CN106682251A - 加工设备的健康评估方法与健康评估装置 - Google Patents

加工设备的健康评估方法与健康评估装置 Download PDF

Info

Publication number
CN106682251A
CN106682251A CN201510917089.2A CN201510917089A CN106682251A CN 106682251 A CN106682251 A CN 106682251A CN 201510917089 A CN201510917089 A CN 201510917089A CN 106682251 A CN106682251 A CN 106682251A
Authority
CN
China
Prior art keywords
transformation model
detection data
health
modular converter
process equipment
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.)
Granted
Application number
CN201510917089.2A
Other languages
English (en)
Other versions
CN106682251B (zh
Inventor
林群惟
陈德铭
阙壮华
张森嘉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Industrial Technology Research Institute ITRI
Original Assignee
Industrial Technology Research Institute ITRI
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Industrial Technology Research Institute ITRI filed Critical Industrial Technology Research Institute ITRI
Publication of CN106682251A publication Critical patent/CN106682251A/zh
Application granted granted Critical
Publication of CN106682251B publication Critical patent/CN106682251B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • General Business, Economics & Management (AREA)
  • Pathology (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • General Factory Administration (AREA)

Abstract

本发明公开了一种加工设备的健康评估方法，适用于对至少一工件进行加工的加工设备，所述健康评估方法包括下列步骤：在加工设备的运行阶段中，提取第一检测数据，第一检测数据关联于加工设备。将第一检测数据代入第一转换模型中，由此取得虚拟工件品质。将虚拟工件品质代入第二转换模型中，由此取得第一虚拟设备健康指标。

