内置物体的状态确认装置、动作确认装置以及内置物体的状态确认方法与流程

本发明涉及一种内置物体的状态确认装置、动作确认装置以及内置物体的状态确认方法。

背景技术：

以往提出了如下一种技术：针对内置于产业机械的减速机、轴承等机器的变形、温度等物理信息，由针对该机器自身设置的传感器进行检测，基于检测出的物理信息来监视机器的状态。例如，在日本特开2007-256033号公报(机械设备的轴承的润滑剂的劣化探测：机械设备的例子：输送带、铁路车辆的车轴用)中公开了如下一种系统：由设置于轴承的传感器以光学方式检测内置于机械设备的轴承的润滑剂异物含量，并基于检测出的润滑剂异物含量来探测润滑剂的劣化。

然而，在内置于产业机械的机器的内部或外部大多不具有用于设置用于监视机器的状态的传感器的足够的空间。另外，由于在传感器中需要检测信号发送用、电力供给用的多条布线，因此存在产业机械内没有用于布线的空间的情况、由于与产业机械的动作之间的关系而无法布线的情况。特别是在对内置于已经被利用的产业机械中的机器进行监视的情况下，这些问题更为显著。因此，为了将状态监视用的传感器设置于机器中，需要使传感器小型化、或者为了确保足够的产业机械内的空间而使产业机械大型化、或者利用电池或无线化等这些措施。但是，传感器的小型化、产业机械的大型化也是有限制的，并且电池存在更换的问题，无线存在天线配置的问题。

因而，有时无法对内置于产业机械中且无法从外部直接访问的机器的状态进行监视或确认。

另外，关于在风力发电用的风车、太阳能热发电用塔的定日镜、高架道路、桥梁、大厦等土木或建筑构造物的内部设置的钢架、钢筋等构造构件、在该内部设置的螺栓等紧固构件、在内部埋入的上下水管道或电气布线用的各种配管、或者风力发电用的风车、太阳能热发电用塔、高架道路、桥梁、大厦等混凝土制造的土木或建筑构造物的该混凝土的内部状态，也存在同样的问题。

并且，关于在道路、人行道下埋设的共用沟、自来水管道、燃气管道等或其连接部分，也存在同样的问题。

而且，关于在汽车、卡车、公共汽车、铁路车辆、液压挖掘机等土木/建筑机械的车体内部、车门内部或者船舶的船体内部、飞机的机体内部设置的梁等构造物、螺栓、铆钉等紧固构件等，也存在同样的问题。

技术实现要素：

本发明是考虑这样的问题点而完成的，其目的在于提供一种内置物体的状态确认装置、动作确认装置以及内置物体的状态确认方法，无需在机器等中直接设置传感器而能够监视或确认该机器的状态，其中，该机器被内置于产业机械等，即使使用将产业机械等的内外连接的导管等方法，其状态也无法从外部直接被确认。

本发明是一种内置物体的状态确认装置，具备：信息获取单元，其获取在物体的外部出现的所述物体的至少一个物理信息，其中，该物体内置有其状态无法从外部直接被确认的对象物；以及状态判定单元，其基于获取到的所述物理信息，来判定所述对象物的状态。

在本发明的状态确认装置中，也可以是，所述信息获取单元获取多个物理信息，所述状态判定单元基于获取到的所述多个物理信息，来判定所述对象物的状态。

在本发明的内置物体的状态确认装置中，也可以是，所述状态判定单元具有异常判定单元，该异常判定单元用于判定所述对象物的状态是否为异常状态。

在本发明的内置物体的状态确认装置中，也可以是，所述状态判定单元具有异常判定单元，该异常判定单元针对所述对象物的状态，基于将获取到的多个所述物理信息与同多个所述物理信息中的各个物理信息对应的异常判定阈值进行比较的结果、以及将获取到的多个所述物理信息的组合与同多个所述物理信息的组合对应的异常判定阈值集合进行比较的结果中的至少一方，来判定所述对象物的状态是否为异常状态。

在本发明的内置物体的状态确认装置中，也可以是，所述状态判定单元具有故障预知单元，该故障预知单元用于判定所述对象物的状态是否为会在规定期间内产生故障的状态。

在本发明的内置物体的状态确认装置中，也可以是，所述故障预知单元基于将获取到的多个所述物理信息与同多个所述物理信息中的各个物理信息对应的故障预知判定阈值进行比较的结果、或者将获取到的多个所述物理信息的组合与同多个所述物理信息的组合对应的故障预知判定阈值的组合进行比较的结果中的至少一方，来判定所述对象物的状态是否为会在所述规定期间内产生故障的状态。

在本发明的内置物体的状态确认装置中，也可以是，所述状态判定单元具有故障预知单元，该故障预知单元基于状态判定模型来判定是否为会在所述规定期间内产生故障的状态，其中，所述状态判定模型是根据获取到的所述物理信息的历史记录信息生成的模型。

在本发明的内置物体的状态确认装置中，也可以是，所述状态判定模型包括根据所述内置物体产生了故障时的所述历史记录信息生成的故障状态模型以及根据所述内置物体没有产生故障时的所述历史记录信息正常状态模型这两个模型，在所述对象物的状态相比于正常状态模型而言更类似于故障状态模型时，判定为会在所述规定期间内产生故障的状态。

在本发明的内置物体的状态确认装置中，也可以是，在所述物体的外部出现的所述物理信息包括所述物体的表面的所述物理信息。

在本发明的内置物体的状态确认装置中，也可以是，所述物体的表面的所述物理信息包括所述物体的表面的温度、位置、变形、位移、振动、色相、明度、彩度、水分量、油分量、声波的反射率、超声波的反射率、红外光的反射率、其它光的反射率中的至少一个。

在本发明的内置物体的状态确认装置中，也可以是，在所述物体的外部出现的所述物理信息包括在所述物体的外部检测的声音、气味、超声波、电磁波、放射线以及排出物中的至少一个。

在本发明的内置物体的状态确认装置中，也可以是，所述信息获取单元基于所述物体的表面的至少一部分的摄像图像，来获取所述物理信息。

在本发明的内置物体的状态确认装置中，也可以是，在所述物体的表面设置有热致变色构件，该热致变色构件的颜色根据温度而变化，所述信息获取单元基于所述热致变色构件的摄像图像，来获取所述物体的表面的温度。

在本发明的内置物体的状态确认装置中，也可以是，所述信息获取单元具有将所述物体的表面的至少一部分放大来进行摄像的放大摄像功能。

在本发明的内置物体的状态确认装置中，也可以是，还具备驱动单元，该驱动单元用于驱动所述信息获取单元来变更摄像范围。

在本发明的内置物体的状态确认装置中，也可以是，所述信息获取单元具有多个摄像机，所述多个摄像机拍摄所述物体的表面上的各不相同的部位。

在本发明的内置物体的状态确认装置中，也可以是，所述多个摄像机以包围所述物体的方式进行配置。

在本发明的内置物体的状态确认装置中，也可以是，所述信息获取单元具有能够拍摄广角或全方位的光学系统。

在本发明的内置物体的状态确认装置中，也可以是，所述信息获取单元具有：无人机，其搭载有摄像机；以及无人机控制单元，其通过所述摄像机拍摄所述物体的表面。

在本发明的内置物体的状态确认装置中，也可以是，所述信息获取单元基于所述摄像图像来获取所述物体的表面的至少一部分的三维形状，并基于获取到的所述三维形状来获取所述物理信息。

在本发明的内置物体的状态确认装置中，也可以是，所述信息获取单元以与所述物体的表面分离的方式进行配置，并至少被配置在所述物体的上方。

在本发明的内置物体的状态确认装置中，也可以是，所述内置物体的状态确认单元以所述物体的施工或设置时的状态为基准，来判定所述对象物是否为异常状态或会在规定期间内产生故障的状态。

在本发明的内置物体的状态确认装置中，也可以是，所述物体是伴有动作的物体，以所述物体的动作开始时的状态为基准，来判定所述对象物是否为异常状态或会在规定期间内产生故障的状态。

在本发明的内置物体的状态确认装置中，也可以是，在作为所述对象物处于异常状态或会在规定期间内产生故障的状态时的物理信息预先获取到的第一物理信息与由所述信息获取单元随时获取的第二物理信息一致的情况下，所述状态判定单元判定为所述对象物为异常状态或会在规定期间内产生故障的状态。

在本发明的内置物体的状态确认装置中，也可以是，所述物体为具有至少一个转动轴的产业用机器人，所述对象物为被内置于所述转动轴的减速机，所述信息获取单元获取所述转动轴的表面的物理信息。

