JP2020044836A - 射出成形機、射出成形機の状態報知システム、射出成形機の状態報知方法 - Google Patents

Abstract

【課題】 メンテナンス状態を適切に報知することのできる射出成形機、射出成形機の状態報知システム、および射出成形機の状態報知方法を提供する。【解決手段】 射出成形機１１の作動状態が非定常値Ｖであることを検出する検出手段３５と、換算時間数または換算回数数の少なくとも一方からなる積算値Ｎをカウントする計数手段２９ａとが備えられ、非定常値Ｖと積算値Ｎの双方から演算される値Ｍが所定の閾値ｍａ，ｍｂとなるか閾値ｍａ，ｍｂを超えた際に射出成形機１１のメンテナンス状態Ａ，Ｂを報知する報知手段２９，３０が備えられている。【選択図】図１

Description

本発明は、メンテナンス状態を報知する射出成形機、メンテナンス状態を報知する射出成形機の状態報知システム、およびメンテナンス状態を報知する射出成形機の状態報知方法に関するものである。

従来、射出成形に用いられる部品の異常を精度よく検知できる射出成形機用情報管理装置としては特許文献１に記載されたものが知られている。特許文献１では、同一の設定条件で成形品を繰り返し製造するサイクル運転において、ｎ（ｎは２以上の自然数）回目のショットとｍ（ｍはｎから所定の正の自然数を引いた１以上の自然数）回目のショットとの、前記部品にかかる負荷を表す物理量の実績値の差を算出することにより、部品の異常が検出される。更に詳しくは明細書の（００５８）ないし(００６４)に記載されるように負荷を表す物理量により異常は検出される。そして（００７４）ないし（００７７）に記載されるように軽度の異常が発生しているときは、サイクル運転を継続させてもよく、重度の異常が発生した場合は、サイクル運転が中断される。

また射出成形機の情報を診断することで、異常の発生を推定・予防すると共に、誤って異常の診断がされることを防ぎ、不測の生産停止を防止することを目的とした射出成形システムとしては特許文献２に記載されたものが知られている。特許文献２では射出成形機と診断サーバとを通信回線で接続し、モータの発熱量の測定値と推定値を比較し、測定値が推定値の差が許容範囲外、又は、許容範囲を超える回数が許容回数異常と判断されると診断請求データを診断サーバに伝達することが記載されている（００３８）。そのことにより保守管理の遅れにより異常に発展することを未然に防ぐことが可能である（００４５）。

前記２件の特許文献１，２に共通するのは、異常状態を検出して射出成形機をすぐに停止するのではなく、軽度の異常の発生を検出した場合に運転を継続しつつ通知することにより、重度の異常に至る前に対策を行うという点である。

特開２０１７−８７５８８号公報（請求項１、（００５８）ないし(００６４)、（００７４）ないし（００７７）、図１） 特開２０１４−１８４６４１号公報（請求項１、（００３８）、（００４５）、（図１）、（図３）

ところが特許文献１や特許文献２に記載されるような運転を継続可能な程度の軽度の異常の発生を正確に捉えることは非常に困難である。即ち成形される材料の変更やそれに伴う成形条件の変更、気温や湿度等の気象条件等の外乱要素の変更に応じて、いずれの条件の場合でも軽度の異常を正確に捉えることは難しいという問題があった。また特許文献１および特許文献２では射出成形機において検出された異常をどのようなときに送信し、または送信しないかについては何ら記載されていない。

そこで本発明では、メンテナンス状態を適切に報知することのできる射出成形機、射出成形機の状態報知システム、および射出成形機の状態報知方法を提供することを目的とする。

本発明の請求項１に記載の射出成形機は、メンテナンス状態を報知する射出成形機において、射出成形機の作動状態が非定常値であることを検出する検出手段と、換算時間数または換算回数数の少なくとも一方からなる積算値をカウントする計数手段とが備えられ、
前記非定常値と前記積算値の双方から演算される値が所定の閾値となるか閾値を超えた際に射出成形機のメンテナンス状態を報知する報知手段が備えられたことを特徴とする。

本発明の請求項２に記載の射出成形機は、請求項１において、前記非定常値と積算値はそれぞれ数値化され、双方の数値を加算した値が所定の閾値となるか閾値を超えた際に射出成形機のメンテナンス状態を報知する報知手段が備えられたことを特徴とする。

本発明の請求項３に記載の射出成形機は、請求項１または請求項２において、前記非定常値と前記積算値の双方から演算される値は、ニューラルネットワークを用いた機械学習装置により重み付けされたものであることを特徴とする。

本発明の請求項４に記載の射出成形機の状態報知システムは、メンテナンス状態を報知する射出成形機の状態報知システムにおいて、該射出成形機の配置された企業内部の中央制御装置または前記射出成形機の配置された企業外部の制御装置に接続され、前記企業外部の制御装置への射出成形機のメンテナンス状態が送信可能に設けられたことを特徴とする。

本発明の請求項５に記載の射出成形機の状態報知システムは、請求項４において、メンテナンス状態は少なくとも射出成形機の画面に報知され、オペレータが前記画面または別の装置から送信許可した場合に前記企業外部の制御装置への射出成形機のメンテナンス状態の送信が行われることを特徴とする。

本発明の請求項６に記載の射出成形機の状態報知システムは、請求項４または請求項５において、前記企業内部の中央制御装置の内部または前記射出成形機の配置された企業外部の制御装置の内部に機械学習装置を設けるか、または前記企業内部の中央制御装置に直接接続または前記射出成形機の配置された企業外部の制御装置に直接接続して機械学習装置を設けたことを特徴とする。

本発明の請求項７に記載の射出成形機の状態報知方法は、メンテナンス状態を報知する射出成形機の状態報知方法において、射出成形機の作動状態が非定常値であることを検出手段により検出するともに、換算時間数または換算回数の少なくとも一方からかる積算値を計数手段によりカウントし、前記非定常値と前記積算値の双方から演算される値が所定の閾値となるか閾値を超えた際に報知手段によりメンテナンス状態を報知することを特徴とする。

本発明の請求項８に記載の射出成形機の状態報知方法は、請求項７において、複数の段階の閾値に対応して異なるメンテナンス状態の報知がなされることを特徴とする。

本発明の請求項９に記載の射出成形機の状態報知方法は、請求項７または請求項８において、前記異なるメンテナンス状態の報知は、教師あり学習を行う機械学習装置を用いることを特徴とする。

本発明の射出成形機は、メンテナンス状態を報知する射出成形機において、射出成形機の作動状態が非定常値であることを検出する検出手段と、換算時間数または換算回数数の少なくとも一方からなる積算値をカウントする計数手段とが備えられ、前記非定常値と前記積算値の双方から演算される値が所定の閾値となるか閾値を超えた際に射出成形機のメンテナンス状態を報知する報知手段が備えられているので、メンテナンス状態を適切に報知することができる。

本実施形態の射出成形機および射出成形機の状態報知システムの概略図である。 本実施形態の射出成形機、射出成形機の状態報知システム、射出成形機の状態報知方法のメンテナンス状態の演算方法を示す説明図である。 本実施形態の射出成形機、射出成形機の状態報知システム、射出成形機の状態報知方法のフローチャート図である。 第２の実施形態の射出成形機および射出成形機の状態報知システムの概略図である。 第３の実施形態の射出成形機および射出成形機の状態報知システムの制御装置のブロック図である。 第３の本実施形態の射出成形機および射出成形機の状態報知システムの制御装置の機械学習装置のニューラルネットワークを示す説明図である。

本発明の射出成形機１１と射出成形機の状態報知システム１２について図１を参照して説明する。射出成形機１１はメンテナンス状態を報知可能な射出成形機であり、工場１３内の中央制御装置１４や例えば射出成形機製造メーカ１５等の外部の制御装置１６に接続されている。

射出成形機１１は、溶融樹脂を射出する射出装置１７と成形金型１８を型締する型締装置１９が設けられている。射出装置１７は加熱筒２０内には逆流防止弁２１を備えたスクリュ２２が内蔵されており、スクリュ２２は計量用サーボモータ２３により回転され、射出用サーボモータ２４により前後進移動や背圧制御が行われる。型締装置１９は、型締機構２５と型開閉機構２６が備えられ、固定盤２７には固定金型１８ａが取付けられ、可動盤２８には可動金型１８ｂが取付けられる。ただし射出成形機１１は他の機構により作動されるものでもよくその種類は限定されない。