Description

加工设备的健康评估方法与健康评估装置
技术领域
本发明涉及一种加工设备的健康评估方法与健康评估装置。
背景技术
在已知的方法中，若欲针对加工设备来取得设备健康指标，其过程十分不易。一来是，设备健康指标(如刀具磨耗的程度)需在加工设备处于停止加工的离线模式中，才能取得(例如将刀具取下后精密测量)。在对工件进行加工的运行模式中，通常并无法立即得知加工设备的设备健康指标。
再次，也因为在设备健康指标相关联的实际数据(Ground Truth)取得不易的情况下，其实况数据的数据量过少，也有可能让用以估测的设备健康指标的相关模型误差过大。举例来说，根据实验结果，在实况数据的数据量为N/2时所建立的设备健康指标的相关转换模型，相对于实况数据的数据量为N时所建立的设备健康指标的相关转换模型，前者的误差可能增加了55％。
发明内容
本发明通过检测数据与多个转换模型，来直接估测加工设备的虚拟设备健康指标，由此避免实际设备健康指标的取得不易，以及排除设备健康指标的相关转换模型误差过大。
本发明提供一种加工设备的健康评估方法，适用于对至少一工件进行加工的加工设备，所述健康评估方法包括下列步骤：在加工设备的运行阶段中，提取第一检测数据，第一检测数据关联于加工设备。将第一检测数据代入第一转换模型中，由此取得虚拟工件品质。将虚拟工件品质代入第二转换模型中，由此取得第一虚拟设备健康指标。
在本发明一实施例中，第一转换模型是根据第二检测数据与对应的多个第一实际工件品质所建立，第二检测数据关联于加工设备。
在本发明另一实施例中，第二转换模型是根据多个第二实际工件品质与对应的实际设备健康指标所建立。
在本发明另一实施例中，第二转换模型是在加工设备的离线阶段中被建立。
在本发明另一实施例中，所述健康评估方法还包括下列步骤：比对第一虚拟设备健康指标与第二虚拟设备健康指标，由此判断是否更新第一转换模型。当判定更新第一转换模型时，则根据第三检测数据与对应的多个第三实际工件品质，来更新第一转换模型，第三检测数据关联于加工设备。
在本发明另一实施例中，所述健康评估方法还包括下列步骤：将第一检测数据代入第三转换模型中，由此取得第二虚拟设备健康指标。
在本发明另一实施例中，所述健康评估方法包括下列步骤：计算第一虚拟设备健康指标与第二虚拟设备健康指标的重叠比例，与对应重叠比例的效能信心值。判断效能信心值是否大于第一阈值。当效能信心值不大于第一阈值时，则判断第一转换模型的预测误差是否大于第二阈值。当第一转换模型的预测误差大于第二阈值时，则更新第一转换模型。
在本发明另一实施例中，所述健康评估方法包括下列步骤：当第一转换模型的预测误差不大于第二阈值时，则更新第三转换模型。
在本发明另一实施例中，所述健康评估方法包括下列步骤：在操作界面中接收选择指示，来选择多个预设演算方法中的至少之一。对应被选择的至少一预设演算方法来产生混合演算方法，其中第一转换模型关联于混合演算方法。将第一检测数据代入混合演算方法中，由此取得虚拟工件品质。
在本发明另一实施例中，所述健康评估方法包括下列步骤：将历史检测数据代入混合演算方法，以取得对应的预期误差与预估计算时间。在操作界面上显示预期误差与预估计算时间。
在本发明另一实施例中，所述健康评估方法包括下列步骤：判断预期误差与预估计算时间是否符合系统规格。当预期误差与预估计算时间不符合系统规格时，则重新接收选择指示。
本发明提供一种加工设备的健康评估装置，适用于对至少一工件进行加工的加工设备，所述健康评估装置包括：检测数据提取模块、第一转换模块、第二转换模块、第三转换模块以及检测数据提取模块。第一转换模块耦接检测数据提取模块，第二转换模块耦接第一转换模块，更新判断模块耦接第一转换模块、第二转换模块以及第三转换模块。检测数据提取模块用以在加工设备的运行阶段中，提取第一检测数据，第一检测数据关联于加工设备。第一转换模块用以将第一检测数据代入第一转换模型中，由此取得虚拟工件品质。第二转换模块用以将虚拟工件品质代入第二转换模型中，由此取得第一虚拟设备健康指标。第三转换模块用以将该第一检测数据代入第三转换模型中，由此取得该第二虚拟设备健康指标。更新判断模块用以比对第一虚拟设备健康指标与第二虚拟设备健康指标，由此判断是否更新第一转换模型，以及当判定更新该第一转换模型时，则指示第一转换模块根据第三检测数据与对应的多个第三实际工件品质，来更新该第一转换模型，第三检测数据关联于该加工设备。
