JP7079420B2 - 異常診断装置及び異常診断方法 - Google Patents

Description

本発明は、ロボット等の機器に設けられる減速機等の可動部に発生する異常を診断する異常診断装置及び異常診断方法に関する。

従来より、機器に発生する異常を検出する装置として、例えば特許文献１に開示されたものが知られている。特許文献１では、診断対象となる機器に異常が発生した際の、日付、音データ、診断結果の正誤、作業の記録（点検の有無、問題の有無、実施した時刻、場所など）を対応付けて記録し、機器に異常が発生したときの音について過去に類似する事例をユーザに提示することが開示されている。

特開２００５－３３９１４２号公報

しかしながら、上述した特許文献１では、診断対象となる機器に異常が発生した場合において、他の機器の異常との因果関係を知ることができないという問題があった。

本発明は、このような従来の課題を解決するためになされたものであり、その目的とするところは、一の可動部に異常が発生した場合に、これに関連する他の可動部の異常を予測して操作者に提示することが可能な異常診断装置、及び異常診断方法を提供することにある。

本発明の一態様は、各可動部に対して実施した保全に関する保全データを記憶する保全履歴記憶部と、各可動部の異常を診断する制御部とを有する。制御部は、可動部データに基づいて一の可動部の異常を検出した場合に、保全データに基づいて一の可動部の異常に関連して発生する他の可動部の異常を予測し、予測した他の可動部の異常に関する情報を表示部に出力する。

本発明の一態様によれば、一の可動部に異常が発生した場合に、これに関連する他の可動部の異常を予測して操作者に提示することが可能となる。

図１は、本発明の実施形態に係る異常診断装置、及びその周辺機器の構成を示すブロック図である。 図２は、図１に示した異常診断装置を一体型のコンピュータで構成した例を示す説明図である。 図３は、本発明に係る異常診断装置で実施される相関分析処理の処理手順を示すフローチャートである。 図４は、本発明に係る異常検出装置の処理手順を示すフローチャートである。 図５は、外乱トルク、及び異常度の変化を示すグラフである。 図６は、各減速機で検出される異常、及び保全の実施を示す説明図である。 図７Ａは、保全履歴Ａを示す説明図である。 図７Ｂは、保全履歴Ｂを示す説明図である。 図８は、異常診断の経緯を示すツリー画像を示す説明図である。 図９は、ディスプレイに表示する異常診断画像を示す説明図である。 図１０は、ディスプレイに表示する異常診断画像を示す説明図であり、保全履歴Ａを保全履歴Ｂに対して拡大して表示する例を示す。 図１１は、各減速機で実施された保全（Ｈ１～Ｈｎ）と、減速機で検出される異常を示すタイミングチャートである。

以下、本発明の実施形態について図面を参照して説明する。

［第１実施形態の説明］
図１は、本発明の実施形態に係る異常診断装置、及びその周辺機器の構成を示すブロック図である。図１に示すように、本実施形態に係る異常診断装置１０２は、ロボット１０１（機器）、及びユーザインターフェース１０３（図では「ＵＩ」と表記）に接続されており、ロボット１０１の異常を診断し、診断結果に関するデータをユーザインターフェース１０３に設けられたディスプレイ６２（表示部）に対して出力し、ディスプレイ６２に診断結果が表示される。なお、「異常を診断する」とは、現在生じている異常を判定するだけでなく、将来的に発生する異常を予測することを含む概念である。

ロボット１０１は、例えばティーチングプレイバック型の多軸型ロボットである。ティーチングプレイバックとは、ロボットに付属するティーチングペンダントを使用して、操作者がロボットを実際に動作させ、その動作を記録、再生させてロボットを動作させる機能を示す。なお、本実施形態では、ティーチングプレイバック型のロボットを例に挙げて説明するが、本発明はこれに限定されるものではない。

図１に示すようにロボット１０１は、減速機１４（可動部）と、動作制御部１５と、センサ１３と、外乱トルク演算部１２と、通信部１１を備えている。なお、減速機１４はロボット１０１に複数設けられているが、図１では１つのみを記載している。

減速機１４は、ロボットアームの関節軸を動作させるためのサーボモータ（以下、「モータ」と略す）を備えており、動作制御部１５の制御により動作する。そして、減速機１４を動作させることにより、例えばロボットアームの先端に搭載した溶接電極（溶接部）を、加工の対象となる対象物（例えば、金属製のブランク材）の所望部位に接触させて、溶接作業を実施する。また、溶接作業以外にも、ロボット１０１により、対象物のプレス、塗装、樹脂成形、組み立て、等の各種作業を実施することができる。

センサ１３は、ロボット１０１に設置され、例えばパルスジェネレータやエンコーダ等を含み、減速機１４により動作するロボットアームの位置及び角度、減速機１４に設けられるモータの回転角度、回転速度、消費電力、及び電流、減速機１４の回転角度等の各種の物理量を検出する。更に、センサ１３は、減速機１４のモータに生じるトルク値を検出する。センサ１３で検出したセンサデータは、通信部１１より異常診断装置１０２に送信される。

動作制御部１５は、上述したティーチングにより設定された動作プログラムに従って減速機１４を動作させ、ロボット１０１に搭載される各ロボットアーム、関節軸が所望の動作をするように制御する。更に、ロボット１０１を稼働させたときの稼働データを通信部１１に出力する。稼働データには、ロボット１０１の稼働に関する各種の情報が含まれる。詳細については後述する。

