CN108628251A - 用于齿轮组件的自动加工的方法和装置 - Google Patents

用于齿轮组件的自动加工的方法和装置 Download PDF

Info

Publication number
CN108628251A
CN108628251A CN201810227388.7A CN201810227388A CN108628251A CN 108628251 A CN108628251 A CN 108628251A CN 201810227388 A CN201810227388 A CN 201810227388A CN 108628251 A CN108628251 A CN 108628251A
Authority
CN
China
Prior art keywords
workpiece
machine
processing
database
assessment
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
CN201810227388.7A
Other languages
English (en)
Other versions
CN108628251B (zh
Inventor
T·申克
O·福格尔
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.)
Klingelnberg AG
Original Assignee
Klingelnberg AG
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 Klingelnberg AG filed Critical Klingelnberg AG
Publication of CN108628251A publication Critical patent/CN108628251A/zh
Application granted granted Critical
Publication of CN108628251B publication Critical patent/CN108628251B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23F—MAKING GEARS OR TOOTHED RACKS
    • B23F23/00—Accessories or equipment combined with or arranged in, or specially designed to form part of, gear-cutting machines
    • B23F23/12—Other devices, e.g. tool holders; Checking devices for controlling workpieces in machines for manufacturing gear teeth
    • B23F23/1218—Checking devices for controlling workpieces in machines for manufacturing gear teeth
    • 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
    • G05B19/401—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 control arrangements for measuring, e.g. calibration and initialisation, measuring workpiece for machining purposes
    • G05B19/4015—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 control arrangements for measuring, e.g. calibration and initialisation, measuring workpiece for machining purposes going to a reference at the beginning of machine cycle, e.g. for calibration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23F—MAKING GEARS OR TOOTHED RACKS
    • B23F21/00—Tools specially adapted for use in machines for manufacturing gear teeth
    • B23F21/12—Milling tools
    • 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
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • 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
    • G05B2219/32—Operator till task planning
    • G05B2219/32187—Correlation between controlling parameters for influence on quality parameters
    • 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
    • G05B2219/32—Operator till task planning
    • G05B2219/32221—Correlation between defect and measured parameters to find origin of defect
    • 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
    • G05B2219/33—Director till display
    • G05B2219/33318—Knowledge acquisition
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Human Computer Interaction (AREA)
  • General Factory Administration (AREA)

Abstract

本公开涉及用于齿轮组件的自动加工的方法和装置。一种制造环境，包括机床、测量装置或测量机、存储介质，还包括计算机，其被编程以控制制造环境的下列方法步骤：a)在机床中对第一工件的切屑产生加工，b)在第一工件切屑产生加工期间获取机床的至少2个机器参数，c)将这些机器参数存储于存储介质，该存储在分配给第一工件的情况下执行，d)对n个工件重复步骤a)至c)；在步骤a)至d)之一后或者在稍后的时间触发测试方法，其包括以下步骤：M1.选择至少一个工件，M2.借助测量装置或测量机(20)对至少这一个选择的工件执行自动化测试，M3.对自动化测试执行处理器控制的评估，以能够将所选择的工件分类到至少两个下列分组之一：合格部件，不合格部件。

