特開 2019-213847 コントローラ、コントローラの制御方法、学習装置、およびプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】特開2019-213847(P2019-213847A)

(43)【公開日】2019年12月19日

(54)【発明の名称】コントローラ、コントローラの制御方法、学習装置、およびプログラム

(51)【国際特許分類】

   A61M 5/142 20060101AFI20191122BHJP

   F04C 5/00 20060101ALI20191122BHJP

【ＦＩ】

   A61M5/142 502

   F04C5/00 341N

【審査請求】未請求

【請求項の数】12

【出願形態】ＯＬ

【全頁数】24

(21)【出願番号】特願2019-86497(P2019-86497)

(22)【出願日】2019年4月26日

(31)【優先権主張番号】特願2018-110610(P2018-110610)

(32)【優先日】2018年6月8日

(33)【優先権主張国】JP

(71)【出願人】

【識別番号】000002945

【氏名又は名称】オムロン株式会社

(74)【代理人】

【識別番号】100155712

【弁理士】

【氏名又は名称】村上 尚

(72)【発明者】

【氏名】宇治田 康浩

(72)【発明者】

【氏名】白水 岳

(72)【発明者】

【氏名】松山 貴佳

【テーマコード（参考）】

4C066

【Ｆターム（参考）】

4C066AA07

4C066BB01

4C066CC01

4C066DD16

4C066EE12

4C066FF01

4C066QQ78

4C066QQ85

4C066QQ92

(57)【要約】      （修正有）

【課題】段取り替え時の輸液チューブの正誤判定を効率良く行う輸液装置を提供する。
【解決手段】輸液装置１０の輸液チューブ２０を順次圧縮および弛緩する作動部１２を駆動する駆動モータのモータ軸情報を取得し、前記モータ軸情報に基づいて、前記輸液チューブの正誤判定を行う。
【選択図】図１

【特許請求の範囲】

【請求項1】

輸液装置の各部を制御する制御部を備えたコントローラにおいて、
前記制御部は、
前記輸液装置の輸液チューブを順次圧縮および弛緩する作動部を駆動する駆動モータのモータ軸の動作状態を示すモータ軸情報を取得し、前記モータ軸情報に基づいて、前記輸液チューブの正誤判定を行うことを特徴とするコントローラ。

【請求項2】

前記制御部は、
前記モータ軸情報を参照して、前記駆動モータの駆動状態が所定の状態の期間における特徴量を算出し、当該特徴量に基づいて、前記輸液チューブの正誤判定を行うことを特徴とする請求項１に記載のコントローラ。

【請求項3】

前記制御部は、
前記モータ軸情報を参照し、
前記駆動モータのモータ軸の回転速度が所定値以上の期間における、前記駆動モータのモータ軸のトルク値に基づいて、前記輸液チューブの正誤判定を行うことを特徴とする請求項１または２に記載のコントローラ。

【請求項4】

前記制御部は、
前記駆動モータのモータ軸情報が機械学習により学習された学習済みモデルを用いて、前記輸液チューブの正誤判定を行うことを特徴とする請求項１から３の何れか一項に記載のコントローラ。

【請求項5】

前記輸液装置では、種類の異なる複数の前記輸液チューブが使用可能であり、
前記制御部は、
前記駆動モータのモータ軸情報に基づいて、使用されている前記輸液チューブの種類を判定することを特徴とする請求項１から４の何れか一項に記載のコントローラ。

【請求項6】

前記制御部は、
使用されている前記輸液チューブの径を判定することを特徴とする請求項５に記載のコントローラ。

【請求項7】

前記輸液装置は、ペリスタルティックポンプであることを特徴とする請求項１から６の何れか一項に記載のコントローラ。

【請求項8】

輸液装置の各部を制御するコントローラの制御方法において、
前記輸液装置の輸液チューブを順次圧縮および弛緩する作動部を駆動する駆動モータを制御し、
前記駆動モータのモータ軸情報に基づいて、前記輸液チューブの正誤判定を行うことを特徴とするコントローラの制御方法。

【請求項9】

請求項４に記載のコントローラから前記モータ軸情報を取得し、機械学習によって、前記輸液チューブに対する前記モータ軸情報の学習済モデルを生成し、生成した前記学習済モデルを、前記コントローラに転送することを特徴とする学習装置。

【請求項10】

請求項１に記載のコントローラとしてコンピュータを機能させるためのプログラムであって、前記制御部としてコンピュータを機能させるためのプログラム。

【請求項11】

請求項９に記載の学習装置としてコンピュータを機能させるためのプログラム。

【請求項12】

請求項１から７の何れか一項に記載のコントローラと、
前記輸液装置の輸液チューブを順次圧縮および弛緩する作動部を駆動する駆動モータと、
前記駆動モータの駆動を制御するモータ制御部と、を備え、
前記制御部は、前記駆動モータのモータ軸の動作状態を示すモータ軸情報を前記モータ制御部から取得し、前記モータ軸情報に基づいて、前記輸液チューブの正誤判定を行うことを特徴とする輸液システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、コントローラ、コントローラの制御方法、学習装置、およびプログラムに関する。

【背景技術】

【0002】

従来、輸液チューブを圧縮および弛緩することで、輸液チューブ内の薬液を輸液し、バイアルビン等の充填容器に充填する輸液装置が知られている（例えば、特許文献１参照）。

【0003】

また、これらの輸液装置において、輸液チューブの閉塞検知を行う技術が知られている（例えば、特許文献２参照）。特許文献２に記載の技術では、輸液チューブ内の薬液中を伝播して超音波センサによって受信された超音波の受信信号の感度に基づいて、輸液チューブが閉塞しているか否かを検知している。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開平９−２６２２８３号公報（１９９７年１０月７日公開）

【特許文献2】特開２０１６−２１４７９３号公報（２０１６年１２月２２日公開）

【発明の概要】

【発明が解決しようとする課題】

【0005】

ところで、輸液装置では、輸液チューブを交換することで、輸液する薬液を変更する段取り替えを行うことができる。輸液チューブは、充填後の製品に応じて、異なる直径の物が用いられる。間違った輸液チューブを用いて薬液を輸液し、充填を行った場合には、製品が不良となり、製品の廃棄に至るという問題がある。

【0006】

そのため、段取り替えの工程では、間違った輸液チューブを用いていないかを確認する必要がある。上述の従来技術のように、超音波センサを用いて間違った輸液チューブを用いていないかを確認することもできるが、超音波センサを別途設けることで装置が複雑化するという懸念がある。また、超音波センサを用いた場合には、輸液チューブ内に薬液を流し、輸液チューブ内の薬液中を伝播する超音波を検知する必要があり、段取り替えの作業が煩雑化する。

【0007】

本発明の一態様は、上述した事情に鑑みてなされたものであり、段取り替え時の輸液チューブの正誤判定を効率良く行うことができる技術を実現することを目的とする。

【課題を解決するための手段】

【0008】

前記の課題を解決するために、本発明の一態様に係るコントローラは、輸液装置の各部を制御する制御部を備えたコントローラにおいて、前記制御部は、前記輸液装置の輸液チューブを順次圧縮および弛緩する作動部を駆動する駆動モータのモータ軸の動作状態を示すモータ軸情報を取得し、前記モータ軸情報に基づいて、前記輸液チューブの正誤判定を行う構成である。