外乱トルク演算部１２は、減速機１４のモータに発生する外乱トルクを演算する。外乱トルクとは、モータを制御する際のトルク指令値と、センサ１３で検出されるトルク検出値との差分を示す。モータが正常であり減速機１４が安定的に動作しているときは、トルク指令値とトルク検出値との差分はほぼ一定となるので、外乱トルクは安定した数値を示す。減速機１４に異常が発生している場合には減速機１４は安定的に動作せず、外乱トルクに大きな変化が発生する。なお、外乱トルクは、可動部（減速機１４）の状態に関する可動部データの一例である。

通信部１１は、ロボット１０１の稼働データ、外乱トルク演算部１２で演算された外乱トルク、センサ１３で検出された各種のセンサデータを異常診断装置１０２に送信する。

ロボット１０１が備える上記した各機能は、１又は複数の処理回路により実装され得る。処理回路は、電気回路を含む処理装置等のプログラムされた処理装置を含む。処理装置は、また、ロボット１０１が備える機能を実行するようにアレンジされた特定用途向け集積回路（ＡＳＩＣ）や従来型の回路部品のような装置を含む。

ユーザインターフェース１０３は、各種の情報を表示するディスプレイ６２と、異常診断装置１０２より送信される各種の情報の表示を制御する表示制御部６１を備えている。更に、操作者が各種の操作を行う入力部６３を備えている。入力部６３において操作者がロボット１０１の保全を実施したことを示す保全データを入力した場合には、この保全データを後述する保全履歴ＤＢ３２（保全履歴記憶部）に書き込む操作を行う。ユーザインターフェース１０３は、タブレット端末などを用いることも可能である。

次に、異常診断装置１０２の構成について説明する。異常診断装置１０２は、制御部５１と、各種のデータベース（ＤＢ）を備えている。制御部５１は、通信部２１と、異常度判定部２２と、異常予測部２３と、通知内容設定部２４と、相関分析部２５を含んでいる。データベースは、センサＤＢ３１と、保全履歴ＤＢ３２（保全履歴記憶部）と、異常予測ＤＢ３３と、相関記憶ＤＢ３４（相関記憶部）と、稼働履歴ＤＢ３５を含んでいる。

センサＤＢ３１は、センサ１３で検出されたロボットアームの位置及び角度、モータの回転角度及び回転速度等のセンサデータを記憶する。更に、外乱トルク演算部１２で演算された外乱トルク（可動部の状態に関するデータ）を記憶する。

稼働履歴ＤＢ３５は、ロボット１０１の稼働データを記憶する。稼働データには、ロボット１０１の稼働日、稼働を開始した時刻、稼働を停止した時刻、連続して稼働した時間、連続して停止した時間等の、稼働に関する各種のデータが含まれる。また、稼働データには、減速機１４の運転モードが含まれる。運転モードには、通常運転モード、保全モード、停止モードが含まれる。

保全履歴ＤＢ３２は、減速機１４に異常が発生した場合や、異常の発生が予測された場合において、ロボット１０１に対して保全を実施した際の、保全データを記憶する。保全データは、操作者がユーザインターフェース１０３の入力部６３により入力することができる。或いは、ロボット１０１が上述した保全モードで運転された場合に、保全が実施されているものと判定して自動で保全データを作成して記憶してもよい。保全データには、保全を実施した減速機１４のＩＤ番号、或いは該減速機１４に搭載されるモータのＩＤ番号、保全を実施した日時、保全の内容（交換、修理、グリスの更油等）が含まれる。

相関記憶ＤＢ３４は、後述する相関分析部２５で導き出される相関関係（詳細は後述）を記憶する。更に相関記憶ＤＢ３４は、ロボット１０１に設けられる一の減速機、及び一の減速機と連動して動作する他の減速機との対応関係を記憶する。例えば、ロボット１０１に６台の減速機１４（これを、減速機１４ａ、１４ｂ、１４ｃ、１４ｄ、１４ｅ、１４ｆとする）が設けられており、減速機１４ａと１４ｂとが連動して動作し、減速機１４ｄ、１４ｅ、１４ｆが連動して動作する場合に、これらの対応関係を記憶する。なお、「減速機１４ａと１４ｂが連動して動作する」とは、減速機１４ａの動作が減速機１４ｂの動作に何らかの影響を与えることを含む概念である。また、以下では個々の減速機を特定して示す場合には、「減速機１４ａ」、「減速機１４ｂ」等のようにサフィックスを付して示し、特定しない場合には「減速機１４」と示すことにする。

異常予測ＤＢ３３は、異常予測部２３（詳細は後述）で予測された異常予測データを記憶する。例えば、ある減速機１４ａの外乱トルクにて異常が検出され、更に、減速機１４ａと連動して動作する減速機１４ｂに生じる異常が予測された際に、予測したデータを異常予測データとして記憶する。

通信部２１は、ロボット１０１に設けられる通信部１１との間で通信を行う。通信部２１は、ロボット１０１より送信されるロボット１０１の稼働データを受信し、稼働履歴ＤＢ３５に出力する。また、通信部２１は、ロボット１０１より送信される外乱トルク、センサデータを受信して、センサＤＢ３１に出力する。