また射出成形機１１は、制御装置２９を備えており、制御装置２９には操作画面を兼ねた表示装置３０が接続されている。表示装置３０は液晶パネルのタッチパネルからなり、射出成形機に関する各種情報の表示の他、オペレータがタッチパネルにタッチすることにより成形条件等の入力が行われる。なお前記タッチパネルからなる表示装置３０の他にテンキーや各種機能キーなどのボタンキーを設けてもよい。射出成形機１１のメンテナンス状態を報知する報知手段は、制御装置２９と表示装置３０等から構成される。

また制御装置２９は、射出成形機１１に取付けられ該射出成形機１１の状態を検知する検出手段である各種のセンサ（図示せず）に接続されている。射出成形機１１に取付けられるセンサについては公知であるので全ては説明しないが、代表的なものとして計量用サーボモータ２３、射出用サーボモータ２４、型開閉機構２５のサーボモータ等、各サーボモータの回転角度や各サーボモータにより移動される可動部の位置を検出するロータリエンコーダや可動部の位置を検出するリニアスケール等の位置センサ、サーボモータ等の負荷やトルクを検出する電流センサや電圧センサ、ヒータにより加熱される部分や配電盤等の加熱を検出する熱電対等の温度センサ、可動部に加えられている力を検出するロードセル等の力センサ、型締シリンダ等の油圧機構の各部の油圧を検出する油圧センサ、などがある。または射出成形機１１の非定常状態を検出するために振動センサ、騒音計などのセンサを別途取付けたものでもよい。

これらセンサは射出成形機１１の成形時のシーケンス制御等の際の信号を検出するが、本発明では射出成形機１１の作動状態が非定常状態であることを検出する検出手段をも兼ねている。また射出成形機１１の状態を検出する検出手段は、広義の意味の射出成形機に含まれる周辺機器や射出成形機の近傍に取付けられたものでもよい。本実施形態では固定盤２７の上部には取出機３４が取付けられ、取出機３４には成形品の重量を検出するロードセルからなるセンサ３５が備えられている。なお検出手段である成形品の重量測定装置は射出成形機１１の近傍に配置されたものでもよい。

制御装置２９は、記憶部、演算部、入出力部等を備えている。そして記憶部には射出成形を行う際のシーケンス制御のためのプログラムが保存されている他、本実施形態の状態検出のためのデータやプログラムが格納されている。また演算部２９ａでは、射出成形時の各種のデータ処理の他、本実施形態の射出成形機１１の状態判断が行われる。更に入出力部は、前記アクチュエータやセンサに接続されている。そして演算装置からアクチュエータへの出力信号の送信やセンサ等から演算部２９ａへの入力信号の送信は入出力部を介して行われる。また本実施形態ではタイマは演算部２９ａまたは演算部２９ａに付属するものであり、前記各部の作動時間を検出する。本発明においてタイマを含む演算部２９ａは、作動時間をカウントして積算値Ｎとして処理する計数手段に相当する。

また射出成形機１１の制御装置２９は、回線３１を介して射出成形機１１の配置されている工場１３内または該企業内の中央制御装置１４に入出力部を介して接続されている。これらは企業内部において中央制御装置１４のサーバを含むパーソナルコンピュータ１４ａと各射出成形機１１，１１，１１との回線３１は、専用の通信線であってもよく、また企業内部に構築されたイントラネットやイーサネット（登録商標）の回線であってもよい。また前記射出成形機１１と中央制御装置１４の間の回線接続は無線ＬＡＮやＷｉＦｉにより接続されたものでもよく、通信方法は限定されない。

なお詳しくは後述する本発明のメンテナンス指標値Ｍを演算処理する機能は、射出成形機１１の制御装置２９に保有させてもよく、中央制御装置１４に保有させてもよく、両者で機能分担してもよい。一般的にメンテナンス指標値Ｍの演算が軽度の演算処理に留まる場合は射出成形機１１の制御装置２９の側で可能であるが、高度な演算処理を行う場合は中央制御装置１４の側で演算処理が行われることが好ましい。またこれらは射出成形機１１を保有し作動させている企業のシステム構築状況とも深く関連する。

射出成形機１１の作動している企業内の中央制御装置１４と該企業とは外部の射出成形機製造メーカ１５の制御装置１６は、インターネット等の回線３２により接続されている。射出成形機１１の配置されている企業内のデータ送信を行う中央制御装置１４であるパーソナルコンピュータ１４ａのデフォルトゲートウェイ１４ｂを介して企業外部の制御装置１６のパーソナルコンピュータ１６ａのデフォルトゲートウェイ１６ｂが接続され、それぞれ外部からのウイルスソフト等の侵入が阻止されるようになっている。

なお本実施形態において企業外部の制御装置１６とは、射出成形機製造メーカ１５の制御装置１６を指すが、メンテナンス専門に行う企業の制御装置であってもよい。また射出成形機製造メーカ１５側の制御装置１６が置かれる場所は、サービス業務全体の統括機能を有する本社等の拠点であってもよいが射出成形機１１を保有する会社のエリアの各サービス拠点であってもよい。そして前記制御装置１６は、各サービス担当者の携帯電話に連動接続させることも可能である。更にこれら射出成形機１１の配置されている企業内部の中央制御装置１４と企業外部の制御装置１６の通信は、インターネットに限定されず、インターネット以外の電話回線（ファクシミリを含む）や２社間専用の通信回線などでもよく、通信方法は限定されない。

次に射出成形機の状態報知システム１２を用いた射出成形機１１の状態報知方法について図２により説明する。本発明の第1の特徴は、射出成形機１１の作動状態を、センサ等の検出手段から検出される非定常値Ｖと、タイマ等によりカウントされる成形時間などの積算値Ｎの双方を組み合わせて判断する点である。これらの判断は、射出成形機１１の各部品や各部分ごとに行われる。より具体的には射出成形機１１の作動状態の検出および報知は、各種モータ、モータ制御装置等の配電盤、減速機、ボールネジ機構、型締シリンダ、油圧機構、油圧ポンプ、可動盤２８等の可動部、射出装置１７のスクリュ２２、逆流防止弁２１、ヒータ、射出や型締等のロードセルなどについてそれぞれ別個に行われる。また前記において各部分とは２以上の部品についての判断および報知がまとめて行われることを指す。

最初に射出成形機１１の作動時の非定常値Ｖの検出と利用について説明する。各部品や各部分の非定常値Ｖの検出に用いられるセンサの種類は上記のように限定されず、射出成形機１１の制御に利用されるものを兼用することが望ましいが、非定常値Ｖの検出専用に設けたものでもよい。またセンサ３５が設けられる部分も限定されない。

作動状態の射出成形機１１において非定常値Ｖが検出されたかどうかの判断は、定常値との比較において行われる。一般的な定常値の設定方法は、射出成形機１１の新造時または当該部品交換時または新造や交換から一定期間内の作動時に、振動・騒音・成形時間・電流値等成形機の状態を示す値が設定内であり、良好な成形品が成形されている状態で検出された値の平均値を記憶部に保存させること等により行われる。前記定常値の保存は、自動的または作業員が記憶部に保存することにより行われる。また定常値は、計算上の値または部品メーカ指定の値を用いて設定してもよい。更に定常値は、成形に応じて定常値がそれぞれ異なる場合、安定して成形された一定期間の成形サイクル時の測定値の平均値、微分値等を用いて算出するようにしてもよい。一例として温度センサにより測定される配電盤やモータの温度、電流センサ等により測定されるヒータに関する抵抗値、振動センサにより測定される可動部やポンプ等の振動、油圧センサにより測定される型締シリンダのシール部材の状態などは、予め固定的に設定した定常値を用いてもよい。またボールネジ機構を含む可動盤等の可動部や逆流防止弁２１を含むスクリュ２２、減速機などでモータの電流値（トルク）を測定するものは、成形材料、金型重量、サイクル時間などによる変動があり、成形サイクル時の複数回数の測定値の平均値等から定常値を演算により求めてもよい。

