JP2022128114A - Maintenance support system - Google Patents
Maintenance support system Download PDFInfo
- Publication number
- JP2022128114A JP2022128114A JP2021026469A JP2021026469A JP2022128114A JP 2022128114 A JP2022128114 A JP 2022128114A JP 2021026469 A JP2021026469 A JP 2021026469A JP 2021026469 A JP2021026469 A JP 2021026469A JP 2022128114 A JP2022128114 A JP 2022128114A
- Authority
- JP
- Japan
- Prior art keywords
- robot
- information
- data
- work
- support system
- 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.)
- Pending
Links
Images
Landscapes
- Manipulator (AREA)
Abstract
Description
本開示は、メンテナンス支援システムに関する。 The present disclosure relates to maintenance support systems.
メンテナンス対象装置を効率的にメンテナンスできる可能性を高めることを目的とした、機械学習装置が知られている（例えば、特許文献１参照）。 A machine learning device is known for the purpose of increasing the possibility of efficiently maintaining a maintenance target device (see, for example, Patent Literature 1).
特許文献１に開示されている機械学習装置では、メンテナンス対象装置のステータス情報（例えば、エラーコード等）と、メンテナンス対象装置が設置されている環境の情報（例えば、温度、湿度、気圧）である、設置環境情報と、の少なくとも１つと学習済モデルを用いて、メンテナンス対象装置で実行すべきメンテナンスを取得し、メンテナンスの優先順位を表示している。
In the machine learning device disclosed in
上記特許文献１に開示されている機械学習装置は、メンテナンス対象装置として、プリンターが例示されているが、ロボットもメンテナンス対象装置になり得るとしている。
In the machine learning device disclosed in
ところで、修理サービス提供者（メンテナンス作業者）が熟練者であったとしても、全ての機種のプリンターの構成及び構造を記憶することは困難である。 By the way, even if the repair service provider (maintenance worker) is an expert, it is difficult to memorize the configurations and structures of all printer models.
このため、修理サービス提供者が、プリンターのメンテナンス作業を実行するときに、故障が発生したプリンターの取扱説明書等が必要となる場合がある。このことは、ロボットのメンテナンス作業を実行するメンテナンス作業者にも当てはまる。 For this reason, when a repair service provider performs maintenance work on a printer, the user's manual or the like for the printer in which the failure has occurred may be required. This also applies to maintenance workers who carry out maintenance work on robots.
したがって、特許文献１に開示されている機械学習装置のように、メンテナンス作業者が、メンテナンス作業を効率よく行うためには、単にメンテナンスの優先順位に表示するだけでは、不充分であり、未だ改善の余地があった。
Therefore, as in the machine learning device disclosed in
本開示は、上記特許文献１に開示されている機械学習装置に比して、ロボットのメンテナンス作業を実行するために必要な情報を容易に取得することができる、メンテナンス支援システムを提供することを目的とする。
The present disclosure aims to provide a maintenance support system that can easily acquire information necessary for performing robot maintenance work, as compared with the machine learning device disclosed in
上記従来の課題を解決するために、本開示に係るメンテナンス支援システムは、ロボットと、前記ロボットに関する異常状態のデータを検出する異常検出器と、前記ロボットの取扱説明書、前記ロボットのメンテナンスマニュアル、及び前記ロボットの図面のうち、少なくとも１つの情報を表示する表示装置と、演算器と記憶器を有する制御装置と、を備え、前記記憶器には、前記異常検出器が検出した前記ロボットに関する異常状態のデータを含む入力データと、前記取扱説明書、前記メンテナンスマニュアル、及び前記ロボットの図面のうち、少なくとも１つの情報を含む出力データと、を対応付けた多数の教師データによって学習した学習済モデルが記憶されており、前記演算器は、前記学習済モデルに、前記異常検出器が検出した前記ロボットに関する異常状態のデータを入力データとして入力し、前記入力データに対応する前記出力データを前記学習済モデルから導き出すように構成されており、前記制御装置は、前記演算器が導き出した前記出力データを前記表示装置に表示させるように構成されている。 In order to solve the conventional problems described above, a maintenance support system according to the present disclosure includes a robot, an abnormality detector that detects abnormal state data regarding the robot, an instruction manual for the robot, a maintenance manual for the robot, and a display device for displaying at least one piece of information from the drawing of the robot; A trained model trained by a large number of teacher data that associates input data including state data with output data including at least one information out of the instruction manual, the maintenance manual, and the drawings of the robot. is stored, and the calculator inputs data of an abnormal state regarding the robot detected by the abnormality detector to the learned model as input data, and converts the output data corresponding to the input data to the learned model. and the control device is configured to cause the display device to display the output data derived by the calculator.
これにより、ロボットのメンテナンス作業を実行するために必要な情報を容易に取得することができる。 This makes it possible to easily obtain information necessary for performing robot maintenance work.
本開示の上記目的、他の目的、特徴、及び利点は、添付図面参照の下、以下の好適な実施形態の詳細な説明から明らかにされる。 The above and other objects, features, and advantages of the present disclosure will become apparent from the following detailed description of preferred embodiments with reference to the accompanying drawings.
本開示のメンテナンス支援システムによれば、ロボットのメンテナンス作業を実行するために必要な情報を容易に取得することができる。 According to the maintenance support system of the present disclosure, it is possible to easily acquire information necessary for performing robot maintenance work.
以下、本開示の実施の形態を、図面を参照しながら説明する。なお、全ての図面において、同一又は相当部分には同一符号を付し、重複する説明は省略する。また、全ての図面において、本開示を説明するための構成要素を抜粋して図示しており、その他の構成要素については図示を省略している場合がある。さらに、本開示は以下の実施の形態に限定されない。 Embodiments of the present disclosure will be described below with reference to the drawings. In addition, in all the drawings, the same or corresponding parts are denoted by the same reference numerals, and redundant explanations are omitted. Further, in all the drawings, constituent elements for explaining the present disclosure are extracted and illustrated, and illustration of other constituent elements may be omitted. Furthermore, the present disclosure is not limited to the following embodiments.
（実施の形態１）
以下、本実施の形態１に係るメンテナンス支援システムの一例について、図１～図６を参照しながら説明する。
(Embodiment 1)
An example of the maintenance support system according to the first embodiment will be described below with reference to FIGS. 1 to 6. FIG.
［メンテナンス支援システムの構成］
図１及び図２は、本実施の形態１に係るメンテナンス支援システムの概略構成を示す模式図である。
[Configuration of maintenance support system]
1 and 2 are schematic diagrams showing the schematic configuration of the maintenance support system according to the first embodiment.
図１及び図２に示すように、本実施の形態１に係るメンテナンス支援システム３００は、ロボット１０１、異常検出器１１０、表示装置１２０、及び制御装置２００を備えている。ロボット１０１及び異常検出器１１０については、後述する。
As shown in FIGS. 1 and 2, the
表示装置１２０は、ロボット１０１の取扱説明書、ロボット１０１のメンテナンスマニュアル、及びロボット１０１の図面のうち、少なくとも１つの情報を表示するように構成されている。表示装置１２０は、例えば、机、床等に据え置いて使用する、据え置き型のディスプレイで構成されていてもよい。また、表示装置１２０は、タブレットパソコン、スマートフォン等の携帯機器（タッチパネル）で構成されていてもよい。
The
なお、表示装置１２０は、ロボット１０１を操作するための操作装置（例えば、ティーチングペンダント等）のディスプレイで構成されていてもよい。また、表示装置１２０は、後述するロボットコントローラ１５０が備える表示器（ディスプレイ）で構成されていてもよい。
Note that the
メンテナンス支援システム３００は、後述する出力データを表示してから、表示装置１２０の表示画面に表示されている出力データに関する操作の回数（以下、操作回数という）を検出する第１検出器１２１をさらに備えている。本実施の形態１においては、第１検出器１２１は、表示装置１２０に配置されている。
The
出力データに関する操作としては、例えば、表示装置１２０の表示画面上に表示されている文字情報、画像情報等をポイント・アンド・クリック又はプレス・アンド・ホールドした回数であってもよく、文字情報、画像情報等を拡大させるアイコンを操作（クリック）した回数であってもよい。
The operation related to output data may be, for example, the number of times character information, image information, etc. displayed on the display screen of the
また、出力データに関する操作は、表示装置１２０がタッチパネルで構成されている場合には、操作者が表示装置１２０の画面をタップした回数であってもよく、文字情報、画像情報等を拡大させた回数であってもよい。
Further, when the
また、表示装置１２０は、通信ネットワーク３１０を介して、制御装置２００と接続されている。なお、通信ネットワーク３１０及び制御装置２００については、後述する。
Also, the
次に、図３を参照しながら、ロボット１０１の構成について、詳細に説明する。なお、以下においては、ロボット１０１として、垂直多関節型のロボットについて説明するが、ロボット１０１としては、水平多関節型等の他のロボットを採用してもよい。
Next, the configuration of the
図３は、図１及び図２に示すメンテナンス支援システムにおけるロボットの概略構成を示す模式図である。 FIG. 3 is a schematic diagram showing a schematic configuration of a robot in the maintenance support system shown in FIGS. 1 and 2. FIG.