【0009】

前記の構成によれば、駆動モータのモータ軸情報に基づいて輸液チューブの正誤判定を行うため、輸液チューブの状態を検出するセンサ等の部品を別途設ける必要が無い。また、輸液チューブに液体が入っていなくても輸液チューブの正誤判定を行うことができるため、輸液チューブを付け間違えた場合であっても、正誤判定後の輸液チューブの交換を容易に行うことができる。よって、段取り替え時の輸液チューブの正誤判定を効率良く行うことができる。

【0010】

また、本発明の一態様に係るコントローラは、前記制御部は、前記モータ軸情報を参照して、前記駆動モータの駆動状態が所定の状態の期間における特徴量を算出し、当該特徴量に基づいて、前記輸液チューブの正誤判定を行う構成である。

【0011】

前記の構成によれば、駆動モータが駆動状態である期間における特徴量に基づいて輸液チューブの正誤判定が行われる。駆動モータの動作が停止している間は、モータ軸情報に変化が生じないため、このような駆動モータの動作が停止している間のモータ軸情報が参照されて、誤った正誤判定が行われるのを防ぐことができる。

【0012】

また、本発明の一態様に係るコントローラは、前記制御部は、前記モータ軸情報を参照し、前記駆動モータのモータ軸の回転速度が所定値以上の期間における、前記駆動モータのモータ軸のトルク値に基づいて、前記輸液チューブの正誤判定を行う構成である。

【0013】

前記の構成によれば、駆動モータのモータ軸の回転速度が所定値以上の期間を、駆動モータが動作している期間と定義して、この期間の駆動モータのモータ軸のトルク値に基づいて、輸液チューブの正誤判定を行う。輸液チューブを圧縮及び弛緩する際の、駆動モータのトルクは、輸液チューブの直径に依存する。よって、駆動モータが動作している期間の駆動モータのモータ軸のトルク値に基づいて、輸液チューブの正誤判定を行うことで、正確に、且つ効率よく輸液チューブの正誤判定を行うことができる。

【0014】

また、本発明の一態様に係るコントローラは、前記制御部は、前記駆動モータのモータ軸情報が機械学習により学習された学習済みモデルを用いて、前記輸液チューブの正誤判定を行う構成である。

【0015】

前記の構成によれば、駆動モータのモータ軸について、速度、トルク、位置等の複数のパラメータについて、機械学習により学習し、学習済みモデル生成して、輸液チューブの正誤判定を行う。機械学習を用いることなく、輸液チューブの正誤判定を行う場合には、各パラメータに対して個別の閾値を設定して正誤判定を行う必要がある。一方で、機械学習による生成した学習済みモデルを用いて正誤判定を行う場合には、複数のパラメータを用いる場合でも、１次元の閾値を設定して正誤判定を行うことが可能となり、パラメータの選択において自由度の高い正誤判定を実行することができる。

【0016】

また、本発明の一態様に係るコントローラは、前記輸液装置では、種類の異なる複数の前記輸液チューブが使用可能であり、前記制御部は、前記駆動モータのモータ軸情報に基づいて、使用されている前記輸液チューブの種類を判定する構成である。

【0017】

前記の構成によれば、輸液装置において使用可能な種類の異なる複数の輸液チューブのうち、何れの輸液チューブが装着されているかを効率良く判定することができる。

【0018】

また、本発明の一態様に係るコントローラは、前記制御部は、前記駆動モータのモータ軸情報に基づいて、使用されている前記輸液チューブの径を判定する構成である。

【0019】

前記の構成によれば、輸液装置において使用可能な径の異なる複数の輸液チューブのうち、どの径の輸液チューブが装着されているのかを適切に判定することができる。

【0020】

また、本発明の一態様に係るコントローラは、前記輸液装置として、ペリスタルティックポンプを用いた場合にも対応することができる。

【0021】

また、前記の課題を解決するために、本発明の一態様に係るコントローラの制御方法は、輸液装置の各部を制御するコントローラの制御方法において、前記輸液装置の輸液チューブを順次圧縮および弛緩する作動部を駆動する駆動モータを制御し、前記駆動モータのモータ軸情報に基づいて、前記輸液チューブの正誤判定を行う構成である。

【0022】

前記の構成によれば、輸液チューブの状態を検出するセンサ等の部品を別途設けることなく輸液チューブの正誤判定を行うことができる。また、輸液チューブに液体が入っていなくても輸液チューブの正誤判定を行うことができるため、輸液チューブを付け間違えた場合であっても、正誤判定後の輸液チューブの交換を容易に行うことができる。よって、段取り替え時の輸液チューブの正誤判定を効率良く行うことができる。

【0023】

また、前記の課題を解決するために、本発明の一態様に係る学習装置は、前記コントローラから前記モータ軸情報を取得し、機械学習によって、前記輸液チューブに対する前記モータ軸情報の学習済モデルを生成し、生成した前記学習済モデルを、前記コントローラに転送する構成である。

【0024】

前記の構成によれば、学習装置によって生成されたモータ軸情報の学習済モデルを用いて輸液チューブの正誤判定を行うことができる。よって、速度、位置、トルク等の複数のパラメータを含むモータ軸情報を用いて、１次元の閾値を設定して正誤判定を行うことができる。

【0025】

また、前記の課題を解決するために、本発明の一態様に係るプログラムは、前記コントローラとしてコンピュータを機能させるためのプログラムであって、前記制御部としてコンピュータを機能させる構成である。

【0026】

前記の構成によれば、コントローラとしてコンピュータを機能させて、輸液チューブの正誤判定を行うことができる。

【0027】

また、前記の課題を解決するために、本発明の一態様に係るプログラムは、前記学習装置としてコンピュータを機能させる構成である。

【0028】

前記の構成によれば、学習装置としてコンピュータを機能させて、学習済みモデルを生成し、輸液チューブの正誤判定を行うことができる。

【0029】

また、前記の課題を解決するために、本発明の一態様に係る輸液システムは、前記コントローラと、前記輸液装置の輸液チューブを順次圧縮および弛緩する作動部を駆動する駆動モータと、前記駆動モータの駆動を制御するモータ制御部と、を備え、前記制御部は、前記駆動モータのモータ軸の動作状態を示すモータ軸情報を前記モータ制御部から取得し、前記モータ軸情報に基づいて、前記輸液チューブの正誤判定を行う構成である。

【0030】

前記の構成によれば、駆動モータのモータ軸情報に基づいて輸液チューブの正誤判定を行うため、輸液チューブの状態を検出するセンサ等の部品を別途設ける必要が無い。また、輸液チューブに液体が入っていなくても輸液チューブの正誤判定を行うことができるため、輸液チューブを付け間違えた場合であっても、正誤判定後の輸液チューブの交換を容易に行うことができる。よって、段取り替え時の輸液チューブの正誤判定を効率良く行うことができる。