そして非定常値Ｖの判断のために定常値に対して或る幅を持った閾値（非定常値判断値）がそれぞれ設定され、定常値とともに記憶部に保存される。どの程度定常値から乖離した値を非定常値判断値として設定するかについてはそれぞれの部品や部分により相違する。部品や部分の軽微な異常やその前兆を捉えるためには極めて小さい非定常状態を捉える必要があり非定常値Ｖは定常値から僅かに乖離した値に設定する必要がある。非定常値Ｖを小さい値に設定すると射出成形機１１の部分や部品が正常に作動しているにも関わらず外乱要素により非定常値Ｖを超えることがあり本来は望ましいことではない。しかし本発明では、殆どの場合１度だけ非定常値Ｖを超えたことによりメンテナンス状態を判断する訳ではない。従ってどのような原因で非定常値Ｖが検出されたものであっても、部品や部分の軽微な異常の可能性があるものとしてカウントしていくことが望ましい。これら非定常値Ｖを用いた非定常状態の判断は、通常は非定常値Ｖが検出された回数を換算値に置き換えて累積加算して利用する。しかし定常値から乖離した非定常値Ｖの値や量を換算値のための演算に加味してもよく、両者の組み合わせでもよい。

また一つの非定常値Ｖの検出により複数の部品のいずれかに異常があると疑われる場合もよくあることである。例えば可動盤２８の移動を行う型開閉用サーボモータの電流値に非定常値が検出された場合、リニアガイド、タイバブッシュ、ボールネジ機構（取付部のボルトの緩みを含む）等の機構部に問題が発生しかかっている場合や、サーボモータ自体やその制御系に問題が発生しかかっている場合も考えられる。これらの場合はどの部品に異常が発生しているか不明であってもまずは表示装置３０に状態を報知することによりオペレータにどの部分に異常の可能性があるかを報知する。オペレータは、その報知を見て、企業外部の射出成形機製造メーカ１５等に連絡するかどうかを決定する。

また前記の複数の部品のいずれかに異常があると疑われる場合、他のセンサの値との組み合せによりどの部品に問題がありそうか推定できる場合もある。例えば前記可動盤２８の型開閉移動の場合、位置センサやタイマとの組合せにより、型開閉の区間全体に非定常値が発生しているのか、特定の区間のみに非定常値が発生しているかを把握することにより、どの部品に問題がありそうか推定できることもある。また射出成形機１１の異常報知の履歴は、射出成形機１１の記憶部または中央制御装置１４の記憶部に保存されており、前回に同様の異常が発生したときのデータを参照して、どの部品の異常の可能性が高いかを予知することが可能な場合もある。

次に積算値Ｎの検出および利用について説明する。積算値Ｎについては、成形時に異常が無くても漸増される値であり、一般的には成形時間が最もよく使用される。積算値Ｎは、演算部２９ａの係数手段であるタイマによりカウントされる。積算値Ｎは、一般的には装置全体の電源投入から電源ダウンまでの作動時間が用いられる。なお前記タイマのカウント開始は電源投入時以外に、射出成形機をいずれかの方法で作動開始時、全自動運転開始時などいずれのタイミングでもよく、各部品ごとの作動開始された時でもよい。

積算値Ｎに作動動時間を用いる場合、通常１時間＝１を換算時間としてカウントする。射出成形機を高加速度による過負荷やリサイクル材料の使用など特殊な条件のものでの使用を行った場合は各部品の負荷が上昇するので、例えば成形時間に１．５など一定の係数を乗算して換算時間を算出してもよい。また積算値Ｎである換算時間については、成形を行った日数や、時間以下の分や秒の単位まで加えた値を基礎にして積算してもよい。

また積算値Ｎは、成形サイクル数等の回数であってもよい。積算値Ｎに成形サイクルを用いる場合、通常は１成形サイクル＝１を換算回数としてカウントする。しかし成形時の換算回数は、型開閉移動については１成形サイクルで型開と型閉で２回とカウントしたり、スクリュ回転数等の回転数についてはスクリュ２２や計量用サーボモータ２３等の回数をカウントしてもよい。これら換算回数を積算値Ｎに使用する場合についても、使用時状態に応じた負荷を勘案して一定の係数を乗算等した値を換算回数として使用してもよい。また積算値Ｎは換算時間と換算回数の両方を用いてもよい。

これら換算時間や換算回数などの積算値Ｎは、複数の部品ごとにカウントされ記憶部に記憶される。即ち射出成形機１１が新品の場合でも、上記のように成形時間＝１として換算時間を演算する部品と、負荷に応じて一定の係数を乗算して換算時間を求める部品では換算時間の積算値Ｎはそれぞれ異なってくる。また換算時間や換算回数などの積算値Ｎは、部品交換とともに０にリセットされる。その結果射出成形機１１の出荷時に、成形時間＝１の積算値Ｎによりカウントする部品が複数あったとしても、各部品の交換によりメンテナンス指標値Ｍを構成する積算値Ｎはそれぞれバラバラな値になる。部品の交換日または交換時間、交換時のセンサの数値等の各種データは、自動的またはオペレータの入力により中央制御装置１４の記憶部に保存され、表示により部品の交換履歴が一目で判るようになっている。

図２においては右肩上がりに漸増する積算値Ｎに対して非定常値Ｖの換算値Ｖ１が加算されて累積された値がメンテナンスに関するメッセージを報知するための判断値であるメンテナンス指標値Ｍとなることを示している。図２においては非定常値Ｖが４回検出されてその都度積算値Ｎをベースとしたメンテナンス指標値Ｍに換算値Ｖ１が加算され、最終的に５回目の非定常値Ｖの検出によりメンテナンス指標値Ｍに換算値Ｖ１が加算され、第１のメッセージＡを報知する閾値ｍａを超えて第１のメッセージＡが報知される例を示している。

次にメーカの保証期間や法定点検等との関係も記載しておく。一般的に射出成形機１１の各部品は、部品メーカにより保証期間が定められている。また各部品は、成形時間または成形回数の累積、または単に経年変化によっても劣化する。しかし各部品は、前記部品メーカによる保証期間を過ぎたとしても、徐々に劣化が進行して故障が発生する確率は僅かづつ増加するものの、相当期間使用可能であるのが実状である。従ってメーカの保証期間は、積算値Ｎに基づくメンテナンス状態のメッセージ報知を定める際の重要な要素にはなるが、一般的には実際の部品交換時を示す報知としては用いられない。ただしメーカが交換期限を指定している場合は、表示装置３０に交換期限より所定日数手前の日と交換期限日に報知する。なお蒸気やコンプレッサを用いるものなどで法定点検や定期交換が法令や規則により定められているものは当然ながら法令等に従ったメンテナンス（点検や部品交換）が必要なことは言うまでもなく、それらも交換期限より所定日数手前の日と交換期限日に報知する。

なお本発明は、社内ＬＡＮまたはインターネット等の通信に接続されずに、メンテナンス状態を報知する射出成形機１１単独でも成立する。即ちセンサにより検出される非定常値Ｖと、換算時間数または換算回数の少なくとも一方からかる積算値Ｎが加算等の組み合わせされたメンテナンス指標値Ｍに基づくメンテナンス情報が射出成形機の画面表示また音声により報知されるだけでもよい。オペレータは前記報知を受けて射出成形機製造メーカ１５への連絡や予備部品の確保など必要な措置を講ずることができる。

次にメンテナンス状態を報知する射出成形機１１の状態報知システムおよびメンテナンス状態を報知する射出成形機１１の状態報知方法について図３のフローチャートにより説明する。射出成形機１１のメンテナンス状態は、各部品または各部分ごとに管理されることは上記した通りであるが、ここではスクリュ２２の逆流防止弁２１の摩耗の検出を例に説明する。

まず射出成形機１１に電源投入されると、予め異常予兆報知の設定がなされた部品（ここでは逆流防止弁２１）ごとに前回の成形までに累積されたメンテナンス指標値Ｍが読み出される（ｓ１）。また電源投入とともに作動時間（積算値Ｎ）のカウントが開始される（ｓ２）。そして成形条件が読み出されて成形サイクルがスタートする（ｓ３）。なお成形サイクルスタート等から作動時間（積算値Ｎ）の積算を開始してもよいことも上記の通りである。

