JP7441652B2

JP7441652B2 - 吸収性物品の製造装置に関する推定装置、吸収性物品の製造装置に関する推定方法、および吸収性物品の製造装置に関するプログラム

Info

Publication number: JP7441652B2
Application number: JP2020003228A
Authority: JP
Inventors: 誠司村上; 浩己萩田; 正信宮木
Original assignee: Unicharm Corp
Current assignee: Unicharm Corp
Priority date: 2020-01-10
Filing date: 2020-01-10
Publication date: 2024-03-01
Anticipated expiration: 2040-01-10
Also published as: CN113180919A; JP2021111160A

Description

本発明は、吸収性物品の製造装置に関する推定装置、吸収性物品の製造装置に関する推定方法、および吸収性物品の製造装置に関するプログラムに関する。

従来、吸収性物品を製造する製造装置において、製品データと設備データとを関連付け、製品に異常が発生した場合に、異常と判定された製品に関連付けられた製品データ、および設備データの少なくとも一方を特定し、さらに製品の異常の原因となった製造工程を特定する技術が知られている。

特開２０１８－１２９０３０号公報

しかしながら、上述した技術では、吸収性物品を製造する製造装置で発生する異常の推定精度を向上させる点について改善の余地がある。例えば、上述した技術では、吸収性物品を製造する製造装置において、発生するおそれがある異常を予め推定することができない。

本願は、上記に鑑みてなされたものであって、吸収性物品を製造する製造装置における異常の推定精度を向上させることを目的とする。

本願に係る吸収性物品の製造装置に関する推定装置は、吸収性物品を製造する製造装置による製造処理に関する処理データを取得する取得部と、前記取得部によって取得された処理データと、前記製造装置と異なる他の製造装置による吸収性物品の製造処理に関するログデータとに基づいて、前記製造装置における異常を推定する推定部とを備える。

実施形態の１態様によれば、吸収性物品を製造する製造装置における異常の推定精度を向上させることが可能となる。

図１は、実施例に係る推定装置を備える製造装置を含む製造システムの構成の一例を示すブロック図である。図２は、実施例に係る製造装置の製造ラインを示す概略側面図である。図３は、実施例に係る推定装置の構成の一例を示す機能ブロック図である。図４は、実施例に係る学習処理を説明するフローチャートである。図５は、変形例に係る製造装置の製造ラインの一部を示す概略側面図である。図６は、ハードウェア構成の一例を示す図である。

本明細書及び添付図面の記載により、少なくとも以下の事項が明らかとなる。

吸収性物品の製造装置に関する推定装置は、吸収性物品を製造する製造装置による製造処理に関する処理データを取得する取得部と、取得部によって取得された処理データと、製造装置と異なる他の製造装置による吸収性物品の製造処理に関するログデータとに基づいて、製造装置における異常を推定する推定部とを備えることを特徴とする。

このような推定装置によれば、他の製造装置による吸収性物品の製造処理に関するログデータを用いて製造装置における異常を推定することができる。そのため、推定装置は、例えば、製造装置におけるログデータが少ない場合であっても、製造装置における異常の推定精度を向上させることができる。また、推定装置は、製造装置において発生していない異常を推定することができ、製造装置における異常の推定精度を向上させることができる。

また、吸収性物品の製造装置に関する推定装置は、他の製造装置による吸収性物品の製造処理に関するログデータに基づいて学習された学習モデルを用いて、製造装置における異常を推定してもよい。

このような推定装置によれば、他の製造装置による吸収性物品の製造処理に関するログデータに基づいて学習され、異常を推定する精度が高い学習モデルを用いて、製造装置における異常を推定することができる。そのため、推定装置は、製造装置における異常の推定精度を向上させることができる。

また、吸収性物品の製造装置に関する推定装置は、他の製造装置による吸収性物品の製造処理に関するログデータと、他の製造装置が正常か否かを示す情報との関係性が学習された学習モデルを用いて、製造装置における異常を推定してもよい。

このような推定装置によれば、他の製造装置で生じた異常と同様の異常が製造装置で発生することを推定することができる。推定装置は、他の製造装置で生じた異常が、製造装置に含まれる装置で発生することを推定することができる。そのため、推定装置は、製造装置で発生する異常の推定精度を向上させることができる。

また、吸収性物品の製造装置に関する推定装置は、他の製造装置による吸収性物品の製造処理に関するログデータと、他の製造装置における製品が正常か否かを示す情報との関係性が学習された学習モデルを用いて、製造装置における異常を推定してもよい。

このような推定装置によれば、他の製造装置で生じた吸収性物品の異常と同様の異常が製造装置で製造される吸収性物品で発生することを推定することができる。

また、吸収性物品の製造装置に関する推定装置は、製造装置による吸収性物品の製造処理に関するログデータと、製造装置が正常か否かを示す情報との関係性が学習された学習モデルを用いて、製造装置における異常を推定してもよい。

このような推定装置によれば、製造装置で生じた異常と同様の異常が製造装置で発生することを推定することができる。

また、吸収性物品の製造装置に関する推定装置は、製造装置による吸収性物品の製造処理に関するログデータと、製造装置における製品が正常か否かを示す情報との関係性が学習された学習モデルを用いて、製造装置における異常を推定してもよい。

このような推定装置によれば、製造装置で生じた吸収性物品の異常と同様の異常が製造装置で発生することを推定することができる。

また、吸収性物品の製造装置に関する推定装置は、他の製造装置による吸収性物品の製造処理に関するログデータ、および製造装置による吸収性物品の製造処理に関するログデータの少なくとも一方に基づいて学習モデルを学習する学習部を備えてもよい。

このような推定装置によれば、新たなログデータに基づいて学習モデルを更新することができ、製造装置における異常の推定精度を向上させることができる。

また、吸収性物品の製造装置に関する推定装置は、異常の発生に対して相互に関連する複数の製造処理に関する処理データを取得し、相互に関連する複数の製造処理のうち第１製造処理に関する処理データと、他の製造装置による吸収性物品の製造処理に関するログデータとに基づいて、相互に関連する複数の製造処理のうち第２製造処理における異常を推定してもよい。

このような推定装置によれば、複数の製造処理のうち、或る製造処理に関する処理データに基づいて、他の製造処理における異常を推定することができる。

また、他の製造装置による吸収性物品の製造処理に関するログデータは、他の製造装置に設けられたセンサによって取得されたセンサデータであってもよい。例えば、他の製造装置に設けられたセンサは、吸収性物品の製造処理における振動を検出する振動センサ、吸収性物品の製造処理における温度を検出する温度センサ、および吸収性物品の製造処理における圧力を検出する圧力センサの少なくとも一つを含んでもよい。

このような推定装置によれば、他の製造装置に設けられたセンサによって取得されたセンサデータに基づいて学習された学習モデルを用いて製造装置における異常を推定する。そのため、推定装置は、実際に取得されたセンサデータに基づいて製造装置における異常を推定することができ、異常の推定精度を向上させることができる。

