申请/专利权人：发那科株式会社

申请日：2018-11-22

公开（公告）日：2024-06-11

公开（公告）号：CN109814499B

主分类号：G05B19/418

分类号：G05B19/418

优先权：["20171122 JP 2017-224548"]

专利状态码：有效-授权

法律状态：2024.06.11#授权;2020.11.13#实质审查的生效;2019.05.28#公开

摘要：本发明提供一种噪声产生原因推定装置，能够容易地推定工厂内噪声产生原因，该装置被连接成能够与工厂内的多个机器等通信。上述噪声产生原因推定装置具有：噪声信息获取部，其获取在机器等中产生的噪声信息；运行信息获取部，其始终获取所有机器等的运行信息；以及判断部，其学习噪声信息与运行信息之间的关联性。上述判断部具有：状态观测部，其将噪声信息和运行信息作为表示环境的当前状态的状态变量进行观测；以及学习部，其形成包含状态变量的多个聚类。

主权项：1.一种噪声产生原因推定装置，其被连接成能够与工厂内的多个机器通信，其特征在于，上述噪声产生原因推定装置具有：噪声信息获取部，其获取在上述机器中产生的噪声信息；运行信息获取部，其始终获取所有上述机器的运行信息；以及判断部，其学习上述噪声信息与上述运行信息之间的关联性，上述判断部具有：状态观测部，其将上述噪声信息和上述运行信息作为表示环境的当前状态的状态变量进行观测；学习部，其形成包含上述状态变量的多个聚类；以及显示部，上述状态观测部将上述噪声信息和上述运行信息作为表示环境的当前状态的状态变量进行观测，上述判断部确定与上述状态变量对应的多个上述聚类，通过对确定出的多个上述聚类进行主要成分分析来求出主要成分，并根据求出的主要成分来提取作为噪声产生原因的上述运行信息，上述显示部按照优先级来显示作为噪声产生原因的上述运行信息，上述判断部根据上述状态变量与上述聚类的类似度来确定多个上述聚类，上述显示部按照根据上述类似度来确定的上述优先级来显示上述运行信息。