連続成形された射出成形品の重量は、広義の意味で射出成形機１１に含まれる周辺機器である取出機３４の重量測定用のロードセル（センサ３５）により検出される。そして予め合格品として定めた成形品重量（定常値）に対して成形品の重量のバラつきを検出し、成形品の重量が予め定めた範囲（閾値）を超え、非定常値Ｖが検出されたか（ｓ４）を判断する。そして非定常値Ｖが検出された場合は、制御装置２９において非定常値Ｖを換算値Ｖ１に置換・演算する（ｓ５）。そして更に前記メンテナンス指標値Ｍに非定常値Ｖからなる換算値Ｖ１を加算して新しいメンテナンス指標値Ｍとする（Ｍ＋Ｖ１＝Ｍ）（ｓ６）。換算値Ｖ１をどの大きさの数値とするかは、積算値Ｎの換算値との関係で決定される。一例として積算値Ｎは成形時間１時間を１とするならば、非定常値Ｖが一回検出された際の換算値Ｖ１は、その１００倍として１００を加算する。なお成形品の重量測定時の定常値との差異量(非定常値判断値の値)は、不良品と判断される数値と同じでもよいが、更に閾値の狭めておき成形品が合格品とされる範囲の中での数値変動を捉えることも望ましい。また異常回数を１回としてカウントし常に一定数を加算するのではなく、比較値からの乖離の度合に応じて換算値を決定し、変数からなる換算値を加算するようにしてもよい。更に前記の演算方法は加算以外の演算方法を一部または全部に用いたものでもよい。

次に新しいメンテナンス指標値Ｍが異常報知を行う値であるかの判断を行う。具体的には新しいメンテナンス指標値Ｍが第１のメッセージＡを表示するための閾値であるｍａより小さいかどうかの判断を行う（ｓ７）。また前記（ｓ４）において非定常値Ｖの検出がなされない場合（ｓ４＝Ｎ）についても、換算値Ｖ１が加算されないメンテナンス指標値Ｍにより第１のメッセージＡを表示するための閾値であるｍａより小さいかどうかの判断を行う。これは連続成形の間に積算値Ｎの積み上げのみにより閾値ｍａに到達する場合があるからである。

そしてステップ（ｓ７）においてメンテナンス指標値Ｍがｍａよりも小さい場合（ｓ７＝Ｙの場合）は次に、成形完了か（ｓ８）の判断を行う。そして成形完了でない場合（ｓ８＝Ｎ）は、次に積算値Ｎの演算を行う。積算値Ｎの演算として、タイマにより成形時間のカウントがなされたか（ｓ９）が判断され、例えば１時間が経過してカウントされた場合は、１が加算されＮ＋１＝Ｎとなる（ｓ１０）。そしてメンテナンス指標値Ｍについても新しい積算値Ｎを加算して新たなメンテナンス指標値Ｍとする（Ｍ←Ｍ＋Ｎ）（ｓ１１）。そしてタイマのカウントがあった場合（ｓ９＝Ｙ）も無かった場合（ｓ９＝Ｎ）も次の成形サイクルへ移行し、再び次の成形サイクルにおいて非定常値Ｖが検出されるか（ｓ４）を判断する。

またステップ（ｓ７）においてメンテナンス指標値Ｍが閾値であるｍａ以上の場合（ｓ７＝Ｎの場合）、次にステップ（ｓ１２）においてｍａ≦Ｍ＜ｍｂの判断を行う。なおステップ（ｓ１２）において、ｍｂもまた射出成形機１１の状態を判断するための閾値である。そして（ｓ１２＝Ｙ）の場合、射出成形機１１の表示装置３０に第１のメッセージＡとメーカ連絡ボタン３３の表示（報知）がなされる（ｓ１３）。第１のメッセージＡの表示は初回にｍａ≦Ｍ＜ｍｂの範囲となったときだけ表示され、オペレータが消去するまで表示が継続される。

第１のメッセージＡについては、軽度な異常の予兆を報知するものであり、一例として次のような報知がなされる。
「逆流防止弁の予備部品の準備を推奨します。」または「逆流防止弁の点検を推奨します。」
前記報知は、画面表示の他、音声によるものやプリンタから文字が打ち出されるものでもよく、それらのうち少なくとも二つの組み合せであってもよい。また前記報知は、射出成形機１１の側の表示装置３０ではなく、通信により工場内（または企業内）の中央制御装置１４のパーソナルコンピュータ１４ａの表示画面に表示されるものでもよい。

なお成形品の重量バラつきに対しては逆流防止弁の摩耗が疑われるが、それ以外の原因も無い訳ではない。ここでは説明を単純化するために深く説明しないがスクリュ駆動機構の劣化やスクリュ駆動機構の制御不良、逆流防止弁２１以外のスクリュ２２の摩耗や加熱筒内孔の摩耗、加熱筒や金型の温度の不適などがある。それらの不良状態や不適状態は、他のセンサの検出値や、逆流防止弁や他の部分の交換からの時間経過（積算値Ｎ）との組合せにより、ある程度はどの部品に問題が発生しているか推定が可能な場合も多い。また複数の部品のうちどの部品に異常の予兆が出ているか特定できない場合は、異常の予兆の可能性のある部品を列挙して第１のメッセージＡを報知する。

そしてまた射出成形機１１等の表示装置３０等には第１のメッセージＡとともにボタンを押すことにより射出成形機製造メーカ１５へ送信が行われるメーカ連絡ボタン３３が表示される。そしてオペレータが射出成形機１１の表示装置３０のメーカ連絡ボタン３３を押してＯＮの信号が送信された際にのみ、射出成形機１１の逆流防止弁のメンテナンス情報は、中央制御装置１４のパーソナルコンピュータ１４ａ（デフォルトゲートウェイ１４ｂ）を介してインターネット等の回線３２により射出成形機製造メーカ１５等、企業外部のパーソナルコンピュータ１４ａに転送される。本実施形態では送られるデータは、企業名と工場名、担当者名を含む連絡先、射出成形機１１の機種と製造番号、逆流防止弁の部品番号、交換日時、成形時間、成形品の重量分布（バラつき）に関するデータ、各成形時の成形履歴等である。

なおこの際、射出成形機１１と中央制御装置１４の間の回線３１は、有線ＬＡＮなどのケーブルにより接続してもよいが、ＷｉＦｉを含む無線ＬＡＮ等の無線により接続してもよい。また企業内部の中央制御装置１４と企業外部の制御装置１６も専用回線などインターネット以外の回線手段により接続してもよい。射出成形機１１の配置された企業のパーソナルコンピュータ１４ａにおいては、履歴情報を直接または前記パーソナルコンピュータ１４ａを介してサーバに保存するとともに、予備部品の発注を含む在庫確保などを行うことができる。また射出成形機製造メーカ１５の側でも情報の受信とともに、予備部品の製造や在庫確保、発送、サービス員の手配などを行うことができる。

なお本発明は、メンテナンス状態を自動的に射出成形機１１から射出成形機製造メーカ１５へ送信するものを除外するものではないが、本実施形態では次の理由によりメーカ連絡ボタン３３を設け、表示装置３０等を見たオペレータが前記表示装置３０または別の装置である中央制御装置１４からメンテナンス状態を送信許可した場合のみ射出成形機製造メーカ１５へ送信がなされるようになっている。即ち射出成形機１１を作動させ成形を行っている成形メーカでは全てのデータが自動的に射出成形機製造メーカ１５に送られることへの抵抗感がある場合が多い。また初期の軽度な異常の予兆が報知された状態では予備部品があれば射出成形機製造メーカ１５に連絡が不要の場合もある。更には通信回数を制限することによりウイルス感染やデータ漏えいなどの可能性も更に低くすることができるためである。

また表示装置３０に表示された第１のメッセージＡに対してオペレータがメーカ連絡ボタン３３を押さないで、射出成形機１１からＯＮの信号が送信されない場合は（ｓ１４＝Ｎ）は、射出成形機製造メーカ１５への連絡は行われない。この場合社内の中央制御装置１４にデータが送られるようにしてもよく、射出成形機１１内だけでデータが履歴として蓄積されるようにしてもよい。そして次に成形完了したか（ｓ８）の判断が行われ、上記した（ｓ９）、（ｓ１０）、（ｓ１１）、の積算値Ｎの演算のステップを経て次の成形サイクルに移行する。

