CN109388841A - 生产设备的数据处理装置 - Google Patents

Abstract

提供了一种生产设备的数据处理装置，其能够通过对所收集的多个类型的数据执行处理来生成操作员或管理员可用的数据。数据处理装置包括：参考数据获取单元，其被配置成在生产设备中获取参考数据，该参考数据包括与用于数据分组的参考进行操作的时间有关的信息；目标数据获取单元，其被配置成获取与由设置在生产设备中的检测器检测到的生产设备的状态有关的目标数据；以及组合数据生成单元，其被配置成：针对每个组的参考数据，生成每个组的组合数据，该每个组的组合数据是通过将目标数据中的、在与该参考数据的操作时间段相同的时间段中检测到的数据与该参考数据进行组合而获得的。

Description

生产设备的数据处理装置

技术领域

本发明涉及生产设备的数据处理装置。

背景技术

JP-A-2016-224938描述了一种异常诊断系统，其用于利用麦克风或振动传感器检测在包括多个驱动单元的监测目标装置中的驱动部件的异常。异常诊断系统针对不同类型的驱动部件中的每一个和具有不同操作定时的相同类型的驱动部件中的每一个分离由传感器检测到的传感器信号，并且使用经分离的信号执行异常辨别。驱动部件的类型、操作定时等预先存储在数据库中。

JP-A-2017-97628描述了一种维护系统，其能够确认与多个工厂基地中的相应维护工作有关的维护数据的内容。维护系统针对每个工厂基地获取所述多个工厂基地的多个异常类型的异常信息，并且针对每个工厂基地显示与工厂基地的异常信息的每个异常类型相关联的维护数据来作为汇总表。

日本专利第3414985号描述了一种注塑机的液压泵的故障诊断装置。磁传感器分别设置在泵的进口侧和排放侧。故障诊断装置比较由磁传感器检测到的磁力量并且确定异常状态。

JP-A-2017-77588描述了检测机床的主轴的异常。日本专利第5628994号描述了检测机床的主轴的马达的异常。JP-A-2017-7070描述了根据机床中使用的切屑输送机(chipconveyor)的马达负载来确定异常。JP-A-2008-55533描述了用于确认切屑输送机的异常的检查窗。JP-A-2003-225841和JP-A-2016-120580描述了检测机床的托盘交换器的异常。JP-A-2016-74072描述了检测工具自动交换装置的异常。

JP-A-2001-246534描述了：针对每个工具预先设置与根据加工过程的实施而进展的工具的磨损进度对应的磨损评估指标，针对在使用中的每个工具计算根据加工过程的重复而累积的累计磨损评估指标，并且当累计磨损评估指标达到极限指标时，确定在使用中的工具已经耗尽寿命。

日本专利第5411055号描述了：使用与此次计划加工的工件有关的预先测量的特定切削阻力、与在此次计划加工的工件之前加工的工件有关的已经测量的加工负荷值以及对应于该加工负荷值的特定切削阻力，对被预测在此次计划处理的工件被加工时发生的加工负荷值进行预测；以及使用预测的加工负荷值来检测工具是否已经耗尽寿命。

JP-A-7-51998描述了：考虑取决于加工材料的材料系数和取决于加工条件的加工条件系数来计算校正系数，将工具的使用时间乘以校正系数以校正工具的使用时间，以及累积工具的经校正的使用时间以估计工具的寿命。

发明内容

本发明要解决的问题

(第一个问题)

在JP-A-2016-224938中，需要准备等以预先在数据库中存储驱动部件的类型、操作定时等。这对实时使用数据有不良影响。近年来，已知收集称为大数据的、与生产设备有关的大量的各种数据并且所收集的数据用于生产设备的异常检测等。特别地，由于可以实时收集大数据，因此可以实时使用大数据。

然而，要收集的数据不限于由传感器检测到的数据，并且包括用于控制的数据。收集了大量的各种数据。因此，要求根据目的对所收集的数据进行适当的处理。

本发明的第一个目的是提供一种生产设备的数据处理装置，该数据处理装置能够通过对所收集的多个类型的数据进行处理来生成操作员或管理员可用的数据。

(第二个问题)

要求适当地检测生产设备的状态并合适地利用生产设备的状态的检测结果。本发明的第二个目的是提供一种生产设备的数据处理装置，该数据处理装置能够适当地检测生产设备的状态并合适地利用生产设备的状态的检测结果。

(第三个问题)

JP-A-2001-246534中描述的现有技术可以在重复相同的加工过程时应用，但是不能在执行不同的加工过程时应用。也就是说，当批量生产同一类型的工件时，应用JP-A-2001-246534中描述的现有技术。然而，现有技术不能应用于在少量生产各种产品时即在加工少量的各种工件时对工具的寿命预测。

诸如工具的锐度之类的工具的状态从工具开始使用到寿命耗尽为止改变。然而，在日本专利第5411055号和JP-A-7-51998中描述的现有技术中，不能考虑工具的状态的变化。因此，利用现有技术，不能执行对工具的高度准确的寿命预测。

本发明的第三个目的是提供一种工具寿命预测装置，该工具寿命预测装置能够在少量生产各种产品时进行对工具的寿命预测并且能够通过考虑从工具开始使用直到寿命耗尽为止的工具的状态来执行对工具的高度准确的寿命预测。

解决问题的手段

为了解决第一个问题，根据本发明的生产设备的数据处理装置被配置成如下。生产设备的数据处理装置包括：参考数据获取单元，其被配置成在生产设备中获取参考数据，该参考数据包括与用于数据分组的参考进行操作的时间有关的信息；目标数据获取单元，其被配置成获取与由设置在生产设备中的检测器检测到的生产设备的状态有关的目标数据；以及组合数据生成单元，其被配置成：针对每个组的参考数据，生成每个组的组合数据，所述每个组的组合数据是通过将目标数据中的、在与该参考数据的操作时间段相同的时间段中检测到的数据与该参考数据进行组合而获得的。

利用根据本发明的装置，获取参考数据和目标数据，并且当参考数据的操作时间段和目标数据的检测时间段是相同的时间段时，生成每个组的组合数据，所述每个组的组合数据是通过针对每个组的参考数据对参考数据和目标数据进行组合而获得的。通过以这种方式关联两种数据的时间，可以针对每个组的参考数据划分目标数据。

此外，通过关联两种数据的时间，可以组合每个组的参考数据和目标数据中的与组对应的划分数据。每个组的组合数据是操作员或管理员可以利用其掌握每个组中的生产设备的状态的数据。因此，操作员或管理员可以容易地掌握生产设备的状态。利用该数据处理装置，可以基于所获取的多个数据来获得每个组的组合数据。因此，可以容易地生成每个组的组合数据。

附图说明

图1是示出作为第一实施方式中的生产设备的加工中心的图；

图2是示出与生产设备有关的功能块的图；

图3是数据处理装置的功能框图；

图4是示出基本数据的图；

图5是示出目标数据的图；

图6是示出整体组合数据的图；

图7A是示出组Gr1的每个组的组合数据的图；

图7B是示出组Gr2的每个组的组合数据的图；

图7C是示出组Gr3的每个组的组合数据的图；

图8是示出第二实施方式中的基本数据的图；

图9是示出作为第三实施方式中的生产设备的注塑机的俯视图；

图10是示出注塑机的前视图；

图11是示出分组的图；

图12A是示出当泵的斜盘的角度增大并且模制材料注入到模具中时的斜盘的角度与模具闭合力之间的关系的图；

图12B是示出当泵的斜盘的角度减小并且模制材料从柱塞体排出时的斜盘的角度与模具闭合力之间的关系的图；

图13A是示出作为当泵的斜盘的角度增加并且模制材料注入到模具中时的正常范围的边界的阈值的图；

图13B是示出作为当泵的斜盘的角度减小并且模制材料从柱塞体排出时的正常范围的边界的阈值的图；

图14是示出作为生产设备的加工中心的图；

图15是示出与生产设备有关的功能块的图；

图16是示出与分析装置有关的第一功能块的图；

图17是示出与分析装置有关的第二功能块的图；

图18是示出主轴装置中的排气的温度等与室外空气温度之间的关系的图；

图19是与主轴装置中的转速、功率和振动有关的图；

图20是示出与主轴装置中的振动有关的均方根的图；

图21是示出与主轴装置中的振动有关的频率分析结果的图；

图22是与达到主轴装置中的转速所需的时间有关的图；

图23是示出在主轴装置中的确定单元中使用多种确定方法确定异常标志检测目标的方法的流程图；

图24是示出APC装置中的托盘驱动装置的夹紧操作和松开操作的操作处理时间与流体温度之间的关系的图；

图25是与APC装置中的托盘驱动装置的功率有关的图；

图26是与APC装置中的托盘驱动装置的功率的开始时间处的峰值有关的图；

图27是示出ATC装置中的臂驱动装置的夹紧操作和松开操作的操作处理时间与流体温度之间的关系的图；

图28是与ATC装置中的臂驱动装置的功率有关的图；

图29是与ATC装置中的臂驱动装置的功率的开始时间处的峰值有关的图；

图30是与切屑输送机中的第一输送机的功率有关的图；

图31是与切屑输送机中的第一输送机的功率的平均值有关的图；

图32是与切屑输送机中的第二输送机的功率的平均值有关的图；

图33是与切屑输送机中的第一输送机的功率的峰间值有关的图；

图34是与切屑输送机中的第二输送机的功率的峰间值有关的图；

图35是工具寿命预测装置的功能框图；

图36是示出在加工多个类型的工件的情况下的加工的工件数与工具的使用时间之间的关系的图；

图37示出与图36相同的图中的第一加工信息的获取时间；

图38是示出由与图36相同的图中的第一加工信息的每个获取时间有关的算法模型预测的剩余使用时间所对应的等级的图；

图39是示出将加工频率峰值、主轴转矩峰值和总值设定为变量作为算法运算模式的变量的示例的三维空间的图；

图40是示出用于说明作为算法模型的示例的k最近邻法的二维空间的图；

图41是示出与工具有关的、与加工的工件数对应的等级的性能的图；以及

图42是用于说明第二预测单元对寿命耗尽的时间的预测的图。

具体实施方式

(1.第一实施方式)

(1-1.生产设备1的配置)

生产设备1是生产预定的生产目标对象W的设备。生产设备1包括各种类型的设备，例如机床、注塑机、铸造机、输送装置和工业机器人。例如，在机床中，生产目标对象W是作为加工目标的工件。

参照图1和图2说明生产设备1的示例。生产设备1是在生产线中加工工件的机床。以横向加工中心为例进行说明。注意，作为用作生产设备1的加工中心的配置，除了下面说明的配置之外，还可以采用各种公知的配置。

加工中心例如配置成如下所述。床11固定在设置表面。柱12支承在床11上，以能够在X轴方向(图1中的纸表面前后方向)上移动。鞍座13支承在柱12的前表面(图1中的右表面)上，以能够在Y轴方向(图1中的上下方向)移动。主轴装置14设置在鞍座13中。工具15由主轴(图1中未示出)保持，主轴是主轴装置14中的旋转体。

在床11上，工作台16被支承在Z轴方向(图1中的左右方向)上与柱12相对的位置中，以能够在Z轴方向上移动。作为生产目标对象W的工件固定在工作台16上。此外，在床11上，在柱12的一侧设置有工具库17。多个工具15容置在工具库17中。此外，提供了自动工具交换装置18。自动工具交换装置18对在容置在工具库17中的多个工具15中的指定工具编号的工具15和由主轴装置14保持的工具15进行交换。

此外，作为生产设备1的加工中心包括CNC(计算机数字控制)装置21、PLC(可编程逻辑控制器)22、各种检测器23a、23b、23c、23d、24a、24b和24c以及数据处理装置25。

根据NC程序，CNC装置21控制用于使主轴装置14中的主轴旋转的马达(图1中未示出)并且控制用于使附接到主轴装置14的工具15和作为生产目标对象W的工件相对地移动的马达(图1中未示出)。例如，CNC装置21通过用于检测主轴装置14的马达的驱动电流的检测器23a、用于检测用于使柱12、鞍座13和工作台16移动的马达的驱动电流的检测器23b以及用于检测柱12的X轴位置、鞍座13的Y轴位置、工作台16的Z轴位置等的检测器23c来获取检测信息，并且进行对马达的控制。CNC装置21通过用于检测室外空气温度的检测器23d来获取检测信息，并且执行例如热位移校正。

