生产系统技术方案

本发明专利技术涉及能够预测电力供给出现不稳定从而采取避免出现问题的行动的生产系统。生产系统的预测装置具备对表示电源状态的测量数据的变化与在电源发生的故障的关系进行学习的机械学习装置。所述机械学习装置将表示环境的当前状态的状态变量和表示故障通知的判定数据关联起来，对至少包括工厂内的耗电量的测量值的测量数据进行学习，其中所述故障通知表示发生故障。所述生产系统的控制装置具备：接收部，其接收基于表示电源状态的测量数据的变化而预测到的在电源发生的故障的预测通知；以及退避动作控制部，其在接收到预测通知时，使加工机械转移至安全退避状态。

【技术实现步骤摘要】
生产系统
本专利技术涉及生产系统，尤其涉及能够预测电力供给出现不稳定从而采取避免出现问题的行动的生产系统。
技术介绍
在电力情况不稳定的场所和地区，由于突然的电压下降或瞬间的停电等，有时生产系统的电源未经正常步骤就被切断。由此，在生产系统可能产生各种问题。例如妨碍恢复、或者机械发生故障或破损、或者加工过程中的工件成为不良品、或者机器人把持的物件掉落等。作为致力于解决这种问题的现有技术，具有日本特开平07-028572号公报。日本特开平07-028572号公报中记载了以下技术：当不间断电源装置检测到电力的输入中断时，对CPU输出中断信号，CPU防备停电(不间断电源装置的停止)而将数据退避至存储装置中，由此保护数据不破坏。然而，日本特开平07-028572号公报中记载的方法以不间断电源装置为必须结构要素，不能适用于不存在不间断电源装置的环境。例如在工厂内具有多个机床、机器人等的情况下，必须所有机床、机器人等由不间断电源装置支持，但这需要巨大成本。另外日本特开平07-028572号公报的记载没有具体揭示包括机床、机器人等的生产系统在电力出现不稳定时的问题避免方案。
技术实现思路
为了解决这样的问题，本专利技术的目的在于，提供能够预测电力出现不稳定从而采取避免出现问题的行动的生产系统。本专利技术的一个实施方式所涉及的预测装置是预测电力成为不稳定的预测装置，其中，该预测装置具备：机械学习装置，其对表示电源状态的测量数据的变化与在电源发生的故障之间的关系进行学习，所述机械学习装置具备：状态观测部，其将至少包括工厂内的耗电量的测量值的所述测量数据作为表示环境的当前状态的状态变量来进行观测；判定数据获取部，其将表示发生所述故障的故障通知作为判定数据来进行获取；以及学习部，其使用所述状态变量和所述判定数据，将测量数据的变化与故障通知关联起来进行学习。本专利技术的一实施方式所涉及的预测装置中，所述学习部以多层构造对所述状态变量和所述判定数据进行运算。本专利技术的一实施方式涉及的预测装置中，还具备：判定输出部，其基于所述学习部的学习结果，根据所述测量数据来预测所述故障的发生，在预测到发生所述故障的情况下，输出故障预测通知。本专利技术的一个实施方式所涉及的预测装置中，所述机械学习装置配置于云计算、雾计算、边缘计算环境。本专利技术的一实施方式所涉及的机械学习装置对表示电源的状态的测量数据的变化与在电源发生的故障的关系进行学习，其具备：状态观测部，其将至少包括工厂内的耗电量的测量值的所述测量数据作为表示环境的当前状态的状态变量来进行观测；判定数据获取部，其将表示发生所述故障的故障通知作为判定数据来进行获取；以及学习部，其使用所述状态变量和所述判定数据，将测量数据的变化与故障通知关联起来进行学习。本专利技术的一实施方式所涉及的控制装置，其控制加工机械，其具备：接收部，其接收基于表示电源状态的测量数据的变化而预测到的、在电源发生的故障的预测通知；以及退避动作控制部，其在接收到所述预测通知时，使所述加工机械转移至安全退避状态。本专利技术的一实施方式所涉及的控制装置中，向所述安全退避状态的转移包括使所述加工机械的姿势或者位置移动至预定位置的情况、以及使执行中的加工作业在执行至预定阶段后中断的情况。本专利技术的一实施方式所涉及的生产系统包括预测电力成为不稳定的预测装置以及控制加工机械的控制装置，所述预测装置具备对表示电源状态的测量数据的变化与在电源发生的故障的关系进行学习的机械学习装置，所述机械学习装置具备：状态观测部，其将至少包括工厂内的耗电量的测量值的所述测量数据作为表示环境的当前状态的状态变量进行观测；判定数据获取部，其将表示发生所述故障的故障通知作为判定数据来进行获取；以及学习部，其使用所述状态变量和所述判定数据，将测量数据的变化与故障通知关联起来进行学习，所述控制装置具备：接收部，其接收基于表示电源状态的测量数据的变化而预测到的、在电源发生的故障的预测通知；以及退避动作控制部，其在接收到所述预测通知时，使所述加工机械转移至安全退避状态。根据本专利技术，可以提供一种能够预测电力出现不稳定从而采取避免出现问题的行动的生产系统。附图说明本专利技术的上述以及其他目的和特征通过参照附图的以下实施例的说明得以明确。这些图中：图1是表示作为预测装置的主要部位的概要硬件结构的框图。图2是表示第一实施方式的预测装置和机械学习装置的概要结构的框图。图3是表示预测装置的学习部对测量数据的变化与故障通知的相关关系进行学习的概要结构的框图。图4A是说明神经元的图。图4B是说明神经网络的图。图5是表示第二实施方式的预测装置和机械学习装置的概要结构的框图。图6是表示预测装置的动作的流程图。图7是表示预测装置的动作的流程图。图8是表示控制装置的概要结构的框图。具体实施方式使用附图说明本专利技术的实施方式。本专利技术的实施方式所涉及的生产系统1包括：预测电力出现不稳定的预测装置100、以及控制各种机床、机器人等加工机械的1台以上的控制装置200。在预测装置100预测到电力出现不稳定时，控制装置200控制机床、机器人等进行避免由此造成的故障的动作。工厂内配置有1台以上的控制装置200，各控制装置200控制各种机床、机器人等。典型的是，各控制装置200由PLC(可编程逻辑控制器)集中控制。典型的是，本实施方式中的预测装置100与该PLC以可通信的方式连接。或者，预测装置100能够作为PLC的一个功能来进行安装。由此预测装置100可以经由PLC与各控制装置200进行通信，来控制各控制装置200。或者，预测装置100能够配置于可与各控制装置200进行通信的云计算、雾计算、边缘计算环境等。<预测装置100的结构和动作>预测装置100进行下述处理：收集工厂内的耗电量、电压变化等信息和停电、电压降低等的发生信息，通过机械学习使两者的关系模型化(学习过程)。另外进行下述处理：使用学习过程中生成的模型来观测工厂内的耗电量、电压变化等从而预测停电、电压降低等的发生(预测过程)。图1是表示预测装置100的主要部位的概要硬件结构图。CPU11是对预测装置100进行整体控制的处理器。CPU11经由总线20读出ROM12中保存的系统程序，按照该系统程序来控制预测装置100整体。RAM13中暂时保存有暂时的计算数据、显示数据以及从外部输入的各种数据等。非易失性存储器14构成为例如通过未图示的电池来支持等，即使切断预测装置100的电源也能够保持存储状态的存储器。所述存储器中存储有经由未图示的接口输入的各种程序、数据。非易失性存储器14中存储的程序、数据可在执行时/利用时在RAM13中展开。另外，ROM12中预先写入有各种系统程序。测定装置60以预定时间间隔测量并输出工厂内的耗电量。除此以外，测定装置60还可以测量并输出工厂的电压、地区内的耗电量、时刻(时间带)。工厂内的耗电量、电压能够通过设置在工厂的配电盘的传感器等来获取。地区内的耗电量可以获取由管辖工厂的所在地区的变电所等提供的耗电量。测定装置60以预定时间间隔(优选为秒单位，但可根据电源情况等适当调整)对这些测量数据进行采样，并发送到预测装置100。预测装置100经由接口18从测定装置60接收测量数据，传递给CPU11。电源故障通知装置70生成关于电源的故障的信息。电源故本文档来自技高网...