またステップ（ｓ１２）においてメンテナンス指標値Ｍがｍｂ以上である場合（ｓ１２＝Ｎ）は、次に（ｓ１６）においてｍｂ≦Ｍ＜ｍｃの判断がなされる。ステップ（ｓ１６）に移行するのは、既に第１のメッセージＡが報知済であり更にメンテナンス指標値Ｍに積算値Ｎが加算されたケースおよびメンテナンス指標値Ｍに非定常値Ｖ１が加算されたケースと、図２に示されるように非定常値Ｖを１以外の従量値を使用していて、メンテナンス指標値Ｍと非定常値Ｖ２ａを加算した結果、演算されたメンテナンス指標値Ｍがいきなりｍｂ以上となったケースである。そしてメンテナンス指標値Ｍがｍｂ以上であってｍｃよりも小さい場合（ｓ１６＝Ｙ）、射出成形機１１の表示装置３０に第２のメッセージＢの表示（報知）がなされる（ｓ１７）。第２のメッセージＢの表示は初回にｍｂ≦Ｍ＜ｍｃの範囲となったときだけ表示され、オペレータが消去するまで表示が継続される。

第２のメッセージＢについては、軽度の異常の存在を連絡するものであり、一例として次のような報知がなされる。
「逆流防止弁の交換を推奨します。」「逆流防止弁の点検の必要があります。」
また前記報知についても、音声によるものやプリンタから文字が打ち出されるものでもよく、そられのうち少なくとも二つの組み合せであってもよい。また前記報知は、射出成形機１１の側の表示装置３０の画面ではなく、通信により工場１３内（または企業内）の中央制御装置１４のパーソナルコンピュータ１４ａの画面に表示されるものでもよい。

第２のメッセージＢについても第１のメッセージＡの場合と同様に、表示装置３０にメーカ連絡ボタン３３が表示され、オペレータの操作によりメーカ連絡ボタンが押され、ＯＮ信号が送信された際（ｓ１８＝Ｙ）には射出成形機１１のメンテナンス情報は、インターネット等の回線３２により射出成形機製造メーカ１５等、企業外部のパーソナルコンピュータに転送される（ｓ１９）。また送信されない場合であってオペレータが成形数量成形完了等により装置を停止させない場合（ｓ８＝Ｎ）には成形を継続する。即ちメンテナンス指標値がｍｂ≦Ｍ＜ｍｃの範囲内の値を示している場合、直ちに射出成形機１１の完全な故障、成形不良、オペレータへの危険等のいずれかに繋がるものではないので、自動的には射出成形機１１は停止させず、予め設定した生産個数分の成形を継続してもよい。

またステップ（ｓ１６）においてＭがｍｃ以上である場合（ｓ１６＝Ｎ）は、次に（ｓ２０）において表示装置３０に異常が発生したことを示すメッセージＣとメーカ連絡ボタン３３を表示（報知）する。ステップ（ｓ２０）に移行するのは、既に第２のメッセージＢが報知済であり更に積算値Ｎを含むメンテナンス指標値Ｍに非定常値Ｖ１が加算されたケースと、図２に示されるように非定常値の換算値に従量値を使用していてメンテナンス指標値Ｍと非定常値の換算値Ｖ２ｂを加算した結果、演算された新しいメンテナンス指標値Ｍがいきなりｍｃ以上となった場合である。そして異常値が検出されると射出成形機１１は、即時またはその成形サイクルが完了するまで成形を行ってから停止される。なお成形品の重量を検出して行われる逆流防止弁の異常検出に際しては、非定常値Ｖが検出された回数を固定的な換算値として加算する方式でもよいが、サーボモータの電流値を検出してサーボモータや可動部の異常を検出する場合などでは、非定常値の換算値Ｖは従量値として、異常値が検出された場合には射出成形機１１を非常停止させることが望ましい。

異常停止が報知された場合についても、第１のメッセージＡ、第２のメッセージＢの場合と同様に、表示装置３０にメーカ連絡ボタン３３が表示され、オペレータの操作により、メーカ連絡ボタンが押されＯＮ信号が送信された際（ｓ２１＝Ｙ）には射出成形機１１の異常を含むメンテナンス情報は、インターネット等の回線３２により射出成形機製造メーカ１５等、企業外部のパーソナルコンピュータに転送される（ｓ２２）。また前記転送の有無にかかわらず、（ｓ８）のステップへは進まずそのまま成形サイクルは終了となる。なお本実施形態の図３のフローチャートでは、メンテナンス指標値Ｍに基づく報知は、部品の準備等を推奨する第１のメッセージＡと、部品の交換を推奨する第２のメッセージＢと、異常を報知し装置を停止させるメッセージＣの３段階となっている。しかし各部分または各部品ごとにメッセージの段階数は、複数の段階の閾値に対応して異なるメンテナンス状態の報知がなされるものであればよく、２段階ないし４段階など段階が異なるようにしてもよい。

なお上記においてメンテナンス指標値Ｍが所定の閾値であるｍａ，ｍｂ、ｂｃになった際（Ｍ＝ｍａ，Ｍ＝ｍｂ，Ｍ＝ｍｃ）際か、閾値を超えた際（Ｍ＞ｍａ,Ｍ＞ｍｂ，Ｍ＞ｍｃ）に第１のメッセージＡ、第２のメッセージＢ、第３のメッセージＣを報知するようにするかは微差であり、いずれの方法でもよい。

本発明は、上記のように各種センサによって検出される非定常値Ｖを換算した換算値Ｖ１と、成形時間（換算成形時間の場合を含む）や成形数といった積算値Ｎの双方を累積加算等の演算を行って得られるメンテナンス指標値Ｍが所定の閾値（ｍａ、ｍｂ等）となるか閾値（ｍａ、ｍｂ等）を超えた際に射出成形機１１のメンテナンス状態を報知する。従って射出成形機１１を構成する部分または部品の経年変化とセンサから検出される状態変化を加味して射出成形機１１の状態を検出、判断、および報知することができる。

次に成形時間または成形サイクル数を諸条件に応じて所定値を乗算し、積算値を換算する例について図４の第２の実施形態の竪型ロータリ射出成形機４１の状態報知システムの例で説明する。竪型ロータリ射出成形機４１は、特許５５１８５６５号などにも記載があるように金型４２を取付けた回転盤４３がサーボモータ４４等の電動機により回転可能に設けられた成形機である。竪型ロータリ射出成形機４１は、型締装置４５とその両側に設けられた第１の射出装置４６と第２の射出装置４７から基本的な部分が構成される。型締装置４５は、下方に設けられた固定盤４８に４本のタイバ４９が直立方向に固定され、タイバ４９には可動盤５０が挿通され、該可動盤５０は上下方向に移動可能となっている。そして可動盤５０の下面には、回転盤４３（ロータリテーブル）が回転自在に取付けられている。そして固定盤４８には固定金型４２ａが取付けられ、回転盤４３には可動金型４２ｂが取付けられる。

そして回転盤４３の回転はサーボモータ４４により行われ、サーボモータ４４の駆動軸５１に取付けられた歯付プーリ５２と回転盤４３の外周面の歯付部とにわたってタイミングベルト５３が掛け渡されている。またサーボモータ４４には減速機５４が取付けられている。また竪型ロータリ射出成形機４１は制御装置５６を備えている。制御装置５６はサーボモータ４４等の駆動を制御するものであり、サーボモータ４４のエンコーダ４４ａやサーボモータ４４へ送信される電流値を測定する電流センサを含む各センサに接続されている。また制御装置５６はメンテナンス情報などを表示する表示装置５７に接続されている。更に制御装置５６は、工場内部の中央制御装置５８を介して図示しない企業外部の制御装置にも接続されている。

