CN106896779A - 维护时期预测系统以及维护时期预测装置 - Google Patents

Abstract

本发明提供一种维护时期预测系统以及维护时期预测装置。机床的数据收集处理部随时收集并发送表示部件状态的数据，维护时期预测装置具有积蓄数据的收集数据存储部、积蓄部件的更换履历的部件更换履历存储部、预测部件的下一个更换时期即寿命的部件寿命预测处理部，上述部件寿命预测处理部参照上述部件更换履历存储部以及上述收集数据存储部，提取在过去的部件更换日期时间表示了恒定的倾向的数据，根据与上述提取出的数据相关的部件的最终更换日期时间和上述倾向来预测在下一个更换时期的数据即阈值，并根据阈值预测寿命。

Description

维护时期预测系统以及维护时期预测装置

技术领域

本发明涉及维护时期预测系统以及维护时期预测装置，特别涉及一种自动预测机床部件的维护时期的技术。

背景技术

目前，对于机床的部件、特别是需要频繁进行维护以及更换的部件，用户在定期的检查中使用测定装置来测量消耗状态等，对判断为达到寿命的部件实施了更换。

近年来提供一种自动向用户通知这样的维护检查作业的时期的系统。例如，在日本特开2015-26252号公报中记载一种根据车辆的动作数据精度良好地检测车辆的异常的异常检测装置。

在日本特开平9-237103号公报中记载了一种电梯的维护辅助系统。该系统收集包括成为维护对象的电梯的使用方式和使用频率的数据并存储在数据库中。另外，将电梯的故障现象和针对该故障现象的对策方法与电梯的使用方式和使用频率对应起来存储在知识库中。并且，根据数据库和知识库，针对每个故障现象以及每个产品排序来预测在还没有发现故障现象的电梯中产生了故障现象时应该采取的对策。

在日本特开2014-174680号公报中记载了一种机床的数值控制装置，其具有对于在机床中使用的各个部件，向用户通知进行检查的时期的部件检查时期通知功能。该数值控制装置读入检查周期，取得部件的检查日期时间、状态量，计算状态量的变化量，当状态量的变化量比阈值大时变更检查周期，在不比阈值大时根据最终检查日期时间和检查周期计算下一次的检查日期时间并通知给用户。

日本特开2015-26252号公报、日本特开平9-237103号公报以及日本特开2014-174680号公报的结构都为，根据与机械的运转状况相关的数据和事先定义的规则和阈值等来推测产品和部件的故障时期和检查时期。但是，在这些结构中，需要事先确定应该收集的数据和用于推测的规则以及阈值，并且需要进行设定的作业。这样的作业存在需要很多工时的问题。

发明内容

本发明为了解决这样的问题点，其目的在于提供一种维护时期预测系统以及维护时期预测装置，无需事先决定监视对象的数据和用于预测的阈值等而能够自动预测维护时期。

本发明的一实施方式的维护时期预测系统具有维护时期预测装置和多个机床，上述机床具有随时收集表示上述机床的部件的状态的数据并发送给上述维护时期预测装置的数据收集处理部，上述维护时期预测装置具有：收集数据存储部，其积蓄上述数据；部件更换履历存储部，其积蓄上述部件的更换履历；以及部件寿命预测处理部，其预测上述部件的下一个更换时期即寿命，上述部件寿命预测处理部参照上述部件更换履历存储部以及上述收集数据存储部，提取在过去的部件更换日期时间表示了恒定的倾向的数据，上述部件寿命预测处理部根据与提取出的上述数据相关的部件的最终更换日期时间和上述倾向来预测在下一个更换时期的数据即阈值，上述部件寿命预测处理部根据上述阈值预测上述寿命。

另一实施方式的维护时期预测系统的特征为，上述部件寿命预测处理部计算在上述寿命预定天数之前的上述数据的预测值即警告寿命值，上述维护时期预测系统具有显示部，该显示部在从上述数据收集处理部接收的上述数据达到了上述警告寿命值时显示警告。

另一实施方式的维护时期预测系统的特征为，上述部件寿命预测处理部提取过去的多次更换日期时间之间的数据变化量收敛在预定的误差范围内的上述数据来作为上述表示了恒定的倾向的数据，并且，当收敛在误差范围内的上述变化量的数量大于规定数量或规定概率时，提取上述数据。

另一实施方式的维护时期预测系统的特征为，上述部件寿命预测处理部提取在过去的多次更换日期时间的数据收敛在预定的误差范围内的上述数据来作为上述表示了恒定的倾向的数据，并且当收敛在误差范围内的上述数据的数量大于规定数量或规定概率时，提取上述数据。

