値、標準偏差及び振幅等を取得してもよい。これにより、平均指令電流値、最大電流値、標準偏差及び振幅等から、モータ回転速度の変動による影響を除外できる。つまり、平均指令電流値、最大電流値、標準偏差及び振幅等が、ロボット１０の各部位の劣化の進行（異常の兆候）をより確実に示すこととなる。
また、データ処理部１２０は、ブレーキ信号から、吸引時間を取得する。吸引時間は、ブレーキ信号（ブレーキ開放信号）が送信されてから、実際にブレーキ２６が開放されて、ロボット１０の関節１４が動作可能となるまでの時間である。したがって、データ処理部１２０は、ブレーキ信号の発生時間と、実際にロボット１０が動作可能となった時間（例えばエンコーダ値の立ち上がり時間又はモータ電流値の立ち上がり時間）との差分を、吸引時間としてもよい。吸引時間は、ブレーキ２６のディスクが摩耗すると長くなる傾向がある。したがって、吸引時間は、ブレーキに関する異常モードの予兆を判定するのに使用され得る。
データ記録部１２２は、データ処理部１２０によって取得された動作状態データ（判定用データ）を格納する。ここで、データ記録部１２２は、動作状態データを、時系列に沿った波形で表した状態で記録してもよい。なお、データ記録部１２２は、判定用データのみを記録してもよい。
予兆判定部１２４は、ロボット１０の異常発生の予兆を判定する。つまり、予兆判定部１２４は、ロボット１０に何らかの異常が近いうち（３０日等の、予め定められた期間内）に発生する可能性があるか否かを判定する。具体的には、予兆判定部１２４は、動作状態データ（判定用データ）の１つ以上が、閾値設定部２２８によって設定された閾値を超えた場合に、ロボット１０に異常発生の予兆があると判定する。詳しくは後述する。なお、以下、異常予兆の判定の対象となるロボット１０（つまり、異常予兆の報知対象のロボット１０）を、対象ロボット（対象機器）と称することがある。
報知部１２６は、予兆判定部１２４によって、ロボット１０に異常発生の予兆があると判定された場合に、ロボット１０の異常予兆を報知する。報知部１２６は、例えば、スピーカ等のＵＩ１０５を制御してアラーム音を発生させることで、異常予兆を報知してもよい。また、報知部１２６は、例えば、ディスプレイ等のＵＩ１０５を制御してアラームを視覚的に表示することで、異常予兆を報知してもよい。
次に、図２に示した監視装置２００の各構成要素について説明する。
データ格納部２１２は、制御装置１００のデータ取得部１１２からロボット情報を取得して格納する。特に、データ格納部２１２は、故障又は動作不良等の異常が発生したロボット１０に関するロボット情報を格納する。
異常モード設定部２１４は、あるロボット１０に異常が発生した場合に、そのロボット１０に関するロボット情報に、異常の種類（どの部材にどのような異常が発生したか等）を示す異常モード（故障モード）を対応付ける。これにより、データ格納部２１２に格納された、異常が発生したロボット１０に関するロボット情報は、異常モードを示す情報（異常モード情報）が含まれることとなる。
なお、以下、異常が発生したロボット１０に関するロボット情報を、異常ロボット情報と称することがある。異常ロボット情報は、ロボット１０の識別情報と、異常モード情報と、計測データと、環境情報及び使用態様情報とを含み得る。さらに、異常が発生したロボット１０に関する動作状態データを、「異常データ」と称することがある。つまり、異常データは、過去に異常が発生したロボット１０の動作状態を示す動作状態データに対応する。さらに、異常モード設定部２１４は、異常データそれぞれに異常モードを対応付けることとなる。
データ処理部２１６は、制御装置１００のデータ処理部１２０と実質的に同様の処理を行い得る。つまり、データ処理部２１６は、データ格納部２１２に格納された計測データを処理して、判定用データに変換する処理を行う。ここで、上述したように、判定用データは、ロボット１０の動作状態を示すので、データ処理部２１６は、ロボット１０の動作状態を取得する動作状態取得部としての機能を有し得る。
異常データ選択部２１８は、データ格納部２１２に格納された複数の異常データ（異常ロボット情報）から、対象ロボットと使用環境及び使用態様が類似したロボット１０に関する異常データを選択する。つまり、異常データ選択部２１８は、対象ロボットに関する環境情報と、対象ロボットに関する使用態様情報とに基づいて、１つ以上の異常データを絞り込んで選択する。詳しくは後述する。
タイミング設定部２２０は、異常データ選択部２１８によって選択された異常データと、選択された異常データに対応する、対象ロボットの動作状態データとに基づいて、異常予兆を報知するタイミングを設定する。具体的には、タイミング設定部２２０は、選択された異常データと対象ロボットの動作状態データとの相関に基づいて、動作状態データに関する閾値を設定する。詳しくは後述する。
相関係数算出部２２２は、異常データ選択部２１８によって選択された異常データと対象ロボットの動作状態データとの相関係数を算出する。異常データ判定部２２４は、相関係数が最大となる異常データを判定する。異常モード判定部２２６は、相関係数が最大となる異常データに関する異常モードを判定する。閾値設定部２２８は、異常データ判定部２２４によって判定された異常データにおいて、異常が発生した時点よりも所定期間前（Ｍ日前）の時点における異常データの値を、閾値として設定する。ここで、Ｍは１以上の整数（例えば３０（日前））である。なお、相関係数算出部２２２、異常データ判定部２２４、異常モード判定部２２６、及び閾値設定部２２８の具体的な処理については、後で詳述する。
図３は、実施の形態１にかかる異常予兆報知システム１によって実行される異常予兆報知方法を示すフローチャートである。異常予兆報知システム１は、図３に示された処理を、対象ロボットごとに、例えば、１日に１回行う。