竪型ロータリ射出成形機４１の回転盤４３に取付けられる金型４２は、成形品に応じてそれぞれ重量が異なる場合がある。また回転盤４３の回転速度は、必要以上に成形時間が延長されないようにサーボモータ４４の能力内で回転盤４３がほぼ最速で反転または回転されるように制御される。この際の回転盤４３の反転等の速度は、加速時と減速時の加速度がサーボモータ４４や減速機５４の許容範囲内となるようにし、サーボモータ４４や減速機５４への負荷を軽減している。しかしそれでも最重量の金型４２を使用した場合と最軽量の金型４２を使用した場合や回転速度（加速度）が異なる場合など、成形条件ごとにサーボモータ４４と減速機５４への負荷は相違する。

そのため図４の第２の実施形態では、サーボモータ４４に送られる電流値からピークトルクを検出し、該ピークトルクを係数値化する。即ちピークトルクが大きくなるにつれて係数値ａを大きくする。そして前記係数値ａと成形時間Ｎを乗算して積算値Ｎに用いる換算時間ａＮを求める。または前記係数値ａと成形サイクル数ｎを乗算して換算回数である換算成形数の積算値ａｎを求める。このことにサーボモータ４４や減速機５４の負荷が大きい場合、単なる成形時間Ｎや成形サイクル数ｎをそのまま積算値Ｎとして用いたものよりも、実態の負荷の累積に近い積算値Ｎとすることができる。

なお図４の第２の実施形態において係数値化に用いるのは、負荷の大きさに応じて数値が変更されるものであればピークトルク以外に、回転盤４３の回転時の一部または全部の電流値の合計、金型重量、サーボモータまたは減速機の温度などでもよい。図４の第２の実施形態の場合も前記により演算した換算時間ａＮ等の積算値Ｎと、センサにより検出される非定常値Ｖを加算してメンテナンス指標値Ｍを演算し、装置の状態の報知に使用する。非定常値Ｖについてはサーボモータ４４のピークトルクや電流値全体の乖離や回転完了までの時間の乖離等をそれぞれセンサにより計測し、サーボモータ４４や減速機５４が新品またはそれに近い状態のときの検出値（定常値）と比較する。

また減速機５４については、回転盤４３が回転して図示しないストッパに当接された際や図示しない近接スイッチによりカム等が検出された際におけるサーボモータ４４のエンコーダ４４ａの検出値の平常値からの乖離の発生などを検出する。または停止位置において回転盤４３を固定するストッパ５５を前進させて回転盤４３の位置決め孔４３ａに挿入する際に、テーパー状のストッパ先端側が位置決め孔４３ａの側面に当たって回転盤４３が回ってしまう現象をサーボモータ４４のエンコーダ４４ａにより検出する。これらにより減速機５４内の歯車の摩耗などによりバックラッシが大きくなってきていることなどを検出する。これら非定常値Ｖが検出された際の非定常値の演算方法については上記したように定常値からの乖離に応じた従量値を用いるが望ましい。

なお図４の第２の実施形態の竪型ロータリ射出成形機４１の回転盤回転用のサーボモータ４４、減速機５４、タイミングベルト５３などの駆動系についても、センサによる非定常値の検出を受けても特定の１部品の異常の予兆と判断できない場合もある。その場合は、各部品の交換からの積算時間や前回の異常の発生時の記録等も勘案して、異常の予兆が発生した可能性の高い部品順に表示を行ってもよい。図４の異常の報知も基本的には図３のフローチャートと同じでメンテナンス状態に段階を設けた報知を行う。

次に図５、図６に示される第３の実施形態の射出成形機および射出成形機の状態報知システムの制御装置について説明する。第３の実施形態の射出成形機の射出装置や型締装置等の機構は、第１の実施形態の射出成形機であっても第２の実施形態の射出成形機であってもよく、射出成形機の機構は限定されない。従って以下の説明において、同一要素または同一機能を有する部分については、図１ないし図３と同一符号を用い、重複する説明は省略する。第３の実施形態では、メンテナンス状態の判断と報知するという技術思想は同じであるが、ＡＩ（Ａｒｔｆｉｆｉｃａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）技術を用いてメンテナンス状態の判断と報知をする点に特徴がある。

図５に示されるブロック図は、射出成形機１１の制御装置２９の演算装置２９ａに機械学習装置６１が搭載された例を概念的に示している。制御装置２９は、設定・入力機能を備えた表示装置３０や、射出成形機１１の各センサにも接続されている。そして制御装置２９には前記表示装置３０やセンサからの信号を入力する入力部６２を備えている。また入力部６２は演算装置２９ａの機械学習装置６１に接続されている。

機械学習装置６１は、データ入力処理部６３、学習部６４、学習結果出力部６５、重み付け記憶部６６ａを含む記憶部６６等を備えている。ここにおいては記憶部６６については制御装置２９全体の記憶部も兼ねている。記憶部６６には、部品の交換時期や成形時の射出成形機のデータが保存されている。そしてメンテナンス情報を報知する各部品ごとの積算値や非定常値の累積値も保存されている。また制御装置２９の演算装置２９ａは通常の射出成形機１１のメンテナンス状態を判断し報知する部分を備えている。具体的には演算装置２９ａはタイマ６７を備えており、タイマ６７は積算値演算処理部６８に接続されている。更に演算装置２９ａは、入力部６２に接続される非定常値演算処理部６９を備えている。そして積算値演算処理部６８と非定常値演算処理部６９はそれぞれ重み付け修正部７０に接続されている。

また重み付け修正部７０は、機械学習装置６１の記憶部６６の重み付け記憶部６６ａと接続されている。更に重み付け修正部７０は、メンテナンス指標値演算部７１に接続され、メンテナンス指標値演算部７１は、メンテナンス情報報知判断部７２に接続されている。そしてメンテナンス情報報知判断部７２は、機械学習装置６１のデータ入力処理部６３および記憶部６６と接続され、更には制御装置２９の出力部７３に接続されている。そして制御装置２９の出力部７３は、射出成形機１１の表示装置３０やその他の駆動系のサーボアンプやソレノイドなどに接続されている。また出力部７３は、場合によっては、工場１３内の中央制御装置１４や、工場外部の射出成形機製造メーカ１５等の外部の制御装置１６に接続されている。

次にメンテナンス状態の報知を行う制御装置２８の演算部２９ａと機械学習装置６１の各部の機能について説明する。積算値演算処理部６８はタイマ６７で計時された時間等からメンテナンス状態演算のための積算値Ｎを生成する。なお前記積算値Ｎは、射出成形機１１の動作状態を加味し、射出成形機１１の高負荷状態や劣悪な環境での使用時は一定の係数を乗算するようにしてもよい。また非定常値演算処理部６９は、外部のセンサ等から入力部６２を介して入力されるデータ信号からメンテナンス状態演算のための非定常値Ｖを生成する。

これらの積算値Ｎと非定常値Ｖは、重み付け修正部７０において、それぞれの値に係数値が乗算され、重み付けされた積算値Ｎａ、非定常値Ｖａに修正される。なお重み付けの修正方法は乗算に限定されず他の演算方法であってもよい。積算値Ｎと非定常値Ｖに重み付けする際の係数値の演算および修正については、後述する機械学習装置６１の説明の部分で説明する。そして重み付けが修正された積算値Ｎａと非定常値Ｖａは次のメンテナンス指標値演算部７１に送られて加算され、メンテナンス指標値Ｍが生成される。そして次のメンテナンス状態報知判断部７２において、記憶部６６において記憶されている閾値ｍａ，ｍｂ，ｍｃと比較され、軽度な異常の予兆を報知し点検を推奨する第１のメッセージＡ、軽度な異常の存在を報知し部品の交換を推奨する第２のメッセージＢ、異常を報知する第３のメッセージＣのいずれかのメッセージを出力するか、または未だメンテナンス状態を報知する段階に無いとして何もメッセージを報知しない。

前記メンテナンス状態報知判断部７２において前記第１のメッセージＡ、前記第２のメッセージＢ、前記第３のメッセージＣのいずれかが出力された際、同時か前後してメンテナンス状態報知判断部７２からメンテナンス指標値Ｍとその演算過程を含むデータが、機械学習装置６１のデータ入力処理部６３に送られる。また記憶部６６にも送られて記憶される。