全文数据：噪声产生原因推定装置技术领域本发明涉及一种噪声产生原因推定装置，特别是涉及一种能够容易地推定工厂内噪声产生原因的噪声产生原因推定装置。背景技术提出了各种用于检测工厂内产生的噪声的技术。例如在CNCComputerizedNumericalControl：计算机数控系统中，已知一种用于确定施加了噪声的通信路径的技术。另外，在通常的通信技术FL-NET、Ethernet注册商标等中也有时具备噪声计数器功能。还公知一种在由噪声等引起机器产生异常状态时能够保存各种CNC信息的功能机器状态监视功能。近来，还提出了一种通过IoT技术能够集中管理工厂内多台机器的运行状况的功能。在日本特开2015-225392号公报中公开了一种排列显示加工程序的块以及噪声检测数据的技术。根据以往技术，机器掌握自身装置产生的噪声或CNC掌握由自己管理的装置产生的噪声在某种程度上能够实现的。在该情况下，还容易地采取对噪声的对策。然而，由某些机器等的动作等引起在其它机器等中产生噪声等的异常的情况也并不少见，在这种情况下难以确定异常的产生原因。即，在噪声由工厂内周围环境引起产生的情况下，异常原因的确定变得非常困难。尤其是，噪声间歇地产生并且再现性低这一情况是增加其难度的一个因素。这一点，通过观察在某些机器中产生噪声时的其它机器的运行状况等，还能够掌握某种程度的因果关系。然而，通过该方法来推定噪声产生原因，需要长期的技能积累。而且，完全观察与噪声产生有关的非常多的因素并且整理这些因素与噪声产生的关系并不容易。发明内容本发明是解决这种问题点而完成的，目的在于，提供一种能够容易地推定工厂内噪声产生原因的噪声产生原因推定装置。本发明的一个实施方式所涉及的噪声产生原因推定装置，其被连接成能够与工厂内的多个机器等通信，该噪声产生原因推定装置具有：噪声信息获取部，其获取在上述机器等中产生的噪声信息；运行信息获取部，其始终获取所有上述机器等的运行信息；以及判断部，其学习上述噪声信息与上述运行信息之间的关联性，上述判断部具有：状态观测部，其将上述噪声信息和上述运行信息作为表示环境的当前状态的状态变量进行观测；以及学习部，其形成包含上述状态变量的多个聚类。本发明的一个实施方式所涉及的噪声产生原因推定装置还具有显示部，上述状态观测部将上述噪声信息和上述运行信息作为表示环境的当前状态的状态变量进行观测，上述判断部确定与上述状态变量对应的上述聚类，根据确定出的上述聚类的主要成分来提取作为噪声产生原因的上述运行信息，上述显示部显示作为噪声产生原因的上述运行信息。在本发明的一个实施方式所涉及的噪声产生原因推定装置中，上述显示部显示上述噪声信息的按时间序列的变化以及作为上述运行信息的上述机器等的动作内容。在本发明的一个实施方式所涉及的噪声产生原因推定装置中，上述显示部强调显示作为噪声产生原因的上述运行信息。在本发明的一个实施方式所涉及的噪声产生原因推定装置中，上述判断部保持有根据上述噪声信息或作为噪声产生原因的上述运行信息的内容来定义维护信息的数据库，上述显示部同时显示上述维护信息。根据本发明，能够提供一种能够容易地推定工厂内噪声产生源的噪声产生原因推定装置。附图说明通过说明与附图关联的以下的实施例，能够更加明确本发明的上述和其它目的以及特征。在这些图中：图1是表示噪声产生原因推定装置的功能结构的框图。图2是表示包括噪声产生原因推定装置的系统结构的框图。图3是表示判断部的功能结构的框图。图4是表示显示部的显示例的图。图5是表示噪声产生原因推定装置的动作例的图。图6是表示噪声产生原因推定装置的动作例的图。图7是表示数据库的一例的图。具体实施方式根据附图说明本发明的实施方式所涉及的噪声产生原因推定装置100。图1是表示噪声产生原因推定装置100的功能结构的框图。噪声产生原因推定装置100具有噪声信息获取部110、运行信息获取部120、判断部130以及显示部140。噪声产生原因推定装置100为具有中央处理装置CPU、存储装置、输入输出装置等的信息处理装置，典型地为个人计算机PC。在噪声产生原因推定装置100中，由CPU执行存储于存储装置的程序，由此逻辑地实现上述处理部。噪声信息获取部110监视工厂内各机器等包括数值控制装置CNC、外围机器、机床等的、能够检测噪声产生的装置的噪声产生状况。即，各机器等使用公知技术来检测噪声产生。如图2所示，机器等经由通信基础设施与噪声产生原因推定装置100相连接，使用该通信功能，将检测出噪声产生这一情况通知给噪声信息获取部110。如果接收到该通知，则噪声信息获取部110保存包含检测出噪声产生的机器等的识别信息、噪声产生时刻或等级等的噪声信息。在此，噪声信息获取部110也可以仅在噪声等级超过规定的阈值的情况下保存噪声信息。运行信息获取部120针对工厂内的机器等分别监视运行状况。即，各机器等将表示自身装置、其管理下的装置等的运行状况的运行信息定期地发送到运行信息获取部120。