本发明是一种物体的动作确认装置，用于在计算机上的虚拟空间内确认物体的动作，其中，该物体内置有其状态无法从外部直接被确认的对象物，所述动作确认装置将由上述的内置物体的状态确认装置获取到的所述对象物的状态作为与所述物体的状态相关的信息来进行输入。

本发明是一种物体的状态确认方法，获取在物体的外部出现的所述物体的至少一个物理信息，其中，该物体内置有其状态无法从外部直接被确认的对象物；以及基于获取到的所述物理信息，来判定所述对象物是否为异常状态或会在规定期间内产生故障的状态。

根据本发明，无需在其状态无法从外部直接被确认的被内置于物体中的对象物中直接设置传感器而能够确认该对象物的状态。

附图说明

图1是示出本实施方式的机器状态监视装置的框图。

图2是示出能够应用本实施方式的机器状态监视装置的产业机械的例子的图。

图3是示出能够应用本实施方式的机器状态监视装置的产业机械的其它例子的图。

图4是示出本实施方式的机器状态监视装置中的机器状态判定单元的详细内容的框图。

图5是示出本实施方式的机器状态监视装置的动作例的流程图。

图6是示出本实施方式的第一变形例的机器状态监视装置的框图。

图7是示出作为本实施方式的第二变形例的机器状态监视装置应用于产业用机器人的应用例的图。

图8是示出本实施方式的第二变形例的机器状态监视装置的动作例的流程图。

图9是用于说明本实施方式的第二变形例的机器状态监视装置的动作例中的故障预知工序的说明图。

图10是用于说明本实施方式的第三变形例的机器状态监视装置的动作例中的故障预知工序的说明图。

图11是用于说明本实施方式的第四变形例的机器状态监视装置的动作例中的估计监视对象机器的状态的估计工序的说明图。

图12是用于说明本实施方式的第五变形例的机器状态监视装置的动作例中的故障预知工序的说明图。

图13是示出作为本实施方式的第六变形例的机器状态监视装置应用于工程机械用行走马达的应用例的图。

图14是示出作为本实施方式的第六变形例的机器状态监视装置应用于自动门的应用例的图。

图15是示出作为本实施方式的第六变形例的机器状态监视装置应用于风力发电用风车的应用例的图。

图16是示出作为本实施方式的第六变形例的机器状态监视装置应用于太阳能热发电用定日镜的应用例的图。

图17是示出本实施方式的第七变形例的机器状态监视装置中的机器状态判定单元的详细内容的框图。

图18是示出本实施方式的第七变形例的机器状态监视装置的动作例的流程图。

图19是示出继图18之后的本实施方式的第七变形例的机器状态监视装置的动作例的流程图。

图20是用于说明本实施方式的第七变形例的机器状态监视装置的动作例中的基于多个物理信息的组合进行的故障预知工序的说明图。

图21是用于说明本实施方式的第八变形例的机器状态监视装置的动作例中的判定监视对象机器的状态的判定工序的说明图。

图22是示出本实施方式的第九变形例的动作确认装置的图。

图23是示出本实施方式的第十变形例的构造物状态监视装置的框图。

具体实施方式

下面，参照附图来详细地说明作为本发明的实施方式所涉及的内置物体的状态确认装置的一例的机器状态监视装置。此外，下面示出的实施方式是本发明的实施方式的一例，本发明不被限定地解释为这些实施方式。另外，在本实施方式中参照的附图中，对相同部分或具有相同功能的部分标注相同的标记或类似的标记，并省略其重复的说明。另外，为了便于说明，附图的尺寸比率有时与实际的比率不同，并且有时从附图中省略结构的一部分。

图1是示出本实施方式的机器状态监视装置1的框图。图1的例子的机器状态监视装置1的特征在于：与作为本发明的实施方式所涉及的物体的一例的产业机械3相独立，能够在产业机械3的外部对监视对象机器2的动作状态进行监视，其中，监视对象机器2被内置于产业机械3，其状态无法从外部直接被确认。在此，监视对象机器2是本发明的实施方式所涉及的对象物的一例。如图1所示，机器状态监视装置1具备信息获取单元11和机器状态判定单元12。

(信息获取单元11)

信息获取单元11获取在内置有监视对象机器2的产业机械3的外部出现的物理信息。

在此，内置监视对象机器2是指监视对象机器2被完全收纳于产业机械3的内部，包括其状态无法从外部直接被确认的情况以及虽然监视对象机器2的一部分暴露在产业机械3的外部但其状态无法从外部直接被确认的情况这两者。

图2是示出能够应用本实施方式的机器状态监视装置1的产业机械3的例子的图。产业机械3只要是产业即与产品和服务的提供相关的活动中使用的机械即可，没有特别限定。例如图2所示，产业机械3可以是用于汽车的生产等的产业用机器人30a、被内置于产业用机器人30a等的减速机30b、用于电车等的压缩机30c、建筑机械30d、工程机械用行走马达30e等。

图3是示出能够应用本实施方式的机器状态监视装置1的产业机械3的其它例子的图。除图2的例子以外，例如图3所示那样，产业机械3还可以是用于食品的包装等的填充包装机30f、飞机30g、用于使飞机的可动翼进行工作的飞行控制致动器30h、自动门30i、风力发电用的风车30j中内置的减速机或轴承、太阳能热发电用定日镜30k中内置的减速机或轴承等。

监视对象机器2只要是内置于产业机械3的机器即可，没有特别限定。内置于产业用机器人30a的监视对象机器2例如可以是减速机30b、轴承、马达等。内置于减速机30b的监视对象机器2例如可以是齿轮、轴承、润滑油密封用的密封构件等。内置于压缩机30c的监视对象机器2例如可以是被称为通风口(airend)的空气压缩机构等。内置于建筑机械的监视对象机器2例如可以是工程机械用行走马达30d等。内置于工程机械用行走马达30d的监视对象机器2例如可以是行星齿轮等。内置于填充包装机30e的监视对象机器2例如可以是连杆装置等。内置于飞机的监视对象机器2例如可以是飞行控制致动器30f等。内置于飞行控制致动器30f的监视对象机器2例如可以是阀等。内置于自动门30i的监视对象机器2例如可以是电动马达等。内置于风力发电用的风车30j的监视对象机器2例如可以是减速机、增速机、轴承、马达等。内置于太阳能热发电用定日镜30k的监视对象机器2例如可以是减速机、轴承、马达等。

在产业机械3的外部出现的产业机械3的物理信息例如为产业机械3的表面3a的物理信息。产业机械3的物理信息是指能够作为被量化的值从产业机械3获取的信息。产业机械3的表面3a是指能够以接触或非接触的方式从产业机械3的外部访问的产业机械3的部位。在表面3a为透明的情况下，表面3a可以包括透明的部分和位于其里侧的部分。另外，关于表面3a，除了产业机械3本身的表面3a以外，也可以包括为了获取物理信息而对产业机械3的表面3a进行加工、涂装、粘贴等之后的表面。

产业机械3的表面3a的物理信息例如可以为温度、位置、变形、位移、振动、声波的反射率、超声波的反射率、红外光的反射率、其它光的反射率、电磁波吸收率、色相、明度、彩度、水分量、油分量等。在产业机械3的外部出现的物理信息不限定于产业机械3的表面3a的物理信息。例如，在产业机械3的外部出现的物理信息也可以是由产业机械3产生并在产业机械3的外部检测的声音、气味。并且，还可以是透过产业机械3内或在产业机械3内传播并在产业机械3的外部检测的x射线等放射线、电磁波、超声波等的强度，还可以是由产业机械3排出并在产业机械3的外部检测的排放气体等排出物等。

信息获取单元11可以是在与表面3a接触的状态下获取物理信息的接触式的信息获取单元11，或者也可以是在不与表面3a接触的状态下获取物理信息的非接触式的信息获取单元11。利用非接触式的信息获取单元11，由于不与产业机械3接触，因此能够不对产业机械3的动作产生不良影响地探测监视对象机器2的状态。

接触式的信息获取单元11例如可以是用于测定温度的温度计、用于测定位置、位移的电位计、用于测定变形的变形测量仪、用于测定振动的振动计、用于测定水分量的水分传感器、用于测定油分量的油分传感器等。

非接触式的信息获取单元11例如可以具备用于测定温度的放射温度计、用于测定位置、位移的激光式或涡电流方式的距离/位移传感器、用于测定振动的激光多普勒式非接触振动计、输出声波或超声波并接收其反射波的声波或超声波检测器(包括被配置成二维状的结构。)、用于测定红外光及其它光的反射率、色相、明度、彩度的摄像机、用于测定水分量的使用了微波或图像的传感器、用于测定油分量的使用了激光的传感器、用于测定声音的麦克风、用于测定放射线的放射线测定器、用于测定电磁波的电磁波测定器、用于测定超声波的超声波测定器、用于测定排放气体、有毒气体等气体的气体测定器等。