相関分析部２５は、保全履歴ＤＢ３２に記憶されている各減速機１４の保全データに基づいて、各減速機１４に発生する異常の相関分析を実施する。図６は、各減速機１４の保全履歴の一例を示しており、横軸は１～数週間の時間を示している。図６において、「○」は減速機１４に生じる異常を示し、「△」はグリスを更油する保全の実施を示し、「□」は減速機１４を交換する保全の実施を示している。図６に示すように、各減速機１４ａ、１４ｂ、１４ｃでは、異常が発生しその後グリスを更油すると、その後数日以内に高い頻度で減速機１４の交換が行われている。従って、グリスの更油とその後の減速機１４の交換には相関関係があるものと判定する。相関分析により得られる相関関係を相関記憶ＤＢ３４に記憶する。

異常度判定部２２は、減速機１４に搭載されるモータの過去の外乱トルクを、センサＤＢ３１から取得し、取得した外乱トルクの異常さを示す異常度を演算する。以下、異常度の演算方法について説明する。外乱トルクがｘ’であるときの異常度ａ（ｘ’）を、下記の（１）式で定義する。

ａ（ｘ’）＝｛（ｘ’－ｍ）^２｝／２・ｓ^２ ・・・（１）
但し、ｍは外乱トルクの標本平均、ｓは外乱トルクの標準偏差である。

そして、異常度ａ（ｘ’）が予め設定した基準値を超える場合には、この外乱トルクは異常であると判定する。図５（ａ）は減速機１４ａに生じる外乱トルクを示す波形であり、図５（ａ）に示す外乱トルクに基づいて上記（１）式により異常度を演算する。その結果、図５（ｂ）示す如くの異常度が演算される。例えば、図５（ｂ）の符号ｐ１では、異常度が基準値（１．０）を超えているので、外乱トルクに異常が発生しているものと判定する。

また、上記以外にも、異常度を演算する方法として、カーネル密度推定や密度比推定等を用いることができる。更に、異常度を演算する他の方法として、外乱トルクと所定値との差分を演算し、更に、この差分の時間経過に対する変化率を演算する。そして、演算した変化率が所定の閾値を上回った場合に外乱トルクは異常であると判定することもできる。上記の所定値は、例えば、１年前の同月の外乱トルクの平均値を用いることができる。

異常予測部２３は、各減速機１４毎に演算された異常度に基づいて、各減速機１４に発生する異常を判定または予測する。前述した異常度判定部２２で演算された異常度に基づき、ある減速機１４ａの異常度が高いと判定された場合には、この減速機１４ａは異常であると判定する。更に、相関記憶ＤＢ３４を参照して、減速機１４ａと連動して動作する減速機１４のリストを取得する。本実施形態では、上記リストとして減速機１４ｂが取得される。なお、減速機１４ａと連動して動作する減速機１４は複数存在することもあるが、ここでは一例として減速機１４ｂのみとして説明する。

異常予測部２３は、保全履歴ＤＢ３２に記憶されている減速機１４ａ、１４ｂの保全データ（保全時期、保全の内容等）、及び相関記憶ＤＢ３４に記憶されている相関関係に基づいて、減速機１４ａ、１４ｂに発生する異常を検出する。

例えば、図６に示したように、ある減速機１４の異常が検出されると、その後グリスの更油が行われ、更にその後、減速機１４の交換が行われる保全作業が高い頻度で行われている。グリスの更油とその後の減速機１４の交換には相関関係があるものと判定する。従って、減速機１４ａで異常が検出された時点が、減速機１４ｂでグリスの更油を実施した後である場合には、減速機１４ｂで減速機１４の交換を必要とする異常が発生している可能性が高いと判定されるので、減速機１４ｂに異常が発生すると予測する。即ち、異常予測部２３は、減速機１４ａ（一の可動部）で異常が検出された場合に、相関記憶ＤＢ３４に記憶された相関関係を参照し、減速機１４ａで検出された異常と相関関係がある減速機１４ｂ（他の可動部）の異常を予測する。

以下、図７Ａ、図７Ｂを参照してより詳細に説明する。図７Ａは、減速機１４ａ、１４ｂにおいて過去に検出された異常と、過去に実施した保全を示す図であり、横軸は１～数週間の時間である。これを、「保全履歴Ａ」とする。また、図７Ｂは、減速機１４ａ、１４ｂにおいて過去に検出された異常と、過去に実施した保全を示す図であり、横軸は１～数年の期間である。これを、「保全履歴Ｂ」とする。図７Ａの「☆」は今回検出された異常を示し、図７Ｂの「◎」は異常が検出されなかったこと、即ち、正常であったことを示す。また、「○」は異常を示し、「△」はグリスの更油を示し、「□」は減速機１４の交換を示す。

図７Ａの保全履歴Ａに示すように、減速機１４ｂでは時刻ｔ１において異常が発生し、その後時刻ｔ２においてグリスの更油が行われている。減速機１４ａでは、時刻ｔ３において今回の異常が検出されている。

一方、図７Ｂの保全履歴Ｂに示すように、減速機１４ａでは時刻ｔ１１において減速機１４の交換が行われ、その後一年以内の時刻ｔ１２（図７Ａのｔ３に対応）において、今回の異常が検出されている。

異常予測部２３では、減速機１４ａで検出された今回の異常（図７Ａのｔ３、図７Ｂのｔ１２）は、減速機１４ａの前回の交換から１年以内であるので、減速機１４ａに異常が発生する可能性は低いと判定する。