Description

用于齿轮组件的自动加工的方法和装置
技术领域
本发明涉及用于齿轮组件的自动加工的方法和装置。
背景技术
众所周知，目前的生产和加工序列正逐渐变得越来越复杂。尤其是在串行制造中，需要特别注意减少不合格品，并从而提高生产量。
齿轮的加工部分发生于制造环境中，该制造环境除了实际机床以外还包括测量机。借助于测量机与机床之间的适当反馈，如果发生偏差，则可以快速作出反应。这些方法有时被称为闭环方法。
例如，文献DE 102014015587 A1描述了用于监测和/或校正制造过程(串行制造)的动态测量和校正策略。该文献提供了机器参数的测量结果，以允许基于测量值进行关于当前制造过程的推论。
但是，已经有证据表明，技术关系是足够复杂的，使得对于个体机器参数的简单但孤立的考虑无法提供用于确立设定值和/或评估标准的答案，如同上述文献中的情形那样。
具体地，已经有证据表明，导致不合格工件的制造中关键的操作状态一般无法通过对个体机器参数的孤立观察来识别。
尤其是，关于为什么某些操作状态会导致合适的或不合适的工件的因果关系通常是未知的，并且也无法理解。但是，不了解这一点，相应的加工方法很难被合理地使用或者甚至优化。
因此，本发明的一个目标是提供能够在不必在质量问题上做出妥协的情况下在齿轮组件的自动加工期间提高生产量的装置及相应的方法。
这一目标通过根据权利要求1所述的方法以及根据权利要求13所述的装置来实现。
在这种情况下，本发明针对于两个或两个以上机器参数的联合观察，其中制造中关键的状态组合变得能够基于关联来识别和使用。
根据本发明，优选地在工件加工之前、期间(即，即时(on-the-fly)或者伴随该过程)或之后获取并存储该工件的两个或两个以上机器参数。多个加工工件的机器参数被用作知识库的基础。
只有多个机器参数的状态组合以及关联的确定才使得能够在个体工件的加工期间或之后对其进行可靠且准确的判断。
如果除了针对每个工件获得并存储的机器参数之外，也针对至少一部分工件存储在测量装置或测量机中获得的测量结果，则可以在本发明的方法和装置中找到合适的关联。只有将工件的机器参数与该工件的测量结果一起考虑才能够自动找到合适的关联。
本发明优选地在全部实施例中针对与相应的工件具有间接关系的机器参数，并且针对工件自身的具体测量结果。以此方式，建立数据库并使其可用，在此该数据库也称为知识库。
因为制造中关键的状态组合的建立由于复杂性而没有通过分析观察来实现，所以本发明针对关联观察以及对大量数据的分析，其中该状态组合的建立将会在识别时在本发明的方法和装置中引起测量和/或校正周期的触发。
这一知识库优选地被建立并且随时间不断扩展。知识库还可以在出厂时设置有基础数据集，使得本发明的方法可以从第一个加工工件起就已经被使用。
根据本发明，该知识库优选地伴随着生产而使用，从而能够执行对工件的自动评估。如果这样的评估得到以下结果，则该工件因而被分类为合格部件(good part)：基于从刚刚加工的工件获取的机器参数，该工件很可能是恰当的(例如，由于它对应于或满足工件规格)。相反地，如果该工件很可能是不恰当的，则该工件因而要么被直接分类为不合格部件(reject part)，要么出于测量(调查)的目的而被输送至测量装置或测量机。
在优选的实施例中，无法被明确识别为合格部件或不合格部件的工件出于测量(调查)的目的被输送至测量装置或测量机。
术语“合格部件”和“不合格部件”的使用不应作狭义的理解。在本发明的含义中，不合格部件是指，在不校正的情况下由于没有达到必需的准确度要求(称为规格)而无法用于其预定用途的工件。因此，不合格部件是需要在处理中根据本发明进行校正干预的工件。相反地，在本发明的含义中，合格部件是指在处理中不需要校正干预的工件。
根据本发明，如下所述，还可以在所有实施例中使用两个不同的容差域。第一个较大的容差域在这些实施例中被应用以区分合格部件和不合格部件。第二个较窄的容差域在这些实施例中被用来区分有校正要求(即，在处理中执行校正干预)和无校正要求(即，在处理中不执行校正干预)。如果对于方法规定使用较窄的容差域，则在理想情况下不会出现外部容差和/或实际不合格部件的不利情况。
一方面，使用在测量装置或测量机中对测量方法的执行，以在不确定的评估的情况下提供明确性。在这种情况下，受影响的工件最终可以被明确地分类为合格部件或不合格部件。另一方面，根据本发明的测量方法也被用来扩展知识库。这根据本发明来实现：将工件的机器参数与该工件的测量方法的结果相结合，然后对其进行分析或处理以备之后使用。
优选地在本发明的所有实施例中出于关联的目的而使用机器参数以及测量方法的结果。自动地基于一种或多种关联方法针对可能的关联进行查找。
在随后的步骤中，可以对已经存在的关联进行进一步的改进(在强化的意义上)或驳回。
在所有实施例中，优选地根据知识库的关联来得出评估标准。然后，在更多工件的加工过程中，这些评估标准被应用于相应的制造环境中。以此方式，合格部件和不合格部件可以被更快速且更可靠地区分开。
校正方法优选地被应用于所有实施例中，从而在需要时用于加工过程中或者对机床执行调适或修改。
在所有实施例中，目前用于工件加工中的有效的校正值应当优选地理解为机器参数。在所有实施例中，这些有效的校正值优选地存储于知识库中。
本发明基于以下发现：在考虑许多机器参数以及还可能有多个评估标准的情况下，对所有状态和评估组合的全因素考虑可能是很复杂的。数据中所隐藏的“知识”既是机床的操作人员所无法理解的，也不是专家可以以这种形式来分析的。但是，现代的数据分析方法使得知识能够变为“可理解的”并且因而也是技术上可使用的。
本发明使得能够确定具体机器参数的具体状态组合导致具体的评估或评估组合的概率。然后，可以基于这些概率针对发生状态或状态组合来确定是否需要对刚刚加工的工件进行测量或者是否需要校正加工方法。
但是，反之，如果(经由测量或预测)确定了具体的评估，还可以确定具体状态组合将以什么概率出现。如果基于所建立的知识库应该单独进行校正测量，则这一程序是有帮助的。
本发明提供了以下优点：与典型的随机样本测量相比，测量工作较少，其中典型的随机样本测量以固定限定的间隔来进行。
根据本发明的协调测量装置和方法的有利实施例可以根据从属权利要求来推断。
附图说明
本发明的示例性实施例将在下文参考附图更详细地描述。
图1示出了切屑清除(chip-removing)机、测量机和计算机的示意图，其中所提及的组件具有彼此之间的通信连接；
图2示出了表示本发明的方法的基本特征的示意流程图；
图3示出了示意性的示例性温度-时间曲线，该曲线在工件W.1的切屑产生加工(chip producing machining)的过程中被作为机器参数记录下来；
图4示出了示意性的示例性频率-时间曲线，该曲线在图3的工件W.1的切屑产生加工的过程中被作为另一个机器参数记录下来；
图5示出了具有示例性机器参数的示意图，其中第一机器参数P1被划分成三个组A、B和C，并且第二机器参数P2被划分成两个组1和2，并且机器参数被分配到这些组；
图6示出了在图2之上进行了扩展并且表示本发明的另一种方法的基本特征的示意性流程图；
图7示出了在图2和图6之上进行了扩展并且表示本发明的另一种方法的基本特征的示意性流程图。
具体实施方式
结合本说明书来使用同样用于相关的出版物和专利中的术语。但是，应该指出的是，这些术语的使用仅仅是为了更好的理解。本发明的概念以及专利的权利要求的保护范围在理解上不应受这些术语的具体选择所限制。本发明可以容易地应用于其他术语体系和/或技术领域。这些术语可相应地应用于其他技术领域。
本发明尤其涉及用于例如齿轮工件的加工中的切屑清除机M.m。参考符号M.m是为了指出本发明可以用于可以包括至少两台结构上相同的切屑清除机M.m或两台不同的切屑清除机M.m的制造环境100中。在此，m是大于或等于1的整数。
本发明已经特别地为了在制造环境100中用于加工齿轮而进行了设计和优化。
术语“测量机”在此被用于单独的机器。相反地，术语“测量装置”是要指出该装置可以被集成到例如机器M.m内，或者可以贴附于其上。
“软件SW”在此指的是可由计算机或处理器直接执行的或者在执行之前必须先转换成机器代码从而可由计算机或处理器执行的代码序列。在所有实施例中，可以提供软件SW作为软件产品(例如，作为应用软件)，该软件SW在执行之前安装于例如计算机上。软件SW也可以例如以模块的形式来构造和/或安装于多个位置(例如，计算机11、机器M.m和测量机20中)。
术语“计算机10”在此作为微处理器控制的装置的同义词，作为微计算机、处理器控制的设备或设备部件的同义词，作为机器控制器的同义词并且还作为可以例如独立于机器M.m而实现的计算机的同义词。
各自与工件W.n有关并且在机器M.m之内或之上获取的信息的变量、值或项被视为机器参数MpW.n。以下提供了若干示例的列表，其中该列表不是完整的：
-机器M.m的一个或多个点处的温度，
-工件W.n的温度，
-环境条件(例如，温度、气压、环境湿度、对机器M.m的太阳辐射等)，
-机器M.m的主轴(spindle)的转速，
-机器M.m的各个轴(axes)的位置和/或运动，
-机器M.m的各个轴的载荷或应变，
-机器M.m的主轴的不平衡性，
-偏心率，
-结构噪声(例如，用于吸收震动)，
-机器M.m的轴的驱动的功耗，
-扭矩。
过程伴随参数在此也可以用作机器参数MpW.n，例如，从生产或班次开始以来机器M.m的启动次数、加工工件W.n的处理数n(例如，自上次刀具更换以来)等。
机器参数MpW.n是与工件W.n相关联的个体规格。但是，这些是仅与工件W.n间接相关的规格，因为它们只包含状态信息项，例如，工件W.n的温度等。
机器参数Mp在此用MpW.n来标识，以指出它们与相应的工件W.n相关。这一引用标记可以由例如工件的唯一标识(唯一ID或uID)在所有实施例中提供。
