CN109839900B - 数值控制装置 - Google Patents
数值控制装置 Download PDFInfo
- Publication number
- CN109839900B CN109839900B CN201811432595.2A CN201811432595A CN109839900B CN 109839900 B CN109839900 B CN 109839900B CN 201811432595 A CN201811432595 A CN 201811432595A CN 109839900 B CN109839900 B CN 109839900B
- Authority
- CN
- China
- Prior art keywords
- abnormality
- degree
- value
- countermeasure
- normal
- 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.)
- Active
Links
Images
Classifications
-
- 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
-
- 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
- G05B2219/34—Director, elements to supervisory
- G05B2219/34475—Detect abnormality of control system without inverted model, using input command
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Numerical Control (AREA)
- Machine Tool Sensing Apparatuses (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种通过邻近法来检测异常发生的数值控制装置,该数值控制装置具有:采样值取得部,其在正常加工时和运用时收集表示机械或环境的状态的采样值;学习部,其生成正常加工时的采样值的集合;以及异常度判定部,其根据运用时的采样值与正常加工时的采样值的集合的距离,来计算异常度。
Description
技术领域
本发明涉及数值控制装置,尤其涉及能够在检测出异常发生时将异常的程度数值化,提示与异常的规模对应的对策的数值控制装置。
背景技术
以往,提出了各种由数值控制装置来检测异常(典型来说是主轴碰撞等)发生的方法。作为异常发生的检测方法的示例,存在使用了负载电流值的阈值判定、使用了加速度传感器值的阈值判定。
所谓使用了负载电流值的阈值判定是如下方法:数值控制装置针对每一控制轴监视负载电流值,在从负载电流值减去加工涉及的逻辑上的电流值而得的值(推定负载转矩)为恒定值以上时,判断为产生了主轴碰撞。
使用了加速度传感器值的阈值判定是如下方法:数值控制装置读出安装于主轴的加速度传感器的传感器值,在传感器值为恒定值以上时,判定为发生了主轴碰撞。
作为使用了这样的方法的现有技术,存在日本特开2014-172107号公报和日本特开2013-13988号公报。日本特开2014-172107号公报中记载了如下方法:通过传感器取得移位、加速度、电流值、反馈,对主轴系统的碰撞和损伤的程度进行诊断。日本特开2013-13988号公报中记载有如下方法:将正常动作时的传感器的输出信号的样式与实际运用时的传感器的输出信号进行比较,进行运用状况的评价。
日本特开2014-172107号公报和日本特开2013-13988号公报所记载的那样的现有的异常检测方法都需要在事先适当设定阈值,或取得异常时的数据。但是,难以设定适当的阈值。例如,使用了负载电流值的阈值判定存在重切削时与主轴碰撞难以区分这样的问题。此外,使用了加速度传感器值的阈值判定存在高速快进与主轴碰撞难以区分这样的问题。此外,还存在如下问题:为了充分蓄积异常时的数据,需要大量的试运用时间。
作为用于解决这样的问题的一个方法存在邻近法(neighborhood method)。在邻近法中,通过在采样值(例如,在运用过程中取得的推定负载转矩值和加速度传感器值)的附近是否存在其他正常的采样值(过去的正常运用过程中取得的推定负载转矩值和加速度传感器值)来检测异常。即,在邻近法中,在输入的采样值从正常时的采样值偏离时,进行产生了异常这样的判断。根据邻近法,不需要预先设定任何阈值,可以只通过进行几次的试运用取得正常时的数据而取得判定所需的数据。