制御装置１００は、ロボット情報を取得する（ステップＳ１０２）。具体的には、制御装置１００のデータ取得部１１２は、上述したように、対象ロボットのロボット情報（計測データ）を取得する。そして、制御装置１００は、計測データに対して必要な処理を行う（ステップＳ１０４）。具体的には、制御装置１００のデータ処理部１２０は、上述したように、対象ロボットの計測データを処理して判定用データを取得する。このとき、データ処理部１２０は、対象ロボットに関する判定用データを時系列で示す波形を生成してもよい。なお、対象ロボットの判定用データ（動作状態データ）を、過去に異常が発生したロボット１０に関する異常データと対比する目的で、現在稼働中（計測データを計測中）のロボット１０に関するデータという意味で「現在データ」と称することがある。
監視装置２００は、対象ロボットの使用態様及び使用環境に応じて、格納されている過去の異常データの絞り込みを行う（ステップＳ１１０）。具体的には、監視装置２００の異常データ選択部２１８は、環境情報取得部１１６から、対象ロボットに関する環境情報を取得する。また、異常データ選択部２１８は、使用態様取得部１１８から、対象ロボットに関する使用態様情報を取得する。異常データ選択部２１８は、取得された環境情報及び使用態様情報を用いて、データ格納部２１２に格納されている多数の異常データ（異常ロボット情報）から、後述する異常予兆の報知のタイミングの設定に必要な異常データ（異常ロボット情報）を絞り込む。
図４は、実施の形態１にかかる、異常データの絞り込みを説明するための図である。図４に示すように、データ格納部２１２は、多数の異常ロボット情報を格納している。各異常ロボット情報は、異常モード情報と、使用態様情報と、環境情報と、計測データとを含む。計測データは、上述したように、指令電流値、ブレーキ信号、エンコーダ値等のパラメータを含み得る。つまり、データ格納部２１２は、異常データ（異常が発生したロボット１０の動作状態データ）を、使用態様情報及び環境情報と対応付けて格納する。
異常データ選択部２１８は、対象ロボットに関する使用態様情報によって示される使用態様と同一の使用態様を示す使用態様情報を含み、対象ロボットに関する環境情報によって示される使用環境と同一又は類似の使用環境を示す環境情報を含む、異常ロボット情報を選択する。ここで、「同一又は類似の使用環境」について説明する。例えば、対象ロボットに関する時系列に沿った温度変化との相関係数が予め定められた値以上である温度変化を示す環境情報を、「同一又は類似の使用環境を示す環境情報」としてもよい。また、対象ロボットに関する温度の平均値と異常ロボット情報に関する温度の平均値との差が予め定められた値以下である場合に、その異常ロボット情報に関する環境情報を、「同一又は類似の使用環境を示す環境情報」としてもよい。例えば、対象ロボットの使用態様情報が「機種Ａ」及び「塗装工程」を示し、環境情報が「平均温度：５０度」を示す場合、異常データ選択部２１８は、データ格納部２１２から、「機種Ａ」及び「塗装工程」を示す使用態様情報と、「平均温度：５０度」の近傍の平均温度を示す環境情報とを含む異常ロボット情報を選択してもよい。
そして、データ処理部２１６は、異常データ選択部２１８によって選択された異常ロボット情報に含まれる計測データを、判定用データに変換する。以上の処理により、使用態様情報と環境情報とに基づいて、異常データが絞り込まれることとなる。
次に、監視装置２００は、現在データと異常データとの相関係数を算出する（ステップＳ１１２）。具体的には、相関係数算出部２２２は、現在データと異常データとの相関係数を算出する。そして、異常データ選択部２１８によって選択された全ての異常データ（異常モード）について相関係数を算出していない場合（ステップＳ１１４のＮＯ）、相関係数算出部２２２は、相関係数を算出していない異常データについて、相関係数を算出する。そして、異常データ選択部２１８によって選択された全ての異常データ（異常モード）について相関係数を算出した場合（ステップＳ１１４のＹＥＳ）、後述するＳ１１６の処理に進む。
図５及び図６は、実施の形態１にかかる、現在データと異常データとの相関係数の算出について説明するための図である。Ｓ１１０の処理において、図５に例示するように、異常データＡ，異常データＢ，異常データＣが選択されたとする。現在データは、複数の動作状態データ＃１〜＃Ｋ（Ｋは１以上の整数）を含む。動作状態データ＃１は、例えば、平均指令電流値であり、動作状態データ＃２は、例えば、最大電流値である。また、動作状態データ＃３は、例えば、標準偏差であり、動作状態データ＃４は、例えば、振幅である。また、動作状態データ＃５は、例えば、吸引時間である。また、各異常データも、現在データと同様に、複数の動作状態データ＃１〜＃Ｋを含む。
さらに、各異常データＡ，異常データＢ，異常データＣには、それぞれ、異常モードＡ，異常モードＢ，異常モードＣが対応付けられている。異常モードＡは、例えば、「モータベアリングのフレーキング」である。異常モードＢは、例えば、「減速機ギアの欠け」である。異常モードＣは、例えば、「モータベアリングの異物噛み込み」である。
相関係数算出部２２２は、図５の実線の矢印で示すように、現在データの動作状態データ＃１と異常データＡの動作状態データ＃１との相関係数を算出する。同様に、相関係数算出部２２２は、現在データの動作状態データ＃２〜＃Ｋのそれぞれと、異常データＡの動作状態データ＃２〜＃Ｋそれぞれとの相関係数を算出する。また、相関係数算出部２２２は、図５の破線の矢印で示すように、現在データの動作状態データ＃１〜＃Ｋのそれぞれと、異常データＢの動作状態データ＃１〜＃Ｋそれぞれとの相関係数を算出する。さらに、相関係数算出部２２２は、図５の一点鎖線の矢印で示すように、現在データの動作状態データ＃１〜＃Ｋのそれぞれと、異常データＣの動作状態データ＃１〜＃Ｋそれぞれとの相関係数を算出する。