本发明的有利实施例将在下文基于图1和2来描述。图1以示意形式示出了示例性装置100，该装置100在此包括第一切屑清除机M.m、测量机20和计算机10。在描述更多细节之前，应该指出的是，在图1中，通信连接以短划线箭头示出，并且为了例如工件W.n的输送而使用的处理单元或装置以粗实线箭头示出。
相对照地，在图2中，该方法的方法步骤和分支被示为实线箭头。由例如软件SW在图2的示例性实施例中施加的较高阶的监测或影响通过虚线箭头示出。
在此，本发明涉及对信息的数据和项目的生产伴随处理，以使加工过程200的技术序列更高效，减少不合格品，并且优化该制造。
因此，工件W.n的实际加工(方法200)仅作为本发明的一个局部方面。
具体而言，在此本发明涉及用于多个工件W.n的自动化切屑清除加工的方法200，其中n是大于或等于2的整数。方法200包括以下步骤，其中这些步骤可以至少部分同步地或者时间上有重叠地执行：
a)在机床M.m中进行第一工件W.n的切屑产生加工(见图1)。
b)在第一工件W.n的这种加工的过程中，获取机床M.m的至少2个机器参数MpW.n，这可以在所有实施例中例如使用机床M.m的传感器和/或使用外部装置来执行。
c)在另一个步骤中，在分配给第一工件W.n的情况下存储这些机器参数MpW.n。机器参数MpW.n可以在所有实施例中都存储于例如中央数据库11中。参考符号11在此既用于数据库也用于存储介质，因为实际的组织和分区对本发明而言并不重要。不言而喻，机器参数MpW.n还可以存储于各种位置和/或各种存储介质中。在图1中，为了存储而进行的对机器参数MpW.n的传输通过通信连接K2来表示。
d)针对数量为n个的工件W.n重复上述步骤a)至c)(例如，在串行生产的背景下)。在图2中，一个工件W.n的加工由块200示出，并且为了存储而进行的对机器参数MpW.n的传输通过箭头201来表示。
根据本发明，在步骤a)至d)之一之后，或者在稍后的时间，触发测量方法300的执行，该测量方法300至少包括下文将描述的步骤M1–M3。在图1中，工件W.n相应地从机床M.m输送到测量机20。工件W.n的输送(由箭头15示出)可以手动或自动(例如，通过传送机系统或机器人)进行。
图2示出了触发点TP，该触发点TP应作为一种分流或分支来理解。该触发点TP在流程图中表示工件W.n要么在加工200之后被输送到测量方法300，要么作为未测试的工件W.n*被从生产中去除。这一点将在后面再次讨论。触发点TP可以在所有实施例中由例如软件SW来监测和/或切换，如图2中的箭头203所示。
步骤M1–M3将在下文更详细地描述，其中在此同样参考示例性的图1和2。
M1.选择至少一个工件W.n，对于该工件W.n之前获取并存储了至少2个机器参数MpW.n。这一选择可以在工件W.n的切屑产生加工(方法200)之后立即进行，但是，也可以将工件W.n输送到例如临时仓库中，然后在以后再选择它。
M2.在测量机20中执行对至少这一个选择的工件W.n进行的自动化测试(例如，基于知识库进行的测量300或测试)。
M3.在测试之后或测试期间，执行处理器控制的评估从而能够将选择的工件W.n分类为至少两个组中的一个。选择的工件W.n优选地在自动化测试之后被分类为合格部件GT或不合格部件AT。这一分类在图1中由两个分支箭头16表示。在图2中，菱形301指示工件W.n在自动化测试300之后被分类为合格部件GT或不合格部件AT。如果执行自动化测量作为自动化测试，则测量300的(一个或多个)测量结果可以存储于数据库11中，如图1中由通信连接K3所示以及图2中由箭头302所示。
软件SW可以在所有实施例中连同数据库11一起形成一种元层次250，如图2所示，该元层次250在级别上高于实际的加工方法200和/或测试或测量方法300。
在所有实施例中，如图2中由双向箭头202所示，软件SW可以在数据库11中存储数据，组织数据(例如，借助于数据挖掘或合适的关联方法)，和/或从数据库11加载数据。
加工方法200和/或测量方法300在所有实施例中可以独立于本发明的方法，其基本上被用来执行有针对性的干预或调适，以穷尽优化潜力。
基于图1和2来描述本发明的基本原理。下文将澄清更多的细节，并且解释示例性的实施例。
如前所述，在工件W.n(在此为工件W.1)的加工过程中获取机床M.m的至少2个机器参数MpW.n。在工件W.1的加工过程中获取的两个示例性信号的时间曲线示于图3和4中。这两个信号在时间上同步记录。
图3示出了在工件W.1的切屑产生加工过程中产生的例如在机器M.m的工件主轴上的温度曲线T(t)。加工在时间t＝0开始，并且在时间t＝t1结束。加工时间为Δt＝t1–0。在此由曲线KT示出的温度曲线T(t)在温度T1开始，并且在大约一半加工时间之后达到最大值T2。此后温度略有下降。工件W.1离开机器M.m时具有最终温度T3，该最终温度T3有时高于初始温度T1。