如上所述，在本发明一实施例中，可通过在加工设备的运行阶段中提取第一检测数据，并可先后通过事先所建立的第一转换模型与第二转换模型的转换，而取得第一虚拟设备健康指标。如此一来，可快速地估测加工设备的设备健康指标。在本发明另一实施例中，第一检测数据也可代入第三转换模型中而取得第二虚拟设备健康指标。此第二虚拟设备健康指标可用以来比对第一虚拟设备健康指标，由此判断是否根据第三检测数据与对应的多个第三实际工件品质来更新第一转换模型。如此一来，可提升设备健康指标的相关转换模型的精准度。
以上关于本发明内容及以下关于实施方式的说明是用以示范与阐明本发明的精神与原理，并提供对本发明的权利要求保护范围更进一步的解释。
附图说明
图1为根据本发明的一实施例的加工设备的健康评估装置的方框图；
图2为根据本发明的一实施例的加工设备的健康评估装置方法的流程图；
图3为根据本发明的另一实施例的加工设备的健康评估装置的方框图；
图4为根据本发明的另一实施例的加工设备的健康评估装置方法的流程图；
图5为根据本发明的再一实施例的加工设备的健康评估装置方法的流程图。
【符号说明】
10、30 设备评估装置
100、300 检测数据提取模块
110、310 第一转换模块
120、320 第二转换模块
330 第三转换模块
340 更新判断模块
S210～S230 健康评估装置方法的步骤
S410～S490、S421～S425 健康评估装置方法的步骤
具体实施方式
以下在实施方式中叙述本发明的详细特征，其内容足以使任何本领域技术人员了解本发明的技术内容并据以实施，且依据本说明书所揭露的内容、权利要求范围及附图，任何本领域技术人员可轻易地理解本发明相关的目的及优点。以下实施例是进一步说明本发明的各个方面，但非以任何条件限制本发明的范围。
图1为根据本发明的一实施例的加工设备的健康评估装置10的方框图。如图1所示，健康评估装置10包括检测数据提取模块100、第一转换模块110、第二转换模块120。第一转换模块110耦接检测数据提取模块100，第二转换模块120耦接第一转换模块110。所述健康评估装置10适用于对至少一工件进行加工的加工设备。例如，加工设备可具有削刀，用以对某承轴工件的外环进行车削。
在本发明实施例中，检测数据提取模块100可以是各种检测器，用以提取各类型的加工相关数据。举例来说，像是加工装置在进刀到退刀之间和加工期间，所形成的震动信号、高频声音信号、应变力数据等等。其检测器的种类与所提取的数据，在此皆不加以限制。第一转换模块110以及第二转换模块120可以是各种晶片或者是微处理器，在此也不加以限制。
图2为根据本发明的一实施例的加工设备的健康评估装置方法的流程图。如图2所示，本发明实施例的加工设备的健康评估装置方法包括步骤S210～S230。下列请同时参照图1与图2。
在步骤S210中，检测数据提取模块100用以在加工设备的运行阶段中，提取第一检测数据。第一检测数据关联于加工设备。
在步骤S220中，第一转换模块110用以将第一检测数据代入第一转换模型中，由此取得虚拟工件品质。
在本发明实施例中，第一转换模型是根据第二检测数据与对应的多个第一实际工件品质建立的。第二检测数据可以是在加工设备的前一个运行阶段中，由检测数据提取模块100所提取。因此第二检测数据可较早于第一检测数据而被提取。第一实际工件品质可以是通过精度尺寸仪器来对被加工后的工件进行检测，或者是参考其工件的维修纪录表，所获得的品质指数，例如是某承轴工件的外环内径、外环密封沟径、外环密封入口径、密封槽深度等等。而第一转换模型是以第二检测数据作为转换模型的自变数，多个第一实际工件品质作为转换模型的应变数，由此所建立的。因此第一转换模型可关联于一“检测数据-工件品质”的转换公式。
由于此第一转换模型实际上是根据第二检测数据与对应的多个第一实际工件品质所建立，因此将第一检测数据代入第一转换模型后，所获得的是“虚拟”的工件品质，代表工件品质的推估值。
应注意到的是，由于实际工件品质需要在加工后另行精密地测量，因此需要一段较长的时间才能取得。相较之下，上述的虚拟工件品质仅需将第一检测数据代入第一转换模型即可取得，因此所需时间可大幅减少。
