ファナックとPFN、機械学習・深層学習を活用したAI新機能「AIサーボモニタ」「AI良否判定機能」を開発

ファナック株式会社は、株式会社Preferred Networks(以下、PFN)と共同で、機械学習・深層学習を活用した新たなAI機能を2点開発、リリースした。

FA:AIサーボモニタ(Level 4:深層学習)

工作機械の送り軸や主軸の突然の故障による機械停止は、加工ラインの長時間停止などの大きな問題につながる。これを防止するためには、故障する前に送り軸や主軸の異常の兆候を知る必要がある。

今回、制御データを高速サンプリングして収集し、これに深層学習を適用して異常度を提示する「AIサーボモニタ機能」を開発した(トップ画像参照)。

AIサーボモニタでは、正常動作中にモータのトルクデータを入力として学習することによりその特徴量を取り出し、正常な状態を表現する学習モデルを作成する。その後、実稼働中に得られるトルクデータを入力として正常な状態と比較し、「異常度」を算出、提示する。機械のオペレータは、この異常度を監視することで、送り軸・主軸の異常の兆候を加工現場で知ることができる。

AIサーボモニタにより、送り軸や主軸の「壊れる前に知らせる」を実現し、故障前のメインテナンスが可能となり、機械稼働率向上に貢献するという。なお、2019年7月より出荷開始予定である。

ロボット:AI良否判定機能(Level3: 機械学習)

ファナックとPFN、機械学習・深層学習を活用したAI新機能「AIサーボモニタ」「AI良否判定機能」を開発
対象物を検査する工程において、従来のビジョン機能で部品の組み付け結果を確認する場合、あらかじめ教えた部品の形状と位置を検出し、「検出できれば対象物がある」「検出できなければ対象物がない」と見なす手法が取られていた。この手法では、対象物の周辺に溶接スパッタや煤が残っていたり、金属反射によるハレーションなどで対象物を見つけにくくなると、物があってもNG判定となってしまうことが多く、ビジョンの設定に熟練を必要としていた。

そこで今回、ロボットが機械学習を用いて対象物を検査する「AI良否判定機能」を開発した。同機能では、ロボットが対象物のOK画像・NG画像に基づく良否を判定する。溶接したナットや組み付けた部品の有無を確認したり、部品の表裏が正しく組み付けられているかといった生産工程での確認作業を、外付けのPCを使わず、ロボット制御装置の内蔵ビジョンで行うことができる。

AI良否判定機能では、物の形状と位置を見つけるのではなく、機械学習を用いて画像から良否を判定するため、対象物の周辺状況やハレーションによる変動に強い、ロバストな検査工程を実現できる。また、ビジョンパラメータの細かいチューニングを必要とせず、OKとNGの画像をデータセットとして数枚~数十枚学習させるだけで、簡単に判定することができる。なお、2019年8月より出荷開始予定である。

Previous

ソフトバンク、基地局圏外での5G-NRに基づく車両間直接通信で1ms以下の低遅延通信を実現

ヤマダ電機とエンコアードが連携、ホームIoTサービス「YAMADAスマートホーム」をヤマダ電機の全直営店で取り扱い開始

Next