非接触式的信息获取单元11可以具备摄像机，该摄像机用于基于产业机械3的表面3a的至少一部分的摄像图像来获取物理信息。通过基于摄像机的摄像图像来获取物理信息，能够通过简单的结构来不对产业机械3的动作产生不良影响地获取物理信息。

摄像机可以具有将产业机械3的表面3a的至少一部分放大来进行摄像的放大摄像功能即变焦机构。通过将表面3a放大来进行摄像，能够以高分辨率获取特定的表面3a的物理信息。

摄像机也可以具有鱼眼透镜等能够拍摄广角或全方位的光学系统。通过具有视角广的光学系统，能够减少摄像机的在产业机械3的表面3a上的死角。

也可以设置有多个摄像机，使得能够拍摄产业机械3的表面3a上的各不相同的部位。通过设置多个摄像机，能够进一步减少摄像机的在产业机械3的表面3a上的死角。

摄像机也可以是用于拍摄被涂装于产业机械3的表面3a的感压涂料或作为热致变色构件的一例的感温涂料的色相、明度、彩度的彩色ccd或cmos摄像机，其中，该感压涂料的色彩根据压力而变化，该感温涂料的色彩根据温度而变化。通过使用ccd或cmos摄像机、以及感压涂料或感温涂料，能够抑制对产业机械3的不良影响，并且能够高精度地获取产业机械3的表面3a的物理信息。

摄像机还可以是用于获取产业机械3的表面3a的色相、明度、彩度、或者光的反射率的ccd或cmos摄像机(无论是彩色还是黑白，均在可见光区域具有灵敏度的摄像机。或者在红外线区域具有灵敏度的摄像机)。由于能够根据色相、明度、彩度或光的反射率来获取附着于产业机械3的表面3a的水分量、油分量，因此能够抑制对产业机械3的不良影响，并且能够高精度地获取产业机械3的表面3a的物理信息。

摄像机还可以是tof(timeofflight：飞行时间)摄像机。tof摄像机是如下一种距离图像感测摄像机：向被摄体照射脉冲状的近红外光，并由tof传感器接收来自被摄体的近红外光的反射光，能够基于接收到的反射光的反射所需时间来测量离被摄体的距离。根据tof摄像机，能够获取离产业机械3的表面3a的距离即深度信息，因此不使用用于投影特定图案的装置就能够测定产业机械3的位移。并且，还能够获取振动来作为位移的时间上的变化，从而能够测定变形来作为位移的时间上的变化率(位移的微分值)。通过使用tof摄像机，能够简单且高精度地获取表面3a的三维形状。

非接触式的信息获取单元11也可以包括：投影机，其用于向产业机械3的表面3a投影无规则图案、网格图案、或点图案等；用于拍摄这些图案的摄像机；以及计算器，其根据拍摄到的图像来计算表面3a的变形。在该情况下，计算器可以基于拍摄到的图案的时间上的变形程度来计算变形。计算器还可以基于图案的摄像图像来获取产业机械3的表面3a的至少一部分的三维形状，并基于获取到的三维形状的时间上的变化程度来获取变形。通过基于三维形状，能够提高变形的测定精度。

非接触式的信息获取单元11也可以具备用于获取电磁波吸收率的雷达。通过测定电波吸收率或其变化，能够测定产业机械3的表面3a的位移。并且，还能够获取振动来作为位移的时间上的变化，从而能够测定变形来作为位移的时间上的变化率(位移的微分值)。

非接触式的信息获取单元11也可以具备用于获取声音的麦克风。麦克风也可以在产业机械3的侧方和上方中的至少一方以具有平面状或曲面状的分布的状态面向产业机械3的方式配置有多个。通过配置多个麦克风，能够高精度地获取产业机械3的表面3a上的不同部位的声音。

非接触式的信息获取单元11也可以具备用于获取气味的气味传感器。气味传感器的具体方式没有特别限定。例如，气味传感器可以是半导体式的气味传感器，其检测气味分子在半导体表面的吸附量来作为半导体的电阻值的变化量。另外，气味传感器也可以是晶体振荡式的气味传感器，其具有粘贴于振子表面的感应膜，并检测气味分子在感应膜上的吸附量来作为随着感应膜的质量增加所引起的振子的共振频率的下降量。

非接触式的信息获取单元11也可以具备放射线检测器或超声波检测器，该放射线检测器由传感器检测透过了产业机械3的x射线等放射线，并基于x射线等放射线的检测量来计算产业机械3吸收x射线的吸收率，该超声波检测器由传感器检测透过了产业机械3的超声波，并基于超声波的检测量来计算产业机械3吸收超声波的吸收率。

(机器状态判定单元12)

图4是示出本实施方式的机器状态监视装置1中的作为本发明的实施方式所涉及的状态判定单元的一例的机器状态判定单元12的详细内容的框图。如图4所示，机器状态判定单元12具有状态估计单元121和故障预知单元122。

状态估计单元121基于由信息获取单元11获取到的物理信息，来估计监视对象机器2的状态。并且，状态估计单元121判定所估计出的监视对象机器2的状态是否为规定的状态、例如异常状态。也就是说，状态估计单元121作为异常判定单元发挥功能，基于获取到的物理信息，来判定规定的状态是否为异常状态。在判定为异常状态的情况下，状态估计单元121通过有线或无线将用于通知监视对象机器2的异常状态的异常发生信息输出到机器状态监视装置1的外部的服务器4。并且，状态估计单元121将监视对象机器2的状态传达给故障预知单元122。

故障预知单元122判定所估计出的监视对象机器2的状态是否为会在规定期间内产生故障的状态。在判定为会在规定期间内产生故障的状态的情况下，故障预知单元122通过有线或无线将用于通知预知到故障的故障预知信息输出到服务器4。在既没有判断为异常状态也没有判断为会在规定期间内产生故障的状态的情况下，故障预知单元122将表示所估计出的监视对象机器2的状态的机器状态信息输出到服务器4。

下面，将异常发生信息、故障预知信息以及机器状态信息等由机器状态判定单元12获取的信息还称为机器状态判定单元12的获取信息。

监视对象机器2的异常状态或会在规定期间内产生故障的状态只要是能够基于在产业机械3的外部出现的产业机械3的物理信息估计的监视对象机器2的状态即可，没有特别限定。例如，异常状态或会在规定期间内产生故障的状态也可以是监视对象机器2的温度为预先决定的温度以上的状态。另外，异常状态或会在规定期间内产生故障的状态也可以是监视对象机器2的特定部位的变形、位移、形状的变化为预先决定的变形、位移、形状的变化以上的状态。另外，异常状态或会在规定期间内产生故障的状态也可以是监视对象机器2的特定部位的振动的振幅、周期为预先决定的振幅、周期以上的状态。另外，异常状态或会在规定期间内产生故障的状态也可以是监视对象机器2的特定部位的加速度、加加速度(每单位时间的加速度的变化率。也称为跃度或急动度。)为预先决定的加速度、加加速度以上或以下的状态。另外，在信息获取单元11获取多个物理信息的情况下，异常状态或会在规定期间内产生故障的状态也可以是监视对象机器2的温度、变形、位移、振动、加速度、加加速度中的至少两个的关系为预先决定的规定的关系的状态。另外，异常状态或会在规定期间内产生故障的状态也可以是监视对象机器2的预先决定的多个部位的物理状态与预先决定的状态一致的状态。在这些异常状态或会在规定期间内产生故障的状态的例子中，“预先决定”可以意味着是固定的，或者也可以意味着根据产业机械3的运转时间、设置环境的变化等基于规定的关系变化。如已经记述的那样，这些异常状态被状态估计单元121作为监视对象机器2产生了故障的状态进行判定。另外，这些会在规定期间内产生故障的状态被故障预知单元122作为预测会在规定期间内产生规定故障的故障预知进行判定。

异常状态或会在规定期间内产生故障的状态也可以受到出现物理信息的表面3a的位置与监视对象机器2的位置之间的关系影响。例如，也可以是，即使在获取相同值的物理信息的情况下，监视对象机器2是否为异常状态或会在规定期间内产生故障的状态的判定结果也根据被获取物理信息的表面3a的位置与监视对象机器2的位置之间的距离而不同。同样地，监视对象机器2是否为异常状态或会在规定期间内产生故障的状态的判定结果也可以根据针对被获取物理信息的表面3a的监视对象机器2的外部因素而不同。作为外部因素，是太阳光等光学干扰、电波状态、声音状态、风等、对所要获取的物理信息而言暂时或持续地成为干扰的因素。

