CN108475052A - 诊断设备、计算机程序和诊断系统 - Google Patents

诊断设备、计算机程序和诊断系统 Download PDF

Info

Publication number
CN108475052A
CN108475052A CN201680075792.6A CN201680075792A CN108475052A CN 108475052 A CN108475052 A CN 108475052A CN 201680075792 A CN201680075792 A CN 201680075792A CN 108475052 A CN108475052 A CN 108475052A
Authority
CN
China
Prior art keywords
contextual information
information
model
diagnostic device
destination item
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
CN201680075792.6A
Other languages
English (en)
Other versions
CN108475052B (zh
Inventor
福田拓章
白田康伸
村本阳介
鹰见淳
鹰见淳一
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.)
Ricoh Co Ltd
Original Assignee
Ricoh Co Ltd
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 Ricoh Co Ltd filed Critical Ricoh Co Ltd
Priority to CN202111215587.4A priority Critical patent/CN113867321A/zh
Priority claimed from PCT/JP2016/088471 external-priority patent/WO2017111072A1/en
Publication of CN108475052A publication Critical patent/CN108475052A/zh
Application granted granted Critical
Publication of CN108475052B publication Critical patent/CN108475052B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H3/00—Measuring characteristics of vibrations by using a detector in a fluid
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03G—ELECTROGRAPHY; ELECTROPHOTOGRAPHY; MAGNETOGRAPHY
    • G03G15/00—Apparatus for electrographic processes using a charge pattern
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03G—ELECTROGRAPHY; ELECTROPHOTOGRAPHY; MAGNETOGRAPHY
    • G03G15/00—Apparatus for electrographic processes using a charge pattern
    • G03G15/55—Self-diagnostics; Malfunction or lifetime display
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G05B19/4065—Monitoring tool breakage, life or condition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03G—ELECTROGRAPHY; ELECTROPHOTOGRAPHY; MAGNETOGRAPHY
    • G03G2215/00—Apparatus for electrophotographic processes
    • G03G2215/00362—Apparatus for electrophotographic processes relating to the copy medium handling
    • G03G2215/00535—Stable handling of copy medium
    • G03G2215/00611—Detector details, e.g. optical detector
    • G03G2215/00637—Acoustic detector
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37245—Breakage tool, failure
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/50—Machine tool, machine tool null till machine tool work handling
    • G05B2219/50276—Detect wear or defect tool, breakage and change tool
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Numerical Control (AREA)

Abstract

诊断设备包括接收单元和判定单元。接收单元用于接收情境信息和感测信息。情境信息与组成目标设备的目标项目的特定操作对应。情境信息是多条情境信息中的一条情境信息，每条情境信息描述根据目标设备的操作类型而判定的目标项目的操作。感测信息关于根据目标项目的操作而变化的物理量。判定单元用于基于在目标项目执行特定操作的同时检测到的感测信息，并且基于与接收到的情境信息对应的模型，来判定目标项目的状态。该模型是分别针对一条或多条情境信息进行定义的一个或多个模型中的模型。