图4示出了在工件W.1的切屑产生加工期间借助于振荡传感器来例如在机器M.m的工具主轴处测量的频率信号f(t)。在此由曲线Kf示出的频率信号f(t)开始于0Hz并结束于0Hz。该信号显示出强烈的变化。频率信号f(t)包含机器M.m的振荡及其他振动。
在本发明的范围内，这些示例性的信号T(t)和f(t)优选地在被存储于数据库11中之前(优选地通过处理器和/或软件模块)被处理或分析。这一点可能是关键的，因为在处理或分析期间存在着丢失信号中“包含的”或编码于信号中的信息的重要项的风险。但是，另一方面，这并不是对加工方法的实时监测。相反，它涉及在多个工件W.n的加工期间对特征机器参数MpW.n的收集，以允许以此方式进行生产伴随的评估。
在如例如图3的曲线KT所示的温度信号的情形中，如果可以根据合适的计算规则基于曲线KT计算出平均值就足够了。如果机器M.m中的温度T在多个工件W.1、W.2、W.3等的切屑产生加工的过程中升高，则这将基于平均值的升高来识别。
在如例如图4的曲线Kf所示的频率信号的情形中，存在着用于处理和/或分析的众多选项。例如，在本发明的范围内，可以执行从时间信号f(t)到频率范围的转换。如果想要例如确定干扰变量(例如，机器M.m的工件主轴的不平衡性)，则因而可以将已知的频段从时间范围中过滤掉，从而例如删去信号分量并将它们排除在以后的考虑之外，例如，明确来源于例如机器M.m的电马达的信号。现在为了获取干扰变量，例如，在适当的(傅里叶)变换之后，可以对谐波进行分析并且可以存储该分析的结果。
图5示出了具有两个示例性的机器参数的示意图，其中第一机器参数P1被划分成三组A、B、C，并且第二机器参数P2被划分成两个组1和2。这些分组也可以被视为状态区间。各种工件W.n被划分于合格部件GT和不合格部件AT的分组(在此也可以划分于其它分组)。为了能够在视觉上将合格部件GT与不合格部件AT区分开，它们以圆形(对于GT)和方形(对于AT)的形式示出。在对机器参数的评估和分类的过程中，在此只使用单个评估标准BK，这使得受影响的工件W.n能够被划分成合格部件GT和不合格部件AT。
在图5的示例中，各种状态组合对应于图中所示的状态盒(图5的表格图中的区域)。每个状态盒都可以基于例如落入其内的合格部件GT和不合格部件AT的数量来表征。状态盒A1包含例如90％合格部件GT。状态盒C2包含例如100％不合格部件AT。
在这样的分配的情形中，可能会存在例如只有少量工件或完全没有工件落入其中的状态盒(参见状态盒C2)。
为状态盒提供越多落入该状态盒内的已测量(已评估)的工件W.n，就可以越好地对关于机器M.m的具体状态的瞬时制造质量的陈述进行预测(进而可基于机器参数进行识别)。
在所有实施例中，将值范围分解成区间可以在开始时粗略地选择，并且可以在数据获取的过程中进行适应性细化。因而，可能在状态盒中产生例如不利于工件W.n的评估的恒定的比例40:60，而划分可能会在一个新的状态盒中产生比值80:20并且在另一个新的状态盒中产生比值10:90。但是，状态盒划分的这种细化并不总是一定会导致改进的评估。
在所有实施例中，也可以在开始时就指定状态盒的高分辨率，然后在数据获取的过程中(在更多工件W.n的测量之后)通过结合具有相同信息的相邻状态盒来进行适应性粗化。
结合图5描述的评估和/或划分应当被理解为状态组合与评估(评估组合)之间的示例性关联。对于各种机器参数与测量方法300的测量结果的关联存在着众多的其他选项。词语“关联”在此被用来表示本发明涉及识别各种机器参数与测量结果之间的关系。但是，在实践中，这些并不是简单的关系，而可能是很复杂的其它关系。在理想情况下，本发明被用于查找并应用因果关系，因为这样的关系特别地使得能够针对例如刚刚加工的工件W.n的预期质量作出可检查的结论或陈述(这一步骤在此被称为对工件W.n的评估)。
在所有实施例中，合适的关联的目标是要有利地使因果关系通过处理器控制的评估可见和/或可使用。
但是，在所有实施例中，也可以使用关联以能够作出例如关于关系的方向的陈述(正相关的示例：如果图3中的温度T2较高，则图4的最大频率也较高)。
优选地，对制造的工件W.n的质量的评估的标准(称为评估标准BK)可以在合适的关联的辅助下基于在其加工期间所获取的机器参数的状态组合来定义。
在本发明的所有实施例中，可以进行多于两个分组的划分和/或可以使用多个评估标准BK。
下列关联方法自身意味着寻找合适的关联：
·完成多维度的分配；
·使用(大)数据量的相关分析的数学辅助，例如，用于识别“概念”的形式概念分析(状态组合到评估组合的典型分配)。
根据本发明，对于待测量的工件W.n的选择，各种方法都是可能的。优选地，在所有实施例中应用基于以下策略之一进行的选择：
-选择之前已经通过了步骤a)至c)的每个工件W.n以经受测量方法300的测量。这种方法的缺点在于时间和成本支出高。因此，这种方法优选地仅在开始时被应用，从而能够尽可能快地在数据库11中提供足够大的数据库。