また前記第１のメッセージＡ、第２のメッセージＢ、第３のメッセージＣのいずれかが出力されたときは、作業者が部品の摩耗等の劣化度のチェックを行う。そして最適な時期に第１のメッセージＡ、第２のメッセージＢ、第３のメッセージＣが出力されていた場合は、作業者が表示装置３０から、メッセージの出力その最適であったという情報を入力する。前記入力された情報は、入力部６２を介して機械学習装置６１のデータ入力処理部６３に送られる。そして前記情報は、メンテナンス状態報知判断部７２から送られたデータを紐付けされて、第１のメッセージＡ、第２のメッセージＢ、第３のメッセージＣのいずれかを出すためのメンテナンス指標値（積算値と非定常値の重み付けを含む）が適切であった教師データとされる。

また部品の劣化度をチェックして第１のメッセージＡ、第２のメッセージＢ、第３のメッセージＣのいずれかがを出す時期が早すぎた場合、遅すぎた場合についても同様に作業者が表示装置３０からメッセージＡまたはメッセージＢを出す時期が最適でなかったという情報を入力する。そして前記前記入力された情報は、機械学習装置６１のデータ入力処理部６３に送られる。そして前記情報はメンテナンス状態報知判断部７２から送られたデータを紐付けされて、第１のメッセージＡ、第２のメッセージＢ、第３のメッセージＣのいずれかを出すためのメンテナンス指標値（積算値と非定常値の重み付けを含む）が不適切であった教師データとされる。

なお部品の劣化度を作業者の目視により判断する場合、次の段階に進む押しボタン等を用いて情報入力すると作業者の手間が省けて有利である。具体的には第１のメッセージＡの場合は、「部品まったく問題なし」、「部品ごく僅かな劣化があるが成形継続可能」、「すぐ部品交換必要」といったボタンを択一的に設けておく。そして作業者が「部品まったく問題なし」のボタンを押した場合はメッセージの表示が早すぎ、「部品ごく僅かな劣化があるが成形継続可能」のボタンを押した場合はメッセージの表示が適切であり、「すぐ部品交換必要」ボタンを押した場合はメッセージの表示が遅すぎるというようにしてもよい。なお部品の劣化度の情報は、複数項目の評価から入手したり、作業者がデータを加工したラベルデータを用いて入手してもよい。更には部品の劣化度の情報は、カメラやセンサを用いて、部品の劣化度を機械的に判断して数値化し、作業者が摩耗度等の判断を行わないようにしてもよい。

なおは点検を推奨する第１のメッセージＡが出される前に交換を推奨するすメッセージＢが表示された場合の情報や、前記第１のメッセージＡや第２のメッセージＢが出される前に、異常を示す第３のメッセージＣが表示された場合の情報は、作業者の判断を経ることなく自動的に、重み付けされた積算値Ｎや非定常値Ｖの情報を含むメンテナンス指標値Ｍが不適切であった教師データとされる。

そして機械学習装置６１のデータ入力処理部６３において処理された外部情報は、学習部６４に送られ、図６に示されるように学習部６４において脳の神経回路の仕組みを模倣したニューラルネットワークを用いて主に教師あり学習が行われる。具体的には重み付けされた積算値Ｎや非定常値Ｖの情報を含むメンテナンス指標値Ｍが適切であった教師データと、前記メンテナンス指標値Ｍが不適切であった教師データは、それぞれニューラルネットワークの入力層から入力される。

そしてニューラルネットワークでは前記各教師データ（どのような積算値Ｎと非定常値Ｖの重み付けのときに最適なメッセージ報知がされていたか）を用いて回帰分析がなされ、関数式（一般的には複数の関数式）が導き出される。なお教師あり学習の手法は、回帰分析の他、決定木を用いたものでもよい。前記関数計算式は、そのまま利用される場合もあれば近似式として利用される場合もある。なお図６は、ニューラルネットワークを示すものであり、は、入力層７４と出力層７５の間に中間層７６（隠れ層）を１層だけ備えたものであるが、入力層と出力層の間に複数の中間層（隠れ層）を備え、ディープラーニングを行うものを除外するものではない。特に異常検出または故障予知において学習に用いるデータが少ない場合は機械学習装置６１が行う推論を含めたディープラーニングを行うことは望ましい手法である。

そして学習部６４では、ニューラルネットワークの関数式を用いて出力層７５にメンテナンス指標値の基となる時間等の積算値Ｎと各センサ等の正常時以外の非定常値Ｎに重み付けを行うための数値が出力される。即ち本発明では、ニューラルネットワークを用いた機械学習装置６１により積算値Ｎと非定常値Ｖの重み付けがなされる。この点についてより簡単な例で示せば、ある部品の交換を推奨する第２のメッセージＢを出す要素として時間の要素（積算値Ｎ）が深くかかわっていることが多数の学習機会から教師あり学習された場合は、積算値Ｎの重み付けを増加させ、センサ等から検出される非定常値Ｖの重み付けを減少させる。またはその反対に時間等の積算値Ｎの関係が少なく、センサ等の検出値（非定常値Ｖ）との関係が大きいことが教師あり学習された場合は、センサ等の非定常値Ｖの重み付けを大きくする。前記重み付けの調整は、複数のセンサ間の関係においても行われるし、非定常値Ｖの検出回数と非定常値Ｖの大きさ（度数）との関係においても行われる。また前記の重み付けの調整に応じて、第１のメッセージＡおよび第２のメッセージＢを報知する際の閾値ｍａ，ｍｂ，ｍｃの値自体も変更されることが多い。

そして学習部６４のニューラルネットワークを用いて出力層７５に出力された学習結果（積算値Ｎと非定常値Ｖの重み付けの数値）は、学習結果出力部６５を介して記憶部６６の中の重み付け記憶部６６ａに一旦格納される。なお図５のブロック図は、制御装置２９および機械学習装置６１の機能をあくまで概念的に示すものであって実際の制御は種々の方式が想定される。

次にＡＩによる教師あり学習を行う機械学習装置６１を用いた射出成形機の状態報知方法について更に説明する。機械学習装置６１を用いた演算方法についても図２の手法が用いられ、積算値Ｎと非定常値Ｖの重み付けに機械学習の結果を活用する。また射出成形機１１の状態報知方法のフローチャートについても、図３のフローチャートが用いられる。ただしＡＩの予知能力が向上している場合は、メッセージは部品の交換を推奨する第２のメッセージＢと異常を示す第３のメッセージＣの２段階でもよい。

タイマ６７等により検出され積算値演算処理部６８で数値処理された積算値Ｎは、機械学習装置６１の学習部６４において機械学習され記憶部６６の重み付け記憶部６６ａに記憶されたデータに基づき、更に重み付け修正部７０で重み付けされ修正が行われる。最初の段階ででは積算値の重み付けは５０％以上とすることが好ましい。射出成形機１１のセンサにより検出された非定常値演算処理部６９で数値処理された非定常値Ｖも更に重み付け記憶部６６ａに記憶されたデータに基づき重み付け修正部７０で重み付けされ修正が行われる。そして前記修正処理のされた積算値Ｎａと非定常値Ｖａはメンテナンス指標値演算部７１で加算される。そしてメンテナンス情報報知判断部７２で記憶部６６に記憶された所定の閾値と比較され、閾値となるか閾値ｍａ，ｍｂ，ｍｃを超えた際等に射出成形機１１のメンテナンス状態を報知する。閾値ｍａ，ｍｂ，ｍｃについても機械学習の結果、変更されることが多いことは上記の通りである。

なお前記積算値Ｎと非定常値Ｖのそれぞれの重み付けの変更やそれに伴う閾値ｍａ，ｍｂ，ｍｃの変更は毎回のメッセージ表示に対応した機械学習ごとに行う。しかし一定数のデータ量を集積してから機械学習を行い、重み付けや閾値を変更してもよい。更にはデータ数が少ない場合は、ＡＩがディープラーニング等により推論も加えて前記積算値Ｎと非定常値Ｖのそれぞれの重み付けの変更やそれに伴う閾値の変更をしてもよい。