Description

诊断设备、计算机程序和诊断系统
技术领域
本发明涉及诊断设备、计算机程序、和诊断系统。
背景技术
已知用于通过由声音收集单元收集操作声音数据并且将操作声音数据与基于情境信息针对每个操作状态预先准备的操作声音数据进行比较来检测图像形成装置中的异常的技术。
例如，PTL 1公开了具有检测异常声音并且指定哪个单元产生该异常声音的功能的图像形成装置。该图像形成装置将预先收集并存储的每个单元(例如，感光鼓电动机、供纸电动机、定影电动机以及显影离合器)的操作声音数据与图像形成装置进行操作期间收集到的操作声音数据进行比较。当这些声音数据之间的差异大于特定级别时，图像形成装置将操作声音判定为异常声音。图像形成装置还基于针对每个单元准备的操作序列表来指定哪个单元产生该异常声音。
发明内容
技术问题
PTL 1中公开的技术在检测异常中不总是达到正确的诊断。在PTL 1中，例如基于操作定时表(例如，见PTL 1中的图20)来估计异常声音的产生源。该操作定时表包括每个单元有关的操作信息，但是这样的操作信息对于估计准确的产生源是不够的。因此，图像形成装置不能总是正确地估计声音产生源。
鉴于上述而做出本发明，并且本发明的目的在于提供能够提高诊断诸如异常的操作状态的准确性的诊断设备、计算机程序和诊断系统。
问题的解决方案
根据本发明的一方面，诊断设备包括接收单元和判定单元。接收单元用于接收情境信息和感测信息。情境信息与构成目标设备的目标项目的某一操作对应。情境信息是各自描述根据目标设备的操作类型所判定的目标项目的操作的多条情境信息中的一条情境信息。感测信息关于根据目标项目的操作而变化的物理量。判定单元用于基于在目标项目执行某一操作的同时检测到的感测信息，并且基于与接收到的情境信息对应的模型，来判定目标项目的状态。该模型是分别针对一条或多条情境信息进行定义的一个或多个模型中的模型。
发明的有益效果
根据本发明，能够提高诊断异常的准确性。
附图说明
[图1]图1是示出根据第一实施例的诊断系统的配置的示例的框图。
[图2]图2是示出根据第一实施例的处理机器的硬件配置的示例的框图。
[图3]图3是示出根据第一实施例的诊断设备的硬件配置的示例的框图。
[图4]图4是示出根据第一实施例的诊断设备的功能配置的示例的框图。
[图5]图5是示出情境信息与模型相关联的示例的示意图。
[图6]图6是示出根据第一实施例的诊断处理的示例的流程图。
[图7]图7是示出根据第一实施例的模型生成处理的示例的流程图。
[图8]图8是示出根据第一实施例的生成处理和诊断处理的具体示例的示意图。
[图9]图9是示出对于情境信息的部分执行的判定的示例的示意图。
[图10]图10是示出在另一加工过程中使用相同模型的示例的示意图。
[图11]图11是示出使用累计操作时间作为情境信息的示例的示意图。
[图12]图12是示出生成模型的示例的示意图。
[图13]图13是示出根据第二实施例的诊断设备的功能配置的示例的框图。
[图14]图14是示出根据第二实施例的处理的具体示例的示意图。
[图15]图15是示出用于判定感测信息所使用的对应信息的数据结构的示例的示意图。
[图16]图16是示出情境信息与加工时间段之间的关系的示例的示意图。
[图17]图17是示出用于指定加工时间段的方法的示例的示意图。
[图18]图18是示出用于指定加工时间段的方法的示例的示意图。
[图19]图19是示出似然度与判定值r(k)之间的关系的示例的曲线图。
[图20]图20是示出似然度随时间变化的示例的示意图。
[图21]图21是示出使用多个阈值的示例的示意图。
[图22]图22是示出使用多个阈值的示例的示意图。
[图23-1]图23-1是示出根据第六变型例的判定方法的示例的示意图。
[图23-2]图23-2是示出根据第六变型例的判定方法的另一示例的示意图。
[图23-3]图23-3是示出根据第六变型例的判定方法的又一示例的示意图。
[图24-1]图24-1是示出根据第七变型例的判定方法的示例的示意图。
[图24-2]图24-2是示出根据第七变型例的判定方法的另一示例的示意图。
[图24-3]图24-3是示出根据第七变型例的判定方法的又一示例的示意图。
具体实施方式
下面参考附图详细描述根据本发明的诊断设备、计算机程序和诊断系统的实施例。
第一实施例
图1是示出根据第一实施例的诊断系统的配置的示例的框图。如图1所示，该诊断系统包括处理机器200和诊断设备100。处理机器200是诊断设备100执行的诊断的目标设备的示例。
处理机器200和诊断设备100可以以任何方式相互连接。例如，处理机器200和诊断设备100可以经由专用连接线路、诸如有线局域网络(LAN)的有线网络、或者无线网络相互连接。
处理机器200包括数值控制单元201、通信控制单元202、以及机床203。机床203包括传感器211、驱动单元212、以及工具213。
机床203是在数值控制单元201的控制下对于处理目标进行处理的机器。机床203包括在数值控制单元201的控制下进行操作的驱动单元。驱动单元212例如是电动机。工具213是实际上由驱动单元212驱动的目标项目。工具213可以是能够用于加工并且能够通过数值控制进行控制的任何类型的工具,诸如处理目标工件的钻头或铣刀。机床203可以包括一个或多个驱动单元212。
数值控制单元201控制机床203以通过数值控制来处理工件。数值控制单元201例如生成和输出用于控制驱动单元212的操作的数值控制数据。数值控制单元201向通信控制单元202输出情境信息。情境信息是针对处理机器200的每个操作类型来定义的信息。针对每个操作类型定义的情境信息包括多条情境信息。情境信息例如包括用于识别由驱动单元212驱动的工具213、驱动单元212的旋转数量、驱动单元212的转速、以及与驱动单元212和工具213有关的移动信息。
数值控制单元201将指示例如当前操作的情境信息经由通信控制单元202发送到诊断设备100。根据处理目标被处理的加工过程的流程，数值控制单元201改变驱动单元2所驱动的工具213的类型和驱动单元212的驱动状态(例如，转数和转速)。每当数值控制单元201改变操作类型时，数值控制单元201经由通信控制单元202将与改变之后的操作类型对应的情境信息发送到诊断设备100。
通信控制单元202控制处理机器200与诸如诊断设备100的外部设备之间的通信。例如，通信控制单元202将与当前操作对应的情境信息发送到诊断设备100。
传感器211是感测单元，其检测根据处理机器200的操作而变化的物理量并输出感测信息(感测器数据)。传感器211可以是任何类型的传感器，并且可以检测任何类型的物理量。例如，传感器211可以是输出声学数据作为感测信息的麦克风，输出加速度数据作为感测信息的加速度传感器，或者输出声发射(AE)波数据作为感测信息的AE传感器。机床203中可以包括任何数量的传感器211。机床203可以包括检测相同物理量的多个传感器211，或者可以包括检测不同类型的物理量的多个传感器211。
例如，如果在使用过程中工具213的边缘断裂或破损，则工具213在加工过程中发出的声音发生变化。在这种情况下，传感器211(麦克风)检测声学数据，并将检测到的数据与例如表示正常声音的模型进行比较。因此，能够检测到处理机器200的操作中的这种异常。
诊断设备100包括通信控制单元101和判定单元102。通信控制单元101控制诊断设备100与诸如处理机器200的外部设备之间的通信。通信控制单元101例如从处理机器200接收情境信息和感测信息。判定单元102参考情境信息和感测信息以判定处理机器200的操作是否正常。随后将描述每个单元的细节。
图2是示出处理机器200的硬件配置的示例的框图。如图2所示，处理机器200包括经由总线58相互连接的中央处理器(CPU)51、只读存储器(ROM)52、随机存取存储器(RAM)53、通信I/F 54、驱动控制电路55和电动机56。
CPU 51控制处理机器200的整体操作。CPU 51将存储在ROM 52或其他存储单元中的计算机程序加载到例如作为工作区域的RAM 53上，并且执行该计算机程序以控制处理机器200的整体操作，从而实现其加工功能。
通信I/F 54是用于与诸如诊断设备100的外部设备进行通信的接口。驱动控制电路55是用于控制电动机56进行驱动的电路。电动机56驱动加工工序中使用的钻头、刀具、工作台等工具213。电动机56对应于例如图1中的驱动单元212。传感器57安装在处理机器200中。传感器57检测根据处理机器200的操作而变化的物理量，并将该感测信息输出到诊断设备100。传感器57对应于例如图1中的传感器211。
图1中的数值控制单元201和通信控制单元202可以通过使得图2中的CPU 51执行计算机程序来实现，即通过软件实现，或者可以通过诸如集成电路电路(IC)的硬件来实现，或者可以通过软件和硬件两者来实现。
图3是示出诊断设备100的硬件配置的示例的框图。如图3所示，诊断设备100包括经由总线66相互连接的CPU 61、ROM 62、RAM 63、通信I/F 64和硬盘驱动器(HDD)65。
