1.一种异常诊断装置,其输入注射成形机的内在和外在的状态数据,利用机械学习器诊断注射成形机的异常,其特征在于,
通过使用发生异常时得到的所述状态数据和没有发生异常时得到的所述状态数据进行机械学习来得到所述机械学习器的内部参数。
2.根据权利要求1所述的异常诊断装置,其特征在于,
所述内在和外在的状态数据包括注射成形机的驱动部的负荷、轴的频率特性、树脂压力、合模力、报警发生历史记录、机械操作历史记录、每个成形周期的工序监视数据、成形条件、成形品的品质信息中的至少一者和有没有发生异常的信息。
3.根据权利要求1或2所述的异常诊断装置,其特征在于,
基于所述机械学习的结果,使用所述状态数据对注射成形机的异常进行预测。
4.根据权利要求3所述的异常诊断装置,其特征在于,
在进行发生异常的预测时,从所述状态数据中确定成为异常的原因的状态数据。
5.根据权利要求3或4所述的异常诊断装置,其特征在于,
在进行发生异常的预测时,算出所述状态数据与发生异常之间的关联。
6.根据权利要求3~5中任一项所述的异常诊断装置,其特征在于,
在进行发生异常的预测时,算出所述状态数据的调整值,使得不发生异常。
7.根据权利要求1~6中任一项所述的异常诊断装置,其特征在于,
在发生异常时,从所述状态数据中确定成为异常的原因的状态数据。
8.根据权利要求1~7中任一项所述的异常诊断装置,其特征在于,
在发生异常时,算出所述状态数据与发生异常之间的关联。
9.根据权利要求1~8中任一项所述的异常诊断装置,其特征在于,
在发生异常时,算出所述状态数据的调整值,使得不发生异常。
10.根据权利要求1~9中任一项所述的异常诊断装置,其特征在于,
从经由网络连接的多个所述注射成形机输入所述内在和外在的状态数据。
11.根据权利要求1~10中任一项所述的异常诊断装置,其特征在于,
在经由网络连接的多个注射成形机之间共享所述机械学习器的内部参数。
12.一种机械学习器,其学习了基于注射成形机的内在和外在的状态数据的注射成形机的异常诊断,其特征在于,
通过使用发生异常时得到的所述状态数据和没有发生异常时得到的所述状态数据进行机械学习来得到所述机械学习器的内部参数。