【発明の効果】

【0031】

本発明の一態様によれば、段取り替え時の輸液チューブの正誤判定を効率良く行うことができる。

【図面の簡単な説明】

【0032】

【図1】実施形態１に係る輸液装置の概略構成を示す図である。

【図2】コントローラの要部構成を示すブロック図である。

【図3】モータ軸情報の一例を示す図である。

【図4】（ａ）〜（ｄ）は、学習装置に入力されるパラメータの例を示す図である。

【図5】学習装置の処理の流れを示すフローチャートである。

【図6】コントローラの正誤判定処理の流れを示すフローチャートである。

【図7】コントローラ５０の輸液チューブの種類を判定する処理の流れを模式的に示す図である。

【図8】学習済みモデルと、閾値と、各チューブの異常度との関係を示す図である。

【図9】学習済みモデルと、閾値と、各チューブの異常度との関係を示す図である。

【図10】学習済みモデルと、閾値と、各チューブの異常度との関係を示す図である。

【図11】実施形態２に係る輸液装置の概略構成を示す図である。

【図12】チューブの種類の例を示す表である。

【図13】挟み付けクリアランスを模式的に示す図である。

【図14】内径が１ｍｍのチューブに対する他のチューブの特徴量スコアを示すである。

【図15】内径が１．５ｍｍのチューブに対する他のチューブの特徴量スコアを示すである。

【図16】内径が２ｍｍのチューブに対する他のチューブの特徴量スコアを示すである。

【図17】内径が２．５ｍｍのチューブに対する他のチューブの特徴量スコアを示すである。

【図18】内径が３ｍｍのチューブに対する他のチューブの特徴量スコアを示すである。

【図19】内径が４ｍｍのチューブに対する他のチューブの特徴量スコアを示すである。

【発明を実施するための形態】

【0033】

以下、本発明の一側面に係る実施形態（以下、「本実施形態」とも表記する）を、図面に基づいて説明する。

【0034】

§１ 適用例
まず、図１及び図２を用いて、本発明が適用される場面の一例について説明する。図１は、本実施形態に係るコントローラ５０により制御される輸液装置１０の概略構成の一例を示している。図２は、コントローラ５０の要部構成を示すブロック図である。

【0035】

本実施形態に係るコントローラ５０は、図１、及び図２に示されるとおり、輸液装置１０の各部を制御する。輸液装置１０は、液体注入元４０に延びる輸液チューブ２０を、複数のフィンガ１３で順次圧縮及び弛緩することで、液体注入元４０に貯留された液体を、バイアル瓶等の充填容器に注入する装置である。輸液装置１０では、輸液チューブ２０を交換することで、輸液する液体を変更する、段取り替えを行うことができる。

【0036】

輸液装置１０は、複数のフィンガ１３を駆動させる駆動モータ２５と、駆動モータ２５の回転を制御するモータ制御部２６と、を備えている。モータ制御部２６は、駆動モータ２５のモータ回転軸の回転位置、トルク、および回転速度を含むモータ軸情報を、コントローラ５０に供給する。

【0037】

コントローラ５０は、例えば、ＰＬＣ（Programmable Logic Controller）である。コントローラ５０は、主たる演算処理を実行するＣＰＵユニットとして制御部６０を含んでいる。コントローラ５０は、モータ制御部２６から取得したモータ軸情報に基づいて、輸液装置１０に装着されている輸液チューブ２０の正誤判定を行う。

【0038】

輸液装置１０では、輸液装置１０を用いて製造する製品ごとに異なる直径の輸液チューブを使用する。輸液装置１０で多品種の製品を製造する場合には、頻繁に輸液チューブを交換する必要がある。輸液装置１０では、輸液チューブの交換が行われた際に、液体が輸液チューブに入っていない状態で、駆動モータ２５を駆動させることで、輸液チューブ２０の正誤判定が行われる。

【0039】

コントローラ５０は、複数の輸液チューブ２０の正常状態でのモータ軸情報に基づいて統計的に生成した閾値を予め記憶していてもよい。そして、コントローラ５０は、モータ制御部２６から取得したモータ軸情報に基づいて算出した特徴量と、予め記憶している閾値とを比較して、輸液装置１０に装着されている輸液チューブ２０の正誤判定を行ってもよい。

【0040】

また、コントローラ５０は、複数の輸液チューブ２０の正常状態でのモータ軸情報を収集して機械学習を行う学習装置８０と通信可能に接続されていてもよい。そして、コントローラ５０は、モータ制御部２６から取得したモータ軸情報に基づいて算出した特徴量と、学習装置８０により学習された学習済みモデルと、に基づいて輸液チューブ２０の正誤判定を行ってもよい。

【0041】

このように、コントローラ５０は、輸液チューブ２０の交換が行われる段取り替えの工程において、輸液チューブ２０に液体を入れなくとも、輸液チューブ２０の正誤判定を行うことができる。また、コントローラ５０は、輸液装置１０の駆動モータ２５の駆動軸情報に基づいて、輸液チューブ２０の正誤判定を行う。よって、輸液装置１０に、例えば超音波センサ等の、輸液チューブ２０の状態を検出するための部品を別途設けることなく、輸液チューブ２０の正誤判定を行うことができる。

【0042】

§２ 構成例
以下、本発明の実施形態に係るコントローラ５０の構成について、図１から図６に基づいて詳細に説明する。

【0043】

〔実施形態１〕
以下、本発明の一実施形態について、詳細に説明する。図１は、本実施形態に係るコントローラ５０により制御される輸液装置１０の概略構成の一例を模式的に示す図である。図２は、コントローラ５０の要部構成を示すブロック図である。コントローラ５０は、輸液装置１０を駆動する駆動モータ２５のモータ軸情報を参照して、輸液装置１０に装着された輸液チューブ２０の正誤判定を行う機能を有している。

【0044】

なお、駆動モータ２５と、駆動モータ２５の駆動を制御するモータ制御部２６と、コントローラ５０とをあわせて、輸液システムとも称する。

【0045】

（輸液装置１０の構成について）
図１に示すように、輸液装置１０は、蓋体１１と、作動部１２とを備えている。蓋体１１と、作動部１２とは、輸液装置１０の装置内部に収容されている。作動部１２は、複数のフィンガ１３を備えている。また、輸液装置１０には、交換可能な輸液チューブ２０が備えられている。輸液チューブ２０は、蓋体１１によって、作動部１２に対して押さえつけられている。輸液チューブ２０は、液体が貯留された液体注入元４０から、液体を充填するバイアル瓶等の充填容器３０まで延びるように、輸液装置１０に装着されて使用される。

【0046】

図２に示すように、輸液装置１０は、駆動モータ２５と、モータ制御部２６と、を備えている。駆動モータ２５は、一般的なサーボモータである。モータ制御部２６は、駆動モータ２５の位置や速度を制御する。

【0047】

複数のフィンガ１３のそれぞれは、駆動モータ２５（図２参照）の回転によって、蓋体１１に向かって近づいたり、離れたりする方向に直進運動を行う棒状の部材である。輸液チューブ２０は、各フィンガ１３の動きに伴って、蓋体１１と、フィンガ１３との間で、順次圧縮および弛緩される。輸液装置１０では、複数のフィンガ１３のこのような動きによって、輸液チューブ２０内の液体が、液体注入元４０から、充填容器３０に向かって移動する。