図３に示すように、ロボット１０１は、複数のリンク（ここでは、第１リンク１１ａ～第６リンク１１ｆ）の連接体と、複数の関節（ここでは、第１関節ＪＴ１～第６関節ＪＴ６）と、これらを支持する基台１５と、を有する多関節ロボットアームである。
As shown in FIG. 3, the
第１関節ＪＴ１では、基台１５と、第１リンク１１ａの基端部とが、鉛直方向に延びる軸回りに回転可能に連結されている。第２関節ＪＴ２では、第１リンク１１ａの先端部と、第２リンク１１ｂの基端部とが、水平方向に延びる軸回りに回転可能に連結されている。第３関節ＪＴ３では、第２リンク１１ｂの先端部と、第３リンク１１ｃの基端部とが、水平方向に延びる軸回りに回転可能に連結されている。
At the first joint JT1, the
また、第４関節ＪＴ４では、第３リンク１１ｃの先端部と、第４リンク１１ｄの基端部とが、第４リンク１１ｄの長手方向に延びる軸回りに回転可能に連結されている。第５関節ＪＴ５では、第４リンク１１ｄの先端部と、第５リンク１１ｅの基端部とが、第４リンク１１ｄの長手方向と直交する軸回りに回転可能に連結されている。第６関節ＪＴ６では、第５リンク１１ｅの先端部と第６リンク１１ｆの基端部とが、捻れ回転可能に連結されている。
At the fourth joint JT4, the distal end of the
そして、第６リンク１１ｆの先端部には、メカニカルインターフェースが設けられている。このメカニカルインターフェースには、作業内容に対応したエンドエフェクタ１２が着脱可能に装着される。
A mechanical interface is provided at the tip of the
また、第１関節ＪＴ１～第６関節ＪＴ６には、それぞれ、各関節が連結する２つの部材を相対的に回転させるアクチュエータの一例としての駆動器（駆動モータ）が設けられている（いずれも図示せず）。駆動器は、例えば、ロボットコントローラ１５０によってサーボ制御されるサーボモータであってもよい。また、第１関節ＪＴ１～第６関節ＪＴ６には、それぞれ、駆動モータの温度を検出する温度センサと、駆動モータの回転位置を検出する回転センサと、駆動器の回転を制御する電流を検出する電流センサと、が設けられている（いずれも図示せず）。回転センサは、例えば、エンコーダであってもよい。
In addition, the first joint JT1 to the sixth joint JT6 are each provided with a driver (driving motor) as an example of an actuator that relatively rotates the two members that are connected to each joint (both are shown in FIG. not shown). The drivers may be, for example, servo motors that are servo controlled by the
また、ロボット１０１は、異常検出器１１０を備えている。異常検出器１１０は、ロボット１０１に関する異常状態を示すデータを検出して、ロボットコントローラ１５０及び通信ネットワーク３１０を介して、制御装置２００に出力するように構成されている。なお、駆動器の回転を制御する電流を検出する電流センサと、異常検出器１１０はロボットコントローラ１５０に設けられていてもよい。
The
ここで、ロボット１０１に関する異常状態とは、予め設定されているプログラムを実行することができない状態、又はロボット１０１等に設置されている各種のセンサが検出する検出値が、予め設定されている所定の閾値以外を検出した状態をいう。また、ロボット１０１に関する異常状態は、ロボット１０１本体の異常であってもよく、ロボット１０１が配置されている工場内に設置されている各種の機器（例えば、ベルトコンベア等）の異常であってもよい。
Here, the abnormal state of the
また、異常検出器１１０が検出するロボット１０１に関する異常状態を示すデータは、異常状態が発生したロボット１０１の機種情報、異常状態が発生したロボット１０１の動作情報、異常状態が発生したロボット１０１の作業情報、及びエラーコードのうち、少なくとも１つの情報であってもよい。
The data indicating the abnormal state of the
異常状態が発生したロボット１０１の動作情報は、ロボット１０１の動作速度、ロボット１０１に設置されている駆動器（駆動モータ）の温度、ロボット１０１の駆動器の回転角度、ロボット１０１の電流値のうち、少なくとも１つの情報であってもよい。
The motion information of the
また、ロボット１０１の作業情報は、ワークの保持及び搬送作業、ワークに対する溶接作業、及びワークに対する塗装作業のうち、少なくとも１つの作業であってもよい。
Further, the work information of the
ロボットコントローラ１５０は、演算処理器１５０ａ、記憶器１５０ｂ、及び入力器１５０ｃを備えている。演算処理器１５０ａは、マイクロプロセッサ、ＣＰＵ等で構成されていて、記憶器１５０ｂに記憶されている基本プログラム等のソフトウェアを読み出して実行することにより、メンテナンス支援システム３００の各種動作を制御する。
The
記憶器１５０ｂは、基本プログラム、各種固定データ等の情報が記憶されている。記憶器１５０ｂは、単一である必要はなく、複数の記憶器（例えば、ランダムアクセスメモリ及びハードディスクドライブ）として構成されてもよい。演算処理器１５０ａがマイクロコンピュータで構成されている場合には、記憶器１５０ｂの少なくとも一部がマイクロコンピュータの内部メモリとして構成されてもよいし、独立したメモリとして構成されてもよい。
The
入力器１５０ｃは、演算処理器１５０ａに対して、メンテナンス支援システム３００の制御に関する各種パラメータ、あるいはその他のデータ等を入力可能とするものであり、キーボード、タッチパネル、ボタンスイッチ群等の公知の入力装置で構成されている。
The
なお、ロボットコントローラ１５０は、集中制御する単独のロボットコントローラ１５０によって構成されていてもよいし、互いに協働して分散制御する複数のロボットコントローラ１５０によって構成されていてもよい。また、ロボットコントローラ１５０は、マイクロコンピュータで構成されていてもよく、ＭＰＵ、ＰＬＣ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｃｏｎｔｒｏｌｌｅｒ）、論理回路等によって構成されていてもよい。
The
また、図１及び図２に示すように、ロボットコントローラ１５０は、通信ネットワーク３１０を介して、制御装置２００と接続されている。
Further, as shown in FIGS. 1 and 2, the
制御装置２００は、演算器２００ａ、記憶器２００ｂ、入力器２００ｃ、及び第１判定器２１１を備えている。なお、本実施の形態１においては、制御装置２００が第１判定器２１１を備える形態を採用したが、これに限定されない。第１判定器２１１が、制御装置２００とは異なる制御装置により構成されている形態を採用してもよい。
The
演算器２００ａは、マイクロプロセッサ、ＣＰＵ等で構成されていて、記憶器２００ｂに記憶されている基本プログラム等のソフトウェアを読み出して実行することにより、メンテナンス支援システム３００の各種動作を制御する。
The
記憶器２００ｂは、基本プログラム、各種固定データ等の情報が記憶されている。記憶器２００ｂは、単一である必要はなく、複数の記憶器（例えば、ランダムアクセスメモリ及びハードディスクドライブ）として構成されてもよい。演算器２００ａがマイクロコンピュータで構成されている場合には、記憶器２００ｂの少なくとも一部がマイクロコンピュータの内部メモリとして構成されてもよいし、独立したメモリとして構成されてもよい。
The
また、記憶器２００ｂには、学習済モデル２１０が記憶されている。なお、学習済モデル２１０については、後述する。
Also, a learned
入力器２００ｃは、演算器２００ａに対して、メンテナンス支援システム３００の制御に関する各種パラメータ、あるいはその他のデータ等を入力可能とするものであり、キーボード、タッチパネル、ボタンスイッチ群等の公知の入力装置で構成されている。
The
なお、制御装置２００は、集中制御する単独の制御装置２００によって構成されていてもよいし、互いに協働して分散制御する複数の制御装置２００によって構成されていてもよい。また、制御装置２００は、マイクロコンピュータで構成されていてもよく、ＭＰＵ、ＰＬＣ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｃｏｎｔｒｏｌｌｅｒ）、論理回路等によって構成されていてもよい。
Note that the
［メンテナンス支援システムの動作及び作用効果］
次に、本実施の形態１に係るメンテナンス支援システム３００の動作及び作用効果について、図１～図６を参照しながら、詳細に説明する。
[Operation and Effects of Maintenance Support System]
Next, operations and effects of the
（１）学習済モデルの生成動作（生成処理）
まず、制御装置２００の記憶器２００ｂに記憶されている学習済モデル２１０の生成動作について、図１～４を参照しながら、詳細に説明する。
(1) Generating action of learned model (generating process)
First, the operation of generating the learned
なお、本実施の形態１においては、学習済モデル２１０は、（多）クラス分類を行う学習モデルであってもよい。
In
また、以下においては、制御装置２００の演算器２００ａが、学習済モデル２１０を生成する動作について説明するが、学習済モデル２１０は、制御装置２００の演算器２００ａ以外の演算器により生成されて、学習済モデル２１０に記憶されてもよい。また、以下の動作は、制御装置２００の演算器２００ａが、記憶器２００ｂに格納されているプログラムを読み出すことにより実行される。さらに、以下の動作は、学習済モデルの再学習を実行する場合に実行されてもよい。
Further, the operation of generating the learned
図４は、本実施の形態１に係るメンテナンス支援システムの動作の一例（学習済モデルの生成動作）を示すフローチャートである。図５は、本実施の形態１に係るメンテナンス支援システムに用いられる、ニューラルネットワークの構造を示す模式図である。なお、図５においては、ノード及びノード間の結合の一部の記載を省略している。 FIG. 4 is a flow chart showing an example of the operation of the maintenance support system according to the first embodiment (operation of generating a learned model). FIG. 5 is a schematic diagram showing the structure of a neural network used in the maintenance support system according to the first embodiment. Note that in FIG. 5, description of some of the nodes and the connections between the nodes is omitted.