図６の（Ａ）は、異常データを示す波形（異常データ波形）を示す。横軸は、この異常データに関する異常が発生したロボット１０の使用開始からの日数（経過時間）を示す。縦軸は、動作状態データの値（図６の例では平均指令電流値）を示す。また、図６の（Ｂ）は、現在データを示す波形（現在データ波形）を示す。横軸は、対象ロボットの使用開始からの日数（経過時間）を示す。縦軸は、動作状態データの値（図６の例では平均指令電流値）を示す。
相関係数算出部２２２は、対象ロボットの使用開始からの日数がＮ日である場合、異常データ及び現在データの、Ｎ日目から予め定められた日数Ｎ１だけ遡った（Ｎ−Ｎ１）日目までの期間Ａについて、相関係数を算出する。Ｎ１（期間Ａ）は、例えば１年（３６５日）であってもよいし、１か月（３０日）であってもよいし、これらの両方であってもよい。
全ての異常データ（異常モード）について相関係数が算出された場合（Ｓ１１４のＹＥＳ）、監視装置２００は、相関係数により、異常データ（動作状態データ）を順位付けする（ステップＳ１１６）。そして、監視装置２００は、相関係数が最大の異常データ（動作状態データ）を判定する（ステップＳ１１８）。さらに、監視装置２００は、判定された異常データに関する異常モードを判定する（ステップＳ１２０）。
具体的には、監視装置２００の異常データ判定部２２４は、図７に例示するように、相関係数の大きなものから順に、異常データ（動作状態データ）を順位付けする。そして、異常データ判定部２２４は、相関係数が最大の異常データ（動作状態データ）を、異常予兆の報知タイミングの設定に用いるデータと判定する。さらに、監視装置２００の異常モード判定部２２６は、相関係数が最大の異常データ（動作状態データ）に関する異常モードを、対象ロボットについて将来発生する可能性のある異常モードと判定する。このように、異常モード判定部２２６が異常モードを判定することによって、対象ロボットに将来発生すると予測される異常モードを判定することが可能となる。これにより、ユーザは、対象ロボットにどのような異常モードが発生するかを予測することができる。
図７は、実施の形態１にかかる異常データ判定部２２４によってなされた、異常データの順位付けを例示する図である。図７に示した例では、異常モードＡ（モータベアリングのフレーキング）である異常データＡの動作状態データ＃４（振幅）についての相関係数が０．９８である。また、異常モードＡである異常データＡの動作状態データ＃２（最大電流値）についての相関係数が０．８８である。また、異常モードＢ（減速機ギアの欠け）である異常データＢの動作状態データ＃２についての相関係数が０．７４である。また、異常モードＣ（モータベアリングの異物噛み込み）である異常データＣの動作状態データ＃３（標準偏差）についての相関係数が０．７２である。
したがって、異常データ判定部２２４は、相関係数の大きさの順位が１位である異常データＡの動作状態データ＃４を、異常予兆の報知タイミングの設定に用いるデータと判定する。そして、異常モード判定部２２６は、異常モードＡを、対象ロボットについて近い将来に発生する可能性のある異常モードと判定する。
監視装置２００は、Ｓ１１８の処理で判定された異常データ（動作状態データ）について、異常発生から予め定められた期間であるＭ日前の時点における異常データ（動作状態データ）の値を取得する（ステップＳ１２２）。そして、監視装置２００は、Ｓ１２２の処理で取得された異常データ（動作状態データ）の値を用いて閾値を設定する（ステップＳ１２４）。
図８は、実施の形態１にかかる閾値設定方法を説明するための図である。図８は、Ｓ１１８の処理で判定された異常データＡ（異常モードＡ；モータベアリングのフレーキング）の動作状態データ＃４（振幅）の波形を示す。縦軸は、異常データにおける動作状態データ＃４の値を示す。監視装置２００の閾値設定部２２８は、異常発生点からＭ日前（例えば３０日前）の点Ｐｍを特定し、その点Ｐｍにおける動作状態データ＃４の値Ｖｍを取得する。そして、後述する図９に示すように、閾値設定部２２８は、その値Ｖｍを、動作状態データ＃４についての閾値Ｔｈ１として設定する。なお、Ｍの値は、ユーザが任意に設定可能である。このように、閾値設定部２２８が、異常発生点からＭ日前の点Ｐｍにおける動作状態データの値Ｖｍを用いて閾値を設定することで、より適切に閾値を設定することが可能となる。
図９は、現在データについて閾値が設定された状態を示す図である。図９には、動作状態データ＃４（振幅）についての現在データ波形が示されている。Ｐｃは、現在を示す点であり、対象ロボットの使用開始からＮ日目の点である。Ｖｃは、現在点Ｐｃにおける動作状態データ＃４の値を示す。また、閾値Ｔｈ１は、図８に示したＶｍに等しい。
制御装置１００は、現在データがＳ１２４の処理で設定された閾値を超えたか否かを判定する（ステップＳ１３２）。制御装置１００の予兆判定部１２４は、Ｓ１２４の処理で設定された閾値に関する、現在データの動作状態データが、閾値を超えたか否かを判定する。そして、現在データが閾値を超えた場合（Ｓ１３２のＹＥＳ）、制御装置１００の報知部１２６は、異常予兆を報知する（ステップＳ１３４）。
図９に例示した場合では、予兆判定部１２４は、現在データにおける動作状態データ＃４の現在の値Ｖｃが閾値Ｔｈ１（＝Ｖｍ）を超えたか否かを判定する。そして、ＶｃがＴｈ１を超えた場合に、報知部１２６は、異常予兆を報知する。
（比較例）
次に、比較例について説明する。
図１０及び図１１は、予め定められた閾値を用いて異常予兆の報知を行う場合の問題点を説明するための図である。図１０は、平均指令電流値について、予め定められた閾値Ｔｈが設定されている場合について例示している。図１０の例において、閾値Ｔｈは、ロボット１０の過去の異常発生の実績から、ユーザによって任意に決定される。
図１０は、異常が発生した機種及び部品が同じで、異なる異常モード（異常モードＡ及び異常モードＣ）それぞれの平均指令電流値の時間経過に対する変化を示す。図１０に示すように、異常モードＡにおける平均指令電流値の変化は、異常モードＣにおける平均指令電流値の変化と比較して、緩やかである。そして、閾値Ｔｈは、異常モードＡの異常発生点における平均指令電流値の値よりも大きく、異常モードＣの異常発生点における平均指令電流値の値よりもはるかに小さいものとする。