在运行信息中，例如可包含机器等的识别信息、时刻、该时刻中的机器等的动作内容程序的指令代码、参数的内容、输入输出数据的内容等等。在动作内容中，例如包含表示主轴的加速、执行器的动作的内容等。运行信息获取部120保存接收到的运行信息。判断部130具有对噪声信息与运行信息的关联性进行学习的学习模式以及在被输入噪声信息时对作为噪声产生原因的运行信息进行推定的判断模式这两种动作模式。判断部130在学习模式中，输入很多噪声信息和运行信息，形成多个噪声信息和运行信息的结构要素中相互关联性高的结构要素的本地集合即聚类。判断部130在判断模式下，输入噪声信息和运行信息，确定输入的信息所属的聚类。并且，判断部130求出该聚类的主要成分。主要成分是指即表现聚类特征的因素，在本实施方式中，表示与某种噪声同时观察的运行信息的特征。如果确定主要成分，判断部130在噪声产生时刻附近从机器等实际获取的运行信息中提取具有与该主要成分大致相同的内容的运行信息。而且，判断部130将噪声信息和提取出的运行信息输出到显示部140。使用图3说明判断部130的更具体的结构。在本实施方式中，判断部130作为通过“非监督学习”实现学习模式和判断模式的机器学习装置而进行动作。“非监督学习”是指将以下装置进行学习的方法：仅将输入数据大量地提供到机器学习装置中，由此对输入数据如何分布进行学习，即使不提供对应的监督输出数据，也对输入数据进行压缩、分类、整形等。即，能够将输入数据集内包含的特征通过类似性进行聚类学习模式。而且，使用该学习结果来确定与输入数据对应的聚类，由此能够实现各种预测、分类等判断模式。作为用于实现这种机器学习的机构，判断部130具有状态观测部131、学习部132。状态观测部131从环境观测状态变量S，将状态变量S作为输入数据而输出到学习部132。在状态变量S中包含噪声信息和运行信息。在噪声信息中例如可包含产生噪声的机器等的识别信息、噪声产生时刻、噪声等级等。在运行信息中例如可包含机器等的识别信息、噪声产生时刻附近的该机器等的动作内容程序的指令代码、参数的内容、输入输出数据的内容等、机器等的位置信息等。在此，动作内容例如也可以是某个瞬间内的程序的指令代码、参数的内容、输入输出数据的内容等。在该情况下，能够使用紧接着噪声产生时刻之前从机器等获取一次的运行信息。或者，也可以将紧接着噪声产生时刻之前具有固定宽度的时间的、程序的指令代码、参数的内容、输入输出数据的内容等统计值或表示这些内容的变化的值作为动作内容。在该情况下，需要预处理，该预处理为使用在紧接着噪声产生时刻之前的固定期间例如3sec从机器等获取的多次量的运行信息来求出动作内容。例如，状态观测部131对紧接着噪声产生时刻之前的固定期间3sec内的规定存储器的值的变化量进行计算，也可以将该变化量作为动作信息进行输出。另外，状态观测部131也可以将这样计算出的各种动作信息作为多个输出。在此，位置信息例如可以是表示机器等的绝对位置的信息坐标值、表示工厂用地中确定区域的标识符即区域信息等，也可以是表示相对位置关系的信息例如距离检测出噪声产生的机器等的空间距离或根据电连接的状态计算出的电距离等。学习部132根据被称为“非监督学习”的学习算法，对输入数据进行聚类。即，形成状态变量S内包含的特征中的类似特征之间的集合。学习部132通过大量输入每次产生噪声时自动地获取的状态变量S、根据过去的累计数据制作的状态变量S，使聚类的精度逐渐提高。即，通过反复进行学习循环，学习部132能够自动地识别用于暗示噪声信息和运行信息之间的相关性的特征。在开始学习算法时，噪声信息与运行信息之间的相关性实质上是未知的，但是随着进行学习，逐渐识别特征来解释相关性。当噪声信息与运行信息之间的相关性被解释到某种程度可信赖的水准时，学习部132的学习结果能够使用于进行与当前噪声信息对应的运行信息应该是什么样的信息这种推定。当充分地进行学习而形成学习结果时，学习部132能够用作判断器。即，当提供噪声信息和运行信息作为输入数据时，判断被输入的信息所对应的即最类似的聚类。即，识别出类似于此时的噪声产生状况的、过去的噪声产生模式。接着，说明聚类的主要成分的确定处理。如果辨别出与输入数据对应的聚类，则判断部130确定该聚类的主要成分。例如通过使用以下文献1所记载的各种公知方法中任意的方法能够实施主要成分的确定。由此，对被输入的噪声信息具有高贡献的、运行信息的要素变得清楚。例如，假设“在紧接着噪声产生之前的3sec中，存储器Y100.0的值从0变化为1”这种运行信息的特征为主要成分之一这一情况变得清楚。此时，判断部130检查这种特征是否出现在当前运行信息中。如果存在包含所涉及的特征的运行信息，则判断部130提取该运行信息，与噪声信息一起输出到显示部140。文献1：“船用机关故障的原因分析”、除了村山雄二郎以外4名、昭和51年1月发行、日本船用机关学会期刊第11卷第1号、第77-86页显示部140将从判断部130接收到的噪声信息和运行信息显示在显示装置中。