但是,在以往的邻近法中能够进行异常发生的检测,但是无法使异常的程度数值化。一般情况下,发生异常时应该采取的对策因异常的程度而不同。但是,在以往的方法中难以数值性地评价异常的程度,因此,难以采取适当的对策。
发明内容
本发明是为了解决这样的问题点而提出的,其目的在于提供一种能够在检测出异常发生时将异常的程度数值化,并提示与异常的程度对应的对策的数值控制装置。
本发明的一实施方式涉及的数值控制装置通过邻近法来检测异常发生,其特征在于,所述数值控制装置具有:采样值取得部,其在正常加工时和运用时收集表示机械或环境的状态的采样值;学习部,其生成所述正常加工时的采样值的集合;以及异常度判定部,其根据所述运用时的采样值与所述正常加工时的采样值的集合的距离,来计算异常度。
本发明的一实施方式涉及的数值控制装置,其特征在于,还具有:对策部,其提示与所述异常度对应的对策。
本发明的一实施方式涉及的数值控制装置,其特征在于,在检测出所述异常发生时,所述对策部将与所述异常相关的异常度与针对所述异常的对策关联起来进行蓄积。
本发明的一实施方式涉及的数值控制装置,其特征在于,所述异常度判定部定义由围住所述正常加工时的采样值的微小正方形构成的近似区域,根据围住所述运用时的采样值的正方形与所述微小正方形接触时的所述正方形的边的长度,来计算出所述异常度。
根据本发明,能够提供一种在检测出异常发生时将异常的规模数值化,并提示与异常的规模对应的对策的数值控制装置。
附图说明
通过参照附图的以下实施例的说明,可以明确本发明的上述以及其他目的和特征。
图1是表示数值控制装置的结构的框图。
图2是表示数值控制装置的异常度计算处理的概要的图。
图3是表示数值控制装置的对策提示处理的概要的图。
图4是表示数值控制装置的训练期中的处理的流程图。
图5是表示数值控制装置的运用期中的处理的流程图。
图6是表示数值控制装置的异常度计算处理的流程图。
图7是表示数值控制装置的异常度计算处理的概要的图。
图8是表示数值控制装置的训练期中的处理的流程图。
图9是表示数值控制装置的运用期中的处理的流程图。
图10是表示数值控制装置的异常度计算处理的流程图。
图11是例示推定负载转矩值与加速度传感器值的分布的图。
图12是表示将数值控制装置100应用于噪声检测处理的示例的图。
具体实施方式
使用附图对本发明的实施方式涉及的数值控制装置100进行说明。图1是表示数值控制装置100的功能结构的框图。数值控制装置100具有:采样值取得部110、学习部120、异常度判定部130以及对策部140。数值控制装置100具有:中央处理装置(CPU)、存储装置、输入输出装置等,通过CPU执行存储于存储装置的程序而逻辑上实现上述处理部。
数值控制装置100检测以主轴碰撞为首的异常,判定其异常程度(以下,称为异常度)。并且,将与异常度对应的适当的对策提示给用户。数值控制装置100具有较大的两个动作模式。一个是收集正常时的采样值(以下,有时简单地称为正常值)而形成正常值的集合的训练期,另一个是收集运用时的采样值,与正常值的集合进行比较,进行异常值的检测和异常度的判定的运用期。
采样值取得部110在训练期,收集正常加工时的采样值。所谓采样值是表示机械或环境的状态的值,例如是以固定周期取得的推定负载转矩值、加速度传感器值。通过针对每一控制轴监视负载电流值,从负载电流值减去加工涉及的逻辑上的电流值而获得推定负载转矩值。通过读出安装于主轴的加速度传感器的传感器值而获得加速度传感器值。所谓正常加工时是没有发生异常地进行了用户想要的加工的时间。正常加工时例如包含通常的切削时、重切削时、通常的快进时、高速快进时。另一方面,将在发生了主轴碰撞等异常时取得的采样值从采样值取得部110的取得对象中排除。
此外,采样值取得部110在运用期,取得运用时的采样值。所谓运用时是实际进行加工的时间,能够包含正常加工时和异常发生时双方。
学习部120取得正常时采样值取得部110所取得的采样值,即正常值,生成正常值的集合(集群(cluster))。在设为采样值由推定负载转矩值和加速度传感器值构成时,正常值的集合如图2所示,可以表现为以推定负载转矩值和加速度传感器值为轴的二维空间中绘制(plot)的点的集合。另外,采样值所含的值并不限定于两种,可以是任意的n种。该情况下,正常值的集合表现为在n维空间中绘制的点的集合。
异常度判定部130取得在运用期中采样值取得部110取得的采样值,根据取得的采样值与学习部120生成的正常值的集合的距离,来计算异常度。异常度判定部130在运用时取得的采样值与正常值的集合的距离是固定以上时,可以看作是检测出异常发生。然后,可以计算该距离越远越成为越大的值那样的异常度并输出。
图2表示运用时的采样值与正常值的集合的距离和异常度的关系。在图2中,黑圈表示训练期的正常时的采样值(正常值),白圈表示运用时的采样值。在运用期的采样值从正常值的集合偏离时,根据偏离的距离来计算异常度。例如,可知判定为异常度=9的运用期的采样值与判定为异常度=4的运用期的采样值相比,距离正常值的集合较远。并且,根据该异常度,应该采取的对策也不同。
对策部140根据异常度判定部130检测出的异常度来提示对策。例如如图3所示,对策部140具有将异常度与对策对应起来的对策数据库141。对策部140在异常度判定部130输出了异常度时,以该异常度为关键词来检索对策数据库141,取得对应的对策。然后,对策部140将所取得的对策显示于数值控制装置100的未图示的显示装置等而对用户进行提示。
在对策数据库141中与异常度相关联地存储有典型的过去发生异常时实施的对策。例如,对策部140检测出异常后将此时的异常度与由用户从未图示的输入装置等输入的对策对应起来登记于对策数据库141中。由此,在对策数据库141中,蓄积有取决于熟练的作业员的每个异常度的对策技术(know-how)。典型的是,对策根据异常度而不同。例如,在发生了主轴碰撞的情况下,在主轴强烈碰撞时(异常度大)主轴产生损伤的情况较多,因此更换成为主要的对策。另一方面,在主轴碰撞比较轻时(异常度小),轴承更换能够成为主要的对策。或者,不需要采取任何对策。
<实施例1>
以下,作为实施例1,使用图4~图6的流程图,对数值控制装置100的训练期和运用期中的动作的一例进行说明。
图4表示训练期中的处理。
S101:采样值取得部110收集正常加工时的采样值。
例如,实施包含通常的切削、重切削、通常的快进、高速快进在内的加工,取得该期间的推定负载转矩值和加速度传感器值。
S102:学习部120使用通过S101取得的采样值,生成正常值的集合。
S103:在聚集足够的数据之前,反复实施S101至S102的处理。若收集到足够的数据,则结束训练期的处理。
图5表示运用期中的处理。
S201:采样值取得部110定期收集运用时的采样值。
S202:异常度判定部130根据通过S201取得的采样值与在训练期生成的正常值的集合的距离,来进行异常发生的检测和异常度的计算。关于异常度的具体的计算方法在后面进行叙述。
S203:若在S202中检测出异常发生(输出了异常度),则向S204转移。其他情况下再次执行S201以后的处理。
S204:对策部140以通过S202输出的异常度为关键词来参照对策数据库141。
S205:对策部140取得在对策数据库141中与异常度对应起来的对策。
S206:对策部140将通过S205取得的对策显示于数值控制装置100的显示装置等而对用户进行提示。
S207:对策部140经由数值控制装置100的输入装置等,接受用户实际采取的对策的输入。对策部140将输入的对策与通过S202输出的异常度关联起来,追加登记到对策数据库141中。
使用图6的流程图和图7的图表,对S202中的异常度计算处理的一例进行说明。
S301:异常度判定部130通过微小的正方形来包围构成在S102生成的集合的正常值的每一个,将全部连接了这些正方形的区域设为正常值的近似区域。这里,优选使用某个正常值与最接近该正常值的其他正常值的距离X,通过数学式(1)或数学式(2)来决定微小正方形的一边的长度。由此,根据正太分布能够在近似区域内收纳99.7%或95.5%的正常值。
一边的长度=X的平均+X的标准偏差的3倍···(1)
一边的长度=X的平均+X的标准偏差的2倍···(2)
另外,在图7中图示了近似区域的一例。
S302:异常度判定部130通过微小的正方向来包围在S201取得的运用时的采样值。这里,微小正方形的一边的长度由数学式(3)决定。n的初始值是1。
由数学式(1)或(2)计算出的一边的长度*n···(3)
S303:异常度判定部130判定S302的微小正方形是否与S301的近似区域接触。具体来说,能够通过判定S302的微小正方形内部的坐标和S301的近似区域内部的坐标中是否有一致的坐标,来判定有无接触。在接触时,向S304转移。在没有接触时,使数学式(3)的n增加1,再次计算数学式(3),由此,使S302的微小正方形的一边的长度增加,再次执行S302以后的处理。