【0048】

なお、本実施形態では、輸液装置１０の一例として、駆動モータ２５によって、複数のフィンガ１３を直進運動させることによって、輸液チューブ２０を順次圧縮および弛緩して、液体を充填容器３０に充填する、所謂フィンガ式の輸液装置である構成について説明した。しかながら、輸液装置１０は、上述のようなフィンガ式の輸液装置に限らず、回転式のローラでチューブの圧縮及び弛緩を順次行うペリスタルティック式の輸液装置であってもよい。

【0049】

（コントローラ５０の構成について）
図２に示すように、コントローラ５０は、制御部６０と、データ記録部７０と、を含んでいる。また、コントローラ５０は、学習装置８０と通信可能に接続されている。

【0050】

制御部６０は、輸液装置１０の各部を統括的に制御する機能を備えている演算装置である。制御部６０は、モータ制御部２６から、駆動モータ２５のモータ軸の動作状態を示すモータ軸情報を取得し、取得したモータ軸情報に基づいて生成した制御信号を、モータ制御部２６に供給することで、駆動モータ２５の駆動を制御することができてもよい。

【0051】

データ記録部７０は、コントローラ５０で用いられる種々のデータを格納するストレージである。

【0052】

（制御部６０の構成について）
制御部６０は、変数受け渡し部６２、サブフレーム生成部６３、特徴量算出部６４、機械学習演算部６５、判定出力部６６を含んでいる。

【0053】

変数受け渡し部６２は、モータ制御部２６から駆動モータ２５の位置、速度、トルクの情報を含む、モータ軸の動作状態を示すモータ軸情報を取得する。

【0054】

サブフレーム生成部６３は、取得したモータ軸情報を参照して、輸液装置１０の動きを確認するためのサブフレームを決定する。サブフレーム生成部６３は、駆動モータ２５の駆動状態が所定の状態の期間におけるモータ軸情報のサブフレームを生成する。

【0055】

図３は、モータ軸情報の一例を示す図である。図３に示した例では、輸液装置１０は、駆動モータ２５を３回転させて、１回の充填を行う構成である。１回の充填と、次の充填の間は、一定時間駆動モータ２５の動作が停止する。駆動モータ２５の動作が停止している間は、モータ軸の位置、速度、およびトルクに変化はない。よって、サブフレーム生成部６３は、取得したモータ軸情報において、駆動モータ２５が駆動し、液体の充填が行われている期間をサブフレームとする。

【0056】

サブフレーム生成部６３は、例えば、駆動モータ２５のモータ軸の回転速度が、所定値以上の期間をサブフレームとして抽出するサブフレーム生成処理を行う。サブフレーム生成部６３は、例えば、駆動モータ２５のモータ軸の回転速度が、速度＞１０pulse/sの区間をサブフレームとし、該サブフレームにおけるモータ軸情報を抽出する。サブフレーム生成部６３は、抽出したモータ軸情報をデータ記録部７０、および特徴量算出部６４の少なくとも何れか一方に供給する。

【0057】

特徴量算出部６４は、サブフレーム生成部６３によって抽出されたモータ軸情報を用いて、駆動モータ２５の駆動状態の特徴を示す特徴量を算出する。このように、特徴量算出部６４は、駆動モータ２５の駆動状態が所定の状態の期間におけるモータ軸の特徴量を算出する。例えば、特徴量算出部６４は、駆動モータ２５のモータ軸の回転速度が、速度＞１０pulse/sの区間におけるトルクの平均値を特徴量として算出する。特徴量算出部６４は、算出した特徴量を機械学習演算部６５に供給する。

【0058】

機械学習演算部６５は、特徴量算出部６４が算出した特徴量を入力として、後述する学習フローで作成された学習済みモデルを参照して、異常度を算出する。機械学習演算部６５には、例えば、トルクの平均値が特徴量として入力され、トルクの平均値の、学習済みモデルに対する異常度が算出される。

【0059】

判定出力部６６は、機械学習演算部６５によって算出された異常度を入力として、異常度が後述する学習フローで作成された閾値を超えているか否かに応じて、輸液チューブ２０の正誤判定を行う。

【0060】

このように、コントローラ５０は、駆動モータ２５のモータ軸情報を参照して、駆動モータ２５の駆動状態が所定の状態の期間における特徴量を算出し、当該特徴量に基づいて、輸液チューブ２０の正誤判定を行う。例えば、コントローラ５０は、駆動モータ２５のモータ軸の回転速度が所定値以上の期間における、駆動モータのモータ軸のトルク値に基づいて、輸液チューブ２０の正誤判定を行う。よって、コントローラ５０は、超音波センサ等のセンサを別途設けることなく、段取り替え時の輸液チューブ２０の正誤判定を効率良く行うことができる。

【0061】

（輸液チューブ２０の学習済モデルについて）
輸液装置１０では、製造する製品に応じて、互いに異なる直径の複数の輸液チューブ２０から適した輸液チューブ２０が選択されて装着される。輸液チューブ２０は、直径が異なると、それぞれ、輸液チューブ２０を圧縮および弛緩する駆動モータ２５のモータ軸の値が異なるものとなる。

【0062】

コントローラ５０には、学習装置８０が接続されている。学習装置８０は、コントローラ５０から、輸液装置１０で用いられる全ての輸液チューブ２０のそれぞれについて、駆動モータ２５のモータ軸の速度、トルク、位置等の情報を取得する。そして学習装置８０は、これらのモータ軸情報について機械学習を行い、各輸液チューブ２０について、モータ軸情報が正常な状態を示す学習済みモデルを生成する。学習装置８０は、生成した学習済モデルを、コントローラ５０に転送する。

【0063】

学習装置８０は、特徴量算出部８１と、機械学習モデル生成部８２と、を備えている。

【0064】

特徴量算出部８１は、コントローラ５０のデータ記録部７０に記録された、駆動モータ２５のモータ軸の値のサブフレームを参照して、特徴量を算出する。特徴量算出部８１は、特に、輸液チューブ２０に液体が入っていない状態で輸液装置１０を稼働させた際の駆動モータ２５のモータ軸の値のサブフレームを参照して、特徴量を算出する。

【0065】

図４の（ａ）〜（ｄ）は、学習装置８０に入力されるパラメータの例を示す図である。図４の（ａ）は、駆動モータ２５のモータ軸のトルクの平均値を示す図である。図４の（ｂ）は、駆動モータ２５のモータ軸のトルクの標準偏差を示す図である。図４の（ｃ）は、駆動モータ２５のモータ軸のトルクの最大値を示す図である。図４の（ｄ）は、駆動モータ２５のモータ軸のトルクの最小値を示す図である。学習装置８０には、特徴量算出部８１は、駆動モータ２５のモータ軸について、複数のパラメータが入力されてもよい。

【0066】

なお、図４には、駆動モータ２５のモータ軸のトルクに係るパラメータのみを例示しているが、学習装置８０には、トルクの他に、速度や、位置に係るパラメータが入力されてもよい。特徴量算出部８１は、これらの入力されたパラメータを参照して、各輸液チューブ２０の正常状態を示す特徴量を算出する。