また、吸収性物品の製造装置に関する推定装置は、吸収性物品の加工元となる連続体である連続品を異なる位置で加工する複数の製造処理に関する処理データを取得してもよい。

このような推定装置によれば、或る製造処理に関する処理データに基づいて、他の製造処理における異常を推定することができる。

以下に、吸収性物品の製造装置に関する推定装置、吸収性物品の製造装置に関する推定方法、および吸収性物品の製造装置に関するプログラムを実施するための形態（以下、「実施形態」と記載する。）の一例について図面を参照しつつ詳細に説明する。なお、この実施形態により推定装置、推定方法、およびプログラムが限定されるものではない。また、以下の実施形態において同一の部位には同一の符号を付し、重複する説明は省略する。

［実施形態］
［製造システムの構成の一例］
実施例に係る推定装置１０を備える製造装置２を含む製造システム１について図１を参照し説明する。図１は、実施例に係る推定装置１０を備える製造装置２を含む製造システム１の構成の一例を示すブロック図である。

製造システム１は、複数の製造装置２を備える。複数の製造装置２は、吸収性物品を製造する装置である。吸収性物品は、例えば、おむつや、生理用ナプキンや、尿取りパッドである。

複数の製造装置２は、同じ種類の吸収性物品を製造してもよい。また、複数の製造装置２は、同じ種類であり、かつ異なるサイズの吸収性物品を製造してもよい。また、複数の製造装置２は、異なる種類の吸収性物品を製造してもよい。例えば、或る製造装置２は、おむつを製造し、他の製造装置２は、生理用ナプキンを製造してもよい。

また、複数の製造装置２は、同じ施設内に設置されなくてもよい。すなわち、製造システム１は、異なる施設内、例えば、異なる地域や、異なる国に設置された製造装置２を含んでもよい。

複数の製造装置２は、それぞれ推定装置１０を備える。各推定装置１０は、ネットワークＮと有線または無線で接続され、互いに情報の送受信を行う。ネットワークＮは、例えば、インターネットなどのＷＡＮ（Wide Area Network）であるが、これに限られず、キャリア網などその他の通信網であってもよい。なお、各推定装置１０は、ネットワークＮによって接続されたサーバと情報の送受信を行ってもよい。

［製造ラインの構成の一例］
製造装置２には、吸収性物品が製造される製造ラインＰＬが設けられる。製造装置２は、製造ラインＰＬによって、吸収性物品の加工元となる連続体である連続シート（連続品）を異なる位置で加工する複数の製造処理を行う。すなわち、製造ラインＰＬは、吸収性物品を製造するための一連化された加工工程（製造工程）である。これにより、吸収性物品が製造される。

吸収性物品を製造する製造ラインＰＬについて図２を参照し説明する。図２は、実施例に係る製造装置２の製造ラインＰＬを示す概略側面図である。ここでは、使い捨ておむつを製造する製造ラインＰＬを一例として説明する。

なお、以下では、製造ラインＰＬの幅方向（図２の紙面を貫通する方向）を「ＣＤ方向」と言い、かかるＣＤ方向に直交する二方向のうち、鉛直な方向を「上下方向」と、水平な方向を「前後方向」と、それぞれ言う場合がある。

製造ラインＰＬには、コアラップ搬送経路Ｒ１と、吸収体搬送経路Ｒ２と、ファスニングテープ搬送経路Ｒ３と、トップシート搬送経路Ｒ４と、ターゲットテープ搬送経路Ｒ５と、バックシート搬送経路Ｒ６と、基材シート搬送経路Ｒ７とが含まれる。

各搬送経路Ｒ１～Ｒ７には、搬送装置が設けられる。搬送装置は、ベルトコンベアや、搬送ローラなどによって構成される。ベルトコンベアは、例えば、無端ベルトの外周面に吸着機能を有するサクションベルトコンベアである。なお、搬送装置は、吸着機能を有さないベルトコンベアを含んでもよい。

コアラップ搬送経路Ｒ１では、コアラップシートＣｓがコイル状に巻き取られた資材コイル２０１からコアラップシートＣｓが繰り出される。すなわち、コアラップ搬送経路Ｒ１では、連続シートであるコアラップシートＣｓが搬送される。コアラップシートＣｓは、例えば、ティッシュペーパーや、不織布などの液透過性のシート部材である。

吸収体搬送経路Ｒ２では、コアラップ搬送経路Ｒ１から搬送されるコアラップシートＣｓに吸収体Ａｂが載置される。吸収体Ａｂは、ＣＤ方向に沿った回転軸を中心に回転する積繊ドラム２０２によってコアラップシートＣｓに載置される。吸収体Ａｂは、液体吸収体素材であり、例えば、パルプ繊維、および高吸収性ポリマー（ＳＡＰ：Superabsorbent polymer）である。

積繊ドラム２０２の外周面には、回転方向に沿って複数の凹部２０２ａが形成される。凹部２０２ａは、コアラップシートＣｓに載置された吸収体Ａｂの形状が、平面視矩形状となるように形成される。凹部２０２ａの底面には、吸気孔（不図示）が形成される。吸気孔を介して吸気されることで、凹部２０２ａには散布ダクトから散布されたパルプ繊維とＳＡＰとが積層される。

積繊ドラム２０２は、パルプ繊維とＳＡＰとを積層した凹部２０２ａがコアラップシートＣｓの上方に位置すると、吸気孔を介した吸気が停止される。これにより、コアラップシートＣｓには、前後方向に沿って複数の吸収体Ａｂが並んで載置される。

また、吸収体搬送経路Ｒ２には、カット装置２０３が設けられる。カット装置２０３は、吸収体Ａｂが載置されたコアラップシートＣｓを切断する。カット装置２０３は、カッターロール２０３ａと、アンビルロール２０３ｂとを備える。

カッターロール２０３ａは、ＣＤ方向に沿った回転軸を中心に回転する。カッターロール２０３ａには、回転軸方向に沿ってカッター刃が設けられる。アンビルロール２０３ｂは、ＣＤ方向に沿った回転軸を中心に回転する。

カット装置２０３は、吸収体Ａｂが載置されたコアラップシートＣｓをカッターロール２０３ａおよびアンビルロール２０３ｂによって挟圧して切断する。なお、カット装置２０３は、隣接する吸収体Ａｂの間の位置でコアラップシートＣｓを切断する。

吸収体搬送経路Ｒ２では、カット装置２０３によって切断されたコアラップシートＣｓが前方に向けて搬送される。

ファスニングテープ搬送経路Ｒ３では、連続シートであるファスニングテープＦｔ１が搬送される。ファスニングテープ搬送経路Ｒ３では、接着剤塗布装置２０４によって接着剤がファスニングテープＦｔ１に塗布される。接着剤は、例えば、ホットメルト接着剤が用いられる。

トップシート搬送経路Ｒ４では、トップシートＴｓがコイル状に巻き取られた資材コイル２０５からトップシートＴｓが繰り出される。すなわち、トップシート搬送経路Ｒ４では、連続シートであるトップシートＴｓが搬送される。トップシートＴｓは、液透過性を有するシート部材であり、例えば、ポリエチレンや、ポリプロピレンなどの熱可塑性樹脂繊維を含有する不織布である。

また、トップシート搬送経路Ｒ４には、スリップカット装置２０６が設けられる。スリップカット装置２０６は、ファスニングテープ搬送経路Ｒ３を搬送されたファスニングテープＦｔ１を切断する。スリップカット装置２０６は、カッターロール２０６ａと、アンビルロール２０６ｂとを備える。

