[发明专利]劣化判定装置以及劣化判定系统

说明书

本发明提供一种劣化判定装置以及劣化判定系统，劣化判定装置(100、200)具备：动作条件获取部(101)，获取处理装置(1)的动作条件；处理时状态数据获取部(103)，获取由安装于处理装置(1)的传感器(37、45)检测出的处理时状态数据；学习模型生成部(105、205)，通过将动作条件和处理时状态数据作为学习数据的机器学习，预先生成与动作条件和处理时状态数据相关的学习模型；实际数据获取部(111)，获取判定时刻的处理时状态数据作为实际数据；预测数据获取部(112、212)，使用上述学习模型，获取上述判定时刻的针对上述动作条件的上述处理时状态数据作为预测数据；以及判定部(113)，基于实际数据与预测数据的背离程度判定处理装置的劣化程度。

技术领域

本发明涉及劣化判定装置以及劣化判定系统。

背景技术

在日本特开2017－202632号公报记载了估计注塑成形机的止回阀的磨损量的方法。即，在分别安装了磨损量不同的多个止回阀的状态下进行注塑动作，在注塑成形机进行注塑动作时获取与注塑动作相关的物理量，并提取获取到的物理量的特征量。然后，进行将止回阀的磨损量作为正确答案信息，并将提取出的特征量作为输入的监督学习，基于监督学习的学习结果在输入了物理量的任意的特征量时估计止回阀的磨损量。

发明内容

本发明的目的之一在于提供通过与以往不同的方法，使用机器学习进行处理装置的劣化的判定的劣化判定装置以及劣化判定系统。

作为本发明的一个方式的劣化判定装置具备：

动作条件获取部，获取执行规定的处理的处理装置的动作条件；

处理时状态数据获取部，获取在通过上述处理装置执行上述规定的处理时，由安装于上述处理装置的传感器检测出的处理时状态数据；

学习模型生成部，通过将上述动作条件和上述处理时状态数据作为学习数据的机器学习，预先生成与上述动作条件和上述处理时状态数据相关的学习模型；

实际数据获取部，获取判定时刻的上述处理时状态数据作为实际数据；

预测数据获取部，使用上述学习模型，获取上述判定时刻的针对上述动作条件的上述处理时状态数据作为预测数据；以及

判定部，基于表示上述实际数据与上述预测数据的背离程度的指标判定上述处理装置的劣化程度。

根据上述方式的劣化判定装置，学习模型被预先生成。换句话说，学习模型表示生成学习模型所使用的动作条件与处理时状态数据的关系。而且，在作为与生成学习模型不同的时刻的判定时刻，获取处理时状态数据作为实际数据。另一方面，获取判定时刻的动作条件，并使用获取到的动作条件、和预先生成的学习模型，获取处理时状态数据作为预测数据。预测数据使用预先生成的学习模型。因此，预测数据相当于处理装置为了生成学习模型而进行动作时的状态的数据，即与判定时刻相比处理装置的劣化未发展的状态的数据。然后，基于表示实际数据与预测数据的背离程度的指标判定处理装置的劣化程度。换句话说，在实际数据与预测数据相比较大地背离的情况下，判定为处理装置的劣化发展。另一方面，在实际数据与预测数据相比表示背离程度的指标较小的情况下，判定为处理装置的劣化的发展较少。

作为本发明的其它方式的劣化判定系统具备：

多个处理装置，执行规定的处理；

服务器，设置为能够与上述多个处理装置进行通信，并收集上述多个处理装置中的每一个处理装置的动作条件、以及在通过上述多个处理装置中的每一个处理装置执行上述规定的处理时由安装于上述处理装置的传感器检测出的处理时状态数据；以及

上述劣化判定装置，基于上述服务器收集到的上述动作条件以及上述处理时状态数据进行处理。

由此，能够收集许多的动作条件、以及许多的处理时状态数据，所以能够进行更高精度的劣化判定。