图4示出由显示部140显示的噪声信息和运行信息的一例。图4为同时显示噪声信息以及大致同一时刻的所有机器等的运行信息的示例。在本例中，为了表示作为噪声产生原因的可能性高这一情况，而强调显示由判断部130提取出的运行信息。或者，显示部140也可以仅显示噪声信息和提取出的运行信息。此外，判断部130在判断模式下不一定必须确定一个与输入数据对应的聚类。也可以根据输入数据与聚类的类似度，与类似度一起输出多个聚类。在该情况下，判断部130也可以分别确定根据这些多个聚类的主要成分来推定的、噪声产生原因的可能性高的运行信息的要素。而且，显示部140也可以在当前运行信息中提取包含这些要素的运行信息并显示多个。在该情况下，能够根据与上述类似度相应地决定的优先级来进行显示。使用图5和图6说明在产生噪声时或由噪声引起产生报警时显示被推定为噪声的原因的运行信息的情况下的噪声产生原因推定装置100的动作。说明噪声产生原因推定装置100对噪声产生原因进行学习的处理。如图5所示，从No.1至No.12为止的12个机器等与噪声产生原因推定装置100相连接。当前，在No.11的机器中，检测出超过阈值的噪声的产生。噪声信息获取部110从No.11的机器等接收噪声产生通知，生成、保存噪声信息。运行信息获取部120从工厂内的所有机器等始终、定期地收集、累计运行信息。接收噪声产生原因推定装置100中的新噪声信息的保存，判断部130从累计得到的运行信息中提取在噪声产生时刻附近收集到的运行信息。例如，针对各机器等，能够分别提取、输出一个噪声产生时刻以前的运行信息即最接近噪声产生时刻的运行信息。或者，例如，针对各机器等，分别提取紧接着噪声产生时刻之前的整个规定期间例如3sec获取的多个运行信息，进行预定的预处理。例如将规定期间内的存储值的变化量进行计算，将该变化量设为机器等的动作内容。判断部130的状态观测部131将噪声信息获取部110保存的噪声信息和运行信息获取部120保存的运行信息作为状态变量S，投放到学习部132中。学习部132逐渐对噪声信息与运行信息之间的关联性进行学习，从而形成聚类。说明噪声产生原因推定装置100判断噪声产生原因的处理。如图6所示，从No.1至No.12为止的12个机器等与噪声产生原因推定装置100相连接。假设，当前在No.11的机器中，检测出在时刻9:44:15超过阈值的噪声的产生。噪声信息获取部110从No.11的机器等接收噪声产生的通知，生成、保存噪声信息。运行信息获取部120从工厂内所有机器等始终、定期地收集、累计运行信息。接收噪声产生原因推定装置100中的新噪声信息的保存，判断部130与学习模式同样地，从累计得到的运行信息中提取在噪声产生时刻附近收集到的运行信息。判断部130的状态观测部131将噪声信息获取部110保存的噪声信息和运行信息获取部120保存的运行信息作为状态变量S，投放到学习部132中。学习部132确定与被输入的噪声信息及运行信息对应的聚类。判断部130对确定出的聚类的主要成分进行分析、确定。而且，提取、输出具有与确定出的主要成分大致相同的内容的当前运行信息。显示部140显示噪声信息获取部110新保存的噪声信息和从判断部130输出的运行信息。例如图6所示，能够显示通过图表形式进行显示以便能够判读噪声等级的时间序列变化等的噪声信息和表示该时刻附近的所有机器等的动作内容的代码。此时，能够强调显示具有与主要成分大致相同的内容的运行信息、即与其它机器等相比改变显示方式。由此，能够使作为噪声产生原因的可能性高的机器等突出。使用图7说明在产生噪声时与噪声产生原因一起显示与该噪声对应的维护信息的情况下的噪声产生原因推定装置100的动作。第二实施例中的噪声产生原因推定装置100的特征在于，除了第一实施例所具有的所有结构以外，判断部130具有数据库133。图7示出数据库133的示例。数据库133与噪声信息和或噪声产生原因对应地保持有维护信息。维护信息是指表示在产生噪声时应进行的事项确认事项、对策的信息。显示部140显示噪声信息获取部110新保存的噪声信息和从判断部130输出的运行信息。此时，显示部140能够同时显示在数据库133中与噪声信息和或噪声产生原因运行信息的一个要素对应的维护信息。由此，能够迅速且精确地对所产生的噪声采取对策。根据本实施方式，噪声产生原因推定装置100通过机器学习，对噪声信息与运行信息的之间的关联自动地进行学习。而且，使用其学习结果，在产生新噪声时推定其模式即对应的聚类，进行该聚类的主要成分分析，由此对作为噪声的原因的运行信息的要素进行推定。由此，能够构建通过人的经验无法发现的、还混杂了各种噪声产生因素的学习模型。而且，通过使用该学习模型，能够更高精度地推定噪声原因。除此以外，噪声产生原因推定装置100能够同时提示与噪声信息和或噪声产生原因对应的维护信息。由此，能够迅速且高精度地提出对策。以上，说明了本发明的实施方式，但是本发明并不限定于上述实施方式或实施例，通过施加适当的变更，能够以各种方式来实施。