カッターロール２０６ａは、ＣＤ方向に沿った回転軸を中心に回転する。カッターロール２０６ａには、連続シートのファスニングテープＦｔ１を単票状のファスニングテープＦｔ２に切断するカッター刃（不図示）が設けられる。カッター刃は、回転方向に複数設けられる。

アンビルロール２０６ｂは、接着剤が塗布された連続体のファスニングテープＦｔ１を吸着保持する。アンビルロール２０６ｂは、ＣＤ方向に沿った回転軸を中心に回転する。アンビルロール２０６ｂには、カッターロール２０６ａのカッター刃に対向する受け刃（不図示）が設けられる。

スリップカット装置２０６は、接着剤が塗布された連続シートのファスニングテープＦｔ１をアンビルロール２０６ｂによって吸着し、連続シートのファスニングテープＦｔ１をカッターロール２０６ａによって切断し、単票状のファスニングテープＦｔ２を生成する。

スリップカット装置２０６は、単票状に切断したファスニングテープＦｔ２をアンビルロール２０６ｂによって吸着させて、トップシートＴｓに対向する位置まで搬送する。

また、トップシート搬送経路Ｒ４には、アンビルロール２０６ｂの下方に仮プレスロール２０７が設けられる。仮プレスロール２０７は、トップシートＴｓを挟んでアンビルロール２０６ｂと対向するように設けられる。

仮プレスロール２０７は、ＣＤ方向に沿った回転軸を中心に回転する。仮プレスロール２０７は、上下方向に移動可能であり、アンビルロール２０６ｂに吸着されたファスニングテープＦｔ２がトップシートＴｓの上方に搬送されたタイミングでアンビルロール２０６ｂに向けて押圧する。これにより、連続体であるトップシートＴｓがアンビルロール２０６ｂに押し付けられ、ファスニングテープＦｔ２に塗布された接着剤によって、ファスニングテープＦｔ２がトップシートＴｓに接着する。これにより、ファスニングテープＦｔ２は、トップシートＴｓに仮固定される。

また、トップシート搬送経路Ｒ４には、本プレス装置２０８が設けられる。本プレス装置２０８は、トップシート搬送経路Ｒ４におけるトップシートＴｓの搬送方向において、仮プレスロール２０７よりも下流側に設けられる。

本プレス装置２０８は、トップシートＴｓに仮固定されたファスニングテープＦｔ２を本固定する。本プレス装置２０８は、ファスニングテープＦｔ２が仮固定されたトップシートＴｓを一対のロールによって挟持し、ファスニングテープＦｔ２をトップシートＴｓに本固定する。

各ロールは、ＣＤ方向に沿った回転軸を中心に回転する。一対のロールのうち、一方のロールは、他方のロールに向けて往復動する。すなわち、一対のロールは、一対のロールの間隔を変更可能である。

また、トップシート搬送経路Ｒ４には、接着剤塗布装置２０９が設けられる。接着剤塗布装置２０９は、トップシートＴｓの搬送方向において、本プレス装置２０８よりも下流側に設けられる。接着剤塗布装置２０９は、ファスニングテープＦｔ２が本固定されたトップシートＴｓに接着剤を塗布する。接着剤塗布装置２０９は、トップシートＴｓの非肌側面に接着剤を塗布する。接着剤は、例えば、ホットメルト接着剤が用いられる。

ターゲットテープ搬送経路Ｒ５には、連続シートであるターゲットテープＴｔ１が搬送される。ターゲットテープ搬送経路Ｒ５では、接着剤塗布装置２１０によって接着剤がターゲットテープＴｔ１に塗布される。接着剤は、例えば、ホットメルト接着剤が用いられる。

バックシート搬送経路Ｒ６では、バックシートＢｓがコイル状に巻き取られた資材コイル２１１からバックシートＢｓが繰り出される。すなわち、バックシート搬送経路Ｒ６では、連続シートであるバックシートＢｓが搬送される。バックシートＢｓは、液不透過性を有するシート部材であり、例えば、ポリエチレンなどの熱可塑性樹脂フィルムである。

また、バックシート搬送経路Ｒ６には、スリップカット装置２１２が設けられる。スリップカット装置２１２は、ターゲットテープ搬送経路Ｒ５を搬送されたターゲットテープＴｔ１を切断する。スリップカット装置２１２は、カッターロール２１２ａと、アンビルロール２１２ｂとを備える。

カッターロール２１２ａは、ＣＤ方向に沿った回転軸を中心に回転する。カッターロール２１２ａには、連続シートのターゲットテープＴｔ１を単票状のターゲットテープＴｔ２に切断するカッター刃（不図示）が設けられる。カッター刃は、回転方向に複数設けられる。

アンビルロール２１２ｂは、接着剤が塗布された連続体のターゲットテープＴｔ１を吸着保持する。アンビルロール２１２ｂは、ＣＤ方向に沿った回転軸を中心に回転する。アンビルロール２１２ｂには、カッターロール２１２ａのカッター刃に対向する受け刃（不図示）が設けられる。

スリップカット装置２１２は、接着剤が塗布された連続シートのターゲットテープＴｔ１をアンビルロール２１２ｂによって吸着し、連続シートのターゲットテープＴｔ１をカッターロール２１２ａによって切断し、単票状のターゲットテープＴｔ２を生成する。

スリップカット装置２１２は、単票状に切断したターゲットテープＴｔ２をアンビルロール２１２ｂによって吸着させて、バックシートＢｓに対向する位置まで搬送する。

また、バックシート搬送経路Ｒ６には、アンビルロール２１２ｂの下方に仮プレスロール２１３が設けられる。仮プレスロール２１３は、バックシートＢｓを挟んでアンビルロール２１２ｂと対向するように設けられる。

仮プレスロール２１３は、ＣＤ方向に沿った回転軸を中心に回転する。仮プレスロール２１３は、上下方向に移動可能であり、アンビルロール２１２ｂに吸着されたターゲットテープＴｔ２がバックシートＢｓの上方に搬送されたタイミングでアンビルロール２１２ｂに向けて押圧する。これにより、連続体であるバックシートＢｓがアンビルロール２１２ｂに押し付けられ、ターゲットテープＴｔ２に塗布された接着剤によって、ターゲットテープＴｔ２がバックシートＢｓに接着する。これにより、ターゲットテープＴｔ２は、バックシートＢｓに仮固定される。

また、バックシート搬送経路Ｒ６には、本プレス装置２１４が設けられる。本プレス装置２１４は、バックシート搬送経路Ｒ６におけるバックシートＢｓの搬送方向において、仮プレスロール２１３よりも下流側に設けられる。

本プレス装置２１４は、バックシートＢｓに仮固定されたターゲットテープＴｔ２を本固定する。本プレス装置２１４は、ターゲットテープＴｔ２が仮固定されたバックシートＢｓを一対のロールによって挟持し、ターゲットテープＴｔ２をバックシートＢｓに本固定する。