CPU 61控制诊断设备100的整体操作。CPU 61将存储在ROM 62或其他存储单元中的计算机程序加载到例如作为工作区域的RAM 63上，并且执行该计算机程序以控制诊断设备100的整体操作，从而实现其诊断功能。通信I/F 64是用于与诸如处理机器200的外部设备进行通信的接口。HDD 65在其中存储诸如诊断设备100的设置信息、经由处理机器200的通信控制单元202从数值控制单元201发送的情境信息以及从传感器211发送的感测信息等信息。代替HDD 65或除HDD 65之外，诊断设备100可以包括诸如电可擦除可编程ROM(EEPROM)或固态驱动器(SSD)的非易失性存储单元。
图4是示出诊断设备100的功能配置的示例的框图。如图4所示，除了上述的通信控制单元101和判定单元102之外，诊断设备100还包括接受单元103、特征提取单元104、生成单元105和存储单元111。
存储单元111在其中存储诊断设备100的诊断功能所需的各种类型的信息。存储单元111能够通过例如图3中的RAM 63和HDD 65来实现。存储单元111在其中存储例如用于判定异常的一个或多个模型。
通过基于例如在处理机器200的正常操作期间检测到的感测信息的学习来生成这样的模型。可替换地，根据检测的目的，产生模型以使得新工具213被附接到处理机器200并且在特定的加工过程中使用，直到工具213处于异常状态(直到例如工具213的边缘断裂或破损)，并获取该模型的数据。学习方法可以是任何方法，并且模型格式可以是任何格式。例如，可以使用诸如高斯混合模型(GMM)和隐马尔可夫模型(HMM)的模型，并且可以应用它们对应的模型学习方法。
可替换地，例如可以使用在新工具213被附接之后的特定加工期作为学习期，其中工具213的正常状态和异常状态可以被调整，并且调整标准可以作为模型存储在存储单元111。例如，学习期可以通过以下方式判定。新工具213被附接，并且前十次加工过程被判定为用于调整诊断标准的学习期。诊断标准可以在实际加工过程之前在另一设备中进行调整，并且预定标准可作为模型存储在存储单元111中。
在第一实施例中，针对每种类型的情境信息生成模型。存储单元111在其中例如将情境信息和与情境信息相对应的模型相关联地存储。图5是示出情境信息与模型相关联的示例的示意图。如图5所示，例如针对将要附接到处理机器200的每种类型的工具213生成模型。当工具213是钻头时，针对钻头的每个直径生成模型。当三个直径1mm、3mm和5mm可使用时，将针对相应直径来生成模型。当判定单元102基于从处理机器200接收到的情境数据识别出将要用于加工过程的钻头的直径时，判定单元102选择与钻头的直径相对应的学习模型，并将该模型用于判定。
通信控制单元101包括接收单元101a和发送单元101b。接收单元101a接收从诸如处理机器200的外部设备发送的各种类型的信息。例如，接收单元101a接收与处理机器200的当前操作对应的情境信息和从传感器211发送的感测信息。发送单元101b将各种类型的信息发送到外部设备。
特征提取单元104从感测信息中提取将被用于模型生成处理以及由判定单元102执行的判定的特征信息(特征)。特征信息可以是表示感测信息的特征的任何类型的信息。例如，当感测信息是由麦克风采集的声学数据时，特征提取单元104可以提取诸如能量、频谱和梅尔频率倒谱系数(MFCC)的特征。
生成单元105通过基于从在正常操作期间检测到的感测信息提取的特征信息进行学习来生成判定正常操作的模型。当在外部设备中生成模型时，诊断设备100不需要包括生成单元105。当输入未定义模型的情境信息和与情境信息相对应的感测信息时，生成单元105可以使用从该感测信息中提取的特征信息并生成与该情境信息对应的模型。
虽然模型由生成单元105生成，但是模型可以在外部设备中生成，并且所生成的模型可以经由通信I/F 64接收并存储在HDD 65中以供使用。
判定单元102基于由接收单元101a接收到的感测信息和与接收到的情境信息对应的模型来判定处理机器200的操作状态。处理机器200的操作状态例如指示处理机器200是否处于通常状态。例如，判定单元102请求特征提取单元104从感测信息中提取特征信息。判定单元102基于对应的模型来计算表示从传感信息提取的特征信息指示正常性的似然度的似然度。判定单元102将该似然度与已预先的阈值进行比较。例如，当似然度等于或大于阈值时，判定单元102判定处理机器200正在正常状态下操作。当似然度小于阈值时，判定单元102判定处理机器200正在异常状态下操作。该特征根据工具213的状态而变化。因此，由判定单元102执行的判定包括判定指示例如工具213磨损多少以处理机器200的操作状态的指标。
用于判定操作是否处于正常状态的方法不限于此。判定方法可以是基于感测信息和模型能够判定操作是否处于正常状态的任何方法。例如，判定单元102可以将指示似然度变化的值与阈值进行比较，而不是直接将似然度的值与阈值进行比较。
接收单元103从处理机器200接收与由接收单元101a接收的情境信息不同的情境信息的输入。例如，接受单元103可以用于从处理机器200获取累计操作时间。在这种情况下，处理机器200可以包括例如当处理机器200改变工具213时重置(初始化)起作用的累计操作时间的功能。
可替换地，接受单元103可以不从处理机器200接收累计操作时间。接受单元103接收从诸如键盘或触摸面板的操作单元输入的情境信息。由接受单元103接收的情境信息不限于累计操作时间。情境信息例如可以是将要使用的工具213的规格的信息(切削边缘的直径、边缘的数量、工具213的材料以及工具213上是否存在涂层)，或者待处理工件的信息(例如材料)。接受单元103可以从诸如服务器设备或个人计算机的外部设备接收情境信息。如果诊断设备100不需要从处理机器200以外的设备接收情境信息，则诊断设备100不需要包括接受单元103。
图4中的单元(通信控制单元101、判定单元102、接受单元103、特征提取单元104和生成单元105)可以通过使得图3中的CPU 61执行计算机程序来实现，即通过软件来实现，或者可以通过诸如IC的硬件来实现，或者可以通过软件和硬件两者来实现。
接下来参考图6来描述由根据第一实施例的诊断设备100执行的诊断处理。图6是示出根据第一实施例的诊断处理的示例的流程图。
如上所述，处理机器200的数值控制单元201将表示当前操作的情境信息依次发送到诊断设备100。接收单元101a接收从处理机器200发送的情境信息(步骤S101)。处理机器200的传感器211在加工过程中顺次输出感测信息。接收单元101a接收从处理机器200发送的感测信息(传感器数据)(步骤S102)。
特征提取单元104从接收到的感测信息中提取特征信息(步骤S103)。判定单元102基于提取出的特征信息和与接收到的情境信息对应的模型来判定处理机器200是否在正常状态下进行操作(步骤S104)。判定单元102输出判定的结果(步骤S105)。判定的结果可以通过任何方法输出。例如，当诊断设备100包括诸如显示器的显示设备时，判定单元102可以在该显示设备上显示判定结果。判定单元102可以将判定结果输出到诸如服务器设备或个人计算机的外部设备。
接下来参考图7描述由根据第一实施例的诊断设备100执行的模型生成处理。图7是示出根据第一实施例的模型生成处理的示例的流程图。例如，在诊断处理之前执行模型生成处理。如上所述，诊断设备100可以用于在接收到未定义模型的情境信息时执行模型生成处理。当如上所述在外部设备中生成模型时，诊断设备100不需要执行模型生成处理。
接收单元101a接收从处理机器200发送的情境信息(步骤S201)。接收单元101a接收从处理机器200发送的感测信息(传感器数据)(步骤S202)。
接收到的情境信息和感测信息被用于生成模型。针对每种类型的情境信息生成模型，并且因此感测信息需要与相应的情境信息相关联。例如，接收单元101a将接收到的感测信息与在相同时刻接收到的情境信息相关联，并将它们存储在例如存储单元111中。诊断设备100可以将情境信息和感测信息暂时存储在例如存储单元111中，并且判定信息是否来自正常操作。诊断设备100可以仅基于被判定为与正常操作有关的信息的信息来生成模型。换言之，诊断设备100可以基于已标记为正常的感测信息来生成模型。
关于处理机器200是否在正常状态下进行操作的判定(标记)可以在信息被存储在例如存储单元111之后的任何时刻执行，或者可以在处理机器200保持操作的情况下实时地执行。代替执行标记，诊断设备100可以假设该信息指示处理机器200正在正常状态下操作来生成模型。如果假定指示正常状态的信息实际上指示异常状态，则诊断设备100不能基于生成的模型执行正确的判定。例如，这种情况可能使得诊断设备100更频繁地判定异常，然而，这允许诊断设备100识别这个错误生成的模型并将其删除。诊断设备100可以使用从指示异常状态的信息生成的模型作为用于判定处理机器200的异常的模型。