図４に示すように、制御装置２００の演算器２００ａは、訓練モデルと教師データを取得する（ステップＳ１０１）。訓練モデルとしては、例えば、図５に示すニューラルネットワークを用いてもよい。また、学習済モデルの再学習（更新）を実行する場合には、訓練モデルとして、既存の学習済モデルを用いてもよい。なお、ニューラルネットワークの構成は公知であるため、その詳細な説明は省略する。
As shown in FIG. 4, the
ここで、訓練モデルについて、図５を参照しながら説明する。 The training model will now be described with reference to FIG.
図５に示すように、訓練モデルは、ニューラルネットワークで構成されていて、ニューラルネットワークは、入力層Ｌｉ、中間層Ｌｍ、及び出力層Ｌｏを有している。また、訓練モデルは、異常検出器１１０が検出したロボット１０１に関する異常状態のデータをニューラルネットワークの入力層Ｌｉへの入力データとし、出力層Ｌｏから異常検出器１１０が検出したロボット１０１に関する取扱説明書、メンテナンスマニュアル、及び図面のうち、少なくとも１つの情報を出力データとして、出力する。
As shown in FIG. 5, the training model is composed of a neural network, and the neural network has an input layer Li, an intermediate layer Lm, and an output layer Lo. In addition, the training model uses the abnormal state data regarding the
また、訓練モデルに入力する入力データは、異常状態が発生したロボット１０１の機種情報、異常状態が発生したロボット１０１の動作情報、異常状態が発生したロボット１０１の作業情報、及びエラーコードのうち、少なくとも１つの情報であってもよい。
The input data to be input to the training model are model information of the
異常状態が発生したロボット１０１の動作情報は、ロボット１０１の動作速度、ロボット１０１に設置されている駆動器（駆動モータ）の温度、ロボット１０１の駆動器の回転角度、ロボット１０１の駆動器の位置偏差、ロボット１０１の電流値のうち、少なくとも１つの情報であってもよい。
The motion information of the
また、ロボット１０１の作業情報は、ワークの保持及び搬送作業、ワークに対する溶接作業、ワークに対する塗装作業、ワークの組み立て作業、ワークに対するシーリング作業、及び医療補助作業のうち、少なくとも１つの作業であってもよい。溶接作業としては、スポット溶接を実行してもよく、アーク溶接を実行してもよい。医療補助作業としては、例えば、ＰＣＲ検査の検体採取であってもよい。
Further, the work information of the
訓練モデルから出力される出力データは、異常検出器１１０が異常状態を検出したロボット１０１の異常状態が発生した部位に関する取扱説明書、メンテナンスマニュアル、及び図面のうち、少なくとも１つの情報（以下、第１情報という）であってもよい。 The output data output from the training model is at least one piece of information (hereinafter referred to as the first 1 information).
具体的には、例えば、ロボット１０１の異常（故障）が発生した関節（例えば、第３関節ＪＴ３）について記載されている、取扱説明書の該当ページ（項目）であってもよく、第３関節ＪＴ３について記載されている、メンテナンスマニュアルの該当ページ（項目）であってもよく、第３関節ＪＴ３近傍の断面図面、外形図面（項目）であってもよい。
Specifically, for example, it may be the corresponding page (item) of the instruction manual describing the joint (for example, the third joint JT3) in which the abnormality (failure) of the
教師データは、異常検出器１１０が検出したロボット１０１に関する異常状態のデータと、異常検出器１１０が異常状態を検出したロボット１０１の取扱説明書、メンテナンスマニュアル、及び図面のうち、少なくとも１つの情報と、を対応付けたデータである。
The teacher data includes at least one piece of information out of data of an abnormal state regarding the
すなわち、異常検出器１１０が検出したロボット１０１に関する異常状態のデータと、当該データに基づいて、メンテナンス作業者が実際にロボット１０１のメンテナンス作業を実行したときに使用したロボット１０１の取扱説明書、メンテナンスマニュアル、又は図面（正解データ）と、が教師データとして使用される。
That is, based on the data of the abnormal state regarding the
図４に示すように、次に、制御装置２００の演算器２００ａは、ステップＳ１０１で取得した、訓練モデルと教師データ用いて、学習を実行して、学習済モデル２１０を生成する（ステップＳ１０２）。具体的には、制御装置２００の演算器２００ａは、ステップＳ１０１で取得した、訓練モデルに教師データを入力する。
As shown in FIG. 4, next, the
なお、Ｌｏの各ノードに入力される数字は任意であってもよい。また、以下においては、説明の便宜上、Ｌｏの各ノードに入力される数字の和が１となるようにし、Ｌｏの複数のノードに数字を入力する場合には、入力される数字は、それぞれ、同じ値とする。 Any number may be input to each Lo node. In the following, for convenience of explanation, the sum of the numbers input to each node of Lo is set to 1, and when numbers are input to a plurality of nodes of Lo, the numbers to be input are same value.