また、バックシート搬送経路Ｒ６には、接着剤塗布装置２１５が設けられる。接着剤塗布装置２１５は、バックシートＢｓの搬送方向において、本プレス装置２１４よりも下流側に設けられる。接着剤塗布装置２１５は、ターゲットテープＴｔ２が本固定されたバックシートＢｓに接着剤を塗布する。接着剤塗布装置２１５は、バックシートＢｓの肌側面に接着剤を塗布する。接着剤は、例えば、ホットメルト接着剤が用いられる。

上記した吸収体搬送経路Ｒ２によって搬送される吸収体Ａｂ、トップシート搬送経路Ｒ４によって搬送されるトップシートＴｓ、およびバックシート搬送経路Ｒ６によって搬送されるバックシートＢｓは、合流位置Ｍｐで合流する。

具体的には、合流位置Ｍｐでは、吸収体Ａｂの非肌側から連続シートのバックシートＢｓが合流し、吸収体Ａｂの肌側から連続シートのトップシートＴｓが合流する。トップシートＴｓ、およびバックシートＢｓにはそれぞれ接着剤が塗布されているため、トップシートＴｓ、吸収体Ａｂ、およびバックシートＢｓは、接着剤によって接合されて一体化され、連続シートの基材シートＢＭｓが生成される。基材シートＢＭｓでは、吸収体Ａｂが、前後方向において、おむつＤの１ピース分の長さに相当する製品ピッチで連続して並んだ状態となっている。

なお、図２においては、基材シートＢＭｓの搬送方向において合流位置Ｍｐよりも下流側の基材シートＢＭｓを、トップシートＴｓ、吸収体Ａｂ、およびバックシートＢｓが離間した状態で示しているが、実際にはこれらは一体に接合されている。

基材シート搬送経路Ｒ７では、基材シートＢＭｓが搬送される。基材シート搬送経路Ｒ７には、レッグホールカット装置２１６が設けられる。レッグホールカット装置２１６は、ＣＤ方向の両側において基材シートＢＭｓの一部を切断し、おむつの脚回り開口部を形成する。レッグホールカット装置２１６は、カッターロール２１６ａと、アンビルロール２１６ｂとを備える。

カッターロール２１６ａは、ＣＤ方向に沿った回転軸を中心に回転する。カッターロール２１６ａには、回転方向に沿ってカッター刃（不図示）が設けられる。カッター刃は、脚回り開口部の形状に合わせて湾曲形状に設けられる。アンビルロール２１６ｂは、ＣＤ方向に沿った回転軸を中心に回転する。

レッグホールカット装置２１６における各ロール２１６ａ、２１６ｂの回転は、基材シートＢＭｓにおける所定の位置に脚回り開口部が形成されるように、基材シートＢＭｓの搬送動作と連動する。

レッグホールカット装置２１６では、カッターロール２１６ａは、アンビルロール２１６ｂに向けて移動可能であり、カッターロール２１６ａとアンビルロール２１６ｂとの間隔を変更可能である。

また、基材シート搬送経路Ｒ７には、エンドカット装置２１７が設けられる。エンドカット装置２１７は、基材シート搬送経路Ｒ７における基材シートＢＭｓの搬送方向において、レッグホールカット装置２１６よりも下流側に設けられる。

エンドカット装置２１７は、基材シート搬送経路Ｒ７によって搬送された基材シートＢＭｓを切断する。エンドカット装置２１７は、カッターロール２１７ａと、アンビルロール２１７ｂとを備える。

カッターロール２１７ａは、ＣＤ方向に沿った回転軸を中心に回転する。カッターロール２１７ａには、回転軸方向に沿ってカッター刃（不図示）が設けられる。アンビルロール２１７ｂは、ＣＤ方向に沿った回転軸を中心に回転する。

エンドカット装置２１７は、基材シートＢＭｓにおいて予め設定された位置で基材シートＢＭｓの下流端を切断し、おむつＤを生成する。

［推定装置の構成の一例］
次に、実施例に係る推定装置１０について図３を参照し説明する。図３は、実施例に係る推定装置１０の構成の一例を示す機能ブロック図である。以下では、製造装置２に対し、製造装置２と異なる他の製造装置、および他の製造装置に含まれる構成に符号「Ａ」を付し、製造装置２、および製造装置２に含まれる構成と区別して説明する。

推定装置１０は、通信部１１と、制御部１２と、記憶部１３とを備える。

通信部１１は、ネットワークＮ（図１参照）を介して他の製造装置２Ａの推定装置１０Ａなどと通信を行う。通信部１１は、例えば、ＮＩＣ（Network Interface Card）などによって実現される。

制御部１２は、ＣＰＵ（Central Processing Unit）などの電子回路に対応する。そして、制御部１２は、各種の処理手順を規定したプログラムや制御データを格納するための内部メモリを有し、これらによって種々の処理を実行する。制御部１２は、取得部２０と、推定部２１と、報知部２２と、学習部２３とを有する。

記憶部１３は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリなどの半導体メモリ素子、または、ハードディスク、光ディスクなどの記憶装置である。

記憶部１３は、製造装置２によるおむつ（吸収性物品）の製造処理に関するログデータを記憶する。具体的には、製造装置２によるおむつの製造処理に関するログデータは、製造装置２に設けられたセンサ３０によって検出されたセンサデータである。センサ３０は、製造装置２において異常を検出する箇所に設けられる。センサ３０は、例えば、振動センサ、温度センサ、および圧力センサである。

振動センサは、例えば、カット装置２０３や、スリップカット装置２０６、２１２や、レッグホールカット装置２１６や、エンドカット装置２１７に設けられる。振動センサは、カッター刃などの振動を検出する。振動センサは、例えば、カット装置２０３や、スリップカット装置２０６、２１２のカッター刃の所定方向（上下方向）における加速度の変化度合いを検出する。なお、振動センサは、搬送装置や、仮プレスロール２０７、２１３や、本プレス装置２０８、２１４などに設けられてもよい。

温度センサは、例えば、接着剤塗布装置２０４、２０９、２１０、２１５に設けられる。温度センサは、接着剤塗布装置２０４、２０９、２１０、２１５において接着剤を加熱する加熱部や、加熱された接着剤などの温度を検出する。なお、温度センサは、搬送装置や、カット装置２０３、スリップカット装置２０６、２１２などに設けられてもよい。例えば、温度センサは、搬送装置や、カット装置２０３、スリップカット装置２０６、２１２などを動作させるモータなどの温度を検出してもよい。

圧力センサは、例えば、積繊ドラム２０２や、搬送装置のサクションコンベアや、カット装置２０３、スリップカット装置２０６、２１２のアンビルロール２０３ｂ、２０６ｂ、２１２ｂに設けられる。圧力センサは、例えば、サクションコンベアの吸引部の負圧を検出する。また、圧力センサは、カット装置２０３、スリップカット装置２０６、２１２のカッターロール２０３ａ、２０６ａ、２１２ａなどに設けられてもよい。圧力センサは、例えば、カット装置２０３、スリップカット装置２０６、２１２のカッター刃の押し付け圧を検出する。

また、記憶部１３は、製造装置２における異常を推定するための学習モデルを記憶する。学習モデルは、異常を推定する箇所に応じて複数記憶される。記憶部１３は、例えば、カット装置２０３、スリップカット装置２０６、２１２、レッグホールカット装置２１６、搬送装置、および接着剤塗布装置２０４、２０９、２１０、２１５の各装置に対応する学習モデルを記憶する。