更に、減速機１４ｂでは図７Ａの時刻ｔ２においてグリスの更油が行われている。相関記憶ＤＢ３４に記憶されている相関関係を参照すると、減速機１４ｂに異常が発生している可能性が高い。即ち、図７Ａに示す保全履歴Ａを参照すると、減速機１４ｂについて時刻ｔ１において異常が検出され、時刻ｔ２においてグリスを更油する保全が行われているので、時刻ｔ３において減速機１４ｂには、減速機の交換が必要になる程度の異常が発生している可能性が高いものと判定される。つまり、減速機１４ｂに異常が発生し、この異常の発生に起因して、減速機１４ｂと動作が連動する減速機１４ａに異常が発生している可能性が高いものと判定される。

従って、異常予測部２３は、減速機１４ａにおいて異常が検出された場合であっても、減速機１４ａと連動して動作する減速機１４ｂに異常が発生している可能性が高いものと判断して、減速機１４ａに加えて、減速機１４ｂの異常を予測する。即ち、異常予測部２３は、減速機１４ａの異常を検出した場合には、少なくとも一つの他の減速機１４（減速機１４ｂ）の異常に対する保全データを参照して、減速機１４ｂの異常に関する情報を決定する。

通知内容設定部２４は、ユーザインターフェース１０３のディスプレイ６２に表示して操作者に通知する内容を設定する。異常予測部２３で異常と診断された減速機１４の異常診断結果をツリー構造状に表現するツリー画像７３を生成する。

図８はツリー画像７３の一例を示す説明図である。例えば、減速機１４ａにおいて異常が検出された場合には、図８のブロックｑ１に示すように「異常診断ツリー」の画像を生成する。ブロックｑ２に示すように、このとき演算された異常度の数値「２．１」が基準値「１．０」よりも大きいことを示す「異常度２．１＞基準値１．０」の画像を生成する。更に、後述するように、異常度の波形との対応を認識しやすいように記号Ｋ１の画像を生成する。なお、本実施形態で説明する「記号」とは文字、所定のマーク、アイコンなども含む概念である。

ブロックｑ３に示すように、「保全履歴Ｂ」「１年以内に減速機１４ａを交換」の画像を生成する。ブロックｑ４に示すように、「保全履歴Ａ」「減速機１４ｂ：要注意」の画像を生成する。

更に、この異常に対して実施する保全の内容を示す画像を生成する。この場合は、減速機１４ａまたは減速機１４ｂに異常が発生していることが想定されるので、ブロックｑ５に示すように「減速機１４ａ、減速機１４ｂのグリスの鉄粉濃度を測定してください」の保全の実施を示す画像を生成する。ツリー画像７３は、減速機１４ａ、及び異常の発生が予測される減速機１４ｂに対する保全指令を含み、異常の発生と保全指令の関係が対応付けされている。

異常の発生から保全の実施までの流れを示すブロックｑ１～ｑ５の表示枠を太線で表示する。それ以外のブロックｑ６、ｑ７、ｑ８の表示枠を細線で表示する。従って、減速機１４ａで異常が検出された際に、異常予測部２３において減速機１４ｂの異常が予測されるまでの経緯を系統付けて操作者に認識させることができる。また、ブロックｑ１～ｑ５とブロックｑ６～ｑ８を色分けして表示することや、網掛け表示などにより強調表示してもよい。

即ち、通知内容設定部２４は、減速機１４ａの異常を検出した場合に、減速機１４ａの情報、及び減速機１４ｂの情報（図８、図９のブロックｑ４、ｑ６）をツリー構造状に表示するツリー画像７３（図９参照）を生成する。そして、減速機１４ｂの情報を、減速機１４ｂの異常予測の内容に応じて、減速機１４ｂの情報の表示形態（例えば、線の太さ）を変更したツリー画像７３を生成する。

通知内容設定部２４は、上記のツリー画像７３、及び図５に示した外乱トルクの波形、異常度の波形を示す異常度表示画像７１、図７Ａ、図７Ｂに示した保全履歴画像７２を生成する。保全履歴画像７２は、保全履歴Ａを示す画像（第１の保全履歴画像）と、保全履歴Ａとは時間軸のスケールが相違する保全履歴Ｂを示す画像（第２の保全履歴画像）を含んでいる。生成した各画像７１、７２、７３を組み合わせて、図９に示す異常診断画像７０を生成する。なお、図９に示すブロックｑ５、ｑ７、ｑ８には、図８に示すブロックｑ５、ｑ７、ｑ８と同一の操作指示が示される。

ここで、異常診断装置１０２は、図２に示すようにＣＰＵ４１（中央処理装置）、メモリ４２、及び各データベース（センサＤＢ３１、保全履歴ＤＢ３２、異常予測ＤＢ３３、相関記憶ＤＢ３４、稼働履歴ＤＢ３５）を備えるコンピュータを用いて実現することもできる。コンピュータを異常診断装置１０２として機能させるためのコンピュータプログラム（異常診断プログラム）を、コンピュータにインストールして実行する。これにより、ＣＰＵ４１は、異常診断装置１０２が備える複数の情報処理回路、即ち、通信部２１、異常度判定部２２、異常予測部２３、通知内容設定部２４、及び相関分析部２５として機能する。

異常診断装置１０２が備える上記した各機能は、１又は複数の処理回路により実装することができる。処理回路は、電気回路を含む処理装置等のプログラムされた処理装置を含む。処理装置は、また、異常診断装置１０２が備える機能を実行するようにアレンジされた特定用途向け集積回路（ＡＳＩＣ）や従来型の回路部品のような装置を含む。

