CN106563972A - 刀具状态监测及预测方法 - Google Patents
刀具状态监测及预测方法 Download PDFInfo
- Publication number
- CN106563972A CN106563972A CN201510657209.XA CN201510657209A CN106563972A CN 106563972 A CN106563972 A CN 106563972A CN 201510657209 A CN201510657209 A CN 201510657209A CN 106563972 A CN106563972 A CN 106563972A
- Authority
- CN
- China
- Prior art keywords
- data
- cutter
- forecasting methodology
- tool
- power consumption
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000004519 manufacturing process Methods 0.000 claims abstract description 56
- 230000036541 health Effects 0.000 claims abstract description 25
- 238000005520 cutting process Methods 0.000 claims description 18
- 238000012935 Averaging Methods 0.000 claims description 11
- 238000005299 abrasion Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 241001269238 Data Species 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 4
- 238000007726 management method Methods 0.000 description 51
- 238000004458 analytical method Methods 0.000 description 46
- 238000005457 optimization Methods 0.000 description 13
- 239000000463 material Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000003913 materials processing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
- B23Q17/0952—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining
- B23Q17/0957—Detection of tool breakage
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种刀具状态监测及预测方法，其利用一服务盒从生产设备上的多个传感器取得数据，以执行刀具状态监测及健康评定并预测功率消耗。传感器数据持续不断地被监测及分析，当功率使用增加及震动增加到一预设阶段时，刀具会变钝及耗损，到达需要替换刀具的时间点。服务盒与生产设备上的传感器耦合，服务盒可从传感器上接收适当的数据并实时将数据传送至一云端服务器，当判断出刀具需要被替换时会发出一通知给全体人员，以将耗损的刀具替换成锐利的刀具。
Description
技术领域
本发明涉及一种刀具状态监测及预测方法，该方法利用一服务盒从生产设备上的传感器获得数据，以执行切削刀具状态监测、健康分析及功率消耗预测。
背景技术
制造工厂使用众多的机器来生产产品，设备的效能会直接影响到产品的成本和售卖产品时的盈利，为了提高设备效能，传统工厂会雇用大量的技术员以维持设备正常工作。
许多传统的生产设施用设备具有可变的刀具，如钻头、镂铣刀具或其他切削刀具与材料接触，以切割、形状或材料加工成产品的全部或一部分。
当刀具接触材料几次之后会开始磨损，若继续使用，则刀具将产生磨耗并最终发生断裂或崩齿等不可用情形且需要更换。
然而，传统的生产系统不具有确定何时刀具应该更换的有效方法，一般而言，工厂会依据生产工件的数量、工作时间或切削区域之后更换刀具，但此基于对操作员和专家的经验和数目而设置，为静态的，并不能反映真实情况。不幸的是，这种刀具更换废料材料、材料成本和劳动成本的方法增加了生产成本且降低了生产效率。
因此，有必要提出一种制造效率优化平台及刀具状态监测及预测方法，利用一平台取得生产设备的数据，并在数据上利用智能刀具状态监测、健康分析及预测工具，具体架构及其实施方式将详述于下：
发明内容
本发明的主要目的在于提供一种刀具状态监测及预测方法，其利用一服务盒提供生产设备上传感器所取得的数据以提高生产效率，用以执行刀具状态监测、健康分析及功率消耗预测。
为了达到上述目的，本发明提供了一种刀具状态监测及预测方法，包括下列步骤：
利用一服务盒从一机器设备上的多个传感器中取得数据；
将取得的数据传送至一云端服务器；
将该机器设备上的一刀具利用该取得的数据与一工件产生联系，并得到一撷取数据；
分析该撷取数据；
依据分析该撷取数据的结果，该工具执行一健康评定；
若该健康评定的结果为该刀具必须替换，则替换该刀具；以及
若该健康评定的结果为该刀具可继续使用，则继续利用该刀具进行生产。
在本发明的一实施例中，该取得的数据包括功率消耗数据及震动数据。
在本发明的一实施例中，该取得的数据还包括计算机数值控制数据及数据撷取数据。
在本发明的一实施例中，刀具状态监测及预测方法还包括以下步骤：
根据该健康评定的结果判断该刀具的一健康评定值；以及
当该健康评定值到达一预设值时，判断该刀具是否需要被替换。
在本发明的一实施例中，刀具状态监测及预测方法还包括以下步骤：
将该健康评定的结果与一先前健康评定的结果进行比对；
判断功率消耗；以及
预测未来的功率消耗。
在本发明的一实施例中，刀具状态监测及预测方法还包括以下步骤：当该刀具必须被替换时通知全体人员。
在本发明的一实施例中，刀具状态监测及预测方法还包括以下步骤：该刀具即将需要更换时通知全体人员。
为了达到上述目的，本发明还提供了另一种刀具状态监测及预测方法，包括下列步骤：
利用一服务盒从一生产机器上取得多个传感器数据及控制数据；
利用该服务盒将该传感器数据及该控制数据传送至一云端服务器；
过滤该传感器数据及该控制数据；
对该过滤后的数据执行一平均值程序；
从该平均值程序的结果中选择一区段；
从该区段中撷取多个特征；
执行一健康评定；以及
判断该生产机器上一刀具状态的健康评定值。
在本发明的一实施例中，该传感器数据及该控制数据包括功率消耗数据及震动数据。
在本发明的一实施例中，该传感器数据及该控制数据还包括计算机数值控制数据及数据撷取数据。
在本发明的一实施例中，刀具状态监测及预测方法还包括以下步骤：当该健康评定值到达一预设值时，判断该刀具是否需要被替换。
在本发明的一实施例中，刀具状态监测及预测方法还包括以下步骤：
将该健康评定的结果与一先前健康评定的结果进行比对；
判断功率消耗；以及
预测未来的功率消耗。
在本发明的一实施例中，刀具状态监测及预测方法还包括以下步骤：
将该健康评定的结果与多个先前健康评定的结果进行比对；
判断功率消耗；以及
预测未来的功率消耗。
在本发明的一实施例中，刀具状态监测及预测方法还包括以下步骤：当该健康评定值到达一预设值时替换该刀具。
在本发明的一实施例中，刀具状态监测及预测方法还包括以下步骤：当该刀具必须被替换时通知全体人员。
在本发明的一实施例中，刀具状态监测及预测方法还包括以下步骤：当该健康评定值到达该预设值时更换该刀具。
为了达到上述目的，本发明还提供了一种刀具状态监测及预测方法，包括下列步骤：
利用一服务盒从一生产机器上的多个传感器上取得震动数据、功率消耗数据及控制数据；
利用该服务盒将该震动数据、功率消耗数据及控制数据传送至一云端服务器；
过滤该震动数据、功率消耗数据及控制数据；
对该过滤后的数据执行一平均值程序；
从该平均值程序的结果中选择一区段，该区段包括该生产机器上的一刀具与一工件产生联系的时间段；
从该区段中撷取多个特征；
执行一健康评定；
判断该生产机器上一刀具状态的一健康评定值；以及
当该健康评定值到达一预设值时，替换该刀具。
在本发明的一实施例中，刀具状态监测及预测方法还包括以下步骤：
将该健康评定的结果与一先前健康评定的结果进行比对；
判断功率消耗；以及
预测未来的功率消耗。
在本发明的一实施例中，刀具状态监测及预测方法还包括以下步骤：利用该服务盒取得并传送计算机数值控制数据及数据撷取数据。
在本发明的一实施例中，该震动数据增大代表震动增加，该功率消耗数据增大代表功率消耗增加，该健康评定值减小代表该刀具已产生磨耗。
本发明评估一个系统在生命周期内的可靠性，以主动检测任何即将到来的故障并降低风险，提前获知某些设备的故障，以节省大量时间和金钱，同时提高产品和操作的总体可靠性和安全性。外部附加的传感器和控制器信号用于监测和用以分析健康信息。一台设备的健康评估是由关键子系统的健康值及其组件所产生。
本发明提供的制造效率优化平台包括一服务盒、一应用服务器、一代理服务器及一云端服务器。
服务盒包括一硬件盒，其中包括电子电路、韧体及软件，服务盒与生产设备上的多个传感器耦合，服务盒请求并接收传感器发出的数据，并实时将数据传送到云端服务器。
本发明提供一种判断何时应该更换刀具的高效和有效的方法，刀具状态监测通过设备上的传感器数据进行，传感器数据连续被监测及分析。
当使用功率增加且振动增加至一预定水平时，本发明判断该刀具是否已经变钝或磨损的刀具是否已经到达必须更换的时间点，如果是，则通知相关人员用锋利的刀具替换已磨损的刀具，本发明自动识别该刀具需要被更换的时机，以减少材料和劳力的浪费。
应用服务器包括多个分析工具和管理应用程序，其在开发中或已经通过应用程序设计者和程序员完成并公布在应用程序服务器上。一代理服务器包括多个分析工具和管理工具，其从应用服务器上下载，用户可直接在代理服务器上使用，或者下载到云端服务器。分析工具和管理工具用于分析传感器数据和管理生产效率，最大限度地提高整体设备效率有效的结果的应用程序。分析和管理工具包括，例如，用于故障排除、生产调度、质量控制、健康诊断、稼动率管理以及能源监测工具。云端服务器包括由代理服务器提供的多个分析及管理工具，云端服务器利用分析及管理工具在代理服务器上或直接在云端服务器上实时接收服务盒传送的传感器数据。
本发明还包括一客户端装置，其包括一服务仪表板，以显示由云端服务器提供的分析工具和管理工具的各种结果。客户端装置的用户可通过服务仪表板有效地监测和管理各个方面的生产并与云端服务器沟通。
因此，本发明有效的监测、分析、预测及管理生产过程，能够提高机械设备的生产效率、监测刀具状态并预测功率消耗，以降低成本并提高利润，以将制造流程优化。
下面通过具体实施例详加说明，当更容易了解本发明的目的、技术内容、特点及其所达成的功效。
附图说明
图1为本发明提供的制造效率优化平台的方块图；
图2为本发明提供的刀具状态监测及预测方法一实施例的流程图；
图3为本发明提供的刀具状态监测及预测方法一实施例的流程图；
图4A为传感器信号的示意图；
图4B为控制器信号的示意图；
图5A为平均后功率值的曲线图；
图5B为选择刀具状态监测特征的曲线图；
图6为健康评估值结果及每道平均消耗功率的曲线图；
图7为本发明提供的优化平台中多个云端服务器一实施例的流程图；
图8为本发明提供的优化平台中多个服务盒一实施例的流程图。
附图标记说明：100-制造效率优化平台；110-应用服务器；120-代理服务器；130-服务盒；130A-服务盒A；130B-服务盒B；130D-服务盒D；140-云端服务器；140A-云端服务器A；140B-云端服务器B；150-客户端装置；150F-客户端装置F；150G-客户端装置G；160-服务仪表板；200-刀具状态监测及预测方法；300A-机器A；300D-机器D。
具体实施方式
本发明提供一种制造效率优化平台及刀具状态监测及预测方法，如图1所示，制造效率优化平台100由一应用服务器110、代理服务器120、服务盒130、云端服务器140以及一客户端装置150组成。
应用服务器110与代理服务器120连接，代理服务器120与应用服务器110和云端服务器140连接，服务盒130与云端服务器140和一台生产机器(production machine)中的多个传感器相接，客户端装置150与云端服务器140相接，该云端服务器与代理服务器120、服务盒130以及客户端装置150相接。
应用服务器110、代理服务器120、服务盒130、云端服务器140以及客户端装置150彼此间的相接处还包含了一个无线或有线网络，或一个由无线及有线网络构成的组合。
应用服务器110、代理服务器120、云端服务器140以及客户端装置150包含多个服务器、计算机、平板计算机、智能手机或其他能够与平台100相连接的电子装置。
应用服务器110包含多个目前仍处于开发阶段，或已经完成开发且可分派使用的分析及管理工具应用程序。开发者们会利用应用服务器110建立和规划这些分析及管理工具，一旦这些分析及管理工具准备好分派时，这些分析及管理工具将会被发布于应用服务器110中，并通知代理服务器120。
代理服务器120与应用服务器110相连接，以存取并下载这些发布出来的分析及管理工具。
这些分析及管理工具包含多种工具，举例来说，如数据监测及分析、数据撷取(data acquisition)、健康因子的筛选(health factor extraction andselection)、健康评估、可视化、性能预测(performance prediction)、质量分析、设计(projection)、存货清单(inventory)、设备有效性(equipmenteffectiveness)、侦测和生产、除错(troubleshooting)、生产计划(productionscheduling)、质量控制、健康诊断、利用度管理(utilization management)、能源监测(energy monitoring)、知识管理(knowledge management)、数据分析、系统管理、客户管理、远程监测(remote monitoring)、技术文件、服务管理、排程以及雇员管理。
由云端服务器140接收来自代理服务器120所提出的要求，且由应用服务器110开发的各种客制化工具皆满足云端服务器140的使用者们所提出的各式特殊需求。
服务盒130包含一个带有一微处理器、一非瞬时内存(non-transitorymemory)、多个电子回路、韧体、软件以及多个输入/输出连接件的硬件盒(hardware box)。服务盒130则与一台生产机器上的多个传感器相连。服务盒130对传感器要求并接收适当且精确的数据，同时将该数据实时传送至云端服务器140上。
这些传感器包含多种传感器，举例来说，如可编程逻辑控制器(programmable logic controllers,PLC)、计算机数值控制(computer numericalcontrol,CNC)控制器、压力传感器、功率传感器(power sensors)、震动传感器(vibration sensors)、温度传感器、声音传感器(acoustic sensors)、全球定位系统(global positioning system,GPS)传感器、企业资源计划(enterpriseresource planning,ERP)、制造执行系统(manufacturing execution systems,MES)以及信息科技(IT)系统。
服务盒130可配置用于连接想要的单个或多个传感器，并接收想要的传感器数据。
云端服务器140会从服务盒130实时接收该传感器数据。云端服务器140亦可对与服务盒130相接的多个传感器重新组态。云端服务器140包含一微处理器、一非瞬时内存及一组由代理服务器120所提供的多个分析及管理工具。云端服务器140会利用这些可用于代理服务器120，或可直接用于云端服务器140的分析及管理工具，同时接收从服务盒130实时传来的传感器数据。在本发明的一个实施例中，这些分析及管理工具将储存于本机中，并于云端服务器140上执行。而在另一项实施例中，这些分析及管理工具将储存并执行于代理服务器120上。
本发明提供的制造效率优化平台100还可以包含客户端装置150。客户端装置150包含一仪表板160，用以作为显示云端服务器140所提供的分析及管理工具的各种结果中的一项有效可视化结果。
如图2所示为本发明提供的刀具状态监测及预测方法一实施例的流程图。
通过追踪失败特征及使用分析工具以估计一元件状态，从而避免因过度磨损及在加工操作切削时刀具的破损。因此，本发明提高了生产效率，使生产和维护的加工件具有更好的质量，并减少与自动化制造系统相关的支出。
本发明提供的刀具状态监测及预测方法能够判断何时为替换刀具的最佳时间，服务盒从设备上的振动传感器及功率消耗传感器取得传感器数据并提供刀具状态监测，传感器数据持续监测并分析。
当使用功率增加且振动增加到一预定水平时，本发明判断该刀具是否已经变钝或磨损的刀具到达必须更换的时间点，并自动识别该刀具需要被更换的时机，以减少材料和劳力的浪费。
服务盒从机械设备、刀具收集磨损敏感信号，如主轴功率和振动并数字化，选定的控制器信号会记录下来，接着将两个数据串流传送到云端服务器。接着利用一区段模块将开头及结尾样本去除，且不会有明显的切割动作，其余的数据区段则被储存起来，利用刀具状态监测模块对一给定的测试数据进行处理，以产生一健康状态估计。
图2所示的实施例中，本发明提供的刀具状态监测及预测方法200于步骤210中，包括一服务盒从设备或刀具上适当的传感器取得功率及振动数据，除了功率及振动数据之外，其他控制信号会利用服务盒从传感器取得。步骤220，服务盒将取得的数据传送至云端服务器。
步骤230中，分析和管理工具中的刀具状态监测模块提取切削数据，其中该刀具实际接触的生产材料，并从该刀具被闲置或重置的不接触材料生产数据进行切削；步骤240，刀具状态监测模块对提取出的切削数据进行分析，步骤250，刀具状态监测模块依据提出的切削数据的分析结果对该刀具执行一健康评估，并于步骤260中分析该健康评估的结果以判断该刀具的健康状态。步骤270中，若健康评估的结果为刀具已磨损需更换，则更换刀具，若健康评估的结果为刀具还可继续使用，则继续使用该刀具。
于本发明的一实施例中，服务盒或云端服务器会通知适当的人员，例如工程师、技术人员或机器操作者，将磨损的刀具换成锋利的刀具，快速恢复生产。
于本发明的一实施例中，服务盒或云端服务器仅会在刀具需被更换时才会通知适当的人员，这允许人员提前拿到新刀具以节省时间。当刀具需要更换时才会再次通知人员。
如图3所示为本发明提供的刀具状态监测及预测方法一实施例的流程图。
当刀具状态监测模块被触发时，读取从服务盒传送到云端服务器的传感器数据及控制数据，如步骤310所述，此数据包括计算机数值控制(computer numerical control,CNC)数据、振动数据、功率使用数据、电流数据及数据撷取(data acquisition,DAQ)数据；步骤320中将数据过滤，并在步骤330执行一平均值程序(averaging process)，步骤340选择一区段，步骤350撷取适当的多个特征，步骤360中执行一健康评定，并在步骤370中写入一健康评定档案。
本发明提供的制造效率优化平台还包括一预测模块，用以预测未来功率消耗，通过预测功率消耗可避免能源使用超量和功率限制，制造设备能更有效地被安排生产，刀具制造商可以提高刀具制造质量。
步骤380中，将该健康评定档案与先前写入的评定档案相比较，举例而言，目前写入的健康评定档案与一个先前写入的评定档案相比，或是与多个先前写入的评定档案相比。
接着如步骤390所述，判断功率消耗及电流，并在步骤395预测未来的功率消耗。
当刀具状态监测模块被触发时，其会自动搜寻适当的至少一份数据文件，指向此档案的档案路径会被定位并对相关档案进行解析，所得到的信号或数据会进行一系列的处理，其中特征是从信号的一个稳定部分所撷取，一个稳定部分的定义为切削刀具被实际接合到工件上的数据的持续时间。功率数据经过一个平均值程序后，该区段的稳定部分会利用一个装置方法加以鉴定。稳定部分的时间位置用以隔离在振动数据的等效区段，接着计算从稳定部分中的振动和电源信号，总而言之，如平均值、标准偏差、最小和最大值会被导出。
被选取的多个特征接着会汇入到一健康评定技术中，其使用一欧基理德度量(Euclidean metric)。
健康评定结果包括一标准健康评定值，其开始时高，当切削刀具被连续使用后，衰退表现几乎都会使健康值减少。最后，当健康评定值达到一个仅低于预设的数值时，例如0.5，则刀具需被替换。当刀具必须更换时，健康评定值会与在相似设备状态和参数下执行切削测试模拟。
当刀具被判断为变钝，服务盒或云端服务器会通知适当人员去更换成锋利的刀具。
本发明提供的制造效率优化平台、刀具状态监测及预测方法能够实时监测刀具状态，并让制造商可轻易了解他们的刀具状态，预测模块还可以让制造商使用功率消耗趋势以提高调度，避免功率限制。
参考上述描述，图4A为传感器信号的示意图，图4B为控制器信号的示意图。在图4A中振动数据显示在上方、功率数据显示在下方。
如图5A所示，其为平均后功率值的曲线图，信号15的稳定部分为最高或最低均值的高原部分。稳定部分的时间位置用以隔离振动数据的等效区段。如图5B所示，其为选择刀具状态监测特征的曲线图，计算稳度部分的振动信号及功率信号的多个特征。
如图6所示为健康评估值结果及每道平均消耗功率的曲线图，其中上方为健康评定，下方为功率消耗。如图所示，当刀具耗损时所消耗的功率会增加，健康评定降低且功率消耗增加代表刀具磨损，当健康评定值降低到一预设点位时，代表刀具需要进行更换。
本发明提供的制造效率优化平台及刀具状态监测及预测方法还可以包括产生分析及管理工具，应用程序开发者利用应用服务器去创造及开发使用在平台上的分析及管理工具，此分析及管理工具在开发中或开发完成皆储存在应用服务器中，当工具完成时会在应用服务器上公开，并通知代理服务器此分析及管理工具已准备好销售。分析及管理工具在开发及公开期间系储存于应用服务器中，当通知代理服务器此分析及管理工具已公开后，会将分析及管理工具从应用服务器下载至代理服务器，云端服务器会被通知有新的会更新版本的分析及管理工具。
代理服务器将其中的分析及管理工具提供给云端服务器，在本发明的一实施例中，分析及管理工具会自动下载至云端服务器；在本发明的另一实施例中，分析及管理工具会依云端服务器的需求下载。
服务盒耦接至至少一机械传感器以接收适当的传感器数据，传感器数据包括功率消耗、温度、黏度、噪音水平、振动、材料数量或体积、产品计数等，服务盒将传感器数据实时传送到云端服务器，传送的数据会被云端服务器接收。
云端服务器会使用传感器数据上的分析及管理工具，举例而言，当传感器数据包括机器的目前温度时，分析及管理工具追踪温度，并产生温度记录或历史，如果温度太高或太低则产生一报警，以及其他有用的分析。云端服务器会将这些传感器数据上分析及管理工具的结果提供给客户端装置，在本发明的一实施例中，这些结果会自动传送给客户端装置，而在本发明的另一实施例中，这些结果会显示在客户端装置的一服务仪表板上。
客户端装置上的服务仪表板提供使用者访问的分析结果和由云端服务器提供的数据，服务仪表板包括显示可用的工具、报表、图表、图表、地图、历史、日志、日程安排、数量、库存、文文件、订单或投影。
服务仪表板显示可用工具的图标和客户端装置的用户数据存取的图标，点击其中一个图标会弹出选择图标的可视化，举例而言，若使用者在服务仪表板上选择一生产质量的图标，则会显示目前产量及过去产量历史的曲线图，如此一来，使用者可实时地、轻易地看到量化的信息，更胜于阅读印出来的报告。
在一实施例中，服务仪表板会依不同用户而个别配置，仅显示适当的工具和数据给每一用户，举例而言，质量保证人员不看财务、订购、或配送信息，藉由使用本发明之平台可避免信息过载及混乱。在一实施例中，服务仪表板配置为在客户端装置实时显示适当的数据，举例而言，在生产现场的操作员将从他们的客户端装置上看到机械性能的实时曲线图，不会被不需要的数据所混淆。
如图7所示，本发明提供许多云端服务器及平台服务的配置，对客户端而言相当弹性，在图7中，多个云端服务器与代理服务器120连接，云端服务器A 140A与服务盒A 130A连接、云端服务器B 140B与服务盒B130B连接，且云端服务器140A及140B连接到同一代理服务器120。
云端服务器A 140A配置为一个私密云端服务器，包括仅供客户端存取的私密数据，云端服务器A 140A连接至代理服务器以下载分析及管理工具，所有的数据，如传感器数据、产品数据、分析数据及管理数据等，皆会保留在云端服务器A 140A中且不会被公开。私密云端服务器，如云端服务器A 140A，对于敏感的制造数据可提供高阶的安全性给客户端。
云端服务器B 140B配置为一个半公开云端服务器，其上的部分数据或所有数据可被代理服务器120存取，代理服务器120提供云端数据服务和分析及管理工具管理服务给云端服务器B 140B。举例而言，代理服务器120定期更新分析及管理工具，提供存取新工具、在产品数据上执行分析、及维持云端服务器B 140B。半公开云端服务器，如云端服务器B 140B，对于较小型的公司或客户端而言具有较高的经济效益来维持，而不需要技术支持团队。
在本发明的一实施例中，分析及管理工具为付费使用，客户端可选择所需的分析及管理工具并付费使用，而不是买下该工具，可避免客户端买下不需要的工具，并减少本发明架设平台所花费的成本。
在本发明的一实施例中，分析及管理工具为分别购买，依据工具的复杂度来决定价格。
在本发明的一实施例中，分析及管理工具为租借使用，当客户端使用完毕或不再需要该工具时，可将其归还，举例而言，若工具为存货清单效率工具，每年分析一次，则客户端只需一年租借一次或是短期租借，用完之后归还工具即可。
在本发明的一实施例中，服务盒为租借给客户端，这提供了服务盒加入生产设备或从生产设备上移除时，服务盒数目增减的弹性；且如此一来，本发明的平台所需成本可轻易被客户端控制，初始成本比一开始购买服务盒的成本低。
如图8所示为多个服务盒连接到同一云端服务器的示意图。服务盒A130A连接至机器A 300A，并接收其上的传感器A、传感器B及传感器C的传感器数据，服务盒A 130A再将接收到的传感器数据传送到云端服务器140。服务盒D 130D连接至机器D 300D，并接收其上传感器D及传感器E的传感器数据，服务盒D 130D将接收到的传感器数据传送给云端服务器140。
云端服务器140连接至多个客户端装置(客户端装置F 150F和客户端装置G 150G)，数据可包括机器A 300A和机器D 300D的传感器数据、分析数据、管理数据及机器数据，客户端装置F 150F和客户端装置G 150G具有同时或各自在云端服务器140上存取数据的权利。
以上所述仅为本发明的较佳实施例而已，并非用来限定本发明实施的范围。故即凡依本发明权利要求范围所述的特征及精神所为的均等变化或修饰，均应包括于本发明的权利要求范围内。
Claims (20)
1.一种刀具状态监测及预测方法，其特征在于，包括下列步骤：
利用一服务盒从一机器设备上的多个传感器中取得数据；
将取得的数据传送至一云端服务器；
将该机器设备上的一刀具利用该取得的数据与一工件产生联系，并得到一撷取数据；
分析该撷取数据；
依据分析该撷取数据的结果，该工具执行一健康评定；
若该健康评定的结果为该刀具必须替换，则替换该刀具；以及
若该健康评定的结果为该刀具可继续使用，则继续利用该刀具进行生产。
2.根据权利要求1所述的刀具状态监测及预测方法，其特征在于，该取得的数据包括功率消耗数据及震动数据。
3.根据权利要求2所述的刀具状态监测及预测方法，其特征在于，该取得的数据还包括计算机数值控制数据及数据撷取数据。
4.根据权利要求1所述的刀具状态监测及预测方法，其特征在于，还包括以下步骤：
根据该健康评定的结果判断该刀具的一健康评定值；以及
当该健康评定值到达一预设值时，判断该刀具是否需要被替换。
5.根据权利要求1所述的刀具状态监测及预测方法，其特征在于，还包括以下步骤：
将该健康评定的结果与一先前健康评定的结果进行比对；
判断功率消耗；以及
预测未来的功率消耗。
6.根据权利要求1所述的刀具状态监测及预测方法，其特征在于，还包括以下步骤：当该刀具必须被替换时通知全体人员。
7.根据权利要求1所述的刀具状态监测及预测方法，其特征在于，还包括以下步骤：该刀具即将需要更换时通知全体人员。
8.一种刀具状态监测及预测方法，其特征在于，包括下列步骤：
利用一服务盒从一生产机器上取得多个传感器数据及控制数据；
利用该服务盒将该传感器数据及该控制数据传送至一云端服务器；
过滤该传感器数据及该控制数据；
对该过滤后的数据执行一平均值程序；
从该平均值程序的结果中选择一区段；
从该区段中撷取多个特征；
执行一健康评定；以及
判断该生产机器上一刀具状态的健康评定值。
9.根据权利要求8所述的刀具状态监测及预测方法，其特征在于，该传感器数据及该控制数据包括功率消耗数据及震动数据。
10.根据权利要求9所述的刀具状态监测及预测方法，其特征在于，该传感器数据及该控制数据还包括计算机数值控制数据及数据撷取数据。
11.根据权利要求8所述的刀具状态监测及预测方法，其特征在于，还包括以下步骤：当该健康评定值到达一预设值时，判断该刀具是否需要被替换。
12.根据权利要求8所述的刀具状态监测及预测方法，其特征在于，还包括以下步骤：
将该健康评定的结果与一先前健康评定的结果进行比对；
判断功率消耗；以及
预测未来的功率消耗。
13.根据权利要求8所述的刀具状态监测及预测方法，其特征在于，还包括以下步骤：
将该健康评定的结果与多个先前健康评定的结果进行比对；
判断功率消耗；以及
预测未来的功率消耗。
14.根据权利要求8所述的刀具状态监测及预测方法，其特征在于，还包括以下步骤：当该健康评定值到达一预设值时替换该刀具。
15.根据权利要求14所述的刀具状态监测及预测方法，其特征在于，还包括以下步骤：当该刀具必须被替换时通知全体人员。
16.根据权利要求14所述的刀具状态监测及预测方法，其特征在于，还包括以下步骤：当该健康评定值到达该预设值时更换该刀具。
17.一种刀具状态监测及预测方法，其特征在于，包括下列步骤：
利用一服务盒从一生产机器上的多个传感器上取得震动数据、功率消耗数据及控制数据；
利用该服务盒将该震动数据、功率消耗数据及控制数据传送至一云端服务器；
过滤该震动数据、功率消耗数据及控制数据；
对该过滤后的数据执行一平均值程序；
从该平均值程序的结果中选择一区段，该区段包括该生产机器上的一刀具与一工件产生联系的时间段；
从该区段中撷取多个特征；
执行一健康评定；
判断该生产机器上一刀具状态的一健康评定值；以及
当该健康评定值到达一预设值时，替换该刀具。
18.根据权利要求17所述的刀具状态监测及预测方法，其特征在于，还包括以下步骤：
将该健康评定的结果与一先前健康评定的结果进行比对；
判断功率消耗；以及
预测未来的功率消耗。
19.根据权利要求17所述的刀具状态监测及预测方法，其特征在于，还包括以下步骤：利用该服务盒取得并传送计算机数值控制数据及数据撷取数据。
20.根据权利要求17所述的刀具状态监测及预测方法，其特征在于，该震动数据增大代表震动增加，该功率消耗数据增大代表功率消耗增加，该健康评定值减小代表该刀具已产生磨耗。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510657209.XA CN106563972A (zh) | 2015-10-13 | 2015-10-13 | 刀具状态监测及预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510657209.XA CN106563972A (zh) | 2015-10-13 | 2015-10-13 | 刀具状态监测及预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106563972A true CN106563972A (zh) | 2017-04-19 |
Family
ID=58508205
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510657209.XA Pending CN106563972A (zh) | 2015-10-13 | 2015-10-13 | 刀具状态监测及预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106563972A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108873814A (zh) * | 2018-06-25 | 2018-11-23 | 深圳精匠云创科技有限公司 | 监测系统、监测方法及存储设备 |
| CN109079165A (zh) * | 2018-08-30 | 2018-12-25 | 珠海格力智能装备有限公司 | 主轴的监测方法及装置、机床 |
| CN109211545A (zh) * | 2018-08-27 | 2019-01-15 | 广西科技大学鹿山学院 | Cnc运动轴负载自动报警装置及其方法 |
| CN109318055A (zh) * | 2018-09-11 | 2019-02-12 | 温州大学苍南研究院 | 一种铣削刀具磨损状态特征提取多目标优化方法 |
| CN109765840A (zh) * | 2018-12-11 | 2019-05-17 | 工业互联网创新中心（上海）有限公司 | 高档数控机床换刀预测系统 |
| CN109909804A (zh) * | 2018-12-21 | 2019-06-21 | 北京工业大学 | 基于主轴驱动电流和工步的刀具磨损破损在线监测方法 |
| CN110549162A (zh) * | 2018-06-01 | 2019-12-10 | 日立汽车系统（中国）有限公司 | 切削异常的检测方法、切削异常的检测装置 |
| CN111185802A (zh) * | 2018-11-14 | 2020-05-22 | 株式会社日立制作所 | 旋转工具诊断系统 |
| CN111451839A (zh) * | 2019-01-22 | 2020-07-28 | 发那科株式会社 | 机床的工具管理系统 |
| CN116079087A (zh) * | 2023-04-12 | 2023-05-09 | 哈尔滨商业大学 | 一种智能制造的数控车床 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS59102559A (ja) * | 1982-12-03 | 1984-06-13 | Hitachi Metals Ltd | 加工異常検知装置および方法 |
| JPH03142147A (ja) * | 1989-09-05 | 1991-06-17 | General Electric Co <Ge> | 工具の破損及び疲労の状態を決定する装置及び方法 |
| EP1027954A1 (en) * | 1998-08-28 | 2000-08-16 | Mori Seiki Co., Ltd. | Method of preparing tool wear data, estimating tool wear amount, and making decision on the use of the tool |
| CN1352586A (zh) * | 1999-05-27 | 2002-06-05 | 三洋电机株式会社 | 检测切削工具异常的装置及其方法 |
| CN102145469A (zh) * | 2011-04-29 | 2011-08-10 | 深圳市平进股份有限公司 | 在数控机床工作时检测切削刀具磨损的方法及装置 |
| CN102179728A (zh) * | 2011-03-14 | 2011-09-14 | 上海师范大学 | 一种数控刀具磨损智能检测装置 |
| CN102765010A (zh) * | 2012-08-24 | 2012-11-07 | 常州大学 | 刀具破磨损状态检测方法及其检测系统 |
| CN104503361A (zh) * | 2014-12-30 | 2015-04-08 | 重庆大学 | 基于多模式融合的齿轮加工过程换刀决策方法 |
-
2015
- 2015-10-13 CN CN201510657209.XA patent/CN106563972A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS59102559A (ja) * | 1982-12-03 | 1984-06-13 | Hitachi Metals Ltd | 加工異常検知装置および方法 |
| JPH03142147A (ja) * | 1989-09-05 | 1991-06-17 | General Electric Co <Ge> | 工具の破損及び疲労の状態を決定する装置及び方法 |
| EP1027954A1 (en) * | 1998-08-28 | 2000-08-16 | Mori Seiki Co., Ltd. | Method of preparing tool wear data, estimating tool wear amount, and making decision on the use of the tool |
| US6584415B1 (en) * | 1998-08-28 | 2003-06-24 | Mori Seiki Co., Ltd. | Method of creating tool wear data, estimating tool wear and judging use of tool |
| CN1352586A (zh) * | 1999-05-27 | 2002-06-05 | 三洋电机株式会社 | 检测切削工具异常的装置及其方法 |
| CN102179728A (zh) * | 2011-03-14 | 2011-09-14 | 上海师范大学 | 一种数控刀具磨损智能检测装置 |
| CN102145469A (zh) * | 2011-04-29 | 2011-08-10 | 深圳市平进股份有限公司 | 在数控机床工作时检测切削刀具磨损的方法及装置 |
| CN102765010A (zh) * | 2012-08-24 | 2012-11-07 | 常州大学 | 刀具破磨损状态检测方法及其检测系统 |
| CN104503361A (zh) * | 2014-12-30 | 2015-04-08 | 重庆大学 | 基于多模式融合的齿轮加工过程换刀决策方法 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110549162A (zh) * | 2018-06-01 | 2019-12-10 | 日立汽车系统（中国）有限公司 | 切削异常的检测方法、切削异常的检测装置 |
| CN108873814A (zh) * | 2018-06-25 | 2018-11-23 | 深圳精匠云创科技有限公司 | 监测系统、监测方法及存储设备 |
| CN109211545A (zh) * | 2018-08-27 | 2019-01-15 | 广西科技大学鹿山学院 | Cnc运动轴负载自动报警装置及其方法 |
| CN109079165A (zh) * | 2018-08-30 | 2018-12-25 | 珠海格力智能装备有限公司 | 主轴的监测方法及装置、机床 |
| CN109318055A (zh) * | 2018-09-11 | 2019-02-12 | 温州大学苍南研究院 | 一种铣削刀具磨损状态特征提取多目标优化方法 |
| CN109318055B (zh) * | 2018-09-11 | 2021-03-30 | 温州大学苍南研究院 | 一种铣削刀具磨损状态特征提取多目标优化方法 |
| CN111185802A (zh) * | 2018-11-14 | 2020-05-22 | 株式会社日立制作所 | 旋转工具诊断系统 |
| CN109765840A (zh) * | 2018-12-11 | 2019-05-17 | 工业互联网创新中心（上海）有限公司 | 高档数控机床换刀预测系统 |
