[发明专利]状态判定装置以及状态判定方法

说明书

本发明提供状态判定装置以及状态判定方法。状态判定装置取得工业机械的数据，按照用于从该取得的数据提取机器学习相关的处理所使用的数据的提取条件，在该取得的数据内提取机器学习相关的处理所使用的数据，并执行使用了该提取出的数据的机器学习相关的处理。

技术领域

本发明涉及状态判定装置以及状态判定方法，特别涉及辅助注射成形机的维护的状态判定装置以及状态判定方法。

背景技术

定期地或在异常产生时进行注射成形机等工业机械的维护。在维护工业机械时，通过使用在工业机械动作时记录的表示该工业机械的动作状态的物理量，维护负责人判定该工业机械的动作状态有无异常，进行产生了异常的部件的更换等维护作业。

例如，已知一种方法，作为工业机械的一种即注射成形机所具备的注射缸的止回阀的维护作业，定期地从注射缸拔出螺杆，直接测量止回阀的尺寸。但是，该方法中必须暂时停止生产来进行测量作业，因此会有生产效率下降的问题。

为了解决这样的问题，作为不通过从注射缸拔出螺杆等作业而使生产暂时停止，而间接地检测注射缸的止回阀的磨损量并诊断异常的方法，已知通过检测施加给螺杆的旋转转矩或者检测树脂向螺杆后方逆流的现象来诊断异常的方法。

例如在日本特开平01-168421号公报中示出了测量作用于螺杆的旋转方法的旋转转矩并在该测量值超过容许范围后判定为异常的情况。另外，在日本特开2017-030221号公报和日本特开2017-202632号公报中示出了通过对驱动部的负荷或树脂压力等进行有监督学习来诊断异常的情况。进一步，在日本特开2018-097616号公报和日本特开2017-188030号公报中示出了使用时间系列数据进行机器学习的方法。

但是，在构成注射成形机的驱动部的各个要素不同的机械中，会有在从该机械得到的测量值和在机器学习时输入的学习数据的数值之间的背离较大，不能够正确地进行基于机器学习的诊断的问题。另外，如果注射成形机所生产的成形品的原材料即树脂的种类、注射成形机的附带设备即金属模具、金属模具温度调节机、树脂干燥机等是与机器学习时不同的种类，则会产生不能够正确地进行基于机器学习的诊断的问题。

为了解决这种问题并提高机器学习的诊断精度，在生成机器学习的学习模型时，需要准备多种多样的学习条件进行机器学习。但是，收集多种多样的注射成形机、树脂、附带设备来进行机器学习需要很多的成本。并且，在运行机械时，需要准备树脂和工件等原材料，为了取得学习数据所需要的原材料的成本也比较大。另外，取得学习数据的作业需要较多的时间。因此，会有不能够有效地收集学习数据的问题。

这里，在更换注射成形机所生产的成形品的原材料即树脂，更换注射成形机的附带设备即金属模具，开始了金属模具温度调节机或树脂干燥机等周围设备或注射成形机的运行之后，变更注射成形机的运行相关的注射条件和保压条件等运行条件，或者在注射成形机位于不正常动作的警报状态时，会有从注射成形机取得的时间系列数据不适合于机器学习的情况。但是，在现有技术中，会有也对不适当的学习数据进行机器学习来导出学习模型，或者诊断不适当的学习数据等不能够正确地诊断机械的动作状态的问题。

发明内容

因此，希望能够容易地排除不适当的学习数据来精度良好地进行机器学习，并使用其学习结果来辅助各种工业机械的维护的状态判定装置以及状态判定方法。

因此，在本发明的状态判定装置以及方法中，关于输入到机器学习的学习数据，从学习数据中排除例如警报中的时间系列数据、开始了机械运行之后或更换了金属模具之后的时间系列数据或者变更了机械运行的注射条件或保压条件等成形条件的设定值之后的时间系列数据等在注射成形机的运行状态和操作状态中产生变化或者成形不稳定的状态的时间系列数据来进行机器学习，从而导出高精度的学习模型，解决上述问题。