特征提取单元104从收集的感测信息中提取特征信息(步骤S203)。生成单元105基于从与该情境信息相关联的感测信息中提取的特征信息生成与该情境信息对应的模型(步骤S204)。生成单元105将生成的模型存储在例如存储单元111中(步骤S205)。
下面描述根据第一实施例的模型生成处理和诊断处理的具体示例。图8是示出根据第一实施例的处理的具体示例的图。
图8示出例如在用于处理某个工件的加工过程的一部分上执行的模型生成处理和诊断处理。在模型生成处理中，诊断设备100使用与情境信息701一起接收的多条感测信息(图8中的感测信息711a至711c)。感测信息的数量不限于三个，而可以是任何数量。
情境信息701指示该加工过程包括用于驱动四个电动机(电动机A、电动机B、电动机C和电动机D)的操作。特征提取单元104从接收到的感测信息提取特征信息。生成单元105基于从对应的感测信息提取的特征信息来生成与电动机对应的每条情境信息的模型。生成的模型存储在例如存储单元111中。图8示出在存储单元111中存储与指示电动机B正在驱动的情境信息对应而生成的模型(电动机B)的示例。稍后执行的诊断处理中将参考所存储的模型。
在诊断处理中，诊断设备100以与模型生成处理中相同的方式接收情境信息701和感测信息721。当情境信息指示电动机B正在驱动时，判定单元102基于在接收到该情境信息的期间内接收到的感测信息并且基于存储在存储单元111中的模型“电动机B”来判定处理机器200是否在正常状态下操作。
当接收到其他情境信息时，判定单元102以与上述相同的方式，基于感测信息和与该情境信息对应的模型来执行判定。判定单元102不必对全部情境信息执行判定。图9是示出对于情境信息的部分执行的判定的示例的示意图。
在图9的示例中，仅在情境信息表示电动机B正在驱动时才生成模型。当接收到指示电动机B正在驱动的情境信息701-2时执行诊断处理。该配置使得诊断设备100能够仅基于在判定异常中有效的感测信息来执行诊断处理。例如，当声学数据被用作感测信息时，加工过程可以包括不需要判定的时间段，诸如无声时间段。从经过判定的时间段中消除这种不必要的时间段可以减少不正确的判定并且可以减少计算成本。换句话说，这种配置实现了更精确和更高效的诊断处理。
例如，当加工机器200在不同的加工过程中使用相同的电动机时，诊断设备100可以基于与电动机对应的相同模型来执行诊断处理。图10是示出在另一加工过程中使用相同模型的示例的示意图。
图10中的情境信息901指示该加工过程包括驱动四个电动机(电动机X、电动机Y、电动机Z和电动机B)的操作。该加工过程使用例如图8所示的加工过程中共同的电动机B。因此，判定单元102能够基于在图10的加工过程中的相同模型“电动机B”和感测信息921来执行诊断处理。
图11是示出使用累计操作时间作为情境信息的示例的示意图。情境信息1001指示每个电动机的累计操作时间。在图11的示例中，针对累计操作时间的每个范围(例如，0至6个月和6至12个月)的每种类型的电动机，来生成模型。例如，存储单元111a在其中存储用于累计操作时间为0至6个月的电动机的模型。存储单元111b在其中存储用于累计操作时间为6至12个月的电动机的模型。存储单元111c在其中存储用于累计操作时间为12个月以及更久的电动机的模型。存储单元111a至111c可以通过物理上不同的存储介质或物理上相同的存储介质来实现。判定单元102使用情境信息701和情境信息1001以指定对应的模型，并基于指定的模型来执行诊断处理。
图12是示出当输入未定义模型的情境信息时生成模型的示例的示意图。图12中的情境信息1101指示该加工过程包括驱动四个电动机(电动机X、电动机C、电动机D和电动机B)的操作。假设没有用于指示电动机X正在驱动的情境信息的模型。
在这种情况下，特征提取单元104从与指示电动机X正在驱动的情境信息的时期内检测到的感测信息中提取特征信息。从多条感测信息中提取特征信息(在图12中，感测信息1111a、1111b和1111c)。生成单元105基于所提取的特征信息来生成与指示电动机X正在驱动的情境信息对应的模型“电动机X”，并将所生成的模型存储在存储单元111中。因此，诊断设备100能够判定电动机X正在驱动的未来期间的异常。
根据第一实施例，诊断设备100从处理机器200接收指示处理机器200的当前操作的情境信息，并且使用与接收到的情境信息对应的模型，并且诊断设备100能够判定异常。该配置使得诊断设备100能够高度准确地指定当前正在驱动的驱动单元并且高度准确地诊断异常。
第二实施例
在第一实施例中，诊断设备100基于单一类型的感测信息来判定处理机器200是否在正常状态下操作。判定中所使用的感测信息的类型的数量不限于一个，并且可以是两个或更多。根据第二实施例的诊断系统基于多种类型的感测信息来判定加工机器200中的异常。
根据第二实施例的诊断系统具有与图1所示的第一实施例相同的配置，因此省略其说明。图13是示出第二实施例的诊断设备100-2的功能配置的示例的框图。如图13所示，诊断设备100-2包括通信控制单元101、判定单元102-2、接受单元103、特征提取单元104、生成单元105和存储单元111。
第二实施例与第一实施例的不同之处在于判定单元102-2具有不同的功能。诊断设备100-2的其他单元具有与如图4的框图所示的根据第一实施例的诊断设备100相同的配置和功能，因此利用相同的附图标记进行标记，并且省略其说明。
判定单元102-2基于多种类型的感测信息来判定处理机器200是否在正常状态下操作。例如，判定单元102-2根据情境信息来改变用于判定所使用的感测信息的类型。
图14是示出根据第二实施例的处理的具体示例的示意图。在图14的示例中，诊断设备100-2接收情境信息1201和多种类型的感测信息1221a和1221b。感测信息1221a例如是声学数据。感测信息1221b例如是加速度数据。
当情境信息指示电动机A正在驱动时，判定单元102-2基于从与该情境信息对应的时期内检测到的感测信息1221b中的感测信息1222b提取出的特征信息来执行判定。当情境信息指示电动机B正在驱动时，判定单元102-2基于从与该情境信息对应的时期内检测到的感测信息1221a中的感测信息1222a提取出的特征信息来执行判定。判定单元102-2从存储单元111a-2或存储单元111b-2读取与该情境信息对应的模型并使用该模型。
可以基于存储在例如存储单元111中的对应信息来判定与情境信息对应的感测信息。图15是示出用于判定感测信息所使用的对应信息的数据结构的示例的示意图。对应信息包括例如传感器数据和情境信息。判定单元102-2能够参考对应信息来判定与情境信息对应的感测信息。
接下来描述适用于第一和第二实施例的变型。
第一变型例
情境信息仅指示特定驱动单元212正在驱动的时间段。因此，诊断设备可能不能精确地提取实际的加工时间段，在该实际的加工时间段中，例如由驱动单元212驱动的工具213与工件接触地进行旋转并对其进行加工。换句话说，可能不太准确地判定异常。
图16是示出情境信息与加工时间段之间的关系的示例的示意图。情境信息1501指示电动机B正在驱动。当判定单元102仅参考情境信息1501时，其指定与感测信息中的波形时间段1512对应的感测信息。然而，工具213实际加工工件的时间段是波形时间段1511。当例如感测数据是声学数据时，波形时间段1511与在工具213和工件相接触并产生声音时检测到的声学数据的时间段对应。
在第一变型例中，判定单元102用于基于情境信息和感测信息来指定实际加工时间段。换言之，判定单元102基于接收到的感测信息，从由接收到的情境信息所指定的时期判定用于判定的时间段。判定单元102基于所判定的时间段中的感测信息和模型来执行判定。
例如，判定单元102通过指定感测信息的特征改变的时间来判定加工时间段。图17是示出用于指定加工时间段的方法的示例的示意图。在图17的示例中，判定单元102指定感测信息的振幅变化超过预先设置的阈值(例如，“a”和“-a”)的时间点1601，并且指定幅度变化落入阈值内的时间点1602。判定单元102提取时间点1601与时间点1602之间的时间段1611。判定单元102通过使用从时间段1611中的感测信息中提取出的特征信息来执行判定。使用与实际加工时间段对应的时间段中的感测信息使得判定单元102能够更精确地执行判定。
第二变型例
在第二变型例中，通过使用时间段指定信号来提取特征信息(指定加工时间段)。时间段指定信号是基于从处理机器200发送的情境信息在诊断设备100中生成的，但是该信号可以在处理机器200中生成并发送到诊断设备100。
图18是示出第二变型例中的用于指定加工时间段的方法示例的示意图。当时间段指定信号1801指示加工时间段(例如，输出高电平信号的时间段)时，判定单元102使用从在相应时间段中检测到的感测信息中提取的特征信息来进行判定。在图18的示例中，判定单元102判定时间段1811、1813、1814不是加工时间段，并且判定时间段1813中的与表示加工时间段的信号1801对应的时间段(例如，正在输出高电平信号的时间段)为加工时间段。