| CN109909804A (zh) * | 2018-12-21 | 2019-06-21 | 北京工业大学 | 基于主轴驱动电流和工步的刀具磨损破损在线监测方法 |
| CN111451839A (zh) * | 2019-01-22 | 2020-07-28 | 发那科株式会社 | 机床的工具管理系统 |
| CN116079087A (zh) * | 2023-04-12 | 2023-05-09 | 哈尔滨商业大学 | 一种智能制造的数控车床 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106563972A (zh) | 刀具状态监测及预测方法 | |
| US20160349737A1 (en) | Manufacturing efficiency optimization platform and tool condition monitoring and prediction method | |
| CN110971666A (zh) | 一种物联网管理系统及其通讯方法 | |
| WO2015179998A1 (zh) | 一种制造最佳化的平台及方法 | |
| CN109906467B (zh) | 信息管理系统 | |
| KR101951526B1 (ko) | 스마트팩토리 플랫폼을 위한 인터페이스 미들웨어 시스템 및 그 동작방법 | |
| CN103744337A (zh) | 用于在分层分布式基于条件的维护系统中执行基于条件的数据采集的方法 | |
| CN102419577A (zh) | 用于显示过程控制装置信息的方法及装置 | |
| JP6784271B2 (ja) | 変更検出装置、保全管理システム、変更検出方法、プログラムおよび記録媒体 | |
| CN104541215A (zh) | 对用于生产产品的技术设备的第一装备的监控 | |
| CN111316312A (zh) | 技能基础系统、技能模型化装置及技能流通方法 | |
| EP4033317A1 (en) | Method and system for managing a cyber-physical production system with predictive capabilities of anomalous operating conditions | |
| CN104184610A (zh) | 信息管理装置和信息管理方法 | |
| JP2017027449A (ja) | 工具状態のモニタリングおよび予測により製造効率を最適化するためのプラットフォームならびに方法 | |
| CN117583951A (zh) | 一种数控机床刀具寿命预测方法、装置以及电子设备 | |
| US20220253033A1 (en) | Method and System for Implementing Event Rules for Maintenance Relevant Events in a Plurality of Machines | |
| TW201713456A (zh) | 製造效率最佳化平台及刀具狀態監測及預測方法 | |
| JP6880343B1 (ja) | スケジューラシステム、スケジューラ管理装置および機械学習装置 | |
| CN116629523A (zh) | 一种刀具管理方法及其相关设备 | |
| EP3447694A1 (en) | System and method for temporal planning and monitoring of machine states | |
| Mohanraj et al. | IoT-enabled Condition Monitoring and Intelligent Maintenance System for Machine | |
| US20180173740A1 (en) | Apparatus and Method for Sorting Time Series Data | |
| EP4211522A1 (en) | A method directed to interaction in a digital maintenance log system | |
| JP6898280B2 (ja) | 知識作成システム | |
| WO2021042233A1 (en) | Remote diagnosis system, apparatus and method for power tool |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1236157 Country of ref document: HK |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20180509 Address after: Taipei City, Taiwan, China Applicant after: Kezhi Enterprise Co.,Ltd. Address before: Taipei City, Taiwan, China Applicant before: Yan Juntai |
|
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170419 |
|
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: WD Ref document number: 1236157 Country of ref document: HK |