机器状态判定单元12例如是运算处理装置、存储装置等硬件。机器状态判定单元12的至少一部分也可以是软件。机器状态判定单元12可以搭载于一个机器状态监视装置1，或者也可以是一部分构成部(例如故障预知单元122)处于能够与机器状态监视装置1之间通过网络进行通信的装置(例如云端上的服务器、数据库)上。

服务器4例如也可以将从机器状态判定单元12输入的机器状态判定单元12的获取信息通过在显示器上的显示等通知给用户。

(动作例)

接着，对机器状态监视装置1的动作例进行说明。图5是示出本实施方式的机器状态监视装置1的动作例的流程图。此外，根据需要反复执行该流程图。

首先，如图5所示，信息获取单元11获取在产业机械3的外部出现的物理信息(步骤s1)。

在获取到物理信息之后，状态估计单元121基于获取到的物理信息，来估计监视对象机器2的状态(步骤s2)。

接着，状态估计单元121判定所估计出的监视对象机器2的状态是否为异常状态(步骤s3)。

在所估计出的监视对象机器2的状态为异常状态的情况下(步骤s3：是)，状态估计单元121向外部输出异常发生信息(步骤s4)。

另一方面，在所估计出的监视对象机器2的状态不为异常状态的情况下(步骤s3：否)，故障预知单元122判定所估计出的监视对象机器2的状态是否为会在规定期间内产生故障的状态(步骤s5)。

在所估计出的监视对象机器2的状态为会在规定期间内产生故障的状态的情况下(步骤s5：是)，故障预知单元122向外部输出故障预知信息(步骤s6)。另一方面，在所估计出的监视对象机器2的状态不为会在规定期间内产生故障的状态的情况下(步骤s5：否)，故障预知单元122向外部输出与所估计出的监视对象机器2的状态对应的机器状态信息(步骤s7)。

即使想要在产业机械3的内部有限的空间内设置直接检测监视对象机器2的状态的传感器、布线，也可能产生由于传感器的尺寸、形状、供电方法、数据发送单元及布线量等的限制而难以设置传感器、布线的情况。

与此相对，根据本实施方式的机器状态监视装置1，能够获取产业机械3的表面3a的物理信息，并根据所获取到的物理信息与同该物理信息对应地设定的产业机械3中内置的监视对象机器2的状态之间的对应关系，来估计产业机械3中内置的监视对象机器2的状态。此外，该对应关系可以基于实测来设定，也可以基于物理计算模型来设定。由此，即使不在产业机械3的内部设置直接检测监视对象机器2的状态的专用的传感器、布线，也能够探测监视对象机器2的状态。

因而，根据本实施方式，不在内置于产业机器3的监视对象机器2中直接设置传感器，而能够监视其状态。

(第一变形例)

接着，说明在对产业机械3的控制中使用机器状态监视装置1的监视结果的第一变形例。图6是示出本实施方式的第一变形例的机器状态监视装置1的框图。在图1的例子中，机器状态监视装置1与产业机械3相独立。

与此相对，第一变形例的机器状态监视装置1的特征在于，在对产业机械3的控制中使用监视对象机器2的监视结果。

具体地说，在图6所示的第一变形例中，机器状态判定单元12将机器状态判定单元12的获取信息输出到用于对产业机械3的动作进行控制的产业机械控制装置5。

产业机械控制装置5基于从机器状态判定单元12输入的机器状态判定单元12的获取信息，来对产业机械3的动作进行控制。例如，在机器状态判定单元12的获取信息为故障信息的情况下，产业机械控制装置5根据故障信息来使产业机械3停止。另外，在机器状态判定单元12的获取信息为故障预知信息的情况下，产业机械控制装置5可以根据故障预知信息来使产业机械3停止，或者也可以根据故障预知信息来限制驱动力、可动范围。

在第一变形例中，也不在内置于产业机械3的监视对象机器2中直接设置传感器而能够对监视对象机器2的状态进行监视。另外，由于能够基于机器状态判定单元12的获取信息来对产业机械3的动作进行控制，因此能够预先防止产业机械3的误动作、或者使产业机械3直到维护时期为止持续进行工作。

(第二变形例)

接着，说明对内置于产业用机器人30a的减速机30b的状态进行监视的第二变形例。图7是示出作为本实施方式的第二变形例的机器状态监视装置1应用于产业用机器人30a的应用例的图。

如图7所示，在第二变形例中，产业机械3是具有至少一个转动轴306～310的产业用机器人30a。更具体地说，产业用机器人30a具有安装部300、第一臂～第五臂301～305以及第一转动轴～第五转动轴306～310。

安装部300设置于地面等的用于安装产业用机器人30a的规定的安装位置p。

第一转动轴306将安装部300与第一臂301的一端连接。第一转动轴306内置有用于将未图示的马达的转动进行减速后输出的第一减速机30b-1，通过被传递从第一减速机30b-1输出的转动，来以平行于图5的z方向(即，铅垂方向)的轴向为中心进行转动。

第一臂301从与安装部300连接的一端向另一端延伸。第一臂301随着位于比第一臂301靠安装位置p侧的位置的第一转动轴306的转动而以第一转动轴306的轴向为中心进行转动。

第二转动轴307将第一臂301的另一端与第二臂302的一端连接。第二转动轴307内置有用于将未图示的马达的转动进行减速后输出的第二减速机30b-2，通过被传递从第二减速机30b-2输出的转动，来以与z方向正交的轴向为中心进行转动。此外，在图5的状态时，第二转动轴307的轴向平行于y方向，但是第二转动轴307的轴向随着比第二转动轴307靠安装位置p侧的具有与第二转动轴307不同的轴向的第一转动轴306的转动而变化。

第二臂302从与第一臂301连接的一端向另一端延伸。第二臂302随着位于比第二臂302靠安装位置p侧的位置的第一转动轴、第二转动轴306、307的转动而以第一转动轴、第二转动轴306、307的轴向为中心进行转动。

第三转动轴308将第二臂302的另一端与第三臂303的一端连接。第三转动轴308内置有用于将未图示的马达的转动进行减速后输出的第三减速机30b-3，通过被传递从第三减速机30b-3输出的转动，来以平行于第二转动轴307的轴向的轴向为中心进行转动。此外，在图5的状态时，第三转动轴308的轴向平行于y方向，但是第三转动轴308的轴向随着比第三转动轴308靠安装位置p侧的具有与第三转动轴308不同的轴向的第一转动轴306的转动而变化。

第三臂303从与第二臂302连接的一端侧向另一端延伸。第三臂303随着位于比第三臂303靠安装位置p侧的位置的第一转动轴～第三转动轴306～308的转动而以第一转动轴～第三转动轴306～308的轴向为中心进行转动。

第四转动轴309将第三臂303的另一端与第四臂304的一端连接。第四转动轴309内置有用于将未图示的马达的转动进行减速后输出的第四减速机30b-4，通过被传递从第四减速机30b-4输出的转动，来以与第一转动轴～第三转动轴306～308的轴向正交的轴向为中心进行转动。此外，在图5的状态时，第四转动轴309的轴向平行于x方向，但是第四转动轴309的轴向随着比第四转动轴309靠安装位置p侧的具有与第四转动轴309不同的轴向的第一转动轴～第三转动轴306～308的转动而变化。

第四臂304从与第三臂303连接的一端向另一端延伸。第四臂304随着位于比第四臂304靠安装位置p侧的位置的第一转动轴～第四转动轴306～309的转动而以第一转动轴～第四转动轴306～309的轴向为中心进行转动。

第五转动轴310将第四臂304的另一端与第五臂305的一端连接。第五转动轴310内置有用于将未图示的马达的转动进行减速后输出的第五减速机30b-5，通过被传递从第五减速机30b-5输出的转动，来以平行于第二转动轴307的轴向为中心进行转动。此外，在图5的状态时，第五转动轴310的轴向平行于y方向，但是第五转动轴310的轴向随着比第五转动轴310靠安装位置p侧的具有与第五转动轴310不同的轴向的第一转动轴、第四转动轴306、309的转动而变化。

第五臂305从与第四臂304连接的一端向另一端延伸。第五臂305随着位于比第五臂305靠安装位置p侧的位置的第一转动轴～第五转动轴306～310的转动而以第一转动轴～第五转动轴306～310的轴向为中心进行转动。

如图7所示，在第二变形例中，在产业用机器人30a的表面3a、具体地说是在第一转动轴、第四转动轴306、309的表面设置有作为热致变色构件的一例的感温涂膜6，该感温涂膜6的颜色根据温度而变化。感温涂膜6是通过在产业机械3的表面涂装感温涂料而形成的膜。此外，感温涂膜6也可以还被设置于第一转动轴306和第四转动轴309以外的转动轴307、308、310的表面、转动轴以外的产业用机器人30a的表面3a。