例如，当工具213是钻头并且用于在处理目标上打孔时，诊断设备100基于指示朝向处理目标的钻头进给速度的情境信息来生成时间段指定信号。当诊断设备100从情境信息中检测到指示钻头已经开始钻入处理目标的切削钻头进给速度时，诊断设备100生成高电平的时间段指定信号(指示工具213正在处理该对象)。当诊断设备100检测到指示切削钻头进给速度改变为非切割钻头进给速度的情境信息中的改变时，其指示钻头已经完成在处理目标中钻孔，诊断设备100输出低电平时间段指定信号而不是高电平信号(指示工具213不是正在处理该对象)。
作为另一示例，诊断设备100可以基于作为情境信息的指示加工位置的坐标信息来生成时间段指定信号。在该方法中，诊断设备100可以基于指示钻头或处理目标已经移动到加工坐标位置的情境信息以及指示钻头或处理目标已经从加工坐标位置移开的情境信息来生成时间段指定信号加工坐标位置。诊断设备100可以使用任何类型的情境信息，其能够指定工具213实际对于处理目标进行处理的加工时间段。
当在处理机器200中生成时间段判定信号时，处理机器200安装有计算机程序，该计算机程序允许处理机器200在与诊断设备100相同的条件下生成高电平时间段判定信号。
如上所述，诊断设备100仅基于在正输出高电平期间指定信号的期间检测到的检测信息，而不是在电动机B整个期间检测到的全部检测信息的基础上生成模型在驾车。诊断设备100仅基于在工具213实际上对于处理目标进行处理的时间段期间检测到的感测信息来诊断工具213的状态。这种配置使得诊断设备100能够仅基于在工具213与工具213实际接触的时间段期间检测到的感测信息来判定工具213的状态(例如钻头的边缘是否被磨损或破裂)，从而提高了诊断的准确性。
第三变型例
诊断设备100可以在判定工具213是否在正常状态下操作时使用似然度的值或表示似然度的变化的值。在第三变型例中，描述了表示似然度变化的值的示例。作为表示似然度变化的值，例如可以使用似然度的变化。例如，通过下面的等式(1)计算时间段X中的似然度的方差，其中nX表示时间段X中的帧数，k表示帧的索引，Xi表示帧i中的似然度(帧似然度)，并且μX表示时间段X中的帧似然度的均值。每个帧与计算的似然度的单位时间段对应。
例如，可以基于由等式(1)计算的方差来计算得分值，并且可以将其用于判定。例如，下面的等式(2)中的r(k)可以用于判定。
r(k)＝VS(k)/VL(k) (2)
S和L分别代表时间段X的类型。S代表短时间段，L代表长时间段。VS(k)表示在短时间段内由式(1)计算出的值。VL(k)表示在短时间段内由式(1)计算出的值。对于S和L，计算分别与nX和μX对应的nS和μS以及nL和μL。
图19是示出似然度与判定值r(k)之间的关系的示例的曲线图。在将似然度与假定为例如0.97的阈值进行比较的判定方法中，诊断设备100判定从200帧到300帧的操作在正常状态下执行。在将判定值r(k)与阈值(例如，1.0)进行比较的判定方法中，诊断设备100能够判定从200帧到300帧的操作在异常状态下执行。
第四变型例
判定单元102可以用于判定并且输出似然度随时间的变化，并且在判定操作是否在正常状态下执行时将似然度与阈值进行比较。例如，当判定单元102使用表示正常操作的单个模型时，判定单元102可以将计算的似然度存储在例如存储单元111中并且获得似然度的变化(例如，似然度是否随时间减小)。
图20是示出似然度随时间变化的示例的示意图。判定单元102可以通过存储例如判定的时间和似然度来获得似然度随时间的变化。判定部102在似然度降低到与上述实施例相同的配置的阈值以下时，判定操作在异常状态下执行。判定单元102可以用于获取并输出例如指示似然度随时间的变化的信息以及似然度预计会降至阈值以下的时间。
第五变型例
判定单元102可以用于基于多个阈值来判定质量等级或质量级别。图21和图22是各自示出使用多个阈值的示例的示意图。图21和图22各自示出使用四个阈值(阈值1至4)的示例，但是阈值的数量不限于四个。
图21示出基于似然度高于还是低于四个阈值而分开的从R1到R5的五个质量等级的示例。判定单元102将似然度与阈值进行比较，，并判定并输出质量等级。质量等级能够用作例如指示由加工机器200加工的物体(加工项目)的质量的信息(质量信息)。
图22示出基于似然度是高于还是低于四个阈值来判定质量是处于正常等级(没有问题)，处于注意等级或处于异常等级(低于质量标准)的示例。当判定单元102判定质量处于正常等级时，判定单元102将质量分类为另外两个等级L11和L12。当判定单元102判定质量处于注意等级时，判定单元102将质量分类为另外两个等级L21和L22。判定单元102可以将质量分类为三个或更多个等级。
第六变型例
判定单元102可以基于根据质量等级定义的多个模型来计算多个似然度，以判定操作是否在正常状态下执行，并且在判定正常操作时判定质量等级。图23-1至图23-3是示出根据第六变形例的判定方法的示例的图。
图23-1、图23-2和图23-3分别与质量等级R1、R2和R3对应，并且各自示出基于用于判定对应的质量等级所使用的模型计算出的似然度的示例。质量等级R1例如表示似然度随时间发生变化期间在初始时期1中被判定为正常的质量。质量等级R2例如表示随时间发生变化期间在中间时期2中被判定为正常的质量。质量等级R2例如表示随时间发生变化期间在最后时期3中被判定为正常的质量。
判定单元102基于与这样的质量等级对应的多个模型来计算多个似然度。通常，当基于任何一个模型计算出的似然度超过阈值时，基于其他模型计算的似然度将不会超过阈值。当判定单元102基于特定模型计算似然度并且该似然度超过阈值时，判定单元102判定该模型的质量等级并输出质量等级作为判定结果。当判定单元102基于这些模型计算似然度并且没有似然度超过阈值时，判定单元102判定操作在异常状态下执行。
模型可以针对相应的质量等级预先生成。根据第六变型例，判定单元102能够判定操作是否在正常状态下执行，并且还判定质量等级。判定单元102还能够判定当前操作对应的似然度变化所在的时期。
第七变型例
判定单元102可以使用多个模型并且根据执行判定所经过的时间来改变它们。图24-1至图24-3是图示根据第七变型例的判定方法的示例的图。
图24-1、图24-2和图24-3分别对应于时期1、2和3，并且各自示出基于针对相应时期所生成的模型计算出的似然度的示例。时期1、2和3分别对应于似然度随着时间变化中的初始、中间和最终时期。每个模型可以基于在对应期间检测到的感测信息预先生成。
判定单元102基于例如用于指定时期的情境信息，诸如累计操作时间，来判定从针对相应的时期的模型中获取哪个模型。判定单元102基于所指定的模型来判定操作是否在正常状态下执行。根据第七变型例，判定单元102能够判定当前状态是随时间的合理改变(正常状态)还是偏离随时间的合理改变的状态(异常状态)。
第八变型例
判定单元102可以基于从根据质量等级定义的多个模型中指定的模型来执行判定。例如，当工件需要较高质量的加工时，判定单元102使用针对高质量等级定义的模型。当例如需要常规质量加工时，判定单元102使用针对低于高质量等级的质量等级定义的模型。判定单元102可以基于例如由接收单元101a接收的情境信息和经由接受单元103接收的信息来判定采用哪种模型。
例如，由根据上述实施例的诊断设备执行的计算机程序被嵌入并提供在ROM中。
由根据上述实施例的诊断设备执行的计算机程序可以作为可安装或可执行文件被记录在诸如光盘只读存储器(CD-ROM)、软盘(FD)、可记录光盘(CD-R)、或数字多功能光盘(DVD)的计算机可读记录介质中，并且可以作为计算机程序产品来提供。
由根据上述实施例的诊断设备执行的计算机程序可以存储在连接到诸如互联网的网络的计算机中并且通过经由网络下载来提供。此外，由根据上述实施例的诊断设备执行的计算机程序可以经由诸如互联网的网络来提供或分发。
由根据上述实施例的诊断设备执行的计算机程序具有包括上述单元(诸如通信控制单元和判定单元)的模块配置。作为实际的硬件，当CPU(处理器)从ROM读出并执行计算机程序并且在主存储器上生成单元时，这些单元被加载到主存储器上。
附图标记列表
51 CPU
52 ROM
53 RAM
54 通信I/F
55 驱动控制电路
56 电动机
57 传感器
58 总线
61 CPU
62 ROM
63 RAM
64 通信I/F
65 HDD
66 总线
100 诊断设备
101 通信控制单元
101a 接收单元
101b 发送单元
112 判定单元
103 接受单元
104 特征提取单元
105 生成单元
111 存储单元
200 处理机器
201 数值控制单元
202 通信控制单元
203 机床
211 传感器
212 驱动单元
引文列表
专利文献
PTL 1：日本特开2006-184722号专利公报

