CN108227625A - 工具寿命推断装置 - Google Patents

Abstract

本发明提供一种工具寿命推断装置，其能与加工条件的变化对应地推断在机床中使用的工具的寿命。上述工具寿命推断装置具备：状态观测部，其根据在上述机床的运转中所存储的记录数据获得表示在工具的寿命充分地剩余的状态下的加工的状况的加工信息，基于所获得的加工信息制成输入数据；学习部，其通过使用了上述状态观测部制成的输入数据的无监督学习构建制成了加工信息的群组的学习模型；以及存储学习模型的学习模型存储部。

Description

工具寿命推断装置

技术领域

本发明涉及工具寿命推断装置。

背景技术

一般在机床中使用的工具与在加工中使用的时间的经过一起，刀尖磨耗且切削阻力增加，随着磨耗进展，加工精度恶化，无法维持工件所要求的预定的加工精度。并且，达到该工具的寿命。在工具到达了寿命的情况下，由于无法继续加工，因此需要更换工具，但若工具在机床的自动运转中达到寿命，则在工具达到了寿命时，存在作业人员不在场而无法马上更换工具的情况等，成为妨碍加工周期的效率化的主要原因之一。因此，预先推断工具寿命的技术是重要的。

机床的工具寿命由于根据进行加工的工件、加工条件变动，因此难以推断。也存在根据加工时间、加工次数推断工具寿命的方法，但推断的精度不高，还存在作业员确认工具的情况来判断工具寿命的情况。

作为工具寿命的推断涉及的现有技术，已知泰勒寿命方程式(日本特开平11-170101号公报等)。在使用泰勒寿命方程式推断工具寿命时，基于用于加工的工具、工件的材质等加工条件确定常数，通过将确定的常数代入泰勒寿命方程式，能在各种加工条件下推断工具寿命。另外，还提出了基于加工时间、加工次数等推断工具的寿命的技术(日本特开2002-224925号公报等)。

但是，在使用泰勒寿命方程式预测工具的寿命的情况下，需要根据加工条件进行方程式的常数的计算，因此在加工条件频繁变化的机床中，常数的确定比较复杂，存在难以适用的问题。

另外，在基于加工时间、加工次数等推断工具的寿命的情况下，需要预先对每个工具存储加工时间、加工次数，另外，该推断方法由基于实际加工的经验法则进行，因此在加工条件依然频繁变化的状况下，产生难以预测工具寿命的问题。

发明内容

因此，本发明的目的在于能与加工条件的变化对应地推断在机床中使用的工具的寿命的工具寿命推断装置。

在本发明中，在具有机床的制造业的生产设备中，从机床收集表示加工状况的加工信息，基于所收集的加工信息使机器学习装置学习工具寿命剩余的状况。如果利用机器学习装置的学习结束了，则在机器学习装置中推断利用机床进行的加工中的加工状况是否处于工具寿命剩余的状况，向推断为处于从工具寿命剩余的状况脱离的加工状况的机床通知工具的寿命临近。

并且，本发明的工具寿命推断装置是推断机床用于工件的加工的工具的寿命的装置，具备：状态观测部，其根据在上述机床的运转中所存储的记录数据获得表示在上述工具的寿命充分地剩余的状态下的上述加工的状况的加工信息，基于所获得的加工信息制成输入数据；学习部，其通过使用了上述状态观测部制成的输入数据的无监督学习构建制成了上述加工信息的群组的学习模型；以及存储上述学习模型的学习模型存储部。

另外，本发明的工具寿命推断装置是推断机床用于工件的加工的工具的寿命的装置，具备：学习模型存储部，其存储学习模型，该学习模型通过无监督学习制成了加工信息的群组，该无监督学习基于表示在上述机床的运转中所获得的上述工具的寿命充分地剩余的状态下的上述加工的状况的上述加工信息来进行；状态观测部，其根据在上述机床的运转中所存储的记录数据，获得表示上述加工的状况的加工信息，基于所获得的加工信息制成输入数据；以及推断部，其使用上述学习模型，根据上述状态观测部制成的输入数据推断上述工具的寿命。

并且，本发明的机床具备警报部，该警报部基于由上述工具寿命推断装置得到的上述工具的寿命的推断结果输出警报。

根据本发明，通过使用机器学习装置推断工具寿命，不需要如寿命方程式那样根据加工条件计算常数，另外也不需要对每个加工条件预先存储工具寿命，因此能进行与各种状况相应的精度高的工具寿命的推断。

附图说明

本发明的上述及其他目的及特征从参照附图的以下的实施例的说明中变得明确。在这些图中：

图1是本发明的一实施方式的工具寿命推断装置的学习时的概略的功能方框图。

图2是关于用于本发明的一实施方式的机器学习的加工信息进行说明的图。

图3是表示作为学习模型使用了多层神经网络的情况的例子的图。

图4是表示作为学习模型使用了自己符号化器的情况的例子的图。

图5是示例工具寿命剩余的情况的加工信息的群组的图。

图6是本发明的一实施方式的工具寿命推断装置的工具寿命推断时的概略的功能方框图。

图7是表示推断为工具寿命剩余的情况的加工信息与群组的关系的图。

图8是表示推断为工具寿命耗尽的情况的加工信息与群组的关系的图。

图9是关于用于本发明的其他实施方式的机器学习的加工信息进行说明的图。

具体实施方式

以下，与附图一起说明本发明的实施方式。

图1是利用本发明的一实施方式的工具寿命推断装置的学习时的概略的功能方框图。本实施方式的工具寿命推断装置100在具有一台以上的机床的制造业的生产设备中，基于从至少一台以上的机床收集并存储在记录数据存储部200的记录数据进行机器学习。

在记录数据存储部200中，作为记录数据与时刻一起存储从在生产设备中工作的机床获得的加工信息。加工信息包括用于加工的工具的种类、工件的材质、冷却液的种类，工具的送料速度、主轴转数、刀尖温度、每个工具的切削时间累计/切削距离累计、切削阻力(送料轴、主轴的放大电流值)等。记录数据存储部200可以将从多个机床收集的加工信息存储为记录数据。另外，记录数据存储部200构建为普通的数据库。

在作为收集记录数据的对象的机床中，控制机床具备的各驱动部并进行工件的加工，并且，根据从各部获得的信号获得各驱动部的状态、利用传感器的检测值等，制成与该机床的加工动作相关的记录数据，并存储于该机床的非易失性存储器、作为外部设备的存储装置等中。记录数据以关于各驱动部的动作状况、利用传感器得到的温度的检测值等能把握时序列的方式制成。另外，在记录数据中包括操作机床的管理者、与在机床上产生了异常时对应的维护要员通过机械操作盘输入的各种信息(各种更换作业等)。这样，存储于机床的非易失性存储器等中的记录数据通过网络等或通过机床的维护要员等作业人员携带的外部存储装置等被收集到记录数据存储部200。该收集可以每当制成记录数据时逐次进行，也可以在适当的期间定期进行。

接着，在关于工具寿命推断装置100具备的各结构进行说明前，关于工具寿命推断装置100进行的学习的概要进行说明。

图2是关于用于本发明的一实施方式的机器学习的加工信息进行说明的图。本实施方式的工具寿命推断装置100从记录数据存储部200所存储的记录数据中获得在工具寿命充分剩余时的加工信息，进行基于该加工信息的无监督学习。利用本实施方式的工具寿命推断装置100的无监督学习使用将记录数据存储部200所存储的加工信息在预先确定的预定的每单位时间分割后的加工信息来实施。利用本实施方式的工具寿命推断装置100的无监督学习将生成在工具寿命充分剩余时的加工信息的群组作为目的进行。因此，本实施方式的工具寿命推断装置100如图2所示，在记录数据存储部200所存储的记录数据内，将直到距作业人员判断为工具寿命耗尽且替换了工具的时间点预定时间t1前(例如1小时前)的加工信息(工具寿命将要耗尽的加工信息)除外，提取其以外的加工信息并用于学习。本实施方式的工具寿命推断装置100作为将工具寿命将要耗尽的加工信息除外的方法，可以将在加工信息中产生异常值(与在时间上前后的加工信息相比，由于存在预定的值突出的情况等、在工具寿命将要耗尽之前一部分加工信息表示异常值的情况)除外。

“在无监督学习”中，通过只将输入数据大量地给予学习装置，即使不学习输入数据呈哪种分布、不给予对应的监督输出数据，也能相对于输入数据进行压缩、分类、整形等。本实施方式的工具寿命推断装置100作为无监督学习的算法，例如可以使用PCA(主成分分析)、SVM(支持向量机)、神经网络等，另外，如图3所示，也可以使用使神经网络的中间层为多个且深层学习的方法，此时，构成图4所示那样的公知的自动编码器，学习残差。

图5是示例工具寿命剩余的情况下的加工信息的群组的图。另外，在图3中，为了使例子简单，作为加工信息表现为包括送料速度、主轴转数、切削阻力这三个信息，但实际上加工信息表现为更多次元的信息。

接着，关于工具寿命推断装置100具备的各结构进行说明。工具寿命推断装置100具备学习部111、状态观测部112以及学习模型存储部114。

学习部111是基于状态观测部112获得的输入数据进行无监督学习，构建学习模型并存储在学习模型存储部114中的功能机构。学习部111构建的学习模型构成为图5所示那样的、对在工具寿命充分剩余时的加工信息和其以外的加工信息进行分类(群组环)的模型。学习部111构建的学习模型的算法如上所述，只要是能对在工具寿命充分地剩余时的加工信息和其以外的信息进行分类的算法，则可以使用任一种算法。

状态观测部112从记录数据存储部200所存储的记录数据中制成输入数据，将所制成的输入数据向学习部111输出。在本实施方式的工具寿命推断装置100中，输入数据是从机床获得的每单位时间的加工信息。状态观测部112关于由数值表现的加工信息将该数值作为学习部111的输入数据原样利用，关于由文字列等数值以外的信息表示的加工信息，只要预先在未图示的存储器上存储将各个文字列向数值转换的转换表，使用该转换表将数值以外的信息数值化并包含于输入数据即可。

通过以上的结构，工具寿命推断装置100能关于在机床的运转时的工具寿命充分地剩余时的加工信息(加工状态)进行学习，构建学习模型。

接着，关于使用所构建的学习模型推断工具的寿命的工具寿命推断装置100进行说明。

图6是本发明的一实施方式的工具寿命推断装置100的工具寿命推断时的概略的功能方框图。本实施方式的工具寿命推断装置100基于作为环境的包括通过机床1具备的输入输出部17获得的机床1具备的各驱动部的动作状况、传感器的信息等的加工信息，推断在机床1中使用的工具的寿命。输入输出部17将从机床1的内部及外部获得的信息向机床1的外部及内部的处理器输出。另外，在图6中作为机床1具备的功能块只表示输入输出部17和警报部23，但实际上具备CPU等处理器、驱动部等一般的机床具备的各结构。

工具寿命推断装置100具备状态观测部112、学习模型存储部114及推断部115。

状态观测部112通过输入输出部17获得在机床1进行运转期间、在上述说明的学习时作为输入数据使用的加工信息，基于所获得的信息制成输入数据并向推断部115输出。

推断部115通过使用学习模型存储部114所存储的学习模型，判断从状态观测部112输入的输入数据(加工信息)属于加工信息的群组的哪一个，进行工具寿命的推断。推断部115如图7所示，在输入数据属于在工具寿命充分地剩余时的加工信息的群组的情况下，推断为在正在进行动作的机床1中使用的工具的寿命充分地剩余。另外，推断部115如图8所示，在从状态观测部112输入的输入数据不属于在工具寿命充分地剩余时的加工信息的群组的情况下，判断为在正在进行动作的机床1中使用的工具的寿命将要耗尽。

这样，推断部115将使用了基于从机床1获得的加工信息制成的输入数据的工具寿命的推断结果向机床1的输入输出部17输出。输入输出部17在从推断部115输入的工具寿命的推断结果为工具寿命将要耗尽的情况下，以相对于警报部23发出警报的方式进行指令。

若以从输入输出部17发出警报的方式发出指令，则警报部23通过配置于机床1的未图示的机床操作盘的灯、显示装置的显示、声音等通知作业人员工具寿命将要耗尽。警报部23通知的警报例如在图2中所说明，在将直到工具寿命耗尽的预定时间t1之前的加工信息用于在工具寿命充分地剩余时的加工信息的学习的情况下，相对于显示装置显示“在之后t1时间内工具寿命有可能耗尽”等和具体的时间。