教師データが、例えば、「ロボットの動作情報-動作速度」と「取扱説明書－項目１」とを対応づけるデータであれば、以下のデータが教師データとして入力される。図５のＬｉの「ロボットの動作情報-動作速度」に対応するノードに「１」が入力され、それ以外のＬｉのノードには「０」が入力され、Ｌｏの「取扱説明書－項目１」に対応するノードには「１」が入力され、それ以外のＬｏのノードには「０」が入力される。
If the teacher data is data that associates, for example, "robot motion information--motion speed" with "instruction manual--
また、教師データが、例えば、「ロボットの動作情報-動作速度」と「取扱説明書－項目１」及び「取扱説明書－項目２」を対応づけるデータであれば、以下のデータが教師データとして入力される。図５のＬｉの「ロボットの動作情報-動作速度」に対応するノードに「１」が入力され、それ以外のＬｉのノードには「０」が入力され、Ｌｏの「取扱説明書－項目１」及び「取扱説明書－項目２」に対応するノードには、それぞれ、「０．５」が入力され、それ以外のＬｏのノードには「０」が入力される。
Also, if the training data is, for example, data that associates "robot motion information - motion speed" with "instruction manual -
なお、制御装置２００の演算器２００ａは、ステップＳ１０１で取得した、訓練モデルに教師データを入力して、第２情報を出力させてもよい。
Note that the
ついで、制御装置２００の演算器２００ａは、出力された第１情報又は第２情報と、教師データ（正解データ）との誤差を示す損失関数によって誤差を特定する。そして、制御装置２００の演算器２００ａは、損失関数のパラメータによる微分又は偏微分に基づいてパラメータを更新する処理を所定回数、繰り返して実行し、学習済モデル２１０を生成する。なお、パラメータを更新する処理は、勾配降下法等公知の手法を用いることができる。
Next, the
次に、制御装置２００の演算器２００ａは、ステップＳ１０２で生成した学習済モデル２１０を記憶器２００ｂに記憶させて（ステップＳ１０３）、本プログラムを終了する。
Next, the
（２）メンテナンス支援動作及び再学習処理
次に、本実施の形態１に係るメンテナンス支援システム３００のメンテナンス支援動作及び学習済モデル２１０の再学習処理について、図１～図６を参照しながら説明する。なお、以下の動作は、制御装置２００の演算器２００ａが、記憶器２００ｂに格納されているプログラムを読み出すことにより実行される。また、以下の動作では、学習済モデル２１０により、出力される出力データが第１情報である場合について、説明するが、これに限定されない。学習済モデル２１０により、出力される出力データは、第２情報であってもよい。
(2) Maintenance support operation and re-learning process Next, the maintenance support operation of the
図６は、本実施の形態１に係るメンテナンス支援システムの動作の他の例（メンテナンス支援動作及び再学習処理）を示すフローチャートである。 FIG. 6 is a flow chart showing another example of the operation of the maintenance support system according to the first embodiment (maintenance support operation and re-learning process).
図６に示すように、制御装置２００の演算器２００ａは、異常検出器１１０が検出したロボット１０１に関する異常状態のデータを取得する（ステップＳ２０１）。ついで、制御装置２００の演算器２００ａは、ステップＳ２０１で取得した異常状態のデータを学習済モデル２１０に入力する（ステップＳ２０２）。これにより、制御装置２００の演算器２００ａは、学習済モデル２１０により算出された、出力層Ｌｏにおける各ノード（第１情報）の出力値（尤度）を取得することができる。
As shown in FIG. 6, the
次に、制御装置２００の演算器２００ａは、学習済モデル２１０に算出された出力値に基づいて、当該出力値の大きい順に各ノードに対応する第１情報（出力データ）をソートする（並び替える）（ステップＳ２０３）。ここで、出力値の大きさは、メンテナンス作業に必要な情報である可能性の大きさを示しているので、出力値の大きいノードほど、優先順位が高いとみなすことができる。
Next, the
このため、制御装置２００の演算器２００ａは、優先順位の高い第１情報を表示装置１２０に表示させる（ステップＳ２０４）。このとき、制御装置２００の演算器２００ａは、優先順位の最も高い第１情報を表示装置１２０に表示させてもよく、複数（例えば、３つ）の優先順位の高い第１情報を表示装置１２０に表示させてもよい。
Therefore, the
これにより、メンテナンス作業者に対して、メンテナンス作業に必要な情報を提示することができ、メンテナンス作業を支援することができる。 As a result, information required for maintenance work can be presented to the maintenance worker, and maintenance work can be supported.
次に、制御装置２００の演算器２００ａは、第１検出器１２１が検出した操作回数を取得する（ステップＳ２０５）。ついで、制御装置２００の演算器２００ａは、ステップＳ２０５で取得した操作回数を第１判定器２１１に入力する。
Next, the
第１判定器２１１は、入力された操作回数を基に、第１情報の有効度を判定する。具体的には、第１判定器２１１は、入力された操作回数を基に、第１情報が有効であるか否かを判定する（ステップＳ２０６）。
The
より詳細には、例えば、第１判定器２１１は、入力された操作回数が、予め設定されている所定の第１回数以上である場合には、第１情報が有効であると判定してもよい。
More specifically, for example, the
なお、第１回数は、１回であってもよく、複数回（例えば、２回、又は３回）であってもよい。また、第１回数を１回と規定する場合には、操作回数は、表示装置１２０に表示されている画面（ページ）を切り替える前に操作された回数であってもよい。また、第１情報が複数ページで構成されている場合には、第１回数を複数回と規定してもよい。
In addition, the first number of times may be one time or a plurality of times (for example, two times or three times). Further, when the first number of times is defined as one time, the number of operations may be the number of operations performed before switching the screen (page) displayed on the
また、例えば、第１判定器２１１は、表示装置１２０に表示されている出力データ（文字情報、画像情報等）を拡大させた回数が１回以上である場合には、第１情報が有効であると判定してもよい。
Further, for example, the
なお、制御装置２００の演算器２００ａが、ステップＳ２０５で取得した操作回数を基に、第１情報が有効であるか否かを判定してもよい、この場合、制御装置２００の演算器２００ａが、第１判定器２１１を構成する。
Note that the
次に、制御装置２００の演算器２００ａは、第１判定器２１１が、第１情報が有効ではないと判定した場合（ステップＳ２０６でＮｏ）には、本プログラムを終了する。
Next, when the
一方、制御装置２００の演算器２００ａは、第１判定器２１１が、第１情報が有効であると判定した場合（ステップＳ２０６でＹｅｓ）には、ステップＳ２０１で取得した異常状態のデータと、有効であると判定した第１情報と、を対応付けて、教師データとして、記憶器２００ｂに記憶させる（教師データの更新；ステップＳ２０７）。
On the other hand, when the
次に、制御装置２００の演算器２００ａは、記憶器２００ｂに記憶されている、ステップＳ２０７で更新された教師データを含む、教師データを用いて、学習済モデル２１０を再学習させる（ステップＳ２０８）。ついで、制御装置２００の演算器２００ａは、再学習させた学習済モデル２１０を記憶器２００ｂに記憶させて（更新させて）、本プログラムを終了する。
Next, the
本実施の形態１に係るメンテナンス支援システムは、ロボットと、前記ロボットに関する異常状態のデータを検出する異常検出器と、前記ロボットの取扱説明書、メンテナンスマニュアル、及び前記ロボットの図面のうち、少なくとも１つの情報を表示する表示装置と、演算器と記憶器を有する制御装置と、を備え、前記記憶器には、前記異常検出器が検出した前記ロボットに関する異常状態のデータを含む入力データと、前記取扱説明書、前記メンテナンスマニュアル、及び前記ロボットの図面のうち、少なくとも１つの情報を含む出力データと、を対応付けた多数の教師データによって学習した学習済モデルが記憶されており、前記演算器は、前記学習済モデルに、前記異常検出器が検出した前記ロボットに関する異常状態のデータを入力データとして入力し、前記入力データに対応する前記出力データを前記学習済モデルから導き出すように構成されており、前記制御装置は、前記演算器が導き出した前記出力データを前記表示装置に表示させるように構成されている。 The maintenance support system according to the first embodiment includes at least one of a robot, an anomaly detector that detects data of an anomalous state of the robot, an instruction manual and a maintenance manual of the robot, and drawings of the robot. a display device that displays two pieces of information; and a control device that has a computing unit and a storage unit. A learned model learned by a large number of teaching data that associates output data including at least one information among an instruction manual, the maintenance manual, and the drawing of the robot is stored, and the computing unit is , data of an abnormal state regarding the robot detected by the abnormality detector is input to the trained model as input data, and the output data corresponding to the input data is derived from the trained model. and the control device is configured to cause the display device to display the output data derived by the calculator.
これにより、ロボットのメンテナンス作業を実行するために必要な情報を容易に取得することができる。 This makes it possible to easily obtain information necessary for performing robot maintenance work.
また、本実施の形態１に係るメンテナンス支援システムでは、前記出力データを表示してから前記表示装置の表示画面に表示されている出力データに関する操作の回数を検出する第１検出器と、前記第１検出器が検出した前記操作の回数に基づいて、前記出力データの有効度を判定する第１判定器と、をさらに備え、前記制御装置は、前記異常検出器が検出した前記ロボットに関する異常データを含む入力データと、前記第１判定器が判定した有効度の高い前記出力データと、を基に、前記学習済モデルを再学習させるように構成されていてもよい。 Further, in the maintenance support system according to the first embodiment, the first detector detects the number of times the output data displayed on the display screen of the display device is operated after the output data is displayed; a first determiner that determines effectiveness of the output data based on the number of times of the operation detected by the first detector, wherein the control device detects abnormal data regarding the robot detected by the abnormality detector; and the output data having a high degree of effectiveness determined by the first determiner, the learned model may be re-learned.