このケースにおいて、ロボット１０に異常モードＡの異常が発生する場合、平均指令電流値が閾値Ｔｈに到達する前に、異常が発生してしまうおそれがある。このとき、異常が発生したのに、異常予兆の報知がなされないこととなってしまう。つまり、異常モードＡのように時間経過に対する動作状態データの変化が小さい場合、異常予兆の「見逃し」が発生するおそれがある。
また、ロボット１０に異常モードＣの異常が発生する場合、異常が発生するはるか前に、平均指令電流値が閾値Ｔｈに到達してしまうおそれがある。このとき、異常予兆がないのに異常予兆の報知がなされることとなってしまう。言い換えると、異常予兆の報知が早すぎることとなってしまう。つまり、異常モードＣのように時間経過に対する動作状態データの変化が大きい場合、異常予兆の「過剰検出」が発生するおそれがある。
これに対し、本実施の形態にかかる異常予兆報知システム１は、現在データとの相関が高い（強い）異常データを用いて閾値Ｔｈ１を自動で設定する。これにより、上記のような異常予兆の「見逃し」及び「過剰検出」の発生を抑制することが可能となる。したがって、本実施の形態にかかる異常予兆報知システム１は、より適切なタイミングで、異常予兆の報知を行うことが可能となる。
図１１は、発生した異常モードが同じで、使用環境及び使用態様が互いに異なる異常発生ロボットＸ（使用環境Ｘ、使用態様Ｘ）及び異常発生ロボットＹ（使用環境Ｙ、使用態様Ｙ）それぞれの平均指令電流値の変化を示す。図１１に示すように、異常発生ロボットＹにおける平均指令電流値の変化は、異常発生ロボットＸの平均指令電流値の変化と比較して、緩やかである。
ここで、データ格納部２１２から異常発生ロボットＸの異常データを抽出して異常発生ロボットＸの平均指令電流値を用いて閾値Ｔｈｘを設定したとする。このケースにおいて、異常発生ロボットＸとは使用環境及び使用態様が異なるロボットＹ（使用環境Ｙ、使用態様Ｙ）について、この閾値Ｔｈｘを用いて異常予兆の報知を行うとする。このとき、平均指令電流値が閾値Ｔｈｘに到達する前に、異常が発生してしまうおそれがある。したがって、異常が発生したのに、異常予兆の報知がなされないこととなってしまう。つまり、動作状態データの変化が大きな異常発生ロボットの異常データを用いて閾値を設定すると、動作状態データの変化が小さなロボットについて、異常予兆の「見逃し」が発生するおそれがある。
また、データ格納部２１２から異常発生ロボットＹの異常データを抽出して異常発生ロボットＹの平均指令電流値を用いて閾値Ｔｈｙを設定したとする。このケースにおいて、異常発生ロボットＹとは使用環境及び使用態様が異なるロボットＸ（使用環境Ｘ、使用態様Ｘ）について、この閾値Ｔｈｙを用いて異常予兆の報知を行うとする。このとき、異常が発生するはるか前に、平均指令電流値が閾値Ｔｈｙに到達してしまう。したがって、異常予兆がないのに異常予兆の報知がなされることとなってしまう。言い換えると、異常予兆の報知が早すぎることとなる。つまり、動作状態データの変化が小さな異常発生ロボットの異常データを用いて閾値を設定すると、動作状態データの変化が大きなロボットについて、異常予兆の「過剰検出」が発生するおそれがある。
これに対し、本実施の形態にかかる異常予兆報知システム１は、上述したように、対象ロボットに関する環境情報及び使用態様情報に基づいて、閾値Ｔｈ１を設定するために使用される異常データを絞り込んだ上で、閾値を設定する。つまり、対象ロボットに関する環境情報及び使用態様情報と同一又は類似の環境情報及び使用態様情報に関する異常データを選択することができる。これにより、上記のような異常予兆の「見逃し」及び「過剰検出」の発生を抑制することが可能となる。また、膨大な数の異常データの中から、閾値を設定するために使用される異常データを、より適切に選択することができる。したがって、本実施の形態にかかる異常予兆報知システム１は、より適切なタイミングで、異常予兆の報知を行うことが可能となる。
（実施の形態１の適用例）
図１２及び図１３は、実施の形態１にかかる異常予兆報知システム１が、工場９０に適用された例を示す図である。工場９０は、例えば、自動車等の製造工場である。図１２に例示するように、工場９０において、ロボット１０Ａが、溶接工程で使用されている。また、ロボット１０Ｂが、中塗り工程で使用されている。また、ロボット１０Ｃが、上塗り工程で使用されている。ここで、ロボット１０Ａ，ロボット１０Ｂ，ロボット１０Ｃの機種は、互いに同じであってもよい。
また、図１３に例示するように、工程Ａにおいて、ロボット１０Ｄが使用されている。ロボット１０Ｄは、工場９０の床９２に設置されているとする。また、工程Ｂにおいて、ロボット１０Ｅが使用されている。ロボット１０Ｅは、工場９０の壁９４に設置されているとする。ここで、ロボット１０Ｄ，ロボット１０Ｅの機種は、互いに同じであってもよい。
図１４〜図１６は、ロボット１０の機種が同じであっても使用環境及び使用態様によって異常の進行度が異なることを例示する図である。図１４は、使用環境及び使用態様の例を示す図である。図１５は、異常の進行度が小さい（異常の進行（劣化の進行）が遅い）場合の動作状態データの変化を示す図である。図１６は、異常の進行度が大きい（異常の進行（劣化の進行）が速い）場合の動作状態データの変化を示す図である。なお、図１５の例と図１６の例とで、異常モード及び動作状態データ（例えば平均指令電流値等）は、同じであるとする。なお、「異常が進行している状態」とは、故障等の異常が発生する前の段階であり、ロボット１０の状態が、異常発生の状態（異常発生点）に近づきつつある状態をいう。