Claims (15)

1.一种诊断设备，包括：
接收单元，其用于接收情境信息和感测信息，所述情境信息与构成目标设备的目标项目的特定操作对应并且是多条情境信息中的一条情境信息，所述多条情境信息中的每条情境信息描述根据所述目标设备执行的操作类型而判定的所述目标项目的操作，所述感测信息是与根据所述目标项目的操作而变化的物理量有关的信息；以及
判定单元，其用于基于在所述目标项目正在执行所述特定操作的同时检测到的所述感测信息，并且基于与所接收的情境信息对应的模型来判定所述目标项目的状态，所述模型是分别针对所述多条情境信息中的一条或多条情境信息进行定义的一个或多个模型中的模型。
2.根据权利要求1所述的诊断设备，其中所述判定单元基于所述情境信息来指定在所述目标项目正在执行所述特定操作的同时检测到的所述感测信息，并且基于所指定的感测信息和所述模型来判定所述目标项目的状态。
3.根据权利要求1所述的诊断设备，其中
所述接收单元接收多条感测信息，并且
基于所接收的多条感测信息中的在通过所接收的情境信息指定的并且所述目标项目正在执行特定操作的时期期间检测到的感测信息，并且基于与所接收的情境信息对应的模型，所述判定单元判定所述目标项目在所述时期中的状态。
4.根据权利要求1所述的诊断设备，其中
所述接收单元接收各自与不同物理量对应的多种类型的感测信息，
所述判定单元基于所述多种类型的感测信息中的根据所述情境信息判定的感测信息，并基于与接收到的情境信息对应的模型，来判定所述目标项目的状态。
5.根据权利要求1所述的诊断设备，进一步包括生成单元，所述生成单元用于当接收到未定义模型的情境信息时，基于与情境信息对应的感测信息来生成与未定义模型的情境信息对应的模型。
6.根据权利要求1所述的诊断设备，进一步包括接受单元，所述接受单元用于接收与所述接收单元接收到的情境信息不同的情境信息的输入，其中
所述判定单元基于接收到的感测信息，并且基于与所述接收单元接收到的情境信息和所述接受单元接收到的情境信息中的至少一个情境信息对应的模型，来判定所述目标项目的状态。
7.根据权利要求1所述的诊断设备，其中所述判定单元基于接收到的感测信息，从接收到的情境信息指定的时期中判定用于在判定所述目标项目的状态的时期，并且基于所判定的时期期间检测到的感测信息和所述模型来判定所述目标项目的状态。
8.根据权利要求1所述的诊断设备，其中所述判定单元获得接收到的感测信息相对于所述模型的似然度，并且通过将所述似然度和指示所述似然度的变化的值中的至少一个与阈值进行比较来判定所述目标项目的状态。
9.根据权利要求1所述的诊断设备，其中
所述模型是基于与所述目标设备在正常状态下进行操作时检测到的物理量有关的感测信息来生成的，并且
所述判定单元获得接收到的感测信息相对于所生成的模型的似然度并且输出根据所述似然度定义的质量信息。
10.根据权利要求9所述的诊断设备，其中所述判定单元将所述似然度和指示所述似然度的变化的值中的至少一个与多个阈值进行比较，从而从多条质量信息中判定质量信息，并且输出所判定的质量信息。
11.根据权利要求1所述的诊断设备，其中
所述一个或多个模型包括根据所述情境信息和质量所定义的多个模型，并且
所述判定单元判定所述目标项目相对于所述多个模型中的每个模型的状态，并输出指示与所述目标项目的状态被判定为正常所利用的模型相对应的质量的信息。
12.根据权利要求1所述的诊断设备，其中所述情境信息指示所述目标设备中包括的驱动单元的操作时间。
13.根据权利要求1所述的诊断设备，其中
所述一个或多个模型包括根据所述情境信息和质量所定义的多个模型，并且
所述判定单元基于与指定的质量和接收到的情境信息对应的模型来所述目标项目的状态。
14.一种计算机程序，其用于使得计算机执行：
接收情境信息和感测信息，所述情境信息与构成目标设备的目标项目的特定操作对应并且是多条情境信息中的一条情境信息，所述多条情境信息中的每条情境信息描述根据所述目标设备执行的操作类型而判定的所述目标项目的操作，所述感测信息是根据所述目标项目的操作而变化的物理量有关的信息；以及
基于在所述目标项目正在执行所述特定操作的同时检测到的所述感测信息，并且基于与所接收的情境信息对应的模型来判定所述目标项目的状态，所述模型是分别针对一条或多条情境信息进行定义的一个或多个模型中的模型。
15.一种诊断系统，包括：
诊断设备；以及
目标设备，所述诊断设备在所述目标设备上执行诊断，其中：
所述诊断设备包括
接收单元，其用于接收情境信息和感测信息，所述情境信息与构成目标设备的目标项目的特定操作对应并且是多条情境信息中的一条情境信息，所述多条情境信息中的每条情境信息描述根据所述目标设备执行的操作类型而判定的所述目标项目的操作，所述感测信息是与根据所述目标项目的操作而变化的物理量有关的信息，和
判定单元，其用于基于在所述目标项目正在执行所述特定操作的同时检测到的所述感测信息，并且基于与所接收的情境信息对应的模型来判定所述目标项目的状态，所述模型是分别针对一条或多条情境信息进行定义的一个或多个模型中的模型；并且
所述诊断设备包括
感测单元，用于检测所述物理量，并且
发送单元，用于将检测到的物理量发送到所述诊断设备。
CN201680075792.6A 2015-12-25 2016-12-22 诊断设备、计算机程序和诊断系统 Active CN108475052B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111215587.4A CN113867321A (zh) 2015-12-25 2016-12-22 诊断设备、计算机程序和诊断系统