学習モデルは、製造装置２によるおむつの製造処理に関するログデータ、および他の製造装置２Ａによるおむつの製造処理に関するログデータに基づいて学習されたモデルである。具体的には、学習モデルは、製造装置２によるおむつの製造処理に関するログデータと、製造装置２の処理状態情報との関係性が学習されたモデルであり、かつ他の製造装置２Ａによるおむつの製造処理に関するログデータと、他の製造装置２Ａの処理状態情報との関係性が学習されたモデルである。なお、学習モデルは、他の製造装置２Ａによるおむつの製造処理に関するログデータと、他の製造装置２Ａの処理状態情報との関係性が学習されたモデルであってもよい。また、学習モデルは、複数の他の製造装置２Ａによるおむつの製造処理に関するログデータに基づいて学習されたモデルであってもよい。また、学習モデルは、ネットワークＮを介して取得されてもよい。

他の製造装置２Ａによるおむつの製造処理に関するログデータは、他の製造装置２Ａに設けられたセンサ３０Ａによって取得されたセンサデータである。センサ３０Ａは、上記したセンサ３０と同様に、例えば、振動センサや、温度センサや、圧力センサであり、少なくともこれらのセンサの一つが含まれる。

処理状態情報は、製造装置２の製造処理、または他の製造装置２Ａの製造処理が正常であるか否かを示す情報であり、各製造処理のログデータに紐付けされている。例えば、ログデータが、カット装置２０３に設けられた振動センサによって取得されたセンサデータである場合、処理状態情報は、カット装置２０３が「正常」であるか、「異常」であるかを示す情報である。

他の製造装置２Ａによるおむつの製造処理には、製造装置２によるおむつの製造処理と同じ製造処理に加えて、対応性がある製造処理が含まれる。

同じ製造処理は、同じ種類であり、かつ同じサイズのおむつを製造する他の製造装置２Ａにおいて同じ工程を実行する装置の製造処理である。例えば、同じ製造処理は、製造装置２で製造するおむつと、同じ種類であり、かつ同じサイズのおむつを製造する他の製造装置２Ａの吸収体搬送経路Ｒ２Ａに設けられ、かつカット装置２０３と同じカット装置２０３Ａにおける製造処理である。

対応性がある製造処理は、製造装置２における異常を推定する学習モデルの学習に適したログデータを得ることができる他の製造装置２Ａにおける製造処理である。対応性がある製造処理は、例えば、同じ種類であり、かつ異なるサイズのおむつを製造する他の製造装置２Ａにおいて同じ工程を実行する装置の製造処理である。例えば、対応性がある製造処理は、吸収体搬送経路Ｒ２に設けられたカット装置２０３に対し、同じ種類であり、かつ異なるサイズのおむつを製造する他の製造装置２Ａの吸収体搬送経路Ｒ２Ａに設けられたカット装置２０３Ａにおける製造処理である。

なお、他の製造装置２Ａによるおむつの製造処理は、上記に限られることはなく、製造装置２における異常を推定するための学習モデルを生成可能なログデータに関する製造処理であればよい。また、学習モデルは、後述する学習部２３によって学習され、更新される。

取得部２０は、処理データを取得する。処理データは、製造装置２による製造処理に関するデータである。具体的には、処理データは、おむつの加工元となる連続体であるコアラップシートＣｓや、トップシートＴｓや、バックシートＢｓなどを異なる位置で加工する複数の製造処理に関するデータである。処理データは、製造装置２に設けられたセンサ３０によって検出されるセンサデータである。取得された処理データは、製造装置２におけるログデータとして記憶部１３に記憶される。

推定部２１は、取得部２０によって取得された製造装置２における処理データを入力として、学習モデルを用いて製造装置２における異常を推定する。なお、推定部２１は、記憶部１３に記憶された処理データである製造装置２のログデータを入力として、学習モデルを用いて製造装置２における異常を推定してもよい。

学習モデルは、上記するように、製造装置２によるおむつの製造処理に関するログデータと、製造装置２の処理状態情報との関係性が学習されたモデルであり、かつ他の製造装置２Ａによるおむつの製造処理に関するログデータと、他の製造装置２Ａの処理状態情報との関係性が学習されたモデルである。

そのため、推定部２１は、製造装置２によるおむつの製造処理に関するログデータに加え、他の製造装置２Ａによるおむつの製造処理に関するログデータに基づいて学習された学習モデルを用いて、製造装置２における異常を推定する。すなわち、推定部２１は、多くのログデータに基づいて学習された学習モデルを用いて製造装置２における異常を推定することができる。

推定部２１は、製造装置２において発生するおそれがある異常を推定する。すなわち、推定部２１は、製造装置２において発生するおそれがある異常を事前に予測する。推定部２１は、製造装置２に含まれる各装置の異常を推定する。

例えば、推定部２１は、カット装置２０３に設けられた振動センサによって検出されたカッター刃の振動を入力として、学習モデルを用いてカット装置２０３のカッター刃の異常を推定する。

例えば、他の製造装置２Ａのカット装置２０３Ａと同じカット装置２０３が製造装置２に用いられている場合に、推定部２１は、他の製造装置２Ａのカット装置２０３Ａに設けられた振動センサのログデータに基づいて学習された学習モデルを用いて、製造装置２におけるカット装置２０３のカッター刃の異常を推定する。

これにより、他の製造装置２Ａのカット装置２０３Ａにおいて異常が発生した際に検出された振動の傾向と同様の振動の傾向が製造装置２のカット装置２０３に生じた場合に、カット装置２０３の異常が推定される。このように、推定部２１は、他の製造装置２Ａのカット装置２０３Ａのログデータに基づき、製造装置２のカット装置２０３において実際に異常が発生する前に、カット装置２０３における異常の発生を検知することができる。

そのため、推定部２１は、製造装置２のカット装置２０３におけるログデータが少ない場合であっても、カット装置２０３における異常の発生を推定することができる。また、推定部２１は、製造装置２のカット装置２０３において過去に発生していない異常の発生を推定することができる。

報知部２２は、推定部２１によって推定された異常を報知する。報知部２２は、推定部２１によって異常の発生が推定された場合には、異常が発生することを報知する。例えば、報知部２２は、モニタ（不図示）に推定される異常を表示させたり、警告灯（不図示）を点灯させたりする。

学習部２３は、製造装置２において異常を推定するための学習モデルを学習する。学習部２３は、異常を推定する箇所に応じた学習モデルを学習する。学習部２３は、例えば、カット装置２０３、スリップカット装置２０６、２１２、レッグホールカット装置２１６、搬送装置、および接着剤塗布装置２０４、２０９、２１０、２１５における異常を推定する学習モデルをそれぞれ学習する。

学習部２３は、推定部２１によって推定され、報知部２２によって報知された異常に対する処理状態情報の入力を受け付け、学習モデルを学習する。このように、学習部２３は、製造装置２によるおむつの製造処理に関するログデータに基づいて、学習モデルを学習する。

学習部２３は、他の製造装置２Ａによるおむつの製造処理に関するログデータに基づいて、学習モデルを学習してもよい。学習部２３は、他の製造装置２Ａによるおむつの製造処理に関するログデータ、および他の製造装置２Ａにおける処理状態情報が取得された場合に、学習モデルを学習する。