【0067】

機械学習モデル生成部８２は、特徴量算出部８１が算出した各輸液チューブ２０の特徴量について機械学習を行い、各輸液チューブ２０と、モータ軸情報との相関関係の正常状態を示す学習済みモデルを生成する。また、機械学習モデル生成部８２は、各輸液チューブ２０の学習済みモデルに基づいて、各輸液チューブ２０について、他の輸液チューブ２０と分離するための異常度の閾値を生成する。

【0068】

（学習済みモデルを生成する処理の流れについて）
図５は、学習装置８０の処理の流れを示すフローチャートであり、学習済みモデルを生成する処理の流れを示す。例えば輸液装置１０のカリブレーションを行う工程において、コントローラ５０、および学習装置８０によって、学習済みモデルを生成する処理が実行される。

【0069】

学習済みモデルを生成する処理を実行するにあたり、まず、輸液装置１０に、液体の入っていない空の輸液チューブ２０が装着される（ステップＳ１）。

【0070】

続いて、モータ制御部２６の機能により、駆動モータ２５を駆動させる。コントローラ５０の制御部６０は、変数受け渡し部６２の機能により、モータ軸情報を取得する（ステップＳ２）。

【0071】

制御部６０は、変数受け渡し部６２を介して取得したモータ軸情報に基づいて、サブフレーム生成部６３の機能により、サブフレームを生成する（ステップＳ３）。

【0072】

制御部６０は、サブフレーム生成部６３によって生成されたサブフレームにおけるモータ軸情報をデータ記録部７０に記録する（ステップＳ４）。

【0073】

コントローラ５０は、輸液装置１０にて適宜交換されて使用される全ての輸液チューブ２０について、ステップＳ１〜ステップＳ４の処理を繰り返し実行する。

【0074】

学習装置８０は、コントローラ５０のデータ記録部７０に記録されたモータ軸情報のサブフレームを取得し、特徴量算出部８１の機能により、各輸液チューブ２０の特徴量を算出する。また、学習装置８０は、機械学習モデル生成部８２の機能により、各輸液チューブ２０の学習済みモデルと、異常度の閾値とを生成する（ステップＳ５）
学習装置８０は、各輸液チューブ２０の学習済みモデルをコントローラ５０に供給する。コントローラ５０の制御部６０は、取得した各輸液チューブ２０の学習済みモデルを特徴量算出部６４、および機械学習演算部６５に保存する（ステップＳ６）
また、学習装置８０は、各輸液チューブ２０の異常度の閾値をコントローラ５０に供給する。コントローラ５０の制御部６０は、取得した各輸液チューブ２０の異常度の閾値を判定出力部６６に保存する（ステップＳ７）。

【0075】

（コントローラ５０による輸液チューブ２０の正誤判定処理について）
図６は、コントローラ５０による輸液チューブ２０の正誤判定処理の流れを示すフローチャートである。コントローラ５０は、輸液チューブ２０を交換する段取り替えの工程で、製造する製品に対して、輸液チューブ２０の付け間違いが発生したか否かを判定する正誤判定を行う。コントローラ５０は、学習装置８０によって生成された各輸液チューブ２０と、モータ軸情報との相関関係の正常状態を示す学習済みモデルに対する、装着された輸液チューブ２０の特徴量の異常度が、閾値を超えているか否かに応じて、輸液チューブ２０の正誤判定を行う。

【0076】

輸液装置１０に、装着されている輸液チューブ２０の交換が行われる。輸液装置１０には、液体の入っていない空の輸液チューブ２０が装着される（ステップＳ１１）。

【0077】

続いて、モータ制御部２６の機能により、駆動モータ２５を駆動させる。駆動モータ２５の駆動により、作動部１２は、空の輸液チューブ２０を順次圧縮及び弛緩する。コントローラ５０の制御部６０は、変数受け渡し部６２の機能により、モータ軸情報を取得する（ステップＳ１２）。

【0078】

制御部６０は、変数受け渡し部６２を介して取得したモータ軸情報に基づいて、サブフレーム生成部６３の機能により、サブフレームを生成する（ステップＳ１３）。

【0079】

制御部６０は、サブフレーム生成部６３によって生成されたサブフレームにおけるモータ軸情報を参照して、特徴量算出部６４の機能により、装着されている輸液チューブ２０の特徴量を算出する。特徴量算出部６４は、例えば、各サブフレームにおける駆動モータ２５のトルクの平均値を特徴量として算出する（ステップＳ１４）。

【0080】

制御部６０は、機械学習演算部６５の機能により、特徴量算出部６４によって算出された特徴量の、正しい輸液チューブ２０の学習済みモデルに対する異常度を算出する（ステップＳ１５）。なお、ユーザは、輸液チューブ２０を交換する際に、コントローラ５０に対して、製造する製品を選択する等の入力操作を行う。これにより、コントローラ５０は、装着されるべき輸液チューブ２０を認識し、正しい輸液チューブ２０の学習済みモデルを、機械学習演算部６５による異常度算出に用いる。

【0081】

制御部６０は、判定出力部６６の機能により、機械学習演算部６５が算出した異常度が、対象の輸液チューブ２０の閾値を超えているか否かに基づいて、輸液チューブ２０の正誤判定を行う。そして、判定出力部６６は、判定結果を出力する（ステップＳ１６）。

【0082】

このように、本実施形態によれば、輸液装置１０の輸液チューブ２０を交換する際に、コントローラ５０は、駆動モータ２５のモータ軸情報を取得し、モータ軸情報に基づいて、輸液チューブ２０の正誤判定を行う。よって、輸液チューブ２０の正誤判定を行うために、超音波センサ等のセンサを別途設ける必要が無く、装置及び制御が複雑化するのを防ぐことができる。

【0083】

また、コントローラ５０は、駆動モータ２５のモータ軸情報が機械学習により学習された学習済みモデルを用いて、当該学習済みモデルに対する異常度を算出して、輸液チューブ２０の正誤判定を行う。このように、機械学習により学習された学習済みモデルを用いることで、モータ軸情報のような、速度、トルク、位置等の複数のパラメータを含む情報を用いても、異常度という１次元の値に対する閾値を設定して、正誤判定を行うことが可能となる。よって、輸液チューブ２０の付け間違いによる不良品の発生を確実に防ぐことができる。

【0084】

また、コントローラ５０は、輸液チューブ２０に液体が入っていない状態で、輸液チューブ２０の正誤判定を行うことができる。よって、コントローラ５０による正誤判定の結果、輸液チューブ２０を付け間違っていた場合であっても、輸液チューブ２０の再度の交換を容易に行うことができ、輸液チューブ２０を交換作業の効率化を図ることができる。

【0085】

〔実施形態２〕
本発明の実施形態２について、以下に説明する。なお、説明の便宜上、前記実施形態１にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。また、実施形態２に係る輸液装置１０、コントローラ５０、および学習装置８０の構成については、図１、および図２を参照して説明した実施形態１の構成と同様であり、その説明を省略する。