在步骤S230中，第二转换模块120用以将虚拟工件品质代入第二转换模型中，由此取得第一虚拟设备健康指标。在本发明实施例中，第二转换模型是根据多个第二实际工件品质与对应的实际设备健康指标来建立的。
多个第二实际工件品质的来源如同上述的第一实际工件品质。第二实际工件品质与第一实际工件品质可以相同，也可以不同，在此不加以限制。实际设备健康指标可以是通过电子显微镜检测加工设备，所得知的加工设备的实际刀具磨耗程度。然而实际设备健康指标也可通过其他的方式取得，在此不加以限制。应注意到的是，实际设备健康指标通常是在加工设备停止加工的离线模式下才能取得。也就是说，第二转换模型通常是在加工设备的停止加工的离线阶段中建立。然而，在本发明另一实施例中，第二转换模型也可以通过其他方法而在加工设备的加工运行阶段中建立，在此不加以限制。
此外，在本发明实施例中，在根据多个第二实际工件品质与对应的实际设备健康指标来建立第二转换模型时，可利用逐段回归模型(Piecewise regression model)的建立方式。举例来说，在第二实际工件品质与对应的实际设备健康指标的曲线中，在允许的公差范围内，可增加转折点来将曲线分段，由此减少第二转换模型的整体评估的误差。
第二转换模型是以多个第二实际工件品质作为转换模型的自变数，以实际设备健康指标作为转换模型的应变数，由此所建立的。因此第二转换模型可关联于一“工件品质-设备健康”的转换公式。
由于此第二转换模型实际上是根据第二实际工件品质与对应的实际设备健康指标建立的，因此将上述所获得的虚拟工件品质代入第二转换模型后，所获得的是“虚拟”设备健康指标，代表设备健康的估测值。
如上所述，在上述实施例中，可在运行阶段中提取第一检测数据，再通过事先建立的第一转换模型与第二转换模型，便能快速地取得此加工设备的第一虚拟设备健康指标。
图3为根据本发明的另一实施例的加工设备的健康评估装置30的方框图。所述健康评估装置30适用于对至少一工件进行加工的加工设备。如图3所示，健康评估装置30包括检测数据提取模块300、第一转换模块310、第二转换模块320、第三转换模块330、更新判断模块340。第一转换模块310耦接检测数据提取模块300，第二转换模块320耦接第一转换模块310，更新判断模块340耦接第一转换模块310、第二转换模块320与第三转换模块330。
检测数据提取模块300可以是各种检测器，用以提取各类型的加工相关数据。第一转换模块310、第二转换模块320、第三转换模块330以及更新判断模块340可以是各种晶片或者是微处理器，在此也不加以限制。
图4为根据本发明的另一实施例的加工设备的健康评估装置方法的流程图。如图4所示，本发明实施例的加工设备的健康评估装置方法包括步骤S410～S490。下面请同时参照图3与图4。
在步骤S410中，检测数据提取模块300如同上述的检测数据提取模块100可取得第一检测数据。
在步骤S420中，第一转换模块310可执行如上述的第一转换模块110的功能来取得虚拟工件品质。
在步骤S430中，第二转换模块320可执行如上述的第二转换模块120的功能，来取得第一虚拟设备健康指标。后续将会说明第一转换模块310与第二转换模块320进一步执行的功能。
在步骤S440中，第三转换模块330用以将第一检测数据代入第三转换模型中，由此取得第二虚拟设备健康指标。举例来说，第三转换模块330可运用状态基准维护(ConditionBased Maintenance，CBM)或者是其他的相关技术，来取得第二虚拟设备健康指标。换句话说，第三转换模型关联于一“检测数据-设备健康”的转换公式。
更新判断模块340可用以比对第一虚拟设备健康指标与第二虚拟设备健康指标，由此判断是否更新第一转换模型，以及当判定更新第一转换模型时，则指示第一转换模块根据第三检测数据与对应的多个第三实际工件品质，来更新第一转换模型。后续将对此加以详述，如下的步骤S450～S490。
在步骤S450中，更新判断模块340更进一步计算第一虚拟设备健康指标与第二虚拟设备健康指标的重叠比例，与对应重叠比例的效能信心值。