-选择之前已经通过了步骤a)至c)的所有工件W.n的子集以经受测量方法300的测量，其中该子集优选地由软件SW或由用户来指定。
-与在时间上位于被用于建立数据库11的第一时间段Δ1之后的第二时间段Δ2内相比，在第一时间段Δ1内选择之前已经通过了步骤a)至c)的更多工件W.n(例如，每第二个工件)。例如，在第二时间段Δ2内，例如只有每第十个工件才经受测量300。在第二时间段Δ2内，本发明的方法可以表现出其优势，因为根据本发明的方法的使用使得尽管进行少量的具体测量300也能够尽早识别出问题。例如，如果出现了明确指示出刚刚加工的工件很可能不符合规格(这是图5中的情形，例如，在状态盒B2和C2中)的状态组合，则可以进行例如下列测量的一项或者这些测量中的至少两项的组合：
p1：中断受影响工件的加工，
p2：校正受影响工件的加工，
p3：将受影响工件输送到精加工装置，
p4：在更多工件W.n被加工之前对机器执行校正。
这些测量主要分别涉及(一个或多个)工件W.n的实际加工或机器M.m。
下列测量涉及测量方法300，该测量方法300在机器M.m的测量装置20中或者在测量机20中执行：
p5：调适测量策略，
p6：改变测量装置的设定(例如，重新调整)。
上述测量p1至p6(应作示例理解)也可以任意相互结合。
而且，选择可以基于下列策略来进行：
-例如，如果已经由数据库11提供的数据指示出之前已经通过了步骤a)至c)的工件W.n可以被认定为不合格部件AT，则选择该受影响的工件W.n。
-但是，也可以基于数据库11的累积知识来执行对工件W.n的选择。这将在下文中根据图5的示例来解释。如果在对工件W.n的机器参数MpW.n的记录和分析过程中得出它落在例如状态盒A2中这一结果，则对工件W.n的准确评估是不可能的，因为在该状态盒A2中有大约37％的工件W.n是合格部件GT，而63％是不合格部件AT。由于在这种情况下准确的评估是不可能的，所以该组件要经受测量方法300的测量。以此方式，一方面，受影响的组件可以被明确分类为合格部件GT或不合格部件AT。而且，对该工件W.n的测量提供用于扩展数据库11的数据库的直接规格。例如，以此方式连续获取的另外的数据可以具有这样的结果：如上所述，状态盒A2被划分成两个部分状态盒，从而能够在以后作出更准确的判断。
在对要经受测量方法300的测量的工件W.n的选择中，更高阶的目标是扩展数据库11，从而提高基于判断标准BK进行的判断的准确性。
另一个目标是优化整个加工过程。这样的优化通过使用本发明来实现，因为可以即时进行对例如合格部件GT和不合格部件AT的准确区分。
另外，如果在制造环境100中使用，则本发明的方法会产生较少的不合格品，因为在工件W.n的加工过程中问题已经可识别。与其中生产偏差或错误有时仅在之后对工件进行常规测量时才被识别出的常规方法相比，根据本发明进行配备的制造环境100可以更直接并从而更迅速地作出反应。
优选地，本发明被设计为使得它不仅在制造环境100中施加监测功能，而且还允许在制造环境100中的干预。
在本发明的所有实施例中，可以优选地如下执行这样的干预。基于至少一个校正标准KK来判断是否需要干预。可以将可能的校正标准KK与例如刚刚获取的工件W.n的机器参数MpW.n的分配联系起来。例如，如果受影响的工件W.n落入有大于80％的概率是不合格部件AT的状态盒(例如，图5的状态盒B2)内，则可以触发校正方法400。
图6示出了本发明的相应实施例。图6建立于图2之上。因此，引用关于图2的描述。除了图2的元件、模块或功能块以外，图6还包括表示校正方法400的功能块400。其机器参数MpW.n落入例如图5的状态盒B2内的工件W.n立即要经受测量方法300的测量。在图6中可以看出，然后经由连接401将测量方法300的(测量)数据提供给校正方法400。然后校正方法400通过例如指定对机器M.m的校正值或补偿值来对加工方法200进行干预。在图6中，指定校正值或补偿值由连接402表示。
在所有实施例中，校正方法400可以由软件SW来触发和/或监测，如图6所示。在图6中，校正方法400的触发由箭头403示出。
在所有实施例中，校正方法400也可以由例如机器M.m和/或测量装置20来触发和/或监测。
图7示出了本发明的另一种实施例，在该实施例中校正方法400基于数据库11的已建立的知识库来触发/操作。在进而建立于图2和6及其描述之上的图7中，该触发/操作由从数据库11延伸至校正方法400的箭头404示出。但是，箭头404仅作为象征来理解，因为数据库11本身并不触发任何活动。数据库11包含之前获取的数据的集合。例如，软件SW可以作为较高阶的智能用于根据图7的实施例中。软件SW基于数据库11中的数据来识别是否需要以及以何种方式进行对加工方法200的校正。箭头402表示校正的执行。
附图标记列表：