【0086】

上述の実施形態１では、コントローラ５０が、正常な輸液チューブ２０の学習済みモデルを用いて、対象の輸液チューブ２０の正誤判定を行う態様について説明した。コントローラ５０は、この態様に限らず、輸液装置１０に装着されている輸液チューブ２０が、種類の異なる複数の輸液チューブの中の何れであるのか判定することができてもよい。

【0087】

図７は、コントローラ５０が輸液装置１０に装着されている輸液チューブ２０の種類を判定する処理の流れを模式的に示す図である。図７に示すように、コントローラ５０は、特徴量算出部６４の機能により、例えば駆動モータ２５のモータ軸のトルクの平均値等の特徴量を算出する。続いて、コントローラ５０は、機械学習演算部６５の機能により、特徴量算出部６４が算出した特徴量について、複数種類の輸液チューブ２０のそれぞれを正常と判定する学習済みモデルに対して、異常度を算出する。

【0088】

例えば、輸液装置１０には、チューブ１、チューブ２、およびチューブ３の何れかを装着して使用可能であるとする。チューブ１、チューブ２、およびチューブ３は、例えば、それぞれ直径が１．６ｍｍ、２．４ｍｍ、および３．２ｍｍのシリコンチューブである構成とすることができる。この場合、機械学習演算部６５は、チューブ１、チューブ２、およびチューブ３のそれぞれを正常とする学習済みモデルに対して、対象の輸液チューブ２０の異常度を算出する。

【0089】

コントローラ５０は、判定出力部６６の機能により、対象の輸液チューブ２０の、各チューブの学習済みモデルに対する異常度と、各チューブの異常度の閾値とに基づいて、輸液装置１０に装着された輸液チューブ２０の種類を特定する。

【0090】

図８は、チューブ１を正常と判定する学習済みモデルと、閾値と、各チューブの異常度との関係を示す図である。図９は、チューブ２を正常と判定する学習済みモデルと、閾値と、各チューブの異常度との関係を示す図である。図１０は、チューブ３を正常と判定する学習済みモデルと、閾値と、各チューブの異常度との関係を示す図である。

【0091】

図８に示すように、チューブ１を正常と判定する学習済みモデルに対する、チューブ１の特徴量の異常度は、閾値以下となるため、判定出力部６６は、対象の輸液チューブは、チューブ１であると判定する。一方で、チューブ１を正常と判定する学習済みモデルに対する、チューブ２、およびチューブ３の特徴量の異常度は、閾値を超えるため、判定出力部６６は、対象の輸液チューブは、チューブ２、およびチューブ３の何れでもないと判定する。

【0092】

また、図９に示すように、チューブ２を正常と判定する学習済みモデルに対する、チューブ２の特徴量の異常度は、閾値以下となるため、判定出力部６６は、対象の輸液チューブは、チューブ２であると判定する。一方で、チューブ２を正常と判定する学習済みモデルに対する、チューブ１、およびチューブ３の特徴量の異常度は、閾値を超えるため、判定出力部６６は、対象の輸液チューブは、チューブ１、およびチューブ３の何れでもないと判定する。

【0093】

また、図１０に示すように、チューブ３を正常と判定する学習済みモデルに対する、チューブ３の特徴量の異常度は、閾値以下となるため、判定出力部６６は、対象の輸液チューブは、チューブ３であると判定する。一方で、チューブ３を正常と判定する学習済みモデルに対する、チューブ１、およびチューブ２の特徴量の異常度は、閾値を超えるため、判定出力部６６は、対象の輸液チューブは、チューブ１、およびチューブ２の何れでもないと判定する。

【0094】

このように、コントローラ５０は、駆動モータ２５のモータ軸情報に基づいて、対象の輸液チューブ２０の特徴量を算出する。そして、コントローラ５０は、輸液装置１０において使用可能な種類の異なる複数の輸液チューブについて、それぞれの学習済みモデルに対する、対象の輸液チューブ２０の特徴量の異常度を算出する。コントローラ５０は、この算出した異常度を参照して、使用されている輸液チューブ２０の種類を判定することができる。

【0095】

このように、コントローラ５０は、駆動モータ２５のモータ軸情報に基づいて、機械学習演算部６５に保存されている複数の学習済みモデルを参照し、装着されている輸液チューブ２０を識別することができる。よって、輸液チューブ２０を交換する段取り替えの工程で、ユーザは、輸液チューブ２０を交換し、コントローラ５０によるチューブの識別判定を実行することで、正しいチューブが装着されているか、誤ったチューブが装着されているのかを知ることができる。

【0096】

〔実施形態３〕
本発明の実施形態について、以下に説明する。なお、説明の便宜上、上記実施形態１および２にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。

【0097】

図１１は、コントローラ５０により制御される実施形態２に係る輸液装置１１０の概略構成の一例を示している。輸液装置１１０を制御するコントローラ５０の構成については、図２を用いて上述した、コントローラ５０と同様であり、その説明を省略する。

【0098】

図１１に示すように、本実施形態では輸液装置１１０はペリスタルティックポンプによって構成されており、治具１１１、ロータ１１２、およびローラ１１３を備えている。ロータ１１２は、サーボモータとしての駆動モータ２５により回転する。なお、駆動モータ２５がサーボモータである場合、コントローラ５０は、モータ軸情報を取得するためのセンサ等を設けることなく、サーボモータの制御情報に基づいてモータ軸情報（例えばトルク値）を取得することができる。

【0099】

ローラ１１３は、ロータ１１２の周囲に所定の間隔で設けられ、ロータ１１２の回転に伴って円運動する。またローラ１１３はロータ１１２に回動自在に設けられており、輸液チューブ１２０と接触しながらロータ１１２の回転とは逆方向に回転する。

【0100】

輸液装置１１０は、駆動モータ２５によって、複数のローラ１１３を回転運動させることによって、ローラ１１３と治具１１１との間で輸液チューブ１２０を順次圧縮および弛緩して、輸液チューブ１２０内の液体を、ロータ１１２の回転方向と同じ方向に送液する。

【0101】

図１２は、輸液装置１１０で用いられる輸液チューブ１２０および取り付け状態の例を示す表である。同図に示す例では、輸液チューブ１２０に関して、チューブ内径、チューブ外径、厚み、挟み付けクリアランス、およびチューブ潰し厚のバリエーションが示されている。チューブ内径は、輸液チューブ１２０の内径、すなわち、液体が流通する通路の径を示す。チューブ外形は、輸液チューブ１２０自体の外径を示す。厚みは、チューブ外径とチューブ内径との差を示しており、輸液チューブ１２０のチューブの厚みの２倍、すなわち、輸液チューブ１２０の内径が０になるまで圧縮した際の輸液チューブ１２０の厚みを示している。

【0102】

図１３は、挟み付けクリアランスを模式的に示す図である。図１３に示すように、挟み付けクリアランスは、ローラ１１３と、治具１１１との間の隙間を示している。すなわち、挟み付けクリアランスは、ローラ１１３と治具１１１との間で輸液チューブ１２０を挟みこんで圧縮するためのクリアランスを示している。挟み付けクリアランスは、使用する輸液チューブ１２０の種類に応じて設定され、例えば治具１１１を交換したり位置を変更したりすることで、クリアランスが変更される。