なお、学習部２３は、製造装置２によるおむつの製造処理に関するログデータ、および他の製造装置２Ａによるおむつの製造処理に関するログデータのいずれか一方に基づいて学習モデルを学習してもよい。すなわち、学習部２３は、製造装置２によるおむつの製造処理に関するログデータ、および他の製造装置２Ａによるおむつの製造処理に関するログデータの少なくとも一方に基づいて学習モデルを学習する。

［推定処理］
次に、実施例に係る推定処理について図４を参照し説明する。図４は、実施例に係る学習処理を説明するフローチャートである。なお、推定装置１０は、製造装置２において異常の推定を行う箇所の全てにおいて異常の推定を行う。

推定装置１０は、センサ３０から処理データを取得する（Ｓ１００）。推定装置１０は、学習モデルを用いて、取得した処理データに基づいて製造装置２における異常を推定する（Ｓ１０１）。

推定装置１０は、異常が推定された場合には（Ｓ１０２：Ｙｅｓ）、異常が推定されたことを報知する（Ｓ１０３）。推定装置１０は、異常が推定されない場合には（Ｓ１０２：Ｎｏ）、今回の処理を終了する。

［変形例］
変形例に係る推定装置１０は、学習モデルを生成してもよい。変形例に係る推定装置１０は、他の製造装置２Ａから他の製造装置２Ａによるおむつの製造処理に関するログデータ、および他の製造装置２Ａの処理状態情報を取得し、取得したログデータ、および処理状態情報との関係性から学習モデルを生成してもよい。また、変形例に係る推定装置１０は、製造装置２によるおむつの製造処理に関するログデータ、および製造装置２の処理状態情報との関係性から学習モデルを生成してもよい。また、変形例に係る推定装置１０は、他の製造装置２Ａから他の製造装置２Ａによるおむつの製造処理に関するログデータと、他の製造装置２Ａの処理状態情報との関係性、および製造装置２によるおむつの製造処理に関するログデータと、製造装置２の処理状態情報との関係性に基づいて学習モデルを生成してもよい。すなわち、変形例に係る推定装置１０は、他の製造装置２Ａによるおむつの製造処理に関するログデータ、および製造装置２によるおむつの製造処理に関するログデータの少なくとも一方に基づいて学習モデルを生成してもよい。

また、変形例に係る推定装置１０は、他の製造装置２Ａによるおむつの製造処理に関するログデータと、他の製造装置２Ａにおけるおむつが正常であるか否かを示す製品状態情報との関係性が学習された学習モデルを用いて、製造装置２における異常を推定してもよい。また、変形例に係る推定装置１０は、製造装置２によるおむつの製造処理に関するログデータと、製造装置２におけるおむつが正常であるか否かを示す製品状態情報との関係性が学習された学習モデルを用いて、製造装置２における異常を推定してもよい。製品状態情報は、完成品のおむつに対する情報であってもよく、製造途中のおむつに対する情報であってもよい。変形例に係る推定装置１０は、製造装置２における異常として製造装置２によって生成されるおむつの異常を推定する。

これにより、変形例に係る推定装置１０は、学習モデルを用いて製造装置２で生成されるおむつの異常を推定することができる。そのため、変形例に係る推定装置１０は、不良品のおむつが生成されることを抑制することができる。

変形例に係る推定装置１０は、他の製造装置２Ａにおける製造処理のログデータに対し、学習モデルの学習に適したログデータを判定し、学習モデルの学習に適したログデータを取得してもよい。例えば、製造装置２、および他の製造装置２Ａに含まれる各装置にそれぞれＩＤが付与され、ＩＤに基づいて学習モデルの学習に適したログデータが判定される。

例えば、変形例に係る推定装置１０は、製造装置２のカット装置２０３のＩＤに対し、学習モデルを学習可能なＩＤを有する他の製造装置２Ａのカット装置２０３Ａのログデータを取得する。なお、学習モデルを学習可能なＩＤは、予め設定される。そして、変形例に係る推定装置１０は、取得したログデータに基づいて学習モデルを学習する。また、変形例に係る推定装置１０は、取得したログデータに基づいて学習モデルを生成してもよい。

これにより、変形例に係る推定装置１０は、他の製造装置２Ａにおける製造処理のログデータを自動的に取得し、取得したログデータに基づいて自動的に学習モデルを学習することができる。また、変形例に係る推定装置１０は、他の製造装置２Ａにおける製造処理のログデータを自動的に取得し、取得したログデータに基づいて自動的に学習モデルを生成することができる。

また、上記実施例に係る製造装置２は、積繊ドラム２０２によって平面視矩形状の吸収体Ａｂを成形したが、これに限られることはない。変形例に係る製造装置２は、図５に示すように、積繊ドラム３００によって、搬送方向に沿って連続する連続積層の吸収体Ａｂを成形し、カット装置３０１によって切断してもよい。図５は、変形例に係る製造装置２の製造ラインＰＬの一部を示す概略側面図である。

変形例に係る製造装置２では、積繊ドラム３００によって成形された吸収体Ａｂは、圧縮ロール３０２によって挟持されて圧縮された後に、カット装置３０１によって切断される。圧縮ロール３０２は、一対のロールによって吸収体Ａｂを挟持する。一対のロールは、一対のロールの間隔を変更可能である。

このような変形例に係る製造装置２において、カット装置３０１における異常が発生した場合には、カット装置３０１の異常に加えて、圧縮ロール３０２における異常が考えられる。例えば、圧縮ロール３０２に異常が発生し、圧縮ロール３０２による吸収体Ａｂの圧縮が大きい場合には、カット装置３０１において吸収体Ａｂを切断するカッター刃などに対する負荷が大きくなり、カット装置３０１における振動が大きくなる。すなわち、製造装置２においては、異常の発生に対して相互に関連する複数の製造処理が存在する。

変形例に係る推定装置１０は、異常の発生に対して相互に関連する複数の製造処理に関する処理データを取得する。そして、変形例に係る推定装置１０は、相互に関連する複数の製造処理のうち第１製造処理に関する処理データと、他の製造装置２Ａによるおむつの製造処理に関するログデータとに基づいて、相互に関連する複数の製造処理のうち第２製造処理における異常を推定する。換言すると、変形例に係る推定装置１０は、連続シートである吸収体Ａｂを異なる位置で加工する複数の製造処理において、第１製造処理に関する処理データに基づいて、第２製造処理における異常を推定する。

具体的には、変形例に係る推定装置１０は、第１製造処理に関する処理データを入力として、上記した学習モデルを用いて第２製造処理における異常を推定する。

例えば、変形例に係る推定装置１０は、カット装置３０１における振動のログデータを入力として、学習モデルを用いて圧縮ロール３０２における異常を推定する。学習モデルは、圧縮が大きい吸収体Ａｂを切断することで生じる振動と、カッター刃の劣化で生じる振動との特徴を示すログデータと、振動の原因となる製造処理との関係性が学習されたモデルである。変形例に係る推定装置１０は、カット装置３０１における振動の特徴に応じて、圧縮ロール３０２の異常を推定する。なお、変形例に係る推定装置１０は、カット装置３０１における振動の特徴に応じて、振動の原因となる製造処理を特定し、圧縮ロール３０２の異常、またはカット装置３０１の異常を推定してもよい。