如图5所示，第二变形例的信息获取单元11具有多个摄像机110，该多个摄像机110用于对设置于产业用机器人30a的表面3a的感温涂膜6进行拍摄。另外，第二变形例的信息获取单元11具有控制装置120，该控制装置120用于基于摄像机110的摄像图像、即感温涂膜6的与温度相应的显色来获取转动轴306、309的表面的温度。根据第二变形例的信息获取单元11，通过基于直接设置于产业用机器人30a的表面3a的感温涂膜6的摄像图像，能够高精度地检测产业用机器人30a的表面3a的温度。

多个摄像机110以与产业用机器人30a的表面3a分离的方式进行配置，并以从侧方和上方包围产业用机器人30a的方式进行配置。通过以包围产业用机器人30a的方式配置摄像机110，能够减少摄像机110的在感温涂膜6即产业用机器人30a的表面3a上的死角。

如图7所示，第二变形例的机器状态监视装置1具备驱动单元7，该驱动单元7用于驱动摄像机110来变更摄像机110的摄像范围。驱动单元7可以具有用于使摄像机110的光轴的方向转动位移的马达等致动器。驱动单元7的动作可以由控制装置120控制。例如，也可以是，在感温涂膜6根据产业用机器人30a的运动而进行了位移的情况下，驱动单元7使各摄像机110以能够追随感温涂膜6的位移来连续地拍摄感温涂膜6的方式进行移动。

控制装置120还作为第二变形例的机器状态判定单元12(即，状态估计单元121和故障预知单元122)发挥功能。控制装置120基于从感温涂膜6的摄像图像获取到的产业用机器人30a的表面3a的温度，来判定内置于产业用机器人30a的减速机30b是否为规定的状态、例如异常状态或会在规定期间内产生故障的状态。

在图7的例子中，控制装置120基于第一转动轴306的表面的温度，来判定内置于第一转动轴306的第一减速机30b-1是否为规定的状态。另外，控制装置120基于第四转动轴309的表面的温度，来判定内置于第四转动轴309的第四减速机30b-4是否为规定的状态。

(动作例)

接着，对第二变形例的机器状态监视装置1的动作例进行说明。图8是示出第二变形例的机器状态监视装置1的动作例的流程图。机器状态监视装置1在产业用机器人30a进行动作的期间持续地进行图8的流程图的处理。此外，根据需要反复执行该流程图。

如图8所示，在第二变形例中，作为图5中说明的获取产业机械3的表面3a的物理信息的获取工序(步骤s1)，执行步骤s11和步骤s12。具体地说，首先，摄像机110获取设置于产业用机器人30a的表面3a的感温涂膜6的摄像图像(步骤s11)。在获取到感温涂膜6的摄像图像之后，控制装置120基于获取到的感温涂膜6的摄像图像，来测定产业用机器人30a的表面3a的温度分布(步骤s12)。

接着，估计与测定出的感温涂膜6的温度分布的位置对应的减速机的状态(步骤21)。在估计出减速机的状态之后，控制装置120判定所估计出的减速机的状态是否为异常状态(步骤s3)。即，控制装置120基于将规定位置处的产业用机器人30a的表面3a的温度与用于判定是否存在异常状态的判定阈值(异常判定阈值)进行比较的结果，来判定与规定位置对应的减速机是否为异常状态。具体地说，控制装置120判定设置有感温涂膜6的第一转动轴306及第四转动轴309的表面的温度是否超过规定的阈值。

在此，异常状态例如为内置于第一旋转转动轴306的第一减速机30b-1、内置于第四旋转转动轴309的第四减速机30b-4的故障状态。

此外，异常判定阈值不限定于温度，根据由信息获取单元11获取的物理信息而不同。另外，作为异常状态的判定基准的一例的“物理信息超过异常判定阈值的状态”包括如已经记述的温度那样物理信息其自身的值超过异常判定阈值的情况、以及为了进行异常判定而根据物理信息计算出的值超过异常判定阈值的情况这两者(以下相同)。

在所估计出的减速机的状态为异常状态的情况下(步骤s3：是)，控制装置120向外部输出异常发生信息(步骤s4)。

另一方面，在所估计出的减速机的状态不为异常状态的情况下(步骤s3：否)，控制装置120判定所估计出的减速机的状态是否为会在规定期间内产生故障的状态(步骤s5)。

图9是用于说明本实施方式的第二变形例的机器状态监视装置1的动作例中的故障预知工序的说明图。例如图9所示，控制装置120可以基于将规定位置处的产业用机器人30a的表面3a的温度与故障预知判定阈值进行比较的结果，来进行是否为会在规定期间内产生故障的状态的判定(步骤s5)。在该情况下，也可以是，在规定位置处的产业用机器人30a的表面3a的温度超过故障预知判定阈值的情况下，控制装置120判定为会在规定期间内产生故障的状态。

具体地说，在图9的例子中，控制装置120将规定位置处的产业用机器人表面的温度的经时变化与同规定位置关联的减速机产生故障的故障温度(故障预知判定阈值)进行比较。温度的经时变化的具体的获取方法没有特别限定，例如可以使用基于直到当前的判定时刻t2为止所获取到的温度的回归分析等。在图9的例子中，温度的经时变化被获取为时刻的一次函数，但是也可以被获取为一次函数以外的函数。在温度的经时变化与故障温度的比较中，控制装置120基于温度的经时变化，来计算预测产业用机器人表面的温度变为故障温度的时刻t3与当前的判定时刻t2之间的时间，并将该时间设为规定期间。即，在从当前的判定时刻t2起经过规定期间后的时刻t3时温度的经时变化超过故障温度的情况下，控制装置120判定为减速机会在规定期间内产生故障的状态。

此外，故障预知判定阈值不限定于温度，根据由信息获取单元11获取的物理信息而不同。另外，作为故障预知的判定基准的一例的“物理信息超过故障预知判定阈值的状态”包括物理信息其自身的值超过故障预知判定阈值的情况、以及如已经记述的根据产业用机器人30a的表面的温度计算出的温度那样为了进行故障预知判定而根据物理信息计算出的值超过故障预知判定阈值的情况这两者(以下相同)。

在所估计出的减速机的状态为会在规定期间内产生故障的状态的情况下(步骤s5：是)，控制装置120向外部输出故障预知信息(步骤s6)。

另一方面，在所估计出的减速机的状态不为会在规定期间内产生故障的状态的情况下(步骤s5：否)，控制装置120向外部输出与所估计出的减速机的状态对应的减速机30b-1、30b-4的机器状态信息(步骤s71)。

根据第二变形例，通过在离减速机30b-1、30b-4最近的转动轴306、309的表面设置感温涂膜6，并基于感温涂膜6的摄像图像来获取转动轴306、309的表面的温度，不在减速机中直接设置传感器而能够基于温度来掌握减速机30b-1、30b-4的状态。

(第三变形例)

接着，说明在故障预知中使用预先获取的故障时的物理信息的经时变化的信息的第三变形例。图10是用于说明本实施方式的第三变形例的机器状态监视装置1的动作例中的故障预知工序的说明图。

在第二变形例的图9中，说明了基于产业用机器人表面的温度是否超过故障温度来进行故障预知判定的例子。

与此相对，在第三变形例中，控制装置120如图10所示那样将产业用机器人表面的温度的经时变化(下面也称为获取经时信息)与预先获取的故障时的产业用机器人表面的温度的经时变化(下面也称为故障时经时信息)进行比较，来计算两个经时信息的一致度。然后，在计算出的一致度超过故障预知判定阈值的情况下，控制装置120判定为所估计出的减速机的状态为会在规定期间内产生故障的状态。

更具体地说，故障时经时信息是预先通过实验、模拟来获取到的信息，如图10所示那样具有以产业机械3的起动时刻为起点的减速机的故障时刻t2的信息。在产业机械3起动后，在从故障时刻t2往前规定期间的判定时刻t1，控制装置120计算获取经时信息与故障经时信息的一致度，并基于计算出的一致度与故障预知判定阈值的比较来进行判定。

关于获取经时信息与故障时经时信息的一致度，只要判定时刻t1之前的获取经时信息与故障时经时信息之差(即，温度差)越小则该一致度的值越大即可，具体的方式没有特别限定。例如，一致度也可以是与判定时刻t1之前的获取经时信息同故障时经时信息之差的平均值的倒数成比例的值。

根据第三变形例，通过获取经时信息与故障时经时信息的比较，即使在不对减速机设置传感器并且通过一次函数或其它函数无法简单地预测故障的情况下，也能够预知故障。

(第四变形例)

接着，说明通过与预先获取到的监视对象机器2为规定的状态(不限于故障状态)时的物理信息之间的比较来估计监视对象机器2的状态的第四变形例。图11是用于说明本实施方式的第四变形例的机器状态监视装置1的动作例中的估计监视对象机器2的状态的估计工序的说明图。