另一实施方式的维护时期预测装置具有收集数据存储部，其随时收集并积蓄表示机床的部件状态的数据；部件更换履历存储部，其积蓄上述部件的更换履历；以及部件寿命预测处理部，其预测上述部件的下一个更换时期即寿命，上述部件寿命预测处理部参照上述部件更换履历存储部以及上述收集数据存储部，提取在过去的部件更换日期时间表示了恒定的倾向的数据，上述部件寿命预测处理部根据与提取出的上述数据相关的部件的最终更换日期时间和上述倾向来预测在下一个更换时期的数据即阈值，上述部件寿命预测处理部根据上述阈值预测上述寿命。

根据本发明能够提供一种维护时期预测系统以及维护时期预测装置，无需事先决定监视对象的数据和用于预测的阈值等而能够自动预测维护时期。

附图说明

通过参照附图对以下的实施例进行说明，本发明的上述以及其他目的、特征会变得明确。在这些图中：

图1A是表示维护时期预测系统的动作例的流程图。

图1B是表示维护时期预测系统的动作例的流程图。

图1C是表示维护时期预测系统的动作例的流程图。

图1D是表示维护时期预测系统的动作例的流程图。

图2是表示维护时期预测系统的结构的例子的图。

图3A是说明维护时期预测系统的数据提取处理的一例的图。

图3B是说明维护时期预测系统的数据提取处理的一例的图。

图4是说明维护时期预测系统的结构的例子的框图。

具体实施方式

以下，结合附图说明本发明的实施方式。

<结构>

使用图2以及图4说明本发明实施方式的维护时期预测系统的结构。图2表示维护时期预测系统的硬件结构的概要。图3是表示维护时期预测系统的功能结构的框图。

如图2所示，在维护时期预测系统中，维护时期预测装置100和多个机床200经由网络可通信地连接。典型的维护时期预测装置100是主计算机。另外，典型的机床200具备数值控制装置。在主计算机以及数值控制装置中，中央信息处理装置(CPU)按照在存储装置中存储的程序执行预定的处理，根据需要进行各种硬件的控制等，从而逻辑上实现各种处理单元。

如图4所示，维护时期预测装置100包括收集数据存储部101、部件更换履历存储部102、部件寿命预测处理部103、输入部104、显示部105。另外，机床200包括数据收集处理部201。

机床200的数据收集处理部201定期地收集表示机床200的状态的数据，并将其发送给维护时期预测装置100。

维护时期预测装置100将从数据收集处理部201接收到的上述数据存储在收集数据存储部101中。

输入部104接受部件的更换履历的输入，将更换履历存储在部件更换履历存储部102中。典型地是当机床200的维护者在检查时判断为部件达到寿命而更换了部件时，从输入部104输入该部件的更换履历。优选更换履历包含机械编号、部件编号、更换日期时间。

部件寿命预测处理部103参照部件更换履历存储部102，提取在过去的更换时表示出相同的倾向的数据。另外，预测该数据在下次的更换时期将要表示的值(阈值)和到达阈值的时期(寿命)。

显示部105显示部件寿命预测处理部103所预测的寿命。另外，当收集中的数据接近阈值时显示警告。

<动作>

接着，说明维护时期预测系统的动作的概略。

(1)定期收集多个机床200的数据

维护时期预测装置100从通过网络连接的多个机床200定期地收集表示机械的状态的数据。这里，使多个机床200为使用同种部件的同种机床。另外，关于数据，例如能够从各个机床200收集轴总移动量、总切削时间、风扇转速、电池电压等多种数据。维护时期预测装置100将数据及其收集时间对应地保存在收集数据存储部101中来进行积蓄。

另外，当在维护作业时刚换了机床200时，输入部104接受更换履历的输入。更换履历中包含机械编号、部件编号、更换日期时间等信息。部件更换履历存储部102保存并积蓄更换履历。

(2)分析数据，提取在过去的部件更换时表示出共同倾向的数据。

当输入了新的更换履历时，部件寿命预测处理部103参照部件更换履历存储部102提取全部的在多个机床200中过去更换了相同部件时的更换日期时间。另外，参照收集数据存储部101，将提取出的更换日期时间紧前的数据全部读出。部件寿命预测处理部103分析提取出的数据，在其中确定在过去的部件更换时表示出共同倾向的数据的种类。

发明者发现数据所表示的倾向中有2种类型。一种类型是更换日期时间之间的数据变化量总是收敛在预定的误差范围内的类型。具体地说，轴总移动量、总切削时间与此相当。另外一种类型是在更换日期时间紧前取得的值总是收敛在预定的误差范围内的类型。具体地说，风扇转速、电池电压等与此相当。