また、変形例に係る製造装置２は、圧縮ロール３０２を吸収体Ａｂの搬送方向に沿って複数設け、複数の圧縮ロール３０２によって段階的に吸収体Ａｂを圧縮してもよい。

このような変形例に係る製造装置２において、吸収体Ａｂの一部に、例えば、パルプ繊維の塊がある場合には、パルプ繊維の塊が圧縮ロール３０２を通過する際に各圧縮ロール３０２で振動が大きくなる。すなわち、変形例に係る製造装置２においては、異常の発生に対して相互に関連する複数の製造処理が存在する。

例えば、変形例に係る推定装置１０は、各圧縮ロール３０２における振動のログデータを入力として、学習モデルを用いて各圧縮ロール３０２における異常を推定する。そして、変形例に係る推定装置１０は、複数の圧縮ロール３０２によって異常が推定される場合には、吸収体Ａｂにおける異常を推定する。また、変形例に係る推定装置１０は、複数の圧縮ロール３０２の一部に異常が推定される場合には、一部の圧縮ロール３０２の異常を推定する。

このように、変形例に係る推定装置１０は、異常の発生に対して相互に関連する複数の製造処理に関する処理データを入力として、学習モデルを用いて、製造装置２における異常を推定することで、製造装置２における異常の発生箇所を推定することができる。

［ハードウェア構成］
また、上述した実施形態に係る推定装置１０は、例えば図６に示すような構成のコンピュータ１０００によって実現される。図６は、ハードウェア構成の一例を示す図である。コンピュータ１０００は、出力装置１０１０、入力装置１０２０と接続され、演算装置１０３０、キャッシュ１０４０、メモリ１０５０、出力ＩＦ（Interface）１０６０、入力ＩＦ１０７０、ネットワークＩＦ１０８０がバス１０９０により接続される。

演算装置１０３０は、キャッシュ１０４０やメモリ１０５０に格納されたプログラムや入力装置１０２０から読み出したプログラムなどに基づいて動作し、各種の処理を実行する。キャッシュ１０４０は、ＲＡＭなど、演算装置１０３０が各種の演算に用いるデータを一次的に記憶するキャッシュである。また、メモリ１０５０は、演算装置１０３０が各種の演算に用いるデータや、各種のデータベースが登録される記憶装置であり、ＲＯＭ(Read Only Memory)、ＨＤＤ（Hard Disk Drive）、フラッシュメモリなどにより実現されるメモリである。

出力ＩＦ１０６０は、モニタやプリンタといった各種の情報を出力する出力装置１０１０に対し、出力対象となる情報を送信するためのインタフェースであり、例えば、ＵＳＢ（Universal Serial Bus）やＤＶＩ（Digital Visual Interface）、ＨＤＭＩ（登録商標）（High Definition Multimedia Interface）といった規格のコネクタにより実現されてよい。一方、入力ＩＦ１０７０は、マウス、キーボード、およびスキャナなどといった各種の入力装置１０２０から情報を受信するためのインタフェースであり、例えば、ＵＳＢなどにより実現される。

例えば、入力装置１０２０は、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）などの光学記録媒体、ＭＯ（Magneto-Optical disk）などの光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリなどから情報を読み出す装置により実現されてもよい。また、入力装置１０２０は、ＵＳＢメモリなどの外付け記憶媒体により実現されてもよい。

ネットワークＩＦ１０８０は、ネットワークＮを介して他の機器からデータを受信して演算装置１０３０へ送り、また、ネットワークＮを介して演算装置１０３０が生成したデータを他の機器へ送信する機能を有する。

ここで、演算装置１０３０は、出力ＩＦ１０６０や入力ＩＦ１０７０を介して、出力装置１０１０や入力装置１０２０の制御を行うこととなる。例えば、演算装置１０３０は、入力装置１０２０やメモリ１０５０からプログラムをキャッシュ１０４０上にロードし、ロードしたプログラムを実行する。例えば、コンピュータ１０００が推定装置１０として機能する場合、コンピュータ１０００の演算装置１０３０は、キャッシュ１０４０上にロードされたプログラムを実行することにより、制御部１２の機能を実現することとなる。

［効果］
推定装置１０は、おむつを製造する製造装置２による製造処理に関する処理データを取得する。推定装置１０は、取得された処理データと、製造装置２と異なる他の製造装置２Ａによるおむつの製造処理に関するログデータとに基づいて、製造装置２における異常を推定する。

これにより、推定装置１０は、他の製造装置２Ａによるおむつの製造処理に関するログデータを用いて製造装置２における異常を推定することができる。そのため、推定装置１０は、例えば、製造装置２におけるログデータが少ない場合であっても、製造装置２における異常の推定精度を向上させることができる。また、推定装置１０は、製造装置２において発生していない異常を推定することができ、製造装置２における異常の推定精度を向上させることができる。

また、推定装置１０は、他の製造装置２Ａによるおむつの製造処理に関するログデータに基づいて学習された学習モデルを用いて、製造装置２における異常を推定する。

これにより、推定装置１０は、他の製造装置２Ａによるおむつの製造処理に関するログデータに基づいて学習され、異常を推定する精度が高い学習モデルを用いて、製造装置２における異常を推定することができる。そのため、推定装置１０は、製造装置２における異常の推定精度を向上させることができる。

また、推定装置１０は、他の製造装置２Ａによるおむつの製造処理に関するログデータと、他の製造装置２Ａが正常か否かを示す情報との関係性が学習された学習モデルを用いて、製造装置２における異常を推定する。

これにより、推定装置１０は、他の製造装置２Ａで生じた異常と同様の異常が製造装置２で発生することを推定することができる。推定装置１０は、他の製造装置２Ａで生じた異常が、製造装置２に含まれる装置、具体的にはカット装置２０３などで発生することを推定することができる。そのため、推定装置１０は、製造装置２で発生する異常の推定精度を向上させることができる。

また、推定装置１０は、他の製造装置２Ａによるおむつの製造処理に関するログデータと、他の製造装置２Ａにおけるおむつが正常か否かを示す情報との関係性が学習された学習モデルを用いて、製造装置２における異常を推定する。

これにより、推定装置１０は、他の製造装置２Ａで生じたおむつの異常と同様の異常が製造装置２で製造されるおむつで発生することを推定することができる。

また、推定装置１０は、製造装置２によるおむつの製造処理に関するログデータと、製造装置２が正常か否かを示す情報との関係性が学習された学習モデルを用いて、製造装置２における異常を推定する。

これにより、推定装置１０は、製造装置２で生じた異常と同様の異常が製造装置２で発生することを推定することができる。

また、推定装置１０は、製造装置２によるおむつの製造処理に関するログデータと、製造装置２における製品が正常か否かを示す情報との関係性が学習された学習モデルを用いて、製造装置２における異常を推定する。

これにより、推定装置１０は、製造装置２で生じたおむつの異常と同様の異常が製造装置２で発生することを推定することができる。

また、推定装置１０は、他の製造装置２Ａによるおむつの製造処理に関するログデータ、および製造装置２によるおむつの製造処理に関するログデータの少なくとも一方に基づいて学習モデルを学習する。