これにより、学習済モデルを再学習することで、ロボットのメンテナンス作業を実行するために必要な情報をより正確に取得することができる。また、正解データを改めて入力する必要がないので、メンテナンス作業者の作業負担を低減することができる。 Thus, by re-learning the learned model, it is possible to more accurately acquire the information necessary to perform the maintenance work of the robot. In addition, since there is no need to input the correct data again, the work burden on the maintenance worker can be reduced.
また、本実施の形態１に係るメンテナンス支援システムでは、前記入力データは、前記異常状態が発生した前記ロボットの機種情報、前記異常状態が発生した前記ロボットの動作情報、前記異常状態が発生した前記ロボットの作業情報、及びエラーコードのうち、少なくとも１つの情報であってもよい。 Further, in the maintenance support system according to the first embodiment, the input data includes model information of the robot in which the abnormal state has occurred, motion information of the robot in which the abnormal state has occurred, and information on the robot in which the abnormal state has occurred. The information may be at least one of robot work information and an error code.
また、本実施の形態１に係るメンテナンス支援システムでは、前記ロボットの動作情報は、前記ロボットの動作速度、前記ロボットの駆動器の温度、前記ロボットの駆動器の回転角度、前記ロボットの駆動器の位置偏差、前記ロボットの電流値のうち、少なくとも１つの情報であってもよい。 Further, in the maintenance support system according to the first embodiment, the operation information of the robot includes the operation speed of the robot, the temperature of the driver of the robot, the rotation angle of the driver of the robot, the temperature of the driver of the robot, and the temperature of the driver of the robot. The information may be at least one of a positional deviation and a current value of the robot.
また、本実施の形態１に係るメンテナンス支援システムでは、前記ロボットの作業情報は、ワークの保持及び搬送作業、前記ワークの組み立て作業、前記ワークに対する溶接作業、前記ワークに対する塗装作業、前記ワークに対するシーリング作業、及び医療補助作業のうち、少なくとも１つの作業であってもよい。 Further, in the maintenance support system according to the first embodiment, the work information of the robot includes holding and transporting work of the work, assembling work of the work, welding work for the work, painting work for the work, sealing work for the work, and sealing work for the work. It may be at least one of work and medical assistance work.
さらに、本実施の形態１に係るメンテナンス支援システムでは、前記出力データは、前記ロボットの前記異常状態が発生した部位に関する、前記取扱説明書、前記メンテナンスマニュアル、及び前記ロボットの図面うち、少なくとも１つの情報であってもよい。 Furthermore, in the maintenance support system according to the first embodiment, the output data includes at least one of the instruction manual, the maintenance manual, and the drawings of the robot regarding the part of the robot where the abnormal state has occurred. It may be information.
なお、本実施の形態１に係るメンテナンス支援システムにおいては、ロボット１０１の全ての機種について、１つの学習済モデル２１０を生成する形態を採用したが、これに限定されない。例えば、ロボット１０１の機種ごとに学習済モデル２１０を生成する形態を採用してもよい。また、ロボット１０１の作業内容（例えば、ワークの保持及び搬送作業、ワークの組み立て作業、ワークに対する溶接作業、ワークに対する塗装作業、ワークに対するシーリング作業、及び医療補助作業）ごとに学習済モデル２１０を生成する形態を採用してもよい。
In the maintenance support system according to
また、本実施の形態１においては、第１判定器２１１が、第１情報の有効度を有効であるか否か、すなわち、有効度が１００％であるか０％であるかを判定する形態を採用したが、これに限定されない。第１情報の有効度を０～１００％の間で判定する形態を採用してもよい。第１情報の有効度を０～１００％の間で判定する形態を採用した場合、学習済モデル２１０の再学習は、第１情報と有効度とを紐づけたデータを、入力データとして、入力してもよい。
Further, in the first embodiment, the
第１情報の有効度を０～１００％の間で判定する形態としては、例えば、操作情報が操作回数である場合に、複数の閾値を設けてもよい。操作回数が、予め設定されている所定の第１閾値（例えば、２回）未満である場合には、有効度を２５％としてもよい。また、操作回数が、第１閾値以上、かつ、第１閾値よりも大きい閾値である第２閾値（例えば、４回）未満である場合には、有効度を５０％としてもよい。さらに、操作回数が、第２閾値以上である場合には、有効度を１００％としてもよい。 As a mode for determining the effectiveness of the first information between 0% and 100%, for example, when the operation information is the number of operations, a plurality of thresholds may be provided. If the number of operations is less than a predetermined first threshold value (for example, two times), the effectiveness may be set to 25%. Further, when the number of operations is equal to or greater than the first threshold and less than a second threshold (for example, 4) that is larger than the first threshold, the effectiveness may be set to 50%. Furthermore, when the number of operations is equal to or greater than the second threshold, the validity may be set to 100%.
［変形例１］
次に、本実施の形態１に係るメンテナンス支援システム３００の変形例１について、図７及び図８を参照しながら説明する。
[Modification 1]
Next, Modified Example 1 of
［メンテナンス支援システムの構成］
図７は、本実施の形態１における変形例１のメンテナンス支援システムの概略構成を示す模式図である。
[Configuration of maintenance support system]
FIG. 7 is a schematic diagram showing a schematic configuration of a maintenance support system according to
図７に示すように、本実施の形態１における変形例１のメンテナンス支援システム３００は、実施の形態１に係るメンテナンス支援システム３００と基本的構成は同じであるが、機種入力器１５１をさらに備える点と、学習済モデル２１０に代えて、学習済モデル２１０Ａを備える点と、が異なる。学習済モデル２１０Ａについては、後述する。
As shown in FIG. 7, the
機種入力器１５１は、ロボットコントローラ１５０が制御するロボット１０１の機種を制御装置２００に入力するように構成されている。本変形例１においては、ロボットコントローラ１５０が、機種入力器１５１を備える形態を採用したが、これに限定されない。ロボット１０１又は異常検出器１１０が、機種入力器１５１を備える形態を採用してもよく、制御装置２００が、機種入力器１５１を備える形態を採用してもよい。
The
［メンテナンス支援システムの動作及び作用効果］
次に、本変形例１におけるメンテナンス支援システム３００の動作及び作用効果について、図７及び図８を参照しながら、詳細に説明する。
[Operation and Effects of Maintenance Support System]
Next, the operation and effects of the
（１）学習済モデルの生成動作（生成処理）
まず、制御装置２００の記憶器２００ｂに記憶されている学習済モデル２１０Ａの生成動作について、説明する。なお、本変形例１においては、エラーコードが共通するロボット１０１の全ての機種について、１つの学習済モデル２１０Ａを生成する。
(1) Generating action of learned model (generating process)
First, the operation of generating the learned
具体的には、例えば、６軸垂直多関節型ロボットの全ての機種でエラーコードが共通している場合には、６軸垂直多関節型ロボットの全ての機種について、１つの学習済モデル２１０Ａを生成する。また、例えば、水平多関節型ロボットの全ての機種でエラーコードが共通している場合には、水平多関節型ロボットの全ての機種について、１つの学習済モデル２１０Ａを生成する。さらに、例えば、双腕型ロボットの全ての機種でエラーコードが共通している場合には、双腕型ロボットの全ての機種について、１つの学習済モデル２１０Ａを生成する。
Specifically, for example, if all models of the 6-axis articulated robot have a common error code, one learned
そして、本変形例１の学習済モデル２１０Ａでは、エラーコードの共通するロボット１０１の機種情報が、訓練モデル（学習済モデル）に入力する入力データとして使用される。