【技术保护点】
1.一种预测装置，其预测电力不稳定的情况，其特征在于，上述预测装置具备：机械学习装置，其对表示电源状态的测量数据的变化与发生在电源的故障之间的关系进行学习，所述机械学习装置具备：状态观测部，其将至少包括工厂内的耗电量的测量值的所述测量数据作为表示环境的当前状态的状态变量来进行观测；判定数据获取部，其将表示所述故障的发生的故障通知作为判定数据来进行获取；以及学习部，其使用所述状态变量和所述判定数据，将测量数据的变化与故障通知关联起来进行学习。

【技术特征摘要】
2017.09.19 JP 2017-1785131.一种预测装置，其预测电力不稳定的情况，其特征在于，上述预测装置具备：机械学习装置，其对表示电源状态的测量数据的变化与发生在电源的故障之间的关系进行学习，所述机械学习装置具备：状态观测部，其将至少包括工厂内的耗电量的测量值的所述测量数据作为表示环境的当前状态的状态变量来进行观测；判定数据获取部，其将表示所述故障的发生的故障通知作为判定数据来进行获取；以及学习部，其使用所述状态变量和所述判定数据，将测量数据的变化与故障通知关联起来进行学习。2.根据权利要求1所述的预测装置，其特征在于，所述学习部以多层构造对所述状态变量和所述判定数据进行运算。3.根据权利要求1所述的预测装置，其特征在于，还具备：判定输出部，其基于所述学习部的学习结果，根据所述测量数据来预测所述故障的发生，在预测到发生所述故障的情况下，输出故障预测通知。4.根据权利要求1所述的预测装置，其特征在于，所述机械学习装置配置于云计算、雾计算、边缘计算环境。5.一种机械学习装置，其对表示电源的状态的测量数据的变化与在电源发生的故障的关系进行学习，其特征在于，该机械学习装置具备：状态观测部，其将至少包括工厂内的耗电量的测量值的所述测量数据作为表示环境的当前状态的状态变量来进行观测；判定数据获取部，其将表示所述故障的发生的...

【专利技术属性】
技术研发人员：津田丈嗣，户田俊太郎，
申请(专利权)人：发那科株式会社，
类型：发明
国别省市：日本,JP