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
JP2015254041 2015-12-25
JP2015-254041 2015-12-25
JP2016-217144 2016-11-07
JP2016217144A JP6156566B2 (ja) 2015-12-25 2016-11-07 診断装置、診断方法、プログラムおよび診断システム
PCT/JP2016/088471 WO2017111072A1 (en) 2015-12-25 2016-12-22 Diagnostic device, computer program, and diagnostic system

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202111215587.4A Division CN113867321A (zh) 2015-12-25 2016-12-22 诊断设备、计算机程序和诊断系统

Publications (2)

Publication Number Publication Date
CN108475052A true CN108475052A (zh) 2018-08-31
CN108475052B CN108475052B (zh) 2021-11-02

Family

ID=59272080

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680075792.6A Active CN108475052B (zh) 2015-12-25 2016-12-22 诊断设备、计算机程序和诊断系统

Country Status (5)

Country Link
US (1) US11467024B2 (zh)
EP (1) EP3394693B1 (zh)
JP (1) JP6156566B2 (zh)
KR (1) KR102069266B1 (zh)
CN (1) CN108475052B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110419012A (zh) * 2017-03-16 2019-11-05 株式会社理光 诊断设备、诊断系统、诊断方法和程序
CN110458824A (zh) * 2019-08-08 2019-11-15 中国石油集团川庆钻探工程有限公司 一种钻头磨损检测方法
CN111506019A (zh) * 2019-01-31 2020-08-07 发那科株式会社 数值控制系统
CN111752215A (zh) * 2019-03-29 2020-10-09 株式会社理光 诊断装置、诊断系统和计算机可读介质

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10732606B2 (en) * 2016-05-13 2020-08-04 Ricoh Company, Ltd. Information processing apparatus, information processing method, and information processing system
JP6840953B2 (ja) 2016-08-09 2021-03-10 株式会社リコー 診断装置、学習装置および診断システム
JP6698604B2 (ja) 2017-09-29 2020-05-27 ファナック株式会社 数値制御システム、及び工具状態検知方法
JP6698603B2 (ja) 2017-09-29 2020-05-27 ファナック株式会社 数値制御システム、及び運転状態異常検知方法
JP6659647B2 (ja) * 2017-09-29 2020-03-04 ファナック株式会社 数値制御システム及び逆流防止弁状態検知方法
JP6691087B2 (ja) * 2017-10-04 2020-04-28 ファナック株式会社 熱変位補正システム
JP6683667B2 (ja) * 2017-10-04 2020-04-22 ファナック株式会社 熱変位補正システム
DE102018201838A1 (de) * 2018-02-06 2019-08-08 Robert Bosch Gmbh Verfahren zum Einrichten und Überwachen einer Anlage
JP6708676B2 (ja) * 2018-02-27 2020-06-10 ファナック株式会社 異常要因特定装置
JP6936178B2 (ja) * 2018-03-23 2021-09-15 ファナック株式会社 異常検知装置
JP2019191799A (ja) * 2018-04-23 2019-10-31 株式会社日立製作所 故障予兆診断システム及び故障予兆診断方法
JP6753893B2 (ja) * 2018-05-16 2020-09-09 ファナック株式会社 熱変位補正装置
JP7310195B2 (ja) * 2019-03-20 2023-07-19 株式会社リコー 診断装置、診断システム及び診断プログラム
JP7277199B2 (ja) 2019-03-26 2023-05-18 キヤノン株式会社 画像形成装置、画像形成方法及び画像形成システム
IT201900007332A1 (it) * 2019-05-27 2020-11-27 Linari Eng S R L Metodo e sistema per rilevare malfunzionamenti di un’apparecchiatura
WO2021038755A1 (ja) * 2019-08-28 2021-03-04 三菱電機株式会社 異常部分検知装置、異常部分検知方法及びプログラム
JP7372876B2 (ja) 2020-05-25 2023-11-01 株式会社日立製作所 異常検出システム、異常検出装置及び異常検出方法
JP2023110670A (ja) * 2022-01-28 2023-08-09 三菱重工航空エンジン株式会社 工具損傷確率推定装置、工具損傷確率推定方法、及び、プログラム
WO2024075567A1 (ja) * 2022-10-03 2024-04-11 三菱電機株式会社 診断システム、情報処理装置、診断方法、及びプログラム

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2231662B (en) * 1989-03-27 1993-04-28 Gen Electric Tool break detection
JP2002014721A (ja) * 2000-06-30 2002-01-18 Mitsubishi Heavy Ind Ltd 警報発生告知装置
WO2002095323A1 (en) * 2001-05-24 2002-11-28 Lincoln Global, Inc. System and method for facilitating welding system diagnostics
JP2008213086A (ja) * 2007-03-02 2008-09-18 Matsushita Electric Works Ltd 電動工具制御システム
US20150242754A1 (en) * 2014-02-26 2015-08-27 Ricoh Company, Limited Pattern recognition system, pattern recognition method, and computer program product
US20150293523A1 (en) * 2014-04-15 2015-10-15 Mitsubishi Heavy Industries, Ltd. Machine tool diagnostic method and system