使用環境（温度）について、減速機２４の温度が例えば６０度未満であると、減速機２４内のグリスの特性は変化しない。この場合、図１５に示すように、減速機２４に関する異常の進行度は小さい。一方、減速機２４の温度が例えば６０度以上になると、減速機２４内のグリスの特性が変化する。この場合、図１６に示すように、減速機２４に関する異常の進行度は大きくなる。
使用態様について、スポット溶接等の溶接工程では、ブレーキ動作回数が少ない。したがって、溶接工程では、図１５に示すように、ブレーキ摩耗の進行度は小さい。一方、塗装工程（中塗り工程、上塗り工程）では、ブレーキ動作回数が多い。したがって、塗装工程では、図１６に示すように、ブレーキ摩耗の進行度は大きい。
また、上塗り工程では、アーム１２等の往復動作回数が少ないので、加減速動作が少ない。したがって、上塗り工程では、図１５に示すように、減速機２４のベアリング摩耗の進行度が小さい。一方、中塗り工程では、アーム１２等の往復動作回数が多いので、加減速動作が多い。したがって、中塗り工程では、図１６に示すように、減速機２４のベアリング摩耗の進行度が大きい。
また、図１３に示す工程Ａのように、ロボット１０の取付け向きが床置きである場合、アーム１２を旋回させる旋回軸１６に対する負荷が小さい。したがって、床置きタイプでは、図１５に示すように、旋回軸１６の減速機２４の異常の進行度は小さい。つまり、床置きタイプでは、旋回軸１６の減速機２４の寿命は長い。一方、図１３に示す工程Ｂのように、ロボット１０の取付け向きが壁掛けである場合、アーム１２の旋回軸１６に対する負荷が大きくなる。したがって、壁掛けタイプでは、図１６に示すように、旋回軸１６の減速機２４の異常の進行度は大きい。つまり、壁掛けタイプでは、旋回軸１６の減速機２４の寿命は短くなる。
ここで、図１５に示すように、異常の進行度が小さい（異常の進行が遅い）場合、異常発生点からＭ日前の動作状態データの値が、異常予兆の報知に用いる閾値Ｔｈ１と設定される。この場合において、異常発生点における動作状態データの値Ｖｔ１と閾値Ｔｈ１との差をＤ１とする。また、図１６に示すように、異常の進行度が大きい（異常の進行が速い）場合、異常発生点からＭ日前の動作状態データの値が、異常予兆の報知に用いる閾値Ｔｈ２と設定される。この場合において、異常発生点における動作状態データの値Ｖｔ２と閾値Ｔｈ２との差をＤ２とする。
このとき、図１５に示した、異常の進行度が小さい場合における差Ｄ１は、図１６に示した、異常の進行度が大きい場合における差Ｄ２よりも小さい。したがって、異常の進行度が小さい場合の方が、異常の進行度が大きい場合よりも、閾値は、異常発生点における値の近くの値に設定される。言い換えると、異常の進行度が大きい場合、閾値は、異常発生点における値から離れた値に設定される。つまり、異常発生点における値を基準とすると、異常の進行度が小さい場合の（異常発生点における値に対する）閾値は大きくなり、異常の進行度が大きい場合の（異常発生点における値に対する）閾値は小さくなる。
したがって、異常の進行度が小さい場合、動作状態データの値が異常発生点の値Ｖｔ１により近づいたタイミングで異常予兆の報知がなされる。よって、異常の進行度が小さい場合、異常発生点に対して、異常予兆の報知のタイミングは遅くなる。一方、異常の進行度が大きい場合、動作状態データの値が異常発生点の値Ｖｔ２に近づく前のタイミングで異常予兆の報知がなされる。よって、異常の進行度が大きい場合、異常発生点に対して、異常予兆の報知のタイミングは早くなる。
ここで、減速機２４の温度が６０度未満である工程（第１の工程）と減速機２４の温度が６０度以上になる工程（第２の工程）とで、使用されるロボット１０の機種が同じであり、ロボット１０に発生する異常の異常モードが同じ（例えばグリス劣化によるベアリング摩耗等）であるとする。この場合、報知部１２６は、減速機２４の温度が６０度以上になる工程で使用されるロボット１０に関する異常予兆を、減速機２４の温度が６０度未満である工程で使用されるロボット１０に関する異常予兆よりも、早いタイミングで報知する。
また、溶接工程（第１の工程）と塗装工程（第２の工程）とで、使用されるロボット１０の機種が同じであり、ロボット１０に発生する異常の異常モードが同じ（例えばブレーキ摩耗等）であるとする。この場合、報知部１２６は、塗装工程で使用されるロボット１０に関する異常予兆を、溶接工程で使用されるロボット１０に関する異常予兆よりも、早いタイミングで報知する。
また、上塗り工程（第１の工程）と中塗り工程（第２の工程）とで、使用されるロボット１０の機種が同じであり、ロボット１０に発生する異常の異常モードが同じ（例えば減速機ベアリング摩耗等）であるとする。この場合、報知部１２６は、中塗り工程で使用されるロボット１０に関する異常予兆を、上塗り工程で使用されるロボット１０に関する異常予兆よりも、早いタイミングで報知する。
また、ロボット１０の取付け向きが床置きである工程（第１の工程）とロボット１０の取付け向きが壁掛けである工程（第２の工程）とで、使用されるロボット１０の機種が同じであり、ロボット１０に発生する異常の異常モードが同じ（例えば旋回軸の減速機異常等）であるとする。この場合、報知部１２６は、取付け向きが壁掛けである工程で使用されるロボット１０に関する異常予兆を、取付け向きが床置きである工程で使用されるロボット１０に関する異常予兆よりも、早いタイミングで報知する。
このように、本実施の形態にかかる異常予兆報知システム１は、より厳しい条件で使用される工程（上記の各第２の工程）で使用されるロボット１０に関する異常予兆を、早いタイミングで報知するように構成されている。これにより、より厳しい条件で使用される工程であっても、異常が発生する前に、異常予兆の段階で、より確実に、報知を行うことができる。
（変形例）
なお、本発明は上記実施の形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。例えば、図３に示したフローチャートの各ステップの順序は、適宜変更可能である。また、また、フローチャートの各ステップの１つ以上は、省略されてもよい。例えば、図３において、Ｓ１２０の処理は、Ｓ１１８〜Ｓ１２４の任意のタイミングでなされ得る。また、Ｓ１２０の処理はなくてもよい。