权利要求：1.一种噪声产生原因推定装置，其被连接成能够与工厂内的多个机器等通信，其特征在于，上述噪声产生原因推定装置具有：噪声信息获取部，其获取在上述机器等中产生的噪声信息；运行信息获取部，其始终获取所有上述机器等的运行信息；以及判断部，其学习上述噪声信息与上述运行信息之间的关联性，上述判断部具有：状态观测部，其将上述噪声信息和上述运行信息作为表示环境的当前状态的状态变量进行观测；以及学习部，其形成包含上述状态变量的多个聚类。2.根据权利要求1所述的噪声产生原因推定装置，其特征在于，上述噪声产生原因推定装置还具有显示部，上述状态观测部将上述噪声信息和上述运行信息作为表示环境的当前状态的状态变量进行观测，上述判断部确定与上述状态变量对应的上述聚类，根据确定出的上述聚类的主要成分来提取作为噪声产生原因的上述运行信息，上述显示部显示作为噪声产生原因的上述运行信息。3.根据权利要求2所述的噪声产生原因推定装置，其特征在于，上述显示部显示上述噪声信息的按时间序列的变化以及作为上述运行信息的上述机器等的动作内容。4.根据权利要求2所述的噪声产生原因推定装置，其特征在于，上述显示部强调显示作为噪声产生原因的上述运行信息。5.根据权利要求2所述的噪声产生原因推定装置，其特征在于，上述判断部保持有根据上述噪声信息或作为噪声产生原因的上述运行信息的内容来定义维护信息的数据库，上述显示部同时显示上述维护信息。

百度查询： 发那科株式会社 噪声产生原因推定装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD