JP2018103284A

JP2018103284A - 工具寿命推定装置

Info

Publication number: JP2018103284A
Application number: JP2016250057A
Authority: JP
Inventors: 真明進藤; Masaaki Shindo
Original assignee: Fanuc Corp
Current assignee: Fanuc Corp
Priority date: 2016-12-22
Filing date: 2016-12-22
Publication date: 2018-07-05
Anticipated expiration: 2036-12-22
Also published as: JP6404893B2; US20180181105A1; DE102017011896A1; US10649435B2; CN108227625A

Abstract

【課題】加工条件の変化に対応して工作機械で使用されている工具の寿命を推定することを可能とする工具寿命推定装置を提供すること。【解決手段】本発明の工具寿命推定装置１００は、工作機械の運転中に記録されたログデータから、工具の寿命が十分に残っている状態での加工の状況を示す加工情報を取得し、取得した加工情報に基づいて入力データを作成する状態観測部１１２と、状態観測部１１２が作成した入力データを用いた教師なし学習により加工情報のクラスタを作成した学習モデルを構築する学習部１１１と、学習モデルを記憶する学習モデル記憶部１１４と、を備える。【選択図】図１

Description

本発明は、工具寿命推定装置に関する。

一般に工作機械で使用される工具は、加工に使用する時間の経過と共に刃先が摩耗して切削抵抗が増加し、摩耗が進むと加工精度が悪化し、ワークに求められる所定の加工精度を維持することができなくなる。そして、その工具の寿命に至る。工具が寿命に達した場合、加工が継続できなくなるため工具を交換する必要があるが、工作機械の自動運転中に工具が寿命に達すると、工具が寿命に達した時点でその場に作業者がいなくてすぐに工具を交換できない場合などがあり、加工サイクルの効率化を妨げる要因の一つとなっていた。そのため、あらかじめ工具寿命を推定する技術が重要となってくる。

工作機械における工具寿命は、加工するワークや加工条件によって変動するため推定が困難である。加工時間や加工回数によって工具寿命を推定する方法もあるが推定の精度は高くなく、オペレータがその都度工具を確認し、工具寿命を判断している場合もある。

工具寿命の推定にかかる従来技術としては、テイラーの寿命方程式が知られている（特許文献１など）。テイラーの寿命方程式を用いて工具寿命を推定する際には、加工に用いる工具やワークの材質などの加工条件に基づいて常数を定め、定めた常数をテイラーの寿命方程式に当て嵌めることにより、さまざまな加工条件において工具寿命を推定することができる。また、加工時間や加工回数などに基づいて工具の寿命を推定する技術も提案されている（特許文献２など）。

特開平１１−１７０１０２号公報特開２００２−２２４９２５号公報

しかしながら、テイラーの寿命方程式を用いて工具の寿命を予測する場合には、加工条件に応じて方程式の常数の計算を行う必要があるため、加工条件が頻繁に変化する工作機械においては常数の決定が煩雑となり、適用することが困難であるという問題がある。
また、加工時間や加工回数などに基づいて工具の寿命を推定する場合には、工具ごとに加工時間や加工回数を記録しておく必要があり、また、その推定方法は実加工に基づいた経験則によるものであるため、やはり加工条件が頻繁に変化する状況では工具寿命の予測が困難となるという問題が生じる。

そこで本発明の目的は、加工条件の変化に対応して工作機械で使用されている工具の寿命を推定することを可能とする工具寿命推定装置を提供することである。

本発明では、工作機械を有する製造業の生産設備において、工作機械から加工の状況を示す加工情報を収集し、収集した加工情報に基づいて工具寿命が残っている状況を機械学習装置に学習させる。機械学習装置による学習が完了したら、工作機械による加工中における加工の状況が工具寿命が残っている状況にあるか否かを機械学習装置に推定させ、工具寿命が残っている状況から外れた加工の状況にあると推定された工作機械に対して工具の寿命が近いことを通知する。

そして、本発明の請求項１に係る発明は、工作機械がワークの加工に用いる工具の寿命を推定する工具寿命推定装置であって、前記工作機械の運転中に記録されたログデータから、前記工具の寿命が十分に残っている状態での前記加工の状況を示す加工情報を取得し、取得した加工情報に基づいて入力データを作成する状態観測部と、前記状態観測部が作成した入力データを用いた教師なし学習により前記加工情報のクラスタを作成した学習モデルを構築する学習部と、前記学習モデルを記憶する学習モデル記憶部と、を備えた工具寿命推定装置である。

本発明の請求項２に係る発明は、工作機械がワークの加工に用いる工具の寿命を推定する工具寿命推定装置であって、前記工作機械の運転中に取得された前記工具の寿命が十分に残っている状態での前記加工の状況を示す加工情報に基づく教師なし学習により前記加工情報のクラスタを作成した学習モデルを記憶する学習モデル記憶部と、前記工作機械の運転中に記録されたログデータから、前記加工の状況を示す加工情報を取得し、取得した加工情報に基づいて入力データを作成する状態観測部と、前記学習モデルを用いて、前記状態観測部が作成した入力データから前記工具の寿命を推定する推定部と、を備えた工具寿命推定装置である。

本発明の請求項３に係る発明は、請求項２に記載の工具寿命推定装置による前記工具の寿命の推定結果に基づいて警報を出力する警報部と、を備えた工作機械である。

本発明によれば、機械学習装置を用いて工具寿命を推定することにより、寿命方程式のように加工条件に応じて常数を計算する必要が無く、また、加工条件ごとに工具寿命を記録しておく必要が無いため、様々な状況に合わせた精度の高い工具寿命の推定が可能となる。

本発明の一実施形態による工具寿命推定装置の学習時の概略的な機能ブロック図である。本発明の一実施形態による機械学習に用いられる加工情報について説明する図である。多層ニューラルネットを学習モデルとして用いた場合の例を示す図である。自己符号化器を学習モデルとして用いた場合の例を示す図である。工具寿命が残っている場合の加工情報のクラスタを例示する図である。本発明の一実施形態による工具寿命推定装置の工具寿命推定時の概略的な機能ブロック図である。工具寿命が残っていると推定される場合の加工情報とクラスタとの関係を示す図である。工具寿命が尽きかけていると推定される場合の加工情報とクラスタとの関係を示す図である。本発明の他の実施形態による機械学習に用いられる加工情報について説明する図である。

以下、本発明の実施形態を図面と共に説明する。
図１は、本発明の一実施形態による工具寿命推定装置の学習時の概略的な機能ブロック図である。本実施形態の工具寿命推定装置１００は、１台以上の工作機械を有する製造業の生産設備において、少なくとも１台以上の工作機械から収集され、ログデータ記憶部２００に記憶されたログデータに基づいて機械学習を行う。

ログデータ記憶部２００には、生産設備において稼動している工作機械から取得された、加工情報が時刻と共にログデータとして記録される。加工情報には、加工に用いられた工具の種類、ワークの材質、クーラントの種類、工具の送り速度、主軸回転数、刃先温度、工具毎の切削時間積算／切削距離積算、切削抵抗（送り軸、主軸のアンプ電流値）などが含まれる。ログデータ記憶部２００は、複数の工作機械から収集された加工情報をログデータとして記録するようにして良い。また、ログデータ記憶部２００は、一般的なデータベースとして構築されて良い。

ログデータを収集する対象となる工作機械では、工作機械が備える各駆動部を制御してワークの加工を行うと共に、各部から得られた信号により各駆動部の状態やセンサによる検出値などを取得して、該工作機械の加工動作に係るログデータを作成して該工作機械の不揮発性メモリや外部機器としての記憶装置などに記憶している。ログデータは各駆動部の作動状況やセンサによる温度の検出値などについて時系列が把握できるように作成される。また、ログデータには、工作機械を操作する管理者や、工作機械に異常が発生した際に対応するメンテナンス要員が機械操作盤を介して入力した各種情報（工具交換作業など）が含まれる。このようにして工作機械の不揮発性メモリなどに記憶されたログデータは、ネットワークなどを介して、または、工作機械のメンテナンス要員などの作業者が携帯する外部記憶装置などを介して、ログデータ記憶部２００へと収集される。この収集は、ログデータが作成されるたびに逐次行っても良いし、適当な期間をおいて定期的に行うようにしても良い。