在步骤S460中，更新判断模块340判断效能信心值是否大于一第一阈值。举例来说，第一虚拟设备健康指标与第二虚拟设备健康指标可以分别是一数据分布。当两者的数据分布于图表中彼此重叠比例越高，则可代表(第一转换模块310与第二转换模块320所执行的)步骤S410～S430与(第三转换模块330所执行的)步骤S410～S440的两流程的预测结果差不多，因此可评估有较高的效能信心值(效能信心值大于第一阈值)。当两者的数据分布于图表中彼此重叠比例越低，则可代表两流程其中的一可能已有所误差，需要重新被校正或更新，因此可评估有较低的效能信心值(效能信心值不大于第一阈值)。当效能信心值大于第一阈值时，则可再回到步骤S450。
在步骤S470中，当更新判断模块340判定效能信心值不大于第一阈值时，则进一步判断第一转换模型的一预测误差是否大于一第二阈值。如上所述，当步骤S410～S430与步骤S410～S440的两流程的预测结果相差太多(效能信心值不大于第一阈值)时，则更新判断模块340可先评断第一转换模型的预测误差是仍在可接受的范围内。应注意到的是，虽然在步骤S410～S430的流程中同时牵涉到第一转换模块310与第二转换模块320，然而在实务上第二转换模型并不容易产生误差，因此需要被校正或更新的通常是第一转换模型。
在步骤S480中，当更新判断模块340判定第一转换模型的预测误差大于第二阈值时，则指示第一转换模块310根据第三检测数据与对应的多个第三实际工件品质，来更新第一转换模型。当更新判断模块340可评断第一转换模型的预测误差已不在可接受的范围内，则需再对第一转换模型进行更新。此外，由于相较初始建立第一转换模型时，加工设备可能已运行了好一段时间，因此数据库可储存有(相较于第二检测数据)数据量更大的第三检测数据，以及也已有更多被加工完毕的工件被测量，因此数据库可储存有(相较于第一实际工件品质)数据量更大的第三实际工件品质，由此在第一转换模块310接收更新判断模块340的更新指示后，可用于更新第一转换模型。
在步骤S490中，当更新判断模块340判定第一转换模型的预测误差不大于第二阈值时，则指示第三转换模块330更新第三转换模型。同样地，当步骤S410～S440的流程需要重新被校正或更新时，则可更新第三转换模型。其中有关更新第三转换模型可以有各种不同的作法，再此不加以赘述。
图5为根据本发明的再一实施例的加工设备的健康评估装置方法的流程图。在本发明实施例中，上述的第一转换模块310所执行的步骤S420，还可以包括步骤S421～S425，用以产生改良式的第一转换模型。后续将对此加以详述。
在步骤S421中，第一转换模块310更进一步在一操作界面中接收一选择指示，来选择多个预设演算方法中的至少之一。
在步骤S422中，第一转换模块310更进一步对应被选择的至少一预设演算方法来产生一混合演算方法，其中第一转换模型关联于混合演算方法。
在步骤S423中，第一转换模块310更进一步将历史检测数据代入混合演算方法中，以取得对应混合演算方法的一预期误差与一预估计算时间，并显示此预期误差与预估计算时间。应注意到的是，由于在此第一转换模块310是以历史检测数据来做估算，因而此步骤可以是在加工设备停止加工的一离线模式下所进行。
在步骤S424中，第一转换模块310更进一步判断此预期误差与预估计算时间是否符合一系统规格。当第一转换模块310判定此预期误差与预估计算时间不符合系统规格时，则回到步骤S421，来重新接收选择指示。在本发明另一实施例中，第一转换模块310也可以将历史检测数据代入所有的预设演算方法中，来显示各预设演算方法所对应的预期误差与预估计算时间，由此让使用者在一开始发送选择指示时，或者是在重新发送选择指示时，可以有所参考。
在步骤S425中，当第一转换模块310判定此预期误差与预估计算时间符合系统规格时，则将第一检测数据代入混合演算方法中，由此取得虚拟工件品质。
综上所述，在本发明一实施例中，可通过在加工设备的运行阶段中提取第一检测数据，并可先后通过事先所建立的第一转换模型与第二转换模型的转换，而取得第一虚拟设备健康指标。如此一来，可快速地估测加工设备的设备健康指标。在本发明另一实施例中，第一检测数据也可以代入第三转换模型中而取得第二虚拟设备健康指标。此第二虚拟设备健康指标可用以来比对第一虚拟设备健康指标，由此判断是否根据第三检测数据与对应的多个第三实际工件品质来更新第一转换模型。在本发明再一实施例中，使用者可在操作界面中选择至少一预设演算方法来产生关联于第一转换模型的混合演算方法。如此一来，可提升设备健康指标的相关转换模型的估测速度与精准度。