【0103】

チューブ潰し厚は、ローラ１１３によって輸液チューブ１２０が圧縮された際の、チューブの材質自体が圧縮される量を示している。すなわち、厚みと挟み付けクリアランスとの差分に相当する。

【0104】

（コントローラ５０による輸液チューブ１２０の正誤判定処理について）
コントローラ５０は、輸液チューブ１２０の交換が行われると、輸液チューブ１２０の付け間違いが発生したか否かを判定する正誤判定を行う。図６に示したフローチャートのステップＳ１１〜ステップＳ１３の後、制御部６０は、ステップＳ１４において、特徴量算出部６４の機能により、各サブフレームにおける駆動モータ２５のモータ軸情報を参照して、特徴量を算出する。本実施形態では、特徴量算出部６４は、モータ軸のトルク値に基づいて、特徴量を算出する。

【0105】

前述したように、駆動モータ２５を駆動させ、輸液チューブ１２０を圧縮すると、輸液チューブ１２０の特性に応じた反発力が生じる。この反発力は、モータ軸のトルクに影響を与えるため、モータ軸のトルク値には、輸液チューブ１２０の特性の情報が含まれることとなる。よって、特徴量算出部６４は、モータ軸のトルク値に基づいて、特徴量を算出することで、輸液チューブ１２０の特性に応じた適切な特徴量を算出することができる。

【0106】

制御部６０は、ステップＳ１５において、機械学習演算部６５の機能により、特徴量算出部６４によって算出された特徴量の、正しい輸液チューブ１２０の学習済みモデルに対する異常度（特徴量スコア）を算出する。

【0107】

図１４〜図１９は、内径１ｍｍ、１．５ｍｍ、２ｍｍ、２．５ｍｍ、３ｍｍ、４ｍｍの輸液チューブ１２０のそれぞれを正とする場合の、各輸液チューブ１２０の学習済みモデルに対する異常度のばらつきを示した箱ひげ図である。また、横軸が輸液チューブ１２０の内径を示しており、縦軸が異常度を示している。

【0108】

判定出力部６６は、対象の輸液チューブ１２０の異常度が所定の閾値を超えているか否かに基づいて、輸液チューブ１２０の正誤判定を行う。ここで、閾値は、正しい輸液チューブ１２０の学習済みモデルの異常度の分布における標準偏差に基づいて設定してもよい。例えば、正しい輸液チューブ１２０の学習済みモデルの異常度の分布の平均値に対して、標準偏差を所定の倍率（例えば２〜４倍）にした値を加えた値を閾値とする。

【0109】

図１４は、内径１ｍｍの輸液チューブ１２０を正とした場合の、各輸液チューブ１２０の異常度のばらつきを示している。図１４に示すように、正である内径１ｍｍの輸液チューブ１２０の異常度のばらつきは、中央値が０．４未満、最大値が０．４７程度である。一方で、内径が１．５ｍｍ、２ｍｍ、２．５ｍｍ、３ｍｍ、４ｍｍの輸液チューブ１２０は、異常度が０．７〜０．８程度となる。

【0110】

判定出力部６６は、対象の輸液チューブ１２０が内径１ｍｍのチューブである場合には、異常度の分布が閾値を超えていないため、正しい輸液チューブ１２０が取り付けられていると判定する。また、判定出力部６６は、対象の輸液チューブ１２０が、内径が１．５ｍｍ、２ｍｍ、２．５ｍｍ、３ｍｍ、または４ｍｍのチューブである場合には、異常度の分布が閾値を超えているため、誤った輸液チューブ１２０が取り付けられていると判定する。

【0111】

判定出力部６６は、例えばレベル１閾値と、レベル２閾値といった複数の閾値のうち、求められる判定精度に応じた閾値を参照して、対象の輸液チューブ１２０の異常度が閾値を超えているか否かを判定することができてもよい。判定出力部６６は、より小さい閾値、例えば図１４の例では、レベル１閾値を用いて、輸液チューブ１２０の判定を行うことで、厳しい精度で、輸液チューブ１２０の正誤判定を行うことができる。この場合、誤りである輸液チューブ１２０を正しいと判定する可能性は低くなるが、正しい輸液チューブ１２０を誤りであると判定する可能性は高くなる。一方、レベル１閾値よりも高いレベル２閾値を用いる場合、誤りである輸液チューブ１２０を正しいと判定する可能性は高くなるが、正しい輸液チューブ１２０を誤りであると判定する可能性は低くなる。すなわち、判定出力部６６は、求められる判定精度に応じて、ユーザの指示により閾値を変更することができるようになっていてもよい。

【0112】

図１５は、内径１．５ｍｍの輸液チューブ１２０を正とした場合の、各輸液チューブ１２０の異常度のばらつきを示している。図１５に示すように、正である内径１．５ｍｍの輸液チューブ１２０の異常度のばらつきは、閾値を超えていない。一方で、内径が１ｍｍ、２ｍｍ、２．５ｍｍ、３ｍｍ、４ｍｍの輸液チューブ１２０は、異常度のばらつきが閾値を超えている。

【0113】

判定出力部６６は、対象の輸液チューブ１２０が内径１．５ｍｍのチューブである場合には、異常度の分布が閾値を超えていないため、正しい輸液チューブ１２０が取り付けられていると判定する。また、判定出力部６６は、対象の輸液チューブ１２０が、内径が１ｍｍ、２ｍｍ、２．５ｍｍ、３ｍｍ、または４ｍｍのチューブである場合には、異常度の分布が閾値を超えているため、誤った輸液チューブ１２０が取り付けられていると判定する。

【0114】

図１６は、内径２ｍｍの輸液チューブ１２０を正とした場合の、各輸液チューブ１２０の異常度のばらつきを示している。図１６に示すように、正である内径２ｍｍの輸液チューブ１２０の異常度のばらつきは、閾値を超えていない。一方で、内径が１ｍｍ、１．５ｍｍ、２．５ｍｍ、３ｍｍ、４ｍｍの輸液チューブ１２０は、異常度のばらつきが閾値を超えている。

【0115】

判定出力部６６は、対象の輸液チューブ１２０が内径２ｍｍのチューブである場合には、異常度の分布が閾値を超えていないため、正しい輸液チューブ１２０が取り付けられていると判定する。また、判定出力部６６は、対象の輸液チューブ１２０が、内径が１ｍｍ、１．５ｍｍ、２．５ｍｍ、３ｍｍ、または４ｍｍのチューブである場合には、異常度の分布が閾値を超えているため、誤った輸液チューブ１２０が取り付けられていると判定する。

【0116】

図１７は、内径２．５ｍｍの輸液チューブ１２０を正とした場合の、各輸液チューブ１２０の異常度のばらつきを示している。図１７に示すように、正である内径２．５ｍｍの輸液チューブ１２０の異常度のばらつきは、閾値を超えていない。一方で、内径が１ｍｍ、１．５ｍｍ、２ｍｍ、３ｍｍ、４ｍｍの輸液チューブ１２０は、異常度のばらつきが閾値を超えている。