In the learned
これにより、１つの学習済モデル２１０Ａにより、エラーコードの共通する全てのロボット１０１の機種に対して、出力データを出力することができる。
As a result, one learned
（２）メンテナンス支援動作及び再学習処理
次に、本変形例１におけるメンテナンス支援システム３００のメンテナンス支援動作及び学習済モデル２１０Ａの再学習処理について、図８を参照しながら説明する。なお、以下の動作は、制御装置２００の演算器２００ａが、記憶器２００ｂに格納されているプログラムを読み出すことにより実行される。
(2) Maintenance Support Operation and Re-Learning Process Next, the maintenance support operation of the
図８は、本実施の形態１における変形例１のメンテナンス支援システムの動作の一例（メンテナンス支援動作及び再学習処理）を示すフローチャートである。
FIG. 8 is a flow chart showing an example of the operation (maintenance support operation and re-learning process) of the maintenance support system of
図８に示すように、本変形例１におけるメンテナンス支援システム３００の動作（メンテナンス支援動作及び再学習処理）は、実施の形態１に係るメンテナンス支援システム３００と基本的には同様の動作（処理）が実行されるが、ステップＳ２０３の処理に代えて、ステップＳ２０３Ａの処理が実行される点と、学習済モデル２１０に代えて、学習済モデル２１０Ａが用いられる点と、が異なる。
As shown in FIG. 8, the operation (maintenance support operation and re-learning process) of the
具体的には、制御装置２００の演算器２００ａは、異常検出器１１０が検出したロボット１０１に関する異常状態のデータを取得する（ステップＳ２０１）。ついで、制御装置２００の演算器２００ａは、ステップＳ２０１で取得した異常状態のデータを学習済モデル２１０Ａに入力する（ステップＳ２０２）。これにより、制御装置２００の演算器２００ａは、学習済モデル２１０にＡより算出された、出力層Ｌｏにおける各ノード（第１情報）の出力値（尤度）を取得することができる。
Specifically, the
次に、制御装置２００の演算器２００ａは、学習済モデル２１０Ａにより算出された出力値と、機種入力器１５１からロボット１０１の機種情報を取得して、各ノードの出力値に対応する第１情報（出力データ）をソートする（並び替える）（ステップＳ２０３Ａ）。
Next, the
より詳細には、制御装置２００の演算器２００ａは、学習済モデル２１０Ａにより算出された各ノードの出力値に対応する第１情報について、ステップＳ２０３Ａで取得したロボット１０１の機種情報を基に、ロボット１０１の該当機種以外のノードに対応する第１情報を除去する。ついで、制御装置２００の演算器２００ａは、除去されなかった出力値について、出力値の大きい順に各ノードに対応する第１情報をソートする（並び替える）。
More specifically, the
次に、制御装置２００の演算器２００ａは、実施の形態１に係るメンテナンス支援システム３００と同様に、ステップＳ２０４～ステップＳ２０８の処理を実行して、本プログラムを終了する。
Next, the
このように構成されている本変形例１のメンテナンス支援システム３００であっても、実施の形態１に係るメンテナンス支援システム３００と同様の作用効果を奏する。
Even the
（実施の形態２）
以下、本実施の形態２に係るメンテナンス支援システムの一例について、図９及び図１０を参照しながら説明する。
(Embodiment 2)
An example of the maintenance support system according to the second embodiment will be described below with reference to FIGS. 9 and 10. FIG.
［メンテナンス支援システムの構成］
図９は、本実施の形態２に係るメンテナンス支援システムの概略構成を示す模式図である。
[Configuration of maintenance support system]
FIG. 9 is a schematic diagram showing a schematic configuration of a maintenance support system according to the second embodiment.
図９に示すように、本実施の形態２に係るメンテナンス支援システム３００は、実施の形態１に係るメンテナンス支援システム３００と基本的構成は同じであるが、以下の点が異なる。
As shown in FIG. 9, the
本実施の形態２に係るメンテナンス支援システム３００では、第１検出器１２１に代えて、経過時間を検出する第２検出器１２２を備えている。経過時間は、表示装置１２０に出力データを表示してから経過した時間である。より詳細には、経過時間は、表示装置１２０に出力データを表示してから、表示装置１２０の表示画面上に表示されている文字情報、画像情報等を操作（変更）するまでの時間である。
The
なお、本実施の形態２においては、第２検出器１２２は、表示装置１２０に配置されている。
It should be noted that the
また、本実施の形態２に係るメンテナンス支援システム３００では、第１判定器２１１に代えて、第２検出器１２２が検出した経過時間に基づいて、出力データの有効度を判定する第２判定器２１２をさらに備えている点が異なる。なお、本実施の形態２においては、制御装置２００が第２判定器２１２を備える形態を採用したが、これに限定されない。第２判定器２１２が、制御装置２００とは異なる制御装置により構成されている形態を採用してもよい。
Further, in the
［メンテナンス支援システムの動作及び作用効果］
次に、本実施の形態２に係るメンテナンス支援システム３００の動作及び作用効果を図９及び図１０を参照しながら、詳細に説明する。なお、以下の動作は、制御装置２００の演算器２００ａが、記憶器２００ｂに格納されているプログラムを読み出すことにより実行される。
[Operation and Effects of Maintenance Support System]
Next, the operation and effects of the
図１０は、本実施の形態２に係るメンテナンス支援システムの動作の一例を示すフローチャートである。 FIG. 10 is a flow chart showing an example of the operation of the maintenance support system according to the second embodiment.
図１０に示すように、本実施の形態２に係るメンテナンス支援システム３００の動作（メンテナンス支援動作及び再学習処理）は、実施の形態１に係るメンテナンス支援システム３００と基本的には同様の動作（処理）が実行されるが、ステップＳ２０５及びステップＳ２０６の処理に代えて、ステップＳ２０５Ａ及びステップＳ２０６Ａの処理が実行される点が異なる。
As shown in FIG. 10, the operation (maintenance support operation and re-learning process) of the
具体的には、制御装置２００の演算器２００ａは、第２検出器１２２が検出した経過時間を取得する（ステップＳ２０５Ａ）。ついで、制御装置２００の演算器２００ａは、ステップＳ２０５Ａで取得した経過時間を第２判定器２１２に入力する。
Specifically, the
第２判定器２１２は、入力された経過時間を基に、第１情報の有効度を判定する。具体的には、第２判定器２１２は、入力された経過時間を基に、第１情報が有効であるか否かを判定する（ステップＳ２０６Ａ）。
The
より詳細には、第２判定器２１２は、経過時間が、予め設定されている所定の第１時間（例えば、２分、３分、又は５分）以上である場合には、第１情報が有効であると判定してもよい。
More specifically, the
また、第２判定器２１２は、経過時間が、予め設定されている所定の第２時間（例えば、７分又は１０分）以上である場合には、第１情報が有効ではないと判定してもよい。経過時間が第２時間以上である場合には、メンテナンス作業者が表示装置１２０に表示されている文字情報等を見ておらず、他の作業を実行していると考えられるからである。
In addition, the
なお、制御装置２００の演算器２００ａが、ステップＳ２０５Ａで取得した経過時間を基に、第１情報が有効であるか否かを判定してもよい、この場合、制御装置２００の演算器２００ａが、第２判定器２１２を構成する。
Note that the
次に、制御装置２００の演算器２００ａは、第２判定器２１２が、第１情報が有効ではないと判定した場合（ステップＳ２０６ＡでＮｏ）には、本プログラムを終了する。
Next, when the
一方、制御装置２００の演算器２００ａは、第２判定器２１２が、第１情報が有効であると判定した場合（ステップＳ２０６ＡでＹｅｓ）には、ステップＳ２０１で取得した異常状態のデータと、有効であると判定した第１情報と、を対応付けて、教師データとして、記憶器２００ｂに記憶させる（教師データの更新；ステップＳ２０７）。
On the other hand, when the
次に、制御装置２００の演算器２００ａは、記憶器２００ｂに記憶されている、ステップＳ２０７で更新された教師データを含む、教師データを用いて、学習済モデル２１０を再学習させる（ステップＳ２０８）。ついで、制御装置２００の演算器２００ａは、再学習させた学習済モデル２１０を記憶器２００ｂに記憶させて（更新させて）、本プログラムを終了する。
Next, the
本実施の形態２に係るメンテナンス支援システムは、実施の形態１に係るメンテナンス支援システムにおいて、前記表示装置に前記出力データを表示してから経過した時間である、経過時間を検出する第２検出器と、前記第２検出器が検出した前記経過時間に基づいて、前記出力データの有効度を判定する第２判定器と、をさらに備え、前記制御装置は、前記異常検出器が検出した前記ロボットに関するデータを含む入力データと、前記第２判定器が判定した有効度の高い前記出力データと、を基に、前記学習済モデルを再学習させるように構成されている。 In the maintenance support system according to the second embodiment, in the maintenance support system according to the first embodiment, a second detector that detects the elapsed time, which is the time that has elapsed since the output data was displayed on the display device and a second determiner that determines validity of the output data based on the elapsed time detected by the second detector, wherein the control device detects the robot detected by the abnormality detector The learned model is re-learned based on the input data including data related to and the output data with a high degree of effectiveness determined by the second determiner.