次に、工具寿命推定装置１００が備える各構成ついて説明する前に、工具寿命推定装置１００が行う学習の概要について説明する。
図２は、本発明の一実施形態による機械学習に用いられる加工情報について説明する図である。本実施形態の工具寿命推定装置１００は、ログデータ記憶部２００に記憶されたログデータの中から、工具寿命が十分に残っている時点での加工情報を収集し、該加工情報に基づいた教師なし学習を行う。本実施形態の工具寿命推定装置１００による教師なし学習は、ログデータ記憶部２００に記録されている加工情報を、あらかじめ定めた所定の単位時間毎に分割した加工情報を用いて実施される。本実施形態の工具寿命推定装置１００による教師なし学習は、工具寿命が十分に残っている時点での加工情報のクラスタを生成することを目的として行われる。そのため、本実施形態の工具寿命推定装置１００は、図２に示すように、ログデータ記憶部２００に記憶されているログデータの内で、工具寿命が尽きたと作業者が判断して、工具を取り替えた時点から所定時間ｔ１前（例えば、１時間前）までの加工情報（工具寿命が尽きる直前の加工情報）を除外し、それ以外の加工情報を抽出して学習に使用する。本実施形態の工具寿命推定装置１００は、工具寿命が尽きる直前の加工情報を除外する方法として、加工情報に異常値が生じている（時間的に前後の加工情報と比較して、所定の値が突出している場合など、工具寿命が尽きる直前には一部の加工情報が異常値を示す場合があるため）を除外するようにしても良い。

「教師なし学習」では、入力データのみを大量に学習装置に与えることで、入力データがどのような分布をしているか学習し、対応する教師出力データを与えなくても、入力データに対して圧縮、分類、整形などを行うことができる。本実施形態の工具寿命推定装置１００は、教師なし学習のアルゴリズムとして、例えば、ＰＣＡ（主成分分析）、ＳＶＭ（サポートベクタマシン）、ニューラルネットワークなどを用いてもよく、また、図３に示すように、ニューラルネットワークの中間層を複数にしてディープラーニングの手法を用いるようにしても良く、その際には、図４に示すような公知のオートエンコーダを構成して、残差を学習するようにしても良い。

図５は、工具寿命が残っている場合の加工情報のクラスタを例示する図である。なお、図３では、例を簡単にするために加工情報として送り速度、主軸回転数、切削抵抗の３つの情報を含んだものとして表現しているが、実際には加工情報はより多次元の情報として表現される。

次に、工具寿命推定装置１００が備える各構成について説明する。工具寿命推定装置１００は、学習部１１１、状態観測部１１２、学習モデル記憶部１１４を備える。
学習部１１１は、状態観測部１１２が取得した入力データに基づいて教師なし学習を行い、学習モデルを構築して学習モデル記憶部１１４に記憶する機能手段である。学習部１１１が構築した学習モデルは、図５で示したような、工具寿命が十分に残っている時点での加工情報と、それ以外とを分類（クラスタリング）するためのモデルとして構成される。学習部１１１が構築する学習モデルのアルゴリズムは、上記で説明したように、工具寿命が十分に残っている時点での加工情報と、それ以外とを分類できるものであればどのようなものを用いてもよい。