［第１実施形態の動作の説明］
次に、第１実施形態に係る異常診断装置１０２の作用を、図３、図４に示すフローチャートを参照して説明する。図３は相関分析部２５により実行される相関分析処理の処理手順を示すフローチャートである。

初めに、ステップＳ１１において、相関分析部２５は、保全履歴ＤＢ３２より各減速機１４にて実施された保全データを取得する。

ステップＳ１２において、相関分析部２５は、複数の減速機１４で実施された保全データに基づいて相関分析を実施する。例えば、図６に示したように、減速機１４の異常が検出され（図中「○」で表記）、その後グリスの更油が行われ（図中「△」で表記）、更にその後、減速機１４の交換（図中「□」で表記）が行われる保全作業が高い頻度で行われるので、グリスの更油とその後の減速機１４の交換には相関関係があるものと判定する。

ステップＳ１３において、相関分析部２５は、相関分析により得られた相関関係を相関記憶ＤＢ３４に記憶し、本処理を終了する。

図４は、異常診断処理の処理手順を示すフローチャートである。初めにステップＳ３１において、異常度判定部２２は、ある減速機（ここでは、減速機１４ａとする）の外乱トルクを、センサＤＢ３１より取得する。その結果、例えば図５（ａ）に示すように、外乱トルクの時系列的なデータが得られる。

ステップＳ３２において、異常度判定部２２は、取得した外乱トルクに基づき、前述した（１）式を用いて減速機１４ａの異常さを示す異常度を演算する。その結果、例えば図５（ｂ）に示すように、異常度の時系列的なデータが得られる。

ステップＳ３３において、異常度判定部２２は、ステップＳ３２の処理で演算した異常度に基づいて、減速機１４ａに異常が発生しているか否かを判断する。例えば、異常度の基準値を１．０に設定し、演算した異常度がこの基準値を上回った場合に、減速機１４ａが異常であると判断する。図５（ｂ）に示す例では、符号ｐ１に示す時点で異常度が基準値を上回っているので、異常であると判定する。

減速機１４ａに異常が発生していなければ（ステップＳ３３でＮＯ）、本処理を終了する。即ち、通知内容設定部２４は、全ての減速機１４に異常が発生していない場合には、異常に関する情報を表示しない。各減速機１４のうちの少なくとも一つに異常が発生していると診断された場合にのみ異常に関する情報をディスプレイ６２に表示する。

ステップＳ３４において、通知内容設定部２４は、ユーザインターフェース１０３のディスプレイ６２に表示する外乱トルク、及び異常度の表示データを生成する。その結果、図９に示す異常度表示画像７１の表示データが生成される。

ステップＳ３５において、異常予測部２３は、相関記憶ＤＢ２４に記憶されている情報に基づき、減速機１４ａと連動して動作する減速機１４のリストを取得する。その結果、減速機１４ａと連動して動作する減速機１４として、例えば減速機１４ｂが特定される。

ステップＳ３６において、異常予測部２３は、保全履歴ＤＢ３２より減速機１４ａ、１４ｂの保全データを取得する。

ステップＳ３７において、通知内容設定部２４は、ディスプレイ６２に表示する保全履歴Ａ（図７Ａ参照）、及び保全履歴Ｂ（図７Ｂ参照）の表示データを生成する。その結果、図９に示す保全履歴画像７２の表示データが生成される。

ステップＳ３８において、異常予測部２３は保全履歴Ｂを参照する。更に、ステップＳ３９において、減速機１４ａにて検出された異常は、保全履歴Ｂの保全データと矛盾するか否かを判定する。矛盾すると判定された場合には（ステップＳ３９でＹＥＳ）、ステップＳ４０に処理を進め、矛盾すると判定されない場合には（ステップＳ３９でＮＯ）、ステップＳ４３に処理を進める。

図７Ｂに示した保全履歴Ｂでは、時刻ｔ１１において減速機１４ａの交換を実施しており、時刻ｔ１２で検出される今回の異常は時刻ｔ１１から１年以内であるので、減速機１４ａに異常が発生している可能性が低い。従って、減速機１４ａにて検出された異常は、保全履歴Ｂの保全データと矛盾すると判定される（ステップＳ３９でＹＥＳ）。

ステップＳ４０において、異常予測部２３は保全履歴Ａを参照し、ステップＳ４１において、減速機１４ｂに異常を示す保全データが存在するか否かを判定する。異常を示す保全データが存在する場合には（ステップＳ４１でＹＥＳ）、ステップＳ４２に処理を進め、存在しない場合には（ステップＳ４１でＮＯ）、ステップＳ４３に処理を進める。

図７Ａに示す例では、時刻ｔ１において減速機１４ｂの異常が検出され、時刻ｔ２においてグリスの更油が行われているので、その後の時刻ｔ３において減速機１４ｂの交換を必要とする異常が発生している可能性が高い。従って、異常を示す保全データが存在すると判定される（ステップＳ４１でＹＥＳ）。

ステップＳ４２において、異常予測部２３は、減速機１４ａ、１４ｂの鉄粉濃度の測定指示を決定する。

ステップＳ４３において、異常予測部２３は、減速機１４ａの鉄粉濃度の測定指示を決定する。

ステップＳ４４において、通知内容設定部２４は、図８に示したツリー画像７３の表示データを生成する。ツリー画像７３は、減速機１４ａにて異常が検出された際に、この異常検出に対して、操作者に指示する作業内容に至るまでの経緯が操作者に認識しやすい態様とする。更に、図５に示した外乱トルク及び異常度を示す異常度表示画像７１の表示データ、図７Ａ、図７Ｂに示した保全履歴画像７２の表示データを生成し、図９に示す異常診断画像７０の表示データを生成する。