また、本実施の形態にかかる異常予兆報知システム１は、ロボット１０に関する異常予兆を報知するとしたが、異常予兆の報知の対象は、ロボットでなくてもよい。ロボット１０以外の任意の加工装置等の機器について、本実施の形態にかかる異常予兆報知システム１は適用可能である。
また、本実施の形態にかかる異常予兆報知システム１において、制御装置１００と監視装置２００とは、物理的に別個の装置であるとしたが、このような構成に限られない。制御装置１００と監視装置２００とは、物理的に一体であってもよい。また、制御装置１００の１つ以上の構成要素は監視装置２００にあってもよい。同様に、監視装置２００の１つ以上の構成要素は制御装置１００にあってもよい。
また、本実施の形態にかかる異常予兆報知システム１は、ロボット１０に発生する異常の予兆を報知するとしたが、このような構成に限られない。異常予兆報知システム１は、ロボット１０に対応する制御装置１００の異常、ロボット１０と制御装置１００との間の信号線の異常について、予兆を報知してもよい。つまり、「機器の異常」とは、ロボット１０等の加工装置に発生する異常だけでなく、ロボット１０を制御する制御装置に発生する異常、及び、ロボット１０と制御装置とを接続する信号線に発生する異常をも包含する。
また、上述した実施の形態にかかる異常予兆報知システム１は、計測データ（指令電流値等）を変換して得られた判定用データ（平均指令電流値等）を用いて異常予兆を判定するように構成されているが、このような構成に限られない。計測データ（生データ）そのものを、異常予兆の判定に用いてもよい。
また、上述した実施の形態にかかる異常予兆報知システム１は、図３のＳ１１０の処理において、対象ロボットの使用態様と「同一」の使用態様にかかる異常データを選択するとしたが、このような構成に限られない。使用態様は同一でなくてもよく、類似であってもよい。この場合、使用態様の項目（ロボットの機種、工程、取付け向き等）ごとに優先順位を設け、優先順位の高い項目（例えば工程）のみが一致するような異常データが選択されるようにしてもよい。また、使用態様の項目ごとにポイントを設け、項目が一致するときに対応するポイントを加算するようにし、ポイントの合計が高い異常データが選択されるようにしてもよい。
また、上述した実施の形態にかかる異常予兆報知システム１は、図３のＳ１１８の処理において、相関係数が最大となる異常データを判定するとしたが、このような構成に限られない。例えば相関係数が１〜３位の異常データが、異常予兆の報知のタイミングの設定に用いられてもよい。つまり、Ｓ１２４の処理において、閾値は、複数の動作状態データについて設定されてもよい。
また、上述した実施の形態において、「環境情報」は、ロボット１０が使用されている周囲の温度としたが、このような構成に限られない。例えば、「環境情報」は、周囲の湿度であってもよいし、空気の清浄度であってもよい。
また、上述した実施の形態にかかる監視装置２００のデータ格納部２１２は、計測データ（生データ）を格納するとしたが、このような構成に限られない。監視装置２００のデータ格納部２１２は、判定用データを格納してもよい。一方、データ格納部２１２が計測データを格納することで、例示した判定用データ（平均指令電流値等）以外の判定用データを、監視装置２００（データ処理部２１６）が、任意に生成することができる。これは、あるロボット１０に異常が発生したときには想定していなかった判定用データを、そのロボット１０に異常が発生してからかなりの期間が経過した後（例えば数年後）で生成する場合等に、特に有効である。
さらに、上述した実施の形態にかかる異常予兆報知システム１は、異常予兆報知システム１内の記憶装置に異常データを格納する必要はない。異常予兆報知システム１と通信可能な別のサーバ又はクラウド等に異常データを格納しておき、そのサーバ又はクラウド等から、異常データを取得するようにしてもよい。この場合、データ格納部は、サーバ又はクラウド等に、異常データ（異常が発生したロボット１０の動作状態データ）を、使用態様情報及び環境情報と対応付けて格納する機能を有する。
また、上述の例において、プログラムは、様々なタイプの非一時的なコンピュータ可読媒体（non-transitory computer readable medium）を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体（tangible storage medium）を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば光磁気ディスク）、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable PROM）、フラッシュＲＯＭ、ＲＡＭ）を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体（transitory computer readable medium）によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。
１ 異常予兆報知システム
１０ ロボット
２０ モータ装置
２２ モータ
２４ 減速機
２６ ブレーキ
２８ エンコーダ
１００ 制御装置
１１０ ロボット制御部
１１２ データ取得部
１１４ 計測データ取得部
１１６ 環境情報取得部
１１８ 使用態様取得部
１２０ データ処理部
１２２ データ記録部
１２４ 予兆判定部
１２６ 報知部
２００ 監視装置
２１２ データ格納部
２１４ 異常モード設定部
２１６ データ処理部
２１８ 異常データ選択部
２２０ タイミング設定部
２２２ 相関係数算出部
２２４ 異常データ判定部
２２６ 異常モード判定部
２２８ 閾値設定部