Claims (15)

1.A一种用于工件(W.n)的自动加工的方法(200)，包括以下步骤：
a)在机床(M.m)内对第一工件(W.n)的切屑产生加工，
b)在对第一工件(W.n)的切屑产生加工期间获取机床(M.m)的至少2个机器参数(MpW.n)，
c)在分配给第一工件(W.n)的情况下存储这些机器参数(MpW.n)，
d)针对数量为n个的工件(W.n)重复步骤a)至c)；
在步骤a)至d)之一后，或者在稍后的时间，触发测试方法，所述测试方法包括以下步骤：
M1.选择所述工件(W.n)中的至少一个，
M2.对至少这一个选择的工件(W.n)执行自动化测试，
M3.对所述自动化测试执行处理器控制的评估，从而能够将所述选择的工件(W.n)分类为至少两个下列分组中的一个：合格部件(GT)，不合格部件(AT)。
2.根据权利要求1所述的方法，其特征在于，执行自动化测量(300)作为所述自动化测试。
3.根据权利要求1所述的方法，其特征在于，使用知识库来执行所述自动化测试，所述知识库优选地在数据库(11)中提供。
4.根据权利要求2所述的方法，其特征在于，多个工件(W.n)的所述机器参数(MpW.n)以及通过对这些工件(W.n)的所述自动化测量获取的数据经受关联计算，从而为方法步骤M3的所述处理器控制的评估提供至少一个评估标准(BK)。
5.根据权利要求2所述的方法，其特征在于，多个工件(W.n)的所述机器参数(MpW.n)以及通过对这些工件(W.n)的所述自动化测量获取的数据经过数据处理，从而基于关联来为方法步骤M3的所述处理器控制的评估提供至少一个评估标准(BK)。
6.根据权利要求1、2、3或4所述的方法，其特征在于，在另一个方法步骤M4中，执行所述选择的工件(W.n)的所述至少2个机器参数(MpW.n)与对该工件(W.n)的评估之间的处理器控制的分配并将其存储于数据库(11)中。
7.根据权利要求1、2、3或4所述的方法，其特征在于，
-在每种情况下在步骤b)中针对工件(W.n)获取的所述至少2个机器参数(MpW.n)中的至少一个作为在步骤a)中的加工切割期间的平均值来获取，或者
-在每种情况下在步骤b)中针对工件(W.n)获取的所述至少2个机器参数(MpW.n)中的至少一个以在步骤a)中的切屑产生加工期间的区间(Min，Max)的形式来获取，或者
-在每种情况下在步骤b)中针对工件(W.n)获取的所述至少2个机器参数(MpW.n)中的至少一个以在步骤a)中的切屑产生加工期间的多个测量值的形式来获取。
8.根据权利要求1、2、3、4或5所述的方法，其特征在于，在步骤M3中的评估
-基于工件规格来执行，或者
-基于设定点数据来执行，或者
-基于至少一个评估标准(BK)或评估标准的组合来执行，从而允许区分合格部件(GT)和不合格部件(AT)。
9.根据权利要求2、4或5所述的方法，其特征在于，选择所述工件(W.n)中的至少一个基于以下策略中的一个来执行：
-选择之前已经通过了步骤a)至c)的每个工件(W.n)来经受测量方法(300)；
-选择之前已经通过了步骤a)至c)的所有工件(W.n)的子集来经受测量方法(300)；
-与在时间上位于用于建立数据库(11)的第一时间段(Δ1)之后的第二时间段(Δ2)内相比，在第一时间段(Δ1)内选择之前已经通过了步骤a)至c)的更多工件(W.n)；
-如果来自数据库(11)的已经存在的数据指示出之前已经通过了步骤a)至c)的工件(W.n)能够被认定为不合格部件(AT)，则选择该受影响的工件(W.n)。
10.根据权利要求1至9中的任一项所述的方法，其特征在于，不时地基于数据库或存储介质(11)来执行计算机分析，优选地执行关联分析，以处理存储于该数据库或所述存储介质(11)内的数据的数量，以便更快速地访问。
11.根据权利要求1至9中的任一项所述的方法，其特征在于，触发并执行校正方法(400)以执行调适，所述调适将在对以后的工件(W.n)的自动加工期间被应用。
12.根据权利要求11所述的方法，其特征在于，所述校正方法(400)由软件(SW)和/或由机床(M.m)和/或由测量装置或测量机(20)触发。
13.一种制造环境(100)，具有
-至少一台机床(M.m)，
-至少一个测量装置或测量机(20)，
-至少一个数据库或存储介质(11)，
并且具有计算机或处理器(10)，所述计算机或处理器(10)被编程以控制所述制造环境(100)的下列方法步骤：
a)在机床(M.m)中对第一工件(W.n)的切屑产生加工，
b)在对第一工件(W.n)的切屑产生加工期间获取机床(M.m)的至少2个机器参数(MpW.n)，
c)将这些机器参数(MpW.n)存储于数据库或存储介质(11)内，其中在分配给第一工件(W.n)的情况下执行所述存储，
d)针对数量为n个的工件(W.n)重复步骤a)至c)；
在步骤a)至d)之一后，或者在稍后的时间，触发测试方法，所述测试方法包括以下步骤：
M1.选择所述工件(W.n)中的至少一个，
M2.借助于测量装置或测量机(20)对至少这一个选择的工件(W.n)执行自动化测试，
M3.对所述自动化测试执行处理器控制的评估，从而能够将所述选择的工件(W.n)分类为至少两个下列分组中的一个内：
合格部件(GT)，不合格部件(AT)。
14.根据权利要求13所述的装置，其特征在于，执行自动化测量(300)作为所述自动化测试。
15.根据权利要求13所述的装置，其特征在于，使用知识库来执行所述自动化测试，所述知识库优选地在数据库或存储介质(11)中提供。
CN201810227388.7A 2017-03-20 2018-03-20 用于齿轮组件的自动加工的方法和装置 Active CN108628251B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP17161882.0A EP3379354A1 (de) 2017-03-20 2017-03-20 Verfahren und vorrichtung zur automatisierten bearbeitung von zahnrad-bauteilen
EP17161882.0 2017-03-20