因此，部件寿命预测处理部103例如能够提取过去的更换日期时间之间的数据变化量、过去的更换日期时间紧前的数据的值总是收敛在预定的误差范围内的数据种类。

(3)推测提取数据的下一次达到寿命时的阈值

部件寿命预测处理部103根据在(2)提取出的数据所表示的倾向、当前的数据值来预测该数据在下一次更换时期将要表示的值(阈值)。

例如，关于更换日期时间之间的数据变化量大体恒定的类型的数据，能够将当前的数据值加上上述变化量后的值预测为阈值。另外，关于在更换日期时间紧前所取得的值大体恒定的类型的数据，能够将上述恒定的值(阈值)预测为阈值。

(4)预测并显示成为寿命的时期。如果收集中的数据接近阈值则显示警告。

部件寿命预测处理部103之后也随时监视收集数据存储部101，将预测寿命显示在显示部105中。具体地说，监视之后所积蓄的数据并随时计算数据值的变化率。并且，根据当前的数据值和变化率来计算数据达到阈值的时期。

另外，部件寿命预测处理部103在收集到的数据接近阈值时，在显示部105显示警告。

这样，本实施方式的维护时期预测系统无需预先决定要监视的数据种类和阈值而能够自动预测下一次的更换时期，此外能够警告更换时间接近。

<实施例>

接着，使用图1的流程图以及图3所示的数据来说明维护时期预测系统的动作例。

首先，说明数据收集处理。

在多个机床200中，数据收集处理部201收集表示各个机床的状态的数据。例如，从电动机等机械部件的数值信息和传感器的值来收集例如轴总移动量、总切削时间、风扇转速以及电池电压等。数据收集处理部201将收集到的数据经由网络发送给维护时期预测装置100。例如，数据收集处理部201每隔1秒执行数据的取得、发送。

维护时期预测装置100接收数据，将其暂时存储在存储器中(S101)。并且，将接收到的数据值、种类、机械编号、收集日期时间或接受日期时间等作为一组设为一个记录，并存储在存储装置内的数据库即收集数据存储部101中(S102)。

接着，说明寿命预测处理。

机床的维护者在检查时更换达到寿命的部件(S201)。此时，维护者从输入部104输入部件的更换履历(S202)。更换履历包含机械编号、部件编号、更换日期时间等。将输入的更换履历作为新的记录追加到存储装置内的数据库即部件更换履历存储部102中。

此时，部件寿命预测处理部103参照部件更换履历存储部102，提取与新追加了更换履历的部件相同的部件的过去2次的更换日期时间。这里，将所有的机床200设为对象，进行更换日期时间的提取。另外，当不存在规定次数以上的更换履历时，结束处理。

部件寿命预测处理部103参照收集数据存储部101，分别提取过去2次的更换日期时间紧前的数据。并且，计算这些2个数据的变化量即差分。部件寿命预测处理部103同样依次求出过去的多次更换日期时间之间的数据变化量。另外，对所有的机床200的数据执行同样的处理(S203～S208)。

这里，部件寿命预测处理部103判定关于某个机械而提取出的多个变化量的差是否收敛在预定的误差范围内(例如10％以内)。例如，在图3的数据1中，过去3次的部件更换之间的数据变化量收敛在规定的误差范围内即±10％以内。即，变化量1≈变化量2≈变化量3。因此判断为数据1对将来的寿命预测有效。另一方面，关于数据2，过去3次的部件更换之间的数据变化量不恒定。因此，能够判断数据2对寿命预测没有效。

部件寿命预测处理部103对所有的机床200同样地执行数据的有效性判断。并且，判断通过所有的机床200判断为有效的变化量的数量是否超过规定的数量或概率。如果超过，则能够以更高的准确率判断该数据对寿命预测有效(S211～S218)。

接着，部件寿命预测处理部103参照收集数据存储部101取得过去多次的更换日期时间紧前的数据。对所有的机床200的数据执行同样的处理。

这里，部件寿命预测处理部103判定对于某个机械而提取出的多个数据的差是否收敛在预定的误差范围内(例如10％以内)。例如，在图3B的数据3中，过去3次的部件更换紧前的数据值收敛在规定的误差范围即±10％以内。即、值1≈值2≈值3。因此，判断数据3对将来的寿命预测有效。另一方面，关于数据4，过去3次的部件更换紧前的数据值不是恒定。因此，能够判断数据4对寿命预测没有效。

部件寿命预测处理部103对所有的机床200同样执行数据的有效性判断。并且，判断通过所有的机床200判断为有效的值的数量是否超过规定的数量或概率。如果超过，则能够以更高的准确率判断该数据对寿命预测有效。

接着，部件寿命预测处理部103对于被取得了判断为对寿命预测有效的数据的机床200执行更换部件的寿命预测。首先，对最后的更换日期时间紧前的数据的值相加数据的平均变化量来计算出阈值。