如图11所示，在第四变形例中，机器状态判定单元12预先获取到监视对象机器2处于规定的状态(不限于故障状态)时的第一物理信息。在图11的例子中，第一物理信息是表示物理信息的与时刻相应的变化的经时信息。经时信息例如可以通过预先进行的实验、模拟来获取。另外，经时信息也可以根据产业用机器人30a的使用环境、使用期间等条件而不同。

机器状态判定单元12将由信息获取单元11获取到的第二物理信息与第一物理信息进行比较。而且，在第二物理信息与第一物理信息一致的情况下，机器状态判定单元12判定为监视对象机器2为规定的状态(不限于故障状态)。一致不限定于严格一致，可以还包括第二物理信息相对于第一物理信息的误差为阈值以下的情况(即，一致度超过阈值的情况)。另一方面，在第二物理信息与第一物理信息不一致的情况下，机器状态判定单元12判定为监视对象机器2不为规定的状态。

根据第四变形例，通过将由信息获取单元11获取到的第二物理信息与监视对象机器2为规定的状态(不限于故障状态)时的已知的第一物理信息进行比较，能够简单地估计监视对象机器2是否为规定的状态(不限于故障状态)。

(第五变形例)

接着，说明如下的第五变形例：根据过去的产业机械3的维护历史记录、监视对象机器2的状态历史记录、故障历史记录、维护历史记录来生成用于预知故障的计算模型，并基于该计算模型来进行故障预知。图12是用于说明本实施方式的第五变形例的机器状态监视装置1的动作例中的故障预知工序的说明图。

故障预知单元122基于状态判定模型来判定是否为会在规定期间内产生故障的状态，其中，该状态判定模型是根据基于获取到的物理信息判定内置物体的状态所得到的结果即历史记录信息生成的模型。

具体地说，故障预知单元122具有历史记录数据库1223，该历史记录数据库1223保存至少包括对产业机械3进行了维护的时期的历史记录信息即产业机械3的维护历史记录、至少将监视对象机器2的状态与变为该状态的时期相对应地作为历史记录信息来保持的监视对象机器2的状态历史记录、至少包括监视对象机器2产生了故障的时期的历史记录信息即监视对象机器2的故障历史记录、以及至少包括对监视对象机器2进行了维护的时期的历史记录信息即监视对象机器2的维护历史记录。

此外，如果在历史记录数据库1223中存在这些历史记录中的全部历史记录，则能够进行更高精度的故障预知，但是并不需要必须保持所有的历史记录，只要存在至少一个历史记录即可。另外，保持的期间越长，则能够进行精度越高的故障预知，但是根据与监视对象机器2的产品寿命、监视对象机器2的故障频度之间的关系、保存历史记录数据库的存储单元(未图示)的容量来适当地决定即可。

此外，在本变形例中，将存储单元与用于估计监视对象机器2的状态的状态估计单元1221以物理方式一体地设置，但是通过经由因特网等通信线路使用云端上等的服务器等外部存储单元来作为存储单元，存储容量的问题实际上被消除。

并且，故障预知单元122具有模型生成单元1224，该模型生成单元1224用于根据历史记录数据库1223中存储的各种历史记录来生成用于预知故障的计算模型。模型生成单元1224例如以最适合于在监视对象机器2的状态历史记录和监视对象机器2的故障历史记录中存储的时间变化的方式，通过众知的模型化方法来生成用于预知故障的计算模型。

此时，模型生成单元1224也可以设置两个以上的用于预知故障的计算模型。例如可以设置正常状态模型生成单元12241和故障状态模型生成单元12242，其中，正常状态模型生成单元12241使用监视对象机器2的状态历史记录中的在规定期间内没有产生故障时的历史记录信息，来生成正常状态的计算模型，故障状态模型生成单元12242使用监视对象机器2的状态历史记录中的在规定期间内产生了故障时的历史记录信息，来生成故障状态的计算模型。还可以基于正常状态、故障状态判断的可靠性来设置三个以上的多个计算模型。由此，能够进行可靠性更高的判断。

例如，在从状态估计单元1221输入的监视对象机器2的状态相比于正常状态模型而言更类似于故障状态模型时，故障预知单元122判定为会在规定期间内产生故障的状态。

此外，在本变形例中，将模型生成单元12241与故障预知运算单元1222等以物理方式一体地设置，但是不限于此，例如也可以经由因特网等通信线路在云端上等的服务器等中生成计算模型。在该情况下，与嵌入机器相比，具有计算速度比较快、易于事后变更模型生成算法等优点。

由模型生成单元1224生成的计算模型被发送到故障预知运算单元1222。而且，对该模型输入由状态估计单元1221估计出的信息即估计信息，并基于其运算结果来进行故障预知。

此时，在存在多个计算模型的情况下，分别被输入由状态估计单元1221估计出的相同的信息，基于它们的运算结果，基于预先决定的评价基准来进行故障预知。

此外，在本变形例中，将故障预知运算单元1222与状态估计单元1221等以物理方式一体地设置，但是不限于此，例如也可以经由因特网等通信线路在云端上等的服务器等中进行运算。在该情况下，与嵌入机器相比，具有计算速度比较快、易于事后变更预先决定的评价基准等优点。

(第六变形例)

接着，作为第六变形例，说明在产业用机器人30a以外的产业机械3中应用机器状态监视装置1的应用例。图13是示出作为本实施方式的第五变形例的机器状态监视装置1应用于工程机械用行走马达30e的应用例的图。图14是示出作为本实施方式的第六变形例的机器状态监视装置1应用于自动门30i的应用例的图。

在图13的例子中，机器状态监视装置1的信息获取单元11(未图示)基于由设置于工程机械30d的摄像机110拍摄到的工程机械用行走马达30d1的摄像图像，来获取在工程机械用行走马达30d1的外部出现的物理信息(例如工程机械用行走马达30d1的表面的变形、振动等)。而且，机器状态监视装置1的机器状态判定单元12基于获取到的物理信息，来进行内置于工程机械用行走马达30d1中的监视对象机器2(例如行星齿轮等)的状态的判定(例如异常判定、故障预知判定)。

在图14的例子中，机器状态监视装置1的信息获取单元11(未图示)基于由设置于自动门30i附近(例如天花板)的摄像机110拍摄到的自动门30i的横档部的摄像图像，来获取自动门30i的横档部的表面的物理信息(例如以感温涂膜6的显色的形式出现的温度)。而且，机器状态监视装置1的机器状态判定单元12基于获取到的物理信息，来进行内置于横档部的电动马达30i1的状态的判定(例如异常判定、故障预知判定)。

在图15的例子中，机器状态监视装置1的信息获取单元11(未图示)基于由在风力发电用的风车30j附近飞行的搭载有摄像机110的无人驾驶飞机dr(drone)拍摄到的风车30j的发动机舱的摄像图像，来获取风车30j的发动机舱表面的物理信息(例如，以感温涂膜6的显色的形式出现的温度)。而且，机器状态监视装置1的机器状态判定单元12基于获取到的物理信息，来进行内置于发动机舱内部的增速机30j1、驱动马达30j2的状态的判定(例如异常判定、故障预知判定)。

在图16的例子中，机器状态监视装置1的信息获取单元11(未图示)基于由在太阳能热发电用定日镜30k附近飞行的搭载有摄像机110的无人驾驶车辆dr(drone)拍摄到的定日镜30k的驱动装置的摄像图像，来获取定日镜30k的驱动装置表面的物理信息(例如，以感温涂膜6的显色的形式出现的温度)。而且，机器状态监视装置1的机器状态判定单元12基于获取到的物理信息，来进行减速机30k1、用于驱动减速机的电动马达30k2的状态的判定(例如异常判定、故障预知判定)。

根据第六变形例，通过将机器状态监视装置1应用于各种产业机械3，能够提高机器状态监视装置1的通用性。

(第七变形例)

接着，说明基于多个物理信息来判定监视对象机器2的状态的第六变形例。

图17是示出本实施方式的第七变形例的机器状态监视装置1中的机器状态判定单元12的详细内容的框图。如图17所示，在第七变形例中，信息获取单元11能够获取在产业机械3的外部出现的产业机械3的多个物理信息#1～#n(n为2以上的自然数，以下相同)。多个物理信息#1～#n的具体方式没有特别限定，例如可以是从温度、位置、变形、位移、振动、声波的反射率、超声波的反射率、红外光的反射率、其它光的反射率、电磁波吸收率、色相、明度、彩度、水分量、油分量、声音、气味、x射线等放射线的强度、电磁波的强度、超声波的强度以及排放气体等排出物中选择的两种以上的组合。用于获取这些物理信息的信息获取单元11的具体方式如已经例示的那样。