PLC 22根据梯形电路、顺序功能图(SFC)等执行顺序控制。PLC 22获取与设置在生产设备1中的检测器24a、24b和24c的开/关有关的信息。例如，PLC 22控制用于将指定工具编号的工具15移动到自动工具交换装置18中的交换位置的操作，并且控制自动工具交换装置18的操作。PLC 22控制冷却装置(图1中未示出)的泵以控制冷却剂的供应。

数据处理装置25获取设置在生产设备1中的检测器23a至23d和检测器24a至24d的检测数据(相当于与生产设备1有关的数据)、CNC装置21中的控制数据、存储在PLC 22中的I/O存储器中的I/O数据等。

数据处理装置25例如设置在床11上的内侧或容置在控制板(图1中未示出)的壳体中。数据处理装置25连接到CNC装置21和PLC 22。例如，数据处理装置25包括LAN连接器和USB连接器。数据处理装置25连接到CNC装置21和PLC 22。也就是说，数据处理装置25通过以太网(Ethernet，注册商标)、工业以太网(EtherCAT，注册商标)等连接到CNC装置21和PLC22。也就是说，数据处理装置25使用例如OSI参考模型的低阶的两层(物理层和数据链路层)的网络协议与CNC装置21和PLC 22通信。

通常，作为互联网协议群，使用OSI参考模型的第三层(网络层)或更高层的协议。与互联网协议群的数据传输速率相比，物理层和数据链路层的数据传输速率较高。

本实施方式中的数据处理装置25配置通过通信目标(CNC装置21和PLC 22)附近的低阶层的协议连接的边缘计算。注意，边缘计算被用作与使用互联网协议群的云计算相比的名目(appellation)。

输入装置26和显示装置27可以作为外部装置可拆卸地连接到数据处理装置25。因此，数据处理装置25包括用于将数据处理装置25连接到显示装置27的端子。输入装置26输入并编辑数据处理装置25的设置内容。显示装置27可以显示数据处理装置25的处理内容。注意，数据处理装置25可以包括输入装置26和显示装置27。

此外，当LAN连接器用于连接到服务器等时，数据处理装置25可以将诸如处理结果的数据传送到诸如服务器的管理装置28。

注意，数据处理装置25被解释为与CNC装置21和PLC 22分开的装置。然而，数据处理装置25可以是包含CNC装置21、PLC 22等的系统，并且还可以是设置在与生产设备1分开的位置中的个人计算机、服务器等。

(1-2.数据处理装置25的配置)

参照图3至图7C说明数据处理装置25的配置。如图3所示，数据处理装置25包括第一数据库31、参考数据获取单元32、目标数据获取单元33、数据获取确定单元34、组合数据生成单元35、第二数据库36和评估单元37。

第一数据库31获取并存储由CNC装置21和PLC 22存储的数据中的预设类型的数据。在第一数据库31中，由检测器23a至23d和检测器24a至24c检测到的数据经由CNC装置21和PLC 22存储。此外，在第一数据库31中，存储用于CNC装置21的控制的数据和用于PLC 22的控制的I/O数据。

例如，当通过加工中心连续加工多个工件时，每当一个工件被完成加工时，数据被存储在第一数据库31中。也就是说，当一个工件被完成加工时，与工件有关的数据被重新存储在第一数据库31中。数据可以作为数据文件等保存在存储介质中。可以在一个循环例如一个加工循环中添加数据，或者可以在固定的时段获取和添加数据。

假设第一数据库31包括与当前使用的工具15(相当于本发明中的“参考”或“用于分组的参考”)的工具编号(相当于“工具的识别信息”)有关的参考数据。如图4所示，与工具15有关的参考数据(文件_A)包括用作工具15的识别信息的工具编号和工具15的操作时间信息(包括日期和时间)。在该实施方式中，参考数据的示例包括工具15操作时的时间(工具15开始加工时的时间)和用作该时间处使用的工具15的识别信息的工具编号。从CNC装置21的NC程序的执行信息、与PLC 22的工具交换操作有关的信息等获取工具15的工具编号。

与工具15有关的参考数据中的组是与多个类型的工具15中的每一种对应的组。也就是说，如果工具15的类型不同，则组不同。注意，在图4中，在工具15改变时的时间处记录新的参考数据。存储参考数据时的时间可以是预定时段。

此外，第一数据库31包括与由设置在用作机床的生产设备1中的检测器23a至23d和检测器24a至24c检测到的生产设备1的状态有关的目标数据。例如，第一数据库31包括：工具15的使用时间，主轴装置14的马达的转矩的特征值，马达在X、Y和Z轴上的转矩的特征值，与主轴装置14的振动有关的特征值，加工条件以及生产目标对象W的材料。

工具15的使用时间是从开始使用工具15起的累计使用时间。主轴装置14的马达的转矩的特征值例如是转矩的峰值、方差值和平均值。马达在X、Y和Z轴上的转矩的特征值是转矩的峰值、方差值、平均值等。与主轴装置14的振动有关的特征值是加工频率峰值(对应于“主轴转速×工具的刀具数”)、旋转频率峰值(对应于“主轴转速”)、总值(对应于“振动值的FFT值的总值”)、RMS值(对应于“振动值的FFT值的波动”)等。加工条件是：主轴转速，在X、Y和Z轴上的进给速度，以及切削深度等。

例如，第一数据库31包括由用于检测主轴装置14的马达的驱动电流的检测器23a检测到的目标数据。如图5所示，目标数据(文件_B)包括与当检测器23a检测到主轴装置14的马达的驱动电流时的时间(包括日期和时间)有关的信息以及该时间处由检测器23a获取的主轴装置14的马达的驱动电流的数据。在该实施方式中，如图5所示，目标数据的示例包括检测到主轴装置14的马达的驱动电流时的时间(日期和时间)和该时间处由检测器23a获取的主轴装置14的马达的驱动电流的数据。目标数据不是可以自行分组的信息。在每个预定时段存储目标数据。注意，获取工具15的工具编号的采样时段长于主轴装置14的马达的驱动电流的检测数据的采样时段。

参考数据获取单元32获取参考数据，该参考数据用作出自存储在第一数据库31中的数据的分组的参考。目标数据获取单元33获取出自存储在第一数据库31中的数据的目标数据。

基于预设算法，数据获取确定单元34确定参考数据获取单元32已获取参考数据并且确定目标数据获取单元33已获取目标数据。当一个工件被完成加工时，参考数据(文件_A)和目标数据(文件_B)存储在第一数据库31中。因此，在一个工件被完成加工时的时间处，参考数据获取单元32获取参考数据(文件_A)，并且目标数据获取单元33获取目标数据(文件_B)。也就是说，数据获取确定单元34在一个工件被完成加工的时间处确定两种数据被获取。

当数据获取确定单元34确定参考数据(文件_A)和目标数据(文件_B)被获取时，组合数据生成单元35开始生成每个组的组合数据。每个组的组合数据是通过以下获得的数据：针对每个组的参考数据(文件_A)(针对每种类型的工具15)，将在目标数据(文件_B)中的与参考数据(文件_A)的操作时间段相同的时间段中检测到的数据与参考数据(文件_A)进行组合。

组合数据生成单元35包括整体组合数据生成单元35a和针对每个组35b的划分单元(针对每个工具的划分单元)。整体组合数据生成单元35a从参考数据获取单元32和目标数据获取单元33获取参考数据(文件_A)和目标数据(文件_B)。随后，如图6所示，整体组合数据生成单元35a生成通过以下获得的整体组合数据(文件_C)：根据参考数据(文件_A)的操作时间和目标数据(文件_B)的检测时间将获取的参考数据(文件_A)和获取的目标数据(文件_B)关联，并且将参考数据(文件_A)和目标数据(文件_B)进行组合。

也就是说，整体组合数据(文件_C)包括：时间(日期和时间)的数据、该时间处操作的工具15的工具编号以及该时间处检测到的驱动电流。在这种情况下，如图6所示，与不存在参考数据(文件_A)时的工具编号有关的信息接管紧前一个信息。也就是说，工具编号为T3，直到工具编号从T3更改为T1为止。工具编号为T1，直到工具编号从T1更改为T7为止。

针对每个组35b的划分单元基于整体组合数据(文件_C)中的参考数据(文件_A)的组(Gr1、Gr2和Gr3)对每个组的整体组合数据(文件_C)进行划分，从而如图7A至7C所示针对每个组生成每个组的组合数据(文件_D_Gr1、文件_D_Gr2和文件_D_Gr3)。也就是说，每个组的组合数据包括：时间(日期和时间)的数据、该时间处操作的工具15的工具编号以及该时间处检测到的驱动电流。在每个组的相同组合数据中，工具编号相同。

第二数据库36存储由针对每个组35b的划分单元生成的每个组的组合数据(文件_D_Gr1、文件_D_Gr2和文件_D_Gr3)。处理继续，从而针对多个工件的每个组的组合数据存储在第二数据库36中。

评估单元37使用每个组的组合数据确定每个组的阈值，并且基于阈值针对每个组评估生产设备1的状态。评估单元37包括阈值确定单元37a和确定单元37b。

阈值确定单元37a针对每个组从第二数据库36获取每个组的多个组合数据作为阈值确定目标。也就是说，阈值确定单元37a针对每个工具编号获取每个组的多个组合数据。随后，阈值确定单元37a获取所获取的每个组的多个组合数据中的驱动电流的最大值，并且将通过将波动值与最大值相加而获得的值确定为该组的阈值。

在确定阈值之后，确定单元37b从第二数据库36获取每个组的组合数据来作为评估目标。随后，确定单元37b确定被获取作为评估目标的每个组的组合数据是否超过与评估目标组对应的阈值。当每个组的组合数据超过阈值时，确定单元37b确定与生产设备1中的组有关的状态有异常。也就是说，当确定单元37b确定每个组的组合数据超过阈值时，可以看出在与工具编号的工具15有关的部分中存在异常。例如，可以想到的是，工具15本身中存在异常，或者工具15的加工条件中存在异常。

在该实施方式中，因为根据工具15执行分组，所以可以主要确定工具15中是否发生异常。因此，在确定单元37b进行的异常确定中，可以将与确定阈值时的工件相同类型的工件设置为评估目标。然而，可以将与确定阈值时的工件不同类型的工件设置为评估目标。

(1-3.效果)

当获取了参考数据和目标数据并且参考数据的操作时间段和目标数据的检测时间段是同一时间段时，生成通过针对每个组的参考数据对参考数据和目标数据进行组合而获得的每个组的组合数据。通过关联两种数据的时间，可以针对每个组的参考数据划分目标数据。

此外，通过关联两种数据的时间，可以组合每个组的参考数据和目标数据中的与组对应的划分数据。每个组的组合数据是操作员或管理员可以使用其掌握每个组中的生产设备的状态的数据。因此，操作员或管理员可以容易地掌握生产设备的状态。利用数据处理装置，可以基于所获取的多个数据获得每个组的组合数据。因此，可以容易地生成每个组的组合数据。

此外，评估单元37通过使用每个组的组合数据来对每个组执行异常确定。以这种方式，可以针对每个组适当地评估生产设备1的状态。此外，评估单元37在评估之前使用每个组的组合数据确定阈值。也就是说，可以通过使用每个组的组合数据来自动地确定用于评估的阈值。

(2.第二实施方式)

在第一实施方式中，参考数据是关于工具编号的数据，该工具编号是多个工具15中的在使用的工具15的识别信息。也就是说，组是与多个工具15中的每一个对应的组。

此外，例如，如图8所示，参考数据(文件_A)可以是关于多个加工处理(处理A、处理B和处理C)中的正在执行的加工处理的识别信息的数据。也就是说，参考数据(文件_A2)包括作为用于分组的参考的加工处理操作时的时间(日期和时间)，以及此时执行的加工处理的识别信息。在该情况下，组是与多个加工处理中的每一个对应的组。

加工处理是指诸如镗削粗加工、镗削精加工、铣削粗加工、铣削精加工和减薄零件加工的处理。也就是说，即使在使用相同的工具15时，加工处理有时也是不同的加工处理，例如粗加工和精加工。在这种情况下，生成每个组的组合数据，设置阈值，并且针对每个加工处理执行异常确定。

(3.第三实施方式)