Claims (22)

1.一种加工设备的健康评估方法，适用于对至少一工件进行加工的一加工设备，所述健康评估方法包括：
在该加工设备的一运行阶段中，提取一第一检测数据，该第一检测数据关联于该加工设备；
将该第一检测数据代入一第一转换模型中，由此取得一虚拟工件品质；以及
将该虚拟工件品质代入一第二转换模型中，由此取得一第一虚拟设备健康指标。
2.如权利要求1所述的健康评估方法，其中该第一转换模型是根据第二检测数据与对应的多个第一实际工件品质所建立，该第二检测数据关联于该加工设备。
3.如权利要求2所述的健康评估方法，其中该第二转换模型是根据多个第二实际工件品质与对应的实际设备健康指标所建立。
4.如权利要求3所述的健康评估方法，其中该第二转换模型是在该加工设备的一离线阶段中建立。
5.如权利要求1所述的健康评估方法，还包括：
比对该第一虚拟设备健康指标与一第二虚拟设备健康指标，由此判断是否更新该第一转换模型；以及
当判定更新该第一转换模型时，则根据一第三检测数据与对应的多个第三实际工件品质，来更新该第一转换模型，该第三检测数据关联于该加工设备。
6.如权利要求5所述的健康评估方法，还包括：
将该第一检测数据代入一第三转换模型中，由此取得该第二虚拟设备健康指标。
7.如权利要求6所述的健康评估方法，其中在比对该第一虚拟设备健康指标与该第二虚拟设备健康指标，由此判断是否更新该第一转换模型的步骤中，包括：
计算该第一虚拟设备健康指标与该第二虚拟设备健康指标的一重叠比例，与对应该重叠比例的一效能信心值；
判断该效能信心值是否大于一第一阈值；
当该效能信心值不大于该第一阈值时，则判断该第一转换模型的一预测误差是否大于一第二阈值；以及
当该第一转换模型的该预测误差大于该第二阈值时，则更新该第一转换模型。
8.如权利要求7所述的健康评估方法，其中在当该效能信心值不大于该第一阈值时，则判断该第一转换模型的该预测误差是否大于一第二阈值的步骤之后，还包括：
当该第一转换模型的该预测误差不大于该第二阈值时，则更新该第三转换模型。
9.如权利要求1述的健康评估方法，在将该第一检测数据代入该第一转换模型中，由此取得该虚拟工件品质的步骤中，包括：
在一操作界面中接收一选择指示，来选择多个预设演算方法中的至少之一；
对应被选择的该至少一个预设演算方法来产生一混合演算方法，其中该第一转换模型关联于该混合演算方法；以及
将该第一检测数据代入该混合演算方法中，由此取得该虚拟工件品质。
10.如权利要求9述的健康评估方法，在将该第一检测数据代入该混合演算方法中，由此取得该虚拟工件品质的步骤中，包括：
将一历史检测数据代入该混合演算方法，以取得对应的一预期误差与一预估计算时间；以及
在该操作界面中显示该预期误差与该预估计算时间。
11.如权利要求10所述的健康评估方法，其中在将该第一检测数据代入该混合演算方法中，由此取得该虚拟工件品质的步骤中，还包括：
判断该预期误差与该预估计算时间是否符合一系统规格；以及
当该预期误差与该预估计算时间不符合该系统规格时，则重新接收该选择指示。
12.一种加工设备的健康评估装置，适用于对至少一工件进行加工的一加工设备，所述健康评估装置包括：
一检测数据提取模块，用以在该加工设备的一运行阶段中，提取一第一检测数据，该第一检测数据关联于该加工设备；
一第一转换模块，耦接该检测数据提取模块，用以将该第一检测数据代入一第一转换模型中，由此取得一虚拟工件品质；以及
一第二转换模块，耦接该第一转换模块，用以将该虚拟工件品质代入一第二转换模型中，由此取得一第一虚拟设备健康指标。
13.如权利要求12所述的健康评估装置，其中该第一转换模型是根据第二检测数据与对应的多个第一实际工件品质所建立，该第二检测数据关联于该加工设备。
14.如权利要求13所述的健康评估装置，其中该第二转换模型是根据多个第二实际工件品质与对应的实际设备健康指标所建立。
15.如权利要求14所述的健康评估装置，其中该第二转换模型是在该加工设备的一离线阶段中所建立。
16.如权利要求12所述的健康评估装置，还包括一更新判断模块，耦接该第一转换模块、该第二转换模块，用以比对该第一虚拟设备健康指标与一第二虚拟设备健康指标，由此判断是否更新该第一转换模型，以及当判定更新该第一转换模型时，则指示该第一转换模块来根据一第三检测数据与对应的多个第三实际工件品质，来更新该第一转换模型，该第三检测数据关联于该加工设备。
17.如权利要求16所述的健康评估装置，还包括一第三转换模块，耦接该更新判断模块，用以将该第一检测数据代入一第三转换模型中，由此取得该第二虚拟设备健康指标。
18.如权利要求17所述的健康评估装置，其中该更新判断模块更进一步计算该第一虚拟设备健康指标与该第二虚拟设备健康指标的一重叠比例，与对应该重叠比例的一效能信心值，并判断该效能信心值是否大于一第一阈值，当该效能信心值不大于该第一阈值时，则判断该第一转换模型的一预测误差是否大于一第二阈值，以及当该第一转换模型的该预测误差大于该第二阈值时，则指示该第一转换模块更新该第一转换模型。
19.如权利要求18所述的健康评估装置，其中该更新判断模块更进一步当该第一转换模型的该预测误差不大于该第二阈值时，则指示该第三转换模块更新该第三转换模型。
20.如权利要求12所述的健康评估装置，其中该第一转换模块更进一步在一操作界面中接收一选择指示，来选择多个预设演算方法中的至少之一，并对应被选择的该至少一预设演算方法来产生一混合演算方法，以及将该第一检测数据代入该混合演算方法中，由此取得该虚拟工件品质，其中该第一转换模型关联于该混合演算方法。
21.如权利要求20所述的健康评估装置，其中该第一转换模块更进一步将一历史检测数据代入该混合演算方法中，以取得对应的一预期误差与一预估计算时间，以及在该操作界面中显示该预期误差与该预估计算时间。
22.如权利要求21所述的健康评估装置，其中该第一转换模块更进一步判断该预估计算时间是否符合一系统规格，以及当该预期误差与该预估计算时间不符合该系统规格时，则重新接收该选择指示。
CN201510917089.2A 2015-11-06 2015-12-10 加工设备的健康评估方法与健康评估装置 Active CN106682251B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW104136681 2015-11-06
TW104136681A TWI594835B (zh) 2015-11-06 2015-11-06 加工設備的健康評估方法與健康評估裝置

