[發明專利]狀態判定裝置以及狀態判定方法在審
| 申請號: | 202010081629.9 | 申請日: | 2020-02-06 |
| 公開(公告)號: | CN111531830A | 公開(公告)日: | 2020-08-14 |
| 發明(設計)人: | 堀內淳史 | 申請(專利權)人: | 發那科株式會社 |
| 主分類號: | B29C45/76 | 分類號: | B29C45/76;B29C45/84;B29C45/17 |
| 代理公司: | 北京銀龍知識產權代理有限公司 11243 | 代理人: | 范勝杰;曹鑫 |
| 地址: | 日本*** | 國省代碼: | 暫無信息 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 狀態 判定 裝置 以及 方法 | ||
1.一種狀態判定裝置,判定工業機械的動作狀態,其特征在于,
該狀態判定裝置具備:
數據取得部,其取得上述工業機械的數據;
提取條件存儲部,其存儲用于從上述數據取得部取得的數據中提取機器學習相關的處理所使用的數據的提取條件;
學習數據提取部,其按照存儲在上述提取條件存儲部中的提取條件,在上述數據取得部取得的數據內提取機器學習相關的處理所使用的數據;以及
機器學習裝置,其執行使用了上述學習數據提取部提取出的數據的機器學習相關的處理。
2.根據權利要求1所述的狀態判定裝置,其特征在于,
上述機器學習裝置具備學習部,其進行使用了上述學習數據提取部提取出的數據的機器學習并生成學習模型。
3.根據權利要求2所述的狀態判定裝置,其特征在于,
上述學習部進行有監督學習、無監督學習以及強化學習中的至少一種機器學習。
4.根據權利要求1所述的狀態判定裝置,其特征在于,
上述機器學習裝置具備:
學習模型存儲部,其存儲通過使用了上述學習數據提取部提取出的數據的機器學習所生成的學習模型;以及
推定部,其根據上述學習數據提取部提取出的數據,進行使用了上述學習模型的上述工業機械的狀態的推定。
5.根據權利要求4所述的狀態判定裝置,其特征在于,
上述推定部推定上述工業機械的動作狀態相關的異常度,
在上述推定部推定出的異常度超過預先決定的預定閾值時,上述狀態判定裝置在顯示裝置顯示警告消息。
6.根據權利要求4所述的狀態判定裝置,其特征在于,
上述推定部推定上述工業機械的動作狀態相關的異常度,
在上述推定部推定出的異常度超過預先決定的預定閾值時,上述狀態判定裝置在顯示裝置顯示警告圖標。
7.根據權利要求4所述的狀態判定裝置,其特征在于,
上述推定部推定上述工業機械的動作狀態相關的異常度,
在上述推定部推定出的異常度超過預先決定的預定閾值時,上述狀態判定裝置將運行的停止、減速或限制原動機的轉矩的指令中的至少一個輸出到工業機械。
8.根據權利要求1所述的狀態判定裝置,其特征在于,
上述工業機械是注射成形機,
上述數據取得部取得的數據包含以下信息中的至少一個:識別表示注射成型機的機械狀態的運行中、停止中、升溫中、升溫結束、金屬模具更換中、金屬模具更換結束、警報中、生產結束狀態的任意一個的信息;識別表示注射成形機的操作狀態的注射條件、保壓條件、計量條件、模具開閉條件、頂出條件、溫度條件有無變更的任意一個的信息;識別作為注射成形機的成形工序的閉模工序、合模工序、注射工序、保壓工序、計量工序、開模工序、頂出工序、待機工序的任意一個的信息。
9.根據權利要求1所述的狀態判定裝置,其特征在于,
上述數據取得部取得的數據包含從通過有線或無線網絡連接的多個工業機械取得的數據中的至少一個。
10.一種判定工業機械的動作狀態的狀態判定裝置中的機器學習的方法,其特征在于,
狀態判定方法包含以下步驟:
取得上述工業機械的數據的數據取得步驟;
按照用于從取得自上述工業機械的數據中提取機器學習相關的處理所使用的數據的提取條件,在上述數據取得步驟中所取得的數據內提取機器學習相關的處理所使用的數據的學習數據提取步驟;以及
執行使用了在上述學習數據提取步驟中提取出的數據的機器學習相關的處理的步驟。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于發那科株式會社,未經發那科株式會社許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010081629.9/1.html,轉載請聲明來源鉆瓜專利網。