状態観測部１１２は、ログデータ記憶部２００に記憶されているログデータの中から入力データを作成し、作成した入力データを学習部１１１へと出力する。本実施形態の工具寿命推定装置１００では、入力データは工作機械から取得された単位時間毎の加工情報である。状態観測部１１２は、数値で表現される加工情報については当該数値を学習部１１１の入力データとしてそのまま利用し、文字列などの数値以外の情報で示される加工情報については、それぞれの文字列を数値へと変換する変換表をあらかじめ図示しないメモリ上に記憶しておき、該変換表を用いて数値以外の情報を数値化して入力データに含めるようにすればよい。

以上の構成により、工具寿命推定装置１００は、工作機械の運転時における工具寿命が十分に残っている時点での加工情報（加工状態）について学習を進め、学習モデルを構築することができる。

次に、構築された学習モデルを用いて工具の寿命を推定する工具寿命推定装置１００について説明する。
図６は、本発明の一実施形態による工具寿命推定装置１００の工具寿命推定時の概略的な機能ブロック図である。本実施形態の工具寿命推定装置１００は、環境としての工作機械１が備える入出力部１７を介して取得された工作機械１が備える各駆動部の動作状況やセンサの情報などを含む加工情報に基づいて、工作機械１で用いられている工具の寿命を推定する。入出力部１７は工作機械１の内部及び外部から取得される情報を、工作機械１の外部及び内部のプロセッサに対して出力している。なお、図６では工作機械１が備える機能ブロックとして入出力部１７と警報部２３のみを示しているが、実際にはＣＰＵなどのプロセッサや駆動部などの一般的な工作機械が備える各構成を備えている。

工具寿命推定装置１００は、状態観測部１１２、学習モデル記憶部１１４、及び推定部１１５を備える。
状態観測部１１２は、工作機械１の運転が行われている最中に、上記で説明した学習時に入力データとして用いられた加工情報を入出力部１７を介して取得し、取得した情報に基づいて入力データを作成して推定部１１５へと出力する。

推定部１１５は、学習モデル記憶部１１４に記憶された学習モデルを用いて、状態観測部１１２から入力された入力データ（加工情報）が加工情報のクラスタのいずれに属するのかを判定することにより、工具寿命の推定を行う。推定部１１５は、図７に示すように、入力データが工具寿命が十分に残っている時点での加工情報のクラスタに属している場合には、現在動作している工作機械１で使用されている工具の寿命が十分に残っていると推定する。また、推定部１１５は、図８に示すように、状態観測部１１２から入力された入力データが工具寿命が十分に残っている時点での加工情報のクラスタに属していない場合には、現在動作している工作機械１で使用されている工具の寿命が尽きる直前であると推定する。
このようにして、推定部１１５は工作機械１から得られた加工情報に基づいて作成された入力データを用いた工具寿命の推定結果を工作機械１の入出力部１７に対して出力する。入出力部１７は、推定部１１５から入力された工具寿命の推定結果が工具の寿命が尽きる直前であるとされていた場合には、警報部２３に対して警報を発するように指令する。

警報部２３は、入出力部１７から警報を発するように指令されると、工作機械１の図示しない機械操作盤に配置されたランプや、表示装置の表示、音などにより、工具の寿命が尽きる直前である旨を作業者に対して通知する。警報部２３が通知する警報は、例えば図２で説明したように、工具寿命が尽きる所定時間ｔ１前までの加工情報を工具寿命が十分に残っている時点での加工情報の学習に用いている場合には、表示装置に対して「あとｔ１時間以内に工具の寿命が尽きる可能性があります」などと具体的な時間を表示するようにしても良い。

このように、工具寿命推定装置１００は、少なくとも１以上の工作機械１における加工情報に基づいた学習をした結果として得られた学習モデルを用いることにより、工作機械１の運転中に工具寿命を推定することが可能となる。そして、工具寿命推定装置１００が工具の寿命が尽きることを推定して警報が発せられた際には、その推定結果を受けて工作機械１の作業者は計画的に工作機械の運転を中断して工具の交換を行うことができるようになる。

