[发明专利]压力机及压力机的异常监视方法

说明书

本发明提供一种能容易地捕捉故障预兆的压力机等。压力机包括：学习模型生成部，其进行以下生成处理，即以多个传感器收集到的多个数据中的一个数据作为目标变量、以该一个数据以外的数据作为说明变量进行机器学习来生成该一个数据用的学习模型，并对多个数据全部进行所述生成处理；预测值计算部，其进行以下计算处理，即将从多个传感器收集到的多个数据中的一个数据以外的数据的实测值输入给该一个数据用的学习模型来计算该一个数据的预测值，并对多个数据全部进行所述计算处理；异常度计算部，其基于多个数据的实测值和预测值的差计算异常度；以及异常度输出部，其输出计算出的异常度。

技术领域

本发明涉及一种压力机及压力机的异常监视方法。

背景技术

专利文献1中公开了一种使用AE传感器和压力机负荷传感器预测模具的异常发生的模具异常预测系统，其中用AE传感器检测在模具加工部分产生的弹性波、用压力机负荷传感器检测压力机负荷。

现有技术文献

专利文献

【专利文献1】日本专利公开2017－19016号公报

发明内容

本发明要解决的技术问题

在上述模具异常预测系统中，只会预测压力机上可能发生的各种异常中的特定异常(模具异常)的发生，难以全面地预测异常发生。

本发明是鉴于上述技术问题而完成的发明，其目的在于提供一种能容易地捕捉故障预兆的压力机及压力机的异常监视方法。

解决技术问题的手段

(1)本发明涉及的压力机，其特征在于，包括：学习模型生成部，其进行以下生成处理，即以从压力机所具有的多个传感器收集到的多个数据中的一个数据作为目标变量，以该一个数据以外的数据作为说明变量进行机器学习来生成该一个数据用的学习模型，并对所述多个数据全部进行所述生成处理；预测值计算部，其进行以下计算处理，即将从所述多个传感器收集到的多个数据中的一个数据以外的数据的实测值输入给该一个数据用的学习模型来计算该一个数据的预测值，并对所述多个数据全部进行所述计算处理；异常度计算部，其基于所述多个数据的实测值和预测值的差来计算异常度；以及异常度输出部，其输出计算出的异常度。

再有，本发明涉及的压力机的异常监视方法，其特征在于：进行以下生成处理，即以从压力机所具有的多个传感器收集到的多个数据中的一个数据作为目标变量、以该一个数据以外的数据作为说明变量进行机器学习来生成该一个数据用的学习模型，并对所述多个数据全部进行所述生成处理；进行以下计算处理，即将从所述多个传感器收集到的多个数据中的一个数据以外的数据的实测值输入给该一个数据用的学习模型来计算该一个数据的预测值，并对所述多个数据全部进行所述计算处理；基于所述多个数据的实测值和预测值的差计算异常度；以及输出计算出的异常度。

采用本发明，通过使用从多个传感器收集到的多个数据进行机器学习来生成每个数据的学习模型、使用从多个传感器收集到的多个数据和各数据的学习模型计算各数据的预测值、基于多个数据的实测值和预测值的差分计算异常度，从而能容易地捕捉压力机的故障预兆。

(2)在本发明涉及的压力机中，也可以是所述压力机是伺服压力机，所述多个数据包括压力机负荷数据和伺服放大器的输出电流数据。