由此,S302的微小正方形能够放大至与S301的近似区域接触。图7表示放大至与S301的近似区域接触的S302的微小正方形的一例。
S304:异常度判定部130使用与S301的近似区域接触时的S302的微小正方形的一边的长度,通过数学式(4)来计算出异常度。
异常度=一边的长度/2···(4)
S305:异常度判定部130输出通过S304计算出的异常度。
另外,在代替微小正方形,形成了通过圆来包围正常值和/或运用时的采样值的区域之后,如上所述调整2个区域如何接触来计算异常度。若使用圆,则能够更精密地评价正常值的集合与运用时的采样值的距离。或者,使用圆以外的其他图形也包含于本发明的范围内。但是,在本实施例中,为了在合理的范围内抑制计算量,而采用使用了微小正方形的方法。
<实施例2>
作为实施例2,使用图8和图9的流程图,对数值控制装置100的训练期和运用期中的动作的其他示例进行说明。
图8表示训练期中的处理。
S401:采样值取得部110收集正常加工时的采样值的时序数据。例如,实施包含通常的切削、重切削、通常的快进、高速快进在内的加工,收集该期间的推定负载转矩值、加速度传感器值以及与采样值的取得时刻相关的信息。这里,与采样值的取得时刻相关的信息是获知采样值的取得顺序的信息即可,例如可以是采样值的取得日期时间、针对每一个采样值的取得给予的序列号等。
在本实施例中,将在任意时刻T取得的采样值称为XT。若将在特定的时刻t取得的采样值设为Xt,则下次即在时刻t+1取得的采样值是Xt+1。
S402:学习部120使用通过S401取得的采样值,生成正常值的集合。
S403:在聚集足够的数据之前,反复实施S401至S402的处理。若可以收集到足够的数据则结束训练期的处理。
图9表示运用期中的处理。
S501:采样值取得部110定期收集运用时的采样值。
S502:异常度判定部130根据通过S501取得的采样值与在训练期生成的正常值的集合的距离,来进行异常发生的检测和异常度的计算。具体来说,在本实施例中,根据通过S501取得的采样值与从训练期生成的正常值的集合计算的回归直线的距离,来进行异常发生的检查和异常度的计算。关于异常度的具体的计算方法在后面进行叙述。
S503:若在S502中检测出异常发生(输出了异常度),则向S504转移。其他情况下再次执行S501以后的处理。
S504:对策部140以通过S502输出的异常度为关键词而参照对策数据库141。
S505:对策部140取得在对策数据库141中与异常度对应起来的对策。
S506:对策部140将通过S505取得的对策显示于数值控制装置100的显示装置等而对用户进行提示。
S507:对策部140经由数值控制装置100的输入装置等,接受用户实际采取的对策的输入。对策部140将输入的对策与通过S502输出的异常度关联起来,追加登记到对策数据库141中。
使用图10的流程图和图11的图表,对S502中的异常度计算处理的一例进行说明。
S601:异常度判定部130从通过S402生成的正常值XT的集合中求出1个以上的回归直线LP。例如,在将推定负载转矩值和加速度传感器值取得为采样值时,异常度判定部130在以推定负载转矩值和加速度传感器值为轴的二维空间上绘制采样值XT,求出XT所属的回归直线(regression line)LP。
在本实施例中,异常度判定部130通过以下的步骤,可以针对正常时的动作所含的各种动作(通常的切削、重切削、通常的快进、高速快进等)的每一个计算出不同的回归直线LP。
异常度判定部130以时序顺序,即从取得的时刻早的正常值起依次绘制通过S402取得的正常值XT。并且,若绘制了固定数的正常值XT,则通过最小二乘法求出回归直线LP。另外,由于不存在绘制点(plot)的范围的回归直线不具有有意义,因此求出实际距原点最远的绘制点与最接近原点的绘制点之间的回归线段LP。
异常度判定部130每当绘制新的(即取得时刻更迟的)XT时求出回归线段与绘制点的距离。若距离是预定阈值以下,则能够视为新的XT属于已经存在的回归线段LP。此时,异常度判定部130可以考虑新的XT来重新计算回归线段LP。另一方面,若距离超过预定阈值,则视为新的XT不属于回归线段LP。并且,在以预定次数连续取得不属于回归线段LP的XT时,异常度判定部130根据不属于回归线段LP的多个XT来计算新的回归线段LP+1。即,从不属于回归线段LP的规定数的XT,通过最小二乘法求出回归直线直线LP+1。以下同样地,在取得固定数的不属于已经存在的回归线段的XT时,定义新的回归直线LP.
