特許ウォッチ

公開番号2025003752
公報種別公開特許公報(A)
公開日2025-01-09
出願番号2024190962,2021009824
出願日2024-10-30,2021-01-25
発明の名称コンピュータプログラム、異常検知方法、異常検知装置、成形機システム及び学習モデル生成方法
出願人株式会社日本製鋼所
代理人個人,個人
主分類G01M 99/00 20110101AFI20241226BHJP(測定;試験)
要約【課題】産業機械の可動部に係る物理量の時系列データを画像で表した時系列データ画像に変換し、当該時系列データ画像に基づいて産業機械の異常を判定することができるコンピュータプログラムを提供する異常検知装置を提供する。
【解決手段】可動部を有する産業機械の異常を検出する処理をコンピュータに実行させるためのコンピュータプログラムであって、可動部の運動に係る物理量を検出するセンサから出力される時系列の物理量データを取得し、取得した時系列の物理量データを画像で表した時系列データ画像に変換し、正常な可動部に係る時系列データ画像の特徴を学習した学習モデルに、変換された時系列データ画像を入力することによって、時系列データ画像の特徴量を算出し、算出された特徴量に基づいて、産業機械の異常の有無を判定する処理をコンピュータに実行させる。
【選択図】図1
特許請求の範囲【請求項１】
回転軸を有する成形機の異常を検出する処理をコンピュータに実行させるためのコンピュータプログラムであって、
前記回転軸の運動に係る物理量を検出するセンサから出力される時系列の物理量データであって、少なくとも前記回転軸のトルク及び変位を含む２つの数値それぞれの時間変化を示す時系列データを含む物理量データを取得し、
取得した時系列の前記物理量データに基づいて、交差するＸ軸方向及びＹ軸方向を座標軸として、時系列の各時点における前記２つの数値を描画してなる画像で表した時系列データ画像に変換し、
正常な前記回転軸に係る前記時系列データ画像の特徴を学習した学習モデルに、変換された前記時系列データ画像を入力することによって、前記時系列データ画像の特徴量を算出し、
算出された特徴量に基づいて、前記成形機の異常の有無を判定する
処理を前記コンピュータに実行させるためのコンピュータプログラム。
続きを表示（約 1,300 文字）【請求項２】
前記学習モデルは、機械学習により得られたモデルである
請求項１に記載のコンピュータプログラム。
【請求項３】
前記学習モデルは機械学習により得られた１クラス分類モデルである
請求項１又は請求項２に記載のコンピュータプログラム。
【請求項４】
前記物理量データは、第１の物理量を示す時系列データと、第２の物理量を示す時系列データとを含み、
前記時系列データ画像は、
前記第１の物理量を描画した第１画像と、前記第２の物理量を描画した第２画像とを一の画像に含む
請求項１から請求項３のいずれか１項に記載のコンピュータプログラム。
【請求項５】
前記第１の物理量及び前記第２の物理量はそれぞれ２つの数値からなる２次元の物理量である
請求項４に記載のコンピュータプログラム。
【請求項６】
前記時系列データ画像は、
前記第１の物理量を描画した第１画像と、前記第２の物理量を描画した第２画像とを変形することなく一の画像に含む
請求項４又は請求項５に記載のコンピュータプログラム。
【請求項７】
前記物理量データは成形機の回転軸の回転速度、又は回転加速度を示す時系列データを含む
請求項１から請求項６のいずれか１項に記載のコンピュータプログラム。
【請求項８】
前記回転軸は前記成形機のスクリュである
請求項１から請求項７のいずれか１項に記載のコンピュータプログラム。
【請求項９】
前記回転軸は二軸混練押出機の第１スクリュ及び第２スクリュであり、前記物理量データは、第１スクリュの回転中心軸に交差する第１軸方向及び第２軸方向の変位を示す時系列データと、第１スクリュ及び第２スクリュのトルクを示す時系列データを含み、
前記時系列データ画像は、
交差する第１軸方向及び第２軸方向を座標軸として第１スクリュの変位を描画した第１画像と、交差する第３軸方向及び第４軸方向を座標軸として第１スクリュ及び第２スクリュのトルクを描画した第２画像とを一の画像に含む
請求項１から請求項３のいずれか１項に記載のコンピュータプログラム。
【請求項１０】
回転軸を有する成形機の異常を検出する異常検知方法であって、
前記回転軸の運動に係る物理量を検出するセンサから出力される時系列の物理量データであって、少なくとも前記回転軸のトルク及び変位を含む２つの数値それぞれの時間変化を示す時系列データを含む物理量データを取得し、
取得した時系列の前記物理量データに基づいて、交差するＸ軸方向及びＹ軸方向を座標軸として、時系列の各時点における前記２つの数値を描画してなる画像で表した時系列データ画像に変換し、
正常な前記回転軸に係る前記時系列データ画像の特徴を学習した学習モデルに、変換された前記時系列データ画像を入力することによって、前記時系列データ画像の特徴量を算出し、
算出された特徴量に基づいて、前記成形機の異常の有無を判定する
異常検知方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、可動部を有する産業機械の異常を検知するコンピュータプログラム、異常検知方法、異常検知装置、成形機システム及び学習モデル生成方法に関する。
続きを表示（約 1,900 文字）【背景技術】
【０００２】
特許文献１には、射出成形機の各可動部の振動を加速度センサにより監視し、成形工程の状態及び可動部の異常発生を検知する監視方法が開示されている。
【先行技術文献】
【特許文献】
【０００３】
特開平５－５０４８０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、特許文献１には、加速度データのような時系列データの具体的な解析方法及び異常検知方法は開示されていない。可動部の振動波形は複雑であり射出成形機の異常を判定することは必ずしも容易ではない。
【０００５】
本開示の目的は、産業機械の可動部に係る物理量の時系列データを画像で表した時系列データ画像に変換し、当該時系列データ画像に基づいて産業機械の異常を判定することができるコンピュータプログラム、異常検知方法、異常検知装置、成形機システム及び学習モデル生成方法を提供することにある。
【課題を解決するための手段】
【０００６】
本開示に係るコンピュータプログラムは、可動部を有する産業機械の異常を検出する処理をコンピュータに実行させるためのコンピュータプログラムであって、前記可動部の運動に係る物理量を検出するセンサから出力される時系列の物理量データを取得し、取得した時系列の前記物理量データを画像で表した時系列データ画像に変換し、正常な前記可動部に係る前記時系列データ画像の特徴を学習した学習モデルに、変換された前記時系列データ画像を入力することによって、前記時系列データ画像の特徴量を算出し、算出された特徴量に基づいて、前記産業機械の異常の有無を判定する処理を前記コンピュータに実行させる。
【０００７】
本開示に係る異常検知方法は、可動部を有する産業機械の異常を検出する異常検知方法であって、前記可動部の運動に係る物理量を検出するセンサから出力される時系列の物理量データを取得し、取得した時系列の前記物理量データを画像で表した時系列データ画像に変換し、正常な前記可動部に係る前記時系列データ画像の特徴を学習した学習モデルに、変換された前記時系列データ画像を入力することによって、前記時系列データ画像の特徴量を算出し、算出された特徴量に基づいて、前記産業機械の異常の有無を判定する。
【０００８】
本開示に係る異常検知装置は、前記異常検知装置と、成形機とを備え、前記異常検知装置は、前記成形機の異常を検出するようにしてある。
【０００９】
本開示に係る異常検知装置は、可動部を有する産業機械の異常を検出する異常検知装置であって、前記可動部の運動に係る物理量を検出するセンサと、該センサから出力される時系列の物理量データを取得する取得部と、該取得部にて取得した時系列の前記物理量データを画像で表した時系列データ画像に変換する変換部と、正常な前記可動部に係る前記時系列データ画像の特徴を学習した学習モデルに、変換された前記時系列データ画像を入力することによって、前記時系列データ画像の特徴量を算出する算出部と、該算出部にて算出された特徴量に基づいて、前記産業機械の異常の有無を判定する判定部とを備える。
【００１０】
本開示に係る学習モデル生成方法は、第１スクリュ及び第２スクリュを有する二軸混練押出機の異常を検知するための学習モデルの生成方法であって、正常動作時の前記二軸混練押出機の第１スクリュの回転中心軸に交差する第１軸方向及び第２軸方向の変位を示す時系列データと、正常動作時の前記二軸混練押出機の第２スクリュの回転中心軸に交差する第３軸方向及び第４軸方向の変位を示す時系列データとに基づいて、第１スクリュの回転中心軸に交差する第１軸方向及び第２軸方向の変位を描画した第１画像と、第２スクリュの回転中心軸に交差する第３軸方向及び第４軸方向の変位を描画した第２画像とを一の画像に含む複数の時系列データ画像を生成し、生成した前記複数の時系列データ画像と、任意の特徴を有する複数の参考画像とを含む学習用データセットに基づいて、第１スクリュ及び第２スクリュの回転中心軸の変位を描画した第１画像及び第２画像を含む時系列データ画像が入力された場合に前記二軸混練押出機の正常動作及び異常動作に応じた特徴量を出力する学習モデルを生成する処理をコンピュータが実行する。
【発明の効果】
（【００１１】以降は省略されています）

関連特許