Publications (2)

Publication Number Publication Date
CN106682251A true CN106682251A (zh) 2017-05-17
CN106682251B CN106682251B (zh) 2021-01-01

Family

ID=58663500

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510917089.2A Active CN106682251B (zh) 2015-11-06 2015-12-10 加工设备的健康评估方法与健康评估装置

Country Status (3)

Country Link
US (1) US10515725B2 (zh)
CN (1) CN106682251B (zh)
TW (1) TWI594835B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10579026B2 (en) 2016-11-29 2020-03-03 Industrial Technology Research Institute Building a workpiece quality prediction model

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI632441B (zh) 2017-01-20 2018-08-11 財團法人工業技術研究院 機台的預診斷方法及預診斷裝置
TWI670138B (zh) * 2018-11-22 2019-09-01 國立臺灣科技大學 應用於自動加工機的刀具磨耗預測方法
US11976419B2 (en) * 2021-03-31 2024-05-07 Schneider Electric Systems Usa, Inc. Health assessment of a mechanical system

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030065481A1 (en) * 2001-10-02 2003-04-03 Mori Seiki Co., Ltd. Machine tool performance evaluation apparatus and performance evaluation system equipped with the same
CN101598754A (zh) * 2008-06-05 2009-12-09 郑芳田 自动虚拟计量的系统及方法
CN101738991A (zh) * 2008-11-26 2010-06-16 国立成功大学 检测产品品质超规与评估产品实际测量值的方法
CN103577887A (zh) * 2012-07-20 2014-02-12 郑芳田 标的装置的基底预测保养方法
CN104657526A (zh) * 2013-11-21 2015-05-27 郑芳田 工具机的加工品质的预测方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6975913B2 (en) * 2001-07-13 2005-12-13 Siemens Aktiengesellschaft Database system and method for industrial automation services
US7359759B2 (en) 2005-10-31 2008-04-15 Taiwan Semiconductor Manufacturing Company Method and system for virtual metrology in semiconductor manufacturing
US7974723B2 (en) 2008-03-06 2011-07-05 Applied Materials, Inc. Yield prediction feedback for controlling an equipment engineering system
TWI400619B (zh) * 2008-11-26 2013-07-01 Univ Nat Cheng Kung 偵測產品品質超規與評估產品實際量測值的方法
US8295966B2 (en) 2009-06-30 2012-10-23 Lam Research Corporation Methods and apparatus to predict etch rate uniformity for qualification of a plasma chamber
CN101804580A (zh) * 2010-03-29 2010-08-18 华中科技大学 一种大型数控机床工艺可靠性的评估方法
CN102254788B (zh) 2010-05-19 2014-08-20 国立成功大学 具有虚拟测量功能的制造执行系统与制造系统
JP5808605B2 (ja) 2011-08-17 2015-11-10 株式会社日立製作所 異常検知・診断方法、および異常検知・診断システム
CN102521454B (zh) * 2011-12-14 2014-07-02 北京数码大方科技股份有限公司 加工工艺数据的评估方法及装置
CN103206932A (zh) * 2012-01-11 2013-07-17 财团法人精密机械研究发展中心 五轴工具机械的几何误差评估方法
JP2013215809A (ja) * 2012-04-04 2013-10-24 Hitachi Ltd 切削加工システム及び方法
US20140336791A1 (en) 2013-05-09 2014-11-13 Rockwell Automation Technologies, Inc. Predictive maintenance for industrial products using big data