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3366248A (en) * 1964-06-05 1968-01-30 Kearney & Trecker Corp Tool identification system
JPS62213909A (ja) 1986-03-14 1987-09-19 Hitachi Koki Co Ltd 穿孔機
JP3193120B2 (ja) 1992-06-01 2001-07-30 エヌティエヌ株式会社 工具異常検出装置
JPH11129145A (ja) 1997-10-31 1999-05-18 Denso Corp 加工物の形状精度診断装置及び加工物の形状精度診断方法及び記録媒体
JP2000317710A (ja) 1999-05-07 2000-11-21 Toyoda Mach Works Ltd 工作機械における工具異常検出方法および装置
JP2006184722A (ja) 2004-12-28 2006-07-13 Canon Inc 自己診断機能を備えた画像形成装置
JP5301310B2 (ja) * 2009-02-17 2013-09-25 株式会社日立製作所 異常検知方法及び異常検知システム
JP5363927B2 (ja) 2009-09-07 2013-12-11 株式会社日立製作所 異常検知・診断方法、異常検知・診断システム、及び異常検知・診断プログラム
JP5822441B2 (ja) 2010-07-13 2015-11-24 株式会社幸和電熱計器 切削加工評価装置
JP5081998B1 (ja) 2011-06-22 2012-11-28 株式会社日立エンジニアリング・アンド・サービス 異常予兆診断装置及び異常予兆診断方法
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
CN105026885B (zh) * 2013-01-09 2018-06-19 卡尔蔡司工业测量技术有限公司 用于求取旋转装置旋转误差的检验体
JP5753286B1 (ja) 2014-02-05 2015-07-22 株式会社日立パワーソリューションズ 情報処理装置、診断方法、およびプログラム
JP6411769B2 (ja) * 2014-04-14 2018-10-24 株式会社日立製作所 状態監視装置
US20160098645A1 (en) * 2014-10-02 2016-04-07 Microsoft Corporation High-precision limited supervision relationship extractor
JP6586788B2 (ja) 2014-11-20 2019-10-09 株式会社リコー 情報処理装置、情報処理方法、およびプログラム
US9557698B2 (en) 2014-11-20 2017-01-31 Ricoh Company, Limited Information processing apparatus, information processing method, and computer-readable storage medium for detecting an abnormity from sound data
JP6294262B2 (ja) * 2015-05-19 2018-03-14 ファナック株式会社 工作機械の異常検出機能を備えた異常検出装置、及び異常検出方法
JP6706518B2 (ja) * 2016-03-17 2020-06-10 ローランドディー．ジー．株式会社 加工時間予測装置、切削加工システムおよび加工時間予測方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2231662B (en) * 1989-03-27 1993-04-28 Gen Electric Tool break detection
JP2002014721A (ja) * 2000-06-30 2002-01-18 Mitsubishi Heavy Ind Ltd 警報発生告知装置
WO2002095323A1 (en) * 2001-05-24 2002-11-28 Lincoln Global, Inc. System and method for facilitating welding system diagnostics
JP2008213086A (ja) * 2007-03-02 2008-09-18 Matsushita Electric Works Ltd 電動工具制御システム
US20150242754A1 (en) * 2014-02-26 2015-08-27 Ricoh Company, Limited Pattern recognition system, pattern recognition method, and computer program product
US20150293523A1 (en) * 2014-04-15 2015-10-15 Mitsubishi Heavy Industries, Ltd. Machine tool diagnostic method and system
CN105171525A (zh) * 2014-04-15 2015-12-23 三菱重工业株式会社 机床的诊断方法及系统

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110419012A (zh) * 2017-03-16 2019-11-05 株式会社理光 诊断设备、诊断系统、诊断方法和程序
CN110419012B (zh) * 2017-03-16 2022-08-16 株式会社理光 诊断设备、诊断系统、诊断方法和程序
CN111506019A (zh) * 2019-01-31 2020-08-07 发那科株式会社 数值控制系统
CN111506019B (zh) * 2019-01-31 2024-04-23 发那科株式会社 数值控制系统
CN111752215A (zh) * 2019-03-29 2020-10-09 株式会社理光 诊断装置、诊断系统和计算机可读介质
CN111752215B (zh) * 2019-03-29 2024-05-07 株式会社理光 诊断装置、诊断系统和计算机可读介质
CN110458824A (zh) * 2019-08-08 2019-11-15 中国石油集团川庆钻探工程有限公司 一种钻头磨损检测方法
CN110458824B (zh) * 2019-08-08 2023-04-18 中国石油集团川庆钻探工程有限公司 一种钻头磨损检测方法

Also Published As

Publication number Publication date
CN108475052B (zh) 2021-11-02
EP3394693A4 (en) 2019-01-16
KR20180084980A (ko) 2018-07-25
EP3394693B1 (en) 2021-04-07
JP6156566B2 (ja) 2017-07-05
JP2017120622A (ja) 2017-07-06
KR102069266B1 (ko) 2020-01-22
EP3394693A1 (en) 2018-10-31
US20180356282A1 (en) 2018-12-13
US11467024B2 (en) 2022-10-11

Similar Documents

Publication Publication Date Title
CN108475052A (zh) 诊断设备、计算机程序和诊断系统
US20220390271A1 (en) Diagnostic device, computer program, and diagnostic system
CN110419012A (zh) 诊断设备、诊断系统、诊断方法和程序
EP3540548B1 (en) Diagnosis apparatus, diagnosis method and computer readable medium
CN107678398B (zh) 用于数控机床的断刀检测的方法
US20040176926A1 (en) System and method for machining data management
CN108227625A (zh) 工具寿命推断装置
JP6673002B2 (ja) 情報処理装置、情報処理方法、情報処理プログラム、および情報処理システム
JP6568167B2 (ja) 異常検知装置及び機械学習装置
CN106607720A (zh) 刀具量测装置、刀具量测方法
KR20190043038A (ko) 공작기계의 진동 적응제어를 위한 진동신호 처리 방법
Zhang et al. Cutting tool wear monitoring based on a smart toolholder with embedded force and vibration sensors and an improved residual network
US11055047B2 (en) Waveform display device based on waveform extraction
KR102144420B1 (ko) 지능형 가공 시뮬레이션을 이용한 가공 공정 모니터링 시스템 및 이를 이용한 모니터링 방법
US20200073344A1 (en) Machining environment estimation device
JPH1034496A (ja) マシニングセンタ
CN108548611A (zh) 用于环境试验箱检测的多通道温度巡检方法及巡检仪
JP2018156340A (ja) 診断装置、診断システム、診断方法およびプログラム
CN114227378B (zh) 一种夹具状态的检测方法、装置、终端和存储介质
CN110536773A (zh) 加工控制装置、工作机械及加工控制方法
Elbestawi et al. Tool condition monitoring in machining
JP6790520B2 (ja) 診断装置、診断システム、診断方法およびプログラム
US11868112B2 (en) Multi-point measurement system and method thereof

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