これにより、推定装置１０は、新たなログデータに基づいて学習モデルを更新することができ、製造装置２における異常の推定精度を向上させることができる。

また、推定装置１０は、異常の発生に対して相互に関連する複数の製造処理に関する処理データを取得する。そして、推定装置１０は、相互に関連する複数の製造処理のうち第１製造処理に関する処理データと、他の製造装置２Ａによるおむつの製造処理に関するログデータとに基づいて、相互に関連する複数の製造処理のうち第２製造処理における異常を推定する。

これにより、推定装置１０は、複数の製造処理のうち、或る製造処理に関する処理データに基づいて、他の製造処理における異常を推定することができる。

また、他の製造装置２Ａによるおむつの製造処理に関するログデータは、他の製造装置２Ａに設けられたセンサ３０Ａによって取得されたセンサデータである。具体的には、他の製造装置２Ａに設けられたセンサ３０Ａは、おむつの製造処理における振動を検出する振動センサ、おむつの製造処理における温度を検出する温度センサ、およびおむつの製造処理における圧力を検出する圧力センサの少なくとも一つを含む。

これにより、推定装置１０は、他の製造装置２Ａに設けられたセンサ３０Ａによって取得されたセンサデータに基づいて学習された学習モデルを用いて製造装置２における異常を推定する。そのため、推定装置１０は、実際に取得されたセンサデータに基づいて製造装置２における異常を推定することができ、異常の推定精度を向上させることができる。

また、推定装置１０は、おむつの加工元となる連続体である連続シートを異なる位置で加工する複数の製造処理に関する処理データを取得する。

これにより、推定装置１０は、或る製造処理に関する処理データに基づいて、他の製造処理における異常を推定することができる。

以上、本願の実施形態を図面に基づいて詳細に説明した。しかしながら、これらは例示であり、本願の実施形態は、発明の開示の欄に記載の態様を始めとして、所謂当業者の知識に基づいて種々の変形、改良を施した他の形態で実施することが可能である。また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。

１製造システム
２製造装置
１０推定装置
１２制御部
１３記憶部
２０取得部
２１推定部
２３学習部

Claims

吸収性物品を製造する製造装置による製造処理に関する処理データを取得する取得部と、
前記取得部によって取得された処理データと、前記製造装置と異なる他の製造装置による吸収性物品の製造処理に関するログデータとに基づいて、前記製造装置における異常を推定する推定部とを備え、
前記推定部は、
前記他の製造装置による吸収性物品の製造処理に関するログデータに基づいて学習された学習モデル、
前記他の製造装置による吸収性物品の製造処理に関するログデータと、前記他の製造装置が正常か否かを示す情報との関係性が学習された学習モデル、
前記他の製造装置による吸収性物品の製造処理に関するログデータと、前記他の製造装置における製品が正常か否かを示す情報との関係性が学習された学習モデル、
前記製造装置による吸収性物品の製造処理に関するログデータと、前記製造装置が正常か否かを示す情報との関係性が学習された学習モデル、
前記製造装置による吸収性物品の製造処理に関するログデータと、前記製造装置における製品が正常か否かを示す情報との関係性が学習された学習モデルのいずれかを用いて、
前記製造装置における異常を推定することを特徴とする吸収性物品の製造装置に関する推定装置。
前記他の製造装置による吸収性物品の製造処理に関するログデータ、および前記製造装置による吸収性物品の製造処理に関するログデータの少なくとも一方に基づいて前記学習モデルを学習する学習部
をさらに備えることを特徴とする請求項１に記載の吸収性物品の製造装置に関する推定装置。
前記取得部は、
異常の発生に対して相互に関連する複数の製造処理に関する処理データを取得し、
前記推定部は、
前記相互に関連する複数の製造処理のうち第１製造処理に関する処理データと、前記他の製造装置による吸収性物品の製造処理に関するログデータとに基づいて、前記相互に関連する複数の製造処理のうち第２製造処理における異常を推定する、
ことを特徴とする請求項１または２に記載の吸収性物品の製造装置に関する推定装置。
前記他の製造装置による吸収性物品の製造処理に関するログデータは、前記他の製造装置に設けられたセンサによって取得されたセンサデータである、
ことを特徴とする請求項１～３のいずれか一つに記載の吸収性物品の製造装置に関する推定装置。
前記他の製造装置に設けられたセンサは、吸収性物品の製造処理における振動を検出する振動センサ、吸収性物品の製造処理における温度を検出する温度センサ、および吸収性物品の製造処理における圧力を検出する圧力センサの少なくとも一つを含む、
ことを特徴とする請求項４に記載の吸収性物品の製造装置に関する推定装置。
前記取得部は、
吸収性物品の加工元となる連続体である連続品を異なる位置で加工する複数の製造処理に関する前記処理データを取得する
ことを特徴とする請求項１～５のいずれか一つに記載の吸収性物品の製造装置に関する推定装置。
吸収性物品を製造する製造装置による製造処理に関する処理データを取得する取得工程と、
前記取得工程によって取得された処理データと、前記製造装置と異なる他の製造装置による吸収性物品の製造処理に関するログデータとに基づいて、前記製造装置における異常を推定する推定工程と
を含み、
前記推定工程は、
前記他の製造装置による吸収性物品の製造処理に関するログデータに基づいて学習された学習モデル、
前記他の製造装置による吸収性物品の製造処理に関するログデータと、前記他の製造装置が正常か否かを示す情報との関係性が学習された学習モデル、
前記他の製造装置による吸収性物品の製造処理に関するログデータと、前記他の製造装置における製品が正常か否かを示す情報との関係性が学習された学習モデル、
前記製造装置による吸収性物品の製造処理に関するログデータと、前記製造装置が正常か否かを示す情報との関係性が学習された学習モデル、
前記製造装置による吸収性物品の製造処理に関するログデータと、前記製造装置における製品が正常か否かを示す情報との関係性が学習された学習モデルのいずれかを用いて、
前記製造装置における異常を推定することを特徴とする吸収性物品の製造装置に関する推定方法。
吸収性物品を製造する製造装置による製造処理に関する処理データを取得する取得手順と、
前記取得手順によって取得された処理データと、前記製造装置と異なる他の製造装置による吸収性物品の製造処理に関するログデータとに基づいて、前記製造装置における異常を推定する推定手順と
をコンピュータに実行させ、
前記推定手順は、
前記他の製造装置による吸収性物品の製造処理に関するログデータに基づいて学習された学習モデル、
前記他の製造装置による吸収性物品の製造処理に関するログデータと、前記他の製造装置が正常か否かを示す情報との関係性が学習された学習モデル、
前記他の製造装置による吸収性物品の製造処理に関するログデータと、前記他の製造装置における製品が正常か否かを示す情報との関係性が学習された学習モデル、
前記製造装置による吸収性物品の製造処理に関するログデータと、前記製造装置が正常か否かを示す情報との関係性が学習された学習モデル、
前記製造装置による吸収性物品の製造処理に関するログデータと、前記製造装置における製品が正常か否かを示す情報との関係性が学習された学習モデルのいずれかを用いて、
前記製造装置における異常を推定することを特徴とする吸収性物品の製造装置に関するプログラム。