Publications (2)

Publication Number Publication Date
CN108628251A true CN108628251A (zh) 2018-10-09
CN108628251B CN108628251B (zh) 2021-12-10

Family

ID=58398056

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810227388.7A Active CN108628251B (zh) 2017-03-20 2018-03-20 用于齿轮组件的自动加工的方法和装置

Country Status (3)

Country Link
US (1) US20180264570A1 (zh)
EP (1) EP3379354A1 (zh)
CN (1) CN108628251B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT201800009382A1 (it) * 2018-10-11 2020-04-11 Tools For Smart Minds Srl Sistema e metodo per realizzare un prodotto avente specifiche predeterminate

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2760619Y (zh) * 2004-12-27 2006-02-22 武汉宝德机电有限责任公司 一种带测量功能的轧辊磨床数控装置
US20140222376A1 (en) * 2013-02-07 2014-08-07 National Cheng Kung University Method for searching, analyzing, and optimizing process parameters and computer program product thereof
US20150192924A1 (en) * 2014-01-03 2015-07-09 Samsung Electronics Co., Ltd. Method of monitoring environmental variations in a semiconductor fabrication equipment and apparatus for performing the same
US20150224649A1 (en) * 2014-02-13 2015-08-13 Fanuc Corporation Robot system using visual feedback
US20150276549A1 (en) * 2014-03-31 2015-10-01 Automation Controls & Engineering, LLC Flexible automation cell for performing secondary operations in concert with a machining center and roll check operations
DE102014015587A1 (de) * 2014-10-21 2016-04-21 Liebherr-Verzahntechnik Gmbh Verfahren zur automatischen Überwachung der Serienproduktion einer Verzahnmaschine und entsprechende Vorrichtung
CN106292605A (zh) * 2016-09-09 2017-01-04 芜湖能盟信息技术有限公司 轴承自动化质量监控系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101466798B1 (ko) * 2014-05-20 2014-12-01 삼성전자주식회사 제조 공정에서의 제품 불량의 원인 설비를 탐지하는 방법 및 장치

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2760619Y (zh) * 2004-12-27 2006-02-22 武汉宝德机电有限责任公司 一种带测量功能的轧辊磨床数控装置
US20140222376A1 (en) * 2013-02-07 2014-08-07 National Cheng Kung University Method for searching, analyzing, and optimizing process parameters and computer program product thereof
US20150192924A1 (en) * 2014-01-03 2015-07-09 Samsung Electronics Co., Ltd. Method of monitoring environmental variations in a semiconductor fabrication equipment and apparatus for performing the same
US20150224649A1 (en) * 2014-02-13 2015-08-13 Fanuc Corporation Robot system using visual feedback
US20150276549A1 (en) * 2014-03-31 2015-10-01 Automation Controls & Engineering, LLC Flexible automation cell for performing secondary operations in concert with a machining center and roll check operations
DE102014015587A1 (de) * 2014-10-21 2016-04-21 Liebherr-Verzahntechnik Gmbh Verfahren zur automatischen Überwachung der Serienproduktion einer Verzahnmaschine und entsprechende Vorrichtung
CN106292605A (zh) * 2016-09-09 2017-01-04 芜湖能盟信息技术有限公司 轴承自动化质量监控系统

Also Published As

Publication number Publication date
EP3379354A1 (de) 2018-09-26
US20180264570A1 (en) 2018-09-20
CN108628251B (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
US10082771B2 (en) Machine learning method and machine learning apparatus learning operating command to electric motor and machine tool including machine learning apparatus
US6845340B2 (en) System and method for machining data management
US7483774B2 (en) Method and system for intelligent maintenance
JP3553982B2 (ja) 自動化された金属切削機械における切削工具の寿命を予測するシステム
US6571179B2 (en) Intelligent power tool
US7499777B2 (en) Diagnostic and prognostic method and system
Huang et al. A PNN self-learning tool breakage detection system in end milling operations
CN107614214B (zh) 故障诊断装置及故障诊断方法
Čuš et al. Real-time cutting tool condition monitoring in milling
US9429933B2 (en) Numerical controller for machine having component inspection timing notification function
US7571022B2 (en) System and method for monitoring machine health
US20180218255A1 (en) Diagnostic device
CN1784641A (zh) 表示机器运行状况的数据的生成
US11187621B2 (en) Fault diagnosis during testing of turbine unit
US20210312262A1 (en) Method for predicting status of machining operation
JP5268637B2 (ja) 生産機械のための評価装置の動作方法
US11544554B2 (en) Additional learning method for deterioration diagnosis system
Demilia et al. Measurements for smart manufacturing in an Industry 4.0 scenario a case-study on a mechatronic system
CN105629920A (zh) 加工监控系统及方法
US6553321B2 (en) Intelligent assembly systems and methods
CN112180833B (zh) 数控机床及其自适应加工的控制方法和装置
CN108628251A (zh) 用于齿轮组件的自动加工的方法和装置
Jourdan et al. Machine learning for intelligent maintenance and quality control: A review of existing datasets and corresponding use cases
US20200368871A1 (en) Method for predicting chatter of a machine tool
CN109696829A (zh) 用来控制系统内的过程的方法和装置，特别是研磨装置内的研磨过程

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