参照图9至图10说明注塑机作为生产设备50的示例。注塑机通过将作为模塑材料的树脂注入模具中来模制具有期望形状的产品。

注塑机包括设置在设置表面上的床51、可移动地设置在床51上的移动夹具52、可拆卸地附接至移动夹具52的移动模具53以及使移动夹具52相对于床51移动的移动马达54。

此外，注塑机包括固定在床51上的固定夹具55、可拆卸地可附接至固定夹具55的固定模具56、用于对固定模具56施加模具闭合力的模具闭合用马达57a和57b以及用于将模塑材料注射到固定模具56的多个注射柱塞58和59。注意，在该实施方式中提供了两个注射柱塞(注射柱塞58和注射柱塞59)。然而，可以提供三个或更多个注射柱塞。

注射柱塞58和59包括将模塑材料注射到模具中的柱塞体58a和59a、用于将模塑材料供应到柱塞体58a和59a并且排出模塑材料的斜盘式轴向泵58b和59b(下文中称为泵)以及用于旋转泵58b和59b的马达58c和59c。泵58b和59b包括斜盘(图9和图10中未示出)并且包括可以改变斜盘的角度的驱动装置。

将说明注塑机的动作。移动模具53和固定模具56被安装在移动夹具52和固定夹具55上。随后，驱动移动马达54以使移动模具53与固定模具56接触。随后，当注射模塑材料时，驱动模具闭合用马达57a和57b，以限制固定模具56与移动模具53分离。

同时，作为初始状态，泵58b和59b的斜盘的角度设定为小角度。马达58c和59c被驱动，以使泵58b和59b旋转。然后，将模塑材料从柱塞体58a和59a注入移动模具53和固定模具56之间的腔中。此后，斜盘的角度逐渐增大，以实现模具闭合用马达57a和57b施加预定的模具闭合力的状态。将该状态保持预定时间，直到模塑材料固化在移动模具53和固定模具56之间为止。此后，减小斜盘的角度，以返回到初始状态。然后，移动移动夹具52以使移动模具53和固定模具56分离，并取出模制的产品。

与第一实施方式中一样，注塑机包括数据处理装置25。数据处理装置25从控制装置(图9和图10中未示出)获取控制数据和检测数据。

在本实施方式的数据处理装置25中，如图11所示，组是与多个泵58b和59b中的每一个相对应并且与泵58b和59b的旋转方向相对应的组。泵58b和59b的常规旋转指示注入模塑材料的状态。泵58b和59b的反向旋转指示排出模塑材料的状态。也就是说，针对每个泵以及每个旋转方向对组进行分类。也就是说，泵和旋转方向被用作分组的参考。参考数据包括关于每个泵58b、59b的信息(泵型)和关于多个泵58b和59b中的每个泵58b、59b的旋转方向的信息。

参考数据是生产设备50中的控制装置中的控制数据。参考数据包括操作时间和在此时操作的泵58b和59b以及泵58b和59b的旋转方向。控制装置中的控制数据被存储在第一数据库31中作为参考数据。参考数据获取单元32获取存储在第一数据库31中的作为控制数据的参考数据。

目标数据是用作第一目标数据的泵58b和59b的斜盘的角度以及用作第二目标数据的模具闭合用马达57a和57b的模具闭合力。目标数据包括用于检测斜盘的角度的检测器和用于检测模具闭合用马达57a和57b的模具闭合力(马达的功率)的检测器的检测数据。

由数据处理装置25的组合数据生成单元35生成的图11中的组1的每个组的多个组合数据如图12A所示，其绘制在其中第一目标数据和第二目标数据被设置为坐标轴的坐标系中。如图12A所示，当模塑材料注入模具53和56时，通过增加斜盘的角度，模具闭合力逐渐增加。当斜盘的角度小时，模具闭合力的波动很大。随着斜盘的角度变大，模制力的波动变小。

由数据处理装置25的组合数据生成单元35生成的图11中的组2的每个组的多个组合数据如图12B所示，其绘制在其中第一目标数据和第二目标数据被设置为坐标轴的坐标系中。如图12B所示，当从柱塞体58a和59a排出模塑材料时，通过在一旦增加斜盘的角度之后减小斜盘的角度，模具闭合力逐渐减小。

然而，当比较图12A和图12B时，模具闭合力相对于斜盘的角度的关系具有滞后。也就是说，与增加斜盘的角度时的模具闭合力相比，在减小斜盘的角度时的模具闭合力略大。

关于图11中的组3和组4，类似地，可以在其中第一目标数据和第二目标数据被设置为坐标轴的坐标系中绘制多个组合数据。组3和组4之间的关系与组1和组2之间的关系基本上相同。然而，由于存在泵58b和59b的个体波动，组1和组3显示不同的值，并且组2和组4显示不同的值。

数据处理装置25的阈值确定单元37a针对每个组获取每个组的多个组合数据作为阈值确定目标。如图12A和图12B所示，阈值确定单元37a在其中第一目标数据和第二目标数据被设置为坐标轴的坐标系中绘制由作为阈值确定目标获取的每个组的组合数据中包括的第一目标数据和第二目标数据表示的坐标。

如图13A和图13B所示，阈值确定单元37a针对每个组确定用于指定坐标系中的正常范围的阈值。在图13A中，用实线指示增加斜盘角度的阈值。由阴影线围绕的范围是存在作为阈值确定目标获取的组1的数据的范围。在图13B中，用实线指示在减小斜盘的角度时作为正常范围的边界的阈值。由阴影线围绕的范围是存在作为阈值确定目标获取的组2的数据的范围。也就是说，在阈值中，相对于实际存在所获取的数据的范围提供了容许范围。以这种方式，可以自动且容易地设置阈值。

在确定阈值之后，数据处理装置25的确定单元37b获取每个组的组合数据作为评估目标。如图13A和图13B所示，确定单元37b在与评估目标对应的组的坐标系中绘制由作为评估目标获取的每个组的组合数据中包括的第一目标数据和第二目标数据表示的评估目标坐标。

当评估目标坐标在正常范围之外时，确定单元37b确定在关于生产设备1的组即目标泵58b和59b以及泵58b和59b的旋转方向的状态存在异常。可以通过自动设置的阈值适当地执行异常确定。

(4.其他)

在该实施方式中，工具15、加工处理、泵58b和59b、泵58b和59b的旋转方向等被描述为用于分组的参考的示例。此外，作为用于分组的参考，还可以应用在生产设备1、50中操作的部件、用于操作生产设备1、50的操作程序中的单元等。作为用于分组的参考，还可以应用由检测器检测到的数据。目标数据不限于一种类型或两种类型。目标数据可以包括三种或更多种类型。

数据处理装置25可以通过诸如以太网(注册商标)或总线(计算机)的网络协议连接到PLC 22、CNC装置21、外部装置等。数据处理装置25可以获取关于生产设备1、50、诸如传送装置等的其他生产设备外围装置的数据作为目标数据，并且可以获取连接的生产设备和各种装置中的开/关状态。这些目标数据可以被设置为分组的目标。可以将数据设置为用作数据分组的参考的参考数据。例如，基于开/关状态，可以将从开状态到关状态的数据设置为分组单元。

(5.第四实施方式)

(5-1.生产设备100的配置)

生产设备100是生产预定生产目标对象W的设备。生产设备100包括各种类型的设备，例如机床、注塑机、铸造机、输送装置和工业机器人。例如，在机床中，生产目标对象W是作为加工目标的工件。

将参照图14和图15说明生产设备100的示例。生产设备100是在生产线中加工工件的机床。以横向加工中心为例进行说明。注意，作为用作生产设备100的加工中心的配置，除了下面说明的配置之外，还可以采用各种公知的配置。

加工中心例如如下所述地配置。床111固定至设置表面。Z轴鞍座112支承在床111上，以在Z轴方向(图14中的左右方向)上可移动。柱113支承在Z轴鞍座112的上表面上，以在X轴方向(图14中的纸面前后方向)上可移动。Y轴鞍座114支承在柱113的图14中的右表面上，以在Y轴方向(图14中的上下方向)上可移动。

如图15所示，提供了用于移动Z轴鞍座112、柱113和Y轴鞍座114的移动装置115(下文统称为“移动体”)。移动装置115包括：用于移动移动体112、113和114的驱动装置115a(例如马达)；用于检测驱动装置115a的功率(例如扭矩)的功率检测器115b；用于检测移动体112、113和114的移动速度的移动速度检测器115c；用于检测移动体112、113和114的位置的位置检测器115d；以及用于检测移动体112、113和114的振动的振动检测器115e。

如图14所示，主轴装置116设置在Y轴鞍座114中。主轴(图14中未示出)是主轴装置116中的旋转体，其由轴承116a可旋转地设置。工具117由主轴保持。主轴装置116具有其中润滑剂被供应到轴承116a的旋转结构。

如图15所示，主轴装置116还包括：用于驱动主轴旋转的驱动装置116b(例如马达)；用于检测主轴转速的转速检测器116c；用于检测驱动装置116b的功率(例如扭矩)的功率检测器116d；用于检测主轴装置116的振动的振动检测器116e；以及用于检测从轴承116a排出的润滑剂的温度或从轴承116a排出的润滑剂管中的排气的温度(以下称为“排气等的温度”)的温度检测器116f。

在床111上，自动托盘交换装置118(以下称为“APC装置”)绕垂直轴可旋转地设置在与Z轴鞍座112和柱113在Z轴方向(图14中的左右方向)上相对的位置。APC装置118包括托盘体118a，托盘体118a分别在托盘体118a的上表面上的两个位置可拆卸地保持托盘P。作为生产目标对象W的工件放置在托盘P上。也就是说，托盘P可以在APC装置118中的柱113侧(图14中的左侧)上的加工位置和远离柱113的侧(图14中的右侧)上的准备位置进行交换。

如图15所示，APC装置118还包括：用于驱动托盘体118a旋转的托盘驱动装置118b(例如马达)；使用流体压力作为驱动源来执行托盘P的夹紧操作和松开操作的用于托盘体118a的夹紧装置118c；用于检测夹紧操作和松开操作的开/关检测器118d；用于检测夹紧装置118c的流体的温度的温度检测器118e；以及用于检测托盘驱动装置118b的功率(例如扭矩)的功率检测器118f。例如，马达被用作托盘驱动装置118b。例如，使用流体压力作为驱动源的汽缸装置用作夹紧装置118c。

此外，如图14所示，工具库装置119设置在床111上的柱113侧(图14中的近侧)上。工具库装置119包括用于容纳多个工具117的多个工具容纳工具119a。如图15所示，工具库装置119包括：用于驱动多个工具容纳工具119a旋转的驱动装置119b；用于检测工具容纳工具119a的位置的位置检测器119c；以及用于检测支承工具容纳工具119a的构件的振动的振动检测器119d。

如图14所示，提供了自动工具交换装置120(以下称为“ATC装置”)。ATC装置120包括可旋转的ATC臂120a。ATC装置120交换容纳在工具库装置119中的多个工具117中的指定工具编号的工具117和由主轴装置116保持的工具117。如图15所示，ATC装置120包括：用于驱动ATC臂120a旋转的臂驱动装置120b(例如马达)；使用流体压力作为驱动源针对工具117执行夹紧操作和松开操作的夹紧装置120c；使用流体压力作为驱动源，对分隔加工区域和工具库装置119侧上的区域的挡板(图14中未示出)执行打开和关闭的挡板打开/关闭装置120d；用于检测夹紧装置120c的夹紧操作和松开操作以及挡板的打开和关闭的开/关检测器120e；用于检测夹紧装置120c和挡板打开/关闭装置120d中的流体的温度的温度检测器120f；以及用于检测臂驱动装置120b的功率(例如扭矩)的功率检测器120g。例如，马达被用作臂驱动装置120b。例如，使用流体压力作为驱动源的汽缸装置被用作夹紧装置120c和挡板打开/关闭装置120d。

此外，如图14所示，在生产设备100中，设置有用于排出由切割引起的切屑的切屑输送机121。切屑输送机121包括用于排出大切屑的第一输送机121a和用于排出小切屑的第二输送机121b。排出的切屑被存储在切屑篮122中。如图15所示，切屑输送机121包括：用于驱动第一输送机121a的第一驱动装置121c；用于驱动第二输送机121b的第二驱动装置121d；用于检测第一驱动装置121c的功率的第一功率检测器121e；以及用于检测第二驱动装置121d的功率的第二功率检测器121f。

此外，如图15所示，作为生产设备100的加工中心包括用于检测生产设备100周围的室外空气温度的室外空气温度检测器125。室外空气温度检测器125用于下面说明的异常检测或用于热移位校正等。