図９に示すように、異常度表示画像７１には、記号Ｋ１（クリップのマーク）を表示し、更に「異常度２．１＞基準値１．０」を表示する。これと同じ記号Ｋ１及び文字をツリー画像７３のブロックｑ２に表示する。つまり、異常度表示画像７１に示した記号と同一の記号を、ツリー画像７３中の対応する情報に付帯させて、ツリー画像７３及び異常度表示画像７１を含む異常診断画像７０を生成している。従って、ツリー画像７３と異常度表示画像７１の対応関係を認識しやすい態様で表示することができる。

一方、保全履歴画像７２には、記号Ｋ２を表示し、更に「減速機１４ｂ：要注意」を表示する。これと同じ記号Ｋ２及び文字をツリー画像７３のブロックｑ４に表示する。つまり、保全履歴画像７２に示した記号と同一の記号を、ツリー画像７３中の対応する情報に付帯させて、ツリー画像７３及び保全履歴画像７２を含む異常診断画像７０を生成している。従って、ツリー画像７３と保全履歴画像７２の対応関係を認識しやすい態様で表示することができる。

ステップＳ４５において、通知内容設定部２４は、図９に示した異常診断画像７０の表示データをユーザインターフェース１０３に出力する。その後、本処理を終了する。

ユーザインターフェース１０３の表示制御部６１は、異常診断画像７０の表示データを受信し、図９に示す如くの異常診断画像７０をディスプレイ６２に表示する。操作者は、ディスプレイ６２に表示された画像を見ることにより、減速機１４ａの外乱トルクが大きく変動して異常が検出され、更に、減速機１４ａと関連して動作する減速機１４ｂに異常が発生している可能性があることを認識できる。

このようにして、第１実施形態に係る異常診断装置１０２では以下に示す効果を達成することができる。

（１）
減速機１４ａ（一の可動部）の外乱トルク（可動部の状態に関するデータ）に基づいて、減速機１４ａの異常が検出された場合には、減速機１４ａと連動して動作する減速機１４ｂ（他の可動部）の異常を予測し、異常に関する情報をディスプレイ６２に表示する。従って、異常が検出された減速機１４ａのみならず、減速機１４ａで検出された異常に関連して異常の発生の可能性がある減速機１４ｂの異常を操作者に知らせることができ、幅広い減速機１４の異常診断が可能となる。

（２）
異常予測部２３は、保全履歴ＤＢ３２に記憶されている保全データから、各減速機１４で実施された保全の時期、グリスの更油や減速機１４の交換等の保全の内容に基づいて、減速機１４の異常に関する情報を決定する。従って、より高精度な減速機１４の異常診断が可能となる。

（３）
減速機１４ａの異常が検出された場合には、減速機１４ａと連動して動作する減速機１４ｂの保全データを参照して、減速機１４ｂの異常に関する情報を決定する。従って、高精度な減速機１４の異常診断が可能となる。

（４）
相関分析部２５は、各減速機１４に発生する異常、及び各減速機１４で実施される保全の内容に基づいて相関分析を行い、各減速機１４の相関関係を相関記憶ＤＢ３４に記憶する。そして、相関記憶ＤＢ３４に記憶されている相関関係に基づき、減速機１４ａで異常が検出された場合には、減速機１４ａに発生した異常と相関関係のある減速機１４ｂの異常を予測する。従って、各減速機１４に発生する異常、及び各減速機１４で実施される保全の相関関係に応じた高精度な異常診断が可能となる。

（５）
減速機１４ａで異常が検出された場合には、図９に示すツリー画像７３の表示データを生成する。更に、ツリー画像７３では、異常の発生から保全の実施までの流れを、強調して表示する。具体的には、図９に示すブロックｑ１～ｑ５の枠を太線で表示する。従って、操作者は異常診断のツリー画像７３を見ることにより、異常の発生から保全の実施までの経緯を、系統付けて認識することができる。ロボット１０１についての専門的な知識を持たない操作者であっても、認識しやすい態様での異常診断画像７０の表示が可能となる。なお、網掛け表示や表示色などを用いて強調表示してもよい。

（６）
図９に示すように、保全履歴画像７２に表示する記号Ｋ２と、異常診断ツリーの対応箇所（ブロックｑ４）に表示する記号Ｋ２を同一の記号としている。操作者は、ツリー画像７３とその根拠となる内容を同一の記号で対応付けて認識することができる。操作者に対してより理解しやすい態様での表示が可能となる。

（７）
図９に示すように、外乱トルク及び異常度を示す異常度表示画像７１に表示する記号Ｋ１と、異常診断ツリーの対応箇所（ブロックｑ２）に表示する記号Ｋ１を同一としている。操作者は、ツリー画像７３とその根拠となる内容を同一の記号で対応付けて認識することができる。操作者に対してより理解しやすい態様での表示が可能となる。

（８）
図９に示すように、ツリー画像７３には、減速機１４ａに発生した異常と、異常の発生が予測される減速機１４ｂで実施する保全の内容を対応付けて表示する。減速機１４ａに発生した異常に関連して実施するべき保全の内容（ブロックｑ５、ｑ７、ｑ８）を、操作者に対してより認識しやすい態様で知らせることが可能となる。