【0117】

判定出力部６６は、対象の輸液チューブ１２０が内径２．５ｍｍのチューブである場合には、異常度の分布が閾値を超えていないため、正しい輸液チューブ１２０が取り付けられていると判定する。また、判定出力部６６は、対象の輸液チューブ１２０が、内径が１ｍｍ、１．５ｍｍ、２ｍｍ、３ｍｍ、または４ｍｍのチューブである場合には、異常度の分布が閾値を超えているため、誤った輸液チューブ１２０が取り付けられていると判定する。

【0118】

図１８は、内径３ｍｍの輸液チューブ１２０を正とした場合の、各輸液チューブ１２０の異常度のばらつきを示している。図１８に示すように、正である内径３ｍｍの輸液チューブ１２０の異常度のばらつきは、閾値を超えていない。一方で、内径が１ｍｍ、１．５ｍｍ、２ｍｍ、２．５ｍｍ、４ｍｍの輸液チューブ１２０は、異常度のばらつきが閾値を超えている。

【0119】

判定出力部６６は、対象の輸液チューブ１２０が内径３ｍｍのチューブである場合には、異常度の分布が閾値を超えていないため、正しい輸液チューブ１２０が取り付けられていると判定する。また、判定出力部６６は、対象の輸液チューブ１２０が、内径が１ｍｍ、１．５ｍｍ、２ｍｍ、２．５ｍｍ、または４ｍｍのチューブである場合には、異常度の分布が閾値を超えているため、誤った輸液チューブ１２０が取り付けられていると判定する。

【0120】

図１９は、内径４ｍｍの輸液チューブ１２０を正とした場合の、各輸液チューブ１２０の異常度のばらつきを示している。図１９に示すように、正である内径４ｍｍの輸液チューブ１２０の異常度のばらつきは、閾値を超えていない。一方で、内径が１ｍｍ、１．５ｍｍ、２ｍｍ、２．５ｍｍ、３ｍｍの輸液チューブ１２０は、異常度のばらつきが閾値を超えている。

【0121】

判定出力部６６は、対象の輸液チューブ１２０が内径４ｍｍのチューブである場合には、異常度の分布が閾値を超えていないため、正しい輸液チューブ１２０が取り付けられていると判定する。また、判定出力部６６は、対象の輸液チューブ１２０が、内径が１ｍｍ、１．５ｍｍ、２ｍｍ、２．５ｍｍ、または３ｍｍのチューブである場合には、異常度の分布が閾値を超えているため、誤った輸液チューブ１２０が取り付けられていると判定する。

【0122】

以上のように、制御部６０は、モータ軸のトルク値に基づいて、特徴量を算出し、特徴量の、正しい輸液チューブ１２０の学習済みモデルに対する異常度を算出して、正誤判定を行うことで、０．５ｍｍのチューブ径の違いも適切に識別し、正誤判定を行うことができる。また、この正誤判定は、輸液チューブ１２０の内径が異なるとともに、外径、厚み、挟み付けクリアランス、およびチューブ潰し厚が異なっていても正確に行うことができるので、ロバスト性を有する正誤判定を実現することができる。

【0123】

そして、制御部６０は、各内径による正誤判定を順次行うことにより、取り付けられている輸液チューブ１２０の内径を判定することができる。

【0124】

なお、上記の例では、輸液チューブ１２０の内径、外径、厚み、挟み付けクリアランス、およびチューブ潰し厚が異なる例を示したが、輸液チューブ１２０の材質が異なる場合にも、対応可能である。すなわち、輸液チューブ１２０の材質が異なれば、輸液チューブ１２０の柔軟性が異なることになり、特徴量スコアに相違が出てくることになる。よって、前述した正誤判定により、輸液チューブ１２０の材質を判別することも可能である。

【0125】

さらに、輸液チューブ１２０が経年劣化した場合、輸液チューブ１２０の柔軟性が異なることになり、特徴量スコアに相違が出てくることになる。よって、前述した正誤判定により、輸液チューブ１２０の経年劣化度合いを判別することも可能である。

【0126】

〔ソフトウェアによる実現例〕
コントローラ５０の制御ブロック（特にサブフレーム生成部６３、特徴量算出部６４、機械学習演算部６５および判定出力部６６）、および学習装置８０の制御ブロック（特に特徴量算出部８１および機械学習モデル生成部８２）は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ソフトウェアによって実現してもよい。

【0127】

後者の場合、コントローラ５０、および学習装置８０は、各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータを備えている。このコンピュータは、例えば１つ以上のプロセッサを備えていると共に、前記プログラムを記憶したコンピュータ読み取り可能な記録媒体を備えている。そして、前記コンピュータにおいて、前記プロセッサが前記プログラムを前記記録媒体から読み取って実行することにより、本発明の目的が達成される。前記プロセッサとしては、例えばＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を用いることができる。前記記録媒体としては、「一時的でない有形の媒体」、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等の他、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、前記プログラムを展開するＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）などをさらに備えていてもよい。また、前記プログラムは、該プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して前記コンピュータに供給されてもよい。なお、本発明の一態様は、前記プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。

【0128】

なお、本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。

【0129】

また、学習装置８０による学習済みモデル生成のための分類及び学習処理の具体構成は本実施形態を限定するものではなく、例えば、以下のような機械学習的手法の何れかまたはそれらの組み合わせを用いることができる。

【0130】

・サポートベクターマシン（SVM: Support Vector Machine）
・クラスタリング（Clustering）
・帰納論理プログラミング（ILP: Inductive Logic Programming）
・遺伝的アルゴリズム（GP: Genetic Programming）
・ベイジアンネットワーク（BN: Baysian Network）
・ニューラルネットワーク（NN: Neural Network）
ニューラルネットワークを用いる場合、３Ｄデータをニューラルネットワークへのインプット用に予め加工して用いるとよい。このような加工には、データの１次元的配列化、または多次元的配列化に加え、例えば、データアーギュメンテーション（Deta Argumentation）等の手法を用いることができる。

【0131】

また、ニューラルネットワークを用いる場合、畳み込み処理を含む畳み込みニューラルネットワーク（CNN: Convolutional Neural Network）を用いてもよい。より具体的には、ニューラルネットワークに含まれる１又は複数の層（レイヤ）として、畳み込み演算を行う畳み込み層を設け、当該層に入力される入力データに対してフィルタ演算（積和演算）を行う構成としてもよい。またフィルタ演算を行う際には、パディング等の処理を併用したり、適宜設定されたストライド幅を採用したりしてもよい。

【0132】

また、ニューラルネットワークとして、数十〜数千層に至る多層型又は超多層型のニューラルネットワークを用いてもよい。

【0133】

また、学習装置８０による学習済みモデル生成処理に用いられる機械学習は、教師あり学習であってもよいし、教師なし学習であってもよい。

【符号の説明】

【0134】

１０ 輸液装置
２０ 輸液チューブ
２５ 駆動モータ
２６ モータ制御部
５０ コントローラ
６０ 制御部
６３ サブフレーム生成部
６４ 特徴量算出部
６５ 機械学習演算部
６６ 判定出力部
８０ 学習装置
８１ 特徴量算出部
８２ 機械学習モデル生成部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】

【図19】