以上、ここまで本発明の実施の形態について説明したが、本発明は上記した実施の形態の例にのみ限定されるものでなく、適宜の変更を加えることにより様々な態様で実施することができる。
上記した実施形態では１台の工具寿命推定装置１００での学習及び利用の形態を示したが、学習部１１１が構築して学習モデル記憶部１１４に記憶する学習モデル自体は学習結果を示すデータの集合であるため、例えば、図示しない外部記憶装置やネットワークなどを介して学習モデルを他の工具寿命推定装置１００との間で共有するように構成することもできる。このように構成した場合、学習においては、複数の工具寿命推定装置１００の間で一つの学習モデルを共有した状態で、それぞれの工具寿命推定装置１００が並列して学習を行い、学習の完了までに掛かる時間を短縮することができ、一方で学習モデルの利用においては、共有した学習モデルを用いて複数の工具寿命推定装置１００のそれぞれで工具寿命の推定を行うことも可能である。学習モデルの共有方法については特定の方法に限定されない。例えば、工場のホストコンピュータ内に学習モデルを記憶しておいて各工具寿命推定装置１００で共有してもよいし、学習モデルをメーカーが設置したサーバ上に記憶しておき、顧客の工具寿命推定装置１００の間で共有できるように構成することもできる。

また、上記した実施形態では、学習時と検出時における工具寿命推定装置１００の構成を個別に説明しているが、工具寿命推定装置１００は、学習時の構成と検出時の構成を同時に備えたものとしても良い。このようにした場合、工具寿命推定装置１００は、工具寿命の推定を行いつつ、工作機械１において管理者又はメンテナンス要員により入力される情報に基づいて学習部１１１が更なる追加の学習を行うようにすることができる。

また、上記した実施形態では、工具寿命推定装置１００を工作機械１とは別体として構成した例を示しているが、工具寿命推定装置１００は工作機械１の制御装置の一部として構成するようにしてもよい。

更に、上記した実施形態では、機械学習により工具寿命が十分に残っている時点での加工情報のクラスタを生成するようにしているが、図９に示すように、工具の寿命が尽きる前の加工情報を、工具寿命が尽きる所定時間ｔ１前から〜所定時間ｔ２前までの加工情報、工具寿命が尽きる所定時間ｔ２前から〜所定時間ｔ３前までの加工情報、工具寿命が尽きる所定時間ｔ３前以前の加工情報、といったように分けた上で、それぞれの時間帯のクラスタを作成し、工作機械１での加工時に取得された加工情報がいずれのクラスタに属するのかを判定することで、工具寿命が後どのくらいで尽きるのかをより細かく推定することも可能となる。

１工作機械
１７入出力部
２３警報部
１００工具寿命推定装置
１１１学習部
１１２状態観測部
１１４学習モデル記憶部
１１５推定部
２００ログデータ記憶部

Claims

工作機械がワークの加工に用いる工具の寿命を推定する工具寿命推定装置であって、
前記工作機械の運転中に記録されたログデータから、前記工具の寿命が十分に残っている状態での前記加工の状況を示す加工情報を取得し、取得した加工情報に基づいて入力データを作成する状態観測部と、
前記状態観測部が作成した入力データを用いた教師なし学習により前記加工情報のクラスタを作成した学習モデルを構築する学習部と、
前記学習モデルを記憶する学習モデル記憶部と、
を備えた工具寿命推定装置。
工作機械がワークの加工に用いる工具の寿命を推定する工具寿命推定装置であって、
前記工作機械の運転中に取得された前記工具の寿命が十分に残っている状態での前記加工の状況を示す加工情報に基づく教師なし学習により前記加工情報のクラスタを作成した学習モデルを記憶する学習モデル記憶部と、
前記工作機械の運転中に記録されたログデータから、前記加工の状況を示す加工情報を取得し、取得した加工情報に基づいて入力データを作成する状態観測部と、
前記学習モデルを用いて、前記状態観測部が作成した入力データから前記工具の寿命を推定する推定部と、
を備えた工具寿命推定装置。
請求項２に記載の工具寿命推定装置による前記工具の寿命の推定結果に基づいて警報を出力する警報部と、
を備えた工作機械。