Claims (9)

  1. 機器の異常発生の予兆である異常予兆を報知する異常予兆報知システムであって、
    複数の前記機器に関する、時系列に沿った動作状態を示す動作状態データを取得する動作状態取得部と、
    少なくとも過去に異常が発生した機器の前記動作状態データに対応する複数の異常データを、前記機器の使用されていた環境を示す環境情報及び前記機器の使用態様を示す使用態様情報と対応付けて格納するデータ格納部と、
    前記機器のうち異常予兆の報知対象である対象機器の前記環境情報と、前記対象機器の前記使用態様情報とに基づいて、前記データ格納部によって格納された前記複数の異常データの中から１つ以上の異常データを絞り込んで選択する異常データ選択部と、
    前記選択された異常データと、前記対象機器の前記選択された異常データに対応する前記動作状態データとに基づいて、異常予兆を報知するタイミングを設定するタイミング設定部と、
    前記タイミング設定部によって設定されたタイミングで、前記対象機器に関する異常予兆を報知する報知部と
    を有する異常予兆報知システム。
  2. 前記タイミング設定部は、前記選択された異常データと前記対象機器の前記動作状態データとの相関に基づいて、前記動作状態データに関する閾値を設定し、
    前記報知部は、前記対象機器の前記動作状態データが前記閾値を超えたときに、前記異常予兆を報知する
    請求項１に記載の異常予兆報知システム。
  3. 前記タイミング設定部は、前記対象機器の複数の前記動作状態データと複数の前記選択された異常データとの相関に基づいて、前記閾値を設定するための少なくとも１つの前記異常データを判定し、前記判定された異常データにおいて異常が発生した時点よりも所定期間前の時点における前記異常データの値を、前記閾値として設定する
    請求項２に記載の異常予兆報知システム。
  4. 前記異常データそれぞれに異常モードを対応付ける異常モード設定部
    をさらに有し、
    前記タイミング設定部は、前記対象機器の前記動作状態データと前記選択された異常データとの相関に基づいて、前記対象機器について発生し得ると予測される異常モードを判定する
    請求項２又は３に記載の異常予兆報知システム。
  5. 前記機器は、複数の加工工程を有する工場において前記複数の加工工程それぞれで動作し、
    前記タイミング設定部は、複数の加工工程のうちの第１の工程と第２の工程とで使用される前記機器の機種が同じであり、前記機器に発生する異常モードが前記第１の工程と前記第２の工程とで同じ場合に、前記第１の工程における前記使用態様と前記第２の工程における前記使用態様とに基づいて、前記異常予兆を報知するタイミングが異なるように、前記タイミングを設定する
    請求項１から４のいずれか一項に記載の異常予兆報知システム。
  6. 複数の加工工程を有する工場において前記複数の加工工程それぞれで使用される機器の異常発生の予兆である異常予兆を報知する異常予兆報知システムであって、
    前記異常予兆報知システムは、
    異常予兆の報知対象の機器である対象機器に関する異常予兆を報知する報知部
    を有し、
    前記複数の加工工程は、第１の工程と、前記機器のブレーキの動作回数が前記第１の工程よりも多い第２の工程とを有し、
    前記報知部は、前記第１の工程と前記第２の工程とで使用される前記機器の機種が同じであり、前記機器に発生する異常モードが前記第１の工程と前記第２の工程とで同じ場合に、前記第２の工程で使用される前記機器に関する異常予兆を、前記第１の工程で使用される前記機器に関する異常予兆よりも早いタイミングで報知する
    異常予兆報知システム。
  7. 複数の加工工程を有する工場において前記複数の加工工程それぞれで使用される機器の異常発生の予兆である異常予兆を報知する異常予兆報知システムであって、
    前記異常予兆報知システムは、
    異常予兆の報知対象の機器である対象機器に関する異常予兆を報知する報知部
    を有し、
    前記複数の加工工程は、第１の工程と、前記機器の往復動作回数が前記第１の工程よりも多い第２の工程とを有し、
    前記報知部は、前記第１の工程と前記第２の工程とで使用される前記機器の機種が同じであり、前記機器に発生する異常モードが前記第１の工程と前記第２の工程とで同じ場合に、前記第２の工程で使用される前記機器に関する異常予兆を、前記第１の工程で使用される前記機器に関する異常予兆よりも早いタイミングで報知する
    異常予兆報知システム。
  8. 機器の異常発生の予兆である異常予兆を報知する異常予兆報知方法であって、
    複数の前記機器に関する、時系列に沿った動作状態を示す動作状態データを取得するステップと、
    少なくとも過去に異常が発生した機器の前記動作状態データに対応する複数の異常データを、前記機器の使用されていた環境を示す環境情報及び前記機器の使用態様を示す使用態様情報と対応付けて格納するステップと、
    前記機器のうち異常予兆の報知対象である対象機器の前記環境情報と、前記対象機器の前記使用態様情報とに基づいて、前記格納するステップで格納された前記複数の異常データの中から１つ以上の異常データを絞り込んで選択するステップと、
    前記選択された異常データと、前記対象機器の前記選択された異常データに対応する前記動作状態データとに基づいて、異常予兆を報知するタイミングを設定するステップと、
    前記設定されたタイミングで、前記対象機器に関する異常予兆を報知するステップと
    を有する異常予兆報知方法。
  9. 機器の異常発生の予兆である異常予兆を報知する異常予兆報知方法を実行するプログラムであって、
    複数の前記機器に関する、時系列に沿った動作状態を示す動作状態データを取得するステップと、
    少なくとも過去に異常が発生した機器の前記動作状態データに対応する複数の異常データを、前記機器の使用されていた環境を示す環境情報及び前記機器の使用態様を示す使用態様情報と対応付けて格納するステップと、
    前記機器のうち異常予兆の報知対象である対象機器の前記環境情報と、前記対象機器の前記使用態様情報とに基づいて、前記格納するステップで格納された前記複数の異常データの中から１つ以上の異常データを絞り込んで選択するステップと、
    前記選択された異常データと、前記対象機器の前記選択された異常データに対応する前記動作状態データとに基づいて、異常予兆を報知するタイミングを設定するステップと、
    前記設定されたタイミングで、前記対象機器に関する異常予兆を報知するステップと
    をコンピュータに実行させるプログラム。
JP2017220039A 2017-11-15 2017-11-15 異常予兆報知システム、異常予兆報知方法及びプログラム Active JP7043801B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2017220039A JP7043801B2 (ja) 2017-11-15 2017-11-15 異常予兆報知システム、異常予兆報知方法及びプログラム
US16/185,593 US11340140B2 (en) 2017-11-15 2018-11-09 Abnormality sign notifying system, abnormality sign notifying method, and program
CN201811346401.7A CN109933020A (zh) 2017-11-15 2018-11-13 异常预兆通知***、异常预兆通知方法和程序