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030065481A1 (en) * 2001-10-02 2003-04-03 Mori Seiki Co., Ltd. Machine tool performance evaluation apparatus and performance evaluation system equipped with the same
CN101598754A (zh) * 2008-06-05 2009-12-09 郑芳田 自动虚拟计量的系统及方法
CN101738991A (zh) * 2008-11-26 2010-06-16 国立成功大学 检测产品品质超规与评估产品实际测量值的方法
CN103577887A (zh) * 2012-07-20 2014-02-12 郑芳田 标的装置的基底预测保养方法
CN104657526A (zh) * 2013-11-21 2015-05-27 郑芳田 工具机的加工品质的预测方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10579026B2 (en) 2016-11-29 2020-03-03 Industrial Technology Research Institute Building a workpiece quality prediction model

Also Published As

Publication number Publication date
CN106682251B (zh) 2021-01-01
US10515725B2 (en) 2019-12-24
TW201716178A (zh) 2017-05-16
US20170132387A1 (en) 2017-05-11
TWI594835B (zh) 2017-08-11

Similar Documents

Publication Publication Date Title
CN106682251A (zh) 加工设备的健康评估方法与健康评估装置
US10373406B2 (en) Operation support system and working machine including operation support system
CN110352389B (zh) 信息处理装置及信息处理方法
CN1490630A (zh) 用于支持识别技术设备中的故障功能单元的方法
CN107363645B (zh) 基于功率检测的铣床加工过程刀具磨损量预测方法
CN104899457B (zh) 基于改进无偏gm(1,1)模型的卫星数据预测方法
CN105786678A (zh) 一种基于相关性模型的测试性预计方法
CN108563204B (zh) 控制方法、装置、电子设备及计算机可读存储介质
CN110631849B (zh) 一种摩擦系统磨损状态在线识别方法及系统
CN113838480B (zh) 一种洗衣机异音检测方法、装置及电子设备
CN115331002A (zh) 一种基于ar眼镜实现热力站故障远程处理方法
CN110134040B (zh) 工业设备的运行数据的处理方法及系统
AU2021101715A4 (en) A transfer learning based model for fatigue crack initiation sites detection
CN110083797A (zh) 一种滴灌管生产线异常实时监测方法及系统
CN105308523B (zh) 车间诊断系统
EP3807731B1 (en) Workpiece surface quality issues detection
US20230214660A1 (en) Hybrid training method for self-learining algorithms
EP3905193A1 (en) Image determination device, image determination method, and image determination program
CN116383048A (zh) 软件质量信息处理方法及装置
CN108021725B (zh) 确定电功图数据中抽油机换向点位置的方法
KR20200065159A (ko) 생산시스템 최적화를 위한 학습 기반의 가공성 진단방법
CN106371419B (zh) 用于监视控制回路的运行的诊断装置和诊断方法
JP7239824B2 (ja) 画像検査システム、画像検査装置及び画像検査プログラム
CN111597499B (zh) 一种工业设备故障维修方案生成方法及系统
CN108678939B (zh) 水泵汽蚀余量值的检测方法与系统

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
GR01 Patent grant
GR01 Patent grant