また上記において機械学習装置６１は、ニューラルネットワークを用いて教師あり学習を行うものを中心に記載したがｋ平均法等の教師なし学習するものを除外するものではない。交換を推奨する必要がある部品の状態をセンサ等により客観的に把握できる場合は教師なし学習も可能である。即ち積算値Ｎと非定常値Ｖの値からクラスタリング等によりどのような組み合せのときには部品に問題が発生していて交換を推奨するべきか、またはどのような組み合せのときには部品に問題が発生していなくて交換が不要か分類を作成する。そして前記分類分けが正しいかを更に機械学習装置６１を用いて検証することにより機械学習の精度を高めることができる。更には異常を示す第３のメッセージＣが射出成形機１１から出されたときのデータに対してマイナスの報酬を与えることによる強化学習を行い、強化学習によるデータを蓄積することによって故障予知の精度の向上を図るようにするようにしてもよい。

また上記において機械学習装置６１は、射出成形機１１に設ける例について記載した。しかし射出成形機１１単体では、部品の故障予知が必要となる頻度はそれほど高くない。そのため機械学習装置６１は、企業内部の中央制御装置の内部、または射出成形機の配置された企業外部の制御装置の内部にを設けるか、企業内部の中央制御装置に直接接続または射出成形機の配置された企業外部の制御装置に直接接続して設けることも好ましい。このように中央制御装置１４や外部の制御装置１６や外部の制御装置１６に機械学習装置６１を設けると、各射出成形機１１の定常時以外のデータの学習機会が増加し、教師あり学習の機会の増大と精度の向上を図ることができる。また射出成形機１１の制御装置２９に機械学習装置６１が設けられる場合であっても、同一の機種、または同一機種か近似する機構を備えていて部品の劣化度が共通する射出成形機１１のデータを、他の射出成形機１１に入力して利用することも可能である。

そして特に現在の射出成形機では実際に装置（部品）に異常が発生して装置が停止してしまう問題の発生回数が少ないため、ＡＩを用いても異常時の機械学習の機会が少なく故障予知の精度を向上させるのが困難であると言われている。しかし本発明では装置の異常発生のみを検出するのではなく、軽度な異常の予兆を報知する第１のメッセージＡや部品の交換を推奨する第２のメッセージＢの段階の情報を用いるのでデータ量が多く機械学習の機会が多い。更には上記のように中央制御装置１４や外部の制御装置１６において多数の射出成形機１１のデータを集めることができるのでより一層、機械学習の機会が多くなり、メンテナンス状態の報知の精度が向上する。

なお射出成形機の部品の故障予知は、１つの異常値から複数の部品の異常（点検や交換の必要性を含む）が疑われる場合がある。しかしＡＩを用いた第３の実施形態では、単数または複数の指令値と単数または複数のセンサの検出値（非定常値Ｖ）から複数の部品や箇所のうちのいずれかの交換や点検を推奨する場合も、指令値とセンサの値の組み合わせ、または各センサ間の値のうちどの値の非定常値Ｖが発生した場合に、どの部品に問題が発生しつつある場合が多かったかを学習し特定することが可能である。または前記部品の特定には、各部品の交換時期からのそれぞれの積算値Ｎも考慮される。そして幾つかの部品のうち複数の部品に異常が疑われると判断される場合は、部品異常の可能性が高い順にリスト表示してもよい。そして点検した結果、実際に問題のある部品が判明した場合は、そのことを更に機械学習（教師あり学習）させることにより、部品異常の可能性が高い順のリストの精度を高めることができる。

また部品交換の推奨は、部品単品ごとに最適の推奨タイミングだけで捉えて報知するだけではなく、他の要素との関係で部品単品または複数の部品に対して点検推奨や交換推奨の報知を行うようにしてもよい。具体的には部品Ａについて交換推奨すべきと判断され報知する際に、部品Ｂ，Ｃが非定常値Ｖの出現が無いか非定常値Ｖの出現が少なくて交換推奨する時期よりも少し前であっても同時に交換推奨行う。この際には次のような点が考慮される。交換推奨時期よりも手前の部品を交換してしまうことによるコストアップに対して、部品交換作業の回数や時間などのコスト（作業者の旅費なども含む場合もある）を減らすことによるコストダウンの方が大きい場合は、同時に複数の部品を交換することが合理的である。または射出成形機製造メーカまたは射出成形機を保有する工場における部品在庫数や部品調達に必要な日数等を勘案し、交換部品入手までに時間がかかるものはその日数を加味して部品交換の報知を行うものも好ましいと言える。更には射出成形機の操業を全く停止することができない繁忙状態が来ることが判明している場合についても部品交換推奨のタイミングを早めるなどの措置を一括して講じることも可能である。

そしてこれらのケースでＡＩを用いる場合は、機械学習における数理計画法を用いて最適化を図ることが望ましい。より具体的には目的関数などの数理モデルを作成し、どういう条件で部品交換に関するコストが最小化されるか等の最適化を図る。なお最適化のためのアルゴリズムとしては特定のアルゴリズムに限定されるものではなく、分枝限定法等の線型計画法、信頼領域法などを用いてもよい。

本発明については、一々列挙はしないが、上記した本実施形態のものに限定されず、当業者が本発明の趣旨を踏まえて変更を加えたものや本実施形態の各記載を掛け合わせたものについても、適用されることは言うまでもないことである。

また本発明については射出成形機について記載したが、プレス装置やダイアフラムを用いた真空積層装置などのメンテナンス状態を報知にも応用することができる。

１１，射出成形機
１２ 射出成形機の状態報知システム
１３ 工場（射出成形機の配置された企業）
１４ 中央制御装置
１５ 射出成形機製造メーカ（射出成形機の配置された企業外部）
１６，２９ 制御装置
２９ａ 演算部（計時手段）
３０ 表示装置
３５ センサ（検出手段）
Ｎ 積算値
Ｖ 非定常値
Ｍ メンテナンス指標値
ｍａ，ｍｂ，ｍｃ 閾値

Claims (9)

1. メンテナンス状態を報知する射出成形機において、
   射出成形機の作動状態が非定常値であることを検出する検出手段と、
   換算時間数または換算回数数の少なくとも一方からなる積算値をカウントする計数手段とが備えられ、
   前記非定常値と前記積算値の双方から演算される値が所定の閾値となるか閾値を超えた際に射出成形機のメンテナンス状態を報知する報知手段が備えられたことを特徴とする射出成形機。
2. 前記非定常値と積算値はそれぞれ数値化され、双方の数値を加算した値が所定の閾値となるか閾値を超えた際に射出成形機のメンテナンス状態を報知する報知手段が備えられたことを特徴とする請求項１に記載の射出成形機。
3. 前記非定常値と前記積算値の双方から演算される値は、ニューラルネットワークを用いた機械学習装置により重み付けされたものであることを特徴とする請求項１または請求項２に記載の射出成形機。
4. メンテナンス状態を報知する射出成形機の状態報知システムにおいて、
   請求項１に記載の射出成形機は該射出成形機の配置された企業内部の中央制御装置または前記射出成形機の配置された企業外部の制御装置に接続され、前記企業外部の制御装置への射出成形機のメンテナンス状態が送信可能に設けられたことを特徴とする射出成形機の状態報知システム。
5. メンテナンス状態は少なくとも射出成形機の画面に報知され、
   オペレータが前記画面または別の装置から送信許可した場合に前記企業外部の制御装置への射出成形機のメンテナンス状態の送信が行われることを特徴とする請求項４に記載の射出成形機の状態報知システム。
6. 前記企業内部の中央制御装置の内部または前記射出成形機の配置された企業外部の制御装置の内部に機械学習装置を設けるか、または前記企業内部の中央制御装置に直接接続または前記射出成形機の配置された企業外部の制御装置に直接接続して機械学習装置を設けたことを特徴とする請求項４または請求項５に記載の射出成形機の状態報知システム。
7. メンテナンス状態を報知する射出成形機の状態報知方法において、
   射出成形機の作動状態が非定常値であることを検出手段により検出するともに、
   換算時間数または換算回数数の少なくとも一方からかる積算値を計数手段によりカウントし、
   前記非定常値と前記積算値の双方から演算される値が所定の閾値となるか閾値を超えた際に報知手段によりメンテナンス状態を報知することを特徴とする射出成形機の状態報知方法。
8. 複数の段階の閾値に対応して異なるメンテナンス状態の報知がなされることを特徴とする請求項７に記載の射出成形機の状態報知方法。
9. 前記異なるメンテナンス状態の報知は、教師あり学習を行う機械学習装置を用いることを特徴とする請求項７または請求項８に記載の射出成形機の状態報知方法。