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017220039A JP7043801B2 (ja) 2017-11-15 2017-11-15 異常予兆報知システム、異常予兆報知方法及びプログラム

Publications (2)

Publication Number Publication Date
JP2019091285A true JP2019091285A (ja) 2019-06-13
JP7043801B2 JP7043801B2 (ja) 2022-03-30

Family

ID=66431907

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017220039A Active JP7043801B2 (ja) 2017-11-15 2017-11-15 異常予兆報知システム、異常予兆報知方法及びプログラム

Country Status (3)

Country Link
US (1) US11340140B2 (ja)
JP (1) JP7043801B2 (ja)
CN (1) CN109933020A (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021019398A (ja) * 2019-07-18 2021-02-15 株式会社デンソー モータ制御装置
JP2021022074A (ja) * 2019-07-25 2021-02-18 ファナック株式会社 故障予測システム
JP2021030403A (ja) * 2019-08-28 2021-03-01 パナソニックＩｐマネジメント株式会社 異常診断装置及びそれを備えたロボット制御装置

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6816087B2 (ja) * 2018-11-02 2021-01-20 ファナック株式会社 ロボットのアラーム通知システム
US20210247753A1 (en) * 2020-02-07 2021-08-12 Kabushiki Kaisha Yaskawa Denki State estimation device, system, and manufacturing method

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011059873A (ja) * 2009-09-08 2011-03-24 Mitsubishi Electric Corp 監視装置、監視方法および監視プログラム
JP2017091485A (ja) * 2015-11-17 2017-05-25 富士電機株式会社 監視支援装置、監視支援方法、及びプログラム

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010047691A1 (en) * 2000-01-03 2001-12-06 Yuris Dzenis Hybrid transient-parametric method and system to distinguish and analyze sources of acoustic emission for nondestructive inspection and structural health monitoring
US7035731B2 (en) * 2002-12-30 2006-04-25 Motorola, Inc. Threshold-based service notification system and method
JP4237610B2 (ja) * 2003-12-19 2009-03-11 株式会社東芝 保守支援方法及びプログラム
EP1906273A1 (de) * 2006-09-29 2008-04-02 Siemens Aktiengesellschaft Verfahren zum Betreiben einer grosstechnischen Anlage sowie Leitsystem für eine grosstechnische Anlage
EP1955830B1 (en) * 2007-02-06 2014-04-09 Abb Research Ltd. A method and a control system for monitoring the condition of an industrial robot
CN102597734B (zh) * 2009-08-27 2015-08-26 Skf公司 轴承生命周期预测学
JP2013045325A (ja) * 2011-08-25 2013-03-04 Hitachi Ltd 制御システムの制御装置及びエレベータシステム
JP6582527B2 (ja) 2015-05-08 2019-10-02 富士電機株式会社 アラーム予測装置、アラーム予測方法及びプログラム
US9971329B2 (en) * 2015-07-31 2018-05-15 Fanuc Corporation Cell control system, manufacturing system, and control method which control manufacturing cell including plurality of manufacturing machines
JP6285403B2 (ja) * 2015-11-30 2018-02-28 ファナック株式会社 製造機械の故障を予測するセル制御装置および生産システム
JP5992087B1 (ja) 2015-12-28 2016-09-14 ファナック株式会社 機械の保全計画を作成する予防保全管理システム
CN106951695B (zh) * 2017-03-09 2020-05-05 杭州安脉盛智能技术有限公司 多工况下的机械设备剩余使用寿命计算方法及***
CN107291830A (zh) 2017-05-27 2017-10-24 宁夏共享模具有限公司 一种设备知识库的创建方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011059873A (ja) * 2009-09-08 2011-03-24 Mitsubishi Electric Corp 監視装置、監視方法および監視プログラム
JP2017091485A (ja) * 2015-11-17 2017-05-25 富士電機株式会社 監視支援装置、監視支援方法、及びプログラム

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021019398A (ja) * 2019-07-18 2021-02-15 株式会社デンソー モータ制御装置
JP7379894B2 (ja) 2019-07-18 2023-11-15 株式会社デンソー モータ制御装置
JP2021022074A (ja) * 2019-07-25 2021-02-18 ファナック株式会社 故障予測システム
JP7343323B2 (ja) 2019-07-25 2023-09-12 ファナック株式会社 故障予測システム
JP2021030403A (ja) * 2019-08-28 2021-03-01 パナソニックＩｐマネジメント株式会社 異常診断装置及びそれを備えたロボット制御装置
JP7245994B2 (ja) 2019-08-28 2023-03-27 パナソニックＩｐマネジメント株式会社 異常診断装置及びそれを備えたロボット制御装置

Also Published As

Publication number Publication date
US11340140B2 (en) 2022-05-24
JP7043801B2 (ja) 2022-03-30
CN109933020A (zh) 2019-06-25
US20190145863A1 (en) 2019-05-16

Similar Documents

Publication Publication Date Title
JP2019091285A (ja) 異常予兆報知システム、異常予兆報知方法及びプログラム
US11521105B2 (en) Machine learning device and machine learning method for learning fault prediction of main shaft or motor which drives main shaft, and fault prediction device and fault prediction system including machine learning device
JP6569927B1 (ja) 異常判定システム、モータ制御装置、及び異常判定装置
EP1955830B1 (en) A method and a control system for monitoring the condition of an industrial robot
JP5009791B2 (ja) インテリジェント駆動装置
JP6711854B2 (ja) 故障予測装置及び機械学習装置
CN112673327B (zh) 控制装置及计算机可读取的存储介质
KR20170093908A (ko) 로봇 보수 지원 장치 및 방법
KR102278744B1 (ko) 로봇의 이상 상태에 대한 알람을 출력하는 방법 및 장치
JP7033214B2 (ja) 産業機械用の柔軟でスケーラブルな監視システム
JP6708676B2 (ja) 異常要因特定装置
JPWO2018220760A1 (ja) 空気調和機故障診断装置
JP6544291B2 (ja) 関節駆動ロボットの異常診断方法及び異常診断装置
JP7125225B2 (ja) 異常予兆報知システム、方法、及び、プログラム
US10903778B2 (en) Apparatus and methods for monitoring subsea electrical systems using adaptive models
US20210181732A1 (en) Control method, control apparatus, and mechanical equipment
JP2022168706A (ja) 異常検知装置、プログラム、異常検知方法、及び製造方法
US20210178615A1 (en) Abnormality diagnosis device and abnormality diagnosis method
JP2020019133A (ja) 処理装置、生産システム、ロボット装置、物品の製造方法、処理方法、及び記録媒体
JP2020040137A (ja) 異常判定装置及び異常判定方法
CN110774318B (zh) 处理装置及处理部分的处理方法
JP6721012B2 (ja) モータ制御システム
JP7119885B2 (ja) 異常検知装置、異常検知方法、およびプログラム
WO2023026433A1 (ja) 診断装置、及びプログラムを記録した記録媒体
US11016141B2 (en) Monitoring systems for industrial machines having dynamically adjustable computational units

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200428

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210331

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210406

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210422

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210914

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211013

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220215

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220228

R151 Written notification of patent or utility model registration

Ref document number: 7043801

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151