这样，工具寿命推断装置100能通过使用基于在至少一个以上的机床1中的加工信息的学习作为结果而得到的学习模型，在机床1的运转中能推断工具寿命。并且，在工具寿命推断装置100推断工具的寿命耗尽且发出警报时，接受该推断结果且机床1的作业人员有计划地中断机床的运转，能进行工具的更换。

以上，关于本发明的实施方式进行了说明，但本发明并未只限于上述实施方式，能通过多种改变以多种方式实施。

在上述实施方式中，表示利用一台工具寿命推断装置100的学习及利用的方式，但由于学习部111构建且存储在学习模型存储部114中的学习模型自身是表示学习结果的数据的集合，因此，例如也能构成为通过未图示的外部存储装置、神经网络等将学习模型在与其他工具寿命推断装置100之间共用。在这样构成的情况下，在学习中，在多个工具寿命推断装置100间共用一个学习模型的状态下，各个工具寿命推断装置100并列地进行学习，能缩短直到学习结束所需的时间，另一方面，在学习模型的利用中，也能使用共用的学习模型并利用多个工具寿命推断装置100的各个进行工具寿命的推断。关于学习模型的共用方法未限定于特定的方法。例如，可以在工场的主计算机内存储学习模型并在各工具寿命推断装置100中共用，也能将学习模型存储在制造商设置的服务器上，并在顾客的工具寿命推断装置100之间共用。

另外，在上述实施方式中，分别说明学习时和检测时的工具寿命推断装置100的结构，但工具寿命推断装置100可以同时具备学习时的结构和检测时的结构。在这样的情况下，工具寿命推断装置100能进行工具寿命的推断，并且基于在机床1中由管理员或维护要员输入的信息，学习部111进行更进一步的学习。

另外，在上述实施方式中，示例将工具寿命推断装置100构成为与机床1不同体，但工具寿命推断装置100也可以构成为机床1的控制装置的一部分。

另外，在上述实施方式中，通过机器学习生成在工具寿命充分地剩余时的加工信息的群组，但如图9所示，也能通过在分为工具寿命将要耗尽的加工信息、从工具寿命将要耗尽的预定时间t1前～预定时间t2前的加工信息、从工具寿命将要耗尽的预定时间t2前～预定时间t3前的加工信息、工具寿命将要耗尽的预定时间t3前以前的加工信息的基础上，制成各个时间带的群组，通过判断在利用机床1的加工时所获得的加工信息属于哪个群组，也能更细致地推断工具寿命在多久之后耗尽。

以上，关于本发明的实施方式进行了说明，但本发明并未限定于上述实施方式的例子，能通过进行适当的改变，以其他方式实施。

Claims (3)

1.一种工具寿命推断装置，其推断机床用于工件的加工的工具的寿命，该工具寿命推断装置的特征在于，

具备：

状态观测部，其根据在上述机床的运转中所存储的记录数据获得表示在上述工具的寿命充分地剩余的状态下的上述加工的状况的加工信息，基于所获得的加工信息制成输入数据；

学习部，其通过使用了上述状态观测部制成的输入数据的无监督学习构建制成了上述加工信息的群组的学习模型；以及

存储上述学习模型的学习模型存储部。

2.一种工具寿命推断装置，其推断机床用于工件的加工的工具的寿命，该工具寿命推断装置的特征在于，

具备：

学习模型存储部，其存储学习模型，该学习模型通过无监督学习制成了加工信息的群组，该无监督学习基于表示在上述机床的运转中所获得的上述工具的寿命充分地剩余的状态下的上述加工的状况的上述加工信息来进行；

状态观测部，其根据在上述机床的运转中所存储的记录数据，获得表示上述加工的状况的加工信息，基于所获得的加工信息制成输入数据；以及

推断部，其使用上述学习模型，根据上述状态观测部制成的输入数据推断上述工具的寿命。

3.一种机床，其特征在于，

具备警报部，该警报部基于由权利要求2所述的工具寿命推断装置得到的上述工具的寿命的推断结果输出警报。