（９）
通知内容設定部２４は、少なくとも一つの減速機１４に異常が発生したと場合にのみ、図９に示した診断画像の表示指令を出力する。このため、不要な表示を省略することができる。また、異常が発生していないときには、異常診断画像７０は表示されないので、異常が発生しているか否かの認識を誤るという問題の発生を抑制することができる。

［第１実施形態の変形例の説明］
次に、上述した第１実施形態の変形例について説明する。変形例では、保全履歴画像７２として表示する保全履歴Ａ、保全履歴Ｂのうち、減速機１４ｂの異常を予測するための根拠となった保全履歴を拡大、或いは強調して表示する。即ち、時間軸のスケールが異なる２つの保全履歴、即ち、保全履歴Ａ、保全履歴Ｂを表示し、このうち異常の発生を予測する根拠となった保全履歴の画像を拡大表示、或いは強調表示する。例えば、図１０に示すように、保全履歴Ａを保全履歴Ｂよりも拡大して表示する。従って、減速機１４ｂが異常であると判断するに至る根拠を、より認識し易い態様で操作者に知らせることが可能となる。

［第２実施形態の説明］
次に、本発明の第２実施形態について説明する。第２実施形態に係る異常診断装置の装置構成は、前述した図１と同様である。第２実施形態では、図１に示した相関分析部２５において、各減速機１４で過去に検出された異常データ、及び実施した保全履歴に基づき機械学習を実施して学習モデルを生成する点で前述した第１実施形態と相違する。即ち、相関分析部２５は、保全履歴ＤＢ３２に記憶されている少なくとも一部の期間における各減速機１４の保全データに基づいて、異常が発生する可能性の高い保全データのパターンを学習する機械学習を実施する。更に、機械学習の結果に基づいて減速機１４の異常を検出する。

機械学習は、保全履歴に含まれる過去の異常データ及び保全データから、その規則性を抽出して学習モデルを生成する。その手法として例えば、周知の「教師あり学習」を用いることができる。

「教師あり学習」は、過去に検出された異常データ、及び実施した保全データを多数取得し、それらのデータの組み合わせ、発生順序、発生の時間間隔から学習モデルを生成する。図１１は、各減速機１４で実施された保全（Ｈ１～Ｈｎ）と、減速機１４で検出される異常を示すタイミングチャートである。図１１に示すように過去における時刻ｔ２１（例えば、１ヶ月前）よりも前に各減速機１４にて実施した各種の保全（Ｈ１～Ｈｎ）の内容（符号２０１参照）と、各減速機１４に発生する異常データとの関係に基づいて機械学習を実施して学習モデルを生成する。生成した学習モデルを相関記憶ＤＢ３４に記憶する。

また、教師あり学習以外の手法として「教師なし学習」を用いて学習モデルを生成することもできる。更に、機械学習以外の手法として、ディープラーニングを用いて学習モデルを生成することもできる。

そして、異常予測部２３は、ある減速機１４にて異常が検出された場合には、相関記憶ＤＢ３４に記憶されている学習モデルを参照して、異常が発生する可能性の高い他の減速機１４を抽出する。

第２実施形態に係る異常診断装置は、学習モデルを用いる点以外は、前述した第１実施形態と同様であるので処理手順の説明を省略する。

このようにして、第２実施形態に係る異常診断装置では、各減速機１４において過去に実施した保全データに基づき、機械学習の手法を用いて学習モデルを生成する。そして、減速機１４ａにて異常が発生した際には、上記の学習モデルを参照して、減速機１４ｂに発生する異常を予測する。従って、より高精度な減速機１４の異常診断が可能となる。

なお、異常を診断する対象の機器はロボット１０１に限定されるものでない。例えば、モータの代わりに自動車のエンジン、減速機１４の代わりにトランスミッションを用いてもよい。また、移動体の回転機構、遊園地の遊具などの移動体、３次元プリンターなどの工作機械、すなわち回転機構とそれを伝達する機構を有する全ての機器も対象にすることができる。また、その他の種類の機器を対象としてもよい。

また、異常診断装置を遠隔地に配置し、必要な信号やデータを通信回線を介して送受信して、機器の異常を判定してもよい。また、複数の機器の異常を１台の異常診断装置で診断してもよい。また、複数の機器は互いに異なる場所に配置されていてもよい。

以上、本発明の実施形態を記載したが、この開示の一部をなす論述及び図面はこの発明を限定するものであると理解すべきではない。この開示から当業者には様々な代替実施の形態、実施例及び運用技術が明らかとなろう。

１１ 通信部
１２ 外乱トルク演算部
１３ センサ
１４ 減速機
１５ 動作制御部
２１ 通信部（制御部）
２２ 異常度判定部（制御部）
２３ 異常予測部（制御部）
２４ 通知内容設定部（制御部）
２５ 相関分析部（制御部）
３１ センサＤＢ
３２ 保全履歴ＤＢ（保全履歴記憶部）
３３ 異常予測ＤＢ
３４ 相関記憶ＤＢ（相関記憶部）
６１ 表示制御部
６２ ディスプレイ（表示部）
１０１ ロボット
１０２ 異常診断装置
１０３ ユーザインターフェース（ＵＩ）

Claims (12)