(状态估计单元121)

在获取到多个物理信息#1～#n的情况下，状态估计单元121基于获取到的多个物理信息#1～#n来估计监视对象机器2的状态。并且，状态估计单元121判定所估计出的监视对象机器2的状态是否为规定的状态、例如异常状态或会在规定期间内产生故障的状态。

状态估计单元121基于将获取到的多个物理信息#1～#n中的各个物理信息与对应的异常判定阈值(下面也称为个别异常判定阈值)进行比较的结果，来判定监视对象机器2的状态是否为异常状态。另外，状态估计单元121基于将获取到的多个物理信息#1～#n的组合与对应的异常判定阈值集合进行比较的结果，来判定监视对象机器2的状态是否为异常状态。

个别异常判定阈值是指能够基于多个物理信息#1～#n中的各个物理信息的值来判定监视对象机器2的状态是否为异常状态的阈值。个别异常判定阈值例如是比物理信息的规定的阈值高的值。也可以是，如果至少一个物理信息超过对应的个别异常判定阈值，则状态估计单元121判定为监视对象机器2的状态为异常状态。

异常判定阈值集合是指能够基于多个物理信息#1～#n的组合来判定监视对象机器2的状态是否为异常状态的阈值。异常判定阈值集合例如可以是比针对多个物理信息#1～#n中的各个物理信息的个别异常判定阈值低的阈值的组合。另外，构成异常判定阈值集合的阈值的个数可以少于所测量出的物理信息的个数，也可以为一个。

也可以是，状态估计单元121在基于个别异常判定阈值的异常判定中判定为不为异常状态的情况下，进行基于异常判定阈值集合的异常判定。另外，根据监视对象机器2的状态，也进行基于异常判定阈值集合的异常判定，来取代基于个别异常判定阈值的异常判定。例如，在已经记述的多个物理信息#1～#n之间成立的相关关系的情况那样监视对象机器2的状态不适合于使用个别异常判定阈值进行的异常判定的情况下，也可以进行仅基于异常判定阈值集合的异常判定。

存在如下一种情况：虽然在对物理信息#1～#n进行个别判断的情况下由于没有超过个别异常判定阈值而不能判断为异常状态，但是在将多个物理信息#1～#n作为组合来进行综合判断的情况下应判断为异常状态。例如存在如下一种情况：在多个物理信息#1～#n全部示出虽不超过个别异常判定阈值但接近个别异常判定阈值的情况下，从整体来看应判断为异常状态。另外，根据监视对象机器2的状态，相比于基于物理信息#1～#n的个别判断来进行异常判定的情况而言，有时基于物理信息#1～#n的组合的综合判断来进行异常判定的方法更适合作为判定监视对象机器2的状态的判定方法。根据第五变形例，通过进行基于个别异常判定阈值和异常判定阈值集合这两者的异常判定，能够适当地探测异常状态。

状态估计单元121在判断为监视对象机器2的状态为异常状态的情况下，向外部的服务器4输出异常发生信息。

(故障预知单元122)

故障预知单元122基于将获取到的多个物理信息#1～#n中的各个物理信息与对应的故障预知判定阈值(下面也称为个别预知判定阈值)进行比较的结果，来判定监视对象机器2的状态是否为会在规定期间内产生故障的状态。另外，故障预知单元122基于将获取到的多个物理信息#1～#n的组合与对应的故障预知判定阈值集合进行比较的结果，来判定监视对象机器2的状态是否为会在规定期间内产生故障的状态。

个别预知判定阈值是指能够基于多个物理信息#1～#n中的各个物理信息的值来判定监视对象机器2的状态是否为会在规定期间内产生故障的状态的阈值。个别预知判定阈值例如可以是图9的例子中说明的故障温度、图10的例子中说明的经时信息的一致度的阈值。也可以是，在至少一个物理信息通过与个别预知判定阈值的比较而被判断为超过个别预知判定阈值的情况下，故障预知单元122判定为监视对象机器2的状态为会在规定期间内产生故障的状态。

故障预知判定阈值集合是指能够基于多个物理信息#1～#n的组合来判定监视对象机器2的状态是否为会在规定期间内产生故障的状态的阈值。故障预知判定阈值集合例如可以是比与多个物理信息#1～#n中的各个物理信息对应的个别预知判定阈值低的阈值的组合。另外，根据监视对象机器2的状态，构成故障预知判定阈值集合的阈值的个数可以少于物理信息的个数，也可以为一个。

也可以是，在基于个别预知判定阈值的故障预知判定中判定为不为会在规定期间内产生故障的状态的情况下，故障预知单元122进行基于故障预知判定阈值集合的故障预知判定。另外，也可以是，在由状态估计单元121判定为不为异常状态的情况下，故障预知单元122进行故障预知判定。另外，根据监视对象机器2的状态，也可以进行基于故障预知判定阈值集合的故障预知判定，来取代基于个别预知判定阈值的故障预知判定。

存在如下一种情况：虽然在对多个物理信息#1～#n进行个别判断的情况下由于没有超过个别预知判定阈值而预知不到故障，但是在将多个物理信息#1～#n作为组合来进行综合判断的情况下能够判断为出现故障的征兆。另外，根据监视对象机器2的状态，相比于基于物理信息#1～#n的个别判断来进行故障预知判定的情况而言，有时基于物理信息#1～#n的组合来进行综合判断的方法更适合作为判定监视对象机器2的状态的判定方法。根据第七变形例，通过基于个别预知判定阈值和故障预知判定阈值集合这两者，能够适当地预知将来的故障。

(动作例)

接着，说明第七变形例的机器状态监视装置1的动作例。图18是示出本实施方式的第七变形例的机器状态监视装置1的动作例的流程图。

如图18所示，首先，信息获取单元11获取在产业机械3的外部出现的物理信息(步骤s1)。在获取到物理信息之后，信息获取单元11判定所获取到的物理信息是否只有一个(即，一个种类)(步骤s8)。

在获取到的物理信息只有一个的情况下(步骤s8：是)，信息获取单元11根据获取到的物理信息来估计监视对象机器2的状态(步骤s201)。

接着，状态估计单元121判定物理信息是否超过异常判定阈值(步骤s31)。

在超过异常判定阈值的情况下(步骤s31：是)，状态估计单元121判断为监视对象机器2的状态为异常状态，向外部输出异常发生信息(步骤s4)。另一方面，在没有超过异常判定阈值的情况下(步骤s31：否)，状态估计单元121判断为监视对象机器2的状态不为异常状态。

在判断为监视对象机器2的状态不为异常状态的情况下，故障预知单元122判定物理信息是否超过故障预知判定阈值(步骤s51)。

在超过故障预知判定阈值的情况下(步骤s51：是)，故障预知单元122判断为监视对象机器2的状态为会在规定期间内产生故障的状态(即，预知到故障)，向外部输出故障预知信息(步骤s6)。

另一方面，在没有超过故障预知判定阈值的情况下(步骤s51：否)，故障预知单元122向外部输出与所估计出的状态对应的机器状态信息(步骤s7)。

图19是示出继图18之后的本实施方式的第七变形例的机器状态监视装置1的动作例的流程图。

在获取到的物理信息不只一个的情况下(图18的步骤s8：否)，信息获取单元11根据获取到的多个物理信息来估计监视对象机器2的状态(步骤s203)。

接着，状态估计单元121判定是否多个物理信息#1～#n中的至少一个物理信息超过个别异常判定阈值(步骤s32)。

在超过个别异常判定阈值的情况下(步骤s32：是)，状态估计单元121判断为监视对象机器2的状态为异常状态，向外部输出异常发生信息(步骤s41)。另一方面，在没有超过个别异常判定阈值的情况下(步骤s32：否)，状态估计单元121判定是否多个物理信息#1～#n超过异常判定阈值集合(步骤s33)。

在超过异常判定阈值集合的情况下(步骤s33：是)，状态估计单元121判断为监视对象机器2的状态为异常状态，向外部输出异常发生信息(步骤s41)。另一方面，在没有超过异常判定阈值集合的情况下(步骤s33：否)，状态估计单元121判断为监视对象机器2的状态不为异常状态。

在判断为监视对象机器2的状态不为异常状态的情况下，故障预知单元122判定是否多个物理信息#1～#n中的至少一个物理信息超过个别预知判定阈值(步骤s52)。

在超过个别预知判定阈值的情况下(步骤s52：是)，故障预知单元122判断为监视对象机器2的状态为会在规定期间内产生故障的状态(即，预知到故障)，向外部输出故障预知信息(步骤s61)。