这里,可以认为各回归直线LP表示各种动作(通常的切削、重切削、通常的快进、高速快进等)中的采样值的特征。例如,在训练期中依次执行了通常的切削→重切削→通常的快进→高速快进时,异常度判定部130依次计算出表示通常的切削的回归线段L1、表示重切削的回归线段L2、表示通常的快进的回归线段L3、表示高速快进的回归线段L4。
S602:异常度判定部130确定一个距离D最接近通过S501取得的运用期的采样值的回归线段LP。另外,在没有从采样值引出针对回归线段LP的垂线时,可以将从采样值到回归线段LP的终点的距离视为距离D。
S603:异常度判定部130使用通过S501取得的运用期的采样值与通过S602确定的回归线段LP的距离D,通过数学式(5)来计算出异常度。
异常度=通过数学式(1)或(2)计算出的一边的长度/距离D···(5)
S604:异常度判定部130输出通过S603计算出的异常度。
<实施例3>
最后作为实施例3,使用图12对将实施例1或实施例2的结构应用于噪声检测处理的示例进行说明。
在训练期,采样值取得部110例如收集在I/O通信器中每一单位时间检测出的噪声数、在向伺服放大器的通信线缆中每一单位时间检测出的噪声数、以及在与其他控制装置的通信线中每一单位时间检测出的噪声数,作为正常加工时的采样值(S101或S401)。
学习部120收集足够数量的采样值,生成正常值的集合(S102~S103、或S402~S403)。在图12中通过黑点来表示在训练期中取得的采样值。
由此,数值控制装置100可以掌握实际的系统运用中的、正常时的噪声发生状况。例如,可以掌握实际的噪声发生频率收纳于比通信规格所允许的频率小的特定的范围内。
在运用期中,采样值取得部110定期收集运用时的采样值(S201或S501)。然后,异常度判定部130根据取得的采样值与训练期生成的正常值的集合的距离,来进行异常发生的检测和异常度的计算(S202或S502)。在图12中通过白色的三角形来表示在运用期取得的采样值。距根据黑点的分布计算出的区域或回归直线具有固定距离的白点被识别为异常值。如果检测出异常发生,则对策部140参照对策数据库141而取得每个异常度的对策,对用户进行提示。此外,根据需要进行向对策数据库的追加登记(S203~S207、或S503~S507)。
由此,数值控制装置100可以与正常时的噪声产生状况进行比较将特异的状况检测为“异常”,且可以将该状况定量化为“异常度”。一般情况下,通信设备能够检测超过通信规格所允许的阈值而产生的噪声的情况不少。但是根据本实施例,即使并未超过通信规格所允许的阈值,也可以检测在与正常时的举动不同的方式下产生的噪声。
根据本实施方式,数值控制装置100通过邻近法来检测异常发生,且根据正常值的集合与异常发生时的采样值的距离来检测异常度。由此,不需要收集异常时的数据,也不需要事先定义阈值等,因此能够容易地检测异常。此外,还能够将发生的异常的程度数值化。
此外,数值控制装置100可以将异常度与对策对应起来存储,将与计算出的异常度对应的对策提示给用户。由此,能够采取与异常度对应的适当的对策。
此外,数值控制装置100计算基于异常发生时的采样值与正常值的集合的距离的异常度。特别是数值控制装置100定义由包围正常值的微小正方形构成的近似区域。此外,定义包围异常发生时的采样值的微小正方形,根据该微小正方形与近似区域接触时的该微小正方形的边的长度,来计算异常度。由此,能够有效地削减异常度计算涉及的处理量。
以上,对本发明的实施方式进行了说明,但是本发明并不只限定于上述实施方式或实施例,可以通过增加适当的变更而以各种方式来实施。例如,在上述实施例中,主要示出了将主轴的碰撞检测为异常的示例,但是本发明并不限定于此,可以应用于任意异常的检测。此外,在上述实施例中,作为采样值主要示出了使用负载电流值、加速度传感器值的示例,但是本发明并不限定于此,能够使用与异常具有相关性的任意值。
例如,数值控制装置100可以构成为将电动机的不良等检测为异常。该情况下,作为采样值,例如可以使用电动机温度、外部空气温度等。此外,在将主轴的碰撞检测为异常的情况下,也可以使用碰撞时的声音等作为采样值。
此外,在上述实施例中,示出了使用两种采样值来进行异常的检测和异常度的计算的示例,但是本发明并不限定于此,能够使用任意种类的采样值来进行异常的检测和异常度的计算。例如,如果采样值是一种,则可以根据异常发生时的采样值与正常值的集合的一维距离来进行异常的检测和异常度的计算。如果采样值是3种,则可以根据异常发生时的采样值与正常值的集合的三维空间中的距离来进行异常的检测和异常度的计算。同样地,如果采样值是n种,则可以根据异常发生时的采样值与正常值的集合的n维空间中的距离来进行异常的检测和异常度的计算。
以上对本发明的实施方式进行了说明,但是本发明并不限定于上述实施方式的示例,可以通过增加适当的变更,以其他方式来实施。
Claims (3)
1.一种数值控制装置,其通过邻近法来检测异常发生,其特征在于,所述数值控制装置具有:
采样值取得部,其在正常加工时和运用时收集表示机械或环境的状态的采样值;
学习部,其生成所述正常加工时的采样值的集合;以及
异常度判定部,其定义由围住所述正常加工时的采样值的微小正方形构成的近似区域,并通过正方形来包围所述运用时的采样值,判定所述正方形是否与所述近似区域接触,在判定为无接触时,使所述正方形的边的长度增加并放大至与所述近似区域接触,根据围住所述运用时的采样值的正方形与所述近似区域接触时的所述正方形的边的长度,来计算异常度。