1. 複数の可動部を有する機器に設置されたセンサから取得した、前記各可動部の状態に関する可動部データに基づいて前記各可動部の異常を診断し、前記診断の結果を表示部に出力する異常診断装置であって、
   前記各可動部に対して実施した保全に関する保全データを記憶する保全履歴記憶部と、
   前記可動部データに基づいて前記各可動部の異常を検出する制御部と、を有し、
   前記制御部は、前記可動部データに基づいて一の可動部の異常を検出した場合に、前記保全データに基づいて前記一の可動部の異常に関連して発生する他の可動部の異常を予測し、前記他の可動部の異常が予測された場合には、前記他の可動部の前記可動部データに関係なく、前記予測した前記他の可動部の異常に関する情報を前記表示部に出力すること
   を特徴とする異常診断装置。
2. 前記制御部は、前記保全履歴記憶部に記憶されている前記保全データのうち前記各可動部で実施された保全の時期、及び保全の内容に基づいて前記他の可動部の異常に関する情報を決定すること
   を特徴とする請求項１に記載の異常診断装置。
3. 前記制御部は、前記一の可動部の異常を検出した場合に、少なくとも一つの他の可動部の異常に対する保全データを参照して、前記他の可動部の異常に関する情報を決定すること
   を特徴とする請求項１または２に記載の異常診断装置。
4. 前記一の可動部に発生する異常と、前記他の可動部に発生する異常との間の相関関係を記憶する相関記憶部、を更に備え、
   前記制御部は、前記一の可動部で異常が検出された場合に、前記相関記憶部に記憶された相関関係を参照し、前記一の可動部で検出された異常と相関関係がある他の可動部の異常を予測すること
   を特徴とする請求項１～３のいずれか１項に記載の異常診断装置。
5. 前記制御部は、前記保全履歴記憶部に記憶されている、少なくとも一部の期間における前記各可動部の保全データに基づいて、異常を検出した前記一の可動部の情報を入力すると前記他の可動部において異常が発生する可能性の程度が出力されるように可動部同士の保全データのパターンを学習する機械学習を実施し、前記機械学習の結果に基づいて前記他の可動部の異常を検出すること
   を特徴とする請求項１～４のいずれか１項に記載の異常診断装置。
6. 前記制御部は、前記一の可動部の異常を検出した場合に、前記一の可動部の異常に関する情報、及び前記予測した前記他の可動部の異常に関する情報をツリー構造状に表現するツリー画像を生成し、
   前記他の可動部の異常予測の内容に応じて、前記予測した前記他の可動部の異常に関する情報の表示形態を変更して前記表示部に出力すること
   を特徴とする請求項１～５のいずれか１項に記載の異常診断装置。
7. 前記制御部は、前記ツリー画像に加えて、前記一の可動部、及び少なくとも一つの他の可動部の時系列的な保全データを示す保全履歴画像を生成し、
   前記他の可動部の異常を予測した場合には、予測の根拠となる保全データを示す記号を前記保全履歴画像に付帯させ、且つ、前記ツリー画像における前記予測した前記他の可動部の異常に関する情報に前記記号と同一の記号を付帯させて、前記ツリー画像及び前記保全履歴画像を前記表示部に出力すること
   を特徴とする請求項６に記載の異常診断装置。
8. 前記制御部は、前記保全履歴画像として、第１の保全履歴画像及び前記第１の保全履歴画像とは時間軸のスケールが相違する第２の保全履歴画像を生成し、
   前記第１の保全履歴画像と、前記第２の保全履歴画像のうち、前記他の可動部の異常を予測した根拠となる保全データが含まれる画像を強調、または拡大して前記表示部に出力すること
   を特徴とする請求項７に記載の異常診断装置。
9. 前記制御部は、前記可動部データに生じる異常さを示す異常度を演算し、
   前記ツリー画像に加えて、前記可動部データ及び前記異常度を含む異常度表示画像を生成し、
   前記他の可動部の異常を予測した場合には、予測の根拠となる前記異常度を示す記号を前記異常度表示画像に付帯させ、且つ、前記ツリー画像における前記他の可動部の異常に関する情報に前記記号と同一の記号を付帯させて、前記ツリー画像及び前記保全履歴画像を前記表示部に出力すること
   を特徴とする請求項６に記載の異常診断装置。
10. 前記ツリー画像は、前記一の可動部、及び前記予測した前記他の可動部、に対する保全指令をさらに含み、前記異常の発生と前記保全指令の関係が対応付けされていること
    を特徴とする請求項６～９のいずれか１項に記載の異常診断装置。
11. 前記制御部は、前記各可動部のうちの少なくとも一つに異常が発生していると診断された場合にのみ、前記異常に関する情報を前記表示部に出力すること
    を特徴とする請求項１～１０のいずれか１項に記載の異常診断装置。
12. 複数の可動部を有する機器に設置されたセンサから取得した、前記各可動部の状態に関する可動部データに基づいて前記各可動部の異常を診断し、前記診断の結果を表示部に出力する異常診断方法であって、
    前記可動部データに基づいて一の可動部の異常を検出した場合に、各可動部に対して実施した保全に関する保全データに基づいて前記一の可動部の異常に関連して発生する他の可動部の異常を予測し、前記他の可動部の異常が予測された場合には、前記他の可動部の前記可動部データに関係なく、前記予測した前記他の可動部の異常に関する情報を前記表示部に出力すること
    を特徴とする異常診断方法。

Images