特許ウォッチ

公開番号2025012389
公報種別公開特許公報(A)
公開日2025-01-24
出願番号2023115184
出願日2023-07-13
発明の名称推定装置、推定方法、およびコンピュータプログラム
出願人住友電気工業株式会社
代理人個人,個人
主分類G05B 23/02 20060101AFI20250117BHJP(制御;調整)
要約【課題】未学習のクラスを含む複数のクラスについて、物理量が分類される際の複数の制御パラメータの組を推定することができる推定装置を提供する。
【解決手段】推定装置は、複数の制御パラメータの値に基づいて動作する制御対象について計測された所定の種類の物理量を複数の学習済みクラスのいずれかに分類する分類器に、前記所定の種類の物理量の計測結果を入力する入力部と、前記分類器から、前記分類器に入力された前記計測結果が前記複数の学習済みクラスの各々に分類される確からしさを取得する取得部と、前記取得部が取得した複数の前記確からしさに基づいて、前記計測結果に対応する前記複数の制御パラメータの推定値を算出する推定部と、を備える。
【選択図】図7
特許請求の範囲【請求項１】
複数の制御パラメータの値に基づいて動作する制御対象について計測された物理量を複数の学習済みクラスのいずれかに分類する分類器に、前記物理量の計測結果を入力する入力部と、
前記分類器から、前記分類器に入力された前記計測結果が前記複数の学習済みクラスの各々に分類される確からしさを取得する取得部と、
前記取得部が取得した複数の前記確からしさに基づいて、前記計測結果に対応する前記複数の制御パラメータの推定値を算出する推定部と、
を備える推定装置。
続きを表示（約 1,200 文字）【請求項２】
前記取得部が取得した前記確からしさに基づいて、前記計測結果を、前記複数の学習済みクラスおよび前記分類器によって分類することのできない未知クラスのうちのいずれかのクラスに分類する分類部をさらに備える、請求項１に記載の推定装置。
【請求項３】
前記複数の学習済みクラスおよび前記未知クラスの各々は、前記複数の制御パラメータの値の組み合わせに関連付けられている、請求項２に記載の推定装置。
【請求項４】
前記複数の学習済みクラスは、各前記制御パラメータに対応付けられた学習済みクラスを含み、
前記推定部は、前記制御パラメータごとに、前記測定結果が当該制御パラメータに対応付けられた学習済みクラスに分類される確からしさの比率と当該制御パラメータの推定値との関係を表す関係情報に基づいて、当該制御パラメータの推定値を算出する、請求項１から請求項３のいずれか１項に記載の推定装置。
【請求項５】
前記関係情報は、前記測定結果が前記制御パラメータに対応付けられた学習済みクラスに分類される確からしさの比率と前記制御パラメータの推定値との関係を表す単項式または多項式、ロジスティック回帰式、および離散化関数の少なくとも１つを含む、請求項４に記載の推定装置。
【請求項６】
前記複数の制御パラメータの推定値に基づいて、前記制御対象の異常および前記複数の制御パラメータの値の改ざんの少なくとも一方の発生の可能性を判定する判定部をさらに備える、請求項１から請求項３のいずれか１項に記載の推定装置。
【請求項７】
前記判定部は、各前記制御パラメータの推定値の正常値からの乖離度合いに基づいて、前記制御対象の異常および各前記制御パラメータの値の改ざんの少なくとも一方の発生の可能性を判定する、請求項６に記載の推定装置。
【請求項８】
前記判定部は、各前記制御パラメータの種類および推定値の正常値からの乖離度合いに基づいて、前記制御対象の異常および前記複数の制御パラメータの値の改ざんの少なくとも一方の発生の可能性を判定する、請求項６に記載の推定装置。
【請求項９】
前記制御対象は、ロボットアームであり、
前記複数の制御パラメータは、前記ロボットアームの速度、加速度、角速度、位置および温度、前記ロボットアームを構成するエンドエフェクタが把持する物体の重量、ならびに、前記エンドエフェクタの速度、加速度、角速度、位置、温度および角度の少なくとも１つを含む、請求項１から請求項３のいずれか１項に記載の推定装置。
【請求項１０】
前記制御対象は、ベルトコンベアであり、
前記複数の制御パラメータは、前記ベルトコンベアの移動速度、および前記ベルトコンベアの荷重の少なくとも１つを含む、請求項１から請求項３のいずれか１項に記載の推定装置。
（【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】
本開示は、推定装置、推定方法、およびコンピュータプログラムに関する。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
近年、各種生産システムに対するセキュリティインシデントの増加や、セキュリティに関する法制または標準の整備等に伴い、国内外の企業では工場のセキュリティ対策が要求され始めている。
【０００３】
生産システムがサイバー攻撃を受けた場合に早期復旧を行うには、異常検知と異常原因の特定とが重要である。例えば、ロボットアームの動作の異常を検知するためには、ロボットアームに取り付けられたセンサにより加速度データを計測する。次に、加速度データを、分類器に入力することにより、正常クラス、および異常の原因別に分類された複数の異常クラスのうちのいずれかのクラスに分類する。しかし、機械学習の分類器を構築するためにすべてのクラスについて教師データを用意するのは計算資源、計算時間、人件費等の様々なコストの面から困難である。
なお、サイバー攻撃による異常以外の故障、誤操作または経年劣化による異常についても、同様の課題が存在する。
特許文献１には、入力に基づいて未学習のクラスを予測する予測器について記載されている。
【先行技術文献】
【特許文献】
【０００４】
国際公開第２０２０／１２１３７８号
【発明の概要】
【発明が解決しようとする課題】
【０００５】
特許文献１では、商品需要の予測やニュース記事の分類等に予測器を用いることを想定している。また、特許文献１では、未学習のクラスに対する属性情報はスカラー量である。
【０００６】
一方、生産システムは、速度および位置などの複数の制御パラメータに基づいて制御される。このため、生産システムには、複数の制御パラメータに対し複合的に発生する異常に対する異常クラスが存在する。しかし、特許文献１では、属性情報がスカラー量であるため、未学習のクラスに対応する複数の制御パラメータの値を推定することはできない。このため、未学習のクラスに対応する加速度データなどの計測結果などを効率的に収集することができない。
【０００７】
本開示は、このような事情に鑑みてなされたものであり、未学習のクラスを含む複数のクラスについて、物理量が分類される際の複数の制御パラメータの組を推定することができる推定装置、推定方法、およびコンピュータプログラムを提供することを目的とする。
【課題を解決するための手段】
【０００８】
本開示の一態様に係る推定装置は、複数の制御パラメータの値に基づいて動作する制御対象について計測された物理量を複数の学習済みクラスのいずれかに分類する分類器に、前記物理量の計測結果を入力する入力部と、前記分類器から、前記分類器に入力された前記計測結果が前記複数の学習済みクラスの各々に分類される確からしさを取得する取得部と、前記取得部が取得した複数の前記確からしさに基づいて、前記計測結果に対応する前記複数の制御パラメータの推定値を算出する推定部と、を備える。
【０００９】
本発明は、このような特徴的な処理部を備える推定装置として実現することができるだけでなく、かかる特徴的な処理をステップとする推定方法として実現したり、かかるステップ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として実現することができる。また、推定装置の一部または全部を実現する半導体集積回路として実現したり、推定装置を含むシステムとして実現することができる。
【発明の効果】
【００１０】
本開示によると、未学習のクラスを含む複数のクラスについて、物理量が分類される際の複数の制御パラメータの組を推定することができる。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許