2.根据权利要求1所述的数值控制装置,其特征在于,
所述数值控制装置还具有:对策部,其提示与所述异常度对应的对策。
3.根据权利要求2所述的数值控制装置,其特征在于,
在检测出所述异常发生时,所述对策部将与所述异常相关的异常度与针对所述异常的对策关联起来进行蓄积。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017-228346 | 2017-11-28 | ||
JP2017228346A JP6721563B2 (ja) | 2017-11-28 | 2017-11-28 | 数値制御装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109839900A CN109839900A (zh) | 2019-06-04 |
CN109839900B true CN109839900B (zh) | 2021-04-20 |
Family
ID=66442125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811432595.2A Active CN109839900B (zh) | 2017-11-28 | 2018-11-28 | 数值控制装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10871761B2 (zh) |
JP (1) | JP6721563B2 (zh) |
CN (1) | CN109839900B (zh) |
DE (1) | DE102018009309A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7063022B2 (ja) * | 2018-03-14 | 2022-05-09 | オムロン株式会社 | 異常検知システム、サポート装置およびモデル生成方法 |
JP7059500B2 (ja) | 2019-05-30 | 2022-04-26 | 株式会社ニフコ | バンパ取付け用リテーナ |
DE102020205265A1 (de) | 2020-04-27 | 2021-10-28 | Kuka Deutschland Gmbh | Detektieren von Störungen in Roboteranordnungen |
JP7471529B1 (ja) | 2023-02-16 | 2024-04-19 | 三菱電機株式会社 | 診断システム及び診断方法 |
CN116237817B (zh) * | 2023-05-06 | 2023-07-14 | 济南章力机械有限公司 | 基于物联网的五轴联动数控机床智能监测系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011059790A (ja) * | 2009-09-07 | 2011-03-24 | Hitachi Ltd | 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 |
CN102870057A (zh) * | 2010-04-08 | 2013-01-09 | 株式会社日立制作所 | 机械设备的诊断装置、诊断方法及诊断程序 |
CN107209508A (zh) * | 2015-01-21 | 2017-09-26 | 三菱电机株式会社 | 信息处理装置及信息处理方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004355330A (ja) * | 2003-05-29 | 2004-12-16 | Fujitsu Ltd | 診断装置及び診断方法 |
JP4140634B2 (ja) * | 2006-01-26 | 2008-08-27 | 松下電工株式会社 | 異常監視方法、および異常監視装置 |
JP5625935B2 (ja) * | 2011-01-18 | 2014-11-19 | オムロン株式会社 | 判定基準値の適否判定方法およびその適正値の特定方法ならびに適正値への変更方法、部品実装基板の検査システム、生産現場におけるシミュレーション方法およびシミュレーションシステム |
JP4832609B1 (ja) * | 2011-06-22 | 2011-12-07 | 株式会社日立エンジニアリング・アンド・サービス | 異常予兆診断装置および異常予兆診断方法 |
JP5849473B2 (ja) | 2011-07-06 | 2016-01-27 | セイコーエプソン株式会社 | ロボット、ロボットの制御方法、およびプログラム |
JP6143222B2 (ja) | 2013-03-07 | 2017-06-07 | 三菱重工工作機械株式会社 | 工作機械の異常診断装置及び異常診断方法 |
JP6148316B2 (ja) * | 2015-07-31 | 2017-06-14 | ファナック株式会社 | 故障条件を学習する機械学習方法及び機械学習装置、並びに該機械学習装置を備えた故障予知装置及び故障予知システム |