此外，提供了要由操作者操作的控制面板126。控制面板126包括用于由操作者输入的输入装置126a和用于显示关于加工中心的各种信息的显示装置126b。

此外，如图15所示，作为生产设备100的加工中心包括用于控制移动装置115的控制装置130、主轴装置116、APC装置118、工具库装置119、ATC装置120和切屑输送机121。控制装置130包括CNC(计算机化数字控制)装置131和PLC(可编程逻辑控制器)132。

CNC装置131根据NC程序来控制装置115、116、118、119、120和121。PLC 132根据梯形电路、顺序功能图(SFC)等执行顺序控制。

此外，在作为生产设备100的加工中心中，设置有分析装置141(数据处理装置)。分析装置141获取设置在生产设备100中的检测器的检测数据(相当于关于生产设备100的数据)、CNC装置131中的控制数据、存储在PLC 132中的I/O存储器中的I/O数据等。

分析装置141例如设置在床111的内侧或容纳在包括控制装置130的控制板(图15中未示出)的壳体中。分析装置141连接至CNC装置131和PLC 132。例如，分析装置141包括LAN连接器和USB连接器。分析装置141连接至CNC装置131和PLC 132。也就是说，分析装置141通过以太网(注册商标)、工业以太网(注册商标)等连接至CNC装置131和PLC 132。也就是说，分析装置141使用例如OSI参考模型的低阶两层(物理层和数据链路层)的网络协议与CNC装置131和PLC 132通信。

通常，作为因特网协议群，使用OSI参考模型的第三层(网络层)或更高阶层的协议。与因特网协议群的数据传输速率相比，物理层和数据链路层的数据传输速率高。

该实施方式中的分析装置141在通信目标(CNC装置131和PLC 132)附近配置通过低阶层协议连接的边缘计算。注意，边缘计算被用作与使用因特网协议群的云计算相比的名目。

输入装置142和显示装置143可以可拆卸地连接到分析装置141作为外部装置。因此，分析装置141包括用于将分析装置141连接至显示装置143的端子。输入装置142输入和编辑分析装置141的设置内容。显示装置143可以显示分析装置141的处理内容。注意，分析装置141可以包括输入装置142和显示装置143。

此外，分析装置141可以通过使用LAN连接器以将分析装置141连接至服务器等，将诸如处理结果的数据发送至服务器144。

注意，分析装置141被解释为与CNC装置131和PLC 132分开的装置。然而，分析装置141可以是包含CNC装置131、PLC 132等的系统，并且还可以是设置在与生产设备100分离的位置的个人计算机、服务器等。

(5-2.分析装置141的配置)

将参考图16和图17说明分析装置141的配置。如图16和图17所示，分析装置141包括第一数据库150、多个第一数据处理单元160、多个第二数据处理单元170、第二数据库180以及评估单元190。

第一数据库150从由CNC装置131和PLC 132存储的数据中获取并存储预设类型的数据。由检测器检测到的数据经由CNC装置131和PLC 132存储在第一数据库150中。此外，在第一数据库150中，存储有用于CNC装置131的控制的数据和用于控制PLC 132的I/O数据。

例如，加工中心可以使第一数据库150存储在工件的实际加工中检测到的各种数据。然而，为了检测更稳定的数据，在该实施方式中，加工中心在不存在工件的状态下执行用于数据检测的加工操作，并使第一数据库150存储由检测器检测到的数据。例如在一天的开始执行一次用于数据检测的加工操作。注意，各种数据可以作为数据文件等保存在存储介质中，或者可以在每当获取到各种数据时添加。

多个第一数据处理单元160分别执行预设处理。每个第一数据处理单元160使用存储在第一数据库150中的数据来生成用于评估生产设备100的状态的数据。第一数据处理单元160分别生成例如适于评估与主轴装置116的轴承116a、APC装置118的夹紧装置118c、ATC装置120的夹紧装置120c、挡板打开/关闭装置120d以及切屑输送机121的第一驱动装置121c和第二驱动装置121d有关的异常或异常的标志的数据。注意，在以下说明中，异常被用作包括异常和异常的标志的含义。

第一数据处理单元160包括目标数据获取单元161、统计量计算单元162和处理时间计算单元163。目标数据获取单元161获取关于由设置在生产设备100中的检测器检测到的生产设备100的状态的目标数据。目标数据包括检测生产设备100的状态时的时间(日期和时间)以及在此时由检测器检测到的检测数据。

统计量计算单元162使用统计方法来计算关于由目标数据获取单元161获取的数据的统计量。通过使用统计量作为评估指标，可以评估生产设备100的驱动装置的状态的正常/异常。

统计量是指通过应用统计方法(统计算法)总结数据特征而获得的数值。统计方法是FFT(快速傅里叶变换)、DFT(离散傅立叶变换)等的频率分析结果中的最大峰值计算、频率分析结果中的峰峰值计算、均方根(RMS)计算、最大值计算、平均值计算、标准偏差、峰峰值等计算。在上述说明中，统计量是频率分析结果中的最大峰值、频率分析结果中最大峰值和最小峰值之间的宽度、均方根值、最大值、平均值、标准偏差的值以及最大峰值和最小峰值之间的宽度。

处理时间计算单元163基于由目标数据获取单元161获取的数据，计算生产设备100的驱动装置从操作开始时间到操作完成时间的操作处理时间。与驱动装置正常时相比，当驱动装置异常时，操作处理时间较长。因此，可以将操作处理时间设置为评估指标。

多个第二数据处理单元170分别执行预设处理。然而，第二数据处理单元170执行与由第一数据处理单元160执行的处理不同的处理。每个第二数据处理单元170使用存储在第一数据库150中的数据来生成用于评估生产设备100的状态的数据。例如，第二数据处理单元170分别生成例如适于评估关于主轴装置116的轴承116a、APC装置118的夹紧装置118c、ATC装置120的夹紧装置120c和挡板打开/关闭装置120d以及切屑输送机121的第一驱动装置121c和第二驱动装置121d的异常的数据。

第二数据处理单元170包括参考数据获取单元171、目标数据获取单元172、数据获取确定单元173、组合数据生成单元174、统计量计算单元175以及处理时间计算单元176。参考数据获取单元171获取包括关于用于数据分组的参考(例如主轴装置116)在生产设备100中操作的时间的信息的参考数据。参考数据包括参考操作时的时间(日期和时间)。注意，参考数据在一些情况下是控制装置130的控制数据，并且在其他情况下是由检测器检测到的检测数据。

目标数据获取单元172获取关于由设置在生产设备100中的检测器检测到的生产设备100的状态的目标数据。目标数据包括检测生产设备100的状态的时间(日期和时间)以及此时由检测器检测到的检测数据。数据获取确定单元173基于预设算法来确定参考数据获取单元171获取参考数据以及目标数据获取单元172获取目标数据。

当数据获取确定单元173确定获取到参考数据和目标数据时，组合数据生成单元174开始针对每个组生成组合数据。针对每个组的参考数据，每个组的组合数据是通过将目标数据中的、在与该参考数据的操作时间段相同的时间段中检测到的数据与该参考数据进行组合而获得的数据。

组合数据生成单元174包括整体组合数据生成单元174a和针对每个组的划分单元174b。整体组合数据生成单元174a从参考数据获取单元171和目标数据获取单元172获取参考数据和目标数据。随后，整体组合数据生成单元174a生成通过根据参考数据的操作时间和目标数据的检测时间将获取的参考数据和获取的目标数据相关联并且组合参考数据和目标数据而获得的整体组合数据。针对每个组的划分单元174b针对每个组、基于整体组合数据中的参考数据的组来对整体组合数据进行划分或提取，从而针对每个组生成每个组的组合数据。

统计量计算单元175使用统计方法来计算关于由针对每个组的划分单元174b生成的每个组的组合数据的统计量。通过使用统计量作为评估指标，可以评估生产设备100的驱动装置的状态的正常/异常。统计量如上所述。

处理时间计算单元176基于由针对每个组的划分单元174b生成的每个组的组合数据，计算生产设备100的驱动装置从操作开始时间到操作完成时间的操作处理时间。与驱动装置正常时相比，当驱动装置异常时，操作处理时间长。因此，可以将操作处理时间设置作为评估指标。

第二数据库180存储由多个第一数据处理单元160中的每一个的统计量计算单元162和处理时间计算单元163生成的统计量和操作处理时间。此外，第二数据库180存储由多个第二数据处理单元170中的每一个的统计量计算单元175和处理时间计算单元176生成的统计量和操作处理时间。继续上述处理，由此将多个工件的统计量和操作处理时间存储在第二数据库180中。

评估单元190包括阈值确定单元191，阈值确定单元191基于存储在第二数据库180中作为阈值确定目标的统计量和操作处理时间来确定阈值。此外，评估单元190包括确定单元192，确定单元192基于阈值和存储在第二数据库180中作为确定目标的统计量以及操作处理时间来确定生产设备100的驱动装置的状态。确定单元192比较阈值和设定为确定目标的统计量或操作处理时间，并且确定驱动装置的状态。

此外，评估单元190包括处理单元193，其执行与确定单元192的确定结果相对应的处理。例如，当作为生产设备100的驱动装置的状态，生产设备100的评估目标部分异常时，处理单元193执行与该部分相对应并且对应于异常的处理。例如，处理单元193在控制面板126上执行警告显示或者在CNC装置131或PLC 132上执行控制停止处理。

(5-3.数据处理单元160和数据处理单元170以及评估单元190的说明)

(5-3-1.关于主轴装置116的处理)

参考图16和图17说明图16中所示的第一数据处理单元160和评估单元190中的关于主轴装置116的处理。关于主轴装置116，第一数据处理单元160中的目标数据获取单元161获取由温度检测器116f检测到的轴承116a的排气等的温度和由室外空气温度检测器125检测到的室外空气温度。

统计量计算单元162基于由目标数据获取单元161获取的目标数据来计算统计量。目标数据包括检测排气等的温度和室外空气温度时的时间(日期和时间)以及此时检测器检测到的检测数据。因此，统计量计算单元162根据多个目标数据的相应检测时间将多个目标数据相关联，并且组合多个目标数据。

如图18所示，统计量计算单元162计算通过检测时间相关联的排气等的温度与室外空气温度之间的关系作为统计量之一。也就是说，统计量计算单元162在排气等的温度和室外空气温度被设置为轴的图中绘制通过检测时间相关联的排气等的温度和室外空气温度的点。排气等的温度与室外空气温度具有预定的关系。也就是说，如图18所示，当驱动装置116b为正常时，排气等的温度随着室外空气温度的升高而升高。用作统计量的排气等的温度与室外空气温度之间的关系存储在第二数据库180中。

如图18中的阴影线所示，阈值确定单元191使用被设置为阈值确定目标的统计量的数据来确定关系的阈值。图18中阈值的内侧是驱动装置116b为正常时的范围。阈值的外侧是驱动装置116b为异常时的范围。确定单元192确定被设置为确定目标的统计量的数据是在图18中的阈值之内还是在该阈值之外。如果数据在阈值之内，则确定单元192确定统计量的数据为正常。如果数据在阈值之外，则确定单元192确定统计量的数据为异常。

将参照图17以及图19至图21说明图17所示的第二数据处理单元170和评估单元190中的关于主轴装置116的第一处理。关于主轴装置116，第二数据处理单元170中的参考数据获取单元171获取由转速检测器116c检测到的转速作为参考数据。所有的参考数据包括当检测到用作用于分组的参考的转速时的时间(日期和时间)以及关于转速的检测数据。

第二数据处理单元170中的目标数据获取单元172将由振动检测器116e检测到的振动获取作为目标数据。与参考数据一样，目标数据包括检测到振动时的时间(日期和时间)以及检测数据。当数据获取确定单元173确定参考数据获取单元171获取到参考数据并且目标数据获取单元172获取到目标数据时，整体组合数据生成单元174a组合参考数据和目标数据。当关于转速的参考数据和关于振动的目标数据通过时间相关联并被组合时，组合数据具有可以由图19的上部分和下部分中的图指示的数据结构。随后，针对每个组的划分单元174b对在转速基本固定的时间段内的振动数据——即图19中的C部分和D部分的振动数据——进行划分和分割。