これにより、学習済モデルを再学習することで、ロボットのメンテナンス作業を実行するために必要な情報をより正確に取得することができる。また、正解データを改めて入力する必要がないので、メンテナンス作業者の作業負担を低減することができる。 Thus, by re-learning the learned model, it is possible to more accurately acquire the information necessary to perform the maintenance work of the robot. In addition, since there is no need to input the correct data again, the work burden on the maintenance worker can be reduced.
また、本実施の形態２においては、第２判定器２１２が、第１情報の有効度を有効であるか否か、すなわち、有効度が１００％であるか０％であるかを判定する形態を採用したが、これに限定されない。第１情報の有効度を０～１００％の間で判定する形態を採用してもよい。第１情報の有効度を０～１００％の間で判定する形態を採用した場合、学習済モデル２１０の再学習は、第１情報と有効度とを紐づけたデータを、入力データとして、入力してもよい。
Further, in the second embodiment, the
第１情報の有効度を０～１００％の間で判定する形態としては、例えば、経過時間が、予め設定されている所定の第３時間（例えば、２分）未満である場合には、有効度を２５％としてもよい。また、経過時間が、第３時間以上、かつ、第３時間よりも大きい閾値である第５時間（例えば、４分）未満である場合には、有効度を５０％としてもよい。さらに、経過時間が、第５時間以上である場合には、有効度を１００％としてもよい。 As a form of determining the validity of the first information between 0 and 100%, for example, if the elapsed time is less than a preset third time (for example, 2 minutes), the valid degree may be 25%. Further, when the elapsed time is equal to or longer than the third time and less than the fifth time (for example, 4 minutes), which is a threshold value larger than the third time, the effectiveness may be set to 50%. Furthermore, when the elapsed time is equal to or longer than the fifth hour, the effectiveness may be set to 100%.
（実施の形態３）
以下、本実施の形態３に係るメンテナンス支援システムの一例について、図１１及び図１２を参照しながら説明する。
(Embodiment 3)
An example of a maintenance support system according to the third embodiment will be described below with reference to FIGS. 11 and 12. FIG.
［メンテナンス支援システムの構成］
図１１は、本実施の形態３に係るメンテナンス支援システムの概略構成を示す模式図である。
[Configuration of maintenance support system]
FIG. 11 is a schematic diagram showing a schematic configuration of a maintenance support system according to the third embodiment.
図１１に示すように、本実施の形態３に係るメンテナンス支援システム３００は、実施の形態１に係るメンテナンス支援システム３００と基本的構成は同じであるが、以下の点が異なる。
As shown in FIG. 11, the
本実施の形態３に係るメンテナンス支援システム３００では、第１検出器１２１に代えて、入力装置１３０を備えている。入力装置１３０は、表示装置１２０に表示されている出力データの有効度を入力するように構成されている。入力装置１３０としては、キーボードで構成されていてもよい。なお、表示装置１２０がタッチパネルで構成されている場合には、表示装置１２０が入力装置１３０を兼ねてもよい。
The
また、本実施の形態２に係るメンテナンス支援システム３００では、第１判定器２１１に代えて、入力装置１３０から入力された出力データの有効度に基づいて、出力データを学習済モデル２１０の教師データとして採用するか否かを判定する第３判定器２１３をさらに備えている点が異なる。なお、本実施の形態３においては、制御装置２００が第３判定器２１３を備える形態を採用したが、これに限定されない。第３判定器２１３が、制御装置２００とは異なる制御装置により構成されている形態を採用してもよい。
Further, in the
［メンテナンス支援システムの動作及び作用効果］
次に、本実施の形態３に係るメンテナンス支援システム３００の動作及び作用効果を図１１及び図１２を参照しながら、詳細に説明する。なお、以下の動作は、制御装置２００の演算器２００ａが、記憶器２００ｂに格納されているプログラムを読み出すことにより実行される。
[Operation and Effects of Maintenance Support System]
Next, operations and effects of the
図１２は、本実施の形態３に係るメンテナンス支援システムの動作の一例を示すフローチャートである。 FIG. 12 is a flow chart showing an example of the operation of the maintenance support system according to the third embodiment.
図１２に示すように、本実施の形態３に係るメンテナンス支援システム３００の動作（メンテナンス支援動作及び再学習処理）は、実施の形態１に係るメンテナンス支援システム３００と基本的には同様の動作（処理）が実行されるが、ステップＳ２０５及びステップＳ２０６の処理に代えて、ステップＳ２０５Ｂ及びステップＳ２０６Ｂの処理が実行される点が異なる。
As shown in FIG. 12, the operation (maintenance support operation and re-learning process) of the
具体的には、制御装置２００の演算器２００ａは、入力装置１３０から表示装置１２０に表示されている出力データ（第１情報）の有効度を取得する（ステップＳ２０５Ｂ）。ついで、制御装置２００の演算器２００ａは、ステップＳ２０５Ｂで取得した第１情報の有効度を第３判定器２１３に入力する。
Specifically, the
第３判定器２１３は、入力された有効度を基に、第１情報を教師データとして採用するか否かを判定する（ステップＳ２０６Ｂ）。具体的には、例えば、第３判定器２１３は、有効度が５０％以上である場合には、第１情報を教師データとして採用するように構成されていてもよい。また、第３判定器２１３は、有効度が７５％以上である場合には、第１情報を教師データとして採用するように構成されていてもよい。
The
なお、制御装置２００の演算器２００ａが、ステップＳ２０５Ｂで取得した有効度を基に、第１情報を教師データとして採用するか否かを判定してもよい、この場合、制御装置２００の演算器２００ａが、第３判定器２１３を構成する。
Note that the
次に、制御装置２００の演算器２００ａは、第３判定器２１３が、第１情報が教師データとして採用しないと判定した場合（ステップＳ２０６ＢでＮｏ）には、本プログラムを終了する。
Next, when the
一方、制御装置２００の演算器２００ａは、第３判定器２１３が、第１情報を教師データとして採用すると判定した場合（ステップＳ２０６ＢでＹｅｓ）には、ステップＳ２０１で取得した異常状態のデータと、第１情報と、を対応付けて、教師データとして、記憶器２００ｂに記憶させる（教師データの更新；ステップＳ２０７）。
On the other hand, when the
次に、制御装置２００の演算器２００ａは、記憶器２００ｂに記憶されている、ステップＳ２０７で更新された教師データを含む、教師データを用いて、学習済モデル２１０を再学習させる（ステップＳ２０８）。ついで、制御装置２００の演算器２００ａは、再学習させた学習済モデル２１０を記憶器２００ｂに記憶させて（更新させて）、本プログラムを終了する。
Next, the
本実施の形態３に係るメンテナンス支援システムは、前記表示装置に表示されている前記出力データの有効度を入力するように構成されている、入力装置をさらに備え、前記制御装置は、前記異常検出器が検出した前記ロボットに関するデータを含む入力データと、前記入力装置から入力された有効度の高い前記出力データと、を基に、前記学習済モデルを再学習させるように構成されている。 The maintenance support system according to Embodiment 3 further includes an input device configured to input the effectiveness of the output data displayed on the display device, and the control device controls the abnormality detection The learned model is re-learned based on the input data including the data regarding the robot detected by the device and the highly effective output data input from the input device.
これにより、学習済モデルを再学習することで、ロボットのメンテナンス作業を実行するために必要な情報をより正確に取得することができる。 Thus, by re-learning the learned model, it is possible to more accurately acquire the information necessary to perform the maintenance work of the robot.
上記説明から、当業者にとっては、本開示の多くの改良又は他の実施形態が明らかである。従って、上記説明は、例示としてのみ解釈されるべきであり、本開示を実行する最良の態様を当業者に教示する目的で提供されたものである。本開示を逸脱することなく、その構造及び／又は機能の詳細を実質的に変更できる。 From the above description, many modifications or other embodiments of this disclosure will be apparent to those skilled in the art. Accordingly, the above description is to be construed as illustrative only and is provided for the purpose of teaching those skilled in the art the best mode of carrying out the disclosure. Substantial details of its construction and/or function may be changed without departing from the disclosure.