DE102016008987B4 (de) | 2015-07-31 | 2021-09-16 | Fanuc Corporation | Maschinenlernverfahren und Maschinenlernvorrichtung zum Lernen von Fehlerbedingungen, und Fehlervorhersagevorrichtung und Fehlervorhersagesystem, das die Maschinenlernvorrichtung einschließt |
-
2017
- 2017-11-28 JP JP2017228346A patent/JP6721563B2/ja active Active
-
2018
- 2018-11-27 US US16/201,349 patent/US10871761B2/en active Active
- 2018-11-27 DE DE102018009309.4A patent/DE102018009309A1/de active Pending
- 2018-11-28 CN CN201811432595.2A patent/CN109839900B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011059790A (ja) * | 2009-09-07 | 2011-03-24 | Hitachi Ltd | 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 |
CN102870057A (zh) * | 2010-04-08 | 2013-01-09 | 株式会社日立制作所 | 机械设备的诊断装置、诊断方法及诊断程序 |
CN107209508A (zh) * | 2015-01-21 | 2017-09-26 | 三菱电机株式会社 | 信息处理装置及信息处理方法 |
Also Published As
Publication number | Publication date |
---|---|
US20190163163A1 (en) | 2019-05-30 |
US10871761B2 (en) | 2020-12-22 |
CN109839900A (zh) | 2019-06-04 |
JP6721563B2 (ja) | 2020-07-15 |
DE102018009309A1 (de) | 2019-05-29 |
JP2019101503A (ja) | 2019-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109839900B (zh) | 数值控制装置 | |
US10525563B2 (en) | Abnormality-detecting device and method for tool of machine tool | |
JP6039696B2 (ja) | ショベルの異常判定方法、管理装置、及びショベル | |
JP6572265B2 (ja) | 制御装置及び機械学習装置 | |
JP5858839B2 (ja) | 作業機械の異常診断装置 | |
WO2014010632A1 (ja) | 稼働機械の保守管理装置 | |
US11137321B2 (en) | Failure diagnosis system | |
JP7040851B2 (ja) | 異常検知装置、異常検知方法及び異常検知プログラム | |
CN106808494A (zh) | 记录机器人紧急停止的发生状况的机器人控制装置 | |
JP6398383B2 (ja) | 異常診断装置 | |
JP2020091694A (ja) | 処理時間監視装置 | |
CN110058983A (zh) | 异常检查参数调整显示装置 | |
WO2016117453A1 (ja) | 異常診断分析装置 | |
TWI755794B (zh) | 異常診斷方法、異常診斷裝置以及異常診斷程式 | |
JP5312475B2 (ja) | 機械装置のエネルギ消費量の分析方法および機械装置 | |
JP2020107248A (ja) | 異常判定装置および異常判定方法 | |
JP6784140B2 (ja) | 異常診断装置及び異常診断方法 | |
JP2010203929A (ja) | 機械設備における異常診断システム | |
US11131985B2 (en) | Noise generation cause estimation device | |
KR20210127223A (ko) | 고로의 이상 판정 장치, 고로의 이상 판정 방법, 및 고로의 조업 방법 | |
JP2016031568A (ja) | 異常診断装置、異常診断方法及び異常診断プログラム | |
JP2018073060A (ja) | 診断装置における診断結果表示方法及び診断装置 | |
WO2015114792A1 (ja) | 保守運用支援システム、保守運用支援方法、保守運用支援プログラム | |
CN109814490B (zh) | 噪音监视装置 | |
US20210223764A1 (en) | Data analysis device, system, method, and recording medium storing program |
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 |