如图20所示，统计量计算单元175计算均方根(RMS)作为相对于分割的振动数据的统计量。如图21所示，统计量计算单元175可以对分割的振动数据执行诸如FFT的频率分析而不是均方根计算，并且将频率分析的结果计算为统计量。此外，统计量计算单元175可以将振动数据的标准偏差、平均值、最大值、最小值等设置为关于振动的统计量。在第二数据库180中，存储有用作统计量的关于振动的数据。

如图20所示，当使用均方根作为统计量时，阈值确定单元191使用被设置为阈值确定目标的统计量的数据来确定阈值。参考均方根的最大值，将阈值设置为考虑容许范围而不是最大值的值。图20中的阈值或更小的范围是驱动装置116b正常的范围。大于阈值的范围是驱动装置116b异常的范围。确定单元192确定被设置为确定目标的统计量的数据是等于或小于图20中的阈值还是大于该阈值。如果数据等于或小于阈值，则确定单元192确定统计量的数据为正常。如果数据大于阈值，则确定单元192确定统计量的数据为异常。

如图21所示，当频率分析结果被用作统计量时，阈值确定单元191使用被设置为阈值确定目标的统计量的数据来确定每个频率的阈值。确定单元192确定被设置为确定目标的统计量的数据是等于或小于图21中的每个频率的阈值还是大于该阈值。如果数据等于或小于每个频率的阈值，则确定单元192确定统计量的数据正常。如果数据大于阈值，则确定单元192确定统计量的数据为异常。

参照图17、图19和图20说明图17所示的第二数据处理单元170和评估单元190中的关于主轴装置116的第二处理。关于主轴装置116，第二数据处理单元170中的参考数据获取单元171将由转速检测器116c检测到的转速获取作为参考数据。在下面说明的示例中，基于转速命令，主轴装置116从停止状态(0min^-1)变为2000min^-1，在经过预定时间后变为4000min^-1，并在进一步经过预定时间之后停止。

第二数据处理单元170中的目标数据获取单元172将由功率检测器116d检测到的功率获取作为目标数据。当数据获取确定单元173确定参考数据获取单元171获取参考数据并且目标数据获取单元172获取目标数据时，整体组合数据生成单元174a组合参考数据和目标数据。当关于转速的参考数据和关于功率的目标数据通过时间相关联并组合时，组合数据具有可以由图19的上部分和中部分中的图指示的数据结构。随后，针对每个组的划分单元174b对在转速变化的时间段中的振动数据——即图19中的A部分和B部分中的转速数据和功率数据——进行划分和分割。

关于主轴装置116的旋转操作，处理时间计算单元176基于图19中A部分的数据来计算操作处理时间。详细地，处理时间计算单元176计算从转速从0向2000min^-1变化的开始时间到达到2000min^-1的到达时间的操作处理时间，即，转速从0达到2000min^-1所需的时间。也就是说，当功率从0增加时的时间被设置为操作开始时间，当功率返回至0的时间被设置为操作完成时间，以及计算从操作开始时间到操作完成时间的操作处理时间。

此外，根据转速获取作为达到该转速所需的时间的操作处理时间，并且将其存储在第二数据库180中。也就是说，在第二数据库180中存储从0到2000min^-1的操作处理时间和从2000min^-1到4000min^-1的操作处理时间中的每一个。

如图22所示，阈值确定单元191使用被设置为阈值确定目标的0到2000min^-1的操作处理时间的数据来确定0到2000min^-1的阈值。类似地，如图22所示，阈值确定单元191使用被设置为阈值确定目标的2000min^-1到4000min^-1的操作处理时间的数据来确定2000min^-1到4000min^-1的阈值。如果被设置为确定目标的操作处理时间等于或小于与转速对应的阈值，则确定单元192确定操作处理时间为正常。如果操作处理时间大于阈值，则确定单元192确定操作处理时间为异常。

如上所述，确定单元192可以使用各个阈值来执行各个确定。此外，通过使用上述三种类型的确定方法，可以更高精确地执行主轴装置116的状态确定。将参照图23说明在该情况下确定单元192的确定方法。

以下说明异常标志检测目标的示例。第一标志检测目标检测诸如轴承116a的老化故障的标志(图23中的异常1)。第二标志检测目标检测诸如轴承116a的破损或劣化故障的标志(图23中的异常2)。第三标志检测目标检测驱动装置116b(马达)的故障的标志(图23中的异常3)。

在图23中，确定1是如图18所示的排气等的温度与室外空气温度之间的关系被用作统计量的确定方法。确定2是如图20或图21所示的振动被用作统计量的确定方法。确定3是如图22所示的关于达到转速所需的时间(操作处理时间)的确定方法。

如图23所示，当在所有确定1、确定2和确定3中确定目标被确定为正常时，所有的故障标志检测目标被确定为正常。当在确定1和确定2中确定目标被确定为正常并且在确定3中确定目标被确定为异常时，第三标志检测目标被确定为异常。当在确定1和确定3中确定目标被确定为正常并且在确定2中确定目标被确定为异常时，第二标志检测目标被确定为异常。当在确定1中确定目标被确定为正常并且在确定2和确定3中确定目标被确定为异常时，第二标志检测目标和第三标志检测目标被确定为异常。

当在确定2和确定3中确定目标被确定为正常并且在确定1中确定目标被确定为异常时，第一标志检测目标被确定为异常。当在确定2中确定目标被确定为正常并且在确定1和确定3中确定目标被确定为异常时，第一标志检测目标和第三标志检测目标被确定为异常。当在确定3中确定目标被确定为正常并且在确定1和确定2中确定目标被确定为异常时，第一标志检测目标和第二标志检测目标被确定为异常。当在所有确定1、确定2和确定3中确定目标被确定为异常时，所有故障标志检测目标被确定为异常。

处理单元193执行与确定单元192的确定结果相对应的处理。也就是说，可以适当地使用生产设备100的驱动装置116b的状态确定结果。

(5-3-2.关于APC装置118的处理)

将参照图16和图24说明数据处理单元160和评估单元190中的关于APC装置118的第一处理。关于APC装置118，第一数据处理单元160中的目标数据获取单元161获取由开/关检测器118d检测到的用于托盘P的夹紧操作和松开操作的操作开始信号和操作完成信号。此外，目标数据获取单元161获取由温度检测器118e检测到的夹紧装置118c的流体的温度。

统计量计算单元162基于由目标数据获取单元161获取的数据来计算统计量。如图24所示，统计量计算单元162计算通过检测时间关联的夹紧装置118c的夹紧操作和松开操作的操作处理时间与流体温度之间的关系作为统计量之一。操作处理时间是从夹紧操作开始时间至夹紧操作完成时间的时间以及从松开操作开始时间至松开操作完成时间的时间。

也就是说，统计量计算单元162在操作处理时间和流体温度被设置为轴的图中绘制通过检测时间相关联的操作处理时间和流体温度的点。如图24所示，操作处理时间和流体温度具有预定的关系。也就是说，操作处理时间随着流体温度的升高而下降。相反地，操作处理时间随着流体温度的下降而增大。这是由例如诸如汽缸装置的驱动装置中的流体的粘度的影响引起的。在第二数据库180中，操作处理时间和流体温度之间的关系被存储作为统计量。

阈值确定单元191基于图24中所示的曲线的位置使用例如最小二乘近似并且进一步考虑允许量来确定阈值。确定单元192通过比较阈值和被设置为确定目标的统计量的数据来确定夹紧装置118c的异常。

将参照图16、图25和图26说明第一数据处理单元160和评估单元190中的关于APC装置118的第二处理。关于APC装置118，第一数据处理单元160中的目标数据获取单元161获取由功率检测器118f检测到的托盘驱动装置118b的功率(例如马达的扭矩或电流值)。

统计量计算单元162基于由目标数据获取单元161获取的托盘驱动装置118b的功率的数据来计算统计量。如图25中的虚线框所示，统计量计算单元162计算功率数据中托盘驱动装置118b启动期间的峰值P1作为统计量。在第二数据库180中，峰值P1被存储作为统计量。

如图26所示，阈值确定单元191使用峰值P1的数据来确定阈值，峰值P1的数据是被设置为阈值确定目标的统计量。确定单元192通过比较阈值与峰值P1的数据来确定托盘驱动装置118b的异常，峰值P1的数据是被设置为确定目标的统计量。处理单元193执行与确定单元192的确定结果相对应的处理。即，可以适当地使用生产设备100的托盘驱动装置118b的状态的确定结果。

例如，如在主轴装置116中，当托盘驱动装置118b使用流体压力作为驱动源时，评估单元190获取振动检测器的振动而不是马达的电流值等，并且确定托盘驱动装置118b的异常。

(5-3-3.关于ATC装置120的处理)

参照图16和图27来说明第一数据处理单元160和评估单元190中关于ATC装置120的第一处理。关于ATC装置120，第一数据处理单元160中的目标数据获取单元161获取关于由开/关检测器120e检测到的ATC臂120a的夹紧操作和松开操作的操作开始信号和操作完成信号。此外，目标数据获取单元161获取由温度检测器120f检测到的夹紧装置120c中的流体的温度。

统计量计算单元162基于由目标数据获取单元161获取的数据来计算统计量。如图27所示，统计量计算单元162计算通过检测时间相关联的夹紧装置120c的夹紧操作和松开操作的操作处理时间与流体温度之间的关系作为统计量之一。操作处理时间是从夹紧操作开始时间到夹紧操作完成时间的时间以及从松开操作开始时间到松开操作完成时间的时间。

即，统计量计算单元162在操作处理时间和流体温度被设置为轴的图中绘制通过检测时间相关联的操作处理时间与流体温度的点。如图27所示，操作处理时间和流体温度具有预定的关系。即，操作处理时间随着流体温度升高而减小。相反地，操作处理时间随着流体温度下降而增加。这是由例如驱动装置例如汽缸装置中的流体粘度的影响引起的。在第二数据库180中，操作处理时间与流体温度之间的关系被存储为统计量。

阈值确定单元191基于图27中的曲线的位置使用例如最小二乘近似并且进一步考虑允许量来确定阈值。确定单元192通过比较阈值与被设置为确定目标的统计量的数据来确定夹紧装置120c的异常。

参照图16和图27来说明第一数据处理单元160和评估单元190中关于ATC装置120的第二处理。关于ATC装置120，第一数据处理单元160中的目标数据获取单元161还获取由开/关检测器120e检测到的挡板的打开操作开始信号、打开操作完成信号、关闭操作开始信号以及关闭操作完成信号。此外，目标数据获取单元161获取由温度检测器120f检测到的挡板打开/关闭装置120d中的流体的温度。

统计量计算单元162计算通过检测时间相关联的挡板打开/关闭装置120d的挡板打开和关闭的操作处理时间与流体温度之间的关系作为统计量之一。操作处理时间是从挡板的打开操作的开始时间到完成时间的操作处理时间以及从挡板的关闭操作的开始时间到完成时间的操作处理时间。在这种情况下，关于挡板打开/关闭装置120d的统计量和阈值如图27所示与关于夹紧装置120c的统计量和阈值一样。这同样适用于确定单元192。

参照图16、图28以及图29来说明第一数据处理单元160和评估单元190中关于ATC装置120的第三处理。关于ATC装置120，第一数据处理单元160中的目标数据获取单元161获取由功率检测器120g检测到的臂驱动装置120b的功率(例如，马达的扭矩或电流值)。

统计量计算单元162基于由目标数据获取单元161获取的臂驱动装置120b的功率的数据来计算统计量。如由图28中的虚线框所指示的，统计量计算单元162计算在臂驱动装置120b的启动期间的功率的数据中的峰值P2作为统计量。在第二数据库180中，峰值P2被存储为统计量。

如图29所示，阈值确定单元191使用峰值P2的数据来确定阈值，峰值P2的数据是被设置为阈值确定目标的统计量。确定单元192通过比较阈值与峰值P2的数据来确定臂驱动装置120b的异常，峰值P2的数据是被设置为确定目标的统计量。

如上所述，确定单元192可以使用各个阈值来执行各个确定。此外，通过使用上述三种确定方法，可以高度准确地执行ATC装置120的状态确定。参照图23来说明在这种情况下确定单元192的确定方法。

以下说明异常标志检测目标的示例。第一标志检测目标检测诸如挡板的挡板打开/关闭装置120d的劣化或破损故障的标志(图23中的异常1)。第二标志检测目标检测诸如夹紧装置120c的劣化或破损故障的标志(图23中的异常2)。第三标志检测目标检测诸如臂驱动装置120b(马达)的故障的标志(图23中的异常3)。

在图23中，确定1是其中挡板的打开和关闭的操作处理时间与流体温度之间的关系被用作统计量的确定方法。确定2是其中如图27所示的夹紧装置的夹紧操作和松开操作的操作处理时间与流体温度之间的关系被用作统计量的确定方法。确定3是如图29所示关于臂驱动装置120b的功率启动期间的峰值P2的确定方法。

如图23所示，当在确定1、确定2和确定3的全部中确定目标均被确定为正常时，全部故障标志检测目标被确定为正常。当在确定1和确定2中确定目标被确定为正常并且在确定3中确定目标被确定为异常时，第三标志检测目标被确定为异常。当在确定1和确定3中确定目标被确定为正常并且在确定2中确定目标被确定为异常时，第二标志检测目标被确定为异常。当在确定1中确定目标被确定为正常并且在确定2和确定3中确定目标被确定为异常时，第二标志检测目标和第三标志检测目标被确定为异常。

当在确定2和确定3中确定目标被确定为正常并且在确定1中确定目标被确定为异常时，第一标志检测目标被确定为异常。当在确定2中确定目标被确定为正常并且在确定1和确定3中确定目标被确定为异常时，第一标志检测目标和第三标志检测目标被确定为异常。当在确定3中确定目标被确定为正常并且在确定1和确定2中确定目标被确定为异常时，第一标志检测目标和第二标志检测目标被确定为异常。当在确定1、确定2和确定3的全部中确定目标均被确定为异常时，全部故障标志检测目标被确定为异常。

处理单元193执行与确定单元192的确定结果相对应的处理。即，可以适当地使用生产设备100的ATC装置120的状态的确定结果。

(5-3-4.关于切屑输送机21的处理)

参照图16和图30至图34来说明第一数据处理单元160和评估单元190中关于切屑输送机121的处理。关于切屑输送机121，第一数据处理单元160中的目标数据获取单元161获取由第一功率检测器121e和第二功率检测器121f检测到的第一驱动装置121c和第二驱动装置121d的功率(例如，马达的扭矩或电流值)

统计量计算单元162基于由目标数据获取单元161获取的第一驱动装置121c和第二驱动装置121d的功率的数据来计算统计量。如图30所示，统计量计算单元162计算第一驱动装置121c中的功率数据的平均值Av和峰峰值P-P作为统计量。统计量计算单元162计算第二驱动装置121d中的功率数据的平均值Av和峰峰值P-P作为统计量。注意，峰峰值是最大峰值与最小峰值之间的差。在第二数据库180中，第一驱动装置121c的平均值Av和峰峰值P-P以及第二驱动装置121d的平均值Av和峰峰值PP被存储为统计量。

如图31所示，阈值确定单元191使用第一驱动装置121c的平均值Av的数据来确定阈值，第一驱动装置121c的平均值Av的数据是被设置为阈值确定目标的统计量。如图32所示，阈值确定单元191使用第二驱动装置121d的平均值Av的数据来确定阈值，第二驱动装置121d的平均值Av的数据是被设置为阈值确定目标的统计量。如图33所示，阈值确定单元191使用第一驱动装置121c的峰峰值P-P的数据来确定阈值，第一驱动装置121c的峰峰值P-P的数据是被设置为阈值确定目标的统计量。如图34所示，阈值确定单元191使用第二驱动装置121d的峰峰值P-P的数据来确定阈值，第二驱动装置121d的峰峰值P-P的数据是被设置为阈值确定目标的统计量。

关于第一驱动装置121c的平均值Av或峰峰值P-P，确定单元192通过比较阈值与被设置为确定目标的统计量的数据来确定第一驱动装置121c的异常。关于第二驱动装置121d的平均值Av或峰峰值P-P，确定单元192通过比较阈值与被设置为确定目标的统计量的数据来确定第二驱动装置121d的异常。

例如，确定单元192确定其中由于切屑过多地沉积在第一输送机121a上而导致第一输送机121a从导引装置脱离的异常，以及由于切屑过多地沉积在第一输送机121a上而导致第一输送机121a破裂的异常。确定单元192确定其中由于切屑过多地沉积在第二输送机121b上而导致第二输送机121b从导引装置脱离的异常，以及由于切屑过多地沉积在第二输送机121b上而导致第二输送机121b破裂的异常。

处理单元193执行与确定单元192的确定结果相对应的处理。即，可以适当地使用生产设备100的切屑输送机121的状态的确定结果。

(5-3-5.其他)

关于移动装置115，可以以与关于其他装置的异常的确定相同的方式来执行异常的确定。关于工具库装置119，可以以相同的方式来执行异常的确定。

在以上说明中，可以根据目标数据与统计量之间的关系、目标数据与操作处理时间之间的关系等选择性地使用第一数据处理单元160和第二数据处理单元170。例如，作为第一数据处理单元160的示例，参照图18来说明排气温度等与室外空气温度之间的关系。当该关系是例如与转速相对应的关系时，使用第二数据处理单元170。

分析装置141还可以通过网络协议例如以太网(注册商标)或总线(计算机)连接至PLC 132、CNC装置131、外部装置等。分析装置141可以获取关于生产设备100、其他生产设备外围装置例如传送装置等的数据以及所连接的生产设备和各种装置的开/关状态作为目标数据。这些目标数据可以被设置为分组的目标。该数据可以被设置为用作用于数据分组的参考的参考数据。例如，基于开/关状态，可以将从开状态到关状态的数据设置为分组单元。

分析装置141的多个第一数据处理单元160、多个第二数据处理单元170以及评估单元190可以使用以太网(注册商标)或总线(计算机)的通信路径来改变计算状态、阈值、确定状态(下文中统称为各种状态)。通过改变各种状态，可以针对生产设备100、其他生产设备外围装置例如传送装置等来获取关于各种状态的数据。生产设备和各种装置的状态可以基于与各种状态相对应的统计量来确定，并且可以被处理。

(6.第五实施方式)

(6-1.生产设备1的配置)

生产设备1是基于生产计划顺序加工多个类型的生产目标对象W(下文中称为“工件W”)的机床。即，生产设备1是用于执行生产少量各种产品的机器。生产设备1使用工具执行例如切割、磨削、锻造和放电加工。生产设备1的示例与图1和图2所示的第一实施方式中的生产设备1基本相同。对与第一实施方式中的生产设备1的差异进行说明。

如图2所示，生产设备1包括：CNC装置21；PLC 22；各种检测器23a、23b、23c、23d、24a、24b和24c；以及用作第一预测装置的数据处理装置25(下文中称为“第一预测装置25”)。

当使用多个类型的工具15加工多个类型的工件W时，第一预测装置25(工具寿命预测装置)预测多个类型的工具15中的每个工具的寿命。第一预测装置25获取设置在生产设备1中的检测器23a至23d和24a至24c的检测数据(相当于关于生产设备1的数据)、CNC装置21中的控制数据、存储在PLC 22中的I/O存储器中的I/O数据等。

此外，当连接至LAN连接器的LAN电缆被连接至管理装置28(工具寿命预测装置)例如服务器时，第一预测装置25可以将第一预测装置25的处理结果的数据等发送至用作第二预测装置的管理装置28。用作第二预测装置的管理装置28存储生产计划，并且使用第一预测装置25的处理结果、生产计划以及加工程序来预测工具的寿命。即，当使用多个类型的工具15加工多个类型的工件W时，用作第二预测装置的管理装置28在考虑生产计划的情况下预测多个类型的工具15中的每个工具的寿命。

注意，作为与CNC装置21和PLC 22分开的装置来说明第一预测装置25。然而，第一预测装置25可以是包含CNC装置21、PLC 22等的系统，并且可以是布置在与生产设备1分开的位置处的个人计算机、服务器等。第一预测装置25和管理装置28配置工具寿命预测装置250。

(6-2.工具寿命预测装置250的配置)

参照图35至图42来说明工具寿命预测装置250的配置。如图35所示，工具寿命预测装置250是通过第一预测装置25和用作第二预测装置的管理装置28来配置的。

第一预测装置25包括第一数据库31、参考数据获取单元32、目标数据获取单元33、数据获取确定单元34、组合数据生成单元35、第一加工信息获取单元236、模型存储单元237、第二加工信息获取单元238以及第一预测单元239。第一数据库31、参考数据获取单元32、目标数据获取单元33、数据获取确定单元34以及组合数据生成单元35与第一实施方式中的部件基本相同。

然而，组合数据生成单元35包括整体组合数据生成单元35a和针对每个工具的划分单元35b。针对每个工具的划分单元35b与第一实施方式中的针对每个组的划分单元35b基本相同。即，针对每个工具的划分单元35b针对每个工具基于整体组合数据(文件_C)中的参考数据(文件_A)的组(Gr1、Gr2和Gr3)来划分整体组合数据(文件_C)，从而如图7A至7C所示针对每种类型的工具15生成针对每个工具的组合数据(文件_D_Gr1、文件_D_Gr2和文件_D_Gr3)。

当使用与多个类型的工具15中的每个类型工具对应的第一工具执行关于多个类型的工件W的第一加工用于信息获取时，第一加工信息获取单元236获取从第一工具开始使用至寿命耗尽的第一加工信息。第一加工信息是当执行第一加工时由针对每个工具的划分单元35b生成的针对每个工具的组合数据(文件_D_Gr1、文件_D_Gr2和文件_D_Gr3)。

第一加工是例如基于用于执行生产少量各种产品的实际生产计划而执行的针对多个类型工件W的加工。但是，第一加工不限于基于实际生产计划的加工，而也可以是试加工。

当通过多个类型的工具15加工多个类型的工件W时，每当工具15耗尽寿命时，使用新产品对工具15中的每一个进行更换。例如，当集中于以工具编号T1的工具15进行第一加工时，工具15的加工工件W的数目与使用时间之间的关系如图36所示。在图36中，当使用新产品更换工具15时，工具15的使用时间被重置。即，在图36中，圆圈指示操作者确定工具15已经耗尽寿命并且使用新产品更换工具15的时间。

如图36所示，当工件W的类型不同时，加工工件W的数目和从工具15开始使用到寿命耗尽的工具15的使用时间也不同。例如，当寿命耗尽的工具15的使用时间是各种时间例如200分钟或更长时间以及约50分钟。直至寿命耗尽加工的工件W的数目也是不同的。

第一加工信息获取单元236在执行第一加工时获取第一加工信息。第一加工信息获取单元236获取第一加工信息时的时间由例如图37中的圆圈来指示。与图36一样，图37是示出工具15的加工工件W的数目与使用时间之间的关系的图。要获取的第一加工信息是由针对每个工具的划分单元35b生成的针对每个工具的组合数据(文件_D_Gr1、文件_D_Gr2和文件_D_Gr3)。即，第一加工信息是针对每种类型的工具15分组的信息。第一加工信息包括关于工具15的使用时间、主轴装置14的马达的扭矩的特征值、马达在X轴、Y轴和Z轴上的扭矩的特征值、关于主轴装置14的振动的特征值、加工条件、工件W的材料等的信息。以这种方式，第一加工信息包括多个类型的变量。

模型存储单元237存储基于关于多个类型的工件W的第一加工信息确定的算术模型，即，用于针对与第一工具相同类型的工具执行寿命预测的算术模型。算术模型是能够预测存在或不存在工具15的寿命耗尽以及预测直至工具15的寿命耗尽的剩余使用时间的模型。

例如，算术模型可以预测直至寿命耗尽的剩余使用时间本身，或者可以确定与所预测的剩余使用时间相对应的多个等级中的相关等级。在该实施方式中，算术模型确定所述相关等级。如图38所示，多个等级被分类为例如等级1至等级5。等级1对应于小于15分钟的预测剩余使用时间。等级2对应于等于或大于15分钟并且小于30分钟的预测剩余使用时间。等级3对应于等于或大于30分钟并且小于60分钟的预测剩余使用时间。等级4对应于等于或大于60分钟并且小于120分钟的预测剩余使用时间。等级5对应于等于或大于120分钟的预测剩余使用时间。即，等级1是接近寿命耗尽的状态，而等级5是接近新产品的状态。

算术模型基于第一加工信息预测与剩余使用时间相对应的等级。工具15的实际剩余使用时间与基于第一加工信息预测的剩余使用时间被设置为匹配。与使用设置的算术模型和第一加工信息预测的剩余使用时间相对应的等级如图38所示。如图38所示，可以看出，在刚刚使用新产品更换了工具15的时间，等级为等级5，而在接近寿命耗尽时，等级为等级1。

作为算术模型，可以应用线性自适应(例如，线性自适应控制)、非线性识别(例如，顺序识别)、贝叶斯(Beyes)方法(例如，朴素贝叶斯分类器或贝叶斯(Beyesian)网络)、机器学习(例如，神经网络、支持向量机(SVM)、随机森林或K近邻法)、回归分析(例如，多元回归分析、岭回归或逻辑回归)等。

例如，如图39所示，算术模型包括作为变量的加工频率峰值、主轴扭矩峰值和整体值，并且基于这三个变量的值来确定等级。注意，算术模型可以是包括四个或更多个变量的模型，并且可以是包括一个或两个变量的模型。模型存储单元237可以存储多个类型的算术模型。例如，模型存储单元237可以存储机器学习的算术模型和回归分析的算术模型。模型存储单元237可以根据例如加工材料的类型和加工条件来存储不同的算术模型。

算术模型使用任意时间处的变量值来在所述任意时间对工具15执行寿命预测。即，为了在特定时间处对工具15执行寿命预测，算术模型仅使用该时间(该时刻)处的信息而不使用过去的信息。注意，算术模型可以使用过去的信息来对工具15执行寿命预测。

在一旦存储所确定的算术模型之后，模型存储单元237可以使用连续获取的第一加工信息来更新算术模型。当然，在一旦存储所确定的算术模型之后，模型存储单元237可以不更新算术模型。当算术模型被更新时，第一加工信息获取单元236继续获取针对每个工具的组合数据(文件_D_Gr1、文件_D_Gr2和文件_D_Gr3)作为第一加工信息。另一方面，当算术模型未被更新时，在算术模型被确定之后，第一加工信息获取单元236不获取用作第一加工信息的针对每个工具的组合数据(文件_D_Gr1、文件_D_Gr2和文件_D_Gr3)。

在将算术模型存储在模型存储单元237中之后，当使用第二工具执行关于多个类型的工件W的第二加工时，第二加工信息获取单元238在执行第二加工时获取第二加工信息，其中，第二工具是与第一工具相同类型的工具15，并且是寿命预测目标。第二加工信息是在执行第二加工时由针对每个工具的划分单元35b生成的针对每个工具的组合数据(文件_D_Gr1、文件_D_Gr2和文件_D_Gr3)。

第二加工是在第一加工之后执行的对多个类型的工件W的加工。此外，当在将算术模型一旦存储在模型存储单元237中之后更新算术模型时，第一加工和第二加工是相同的。即，在后一种情况下，由针对每个工具的划分单元35b生成的针对每个工具的组合数据(文件_D_Gr1、文件_D_Gr2和文件_D_Gr3)是第一加工信息，并且是第二加工信息。即，如图37中的圆圈所指示的，第二加工信息获取单元238获取用作第二加工信息的针对每个工具的组合数据(文件_D_Gr1、文件_D_Gr2和文件_D_Gr3)。注意，与第一加工信息一样，第二加工信息是针对每个工具的组合数据(文件_D_Gr1、文件_D_Gr2和文件_D_Gr3)。因此，第二加工信息包括多个类型的变量。

第一预测单元239基于第二加工信息和算术模型对第二工具执行寿命预测。特别地，第一预测单元239基于任意时间处的第二加工信息和算术模型来在仅所述任意时间处对第二工具执行寿命预测。

第一预测单元239输出关于与算术模型的输出形式相对应的寿命预测的信息。例如，当算术模型是用于计算存在或不存在工具15的寿命耗尽的模型时，第一预测单元239计算存在或不存在第二工具的寿命耗尽。当算术模型是用于计算直至工具15的寿命耗尽的剩余使用时间的模型时，第一预测单元239计算直至第二工具的寿命耗尽的使用时间。当算术模型确定与工具15的剩余使用时间相对应的等级时，第一预测单元239确定第二工具的等级。在该实施方式中，说明了其中第一预测单元239使用用于确定等级1至等级5的算术模型基于第二加工信息确定第二工具的等级的示例。

例如，假定算术模型是如图39所示包括作为变量的加工频率峰值、主轴扭矩峰值和整体值的模型，并且基于这三个变量的值来确定等级。在这种情况下，如图39所示，在该三维空间中绘制了与第一加工信息相对应的点。等级的属性包含在绘制的点中。

算术模型应用k近邻法作为示例。在k近邻法中，从位于最接近由例如三个变量形成的三维空间的k个数据的组(与第一加工信息相对应的数据组)中分配最大数值的数据被分类至其的等级。这里，k是一组数。为了便于理解，参照图40中所示的二维空间。如图40所示，在二维空间中，当与任意时间处的第二加工信息相对应的点是星形标记时，黑色圆圈表示与靠近星形标记的第一加工信息相对应的k(例如，二十五)个数据的组中的最大数值。因此，与任意时间处的第二加工信息相对应的点(星形标记)被分类至黑色圆圈，即，等级4。即，在所述任意时间处第二工具的等级被确定为等级4，即直至寿命耗尽60至120分钟的剩余使用时间的等级。

在以上说明中，第一预测单元239使用仅一种类型的算术模型在相应的时间处确定第二工具的等级。当多个类型的算术模型存储在模型存储单元237中时，第一预测单元239可以使用从多个类型的算术模型中选择的一种类型的算术模型来确定第二工具的等级。在这种情况下，可以根据例如工件W的材料、加工条件等来选择算术模型。

当多个类型的算术模型存储在模型存储单元237中时，第一预测单元239可以使用多个类型的算术模型中的每种算术模型来确定第二工具的每个等级。在这种情况下，由于获得了多个等级，因此可以将在所获得的多个等级中获得最多的等级设置为第二工具的等级。在这种情况下，可以使用存储在模型存储单元237中的所有多个类型的算术模型，或者可以使用从所存储的多个类型的算术模型中选择的多个类型的算术模型。

如上所述，第一预测单元239确定第二工具在相应时间(相应时刻)处的等级。第一预测单元239还可以基于第二工具的等级的特性来确定存在或不存在第二工具的寿命耗尽。参照图41对此进行说明。

在图41中，与工具编号T1至T50的工具15有关地示出了与加工工件W的数目对应的等级的特性。当加工工件W的数目为0时的时间是开始使用工具15的时间。例如，根据工具编号T1的工具15的等级的特性，在从工具编号T1的工具15开始使用起加工工件W的数目(下文中称为“加工工件的数目”)为0至约50时，工具编号T1的工具15的等级为等级5。此后，当加工工件的数目为约50至约60时，工具编号T1的工具15的等级在等级5与等级4之间。此后，当加工工件的数目为约60至约80时，工具编号T1的工具15的等级为等级4。

此后，当加工工件的数目为约80至90时，工具编号T1的工具15的等级在等级4与等级3之间。此后，当加工工件的数目为约95时，工具编号T1的工具15的等级突然从等级4变为等级2。此后，当加工工件的数目为约95至120时，工具编号T1的工具15的等级在等级2与等级1之间。

例如，假定在工具编号T1的工具15的等级变为等级1之后经过预定时段时工具编号T1的工具15寿命耗尽。然而，如图41所示，即使等级变为等级1，等级有时也会返回为等级2。因此，第一预测单元239基于次数或频率来预测第二工具的寿命耗尽，所确定的等级被假定为是用于最小化剩余使用时间的等级(等级1)。例如，第一预测单元239预测当等级1的次数达到十次时第二工具寿命耗尽。第一预测单元239可以预测当等级1的次数在预定加工次数(例如十次)中达到5次时，第二工具寿命耗尽。除了基于次数和频率以外，第一预测单元239可以预测在工具15在工具15第一次达到等级1之后达到预定加工次数时，第二工具寿命耗尽。

第一预测单元239执行用于向生产设备1的控制面板(图35中未示出)和由操作者携带的便携式终端等通知以及在生产设备1的控制面板(图35中未示出)和由操作者携带的便携式终端等上显示关于已经耗尽寿命的工具15或者马上将耗尽寿命的工具15的信息的处理。第一预测单元239还可以执行用于在控制面板和便携式终端等上显示工具编号T1至T50的工具15的当前等级的处理。此外，第一预测单元239还可以执行用于显示除了当前等级以外的图41当前所示的等级的特性的处理。因此，操作者可以在工具15寿命耗尽之前掌握工具15的特性，例如，哪个工具15已经耗尽寿命或者是否存在即将耗尽寿命的工具15。因此，操作者可以准备应该更换的工具15。

除了第一预测装置25以外，工具寿命预测装置250还包括用作第二预测装置的管理装置28。如上所述，管理装置28通过LAN线缆等连接至第一预测装置25。管理装置28是通过生产计划存储单元241、加工程序存储单元242和第二预测单元243来配置的。

生产计划存储单元241存储要由用作机床的生产设备1加工的多个类型的工件W的生产计划。生产计划包括关于多个类型的工件W的加工顺序、开始加工工件W的时间等的信息。在加工程序存储单元242中，存储与待加工的工件W对应的加工程序。尽管图35中未示出，但是生产设备1根据生产计划加工工件W。当加工工件W时，生产设备1使用存储在加工程序存储单元242中的加工程序。然而，生产设备1的控制装置(图35中未示出)可以从管理装置28中获取生产计划和加工程序，并且可以预先存储生产计划和加工程序。

第二预测单元243获取由第一预测单元239预测的直至用作第二工具的工具15的寿命耗尽的剩余使用时间。此外，第二预测单元243使用所获取的工具15的剩余使用时间、生产计划和加工程序来预测工具15的寿命耗尽的时间。参照图42来说明第二预测单元243对寿命耗尽的时间的预测。

在图42中，基于生产计划的工件W的加工顺序绘制在横轴上，并且在使用工具编号T1至T4的工具15加工工件W时工具编号T1至T4的工具15的计划使用时间绘制在纵轴上。第二预测单元243根据存储在生产计划存储单元241中的生产计划掌握工件W的加工顺序。通过分析存储在加工程序存储单元242中的加工程序，第二预测单元243可以预测在加工程序中使用工具15的时间。具体地，第二预测单元243可以基于工具15的加工路径的距离和在加工期间工具15的移动速度来预测使用工具15时间。在以下说明中，使用工具15的时间被称为计划使用时间。

第一预测单元239假定直至工具编号T3的工具15的寿命耗尽的剩余使用时间为15分钟。工具编号T1至T4的工具15不用于第一工件和第二工件W。工具编号T1和T2的工具15不用于第三工件W并且工具编号T3和T4的工具15用于第三工件W。此时工具编号T3和T4的工具15的计划使用时间依次为三分钟和一分钟。工具编号T1至T4的工具15用于第四工件W。工具编号T1至T4的工具15的计划使用时间依次为27分钟、20分钟、37分钟和四分钟。工具编号T1至T4的所有工具15用于第五工件至第七工件W。

当关注工具编号T3的工具15时，在加工第一工件至第三工件W时，工具编号T3的工具15的计划使用时间的累计总数为三分钟。在加工第一工件至第四工件W时，工具编号T3的工具15的计划使用时间的累计总数为39分钟。因为工具编号T3的工具15的剩余使用时间为15分钟，所以第二预测单元243预测工具编号T3的工具15在加工第四工件W中途耗尽寿命。

然而，因为在上述第二预测单元243的预测中仅使用工具15的使用时间，而未考虑工件W的材料、加工条件等，所以预测是不准确的。因此，第二预测单元243可以根据工件W的材料、加工条件等来校正计划使用时间。

第二预测单元243向生产设备1的控制面板和由操作者携带的便携式终端等发送关于工具15的寿命耗尽的时间的信息，即关于当工具15耗尽生命时工具15正在加工哪个工件W的信息。控制面板和便携式终端可以显示该信息。因此，操作者可以准备应该被更换的工具15。

注意，第一预测单元239和第二预测单元243等同于本发明中的预测单元60。在以上说明中，第一预测单元239和第二预测单元243是单独的装置，但是也可以是集成装置。即，第二预测单元243可以设置在生产设备1中。不仅第二预测单元243，而且生产计划存储单元241、加工程序存储单元242以及作为管理装置28说明的第二预测单元243也可以设置在生产设备1中。与第一预测单元239一样，第二预测单元243可以是包含CNC装置21、PLC 22等的系统，并且还可以是布置在与生产设备1分开的位置处的个人计算机、服务器等。

(6-3.效果)

存储在模型存储单元237中的算术模型是基于当由第一工具执行多个类型的工件W的第一加工时从第一工具开始使用直至寿命耗尽的第一加工信息来确定的。即，算术模型考虑从第一工具开始使用直至寿命耗尽的第一工具的状态。此外，用于确定算术模型的第一加工信息是当通过第一工具加工多个类型的工件W时获得的信息。因此，算术模型不是用于加工特定的一种类型的工件W，而是用于加工多个类型的工件W。即，该算术模型是用于生产少量多种产品。

第一预测单元239通过使用算术模型并且使用在由具有与第一工具相同类型的第二工具执行的第二加工时获得的第二加工信息来执行关于第二工具的寿命预测。即第一预测单元239可以获知第二工具从开始使用到寿命耗尽存在的状态，并且可以通过使用第二工具的第二加工信息和算术模型来执行对第二工具的寿命预测。

因此，可以在生产少量多种产品时执行对工具15的寿命预测。通过考虑工具15从开始使用直至寿命耗尽的工具15的状态，可以高度准确地执行对工具15的寿命预测。

注意，在图38中，针对16个工具15获取用于确定算术模型的第一加工信息。然而，仅需要针对两个或更多个工具15获取第一加工信息。但是，算术模型的准确度随着采样数量的增加而增高。因此，更期望针对其获取第一加工信息的工具15的数量更大。

关于寿命预测，第一预测单元239可以预测以下中的任一个：存在或不存在寿命耗尽；直至寿命耗尽的剩余使用时间；以及等级。第一预测单元239根据目的期望地确定预测的目标。

第一预测单元239使用任意时间处的第二加工信息来在仅所述任意时间处执行对工具15的寿命预测。即，第一预测单元239在寿命预测中不使用过去的信息。即，算术模型是可以仅使用该时刻的信息来执行寿命预测的模型。因此，可以简化算术模型并且减少寿命预测所需的处理时间。因此，可以实时地执行寿命预测。

使用多个类型的变量可以实现更高度准确的寿命预测。但是，如果在使用过去的信息的同时使用多个类型的变量执行寿命预测，则算术模型很复杂，并且寿命预测所需的处理时间增加。则，无法实时地执行寿命预测。然而，尽管第一预测单元239使用多个类型的变量，但是第一预测单元239使用仅所述任意时间处的第二加工信息来执行寿命预测。因此，可以执行实时且高度准确的寿命预测。

第一预测单元239可以使用一种类型的算术模型，或者可以使用多个类型的算术模型。通过准备多个类型的算术模型，还可以例如根据工件W的材料来选择要应用的算术模型。因此，可以执行高度准确的寿命预测。还可以基于使用多个类型的算术模型执行的多个寿命预测来全面地确定最终的寿命预测。这也使得可以执行高度准确的寿命预测。

第二预测单元243使用生产计划和加工程序来预测工具15寿命耗尽的时间。因此，可以预测可以使用当前工具15来加工当前正在加工的工件W之后的哪个工件W。因此，可以将工具15使用至寿命耗尽的最后时刻。

第一加工信息和第二加工信息是针对每种类型的工具15的针对每个工具的组合数据(文件_D_Gr1、文件_D_Gr2和文件_D_Gr3)。通常，针对每种类型的工具15收集各种类型的信息并不容易。但是，组合数据生成单元35使用包括工具15的标识信息和工具15的操作时间信息的参考数据作为用于分组的参考来生成针对每个工具的组合数据。因此，可以确定地获得与针对每种类型的工具15的许多信息相关联的信息来作为第一加工信息和第二加工信息。因此，算术模型可以容易地设置成各种模型。可以容易地确定可以执行高度准确的寿命预测的算术模型。

RFID(RF标签)可以附接至工具15和工件W(包括用于传送的箱)以区分工具15和工件W的类型并且在预测上反映所述类型。

附图标记列表

1、50、100：生产设备，

15：工具(第一工具、第二工具)，

18、120：自动工具交换装置，

21、131：CNC装置，

23a、23b、23c、23d、24a、24b、24c：检测器，

25：数据处理装置(第一预测装置)，

26：输入装置，

27：显示装置，

28：管理装置(服务器)，

32、171：参考数据获取单元，

33、161、172：目标数据获取单元，

34、173：数据获取确定单元，

35、174：组合数据生成单元，

35a、174a：整体组合数据生成单元，

35b、174b：针对每个组的划分单元，

37、190：评估单元，

37b、192：确定单元，

116a：轴承，

115a、116b、119b：驱动装置，

118：自动托盘交换装置，

141：分析装置，

162、175：统计量计算单元，

163、176：处理时间计算单元，

193：处理单元，

236：第一加工信息获取单元，

237：模型存储单元，

238：第二加工信息获取单元，

239：第一预测单元(预测单元)，

243：第二预测单元(预测单元)，

W：生产目标对象(工件)。

Claims (16)

1.一种生产设备的数据处理装置，所述数据处理装置包括：

参考数据获取单元，其被配置成在所述生产设备中获取参考数据，所述参考数据包括与用于数据分组的参考进行操作的时间有关的信息；

目标数据获取单元，其被配置成获取与由设置在所述生产设备中的检测器检测到的所述生产设备的状态有关的目标数据；以及

组合数据生成单元，其被配置成：针对每个组的参考数据，生成每个组的组合数据，所述每个组的组合数据是通过将所述目标数据中的、在与该参考数据的操作时间段相同的时间段中检测到的数据与该参考数据进行组合而获得的。

2.根据权利要求1所述的生产设备的数据处理装置，还包括数据获取确定单元，所述数据获取确定单元被配置成基于预设算法确定所述参考数据获取单元获取所述参考数据并且所述目标数据获取单元获取所述目标数据，其中，

当所述数据获取确定单元确定所述参考数据和所述目标数据被获取时，所述组合数据生成单元开始生成每个组的组合数据。

3.根据权利要求1或2所述的生产设备的数据处理装置，其中，所述组合数据生成单元包括：

整体组合数据生成单元，其被配置成生成整体组合数据，所述整体组合数据是通过根据所述参考数据的操作时间和所述目标数据的检测时间将所述参考数据和所述目标数据关联并且组合所述参考数据和所述目标数据而获得的；以及

针对每个组的划分单元，其被配置成：针对所述每个组，通过基于所述整体组合数据中的所述参考数据的组对所述每个组的整体组合数据进行划分来生成每个组的组合数据。

4.根据权利要求1或2所述的生产设备的数据处理装置，其中，

所述目标数据获取单元获取第一目标数据和第二目标数据，并且

所述生产设备的所述数据处理装置还包括评估单元，所述评估单元被配置成：通过在所述第一目标数据和所述第二目标数据被设置为坐标轴的坐标系中针对每个组绘制被获取作为评估目标的由每个组的组合数据中包括的所述第一目标数据和所述第二目标数据表示的评估目标坐标，来针对每个组评估所述生产设备的状态。

5.根据权利要求1或2所述的生产设备的数据处理装置，其中，

所述生产设备是包括多个工具的机床，

所述组是与所述多个工具中的每个工具对应的组，并且

所述参考数据包括所述多个工具中的在使用中的工具的识别信息。

6.根据权利要求1所述的生产设备的数据处理装置，还包括：

统计量计算单元，其被配置成使用统计方法计算与由所述目标数据获取单元获取的数据有关的统计量；

确定单元，其被配置成基于所述统计量确定所述生产设备的状态；以及

处理单元，其被配置成执行与所述确定单元的确定结果对应的处理。

7.根据权利要求6所述的生产设备的数据处理装置，其中，

所述生产设备的分析装置包括处理时间计算单元，所述处理时间计算单元被配置成基于由所述目标数据获取单元获取的数据来计算所述生产设备的驱动装置的从操作开始时间到操作完成时间的操作处理时间，并且

所述确定单元基于所述操作处理时间来确定所述驱动装置的状态。

8.根据权利要求6或7所述的生产设备的数据处理装置，其中，

所述生产设备还包括用于旋转驱动的驱动装置，

所述检测器检测所述驱动装置中的振动数据来作为与所述驱动装置的状态有关的数据，

所述统计量计算单元通过对所述振动数据应用频率分析、均方根的计算、标准偏差的计算以及平均值的计算中的任何处理作为统计方法来计算与所述振动有关的统计量，并且

所述确定单元通过比较与所述统计量有关的阈值和由所述统计量计算单元计算的统计量来确定所述驱动装置的状态。

9.根据权利要求6或7所述的生产设备的数据处理装置，其中，

所述生产设备还包括驱动装置，所述驱动装置包括用于向轴承供应润滑剂的旋转结构，

所述检测器检测从所述轴承排出的润滑剂的温度或从所述轴承排出的润滑剂的管道中的排气的温度以及所述驱动装置周围的室外空气温度来作为与所述驱动装置的状态有关的数据，

所述统计量计算单元计算与所述润滑剂有关的温度与所述室外空气温度之间的关系来作为所述统计量，并且

所述确定单元通过比较与所述关系有关的阈值和所述统计量来确定所述驱动装置的状态。

10.根据权利要求7所述的生产设备的数据处理装置，其中，

所述驱动装置是被配置成以与命令对应的转速执行旋转驱动的驱动装置，

所述处理时间计算单元计算从所述转速改变的开始时间到所述驱动装置达到所述命令的转速时的时间为止的操作处理时间，并且

所述确定单元通过比较所述操作处理时间和阈值来确定所述驱动装置的状态。

11.根据权利要求6或7所述的生产设备的数据处理装置，其中，

所述生产设备还包括：自动工具交换装置，用于更换用于加工生产目标对象的工具；或自动托盘交换装置，用于更换其上放置所述生产目标对象的托盘，

所述检测器检测所述自动工具交换装置或所述自动托盘交换装置中的驱动装置的功率，

按照所述统计方法，所述统计量计算单元计算所述功率的最大值，并且

所述确定单元通过比较与所述统计量有关的阈值和由所述统计量计算单元计算的统计量来确定所述驱动装置的状态。

12.根据权利要求7所述的生产设备的数据处理装置，其中，

所述生产设备还包括：自动工具交换装置，用于更换用于加工生产目标对象的工具；或自动托盘交换装置，用于更换其上放置所述生产目标对象的托盘，并且

所述处理时间计算单元计算与用作所述自动工具交换装置或所述自动托盘交换装置中的驱动装置的操作的夹紧操作、松开操作和旋转操作中的任何操作有关的从操作开始时间到操作完成时间的操作处理时间。

13.根据权利要求1所述的生产设备的数据处理装置，其中，

所述生产设备的所述数据处理装置是被配置成当使用多个类型的工具加工多个类型的工件时预测所述多个类型的工具中的每一个的寿命的装置，并且

所述生产设备的所述数据处理装置还包括：

第一加工信息获取单元，其被配置成：当使用与所述多个类型的工具中的每个类型工具对应的第一工具执行与所述多个类型的工件有关的第一加工用于信息获取时，获取从所述第一工具的开始使用到寿命耗尽为止的第一加工信息；

模型存储单元，其被配置成存储基于与所述多个类型的工件有关的所述第一加工信息确定的算法模型，所述算法模型用于执行对与所述第一工具相同类型的工具的寿命预测；

第二加工信息获取单元，其被配置成：当使用作为与所述第一工具相同类型的工具并且作为寿命预测目标的第二工具执行与所述多个类型的工件有关的第二加工时，获取执行所述第二加工时的第二加工信息；以及预测单元，其被配置成基于所述第二加工信息和所述算法模型执行对所述第二工具的寿命预测。

14.根据权利要求13所述的生产设备的数据处理装置，其中，

所述算法模型能够预测寿命耗尽的存在或不存在以及到寿命耗尽为止的剩余使用时间，并且

所述预测单元基于所述第二加工信息和所述算法模型计算所述第二工具的寿命耗尽的存在或不存在以及到寿命耗尽为止的剩余使用时间。

15.根据权利要求13或14所述的生产设备的数据处理装置，其中，所述预测单元基于任何时间处的所述第二加工信息和所述算法模型在仅所述任何时间处执行对所述第二工具的寿命预测。

16.根据权利要求15所述的生产设备的数据处理装置，其中，

所述第一加工信息和所述第二加工信息包括多个类型的变量，并且

所述算法模型使用所述多个类型的变量在所述任何时间处执行对所述工具的寿命预测。