另一方面，在没有超过个别预知判定阈值的情况下(步骤s53：否)，故障预知单元122判定是否多个物理信息#1～#n超过故障预知判定阈值集合(步骤s53)。

在超过故障预知判定阈值集合的情况下(步骤s53：是)，故障预知单元122判断为监视对象机器2的状态为会在规定期间内产生故障的状态，向外部输出故障预知信息(步骤s61)。另一方面，在没有超过故障预知判定阈值集合的情况下(步骤s53：否)，故障预知单元122判断为监视对象机器2的状态不为会在规定期间内产生故障的状态，向外部输出与监视对象机器2的状态对应的机器状态信息(步骤s72)。

图20是用于说明本实施方式的第七变形例的机器状态监视装置1的动作例中的基于多个物理信息的组合进行的故障预知工序的说明图。在图20中，作为将物理信息#1～#3中的各个物理信息与对应的个别预知判定阈值进行比较的结果，示出了物理信息#1～#3中的各个物理信息的经时信息的一致度与个别预知判定阈值的大小关系。另外，在图20中，作为将物理信息#1～#3的组合与对应的故障预知判定阈值集合进行比较的结果，示出了物理信息#1～#3中的各个物理信息的经时信息的一致度与故障预知判定阈值集合的大小关系。

在图20的例子中，物理信息#1～#3中的各个物理信息的经时信息的一致度均小于对应的个别预知判定阈值。因此，在图20的例子中，在图19所示的基于与个别预知判定阈值的比较进行的故障预知判定(步骤s52)中得到否定的判定结果。另一方面，在图19的例子中，物理信息#1～#3中的各个物理信息的经时信息的一致度的组合大于故障预知判定阈值集合。因此，在图19的例子中，在图18所示的基于与故障预知判定阈值集合的比较进行的故障预知判定(步骤s53)中得到肯定的判定结果。即，在图19的例子中，判定为会在规定期间内产生故障的状态。

根据第七变形例，通过基于个别异常判定阈值和异常判定阈值集合这两者，能够适当地探测异常状态。另外，通过基于个别预知判定阈值和故障预知判定阈值集合这两者，能够适当地预知将来的故障。

(第八变形例)

接着，说明以监视对象机器2的动作开始时即起动时的状态为基准来判定监视对象机器2的状态的第八变形例。在此，动作开始时例如是指在夜间使监视对象机器2的动作停止并在翌日早上使动作再开始之时。图21是用于说明本实施方式的第八变形例的机器状态监视装置1的动作例中的判定监视对象机器2的状态的判定工序的说明图。

在第八变形例中，信息获取单元11获取第一转动轴～第三转动轴306～308的表面的位移(参照图21)来作为产业用机器人30a的表面3a的物理信息。获取第一转动轴～第三转动轴306～308的表面的位移的具体的获取方法没有特别限定。例如，信息获取单元11可以基于由摄像机110对设置于第一转动轴～第三转动轴306～308的表面上的特定位置处的标记进行拍摄得到的摄像图像，来将标记的轨迹获取为转动轴306～308的表面的位移。

信息获取单元11在产业用机器人30a起动时和机器状态判定时这两个时间获取第一转动轴～第三转动轴306～308的表面的位移。在起动时和判定时这两个时间，控制装置120向产业用机器人30a输入相同的动作指令，信息获取单元11获取在相同的动作指令下进行动作的产业用机器人30a的第一转动轴～第三转动轴306～308的表面的位移。

控制装置120针对第一转动轴～第三转动轴306～308中的各个转动轴，计算起动时的表面的位移与判定时的表面的位移的误差(下面也称为位移误差)。位移误差的具体方式没有特别限定，例如可以是在上述的相同的动作指令下进行了动作时的总位移量(例如标记的移动距离)的差。控制装置120基于计算出的位移误差与阈值的比较结果，来判定在第一转动轴～第三转动轴306～308中各自内置的第一减速机～第三减速机30b-1～3b-3是否为异常状态。在位移误差超过阈值的情况下，控制装置120判定为减速机30b-1～3b-3为异常状态。

在是否存在异常状态的判定中，控制装置120也可以进行考虑到被获取位移的表面的位置的判定。例如，在图21的例子中，第三转动轴308被配置于离安装位置p的距离比第一转动306及第二转动轴307离安装位置p的距离远的位置。因此，第三转动轴308的位移误差由于被加上第一转动轴、第二转动轴306、307的位移误差而可能大于第一转动轴、第二转动轴306、307的位移误差。因而，判定是否存在异常状态时的第三转动轴308的位移误差的阈值也可以大于针对第一转动轴306和第二转动轴307的位移误差的阈值。由此，能够高精度地判定内置于第三转动轴308的第三减速机30b-3的状态。

根据第八变形例，以起动时的状态为基准来判定减速机30b是否为异常状态，能够减少因季节、温度等使用环境的差异而产生的物理信息的误差等干扰的影响，从而能够提高减速机30b的状态的判定精度。此外，在上述中说明了异常状态的判定，但是会在规定期间内产生故障的状态的判定也同样。

另外，也可以是，控制装置120以产业用机器人30a的设置时的减速机30b的状态为基准来判定减速机30b是否为规定的状态。通过以设置时的状态为基准，能够掌握因经年劣化而更换减速机30b的更换时机。

(第九变形例)

接着，作为第九变形例，说明具备机器状态监视装置1的动作确认装置的例子。图22是示出本实施方式的第九变形例的动作确认装置10的图。

动作确认装置10具备机器状态监视装置1和计算机8。动作确认装置10用于在计算机8的存储区域81上的虚拟空间内确认产业用机器人30a的动作。在图22的例子中，动作确认装置10在虚拟空间内确认以构成生产线的方式排列在实际空间中的多个产业用机器人30a的动作。在图22的例子中，针对每个产业用机器人30a逐一设置有机器状态监视装置1，但是机器状态监视装置1的个数也可以未必与产业用机器人0的个数一致。例如，也可以由一个机器状态监视装置1监视多个产业用机器人30a的状态。

动作确认装置10具有输入单元82。输入单元82将由机器状态监视装置1获取到的信息作为与产业用机器人30a的状态有关的信息输入到存储区域81。由机器状态监视装置1获取到的信息例如是已经记述的机器状态判定单元12的获取信息(即，异常发生信息、故障预知信息、机器状态信息)。在由机器状态监视装置1获取到的信息中可以包括由信息获取单元11获取到的物理信息。输入单元82例如可以为cpu等。输入单元82可以从机器状态监视装置1定期地获取并输入信息。

根据第九变形例，能够在虚拟空间上确认实际空间中的产业用机器人30a的最新的动作状态。由此，能够在虚拟空间上模拟实际空间中的产业机器人3a的动作，另外，还能够将在虚拟空间上进行了工序变更时的模拟结果反映到实际空间中。

(第十变形例)

接着，说明使用机器状态监视装置1来对内置于土木/建筑构造物30l中的监视对象物20的状态进行监视的第十变形例。图23是示出本实施方式的第十变形例的机器状态监视装置1的框图。在图23的例子中，机器状态监视装置1与土木/建筑构造物30l相独立。

作为土木/建筑构造物30l，能够列举风力发电用的风车、太阳能热发电用塔的定日镜、高架道路、桥梁、大厦等。作为监视对象物20，能够列举设置于土木/建筑构造物30l的内部的钢架或钢筋等构造构件、设置于该内部的螺栓等紧固构件、嵌入于内部的上下水管道或电气布线用的各种配管。并且，作为监视对象物20，能够列举风力发电用的风车、太阳能热发电用塔、高架道路、桥梁、大厦等混凝土制造的土木或建筑构造物的该混凝土内部的部分。

另外，作为土木/建筑构造物30l，还能够列举道路、人行道，作为监视对象物20，还能够列举在道路、人行道下埋设的共用沟、自来水管道、燃气管道等或其连接部分。

关于其它，由于与本实施方式或本实施方式的其它变形例相同，因此省略说明。

在上述的实施方式和各变形例中，主要对状态监视进行了说明，但是不限定于此，也可以根据需要在任意的时机仅在任意的期间确认监视对象机器2的状态。在该情况下，也可以在任意的时机仅在任意的期间由信息获取单元11获取物理信息，另外，还可以是，由信息获取单元11连续地获取物理信息，并由机器状态判定单元12在任意的时机在任意的期间进行判定。

关于上述的实施方式和各变形例，也可以将它们适当地进行组合，只要没有特别指出，则上述的实施方式和各变形例中说明的各个结构可以分别任意地进行组合或将一部分删除。

本发明的方式不限定于上述的实施方式，还包括本领域技术人员能够想到的各种变形，本发明的效果也不限定于上述的内容。即，能够在不脱离根据权利要求书规定的内容及其等同物导出的本发明的概念性思想和主旨的范围内进行各种追加、变更以及部分删除。