[发明专利]机械学习装置、故障预测装置、机械系统及机械学习方法

说明书

本发明涉及一种机械学习装置、故障预测装置、机械系统及机械学习方法。机械学习装置具备：状态观测部(11)，其观测根据与网络连接的设备(2a～2c)的硬件结构、制造信息、运转状况、使用条件以及检测周围环境状态的传感器的输出的至少一个而得到的状态变量；判定数据取得部(12)，其取得判定与上述网络连接的设备的电子部件有无寿命故障或寿命故障的程度而得的判定数据(Dd)；以及学习部(13)，其基于根据上述状态观测部(11)的输出以及上述判定数据取得部(12)的输出而生成的训练数据和教师数据(Dt)，学习与连接至上述网络的设备(2a～2c)的电子部件的寿命故障相关联的条件。

技术领域

本发明涉及学习寿命故障条件的机械学习装置、故障预测装置、机械系统以及机械学习方法。

背景技术

近年来，例如数值控制装置(NC(Numerical Control：数值控制)装置)、C(Computerized：电脑化)NC装置、机器人以及可编程逻辑控制器(PLC(Programmable LogicController))等设备与网络连接。另外，与网络连接的设备使用大量的电子部件。并且，电子部件有寿命，当该寿命短而成为问题时，需要定期地更换设备(电子部件)。

目前，具有寿命的电子部件的更换周期例如根据寿命试验的推定值、经验值等来决定。但是，电子部件的寿命实际上由于设备的运转状况和使用条件等而大幅变化，因此例如会在更换前产生故障。

但是，目前作为能够在最佳的时间催促更换寿命部件的系统，提出一种部件寿命管理系统，经由英特网采样并取得在设备中使用的寿命部件的寿命特性数据，通过寿命分析软件计算剩余寿命，决定更换时期(例如日本特开2003-157330号公报：专利文献1)。

如上所述，例如根据专利文献1能够在最佳的时间催促更换寿命部件。但是，在这种部件寿命关系系统中，当不知道在其他公司的设备等使用的寿命部件时，例如难以管理电子部件的寿命故障。

进一步，现状是难以取得与网络连接的设备的电子部件的寿命故障的有无或故障的程度，在最佳的时间进行寿命部件的更换。

鉴于上述现有技术的课题，本发明的目的为提供能够获知与网络连接的设备的电子部件有无寿命故障或故障的程序的机械学习装置、故障预测装置、机械系统以及机械学习方法。

发明内容

根据本发明的第一实施方式，提供一种学习与连接至网络的设备的电子部件的寿命故障相关联的条件的机械学习装置，具备：状态观测部，其观测根据连接至上述网络的设备的硬件结构、制造信息、运转状况、使用条件以及检测周围环境状态的传感器的输出的至少一个而得到的状态变量；判定数据取得部，其取得判定连接至上述网络的设备的电子部件有无寿命故障或寿命故障的程度而得的判定数据；以及学习部，其基于根据上述状态观测部的输出以及上述判定数据取得部的输出而生成的训练数据和教师数据，学习与连接至上述网络的设备的电子部件的寿命故障相关联的条件。

优选上述学习部具备误差计算部，其计算上述训练数据与上述教师数据的误差；以及学习模型更新部，其根据上述状态观测部的输出、上述判定数据取得部的输出以及上述误差计算部的输出，更新用于决定与连接至上述网络的设备的电子部件的寿命故障相关联的条件的误差的学习模型。

上述机械学习装置能够存在于雾服务器上。优选上述雾服务器经由第一网络控制包括多个设备的至少一个单元。或者，上述机械学习装置能够存在于云服务器上。优选上述云服务器经由第二网络控制雾服务器中的至少一个，该雾服务器经由第一网络与包括多个设备的至少一个单元连接。

上述机械学习装置能够与至少一个其他机械学习装置连接，能够与至少一个上述其他机械学习装置之间相互交换或共享机械学习的结果。优选上述机械学习装置具备神经网络。