[发明专利]异常检测器

说明书

本发明提供一种异常检测器，具有根据从制造机械取得的物理量来检测异常的征兆并输出信号的信号输出部，并且具有机器学习装置，该机器学习装置具有：状态观测部，其从制造机械观测表示制造机械的动作有关的物理量的物理量数据，作为表示环境的当前状态的状态变量；标签数据取得部，其取得表示制造机械的动作状态的动作状态数据作为标签数据；学习部，其使用状态变量和标签数据，学习对应于物理量的该制造机械的动作状态；以及推定结果输出部，其使用学习部的学习结果来推定该制造机械的动作状态，输出其推定结果。

技术领域

本发明涉及检测制造机械的异常的征兆的异常检测器。

背景技术

已知如下检测器：在机器人或机床等制造机械产生故障之前产生用于使装置的动作停止的表示异常的信号(警报)。在这样的检测器中，在产生表示异常的信号(警报)之前，根据在该制造机械、该制造机械的周边检测的物理量或该物理量的变化来检查异常的征兆。在检测器检测出异常的征兆时，产生警告(warning)。警告(warning)的产生条件例如是检测出的物理量的变动量超过预定量、检测出的物理量的符号反转、检测出的物理量从预先设定的规定值偏离。以往，这样的警告的产生条件在制造机械被制造时统一设定(例如，日本特开2005-233720号公报以及日本特开2008-076414号公报)。

此外，也已知在无法简单地设定用于检测特定异常的条件的情况下使用机器学习(例如，日本特开平07-028502号公报)。在机器学习中，将异常时检测出的物理量或该物理量的变化量作为训练数据，学习神经网络的各层间的耦合加权系数。

一般情况下，制造机械受设置制造机械的地域、电源情况、工厂以及季节等使用环境的影响。此外，制造机械存在各种各样的种类，制造机械具有的机械轴也各不相同。此外，使用年限在各制造机械中也不同。因这样的使用环境等的不同，在各制造机械或在各制造机械的周边检测出的物理量以及该物理量的变化量互不相同。此外，作为针对该物理量的统计处理的结果而求出的判定值也在各制造机械中互不相同。即，异常时检测出的征兆也在各制造机械之间互不相同。因此，像现有技术那样，在制造时统一规定警告(warning)的产生条件的情况下，未必可以准确地预知异常。

此外，在将异常时检测出的物理量或该物理量的变化量作为训练数据，由控制装置学习耦合加权系数的情况下，控制装置会错误地将平时检测出的物理量、该物理量的变化量、或作为针对物理量的统计处理的结果而求出的判定值作为异常的征兆而进行学习。该情况下，存在如下问题：控制装置对耦合加权系数进行错误的加权，根据错误的已学习模型来进行错误的异常检测。

发明内容

因此，本发明的目的在于提供一种异常检测器，能够对因制造机械的动作环境而发生变化的制造机械的异常的征兆进行检测。

本发明的一实施方式有关的异常检测器在出厂后学习异常的征兆。因此，针对每一个异常检测器，根据使用环境规定判定为异常的征兆的条件。结果，本发明的异常检测器可以进行与使用环境对应的准确的异常的预测。本发明的一实施方式有关的异常检测器，使用异常时在制造机械或制造机械的周边检测出的物理量、与之后变为正常的情况下在制造机械或制造机械的周边检测出的物理量双方作为训练数据，给予正负回报来进行学习。通过这样，在制造机械或制造机械的周边检测出的波形被分类为成为异常的征兆的物理量的波形、表示稳定的物理量的波形以及与异常无关的物理量的波形这三种波形中的某一个。由此，异常检测器可以准确地捕捉异常的征兆。