本開示のメンテナンス支援システムによれば、ロボットのメンテナンス作業を実行するために必要な情報を容易に取得することができるため、ロボットの分野において有用である。 INDUSTRIAL APPLICABILITY The maintenance support system of the present disclosure is useful in the field of robots because information necessary for performing robot maintenance work can be easily obtained.
１１ａ 第１リンク
１１ｂ 第２リンク
１１ｃ 第３リンク
１１ｄ 第４リンク
１１ｅ 第５リンク
１１ｆ 第６リンク
１２ エンドエフェクタ
１５ 基台
１０１ ロボット
１１０ 異常検出器
１２０ 表示装置
１２１ 第１検出器
１２２ 第２検出器
１３０ 入力装置
１５０ ロボットコントローラ
１５０ａ 演算処理器
１５０ｂ 記憶器
１５０ｃ 入力器
２００ 制御装置
２００ａ 演算器
２００ｃ 入力器
２００ｂ 記憶器
２１０ 学習済モデル
２１０Ａ 学習済モデル
２１１ 第１判定器
２１２ 第２判定器
２１３ 第３判定器
３００ メンテナンス支援システム
３１０ 通信ネットワーク
ＪＴ１ 第１関節
ＪＴ２ 第２関節
ＪＴ３ 第３関節
ＪＴ４ 第４関節
ＪＴ５ 第５関節
ＪＴ６ 第６関節
Ｌｉ 入力層
Ｌｍ 中間層
Ｌｏ 出力層
11a
Claims (8)
前記ロボットに関する異常状態のデータを検出する異常検出器と、
前記ロボットの取扱説明書、前記ロボットのメンテナンスマニュアル、及び前記ロボットの図面のうち、少なくとも１つの情報を表示する表示装置と、
演算器と記憶器を有する制御装置と、を備え、
前記記憶器には、前記異常検出器が検出した前記ロボットに関する異常状態のデータを含む入力データと、前記取扱説明書、前記メンテナンスマニュアル、及び前記ロボットの図面のうち、少なくとも１つの情報を含む出力データと、を対応付けた多数の教師データによって学習した学習済モデルが記憶されており、
前記演算器は、前記学習済モデルに、前記異常検出器が検出した前記ロボットに関する異常状態のデータを入力データとして入力し、前記入力データに対応する前記出力データを前記学習済モデルから導き出すように構成されており、
前記制御装置は、前記演算器が導き出した前記出力データを前記表示装置に表示させるように構成されている、メンテナンス支援システム。 robot and
an anomaly detector that detects data of an anomaly related to the robot;
a display device for displaying at least one piece of information out of an instruction manual for the robot, a maintenance manual for the robot, and drawings for the robot;
A control device having a calculator and a memory,
Input data including abnormal state data regarding the robot detected by the abnormality detector, and output including at least one piece of information from the instruction manual, the maintenance manual, and the drawings of the robot, in the storage device. A trained model trained by a large number of teacher data that associates data with is stored,
The computing unit inputs, as input data, abnormal state data regarding the robot detected by the abnormality detector to the trained model, and derives the output data corresponding to the input data from the trained model. is composed of
The maintenance support system, wherein the control device is configured to display the output data derived by the calculator on the display device.
前記第１検出器が検出した前記操作の回数に基づいて、前記出力データの有効度を判定する第１判定器と、をさらに備え、
前記制御装置は、前記異常検出器が検出した前記ロボットに関する異常データを含む入力データと、前記第１判定器が判定した有効度の高い前記出力データと、を基に、前記学習済モデルを再学習させるように構成されている、請求項１に記載のメンテナンス支援システム。 a first detector for detecting the number of times the output data displayed on the display screen of the display device is operated after the output data is displayed;
a first determiner that determines validity of the output data based on the number of times of the operation detected by the first detector;
The control device reproduces the learned model based on input data including abnormal data regarding the robot detected by the abnormality detector and the output data having a high degree of effectiveness determined by the first determiner. The maintenance support system according to claim 1, configured to learn.
前記第２検出器が検出した前記経過時間に基づいて、前記出力データの有効度を判定する第２判定器と、をさらに備え、
前記制御装置は、前記異常検出器が検出した前記ロボットに関するデータを含む入力データと、前記第２判定器が判定した有効度の高い前記出力データと、を基に、前記学習済モデルを再学習させるように構成されている、請求項１又は２に記載のメンテナンス支援システム。 a second detector that detects elapsed time, which is the time that has elapsed since the output data was displayed on the display device;
a second determiner that determines validity of the output data based on the elapsed time detected by the second detector;
The control device re-learns the learned model based on input data including data related to the robot detected by the anomaly detector and the output data with a high degree of effectiveness determined by the second determiner. 3. The maintenance support system according to claim 1 or 2, configured to allow
前記制御装置は、前記異常検出器が検出した前記ロボットに関するデータを含む入力データと、前記入力装置から入力された有効度の高い前記出力データと、を基に、前記学習済モデルを再学習させるように構成されている、請求項１～３のいずれか１項に記載のメンテナンス支援システム。 further comprising an input device configured to input a degree of validity of the output data being displayed on the display device;
The control device re-learns the trained model based on the input data including the data regarding the robot detected by the abnormality detector and the highly effective output data input from the input device. 4. The maintenance support system according to any one of claims 1 to 3, configured as follows.
8. The output data is information on at least one of the instruction manual, the maintenance manual, and the drawings of the robot regarding the portion of the robot where the abnormal state has occurred. maintenance support system described in .
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021026469A JP2022128114A (en) | 2021-02-22 | 2021-02-22 | Maintenance support system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021026469A JP2022128114A (en) | 2021-02-22 | 2021-02-22 | Maintenance support system |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2022128114A true JP2022128114A (en) | 2022-09-01 |
Family
ID=83061120
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021026469A Pending JP2022128114A (en) | 2021-02-22 | 2021-02-22 | Maintenance support system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2022128114A (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024085159A1 (en) * | 2022-10-18 | 2024-04-25 | ソフトバンクグループ株式会社 | Work robot adjustment method, sensing system, sensing method, mobile robot, operation modification system, operation modification method, work robot, work reproduction system, work reproduction method, work mastering system, work mastering method, and work reproducing robot |
-
2021
- 2021-02-22 JP JP2021026469A patent/JP2022128114A/en active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024085159A1 (en) * | 2022-10-18 | 2024-04-25 | ソフトバンクグループ株式会社 | Work robot adjustment method, sensing system, sensing method, mobile robot, operation modification system, operation modification method, work robot, work reproduction system, work reproduction method, work mastering system, work mastering method, and work reproducing robot |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111194452B (en) | Motion prediction system and motion prediction method | |
| JP5191738B2 (en) | Manipulator control method and control system | |
| JP6924145B2 (en) | Robot teaching method and robot arm control device | |
| JP6711854B2 (en) | Failure prediction device and machine learning device | |
| WO2017090235A1 (en) | Robot direct-teaching method | |
| CN103429397A (en) | Control device, control method and control program for articulated robot | |
| JP6744277B2 (en) | Life prediction device | |
| JP2019217557A (en) | Remote control method and remote control system | |
| JP6621059B2 (en) | Mechanical equipment control system, mechanical equipment control device, and mechanical equipment control method | |
| WO2022091421A1 (en) | Industrial system, abnormality detection system, and abnormality detection method | |
| JP2002154085A (en) | Maintenance support method and maintenance support device for working robot system | |
| JP6348141B2 (en) | Robot control device displaying operation program including additional axis status | |
| CN109414820B (en) | Robot operation method, storage unit, and robot system | |
| JP2022128114A (en) | Maintenance support system | |
| US20200156258A1 (en) | Robot system and method for operating same | |
| JP6514273B2 (en) | Robot system that displays speed | |
| CN110405729B (en) | Robot control device | |
| JP2010240782A (en) | Robot control system, control device, and control method | |
| JP2016221653A (en) | Robot control device and robot system | |
| JP2022128115A (en) | Maintenance support system | |
| JP2021035697A (en) | Work machine operation control method | |
| JP2019042875A (en) | Method and device for controlling articulated robot | |
| KR102567361B1 (en) | Robot teaching apparatus and method for teaching robot using the same | |
| WO2023068352A1 (en) | Robot data processing server and robot program calculation method | |
| WO2023068351A1 (en) | Robot data processing server, and path data calculating method |