阈值＝平均变化量+最终更换时的值

在图3A的数据1的例子中，为阈值V2＝(变化量1+变化量2+变化量3)/3+上次寿命值V1。

另外，部件寿命预测处理部103求出用于在部件达到更换寿命之前进行警告的警告寿命值。并且，监视收集数据，如果数据超过了警告寿命值，则向显示部105显示接近部件寿命的警告。例如，当想要在达到寿命的预定天数之前发出警告时，能够通过以下的公式计算警告寿命值。

警告寿命值＝(预定天数/平均更换间隔天数)×平均变化量+最终更换时的值

另外，部件寿命预测处理部103预测部件达到更换寿命的时期，在显示部105中显示预测寿命。能够通过以下的公式计算预测寿命。

预测寿命＝((从最终更换日开始的当前的经过天数)/(当前的数据值－最终更换时的数据值)×(阈值－最终更换时的值)+最终更换日

部件寿命预测处理部103对于判断为对寿命预测有效的所有数据，或者对于被取得了该数据的所有的机床200执行上述的警告寿命以及预测寿命的显示，并结束处理(S219～S227)。

根据本实施方式，维护时期预测系统会达到以下的显著效果。

(1)不需要用于事先确定收集数据和阈值的作业和设定的工时。

部件寿命预测处理部103从收集到的多个数据中自动提取对寿命预测有效的数据，所以不需要预先确定应该用于寿命预测的数据。另外，自动推定这些数据达到下次更换时的阈值及其达到时期，所以不需要设定阈值。

(2)能够知道符合实情的检查时期，能够减少无用的检查。

部件寿命预测处理部103通过上述推定处理自动推测符合机床200的现实的运转状况的寿命。因此，能够削减定期检查等维护工时。

另外，本发明不限于上述实施方式，在不脱离主旨的范围内，能够实施结构要素的置换、省略、附加、顺序的替换等变更。

以上，说明了本发明的实施方式，但是本发明不限于上述实施方式的例子，能够通过增加适当的变更以其他的方式来实施。

Claims (5)

1.一种维护时期预测系统，

具有维护时期预测装置和多个机床，

上述机床具有随时收集表示上述机床的部件的状态的数据并发送给上述维护时期预测装置的数据收集处理部，

上述维护时期预测装置具有：

收集数据存储部，其积蓄上述数据；

部件更换履历存储部，其积蓄上述部件的更换履历；以及

部件寿命预测处理部，其预测上述部件的下一个更换时期即寿命，

上述维护时期预测系统的特征在于，

上述部件寿命预测处理部参照上述部件更换履历存储部以及上述收集数据存储部，提取在过去的部件更换日期时间表示了恒定的倾向的数据，

上述部件寿命预测处理部根据与提取出的上述数据相关的部件的最终更换日期时间和上述倾向来预测在下一个更换时期的数据即阈值，

上述部件寿命预测处理部根据上述阈值预测上述寿命。

2.根据权利要求1所述的维护时期预测系统，其特征在于，

上述部件寿命预测处理部计算在上述寿命预定天数之前的上述数据的预测值即警告寿命值，

上述维护时期预测系统具有显示部，该显示部在从上述数据收集处理部接收的上述数据达到了上述警告寿命值时显示警告。

3.根据权利要求1所述的维护时期预测系统，其特征在于，

上述部件寿命预测处理部提取过去的多次更换日期时间之间的数据变化量收敛在预定的误差范围内的上述数据来作为上述表示了恒定的倾向的数据，

并且，当收敛在误差范围内的上述变化量的数量大于规定数量或规定概率时，提取上述数据。

4.根据权利要求1所述的维护时期预测系统，其特征在于，

上述部件寿命预测处理部提取在过去的多次更换日期时间的数据收敛在预定的误差范围内的上述数据来作为上述表示了恒定的倾向的数据，并且当收敛在误差范围内的上述数据的数量大于规定数量或规定概率时，提取上述数据。

5.一种维护时期预测装置，其特征在于，具有：

收集数据存储部，其随时收集并积蓄表示机床的部件状态的数据；

部件更换履历存储部，其积蓄上述部件的更换履历；以及

部件寿命预测处理部，其预测上述部件的下一个更换时期即寿命，

上述维护时期预测装置的特征在于，

上述部件寿命预测处理部参照上述部件更换履历存储部以及上述收集数据存储部，提取在过去的部件更换日期时间表示了恒定的倾向的数据，

上述部件寿命预测处理部根据与提取出的上述数据相关的部件的最终更换日期时间和上述倾向来预测在下一个更换时期的数据即阈值，

上述部件寿命预测处理部根据上述阈值预测上述寿命。